检测 WLCSP 侧壁上的微细破损

消除缺陷以提高芯片的质量、性能和寿命

相关产品

VisionPro Deep Learning

面向深度学习工业图像分析的图形化编程环境

In-Sight D900

采用 In-Sight ViDi 技术的深度学习式视觉软件

晶圆级芯片级封装 (WLCSP) 有多层，由于处理不当、压力过大（即安装焊球）或野蛮运输而造成的损坏，会产生微细破损。如果在加工的早期没有被发现，这些破损就会影响到芯片的质量、性能和寿命。

由于这些结构风险，应该检查 WLCSP。当沿着 WLCSP 的侧壁检查缺陷时，很难知道层变和微细破损之间的区别。对于基于规则的机器视觉来说，做出这种区分是很困难的，因为在从侧面观察 WLCSP 时，由于嘈杂和低对比度的背景，存在着容易混淆的图案。例如，裂缝在不同的位置，看起来像结构层的不规则线条。

试图使用基于规则的机器视觉来正确检测 WLCSP 中的微细破损是很耗时和具有挑战性的。康耐视深度学习工具通过应用智能算法来学习正常结构层和缺陷之间的差异，更有效地检测微细破损。

该软件通过一系列显示微细破损的图像以及显示 WLCSP 内正常分层的图像集进行训练。缺陷检测工具学习正常层的变化，并对缺陷（微细破损）进行全面了解。

使用深度学习，高度精确的检查增加了良好芯片封装的产量，而这些封装可能被错误地归类为“不合格”（NG）。相反，深度学习可以检测出 WLCSP 上的微细破损，否则这些微细破损会通过传统方法的检测，结果在现场却过早地失效。