项目名称: 面向三维集成的TSV填充缺陷检测方法研究

项目编号: No.51305179

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 机械、仪表工业

项目作者: 陆向宁

作者单位: 江苏师范大学

项目金额: 25万元

中文摘要: 随着半导体工艺和方法的改进和提高,TSV技术以其优良的性能而被广泛应用于3D封装。而TSV直径的不断减小,及深宽比(Aspect Ratio)的进一步增大,给TSV填充工艺及其缺陷检测带来了新的挑战,传统无损检测技术因分辨率较低而不能满足检测要求。本项目以小直径、高深宽比的TSV结构为研究对象,进行TSV填充缺陷的检测,提出了基于热图像超分辨率技术的主动红外探测方法,以解决微尺度下红外检测的空间分辨率问题。围绕多帧图像的超分辨率重建和基于学习的单帧超分辨率重建,以模糊辨识、增加图像动态范围、消除热噪声为核心进行深入研究,并对重构后的热图像进行特征优选和提取,应用神经网络、模糊专家系统对TSV结构缺陷进行识别,快速判断TSV填充状态及存在的缺陷,为填充工艺参数调整提供指导,并为3D TSV产品可靠性分析提供一种有效的手段和技术,也为我国IC制造提供基础理论和技术创新。

中文关键词: 贯穿硅通孔;缺陷检测;超分辨;主动红外热成像;扫描超声波显微镜

英文摘要: As semiconductor processes and methods being improved, TSV technology with the excellent performance has been widely used in 3D packaging, and becomes a trend in IC development. However,the TSV diameter is getting smaller gradually and the aspect ratio getting larger, which brings new challenges for TSV filling process and the defects inspection. The traditional nondestructive testing technology can not meet the testing requirements due to the lower resolution.This project is to study the technology of defects inspection for TSV structures with a small diameter and high aspect ratio. The active infrared testing method based on the thermal image super-resolution technology has been proposed to improve the spatial resolutions,which exist in micron scale defects inspection technology. The super-resolution reconstruction algorithms based on the multi-frame and single-frame image will be investigated. The techniques for fuzzy identification,increase of image dynamic range and the elimination of thermal noise would be used to reconstruct the thermal images with higher resolution,from which the optimal signals feature are extracted and applied into the neural networks and the fuzzy expert system to realize the identification of TSV defects,which provides the guidance for parameters adjustment in TSV filling process, a

英文关键词: TSV;Defect inspection;Super-resolution;Active thermography;SAM

成为VIP会员查看完整内容
1

相关内容

军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
《智能制造机器视觉在线检测测试方法》国家标准意见稿
专知会员服务
21+阅读 · 2021年8月23日
专知会员服务
78+阅读 · 2021年6月28日
专知会员服务
35+阅读 · 2021年5月10日
专知会员服务
37+阅读 · 2021年5月9日
专知会员服务
26+阅读 · 2021年4月2日
专知会员服务
103+阅读 · 2020年11月27日
中国工业机器视觉产业发展白皮书,31页pdf
专知会员服务
101+阅读 · 2020年11月14日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
【数字孪生】从CAD数据到数字孪生
产业智能官
22+阅读 · 2019年11月11日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
CVPR 2019 | PointConv:在点云上高效实现卷积操作
机器之心
10+阅读 · 2019年4月21日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
Directional Graph Networks
Arxiv
27+阅读 · 2020年12月10日
Arxiv
10+阅读 · 2020年11月26日
How to Fine-Tune BERT for Text Classification?
Arxiv
13+阅读 · 2019年5月14日
Arxiv
12+阅读 · 2019年2月28日
Arxiv
11+阅读 · 2018年1月18日
小贴士
相关主题
相关VIP内容
军事知识图谱构建技术
专知会员服务
125+阅读 · 2022年4月8日
《智能制造机器视觉在线检测测试方法》国家标准意见稿
专知会员服务
21+阅读 · 2021年8月23日
专知会员服务
78+阅读 · 2021年6月28日
专知会员服务
35+阅读 · 2021年5月10日
专知会员服务
37+阅读 · 2021年5月9日
专知会员服务
26+阅读 · 2021年4月2日
专知会员服务
103+阅读 · 2020年11月27日
中国工业机器视觉产业发展白皮书,31页pdf
专知会员服务
101+阅读 · 2020年11月14日
相关资讯
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
【数字孪生】从CAD数据到数字孪生
产业智能官
22+阅读 · 2019年11月11日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
CVPR 2019 | PointConv:在点云上高效实现卷积操作
机器之心
10+阅读 · 2019年4月21日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
微信扫码咨询专知VIP会员