透过玻璃观察：先进封装中穿玻璃过孔（TGV）的X射线检测
2026年6月22日 | 丹尼尔·施蒂克勒（Daniel Stickler）博士
作为先进半导体封装的基板材料，玻璃正受到越来越多的关注。其尺寸稳定性和电学性能使其成为大面积面板和高密度互连结构的理想基板。但当利用穿玻璃过孔（TGV）在玻璃中布设电气连接时，便出现了一个新的检测难题：许多相关缺陷从表面已无法观察到。 在 2026 年日本光掩模大会（Photomask Japan 2026）上，我们展示了针对玻璃基板和 TGV 结构的首批成像案例。这些结果表明，X 射线成像能够以无损方式检测蚀刻玻璃通孔和金属化 TGV 中的缺陷——同时也阐明了倾斜射线照相、计算层析成像、探测器性能以及人工智能辅助分析为何至关重要。
重新定义先进封装领域的检测。从质量保证到良率风险控制
在后摩尔时代，先进封装在满足电子生产对更小、更便宜封装中更强性能的日益增长的需求方面，继续发挥着至关重要的作用。随着半导体制造商竞相投资这项关键技术，他们在竞争激烈的市场环境中面临着巨大的压力——即使微小的良率提升，也会对盈利能力和产品上市时间产生重大影响。 堆叠结构中单个芯片的失效可能会影响整个封装，从而导致耗资巨大的生产线调整和延误。要保持领先地位，就必须采用全面的检测策略，以快速、可靠地识别这些日益复杂的结构中的潜在缺陷。
这一点在玻璃基板技术上表现得尤为明显。该材料的特性确保了这些基板不仅比典型的晶圆 尺寸更大，而且排列密度更高。这意味着，工艺过程中缺陷漏检的成本不仅呈指数级增长，还增加了检测的复杂性，并对产能 提出了严峻的挑战。幸运的是，正如我们在今年的“Photomask Japan”大会上所分享的那样，该领域的技术进步正在迅速推进。
TGV制造周期
选择性湿法刻蚀过程中的典型缺陷
- 缺一个孔
- 微裂纹及其他玻璃缺陷
- 表面粗糙度
- 几何形状与间距
- 残留玻璃
金属化过程中的典型缺陷
- 空隙
- 内含物、间隙、缺失的填充物
- 分层
- 微裂纹
在金属化前后都可能出现缺陷
TGV的制造工艺通常包括三个步骤。首先，通过局部激光改性对玻璃面板进行处理，以标记每个TGV的位置；随后进行选择性湿法蚀刻，形成过孔。在后续工艺步骤中，对过孔进行金属化处理（通常使用铜），以建立穿过玻璃的电气连接。正是第二步和第三步，最容易出现工艺缺陷。
在金属化之前，缺陷TGV的相关迹象包括缺孔、残留玻璃、几何形状偏差、侧壁不规则以及微裂纹。 金属化后，检测重点转向填充不完全、类似空洞的特征、密度波动以及可能与界面相关的缺陷。只要玻璃和相关表面仍可接触，其中一些特征可以通过光学检测进行检查。然而，一旦过孔完成金属化，内部信息可能会被不透明的铜层遮挡。此时，X射线检测就显得尤为重要。
示例 1：观察蚀刻玻璃过孔中的缺陷
在这个第一个例子中，我们在金属化工艺之前取了一个含有蚀刻TGV孔的样品。低能X射线成像揭示了潜在的缺陷区域，例如残留玻璃和与裂纹相关的结构，并且从二维图像中已经可以看出存在异常。但仍然难以确定的是，缺陷在玻璃中的确切位置以及其延伸范围。
通过3DCL重建的体积图像改变了这一解释。虚拟横截面显示，最初表现为表面裂纹的缺陷，实际上是在玻璃体积内、靠近过孔壁的位置向内扩展的。数据表明，现有的裂纹状结构在湿法蚀刻过程中被扩大了。
检测残留玻璃则面临着另一种挑战。虽然可以通过肉眼观察到残留玻璃，但其对比度远弱于完全开放的孔洞或填充铜的结构。这个例子说明了为什么TGV检测不仅仅关乎空间分辨率。一些相关的缺陷是通过非常微小的灰度值差异检测出来的，这不仅对整个成像链提出了很高要求，也凸显了软件在发现人眼可能忽略的缺陷方面的重要性。
二维扫描
裁剪至感兴趣区域
玻璃中65微米TGV孔洞的2D扫描图，其中包括一个可见缺陷的放大感兴趣区域。样品由弗劳恩霍夫IZM研究所提供。
该样本通过3D CL技术获取，展示了多种横截面视图，有助于确定裂纹的实际尺寸和严重程度。（左上：3D渲染图，右上：垂直横截面，左下：水平横截面，右下：90°垂直横截面）
示例 2：检查较小的金属化 TGV
在金属化之后，检测任务变得更加艰巨。在直径约为25 µm的小型TGV结构中，X射线数据揭示了部分过孔未完全形成或缺失的情况，以及金属化结构内部存在的细微密度波动。
在倾斜X光片中，缺失或异常的过孔可能显而易见，因为该结构的完整投影长度会完全显现出来。在相应的3DCL数据中，可以对该征象进行横截面分析，并将其与周围过孔的几何形状进行关联。
更难察觉的是单个TGV内部的微弱密度波动。这些波动并未表现为高对比度、轮廓清晰的充气空洞，而是以沿金属化结构分布的微小灰度变化形式呈现。仅凭目视检查很难可靠地评估此类迹象，尤其是在大型过孔阵列中。
金属化处理后玻璃样品的二维概览扫描图。在此样品中，TGV之间的间距为1毫米，TGV的直径为25微米。
利用3D CL捕捉关键缺陷
在扫描样本的3D渲染图和横截面图中，可以清楚地看到一种“双孔”TGV结构，即在极近的距离内钻了两个孔。
该可视化效果突出了玻璃面板上的一处区域，该处的TGV孔未被充分钻通，因此未被铜填充，从而形成了一个清晰可见的“间隙”。
高分辨率扫描还能捕捉材料内部潜在的空隙、密度波动或粗糙度。低密度区域在横截面中表现为比周围材料颜色更深的区域。
将图像转化为可扩展的信息
详细的 3DCL 数据集可能包含许多独立的过孔和大量的横截面。手动检查所有这些数据并非一种可扩展的检查方法。因此，我们使用以下方法对重建数据进行评估： Dragonfly 3D World 并得到支持Comet的AI图像分析工作流程。基于AI的分割可以识别并可视化整个体积中的缺陷迹象，例如密度波动或空隙状特征。用户不再仅仅将每个通道视为图像进行查看，而是可以处理可定位、计数、比较和量化的结构化对象。
一张截图Dragonfly 3D World 软件展示了一个基于 TGV 扫描数据训练的深度学习模型。
基于训练模型进行分割后的最终结果，清晰地显示了TGV内部的空洞。
同样的原理也适用于更快速的2.5D检测。当X射线系统的几何参数（包括放大倍率、探测器像素尺寸和成像角度）已知时，倾斜射线照相既能提供与缺陷相关的对比度，又能提供实用的尺寸信息。结合自动缺陷识别技术，这为快速检测大型TGV阵列开辟了一条新途径，而无需对每个被检区域都重建完整的3D体积。
右侧图片展示了一款现有的用于硅通孔（TSV）检测的软件——Comet Yxlon公司的TSV Insights X 2.5D。由于TGV通常比TSV更大，但遵循类似的外形规格 ，该软件清晰地体现了我们对未来自动TGV检测与分类的目标。
分割前
分割后
该截图来自我们的TSV Insights X 2.5D软件。图中展示了一个晶圆 样品（来源：弗劳恩霍夫IZM-ASSID），其中所有TSV均经过处理，内部含有空洞。图中显示了每个TSV的分割结果（黄色）及其内部的空洞（红色）。
摘要
一种基于玻璃的包装的混合检测策略
玻璃基板和TGV（高速玻璃）的检测任务既要求速度，又需要深入的信息分析。X射线检测可在整个制造过程中为缺陷的发现和分析提供关键支持。基于二维射线照相技术的快速投影成像可作为初步筛查环节；而为了获得更深入的洞察和更全面的视图，计算层析成像技术可提供必要的虚拟横截面图像，AI辅助分析则有助于将这些全面的数据转化为可扩展的检测结果。
在“Photomask Japan”展会上展示的实例表明，X射线成像技术已经能够检测出玻璃和金属化TGV结构中的缺陷，而仅凭表面观察往往难以甚至无法发现这些缺陷。随着基于玻璃的封装技术在工业领域得到更广泛的应用，这种能够非破坏性地、且日益自动化的“透视”能力，将为工艺控制和良率提升作出重要贡献。
您 想进一步了解我们的CT和X射线系统如何支持半导体检测吗？
点击此处： https://comet.tech/yxlon/industries/semiconductors
致谢：Comet 衷心感谢柏林弗劳恩霍夫 IZM 研究所为本研究提供了用于实验的代表性玻璃和 TGV 样品。
最新三条新闻
利用 CT 技术在石勒苏益格-荷尔斯泰因州杜文塞沼泽（Duvenseer Moor）揭开全新考古发现。
2026年6月8日
今年早些时候，我们有幸与弗劳恩霍夫个性化医疗技术与工程研究所（Fraunhofer IMTE）以及莱布尼茨考古中心（LEIZA）合作，对在德国北部已知最古老墓葬 —— 石勒苏益格-荷尔斯泰因州杜文塞沼泽出土的一头原牛头骨中的独特发现进行了联合研究。
了解更多九年级的实习、一次CT扫描，以及一个学会区分糖和盐的人工智能
2026年2月12日 | Dr. Daniel Stickler
在最近于Comet Yxlon进行为期三周的学生实习期间，我有机会指导一名九年级学生。她充满好奇心、积极进取——而且（出于正当理由）不被允许独立操作X射线设备。因此，我们设计了一个仍能让她感受到真实性的项目：亲手获取数据、进行实际分析，并得出明确的结果。该项目的目标是让她在学习X射线成像和计算机断层扫描基础知识的同时，能够独立操作软件。
了解更多225 kV微焦点 电子管配套的新型高密度功率（HDP）靶，可实现更高的功率密度、更快的检测速度和更高的分辨率
2025年11月18日
Comet 的YxlonFF35 CT和FF85 CT因其双管设计、灵活性和高精度而广受赞誉。这些先进的系统被广泛应用于从半导体封装、增材制造到汽车零部件及材料研究等众多领域——在这些领域中，快速、准确地捕捉内部细节至关重要。 如今，这些系统已迈入一个令人振奋的新里程碑。两款系统均配备的 225 kV微焦点 定向 束管，现已升级为新型高密度功率 (HDP) 靶材——在保持相同外形规格 和水冷式焦斑稳定性的同时，功率密度提高了两倍。其结果是：检测速度更快、图像细节更精细，且性能更持久。
了解更多