1。4 论文的研究工作

本论文主要使用 SAM 技术，即采用扫描超声显微镜，对倒装芯片进行检测。 在得到光学图像之后，利用相关系数法对图像中 256 进行选择，提取一个正常焊 球作为模板，分割成独立的焊球图像，对其进行二值化，提取焊球的缺陷参数， 绘制成相关系数矩阵图。然后选取区分度明显的特征，模糊神经网络算法，这里 我所选择的是 FCM 聚类算法，对整个焊球图像进行识别与分类。

第一章主要的目的是引入倒装芯片的概念，详细的分析目前国内外的研究情 况，并简单介绍了倒装芯片相关的知识。

第二章主要介绍的是论文所使用模糊神经网络中的 FCM 聚类算法。并简单 介绍了神经网络的知识。

第三章详细讲述了 SAM 缺陷检测原理，焊球连接到芯片上的工艺以及封装 过程。来*自-优=尔,论:文+网www.chuibin.com

第四章阐述了对芯片处理的详细步骤以及最后的结果。

2 缺陷检测系统

2。1 测试芯片

论文所使用的扫描声学显微镜的超声波频率为 230MHz。当我们开始使用这 种显微镜，来对倒装芯片上的焊球与芯片基面进行扫描，这种方法通常被我们称 为扫描检测。 选取的倒装芯片是 Practical Commponenet 公司生产， 编号为 FA10-200×200 的芯片，这种芯片上共有 317 个焊点。它是 5。08×5。08mm 的面 阵型，中心矩 254μm，直径 135μm，高度 120μm。此时我们去掉周边，仅保 留该芯片中心 16×16 个焊点，由于边缘焊点反射回的超声波信号较弱（边缘效 应）。