CN117745723B - 芯片引线键合质量检测方法、***及存储介质 - Google Patents
芯片引线键合质量检测方法、***及存储介质 Download PDFInfo
- Publication number
- CN117745723B CN117745723B CN202410185841.8A CN202410185841A CN117745723B CN 117745723 B CN117745723 B CN 117745723B CN 202410185841 A CN202410185841 A CN 202410185841A CN 117745723 B CN117745723 B CN 117745723B
- Authority
- CN
- China
- Prior art keywords
- image
- quality
- chip
- lead
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000003825 pressing Methods 0.000 claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000004927 fusion Effects 0.000 claims abstract description 17
- 230000007547 defect Effects 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000005286 illumination Methods 0.000 claims description 26
- 238000001914 filtration Methods 0.000 claims description 19
- 238000003384 imaging method Methods 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 150000003839 salts Chemical class 0.000 claims description 9
- 235000002566 Capsicum Nutrition 0.000 claims description 8
- 239000006002 Pepper Substances 0.000 claims description 8
- 241000722363 Piper Species 0.000 claims description 8
- 235000016761 Piper aduncum Nutrition 0.000 claims description 8
- 235000017804 Piper guineense Nutrition 0.000 claims description 8
- 235000008184 Piper nigrum Nutrition 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 abstract description 4
- 238000003672 processing method Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 6
- 238000004806 packaging method and process Methods 0.000 description 6
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种芯片引线键合质量检测方法、***及存储介质,检测方法包括:获取芯片引线图像,并使用R、G、B三个通道表示;分别对芯片引线图像的R、G、B三个通道进行图像预处理,并根据设定的融合系数将三个通道的处理结果进行融合;提取图像中的引线和压点,分别对压点质量和引线质量进行检测。提出了多通道信息融合的图像处理方法,以获取芯片引线的精确几何模型信息,同时针对芯片引线不同的质量缺陷,建立芯片引线键合质量检测的数学模型,设计实现相关的算法,从而提高芯片引线键合的检测质量和效率。
Description
技术领域
本发明属于芯片封装技术领域,本发明涉及一种芯片引线键合质量检测方法、***及存储介质。
背景技术
随着芯片技术的不断发展,芯片的复杂程度不断增加、性能越来越强,同时其特征尺寸越来越小,组装密度越来越高,对芯片制造、封装等工艺的要求也进一步提高。引线键合是芯片制造和封装中的关键工艺之一,是实现芯片、基板和I/O之间互连最常见的工艺方法,芯片组件内部存在几百乃至上万根键合引线,其互连质量直接决定了组件的性能和可靠性。近年来半导体产业对更高的集成度、可靠性等的需求更加迫切,对引线键合技术提出了更高的要求,因此对引线键合质量的检验更加重要,其在芯片制造、封装中的地位愈发重要。当前人工目检仍然是引线键合最常见的检验方法,然而人工检验对工作人员的经验技术要求较高,同时检验质量难以得到有效保证。
虽然目前已经出现了基于视觉、光学检测等技术的新型芯片引线键合质量检测方法和设备,但在成本、检测精度等方面仍有很大的提升空间。申请号为2022109577432的专利公开了一种芯片引脚缺陷的检测方法、检测装置及设备,经过相机标定及立体校正后,得到校正后检测图像中待检测芯片映射到实际三维空间中的空间三维坐标,基于所述空间三维坐标建立重建后的芯片三维图像,完成了3D建模,基于完成的芯片三维图像进行引脚缺陷检测,最终得到检测结果。然而该方法在检测精度方面仍有提升空间。
发明内容
本发明的目的在于提供一种芯片引线键合质量检测方法、***及存储介质,提出了多通道信息融合的图像处理方法,以获取芯片引线的精确几何模型信息,同时针对芯片引线不同的质量缺陷,建立芯片引线键合质量检测的数学模型,设计实现相关的算法,从而提高芯片引线键合的检测质量和效率。
实现本发明目的的技术解决方案为:
一种芯片引线键合质量检测方法,包括以下步骤:
S01:获取芯片引线图像,并使用R、G、B三个通道表示;
S02:分别对芯片引线图像的R、G、B三个通道进行图像预处理,并根据设定的融合系数将三个通道的处理结果进行融合;
S03:提取图像中的引线和压点,分别对压点质量和引线质量进行检测。
优选的技术方案中,所述步骤S01中通过芯片引线键合视觉***获取芯片引线图像,所述芯片引线键合视觉***包括照明***、CCD显微摄像***、图像采集卡及存储***,所述照明***将LED光源作为芯片成像光源,并从正面和侧面两个方向进行照明,其中正面照明使用面阵LED形成同轴光的照明结构,同时通过菲涅尔透镜汇聚光线,侧面光照采用可调节的结构,根据具体场景进行微调,对芯片视场进行光照补偿,在菲涅尔透镜与工作台之间青协设置有一个半透半反射镜,使CCD相机离轴成像。
优选的技术方案中,所述步骤S02中分别对芯片引线图像的R、G、B三个通道进行图像预处理的方法包括:
对图像的每个通道进行去噪,通过自适应中值滤波算法去除椒盐噪声,通过高斯滤波器去除高斯噪声;
使用大律法二值化算法将每个通道进行二值化处理,使用Canny算法分别对图像的每个通道进行边缘检测和提取。
优选的技术方案中,所述自适应中值滤波算法去除椒盐噪声的方法包括:
设置一个大小为的矩形窗口/>,其中/>、/>分别为窗口的宽和高,/>、/>的最大值分别为/>、/>,设窗口/>的中心像素点坐标为/>,其中像素最小值为/>,像素最大值为/>,像素中值为/>,中心点/>的像素值为/>,自适应中值滤波算法的计算流程如下:
S11:计算、/>,如果/>且/>,跳转至步骤S13,否则执行步骤S12;
S12:增大窗口尺寸,如果新的窗口尺寸小于、/>,重复步骤S11,否则输出/>为点/>的像素值;
S13:计算、/>,如果/>且/>,说明点不是噪声点予以保留,否则输出/>为点/>的像素值。
优选的技术方案中,所述高斯滤波器去除高斯噪声的方法包括:
设、/>为图像通道/>中某一点的像素坐标,/>表示该点的像素值,高斯滤波的计算公式为:
其中,为滤波后的像素值,/>为高斯滤波器的标准差;
设置高斯滤波窗口大小为5×5、,计算得到的高斯滤波窗口/>为:
优选的技术方案中,所述步骤S02中将三个通道的处理结果进行融合的计算方法为:
其中,表示通道/>中点/>处的像素值,/>为融合系数,/>表示融合后点的实际像素值;
计算公式为:
其中,、/>分别为点/>的一个邻域窗口的大小,/>、/>分别为像素点坐标的行列索引值。
优选的技术方案中,所述步骤S03中对压点质量进行检测的方法包括:
计算每个压点的面积:
其中,为压点的索引,/>为压点/>所覆盖的区域,/>为压点/>区域的面积,/>为图像中的一点,/>表示仅计算位于/>内的像素点;
计算每个面积与平均面积的差值:
其中,表示所有压点的平均面积,/>表示压点/>的面积与/>的差值;
当差值大于一定阈值时,说明当前压点在键合时可能存在缺陷,进一步计算压点中心的偏移程度:
其中,为中心偏移值,/>、/>为图像像素点坐标,/>为像素值,/>、/>为压点区域的三阶矩,/>、/>为压点区域的一阶矩,图像矩/>的计算公式为:
其中,、/>为阶数;
当的值接近0时说明压点的偏移较小,当/>大于一定阈值时,判定当前压点存在较大的超差。
优选的技术方案中,所述步骤S03中对引线质量进行检测的方法包括:
通过计算每根引线的准直度进行判断,准直度的计算公式为:
其中,为引线的索引,/>为引线的准直度,/>为引线的长度,/>为引线所占据的区域,/>为引线/>的0阶矩;
获取每根引线的准直度后,通过与其他同类引线的准直度值进行比较,当存在差值较大的引线时,判定该引线存在键合质量问题。
本发明还公开了一种芯片引线键合质量检测***,包括:
芯片引线图像获取模块,获取芯片引线图像,并使用R、G、B三个通道表示;
图像处理模块,分别对芯片引线图像的R、G、B三个通道进行图像预处理,并根据设定的融合系数将三个通道的处理结果进行融合;
质量检测模块,提取图像中的引线和压点,分别对压点质量和引线质量进行检测。
本发明又公开了一种计算机存储介质,其上存储有计算机程序,所述计算机程序被执行时实现上述的芯片引线键合质量检测方法。
本发明与现有技术相比,其显著优点为:
针对芯片封装中引线键合的质量检测问题,基于机器视觉和图像处理算法,设计了引线成像***以提高芯片成像质量,为了提高芯片引线的检测精度,提出了多通道信息融合的图像处理方法,以获取芯片引线的精确几何模型信息。同时针对芯片引线不同的质量缺陷,建立芯片引线键合质量检测的数学模型,从而提高了芯片引线键合的检测质量和效率,具有自动化程度高、检测精度优良的优点,能够有效提升不合格芯片键合引线的检出率,提高芯片产品的封装质量和良率,进而提升芯片运行的稳定性和可靠性。具有广阔的应用市场空间和经济价值。
附图说明
图1为较佳实施例的芯片引线键合质量检测方法的流程图;
图2为芯片引线键合质量检测成像***结构示意图;
图3为自适应中值滤波算法流程图;
图4为引线键合常见缺陷示意图
图5为不同方法的芯片引线键合质量的检测效果图。
具体实施方式
本发明的原理是:提出了多通道信息融合的图像处理方法,以获取芯片引线的精确几何模型信息,同时针对芯片引线不同的质量缺陷,建立芯片引线键合质量检测的数学模型,设计实现相关的算法,从而提高芯片引线键合的检测质量和效率。
实施例1:
如图1所示,一种芯片引线键合质量检测方法,包括以下步骤:
S01:获取芯片引线图像,并使用R、G、B三个通道表示;
S02:分别对芯片引线图像的R、G、B三个通道进行图像预处理,并根据设定的融合系数将三个通道的处理结果进行融合;
S03:提取图像中的引线和压点,分别对压点质量和引线质量进行检测。
一较佳的实施例中,步骤S01中通过芯片引线键合视觉***获取芯片引线图像,所述芯片引线键合视觉***包括照明***、CCD显微摄像***、图像采集卡及存储***,所述照明***将LED光源作为芯片成像光源,并从正面和侧面两个方向进行照明,其中正面照明使用面阵LED形成同轴光的照明结构,同时通过菲涅尔透镜汇聚光线,侧面光照采用可调节的结构,根据具体场景进行微调,对芯片视场进行光照补偿,在菲涅尔透镜与工作台之间青协设置有一个半透半反射镜,使CCD相机离轴成像。
一较佳的实施例中,步骤S02中分别对芯片引线图像的R、G、B三个通道进行图像预处理的方法包括:
对图像的每个通道进行去噪,通过自适应中值滤波算法去除椒盐噪声,通过高斯滤波器去除高斯噪声;
使用大律法二值化算法将每个通道进行二值化处理,使用Canny算法分别对图像的每个通道进行边缘检测和提取。
一较佳的实施例中,自适应中值滤波算法去除椒盐噪声的方法包括:
设置一个大小为的矩形窗口/>,其中/>、/>分别为窗口的宽和高,/>、/>的最大值分别为/>、/>,设窗口/>的中心像素点坐标为/>,其中像素最小值为/>,像素最大值为/>,像素中值为/>,中心点/>的像素值为/>,自适应中值滤波算法的计算流程如下:
S11:计算、/>,如果/>且/>,跳转至步骤S13,否则执行步骤S12;
S12:增大窗口尺寸,如果新的窗口尺寸小于、/>,重复步骤S11,否则输出/>为点/>的像素值;
S13:计算、/>,如/>且/>,说明点不是噪声点予以保留,否则输出/>为点/>的像素值。
一较佳的实施例中,高斯滤波器去除高斯噪声的方法包括:
设、/>为图像通道/>中某一点的像素坐标,/>表示该点的像素值,高斯滤波的计算公式为:
其中,为滤波后的像素值,/>为高斯滤波器的标准差;
设置高斯滤波窗口大小为5×5、,计算得到的高斯滤波窗口/>为:
一较佳的实施例中,步骤S02中将三个通道的处理结果进行融合的计算方法为:
其中,表示通道/>中点/>处的像素值,/>为融合系数,/>表示融合后点的实际像素值;
计算公式为:
其中,、/>分别为点/>的一个邻域窗口的大小,/>、/>分别为像素点坐标的行列索引值。
一较佳的实施例中,步骤S03中对压点质量进行检测的方法包括:
计算每个压点的面积:
其中,为压点的索引,/>为压点/>所覆盖的区域,/>为压点/>区域的面积,/>为图像中的一点,/>表示仅计算位于/>内的像素点;
计算每个面积与平均面积的差值:
其中,表示所有压点的平均面积,/>表示压点/>的面积与/>的差值;
当差值大于一定阈值时,说明当前压点在键合时可能存在缺陷,进一步计算压点中心的偏移程度:
其中,为中心偏移值,/>、/>为图像像素点坐标,/>为像素值,/>、/>为压点区域的三阶矩,/>、/>为压点区域的一阶矩,图像矩/>的计算公式为:
其中,、/>为阶数;
当的值接近0时说明压点的偏移较小,当/>大于一定阈值时,判定当前压点存在较大的超差。
一较佳的实施例中,步骤S03中对引线质量进行检测的方法包括:
通过计算每根引线的准直度进行判断,准直度的计算公式为:
其中,为引线的索引,/>为引线的准直度,/>为引线的长度,/>为引线所占据的区域,/>为引线/>的0阶矩;
获取每根引线的准直度后,通过与其他同类引线的准直度值进行比较,当存在差值较大的引线时,判定该引线存在键合质量问题。
另一实施例中,一种计算机存储介质,其上存储有计算机程序,所述计算机程序被执行时实现上述的芯片引线键合质量检测方法。采用上面的检测方法,此处不再赘述。
又一实施例中,一种芯片引线键合质量检测***,包括:
芯片引线图像获取模块,获取芯片引线图像,并使用R、G、B三个通道表示;
图像处理模块,分别对芯片引线图像的R、G、B三个通道进行图像预处理,并根据设定的融合系数将三个通道的处理结果进行融合;
质量检测模块,提取图像中的引线和压点,分别对压点质量和引线质量进行检测。
具体的,下面以一较佳的实施例为例对芯片引线键合质量检测***的工作流程说明如下:
步骤一:芯片键合引线成像***设计。
本发明基于机器视觉***对芯片引线键合的质量进行检测,为了完成高精度的检测,该***必须具备高稳定性、高精度、高效率的特点。本发明所设计的芯片引线键合视觉***主要包括照明***、CCD显微摄像***、图像采集卡以及存储***等。首先为了获得更好的芯片成像效果,本发明使用具有高亮度高稳定性和高一致性的LED光源作为芯片成像光源,并从正面和侧面两个方向进行照明,其中正面照明使用面阵LED形成同轴光的照明结构,以避免成像时周边物体产生的阴影,同时通过菲涅尔透镜达到汇聚光线的效果,相比普通的凸透镜成本更低、汇聚效果更好。侧面光照采用可调节的结构,根据具体场景进行微调,对芯片视场进行光照补偿,达到更加均匀的照明效果。***中使用一个半透半反射镜,使CCD相机能够离轴成像。本发明设计的成像***结构示意图如图2所示。
步骤二:基于通道信息融合的芯片引线图像处理。
一副图像可以使用式(8)表示,其中/>、/>、/>分别表示红、绿、蓝三个通道。由于引线成像时背景区域比较复杂,使用传统的图像处理算法很可能出现误判、漏判的情况,为此本发明针对芯片引线成像的RGB三个通道进行处理,并将这些通道的处理结果进行融合判单,从而最大可能避免误判、漏判情况的发生。
(8)
步骤21:多通道图像信息的预处理
芯片引线在成像过程中往往会受到各种噪声的干扰,引起图像模糊、特征退化,进而影响后续特征提取、匹配定位及识别等工作的精度。特别是芯片作为高精密的器件,对成像的质量要求更高,因此需要更加稳定、精确的算法进行图像的去噪、分割等。
设图片的每个通道为,其中/>,表示具体的通道。首先对图片的每个通道进行去噪,噪声主要分为椒盐噪声和高斯噪声。针对椒盐噪声使用自适应中值滤波算法完成,自适应中值滤波器不但能够滤除概率较大的椒盐噪声,而且能够更好的保护图像的细节。自适应中值滤波算法需要设置一个大小为/>的矩形窗口/>,其中/>、/>分别为窗口的宽和高,/>、/>的最大值分别为/>、/>。设窗口/>的中心像素点坐标为/>,其中像素最小值为/>,像素最大值为/>,像素中值为/>,中心点/>的像素值为。自适应中值滤波算法的计算流程如下:
1、计算、/>,如果/>且/>,跳转至步骤3,否则执行步骤2。
2、增大窗口尺寸,如果新的窗口尺寸小于、/>,重复步骤1,否则输出/>为点的像素值。
3、计算、/>,如果/>且/>,说明点不是噪声点予以保留,否则输出/>为点/>的像素值。自适应中值滤波算法流程图如图3所示。
针对高斯噪声,使用高斯滤波器进行处理。设、/>为图像通道/>中某一点的像素坐标,/>表示该点的像素值,高斯滤波的计算如式(9)所示,其中/>为滤波后的像素值,为高斯滤波器的标准差。为了突出芯片引线的边缘高频信息,设置高斯滤波窗口大小为5×5、/>,由此计算得到的高斯滤波窗口/>如式(10)所示。
(9)
(10)
经过滤波降噪后,使用大律法二值化算法将每个通道进行二值化处理。作为高精密的电子器件,图像中的边缘信息对芯片引线键合质量的检测非常重要,因此使用Canny算法分别对图像的每个通道进行边缘检测和提取。Canny算法首先计算图像水平和垂直方向上的梯度幅值和方向,然后使用非极大值抑制排除非边缘像素,最后应用双阈值方法获得真正的边缘。
步骤22:基于多通道图像信息的融合处理
经过以上处理,图像每个通道中都完成了边缘的检测和提取。然而因光照等因素,图像每个通道中包含的信息可能存在差异,只有综合所有通道的信息才能得到更可靠的芯片引线信息。因此,本发明设计了多通道融合的算法得到最终的图像处理结果。多通道处理的计算如式(11)所示。
(11)
其中,表示通道/>中点/>处的像素值,/>为融合系数,/>表示融合后点的实际像素值。/>计算如式(12)所示,其中/>、/>分别为点/>的一个邻域窗口的大小,/>、/>分别为像素点坐标的行列索引值。
(12)
步骤三:芯片引线键合质量的检测。
芯片引线键合的质量检测主要分为压点质量和引线质量检测两部分,常见的缺陷主要有压点超差、引线断丝、引线扭曲等,如图4所示,首先使用识别算法将引线和压点从图像中提取出来,然后根据两者特点,本发明设计不同的方法对两者进行质量检测。
步骤31.芯片引线压点质量检测
压点是引线连接芯片和焊盘的端点,其存在的质量缺陷主要为压点超差,即与目标焊点之间存在较大偏差。为此,本发明通过以下判据对压点质量进行检测。
1.压点面积一致性。
使用式(13)计算每个压点的面积,其中为压点的索引,/>为压点/>所覆盖的区域,/>为压点/>区域的面积,/>为图像中的一点,/>表示仅计算位于/>内的像素点。
(13)
对所有压点使用式(13)计算面积,根据式(14)计算每个面积与平均面积的差值,其中表示所有压点的平均面积,/>表示压点/>的面积与/>的差值,当差值/>大于一定阈值时,说明当前压点在键合时可能存在缺陷。
(14)
2.压点重心一致性。
当压点存在超差时,其区域的重心会偏移中心较大距离。为了对压点中心的偏移程度进行量化,本发明使用基于图像矩的算法进行计算,如式(15)所示。
(15)
其中为中心偏移值,/>、/>为图像像素点坐标,/>为像素值,/>、/>为压点区域的三阶矩,/>、/>为压点区域的一阶矩,图像矩/>的计算如式(16)所示,其中/>、/>为阶数。
(16)
当的值接近0时说明压点的偏移较小,当/>大于一定阈值时,说明当前压点存在较大的超差。
步骤32.芯片键合引线质量检测
引线的质量问题主要包括断丝、扭曲等。针对这些问题,本发明通过计算每根引线的准直度进行判断,准直度的计算如式(17)所示,其中为引线的索引,/>为引线的准直度,/>为引线的长度,/>为引线所占据的区域,/>为引线/>的0阶矩。
(17)
获取每根引线的准直度后,通过与其他同类引线的准直度值进行比较,当存在差值较大的引线时,便说明该引线存在键合质量问题。
为了验证本发明对芯片引线键合质量的检测效果,分别设置不同种类的引线键合缺陷,通过多次测量取平均值的方法,与当前市场中某型应用较多的自动光学检测仪和人工检验进行对比,检验结果如表1所示。
表1 本发明与其他方法对芯片引线键合质量检测对比
证明本发明在检测效率、漏检率等方面均得到显著提升,检测结果对比如图5所示。
上述实施例为本发明优选地实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种芯片引线键合质量检测方法,其特征在于,包括以下步骤:
S01:获取芯片引线图像,并使用R、G、B三个通道表示;
S02:分别对芯片引线图像的R、G、B三个通道进行图像预处理,并根据设定的融合系数将三个通道的处理结果进行融合;
S03:提取图像中的引线和压点,分别对压点质量和引线质量进行检测;对压点质量进行检测的方法包括,计算每个压点的面积及其与所有压点的平均面积的差值,当差值大于一定阈值时,说明当前压点在键合时可能存在缺陷,进一步计算压点中心的偏移程度,当压点中心的偏移程度的值接近0时说明压点的偏移较小,当压点中心的偏移程度大于一定阈值时,判定当前压点存在较大的超差;
对引线质量进行检测的方法包括,获取每根引线的准直度,通过与其他同类引线的准直度值进行比较,当存在差值较大的引线时,判定该引线存在键合质量问题。
2.根据权利要求1所述的芯片引线键合质量检测方法,其特征在于,所述步骤S01中通过芯片引线键合视觉***获取芯片引线图像,所述芯片引线键合视觉***包括照明***、CCD显微摄像***、图像采集卡及存储***,所述照明***将LED光源作为芯片成像光源,并从正面和侧面两个方向进行照明,其中正面照明使用面阵LED形成同轴光的照明结构,同时通过菲涅尔透镜汇聚光线,侧面光照采用可调节的结构,根据具体场景进行微调,对芯片视场进行光照补偿,在菲涅尔透镜与工作台之间青协设置有一个半透半反射镜,使CCD相机离轴成像。
3.根据权利要求1所述的芯片引线键合质量检测方法,其特征在于,所述步骤S02中分别对芯片引线图像的R、G、B三个通道进行图像预处理的方法包括:
对图像的每个通道进行去噪,通过自适应中值滤波算法去除椒盐噪声,通过高斯滤波器去除高斯噪声;
使用大律法二值化算法将每个通道进行二值化处理,使用Canny算法分别对图像的每个通道进行边缘检测和提取。
4.根据权利要求3所述的芯片引线键合质量检测方法,其特征在于,所述自适应中值滤波算法去除椒盐噪声的方法包括:
设置一个大小为的矩形窗口/>,其中/>、/>分别为窗口的宽和高,/>、/>的最大值分别为/>、/>,设窗口/>的中心像素点坐标为/>,其中像素最小值为/>,像素最大值为/>,像素中值为/>,中心点/>的像素值为/>,自适应中值滤波算法的计算流程如下:
S11:计算、/>,如果/>且/>,跳转至步骤S13,否则执行步骤S12;
S12:增大窗口尺寸,如果新的窗口尺寸小于、/>,重复步骤S11,否则输出/>为点的像素值;
S13:计算、/>,如果/>且/>,说明点/>不是噪声点予以保留,否则输出/>为点/>的像素值。
5.根据权利要求3所述的芯片引线键合质量检测方法,其特征在于,所述高斯滤波器去除高斯噪声的方法包括:
设、/>为图像通道/>中某一点的像素坐标,/>表示该点的像素值,高斯滤波的计算公式为:
,
其中,为滤波后的像素值,/>为高斯滤波器的标准差;
设置高斯滤波窗口大小为5×5、,计算得到的高斯滤波窗口/>为:
。
6.根据权利要求1所述的芯片引线键合质量检测方法,其特征在于,所述步骤S02中将三个通道的处理结果进行融合的计算方法为:
,
其中,表示通道/>中点/>处的像素值,/>为融合系数,/>表示融合后点/>的实际像素值;
计算公式为:
,
其中,、/>分别为点/>的一个邻域窗口的大小,/>、/>分别为像素点坐标的行列索引值。
7.根据权利要求1所述的芯片引线键合质量检测方法,其特征在于,所述步骤S03中计算每个压点的面积:
,
其中,为压点的索引,/>为压点/>所覆盖的区域,/>为压点/>区域的面积,/>为图像中的一点,/>表示仅计算位于/>内的像素点;
计算每个面积与平均面积的差值:
,
其中,表示所有压点的平均面积,/>表示压点/>的面积与/>的差值;
当差值大于一定阈值时,说明当前压点在键合时可能存在缺陷,进一步计算压点中心的偏移程度:
,
其中,为中心偏移值,/>、/>为图像像素点坐标,/>为像素值,/>、/>为压点区域的三阶矩,/>、/>为压点区域的一阶矩,图像矩/>的计算公式为:
,
其中,、/>为阶数。
8.根据权利要求1所述的芯片引线键合质量检测方法,其特征在于,所述步骤S03中准直度的计算公式为:
,
其中,为引线的索引,/>为引线的准直度,/>为引线的长度,/>为引线所占据的区域,/>为引线/>的0阶矩。
9.一种芯片引线键合质量检测***,其特征在于,包括:
芯片引线图像获取模块,获取芯片引线图像,并使用R、G、B三个通道表示;
图像处理模块,分别对芯片引线图像的R、G、B三个通道进行图像预处理,并根据设定的融合系数将三个通道的处理结果进行融合;
质量检测模块,提取图像中的引线和压点,分别对压点质量和引线质量进行检测;对压点质量进行检测的方法包括,计算每个压点的面积及其与所有压点的平均面积的差值,当差值大于一定阈值时,说明当前压点在键合时可能存在缺陷,进一步计算压点中心的偏移程度,当压点中心的偏移程度的值接近0时说明压点的偏移较小,当压点中心的偏移程度大于一定阈值时,判定当前压点存在较大的超差;
对引线质量进行检测的方法包括,获取每根引线的准直度,通过与其他同类引线的准直度值进行比较,当存在差值较大的引线时,判定该引线存在键合质量问题。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行时实现权利要求1-8任一项所述的芯片引线键合质量检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410185841.8A CN117745723B (zh) | 2024-02-20 | 2024-02-20 | 芯片引线键合质量检测方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410185841.8A CN117745723B (zh) | 2024-02-20 | 2024-02-20 | 芯片引线键合质量检测方法、***及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117745723A CN117745723A (zh) | 2024-03-22 |
CN117745723B true CN117745723B (zh) | 2024-05-10 |
Family
ID=90280067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410185841.8A Active CN117745723B (zh) | 2024-02-20 | 2024-02-20 | 芯片引线键合质量检测方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117745723B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1604294A (zh) * | 2004-09-10 | 2005-04-06 | 华中科技大学 | 集成电路芯片视觉对准方法 |
CN104020222A (zh) * | 2014-06-18 | 2014-09-03 | 长春光华微电子设备工程中心有限公司 | 全自动超声波铝丝压焊机焊接质量检测*** |
CN109118504A (zh) * | 2018-07-26 | 2019-01-01 | 深圳辰视智能科技有限公司 | 一种基于神经网络的图像边缘检测方法、装置及其设备 |
CN110400285A (zh) * | 2019-05-30 | 2019-11-01 | 哈尔滨工业大学(深圳) | 引线键合焊点缺陷定位与分类方法 |
WO2021057423A1 (zh) * | 2019-09-29 | 2021-04-01 | 京东方科技集团股份有限公司 | 图像处理方法、图像处理装置以及存储介质 |
CN115564964A (zh) * | 2022-09-27 | 2023-01-03 | 太原科技大学 | 一种基于图像多特征匹配的半导体引线键合器件识别方法 |
CN116757990A (zh) * | 2023-01-09 | 2023-09-15 | 河南省科学院应用物理研究所有限公司 | 基于机器视觉的铁路扣件缺陷在线检测与识别方法 |
CN117061868A (zh) * | 2023-08-16 | 2023-11-14 | 深圳闪回科技有限公司 | 一种基于图像识别的自动拍照装置 |
-
2024
- 2024-02-20 CN CN202410185841.8A patent/CN117745723B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1604294A (zh) * | 2004-09-10 | 2005-04-06 | 华中科技大学 | 集成电路芯片视觉对准方法 |
CN104020222A (zh) * | 2014-06-18 | 2014-09-03 | 长春光华微电子设备工程中心有限公司 | 全自动超声波铝丝压焊机焊接质量检测*** |
CN109118504A (zh) * | 2018-07-26 | 2019-01-01 | 深圳辰视智能科技有限公司 | 一种基于神经网络的图像边缘检测方法、装置及其设备 |
CN110400285A (zh) * | 2019-05-30 | 2019-11-01 | 哈尔滨工业大学(深圳) | 引线键合焊点缺陷定位与分类方法 |
WO2021057423A1 (zh) * | 2019-09-29 | 2021-04-01 | 京东方科技集团股份有限公司 | 图像处理方法、图像处理装置以及存储介质 |
CN115564964A (zh) * | 2022-09-27 | 2023-01-03 | 太原科技大学 | 一种基于图像多特征匹配的半导体引线键合器件识别方法 |
CN116757990A (zh) * | 2023-01-09 | 2023-09-15 | 河南省科学院应用物理研究所有限公司 | 基于机器视觉的铁路扣件缺陷在线检测与识别方法 |
CN117061868A (zh) * | 2023-08-16 | 2023-11-14 | 深圳闪回科技有限公司 | 一种基于图像识别的自动拍照装置 |
Non-Patent Citations (1)
Title |
---|
面向输电线路的异常目标检测方法;李辉;周航;董燕;张淑军;;计算机与现代化;20200815(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117745723A (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945184B (zh) | 一种基于彩色图像分割和梯度投影定位的贴装元件检测方法 | |
CN109406527B (zh) | 一种***模组镜头精细外观缺陷检测***及方法 | |
CN114972343A (zh) | 一种激光焊接产品生产异常检测方法 | |
CN115561247A (zh) | 一种电子元器件外观自动视觉检测*** | |
CN114252449B (zh) | 一种基于线结构光的铝合金焊缝表面质量检测***及方法 | |
CN115456945A (zh) | 一种芯片引脚缺陷的检测方法、检测装置及设备 | |
CN112816493A (zh) | 一种芯片打线缺陷检测方法及装置 | |
CN104749801B (zh) | 高精度自动光学检测方法和*** | |
CN112669295A (zh) | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 | |
CN117764989B (zh) | 一种视觉辅助的显示屏缺陷检测方法 | |
CN117808799B (zh) | 基于人工智能的倒角设备加工质量检测方法 | |
CN112833821B (zh) | 高密度ic焊点的微分几何立体微视觉检测***及方法 | |
CN117745723B (zh) | 芯片引线键合质量检测方法、***及存储介质 | |
CN112866689B (zh) | 一种基于sfr算法的光学调焦方法 | |
CN117437226A (zh) | 一种半导体加工质量视觉自动在线检测*** | |
CN117173107A (zh) | 产品缺陷检测方法、装置、设备、***和可读存储介质 | |
CN117092113A (zh) | 一种摄像头模具焊接质量检测装置及其*** | |
CN111970501A (zh) | 纯色场景ae色彩处理方法、装置、电子设备及存储介质 | |
CN116913841A (zh) | 一种用于自动固晶机的固晶贴片方法 | |
CN116645418A (zh) | 基于2d和3d相机的屏幕按钮检测方法、装置及其相关介质 | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
CN115479952A (zh) | 一种基于3d视觉检测方法及其设备 | |
CN114964032B (zh) | 基于机器视觉的盲孔深度测量方法及装置 | |
CN115564964A (zh) | 一种基于图像多特征匹配的半导体引线键合器件识别方法 | |
CN112798608B (zh) | 手机摄像头支架内腔侧壁的光学检测装置及光学检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |