WLCSP側壁微小裂縫

探測 WLCSP 側壁的微小裂縫
避免產生缺陷,以改善晶片的品質、性能及壽命


在半導體封裝技術中,WLCSP(Wafer Level Chip Scale Package) 因其高密度、高效能的特性而廣泛應用於消費性電子、車用電子與工業晶片。然而,於晶圓封裝後的切割(dicing)與搬運過程中,WLCSP 側壁常會產生微小裂縫(micro cracks),這些細微的缺陷若未及早發現,將可能導致:
• 晶片功能異常
• 焊接失效或可靠度降低
• 長期使用後導致整體品質壽命縮短




解決方案:
導入 COGNEX 深度學習視覺系統,透過 COGNEX ViDi™ Suite 深度學習平台,可針對 WLCSP 側壁的微小裂縫進行高精度、低誤判率的自動化檢測。
 
檢測改善項目 成效
裂縫檢出率 提升至>98%
誤判率 降低<1%
人工檢查需求 減少70%以上
良率穩定度 提升晶圓封裝整體品質一致姓



 

提升晶片品質,從側壁裂縫檢測開始

我們提供完整的 WLCSP 側壁裂縫深度學習檢測解決方案,協助您改善製程良率、提升產品可靠度,降低返修與退貨風險。
📞 歡迎聯繫我們了解更多應用案例與 DEMO 實測

歡迎您透過LINE直接詢問或報價:
請於LINE ID搜尋 @yuyou
加入好友  

詳細資訊


晶圓級晶片尺寸封裝 (WLCSP) 具有多層構造,並會因處理不佳、加壓過度 (也就是裝於焊球時) 或輸送過程粗魯,而受損形成微小裂縫。如果未能及早在流程中發現,這些裂縫會影響到晶片的品質、性能及壽命。

因為有這些結構風險存在,所以必須檢測 WLCSP。沿著 WLCSP 的側壁檢查是否有缺陷時,分層變化與微小裂縫之間的差異很難以辨別。基於規則的機器視覺難以分清這兩者之間的區別,原因是從側面檢視 WLCSP 時,背景既雜亂且對比度低,而使得所見的圖案令人困惑。例如,裂縫會出現在不同的位置,而且看起來就像結構分層的不規則線條。
 

使用基於規則的機器視覺,嘗試正確地找出 WLCSP 中的微小裂縫,既費時且困難重重。Cognex Deep Learning 工具透過套用智能演算法,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。

軟體使用許多顯示微小裂縫的圖像,以及顯示 WLCSP 內正常分層的圖像組來訓練。缺陷探測工具學習正常的分層變化,並逐漸全面理解缺陷 (微小裂縫) 的樣態。

使用深度學習,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。

line