晶圆检测

项目信息：

（1）晶圆/wafer最小为4英寸规格，晶圆上的晶粒/die尺寸为250*256um，一个wafer被分为10张BT（蓝膜 （Blue tape）），视觉以BT为单位进行检测。

（2）上下两套相机系统同时取图，实现对晶圆/晶粒正、反表面的关系统一与外观检测。

（3）一幅图像内最多可检40（5*8）颗晶粒，理论像素精度为0.7um。（4）传统的人工检测，只检测正面，节拍为每小时1K-2K个晶粒，由于目检容易疲劳，长时间工作后容易出现误判；由于检测工作的枯燥性，以及晶圆无尘车间的诸多不便，检测人工离职率较高。斟友道的晶圆AOI视觉检测系统，检测节拍最高可达每小时11K个晶粒，漏杀率低于千分之五。

难点：

（1）同种规格甚至同一张BT上的晶粒，都会存在工艺造成的色差与结构差，这给视觉算法的适用性和稳定性方面带来挑战，传统算法无法做到适用。

（2）晶粒焊盘区域处存在正常的探针印（与脏污特征类似），并且不同wafer的探针印还会存在数量和形状上的 差异，这造成了传统算法无法实现该区域的缺陷检测。

检测要求：

（1）正面：上方的print数字与下方的序号，与CSV数据交互并读取电气测量值。

（2）正面：上、下露台的宽度与上方台阶上的凹坑、脏污、缺损等缺陷。

（3）正面：左、右露台的宽度与脏污、缺损、裂纹等缺陷。

（4）正面：发光条表面、上出光口、下出光口处的脱层、脏污、凹坑、缺损、压损等缺陷。

（5）正面：焊盘关键区域的脏污、划痕等检测，焊盘边缘的探针损伤检测。

（6）正面：整体表面的异色、脏污。

（7）反面：整体尺寸、切割不良。

（8）反面：表面脏污、表面脱金、表面开裂

总结：基于使用人工智能的深度学习算法，结合传统视觉算法，本系统可有效检测相关类型的缺陷，并达到所需的节拍及精度需求。