a group of square objects

SolVision成功案例

晶粒邊緣崩裂檢測解決方案

以AI輔助半導體晶粒品質控管

半導體晶片尺寸微縮:
晶圓切割製程技術的考驗

加工完成的晶圓需透過切割(sawing)製程將晶粒(die)切割分離以執行後續封裝工序。隨著現代電子產品的體積愈趨輕薄短小,晶片尺寸亦不斷微縮,相同晶圓尺寸內切割的晶粒數量愈來愈多,切割道也愈來愈窄,增加晶粒邊緣崩裂的風險。因此,確實檢出晶圓在切割製程(Wafer Die-Saw)中所造成的崩裂對於後續封裝製程的良率控制至關重要。

晶圓切割製程的複雜參數:晶粒邊緣崩裂的不確定性

晶圓切割製程中可能造成晶粒邊緣崩裂(Chipping)瑕疵,影響晶片強度甚鉅,嚴重時可能導致晶片在後段製程受到應力時發生晶片斷裂情形。由於崩裂瑕疵出現的位置及型態不固定,以致傳統光學檢測(AOI)測無法精準地將瑕疵檢出,影響整體產品良率。

為封裝製程打好基礎:透過AI掌握晶粒的崩裂瑕疵

運用SolVision AI影像平台的Segmentation技術,將影像樣本中的瑕疵特徵予以標註並藉以訓練AI模型,完成訓練的AI模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置,大幅降低晶片在後續封裝製程中斷裂的風險。

晶圓切割檢測案例

邊緣崩裂

相關文章
  • AI影像辨識 – OCR電子元件字元

    電子元件製造過程追蹤為半導體之產出基石,辨識元件編號被視為生產重要環節之一。但較差環境下讓AOI辨識更加困難,對於提升產線效率以及降低字元的誤判度有很大改善空間。利用SolVision技術執行光學字元辨識,有別於傳統AOI,不受底色、環境光線及字元種類多等限制,可精準識別個別編碼。
  • 汽車引擎號碼OCR字元辨識

    藉由Solvision AI視覺檢測技術,快速、準確辨識汽車引擎上的字元,減少人工目視辨識錯誤,提升效率。
  • 壓花石膏板瑕疵檢測解決方案

    石膏板出廠前,瑕疵情形皆須確實檢出。然而,由於壓花石膏板的外觀特性,瑕疵在複雜背景中模糊,無法以AOI及人眼確實辨識。使用所羅門 SolVision AI影像平台技術,擷取板材上的髒痕、過大壓花圖案以及壓花不清等瑕疵,可確實檢出並定位板材上的瑕疵,具體提升石膏板板材的品質與良率。
  • 雞蛋蛋殼品質檢測分級解決方案

    運用所羅門SolVision AI影像平台的Instance Segmentation技術,定位、標註影像樣本中雞蛋蛋殼裂隙瑕疵位置並以訓練AI模型,訓練完成後即可透過AI檢測蛋殼表面的孔隙及裂痕情形再予以分級,提升雞蛋食用的安全性及商品價值。