一种芯片间距调整方法、夹取系统和处理器技术方案

本发明专利技术属于芯片加工技术领域，公开了一种芯片间距调整方法、夹取系统和处理器，输送机构驱动预设芯片组，通过第一视觉组件获取芯片组的身份信息和位置信息，以此进行调节信息的规划；根据调节信息，以驱动多个夹爪体移动；驱动夹取机构夹取芯片组，并建立压力分布图和压力变化曲线，并计算得到对应芯片的偏差距离，由偏差距离对夹取机构进行误差补偿，对多个夹爪体的间距进行调整；夹取机构搬运芯片组呈第二预设间距组移动至预设的封装工位；本方法通过多个夹爪体提高搬运效率，每次能够同时夹取并搬运多种类型的芯片，夹爪体为单自由度直线运动，进一步提高工作效率；且兼顾了对于芯片间距的调整计算，提高芯片的位置精度。提高芯片的位置精度。提高芯片的位置精度。

【技术实现步骤摘要】
一种芯片间距调整方法、夹取系统和处理器


[0001]本专利技术涉及芯片加工
，尤其涉及一种芯片间距调整方法、夹取系统和处理器。

技术介绍

[0002]芯片在完成功能检测和外观检测后，需要对芯片进行封装处理，芯片通常是放置在托盘中，需要通过专用的搬运机构来将芯片从托盘中搬运至指定的封装位置；封装类型主要分为大规模集成电路（LSI）封装和多芯片封装（MCP）。
[0003]现有技术中的BGA球栅阵列封装技术，用于多引脚器件与电路的封装技术，其外引线为焊球或焊凸点，是LSI封装技术的一种；其封装过程中使用的搬运设备通过吸嘴取对应工位的芯片，虽然一定程度上提高了芯片放置的精度，但是吸嘴单次仅能取一个芯片，工作效率较低，且调节过程设计到芯片的位置角度调整，搬运设备需要多个自由度的移动来实现对于芯片的精准放置，这就导致搬运时间较长，封装的效率明显不足。
[0004]鉴于此，需要对现有技术中的芯片封装搬运方式加以改进，以解决其封装效率较低的技术问题。

技术实现思路

[0005]本专利技术的目的在于提供一种芯片间距调整方法、夹取系统和处理器，解决以上的技术问题。
[0006]为达此目的，本专利技术采用以下技术方案：一种芯片间距调整方法，采用搬运装置对芯片间距进行调整，所述搬运装置包括输送机构，以及设置于输送机构两端的第一视觉组件和夹取机构，所述夹取机构包括变距组件，以及设置于所述变距组件的驱动端的多个夹爪体；其中，每个夹爪体上分别设置有压力传感器；所述输送机构驱动预设芯片组从所述第一视觉组件输送至所述夹取机构，通过第一视觉组件获取芯片组的身份信息和位置信息；通过所述身份信息和位置信息对所述夹取机构进行调节信息的规划；所述变距组件根据所述调节信息，以驱动多个所述夹爪体移动，使多个所述夹爪体呈第一预设间距组；驱动所述夹取机构夹取所述芯片组，所述压力传感器检测到所述夹爪体对芯片组的压力值，并建立压力分布图和压力变化曲线；通过所述压力分布图和压力变化曲线计算得到对应芯片的偏差距离，由所述偏差距离对所述夹取机构进行误差补偿，所述夹取机构对多个所述夹爪体的间距进行调整，使所述芯片组呈第二预设间距组；所述夹取机构搬运所述芯片组至预设的封装工位。
[0007]可选的，所述通过所述身份信息和位置信息对所述夹取机构进行调节信息的规
划，具体包括：建立深度学习模型；将所述身份信息和位置信息输入于所述深度学习模型，以预测出最优的夹爪间距；将所述最优的夹爪间距和目标间距信息相结合，以获得最佳间距调整规划信息；所述目标间距信息为所述封装工位的对应芯片放置工位的间距数据；对所述最佳间距调整规划信息进行信号转换，以获得能够被所述夹取机构识别的调节信息。
[0008]可选的，所述建立深度学习模型，具体包括：预先对所述夹取机构进行抓取训练，并进行数据包的收集；所述数据包包括压力传感器读数、夹爪间距设置、实际芯片位置；进行数据包的预处理，包括处理丢失的数值，对收集的数值包进行归一化，并优化为深度学习模型可处理的形式；选用预设适用于预测连续数值的深度学习模型；选用部分数据包输入于所述深度学习模型中进行训练，使之从输入数据中学习到输出的关系。
[0009]可选的，所述使之从输入数据中学习到输出的关系，之后还包括：用未用于训练的另一部分数据包进行深度学习模型的验证和测试；根据所述深度学习模型的表现，进行深度学习模型的优化和调整；将经过训练与优化的深度学习模型部署到夹取机构中，进行实时的夹爪间距预测和调整。
[0010]可选的，所述芯片组上设置有二维码；其中，所述通过第一视觉组件获取芯片组的身份信息和位置信息，具体包括：所述第一视觉组件对芯片组进行视觉拍摄，获取到位置信息和二维码数据；所述位置信息包括芯片组的芯片间距数据和芯片角度数据；通过所述二维码数据调用芯片型号库，获取对应芯片的身份信息，所述身份信息包括对应芯片的尺寸数据。
[0011]可选的，所述压力传感器检测到所述夹爪体对芯片组的压力值，并建立压力分布图和压力变化曲线，具体包括：当所述夹爪体夹取对应芯片并运动时，所述压力传感器开始检测作用于对应芯片的压力数值；以所述压力传感器的检测面作为基准面，所述压力传感器检测到对应芯片的压力分布图；所述压力分布图包括所述对应芯片于所述基准面的感应位置，以及对应位置的压力数值；持续监测夹取过程中，所述夹爪体作用于对应芯片的压力数值，将压力数值和对应的时间数值存储于数据库中；根据所述压力数值和对应的时间数值，绘制出压力随着时间的变化曲线，即所述压力变化曲线。
[0012]可选的，以所述压力传感器的检测面作为基准面，所述压力传感器检测到对应芯
片的压力分布图，具体包括：以所述压力传感器的检测面作为基准面，在所述基准面选取若干个压力点，测量在每个所述压力点上的压力数值；根据所述压力点上的压力数值，创建压力分布图，并记录所述压力值。
[0013]可选的，通过所述压力分布图和压力变化曲线计算得到对应芯片的偏差距离，具体包括：通过所述压力分布图的形状判断对应芯片是否存在角度偏差，若所述压力分布图为均匀分布，则不存在角度偏差，结束；若所述压力分布图不均匀，则存在角度偏差，继续执行；对所述压力分布图的差异进行分析得到对应芯片的偏斜角度；对所述压力变化曲线进行分析，至所述压力变化曲线趋于平稳直线时，以获得对应芯片夹取过程中的偏移距离；以所述偏斜角度对所述偏移距离进行误差补偿，获得对应芯片的偏差距离。
[0014]本专利技术还提供了一种夹取系统，采用如上所述芯片间距调整方法，所述夹取系统包括：搬运装置，包括输送机构、第一视觉组件和夹取机构；数据处理模块，用于芯片组的身份信息和位置信息，以及压力传感器检测到压力值进行数据处理；控制模块，用于控制所述夹取机构运行。
[0015]本专利技术还提供了一种处理器，包括存储器和至少一个处理单元，所述存储器中存储有指令；所述处理单元调用所述指令，以使得所述处理单元执行如上所述的芯片间距调整方法。
[0016]与现有技术相比，本专利技术具有以下有益效果：输送机构驱动预设芯片组从第一视觉组件输送至夹取机构，通过第一视觉组件获取芯片组的身份信息和位置信息，以此进行调节信息的规划；变距组件根据调节信息，以驱动多个夹爪体移动，使多个夹爪体呈第一预设间距组；驱动夹取机构夹取芯片组，压力传感器检测到夹爪体对芯片组的压力值，并建立压力分布图和压力变化曲线，并计算得到对应芯片的偏差距离，由偏差距离对夹取机构进行误差补偿，夹取机构对多个夹爪体的间距进行调整，使芯片组呈第二预设间距组；夹取机构搬运芯片组呈第二预设间距组移动至预设的封装工位；本方法通过多个夹爪体提高搬运效率，每次能够同时夹取并搬运多种类型的芯片，夹爪体为单自由度直线运动，减小运动自由度，避免了复杂的多自由度移动问题，进一步提高工作效率；且兼顾了对于芯片间距的调整计算，通过调整夹爪体之间的间距，建立压力分布图和压力变化曲线对夹取过程中的芯片偏差进行误差补偿，有利于提高芯片的位置精度。
附图说明
[0017]为了更清楚地说明本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种芯片间距调整方法，采用搬运装置对芯片间距进行调整，其特征在于，所述搬运装置包括输送机构，以及设置于输送机构两端的第一视觉组件和夹取机构，所述夹取机构包括变距组件，以及设置于所述变距组件的驱动端的多个夹爪体；其中，每个夹爪体上分别设置有压力传感器；所述输送机构驱动预设芯片组从所述第一视觉组件输送至所述夹取机构，通过第一视觉组件获取芯片组的身份信息和位置信息；通过所述身份信息和位置信息对所述夹取机构进行调节信息的规划；所述变距组件根据所述调节信息，以驱动多个所述夹爪体移动，使多个所述夹爪体呈第一预设间距组；驱动所述夹取机构夹取所述芯片组，所述压力传感器检测到所述夹爪体对芯片组的压力值，并建立压力分布图和压力变化曲线；通过所述压力分布图和压力变化曲线计算得到对应芯片的偏差距离，由所述偏差距离对所述夹取机构进行误差补偿，所述夹取机构对多个所述夹爪体的间距进行调整，使所述芯片组呈第二预设间距组；所述夹取机构搬运所述芯片组至预设的封装工位。2.根据权利要求1所述的芯片间距调整方法，其特征在于，所述通过所述身份信息和位置信息对所述夹取机构进行调节信息的规划，具体包括：建立深度学习模型；将所述身份信息和位置信息输入于所述深度学习模型，以预测出最优的夹爪间距；将所述最优的夹爪间距和目标间距信息相结合，以获得最佳间距调整规划信息；所述目标间距信息为所述封装工位的对应芯片放置工位的间距数据；对所述最佳间距调整规划信息进行信号转换，以获得能够被所述夹取机构识别的调节信息。3.根据权利要求2所述的芯片间距调整方法，其特征在于，所述建立深度学习模型，具体包括：预先对所述夹取机构进行抓取训练，并进行数据包的收集；所述数据包包括压力传感器读数、夹爪间距设置、实际芯片位置；进行数据包的预处理，包括处理丢失的数值，对收集的数值包进行归一化，并优化为深度学习模型可处理的形式；选用预设适用于预测连续数值的深度学习模型；选用部分数据包输入于所述深度学习模型中进行训练，使之从输入数据中学习到输出的关系。4.根据权利要求3所述的芯片间距调整方法，其特征在于，所述使之从输入数据中学习到输出的关系，之后还包括：用未用于训练的另一部分数据包进行深度学习模型的验证和测试；根据所述深度学习模型的表现，进行深度学习模型的优化和调整；将经过训练与优化的深度学习模型部署到夹取机构中，进行实时的夹爪间距预测和调整。5.根据权利要求1所述的芯片间距调整方法，其特征在于，所述芯片组上设置有二维
码；其中，所...

【专利技术属性】
技术研发人员：刘云峰，谢交锋，杜海权，
申请(专利权)人：深圳市立可自动化设备有限公司，
类型：发明
国别省市：