[发明专利]一种基于高频超声的倒装焊焊点缺失缺陷智能检测方法

说明书

本发明公开了一种基于高频超声的倒装焊焊点缺失缺陷智能检测方法，涉及机器学习技术领域，该方法利用自适应中值滤波和同态滤波对样本芯片的C扫描超声图像进行图像处理，然后根据相关系数法原理将芯片图像分割为焊点图像并进行特征提取，将特征向量输入极限学习机中进行学习和分类得到焊点检测模型，利用焊点检测模型即能自动检测出芯片中存在倒装焊焊点缺失缺陷的位置，从而快速、高效地识别并定位焊点缺失缺陷，与传统的人力视觉检测不同，该方法机器化、自动化程度高，且检测结果客观性和准确性更好，为实现更加快速且高效的倒装焊焊点缺失缺陷检测提供了方法。

技术领域

本发明涉及机器学习技术领域，尤其是一种基于高频超声的倒装焊焊点缺失缺陷智能检测方法。

背景技术

集成电路(IC)制造业在电子信息技术的发展和应用中起着至关重要的作用，它的发展深刻影响着信息现代化、国防建设、国家经济发展等重大领域。研究表明，IC封装成本占据了IC制造总成本的40％，并且，25％的IC失效也来源于IC封装。作为IC封装的主流工艺之一，倒装芯片技术越来越受到人们的关注和研究。目前，IC封装高集成度、轻薄化、微型化的发展趋势，导致对倒装芯片生产工艺流程的要求更为严格，然而，由此带来的尺寸和表面效应影响也更加明显，另外，由于无铅化等对封装材料提出的新要求，在封装界面上更易发生形变、划伤或弯翘，从而引起焊点疲劳和应力集中，最终导致焊点缺陷的产生，典型的倒装焊焊点缺陷有缺失、虚焊和裂纹等，而这也将降低生产效率，提高生产成本，最终阻碍倒装焊技术的进一步发展。传统的依靠人力视觉的倒装焊缺陷检测方法，受制于检测人员视觉疲劳、情绪变化等主观因素影响，已经不能满足大规模工业生产的需求。

发明内容

本发明人针对上述问题及技术需求，提出了一种基于高频超声的倒装焊焊点缺失缺陷智能检测方法，该方法可以快速高效地识别并定位芯片中存在倒装焊焊点缺失缺陷的位置。

本发明的技术方案如下：

一种基于高频超声的倒装焊焊点缺失缺陷智能检测方法，该方法包括：

获取样本芯片，样本芯片存在倒装焊焊点缺失缺陷；

利用超声扫描显微镜获取样本芯片的C扫描图像；

对样本芯片的C扫描图像进行自适应中值滤波和同态滤波得到处理后芯片图像，并将处理后芯片图像转化为二值芯片图像；

基于相关系数法原理对二值芯片图像进行图像分割得到各个二值焊点图像，并对每个二值焊点图像进行特征提取获取特征向量；

将提取出的各个二值焊点图像的特征向量输入极限学习机神经网络进行学习和预测得到焊点检测模型；

利用焊点检测模型检测待测芯片中的倒装焊焊点缺失缺陷。

其进一步的技术方案为，基于相关系数法原理对二值芯片图像进行图像分割得到各个二值焊点图像，包括：

确定p×q的二值芯片图像的图像灰度矩阵，以及m×n的参考焊点图像的图像灰度矩阵，参考焊点图像包含完整的焊点信息；

基于相关系数法原理得到a行b列的相关系数矩阵为：

其中，a＝p-m+1，b＝q-n+1，O_i,j表示待提取的二值焊点图像相对应的m×n的图像灰度矩阵，M表示参考焊点图像相对应的m×n的图像灰度矩阵；

通过获取相关系数矩阵的局部最大值分割得到各个二值焊点图像。