隨著半導(dǎo)體技術(shù)的快速發(fā)展，電子產(chǎn)品的封裝集成度越來(lái)越高、實(shí)現(xiàn)功能越來(lái)越多，市場(chǎng)對(duì)高質(zhì)量芯片的需求也水漲船高。芯片缺陷檢測(cè)，是芯片制造中尤為重要的一環(huán)。芯片的漏檢、錯(cuò)檢，會(huì)使相應(yīng)產(chǎn)品達(dá)不到預(yù)期效果甚至報(bào)廢，最終對(duì)企業(yè)造成不可估量的損失。

用于連接晶片和引腳的金線因其尺度小，精度要求嚴(yán)格，成為了半導(dǎo)體芯片缺陷檢測(cè)中的一大難點(diǎn)。如何以最小的人力物力成本實(shí)現(xiàn)高質(zhì)量的芯片金線及其引腳所焊錫球的缺陷檢測(cè)，是我們本次項(xiàng)目中所探討的主題。

針對(duì)“傳統(tǒng)相機(jī)+傳統(tǒng)檢測(cè)算法”方法在檢測(cè)芯片缺陷過(guò)程中過(guò)程復(fù)雜、耗時(shí)長(zhǎng)、準(zhǔn)確率低、不能檢測(cè)芯片三維缺陷等問(wèn)題，研發(fā)能夠快速檢測(cè)芯片所焊錫球和金線缺陷的人工智能算法，以解決當(dāng)前工業(yè)上檢測(cè)芯片缺陷難的問(wèn)題。同時(shí)，利用公司已有的技術(shù)優(yōu)勢(shì)（光場(chǎng)相機(jī)技術(shù)），結(jié)合深度學(xué)習(xí)算法，搭建并訓(xùn)練適用于金線和錫球缺陷檢測(cè)的神經(jīng)網(wǎng)絡(luò)模型，研發(fā)自動(dòng)化檢測(cè)程序，將缺陷檢測(cè)流程中人工參與的比重降至最小，同時(shí)提高正確率。

（1）研發(fā)了芯片錫球的定位算法，能從芯片原圖中準(zhǔn)確分割錫球。建立了錫球缺陷分類神經(jīng)網(wǎng)絡(luò)ResNet，能準(zhǔn)確分類錫球的缺陷；

（2）建立了金線分割神經(jīng)網(wǎng)絡(luò)U-Net，能準(zhǔn)確識(shí)別并分割出芯片上所有金線的位置與形狀。同時(shí)，針對(duì)芯片和金線的深度圖像，利用OpenGL進(jìn)行三維點(diǎn)云快速重建，實(shí)現(xiàn)可視化；

（3）建立了金線缺陷的分類神經(jīng)網(wǎng)絡(luò)ResNet，能夠準(zhǔn)確分類芯片上不同位置的金線缺陷；

（4）利用PyQt搭建了芯片缺陷檢測(cè)系統(tǒng)的可視化界面，集成了訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)了方便的人機(jī)交互。