應用所羅門 SolVision AI 影像平台的 Classification 及 Segmentation 技術辨識瑕疵特徵。首先以 Classification 工具判斷晶圓是否具有過多瑕疵，汰除無法修復的不良品。其次運用影像處理技術分割晶圓影像，並以 Segmentation 工具偵測影像中的瑕疵，記錄其特徵、坐標、面積等資訊，大幅提升後續修補的效率。

1. Web 版架構，透過網域可同時多人遠端登入上線
2. 整合及留存大量 AOI 設備檢出缺陷數據及圖片，可進行生產履歷統計分析、即時監控在線 AOI 設備缺陷檢出狀況、缺陷照片看圖及產片缺陷 Map 疊圖及缺陷類型判 Code 各項功能
3. 可結合 AI 進行大數據分析並回饋給予生產設備針對生產異常發出預警

運用所羅門 SolVision AI 影像平台的 Segmentation 技術，定位並標註晶圓上的微劃痕以及髒污等影像特徵，並藉以訓練 AI 模型。即便在具有研磨痕跡的影像背景之下，依然可以藉由 AI 視覺輕易地檢出深、淺的微劃痕及其他髒污瑕疵，並精準地偵測出瑕疵所在位置與面積。

1. Line Scan 高速檢測 + AI 缺陷分類
2. 支援 Silicon/Glass Wafer 正背面外觀缺陷檢測
3. 可應用於 CIS/IQC/OQC
4. 可搭載“8/12” EFEM，支援 SECS GEM200/300

1. 可讀取 KLARF 檔進行分區/分 Die/Defect size/Defect type 高速自動缺陷拍照
2. 提供 AI 即時缺陷檢測；即拍即檢即分類，處理速度可達 50 FPS 以上
3. 可搭載“8/12” EFEM，支援 SECS GEM200/300
4. 晶圓/封測製程各 QA 檢查站點/CP & FT 缺陷拍照及檢測

1. AI 即時缺陷檢測及分類，即檢即分類，處理速度可達 50 FPS 以上
2. 可搭載“8/12” EFEM，支援 SECS GEM200/300
3. Min defect size ≧ 0.3µm
4. 可搭載良率管理系統

1. 高速檢測檢測能力最高60PCS/秒(2M)。
2. AI 深度學習辨識瑕疵
3. 同步檢測數量最多同時檢測10個區塊。
4. 檢測面積2mm2-200mm2。
5. 檢測相機採用2M-25M 高速面相機。
6. 檢測精度相機搭配鏡頭解析度0.001mm-0.05mm。
7. 量測能力每秒可檢測2M60張/秒或5M4張/秒。
8. 分類詳細記錄量測數據分別依相機順序存入各個目錄檔案夾中，依日期及排序。自動依日期時間為建立檔名。
9. NG 照片處理自動產生目錄檔案夾，並自動依日期時間為檔名建立。檢測中點選畫面中 NG 縮圖或圖塊，可彈出該完整照片。
10. 即時量測趨勢圖可以顯示各軸的最近1000筆的數據顯示。
11. 操作方式具有作業模式(只顯示數據)，工程模式(含即時影像)和調機模式。

1. Cognex Deep Learning 工具透過套用智慧演算法，學習正常結構分層與缺陷之間的差異，能夠更有效地找出微小裂縫。
2. 高度準確的檢測能挽救可能錯誤地分類為不良 (NG) 的良好晶片封裝，進而提升成品率。深度學習可以找出 WLCSP 上的微小裂縫，若使用傳統方法，這類缺陷可能會通過檢測，而只會過早在現場發生故障。

Cognex Deep Learning 軟體可針對更大部分的晶圓執行自動化缺陷篩選。缺陷探測工具可完全忽略底下的晶圓層，即使是在晶圓層任意處的小缺陷也能發現，然後剔除任何異常者。其也可用於兩層式檢測系統，識別模稜兩可的情況，以及送到離線人工檢測站，以供進一步檢閱。

1. 對應不同的製程，可客製化調整檢測需求
2. 檢測結果進行精確的品質判別與分類
3. 對產品瑕疵分佈圖與個別瑕疵特徵進行檢視
4. 高速、非接觸、3D/2D 表面形貌量測

Cognex Deep Learning 的缺陷探測工具可在晶粒表面上找到不可接受且樣態眾多的塗裝缺陷，但對於基於規則的視覺檢測系統而言，卻是過於複雜或相當費時。該工具會檢查晶粒的表面，檢測各處是否混合出現任何裂縫、碎裂或焦痕。利用可展現缺陷類型與位置變化的許多不同圖像來訓練軟體。識別出潛在的目標檢測區之後，再由 Cognex Deep Learning 的分類工具將缺陷 (例如，裂縫、碎裂、塵斑等) 分類。使用這項資訊，可以改善流程以減少缺陷並提高成品率。

應用所羅門 SolVision 的 AI 影像平台的 Segmentation 技術建立 AI 學習模組，自動學習並偵測爬膠、溢膠的特徵及位置。結合資料擴增技術，模擬接著劑溢出的可能情形，使 AI 學習更多特徵樣態以提升精準度。另一方面，增加多項正確類別提升辨識強度，有效降低環境因素的干擾。

利用 SolVision 的 Feature Detection 功能學習 Tray 盤所需辨識的定位點，再藉由 Segmentation 技術執行光學字元辨識 (Optical Character Recognition, OCR)，能夠大幅優化傳統 AOI 的作業流程，不受識別畫面位移、歪斜及其字元缺陷等限制，精準識別個別料件來源，而隨著學習件數的增加，亦能持續優化 AI 辨別字元的能力，使辨識字元不再困難。

運用 SolVision AI 影像平台的非監督式學習工具 Anomaly Detection，以不具瑕疵的影像樣本(Golden Sample)執行 AI 深度學習，並輔以資料擴增技術提升 AI 模型對於標準樣本的辨識度。訓練完成的 AI 模型即能辨別受測物件與標準樣本的相異之處，定位並標註封裝晶片內邊緣微裂瑕疵的位置，完全不受穿透成像特性的影響。

結合智慧相機與深度學習軟體一起使用，運用光學字元辨識 (OCR) 將受損的條碼解碼。由於有深度學習預先訓練的字型庫，軟體內的深度學習讀碼工具開箱即可使用，大幅縮短開發時間。使用者只需要定義目標檢測區，並設定字元大小即可。引進新字元時，不必具備視覺專業知識，也可以重新訓練這項穩健的工具，讀取傳統 OCR 工具無法解碼的應用特有條碼。

Cognex Deep Learning OCR 工具能使用預先以一千個字元訓練的內建字型庫，讀取曲面字串、低對比字元，以及變形、歪斜及蝕刻不良的條碼。OCR 工具也提供重新訓練功能，讓使用者得以解決無法在第一回合自動識別的全新或特定字元。迅速又準確地讀取晶片的識別號碼，不僅可改善可追溯性，還可確保擷取到正確的資訊，以在未來需要時提供。

1. 即時自動對焦
2. Real Time 影像防震功能
3. Smart 量測功能
4. 明暗視野與 DIC 的全面性觀察
5. 超長景深合成功能
6. 超大範圍拼圖
7. 影像目標導航
8. AI 缺陷目標偵測
9. 3D Profile 量測

1. Die Bond / Wire Bond 多層 Chip 堆疊量測檢測皆可對應，再搭載人工智慧 AI 檢測系統，可提高檢出率準確率達99.99%
2. 距離:弧高、跨弧間之 Gap 間隙，線與線間距等任何平面或段差距離量測
3. 異常:線偏、球脫、斷線等外觀不良缺陷

傳統上，搭配基於規則的視覺統使用自動光學檢測 (AOI) 系統無法運作良好。透過深度學習檢測疑似不良 (NG) 的情況，可強化檢測流程的可靠性。AOI 機器會使用 Cognex Deep Learning 工具，挑出疑似 NG 的情況並將圖像提供給系統。缺陷探測工具可動態擷取目標檢測區，而分類工具可將不同的缺陷分類，區分有缺陷與可接受的引線接合。將缺陷分類，不僅有助於發現流程中的問題，避免在生產線下游進行所費不貲的重工，同時還可成功識別微米級的缺陷，改善 IC 晶片成品率與壽命表現。

Cognex Deep Learning 提供簡單的解決方案，甚至不必以「不合格」圖像進行訓練，就能識別所有異常特徵。相反的，工程師可在非監督模式中使用缺陷探測工具，透過「合格」圖像的樣本來訓練軟體。Cognex Deep Learning 可學會晶片引線與針腳的正常外觀與位置，以及將偏離常軌的所有特徵描繪為有缺陷。

Cognex Deep Learning 工具可協助驗證 OK 與 NG 探針標記之間的差異，能夠以更短的時間，更輕鬆地進行探針標記檢測。軟體用以進行訓練的圖像廣泛多樣，包括顯示正確探針標記的圖像與顯示不可接受探針標記的圖像。隨後即可將不可接受的標記分類為「壓力相關」或「偏離中央」。

1. 運用三台 Allied Vision 的 Guppy F-146B 的成像技術，無需連接顯微鏡便能檢查小於70微米的 IC 打線(Wire Bonding)。
2. 能用於計數、高度量測或是是否有斷裂情形等瑕疵檢測。

運用 SolVision AI 影像平台的 Segmentation 技術，將影像樣本中的瑕疵特徵予以標註並藉以訓練 AI 模型，完成訓練的 AI 模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置，大幅降低晶片在後續封裝製程中斷裂的風險。

1. 全彩/多頻譜掃描 (RGB CCD 感測器)，瑕疵檢出範圍廣
2. 多重閃頻曝光技術，可同時檢出不同光源瑕疵
3. 模組線性度校準 (CCD) ，可有效檢測寬幅的色差瑕疵
4. 可做瑕疵拼接，達到大瑕疵的檢出可能
5. 整合 encoder，可輸出瑕疵地圖

1. 獨有 AI 即時量測及檢測解決方案
2. 可對應“8/12” Wafer/Frame form
3. Chip 重置後位置偏移/旋轉量測
4. 可同時支援 Bumping damage/Die chipping 檢知

1. 按客戶要求檢知孔徑尺寸，檢測精度:1μm
2. 表面外觀缺陷:異物、開口缺口、凹凸、鏽斑、斷開、開口遮蔽等

Cognex Deep Learning 工具提供更簡單的方式，來學習和分類碎裂與毛邊痕跡，以及與切割流程後的正常切口痕跡區分。輕鬆訓練軟體，識別所有碎裂與毛邊，分類為可接受或不可接受，以及忽略在誤差範圍內的正常痕跡。

可檢測槽孔形狀、阻塞、搓牙歪斜、不良、螺紋大小徑、節距、螺絲頭部寬度、厚度、螺絲彎曲、表面磨傷等瑕疵，並提供智慧化檢測資料統計、不良品分析、報表輸出及支援遠端校正管理

可依據不同客戶在生產製造流程需求上提供適合的 AI 缺陷分類判定解決方案

使用所羅門 SolVision 的 Segmentation 技術針對各類瑕疵進行學習，同時可設定 OK 類別避免錯殺誤判，並以資料擴增功能增加 AI 學習的範圍，不僅能有效檢測出各類瑕疵，在雜亂或複雜的背景中，也能精確檢出邊緣凸起、黑邊或黑點，對較不明顯的缺陷也有很好的辨識效果。

運用 SolVision AI 影像平台的 Segmentation 技術執行缺陷檢測(Defect Identification)，在複雜的取像背景中偵測並標註多樣細微瑕疵，以利使用者即時監測並排除承載盤異常情形。

晶片於晶盤中跳料的情形係屬隨機，所致的瑕疵型態多樣且難以預測瑕疵所產生的位置。對 AOI 而言，幾乎無法針對跳料瑕疵設定邏輯並據以檢測。 運用 SolVision AI 影像平台的 Segmentation 技術，以具疊料、空料、歪斜錯置、反轉等瑕疵的影像樣本訓練 AI 模型，AI 訓練完成後即可輕易且迅速地辨識並標註晶盤上產生收納異常的位置。

晶圓切割係半導體及光電業界非常重要的製程，若無法在切割製程中維持高良率、高效率並保有晶片特性，將大幅影響整體產能。晶圓切割刀的品質控管主要透過外觀瑕疵的檢測，常見的外觀瑕疵包括刀體上的不規則紋路、多鑽等情形。由於晶圓切割刀本身即具有環狀條紋，形成複雜影像背景，嚴重影響機器視覺對於瑕疵的偵測。 運用 SolVision AI 影像平台的 Feature Detection 工具，將影像樣本中的不規則紋路及多鑽瑕疵標註並訓練 AI 模型，AI 視覺便可即時檢出晶圓切割刀體上的各式瑕疵。

1. 預測精確度>95%
2. P 判錯率<5%
3. 60秒內偵測100張影像(包含下載、預處理、預測及上傳)

由於固晶技術是封裝製程中的重中之重，執行上對於速度與精準的要求極高。然而製程影像的紋理十分複雜，傳統光學檢測無法利用撰寫邏輯的方式偵測角度、位移偏差及缺漏等瑕疵，時常造成漏檢、誤判、錯誤定位等缺失，大大影響封裝產線的生產效率。 運用 Solomon SolVision AI 影像平台強化位移與角度資訊的可靠性，精準檢測固晶系統的製造誤差及異常情形。另一方面，AI 模組亦可延伸學習不同的晶片形式，針對不同類型的封裝產品執行分析與檢測。

結合 AI 影像辨識平台 AIWinOps 提供智慧製造解決方案，將 AI+AOI 技術應用於石化產業、高爾夫球產業、半導體產業、機械零件製造產業及紡織業等。