文章来源：SMT技术网

摘要：

    在多芯片组件组装过程中,引线键合的自动光学检测存在背景图像复杂、跨尺度检测难度大和压点方向随机等问题.进行了光源参数和图像处理算法优化,通过键合球、引线和键合压点等三部分的分段检测,实现了自动光学检测技术在引线键合工艺中的应用.通过某型多芯片组件组装过程的检测得到数据,统计结果表明:与人工目检相比,检测效率提升了240％(离线生产),漏检率由200×10-6降至5×10-6以下,可有效降低目检操作者的劳动强度,可统计分析缺陷类型,为引线键合的工艺改进、质量提升和数字化生产提供了基础数据.

关键词：自动光学检测、引线键合、图像处理、质量提升

00 引言

    随着电子装备向着小型化、多功能的方向发展，多芯片组件的需求量越来越大，且组装密度越来越高。引线键合是实现芯片、基板和I/O之间互连最常见的工艺方法。多芯片组件内部存在几百乃至上万根键合引线，其互连质量直接决定了组件的性能和可靠性，为此引线键合的检验至关重要[1]。人工目检是引线键合最常见的检验方法，然而严重依赖检验人员的经验和工作状态，工作强度大，易出现错检和漏检等诸多问题，同时，检验结果依靠人工记录，检验结果的统计分析难度大，难以对工艺改善形成有效的指导。

    近年来，随着自动光学检测技术的飞速发展，检测能力不断提升，自动光学检测技术能力不断提升，应用领域不断扩大[2~3]。常规的自动光学检测主要用于具有标准图像的检测，如标准封装元器件、基板乃至芯片等。然而,在多芯片组件组装领域,元器件种类多、组装密度高、检测对象尺寸变化大且缺少标准图形，特别是在引线键合等缺陷检测方面还存在诸多难题。一方面，引线的直径小(典型为25μm) ，键合跨度大（毫米尺度），引线弯曲造成光线的反射角度不同，进而影响到引线的检测图像，拱形和高度决定了引线的曲率变化，从而在引线跨度内的像素发生了显著变化，有效像素的识别难度加大;另一方面，被检测引线跨度的背景图像变化大，一根引线往往会跨过不同的焊盘、基板和芯片等，背景的变化导致引线检测图像的处理变得更加复杂。

    为此，本文根据引线键合工艺特点和检验要求，开展了系列的光源参数和检测算法的优化，实现了自动光学检测技术在引线键合中的应用。

01 引线键合工艺及其缺陷分类

    引线键合是将金属线在热量、超声和压力等能量的作用下，与焊盘金属之间形成可靠连接的工艺方法，根据键合方式不同，可分为球焊和楔焊两种方式。球焊键合工艺过程和焊点形貌如图1所示。楔焊没有成球的过程,互连的两个端点均为压点，其弧度更低，更加适合高频互连[4]。

图1 引线键合工艺过程及焊点形貌

    已有文献对引线键合常见缺陷的表现、形成原因和控制措施详细的论述，结合自动光学检测的技术要求，对缺陷进行了分类（见表1)。

表1 常见引线键合缺陷分类及典型图示

02 自动光学检测关键技术研究

    根据自动光学检测和金丝键合引线的特征，将引线键合的自动光学检测分为焊球、引线和压点三个部分，分别开展自动光学检测应用技术研究。

2.1 焊球检测技术

    焊球主要采用标准模板法和最小二乘拟合算法进行检测，标准模板法主要是通过被检测图像与标准模板之间的相关系数的匹配度计算识别出焊球位置，相关系数计算的矩阵关系为:

(1)

    式中:Aij是在指定搜索范围内寻找的第i行、第j列个待比照的图片;Aij(m ,n)是A图中第m行、第n列的像素值;B(m,n)是标准模板中第m行、第n列的像素值;R(ij)是A图与B图的相关系数。

    R越接近于1，则两幅图像的相似度越高。当R=1时，A图与B图完全相同。当相关系数R(ij)高于检测程序设定的阈值，判定焊球位置有效，否则判定为焊球偏移失效。

    同时,由于元器件或基板的批次性不同，通常需要对键合参数进行微调，进而造成焊球外形存在一定的差异，为此,需要根据不同参数保存若干个标准模板作为对比参照对象，并将若干参照对象设置为同等优先级，具体检测图像如图2所示。

    基于标准模板匹配得到了焊球之后，进一步采用二值化的方法，将焊球与焊盘背景区分开，然后沿八个不同的方向计算像素值发生变化的具体位置坐标，然后再采用最小二乘法计算出焊球半径（如图3所示）。

    根据工艺要求，以焊球半径是引线直径的2~5倍作为焊球半径的合格范围判据。同时，根据测量的焊球尺寸信息，结合自动键合设备的工艺参数，可以进一步细化键合工艺参数间的关系，优化工艺参数。

图2 焊球位置检测图                                           图3 焊球尺寸检测图

    在实际检测过程中，当焊球落在器件边缘时，很容易发生误报现象。经过分析，其原因是芯片电容边缘的绝缘区色块会对焊球的正确识别带来一定的困难，检测过程中通过增加标准模板数量，可以有效降低误报率。同时，实际焊球检测过程中，由于引线的存在及其走向的不确定性,在与标准模板比对时，添加了额外的干扰，通过对图像进行二值化处理来降低引线干扰的情况。因同轴光过强造成的焊球顶部反光过量的“秃顶”情况，可以通过减弱同轴光，增强侧面环形光的方式来有效避免。

    通过上述措施，可以有效改善焊球的光学自动检测能力，实现了对引线键合金球部分的检测应用。

2.2 引线连续性检测技术

    由于引线本身是一种不定形的检测对象，利用标准图像计算相关系数的方法来区分正常键合引线和缺陷引线，误报率可达到40%以上，为此常规的标准图像比对无法实现对引线缺陷的检测。

    经分析,结合引线自身特性，通过判断引线的连续性来实现引线缺陷的检测，预设的两端焊点位置，连接一条直线，沿直线产生一系列的连续条形检测框。根据条形检测框中像素值阶越式变化的位置来判断当前检测条框是否有引线存在。最后，判断所有条形检测框是否存在连续引线缺失现象，如果存在则判定为失效。依靠这种基于引线特征的连续框检测技术，可以将引线误报率降低到10%左右。

    进一步地，采用自适应性的检测框技术来降低设备引线检测的误报率。利用检测条框方向作不断的适应性调整的方式，可有效地降低在引线键合检测过程中存在的缺陷误报，同时利用检测条框检测出的引线准确位置可以计算出引线偏离正常位置的距离，从而实现引线弯曲度的数值化测量，图4是自适应检测过程图。

图 4引线自适应性检测图

    由于引线与芯片背景的对比度非常高，而与金色焊盘的对比度很低，如果采用单一光源时，只能有效判断出二值化部分引线的连续性，当引线断裂处发生在额外区域时则无法判断。针对上述问题，提出了一种基于多光源和多图像的引线检测算法，来实现缺陷的有效识别。多光源多图像是指在检测过程中利用设置好的不同光源对被检测引线进行连续的拍照。使用白蓝绿紫四色光源，通过调节光源的种类、强度和曝光时间，可以实现引线与背景的二值化对比度，进而实现引线的有效检测，具体测试结果如图5所示。由图可知，在1号光源中，引线位于焊盘黑线部分无法有效与黑线区分，但在芯片和焊盘上部分引线与芯片对比明显，有较大区分度，而2号光源则表现出引线与金色焊盘背景无法区分。

图5 不同光源下引线成像图

    通过自适应性的检测框和多光源多图像方法的应用，实现了多芯片组件复杂背景图像的引线的连续性检测。

2.3 压点检测技术

    压点的形状参数对键合质量具有重要印象，是合格与否的关键检验点之一。通常要求压焊端点沿长轴方向为椭圆形或圆形，键合区宽度一般为金属线直径的1.2~3.0倍，键合区长度一般为金线直径的1.5~5.0倍，键合区厚度一般为金属线直径的1/3左右。

    由于引线键合中压焊端点的方向不固定，导致无法有效判断压焊端点的形貌参数。因此，首先将被检测图像进行二值化处理，处理完成后的图像进行压点方向与惯性主轴之间夹角的计算，具体计算方法[6]为:

(2)

    式中:θ为图像x轴与惯性主轴夹角Mmn=∫∫xmyndxdy为几何惯性矩阵;A为被检测端点图像的像素总面积;xs和ys为面积重心坐标;m为几何惯性矩。

    由二值化后的端点轮廓数据计算获得由黑白像素组成的像素值分布图，如图6所示。从而计算出被检测焊点的压焊端点长轴（及惯性主轴)方向。基于此，确定焊点端头的最小外接矩形，最终计算出压点的轮廓尺寸，实现对压点形状的检测。

03 应用情况

3 应用情况

    为了验证自动光学检测技术在引线键合工艺中的应用情况，选用某型自动光学检测仪，对某型多芯片组件开展了应用验证，该组件内部包含了255根金丝球焊和511根金丝压焊，在检测效率、漏检率等方面均得到显著提升，同时开展了缺陷分析和工艺改进。

图6 压焊端点二值化及测量

3.1 检测效率

    该检测仪具备离线和在线检测两种工作模式，检测过程中将多芯片组件置于载具上，每个载具可以一次检测10个组件，由检测仪进行自动光学检测，并自动标识出疑似缺陷的位置，由检验人员对其进行二次核验。经统计，单板的检测时间为1.5 min，为此单班在线检测数量为8×60×10/1.5=3200只，如采用离线检测方式，考虑组件放置和拆卸等时间，单班检测数量也可以达到1200只以上，而同期人工检验的单班数量仅为500只。由此可以得出，检测效率提升了240%以上。

3.2 漏检率分析

    漏检率是指组装过程中未检查出的缺陷与检测对象总数的比例。为了验证自动光学检测的漏检率，将人工检验完成的组件再次进行自动光学检测，同时将内部目检中发现的键合检验问题进行了统计，经过分析，人工检验的漏检率约为200×10-6°，自动光学检测的漏检率低于5×10-6。

3.3 缺陷分析与工艺改进

    通过检测数据分析，某型多芯片组件的缺陷的位置分布和缺陷类型具有显著的相关性，共有C1~C6和N1共计7种典型缺陷，占到缺陷类型的70%左右，具体统计结果如图7所示。根据统计数据，分析了产生缺陷的原因，并开展了工艺改进，优化了工艺参数，缺陷数量降低了57.3%，引线键合的一次检验合格率由98.9%提高到99.6%。

图7 自动光学检测改良前后的缺陷统计分布图

04 结束语

    通过光源优化配置、图像处理算法的优化和分段检测的技术应用，解决了多芯片组件组装过程中引线键合的自动光学检测背景图像复杂和跨尺度检测等难题，实现了自动光学检测在引线键合工艺中的应用。经产品验证，自动光学检测技术应用可实现检测效率提升240%以上，漏检率由人工检验的200×10-6降低至5×10-6，同时，通过检测结果的数据分析，对缺陷类型进行了标定，并针对性开展了工艺改进，缺陷数量降低了57.3%，引线键合一次合格率由98.9%提高到99.6%。