3D AI AOI 裝置精準檢測半導體微凸點缺陷

半導體晶片生產過程中，微凸點質量檢測是保障晶片效能與可靠性的關鍵環節。微鏈道愛的 3D AI AOI 裝置為解決微凸點缺陷檢測難題帶來了新的突破。

在當今科技飛速發展的時代，半導體產業作為現代電子技術的核心，其發展水平直接影響著全球科技產業的走向。半導體晶片廣泛應用於智慧手機、電腦、汽車電子等眾多領域，對其效能和可靠性提出了極高的要求。在半導體晶片的生產過程中，晶片封裝是至關重要的一環，它不僅能夠保護晶片，還能實現晶片與外界的電氣連線。而微凸點（bump）作為晶片與封裝基板之間的連線關鍵，其質量狀況直接決定了晶片的效能和可靠性。某頭部半導體廠商在其晶片封裝產線的微凸點焊接工序中，深刻認識到對微凸點進行精確質量檢測的重要性。微凸點的任何缺陷，如缺失、橋連等，都可能導致晶片出現效能故障，影響產品的整體質量和市場競爭力。因此，對微凸點進行高效、準確的質量檢測成為了該廠商亟待解決的問題。

痛點：為什麼難

傳統檢測方法在微凸點缺陷檢測方面面臨著諸多困境。首先，漏檢率較高是一個突出問題。在傳統檢測模式下，約有 3%的微凸點缺陷無法被檢測出來。這是因為傳統檢測裝置的精度有限，對於一些微小的缺陷，如微米級的氣孔、細微的橋連等，難以準確識別。這些未被檢測出的缺陷晶片流入後續工序，不僅會增加生產過程中的風險，還會導致生產成本的大幅上升。因為一旦在後續工序中發現問題，就需要進行返工或報廢處理，浪費了大量的人力、物力和時間。

其次，誤報率居高不下也是傳統檢測方法的一大弊端。傳統檢測裝置的誤報率達到了 15%，大量的誤報資訊給生產帶來了極大的困擾。這是由於傳統檢測演算法的侷限性，它難以準確區分正常微凸點和存在微小差異的正常情況與真正的缺陷。大量的誤報需要人工進行復檢，這不僅浪費了大量的人力成本，還嚴重降低了產線的生產效率，使得整個生產流程變得繁瑣和低效。

此外，傳統檢測裝置的換型時間長也是一個嚴重影響生產靈活性的問題。每次換型需要 30 分鐘，這是因為傳統裝置的調整和校準過程較為複雜，需要人工進行大量的引數設定和除錯。在當今市場需求快速變化的情況下，長換型時間使得產線難以快速響應不同產品的生產需求，降低了企業的市場競爭力。

技術原理

微鏈道愛的 3D AI AOI 裝置採用了自研的 3D 相機進行影象採集，其工作原理基於結構光三維測量技術。該技術透過向被測物體投射特定的結構光圖案，然後利用相機捕捉物體表面反射的圖案變形情況。由於微凸點的缺失或橋連等缺陷會導致其表面形貌發生變化，這種變化會直接反映在反射圖案上。裝置利用三維形貌重建演算法，將採集到的變形圖案資料轉化為三維點雲資料，從而能夠精確還原微凸點的真實三維形貌。與傳統的 2D 檢測方法相比，3D 點雲資料能夠提供更全面的資訊，對於隱藏焊點、共面度、微米級形貌等 2D 光學盲區的缺陷，具有更強的檢測能力。

該裝置還採用了 2D-3D 融合技術，將 2D 影象的紋理資訊與 3D 點雲的形貌資訊相結合。這種融合技術進一步提高了缺陷檢測的準確性和可靠性。2D 影象能夠提供微凸點表面的紋理細節，而 3D 點雲則能反映其真實的三維形狀，兩者結合可以更全面地分析微凸點的特徵，從而更準確地識別出各種缺陷。在演算法方面，裝置運用了先進的深度學習演算法，對大量的微凸點樣本進行訓練。透過這種訓練，模型能夠自動學習微凸點的正常特徵和缺陷特徵，從而實現對微凸點缺陷的精準分類和識別。與傳統的基於規則的演算法相比，深度學習演算法具有更強的適應性和自學習能力，能夠更好地應對複雜多變的微凸點缺陷情況。

典型應用場景

• 微凸點缺失檢測：在晶片封裝產線的微凸點焊接工序中，微凸點缺失是一種常見的缺陷。3D AI AOI 裝置透過對微凸點的三維形貌進行精確測量，與正常微凸點的三維模型進行對比。如果某個位置的微凸點高度明顯低於正常範圍，或者沒有檢測到對應的三維點雲資料，就可以判斷該微凸點存在缺失情況。難點在於微凸點尺寸微小，需要裝置具有極高的精度和解析度。
• 微凸點橋連檢測：微凸點橋連是指相鄰的微凸點之間發生了異常連線，這會導致電路短路等問題。裝置利用 2D-3D 融合技術，結合 2D 影象的紋理資訊和 3D 點雲的形貌資訊。如果在 2D 影象中發現相鄰微凸點之間有異常的連線痕跡，同時 3D 點雲中顯示該區域的形貌不符合正常情況，就可以準確判斷為橋連缺陷。難點在於橋連部分可能非常細微，需要裝置能夠準確捕捉到這些細微的變化。
• 隱藏焊點檢測：隱藏焊點是指被其他部件遮擋或處於晶片內部的焊點，傳統的 2D 檢測方法很難檢測到。3D AI AOI 裝置的 3D 點雲資料能夠穿透一定的遮擋，獲取隱藏焊點的三維形貌資訊。透過對這些資訊的分析，判斷隱藏焊點是否存在虛焊、漏焊等缺陷。難點在於隱藏焊點的訊號較弱，需要裝置具有較強的訊號處理和分析能力。
• 共面度檢測：微凸點的共面度對於晶片的電氣連線和效能至關重要。裝置透過對微凸點的三維點雲資料進行分析，計算各個微凸點的高度差。如果高度差超過了規定的範圍，就說明微凸點的共面度不符合要求。難點在於需要對大量的微凸點進行精確測量和計算，以確保檢測結果的準確性。
• 微米級形貌檢測：微凸點表面的微米級形貌缺陷，如微小的凸起、凹陷等，也會影響晶片的效能。裝置利用高精度的 3D 相機和先進的三維形貌重建演算法，能夠檢測到這些微米級的形貌變化。難點在於需要裝置具有極高的精度和靈敏度，以捕捉到這些微小的變化。

落地案例

某頭部半導體廠商，在全球半導體市場佔據重要地位，其生產規模龐大，晶片封裝產線繁忙。該廠商一直致力於提高產品質量和生產效率，在面臨傳統檢測方法帶來的諸多問題後，決定引入微鏈道愛的 3D AI AOI 裝置。在裝置上線過程中，微鏈道愛的技術團隊與廠商的工程師密切合作，對裝置進行了詳細的安裝、除錯和培訓。經過一段時間的試執行和最佳化，裝置順利投入正式使用。

微鏈道愛的 3D AI AOI 裝置為半導體晶片微凸點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，微鏈道愛為該半導體廠商提供了完整的缺陷檢測解決方案。該裝置憑藉自研 3D 相機和先進的三維形貌重建技術，能夠高精度地檢測微凸點的各種缺陷。配套的 DaoAI AI AOI 軟體系統，具有強大的視覺基礎模型的特徵認知能力。只需一塊良品，5 分鐘即可完成 0 程式碼自動程式設計，大大縮短了程式設計時間。透過 APDT 正樣本/少樣本學習（僅需 1-20 張良品），結合語義誤報過濾功能，有效減少了誤報情況。這種軟體與硬體相結合的解決方案，為半導體廠商提供了高效、準確的微凸點缺陷檢測手段。

量化成效：使用微鏈道愛的 3D AI AOI 裝置後，該廠商的缺陷檢出率大幅提升至 99.2%，漏檢率降低至 <0.8%。誤報率降低了 -68%，大大減少了複檢人力和時間成本。同時，裝置換型時間縮短至 5min，提高了產線的靈活性和生產效率。這些顯著的量化成效充分證明了微鏈道愛 3D AI AOI 裝置在半導體微凸點檢測領域的卓越效能。

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。