pink green and blue square pattern

SolVision成功案例

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
  • 緞帶品質AI檢測解決方案

    緞帶色彩繽紛的特性使得AOI檢測容易因為花紋和顏色變化而發生瑕疵漏檢或誤判。使用SolVision檢測各種顏色、花紋的緞帶,能夠精確找出裂孔、脫絲等瑕疵的位置、大小及形狀,不論是檢測速度或是精準度都能達到標準。而透過記錄與分析瑕疵的樣態,可回溯找出製作過程中的問題所在,改善產品製程。
  • black and white labeled box

    晶圓研磨瑕疵檢測解決方案

    化學機械平坦化(CMP)是半導體製造中不可或缺的製程之一,然而,研磨液中過大顆粒及微粒凝聚體可能造成晶圓上的微劃痕,是CMP製程中最主要的瑕疵類型。傳統AOI檢測即使耗費大量人力撰寫演算法,仍無法精準偵測整張晶圓影像瑕疵。運用所羅門SolVision解決方案來精準找到研磨瑕疵
  • person holding tool during daytime

    汽車車頂銲道氣孔瑕疵檢測解決方案

    銲接過程中,氣體飽和所形成的氣泡無法在銲接過程中及時排出而殘留在銲道中,形成銲道氣孔瑕疵,可能影響美觀及結構品質。運用SolVision AI技術,將各種亮度的銲道氣孔瑕疵影像進行標註,藉以訓練AI模型,即能不受影像亮度影響檢測出銲道上各處的氣孔瑕疵。
  • a close-up of a machine

    自動化雷射銲接分類暨檢測解決方案

    雷射焊接具有不同的焊縫特徵。由於產品的焊接位置、樣式不盡相同,無法透過傳統光學檢測辨別焊縫樣態,常造成焊接品質不一的情形。應用Solomon SolVision能夠以焊縫特徵影像訓練AI模型,辨識焊接功率及漏焊瑕疵,並可透過深度學習,精準偵測焊縫的魚鱗紋數量及分布。