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

  • 不鏽鋼管字元辨識解決方案

    目前仍採用人力進行自行車車身號碼的辨識與登錄，耗費人工且效率低，若使用AOI進行字元辨識，因不鏽鋼管表面為圓弧曲面，打光容易造成反射，不論以人工或者AOI檢測，針對曲面、反光不鏽鋼管上字樣的辨識皆較為困難。所羅門結合機器視覺與人工智慧，對於光學字元辨識可以得到極佳的辨識效果。

  • 快速辨識輪胎內胎印刷編碼

    輪胎在製程的環節經歷許多高壓、高負荷與高溫差的工序，使內胎表面字跡模糊且刷色深淺不齊，影響內胎編碼的辨識度，不利於人工辨識與傳統AOI檢測。利用SolVision工具，針對輪胎內胎編碼的數字與形狀進行拍攝，進行AI模型訓練，能成功辨識，有效改善編碼辨識的正確率。
  • presence/absence detection of PTP using SolVision AI inspection software

    泡殼包裝品質管理解決方案

    運用SolVision AI影像平台的Instance Segmentation技術，以包裝良品及具各種瑕疵類型的影像樣本訓練AI模型。訓練完成的模型可即時且迅速地辨識每一反光或透明泡殼的包裝及填充情形，並將偵測到的瑕疵予以標註並分類。

  • LED PCBA瑕疵檢測解決方案

    PCB【AI瑕疵檢測】LED中PCBA的良率難題：元件既多且雜，瑕疵檢測大不易！運用SolVision AI影像平台技術，在影像樣本中定位並標註鋁基板上的刮痕、髒污等異常及瑕疵情形，透過AI深度學習，即可自動且即時地檢出並定位鋁基板上的各式瑕疵，大幅提升產線生產效率。