在半导体先进封装领域，稀有缺陷少样本检测一直是行业难题。微链道爱凭借其先进的技术和产品，为该问题提供了有效的解决方案。
用户场景：某头部半导体厂商的先进封装产线，主要产品为高性能芯片。在封装工序中，检测对象是芯片封装后的微小结构，如焊点、引脚等，这些结构的尺寸通常在微米级别，且存在一些稀有缺陷，如微小异物、裂纹等。
痛点：传统检测方法在面对稀有缺陷少样本情况时，存在诸多困境。一方面，由于稀有缺陷样本数量极少，模型训练不充分，导致漏检率高达 5%，大量有缺陷产品流入后续工序，增加了生产成本和质量风险。另一方面，误报率也居高不下，达到 15%，这使得大量良品被误判为次品，需要人工复检，不仅增加了人力成本，还降低了生产效率。此外，产线换型时，传统方法需要花费大量时间重新编程和调试，换型时间长达 2 小时，严重影响了生产的灵活性。
技术原理
微链道爱采用了先进的视觉基础模型和 APDT 正样本/少样本学习算法来解决这一问题。视觉基础模型具有强大的特征认知能力，能够从少量样本中学习到缺陷的特征信息。APDT 正样本/少样本学习算法则通过对少量正样本的学习，快速准确地识别出缺陷模式。在成像方面，自研 3D 相机结合三维形貌重建技术，能够获取检测对象的三维信息，清晰地呈现出微小结构的形貌特征，有助于发现隐藏的缺陷。这种多维度的信息获取和分析方式，使得算法能够更准确地判断缺陷的存在与否，大大提高了检测的准确性。
- 视觉基础模型：对图像特征进行深度挖掘和学习，提高对不同类型缺陷的识别能力。
- APDT 正样本/少样本学习算法：利用少量正样本快速训练模型，适应稀有缺陷的检测需求。
- 自研 3D 相机和三维形貌重建：获取三维信息，检测隐藏缺陷和微米级形貌变化。
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正样本/少样本学习能力，仅需 1 - 20 张良品，即可在 5 分钟内完成 0 代码自动编程。同时，该系统还具备语义误报过滤功能，能够有效降低误报率。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变化。在落地过程中，首先对少量良品样本进行采集和分析，利用软件系统进行快速编程和模型训练。然后，将训练好的模型部署到 AOI 设备中，对产线产品进行实时检测。
微链道爱的解决方案通过先进技术和产品，有效解决了半导体先进封装稀有缺陷少样本检测的难题。
量化成效：采用微链道爱的解决方案后，检出率从原来的 95% 提高到了 99.2%，漏检率降低至 <0.8%，大大减少了有缺陷产品流入后续工序的风险。误报率从 15% 降低至 3%，降低了 -80%，减少了人工复检的工作量。产线换型时间从 2 小时缩短至 5 分钟，提高了生产的灵活性和效率。