4000900632 309181818@qq.com 周一至周六 08:30-18:00
知识中心
词条目录

绍兴_AI质检系统

AI质检系统在绍兴半导体产业中扮演的是产线良率守门员的角色,它用机器视觉加深度学习模型替代人工目检,在晶圆制造、封装测试等环节实现在线缺陷检测与分类。绍兴正从传统纺织、黄酒、汽配向集成电路方向延伸,封测和功率器件产线对微小缺陷的检出稳定性要求很高,AI质检恰好补上了人工目检在一致性上的短板。

一、AI质检系统到底解决什么问题

很多工厂的质检环节仍然靠显微镜下的人眼判断。半导体封装里的金线偏移、芯片崩边、焊点虚焊,单条产线每天要看成千上万颗,人眼在连续作业两小时后漏检率就会明显上升。AI质检系统解决的核心问题就是检测一致性——把缺陷判定从"老师傅的经验"变成"可复现的模型输出"。

它和传统机器视觉的区别在于:传统视觉靠人工写规则,比如灰度阈值、边缘模板匹配,换一个批次、换一种料号就要重新调参;AI质检用样本训练模型,对光照波动、产品轻微变形有更强的容忍度。业界常见做法是传统视觉做粗定位,深度学习模型做精细分类,两者串联使用。

二、核心功能与技术要点有哪些

一套完整的AI质检系统通常包含成像单元、推理引擎、缺陷分类模型和与产线对接的通信模块。技术要点集中在几个方面。

成像环节决定上限。半导体检测常用高分辨率工业相机配合远心镜头,分辨率需求从几百万像素到上千万像素不等,具体取决于最小缺陷尺寸。照明方案多用同轴光、环形光或背光,检测金线、崩边这类特征时对光源角度很敏感。

推理节拍要匹配产线。封测产线的节拍通常在几十毫秒到几百毫秒每颗,模型推理必须在这个窗口内完成,因此边缘端部署是主流,模型经过量化压缩后在工控机上跑,而不是全部上传云端。

缺陷分类模型需要小样本能力。半导体缺陷样本获取成本高,良品多、缺陷少是常态,业界普遍采用数据增强、迁移学习来降低对缺陷样本数量的依赖。

对接方式上,AI质检系统一般通过SECS/GEM协议与半导体设备通信,或通过OPC-UA、MQTT对接MES和SCADA系统,检测结果写入MES做批次追溯。这是选型时要问清楚的第一件事——系统能不能和现有MES打通。

三、绍兴半导体有哪些典型应用场景

绍兴的集成电路布局集中在封装测试、功率器件和MEMS传感器方向,AI质检的落点也主要在这几类工序。

假设一家做功率器件的封测厂,在焊线工序后需要检测金线弧高、线尾偏移和焊点形貌。这类缺陷微小且背景复杂,人工目检效率低,AI质检可以在焊线机后接一台检测工位,逐颗拍照判定并自动分拣。

再假设一家做MEMS传感器的企业,晶圆划片后的崩边检测是典型场景。崩边尺寸在微米级,且划片道附近有正常纹理干扰,规则视觉容易误判,深度学习模型经过标注训练后可以把崩边和正常边缘区分开。

还有一类是封装外观检测,比如塑封体表面的气孔、划痕、异物。这类缺陷对比度低,业内常见做法是多角度光源分时拍照,多张图像输入模型综合判定,降低单一光源下的漏检。

四、选型与实施要注意什么

不少企业在选型时容易只看模型精度指标,忽略工程落地条件。以下几个追问值得提前想清楚。

检测精度和过杀率怎么平衡。半导体产线对过杀很敏感,误判太多会导致良品被反复复检,产线效率下降。选型时要问厂商在类似工序上的过杀率控制水平,以及模型是否支持按料号调整判定阈值。

实施周期大概多长。一个工序的AI质检从成像调试、样本采集标注到模型训练上线,通常需要数周到数月,取决于缺陷种类数量和样本获取难度。样本越稀缺的缺陷,周期越长。

硬件需要哪些条件。边缘推理需要工控机或边缘盒子,算力配置取决于模型大小和节拍要求;相机和光源需要根据缺陷特征选型,这部分往往需要厂商到现场打光验证,不能只靠参数表定方案。

成本构成大致分几块。成像硬件、算力硬件、软件授权、实施服务和后续模型维护,其中模型维护是容易被低估的部分——产线换料号、工艺调整后模型需要重新训练,这部分工作量要提前约定。

常见误区是把它当成一次性采购。AI质检模型是有生命周期的,来料批次变化、设备老化都会影响检出效果,业内更合理的做法是按持续服务来规划,而不是买完就不管。

五、适合哪些工厂,不适合哪些场景

AI质检系统适合产线节拍相对稳定、来料一致性较好、缺陷有明确视觉特征的工序,比如封测外观检测、焊线检测、划片崩边检测这类场景,样本可获取、判定标准可定义,落地成功率较高。

不适合的场景也要说清楚。强反光表面、高变形工件、缺陷定义本身模糊的工序,需要额外评估成像方案和标注一致性,不能指望一套通用模型直接套用。另外,缺陷样本极少且无法人工构造的工序,短期内用规则视觉或抽检可能更务实。

绍兴半导体产业处于产能爬坡和良率打磨并行的阶段,AI质检的价值不在于替代全部人工,而在于把重复性目检岗位的判定波动压下去,让良率数据可追溯、可分析。选型时把对接方式、过杀率、维护责任这三件事谈透,比单纯比较模型精度更有意义。业界从ERP时代起深耕数十年、服务120万客户、累计部署终端数千万台的厂商,在产线系统对接和持续服务上通常更有积累,这也是评估供应商时可以参考的一个维度。

所属分类: 智能工厂百科