(19)國家知識產(chǎn)權(quán)局(12)發(fā)明專利(10)授權(quán)公告號CN114331944B(65)同一申請的已公布的文獻號(73)專利權(quán)人財團法人工業(yè)技術(shù)研究院地址中國臺灣新竹縣專利權(quán)人菱生精密工業(yè)股份有限公司沈志明沈敬翔莊亞晉楊泓昱呂景隆(74)專利代理機構(gòu)北京市柳沈律師事務所BO7C5/02(2006.01)US2019180430A1,2019.審查員許瑞雪人工智能瑕疵圖像分類方法及其系統(tǒng)本發(fā)明提供一種人工智能瑕疵圖像分類方法與其系統(tǒng)。該方法包括：利用傳送單元傳送微機電麥克風產(chǎn)品至特定位置；利用定位單元定位該微機電麥克風產(chǎn)品；利用第一圖像采集單元掃描該微機電麥克風產(chǎn)品以采集待測圖像；將該待測圖像與多個參考圖像進行比對，根據(jù)比對結(jié)果判斷該待測圖像的瑕疵分類；根據(jù)該比對結(jié)果將傳送微機電麥克風產(chǎn)品至特定位置，并定位微機電麥克風產(chǎn)品掃描微機電麥克風產(chǎn)品以采集待測圖像將待測圖像與多個參考圖像進行比對，并根據(jù)比對結(jié)果判斷待測圖像的瑕疵分類根據(jù)比對結(jié)果將瑕疵區(qū)域標示在待測圖像上根據(jù)瑕疵分類將微機電麥克風產(chǎn)品分類存放21.一種人工智能瑕疵圖像分類系統(tǒng)，用于檢測微機電麥克風產(chǎn)品，該系統(tǒng)包括：傳送單元，傳送該微機電麥克風產(chǎn)品至特定位置；定位單元，定位該微機電麥克風產(chǎn)品；第一圖像采集單元，掃描該微機電麥克風產(chǎn)品以采集待測圖像；處理單元，耦接該傳送單元、該定位單元、該第一圖像采集單元及該存儲單元，該處理圖像識別模塊，將該待測圖像與所述參考圖像進行比對，根據(jù)比對結(jié)果判斷該待測圖像的瑕疵分類；瑕疵標示模塊，根據(jù)該比對結(jié)果將瑕疵區(qū)域標示在該待測圖像上；以及產(chǎn)品分類模塊，根據(jù)該瑕疵分類將該微機電麥克風產(chǎn)品分類存放，其中在利用該傳送單元傳送微機電麥克風產(chǎn)品至特定位置之前，該處理單元經(jīng)配置利用X光檢測系統(tǒng)檢查該微機電麥克風產(chǎn)品是否包括芯片；以及若該微機電麥克風產(chǎn)品包括該芯片，包括：利用加熱單元去除該微機電麥克風產(chǎn)品的封蓋，以露出該微機電麥克風產(chǎn)品內(nèi)部的芯片封裝結(jié)構(gòu)；利用第二圖像采集單元掃描該芯片封裝結(jié)構(gòu)以采集初篩圖像；判斷該初篩圖像是否具有預設瑕疵；若該初篩圖像不具有該預設瑕疵，利用該第一圖像采集單元采集該待測圖像，以判斷若該初篩圖像具有該預設瑕疵，直接將該微機電麥克風分類至芯片瑕疵的瑕疵分類。2.根據(jù)權(quán)利要求1所述的人工智能瑕疵圖像分類系統(tǒng)，其中該第一圖像采集單元包括掃描電子顯微鏡、超聲波掃描顯微鏡及X光檢測系統(tǒng)中的至少一個。3.根據(jù)權(quán)利要求1所述的人工智能瑕疵圖像分類系統(tǒng)，其中該待測圖像的解析度小于或等于1納米。4.根據(jù)權(quán)利要求1所述的人工智能瑕疵圖像分類系統(tǒng)，其中該待測圖像相對于該微機電麥克風產(chǎn)品的圖像放大倍率介于10～20萬倍之間。5.根據(jù)權(quán)利要求1所述的人工智能瑕疵圖像分類系統(tǒng)，其中該瑕疵分類包括球型接線6.根據(jù)權(quán)利要求1所述的人工智能瑕疵圖像分類系統(tǒng)，其中所述參考圖像為第一圖像其中該處理單元通過瑕疵標示模塊標示及分類所述參考圖像的目標邊界框后，將所述目標邊界框以第二圖像格式存儲，其中該第一圖像格式不同于該第二圖像格式。7.根據(jù)權(quán)利要求1所述的人工智能瑕疵圖像分類系統(tǒng)，其中該待測圖像反映該微機電麥克風產(chǎn)品的芯片封裝結(jié)構(gòu)。8.根據(jù)權(quán)利要求1所述的人工智能瑕疵圖像分類系統(tǒng)，其中該系統(tǒng)還包括：該X光檢測系統(tǒng)、該加熱單元以及該第二圖像采集單元，該X光檢測系統(tǒng)、該加熱單元及3該第二圖像采集單元耦接該處理單元。9.一種人工智能瑕疵圖像分類方法，用于檢測微機電麥克風產(chǎn)品，該方法包括：利用傳送單元傳送該微機電麥克風產(chǎn)品至特定位置；利用定位單元定位該微機電麥克風產(chǎn)品；利用第一圖像采集單元掃描該微機電麥克風產(chǎn)品以采集待測圖像；將該待測圖像與多個參考圖像進行比對，根據(jù)比對結(jié)果判斷該待測圖像的瑕疵分類；根據(jù)該比對結(jié)果將瑕疵區(qū)域標示在該待測圖像上；以及根據(jù)該瑕疵分類將該微機電麥克風產(chǎn)品分類存放，其中在利用該傳送單元傳送微機電麥克風產(chǎn)品至特定位置之前，還包括：利用X光檢測系統(tǒng)檢查該微機電麥克風產(chǎn)品是否包括芯片；以及若該微機電麥克風產(chǎn)品包括該芯片，包括：利用加熱單元去除該微機電麥克風產(chǎn)品的封蓋，以露出該微機電麥克風產(chǎn)品內(nèi)部的芯片封裝結(jié)構(gòu)；利用第二圖像采集單元掃描該芯片封裝結(jié)構(gòu)以采集初篩圖像；判斷該初篩圖像是否具有預設瑕疵；若該初篩圖像不具有該預設瑕疵，利用該第一圖像采集單元采集該待測圖像，以判斷若該初篩圖像具有該預設瑕疵，直接將該微機電麥克風分類至芯片瑕疵的瑕疵分類。10.根據(jù)權(quán)利要求9所述的人工智能瑕疵圖像分類方法，其中該第一圖像采集單元包括掃描電子顯微鏡、超聲波掃描顯微鏡及X光檢測系統(tǒng)中的至少一個。11.根據(jù)權(quán)利要求9所述的人工智能瑕疵圖像分類方法，其中該待測圖像的解析度小于或等于1納米。12.根據(jù)權(quán)利要求9所述的人工智能瑕疵圖像分類方法，其中該待測圖像相對于該微機電麥克風產(chǎn)品的圖像放大倍率介于10～20萬倍之間。13.根據(jù)權(quán)利要求9所述的人工智能瑕疵圖像分類方法，其中該瑕疵分類包括球型接線14.根據(jù)權(quán)利要求9所述的人工智能瑕疵圖像分類方法，其中所述參考圖像為第一圖像通過瑕疵標示模塊標示及分類所述參考圖像的目標邊界框后，將所述目標邊界框以第二圖像格式存儲，其中該第一圖像格式不同于該第二圖像格式。15.根據(jù)權(quán)利要求9所述的人工智能瑕疵圖像分類方法，其中該待測圖像反映該微機電麥克風產(chǎn)品的芯片封裝結(jié)構(gòu)。4技術(shù)領(lǐng)域[0001]本發(fā)明涉及一種人工智能瑕疵圖像分類方法及人工智能瑕疵圖像分類系統(tǒng)。背景技術(shù)[0002]從十九世紀初開始，工業(yè)生產(chǎn)的方式從人工逐漸轉(zhuǎn)變?yōu)闄C械化。而微型電子計算機在十九世紀中問世后，人們開始利用它來進行一些簡單的自動控制，使得工業(yè)界再次興起新的革命。隨著工業(yè)生產(chǎn)欲提升產(chǎn)量、速度、精準度之需求，人類開始大量投入自動化生產(chǎn)流程的開發(fā)。此外，人工智能(ArtificialIntelligence,AI)構(gòu)想的崛起，使得人們開始思考該如何才能讓自動化系統(tǒng)中的機器學會“感受”人類眼中看見的世界，進而能夠?qū)W習人類的行為模式對事物進行判定。[0003]直至今日，機器視覺已成為工業(yè)自動化系統(tǒng)的重要組成之一。機器視覺系統(tǒng)(MachineVision)是一個能自動輸出控制信號的圖像識別分析器。機器視覺系統(tǒng)如同人類的雙眼及大腦，其運用微型電子計算機強大的運算能力，對取得的圖像進行適當?shù)姆治鲎R別，并得到控制信號的輸出以作為控制機器的參數(shù)之一。過去品管檢測多為人工完成。然而，由人工進行品管檢測可能有以下缺點：工人長期處于工作的狀態(tài)下容易因不堪負荷而降低品管檢測的良率；耗費大量的人力資源及檢測時間等成發(fā)明內(nèi)容[0005]本發(fā)明提供一種人工智能瑕疵圖像分類方法與其系統(tǒng)，提供自動化圖像檢測，并提升瑕疵圖像檢測的準確率。[0006]本發(fā)明提供一種人工智能瑕疵圖像分類系統(tǒng)，用于檢測微機電麥克風產(chǎn)品。該系微機電麥克風產(chǎn)品至特定位置。定位單元定位該微機電麥克風產(chǎn)品。第一圖像采集單元掃描該微機電麥克風產(chǎn)品以采集待測圖像。存儲單元存儲多個模塊及多個參考圖像。處理單元耦接該傳送單元、該定位單元、該第一圖像采集單元及該存儲單元，該處理器執(zhí)行所述模塊。所述模塊包括：圖像識別模塊，將該待測圖像與所述參考圖像進行比對，根據(jù)比對結(jié)果判斷該待測圖像的瑕疵分類；瑕疵標示模塊，根據(jù)該比對結(jié)果將瑕疵區(qū)域標示在該待測圖像上；產(chǎn)品分類模塊，根據(jù)該瑕疵分類將該微機電麥克風產(chǎn)品分類存放。[0007]本發(fā)明提供一種人工智能瑕疵圖像分類方法，用于檢測微機電麥克風產(chǎn)品。該方法包括：利用傳送單元傳送該微機電麥克風產(chǎn)品至特定位置；利用定位單元定位該微機電麥克風產(chǎn)品；利用第一圖像采集單元掃描該微機電麥克風產(chǎn)品以采集待測圖像；將該待測圖像與多個參考圖像進行比對，根據(jù)比對結(jié)果判斷該待測圖像的瑕疵分類；根據(jù)該比對結(jié)果將瑕疵區(qū)域標示在該待測圖像上；以及根據(jù)該瑕疵分類將該微機電麥克風產(chǎn)品分類存5放。[0008]基于上述，本發(fā)明實施例提供的人工智能瑕疵圖像分類方法與其系統(tǒng)通過待測圖像與參考圖像的相互比對判斷待測圖像所屬的瑕疵分類，進而根據(jù)瑕疵分類將待測圖像對應的待測物分類存放。附圖說明[0009]圖1是根據(jù)本發(fā)明一范例實施例所繪示的人工智能瑕疵圖像分類系統(tǒng)的示意圖。[0010]圖2是根據(jù)本發(fā)明一范例實施例所繪示的人工智能瑕疵圖像分類方法的流程圖。[0011]圖3是根據(jù)本發(fā)明一范例實施例所繪示的人工智能瑕疵圖像分類系統(tǒng)的示意圖。[0012]圖4是根據(jù)本發(fā)明一范例實施例所繪示的初步篩選操作的示意圖。具體實施方式[0013]現(xiàn)將詳細地參考本發(fā)明的示范性實施例，示范性實施例的實例說明于附圖中。只要有可能，相同元件符號在圖式和描述中用來表示相同或相似部分。[0014]圖1是根據(jù)本發(fā)明一范例實施例所繪示的人工智能瑕疵圖像分類系統(tǒng)的示意圖。[0015]請參照圖1,人工智能瑕疵圖像分類系統(tǒng)100包括傳送單元110、定位單元120、圖像采集單元130、存儲單元140以及處理單元150。處理單元150耦接于傳送單元110、定位單元120、圖像采集單元130以及存儲單元140。[0016]傳送單元110用以傳送待測物至特定位置。待測物例如為麥克風產(chǎn)品，本發(fā)明不在此限制。在一范例實施例中，傳送單元110可以輸送臺面來實作。舉例來說，處理單元150會控制輸送臺面，以將待測物傳送至特定位置。特別是，特定位置可為圖像采集單元130的鏡頭的下方，以利后續(xù)圖像采集單元130對待測物進行圖像掃描?；蛘呤牵囟ㄎ恢每蔀榉奖銠z測者拿取待測物的位置。檢測者可從特定位置拿取待測物，并放置待測物于圖像采集單元130的鏡頭的下方以進行圖像掃描。[0017]定位單元120用以定位待測物。在一范例實施例中，定位單元120包括固定元件以定位并固定待測物。固定元件可具有凹槽，該凹槽有足夠的空間供待測物放置。舉例來說，定位單元120設置于圖像采集單元130的鏡頭的下方。處理單元150可控制傳送單元110將待測物傳送至特定位置，并且定位單元120在該特定位置自動定位待測物?；蛘呤?，檢測者可從特定位置拿取待測物并放置待測物于圖像采集單元130的鏡頭的下方，并使用定位單元120定位待測物。[0018]圖像采集單元130(亦稱為，第一圖像采集單元)用以掃描待測物以采集待測物的圖像。在一范例實施例中，圖像采集單元130可采用掃描電子顯微鏡(ScanningElectronMicroscope,SEM),以掃描待測物的表面圖像作為待測圖像。利用掃描電子顯微鏡掃描出的待測圖像具有高解析度，其解析度高于一般光學圖像采集裝置所采集的圖像的解析度。例如，待測圖像的解析度可小于或等于1納米(nm),并且相對于待測物的圖像放大倍率會介于10～20萬倍之間。然而，圖像的解析度或放大倍率可根據(jù)所采用的掃描電子顯微鏡不同而具有更高或更低的解析度，本發(fā)明不在此限制。[0019]在另一范例實施例中，圖像采集單元130亦可采用超聲波掃描顯微鏡(ScanningAcousticTomography,SAT)或X光檢測系統(tǒng)等可穿透一定厚度的固態(tài)與液態(tài)物質(zhì)并獲取物6體內(nèi)部圖像的裝置，以掃描待測物的內(nèi)部圖像作為待測圖像。[0020]存儲單元140用以存儲各類模塊以及運行人工智能瑕疵圖像分類系統(tǒng)100時的各類必要數(shù)據(jù)及代碼。存儲單元140可以是固定或可移動的隨機存取存儲器(randomaccess存儲有圖像識別模塊141、瑕疵標示模塊142以及產(chǎn)品分類模塊143。此外，存儲單元140還存儲多個參考圖像144。[0021]圖像識別模塊141會將待測圖像與參考圖像144進行比對，并根據(jù)比對結(jié)果判斷待測圖像的瑕疵分類。瑕疵標示模塊142會根據(jù)比對結(jié)果將瑕疵區(qū)域標示在待測圖像上。產(chǎn)品分類模塊143會根據(jù)瑕疵分類將待測物分類存放。如何通過圖像識別模塊141、瑕疵標示模塊142與產(chǎn)品分類模塊143完成人工智能瑕疵圖像分類系統(tǒng)100的作業(yè)將于后方進行說明。[0022]處理單元150耦接于存儲單元140,用以存取存儲單元140中的數(shù)據(jù)以執(zhí)行人工智能瑕疵圖像分類系統(tǒng)100的各類運作。特別是，處理單元150會執(zhí)行前述的圖像識別模塊141、瑕疵標示模塊142以及產(chǎn)品分類模塊143,以執(zhí)行本發(fā)明提供的人工智能瑕疵圖像分類方法。處理單元150可以是中央處理器(CentralProcessingUnit,CPU),或是其他可編程的一般用途或特殊用途的微處理器(Microprocessor)、數(shù)字信號處理器(DigitalSignalProcessor,DSP)、可編程控制器、專用集成電路(ApplicationSpecificIntegratedCircuit,ASIC)或其他類似元件或上述元件的組合，本發(fā)明不在此限制。[0023]圖2是根據(jù)本發(fā)明一范例實施例所繪示的人工智能瑕疵圖像分類方法的流程圖。[0024]請參照圖1及圖2,本范例實施例的方式適用于上述實施例中的人工智能瑕疵圖像分類系統(tǒng)100,以下即搭配人工智能瑕疵圖像分類系統(tǒng)100中的各項元件說明本實施人工智能瑕疵圖像分類方法的詳細步驟。[0025]需先說明的是，本實施例以麥克風產(chǎn)品作為待測物進行人工智能瑕疵圖像分類方法的細節(jié)說明。特別是，麥克風產(chǎn)品可為微機電(Micro-Electro-MechanicalSystems,[0026]在步驟S202,處理單元150會通過傳送單元110傳送微機電麥克風產(chǎn)品至特定位置，并通過定位單元120定位微機電麥克風產(chǎn)品。此外，若微機電麥克風步驟S202之前利用加熱單元去除封蓋，以露出微機電麥克風產(chǎn)品內(nèi)部的芯片封裝結(jié)構(gòu)。[0027]在步驟S204,處理單元150會通過圖像采集單元130掃描微機電麥克風產(chǎn)品以采集待測圖像。具體來說，圖像采集單元130可采用掃描電子顯微鏡掃描微機電麥克風產(chǎn)品，并產(chǎn)生相對應被掃描區(qū)域的待測圖像。[0028]藉由待測圖像以及存儲單元140存儲的參考圖像144,處理單元150會運行圖像識別模塊141、瑕疵標示模塊142以及產(chǎn)品分類模塊143,進而判斷被檢測的微機電麥克風產(chǎn)品的分類。[0029]具體來說，在步驟S206,圖像識別模塊141將待測圖像與多個參考圖像144進行比對，并根據(jù)比對結(jié)果判斷待測圖像的瑕疵分類。瑕疵分類例如可包括球型接線遺失(ballbondleft)品、楔型接線遺失(wedgebondleft)品、芯片破裂(chipcrack)品、污染(contamination)品及/或合格(OK)品，本發(fā)明不在此限制。[0030]舉例來說，圖像識別模塊141可利用圖像識別模型來判斷待測圖像是否存在與各7個參考圖像144相似的瑕疵，從而檢測出待測物的瑕疵分類。在一范例實施例中，圖像識別模型包括卷積神經(jīng)網(wǎng)絡模型(ConvolutionalNeuralNetwork,CNN)及分類器。圖像識別模塊141將待測圖像輸入至卷積神經(jīng)網(wǎng)絡模型時，待測圖像會經(jīng)過卷積層(Convolutionallayer)提取特征、線性整流層(RectifiedLinearUnitsLayer,ReLUlayer)增強函數(shù)特性、池化層(PoolingLayer)減小數(shù)據(jù)的空間大小等，藉此以獲取瑕疵的瑕疵特征(例如，瑕疵的輪廓)。在待測圖像通過卷積神經(jīng)網(wǎng)絡模型而獲取瑕疵特征后，圖像識別模塊141會進一步將瑕疵特征輸入至分類器。分類器依據(jù)瑕疵特征判斷此瑕疵屬于哪一種參考圖像144對應的瑕疵分類，并據(jù)此產(chǎn)生比對結(jié)果。圖像識別模塊141會根據(jù)比對結(jié)果判斷待測圖像的瑕疵分類。[0031]在本范例實施例中，圖像識別模型包括的分類器是利用多個參考圖像144、對應各個參考圖像144的目標邊界框(boundingbox)及各個邊界框?qū)蔫Υ梅诸愑柧毇@得。[0032]首先，處理單元150取得圖像數(shù)據(jù)集。圖像數(shù)據(jù)集包括上述多個參考圖像144、對應各個參考圖像144的目標邊界框及各個邊界框?qū)蔫Υ梅诸?。參考圖像144對應的目標邊界框及目標邊界框?qū)蔫Υ梅诸惪捎扇斯みM行標記。詳細來說，處理單元150包括瑕疵標示模塊(未繪示)。瑕疵標示模塊通過輸入單元(未繪示)接收檢測者在參考圖像144上標記的目標邊界框及輸入的目標邊界框?qū)蔫Υ梅诸?，以標示及分類參考圖像144的目標邊一圖像格式，而標示的目標邊界框以第二圖像格式存儲，第一圖像格式不同于第二圖像格[0033]接著，處理單元150將圖像數(shù)據(jù)集輸入圖像識別模型以訓練圖像識別模型，并將訓練后的圖像識別模型存儲在存儲單元140中。然而，在本發(fā)明的其它實施例中，人工智能瑕疵圖像分類系統(tǒng)100會將圖像識別模型存儲在遠端的存儲單元中，圖像識別模塊141會根據(jù)需求從遠端的存儲單元中獲取相對應的圖像識別模型。[0034]回到圖2,在步驟S208,瑕疵標示模塊142根據(jù)比對結(jié)果將瑕疵區(qū)域標示在待測圖像上。舉例來說，瑕疵標示模塊142會根據(jù)圖像識別模型輸出的比對結(jié)果判斷待測圖像的瑕疵區(qū)域，并將瑕疵區(qū)域標示在待測圖像上。[0035]在步驟S210,產(chǎn)品分類模塊143根據(jù)瑕疵分類將微機電麥克風產(chǎn)品分類存放。具體來說，產(chǎn)品分類模塊143會根據(jù)圖像識別模塊141針對待測圖像判斷出的瑕疵分類，將該待測圖像對應的微機電麥克風產(chǎn)品分類存放。[0036]值得一提的是，在本發(fā)明的一范例實施例中，用于訓練圖像識別模型的參考圖像144與待測圖像采用相同的掃描電子顯微鏡掃描產(chǎn)生。藉由掃描電子顯微鏡掃描微機電麥克風產(chǎn)品產(chǎn)生的高解析度參考圖像144,訓練出的圖像識別模型可更精確的識別待測圖像[0037]由于掃描電子顯微鏡需要較長的圖像掃描時間。因此，本發(fā)明的另一范例實施例可在人工智能瑕疵圖像分類系統(tǒng)100執(zhí)行上述瑕疵分類之前，先初步篩選瑕疵較明顯的待測物。[0038]圖3是根據(jù)本發(fā)明一范例實施例所繪示的人工智能瑕疵圖像分類系統(tǒng)的示意圖。[0039]請參照圖3,除了與圖1相同的元件以外，人工智能瑕疵圖像分類系統(tǒng)100還可包括初步篩選單元160。初步篩選單元160耦接處理單元150且包括但不限于X光檢測系統(tǒng)161、加8熱單元162以及圖像采集單元163(亦稱為，第二圖像采集單元)。[0040]X光檢測系統(tǒng)161用以預先檢查待測物的內(nèi)部結(jié)構(gòu)。由于完成的待測物可能會有封蓋，此封蓋會遮蔽待測物的內(nèi)部結(jié)構(gòu)。因此，可先利用X光檢測系統(tǒng)161檢查待測物的內(nèi)部結(jié)構(gòu)是否有明顯的元件缺失。[0041]加熱單元162用以加熱待測物以去除待測物的封蓋。加熱單元162例如是加熱板(Hotplate),本發(fā)明不在此限制。[0042]圖像采集單元163用以采集待測物的初篩圖像。圖像采集單元163所采集的圖像的解析度比圖像采集單元130的解析度低。例如，圖像采集單元163可為光學圖像采集裝置。在工業(yè)制成的流程中，待測物會被送入自動光學檢查裝置(AutomatedOpticalInspection,AOI)進行初步的瑕疵篩檢。圖像采集單元163例如為設置在自動光學檢查裝置中的光學圖像采集裝置。藉由通過圖像采集單元163掃描待測物以采集待測物的圖像，自動光學檢查裝置會通過采集圖像判斷待測物的結(jié)構(gòu)完整性，進而找出疑似存在瑕疵的待測物。[0043]圖4是根據(jù)本發(fā)明一范例實施例所繪示的初步篩選操作的示意圖。本范例實施例以微機電麥克風5為例進行說明。然而，本發(fā)明不限制待測物的種類。[0044]請參圖4,微機電麥克風5為具有封蓋的麥克風產(chǎn)品。在步驟S402,處理單元150利用X光檢測系統(tǒng)161檢查微機電麥克風5是否包括芯片。若微機電麥克風5包括芯片，則在步驟S404,處理單元150利用加熱單元162去除微機電麥克風5的封蓋，以獲得微機電麥克風5的芯片封裝結(jié)構(gòu)。另一方面，若微機電麥克風5不包括芯片，處理單元150可直接將該微機電麥克風5進行分類(例如，瑕疵分類為“芯片缺失”),并將該微[0045]在步驟S406,處理單元150利用圖像采集單元163掃描芯片封裝結(jié)構(gòu)以采集初篩圖像，并對初篩圖像進行初步瑕疵檢測操作。具體來說，圖像采集單元163采用光學圖像采集裝置掃描微機電麥克風5的芯片封裝結(jié)構(gòu)，并產(chǎn)生相對應被掃描區(qū)域的初篩圖像。接著，處理單元150對初篩圖像進行初步瑕疵檢測操作以判斷初篩圖像是否具有預設瑕疵。若初篩圖像不具有預設瑕疵，則在步驟S408,處理單元150利用圖像采集單元130采集待測圖像并執(zhí)行圖2所示的瑕疵分類操作。其中待測圖像反映微機電麥克風5的芯片封裝結(jié)構(gòu)。另一方面，若初篩圖像具有預設瑕疵，則處理單元150可直接將該微機電麥克風5進行分類(例如，瑕疵分類為“芯片瑕疵”),并將該微機電麥克風5分類存放。[0046]值得一提的是，檢測者可根據(jù)需求增刪或調(diào)整X光檢測系統(tǒng)161、圖像采集單元163及圖像采集單元130的數(shù)量及各項瑕疵檢測順序，