ISPEZIONE E CLASSIFICAZIONE DELLE MARCATURE DI PROVA
La tecnologia del deep learning contribuisce ad individuare e classificare le marcature di prova altamente variabili per aumentare l'efficienza dei test sui wafer così come i rendimenti degli stampi.

Prodotti correlati

Ambiente di programmazione grafica per l'analisi di immagini industriali basata sul deep learning

Alimentato dal software di visione basato sul Deep Learning In-Sight ViDi
Prima che un wafer sia inviato alla preparazione della matrice, tutti i singoli circuiti integrati sono testati in termini di continuità e di difetti funzionali. Per questo processo viene utilizzata una scheda sonda con decine di microscopiche sonde elettriche. Ogni sonda lascia un piccolo segno su ogni matrice al momento del contatto. Questo segno dovrebbe essere centrato sulla matrice e indicare che la corretta quantità di pressione è stata esercitata dalla sonda.
Il segno è un indicatore delle accurate prestazioni della sonda. Se la sonda funziona bene, la forma del segno della sonda è buona. Se la sonda non funziona correttamente, la forma del marchio della sonda è non conforme (NON OK). Per esempio, se la sonda esercita troppa pressione, può danneggiarsi nel tempo e non eseguire test elettrici accettabili.
Le sonde sono costose, quindi mantenere la pressione corretta è importante per mantenere il loro ciclo di vita. Usare la visione artificiale tradizionale basata su regole per rilevare e classificare i marchi OK e NON OK è difficile a causa delle numerose variazioni di forma, dimensione e posizione dei segni. Letture incoerenti o false di No Good possono influenzare negativamente la resa e la qualità dei chip.
Gli strumenti Deep Learning di Cognex rendono l'ispezione delle marcature di prova più semplice e meno dispendiosa in termini di tempo, aiutando a verificare la differenza tra i marchi OK e NON OK. Il software è addestrato da una vasta gamma di immagini che mostrano marchi corretti e immagini che mostrano marchi inaccettabili. I marchi inaccettabili possono quindi essere classificati come "legati alla pressione" o "fuori centro".
Usando queste informazioni, gli operatori possono regolare la pressione o l'allineamento della sonda per aumentare il numero di marchi accettabili e mantenere la sonda in buone condizioni di lavoro. L'utilizzo dell'ispezione tramite deep learning sui marchi della sonda può aumentare i rendimenti delle matrici da un wafer rispetto ai metodi alternativi che possono caratterizzare erroneamente i marchi OK come inaccettabili, o i marchi NON OK come accettabili.
