Detección de microfisuras en las paredes laterales de WLCSP

Eliminar defectos para mejorar la calidad, el rendimiento y la longevidad del chip

Vision system detecting micro cracks on WLCSP

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

Los empaques a escala de chip a nivel del wafer (WLCSP) tienen múltiples capas y pueden desarrollar microfisuras por daños causados por un mal manejo, una tensión excesiva (por ejemplo, el montaje de bolas de soldadura) o un transporte accidentado. Si no se detectan en una fase temprana del proceso, estas grietas pueden afectar a la calidad, el rendimiento y la longevidad del chip.

Debido a estos riesgos estructurales, se deberían inspeccionar los WLCSP. Al verificar la presencia de defectos a lo largo de la pared lateral del WLCSP, es difícil detectar la diferencia entre un cambio de capa y una microfisura. Hacer esta distinción es difícil para la visión artificial basada en reglas porque hay patrones confusos cuando se ve el WLCSP desde un lado debido a fondos ruidosos y de bajo contraste. Por ejemplo, las grietas se encuentran en diferentes lugares y pueden verse como líneas irregulares de las capas estructurales.

Intentar detectar microfisuras correctamente en los WLCSP con visión artificial basada en reglas es desafiante y lleva mucho tiempo. Las herramientas de Cognex Deep Learning detectan de forma más eficiente las microfisuras mediante algoritmos inteligentes para aprender las diferencias entre las capas estructurales normales y los defectos.

El software se entrena con diferentes imágenes que muestran microfisuras y grupos de imágenes que muestran las capas normales de los WLCSP. La herramienta de detección de defectos aprende la variación de las capas normales y desarrolla una comprensión exhaustiva de los defectos (microfisuras).

Mediante el Deep Learning, las inspecciones de alta precisión aumentan el rendimiento de los paquetes de chips en buen estado que podrían haber sido clasificados erróneamente como “malos”. Por el contratio, el Deep Learning puede detectar microfisuras en los WLCSP que, de otro modo, habrían aprobado la inspección de los métodos tradicionales sólo para fallar prematuramente al ser usados.

 

Ejemplos de WLCSP aceptables y no aceptables con microfisuras

 

Productos destacados de Cognex

ACCESO A ASISTENCIA Y CAPACITACIÓN PARA PRODUCTOS Y MÁS

Únase a MyCognex