面向高密度柔性IC封装基板的显微成像检算法及关键技术研究

来源 :华南理工大学 | 被引量 : 0次 | 上传用户:qg101213
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
高密度柔性集成电路封装基板(FICS)广泛应用于具有小型化、轻量化、可移动等特性的电子产品中。由于FICS的制作过程十分复杂,所以其任何一道工艺出现不良产品都会对后续生产造成极大的损失。这种高密度柔性IC封装基板的线宽/线距细至10um以下制程,所以必须借助显微镜才能完成采集,此时相比于不需借助显微镜的传统缺陷检测方法其检测难度更大。随着芯片制造工艺的发展,其线宽/线距将进一步降低,进一步增加了基板检测的难度。当使用显微成像采集FICS图像时,基板的纹理结构和缺陷同时被放大,此时的纹理结构与某些缺陷比较类似,例如氧化缺陷等。由于现有方法很容易把基板的纹理结构误判为缺陷,所以迫切需要开发新的缺陷检测方法以满足自动化工业生产。基于上述需求,针对显微成像FICS缺陷图像自动检测的关键技术难题展开了科学研究。本研究的主要研究内容和创新点包括以下四个方面:
  (1)针对显微成像基板图存在多种未知工业噪声的问题,提出了基于拓扑映射的加权邻域闭合曲线均值模板。实验结果表明,该模板不仅优于现有滤波器,而且有效去除了显微成像基板图像的噪声。
  (2)针对低倍显微成像氧化缺陷基板图像检测中传统视觉检测方法极易把黑色背景误判为缺陷且严重依赖标准模板的不足,提出了基于拓扑映射的氧化缺陷检测算法。将该方法应用于噪声图像、增强图像和缺陷图像的检测实验,证实其对FICS的背景纹理和光照不敏感,抗干扰能力强,并且鲁棒性好。
  (3)针对高倍显微成像的氧化缺陷基板图像中传统视觉检测方法极易把黑色背景和基板纹理结构误判为缺陷并且严重依赖标准模板的不足,提出了基于微分几何工具的氧化缺陷检测算法。该方法通过建立样本拟合模型和缺陷检测模型,实现了氧化缺陷的检测,具有快速、实时的特点。相同环境下,只需对拟合样本进行单次建模,即可实现基板缺陷的快速检测,既减少了检测时间,又能更好地满足工业检测的实时性要求。
  (4)针对显微成像油墨异物基板图像中,图像对比度低并且传统的视觉检测方法极易把黑色背景和贴膜背景误判为缺陷的不足,提出了一种基于微分几何工具的缺陷检测算法。该算法先建立基于曲率的样本拟合模型,再提出基于图像灰度值分析的分段线性函数以提高图像的对比度,最后建立基于概率的缺陷检测模型。相同环境下,可以将样本拟合模型和分段线性函数的相关参数直接应用于后续的待测图像中,提高了缺陷检测的整体效率。实际应用表明,该算法不仅精度高,而且满足柔性基板快速生产的工业实时性要求。
  本研究获得的成果,不仅实现了上述四种算法的工程应用设计而且验证了其效果。大量实验数据表明,论文所提出的高速、高精度的缺陷检测方法,很好地满足了柔性IC基板快速生产的工业实时性要求。
其他文献
围绕着人工智能,新的技术革命正在发生。无线通信为人与人、人与智能设备、以及智能设备之间提供便捷可靠的通信,是支撑新技术和新应用的基础。在移动通信的技术更新迭代中,第四代移动通信(4G)及之前的移动通信系统聚焦于以人为主体的通信,侧重于原始带宽的拓宽,而第五代移动通信(5G)则旨在为人与设备提供无所不在的连接,为多种不同的应用提供支持。5G网络需要处理大规模的智能设备的接入,并且满足各种场景下不同的
云计算通过外包技术将计算、存储、网络等虚拟资源以按需付费的方式提供给用户,降低用户资源的使用和管理成本。云存储是云计算提供的最具吸引力的服务之一,它允许资源受限的用户将本地无法储存的数据外包到云服务器,从而大大减轻本地的存储负担。然而,云存储中外包数据所有权和管理权的分离,使得用户失去了对外包数据的物理管控,因而引发了一系列亟需解决的数据安全问题,特别是外包数据确定性删除,已经引起了国内外学者的高
合成孔径雷达(SAR)具有全天时、全天候和远距离成像的特点,被广泛应用于气候变化研究、地表预警和变化检测。将合成孔径雷达装载于高速机动平台,使平台在飞行过程中能够实时获取航迹两侧区域的图像,可作为一种有效的制导手段。与已有的机载和星载平台不同,弹载平台天线尺寸小、飞行速度快、运动轨迹曲线化,并要求具有对侧前方目标实时成像的能力。这些特点导致弹载SAR成像面临着诸多问题,如需要设计可处理部分孔径数据
随着互联网和传感器技术的迅速发展,人们获取的数据从过去的单一视图描述逐渐演变为无处不在的多视图描述。因此,多视图学习成为人工智能、机器学习等领域的研究热点。多视图聚类分析作为多视图学习任务的一个主要研究方向,在过去的几十年里发展迅速,取得了长足的进展。其中,基于图学习的多视图聚类因其简单、高效而受到人们的广泛关注。然而,受不同视图之间的异构信息及实际数据中可能存在的噪声影响,已有基于图学习的多视图
天地协同侦察网络是一种集成分布式侦察、协同信号处理、高精度定位、星上计算、星间与车辆间自组织网络等技术,将传统基于单一平台的电子侦察系统转变为“以天基立方星编队平台为主,地面车船集群平台为辅,分布侦察,协同处理”的创新性尝试。其能够扩大侦察范围、增加测量孔径与基线长度,提高测量准确度,增强抗毁抗干扰能力、提升任务执行效率、降低后勤保障依赖。为满足天地协同侦察网络在路由选择、功率分配等方面的最优性能
电磁纳米网络由大量的尺寸在几百纳米到几十微米的纳米节点组成,通过太赫兹(Terahertz,THz)频段(0.1-10THz)进行节点间的通信,具有传统宏观无线传感器网络所不具备的潜能,在军事、环境和生物等领域具有非常重要的应用前景。然而,由于纳米节点的物理约束以及所采用太赫兹频段的特性,导致现有的无线网络技术无法适用于电磁纳米网络中。针对纳米网络中能量捕获和资源短缺的节点硬件特性、高节点密度的网
大脑构成了一个极其复杂的网络系统,控制着感知、运动、记忆等认知功能。研究大脑各功能脑区间的功能连接,利用计算机技术分析功能脑区间的信息传送,绘制大脑功能活动图,进而研究大脑各脑区间的数据交互,是控制科学领域的研究热点。本文结合fMRI(functional magnetic resonance imaging,fMRI)数据的高空间分辨率和EEG(electroencephalogram,EEG)
学位
超级计算机系统,也称多处理器并行系统,是衡量一个国家综合科技水平的重要指标,是一个国家的未来高科技发展的基础性平台,在航空航天、地球物理、生命信息、人工智能、工程计算等领域发挥着越来越重要的作用。在超级计算机系统中,处理器与处理器之间的相互连接关系可以用一个图来表示,顶点代表处理器,边代表处理器之间的连接,这样的图被称为是互连网络。互连网络是超级计算机系统中的一个重要组成部分,互连网络性能上的优劣
学位
由于大规模数据分析和处理需求影响,对多处理机系统的规模和处理能力及稳定性提出了更高的要求。随着多处理机系统规模的增大及处理速度的增加,系统中出现故障节点就在所难免。为了维持系统的可靠性,系统应具有识别故障节点的能力。在系统的故障诊断方面主要有两种诊断方法:系统级诊断及电路级诊断。由于电路级诊断涉及到更多的硬件操作,所以在多处理器的故障诊断中人们更多的倾向于系统级诊断,让系统自身独立完成检测与诊断工
学位
人脑由上千亿个神经元组成,这些神经元相互连接,组成了一个极其复杂的系统。脑成像技术的发展为我们理解人脑的工作机制提供了基础。作为一种无创的脑成像方法,功能磁共振成像(functional magnetic resonance imaging,fMRI)因其较高的时空分辨率,被广泛应用于脑科学研究。  由于fMRI数据具有维度高、信噪比低等特性,需要选择合适的方法对其进行处理。传统的单变量方法分别在