CN115112673A - 一种晶圆级封装芯片外观缺陷检测方法及检测系统 - Google Patents

一种晶圆级封装芯片外观缺陷检测方法及检测系统 Download PDF

Info

Publication number
CN115112673A
CN115112673A CN202210595290.3A CN202210595290A CN115112673A CN 115112673 A CN115112673 A CN 115112673A CN 202210595290 A CN202210595290 A CN 202210595290A CN 115112673 A CN115112673 A CN 115112673A
Authority
CN
China
Prior art keywords
chip
images
tray
detection
image
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.)
Pending
Application number
CN202210595290.3A
Other languages
English (en)
Inventor
蒋剑峰
郑军
肖鋆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Matrixtime Robotics Shanghai Co ltd
Original Assignee
Matrixtime Robotics Shanghai Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Matrixtime Robotics Shanghai Co ltd filed Critical Matrixtime Robotics Shanghai Co ltd
Priority to CN202210595290.3A priority Critical patent/CN115112673A/zh
Publication of CN115112673A publication Critical patent/CN115112673A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G01N21/9505—Wafer internal defects, e.g. microcracks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N21/13—Moving of cuvettes or solid samples to or from the investigating station
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/06—Illumination; Optics
    • G01N2201/061—Sources
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/10—Scanning
    • G01N2201/102—Video camera
    • 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)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Textile Engineering (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开一种晶圆级封装芯片外观缺陷检测方法及检测系统，在高角度环形光源和低角度环形光源照射下用相机分别对料盘芯片单独成像，根据若干个区域图像模板，对每个所述芯片图像分别提取出对应的区域图像，针对不同所述区域图像采用不同的第二级算法进行处理；将各个第二级算法检测结果汇总，获得单个芯片的检测结果输出，通过循环检测获得每个芯片的检测结果并汇总，获得整个料盘芯片的结果输出；本发明通过成像和算法相结合，实现对目标缺陷更有效的检出，避免漏检。

Description

一种晶圆级封装芯片外观缺陷检测方法及检测系统
技术领域
本发明涉及到晶圆级芯片封装检测技术领域，具体涉及到一种晶圆级封装芯片外观缺陷检测方法及检测系统。
背景技术
WLCSP封装技术有别于传统封装方式，在结束前端晶圆制作流程的晶圆上直接完成所有的操作，在整片晶圆上进行封装和测试，然后切割成单片IC小颗粒，从而使WLCSP可以实现与芯片尺寸相同的最小的封装体。切割后芯片颗粒尺寸较小，从几个毫米到十几毫米。芯片制造过程中，由于材料本身原因以及工艺制程问题会产生各种外观缺陷，主要包括锡球不良、线路不良和树脂保护层的不良等。芯片上锡球尺寸越来越小，线路越来越复杂，线宽越来越窄；同时，锡球、线路层和树脂保护层位于不同高度层面，同时聚焦多个高度目标时，容易漏检。总而言之，芯片结构复杂、尺寸小造成上面的缺陷肉眼不容易被发现。
目前WLCSP芯片封装厂基本采用显微镜下人工目测的方式实施外观缺陷检测，由于产品数量大，人工检测效率很低，且人眼易疲劳，易受外界干扰因素影响，检测效果不稳定，漏检率的管控非常困难。因此采用机器视觉技术替代人眼和人脑，实现自动外观缺陷检测显得越来越重要。
发明内容
本发明的目的是针对现有技术存在的问题，提供一种晶圆级封装芯片外观缺陷检测方法及检测系统，通过成像技术与算法的结合，实现对目标缺陷更有效的检出，避免漏检。
为实现上述目的，本发明采用的技术方案是：
本发明提供一种晶圆级封装芯片外观缺陷检测方法，包括以下步骤：
步骤S1、CAD软件中载入芯片产品设计图，同时选取有代表性的芯片良品图像，将两幅图像融合后局部修正，得到标准模板；并且利用CAD软件的图纸分层功能，将所述标准模板按不同功能区分割为若干个区域图像模板。
在高角度环形光源和低角度环形光源照射下用相机分别对料盘芯片单独成像；将两次所述单独成像的图像通过设定权值比例合成一幅新的料盘芯片图像；
具体的，所述高角度环形光源将锡球的上半部的顶部打亮，所述低角度环形光源将锡球的上半部的底部打亮，两次所述单独成像的图像通过算法合成在一起，获取了锡球上半部的三维完整信息，通过比对良品实现对锡球缺陷的有效检出。
所述高角度环形光源配合相机对芯片的二维缺陷清晰成像，所述低角度环形光源配合相机对芯片的三维缺陷清晰成像，其中二维缺陷为短路、断路等，三维缺陷为划伤、树脂保护层破损等。两组光源的结合使用实现了对芯片上各种缺陷的清晰成像，具体某种缺陷的检测必须结合两幅图像的特征信息做综合处理。
光学成像系统由高角度红外环形光源和低角度红外环形光源和工业线阵相机组成，工业线阵相机分别在两个光源下对被测芯片单独成像，然后对两幅图像进行处理实现检测。
步骤S2、成像系统输入整盘所述料盘芯片图像，通过模板匹配算法分割出整个料盘中每颗芯片的单独区域，获取每个所述单独区域中的芯片图像，对每个所述芯片图像进行第一级检测，所述第一级检测通过设定算法检测芯片的非正常摆设，例如芯片正反面倒置、芯片空缺和芯片偏斜，如果摆设异常，提示操作人员介入做修正，否则进入下一步检测流程；
步骤S3、根据若干个所述区域图像模板，对每个所述芯片图像分别提取出对应的区域图像，针对不同所述区域图像采用不同的第二级算法进行处理；
具体的，所述区域图像模板包括线路区图像模板、锡球区图像模板和保护区图像模板；采用第二级传统视觉算法处理线路区图像模板和锡球区图像模板，与芯片实际图像对应区域匹配，通过对比，检测出结构性缺陷；采用第二级AI算法处理保护区图像模板，通过收集各种类型缺陷大量的图像并做相应的缺陷标注，定制设计AI算法模型，将标注后图像数据输入AI算法模型，通过训练调参，逐步优化模型，达到对非结构性缺陷的检测结果。
需要指出的是，本发明的步骤S1中的成像方案与步骤S3中的算法并非单独存在的，而是互相支撑配合，共同实现对目标缺陷更有效的检出，具体体现在，通过高、低角度光源的分别照射芯片独立成像，使芯片的不同高度呈现出具有差距的明亮度，方便从每颗芯片图像中分别提取出不同高度的锡球区、线路区和保护区图像，以便针对不同区域使用对应的算法进行处理。
步骤S4、将各个第二级算法检测结果汇总，获得单个芯片的检测结果输出，通过循环检测获得每个芯片的检测结果并汇总，获得整个料盘芯片的结果输出。
上述方案的改进点和相应优点在于，
其一，采用独特的高、低角度红外环形光源分时成像的打光方案，解决了芯片上不同高度差的区域中不同种类缺陷均能清晰成像的难题，解决了树脂层覆盖下金属线路层的清晰成像问题。
其二，成像方案与算法并非单独存在的，而是互相支撑配合，共同实现对目标缺陷更有效的检出，具体体现在，通过高、低角度光源的分别照射芯片独立成像，使芯片的不同高度呈现出具有差距的明亮度，方便从每颗芯片图像中分别提取出不同高度的锡球区、线路区和保护区图像，以便针对不同区域使用对应的算法进行处理，实现芯片更加准确的检测结果输出。
其三，采用两级检测算法框架，分流异常和正常检测；采用并行双层算法，分别采用传统视觉检测算法和AI算法对芯片结构性缺陷和非结构性缺陷分别实施检出，然后合并信息完成对整个芯片的检测。
进一步的，结合所述标准模板的图像和同批次有相同特征锚点的良品单颗芯片图像，以所述特征锚点为定位点，对准两幅图像后，忽略细节像素级差异，比较两者大的结构性差异，将两者按结构特征做集合逻辑运算得到复合式模板，将所述复合式模板作为下一步的标准模板。
优点在于，算法上采用复合模板创建和复合图像处理两种特殊算法，通过CAD图纸和实际良品图像形成修正模板，通过对高、低角度两幅图像的合成分析，实现对目标更有效的检出和降低过检率。
本发明提供一种晶圆级封装芯片外观缺陷检测系统，包括：运送机构、光学检测装置、主控制器、挑料位、挑补料机构、坏料盘位、补料位；
多个整盘的料盘芯片依次下料被运送到光学检测装置处，光学检测装置采用高角度环形光源和低角度环形光源照射下分别对料盘芯片单独成像，主控制器根据权利要求1的检测方法检测并输出料盘芯片的检测结果；
然后整盘的所述料盘芯片被运送到挑料位，挑补料机构剔除坏料并将坏料置于坏料盘位处，剔除坏料的所述料盘芯片被运送到补料位；
挑补料机构将所述料盘芯片的良品补到下个在挑料位被挑出坏料的料盘空位中，获得满盘良品芯片，实现良品和坏料的分拣。
上述方案通过整合专门设计的光学检测装置、自动化分拣系统、定制的检测软件和检测算法，有效地实现了对此类芯片上各种缺陷的有效检出以及自动化分拣。
与现有技术相比，本发明的有益效果是：
1、采用独特的高、低角度红外环形光源分时成像的打光方案，解决了芯片上不同高度差的区域中不同种类缺陷均能清晰成像的难题，解决了树脂层覆盖下金属线路层的清晰成像问题；
2、成像方案与算法并非单独存在的，而是互相支撑配合，共同实现对目标缺陷更有效的检出，具体体现在，通过高、低角度光源的分别照射芯片独立成像，使芯片的不同高度呈现出具有差距的明亮度，方便从每颗芯片图像中分别提取出不同高度的锡球区、线路区和保护区图像，以便针对不同区域使用对应的算法进行处理，避免漏检，实现芯片更加准确的检测结果输出；
3、采用两级检测算法框架，分流异常和正常检测；采用并行双层算法，分别采用传统视觉检测算法和AI算法对芯片结构性缺陷和非结构性缺陷分别实施检出，然后合并信息完成对整个芯片的检测；
4、算法上采用复合模板创建和复合图像处理两种特殊算法，通过CAD图纸和实际良品图像形成修正模板，通过对高、低角度两幅图像的合成分析，实现对目标更有效的检出和降低过检率；
5、整合专门设计的光学检测装置、自动化分拣系统、定制的检测软件和检测算法，有效地实现了对此类芯片上各种缺陷的有效检出以及自动化分拣。
附图说明
图1为本发明一种晶圆级封装芯片外观缺陷检测方法的流程示意图；
图2为本发明光学成像系统的结构示意图；
图3为本发明一种晶圆级封装芯片外观缺陷检测系统的俯视图；
图中：1、工业线阵相机；2、高角度红外环形光源；3、低角度红外环形光源；4、被测芯片；5、上料机构；6、光学检测装置；7、挑料位；8、挑补料机构；9、坏料盘位； 10、补料位；11、良品盘料仓；12、空盘料仓。
具体实施方式
下面将结合本发明中的附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动条件下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“上”、“下”、“左”、“右”、“顶部”、“底部”、“内”、“外”、“水平”、“垂直”等指示的方位或位置关系为均基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
如图1所示，本发明提供一种晶圆级封装芯片外观缺陷检测方法，包括以下步骤：
步骤S1、CAD软件中载入芯片产品设计图，同时选取有代表性的芯片良品图像，将两幅图像融合后局部修正，得到标准模板；并且利用CAD软件的图纸分层功能，将所述标准模板按不同功能区分割为若干个区域图像模板。
在高角度环形光源和低角度环形光源照射下用相机分别对料盘芯片单独成像；将两次所述单独成像的图像通过设定权值比例合成一幅新的料盘芯片图像；
具体的，所述高角度环形光源将锡球的上半部的顶部打亮，所述低角度环形光源将锡球的上半部的底部打亮，两次所述单独成像的图像通过算法合成在一起，获取了锡球上半部的三维完整信息，通过比对良品实现对锡球缺陷的有效检出。
所述高角度环形光源配合相机对芯片的二维缺陷清晰成像，所述低角度环形光源配合相机对芯片的三维缺陷清晰成像，其中二维缺陷为短路、断路等，三维缺陷为划伤、树脂保护层破损等。两组光源的结合使用实现了对芯片上各种缺陷的清晰成像，具体某种缺陷的检测必须结合两幅图像的特征信息做综合处理。
如图2所示，光学成像系统由高角度红外环形光源1和低角度红外环形光源2和工业线阵相机3组成，工业线阵相机3分别在两个光源下对被测芯片4单独成像，然后对两幅图像进行处理实现检测。
步骤S2、成像系统输入整盘所述料盘芯片图像，通过模板匹配算法分割出整个料盘中每颗芯片的单独区域，获取每个所述单独区域中的芯片图像，对每个所述芯片图像进行第一级检测，所述第一级检测通过设定算法检测芯片的非正常摆设，例如芯片正反面倒置、芯片空缺和芯片偏斜，如果摆设异常，提示操作人员介入做修正，否则进入下一步检测流程；
步骤S3、根据若干个所述区域图像模板，对每个所述芯片图像分别提取出对应的区域图像，针对不同所述区域图像采用不同的第二级算法进行处理；
具体的，所述区域图像模板包括线路区图像模板、锡球区图像模板和保护区图像模板；采用第二级传统视觉算法处理线路区图像模板和锡球区图像模板，与芯片实际图像对应区域匹配，通过对比，检测出结构性缺陷；采用第二级AI算法处理保护区图像模板，通过收集各种类型缺陷大量的图像并做相应的缺陷标注，定制设计AI算法模型，将标注后图像数据输入AI算法模型，通过训练调参，逐步优化模型，达到对非结构性缺陷的检测结果。
需要指出的是，本发明的步骤S1中的成像方案与步骤S3中的算法并非单独存在的，而是互相支撑配合，共同实现对目标缺陷更有效的检出，具体体现在，通过高、低角度光源的分别照射芯片独立成像，使芯片的不同高度呈现出具有差距的明亮度，方便从每颗芯片图像中分别提取出不同高度的锡球区、线路区和保护区图像，以便针对不同区域使用对应的算法进行处理，避免漏检。
步骤S4、将各个第二级算法检测结果汇总，获得单个芯片的检测结果输出，通过循环检测获得每个芯片的检测结果并汇总，获得整个料盘芯片的结果输出。
上述方案的改进点和相应优点在于
其一，采用独特的高、低角度红外环形光源分时成像的打光方案，一方面解决了芯片上不同高度差的区域中不同种类缺陷均能清晰成像的难题，解决了树脂层覆盖下金属线路层的清晰成像问题。
其二，成像方案与算法并非单独存在的，而是互相支撑配合，共同实现对目标缺陷更有效的检出，具体体现在，通过高、低角度光源的分别照射芯片独立成像，使芯片的不同高度呈现出具有差距的明亮度，方便从每颗芯片图像中分别提取出不同高度的锡球区、线路区和保护区图像，以便针对不同区域使用对应的算法进行处理，避免漏检，实现芯片更加准确的检测结果输出。
其三，采用两级检测算法框架，分流异常和正常检测；采用并行双层算法，分别采用传统视觉检测算法和AI算法对芯片结构性缺陷和非结构性缺陷分别实施检出，然后合并信息完成对整个芯片的检测。
实施例2
本实施例与实施例1区别在于，结合所述标准模板的图像和同批次有相同特征锚点的良品单颗芯片图像，以所述特征锚点为定位点，对准两幅图像后，忽略细节像素级差异，比较两者大的结构性差异，将两者按结构特征做集合逻辑运算得到复合式模板，将所述复合式模板作为下一步的标准模板。
优点在于，算法上采用复合模板创建和复合图像处理两种特殊算法，通过CAD图纸和实际良品图像形成修正模板，通过对高、低角度两幅图像的合成分析，实现对目标更有效的检出和降低过检率。
实施例3
如图3所示，本发明提供一种晶圆级封装芯片外观缺陷检测系统，包括：上料机构5、运送机构、光学检测装置6、主控制器、挑料位7、挑补料机构8、坏料盘位9、补料位10、良品盘料仓11和空盘料仓12；
多个整盘的料盘芯片依次下料被运送到光学检测装置6处，光学检测装置6采用高角度环形光源和低角度环形光源照射下分别对料盘芯片单独成像，主控制器根据权利要求1 的检测方法输出料盘芯片的检测结果；
然后整盘的所述料盘芯片被运送到挑料位7，挑补料机构8剔除坏料并将坏料置于坏料盘位9处，剔除坏料的所述料盘芯片被运送到补料位10；
挑补料机构8将所述料盘芯片的良品补到下个在挑料位被挑出坏料的料盘空位中，获得满盘良品芯片，实现良品和坏料的分拣。
上述方案通过整合专门设计的光学检测装置、自动化分拣系统、定制的检测软件和检测算法，有效地实现了对此类芯片上各种缺陷的有效检出以及自动化分拣。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种晶圆级封装芯片外观缺陷检测方法，其特征在于，包括以下步骤：
S1、创建单个芯片产品的标准模板，将所述标准模板按不同功能区分割为若干个区域图像模板；
在高角度环形光源和低角度环形光源照射下用相机分别对料盘芯片单独成像；将两次所述单独成像的图像通过设定权值比例合成一幅新的料盘芯片图像；
S2、成像系统输入整盘所述料盘芯片图像，通过模板匹配算法分割出整个料盘中每颗芯片的单独区域，获取每个所述单独区域中的芯片图像，对每个所述芯片图像进行第一级检测，所述第一级检测通过设定算法检测芯片的非正常摆设，如果摆设异常，提示操作人员介入做修正，否则进入下一步检测流程；
S3、根据若干个所述区域图像模板，对每个所述芯片图像分别提取出对应的区域图像，针对不同所述区域图像采用不同的第二级算法进行处理；
S4、将各个第二级算法检测结果汇总，获得单个芯片的检测结果输出，通过循环检测获得每个芯片的检测结果并汇总，获得整个料盘芯片的结果输出。
2.根据权利要求1所述的一种晶圆级封装芯片外观缺陷检测方法，其特征在于，所述步骤S1具体包括，通过软件载入芯片产品设计图，同时选取有代表性的芯片良品图像，将两幅图像融合后局部修正，得到标准模板；并且利用软件的图纸分层功能，将所述标准模板按不同功能区分割为若干个区域图像模板。
3.根据权利要求2所述的一种晶圆级封装芯片外观缺陷检测方法，其特征在于，结合所述标准模板的图像和同批次有相同特征锚点的良品单颗芯片图像，以所述特征锚点为定位点，对准两幅图像后，忽略细节像素级差异，比较两者的结构性差异，将两者按结构特征做集合逻辑运算得到复合式模板，将所述复合式模板作为下一步标准模板。
4.根据权利要求1所述的一种晶圆级封装芯片外观缺陷检测方法，其特征在于，所述非正常摆设包括芯片正反面倒置、芯片空缺、芯片偏斜。
5.根据权利要求1所述的一种晶圆级封装芯片外观缺陷检测方法，其特征在于，所述步骤S3具体包括：所述区域图像模板包括线路区图像模板、锡球区图像模板和保护区图像模板；采用第二级传统视觉算法处理线路区图像模板和锡球区图像模板，与芯片实际图像对应区域匹配，通过对比，检测出结构性缺陷；采用第二级AI算法处理保护区图像模板，通过收集各种类型缺陷大量的图像并做相应的缺陷标注，定制设计AI算法模型，将标注后图像数据输入AI算法模型，通过训练调参，逐步优化模型，获得对非结构性缺陷的检测结果。
6.根据权利要求1所述的一种晶圆级封装芯片外观缺陷检测方法，其特征在于，所述高角度环形光源将锡球的上半部的顶部打亮，所述低角度环形光源将锡球的上半部的底部打亮，两次所述单独成像的图像通过算法合成在一起，获取了锡球上半部的三维完整信息，通过比对良品实现对锡球缺陷的有效检出。
7.根据权利要求1所述的一种晶圆级封装芯片外观缺陷检测方法，其特征在于，所述高角度环形光源配合相机对芯片的二维缺陷清晰成像，所述低角度环形光源配合相机对芯片的三维缺陷清晰成像。
8.一种晶圆级封装芯片外观缺陷检测系统，其特征在于，包括：运送机构、光学检测装置(6)、主控制器、挑料位(7)、挑补料机构(8)、坏料盘位(9)和补料位(10)；
多个整盘的料盘芯片依次下料被运送到光学检测装置(6)处，所述光学检测装置(6)采用高角度环形光源和低角度环形光源照射下分别对料盘芯片单独成像，所述主控制器根据权利要求1所述的检测方法检测并输出整盘的料盘芯片的检测结果；
然后整盘的所述料盘芯片被运送到挑料位(7)，挑补料机构(8)剔除坏料并将坏料置于坏料盘位(9)处，剔除坏料的整盘的所述料盘芯片被运送到补料位(10)；
挑补料机构(8)将所述料盘芯片的良品补到下个在挑料位被挑出坏料的料盘空位中，获得满盘良品芯片，实现良品和坏料的分拣。
CN202210595290.3A 2022-05-28 2022-05-28 一种晶圆级封装芯片外观缺陷检测方法及检测系统 Pending CN115112673A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210595290.3A CN115112673A (zh) 2022-05-28 2022-05-28 一种晶圆级封装芯片外观缺陷检测方法及检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210595290.3A CN115112673A (zh) 2022-05-28 2022-05-28 一种晶圆级封装芯片外观缺陷检测方法及检测系统

Publications (1)

Publication Number Publication Date
CN115112673A true CN115112673A (zh) 2022-09-27

Family

ID=83326725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210595290.3A Pending CN115112673A (zh) 2022-05-28 2022-05-28 一种晶圆级封装芯片外观缺陷检测方法及检测系统

Country Status (1)

Country Link
CN (1) CN115112673A (zh)

Similar Documents

Publication Publication Date Title
KR101803792B1 (ko) 필름 프레임으로부터의 정확한 다이 분리를 자동으로 검증하기 위한 시스템 및 방법
CN106670127A (zh) 一种屏幕缺陷全自动视觉检测系统
JP4269005B2 (ja) ガラス壜の検査装置
CN206854141U (zh) 一种屏幕缺陷全自动视觉检测系统
JP6037125B2 (ja) 光学式粒状物選別機
EP1560018B1 (en) Method and device for preparing reference image in glass bottle inspection device
CN106153633A (zh) 视觉检测装置及其视觉检测方法
JP7102271B2 (ja) 半導体製造装置および半導体装置の製造方法
CN202049116U (zh) 封装芯片检测与分类装置
US20150051860A1 (en) Automatic optical appearance inspection by line scan apparatus
CN112547536B (zh) 一种led芯片分拣系统和方法
EP1988387B1 (en) Machine for inspecting glass containers
CN112083002A (zh) 一种基于人工智能技术的电容外观检测装置及方法
US11378520B2 (en) Auto focus function for vision inspection system
CN115274477A (zh) 一种用于晶圆切割后晶粒外观的检测方法
JP2003194879A (ja) 半導体素子のテストハンドラの素子搬送装置の作業位置の認識方法
CN115112673A (zh) 一种晶圆级封装芯片外观缺陷检测方法及检测系统
JP3173874B2 (ja) 外観検査装置
US11215564B2 (en) Visual inspections device, method of manufacturing and program the same
CN115532620B (zh) 一种纸浆模塑制品质检装置和方法
CN116448780A (zh) 芯片缺陷检测装置、方法及设备
CN204102921U (zh) Led封装芯片检测装置
JP2011209085A (ja) 錠剤検査装置及びｐｔｐ包装機
CN112964722B (zh) 一种超大视野分布计算视觉检测方法及检测系统
CN117269197B (zh) 多晶硅原料表面质量检测方法及检测装置

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