在半导体行业，晶圆边缘缺陷检测至关重要。传统的抽检方式已难以满足高质量生产要求，微链道爱提供了创新的解决方案。
用户场景：某头部半导体芯片厂商，在晶圆制造产线的关键工序中，需要对晶圆进行质量检测。其产品为各类高性能半导体芯片所用的晶圆，检测对象是晶圆的边缘部分。晶圆边缘的微小缺陷可能会影响芯片的性能和可靠性，因此准确检测这些缺陷尤为重要。
痛点：传统的检测方式采用抽检模式，存在诸多量化困境。抽检只能覆盖部分晶圆，漏检率高达 5%，这意味着大量有缺陷的晶圆可能流入后续工序，增加了生产成本和产品风险。同时，人工检测的误报率达到 30%，不仅浪费了大量的人力和时间进行复检，还可能导致良品被误判为次品。而且，在换型生产不同规格晶圆时，需要花费 30 分钟重新调整检测设备和参数，严重影响了生产节拍和效率。此外，行业合规要求对晶圆进行 100%全检，传统抽检方式难以满足这一要求。
技术原理
微链道爱采用先进的算法和成像技术解决上述问题。在算法方面，运用基于视觉基础模型的特征认知算法，该算法能够快速学习晶圆边缘的正常特征和缺陷特征。通过 APDT 正样本/少样本学习，只需 1 - 20 张良品，就能让模型准确识别晶圆边缘的各种情况。这是因为正样本学习可以让模型聚焦于正常特征，少样本学习则能在少量数据下快速收敛，提高模型的泛化能力。在成像方面，自研 3D 相机结合三维形貌重建技术，能够获取晶圆边缘的精确三维信息。对于隐藏在边缘内部的微小缺陷，3D 相机可以从不同角度捕捉图像，三维形貌重建则将这些图像整合为完整的三维模型，从而清晰地显示出缺陷的位置和大小。
- 视觉基础模型特征认知算法能快速学习正常与缺陷特征，提高检测准确性。
- APDT 正样本/少样本学习减少对大量样本的依赖，缩短模型训练时间。
- 自研 3D 相机提供多角度图像，三维形貌重建技术生成精确三维模型，便于检测隐藏缺陷。
微链道爱解决方案与产品介绍
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 软件系统具有强大的特征认知能力，一块良品 5 分钟即可完成 0 代码自动编程。通过 APDT 正样本/少样本学习，能快速适应不同规格晶圆的检测需求，同时语义误报过滤功能可有效降低误报率。DaoAI 2D / 3D AI AOI 设备采用自研 3D 相机和三维形貌重建技术，能够检测隐藏焊点、共面度和微米级形貌。在落地做法上，将设备集成到晶圆制造产线中，软件系统实时处理相机采集的数据，对晶圆边缘进行在线 100%全检。
微链道爱的解决方案实现了从抽检到在线全检的转变，为半导体晶圆质量管控带来了新的突破。
量化成效：采用微链道爱的解决方案后，晶圆边缘缺陷的检出率达到了 98%，漏检率降低至 <2%，大大减少了有缺陷晶圆流入后续工序的风险。误报率降低了 - 70%，有效节省了人力和时间用于复检。换型时间从 30 分钟缩短至 5 分钟，显著提高了生产节拍和效率，满足了行业合规要求的 100%全检。