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