倒裝焊缺陷高頻超聲診斷方法研究.pdf

1、隨著微電子封裝技術的不斷發(fā)展，倒裝焊封裝技術得到更加廣泛的應用。該技術具有高自對準度、短互連等優(yōu)點，可以大大提高芯片封裝密度。隨著倒裝焊技術向高單位密度、超細間距方向發(fā)展，芯片功率密度極大增加，散熱更為困難，尺度效應愈加顯著，同時Low-K及無鉛材料的應用，芯片熱應力失配問題更為顯著，應力集中更加明顯，致使芯片焊球缺陷產生。由于焊球倒置于芯片與基底之間，因此焊球缺陷的診斷更加困難。本學位論文利用高頻超聲檢測技術，對倒裝鍵合芯片缺球、裂紋

2、等典型缺陷以及自制的高密度Cu凸點倒裝鍵合樣片缺陷的診斷技術進行了研究。具體內容如下：
　?。?）研究了高頻超聲波傳播機理，建立了倒裝焊芯片超聲檢測有限元仿真模型，通過聲場-固體力學場耦合，分析了不同頻率對高頻超聲波在倒裝焊芯片中傳播的影響，提取高頻超聲回波信號，通過計算超聲回波信號不同峰值之間的時間差，得出不同界面與超聲回波信號的對應關系，分析了不同頻率下超聲波對倒裝焊芯片界面的分辨能力；進一步建立了包括缺球、空洞和裂紋三種典型

3、缺陷的芯片有限元模型，仿真分析了垂直入射高頻超聲波在缺陷界面的傳播規(guī)律，揭示了缺球、空洞和裂紋缺陷對超聲波傳播的影響，為后續(xù)開展倒裝焊芯片缺陷高頻超聲檢測實驗研究提供了依據。
　　（2）針對典型的FA10倒裝焊芯片缺球缺陷，利用超聲掃描顯微鏡獲取芯片超聲圖像，基于相關系數法對芯片超聲圖像進行圖像分割；以分割的焊球圖像為目標，通過邊緣檢測、內部填充和特征提取，提取出焊球圖像的幾何特征和形狀因子特征，分析了缺球缺陷與不同焊球圖像特征的

4、對應關系；建立了基于BP網絡的FA10芯片缺球缺陷分類識別模型，分析得到了最優(yōu)隱含層節(jié)點個數；利用圖像特征值構成的特征向量對BP網絡進行訓練，并對測試集進行分類識別，揭示了邊緣效應對BP網絡分類識別模型識別準確率的影響。針對2個邊緣效應影響較大的FA10芯片，建立了基于SVM的FA10芯片缺球缺陷分類識別模型，提取FA10芯片高頻超聲回波信號中芯片-焊球界面和焊球-基底界面的信號幅值特征，結合焊球圖像特征構建特征向量，對SVM模型進行訓

5、練；利用訓練好的SVM模型對2個芯片缺陷進行分類識別，634個焊球中有18個識別錯誤，同時僅有7個位于邊緣，結果表明，該方法進一步弱化了邊緣效應，并獲得較高的分類識別準確率。
　?。?）針對Pac2.1倒裝焊芯片中檢測難度較大的裂紋缺陷，獲取了芯片高頻超聲回波信號；通過信號處理提取高頻超聲回波信號時域、頻域和小波包分解特征，并構成高維原始信號特征向量；利用PCA算法對高維特征向量進行特征降維，通過設置閾值，獲得相應的主元個數，構建

6、新的特征向量；建立了基于SVM的Pac2.1芯片裂紋缺陷分類識別模型，利用交叉驗證法獲取分類模型最優(yōu)參數c和g，結合主元構成的特征向量，對SVM模型進行訓練；利用訓練好的SVM模型對4個芯片缺陷進行分類識別，完好焊球識別準確率達到100％，裂紋焊球也達到98.4%，僅有2個裂紋缺陷識別錯誤，結果表明，該裂紋缺陷診斷模型具有較高的分類識別準確率。
　　（4）制備出高密度 Cu凸點倒裝鍵合樣片，利用正交投影法對樣片進行焊球圖像分割，并

7、構建出分割模板；建立了基于BP網絡的高密度Cu凸點倒裝鍵合樣片缺陷分類識別模型，利用圖像特征值構成的特征向量對BP網絡進行訓練，并對測試集進行分類識別，4個樣片僅有7個焊球缺陷識別錯誤，識別準確率高達98.55%；利用X-ray檢測方法對分類識別結果進行驗證，結果表明，該分類模型具有較高的分類識別準確率。
　　本文利用高頻超聲檢測方法實現了倒裝焊芯片缺陷的無損檢測，后續(xù)將著重研究倒裝焊缺陷的形成機理，進一步建立多種缺陷融合的分類識