a group of square objects

SolVision成功案例

半導體業

封裝晶片邊緣微裂瑕疵檢測解決方案

透過非監督式訓練AI模型，判斷封裝晶片的內部瑕疵

封裝製程中的切割面崩裂瑕疵

切割製程技術是影響晶片品質的關鍵，製程中常見切割面崩裂的情形。晶片封裝完成後，由於晶片已黏貼於塑膠或陶瓷的封裝外殼內，更加不易以一般檢測方式檢出晶片在前製程中所產生的邊緣微裂瑕疵，影響晶片產品的生產良率。

封裝晶片內部瑕疵無法以AOI檢測

封裝完成的晶片僅能透過特殊的光源及鏡頭以穿透的方式取像，成像的特性使得晶片邊緣微裂瑕疵的色澤與邊緣色澤極其相似，不易分辨。此外，邊緣微裂的角度及型態也是不規則變化，無法以AOI方式判別瑕疵。

非監督式學習訓練AI模型，標註定位瑕疵

運用SolVision AI影像平台的非監督式學習工具Anomaly Detection，以不具瑕疵的影像樣本(Golden Sample)執行AI深度學習，並輔以資料擴增技術提升AI模型對於標準樣本的辨識度。訓練完成的AI模型即能辨別受測物件與標準樣本的相異之處，定位並標註封裝晶片內邊緣微裂瑕疵的位置，完全不受穿透成像特性的影響。

封裝晶片內部瑕疵檢測案例

Original
Result
Original
Result
Original
Result
相關文章

  • 高爾夫球桿頭品質檢測解決方案

    高爾夫球桿頭是球具組合中最重要的部份，消費者十分重視桿頭完成面的細緻程度。運用SolVision AI影像技術，將影像樣本中高爾夫球桿頭上的細微瑕疵逐一標註，藉以訓練AI模型，訓練完成後的AI模型即能不受商標、紋路及金屬光澤的影響，定位並標註所有細微的表面瑕疵。
    成功案例SolVision瑕疵檢測製造業金屬加工業

  • 襪品外觀缺陷檢測

    襪品瑕疵形態多樣，傳統AOI適合用於整塊布疋的檢測，對於不固定的瑕疵檢測有困難，且容易發生錯殺，仍需人工進行複檢。以SolVision工具完成AI模型的訓練。可快速且精確地找出瑕疵、分類不同瑕疵並剔除不良品，把關產品品質、提升生產效率，透過對瑕疵進行分類與分析，更能夠優化整體製程。
    成功案例SolVision瑕疵檢測紡織業

  • 汽車鋼板烤漆AI瑕疵檢測

    透過AI視覺技術檢測汽車鋼板烤漆上的瑕疵，加速整體效率，提升產線生產力。
    成功案例SolVision品質/安全檢查汽車業瑕疵檢測

  • 塑膠扣具瑕疵檢測解決方案

    射出成型的扣具生產上最為常見的瑕疵為脫模劑油汙、白點、毛邊及殘屑，其中屬油汙瑕疵最難檢出。結合SolVision AI影像平台工具，分別針對各類表面瑕疵型態執行深度學習，訓練完成的AI模型即可即時檢出射出成型時產生油汙與在內的各類瑕疵。
    成功案例SolVision塑橡膠產業瑕疵檢測紡織業製造業