提高wire bonding中焊点的定位精度的一种有效方法.pdf

COB邦定制程 E-mail: cjjean@ ; jean@ 提高 Wire Bonding 中焊点的定位精度的一种有效方法 摘要：根据 Wire Bonding 中加工的 Pad 的外形特点，应用模式识别原理和 测量技术，提出在 Wire Bonding 的视觉系统上智能找准精确焊点的方法，阐述 为实现该方法的测量技术以及与模式匹配相结合的动态实时处理方法和技术，此 方法提高了 Wire Bonding 系统运行中执行精度的稳定性和可靠性。 1. 引言 计算机视觉越来越多的应用于工业生产中。在产业领域里，图像处理与模式 识别主要应用于外观检测和挑选、表面缺损的自动检查、装配和生产线的自动化、 工业材料的质量检查等。而对于半导体封装来说，计算机视觉是一种新的发展方 向。计算机视觉研究的主要目的是试图模拟人类的视觉感知功能，通过 CCD 摄 像机得到外部视觉的二维图像，经过图像处理、图像分析和计算机视觉方法等处 理后，得到对图像的理解，进而实现物体的识别、定位和物体的三维表达。它是 提高半导体封装中 Wire Bonding 的精度以及智能化的一种有效途径。随着半导 体工业的发展，芯片向着尺寸更加微小，电路更加复杂，功能更加强大的方向发 展。芯片内部引脚的间距越来越小，精度要求越来越高，这样就给芯片内部的电 路连接、芯片的封装提出了更高的要求。计算机视觉系统通过对芯片中的 Pad 外形的识别，控制 Bond 头找到焊点的准确位置，实现精确焊接。 芯片上也有一些特殊形状的 Pad，但是总的来说是方形和条形，外形变化比 较简单而且比较有规则。通过对 Pad 外形特征的分析，根据图像的实时处理能 力和识别精度要求，本文提出了图像测量技术以及与模式匹配相结合的模式识别 方法。 2. 运用测量技术给 Lead 上焊点定位的方法 测量技术是将一个二维的测量范围映射为一维的直线并计算水平或者垂直 方向的象素总和。这种计算依赖于测量范围的起始位置和被测量物的方向。每一 个和数代表在这一栏的象素密度。为了找到确切的边界，要应用边缘滤波器。用 边缘滤波器找到每一个轮廓的边界值。在一个轮廓值与另一个轮廓值之间，边界 值是不同的。差别越大边界值就越大。滤波器尽可能地除掉任何在边界阈值以下 的边界值。滤波器通过评价任何可能的基于人为定义的几何约束的边界，给每个 特征一个指定的权值或者重要程度值。我们认为拥有最高分值的边界即为我们所 要找的边界。如图 1 所示： jean 第 1 页 2003-12-6 COB邦定制程 E-mail: cjjean@ ; jean@ 一旦用户自己定义了边界阈值，则可以确定 Lead 的一条边界。当 Lead 的两 条边界都分别确定下来，就可以找到其几何中点，即为此条 Lead 上 Pad 的焊点， 如图 2 所示。 在测量这项技术中，测量范围的确定是一个很重要的因素。它显示了寻找目 标图像的测量区域。测量范围的正确定位是查找成功的关键。为了确保测量的成 功，一般测量范围限制在尽可能的小到包含 Lead 的两条边缘即可。在芯片图像 比较复杂或者图像质量不是很好的情况下，这一点极为重要。另外，限定测量范 围还可以加速测量运算。在一般的芯片中，这两条边界的对比度的设置一般是相 同的。同一块芯片上 Lead 条的宽度以及对比度一般是相同的。所以我们可以先 通过学习，确定一个比较合适的适合该芯片中所有 Lead 的测量范围的大小。然 后利用这个尺寸，在每一条需要测量的 Lead 上，在学习得到的范围尺寸内找到 Lead 的两条边界，继而求得其几何中心。其精度可以达到亚象素精度。 jean 第 2 页 2003-12-6 COB邦定制程 E-mail: cjjean@ ; jean@ 3. 运用结合测量技术的模式匹配给 Die 上焊点定位的方法 模式匹配就是用储存在计算机中的模型去识别输入的未知视觉模式，并最终 建立对输入的解释。这里解释是指计算机模型与外部世界的对应性。模式匹配的 方法开始于一个学习过程，在此过程中，一幅物体的图像，在这里就是一个 Pad 的图像，作为模板被保存下来。运行时，将此模板与一系列位置上的图像的形状 相似的子集进行比较。最大匹配的位置作为 Pad 的位置。 标准化灰度相关性广泛的应用于工业中作为模式匹配之用。相关性运算可以 被看作是一种形式的卷积，在这里用于匹配的模板类似于卷积核。事实上，普通 （非标准化）的相关性与下面的卷积形式完全相同： 换句话说，对于每一个结果，一个 N 象素的模板与基础图像中的 N 个象素相乘 然后求和。当相关性函