Sherlock8 AI 驅動(dòng)的視覺(jué)檢測可以發(fā)現極小的納米級 PCB 缺陷

手機行業(yè)的規模和競爭力推動(dòng)了許多行業(yè)的投資和創(chuàng )新，從成像、軟件，甚至冶金。毫無(wú)疑問(wèn)，半導體技術(shù)和市場(chǎng)受到了最大的沖擊和影響， 更小封裝更高性能是半導體市場(chǎng)幾十年來(lái)一直不懈的需求。 幾個(gè)月前，蘋(píng)果發(fā)布了最新款 iPhone，其中一些配備了臺灣臺積電生產(chǎn)的全新 3 納米制造工藝的新型 A17 仿生芯片。 據報道，蘋(píng)果采購了臺積電能夠生產(chǎn)的所有3nm芯片。 這些芯片比 5 納米前代芯片更小、更快、耗電更低、更節能。 據蘋(píng)果公司稱(chēng)，每塊芯片都有 190 億個(gè)晶體管，其中一些晶體管非常小，可能只有 12 個(gè)硅原子寬。

同樣的壓力也延伸到了印刷電路板制造領(lǐng)域。據報道，蘋(píng)果公司將改用樹(shù)脂涂層銅 (RCC) 箔作為其新的 PCB 材料，從而使該公司能夠將其制造得更薄。 這對制造商來(lái)說(shuō)將是一個(gè)挑戰，因為 RCC 箔非常脆弱，研究人員在 IEEE 上發(fā)表文章稱(chēng)，它在層壓過(guò)程中特別容易受到熱量和壓力的影響。僅僅創(chuàng )新是不夠的——你必須要有利潤。 《信息》雜志 的新報道描述了蘋(píng)果為降低成本而獲得的有利條件：作為巨額訂單的回報，臺積電必須承擔帶有缺陷的處理器芯片的成本。 因此，盡管像 TSM 這樣的晶圓廠(chǎng)正在通過(guò)開(kāi)發(fā)更小的節點(diǎn)工藝以減小芯片尺寸和降低功耗來(lái)加強自己的競爭力，但它們在質(zhì)量方面將面臨嚴峻的挑戰。

PCB 的自動(dòng)光學(xué)檢測

對于許多公司來(lái)說(shuō)，質(zhì)量控制是 PCB 制造鏈中的主要瓶頸，包括可靠性測試和返工有缺陷的 PCB。 提高質(zhì)量控制的速度和效率可以顯著(zhù)提高產(chǎn)量和成品率，降低制造成本和減少浪費。大多數 PCB 制造商使用自動(dòng)光學(xué)檢測 (AOI) 來(lái)監控印刷電路板中的缺陷。 當印刷板上的焊接、連接、焊盤(pán)和走線(xiàn)存在缺陷時(shí)，這可以提供強有力的保證。

事實(shí)證明，AOI 對于及早檢測組裝過(guò)程中出現的問(wèn)題非常有用，例如短路、開(kāi)路、焊接變薄、走線(xiàn)劃痕等。 特別是，劃痕對于電路板來(lái)說(shuō)可能是“致命的”，會(huì )改變其電氣特性并導致成品完全故障。AOI 的優(yōu)勢是直接集成在 PCB 生產(chǎn)線(xiàn)的末端，在層壓和蝕刻之前，比其他方法更早地檢測到可能的缺陷。 成像系統捕獲高分辨率圖像，分辨率低至幾微米，然后將它們與“完美”模型板（也稱(chēng)為“黃金模板”）的圖像或合格樣品和缺陷樣品的圖像數據庫進(jìn)行比較 。

除了對組裝中的 PCB 進(jìn)行測試外，AOI 方法還可以監控制造過(guò)程本身。 抓取設備可以實(shí)時(shí)響應檢測到的缺陷，糾正組件錯位和未對準等裝配缺陷。

超越傳統走向人工智能成像

盡管如此，隨著(zhù)對更小、更高性能零件的需求，由此產(chǎn)生的材料缺陷的復雜性和微妙性意味著(zhù)傳統的手動(dòng)檢查或基于規則的成像可能根本無(wú)法勝任這項任務(wù)。 一家半導體OEM設備廠(chǎng)家需要檢測 PCB 元件上的各種細微缺陷，包括破損、磨損、污染、碎片和氣泡。 然而，使用傳統的基于規則的圖像處理并不能提供他們所需的準確性。 他們面臨著(zhù)在現有流程中未被發(fā)現的缺陷零件增加的問(wèn)題，從而推高了成本。 他們需要一個(gè)新的解決方案。

為了克服這些障礙，該客戶(hù)決定嘗試AI深度學(xué)習，以滿(mǎn)足檢測 PCB 及其組件缺陷的準確性要求。 他們選擇了 Teledyne DALSA的 Sherlock8 AI 檢測軟件套件。Sherlock8 AI 軟件使他們能夠在 AOI 機器中使用 AI 功能擴展基于規則的算法。 事實(shí)證明，Sherlock8 AI 軟件是 該OEM客戶(hù) 的理想解決方案，使他們能夠使用大部分現有系統，同時(shí)更準確地檢測其他方法可能錯過(guò)的細微缺陷，包括破損、磨損、污染和碎片 使用 Sherlock8 AI，該客戶(hù) 能夠以 12-14 毫 秒的速度對 200 張圖像進(jìn)行連續分類(lèi)，準確率達到 98%，對 453 張好圖像和 11 張壞圖像進(jìn)行連續分類(lèi)，準確率達到 100%。 此外，當同時(shí)在零件圖像上查找多個(gè)缺陷時(shí)，他們能夠通過(guò) 259 張圖像和 20 毫秒的速度進(jìn)行物體檢測，實(shí)現 99.62% 的準確率。

PCB 上的晶體管可能有許多微小的變化，這些變化可能會(huì )，也可能不會(huì )影響性能。過(guò)去幾年AI機器學(xué)習領(lǐng)域取得的巨大進(jìn)步正是針對了此類(lèi)的應用。結果是一條生產(chǎn)線(xiàn)可以準確地檢測印刷電路板上的細微缺陷，而無(wú)需進(jìn)行勞動(dòng)密集型的人工檢測。AI深度學(xué)習為傳統的基于規則的圖像處理提供了可靠且穩定的替代方案，而傳統的圖像處理在檢測細微缺陷方面常常無(wú)能為力?？傮w而言，由于 Teledyne DALSA的 Sherlock8 AI 軟件，該OEM客戶(hù)在 PCB 缺陷檢測的準確性和速度方面都取得了顯著(zhù)提高，使他們能夠減少缺陷，同時(shí)提供符合其規格的更高質(zhì)量的產(chǎn)品。

為 2030 年做好準備

如今，該行業(yè)仍在從 2021 年開(kāi)始的全球半導體短缺中慢慢恢復。盡管麥肯錫分析師預測，未來(lái)十年半導體增長(cháng)的近 70% 將僅由三個(gè)行業(yè)推動(dòng)：汽車(chē)、計算和數據存儲，以及 無(wú)線(xiàn)通信領(lǐng)域，這些行業(yè)仍在因錯過(guò)產(chǎn)品發(fā)布、延遲更新、更高的價(jià)格和更高的期望而奮起直追。 壓力與日俱增。

深度學(xué)習和人工智能軟件系統譬如：Sherlock8可以快速提高最大瓶頸的速度和準確性：質(zhì)量控制。 各個(gè)公司可以將質(zhì)量控制轉化為競爭優(yōu)勢，提高速度并降低成本，同時(shí)在緊密結合的行業(yè)中建立信任，而不是成為問(wèn)題。更好的產(chǎn)品可能只是一個(gè)開(kāi)始。 半導體公司已經(jīng)是生成和分析數據的領(lǐng)導者，但機器學(xué)習和人工智能提供的幫助將絕對增強每家公司運營(yíng)的生產(chǎn)效率。預測性維護和成品率、研發(fā)投資，甚至市場(chǎng)策略和產(chǎn)品優(yōu)化都可能受益于更多數據和更好的機器學(xué)習。