集成电路引线外观检查
深度学习技术有助于限制半导体缺陷并提高成品率,而无需使用大量的缺陷库。
![IC铅化妆品检验通行证和失败示例](http://m.czl106.com/library/media/industry/electronics-products/ic-lead-cosmetic-inspection.gif?sc_lang=en&h=250&w=350&la=en&hash=99F710CF031CA7AE9723A4506EC512F1)
德国必威机器视觉在半导体制造过程中被用于严格监控质量和发现缺陷。制造商必须警惕刮伤、扭曲、弯曲或缺针。一个芯片有如此低的误差容限,任何缺陷,即使是最表面的,都是拒绝的原因。由于有这么多潜在的缺陷类型,将检查程序编程到基于规则的算法中是低效的。显式地搜索所有缺陷过于复杂和耗时。深度学习算法可以在不使用大量缺陷库的情况下帮助限制半导体缺陷并提高成品率。
Cognex深度学习提供了一个简单的解决方案来识别所有异常特征,甚至不需要对“坏”图像进行训练。相反,工程师使用缺陷检测工具在无监督模式下对“好”图像样本进行软件训练。Cognex深度学习了解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缺陷。