一种射频芯片检测中的邦球邦线识别方法

摘要：

针对引线键合效果的判定,本文提出了一种基于 AI的 AOI检测射频芯片引线键合效果的邦球邦线识别方法.该方法根据邦球邦线识别任务特点,改进了 Mask R-CNN 中特征金字塔层先验框生成机制,同时引入了基于碰撞检测的数据增强方式,提升了网络性能和效率,降低了人工标注成本.结果表明,改进后的 Mask R-CNN 模型可获取射频芯片中邦球和邦线的准确分割位置,mAP 为 85.23％,mIoU 为 71.27％,单幅射频芯片图像推理耗时约为1.168 s,基本满足生产中对于射频芯片装配精度以及速度的要求.通过本方法分割出邦球邦线,可辅助引线键合效果判断,在一定程度上提升了效率降低了人工成本.

关键词：工业应用、数据增强、AOI、深度学习、Mask R-CNN

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：129-134