在半導體芯片生產中，引腳共面性與劃片崩邊的檢測至關重要。傳統檢測方法存在诸多問題，微鏈道愛利用先進的 AI 視覺技術提供了有效的解決方案。
用戶場景：某頭部半導體芯片廠商的封裝產線，主要產品為各類高性能芯片。在封裝工序中，需要對芯片引腳的共面性以及劃片後的崩邊情況進行檢測。芯片引腳的共面性直接影響芯片與電路板的連接穩定性，而劃片崩邊可能導致芯片邊緣出現裂紋，影響芯片的電氣性能和使用寿命。
痛點：傳統的檢測方法主要依賴人工目檢和簡單的機械測量，存在诸多量化困境。人工目檢效率低下，人力成本高，且容易出現漏檢和誤報情況，漏檢率約為 3%，誤報率高達 15%。同時，該廠商生產的芯片品種繁多，小批量生產的情況較為常見，換型時需要重新進行編程和調試，停機時間長達 30min，嚴重影響了產能。
技術原理
微鏈道愛采用先進的 AI 算法和自研的 3D 相機技術來解決這些問題。在成像方面，自研 3D 相機能夠捕捉芯片引腳和劃片區域的三維形貌信息，為後續的檢測提供高精度的數據。在算法上，利用視覺基礎模型的特征認知能力，對芯片的正常特征和缺陷特征進行學習和分析。通過 APDT 正樣本/少樣本學習，只需要 10 張良品就可以進行有效的模型訓練。同時，語義誤報過濾算法能夠對檢測結果進行篩選，去除由于背景幹擾等因素導致的誤報。這些技術的結合使得檢測更加準確和高效，因為 3D 相機提供的丰富信息可以讓算法更全面地了解芯片的狀態，而少樣本學習和誤報過濾則提高了模型的泛化能力和實用性。
- 自研 3D 相機獲取三維形貌信息，提高檢測精度。
- 視覺基礎模型學習芯片特征，實現準確識別。
- APDT 少樣本學習減少樣本需求，縮短訓練時間。
- 語義誤報過濾算法降低誤報率。
微鏈道愛解決方案與產品
微鏈道愛提供了 DaoAI AI AOI 軟件系統和 DaoAI 2D / 3D AI AOI 設備。DaoAI AI AOI 軟件系統具備視覺基礎模型的特征認知能力，能夠實現一塊良品 5min 0 代碼自動編程，通過 APDT 正樣本/少樣本學習，快速建立準確的檢測模型。同時，語義誤報過濾功能可以有效降低誤報率。DaoAI 2D / 3D AI AOI 設備采用自研 3D 相機，能夠進行三維形貌重建，精確檢測隱藏焊點、共面度和微米級形貌。在落地做法上，將設備安裝在封裝產線上，利用軟件系統進行模型訓練和參數設置，實現對芯片引腳共面性和劃片崩邊的實時檢測。
微鏈道愛的 AI 視覺解決方案，為半導體芯片檢測帶來了高效、準確的新體驗。
量化成效：通過使用微鏈道愛的解決方案，該廠商的檢測效果得到了顯著提升。檢出率提高到了 98%，漏檢率降低到了 <2%，誤報率降低了 −70%。同時，換型時間從原來的 30min 縮短到了 5min，大大提高了產能。