在半导体芯片制造过程中，微凸点 bump 的质量检测至关重要。微链道爱凭借先进的 AI 视觉技术，为半导体厂商提供了高效、精准的检测方案。
用户场景：某头部半导体芯片厂商，在芯片封装产线的微凸点焊接工序中，需要对芯片上的微凸点 bump 进行质量检测。微凸点是芯片与外部电路连接的关键部件，其质量直接影响芯片的性能和可靠性。检测对象为微凸点的缺失和桥连缺陷，这些缺陷会导致芯片电气连接异常，影响产品的良率。
痛点：传统的检测方法主要依靠人工目检和基于规则的机器视觉检测。人工目检存在很大的局限性，不同检测人员的标准难以统一，容易出现漏检和误报的情况，而且检测效率低下，人力成本高。基于规则的机器视觉检测对于复杂的微凸点形态和微小的缺陷难以准确识别，量化困境明显。同时，当产品换型时，需要重新编写检测程序，换型时间长，影响生产效率。此外，随着半导体行业对产品质量和合规性要求的不断提高，传统检测方法难以满足严格的质量控制标准。
技术原理
微链道爱采用先进的 AI 算法和自研的 3D 相机技术来解决微凸点检测问题。AI 算法基于深度学习的视觉基础模型，能够对微凸点的特征进行精准认知。通过大量的正样本学习，模型可以快速适应不同类型的微凸点形态和缺陷特征。自研的 3D 相机可以获取微凸点的三维形貌信息，实现三维形貌重建。这种三维信息能够更全面地反映微凸点的真实情况，对于隐藏焊点、共面度和微米级形貌等细节都能清晰呈现。与传统的 2D 成像相比，3D 成像可以有效避免因光照、角度等因素导致的误判，大大提高了检测的准确性。
- 深度学习模型通过对微凸点的尺寸、色泽、表面分级等特征进行量化分析，将人眼的“品相”标准转化为一致、可量化的机器标准，从而实现更精准的缺陷识别。
- 3D 相机的三维形貌重建技术可以捕捉微凸点的立体信息，对于微凸点的缺失和桥连缺陷能够从多个角度进行判断，提高了检测的可靠性。
- APDT 正样本/少样本学习方法使得模型在少量良品样本（1 - 20 张）的情况下也能快速学习和适应新的产品类型，减少了样本收集和标注的工作量。
- 语义误报过滤功能可以根据微凸点的语义信息对误报进行过滤，提高了检测的效率和准确性。
微链道爱解决方案与产品介绍
微链道爱提供了 DaoAI AI AOI 软件系统和 DaoAI 2D / 3D AI AOI 设备来解决微凸点检测问题。DaoAI AI AOI 软件系统具有强大的特征认知能力，能够在一块良品 5 分钟内实现 0 代码自动编程。通过 APDT 正样本/少样本学习方法，只需 1 - 20 张良品样本，系统就能快速学习和适应新的产品类型。语义误报过滤功能可以有效减少误报，提高检测效率。DaoAI 2D / 3D AI AOI 设备采用自研 3D 相机和三维形貌重建技术，能够检测隐藏焊点、共面度和微米级形貌等细节。设备可以对微凸点进行全面、精准的检测，确保产品质量。在落地过程中，微链道爱可以根据客户的具体需求，通过 SDK / API / Docker 等方式进行部署，支持 100% 本地私有化，保证数据不出厂。
微链道爱的 AI 视觉技术为半导体微凸点检测提供了高效、精准的解决方案，有效解决了传统检测方法的痛点。
量化成效：通过使用微链道爱的解决方案，该半导体厂商的微凸点检测检出率达到了 98.5%，漏检率降低至 <1.5%，大大提高了产品的良率。误报率降低了 -65%，减少了不必要的复检工作，提高了检测效率。产品换型时间从原来的数小时缩短至 5min，显著提高了生产效率，降低了生产成本。