CN116779497B - 芯片的筛选方法、装置、设备及存储介质 - Google Patents
芯片的筛选方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116779497B CN116779497B CN202311062287.6A CN202311062287A CN116779497B CN 116779497 B CN116779497 B CN 116779497B CN 202311062287 A CN202311062287 A CN 202311062287A CN 116779497 B CN116779497 B CN 116779497B
- Authority
- CN
- China
- Prior art keywords
- light wave
- chip
- light
- abnormal information
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000012216 screening Methods 0.000 title claims abstract description 35
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 230000003287 optical effect Effects 0.000 claims abstract description 97
- 238000012360 testing method Methods 0.000 claims abstract description 86
- 230000002159 abnormal effect Effects 0.000 claims abstract description 84
- 238000012795 verification Methods 0.000 claims abstract description 55
- 238000004519 manufacturing process Methods 0.000 claims abstract description 34
- 238000006243 chemical reaction Methods 0.000 claims abstract description 29
- 238000004806 packaging method and process Methods 0.000 claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 239000000758 substrate Substances 0.000 claims description 58
- 239000000463 material Substances 0.000 claims description 47
- 238000004422 calculation algorithm Methods 0.000 claims description 44
- 230000004907 flux Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 238000013024 troubleshooting Methods 0.000 claims 8
- 230000004044 response Effects 0.000 abstract description 28
- 238000011835 investigation Methods 0.000 abstract description 20
- 230000008569 process Effects 0.000 description 27
- 238000009826 distribution Methods 0.000 description 10
- 238000005286 illumination Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010014970 Ephelides Diseases 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 208000003351 Melanosis Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004298 light response Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明涉及一种芯片的筛选方法、装置、设备及存储介质，通过输出光波排查指令至芯片封装生产线上的光波照射单元，由光波照射单元根据光波排查指令输出对应的第一光波至各个芯片上；获取光波照射单元实时反馈的受光反应图像，并识别受光反应图像上各个芯片对应的测试数值；利用光学测试模型识别测试数值中的异常信息，并针对异常信息生成对应的光波验证指令，输出与光波验证指令对应的第二光波至各个携带异常信息的芯片上；监听受光反应图像上携带异常信息的芯片，在受到多类型的第二光波照射后的验证信息，并基于验证信息由光学测试模型判定出仍携带异常信息的劣质芯片，以准确地判定和筛选出携带异常信息的劣质芯片。
Description
技术领域
本发明涉及芯片测试的技术领域，特别涉及一种芯片的筛选方法、装置、设备及存储介质。
背景技术
芯片的性能、耐用度及其质量直接影响着设备的性能、稳定性及使用寿命，为了确保最优的设备使用体验，严谨的芯片筛选工艺非常关键，而现有的一类筛选方法是通过光波粒片区筛选法，以通过光波的形式对生产线上的芯片进行测试及筛选的过程，但需要克服在生产线上的芯片受高温环境影响可能会出现性能下降或热衰退的问题，以及光波存在影响芯片光学性能的情况。
发明内容
本发明的主要目的为提供一种芯片的筛选方法、装置、设备及存储介质，旨在准确地判定和筛选出携带异常信息的劣质芯片。
为实现上述目的，本发明提供了一种芯片的筛选方法，包括以下步骤：
输出光波排查指令至芯片封装生产线上的光波照射单元，由所述光波照射单元根据光波排查指令输出对应的第一光波至各个芯片上；
获取所述光波照射单元实时反馈的受光反应图像，并识别所述受光反应图像上各个芯片对应的测试数值；
利用光学测试模型识别所述测试数值中的异常信息，并针对所述异常信息生成对应的光波验证指令，输出与所述光波验证指令对应的第二光波至各个携带异常信息的芯片上，其中，所述光波验证指令携带多类型光波因子，通过所述多类型光波因子变换第二光波的输出形式，以通过光学测试模型反复校对携带异常信息的芯片；
监听受光反应图像上携带所述异常信息的芯片，在受到多类型的所述第二光波照射后的验证信息，并基于所述验证信息由光学测试模型判定出仍携带异常信息的劣质芯片。
进一步地，所述光波照射单元包括光学传感镜头，通过所述光学传感镜头采集芯片封装生产线上各个芯片的受光反应图像。
进一步地，所述输出光波排查指令至芯片封装生产线上的光波照射单元，由所述光波照射单元根据光波排查指令输出对应的第一光波至各个芯片上的步骤中，包括：
识别预铺设于芯片封装生产线上对应各个芯片的衬底材料；
确定所述各个芯片的衬底材料所对应的安全光波区间，其中所述安全光波区间为在不影响芯片光学特性的前提下输出第一光波的安全区间；
基于所述安全光波区间生成光波排查指令，并将所述光波排查指令发送至光波照射单元以生成对应的第一光波，照射于芯片封装生产线的各个芯片上。
进一步地，获取所述光波照射单元实时反馈的受光反应图像，并识别所述受光反应图像上各个芯片对应的测试数值的步骤，包括：
通过光波照射单元获取具备实时信息的受光反应图像，并对所述受光反应图像上的各个芯片进行位置标定；
通过所述位置标定一一识别出各个芯片的衬底材料参数、折光参数和色度参数，其中，所述衬底材料参数包括有衬底形状和材料参数，折光参数包括各个芯片受到第一光波照射后的折返光通量，色度参数包括各个芯片受到第一光波照射后的颜色参数；
将所述衬底材料参数、折光参数和色度参数进行归类集合，生成对应于各个芯片的测试数值。
进一步地，通过光波照射单元获取具备实时信息的受光反应图像，并对所述受光反应图像上的各个芯片进行位置标定的步骤中，包括：
根据预设于芯片封装生产线上的光波照射单元位置及朝向创建锥形三维坐标系，其中所述光波照射单元位置为原点，光波照射单元与各个芯片的距离为高度轴，各个芯片组合后的平面长与宽分别为横轴与纵轴；
采用预设于光学测试模型中的朗勃光源算法识别出，根据安全光波区间输出第一光波/>至各个芯片的对应光强/>，并识别出各个芯片受光时与光波照射单元的折光角度/>；
通过预设于光学测试模型中的光照分布算法，结合折光角度和具有对应光强/>的第一光波/>标定出各个芯片的间距；
其中，
所述朗勃光源算法根据安全光波区间输出第一光波至各个芯片的对应光强为，；
所述光照分布算法结合折光角度和具有对应光强/>的第一光波/>标定出各个芯片的间距为，
式中，各个芯片的间距中的x代表芯片在横坐标两两间的距离，y代表芯片在纵坐标两两间的距离，z代表基于第一光波的折光角度的误差校正，该误差校正为，而XYZ为锥形三维坐标系。
进一步地，利用光学测试模型识别所述测试数值中的异常信息，并针对所述异常信息生成对应的光波验证指令，输出与所述光波验证指令对应的第二光波至各个携带异常信息的芯片上的步骤，包括：
将衬底材料参数、折光参数和色度参数分别载入至预设的形态图像算法、折光通量算法和光谱仪色彩算法中，得到各个芯片的衬底值、折光值和色度值；
分别判断所述衬底值、折光值和色度值是否分别处于对应的合规区间内；
若任一项或多项不处于对应的合规区间内，则将不处于合规区间内的测试数值判定为异常信息，并标注对应的芯片；
基于标注有异常信息的芯片生成光波验证指令，通过所述光波验证指令对应转换第一光波的波长与波频，以生成并输出所述第二光波；
进一步地，将衬底材料参数、折光参数和色度参数分别载入至预设的形态图像算法、折光通量算法和光谱仪色彩算法中，得到各个芯片的衬底值、折光值和色度值的步骤中：
所述形态图像算法为，
式中，为衬底形态图像模板，/>为当前衬底形态，/>为基于折光角度/>的当前衬底形态调校参数；
所述折光通量算法为，
式中，表示光波通量的光谱分布，/>表示光谱的光视效率，/>表示光波效能。
本发明还提出一种芯片的筛选装置，包括：
第一光波单元，用于输出光波排查指令至芯片封装生产线上的光波照射单元，由所述光波照射单元根据光波排查指令输出对应的第一光波至各个芯片上；
识别单元，用于获取所述光波照射单元实时反馈的受光反应图像，并识别所述受光反应图像上各个芯片对应的测试数值；
模型单元，用于利用光学测试模型识别所述测试数值中的异常信息，并针对所述异常信息生成对应的光波验证指令，输出与所述光波验证指令对应的第二光波至各个携带异常信息的芯片上，其中，所述光波验证指令携带多类型光波因子，通过所述多类型光波因子变换第二光波的输出形式，以通过光学测试模型反复校对携带异常信息的芯片；
监听单元，用于监听受光反应图像上携带所述异常信息的芯片，在受到多类型的所述第二光波照射后的验证信息，并基于所述验证信息由光学测试模型判定出仍携带异常信息的劣质芯片
本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述芯片的筛选方法的步骤。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的芯片的筛选方法的步骤。
本发明提供的芯片的筛选方法、装置、设备及存储介质，具有以下有益效果：
1、准确度高：此方法通过光波照射、获取受光反应图像、利用光学测试模型识别出测试数值，以及专门开发的计算和校准过程，能够有效提高芯片的筛选精度，尤其是对含有异常信息的劣质芯片的筛选。
2、实时性强：该方法可以实时捕获并反馈受光反应图像和测试数值，使芯片生产线在生产过程中能够即刻筛选出低质量芯片，并进行必要的调整，优化生产效率。
3、彻底性：通过二次光波验证，可以进一步精准地针对被检测到的异常情况进行处理。这大大增加了问题芯片被发现和处理的可能性，从而减少了劣质芯片的流出可能。
4、兼容性：该筛选方法可以根据芯片的衬底材料调整光波照射，这大大增加了其应用范围，使其能在多种不同的芯片生产线上发挥效用。
5、智能化和自动化：由于该方法在筛选过程中使用了先进的光学测试模型和算法，包括形态图像算法、折光通量算法和光谱仪色彩算法，此筛选过程大大提高了自动化程度，降低了人工干预的需要，实现了芯片筛选的智能化。
附图说明
图1是本发明一实施例中芯片的筛选方法步骤示意图；
图2是本发明一实施例中芯片的筛选装置结构框图；
图3是本发明一实施例的计算机设备的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明的申请主体为计算机设备，采用该计算机设备执行芯片的筛选方法，参照图1为本发明提出的一种芯片的筛选方法，包括以下步骤：
S1，输出光波排查指令至芯片封装生产线上的光波照射单元，由所述光波照射单元根据光波排查指令输出对应的第一光波至各个芯片上；
在S1中，输出光波排查指令给位于芯片封装生产线上的光波照射单元。光波排查指令包含了光波的详细信息，如波长、幅度、方向等，这些是根据预设均匀测量标准和可能的异常情况来设定的。接收到光波排查指令后，光波照射单元就会产生对应的第一光波，然后将其照射在生产线上的每一个芯片上。这样的设置运用了光波的检测功能，可以用来初步测量芯片的表面和内部特性，如其几何形状、材料类型、厚度等。利用这些信息，可以对芯片进行初步筛选，识别出可能存在质量问题甚至损坏的芯片，以及基于光波反射、折射、吸收等物理反应判断芯片的质量。
S2，获取所述光波照射单元实时反馈的受光反应图像，并识别所述受光反应图像上各个芯片对应的测试数值；
在S2中，这个步骤涉及到从芯片捕获实时反馈的受光反应图像。当芯片接收到第一光波后，它会折光反馈，并将结果以光学形式反馈。这些反馈可能会通过反射、吸收、折射等方式表现出来，而且每种情况都会在图像上表现出不同的特征。例如，一个好的芯片可能会有均匀的受光反应，而一个有缺陷的芯片可能会显示出不规则的图案或颜色变化。然后，所述的计算机设备会接收并分析这些反馈的图像。通过比较反应图像与预先定义的模式或标准来识别出各个芯片的质量。识别过程可能会涉及到颜色识别、形状识别和/或纹理识别等。这个步骤生成的测试数值可以定量表示每个芯片的质量指标，如形状大小、色彩偏差、纹理规律等。实现了芯片质量的实时监测，可以帮助快速识别出潜在的质量问题。
S3，利用光学测试模型识别所述测试数值中的异常信息，并针对所述异常信息生成对应的光波验证指令，输出与所述光波验证指令对应的第二光波至各个携带异常信息的芯片上，其中，所述光波验证指令携带多类型光波因子，通过所述多类型光波因子变换第二光波的输出形式，以通过光学测试模型反复校对携带异常信息的芯片；
在S3中，计算机设备首先会利用一个光学测试模型来识别前一步骤生成的测试数值中的任何异常信息。这种光学测试模型基于深度学习或其他现代机器学习技术，能够分析和解释大量的数据，并从中识别出可能的异常。一旦这类异常信息被识别出来，计算机设备就会生成一种特别的光波验证指令，并针对这种异常情况发射与之对应的第二光波。这部分的关键在于，光波验证指令会携带多类型的光波因子（例如，不同的波长、不同的强度、不同的角度等），通过这些多类型的光波因子可以变换第二光波的输出形式。之后，再次照射这些携带异常信息的芯片，这就是一个对异常情况的更深入的验证过程。应用不同类型的光波因子可以让第二光波的输出形式有所不同，这样就可以从更多不同的角度和层面对携带异常信息的芯片进行验证。因此，这个步骤就像是一个反复的校对过程，用于再次核实和更精确地识别异常情况。
光学测试模型的运用可以被视为一种高级的机器学习算法，它使用已经采集的测试数值来判定是否存在异常。这个模型可能包括一系列预先定义的规则和参数，也可能是经过大量训练数据优化的深度学习网络。它能在大量数据中寻找模式，并识别出与正常芯片相比出现异常的芯片。一旦该模型检测到异常，它将生成一个专门针对这个异常特性的光波验证指令。这个光波验证指令包含多种类型的光波因子，如波长、光强、频率、相位等，它们可以细微地调整第二光波的输出形式，从而进行更精确的测试。这意味着我们在面对特定的异常情况时，可以更具目的性地进行检查。例如，如果异常信息显示芯片的某一个角落反射光波的情况异常，那么第二光波可能会被调整为特定的波长和强度，以便更深入地验证这个特定区域。同样，如果异常信息显示芯片颜色分布不均，那么第二光波可能会被调整为特别的频率，以更好地衡量颜色分布。这第二轮的光波照射至关重要，因为它对检测到的初始异常进行了更深入的验证。这增加了我们对异常的理解和识别的准确性，同时提供了一个反馈机制，如果需要，可以根据异常信息对测试过程进行微调，使其更精确地对应于潜在的问题。通过这种方式，筛选过程可以更有效地找出可能存在质量问题的芯片，且更有针对性和高效。
S4，监听受光反应图像上携带所述异常信息的芯片，在受到多类型的所述第二光波照射后的验证信息，并基于所述验证信息由光学测试模型判定出仍携带异常信息的劣质芯片。
在S4中，计算机设备会在第二轮光波照射后，继续监听和获取携带异常信息的芯片的反馈信息。与此同时，从这些芯片上收集所得的受光反应图像也被转化为验证信息。换种方式来看，这一步是对上一步骤中产生的第二光波的反馈的深入研究。在这个阶段，计算机设备关注的是那些在受到针对特定异常调整的第二光波照射后反馈信息的芯片。这样，我们就可以得到更多的信息，以确定这些芯片是否真的有问题，问题在哪里，以及问题的严重程度如何。然后，所有收集到的验证信息都会被馈入先前所使用的光学测试模型。这个模型会再次被使用，以对收集到的所有验证信息进行处理，并对是否存在问题进行最后的判定。如果模型判定一个芯片的验证信息还是显示出异常信息，那么这个芯片就被确定为劣质芯片。
具体的，所述光波照射单元包括光学传感镜头，通过所述光学传感镜头采集芯片封装生产线上各个芯片的受光反应图像。
在一个实施例中，所述输出光波排查指令至芯片封装生产线上的光波照射单元，由所述光波照射单元根据光波排查指令输出对应的第一光波至各个芯片上的步骤中，包括：
识别预铺设于芯片封装生产线上对应各个芯片的衬底材料；
确定所述各个芯片的衬底材料所对应的安全光波区间，其中所述安全光波区间为在不影响芯片光学特性的前提下输出第一光波的安全区间；
基于所述安全光波区间生成光波排查指令，并将所述光波排查指令发送至光波照射单元以生成对应的第一光波，照射于芯片封装生产线的各个芯片上。
在具体实施的过程中，在这个子步骤中，计算机设备首先需要获取每个芯片的信息，特别是其衬底材料的信息。衬底材料是用来支撑芯片并提供必要电学和热性能的材料。衬底材料的种类可能有许多，例如石英、硅、陶瓷等，它们每一种都有其独特的光学性质。了解芯片的衬底材料是至关重要的，因为不同的材料对光反应的方式各不相同。这意味着为了达到最佳的检测效果，每种类型的衬底材料都可能需要不同类型的光波进行照射。一旦衬底材料被识别，接下来的步骤就是确定这个材料所对应的安全光波区间。所谓的安全光波区间指的是在不影响芯片光学特性（例如，避免引起不必要的雀斑、颜色变化、结构损伤等）的前提下，可以用来输出第一光波以进行检测的那一部分光波范围。这个安全区间的范围可能依赖于衬底材料的种类、照射角度、环境温度等因素。确定这个区间可以确保后续的光波排查操作不会我们要识别和分析的芯片的光学特性产生不良影响。对于每一个被识别出衬底材料并确定了安全光波区间的芯片，计算机设备会基于这个安全区间来生成对应的光波排查指令。这个指令会包含所有必要的参数信息，如光源类型、光波强度、光波方向、光波波长等，以确保第一光波的输出完全符合我们的要求。然后，这个指令会被发送到生产线上的光波照射单元。光波照射单元会根据接收到的排查指令生成和输出对应的第一光波，并将其准确地照射到对应的芯片上。这个照射过程是全程自动化的，可以确保高效且准确的完成光波排查任务。
在一个实施例中，获取所述光波照射单元实时反馈的受光反应图像，并识别所述受光反应图像上各个芯片对应的测试数值的步骤，包括：
通过光波照射单元获取具备实时信息的受光反应图像，并对所述受光反应图像上的各个芯片进行位置标定；
通过所述位置标定一一识别出各个芯片的衬底材料参数、折光参数和色度参数，其中，所述衬底材料参数包括有衬底形状和材料参数，折光参数包括各个芯片受到第一光波照射后的折返光通量，色度参数包括各个芯片受到第一光波照射后的颜色参数；
将所述衬底材料参数、折光参数和色度参数进行归类集合，生成对应于各个芯片的测试数值。
在具体实施的过程中，首先，计算机设备将会从光波照射单元获取一个受光反应图像，它记录了每个芯片在受到第一光波照射后的响应。这张图像将会携带实时的反馈信息，这是至关重要的，因为它保证了我们的数据是最新的，而且让我们能够快速地对可能存在的问题做出反应。当计算机设备获取到受光反应图像后，就会基于这个图像对每个芯片的位置进行精确的标定，以保证后续数据处理的准确性。之后，计算机设备将开始识别每个芯片的特定参数。这些参数包括：衬底材料参数（其包括衬底形状和材料参数），折光参数、色度参数。衬底材料参数可以帮助我们了解芯片的物理特性，例如形状和其材料的特性；折光参数给出了芯片在受到第一光波照射后的反馈，它反映了各个芯片对于入射光波的折返光通量，或者说是它们的光线传播特性；色度参数则关注的是芯片受到第一光波照射后的颜色特性，这可能包括颜色的强度、分布和变化。每个参数都会分别对应到相应的芯片上，并被综合起来形成一个完整的光学响应档案。最后，计算机设备将会将上述所有的参数进行整合和归类，生成一组对应于每个芯片的测试数值。这个测试数值其实是一个高度压缩的草图，反映了每个芯片在照射后的光学反应。这个数值也会被计算机设备存储作为后续分析和处理的基础数据。通过这种方式，计算机设备可以在第一时间快速地获取到每个芯片的测试数值，使后续步骤的执行能够更加高效和准确。
在一个实施例中，通过光波照射单元获取具备实时信息的受光反应图像，并对所述受光反应图像上的各个芯片进行位置标定的步骤中，还包括：
根据预设于芯片封装生产线上的光波照射单元位置及朝向创建锥形三维坐标系，其中所述光波照射单元位置为原点，光波照射单元与各个芯片的距离为高度轴，各个芯片组合后的平面长与宽分别为横轴与纵轴；
采用预设于光学测试模型中的朗勃光源算法识别出，根据安全光波区间输出第一光波/>至各个芯片的对应光强/>，并识别出各个芯片受光时与光波照射单元的折光角度/>；
通过预设于光学测试模型中的光照分布算法，结合折光角度和具有对应光强/>的第一光波/>标定出各个芯片的间距；
其中，
所述朗勃光源算法根据安全光波区间输出第一光波至各个芯片的对应光强为，；
所述光照分布算法结合折光角度和具有对应光强/>的第一光波/>标定出各个芯片的间距为，
式中，各个芯片的间距中的x代表芯片在横坐标两两间的距离，y代表芯片在纵坐标两两间的距离，z代表基于第一光波的折光角度的误差校正，该误差校正为，而XYZ为锥形三维坐标系。
在具体实施的过程中，在这个子步骤中，计算机设备根据在生产线上光波照射单元的预设位置和朝向创建一个锥形三维坐标系。在这个坐标系中，光波照射单元的位置被定义为原点。光波照射单元与各个芯片的距离则被设定为高度轴，同时，这些芯片组成的平面的长度和宽度则分别被定义为横轴和纵轴。创建这样一个锥形三维坐标系的目的是为了更精确地理解和控制光波照射的过程，以及便于后续的位置标定工作。计算机设备将采用一个预设于光学测试模型中的方法，也就是朗勃光源算法，用以计算在安全光波区间内每一个芯片应当接受第一光波的对应光强。这个算法基于基本的光学知识，可以确保每个芯片受到的光照强度在一定的限度内，以防止对芯片产生损害。在计算出适合照射于每个芯片的光强后，同样通过朗勃光源算法，计算机设备还会识别出每个芯片受光时与光波照射单元的折光角度。一旦每个芯片的对应光强和折光角度被确定，计算机设备就可以使用另一个预设于光学测试模型中的方法，也就是光照分布算法，来标定各个芯片的间距。这个方法基于照射角度和照射强度的关系，可以精准地计算出每个芯片的位置，从而得出芯片之间的精确间距。这一步是至关重要的，因为知道每个芯片的准确位置，能够使我们后续提取和处理数据时，更高效和精准。
在一个实施例中，利用光学测试模型识别所述测试数值中的异常信息，并针对所述异常信息生成对应的光波验证指令，输出与所述光波验证指令对应的第二光波至各个携带异常信息的芯片上的步骤，包括：
将衬底材料参数、折光参数和色度参数分别载入至预设的形态图像算法、折光通量算法和光谱仪色彩算法中，得到各个芯片的衬底值、折光值和色度值；
分别判断所述衬底值、折光值和色度值是否分别处于对应的合规区间内；
若任一项或多项不处于对应的合规区间内，则将不处于合规区间内的测试数值判定为异常信息，并标注对应的芯片；
基于标注有异常信息的芯片生成光波验证指令，通过所述光波验证指令对应转换第一光波的波长与波频，以生成并输出所述第二光波；
在具体实施的过程中，在该步骤中，计算机设备将将已经收集到的衬底材料参数、折光参数、和色度参数，分别载入预设的形态图像算法、折光通量算法和光谱仪色彩算法中。这三个算法能够帮助我们得到每个芯片的衬底值、折光值和色度值。形态图像算法主要处理芯片的衬底材料参数，并输出衬底值，这反映了每个芯片的物理形状和材料属性。折光通量算法则处理折光参数，输出折光值，这表示了光通过芯片时的折返光通量。光谱仪色彩算法负责处理色度参数，输出色度值，这揭示了芯片受光后的色彩特性。当各项值计算完成后，计算机设备将进行第二步，这是对每个芯片的衬底值、折光值和色度值进行判断，看它们是否都在对应的合规区间内。这些合规区间通常是基于设计规范或生产需求事先定义的，代表了芯片在正常工作状态下应当保持的性能。判断这些值是否在合规区间内是判断一个芯片是否有异常的重要步骤。如果在上一步中，计算机设备发现任一项或多项参数的值不在对应的合规区间内，那么计算机设备就会将这些不在合规区间内的测试数值判定为异常信息，并立即将对应的芯片做上标记。标注异常信息的芯片不仅有助于我们更好的追踪问题，也能够指导后续处理和修复的工作。在最后一步，计算机设备将根据标注有异常的芯片生成对应的光波验证指令。这个光波验证指令会指导计算机设备如何调整第一光波的波长和波频，以生成并输出第二光波，特别是投射在标注有异常的芯片上。第二光波主要目的是进一步验证和检测芯片的异常状态，或是为了更详细了解问题，甚至可能是解决问题。
具体的，将衬底材料参数、折光参数和色度参数分别载入至预设的形态图像算法、折光通量算法和光谱仪色彩算法中，得到各个芯片的衬底值、折光值和色度值的步骤中：
所述形态图像算法为，
式中，为衬底形态图像模板，/>为当前衬底形态，/>为基于折光角度/>的当前衬底形态调校参数；
所述折光通量算法为，
式中，表示光波通量的光谱分布，/>表示光谱的光视效率，/>表示光波效能；
所述光谱仪色彩算法由预设于光波照射单元上的内置光谱仪进行计算。
参考附图2为本发明提出的一种芯片的筛选装置的结构框图，包括：
第一光波单元1，用于输出光波排查指令至芯片封装生产线上的光波照射单元，由所述光波照射单元根据光波排查指令输出对应的第一光波至各个芯片上；
识别单元2，用于获取所述光波照射单元实时反馈的受光反应图像，并识别所述受光反应图像上各个芯片对应的测试数值；
模型单元3，用于利用光学测试模型识别所述测试数值中的异常信息，并针对所述异常信息生成对应的光波验证指令，输出与所述光波验证指令对应的第二光波至各个携带异常信息的芯片上，其中，所述光波验证指令携带多类型光波因子，通过所述多类型光波因子变换第二光波的输出形式，以通过光学测试模型反复校对携带异常信息的芯片；
监听单元4，用于监听受光反应图像上携带所述异常信息的芯片，在受到多类型的所述第二光波照射后的验证信息，并基于所述验证信息由光学测试模型判定出仍携带异常信息的劣质芯片。
在本实施例中，上述装置实施例中的各个单元的具体实现，请参照上述方法实施例中所述，在此不再进行赘述。
参照图3，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过计算机设备总线连接的处理器、存储器、显示屏、输入装置、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作计算机设备、计算机程序和数据库。该内存储器为非易失性存储介质中的操作计算机设备和计算机程序的运行提供环境。该计算机设备的数据库用于存储本实施例中对应的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述方法。
S1，输出光波排查指令至芯片封装生产线上的光波照射单元，由所述光波照射单元根据光波排查指令输出对应的第一光波至各个芯片上；
S2，获取所述光波照射单元实时反馈的受光反应图像，并识别所述受光反应图像上各个芯片对应的测试数值；
S3，利用光学测试模型识别所述测试数值中的异常信息，并针对所述异常信息生成对应的光波验证指令，输出与所述光波验证指令对应的第二光波至各个携带异常信息的芯片上，其中，所述光波验证指令携带多类型光波因子，通过所述多类型光波因子变换第二光波的输出形式，以通过光学测试模型反复校对携带异常信息的芯片；
S4，监听受光反应图像上携带所述异常信息的芯片，在受到多类型的所述第二光波照射后的验证信息，并基于所述验证信息由光学测试模型判定出仍携带异常信息的劣质芯片。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定。
本发明一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法。可以理解的是，本实施例中的计算机可读存储介质可以是易失性可读存储介质，也可以为非易失性可读存储介质。
综上所述，通过输出光波排查指令至芯片封装生产线上的光波照射单元，由所述光波照射单元根据光波排查指令输出对应的第一光波至各个芯片上；获取所述光波照射单元实时反馈的受光反应图像，并识别所述受光反应图像上各个芯片对应的测试数值；利用光学测试模型识别所述测试数值中的异常信息，并针对所述异常信息生成对应的光波验证指令，输出与所述光波验证指令对应的第二光波至各个携带异常信息的芯片上，其中，所述光波验证指令携带多类型光波因子，通过所述多类型光波因子变换第二光波的输出形式，以通过光学测试模型反复校对携带异常信息的芯片；监听受光反应图像上携带所述异常信息的芯片，在受到多类型的所述第二光波照射后的验证信息，并基于所述验证信息由光学测试模型判定出仍携带异常信息的劣质芯片，以准确地判定和筛选出携带异常信息的劣质芯片。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种芯片的筛选方法，其特征在于，包括以下步骤：
输出光波排查指令至芯片封装生产线上的光波照射单元，由所述光波照射单元根据光波排查指令输出对应的第一光波至各个芯片上；
获取所述光波照射单元实时反馈的受光反应图像，并识别所述受光反应图像上各个芯片对应的测试数值；
利用光学测试模型识别所述测试数值中的异常信息，并针对所述异常信息生成对应的光波验证指令，输出与所述光波验证指令对应的第二光波至各个携带异常信息的芯片上，其中，所述光波验证指令携带多类型光波因子，通过所述多类型光波因子变换第二光波的输出形式，以通过光学测试模型反复校对携带异常信息的芯片；光波因子包括波长、光强、频率、相位；
监听受光反应图像上携带所述异常信息的芯片，在受到多类型的所述第二光波照射后的验证信息，并基于所述验证信息由光学测试模型判定出仍携带异常信息的劣质芯片；
获取所述光波照射单元实时反馈的受光反应图像，并识别所述受光反应图像上各个芯片对应的测试数值的步骤，包括：
通过光波照射单元获取具备实时信息的受光反应图像，并对所述受光反应图像上的各个芯片进行位置标定；
通过所述位置标定一一识别出各个芯片的衬底材料参数、折光参数和色度参数，其中，所述衬底材料参数包括有衬底形状和材料参数，折光参数包括各个芯片受到第一光波照射后的折返光通量，色度参数包括各个芯片受到第一光波照射后的颜色参数；
将所述衬底材料参数、折光参数和色度参数进行归类集合，生成对应于各个芯片的测试数值。
2.根据权利要求1所述的芯片的筛选方法，其特征在于，所述光波照射单元包括光学传感镜头，通过所述光学传感镜头采集芯片封装生产线上各个芯片的受光反应图像。
3.根据权利要求1所述的芯片的筛选方法，其特征在于，所述输出光波排查指令至芯片封装生产线上的光波照射单元，由所述光波照射单元根据光波排查指令输出对应的第一光波至各个芯片上的步骤中，包括：
识别预铺设于芯片封装生产线上对应各个芯片的衬底材料；
确定所述各个芯片的衬底材料所对应的安全光波区间，其中所述安全光波区间为在不影响芯片光学特性的前提下输出第一光波的安全区间；
基于所述安全光波区间生成光波排查指令，并将所述光波排查指令发送至光波照射单元以生成对应的第一光波，照射于芯片封装生产线的各个芯片上。
4.根据权利要求1所述的芯片的筛选方法，其特征在于，利用光学测试模型识别所述测试数值中的异常信息，并针对所述异常信息生成对应的光波验证指令，输出与所述光波验证指令对应的第二光波至各个携带异常信息的芯片上的步骤，包括：
将衬底材料参数、折光参数和色度参数分别载入至预设的形态图像算法、折光通量算法和光谱仪色彩算法中，得到各个芯片的衬底值、折光值和色度值；
分别判断所述衬底值、折光值和色度值是否分别处于对应的合规区间内；
若任一项或多项不处于对应的合规区间内，则将不处于合规区间内的测试数值判定为异常信息，并标注对应的芯片；
基于标注有异常信息的芯片生成光波验证指令，通过所述光波验证指令对应转换第一光波的波长与波频，以生成并输出所述第二光波至各个携带异常信息的芯片上。
5.一种芯片的筛选装置，其特征在于，包括：
第一光波单元，用于输出光波排查指令至芯片封装生产线上的光波照射单元，由所述光波照射单元根据光波排查指令输出对应的第一光波至各个芯片上；
识别单元，用于获取所述光波照射单元实时反馈的受光反应图像，并识别所述受光反应图像上各个芯片对应的测试数值；
模型单元，用于利用光学测试模型识别所述测试数值中的异常信息，并针对所述异常信息生成对应的光波验证指令，输出与所述光波验证指令对应的第二光波至各个携带异常信息的芯片上，其中，所述光波验证指令携带多类型光波因子，通过所述多类型光波因子变换第二光波的输出形式，以通过光学测试模型反复校对携带异常信息的芯片；光波因子包括波长、光强、频率、相位；
监听单元，用于监听受光反应图像上携带所述异常信息的芯片，在受到多类型的所述第二光波照射后的验证信息，并基于所述验证信息由光学测试模型判定出仍携带异常信息的劣质芯片；
识别单元获取所述光波照射单元实时反馈的受光反应图像，并识别所述受光反应图像上各个芯片对应的测试数值，包括：
通过光波照射单元获取具备实时信息的受光反应图像，并对所述受光反应图像上的各个芯片进行位置标定；
通过所述位置标定一一识别出各个芯片的衬底材料参数、折光参数和色度参数，其中，所述衬底材料参数包括有衬底形状和材料参数，折光参数包括各个芯片受到第一光波照射后的折返光通量，色度参数包括各个芯片受到第一光波照射后的颜色参数；
将所述衬底材料参数、折光参数和色度参数进行归类集合，生成对应于各个芯片的测试数值。
6.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述芯片的筛选方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的芯片的筛选方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311062287.6A CN116779497B (zh) | 2023-08-23 | 2023-08-23 | 芯片的筛选方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311062287.6A CN116779497B (zh) | 2023-08-23 | 2023-08-23 | 芯片的筛选方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116779497A CN116779497A (zh) | 2023-09-19 |
| CN116779497B true CN116779497B (zh) | 2023-10-31 |
Family
ID=88012011
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311062287.6A Active CN116779497B (zh) | 2023-08-23 | 2023-08-23 | 芯片的筛选方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116779497B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117038493B (zh) * | 2023-10-09 | 2023-12-15 | 南通华隆微电子股份有限公司 | 用于半导体材料的多维性能检测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005017168A (ja) * | 2003-06-27 | 2005-01-20 | Hitachi High-Tech Electronics Engineering Co Ltd | 外観検査装置、外観検査方法、及び半導体チップの製造方法 |
| CN103646889A (zh) * | 2013-11-29 | 2014-03-19 | 上海华力微电子有限公司 | 晶圆缺陷检测方法 |
| KR20140090808A (ko) * | 2013-01-10 | 2014-07-18 | 주식회사 미르기술 | Led 패키지 비전 검사 및 분류 시스템 |
| CN111157225A (zh) * | 2019-08-21 | 2020-05-15 | 南京理工大学 | 一种基于Labview的EMCCD芯片全性能参数测试方法 |
| CN115266757A (zh) * | 2022-08-26 | 2022-11-01 | 英特尔产品（成都）有限公司 | 缺陷检测设备与方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100524213B1 (ko) * | 2003-02-28 | 2005-10-27 | 삼성전자주식회사 | 기판 검사 방법 및 장치 |
| JP7283445B2 (ja) * | 2020-06-08 | 2023-05-30 | 株式会社Sumco | 半導体ウェーハの評価方法 |
-
2023
- 2023-08-23 CN CN202311062287.6A patent/CN116779497B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005017168A (ja) * | 2003-06-27 | 2005-01-20 | Hitachi High-Tech Electronics Engineering Co Ltd | 外観検査装置、外観検査方法、及び半導体チップの製造方法 |
| KR20140090808A (ko) * | 2013-01-10 | 2014-07-18 | 주식회사 미르기술 | Led 패키지 비전 검사 및 분류 시스템 |
| CN103646889A (zh) * | 2013-11-29 | 2014-03-19 | 上海华力微电子有限公司 | 晶圆缺陷检测方法 |
| CN111157225A (zh) * | 2019-08-21 | 2020-05-15 | 南京理工大学 | 一种基于Labview的EMCCD芯片全性能参数测试方法 |
| CN115266757A (zh) * | 2022-08-26 | 2022-11-01 | 英特尔产品（成都）有限公司 | 缺陷检测设备与方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116779497A (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI649627B (zh) | 用於決定聚焦之方法及裝置 | |
| KR102169564B1 (ko) | 웨이퍼 검사 방법 및/또는 웨이퍼 상에 형성되는 디바이스의 하나 이상의 특징을 예측하는 방법 | |
| KR102287785B1 (ko) | 반도체 타겟의 계측을 위한 차동 방법 및 장치 | |
| JP3733094B2 (ja) | 良否判定装置、良否判定プログラムおよび良否判定方法 | |
| KR101304615B1 (ko) | 암시야 결함 검사 방법, 암시야 결함 검사 장치, 수차 해석 방법 및 수차 해석 장치 | |
| TWI423360B (zh) | 用於自調整地控制以雷射為主之材料處理程序的方法及系統及用於鑑別其品質的方法及系統 | |
| TWI641921B (zh) | 用以檢驗圖案化結構量測的監測系統及方法 | |
| CN116779497B (zh) | 芯片的筛选方法、装置、设备及存储介质 | |
| CN101853797A (zh) | 用于检测晶片的系统和方法 | |
| TWI695164B (zh) | 寬頻晶圓缺陷偵測系統及寬頻晶圓缺陷偵測方法 | |
| CN102637614B (zh) | 消除错误缺陷检测方法与系统 | |
| US7483809B2 (en) | Optical metrology using support vector machine with profile parameter inputs | |
| US20230194599A1 (en) | Technologies for verifying and validating electronic devices using electroluminescence | |
| KR20170083678A (ko) | 기판 검사 방법 | |
| US7511835B2 (en) | Optical metrology using a support vector machine with simulated diffraction signal inputs | |
| KR20140123535A (ko) | 패턴 계측 장치 및 반도체 계측 시스템 | |
| CN118090675B (zh) | 一种医疗用薄膜的透光性检测方法 | |
| CN115684232A (zh) | X射线荧光光谱分析设备的标定方法及装置 | |
| CN113108725B (zh) | 元器件微纳尺度圆孔加工质量的评价方法 | |
| TWI684225B (zh) | 自定向計量和圖樣分類 | |
| CN108406124B (zh) | 一种激光标刻方法及系统 | |
| KR20220088154A (ko) | 검사 장치 및 방법 | |
| US12092962B1 (en) | Measurements of structures in presence of signal contaminations | |
| TWI859011B (zh) | 用於半導體表面結構形貌的檢測系統、補償方法及電腦可讀取媒體 | |
| CN118392314B (zh) | 一种测量温度均匀性的装置和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Screening methods, devices, equipment, and storage media for chips Granted publication date: 20231031 Pledgee: Bank of Communications Limited Shenzhen Branch Pledgor: Shenzhen Chaoying Intelligent Technology Co.,Ltd. Registration number: Y2024980059909 |