| Название НИОКТР |
Развитие методов интеллектуального управления технологическим оборудованием на примере разварки полупроводниковых кристаллов, его автоматизация с применением системы технического зрения
|
| Аннотация |
Основной целью исследования является формирование научно-технического и опытно-конструкторского задела, позволяющего на основе разрабатываемых коллективом мехатронных модулей, совмещенных с интеллектуальной системой машинного зрения создавать программно-аппаратные комплексы шовно-роликовой сварки и разварки проволочных соединений полупроводниковых кристаллов с функцией автоматизированного оптического контроля качества соединения.
Ожидаемые результаты и их возможная практическая значимость:
В ходе выполнения проекта будут разработаны методы и алгоритмы технического зрения, необходимые для создания прецизионного автомата разварки соединений между подложкой и полупроводниковым кристаллом.
Предлагаемые методы и алгоритмы первичной обработки данных, фиксируемых сенсорами системы машинного зрения, направлены на значительное улучшение качества данных и выявление базовых признаков объектов для контроля качества технологических операций. Новизна заключается в разработке уникальных алгоритмов, способных эффективно обрабатывать и фильтровать данные с высоким уровнем шума, характерного для полупроводниковых кристаллов. В отличие от существующих подходов, предлагаемые алгоритмы будут интегрировать методы глубокого обучения и адаптивной фильтрации, что позволит значительно повысить точность и скорость обработки изображений в реальном времени. Кроме того, предлагаемые подходы будут включать в себя адаптивные методы повышения контрастности и разрешения изображений, что позволит работать с более сложными и менее контрастными образами полупроводниковых кристаллов, что обеспечит более высокую точность в процессе контроля качества, позволяя обнаруживать микроскопические дефекты, которые могут оставаться незамеченными при использовании традиционных методов обработки данных.
Предлагаемые методы и алгоритмы формирования робастных дескрипторов для системы технического зрения предназначены для повышения точности и устойчивости распознавания объектов, используемых в контроле качества технологических операций. Новизна заключается в разработке уникальных подходов к формированию дескрипторов, которые будут обеспечивать высокую устойчивость к разнообразным помехам, таким как изменения освещенности, шум, или неполные данные. В отличие от традиционных методов, предлагаемые алгоритмы будут интегрировать концепции многомасштабной обработки изображений, а также использовать новые подходы, такие как инвариантность к трансформациям (вращению, масштабированию и искажениям), что позволит значительно повысить точность распознавания даже в условиях сложных производственных факторов. Робастные дескрипторы будут ориентированы на ключевые признаки, критичные для выявления дефектов и отклонений, обеспечивая надежную работу системы в реальных условиях производства. Предлагаемые алгоритмы будут включать механизм обучения с учителем, что позволит на основе полученных данных адаптировать дескрипторы под конкретные технологические процессы и специфику производства, улучшая распознавание объектов с различными вариациями. Это обеспечит значительное улучшение в процессе контроля качества, сокращая количество ложных срабатываний и повышая эффективность обнаружения дефектов на различных стадиях технологических операций.
Разрабатываемые методы и алгоритмы распознавания объектов для контроля качества технологических операций и позиционирования разварочной головки отличаются инновационным подходом, который направлен на интеграцию высокоточных технологий машинного зрения с адаптивными алгоритмами для выполнения сложных задач в реальном времени. Новизна заключается в создании методов распознавания, способных эффективно работать с полупроводниковыми кристаллами и другими объектами, имеющими сложные текстуры и малые размеры, что является важной проблемой в области микроэлектронного производства.
Предложенные алгоритмы будут включать в себя использование гибридных моделей, сочетающих традиционные методы обработки изображений с алгоритмами глубокого обучения для более точного и стабильного распознавания объектов, а также интеграцию моделей позиционирования с учетом динамики движения разварочной головки. Это позволит обеспечивать высокую точность позиционирования в условиях нестабильной освещенности и деформаций, которые могут возникать в процессе технологической обработки. Таким образом, разработка предложенных методов и алгоритмов распознавания обеспечит более высокое качество контроля технологических операций, а также повысит надежность и производительность системы за счет точного позиционирования разварочной головки в реальном времени.
Будет разработан, создан и испытан стенд, реализующий операцию разварки полупроводникового кристалла с системой технического зрения.
Будет создана и опробована на реальных прототипах технология производства высокоточного оборудования для электронной промышленности Российской Федерации;
Реализация проекта направлена на формирование мультиспектральной многофункциональной реконфигурируемой системы машинного зрения, с возможностью формирования команд управления. Реализация функции использования группы сенсоров, фиксирующих данные в различных электромагнитных диапазонах, с их комплексным анализом и применением систем искусственного интеллекта, позволит повысить точностные характеристики, а также ввести возможность дополнительного контроля на основе признаков полученных в не видимом человеческим глазом спектре. Реализация предлагаемой программно-аппаратной части позволит получить унифицируемое решение, которое может быть применено при реализации широкого спектра машин, применяемых в электронном машиностроении. Прежде всего, это машины, в которых требуется контурное перемещение исполнительных механизмов с микронной и субмикронной точностью, в отличие от машин монтажа полупроводниковых кристаллов, где используется позиционное перемещение.
|
| Доступ к ОКОГУ исполнителя |
False
|
| Количество связанных РИД |
5
|
| Количество завершенных ИКРБС |
0
|
| Сумма бюджета |
51879.109
|
| Дата начала |
2025-01-01
|
| Дата окончания |
2027-12-31
|
| Номер контракта |
075-03-2025-702/1
|
| Дата контракта |
2025-06-06
|
| Количество отчетов |
3
|
| УДК |
004.896-027.21; 004.896-027.31
|
| Количество просмотров |
9
|
| Руководитель работы |
Алепко Андрей Владимирович
|
| Руководитель организации |
Падалкин Борис Васильевич
|
| Исполнитель |
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ "СТАНКИН"
|
| Заказчик |
МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
|
| Федеральная программа |
Отсутствует
|
| Госпрограмма |
Фундаментальные и поисковые научные исследования
|
| Основание НИОКТР |
Государственное задание
|
| Последний статус |
2025-07-24 19:18:03 UTC, 2025-07-24 19:18:03 UTC
|
| ОКПД |
Услуги (работы), связанные с научными исследованиями и экспериментальными разработками в области технических наук и в области технологий, прочие, не включенные в другие группировки, кроме биотехнологии
|
| Отраслевой сегмент |
—
|
| Минздрав |
—
|
| Межгосударственная целевая программа |
—
|
| Ключевые слова |
импортозамещение; видеоданные; разварка кристаллов; прецизионное оборудование; микросварка; электронное машиностроение
|
| Соисполнители |
—
|
| Типы НИОКТР |
Фундаментальное исследование
|
| Приоритетные направления |
—
|
| Критические технологии |
—
|
| Рубрикатор |
55.30.03 - Теория, исследование и проектирование роботов и манипуляторов
|
| OECD |
—
|
| OESR |
Робототехника и автоматическое управление
|
| Приоритеты научно-технического развития |
а) переход к передовым технологиям проектирования и создания высокотехнологичной продукции, основанным на применении интеллектуальных производственных решений, роботизированных и высокопроизводительных вычислительных систем, новых материалов и химических соединений, результатов обработки больших объемов данных, технологий машинного обучения и искусственного интеллекта;
|
| Регистрационные номера |
ikrbs: {'card_list': [{'id': 'M17SC7WCP3OLN95X5YB2IDLM'}]}; nioktr: {'id': 'U4RITJI8YZVP9AAYO2SXAU4R'}; nioktr: {'id': '2LKCTVSNF0HZHCW3I37ZBV92'}; nioktr: {'id': '8EZ840HDXS71M67HOH8STU0J'}; nioktr: {'id': 'RPJEOPRA0VSOVOXYCSE812TT'}; nioktr: {'id': 'H29LGGF8VBX4EIQJBC1MOIWS'}
|
