晶片键合质量的红外检测系统设计

等功能。而使用一般通用的办公软件处理图片，如Photoshop等,需要理解键合的专业技术人员的参与，人为参与的因素过多，也将直接影响测试结果，且处理起来也很不方便。因此，我们利用Visual C++开发相应的软件模块，无需专业人员操作，可以方便快捷地处理图片，快速获取所需要的信息。目前主要处理模块流程如图3所示。

上文中已经说明了最终选择普通的白炽灯作为光源是最为经济合适的，但同时也使得硅片表面的光照不均匀。同属于键合区域，而中间偏亮，四周偏暗，位于不同光照位置的键合区和未键合区的灰度值非常接近，这给图像的分割带来很大的困难。因此，加入光照补偿模块，成功地解决了光照不均的问题。光照补偿曲线由标定拟和的方式得到。

3.3.2 对比度增强模块

由于图片上键合区域和未键合区域的对比度不是很大，使得图像的分割困难，分析所得图片的灰度直方图，发现灰度值集中在0～255的某一段区域，此处采用一种对比度增强算法，均匀地拉大各部分的差别，从而拉大图片上键合区域和未键合区域的差别，方便后续处理。该对比度增强算法不同于直方图均衡，它在算法上没有累积，其效果体现在直方图上，均等地拉开了各个灰度值之间的间距，而不改变灰度等级的个数和所对应的概率值。

3.3.3 图像平滑处理模块

获得图像的过程中，不可避免地会引入很多噪声，所以图像平滑是图像预处理不可缺少的部分。此处采用的图像平滑是基于梯度的算法，中和了均值滤波和中值滤波的双重效果，在抑制噪声的同时也模糊了干涉条纹，从而为后续的阈值分割奠定基础。该算法的实现：用3×3的邻域T[3][3]，取中心点与其相邻的8个点的灰度值梯度，按阈值 T0将T[3][3]分成三个区域，邻域内各点的灰度值为其所属区域的灰度均值。用T[3][3]遍历整幅图像，图像各点的灰度值取该点累积的均值。

3.3.4 阈值分割模块

阈值分割是从整幅图像中提取目标对象的处理，在此处是为了提取出键合上的区域，为键合率的计算做准备。

3.3.5 键合率计算模块

在阈值分割后的二值图像上，计算出键合区域的面积，从而计算出键合率。键合率定义为晶片键合上的面积占整个预键合晶片面积的百分比。

4 系统的应用

4.1 在线监测键合过程

将红外检测应用到键合装置中，可以实时监控键合过程。图4（a）～（d）是截取的预键合过程中的4幅图片，可以清晰地观察键合波从中间向四周扩张的传播过程。图中所标的数字表示预键合时间（晶片经活化处理后，从两晶片开始接触到逐步键合所经历的时间）。1 min后，键合面积基本不再发生变化，预键合结果如图4（d）所示。

4.2 检测晶片键合质量

将上节中预键合的硅片在120。C下退火5 h，最终得到键合片的红外图片如图5（a），其键合质量如图5，键合率为60.20％。

两组样品均采用单面抛光的p型标准晶片，经过清洗、活化等处理后，贴合到一起，再经过低温退火，形成稳定的键合，获得测试样件。将键合好的晶片放在该测试仪上检测,并进行相应图像处理得到样品1和2的红外图片如图6和图7所示。

图6（a）和图7（a）中，圆形区域是要键合的圆片，其中明区为键合上的地方，暗区为未键合上的地方，圆形区域（即键合圆片）以外为图像背景。从图上可以大致地看出空洞（未键合区域）的分布、个数和大小等。为了获得更为准确的数据信息，借助图像处理程序对图片（a）进行对比度增强、平滑、分割等一系列处理，可获得图（b），（c），从而得到键合率。样品1的键合率为28.12%，键合率很低，并且从图6中空洞的分布可以看出，样品1键合得很不好。样品2的键合率为66.12％。比较图6和图7，样品2的键合质量明显优于样品1，可以说明键合圆片越薄，越容易键合。可以从平板理论理解这一键合现象，圆片越薄，界面表面能克服圆片翘曲贴合到一起所需要的力越小。

在图7（a）右侧，可以看到具有清晰圆形干涉条纹的圆形暗区，这是因为在圆片贴合前，圆片此处有一颗粒污染。因此可以推测，界面上因颗粒污染所形成的空洞，红外图片上呈现为比较规则的圆形暗区。

5 结论

本文开发的晶片键合质量的红外检测系统具有成本低、实现原理和方法简单等优点。利用该检测仪，可以快速获得晶片的键合率和缺陷分布状况，从而实现晶片键合质量的快速评估。分析和比较了不同工艺条件下键合片的键合质量，包括键合率和空洞分布，结合键合强度等参数，可以有助于理解晶片键合的机理，从而指导键合工艺，优化工