C-SAM超声扫描失效分析避坑指南:从样品制备到图像判读的实战经验
1. 为什么C-SAM的坑总是踩在同一个地方干了这么多年失效分析C-SAMC-Mode Scanning Acoustic MicroscopyC模式超声扫描声学显微镜是我见过“看起来最简单、上手最容易、翻车最频繁”的检测手段之一。很多人第一次接触C-SAM觉得不就是把样品丢进去、扫一张图、看看有没有红点吗真到了写报告、给结论、被产线追着问“这个分层到底是不是真的”的时候才发现自己掉进了一个又一个坑里。C-SAM的核心价值在于无损检测封装体内部的分层、空洞、裂纹和夹杂。它利用超声波在材料界面处的反射特性通过换能器发射高频声波常见15MHz到230MHz声波在遇到不同声阻抗的界面时会产生反射反射信号的幅度和极性被接收后就能重建出样品内部某一深度平面的声学图像。听起来原理很清晰但实际操作中从样品制备、参数设置、扫描模式选择到图像判读每一步都有大量容易被忽略的细节。这篇文章主要面向三类人一是刚接触C-SAM、需要快速建立正确操作框架的实验室新人二是已经会用设备但经常在判读环节拿不准、需要提升结论可靠性的工程师三是需要审核C-SAM报告、但自己不一定动手扫的管理者。我会把这些年见过的、自己踩过的、以及帮别人收拾过的坑按“为什么会踩—怎么排查—怎么避免”的逻辑拆开讲尽量让你少走弯路。提示C-SAM的结论直接关系到产品放行、客诉定责和工艺改进方向一张误判的图可能让整批货被扣也可能让真正的缺陷流到客户端。所以“扫出来”只是第一步“扫得对、判得准”才是关键。2. 样品制备与耦合最不起眼的环节往往最致命2.1 样品表面状态对扫描结果的隐性影响很多人把样品从包装里拿出来就直接往水槽里放觉得只要表面没有明显划痕就行。实际上C-SAM对样品表面的平整度、清洁度和粗糙度非常敏感。超声波需要穿过耦合介质通常是去离子水进入样品如果样品表面有油污、指纹、灰尘或者残留的助焊剂声波在进入样品之前就已经发生了散射和衰减图像上会出现大片模糊区域很容易被误判为“大面积分层”。我遇到过这样一个案例某批次塑封器件在C-SAM扫描后显示芯片粘接层区域有大面积异常反射初步判读为分层。后来把样品取出来用无水乙醇和超声波清洗机重新清洗了5分钟再扫一次异常区域完全消失。原因就是样品表面残留了一层极薄的有机污染物改变了声波入射时的耦合状态。所以我现在养成的习惯是任何样品上机前必须经过“目视检查—无水乙醇擦拭—去离子水冲洗—氮气吹干”四步缺一不可。另外样品表面的平整度也很关键。对于某些封装形式比如BGA、QFN或者倒装芯片样品本身可能存在翘曲。翘曲会导致声波入射角度发生变化反射信号偏离接收窗口图像上表现为局部区域信号变暗或消失。遇到这种情况不能简单判定为缺陷而应该考虑使用夹具将样品轻微压平或者在扫描时调整聚焦深度来补偿。2.2 耦合介质的选择与维护耦合介质的作用是填充换能器和样品之间的空气间隙让声波有效传递。去离子水是最常用的选择因为它声阻抗合适、成本低、易获取。但去离子水不是“越纯越好”也不是“一槽水用到底”。水温的变化会直接影响声速进而影响聚焦深度和图像分辨率。我实测过水温从20°C升到30°C声速大约变化2%左右对于高频换能器比如100MHz以上这个变化足以让焦点偏移几十微米导致原本清晰的界面变得模糊。所以建议每次扫描前检查水温并尽量保持恒温通常23±2°C比较稳妥。如果设备支持自动温度补偿一定要开启。水槽的清洁度同样重要。水中的气泡、颗粒物和微生物会散射声波在图像上形成随机噪点。我见过有人因为水槽里长了藻类扫出来的图全是雪花点还以为是设备坏了。建议每班次更换去离子水每周彻底清洗水槽必要时加装在线过滤器。如果扫描的是对水敏感的材料比如某些未做防水处理的样品可以考虑使用专用耦合胶或水溶性凝胶但要注意这些介质的声阻抗匹配和清洗残留问题。2.3 换能器选择频率不是越高越好换能器频率决定了C-SAM的轴向分辨率和穿透深度。高频换能器如100MHz、230MHz分辨率高能看清更薄的层和更小的缺陷但穿透能力弱适合扫描靠近表面的界面低频换能器如15MHz、25MHz穿透力强能扫到更深的界面但分辨率低小缺陷容易漏掉。我见过不少新人一上来就选最高频率觉得“越清晰越好”。结果扫一个厚度较大的塑封器件时声波根本穿透不到芯片粘接层图像上只有表面和第一层界面的信息底下的分层完全看不到。正确的做法是根据样品厚度和目标界面深度来选择频率。一般来说目标界面越深需要的频率越低目标缺陷越小需要的频率越高。如果拿不准可以先用低频快速扫一遍全局发现可疑区域后再换高频局部细扫。还有一个容易被忽略的点换能器的焦距。换能器有固定焦距和可变焦距两种。固定焦距换能器只在特定深度范围内聚焦效果最好超出这个范围图像会模糊。可变焦距换能器可以通过调整换能器与样品之间的距离来改变焦点深度。扫描前一定要根据目标界面的深度计算或实测出最佳焦距位置。简单的方法是用一个已知结构的标准样品做深度校准找到焦点最锐利的位置。3. 扫描参数设置那些说明书不会告诉你的细节3.1 增益与对比度不是调到自己看着舒服就行增益Gain和对比度Contrast是C-SAM图像调节中最直观、也最容易出问题的两个参数。增益决定了接收信号的放大倍数对比度决定了信号幅度到灰度值的映射范围。很多人调这两个参数的标准是“图像看起来清楚”但这恰恰是误判的源头。增益过高弱信号被过度放大噪声也跟着放大图像上会出现大量伪影原本不是缺陷的地方看起来像缺陷增益过低真正的弱反射信号被淹没在背景里小分层直接漏掉。正确的做法是先用一个已知无缺陷的良品样品作为参考调整增益使良品区域的信号幅度处于灰度范围的中间值比如50%左右然后再用这个增益去扫待测样品。这样任何显著偏离良品参考的异常区域才值得进一步分析。对比度的设置也类似。对比度过高灰度映射被压缩信号幅度的细微变化被放大成黑白分明的区域容易把正常的界面起伏误判为分层对比度过低图像整体偏灰缺陷和正常区域的界限模糊。我通常会把对比度设置在能清晰区分“良品参考区域”和“已知缺陷区域”的最小值这样既保留了足够的判别力又不会引入过多伪影。注意不同设备、不同换能器、不同样品的增益和对比度设置不能直接套用。每次更换条件后都要重新用良品参考校准。3.2 扫描步距与分辨率漏检往往发生在这里扫描步距Step Size决定了图像的空间采样密度。步距越小图像越细腻但扫描时间越长步距越大扫描越快但小缺陷可能被“跨过去”而漏掉。我见过有人为了赶时间把步距设得很大结果扫出来的图看起来一切正常但后来做破坏性物理分析DPA时发现了一个直径不到100微米的分层正好落在两个采样点之间。步距的选择应该基于你关心的最小缺陷尺寸。根据奈奎斯特采样定理采样间距至少应小于最小可检测缺陷尺寸的一半。比如你要检测的最小分层直径是200微米那么步距最好设置在100微米以下。对于关键器件或高风险区域我通常会用到50微米甚至更小的步距。当然这会让扫描时间成倍增加所以需要在检测覆盖率和效率之间做权衡。分辨率还受换能器频率和聚焦质量的限制。即使步距设得很小如果换能器频率不够高或者焦点没对准图像的实际分辨率也上不去。所以步距、频率、焦距三者要匹配不能只调其中一个。3.3 扫描模式A-Scan、B-Scan、C-Scan到底该看哪个C-SAM设备通常提供多种扫描模式A-Scan点扫描显示某一点的时域波形、B-Scan线扫描显示某一截面的深度-位置图像、C-Scan面扫描显示某一深度平面的二维图像。很多人只关注C-Scan的平面图忽略了A-Scan和B-Scan提供的关键信息。A-Scan波形能告诉你界面反射的极性和幅度。在C-SAM中不同材料界面的反射极性不同从低声阻抗材料到高声阻抗材料比如从塑封料到大尺寸芯片反射信号为正极性反之则为负极性。分层空气界面的反射极性通常与正常粘接界面相反。只看C-Scan的灰度图你只能看到“有异常反射”但看A-Scan波形你能判断这个异常反射是分层、空洞还是夹杂。这是判读准确性的关键。B-Scan则能显示缺陷的深度信息。C-Scan是把某个深度范围内的信号积分或取峰值后投影到平面上会丢失深度信息。如果两个不同深度的缺陷在C-Scan上重叠你可能会误判为一个更大的缺陷。遇到可疑区域时一定要切到B-Scan看看缺陷在深度方向上的分布。我通常的扫描流程是先用C-Scan快速扫全局标记可疑区域然后对可疑区域做B-Scan确认缺陷深度和层位最后对关键点做A-Scan分析反射极性和波形特征综合判断缺陷类型。4. 图像判读从“看到异常”到“判定缺陷”的距离4.1 灰度图的局限性为什么不能只看颜色C-Scan图像通常是灰度图灰度值代表反射信号的幅度。很多人判读时只看“哪里亮、哪里暗”亮的地方就说是分层暗的地方就说是正常。这种判读方式非常危险。灰度值受多种因素影响样品表面的平整度、耦合状态、材料本身的声学特性、界面粗糙度、甚至扫描参数设置。一个区域看起来“亮”可能是分层也可能是界面粗糙度大、声波散射强还可能是耦合不良导致的伪影。单凭灰度值下结论误判率极高。正确的判读逻辑是先建立良品参考再对比异常区域与良品区域的灰度差异、波形差异和深度分布差异最后结合样品的材料体系和工艺背景做综合判断。比如塑封器件中芯片粘接层的分层通常表现为该区域反射幅度显著高于周围正常粘接区域且A-Scan波形显示反射极性反转而如果是塑封料与芯片钝化层之间的分层则可能表现为不同的深度位置和波形特征。4.2 常见伪影的识别与排除C-SAM图像中常见的伪影包括表面划痕或污染表现为不规则的亮线或亮斑通常只在表面层可见改变聚焦深度后消失。耦合气泡表现为圆形或椭圆形的亮区边缘锐利位置随机重新扫描或移动样品后消失。样品翘曲表现为大面积的灰度渐变边缘区域偏暗或偏亮B-Scan显示界面深度逐渐变化。换能器旁瓣效应表现为目标缺陷周围的同心环状伪影改变换能器或调整焦距后减弱。多次反射声波在样品内部多次反射后形成的假信号通常出现在较深位置幅度较弱A-Scan波形上表现为等间距的重复脉冲。识别伪影的关键是多条件交叉验证改变扫描参数、更换换能器、调整样品位置、对比良品参考如果异常区域在这些条件下表现不一致大概率是伪影。4.3 分层、空洞、夹杂的判别逻辑分层、空洞和夹杂在C-Scan灰度图上可能都表现为亮区但它们的物理本质和A-Scan波形特征不同缺陷类型物理本质A-Scan反射极性波形特征C-Scan表现分层两种材料界面分离形成空气间隙与正常界面相反尖锐的单一反射脉冲边界清晰的亮区空洞材料内部的气泡或空腔与正常界面相反尖锐反射可能伴随多次反射圆形或椭圆形亮区夹杂异物存在于材料内部取决于异物声阻抗复杂波形可能有多重反射不规则亮区或暗区界面粗糙界面不平整但未分离与正常界面相同宽泛的反射包络弥散性灰度变化实际判读中分层和空洞的区分有时需要结合破坏性分析。比如用扫描电子显微镜SEM或光学显微镜对可疑区域做截面分析观察界面是否真的分离。但C-SAM的优势在于无损所以通常先通过A-Scan波形和B-Scan深度信息做初步判断必要时再送破坏性分析确认。提示对于关键器件我建议至少用两种不同频率的换能器交叉扫描低频看深层高频看浅层互相验证。单一频率的结论可靠性有限。5. 设备维护与数据管理长期稳定运行的保障5.1 换能器的保养与性能验证换能器是C-SAM最核心也最脆弱的部件。高频换能器的压电陶瓷元件对温度变化、机械冲击和电气过载都很敏感。我见过有人不小心让换能器撞到水槽底部表面看起来没事但扫出来的图像分辨率明显下降后来用标准样品一测发现中心频率已经偏移了。日常保养要点换能器使用后要用去离子水冲洗干净避免耦合介质残留干涸在表面存放时要放在专用支架上避免磕碰定期用标准样品如已知厚度的玻璃片或陶瓷片验证换能器的灵敏度和分辨率。如果发现图像信噪比下降、分辨率变差或者标准样品的测试结果偏离历史记录就要考虑换能器老化或损坏及时送修或更换。5.2 运动平台的校准C-SAM的运动平台负责精确移动换能器或样品实现逐点扫描。平台的定位精度直接影响图像的空间准确性。如果平台存在回程间隙、丝杠磨损或导轨不平扫描出来的图像会出现几何畸变缺陷的位置和尺寸测量都会不准。建议每季度做一次平台校准用标准网格样品扫描检查图像的网格间距是否均匀、直线是否平直。如果发现偏差需要调整平台机械结构或重新标定软件补偿参数。另外平台上的水槽和夹具也要定期检查确保样品固定牢固、位置重复性好。5.3 扫描数据的存储与追溯C-SAM数据量通常不大但包含的信息很丰富原始A-Scan波形、C-Scan图像、B-Scan截面、扫描参数、换能器信息、环境条件等。很多实验室只保存C-Scan的截图丢掉了原始波形和参数导致后续复查或客诉应对时无法追溯。我建议建立完整的扫描记录档案至少包含样品标识、扫描日期、操作人员、换能器型号和序列号、频率、增益、对比度、步距、焦距、水温、扫描模式、原始数据文件路径。对于关键样品还要保存良品参考的扫描数据以便对比。这样当几个月后客户质疑某个结论时你能拿出完整的证据链。6. 实战中那些让我印象深刻的翻车与修正6.1 一次“大面积分层”的误判经历某次帮产线分析一批塑封器件的客诉C-Scan显示芯片粘接层区域有大面积亮区初步判读为粘接分层。产线准备报废整批货损失不小。我觉得不对劲因为如果是工艺性分层通常会有一定的分布规律但这批样品的亮区分布很随机。于是我重新检查了扫描条件发现当天水槽的水温比平时高了5°C而且换能器焦距没有重新校准。调整水温和焦距后重新扫描亮区面积缩小了70%剩下的可疑区域经A-Scan确认是界面粗糙度偏大并非分层。最终这批货没有报废只是调整了粘接工艺参数。这个案例让我深刻体会到C-SAM的结论不能脱离扫描条件谈。水温、焦距、增益这些参数的变化足以让同一批样品呈现出完全不同的图像。6.2 漏检小缺陷的教训还有一次客户反馈某器件在可靠性测试后出现功能失效要求做失效分析。我们用C-SAM扫描了失效样品没有发现明显分层。后来做截面分析时在芯片边缘发现了一个很小的裂纹直径大约80微米。回头检查C-Scan数据发现当时的步距设的是150微米这个裂纹正好落在两个采样点之间被漏掉了。从那以后对于失效分析样品我坚持用50微米以下的步距并且对芯片边缘、角部等应力集中区域做局部加密扫描。虽然扫描时间增加了但漏检风险大大降低。6.3 换能器选型不当导致的误判有一次扫描一个倒装芯片样品目标界面是芯片与底部填充胶之间的界面。我一开始用了50MHz的换能器图像上该界面区域显示为暗区我以为是底部填充不良。后来换用100MHz换能器重新扫描发现暗区其实是底部填充胶与芯片钝化层之间的正常界面反射因为两种材料的声阻抗差异较小反射信号本来就弱。如果用低频换能器这个弱信号被噪声淹没看起来就像“没有反射”容易被误判为空洞或分层。换能器频率的选择本质上是在分辨率、穿透深度和信号强度之间找平衡。对于声阻抗差异小的界面需要更高频率和更好的聚焦来捕捉弱信号对于深层界面则需要更低频率来保证穿透。7. 写给不同阶段从业者的实操建议7.1 给刚入行的新人先建立“参考系”思维如果你刚开始接触C-SAM我建议你不要急着去扫实际样品。先花时间做几件事第一用标准样品比如已知结构的玻璃-陶瓷-塑料多层样品反复扫描熟悉不同频率、不同焦距下的图像特征第二找几个已知良品和已知缺陷的样品对比它们的C-Scan图像和A-Scan波形建立“正常”和“异常”的直观认知第三记录每次扫描的参数和结果形成自己的参数库。C-SAM判读的核心是“对比”没有良品参考你无法判断一个亮区到底是缺陷还是正常界面。所以建立参考系比学会操作设备更重要。7.2 给有一定经验的工程师把A-Scan和B-Scan用起来如果你已经能熟练操作C-SAM但判读时还是主要依赖C-Scan灰度图我建议你强迫自己养成看A-Scan和B-Scan的习惯。C-Scan给你的是“哪里有问题”A-Scan和B-Scan给你的是“问题是什么”。很多误判都是因为只看平面图、不看波形和深度信息造成的。另外尝试建立自己的缺陷波形库。把遇到过的典型分层、空洞、夹杂、界面粗糙等案例的A-Scan波形保存下来标注特征。下次遇到类似波形时你就能快速匹配提高判读效率和准确性。7.3 给审核报告的管理者关注“条件”和“证据链”如果你需要审核C-SAM报告但自己不一定动手扫我建议你重点关注几个点报告是否记录了完整的扫描参数频率、增益、对比度、步距、焦距、水温是否提供了良品参考数据可疑区域的判读是否有A-Scan或B-Scan证据支持结论是否与破坏性分析或其他检测手段交叉验证。一份只有C-Scan截图和“分层”二字的报告可靠性是存疑的。C-SAM是一个工具工具的价值取决于使用它的人。参数设置、图像判读、结论推导每一步都需要严谨的逻辑和充分的证据。希望这些经验能帮你少踩几个坑把C-SAM真正用成失效分析的利器而不是误判的源头。

相关新闻

企业IT架构转型之道:从演进式重构到落地实操的完整框架

企业IT架构转型之道:从演进式重构到落地实操的完整框架

最近好几个朋友,几乎是同一时间跑过来找我聊同一件事:公司业务越跑越快,可IT系统越来越吃力,一个新功能排期动不动就两周起,数据库扩容像挤牙膏,接口改一个字段要牵动五六个系统,领导还天天问数…

2026/10/12 3:06:46 阅读更多 →
MySQL回表查询详解:从聚簇索引到覆盖索引

MySQL回表查询详解:从聚簇索引到覆盖索引

做MySQL查询优化,总会绕不开聚簇索引、二级索引和回表查询这几个词。我见过太多人能把定义背得滚瓜烂熟,但一到线上定位慢SQL、设计联合索引、给表选主键的时候,就全对不上号了。回表查询这个概念,恰恰是把InnoDB索引设计串起来的…

2026/10/12 3:05:46 阅读更多 →
代码智能体实战:从零上手云上工程增量修改与测试生成

代码智能体实战:从零上手云上工程增量修改与测试生成

1. 从零上手代码智能体:这个工具到底能帮我们做什么第一次听到“代码智能体”这个词,很多刚入行的朋友会下意识觉得这是给算法工程师或者架构师准备的高阶玩具,跟日常写业务代码的人没太大关系。我一开始也这么想,直到接手了一个需…

2026/10/12 3:05:46 阅读更多 →

最新新闻

DAY70:前端Leader转型AI Agent工程师的认知跃迁

DAY70:前端Leader转型AI Agent工程师的认知跃迁

1. 为什么“DAY70”这个数字比“AI Agent”更值得深挖看到标题里那个醒目的“DAY70”,我第一反应不是去查AI Agent的最新论文,而是下意识翻开了自己三年前的项目日志——那会儿我正带一个五人前端团队,同时在啃LangChain源码、调试RAG pipeli…

2026/10/12 4:03:26 阅读更多 →
Kubernetes离线部署CoreDNS v1.8.0镜像导入与DNS解析实战

Kubernetes离线部署CoreDNS v1.8.0镜像导入与DNS解析实战

简介:coredns_v1.8.0.tar.gz 面向 Kubernetes 集群运维与部署人员,提供 v1.8.0 版本的 CoreDNS 镜像离线包,适用于 k8s v1.21.2 环境,可解决内网或受限网络下无法拉取官方镜像、集群 DNS 组件部署受阻的问题。压缩包共 8 个文件&a…

2026/10/12 4:03:26 阅读更多 →
iOS原生侧滑菜单实现:手势、布局与生命周期协同

iOS原生侧滑菜单实现:手势、布局与生命周期协同

简介:本资源是一份面向iOS初中级开发者的侧滑菜单栏实现方案,聚焦于点击按钮触发View位移动画的轻量级交互设计,适用于需要快速集成导航菜单或功能入口的App项目。压缩包共25个文件,包含7个Objective-C实现文件(.m/.h&…

2026/10/12 4:03:26 阅读更多 →
DataGridView 实现树形表格:自绘缩进、展开折叠与性能优化全指南

DataGridView 实现树形表格:自绘缩进、展开折叠与性能优化全指南

简介:面向 WinForms 开发者的 DataGridView 树形列表实现示例,解决表格控件无法直接展示层次数据的痛点。资源以 Visual Studio 2012 C# 为环境,提供完整项目与源码,涵盖树节点模型定义、控件扩展、数据绑定、列显隐控制、绘制展…

2026/10/12 4:03:26 阅读更多 →
Ubuntu下WPS中文显示方块?fontconfig字体配置与别名映射实战

Ubuntu下WPS中文显示方块?fontconfig字体配置与别名映射实战

简介:这份资源面向在 Ubuntu 系统下使用 WPS 办公软件、却频繁遇到字体缺失提示的用户,尤其是需要处理含特殊符号文档的办公与排版人群。当 WPS 弹出缺少 Symbol、Wingdings、Wingdings 2、Wingdings 3 等字体的警告时,文档中的符号与图形往往…

2026/10/12 4:03:26 阅读更多 →
WinForms Chart 时间轴实战:DateTime 转 OADate 与滚动条控制

WinForms Chart 时间轴实战:DateTime 转 OADate 与滚动条控制

简介:这份资源围绕VS自带Chart控件展开,面向需要在WinForms项目中实现时间轴图表的.NET开发者,重点解决x轴按时间刻度显示并配合滚动条浏览长时数据的问题。示例采用从Excel读取数据的方式,x轴时间格式为MM-dd HH:mm:ss:fff&#…

2026/10/12 4:02:25 阅读更多 →

日新闻

复古胶片颗粒感噪点合成器:Canvas ImageData 像素高斯杂色注入算法

复古胶片颗粒感噪点合成器:Canvas ImageData 像素高斯杂色注入算法

在数码相机、高清显示屏与现代矢量图形技术高度发达的今天,画面可以做到绝对的锐利、平滑与无瑕。然而,当一张秋日手账插画或拍立得照片过于“平整无瑕”时,往往会散发出一种冰冷生硬的“数码塑料感(Digital Plasticity&#xff0…

2026/10/12 0:00:59 阅读更多 →
活字印刷古籍线装排版:Canvas 竖排文字与栏线自适应算法

活字印刷古籍线装排版:Canvas 竖排文字与栏线自适应算法

在现代网页与移动端设计中,横排(Horizontal Layout)早已经成为了绝对的主流。然而,当我们翻开泛黄的线装古籍、宋版木刻诗集,或是欣赏一张茶道雅集的手写便签时,那种**自上而下纵向书写、自右向左逐列铺展&…

2026/10/12 0:00:59 阅读更多 →
周日晚间的“精神松绑减震器”:无压力情绪倾倒箱与温和轻声陪伴

周日晚间的“精神松绑减震器”:无压力情绪倾倒箱与温和轻声陪伴

每到周日的晚上八点到十点,很多人心里都会悄悄亮起一盏警示灯。 在心理学上,这种现象有一个专门的称谓——“周日夜晚焦虑症(Sunday Scaries)”。明天又是周一,闹钟又要重新在七点响彻卧房;脑海里仿佛有一个…

2026/10/12 0:00:59 阅读更多 →

周新闻

流感时间序列预测实战:ARIMA/LSTM全流程拆解与避坑指南

流感时间序列预测实战:ARIMA/LSTM全流程拆解与避坑指南

简介:基于 ARIMA、LSTM、Transformer 等模型的流感时间序列预测 Python 源码,面向计算机相关专业课程设计与期末大作业学生,以及项目实战学习者。内容覆盖预处理、平稳性检验、定阶、残差分析、多模型对比预测的完整时序建模流程,…

2026/10/12 0:16:30 阅读更多 →
影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别 做影刀RPA自动化,十个新手有八个栽在"往输入框里填东西"这件事上:要么填不进去,要么填了一半,要么直接把原来内容追加在后面。这背后的根因&…

2026/10/12 0:16:38 阅读更多 →
影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容 1. 认识影刀:什么场景该用RPA采小说数据 起点中文网的页面结构相对稳定——分类榜单、书籍详情、章节内容三块独立页面,跳转链路清晰。这种场景非常适合影刀自动化&#x…

2026/10/12 0:16:43 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/11 10:45:37 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/11 14:36:53 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/11 14:36:54 阅读更多 →