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

  • META-aivi SOP智能工安巡檢

    在工廠巡檢的過程中，導入META-aivi，利用AI建立正確的SOP操作步驟，逐一確保車輪是否與枕木放妥、接地線是否接妥以及確認靜電消除器燈號是否正常；並搭配擴增時境顯示現場狀況，於螢幕上顯示AI偵測結果，立即回傳辨識結果至人員眼前，若有異常則立即發出警示，指引人員正確的操作步驟並驗證流程的正確性，確保場域的安全。

  • 不鏽鋼管字元辨識解決方案

    目前仍採用人力進行自行車車身號碼的辨識與登錄，耗費人工且效率低，若使用AOI進行字元辨識，因不鏽鋼管表面為圓弧曲面，打光容易造成反射，不論以人工或者AOI檢測，針對曲面、反光不鏽鋼管上字樣的辨識皆較為困難。所羅門結合機器視覺與人工智慧，對於光學字元辨識可以得到極佳的辨識效果。
  • a close up of a blue and yellow background

    LED基板分區外觀品質控管解決方案

    常見的LED基板瑕疵包括邊緣毛邊、銲墊氧化雜質、刮痕等，在瑕疵特徵與背景相近的情況下，AOI檢測不易將瑕疵檢出。運用SolVision AI影像技術，以各式LED基板上瑕疵影像樣本訓練，經深度學習的AI即可精準地將瑕疵檢出並標註。此外亦可指認瑕疵生成的所屬區域，達到分區檢測的目的。

  • 細胞病變辨識及分類解決方案

    切片顯微影像中細胞的外觀不固定，細胞病變發生的位置、型態也十分隨機，導致每位醫師對於癌細胞的判斷及圈選標準不盡一致，更無法透過傳統光學檢測以撰寫邏輯方式判斷癌細胞的型態。資料擴增結合AI深度學習技術可以更快速準確地判讀細胞特徵！