基于主动红外激励的硅通孔内部多缺陷分类与定位
摘要
随着硅通孔（TSV）封装密度的不断提高，检测隐藏于封装内部的缺陷愈发困难。针对TSV内部多缺陷检测难度大、效率低的问题，提出一种基于主动红外激励的TSV内部多缺陷分类与定位方法。首先，通过仿真分析掌握TSV内部缺陷在主动激励下的外部表现规律。然后，构建卷积神经网络分类模型对仿真数据进行训练，以实现内部多缺陷的分类识别与定位。最后，搭建封装内部缺陷检测平台开展内部缺陷检测实验研究，以近红外激光为主动激励激发封装模型的内部缺陷，接着通过红外热像仪采集图像并输入卷积神经网络进行分类。结果表明，该方法能在不损坏样品的前提下有效识别缺陷的类型及位置，准确率可达96.20%，为TSV三维封装的可靠性分析提供了一种可靠的途径。
引用本文（GB/T 7714）
聂磊 Nie Lei, 刘江林 Liu Jianglin, Ming Zhang, 等. 基于主动红外激励的硅通孔内部多缺陷分类与定位[J]. Laser & Optoelectronics Progress, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。