confovis · Unternehmen · Ressourcen ·
Höchste Präzision und Zuverlässigkeit bei der Erkennung von Defekten in Verbindungshalbleitern mit einer KI-gesteuerten, hochauflösenden optischen Inspektionslösung
Mit der steigenden Nachfrage nach kleineren, schnelleren und energieeffizienteren integrierten Schaltkreisen haben Verbindungshalbleiter im Vergleich zu Silizium erheblich an Bedeutung gewonnen. In dieser Case Study wird eine neue Lösung beschrieben, die auf hochauflösenden Bildern von einem automatischen optischen Inspektionssystem (AOI) in Kombination mit einem auf künstlicher Intelligenz basierenden Ansatz zur Fehlererkennung und -klassifizierung basiert.
In unserer Case Study werden Sie erfahren
- Wie unser KI-basierter Anomalieerkennungs-algorithmus herkömmliche schwellwertbinäre Differenzbildverfahren übertrifft und eine genauere Fehlererkennung und -klassifizierung ermöglicht.
- Wie Funktionen wie die automatische, subpixelgenaue Einstellung von dynamischen Care Areas und die Nutzung der gesamten hochauflösenden Bildinformationen die Prüfgenauigkeit und Effizienz maximieren.
- Wie diese Lösung durch Deep-Learning-Trainingsdatensätze den Wartungsaufwand minimiert und eine größere Flexibilität bei der Erkennung einer Vielzahl von Defektarten bietet.
SIE SUCHEN NACH EINER LÖSUNG FÜR IHRE APPLIKATION?
KONTAKTIEREN SIE UNS!
