半導(dǎo)體制造流程深度解析：外觀缺陷檢測(cè)的AI化路徑與實(shí)踐
在芯片持續(xù)向高密度、微結(jié)構(gòu)演進(jìn)的今天，半導(dǎo)體制造流程變得前所未有地復(fù)雜。良率容錯(cuò)空間不斷收窄，任何微小缺陷都有可能在后續(xù)放大為系統(tǒng)性風(fēng)險(xiǎn)。缺陷檢測(cè)因此從“終檢工具”演變?yōu)樨灤┤鞒痰馁|(zhì)量反饋機(jī)制，尤其在晶粒制備、封裝組裝等中后段環(huán)節(jié)，檢測(cè)的效率與精度直接影響良率控制與產(chǎn)線穩(wěn)定性。面對(duì)形態(tài)各異的外觀瑕疵，傳統(tǒng)人工和規(guī)則型AOI正面臨誤檢高、適應(yīng)性弱的局限。以深度學(xué)習(xí)為代表的AI視覺技術(shù)，正在成為實(shí)現(xiàn)高通量、高復(fù)雜度檢測(cè)的新解法。但AI視覺究竟適合哪些工序？在哪些缺陷類型中具備優(yōu)勢(shì)？又該如何落地？本文將從制造工藝出發(fā)逐一展開，并介紹森賽睿科技的系統(tǒng)化解決方案與真實(shí)應(yīng)用成果。
在半導(dǎo)體制造流程中，缺陷并不是偶然發(fā)生的，而是與各道工序密切關(guān)聯(lián)的“結(jié)構(gòu)性副產(chǎn)物”。每一步熱處理、切割、貼裝或封裝操作，都可能引發(fā)顆粒污染、破損、錯(cuò)位等外觀問題。
但并非所有缺陷都適合用AI視覺識(shí)別。要想真正實(shí)現(xiàn)高效檢測(cè)，至少要滿足兩個(gè)前提：缺陷在圖像中具備可感知的特征（如邊緣、紋理、形狀差異）；缺陷類型復(fù)雜、規(guī)則不一，難以用傳統(tǒng)算法窮舉。從技術(shù)適配性來(lái)看，具備“圖像清晰 + 缺陷多樣”的場(chǎng)景，才是AI模型最具價(jià)值的應(yīng)用區(qū)域。
制造流程概覽：哪些階段產(chǎn)生可視化缺陷？
半導(dǎo)體制造大致可分為三段：
前道工藝：如光刻、刻蝕、離子注入，主要涉及晶圓圖案形成；中段工藝：晶圓切割、重構(gòu)、晶粒分選；后道工藝：貼片、鍵合、塑封、出廠篩選等。
其中前道缺陷大多尺度極小，通常需要暗場(chǎng)/電子束等高端設(shè)備處理，不適合深度學(xué)習(xí)視覺模型介入。而從晶圓切割開始，缺陷呈現(xiàn)出尺寸增大、圖像特征明確、形態(tài)復(fù)雜等特點(diǎn)，更適合用AI模型訓(xùn)練與識(shí)別。
缺陷與AI適配工藝對(duì)應(yīng)表：查查你所在的環(huán)節(jié)能用AI嗎？
從晶圓切割起，外觀缺陷逐步由微觀失真演變?yōu)楹暧^瑕疵，正是AI視覺檢測(cè)能力能夠充分發(fā)揮作用的應(yīng)用窗口。
深度學(xué)習(xí)為何更適合外觀類檢測(cè)？
相比傳統(tǒng)AOI基于邊緣、灰度、尺寸規(guī)則的判斷方式，AI視覺具備：自動(dòng)學(xué)習(xí)特征：無(wú)需人工設(shè)定閾值，模型從樣本中學(xué)習(xí)；更強(qiáng)泛化能力：能識(shí)別形態(tài)不規(guī)則、光照不均或背景復(fù)雜的缺陷；適應(yīng)多品類：適配頻繁切換的不同工藝與外形；支持在線更新：樣本積累越多，識(shí)別能力越強(qiáng)。在晶粒、電感、電容等小型器件的高通量檢測(cè)場(chǎng)景中，AI模型不僅精度更高、誤判更低，也更容易部署在柔性制造產(chǎn)線上。
面對(duì)晶粒、電感、電容等小尺寸器件在封裝、貼裝、篩選等環(huán)節(jié)的缺陷檢測(cè)挑戰(zhàn)，森賽睿基于對(duì)半導(dǎo)體制造流程的深度理解，構(gòu)建了專為中后段應(yīng)用打造的視覺AI生態(tài)鏈解決方案。
這是一套圍繞“可視化缺陷識(shí)別 + 柔性產(chǎn)線適配 + 數(shù)據(jù)閉環(huán)管控”設(shè)計(jì)的系統(tǒng)架構(gòu)，致力于提升封測(cè)階段的自動(dòng)化檢測(cè)能力與良率控制水平。
核心架構(gòu)包括四大模塊：
面對(duì)晶粒、電感、電容等小尺寸器件在封裝、貼裝、篩選等環(huán)節(jié)的缺陷檢測(cè)挑戰(zhàn)，森賽睿基于對(duì)半導(dǎo)體制造流程的深度理解，構(gòu)建了專為中后段應(yīng)用打造的視覺AI生態(tài)鏈解決方案。
這是一套圍繞“可視化缺陷識(shí)別 + 柔性產(chǎn)線適配 + 數(shù)據(jù)閉環(huán)管控”設(shè)計(jì)的系統(tǒng)架構(gòu)，致力于提升封測(cè)階段的自動(dòng)化檢測(cè)能力與良率控制水平。
核心架構(gòu)包括四大模塊：
這套系統(tǒng)廣泛適配晶圓切割后晶粒篩選、封裝后出廠檢測(cè)、貼片前來(lái)料篩檢等關(guān)鍵工藝，具備以下行業(yè)價(jià)值：
高適配性：可應(yīng)對(duì)多品類、不同封裝結(jié)構(gòu)的視覺檢測(cè)任務(wù)；高精度識(shí)別：檢測(cè)精度可達(dá)0.001mm，支持裂紋、殘鍍、污染等復(fù)雜缺陷識(shí)別；高通量執(zhí)行：推理響應(yīng)快，支持1200pcs/min以上產(chǎn)線節(jié)拍；高可控性：檢測(cè)結(jié)果結(jié)構(gòu)化輸出，便于對(duì)接MES系統(tǒng)，實(shí)現(xiàn)數(shù)據(jù)追溯與統(tǒng)計(jì)分析。森賽睿圍繞半導(dǎo)體工藝特性構(gòu)建一體化質(zhì)量控制系統(tǒng)，服務(wù)于良率與效率的雙重提升。
森賽睿視覺AI生態(tài)鏈已在多家半導(dǎo)體制造企業(yè)中實(shí)現(xiàn)落地應(yīng)用，覆蓋晶圓切割后篩選、封裝出廠檢測(cè)等多個(gè)關(guān)鍵工藝環(huán)節(jié)。以下為兩個(gè)典型項(xiàng)目案例：
案例一：晶粒篩選 · 封裝前工序
制造環(huán)節(jié)定位：中段制程 → 晶圓切割后 → WLCSP封裝前
檢測(cè)目標(biāo)：排查裸晶掉鍍層、缺角、裂紋、污染等缺陷，提升封裝良率
應(yīng)用方案：部署森賽睿微型缺陷篩選設(shè)備，6工位視覺覆蓋晶粒六面；搭載AI控制器+推理軟件，本地運(yùn)行多類瑕疵識(shí)別模型；模型經(jīng)由云平臺(tái)訓(xùn)練，支持新缺陷類型快速上線；檢測(cè)結(jié)果實(shí)時(shí)上傳至MES系統(tǒng)，形成質(zhì)量閉環(huán)。
實(shí)施效果：
精度達(dá)0.001mm，高識(shí)別率覆蓋多類復(fù)雜缺陷；檢測(cè)節(jié)拍達(dá)1200 pcs/min，滿足高通量出貨要求；
案例二：半導(dǎo)體制冷芯片貼裝檢測(cè)· 后段工序
制造環(huán)節(jié)定位：封裝后段 → 制冷芯片銅基板貼裝 → 焊接前質(zhì)檢
檢測(cè)目標(biāo)：識(shí)別貼裝位置偏差、表面劃痕、阻焊不良等問題，防止器件熱失效
應(yīng)用方案：
部署森賽睿AI控制器+多工位相機(jī)系統(tǒng)，嵌入客戶貼裝工位；基于云平臺(tái)訓(xùn)練的AI模型，識(shí)別銅基板表面劃痕與焊盤阻焊不良；通過推理軟件執(zhí)行圖像識(shí)別流程，聯(lián)動(dòng)控制系統(tǒng)觸發(fā)NG品分類處理；檢測(cè)數(shù)據(jù)導(dǎo)出并對(duì)接客戶MES，實(shí)現(xiàn)質(zhì)量統(tǒng)計(jì)與工藝追溯。
實(shí)施效果：實(shí)現(xiàn)貼裝位置偏差、劃傷、阻焊異常等典型缺陷的高精度識(shí)別；替代原人工抽檢，提高檢測(cè)覆蓋率；客戶反饋：檢測(cè)效率大幅提升，貼裝一次通過率提升顯著。
上一篇：視覺檢測(cè)之配件選型
下一篇：沒有了！
