基于机器视觉的IC 芯片外观检测系统分析

2020-02-21英玉

设备管理与维修 2020年7期

英玉

（辽宁经济职业技术学院，辽宁沈阳 110122）

0 引言

生产IC 芯片的流程中，必然要检测IC 芯片的外观，以筛查出有缺陷的IC 芯片，避免影响电子产品的质量。我国IC 芯片外观检测的自动化、智能化程度还有很大不足，导致检测的效率、精度都比较低下。为了改变这种情况，我国的IC 芯片生产厂家应当学习、应用机器视觉技术，从而实现IC 芯片产业的升级发展。

1 机器视觉与IC 芯片外观检测

1.1 机器视觉

机器视觉即机器视觉模拟系统，其用途是代替人眼进行测量、判断。一个典型的机器视觉系统包括：获取图像的光源、摄像头、相机、图像采集卡，处理图像的图像处理软件和主机，执行判决的机械单元、电传单元[1]。其工作过程是，获取图像信号，将颜色、色调、亮度、饱和度等信息转化为数字信号，计算颜色、长度、面积、数量等特征，然后与标准值比对，看计算结果是否在误差范围内[2]，并据此执行判决。

对机器视觉的研究，起源自20 世纪50 年代的二维图像模式识别；60 年代，罗伯兹提出了积木世界的概念，其中就有机器视觉领域的预处理、对象建模、边缘检测等技术；70 年代，视觉计算理论被大卫·马尔提出。机器视觉是一交叉领域，涉及光学成像、人工智能、计算机软硬件技术、控制技术、生物学、图像处理技术等；自身又可分为目标制导的图像处理、视觉系统的知识库、图像处理和分析的并行算法等重要分支设备，用于工业、医药、农业、军事、科研、交通等多个行业。特别是在工业检测中，机器视觉技术可以从外观、缺陷、面积、数量、尺寸等角度检测产品的包装、质量等。

目前，国内机器视觉相关设备的装配精度、加工制造等技术发展比较缓慢，硬件如CCD 相机，依然大部分依赖进口产品。机器视觉技术中用到的国产软件，处理速度也不理想。而且，机器视觉系统很容易受到外界影响，特别是光源的影响，会导致图像发灰，无法被精确地分割。未来，机器视觉技术的发展趋势有嵌入式机器视觉系统，结合其他传感技术，实现智能化、数字化、实时化。

1.2 IC 芯片外观检测

生产IC 芯片的流程中，必然要检测IC 芯片的外观质量。IC芯片的外观质量检测项目，包括引脚尺寸、引脚残缺、引脚偏曲、引脚间距、引脚平整度[3]、引脚跨距、引脚对称性、引脚一致性、引脚排弯、引脚宽度、引脚栈高[4]等直接影响电路产品质量的引脚质量检测项目，以及芯片塑膜上的印字、塑封接口凸起[5]等。其中，引脚外观质量相关的检测项目，精度要求为依0.01 mm[6]。

目前，机器视觉检测IC 芯片外观的产品很多，各有缺陷。比如，应用阴影检测技术的产品对打光、标定的要求过高，软件的实现难度也很大；应用三相机成像的产品硬件成本较高；有下降动作的产品检测效率较低。

2 运用机器视觉技术检测IC 芯片外观

2.1 IC 芯片外观的特征

IC 芯片的外观特征可以分为形状、颜色、纹理、空间关系等几大类，各大类特征下又可细分小类，比如：形状可分为轮廓、区域、几何形状；颜色可以用灰度、颜色矩、直方图、聚合向量表示，其中灰度值又可计算出平均值、方差、峭度、歪度、能量、熵，等等；纹理特征就是凹凸不平、出现气孔这类的特征，可以通过统计灰度共生矩阵得到纹理的二阶矩、对比度、熵、均匀性，等等。

虽然IC 芯片的外观特征很多，外观缺陷也很多，但是在一条特定的生产线中常出现的外观缺陷并不多，而且统计所有类型的外观缺陷会导致IC 芯片外观的机器视觉检测系统过于复杂。因此，IC 芯片外观的机器视觉检测系统只需判别正常芯片和几种常见IC 芯片外观缺陷即可，不属于这些类别的缺陷IC 芯片可以归入其他缺陷；或者，仅将IC 芯片外观分为合格、缺陷2 类，这样设计更简单，但是不利于针对性地改进IC 芯片生产线。

2.2 总体流程设计

2.3 硬件结构

IC 芯片外观的机器视觉检测系统的硬件可分为图像检测、运动控制2 个部分，此处主要分析前一部分的硬件，也就是照明与光路系统、相机与镜头系统、图像采集系统、处理图像的主机、信号输出部分等：照明与光路系统一般由LED 灯、反光板、反光镜、棱镜等组成；相机一般选用CCD 工业相机，CCD 工业相机有面阵式，镜头有6 mm 的T2616FICS-3 型Computar 镜头、OPTO 的TC1236 等；图像采集系统，比如图像采集电路或图像采集卡，品牌如ICOS、FPGA 等，能够将相机与镜头采集的图像电信号转换为数字图像信号，以便主机识别、处理；运动控制部分主要有真空吸嘴和机械手，来放置和拿走IC 芯片。

照明与光路、相机与镜头2 个系统的共同目标，是从芯片的1 个正面、4 个侧面给IC 芯片打光，并采集图像。这是因为有些缺陷容易从正面检测出来，而有些缺陷（如引脚的栈高、共面度）容易从侧面检测出来。为了用1 个相机与镜头达到这个目的，可以调整光路，使IC 芯片的不同方向的反光最终都进入镜头。这样做还可以降低处理图像的难度。

2.4 软件模块

IC 芯片外观的机器视觉检测系统的软件模块也可以分为2部分：一部分与图像检测直接相关，比如图像采集模块、图像处理模块、图像参数设置模块、图像分析检测模块等；另一部分是为了方便操作人员使用，或者下一步的分拣操作而设计的，比如系统故障自检模块、结果输出与储存模块、数据管理模块等。

2.5 标定与检测算法

光流约束方程可以用来建立定位模型，曲线拟合方法可以用来根据特征点与模板匹配定位，改进的Hausdoff 算法、图像金字塔分解法可以用来匹配图像。

在降噪处理中，可以采用自适应开关中值滤波、自适应模糊加权平均值滤波。其中，中值滤波的原理是以1 像素点邻域内灰度的中值来代替该像素点自己的灰度值，从而不依赖一个邻域内与典型灰度值相差较大的像素点。中值滤波法可以快速去除噪点，同时也保留下图像的边缘细节。

边缘检测算法的优劣会影响IC 芯片外观的机器视觉检测系统的精度、效率。所谓边缘，就是图像中，周围灰度值发生屋顶状变化或阶跃性变化的像素集合。检测边缘的算子有梯度算子、Roberts Cross 算子、Prewitt 算子、Sobel 算子、方向二阶差分算子、拉普拉斯算子、高斯原拉普拉斯算子、小波算子、Canny 算子等。其中，Canny 算子的信噪比、定位精度较高，而且单边响应，所以比较适合检测IC 芯片外观。

为了定位、摆正、裁剪目标图像，可以采用图像金字塔分解法、各向异性正则化算法、自适应遗传算法。以定位和摆正目标图像为例，检测边缘之后，可在一侧边缘的两端各设1 个小窗口，找出小窗口内的引脚端点，然后连接两个引脚端点，得到一条连线，再旋转至这条连线与X 轴或Y 轴平行，完成。

BP 神经网络模型可以用来构建筛选器。

IC 芯片的引脚栈高，即IC 芯片底部到引脚端部的垂直距离，其精度会影响下一级封装，所以是IC 芯片外观中的重要参数。栈高可以由一些简单几何计算得到。

IC 芯片的引脚共面度，即IC 芯片最高、最低两引脚之间的垂直距离，也就是最大、最小栈高的差值。计算共面度，一般采取三点法，即取其中栈高最大的3 个引脚作为3 点，构成平面，计算其他引脚到该平面的距离。