一场疫情，导致当下半导体缺芯严重，让中国认清短板的同时也发现了机遇。虽然国内自主研制暂时无法达到先进水平，但是依然有众多国内芯片企业在坚持不懈地进行自主研发，让我们看到了中国企业的凝聚力与自强精神。

而半导体芯片的检测是制造中不可缺少的一部分，是为提高保障生产芯片的质量，因此其在整个制造流程中起着***关重要的作用。康耐视智慧检测方案专为芯片制造保驾护航，更为助中国芯片制造一臂之力！芯片检测中的难点问题，就交给康耐视来一网打尽！

对准解决方案

晶圆和晶片对位

如今，半导体的特征尺寸为纳米级，这就要求在执行制造工艺(如光刻、切割、引线接合和包装)时具有超高的精度和对准。

挑战Challenge

无论是在光刻工艺、晶圆探测和测试，还是晶圆安装和切割过程中，视觉对准不良都会在机器的整个使用寿命期间造成数以千计的对位损坏晶圆。表现不佳的视觉系统会降低半导体设备公司的市场份额，并大大增加其支持成本。

解决方案Solutions

PatMax技术为晶圆检测、探测、安装、切割和测试设备提供稳定、准确且快速的图案定位，以帮助避免这些问题。PatMax使用获得的几何图案发现算法来定位和对齐可变晶圆和晶粒图案。它能以非常高的精度和可重复性对准晶圆和晶片，确保整个半导体制造流程中设备性能的可靠性。借助康耐视技术的帮助，OEM能够优化设备的整体性能，从而提高质量和产量。

识别/可追溯性解决方读取IC上的字符和代码

半导体行业要求制造商对设备质量和假冒伪劣产品实施更多的控制，因此集成电路芯片的可追溯性要从制造层面开始。晶圆、晶圆载体、引线框架、晶片和成品封装都有识别码，必须在流程的每一步进行读取和验证。

挑战Challenge

在经历了费力的封装测试过程后，半导体芯片很终拥有了它的识别号，其中包含了制造商信息和IC的技术规格。这个字母数字代码被印在IC的好部表面。这一信息的可读性对于半导体制造商的内部和外部可追溯性***关重要。识别和确认这些信息传统上是由基于规则的机器视觉完成的。然而，传统的算法难以读取激光标记或化学蚀刻在集成电路上的很小和可变的文本字符串。其他影响可读性的常见问题是高度纹理表面和环境层压，使图像中的字符变形。

解决方案Solutions

康耐视深度学习技术解决了基于规则的图像处理技术所不能解决的挑战。康耐视深度学习字符识别工具使用内置库读取弯曲的字符串、低对比度的字符以及变形、歪斜和蚀刻质量差的代码，该库预先训练了一千多个字符。字符识别工具还提供重新训练的能力， 因此用户可以解决一次没有自动识别的新字符或特定字符。快速而准确地读取芯片的识别码可以提高可追溯性，并确保捕捉到正确的信息，使其在未来需要时可以使用。

检查/分类解决方案集成电路引线外观检测

对于半导体制造商来说，衡量质量的很佳指标是“每片晶圆的成品率”。使用机器视觉和深度学习技术在流程的各个环节进行缺陷检验，有助于及早发现问题。康耐视的深度学习技术可以帮助隔离制造过程中的缺陷原因，以便迅速采取纠正措施并记录结果。制造工艺的优化和缺陷的减少，可以增加产量。

挑战Challenge

半导体制造商必须重视其集成电路芯片上针脚的挂擦、扭曲、弯曲或缺失等情况。芯片容错率很低，如果存在任何缺陷，即使是在很表层，也会使芯片成为废品。在整个半导体生产过程中，机器视觉用于严格地监控质量和查找缺陷。然而，因为可能出现的缺陷类型太多，所以使用规则式算法对检测进行编程是非常低效的。深度学习视觉软件无需使用大量的缺陷库即可帮助限制半导体缺陷并提高产量。

解决方案Solutions

康耐视读码器深度学习为识别异常特征提供了一个简单的解决方案，甚***不需要使用“不合格”(NG) 图像进行训练。工程师使用康耐视深度学习工具，从“合格”(OK) 的集成电路引脚图像中学习。缺陷检测工具学习芯片引线和引脚的正常外观和位置，并将所有偏离的特征描述为有缺陷。这种机器视觉系统和深度学习软件的强大配对使半导体制造商能够实现更低的测试成本，并提高整体产品质量。