black and white labeled box

SolVision成功案例

半导体产业

晶圆研磨瑕疵检测解决方案

化学机械平坦化(CMP)的AI辅助品质管控

半导体制造关键：
化学机械平坦化(CMP)影响晶元良率

化学机械平坦化(Chemical Mechanical Planarization, CMP)是半导体制造中不可或缺的製程之一，目的是为改善前製程的微小缺陷。于晶圆上完成一层积体电路后，需透过CMP将表面研磨整平，方可制作下一层积体电路。然而，研磨液中过大的颗粒及微粒凝聚体可能造成晶圆上的微划痕，是CMP製程中最主要的瑕疵类型。

Quality control of chemical mechanical polishing (CMP) processes

CMP制程中，晶圆研磨痕迹让传统AOI难以检测瑕疵

CMP製程中的瑕疵包括微划痕、微粒残留及研磨垫碎屑等。研磨完成后，晶圆会生成极浅且轨跡雷同的研磨痕迹跡，形成影像中的复杂背景，又由于各式瑕疵的形态及位置不固定，使微划痕等瑕疵无法被轻易检出。除了微划痕外，晶圆表面常见瑕疵还包含白色脏污、黑色脏污、水痕、气泡等，种类繁多且复杂，没有既定的特征点，更没有固定的形态，传统AOI即使耗费大量人力撰写编写算法，仍无法精准检测整张晶圆影像的瑕疵资讯。

所罗门AI瑕疵检测，让晶圆瑕疵无所遁形

运用所罗门 SolVision  AI影像平台的实例切割技术，定位并標註晶圆上的微划痕以及脏污等影像特徵，并借以训练AI模型。即便在具有研磨痕迹的影像背景之下，依然可以借由AI视觉轻易地检出深、浅的微划痕及其他脏污瑕疵，并精准地检测出瑕疵所在位置与面积。

晶圆研磨瑕疵检测案例

刮痕

Wafer grinding defect detection case

Wafer grinding defect detection case
相关文章

  • 透明瓶装液体沉淀物AI自动化检测解决方案

    液体生技药品常以透明瓶装保存，由于透明瓶装的反光特性、受测物沉淀情形不一因素，使瓶装药品的检测无法以一般光学检测取代人力执行。所罗门结合机器视觉与人工智能，运用SolVision AI从数据库中的影像特征判断沉淀情形。透过深度学习技术，可辨识7种不同的沉淀样态，进而判断内容物的质量。

  • 封装晶片边缘微裂瑕疵检测解决方案

    由于晶粒边缘崩裂瑕疵出现的位置及型态不固定，以致传统光学检测无法精准地将瑕疵检出，影响整体产品良率。运用SolVision AI影像技术，将影像样本中的瑕疵特征予以标注，完成训练的AI模型即可自动检出并标注晶粒边缘崩裂瑕疵的位置，大幅降低芯片在后续封装制程中断裂的风险。

  • 医疗口罩制造品质管控解决方案

    口罩产品瑕疵种类繁多，包括掉线、皱褶、鼻垫片缺漏及穿透、破洞、角切、脏污、侧边凸出及过滤层破损等。难以透过AOI方式检出全部的瑕疵。运用SolVision AI影像技术，将影像样本中各类型瑕疵予以标注，AI经深度学习后即可于品管端精准辨识口罩上是否有瑕疵，进而将不良品汰除。

  • 包装密封检测解决方案

    除了判断包装是否密封之外，须进一步确认密封不完全的型态与原因，但因为密封缺陷的型态差异小，且对象表面呈高反光，不论是人眼或AOI皆不易找出缺陷并将之分类。所罗门使用 SolVision工具，由影像定义出密封完好的状态，并与多种缺陷作比较，可实时检出没有密封完整的包装并将缺陷分类。