半导体产业

SolVision 基于 AI 的 CMP 质量检测可检测晶圆划痕与污染，突破半导体检测中基于规则的 AOI 系统限制。

由于晶粒边缘崩裂瑕疵出现的位置及型态不固定，以致传统光学检测无法精准地将瑕疵检出，影响整体产品良率。运用SolVision AI影像技术，将影像样本中的瑕疵特征予以标注，完成训练的AI模型即可自动检出并标注晶粒边缘崩裂瑕疵的位置，大幅降低芯片在后续封装制程中断裂的风险。

由于晶粒边缘崩裂瑕疵出现的位置及型态不固定，以致传统光学检测无法精准地将瑕疵检出，影响整体产品良率。运用SolVision AI影像技术，将影像样本中的瑕疵特征予以标注，完成训练的AI模型即可自动检出并标注晶粒边缘崩裂瑕疵的位置，大幅降低芯片在后续封装制程中断裂的风险。

晶圆切割系半导体及光电业界非常重要的制程，若无法在切割制程中维持高良率、高效率并保有芯片特性，将大幅影响整体产能。晶圆切割刀的质量控管主要透过外观瑕疵的检测，常见的外观瑕疵包括刀体上的不规则纹路、多钻等情形。由于有环状条纹，形成复杂影像背景，严重影响机器视觉对于瑕疵的侦测。

固晶是芯片封装制程中的重要技术，固晶的精准与否，是半导体封装产线中产品良率的成败关键。但是传统光学检测无法利用撰写逻辑的方式检测角度、位移偏差及缺漏等瑕疵，经常造成漏检、误判、错误定位等问题，大大影响封装产线的生产效率。

传统光学检测无法针对全幅影像进行分类，故无法于第一阶段汰除瑕疵过多的晶圆。应用SolVision AI影像平台技术辨识瑕疵特征。首先判断晶圆是否具有过多瑕疵，汰除无法修复的不良品。其次运用图像处理技术分割晶圆影像，并以工具侦测瑕疵，记录其特征、坐标、面积等信息，大幅提升后续修补的效率。

固晶接着剂透明，易造成光源折射影响特征判断，且爬胶、溢胶不具固定位置及型态，无法创建规则执行传统光学检测AOI。运用Solomon SolVision AI影像平台技术建立AI学习模块，自动学习并侦测爬胶、溢胶的特征及位置。增加多项正确类别提升辨识强度，有效降低环境因素的干扰。

导线架表面的各类瑕疵，包含边缘毛边、黑点杂质、刮痕等。若使用传统的AOI检测，当检测背景与瑕疵较为相近时，容易发生漏检的情形。使用SolVision AI瑕疵检测工具进行学习，以扩增功能增加AI学习范围，能有效检测出各类导线架瑕疵，在杂乱或复杂背景中，也能精确辨识有很好的辨识效果。

芯片承载盘是半导体加工制程的关键要素，芯片承载盘的轮廓与定位孔点常因作业造成瑕疵，过去多透过AOI光学检测方式予以检查。然而承载盘不易透过AOI检出并定位瑕疵，严重影响良率及生产效率。运用SolVision AI影像技术执行缺陷检测，以利使用者实时监测并排除承载盘异常。