AI 视觉技术解决半导体行业超声波设备的复杂IC瑕疵检测难题

集成电路（IC）的封装生产线面临严峻的质量检测瓶颈。 为了达到生产标准，作业人员必须进行大量的人工复判，才能将FPY提升至95%~98%的目标。需一套自动化且具备智能功能的视觉解决方案，以取代高耗能的人工复判流程，不仅要提升检测准确度，更要减轻现场作业人员的负荷。

挑战

• 严格的面积检测阈值： 检测标准极为精确。 单一气泡面积不得超过IC总面积的3%，且所有气泡面积总和不得超过IC总面积的5%。

• 复杂的多层影像成像： 超声波扫描需评估两层结构：第一层为IC气泡，第二层则为锡焊层。

• 「映射 （Mapping）」干扰： 锡焊层的反射影像（即「映像」）常会投射至IC层，系统必须具备足够的智慧，能正确辨识并将这些反射排除于瑕疵之外，判定为良品。

• 瑕疵形状不规则： 气泡的形状随机且多变，导致传统规则式 （Rule-based） 的机器视觉难以精确计算其面积。

解决方案

为了克服上述挑战，我们部署了 TM AI+ AOI Edge 解决方案，通过深度学习技术执行先进的图像分析与运算：

AI 语义分割 （Semantic Segmentation）

系统采用TM AI Segmentation技术，取代传统视觉算法。 此神经网络能精准界定芯片边界与不规则的不良区域。 透过提取这些像素级的区域，AI可精确计算瑕疵占芯片面积的百分比，严格执行3%与5%的规范。

无缝自动化工作流

超声波设备输出原始影像后，通过网络由TM AI Edge 实时撷取。 在 TMflow 软件中，系统会自动调整图像对比度，使不良特征更加显著，确保 AI 模型能实时做出高准确度的判断。

自动化训练与迭代

该解决方案集成了强大的服务器端 AI Trainer 。 作业人员可针对边缘案例（如复杂的映射反射）进行覆判，并透过 Auto AI Training 功能（自动收集图片、训练模型、部署模型），让AI系统持续学习，越用越精准。

优势

• 高精密品质控管：TM AI 解决方案自动化执行了繁复的数学运算，确认气泡总面积是否符合 5% 及 3% 的严格公差，有效消除人工判读的主观误差。

• 提升营运效率：AI 自动处理了超声波设备标记出的50%待确认零件，大幅降低人工覆判的人力需求，有效降低人事成本。

• 持续优化循环：在导入初期，虽然复杂的「映射」反射仍会标记供人工确认，但透过闭环反馈机制，AI 模型能持续从作业人员的判定中学习，使生产线随着时间推移达到更高的自动化水平。

结论

本案例展示了将专业检测设备与 TM AI+ AOI Edge 结合，如何成功转化深陷瓶颈的质量控管流程。 透过 AI 语义分割技术与持续性的机器学习，可以提供一套高精准度、自动化且具备扩充性的解决方案，有效解决 IC 检测的复杂课题。