SolVisionCase Study

晶片收納(In-Tray)跳料檢測解決方案

晶盤(IC Tray)是晶片(Chip)的承載盤，檢測、切割完成後的晶片揀至晶盤中的晶穴(Pocket)內以運送至客戶端。然而晶片體積小且質輕，於晶盤上取放時容易跳料，進而產生疊料(Double)、空料(Empty)、歪斜錯置(Tilt)、反轉(Opposite)等情形。

晶片於晶盤中跳料的情形係屬隨機，所致的瑕疵型態多樣且難以預測瑕疵所產生的位置。對AOI而言，幾乎無法針對跳料瑕疵設定邏輯並據以檢測。

運用SolVision AI影像平台的Segmentation技術，以具疊料、空料、歪斜錯置、反轉等瑕疵的影像樣本訓練AI模型，AI訓練完成後即可輕易且迅速地辨識並標註晶盤上產生收納異常的位置。

綠卡槽內放置正確數量黃卡槽重疊2片橘卡槽重疊3片

晶粒邊緣崩裂檢測解決方案

由於晶粒邊緣崩裂瑕疵出現的位置及型態不固定，以致傳統光學檢測無法精準地將瑕疵檢出，影響整體產品良率。運用SolVision AI影像技術，將影像樣本中的瑕疵特徵予以標註，完成訓練的AI模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置，大幅降低晶片在後續封裝製程中斷裂的風險。
SMT製程的回焊短路檢測解決方案

SMT製程回焊過程中，過多錫膏量或是印刷偏移可能導致錫球間短路，過去以人工方式檢測，效率不彰。SMT多餘錫膏在高溫下的流動型態無法預測，難以傳統AOI檢出。運用SolVision AI技術，將SMT製程影像樣本中的回焊短路瑕疵定位並標註，訓練AI模型。可輕易檢出錫球間短路情形。
使用視覺引導機器人進行 3D 物件定位

SolMotion 的先進人工智慧能夠偵測隨機放置的汽車零件，無論其位置、方向或外觀如何，從而優化組裝。
汽車車頂銲道氣孔瑕疵檢測解決方案

銲接過程中，氣體飽和所形成的氣泡無法在銲接過程中及時排出而殘留在銲道中，形成銲道氣孔瑕疵，可能影響美觀及結構品質。運用SolVision AI技術，將各種亮度的銲道氣孔瑕疵影像進行標註，藉以訓練AI模型，即能不受影像亮度影響檢測出銲道上各處的氣孔瑕疵。