MCL PVA TePla ASE联合推出AI增强SAM检测方案 缺陷检出率提升24%

Materials Center Leoben（MCL）、PVA TePla与日月光（ASE）联合在《Journal of Failure Analysis and Prevention》发表研究成果，提出一种专为扫描声学显微镜（SAM）图像定制的AI增强工作流，显著提升倒装芯片互连缺陷检测能力。该方案聚焦于极低介电常数材料中易被漏检的‘白凸点’缺陷——即因界面分层、空洞或微裂纹导致声学反射异常的高亮区域。研究团队构建端到端轻量化CNN模型，结合预处理去噪与真实-合成混合数据训练：真实样本用于监督微调，物理建模生成的合成缺陷图像补充多样性，有效缓解小样本问题。实验显示，关键缺陷检出率由原始图像的68%提升至92%，误报率同步下降约35%。该方法已在ASE量产级FC-BGA样品中成功识别3例常规FA流程遗漏的界面分层案例，经切片验证存在电迁移风险。PVA TePla正评估将其嵌入下一代SAM设备软件栈，支持实时增强与初步分类。三方协作模式体现学术界、设备商与封测厂协同攻关实效，论文DOI为10.1007/s11668-026-02537-z，已于2026年10月开源发布。