반도체 칩의 2차원 엑스선 영상에서 배경 제거를 위한 전처리 방법

• 영문명: Preprocessing Method for Background Removal in 2D X-ray Images of Semiconductor Chips
• 발행기관: 한국마이크로전자및패키징학회
• 저자명: 오찬영(Chanyoung Oh) 조승룡(Seungryong Cho) 이태원(Taewon Lee)
• 간행물 정보: 『마이크로전자 및 패키징학회지』제31권 제4호, 71~75쪽, 전체 5쪽
• 주제분류: 공학 > 산업공학
• 파일형태: PDF
• 발행일자: 2024.12.31

국문 초록

반도체 패키징 기술은 전자 제품의 고성능화 및 소형화 요구에 따라 발전해 왔다. 고도로 집적된 반도체 칩에서 와이어 및 범프 결합 방법은 엑스선 검사 시 결함을 검출할 수 있다. 그러나 CT 스캔을 사용하는 검사 방법은 스캔 시간이 길어 생산성이 저하되고, 방사선량 증가로 인해 추가적인 결함이 발생할 수 있다. 이를 해결하기 위해, 본 연구에서는 딥러닝 네트워크, 푸리에 변환 및 머신 러닝 기반 최적화 기법을 결합한 전처리 방법을 제안한다. 이 방법은 2D 엑스선 투영 영상에서 검사 대상이 아닌 배경 정보를 제거하여 반도체 칩의 불량 검출을 개선하는 데 목적으로 한다. MATLAB으로 생성된 팬텀 데이터와 GPU 기반 Geant4 시뮬레이터(GGEMS)를 사용해 투영 영상을 획득하고, 가중치최적화와 FFT를 통해 배경 정보를 성공적으로 제거하고 핵심 세부 사항을 보존하여 반도체 칩 투영 영상에서 불필요한정보를 줄였다.

영문 초록

Semiconductor packaging technology has advanced in response to the increasing demands for high performance and miniaturization of electronic devices. Wire bonding and bump interconnection methods can detect defects during X-ray inspections in highly integrated semiconductor chips. However, inspection methods using CT scans result in longer scanning times, reducing productivity, and the increased radiation dose can lead to additional defects in the semiconductor chips. To address these issues, this study proposes a preprocessing method that combines deep learning networks, Fourier transform, and machine learning-based optimization techniques. The aim is to improve defect detection in semiconductor chips by removing background information that is not interesting from 2D X-ray projection images. The phantom data for the semiconductor chips was generated using MATLAB, and projection images were acquired using a GPU-based Geant4 simulator (GGEMS). Our proposed method effectively removed the background of semiconductor chip projection images while preserving critical details.

목차

1. 서 론

2. 실험방법

3. 결과 및 고찰

4. 결 론

감사의 글

References

키워드

Semiconductor packaging X-ray Deep learning Optimization