本文選題：芯片封裝　切入點(diǎn)：視覺定位　出處：《華中科技大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：在半導(dǎo)體芯片封裝過程中,視覺定位技術(shù)是實現(xiàn)芯片精確拾取和轉(zhuǎn)移的核心技術(shù)之一。近年來出現(xiàn)的細(xì)長芯片和超薄高密度芯片對現(xiàn)有封裝技術(shù)提出了新的要求。為了解決以往視覺定位算法在新的封裝需求下定位不準(zhǔn)確或無法定位的問題,本文提出了基于多級教與學(xué)優(yōu)化算法的相機(jī)標(biāo)定方法、有效區(qū)域歸一化互相關(guān)匹配算法和空間結(jié)構(gòu)約束特征點(diǎn)匹配算法,現(xiàn)將本文研究內(nèi)容總結(jié)如下：1)提出了基于多級教與學(xué)優(yōu)化算法的相機(jī)標(biāo)定方法。多級教與學(xué)優(yōu)化算法是對教與學(xué)優(yōu)化算法的改進(jìn),本文創(chuàng)新性地引入了“校長”的概念,提出了“老師”之間相互學(xué)習(xí)的思想。相比于原始的只有“老師”和“學(xué)生”兩個角色的教與學(xué)算法,多級教與學(xué)優(yōu)化算法具有更強(qiáng)的全局搜索能力,在精確求取相機(jī)內(nèi)部參數(shù)、外部參數(shù)和畸變系數(shù)時更容易跳出局部最優(yōu)解,提高了相機(jī)標(biāo)定精度和芯片封裝過程中的定位精度。2)提出了有效區(qū)域歸一化互相關(guān)匹配算法RBNCC.該算法通過區(qū)域置信函數(shù)對圖像中的芯片和背景像素進(jìn)行分類加權(quán),解決了現(xiàn)有灰度算法無法精確定位細(xì)長芯片和有效識別破損芯片的問題,提高了細(xì)長芯片封裝過程中的定位精度和良品率。提出了芯片邊界框快速檢測方法,可將圖像搜索范圍縮減到芯片周圍區(qū)域,加快了RBNCC算法的定位速度,提升了半導(dǎo)體封裝裝備效率。3)提出了空間結(jié)構(gòu)約束特征點(diǎn)匹配算法SCFP。超薄高密度芯片電路圖案復(fù)雜,特征豐富,因此非常適合使用特征點(diǎn)匹配算法進(jìn)行定位,但是現(xiàn)有算法無法在同一幅圖像中匹配多顆芯片。為了解決該問題,SCFP算法不僅利用了特征點(diǎn)周圍的局部信息,還利用了特征點(diǎn)之間的拓?fù)潢P(guān)系,從而可以將目標(biāo)圖像中的特征點(diǎn)有效地劃分到不同芯片區(qū)域。結(jié)合本文提出的基于多級教與學(xué)優(yōu)化算法的相機(jī)標(biāo)定方法,推導(dǎo)了芯片三維姿態(tài)計算公式,為多自由度拾取頭準(zhǔn)確拾取超薄高密度芯片、防止其破碎提供了依據(jù)。4)為了縮短視覺定位算法的計算時間,提升芯片封裝效率,本文分析了有效區(qū)域歸一化互相關(guān)匹配算法和空間結(jié)構(gòu)約束特征點(diǎn)匹配算法中可并行執(zhí)行的任務(wù),充分利用GPU在并行計算、內(nèi)存管理等方面的優(yōu)勢,合理分配了主機(jī)端和設(shè)備端的資源以及在兩種算法中承擔(dān)的角色,實現(xiàn)了兩種算法的加速。5)構(gòu)建了具有自主知識產(chǎn)權(quán)的圖像處理函數(shù)庫MV1.0,定義了基于多級教與學(xué)優(yōu)化算法的相機(jī)標(biāo)定方法、有效區(qū)域歸一化互相關(guān)匹配算法和空間結(jié)構(gòu)約束特征點(diǎn)匹配算法的用戶接口函數(shù),完成了三種算法在MV1.0中的集成,設(shè)計了智能工具軟件MVPlat,該軟件界面友好,操作簡便,方便進(jìn)行算法驗證。最后在典型半導(dǎo)體封裝裝備上進(jìn)行了應(yīng)用與測試,測試結(jié)果表明三種算法滿足實際應(yīng)用需求,具有廣泛的應(yīng)用前景。
[Abstract]:In the process of semiconductor chip packaging, Visual positioning technology is one of the core technologies to realize the accurate pickup and transfer of chips. In recent years, thin and long chips and ultra-thin high density chips have put forward new requirements for the existing packaging technology. In order to solve the problem of visual positioning calculation in the past. To locate problems that are inaccurate or unable to locate under the new packaging requirements, This paper presents a camera calibration method based on multi-level teaching and learning optimization algorithm, an effective region normalized cross-correlation matching algorithm and a spatial structure constrained feature point matching algorithm. In this paper, the following is summarized as follows: 1) A camera calibration method based on multi-level teaching and learning optimization algorithm is proposed. The multi-level teaching and learning optimization algorithm is an improvement on the teaching and learning optimization algorithm. In this paper, the concept of "principal" is introduced innovatively. This paper puts forward the idea of "teachers" learning from each other. Compared with the original teaching and learning algorithms with only the roles of "teacher" and "student", the multi-level teaching and learning optimization algorithm has a stronger global search ability. It is easier to jump out of the local optimal solution when the camera internal parameters, external parameters and distortion coefficients are accurately obtained. An effective region normalized cross-correlation matching algorithm RBNCCS is proposed, which classifies and weights the chip and background pixels in the image by using the region confidence function (RBC), which improves the calibration accuracy of the camera and the positioning accuracy in the chip packaging process. It solves the problem that the existing gray level algorithm can not accurately locate the thin chip and effectively identify the damaged chip, and improves the positioning accuracy and the good product rate in the process of packaging the slender chip. A fast detection method for the chip boundary frame is proposed. The search range of image can be reduced to the area around the chip, the localization speed of the RBNCC algorithm is accelerated, and the efficiency of semiconductor packaging equipment is improved. Because of the rich features, it is very suitable to use the feature point matching algorithm for localization, but the existing algorithms can not match multiple chips in the same image. In order to solve this problem, the SCFP algorithm not only makes use of the local information around the feature points. The topological relationship between the feature points is also used to divide the feature points into different chip regions effectively. The camera calibration method based on the multi-level teaching and learning optimization algorithm is proposed in this paper. The three-dimensional attitude calculation formula of the chip is derived, which provides a basis for accurately picking up ultra-thin and high-density chips with multi-degree-of-freedom pick-up heads and preventing them from breaking) in order to shorten the computing time of the visual positioning algorithm and improve the packaging efficiency of the chip. In this paper, we analyze the tasks that can be performed in the efficient region normalized cross-correlation matching algorithm and the spatial structure constraint feature point matching algorithm, and make full use of the advantages of GPU in parallel computing, memory management, etc. Reasonable allocation of host and device resources and roles in the two algorithms, The image processing function library MV1.0 with independent intellectual property rights is constructed, and the camera calibration method based on multi-level teaching and learning optimization algorithm is defined. The user interface function of the effective region normalized cross-correlation matching algorithm and the spatial structure constraint feature point matching algorithm is implemented. The integration of the three algorithms in MV1.0 is completed. The intelligent tool software MVPlatis is designed. The interface of the software is friendly and the operation is simple. Finally, it is applied and tested on typical semiconductor packaging equipment. The test results show that the three algorithms meet the needs of practical applications and have a wide application prospect.
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳小鋒;劉學(xué)平;鄒松青;;全自動高速固晶機(jī)中視覺定位系統(tǒng)設(shè)計[J];機(jī)械設(shè)計與制造;2008年06期

2 張建中;何永義;李軍;;機(jī)器人裝配視覺定位應(yīng)用研究[J];機(jī)電工程;2011年08期

3 房宜汕;;一種抗強(qiáng)脈沖噪聲干擾的火場人員視覺定位算法[J];計算機(jī)仿真;2013年05期

4 侯一雪;王雁;曹國斌;張永聰;井文麗;;一種應(yīng)用于芯片高精度拾放的視覺定位方法[J];電子工業(yè)專用設(shè)備;2014年02期

5 秦麗娟;胡玉蘭;魏英姿;王紅;;一種基于平面四邊形的視覺定位算法[J];沈陽理工大學(xué)學(xué)報;2009年02期

6 徐占鵬;馬翠玲;黃詠芳;;一種改進(jìn)的機(jī)器人視覺定位方法[J];魯東大學(xué)學(xué)報(自然科學(xué)版);2009年04期

7 徐嵩;何衍;孫秀霞;王聰穎;;一種不同高度目標(biāo)的視覺定位新算法[J];儀器儀表學(xué)報;2010年03期

8 許允喜;蔣云良;陳方;;基于廣義正交迭代算法的立體視覺定位[J];光子學(xué)報;2011年08期

9 許允喜;齊趙毅;蔣云良;;基于序列正交迭代算法的立體視覺定位[J];光子學(xué)報;2013年12期

10 楊麗梅;郭立紅;;飛行器視覺定位方法的研究與仿真[J];電子器件;2006年03期

相關(guān)會議論文 前5條

1 李同歸;王u&;;不同框架下的視覺定位[A];全國第七屆心理學(xué)學(xué)術(shù)會議文摘選集[C];1993年

2 李軍政;李明;;基于全方位視覺定位系統(tǒng)四標(biāo)識定位算法研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

3 陳愛斌;蔡自興;安基程;;一種基于攝像機(jī)視角的立體視覺定位方法[A];2009年中國智能自動化會議論文集（第六分冊）[中南大學(xué)學(xué)報（增刊）][C];2009年

4 夏榆濱;郭忠偉;;一種基于相對閾值特征的快速自適應(yīng)機(jī)器視覺定位算法[A];全國先進(jìn)制造技術(shù)高層論壇暨第十屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2011年

5 童衛(wèi)兵;盧桂章;;機(jī)器人插孔作業(yè)中的視覺定位[A];1993年控制理論及其應(yīng)用年會論文集[C];1993年

相關(guān)重要報紙文章 前1條

1 記者王華楠;新視覺定位系統(tǒng)實現(xiàn)全方位導(dǎo)航[N];中國技術(shù)市場報;2010年

相關(guān)博士學(xué)位論文 前2條

1 張步陽;半導(dǎo)體芯片封裝過程中視覺定位關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2016年

2 趙麗花;球柵陣列（BGA）集成電路視覺定位系統(tǒng)的研究[D];東北林業(yè)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 韓峰;仿生算法在移動機(jī)器人視覺定位中的應(yīng)用研究[D];上海應(yīng)用技術(shù)學(xué)院;2015年

2 周晨磊;基于嵌入式DM642的室內(nèi)服務(wù)機(jī)器人視覺定位終端系統(tǒng)設(shè)計與研究[D];山東大學(xué);2015年

3 謝俊;HZHDFC封裝設(shè)備視覺定位系統(tǒng)設(shè)計與實現(xiàn)[D];華中科技大學(xué);2014年

4 楊超;基于機(jī)器視覺定位的微推力補(bǔ)償系統(tǒng)的研究[D];北京交通大學(xué);2016年

5 劉幣幣;基于機(jī)器視覺定位的自動點(diǎn)膠控制系統(tǒng)的研究與開發(fā)[D];華南理工大學(xué);2016年

6 關(guān)凱;基于標(biāo)識的室內(nèi)視覺定位算法研究[D];哈爾濱工業(yè)大學(xué);2016年

7 薛昊;基于對極幾何理論的視覺定位算法研究[D];哈爾濱工業(yè)大學(xué);2016年

8 王天宇;空間艙內(nèi)飛行器視覺定位系統(tǒng)研究與設(shè)計[D];華北電力大學(xué)(北京);2016年

9 劉瑞;點(diǎn)燈檢查機(jī)控制系統(tǒng)研究[D];西安電子科技大學(xué);2012年

10 張彬彬;車身焊點(diǎn)質(zhì)量檢測機(jī)器人視覺定位系統(tǒng)[D];湖南大學(xué);2015年

，

本文編號：1631475