瑕疵檢測

晶圓切割係半導體及光電業界非常重要的製程，若無法在切割製程中維持高良率、高效率並保有晶片特性，將大幅影響整體產能。晶圓切割刀的品質控管主要透過外觀瑕疵的檢測，常見的外觀瑕疵包括刀體上的不規則紋路、多鑽等情形。由於有環狀條紋，形成複雜影像背景，嚴重影響機器視覺對於瑕疵的偵測。

運用SolVision AI影像平台技術，在影像樣本中定位並標註鋁基板上的刮痕、髒污等異常及瑕疵情形，透過AI深度學習，即可自動且即時地檢出並定位鋁基板上的各式瑕疵，大幅提升產線生產效率。

口罩產品瑕疵種類繁多，包括掉線、皺褶、鼻墊片缺漏及穿透、破洞、角切、髒污、側邊凸出及過濾層破損等。難以透過AOI方式檢出全部的瑕疵。運用SolVision AI影像技術，將影像樣本中各類型瑕疵予以標註，AI經深度學習後即可於品管端精準辨識口罩上是否有瑕疵，進而將不良品汰除。

高爾夫球桿頭是球具組合中最重要的部份，消費者十分重視桿頭完成面的細緻程度。運用SolVision AI影像技術，將影像樣本中高爾夫球桿頭上的細微瑕疵逐一標註，藉以訓練AI模型，訓練完成後的AI模型即能不受商標、紋路及金屬光澤的影響，定位並標註所有細微的表面瑕疵。

常見的LED基板瑕疵包括邊緣毛邊、銲墊氧化雜質、刮痕等，在瑕疵特徵與背景相近的情況下，AOI檢測不易將瑕疵檢出。運用SolVision AI影像技術，以各式LED基板上瑕疵影像樣本訓練，經深度學習的AI即可精準地將瑕疵檢出並標註。此外亦可指認瑕疵生成的所屬區域，達到分區檢測的目的。

國內外安規認證的標章眾多，例如CE、EAC等，各有不同的標章圖示。過多的版面資訊在大量印刷過程中不易檢出多印或漏印的情形，可能影響商品的販售及使用。應用SolVision AI影像工具，訓練AI模型。訓練完成的AI模型即會自動檢出並標示所有差異地方，即為版面的印刷瑕疵。

金屬加工沖壓件上可能出現的瑕疵種類繁多且形態不一，油汙及水漬更是不易觀察。另一方面，金屬加工件在取像時的亮度也各有差異，造成AOI瑕疵檢測的執行相當不易。金屬加工品的品管助手：AI瑕疵檢測，經訓練的AI模型可輕易檢出各式沖壓件上的瑕疵，大幅提升產品的表面品質。

固晶是晶片封裝製程中的重要技術，固晶的精準與否，是半導體封裝產線中產品良率的成敗關鍵。但是傳統光學檢測無法利用撰寫邏輯的方式偵測角度、位移偏差及缺漏等瑕疵，時常造成漏檢、誤判、錯誤定位等缺失，大大影響封裝產線的生產效率。

銲接過程中，氣體飽和所形成的氣泡無法在銲接過程中及時排出而殘留在銲道中，形成銲道氣孔瑕疵，可能影響美觀及結構品質。運用SolVision AI技術，將各種亮度的銲道氣孔瑕疵影像進行標註，藉以訓練AI模型，即能不受影像亮度影響檢測出銲道上各處的氣孔瑕疵。

硬碟支架製造過程出現的瑕疵種類繁多，包括金屬的壓傷、表面白霧、孔批麟、孔黑等等，透過人工檢測不容易逐一檢出，然而微小的缺陷在組裝過程可能造成孔隙無法對齊等問題發生。使用SolVision工具AI學習瑕疵特徵後，能夠快速檢測出硬碟金屬支架上的各類微小瑕疵。

傳統光學檢測無法針對全幅影像進行分類，故無法於第一階段汰除瑕疵過多的晶圓。應用SolVision AI影像平台技術辨識瑕疵特徵。首先判斷晶圓是否具有過多瑕疵，汰除無法修復的不良品。其次運用影像處理技術分割晶圓影像，並以工具偵測瑕疵，記錄其特徵、坐標、面積等資訊，大幅提升後續修補的效率。

固晶接著劑透明，易造成光源折射影響特徵判斷，且爬膠、溢膠不具固定位置及型態，無法創建規則執行傳統光學檢測AOI。運用Solomon SolVision AI影像平台技術建立AI學習模組，自動學習並偵測爬膠、溢膠的特徵及位置。增加多項正確類別提升辨識強度，有效降低環境因素的干擾。

導線架表面的各類瑕疵，包含邊緣毛邊、黑點雜質、刮痕等。若使用傳統的AOI檢測，當檢測背景與瑕疵較為相近時，容易發生漏檢的情形。使用SolVision AI瑕疵檢測工具進行學習，以擴增功能增加AI學習範圍，能有效檢測出各類導線架瑕疵，在雜亂或複雜背景中，也能精確辨識有很好的辨識效果。

PCBA上面集成了不同功能的電子元件、插槽及各種晶片組，製造流程繁瑣，如何提升PCBA插件及組裝的正確率，是良率提升的關鍵。SolVision AI瑕疵檢測系統，學習多張PCBA的影像做AI訓練，可辨檢測細微瑕疵，使PCBA製成優化，效率大幅提升。