CN111816579A - 用于检测被助焊剂残留物污染的芯片的方法和装置 - Google Patents
用于检测被助焊剂残留物污染的芯片的方法和装置 Download PDFInfo
- Publication number
- CN111816579A CN111816579A CN202010662823.6A CN202010662823A CN111816579A CN 111816579 A CN111816579 A CN 111816579A CN 202010662823 A CN202010662823 A CN 202010662823A CN 111816579 A CN111816579 A CN 111816579A
- Authority
- CN
- China
- Prior art keywords
- image
- solder ball
- chip
- profile
- area
- 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.)
- Granted
Links
- 230000004907 flux Effects 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 49
- 229910000679 solder Inorganic materials 0.000 claims abstract description 190
- 239000000758 substrate Substances 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000009826 distribution Methods 0.000 claims abstract description 23
- 238000003466 welding Methods 0.000 claims abstract description 20
- 238000003708 edge detection Methods 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 230000011218 segmentation Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 13
- 230000010339 dilation Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 239000003990 capacitor Substances 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 description 14
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000005476 soldering Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000011109 contamination Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000843 powder Substances 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000005389 semiconductor device fabrication Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Electric Connection Of Electric Components To Printed Circuits (AREA)
Abstract
本文公开了用于检测被助焊剂残留物污染的芯片的方法和装置。根据本公开的一个方面,一种用于检测被助焊剂残留物污染的芯片的方法包括:获取球栅阵列封装的芯片的基板底面的图像,其中,所述基板底面的各焊盘位置上焊接有焊球;对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓;基于所识别的轮廓确定所述图像中每一个焊球的轮廓的面积和圆形度;以及根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染。
Description
技术领域
本公开总体上涉及半导体制造过程,更具体地,涉及用于检测被助焊剂残留物污染的芯片的方法和装置。
背景技术
半导体封装是半导体器件制造过程的最后阶段,其旨在以合适的封装材料和结构对管芯提供完善的支撑和保护并使其便于连接,从而得到独立的功能完整的芯片,封装之后的测试等过程不会再改变芯片的形貌。随着技术的进步,芯片在向着高集成度、小型化的方向发展,球栅阵列(BGA)封装作为一种代表性的表面贴装封装方式因其能够提供更小的体积、更多的引脚数、更好的散热性能和电气连接性能,已经得到广泛的关注和普遍的使用。
发明内容
在发明内容部分中,以简化的形式介绍一些选出的概念,其将在下面的具体实施方式部分中被进一步描述。该发明内容部分并非是要标识出所要求保护的主题的任何关键特征或必要特征,也不是要被用于帮助确定所要求保护的主题的范围。
根据本公开的一个方面,提供了一种用于检测被助焊剂残留物污染的芯片的方法,所述方法包括:获取球栅阵列封装的芯片的基板底面的图像,其中,所述基板底面的各焊盘位置上焊接有焊球;对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓;基于所识别的轮廓确定所述图像中每一个焊球的轮廓的面积和圆形度;以及根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染。
根据本公开的另一个方面,提供了一种计算设备,所述计算设备包括:存储器,其用于存储指令;以及至少一个处理器,其耦合到所述存储器,其中,所述指令在由所述至少一个处理器执行时,使得所述至少一个处理器:获取球栅阵列封装的芯片的基板底面的图像,其中,所述基板底面的各焊盘位置上焊接有焊球;对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓;基于所识别的轮廓确定所述图像中每一个焊球的轮廓的面积和圆形度;以及根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染。
根据本公开的再一个方面,提供了一种用于检测被助焊剂残留物污染的芯片的装置,所述装置包括:用于获取球栅阵列封装的芯片的基板底面的图像的模块,其中,所述基板底面的各焊盘位置上焊接有焊球;用于对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓的模块;用于基于所识别的轮廓确定所述图像中每一个焊球的轮廓的面积和圆形度的模块;以及用于根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染的模块。
根据本公开的又一个方面,提供了一种计算机可读存储介质,其上存储有指令,所述指令在由至少一个处理器执行时,使得所述至少一个处理器执行本公开中描述的任一方法。
附图说明
在附图中对本公开的实现以示例的形式而非限制的形式进行了说明,附图中相似的附图标记表示相同或类似的部件,其中:
图1A和1B分别示出了被助焊剂残留物污染的芯片的俯视图和侧视图的示例;
图2示出了根据本公开的一些实现的示例性方法的流程图;
图3示出了根据本公开的一些实现的示例性操作的流程图;
图4示出了根据本公开的一些实现的示例性操作的流程图;
图5示出了根据本公开的一些实现的所获取的BGA封装的芯片的基板底面的图像的示例;
图6A、6B和6C分别示出了根据本公开的一些实现的经处理的图像的示例;
图7A和7B分别示出了被污染的和未被污染的芯片的焊球轮廓面积分布图的示例;
图8示出了根据本公开的一些实现的示例性装置的框图;以及
图9示出了根据本公开的一些实现的示例性计算设备的框图。
具体实施方式
在以下的说明书中,出于解释的目的,阐述了大量具体细节。然而,应当理解的是,本公开的实现无需这些具体细节就可以实施。在其它实例中,并未详细示出公知的电路、结构和技术,以免影响对说明书的理解。
说明书通篇中对“一个实现”、“实现”、“示例性实现”、“一些实现”、“各种实现”等的引述表示所描述的本公开的实现可以包括特定的特征、结构或特性,然而,并不是说每个实现都必须要包含这些特定的特征、结构或特性。此外,一些实现可以具有针对其它实现描述的特征中的一些、全部,或者不具有针对其它实现描述的特征。
以最有助于理解所要求保护的主题的方式,可能会将各种操作描述为依次序的多个分立的动作或操作。然而,描述的次序并不应当被解释为暗示这些操作必然是依赖于次序的。尤其是,这些操作可以不按照所呈现的次序来执行。在另外的一些实现中,还可以执行各种另外的操作,和/或忽略各种已经描述的操作。
在说明书和权利要求书中,可能会出现的短语“A和/或B”用来表示以下之一:(A)、(B)、(A和B)。类似地,可能会出现的短语“A、B和/或C”用来表示以下之一:(A)、(B)、(C)、(A和B)、(A和C)、(B和C)、(A和B和C)。
在说明书和权利要求书中,可能会用到术语“耦合”和“连接”及其派生词。需要理解的是,这些术语并非是要作为彼此的同义词。相反,在特定的实现中,“连接”用于表示两个或更多部件彼此直接物理或电接触,而“耦合”则用于表示两个或更多部件彼此协作或交互,但是它们可能、也可能不直接物理或电接触。
球栅阵列(BGA)封装作为一种代表性的表面贴装封装方式因其能够提供更小的体积、更多的引脚数、更好的散热性能和电气连接性能,得到了广泛的关注和普遍的使用。典型的BGA封装工艺中,借助于焊膏,采用回流焊将规定尺寸的焊球临时焊接到芯片基板底面的各个焊盘位置上。焊膏是由焊料粉和助焊剂组成的粘性混合物。在回流焊炉中,助焊剂被加热成气态。理想情况是,气态挥发的助焊剂被通过抽气系统从回流焊炉中抽走。然而实践中在一些情况下,由于诸如冷却不及时、加热板故障或者抽气系统故障等原因,助焊剂并未被以气态形式带走,而是在回流焊炉冷却期间凝结在冷却管上,留在炉腔中形成粘稠的液体残留物。
尽管可以通过定期清洗回流焊炉来进行去除,但是在下一次清洗到来之前,已经留在回流焊炉中的液体残留物可能会滴落在炉腔中芯片的基板底面上形成助焊剂残留物薄膜。下面首先参考图1A和1B,其中,图1A是被助焊剂残留物污染的芯片的俯视图的示例,图1B是该芯片的侧视图的示例。如图1A和1B所示,矩形区域表示BGA封装的芯片的基板110;在该基板的底面120上,各个焊盘位置上均焊接有焊球130;助焊剂残留物用140示出。需要注意的是,图1A和1B仅仅是出于方便理解的目的而示意性示出的,其并不反映任何真实芯片的具体结构和比例关系。
滴落到基板底面上形成的助焊剂残留物薄膜不但会影响基板板面的光洁度,而且可能对基板上的连接的电气性能产生不利影响。此外,如发现不及时,被助焊剂残留物污染的芯片还可能对后道工序造成二次污染。
回流焊炉在工作中是封闭的,仅通过常规的检查方式,例如监控回流焊炉的温度和压力指示,并不能检测到回流焊炉内的助焊剂滴落。
本公开提供了一种新颖的方式,采用计算机视觉技术,在回流焊过程之后对BGA封装的芯片的焊接有焊球的基板底面拍摄图像,通过对所拍摄的图像进行处理,能够高效准确地发现被助焊剂残留物污染的芯片。
图2示出了根据本公开的一些实现的示例性方法200的流程图。方法200可以用于检测被助焊剂残留物污染的芯片。如图2所示,方法200开始于步骤210,在该步骤中,获取球栅阵列封装的芯片的基板底面的图像,其中,所述基板底面的各焊盘位置上焊接有焊球。在本公开的一些实现中,紧跟在回流焊工序之后,可以部署有成像系统来对芯片的基板底面进行拍照。通过在回流焊工序之后立即对芯片进行成像并基于此进行处理,可以迅速发现可能被助焊剂残留物污染的芯片,进而及时确定并及早解决因回流焊炉内的助焊剂滴落而引发的问题,避免产品损失和质量事故。
优选地,在一些实现中,成像系统可以直接拍摄灰度图像,而在另外一些实现中,也可以拍摄彩色图像,然后对其进行灰度化处理以便于后续使用。灰度图像中每个像素的值代表相应的灰度等级。例如,对于用8比特来存储灰度图像的每个像素值的情形,可表征的灰度等级共256级,用0-255来表示,其中,0可以表示黑色,对应于最低亮度,而255可以表示白色,对应于最高亮度。在一些实现中,可以利用直接暗视场正面照明来进行拍照,相应地,成像系统中除了包含诸如基于CMOS的相机、基于CCD的相机等的相机之外,还包括用于配合完成成像而提供暗视场照明的环形光源,等等,然而本公开并不限于此。有利地,采用直接暗视场正面照明,焊球可以呈现类似环状物的结构,而其周围则是暗的,因此可以相对于作为背景的基板,突出作为感兴趣对象的焊球的形貌。
现在先转到图5,其示出了根据本公开的一些实现的所获取的BGA封装的芯片的基板底面的图像的示例。为了便于说明,图5仅包含成像系统拍摄的芯片基板底面的灰度图像的一部分,其中示出了四个焊球的图案。如图所示,焊球本身由于反光很强,其照出来是接近白色;而深色(如绿色)的基板则呈现接近黑色。研究发现,对于被助焊剂残留物污染的芯片来说,相对于该芯片的基板底面,那些被助焊剂残留物污染的焊球与其余的未被污染的焊球相比二者灰度值差异并不显著,甚至是可以忽略的。因此,试图用常规图像处理中的灰度值区分来检测这种污染缺陷并不可行。
此外,尽管上面的示例中图像是直接获取自成像系统,然而其它的实现方式也是可行的。例如,在一些实现中,所述图像可以获取自用于存储大量已拍摄芯片基板底面图像的数据库、存储装置,等等。
继续方法200,在步骤220中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓。再次参见图5,可以看到在所获取的初始图像中指示的各个焊球可能并不具有完整的明显的边界,所以可能难以直接从初始图像中提取出焊球相关属性用于检测助焊剂残留物薄膜。因此,需要对初始图像进行一定的处理。
现在转到图3,其示出了根据本公开的一些实现的示例性操作300的流程图。操作300可以对应于方法200中的步骤220的示例性实现。
如图3所示,操作300可以包括步骤310,在该步骤中,对所获取的图像应用膨胀算法。膨胀算法所使用的结构元素或内核可以根据实际需要来选取,本公开在此并不限于特定的实现。通过应用膨胀算法,可以消除所获取的原始图像中各焊球图案中的模糊点,减少了并行工作的不同成像系统之间的成像差异,使得正常焊球的形态更加完整均一,从而方便后面的处理。图6A示意性地示出了对图5所示的图像应用了膨胀算法之后得到的图像。
操作300还可以包括步骤320,在该步骤中,对应用了膨胀算法之后得到的图像进行阈值分割。通过选取合适的阈值进行阈值分割,将大于该阈值的像素设置为白色(灰度值为255)而其余像素均设置为黑色(灰度值为0),可以有效地将作为感兴趣区域的焊球和作为背景的基板明确区分开。此外,阈值的选取还可以被用来去除其它的干扰,例如,还可通过使用合适的阈值将基板底面图像中的定位点图案等(其对本公开的实现来说是非感兴趣区域)去除,即,将后者的像素同样设置为黑色。图6B示意性地示出了对图6A所示的图像进行了阈值分割之后得到的图像。
操作300还可以包括步骤330,在该步骤中,对进行了阈值分割之后得到的图像执行边缘检测,以提取每一个焊球的边缘,从而准确描述焊球边界。在一些实现中,可以使用Canny边缘检测算法来执行步骤330。Canny算法能够有效地滤除图像噪声以减少噪声对图像边缘检测的干扰。图6C示意性地示出了对图6B所示的图像执行了Canny边缘检测之后得到的图像。
此外,操作300还可以包括步骤340,在该步骤中,基于执行了边缘检测之后得到的图像,来识别该图像中每一个焊球的轮廓。通过该步骤的操作,将原先图像中的区域特征转化为易于计算的数值类型的轮廓特征,从而使得基于轮廓特征量的数学运算、以及后文描述的阈值设置成为可能。
在一些实现中,操作300的上述步骤310-340中的一个或多个可以通过使用开源计算机视觉编程函数库OpenCV中的函数/函数集合来实现,然而本公开并不限于此。
此外,在一些实现中,操作300的步骤310-340可以并不按照如上所述的顺序来执行。例如,在一些实现中,在进行了步骤310的膨胀操作之后,可以先执行边缘检测(如步骤330所示的),然后再针对执行了边缘检测之后得到的图像进行阈值分割(如步骤320所示的)。
此外,在一些实现中,操作300的步骤310-340中的一个或多个还可以有替代的实现。例如,在一些实现中,在步骤310中,可以应用腐蚀算法来替代如前所述的膨胀算法。例如,在一些实现中,在步骤330中可以采用Sobel边缘检测算法、Scharr边缘检测算法、或者Laplacian边缘检测算法,等等,来替代如前所述的Canny边缘检测算法。
此外,在一些实现中,操作300的步骤310-340中的一个或多个可能并不是必需的。例如,在一些实现中,可以无需进行步骤310的膨胀操作。例如,在一些实现中,可以无需执行步骤330的边缘检测。
此外,在一些实现中,操作300中还可以包括其它操作。例如,在一些实现中,可以对图像进行处理以排除该图像中的指定区域,在一个示例中,所述指定区域可以对应于所述芯片的焊盘侧电容器(Land Side Capacitor,LSC)区域,这对于本公开的实现来说是非感兴趣区域。例如,可以通过读取特定芯片的规格信息,来确定该芯片的LSC区域的范围,并基于所确定的区域范围来进行排除。在一些实现中,这样的动作可以发生在步骤310之前,由此无需针对所获取的图像在该区域范围内的部分进行从步骤310开始的全部处理。在另外一些实现中,这样的动作也可以发生在其他阶段,例如在步骤320中,将该区域范围内的像素也均设置为与背景相同的黑色。其它的实现也是可能的。
回到图2,方法200继续进行到步骤230,在该步骤中,基于所识别的轮廓确定所述图像中每一个焊球的轮廓的面积和圆形度。通过对大量被助焊剂残留物污染的芯片的图像样本进行的分析和研究表明,与芯片基板底面图像中焊球的轮廓特征相关的一些量值,包括轮廓的面积和圆形度等,可以帮助识别出可能被助焊剂残留物污染的那些焊球(与未被污染的正常焊球相区分),进而可以以此为基础结合其他考虑因素来确定芯片是否被助焊剂残留物污染。因此,在步骤230中,首先对每一个焊球的轮廓的面积和圆形度进行计算。
下面参考图4,其示出了根据本公开的一些实现的示例性操作400的流程图。操作400中的步骤410-420可以对应于方法200中的步骤230的示例性实现。
在步骤410,基于在步骤320中识别的轮廓,确定每一个焊球的轮廓的面积。接着,在步骤420,确定每一个焊球的轮廓的圆形度。圆形度的计算公式可以为:
其中,符号e表示圆形度;符号S表示轮廓的面积,如在步骤410中确定的;而符号R表示轮廓的周长。在一些实现中,轮廓的面积和周长均可以通过使用开源计算机视觉编程函数库OpenCV中的函数来计算获得,然而本公开并不限于此。
再回到图2,在步骤240,根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染。根据本公开,一方面是焊球个体的轮廓特征相关的量值,包括如前所述的轮廓的面积和圆形度;另一方面是目标焊球集合(亦即其轮廓特征相关量值满足预设条件的那些焊球的集合)的集合相关特性,包括该集合中的焊球的数目以及这些焊球的位置分布,通过将这两方面综合考虑来确定芯片是否被助焊剂残留物污染。
研究发现,对于同一规格的芯片而言,通过图像处理识别出的被助焊剂残留物污染的焊球的轮廓面积小于未被污染的正常焊球的轮廓面积。图7A示出了被助焊剂残留物污染的芯片(其中一部分焊球被污染)上的焊球的轮廓面积分布图的示例,其中,横轴表示焊球的轮廓面积,纵轴表示落入相应面积区间的焊球的数量。如图7A所示,该图中右侧较为集中的部分是该芯片上未被污染的那些正常焊球的轮廓面积的分布区间,而左侧较为分散的部分是已被污染的那些焊球的轮廓面积的分布区间。被污染的焊球的轮廓面积小于正常焊球的轮廓面积,并且受污染程度不同的影响,这些被污染的焊球的轮廓面积存在差异,分布较为分散。对照图7B可以看得更加清楚,后者示出了未被助焊剂残留物污染的芯片(其中没有焊球被污染)上的焊球的轮廓面积分布图的示例,其中所有焊球的轮廓面积都集中在了右侧部分区间。此外,研究发现,通过图像处理识别出的被助焊剂残留物污染的焊球的轮廓圆形度也小于正常焊球的轮廓圆形度。
继续参考图4,操作400中的步骤430-460可以对应于方法200中的步骤240的示例性实现。具体地,在步骤410和420中分别确定了每一个焊球的轮廓的面积和圆形度之后,在步骤430中,可以确定其轮廓的面积和圆形度符合均预设条件的焊球的集合。在一些实现中,所述预设条件可以包括焊球的轮廓的面积小于第一上限阈值,以及焊球的轮廓的圆形度小于第二上限阈值,其中,所述第一上限阈值不大于该芯片的正常焊球的轮廓的面积最小值,所述第二上限阈值不大于该芯片的正常焊球的轮廓的圆形度最小值。
此外,为了降低干扰,在一些实现中,所述预设条件中除了第一上限阈值外,还可以针对轮廓面积设置第一下限阈值;并且/或者,在一些实现中,所述预设条件中除了第二上限阈值外,还可以针对轮廓圆形度设置第二下限阈值。
接着,在步骤440,判断满足预设条件的焊球集合中的焊球的数目是否满足要求。因助焊剂滴落而造成的芯片污染,往往会污染到一片区域内的一组焊球而非少数个。因此,若前面操作中确定的集合中的焊球数目过少,可能是因噪声引起,而非真实的污染情况的发生。在一些实现中,步骤440的操作可以包括判断集合中的焊球数目是否大于指定的第三阈值。
如果步骤440的判断结果为是,则接着在步骤450,判断该集合中的焊球的位置分布是否满足要求。在一些实现中,集合中焊球的位置分布可以通过计算集合中各焊球据图像中的基准点(例如,图像的坐标原点)的距离的标准差来确定。在一些实现中,所述距离可以是基于前述的步骤220/步骤340中识别的焊球的轮廓特征来计算得出的,然而其它计算方式也是可能的。标准差能够反映一组数据的离散程度。在这里,使用标准差可以反映出该集合中的各焊球位置的聚集性,而这种聚集性也是因助焊剂滴落而造成芯片污染所体现的特性之一。因此,在一些实现中,步骤450的操作可以包括判断所计算的标准差是否小于指定的第四阈值。
最后,响应于步骤450的判定结果为是,在步骤460中确定所述芯片已被助焊剂残留物污染。
需要注意的是,上述操作400中所采用的各个阈值并非固定不变的,而是取决于芯片规格(包括芯片尺寸、焊球尺寸,等等)的不同而不同。此外,可以理解的是,一些其它因素,包括成像系统的成像质量(如分辨率)等,也会影响这些阈值的选取。
最后,回到图2,在步骤250中,响应于判定所述芯片已被助焊剂残留物污染,发出警报。在一些实现中,发出警报可以包括通过显示器以可视的形式指示芯片被助焊剂残留物污染。例如,可以在显示器上展示芯片的基板底面图像,突出显示其中被助焊剂残留物污染的焊球/区域,例如通过高亮、加粗、闪烁等形式。附加地或者替代地,在一些实现中,发出警报可以包括:通过扬声器以可听的形式指示芯片被助焊剂残留物污染。本领域技术人员可以理解,其它类型的用户可感知的指示方式也是可行的。此外,在一些实现中,发出警报还可以包括:指示该芯片对应的回流焊炉存在助焊剂滴落的情况,由此可以及时反映回流焊路的实时状态,允许操作人员迅速启动相应的动作来分析、调查并处置异常状况。
实践中,利用本公开中描述的方式来检测被助焊剂残留物污染的芯片,针对总数为11852个样本芯片图像,只有3个样本被错报为是被污染了的芯片,而没有发生漏报的情况,其检测准确率高达99.975%。而且,这种自动检测方法有助于及时确定并及早解决因回流焊炉内的助焊剂滴落而引发的问题,避免产品损失和质量事故。
下面参考图8,其示出了根据本公开的一些实现的示例性装置800的框图。装置800可以用于检测被助焊剂残留物污染的芯片。
如图8所示,装置800可以包括模块810,其用于获取球栅阵列封装的芯片的基板底面的图像,其中,所述基板底面的各焊盘位置上焊接有焊球。装置800还可以包括模块820,其用于对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓。装置800还可以包括模块830,其用于基于所识别的轮廓确定所述图像中每一个焊球的轮廓的面积和圆形度。此外,装置800还可以包括模块840,其用于根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染。
此外,在一些实现中,装置800的上述模块中的一个或多个中还可以包括进一步的模块、和/或装置800还可以包括附加的模块,用于执行说明书中已经描述的其它操作,例如结合图2的示例性方法200的流程图、图3的示例性操作300的流程图、以及图4的示例性操作400的流程图而描述的。此外,在一些实现中,装置800的各种模块还可以取决于实际需求进行组合或拆分,这同样落入本公开的范围之内。
本领域技术人员可以理解,示例性装置800可以用软件、硬件、固件、或其任意组合来实现。
图9示出了根据本公开的一些实现的示例性计算设备900的框图。计算设备900可以用于检测被助焊剂残留物污染的芯片。
如图9所示,计算设备900可以包括至少一个处理器910。处理器910可以包括任意类型的通用处理单元(例如:CPU、GPU,等等)、专用处理单元、核心、电路、控制器,等等。此外,计算设备900还可以包括存储器920。存储器920可以包括任意类型的可以用于存储数据的介质。在一些实现中,存储器920被配置为存储指令,所述指令在执行时使得至少一个处理器910执行本文中所述的操作,例如,结合图2的示例性方法200的流程图、图3的示例性操作300的流程图、以及图4的示例性操作400的流程图而描述的。
此外,在一些实现中,计算设备900还可以耦合到或配备有一种或多种外设部件,所述外设部件可以包括但不限于显示器、扬声器、鼠标、键盘,等等。另外,在一些实现中,计算设备900还可以配备有通信接口,其可以支持各种类型的有线/无线通信协议以与通信网络进行通信。通信网络的示例可以包括但不限于:局域网(LAN)、城域网(MAN)、广域网(WAN)、公共电话网、互联网、内联网、物联网、红外网络、蓝牙网络、近场通信(NFC)网络、ZigBee网络,等等。
此外,在一些实现中,上述及其它部件之间可以经由一种或多种总线/互连来相互通信,所述总线/互连可以支持任何合适的总线/互连协议,包括外围组件互连(PCI)、快速PCI快速、通用串行总线(USB)、串行附接SCSI(SAS)、串行ATA(SATA)、光纤通道(FC)、系统管理总线(SMBus),或其它合适的协议。
此外,在一些实现中,计算设备900可以耦合到成像系统,用于从后者直接获取所拍摄的芯片基板底面的图像。或者,所述图像也可以是从与计算设备900耦合的用于存储图像的数据库或存储装置获得的。在一些实现中,计算设备900、成像系统、和/或数据库或存储装置等也可以共同构成基于计算机视觉的检测系统或其一部分。
本领域技术人员可以理解,对于计算设备900的结构的上述描述仅仅是示例性而非限制性的,其它结构的设备也是可行的,只要能够用来实现本文中所述的功能。
本公开的各种实现可以包括或操作多个组件、部件、单元、模块、实例或机制,其可以用硬件、软件、固件、或其任意组合来实现。硬件的示例可以包括、但不限于:设备、处理器、微处理器、电路、电路元件(例如、晶体管、电阻器、电容器、电感器,等等)、集成电路、专用集成电路(ASIC)、可编程逻辑器件(PLD)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、存储单元、逻辑门、寄存器、半导体器件、芯片、微芯片、芯片组,等等。软件的示例可以包括、但不限于:软件组件、程序、应用、计算机程序、应用程序、系统程序、机器程序、操作系统软件、中间件、软件模块、例程、子例程、函数、方法、过程、软件接口、应用编程接口(API)、指令集、计算机代码、计算机代码段、字、值、符号、或其任意组合。确定一个实现是使用硬件、软件、和/或固件来实现可以取决于多种因素而变化,例如期望的计算速率、功率级别、耐热性、处理周期预算、输入数据速率、输出数据速率、存储器资源、数据总线速度,以及其它的设计或性能约束,正如一个给定的实现所期望的。
这里描述的一些实现可以包括制品。制品可以包括存储介质。存储介质的示例可以包括用任意方法或技术实现的用以存储信息(例如,计算机可读指令、数据结构、程序模块、或其它数据)的易失性的和非易失性的、可移动的和不可移动的介质。存储介质可以包括、但不限于:随机存取存储器(RAM)、只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、闪速存储器或其它存储器技术,光盘(CD)、数字多用盘(DVD)或其它光存储,磁带盒、磁带、磁盘存储或其它磁存储设备,或者任何其它的能够用于存储信息的介质。在一些实现中,制品可以存储可执行的计算机程序指令,其在被一个或多个处理单元执行时,使得处理单元执行这里所述的操作。可执行的计算机程序指令可以包括任意合适类型的代码,例如,源代码、编译代码、解释代码、可执行代码、静态代码、动态代码,等等。可执行的计算机程序指令可以使用任意适当的高级的、低级的、面向对象的、可视化的、编译的和/或解释的编程语言来实现。
下面描述本公开的一些示例性实现。
示例1可以包括一种用于检测被助焊剂残留物污染的芯片的方法,所述方法包括:获取球栅阵列封装的芯片的基板底面的图像,其中,所述基板底面的各焊盘位置上焊接有焊球;对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓;基于所识别的轮廓确定所述图像中每一个焊球的轮廓的面积和圆形度;以及根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染。
示例2可以包括示例1所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓包括:对所述图像进行阈值分割,其中,所述阈值分割中采用的阈值使得能够将作为感兴趣区域的焊球和作为为背景的基板区分开。
示例3可以包括示例2所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:在进行所述阈值分割之前,对所述图像应用膨胀算法。
示例4可以包括示例2或3所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:基于进行了阈值分割的图像来识别所述图像中每一个焊球的轮廓。
示例5可以包括示例2或3所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:采用Canny边缘检测算法对进行了阈值分割的图像执行边缘检测,以提取每一个焊球的边缘;以及基于执行了边缘检测的图像来识别所述图像中每一个焊球的轮廓。
示例6可以包括示例1所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓包括:排除所述图像中的指定区域,所述指定区域对应于所述芯片的焊盘侧电容器区域。
示例7可以包括示例1所述的主题,其中,所述预设条件包括焊球的轮廓的面积小于第一上限阈值,以及焊球的轮廓的圆形度小于第二上限阈值,并且其中,所述第一上限阈值不大于所述芯片的正常焊球的轮廓的面积最小值,所述第二上限阈值不大于所述芯片的正常焊球的轮廓的圆形度最小值。
示例8可以包括示例1或7所述的主题,其中,根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染包括:确定其轮廓的面积和圆形度符合所述预设条件的焊球的集合;以及响应于判定所述集合中的焊球的数目大于第三阈值,以及所述集合中的焊球距所述图像的坐标原点的距离的标准差小于第四阈值,确定所述芯片已被助焊剂残留物污染。
示例9可以包括一种计算设备,所述计算设备包括:存储器,其用于存储指令;以及至少一个处理器,其耦合到所述存储器,其中,所述指令在由所述至少一个处理器执行时,使得所述至少一个处理器:获取球栅阵列封装的芯片的基板底面的图像,其中,所述基板底面的各焊盘位置上焊接有焊球;对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓;基于所识别的轮廓确定所述图像中每一个焊球的轮廓的面积和圆形度;以及根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染。
示例10可以包括示例9所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓包括:对所述图像进行阈值分割,其中,所述阈值分割中采用的阈值使得能够将作为感兴趣区域的焊球和作为为背景的基板区分开。
示例11可以包括示例10所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:在进行所述阈值分割之前,对所述图像应用膨胀算法。
示例12可以包括示例10或11所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:基于进行了阈值分割的图像来识别所述图像中每一个焊球的轮廓。
示例13可以包括示例10或11所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:采用Canny边缘检测算法对进行了阈值分割的图像执行边缘检测,以提取每一个焊球的边缘;以及基于执行了边缘检测的图像来识别所述图像中每一个焊球的轮廓。
示例14可以包括示例9所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓包括:排除所述图像中的指定区域,所述指定区域对应于所述芯片的焊盘侧电容器区域。
示例15可以包括示例9所述的主题,其中,所述预设条件包括焊球的轮廓的面积小于第一上限阈值,以及焊球的轮廓的圆形度小于第二上限阈值,并且其中,所述第一上限阈值不大于所述芯片的正常焊球的轮廓的面积最小值,所述第二上限阈值不大于所述芯片的正常焊球的轮廓的圆形度最小值。
示例16可以包括示例9或15所述的主题,其中,根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染包括:确定其轮廓的面积和圆形度符合所述预设条件的焊球的集合;以及响应于判定所述集合中的焊球的数目大于第三阈值,以及所述集合中的焊球距所述图像的坐标原点的距离的标准差小于第四阈值,确定所述芯片已被助焊剂残留物污染。
示例17可以包括一种用于检测被助焊剂残留物污染的芯片的装置,所述装置包括:用于获取球栅阵列封装的芯片的基板底面的图像的模块,其中,所述基板底面的各焊盘位置上焊接有焊球;用于对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓的模块;用于基于所识别的轮廓确定所述图像中每一个焊球的轮廓的面积和圆形度的模块;以及用于根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染的模块。
示例18可以包括示例17所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓包括:对所述图像进行阈值分割,其中,所述阈值分割中采用的阈值使得能够将作为感兴趣区域的焊球和作为为背景的基板区分开。
示例19可以包括示例18所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:在进行所述阈值分割之前,对所述图像应用膨胀算法。
示例20可以包括示例18或19所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:基于进行了阈值分割的图像来识别所述图像中每一个焊球的轮廓。
示例21可以包括示例18或19所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:采用Canny边缘检测算法对进行了阈值分割的图像执行边缘检测,以提取每一个焊球的边缘;以及基于执行了边缘检测的图像来识别所述图像中每一个焊球的轮廓。
示例22可以包括示例17所述的主题,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓包括:排除所述图像中的指定区域,所述指定区域对应于所述芯片的焊盘侧电容器区域。
示例23可以包括示例17所述的主题,其中,所述预设条件包括焊球的轮廓的面积小于第一上限阈值,以及焊球的轮廓的圆形度小于第二上限阈值,并且其中,所述第一上限阈值不大于所述芯片的正常焊球的轮廓的面积最小值,所述第二上限阈值不大于所述芯片的正常焊球的轮廓的圆形度最小值。
示例24可以包括示例17或23所述的主题,其中,根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染包括:确定其轮廓的面积和圆形度符合所述预设条件的焊球的集合;以及响应于判定所述集合中的焊球的数目大于第三阈值,以及所述集合中的焊球距所述图像的坐标原点的距离的标准差小于第四阈值,确定所述芯片已被助焊剂残留物污染。
示例25可以包括一种计算机可读存储介质,其上存储有指令,所述指令在由至少一个处理器执行时,使得所述至少一个处理器执行本公开中描述的任一方法。
上面已经描述的内容包括所公开的架构的示例。当然并不可能描述组件和/或方法的每种可以想见的组合,但是本领域技术人员可以理解,许多其它的组合和排列也是可行的。因此,该新颖架构旨在涵盖落入所附权利要求的精神和范围之内的所有这样的替代、修改和变型。
Claims (18)
1.一种用于检测被助焊剂残留物污染的芯片的方法,包括:
获取球栅阵列封装的芯片的基板底面的图像,其中,所述基板底面的各焊盘位置上焊接有焊球;
对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓;
基于所识别的轮廓确定所述图像中每一个焊球的轮廓的面积和圆形度;以及
根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染。
2.如权利要求1所述的方法,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓包括:对所述图像进行阈值分割,其中,所述阈值分割中采用的阈值使得能够将作为感兴趣区域的焊球和作为为背景的基板区分开。
3.如权利要求2所述的方法,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:在进行所述阈值分割之前,对所述图像应用膨胀算法。
4.如权利要求2或3所述的方法,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:基于进行了阈值分割的图像来识别所述图像中每一个焊球的轮廓。
5.如权利要求2或3所述的方法,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:
采用Canny边缘检测算法对进行了阈值分割的图像执行边缘检测,以提取每一个焊球的边缘;以及
基于执行了边缘检测的图像来识别所述图像中每一个焊球的轮廓。
6.如权利要求1所述的方法,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓包括:排除所述图像中的指定区域,所述指定区域对应于所述芯片的焊盘侧电容器区域。
7.如权利要求1所述的方法,其中,所述预设条件包括焊球的轮廓的面积小于第一上限阈值,以及焊球的轮廓的圆形度小于第二上限阈值,并且其中,所述第一上限阈值不大于所述芯片的正常焊球的轮廓的面积最小值,所述第二上限阈值不大于所述芯片的正常焊球的轮廓的圆形度最小值。
8.如权利要求1或7所述的方法,其中,根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染包括:
确定其轮廓的面积和圆形度符合所述预设条件的焊球的集合;以及
响应于判定所述集合中的焊球的数目大于第三阈值,以及所述集合中的焊球距所述图像的坐标原点的距离的标准差小于第四阈值,确定所述芯片已被助焊剂残留物污染。
9.一种计算设备,包括:
存储器,其用于存储指令;以及
至少一个处理器,其耦合到所述存储器,其中,所述指令在由所述至少一个处理器执行时,使得所述至少一个处理器:
获取球栅阵列封装的芯片的基板底面的图像,其中,所述基板底面的各焊盘位置上焊接有焊球;
对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓;
基于所识别的轮廓确定所述图像中每一个焊球的轮廓的面积和圆形度;以及
根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染。
10.如权利要求9所述的计算设备,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓包括:对所述图像进行阈值分割,其中,所述阈值分割中采用的阈值使得能够将作为感兴趣区域的焊球和作为为背景的基板区分开。
11.如权利要求10所述的计算设备,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:在进行所述阈值分割之前,对所述图像应用膨胀算法。
12.如权利要求10或11所述的计算设备,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:基于进行了阈值分割的图像来识别所述图像中每一个焊球的轮廓。
13.如权利要求10或11所述的计算设备,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓还包括:
采用Canny边缘检测算法对进行了阈值分割的图像执行边缘检测,以提取每一个焊球的边缘;以及
基于执行了边缘检测的图像来识别所述图像中每一个焊球的轮廓。
14.如权利要求9所述的计算设备,其中,对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓包括:排除所述图像中的指定区域,所述指定区域对应于所述芯片的焊盘侧电容器区域。
15.如权利要求9所述的计算设备,其中,所述预设条件包括焊球的轮廓的面积小于第一上限阈值,以及焊球的轮廓的圆形度小于第二上限阈值,并且其中,所述第一上限阈值不大于所述芯片的正常焊球的轮廓的面积最小值,所述第二上限阈值不大于所述芯片的正常焊球的轮廓的圆形度最小值。
16.如权利要求9或15所述的计算设备,其中,根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染包括:
确定其轮廓的面积和圆形度符合所述预设条件的焊球的集合;以及
响应于判定所述集合中的焊球的数目大于第三阈值,以及所述集合中的焊球距所述图像的坐标原点的距离的标准差小于第四阈值,确定所述芯片已被助焊剂残留物污染。
17.一种用于检测被助焊剂残留物污染的芯片的装置,包括:
用于获取球栅阵列封装的芯片的基板底面的图像的模块,其中,所述基板底面的各焊盘位置上焊接有焊球;
用于对所获取的图像进行处理以识别所述图像中指示的每一个焊球的轮廓的模块;
用于基于所识别的轮廓确定所述图像中每一个焊球的轮廓的面积和圆形度的模块;以及
用于根据其轮廓的面积和圆形度符合预设条件的焊球的数目和位置分布,判断所述芯片是否已被助焊剂残留物污染的模块。
18.一种计算机可读存储介质,其上存储有指令,所述指令在由至少一个处理器执行时,使得所述至少一个处理器执行根据权利要求1-8中的任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010662823.6A CN111816579B (zh) | 2020-07-10 | 2020-07-10 | 用于检测被助焊剂残留物污染的芯片的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010662823.6A CN111816579B (zh) | 2020-07-10 | 2020-07-10 | 用于检测被助焊剂残留物污染的芯片的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111816579A true CN111816579A (zh) | 2020-10-23 |
CN111816579B CN111816579B (zh) | 2023-04-07 |
Family
ID=72842659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010662823.6A Active CN111816579B (zh) | 2020-07-10 | 2020-07-10 | 用于检测被助焊剂残留物污染的芯片的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111816579B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419274A (zh) * | 2020-11-24 | 2021-02-26 | 英业达(重庆)有限公司 | 一种锡膏检测方法、系统、电子设备及介质 |
CN114264277A (zh) * | 2021-12-31 | 2022-04-01 | 英特尔产品(成都)有限公司 | 用于检测芯片基板平整度异常的方法和装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06331327A (ja) * | 1993-05-21 | 1994-12-02 | Matsushita Electric Ind Co Ltd | クリーム半田印刷状態の検査方法 |
JPH0894330A (ja) * | 1994-09-22 | 1996-04-12 | Aisin Seiki Co Ltd | 非接触外観検査装置及び非接触容量検査装置 |
JPH11274226A (ja) * | 1998-03-19 | 1999-10-08 | Sumitomo Metal Electronics Devices Inc | チップの実装方法 |
JP2000097882A (ja) * | 1998-09-21 | 2000-04-07 | Matsushita Electric Ind Co Ltd | X線検査方法及びx線検査装置 |
US20050162644A1 (en) * | 2004-01-23 | 2005-07-28 | Norio Watanabe | Fabrication method of semiconductor integrated circuit device |
US20050189657A1 (en) * | 1998-01-16 | 2005-09-01 | Beaty Elwin M. | Electronic component products and method of manufacturing electronic component products |
JP2009116419A (ja) * | 2007-11-02 | 2009-05-28 | Nidec Tosok Corp | 輪郭検出方法及び輪郭検出装置 |
CN101995223A (zh) * | 2009-08-25 | 2011-03-30 | 比亚迪股份有限公司 | 一种芯片外观检测方法及系统 |
WO2012002732A2 (en) * | 2010-06-29 | 2012-01-05 | Golfzon Co., Ltd. | Sensing processing device and method for moving ball and virtual golf simulation device using the same |
EP2434453A2 (en) * | 2010-09-24 | 2012-03-28 | Renesas Electronics Corporation | Method, apparatus and program for processing a contrast picture image of a semiconductor element |
KR20130137079A (ko) * | 2012-06-06 | 2013-12-16 | 시부야 코교 가부시키가이샤 | 미소 볼 탑재 워크의 리페어 장치 |
WO2015115432A1 (ja) * | 2014-01-29 | 2015-08-06 | オムロン株式会社 | 品質管理装置および品質管理装置の制御方法 |
JP2016070723A (ja) * | 2014-09-29 | 2016-05-09 | 大日本印刷株式会社 | 半田検査装置および方法 |
US20180080763A1 (en) * | 2016-09-20 | 2018-03-22 | Omron Corporation | X-ray inspection apparatus and control method |
-
2020
- 2020-07-10 CN CN202010662823.6A patent/CN111816579B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06331327A (ja) * | 1993-05-21 | 1994-12-02 | Matsushita Electric Ind Co Ltd | クリーム半田印刷状態の検査方法 |
JPH0894330A (ja) * | 1994-09-22 | 1996-04-12 | Aisin Seiki Co Ltd | 非接触外観検査装置及び非接触容量検査装置 |
US20050189657A1 (en) * | 1998-01-16 | 2005-09-01 | Beaty Elwin M. | Electronic component products and method of manufacturing electronic component products |
JPH11274226A (ja) * | 1998-03-19 | 1999-10-08 | Sumitomo Metal Electronics Devices Inc | チップの実装方法 |
JP2000097882A (ja) * | 1998-09-21 | 2000-04-07 | Matsushita Electric Ind Co Ltd | X線検査方法及びx線検査装置 |
US20050162644A1 (en) * | 2004-01-23 | 2005-07-28 | Norio Watanabe | Fabrication method of semiconductor integrated circuit device |
JP2009116419A (ja) * | 2007-11-02 | 2009-05-28 | Nidec Tosok Corp | 輪郭検出方法及び輪郭検出装置 |
CN101995223A (zh) * | 2009-08-25 | 2011-03-30 | 比亚迪股份有限公司 | 一种芯片外观检测方法及系统 |
WO2012002732A2 (en) * | 2010-06-29 | 2012-01-05 | Golfzon Co., Ltd. | Sensing processing device and method for moving ball and virtual golf simulation device using the same |
EP2434453A2 (en) * | 2010-09-24 | 2012-03-28 | Renesas Electronics Corporation | Method, apparatus and program for processing a contrast picture image of a semiconductor element |
KR20130137079A (ko) * | 2012-06-06 | 2013-12-16 | 시부야 코교 가부시키가이샤 | 미소 볼 탑재 워크의 리페어 장치 |
WO2015115432A1 (ja) * | 2014-01-29 | 2015-08-06 | オムロン株式会社 | 品質管理装置および品質管理装置の制御方法 |
JP2016070723A (ja) * | 2014-09-29 | 2016-05-09 | 大日本印刷株式会社 | 半田検査装置および方法 |
US20180080763A1 (en) * | 2016-09-20 | 2018-03-22 | Omron Corporation | X-ray inspection apparatus and control method |
Non-Patent Citations (3)
Title |
---|
"焊接技术2005年(1~6期)总目次", 《焊接技术》 * |
李乐等: "复杂背景下X射线BGA焊点气泡检测", 《焊接学报》 * |
李伟等: "基于自适应模板匹配的BGA焊点检测", 《自动化与仪器仪表》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419274A (zh) * | 2020-11-24 | 2021-02-26 | 英业达(重庆)有限公司 | 一种锡膏检测方法、系统、电子设备及介质 |
CN112419274B (zh) * | 2020-11-24 | 2024-04-26 | 英业达(重庆)有限公司 | 一种锡膏检测方法、系统、电子设备及介质 |
CN114264277A (zh) * | 2021-12-31 | 2022-04-01 | 英特尔产品(成都)有限公司 | 用于检测芯片基板平整度异常的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111816579B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3051279B2 (ja) | バンプ外観検査方法およびバンプ外観検査装置 | |
CN111627009A (zh) | 一种屏幕检测方法、装置及头戴显示设备 | |
WO2017067342A1 (zh) | 板卡位置检测方法及装置 | |
CN112577969B (zh) | 一种基于机器视觉的缺陷检测方法以及缺陷检测系统 | |
CN111612781A (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
WO2022088620A1 (zh) | 相机镜头的状态检测方法、装置、设备及存储介质 | |
CN111816579B (zh) | 用于检测被助焊剂残留物污染的芯片的方法和装置 | |
CN106501272B (zh) | 机器视觉焊锡定位检测系统 | |
CN108648175B (zh) | 一种检测方法和装置 | |
JP3329805B2 (ja) | 自動外観検査装置及び外観検査方法 | |
CN111307819B (zh) | 晶圆边缘缺陷检测系统及方法 | |
JP2004340832A (ja) | 回路基板の外観検査方法及び回路基板の外観検査装置 | |
CN117152165B (zh) | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 | |
CN113160161A (zh) | 目标边缘处缺陷的检测方法和装置 | |
KR20190023374A (ko) | 디스플레이 패널 검사 방법 | |
CN116630322B (zh) | 基于机器视觉的pcba板的质量检测方法 | |
US20230030689A1 (en) | Systems and methods for quantifying light flares in images | |
KR101677070B1 (ko) | 형태학적 영상 처리와 레이블링을 이용한 얼룩 결함 자동 검출 시스템 및 방법 | |
JP2014020926A (ja) | 表面欠陥検査装置及び表面欠陥検査方法 | |
US7024031B1 (en) | System and method for inspection using off-angle lighting | |
CN113379678A (zh) | 一种电路板检测方法、装置、电子设备及存储介质 | |
WO2024016715A1 (zh) | 检测系统的成像一致性的方法、装置和计算机存储介质 | |
Kuo et al. | Automated inspection of micro-defect recognition system for color filter | |
JP2007285868A (ja) | 輝度勾配検出方法、欠陥検出方法、輝度勾配検出装置および欠陥検出装置 | |
CN107680118B (zh) | 一种影像辨识追踪方法 |
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 |