Erkennung von Randausbrüchen und Graten nach dem Dicing
Fehler von zulässigen Schnittspuren nach dem Dicingprozess unterscheiden

Ähnliche Produkte

Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse

Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Nachdem der Wafer verschiedenen Beschichtungs- und Ätzprozessen unterzogen wurde, wird er zersägt, um die Chips zu vereinzeln. Nach diesem Verfahren kann ein Chip Ausbrüche oder Gratspuren entlang des Sägeschnitts aufweisen. Ausbrüche und Grate beeinträchtigen die Qualität der integrierten Schaltung, daher müssen diese nach dem Dicing geprüft werden.. Bei einer überdurchschnittlich hohen Anzahl von Chips außerhalb des Toleranzbereichs empfehlen wir eine Anpassung oder den Austausch des Sägeblatts.
Üblicherweise wird der Chip mit regelbasierter Bildverarbeitung überprüft, was jedoch oft unzuverlässig ist, weil die Ausbrüche und Grate sehr unterschiedlich und schwer von normalen Dicing-Spuren oder normalen Mustern des integrierten Schaltkreises zu unterscheiden sind. Es ist schwierig, Bildverarbeitungsalgorithmen zu entwickeln, die alle Variationen abdecken und unzulässige Fehler von Abweichungen innerhalb des Toleranzbereichs unterscheiden können.
Cognex Deep-Learning-Tools bieten eine einfachere Möglichkeit, Ausbruch- und Gratspuren zu erlernen und zu klassifizieren, um sie von normalen Dicing-Spuren nach dem Schneideprozess zu unterscheiden. Die Software lässt sich leicht trainieren, damit sie alle Ausbrüche und Graten erkennt, als zulässig oder unzulässig klassifiziert und normale Spuren innerhalb des Toleranzbereichs ignoriert.
Hersteller können mithilfe dieser Informationen den Dicing-Vorgang optimieren, indem sie zum Beispiel das Diamantsägeblatt austauschen, das zu stumpf oder zu breit geworden ist. Ein weiterer Vorteil der richtigen Erkennung des Unterschieds zwischen OK und nicht in Ordnung (NOK) ist ein höherer Ertrag guter Chips, die ansonsten aufgrund falscher Ergebnisse ausgesondert worden wären.
