半導體 die attach 空洞檢測本地化部署方案

在半導體行業，die attach 工序中的空洞檢測至關重要。微鏈道愛憑藉先進的 AI 視覺技術，為某頭部半導體廠商提供了本地化部署的檢測方案。

使用者場景：某頭部半導體廠商的 die attach 產線，主要產品為高效能晶片。檢測物件是晶片 die attach 過程中產生的空洞。這些空洞的存在會影響晶片的散熱效能和電氣效能，進而影響晶片的可靠性和使用壽命。

痛點：該廠商在空洞檢測方面面臨諸多困境。一方面，傳統檢測方法的漏檢率較高，達到 3%左右，導致部分有缺陷的產品流入後續工序，增加了生產成本。另一方面，誤報率也高達 20%，這使得大量合格產品需要進行復檢，浪費了大量的人力和時間。此外，該廠商對資料安全和合規要求極高，擔心檢測資料洩露會導致工藝機密外洩。同時，產線換型時，傳統檢測方法需要較長的除錯時間，一般需要 2 小時左右，嚴重影響了生產效率。

技術原理

微鏈道愛 DaoAI 採用先進的視覺基礎模型和 3D 成像技術解決問題。視覺基礎模型具有強大的特徵認知能力，能夠從少量樣本中快速學習空洞的特徵。透過 APDT 正樣本/少樣本學習方法，僅需 1 - 20 張良品，就能準確識別空洞。這是因為該模型能夠對影象進行語義分析，提取空洞的關鍵特徵，如形狀、大小、位置等，從而實現高精度的檢測。

• 自研 3D 相機能夠獲取晶片表面的三維形貌資訊，透過三維形貌重建技術，可以清晰地呈現空洞的立體結構，有效檢測隱藏焊點和微米級形貌。這是因為 3D 成像能夠提供更多的資訊，相比傳統 2D 成像，能夠更準確地判斷空洞的存在和大小。
• 語義誤報過濾演算法結合了深度學習和影象語義理解技術，能夠對檢測結果進行二次篩選。它可以識別出那些由於影象噪聲、光照變化等因素導致的誤報，從而顯著降低誤報率。
• 微鏈道愛採用的先進演算法能夠自適應不同的晶片型號和生產環境。在產線換型時，系統可以快速調整引數，適應新的產品要求。這是透過對模型進行持續學習和最佳化實現的，使得系統能夠根據不同的產品特徵自動調整檢測策略。
• 資料本地化處理是保障資料安全和合規的關鍵。所有檢測資料都在本地伺服器進行處理和儲存，不將資料上傳至雲端，避免了資料洩露的風險。同時，系統採用了嚴格的訪問控制和加密技術，確保資料的安全性。

微鏈道愛解決方案與產品介紹

微鏈道愛提供了 DaoAI AI AOI 軟體系統和 DaoAI 2D / 3D AI AOI 裝置。DaoAI AI AOI 軟體系統具有 0 程式碼自動程式設計功能，一塊良品 5 分鐘即可完成程式設計，大大縮短了程式設計時間。其 APDT 正樣本/少樣本學習能力，僅需少量良品就能實現高精度檢測。同時，語義誤報過濾功能可以有效降低誤報率。DaoAI 2D / 3D AI AOI 裝置採用自研 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，為空洞檢測提供了更準確的資訊。這兩款產品均支援 100% 本地私有化部署，透過 SDK / API / Docker 方式進行部署，確保資料不出廠，滿足客戶的資料合規要求。

微鏈道愛的解決方案不僅提高了檢測精度，還保障了資料安全，為半導體廠商的生產提供了可靠的支援。

量化成效：採用微鏈道愛的解決方案後，該廠商的空洞檢出率提高到 98%以上，漏檢率降低到 <2%。誤報率降低了 -70%，大大減少了複檢量。產線換型時間從原來的 2 小時縮短到 5min，顯著提高了生產效率。

本文由人工智慧生成。文中客戶案例為基於產品真實能力的模擬場景，成效數字為示例性質；官方標定口徑以產品頁為準。