Detecção de Microfissuras na Parede Lateral do WLCSP
Elimine defeitos para melhorar a qualidade, desempenho e longevidade do chip
Produtos Relacionados
Ambiente de programação gráfica para análise de imagem industrial baseada em deep learning
Baseado na Tecnologia de Software de Visão In-Sight ViDi Deep Learning
Os Pacotes de Escala de Chip de Nível de Wafer (WLCSPs) têm várias camadas e podem desenvolver microfissuras devido a danos causados por manuseio inadequado, tensão excessiva (ou seja, montagem de bolas de solda) ou transporte difícil. Se não forem detectadas no início do processo, essas rachaduras podem afetar a qualidade, o desempenho e a longevidade do chip.
Por causa desses riscos estruturais, os WLCSPs devem ser inspecionados. Ao verificar se há defeitos ao longo da parede lateral do WLCSP, é difícil saber a diferença entre uma mudança de camada e uma microfissura. Fazer essa distinção é difícil para os sistemas de visão baseados em regras porque há padrões confusos ao visualizar o WLCSP do lado devido a fundos com ruído e baixo contraste. Por exemplo, as rachaduras estão em locais diferentes e podem parecer linhas irregulares de camadas estruturais.
Tentar detectar corretamente microfissuras em WLCSPs usando sistemas de visão baseados em regras é demorado e desafiador. As ferramentas do Cognex Deep Learning detectam com mais eficiência microfissuras aplicando algoritmos inteligentes para aprender as diferenças entre camadas estruturais normais e defeitos.
O software é configurado com uma variedade de imagens que mostram microfissuras, bem como conjuntos de imagens que mostram a estratificação normal dentro de WLCSPs. A ferramenta de detecção de defeitos aprende a variação normal da camada e desenvolve uma compreensão abrangente dos defeitos (microfissuras).
Usando deep learning, as inspeções altamente precisas aumentam o rendimento de bons pacotes de chips que podem ter sido erroneamente classificados como Não é Bom (NG). Por outro lado, o deep learning pode detectar microfissuras nos WLCSPs que, de outra forma, teriam passado na inspeção de métodos tradicionais, apenas para falhar prematuramente no campo.
