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
橙露15 小时前
二通道数显控制器:工业测控的“双管家”,视觉检测中的隐形助力
人工智能·计算机视觉·视觉检测
智驱力人工智能1 天前
高速公路无人机车流密度监测 构建动态交通新维度 基于YOLOv8的无人机车辆检测算法 边缘计算无人机交通监测设备
人工智能·安全·yolo·目标检测·视觉检测·无人机·边缘计算
Microvision维视智造2 天前
告别漏检与低效 ,维视智造用 2D+3D 视觉攻克 3C 连接器质检难题
3d·视觉检测
豆芽8193 天前
计算机视觉:异常检测(paper with code汇总更新中)
人工智能·神经网络·计算机视觉·视觉检测·扩散模型
AI即插即用3 天前
即插即用系列 | MICCAI EM-Net:融合 Mamba 与频域学习的高效 3D 医学图像分割网络
网络·人工智能·深度学习·神经网络·学习·计算机视觉·视觉检测
song150265372984 天前
视觉检测设备的生产及应用软件开发
人工智能·计算机视觉·视觉检测
MM_MS4 天前
VisionPro工具使用--->通过连接器距离及其角度的测量并显示案例掌握并学习到工具的知识点和使用步骤
学习·目标检测·计算机视觉·视觉检测
qq19226385 天前
基于FPGA的积分梳状CIC滤波器Verilog设计探秘
视觉检测
格林威6 天前
多相机拼接:消除重叠区域的6个核心方法,附OpenCV+Halcon实战代码!
人工智能·数码相机·opencv·计算机视觉·机器人·视觉检测·制造
AI即插即用7 天前
即插即用系列 | CVPR 2024 FADC:频域自适应空洞卷积,完美解决语义分割“网格效应”
图像处理·人工智能·深度学习·目标检测·计算机视觉·视觉检测