Inspection esthétique des fils des circuits intégrés

La technologie de Deep Learning permet de limiter les défauts des semi-conducteurs et d’améliorer le rendement, sans avoir recours à une bibliothèque de défauts étendue.

IC Lead Cosmetic Inspection pass and fail examples

Produits connexes

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

Un environnement de programmation graphique pour l'analyse d'images industrielles basée sur le deep learning

In-Sight D900

In-Sight D900

Optimisé par le logiciel de vision basé sur le deep learning In-Sight ViDi

La vision industrielle est utilisée tout au long du processus de fabrication de semi-conducteurs pour surveiller rigoureusement la qualité et détecter les défauts. Les fabricants doivent être vigilants en cas de broches rayées, tordues, pliées ou manquantes. Une puce laisse si peu de place à l’erreur que n’importe quel défaut, même le plus superficiel, est une cause de rejet. Avec autant de types de défauts potentiels, il est inefficace de programmer une inspection dans un algorithme basé sur les règles. La recherche précise de tous les défauts est trop compliquée et fastidieuse. Les algorithmes basés sur le Deep Learning peuvent permettre de limiter les défauts des semi-conducteurs et d’améliorer le rendement, sans avoir recours à une bibliothèque de défauts étendue.

Cognex Deep Learning constitue une solution simple pour identifier toutes les anomalies, sans aucun entraînement sur les mauvaises images. Grâce à l’outil de détection des défauts en mode supervisé, un ingénieur entraîne le logiciel sur un échantillon de bonnes images. Cognex Deep Learning apprend l’aspect et la position normaux des fils et broches des puces, puis définit toutes les caractéristiques qui diffèrent comme étant défectueuses.

Produits Cognex connexes

ACCÉDEZ AU SUPPORT ET AUX FORMATIONS POUR VOS PRODUITS ET BIEN PLUS

Rejoindre MyCognex