Prüfung auf kosmetische Fehler und Klassifizierung von IC-Spritzguss
Spritzgussfehler automatisch erkennen und klassifizieren, um den Ertrag und die Rentabilität zu erhöhen
Ähnliche Produkte
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Der Erfolg oder Misserfolg eines IC-Produkts hängt von der Qualität des Spritzgussprozesses ab, der Chips vor Schäden durch äußere Einwirkungen und Feuchtigkeit schützt. Schäden wie beispielsweise Risse oder Hohlstellen können beim Vergießen eines Chips in die Spritzgussfläche eingeschlossen werden. Bei Prüfungen durch Menschen werden oft haarfeine Risse oder kontrastarme Hohlstellen übersehen. Für herkömmliche regelbasierte Bildverarbeitungssysteme ist es auch sehr schwierig, den fehlerhaften Bereich mit einer klaren Fehlerdefinition zu erkennen. Es gibt viele Fehlertypen wie Risse, gezackte Ränder und Verformungen. Viele Anomalien sind auch Mängel; regelbasierte Bildverarbeitungssysteme können jedoch nicht wirklich zwischen einer kleineren Anomalie innerhalb des Toleranzbereichs und einem klaren Mangel unterscheiden, der darauf hinweist, dass der Chip ausgesondert werden muss. Wenn es Produktionsteams nicht gelingt, fehlerhafte Muster zu klassifizieren, können sie nicht schnell erfassen, wo mögliche Probleme zu finden sind.
Mithilfe der Cognex Deep-Learning-Tools können Hersteller echte Vergussfehler erkennen und klassifizieren. Diese erweiterte Bildverarbeitungslösung wird anhand einer Reihe von Bildern trainiert, die sowohl gute als auch nicht gute (NOK) Ergebnisse zeigen. So kann die Software Anomalien überspringen, die innerhalb des Toleranzbereichs liegen und jene erkennen, bei denen es sich wirklich um erhebliche Mängel handelt. Das Cognex Lokalisierungstool erkennt den Zielbereich (Region of Interest, ROI). Nach Festlegung des ROI erkennt das Defekterkennungstool den Fehler in diesem Bereich. Das Klassifizierungstool kategorisiert dann die verschiedenen Fehlertypen. Produktionsleiter können mithilfe dieser Informationen nicht nur den Ertrag ihrer fertigen integrierten Schaltungen steigern, sondern auch die Klassifizierungsinformationen dazu nutzen, Produktionsprobleme zu erkennen und zu beheben, wodurch wiederum die Rentabilität gesteigert wird.
