申请/专利权人：爱尔达电气有限公司

申请日：2022-07-12

公开（公告）日：2023-01-06

公开（公告）号：CN114972327B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/25;G06V10/44;G06V10/82;G06N3/08;G06N3/04

优先权：

专利状态码：有效-授权

法律状态：2023.01.06#授权;2022.09.16#实质审查的生效;2022.08.30#公开

摘要：本申请涉及半导体封装的领域，其具体地公开了一种半导体封装测试系统及其测试方法，其通过超声波扫描仪采集塑封微电路的超声波图像，进一步使用卷积神经网络模型分别提取出所述超声波图像的浅层隐含特征信息以及更聚焦于所述芯片分层、引线键合和芯片粘接区域的高维隐含特征分布信息，并且在特征的融合时将这两者的特征图进行在尺度上的对其以及修正处理，这样，通过对全局特征图的每个位置的特征值进行概率性信息解释来进行柯西重概率化，以增强对信息损失的鲁棒性，提升所述全局特征图的特征表达能力。进而，也就能够对于塑封微电路的封装效果进行更准确地评估。

主权项：1.一种半导体封装测试系统，其特征在于，包括：训练模块，包括：训练图像获取单元，用于获取由超声波扫描仪采集的塑封微电路的超声波图像；第一卷积编码单元，用于将所述超声波图像通过使用第一卷积核的第一卷积神经网络以得到超声波特征图；感兴趣区域提取单元，用于基于芯片分层、引线键合区和芯片粘接区域在所述超声波图像中的位置，确定所述超声波特征图中对应于所述芯片分层、所述引线键合区和所述芯片粘接区域的多个感兴趣区域；感兴趣区域编码单元，用于将所述多个感兴趣区域分别通过使用第二卷积核的第二卷积神经网络以得到多个感兴趣区域特征图，其中，所述第二卷积核小于所述第一卷积核；第二卷积编码单元，用于将所述超声波特征图通过使用非重叠卷积核的第三卷积神经网络以得到与所述多个感兴趣区域特征图具有相同尺寸的全局特征图；补偿单元，用于对所述全局特征图中各个位置的特征值进行概率性信息解释以得到补偿后全局特征图，其中，所述概率性信息解释基于以所述全局特征图中各个位置的特征值为幂的自然指数函数值除以以所述全局特征图中各个位置的特征值为幂的自然指数函数值的加权和来进行；特征图融合单元，用于融合所述补偿后全局特征图和所述多个感兴趣区域特征图以得到分类特征图；损失计算单元，用于将所述分类特征图通过分类器以得到分类损失函数值；训练单元，用于基于所述分类损失函数值对所述第一卷积神经网络、所述第二卷积神经网络和所述第三卷积神经网络进行训练；以及推断模块，包括：待检测对象数据获取单元，用于获取由超声波扫描仪采集的塑封微电路的超声波图像；第一神经网络单元，用于将所述超声波图像通过经所述训练模块训练完成的所述使用第一卷积核的第一卷积神经网络以得到超声波特征图；感兴趣区域确定单元，用于基于芯片分层、引线键合区和芯片粘接区域在所述超声波图像中的位置，确定所述超声波特征图中对应于所述芯片分层、所述引线键合区和所述芯片粘接区域的多个感兴趣区域；感兴趣区域深层编码单元，用于将所述多个感兴趣区域分别通过经所述训练模块训练完成的使用第二卷积核的第二卷积神经网络以得到多个感兴趣区域特征图，其中，所述第二卷积核小于所述第一卷积核；第二神经网络单元，用于将所述超声波特征图通过使用经所述训练模块训练完成的所述非重叠卷积核的第三卷积神经网络以得到与所述多个感兴趣区域特征图具有相同尺寸的全局特征图；特征值补偿单元，用于对所述全局特征图中各个位置的特征值进行概率性信息解释以得到补偿后全局特征图，其中，所述概率性信息解释基于以所述全局特征图中各个位置的特征值为幂的自然指数函数值除以以所述全局特征图中各个位置的特征值为幂的自然指数函数值的加权和来进行；特征信息融合单元，用于融合所述补偿后全局特征图和所述多个感兴趣区域特征图以得到分类特征图；以及封装测试结果生成单元，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示塑封微电路的封装效果是否满足预设要求。

全文数据：

权利要求：

百度查询： 爱尔达电气有限公司 半导体封装测试系统及其测试方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD