SolVisionFallstudie
Inspektion von verpackten Halbleiterchips
KI-ungelenktes Lernen zur Erkennung von Mikroundefekten
Äußere Schutzschicht und Verpackungsprozesse
Schneidprozesse beeinflussen die Qualität von Halbleiterwafers. Gelegentlich treten Fehler wie Oberflächenrisse auf, wenn die Wafers getrennt werden. Nachdem sie verpackt sind, werden die Wafers an der schützenden Kunststoff- oder Keramikverpackung befestigt, wodurch es schwierig wird, mit traditionellen Methoden auf Rissbildung an den Kanten oder andere interne Mikroundefekte zu prüfen.
Erkennung durch Verpackung
Im Inneren seiner Verpackung kann ein Wafer nur mit einer speziellen Lichtquelle und Linsen mit Durchdringungseigenschaften fotografiert werden. Dies erzeugt Bilder, die Risskanten und -kanten in sehr ähnlichen Farben zeigen, wodurch sie schwer zu unterscheiden sind. Darüber hinaus sind die Form und der Winkel kleiner Risse unregelmäßig, sodass traditionelle regelbasierte Systeme für solche Inspektionsaufgaben nicht effektiv sind.
Bewertung von perfekten und imperfekten Produkten
Angetrieben von KI bietet SolVision individuelle Funktionen, die verschiedene Inspektionsaufgaben ergänzen. Das Anomalieerkennungstool nutzt Deep-Learning-Technologie, um dem KI-Modell Beispielbilder von „perfekten“ Wafers beizubringen. Das Datenaugmentierungswerkzeug erleichtert die Simulation potenzieller Wafer-Abweichungen, um die KI-Datenbank mit Produktionsszenarien zu erweitern und die Erkennungsfähigkeit zu stärken. Nach dem Training kann das KI-Modell das Goldene Muster mit einem gescannten Bild vergleichen, um Fehler wie Mikrorisse an der Kante eines verpackten Chips zu identifizieren und zu lokalisieren, ohne von der Bildqualität oder fast identischen Farben beeinträchtigt zu werden.
KI-Inspektion
Gescanntes Bild
Ergebnis der Erkennung
