封装工艺中芯片表面溢胶缺陷检测技术研究
作者单位:重庆理工大学
学位级别:硕士
导师姓名:汤斌;叶兵
授予年度:2024年
学科分类:080903[工学-微电子学与固体电子学] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程]
主 题:小目标检测 YOLOv5s-SOP Unet-glue OpenCV Matlab-GUI
摘 要:随着信息技术的快速发展,现代化工业加速自动化进程,有效提升了资源利用率,提高了生产力,而且现代化工业对芯片缺陷的检测效率要求日益提高,智能化检测将成为必由之路。由于半导体行业特殊需求,受限于材料技术不足等原因,芯片溢胶缺陷检测采用传统的人工目检法,但人工目检法速度慢、成本高,且容易出现疲劳导致的误差,将给行业带来巨大经济损失。如今,神经网络技术由于具有检测速度快,能实现实时原位检测,操作简单、检测全过程无污染等优点,在工业检测中得到广泛应用,弥补了传统方法检测的不足。实现对工业质量的检测,不仅需要配置精准的算法,还需相当充足的数据作为支撑,才能使检测模型更精准,更具可信度。 本文旨在实现高效、实时和原位检测的传感器芯片溢胶缺陷,且针对传感器芯片总大小不到1cm,本文提出一种封装工艺中芯片表面溢胶缺陷检测技术研究。在航伟光电科技集团研究项目的资助下,本文开展了以下主要研究工作: 1)图像采集装置平台的搭建:本文通过Zemax仿真软件验证了采集清晰小目标芯片图像的有效距离,从而能够获取清晰的芯片图像。并自主研发了图像采集装置平台,解决了采集清晰小目标芯片图像困难的问题。 2)基于深度学习的表面溢胶缺陷检测模块:本文提出了改进的Unet-glue和YOLOv5s-SOP两种检测模块。通过添加注意力机制等方法改进YOLOv5s和Unet两种模块,其中YOLOv5s-SOP模块用于检测传感器上的芯片表面缺陷,Unet-glue模块用于检测芯片溢胶缺陷,两种模块相结合提高了芯片溢胶缺陷检测的精确性和效率。 3)图像矫正和溢胶检测模块:为更有效检测芯片溢胶缺陷,针对图像内部芯片数据倾斜的情况,提出了图像矫正模块,以方便有效地检测图片数据;针对小目标溢胶缺陷问题,提出了溢胶检测模块,并借助Open CV图像处理模块实现有效判别小目标芯片溢胶过多或过少的缺陷问题。为方便用户理解和使用检测系统,本文通过Matlab-GUI用户交互平台查看检测后的芯片溢胶缺陷结果。用户可以方便快捷地查看芯片表面溢胶缺陷检测结果,并进行进一步的分析和处理。 通过对封装工艺中小目标芯片的表面溢胶缺陷检测技术研究,本文的芯片溢胶缺陷检测系统能更精准、高效地检测出小目标芯片的表面溢胶缺陷问题,并通过Matlab-GUI用户交互界面及时有效的查看芯片缺陷检测结果,实验结果表明,该模块检测系统满足了项目系统的速度、精度和数量要求,并为芯片溢胶缺陷小目标缺陷检测领域带来重要贡献。