电子元器件缺陷检测方法、装置及系统

技术领域

本公开涉及电子元器件检测技术领域，特别是涉及一种电子元器件缺陷检测方法、装置及系统。

背景技术

电子元器件缺陷检测是保证元器件质量的必要生产过程，但随着电子元器件加工制造水平的不断发展，电子元器件封装形式越来越多、封装密度也越来越高，电子元器件检测的种类和数量也日益增多。

相关技术中，电子元器件缺陷检测，通常依赖人工检测。然而人工检测主观性强、成本高，且人工检测的准确率和速度已无法满足工业要求。因此亟需一种可以高效、准确进行电子元器件缺陷检测的技术方案。

发明内容

基于此，有必要针对上述技术问题，提供一种电子元器件缺陷检测方法、装置及系统。

一种电子元器件缺陷检测方法，所述方法包括：

获取待检测电子元器件的图像；

将所述图像输入训练得到的缺陷检测模型，得到所述待检测电子元器件的缺陷类型；其中，所述缺陷检测模型基于构建的良品图库和缺陷图库训练得到；

根据所述缺陷类型确定所述待检测电子元器件的缺陷尺寸计算方式；

利用所述缺陷尺寸计算方式对所述图像进行缺陷计算，根据计算结果确定所述待检测电子元器件的缺陷检测结果。

在其中一个实施例中，当根据所述缺陷类型确定需要进行缺陷面积计算时，利用所述缺陷尺寸计算方式对所述图像进行缺陷计算，根据计算结果确定所述待检测电子元器件的缺陷检测结果，包括：

提取所述图像中的缺陷区域，计算缺陷面积；

当所述缺陷面积大于预设缺陷阈值时，确定所述待检测电子元器件为不合格品。

在其中一个实施例中，所述缺陷类型包括下述中的至少一种缺陷：多余物、硅通孔空洞、叠层封装空洞、焊球空洞、粘接空洞。

在其中一个实施例中，当所述缺陷类型为焊球空洞缺陷时，若电子元器件存在至少一个焊球空洞面积的占比大于预设缺陷阈值，确定所述电子元器件为不合格品。

在其中一个实施例中，所述焊球空洞面积的占比包括：单个焊球上所有空洞面积的总和与所在焊球面积的比值。

在其中一个实施例中，当根据所述缺陷类型确定需要进行缺陷长度计算时，利用所述缺陷尺寸计算方式对所述图像进行缺陷计算，根据计算结果确定所述待检测电子元器件的缺陷检测结果，包括：

提取所述图像中的缺陷区域，计算缺陷长度；

当所述缺陷长度大于预设缺陷阈值时，确定所述待检测电子元器件为不合格品。

在其中一个实施例中，所述缺陷类型包括下述中的至少一种缺陷：芯片裂纹、引线过长。

在其中一个实施例中，所述缺陷检测结果包括：所述待检测电子元器件存在的缺陷类别、缺陷位置、缺陷尺寸。

在其中一个实施例中，所述缺陷检测模型采用下述方式确定：

构建电子元器件的良品图库和缺陷图库，标注标签；

将所述图库划分训练集和测试集；

将所述训练集中的训练图像作为输入，将与输入的训练图像对应的缺陷类型作为输出，训练得到多个所述缺陷检测模型；

将所述测试集中的测试图像作为输入，将与输入的测试图像对应的缺陷类型作为输出，测试多个所述缺陷检测模型；

选取测试准确率符合检测条件的缺陷检测模型作为所述缺陷检测模型。

在其中一个实施例中，还包括：

将所述待检测电子元器件图像和检测出的缺陷类型及位置添加到训练集，得到更新后的训练集；

利用更新后的训练集对缺陷检测模型进行训练，得到更新后的缺陷检测模型。

在其中一个实施例中，所述获取待检测电子元器件的图像包括：

向所述待检测电子元器件发射能量波，所述能量波包括电磁波、机械波、物质波中的至少一种；

接收从待测电子元器件上透过或者反射回来的反馈信号；

根据所述反馈信号计算得到所述待检测电子元器件图像。

一种电子元器件缺陷检测装置，所述装置包括：

获取模块，用于获取待检测电子元器件的图像；

检测模块，用于将所述图像输入训练得到的缺陷检测模型中进行缺陷检测，获取所述图像的缺陷类型；其中，所述缺陷检测模型的训练集和测试集中包括多个图像，以及每个图像中缺陷区域的缺陷位置和类型；

计算模块，用于根据所述缺陷类型确定所述待检测电子元器件的缺陷尺寸计算方式，利用所述缺陷尺寸计算方式对所述图像进行缺陷计算，根据计算结果确定所述待检测电子元器件的缺陷检测结果；其中，所述缺陷检测结果包括所述待检测电子元器件存在的缺陷类别、缺陷位置、缺陷尺寸；

模型更新模块，用于将所述待检测电子元器件图像和检测出的缺陷类型及位置添加到训练集，得到更新后的训练集，利用更新后的训练集对缺陷检测模型进行训练，得到更新后的缺陷检测模型，所述将所述图像输入训练得到的缺陷检测模型中进行缺陷检测包括：通过更新后的缺陷检测模型确定待检测电子元器件的缺陷类型。

在其中一个实施例中，所述获取模块还包括：

发射模块，用于向所述待检测电子元器件发射能量波，所述能量波包括电磁波、机械波、物质波中的至少一种；

接收模块，用于接收从待测电子元器件上透过或者反射回来的反馈信号；

成像模块，用于根据所述反馈信号计算得到所述待检测电子元器件图像。

一种电子元器件缺陷检测设备，包括：

至少一个处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现本公开任一项实施例所述的方法。

一种计算机可读存储介质，当所述计算机可读存储介质中的指令被服务器的处理器执行时，使得所述服务器能够执行本公开任一项实施例所述的方法。

一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时能够实现本公开任一项实施例所述的方法。

一种电子元器件缺陷检测系统，包括：

至少一个处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现本公开任一项实施例所述的方法。

本公开提供的实施例方案可以自动检测电子元器件的缺陷，输出检测结果，可以提高缺陷检测的速度。并且，本公开实施例中，缺陷检测时采用了缺陷检测模型识别出不同的缺陷类型，针对不同的缺陷类型选择更加匹配的缺陷尺寸计算方式，缺陷尺寸计算可以实现对缺陷区域的量化计算，提高了缺陷检测结果的准确性。

附图说明

图1为一个实施例中电子元器件缺陷检测方法的应用环境图；

图2为一个实施例中电子元器件缺陷检测方法的流程示意图；

图3为另一个实施例中电子元器件缺陷检测方法的流程示意图；

图4为一个实施例中电子元器件缺陷图像示意图；

图5为一个实施例中电子元器件缺陷图像示意图；

图6为另一个实施例中电子元器件缺陷检测方法的流程示意图；

图7为一个实施例中电子元器件缺陷检测方法的流程示意图；

图8为一个实施例中电子元器件缺陷检测方法的流程示意图；

图9为一个实施例中电子元器件的缺陷检测装置的结构示意图；

图10为另一个实施例中电子元器件的缺陷检测装置的结构示意图；

图11为一个实施例中电子元器件的缺陷检测装备的结构示意图。

具体实施方式

为了使本公开的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本公开进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本公开，并不用于限定本公开。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。例如若使用到第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

本公开实施例提供的电子元器件缺陷检测方法，可以应用于如图1所示的应用环境中。其中，获取装置110获取电子元器件120的图像。可以将上述图像输入检测设备130，使得检测设备130可以对电子元器件120的图像进行缺陷检测。

在本实施例中，提供一种电子元器件缺陷检测方法，该方法可以应用于检测设备130。如图2所示，上述方法包括：

S202、获取待检测电子元器件的图像。

在对待检测电子元器件进行缺陷检测之前，获取装置110可以先获取待检测电子元器件的图像。例如，可以通过摄像头直接对电子元器件进行拍摄得到图像。也可以通过超声波传感器发射超声波信号，可以将接收到的超声波反射信号转换为图像。

S204、将上述图像输入训练得到的缺陷检测模型，得到待检测电子元器件的缺陷类型；其中，缺陷检测模型基于构建的良品图库和缺陷图库训练得到。

其中，将上述图像输入训练得到的缺陷检测模型，若检测到缺陷，可以输出待检测元器件的缺陷类型和位置标签。若未检测到缺陷，则待检测电子元器件为合格品，可以设置为输出合格标签。

上述缺陷检测模型可以基于构建的良品图库和缺陷图库训练得到。良品图库可以包括合格电子元器件图像和合格标签。缺陷图库可以包括有缺陷的电子元器件图像和缺陷类型及位置标签。

S206、根据所述缺陷类型确定所述待检测电子元器件的缺陷尺寸计算方式。

本公开实施例中，缺陷尺寸可以有不同的计算方式。例如，缺陷可以按照缺陷形状分为点缺陷、线缺陷和面缺陷，相应地，上述图像的缺陷尺寸计算方式可以按照缺陷形状来进行分类，可以包括：缺陷面积计算，缺陷长度计算等。具体计算方法可以包括通过中值滤波和原图相减、形态学操作、形状拟合等，可以根据对应的缺陷尺寸计算方式进行设计。

S208、利用所述缺陷尺寸计算方式对所述图像进行缺陷计算，根据计算结果确定所述待检测电子元器件的缺陷检测结果。

本公开提供的实施例中，利用缺陷检测模型得到待检测电子元器件的缺陷类型，可以提高缺陷检测的速度。可以根据缺陷类型确认待检测电子元器件的缺陷尺寸计算方式，根据不同的缺陷尺寸计算方式对上述图像进行缺陷检测，获得缺陷检测结果。在一些应用场景中，采用缺陷尺寸计算方式可以实现对缺陷区域的量化计算，可以比仅采用模型提取图像特征来识别缺陷更加准确，提高了电子元器件缺陷检测的准确率。

图3为另一个实施例中电子元器件的缺陷检测方法的流程示意图，本公开的一些实施例提供检测装置计算缺陷尺寸的一种实现方式，具体的，上述S208可以包括：

S302、提取所述图像中的缺陷区域，计算缺陷面积；

在上一实施例的基础上，根据缺陷类型确定需要进行缺陷面积计算后，可以基于图像的颜色灰度信息提取缺陷区域，可以采用图像处理技术计算缺陷区域面积。

S304、当上述缺陷面积大于预设缺陷阈值时，确定所述待检测电子元器件为不合格品。

本实施例方案中，可以将上述计算的缺陷面积与预设的阈值区间进行对比，判断电子元器件是否存在缺陷。具体的，可以将缺陷面积与预设的阈值区间进行匹配，当缺陷面积超出某个预设的阈值区间时，可以认为存在缺陷，可以确定电子元器件不合格。当缺陷面积小于缺陷阈值时，可以认为电子元器件合格。

本公开实施例方案中，可以提取图像的缺陷区域并计算缺陷面积，与预设缺陷阈值对比，判断待测电子元器件是否合格，可以进一步提高面类缺陷检测的准确性。

在其中一个实施例中，所述当根据所述缺陷类型确定需要进行缺陷面积计算时，所述缺陷类型可以包括下述中的至少一种缺陷：多余物、硅通孔空洞、叠层封装空洞、焊球空洞、粘接空洞。

在其中一个实施例中，当所述缺陷类型为焊球空洞缺陷时，如图4所示，若电子元器件存在至少一个焊球空洞面积的占比大于预设缺陷阈值，确定所述电子元器件为不合格品。

其中，由于设计、工艺及制造等原因，形成焊球上的空洞缺陷，如图4所示，表现在图像上的特征为灰度较深的圆形区域为焊球区域10，焊球内部灰度相对较浅的圆形区域为空洞缺陷区域20。空洞缺陷的检测方法可以根据空洞区域20与焊球区域10面积的比值进行检测。

具体的，可以根据设置的图像特征经验阈值提取焊球区域和空洞区域，提取后的焊球区域502和空洞区域504如图5所示，可以计算空洞区域502与焊球区域504面积的比值。当上述比值超过预设缺陷阈值时，可以确定电子元器件存在焊球空洞缺陷。因此计算空洞区域占焊球区域面积的比值，可以进一步判断焊球空洞缺陷，可以避免误判，提高缺陷检测准确率。

在其中一个实施例中，所述焊球空洞区域的占比包括：单个焊球上所有空洞面积的总和与所在焊球面积的比值。

如图4所示，单个焊球10上可以有一个或多个空洞20出现。一般的，当多个空洞总面积超过所在焊球面积的一定比值时，也可以被认为是一种缺陷。

图6为另一个实施例中电子元器件的缺陷检测方法的流程示意图，本公开的一些实施例提供检测装置计算缺陷尺寸的一种实现方式，具体的，上述S208可以包括：

S602、提取所述图像中的缺陷区域，计算缺陷长度；

根据缺陷类型确定为线缺陷后，可以进行缺陷长度计算。比如在一个具体实施方式中，可以基于图像的颜色灰度信息提取缺陷区域线性结构，可以采用图像处理技术计算缺陷区域长度。

S604、当所述缺陷长度大于预设缺陷阈值时，确定所述待检测电子元器件为不合格品。

本实施例方案中，可以将上述计算的缺陷长度与预设的阈值区间进行对比，判断电子元器件是否存在缺陷。具体的，可以将缺陷长度与预设的阈值区间进行匹配，当缺陷长度超出预设的阈值区间时，可以认为存在缺陷，可以确定电子元器件不合格。当缺陷长度小于缺陷阈值时，可以认为电子元器件合格。

本公开实施例方案可以提取图像中的缺陷区域并计算缺陷长度，与预设缺陷阈值对比，可以判断待测电子元器件是否合格，可以进一步提高线类缺陷检测的准确性。

在其中一个实施例中，当根据所述缺陷类型确定需要进行缺陷长度计算时，所述缺陷类型可以包括下述中的至少一种缺陷：芯片裂纹、引线过长。

在其中一个实施例中，所述缺陷检测结果可以包括：所述待检测电子元器件存在的缺陷类别、缺陷位置、缺陷尺寸等。

其中，缺陷尺寸还可以包括：缺陷的长度、宽度、面积、长宽比、面积比。

具体的，可以根据不同缺陷类型预设的缺陷阈值范围和其他条件，确定对应电子元器件是否合格。其中，其他条件还可以包括缺陷位置、缺陷数量等。比如，焊球空洞缺陷可以根据空洞占焊球面积比值和焊球上空洞的数量进行判断。例如一个实施方式中，当电子元器件的单个焊球上出现单个空洞缺陷时，对应的单个空洞面积超过焊球面积≥25％的电子元器件，可以视为不合格品。单个空洞面积占焊球面积的10％～25％的电子元器件，焊接质量可以接受，可以视为合格品，但应改进工艺来减少空洞。单个空洞面积占焊球面积≤10％的电子元器件，可以视为合格品。当电子元器件的单个焊球上出现多个空洞缺陷时，可以根据所对应的预设的缺陷阈值，确认电子元器件的缺陷尺寸并确定是否合格。

在其中一个实施例中，所述缺陷检测模型采用下述方式确定，如图7所示，包括：

S702、构建电子元器件的良品图库和缺陷图库，标注标签；

具体的，所述标注标签可以按照图像来源的不同，比如可以根据相机、X射线、超声波等标注图像来源。可以按照封装形式如硅通孔技术、叠层封装技术等，标注电子元器件的封装技术。可以按照图像特征标注缺陷类别和缺陷位置。其中，所述标注标签可以是上述标注方法中的一种或者几种的组合。

S704、将所述图库划分训练集和测试集；

S706、将所述训练集中的训练图像作为输入，将与输入的训练图像对应的缺陷类型作为输出，训练得到多个所述缺陷检测模型。

以卷积神经网络为例，具体训练过程如下：

获取待训练卷积神经网络模型的初始模型参数，所述初始模型参数包括各级卷积层的初始卷积核、所述各级卷积层的初始偏置矩阵、全连接层的初始权重矩阵和所述全连接层的初始偏置向量；

在所述各级卷积层上，使用所述各级卷积层上的初始卷积核和初始偏置矩阵，对每个训练图像分别进行卷积操作和最大池化操作，得到每个训练图像在所述各级卷积层上的第一特征图像；

对每个训练图像在至少一级卷积层上的第一特征图像进行水平池化操作，得到每个训练图像在各级卷积层上的第二特征图像；

根据每个训练图像在各级卷积层上的第二特征图像确定每个训练图像的特征向量；

根据所述初始权重矩阵和初始偏置向量对每个特征向量进行处理，得到每个训练图像的类别概率向量；

根据所述每个训练图像的类别概率向量及每个训练图像的初始类别，计算类别误差；

基于所述类别误差，对所述待训练卷积神经网络模型的模型参数进行调整；

基于调整后的模型参数和所述多个训练图像，继续进行模型参数调整的过程，直至迭代次数达到预设次数；

将迭代次数达到预设次数时所得到的模型参数作为训练好的卷积神经网络模型的模型参数。

S708、将所述测试集中的测试图像作为输入，将与输入的测试图像对应的缺陷类型作为输出，测试多个所述缺陷检测模型；

S710、选取测试准确率符合检测条件的缺陷检测模型作为所述缺陷检测模型。

在其中一个实施例中，为了进一步提高检测的效率和准确率，还可以包括：

将所述待检测电子元器件图像和检测出的缺陷类型及位置添加到训练集，得到更新后的训练集；

利用更新后的训练集对缺陷检测模型进行训练，得到更新后的缺陷检测模型。

在其中一个实施例中，如图8所示，所述获取待检测电子元器件的图像可以包括：

S802、向所述待检测电子元器件发射能量波，所述能量波包括电磁波、机械波、物质波中的至少一种。

其中，所述的能量波可以包括以波的形态进行传播能量，可以包括电磁波、机械波、物质波。具体的，电磁波通常指的是有电磁辐射特性的波，如无线电波、微波、红外线、可见光、紫外线、X射线、伽玛射线等。机械波通常是由机械振动在介质中的传播形成的。例如，机械波可以包括声波、水波等。物质波是概率波，它的模方指空间中某点时刻可能出现的几率密度，其中概率密度的大小受波动规律的支配。

S804、接收从待测电子元器件上透过或者反射回来的反馈信号；

具体的，基于能量波的传感器接收从待测电子元器件上透过或者反射回来的反馈信号。其中，能量波的传感器可以包括超声波传感器、红外传感器、射线传感器(如X射线)等。

S806、根据所述反馈信号计算得到所述待检测电子元器件图像。

可以理解的是，本说明书中上述方法的各个实施例均采用递进的方式描述，各个实施例之间相同/相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。相关之处参见其他方法实施例的描述说明即可。

应该理解的是，虽然附图2、附图3、附图6-8中涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，附图2、附图3、附图6-8中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的步骤或者阶段的至少一部分轮流或者交替地执行。

基于上述所述的电子元器件缺陷检测方法实施例的描述，本公开还提供了电子元器件缺陷检测的装置。所述装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思，本公开实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

在一个实施例中，如图9所示，提供一种电子元器件缺陷检测装置200，包括：获取模块902，检测模块904，计算模块906，模型更新模块908，其中：

获取模块902，用于获取待检测电子元器件的图像；

检测模块904，用于将所述图像输入训练得到的缺陷检测模型中进行缺陷检测，获取所述图像的缺陷类型；其中，所述缺陷检测模型的训练集和测试集中包括多个图像，以及每个图像中缺陷区域的缺陷位置和类型；

计算模块906，用于根据所述缺陷类型确定所述待检测电子元器件的缺陷尺寸计算方式，利用所述缺陷尺寸计算方式对所述图像进行缺陷计算，根据计算结果确定所述待检测电子元器件的缺陷检测结果；其中，所述缺陷检测结果包括所述待检测电子元器件存在的缺陷类别、缺陷位置、缺陷尺寸。

模型更新模块908，用于将所述待检测电子元器件图像和检测出的缺陷类型及位置添加到训练集，得到更新后的训练集，利用更新后的训练集对缺陷检测模型进行训练，得到更新后的缺陷检测模型，所述将所述图像输入训练得到的缺陷检测模型中进行缺陷检测包括：通过更新后的缺陷检测模型确定待检测电子元器件的缺陷类型。

在一个实施例中，如图10所示，所述获取模块还包括：

发射模块1002，用于向所述待检测电子元器件发射能量波，所述能量波包括电磁波、机械波、物质波中的至少一种；

接收模块1004，用于接收从待测电子元器件上透过或者反射回来的反馈信号；

成像模块1006，用于根据所述反馈信号计算得到所述待检测电子元器件图像。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

在一个实施例中，还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本说明书中任一项所述的电子元器件缺陷检测方法。

在一个实施例中，提供一种电子元器件缺陷检测设备130，如图11所示。检测设备130可以是计算机、个人数字助理、服务器、蜂窝电话、智能电话、可穿戴设备和车载设备等。本说明书所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

图11是根据一示例性实施例示出的一种电子元器件缺陷检测设备130的示意图，检测设备130包括处理组件1302，其进一步包括一个或多个处理器，以及由存储器1304所代表的存储器资源，用于存储可由处理组件1302的执行的指令，例如应用程序。存储器1304中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1302被配置为执行指令，以执行上述可以实施于代理服务端一侧的方法。存储器1304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(12RAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、快闪存储器、磁盘或光盘。

设备130还可以包括一个电源组件1306被配置为执行设备130的电源管理，一个有线或无线网络接口1308被配置为将设备130连接到网络，和一个输入输出(I/O)接口1310。电源组件1306为设备130的各种组件提供电力。电源组件1306可以包括电源管理系统，一个或多个电源，及其他与为设备130生成、管理和分配电力相关联的组件。I/O接口1310为处理组件1302和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、启动按钮、返回按钮和锁定按钮。设备130可以操作基于存储在存储器1304的操作系统，例如Window12 12erver，Mac O12 X，Unix，Linux，FreeB12D或类似。

在一个实施例中，还提供一种计算机可读存储介质，例如包括指令的存储器1304，上述指令可由检测设备130的处理器1302执行以完成上述方法。存储介质可以是计算机可读存储介质，例如，所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

在一个实施例中，还提供一种电子元器件缺陷检测系统，可以包括一个或多个处理器，以及用于存储处理器可执行指令的存储器，例如应用程序。存储器中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器被配置为执行指令，以执行上述可以实施于代理服务端一侧的方法。

关于上述实施例中的缺陷检测系统，其中各个模块组件及功能已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

需要说明的，上述所述的装置、设备、存储介质、系统等根据方法实施例的描述还可以包括其它的实施方式，具体的实现方式可以参照相关方法实施例的描述。同时各个方法以及装置、设备、服务器实施例之间特征的相互组合组成的新的实施例仍然属于本公开所涵盖的实施范围之内，在此不作一一赘述。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或描述的装置或单元相互之间的耦合、通信连接等可以是直接和/或间接耦合/连接的方式实现，可以是通过一些标准或自定义的接口、协议等，是电性，机械或其它的形式实现。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。