CN115908242B - 一种多通道图像融合的芯片金线整线检测方法及系统 - Google Patents
一种多通道图像融合的芯片金线整线检测方法及系统 Download PDFInfo
- Publication number
- CN115908242B CN115908242B CN202211160428.3A CN202211160428A CN115908242B CN 115908242 B CN115908242 B CN 115908242B CN 202211160428 A CN202211160428 A CN 202211160428A CN 115908242 B CN115908242 B CN 115908242B
- Authority
- CN
- China
- Prior art keywords
- image
- gold thread
- gold
- channel
- chip
- 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
Classifications
-
- 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
Abstract
本发明公开了一种多通道图像融合的芯片金线整线检测方法及系统,包括计数器、载台、控制模块、RGB三色光源、相机、芯片模板匹配模块、图像分解模块、多通道图像融合模块、金线段区域拼接模块、整线特征提取模块、缺陷特征比较模块、载盘最大位置判定模块,根据金线与背景对比度的不同,将金线分为n段区域;传输至多通道图像融合子算法中获取金线段i区域的灰度值;然后拼接获得整根金线的灰度分布gw(x,y),依据阈值范围,筛选整线区域,并进行整线特征提取,将缺陷特征与标准特征相比较,得到合格品。本发明不仅效率高、误检低,而且能够对金线缺陷进行检测,适用性高。
Description
技术领域
本发明涉及一种多通道图像融合的芯片金线整线检测方法及系统,属于芯片封装测试技术领域。
背景技术
半导体芯片的封装与测试是高端集成电路制造领域的重要组成部分,而金线键合是该领域的重要环节。金线键合过程中的缺陷,将会导致最终产品无法实现既定功能。因而在金线加工过程中,后续加工工艺通常仅针对前道工艺的良品展开。不良品则不再占用后续工艺加工时间,如此可以极大地提高生产效率。弯曲、翘线以及断线是典型的金线缺陷,而完整的金线提取是缺陷检测的重要基础。
中国专利CN114757903A,公开了一种光器件芯片封装金线缺陷检测方法,其采集光器件芯片上具有封装金线的区域块图像,通过模板匹配检测获得金线的焊点,对封装金线的区域块图像依据灰度均值和灰度方差进行基于焊点寻迹的金线线区域提取,获得金线线区域,对提取的金线线区域进行灰度分析以及特征计算,完成金线缺陷检测。该专利采用中垂线灰度分析方式对金线进行检测,逐点找出金线。当灰度值小于设定的阈值时,则判定为断线。
中国专利CN113554054A,公开了一种基于深度学习的半导体芯片金线缺陷分类方法及系统,其利用光场相机拍摄芯片,得到中心视角图与深度信息,每个所述中心视角图包含两个完整的芯片;对所述中心视角图进行分割,得到单芯片的灰度图;对单芯片的灰度图的金线分别标注轮廓;结合所述深度信息对标注轮廓后的灰度图进行缺陷分类,得到数据集;利用数据集对半导体芯片图进行金线缺陷分类。其通过深度学习进行检测,需要进行缺陷样本收集和打标签过程,检测精度取决于样本成像质量。
中国专利CN113533350 A,公开了一种芯片金线缺陷检测方法及系统,其采集芯片的第一图像和第二图像;第一图像包括第一金线,第二图像包括第二金线;第一金线和第二金线为芯片中的同一根金线;对第一图像和第二图像进行定位;对定位后第一图像和第二图像进行区域划分,获得第一检测区域和第二检测区域;第一检测区域包括第一金线,第二检测区域包括第二金线;提取第一检测区域的第一金线像素点,计算出第一金线的第一参数;提取第二检测区域的第二金线像素点并进行拟合,计算出拟合后金线的第二参数;根据第一参数和第二参数,判断金线检测是否合格。其多次拍照,实现不同背景下金线检测。
上述技术所存在的共性前提是,能够获取良好的金线图像,并在一个图像通道能够完成金线的提取,然而这在有深度差的金线图像样本采样中往往是难以实现的。此外,传统金线检测还存在以下问题:(1)多采用人工检测,其效率低下,且易因视觉疲劳而产生的误检;(2)常规视觉检测采用单张图像在单一通道测量,无法对完整的金线进行检测,诸如断线等缺陷难以检测;(3)图像主要限制于红、绿和蓝等特定几种通道,适用性相对低下;(4)多次拍摄的方式降低检测效率。
发明内容
发明目的:为了克服现有技术中效率低、误检高、金线缺陷难以检测、适用性低的问题,本发明提供一种多通道图像融合的芯片金线整线检测方法及系统。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种多通道图像融合的芯片金线整线检测方法,包括以下步骤:
步骤1,初始化计数器,预设金线最低阈值gmin(x,y),x表示图像像素坐标的横坐标,y表示图像像素坐标的纵坐标,载台带动待测芯片移动至金线检测位。
步骤2,通过RGB三色光源对待测芯片进行打光,相机进行拍照采样。
步骤3,通过芯片模板匹配,判定图像中是否有芯片,若是则执行步骤4,否则执行步骤13。
步骤4,将彩色图像在色彩空间分解为图像一、图像二和图像三。
步骤5,根据金线与背景对比度的不同,将金线分为n段区域。n段区域分别记为金线段1,金线段2,...,金线段n。
步骤6,针对每一段金线段1,金线段2,...,金线段n,分别设定相应的输入图像和融合参数,传输至多通道图像融合子算法当中,得到通道1,通道2,...,通道n。
步骤7,在通道i图像中获取金线段i区域的灰度值gi(x,y),其中i=1,2,...,n。
步骤8,将各金线段逐一进行区域拼接,获得整根金线的灰度分布gw(x,y)。
步骤9,依据阈值范围,筛选出满足条件gw(x,y)>gmin(x,y)的区域作为整线区域。
步骤10,根据不同的缺陷类型,设定金线待检特征,并进行整线特征提取。
步骤11,将缺陷特征与标准特征相比较,当缺陷比例小于预设值,则判定合格,执行良品直通流程。若缺陷比例大于预设值,则判定不合格,执行不良品标记流程。
步骤12,金线检测计数器加一。
步骤13,判定载盘是否达到最大位置,若是,执行步骤14。若否,载台带动下一待测芯片移动至金线检测位,跳转步骤2。
步骤14,循环结束。
优选的:步骤6中多通道图像融合子算法为:
g(x,y)=sat{M×g1(x,y)+N×g2(x,y)+K×g3(x,y)+Q}
其中,g(x,y)为融合后通道图像在(x,y)点的灰度值,sat{·}为饱和处理函数,M为系数一,N为系数二,K为系数三,Q为偏置,g1(x,y)为输入图像一在(x,y)点的灰度值,g2(x,y)为输入图像二在(x,y)点的灰度值,g3(x,y)为输入图像三在(x,y)点的灰度值。
优选的:步骤6中饱和处理函数为:
其中,g(x,y)为图像坐标为(x,y)像素点的灰度值。
优选的:步骤8中各金线段逐一进行区域拼接的方法为:
金线段j在通道一图像中的灰度值为gA(x,y),其高亮区域为A,金线段j+1在通道二图像中的灰度值为gB(x,y),其高亮区域为B,金线段j与金线段j+1区域合并后为区域C=A∪B,经过通道融合后的区域灰度值为gc(x,y)=max{gA(x,y),gB(x,y)},j=1,2,...,n-1。
优选的:步骤10中金线待检特征为面积、长度、角度和数量。
优选的:步骤11中缺陷比例为金线待检特征当前特征值与标准特征值的比值。
优选的:步骤2中RGB三色光源对样品的打光角度不同,θr>θg>θb,θr表示RGB三色光源中红色光源的打光角度,θg表示RGB三色光源中绿色光源的打光角度,θb表示RGB三色光源中蓝色光源的打光角度。
优选的:步骤1中金线最低阈值gmin(x,y)∈(0,255),可参数化设定。
一种多通道图像融合的芯片金线整线检测系统,包括计数器、载台、控制模块、RGB三色光源、相机、芯片模板匹配模块、图像分解模块、多通道图像融合模块、金线段区域拼接模块、整线特征提取模块、缺陷特征比较模块、载盘最大位置判定模块,其中:
所述计数器用于对芯片数量进行计数。
所述载台用于带动芯片移动至金线检测位。
所述控制模块用于控制载台带动芯片移动至金线检测位。用于控制RGB三色光源对对待测芯片进行打光。用于控制相机对打光后的样品进行拍照采样。
所述芯片模板匹配模块用于判定相机拍照采样的图像中是否有芯片,若是则发送给图像分解模块,否则发送给计数器。
所述图像分解模块用于将彩色图像在色彩空间分解为图像一、图像二和图像三。
所述多通道图像融合模块用于根据金线与背景对比度的不同,将金线分为n段区域。n段区域分别记为金线段1,金线段2,...,金线段n。针对每一段金线段1,金线段2,...,金线段n,分别设定相应的输入图像和融合参数,传输至多通道图像融合子算法当中,得到通道1,通道2,...,通道n。在通道i图像中获取金线段i区域的灰度值gi(x,y),其中i=1,2,...,n。
所述金线段区域拼接模块用于将各金线段逐一进行区域拼接,获得整根金线的灰度分布gw(x,y)。
所述整线特征提取模块用于依据阈值范围,筛选出满足条件gw(x,y)>gmin(x,y)的区域作为整线区域。根据不同的缺陷类型,设定金线待检特征,在整线区域中进行整线特征提取。
所述缺陷特征比较模块用于将缺陷特征与标准特征相比较,当缺陷比例小于预设值,则判定合格,执行良品直通流程。若缺陷比例大于预设值,则判定不合格,执行不良品标记流程。
所述载盘最大位置判定模块用于根据金线检测计数器的计算数量判定载盘是否达到最大位置,若是停止检测,否则控制载台带动下一待测芯片移动至金线检测位。
优选的:所述多通道图像融合模块中设置有多通道图像融合子算法电路模块:
多通道图像融合子算法为:
g(x,y)=sat{M×g1(x,y)+N×g2(x,y)+K×g3(x,y)+Q}
其中,g(x,y)为融合后通道图像在(x,y)点的灰度值,sat{·}为饱和处理函数,M为系数一,N为系数二,K为系数三,Q为偏置,g1(x,y)为输入图像一在(x,y)点的灰度值,g2(x,y)为输入图像二在(x,y)点的灰度值,g3(x,y)为输入图像三在(x,y)点的灰度值。
本发明相比现有技术,具有以下有益效果:
(1)多通道图像融合技术,有效提高金线与背景的对比度:相较于传统视觉检测方案仅在红、绿或者蓝色通道进行进行检测的方案,本专利提出的多通道图像线性融合方法有利于拓展更多的图像通道;通过设定不同的参数获取对比度更强的特征效果,强化金线与背景的对比度,实现图像特征的有效增强;极大地降低特征提取难度,提高特征提取效率。
(2)金线区域拼接技术,将高亮通道中的金线区域进行拼接从而获取整线:基于多通道图像融合技术,可有效不同段金线在不同的通道图中高亮区域;在相邻金线区域采用极大值原理,生成新的区域灰度值可获取完整的金线区域,避免金线角度不同、高度不同和颜色不同导致在单一通道只能提取部分高亮金线的问题;保证金线完整提取,提取完整性大幅提升。
(3)参数化的图像融合和区域拼接技术,极大地提高了算法的灵活性和适用性;自动化的工艺流程以及技术实施方案,可大幅提高金线检测的自动化程度以及检测效率,并且不受人工检测人眼视觉疲劳的影响,降低误判率;完整的金线区域提取,可有效克服金线整线的断线、翘线等缺陷检测难点问题。
附图说明
图1是一种多通道图像融合的金线整线检测方法流程图。
图2是一种多通道图像融合的金线整线检测方法的RGB三色光源剖面图。
图3是一种多通道图像融合的金线整线检测方法的多通道图像融合算法原理图。
图4是一种多通道图像融合的金线整线检测方法的金线区域拼接原理图。
图5是一种多通道图像融合的金线整线检测方法的RGB图像。
图6是一种多通道图像融合的金线整线检测方法的红色通道图像。
图7是一种多通道图像融合的金线整线检测方法的蓝色通道图像。
图8是一种多通道图像融合的金线整线检测方法的金线区域。
图9是一种多通道图像融合的金线整线检测方法的红色通道的金线区域。
图10是一种多通道图像融合的金线整线检测方法的蓝色通道的金线区域。
图11是一种多通道图像融合的金线整线检测方法的图像融合后的金线提取区域。
图中:1、RGB三色光源 1-1、红色光源 1-2绿色光源 1-3、蓝色光源 2、第一焊点3、第一金线段 4、第二金线段 5、第二焊点。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
一种多通道图像融合的芯片金线整线检测方法,如图1-8所示,包括以下步骤:
步骤1,初始化计数器,预设金线最低阈值gmin(x,y),gmin(x,y)∈(0,255),gmin(x,y)根据成像效果设计的,根据实际情况可开放参数化调节的,本实施例中金线最低阈值gmin(x,y)=85,载台带动待测芯片移动至金线检测位,gmin(x,y)表示图像坐标为(x,y)像素点的灰度值,x表示图像像素坐标的横坐标,y表示图像像素坐标的纵坐标。
步骤2,通过RGB三色光源对待测芯片进行打光,相机进行拍照采样。
如图2所示,RGB三色光源各通道红(R)、绿(G)和蓝(B)对样品的打光角度不同,θr>θg>θb,θr表示RGB三色光源中红色光源1-1的打光角度,θg表示RGB三色光源中绿色光源1-2的打光角度,θb表示RGB三色光源中蓝色光源1-3的打光角度。不同段的金线具有不同的深度和斜率,使得不同段金线反射回相机所呈现的颜色不同,也表征为其在R,G,B通道内的高亮区域不同。
步骤3,通过芯片模板匹配,判定图像中是否有芯片,若是则执行步骤4,否则执行步骤13。
步骤4,将彩色图像在色彩空间分解为图像一、图像二和图像三。所述色彩空间可选择为RGB色彩空间,或者HSV色彩空间,以RGB色彩空间为例,图1中的图像一为红色通道图像,图像二为绿色通道图像,图像三为蓝色通道图像。
步骤5,根据金线与背景对比度的不同,将金线分为n段区域。n段区域分别记为金线段1,金线段2,...,金线段n。
步骤6,针对每一段金线段1,金线段2,...,金线段n,分别设定相应的输入图像和融合参数,传输至多通道图像融合子算法当中,得到通道1,通道2,...,通道n。
如图3所示,融合参数包括系数一、系数二、系数三和偏置,所述输入图像为图像一、图像二和图像三,也即R,G,B三通道图像。
当仅需图像R和图像G进行图像融合时,也可将图像三定义为一张灰度值为零的空图像来代替原本的B通道图像,代入多通道图像融合子算法。
多通道图像融合子算法为:
g(x,y)=sat{M×g1(x,y)+N×g2(x,y)+K×g3(x,y)+Q}
其中,g(x,y)为融合后通道图像在(x,y)点的灰度值,sat{·}为饱和处理函数,M为系数一,N为系数二,K为系数三,Q为偏置,g1(x,y)为输入图像一在(x,y)点的灰度值,g2(x,y)为输入图像二在(x,y)点的灰度值,g3(x,y)为输入图像三在(x,y)点的灰度值。
饱和处理函数为:
其中g(x,y)为当前点灰度值。
如图5-11所示为成像效果示意图。多通道图像融合子算法的参数选取原则为强化金线段与其背景之间的对比度,保障金线区域具有比背景区域更高的灰度值。举例的,图11成像效果参数设置如下:
输入图像一:红(R)通道图像,输入图像二:绿(G)通道图像,输入图像三:蓝(B)通道图像,系数一为1,系数二为0,系数三为1,偏置为0。
对比图9,图10和图11可知,图11所示金线全区域高亮,能够反映完整的金线特征。
步骤7,在通道i图像中获取金线段i区域的灰度值gi(x,y),其中i=1,2,...,n。
步骤8,将各金线段逐一进行区域拼接,获得整根金线的灰度分布gw(x,y)。
如图4,通道与金线段序号逐一对应,各金线段逐一进行区域拼接的方法为:
金线段j在通道一图像中的灰度值为gA(x,y),其高亮区域为A,金线段j+1在通道二图像中的灰度值为gB(x,y),其高亮区域为B,金线段j与金线段j+1区域合并后为区域C=A∪B,经过通道融合后的区域灰度值为gc(x,y)=max{gA(x,y),gB(x,y)},j=1,2,...,n-1。
步骤9,依据阈值范围,筛选出满足条件gw(x,y)>gmin(x,y)的区域作为整线区域。
步骤10,根据不同的缺陷类型,设定金线待检特征,并进行整线特征提取。
金线待检特征可设定为面积、长度、角度和数量等。
步骤11,将缺陷特征与标准特征相比较,当缺陷比例小于预设值,则判定合格(OK),执行良品直通流程。若缺陷比例大于预设值,则判定不合格(NG),执行不良品标记流程。
缺陷比例为金线待检特征当前特征值与标准特征值的比值。以面积为例,预设金线面积特征缺陷比例为5%,图11所示从左往右前三根金线的标准面积分别为:1606,1933,1700,单位为:像素;图11所示从左往右前三根金线检测的亮区特征面积分别为:1590,1922,1699,单位为:像素;缺陷比例为1%,0.5%,0.05%,缺陷比例均小于预设值3%,表明金线合格,良品直通。
步骤12,金线检测计数器加一。
步骤13,判定载盘是否达到最大位置,若是,执行步骤14。若否,载台带动下一芯片移动至金线检测位,跳转步骤2。
步骤14,循环结束。
相较于单一R通道或者G通道,由于金线在单一通道无法实现全部高亮,导致满足筛选条件gw(x,y)>gmin(x,y)的金线区域不完整,也即图9和图10中黑色金线区域无法与背景有效区分,进而无法被提取。进一步的,高亮区域的面积相应减少,缺陷比例普遍大于预设值3%,形成合格品误检或检测困难,NG率升高,良品被作为不良品进行标记会导致制造成本的提高。
一种多通道图像融合的芯片金线整线检测系统,包括计数器、载台、控制模块、RGB三色光源、相机、芯片模板匹配模块、图像分解模块、多通道图像融合模块、金线段区域拼接模块、整线特征提取模块、缺陷特征比较模块、载盘最大位置判定模块,其中:
所述计数器用于对芯片数量进行计数。
所述载台用于带动芯片移动至金线检测位。
所述控制模块用于控制载台带动芯片移动至金线检测位。用于控制RGB三色光源对对待测芯片进行打光。用于控制相机对打光后的样品进行拍照采样。
所述芯片模板匹配模块用于判定相机拍照采样的图像中是否有芯片,若是则发送给图像分解模块,否则发送给计数器。
所述图像分解模块用于将彩色图像在色彩空间分解为图像一、图像二和图像三。
所述多通道图像融合模块用于根据金线与背景对比度的不同,将金线分为n段区域。n段区域分别记为金线段1,金线段2,...,金线段n。针对每一段金线段1,金线段2,...,金线段n,分别设定相应的输入图像和融合参数,传输至多通道图像融合子算法当中,得到通道1,通道2,...,通道n。在通道i图像中获取金线段i区域的灰度值gi(x,y),其中i=1,2,...,n。
所述多通道图像融合模块中设置有多通道图像融合子算法电路模块:
多通道图像融合子算法为:
g(x,y)=sat{M×g1(x,y)+N×g2(x,y)+K×g3(x,y)+Q}
其中,g(x,y)为融合后通道图像在(x,y)点的灰度值,sat{·}为饱和处理函数,M为系数一,N为系数二,K为系数三,Q为偏置,g1(x,y)为输入图像一在(x,y)点的灰度值,g2(x,y)为输入图像二在(x,y)点的灰度值,g3(x,y)为输入图像三在(x,y)点的灰度值。
所述金线段区域拼接模块用于将各金线段逐一进行区域拼接,获得整根金线的灰度分布gw(x,y)。
所述整线特征提取模块用于依据阈值范围,筛选出满足条件gw(x,y)>gmin(x,y)的区域作为整线区域。根据不同的缺陷类型,设定金线待检特征,在整线区域中进行整线特征提取。
所述缺陷特征比较模块用于将缺陷特征与标准特征相比较,当缺陷比例小于预设值,则判定合格,执行良品直通流程。若缺陷比例大于预设值,则判定不合格,执行不良品标记流程。
所述载盘最大位置判定模块用于根据金线检测计数器的计算数量判定载盘是否达到最大位置,若是停止检测,否则控制载台带动下一待测芯片移动至金线检测位。
本发明通过RGB三色光源对待测芯片进行打光,将彩色图像在色彩空间分解为图像一、图像二和图像三,根据金线与背景对比度的不同,将金线分为n段区域;针对每一段金线段1,金线段2,...,金线段n,分别设定相应的输入图像和融合参数,传输至多通道图像融合子算法当中,得到通道1,通道2,...,通道n;在通道i图像中获取金线段i区域的灰度值;将各金线段逐一进行区域拼接,获得整根金线的灰度分布gw(x,y),依据阈值范围,筛选出满足条件gw(x,y)>gmin(x,y)的区域作为整线区域;根据不同的缺陷类型,设定金线待检特征,并进行整线特征提取,将缺陷特征与标准特征相比较,得到合格品。本发明通过多通道图像融合技术强化对比度,实现图像特征的有效增强。通过多区域金线拼接技术用以保证金线完整提取,提取完整性大幅提升。通过图像融合和金线拼接的系统参数化调节技术极大地拓展了该方法的灵活性和适用性。因此其不仅效率高、误检低,而且能够对金线缺陷进行检测,适用性高。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种多通道图像融合的芯片金线整线检测方法,其特征在于,包括以下步骤:
步骤1,初始化计数器,预设金线最低阈值gmin(x,y),x表示图像像素坐标的横坐标,y表示图像像素坐标的纵坐标,载台带动待测芯片移动至金线检测位;
步骤2,通过RGB三色光源对待测芯片进行打光,相机进行拍照采样;
步骤3,通过芯片模板匹配,判定图像中是否有芯片,若是则执行步骤4,否则执行步骤13;
步骤4,将彩色图像在色彩空间分解为图像一、图像二和图像三;所述色彩空间为RGB色彩空间,图像一为红色通道图像,图像二为绿色通道图像,图像三为蓝色通道图像;
步骤5,根据金线与背景对比度的不同,将金线分为n段区域;n段区域分别记为金线段1,金线段2,...,金线段n;
步骤6,针对每一段金线段1,金线段2,...,金线段n,分别设定相应的输入图像和融合参数,传输至多通道图像融合子算法当中,得到通道1,通道2,...,通道n;
步骤7,在通道i图像中获取金线段i区域的灰度值gi(x,y),其中i=1,2,...,n;
步骤8,将各金线段逐一进行区域拼接,获得整根金线的灰度分布gw(x,y);
步骤9,依据阈值范围,筛选出满足条件gw(x,y)>gmin(x,y)的区域作为整线区域;
步骤10,根据不同的缺陷类型,设定金线待检特征,并进行整线特征提取;
步骤11,将缺陷特征与标准特征相比较,当缺陷比例小于预设值,则判定合格,执行良品直通流程;若缺陷比例大于预设值,则判定不合格,执行不良品标记流程;
步骤12,金线检测计数器加一;
步骤13,判定载盘是否达到最大位置,若是,执行步骤14;若否,载台带动下一待测芯片移动至金线检测位,跳转步骤2;
步骤14,循环结束。
2.根据权利要求1所述多通道图像融合的芯片金线整线检测方法,其特征在于:步骤6中多通道图像融合子算法为:
g(x,y)=sat{M×g1(x,y)+N×g2(x,y)+K×g3(x,y)+Q}
其中,g(x,y)为融合后通道图像在(x,y)点的灰度值,sat{·}为饱和处理函数,M为系数一,N为系数二,K为系数三,Q为偏置,g1(x,y)为输入图像一在(x,y)点的灰度值,g2(x,y)为输入图像二在(x,y)点的灰度值,g3(x,y)为输入图像三在(x,y)点的灰度值。
3.根据权利要求2所述多通道图像融合的芯片金线整线检测方法,其特征在于:步骤6中饱和处理函数为:
其中,g(x,y)为当前点灰度值。
4.根据权利要求3所述多通道图像融合的芯片金线整线检测方法,其特征在于:步骤8中各金线段逐一进行区域拼接的方法为:
金线段j在通道一图像中的灰度值为gA(x,y),其高亮区域为A,金线段j+1在通道二图像中的灰度值为gB(x,y),其高亮区域为B,金线段j与金线段j+1区域合并后为区域C=A∪B,经过通道融合后的区域灰度值为gc(x,y)=max{gA(x,y),gB(x,y)},j=1,2,...,n-1。
5.根据权利要求4所述多通道图像融合的芯片金线整线检测方法,其特征在于:步骤10中金线待检特征为面积、长度、角度和数量。
6.根据权利要求5所述多通道图像融合的芯片金线整线检测方法,其特征在于:步骤11中缺陷比例为金线待检特征当前特征值与标准特征值的比值。
7.根据权利要求6所述多通道图像融合的芯片金线整线检测方法,其特征在于:步骤2中RGB三色光源对样品的打光角度不同,θr>θg>θb,θr表示RGB三色光源中红色光源的打光角度,θg表示RGB三色光源中绿色光源的打光角度,θb表示RGB三色光源中蓝色光源的打光角度。
8.根据权利要求7所述多通道图像融合的芯片金线整线检测方法,其特征在于:步骤1中金线最低阈值为gmin(x,y)∈(0,255)。
9.一种基于权利要求1所述多通道图像融合的芯片金线整线检测方法的检测系统,其特征在于:包括计数器、载台、控制模块、RGB三色光源、相机、芯片模板匹配模块、图像分解模块、多通道图像融合模块、金线段区域拼接模块、整线特征提取模块、缺陷特征比较模块、载盘最大位置判定模块,其中:
所述计数器用于对芯片数量进行计数;
所述载台用于带动芯片移动至金线检测位;
所述控制模块用于控制载台带动芯片移动至金线检测位;用于控制RGB三色光源对对待测芯片进行打光;用于控制相机对打光后的样品进行拍照采样;
所述芯片模板匹配模块用于判定相机拍照采样的图像中是否有芯片,若是则发送给图像分解模块,否则发送给计数器;
所述图像分解模块用于将彩色图像在色彩空间分解为图像一、图像二和图像三;
所述多通道图像融合模块用于根据金线与背景对比度的不同,将金线分为n段区域;n段区域分别记为金线段1,金线段2,...,金线段n;针对每一段金线段1,金线段2,...,金线段n,分别设定相应的输入图像和融合参数,传输至多通道图像融合子算法当中,得到通道1,通道2,...,通道n;在通道i图像中获取金线段i区域的灰度值gi(x,y),其中i=1,2,...,n;
所述金线段区域拼接模块用于将各金线段逐一进行区域拼接,获得整根金线的灰度分布gw(x,y);
所述整线特征提取模块用于依据阈值范围,筛选出满足条件gw(x,y)>gmin(x,y)的区域作为整线区域;根据不同的缺陷类型,设定金线待检特征,在整线区域中进行整线特征提取;
所述缺陷特征比较模块用于将缺陷特征与标准特征相比较,当缺陷比例小于预设值,则判定合格,执行良品直通流程;若缺陷比例大于预设值,则判定不合格,执行不良品标记流程;
所述载盘最大位置判定模块用于根据金线检测计数器的计算数量判定载盘是否达到最大位置,若是停止检测,否则控制载台带动下一待测芯片移动至金线检测位。
10.根据权利要求9所述检测系统,其特征在于:所述多通道图像融合模块中设置有多通道图像融合子算法电路模块:
多通道图像融合子算法为:
g(x,y)=sat{M×g1(x,y)+N×g2(x,y)+K×g3(x,y)+Q}
其中,g(x,y)为融合后通道图像在(x,y)点的灰度值,sat{·}为饱和处理函数,M为系数一,N为系数二,K为系数三,Q为偏置,g1(x,y)为输入图像一在(x,y)点的灰度值,g2(x,y)为输入图像二在(x,y)点的灰度值,g3(x,y)为输入图像三在(x,y)点的灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211160428.3A CN115908242B (zh) | 2022-09-22 | 2022-09-22 | 一种多通道图像融合的芯片金线整线检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211160428.3A CN115908242B (zh) | 2022-09-22 | 2022-09-22 | 一种多通道图像融合的芯片金线整线检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115908242A CN115908242A (zh) | 2023-04-04 |
CN115908242B true CN115908242B (zh) | 2023-10-03 |
Family
ID=86482493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211160428.3A Active CN115908242B (zh) | 2022-09-22 | 2022-09-22 | 一种多通道图像融合的芯片金线整线检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115908242B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6198529B1 (en) * | 1999-04-30 | 2001-03-06 | International Business Machines Corporation | Automated inspection system for metallic surfaces |
CN103024308A (zh) * | 2012-12-13 | 2013-04-03 | 天津大学 | 一种基于cmos封装的共像面成像方法 |
CN111710627A (zh) * | 2020-05-28 | 2020-09-25 | 北京芯可鉴科技有限公司 | 芯片封装预处理方法及芯片分析方法 |
CN113533350A (zh) * | 2021-07-21 | 2021-10-22 | 合肥图迅电子科技有限公司 | 一种芯片金线缺陷检测方法及系统 |
CN113777033A (zh) * | 2021-08-18 | 2021-12-10 | 长沙长泰机器人有限公司 | 一种基于机器视觉的生条缺陷检测方法和装置 |
WO2022126870A1 (en) * | 2020-12-15 | 2022-06-23 | Vomma (Shanghai) Technology Co., Ltd. | Three-dimensional imaging method and method based on light field camera and three-dimensional imaging measuring production line |
CN114757903A (zh) * | 2022-04-07 | 2022-07-15 | 华中科技大学 | 一种光器件芯片封装金线缺陷检测方法 |
-
2022
- 2022-09-22 CN CN202211160428.3A patent/CN115908242B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6198529B1 (en) * | 1999-04-30 | 2001-03-06 | International Business Machines Corporation | Automated inspection system for metallic surfaces |
CN103024308A (zh) * | 2012-12-13 | 2013-04-03 | 天津大学 | 一种基于cmos封装的共像面成像方法 |
CN111710627A (zh) * | 2020-05-28 | 2020-09-25 | 北京芯可鉴科技有限公司 | 芯片封装预处理方法及芯片分析方法 |
WO2022126870A1 (en) * | 2020-12-15 | 2022-06-23 | Vomma (Shanghai) Technology Co., Ltd. | Three-dimensional imaging method and method based on light field camera and three-dimensional imaging measuring production line |
CN113533350A (zh) * | 2021-07-21 | 2021-10-22 | 合肥图迅电子科技有限公司 | 一种芯片金线缺陷检测方法及系统 |
CN113777033A (zh) * | 2021-08-18 | 2021-12-10 | 长沙长泰机器人有限公司 | 一种基于机器视觉的生条缺陷检测方法和装置 |
CN114757903A (zh) * | 2022-04-07 | 2022-07-15 | 华中科技大学 | 一种光器件芯片封装金线缺陷检测方法 |
Non-Patent Citations (3)
Title |
---|
Hong Xiao等.Capturing Buried Defects in Metal Interconnections with Electron Beam Inspection System.《PROCEEDINGS of SPIE》.2013,第1-13页. * |
叶婷等.光器件金线图像高光区域的检测与去除.《电子测量与仪器学报》.2022,第36卷(第2期),第146-152页. * |
姚建军.IC封装装键缺陷检测系统的升级.《中国集成电路》.2022,第31卷(第4期),第78-89页. * |
Also Published As
Publication number | Publication date |
---|---|
CN115908242A (zh) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11915407B2 (en) | Automated system and method for clarity measurements and clarity grading | |
US9075026B2 (en) | Defect inspection device and defect inspection method | |
JP4595705B2 (ja) | 基板検査装置並びにそのパラメータ設定方法およびパラメータ設定装置 | |
CN111127571B (zh) | 一种小样本缺陷分类方法和装置 | |
EP0868705B1 (en) | Boundary mapping system and method | |
US8700498B2 (en) | Feature analyzing apparatus for a surface of an object | |
CN103972124B (zh) | 图案化晶圆缺点检测系统及其方法 | |
WO2018010386A1 (zh) | 元件反件检测方法和系统 | |
CN105223208B (zh) | 一种电路板检测模板及其制作方法、电路板检测方法 | |
CN115561247A (zh) | 一种电子元器件外观自动视觉检测系统 | |
CN110412055A (zh) | 一种基于多光源暗场照明的透镜白雾缺陷检测方法 | |
CN115908242B (zh) | 一种多通道图像融合的芯片金线整线检测方法及系统 | |
CN113866182A (zh) | 一种用于检测显示模组缺陷的检测方法及系统 | |
JP4184511B2 (ja) | 金属試料表面の欠陥検査方法及び装置 | |
CN114926661B (zh) | 一种纺织品表面颜色数据处理、识别方法及系统 | |
JP2000046651A (ja) | ワイヤーの外観検査装置 | |
JP4453503B2 (ja) | 基板検査装置および基板検査方法並びに基板検査装置の検査ロジック生成装置および検査ロジック生成方法 | |
CN115546141A (zh) | 一种基于多维度度量的小样本Mini LED缺陷检测方法及系统 | |
JP2002250700A (ja) | パターン検査方法およびその装置 | |
CN112763506A (zh) | 兼具aoi及ai的瑕疵检测方法及其装置 | |
CN116678898B (zh) | 一种通用化的晶片缺陷检测方法、系统、设备及介质 | |
JP2006078285A (ja) | 基板検査装置並びにそのパラメータ設定方法およびパラメータ設定装置 | |
CN117495846B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN111724375B (zh) | 一种屏幕检测方法及系统 | |
TWI712991B (zh) | 兼具自動化光學檢測及人工智慧檢測功能之瑕疵檢測方法及其裝置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |