pink green and blue square pattern

SolVision成功案例

芯片承载盘检测解决方案

自动化承载盘AI瑕疵检测

半导体加工良率关键:芯片承载盘的稳定与定位

芯片承载盘(IC Tray)是半导体加工制程的关键要素,其形式及材质根据不同应用环境而有不同设计。除了芯片储存的安全及稳定性外,其定位与抓取点亦须与制程中各式馈送机制(feed mechanisms)精准搭配。因此,芯片承载盘品质可谓是左右制程自动化成败的关键。

Automated defect detection with artificial intelligence

AOI检测缺点:复杂背景下的细微瑕疵

芯片承载盘的轮廓与定位孔点常因作业温度或长期使用造成缺口、翘曲等瑕疵,过去多透过光学检测方式予以检查。然而由于承载盘样式复杂、瑕疵过于细微且隨机,不易透过传统光学检测检出并定位瑕疵,严重影响产品良率及生产效率。

机器视觉结合AI,成功克服检测时的复杂背景

运用SolVision AI影像平台的实例切割技术执行缺陷检测(Defect Identification),在复杂的取像背景中侦测并標註多样细微瑕疵,以利使用者即时监测并排除承载盘异常情形。

萃盘检测案例

完整检品

Original

IC Tray inspection

Result

IC Tray inspection

定位孔缺口及边框瑕疵

Original

IC Tray inspection

Result

IC Tray inspection

完整检品

Original

IC Tray inspection

Result

IC Tray inspection

边框瑕疵

Original

IC Tray inspection

Result

IC Tray inspection
相关文章
  • 半导体晶片封装制程接着剂瑕疵检测解决方案

    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。
  • a close-up of a machine

    自动化激光焊接分类暨检测解决方案

    雷射焊接具有不同的焊缝特征。由于产品的焊接位置、样式不尽相同,无法透过传统光学检测辨别焊缝样态,常造成焊接质量不一的情形。应用Solomon SolVision能够以焊缝特征影像训练AI模型,辨识焊接功率及漏焊瑕疵,并可透过深度学习,精准侦测焊缝的鱼鳞纹数量及分布。
  • 医疗器材品质控管:安全针头组装

    安全针头为透明或白色的塑料件,其材质与纹路使得辨识不易,以人眼或AOI方法皆容易造成误判,导致组装错误却无法有效检出。所罗门结合机器视觉与人工智能,使用SolVision工具,针对白色与透明塑料件的各种纹路与形状做AI训练,有效检出塑料件的组装错误,同时提高缺陷检测的效率。
  • 传统机台仪表数字化解决方案

    传统式的气体监控机台或仪器设备具有仪表板显示信息,惟其缺乏数字化接口,SolVision结合机器视觉与人工智能,运用AI影像平台技术执行光学字符识别(OCR),将机台仪表影像中的数值转为数字化信息,以利统计、监控数据的异常情形,亦可进 % 一步作为后续智能化相关应用的基础。