Submit Search
Upload
2018AOI論壇_如何導入深度學習來提升工業瑕疵檢測技術_工研院賴璟皓
•
2 likes
•
856 views
C
CHENHuiMei
Follow
2018AOI論壇_如何導入深度學習來提升工業瑕疵檢測技術_工研院賴璟皓
Read less
Read more
Technology
Report
Share
Report
Share
1 of 15
Recommended
AOI智慧升級─AI訓練師在地養成計畫_台灣人工智慧學校
AOI智慧升級─AI訓練師在地養成計畫_台灣人工智慧學校
CHENHuiMei
產研融合推手-台大AOI設備研發聯盟_台大陳亮嘉
產研融合推手-台大AOI設備研發聯盟_台大陳亮嘉
CHENHuiMei
AOI應用於生醫及生物檢測之實例探討
AOI應用於生醫及生物檢測之實例探討
CHENHuiMei
高度客製化Aoi系統的未來趨勢與挑戰
高度客製化Aoi系統的未來趨勢與挑戰
COMOSS Electronic Co., Ltd.
QIF對AOI設備業之衝擊與機會
QIF對AOI設備業之衝擊與機會
CHENHuiMei
[台灣人工智慧學校] 工業 4.0 與智慧製造的發展趨勢與挑戰
[台灣人工智慧學校] 工業 4.0 與智慧製造的發展趨勢與挑戰
台灣資料科學年會
智慧檢測技術與工業自動化
智慧檢測技術與工業自動化
CHENHuiMei
[台灣人工智慧學校] 主題演講 - 簡禎富主任 (科技部人工智慧製造系統研究中心)
[台灣人工智慧學校] 主題演講 - 簡禎富主任 (科技部人工智慧製造系統研究中心)
台灣資料科學年會
Recommended
AOI智慧升級─AI訓練師在地養成計畫_台灣人工智慧學校
AOI智慧升級─AI訓練師在地養成計畫_台灣人工智慧學校
CHENHuiMei
產研融合推手-台大AOI設備研發聯盟_台大陳亮嘉
產研融合推手-台大AOI設備研發聯盟_台大陳亮嘉
CHENHuiMei
AOI應用於生醫及生物檢測之實例探討
AOI應用於生醫及生物檢測之實例探討
CHENHuiMei
高度客製化Aoi系統的未來趨勢與挑戰
高度客製化Aoi系統的未來趨勢與挑戰
COMOSS Electronic Co., Ltd.
QIF對AOI設備業之衝擊與機會
QIF對AOI設備業之衝擊與機會
CHENHuiMei
[台灣人工智慧學校] 工業 4.0 與智慧製造的發展趨勢與挑戰
[台灣人工智慧學校] 工業 4.0 與智慧製造的發展趨勢與挑戰
台灣資料科學年會
智慧檢測技術與工業自動化
智慧檢測技術與工業自動化
CHENHuiMei
[台灣人工智慧學校] 主題演講 - 簡禎富主任 (科技部人工智慧製造系統研究中心)
[台灣人工智慧學校] 主題演講 - 簡禎富主任 (科技部人工智慧製造系統研究中心)
台灣資料科學年會
小數據如何實現電腦視覺,微軟AI研究首席剖析關鍵
小數據如何實現電腦視覺,微軟AI研究首席剖析關鍵
CHENHuiMei
2D3D AOI在packaging substrate的運用及演變與對設備商之建議
2D3D AOI在packaging substrate的運用及演變與對設備商之建議
CHENHuiMei
Streamlitを用いた音響信号処理ダッシュボードの開発
Streamlitを用いた音響信号処理ダッシュボードの開発
Hiromasa Ohashi
【Junior新趨勢_矽光子】
【Junior新趨勢_矽光子】
Collaborator
Ic foundry
Ic foundry
Collaborator
Junior新趨勢: 邊緣運算
Junior新趨勢: 邊緣運算
Collaborator
散熱產業.pdf
散熱產業.pdf
Collaborator
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
2023-04-06 AI晶片產業整合版 研究部20230406.pdf
2023-04-06 AI晶片產業整合版 研究部20230406.pdf
JoyceHsu27
專案管理概念介紹與實務應用 20190515 v4_final
專案管理概念介紹與實務應用 20190515 v4_final
Chris Cheng-Hsun Lin
2018AOI論壇_深度學習於表面瑕疪檢測_元智大學蔡篤銘
2018AOI論壇_深度學習於表面瑕疪檢測_元智大學蔡篤銘
CHENHuiMei
Junior研究報告:6209今國光
Junior研究報告:6209今國光
Collaborator
半導體產業介紹
半導體產業介紹
serrec
Junior產業:PCB產業
Junior產業:PCB產業
Collaborator
2023年投資展望會-電子產業.pdf
2023年投資展望會-電子產業.pdf
JTLai1
[轉貼] 社群大數據 - 輿情觀測及分析應用
[轉貼] 社群大數據 - 輿情觀測及分析應用
Rouyun Pan
Junior 研究報告: 鏡頭產業
Junior 研究報告: 鏡頭產業
Collaborator
When AOI meets AI
When AOI meets AI
CHENHuiMei
人工知能についての基礎知識
人工知能についての基礎知識
Yuta Inamura
99個簡報法則
99個簡報法則
奕酉 劉
2018AOI論壇_基於生成對抗網路之非監督式AOI技術_工研院蔡雅惠
2018AOI論壇_基於生成對抗網路之非監督式AOI技術_工研院蔡雅惠
CHENHuiMei
2018AOI論壇Keynote_AI入魂製造領域現況與趨勢_工研院熊治民
2018AOI論壇Keynote_AI入魂製造領域現況與趨勢_工研院熊治民
CHENHuiMei
More Related Content
What's hot
小數據如何實現電腦視覺,微軟AI研究首席剖析關鍵
小數據如何實現電腦視覺,微軟AI研究首席剖析關鍵
CHENHuiMei
2D3D AOI在packaging substrate的運用及演變與對設備商之建議
2D3D AOI在packaging substrate的運用及演變與對設備商之建議
CHENHuiMei
Streamlitを用いた音響信号処理ダッシュボードの開発
Streamlitを用いた音響信号処理ダッシュボードの開発
Hiromasa Ohashi
【Junior新趨勢_矽光子】
【Junior新趨勢_矽光子】
Collaborator
Ic foundry
Ic foundry
Collaborator
Junior新趨勢: 邊緣運算
Junior新趨勢: 邊緣運算
Collaborator
散熱產業.pdf
散熱產業.pdf
Collaborator
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
2023-04-06 AI晶片產業整合版 研究部20230406.pdf
2023-04-06 AI晶片產業整合版 研究部20230406.pdf
JoyceHsu27
專案管理概念介紹與實務應用 20190515 v4_final
專案管理概念介紹與實務應用 20190515 v4_final
Chris Cheng-Hsun Lin
2018AOI論壇_深度學習於表面瑕疪檢測_元智大學蔡篤銘
2018AOI論壇_深度學習於表面瑕疪檢測_元智大學蔡篤銘
CHENHuiMei
Junior研究報告:6209今國光
Junior研究報告:6209今國光
Collaborator
半導體產業介紹
半導體產業介紹
serrec
Junior產業:PCB產業
Junior產業:PCB產業
Collaborator
2023年投資展望會-電子產業.pdf
2023年投資展望會-電子產業.pdf
JTLai1
[轉貼] 社群大數據 - 輿情觀測及分析應用
[轉貼] 社群大數據 - 輿情觀測及分析應用
Rouyun Pan
Junior 研究報告: 鏡頭產業
Junior 研究報告: 鏡頭產業
Collaborator
When AOI meets AI
When AOI meets AI
CHENHuiMei
人工知能についての基礎知識
人工知能についての基礎知識
Yuta Inamura
99個簡報法則
99個簡報法則
奕酉 劉
What's hot
(20)
小數據如何實現電腦視覺,微軟AI研究首席剖析關鍵
小數據如何實現電腦視覺,微軟AI研究首席剖析關鍵
2D3D AOI在packaging substrate的運用及演變與對設備商之建議
2D3D AOI在packaging substrate的運用及演變與對設備商之建議
Streamlitを用いた音響信号処理ダッシュボードの開発
Streamlitを用いた音響信号処理ダッシュボードの開発
【Junior新趨勢_矽光子】
【Junior新趨勢_矽光子】
Ic foundry
Ic foundry
Junior新趨勢: 邊緣運算
Junior新趨勢: 邊緣運算
散熱產業.pdf
散熱產業.pdf
Data-Centric AIの紹介
Data-Centric AIの紹介
2023-04-06 AI晶片產業整合版 研究部20230406.pdf
2023-04-06 AI晶片產業整合版 研究部20230406.pdf
專案管理概念介紹與實務應用 20190515 v4_final
專案管理概念介紹與實務應用 20190515 v4_final
2018AOI論壇_深度學習於表面瑕疪檢測_元智大學蔡篤銘
2018AOI論壇_深度學習於表面瑕疪檢測_元智大學蔡篤銘
Junior研究報告:6209今國光
Junior研究報告:6209今國光
半導體產業介紹
半導體產業介紹
Junior產業:PCB產業
Junior產業:PCB產業
2023年投資展望會-電子產業.pdf
2023年投資展望會-電子產業.pdf
[轉貼] 社群大數據 - 輿情觀測及分析應用
[轉貼] 社群大數據 - 輿情觀測及分析應用
Junior 研究報告: 鏡頭產業
Junior 研究報告: 鏡頭產業
When AOI meets AI
When AOI meets AI
人工知能についての基礎知識
人工知能についての基礎知識
99個簡報法則
99個簡報法則
Similar to 2018AOI論壇_如何導入深度學習來提升工業瑕疵檢測技術_工研院賴璟皓
2018AOI論壇_基於生成對抗網路之非監督式AOI技術_工研院蔡雅惠
2018AOI論壇_基於生成對抗網路之非監督式AOI技術_工研院蔡雅惠
CHENHuiMei
2018AOI論壇Keynote_AI入魂製造領域現況與趨勢_工研院熊治民
2018AOI論壇Keynote_AI入魂製造領域現況與趨勢_工研院熊治民
CHENHuiMei
精密機械關鍵尺寸量測技術介紹_量測中心陳俊賢
精密機械關鍵尺寸量測技術介紹_量測中心陳俊賢
CHENHuiMei
機械手臂為基礎之3D外觀缺陷檢測技術
機械手臂為基礎之3D外觀缺陷檢測技術
CHENHuiMei
多波長三角法形貌感測器技術
多波長三角法形貌感測器技術
CHENHuiMei
從2015年德國漢諾威工業展看高科技檢測設備發展趨勢
從2015年德國漢諾威工業展看高科技檢測設備發展趨勢
CHENHuiMei
AMOLED 材料缺陷檢測技術
AMOLED 材料缺陷檢測技術
CHENHuiMei
精密影像量測系統分析與產線應用
精密影像量測系統分析與產線應用
CHENHuiMei
AI Adoption in the Enterprise
AI Adoption in the Enterprise
Ryan Chung
觸控非接觸檢測技術
觸控非接觸檢測技術
CHENHuiMei
[台灣人工智慧學校] 新竹分校第一期開學典禮
[台灣人工智慧學校] 新竹分校第一期開學典禮
台灣資料科學年會
宏遠奈米科技
宏遠奈米科技
5045033
Report
Report
CHENHuiMei
宜昇科技_簡介 (2019/04/26)
宜昇科技_簡介 (2019/04/26)
Celia Hsu
20190822(懶人包)衛福部:「全民健保資料庫應用服務」
20190822(懶人包)衛福部:「全民健保資料庫應用服務」
R.O.C.Executive Yuan
106智慧srb會議 公眾討論簡報-2智慧系統與晶片技術-0622
106智慧srb會議 公眾討論簡報-2智慧系統與晶片技術-0622
b0stey
從智慧檢測需求談AOI技術發展走向(B)
從智慧檢測需求談AOI技術發展走向(B)
CHENHuiMei
Ipc/whma a-620 b 簡介
Ipc/whma a-620 b 簡介
Yung Jui Chen 陳泳睿
20181113_能源江湖 資深學姊談能源
20181113_能源江湖 資深學姊談能源
懂能源團隊
Sbir申請須知
Sbir申請須知
文化大學
Similar to 2018AOI論壇_如何導入深度學習來提升工業瑕疵檢測技術_工研院賴璟皓
(20)
2018AOI論壇_基於生成對抗網路之非監督式AOI技術_工研院蔡雅惠
2018AOI論壇_基於生成對抗網路之非監督式AOI技術_工研院蔡雅惠
2018AOI論壇Keynote_AI入魂製造領域現況與趨勢_工研院熊治民
2018AOI論壇Keynote_AI入魂製造領域現況與趨勢_工研院熊治民
精密機械關鍵尺寸量測技術介紹_量測中心陳俊賢
精密機械關鍵尺寸量測技術介紹_量測中心陳俊賢
機械手臂為基礎之3D外觀缺陷檢測技術
機械手臂為基礎之3D外觀缺陷檢測技術
多波長三角法形貌感測器技術
多波長三角法形貌感測器技術
從2015年德國漢諾威工業展看高科技檢測設備發展趨勢
從2015年德國漢諾威工業展看高科技檢測設備發展趨勢
AMOLED 材料缺陷檢測技術
AMOLED 材料缺陷檢測技術
精密影像量測系統分析與產線應用
精密影像量測系統分析與產線應用
AI Adoption in the Enterprise
AI Adoption in the Enterprise
觸控非接觸檢測技術
觸控非接觸檢測技術
[台灣人工智慧學校] 新竹分校第一期開學典禮
[台灣人工智慧學校] 新竹分校第一期開學典禮
宏遠奈米科技
宏遠奈米科技
Report
Report
宜昇科技_簡介 (2019/04/26)
宜昇科技_簡介 (2019/04/26)
20190822(懶人包)衛福部:「全民健保資料庫應用服務」
20190822(懶人包)衛福部:「全民健保資料庫應用服務」
106智慧srb會議 公眾討論簡報-2智慧系統與晶片技術-0622
106智慧srb會議 公眾討論簡報-2智慧系統與晶片技術-0622
從智慧檢測需求談AOI技術發展走向(B)
從智慧檢測需求談AOI技術發展走向(B)
Ipc/whma a-620 b 簡介
Ipc/whma a-620 b 簡介
20181113_能源江湖 資深學姊談能源
20181113_能源江湖 資深學姊談能源
Sbir申請須知
Sbir申請須知
More from CHENHuiMei
基於少樣本深度學習之橡膠墊片檢測系統
基於少樣本深度學習之橡膠墊片檢測系統
CHENHuiMei
使用人工智慧檢測三維錫球瑕疵_台大傅楸善
使用人工智慧檢測三維錫球瑕疵_台大傅楸善
CHENHuiMei
IIoT發展趨勢及設備業者因應之_微軟葉怡君
IIoT發展趨勢及設備業者因應之_微軟葉怡君
CHENHuiMei
精密機械的空間軌跡精度光學檢測法_台大范光照
精密機械的空間軌跡精度光學檢測法_台大范光照
CHENHuiMei
Deep learning
Deep learning
CHENHuiMei
2018AOIEA論壇Keynote_眺望趨勢 量測設備未來10年發展重點_致茂曾一士
2018AOIEA論壇Keynote_眺望趨勢 量測設備未來10年發展重點_致茂曾一士
CHENHuiMei
2018AOI論壇_AOI and IoT產線應用_工研院周森益
2018AOI論壇_AOI and IoT產線應用_工研院周森益
CHENHuiMei
2018AOI論壇_AOI參與整廠協作之實務建議_達明機器人黃鐘賢
2018AOI論壇_AOI參與整廠協作之實務建議_達明機器人黃鐘賢
CHENHuiMei
2018AOI論壇_深度學習在電腦視覺應用上的疑問_中央大學曾定章
2018AOI論壇_深度學習在電腦視覺應用上的疑問_中央大學曾定章
CHENHuiMei
2018AOI論壇_時機已到 AOI導入邊緣運算_SAS林育宏
2018AOI論壇_時機已到 AOI導入邊緣運算_SAS林育宏
CHENHuiMei
200704 Dr. Schenk 產品策略
200704 Dr. Schenk 產品策略
CHENHuiMei
2007 TFT LCD-AOI教學檔案
2007 TFT LCD-AOI教學檔案
CHENHuiMei
2008 year Computer Vision
2008 year Computer Vision
CHENHuiMei
2008 tech 高分子微光學應用技術
2008 tech 高分子微光學應用技術
CHENHuiMei
2008 tech Instrumentation in Precision Metrology
2008 tech Instrumentation in Precision Metrology
CHENHuiMei
2008 tech Attitude for Precise Positioning...
2008 tech Attitude for Precise Positioning...
CHENHuiMei
2008 tech 顯示器精微檢測與驗證技術
2008 tech 顯示器精微檢測與驗證技術
CHENHuiMei
200813基於色彩空間之軟性平面顯示器色彩均勻度分析
200813基於色彩空間之軟性平面顯示器色彩均勻度分析
CHENHuiMei
200808自動檢測與自動化設備聯結之應用技術-宏瀨
200808自動檢測與自動化設備聯結之應用技術-宏瀨
CHENHuiMei
200807相機影像傳輸介面技術-致茂
200807相機影像傳輸介面技術-致茂
CHENHuiMei
More from CHENHuiMei
(20)
基於少樣本深度學習之橡膠墊片檢測系統
基於少樣本深度學習之橡膠墊片檢測系統
使用人工智慧檢測三維錫球瑕疵_台大傅楸善
使用人工智慧檢測三維錫球瑕疵_台大傅楸善
IIoT發展趨勢及設備業者因應之_微軟葉怡君
IIoT發展趨勢及設備業者因應之_微軟葉怡君
精密機械的空間軌跡精度光學檢測法_台大范光照
精密機械的空間軌跡精度光學檢測法_台大范光照
Deep learning
Deep learning
2018AOIEA論壇Keynote_眺望趨勢 量測設備未來10年發展重點_致茂曾一士
2018AOIEA論壇Keynote_眺望趨勢 量測設備未來10年發展重點_致茂曾一士
2018AOI論壇_AOI and IoT產線應用_工研院周森益
2018AOI論壇_AOI and IoT產線應用_工研院周森益
2018AOI論壇_AOI參與整廠協作之實務建議_達明機器人黃鐘賢
2018AOI論壇_AOI參與整廠協作之實務建議_達明機器人黃鐘賢
2018AOI論壇_深度學習在電腦視覺應用上的疑問_中央大學曾定章
2018AOI論壇_深度學習在電腦視覺應用上的疑問_中央大學曾定章
2018AOI論壇_時機已到 AOI導入邊緣運算_SAS林育宏
2018AOI論壇_時機已到 AOI導入邊緣運算_SAS林育宏
200704 Dr. Schenk 產品策略
200704 Dr. Schenk 產品策略
2007 TFT LCD-AOI教學檔案
2007 TFT LCD-AOI教學檔案
2008 year Computer Vision
2008 year Computer Vision
2008 tech 高分子微光學應用技術
2008 tech 高分子微光學應用技術
2008 tech Instrumentation in Precision Metrology
2008 tech Instrumentation in Precision Metrology
2008 tech Attitude for Precise Positioning...
2008 tech Attitude for Precise Positioning...
2008 tech 顯示器精微檢測與驗證技術
2008 tech 顯示器精微檢測與驗證技術
200813基於色彩空間之軟性平面顯示器色彩均勻度分析
200813基於色彩空間之軟性平面顯示器色彩均勻度分析
200808自動檢測與自動化設備聯結之應用技術-宏瀨
200808自動檢測與自動化設備聯結之應用技術-宏瀨
200807相機影像傳輸介面技術-致茂
200807相機影像傳輸介面技術-致茂
2018AOI論壇_如何導入深度學習來提升工業瑕疵檢測技術_工研院賴璟皓
1.
工業技術研究院機密資料 禁止複製、轉載、外流 │
ITRI CONFIDENTIAL DOCUMENT DO NOT COPY OR DISTRIBUTE 1 深度學習在工業瑕疵檢測的案例分享 賴璟皓 博士 工業技術研究院 巨量資訊科技中心 (Computational Intelligence Technology Center, CITC) 2018.10.04
2.
Copyright 2018 ITRI
工業技術研究院 智慧製造技術與應用全覽 2
3.
Copyright 2018 ITRI
工業技術研究院 大綱 • 產業現況與需求 – 自動光學檢測簡介 – AOI檢測設備需求日益增加 – 產線應用AOI瓶頸 – 深度學習為瑕疵檢測帶來新契機 • 解決方案 • 廠商應用案例 32018/10/9
4.
Copyright 2018 ITRI
工業技術研究院 自動光學檢測簡介 • 自動光學檢測(Automated Optical Inspection, AOI)是高速度、高精確度 的光學影像檢測系統,運用「機械視 覺」做為檢測技術,代替人類眼睛、 大腦、手部的動作,再配有視覺感測 設備中,檢測出產品的缺陷、判斷並 挑選出產品,或用於量測尺寸等,廣 泛應用在自動化生產中,作為改良傳 統以人力使用光學儀器來進行檢測的 缺點。 • 近年來由於新興產業之興起,如IC 、 PCB 、LCD 、BGA、通訊等等,必 須做到百分之百的全檢,少數廠商已 開始致力於,必須做到百分之百的全 檢,少數廠商已開始致力於精密量測 系統之發展。 Ref .UTechZone 42018/10/9 Ref. http://apisc.com/aoi-introduction.htm AOI檢測設備基本架構
5.
Copyright 2018 ITRI
工業技術研究院 AOI檢測設備需求日益增加 5 0 500 1000 1500 2000 2500 3000 3500 4000 4500 2016 2017 2018 2020 台灣檢測設備商出貨台數(PCB, PCBA, IC, FPD) 德律 牧德 由田 晶彩 其他 資料來源:IEK 2018/05
6.
Copyright 2018 ITRI
工業技術研究院 產線應用AOI瓶頸/缺口 • 人工 – 人工檢查速度: 慢抽檢 – 人工檢查易出錯 • AOI 機台-優化AOI機台參數 – Overkill-漏檢(Leakage)和過檢(Overkill)之間取得平衡 – 辨識defect種類- 2000+ features • 高標準產品檢測,現有AOI技術無法滿足需求 • 瑕疵種類關乎產線改善良率、產能、成本改善 • 不同產品檢測之需求,須客製化演算法 62018/10/9
7.
Copyright 2018 ITRI
工業技術研究院 深度學習為瑕疵檢測帶來新契機 • 深度學習影像分類能力超過人眼 – 從2015年開始,在國際大型視覺辨識競賽(ILSVRC)中,深度學習(Deep Learning)影像分類的錯誤率降至3.57%以下(Microsoft ResNet-152),人眼 的錯誤率有5% 7 ResNet-152, 2015 ILSVRC歷年錯誤率
8.
Copyright 2018 ITRI
工業技術研究院 大綱 • 產業現況與需求 • 解決方案 – 滿足AOI產業需要之演算法 » 高準確度與高速度之DNN架構、DNN Benchmarking • 廠商應用案例 82018/10/9
9.
Copyright 2018 ITRI
工業技術研究院 高準確度與高速度之DNN架構 • 挑戰:現有公開具前瞻性的深度學習網路架構,包括: AlexNet、 VGG-16、GoogLeNet、ResNet-101、 Inception-v4、WideResNet、DenseNet-161等,以應用 場域瑕疵檢測資料測試,無法達成製造業對準確度與 速度的要求(漏檢率FNR<0.05%、特異度TNR>50% , 檢測速度<20ms ) • 技術特點:提出DFB-Net,具有多個較小但結構完整 的分支網路架構,提供分支決策與協同決策之彈性, 對於難易不同之待檢影像,提供整合最佳分析結果, 以提高預測準確度並減少執行時間 92018/10/9
10.
Copyright 2018 ITRI
工業技術研究院 PCB檢測之瑕疵複檢應用 102018/10/9 PCB Dataset : training = 647,183, validation = 47,780, test = 95,561 Net architectures FNR / TNR Precision / Recall Test Time (GTX-1080) WideResNet 0.12% / 50.59% 70.67% / 99.58% 9.4 ms Inception-v4 0.12% / 52.00% 70.12% / 99.57% 73.5 ms DenseNet-161 0.06% / 50.50% 70.29% / 99.67% 110.9 ms DFB-Net 0.03% / 50.73% 71.17% / 99.86% 12.8 ms 超越國際Net architectures,滿足AOI產業需要 檢測規範:漏檢率FNR<0.05%、特異度TNR>50% ,檢測速度<20ms
11.
Copyright 2018 ITRI
工業技術研究院 大綱 • 產業現況與需求 • 解決方案 • 廠商應用案例 – PCB瑕疵複檢應用 – Wafer Fab瑕疵分類應用 – Wafer Probe瑕疵分類 – 其它製造業瑕疵檢測應用 112018/10/9 https://slideplayer.com/slide/5218297/
12.
Copyright 2018 ITRI
工業技術研究院 PCB瑕疵複檢應用 • 以AVI(Automated Visual Inspection)機台日均檢測產能1萬片為例 – 目前生產線採用AVI與VRS配比1:5 – AVI檢測結果,PCB每片每面約50點瑕疵,估計真點:假點=1:4(1:3~1:9) – 導入前:一片PCB板2面,AVI檢測出共100點瑕疵(真瑕疵20點,假瑕疵80點) – 導入後:應用AI技術可減少50%假瑕疵(40個),VRS僅須檢測60個瑕疵,目檢 員可減少40%篩檢量 122018/10/9
13.
Copyright 2018 ITRI
工業技術研究院 Wafer Fab瑕疵分類 •產業需求 – 於半導體瑕疵檢測中,應用AOI檢測設備偵測瑕疵區域,僅能依賴人工協助判斷瑕 疵類別,不但耗時且耗力;若能使用Deep Learning技術進一步區分瑕疵類別,才 能即時迴饋錯誤訊息,進行後續分析製程問題 – 因不同瑕疵對產線產生不同程度之影響,期望越嚴重瑕疵之分類正確率須越高 » Defect 1為極重大瑕疵,一旦發生立即停機檢查,對產能影響極大 » Defect 1易與Defect 2、3混淆,影響分類器之正確率 •解決方案 – 定義符合產線需求之規範,針對wafer fab五類瑕疵分類,其整體正確度為95%, Defect 1正確率高達97% – 研發可強化重要瑕疵類別分類機率技術,降低重要瑕疵分類之誤判率(專利申請中) – 整體正確度為97.45%,Defect 1正確率高達98.73% 132018/10/9 AOI外觀檢測機 Deep learning影像分類 AlarmWafer
14.
Copyright 2018 ITRI
工業技術研究院 Wafer Probe瑕疵分類 •產業需求 – 以Probe Mark Inspection (PMI)為案例說明 – 目前針測機過多之假警報,常需要人為介入判定,不僅 耗費人力,且影響檢測效率 – 現有檢測機僅能偵測出瑕疵,無法做高準確率之瑕疵分 類,廠商多半有分類之需求,目前僅能由人為判斷 •解決方案 – 因廠商檢測標準不同,制定多種瑕疵類型,以符合多家 廠商檢測之標準 – 目前兩種PMI機台,一為分6類,另一8類,在資料分佈 極度不平均下,6類瑕疵分類正確率為97.55%,而8類為 96.9% 14 針測機Wafer False Alarms http://www.swtest.org/swtw_library/2007proc/ PDF/S01_01_Gilead_SWTW2007.pdf
15.
Copyright 2018 ITRI
工業技術研究院 15 Mail: chlai@itri.org.tw TEL: +886-3-5912847