檢測和分類探針標記
深度學習技術可協助識別和分類樣態多變的探針標記，以提高晶圓測試效率和增加晶圓成品率。
在將晶圓送往進行晶粒準備之前，都會測試所有個別的積體電路是否有連續性與功能方面的缺陷。此流程會使用含有數十支顯微電子探針的探針卡。每支探針都會在與晶粒接觸時，於上面留下微小標記。此標記應要位於晶粒中央，並指出探針施加了正確的壓力。
探針標記是針測機性能是否準確的指標。如果針測機運作正常，就會留下良好的探針標記形狀。如果探針運作不當，就會留下不良 (NG) 的探針標記形狀。例如，探針施加的壓力若過重，長時間下來就會損壞，而無法執行可接受的電氣測試。
探針本身所費不貲，因此務必要維持正確的壓力，才能延續其工作壽命。因為標記的形狀、尺寸及位置變化繁多，要使用傳統機器視覺來探測和分類 OK 與 NG 標記並不容易。探測結果不一致或誤讀為不良 (NG)，都會對成品率與晶片品質造成負面影響。
settings
要求產品示範
cgnx_pdf
下載半導體業解決方案指南
Cognex Deep Learning 工具可協助驗證 OK 與 NG 探針標記之間的差異，能夠以更短的時間，更輕鬆地進行探針標記檢測。軟體用以進行訓練的圖像廣泛多樣，包括顯示正確探針標記的圖像與顯示不可接受探針標記的圖像。隨後即可將不可接受的標記分類為「壓力相關」或「偏離中央」。
作業人員可使用這項資訊，調整探針壓力或對位，以增加可接受探針標記的數量，並讓探針處於良好工作狀態。相較於會將 OK 標記描繪為不可接受，或將 NG 標記視為可接受的其他方法，針對探針標記使用深度學習檢測，可以提高晶圓的晶粒成品率。
