稀疏重构SAM芯片焊点检测方法研究

提出了基于稀疏表示的声扫描显微镜(Scanningacousticmicroscope,SAM)图像超分辨率重构方法,以解决其空间检测分辨率受超声波频率和穿透深度的限制,原始SAM图像分辨率较低,不利于封装缺陷辨识等问题。通过字典设计训练和稀疏系数α求解获得了重构的高分辨率SAM图像,利用Levenberg-Marquardt算法改进BP神经网络(LM-BP),并用于倒装芯片焊点缺陷识别。与原始图像及双三次插值图像相比,稀疏重构图像的峰值信噪比明显增大,提高了SAM图像质量,减小了芯片焊点的错误识别数目,错误率降至2.76%。试验结果表明稀疏表示的SAM重构算法和LM-BP神经网络训练速度快、识别精度高,可用于高密度半导体封装缺陷的检测及可靠性评估。     

基于ABAQUS的印刷电路板组件模态研究

对多种集成芯片组成的印刷电路板组件(PCBA)进行了有限元模态和实验模态分析.以有限元分析软件ABAQUS/CAE为平台,经简化建立等质量仿真模型,得到PCBA在不同固定方式下的多阶固有频率和振型.通过对有限元软件仿真与实验模态分析的结果进行比较,可知有限元分析方法和实验结果具有很好的一致性,电路板固定方式和芯片分布的位置对PCBA组件的模态影响较大,有限元模态分析可以为PCBA芯片的分布优化设计和抗振可靠性研究提供理论依据.     

纳米银微焊点阵列的超快激光图形化沉积及其芯片封装研究

随着集成电路芯片封装向小型化、集成化方向的不断发展,无铅锡基钎料性能已不能满足目前集成电路封装的需求.本文提出了一种脉冲激光图形化沉积纳米金属颗粒制备小尺寸、细节距焊点阵列的工艺,用于替代集成电路芯片封装中传统锡基焊点.采用图形化沉积的纳米银焊点阵列连接Si芯片及覆铜陶瓷(DBC)基板来验证该工艺在集成电路倒装芯片封装...     

主动红外热成像焊球缺陷检测方法研究

IC产品的小型化和多功能化使微电子封装密度不断提高,微焊球技术得以广泛应用,而微焊球尺寸和间距日益缩减,使隐藏于芯片或封装内部的微焊球缺陷检测变得十分困难。主动红外热成像技术被深入研究并应用于微焊球缺陷检测,构建了主动红外微焊球缺陷检测模型,并展开试验研究。对直径和间距较大的BGA焊球采用红外透射式测量法进行检测,对获得的热图像进行空间自适应滤波,然后通过边缘检测分割出焊球区域,减小了热噪声和焊球间隙噪声对缺陷识别的干扰,并通过有效热斑面积进行量化分析;对凸点直径和间距较小的FA10倒装芯片采用红外反射式测量法进行检测,利用改进的自适应滤波算法去除空间椒盐噪声,然后提取像素点温度序列值进行时间域移动平均降噪,并以指数形式进行曲线拟合,通过傅里叶变换进行时频转换,采用脉冲相位法解决了表面发射率差异引起的缺陷辨识度下降等问题,并使用低频段的相位信息进行表征分析。利用主动红外热成像技术实现了焊球缺陷的有效检测,为高密度IC封装及其可靠性分析提供了一种快速、有效的方法。     

倒装芯片封装结构中SnAgCu焊点热疲劳寿命预测方法研究

由于焊点区非协调变形导致的热疲劳失效是倒装芯片封装（包括无铅封装）结构的主要失效形式.到目前为止,仍无公认的焊点寿命和可靠性的评价方法.文中分别采用双指数和双曲正弦本构模型描述SnAgCu焊点的变形行为,通过有限元方法计算焊点累积蠕变应变和累积蠕变应变能密度,进而据此预测倒装芯片封装焊点的热疲劳寿命.通过实验验证,评价上述预测方法的可行性.结果表明,倒装芯片的寿命可由芯片角焊点的寿命表征;根据累积蠕变应变能密度预测的焊点热疲劳寿命比根据累积蠕变应变预测的焊点热疲劳寿命更接近实测数据;根据累积蠕变应变预测的热疲劳寿命比根据累积蠕变应变能密度预测的热疲劳寿命长;采用双指数本构模型时,预测的焊点热疲劳寿命也较长.     

基于红外图像分析的TSV内部缺陷识别方法研究

TSV三维封装内部缺陷难以用传统方法检测。然而其内部缺陷的存在会导致热阻发生变化，对系统温度分布产生影响，因此可以通过对红外图像的分析达到对缺陷进行识别及定位的目的。文中研究了缺陷对温度场的影响，分别通过理论分析、有限元仿真及实验方法对TSV三维封装系统进行了热-电耦合分析，得到了缺陷铜柱类型及位置不同时的温度分布数据集，搭建了卷积神经网络(CNN)模型对2组数据集单独进行分类预测。实验结果表明：利用仿真数据集与试验数据集分别对CNN模型进行特征训练，得到的缺陷识别与定位准确率为98.65%,98.36%。由上可知，缺陷类型及位置的不同会对温度场产生不同影响，利用CNN模型对TSV红外热图像进行特征训练可以有效识别与定位内部缺陷。     

基于蒙特卡罗法和有限元法分析封装焊点中微孔洞对应力的影响

将蒙特卡罗法和有限元方法用于分析球珊阵列封装(BGA封装)焊点中微孔洞缺陷对焊点应力的影响。先用X射线断层扫描方法测定焊点中孔洞大小及其分布规律,然后利用Abaqus有限元分析软件建立BGA封装有限元模型,采用Anand本构方程描述焊点的应力应变响应,分析BGA封装焊点应力分布情况;并针对关键焊点即应力最大的焊点,建立了含孔洞大小和位置呈随机分布的焊点参数化有限元模型,结合试验结果,分析了孔洞直径和位置对焊点应力分布的影响。结果表明:微孔洞直径越小,越接近于焊点的表面,焊点中的应力越大。     

基于模态分析的倒装焊焊点开裂缺陷检测方法研究

随着倒装焊焊点向高密度和超细间距方向发展,在倒装焊焊接界面更易出现变形、翘曲或划伤,进而引起焊点疲劳和应力集中,导致焊点缺陷的产生,阻碍了倒装焊技术的发展。提出了一种基于模态分析的焊点缺陷检测方法,通过仿真分析和实验研究对倒装焊焊点开裂缺陷进行了研究,仿真和实验结果均表明焊点开裂会引起样片模态振型的变化和共振频率的下降,证明了倒装焊焊点开裂缺陷可以通过样片的模态特征如模态振型、共振频率等来进行识别,为焊点的缺陷检测提供了一种新思路和新方法。     

无铅焊点检测光源的分析与优化设计

为了提高自动光学检查(AOI)系统的性能,对AOI光源进行了研究.介绍了AOI光源的结构设计方法.光源由红、绿、蓝3种不同颜色,不同照射角度的LED阵列组成.然后.建立了光源的照度模型以及焊点的反射模型.最后,根据简化的照度模型对光源的几何参数进行优化.仿真和实验结果表明,所设计的光源在检测无铅焊点时同样有效.并能使不同类焊点间的特征距离更大.最大为半球形光源照射下的11.88倍.从而提高了特征在无铅焊点缺陷检测的分辨能力.验证了光源设计的有效性.     

基于DSSD模型的机械加工件表面缺陷检测研究

针对机械加工件表面缺陷检测问题,对工件表面缺陷种类、缺陷位置进行了研究,对深度学习中的目标检测算法进行了归纳分析,提出了一种基于DSSD模型的机械加工件表面缺陷检测方法。该方法首先利用扫描电子显微镜获取了不同工件、不同位置的表面缺陷图像,建立了工件表面缺陷数据集,并对数据集进行了扩充;然后将DSSD网络模型反卷积模块的网络层数进行了简化,从而降低了计算复杂度;最后利用简化后的DSSD模型完成了对数据集的训练和测试。研究结果表明:DSSD模型的检测效率高于YOLO、Faster R-CNN和SSD这3种模型,能够更准确、快速地检测工件表面缺陷,为实际工业场景下的缺陷检测提供了新的思路。     

Detection of solder bump defects on a flip chip using vibration analysis

Flip chips are widely used in microelectronics packaging owing to the high demand of integration in IC fabrication. Solder bump defects on flip chips are difficult to detect, because the solder bumps are obscured by the chip and substrate. In this paper a nondestructive detection method combining ultrasonic excitation with vibration analysis is presented for detecting missing solder bumps, which is a typical defect in flip chip packaging. The flip chip analytical model is revised by considering the influence of spring mass on mechanical energy of the system. This revised model is then applied to estimate the flip chip resonance frequencies. We use an integrated signal generator and power amplifier together with an air-coupled ultrasonic transducer to excite the flip chips. The vibrations are measured by a laser scanning vibrometer to detect the resonance frequencies. A sensitivity coefficient is proposed to select the sensitive resonance frequency order for defect detection. Finite element simulation is also implemented for further investigation. The results of analytical computation, experiment, and simulation prove the efficacy of the revised flip chip analytical model and verify the effectiveness of this detection method. Therefore, it may provide a guide for the improvement and innovation of the flip chip on-line inspection systems.     

基于改进U-Net的球栅阵列气泡缺陷检测方法

针对现有基于深度学习的图像分割算法在球栅阵列(BGA)焊点气泡检测中检测效率较低,无法满足工业生产中实时性的检测需求,提出了一种基于改进U-Net的球栅阵列缺陷识别方法。该方法在现有的U-Net经典网络的基础上提出用深度可分离卷积与密集连接结合的轻量密集连接单元替换常规的卷积单元,同时添加多尺度跳跃连接减少编解码特征之间的差异,实现针对BGA焊点气泡的精确分割和提取。采用自建数据集对该方法的有效性进行实验,结果表明,改进的U-Net模型网络在减少U-Net网络计算复杂度的同时提升了网络性能,能够增加BGA焊点气泡的检测效率。     

改进全卷积网络优化绝缘子缺陷检测

绝缘子各种缺陷的准确检测与定位是保障电网安全正常运行的关键,针对传统学度学习全卷积网络在进行航拍绝缘子图像缺陷识别时准确率不高问题,提出基于改进全卷积网络优化的航拍电网绝缘子缺陷自动检测算法,算法通过优化模型结构、剔除全连接层Dropout、增加多尺度池化与孔洞卷积以及采用双目标优化函数,实现FCN模型的有效改进,实验结果表明,改进全总卷只网络模型,有效提高了对绝缘子缺陷检测的性能和对背影的鲁棒性,取得了比已有算法更有优的检测结果。     

The development of automated solder bump inspection using machine vision techniques

Visual inspection is an important task in the manufacturing processes for integrated circuit boards. In this paper, we focus on the solder bump inspection problem, and an automated visual inspection method using machine vision techniques is proposed. The solder bump inspection method consists of image grabbing, image preprocessing, feature extraction, and defect detection and classification. Five defect types of solder bumps to be inspected are bridging solder, excess solder, incomplete solder, non-wetting, and missing solder. The solder area, the number of edge pixels, the deviation from center, and the deformation ratio are used as the features for solder bump defect detection and classification. The proposed method is a hybrid algorithm, and it consists of two stages: the training stage and the inspection stage. The experimental results show that the proposed method is effective in detecting defects of solder bumps.     

Wetting Analysis of Leadless Chips in Surface Mount Technology

It has been found that in wave soldering, when a chip entered the solder bath with its longitudinal axis parallel to the soldering direction, the resulting shape of the wetted surface of the incoming joint was concave, and the outgoing joint was convex. The difference in wetting of these two joints was analysed from the capillary viewpoints. Solder pads of various lengths were used to control the wetting conditions in infrared reflow soldering. The results show that the amount of tombstoning and joint opening are closely related to the pad length. The relationship between tombstoning, or open joint, and wetting was analysed based on theory, and it was found that the surface tension and the contact angle of the molten solder are the significant factors in the formation of the tombstoning or open joint defect.     

钢板点焊翘曲缺陷对平均应力强度因子的影响

车身焊接易造成翘曲缺陷,显著影响其疲劳寿命。针对翘曲缺陷对平均应力强度因子的影响,基于力学理论和有限元法,将焊点模型模块化,对比分析仿真得出的合格焊点平均应力强度因子ΔKqua与翘曲缺陷焊点平均应力强度因子ΔKdef。通过寻找影响因素及影响规律,提出翘曲因子C的概念并通过仿真验证其适用性。仿真分析与理论推导得出的平均应力强度因子间的平均误差小于6%。试验结果表明,经翘曲因子修正的翘曲缺陷焊点ΔKdef的平均准确率为84.6%。     

在役高压电缆缓冲层缺陷检测

缓冲层烧蚀故障是高压电缆故障的主要因素之一。由于现场环境复杂,而CT检测需要对物体实现一定角度的相对旋转,目前尚没有针对在役高压电缆CT检测的设备。采用射线源平移扫描局部CT成像方式,通过实验仿真和实验平台验证,设计了可用于现场应用的便携式检测系统,实现了在役高压电缆缓冲层缺陷在线CT检测。对于110 kV高压电缆缓冲层,可检出?1 mm的孔状缺陷,220 kV高压电缆可检出?2 mm的缺陷。收集2 016张带有缺陷的CT图像后,结合802张同种结构电缆的圆周CT图像,采用迁移学习的方法,实现了缺陷自动检测,精确率为87.6%,召回率为93.5%,漏检率为6.5%,接近圆周CT的水平。     

Using BP network for ultrasonic inspection of flip chip solder joints

Flip-chip technology has been used extensively in microelectronic packaging, where defect inspection for solder joints plays an extremely important role. In this paper, ultrasonic inspection, one of the non-destructive methods, was used for inspection of flip chip solder joints. The image of the flip chip was captured by scanning acoustic microscope and segmented based on the flip chip structure information. Then a back-propagation network was adopted, and the geometric features extracted from the image were fed to the network for classification and recognition. The results demonstrate the high recognition rate and feasibility of the approach. Therefore, this approach has high potentiality for solder joint defect inspection in flip chip packaging.     

基于自注意力机制的深度学习模拟电路故障诊断

模拟电路是集成电路中的重要组成部分,基于深度学习技术对模拟电路发生的故障进行检测,并精准识别故障的类型是当前集成电路测试领域的研究热点。针对模拟集成电路故障检测存在困难的问题,利用人工智能在图像识别领域、语音分类领域的先进技术,提出了基于自注意力机制检测Sallen-Key型低通滤波电路故障的深度学习模拟电路故障检测方案,将输出信号采样成音频信号,并将其输入到自注意力变换网络的音频分类模型中进行训练、测试和优化。结果表明,通过自注意力变换网络音频分类在9种不同的故障类型诊断中,平均准确率达93.1%,最高准确率达98.1%。该模型收敛速度更快,具有较强的模拟电路故障检测能力。