在半导体芯片生产中，引脚共面性与划片崩边的检测至关重要。传统检测方法存在诸多问题，微链道爱利用先进的 AI 视觉技术提供了有效的解决方案。
用户场景：某头部半导体芯片厂商的封装产线，主要产品为各类高性能芯片。在封装工序中，需要对芯片引脚的共面性以及划片后的崩边情况进行检测。芯片引脚的共面性直接影响芯片与电路板的连接稳定性，而划片崩边可能导致芯片边缘出现裂纹，影响芯片的电气性能和使用寿命。
痛点：传统的检测方法主要依赖人工目检和简单的机械测量，存在诸多量化困境。人工目检效率低下，人力成本高，且容易出现漏检和误报情况，漏检率约为 3%，误报率高达 15%。同时，该厂商生产的芯片品种繁多，小批量生产的情况较为常见，换型时需要重新进行编程和调试，停机时间长达 30min，严重影响了产能。
技术原理
微链道爱采用先进的 AI 算法和自研的 3D 相机技术来解决这些问题。在成像方面，自研 3D 相机能够捕捉芯片引脚和划片区域的三维形貌信息，为后续的检测提供高精度的数据。在算法上，利用视觉基础模型的特征认知能力，对芯片的正常特征和缺陷特征进行学习和分析。通过 APDT 正样本/少样本学习，只需要 10 张良品就可以进行有效的模型训练。同时，语义误报过滤算法能够对检测结果进行筛选，去除由于背景干扰等因素导致的误报。这些技术的结合使得检测更加准确和高效，因为 3D 相机提供的丰富信息可以让算法更全面地了解芯片的状态，而少样本学习和误报过滤则提高了模型的泛化能力和实用性。
- 自研 3D 相机获取三维形貌信息，提高检测精度。
- 视觉基础模型学习芯片特征，实现准确识别。
- APDT 少样本学习减少样本需求，缩短训练时间。
- 语义误报过滤算法降低误报率。
微链道爱解决方案与产品
微链道爱提供了 DaoAI AI AOI 软件系统和 DaoAI 2D / 3D AI AOI 设备。DaoAI AI AOI 软件系统具备视觉基础模型的特征认知能力，能够实现一块良品 5min 0 代码自动编程，通过 APDT 正样本/少样本学习，快速建立准确的检测模型。同时，语义误报过滤功能可以有效降低误报率。DaoAI 2D / 3D AI AOI 设备采用自研 3D 相机，能够进行三维形貌重建，精确检测隐藏焊点、共面度和微米级形貌。在落地做法上，将设备安装在封装产线上，利用软件系统进行模型训练和参数设置，实现对芯片引脚共面性和划片崩边的实时检测。
微链道爱的 AI 视觉解决方案，为半导体芯片检测带来了高效、准确的新体验。
量化成效：通过使用微链道爱的解决方案，该厂商的检测效果得到了显著提升。检出率提高到了 98%，漏检率降低到了 <2%，误报率降低了 −70%。同时，换型时间从原来的 30min 缩短到了 5min，大大提高了产能。