深度学习如何被用来精确地检查角落填充在集成电路。
CyberOptics利用深度学习准确检查角落填充在集成电路(ic)产生的大内存供应商。传统方法检验显示限制的能力完全检测的存在和没有填补,表明一个更先进的方法是必要的。CyberOptics画了大量的算法和神经网络的专业知识产生一个可靠的、自动化的解决方案,解决客户的检验需求。
挑战
内存制造商使用填充周围的角落IC债券模具衬底。客户需要检查的存在和没有填充,以确保有既不太多也不太少。他们需要一个解决方案,可以测量长度的角落填充和返回一个评估的质量。
blob等传统角落填充的检验方法分析可以找到大部分的角落填充,但一种更健壮的方法是必要的,以防止错误的调用。blob分析算法试图找到一个连续团在某种颜色强度或对比,并经常发现一些气泡作为单独的实体时,他们实际上可能是由一些部分。面临的挑战是知道这个算法是否正确或错误地识别破损的填补。这是一个问题,传统的blob分析算法在许多葵机器无法征服。
解决方案
客户需要确定只有角落里填充的长度,CyberOptics把编程作为目标检测问题。CyberOptics的团队使用转移学习节省时间。转移学习涉及到使用的网络体系结构一直pre-trained任务,然后添加另一个类和训练。复杂的深度学习(DL)算法用于该应用程序。
CyberOptics Multi-Reflection抑制(夫人)传感器技术,集成了一个独特的相机结构和复杂的算法,提供了一个优势与竞争为机器学习(ML)提供高质量的图像编程。
侧面摄像头CyberOptics的高分辨率专用传感器在SQ3000™多功能系统用来提供侧视检查所有四个组件没有额外的镜子,没有移动部件。这些方面没有额外的吸收或摄像机相机捕捉高质量图像。
内存供应商的IC角落填充检验需求,一个简化的模型能够执行所有必要的任务,采用DL。该项目顺利进行,提供了一个简化的用户体验。
好处
CyberOptics提供一个高性能的、可靠的和易于使用的IC角落填补检查系统使用deep-learning-enabled对象分类、检测和转移学习。
可行性研究显示高鲁棒性检测和训练有素的深度学习模型的创建角落填充。对象的边界框检测程序满足客户的需要测量的长度的角落。
CyberOptics继续发展机器学习能力支持客户日益复杂的检验需求。域的算法和神经网络技术使得团队训练模型的具体应用。平方软件方便容易远程CyberOptics和其客户之间的沟通,与CyberOptics团队能够训练模型一端和客户能够运行推理在另一端。
高级功能的增长空间的深度学习是无限的,而CyberOptics获得动力建立其市场主导地位与独特的AI-enabled SMT和半导体解决方案,有效地解决客户的具有挑战性的应用程序。
点击在这里阅读更多。
|
|
|
|
|
|
|
|
|
留下一个回复