導讀

精密視覺檢測技術有效提升了半導體行業的生產效率和質量保障。友思特自研推出基于深度學習平臺和視覺掃描系統的2D和3D視覺檢測方案，通過9種深度學習模型、60+點云處理功能，實現PCB元器件、IGBT質量檢測等生產過程中的精密測量。

精密檢測半導體的友思特方案

在當今半導體行業中，隨著技術的不斷進步和設備微型化的發展，對2D和3D視覺檢測方案的需求日益增加，對檢測精度和效率的要求也隨之提升。

傳統的檢測方法往往無法滿足高速生產線上的嚴格標準，面對微小尺寸、復雜結構和多樣化的封裝形式，可靠的視覺檢測技術顯得尤為關鍵。首先，器件的幾何形狀、表面缺陷、焊接質量以及器件排布不規范等多種因素，都對檢測的準確性構成挑戰。其次，生產過程中常常會遇到雜散光、反射以及其他數據噪聲，這些都會影響成像效果，進而降低檢測的可靠性。

為應對這些挑戰，友思特的技術團隊結合前沿的計算機視覺和圖像處理算法，研發了針對半導體器件的2D和3D視覺檢測方案，為半導體行業的質量保障和生產效率提升提供了堅實的技術支持。

對于半導體2D視覺檢測，友思特Neuro-T 自動深度學習平臺，通過平臺的智能自動標注、9種不同的深度學習模型、流程圖和推理中心等功能，旨在高效、快速、高精度實現并部署諸如器件檢測分類、定位、缺陷檢測等視覺任務。

對于半導體3D視覺檢測，友思特 Saccade 視覺掃描系統，通過靜態多角度、局部掃描優化、專有的斑點和強度變化抑制算法等特色功能，完成諸如器件焊接質量檢測、裝配檢測、涂膠檢測等視覺任務。

半導體2D視覺檢測的深度學習模型

分類模型

分類模型可識別整個圖像的概念，并區分不同類別的圖像。這種模型類型適用于將圖像分為“正常”和“缺陷”兩類的情況。在半導體器件檢測中，可以用于區分正常和有缺陷的器件，以及不同型號種類的PCB或元器件。

實例分割模型

實例分割模型不僅能識別物體，還能識別其形狀和在圖像中的位置。由于圖像是在像素級別上進行分析的，因此分割技術可用于從產品表面定位準確的缺陷區域，或發現圖像中的多種類型的物體。在半導體器件的檢測上，可以用于準確捕捉和分割出器件上各種類型的缺陷，例如引腳缺失、劃痕、缺口等，并返回缺陷的多邊形輪廓。

目標檢測模型

目標檢測模型可以捕捉圖像中的目標，并區分每個目標的類別。它們以方框的形式顯示目標的大小和位置。這種模型類型在檢測場景中某些目標類別的實例時非常有用，例如停在街道上的汽車、人臉或X射線行李掃描儀中的物體。在半導體器件的檢測上，可以用于例如在完整PCB上同時定位檢測和分類多個不同種類的元器件，以校驗有無元器件錯焊漏焊的情況。

異常分類模型

異常分類模型專門從事無監督學習，只在正常圖像上進行訓練，以檢測異常圖像。這種模型具有很強的通用性，可應用于各個領域，尤其是在缺陷圖像數量有限的情況下。在半導體器件的檢測上，可以只在正常的圖像上訓練，即可檢測出異常（器件種類異常、數量異常、缺陷）等對象。

半導體2D視覺檢測案例

半導體3D視覺檢測方案

友思特半導體3D視覺檢測方案，基于 Saccade 視覺掃描系統 VST-MD300 設備，在視覺掃描系統和檢測對象相對靜止的情況下，通過設備集成的4個 IDS 相機搭配內置動態移動的掃描線激光，多角度低死角地獲取檢測對象的點云，并結合友思特研發團隊自研的Viewsitec 3D軟件，對獲取的點云進行處理，得到包括坐標、尺寸、類別等所需的各視覺檢測結果。方案具體流程如下：

1.架設視覺掃描系統

使用系統配套標定軟件、標定板和標準量塊進行工作區標定以及標定精度的驗算.

2.掃描系統設置

使用定位基準卡位來確保工件在預設位置范圍，修改用于設置系統掃描參數的json文件，設置選擇性重點關注的區域，對于需要檢測的重點區域進行極高分辨率的掃描，對于非重點區域進行低頻掃描，從而縮短點云獲取時間的同時保有高精度，實現時間和精度的權衡。

3.系統掃描獲取點云

根據此前預設的Z方向的定位基準，擬合Z軸平面，并根據XY基準點進行坐標換算，自動校準對象點云。

4.點云圖像處理與測量

定位和分割需要檢測對象區域的點云，并對點云進行濾波、輪廓提取、擬合等點云處理算法，得到需要測量的對象尺寸。

5.輸出3D檢測結果

根據測量和定位結果，結合產品標準要求設置的閾值，決策輸出產品最終的3D視覺檢測結果，并返回至上位機呈現。

半導體3D視覺檢測案例

案例1. PCB的MOS管點膠質量檢測

PCB 的元器件如 MOS 管等通常需要點膠，用于絕緣保護、防止機械損傷、增強焊接點的強度、填充器件的空隙以保證密封性、提供器件的熱穩定性等。

點膠質量檢測包括檢測點膠的厚度、均勻性和完整性，以及是否有效隔離元器件、是否粘連多個元器件、點膠濺射等，是大規模生產中提高產品質量和一致性的重要環節。

通過友思特的 3D 視覺檢測方案，我們可以獲取檢測對象的 2D 和 3D 數據，2D 數據用于輔助檢測對象的粗定位，以實現自動分割 3D 數據中需要處理的點云對象。通過視覺掃描系統配套的軟件，我們可以實現點云數據的 Z 軸平面校準、XY 方向的偏移旋轉對齊，并按高程渲染點云，以加大點云數據不同對象的區分度。結合 2D 數據定位和分割要檢測的點膠對象點云，通過 PCL 庫的一系列點云處理操作，最終得到 MOS 管及周圍點膠的 3D 尺寸數據，結合預設閾值范圍，判斷質量是否符合標準，并返回結果至上位機。

案例2. IGBT質量檢測

IGBT（絕緣柵雙極型晶體管，Insulated Gate Bipolar Transistor）是能量轉換和傳輸的關鍵設備，廣泛應用于混合動力汽車和電動汽車、發電和轉換、暖通空調等。在低容錯系統中，IGBT 模塊的突然故障可能產生致命風險。

IGBT 散熱不良，可能的原因有翹曲、傾斜、平面度不符合標準，殘余應力的存在會降低產品的可靠性、散熱性、電氣特性和其他重要性能，并最終導致器件出現裂紋等故障或壽命縮短。

通過友思特的 3D 視覺檢測方案，我們可以完成大面板（＞400mm）、高精度（＜0.05mm）PCB 上的IGBT質量檢測，實現檢測對象的“自動點云獲取→數據處理→檢測算法→結果輸出”這樣一套完整的 3D 視覺檢測流程。

友思特Viewsitec 3D軟件介紹

友思特研發團隊自研的基于點云處理的3D測量軟件，集成了點云渲染、擬合、濾波、采樣、特征提取、分割、配準等六十多項點云處理功能，并對部分算法進行功能優化，完成了對點云的預處理和測量目標的提取分離。同時，優化界面顯示，開發了流程圖調用點云處理函數隊列的功能，搭建點云處理流程圖并分別設置算法參數，實現無代碼模塊化編程的方式，按預設的批量操作來處理點云并可視化輸出結果，旨在以簡單的操作方式和數據呈現實現根據客戶需求進行自定義開發的功能，最終通過一鍵測量功能一站式完成三維檢測和測量應用。

了解更多？歡迎探索豐富案例：https://viewsitec.com/semiconductor-devices-2d-3d-visual-inspection/

審核編輯 黃宇