專利名稱：集成電路芯片視覺對準方法
技術領域：
本發(fā)明屬于集成電路芯片的封裝方法，具體涉及芯片的視覺對準方法，適用于芯片的鍵合裝置、校正裝置、檢測裝置，在半導體設備、液晶顯示器、薄膜磁頭等現(xiàn)代制造業(yè)中將被廣泛采用。
背景技術：
在IC及HIC制造業(yè)中，芯片的內部互連及引出線連接工藝主要有熱壓焊、硅鋁絲超聲鍵合、金絲球焊鍵合、倒裝焊、載帶焊等工藝。其中金絲球焊工藝作為主要鍵合工藝之一，廣泛應用于大規(guī)模集成電路及大規(guī)模厚薄膜混合集成電路的內部引線及引出線互連工藝中；在具有高可靠性要求、金材料布線的電路中，應用更為廣泛，其工藝質量直接影響產品總體質量及可靠性。隨著器件設計水平和生產制造技術尤其是封裝工藝的日新月異，要求作為IC生產線后道工序的核心設備的鍵合設備具有比以往更高的精度、生產率、可靠性。近幾年來，世界各知名公司如K&S、ASM等大力發(fā)展并推出了焊點定位精度2.5μm以下，焊線速度大于12線/s的自動金絲球焊機，如K&S的U-TEK、ASM的ENGLE-60等，引線鍵合間距也已經達到40-30μm?！秾嵮b技術》2002年Vol.18，No.3報道，田中電子工業(yè)公司開發(fā)出了直徑為10μm的金鍵合引線(極細金線)的批量生產技術。大規(guī)模集成電路的發(fā)展，對鍵合工藝也提出了更高的要求。對自動對準系統(tǒng)及定位機構進行系統(tǒng)的誤差分析，不僅是完善鍵合工藝的前提，也是成功定位工作臺及鍵合頭的基礎。
不同的時期鍵合機視覺對準方法采用不同的技術。70年代初采用人工肉眼識別；70年代末以后，由于電路集成規(guī)模不斷擴大，開始引入圖像識別。其中Imamura(1977)等人提出了先用專門電路對基板引腳圖像進行初步處理，再用微機進行識別和定位的方法(Application ofmicro-computer to fully-automatic die-bonder.InNationalTechnical Report，1977；23(6)1102~1111)；Hsieh，Y.Y.和Fu，k.s.(1979)等則根據(jù)模式識別理論設計了分類器來對基板圖像進行分類，然后利用投票技術來識別和定位，硬件則采用并行處理技術來應對大量的計算(Method for automatic ic chip alignment and wirebonding.InProceedings-IEEE Computer Society Conference onPattern Recognition and Image Processing，1979101~108)；KawatoS.(1979)和Doemens G.(1982)等人則在微型計算機識別應用這方面做了不懈的探索；Negin(1985)設計了獨立的圖像識別模塊，主要采用網(wǎng)絡計算進行模式匹配(Image processing/computer vision work station.In1985 IEEE Microprocessor ForumDesign Productivity ThroughEngineering Workstations，198599~105)。Fazekas(1987)等人則針對模板匹配的圖片對照算法進行了優(yōu)化(Fast algorithm for thecomputation of moment invariants，Pattern Recognition1987，20639~643)。1992~1995年間，ESEC公司為自己的Wire Bonder 3006開發(fā)了圖像識別系統(tǒng)ESWIS，仍然是采用模板匹配算法來識別基板引腳，處理范圍局限于很小方形區(qū)域的圖像，在CPU68020的計算機上需要40S的時間，采用DSP預處理后，還需要4S的時間，進一步優(yōu)化算法和簡化模板，才達到0.08S的實用水平。同期，我國的林俊伯(1991)等也開展了用投影儀代替工業(yè)攝像機的研究由于基板在不同位置對光的反射不同，所以可用光電達林頓管感應投影儀的反射，來實現(xiàn)識別與定位。此后，基板引腳圖像識別一直朝著基于統(tǒng)計模式識別技術的模板匹配方向發(fā)展，Ye，Q.Z.(2000)、Wang Mao-JIUN J.(2002)等在提高識別速度和精度方面進行了大量研究(A stereo vision system for the inspectionof IC bond-wire.International Journal of Imaging Systems andTechnology 2000；11(4)254～262)。
目前，鍵合機主要采用視覺對準方法?？s短對準時間的各種對準算法也層出不窮，主要有空間矩的灰度邊緣亞像元對準算法、模糊聚類分析法、神經網(wǎng)絡圖像識別對準算法等。以下對它們作簡要說明和分析。
1、空間矩的灰度邊緣亞像元對準算法灰度圖像中的邊緣檢測和定位有許多經典算法，其中大多數(shù)是像素級的。獲得二值圖像中邊緣亞像元定位精度的方法一般有兩種一種是通過抖動圖像序列的迭加；另一種則是用連續(xù)邊緣上的點聯(lián)合定位邊緣達到亞像元精度?；叶葓D像中的亞像元度量方法可以在單幀圖像的邊緣點上達到亞像元定位精度。常用的亞像元邊緣定位方法有在梯度升一降一升的區(qū)域內插值確定位置；利用邊緣點鄰域灰度分布的矩估計擬合邊緣；將區(qū)域數(shù)據(jù)變換到9個參數(shù)的Hilbe找空間以檢驗邊緣的出現(xiàn)并定位；LoG模板聯(lián)合小面模型計算零穿。建立空間矩算子的邊緣模型和推導亞像元參數(shù)，對邊緣點、邊緣直線和直邊緣區(qū)域進行最壞情況精度分析，通過選擇形狀參數(shù)以最小化該誤差的分析結果來提高度量和對準的精度。
2、模糊聚類分析法模糊聚類分析法主要步驟如下，首先進行初始分割，原始影像被分為兩大(或多個)區(qū)域。為了獲得最終分割結果，采用FCM算法進一步在兩大區(qū)域中分類。結合初始分割結果，獲得兩大目標區(qū)的原始影像信號的亮度層、飽和層影像。然后計算每個像素的灰度均值、方差、Law能量模板和飽和度特征值，形成由像素和特征值組成的矩陣。再計算每個像素的隸屬度及聚類中心。如果采用的分類數(shù)為2，則有兩個聚類中心。對每個像素計算兩類隸屬度，根據(jù)隸屬度的大小對像素進行歸類，當隸屬度取最小值時，獲得最終分割結果。芯片與引線框的高度信息可對原始影像進行初始分割，通過對像素進行歸類，提取出特征區(qū)域，算出位移偏差，實現(xiàn)精確對準。
3、神經網(wǎng)絡圖像識別對準算法主要步驟如下，首先選取具有旋轉平移不變特性的基板引腳圖像；另外，圖像中背景和引腳灰度差別也應比較大。然后建立人工神經網(wǎng)絡模型，人工神經網(wǎng)絡的模型很多，不同的應用可以采用不同的模型。再采集學習訓練樣本，用有導師訓練的方法訓練網(wǎng)絡，最終獲得具有識別能力的網(wǎng)絡。最后，識別的過程實際就是網(wǎng)絡訓練過程的前饋部分。軟件接收到來自CCD的圖像后，自動啟動“特征提取”模塊，獲得基板引腳圖像的特征向量；然后向量被輸入到訓練了的網(wǎng)絡，根據(jù)前饋算法，得到一個介于0和1之間的輸出值作為識別結果。為了減少誤識別，提高軟件的可靠性，可在軟件中設定判定當輸出值大于0.6時，表示識別圖像包含標準引腳；當輸出值小于0.4時，表示識別圖像不包含標準引腳；其余情況則向用戶報告，要求用戶協(xié)助給出判斷，以便指導軟件進一步學習，修正網(wǎng)絡的權值和閾值，使之更適合生產實際情況。同時，判別和修正結果都將儲存在日志文件中，相應的基板引腳圖像也將編號保存，作為識別效果研究的依據(jù)，也可作為網(wǎng)絡訓練的樣本。
作為理論分析，以上算法提出了一些有用的對準算法，但是沒有與具體的生產過程緊密結合，貼片工藝中帶來的芯片與引線框架的定位誤差被忽略了。同時，上述算法只運用到單個對準標記，如果單個標記有較大的局部變形或者測量誤差，仍然用它作為對準標記，就會使對準精度顯著降低。整個對準過程中包括墨點標記、崩邊劃痕、空芯片等缺陷芯片的剔除，前面算法主要采用串行的計算流程，計算速度受到限制。

發(fā)明內容
本發(fā)明提供一種集成電路芯片多標記視覺對準方法，針對上述現(xiàn)有視覺對準方法的局限，實現(xiàn)即使個別標記有因局部變形或者測量誤差而引起的非線性位置誤差，也能使芯片上每一個鍵合點與預定位置快速準確的對準。
本發(fā)明的一種集成電路芯片多標記視覺對準方法，順序包括如下步驟(1)將貼有芯片的引線框架置于工作臺，將標準引線框架上四個角的特征孔中心點和標準芯片四個角點作為設計樣本點，連同標準引線框架和標準芯片上鍵合點坐標先儲存在計算機中，利用包括光源和紅外攝象機CCD的圖像視覺系統(tǒng)得到實際芯片和引線框架的圖像信號，對CCD輸入的圖像信號進行預處理，得到反映圖像特征所需的像素陣列；(2)進行圖像芯片邊界擬合，求得引線框架上芯片的四條邊界線，再求得所述邊界線的4個交點坐標；(3)上述步驟2進行的同時，進行引線框架圖像特征提取，給出引線框架上的四個標記點坐標；(4)計算機中事先儲存有標準的芯片圖像，利用灰度相關方法對實際芯片進行芯片圖像不變矩比較，若檢查出墨點標記、崩邊劃痕、空芯片等缺陷芯片，則返回步驟(1)，進行下一芯片對準；否則進行下一步驟；(5)進行六個變換參數(shù)a～f的計算a＝Rx，b＝-Rx(W+θ)，c＝Ryθ，d＝Ry，e＝Ox，f＝Oy；其中晶片旋轉殘余誤差角θ，工作臺坐標系正交誤差W，晶片的線性伸縮誤差Rx和Ry，晶片中心坐標偏移量Ox和Oy，利用等式XY=abcdxy+ef]]>取已知的儲存在主儲存器中8個設計樣本點坐標(x，y)，代入等式右邊；步驟(2)、(3)得出的芯片邊界線4個交點和引線框架的四個標記點坐標，共得到8個標記坐標(X，Y)，代入等式左邊，求得最佳最小二乘解，得到六個變換參數(shù)；(6)將六個變換參數(shù)a～f和儲存在計算機中8個設計樣本點坐標帶回步驟(5)所述的等式，得8個標記點的計算坐標；(7)計算坐標與步驟(2)、(3)圖像處理得出的測量坐標的差值構成非線性誤差向量，得到各樣本點的非線性誤差向量；(8)非線性誤差向量與允許值進行比較，如果非線性誤差向量大于允許值，在引線框架上選擇選擇與樣本點相鄰近的特征孔作為替代樣本點，返回步驟6；否則進行下一步驟；(9)用六個變換參數(shù)a～f、標準引線框架和標準芯片上鍵合點坐標值，通過步驟(5)所述等式的線性變換，計算出實際引線框架和實際芯片上鍵合點的鍵合頭工作臺坐標值；(10)根據(jù)計算出的鍵合頭工作臺坐標值，由鍵合頭控制系統(tǒng)驅動電機帶動鍵合頭實現(xiàn)引線鍵合。
所述的對準方法，其特征在于工作臺坐標系的確定是在系統(tǒng)每次啟動時，找到工作臺左上角和右下角，以左下角與右下角連線的中點為絕對坐標原點，將引線框架和芯片上共八個設計樣本點的坐標先儲存在主儲存器中。
所述的對準方法，其進一步特征在于求芯片四條邊界線和它們的交點時，利用邊緣點鄰域灰度分布的最小二乘估計擬合邊緣的方法，取灰度中值附近的像素點為樣本點，再代入矩估計的式子中，求出邊界線。
本發(fā)明采用多個特征標記，克服了單個標記的局部變形對對準精度的影響。另一方面，通過在框架和芯片上分別選取標記，可以修正貼片工藝中帶來的誤差。并且將剔除壞芯片與坐標計算并行處理，提高了生產效率，實現(xiàn)了準確高效的對準。
本發(fā)明的特點主要表現(xiàn)在以下幾方面1、由于CCD對于光度響應具有極佳的線性和靈敏度，因此采用線陣CCD對邊沿對準能獲得十分高的對準精度；2、該方案采用替代非線性誤差向量較大的標記，減少了測量誤差；3、考慮了貼片工藝中存在于芯片與框架間的各種誤差對引線鍵合質量的影響；4、采用灰度圖像不變矩能快速剔除缺陷芯片；5、多特征標記保證了計算結果的準確性，提高了引線鍵合精度；6、通過簡單有效的數(shù)理統(tǒng)計和數(shù)值計算方法，提高了引線鍵合的生產效率；7、該方案對多引線數(shù)，大批量生產具有明顯的優(yōu)越性。


圖1為本發(fā)明的流程框圖；圖2為本發(fā)明方法的圖像視覺系統(tǒng)的物理結構示意圖；圖3為圖2中圖像采集裝置的控制系統(tǒng)方塊圖；圖4為芯片邊界像素點的灰度分布；圖5為各種情況下芯片有無缺陷的灰度分布與對比；圖6為用本發(fā)明對準方法得到的樣本點的排布和邊界線；圖7A舉例顯示了圖6中各樣本點的非線性誤差向量；圖7B顯示了替代計算后各樣本點的非線性誤差向量。
具體實施例方式
以下結合附圖對本發(fā)明進一步說明。
圖2顯示了運用于本發(fā)明對準方法的圖像視覺系統(tǒng)。從同軸燈1發(fā)射出來的光線經橢圓鏡2反射后，紅光穿過濾光片3。然后光線經過勻光片4形成與光軸垂直的平行光束，透過分光鏡5，垂直照射到工作臺15上的芯片表面，此光路為同軸燈光路。它對平坦均勻的圖形能產生最好的對比度。除同軸燈1外，在工作臺15的上方還固定有4個由紅色亮度的發(fā)光二極管組組成的側燈8，它們被安裝在同軸燈四周，以一定角度照向芯片，側燈8對表面高低不平的地方和邊緣能產生最好的對比度。為了進一步得到對比度明顯的圖像，同軸燈1和側燈8的亮度根據(jù)需要可由主控系統(tǒng)16調節(jié)。
圖2中的圖像提取系統(tǒng)由以下部分構成，同軸燈1和側燈8產生的較強對比度的光線在芯片上被反射，進入物鏡6，然后由分光鏡5反射，使垂直光線變成水平光線，再穿過場闌9，成像在CCD靶面10上，形成的靶面大小可由場闌9進行調節(jié)。這樣就得到256級灰度的像素陣列。為了達到最佳焦距，由控制器7調整物鏡6的高度。
接著對像素陣列進行預處理，然后利用本發(fā)明的多標記對準算法，得到各鍵合點的鍵合頭工作臺坐標值，由主控系統(tǒng)16驅動直線電機13，帶動鍵合頭工作臺12沿X、Y、Z方向運動，最后超聲波帶動劈刀11實現(xiàn)引線鍵合。
圖3中方塊圖描述圖2中圖像采集裝置的控制系統(tǒng)。其中，主控系統(tǒng)16包括照明控制系統(tǒng)21，圖像采集卡22，對準計算單元23，主儲存器24，灰度對比系統(tǒng)25，主控計算機26，物鏡調節(jié)系統(tǒng)27，鍵合頭控制系統(tǒng)28，監(jiān)視器29。
圖3中，圖像采集卡22對來自CCD10的圖像信號進行預處理，形成256級灰度768×576像素陣列，得到的數(shù)據(jù)并行輸出，一路輸出給灰度對比系統(tǒng)25，經過灰度相關計算，判斷芯片有無缺陷。如果芯片有缺陷就通知主控計算機26進入下一芯片對準，沒有缺陷則繼續(xù)后面的計算。同時得到框架上4個對準標記，將坐標值輸入主儲存器24，用于后面的對準計算。另一路數(shù)據(jù)輸入到對準計算單元23，對邊界利用邊緣點鄰域灰度分布最小二乘估計進行擬合。并求出交點，結合前面的4個標記，采用多標記對準算法，求出各鍵合點的坐標位置，最后由主控計算機26將坐標值輸出到鍵合頭控制系統(tǒng)28，帶動直線電機13進行引線鍵合。監(jiān)視器29用于放大顯示鍵合過程和初始對準。
下面參照圖1詳細描述本對準算法的具體實施過程。首先，由主控系統(tǒng)16將貼有芯片的引線框架置于工作臺15上，工作臺坐標系的確定是在系統(tǒng)每次啟動時，找到工作臺左上角和右下角，以左下角與右下角連線的中點為絕對坐標原點。圖6顯示了芯片在引線框架上的位置，我們選擇芯片的4個角點作為對準標記。這樣每個標記接近90°排列，標記分布也很均勻。按同樣的方法在框架上選擇另外4個對準標記，由于框架上四周存在特征孔，將引線框架的四個角的特征孔中心點亦作為設計樣本點。在對準之前，必須將它們的坐標先儲存在計算機主儲存器24中，以備以后使用。
在圖1的101步中，對CCD10輸入的圖像信號進行預處理。得到反映圖像特征所需的像素陣列。接下來分兩路執(zhí)行，在102步中進行芯片邊界擬合、103步求邊界線交點；在104步中進行引線框架圖像特征提取。
先看102步中的邊界擬合，圖4顯示了芯片邊界像素點的灰度分布。我們可以看到，芯片與引線框架的灰度差別很大。在圖4中的一條邊界線L1上選擇n個像素點作為樣本點(Xsi，Ysi)，它們應該散布在理論的回歸直線Ys＝m+nXs附近。像素點的多少不同的芯片大小會不同，40-60均可，例如10×10mm的芯片選取50個像素點。
現(xiàn)在要找到一條直線，使各樣本點(Xsi，Ysi)到直線的y方向偏差的平方和Q最小。即Q(m,n)=Σi=1n[Ysi-(m+nXsi)]2---(1)]]>求Q關于m、n的偏導數(shù)并令它們等于零，就得到m、n的估計值n^=Σ(Xsi-X‾s)×(Ysi-Y‾s)Σ(Xsi-X‾s)2---(2)]]>m^=Y‾s-n^X‾s---(3)]]>上式中Xs、Ys分別為樣本均值，于是我們求得邊界線方程L1為Y^s=m^+n^Xs,]]>同樣的邊界線有4條，采用上述同樣方法，得圖6中的其他三條邊界線L2、L3、L4。在103步中，利用102步的4條直線方程，在103步通過簡單計算求得它們的4個交點(X1，Y1)～(X4，Y4)，這4點即為芯片上的特征標記點。
在104步中給出引線框架上四個樣本點，其實質是一個二維圖像的模式識別問題。我們利用基于區(qū)域特征的匹配方法，提取圖像引線框架中典型區(qū)域和芯片區(qū)域。從引線框架的結構看，引線框架上存在典型區(qū)域和芯片區(qū)域。由于引線框架上四周存在特征孔，而且特征孔內的灰度與其邊緣的灰度在梯度上有跳變。根據(jù)這一特征，可以對整個像素陣列用LoG算子檢測出潛在的特征孔圖像邊緣，由梯度算子對特征孔邊緣點分類，形成特征孔中心點作為種子點。對種子點掃描，還是按灰度值區(qū)別，當掃描區(qū)域的灰度沒有跳變時，就認為掃描區(qū)域就是我們要找的典型區(qū)域，芯片區(qū)域也按同樣的方式確定，芯片區(qū)域的灰度與其引線框架的灰度在梯度上有跳變，可以對整個區(qū)域像素陣列用LoG算子檢測出潛在的芯片區(qū)域圖像邊緣。對典型區(qū)域的行列坐標進行比較，得到引線框架的四個角的特征孔中心點作為在引線框架上的四個樣本點。計算出所有典型區(qū)域的面積，其中面積最大的區(qū)域就是芯片區(qū)域。
在105步中，利用芯片圖像不變矩比較檢測缺陷芯片，其主要目的是識別墨點標記、崩邊劃痕、空芯片等缺陷，實質是對芯片進行圖像匹配。計算機中儲存有標準的芯片圖像，將采集的芯片影像圖形與標準圖形匹配。由于不變矩能充分反映出圖像特征，我們計算出芯片圖像的不變矩。當計算出的芯片區(qū)域的不變矩與儲存在存儲器中的芯片圖像的不變矩進行比較，當計算出的芯片區(qū)域的不變矩與儲存在存儲器中芯片圖像的不變矩相等時，我們認為芯片完好，而當計算出的芯片區(qū)域的不變矩與儲存在存儲器中的芯片圖像的不變矩不等時，認為芯片有缺陷。芯片區(qū)域圖像f(m，n)的不變矩定義為Jpq=ΣmΣnmp·nq·f(m,n)]]>其中p，q為不變矩的階數(shù)，取二階計算；m、n為芯片區(qū)域圖像像素，顯然不變矩和區(qū)域是一一對應的關系。
圖5顯示了各種有缺陷情況的芯片，芯片有缺陷時，操作走向106步，進行下一芯片對準；對于完好芯片，如圖6所示得到了8個樣本點P1～P8，其中P1～P4點為芯片角點，它們能完全將芯片固定在框架上。標記P5～P8是來自框架上的樣本點，表示框架在工作臺上的位置。將樣本點P1～P8的測量坐標值儲存以備下一步使用。
在107步中進行六個變換參數(shù)(a～f)的計算。為何會有六個變換參數(shù)呢？因為按理論芯片在引線框架上是有規(guī)則排列的。但實際上由于下列原因會出現(xiàn)非線性誤差。
(1)晶片旋轉殘余誤差角θ；(2)工作臺坐標系正交誤差W；(3)晶片的線性伸縮誤差Rx和Ry；(4)晶片中心坐標偏移量Ox和Oy；根據(jù)上面四個誤差值就有六個變換參數(shù)(a～f)?，F(xiàn)在要解決的是利用這六個參數(shù)(a～f)將排列坐標(x，y)變換為鍵合頭工作臺位移坐標(X，Y)，我們有如下模型表示XY=abcdxy+ef---(4)]]>其具體推導如下XY=Rx00Rycosθ-sinθsinθcosθ1-tanW01xy+OxOy]]>=Rxcosθ-Rx(cosθtanW+sinθ)RysinθRy(-sinθtanW+cosθ)xy+OxOy]]>由于旋轉偏移量θ(由硅片預對準精度決定)和正交性偏差ω(由工件臺精度決定)總是非常微小，因此上述非線性方程可以簡化成如下的一階線性方程(如果要求更高的精度，則可以簡化為二階或高階方程)
Rx-Rx(W+θ)RyθRy=abcdXY=Rx-Rx(W+θ)RyθRyxy+OxOy]]>令Rx-Rx(W+θ)RyθRy=abcd;OxOy=ef]]>就得到上面的模型等式(4)。其中a＝Rx，b＝-Rx(W+θ)，c＝Ryθ，d＝Ry，e＝Ox，f＝Oy；利用最佳最小二乘法可以得到六個變換參數(shù)(a～f)。首先通過在芯片引線框架上選擇的8個樣本點P1～P8，得到設計的排列坐標(x1，y1)～(x8，y8)，代入模型等式(4)右邊。其次，有前面根據(jù)圖像處理得出的8個樣本點的鍵合頭工作臺坐標(X1，Y1)～(X8，Y8)。代入模型等式(4)左邊，求得最佳最小二乘解，得到六個變換參數(shù)(a～f)。接著，將六個變換參數(shù)(a～f)反代入模型等式(4)，利用排列坐標(xi，yi)，求出樣本點的計算坐標(XMi，YMi)。
在108步中，用鍵合頭工作臺坐標(Xi，Yi)減去107步中求得的計算坐標(XMi，YMi)就得到各樣本點的非線性誤差向量Lai。接下來的109步中，判斷非線性誤差向量Lai的絕對值是否大于預定允許值Lc。由于目前的金鍵合引線的最小直徑為10μm，考慮到計算工作量和保證精度，我們取其10-1％作為非線性誤差向量的預定允許值，例如我們取Lc為0.5μm。如果非線性誤差向量的絕對值小于或等于允許值Lc，即|Lai|≤Lc成立，我們認為樣本點的非線性誤差較小，滿足要求。如果非線性誤差向量的絕對值大于允許值Lc，即|Lai|＞Lc成立，我們將此樣本點Pi剔除掉。操作轉向112步，選擇與樣本點Pi相鄰近的特征孔PBi作為Pi的替代樣本點。操作轉向107步，將替代坐標值和滿足要求的坐標值代入模型等式(4)重新計算參數(shù)(a～f)，再判斷非線性誤差向量的大小。
圖7A舉例顯示了在108步中得到的放大的樣本點P1～P8的非線性誤差向量。樣本點Pi由非線性誤差向量Lai表示。Lai的起點代表108步計算的樣本點坐標值(XMi，YMi)，端點表示測得的樣本點鍵合頭工作臺坐標(Xi，Yi)，依次表示出其它樣本點的非線性誤差向量，圖7A中有兩個樣本點P1、P6的非線性誤差向量大于允許值。因此將P1點剔除掉，再選擇與P6相鄰的點PB6作為替代，圖7B顯示了替代計算后樣本點的非線性誤差向量，可以看到其非線性誤差明顯變小。
通過以上的計算，得到最后的六個變換參數(shù)(a～f)。在110步中，通過模型等式(4)和引腳的設定坐標值，計算出各引腳的鍵合頭工作臺坐標值。這樣就完成了引線鍵合的整個對準計算。在111步中由鍵合頭控制系統(tǒng)驅動電機帶動鍵合頭實現(xiàn)引線鍵合。
本發(fā)明除了以上應用，還可以用于掃描曝光裝置、校正芯片圖形在校正裝置、監(jiān)視芯片圖形的監(jiān)控裝置等現(xiàn)代制造業(yè)的設備中。而且，芯片上的區(qū)域排列、樣本點個數(shù)、樣本點的位置、選擇替代點的位置、最大允許值都可以根據(jù)具體情況而有所不同。
權利要求
1.一種集成電路芯片視覺對準方法，順序包括如下步驟(1)將貼有芯片的引線框架置于工作臺，將標準引線框架上四個角的特征孔中心點和標準芯片四個角點作為設計樣本點，連同標準引線框架和標準芯片上鍵合點坐標先儲存在計算機中，利用包括光源和紅外攝象機CCD的圖像視覺系統(tǒng)得到實際芯片和引線框架的圖像信號，對CCD輸入的圖像信號進行預處理，得到反映圖像特征所需的像素陣列；(2)進行圖像芯片邊界擬合，求得引線框架上芯片的四條邊界線，再求得所述邊界線的4個交點坐標；(3)上述步驟2進行的同時，進行引線框架圖像特征提取，給出引線框架上的四個標記點坐標；(4)計算機中事先儲存有標準的芯片圖像，利用灰度相關方法對實際芯片進行芯片圖像不變矩比較，若檢查出墨點標記、崩邊劃痕、空芯片等缺陷芯片，則返回步驟(1)，進行下一芯片對準；否則進行下一步驟；(5)進行六個變換參數(shù)a～f的計算a＝Rx，b＝-Rx(W+θ)，c＝Ryθ，d＝Ry，e＝Ox，f＝Oy；其中晶片旋轉殘余誤差角θ，工作臺坐標系正交誤差W，晶片的線性伸縮誤差Rx和Ry，晶片中心坐標偏移量Ox和Oy，利用等式XY=abcdxy+ef]]>取已知的儲存在主儲存器中8個設計樣本點坐標(x，y)，代入等式右邊；步驟(2)、(3)得出的芯片邊界線4個交點和引線框架的四個標記點坐標，共得到8個標記坐標(X，Y)，代入等式左邊，求得最佳最小二乘解，得到六個變換參數(shù)；(6)將六個變換參數(shù)a～f和儲存在計算機中8個設計樣本點坐標帶回步驟(5)所述的等式，得8個標記點的計算坐標；(7)計算坐標與步驟(2)、(3)圖像處理得出的測量坐標的差值構成非線性誤差向量，得到各樣本點的非線性誤差向量；(8)非線性誤差向量與允許值進行比較，如果非線性誤差向量大于允許值，在引線框架上選擇選擇與樣本點相鄰近的特征孔作為替代樣本點，返回步驟6；否則進行下一步驟；(9)用六個變換參數(shù)a～f、標準引線框架和標準芯片上鍵合點坐標值，通過步驟(5)所述等式的線性變換，計算出實際引線框架和實際芯片上鍵合點的鍵合頭工作臺坐標值；(10)根據(jù)計算出的鍵合頭工作臺坐標值，由鍵合頭控制系統(tǒng)驅動電機帶動鍵合頭實現(xiàn)引線鍵合。
2.如權利要求1所述的視覺對準方法，其特征在于工作臺坐標系的確定是在系統(tǒng)每次啟動時，找到工作臺左上角和右下角，以左下角與右下角連線的中點為絕對坐標原點，將引線框架和芯片上共八個設計樣本點的坐標先儲存在主儲存器中。
3.如權利要求1或2所述的視覺對準方法，其特征在于求芯片四條邊界線和它們的交點時，利用邊緣點鄰域灰度分布的最小二乘估計擬合邊緣的方法，取灰度中值附近的像素點為樣本點，再代入矩估計的式子中，求出邊界線。
全文摘要
集成電路芯片視覺對準方法，屬于集成電路芯片封裝方法，針對現(xiàn)有方法局限，實現(xiàn)芯片上鍵合點快速準確對準。本發(fā)明在引線框架和芯片上分別選取設計樣本點，圖像處理求出樣本點測量坐標值，根據(jù)圖像不變矩檢測出有缺陷的芯片；解得芯片位置變換參數(shù)再由其得出計算坐標；用計算坐標減去測量坐標得到樣本點的非線性誤差；當誤差超過允許值時，選其旁邊的樣本點作為替代，直到誤差值小于允許值，最后將鍵合點排列坐標換算成鍵合頭工作臺位移坐標。本發(fā)明可修正貼片工藝中的誤差，剔除壞芯片與計算并行處理，提高了效率，實現(xiàn)了準確高效的對準，適用于芯片鍵合、檢測裝置，在半導體、液晶顯示、薄膜磁頭等現(xiàn)代制造業(yè)中有廣泛用途。
文檔編號G06F17/50GK1604294SQ20041006083
公開日2005年4月6日 申請日期2004年9月10日 優(yōu)先權日2004年9月10日
發(fā)明者李小平, 聶宏飛, 李朝暉, 楊文建 申請人:華中科技大學