你的位置:首頁(yè) > 測(cè)試測(cè)量 > 正文

AI如何解決模壓成型封裝厚度相關(guān)缺陷

發(fā)布時(shí)間:2020-10-27 來(lái)源:作者: Ernani D. Padilla Emmanuel P. Birog 責(zé)任編輯:lina

【導(dǎo)讀】塑封成型工藝是集成電路封裝技術(shù)最近幾年取得的一項(xiàng)進(jìn)步,該技術(shù)采用顆粒狀塑封材料封裝芯片,第一道工序是掃描基板上已完成引線鍵合的基板,獲取基板上芯片的總數(shù)量,然后按照封裝厚度要求計(jì)算所需塑封顆粒材料的數(shù)量。
   
1.前言
 
塑封成型工藝是集成電路封裝技術(shù)最近幾年取得的一項(xiàng)進(jìn)步,該技術(shù)采用顆粒狀塑封材料封裝芯片,第一道工序是掃描基板上已完成引線鍵合的基板,獲取基板上芯片的總數(shù)量,然后按照封裝厚度要求計(jì)算所需塑封顆粒材料的數(shù)量。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
第二步是把模塑顆粒注入到下模具,下模具載體臺(tái)面涂有一層脫模劑,將基板引線朝上置于上模具夾具內(nèi)。下模具抬起合模,把塑封材料壓向基板,達(dá)到封裝厚度要求后,下模具停止加壓,如圖1所示。
 
芯片掃描是塑封成型工藝中最重要的工序,因?yàn)檫@道工序決定了產(chǎn)品封裝的厚度。芯片掃描分為激光掃描和相機(jī)掃描兩種類型。激光掃描用于計(jì)算大尺寸芯片的數(shù)量,而相機(jī)掃描用于計(jì)算小尺寸芯片的數(shù)量。芯片掃描僅覆蓋整個(gè)基板的有效區(qū)域,但不包括端軌和側(cè)軌。圖2所示是實(shí)際基板和實(shí)際芯片掃描結(jié)果。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
1.1封裝厚度相關(guān)問(wèn)題
 
芯片掃描方法根據(jù)在產(chǎn)品配方中記錄的芯片配置數(shù)據(jù),識(shí)別產(chǎn)品批次錯(cuò)誤或配方不正確,防止模具誤操作。如果裝入的產(chǎn)品與產(chǎn)品配方不一致,模具將會(huì)發(fā)現(xiàn)芯片尺寸不同或芯片垂直高度錯(cuò)誤。最近推出的新產(chǎn)品的芯片配置數(shù)據(jù)完全相同,唯一的區(qū)別是封裝厚度要求不同,如圖3所示。如果使用封裝厚度高的配方加工封裝厚度低的產(chǎn)品,芯片掃描不會(huì)發(fā)現(xiàn)錯(cuò)誤,因?yàn)樾酒渲孟嗤粗嗳弧?/div>
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
另一個(gè)封裝厚度錯(cuò)誤的問(wèn)題是裝入產(chǎn)品的引線鍵合存在差異。如果存在錯(cuò)位芯片,模具壓板平整度將會(huì)受到影響,導(dǎo)致塑封材料從壓板四邊縫隙溢出。破損基板的裂縫如果延伸到模具工作區(qū)域,將導(dǎo)致塑封材料在合模過(guò)程中泄漏,這兩種溢料情況都會(huì)導(dǎo)致模塑材料數(shù)量減少,無(wú)法滿足封裝厚度要求。最壞的情況是,由于封裝很薄,材料不足將導(dǎo)致芯片和引線裸露在封裝外面,如圖4所示。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
如何避免錯(cuò)位芯片和破損基板,改進(jìn)辦法目前仍在研究中,但是由于模塑材料和多個(gè)芯片疊裝工藝都很復(fù)雜,改進(jìn)還有待時(shí)日。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
對(duì)于基板破損,通過(guò)比較不同的產(chǎn)品發(fā)現(xiàn),產(chǎn)品B和E在芯片鍵合和引線鍵合處都有通孔,基板破損發(fā)生率最高。多通孔工藝有較高的基板破損風(fēng)險(xiǎn)。對(duì)于錯(cuò)位芯片,只有在上道芯片貼裝工序之后才能處理。在芯片面平整度較低時(shí),可能會(huì)發(fā)生芯片錯(cuò)位問(wèn)題。還值得注意的是,產(chǎn)品A和D的基板較厚,破損率較低。薄基板更容易破損,合模壓力稍大一點(diǎn)就會(huì)損壞。下面章節(jié)比較表1中不同的產(chǎn)品。
 
1.2與封裝厚度有關(guān)的缺陷率
 
2018年塑封成型工藝封裝厚度相關(guān)缺陷的月均缺陷率為106 ppm,如圖5所示。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
模具溢料將會(huì)堵塞機(jī)臺(tái)的真空流道,疏通流道需要停機(jī),抽出阻塞物,這可能會(huì)影響生產(chǎn)效率。從2018年停機(jī)時(shí)間趨勢(shì)來(lái)看,每月平均停機(jī)28個(gè)小時(shí),如圖6所示。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
1.3目前的模具封裝厚度誤操作控制辦法
 
當(dāng)前防止因錯(cuò)誤程序或裝入錯(cuò)誤批次而引起的加工錯(cuò)誤的控制辦法包括在模具上粘貼產(chǎn)品封裝厚度要求,如表2所示。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
如圖7所示,在每個(gè)批次芯片裝入模具之前,檢查每個(gè)批次的追溯信息(行程卡)、實(shí)際基板和模具配方是否完全一致。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
如果某個(gè)批次的基板有異常,例如,在上線前發(fā)現(xiàn)基板損壞或有錯(cuò)位芯片,則將圖8所示的標(biāo)簽貼到該批次基板上,提供可追溯信息,以評(píng)估該基板是否可以加工或從不能用于前次模具。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
要求操作員使用千分尺測(cè)量模壓封裝厚度,從每個(gè)批次抽取1塊基板測(cè)量,確保不會(huì)漏掉封裝厚度錯(cuò)誤,這是生產(chǎn)操作規(guī)范。
 
1.4在塑封成型中應(yīng)用人工智能
 
針對(duì)因?yàn)榕浞藉e(cuò)誤或裝入錯(cuò)誤批次而導(dǎo)致的加工錯(cuò)誤,芯片掃描范圍被擴(kuò)大到側(cè)軌和端軌,如圖10所示。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
創(chuàng)新的想法是能夠通過(guò)光學(xué)字符識(shí)別(OCR)方法識(shí)別基板端軌上的具有唯一性的由字母數(shù)字組成的產(chǎn)品材料代碼,然后與所選產(chǎn)品配方中記錄的材料代碼對(duì)照檢查。如果成分一致,繼續(xù)檢查其余的基板,直到檢查完該批次的所有基板為止;如果不一致,模具將提示錯(cuò)誤并停機(jī)。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
對(duì)于損壞的基板或錯(cuò)位芯片,通過(guò)相機(jī)或激光掃描側(cè)軌和端軌,對(duì)比掃描影像與合格產(chǎn)品的影像或輪廓,檢查是否存在異常。如果發(fā)現(xiàn)異常,模具將提示發(fā)現(xiàn)錯(cuò)誤并停機(jī)。
 
1.5 相關(guān)技術(shù)資料概述
 
 為了更好地理解具有唯一性的8位字母數(shù)字產(chǎn)品材料代碼放錯(cuò)識(shí)別方法及其關(guān)鍵使能技術(shù),本章將簡(jiǎn)要介紹各種相關(guān)的光學(xué)識(shí)別技術(shù)。光學(xué)字符識(shí)別是一種前景廣闊的技術(shù),可以將手寫(xiě)字母或文字轉(zhuǎn)換為計(jì)算機(jī)文本。這項(xiàng)技術(shù)還是印刷文字?jǐn)?shù)字化常用的一種方法,印刷文字轉(zhuǎn)換為計(jì)算機(jī)格式后,可以進(jìn)行電子編輯、檢索、存儲(chǔ)以及在線顯示。光學(xué)字符識(shí)別分為多個(gè)階段,包括預(yù)處理、分類、獲取后處理,前段處理、分段處理、后段處理、特征提取。 
 
1.     多層感知器神經(jīng)網(wǎng)絡(luò)讓光學(xué)字符識(shí)別成為可能。正常流程是先獲取圖像,然后對(duì)其進(jìn)行預(yù)處理和分割。在分割期間,字符被線分開(kāi)。字符圖像中字符線的列舉對(duì)于界定可檢測(cè)區(qū)間邊界至關(guān)重要。分割后的下一步是分離字符,接著時(shí)提取特征。為了完成特征提取過(guò)程,我們采用了圖像到矩陣映射處理方法,將圖像轉(zhuǎn)換為2D矩陣。下一步是訓(xùn)練系統(tǒng)。通過(guò)訓(xùn)練,系統(tǒng)能夠做出高效工作決策,并且在無(wú)法預(yù)測(cè)的環(huán)境中產(chǎn)生更好的結(jié)果。所提出的系統(tǒng)方案采用多層感知器學(xué)習(xí)算法。該方法采用金字塔狀結(jié)構(gòu),這個(gè)結(jié)構(gòu)不僅可以用于學(xué)習(xí)過(guò)程,還可以用于分類過(guò)程。通過(guò)在多層網(wǎng)絡(luò)體系結(jié)構(gòu)中應(yīng)用學(xué)習(xí)過(guò)程算法,突觸權(quán)重和閾值可以特定方式更新,使系統(tǒng)執(zhí)行分類/識(shí)別任務(wù)的效率更高。突觸權(quán)重對(duì)于迭代很重要。在迭代過(guò)程中,權(quán)重被更新為某個(gè)整數(shù)值。因此,為了識(shí)別對(duì)象,將其特征數(shù)據(jù)送入網(wǎng)絡(luò)輸入層,生成輸出向量?,F(xiàn)在使用這個(gè)輸出向量和目標(biāo)輸出來(lái)計(jì)算誤差。通過(guò)分析所得的輸出值,可以確定字符的識(shí)別準(zhǔn)確率。該方案識(shí)別獨(dú)立字符取得91.53%的準(zhǔn)確率,成句字符識(shí)別準(zhǔn)確率達(dá)到80.65%。
 
2.     我們利用模板匹配和反向傳播算法開(kāi)發(fā)出了光學(xué)字符識(shí)別軟件。模板匹配是最常用的一種光學(xué)字符識(shí)別技術(shù),主要用于特征提取。因?yàn)楹?jiǎn)單,容易實(shí)現(xiàn),這項(xiàng)技術(shù)很受歡迎。模板匹配又稱關(guān)聯(lián)。這種方法使用單個(gè)字符的像素矩陣提取特征。在測(cè)試數(shù)據(jù)集中使用相關(guān)函數(shù)R,并將結(jié)果存保存在數(shù)據(jù)庫(kù)中。關(guān)聯(lián)值最高的字符被選為最匹配的字符。反向傳播算法使用反向機(jī)制來(lái)查找錯(cuò)誤,并通過(guò)向后傳播來(lái)減少錯(cuò)誤。這種方法基于糾錯(cuò)機(jī)制。分組后發(fā)現(xiàn)的問(wèn)題是,存在無(wú)法識(shí)別的字符,這些無(wú)法識(shí)別的字符是產(chǎn)生錯(cuò)誤結(jié)果的字符。使用此方法可提高字符識(shí)別的正確率。
 
對(duì)于錯(cuò)位芯片和損壞基板檢測(cè),我們做了相機(jī)掃描識(shí)別物體的研究,重點(diǎn)研究圖像分辨率增強(qiáng)技術(shù),詳見(jiàn)下文。
 
3.     有報(bào)道稱采用深度神經(jīng)網(wǎng)絡(luò)識(shí)別物體取得了非常好的效果,不過(guò),這些方案通常假設(shè),有可用的適合的物體大小和圖像分辨率,這在實(shí)際應(yīng)用中可能無(wú)法保證。我們提出的框架是通過(guò)圖像增強(qiáng)網(wǎng)絡(luò)和對(duì)象識(shí)別網(wǎng)絡(luò)兩個(gè)深度神經(jīng)網(wǎng)絡(luò)協(xié)作學(xué)習(xí),來(lái)識(shí)別超低分辨率圖像。圖像增強(qiáng)網(wǎng)絡(luò)試圖通過(guò)使用來(lái)自對(duì)象識(shí)別網(wǎng)絡(luò)的協(xié)作學(xué)習(xí)信號(hào),提升分辨率極低圖像的銳度和信息量。針對(duì)高分辨率圖像訓(xùn)練權(quán)重的對(duì)象識(shí)別網(wǎng)絡(luò),積極參與圖像增強(qiáng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程,還將圖像增強(qiáng)網(wǎng)絡(luò)的輸出用作增強(qiáng)學(xué)習(xí)數(shù)據(jù),以提高其超低分辨率圖像的識(shí)別性能。通過(guò)用各種低分辨率圖像基準(zhǔn)數(shù)據(jù)集做實(shí)驗(yàn),我們證明了該方法能夠提高圖像重建和分類性能。
 
在錯(cuò)位芯片和損壞基板檢測(cè)中,我們比較了激光掃描與相機(jī)掃描的性能,做了激光掃描在物體檢測(cè)中的適用性研究。
 
4.     低成本3D成像,特別是通過(guò)使用激光檢測(cè)和測(cè)距(LIDAR)成像,對(duì)于物體識(shí)別、地面測(cè)繪和機(jī)器視覺(jué)等應(yīng)用非常重要。傳統(tǒng)的飛行時(shí)間激光雷達(dá)使用掃描激光來(lái)獲得目標(biāo)的光強(qiáng)和距離,這需要窄帶寬的照明光源和高速同步器。無(wú)脈沖寬度的3D激光雷達(dá)的非掃描產(chǎn)品原型,據(jù)我們所知,是業(yè)界首次整合單像素成像傳感器和衍射光學(xué)元件。壓力感測(cè)技術(shù)用于測(cè)量物體反射的回波脈沖,并重建目標(biāo)場(chǎng)景的強(qiáng)度圖。衍射光學(xué)元件用于提供結(jié)構(gòu)化照明光源,并且可以從激光光斑提取數(shù)據(jù),獲得目標(biāo)場(chǎng)景的深度圖。我們給出了驗(yàn)證原型識(shí)別效果的仿真結(jié)果,并例證了在傳統(tǒng)3D成像方法不可用或受限的情況下,使用我們的方案的優(yōu)越性。這個(gè)創(chuàng)新原型在可見(jiàn)光譜以外的波長(zhǎng)上具有成本低和結(jié)構(gòu)靈活的優(yōu)點(diǎn),并且因?yàn)閷?shí)用而受到高度關(guān)注。
 
2.材料與方法/實(shí)驗(yàn)細(xì)節(jié)/方法論
 
2.1材料
 
我們將使用涵蓋所有可能的情況的產(chǎn)品來(lái)驗(yàn)證芯片掃描軟件升級(jí)能否識(shí)別配方錯(cuò)誤和批次誤裝。從封裝厚度要求不同的三種產(chǎn)品中選擇了三個(gè)批次,每個(gè)批次有20塊基板。產(chǎn)品B和C具有相同的芯片配置,產(chǎn)品A的配置不同于B和C。產(chǎn)品A和C的模套厚度要求相同,而基板厚度不同。具有唯一性的材料代碼是區(qū)別不同產(chǎn)品關(guān)鍵特征的重要工具,詳見(jiàn)表3。
 
表3:錯(cuò)誤配方/批次誤裝評(píng)測(cè)表
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
制備有錯(cuò)位芯片和損傷的芯片基板,模擬模具在芯片掃描過(guò)程中能否發(fā)現(xiàn)異常。異常位置包括端軌和側(cè)軌。對(duì)于錯(cuò)位芯片,使用不同尺寸的芯片測(cè)試是否能發(fā)現(xiàn)異常。
 
2.1.1 芯片掃描軟件升級(jí)
 
測(cè)試芯片掃描升級(jí)軟件能否識(shí)別基板端軌上的唯一8位字母數(shù)字代碼,如圖12所示。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
掃描捕獲的信息將與被測(cè)產(chǎn)品配方信息對(duì)比。如果內(nèi)容相同,則模具將繼續(xù)運(yùn)行;否則,模具將提升錯(cuò)誤并停機(jī),如圖13所示。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
為了檢測(cè)芯片基板上是否有錯(cuò)位芯片或端軌和側(cè)軌是否損壞,我們又開(kāi)發(fā)了基板檢測(cè)軟件。這里將使用激光掃描和相機(jī)掃描兩種不同的掃描技術(shù)測(cè)試該軟件的識(shí)別能力。
 
相機(jī)掃描是通過(guò)比較壞基板與好基板的像素來(lái)識(shí)別基板是否存在錯(cuò)位芯片和損壞,如圖14所示。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
另一種檢測(cè)技術(shù)是激光掃描,該技術(shù)掃描基板表面高度,并將捕獲的圖像與好基板的高度進(jìn)行對(duì)比,如果高度偏差較大或較小,則模具將提示錯(cuò)誤并停機(jī)。測(cè)試將使用有錯(cuò)位芯片和側(cè)軌和端軌損壞的基板,如圖15所示。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
2.2測(cè)試過(guò)程
 
測(cè)試目的是比較兩個(gè)掃描軟件升級(jí)對(duì)材料代碼識(shí)別和錯(cuò)位芯片及基板損壞檢測(cè)的識(shí)別效果。
 
材料代碼檢測(cè)將測(cè)試相機(jī)能否準(zhǔn)確識(shí)別不同產(chǎn)品的材料代碼。面臨的挑戰(zhàn)是能否識(shí)別所有字母數(shù)字的字體大小、樣式和方向。使用20塊基板,隨機(jī)插入錯(cuò)誤材料代碼,板對(duì)板測(cè)試升級(jí)軟件的識(shí)別結(jié)果是否一致,詳見(jiàn)表4。
 
表4.材料代碼檢測(cè)實(shí)驗(yàn)設(shè)計(jì)
 
 AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
通過(guò)檢測(cè)錯(cuò)位芯片和損壞基板,比較激光掃描和相機(jī)掃描的缺陷檢測(cè)準(zhǔn)確率。使用在端軌和側(cè)軌上有不同尺寸和形狀的缺陷的實(shí)際基板,測(cè)試芯片掃描的準(zhǔn)確率;使用不同尺寸的錯(cuò)位芯片測(cè)試掃描靈敏度,如表5所示。
 
表5.錯(cuò)位芯片/破損檢測(cè)實(shí)驗(yàn)設(shè)計(jì)
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
3.1材料代碼識(shí)別測(cè)試
 
根據(jù)升級(jí)軟件檢測(cè)每個(gè)產(chǎn)品的材料代碼的測(cè)試結(jié)果,三種測(cè)試產(chǎn)品的全部基板的檢測(cè)準(zhǔn)確率100%。正確和錯(cuò)誤的物料代碼均被準(zhǔn)確識(shí)別,如圖16的圖表所示。
 
 AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
測(cè)試結(jié)果證明,檢測(cè)準(zhǔn)確率很高,所有被測(cè)產(chǎn)品的基板都被正確識(shí)別,包括另外10塊材料代碼錯(cuò)誤的基板。
 
3.2異?;遄R(shí)別測(cè)試
 
為了驗(yàn)證相機(jī)掃描和激光掃描哪個(gè)方法檢測(cè)錯(cuò)位芯片和損壞基板的效果更好,進(jìn)行了雙比例檢驗(yàn),比較檢測(cè)準(zhǔn)確度。
 
對(duì)于錯(cuò)位芯片,使用當(dāng)次被測(cè)產(chǎn)品的兩種不同芯片尺寸進(jìn)行卡方檢驗(yàn),比較激光掃描和相機(jī)掃描之間的掃描準(zhǔn)確度差異。在置信度為95%,Pvalue值為0.0003時(shí),相機(jī)掃描和激光掃描之間的掃描準(zhǔn)確度存在顯著差異,如圖17所示。
 
 AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
實(shí)驗(yàn)結(jié)果證明,即使芯片尺寸很小,相機(jī)掃描仍能夠始終如一地發(fā)現(xiàn)錯(cuò)位芯片的存在,因?yàn)橄袼刈R(shí)別對(duì)于相機(jī)閾值仍然很重要。相反,激光掃描準(zhǔn)確度隨著芯片尺寸減小而降低,因?yàn)樗荒軈^(qū)分由于基板高度和平整度變化而導(dǎo)致的從基板導(dǎo)軌底部向上的高度相對(duì)于閾值的的變化。
 
損壞基板檢測(cè)實(shí)驗(yàn)再次使用兩塊損壞特征不同的基板,一塊基板上有缺口,另一塊有裂縫,比較相機(jī)掃描和激光掃描的檢測(cè)準(zhǔn)確度,如圖18所示。在置信度為95%,Pvalue值<0.0001時(shí),相機(jī)掃描和激光掃描的識(shí)別準(zhǔn)確率存在明顯差異。
 
AI如何解決模壓成型封裝厚度相關(guān)缺陷
 
相機(jī)掃描檢測(cè)損壞基板的準(zhǔn)確率高于激光掃描,同理,錯(cuò)位芯片檢測(cè)也是這種情況。但是,隨著基板損壞的特征從高可見(jiàn)度的缺口變?yōu)榱芽p時(shí),檢測(cè)的準(zhǔn)確率也會(huì)降低。
 
3.2 建議
 
建議進(jìn)一步開(kāi)發(fā)檢測(cè)功能,應(yīng)對(duì)將來(lái)兩種產(chǎn)品的材料代碼相同但封裝厚度要求不同的情況。 當(dāng)前的做法是在基板上雕刻每個(gè)產(chǎn)品的附加代碼,包括在產(chǎn)品的8位字母數(shù)字識(shí)別碼中增加代附加碼。
 
未來(lái)研究方向還可以是評(píng)估使用分辨率更高的相機(jī)提高檢測(cè)準(zhǔn)確度,特別是針對(duì)損壞基材的裂縫特點(diǎn)和尺寸小于本研究項(xiàng)目所測(cè)試的錯(cuò)位芯片。
 
應(yīng)當(dāng)設(shè)法改進(jìn)錯(cuò)位芯片和損壞基板兩個(gè)問(wèn)題,因?yàn)楸卷?xiàng)目旨在改進(jìn)缺陷檢測(cè)率,防止殘次產(chǎn)品進(jìn)入塑封成型工序,預(yù)防產(chǎn)品質(zhì)量問(wèn)題和故障停機(jī)。如果基板不能返工,產(chǎn)品良率仍將會(huì)下降。
 
4. 結(jié)論
 
可以得出這樣的結(jié)論,當(dāng)前芯片掃描相機(jī)可以用光學(xué)字符識(shí)別(OCR)檢測(cè)8位字母數(shù)字組成的唯一材料代碼,并根據(jù)當(dāng)前所選模具配方的參數(shù)發(fā)現(xiàn)模具誤裝的產(chǎn)品。
 
在檢測(cè)芯片尺寸、基板缺口方面,相機(jī)掃描的準(zhǔn)確率高于激光掃描,這是由于激光掃描對(duì)基板高度變化過(guò)于敏感,難以區(qū)分錯(cuò)位裸片和/或損壞基板。相機(jī)掃描不受這些因素影響,而是使用像素?cái)?shù)作為檢測(cè)參考依據(jù)。
 
免責(zé)聲明:本文為轉(zhuǎn)載文章,轉(zhuǎn)載此文目的在于傳遞更多信息,版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問(wèn)題,請(qǐng)電話或者郵箱聯(lián)系小編進(jìn)行侵刪。
 
 
特別推薦
技術(shù)文章更多>>
技術(shù)白皮書(shū)下載更多>>
熱門搜索
?

關(guān)閉

?

關(guān)閉