倒装焊作为一种广泛应用的微电子封装技术,通过焊球实现芯片与基底的机械和电气互连,具有对准精度高、互连线短等优势,可以大大提高芯片封装密度。随着倒装焊技术向高密度、超细间距方向发展,倒装焊芯片功率密度迅速增加,散热更加困难,尺度效应更加明显,同时Low-K及无铅材料的引入,使热应力失配问题更加严重,更容易引起应力集中,导致芯片焊球缺陷产生。由于焊球隐藏在芯片与基底之间,导致焊球缺陷的诊断更加困难。本学位论文利用高频超声检测技术,对倒装焊芯片缺球、裂纹等典型缺陷以及自制的高密度Cu凸点倒装键合样片缺陷的诊断技术进行了研究。具体内容如下：(1)研究了高频超声波传播机理,建立了倒装焊芯片超声检测有限元仿真模型,通过声场-固体力学场耦合,分析了不同频率对高频超声波在倒装焊芯片中传播的影响,提取高频超声回波信号,通过计算超声回波信号不同峰值之间的时间差,得出不同界面与超声回波信号的对应关系,分析了不同频率下超声波对倒装焊芯片界面的分辨能力；进一步建立了包括缺球、空洞和裂纹三种典型缺陷的倒装焊芯片有限元模型,仿真分析了垂直入射高频超声波在缺陷界面的传播规律,揭示了缺球、空洞和裂纹缺陷对超声波传播的影响,为后续开展倒装焊芯片缺陷高频超声检测实验研究提供了依据。(2)针对典型的FA10倒装焊芯片缺球缺陷,利用超声扫描显微镜获取芯片超声图像,基于相关系数法对芯片超声图像进行图像分割；以分割的焊球图像为目标,通过边缘检测、内部填充和特征提取,提取出焊球图像的几何特征和形状因子特征,分析了缺球缺陷与不同焊球图像特征的对应关系；建立了基于BP网络的FA10芯片缺球缺陷分类识别模型,分析得到了最优隐含层节点个数；利用图像特征值构成的特征向量对BP网络进行训练,并对测试集进行分类识别,揭示了边缘效应对BP网络分类识别模型识别准确率的影响。针对2个边缘效应影响较大的FA10芯片,建立了基于SVM的FA10芯片缺球缺陷分类识别模型,提取FA10芯片高频超声回波信号中芯片-焊球界面和焊球-基底界面的信号幅值特征,结合焊球图像特征构建特征向量,对SVM模型进行训练；利用训练好的SVM模型对2个芯片缺陷进行分类识别,634个焊球中有18个识别错误,同时仅有7个位于边缘,结果表明,该方法进一步弱化了边缘效应,并获得较高的分类识别准确率。(3)针对Pac2.1倒装焊芯片中检测难度较大的裂纹缺陷,获取了芯片高频超声回波信号;通过信号处理提取高频超声回波信号时域、频域和小波包分解特征,并构成高维原始信号特征向量;利用PCA算法对高维特征向量进行特征降维,通过设置阈值,获得相应的主元个数,构建新的特征向量；建立了基于SVM的Pac2.1芯片裂纹缺陷分类识别模型,利用交叉验证法获取分类模型最优参数c和g,结合主元构成的特征向量,对SVM模型进行训练；利用训练好的SVM模型对4个芯片缺陷进行分类识别,完好焊球识别准确率达到100%,裂纹焊球也达到98.4%,仅有2个裂纹缺陷识别错误,结果表明,该裂纹缺陷诊断模型具有较高的分类识别准确率。(4)制备出高密度Cu凸点倒装键合样片,利用正交投影法对样片进行焊球图像分割,并构建出分割模板；建立了基于BP网络的高密度Cu凸点倒装键合样片缺陷分类识别模型,利用图像特征值构成的特征向量对BP网络进行训练,并对测试集进行分类识别,4个样片仅有7个焊球缺陷识别错误,识别准确率高达98.55%；利用X-ray检测方法对分类识别结果进行验证,结果表明,该分类模型具有较高的分类识别准确率。本文利用高频超声检测方法实现了倒装焊芯片缺陷的无损检测,后续将着重研究倒装焊缺陷的形成机理,进一步建立多种缺陷融合的分类识别模型,实现倒装焊芯片缺陷的在线检测。