半导体芯片载板的缺陷验证方法、检测方法及AOI设备技术

本发明专利技术公开了一种半导体芯片载板的缺陷验证方法、检测方法及AOI设备，验证方法包括以下步骤：对缺陷检测中的载板进行扫描，得到载板的扫描图像，并对扫描图像进行缺陷识别，得到缺陷识别结果；对扫描图像进行分割，得到对应各个IC单元的子图像，组成子图像集；遍历子图像集中的每一个子图像，将一子图像输入预先完成训练的AI模型，AI模型被配置为对预先定义的缺陷类型进行识别，若AI模型识别到该子图像存在缺陷，则将与该子图像对应的IC单元标记为废弃单元，并遍历下一个子图像。本发明专利技术提供的验证方法、检测方法及AOI设备通过AI算法提前将关键缺陷识别进行标记，以避免人工核查同一个IC单元上的其他缺陷，大大减少人工验证时间。间。间。

【技术实现步骤摘要】
半导体芯片载板的缺陷验证方法、检测方法及AOI设备


[0001]本专利技术涉及IC载板检测
，尤其涉及半导体芯片载板的缺陷验证方法、检测方法及AOI设备。

技术介绍

[0002]目前IC载板通常使用AOI设备进行检测，在检测过程中，针对出现的缺陷，通常需要人工验证才能最终判别，以减少机器误判的风险，但是实际应用中，由于载板上可能出现的缺陷的种类繁多，操作人员难以快速判别，大大增加了工作难度和工作量。
[0003]以上
技术介绍
内容的公开仅用于辅助理解本专利技术的专利技术构思及技术方案，其并不必然属于本专利申请的现有技术，也不必然会给出技术教导；在没有明确的证据表明上述内容在本专利申请的申请日之前已经公开的情况下，上述
技术介绍
不应当用于评价本申请的新颖性和创造性。

技术实现思路

[0004]本专利技术的目的在于提供了一种半导体芯片载板的缺陷验证方法、检测方法及AOI设备，通过AI算法优化操作人员的核查顺序，以大大减少其工作量。
[0005]为达到上述目的，本专利技术采用的技术方案如下：一种半导体芯片载板的缺陷验证方法，半导体芯片载板上排列有多个IC单元，所述缺陷验证方法包括以下步骤：利用AOI设备对缺陷检测中的载板进行扫描，得到所述载板的扫描图像，并使用AOI设备中的检测模型对所述扫描图像进行缺陷识别，得到缺陷识别结果，所述缺陷识别结果包括缺陷位置信息；对所述扫描图像进行分割，得到对应各个IC单元的子图像，组成子图像集；遍历所述子图像集中的每一个子图像，包括：将一子图像输入预先完成训练的AI模型，所述AI模型被配置为对预先定义的缺陷类型进行识别，所述预先定义的缺陷类型的数量小于四种；若所述AI模型识别到该子图像存在缺陷，则将与该子图像对应的IC单元标记为废弃单元，并遍历下一个子图像，直至所述子图像集中的全部子图像完成遍历；根据所述缺陷识别结果的缺陷位置信息，显示所述扫描图像上被标记为废弃单元以外的其他IC单元处的缺陷，由操作人员对显示的缺陷进行验证。
[0006]根据本专利技术的另一方面，提供了一种半导体芯片载板的缺陷验证方法，半导体芯片载板上排列有多个IC单元，所述缺陷验证方法包括以下步骤：利用AOI设备对缺陷检测中的载板进行扫描，得到所述载板的扫描图像，并使用AOI设备中的检测模型对所述扫描图像进行缺陷识别，得到缺陷识别结果，所述缺陷识别结果包括缺陷位置信息；对所述扫描图像进行分割，得到对应各个IC单元的子图像，组成子图像集；遍历所述子图像集中的每一个子图像，包括：将一子图像输入预先完成训练的AI
模型，所述AI模型被配置为对预先定义的缺陷类型进行识别，所述预先定义的缺陷类型的数量小于四种；若所述AI模型识别到该子图像存在缺陷，则将与该子图像对应的IC单元标记为废弃单元，否则，根据所述缺陷识别结果的缺陷位置信息判断该子图像是否存在缺陷，若是，则显示该子图像的缺陷，由操作人员对显示的缺陷进行验证；操作人员对显示的缺陷完成验证后，或者当该子图像不存在缺陷时，遍历下一个子图像，直至所述子图像集中的全部子图像完成遍历。
[0007]进一步基于上述两种验证方法，若一IC单元被标记为废弃单元，则后续检测或修复流程中直接跳过该IC单元。
[0008]进一步地，将与该子图像对应的IC单元标记为废弃单元之前还包括：显示所述AI模型识别到的缺陷，由操作人员验证该缺陷是否属于预先定义的缺陷类型，若是，则将与该子图像对应的IC单元标记为废弃单元。
[0009]进一步地，若所述操作人员验证该缺陷不属于预先定义的缺陷类型，则停止将与该子图像对应的IC单元标记为废弃单元。
[0010]进一步地，所述缺陷识别结果还包括缺陷类型，若操作人员对显示的缺陷进行验证的结果与所述缺陷识别结果的缺陷类型一致，则验证通过，否则对该缺陷进行复核。
[0011]进一步地，利用AOI设备对缺陷检测中的载板进行扫描，并对所述扫描图像进行缺陷识别；若操作人员对显示的缺陷进行验证的结果与所述缺陷识别结果的缺陷类型不一致，则由复核人员对显示的缺陷进行识别，若复核人员的识别结果与所述缺陷识别结果的缺陷类型不一致，则以复核人员的识别结果作为该缺陷图像的标签，得到一学习样本；并将该学习样本加入AOI设备的训练样本集，利用更新后的训练样本集对AOI设备中的检测模型进行再训练。
[0012]进一步地，所述预先定义的缺陷类型包括开路类型和/或短路类型。
[0013]进一步地，所述AI模型仅专注于学习开路和/或短路的缺陷特征，所述AI模型预先训练所使用的训练样本集中样本图像所具有的缺陷仅包括开路和/或短路。
[0014]进一步地，若所述操作人员验证该缺陷不属于预先定义的缺陷类型，则以操作人员的验证识别结果作为该子图像的标签，得到一学习样本；并将该学习样本加入所述AI模型的训练样本集，利用更新后的训练样本集对所述AI模型进行再训练，以优化所述AI模型。
[0015]根据本专利技术的再一方面，提供了一种半导体芯片载板的缺陷检测方法，利用所述的缺陷验证方法，得到缺陷检测结果。
[0016]根据本专利技术的又一方面，提供了一种AOI设备，包括图像扫描器、缺陷识别模块和AI模块，所述图像扫描器、缺陷识别模块、AI模块之间两两通信连接，所述图像扫描器通过对载板扫描得到所述载板的扫描图像，所述缺陷识别模块对所述扫描图像进行分割，得到对应各个IC单元的子图像，组成子图像集，对每个子图像进行缺陷识别，得到初步的缺陷识别结果，所述缺陷识别结果包括缺陷位置信息；AI模块遍历所述子图像集中的每一个子图像，AI模块内置AI模型，AI模块将一子图像输入预先完成训练的AI模型，所述AI模型被配置为对预先定义的缺陷类型进行识别，所述预先定义的缺陷类型的数量小于四种；若所述AI模型识别到该子图像存在缺陷，则将
与该子图像对应的IC单元标记为废弃单元，并遍历下一个子图像，直至所述子图像集中的全部子图像完成遍历；根据所述缺陷识别结果的缺陷位置信息，显示所述扫描图像上被标记为废弃单元以外的其他IC单元处的缺陷，由操作人员对显示的缺陷进行验证。
[0017]根据本专利技术的再一方面，提供了一种AOI设备，包括图像扫描器、缺陷识别模块和AI模块，所述图像扫描器、缺陷识别模块、AI模块之间两两通信连接，所述图像扫描器通过对载板扫描得到所述载板的扫描图像，所述缺陷识别模块对所述扫描图像进行分割，得到对应各个IC单元的子图像，组成子图像集，对每个子图像进行缺陷识别，得到初步的缺陷识别结果，所述缺陷识别结果包括缺陷位置信息；AI模块遍历所述子图像集中的每一个子图像，AI模块内置AI模型，AI模块将一子图像输入预先完成训练的AI模型，所述AI模型被配置为对预先定义的缺陷类型进行识别，所述预先定义的缺陷类型的数量小于四种；若所述AI模型识别到该子图像存在缺陷，则将与该子图像对应的IC单元标记为废弃单元，否则，根据所述缺陷识别结果的缺陷位置信息判断该子图像是否存在缺陷，若是，则显示该子图像的缺陷，由操作人员对显示的缺陷进行验证；操作人员对显示的缺陷完成验证后，或者当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种半导体芯片载板的缺陷验证方法，半导体芯片载板上排列有多个IC单元，其特征在于，所述缺陷验证方法包括以下步骤：利用AOI设备对缺陷检测中的载板进行扫描，得到所述载板的扫描图像，并使用AOI设备中的检测模型对所述扫描图像进行缺陷识别，得到缺陷识别结果，所述缺陷识别结果包括缺陷位置信息；对所述扫描图像进行分割，得到对应各个IC单元的子图像，组成子图像集；遍历所述子图像集中的每一个子图像，包括：将一子图像输入预先完成训练的AI模型，所述AI模型被配置为对预先定义的缺陷类型进行识别，所述预先定义的缺陷类型包括开路类型和/或短路类型，所述AI模型仅专注于学习开路和/或短路的缺陷特征，所述AI模型预先训练所使用的训练样本集中样本图像所具有的缺陷仅包括开路和/或短路；若所述AI模型识别到该子图像存在缺陷，则将与该子图像对应的IC单元标记为废弃单元，并遍历下一个子图像，直至所述子图像集中的全部子图像完成遍历；根据所述缺陷识别结果的缺陷位置信息，显示所述扫描图像上被标记为废弃单元以外的其他IC单元处的缺陷，由操作人员对显示的缺陷进行验证。2.一种半导体芯片载板的缺陷验证方法，半导体芯片载板上排列有多个IC单元，其特征在于，所述缺陷验证方法包括以下步骤：利用AOI设备对缺陷检测中的载板进行扫描，得到所述载板的扫描图像，并使用AOI设备中的检测模型对所述扫描图像进行缺陷识别，得到缺陷识别结果，所述缺陷识别结果包括缺陷位置信息；对所述扫描图像进行分割，得到对应各个IC单元的子图像，组成子图像集；遍历所述子图像集中的每一个子图像，包括：将一子图像输入预先完成训练的AI模型，所述AI模型被配置为对预先定义的缺陷类型进行识别，所述预先定义的缺陷类型包括开路类型和/或短路类型，所述AI模型仅专注于学习开路和/或短路的缺陷特征，所述AI模型预先训练所使用的训练样本集中样本图像所具有的缺陷仅包括开路和/或短路；若所述AI模型识别到该子图像存在缺陷，则将与该子图像对应的IC单元标记为废弃单元，否则，根据所述缺陷识别结果的缺陷位置信息判断该子图像是否存在缺陷，若是，则显示该子图像的缺陷，由操作人员对显示的缺陷进行验证；操作人员对显示的缺陷完成验证后，或者当该子图像不存在缺陷时，遍历下一个子图像，直至所述子图像集中的全部子图像完成遍历。3.根据权利要求1或2所述的缺陷验证方法，其特征在于，若一IC单元被标记为废弃单元，则后续检测或修复流程中直接跳过该IC单元。4.根据权利要求1或2所述的缺陷验证方法，其特征在于，将与该子图像对应的IC单元标记为废弃单元之前还包括：显示所述AI模型识别到的缺陷，由操作人员验证该缺陷是否属于预先定义的缺陷类型，若是，则将与该子图像对应的IC单元标记为废弃单元。5.根据权利要求4所述的缺陷验证方法，其特征在于，若所述操作人员验证该缺陷不属于预先定义的缺陷类型，则停止将与该子图像对应的IC单元标记为废弃单元。6.根据权利要求1或2所述的缺陷验证方法，其特征在于，所述缺陷识别结果还包括缺陷类型，若操作人员对显示的缺陷进行验证的结果与所述缺陷识别结果的缺陷类型一致，则验证通过，否则对该缺陷进行复核。
7.根据权利要求6所述的缺陷验证方法，其特征在于，若操作人...

【专利技术属性】
技术研发人员：诺尼，
申请(专利权)人：苏州康代智能科技股份有限公司，
类型：发明
国别省市：