基于SOM網絡的三維集成缺陷.pdf

1、傳統(tǒng)集成電路在材料、工藝、互連延時、功耗等多方面遭遇瓶頸，三維集成成為重要的研究方向，有十分廣闊的應用前景。微凸點和硅通孔（TSV，Through Silicon Via）是三維集成微互連的核心，其缺陷會直接影響三維集成性能和可靠性，因此，研究三維集成微互連缺陷檢測技術意義重大。本文以三維集成中微凸點缺失缺陷以及TSV孔洞缺陷為對象，采用高分辨率X射線透射成像，研究基于SOM神經網絡的缺陷檢測技術。主要研究內容如下：
　　（1）研

2、究了三維集成鍵合微凸點缺失缺陷檢測方法。采集樣片高分辨率X射線平面透射圖像，將 Canny算子和形態(tài)學操作相結合，實施微凸點區(qū)域準確分割，并提取微凸點區(qū)域最大灰度值、最小灰度值、平均灰度值和灰度值標準差等組成特征向量，建立輸出層規(guī)模為11×11的SOM神經網絡，用于凸點特征向量訓練與識別，準確實現(xiàn)了微凸點缺失缺陷識別。
　?。?）研究了單層樣片中 TSV孔洞缺陷檢測方法?；诳臻g域、紋理以及頻率域提取出TSV區(qū)域最大灰度值、最小灰

3、度值、灰度值標準差、局部灰度標準差平均值、局部灰度標準差最大值、頻譜熵以及能量組成特征向量，建立了輸出層規(guī)模為8×8的SOM神經網絡，用于TSV孔洞特征向量的訓練與識別，實現(xiàn)了TSV填充缺陷的正確預測，并基于OTSU算法對TSV中孔洞區(qū)域進行定位，通過磨樣進行了驗證。
　?。?）研究了堆疊樣片 TSV孔洞缺陷檢測方法。采集堆疊樣片軸側透射圖像，確立TSV區(qū)域分割/修復3步法，提取與單層樣片缺陷識別相同的特征，輸入SOM網絡進行訓練