AI AOI 软件系统解决半导体先进封装稀有缺陷检测

在半导体先进封装制程中，稀有缺陷少样本检测难题一直困扰着企业。微链道爱 AI AOI 软件系统凭借先进技术，为这一困境提供了有效解决方案。

用户场景：某头部半导体厂商的先进封装产线，在芯片封装工序中，需要对封装后的芯片进行外观缺陷检测。检测对象包括芯片封装体表面的划痕、裂纹、异物等稀有缺陷，由于这类缺陷出现概率极低，样本数量有限。

痛点：当前工业视觉缺陷检测方法在端到端整合操作方面存在不足，导致量化困境。一方面，漏检率较高，稀有缺陷难以被准确识别，影响产品质量；另一方面，误报频繁，增加了人工复检的工作量和成本。同时，传统检测方法换型时间长，无法快速适应不同型号芯片的检测需求，且在数据合规性上也存在一定风险，难以满足企业对高效、精准检测的要求。

技术原理

微链道爱 AI AOI 软件系统采用视觉基础模型的特征认知算法，该算法能够深入分析芯片外观特征，通过对良品特征的学习，建立准确的缺陷判断标准。其 APDT 正样本/少样本学习机制尤为关键，只需 1-20 张良品，就能快速学习到芯片的正常特征模式。在面对稀有缺陷时，系统基于已学习的特征，能够敏锐捕捉到与正常模式的差异，从而准确识别缺陷。语义误报过滤功能则通过对缺陷语义的分析，排除因环境干扰等因素导致的误报，提高检测的准确性。

• 视觉基础模型能够自动提取芯片外观的多维度特征，不受复杂背景和光照条件的影响，增强了系统的鲁棒性。
• APDT 正样本/少样本学习减少了对大量缺陷样本的依赖，在稀有缺陷场景下优势明显。
• 语义误报过滤基于自然语言处理技术，对缺陷信息进行理解和判断，有效降低误报率。

微链道爱解决方案与产品

以 AI AOI 软件系统为核心，其具备视觉基础模型的特征认知能力，可实现一块良品 5 分钟 0 代码自动编程，大大缩短了换型时间。通过 APDT 正样本/少样本学习，仅需少量良品即可完成模型训练。语义误报过滤功能进一步提高检测精度。该系统支持 SDK/API/Docker 100% 本地私有化部署，确保数据不出厂，满足企业数据合规要求。同时，可结合 DaoAI 2D / 3D AI AOI 设备，对芯片进行更全面的检测，如隐藏焊点、共面度等微米级形貌检测。

AI AOI 软件系统以其高效、精准、灵活的特点，为半导体先进封装稀有缺陷检测带来新突破。

量化成效：使用 AI AOI 软件系统后，芯片缺陷检出率达到 98.5%，有效降低了漏检风险；误报率降低了 -75%，大幅减少了人工复检工作量；换型时间从原来的数小时缩短至 5min，显著提高了产线的生产效率。