瑕疵检测

传统光学检测无法针对全幅影像进行分类，故无法于第一阶段汰除瑕疵过多的晶圆。应用SolVision AI影像平台技术辨识瑕疵特征。首先判断晶圆是否具有过多瑕疵，汰除无法修复的不良品。其次运用图像处理技术分割晶圆影像，并以工具侦测瑕疵，记录其特征、坐标、面积等信息，大幅提升后续修补的效率。

固晶接着剂透明，易造成光源折射影响特征判断，且爬胶、溢胶不具固定位置及型态，无法创建规则执行传统光学检测AOI。运用Solomon SolVision AI影像平台技术建立AI学习模块，自动学习并侦测爬胶、溢胶的特征及位置。增加多项正确类别提升辨识强度，有效降低环境因素的干扰。

导线架表面的各类瑕疵，包含边缘毛边、黑点杂质、刮痕等。若使用传统的AOI检测，当检测背景与瑕疵较为相近时，容易发生漏检的情形。使用SolVision AI瑕疵检测工具进行学习，以扩增功能增加AI学习范围，能有效检测出各类导线架瑕疵，在杂乱或复杂背景中，也能精确辨识有很好的辨识效果。

PCBA上面集成了不同功能的电子组件、插槽及各种芯片组，制造流程繁琐，如何提升PCBA插件及组装的正确率，是良率提升的关键。SolVision AI瑕疵检测系统，学习多张PCBA的影像做AI训练，可辨检测细微瑕疵，使PCBA制成优化，效率大幅提升。

保有生产效益的同时兼顾纱线质量，是纺织业者最大挑战。现今纱场依以人工检测为主，漏检率高且工时长，不利实际质量要求，传统AOI面对不固定瑕疵时亦难以检测，误判率高。使用SolVision工具使AI学习辨识瑕疵特征，快速且精准地找出各项缺陷，有效改善检测速率、成品良率并降低品检负担。

SMD电容体积较小，观察缺陷需在显微镜等级的微观工具下观察，且因MLCC非常脆弱，检测过程也须非常小心，困难度极高。使用SolVision工具，学习电极上凸出部分的瑕疵形状及位置，建立AI模型，在AI学习瑕疵特征之后，即可快速检测电容凸出部分的缺陷，大幅提升整体制程的良率。

芯片承载盘是半导体加工制程的关键要素，芯片承载盘的轮廓与定位孔点常因作业造成瑕疵，过去多透过AOI光学检测方式予以检查。然而承载盘不易透过AOI检出并定位瑕疵，严重影响良率及生产效率。运用SolVision AI影像技术执行缺陷检测，以利使用者实时监测并排除承载盘异常。

袜品瑕疵形态多样，传统AOI适合用于整块布疋的检测，对于不固定的瑕疵检测有困难，且容易发生错杀，仍需人工进行复检。以SolVision工具完成AI模型的训练。可快速且精确地找出瑕疵、分类不同瑕疵并剔除不良品，把关产品质量、提升生产效率，透过对瑕疵进行分类与分析，更能够优化整体制程。