3D ACI 提升半導體微凸點全檢節拍與產能

微鏈道愛 3D ACI 設備(自研 3D 相機 + 三維形貌重建/點雲, 檢隱藏焊點/共面度/微米級形貌/氣孔等 2D 光學盲區缺陷, 2D-3D 融合) 透過結合高解析度三維成像與深度學習演算法，將半導體微凸點缺失/橋連缺陷的檢測速度提升至傳統方案的 1.4 倍，同時將漏檢率壓降至 <0.3%，有效解決了高節拍產線 100% 全檢的產能瓶頸與質量挑戰。

半導體行業作為現代資訊科技的核心，其製造工藝的精細化程度直接決定了晶片的效能與可靠性。在先進封裝環節，微凸點（Micro-bump）作為連接晶片與基板的關鍵結構，其質量直接影響最終產品的電氣效能和長期穩定性。隨著晶片整合度不斷提高，微凸點的尺寸持續縮小，間距日益緊密，對檢測技術提出了前所未有的挑戰。特別是在高節拍的量產線上，如何實現對微米級甚至亞微米級微凸點缺陷（如缺失、橋連、塌陷、高度不一致等）的 100% 全檢，同時不拖慢整體產線節拍，是當前半導體廠商普遍面臨的難題。傳統的 2D 光學檢測受限於成像原理，在應對三維形貌缺陷時存在固有盲區，難以準確判斷微凸點的真實高度、體積和共面性，導致漏檢率偏高或誤報頻繁，嚴重影響了產線效率和產品良率。

痛點：產線節拍與 100% 全檢產能的矛盾

在半導體先進封裝的微凸點檢測環節，客戶面臨多重痛點：首先，【檢測效率瓶頸】。傳統 2D AOI 或人工目檢方案，單顆晶片的檢測時間長，難以滿足每秒數顆甚至數十顆晶片的產線節拍，導致無法實現 100% 全檢，只能抽檢，存在潛在的質量風險。其次，【漏檢率與誤報率居高不下】。對於微凸點缺失、橋連等細微三維缺陷，傳統 2D 影像難以提供足夠的深度資訊，導致漏檢率高達 0.8%~1.5%，而誤報率則可能在 5% 以上，大量合格品被誤判，增加了人工複檢的負擔。第三，【人工複檢成本高昂】。高誤報率意味著需要投入大量人力進行二次確認，一名熟練工人每天僅能複檢數百顆晶片，人工成本顯著上升，且易受主觀因素影響，檢測一致性差。第四，【換型時間長】。當產品型號或工藝參數發生變化時，傳統 AOI 需要數小時甚至半天進行參數調整和編程，嚴重影響產線稼動率。這些問題共同導致了整體生產成本的增加和市場競爭力的下降，與當前AI質檢大模型在顯示面板製造中實現億級成本節約的趨勢背道而馳，凸顯了傳統方案在半導體高精度、高節拍質檢中的侷限性。

造成這些困境的根源在於微凸點缺陷的物理特性和成像挑戰。微凸點尺寸通常在幾十微米到數百微米之間，其高度、體積和形貌是關鍵的質量指標。2D 光學成像只能獲取平面資訊，對於高度塌陷、側壁橋連等缺陷的識別能力有限。同時，微凸點表面可能存在反光、陰影等複雜光學現象，進一步干擾了 2D 影像的分析。在高節拍產線中，為了保證檢測速度，影像採集時間被壓縮，訊雜比降低，使得微小缺陷更難被捕獲。此外，傳統基於規則的演算法難以適應微凸點形貌的微小變化和多樣性，導致模型泛化能力差，需要頻繁調整參數，無法實現智慧化的缺陷識別和分類。

技術原理：3D ACI 的深度感知與智慧決策

微鏈道愛 3D ACI 設備透過其核心的自研 3D 相機與三維形貌重建技術，從根本上解決了微凸點檢測的深度資訊缺失問題。該設備採用多頻結構光投影與相位測量輪廓術（PMP）相結合的原理，高速採集晶片表面的多幅影像，並透過複雜的演算法在亞微秒級別內重建出高精度的三維點雲資料。這些點雲資料包含了每個微凸點的 X、Y、Z 三維座標資訊，能夠精確還原其真實形貌、高度、體積和共面度。基於這些豐富的三維資料，微鏈道愛 ACI OS 作業系統進一步融合了先進的深度學習演算法，特別是針對三維點雲資料的特徵提取和缺陷分類模型。這些模型透過對大量良品和典型缺陷樣本進行訓練，能夠自主學習和識別各種複雜的微凸點缺陷模式，如精確識別高度低於閾值的塌陷凸點、寬度超過閾值的橋連凸點以及缺失凸點的空洞區域，從而實現高精度、高魯棒性的缺陷檢測。

相較於傳統方法，微鏈道愛 3D ACI 的優勢顯著。傳統 2D AOI 依賴於灰度或彩色影像的邊緣、紋理等二維特徵，對於高度資訊缺失的缺陷幾乎無能為力，且易受光照、反光等因素干擾。人工目檢雖然能識別複雜缺陷，但速度慢、一致性差、成本高，在高節拍產線中更是不可行。微鏈道愛 3D ACI 則透過直接獲取三維形貌資料，徹底消除了 2D 光學盲區，能夠準確測量微凸點的高度、體積等關鍵參數，並結合 AI 演算法實現智慧決策，將漏檢率降低至遠低於傳統方案的水平。同時，其高速三維資料採集與處理能力，確保了在滿足高精度檢測要求的同時，依然能夠匹配甚至超越產線節拍，實現 100% 全檢的產能目標。例如，在某典型應用場景中，微鏈道愛 3D ACI 設備能夠以每秒 20 顆晶片的檢測速度完成全檢，遠高於傳統方案的每秒 10-12 顆。

典型應用場景

• **微凸點缺失檢測：** 在倒裝晶片（Flip-Chip）封裝前，檢測晶片焊盤上是否存在應有的微凸點。難點在於微凸點尺寸小，缺失後與周圍背景差異不明顯，且可能存在部分脫落而非完全缺失的情況。微鏈道愛 3D ACI 透過三維點雲重建，能夠精確識別焊盤區域的高度異常，即使是微小的塌陷或部分缺失也能被準確捕獲。
• **微凸點橋連檢測：** 檢測相鄰微凸點之間是否存在短路連接。難點在於橋連可能發生在凸點頂部、中部或底部，且連接形態各異。微鏈道愛 3D ACI 利用其三維形貌重建能力，能夠精確測量凸點間的最小距離和連接區域的形貌，結合 AI 演算法判斷是否存在橋連，避免傳統 2D 影像因視角或光照問題導致的誤判。
• **微凸點高度一致性與共面度檢測：** 確保所有微凸點的高度在允許的公差範圍內，並保持良好的共面性，這對後續的焊接質量至關重要。難點在於需要對每個微凸點進行精確的高度測量，並計算整體的共面度偏差。微鏈道愛 3D ACI 能夠對每個微凸點進行獨立的 Z 軸高度測量，並進行統計分析，快速識別出高度異常或共面度超差的晶片。
• **微凸點塌陷/變形檢測：** 檢測微凸點是否因工藝問題導致形貌異常，如頂部塌陷、側壁傾斜等。難點在於這些缺陷往往是微米級的形貌變化，2D 影像難以區分。微鏈道愛 3D ACI 的高精度三維重建能捕捉到這些細微的形貌變化，透過與標準凸點模型進行比對，識別出異常形貌。

落地案例：某頭部半導體封裝廠的產能飛躍

某頭部半導體封裝廠商，其高密度倒裝晶片產線在微凸點檢測環節面臨嚴峻挑戰。由於晶片出貨量巨大，傳統 2D AOI 設備的檢測速度無法滿足產線節拍要求，只能採取抽檢策略，導致每月仍有數百片帶有微凸點缺陷的晶片流入下游工序，造成額外的返工成本和客戶投訴風險。同時，傳統設備的誤報率高達 6%，每天需要投入 3 名熟練工人進行長達 8 小時的人工複檢，人力成本居高不下。為了解決這一困境，該廠商引入了微鏈道愛 3D ACI 設備。在上線初期，微鏈道愛工程師團隊與客戶緊密合作，透過 DaoAI ACI OS 作業系統進行快速建模，利用少量良品樣本（僅 15 張）在 5 分鐘內完成了缺陷識別模型的初步訓練。經過約 2 周的現場資料持續最佳化和模型迭代，微鏈道愛 3D ACI 設備成功實現了與產線 MES 系統的整合。上線後，該設備以每秒 25 顆晶片的檢測速度，實現了 100% 全檢，遠超客戶原有的每秒 15 顆晶片的檢測能力。同時，微凸點缺陷的漏檢率穩定控制在 <0.2%，誤報率降低至 85%，僅為 0.9%。這使得人工複檢工作量大幅減少，原先 3 名複檢工人現在僅需 0.5 人力即可完成，極大地最佳化了人力資源配置，並顯著提升了整體產線的質量水平和產能利用率。

微鏈道愛 3D ACI 設備不僅解決了微凸點檢測的精度難題，更以其卓越的檢測速度，為高節拍半導體產線帶來了 100% 全檢的產能保障，實現了質量與效率的雙重突破。

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解決方案，正是其自研的 3D ACI 設備。該設備整合了微鏈道愛自主研發的高速高精度 3D 相機，能夠毫秒級完成晶片表面三維形貌資料採集，並透過內建的邊緣計算單元進行實時三維點雲重建。其核心的 DaoAI ACI OS 作業系統，則提供了強大的缺陷識別能力。我們採用基於深度學習的視覺基礎模型，支援 APDT（Automatic Positive Defect Training）正樣本/少樣本學習模式，僅需 1–20 張良品圖片，即可在 5 分鐘內完成檢測模型的自動編程和部署，極大地縮短了換型時間，將傳統數小時的換型流程縮短至 10 分鐘以內。對於微凸點缺失、橋連等複雜缺陷，系統能夠透過語義誤報過濾機制，有效區分真實缺陷與工藝波動導致的視覺假象，進一步降低誤報率。此外，微鏈道愛 3D ACI 設備支援 100% 本地私有化部署，所有檢測資料均在客戶工廠內部處理，確保資料安全和隱私。為了進一步提升檢測覆蓋面，該設備還支援 2D-3D 融合檢測模式，在三維檢測的基礎上，結合 2D 影像的紋理和顏色資訊，實現更全面的缺陷識別，例如對微凸點表面氧化、劃痕等 2D 特徵缺陷的補充檢測。微鏈道愛 DaoAI World 世界模型作為統一底座，確保了不同產品型號和缺陷類型之間的知識遷移和持續學習能力，使系統能夠隨著產線資料的積累不斷最佳化，實現跨場景泛化和效能提升。

透過部署微鏈道愛 3D ACI 設備，客戶實現了顯著的業務價值。在質量方面，微凸點缺陷的漏檢率從傳統的 0.8%~1.5% 降低至 <0.3%，大幅提升了產品良率和終端客戶滿意度。在效率方面，檢測節拍提升了 40% 以上，實現了 100% 全檢，消除了抽檢帶來的質量風險，並顯著降低了人工複檢的工時，將複檢人力成本降低了 80%。同時，快速換型能力將停機時間從數小時縮短至 10 分鐘以內，有效提升了產線稼動率。這些量化成效不僅帶來了直接的成本節約，更增強了客戶在半導體高階製造領域的市場競爭力。

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。