Void detection in solder bumps with deep learning

بسته های مقیاس تراشه سطح ویفر دارای تعداد زیادی ضربه های لحیم کاری هستند. این ضربه ها مستعد ابتلا به حفره هایی هستند که از زمان خروج گاز از طریق انجماد مورد استفاده قرار می گیرند. این حفره ها یک خطر قابل اعتماد برای مقاومت حرارتی مکانیکی اتصالات لحیم کاری است. بنابراین برای کنترل کیفیت مورد نیاز، نمایش پروانه ها بر حسب درصد است. وایت ها با رادیوگرافی اشعه ایکس به خوبی جذب می شوند. تشخیص هویت در تصاویر اشعه ایکس موضوع این مقاله است. تعداد زیادی از ضربه های لحیم کاری، تشخیص خودکار شدن را ضروری می سازد. در این مقاله ابتدا روشهای آستانه معمولی را برای شناسایی حفره ها استفاده می کنیم. سپس، ما یک مدل یادگیری عمیق برای شناسایی درصد خالی استفاده می کنیم. ما نشان خواهیم داد که با توجه به داده های آموزشی مناسب، یادگیری عمیق می تواند به طور موفقیت آمیز از لحاظ درصد ناپدید شدن خود در لحیم باتری استفاده شود.