在半導體製造行業中，晶圓的缺陷檢測是確保產品品質的關鍵環節。晶圓缺陷檢測的精確性直接影響到產品的質量和生產效率。

本文將詳細介紹DFK38UX304相機在該應用案例中的表現，並探討其如何提升檢測效率和準確性。

人工檢測的問題

在安裝The Imaging Source兆鎂新的視覺解決方案之前，半導體廠商依賴人工檢測來完成晶圓的品質控制。 檢測人員使用手持掃描器逐一檢查晶圓的正面和背面，尋找劃痕、髒汙、損傷等缺陷。

這種方法不僅耗時耗力，而且容易出現誤判和漏判，尤其在高速生產環境中，傳統的人工檢測方法已無法滿足現代生產線的高解析度和高效要求，導致生產效率低下且人力成本高昂。

為應對這些挑戰，半導體廠商引入基於The Imaging Source兆鎂新的DFK38UX304相機的機器視覺解決方案。

基於機器視覺的檢測方案

在該應用案例中，The imaging Source的DFK38UX304相機被用於半導體行業的晶圓缺陷檢測。該款相機憑藉出色的影像捕捉能力和高解析度，成為檢測系統中的核心器件。通過與Zebra的Aurora Vision Studio深度學習系統的無縫整合，DFK38UX304相機能夠提供清晰、高精度的圖像數據，這些數據經過深度學習演算法分析，幫助檢測系統快速識別出晶圓上的各種缺陷。

高效處理大規模晶粒檢測

晶圓的最小規格為4英寸，每個晶圓上有250μm×265μm大小的晶粒（die）。 一個晶圓被分為10張BT（藍膜），視覺檢測以BT為單位進行。

傳統的人工檢測只能針對晶圓的正面進行檢測，檢測速度慢且容易出錯。人工檢測的節拍為每小時1,000~2,000個晶粒，這種速度在高速生產環境下遠遠無法滿足需求。此外，人工檢測人員容易產生疲勞，長時間工作會導致誤判率增加。

突破傳統檢測的速度與漏檢率挑戰

基於DFK38UX304相機的晶圓自動光學檢測（AOI）系統，可以同時對晶圓的正反兩面進行檢測。 系統配備了兩套相機，能夠在上下兩個方向同時拍攝圖像，實現對晶圓及其晶粒的全面檢測（圖一）。

一幅圖像內最多可檢測40顆晶粒，理論圖元精度達到0.7μm，大大提升了檢測效率。DFK38UX304相機的高解析度和全域快門技術確保了在高速生產環境中的圖像清晰度和穩定性，從而能夠在每小時檢測高達11,000個晶粒，顯著提高了檢測速度，並降低了漏檢率（低於千分之五）。

圖一 : 晶圓檢測模擬圖（source：The Imaging Source）

（1）突破色差與結構差異的檢測難題

晶圓製造過程中，由於工藝的不同，同一規格的晶粒或同一張BT上的晶粒可能存在色差和結構差異。 這些差異給傳統視覺演算法的適用性和穩定性帶來了挑戰，傳統演算法往往難以處理這些變化，導致檢測結果的不一致性。

DFK38UX304相機與Aurora Vision Studio深度學習系統的結合，解決了這一問題。 深度學習演算法可以通過大量的樣本數據訓練模型，學會識別並適應不同的色差和結構差異。 Aurora Vision Studio系統能夠處理因工藝造成的複雜色差和結構差異，提供穩定的檢測結果。 系統通過對每個晶粒進行細緻地分析，能夠準確識別其缺陷，無論是由於工藝原因產生的色差還是結構差異，都不會影響系統的檢測性能。

（2）探針印與髒污特徵的區分

在晶圓的焊盤區域，存在正常的探針印，這些探針印與臟污特徵在視覺上非常相似。 不同晶圓的探針印數量和形狀也有所不同，這給傳統的缺陷檢測演算法帶來了極大的挑戰。 傳統演算法難以有效區分探針印和髒污，從而導致檢測準確性降低。

DFK38UX304相機的高解析度和全域快門配合Aurora Vision Studio的深度學習演算法，可以準確區分探針印和髒污特徵。 系統能夠識別探針印的正常模式，並將其與髒污特徵進行區分。 通過深度學習模型的訓練，系統可以適應不同探針印的形狀和數量，從而準確識別和檢測這些區域的缺陷。 這一技術顯著提高了缺陷檢測的準確性，解決了傳統演算法無法處理的探針印問題。

（3）提高檢測準確性，減輕員工負擔

傳統人工檢測不僅效率低，而且容易受到疲勞的影響，長時間的枯燥工作使得人工離職率較高。 高誤差率和低效率也增加了生產成本。

DFK38UX304相機和Aurora Vision Studio系統的應用，顯著提高了檢測的準確性和效率，減少了對人工的依賴。 自動化檢測系統的引入，不僅將檢測速度提升到了每小時11,000個晶粒，還降低了漏檢率。

系統的高效率和準確性減輕了工人的負擔，提高了工作環境的舒適性，從而降低了人工離職率。 通過自動化系統的應用，生產線的整體效率得到提升。

圖二 : 檢測人員正在做晶粒外觀檢測

相機的應用與系統整合

DFK38UX304相機在此應用案例中的主要作用是提供高解析度的圖像數據。 相機通過USB 3.1介面與計算機系統連接，捕捉高達12.3MP的清晰圖像。 相機的全域快門技術，確保在高速運動下依然能夠獲得穩定清晰的圖像，這對於檢測快速移動的晶圓至關重要。

圖三 : 38 U系列進階功能USB 3.1工業相機（source：The Imaging Source）

DFK38UX304相機的主要特色，包括：1.感測器：1.1英寸Sony CMOS Pregius IMX304；2.解析度：4,096×3,000（12.3MP）；3.幀率：最高26fps；4.畫素：水準dd3.45μm，垂直3.45μm；5.快門：全域快門；6.介面：USB 3.1；7.尺寸：29 mm×44 mm×60 mm。

從相機獲取的圖像數據被即時傳輸到Aurora Vision Studio深度學習系統，後者利用先進的深度學習演算法對圖像進行分析。

Aurora Vision Studio深度學習系統能夠有效識別和分類圖像中的各種缺陷，如探針劃傷、髒污、崩邊、序列號模糊和切割異常。系統的深度學習模型通過對大量數據的訓練，能夠適應晶圓上的工藝色差和結構差異，實現高效、穩定的檢測性能。 此外，系統還能實時記錄和保存檢測數據，生成詳細的CSV檔，提供後續分析和記錄。

（a）邊緣缺陷檢測

（b）焊盤缺陷檢測

（c）背面崩邊檢測

（d）序列號識別

圖四 : 利用DFK38UX304相機拍攝出的（a）邊緣缺陷、（b）焊盤缺陷、（c）背面崩邊的檢測效果圖和（d）序列號識別結果。（source：The Imaging Source）

結語

引入The Imaging Source DFK38UX304相機和Aurora Vision Studio深度學習系統後，半導體廠商在晶圓缺陷檢測中的表現顯著提升。檢測節拍從傳統的每小時1,000-2,000個晶粒提升至每小時11,000個晶粒，漏檢率低於千分之五。 系統能夠全面識別晶圓上的各種缺陷，包括探針劃傷、髒污、崩邊、序列號模糊和切割異常，不僅提高了檢測精度，還有效地降低了生產成本。

兆鎂新DFK38UX304相機和Aurora Vision Studio深度學習系統的應用，展示了先進機器視覺技術在半導體行業中的巨大潛力。隨著半導體行業的發展，對檢測精度和效率的要求將越來越高。此解決方案不僅提升了檢測性能，還有助於推動行業的技術進步和市場競爭力。未來，類似的視覺檢測系統將在更多領域得到應用，推動半導體行業向更高效、更智慧的方向發展。