3D AI AOI 設備檢測半導體微凸點缺陷

在半導體芯片生產過程中，微凸點的質量檢測至關重要。微鏈道愛的 3D AI AOI 設備憑借先進技術，為解決微凸點缺陷檢測難題提供了有效方案。

用戶場景：某頭部半導體廠商，在其芯片封裝產線的微凸點焊接工序中，需要對微凸點（bump）進行質量檢測。微凸點作為芯片與封裝基板之間的連接關鍵，其缺失、橋連等缺陷會嚴重影響芯片性能和可靠性。因此，對微凸點的精確檢測是保證芯片質量的重要環節。

痛點：在傳統檢測方法下，該廠商面臨诸多困境。漏檢率較高，約有 3%的微凸點缺陷無法被檢測出來，導致部分有缺陷的芯片流入後續工序，增加了生產風險和成本。同時，誤報率也達到了 15%，大量的誤報信息不僅浪費了人力去進行複檢，還降低了產線的生產效率。此外，傳統檢測設備換型時間長，每次換型需要 30 分鐘，嚴重影響了產線的靈活性。結合今日熱點方向，在機械零部件生產中，這些缺陷檢測的困境會直接影響產品質量和生產效率，必須得到有效解決。

技術原理

微鏈道愛的 3D AI AOI 設備采用自研 3D 相機進行圖像采集。其工作原理基於結構光三維測量技術，通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會導致表面形貌發生變化，這種變化會反映在反射圖案上。設備利用三維形貌重建算法，將采集到的變形圖案數據轉化為三維點雲數據，從而精確還原微凸點的真實三維形貌。

• 對於隱藏焊點、共面度、微米級形貌等 2D 光學盲區的缺陷，3D 點雲數據能夠提供更全面的信息。通過對 3D 點雲數據的分析，可以準確識別微凸點的高度、形狀和位置等特征，從而檢測出微凸點的缺失和橋連等缺陷。
• 該設備還采用了 2D-3D 融合技術，將 2D 圖像的紋理信息與 3D 點雲的形貌信息相結合，進一步提高了缺陷檢測的準確性和可靠性。
• 在算法方面，設備運用了先進的深度學習算法，對大量的微凸點樣本進行訓練，使模型能夠自動學習微凸點的正常特征和缺陷特征，從而實現對微凸點缺陷的精準分類和識別。

微鏈道愛解決方案與產品

以 3D AI AOI 設備為核心，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。該設備憑借自研 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 軟件系統，具有視覺基礎模型的特征認知能力，只需一塊良品 5 分鐘即可完成 0 代碼自動編程，通過 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。

微鏈道愛的 3D AI AOI 設備，為半導體芯片微凸點檢測提供了高效、準確的解決方案。

量化成效：使用微鏈道愛的 3D AI AOI 設備後，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，設備換型時間縮短至 5min，提高了產線的靈活性和生產效率。