在半导体芯片制造过程中，晶圆的质量检测至关重要。AOI 检测后对缺陷进行准确分类是确保产品质量的关键环节。微链道爱凭借先进的技术和产品，为半导体行业提供了有效的晶圆 AOI 后缺陷自动分类解决方案。
用户场景：某头部半导体芯片厂商的晶圆制造产线，在完成自动光学检测（AOI）工序后，需要对检测出的晶圆缺陷进行分类。检测对象为各类晶圆，其表面可能存在划痕、裂纹、杂质等多种缺陷。这些缺陷的准确分类对于后续的修复、报废决策以及生产工艺的改进都具有重要意义。
痛点：传统的缺陷分类方法主要依赖人工，不仅效率低下，而且容易出现漏检和误判的情况。人工分类的漏检率约为 3%，误报率高达 25%，这意味着大量的良品可能被误判为次品，而部分次品却可能流入后续工序。此外，人工分类需要耗费大量的人力和时间，对于不同型号晶圆的换型时间长达 30 分钟，严重影响了生产的灵活性和效率。而且，人工判断的主观性较强，难以满足严格的质量合规要求。
技术原理
微链道爱采用先进的视觉基础模型和深度学习算法来解决晶圆 AOI 后缺陷自动分类问题。视觉基础模型具有强大的特征认知能力，能够从晶圆图像中提取出细微的特征信息。深度学习算法则通过对大量的缺陷样本进行学习和训练，建立起准确的分类模型。在成像方面，结合自研的 3D 相机进行三维形貌重建，突破了传统 2D 光学检测的盲区。3D 相机可以捕捉到晶圆表面的三维信息，对于一些隐藏在表面之下或者具有特殊形貌的缺陷能够更清晰地成像。这是因为 3D 形貌重建能够提供更多的深度信息，使得算法可以更准确地判断缺陷的类型和特征，从而提高分类的准确性。
- 视觉基础模型：对图像特征进行深度挖掘和分析，提高对缺陷的认知能力。
- 深度学习算法：通过大量样本训练，优化分类模型，提高分类的准确性和稳定性。
- 3D 相机与三维形貌重建：获取晶圆表面的三维信息，解决 2D 光学检测的局限性。
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 设备来解决该问题。DaoAI AI AOI 软件系统具有强大的特征认知能力，能够实现 0 代码自动编程。对于一块良品，仅需 5 分钟即可完成编程设置。同时，该系统采用 APDT 正样本/少样本学习技术，只需要 1 - 20 张良品样本，就可以快速建立准确的分类模型。此外，语义误报过滤功能可以有效降低误报率。DaoAI 2D / 3D AI AOI 设备配备了自研的 3D 相机，能够进行三维形貌重建，检测隐藏焊点、共面度和微米级形貌，为缺陷分类提供更准确的信息。在落地实施时，将设备部署在晶圆 AOI 检测工序之后，通过 SDK / API / Docker 进行集成，支持 100% 本地私有化部署，确保数据不出厂。
微链道爱的解决方案通过先进的技术和产品，实现了晶圆 AOI 后缺陷的高效准确分类。
量化成效：采用微链道爱的解决方案后，缺陷检出率提高到了 98%，漏检率降低到了 < 2%，大大减少了次品流入后续工序的风险。误报率降低了 - 70%，减少了对良品的误判，提高了生产效率。同时，换型时间从原来的 30 分钟缩短到了 5 分钟，显著提高了生产的灵活性和响应速度。