[发明专利]基于YOLOv3-tiny算法的芯片定位方法及一体化定位平台

说明书

本发明公开了一种基于YOLOv3‑tiny算法的芯片定位方法及一体化定位平台，包括：1)采集芯片盘图像并进行图像预处理，通过以下方式扩充了深度学习网络的图片集的数量和种类：1.1)旋转图片角度；1.2)调整曝光量；1.3)增加噪声；步骤2)将标注过的数据集输入到YOLOv3‑tiny模型以训练网络；3)当芯片盘通过导轨运行至工业摄像头下方时，工业摄像头将采集到的芯片盘图像送至处理器进行图像处理；4)在一体化定位平台中使用训练好的YOLOv3‑tiny网络对芯片盘图像中的芯片进行定位，获取芯片实时坐标信息；5)机器人根据视觉系统所提供的芯片坐标抓取芯片。本发明具有较好的鲁棒性，可同时输出多个目标的像素级坐标，全角度处理时间为毫秒级，满足了生产实际的用时要求。

技术领域

本发明属于芯片定位和深度学习技术领域，特别涉及一种基于YOLOv3-tiny算法的芯片定位方法及一体化定位平台、定位方法。

背景技术

随着集成电路技术的发展，单片晶圆所产出的芯片越来越多，芯片裸片的成本在整个集成电路设计到应用端的流程中所占的比例越来越小，但同时由于芯片功能的增加和封装管脚的增多、集成电路芯片的封装越来越具有挑战性、封装占据的成本越来越大。因此如何降低封装过程中的失误率就变得越来越重要。作为芯片封装的首要步骤——拾取芯片裸片也变得格外重要。为了做到准确拾取芯片，精准的芯片定位成为一个亟待解决的难题。

目前，国外众多机构已经开发出了很多性能良好的图像处理软件，并已经广泛应用与工业生产实际中，并达到了良好的鲁棒性，但这些软件正版授权费用极高，个人开发难以承担。对于国内公司的商业应用则需支付更多的软件许可费用。而国内已公开发表的定位算法性能虽然相比之前提升明显，但是相对于商业化软件的性能仍有较大差距，且无法同时达到芯片生产实际所要求的高精度、高实时性。目前业界还鲜有将基于深度学习的目标检测定位应用于芯片生产实际的文献或新闻介绍，可见这一研究将颇具开创性。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供基于YOLOv3-tiny算法的芯片定位方法及一体化定位平台、定位方法，针对工业生产实际，以机器视觉和深度学习等理论为手段，可用于芯片定位与抓取，实现了芯片封装过程中的芯片快速精准定位。

为了实现上述目的，本发明采用的技术方案是：

所述的基于YOLOv3-tiny算法的芯片定位方法，包括以下步骤：

步骤1)，采集芯片盘图像并进行图像预处理，以扩充图片集的数量和种类，并对预处理后的图像进行标注；

步骤2)，将步骤1标注过的数据集输入到YOLOv3-tiny模型以训练YOLOv3-tiny网络；

步骤3)，获取芯片盘图像，利用训练好的YOLOv3-tiny网络，从芯片盘图像中定位芯片，获取芯片实时坐标信息。

所述步骤1)中，图像预处理包括：

1.1)以不同的角度(包含大角度与小角度)旋转图像；

1.2)调整图像曝光量，为数据集增加曝光不足以及曝光过度的图像；

1.3)增加图像常见噪声，包括：高斯噪声、泊松噪声、乘性噪声以及椒盐噪声。

扩充后的图像集可有效应对生产实际中存在的芯片盘非人为旋转、光照的变化以及图像采集和传输过程中所带来的噪声等各种情况，从而为测试算法性能提供了统一标准。

所述步骤1)中，使用LabelImg软件对预处理后的图像进行标注。

所述步骤2)中，所述YOLOv3-tiny模型相比于YOLOv3模型没有使用Darknet-53中的残差层，同时减少了卷积层的数量，且只在两个位置进行输出，最终得到两个不同尺度的结果用以检测。