技术负责人：蒋林华
技术联系人：/ 联系电话：15101192083 邮箱：/
关键词：晶圆表面缺陷、图像处理、深度学习
项目概况：
项目背景
晶圆表面缺陷自动检测系统利用光学、电子与计算机技术，结合高精度成像系统与人工智能算法，实现对晶圆表面缺陷的高效识别与分析。该系统通过高速摄像头、激光传感器和图像处理技术，实时捕捉如划痕、污点、颗粒和微裂纹等微小缺陷，并借助深度学习算法进行分类和定位，为生产线提供详尽的缺陷数据支持。
整套系统集成了成像模块、数据处理单元、智能判断系统等核心组件，具备高精度、高速度和高稳定性。其检测流程包括图像采集、预处理、缺陷识别、数据输出，能够适应晶圆初检、IC封装、测试筛选等多个制造环节，极大减轻人工负担、提高检测精度与效率。
随着人工智能技术的发展，这类设备已趋向智能化，部分可实现缺陷自动诊断与修复，进一步降低不良率与制造成本。晶圆缺陷自动检测系统正成为推动半导体产业质量提升与智能制造转型的关键工具。
（二）项目简介
AOI半导体光学图像智能检测系统针对晶圆缺陷检测中“精度低、速度慢、仅限单一工序”等问题，采用高精度自动化检测设备、AI算法优化及实时反馈机制等技术手段，有效提升了检测性能。系统可在晶圆切割后出货阶段或封测切割后阶段，对6~8英寸晶圆进行微米级缺陷检测，同时实现前道工艺良率的实时反馈，并输出缺陷分布Map图，进一步提升后道工艺效率。项目已成功开发出带图像输出功能的晶圆缺陷自动检测设备，并在实际晶圆检测中完成测试验证，显著提升了检测精度与速度，突破了传统检测流程的局限，为晶圆缺陷检测产业提供了具有实际应用价值的解决方案，兼具良好的经济效益与社会价值。
（三）关键技术与创新点
本项目采用基于神经网络的智能图像检测算法，围绕晶圆缺陷检测展开技术攻关，重点突破检测精度与处理速度两大关键难题。通过高性能硬件设计、AI算法优化与实时反馈机制相结合，实现了缺陷检测精度的显著提升和检测效率的有效提高。
以下是本项目涉及的关键技术：
高质量图像采集技术：研制高分辨率工业镜头、低噪声图像传感器及纳米级稳定平台，显著提升图像采集质量，为高精度缺陷检测奠定基础。
2. 先进智能识别算法：结合深度卷积神经网络（CNN）与变换器（Transformer）模型，提升缺陷识别的准确率与分类精度，有效应对复杂背景下的微小缺陷识别挑战。
3. 精准缺陷量化分析技术：通过图像分割与几何特征分析方法，精准提取缺陷的尺寸、密度与空间分布等关键参数，实现缺陷数量与特征的自动化、精确化量化。
