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。