论文部分内容阅读
传统集成电路在材料、工艺、互连延时、功耗等多方面遭遇瓶颈,三维集成成为重要的研究方向,有十分广阔的应用前景。微凸点和硅通孔(TSV,Through Silicon Via)是三维集成微互连的核心,其缺陷会直接影响三维集成性能和可靠性,因此,研究三维集成微互连缺陷检测技术意义重大。本文以三维集成中微凸点缺失缺陷以及TSV孔洞缺陷为对象,采用高分辨率X射线透射成像,研究基于SOM神经网络的缺陷检测技术。主要研究内容如下:(1)研究了三维集成键合微凸点缺失缺陷检测方法。采集样片高分辨率X射线平面透射图像,将Canny算子和形态学操作相结合,实施微凸点区域准确分割,并提取微凸点区域最大灰度值、最小灰度值、平均灰度值和灰度值标准差等组成特征向量,建立输出层规模为11×11的SOM神经网络,用于凸点特征向量训练与识别,准确实现了微凸点缺失缺陷识别。(2)研究了单层样片中TSV孔洞缺陷检测方法。基于空间域、纹理以及频率域提取出TSV区域最大灰度值、最小灰度值、灰度值标准差、局部灰度标准差平均值、局部灰度标准差最大值、频谱熵以及能量组成特征向量,建立了输出层规模为8×8的SOM神经网络,用于TSV孔洞特征向量的训练与识别,实现了TSV填充缺陷的正确预测,并基于OTSU算法对TSV中孔洞区域进行定位,通过磨样进行了验证。(3)研究了堆叠样片TSV孔洞缺陷检测方法。采集堆叠样片轴侧透射图像,确立TSV区域分割/修复3步法,提取与单层样片缺陷识别相同的特征,输入SOM网络进行训练、识别,结果表明,SOM网络能够较为准确地判定TSV孔是否存在缺陷,进一步采用OTSU算法对TSV中孔洞区域进行定位,通过磨样进行了验证。本学位论文的研究工作为三维集成微凸点缺失和TSV孔洞缺陷的高效、无损诊断提供了一条可行途径。