Détection des microfissures sur le flanc des boîtiers encapsulés sur tranche

Éliminez les défauts pour améliorer la qualité, les performances et la longévité des puces

Vision system detecting micro cracks on WLCSP

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

Les boîtiers encapsulés sur tranche (WLCSP, Wafer Level Chip Scale Packages) disposent de plusieurs couches et peuvent développer des microfissures en cas de mauvaise manipulation, de tension excessive (par exemple, montage des billes de soudure) ou de transport brutal. Si elles ne sont pas détectées tôt dans le processus, ces fissures peuvent nuire à la qualité, aux performances et à la durabilité de la puce.

En raison de ces risques structuraux, les boîtiers encapsulés sur tranche doivent être inspectés. Pendant la recherche de défauts sur le flanc des boîtiers encapsulés sur tranche, faire la différence entre un changement de couche et une microfissure est difficile. Cela est particulièrement vrai pour la vision industrielle basée sur les règles, car les formes visibles lorsque l’on regarde un boîtier encapsulé sur tranche de côté portent à confusion à cause des arrière-plans parasités et manquant de contraste. Par exemple, les fissures peuvent se trouver à différents endroits et ressembler aux lignes irrégulières formées par les couches structurelles.

Chercher à détecter correctement les microfissures sur les boîtiers encapsulés sur tranche à l’aide de la vision industrielle basée sur les règles est complexe et fastidieux. Les outils de Cognex Deep learning détectent plus efficacement les microfissures en utilisant des algorithmes intelligents pour apprendre les différences entre les couches structurelles normales et les défauts.

Le logiciel est entraîné à partir d’images de microfissures et d’ensembles d’images montrant les couches normales des boîtiers encapsulés sur tranche. L’outil de détection des défauts apprend la variation normale des couches et développe une compréhension complète des défauts (microfissures).

Grâce au Deep Learning, les inspections haute précision augmentent le rendement des boîtiers à puce conformes, qui auraient pu être classés par erreur comme non conformes. Le Deep Learning est par ailleurs capable de détecter les microfissures sur les boîtiers encapsulés sur tranche que les méthodes conventionnelles ne réussissent pas à signaler lors de l’inspection, ce qui conduirait inévitablement à un dysfonctionnement prématuré.

 

Exemple d’un boîtier encapsulé sur tranche conforme et d’un autre défectueux avec une microfissure

 

Produits Cognex connexes

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

Rejoindre MyCognex