半導體微凸點檢測：APDT 少樣本自訓練

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 APDT 少樣本自訓練，將半導體微凸點缺失和橋連的誤報率從行業慣常的 15% 降低至 2.5% 以下，顯著提升了缺陷識別的效率與準確性。

在半導體封裝的後道工序中，微凸點（micro-bump）的質量直接決定了晶片的可靠性和效能。隨著摩爾定律的持續演進，晶片整合度越來越高，微凸點的尺寸不斷縮小，從最初的幾十微米發展到目前的幾微米甚至亞微米級別。這些微小的凸點在晶片與基板互連中扮演著關鍵角色，任何的缺失、橋連或形貌異常都可能導致晶片功能失效。某頭部半導體封測廠正面臨此類挑戰，其在倒裝晶片（Flip Chip）封裝環節的微凸點檢測，對高精度、低誤報率的線上檢測方案有著迫切需求。

痛點:這道坎為什麼難過

該頭部半導體封測廠在微凸點檢測環節面臨多重困境。首先，傳統 2D AOI 設備受限於光學原理，對微凸點的三維形貌缺陷，如高度不一致、塌陷、輕微橋連等，存在高達 20% 的漏檢率，尤其是當缺陷被其他結構遮擋時，漏檢率會進一步升高。其次，由於微凸點尺寸極小且排列密集，2D 影像易受光照、反光、陰影等因素干擾，導致誤報率居高不下，實測該產線誤報率平均在 15% 左右，嚴重耗費人工復判資源。此外，新品導入或產品換型時，傳統 AOI 的規則編寫和參數調整往往需要數天甚至數週，導致產線停機時間長，影響生產效率。最後，在追求 99.9% 缺陷識別率的同時，如何快速適應新型缺陷模式，成為該廠在工業理解能力上的一大挑戰。

這些痛點的根源在於微凸點檢測的固有難度。微凸點通常由金、銅等金屬材料製成，表面高反光，且其形貌特徵（高度、體積、共面性）在二維影像中難以準確捕捉。例如，輕微的凸點塌陷或高度不均，在 2D 影像上可能僅表現為亮度或對比度的細微變化，極易被忽略或誤判。傳統的基於規則的 AOI 系統難以適應這種微小、多變的缺陷特徵。而人工目檢不僅效率低下、易受主觀因素影響，更無法滿足半導體產線對微米級缺陷檢測的精度和速度要求。

技術原理

微鏈道愛 3D ACI 設備針對半導體微凸點檢測的挑戰，採用了自研高精度 3D 相機結合三維形貌重建技術，並融入 APDT（Adaptive Pre-trained Defect Training）少樣本自訓練機制。該系統透過多角度結構光投影與高解析度相機採集，構建出微凸點區域的密集三維點雲資料。基於這些點雲，微鏈道愛能夠精確重建出微凸點的三維形貌，獲取其高度、體積、共面度等關鍵參數，從而有效識別傳統 2D 光學盲區的缺陷，如隱藏焊點、微米級塌陷、輕微橋連等。該設備能夠將微凸點的共面度檢測精度控制在 ±1.5 微米以內，遠超傳統 AOI 的能力範圍。

與傳統基於規則的 AOI 或人工目檢相比，微鏈道愛 3D ACI 設備的核心優勢在於其 APDT 少樣本自訓練能力。在傳統方案中，每當出現新型缺陷或產品換型，都需要大量標註資料進行模型訓練或工程師手動調整參數。而微鏈道愛的 APDT 機制，基於視覺基礎模型的強大特徵認知能力，允許使用者僅透過 1–20 張良品樣本，在 5 分鐘內完成模型自訓練，快速適應新的檢測任務。這一機制顯著減少了對缺陷樣本的需求，避免了長時間的停機等待，同時透過語義誤報過濾，有效降低了誤報率。產線資料顯示，該方案在微凸點檢測中，將誤報率降低了 83%，有效提升了檢測效率。

典型應用場景

• **微凸點（Micro-bump）缺失與橋連檢測**：微鏈道愛 3D ACI 設備透過精確的三維形貌重建，能夠識別單個或多個微凸點的缺失，以及相鄰凸點間的輕微短路（橋連）。難點在於微凸點尺寸極小（幾微米），且缺陷形態多樣，傳統 2D 影像難以區分。
• **微凸點共面度與高度一致性檢測**：在倒裝晶片封裝中，微凸點陣列的共面性至關重要。微鏈道愛能夠測量每個凸點的高度，並計算整個陣列的共面度偏差，確保封裝質量。難點在於微米級的高度差異在 2D 影像上幾乎不可見。
• **焊錫球（Solder Ball）體積與形貌檢測**：對於球柵陣列（BGA）封裝，焊錫球的體積、球形度及與焊盤的對準情況是關鍵。微鏈道愛 3D ACI 設備能精確測量焊錫球的三維參數，檢出塌陷、偏位、氣孔等缺陷。難點在於焊錫球表面反光嚴重，易產生誤判。
• **引腳（Lead）共面性與彎曲度檢測**：在引線鍵合封裝中，引腳的共面性和是否存在彎曲、變形直接影響後續組裝。微鏈道愛 3D ACI 設備能準確評估引腳的三維空間位置，檢出微小的彎曲或翹曲。難點在於引腳細長且數量多，容易發生相互遮擋。

落地案例

一家頭部半導體封測廠，其倒裝晶片封裝產線長期受微凸點檢測問題困擾。上線前，該廠主要依靠進口 2D AOI 設備輔以人工抽檢。實測資料顯示，傳統 2D AOI 在微凸點橋連和缺失檢測上，漏檢率高達 20% 以上，誤報率維持在 15% 左右，導致大量良品被誤判，每天需耗費 4-6 小時人工復判。此外，當有新產品型號導入時，AOI 程式的換型時間平均為 3 天，嚴重拖慢了新品上市週期。該廠引入微鏈道愛 3D ACI 設備後，情況顯著改善。透過微鏈道愛 APDT 少樣本自訓練功能，該廠僅使用 15 張良品圖片，就在 10 分鐘內完成了新產品微凸點檢測模型的部署。上線執行後，產線資料顯示，微鏈道愛 3D ACI 設備將微凸點缺失和橋連的漏檢率穩定控制在 0.3% 以下，誤報率降低至 2.5% 以下，人工復判時間減少了 85%，顯著提升了產線效率。

微鏈道愛 3D ACI 設備以 APDT 少樣本自訓練，將微凸點檢測的誤報率從 15% 降至 2.5% 以下，換型時間由 3 天縮短至 10 分鐘。

微鏈道愛解決方案與產品

微鏈道愛為該頭部半導體封測廠提供的解決方案，核心是其 3D ACI 設備與內建的 DaoAI ACI OS 作業系統。該作業系統整合了視覺基礎模型和 APDT 少樣本自訓練能力。在微凸點檢測中，微鏈道愛 3D ACI 設備首先透過其自研 3D 相機獲取高精度三維點雲資料，對微凸點的每一個形貌特徵進行微米級測量。隨後，DaoAI ACI OS 啟用 APDT 模組，透過預訓練模型對少量良品樣本進行學習，快速掌握產品特徵和缺陷模式。這一過程實現了 0 程式碼自動編程，使得工程師無需編寫複雜規則，即可在極短時間內完成模型部署和換型。微鏈道愛還支援 100% 本地私有化部署，確保客戶資料不出廠，滿足半導體行業嚴格的資料安全要求。

透過微鏈道愛 3D ACI 設備的部署，該頭部半導體封測廠實現了多方面的量化成效與業務價值。產線資料顯示，微凸點檢測的漏檢率從原來的 20% 以上降低至 <0.3%，誤報率從 15% 降低至 <2.5%，大幅減少了不良品流出和人工復判的工作量。同時，得益於 APDT 少樣本自訓練，新產品換型時間從 3 天縮短至 10min，顯著提升了生產靈活性和新品導入速度。這些改進直接轉化為生產成本的降低和產品質量的提升，每月可為該廠節約約 60 萬元人民幣的復判人力成本（基於每小時復判成本 ¥694/min 的測算）。微鏈道愛解決方案幫助客戶在保證高精度的同時，實現了產線效率和經濟效益的雙重提升。

本場景的完整方案：3D ACI 設備 行業解決方案

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。