本發(fā)明屬于微電子封裝缺陷,具體涉及一種大功率芯片微電子封裝缺陷檢測方法。
背景技術(shù):
1、在開展芯片微電子封裝處理階段,首先需要確保封裝工藝能夠?qū)⑿酒耆潭ㄔ诜庋b底座上,并使用封裝樹脂或其他封裝材料進行封裝,以保障芯片不受外部環(huán)境的損害。其次,封裝還需確保芯片與電路板之間的連接穩(wěn)固且可靠,方便芯片與外部設(shè)備的通信和數(shù)據(jù)傳輸。除此之外,封裝過程中的精度和一致性至關(guān)重要,這會直接影響到芯片的性能和可靠性。在開展芯片封裝缺陷檢測時,隨著集成電路產(chǎn)業(yè)的快速發(fā)展,ic尺寸越來越小,封裝工藝也越來越復(fù)雜,這增加了缺陷檢測的難度。并且封裝過程中可能出現(xiàn)的缺陷類型多樣,包括劃痕、污漬、氣泡等,每種缺陷都需要特定的檢測方法和策略。同時為了滿足實際應(yīng)用需求,需要在保證檢測精度的同時,提高檢測速度,以滿足大規(guī)模生產(chǎn)的需求。
2、在文獻:基于改進yolov5的輕量級芯片封裝缺陷檢測方法,提出的以改進yolov5為基礎(chǔ)的輕量級芯片封裝缺陷檢測方法中,其通過在特征提取模塊后增加通道注意力機制,提高了缺陷通道的關(guān)注度,進而提升了目標(biāo)的檢測精度。同時使用快速特征金字塔結(jié)構(gòu)和mobilenetv3,有效降低了模型尺寸和計算量,部署在資源有限的工業(yè)嵌入式設(shè)備上時具有更高的適應(yīng)性。但是該方法僅針對特定的芯片封裝數(shù)據(jù)集進行了訓(xùn)練和測試,泛化能力有待進一步驗證。文獻:基于mst-gan的多尺度ic金屬封裝表面缺陷檢測,提出的以mst-gan為基礎(chǔ)的多尺度ic金屬封裝缺陷檢測方法研究,使用mst-gan可以捕獲ic金屬封裝表面的多尺度特征,對于不同大小和類型的缺陷都能有較好的檢測效果。且對于ic封裝生產(chǎn)制造過程中的各種復(fù)雜環(huán)境和條件,該方法可能具有較好的魯棒性。但是相較于輕量級模型,mst-gan具有更高的模型復(fù)雜度,對于硬件資源的要求可能更高。除此之外,在高速生產(chǎn)線上,實時性可能是一個需要進一步優(yōu)化的問題。
3、由于芯片微電子封裝缺陷通常具有較為細微的特點,導(dǎo)致對其進行檢測時的有效檢出效果難以得到保障。
技術(shù)實現(xiàn)思路
1、本發(fā)明的目的在于解決上述技術(shù)問題,提出了一種大功率芯片微電子封裝缺陷檢測方法。
2、本發(fā)明為實現(xiàn)上述發(fā)明目的,采取的技術(shù)方案如下:
3、一種大功率芯片微電子封裝缺陷檢測方法,包括以下步驟:
4、s1、芯片微電子封裝表面圖像預(yù)處理:消除大功率芯片微電子封裝圖像中的噪聲,進行原始芯片微電子封裝表面圖像噪聲消除時,首先使用腐蝕操作來消除圖像中的小噪聲和孤立的像素;再使用膨脹操作來恢復(fù)由于腐蝕操作而縮小的前景區(qū)域;
5、s2、芯片微電子封裝表面圖像旋轉(zhuǎn)校正:采用hough變換對去噪聲后的芯片微電子封裝表面圖像進行旋轉(zhuǎn)校正處理,對圖像中直線或其他規(guī)則形狀的識別與校正,將hough變換應(yīng)用于檢測芯片微電子封裝表面圖像中的參考直線及特征點,以此確定芯片微電子封裝表面圖像的旋轉(zhuǎn)角度,并進行適應(yīng)性校正;
6、s3、封裝缺陷識別檢測:對于校正后的待檢測芯片微電子封裝表面圖像,利用最大類間方差法即otsu方法對其進行閾值分割處理,并根據(jù)閾值分布情況,確定封裝缺陷的具體狀態(tài);通過分類判斷標(biāo)準(zhǔn),結(jié)合待檢測芯片微電子封裝表面圖像的otsu函數(shù)輸出結(jié)果,實現(xiàn)對缺陷狀態(tài)的檢測。
7、進一步的作為本發(fā)明的優(yōu)選技術(shù)方案,所述s1包括以下步驟:基于形態(tài)學(xué)操作,并結(jié)合opencv圖像處理庫的具體函數(shù)實現(xiàn);
8、在腐蝕操作階段,通過一個結(jié)構(gòu)元素,該結(jié)構(gòu)元素稱為核,與圖像進行逐像素的比較;當(dāng)結(jié)構(gòu)元素完全覆蓋對應(yīng)圖像區(qū)域時,設(shè)置輸出圖像對應(yīng)像素為芯片微電子封裝表面圖像的前景,否則,即為芯片微電子封裝表面圖像的背景;具體的處理方式表示為:
9、
10、其中,e表示輸入芯片微電子封裝表面圖像,即待處理的原始圖像,b表示結(jié)構(gòu)元素,利用該元素定義腐蝕操作的范圍和形狀,為3x3的矩形核,表示腐蝕操作,x表示采用像素外推法對圖像對應(yīng)像素芯片微電子封裝表面圖像前景進行選擇時的標(biāo)志;利用腐蝕操作,使芯片微電子封裝表面圖像的前景區(qū)域縮小,消除原始芯片微電子封裝表面圖像中存在的小的噪聲和孤立的像素;
11、在膨脹操作階段,其執(zhí)行方式與腐蝕操作相反,即通過將結(jié)構(gòu)元素與圖像進行逐像素的比較,保留結(jié)構(gòu)元素與圖像有任何一個相交的像素,即設(shè)置輸出圖像像素為芯片微電子封裝表面圖像的前景,否則,為芯片微電子封裝表面圖像的背景;
12、
13、其中,表示膨脹操作,y表示對圖像對應(yīng)像素芯片微電子封裝表面圖像背景進行選擇時的標(biāo)志;利用膨脹操作,使前景區(qū)域擴張,從而填充空洞和連接斷裂的區(qū)域。
14、進一步的作為本發(fā)明的優(yōu)選技術(shù)方案,所述s2包括以下步驟:利用hough變換通過將芯片微電子封裝表面圖像空間中的點,映射到參數(shù)空間中;對于直線檢測,采用極坐標(biāo)形式對圖像中的點在參數(shù)空間的映射結(jié)果加以表示,具體為:
15、ρ=xcosα+ysinα(3)
16、其中,ρ表示參數(shù)空間中,芯片微電子封裝表面圖像空間中的點到目標(biāo)檢測直線的距離參數(shù),α表示目標(biāo)檢測直線與水平方向的夾角;
17、使用hough變換檢測圖像中的直線或其他規(guī)則形狀時,將這些形狀作為對整體芯片微電子封裝表面圖像進行旋轉(zhuǎn)校正的參考,以此為基礎(chǔ)識別特征點的方式表示為:
18、i=(lmax-x)2+y2(4)
19、其中,i表示芯片微電子封裝表面圖像的特征點提取結(jié)果,l表示目標(biāo)檢測直線;
20、此時,結(jié)合式(4)計算芯片微電子封裝表面圖像的旋轉(zhuǎn)角度,具體表示為
21、
22、其中,θ表示芯片微電子封裝表面圖像的旋轉(zhuǎn)角度;根據(jù)式(5)計算出的旋轉(zhuǎn)角度,對芯片微電子封裝表面圖像進行旋轉(zhuǎn)校正,使得特征點與水平線對齊;實現(xiàn)對芯片微電子封裝表面圖像的旋轉(zhuǎn)校正處理。
23、進一步的作為本發(fā)明的優(yōu)選技術(shù)方案,所述s3包括以下步驟:考慮到otsu方法是在灰度圖像上進行的操作,因此將待檢測的芯片微電子封裝表面圖像灰度圖像的形式,具體的處理方式表示為:
24、
25、其中,r(i,j),g(i,j)和b(i,j)共同組成(x,y)坐標(biāo)對應(yīng)待檢測芯片微電子封裝表面圖像像素點的灰度信息;
26、應(yīng)用otsu函數(shù)對灰度圖像進行閾值分割,利用全局閾值,使得前景即缺陷和背景之間的類間方差最大化,具體的實現(xiàn)方式表示:
27、
28、其中,g(i,j)表示otsu函數(shù)輸出的(x,y)坐標(biāo)對應(yīng)待檢測芯片微電子封裝表面圖像像素點的灰度參數(shù);其中,當(dāng)r(i,j),g(i,j)和b(i,j)大于或等于全局閾值時,g(i,j)的取值結(jié)果為1;當(dāng)r(i,j),g(i,j)和b(i,j)小于全局閾值時,g(i,j)的取值結(jié)果為0;實現(xiàn)利用otsu方法將圖像分割為前景即缺陷和背景兩部分;
29、根據(jù)閾值分布,確定封裝缺陷狀態(tài)時,通過觀察閾值分割后的二值圖像;其中,前景即缺陷部分將顯示為白色或高亮,背景部分將顯示為黑色或低亮;
30、當(dāng)分類判斷標(biāo)準(zhǔn)為:表現(xiàn)為細長的白色或高亮區(qū)域,沿著某個方向延伸;則缺陷類型為擦痕;
31、當(dāng)分類判斷標(biāo)準(zhǔn)為:與擦痕類似,但可能更長、更深或更不規(guī)則;則缺陷類型為劃痕;
32、當(dāng)分類判斷標(biāo)準(zhǔn)為:表現(xiàn)為黑色背景中的白色或高亮孤立區(qū)域,通常具有較小的面積;則缺陷類型為孔洞;
33、當(dāng)分類判斷標(biāo)準(zhǔn)為:較大的白色或高亮區(qū)域,表現(xiàn)為部分區(qū)域的缺失或損壞;則缺陷類型為缺損;
34、當(dāng)分類判斷標(biāo)準(zhǔn)為:與周圍環(huán)境明顯不同的白色或高亮區(qū)域,具有特定的形狀、大小或顏色;則缺陷類型為異物。
35、本發(fā)明所述的一種大功率芯片微電子封裝缺陷檢測方法,采用以上技術(shù)方案與現(xiàn)有技術(shù)相比,具有以下技術(shù)效果:
36、(1)本發(fā)明的大功率芯片微電子封裝缺陷檢測方法,切實實現(xiàn)了對不同類型封裝缺陷的有效檢出,在芯片生產(chǎn)品控環(huán)節(jié)具有良好的實際應(yīng)用價值。