CN112233110B - 芯片键合线的分割方法及其分割装置 - Google Patents
芯片键合线的分割方法及其分割装置 Download PDFInfo
- Publication number
- CN112233110B CN112233110B CN202011293153.1A CN202011293153A CN112233110B CN 112233110 B CN112233110 B CN 112233110B CN 202011293153 A CN202011293153 A CN 202011293153A CN 112233110 B CN112233110 B CN 112233110B
- Authority
- CN
- China
- Prior art keywords
- image
- bonding wire
- chip
- welding spot
- complete
- 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
Images
Classifications
-
- 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种芯片键合线的分割方法及其分割装置,其涉及数字图像处理技术领域,分割方法包括:对芯片的X射线图像进行自适应阈值二值化处理,以得到分离出的键合线焊点区域的图像;基于分离出的键合线焊点区域的图像计算得到焊点的质心坐标;对芯片的X射线图像进行边缘检测以获取键合线边缘轮廓的图像;以焊点的质心为标记点,在键合线边缘轮廓的图像上标记出完整的键合线图像;对键合线边缘轮廓的图像和标记后完整的键合线图像进行按位异或处理,再进行图像颜色取反处理以得到分离出的键合线的完整轮廓的图像;等等。本申请能够在图像中将键合线高效、准确的分割出来,从而为键合线断裂缺陷的自动在线检测提供良好的前置条件。
Description
技术领域
本发明涉及数字图像处理技术领域,特别涉及一种芯片键合线的分割方法及其分割装置。
背景技术
引线键合技术是将半导体裸芯片焊区与微电子封装的I/O引线或基板上的金属布线焊区用金属细线连接起来的工艺技术。在芯片出厂前必须经过严格的检测,从而确保焊接好的键合线不存在断裂的缺陷。
因此,能否自动分割出芯片上键合线的轮廓是促进其自动化在线检测的关键。另外,图1为原始的芯片的X射线图像,如图1所示,芯片上的背景轮廓较为复杂,常见的图像处理步骤难以将键合线轮廓干净的分割出来,图2为采用现有技术分割出的键合线的轮廓,具体可以如图2所示。所以,亟需一种新的方法能够在图像中将键合线高效准确的分割出来,从而可以为键合线断裂缺陷的自动在线检测提供良好的前置条件。
发明内容
为了克服现有技术的上述缺陷,本发明实施例所要解决的技术问题是提供了一种芯片键合线的分割方法及其分割装置,其能够在图像中将键合线高效、准确的分割出来,从而为键合线断裂缺陷的自动在线检测提供良好的前置条件。
本发明实施例的具体技术方案是:
一种芯片键合线的分割方法,所述芯片键合线的分割方法包括:
对芯片的X射线图像进行自适应阈值二值化处理,以得到分离出的键合线焊点区域的图像;
基于分离出的键合线焊点区域的图像计算得到焊点的质心坐标;
对芯片的X射线图像使用高斯拉普拉斯算子进行边缘检测以获取键合线边缘轮廓的图像;
以焊点的质心为标记点,在键合线边缘轮廓的图像上使用区域生长算法标记出完整的键合线图像;
对键合线边缘轮廓的图像和标记后的完整的键合线图像进行按位异或处理,再进行图像颜色取反处理以得到分离出的键合线的完整轮廓的图像;
根据分离出的键合线的完整轮廓的图像判断键合线是否存在断裂缺陷。
优选地,在步骤对芯片的X射线图像进行自适应阈值二值化处理,以得到分离出的键合线焊点区域的图像中,其包括:对芯片的X射线图像进行处理得到积分图像;根据积分图像计算出每个像素周围s×s大小的邻域灰度平均值,将当前像素灰度值小于邻域灰度平均值的t%则将其置为黑色,否则置为白色,从而得到分离出的键合线焊点区域的图像;其中,s表示邻域大小,t表示设定的浮动数值。
优选地,在步骤对芯片的X射线图像进行处理得到积分图像中,
设图像大小为i×j,分别使用f(i,j)和I(i,j)来表示原始图像和积分图像中(i,j)位置的像素值,则积分图像中每个点的像素值表示为:
I(i,j)=f(i,j)+I(i-1,j)+I(i,j-1)-I(i-1,j-1)
其中初始边界:
I(-1,j)=I(i,-1)=I(-1,-1)=0
经过上述运算得到积分图像。
优选地,在步骤基于分离出的键合线焊点区域的图像计算得到焊点的质心坐标中,具体过程如下:
使用图像的几何矩表示焊点区域的面积,分离出的键合线焊点区域的图像的大小为M×N,其p+q阶几何矩mpq的计算公式为:
其中,其中f(i,j)为图像在坐标点(i,j)的灰度值。p和q分别代表几何矩阶数的系数;
根据上述公式计算出一阶矩m10和m01,则焊点的质心坐标中的X坐标和Y坐标分别可表示为:
优选地,在步骤对芯片的X射线图像使用高斯拉普拉斯算子进行边缘检测以获取键合线边缘轮廓的图像中,其具体过程如下:
采用二维高斯函数来对芯片的X射线图像做平滑处理,该二维高斯函数具体如下:
根据二维高斯函数得到的各阶偏导数计算得到LoG算子,其表示为:
基于该LoG算子表达式的特性,用卷积模板表示如下:
将芯片的X射线图像内各像素点的灰度值乘以模板上对应的系数再求和来得到运算结果,从而得到键合线边缘轮廓的图像。
优选地,在步骤以焊点的质心为标记点,在键合线边缘轮廓的图像上使用区域生长算法标记出完整的键合线图像中,具体过程如下:
将焊点图像的质心坐标作为标记点,在键合线边缘轮廓的图像上使用区域生长算法,即:在每一个区域内首先要指定一个标记点作为生长的起点;然后将标记点周围邻域的像素点与标记点进行比较,对具有相似性质的点合并之后继续向外生长,直到没有满足条件的像素被包括进来为止,最终得到完整的键合线图像。
优选地,在步骤对键合线边缘轮廓的图像和标记后的完整的键合线图像进行按位异或处理,再进行图像颜色取反处理以得到分离出的键合线的完整轮廓的图像中,具体过程如下:
对键合线边缘轮廓的图像和完整的键合线图像进行如下逻辑处理:若两像素颜色相异,则将结果图像中相同位置的值设为1,否则设为0;
再进行图像颜色取反处理以得到分离出的键合线的完整轮廓的图像。
一种芯片键合线的分割装置,包括存储器和处理器,存储器中存储计算机程序,所述计算机程序在被所述处理器执行时,实现以下步骤:如上述任一所述的芯片键合线的分割方法。
本发明的技术方案具有以下显著有益效果:
本申请根据芯片的结构特征和X射线图像的特点,提出了一种芯片键合线的分割方法及其分割装置,该申请可以在芯片的X射线图像上将键合线轮廓干净的分割出来,从而作为自动判别键合线是否存在断裂缺陷的基础,其具有良好的实用价值,工程应用前景广阔。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
附图说明
在此描述的附图仅用于解释目的,而不意图以任何方式来限制本发明公开的范围。另外,图中的各部件的形状和比例尺寸等仅为示意性的,用于帮助对本发明的理解,并不是具体限定本发明各部件的形状和比例尺寸。本领域的技术人员在本发明的教导下,可以根据具体情况选择各种可能的形状和比例尺寸来实施本发明。
图1为原始的芯片的X射线图像;
图2为采用现有技术分割出的键合线的轮廓;
图3为本发明实施例中芯片键合线的分割方法的流程示意图;
图4为本发明实施例中分割出的键合线焊点的图像;
图5为本发明实施例中LoG算子边缘检测后的图像;
图6为本发明实施例中区域生长法处理后的图像;
图7为本发明实施例中分割出的键合线的图像。
具体实施方式
结合附图和本发明具体实施方式的描述,能够更加清楚地了解本发明的细节。但是,在此描述的本发明的具体实施方式,仅用于解释本发明的目的,而不能以任何方式理解成是对本发明的限制。在本发明的教导下,技术人员可以构想基于本发明的任意可能的变形,这些都应被视为属于本发明的范围。需要说明的是,当元件被称为“设置于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。本文所使用的术语“垂直的”、“水平的”、“上”、“下”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在于限制本申请。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
为了能够在图像中将键合线高效、准确的分割出来,从而为键合线断裂缺陷的自动在线检测提供良好的前置条件,在本申请中提出了一种芯片键合线的分割方法,图3为本发明实施例中芯片键合线的分割方法的流程示意图,如图3所示,所述芯片键合线的分割方法可以包括:
S101:对芯片的X射线图像进行自适应阈值二值化处理,以得到分离出的键合线焊点区域的图像。
对芯片进行扫描拍摄从而得到芯片的X射线图像。使用电子设备如电脑等加载芯片的X射线图像,然后对芯片的X射线图像进行自适应阈值二值化处理,以得到分离出的键合线焊点区域的图像。该过程具体可以包括如下步骤:
S201:对芯片的X射线图像进行处理得到积分图像,具体过程如下:
求积分图像的目的在于后续的局部自适应阈值选取中,需要对以每个像素点为中心邻域的区域进行灰度值求和运算。假如设图像大小为i×j,邻域大小为s。则针对每幅图像都需要进行i×j×s2次运算,这将会大大拖慢图像处理的效率,难以满足在线实时检测的速度要求。利用原始图像的积分图像可以解决这一问题。积分图像的含义是该图像中每一点的灰度值等于原始图像中在该像素点之前所有像素点灰度值之和。
因此,分别使用f(i,j)和I(i,j)来表示原始图像和积分图像中(i,j)位置的像素值,则积分图像中每个点的像素值表示为:
I(i,j)=f(i,j)+I(i-1,j)+I(i,j-1)-I(i-1,j-1)
其中初始边界:
I(-1,j)=I(i,-1)=I(-1,-1)=0
经过上述运算得到积分图像。
利用积分图像计算任意矩形邻域中像素值之和可以表示为:
即针对每一个位置只需固定查找积分图像4次即可完成求和,其中a,b,c,d为区域的四个边界。这使得全图的运算次数由i×j×s2下降到了i×j×4。
S202:根据积分图像可以在恒定较短的时间内计算出每个像素周围s×s大小的邻域灰度平均值,将当前像素灰度值小于邻域灰度平均值的t%则将其置为黑色,否则置为白色,从而得到分离出的键合线焊点区域的图像,图4为本发明实施例中分割出的键合线焊点的图像,具体如图4所示。当前像素点的邻域平均灰度值的t%为该点的局部自适应阈值,t表示设定的浮动数值,可以根据实际效果进行一定的调整。
S102:基于分离出的键合线焊点区域的图像计算得到焊点的质心坐标。
使用图像的几何矩表示焊点区域的面积,则计算几何矩的一阶矩可以找到其质心。分离出的键合线焊点区域的图像f(i,j)的大小为M×N,其p+q阶几何矩mpq的计算公式为:
其中,其中f(i,j)为图像在坐标点(i,j)的灰度值。p和q分别代表几何矩阶数的系数;
根据上述公式计算出一阶矩m10和m01,其中m10为p=1,q=0;m01为p=0,q=1;则焊点的质心坐标中的X坐标和Y坐标分别可表示为:
其中m00为p=0,q=0。
S103:对芯片的X射线图像使用高斯拉普拉斯算子进行边缘检测以获取键合线边缘轮廓的图像。
利用高斯拉普拉斯算子(以下简称LoG算子)可以获取清晰且锐利的键合线边缘轮廓。常见边缘检测算法中,通常使用的是3×3领域的检测模板。这样的模板运算量相对较小,但是不足之处是检测精度较低,得到的边缘线条不规整。LoG算子用到的是高斯函数的二阶导数,可以在一定程度上压制噪声对边缘检测结果的影响。获取LoG算子的过程如下:
LoG算子用到的高斯函数的一维和二维函数表达式分别为:
其中,σ表示生成高斯滤波器所使用的标准差,该系数的调整可以改变高斯函数的平滑程度,默认可设置σ=2,x和y分别表示坐标轴的X轴和Y轴的坐标。二维高斯函数的一阶偏导数表达式为:
二维高斯函数的二阶偏导数表达式为:
为了降低噪声在边缘检测中的影响,先采用二维高斯函数来对芯片的X射线图像做平滑处理,该二维高斯函数具体如下:
根据二维高斯函数得到的各阶偏导数计算得到LoG算子,其表示为:
该模板的实质是一组系数因子,不同位置的系数大小结合起来描述了LoG算子的曲线形状,且模板中所有系数因子的和为0。
将芯片的X射线图像内各像素点的灰度值乘以模板上对应的系数再求和来得到运算结果,从而得到键合线边缘轮廓的图像,图5为本发明实施例中LoG算子边缘检测后的图像,具体如图5所示。
S104:以焊点的质心为标记点,在键合线边缘轮廓的图像上使用区域生长算法标记出完整的键合线图像。
将焊点图像的质心坐标作为标记点,在键合线边缘轮廓的图像上使用区域生长算法,区域生长算法的基本思想是:将具有相似性质的像素点合并到一起。即,在每一个区域内首先要指定一个标记点作为生长的起点;然后将标记点周围邻域的像素点与标记点进行比较,对具有相似性质的点合并之后继续向外生长,直到没有满足条件的像素被包括进来为止,最终得到标记后的完整的键合线图像。
经过前面几个过程的处理,键合线区域和其他区域的分界线处拥有了锐利的边缘,再配合找到的焊点质心坐标作为标记点,经过区域生长算法处理后的效果如图6所示,图6为本发明实施例中区域生长法处理后的图像。
S105:对键合线边缘轮廓的图像和标记后的完整的键合线图像进行按位异或处理,再进行图像颜色取反处理以得到分离出的键合线的完整轮廓的图像。
对键合线边缘轮廓的图像和完整的键合线图像进行如下逻辑处理:若两像素颜色相异,则将结果图像中相同位置的值设为1,否则设为0。该运算相当于获取了参与运算的两幅图像的差异部分。
按照惯例,习惯将前景设为黑色,背景设为白色,因此,再进行图像颜色取反处理以得到分离出的键合线的完整轮廓的图像,最终处理后的效果图如图7所示,图7为本发明实施例中分割出的键合线的图像。
S106:根据分离出的键合线的完整轮廓的图像判断键合线是否存在断裂缺陷。
分离出的键合线的完整轮廓的图像是清楚的、干净的,不存在其它干扰图像,因此,在自动在线检测装置中可以直接通过机器判断键合线是否存在断裂缺陷,这种操作过程具有高效性和可靠性。
本申请根据芯片的结构特征和X射线图像的特点,提出了一种芯片键合线的分割方法及其分割装置,该申请可以在芯片的X射线图像上将键合线轮廓干净的分割出来,从而作为自动判别键合线是否存在断裂缺陷的基础,其具有良好的实用价值,工程应用前景广阔。
披露的所有文章和参考资料,包括专利申请和出版物,出于各种目的通过援引结合于此。描述组合的术语“基本由…构成”应该包括所确定的元件、成分、部件或步骤以及实质上没有影响该组合的基本新颖特征的其他元件、成分、部件或步骤。使用术语“包含”或“包括”来描述这里的元件、成分、部件或步骤的组合也想到了基本由这些元件、成分、部件或步骤构成的实施方式。这里通过使用术语“可以”,旨在说明“可以”包括的所描述的任何属性都是可选的。多个元件、成分、部件或步骤能够由单个集成元件、成分、部件或步骤来提供。另选地,单个集成元件、成分、部件或步骤可以被分成分离的多个元件、成分、部件或步骤。用来描述元件、成分、部件或步骤的公开“一”或“一个”并不说为了排除其他的元件、成分、部件或步骤。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种芯片键合线的分割方法,其特征在于,所述芯片键合线的分割方法包括:
对芯片的X射线图像进行自适应阈值二值化处理,以得到分离出的键合线焊点区域的图像;
基于分离出的键合线焊点区域的图像计算得到焊点的质心坐标:
使用图像的几何矩计算焊点的质心点坐标,设分离出的键合线焊点区域的图像的大小为M×N,其p+q阶几何矩mpq的计算公式为:
其中,f(i,j)为图像在坐标点(i,j)的灰度值;p和q分别代表几何矩阶数的系数;
根据上述公式计算出一阶矩m10和m01,则焊点的质心坐标中的x坐标和y坐标分别可表示为:
对芯片的X射线图像使用高斯拉普拉斯算子进行边缘检测以获取键合线边缘轮廓的图像;
以焊点的质心为标记点,在键合线边缘轮廓的图像上使用区域生长算法标记出完整的键合线图像;
对键合线边缘轮廓的图像和标记后的完整的键合线图像进行按位异或处理,再进行图像颜色取反处理以得到分离出的键合线的完整轮廓的图像;
根据分离出的键合线的完整轮廓的图像判断键合线是否存在断裂缺陷。
2.根据权利要求1所述的芯片键合线的分割方法,其特征在于,在步骤对芯片的X射线图像进行自适应阈值二值化处理,以得到分离出的键合线焊点区域的图像,其中包括:对芯片的X射线图像进行处理得到积分图像;根据积分图像计算出每个像素周围s×s大小的邻域灰度平均值,若当前像素灰度值小于邻域灰度平均值的t%则将其置为黑色,否则置为白色,从而得到分离出的键合线焊点区域的图像;其中,s表示邻域大小,t表示设定的浮动数值。
3.根据权利要求2所述的芯片键合线的分割方法,其特征在于,在步骤对芯片的X射线图像进行处理得到积分图像中,
设图像大小为i×j,分别使用f(i,j)和I(i,j)来表示原始图像和积分图像中(i,j)位置的像素值,则积分图像中每个点的像素值表示为:
I(i,j)=f(i,j)+I(i-1,j)+I(i,j-1)-I(i-1,j-1);
其中初始边界:
I(-1,j)=I(i,-1)=I(-1,-1)=0;
经过上述运算得到积分图像。
4.根据权利要求1所述的芯片键合线的分割方法,其特征在于,在步骤对芯片的X射线图像使用高斯拉普拉斯算子进行边缘检测以获取键合线边缘轮廓的图像中,其具体过程如下:
采用二维高斯函数来对芯片的X射线图像做平滑处理,该二维高斯函数具体如下:
其中,σ表示生成高斯滤波器所使用的标准差;x和y分别表示坐标轴的X轴和Y轴的坐标;
根据二维高斯函数得到的各阶偏导数计算得到LoG算子,其表示为:
基于该LoG算子表达式的特性,用卷积模板表示如下:
将芯片的X射线图像内各像素点的灰度值乘以模板上对应的系数再求和来得到运算结果,从而得到键合线边缘轮廓的图像。
5.根据权利要求1所述的芯片键合线的分割方法,其特征在于,在步骤以焊点的质心为标记点,在键合线边缘轮廓的图像上使用区域生长算法标记出完整的键合线图像中,具体过程如下:
将焊点图像的质心坐标作为标记点,在键合线边缘轮廓的图像上使用区域生长算法,即:在每一个区域内首先要指定一个标记点作为生长的起点;然后将标记点周围邻域的像素点与标记点进行比较,对具有相似性质的点合并之后继续向外生长,直到没有满足条件的像素被包括进来为止,最终得到完整的键合线图像。
6.根据权利要求1所述的芯片键合线的分割方法,其特征在于,在步骤对键合线边缘轮廓的图像和标记后的完整的键合线图像进行按位异或处理,再进行图像颜色取反处理以得到分离出的键合线的完整轮廓的图像中,具体过程如下:
对键合线边缘轮廓的图像和完整的键合线图像进行如下逻辑处理:若同位置两像素颜色相异,则将结果图像中相同位置的值设为1,否则设为0;
再进行图像颜色取反处理以得到分离出的键合线的完整轮廓的图像。
7.一种芯片键合线的分割装置,包括存储器和处理器,存储器中存储计算机程序,所述计算机程序在被所述处理器执行时,实现以下步骤:如权利要求1至6中任一所述的芯片键合线的分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011293153.1A CN112233110B (zh) | 2020-11-18 | 2020-11-18 | 芯片键合线的分割方法及其分割装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011293153.1A CN112233110B (zh) | 2020-11-18 | 2020-11-18 | 芯片键合线的分割方法及其分割装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112233110A CN112233110A (zh) | 2021-01-15 |
CN112233110B true CN112233110B (zh) | 2023-04-07 |
Family
ID=74124384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011293153.1A Active CN112233110B (zh) | 2020-11-18 | 2020-11-18 | 芯片键合线的分割方法及其分割装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112233110B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI785637B (zh) * | 2021-06-07 | 2022-12-01 | 國立陽明交通大學 | 預測可靠度的輔助預測系統、方法及電腦程式產品 |
CN113570550B (zh) * | 2021-07-01 | 2022-04-01 | 南京航空航天大学 | 一种基于三维点云的金丝键合尺寸检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005172559A (ja) * | 2003-12-10 | 2005-06-30 | Seiko Epson Corp | パネルの線欠陥検出方法及び装置 |
CN102496161A (zh) * | 2011-12-13 | 2012-06-13 | 浙江欧威科技有限公司 | 一种印刷电路板图像的轮廓提取方法 |
CN108009535A (zh) * | 2017-11-21 | 2018-05-08 | 武汉中元华电科技股份有限公司 | 一种基于机器视觉的单指针仪表读数方法 |
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 |
-
2020
- 2020-11-18 CN CN202011293153.1A patent/CN112233110B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005172559A (ja) * | 2003-12-10 | 2005-06-30 | Seiko Epson Corp | パネルの線欠陥検出方法及び装置 |
CN102496161A (zh) * | 2011-12-13 | 2012-06-13 | 浙江欧威科技有限公司 | 一种印刷电路板图像的轮廓提取方法 |
CN108009535A (zh) * | 2017-11-21 | 2018-05-08 | 武汉中元华电科技股份有限公司 | 一种基于机器视觉的单指针仪表读数方法 |
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 |
Non-Patent Citations (2)
Title |
---|
基于机器视觉的电容屏非可视区引线缺陷检测方法研究;姚晓飞;《中国优秀硕士论文库》;20140715(第7期);第29-35页 * |
姚晓飞.基于机器视觉的电容屏非可视区引线缺陷检测方法研究.《中国优秀硕士论文库》.2014,(第7期), * |
Also Published As
Publication number | Publication date |
---|---|
CN112233110A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112233110B (zh) | 芯片键合线的分割方法及其分割装置 | |
CN112529858A (zh) | 一种基于机器视觉的焊缝图像处理方法 | |
JP2016200970A (ja) | 主被写体検出方法、主被写体検出装置及びプログラム | |
CN111353981B (zh) | 基于机器视觉的齿轮检测方法、系统及存储介质 | |
CN112767399A (zh) | 半导体焊线缺陷检测方法、电子设备及存储介质 | |
EP3748578A1 (en) | Automatic visual detection of defects in images of via holes | |
CN114613705B (zh) | 一种半导体元器件加工的控制方法、系统及介质 | |
CN113240693A (zh) | 芯片切割控制方法、系统、设备及计算机可读存储介质 | |
CN115527049A (zh) | 一种引线框架引脚间距的高精度测量方法 | |
WO2015115499A1 (ja) | 工具検査方法及び工具検査装置 | |
JP2011007728A (ja) | 欠陥検出方法、欠陥検出装置、および欠陥検出プログラム | |
CN115229899A (zh) | 巴块切割控制方法、装置及巴块切割系统 | |
CN117495856B (zh) | 基于深度学习的晶圆表面检测方法、装置、设备和介质 | |
CN117115261B (zh) | 一种基于薄型晶圆片的刀轮切割定位方法及系统 | |
CN110310239B (zh) | 一种基于特性值拟合消除光照影响的图像处理方法 | |
CN107767372B (zh) | 一种分层并行计算的芯片管脚在线视觉检测系统及其方法 | |
CN114202487B (zh) | 一种定位孔的检测方法 | |
CN114332042A (zh) | 一种半导体分立元件线型检测方法及检测设备 | |
CN116681752B (zh) | Dbc焊料层空洞缺陷的空洞率计算方法及装置 | |
CN114878570B (zh) | 一种基于机器视觉的可转位刀片刃口钝化检测方法 | |
KR101581260B1 (ko) | 동적 계획법 기반의 마이크로 크랙 검사 방법 | |
CN115876786B (zh) | 楔形焊点的检测方法及运动控制装置 | |
CN117173156B (zh) | 基于机器视觉的极片毛刺检测方法、装置、设备及介质 | |
CN114049369B (zh) | 基于自适应阈值分割算法的农料均匀性检测方法及系统 | |
CN116912824A (zh) | 一种自动识别和计算芯片内部键合丝数量的方法 |
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 |