李福選，劉慧芳，2，蔣申彗，陳曦，劉占奇，常云龍

(1.沈陽工業(yè)大學(xué)機(jī)械工程學(xué)院，遼寧沈陽 110870；2.沈陽特殊材料多能場復(fù)合加工協(xié)同創(chuàng)新中心，遼寧沈陽 110027；3.沈陽金鋒特種刀具有限公司，遼寧沈陽 110027；4.沈陽工業(yè)大學(xué)材料科學(xué)與工程學(xué)院，遼寧沈陽 110870)

0 前言

隨著微電子和微機(jī)械領(lǐng)域的不斷發(fā)展，對微系統(tǒng)組裝技術(shù)的要求也越來越高[1-2]。其中，超微量點(diǎn)膠作為一種粘接技術(shù)，主要是用pL級或fL級的流體來實(shí)現(xiàn)連接的。并且，因其對工作環(huán)境要求低、實(shí)現(xiàn)簡單、應(yīng)力低等優(yōu)點(diǎn)被廣泛應(yīng)用[3-5]。但是，在面對大批量生產(chǎn)和多個待點(diǎn)膠目標(biāo)時，點(diǎn)膠系統(tǒng)的移液針需要按順序移動至各個待點(diǎn)膠位置，會產(chǎn)生大量重復(fù)的行程，大大增加了超微量點(diǎn)膠的工作時間。因此，迫切需要一種既能保證點(diǎn)膠的準(zhǔn)確性又能優(yōu)化點(diǎn)膠路徑的方法，以滿足微電子封裝中超微量點(diǎn)膠準(zhǔn)確性和快速性的要求。

現(xiàn)有點(diǎn)膠機(jī)在面對多個待加工點(diǎn)位時，都是按照沿X軸或者Y軸方向加工。若既定的加工點(diǎn)位排列較為整齊，按照上述方法加工還較為高效，但在實(shí)際生產(chǎn)中大量的待加工點(diǎn)位無序排列，若還按照這種方法加工將會產(chǎn)生大量重復(fù)行程，導(dǎo)致點(diǎn)膠的效率降低，因此需要采用智能算法對點(diǎn)膠路徑進(jìn)行規(guī)劃。微量點(diǎn)膠的路徑規(guī)劃可以看作是組合優(yōu)化問題[6-7]，加工路線的數(shù)量會隨著待加工點(diǎn)位的增加而增多，在大量的可行解中尋找最優(yōu)解，常規(guī)算法就顯得捉襟見肘。例如，遺傳算法和模擬退火算法就存在可行解構(gòu)造困難、容易陷入局部最優(yōu)的問題[8]。馬俊等人[9]提出采用蟻群算法進(jìn)行點(diǎn)膠路徑規(guī)劃，但蟻群算法較為依賴初始信息素的分布且初始狀態(tài)下信息素分布較為匱乏，導(dǎo)致前期收斂較慢且具有盲目性，影響點(diǎn)膠的效率。本文作者采用改進(jìn)后的遺傳-蟻群算法來進(jìn)行路徑規(guī)劃。同時，隨著智能技術(shù)的快速發(fā)展，部分學(xué)者提出通過搭建視覺系統(tǒng)進(jìn)行工件的定位工作[10-12]。因為文中的微量膠液轉(zhuǎn)移分配實(shí)驗是基于三軸驅(qū)動平臺進(jìn)行的，所以采用高分辨率工業(yè)相機(jī)進(jìn)行圖像采集、處理和模板匹配等操作完成定位，并通過改進(jìn)的遺傳-蟻群算法進(jìn)行路徑規(guī)劃，在膠滴體積達(dá)到pL級別的同時能夠快速準(zhǔn)確地規(guī)劃出膠液轉(zhuǎn)移路徑，既保證了微量膠液轉(zhuǎn)移的準(zhǔn)確性又能提高效率。

1 pL級微量膠液轉(zhuǎn)移平臺搭建及膠液轉(zhuǎn)移方式

1.1 微量膠液轉(zhuǎn)移平臺搭建

在微電子器件生產(chǎn)過程中，通常會用微量膠液轉(zhuǎn)移技術(shù)對精密器件進(jìn)行封裝處理。由于精密器件的封裝對微量膠液轉(zhuǎn)移技術(shù)的出膠量和位置精度都有較高的要求，而目前常見的膠液轉(zhuǎn)移系統(tǒng)并不能達(dá)到相應(yīng)使用要求。因此，需要搭建滿足封裝要求的微量膠液轉(zhuǎn)移平臺。有學(xué)者指出自動噴涂平臺通常由機(jī)器視覺系統(tǒng)、噴涂系統(tǒng)和驅(qū)動系統(tǒng)組成[13]，所以本文作者搭建的微量膠液轉(zhuǎn)移平臺主要包括機(jī)器視覺系統(tǒng)、膠液分配系統(tǒng)和驅(qū)動控制系統(tǒng)。其中，機(jī)器視覺系統(tǒng)用來觀察膠液轉(zhuǎn)移過程及采集實(shí)驗數(shù)據(jù)，由CCD工業(yè)相機(jī)、長軸鏡頭、同軸光源、圖像采集卡和上位機(jī)共同組成[14]。膠液分配系統(tǒng)將膠液從共體表面轉(zhuǎn)移到受體表面，由移液針、儲膠管、基面組成。驅(qū)動控制系統(tǒng)控制膠液分配系統(tǒng)的運(yùn)動軌跡，由X、Y、Z軸精密驅(qū)動平臺和上位機(jī)控制系統(tǒng)組成。擬搭建的微量膠液轉(zhuǎn)移平臺如圖1所示。

根據(jù)擬搭建的微量膠液轉(zhuǎn)移平臺，結(jié)合實(shí)際應(yīng)用要求：機(jī)器視覺系統(tǒng)選用CCD工業(yè)相機(jī)、4K變焦鏡頭組、配套同軸光源；膠液分配系統(tǒng)選用直徑數(shù)百微米的鎢針、內(nèi)徑0.8 mm的玻璃毛細(xì)管、載玻片；驅(qū)動控制系統(tǒng)選用神津精機(jī)驅(qū)動平臺、常規(guī)性能計算機(jī)、精密微驅(qū)動控制裝置。實(shí)際搭建的微量膠液轉(zhuǎn)移平臺如圖2所示。

圖2 微量膠液轉(zhuǎn)移平臺實(shí)物

1.2 微量膠液轉(zhuǎn)移方式

膠液在轉(zhuǎn)移過程中按照供體表面與受體表面是否接觸分為接觸式膠液轉(zhuǎn)移和非接觸式膠液轉(zhuǎn)移兩種[15]。由于接觸式膠液轉(zhuǎn)移具有膠液分配量可控和適用膠液黏度范圍廣的優(yōu)點(diǎn)，本文作者采用一種基于表面張力的超微量針轉(zhuǎn)移接觸式膠液轉(zhuǎn)移方法，并通過機(jī)器視覺和遺傳-蟻群算法對其進(jìn)行路徑規(guī)劃。針轉(zhuǎn)移式膠液轉(zhuǎn)移方法由取膠、擠壓、拉伸及成膠4個階段組成，如圖3所示。

圖3 膠液轉(zhuǎn)移過程

通過移液針將儲膠管中的膠液附著在其表面，然后通過移液針的向下移動使附著在移液針尖端的膠液與受體表面接觸并將部分膠液留在受體表面形成膠滴，完成一次膠液轉(zhuǎn)移。在本文作者所搭建的平臺中，移液針固連在Z軸上，XY平臺上放置待加工工件，移液針通過Z軸電機(jī)進(jìn)行上下運(yùn)動完成膠液轉(zhuǎn)移工作。實(shí)際膠液轉(zhuǎn)移過程如圖4所示。轉(zhuǎn)移后膠滴直徑為微米級，體積為pL級，滿足微量膠液轉(zhuǎn)移分配的實(shí)驗要求。

圖4 膠液實(shí)際轉(zhuǎn)移過程

本文作者進(jìn)行路徑規(guī)劃的目標(biāo)是位于同一平面的一個個離散的點(diǎn)，微動平臺的XY軸根據(jù)規(guī)劃后目標(biāo)的順序，將工件移動到相應(yīng)位置停下，等待Z軸運(yùn)動帶動移液針向下進(jìn)行膠液轉(zhuǎn)移，待Z軸向上離開工件后，XY軸繼續(xù)帶動工件運(yùn)動到下一個點(diǎn)位，如此反復(fù)直到完成作業(yè)任務(wù)。因為是離散的點(diǎn)且不需要連續(xù)走過多個點(diǎn)位，所以本文作者對于X、Y、Z軸均采用給定速度的線性插值方法，如公式(1)所示：

q(t)=a0+a1(t1-t0)

(1)

其中：q(t)表示插值后的曲線；a0表示初始時刻的位置；a1表示速度，是一個給定的常量；t0表示初始時刻；t1表示到達(dá)下一位置的時刻。

當(dāng)給定速度a1后，可通過公式(2)求出a0和t1。

(2)

2 pL級微量膠液分配路徑規(guī)劃方法

為了將膠液分配到既定位置，常將移液針的運(yùn)動路徑按照沿X方向或Y方向進(jìn)行規(guī)劃，但是采用這種方法會使膠液轉(zhuǎn)移效率降低，因此需要采用智能算法對移液針的運(yùn)動路徑進(jìn)行規(guī)劃并通過視覺系統(tǒng)加以輔助定位，實(shí)現(xiàn)準(zhǔn)確高效的自動膠液轉(zhuǎn)移分配。在微量和超微量膠液轉(zhuǎn)移過程中，需要準(zhǔn)確快速地規(guī)劃出移液針運(yùn)動路徑，所以要求智能算法的求解速度快、穩(wěn)定性較好。本文作者提出了改進(jìn)的遺傳-蟻群算法，利用遺傳算法前期收斂快和較強(qiáng)的全局搜索能力，快速得到蟻群算法的初始信息素分布，改善蟻群算法初始化速度較慢、搜索時間長的缺點(diǎn)。同時，引入了擇優(yōu)和排名因子來擴(kuò)大優(yōu)秀螞蟻的優(yōu)勢，避免蟻群算法后期陷入局部最優(yōu)，使其能夠穩(wěn)定和快速地規(guī)劃出所需路徑，降低微量和超微量膠液轉(zhuǎn)移分配所需的時間。

2.1 改進(jìn)的遺傳-蟻群算法原理及流程

路徑規(guī)劃應(yīng)用于微量膠液轉(zhuǎn)移分配的實(shí)質(zhì)是對大量待加工位置進(jìn)行規(guī)劃，找到一個最優(yōu)的加工路線，從而提高點(diǎn)樣的效率。由于微量膠液轉(zhuǎn)移分配過程是對一個個點(diǎn)位進(jìn)行加工，所以本文作者采用十進(jìn)制編碼法對點(diǎn)位進(jìn)行編號。將遍歷路徑總長度的倒數(shù)作為適應(yīng)度函數(shù)來區(qū)分路徑的好壞，如公式(3)所示：

(3)

其中：d(ci,ci+1)表示某一段路徑的長度，共有n段路徑。

算法中的比例選擇方法采用輪盤賭法，交叉變異操作采用順序交叉法和兩點(diǎn)互換變異方法。

選取遺傳算法適應(yīng)度較高的若干優(yōu)秀解轉(zhuǎn)化為蟻群算法的部分初始信息素值，如公式(4)和(5)所示：

(4)

(5)

改進(jìn)后的信息素更新規(guī)則將每只螞蟻所搜尋到的膠液分配路徑長度從小到大進(jìn)行排列，只取前20%的螞蟻釋放信息素。同時，引入一個因子使排名越靠前的螞蟻釋放的信息素越多，擴(kuò)大優(yōu)秀螞蟻的優(yōu)勢。該因子的數(shù)值與入選螞蟻的排名有關(guān)，隨著排名次序從1到0線性遞減，排名越靠前，該因子數(shù)值越大。若某次迭代中，最優(yōu)個體的路徑長度大于目前已經(jīng)找到的最優(yōu)路徑長度時，為保證之前的最優(yōu)路徑在被超越之前不被遺忘，將最優(yōu)路徑的螞蟻?zhàn)鳛榈谝幻尤氲脚琶?dāng)中，并將其他螞蟻的名次依次順延。最后進(jìn)行全局信息素更新，如公式(6)和(7)所示：

(6)

(7)

改進(jìn)的遺傳-蟻群算法流程如圖5所示。

圖5 改進(jìn)遺傳-蟻群算法流程

2.2 算法初始參數(shù)選擇

融合后的遺傳-蟻群算法擁有許多初始參數(shù)，合理選擇參數(shù)可以提高算法的性能。目前每個參數(shù)的選擇沒有確切的標(biāo)準(zhǔn)，主要依靠經(jīng)驗選擇。這些參數(shù)都有一個合理的范圍，如表1和表2所示。

表2 蟻群算法參數(shù)取值范圍

本文作者針對的是pL級微量膠液轉(zhuǎn)移分配的路徑規(guī)劃問題，目標(biāo)數(shù)量多于50，所以螞蟻數(shù)量初選為75。其他參數(shù)在上述范圍內(nèi)初選某一值，并多次調(diào)整參數(shù)，確定較優(yōu)的參數(shù)組合。本文作者最終選取的參數(shù)如表3所示。

表3 遺傳-蟻群算法參數(shù)

3 微量膠液轉(zhuǎn)移的路徑規(guī)劃實(shí)驗

微量膠液轉(zhuǎn)移實(shí)驗是對微米級的待加工目標(biāo)進(jìn)行膠液轉(zhuǎn)移分配。因?qū)嶒灄l件限制，本文作者通過超景深光學(xué)顯微鏡和超微量點(diǎn)膠裝置制作了含有大量無序點(diǎn)位的待加工模板。后續(xù)的實(shí)驗都將基于這個模板進(jìn)行。首先，通過工業(yè)相機(jī)對其進(jìn)行圖像采集，模板和采集到的圖像如圖6所示。

圖6 待加工模板

采集到的圖像需進(jìn)行圖像分割、降噪和形態(tài)學(xué)處理等圖像預(yù)處理操作[11]，保證后續(xù)實(shí)驗成功進(jìn)行。預(yù)處理內(nèi)容包括灰度處理、二值化、中值濾波和閉運(yùn)算，其效果如圖7所示。

圖7 圖像預(yù)處理效果

預(yù)處理完成后，需要對處理后圖片進(jìn)行模板匹配以確定既定點(diǎn)位的位置信息。模板匹配是將模板圖像與采集圖像進(jìn)行相似度對比，找到最大相似度所在區(qū)域并定義為模板成功匹配區(qū)域。由于采用單模板匹配多個目標(biāo)的方式會導(dǎo)致邊框重復(fù)，不利于位置坐標(biāo)導(dǎo)出，因此采用NMS方式去掉重復(fù)矩形框，其效果如圖8所示。

圖8 模板匹配結(jié)果

將所得點(diǎn)位信息分別導(dǎo)入到遺傳算法、蟻群算法、遺傳-蟻群算法、沿X方向算法和沿Y方向算法得到其最優(yōu)路徑圖，如圖9所示。

圖9 規(guī)劃路徑

由圖9可知：沿X方向算法和沿Y方向算法規(guī)劃的路徑有大量往復(fù)運(yùn)動，經(jīng)計算得出最優(yōu)路徑長度分別為10 900、13 360 μm；而智能算法規(guī)劃的路徑長度相對較短，分別為4 480、4 310、4 290 μm。路徑最短的遺傳-蟻群算法相較于沿X方向算法縮短了60.6%，相較于沿Y方向算法縮短了67.9%，而另外兩種智能算法的路徑長度與遺傳-蟻群算法較接近。因此，對3種智能算法時間進(jìn)行求解，得出關(guān)于路徑長度和求解時間的結(jié)果如表4所示。

表4 智能算法結(jié)果

由表4可知：遺傳算法的路徑長度和求解時間最長，而蟻群算法和遺傳-蟻群算法在這兩方面的差異較小。因此對這兩種算法的路徑長度-迭代次數(shù)進(jìn)行對比，結(jié)果如圖10所示?？梢钥闯觯哼z傳-蟻群算法的初始路徑長度更接近最優(yōu)解，收斂速度更快，收斂到最優(yōu)解所需要的迭代次數(shù)更少。因此在微量膠液轉(zhuǎn)移路徑規(guī)劃單次求解過程中，采用改進(jìn)的遺傳-蟻群算法可以更快得到最優(yōu)路徑。

圖10 路徑長度-迭代次數(shù)對比

除了比較單次求解的優(yōu)劣外，還需要對3種智能算法在多次求解過程中的穩(wěn)定性進(jìn)行對比。采用3種智能算法分別進(jìn)行50次路徑規(guī)劃，并在每種算法中隨機(jī)抽取15個樣本進(jìn)行比較，結(jié)果如圖11所示?？梢钥闯觯哼z傳算法和蟻群算法的路徑長度波動較大，求解穩(wěn)定性較差，而遺傳-蟻群算法的路徑長度在最優(yōu)解附近小幅波動，求解穩(wěn)定性更高。

圖11 多次實(shí)驗隨機(jī)樣本圖

增加待加工目標(biāo)的個數(shù)再次進(jìn)行多次實(shí)驗，隨機(jī)抽取15個樣本，結(jié)果如圖12所示?？梢钥闯觯焊倪M(jìn)后的遺傳-蟻群算法依舊表現(xiàn)良好，所得優(yōu)秀解靠近最優(yōu)解，不易陷入局部最優(yōu)且穩(wěn)定性相對較好。

圖12 增加目標(biāo)后多次實(shí)驗隨機(jī)樣本圖

路徑規(guī)劃后會生成一系列按加工順序排列的位置坐標(biāo)，將其導(dǎo)入驅(qū)動控制系統(tǒng)中后，精密驅(qū)動平臺會自動按點(diǎn)位順序進(jìn)行移動并配合膠液分配系統(tǒng)完成微量膠液轉(zhuǎn)移分配，結(jié)果如圖13所示。通過觀察轉(zhuǎn)移后膠滴和預(yù)設(shè)路徑可以看出每個膠滴都落在了預(yù)設(shè)路徑的節(jié)點(diǎn)上。驅(qū)動控制系統(tǒng)和膠液分配系統(tǒng)按照該路徑花費(fèi)136.8 s完成微量膠液轉(zhuǎn)移分配工作，而按照傳統(tǒng)的沿X或Y方向則需269 s或318.2 s，大幅度減少了微量膠液轉(zhuǎn)移分配所需時間。

圖13 微量膠液轉(zhuǎn)移實(shí)驗結(jié)果

通過超景深光學(xué)顯微鏡觀測單個膠滴的形態(tài)，如圖14所示。轉(zhuǎn)移后膠滴完全覆蓋待加工目標(biāo)，其中心點(diǎn)幾乎與待分配目標(biāo)的中心點(diǎn)重合，位置精度較高，誤差產(chǎn)生原因跟系統(tǒng)誤差以及膠滴在膠液轉(zhuǎn)移過程成膠階段產(chǎn)生收縮有關(guān)。

圖14 顯微鏡檢測結(jié)果

膠液轉(zhuǎn)移分配的時間長短除了與規(guī)劃后路徑的質(zhì)量有關(guān)外，移液針的上下運(yùn)動速度和在目標(biāo)位置停留的時間也直接影響作業(yè)效率。轉(zhuǎn)移后膠滴的直徑也受這兩個因素的影響，速度過快或者停留的時間太短都會使膠滴的直徑不穩(wěn)定，影響膠液分配的效果，過慢又會直接增加作業(yè)的時間。文中加工后所有膠滴直徑如表5所示。根據(jù)表5可計算出膠滴的平均直徑為68.6 μm，方差為0.23，波動較小，滿足正常作業(yè)要求。波動原因也跟儲膠管中的膠液含量有關(guān)，后續(xù)可嘗試添加傳感器進(jìn)行膠液體積分配方面的研究。

表5 轉(zhuǎn)移后膠滴直徑

4 結(jié)論

本文作者通過機(jī)器視覺系統(tǒng)和遺傳-蟻群算法解決了pL分辨率的微量膠液轉(zhuǎn)移分配路徑規(guī)劃問題，利用機(jī)器視覺系統(tǒng)輔助定位加上改進(jìn)的遺傳-蟻群算法快速、準(zhǔn)確和穩(wěn)定地規(guī)劃出路徑，使轉(zhuǎn)移后的膠滴幾乎精確落在預(yù)設(shè)點(diǎn)位上，位置精度較高。膠滴平均直徑為68.6 μm且波動范圍較小，體積達(dá)到pL級。規(guī)劃后路徑相較于沿X方向規(guī)劃縮短了60.6%，相較于沿Y方向規(guī)劃縮短了67.9%，整個作業(yè)時間相較于傳統(tǒng)方法減少了近半，大幅度提高了工作效率，且隨著點(diǎn)位數(shù)目增多，文中算法依舊表現(xiàn)良好。