black and white labeled box

SolVision成功案例

半导体产业

晶圆研磨瑕疵检测解决方案

化学机械平坦化(CMP)的AI辅助品质管控

半导体制造关键：
化学机械平坦化(CMP)影响晶元良率

化学机械平坦化(Chemical Mechanical Planarization, CMP)是半导体制造中不可或缺的製程之一，目的是为改善前製程的微小缺陷。于晶圆上完成一层积体电路后，需透过CMP将表面研磨整平，方可制作下一层积体电路。然而，研磨液中过大的颗粒及微粒凝聚体可能造成晶圆上的微划痕，是CMP製程中最主要的瑕疵类型。

Quality control of chemical mechanical polishing (CMP) processes

CMP制程中，晶圆研磨痕迹让传统AOI难以检测瑕疵

CMP製程中的瑕疵包括微划痕、微粒残留及研磨垫碎屑等。研磨完成后，晶圆会生成极浅且轨跡雷同的研磨痕迹跡，形成影像中的复杂背景，又由于各式瑕疵的形态及位置不固定，使微划痕等瑕疵无法被轻易检出。除了微划痕外，晶圆表面常见瑕疵还包含白色脏污、黑色脏污、水痕、气泡等，种类繁多且复杂，没有既定的特征点，更没有固定的形态，传统AOI即使耗费大量人力撰写编写算法，仍无法精准检测整张晶圆影像的瑕疵资讯。

所罗门AI瑕疵检测，让晶圆瑕疵无所遁形

运用所罗门 SolVision  AI影像平台的实例切割技术，定位并標註晶圆上的微划痕以及脏污等影像特徵，并借以训练AI模型。即便在具有研磨痕迹的影像背景之下，依然可以借由AI视觉轻易地检出深、浅的微划痕及其他脏污瑕疵，并精准地检测出瑕疵所在位置与面积。

晶圆研磨瑕疵检测案例

刮痕

Wafer grinding defect detection case

Wafer grinding defect detection case
相关文章

  • 医疗器材品质控管：安全针头组装

    安全针头为透明或白色的塑料件，其材质与纹路使得辨识不易，以人眼或AOI方法皆容易造成误判，导致组装错误却无法有效检出。所罗门结合机器视觉与人工智能，使用SolVision工具，针对白色与透明塑料件的各种纹路与形状做AI训练，有效检出塑料件的组装错误，同时提高缺陷检测的效率。
    SolVision成功案例瑕疵检测生技医疗业

  • 积层陶瓷电容制程优化解决方案

    SMD电容体积较小，观察缺陷需在显微镜等级的微观工具下观察，且因MLCC非常脆弱，检测过程也须非常小心，困难度极高。使用SolVision工具，学习电极上凸出部分的瑕疵形状及位置，建立AI模型，在AI学习瑕疵特征之后，即可快速检测电容凸出部分的缺陷，大幅提升整体制程的良率。
    SolVision成功案例瑕疵检测电子业

  • 物料管理优化方案，提高产品标签辨识度

    电子产业中，如果料号标签无法辨识会大幅降低作业效率。卷标字体印刷不良卷标上的字体在印刷过程容易产生不规则的细微瑕疵，使得AOI难以辨识。利用SolVision进行缺陷以及字符辨识之AI深度学习，即便卷标字体出现不规则的缺陷仍能正确辨识，大幅降低物料管理的成本支出，提高库存管理正确性。
    SolVisionOCR光学字符识别成功案例电子业

  • 压花石膏板瑕疵检测解决方案

    石膏板出厂前，瑕疵情形皆须确实检出。然而，由于压花石膏板的外观特性，瑕疵在复杂背景中模糊，无法以AOI及人眼确实辨识。使用所罗门 SolVision AI影像平台技术，撷取板材上的脏痕、过大压花图案以及压花不清等瑕疵，可确实检出并定位板材上的瑕疵，具体提升石膏板板材的质量与良率。
    SolVision建造业成功案例瑕疵检测石化业