解决方案 | 深度学习的超强算法——半导体行业应用
未来的数字化系统是由系统、芯片、算法和软件深度融合集成，而芯片的设计和制造是数字化时代的底层支撑，芯片即是大脑，所以芯片的质量把控至关重要。面对高精度、复杂场景和多样化的物料缺陷检测，需要采用深度学习相机结合人工智能超强算法，实现实时精准检测。
今天一起探讨明治深度学习在半导体行业应用！
半导体芯片计数
项目需求
• 半导体客户在订购切割好蓝膜封装的晶圆时会有四分之一片或者半片的相关需求，此时就需要对里面的每个芯片进行计数。
• 计数的时要剔除涂有黑点的芯片，这种属于不合格产品。
项目难点
• 产品大小形态会存在变化、算法需要兼容所有产品。
• 整个晶圆边缘部分会有大量的坏点这种极易造成干扰。
• 整个产品大概为100mm*100mm，单个芯片尺寸为10um*10um左右，需要成像方案在大视野下也有高精度
主要收益
• 通过Vimo标准平台成功替换客户之前的人工计数的碎片化需求。
• 非常高的准确率和召回率可以为客户节约了大量的物料成本。
• 半自动标准晶圆计数机台方便搬运与部署。
半导体器件外观缺陷检测
项目需求
• 基于当前AOI机台的拍摄图片进行AI缺陷检测，对于已有视觉缺陷 检测系统无法检测的缺陷形态进行补充检测。AI检测系统所需软硬件能够与原有系统并存，在尽可能小的改动下，将AI检测能力导入现有AOI系统中。
• 检测速度>120,000unit/hour,
• 要求漏检率控制在10ppm，过检率控制在0.1%。
项目难点
• 半导体器件的缺陷样品稀缺，需要从小样本开始反复迭代模型。
• 要求在线检测，检测速度要求高。
• 检测精确度和过检率要求严格，AI算法设计和优化存在很大的挑战。
物料说明
解决方案
• 提供光学方案与ViMo AI视觉检测软硬一体化方案。
主要收益
• 能够在已有AOI软硬件设备的基础上赋能工业AI，将工业AI与传统机器视觉相融合，提升缺陷检测能力，避免整机改造的巨大成本。在该项目的基础上逐步扩大AI应用范围，最终实现整体产业链的AI升级。