行业资讯
AI 视觉技术解决半导体行业超声波设备的复杂IC瑕疵检测难题
集成电路IC的封装生产线面临严峻的质量检测瓶颈。为了达到生产标准作业人员必须进行大量的人工复判才能将FPY提升至95%~98%的目标。需一套自动化且具备智能功能的视觉解决方案以取代高耗能的人工复判流程不仅要提升检测准确度更要减轻现场作业人员的负荷。挑战严格的面积检测阈值检测标准极为精确。单一气泡面积不得超过IC总面积的3%且所有气泡面积总和不得超过IC总面积的5%。复杂的多层影像成像超声波扫描需评估两层结构第一层为IC气泡第二层则为锡焊层。「映射 Mapping」干扰锡焊层的反射影像即「映像」常会投射至IC层系统必须具备足够的智慧能正确辨识并将这些反射排除于瑕疵之外判定为良品。瑕疵形状不规则气泡的形状随机且多变导致传统规则式Rule-based的机器视觉难以精确计算其面积。解决方案TM AI AOI Edge 解决方案为了克服上述挑战而部署通过深度学习技术执行先进的图像分析与运算AI 语义分割 Semantic Segmentation系统采用TM AI Segmentation技术取代传统视觉算法。此神经网络能精准界定芯片边界与不规则的不良区域。透过提取这些像素级的区域AI可精确计算瑕疵占芯片面积的百分比严格执行3%与5%的规范。无缝自动化工作流超声波设备输出原始影像后通过网络由TM AI Edge 实时撷取。在 TMflow 软件中系统会自动调整图像对比度使不良特征更加显著确保 AI 模型能实时做出高准确度的判断。自动化训练与迭代该解决方案集成了强大的服务器端 AI Trainer 。作业人员可针对边缘案例如复杂的映射反射进行覆判并透过 Auto AI Training 功能自动收集图片、训练模型、部署模型让AI系统持续学习越用越精准。优势高精密品质控管TM AI 解决方案自动化执行了繁复的数学运算确认气泡总面积是否符合 5% 及 3% 的严格公差有效消除人工判读的主观误差。提升营运效率AI 自动处理了超声波设备标记出的50%待确认零件大幅降低人工覆判的人力需求有效降低人事成本。持续优化循环在导入初期虽然复杂的「映射」反射仍会标记供人工确认但透过闭环反馈机制AI 模型能持续从作业人员的判定中学习使生产线随着时间推移达到更高的自动化水平。结论本案例展示了将专业检测设备与 TM AI AOI Edge 结合如何成功转化深陷瓶颈的质量控管流程。透过 AI 语义分割技术与持续性的机器学习提供了一套高精准度、自动化且具备扩充性的解决方案有效解决 IC 检测的复杂课题。
郑州网站建设
网页设计
企业官网
