多维精密测量：半导体微型器件的2D&3D视觉方案

导读

精密视觉检测技术有效提升了半导体行业的生产效率和质量保障。友思特自研推出基于深度学习平台和视觉扫描系统的2D和3D视觉检测方案，通过9种深度学习模型、60+点云处理功能，实现PCB元器件、IGBT质量检测等生产过程中的精密测量。

精密检测半导体的友思特方案

在当今半导体行业中，随着技术的不断进步和设备微型化的发展，对2D和3D视觉检测方案的需求日益增加，对检测精度和效率的要求也随之提升。

传统的检测方法往往无法满足高速生产线上的严格标准，面对微小尺寸、复杂结构和多样化的封装形式，可靠的视觉检测技术显得尤为关键。首先，器件的几何形状、表面缺陷、焊接质量以及器件排布不规范等多种因素，都对检测的准确性构成挑战。其次，生产过程中常常会遇到杂散光、反射以及其他数据噪声，这些都会影响成像效果，进而降低检测的可靠性。

为应对这些挑战，友思特的技术团队结合前沿的计算机视觉和图像处理算法，研发了针对半导体器件的2D和3D视觉检测方案，为半导体行业的质量保障和生产效率提升提供了坚实的技术支持。

对于半导体2D视觉检测，友思特Neuro-T 自动深度学习平台，通过平台的智能自动标注、9种不同的深度学习模型、流程图和推理中心等功能，旨在高效、快速、高精度实现并部署诸如器件检测分类、定位、缺陷检测等视觉任务。

对于半导体3D视觉检测，友思特 Saccade 视觉扫描系统，通过静态多角度、局部扫描优化、专有的斑点和强度变化抑制算法等特色功能，完成诸如器件焊接质量检测、装配检测、涂胶检测等视觉任务。

半导体2D视觉检测的深度学习模型

分类模型

分类模型可识别整个图像的概念，并区分不同类别的图像。这种模型类型适用于将图像分为“正常”和“缺陷”两类的情况。在半导体器件检测中，可以用于区分正常和有缺陷的器件，以及不同型号种类的PCB或元器件。

实例分割模型

实例分割模型不仅能识别物体，还能识别其形状和在图像中的位置。由于图像是在像素级别上进行分析的，因此分割技术可用于从产品表面定位准确的缺陷区域，或发现图像中的多种类型的物体。在半导体器件的检测上，可以用于准确捕捉和分割出器件上各种类型的缺陷，例如引脚缺失、划痕、缺口等，并返回缺陷的多边形轮廓。

目标检测模型

目标检测模型可以捕捉图像中的目标，并区分每个目标的类别。它们以方框的形式显示目标的大小和位置。这种模型类型在检测场景中某些目标类别的实例时非常有用，例如停在街道上的汽车、人脸或X射线行李扫描仪中的物体。在半导体器件的检测上，可以用于例如在完整PCB上同时定位检测和分类多个不同种类的元器件，以校验有无元器件错焊漏焊的情况。

异常分类模型

异常分类模型专门从事无监督学习，只在正常图像上进行训练，以检测异常图像。这种模型具有很强的通用性，可应用于各个领域，尤其是在缺陷图像数量有限的情况下。在半导体器件的检测上，可以只在正常的图像上训练，即可检测出异常（器件种类异常、数量异常、缺陷）等对象。

半导体2D视觉检测案例

半导体3D视觉检测方案

友思特半导体3D视觉检测方案，基于 Saccade 视觉扫描系统 VST-MD300 设备，在视觉扫描系统和检测对象相对静止的情况下，通过设备集成的4个 IDS 相机搭配内置动态移动的扫描线激光，多角度低死角地获取检测对象的点云，并结合友思特研发团队自研的Viewsitec 3D软件，对获取的点云进行处理，得到包括坐标、尺寸、类别等所需的各视觉检测结果。方案具体流程如下：

1.架设视觉扫描系统

使用系统配套标定软件、标定板和标准量块进行工作区标定以及标定精度的验算.

2.扫描系统设置

使用定位基准卡位来确保工件在预设位置范围，修改用于设置系统扫描参数的json文件，设置选择性重点关注的区域，对于需要检测的重点区域进行极高分辨率的扫描，对于非重点区域进行低频扫描，从而缩短点云获取时间的同时保有高精度，实现时间和精度的权衡。

3.系统扫描获取点云

根据此前预设的Z方向的定位基准，拟合Z轴平面，并根据XY基准点进行坐标换算，自动校准对象点云。

4.点云图像处理与测量

定位和分割需要检测对象区域的点云，并对点云进行滤波、轮廓提取、拟合等点云处理算法，得到需要测量的对象尺寸。

5.输出3D检测结果

根据测量和定位结果，结合产品标准要求设置的阈值，决策输出产品最终的3D视觉检测结果，并返回至上位机呈现。

半导体3D视觉检测案例

案例1. PCB的MOS管点胶质量检测

PCB 的元器件如 MOS 管等通常需要点胶，用于绝缘保护、防止机械损伤、增强焊接点的强度、填充器件的空隙以保证密封性、提供器件的热稳定性等。

点胶质量检测包括检测点胶的厚度、均匀性和完整性，以及是否有效隔离元器件、是否粘连多个元器件、点胶溅射等，是大规模生产中提高产品质量和一致性的重要环节。

通过友思特的 3D 视觉检测方案，我们可以获取检测对象的 2D 和 3D 数据，2D 数据用于辅助检测对象的粗定位，以实现自动分割 3D 数据中需要处理的点云对象。通过视觉扫描系统配套的软件，我们可以实现点云数据的 Z 轴平面校准、XY 方向的偏移旋转对齐，并按高程渲染点云，以加大点云数据不同对象的区分度。结合 2D 数据定位和分割要检测的点胶对象点云，通过 PCL 库的一系列点云处理操作，最终得到 MOS 管及周围点胶的 3D 尺寸数据，结合预设阈值范围，判断质量是否符合标准，并返回结果至上位机。

案例2. IGBT质量检测

IGBT（绝缘栅双极型晶体管，Insulated Gate Bipolar Transistor）是能量转换和传输的关键设备，广泛应用于混合动力汽车和电动汽车、发电和转换、暖通空调等。在低容错系统中，IGBT 模块的突然故障可能产生致命风险。

IGBT 散热不良，可能的原因有翘曲、倾斜、平面度不符合标准，残余应力的存在会降低产品的可靠性、散热性、电气特性和其他重要性能，并最终导致器件出现裂纹等故障或寿命缩短。

通过友思特的 3D 视觉检测方案，我们可以完成大面板（＞400mm）、高精度（＜0.05mm）PCB 上的IGBT质量检测，实现检测对象的“自动点云获取→数据处理→检测算法→结果输出”这样一套完整的 3D 视觉检测流程。

友思特Viewsitec 3D软件介绍

友思特研发团队自研的基于点云处理的3D测量软件，集成了点云渲染、拟合、滤波、采样、特征提取、分割、配准等六十多项点云处理功能，并对部分算法进行功能优化，完成了对点云的预处理和测量目标的提取分离。同时，优化界面显示，开发了流程图调用点云处理函数队列的功能，搭建点云处理流程图并分别设置算法参数，实现无代码模块化编程的方式，按预设的批量操作来处理点云并可视化输出结果，旨在以简单的操作方式和数据呈现实现根据客户需求进行自定义开发的功能，最终通过一键测量功能一站式完成三维检测和测量应用。

了解更多？欢迎探索丰富案例：https://viewsitec.com/semiconductor-devices-2d-3d-visual-inspection/

审核编辑 黄宇