3D AI AOI 设备检测半导体微凸点缺陷

在半导体芯片生产过程中，微凸点的质量检测至关重要。微链道爱的 3D AI AOI 设备凭借先进技术，为解决微凸点缺陷检测难题提供了有效方案。

用户场景：某头部半导体厂商，在其芯片封装产线的微凸点焊接工序中，需要对微凸点（bump）进行质量检测。微凸点作为芯片与封装基板之间的连接关键，其缺失、桥连等缺陷会严重影响芯片性能和可靠性。因此，对微凸点的精确检测是保证芯片质量的重要环节。

痛点：在传统检测方法下，该厂商面临诸多困境。漏检率较高，约有 3%的微凸点缺陷无法被检测出来，导致部分有缺陷的芯片流入后续工序，增加了生产风险和成本。同时，误报率也达到了 15%，大量的误报信息不仅浪费了人力去进行复检，还降低了产线的生产效率。此外，传统检测设备换型时间长，每次换型需要 30 分钟，严重影响了产线的灵活性。结合今日热点方向，在机械零部件生产中，这些缺陷检测的困境会直接影响产品质量和生产效率，必须得到有效解决。

技术原理

微链道爱的 3D AI AOI 设备采用自研 3D 相机进行图像采集。其工作原理基于结构光三维测量技术，通过向被测物体投射特定的结构光图案，然后利用相机捕捉物体表面反射的图案变形情况。由于微凸点的缺失或桥连会导致表面形貌发生变化，这种变化会反映在反射图案上。设备利用三维形貌重建算法，将采集到的变形图案数据转化为三维点云数据，从而精确还原微凸点的真实三维形貌。

• 对于隐藏焊点、共面度、微米级形貌等 2D 光学盲区的缺陷，3D 点云数据能够提供更全面的信息。通过对 3D 点云数据的分析，可以准确识别微凸点的高度、形状和位置等特征，从而检测出微凸点的缺失和桥连等缺陷。
• 该设备还采用了 2D-3D 融合技术，将 2D 图像的纹理信息与 3D 点云的形貌信息相结合，进一步提高了缺陷检测的准确性和可靠性。
• 在算法方面，设备运用了先进的深度学习算法，对大量的微凸点样本进行训练，使模型能够自动学习微凸点的正常特征和缺陷特征，从而实现对微凸点缺陷的精准分类和识别。

微链道爱解决方案与产品

以 3D AI AOI 设备为核心，微链道爱为该半导体厂商提供了完整的缺陷检测解决方案。该设备凭借自研 3D 相机和先进的三维形貌重建技术，能够高精度地检测微凸点的各种缺陷。配套的 DaoAI AI AOI 软件系统，具有视觉基础模型的特征认知能力，只需一块良品 5 分钟即可完成 0 代码自动编程，通过 APDT 正样本/少样本学习（仅需 1-20 张良品），结合语义误报过滤功能，有效减少了误报情况。

微链道爱的 3D AI AOI 设备，为半导体芯片微凸点检测提供了高效、准确的解决方案。

量化成效：使用微链道爱的 3D AI AOI 设备后，该厂商的缺陷检出率大幅提升至 99.2%，漏检率降低至 <0.8%。误报率降低了 -68%，大大减少了复检人力和时间成本。同时，设备换型时间缩短至 5min，提高了产线的灵活性和生产效率。