Detecção de Lascas e Rebarbas nas Bordas Após o Corte
Diferencie os defeitos das marcas de corte aceitáveis após o processo de corte
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
Depois que o wafer passa por vários processos de estratificação e gravação, ele é cortado para liberar os moldes individuais. Seguindo este procedimento, um molde pode apresentar lascas ou marcas de rebarbas ao longo do corte. Lascas e rebarbas afetam a qualidade do dispositivo de CI, por isso é importante inspecioná-los após o corte. Um número maior que a média de lascas fora da tolerância também pode sugerir que a lâmina da serra de corte precisa ser ajustada ou substituída.
Uma maneira comum de inspecionar o molde é usando sistemas de visão baseados em regras, mas muitas vezes não é confiável porque as lascas e rebarbas são altamente variáveis e difíceis de distinguir das marcas de corte normais ou padrões de CI. É difícil desenvolver algoritmos de sistemas de visão para cobrir todas as variações e distinguir marcas inaceitáveis de marcas que estão dentro da tolerância.
As ferramentas do Cognex Deep Learning oferecem uma maneira mais simples de aprender e classificar marcas de lascas e rebarbas e diferenciá-las das marcas de corte normais após o processo de corte. O software pode ser facilmente configurado para identificar todas as lascas e rebarbas, classificá-las como aceitáveis ou inaceitáveis e ignorar as marcas normais que estão dentro da tolerância.
Usando essas informações, os fabricantes podem otimizar o processo de corte, por exemplo, substituindo a lâmina da serra de diamante que ficou muito cega ou muito larga. Outro benefício de detectar corretamente a diferença entre OK e Não está Bom (NG) é um aumento no rendimento de chips bons que, de outra forma, poderiam ter sido jogados fora devido à leituras falsas.
