black and white labeled box

SolVision成功案例

半導體業

晶圓研磨瑕疵檢測解決方案

化學機械平坦化(CMP)的AI輔助品質管控

半導體製造關鍵：
化學機械平坦化(CMP)影響晶元良率

化學機械平坦化(Chemical Mechanical Planarization, CMP)是半導體製造中不可或缺的製程之一，目的係為改善前製程的微小缺陷。於晶圓上完成一層積體電路後，需透過CMP將表面研磨整平，方可製作下一層積體電路。然而，研磨液中過大的顆粒及微粒凝聚體可能造成晶圓上的微劃痕，係CMP製程中最主要的瑕疵類型。

CMP製成中，晶圓研磨痕跡讓傳統AOI難以檢測瑕疵

CMP製程中的瑕疵包括微劃痕、微粒殘留及研磨墊碎屑等。研磨完成後，晶圓會生成極淺且軌跡雷同的研磨痕跡，形成影像中的複雜背景，又由於各式瑕疵的型態及位置不固定，使微劃痕等瑕疵無法被輕易檢出。除了微劃痕外，晶圓表面常見瑕疵還包含白色髒汙、黑色髒汙、水痕、氣泡等，種類繁多且複雜，沒有既定的特徵點，更沒有固定的型態，傳統AOI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之瑕疵資訊。

所羅門AI瑕疵檢測，讓晶圓瑕疵無所遁形

運用所羅門 SolVision  AI影像平台的Segmentation技術，定位並標註晶圓上的微劃痕以及髒污等影像特徵，並藉以訓練AI模型。即便在具有研磨痕跡的影像背景之下，依然可以藉由AI視覺輕易地檢出深、淺的微劃痕及其他髒污瑕疵，並精準地偵測出瑕疵所在位置與面積。

晶圓研磨瑕疵檢測案例

刮痕
相關文章

  • 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。

  • 物料管理優化方案，提高產品標籤辨識度

    電子產業中，如果料號標籤無法辨識會大幅降低作業效率。標籤字體印刷不良標籤上的字體在印刷過程容易產生不規則的細微瑕疵，使得AOI難以辨識。利用SolVision進行缺陷以及字元辨識之AI深度學習，即便標籤字體出現不規則的缺陷仍能正確辨識，大幅降低物料管理的成本支出，提高庫存管理正確性。
  • 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。
  • pile of shiny metal bolts

    金屬螺栓AI視覺瑕疵檢測

    SolVision 瑕疵檢測確保每個螺栓僅需 49 毫秒即可實現 100% 的完美缺陷檢測率，解決反射表面難題並消除漏檢。