SolVisionVaka Çalışması
Paketlenmiş Yarıiletken Çiplerin İncelenmesi
Mikro kusurları tespit etmek için yapay zeka gözetimsiz öğrenme
Dış koruma katmanı ve paketleme süreçleri
Kesme işlemleri yarı iletken yongaların kalitesini etkiler. Bazen, yongalar tekilleştirildiğinde yüzey çatlakları gibi kusurlar oluşur. Yongalar paketlendikten sonra koruyucu plastik veya seramik ambalaja tutturulur ve bu da geleneksel yöntemlerle kenar çatlakları veya diğer dahili mikro kusurları incelemeyi zorlaştırır.
Paketleme yoluyla tespit
Bir gofret ambalajının içindeyken yalnızca özel bir ışık kaynağı ve penetrasyon özelliklerine sahip mercekler kullanılarak fotoğraflanabilir. Bu, kenar çatlaklarını ve kenarları çok benzer renklerde gösteren görüntüler oluşturur ve bunları ayırt etmeyi zorlaştırır. Ayrıca, küçük çatlakların şekli ve açısı düzensizdir, bu nedenle geleneksel kural tabanlı sistemler bu tür inceleme görevleri için etkili değildir.
Mükemmel ve kusurlu ürünleri yargılamak
Yapay zeka destekli Solvison, farklı inceleme görevlerini tamamlamak üzere tasarlanmış bireysel işlevler sunar. Anomali Algılama aracı, yapay zeka modeline “mükemmel” gofretlerin örnek görüntülerini öğretmek için derin öğrenme teknolojisini kullanır. Veri artırma aracı, üretim senaryolarının yapay zeka veri tabanını genişletmek ve tanıma yeteneğini güçlendirmek için potansiyel gofret sapmalarının simülasyonunu kolaylaştırır. Eğitimden sonra yapay zeka modeli, paketlenmiş bir çipin kenarındaki mikro çatlaklar gibi kusurları tanımlamak ve bulmak için altın örneği taranmış bir görüntüyle karşılaştırabilir; görüntüleme kalitesinden veya neredeyse aynı renklerden etkilenmez.
Yapay Zeka Denetimi
Taranan Görüntü
Tespit Sonucu
