Inspección de superficie del troquel de semiconductores

Detectar imperfecciones que puedan afectar la calidad y el rendimiento del troquel

Vision system identifying defects on a semiconductor die

Productos relacionados

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

Entorno de programación gráfica para análisis de imágenes industriales basado en el Deep Learning

In-Sight D900

In-Sight D900

Impulsado por el software para visión basado en el Deep Learning In-Sight ViDi

En el proceso de fabricación de circuitos integrados, cada troquel debe ser inspeccionado para comprobar si la superficie presenta grietas, astillas, quemaduras, marcas, etc., porque estas imperfecciones pueden afectar negativamente la calidad y el rendimiento del troquel. Estos defectos son variables y se encuentran en diferentes ubicaciones, por lo que es un reto para la visión artificial basada en reglas encontrarlos con precisión en el momento oportuno. Dado que también se producen aberraciones normales que no afectan a la calidad del chip, es importante no perder tiempo marcando estos defectos menores. Dado el tamaño y el volumen de los chips que se procesan a diario, la inspección humana no es eficiente ni práctica. Además, al minimizar la interacción humana se reduce la posibilidad de que entren contaminantes en la sala estéril.

La herramienta de detección de defectos Deep Learning de Cognex puede detectar una amplia variedad de defectos estéticos inaceptables en las superficies de los troqueles que, de otro modo, serían demasiado complejos o requerirían mucho tiempo para los sistemas de inspección de visión basados en reglas. La herramienta analiza la superficie del troquel para detectar cualquier combinación de grietas, astillas o quemaduras. El software se entrena con diferentes imágenes que ilustran la variabilidad del tipo y la ubicación de los defectos. Tras identificar las posibles áreas de interés, la herramienta de clasificación de aprendizaje profundo clasifica los defectos (como grietas, astillas, manchas de polvo, etc.). Con esta información se pueden realizar mejoras en el proceso para disminuir los defectos y aumentar el rendimiento.

 

Ejemplos de matrices de semiconductores buenas y defectuosas

 

Productos destacados de Cognex

ACCESO A ASISTENCIA Y CAPACITACIÓN PARA PRODUCTOS Y MÁS

Únase a MyCognex