3D AI AOI裝置助力半導體晶片引腳與劃片缺陷檢測

在半導體晶片生產領域，晶片引腳共面性與劃片崩邊的檢測是確保產品質量的關鍵環節。微鏈道愛的3D AI AOI裝置憑藉先進技術，為該行業帶來了更精準、高效的檢測方案。

行業背景與使用者場景：半導體晶片作為現代電子裝置的核心部件，其生產過程涉及眾多複雜工序，對質量控制要求極高。在晶片封裝產線中，引腳焊接與劃片工序是至關重要的環節。某頭部半導體晶片製造商，專注於高效能半導體晶片的生產，其產品廣泛應用於智慧手機、電腦、汽車電子等領域。在生產過程中，該製造商需要對晶片的引腳共面性以及劃片崩邊情況進行嚴格檢測，以確保產品符合高質量標準，避免不良品流入市場。

痛點：為什麼難

在當前國產GPU直通方案的工業視覺質檢應用趨勢下，該製造商面臨諸多困境。從量化資料來看，傳統檢測方法的漏檢率高達3%，這意味著每100個晶片中就有3個不良品可能流入後續工序。這些不良品可能會導致整個產品的效能下降，增加了生產風險和成本。例如，在手機晶片中，如果引腳共面性存在問題，可能會影響手機的訊號傳輸和穩定性。同時，誤報率達到15%，大量良品被誤判為不良品。這不僅增加了複檢工作量，還導致人力成本大幅上升。據統計，由於誤判，該製造商每月需要額外投入大量人力進行復檢。此外，換型時間長達30分鐘，在快速變化的市場需求下，這種低效的換型方式嚴重影響了生產效率，難以滿足快速換型的生產需求。

造成這些問題的根因在於傳統檢測方法的侷限性。傳統的2D光學檢測技術只能獲取晶片表面的二維資訊，無法全面呈現晶片的立體特徵。對於隱藏焊點、共面度、微米級形貌以及氣孔等2D光學盲區的缺陷，傳統方法很難準確檢測出來。而且，傳統檢測演算法對於複雜的晶片表面特徵識別能力有限，容易出現誤判和漏判的情況。此外，傳統裝置的換型過程複雜，需要人工進行大量的引數設定和調整，導致換型時間過長。

技術原理

微鏈道愛的3D AI AOI裝置採用自研3D相機進行影象採集。該相機具備高解析度和高精度的特點，能夠採集到清晰、準確的晶片影象資料。透過三維形貌重建技術，將採集到的2D影象資料轉化為3D點雲資料，為缺陷檢測提供更全面的資訊。裝置運用先進的演算法對晶片的三維形貌進行分析，能夠精確識別出隱藏焊點、共面度、微米級形貌以及氣孔等2D光學盲區的缺陷。

與傳統的2D成像相比，3D成像能夠獲取晶片的立體資訊，更全面地呈現晶片的表面特徵。例如，對於引腳共面性的檢測，3D點雲資料可以精確測量每個引腳的高度和位置，與標準值進行對比，準確判斷引腳是否共面。而2D成像只能看到引腳的平面影象，無法準確判斷引腳的高度和共面情況。對於劃片崩邊的檢測，3D成像能夠清晰地捕捉到劃片邊緣的微小缺陷，避免漏檢。而2D成像可能會因為視角問題，導致一些微小缺陷被遺漏。此外，裝置還採用了2D-3D融合技術，結合2D影象的紋理資訊和3D點雲的立體資訊，進一步提高了檢測的準確性。

典型應用場景

• 引腳共面性檢測：在晶片封裝過程中，引腳的共面性直接影響晶片與電路板的連線質量。微鏈道愛的3D AI AOI裝置透過3D點雲資料精確測量每個引腳的高度和位置，與標準值進行對比。難點在於引腳數量眾多，且間距較小，需要高精度的測量和分析演算法。
• 劃片崩邊檢測：劃片工序中，劃片邊緣容易出現崩邊缺陷。裝置利用3D成像技術清晰地捕捉劃片邊緣的微小缺陷。難點在於崩邊缺陷通常非常微小，需要高解析度的相機和敏感的檢測演算法。
• 隱藏焊點檢測：晶片內部的隱藏焊點很難透過2D光學檢測發現。3D AI AOI裝置透過三維形貌重建和先進演算法，能夠準確識別隱藏焊點的缺陷。難點在於隱藏焊點位於晶片內部，需要穿透晶片表面獲取資訊。
• 微米級形貌檢測：晶片表面的微米級形貌缺陷可能會影響晶片的效能。裝置透過高精度的3D相機和演算法，能夠檢測出這些微小的形貌缺陷。難點在於微米級的缺陷非常難以察覺，需要極高的解析度和靈敏度。
• 氣孔檢測：晶片內部的氣孔可能會影響晶片的散熱和電氣效能。3D AI AOI裝置透過分析3D點雲資料，能夠檢測出氣孔的存在和大小。難點在於氣孔通常隱藏在晶片內部，需要準確的三維成像和分析技術。

落地案例

某頭部半導體晶片製造商，擁有大規模的晶片封裝產線。在引入微鏈道愛的3D AI AOI裝置之前，該製造商面臨著漏檢率高、誤報率高和換型時間長等問題。上線過程中，微鏈道愛技術團隊對裝置進行了安裝和除錯，並對操作人員進行了培訓。經過一段時間的試執行，裝置逐漸穩定執行。上線前，晶片引腳共面性與劃片崩邊的漏檢率為3%，誤報率為15%，換型時間為30分鐘。上線後，檢出率提高到了98.5%，漏檢率降低至<1.5%，誤報率降低了 -68%，換型時間縮短至5分鐘。

微鏈道愛的3D AI AOI裝置為半導體晶片檢測帶來了質的飛躍，顯著提升了檢測效率和準確性。

微鏈道愛解決方案與產品

以3D AI AOI裝置為核心，微鏈道愛為該製造商提供了完整的檢測解決方案。該裝置能夠快速、準確地檢測晶片引腳的共面性和劃片崩邊情況。配套的DaoAI AI AOI軟體系統，可實現視覺基礎模型的特徵認知。僅需一塊良品5分鐘即可完成0程式碼自動程式設計，透過APDT正樣本/少樣本學習（僅需1-20張良品），有效減少了程式設計時間和樣本需求。同時，語義誤報過濾功能可降低誤報率。在實際落地過程中，裝置安裝在晶片封裝產線上，透過對晶片的實時檢測，將檢測結果及時反饋給生產系統，以便對不良品進行及時處理。

量化成效：使用微鏈道愛的3D AI AOI裝置後，晶片引腳共面性與劃片崩邊的檢出率提高到了98.5%，漏檢率降低至<1.5%。誤報率降低了 -68%，顯著減少了複檢工作量。換型時間縮短至5分鐘，大大提高了生產效率，能夠更好地適應快速換型的生產需求。

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。