CN117571742B - 基于人工智能实现芯片质检的方法及装置 - Google Patents
基于人工智能实现芯片质检的方法及装置 Download PDFInfo
- Publication number
- CN117571742B CN117571742B CN202410046681.9A CN202410046681A CN117571742B CN 117571742 B CN117571742 B CN 117571742B CN 202410046681 A CN202410046681 A CN 202410046681A CN 117571742 B CN117571742 B CN 117571742B
- Authority
- CN
- China
- Prior art keywords
- chip
- performance
- inspected
- data
- parameters
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 40
- 238000012360 testing method Methods 0.000 claims abstract description 124
- 230000002159 abnormal effect Effects 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims description 86
- 230000007613 environmental effect Effects 0.000 claims description 55
- 238000005457 optimization Methods 0.000 claims description 45
- 238000011990 functional testing Methods 0.000 claims description 33
- 238000011056 performance test Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000013075 data extraction Methods 0.000 claims description 9
- 230000005670 electromagnetic radiation Effects 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 238000010971 suitability test Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 238000003860 storage Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 238000013461 design Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 208000018747 cerebellar ataxia with neuropathy and bilateral vestibular areflexia syndrome Diseases 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 230000005672 electromagnetic field Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 235000013599 spices Nutrition 0.000 description 1
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
- G01N21/956—Inspecting patterns on the surface of objects
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
- G01R27/08—Measuring resistance by measuring both voltage and current
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2851—Testing of integrated circuits [IC]
- G01R31/2855—Environmental, reliability or burn-in testing
- G01R31/2872—Environmental, reliability or burn-in testing related to electrical or environmental aspects, e.g. temperature, humidity, vibration, nuclear radiation
- G01R31/2879—Environmental, reliability or burn-in testing related to electrical or environmental aspects, e.g. temperature, humidity, vibration, nuclear radiation related to electrical aspects, e.g. to voltage or current supply or stimuli or to electrical loads
-
- 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
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
-
- 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
- G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
Landscapes
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- General Engineering & Computer Science (AREA)
- Tests Of Electronic Circuits (AREA)
Abstract
本发明涉及芯片质检技术领域,揭露了基于人工智能实现芯片质检的方法及装置,该方法包括:识别待质检芯片的外观图像对应的芯片类别,根据芯片类别,检测待质检芯片的性能数据;对待质检芯片进行电学性能、功能以及环境测试,得到电学性能参数、功能参数以及环境参数之后,构建芯片自检模型,利用芯片自检模型提取性能数据的性能特征数据;提取性能特征数据的性能数据参数,以判断待质检芯片是否符合性能要求;若不符合,识别待质检芯片的异常状态,以生成待质检芯片的第一质检报告;若符合,识别待质检芯片的正常状态,以生成待质检芯片的第二质检报告。本发明在于提高芯片质检效率。
Description
技术领域
本发明涉及芯片质检技术领域,尤其涉及基于人工智能实现芯片质检的方法及装置。
背景技术
芯片质检是指对芯片进行全面的检查和测试,以确保芯片的质量符合规定的标准和要求,通常包括对芯片的性能、可靠性、稳定性、安全性等方面进行检查,以确保芯片可以正常工作,并且在使用过程中不会出现故障或安全风险,而芯片质检通常包括外观检查、电学特性测试、环境适应性测试等多个环节。
现有的芯片质检技术,通常包括:芯片外观检测、芯片电学测试、X射线检测、红外热像检测、光学显微检测,但由于芯片的复杂性和多样性,其质检需要进行大量的测试和评估,这需要大量的人力和时间,导致生产周期变长,因此需要一种基于人工智能实现芯片质检的方法,以便提高芯片质检的质检效率。
发明内容
本发明提供基于人工智能实现芯片质检的方法及装置,其主要目的在于提高人工智能的芯片质检效率。
为实现上述目的,本发明提供的基于人工智能实现芯片质检的方法,包括:
获取待质检芯片的外观图像,识别所述外观图像对应的芯片类别,根据所述芯片类别,检测所述待质检芯片的性能数据;
利用预设的自动化检测设备中性能测试模块对所述待质检芯片进行电学性能测试,得到的所述待质检芯片的电学性能参数,利用所述自动化检测设备中功能测试模块对所述待质检芯片进行功能测试,得到所述待质检芯片的功能参数,利用所述自动化检测设备中环境测试模块对所述待质检芯片进行环境适应性测试,得到所述待质检芯片的环境参数;
根据所述电学性能参数、所述功能参数、所述环境参数构建芯片自检模型,利用所述芯片自检模型中性能优化网络对所述性能数据进行性能优化,得到优化性能数据,利用所述芯片自检模型中特征提取网络对所述优化性能数据进行特征数据提取,得到性能特征数据;
提取所述性能特征数据的性能数据参数,根据所述性能数据参数,判断所述待质检芯片是否符合性能要求;
若所述待质检芯片不符合所述性能要求,识别所述待质检芯片的异常状态,根据所述异常状态,生成所述待质检芯片的第一质检报告;
若所述待质检芯片符合所述性能要求,识别所述待质检芯片的正常状态,根据所述正常状态,生成所述待质检芯片的第二质检报告。
可选地,所述根据所述芯片类别,检测所述待质检芯片的性能数据,包括:
识别所述芯片类别对应的应用领域;
根据所述应用领域,确定所述待质检芯片的检测项目;
根据所述检测项目,对所述待质检芯片进行功耗检测,得到实际功耗;
对所述质检芯片进行时序检测,得到时序信号;
对所述质检芯片进行误码率检测,得到误码率数据;
将所述实际功耗、时序信号以及误码率数据作为所述待质检芯片的性能数据。
可选地,所述利用预设的自动化检测设备中性能测试模块对所述待质检芯片进行电学性能测试,得到的所述待质检芯片的电学性能参数,包括:
获取所述待质检芯片对应的测试方案;
根据所述测试方案,利用所述性能测试模块对所述待质检芯片进行频波检测,得到可选频率范围内的频波信号;
对所述频波信号进行时序排列,得到排序信号;
检测所述排序信号在所述待质检芯片中的传输轨迹;
利用所述性能测试模块采集所述传输轨迹中的离散电信号,得到电学性能参数。
可选地,所述通过利用所述自动化检测设备中功能测试模块对所述待质检芯片进行功能测试,得到所述待质检芯片的功能参数,包括:
确定所述待检测芯片对应的测试指标;
根据所述测试指标,利用所述功能测试模块对所述待质检芯片进行电阻检测,得到芯片电阻值;
利用所述功能测试模块对所述待质检芯片进行电性能评估,得到芯片性能值;
利用所述功能测试模块对所述待质检芯片进行信号检测,得到芯片信号值;
将所述芯片电阻值、芯片电阻值以及芯片信号值作为所述待质检芯片的功能参数。
可选地,所述通过利用所述自动化检测设备中环境测试模块对所述待质检芯片进行环境适应性测试,得到所述待质检芯片的环境参数,包括:
识别所述待质检芯片的环境因素;
根据所述环境因素,确定所述待质检芯片的测试计划;
根据所述测试计划,利用所述环境测试模块对所述待质检芯片进行温度测试,得到所述待质检芯片的温度极限值;
利用所述环境测试模块对所述待质检芯片进行机械震动测试,得到所述待质检芯片的抗性值;
利用所述环境测试模块对所述待质检芯片进行电磁辐射测试,得到所述待质检芯片的抗干扰值;
将所述温度极限值、抗性值以及抗干扰值作为所述待质检芯片的环境参数。
可选地,所述利用所述芯片自检模型中性能优化网络对所述性能数据进行性能优化,得到优化性能数据,包括:
查询所述性能数据对应的原始代码;
利用所述性能优化网络中的重构模块对所述原始代码进行代码重构,得到所述性能数据对应的代码模块;
利用所述重构模块中快速排序算法对所述代码模块进行排序,得到有序代码模块;
利用所述性能优化网络中结构模块重定义所述有序代码模块的数据结构;
封装所述数据结构对应的有序代码模块,得到所述性能数据对应的优化性能数据。
可选地,所述利用所述芯片自检模型中特征提取网络对所述优化性能数据进行特征数据提取,得到性能特征数据,包括:
查询所述优化性能数据对应的性能特征;
识别所述性能特征中的性能因子;
获取所述性能特征和所述性能因子对应的性能特征参数和性能因子参数;
计算所述性能特征参数和所述性能因子参数的相关系数;
根据所述相关系数,对所述性能因子进行数据标记,得到标记性能数据;
利用所述芯片自检模型中特征提取网络对所述标记性能数据进行特征数据提取,得到性能特征数据。
可选的,所述计算所述性能特征参数和所述性能因子参数的相关系数,包括:
可以通过下述公式计算所述性能特征参数和所述性能因子参数的相关系数:
;
其中,R代表所述性能特征参数和所述性能因子参数的相关系数,n表示样本个数,x和y分别表示性能特征参数和性能因子参数在样本中的取值, 表示x和y的乘积之和, 和 /> 分别表示x和y的和,/> 和 /> 分别表示x和y的平方和。
可选的,所述根据所述性能数据参数,判断所述待质检芯片是否符合性能要求,包括:
获取所述待质检芯片的性能指标;
提取所述性能指标中对应的性能参数;
计算所述性能数据参数与所述性能参数的参数系数,包括:
可以通过下述公式计算所述性能数据参数与所述性能参数的参数系数:
;
其中,所述表示参数系数,所述/>表示性能数据参数第i个参数值,所述/>表示性能数据参数的平均值,所述/>表示性能参数第i个参数值,所述/>表示性能参数的平均值,所述i表示所述性能数据参数与所述性能参数的序列号,所述n表示参数数量;
当所述参数系数大于预设值时,则所述待质检芯片不符合性能要求;
当所述参数系数不大于预设值时,则所述待质检芯片符合性能要求。
本发明提供一种基于人工智能的芯片质检装置,其特征在于,所述装置包括:
性能数据模块,用于获取待质检芯片的外观图像,识别所述外观图像对应的芯片类别,根据所述芯片类别,检测所述待质检芯片的性能数据;
参数测试模块,用于利用预设的自动化检测设备中性能测试模块对所述待质检芯片进行电学性能测试,得到的所述待质检芯片的电学性能参数,利用所述自动化检测设备中功能测试模块对所述待质检芯片进行功能测试,得到所述待质检芯片的功能参数,利用所述自动化检测设备中环境测试模块对所述待质检芯片进行环境适应性测试,得到所述待质检芯片的环境参数;
性能特征模块,用于根据所述电学性能参数、所述功能参数、所述环境参数构建芯片自检模型,利用所述芯片自检模型中性能优化网络对所述性能数据进行性能优化,得到优化性能数据,利用所述芯片自检模型中特征提取网络对所述优化性能数据进行特征数据提取,得到性能特征数据;
性能判断模块,用于提取所述性能特征数据的性能数据参数,根据所述性能数据参数,判断所述待质检芯片是否符合性能要求;
异常质检模块,用于若所述待质检芯片不符合所述性能要求,识别所述待质检芯片的异常状态,根据所述异常状态,生成所述待质检芯片的第一质检报告;
状态质检模块,用于若所述待质检芯片符合所述性能要求,识别所述待质检芯片的正常状态,根据所述正常状态,生成所述待质检芯片的第二质检报告。
本发明通过获取待质检芯片的外观图像,通过所述外观图像可以了解所述待质检芯片的整体外观、造型以及细节等,本发明通过利用预设的自动化检测设备中性能测试模块对所述待质检芯片进行电学性能测试,得到的所述待质检芯片的电学性能参数,可以指导所述待质检芯片的设计优化,帮助确定所述待质检芯片的适用范围;本发明通过利用所述自动化检测设备中环境测试模块对所述待质检芯片进行环境适应性测试,得到所述待质检芯片的环境参数,有助于了解芯片工作环境中的一些关键参数,本发明通过根据所述电学性能参数、所述功能参数、所述环境参数构建芯片自检模型,可以帮助改进芯片设计,并提高芯片的集成度和性能,从而实现提高芯片的可靠性和稳定性,本发明通过提取所述性能特征数据的性能数据参数,可以帮助调高所述待质检芯片中的监测和分析系统的性能,从而找到其系统中的瓶颈和优化点,在本发明中若所述待质检芯片不符合所述性能要求,识别所述待质检芯片的异常状态,可以帮助维护人员快速定位故障,缩短其系统维护时间,从而提高维护效率,在本发明中若所述待质检芯片符合所述性能要求,识别所述待质检芯片的正常状态,以便了解芯片的正常工作状态,避免出现错误或故障,以确保芯片的性能、可靠性和稳定性。因此,本发明实施例提供的基于人工智能实现芯片质检的方法,能够提高人工智能的芯片质检效率。
附图说明
图1为本发明一实施例提供的基于人工智能实现芯片质检的方法的流程示意图;
图2为本发明一实施例提供的基于人工智能实现芯片质检装置的功能模块图;
图3为本发明一实施例提供的实现所述基于人工智能实现芯片质检的方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供基于人工智能实现芯片质检的方法。本申请实施例中,所述基于人工智能实现芯片质检的方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于人工智能实现芯片质检的方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于人工智能实现芯片质检的方法的流程示意图。在本实施例中,所述基于人工智能实现芯片质检的方法包括步骤S1—S6。
S1、获取待质检芯片的外观图像,识别所述外观图像对应的芯片类别,根据所述芯片类别,检测所述待质检芯片的性能数据。
本发明通过获取待质检芯片的外观图像,通过所述外观图像可以了解所述待质检芯片的整体外观、造型以及细节等,其中,所述外观图像通常是指能够具体所述待质检芯片的数字图像,通常是由像素点构成的视觉形象,可选的,所述外观图像可以通过摄像机或传感器等设备获取。
其中,所述待质检芯片是指需要进行质量检测和评估的芯片样品。
进一步地,本发明通过识别所述外观图像对应的芯片类别,可以了解到所述待质检芯片的具体类别,紧接着根据相应的工艺参数进行生产和检测,从而提高产品的质量和可靠性。
其中,所述芯片类别是指芯片的种类或者类别,而芯片可以通过应用领域、功能特性、制造工艺等因素进行分类,其中,按所述应用领域分类可分为:通用性处理器芯片、嵌入式处理器芯片、存储芯片、传感器芯片、通信芯片、控制芯片、特定应用芯片等;按所述功能特性分类可分为:处理器芯片、存储芯片、传感器芯片、通信芯片、控制芯片、控制芯片、安全芯片、智能芯片等;按所述制造工艺分类可分为:大规模集成电路芯片、小规模集成电路芯片、模拟芯片、三维集成电路芯片、柔性电子芯片等。
可选的,芯片类别可以通过查看芯片上的芯片标识、芯片的产品说明书或数据手册进行获取得到。
进一步地,本发明通过根据所述芯片类别,检测所述待质检芯片的性能数据,可以帮助确定芯片是否符合设计规格和性能要求,也可通过对所述性能数据的测试,确定芯片能否在特定环境下持续稳定运作。
其中,所述性能数据是指能够影响到芯片正常工作的数据,通常包括:时钟频率数据、存储容量数据、输入输出速度数据、运算速度数据、精度和稳定性数据等。
作为本发明的一个实施例,所述根据所述芯片类别,检测所述待质检芯片的性能数据,包括:识别所述芯片类别对应的应用领域;根据所述应用领域,确定所述待质检芯片的检测项目;根据所述检测项目,对所述待质检芯片进行功耗检测,得到实际功耗;对所述质检芯片进行时序检测,得到时序信号;对所述质检芯片进行误码率检测,得到误码率数据;将所述实际功耗、时序信号以及误码率数据作为所述待质检芯片的性能数据。
其中,所述应用领域是指芯片技术所应用的各个领域;所述检测项目是指对芯片进行的各种测试和检测操作的项目;所述实际功耗是指芯片在运行时消耗的电能或功率;所述时序信号是指芯片内部或与外部设备之间传输的一系列按照时间顺序排列的电信号;所述误码率数据是指在数字通信领域中一种表示数字信号传输质量的重要参数。
进一步地,所述识别所述芯片类别对应的应用领域可以通过数据库查询获取;所述确定所述待质检芯片的检测项目可以通过芯片数据手册实现;所述对所述质检芯片进行时序检测可以通过时序检测工具实现,如:逻辑分析仪、信号发生器等工具;对所述质检芯片进行误码率检测可以检测工具实现,如:信号发生器、误码仪等工具。
S2、利用预设的自动化检测设备中性能测试模块对所述待质检芯片进行电学性能测试,得到的所述待质检芯片的电学性能参数,利用所述自动化检测设备中功能测试模块对所述待质检芯片进行功能测试,得到所述待质检芯片的功能参数,利用所述自动化检测设备中环境测试模块对所述待质检芯片进行环境适应性测试,得到所述待质检芯片的环境参数。
本发明通过利用预设的自动化检测设备中性能测试模块对所述待质检芯片进行电学性能测试,得到的所述待质检芯片的电学性能参数,可以指导所述待质检芯片的设计优化,帮助确定所述待质检芯片的适用范围,其中,所述电学性能参数是指电子芯片或电气元件在正常使用条件下的特定电学性能指标。
详细地,预设的自动化检测设备是指可以自动进行各种测试和检测任务,以评估待质检芯片的性能和功能的一种设备,通常由多个模块组成,包括:性能测试模块、功能测试模块、环境测试模块等模块。
作为本发明的一个实施例,所述利用预设的自动化检测设备中性能测试模块对所述待质检芯片进行电学性能测试,得到的所述待质检芯片的电学性能参数,包括:获取所述待质检芯片对应的测试方案;根据所述测试方案,利用所述性能测试模块对所述待质检芯片进行频波检测,得到可选频率范围内的频波信号;对所述频波信号进行时序排列,得到排序信号;检测所述排序信号在所述待质检芯片中的传输轨迹;利用所述性能测试模块采集所述传输轨迹中的离散电信号,得到电学性能参数。
其中,所述测试方案是指对芯片进行全面、系统、可靠的测试和验证的方案;所述频波信号是指一定时间内频率和振幅均按照规律变化的电磁波信号;所述排序信号是指按照一定规则对所述频波信号进行排序得到的信号;所述传输轨迹是指所述排序信号在芯片电路上移动的路径。
进一步地,所述获取所述待质检芯片对应的测试方案可以通过ATE实现;所述对所述待质检芯片进行频波检测可以通过利用所述性能测试模块;所述对所述频波信号进行时序排列可以通过功率谱密度估计算法实现;所述检测所述排序信号在所述待质检芯片中的传输轨迹可以通过SPICE模拟器实现;所述传输轨迹中的离散电信号可以通过利用所述性能测试模块采集获得。
详细地,所述性能测试模块用于对待质检芯片进行电学性能测试,通过在预设条件下对待质检芯片进行测试,可以得到其电学性能参数,这些参数是指芯片在正常工作条件下的特定电学性能指标,例如功耗、速度、电压要求等,根据测试结果,可以确定芯片设计的优化方向,并帮助确定其适用范围。
本发明通过利用所述自动化检测设备中功能测试模块对所述待质检芯片进行功能测试,得到所述待质检芯片的功能参数,可以了解到芯片产品、检测系统或测试设备的特性,以便进行性能测试和优化设计,其中,所述功能参数是指是芯片产品或器件的性能指标,其包含芯片的功能特点和技术参数。
作为本发明的一个实施例,所述通过利用所述自动化检测设备中功能测试模块对所述待质检芯片进行功能测试,得到所述待质检芯片的功能参数,包括:确定所述待检测芯片对应的测试指标;根据所述测试指标,利用所述功能测试模块对所述待质检芯片进行电阻检测,得到芯片电阻值;利用所述功能测试模块对所述待质检芯片进行电性能评估,得到芯片性能值;利用所述功能测试模块对所述待质检芯片进行信号检测,得到芯片信号值;将所述芯片电阻值、芯片电阻值以及芯片信号值作为所述待质检芯片的功能参数。
其中,所述测试指标是指对待质检芯片进行测试评估时所使用的量化指标或参数;所述芯片电阻值是指芯片中电阻元件的电阻大小;所述芯片性能值是指芯片在设计规格书中规定的测试条件下的性能参数;所述芯片信号值是指芯片内部或外部的电信号大小或特性。
进一步地,所述测试指标可以通过芯片的需求规格书确定;所述对所述待质检芯片进行电阻检测可以通过电阻测试工具实现,如:万用表、器件测试仪以及数字化电阻测量仪等工具;所述对所述待质检芯片进行电性能评估可以通过机器学习算法实现;所述对所述待质检芯片进行信号检测可以通过逻辑分析仪或示波器实现。
详细地,所述功能测试模块用于对待质检芯片进行功能测试,通过模拟实际使用情况,检查芯片是否按照预期功能运行,功能参数是指芯片在不同操作模式下的功能表现,例如输入输出接口、信号处理、数据传输等,功能测试可确保芯片满足其规格要求,并且能够正常工作。
本发明通过利用所述自动化检测设备中环境测试模块对所述待质检芯片进行环境适应性测试,得到所述待质检芯片的环境参数,有助于了解芯片工作环境中的一些关键参数,并且所述关键参数对所述质检芯片性能和可靠性具有重要影响,其中,所述环境参数是指对所述芯片正常工作受到影响的参数,其包括:温度、湿度、压力、电磁场强度等。
作为本发明的一个实施例,所述通过利用所述自动化检测设备中环境测试模块对所述待质检芯片进行环境适应性测试,得到所述待质检芯片的环境参数,包括:识别所述待质检芯片的环境因素;根据所述环境因素,确定所述待质检芯片的测试计划;根据所述测试计划,利用所述环境测试模块对所述待质检芯片进行温度测试,得到所述待质检芯片的温度极限值;利用所述环境测试模块对所述待质检芯片进行机械震动测试,得到所述待质检芯片的抗性值;利用所述环境测试模块对所述待质检芯片进行电磁辐射测试,得到所述待质检芯片的抗干扰值;将所述温度极限值、抗性值以及抗干扰值作为所述待质检芯片的环境参数。
其中,所述环境因素是指影响芯片或其系统性能的外部因素;所述测试计划是指更据测试策略和需求分析,制定详细的测试计划,以确保对芯片或其系统进行完整性、正确性以及兼容性等多方面的测试;所述温度极限值是指芯片在工作环境下所能承受的最高温度和最低温度;所述抗性值是指受外界干扰因素的承受度;所述抗干扰值是指芯片在各种外部电磁场干扰下保持正常工作的能力。
进一步地,所述识别所述待质检芯片的环境因素可以通过各种传感器实现,如:温度、湿度、气压等传感器;所述对所述待质检芯片进行温度测试可以通过温度计和热板实现;所述对所述待质检芯片进行机械震动测试可以通过震动台实现;所述对所述待质检芯片进行电磁辐射测试可以通过电磁辐射测试设备实现,如:电磁辐射室、辐射源和测量设备等。
详细地,所述环境测试模块用于对待质检芯片进行环境适应性测试,通过模拟不同的环境条件,如温度、湿度、振动等,评估芯片在各种环境下的性能和可靠性,环境参数是指芯片在不同环境条件下的特性,例如工作温度范围、湿度要求等,环境适应性测试可帮助确定芯片在各种环境中是否可以正常运行。
S3、根据所述电学性能参数、所述功能参数、所述环境参数构建芯片自检模型,利用所述芯片自检模型中性能优化网络对所述性能数据进行性能优化,得到优化性能数据,利用所述芯片自检模型中特征提取网络对所述优化性能数据进行特征数据提取,得到性能特征数据。
本发明通过根据所述电学性能参数、所述功能参数、所述环境参数构建芯片自检模型,可以帮助改进芯片设计,并提高芯片的集成度和性能,从而实现提高芯片的可靠性和稳定性。
其中,所述芯片自检模型是指基于软件和硬件机制,用于在芯片生产过程中、设备操作前、系统上电前自动进行测试和检测,并且能够通过内置的测试算法和逻辑电路对芯片进行全面的自检。
可选的,所述构建芯片自检模型可以通过自动测试软件实现,并且所述自动测试软件可以对芯片自检模型进行全面的测试和检查,所述自动检测软件通常包括:ATE、IAP、BIST等软件工具。
本发明通过利用所述芯片自检模型中性能优化网络对所述性能数据进行性能优化,得到优化性能数据,可以提高数据在所述性能优化网络中的响应速度,优化其中的应用程序性能,以便于增加信息数据的安全性,其中,所述优化性能数据是指对所述性能优化网络或其应用程序进行性能测试和分析后,发现问题、优化改进后所得到的数据。
作为本发明的一个实施例,所述利用所述芯片自检模型中性能优化网络对所述性能数据进行性能优化,得到优化性能数据,包括:查询所述性能数据对应的原始代码;利用所述性能优化网络中的重构模块对所述原始代码进行代码重构,得到所述性能数据对应的代码模块;利用所述重构模块中快速排序算法对所述代码模块进行排序,得到有序代码模块;利用所述性能优化网络中结构模块重定义所述有序代码模块的数据结构;封装所述数据结构对应的有序代码模块,得到所述性能数据对应的优化性能数据。
其中,所述原始代码是指编写的未经过编译、优化和打包的源代码文件;所述代码模块是指程序中相互独立、可以重复使用的代码块;所述有序代码模块是指按照一定规律或逻辑顺序排列的一组代码模块;所述数据结构是指计算机存储、组织和管理数据的方式,它是一种特殊的组织形式。
进一步地,所述查询所述性能数据对应的原始代码可以通过数据分析工具实现,如:Microsoft Power BI、Tableau等;所述对所述原始代码进行代码重构可以通过利用所述性能优化网络中的重构模块实现;所述对所述代码模块进行排序可以通过利用所述重构模块中快速排序算法实现;所述重定义所述有序代码模块的数据结构可以通过利用所述性能优化网络中结构模块实现;所述封装所述数据结构对应的有序代码模块可以通过编程语言实现,如:java、Python等语言。
详细地,所述性能优化网络是指在进行性能优化时所采用的模型或框架。具体来说,性能优化网络可以由多个模块组成,每个模块负责不同的任务,其包括:重构模块、排序模块、结构模块等模块,其中,重构模块可以根据代码的特定规则或逻辑顺序,对代码进行修改、优化或简化,从而使其更高效、可读性更强或更易于维护,排序算法可以根据某种特定的准则将代码模块按照一定顺序排列,例如按照性能优化指标、执行时间等进行排序,从而方便后续的处理和使用,所述结构模块是指可以确定存储有序代码模块的方式,并提供相应的操作和接口,以便于对数据进行增删改查等操作。该模块可以根据需要对有序代码模块的数据结构进行定义和优化,以提高数据的访问效率和操作便捷性。
本发明通过利用所述芯片自检模型中特征提取网络对所述优化性能数据进行特征数据提取,得到性能特征数据,可以帮助芯片生产管理人员了解芯片加工过程中存在的问题,针对性地进行改进措施,提高加工效率和芯片质量,其中,所述性能特征数据是指描述芯片产品或其加工系统在运行过程中各项性能指标的数据。
作为本发明的一个实施例,所述利用所述芯片自检模型中特征提取网络对所述优化性能数据进行特征数据提取,得到性能特征数据,包括:查询所述优化性能数据对应的性能特征;识别所述性能特征中的性能因子;获取所述性能特征和所述性能因子对应的性能特征参数和性能因子参数;计算所述性能特征参数和所述性能因子参数的相关系数;根据所述相关系数,对所述性能因子进行数据标记,得到标记性能数据;利用所述芯片自检模型中特征提取网络对所述标记性能数据进行特征数据提取,得到性能特征数据。
其中,所述性能特征是指衡量系统、应用程序、服务或组件性能的各种指标和特性;所述性能因子是指是指影响芯片或芯片组件性能的各种因素;所述性能特征参数是指用于评估芯片或芯片组件性能的具体指标;所述性能因子参数影响芯片或芯片组件性能的具体因素;所述相关系数是指衡量所述性能特征参数和所述性能因子参数之间关系强度的一种统计指标;所述标记性能数据是指用于收集、记录和分析各种性能指标数据的标记数据。
进一步地,所述查询所述优化性能数据对应的性能特征可以通过性能监控工具实现,如:Grafana、New Relic、Dynatrace等工具;所述识别所述性能特征中的性能因子可以通过决策树算法实现;所述获取所述性能特征和所述性能因子对应的性能特征参数和性能因子参数可以通过线性回归模型实现;所述计算所述性能特征参数和所述性能因子参数的相关系数可以通过下述公式实现;所述对所述性能因子进行数据标记可以通过阈值标记法实现;所述对所述标记性能数据进行特征数据提取可以通过所述芯片自检模型中特征提取网络实现。
作为本发明的一个可选实施例,所述计算所述性能特征参数和所述性能因子参数的相关系数,包括:
可以通过下述公式计算所述性能特征参数和所述性能因子参数的相关系数:;
其中,R代表所述性能特征参数和所述性能因子参数的相关系数,n表示样本个数,x和y分别表示性能特征参数和性能因子参数在样本中的取值, 表示x和y的乘积之和, 和 /> 分别表示x和y的和,/> 和 /> 分别表示x和y的平方和。
S4、提取所述性能特征数据的性能数据参数,根据所述性能数据参数,判断所述待质检芯片是否符合性能要求。
本发明通过提取所述性能特征数据的性能数据参数,可以帮助调高所述待质检芯片中的监测和分析系统的性能,从而找到其系统中的瓶颈和优化点。
其中,所述性能数据参数是指用于衡量和评估芯片产品或者其系统的指标或参数,可选的,所述提取所述性能特征数据的性能数据参数可以通过监控提取工具实现,如;Nagios、Zabbix等工具。
作为本发明的一个实施例,所述根据所述性能数据参数,判断所述待质检芯片是否符合性能要求,包括:获取所述待质检芯片的性能指标;提取所述性能指标中对应的性能参数;计算所述性能数据参数与所述性能参数的参数系数包括:
可以通过下述公式计算所述性能数据参数与所述性能参数的参数系数:;
其中,所述表示参数系数,所述/>表示性能数据参数第i个参数值,所述/>表示性能数据参数的平均值,所述/>表示性能参数第i个参数值,所述/>表示性能参数的平均值,所述i表示所述性能数据参数与所述性能参数的序列号,所述n表示参数数量;当所述参数系数大于预设值时,则所述待质检芯片不符合性能要求;当所述参数系数不大于预设值时,则所述待质检芯片符合性能要求。
其中,所述性能指标是指用于测量和评估有关芯片的系统或性能的量化参数或指标;所述性能参数是指衡量芯片系统或其产品性能的具体数据值;所述参数系数是指某个参数随着其他因素的变化而变化的比例;所述预设值是指人为设定的某个参数或者指标的期望取值,以使其达到预期的性能要求。
进一步地,所述获取所述待质检芯片的性能指标可以通过传感器实现;所述提取所述性能指标中对应的性能参数可以通过参数提取工具实现,如:MATLAB、LabVIEW等工具;所述计算所述性能数据参数与所述性能参数的参数系数可以通过预设的参数系数计算公式实现。
S5、若所述待质检芯片不符合所述性能要求,识别所述待质检芯片的异常状态,根据所述异常状态,生成所述待质检芯片的第一质检报告。
在本发明中若所述待质检芯片不符合所述性能要求,识别所述待质检芯片的异常状态,可以帮助维护人员快速定位异常,缩短其系统维护时间,从而提高维护效率。
其中,所述异常状态是指芯片工作过程中发生的不正常的状态,通常包括:电压或电流异常、温度异常、频率或时钟异常等情况,可选的,所述识别所述待质检芯片的异常状态可以通过传感器测量实现,如:温度、电压、电流等传感器。
进一步地,本发明根据所述异常状态,生成所述待质检芯片的第一质检报告,包括:识别所述异常状态中的异常数据;对所述异常数据进行异常分类,得到分类异常数据;根据所述分类异常数据,确定质检方案,得到质检结果;分析所述质检结果,生成所述待质检芯片的第一质检报告。
其中,所述异常数据是指与正常值相比出现了明显偏差或异常的数据;所述分类异常数据是指将收集到的异常数据按照不同的类型进行分类,以便更好地进行分析和处理;所述质检结果是指经过质检测试后,针对待质检芯片的各项性能、指标、参数等方面所得到的测试数据和分析结果。
进一步地,所述识别所述异常状态中的异常数据可以通过数据识别工具实现,如:KNIME工具;所述对所述异常数据进行异常分类可以通过SVM分类算法实现;所述生成所述待质检芯片的第一质检报告可以通过报告生成工具实现,如:Google Docs、Canva和Lucidpress等工具。
S6、若所述待质检芯片符合所述性能要求,识别所述待质检芯片的正常状态,根据所述正常状态,生成所述待质检芯片的第二质检报告。
在本发明中若所述待质检芯片符合所述性能要求,识别所述待质检芯片的正常状态,以便了解芯片的正常工作状态,避免出现错误或故障,以确保芯片的性能、可靠性和稳定性。
其中,所述正常状态是指芯片按照设计要求、在指定的工作条件下,能够稳定地执行各种功能,可选的,所述识别所述待质检芯片的正常状态可以通过传感器测量实现,如:温度、电压、电流等传感器。
进一步地,本发明根据所述正常状态,生成所述待质检芯片的第二质检报告,包括:识别所述正常状态中的状态数据;对所述状态数据进行状态分类,得到分类状态数据;根据所述分类状态数据,确定质检方案,得到质检结果;分析所述质检结果,生成所述待质检芯片的第二质检报告。
其中,所述状态数据是指用于描述当前系统、设备或组件状态的数据;所述分类状态数据是指是指将系统、设备或组件的状态数据按照一定的分类规则进行分组和整理,以便更好地对其进行分析和管理;所述质检结果是指经过质检测试后,针对待质检芯片的各项性能、指标、参数等方面所得到的测试数据和分析结果。
进一步地,所述所述识别所述正常状态中的状态数据可以通过数据识别工具实现,如:KNIME工具;所述对所述状态数据进行状态分类可以通过SVM分类算法实现;所述生成所述待质检芯片的第二质检报告可以通过报告生成工具实现,如:Google Docs、Canva和Lucidpress等工具。
本发明通过获取待质检芯片的外观图像,通过所述外观图像可以了解所述待质检芯片的整体外观、造型以及细节等,本发明通过利用预设的自动化检测设备中性能测试模块对所述待质检芯片进行电学性能测试,得到的所述待质检芯片的电学性能参数,可以指导所述待质检芯片的设计优化,帮助确定所述待质检芯片的适用范围;本发明通过利用所述自动化检测设备中环境测试模块对所述待质检芯片进行环境适应性测试,得到所述待质检芯片的环境参数,有助于了解芯片工作环境中的一些关键参数,本发明通过根据所述电学性能参数、所述功能参数、所述环境参数构建芯片自检模型,可以帮助改进芯片设计,并提高芯片的集成度和性能,从而实现提高芯片的可靠性和稳定性,本发明通过提取所述性能特征数据的性能数据参数,可以帮助调高所述待质检芯片中的监测和分析系统的性能,从而找到其系统中的瓶颈和优化点,在本发明中若所述待质检芯片不符合所述性能要求,识别所述待质检芯片的异常状态,可以帮助维护人员快速定位故障,缩短其系统维护时间,从而提高维护效率,在本发明中若所述待质检芯片符合所述性能要求,识别所述待质检芯片的正常状态,以便了解芯片的正常工作状态,避免出现错误或故障,以确保芯片的性能、可靠性和稳定性。因此,本发明实施例提供的基于人工智能实现芯片质检的方法,能够提高人工智能的芯片质检效率。
如图2所示,是本发明一实施例提供的基于人工智能的芯片质检装置的功能模块图。
本发明所述基于人工智能的芯片质检装置100可以安装于电子设备中。根据实现的功能,所述基于人工智能的芯片质检装置100可以包括性能数据模块101、参数测试模块102、性能特征模块103、性能判断模块104、异常质检模块105及状态质检模块106。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述性能数据模块101,用于获取待质检芯片的外观图像,识别所述外观图像对应的芯片类别,根据所述芯片类别,检测所述待质检芯片的性能数据;
所述参数测试模块102,用于利用预设的自动化检测设备中性能测试模块对所述待质检芯片进行电学性能测试,得到的所述待质检芯片的电学性能参数,利用所述自动化检测设备中功能测试模块对所述待质检芯片进行功能测试,得到所述待质检芯片的功能参数,利用所述自动化检测设备中环境测试模块对所述待质检芯片进行环境适应性测试,得到所述待质检芯片的环境参数;
所述性能特征模块103,用于根据所述电学性能参数、所述功能参数、所述环境参数构建芯片自检模型,利用所述芯片自检模型中性能优化网络对所述性能数据进行性能优化,得到优化性能数据,利用所述芯片自检模型中特征提取网络对所述优化性能数据进行特征数据提取,得到性能特征数据;
所述性能判断模块104,用于提取所述性能特征数据的性能数据参数,根据所述性能数据参数,判断所述待质检芯片是否符合性能要求;
所述异常质检模块105,用于若所述待质检芯片不符合所述性能要求,识别所述待质检芯片的异常状态,根据所述异常状态,生成所述待质检芯片的第一质检报告;
所述状态质检模块106,用于若所述待质检芯片符合所述性能要求,识别所述待质检芯片的正常状态,根据所述正常状态,生成所述待质检芯片的第二质检报告。
详细地,本申请实施例中所述基于人工智能实现芯片质检装置100中所述的各模块在使用时采用与上述图1中所述的基于人工智能实现芯片质检的方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图3所示,是本发明一实施例提供的实现基于人工智能实现芯片质检的方法的电子设备1的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于人工智能实现芯片质检的方法程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing Unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于人工智能实现芯片质检的方法程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于人工智能实现芯片质检的方法程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备1与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于人工智能实现芯片质检的方法程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取待质检芯片的外观图像,识别所述外观图像对应的芯片类别,根据所述芯片类别,检测所述待质检芯片的性能数据;
利用预设的自动化检测设备中性能测试模块对所述待质检芯片进行电学性能测试,得到的所述待质检芯片的电学性能参数,利用所述自动化检测设备中功能测试模块对所述待质检芯片进行功能测试,得到所述待质检芯片的功能参数,利用所述自动化检测设备中环境测试模块对所述待质检芯片进行环境适应性测试,得到所述待质检芯片的环境参数;
根据所述电学性能参数、所述功能参数、所述环境参数构建芯片自检模型,利用所述芯片自检模型中性能优化网络对所述性能数据进行性能优化,得到优化性能数据,利用所述芯片自检模型中特征提取网络对所述优化性能数据进行特征数据提取,得到性能特征数据;
提取所述性能特征数据的性能数据参数,根据所述性能数据参数,判断所述待质检芯片是否符合性能要求;
若所述待质检芯片不符合所述性能要求,识别所述待质检芯片的异常状态,根据所述异常状态,生成所述待质检芯片的第一质检报告;
若所述待质检芯片符合所述性能要求,识别所述待质检芯片的正常状态,根据所述正常状态,生成所述待质检芯片的第二质检报告。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取待质检芯片的外观图像,识别所述外观图像对应的芯片类别,根据所述芯片类别,检测所述待质检芯片的性能数据;
利用预设的自动化检测设备中性能测试模块对所述待质检芯片进行电学性能测试,得到的所述待质检芯片的电学性能参数,利用所述自动化检测设备中功能测试模块对所述待质检芯片进行功能测试,得到所述待质检芯片的功能参数,利用所述自动化检测设备中环境测试模块对所述待质检芯片进行环境适应性测试,得到所述待质检芯片的环境参数;
根据所述电学性能参数、所述功能参数、所述环境参数构建芯片自检模型,利用所述芯片自检模型中性能优化网络对所述性能数据进行性能优化,得到优化性能数据,利用所述芯片自检模型中特征提取网络对所述优化性能数据进行特征数据提取,得到性能特征数据;
提取所述性能特征数据的性能数据参数,根据所述性能数据参数,判断所述待质检芯片是否符合性能要求;
若所述待质检芯片不符合所述性能要求,识别所述待质检芯片的异常状态,根据所述异常状态,生成所述待质检芯片的第一质检报告;
若所述待质检芯片符合所述性能要求,识别所述待质检芯片的正常状态,根据所述正常状态,生成所述待质检芯片的第二质检报告。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (5)
1.一种基于人工智能实现芯片质检的方法,其特征在于,所述方法包括:
获取待质检芯片的外观图像,识别所述外观图像对应的芯片类别,根据所述芯片类别,检测所述待质检芯片的性能数据,包括:
识别所述芯片类别对应的应用领域;
根据所述应用领域,确定所述待质检芯片的检测项目;
根据所述检测项目,对所述待质检芯片进行功耗检测,得到实际功耗;
对所述质检芯片进行时序检测,得到时序信号;
对所述质检芯片进行误码率检测,得到误码率数据;
将所述实际功耗、时序信号以及误码率数据作为所述待质检芯片的性能数据;
利用预设的自动化检测设备中性能测试模块对所述待质检芯片进行电学性能测试,得到的所述待质检芯片的电学性能参数,包括:
识别所述芯片类别对应的应用领域;
根据所述应用领域,确定所述待质检芯片的检测项目;
根据所述检测项目,对所述待质检芯片进行功耗检测,得到实际功耗;
对所述质检芯片进行时序检测,得到时序信号;
对所述质检芯片进行误码率检测,得到误码率数据;
将所述实际功耗、时序信号以及误码率数据作为所述待质检芯片的性能数据;
利用所述自动化检测设备中功能测试模块对所述待质检芯片进行功能测试,得到所述待质检芯片的功能参数,利用所述自动化检测设备中环境测试模块对所述待质检芯片进行环境适应性测试,得到所述待质检芯片的环境参数;
根据所述电学性能参数、所述功能参数、所述环境参数构建芯片自检模型,利用所述芯片自检模型中性能优化网络对所述性能数据进行性能优化,得到优化性能数据,利用所述芯片自检模型中特征提取网络对所述优化性能数据进行特征数据提取,得到性能特征数据,包括:
查询所述优化性能数据对应的性能特征;
识别所述性能特征中的性能因子;
获取所述性能特征和所述性能因子对应的性能特征参数和性能因子参数;
计算所述性能特征参数和所述性能因子参数的相关系数,包括:
通过下述公式计算所述性能特征参数和所述性能因子参数的相关系数:
;
其中,R代表所述性能特征参数和所述性能因子参数的相关系数,n表示样本个数,x和y分别表示性能特征参数和性能因子参数在样本中的取值, 表示x和y的乘积之和,/>和 /> 分别表示x和y的和,/> 和 /> 分别表示x和y的平方和;
根据所述相关系数,对所述性能因子进行数据标记,得到标记性能数据;
利用所述芯片自检模型中特征提取网络对所述标记性能数据进行特征数据提取,得到性能特征数据;
提取所述性能特征数据的性能数据参数,根据所述性能数据参数,判断所述待质检芯片是否符合性能要求,包括:
获取所述待质检芯片的性能指标;
提取所述性能指标中对应的性能参数;
计算所述性能数据参数与所述性能参数的参数系数,包括:
通过下述公式计算所述性能数据参数与所述性能参数的参数系数:
;
其中,所述表示参数系数,所述/>表示性能数据参数第i个参数值,所述/>表示性能数据参数的平均值,所述/>表示性能参数第i个参数值,所述/>表示性能参数的平均值,所述i表示所述性能数据参数与所述性能参数的序列号,所述n表示参数数量;
当所述参数系数大于预设值时,则所述待质检芯片不符合性能要求;
当所述参数系数不大于预设值时,则所述待质检芯片符合性能要求;
若所述待质检芯片不符合所述性能要求,识别所述待质检芯片的异常状态,根据所述异常状态,生成所述待质检芯片的第一质检报告;
若所述待质检芯片符合所述性能要求,识别所述待质检芯片的正常状态,根据所述正常状态,生成所述待质检芯片的第二质检报告。
2.如权利要求1所述的基于人工智能实现芯片质检的方法,其特征在于,所述利用所述自动化检测设备中功能测试模块对所述待质检芯片进行功能测试,得到所述待质检芯片的功能参数,包括:
确定所述待质检芯片对应的测试指标;
根据所述测试指标,利用所述功能测试模块对所述待质检芯片进行电阻检测,得到芯片电阻值;
利用所述功能测试模块对所述待质检芯片进行电性能评估,得到芯片性能值;
利用所述功能测试模块对所述待质检芯片进行信号检测,得到芯片信号值;
将所述芯片电阻值、芯片电阻值以及芯片信号值作为所述待质检芯片的功能参数。
3.如权利要求1所述的基于人工智能实现芯片质检的方法,其特征在于,所述利用所述自动化检测设备中环境测试模块对所述待质检芯片进行环境适应性测试,得到所述待质检芯片的环境参数,包括:
识别所述待质检芯片的环境因素;
根据所述环境因素,确定所述待质检芯片的测试计划;
根据所述测试计划,利用所述环境测试模块对所述待质检芯片进行温度测试,得到所述待质检芯片的温度极限值;
利用所述环境测试模块对所述待质检芯片进行机械震动测试,得到所述待质检芯片的抗性值;
利用所述环境测试模块对所述待质检芯片进行电磁辐射测试,得到所述待质检芯片的抗干扰值;
将所述温度极限值、抗性值以及抗干扰值作为所述待质检芯片的环境参数。
4.如权利要求1所述的基于人工智能实现芯片质检的方法,其特征在于,所述利用所述芯片自检模型中性能优化网络对所述性能数据进行性能优化,得到优化性能数据,包括:
查询所述性能数据对应的原始代码;
利用所述性能优化网络中的重构模块对所述原始代码进行代码重构,得到所述性能数据对应的代码模块;
利用所述重构模块中快速排序算法对所述代码模块进行排序,得到有序代码模块;
利用所述性能优化网络中结构模块重定义所述有序代码模块的数据结构;
封装所述数据结构对应的有序代码模块,得到所述性能数据对应的优化性能数据。
5.一种基于人工智能的芯片质检装置,其特征在于,所述装置包括:
性能数据模块,用于获取待质检芯片的外观图像,识别所述外观图像对应的芯片类别,根据所述芯片类别,检测所述待质检芯片的性能数据,包括:
识别所述芯片类别对应的应用领域;
根据所述应用领域,确定所述待质检芯片的检测项目;
根据所述检测项目,对所述待质检芯片进行功耗检测,得到实际功耗;
对所述质检芯片进行时序检测,得到时序信号;
对所述质检芯片进行误码率检测,得到误码率数据;
将所述实际功耗、时序信号以及误码率数据作为所述待质检芯片的性能数据;
参数测试模块,用于利用预设的自动化检测设备中性能测试模块对所述待质检芯片进行电学性能测试,包括:
识别所述芯片类别对应的应用领域;
根据所述应用领域,确定所述待质检芯片的检测项目;
根据所述检测项目,对所述待质检芯片进行功耗检测,得到实际功耗;
对所述质检芯片进行时序检测,得到时序信号;
对所述质检芯片进行误码率检测,得到误码率数据;
将所述实际功耗、时序信号以及误码率数据作为所述待质检芯片的性能数据;
得到的所述待质检芯片的电学性能参数,利用所述自动化检测设备中功能测试模块对所述待质检芯片进行功能测试,得到所述待质检芯片的功能参数,利用所述自动化检测设备中环境测试模块对所述待质检芯片进行环境适应性测试,得到所述待质检芯片的环境参数;
性能特征模块,用于根据所述电学性能参数、所述功能参数、所述环境参数构建芯片自检模型,利用所述芯片自检模型中性能优化网络对所述性能数据进行性能优化,得到优化性能数据,利用所述芯片自检模型中特征提取网络对所述优化性能数据进行特征数据提取,得到性能特征数据,包括:
查询所述优化性能数据对应的性能特征;
识别所述性能特征中的性能因子;
获取所述性能特征和所述性能因子对应的性能特征参数和性能因子参数;
计算所述性能特征参数和所述性能因子参数的相关系数,包括:
通过下述公式计算所述性能特征参数和所述性能因子参数的相关系数:
;
其中,R代表所述性能特征参数和所述性能因子参数的相关系数,n表示样本个数,x和y分别表示性能特征参数和性能因子参数在样本中的取值, 表示x和y的乘积之和,/>和 /> 分别表示x和y的和,/> 和 /> 分别表示x和y的平方和;
根据所述相关系数,对所述性能因子进行数据标记,得到标记性能数据;
利用所述芯片自检模型中特征提取网络对所述标记性能数据进行特征数据提取,得到性能特征数据;
性能判断模块,用于提取所述性能特征数据的性能数据参数,根据所述性能数据参数,判断所述待质检芯片是否符合性能要求,包括:
获取所述待质检芯片的性能指标;
提取所述性能指标中对应的性能参数;
计算所述性能数据参数与所述性能参数的参数系数,包括:
通过下述公式计算所述性能数据参数与所述性能参数的参数系数:
;
其中,所述表示参数系数,所述/>表示性能数据参数第i个参数值,所述/>表示性能数据参数的平均值,所述/>表示性能参数第i个参数值,所述/>表示性能参数的平均值,所述i表示所述性能数据参数与所述性能参数的序列号,所述n表示参数数量;
当所述参数系数大于预设值时,则所述待质检芯片不符合性能要求;
当所述参数系数不大于预设值时,则所述待质检芯片符合性能要求;
异常质检模块,用于若所述待质检芯片不符合所述性能要求,识别所述待质检芯片的异常状态,根据所述异常状态,生成所述待质检芯片的第一质检报告;
状态质检模块,用于若所述待质检芯片符合所述性能要求,识别所述待质检芯片的正常状态,根据所述正常状态,生成所述待质检芯片的第二质检报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410046681.9A CN117571742B (zh) | 2024-01-12 | 2024-01-12 | 基于人工智能实现芯片质检的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410046681.9A CN117571742B (zh) | 2024-01-12 | 2024-01-12 | 基于人工智能实现芯片质检的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117571742A CN117571742A (zh) | 2024-02-20 |
CN117571742B true CN117571742B (zh) | 2024-04-05 |
Family
ID=89890357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410046681.9A Active CN117571742B (zh) | 2024-01-12 | 2024-01-12 | 基于人工智能实现芯片质检的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117571742B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118080387B (zh) * | 2024-04-15 | 2024-09-13 | 深圳市耀壹软件技术有限公司 | 基于人工智能的芯片检测方法、系统、装置及存储介质 |
CN118425743A (zh) * | 2024-07-03 | 2024-08-02 | 飞龙芯类脑智能科技(珠海)有限公司 | 一种获取芯片调试数据的处理分析系统及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258215A (zh) * | 2013-05-10 | 2013-08-21 | 杭州电子科技大学 | 一种多导联间相关性分析的脑电特征提取方法 |
CN104422477A (zh) * | 2013-08-21 | 2015-03-18 | 天津市尹彤电子检测有限公司 | 一种芯片检测装置 |
CN108594106A (zh) * | 2018-04-12 | 2018-09-28 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 系统级芯片测评装置和方法 |
CN108897916A (zh) * | 2018-05-31 | 2018-11-27 | 全球能源互联网研究院有限公司 | 一种芯片及器件设计的联合仿真方法和系统 |
CN108985327A (zh) * | 2018-06-05 | 2018-12-11 | 东南大学 | 一种基于因子分析的地形匹配区自组织优化分类方法 |
CN111178641A (zh) * | 2020-01-03 | 2020-05-19 | 江南大学 | 基于特征提取和多核rsvr组合模型的短期电力负荷预测方法 |
CN111209971A (zh) * | 2020-01-08 | 2020-05-29 | 华南理工大学 | 一种实现有效特征抽取的深度子空间聚类方法及系统 |
CN112987443A (zh) * | 2021-02-26 | 2021-06-18 | 贵州大学 | 基于石墨烯mems的色彩调制器及其制作方法 |
CN113297439A (zh) * | 2021-05-31 | 2021-08-24 | 中电福富信息科技有限公司 | 一种时间序列数据特征提取及分类方法 |
CN114024761A (zh) * | 2021-11-10 | 2022-02-08 | 中国工商银行股份有限公司 | 网络威胁数据的检测方法、装置、存储介质及电子设备 |
CN114289339A (zh) * | 2021-12-10 | 2022-04-08 | 郑州信大捷安信息技术股份有限公司 | 一种芯片自动化检测方法和装置 |
WO2023226423A1 (zh) * | 2022-05-24 | 2023-11-30 | 苏州元脑智能科技有限公司 | 一种芯片辅助设计方法、装置、设备及非易失性存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113850794A (zh) * | 2021-09-29 | 2021-12-28 | 联想(北京)有限公司 | 一种图像处理方法及装置 |
CN114757225B (zh) * | 2022-03-31 | 2023-05-30 | 北京百度网讯科技有限公司 | 信号采样质量的确定方法、装置、设备及存储介质 |
-
2024
- 2024-01-12 CN CN202410046681.9A patent/CN117571742B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258215A (zh) * | 2013-05-10 | 2013-08-21 | 杭州电子科技大学 | 一种多导联间相关性分析的脑电特征提取方法 |
CN104422477A (zh) * | 2013-08-21 | 2015-03-18 | 天津市尹彤电子检测有限公司 | 一种芯片检测装置 |
CN108594106A (zh) * | 2018-04-12 | 2018-09-28 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 系统级芯片测评装置和方法 |
CN108897916A (zh) * | 2018-05-31 | 2018-11-27 | 全球能源互联网研究院有限公司 | 一种芯片及器件设计的联合仿真方法和系统 |
CN108985327A (zh) * | 2018-06-05 | 2018-12-11 | 东南大学 | 一种基于因子分析的地形匹配区自组织优化分类方法 |
CN111178641A (zh) * | 2020-01-03 | 2020-05-19 | 江南大学 | 基于特征提取和多核rsvr组合模型的短期电力负荷预测方法 |
CN111209971A (zh) * | 2020-01-08 | 2020-05-29 | 华南理工大学 | 一种实现有效特征抽取的深度子空间聚类方法及系统 |
CN112987443A (zh) * | 2021-02-26 | 2021-06-18 | 贵州大学 | 基于石墨烯mems的色彩调制器及其制作方法 |
CN113297439A (zh) * | 2021-05-31 | 2021-08-24 | 中电福富信息科技有限公司 | 一种时间序列数据特征提取及分类方法 |
CN114024761A (zh) * | 2021-11-10 | 2022-02-08 | 中国工商银行股份有限公司 | 网络威胁数据的检测方法、装置、存储介质及电子设备 |
CN114289339A (zh) * | 2021-12-10 | 2022-04-08 | 郑州信大捷安信息技术股份有限公司 | 一种芯片自动化检测方法和装置 |
WO2023226423A1 (zh) * | 2022-05-24 | 2023-11-30 | 苏州元脑智能科技有限公司 | 一种芯片辅助设计方法、装置、设备及非易失性存储介质 |
Non-Patent Citations (5)
Title |
---|
A Review and Analysis of Automatic Optical Inspection and Quality Monitoring Methods in Electronics Industry;Abd Al Rahman M. Abu Ebayyeh等;BMC Bioinformatics;20201006;第8卷;183192 - 183271 * |
DES算法在RFID安全中的应用;李洪旭;刘宇红;;通信技术;20121210(第12期);74-76, 81 * |
李洪旭 ; 刘宇红 ; .DES算法在RFID安全中的应用.通信技术.2012,45(12),74-76,81. * |
自适应参数优化EEMD机械故障特征提取方法;陈仁祥;汤宝平;杨黎霞;周广武;;振动.测试与诊断;20141215;34(第06期);1065-1071.1169-1170 * |
陈金泉等.环境统计原理与方法.中国科学技术大学出版社,1991,(第1版),184. * |
Also Published As
Publication number | Publication date |
---|---|
CN117571742A (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117571742B (zh) | 基于人工智能实现芯片质检的方法及装置 | |
CN112596495B (zh) | 一种基于知识图谱的工业设备故障诊断方法及系统 | |
CN107203467A (zh) | 一种分布式环境下监督学习算法的基准测试方法和装置 | |
CN116450399A (zh) | 微服务系统故障诊断及根因定位方法 | |
CN115617784A (zh) | 一种信息化配电的数据处理系统及其处理方法 | |
CN109165665A (zh) | 一种类别分析方法及系统 | |
CN114705965A (zh) | 基于大数据的第三代半导体可靠性数据分析系统 | |
CN117763432A (zh) | 通讯故障预测方法、装置、设备及存储介质 | |
CN109116263A (zh) | 一种多路电源产品负载测试设备及测试方法 | |
CN115376612B (zh) | 一种数据评测方法、装置、电子设备及存储介质 | |
CN109213119B (zh) | 基于在线学习的复杂工业关键部件故障预测方法及系统 | |
CN108446213A (zh) | 一种静态代码质量分析方法和装置 | |
CN116679139A (zh) | 电缆更换监测系统及方法 | |
CN111965995B (zh) | 一种三库合一飞机航电系统健康评估与预测系统及其方法 | |
CN114897006A (zh) | 智能电表误差分类方法及系统、设备、存储介质 | |
CN113791980A (zh) | 测试用例的转化分析方法、装置、设备及存储介质 | |
CN118097913B (zh) | 预警探测装置的灵敏度检测方法及装置 | |
CN117406161B (zh) | 一种计量装置量值偏离度预警方法、系统、设备及介质 | |
CN117235480B (zh) | 基于大数据实现数据加工下的筛选方法及系统 | |
CN116523491A (zh) | 结构化电务运维工作票的方法、装置、设备、介质及程序 | |
CN116991149B (zh) | 一种费控产品检验方法、装置、电子设备及存储介质 | |
CN113656238B (zh) | 一种智能终端的ai工业应用能力测试方法和系统 | |
CN112762976B (zh) | 一种对bmc传感器综合测试的自动化方法及装置 | |
CN108107375A (zh) | 获取led驱动电源寿命信息的方法及装置 | |
CN117290257B (zh) | 一种基于插件调用的软件生命周期规范化管理方法及系统 |
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 |