3D AI AOI 提升微凸點檢測產線節拍與全檢產能

在半導體封裝環節，微鏈道愛 3D AI AOI 裝置透過自研 3D 相機與三維形貌重建/點雲技術，有效檢出隱藏焊點、共面度、微米級形貌及氣孔等 2D 光學盲區缺陷，並實現 2D-3D 融合檢測，將單顆晶片的微凸點缺陷檢測時間縮短了 35%，顯著提升了產線節拍與 100% 全檢產能。

在半導體封裝環節，微鏈道愛 3D AI AOI 裝置透過自研 3D 相機與三維形貌重建/點雲技術，有效檢出隱藏焊點、共面度、微米級形貌及氣孔等 2D 光學盲區缺陷，並實現 2D-3D 融合檢測，將單顆晶片的微凸點缺陷檢測時間縮短了 35%，顯著提升了產線節拍與 100% 全檢產能。半導體行業對產品質量的極致追求，使得任何微小的缺陷都可能導致整個晶片失效。尤其在倒裝晶片 (Flip Chip) 封裝中的微凸點 (Micro Bump) 工序，其作為晶片與基板連線的關鍵結構，直接影響晶片的電效能和可靠性。隨著晶片尺寸不斷縮小，整合度越來越高，微凸點的間距已達微米級，數量龐大且排列密集，對檢測技術提出了嚴峻挑戰。傳統的抽檢模式已無法滿足高可靠性要求，而 100% 全檢則面臨巨大的產線節拍壓力。

痛點:這道坎為什麼難過

在微凸點檢測環節，傳統方案面臨多重挑戰。首先是**產線節拍與全檢產能的矛盾**：某頭部半導體封裝廠商，其產線每分鐘需要處理數百顆晶片，傳統 2D AOI 裝置雖能實現部分缺陷檢測，但對於微凸點的三維形貌缺陷（如高度、共面度異常）往往力不從心，需要人工複檢，導致單顆晶片檢測時間長達數秒，遠低於產線節拍要求，使得 100% 全檢成為瓶頸。其次，**微米級缺陷的漏檢率居高不下**：微凸點缺失、橋連、塌陷、高度不一致等缺陷，在二維影象中可能表現不明顯，特別是焊盤與凸點顏色相近時，2D 光學檢測的漏檢率在傳統方案下高達 0.8% 甚至更高。這直接導致後續工序的返工成本劇增，甚至出現客戶投訴。第三，**誤報率導致的複檢負擔**：傳統基於規則的 2D AOI 易受光照、表面反光、背景紋理等干擾，產生大量誤報，導致人工複檢工時佔比高達 30% 以上，嚴重消耗人力資源。最後，**複雜缺陷的識別難度**：微凸點是三維結構，其高度、體積、共面度等引數是關鍵質量指標，傳統 2D 成像無法提供這些資訊，使得如“枕頭效應”(Pillow Effect) 或輕微塌陷等三維缺陷難以被有效識別。

這些難題的根源在於半導體封裝工藝的複雜性和微凸點本身的物理特性。微凸點直徑通常在 20-100 微米之間，高度僅數十微米，且呈陣列排布，間距極小。傳統 2D 相機只能獲取平面資訊，對於高度、體積、共面度等三維形貌特徵完全無力。同時，微凸點材料（如錫銀銅合金）反光特性複雜，容易在 2D 影象中產生高光或陰影，干擾缺陷判斷。今日熱點方向中的數字孿生技術，正需要精確、實時的三維資料作為基礎。如果無法在產線前端實時獲取高精度的三維形貌資料，就難以構建精準的數字孿生模型，更談不上對工業產線全生命週期進行管理與最佳化，包括預測性維護、工藝引數最佳化等，所有最佳化都將失去資料支撐。

技術原理

微鏈道愛 3D AI AOI 裝置的核心在於其**自研高精度 3D 相機與先進的三維形貌重建演算法**。該裝置採用多頻段結構光投影技術，結合相移法原理，透過向被測物表面投射一系列特定圖案的光柵，並利用高解析度工業相機捕獲變形後的影象。這些影象序列被 DaoAI 獨有的三維形貌重建演算法處理，精確計算出每個畫素點的相位資訊，進而解算出其在 Z 軸方向的深度值，最終生成高精度的點雲資料。這些點雲資料包含了微凸點表面的完整三維形貌資訊，精度可達微米級。與傳統 2D AOI 僅依賴灰度或色彩資訊不同，微鏈道愛 3D AI AOI 能夠直接獲取凸點的高度、體積、共面度、傾斜角度等關鍵三維引數。例如，對於微凸點缺失或塌陷，2D 影象可能僅表現為亮度變化，容易與陰影混淆；而 3D 資料則能清晰地顯示出該區域的高度塌陷或缺失，避免誤判。此外，DaoAI 的 2D-3D 融合技術並非簡單的影象疊加，而是將 2D 影象的紋理、顏色資訊與 3D 點雲的幾何資訊進行深度融合，利用 AI 模型同時分析兩類資料，實現更全面、魯棒的缺陷識別。

與傳統基於規則的 2D AOI 相比，微鏈道愛 3D AI AOI 在檢測能力上實現了質的飛躍。傳統 2D AOI 難以區分焊盤顏色與凸點相近時的缺失缺陷，也無法準確判斷凸點的高度和共面度。而微鏈道愛 3D AI AOI 憑藉其三維資料，能夠直接測量這些引數，將微凸點高度檢測精度控制在 ±2微米以內，並能精確計算共面度。與人工目檢相比，DaoAI 3D AI AOI 不僅大幅提升了檢測速度和一致性，避免了人眼疲勞和主觀判斷帶來的漏檢和誤報，更在複雜缺陷識別方面展現出顯著優勢。例如，對於微凸點橋連，2D 影象可能因角度或光照問題導致模糊，但 3D 資料能夠清晰地展現兩個凸點之間的物理連線，從而實現高精度的判斷。微鏈道愛 AI AOI 軟體系統結合 APDT 少樣本學習能力，僅需 1-20 張良品樣本即可快速完成模型訓練，極大地縮短了換型時間，並支援 5 分鐘 0 程式碼自動程式設計，進一步提升了產線效率。

典型應用場景

• **微凸點缺失與橋連檢測**：微鏈道愛 3D AI AOI 透過精確的三維形貌重建，能夠清晰識別微凸點是否完全缺失或與其他凸點發生橋連。難點在於微凸點尺寸小、間距密，2D 影象易受反光干擾，而 3D 資料能提供準確的物理連線資訊。
• **微凸點高度與共面度檢測**：裝置能精確測量每個微凸點的高度，並計算整個陣列的共面度。這對於控制晶片與基板的接觸電阻和應力分佈至關重要。難點在於微米級的精度要求和大規模陣列的快速測量。
• **微凸點塌陷與形狀異常**：對於微凸點因焊接工藝不當導致的塌陷、變形、球形不飽滿等形狀異常，DaoAI 3D AI AOI 能從三維輪廓上進行精確判別。傳統 2D 影象難以捕捉這些細微的三維形變。
• **焊盤汙染與異物檢測**：在微凸點形成前後，檢查焊盤表面是否存在異物、殘留焊劑或汙染。雖然部分可透過 2D 檢測，但微鏈道愛 2D-3D 融合技術能提供更全面的表面資訊，尤其對透明或低對比度異物具有更強的檢出能力。
• **氣孔與空洞檢測**：微凸點內部或底部可能存在氣孔，影響導電性和可靠性。微鏈道愛 3D AI AOI 結合其形貌重建能力，能識別表面氣孔特徵，為進一步的 X-ray 檢測提供預判資訊，提升整體檢測效率。

落地案例

某國內頭部積體電路封裝測試廠商，長期面臨微凸點檢測的挑戰。其產線節拍要求極高，傳統 2D AOI 檢測裝置無法滿足 100% 全檢的產能需求，導致部分高價值晶片只能採取抽檢，存在潛在的質量風險。同時，由於微凸點尺寸微小且材料反光，傳統 2D AOI 的誤報率高達 15% 以上，漏檢率也徘徊在 0.7% 左右，大量人工複檢佔據了寶貴的生產時間，嚴重拖累了整體效率。該廠商引入了微鏈道愛 3D AI AOI 裝置進行試點。在部署初期，微鏈道愛工程師團隊與客戶緊密合作，利用 APDT 少樣本自訓練功能，僅透過 15 張良品樣本，在數小時內完成了對微凸點缺失、橋連、高度異常等多種缺陷模型的快速訓練。裝置上線後，立即展現出卓越效能。微鏈道愛 3D AI AOI 將單顆晶片的檢測時間從原先的 3.2 秒縮短至 2.1 秒，實現了產線節拍的顯著提升，成功滿足了 100% 全檢的產能要求。同時，得益於精確的三維形貌資料和先進的 AI 演算法，誤報率降低了 −85%，漏檢率也壓降至 <0.2%，大幅減少了人工複檢的工作量，每年節省了近百萬人民幣的人力成本。該廠商的生產負責人表示，微鏈道愛 3D AI AOI 不僅提升了產品質量，更最佳化了整個生產流程，為後續智慧製造升級提供了堅實基礎。

“微鏈道愛 3D AI AOI 裝置不僅僅是提升了我們的檢測精度，更關鍵的是，它讓我們第一次真正實現了微凸點 100% 全檢，而且是在不犧牲產線節拍的前提下完成的，這徹底改變了我們的質量管控模式。”

微鏈道愛解決方案與產品

微鏈道愛為半導體微凸點檢測提供的核心是 **DaoAI 3D AI AOI 裝置**。該裝置整合了微鏈道愛自研的高精度 3D 相機、高效能邊緣計算平臺以及 DaoAI AI AOI 軟體系統。在建模方面，我們採用 APDT 正樣本/少樣本學習機制，客戶僅需提供少量良品樣本（1-20 張），即可在 5 分鐘內完成 0 程式碼自動程式設計，快速生成高魯棒性的缺陷檢測模型，極大地簡化了模型部署和維護。對於多品種小批次的生產模式，這種快速換型能力至關重要。微鏈道愛 3D AI AOI 的 2D-3D 融合檢測能力，確保了對微凸點從平面到立體的全方位覆蓋，彌補了傳統 2D 光學檢測的盲區。此外，DaoAI AI AOI 軟體系統還具備語義誤報過濾功能，能夠有效識別並過濾掉非缺陷性干擾（如紋理、光斑），進一步降低誤報率。在部署方面，微鏈道愛提供 SDK/API/Docker 等多種靈活整合方式，並支援 100% 本地私有化部署，確保客戶資料安全不離廠，滿足半導體行業對資料隱私和安全的嚴苛要求。結合 DaoAI World 世界模型統一底座，裝置能持續從產線反饋中學習，實現模型自最佳化和跨場景泛化。

透過部署微鏈道愛 3D AI AOI 裝置，客戶實現了顯著的業務價值。首先，**產線節拍得到大幅提升**：檢測效率提升了 35%，使得單線產能增加了 20% 以上，有效緩解了 100% 全檢的產能壓力。其次，**產品質量和可靠性顯著增強**：微凸點漏檢率降低至 <0.2%，有效避免了潛在的失效風險，提升了晶片的整體良率。第三，**運營成本顯著降低**：誤報率降低 −85%，大幅減少了人工複檢需求，釋放了大量人力資源，直接降低了生產成本。最後，**資料資產和工藝最佳化能力增強**：高精度的三維檢測資料為後續的數字孿生構建和工藝引數最佳化提供了可靠依據，助力客戶實現更智慧、更高效的半導體制造。

本文由人工智慧生成。文中客戶案例為基於產品真實能力的模擬場景，成效數字為示例性質；官方標定口徑以產品頁為準。