pink green and blue square pattern

SolVision成功案例

晶圆切割刀体外观品质控管解决方案

AI辅助检测晶圆切割刀体不规则纹路及多钻瑕疵

晶圆切割分离技术的关键:晶圆切割刀品质

随着电子产品的日新月异,半导体晶片的需求量及品质要求随之提升。另一方面,制造技术的演进,也使晶片尺寸渐趋轻薄短小。为达高良率及高效率生产的目标,晶圆切割分离技术尤为重要,而晶圆切割品质的关键在于晶圆切割刀的刀具品质以及控制能力。

AI inspection of dicing blade defects

晶圆切割刀体瑕疵检测困境:环形纹路造成的复杂背景

晶圆切割是半导体及光电业界非常重要的制程,若无法在切割制程中维持高良率、高效率并保有晶片特性,将大幅影响整体产能。晶圆切割刀的品质控管主要透过外观瑕疵的检测,常见的外观瑕疵包括刀体上的不规则纹路、多钻等情形。由于晶圆切割刀本身即具有环状条纹,形成复杂影像背景,严重影响机器视觉对于瑕疵的检测。

AI视觉深度学习,让瑕疵辨识不受影像背景影响

运用SolVision AI影像平台的Feature Detection工具,将影像样本中的不规则纹路及多钻瑕疵标注并训练AI模型,AI视觉便可即时检出晶圆切割刀体上的各式瑕疵。

晶圆切割刀瑕疵检测案例

Scanned Image

Wafer dicing knife defect detection case

Detection Result

Wafer dicing knife defect detection case
相关文章
  • A Man Fixing a Laptop

    笔电组装零件缺漏与瑕疵检测

    笔电产品零件进入组合与包装程序后,利用人工方式进行配套零件的装配,在执行上下装壳与垂直螺丝组装等工序时,若有零件缺漏将直接影响最终产品质量,进入各通路贩卖后有损公司名誉。导入所罗门SolVision检测提高产品良率及稳定性,能持续优化其检测效力,有效提高产品的质量良率。
  • 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。
  • black and white labeled box

    自动化导线架品质检测

    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。
  • 快速精準辨識多種橡膠射出成型之瑕疵

    精准辨识多种橡胶射出成型瑕疵

    橡胶射出成形采用AOI检测塑料缺陷时,由于瑕疵种类及位置多变,易遇橡胶射出瑕疵样品不足使得瑕疵定性定量困难,检测精准度不足。利用SolVision AI瑕疵检测,针对橡胶射出成品瑕疵形状与颜色建立数据库,AI学习可后辨识种类及位置多变的瑕疵。有效解决橡胶射出成品瑕疵不固定的检测问题。