行業方案 · INDUSTRY
微鏈道愛 DaoAI 的半導體 / 晶片：−90% 人機比、98% 準確率。晶圓到先進封裝，微米級器件外觀與字元檢測。
半導體 / 晶片行業的 ACI 應用指微鏈道愛(DaoAI)在晶圓與封測環節的認知檢測:AOI 復判、引腳共面性、封裝外觀等。與傳統復判流程的邊界是「誰來判過殺」——由認知模型線上判,而不是人工逐片復看。這一頁列場景與匿名案例;設備與軟體見 ACI 設備。
方案詳解 · SOLUTION
半導體後道的問題不是"檢不出"，而是"過殺"。傳統 AOI 為了不放過真缺陷，把判據調得很緊，結果把大量 nuisance（無害異常）一併報出來，潔淨室裡只能靠人工逐張復判——過殺率可以超過兩成，良品被誤廢，人力成本壓在復判工位上。
另一面是新缺陷類型層出不窮：先進封裝工藝一變，缺陷形態就換一批，每一類都湊不齊足夠樣本，傳統 CNN 難以覆蓋。而鍵合等工序一旦有缺陷逃逸到下游，代價按整顆器件甚至整批算。
先分流，再判定：AI-ADC 自動區分真缺陷與 nuisance，把人工復判量壓下來，而不是繼續在閾值上做取捨。
少樣本覆蓋新缺陷：APDT 正樣本學習配合 DaoAI World 世界模型，新缺陷類型出現後用少量樣本即可泛化，不必等樣本攢齊。
推理放在設備邊緣端：缺陷分類做進 ACI 設備，替代逐張人工復判，吞吐隨之上來。
產線對接：判定結果與缺陷座標回傳 MES / YMS，按批次與位置可追溯；生產資料留在廠內，不出廠。
| 工序 | 推薦配置 | 解決的主要問題 |
|---|---|---|
| AOI 後缺陷復判 | AOI 軟體（AI-ADC 分流） | 過殺率與人工復判量 |
| 晶圓表面檢測 | 3D ACI | 劃傷、顆粒、崩邊的分類與定位 |
| 引線鍵合 / Die 貼裝 | 3D ACI（邊緣端推理） | 凹陷引線、貼裝偏移與空洞 |
| 字元 / Mark OCR | 2D ACI + OCR / OCV | 雷射打標字元的可讀性與一致性 |
微鏈道愛的落地路徑是四步：① 需求評估——先把"真缺陷"與 nuisance 的判定邊界談清楚，這是過殺率的來源；② 方案選型——按工序與潔淨度要求定機型與安裝方式；③ 現場部署——良品與既有缺陷庫建模上線，操作員約 30 分鐘上手；④ 反饋最佳化——復判結果迴流，新缺陷類型少樣本增補，模型分鐘級更新。
盯四個量：過殺率、缺陷逃逸、人工復判量、檢測節拍。微鏈道愛已落地的半導體場景裡，典型表現是——AOI 後自動分類過殺率 <2%、人工復判量降低 90%、節拍提升 30%；鍵合後檢測準確率 98%、吞吐翻倍、缺陷逃逸趨近於零；罕見缺陷少樣本上線後分類準確率 >96%、缺陷逃逸約 0.2%。
以上為匿名行業場景下我們方案的典型可達範圍，具體數值隨工序、器件與既有缺陷庫而變，以現場實測為準。
客戶案例 · CASE STUDIES
從晶圓缺陷自動分類到引線鍵合、先進封裝 —— 把過殺率壓下去，把缺陷逃逸清零。
場景 · 晶圓缺陷自動分類
挑戰傳統 AOI 過殺率超 20%，潔淨室靠人工復判，良品被誤廢、人力成本居高不下。
方案AI-ADC 自動分流真缺陷與 nuisance，3D ACI + 世界模型泛化多類缺陷。
場景 · 引線鍵合後檢測
挑戰凹陷引線等鍵合缺陷一旦逃逸到下游，會引發重大質量事故；人工復判吞吐低。
方案AI 缺陷分類做進 ACI 設備邊緣端推理，替代逐張人工復判。
場景 · 稀有缺陷少樣本
挑戰先進封裝新缺陷類型層出不窮，每類都湊不齊足夠樣本，傳統 CNN 難以覆蓋。
方案APDT 正樣本學習 + DaoAI World 世界模型，少量樣本即可泛化到罕見缺陷。
案例為匿名行業場景，指標為我們方案的典型可達範圍。
深度案例 · IN-DEPTH
逐一拆解真實場景下的落地路徑 —— 行業背景、痛點、我們的方案與成效。
某晶圓廠 AOI 復判依賴人工，過殺率長期高於 20%。引入 DaoAI AI-ADC 後，過殺降至 2% 以下，復判人機比減少 90%，產線節拍提升 30%。
閱讀全文
某封裝廠引線鍵合後凹陷引線等缺陷靠人工目檢，逃逸時有發生。DaoAI 把缺陷模型做進 ACI 邊緣端，檢出準確率 98%，吞吐翻倍，關鍵缺陷逃逸趨零。
閱讀全文
某先進封裝廠新工藝缺陷樣本湊不齊，傳統監督模型難以訓練。DaoAI 以 APDT 正樣本學習疊加世界模型泛化，稀有缺陷分類率超 96%，逃逸約 0.2%。
閱讀全文
某先進封裝廠微凸點 bump 缺失與橋連難以靠 2D 灰度區分。DaoAI 3D ACI 以微米級高度資訊直接判定 bump 形貌，缺失與橋連檢出率顯著提升。
閱讀全文
某封裝廠引腳共面性與劃片崩邊靠 2D 難以量化。DaoAI 3D 視覺逐引腳測高度、逐邊查崩缺，共面性超差與崩邊漏判同步下降。
閱讀全文
本文介紹微鏈道愛針對半導體晶片引線鍵合後凹陷引線檢測的AI視覺應用案例，解決傳統檢測痛點，提升檢測效率與精度。
閱讀全文
本文介紹了微鏈道愛針對半導體晶片封裝裂紋檢測的AI視覺應用案例，解決了傳統檢測的痛點，取得了良好的成效。
閱讀全文
本文介紹了微鏈道愛針對半導體微凸點 bump 缺失/橋連的 AI 視覺檢測方案，解決了傳統檢測的痛點，取得顯著成效。
閱讀全文
本文介紹了微鏈道愛針對半導體晶片顆粒與劃傷分類的AI視覺應用案例，涵蓋使用者場景、痛點、技術原理、解決方案及量化成效。
閱讀全文
在半導體行業，晶圓圖缺陷檢測是保障產品質量的關鍵環節。微鏈道愛憑藉先進技術為該難題提供有效方案，顯著提升檢測效率與精度。
閱讀全文
在半導體晶片生產中，引腳與劃片缺陷檢測至關重要。微鏈道愛利用先進AI視覺技術，為半導體晶片檢測提供高效準確解決方案，顯著提升檢測成效。
閱讀全文
本文介紹了微鏈道愛針對半導體 die attach 空洞檢測的本地化部署解決方案，解決了客戶在檢測精度和資料合規方面的痛點。
閱讀全文
本文介紹了微鏈道愛針對半導體晶片雷射打標字元檢測的解決方案，解決了傳統方法的痛點，取得顯著成效。
閱讀全文
本文介紹了微鏈道愛針對半導體晶圓邊緣缺陷檢測的解決方案，解決了傳統抽檢的痛點，實現高效精準全檢。
閱讀全文
本文介紹了微鏈道愛針對半導體光刻圖形缺陷的AI視覺檢測解決方案，包括使用者場景、痛點、技術原理、產品介紹和量化成效。
閱讀全文
在半導體先進封裝領域，稀有缺陷少樣本檢測是行業難題。微鏈道愛憑藉先進技術和產品，有效解決該問題，提升檢測準確性和生產效率。
閱讀全文
本文介紹了微鏈道愛為半導體晶圓 AOI 後缺陷自動分類提供的解決方案，解決了傳統方法在缺陷分類上的痛點，實現了高效準確的缺陷分類。
閱讀全文常見問題 · FAQ
包括晶圓表面劃痕與顆粒、引線鍵合質量、晶片切割崩邊、Bump 缺失與橋連、共面度，以及罕見缺陷的自動分類（ADC）。DaoAI 在低對比與高解析度場景下保持穩定檢出。
DaoAI 支援少樣本（few-shot）與無監督異常檢測，只需良品或極少缺陷樣本即可建模，對從未見過的罕見缺陷也能作為異常報出。
可以大幅替代。DaoAI ADC 將缺陷自動歸類並分級，復判量顯著下降，工程師只需關注少量高風險類別，提高 SPC 決策效率。
可以。DaoAI 支援 100% 本地私有化部署，晶圓資料留在廠內，滿足晶圓廠對工藝機密與資料合規的嚴格要求。
