在半导体制造行业中，晶圆的缺陷检测是确保产品质量的关键环节。晶圆缺陷检测的精确性直接影响到产品的质量和生产效率。本文将详细介绍DFK38UX304相机在该应用案例中的表现，并探讨其如何提升检测效率和准确性。

人工检测的问题

在安装The Imaging Source映美精的视觉解决方案之前，半导体厂商依赖人工检测来完成晶圆的质量控制。检测人员使用手持扫描仪逐一检查晶圆的正面和背面，寻找划痕、脏污、损伤等缺陷。

这种方法不仅耗时耗力，而且容易出现误判和漏判，尤其在高速生产环境中，传统的人工检测方法已无法满足现代生产线的高分辨率和高效要求，导致生产效率低下且人力成本高昂。 

为应对这些挑战，半导体厂商引入了基于The Imaging Source映美精的DFK38UX304相机的机器视觉解决方案。

基于机器视觉的检测方案

在该应用案例中，The imaging Source的DFK38UX304相机被用于半导体行业的晶圆缺陷检测。该款相机凭借出色的图像捕捉能力和高分辨率，成为检测系统中的核心器件。通过与Zebra的Aurora Vision Studio深度学习系统的无缝集成，DFK38UX304相机能够提供清晰、高精度的图像数据，这些数据经过深度学习算法分析，帮助检测系统快速识别出晶圆上的各种缺陷。 

高效处理大规模晶粒检测

晶圆的最小规格为4英寸，每个晶圆上有250μm×265μm大小的晶粒（die）。一个晶圆被分为10张BT（蓝膜），视觉检测以BT为单位进行。

传统的人工检测只能针对晶圆的正面进行检测，检测速度慢且容易出错。

人工检测的节拍为每小时1,000~2,000个晶粒，这种速度在高速生产环境下远远无法满足需求。此外，人工检测人员容易疲劳，长时间工作会导致误判率增加。 

突破传统检测的速度与漏检率挑战

基于DFK38UX304相机的晶圆AOI（自动光学检测）系统，可以同时对晶圆的正反两面进行检测。系统配备了两套相机，能够在上下两个方向同时拍摄图像，实现对晶圆及其晶粒的全面检测（见图1）。

一幅图像内最多可检测40颗晶粒，理论像素精度达到0.7μm，大大提升了检测效率。DFK38UX304相机的高分辨率和全局快门技术确保了在高速生产环境中的图像清晰度和稳定性，从而能够在每小时检测高达11,000个晶粒，显著提高了检测速度并降低了漏检率（低于千分之五）。 

（1）突破色差与结构差异的检测难题

晶圆制造过程中，由于工艺的不同，同一规格的晶粒或同一张BT上的晶粒可能存在色差和结构差异。这些差异给传统视觉算法的适用性和稳定性带来了挑战，传统算法往往难以处理这些变化，导致检测结果的不一致性。 

DFK38UX304相机与Aurora Vision Studio深度学习系统的结合，解决了这一问题。深度学习算法可以通过大量的样本数据训练模型，学会识别并适应不同的色差和结构差异。Aurora Vision Studio系统能够处理因工艺造成的复杂色差和结构差异，提供稳定的检测结果。系统通过对每个晶粒进行细致地分析，能够准确识别其缺陷，无论是由于工艺原因产生的色差还是结构差异，都不会影响系统的检测性能。 

（2）探针印与脏污特征的区分

在晶圆的焊盘区域，存在正常的探针印，这些探针印与脏污特征在视觉上非常相似。不同晶圆的探针印数量和形状也有所不同，这给传统的缺陷检测算法带来了极大的挑战。传统算法难以有效区分探针印和脏污，从而导致检测准确性降低。 

DFK38UX304相机的高分辨率和全域快门配合Aurora Vision Studio的深度学习算法，可以准确区分探针印和脏污特征。系统能够识别探针印的正常模式，并将其与脏污特征进行区分。通过深度学习模型的训练，系统可以适应不同探针印的形状和数量，从而准确识别和检测这些区域的缺陷。这一技术显著提高了缺陷检测的准确性，解决了传统算法无法处理的探针印问题。 

（3）提高检测准确性，减轻员工负担

传统人工检测不仅效率低，而且容易受到疲劳的影响，长时间的枯燥工作使得人工离职率较高。高误差率和低效率也增加了生产成本。 

DFK38UX304相机和Aurora Vision Studio系统的应用，显著提高了检测的准确性和效率，减少了对人工的依赖。自动化检测系统的引入，不仅将检测速度提升到了每小时11,000个晶粒，还降低了漏检率。

系统的高效率和准确性减轻了工人的负担，提高了工作环境的舒适性，从而降低了人工离职率。通过自动化系统的应用，生产线的整体效率得到提升。 

相机的应用与系统集成

DFK38UX304相机在此应用案例中的主要作用是提供高分辨率的图像数据。相机通过USB 3.1接口与计算机系统连接，捕捉高达12.3MP的清晰图像。相机的全局快门技术，确保在高速运动下依然能够获得稳定清晰的图像，这对于检测快速移动的晶圆至关重要。 

DFK38UX304相机主要特点

传感器：1.1英寸Sony CMOS Pregius IMX304；分辨率：4,096×3,000 （12.3MP）；帧率：最高26fps；像素：水平3.45μm，垂直3.45μm；快门：全局快门；接口：USB 3.1；尺寸：29mm×44mm×60mm。

相机获取的图像数据被实时传输到Aurora Vision Studio深度学习系统，后者利用先进的深度学习算法对图像进行分析。 

Aurora Vision Studio深度学习系统能够有效识别和分类图像中的各种缺陷，如探针划伤、脏污、崩边、序列号模糊和切割异常。系统的深度学习模型通过对大量数据的训练，能够适应晶圆上的工艺色差和结构差异，实现高效、稳定的检测性能。此外，系统还能实时记录和保存检测数据，生成详细的CSV文件，供后续分析和记录。 

（a）边缘缺陷检测

（b）焊盘缺陷检测

（c）背面崩边检测

（d）序列号识别

图3：利用DFK38UX304相机拍摄出的（a）边缘缺陷、（b）焊盘缺陷、（c）背面崩边的检测效果图和（d）序列号识别结果。

结语

引入The Imaging Source DFK38UX304相机和Aurora Vision Studio深度学习系统后，半导体厂商在晶圆缺陷检测中的表现显著提升。检测节拍从传统的每小时1,000-2,000个晶粒提升至每小时11,000个晶粒，漏检率低于千分之五。系统能够全面识别晶圆上的各种缺陷，包括探针划伤、脏污、崩边、序列号模糊和切割异常，不仅提高了检测精度，还有效地降低了生产成本。 

映美精DFK38UX304相机和Aurora Vision Studio深度学习系统的应用，展示了先进机器视觉技术在半导体行业中的巨大潜力。随着半导体行业的发展，对检测精度和效率的要求将越来越高。此解决方案不仅提升了检测性能，还有助于推动行业的技术进步和市场竞争力。未来，类似的视觉检测系统将在更多领域得到应用，推动半导体行业向更高效、更智能的方向发展。 

（文章来源于映美精，如有侵权请联系删除）