封裝晶片邊緣微裂瑕疵檢測解決方案

a group of square objects

SolVision成功案例

封裝晶片邊緣微裂瑕疵檢測解決方案

透過非監督式訓練AI模型,判斷封裝晶片的內部瑕疵

封裝製程中的切割面崩裂瑕疵

切割製程技術是影響晶片品質的關鍵,製程中常見切割面崩裂的情形。晶片封裝完成後,由於晶片已黏貼於塑膠或陶瓷的封裝外殼內,更加不易以一般檢測方式檢出晶片在前製程中所產生的邊緣微裂瑕疵,影響晶片產品的生產良率。
inspecting packaged semiconductor chips

封裝晶片內部瑕疵無法以AOI檢測

封裝完成的晶片僅能透過特殊的光源及鏡頭以穿透的方式取像,成像的特性使得晶片邊緣微裂瑕疵的色澤與邊緣色澤極其相似,不易分辨。此外,邊緣微裂的角度及型態也是不規則變化,無法以AOI方式判別瑕疵。

非監督式學習訓練AI模型,標註定位瑕疵

運用SolVision AI影像平台的非監督式學習工具Anomaly Detection,以不具瑕疵的影像樣本(Golden Sample)執行AI深度學習,並輔以資料擴增技術提升AI模型對於標準樣本的辨識度。訓練完成的AI模型即能辨別受測物件與標準樣本的相異之處,定位並標註封裝晶片內邊緣微裂瑕疵的位置,完全不受穿透成像特性的影響。

封裝晶片內部瑕疵檢測案例

inspecting packaged semiconductor chips
Original
inspecting packaged semiconductor chips
Result
inspecting packaged semiconductor chips
Original
inspecting packaged semiconductor chips
Result
inspecting packaged semiconductor chips
Original
inspecting packaged semiconductor chips
Result