基于旋转目标检测和语义分割的芯片键合丝缺陷联合检测方法技术

本发明专利技术公开了一种基于旋转目标检测和语义分割的芯片键合丝缺陷联合检测方法，该方法依据芯片内部俯视视角

【技术实现步骤摘要】
基于旋转目标检测和语义分割的芯片键合丝缺陷联合检测方法


[0001]本专利技术属于半导体芯片的缺陷检测
，具体涉及一种基于旋转目标检测和语义分割的芯片键合丝缺陷联合检测方法
。

技术介绍

[0002]制造半导体芯片的过程中，由于芯片制造的工艺复杂且多样，芯片可能因为封装技艺
、
环境
、
材料等各种因素而在内部产生一些外部不可见的缺陷，这些缺陷会不同程度的影响芯片的性能
。
而键合丝因为其密集
、
细长的特点，最难检测，其对应的缺陷也很难检测
。
[0003]芯片中键合丝的缺陷检测是芯片生产中一个重要的质量检测过程，但是在以往的检测过程中仅仅依靠目标检测很难准确地判断出键合丝的具体缺陷类型
。

技术实现思路

[0004]本专利技术的目的在于提供一种基于旋转目标检测和语义分割的芯片键合丝缺陷联合检测方法
。
[0005]实现本专利技术目的的技术解决方案为：第一方面，本专利技术提供一种基于旋转目标检测和语义分割的芯片本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于旋转目标检测和语义分割的芯片键合丝缺陷联合检测方法，其特征在于，包括以下步骤：
S1、
获得芯片
X
光俯视图；
S2、
获取旋转目标检测数据集：对步骤
S1
的芯片
X
光俯视图进行标签分配
、
人工标注，并得到其
DOTA
格式
txt
标签文件，将所有芯片
X
光俯视图划分为训练集
、
验证集
、
测试集三种原始数据集；
S3、
数据集数据增强：分别以预定训练尺寸的
0.7、1.0、1.3、1.5
倍，将步骤
S2
中的芯片
X
光俯视图裁切成多张更小的子芯片
X
光俯视图，并调整裁切后图片的对应旋转框标注，形成多尺度数据集，将芯片
X
光俯视图未切割的三种原始数据集合并入对应的多尺度数据集中，用以增加图片的整体信息，形成最终训练集
、
验证集
、
测试集；
S4、
训练旋转目标检测模型：使用
swin
‑
tiny
主干网络替换
oriented
‑
rcnn
中的
Resnet
‑
50
主干网络构建
ST
‑
O
‑
RCNN
网络，增加网络结构中特征金字塔的层数，同时更改锚框尺寸，在步骤
S3
的最终训练集上使用弱数据增强去训练网络，在测试集指导下，获得训练好的目标检测模型；
S5、
获取语义分割数据集：使用步骤
S4
的目标检测模型预测数据集中键合丝的旋转框，将预测旋转框在图片上的位置切割出来，得到一个个有角度的键合丝倾斜图，使用透视变换将带有角度的键合丝倾斜图片转换为键合丝水平图片，使其能够用来训练网络，将键合丝水平图片中的键合丝标注后得到语义分割数据集；
S6、
训练语义分割模型：构建
UNet
语义分割网络，使用步骤
S5
的数据集对其训练，获得训练好的语义分割模型；
S7、
实际预测：将待预测的芯片
X
光俯视图按步骤
S2、S3
处理，得到多尺度数据集，将此数据集输入步骤
S4
的旋转目标检测网络，获得键合丝相关缺陷的预测框，将预测框在图片上对应位置切割后通过透视变换转换为水平图，使用步骤
S6
的语义分割模型对水平图进行预测，得到语义分割结果图，最后通过程序对语义分割结果图做最大连通区相关判断预测键合丝缺陷的具体类
。2.
根据权利要求1所述的基于旋转目标检测和语义分割的芯片键合丝缺陷联合检测方法其特征在于，步骤
S2
中，对步骤
S1
的芯片
X
光俯视图标签分配，键合丝相关的缺陷需要细分，键合丝
、

【专利技术属性】
技术研发人员：张国庆，刘嘉，张文华，刘芳，肖亮，华文益，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：