pink green and blue square pattern

SolVision成功案例

半導體業

晶圓切割刀體外觀品質控管解決方案

AI輔助檢測晶圓切割刀體不規則紋路及多鑽瑕疵

晶圓切割分離技術的關鍵：晶圓切割刀品質

隨著電子產品的日新月異，半導體晶片的需求量及品質要求隨之提升。另一方面，製造技術的演進，也使晶片尺寸漸趨輕薄短小。為達高良率及高效率生產的目標，晶圓切割分離技術尤為重要，而晶圓切割品質的關鍵在於晶圓切割刀的刀具品質以及控制能力。

晶圓切割刀體瑕疵檢測困境：環形紋路造成的複雜背景

晶圓切割係半導體及光電業界非常重要的製程，若無法在切割製程中維持高良率、高效率並保有晶片特性，將大幅影響整體產能。晶圓切割刀的品質控管主要透過外觀瑕疵的檢測，常見的外觀瑕疵包括刀體上的不規則紋路、多鑽等情形。由於晶圓切割刀本身即具有環狀條紋，形成複雜影像背景，嚴重影響機器視覺對於瑕疵的偵測。

AI視覺深度學習，讓瑕疵辨識不受影像背景影響

運用SolVision AI影像平台的Feature Detection工具，將影像樣本中的不規則紋路及多鑽瑕疵標註並訓練AI模型，AI視覺便可即時檢出晶圓切割刀體上的各式瑕疵。

晶圓切割刀瑕疵檢測案例

Original
Result
相關文章
  • Multi Colored Plastic Round Toy

    紗線瑕疵檢測的最佳解決方案

    保有生產效益的同時兼顧紗線品質，是紡織業者最大挑戰。現今紗場依以人工檢測為主，漏檢率高且工時長，不利實際品質要求，傳統AOI面對不固定瑕疵時亦難以檢測，誤判率高。使用SolVision工具使AI學習辨識瑕疵特徵，快速且精準地找出各項缺陷，有效改善檢測速率、成品良率並降低品檢負擔。

  • 透明瓶裝液體沉澱物AI自動化檢測解決方案

    液體生技藥品常以透明瓶裝保存，由於透明瓶裝的反光特性、受測物沉澱情形不一因素，使瓶裝藥品的檢測無法以一般光學檢測取代人力執行。所羅門結合機器視覺與人工智慧，運用SolVision AI從資料庫中的影像特徵判斷沉澱情形。透過深度學習技術，可辨識7種不同的沉澱樣態，進而判斷內容物的品質。
  • high quality Galvanized steel pipe or Aluminum and chrome stainless pipes in stack waiting for shipment in warehouse

    META-aivi 智能快速計數

    運用META-aivi的快速計數功能，針對尺寸不同的料件進行AI模型訓練，META-aivi即可快速辨認與計算數量，所得出的結果可立即顯示在行動裝置上。同時，計算出的結果可與MES系統連接，減少人員盤點錯誤的發生，大幅增加入庫資料正確性，提升庫存管控效率。

  • 商品外包裝印刷瑕疵檢測解決方案

    做為商品外包裝材料，軟質的鋁箔袋常在印刷過程中產生印刷錯誤、歪斜、脫落及漏印等情形。統光學檢測和人工的方式出錯率高。運用SolVision的Anomaly Detection工具，訓練完成的模型即可針對印刷文字、圖案上的形狀、顏色等特徵差異執行比對，偵測並標註瑕疵所在位置。