本发明总体上涉及半导体，以及更具体地，涉及一种用于检测基板上凸点的缺陷的方法和装置。
背景技术：
1、在半导体封装过程中，通常采用直接加强筋附接(dsa,direct stiffenerattachment)工艺将加强筋附接到基板的四周来控制基板的封装翘曲。然而，直接加强筋附接过程中将导致在基板上凸点产生异物、桥接以及划痕等问题。在接下来将管芯键合至基板之后，凸点上的异物、桥接以及划痕可能导致短路，从而使得所键合的管芯报废。
2、为了解决这一问题，在将加强筋附接到基板之后并且在将管芯键合至基板之前，通过人工目检将凸点存在缺陷的基板挑选出来。然而，凸点的尺寸随着技术的进步持续减小，这导致人工目检的可靠性大大降低。此外，通常这种凸点的总体缺陷率并不高，例如其百万缺陷率(dpm,defects per million)可能在300左右，这也导致人工目检耗时且效率不高。
3、当前存在专门设计用于加强筋质量检测的系统，而没有专门设计用于检测基板上凸点的缺陷的系统。此外，用于加强筋质量检测的系统中所用的相机的像素通常不高，所以无法利用该相机拍摄到的图像来检测基板上凸点是否存在缺陷，更不用说检测缺陷的类型。如图1中所示，照片是利用当前用于加强筋质量检测的系统中的相机所拍摄的，加强筋110附接在基板120的四周，在加强筋110的附接过程中，可能会在基板120的凸点区域130、140中产生缺陷。然而，很难利用图1中所示的照片来检测凸点区域130、140内的凸点是否存在缺陷，更不用检测缺陷的类型。
4、因此，需要一种用于检测基板上凸点的缺陷的方法和装置，其能够利用现有的设备拍摄到的图像来快速且精确地检测基板上凸点的各种缺陷，不管所拍摄到的图像的像素高低与否。
技术实现思路
1、根据本发明的实施例，提供了一种用于检测基板上凸点的缺陷的方法，包括：获取所述基板的图像，所述基板上包括用于键合的凸点；将所述图像提供给分割模型，以获取凸点区域的图像；以及将所获取的凸点区域的图像提供给对象检测模型，以确定所述凸点是否存在缺陷。
2、在一个实施例中，确定所述凸点是否存在缺陷包括确定所述缺陷的位置、类型和存在缺陷的概率。
3、在一个实施例中，所述类型包括所述凸点上存在异物、桥接、划痕以及导电胶中的一种或多种。
4、在一个实施例中，如果所述缺陷的尺寸小于阈值，则所述方法还包括：将在所述对象检测模型的输出图像中尺寸小于所述阈值的缺陷区域的图像切割出来；以及将所述缺陷区域的图像提供给缺陷分类模型，以进一步确定所述缺陷的类型。
5、在一个实施例中，所述分割模型是u-net、mask r-cnn、solo分割模型中的任一种。
6、在一个实施例中，所述对象检测模型是yolo、ssd、efficientdet检测模型中的任一种。
7、在一个实施例中，所述缺陷分类模型是densenet、vgg、mobilenet分类模型中的任一种。
8、在一个实施例中，所述分割模型是利用多个第一样本图像训练获得的，每一第一样本图像包括用于指示所述第一样本图像中所包括的凸点区域的位置的标签值。
9、在一个实施例中，所述对象检测模型是利用多个第二样本图像训练获得的，每一第二样本图像包括用于指示所述第二样本图像是否包含缺陷以及包含缺陷时所述缺陷的类型和位置的标签值。
10、在一个实施例中，所述缺陷分类模型是利用多个第三样本图像训练获得的，每一第三样本图像包括用于指示所述第三样本图像是否包含缺陷以及包含缺陷时所述缺陷的类型和位置的标签值。
11、在一个实施例中，所述第一样本图像、所述第二样本图像以及所述第三样本图像中的每一样本图像还包括用于指示与所述每一样本图像对应的产品名称、采集所述每一样本图像时的照明条件、基板供应商的标签值。
12、在一个实施例中，在将所述基板的图像提供给所述分割模型之前，所述方法还包括对所述图像进行预处理。
13、在一个实施例中，所述预处理包括计算所述图像的旋转矩阵。
14、根据本发明的实施例，提供了一种用于检测基板上凸点的缺陷的装置，包括：存储器；以及控制单元，所述控制单元与所述存储器耦合并且被配置为用于执行根据本发明中的方法。
15、根据本发明的实施例，提供了一种计算机可读介质，其存储包括指令的计算机程序，所述指令在由控制单元执行时使得所述控制单元被配置为执行根据本发明所述的方法。
16、根据本发明的实施例，提供了一种用于检测基板上凸点的缺陷的计算机程序产品，包括处理器可执行的计算机程序代码，所述计算机程序代码用于执行根据本发明的方法。
1.一种用于检测基板上凸点的缺陷的方法，包括：
2.根据权利要求1所述的方法，其中，确定所述凸点是否存在缺陷包括确定所述缺陷的位置、类型和存在缺陷的概率。
3.根据权利要求2所述的方法，其中，所述类型包括所述凸点上存在异物、桥接、划痕以及导电胶中的一种或多种。
4.根据权利要求3所述的方法，如果所述缺陷的尺寸小于阈值，则所述方法还包括：
5.根据权利要求1所述的方法，其中，所述分割模型是u-net、mask r-cnn、solo分割模型中的任一种。
6.根据权利要求1所述的方法，其中，所述对象检测模型是yolo、ssd、efficientdet检测模型中的任一种。
7.根据权利要求4所述的方法，其中，所述缺陷分类模型是densenet、vgg、mobilenet分类模型中的任一种。
8.根据权利要求5所述的方法，其中，所述分割模型是利用多个第一样本图像训练获得的，每一第一样本图像包括用于指示所述第一样本图像中所包括的凸点区域的位置的标签值。
9.根据权利要求6所述的方法，其中，所述对象检测模型是利用多个第二样本图像训练获得的，每一第二样本图像包括用于指示所述第二样本图像是否包含缺陷以及包含缺陷时所述缺陷的类型和位置的标签值。
10.根据权利要求7所述的方法，其中，所述缺陷分类模型是利用多个第三样本图像训练获得的，每一第三样本图像包括用于指示所述第三样本图像是否包含缺陷以及包含缺陷时所述缺陷的类型和位置的标签值。
11.根据权利要求8-10中任一项所述的方法，其中，所述第一样本图像、所述第二样本图像以及所述第三样本图像中的每一样本图像还包括用于指示与所述每一样本图像对应的产品名称、采集所述每一样本图像时的照明条件、基板供应商的标签值。
12.根据权利要求1所述的方法，其中，在将所述基板的图像提供给所述分割模型之前，所述方法还包括对所述图像进行预处理。
13.根据权利要求12所述的方法，其中，所述预处理包括计算所述图像的旋转矩阵。
14.一种用于检测基板上凸点的缺陷的装置，包括：
15.一种计算机可读介质，其存储包括指令的计算机程序，所述指令在由控制单元执行时使得所述控制单元被配置为执行根据权利要求1-13中的任一项所述的方法。
16.一种用于检测基板上凸点的缺陷的计算机程序产品，包括处理器可执行的计算机程序代码，所述计算机程序代码用于执行根据权利要求1-13中的任一项所述的方法。
