本发明专利技术涉及芯片质检技术领域，尤其涉及一种软硬件协同的封装芯片检测装置、方法及电子设备，包括：依次连接的图像采集模块、硬件质检模块、软件质检模块和后台数据管理模块；图像采集模块用于采集芯片图像；硬件质检模块用于根据训练好的级联卷积神经网络模型确定芯片图像的表面缺陷检测结果；软件质检模块用于通过射频模组协议测试平台对芯片进行功能测试，确定芯片内部的软件运行信息。本发明专利技术通过硬件质检模块和软件质检模块实现芯片的软硬件协同检测，利用深度学习算法和射频模组实现了同时检测芯片的软硬件缺陷，提升了芯片缺陷的检测准确度，具有高效率、低成本且检测准确性高等优点。等优点。等优点。
【技术实现步骤摘要】
一种软硬件协同的封装芯片检测装置、方法及电子设备
[0001]本专利技术涉及芯片质检
，尤其涉及一种软硬件协同的封装芯片检测装置、方法及电子设备。
技术介绍
[0002]芯片的生产流程一般包括芯片设计、晶片制作、芯片封装三个步骤，其中，芯片封装步骤具体是将芯片固定在基底上，再将保护封盖用金属焊料焊接在基底上，在将芯片内外电路连接的同时，起到对内部芯片的保护作用，而且金属封盖还能增强芯片的整体散热性能，因为芯片的制造过程十分复杂，在极高精度下的生产过程中，难以保证每一个步骤都不出现瑕疵缺陷。一旦缺陷未被及时发现，将会对成品芯片的性能和可靠性产生影响，因此，芯片封装作为芯片生产流程的最后一步，其封装质量和封装可靠性影响了整个芯片产品的质量，在生产过程中实时监控芯片封装的质量逐渐成为芯片生产的必要步骤。
[0003]然而，传统国产芯片的智能质检产线功能较为单一，一台装置只能单一地检测芯片硬件缺陷或软件缺陷，不能同时检测芯片的软、硬件缺陷，检测效率较低，比如：传统芯片质检方法主要采用的技术是单一检测芯片外部缺陷或直接人工本体操作来检测芯片，该检测方式局限于芯片外部缺陷而不能检测芯片内部，单方面检测芯片外部而内部的功能被疏忽，导致芯片的合格率降低，影响了芯片质量，而且人工目检的方式，检测速度和检测精度均较低。
技术实现思路
[0004]本专利技术提供了一种软硬件协同的封装芯片检测装置、方法及电子设备，解决的技术问题是，传统的封装芯片缺陷检测无法同时检测芯片的软硬件缺陷，而且局限于检测芯片外部缺陷而不能检测芯片内部，影响芯片检测效率和质量。
[0005]为解决以上技术问题，本专利技术提供了一种软硬件协同的封装芯片检测装置、方法及电子设备。
[0006]第一方面，本专利技术提供了一种软硬件协同的封装芯片检测装置，所述装置包括依次连接的图像采集模块、硬件质检模块、软件质检模块和后台数据管理模块；
[0007]图像采集模块，用于采集不同排列的芯片图像，并将所述芯片图像输入硬件质检模块；
[0008]硬件质检模块，用于根据训练好的级联卷积神经网络模型确定所述芯片图像的表面缺陷检测结果，其中，所述表面缺陷检测结果包括表面检测异常和表面检测正常；
[0009]软件质检模块，用于将表面检测正常的芯片图像所对应的芯片本体作为测试芯片，通过射频模组协议测试平台对所述测试芯片进行功能测试，确定所述测试芯片内部的软件运行信息，所述软件运行信息包括软件运行异常和软件运行正常；
[0010]所述后台数据管理模块，用于获取并存储所述芯片图像。
[0011]在进一步的实施方案中，所述级联卷积神经网络模型包括第一级网络和第二级网
络；
[0012]第一级网络为轻量级图像分类网络，所述轻量级图像分类网络用于识别所述芯片图像中是否存在带有缺陷的芯片；第二级网络为目标检测网络，所述目标检测网络用于对芯片图像中带有缺陷的芯片进行定位。
[0013]在进一步的实施方案中，所述轻量级图像分类网络为轻量级卷积神经网络模型，所述目标检测网络为Yolov7目标识别模型。
[0014]在进一步的实施方案中，所述功能测试包括芯片应用设置功能测试以及芯片与协议功能测试。
[0015]在进一步的实施方案中，还包括贯穿芯片缺陷检测装置的主传送带以及设置在所述主传送带上的分拣机构，分拣机构下方设置有若干条子传送带；
[0016]所述分拣机构包括机械臂和驱动电机。
[0017]在进一步的实施方案中，还包括模型训练模块，具体用于：
[0018]获取芯片表面训练样本图像；
[0019]对芯片表面训练样本图像进行图像类别标注和芯片表面缺陷位置标注，获取芯片表面标签图像，其中，所述芯片表面缺陷位置包括芯片的中心点位置、像素点及缺陷尺寸；
[0020]采用多个所述芯片图像和芯片表面标签图像对待训练的级联卷积神经网络模型进行训练，得到训练好的级联卷积神经网络模型。
[0021]在进一步的实施方案中，所述图像采集模块包括照明机构和摄像模块；
[0022]所述照明机构采用直射光的环形照明装置。
[0023]第二方面，本专利技术提供了一种软硬件协同的封装芯片检测方法，应用如上述所述的软硬件协同的芯片缺陷检测装置，所述方法包括以下步骤：
[0024]采集不同排列的芯片图像；
[0025]根据训练好的级联卷积神经网络模型确定所述芯片图像的表面缺陷检测结果，其中，所述表面缺陷检测结果包括表面检测异常和表面检测正常；
[0026]将表面检测正常的芯片图像所对应的芯片本体作为测试芯片，通过射频模组协议测试平台对所述测试芯片进行功能测试，确定所述测试芯片内部的软件运行信息，所述软件运行信息包括软件运行异常和软件运行正常；
[0027]将与软件运行正常的测试芯片对应的芯片图像输入后台数据管理模块存储。
[0028]第三方面，本专利技术还提供了一种电子设备，包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述电子设备执行实现上述方法的步骤。
[0029]第四方面，本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
[0030]本专利技术提供了一种软硬件协同的封装芯片检测装置、方法及电子设备，所述装置包括依次连接的图像采集模块、硬件质检模块、软件质检模块和后台数据管理模块，其中，图像采集模块用于采集不同排列的芯片图像，并将所述芯片图像输入硬件质检模块；硬件质检模块用于根据训练好的级联卷积神经网络模型确定所述芯片图像的表面缺陷检测结果；软件质检模块用于将表面检测正常的芯片图像所对应的芯片本体作为测试芯片，通过射频模组协议测试平台对所述测试芯片进行功能测试，确定测试芯片内部的软件运行信
息。与现有技术相比，该专利技术采用基于软硬件协同的封装芯片质检装置，通过部署在质检产线上的图像采集模块和硬件质检模块对工业产线上芯片的表面缺陷进行识别和检测，实现芯片表面硬件质检；通过射频模组检验芯片应用测试功能、安全功能等是否合格，实现芯片内部软件质检，本专利技术通过硬件质检模块和软件质检模块实现了对芯片软硬件的自动检测，提高了芯片检测的可靠性。
附图说明
[0031]图1是本专利技术实施例提供的软硬件协同的封装芯片检测装置框图；
[0032]图2是本专利技术实施例提供的封装芯片检测装置正视图；
[0033]图3是本专利技术实施例提供的封装芯片检测装置后视图；
[0034]图4是本专利技术实施例提供的封装芯片检测装置左视图；
[0035]图5是本专利技术实施例提供的封装芯片检测装置右视图；
[0036]图6是本专利技术实施例提供的封装芯片检测过程示意图；
[0037]图7是本专利技术实施例提供的软硬件协同的封装芯片检测方法流程示意图；
[0038]图8是本专利技术实本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种软硬件协同的封装芯片检测装置，其特征在于，所述装置包括依次连接的图像采集模块、硬件质检模块、软件质检模块和后台数据管理模块；图像采集模块，用于采集不同排列的芯片图像，并将所述芯片图像输入硬件质检模块；硬件质检模块，用于根据训练好的级联卷积神经网络模型确定所述芯片图像的表面缺陷检测结果，其中，所述表面缺陷检测结果包括表面检测异常和表面检测正常；软件质检模块，用于将表面检测正常的芯片图像所对应的芯片本体作为测试芯片，通过射频模组协议测试平台对所述测试芯片进行功能测试，确定所述测试芯片内部的软件运行信息，所述软件运行信息包括软件运行异常和软件运行正常；所述后台数据管理模块，用于获取并存储所述芯片图像。2.如权利要求1所述的一种软硬件协同的封装芯片检测装置，其特征在于：所述级联卷积神经网络模型包括第一级网络和第二级网络；第一级网络为轻量级图像分类网络，所述轻量级图像分类网络用于识别所述芯片图像中是否存在带有缺陷的芯片；第二级网络为目标检测网络，所述目标检测网络用于对芯片图像中带有缺陷的芯片进行定位。3.如权利要求2所述的一种软硬件协同的封装芯片检测装置，其特征在于：所述轻量级图像分类网络为轻量级卷积神经网络模型，所述目标检测网络为Yolov7目标识别模型。4.如权利要求1所述的一种软硬件协同的封装芯片检测装置，其特征在于：所述功能测试包括芯片应用设置功能测试以及芯片与协议功能测试。5.如权利要求1所述的一种软硬件协同的封装芯片检测装置，其特征在于：还包括贯穿芯片缺陷检测装置的主传送带以及设置在所述主传送带上的分拣机构，分拣机构下方设置有若干条子传送带；所述分拣机构包括机械臂和驱动电机，所述驱动电机用于根据表面缺陷检测结果或软件运行信息，...
【专利技术属性】
技术研发人员：唐鹤芳，林浩静，陈伟迅，孟思明，江跃龙，魏童，
申请(专利权)人：广州铁路职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。