康永新，靳宇婷

（中國電子科技集團(tuán)公司第二研究所，山西 太原 030024）

1 引線鍵合機(jī)視覺定位系統(tǒng)概述

作為當(dāng)前信息產(chǎn)業(yè)和信息社會的基礎(chǔ)，集成電路（Integrated Circuit） 產(chǎn)業(yè)已成為國內(nèi)最受重視的核心產(chǎn)業(yè)之一，是支撐國家經(jīng)濟(jì)社會發(fā)展和保障國家安全的基礎(chǔ)性產(chǎn)業(yè)[1]。隨著芯片集成度的不斷提高，芯片封裝作為IC工業(yè)的關(guān)鍵部分，對其精密度、多引線、精細(xì)間距等要求也不斷提高[2]。

芯片封裝的主要設(shè)備之一為引線鍵合機(jī)，全自動引線鍵合機(jī)主要由幾大部分組成：視覺定位系統(tǒng)、運(yùn)動平臺控制系統(tǒng)、工作平臺等。引線鍵合機(jī)的精度受到多種因素的影響，如焊點定位精度、多軸運(yùn)動精度等。傳統(tǒng)的做法是提高運(yùn)動平臺的精度，以達(dá)到提高加工精度的目的，但芯片引線鍵合機(jī)的過程復(fù)雜，由多道工序組成，每道工序都會產(chǎn)生隨機(jī)誤差，并且會影響下一道工序，而單純提高運(yùn)動平臺的精度不能消除每道工序的誤差，因此，采用視覺檢測的方式糾正所產(chǎn)生的誤差，視覺系統(tǒng)對于芯片封裝的精度和速度具有重要作用。

國外針對芯片封裝設(shè)備視覺系統(tǒng)的研究已經(jīng)很成熟。美國的K&S公司利用高速CCD攝像機(jī)和兩套光學(xué)系統(tǒng)，實現(xiàn)了對焊點的高速定位；Esec公司利用DSP和灰度搜索來實現(xiàn)高速、精確的模式識別。國內(nèi)對于芯片封裝設(shè)備的研究在短短幾十年內(nèi)也取得了很多成果。熊振華等人研制了一種能夠準(zhǔn)確定位焊盤并植入焊球的焊盤視覺識別與定位系統(tǒng)，該系統(tǒng)首先采用霍夫變換獲取圖像中的特征向量，然后對特征向量進(jìn)行位置定位，從而完成對焊盤的位置定位[3]；汪宏昇等利用圖像的小波特征，并在此基礎(chǔ)上做了改進(jìn)，但該算法的精度不能滿足某些高精度定位的應(yīng)用場景[4]。由此可見，提高圖像定位精度是引線鍵合機(jī)視覺系統(tǒng)的核心。

2 引線鍵合機(jī)視覺定位方法概述

視覺定位算法的核心在于圖像的模板匹配，常用的模板匹配算法有：基于灰度的匹配，基于特征的匹配，基于組件的匹配，基于相關(guān)性的匹配以及局部變形的匹配?；谔卣鞯钠ヅ渌惴ㄍǔＪ褂命c特征、線特征即輪廓特征和面特征（基于區(qū)域、基于紋理等） 的方法，其中，基于輪廓的模板匹配其相似度分布比基于灰度的模板匹配更加有區(qū)分度，因而可以進(jìn)行較高精度的定位，同時，由于只對輪廓進(jìn)行處理，因而提高了處理速度，因此在處理帶有旋轉(zhuǎn)和縮放的情況時具有優(yōu)勢，另外，基于輪廓特征的模板可以不從現(xiàn)場獲取而從CAD數(shù)據(jù)生成。

本文的引線鍵合機(jī)視覺定位過程如下：首先采用CMOS相機(jī)與低倍鏡頭采集芯片圖像，并確定芯片的特征區(qū)域作為模板匹配的依據(jù)特征，對該模板進(jìn)行亞像素輪廓提取，基于所提取的特征輪廓實現(xiàn)模板匹配。

3 亞像素輪廓提取

數(shù)字圖像在本質(zhì)上可以看作是一個連續(xù)函數(shù)，圖像中的邊緣可以被視為若干個零散點，在垂直于邊緣的方向上，邊緣點的灰度梯度值是局部最大的。圖像的邊緣包含著圖像的重要信息，對于引線鍵合機(jī)的定位來說，可以利用圖像邊緣進(jìn)行模板的唯一識別與定位，因此，提取圖像的邊緣對于引線鍵合機(jī)的定位而言至關(guān)重要。

針對邊緣檢測算法的研究有很多，經(jīng)典的邊緣檢測算子有：Roberts算子，Sobel算子，Canny算子等，Canny算子是目前邊緣檢測領(lǐng)域最成熟的算子。但傳統(tǒng)的圖像邊緣檢測方法的檢測精度最高只能達(dá)到一個像素級，對于本文的引線鍵合機(jī)而言，其定位精度需在一個像素級之內(nèi)，傳統(tǒng)的像素級邊緣檢測方法已經(jīng)不能滿足實際定位的需要，在此基礎(chǔ)上，需采用亞像素輪廓提取的方法，提取特征區(qū)域的輪廓。

3.1 插值法求亞像素邊緣點

目前常用的亞像素級的邊緣檢測算法有：插值法、矩方法、擬合法等。插值法是利用對像素點的灰度或灰度的梯度插值，以增加灰度信息，但圖像中有噪聲時，該方法容易受到影響。矩方法是假設(shè)實際圖像的邊緣分布與理想邊緣模型灰度矩一致，以此來確定實際邊緣；擬合法則是通過擬合假設(shè)實際圖像的邊緣分布，獲得亞像素的邊緣定位。矩方法和擬合法由于涉及假設(shè)實際圖像邊緣分布模型，因此計算復(fù)雜，求解速度慢。本文采用插值法提取亞像素輪廓。

Devernay對Canny算法進(jìn)行了改進(jìn)，通過對梯度方向上相鄰的三點梯度模值的二次函數(shù)插補(bǔ)，計算出新的邊緣點[5]，計算過程見圖1。

圖1 邊緣點插值示意圖

‖g(A,B,C)‖為3個垂直于邊緣方向上的梯度模值，Canny算法會選擇模值最大的B點作為邊緣點。但是，也可能在A和C之間存在η點，在η點處的梯度模值大于B點及AC之間的其他點，此時，η點能更好地表示邊緣。為了更好地計算，利用ABC三點來進(jìn)行二次方程擬合，并求出相對于BC向量的補(bǔ)償η，公式為

為了消除在非水平和垂直方向上的誤差，當(dāng)點（x，y） 處梯度滿足式（2） 時該點為水平方向的邊緣點

類似于此，也可確定垂直方向的邊緣點。

3.2 邊緣點鏈

通過3.1的方法檢測出邊緣點，但每個邊緣點并不相關(guān)，需要將邊緣點連成邊緣鏈，從而形成圖像輪廓。

被歸為同一鏈路的像素點應(yīng)具有近似的梯度方向，設(shè)有兩個像素點A與B，當(dāng)圖像邊緣上它們的夾角小于90°時，數(shù)學(xué)表示為g（A）·g（B）＞0。另外，輪廓將圖像的亮區(qū)域和暗區(qū)域分開，所以連續(xù)的鏈路需要將暗區(qū)域劃分到曲線的同一側(cè)，可通過驗證從邊緣點A到B的向量與點A兩個可能的梯度方向中的一個是否近似正交。當(dāng)（A）＞0時，A→B稱為前向鏈路，反之稱為反向鏈路。

邊緣點最多有一個前向鏈路和后向鏈路，在確定AB成為邊緣鏈前，要確定A是否有前向鏈路以及B是否有后向鏈路。

以圖2為例，A，B，C，D四點的距離關(guān)系滿足：‖A－B‖＞‖B－C‖＞‖C－D‖，假定鏈路為A→B→C，B點同時存在A→B和C→B，根據(jù)CB距離小于AB，所以A→B會被切斷，同樣的，由于CD距離小于BC，因此C→B也會被切斷，因此只剩下C→D。在假定鏈路為C→B→A，剩下鏈路A→B，故最后的結(jié)果為A→B和C→D。

圖2 邊緣鏈確定

3.3 亞像素邊緣提取實驗

為了證明上述亞像素輪廓提取方法的可行性與有效性，現(xiàn)使用Canny算子提取輪廓與亞像素輪廓提取結(jié)果進(jìn)行比對。見第119頁圖3。

由圖3可看出，當(dāng)圖像中線條較為緊密時，Canny算法提取的輪廓相較于真實輪廓較粗，甚至容易疊加到其他圖像線條上，而亞像素輪廓的提取結(jié)果明顯優(yōu)于Canny算法的提取效果。

圖3 Canny算法輪廓提取與亞像素輪廓提取對比

4 基于輪廓匹配的視覺定位實驗

4.1 定位流程

引線鍵合機(jī)的定位關(guān)鍵是找到所選模板在圖像中的位置，基于亞像素輪廓提取的定位算法流程見圖4。首先，對采集到的圖像進(jìn)行預(yù)處理，使其輪廓特征更加明顯；其次，創(chuàng)建特征明顯的ROI，提取ROI的亞像素輪廓，進(jìn)行模板創(chuàng)建，選擇符合實際情況的角度、縮放比與匹配分值進(jìn)行模板匹配，輸出圖像坐標(biāo)，即完成定位。

圖4 引線鍵合機(jī)視覺系統(tǒng)定位流程

4.2 定位實驗

按照上述流程進(jìn)行引線鍵合機(jī)的視覺系統(tǒng)定位實驗，實驗結(jié)果見圖5。

圖5 視覺系統(tǒng)定位實驗結(jié)果

如圖5-c所示，本文方法可以利用輪廓精確定位至模板所選位置，由于在實際使用引線鍵合機(jī)的過程中，模板的旋轉(zhuǎn)角度不會超過5°，因此不會匹配到下方線圈，由此可證明本文所提出的定位方法切實可行。

5 結(jié)束語

引線鍵合機(jī)精度高，成本相對較低，因此成為芯片互連的主要技術(shù)，在未來的一段時間內(nèi)，引線鍵合機(jī)仍然會是芯片封裝技術(shù)的主流。隨著微電子行業(yè)的發(fā)展，芯片封裝技術(shù)也朝著集成度更高、性能更好、引線更多、間距更細(xì)化的方向發(fā)展，微電子技術(shù)是信息化社會的核心競爭力，也是信息化社會的基礎(chǔ)產(chǎn)業(yè)，優(yōu)化引線鍵合機(jī)技術(shù)，必將推動IC封裝行業(yè)的發(fā)展，也必將推動社會的信息化進(jìn)程。