Inspeção de Defeitos nas Ligações de Fios
Diferencie anomalias defeituosas das toleráveis para melhorar o rendimento e o desempenho do chip de CI
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
A ligação de fios é o método mais comum usado para interconexão dentro de muitos circuitos integrados e microchips. É um processo delicado que requer alta precisão. O objetivo da ligação de fios é conectar os terminais do chip ao material de embalagem com fios de metal muito finos. O material de embalagem transmite sinais para outros componentes. Defeitos como fios quebrados ou ausentes podem interromper a transmissão do sinal. Esses defeitos podem variar em tipo e localização, o que torna difícil para as soluções de visão baseadas em regras determinar com precisão uma ligação de fios defeituosa.
Tradicionalmente, usar um sistema de Inspeção Óptica Automatizada (AOI) com visão baseada em regras não funciona bem. Assim, casos suspeitos de Não é Bom (NG) são inspecionados por deep learning para aumentar a confiabilidade do processo de inspeção. A máquina AOI seleciona os casos suspeitos de NG e alimenta as imagens para um sistema usando as ferramentas do Cognex Deep Learning. A ferramenta de detecção de defeitos extrai dinamicamente a região de interesse e a ferramenta de classificação categoriza os vários defeitos, distinguindo ligações de fios defeituosas das aceitáveis. Classificar os defeitos ajuda a isolar os problemas no processo para evitar retrabalho caro mais adiante na linha, enquanto a identificação bem-sucedida de defeitos em nível de mícron melhora o rendimento do chip e a longevidade de desempenho do CI.
