WLCSP侧壁微裂纹检测

消除缺陷以提高质量、性能和芯片寿命

相关产品

VisionPro深度学习

基于深度学习的工业图像分析图形化编程环境

看见D900

基于In-Sight ViDi深度学习的视觉软件

晶圆级芯片级封装(WLCSPs)有多层，由于处理不当、压力过大(即焊接球的安装)或粗暴运输造成的损坏可能会产生微裂纹。如果在过程的早期未被发现，这些裂纹会影响芯片的质量、性能和寿命。

由于存在这些结构性风险，应对wlcsp进行检查。在检查WLCSP侧壁缺陷时，很难知道层变化和微裂纹之间的区别。对于基于规则的机器视觉来说，很难做出这种区分，因为由于噪声和低对比度背景，从侧面观察WLCSP时，会出现德国必威令人困惑的模式。例如，裂缝在不同的位置，看起来像不规则的结构层线。

尝试使用基于规则的机器视觉正确检测WLCSPs中的微裂缝是费时且具有挑战性的。德国必威康耐视深度学习工具通过应用智能算法学习正常结构层与缺陷之间的差异，更有效地检测微裂纹。

该软件使用一系列显示微裂缝的图像以及显示WLCSPs内正常分层的图像集进行训练。缺陷检测工具学习正常的层变化，并全面了解缺陷(微裂纹)。

使用深度学习，高度精确的检查提高了可能被错误地归类为不良(NG)的良好芯片封装的成品率。相反，深度学习可以检测到wlcsp上的微裂纹，否则传统方法可以通过检测，但在现场过早失效。