a group of square objects

SolVision成功案例

晶圓不良品分類及瑕疵定位自動化解決方案

兼具智慧與彈性的晶圓檢測技術

晶圓製程與晶圓修復的藝術

晶圓製程中的微影、蝕刻、薄膜沉積、擴散、研磨等步驟,以及環境中懸浮物如微塵、溶劑等,皆可能造成晶圓產生瑕疵,影響產品良率。部分晶圓瑕疵經檢出並定位後,可透過雷射方式針對可修復的晶粒進行修補,提升產品的良率及可靠度。然而,過多瑕疵的晶圓執行修補不具效率,直接汰除可避免影響整體產能,而部分可修復的晶圓則需檢出並精準定位以利排程修補。
晶圓不良品分類及瑕疵定位自動化解決方案

傳統光學檢測(AOI)的缺點

傳統光學檢測無法針對全幅影像進行分類,故無法於第一階段汰除瑕疵過多的晶圓。另一方面,部分大量且細微的瑕疵隨機散布於晶圓上,傳統光學檢測無法設定規則予以檢測,亦極易受到環境光源影響而降低檢測效率。

結合影像處理與AI瑕疵檢測的SolVision

應用所羅門 SolVision AI影像平台的Classification及 Segmentation技術辨識瑕疵特徵。首先以Classification工具判斷晶圓是否具有過多瑕疵,汰除無法修復的不良品。其次運用影像處理技術分割晶圓影像,並以Segmentation工具偵測影像中的瑕疵,記錄其特徵、坐標、面積等資訊,大幅提升後續修補的效率。

晶圓瑕疵判定與分類案例

OK: 無明顯瑕疵
NG: 瑕疵過多
相關文章
  • 晶片收納(In-Tray)跳料檢測解決方案

    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。運用SolVision AI影像平台技術,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。
  • multicolored electronic part

    電源供應器內部線材組接解決方案

    電源供應器內部元件及線路多元且複雜,檢測接點時容易受到背景干擾而影響視覺判斷。額外使用人工及AOI傳統光學檢測皆不易執行,難以於產線端有效管控產品品質。經訓練的AI模型可以精準地偵測並定位線材錯接的電源供應器接線瑕疵,即時將不良品檢出。
  • 藥錠外觀瑕疵檢測

    藉由Solvision AI視覺檢測技術,快速檢驗產品瑕疵,確保藥品品質,減少人力檢測錯誤,提升產線生產力。
  • 印刷電路板(PCB)元件組裝檢測解決方案

    印刷電路板(Printed Circuit Board, PCB)是電子裝配中最重要的基底,但PCBA上的電子元件種類繁多,包括電阻、電容、電晶體等等。運用SolVision AI影像平台透過訓練完成的AI模型,可即時地檢出元件缺件或組裝錯誤等異常情形及位置。