自动对焦技术:TGV视觉检测方案中的关键

玻璃通孔(TGV)工艺在半导体封装中应用广泛,但在检测过程中面临诸多挑战,

主要体现在以下几点:

1、精度要求高

TGV技术的精度要求极高,通常是微米级。为了确保电气性能和信号传输的稳定性,任何微小的形变或尺寸偏差都可能导致封装失败,因此对检测精度的要求非常高。

2、材料和结构的复杂性

玻璃作为一种硬脆材料,具有较高的透明度,但其微观结构和裂纹等缺陷往往不容易直接观察。传统的检测方法,如X射线成像或光学显微镜,可能在检测玻璃材料时不够有效,特别是当玻璃厚度较大或通孔内存在微裂纹时,常规方法很难准确判断。

TGV是具有深度的通孔,品质检测需要关注Z轴方向(深度方向)的完整性,不仅是二维的表面缺陷。

3、多种缺陷的识别难度

在TGV封装中,可能出现的缺陷包括孔径不均匀、孔壁裂纹、玻璃表面缺陷等。检测系统需要具备高分辨率的成像能力,并能够准确识别这些微小缺陷。而由于玻璃的透明性和折射特性,缺陷的识别可能会受到光线和视角的影响。

4、 高速检测的挑战:随着半导体封装向更高集成度发展,TGV技术的检测也需要适应更高的速度。高速的检测要求能够在短时间内完成对大量封装产品的检查,同时保持足够的精度,这对检测设备和算法提出了更高的要求。

针对玻璃通孔(TGV)工艺中的检测难点,志强视觉推出的TGV检测方案可有效解决上述难题,该方案将工业相机、高速自动对焦(AF)系统与精密调控的光源相结合,确保TGV检测质量的可靠性。

自动对焦系统在TGV中的关键作用

通过自动对焦(AF)技术实现精确对焦控制

不同层级的TGV孔形状和尺寸可能有所不同,因此进行分层精确对焦至关重要。特别是在使用高倍率镜头时,景深非常浅,稍有偏差就可能导致对焦错误,进而造成测量不准确。因此,快速且高精度的AF系统对于实现可靠检测尤为关键。

自动对焦(AF)的结构特点及其在TGV中的适用性

自动对焦(AF)技术大致可分为两种类型:透镜内对焦(TTL)和光学三角测距。两者均利用激光反射光实现对焦,但TTL系统在激光垂直投射进入深孔且反射光难以返回时,存在信号丢失风险;而光学三角测距由于斜角投射,测量更加稳定可靠。

因此,对于涉及多层结构和微米级孔洞检测的TGV应用,光学三角测距法在技术上更为适。

玻璃通孔(Through-Glass Via, TGV)工艺在先进封装领域具有重要应用潜力,半导体行业应用广泛。

相关推荐
波力海苔夹心脆6752 天前
VisionPro 与 VisionMaster 对比(上):软件定位、开发环境与核心视觉工具对照
图像处理·算法·计算机视觉·c#·视觉检测·个人开发·vp9
ishangy2 天前
AI 泄漏特征算法|智慧矿山井下管道瓦斯液体跑冒滴漏识别系统
视觉检测·边缘计算·ai视觉·智慧矿山·煤矿安全·管道监测·跑冒滴漏ai识别
TMT星球4 天前
地瓜机器人2026工博会首秀:端云一体全栈AI底座,覆盖视觉检测、工业数采与具身作业
人工智能·机器人·视觉检测
Reload.4 天前
深度学习-极验叠字点选-yolo-模型调优-高阶数学-opencv
人工智能·深度学习·opencv·yolo·计算机视觉·视觉检测
波力海苔夹心脆6756 天前
C# 机器视觉实战:单相机引导机械手精准贴合,从拍照、偏差计算(平移+旋转)到坐标补偿全解
开发语言·经验分享·数码相机·c#·视觉检测·.net
智能直播6 天前
RK3528 RGA+DRM框架 HDMI out视频输出:从多图层合成到显示送显
视觉检测·音视频·实时音视频·视频编解码
VisionDataLab6 天前
老旧产线机器视觉技改难点剖析:基于布线干扰、通讯不稳定、空间受限的落地优化方案
自动化·视觉检测
波力海苔夹心脆6757 天前
C# 视觉检测实战:PLC 按钮触发 VisionPro 检测,OK 亮灯 / NG 灭灯(西门子 PLC,含界面显示与图片存档)
开发语言·经验分享·c#·自动化·视觉检测·.net
答案是你9 天前
YOLOE 开放词汇检测 + ONNX / TensorRT 推理,开源了!
python·深度学习·yolo·目标检测·计算机视觉·视觉检测
迁移科技11 天前
无惧焊接强光与飞溅:Epic Eye Pixel Welding特定工况相机解析
人工智能·科技·自动化·视觉检测