单段磁场图像的三维磁逆程

在半导体封装中，准确恢复三维信息对于非破坏性检测（NDT）以定位电路缺陷至关重要。本文提出了一种新方法，称为 3D 磁逆程（3D MIR），该方法利用磁场图像（MFI）来恢复单段电流的三维参数。3D MIR 集成了基于深度学习（DL）的卷积神经网络（CNN）、基于空间物理的约束和优化技术。该方法在三个阶段运行：i) CNN 模型处理 MFI 数据，预测 ($\ell/z_o$)，其中 $\ell$ 为线长，$z_o$ 为线在磁力传感器下方的垂直深度，并对段类型 ($c$) 进行分类。ii) 通过利用基于空间物理的约束，例程为当前段的位置 ($x_o$, $y_o$, $z_o$)、长度 ($\ell$)、电流 ($I$) 以及电流流动方向（正或负）提供初始估计。iii) 优化器随后调整这五个参数 ($x_o$, $y_o$, $z_o$, $\ell$, $I$) 以最小化重建 MFI 与实际 MFI 之间的差异。结果表明，3D MIR 方法以高精度准确恢复三维信息，为半导体封装中的磁图像重建树立了新基准。该方法突显了将 DL 与基于物理的优化相结合在实际应用中的潜力。