在半導體芯片製造過程中，晶圓的質量檢測至關重要。AOI 檢測後對缺陷進行準確分類是確保產品質量的關鍵環節。微鏈道愛憑借先進的技術和產品，為半導體行業提供了有效的晶圓 AOI 後缺陷自動分類解決方案。
用戶場景：某頭部半導體芯片廠商的晶圓製造產線，在完成自動光學檢測（AOI）工序後，需要對檢測出的晶圓缺陷進行分類。檢測對象為各類晶圓，其表面可能存在劃痕、裂紋、雜質等多種缺陷。這些缺陷的準確分類對于後續的修複、報废決策以及生產工藝的改進都具有重要意義。
痛點：傳統的缺陷分類方法主要依賴人工，不僅效率低下，而且容易出現漏檢和誤判的情況。人工分類的漏檢率約為 3%，誤報率高達 25%，這意味着大量的良品可能被誤判為次品，而部分次品却可能流入後續工序。此外，人工分類需要耗費大量的人力和時間，對于不同型號晶圓的換型時間長達 30 分鐘，嚴重影響了生產的靈活性和效率。而且，人工判斷的主觀性較強，難以滿足嚴格的質量合規要求。
技術原理
微鏈道愛采用先進的視覺基礎模型和深度學習算法來解決晶圓 AOI 後缺陷自動分類問題。視覺基礎模型具有強大的特征認知能力，能夠從晶圓圖像中提取出細微的特征信息。深度學習算法則通過對大量的缺陷樣本進行學習和訓練，建立起準確的分類模型。在成像方面，結合自研的 3D 相機進行三維形貌重建，突破了傳統 2D 光學檢測的盲區。3D 相機可以捕捉到晶圓表面的三維信息，對于一些隱藏在表面之下或者具有特殊形貌的缺陷能夠更清晰地成像。這是因為 3D 形貌重建能夠提供更多的深度信息，使得算法可以更準確地判斷缺陷的類型和特征，從而提高分類的準確性。
- 視覺基礎模型：對圖像特征進行深度挖掘和分析，提高對缺陷的認知能力。
- 深度學習算法：通過大量樣本訓練，優化分類模型，提高分類的準確性和穩定性。
- 3D 相機與三維形貌重建：獲取晶圓表面的三維信息，解決 2D 光學檢測的局限性。
微鏈道愛解決方案與產品介紹
微鏈道愛提供了 DaoAI AI AOI 軟件系統和 DaoAI 2D / 3D AI AOI 設備來解決該問題。DaoAI AI AOI 軟件系統具有強大的特征認知能力，能夠實現 0 代碼自動編程。對于一塊良品，僅需 5 分鐘即可完成編程設置。同時，該系統采用 APDT 正樣本/少樣本學習技術，只需要 1 - 20 張良品樣本，就可以快速建立準確的分類模型。此外，語義誤報過濾功能可以有效降低誤報率。DaoAI 2D / 3D AI AOI 設備配備了自研的 3D 相機，能夠進行三維形貌重建，檢測隱藏焊點、共面度和微米級形貌，為缺陷分類提供更準確的信息。在落地實施時，將設備部署在晶圓 AOI 檢測工序之後，通過 SDK / API / Docker 進行集成，支持 100% 本地私有化部署，確保數據不出廠。
微鏈道愛的解決方案通過先進的技術和產品，實現了晶圓 AOI 後缺陷的高效準確分類。
量化成效：采用微鏈道愛的解決方案後，缺陷檢出率提高到了 98%，漏檢率降低到了 < 2%，大大減少了次品流入後續工序的風險。誤報率降低了 - 70%，減少了對良品的誤判，提高了生產效率。同時，換型時間從原來的 30 分鐘縮短到了 5 分鐘，顯著提高了生產的靈活性和響應速度。