[发明专利]一种基于三维点云的金丝键合尺寸检测方法

说明书

本发明公开了一种基于三维点云的金丝键合尺寸检测方法，包括：步骤1，基于点云深度学习方法对输入整体点云进行部件检测，并根据检测结果分别提取出金丝点云、焊点点云、芯片点云和底板点云；步骤2，分别在提取出的金丝点云和焊点点云中分割出单条金丝点云和单个焊点点云，然后根据单独的金丝点云、焊点点云进行金丝‑焊点配对；步骤3，构建金丝键合尺寸计算模型，根据金丝‑焊点配对组合和金丝键合尺寸计算模型计算金丝键合尺寸参数。本发明的一种基于三维点云的金丝键合尺寸检测方法旨在解决金丝键合尺寸自动化检测的问题，用于金丝形貌特征自动化检测，且本发明的检测精度高，方法简单便于实现。

技术领域

本发明属于金丝形貌特征检测技术领域，具体涉及一种基于三维点云的金丝键合尺寸检测方法。

背景技术

随着我国微电子事业的快速发展，我国在微电子芯片研究与集成制造中取的了重大进展。微电子封装作为影响微电子器件性能的关键技术，而在半导体集成电路制造过程中90％以上的后封装都采用了金丝键合技术，因此金丝键合的质量严重影响着微电子器件的的性能。而集成电路的尺寸非常微小，导致金丝键合结构的形貌尺寸检测困难，目前大多采用高精度相机采集集成电路的图片，然后通过图像处理算法定位焊点和金丝进行检测。然而，图像作为二维数据无法表征高度信息，因此无法对金丝形态及弧高进行测量。

发明内容

本发明针对现有技术中的不足，提供一种基于三维点云的金丝键合尺寸测量检测方法，针对金丝键合形貌尺寸参数难以测量的问题，本发明将三维激光扫描技术应用于金丝键合形貌测量，旨在实现金丝键合尺寸的自动化测量提升金丝键合尺寸测量效率，同时提升金丝键合尺寸测量的准确度与精度。

为实现上述目的，本发明采用以下技术方案：

一种基于三维点云的金丝键合尺寸检测方法，包括：

步骤1，基于点云深度学习方法对输入整体点云进行部件检测，并根据检测结果分别提取出金丝点云、焊点点云、芯片点云和底板点云；

步骤2，分别在提取出的金丝点云和焊点点云中分割出单条金丝点云和单个焊点点云，然后根据单独的金丝点云、焊点点云进行金丝-焊点配对；

步骤3，构建金丝键合尺寸计算模型，根据金丝-焊点配对组合和金丝键合尺寸计算模型计算金丝键合尺寸参数。

进一步地，步骤1具体包括：

步骤11，构建深度学习输入数据集，选择至少3片不同的均包含金丝、焊点、芯片和底板的点云数据分别作为训练数据、验证数据和测试数据，对训练数据、验证数据和测试数据划分出金丝、焊点、芯片和底板四个部分并进行对应数据标注，基于标注数据构建出训练集、验证集和测试集；

步骤12，搭建深度学习网络框架PointNet++，该网络包括3个SA层即SetAbstraction layer，用于特征提取，和一个FC层即Fully connected layer，用于特征分类；

步骤13，将训练集数据输入到深度学习网络中进行迭代训练，每完成一次训练集训练后将验证数据集输入到PointNet++网络中对训练模型进行验证，保存验证效果最好的训练模型；

步骤14，将测试数据输入到效果最好的训练模型中对待测点云进行部件类别预测，根据部件检测分类结果将待测点云分割成金丝点云、焊点点云、芯片点云和底板点云。

进一步地，步骤11标注数据构建出训练集、验证集和测试集具体包括：

1)对于训练集，在金丝、焊点、芯片和底板四种类型的点集中采用随机采样法分别在每种类型点集中采样出1024个点作为待测点；对于测试集，将测试点云数据中的每个点作为待测点；