《IC封裝基板圖像檢測系統(tǒng)技術(shù)規(guī)范》編制說明_第1頁
《IC封裝基板圖像檢測系統(tǒng)技術(shù)規(guī)范》編制說明_第2頁
《IC封裝基板圖像檢測系統(tǒng)技術(shù)規(guī)范》編制說明_第3頁
《IC封裝基板圖像檢測系統(tǒng)技術(shù)規(guī)范》編制說明_第4頁
《IC封裝基板圖像檢測系統(tǒng)技術(shù)規(guī)范》編制說明_第5頁
已閱讀5頁,還剩8頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

團(tuán)體標(biāo)準(zhǔn)

《IC封裝基板圖像檢測系統(tǒng)技術(shù)規(guī)范》

編制說明書

2024年2月

《IC封裝基板圖像檢測系統(tǒng)技術(shù)規(guī)范》

編制說明

一、工作簡況

1、任務(wù)來源

2022年9月15日,中國國際科技促進(jìn)會標(biāo)準(zhǔn)化工作委員會發(fā)布“關(guān)于開展《

IC封裝基板圖像檢測系統(tǒng)技術(shù)規(guī)范》團(tuán)體標(biāo)準(zhǔn)立項(xiàng)通知”(【2022】中科促標(biāo)

字第467號),項(xiàng)目計(jì)劃編號為CI2022241。

2、項(xiàng)目背景

IC封裝基板(ICPackageSubstrate),俗稱IC載板,是封裝測試環(huán)節(jié)中的

關(guān)鍵載體,用于建立IC與PCB之間的訊號連接,此外還能起到保護(hù)電路,固定

線路并導(dǎo)散余熱的作用。主要應(yīng)用在存儲芯片封裝基板、微機(jī)電系統(tǒng)封裝基板

、射頻模塊封裝基板、處理器芯片封裝基板和高速通信封裝基板等。目前,IC

封裝基板的基本格局是日韓臺三足鼎立,中國在這個領(lǐng)域涉足較晚,但增速很

猛。

普通印制電路板(PCB-PrintedCircuitBoard)的線寬線距通常大于

100um,而IC載板的典型線寬/線距為10~30um。在傳統(tǒng)PCB行業(yè),圖像檢測設(shè)

備的分辨率一般最小只能達(dá)到20um,根本無法檢測IC載板的線路缺陷。IC載

板的生產(chǎn)制造設(shè)備已經(jīng)開始國產(chǎn)化,不過國產(chǎn)圖像檢測設(shè)備還屬于空白,容易

受制于國際上的技術(shù)封鎖。除此之外,IC載板的基材也難以采用玻璃纖維板或

聚酰亞胺等傳統(tǒng)的材料,需要轉(zhuǎn)向BT樹脂基板或玻璃基板等材料。線寬/線距

的縮小和新型材質(zhì)的應(yīng)用,都對傳統(tǒng)的檢測設(shè)備提出了新的挑戰(zhàn)。需要制定IC

載板圖像檢測的標(biāo)準(zhǔn)化技術(shù)規(guī)范和標(biāo)準(zhǔn),引導(dǎo)自動化光學(xué)圖像檢測設(shè)備健康有

序發(fā)展。

IC封裝基板自動光學(xué)檢測系統(tǒng)通過高精度的圖像檢測,可以及時(shí)發(fā)現(xiàn)封裝

基板上的缺陷和問題,如焊球、引腳等是否存在錯位、缺失、短路等現(xiàn)象,從

而提高產(chǎn)品的質(zhì)量和可靠性,對于提高產(chǎn)品質(zhì)量、生產(chǎn)效率、降低生產(chǎn)成本、

促進(jìn)智能化生產(chǎn)和保障人員安全等方面都具有重要意義。

現(xiàn)有的可見光直接成像技術(shù)由可見光相機(jī)直接成像,每個成像像素由RGB

插值得到,會導(dǎo)致像素?fù)p失,以及帶來PCB板成像的分辨率不高的問題,同時(shí)

由于貼裝元件焊盤會呈現(xiàn)弧度,采用單一方向光源照射難以對焊盤焊錫質(zhì)量全

5

方位成像,不能夠保證整塊PCB板受到均勻光照,會帶來由于視角不同、照明

差異所導(dǎo)致成像不一致的問題。同時(shí)傳統(tǒng)的機(jī)器視覺檢測算法處理速度快,性

能穩(wěn)定,但是檢測缺陷的準(zhǔn)確率低,誤報(bào)率高,使得很多企業(yè)需要加入人工復(fù)

判,進(jìn)一步降低產(chǎn)品不良率。使用深度學(xué)習(xí)算法之后,雖然可以解決檢測準(zhǔn)確

率的問題,但是深度學(xué)習(xí)應(yīng)用于工業(yè)缺陷檢測依然具有數(shù)據(jù)樣本匱乏、缺陷檢

測任務(wù)精度、實(shí)時(shí)性要求高等難點(diǎn)。SMT產(chǎn)線缺陷樣本匱乏主要體現(xiàn)在3個方

面。1)所提供的PCBA缺陷樣本數(shù)量有限。其原因?yàn)橹圃旃に嚵鞒态F(xiàn)代化,缺

陷產(chǎn)品罕見;廠商在生產(chǎn)工藝中沒有加入缺陷數(shù)據(jù)采集、保存等流程,為提升

進(jìn)一步產(chǎn)能奠定基礎(chǔ);對缺陷樣本的精準(zhǔn)標(biāo)注成本高昂,工業(yè)數(shù)據(jù)呈現(xiàn)不均衡

現(xiàn)象,大部分為正樣本,且部分行業(yè)缺陷需要具備特定知識背景的專業(yè)人員標(biāo)

定,PCBA生產(chǎn)缺陷等。2)實(shí)時(shí)流數(shù)據(jù)缺陷分布與訓(xùn)練樣本分布不同。傳統(tǒng)模

型假設(shè)數(shù)據(jù)分布是固定、平穩(wěn)的,樣本之間獨(dú)立同分布,所以模型在經(jīng)過多輪

訓(xùn)練后可以檢測出缺陷。但是當(dāng)訓(xùn)練數(shù)據(jù)變?yōu)榱鲾?shù)據(jù)后,訓(xùn)練數(shù)據(jù)的分布往往

是非平穩(wěn)的,模型從非平穩(wěn)的數(shù)據(jù)不斷獲取知識,新舊知識會產(chǎn)生沖突,進(jìn)而

發(fā)生災(zāi)難遺忘。3)缺陷種類繁多,不規(guī)則。同一工業(yè)產(chǎn)品可能存在不同種類

的缺陷,同種缺陷也可能在形狀、尺寸、顏色等特征上具有多樣性.以往的方

法通常只能檢測特定種類的缺陷,不具有自適應(yīng)能力。

課題組依托安徽省發(fā)改委重大專項(xiàng)項(xiàng)目圍繞智能制造環(huán)境下人機(jī)共融智能

檢測這一科學(xué)問題,開展“人機(jī)共融智能驅(qū)動的可靠制造理論與方法”的原創(chuàng)

性、系統(tǒng)性研究,突破“人機(jī)協(xié)作感知增強(qiáng)的工業(yè)智能檢測”關(guān)鍵技術(shù):

(1)針對消費(fèi)電子生產(chǎn)制造中SMT缺陷標(biāo)簽樣本數(shù)量/質(zhì)量嚴(yán)重受限的挑

戰(zhàn),通過融合人的先驗(yàn)知識揭示檢測數(shù)據(jù)的表示特征和統(tǒng)計(jì)規(guī)律,構(gòu)建融合數(shù)

據(jù)驅(qū)動與知識引導(dǎo)的有限監(jiān)督標(biāo)簽檢測框架,實(shí)現(xiàn)不完全標(biāo)簽樣本條件下SMT

缺陷精準(zhǔn)高效檢測;

(2)針對SMT產(chǎn)線數(shù)據(jù)采集、傳輸、存儲和檢測流程數(shù)據(jù)的全周期運(yùn)維

管理問題,設(shè)計(jì)基于KubeEdge的云邊協(xié)同SMT缺陷智能檢測平臺,實(shí)現(xiàn)對不同

SMT產(chǎn)線的開放式和海量的數(shù)據(jù)接入,聚合邊緣側(cè)模型權(quán)重、模型壓縮與剪枝

以及邊緣側(cè)模型分發(fā)部署;

(3)完成全鏈路集成成像機(jī)械系統(tǒng)結(jié)構(gòu)設(shè)計(jì)和環(huán)形光源成像驗(yàn)證,并自

主研制一套筆記本主板缺陷檢測樣機(jī)設(shè)備,所研制的SMT云邊協(xié)同智能檢測系

5

統(tǒng)V1.0在龍芯3A5000平臺上完成兼容性測試,功能與穩(wěn)定性良好,獲得龍架

構(gòu)兼容互認(rèn)證書,授權(quán)實(shí)用新型專利1項(xiàng)。目前已在聯(lián)寶產(chǎn)線進(jìn)行實(shí)際應(yīng)用測

試。

目前國內(nèi)外公認(rèn)IC載板檢測的相關(guān)設(shè)備及軟件均沒有對IC載板圖像掃描

成像優(yōu)化技術(shù)的標(biāo)準(zhǔn),對于IC載板的打光條件、掃描方案、圖像優(yōu)質(zhì)量評價(jià)采

用的方案大多來源于人工經(jīng)驗(yàn)與簡單的實(shí)際測試。急需采用先進(jìn)標(biāo)準(zhǔn)的技術(shù)手

段和方法精確的對IC載板圖像掃描成像進(jìn)行定性、定量描述。

3、起草單位

本標(biāo)準(zhǔn)起草單位:合肥綜合性國家科學(xué)中心人工智能研究院(安徽省人工

智能實(shí)驗(yàn)室)、

本標(biāo)準(zhǔn)主要起草人:康宇、許鎮(zhèn)義、

4、標(biāo)準(zhǔn)編制過程

4.1起草階段

本標(biāo)準(zhǔn)2022年9月15日經(jīng)批準(zhǔn)立項(xiàng),隨后成立標(biāo)準(zhǔn)編制工作組,至2023年9

月,廣泛收集、整理IC封裝基板圖像檢測系統(tǒng)技術(shù)規(guī)范國內(nèi)外標(biāo)準(zhǔn)和相關(guān)文獻(xiàn)

,進(jìn)行調(diào)研工作,初步擬定方案,完成準(zhǔn)備工作。

2023年10月-12月,編制工作組確認(rèn)分工,確定標(biāo)準(zhǔn)編制大綱,開始草案編

寫工作,并于12月初步編寫完成標(biāo)準(zhǔn)草案與編制說明,隨后多次組織組內(nèi)討論

,對標(biāo)準(zhǔn)文本進(jìn)行修改。2024年2月,標(biāo)準(zhǔn)經(jīng)進(jìn)一步調(diào)整與規(guī)范后,形成征求意

見稿及編制說明。

4.2征求意見階段

2024年2月,本標(biāo)準(zhǔn)由中國國際科技促進(jìn)會標(biāo)準(zhǔn)化工作委員會在全國團(tuán)體標(biāo)

準(zhǔn)信息平臺,面向社會進(jìn)行公開征求意見。同時(shí)由標(biāo)準(zhǔn)編制工作組組織向相關(guān)

機(jī)構(gòu)、單位進(jìn)行定向征求意見。

4.3審查階段

4.4報(bào)批階段

二、標(biāo)準(zhǔn)編制原則、主要內(nèi)容及其確定依據(jù)

1、標(biāo)準(zhǔn)的編寫原則

1)標(biāo)準(zhǔn)需要具有行業(yè)特點(diǎn),指標(biāo)及其對應(yīng)的分析方法要積極參照采用國家

標(biāo)準(zhǔn)和行業(yè)標(biāo)準(zhǔn)。

5

2)標(biāo)準(zhǔn)能夠體現(xiàn)出產(chǎn)品的具有關(guān)鍵共性的技術(shù)要素。

3)標(biāo)準(zhǔn)能夠?yàn)楫a(chǎn)品的開發(fā)、改進(jìn)指出明確的方向。

4)標(biāo)準(zhǔn)需要具有科學(xué)性、先進(jìn)性和可操作性。

5)要能夠結(jié)合行業(yè)實(shí)際情況和產(chǎn)品特點(diǎn)。

6)與相關(guān)標(biāo)準(zhǔn)法規(guī)協(xié)調(diào)一致。

7)促進(jìn)行業(yè)健康發(fā)展與技術(shù)進(jìn)步。

2、提出本標(biāo)準(zhǔn)的依據(jù)

(1)按照GB/T1.1-2020《標(biāo)準(zhǔn)化工作導(dǎo)則第1部分:標(biāo)準(zhǔn)化文件的結(jié)構(gòu)

和起草規(guī)則》要求進(jìn)行編寫。

(2)相關(guān)標(biāo)準(zhǔn)內(nèi)容依據(jù)團(tuán)隊(duì)前期承擔(dān)的安徽省重點(diǎn)研究與開發(fā)計(jì)劃項(xiàng)目《

人機(jī)智能協(xié)同關(guān)鍵技術(shù)及其在智能制造中的應(yīng)用》(項(xiàng)目編號:

202104a05020064)進(jìn)行編制。

(3)參照相關(guān)法律、法規(guī)和規(guī)定,在編制過程中著重考慮了科學(xué)性、適

用性和可操作性。

3、制定本標(biāo)準(zhǔn)的基礎(chǔ)

在硬件方面,起草單位開發(fā)面向SMT復(fù)雜質(zhì)檢環(huán)境全鏈路集成成像模塊,

保證主板受到均勻光照,避免由于視角不同、照明差異所導(dǎo)致成像不一致,實(shí)

現(xiàn)10um級成像精度;完成SMT缺陷檢測原理樣機(jī)系統(tǒng)設(shè)計(jì)與電氣裝配調(diào)試,設(shè)

計(jì)SMT主板夾具調(diào)節(jié)裝置以適應(yīng)不同尺寸主板安裝;增加機(jī)臺配重模塊,降低

機(jī)器運(yùn)行過程中因機(jī)臺抖動對圖像采集重影的影響,完成SMT智能缺陷檢測原

理樣機(jī)系統(tǒng)研制。

在軟件方面,完成SMT缺陷智能檢測軟件系統(tǒng)的CAD文件解析、缺陷樣本

標(biāo)注、PCB成像拼接、人工復(fù)判、輸入輸出設(shè)備控制、相機(jī)控制、運(yùn)動控制、

可視化大屏展示、相機(jī)和載物臺系統(tǒng)上電一鍵初始化,完成掃碼槍自動讀取主

板流水碼編號,以及檢測結(jié)果日志生成;增加模型權(quán)重選擇,置信度設(shè)置等功

能模塊實(shí)現(xiàn)優(yōu)化缺陷檢測模型,設(shè)計(jì)基于匹配特征融合的缺陷檢測網(wǎng)絡(luò),融合

人工模板設(shè)計(jì)與AI智能比對,無需海量樣本訓(xùn)練,無需高精度配準(zhǔn),克服由于

機(jī)臺震動導(dǎo)致采集圖像偏移影響,并針對某些易于混淆的偏移與立碑缺陷,進(jìn)

行重新標(biāo)注,增強(qiáng)易混淆樣本數(shù)量,提升檢測模型魯棒性。搭建基于云邊協(xié)同

的SMT缺陷智能檢測系統(tǒng),在云端完成檢測模型訓(xùn)練,邊緣端進(jìn)行壓縮優(yōu)化實(shí)

5

現(xiàn)SMT測試現(xiàn)場檢測任務(wù);并采用容器化技術(shù),通過KubeEdge邊緣計(jì)算平臺完

成云平臺與邊緣端的調(diào)度和管理,同時(shí)已通過龍芯平臺軟件產(chǎn)品測試認(rèn)證,實(shí)

現(xiàn)國產(chǎn)、自主、可控的SMT智能化檢測系統(tǒng)。

4、實(shí)驗(yàn)內(nèi)容

本標(biāo)準(zhǔn)規(guī)定了IC封裝基板圖像檢測系統(tǒng)技術(shù)規(guī)范的總體目標(biāo)、IC基板封裝

光學(xué)檢測裝置、基于主要距離的空域融合主板拼接方法、基于匹配特征融合的

SMT貼片元件缺陷檢測框架、基于元遷移學(xué)習(xí)和多尺度融合網(wǎng)絡(luò)SMT貼裝小樣本

缺陷分割框架、緩解選忘性的圖像增量學(xué)習(xí)分類方法、基于能量分布的未知異

常樣本檢測方法等。

5、實(shí)際應(yīng)用效果

依據(jù)本標(biāo)準(zhǔn)制定的IC封裝基板圖像檢測系統(tǒng)的技術(shù)規(guī)程、技術(shù)要求和成像

指標(biāo),開展了IC封裝基板圖像采集資料的處理測試,與國際通用商業(yè)軟件處理

結(jié)果比較,本標(biāo)準(zhǔn)要求的方法得到了高分辨成像結(jié)果。

圖1本標(biāo)準(zhǔn)實(shí)施前(左)與實(shí)施后(右)處理結(jié)果對比

三、試驗(yàn)驗(yàn)證的分析、綜述報(bào)告,技術(shù)經(jīng)濟(jì)論證,預(yù)期的經(jīng)濟(jì)

效益、社會效益和生態(tài)效益

1、主要試驗(yàn)或驗(yàn)證的分析

我們從某印刷電路板制造商的SMT產(chǎn)線上收集了真實(shí)的390對缺陷圖像和模

板圖像用于訓(xùn)練,58對缺陷圖像和模板圖像用于測試,共包括4個缺陷類別:偏

移、缺件、立碑和側(cè)立。其中每張缺陷圖像中至少有兩種類型的缺陷。有關(guān)數(shù)

據(jù)集的詳細(xì)信息匯總于表1。

5

表1數(shù)據(jù)集詳細(xì)信息

缺陷類型缺陷數(shù)量

偏移339

缺件632

立碑232

側(cè)立392

評價(jià)指標(biāo)

對于缺陷檢測網(wǎng)絡(luò)而言,需要將模型生成的預(yù)測圖與人工標(biāo)注的數(shù)據(jù)進(jìn)行

比較,便于評估其模型的性能。評估網(wǎng)絡(luò)的方式主要分成兩種:定量評估和定

性評估,定量評估是對模型的性能從數(shù)值上進(jìn)行評估,定性評估是通過人的視

覺效果進(jìn)行主觀上的判斷。本節(jié)介紹常用的幾個定量評估指標(biāo)。

(1)P-R曲線

P-R曲線是用于描述精確率和召回率之間關(guān)系的曲線,其中橫坐標(biāo)表示精確

率,縱坐標(biāo)表示召回率。為了計(jì)算精確率和召回率,需要設(shè)定一個閾值將預(yù)測

的顯著圖進(jìn)行二值化,然后與真值標(biāo)注進(jìn)行比較。精確率和召回率可表示為:

TP

Precision=

TP+FP

TP

Recall=

TP+FN

(2)mAP值

mAP是指對于每一個類別,都計(jì)算出一個精確率-召回率曲線下的面積,然

后對這些面積值求平均值。mAP可以表示為:

∑NAP

mAP=i=1i

N

其中N是類別的個數(shù)。APi是某一類別下的平均精度,可表示為:

1()

AP=∫0Prdr

其中,P(r)代表某一召回率下的精度。

在本文中,我們使用IoU為0.5時(shí)的mAP@0.5,IoU為0.75時(shí)的mAP@0.75以及

當(dāng)IoU從0.5以0.05的步長增加到0.95時(shí)的平均mAP作為評估指標(biāo)。

(3)F1-score值

F1-score綜合考慮了模型的準(zhǔn)確率(Precision)和召回率(Recall)。

F1-score是混淆矩陣的調(diào)和平均數(shù),即召回率和精確率的乘積的兩倍除以召回

和精確率的和。F1-score的最大值是1,最小值是0。當(dāng)F1-score的值越接近

5

1,說明模型的性能越好;反之,值越接近0,說明模型的性能越差。我們使用

F1-score作為統(tǒng)一衡量精度和召回率的指標(biāo),其可以表示為:

2?P?R

F1?score=

P+R

其中,P表示精度,R表示召回率。

將標(biāo)準(zhǔn)所提出的方法與其他最先進(jìn)的模型進(jìn)行對比以顯示本標(biāo)準(zhǔn)模型的優(yōu)

越性,其對比結(jié)果見表2。

表2不同模型在數(shù)據(jù)集上的比較

網(wǎng)絡(luò)模型mAP@0.5mAP@0.75mAPF1-score

YOLOv5s0.9710.8280.6490.973

SSD0.90.5730.4510.517

FasterR-

0.9310.7280.6050.682

CNN(ResNet50-FPN)

YOLOv30.9730.7980.6390.97

YOLOv70.970.7970.6550.969

YOLOv80.9770.7450.6410.944

YOLOv5s-Lite0.9450.6020.5530.906

GCC-YOLO0.980.7670.6370.98

DETR0.7240.4760.4290.327

DAB-DETR0.9790.8370.6520.45

DN-DETR0.970.7550.6270.491

本標(biāo)準(zhǔn)方法0.9850.8850.6570.984

依據(jù)本標(biāo)準(zhǔn)制定的IC封裝基板圖像檢測系統(tǒng)的技術(shù)規(guī)程、技術(shù)要求和成像

指標(biāo),開展了SMT主板圖像缺陷識別測試,與國際先進(jìn)檢測模型處理結(jié)果比較

,本標(biāo)準(zhǔn)要求的方法得到更準(zhǔn)確的缺陷識別結(jié)果。

圖1本標(biāo)準(zhǔn)實(shí)施前

5

圖2本標(biāo)準(zhǔn)實(shí)施后

2、預(yù)期的經(jīng)濟(jì)效果

SMT表面貼裝缺陷人機(jī)協(xié)同檢測樣機(jī)通過上線驗(yàn)證,誤報(bào)率從80%降低到25%

以內(nèi),檢測效率比現(xiàn)有產(chǎn)線提升21.3%,預(yù)計(jì)節(jié)約人工復(fù)檢及設(shè)備成本高達(dá)600

萬以上/年。

3、真實(shí)性驗(yàn)證

主板表面貼裝檢測技術(shù)有效支撐聯(lián)寶入選燈塔工廠(圖3)。

5

5

圖3聯(lián)寶(合肥)電子科技有限公司合作感謝信

5

軟件系統(tǒng)通過龍芯平臺認(rèn)證并獲得相關(guān)資證書(圖4)。

圖4認(rèn)證證書

四、與國際、國外同類標(biāo)準(zhǔn)技術(shù)內(nèi)容的對比情況,或者與測試

的國外樣品、樣機(jī)的有關(guān)數(shù)據(jù)對比情況

指標(biāo)類型本系統(tǒng)矩子科技LD-5000

成像分辨率10μm15μm

FVO尺寸

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論