半導(dǎo)體芯片封裝過程中視覺定位關(guān)鍵技術(shù)研究.pdf

1、在半導(dǎo)體芯片封裝過程中，視覺定位技術(shù)是實(shí)現(xiàn)芯片精確拾取和轉(zhuǎn)移的核心技術(shù)之一。近年來出現(xiàn)的細(xì)長(zhǎng)芯片和超薄高密度芯片對(duì)現(xiàn)有封裝技術(shù)提出了新的要求。為了解決以往視覺定位算法在新的封裝需求下定位不準(zhǔn)確或無法定位的問題，本文提出了基于多級(jí)教與學(xué)優(yōu)化算法的相機(jī)標(biāo)定方法、有效區(qū)域歸一化互相關(guān)匹配算法和空間結(jié)構(gòu)約束特征點(diǎn)匹配算法，現(xiàn)將本文研究?jī)?nèi)容總結(jié)如下：
　　1）提出了基于多級(jí)教與學(xué)優(yōu)化算法的相機(jī)標(biāo)定方法。多級(jí)教與學(xué)優(yōu)化算法是對(duì)教與學(xué)優(yōu)化算法的

2、改進(jìn)，本文創(chuàng)新性地引入了“校長(zhǎng)”的概念，提出了“老師”之間相互學(xué)習(xí)的思想。相比于原始的只有“老師”和“學(xué)生”兩個(gè)角色的教與學(xué)算法，多級(jí)教與學(xué)優(yōu)化算法具有更強(qiáng)的全局搜索能力，在精確求取相機(jī)內(nèi)部參數(shù)、外部參數(shù)和畸變系數(shù)時(shí)更容易跳出局部最優(yōu)解，提高了相機(jī)標(biāo)定精度和芯片封裝過程中的定位精度。
　　2）提出了有效區(qū)域歸一化互相關(guān)匹配算法RBNCC。該算法通過區(qū)域置信函數(shù)對(duì)圖像中的芯片和背景像素進(jìn)行分類加權(quán)，解決了現(xiàn)有灰度算法無法精確定位細(xì)長(zhǎng)

3、芯片和有效識(shí)別破損芯片的問題，提高了細(xì)長(zhǎng)芯片封裝過程中的定位精度和良品率。提出了芯片邊界框快速檢測(cè)方法，可將圖像搜索范圍縮減到芯片周圍區(qū)域，加快了RBNCC算法的定位速度，提升了半導(dǎo)體封裝裝備效率。
　　3）提出了空間結(jié)構(gòu)約束特征點(diǎn)匹配算法SCFP。超薄高密度芯片電路圖案復(fù)雜，特征豐富，因此非常適合使用特征點(diǎn)匹配算法進(jìn)行定位，但是現(xiàn)有算法無法在同一幅圖像中匹配多顆芯片。為了解決該問題，SCFP算法不僅利用了特征點(diǎn)周圍的局部信息，還

4、利用了特征點(diǎn)之間的拓?fù)潢P(guān)系，從而可以將目標(biāo)圖像中的特征點(diǎn)有效地劃分到不同芯片區(qū)域。結(jié)合本文提出的基于多級(jí)教與學(xué)優(yōu)化算法的相機(jī)標(biāo)定方法，推導(dǎo)了芯片三維姿態(tài)計(jì)算公式，為多自由度拾取頭準(zhǔn)確拾取超薄高密度芯片、防止其破碎提供了依據(jù)。
　　4）為了縮短視覺定位算法的計(jì)算時(shí)間，提升芯片封裝效率，本文分析了有效區(qū)域歸一化互相關(guān)匹配算法和空間結(jié)構(gòu)約束特征點(diǎn)匹配算法中可并行執(zhí)行的任務(wù)，充分利用GPU在并行計(jì)算、內(nèi)存管理等方面的優(yōu)勢(shì)，合理分配了主機(jī)端

5、和設(shè)備端的資源以及在兩種算法中承擔(dān)的角色，實(shí)現(xiàn)了兩種算法的加速。
　　5）構(gòu)建了具有自主知識(shí)產(chǎn)權(quán)的圖像處理函數(shù)庫(kù) MV1.0，定義了基于多級(jí)教與學(xué)優(yōu)化算法的相機(jī)標(biāo)定方法、有效區(qū)域歸一化互相關(guān)匹配算法和空間結(jié)構(gòu)約束特征點(diǎn)匹配算法的用戶接口函數(shù)，完成了三種算法在MV1.0中的集成，設(shè)計(jì)了智能工具軟件MVPlat，該軟件界面友好，操作簡(jiǎn)便，方便進(jìn)行算法驗(yàn)證。最后在典型半導(dǎo)體封裝裝備上進(jìn)行了應(yīng)用與測(cè)試，測(cè)試結(jié)果表明三種算法滿足實(shí)際應(yīng)用需求