[发明专利]一种基于振动信号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振动信号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，该方法针对样本芯片原始的时域振动信号，根据特征提取方法，从时域、频域和时频域分别提取特征，通过输入极限学习机中进行学习和分类后得到焊点检测模型，利用焊点检测模型即能自动检测出芯片中是否存在倒装焊焊点缺失缺陷，从而快速高效将缺陷芯片和正常芯片区分出来，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，尤其是一种基于振动信号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，提出了一种基于振动信号的倒装焊焊点缺失缺陷智能检测方法，该方法可以快速、高效地检测出芯片中的倒装焊焊点缺失缺陷，从而将缺陷芯片和正常芯片区分出来。

本发明的技术方案如下：

一种基于振动信号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，样本芯片包括缺陷芯片和正常芯片，缺陷芯片中包含倒装焊焊点缺失缺陷，正常芯片中不包含倒装焊焊点缺失缺陷；

利用激光扫描测振仪获取各个样本芯片的时域振动信号，并对时域振动信号进行特征提取获取时域特征；

根据时域振动信号确定样本芯片的频域振动信号，并对频域振动信号进行特征提取获取频域特征；

根据时域振动信号确定样本芯片的时频域振动信号，并对时频域振动信号进行特征提取获取时频域特征；

将提取到的各个样本芯片的特征数据输入极限学习机进行学习和分类得到焊点检测模型，各个样本芯片的特征数据包括样本芯片的时域特征、频域特征和时频域特征；

利用焊点检测模型检测待测芯片，确定待测芯片中是否存在倒装焊焊点缺失缺陷。

其进一步的技术方案为，获取到的时域特征包括但不限于平均值、标准差、均方根误差、峰峰值、偏度、峰度、波峰因数和波形因数。

其进一步的技术方案为，获取到的频域特征包括但不限于平均频率、中心频率、均方根和根方差。

其进一步的技术方案为，根据时域振动信号确定样本芯片的时频域振动信号，并对时频域振动信号进行特征提取获取时频域特征，包括：对时域振动信号进行小波包分解，并提取出表示小波包树第三层八个节点能量占比的八个时频域特征。

其进一步的技术方案为，将提取到的各个样本芯片的特征数据输入极限学习机进行学习和分类得到焊点检测模型，包括：

对于每个样本芯片的特征数据，根据主成分分析法对提取到的特征数据进行特征降维；

将各个样本芯片的特征降维后的特征数据输入极限学习机进行学习和分类得到焊点检测模型。