a close up of a pattern of small squares

SolVisionCase Study

半導體產業

晶片收納(In-Tray)跳料檢測解決方案

AI輔助檢測晶盤上晶片跳料瑕疵

封測製程的終端：晶片收納運送

晶盤(IC Tray)是晶片(Chip)的承載盤，檢測、切割完成後的晶片揀至晶盤中的晶穴(Pocket)內以運送至客戶端。然而晶片體積小且質輕，於晶盤上取放時容易跳料，進而產生疊料(Double)、空料(Empty)、歪斜錯置(Tilt)、反轉(Opposite)等情形。

晶盤中晶片跳料情形：不具邏輯且難以預測的瑕疵

晶片於晶盤中跳料的情形係屬隨機，所致的瑕疵型態多樣且難以預測瑕疵所產生的位置。對AOI而言，幾乎無法針對跳料瑕疵設定邏輯並據以檢測。

AI深度學習：以晶片收納異常的影像特徵訓練檢測模型

運用SolVision AI影像平台的Segmentation技術，以具疊料、空料、歪斜錯置、反轉等瑕疵的影像樣本訓練AI模型，AI訓練完成後即可輕易且迅速地辨識並標註晶盤上產生收納異常的位置。

晶片跳片檢測案例

綠 卡槽內放置正確數量        黃 卡槽重疊2片        橘 卡槽重疊3片

相關文章
  • 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。
    成功案例SolVision瑕疵檢測製造業

  • 傳統機台儀表數位化解決方案

    傳統式的氣體監控機台或儀器設備具有儀表板顯示資訊，惟其缺乏數位化介面，SolVision結合機器視覺與人工智慧，運用AI影像平台技術執行光學字元辨識(OCR)，將機台儀表影像中的數值轉為數位化資訊，以利統計、監控數據的異常情形，亦可進 % 一步作為後續智能化相關應用的基礎。
    成功案例OCR字元辨識SolVision光電業

  • SMT製程的回焊短路檢測解決方案

    SMT製程回焊過程中，過多錫膏量或是印刷偏移可能導致錫球間短路，過去以人工方式檢測，效率不彰。SMT多餘錫膏在高溫下的流動型態無法預測，難以傳統AOI檢出。運用SolVision AI技術，將SMT製程影像樣本中的回焊短路瑕疵定位並標註，訓練AI模型。可輕易檢出錫球間短路情形。
    成功案例SolVision半導體業瑕疵檢測電子業

  • 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！
    SolVision分類辨識成功案例有無確認生技醫療業