一种铜银钯合金键合引线及其制备方法技术

本申请涉及合金键合引线智能化制备领域，其具体地公开了一种铜银钯合金键合引线及其制备方法，其通过从合金线材的热分布图像中提取关于合金线材的热分布状态在时序上的变化模式特征，并将热处理温度值的输入向量输入一维卷积神经网络模型以捕捉向量中各个位置的特征值间的高维隐含关联特征，再以响应性估计来表达热分布状态时序变化模式特征和热处理温度高维隐含关联特征在高维语义空间之间的逻辑关联，最后进行分类处理。这样，基于合金线材的状态来实时且自适应地控制热处理温度值以使得热处理温度控制适配于合金线材的热分布状态，优化晶体细化退火工艺的质量，进而提高最终铜银钯合金键合引线的成型质量的成型质量。质量。质量。

【技术实现步骤摘要】
一种铜银钯合金键合引线及其制备方法


[0001]本申请涉及合金键合引线智能化制备领域，且更为具体地，涉及一种铜银钯合金键合引线及其制备方法。

技术介绍

[0002]引线键合以其工艺简单、技术成熟、成本低廉、适合多种封装形式的特点，在电子封装技术中占据主流地位。例如，在LED、COB及多引脚集成电路封装，键合线多采用金线及纯银镀金线。但键合金丝由于其造价昂贵，纯银镀金键合丝由于其会出现氧化、材料偏硬、一焊点滑球、二焊点线尾过长等问题，都不能完全适合LED、COB及多引脚集成电路的封装。由此，专利CN 104835797A提出了一种铜钯银合金键合引线及其制备方法，其通过特定配方和制备工艺以得到材料推拉力、抗氧化性能、键合性能均达到性能要求的铜钯银合金键合引线。在实际进行铜银钯合金键合引线制备过程中，发现经晶粒细化退火处理后的合金线材出现材料分布不均的情况，其原因是在操作过程中只是简单将温度控制在500℃～650℃之间，而实际上期待将合金线材置于温度变化稳定的环境下进行处理，来优化晶体细化退火工艺的质量，进而提高合金线材材料分布的均匀度以利于制备出尺寸和性能都满足要求的铜银钯合金键合引线。
[0003]因此，期待一种优化的铜银钯合金键合引线的制备方法。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种铜银钯合金键合引线及其制备方法，其通过从合金线材的热分布图像中提取关于合金线材的热分布状态在时序上的变化模式特征，并将热处理温度值的输入向量输入一维卷积神经网络模型以捕捉向量中各个位置的特征值间的高维隐含关联特征，再以响应性估计来表达热分布状态时序变化模式特征和热处理温度高维隐含关联特征在高维语义空间之间的逻辑关联，最后进行分类处理。这样，基于合金线材的状态来实时且自适应地控制热处理温度值以使得热处理温度控制适配于合金线材的热分布状态，优化晶体细化退火工艺的质量，进而提高最终铜银钯合金键合引线的成型质量的成型质量。
[0005]根据本申请的一个方面，提供了一种铜银钯合金键合引线的制备方法，其包括：获取预定时间段内多个预定时间点的热处理温度值和所述多个预定时间点的合金线材的热分布图像；将所述多个预定时间点的合金线材的热分布图像分别通过使用空间注意力机制的卷积神经网络模型以得到多个热分布特征矩阵；将所述多个热分布特征矩阵展开为多个热分布展开特征向量；将所述多个热分布展开特征向量通过基于转换器的上下文编码器以得到热分布时序语义理解特征向量；将所述多个预定时间点的热处理温度值按照时间维度排列为输入向量后通过一
维卷积神经网络模型以得到热处理温度时序特征向量；计算所述热处理温度时序特征向量相对于所述热分布时序语义理解特征向量的响应性估计以得到分类特征矩阵；对所述分类特征矩阵进行特征分布几何约束以得到优化分类特征矩阵；以及将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的热处理温度值应增大或应减小。
[0006]在上述铜银钯合金键合引线的制备方法中，将所述多个预定时间点的合金线材的热分布图像分别通过使用空间注意力机制的卷积神经网络模型以得到多个热分布特征矩阵，包括：使用所述卷积神经网络模型的卷积编码部分对所述热分布图像进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述卷积神经网络模型的空间注意力部分以得到空间注意力图；将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到热分布特征图；以及，对所述热分布特征图进行沿通道维度的全局均值池化处理以得到所述热分布特征矩阵。
[0007]在上述铜银钯合金键合引线的制备方法中，将所述多个热分布特征矩阵展开为多个热分布展开特征向量，包括：将所述多个热分布特征矩阵中各个热分布特征矩阵沿着行向量进行展开为热分布展开特征向量以得到多个热分布展开特征向量。
[0008]在上述铜银钯合金键合引线的制备方法中，将所述多个热分布展开特征向量通过基于转换器的上下文编码器以得到热分布时序语义理解特征向量，包括：将所述多个热分布展开特征向量输入所述基于转换器的上下文编码器以得到所述多个热分布语义理解特征向量；以及，将所述多个热分布语义理解向量进行级联以得到所述热分布时序语义理解特征向量。
[0009]在上述铜银钯合金键合引线的制备方法中，将所述多个热分布展开特征向量输入所述基于转换器的上下文编码器以得到所述多个热分布语义理解特征向量，包括：将所述多个热分布展开特征向量排列为编码输入向量；将所述编码输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；以及，将所述自注意力特征矩阵与以所述多个热分布展开特征向量中各个热分布展开特征向量作为值向量分别进行相乘以得到所述多个热分布语义理解特征向量。
[0010]在上述铜银钯合金键合引线的制备方法中，将所述多个预定时间点的热处理温度值按照时间维度排列为输入向量后通过一维卷积神经网络模型以得到热处理温度时序特征向量，包括：使用所述一维卷积神经网络模型的各层在层的正向传递中对输入数据分别进行基于一维卷积核的卷积处理和非线性激活处理以由所述一维卷积神经网络模型的最后一层输出所述热处理温度时序特征向量，其中，所述一维卷积神经网络模型的第一层的输入为所述输入向量。
[0011]在上述铜银钯合金键合引线的制备方法中，计算所述热处理温度时序特征向量相对于所述热分布时序语义理解特征向量的响应性估计以得到分类特征矩阵，包括：构建所述热处理温度时序特征向量和所述热分布时序语义理解特征向量的高斯密度图以得到温
度高斯密度图和热分布高斯密度图；以如下公式计算所述温度高斯密度图相对于所述热分布高斯密度图的响应性估计以得到响应性高斯密度图；其中，所述公式为：=其中表示所述温度高斯密度图中各个温度高斯密度矩阵，表示所述热分布高斯密度图中各个热分布高斯密度矩阵，表示所述响应性高斯密度图中各个响应性高斯密度矩阵，表示矩阵相乘；以及，对所述响应性高斯密度图的各个位置的高斯分布进行高斯离散化以得到所述分类特征矩阵。
[0012]在上述铜银钯合金键合引线的制备方法中，对所述分类特征矩阵进行特征分布几何约束以得到优化分类特征矩阵，包括：以如下公式对所述分类特征矩阵进行特征分布几何约束以得到优化分类特征向量；其中，所述公式为：其中，表示所述分类特征矩阵展开得到的分类特征向量，表示所述分类特征向量的第个位置的特征值，表示所述优化分类特征向量的第个位置的特征值，和是特征集合的均值和方差，表示向量的二范数的平方，表示矩阵的Frobenius范数，且是行向量形式，表示向量的指数运算，所述向量的指数运算表示计算以向量中各个位置的特征值为幂的自然指数函数值，表示以为幂的自然指数函数值；以及，将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种铜银钯合金键合引线的制备方法，其特征在于，包括：获取预定时间段内多个预定时间点的热处理温度值和所述多个预定时间点的合金线材的热分布图像；将所述多个预定时间点的合金线材的热分布图像分别通过使用空间注意力机制的卷积神经网络模型以得到多个热分布特征矩阵；将所述多个热分布特征矩阵展开为多个热分布展开特征向量；将所述多个热分布展开特征向量通过基于转换器的上下文编码器以得到热分布时序语义理解特征向量；将所述多个预定时间点的热处理温度值按照时间维度排列为输入向量后通过一维卷积神经网络模型以得到热处理温度时序特征向量；计算所述热处理温度时序特征向量相对于所述热分布时序语义理解特征向量的响应性估计以得到分类特征矩阵；对所述分类特征矩阵进行特征分布几何约束以得到优化分类特征矩阵；以及将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的热处理温度值应增大或应减小。2.根据权利要求1所述的铜银钯合金键合引线的制备方法，其特征在于，将所述多个预定时间点的合金线材的热分布图像分别通过使用空间注意力机制的卷积神经网络模型以得到多个热分布特征矩阵，包括：使用所述卷积神经网络模型的卷积编码部分对所述热分布图像进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述卷积神经网络模型的空间注意力部分以得到空间注意力图；将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到热分布特征图；以及对所述热分布特征图进行沿通道维度的全局均值池化处理以得到所述热分布特征矩阵。3.根据权利要求2所述的铜银钯合金键合引线的制备方法，其特征在于，将所述多个热分布特征矩阵展开为多个热分布展开特征向量，包括：将所述多个热分布特征矩阵中各个热分布特征矩阵沿着行向量进行展开为热分布展开特征向量以得到多个热分布展开特征向量。4.根据权利要求3所述的铜银钯合金键合引线的制备方法，其特征在于，将所述多个热分布展开特征向量通过基于转换器的上下文编码器以得到热分布时序语义理解特征向量，包括：将所述多个热分布展开特征向量输入所述基于转换器的上下文编码器以得到所述多个热分布语义理解特征向量；以及将所述多个热分布语义理解向量进行级联以得到所述热分布时序语义理解特征向量。5.根据权利要求4所述的铜银钯合金键合引线的制备方法，其特征在于，将所述多个热分布展开特征向量输入所述基于转换器的上下文编码器以得到所述多个热分布语义理解
特征向量，包括：将所述多个热分布展开特征向量排列为编码输入向量；将所述编码输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自...

【专利技术属性】
技术研发人员：彭晓飞，彭庶瑶，
申请(专利权)人：江西蓝微电子科技有限公司，
类型：发明
国别省市：