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

  • 積層陶瓷電容製程優化解決方案

    SMD電容體積較小，觀察缺陷需在顯微鏡等級的微觀工具下觀察，且因MLCC非常脆弱，檢測過程也須非常小心，困難度極高。使用SolVision工具，學習電極上凸出部分的瑕疵形狀及位置，建立AI模型，在AI學習瑕疵特徵之後，即可快速檢測電容凸出部分的缺陷，大幅提升整體製程的良率。
    成功案例SolVision瑕疵檢測電子業

  • 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。
    成功案例SolVision瑕疵檢測紡織業

  • 漸層玻璃瓶瑕疵檢測

    漸層玻璃瓶皆經過噴砂製程霧面處理，製作過程常見的瑕疵類型為色澤不均或者瓶身出現黑點，而這些瑕疵因無法明確定義且樣式不固定，難以採用AOI方法進行檢測。訓練完成的AI模型即可快速檢出玻璃瓶身各角度之瑕疵分布，並標註出缺陷位置。
    SolVision成功案例智慧製造業瑕疵檢測生技醫療業製造業食品業
  • brown cookies on white ceramic plate

    食品加工產線輸送帶瑕疵檢測解決方案

    食品加工業首重食品衛生及食用安全，油炸食品的外觀不一。傳統的食品外觀檢測透過大量人力執行，效率不彰。所羅門結合機器視覺與人工智慧，運用Solomon SolVision AI影像平台技術執行缺陷檢測。在快速且大量生產的油炸食品加工產線中，辨識多種不同的瑕疵樣態，進而將不良品即時檢出。
    成功案例SolVision品質/安全檢查瑕疵檢測食品業