本發(fā)明涉及檢測(cè)設(shè)備，具體的說是涉及一種矩形芯片檢測(cè)設(shè)備及該矩形芯片檢測(cè)設(shè)備的檢測(cè)方法。

背景技術(shù)：

1、現(xiàn)有技術(shù)中，矩形芯片需要檢測(cè)，矩形芯片封裝外觀質(zhì)量檢測(cè)主要包括矩形芯片傾角檢測(cè)、印刷字符檢測(cè)、矩形芯片引腳尺寸檢測(cè)以及引腳電性能檢測(cè)等。對(duì)于以上檢測(cè)項(xiàng)目，起初都采用人工檢測(cè)。但是，由于芯片本身體積小，人工檢測(cè)存在很多缺點(diǎn)，如：(1)勞動(dòng)強(qiáng)度較高，人眼容易疲勞，產(chǎn)生漏檢、誤檢等情況；(2)存在檢測(cè)標(biāo)準(zhǔn)不一致的現(xiàn)象；(3)速度慢，效率低；(4)人工費(fèi)用不斷上升。因此，隨著設(shè)備成本逐漸降低，人工檢測(cè)顯然不再能滿足工業(yè)生產(chǎn)的需求，在工業(yè)生產(chǎn)中利用人工檢測(cè)芯片的場(chǎng)合也逐漸越來越少。有必要對(duì)芯片封裝測(cè)試視覺檢測(cè)環(huán)節(jié)進(jìn)一步研究。由于難以客觀地檢測(cè)半導(dǎo)體芯片封裝過程中的缺陷，直接影響芯片封裝測(cè)試效率，從而制約半導(dǎo)體行業(yè)的發(fā)展。因此，開發(fā)高精度、高效率的半導(dǎo)體芯片圖像視覺定位檢測(cè)系統(tǒng)，對(duì)于有效促進(jìn)半導(dǎo)體芯片封裝測(cè)試行業(yè)具有深遠(yuǎn)的意義。

2、目前，視覺定位設(shè)備也應(yīng)用了ai智能模式，通過物聯(lián)網(wǎng)將數(shù)據(jù)匯總，ai深度學(xué)習(xí)，獲取最優(yōu)的數(shù)據(jù)，以實(shí)現(xiàn)高效率、高質(zhì)量的芯片生產(chǎn)。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)中的不足，本發(fā)明要解決的技術(shù)問題在于提供了一種矩形芯片檢測(cè)設(shè)備及該矩形芯片檢測(cè)設(shè)備的檢測(cè)方法，設(shè)計(jì)該矩形芯片檢測(cè)設(shè)備的目的是提高芯片檢測(cè)效率及檢測(cè)質(zhì)量。本發(fā)明的物聯(lián)網(wǎng)檢測(cè)方法是將矩形芯片的測(cè)試數(shù)據(jù)通過物聯(lián)網(wǎng)傳輸至云服務(wù)器，再通過后臺(tái)云服務(wù)器云計(jì)算，使矩形芯片能夠優(yōu)化生產(chǎn)。通過本發(fā)明物聯(lián)網(wǎng)檢測(cè)方法能夠?qū)⒕匦涡酒珳?zhǔn)定位，提高了檢測(cè)速度。

2、為解決上述技術(shù)問題，本發(fā)明通過以下方案來實(shí)現(xiàn)：本發(fā)明的一種矩形芯片檢測(cè)設(shè)備，包括機(jī)架，該機(jī)架的上端是一臺(tái)板，該臺(tái)板由一端至另一端設(shè)為進(jìn)料區(qū)、檢測(cè)區(qū)和下料區(qū)，所述矩形芯片檢測(cè)設(shè)備還包括：

3、設(shè)于所述臺(tái)板上板面一側(cè)的第一x軸移動(dòng)機(jī)構(gòu)，該第一x軸移動(dòng)機(jī)構(gòu)具有第一x軸動(dòng)力源及與該第一x軸動(dòng)力源驅(qū)動(dòng)連接的搬運(yùn)機(jī)構(gòu)，所述搬運(yùn)機(jī)構(gòu)被所述第一x軸動(dòng)力源驅(qū)動(dòng)沿所述進(jìn)料區(qū)、檢測(cè)區(qū)和下料區(qū)之間移動(dòng)，所述搬運(yùn)機(jī)構(gòu)具有第一z軸動(dòng)力源及與該第一z軸動(dòng)力源驅(qū)動(dòng)連接的搬運(yùn)機(jī)械手；

4、設(shè)于所述進(jìn)料區(qū)的除塵及方位檢測(cè)機(jī)構(gòu)，該除塵及方位檢測(cè)機(jī)構(gòu)具有抬高設(shè)置的凈風(fēng)除塵部、與所述凈風(fēng)除塵部并排設(shè)置的方位檢測(cè)部以及經(jīng)過所述凈風(fēng)除塵部和方位檢測(cè)部的第一y軸移動(dòng)機(jī)構(gòu)，所述第一y軸移動(dòng)機(jī)構(gòu)的第一y軸移動(dòng)部所移動(dòng)的路徑和所述搬運(yùn)機(jī)械手所移動(dòng)的路徑在正交空間上有交集；

5、設(shè)于所述檢測(cè)區(qū)的雙工位檢測(cè)組，任意一組檢測(cè)組包括有載料平臺(tái)移送機(jī)構(gòu)、檢測(cè)機(jī)構(gòu)，所述載料平臺(tái)移送機(jī)構(gòu)具有多維度驅(qū)動(dòng)機(jī)構(gòu)，該載料平臺(tái)移送機(jī)構(gòu)的移送活動(dòng)部所移動(dòng)的軌跡與所述檢測(cè)機(jī)構(gòu)的檢測(cè)活動(dòng)部所移動(dòng)的軌跡在正交空間上有交集；

6、設(shè)于所述下料區(qū)的下料機(jī)構(gòu)，該下料機(jī)構(gòu)是一條y軸向設(shè)置的輸送線，所述輸送線用于接收由所述搬運(yùn)機(jī)械手送出的合格矩形芯片。

7、進(jìn)一步地，所述第一x軸動(dòng)力源為第一x軸電機(jī)，該第一x軸電機(jī)的驅(qū)動(dòng)軸連接有第一x活動(dòng)部，所述第一活動(dòng)部在一長軌道做x軸運(yùn)動(dòng)，其側(cè)固定所述第一z軸動(dòng)力源，所述第一z軸動(dòng)力源為第一z軸電機(jī)，其驅(qū)動(dòng)軸驅(qū)動(dòng)連接所述搬運(yùn)機(jī)械手。

8、更進(jìn)一步地，所述搬運(yùn)機(jī)械手是一吸附裝置，其吸口是根據(jù)矩形芯片的矩陣金屬接觸點(diǎn)的外圍形狀設(shè)置且該吸附裝置的吸附頭是一柔性硅膠頭。

9、進(jìn)一步地，所述凈風(fēng)除塵部具有第一“ㄇ”形架、設(shè)置于所述第一“ㄇ”形架的吹凈風(fēng)裝置；

10、所述方位檢測(cè)部具有第二“ㄇ”形架、第二x軸移動(dòng)機(jī)構(gòu)以及第一ccd采集相機(jī)，所述第二“ㄇ”形架設(shè)有第一x軸軌道，該第二x軸移動(dòng)機(jī)構(gòu)的動(dòng)力源是第二x軸電機(jī)，所述第二x軸電機(jī)固定于所述第二“ㄇ”形架，其驅(qū)動(dòng)連接有第二x軸活動(dòng)部，所述第二x軸活動(dòng)部滑接所述第一x軸軌道，其外側(cè)還固定所述第一ccd采集相機(jī)，所述第一ccd采集相機(jī)的鏡頭朝下且在該第一ccd采集相機(jī)的下殼邊緣設(shè)置有撥桿；

11、所述第一y軸移動(dòng)機(jī)構(gòu)的動(dòng)力源是第一直線電機(jī)，該第一直線電機(jī)的第一動(dòng)子的上端安裝有第一水平旋轉(zhuǎn)電機(jī)，所述第一水平旋轉(zhuǎn)電機(jī)的驅(qū)動(dòng)軸朝上連接有吸附板，所述吸附板是所述第一y軸移動(dòng)部。

12、更進(jìn)一步地，所述吸附板為一矩形結(jié)構(gòu)板，其具有連通負(fù)壓通道的吸附孔、設(shè)于所述吸附板板面的多條調(diào)節(jié)槽，各調(diào)節(jié)槽中均設(shè)有凸起于調(diào)節(jié)槽上槽口的限位塊；

13、所述吸附板的吸附面還設(shè)有兩條背朝向的直槽，兩條直槽分居于所述吸附孔的兩側(cè)，所述撥桿被驅(qū)動(dòng)后，其下端能夠伸入該直槽并能夠沿該直槽移動(dòng)。

14、進(jìn)一步地，所述載料平臺(tái)移送機(jī)構(gòu)設(shè)有固定于臺(tái)板且呈y軸向設(shè)置的第二直線電機(jī)、安裝于所述第二直線電機(jī)動(dòng)子端的角度旋轉(zhuǎn)驅(qū)動(dòng)機(jī)構(gòu)、設(shè)于所述第二直線電機(jī)動(dòng)子端的u型支架、可轉(zhuǎn)動(dòng)的固定于所述u型支架的支撐殼、安裝于所述支撐殼的第二水平旋轉(zhuǎn)電機(jī)以及固定于所述第二水平旋轉(zhuǎn)電機(jī)驅(qū)動(dòng)軸的吸附平臺(tái)，所述吸附平臺(tái)是所述移送活動(dòng)部；

15、所述角度旋轉(zhuǎn)驅(qū)動(dòng)機(jī)構(gòu)是一旋轉(zhuǎn)電機(jī)，該旋轉(zhuǎn)電機(jī)的驅(qū)動(dòng)軸連接所述支撐殼且該旋轉(zhuǎn)電機(jī)的驅(qū)動(dòng)軸驅(qū)動(dòng)所述支撐殼作圓周動(dòng)作。

16、進(jìn)一步地，兩組檢測(cè)機(jī)構(gòu)共用第三“ㄇ”形架，所述第三“ㄇ”形架的頂部設(shè)有第二x軸軌道，該第二x軸軌道的兩端均安裝有第二x軸動(dòng)力源，兩組第二x軸動(dòng)力源分別驅(qū)動(dòng)連接與該兩組第二x軸動(dòng)力源靠近的檢測(cè)機(jī)構(gòu)；

17、兩組檢測(cè)機(jī)構(gòu)均滑接于所述第二x軸軌道，其設(shè)有z軸驅(qū)動(dòng)機(jī)構(gòu)、與該z軸驅(qū)動(dòng)機(jī)構(gòu)驅(qū)動(dòng)連接的ccd相機(jī)模組且該z軸驅(qū)動(dòng)機(jī)構(gòu)驅(qū)動(dòng)所述ccd相機(jī)模組升降；

18、所述ccd相機(jī)模組設(shè)有兩個(gè)第二ccd采集相機(jī)，兩個(gè)第二ccd采集相機(jī)呈角度設(shè)置且呈倒“八”形結(jié)構(gòu)設(shè)置，兩個(gè)第二ccd采集相機(jī)的鏡頭拍攝方向能夠相交。

19、本發(fā)明檢測(cè)設(shè)備的檢測(cè)方法，該檢測(cè)方法用于矩形芯片數(shù)字圖像的空間定位，包括：

20、數(shù)據(jù)處理模塊，對(duì)接收的數(shù)據(jù)處理；

21、圖像采集模塊，與ccd采集設(shè)備連接，其采集的圖像數(shù)據(jù)傳輸給所述數(shù)據(jù)處理模塊，所述ccd采集設(shè)備具有雙攝像頭視覺系統(tǒng)，雙攝像頭視覺系統(tǒng)的攝像方向呈夾角分布；

22、物聯(lián)網(wǎng)絡(luò)模塊，與所述數(shù)據(jù)處理模塊連接，由所述數(shù)據(jù)處理模塊處理后的圖像數(shù)據(jù)通過物聯(lián)網(wǎng)絡(luò)模塊上傳至云服務(wù)器；

23、所述檢測(cè)方法還包括數(shù)字圖像坐標(biāo)計(jì)算方法，該數(shù)字圖像坐標(biāo)計(jì)算方法包括以下步驟：

24、步驟一，通過雙攝像頭攝取產(chǎn)品的兩組不同角度圖像，通過數(shù)據(jù)處理模塊標(biāo)定所攝標(biāo)定物的各個(gè)特征點(diǎn)之間的世界坐標(biāo)，在相機(jī)中進(jìn)行標(biāo)定物上特征點(diǎn)的提取，通過數(shù)據(jù)處理模塊對(duì)像素特征點(diǎn)的圖像處理和計(jì)算，求解出相機(jī)的內(nèi)外參數(shù)；

25、步驟二，通過雙攝像頭視覺系統(tǒng)的標(biāo)定獲得左相機(jī)、右相機(jī)的內(nèi)外參數(shù)，建立攝像機(jī)的圖像像素坐標(biāo)與三維坐標(biāo)之間的數(shù)值關(guān)系，及左相機(jī)、右相機(jī)的相對(duì)位置的姿態(tài)；

26、步驟三，根據(jù)步驟二，建立立體視覺匹配模型后再三維重構(gòu)，利用立體視覺匹配模型的立體匹配得到的視差圖，根據(jù)雙目視覺原理重建出圖像中的匹配點(diǎn)在相機(jī)坐標(biāo)系下的深度圖，使用水平放置的標(biāo)定板作為三維重構(gòu)對(duì)象，通過計(jì)算標(biāo)定板上各匹配點(diǎn)相對(duì)于相機(jī)坐標(biāo)系的高度，計(jì)算三維重構(gòu)誤差，通過雙攝像頭視覺系統(tǒng)計(jì)算得到的水平放置標(biāo)定板平面與攝像機(jī)坐標(biāo)系的平均距離；

27、步驟四，對(duì)原始圖像順次處理：①對(duì)原始圖像二值化，使產(chǎn)品圖像與背景分離；②去掉不需要的顏色特征和紋理特征；③采用閉操作法去除二值化后的邊緣鋸齒化；④采用canny算法對(duì)圖像邊緣檢測(cè)，提取圖像的邊緣；

28、步驟五，通過步驟四對(duì)原始圖像進(jìn)行處理后，計(jì)算圖像中產(chǎn)品形心像素值，提取產(chǎn)品外輪廓，采用基于矩形的形心算法計(jì)算形心，并確定形心的坐標(biāo)；

29、步驟六，對(duì)步驟五中形心的位置角度校正，以形心坐標(biāo)為圖像的旋轉(zhuǎn)中心，根據(jù)最小二乘法擬合出直線，對(duì)矩形芯片輪廓圖像進(jìn)行角度判定，計(jì)算出矩形芯片輪廓圖像傾斜角度，校正該角度以使矩形芯片圖像形成正視圖像。

30、進(jìn)一步地，步驟一中，求解出相機(jī)的內(nèi)外參數(shù)的計(jì)算方法包括內(nèi)部參數(shù)計(jì)算方法和外部參數(shù)計(jì)算方法；

31、1)、內(nèi)部參數(shù)計(jì)算方法：將一個(gè)x、y方向上分別設(shè)為lx、ly，求出相機(jī)跟物體之間的距離，將距離設(shè)為l，假設(shè)此時(shí)相機(jī)的焦距是f，物體圖像在x、y方向上的像素?cái)?shù)是nx、ny，得到：

32、

33、其中ku，kv分別表示圖像坐標(biāo)在x，y方向上單位距離內(nèi)所表示的像素?cái)?shù)，根據(jù)小孔成像原理可以求出l；

34、根據(jù)式(2.1)得到以下方程：

35、n1x×l/lx＝n2x×(l-l)/lx(2.2)；

36、這里l為標(biāo)定物沿著光軸方向步進(jìn)的距離，求解l可得：

37、l＝l×n2x/(n2x-n1x)(2.3)；

38、將(2.2)代入到(2.3)中，得到(2.4)：

39、f＝nxn2xl/lxku(n2x-n1x)(2.4)；

40、2)、外部參數(shù)計(jì)算方法：設(shè)標(biāo)定所攝標(biāo)定物的時(shí)候兩個(gè)相機(jī)的型號(hào)參數(shù)都是相同的，在進(jìn)行相機(jī)安裝的時(shí)候保證兩個(gè)相機(jī)的位置平行，保證了兩個(gè)相機(jī)在y方向上的坐標(biāo)相同，此時(shí)只有x方向上的偏差需要求出，設(shè)視野內(nèi)有一點(diǎn)p，則在左右相機(jī)的坐標(biāo)分別為(xl,yl,zl)、(xr,yr,zr)，其中z為點(diǎn)p的深度坐標(biāo)值，f則為相機(jī)的焦距，f1為左相機(jī)的焦距，fr為右相機(jī)的焦距；

41、將右相機(jī)移到了世界坐標(biāo)系統(tǒng)的原點(diǎn)，則左相機(jī)和點(diǎn)p在保持相對(duì)幾何關(guān)系不變的情況下也會(huì)跟隨著移動(dòng)，其中z為p點(diǎn)到小孔處的距離，將左相機(jī)移到世界坐標(biāo)系的原點(diǎn)，解得：

42、

43、左相機(jī)為世界坐標(biāo)系重合，并且兩個(gè)相機(jī)的光軸平行，左相機(jī)以世界坐標(biāo)的坐標(biāo)系的旋轉(zhuǎn)矩陣為平移矩陣為右相機(jī)跟左相機(jī)之間的x的方向上存在一個(gè)b的距離，右邊相機(jī)與世界坐標(biāo)的旋轉(zhuǎn)矩陣為平移矩陣為其中txr＝b，通過式子ax＝xb求得中心距b。

44、進(jìn)一步地，步驟三中，所述建立立體視覺匹配模型包括特征匹配模型、相位匹配模型和區(qū)域匹配模型的一種。

45、更進(jìn)一步地，所述區(qū)域匹配模型是以構(gòu)建支持窗口的方式在全圖中通過掃描相似度計(jì)算進(jìn)行視差值的估計(jì)，得到稠密視差圖；

46、所述區(qū)域匹配模型是以匹配區(qū)域內(nèi)的特征作為匹配基元，通過局部尋優(yōu)相似性度量函數(shù)找到最佳的匹配點(diǎn)，區(qū)域立體匹配以左圖像為基準(zhǔn)圖像，右圖像為匹配圖像，在基準(zhǔn)圖像中以某一像素點(diǎn)為中心，在其周圍鄰域內(nèi)設(shè)置一個(gè)大小為(2m+1)×(2n+1)的子窗口w1，在搜索圖像中同樣設(shè)定一個(gè)相同大小可移動(dòng)窗口wr，使窗口沿外極線在帶匹配圖像搜索范圍內(nèi)進(jìn)行搜索，使用相似性度量函數(shù)計(jì)算相似度，相似度最高的點(diǎn)設(shè)為匹配點(diǎn)，使用像素灰度值做為匹配特征。

47、進(jìn)一步地，步驟五中，采用基于矩形的形心算法，該算法如下：

48、定義{pn(x)}是關(guān)于點(diǎn)集(xi)(i＝0,2,...,m)的多項(xiàng)式：

49、(1)

50、p0(x)＝1

51、p1(x)＝(x-α1)p0(x)

52、pk+1(x)＝(x-αk+1)pk(x)-βkpk-1(x)；

53、式(1)中:pk(x)為首項(xiàng)系數(shù)為1的k次多項(xiàng)式，根據(jù)pk(x)正交性的約束條件，αk+1、βk表達(dá)式為：

54、

55、對(duì)貼片中心像素周圍4×4的樣本點(diǎn)進(jìn)二次正交函數(shù)擬合，取權(quán)函數(shù)ω(xi，yj)＝1，(m，n)為像素點(diǎn)對(duì)應(yīng)的平面坐標(biāo)，擬合公式為：

56、

57、式(3)中:aklx表示在x方向k階和l階的擬合系數(shù)；akly表示在y方向k階和l階的擬合系數(shù)，其表達(dá)式為：

58、

59、式(4)中:x(xi,yi)表示像素點(diǎn)(xi,yi)對(duì)應(yīng)的空間點(diǎn)的橫坐標(biāo)；y(xi,yi)表示像素點(diǎn)(xi,yi)對(duì)應(yīng)的空間點(diǎn)的縱坐標(biāo)，擬合系數(shù)得到之后，將矩形芯片形心像素代入擬合公式，求得貼片元件形心的三維空間坐標(biāo)。

60、進(jìn)一步地，步驟六中，計(jì)算出矩形芯片輪廓圖像傾斜角度的校正算法如下：

61、以形心坐標(biāo)為圖像的旋轉(zhuǎn)中心，根據(jù)最小二乘法擬合出的直線，對(duì)矩形芯片輪廓圖像進(jìn)行角度判定，將此時(shí)矩形芯片傾斜角度α與矩形芯片在水平方向偏移值x，轉(zhuǎn)化為簡單的數(shù)學(xué)求解問題，設(shè)oa為形心坐標(biāo)往x軸正方向的延長線，pq為最小二乘法對(duì)最長邊兩個(gè)角點(diǎn)的擬合直線，h＝(x,y)為pq與oa的交點(diǎn)坐標(biāo)，l為點(diǎn)p到h的垂直距離，根據(jù)圖中淺色線標(biāo)注的直角三角形關(guān)系，有:

62、l＝py-hy?(1)；

63、可求得引腳圖像在水平方向偏移值x:

64、x＝px-hx?(2)；

65、則元件輪廓圖像傾斜角度α為:

66、

67、相對(duì)于現(xiàn)有技術(shù)，本發(fā)明的有益效果是：

68、1.本發(fā)明矩形芯片檢測(cè)設(shè)備檢測(cè)芯片均采用自動(dòng)化控制，提高了矩形芯片的檢測(cè)效率。

69、2.本發(fā)明的物聯(lián)網(wǎng)檢測(cè)方法是將矩形芯片的測(cè)試數(shù)據(jù)通過物聯(lián)網(wǎng)傳輸至云服務(wù)器，再通過后臺(tái)云服務(wù)器強(qiáng)大的云計(jì)算，使矩形芯片能夠優(yōu)化生產(chǎn)。通過本發(fā)明物聯(lián)網(wǎng)檢測(cè)方法能夠?qū)⒕匦涡酒珳?zhǔn)定位，提高了檢測(cè)速度。

70、3.本發(fā)明的物聯(lián)網(wǎng)檢測(cè)方法獲取目標(biāo)的三維圖像的深度信息，提高空間定位精度。

71、4.本發(fā)明的物聯(lián)網(wǎng)檢測(cè)方法保持矩形芯片細(xì)節(jié)信息的基礎(chǔ)上提取出完整的矩形芯片外輪廓。