IC モールディングの外観欠陥検出と分類
モールディング不良を自動的に特定して分類し、歩留まりと収益性を向上
関連製品
ディープラーニング採用の工業用画像解析向けグラフィカルプログラミング環境
ディープラーニング採用In-Sight ViDi画像処理ソフトウェア搭載
IC 製品の成功と失敗は、外部の力や湿気による害からチップを保護する成形プロセスの品質で決まります。チップの成形中に、割れ、削れ、穴などの欠陥が成形面に埋め込まれる場合があります。人による検査では、非常に小さな亀裂や低コントラストの穴を見逃してしまうことがあります。また、従来のルールベースのビジョンシステムでは、明確な欠陥定義で欠陥領域を検出することは非常に困難です。亀裂、ギザギザのエッジ、変形など、さまざまなタイプの欠陥があります。多くの異常も欠陥と見なされますが、ルールベースのビジョンシステムでは、許容範囲内の軽微な異常と、廃棄チップとなる明確な欠陥を効果的に区別することはできません。欠陥パターンを分類できないため、生産チームは潜在的な問題がある場所を迅速に把握することができません。
Cognex Deep Learning ツールは、メーカーが実際のモールディングの欠陥と特定して分類するのを手助けします。この高度な画像処理ソリューションには、良い/悪い（NG）結果の両方を示す数多くの画像が登録されています。そのため、ソフトウェアで許容範囲内の異常を無視し、実際の重大な欠陥のみにフラグを立てます。コグネックスの位置検索ツールは、対象領域 (ROI) を特定します。ROI が定義されると、欠陥検出ツールで対象領域内の欠陥を特定します。次に分類ツールで、さまざまな欠陥の種類を区分します。この情報を使用して、生産マネージャは、完成 IC の収率を高めるのみでなく、分類情報を使用して、生産課題に対応したり、問題を解決して、収益性を高めることができます。
