CN118192998A - 一种全自动芯片烧录装置 - Google Patents
一种全自动芯片烧录装置 Download PDFInfo
- Publication number
- CN118192998A CN118192998A CN202410416631.5A CN202410416631A CN118192998A CN 118192998 A CN118192998 A CN 118192998A CN 202410416631 A CN202410416631 A CN 202410416631A CN 118192998 A CN118192998 A CN 118192998A
- Authority
- CN
- China
- Prior art keywords
- chip
- detection
- processed
- defect
- burner
- 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
Links
- 238000001514 detection method Methods 0.000 claims abstract description 186
- 230000007547 defect Effects 0.000 claims abstract description 118
- 238000007599 discharging Methods 0.000 claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 18
- 230000007246 mechanism Effects 0.000 claims description 13
- 230000003287 optical effect Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000005057 refrigeration Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 13
- 238000012795 verification Methods 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种全自动芯片烧录装置,该装置包括:全自动芯片烧录中台、定位检测相机、缺陷检测相机、编带出料检测相机和烧录器检测单元;全自动芯片烧录中台分别与定位检测相机、缺陷检测相机、编带出料检测相机以及烧录器检测单元连接;定位检测相机用于对集成电路托盘的位置、编带进料的位置以及编带出料的位置进行定位;缺陷检测相机用于得到表面缺陷信息;编带出料检测相机用于确定表面标识信息和表面颜色信息;全自动芯片烧录中台用于发出异常警报;烧录器检测单元用于得到烧录器的压力。本发明提高了芯片烧录效率和烧录器压力分析效率,以及提高了芯片缺陷校验的准确性和烧录器压力分析的准确性。
Description
技术领域
本发明涉及芯片烧录技术领域,尤其涉及一种全自动芯片烧录装置。
背景技术
在目前芯片烧录过程中,主要是通过人工方式进行芯片烧录,即同故宫人工方式将待加工芯片输送至芯片烧录装置中的集成电路托盘,芯片烧录装置对集成电路托盘中的待加工芯片进行加工,并将加工后芯片输送至芯片存放区域,再通过人工方式对芯片存放区域中的加工后芯片进行缺陷校验,从而完成芯片烧录过程。同时,在需要确定芯片烧录装置中烧录器的压力时,需要人工采集分析,得到烧录器的压力。因此,目前芯片烧录的过程依赖人工,导致芯片烧录效率低以及烧录器压力分析效率低,同时,受人工主观因素影响,芯片缺陷校验存在偏差且烧录器压力分析存在偏差。
发明内容
本发明针对现有技术中存在的技术问题,提供一种全自动芯片烧录装置,用以提高芯片烧录效率和烧录器压力分析效率,以及提高芯片缺陷校验的准确性和烧录器压力分析的准确性。
本发明解决上述技术问题的技术方案如下:
一种全自动芯片烧录装置,包括:全自动芯片烧录中台、定位检测相机、缺陷检测相机、编带出料检测相机和烧录器检测单元;所述全自动芯片烧录中台分别与所述定位检测相机、所述缺陷检测相机、所述编带出料检测相机以及所述烧录器检测单元连接,以对其数据进行管理;
所述定位检测相机,用于对集成电路托盘的位置、编带进料的位置以及编带出料的位置进行定位,分别得到托盘位置、编带进料位置和编带出料位置,以通过所述编带进料位置将待加工芯片输送至所述集成电路托盘,通过所述托盘位置对所述集成电路托盘中的待加工芯片进行识别及加工,通过所述编带出料位置将加工后芯片输送至芯片存放区域;
所述缺陷检测相机,用于对所述加工后芯片的表面进行缺陷检测,得到所述加工后芯片的表面缺陷信息;
所述编带出料检测相机,用于对所述加工后芯片的表面进行标识检测和颜色检测,确定所述加工后芯片的表面标识信息和表面颜色信息;
所述全自动芯片烧录中台,用于根据所述表面缺陷信息发出异常警报;或者,根据所述表面标识信息、所述表面颜色信息以及所述加工后芯片的预设芯片信息发出异常警报;
所述烧录器检测单元,用于对所述全自动芯片烧录装置中烧录器的压力实时检测,得到所述烧录器的压力。
根据本发明提供的一种全自动芯片烧录装置,所述对所述加工后芯片的表面进行缺陷检测,得到所述加工后芯片的表面缺陷信息,包括:
获取所述加工后芯片对应的芯片表面图像;
将所述芯片表面图像输入至缺陷检测模型,获取所述加工后芯片的表面缺陷信息;所述缺陷检测模型是基于协调注意力机制和上下文转换网络改进的Faster R-CNN模型,其中,所述Faster R-CNN模型的骨干网络中包含协调注意力机制模块;所述Faster R-CNN模型的头部网络中包含上下文转换模块。
根据本发明提供的一种全自动芯片烧录装置,所述将所述芯片表面图像输入至缺陷检测模型,获取所述加工后芯片的表面缺陷信息,包括:
将所述芯片表面图像输入至所述缺陷检测模型,获得所述缺陷检测模型输出所述加工后芯片的缺陷区域检测结果;
根据所述缺陷区域检测结果确定所述芯片表面图像中的缺陷区域个数;
根据所述缺陷区域个数确定所述加工后芯片的表面缺陷信息。
根据本发明提供的一种全自动芯片烧录装置,所述根据所述缺陷区域个数确定所述加工后芯片的表面缺陷信息,包括:
将所述缺陷区域个数存入循环编码队列中;
在所述循环编码队列中的缺陷区域个数为零的情况下,确定所述表面缺陷信息为所述加工后芯片正常;或,
在所述循环编码队列中的缺陷区域个数为非零的情况下,确定所述表面缺陷信息为所述加工后芯片异常。
根据本发明提供的一种全自动芯片烧录装置,所述根据所述表面标识信息、所述表面颜色信息以及所述加工后芯片的预设芯片信息发出异常警报,包括:
将所述表面标识信息与所述预设芯片信息中的芯片标识信息进行标识对比,得到所述加工后芯片的标识对比结果;
将所述表面颜色信息与所述预设芯片信息中的芯片颜色信息进行颜色对比,得到所述加工后芯片的颜色对比结果;
若所述标识对比结果为所述表面标识信息和所述芯片标识信息不一致,或/和,所述表面颜色信息与所述芯片颜色信息不一致,则发出异常警报。
根据本发明提供的一种全自动芯片烧录装置,所述全自动芯片烧录装置还包括芯片位置校正单元,所述芯片位置校正单元与所述全自动芯片烧录中台连接,所述芯片位置校正单元包括图像采集器、部件检测器和位置校正器;
所述图像采集器,用于采集获取集成电路托盘中待加工芯片的相机图像;
所述部件检测器,用于将预设模板图像和所述相机图像输入部件检测模型,得到所述部件检测模型输出所述预设模板图像的第一检测框,以及所述相机图像的第二检测框;
所述位置校正器,用于基于所述第一检测框的位置和所述第二检测框的位置,对所述待加工芯片在所述集成电路托盘中的位置进行校正。
根据本发明提供的一种全自动芯片烧录装置,所述烧录器检测单元包括检测子单元、采集子单元和数据处理子单元;所述检测子单元设置于烧录器的转轮上,所述采集子单元设置于所述转轮的旁侧;所述采集子单元包括光学镜头和线阵列压力传感器;所述数据处理子单元,分别与所述检测子单元和所述线阵列压力传感器相连;
所述检测子单元,用于检测所述转轮的转动速度;
所述光学镜头,用于将所述转轮发出的压力信号投射至所述线阵列压力传感器上,所述线阵列压力传感器,用于扫描采集所述压力信号,生成压力阵列信号;
所述数据处理子单元,用于根据所述转动速度和所述压力阵列信号生成烧录器压力图像,并根据所述烧录器压力图像识别所述烧录器的压力。
根据本发明提供的一种全自动芯片烧录装置,所述线阵列压力传感器包括至少两个压力传感器,至少两个所述压力传感器等间距排列。
根据本发明提供的一种全自动芯片烧录装置,所述压力传感器为制冷压力传感器件。
根据本发明提供的一种全自动芯片烧录装置,所述检测子单元包括:第一位置传感器、第二位置传感器和数据处理器;所述第一位置传感器和所述第二位置传感器间隔设置于所述转轮上,且所述第一位置传感器和所述第二位置传感器分别与所述数据处理器相连;
所述第一位置传感器,用于检测所述烧录器的第一位置;
所述第二位置传感器,用于检测所述烧录器的第二位置;
所述数据处理器,用于根据所述烧录器的第一位置启动所述线阵列压力传感器,并根据所述烧录器的第一位置和第二位置得到所述转动速度。
本发明实施例通过全自动芯片烧录中台、定位检测相机、缺陷检测相机、编带出料检测相机和烧录器检测单元,从而可以全自动对将待加工芯片输送至集成电路托盘,全自动对集成电路托盘中的待加工芯片进行加工,全自动输出加工后芯片,全自动对加工后芯片进行缺陷校验,全自动采集分析烧录器的压力,从而提高了芯片烧录效率和烧录器压力分析效率,以及提高了芯片缺陷校验的准确性和烧录器压力分析的准确性。
附图说明
图1是本发明提供的全自动芯片烧录装置的结构示意图之一;
图2是本发明提供的全自动芯片烧录装置的结构示意图之二;
图3是本发明提供的全自动芯片烧录装置的结构示意图之三。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请的描述中,术语“例如”一词用来表示“用作例子、例证或说明”。本申请中被描述为“例如”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本发明。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本发明的描述变得晦涩。因此,本发明并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
图1是本发明实施例提供的全自动芯片烧录装置的结构示意图之一,请参照图1所示,本实施例提供了一种全自动芯片烧录装置,全自动芯片烧录中台、定位检测相机、缺陷检测相机、编带出料检测相机和烧录器检测单元;全自动芯片烧录中台分别与定位检测相机、缺陷检测相机、编带出料检测相机以及烧录器检测单元连接,因此,全自动芯片烧录中台可以对定位检测相机、缺陷检测相机、编带出料检测相机以及烧录器检测单元的数据进行管理。
可选的,定位检测相机对集成电路(IC,Integrated Circuit)托盘的位置、编带进料的位置以及编带出料的位置进行定位,分别得到托盘位置、编带进料位置和编带出料位置。因此,全自动芯片烧录中台可以获取定位检测相机传输的编带进料位置,通过编带进料位置将待加工芯片输送至集成电路托盘。进一步地,全自动芯片烧录中台可以获取定位检测相机传输的托盘位置,通过托盘位置利用烧录器对集成电路托盘中的待加工芯片进行识别及加工,得到加工后芯片。进一步地,全自动芯片烧录中台可以获取定位检测相机传输的编带出料位置,通过编带出料位置将加工后芯片输送至芯片存放区域。
在一可选实施例中,对加工后芯片的表面进行缺陷检测,得到加工后芯片的表面缺陷信息,包括:
获取加工后芯片对应的芯片表面图像;
将芯片表面图像输入至缺陷检测模型,获取加工后芯片的表面缺陷信息。
可选的,本发明实施例中的缺陷检测模型是基于协调注意力机制和上下文转换网络改进的Faster R-CNN(Faster Region Convolutional Neural Network)模型,因此可以理解为,Faster R-CNN模型的骨干网络中包含CA(Coordinate Attention)机制模块,Faster R-CNN模型的头部网络中包含CT(Contextual Transformer)模块。
可选的,缺陷检测模型是基于Faster R-CNN模型训练得到的,将Faster R-CNN模型的骨干网中添加协调注意力CA机制,使得检测模型可以更加关注有用的通道信息。输入特征张量使用池化核来编码水平方向和垂直方向的特征,则高度为h的第c通道的输出和宽度为w的第c通道的输出可分别如下式所示:
表示高度为h的第c通道的输出特征;/>表示宽度为w的第c通道的输出特征;W表示通道宽度的上限值;H表示通道高度上限值;xc(h,i)表示使用(H,1)的池化核对每个通道进行编码;xc(j,w)表示使用(1,W)的池化核对每个通道进行编码。
使用批量规范和非线性激活函数对垂直和水平方向的空间信息进行编码,再对编码信息沿水平和垂直两个方向的空间维度分解为两个单独的特征图,并通过1×1卷积变换函数进行分割,生成两个通道数相同的张量,最终得到的输出用f表示,f的计算式如下:
f=δ(F'([zh,zw])) (3)
其中,f表示经过编码、分解后得到的输出;δ()表示非线性激活函数;F'()表示卷积变换函数;
将f沿着空间维度分割成两个独立的张量fh∈RC/r×H和fw∈RC/r×W,两个1×1卷积变换Fh和Fw将fh和fw变换为和输入X具有相同通道数的张量gh和gw,其计算过程分别如式(4)和(5)表示:
gh=σ(Fh(fh)) (4)
gw=σ(Fw(fw)) (5)
gh表示由fh变换得到的和输入X具有相同通道数的张量;gw表示由fw变换得到的和输入X具有相同通道数的张量;σ()表示Sigmoid函数;Fh()表示垂直维度的卷积变换函数;Fw表示水平维度的卷积变换函数。
输出的gh和gw被增强作为注意力权重。最后,CA模块的输出yc(i,j)可以表示为:
其中,xc(i,j)表示输入特征,i,j分别表示;表示第c通道垂直维度的权重;表示第c通道水平维度的权重。
CA注意力机制不仅采用重新加权方法,还针对空间信息进行编码。引入CA注意力机制能够更准确地定位识别目标的准确位置,从而使改进后的Faster R-CNN网络模型能够更准确地辨识加工后芯片的缺陷区域,提高了检测精度。
可选的,在Faster R-CNN的头部层添加上下文转换CT网络,可以充分利用输入键之间的上下文信息来指导动态注意力矩阵的学习,从而增强模型的视觉表示能力。当输入特征图时,将键、查询和值分别设置为K=XWk,Q=XWq和V=XWv,其中,X表示输入,Wk、Wq、Wv分别表示用于将X转换为键、查询、值的转换矩阵。首先将k×k网格内所有相邻的键按k×k组进行卷积,以实现每个键的上下文表示,得到的上下文键K1∈RH×W×C,其可以反映近邻间的上下文信息。将K1作为输入的静态上下文表示,然后将K1与Q拼接起来,并通过两个1×1卷积Wθ和Wδ计算注意力矩阵A。该计算过程如式(8)所示:
A=[K1,Q]WθWδ (7)
式中,Wθ将ReLU作为激活函数,Wδ没有激活函数。最后将得到的注意力矩阵A与值V相乘得到注意力特征图K2∈RH×W×C,并将其命名为动态上下文表示,动态上下文表示计算过程如式(8)所示:
K2=V×A (8)
CT注意力机制最终的输出Y为局部静态上下文表示K1和全局动态上下文表示K2的注意力机制的融合。
图片经过添加注意力机制的Faster R-CNN-CACT模型训练结束后,可以使用TensorRT对模型进行优化部署,通过分析输入网络特征结构,重构计算图并采用16位浮点数进行加速推理,经过适当调整可以实现高速推理。
Faster R-CNN-CACT-RT(即缺陷检测模型)进行推理加速完成后,由于改进后的Faster R-CNN模型较原始Faster R-CNN模型更复杂,所以缺陷检测模型的推理时间略有增加,但仍可以满足实际生产的要求。
在一些实施例中,将芯片表面图像输入至缺陷检测模型,获取加工后芯片的表面缺陷信息,包括:
将芯片表面图像输入至缺陷检测模型,获得缺陷检测模型输出加工后芯片的缺陷区域检测结果;
根据缺陷区域检测结果确定芯片表面图像中的缺陷区域个数;
根据缺陷区域个数确定加工后芯片的表面缺陷信息。
可选的,将芯片表面图像输入至缺陷检测模型中进行缺陷区域检测,获得缺陷检测模型输出加工后芯片的缺陷区域检测结果,当加工后芯片通过最后一个检测工位后,根据输出的缺陷区域检测结果确定加工后芯片的缺陷区域个数,即可判断加工后芯片是否存在缺陷。
在一些实施例,根据缺陷区域个数确定加工后芯片的表面缺陷信息,包括:
将缺陷区域个数存入循环编码队列中;
在循环编码队列中的缺陷区域个数为零的情况下,确定表面缺陷信息为加工后芯片正常;或,
在循环编码队列中的缺陷区域个数为非零的情况下,确定表面缺陷信息为加工后芯片异常。
具体地,检测芯片表面图像的缺陷区域个数,并将这些数量记录在一个循环编码队列中。当这个加工后芯片通过最后一个检测工位时,会根据循环编码队列中记录的缺陷数量来判断加工后芯片是正常还是有缺陷。如果队列中缺陷数量为零,则判断表面缺陷信息为加工后芯片正常,即加工后芯片的表面不存在缺陷;如果不为零,则判断表面缺陷信息为加工后芯片异常,即加工后芯片的表面存在缺陷。
可选的,缺陷检测相机对加工后芯片的表面进行缺陷检测,得到加工后芯片的表面缺陷信息,因此,全自动芯片烧录中台可以获取缺陷检测相机传输的表面缺陷信息,并根据表面缺陷信息发出异常警报。
在一可选实施例中,根据表面缺陷信息发出异常警报,包括:
若确定表面缺陷信息为加工后芯片异常,即加工后芯片的表面存在缺陷,则发出异常警报。
可选的,编带出料检测相机对加工后芯片的表面进行标识检测和颜色检测,确定加工后芯片的表面标识信息和表面颜色信息,因此,全自动芯片烧录中台可以获取编带出料检测相机传输的表面标识信息和表面颜色信息,并根据表面标识信息、表面颜色信息以及加工后芯片的预设芯片信息发出异常警报,其中,预设芯片信息包括加工后芯片的标识信息和颜色信息。
在一可选实施例中,根据表面标识信息、表面颜色信息以及加工后芯片的预设芯片信息发出异常警报,包括:
将表面标识信息与预设芯片信息中的芯片标识信息进行标识对比,得到加工后芯片的标识对比结果;
将表面颜色信息与预设芯片信息中的芯片颜色信息进行颜色对比,得到加工后芯片的颜色对比结果;
若标识对比结果为表面标识信息和芯片标识信息不一致,或/和,表面颜色信息与芯片颜色信息不一致,则发出异常警报。
可选的,将表面标识信息与预设芯片信息中的芯片标识信息进行标识对比,得到加工后芯片的标识对比结果,并将表面颜色信息与预设芯片信息中的芯片颜色信息进行颜色对比,得到加工后芯片的颜色对比结果。
进一步地,若确定标识对比结果为表面标识信息和芯片标识信息不一致,或/和,表面颜色信息与芯片颜色信息不一致,则发出异常警报。
可选的,烧录器检测单元对全自动芯片烧录装置中烧录器的压力实时检测,得到烧录器的压力,因此,全自动芯片烧录中台可以获取烧录器检测单元传输的烧录器的压力,并根据烧录器的压力发出异常警报。
在一可选实施例中,参照图2,图2是本发明实施例提供的全自动芯片烧录装置的结构示意图之二,烧录器检测单元包括检测子单元、采集子单元和数据处理子单元;检测子单元设置于烧录器的转轮上,采集子单元设置于转轮的旁侧;采集子单元包括光学镜头和线阵列压力传感器;数据处理子单元,分别与检测子单元和线阵列压力传感器相连;检测子单元检测转轮的转动速度;光学镜头将转轮发出的压力信号投射至线阵列压力传感器上,线阵列压力传感器扫描采集压力信号,生成压力阵列信号;数据处理子单元根据转动速度和压力阵列信号生成烧录器压力图像,并根据烧录器压力图像识别烧录器的压力。
检测子单元可以精确计算出转轮的运动速度,这是生成高质量压力图像的关键参数之一。采集子单元位于烧录器的转轮旁侧,利用光学镜头和线阵列压力传感器这一组合结构来收集转轮的压力信息。光学镜头的作用是对烧录器发出的压力辐射进行聚焦和导向,确保辐射能量集中投射到线阵列压力传感器上。线阵列压力传感器是一种能够快速响应和连续扫描的设备,它可以捕捉到烧录器表面沿着其运动方向连续变化的压力辐射强度,从而生成一系列代表烧录器压力分布的压力阵列信号。
数据处理子单元作为系统的中枢,一方面接收来自检测子单元的转动速度数据,另一方面接收采集子单元传来的压力阵列信号。根据烧录器的实际速度,数据处理子单元可以通过精密的时间校准算法,将连续扫描得到的压力阵列信号按照相应的空间采样间隔进行重构,生成反映烧录器表面完整压力分布的压力图像。接着,数据处理子单元运用图像识别和压力分析技术,从压力图像中精准提取烧录器的压力数据,并且还可以实时监控是否存在异常高压力区域,当发现压力超过安全阈值时,立即触发警报机制并将相关数据报告给全自动芯片烧录中台,以便及时进行检查和维护。
根据本发明的一个实施例,线阵列压力传感器包括至少两个压力传感器1,至少两个压力传感器1等间距直线排列。例如,线阵列压力传感器包括一串单排纵向排列的压力传感器1。等间距直线排列意味着压力传感器1按照固定的距离规律排列在一条直线上,当烧录器经过时,由于其连续移动,每个传感器都会接收到相应位置处的压力辐射强度信息。多个压力传感器1共同工作,增强了系统对压力信号的采集能力,能够更加细致地捕获烧录器各部分细微的压力差异,形成连续且详尽的压力曲线数据。
这种线性阵列结构可实现实时扫描,随着转轮的转动和前进,连续不断地采集不同部位的压力辐射,进而转换成压力数据。
数据处理子单元可以根据预设的间距以及转动速度计算,将这些连续获得的压力信号整合起来,重建出完整的烧录器压力图像,从而实现对烧录器各部分压力的精确测量和分析。
因此,本发明实施例这种采用多个等间距排列的压力传感器1组成的线阵列设计,在保证检测精度的同时提高了系统的稳定性和可靠性,对于实时监测高速转动转轮的压力状态具有重要意义。
根据本发明的一个实施例,压力传感器1为制冷压力传感器件。
在本发明的该实施例中,本发明所使用的压力传感器1为制冷压力传感器件,这是一种制冷高灵敏度光电探测器,具备以下特点:制冷压力传感器件:能够在低温环境下工作,减少暗电流和其他噪声源的影响,确保在高速转动烧录器产生的微弱压力信号条件下也能精确探测和测量烧录器的压力。
因此,本发明实施例通过采用制冷压力传感器件作为检测元件,不仅提高了压力检测的精度,还确保了在极端条件下的稳定性和准确性,有力保障了高速烧录器运行过程中的转轮压力监测需求,降低了因转轮压力过大引发的安全风险。
根据本发明的一个实施例,检测子单元包括:第一位置传感器和第二位置传感器,第一位置传感器和第二位置传感器间隔设置于烧录器的转轮上且与数据处理子单元相连,用于检测烧录器的第一位置和第二位置,数据处理子单元用于根据烧录器的第一位置启动线阵列压力传感器,并根据烧录器的第一位置和第二位置得到转动速度。
本发明的该实施例中,第一位置传感器和第二位置传感器之间保持一定间距,它们的主要作用是用来检测高速转动转轮经过时的两个特定位置点,即第一位置和第二位置,第一位置与第二位置之间的烧录器的转轮区域为压力检测区域。当烧录器首先经过第一位置传感器时,传感器会立刻检测到这一信号并将相关信息传输给数据处理子单元。数据处理子单元接收到第一位置信号后,会立即启动线阵列压力传感器开始进行烧录器压力信号的采集工作。
随后,当烧录器继续前进并经过第二位置传感器时,第二位置传感器同样会把位置信号发送给数据处理子单元。数据处理子单元根据收到的这两个位置传感器的信号,结合两者之间的已知间距和时间差,就能够精确计算出转轮在这段距离内的速度。
因此,通过检测子单元的精确定位和计时,结合数据处理子单元对速度数据的实时计算,本发明能够实现对高速转动转轮压力的动态、连续且精准的检测,确保了在烧录器高速运行状态下,烧录器压力检测的有效性和准确性。同时,也为后续生成烧录器压力图像、识别压力异常提供了必要的基础数据支持。
具体来说,线阵列压力传感器因其特性,能够逐行扫描通过其检测区域的转轮部分,形成一个二维热图像。这种热图像可以反映各烧录器表面的压力分布情况,帮助检测人员及时发现压力过大、局部压力过大等潜在故障,这对于预防因压力过大导致的机械磨损加剧、轴承失效甚至可能的安全事故至关重要。
因此,该系统能够实现实时、非接触式的转轮压力监测,提高烧录器维护效率和运行安全性,确保铁路运输系统的稳定运作。
在一可选实施例中,参照图3,图3是本发明实施例提供的全自动芯片烧录装置的结构示意图之三,全自动芯片烧录装置还包括芯片位置校正单元,芯片位置校正单元与全自动芯片烧录中台连接,芯片位置校正单元包括图像采集器、部件检测器和位置校正器。
可选的,图像采集器采集获取集成电路托盘中待加工芯片的相机图像,可以将对集成电路托盘中待加工芯片采集的线阵相机图像确定为相机图像。
可选的,部件检测器将预设模板图像和相机图像输入部件检测模型,得到部件检测模型输出预设模板图像的第一检测框,以及相机图像的第二检测框,其中,预设模板图像可以为对集成电路托盘中待加工芯片进行拍摄得到的无畸变的图像。示例地,预先训练得到部件检测模型,在得到预设模板图像和相机图像时,将预设模板图像和相机图像均输入部件检测模型中,通过部件检测模型分别对预设模板图像和相机图像中的待加工芯片进行检测,得到预设模板图像中待加工芯片的第一检测框和相机图像中待加工芯片的第二检测框。
需要说明的是,部件检测模型的具体训练过程如下:获取样本线阵相机图像,将样本线阵相机图像输入初始部件检测模型中,得到初始部件检测模型输出样本线阵相机图像中样本集成电路托盘部件的预测框,基于样本集成电路托盘部件的预测框和样本集成电路托盘部件的标签框构建损失函数,基于损失函数调整初始部件检测模型的模型参数,直至达到收敛条件,最终得到部件检测模型。其中,初始部件检测模型的具体结构可以为深度神经网络(Deep Neural Networks,DNN)或卷积神经网络(Convolutional Neural Network,CNN)等,本发明对此不做限定。
可选的,位置校正器基于第一检测框的位置和第二检测框的位置,对待加工芯片在集成电路托盘中的位置进行校正,示例地,在得到预设模板图像中待加工芯片的第一检测框和相机图像中待加工芯片的第二检测框时,将第一检测框的四个顶点坐标和中心坐标作为待加工芯片在预设模板图像中的特征表征,将第二检测框的四个顶点坐标和中心坐标作为待加工芯片在相机图像中的特征表征,基于各第一检测框的四个顶点坐标和中心坐标、以及对应的第二检测框的四个顶点坐标和中心坐标对待加工芯片进行校正,因此,提高了待加工芯片在集成电路托盘中的位置,进一步提高了待加工芯片的加工效率和准确性。
在一可选实施例中,对待加工芯片在集成电路托盘中的位置进行校正的具体步骤包括:基于第一检测框的位置和第二检测框的位置,确定第一检测框和所述第二检测框的特征点对;基于特征点对确定变换矩阵;基于变换矩阵对待加工芯片在集成电路托盘中的位置进行校正。
可选的,在得到预设模板图像中待加工芯片的第一检测框和相机图像中待加工芯片的第二检测框时,将第一检测框的四个顶点坐标和中心坐标作为待加工芯片在预设模板图像中的特征表征,将第二检测框的四个顶点坐标和中心坐标作为待加工芯片在相机图像中的特征表征,针对第一检测框,将第一检测框的四个顶点坐标和中心坐标作为第一特征点,针对第二检测框,将第二检测框的四个顶点坐标和中心坐标作为第二特征点,通过特征描述子匹配算法建立特征点之间的对应关系,由于特征点匹配可能会产生一些错误的匹配对,因此需要通过随机样本一致算法(Random Sample Consensus,RANSAC)等来过滤掉这些错误的匹配点,保留正确的特征点对。再使用筛选后的正确的特征点对,通过最小二乘法或奇异值分解(Single Value Decomposition,SVD)等数学方法计算变换矩阵,变换矩阵可以为单应性矩阵Homographies,该Homographies矩阵描述了从相机图像到预设模板图像的变换关系,使用计算得到的Homographies矩阵,对相机图像中的每一个像素点进行变换,得到相机图像在预设模板图像坐标系中的对应位置,通过插值方法填充变换后图像中的空白区域,最终得到校正后的线阵相机图像。进一步地,以校正后的线阵相机图像中四个顶点坐标和中心坐标作为对待加工芯片的四个顶点坐标和中心坐标对待加工芯片进行校正。其中,特征描述子匹配算法包括快速近似最近邻算法库(Fast Library for ApproximateNearest Neighbors,FLANN)或暴力匹配(Brute-force matcher,BFMatcher)。
本发明实施例通过全自动芯片烧录中台、定位检测相机、缺陷检测相机、编带出料检测相机和烧录器检测单元,从而可以全自动对将待加工芯片输送至集成电路托盘,全自动对集成电路托盘中的待加工芯片进行加工,全自动输出加工后芯片,全自动对加工后芯片进行缺陷校验,全自动采集分析烧录器的压力,从而提高了芯片烧录效率和烧录器压力分析效率,以及提高了芯片缺陷校验的准确性和烧录器压力分析的准确性。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (10)
1.一种全自动芯片烧录装置,其特征在于,包括:全自动芯片烧录中台、定位检测相机、缺陷检测相机、编带出料检测相机和烧录器检测单元;所述全自动芯片烧录中台分别与所述定位检测相机、所述缺陷检测相机、所述编带出料检测相机以及所述烧录器检测单元连接,以对其数据进行管理;
所述定位检测相机,用于对集成电路托盘的位置、编带进料的位置以及编带出料的位置进行定位,分别得到托盘位置、编带进料位置和编带出料位置,以通过所述编带进料位置将待加工芯片输送至所述集成电路托盘,通过所述托盘位置对所述集成电路托盘中的待加工芯片进行识别及加工,通过所述编带出料位置将加工后芯片输送至芯片存放区域;
所述缺陷检测相机,用于对所述加工后芯片的表面进行缺陷检测,得到所述加工后芯片的表面缺陷信息;
所述编带出料检测相机,用于对所述加工后芯片的表面进行标识检测和颜色检测,确定所述加工后芯片的表面标识信息和表面颜色信息;
所述全自动芯片烧录中台,用于根据所述表面缺陷信息发出异常警报;或者,根据所述表面标识信息、所述表面颜色信息以及所述加工后芯片的预设芯片信息发出异常警报;
所述烧录器检测单元,用于对所述全自动芯片烧录装置中烧录器的压力实时检测,得到所述烧录器的压力。
2.根据权利要求1所述的全自动芯片烧录装置,其特征在于,对所述加工后芯片的表面进行缺陷检测,得到所述加工后芯片的表面缺陷信息,包括:
获取所述加工后芯片对应的芯片表面图像;
将所述芯片表面图像输入至缺陷检测模型,获取所述加工后芯片的表面缺陷信息;所述缺陷检测模型是基于协调注意力机制和上下文转换网络改进的Faster R-CNN模型,其中,所述Faster R-CNN模型的骨干网络中包含协调注意力机制模块;所述Faster R-CNN模型的头部网络中包含上下文转换模块。
3.根据权利要求2所述的目标表面缺陷在线检测方法,其特征在于,所述将所述芯片表面图像输入至缺陷检测模型,获取所述加工后芯片的表面缺陷信息,包括:
将所述芯片表面图像输入至所述缺陷检测模型,获得所述缺陷检测模型输出所述加工后芯片的缺陷区域检测结果;
根据所述缺陷区域检测结果确定所述芯片表面图像中的缺陷区域个数;
根据所述缺陷区域个数确定所述加工后芯片的表面缺陷信息。
4.根据权利要求3所述的目标表面缺陷在线检测方法,其特征在于,所述根据所述缺陷区域个数确定所述加工后芯片的表面缺陷信息,包括:
将所述缺陷区域个数存入循环编码队列中;
在所述循环编码队列中的缺陷区域个数为零的情况下,确定所述表面缺陷信息为所述加工后芯片正常;或,
在所述循环编码队列中的缺陷区域个数为非零的情况下,确定所述表面缺陷信息为所述加工后芯片异常。
5.根据权利要求1所述的全自动芯片烧录装置,其特征在于,所述根据所述表面标识信息、所述表面颜色信息以及所述加工后芯片的预设芯片信息发出异常警报,包括:
将所述表面标识信息与所述预设芯片信息中的芯片标识信息进行标识对比,得到所述加工后芯片的标识对比结果;
将所述表面颜色信息与所述预设芯片信息中的芯片颜色信息进行颜色对比,得到所述加工后芯片的颜色对比结果;
若所述标识对比结果为所述表面标识信息和所述芯片标识信息不一致,或/和,所述表面颜色信息与所述芯片颜色信息不一致,则发出异常警报。
6.根据权利要求1所述的全自动芯片烧录装置,其特征在于,所述全自动芯片烧录装置还包括芯片位置校正单元,所述芯片位置校正单元与所述全自动芯片烧录中台连接,所述芯片位置校正单元包括图像采集器、部件检测器和位置校正器;
所述图像采集器,用于采集获取集成电路托盘中待加工芯片的相机图像;
所述部件检测器,用于将预设模板图像和所述相机图像输入部件检测模型,得到所述部件检测模型输出所述预设模板图像的第一检测框,以及所述相机图像的第二检测框;
所述位置校正器,用于基于所述第一检测框的位置和所述第二检测框的位置,对所述待加工芯片在所述集成电路托盘中的位置进行校正。
7.根据权利要求1所述的全自动芯片烧录装置,其特征在于,所述烧录器检测单元包括检测子单元、采集子单元和数据处理子单元;所述检测子单元设置于烧录器的转轮上,所述采集子单元设置于所述转轮的旁侧;所述采集子单元包括光学镜头和线阵列压力传感器;所述数据处理子单元,分别与所述检测子单元和所述线阵列压力传感器相连;
所述检测子单元,用于检测所述转轮的转动速度;
所述光学镜头,用于将所述转轮发出的压力信号投射至所述线阵列压力传感器上,所述线阵列压力传感器,用于扫描采集所述压力信号,生成压力阵列信号;
所述数据处理子单元,用于根据所述转动速度和所述压力阵列信号生成烧录器压力图像,并根据所述烧录器压力图像识别所述烧录器的压力。
8.根据权利要求7所述的全自动芯片烧录装置,其特征在于,所述线阵列压力传感器包括至少两个压力传感器,至少两个所述压力传感器等间距排列。
9.根据权利要求8所述的全自动芯片烧录装置,其特征在于,所述压力传感器为制冷压力传感器件。
10.根据权利要求7所述的全自动芯片烧录装置,其特征在于,所述检测子单元包括:第一位置传感器、第二位置传感器和数据处理器;所述第一位置传感器和所述第二位置传感器间隔设置于所述转轮上,且所述第一位置传感器和所述第二位置传感器分别与所述数据处理器相连;
所述第一位置传感器,用于检测所述烧录器的第一位置;
所述第二位置传感器,用于检测所述烧录器的第二位置;
所述数据处理器,用于根据所述烧录器的第一位置启动所述线阵列压力传感器,并根据所述烧录器的第一位置和第二位置得到所述转动速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410416631.5A CN118192998A (zh) | 2024-04-08 | 2024-04-08 | 一种全自动芯片烧录装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410416631.5A CN118192998A (zh) | 2024-04-08 | 2024-04-08 | 一种全自动芯片烧录装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118192998A true CN118192998A (zh) | 2024-06-14 |
Family
ID=91396639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410416631.5A Pending CN118192998A (zh) | 2024-04-08 | 2024-04-08 | 一种全自动芯片烧录装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118192998A (zh) |
-
2024
- 2024-04-08 CN CN202410416631.5A patent/CN118192998A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107229930B (zh) | 一种指针式仪表数值智能识别方法 | |
CN102565625B (zh) | 基于红外图像智能诊断高压输电线路热缺陷的方法 | |
CN106767518A (zh) | 一种基于线激光扫描的手机外壳质量在线检测装置与方法 | |
KR102122893B1 (ko) | Uav 탑재용 하이브리드 이미지 스캐닝에 기반한 자동화 구조물 균열 평가 시스템 및 그 방법 | |
EP1867979B1 (en) | Method and apparatus for recognizing repeating patterns | |
CN112766103A (zh) | 一种机房巡检方法及装置 | |
CN112067138B (zh) | 一种红外探测器测温定标方法及测温定标装置 | |
CN104554344A (zh) | 踏面缺陷信息检测系统及方法 | |
CN110853018A (zh) | 一种基于计算机视觉的振动台疲劳裂纹在线检测系统及检测方法 | |
CN116934719B (zh) | 一种用于带式输送设备的自动检测系统 | |
CN117593298A (zh) | 一种基于机器视觉的激光焊接质量检测系统 | |
CN104528508B (zh) | 一种基于光电检测器件的非接触式自动扶梯多参数测量方法 | |
CN111369484A (zh) | 钢轨廓形检测方法及装置 | |
CN115266608A (zh) | 基于相位和高光谱信息融合的果蔬品质检测装置及方法 | |
CN111462254A (zh) | 一种多光谱监测方法与系统 | |
CN118192998A (zh) | 一种全自动芯片烧录装置 | |
CN108491852B (zh) | 一种面阵红外焦平面的盲元检测方法 | |
KR20060051974A (ko) | 열차 검사장치 | |
CN117218057A (zh) | 新能源电池极柱焊缝缺陷检测方法、设备及存储介质 | |
JPS6114508A (ja) | 形状測定装置 | |
CN105783782B (zh) | 表面曲率突变光学轮廓测量方法 | |
CN112296298B (zh) | 连铸铸坯表面温度分布测量方法及装置 | |
Spruck et al. | Quality assurance of weld seams using laser triangulation imaging and deep neural networks | |
Garcia et al. | Real-time flatness inspection system for steel strip production lines | |
CN113124326A (zh) | 油气管道泄漏巡线检测方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |