基于混合极限学习机的TSV缺陷检测技术

• 作者: 侯杏娜 尚玉玲 康怀强 陈寿宏
• 来源期刊: 半导体技术
• 学科: 工学
• 关键词: 硅通孔(TSV)缺陷检测 机器学习 S参数 极限学习机(ELM) 粒子群优化(PSO)算法
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 半导体检测与设备
• 页码范围: 557-563
• 页数: 7页
• 分类号: TN407
• 语种: 中文
• DOI: 10.13290/j.cnki.bdtjs.2020.07.011

摘要

随着三维集成技术的飞速发展,硅通孔(TSV)缺陷的检测问题不容忽视.提出了一种新型无损TSV缺陷检测方法,该方法采用混合极限学习机模型对TSV缺陷的S参数进行训练分类,用来预测TSV发生空洞缺陷的大小及高度、发生针孔缺陷的大小及高度及发生微衬底未对齐缺陷的偏移量.仿真结果表明,所提出的方法在TSV缺陷检测过程中可以避免对被测样品的损坏,且与原极限学习机相比,其缺陷定位准确率提高了11.51％,达到94.61％.基于混合极限学习机的TSV缺陷检测方法,既可以对不同类型的TSV缺陷进行分类,也能针对具体缺陷类型进行定位.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尚玉玲	桂林电子科技大学电子工程与自动化学院	45	255	8.0	14.0
2	陈寿宏	桂林电子科技大学电子工程与自动化学院	37	107	5.0	8.0
3	侯杏娜	桂林电子科技大学电子工程与自动化学院	12	35	4.0	5.0
4	康怀强	桂林电子科技大学电子工程与自动化学院	2	3	1.0	1.0