一种TSV封装缺陷的检测方法、装置、电子设备及存储介质

一种tsv封装缺陷的检测方法、装置、电子设备及存储介质
技术领域
1.本发明涉及集成器件检测技术领域，具体涉及一种tsv封装缺陷检测方法、装置、电子设备及存储介质。


背景技术：

2.基于tsv垂直互连的三维集成电路能够实现更小的芯片面积、更短的芯片间互连、更高的数据传输带宽、以及不同工艺技术的异质集成，从而大幅度降低芯片功耗、减小延时、提高性能、拓展功能，并为实现复杂功能的soc(system-on-chip)提供可能。
3.tsv即穿透硅通孔技术，是实现三维系统级封装垂直电互连的核心技术。该技术在集成电路芯片的硅衬底上制造通孔，并用金属填充形成垂直方向上的互联导线，以链接上下两层的电路接口。通过将功能模块垂直方向进行堆叠来替代传统的水平方向的放置，明显地降低模块间的互联线长度，从而缩短了信号的传输距离，减少了信号的衰减，进一步提升整个三维集成系统的性能。但与此同时，小孔径、高密度及高深宽比是其工艺发展的趋势，导致尺度效应更加明显，应力失配更加严重，更容易产生tsv填充孔洞、键合面分层、裂纹等缺陷。这些缺陷的存在将导致封装工作性能不稳定、产品可靠性降低等一系列问题。更严重的是，此类缺陷大多集中于晶圆和芯片内部，常规方法很难直接检测，严重阻碍了tsv三维封装技术的发展。
4.目前，除了破坏样品、切割制样的直接观测以外，适合于tsv特点的检测方法主要有两类，接触式和非接触式。一般接触式检测方法主要包括电测试、边界扫描和功能测试等，可以很好地检测出芯片的失效情况，发现故障规律，以此判断tsv是否存在内部缺陷；而非接触式检测技术不但可以在不损坏芯片的前提下获取到芯片的微观特性，还能够提供良好的工艺控制信息，主要的非接触式检测方法有：电学测试、光学检测、红外检测及x-ray检测等。但无论是接触式还是非接触式的检测方法，都很难在其工作时获取tsv内部信息，无法真实还原缺陷形成的过程；而且，随着tsv孔径的不断减小，密度越来越大，深宽比进一步增加，传统方法的检测能力和检测精度越来越不能满足要求。


技术实现要素：

5.本发明的目的在于克服上述技术不足，提供一种tsv封装缺陷检测方法、装置、电子设备及存储介质，解决现有技术中传统监测方法无法获取工作状态时tsv内部信息以及检测精度低的技术问题。
6.为达到上述技术目的，本发明采取了以下技术方案：
7.第一方面，本发明提供了一种tsv封装缺陷检测方法，包括：
8.基于在线工作模式下tsv内部的缺陷响应机理和外界的复合激励，采用预设的内置传感器获取缺陷信号；
9.对所述缺陷信号进行特征提取和分离，获得目标缺陷特征信号；
10.基于热成像原理，获取芯片的热分布图像；
11.将所述目标缺陷特征信号和所述热分布图像，输入至预设的缺陷诊断网络，获得缺陷检测结果。
12.在一些实施例中，所述缺陷响应机理包括关系模型，所述关系模块为基于tsv三维封装理论和振动理论的tsv三维封装缺陷与tsv孔径、tsv间距和填充材料之间的关系构建的，所述关系模型用于获得tsv封装缺陷对不同工艺和外界环境下的物理参数输出信号的影响程度。
13.在一些实施例中，所述基于外界的复合激励，包括：
14.以正常带电工作为条件，采用非接触式激光加热的方式对tsv封装系统进行加热处理，得到热封装结构；
15.基于所述热封装结构，采用预设的内置传感器，获取缺陷信号。
16.在一些实施例中，所述对所述缺陷信号进行特征提取和分离，获得目标缺陷特征信号，包括：
17.采用预设的傅里叶变换法对所述缺陷信号进行去噪，获得无噪声信号；
18.采用预设的小波变换法，对所述无噪声信号进行特征提取和分离，获得目标缺陷特征信号。
19.在一些实施例中，在基于热成像原理，获取芯片的热分布图像之后，还包括：
20.对所述热分布图像进行预处理，获得处理后的目标热成像图像，其中所述预处理包括对所述热分布图像进行去噪、滤波和放大；
21.将所述目标热成像图像和目标缺陷特征信号输入至预设的缺陷诊断网络，获得缺陷检测结果。
22.在一些实施例中，在将所述目标缺陷特征信号和所述热分布图像，输入至预设的缺陷诊断网络之前，还包括：
23.获取预设的扫描电镜的第一结果和x射线检测的第二结果；
24.采用所述第一结果和第二结果对初始缺陷诊断神经网络模型进行训练和学习，得到预设的缺陷诊断神经网路模型。在一些实施例中，所述获得缺陷检测结果之后，还包括：
25.根据所述缺陷检测结果，采用预设的归纳法，建立失效模式数据库；
26.根据所述失效模式数据库，确定所述缺陷信号与缺陷尺寸参数和缺陷位置分布之间的映射关系；
27.基于所述映射关系，建立可靠性评估系统。
28.第二方面，本发明还提供了一种tsv封装缺陷检测装置，包括：
29.缺陷信号获取模块，用于基于在线工作模式下tsv内部的缺陷响应机理和外界的复合激励，获取缺陷信号；
30.信号处理模块，用于对所述缺陷信号进行特征提取和分离，获得目标缺陷特征信号；
31.热分布图像获取模块，用于基于热成像原理，获取芯片的热分布图像；
32.缺陷检测结果确定模块，用于将所述目标缺陷特征信号和热分布图像，输入至预设的缺陷诊断网络，获得缺陷检测结果。
33.第三方面，本发明还提供了一种电子设备，包括：处理器和存储器；
34.所述存储器上存储有可被所述处理器执行的计算机可读程序；
35.所述处理器执行所述计算机可读程序时实现如上所述的tsv封装缺陷检测方法中的步骤。
36.第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的tsv封装缺陷检测方法中的步骤。
37.与现有技术相比，本发明提供的tsv封装缺陷检测方法、装置、电子设备及存储介质，首先基于在线工作模式下tsv内部的缺陷响应机理和外界的复合激励，获取缺陷信号；随后对所述缺陷信号进行特征提取和分离，获得目标缺陷特征信号；随后基于热成像原理，获取芯片的热分布图像；最后将所述目标缺陷特征信号和热分布图像，输入至预设的缺陷诊断网络，获得缺陷检测结果。本发明通过采用内置传感器获取工作状态下的tsv封装缺陷，并对缺陷信号进行处理和检测，实现了在线获取缺陷信号的目的，并且通过上述检测手段，提高了检测精度。
附图说明
38.图1是本发明提供的tsv封装缺陷检测方法的一实施例的流程图；
39.图2是本发明提供的tsv封装缺陷检测方法中，步骤s101一实施例的示意图；
40.图3是本发明提供的tsv封装缺陷检测方法中，步骤s101另一实施例的示意图；
41.图4是本发明提供的tsv封装缺陷检测方法中，内置传感器的tsv三维封装样品一结构示意图；
42.图5是本发明提供的tsv封装缺陷检测方法中，内置传感器的tsv三维封装样品的原理示意图；
43.图6是本发明提供的tsv封装缺陷检测装置的一实施例的示意图；
44.图7是本发明提供的电子设备一实施例的运行环境示意图。
具体实施方式
45.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
46.随着ic芯片性能的不断提升，对相应的封装技术提出了挑战，为应对现代ic产品封装的要求，三维封装技术应运而生。其主要思想是先分别制备各器件层，再将各器件层在垂直方向叠加互连形成封装结构。三维封装充分利用了垂直空间，因此能明显减小互连线长度、面积，降低功耗，提高芯片集成度，改善集成电路的性能。在目前的三维封装技术中，tsv(through-silicon via，直通硅穿孔)三维封装由于其鲜明的工艺特点受到了广泛的关注。tsv三维封装在晶圆(wafer)或芯片(chip)内部制作垂直导通孔，然后孔内填充金属，以此实现多层平面器件在垂直方向上的互连。根据业界预测，在可预见的将来，tsv三维封装芯片产业会飞速成长，在高端封装中的应用将极有可能取代传统平面封装。通过以在线工作下tsv内部缺陷响应机理研究为基础，掌握缺陷信号的输出规律；设计内置传感器在tsv三维封装中的集成工艺，以使缺陷信号能被检测系统采集；在工作电载荷及激光加热的复合激励下，激发封装内部隐藏缺陷，利用内置传感器获取缺陷信号，并对缺陷特征进行分离
与识别，掌握在线式主动探测方法；集成理论、仿真和试验结果，建立自动化的三维封装缺陷测试与可靠性评估系统，能够解决三维封装中内部缺陷难检测的问题。
47.本发明实施例提供了一种tsv封装缺陷检测方法，请参阅图1，包括：
48.s101、基于在线工作模式下tsv内部的缺陷响应机理和外界的复合激励，采用预设的内置传感器获取缺陷信号；
49.s102、对所述缺陷信号进行特征提取和分离，获得目标缺陷特征信号；
50.s103、基于热成像原理，获取芯片的热分布图像；
51.s104、将所述目标缺陷特征信号和热分布图像，输入至预设的缺陷诊断网络，获得缺陷检测结果。
52.在本实施例中，首先基于在线工作模式下tsv内部的缺陷响应机理和外界的复合激励，获取缺陷信号；随后对所述缺陷信号进行特征提取和分离，获得目标缺陷特征信号；随后基于热成像原理，获取芯片的热分布图像；最后将所述目标缺陷特征信号和热分布图像，输入至预设的缺陷诊断网络，获得缺陷检测结果。本发明通过采用内置传感器获取工作状态下的tsv封装缺陷，并对缺陷信号进行处理和检测，实现了在线获取缺陷信号的目的，并且通过上述检测手段，提高了检测精度。
53.需要说明的是，缺陷信号为应力应变信号和温度信号。
54.在一些实施例中，请参阅图2，所述缺陷响应机理包括：
55.s201、基于tsv三维封装理论和振动理论，建立tsv三维封装缺陷与tsv孔径、tsv间距和填充材料之间的关系模型；
56.s202、基于所述关系模型，获得tsv封装缺陷对不同工艺和外界环境下的物理参数输出信号的影响程度。
57.在本实施例中，分析tsv内部缺陷在电流、温度复合环境激励下，响应输出的电流、电压、温度以及应力应变等参数数值与分布的变化；掌握内部缺陷导致各参数输出变化的规律，揭示内部缺陷与响应输出之间的影响机理；建立在线工作条件下缺陷的尺寸、位置以及形态等参数与输出的物理信号之间的映射关系，获得内部缺陷的输出响应模型。随后根据响应模型为基础，获取关系模型，并最后获得tsv封装缺陷对不同工艺和外界环境下的物理参数输出信号的影响程度。
58.在一些实施例中，请参阅图3，所述基于外界的复合激励，获取缺陷信号，包括：
59.s301、以正常带电工作为条件，采用非接触式激光加热的方式对tsv封装系统进行加热处理，得到热封装结构；
60.s302、基于所述热封装结构，采用预设的内置传感器，获取缺陷信号。
61.在本实施例中，在工作电载荷及激光加热的复合激励下，激发封装内部隐藏缺陷，利用内置传感器获取缺陷信号，并对缺陷特征进行分离与识别，掌握在线式主动探测方法，其具体实施方式为模拟正常带电工作时的条件，实时检测传感器信号输出；采用非接触激光加热对封装进行激励，根据缺陷行为理论研究成果，设计合理的激励方式，充分激发内部缺陷。
62.进一步的，采用预设的内置传感器获取缺陷信号具体为制备带有内置传感器阵列的tsv三维封装样品，如图4所示，其基本原理结构如图5所示。基板和功能芯片之间由集成传感器的tsv中介层(interposer)进行互连，tsv在工作时的状态数据通过内置传感器采
集，再利用“再布线层”(rdl,redistribution layer)与焊球的互连结构传递到基板上，从而实现tsv状态信号的输出。
63.在一些实施例中，所述对所述缺陷信号进行特征提取和分离，获得目标缺陷特征信号，包括：
64.采用预设的傅里叶变换法对所述缺陷信号进行去噪，获得无噪声信号；
65.采用预设的小波变换法，对所述无噪声信号进行特征提取和分离，获得目标缺陷特征信号。
66.在本实施例中，傅里叶变换将信号从时域转换到频域，可以将信号分解成不同频率的分量。在频域中，噪声通常表现为高频分量，而信号则表现为低频分量。因此，可以通过滤波器去除高频噪声分量，从而实现信号去噪。具体来说，可以将信号进行傅里叶变换，然后使用低通滤波器去除高频分量，最后再进行傅里叶逆变换将信号转换回时域。这样可以去除信号中的噪声，同时保留信号中的有用信息。
67.进一步的，采用预设的小波变换法对无噪声信号进行特征提取和分离，主要是将信号中的无效信息滤除掉，并且解耦温度信号和应变应变信号。
68.在一些实施例中，所述基于热成像原理，获取芯片的热分布图像之后，还包括：
69.对所述热分布图像进行预处理，获得处理后的目标热成像图像，其中所述预处理包括对所述热分布图像进行去噪、滤波和放大；
70.将所述目标热成像图像和目标缺陷特征信号输入至预设的缺陷诊断网络，获得缺陷检测结果。
71.在本实施例中，采用尺度不变特征变换法对红外图像进行处理，获得目标热成像图像。综合热成像图像和缺陷信号数据对tsv封装进行缺陷检测，能够提高检测精度。
72.在一些实施例中，在一些实施例中，在将所述目标缺陷特征信号和所述热分布图像，输入至预设的缺陷诊断网络之前，还包括：
73.获取预设的扫描电镜的第一结果和x射线检测的第二结果；
74.采用所述第一结果和第二结果对初始缺陷诊断神经网络模型进行训练和学习，得到预设的缺陷诊断神经网路模型。在本实施例中，将特征输入到诊断网络，对照sem、x-ray等试验结果，对诊断网络进行监督训练和学习，提高诊断识别的精度和效率，实现对缺陷快速、高效、准确的诊断、定位和识别。
75.在一些实施例中，所述获得缺陷检测结果之后，还包括：
76.根据所述缺陷检测结果，采用预设的归纳法，建立失效模式数据库；
77.根据所述失效模式数据库，确定所述缺陷信号与缺陷尺寸参数和缺陷位置分布之间的映射关系；
78.基于所述映射关系，建立可靠性评估系统。
79.在本实施例中，分析失效模式，以有限元仿真手段解释缺陷演变过程，归纳缺陷检测数据，建立失效模式数据库，根据缺陷信号分离与识别的结果，得到传感器输出信号与缺陷尺寸参数、位置分布之间的映射关系。通过样品剖切制样观测，详细分析内部失效现象，与系统检测结果对比，修正完善理论及仿真模型。进一步的，开发基于内传感数据的tsv三维封装自动检测与质量评估系统，系统通过监测传感器数据，分析运行状态，获取缺陷参数，估计缺陷危害程度，从而实现在线运行状态监测以及封装质量的评估。
80.基于上述tsv封装缺陷检测方法，本发明实施例还相应的提供一种tsv封装缺陷检测装置600，请参阅图6，该tsv封装缺陷检测装置600包括缺陷信号获取模块610、信号处理模块620、热分布图像获取模块630和缺陷检测结果确定模块640。
81.缺陷信号获取模块610，用于基于在线工作模式下tsv内部的缺陷响应机理和外界的复合激励，获取缺陷信号；
82.信号处理模块620，用于对所述缺陷信号进行特征提取和分离，获得目标缺陷特征信号；
83.热分布图像获取模块630，用于基于热成像原理，获取芯片的热分布图像；
84.缺陷检测结果确定模块640，用于将所述目标缺陷特征信号和热分布图像，输入至预设的缺陷诊断网络，获得缺陷检测结果。
85.如图7所示，基于上述tsv封装缺陷检测方法，本发明还相应提供了一种电子设备，该电子设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子设备包括处理器710、存储器720及显示器730。图7仅示出了电子设备的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
86.存储器720在一些实施例中可以是该电子设备的内部存储单元，例如电子设备的硬盘或内存。存储器720在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，存储器720还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器720用于存储安装于电子设备的应用软件及各类数据，例如安装电子设备的程序代码等。存储器720还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器720上存储有tsv封装缺陷检测程序740，该tsv封装缺陷检测程序740可被处理器710所执行，从而实现本技术各实施例的tsv封装缺陷检测方法。
87.处理器710在一些实施例中可以是一中央处理器(central processing unit,cpu)，微处理器或其他数据处理芯片，用于运行存储器720中存储的程序代码或处理数据，例如执行tsv封装缺陷检测方法等。
88.显示器730在一些实施例中可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。显示器730用于显示在所述tsv封装缺陷检测设备的信息以及用于显示可视化的用户界面。电子设备的部件710-730通过系统总线相互通信。
89.当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的存储介质中，该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
90.以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

技术特征：
1.一种tsv封装缺陷检测方法，其特征在于，包括：基于在线工作模式下tsv内部的缺陷响应机理和外界的复合激励，采用预设的内置传感器获取缺陷信号；对所述缺陷信号进行特征提取和分离，获得目标缺陷特征信号；基于热成像原理，获取芯片的热分布图像；将所述目标缺陷特征信号和所述热分布图像，输入至预设的缺陷诊断网络，获得缺陷检测结果。2.根据权利要求1所述的tsv封装缺陷检测方法，其特征在于，所述缺陷响应机理包括关系模型，所述关系模块为基于tsv三维封装理论和振动理论的tsv三维封装缺陷与tsv孔径、tsv间距和填充材料之间的关系构建的，所述关系模型用于获得tsv封装缺陷对不同工艺和外界环境下的物理参数输出信号的影响程度。3.根据权利要求1所述的tsv封装缺陷检测方法，其特征在于，所述基于外界的复合激励，包括：以正常带电工作为条件，采用非接触式激光加热的方式对tsv封装系统进行加热处理，得到热封装结构；基于所述热封装结构，采用预设的内置传感器，获取缺陷信号。4.根据权利要求1所述的tsv封装缺陷检测方法，其特征在于，所述对所述缺陷信号进行特征提取和分离，获得目标缺陷特征信号，包括：采用预设的傅里叶变换法对所述缺陷信号进行去噪，获得无噪声信号；采用预设的小波变换法，对所述无噪声信号进行特征提取和分离，获得目标缺陷特征信号。5.根据权利要求1所述的tsv封装缺陷检测方法，其特征在于，在基于热成像原理，获取芯片的热分布图像之后，还包括：对所述热分布图像进行预处理，获得处理后的目标热成像图像，其中所述预处理包括对所述热分布图像进行去噪、滤波和放大；将所述目标热成像图像和目标缺陷特征信号输入至预设的缺陷诊断网络，获得缺陷检测结果。6.根据权利要求1所述的tsv封装缺陷检测方法，其特征在于，在将所述目标缺陷特征信号和所述热分布图像，输入至预设的缺陷诊断网络之前，还包括：获取预设的扫描电镜的第一结果和x射线检测的第二结果；采用所述第一结果和第二结果对初始缺陷诊断神经网络模型进行训练和学习，得到预设的缺陷诊断神经网路模型。7.根据权利要求1所述的tsv封装缺陷检测方法，其特征在于，所述获得缺陷检测结果之后，还包括：根据所述缺陷检测结果，采用预设的归纳法，建立失效模式数据库；根据所述失效模式数据库，确定所述缺陷信号与缺陷尺寸参数和缺陷位置分布之间的映射关系；基于所述映射关系，建立可靠性评估系统。8.一种tsv封装缺陷检测装置，其特征在于，包括：
缺陷信号获取模块，用于基于在线工作模式下tsv内部的缺陷响应机理和外界的复合激励，获取缺陷信号；信号处理模块，用于对所述缺陷信号进行特征提取和分离，获得目标缺陷特征信号；热分布图像获取模块，用于基于热成像原理，获取芯片的热分布图像；缺陷检测结果确定模块，用于将所述目标缺陷特征信号和所述热分布图像，输入至预设的缺陷诊断网络，获得缺陷检测结果。9.一种电子设备，其特征在于，包括：处理器和存储器；所述存储器上存储有可被所述处理器执行的计算机可读程序；所述处理器执行所述计算机可读程序时实现如权利要求1-7所述的tsv封装缺陷检测方法中的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-7所述的tsv封装缺陷检测方法中的步骤。

技术总结
本发明公开了一种TSV封装缺陷检测方法、装置、电子设备及存储介质，方法包括：基于在线工作模式下TSV内部的缺陷响应机理和外界的复合激励，采用预设的内置传感器获取缺陷信号；对所述缺陷信号进行特征提取和分离，获得目标缺陷特征信号；基于热成像原理，获取芯片的热分布图像；将所述目标缺陷特征信号和热分布图像，输入至预设的缺陷诊断网络，获得缺陷检测结果。本发明解决了现有技术中传统监测方法无法获取工作状态时TSV内部信息以及检测精度低的技术问题。的技术问题。的技术问题。


技术研发人员：聂磊 刘江林 董正琼
受保护的技术使用者：襄阳湖北工业大学产业研究院
技术研发日：2023.03.28
技术公布日：2023/7/25