切丁后边缘切屑和毛刺检测

在切丁过程后，从可接受的切割痕迹中进行鉴别检测

相关产品

VisionPro深度学习

基于深度学习的工业图像分析图形化编程环境

看见D900

基于In-Sight ViDi深度学习的视觉软件

在晶圆经历各种分层和蚀刻工艺后，将其切丁以释放单个模具。按照这一程序，模具可能会沿着切口有削屑或毛刺痕迹。切屑和毛刺会影响IC器件的质量，因此在切丁后对其进行检查是非常重要的。超出公差的切屑数量高于平均水平也可能表明切屑锯片需要调整或更换。

一种常见的检查模具的方法是使用基于规则的机器视觉，但它通常是不可靠的，因为芯片和毛刺是高度可变的，很难与德国必威正常的切丁痕迹或IC图案区分开来。开发机器视觉算法来覆盖所有变化，并区分不可接受的标记和德国必威在公差范围内的标记是很困难的。

康耐视深度学习工具提供了一种更简单的方法来学习和分类切屑和毛刺痕迹，并在切丁过程后将它们与正常切割痕迹区分开来。该软件可以很容易地训练识别所有的芯片和毛刺，将它们分类为可接受或不可接受的，并忽略在容忍范围内的正常标记。

利用这些信息，制造商可以优化切割过程，例如，更换变得太钝或太宽的金刚石锯片。正确检测OK和No Good (NG)之间的差异的另一个好处是增加了好芯片的产量，否则可能会由于错误读取而被扔掉。