一种面向批量芯片的分选状态监测方法与流程
本发明涉及信息,尤其涉及一种面向批量芯片的分选状态监测方法。
背景技术:
1、在半导体制造流程中,批量芯片的分选环节承担着将合格芯片从生产线中精准挑选并转移的关键任务,其吸取到位状态是否准确判定,直接决定了后续封装与测试的良率与效率。随着芯片体积不断缩小、单批处理数量持续攀升,分选设备对吸嘴吸取瞬间的状态识别提出了越来越苛刻的要求,任何一次空吸、偏吸的误判都会引发漏检、错位甚至整批产品报废,因此这一环节的状态监测已成为芯片制造质量控制的核心节点。目前行业内较为常见的做法,是通过放大吸嘴真空腔的容积来提升负压稳定性,希望借助更平稳的负压曲线来区分空吸、偏吸与正常吸取三种状态。这一思路的隐含前提是芯片背面平整、贴合面严密,然而在真实产线中,芯片背面往往因研磨、切割或材料应力而存在不同程度的翘曲,贴合面并非理想紧密。这就导致仅从容积或负压绝对值这样的固定参数出发去设定判定标准,无法覆盖芯片本身形态差异带来的信号扰动,判定基准与实际工况之间出现明显错位。真空腔容积是决定负压建立速度与波形形态的直接因素,容积越大,负压曲线原本应当越平稳、越有辨识度;但芯片背面翘曲度决定了吸嘴与芯片之间的漏气面积,翘曲越明显,漏气面积越大,抽气过程中泄漏与抽吸之间的博弈也越激烈。当容积放大后,本就因漏气而缓慢建立的负压被进一步稀释,波形的上升斜率变得更平缓、达到峰值的时间被拉长,原本用于识别正常吸取的陡峭曲线特征几乎消失,与空吸状态下缓慢爬升的曲线在形态上高度相似。具体到产线上,一片存在轻微翘曲的芯片被吸嘴接触后,负压虽然最终能够建立,但建立过程呈现出与空吸极为接近的迟缓上升趋势,设备依据固定阈值作出判断时,很容易将已经吸住的芯片误判为未吸到,触发不必要的重吸或报警;反过来,某些偏吸场景下的漏气量与轻度翘曲的漏气量接近,也会被错误归入正常吸取。容积越大,这种混淆越难以通过单一负压数值消除。因此,如何在放大容积追求负压稳定的同时,考虑芯片背面翘曲带来的漏气差异,将负压建立速率、达峰时间与漏气面积等动态特征联合起来,并让判定基准能够跟随不同芯片的翘曲状况自适应变化,从而在真实产线的形态差异中稳定区分空吸、偏吸与正常吸取,成为批量芯片分选状态监测中亟需突破的关键问题。
技术实现思路
1、本发明提供了一种面向批量芯片的分选状态监测方法,所述方法包括:
2、获取视觉采集单元在吸嘴接触芯片前拍摄的芯片背面图像,通过卷积神经网络对所述芯片背面图像进行特征提取,得到所述芯片的翘曲度;
3、在预先建立的翘曲度与漏气面积换算表中匹配与所述芯片的翘曲度数值对应的表格行,读取对应的表格行记录的漏气面积数值,得到所述吸嘴与芯片贴合面之间的漏气面积;
4、根据所述漏气面积的大小确定达峰所需时长和负压上升速率,通过达峰所需时长和负压上升速率,确定所述芯片的翘曲度的对应负压,建立速率区间和达峰时间区间;
5、在吸嘴对所述芯片背面进行抽气吸附的过程中,负压采集单元采集负压时间序列,并进行去噪处理,得到平滑负压波形;
6、从所述平滑负压波形中提取负压由起始点上升至负压峰值过程中的负压建立速率,以及负压由起始点上升至负压峰值所经历的达峰时间;
7、所述负压建立速率与所述负压建立速率区间进行比对,所述达峰时间与所述达峰时间区间进行比对,两项比对结果均落入对应区间时判定为正常吸取,仅一项比对结果落入对应区间时判定为偏吸,两项比对结果均未落入对应区间时判定为空吸,得到吸嘴当前的分选状态。
8、进一步的,所述在吸嘴对所述芯片背面进行抽气吸附的过程中,负压采集单元采集负压时间序列,并进行去噪处理,得到平滑负压波形,包括:
9、负压采集单元通过接入吸嘴真空管路的压力传感探头以固定采样频率对真空管路内的瞬时负压值进行连续采样,得到原始序列;
10、采用滑动窗口的中值滤波剔除脉冲毛刺,得到去毛刺序列;
11、对所述去毛刺序列进行低通滤波,得到平滑负压波形。
12、进一步的,所述从所述平滑负压波形中提取负压由起始点上升至负压峰值过程中的负压建立速率,以及负压由起始点上升至负压峰值所经历的达峰时间,包括:
13、针对所述平滑负压波形进行波形定位,确定起始点和峰值点;
14、从起始点沿上升段追踪抬升幅值达到峰值点抬升幅值百分之九十所对应的采样点,计算负压建立速率;
15、峰值点对应的时间刻度减去起始点对应的时间刻度得到达峰时间。
16、进一步的,所述获取视觉采集单元在吸嘴接触芯片前拍摄的芯片背面图像,通过卷积神经网络对所述芯片背面图像进行特征提取,得到所述芯片的翘曲度,包括:
17、采用同态滤波对所述背面图像进行光照补偿,得到补偿图像;
18、对所述补偿图像使用中值滤波剔除椒盐噪点,得到待处理图像;
19、对所述待处理图像划分出中心承压区与四周边角区两类子块,针对每一子块勾勒出轮廓偏移线并标定位移量,进行灰度梯度方向统计,形成形变映射矩阵;
20、所述形变映射矩阵与所述待处理图像沿通道维度堆叠后输入卷积神经网络,输出高度落差幅值,所述高度落差幅值即所述芯片的翘曲度。
21、进一步的,所述在预先建立的翘曲度与漏气面积换算表中匹配与所述芯片的翘曲度数值对应的表格行,读取对应的表格行记录的漏气面积数值,得到所述吸嘴与芯片贴合面之间的漏气面积,包括:
22、获取所述芯片的翘曲度数值后,针对预先建立的翘曲度与漏气面积换算表进行行索引定位,判断所述翘曲度数值归属于哪一行的取值范围,得到匹配行;
23、从所述匹配行中读取登记的漏气面积数值,得到所述吸嘴与芯片贴合面之间的漏气面积。
24、进一步的,所述负压建立速率与所述负压建立速率区间进行比对,所述达峰时间与所述达峰时间区间进行比对,两项比对结果均落入对应区间时判定为正常吸取,仅一项比对结果落入对应区间时判定为偏吸,两项比对结果均未落入对应区间时判定为空吸,得到吸嘴当前的分选状态,包括:
25、所述负压建立速率与所述负压建立速率区间的下界与上界进行数值比对,赋予速率命中标志或速率未命中标志;
26、所述达峰时间与所述达峰时间区间的下界与上界进行数值比对,赋予时间命中标志或时间未命中标志;
27、所述速率命中标志与所述时间命中标志的组合进行双重校验,两项标志均为命中判定为正常吸取,仅一项标志为命中判定为偏吸,两项标志均为未命中判定为空吸。
28、进一步的,所述根据所述漏气面积的大小确定达峰所需时长和负压上升速率,通过达峰所需时长和负压上升速率,确定所述芯片的翘曲度的对应负压,建立速率区间和达峰时间区间,包括:
29、根据所述漏气面积的大小进行流量平衡运算,展开为气压差值随时间的抬升曲线,从曲线上读取达峰所需时长和负压建立速率;
30、针对样本取样本均值作为区间中心,取样本正负三倍标准差作为容差裕量,得到负压建立速率区间与达峰时间区间;
31、通过映射关系形成挂接表,从挂接表中读取对应字段,得到所述芯片翘曲度对应的负压建立速率区间和达峰时间区间。
32、进一步的,所述形变映射矩阵与所述待处理图像沿通道维度堆叠后输入卷积神经网络,输出高度落差幅值,所述高度落差幅值即所述芯片的翘曲度,包括:
33、浅层卷积核捕捉边缘处翘起像素的灰度跳变与矩阵中的局部位移量,深层卷积核归纳芯片背面整体的形变走向,池化层压缩空间维度并保留形变强度峰值,全连接层针对高维特征回归输出中心承压区与四周边角区之间的高度落差幅值。
34、进一步的,所述采用滑动窗口的中值滤波剔除脉冲毛刺,得到去毛刺序列,包括:
35、针对所述原始序列中因抽气泵机械振动引发的脉冲毛刺以及因管路温度变化引发的基线漂移,采用滑动窗口的中值滤波剔除脉冲毛刺和保留负压主体走向,得到去毛刺序列。
36、进一步的,所述从起始点沿上升段追踪抬升幅值达到峰值点抬升幅值百分之九十所对应的采样点,计算负压建立速率,包括:
37、从起始点沿所述上升段追踪抬升幅值达到峰值点抬升幅值百分之九十所对应的采样点,起始点与该采样点之间的负压数值差除以两点之间的时间跨度,得到斜率数值,所述斜率数值确定为负压建立速率。
38、本发明实施例提供的技术方案可以包括以下有益效果:
39、本发明公开了一种面向批量芯片的分选状态监测方法,针对芯片表面翘曲导致吸嘴吸取过程中漏气问题,通过卷积神经网络对芯片背面图像进行特征提取获取翘曲度,并基于翘曲度与漏气面积换算表计算出吸嘴与芯片贴合面之间的漏气面积,进而确定该芯片对应的负压建立速率区间和达峰时间区间。在实际吸取过程中,通过负压采集单元实时采集负压时间序列并去噪处理,提取负压建立速率和达峰时间两个关键特征参数,将其与预设区间进行比对判定吸取状态,实现了正常吸取、偏吸和空吸三种状态的准确识别。本发明通过将芯片翘曲度与负压动态特征相结合,建立了针对不同翘曲程度芯片的自适应监测机制,有效提高了批量芯片分选过程中的吸取成功率和状态判定准确性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com