在半導體行業，晶圓邊緣缺陷檢測至關重要。傳統的抽檢方式已難以滿足高質量生產要求，微鏈道愛提供了創新的解決方案。
用戶場景：某頭部半導體芯片廠商，在晶圓製造產線的關鍵工序中，需要對晶圓進行質量檢測。其產品為各類高性能半導體芯片所用的晶圓，檢測對象是晶圓的邊緣部分。晶圓邊緣的微小缺陷可能會影響芯片的性能和可靠性，因此準確檢測這些缺陷尤為重要。
痛點：傳統的檢測方式采用抽檢模式，存在诸多量化困境。抽檢只能覆蓋部分晶圓，漏檢率高達 5%，這意味着大量有缺陷的晶圓可能流入後續工序，增加了生產成本和產品風險。同時，人工檢測的誤報率達到 30%，不僅浪費了大量的人力和時間進行複檢，還可能導致良品被誤判為次品。而且，在換型生產不同規格晶圓時，需要花費 30 分鐘重新調整檢測設備和參數，嚴重影響了生產節拍和效率。此外，行業合規要求對晶圓進行 100%全檢，傳統抽檢方式難以滿足這一要求。
技術原理
微鏈道愛采用先進的算法和成像技術解決上述問題。在算法方面，運用基于視覺基礎模型的特征認知算法，該算法能夠快速學習晶圓邊緣的正常特征和缺陷特征。通過 APDT 正樣本/少樣本學習，只需 1 - 20 張良品，就能讓模型準確識別晶圓邊緣的各種情況。這是因為正樣本學習可以讓模型聚焦于正常特征，少樣本學習則能在少量數據下快速收斂，提高模型的泛化能力。在成像方面，自研 3D 相機結合三維形貌重建技術，能夠獲取晶圓邊緣的精確三維信息。對于隱藏在邊緣內部的微小缺陷，3D 相機可以從不同角度捕捉圖像，三維形貌重建則將這些圖像整合為完整的三維模型，從而清晰地顯示出缺陷的位置和大小。
- 視覺基礎模型特征認知算法能快速學習正常與缺陷特征，提高檢測準確性。
- APDT 正樣本/少樣本學習減少對大量樣本的依賴，縮短模型訓練時間。
- 自研 3D 相機提供多角度圖像，三維形貌重建技術生成精確三維模型，便于檢測隱藏缺陷。
微鏈道愛解決方案與產品介紹
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 軟件系統具有強大的特征認知能力，一塊良品 5 分鐘即可完成 0 代碼自動編程。通過 APDT 正樣本/少樣本學習，能快速適應不同規格晶圓的檢測需求，同時語義誤報過濾功能可有效降低誤報率。DaoAI 2D / 3D AI AOI 設備采用自研 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。在落地做法上，將設備集成到晶圓製造產線中，軟件系統實時處理相機采集的數據，對晶圓邊緣進行在線 100%全檢。
微鏈道愛的解決方案實現了從抽檢到在線全檢的轉變，為半導體晶圓質量管控帶來了新的突破。
量化成效：采用微鏈道愛的解決方案後，晶圓邊緣缺陷的檢出率達到了 98%，漏檢率降低至 <2%，大大減少了有缺陷晶圓流入後續工序的風險。誤報率降低了 - 70%，有效節省了人力和時間用于複檢。換型時間從 30 分鐘縮短至 5 分鐘，顯著提高了生產節拍和效率，滿足了行業合規要求的 100%全檢。