SolVision AI 視覺系統於 CMP 品質檢測過程中套用分割遮罩,以識別並標示晶圓表面瑕疵。

使用 AI 進行 CMP 品質檢測

案例概覽

產業半導體

解決方案SolVision

案例說明

確保 CMP 製程中的表面品質

化學機械平坦化(Chemical Mechanical Planarization,CMP)是半導體製造中的關鍵製程,用於平坦化晶圓表面並去除製程層間多餘材料。每片晶圓皆須經過 CMP,以達到後續微影與沉積製程所需的表面均勻性。

然而,CMP 製程可能導致表面瑕疵,例如刮傷、粒子污染及研磨液造成的損傷。這些瑕疵可能影響元件效能與良率,因此可靠的品質檢測對於維持晶圓完整性至關重要。

挑戰

在複雜晶圓表面偵測細微瑕疵

CMP 所產生的瑕疵,如細微刮傷、粒子殘留及拋光墊碎屑,通常對比度低且空間分布不均,使其難以自晶圓表面中有效辨識。CMP 製程亦會留下淺層研磨痕跡,於檢測影像中形成複雜且不均勻的背景紋理。

規則式 AOI 系統在處理瑕疵形態與晶圓表面外觀變異方面能力有限,尤其在低訊雜比條件下更為明顯。因此,傳統檢測方法難以滿足高精度半導體製造環境對 CMP 品質檢測的需求。

解決方案

SolVision AI CMP 瑕疵檢測

SolVision 採用 AI 視覺檢測技術,偵測半導體晶圓上的 CMP 瑕疵。

系統透過深度學習,以標註細微刮傷、粒子等瑕疵的樣本影像進行訓練。AI 模型可學習區分瑕疵特徵與複雜晶圓背景,即使在嚴苛檢測條件下仍能實現可靠辨識。

AI 視覺系統可識別:

  • 細微表面刮傷
  • 粒子殘留與污染
  • 拋光墊碎屑與表面異常

SolVision AI 檢測可精準辨識並定位瑕疵,提供包含瑕疵位置與尺寸在內的完整資訊。透過持續學習,系統可進一步提升檢測效能,確保 CMP 品質檢測的一致性與可靠性。

晶圓表面瑕疵檢測

SolVision AI 軟體介面展示 CMP 晶圓檢測流程,包含標註、訓練及瑕疵檢測工具,用於半導體品質控制。
高倍率半導體晶圓表面影像,顯示需進行 CMP 品質檢測的線性刮傷瑕疵與殘留物紋理。

CMP 製程造成的晶圓表面瑕疵

SolVision AI 視覺系統於 CMP 品質檢測過程中套用分割遮罩,以識別並標示晶圓表面瑕疵。

AI 晶圓表面瑕疵檢測

導入成效

穩定一致的 CMP 晶圓檢測
精準的表面瑕疵辨識
可靠的低對比瑕疵檢測