在半導體先進封裝領域，稀有缺陷少樣本檢測一直是行業難題。微鏈道愛憑借其先進的技術和產品，為該問題提供了有效的解決方案。
用戶場景：某頭部半導體廠商的先進封裝產線，主要產品為高性能芯片。在封裝工序中，檢測對象是芯片封裝後的微小結構，如焊點、引腳等，這些結構的尺寸通常在微米級別，且存在一些稀有缺陷，如微小異物、裂紋等。
痛點：傳統檢測方法在面對稀有缺陷少樣本情況時，存在诸多困境。一方面，由于稀有缺陷樣本數量極少，模型訓練不充分，導致漏檢率高達 5%，大量有缺陷產品流入後續工序，增加了生產成本和質量風險。另一方面，誤報率也居高不下，達到 15%，這使得大量良品被誤判為次品，需要人工複檢，不僅增加了人力成本，還降低了生產效率。此外，產線換型時，傳統方法需要花費大量時間重新編程和調試，換型時間長達 2 小時，嚴重影響了生產的靈活性。
技術原理
微鏈道愛采用了先進的視覺基礎模型和 APDT 正樣本/少樣本學習算法來解決這一問題。視覺基礎模型具有強大的特征認知能力，能夠從少量樣本中學習到缺陷的特征信息。APDT 正樣本/少樣本學習算法則通過對少量正樣本的學習，快速準確地識別出缺陷模式。在成像方面，自研 3D 相機結合三維形貌重建技術，能夠獲取檢測對象的三維信息，清晰地呈現出微小結構的形貌特征，有助于發現隱藏的缺陷。這種多維度的信息獲取和分析方式，使得算法能夠更準確地判斷缺陷的存在與否，大大提高了檢測的準確性。
- 視覺基礎模型：對圖像特征進行深度挖掘和學習，提高對不同類型缺陷的識別能力。
- APDT 正樣本/少樣本學習算法：利用少量正樣本快速訓練模型，適應稀有缺陷的檢測需求。
- 自研 3D 相機和三維形貌重建：獲取三維信息，檢測隱藏缺陷和微米級形貌變化。
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正樣本/少樣本學習能力，僅需 1 - 20 張良品，即可在 5 分鐘內完成 0 代碼自動編程。同時，該系統還具備語義誤報過濾功能，能夠有效降低誤報率。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變化。在落地過程中，首先對少量良品樣本進行采集和分析，利用軟件系統進行快速編程和模型訓練。然後，將訓練好的模型部署到 AOI 設備中，對產線產品進行實時檢測。
微鏈道愛的解決方案通過先進技術和產品，有效解決了半導體先進封裝稀有缺陷少樣本檢測的難題。
量化成效：采用微鏈道愛的解決方案後，檢出率從原來的 95% 提高到了 99.2%，漏檢率降低至 <0.8%，大大減少了有缺陷產品流入後續工序的風險。誤報率從 15% 降低至 3%，降低了 -80%，減少了人工複檢的工作量。產線換型時間從 2 小時縮短至 5 分鐘，提高了生產的靈活性和效率。