Detecção de Microfissuras na Parede Lateral do WLCSP

Elimine defeitos para melhorar a qualidade, desempenho e longevidade do chip

Vision system detecting micro cracks on WLCSP

Produtos Relacionados

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

Ambiente de programação gráfica para análise de imagem industrial baseada em deep learning

In-Sight D900

In-Sight D900

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.

 

Exemplo de WLCSP bom e WLCSP ruim com microfissura

 

PRODUTOS COGNEX EM DESTAQUE

ACESSE O SUPORTE E TREINAMENTO DE PRODUTOS E MAIS

Junte-se ao MyCognex