pink green and blue square pattern

SolVision成功案例

晶片承載盤檢測解決方案

自動化承載盤AI瑕疵檢測

半導體加工良率關鍵:晶片承載盤的穩定與定位

晶片承載盤(IC Tray)是半導體加工製程的關鍵要素,其形式及材質根據不同應用環境而有不同設計。除了晶片儲存的安全及穩定性外,其定位與拾取點亦須與製程中各式饋送機制(feed mechanisms)精準搭配。因此,晶片承載盤品質可謂是左右製程自動化成敗的關鍵。

紡織物表面瑕疵檢測

AOI檢測缺點:複雜背景下的細微瑕疵

晶片承載盤的輪廓與定位孔點常因作業溫度或長期使用造成缺口、翹曲等瑕疵,過去多透過光學檢測方式予以檢查。然而由於承載盤樣式複雜、瑕疵過於細微且隨機,不易透過傳統光學檢測檢出並定位瑕疵,嚴重影響產品良率及生產效率。

機器視覺結合AI,成功克服檢測時的複雜背景

運用SolVision AI影像平台的Segmentation技術執行缺陷檢測(Defect Identification),在複雜的取像背景中偵測並標註多樣細微瑕疵,以利使用者即時監測並排除承載盤異常情形。

IC Tray盤檢測案例

完整檢品

Original

IC Tray盤檢測案例

Result

IC Tray盤檢測案例

完整檢品

Original

IC Tray盤檢測案例

Result

IC Tray盤檢測案例

定位孔缺口及邊框瑕疵

Original

IC Tray盤檢測案例

Result

IC Tray盤檢測案例

邊框瑕疵

Original

IC Tray盤檢測案例

Result

IC Tray盤檢測案例
相關文章
  • 漸層玻璃瓶瑕疵檢測

    漸層玻璃瓶皆經過噴砂製程霧面處理,製作過程常見的瑕疵類型為色澤不均或者瓶身出現黑點,而這些瑕疵因無法明確定義且樣式不固定,難以採用AOI方法進行檢測。訓練完成的AI模型即可快速檢出玻璃瓶身各角度之瑕疵分布,並標註出缺陷位置。
  • 快速精準辨識多種橡膠射出成型之瑕疵

    精準辨識多種橡膠射出成型瑕疵

    橡膠射出成形採用AOI檢測塑料缺陷時,由於瑕疵種類及位置多變,易遇橡膠射出瑕疵樣品不足使得瑕疵定性定量困難,檢測精準度不足。利用SolVision AI瑕疵檢測,針對橡膠射出成品瑕疵形狀與顏色建立資料庫,AI學習可後辨識種類及位置多變的瑕疵。有效解決橡膠射出成品瑕疵不固定的檢測問題。
  • Multi Colored Plastic Round Toy

    紗線瑕疵檢測的最佳解決方案

    保有生產效益的同時兼顧紗線品質,是紡織業者最大挑戰。現今紗場依以人工檢測為主,漏檢率高且工時長,不利實際品質要求,傳統AOI面對不固定瑕疵時亦難以檢測,誤判率高。使用SolVision工具使AI學習辨識瑕疵特徵,快速且精準地找出各項缺陷,有效改善檢測速率、成品良率並降低品檢負擔。
  • unpolished metal workpieces in a bin

    挑選未經拋光的金屬加工物件進行CNC加工

    由於青銅零件小而重,再加上隨機擺放於料箱中,視覺系統難以精準辨識物件,導致機械手臂夾取出現異常。搭配AI、3D技術,能定位和生成3D拾取點,實現精準取放效果。