在半導體芯片製造過程中，微凸點 bump 的質量檢測至關重要。微鏈道愛憑借先進的 AI 視覺技術，為半導體廠商提供了高效、精準的檢測方案。
用戶場景：某頭部半導體芯片廠商，在芯片封裝產線的微凸點焊接工序中，需要對芯片上的微凸點 bump 進行質量檢測。微凸點是芯片與外部電路連接的關鍵部件，其質量直接影響芯片的性能和可靠性。檢測對象為微凸點的缺失和橋連缺陷，這些缺陷會導致芯片電氣連接異常，影響產品的良率。
痛點：傳統的檢測方法主要依靠人工目檢和基于規則的機器視覺檢測。人工目檢存在很大的局限性，不同檢測人員的標準難以統一，容易出現漏檢和誤報的情況，而且檢測效率低下，人力成本高。基于規則的機器視覺檢測對于複雜的微凸點形態和微小的缺陷難以準確識別，量化困境明顯。同時，當產品換型時，需要重新編寫檢測程序，換型時間長，影響生產效率。此外，隨着半導體行業對產品質量和合規性要求的不斷提高，傳統檢測方法難以滿足嚴格的質量控製標準。
技術原理
微鏈道愛采用先進的 AI 算法和自研的 3D 相機技術來解決微凸點檢測問題。AI 算法基于深度學習的視覺基礎模型，能夠對微凸點的特征進行精準認知。通過大量的正樣本學習，模型可以快速適應不同類型的微凸點形態和缺陷特征。自研的 3D 相機可以獲取微凸點的三維形貌信息，實現三維形貌重建。這種三維信息能夠更全面地反映微凸點的真實情況，對于隱藏焊點、共面度和微米級形貌等細節都能清晰呈現。與傳統的 2D 成像相比，3D 成像可以有效避免因光照、角度等因素導致的誤判，大大提高了檢測的準確性。
- 深度學習模型通過對微凸點的尺寸、色澤、表面分級等特征進行量化分析，將人眼的“品相”標準轉化為一致、可量化的機器標準，從而實現更精準的缺陷識別。
- 3D 相機的三維形貌重建技術可以捕捉微凸點的立體信息，對于微凸點的缺失和橋連缺陷能夠從多個角度進行判斷，提高了檢測的可靠性。
- APDT 正樣本/少樣本學習方法使得模型在少量良品樣本（1 - 20 張）的情況下也能快速學習和適應新的產品類型，減少了樣本收集和標注的工作量。
- 語義誤報過濾功能可以根據微凸點的語義信息對誤報進行過濾，提高了檢測的效率和準確性。
微鏈道愛解決方案與產品介紹
微鏈道愛提供了 DaoAI AI AOI 軟件系統和 DaoAI 2D / 3D AI AOI 設備來解決微凸點檢測問題。DaoAI AI AOI 軟件系統具有強大的特征認知能力，能夠在一塊良品 5 分鐘內實現 0 代碼自動編程。通過 APDT 正樣本/少樣本學習方法，只需 1 - 20 張良品樣本，系統就能快速學習和適應新的產品類型。語義誤報過濾功能可以有效減少誤報，提高檢測效率。DaoAI 2D / 3D AI AOI 設備采用自研 3D 相機和三維形貌重建技術，能夠檢測隱藏焊點、共面度和微米級形貌等細節。設備可以對微凸點進行全面、精準的檢測，確保產品質量。在落地過程中，微鏈道愛可以根據客戶的具體需求，通過 SDK / API / Docker 等方式進行部署，支持 100% 本地私有化，保證數據不出廠。
微鏈道愛的 AI 視覺技術為半導體微凸點檢測提供了高效、精準的解決方案，有效解決了傳統檢測方法的痛點。
量化成效：通過使用微鏈道愛的解決方案，該半導體廠商的微凸點檢測檢出率達到了 98.5%，漏檢率降低至 <1.5%，大大提高了產品的良率。誤報率降低了 -65%，減少了不必要的複檢工作，提高了檢測效率。產品換型時間從原來的數小時縮短至 5min，顯著提高了生產效率，降低了生產成本。