在半導體行業，晶圓圖缺陷檢測至關重要。微鏈道愛憑借先進的AI視覺技術，為解決晶圓圖缺陷檢測難題提供了有效方案。
用戶場景：某頭部半導體廠商的晶圓製造產線中，晶圓是核心產品，而晶圓圖上的各種缺陷是檢測對象。在晶圓的生產過程中，需要對其表面的微觀結構和圖案進行高精度檢測，以確保晶圓的質量和性能符合標準。
痛點：傳統的檢測方法存在诸多量化困境。漏檢率較高，約為3%，導致部分有缺陷的晶圓流入後續工序，增加了生產成本和產品風險。誤報率也達到了20%，頻繁的誤報不僅增加了人力成本，還降低了生產效率。此外，換型時間較長，每次換型需要30分鐘，嚴重影響了產線的靈活性和生產節拍。
技術原理
微鏈道愛采用了先進的深度學習算法和高精度成像技術。深度學習算法通過大量的晶圓圖樣本進行訓練，能夠學習到不同缺陷模式的特征和規律。在成像方面，使用自研的3D相機進行數據采集，結合三維形貌重建技術，能夠獲取晶圓表面的詳細三維信息。這種方法之所以有效，是因為深度學習算法具有強大的特征提取和分類能力，能夠準確識別各種微小的缺陷。而3D相機和三維形貌重建技術則可以提供更全面的信息，避免了傳統2D檢測方法可能存在的漏檢問題。
- 深度學習算法能夠自動學習缺陷特征，提高檢測的準確性和穩定性。
- 自研3D相機可以獲取晶圓表面的三維信息，檢測隱藏的缺陷。
- 三維形貌重建技術可以對晶圓的微觀結構進行精確分析。
- 通過大量樣本訓練，模型能夠適應不同類型的晶圓和缺陷模式。
微鏈道愛解決方案與產品介紹
微鏈道愛提供的DaoAI AI AOI軟件系統和DaoAI 2D / 3D AI AOI設備是解決該問題的關鍵。DaoAI AI AOI軟件系統具有視覺基礎模型的特征認知能力，僅需1 - 20張良品，即可在5分鐘內實現0代碼自動編程，並且采用APDT正樣本/少樣本學習和語義誤報過濾技術，能夠有效減少誤報。DaoAI 2D / 3D AI AOI設備則結合了自研3D相機和三維形貌重建技術，可檢測隱藏焊點、共面度和微米級形貌，提高了檢測的精度和全面性。在落地過程中，將設備與產線進行集成，通過SDK / API / Docker進行部署，並且支持100%本地私有化，確保數據不出廠。
微鏈道愛的解決方案為半導體晶圓圖缺陷檢測帶來了高效、精準的新選擇。
量化成效：通過使用微鏈道愛的解決方案，該半導體廠商的晶圓圖缺陷檢測檢出率提高到了97%，漏檢率降低至<3%。誤報率降低了 - 60%，大大減少了人力成本和複檢工作量。換型時間縮短至5分鐘，產線的靈活性和生產節拍得到了顯著提升。