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。