半導體晶粒表面檢測

探測會影響晶粒品質與性能的缺陷

相關產品

VisionPro Deep Learning

深度學習工業圖像分析的圖形化程式設計環境

In-Sight D900

採用 In-Sight ViDi 深度學習視覺軟體

在積體電路製造流程中，務必檢測每個晶粒，檢查表面是否有裂縫、碎裂、焦痕等，因為這些缺陷會對晶粒的品質與性能造成負面影響。這些缺陷不僅樣態多變，而且會出現在不同的位置，對於基於規則的機器視覺而言，要及時準確地找出這些缺陷並非易事。由於也會出現不影響晶片品質的正常像差，因此重要的是不將時間耗費在標記這些微小缺陷上。考慮到每日處理的晶片尺寸與數量，以人工檢測不但沒有效率，也不切實際。此外，減少人工介入，可以降低汙染物進入無塵室的機會。

Cognex Deep Learning 的缺陷探測工具可在晶粒表面上找到不可接受且樣態眾多的塗裝缺陷，但對於基於規則的視覺檢測系統而言，卻是過於複雜或相當費時。該工具會檢查晶粒的表面，檢測各處是否混合出現任何裂縫、碎裂或焦痕。利用可展現缺陷類型與位置變化的許多不同圖像來訓練軟體。識別出潛在的目標檢測區之後，再由 Cognex Deep Learning 的分類工具將缺陷 (例如，裂縫、碎裂、塵斑等) 分類。使用這項資訊，可以改善流程以減少缺陷並提高成品率。