服务热线
0769-28680919
153-2293-3971 / 177-0769-6579
(化学机械抛光)后凸块高度测量是半导体先进封装工艺中的关键质量控制环节。机器视觉测量系统主要用于检测凸块(Bump)的高度、共面性(Coplanarity)以及缺陷,确保倒装芯片(Flip Chip)等封装工艺的可靠性。

核心技术原理
1. 白光干涉测量技术
原理:采用相干光扫描成像,通过干涉图像的分层叠加精确重建微三维形貌
精度:可达亚纳米级(<1nm)检测精度
应用:测量CMP后的平坦度、凸块高度、TSV(硅通孔)等三维形貌信息
2. 光谱共焦位移传感技术
原理:利用多棱镜色散部件,通过不同波长光线的相位差计算高度
精度:最高可达0.1μm,测量角度大,适应性强
优势:可同时检测视觉外观和厚度,提升产品良率
3. 3D线激光/线共焦扫描
技术:采用线共焦传感器(如FocalSpec 3D 1201)扫描获取3D点云数据
特点:可同时生成三维地形、三维层析成像和二维强度数据
分辨率:可达50nm,扫描速度高达3KHz
2. 核心算法逻辑
CMP后凸块测量的难点在于“找基准面”。CMP工艺的目标通常是使凸块顶部平坦化,或者使凸块高度与周围介质层(如SiO₂或聚酰亚胺PI)共面。算法需精确分离以下三个关键特征:
全局基准面拟合 (Global Planarization):利用最小二乘法或M-estimator算法,拟合晶圆背面或正面非图案区域的平面。用于消除晶圆因吸盘吸附产生的微米级形变。
局部区域分割 (Segmentation):
凸块顶部 (Bump Top):需在镜面反射图像中准确识别凸块边缘。CMP后的铜表面非常光滑,极易产生高光(Over-exposure),算法需采用自适应阈值或基于深度学习的边缘检测(如U-Net变体)来精确提取ROI。
介质层 (Dielectric Layer):通常指凸块之间的“场区”。CMP后,场区可能比凸块低(过抛光)或残留氧化物(欠抛光)。算法需计算凸块顶平面与场区平面的相对高度差(Step Height)。
离群值剔除 (Outlier Removal):CMP后可能残留研磨颗粒或微小刮伤。系统需利用统计学(如3σ准则或四分位距IQR)自动剔除这些非真实凸块高度的异常点,防止误判。
系统主要功能
凸块高度: 亚纳米级精度, 倒装芯片凸块质量控制
共面性检测 :全晶圆100%检测, 确保焊接可靠性
铜柱/RDL测量: 线宽、线高、粗糙度 ,再布线层工艺监控
CMP后平坦度: 碟形凹陷(Dishing)、侵蚀(Erosion) CMP工艺优化
TSV深度: 高深宽比沟槽/通孔, 3D封装集成
技术挑战与发展趋势
高精度要求:随着凸块尺寸微缩至微米级,测量精度需达到亚微米甚至纳米级
高反光表面:金属凸块表面反光强烈,需采用特殊光学设计抑制干扰
在线检测需求:从离线抽检向100%在线全检发展,提升产率和质量控制
AI集成:结合深度学习算法进行缺陷自动分类和预测性维护
测量流程示例(3D视觉方案)
基准面建立:选择PCB/晶圆基板作为高度参考基准
点云获取:通过3D传感器扫描获取凸块三维点云数据
图像处理:将点云转换为深度图,采用Blob分析定位每个凸块
高度计算:测量各凸块相对于基准面的高度及缺失情况
数据分析:统计高度分布、共面性误差,生成检测报告
该系统在半导体先进封装(如BGA、CSP、Fan-out等)中具有不可替代的作用,是保障芯片互连可靠性的关键质量关卡。
晶圆CMP后刻蚀结构的深度机器视觉测量系统
2026-09-20
在半导体制造中,化学机械抛光(CMP)后的刻蚀结构(如大马士革工艺中的沟槽、通孔或FinFET的鳍片)深度测量,是工艺控制(APC)的关键环节。 针对“晶圆CMP后刻蚀结构深度”的机器视觉测量系统,通常需要突破传统二维成像的限制,转向高精度三维光学测量与先进图像处理算法的结合。
晶圆CMP后侧壁角度机器视觉测量系统
2026-09-20
晶圆经过化学机械抛光后,侧壁角度(Sidewall Angle)的精确测量是保证后续光刻、刻蚀工艺良率的关键。与传统的破坏性扫描电子显微镜抽检不同,基于机器视觉的在线测量系统,核心在于解决“如何用光学方法看清并测准一个倾斜、微小的立面”。其关键在于倾斜照明与成像,并结合高速图像处理来恢复真实的几何尺寸。
康耐德智能晶圆CMP后凸块高度机器视觉测量系统
2026-09-20
后凸块高度测量是半导体先进封装工艺中的关键质量控制环节。机器视觉测量系统主要用于检测凸块(Bump)的高度、共面性(Coplanarity)以及缺陷,确保倒装芯片(Flip Chip)等封装工艺的可靠性。
芯片塑封异形结构保护点胶视觉检测系统
2026-09-13
芯片塑封异形结构的点胶质量检测,传统2D视觉和固定扫描方案常因曲面反光、路径复杂而力不从心。当前的主流技术路线已转向3D视觉引导+AI路径规划,通过动态姿态调整从源头解决阴影和数据缺失问题。
官方公众号
官方抖音号Copyright © 2022 东莞康耐德智能控制有限公司版权所有.机器视觉系统 粤ICP备2022020204号-1 联系我们 | 网站地图