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。

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。

所罗门利用 SolVision学习Tray盘所需辨识的定位点，执行光学字符识别 (OCR)，能够大幅优化传统AOI的作业流程，不受识别画面位移、歪斜及其字符缺陷等限制，精准识别个别料件来源，而随着AI深度学习件数增加，亦能持续优化AI辨别字符的能力，使辨识字符不再困难。

运用AI视觉检测IC Pin脚间的焊锡相连情形 什么是SMT(Surface Mount Technology)表面贴焊(装)技术? 表面黏著技术，是一种电子装联技术，起源于1960年代，最初由美国IBM公司进行技术研发，之后于1980年代后期渐趋成熟。此技术是将电子元件，如电阻、电容、电晶体、积体电路等等安装到印刷电路板上，并通过钎焊形成电气联结。其使用之元件又被简称为表面安装元件。 PCB可靠度的第一道关卡：SMT制程 SMT表面贴装技术(Surface Mount Technology,SMT)是电子业的组装焊接技术之一，以锡膏印制、点胶、零件组装、热风回焊等制程将电子零组件与PCB结合。然而回焊制程中，相邻的锡球稍有不慎即会造成短路。由于PCB上元件繁多，若能即时检出短路情形并排除障碍点，将能大幅提升产线效能。 IC PIN角瑕疵检测案例 正确 NG: 焊锡相连 NG: 焊锡相连

运用SolVision AI影像平台的Instance 实例切割技术，将X光影像中锡球重迭的假焊瑕疵予以标注并藉以执行AI模型的深度学习。经训练后的AI即可在具背景噪声、无明显影像边缘的条件下，将假焊瑕疵精准检出。