[发明专利]一种半导体视觉检测快速部署和运维的方法、系统及存储介质

说明书

本申请提供了一种半导体视觉检测快速部署和运维方法、系统和存储介质。本申请采用低代码的思想，通过配置的方式快速的实现机器视觉算法的调试可视化和逻辑流程，并以解决方案包的形式进行快速的部署；通过将半导体封装和晶圆检测领域中大量人为操作的功能场景集成在一套软件平台中，对机台的配置参数，训练数据，训练模型进行暂存和版本的管理，通过可视化图表实时监测模型训练的过程，使得模型数据准确快速，解决了需求复杂多变引发的开发响应速度慢，现场生产过程中维护成本高，调试迭代的复杂度高等问题。

技术领域

本申请属于半导体检测技术领域，更具体的，涉及一种半导体视觉检测快速部署和运维的方法、系统及存储介质。

背景技术

半导体产业作为现代信息技术产业的基础，已成为社会发展和国民经济的基础性、战略性和先导性产业，是现代日常生活和未来科技进步必不可少的重要组成部分。随着半导体产品的加工面积成倍缩小带来加工难度不断扩大，未来生产半导体产品的制造设备将越来越精细化。近几年的一些新型技术更是推生出更多种类的半导体芯片，例如：AI芯片，5G芯片、物联网芯片、存储芯片、光芯片以及MEMS芯片等。随着芯片种类的增多，加之同种芯片在越发严格的要求下,对于质检的要求也越来越严格。

半导体芯片检测的方式多种多样，包括从传统的图像算法、机器学习算法，到不断发展中的AI神经网络算法。而且不同的芯片制程阶段，不同的芯片类型，对检测的要求也都不同，需要开发大量的检测算法来应对繁多复杂的需求。为了应对这些变化，也急需一套较为标准的软件流程来加速芯片质检过程中的开发，部署，运维等各个阶段。

针对不同芯片的检测需求开发出来的算法，在部署到现场检测软件过程中往往需要进行编程上的改动来适配。之后还需要进行参数的调试来获得较好的结果，而对于可视化的结果展示往往也需要软件编程的辅助来实现。整个过程会随着需求的增多而不断重复。

随着芯片尺寸的不断精密化，在一个相机视图下会有多个芯片实例，所以在对单个芯片进行检测前往往需要对整图进行切割。如果使用AI算法进行检测，还需要将切割后的小料进行标注和分类。之后将标注好的数据集传回进行模型训练。整个流程需要很多的人为介入，如切割结果是否正确，分类过程中的命名及规范，数据拷贝过程中的校验，模型迭代过程中的管理等。其中某一个环节出现问题将会导致最终的结果错误并且难以排查，因此存在开发响应速度慢，现场生产过程中维护成本高，调试迭代的复杂度高等问题。

发明内容

有鉴于此，本申请提供了一种半导体视觉检测快速部署和运维的方法、系统及存储介质，结合行业经验规范一套标准的流程和管理方式，再通过软件自动化的方式进行部署和运维，解决了需求复杂多变引发的开发响应速度慢，现场生产过程中维护成本高，调试迭代的复杂度高等问题。

本申请的具体技术方案如下：

本申请第一方面提供一种半导体视觉检测快速部署和运维的方法，包括如下步骤：

按照预定的数据类型和格式解析算法函数的输入参数和输出结果，将算法函数的输入参数和输出结果进行可视化处理；

根据可视化处理的部署结果对算法函数的逻辑关系进行归纳，并对目标解决方案中的多个算法函数的逻辑关系进行重新配置，生成调试算法库；

利用调试算法库对半导体芯片的图像坐标与物理坐标进行视觉定位以及切割制作，并实时输出调试数据；

对切割后的小图进行标注分类生成算法函数可以解析的训练集，利用训练集生成并迭代调试模型。

优选的，解析算法函数的输入参数和输出结果，将算法函数的输入参数和输出结果进行可视化处理具体为：

分别对算法函数的输入参数和输出结果按照数据类型和格式进行注册和定义；

解析算法函数输入参数的数据类型生成对应的UI输入控件，根据UI输入控件采用图像交互模式加载算法函数的输出结果；