基于機(jī)器視覺的半導(dǎo)體芯片表面缺陷在線檢測關(guān)鍵技術(shù)研究.pdf

1、半導(dǎo)體芯片廣泛應(yīng)用于各個領(lǐng)域、各類電子產(chǎn)品，已經(jīng)成為經(jīng)濟(jì)發(fā)展、國家信息安全的命脈，深刻影響著現(xiàn)代人類的生活。在半導(dǎo)體芯片封裝制造過程中，不可避免地在芯片表面產(chǎn)生各類缺陷，直接影響到芯片的運行效能及壽命。傳統(tǒng)人工目視檢測法已經(jīng)難以適應(yīng)半導(dǎo)體芯片封裝制造的高速、高精度的檢測需求。利用機(jī)器視覺技術(shù)對芯片表面缺陷進(jìn)行檢測，具有無接觸無損傷、檢測精度高、速度快、穩(wěn)定性高等優(yōu)點。盡管目前基于機(jī)器視覺的芯片缺陷檢測技術(shù)在芯片打印字符、引腳外觀尺寸位置

2、等方面的研究已取得很好的進(jìn)展，但對于芯片表面的外觀缺陷檢測與分類研究尚處于起步階段。同時，芯片表面缺陷在線檢測與分類對圖像處理算法在線應(yīng)用的可行性、計算精度、實時性與運行效率提出了更高的要求。因此，本文研究基于機(jī)器視覺的半導(dǎo)體芯片表面缺陷在線檢測中的圖像處理關(guān)鍵技術(shù)，建立從半導(dǎo)體芯片圖像獲取、圖像預(yù)處理、圖像分割到芯片表面缺陷特征提取與分類的在線檢測完整理論體系。本文的研宄有助于推進(jìn)半導(dǎo)體芯片表面缺陷在線檢測在機(jī)器視覺領(lǐng)域的幾項關(guān)鍵技術(shù)

3、的發(fā)展，不僅具有重要的理論研究意義，還具有廣泛的應(yīng)用價值。本文主要研究內(nèi)容如下:
　　(1)芯片表面缺陷在線檢測系統(tǒng)的設(shè)計。首先，對檢測系統(tǒng)總體結(jié)構(gòu)進(jìn)行設(shè)計，對系統(tǒng)基本工作流程進(jìn)行闡述。其次，根據(jù)研究對象芯片引腳、中心焊盤與基板塑封特征，以及表面缺陷檢測基本需求，提出一種適用于半導(dǎo)體芯片圖像采集的明暗場同時照明的照明方案，實現(xiàn)在一次曝光中完成高動態(tài)范圍場景中所有區(qū)域表面缺陷的圖像采集工作。第三，闡述系統(tǒng)關(guān)鍵檢測機(jī)構(gòu)工作原理，根據(jù)檢

4、測技術(shù)要求對相機(jī)、鏡頭等關(guān)鍵部件進(jìn)行參數(shù)計算與選型。建立圖像采集系統(tǒng)的相機(jī)景深模型，以此指導(dǎo)實際檢測中運行參數(shù)的調(diào)整。第四，設(shè)計檢測系統(tǒng)的軟件功能模塊與實現(xiàn)流程，包括離線訓(xùn)練與在線檢測分類兩部分。最后，使用搭建的半導(dǎo)體芯片表面缺陷在線檢測系統(tǒng)，實現(xiàn)高效率、高質(zhì)量的芯片塑封面與引腳面圖像獲取。
　　(2)芯片表面缺陷圖像預(yù)處理方法的研究。首先，針對采集到的包含多幅芯片塑封面/引腳面的圖像，分別提出芯片缺陷圖像的快速切分校正算法，實現(xiàn)

5、從多幅芯片塑封面/引腳面圖像中切分出所有單幅芯片圖像、對單幅圖像進(jìn)行旋轉(zhuǎn)校正與優(yōu)化的自動化過程。其次，為了提高芯片圖像分辨率、突出缺陷特征、保護(hù)圖像邊緣信息，在實現(xiàn)并行化快速雙三次圖像插值算法基礎(chǔ)上，提出改進(jìn)的快速定向雙三次圖像插值算法。該算法引入Otsu閾值作為局部窗口強(qiáng)弱邊緣及邊緣方向判斷基準(zhǔn)，對強(qiáng)邊緣根據(jù)邊緣方向用雙三次卷積計算待插像素值，對弱邊緣或紋理區(qū)域根據(jù)兩個正交方向雙三次卷積加權(quán)計算待插像素值。實驗證明該插值算法在保護(hù)圖像

6、邊緣與紋理區(qū)域方面優(yōu)于對比算法。
　　(3)芯片缺陷圖像閾值分割方法的研究。首先，針對芯片表面缺陷圖像特點，提出基于改進(jìn)引力搜索算法的模糊熵多閾值分割算法。該算法引入梯形模糊隸屬度函數(shù)將圖像多閾值分割問題轉(zhuǎn)化為多閾值模糊熵模糊隸屬度函數(shù)最優(yōu)參數(shù)尋優(yōu)問題，應(yīng)用改進(jìn)的引力搜索算法加速尋優(yōu)過程。實驗證明了算法的有效性與優(yōu)越性，但因為算法參數(shù)數(shù)量原因不適用于實時性要求較高的場合。其次，為了提高優(yōu)化算法在處理圖像多閾值分割問題的全局搜索能力

7、與收斂能力，提出基于廣義反向粒子群與引力搜索混合算法(GPSOGSA)的圖像多閾值分割算法。該算法將標(biāo)準(zhǔn)粒子群優(yōu)化與改進(jìn)引力搜索算法結(jié)合，引入廣義反向策略與全局最優(yōu)解正態(tài)變異策略，使用Otsu多閾值算法作為圖像分割適應(yīng)度函數(shù)。對算法復(fù)雜度進(jìn)行理論分析，并通過實驗證明算法的種群多樣性、全局搜索與局部搜索能力、收斂性能都要優(yōu)于對比算法。在此基礎(chǔ)上提出適用于芯片引腳圖像多閾值分割的GPSOGSA最優(yōu)參數(shù)。最后，根據(jù)芯片塑封圖像特點，提出基于灰

8、度-梯度共生矩陣的二維最大熵閾值圖像分割算法。該算法充分利用圖像灰度與梯度信息，使用GPSOGSA優(yōu)化二維最大熵求解過程，對芯片塑封圖像進(jìn)行有效二維閾值分割，分割效果優(yōu)于Otsu單閾值算法，計算速度遠(yuǎn)快于窮舉法且分割精度與之相當(dāng)。
　　(4)芯片表面缺陷特征提取與分類方法的研究。首先，根據(jù)實際芯片外觀檢測需求與圖像分割結(jié)果，總結(jié)分析5種塑封缺陷與5種引腳缺陷類型。其次，提出基于數(shù)學(xué)形態(tài)學(xué)的塑封表面缺陷區(qū)域提取方法，獲得塑封缺陷區(qū)域

9、灰度圖像。提出基于紋理方向的引腳表面缺陷區(qū)域提取方法，根據(jù)圖像紋理方向信息判斷并定位缺陷區(qū)域，獲得引腳缺陷區(qū)域灰度圖像。第三，根據(jù)缺陷區(qū)域灰度圖像，提取芯片表面缺陷的幾何、灰度、紋理共計24個特征。第四，為了去除無關(guān)及冗余特征、提高分類效率，使用支持向量機(jī)遞歸特征消除SVM-RFE算法對缺陷特征樣本進(jìn)行特征選擇，獲得缺陷樣本最優(yōu)特征子集，生成僅包含最優(yōu)特征子集為特征的缺陷樣本。最后，提出基于GPSOGSA與高斯核支持向量機(jī)RBF-SVM

10、的缺陷分類方法。該方法使用SVM“一對一”的二分類方法建立多類分類器，使用GPSOGSA算法對RBF-SVM的懲罰因子與高斯核參數(shù)進(jìn)行參數(shù)尋優(yōu)。實驗證明GPSOGSA能夠獲取相對較優(yōu)的RBF-SVM的懲罰因子與高斯核參數(shù)參數(shù)值，以及缺陷樣本10折交叉驗證分類準(zhǔn)確率。
　　(5)芯片表面缺陷在線檢測實驗驗證與分析。首先，提出芯片表面缺陷在線檢測指標(biāo)，搭建芯片表面缺陷在線檢測實驗環(huán)境。其次，在實現(xiàn)從多幅芯片圖像切分到單幅芯片圖像旋轉(zhuǎn)校