摘要
本发明涉及半导体封装材料缺陷检测领域，尤其涉及一种基于深度学习的半导体封装材料缺陷检测方法，包括：采集表面图像，提取二维轮廓与特征点集；预处理图像，分离封装材料主体区域；构建基于Transformer的二维缺陷识别模型，输出二维检测结果；对疑似和未知缺陷区域扫描获取三维点云数据，提取几何与纹理特征；通过时空对齐模型融合二维与三维数据；利用多模态融合模型输出缺陷位置与类型；基于材料节点连接度和应力分布评估缺陷重要度，生成可视化检测报告。本发明实现了半导体封装材料缺陷的高精度检测，通过多模态数据融合与深度学习模型提升缺陷识别率、定位精度和检测效率，并能基于材料结构量化缺陷重要度生成可视化报告。
