ПРИМЕНЕНИЕ ТЕХНОЛОГИИ МАШИННОГО ЗРЕНИЯ ДЛЯ ПОВЫШЕНИЯ ТОЧНОСТИ СФОКУСИРОВАННОГО ЛАЗЕРНОГО ВОЗДЕЙСТВИЯ НА МИКРОЭЛЕКТРОННЫЕ СТРУКТУРЫ В ПРОЦЕССАХ ИССЛЕДОВАНИЙ И МИКРООБРАБОТКИ

Роман К. Можаев, Александр А. Печенкин, Артём Н. Цирков, Кирилл Г. Белозеров, Владислав П. Лукашин, Арсений А. Балуев

Аннотация


Машинное зрение – это область искусственного интеллекта, занимающаяся обработкой изображений и видеопотока при помощи специальных алгоритмов. Это позволяет устройствам анализировать визуальную информацию. Машинное зрение помогает в таких задачах, как распознавание образов, сегментация изображений, обнаружение объектов и слежение за ними. В микроскопии машинное зрение играет важную роль, в частности в лазерной сканирующей микроскопии (LSM). Лазерная сканирующая микроскопия, лазерное нанесение надрезов и лазерная коррекция топологии полупроводниковых кристаллов являются важными технологическими процессами в производстве, контроле и наладке полупроводниковых кристаллов, как на отладочных образцах, так и в серийных партиях пластин. Лазерное воздействие позволяет не только механически разделять кристаллы, но и осуществлять более деликатные и малоинвазивные воздействия, в частности подстройки сопротивления тонкопленочных резисторов или пережигание перемычек, необходимых для конфигурирования схемы и отключения неиспользуемых блоков кристалла. В работе проведен анализ основных параметров системы позиционирования в составе лазерной сканирующей установки, их влияние на точность сканирования и координат воздействия сфокусированным излучением в контрольных точках. Описаны принципы алгоритмов машинного зрения при работе с изображением сканируемого объекта и результаты апробации в задаче автоматизированного лазерного пережигания перемычек на полупроводниковой пластине. Поскольку число перемычек может достигать сотен тысяч, а системы позиционирования имеют значительные погрешности машинное зрение позволяет корректировать погрешности позиционирования и повысить точность лазерного воздействия на любом участке и этапе сканирования, что значительно повышает качество итогового результата лазерного воздействия.

Ключевые слова


машинное зрение, лазерная сканирующая микроскопия, коррекция топологии, микроэлектроника, лазерное скрайбирование.

Полный текст:

PDF

Литература


1. Можаев Роман К. и др. Обзор лазерных сканирующих методов исследований микроэлектронных полупроводниковых структур. Безопасность информационных технологий, [S.l.], т. 29, № 4, с. 105–125, 2022. ISSN 2074-7136. DOI: http://dx.doi.org/10.26583/bit.2022.4.09. – EDN VOONPG.

2. Ukolov D., Baluev A., Gromova P., Pechenkin A., and Mozhaev R. Laser scanning confocal IR microscopy for non-destructive testing of semiconductors. Jun. 2022.
DOI: http://dx.doi.org/10.1109/mwent55238.2022.9802329.

3. Baluev A.A., Ukolov D.S., Pechenkin A.A, and Mozhaev R.K. Application of Confocal Microscopy Methods for Research and Non-destructive Examination of Semiconductor Structures and Integrated Circuits. Sep. 2021.
DOI: http://dx.doi.org/10.1109/miel52794.2021.9569106.

4. Дураковский А.П. и др. Маркировка и проверка подлинности изделий микроэлектроники на основе неклонируемости радиационного поведения. Безопасность информационных технологий, [S.l.], т. 27,
№ 3, с. 18–25, 2020. ISSN 2074-7136.
DOI: http://dx.doi.org/10.26583/bit.2020.3.02. – EDN OJDTLM.

5. Колосова А.С. и др. Возможность применения алгоритмов машинного обучения для прогнозирования качества ЭКБ и РЭА. Безопасность информационных технологий, [S.l.], т. 30, № 1, с. 123–129, 2023. ISSN 2074-7136.
DOI: http://dx.doi.org/10.26583/bit.2023.1.09. – EDN NOBAZS.

6. Felix Beaudoin, Edward Cole, Jr. Physics of Laser-Based Failure Analysis, Microelectronics Failure Analysis: Desk Reference, 7th ed., Edited by Tejinder Gandhi, ASM International. 2019, p. 196–208.
DOI: https://doi.org/10.31399/asm.tb.mfadr7.t91110196.

7. Печенкин А.А., Егоров А.Н., Маврицкий О.Б. и др.
Расширение возможностей лазерной установки «Фемто-Т» для облучения кремниевых ИС сквозь подложку. 22-я Всероссийская научно-техническая конференция «Радиационная стойкость электронных систем» – «Стойкость-2019». 2019. – 262 c.
URL: https://rusneb.ru/catalog/000200_000018_RU_NLR_BIBL_A_012096118/ (дата обращения: 20.10.2022).

8. Печенкин А.А., Савченков Д.В., Маврицкий и др. Оценка параметров чувствительности КМОП БИС по одиночным тиристорным эффектам при лазерном воздействии со стороны подложки. Микроэлектроника. 2015, т. 44, № 1, с. 41–48.
DOI: http://dx.doi.org/10.7868/S054412691501007X. – EDN TCJCWP.

9. Pavelyeva E.A. Image processing and analysis based on the use of phase information. September 2018. Computer Optics 42(6):1022-1034. DOI: https://doi.org/10.18287/2412-6179-2018-42-6-1022-1034.

10. Waheed W., Deng G. and Liu B. Discrete Laplacian Operator and Its Applications in Signal Processing. IEEE Access, vol. 8, p. 89692–89707, 2020.
DOI: http://dx.doi.org/10.1109/ACCESS.2020.2993577.

11. Краснящих А.В. Обработка оптических изображений. СПб: НИУ ИТМО, 2013. – 131 с.
URL: http://oeps.ifmo.ru/uchebn/UP_OOI%20.pdf (дата обращения: 13.11.2023).

12. Mahadevkar S.V. et al. A Review on Machine Learning Styles in Computer Vision—Techniques and Future Directions. IEEE Access, vol. 10, p. 107293–107329, 2022.
DOI: http://dx.doi.org/10.1109/ACCESS.2022.3209825.

13. Das A., Medhi A., Karsh R.K. and Laskar R.H. Image splicing detection using Gaussian or defocus blur. International Conference on Communication and Signal Processing (ICCSP), Melmaruvathur, India, 2016,
p. 1237–1241. DOI: http://dx.doi.org/10.1109/ICCSP.2016.7754350.

14. Robinson P.E. and Roodt Y. Blind deconvolution of Gaussian blurred images containing additive white Gaussian noise. IEEE International Conference on Industrial Technology (ICIT), Cape Town, South Africa, 2013, p. 1092–1097.
DOI: http://dx.doi.org/10.1109/ICIT.2013.6505824.

15. Bergstrom Austin & Conran David & Messinger David. (2023). Gaussian Blur and Relative Edge Response.
DOI: https://doi.org/10.48550/arXiv.2301.00856.




DOI: http://dx.doi.org/10.26583/bit.2023.4.10

Ссылки

  • На текущий момент ссылки отсутствуют.


Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.