芯片行业图像处理炙手可热,边缘检测或许的唯一解决方案,权衡效率和成本,将成为最优解。

在芯片制造行业提起图像识别时,第一反应就是难度很高,尤其是工厂在进行自动化部署时,有关于芯片缺陷检测的部分更是难上加难。而现在已经有厂商推出在“边缘”处理图像的新技术,使得深度学习技术变得更加易用。

什么是"边缘检测"

制造业的边缘检测本身是一种应用场景,通过图像边缘部分来检测某些需要识别的特征,其背后所涉及到的技术通俗说法是"边缘学习",是深度学习的一个子集。一般是使用一套预先训练好的算法在设备上直接部署,通过设备内置的CPU和GPU进行计算图像,来达到检测的目的。

针对于芯片制造工厂而言,最需要的一套简单的设备外加训练好的模型,直接部署就可以使用,所以打包售卖训练好的模型已经成为一个行业趋势。提到算法也给大家介绍下,边缘检测在图像处理和计算机视觉上的概念:边缘检测本质上是一种图像滤波器,用来检测和标识出图像中亮度、色彩变换明显的点,因为在一张图像中,这种显著的变化往往反应出了图片所蕴含的重要"信息":(i)深度上的不连续、(ii)表面方向不连续、(iii)物质属性变化和(iv)场景照明变化。

边缘检测可以大幅度减少数据量,并且剔除了很多不相关的信息,只保留图像中认为最重要的结构。对于芯片制造行业,边缘检测就比传统的图像识别来的更加轻巧和方便。

Cognex Deep Learning 实例图像(图源:网络)

从图像识别角度看,边缘检测可以为流水线作业提供更大的数据吞吐量和更高效的识别,所以已经有越来越多的厂商加入边缘检测的大军。

制造产线应用场景

制造业流水线是十分讲求良率和效率的地方,在很多时候芯片制造的中间环节都需要各种各样的检测,才能保证最终的良率和产能。前前后后上百道工序,每道工序都有自己的良率,我们来简单计算一下:

1.笔者从事的某种芯片制造有近150道工序抛去检查和清洗等,造成芯片不可逆损伤的工序大概有90道。

2.假设每道工序的良率都是99.9%,那么最终产品的良率是0.999的90次方,最终是91.4%,而如果要是良率下降到99.0%时,最终产品的良率达到了可怕的40.5%也就是说客户需要一百万颗料,我们至少要做250万颗才能保证最后的订单量。当然在某些器件例如NAND动辄都是64层96层其一片12寸的晶圆更是在产线要走两个月的时间,经过工序已达到上千道。

所以在流水线生产环境中,高效好用的自动化图像识别系统能对于及时发现和提升效率有着不可估量的优势。例如,在某些芯片内部需要做出一些电路图形,高清显微相机可以捕捉到微小的图像,而这样类似的微小图案可能在电路中有百万个,在短时间内处理上百万个图像就需要很大计算量,然而这只是整个芯片制程中很小的一个环节,所以能够缩小数据量的方法的需求变得越来越急切。

特殊图案的边缘检测(图源:网络)

不仅仅是芯片制造中,在器件封装中边缘检测同样有着极大作用,举个最简单的例子,我们最常见的黑色矩形芯片,其实是被塑封体包裹的元件,内部保护起来的Chip才是起作用的芯片,我们一般称之为“Die”。所以对于封装厂来讲,一个Die完好无损的从晶圆上经过减薄-划片-贴装-打线最后流转到测试再到客户手中,也需要数十道检测来确保良率。

如下图,我们可以将一个芯片的局部放大来看,一些内部电路也会由于金属或者表面不同保护镀层而呈现不同的颜色。但是对于封装来讲,工程师更加关注的是芯片的裂纹和损伤,对于颜色反而希望去除,所以通过图案内花纹的边缘检测就可以得到电路纹理的边界,往往裂纹和损伤会打乱整个纹理图案,所以正负样本的比较久可以轻松得出结果。

NAND芯片和边缘检测局部纹理示意图(图源:网络)

通过特征图案的机器学习可以让待检测图片的细节更加突出,并且所占空间更小,因为一张图片其实CPU或者GPU能够很快给出结果,但是一百万张所花费的时间该有多少,想必没有人去尝试这么“愚蠢”的事情,因为对于制造来讲,效率和时间就是金钱。

责编:我的果果超可爱

参考:

Edge detection -WIKI 

Edge Detection -MathWorks Web

Cognex Deep Learning --Cognex

数字图像处理:边缘检测(Edge detection)-- 知乎

责编:Luffy
本文为EET电子工程专辑原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
您可能感兴趣
这一成果不仅将芯片上的时间调控速度提升了 100 倍,时钟频率突破100GHz,还为未来智能计算、6G 通信、空天遥感等一系列现实应用的性能提升提供了强大支持。
由于印度拥有庞大的劳动力资源和不断增长的消费能力,加之政府的支持,吸引了多家中国智能手机制造商扩大在当地的投资。苹果公司已经开始将其生产多元化,最近开始在印度试生产其AirPods无线耳机。村田也决定在印度租用工厂进行陶瓷电容器的包装和发货......
日本罗姆半导体公司更换了其首席执行官(CEO),这一决定是由于公司面临财务困难和经济挑战。罗姆半导体预计在2024财年将出现60亿日元的净亏损,这是自2012年以来公司首次遭遇全年亏损......
BelGaN于2024年7月申请破产保护,并在破产拍卖中吸引了多家潜在收购方的兴趣,包括中国公司和瑞典-芬兰财团等。BelGaN的破产拍卖于2025年1月16日完成,拍卖筹集了约2300万欧元的资金,其中三分之一的资产被中国企业收购......
Wolfspeed 决定将其位于得克萨斯州达拉斯郊外的工厂关闭,通过挂牌的方式将其出售,包含四栋建筑,包括一个 14MW 的数据中心设施,这四栋建筑均不可单独出售。关闭得克萨斯州工厂的原因主要是由于150毫米晶圆需求下降......
DTCO作为一种整合式优化的方法论,旨在改善芯片的效能、功耗效率、晶体管密度、良率及成本。在IDM时代,DTCO是标准方法学,随着Fabless与Foundry模式的成功……
TEL宣布自2025年3月1日起,现任TEL中国区地区总部——东电电子(上海)有限公司高级执行副总经理赤池昌二正式升任为集团副总裁,同时兼任东电电子(上海)有限公司总裁和东电光电半导体设备(昆山)有限公司总裁。
预计在2025年,以下七大关键趋势将塑造物联网的格局。
领域新成果领域新成果4月必逛电子展!AI、人形机器人、低空飞行、汽车、新能源、半导体六大热门新赛道,来NEPCON China 2025一展全看,速登记!
本次股东大会将采取线上和线下相结合的混合形式召开,股东们可选择现场出席或线上参会。
小米宣布全球首发光学预研技术——小米模块光学系统,同时发布官方宣传视频。简单来说,该系统是一个磁吸式可拆卸镜头,采用定制M4/3传感器+全非球面镜组,带来完整一亿像素,等效35mm焦段,配备f/1.4
点击上方蓝字谈思实验室获取更多汽车网络安全资讯3 月 5 日,据中国经济网报道,近日有传言毛京波即将卸任莲花中国总裁,调整至海外市场。莲花汽车内部人士证实了此事:“毛总(毛京波)已经有几天没有出现在办
市值一夜蒸发2900亿”作者|王磊编辑|秦章勇特斯拉陷入一个怪圈。马斯克的权力越来越大,但特斯拉的股价却跌得越来越惨。就在昨天,特斯拉股价又下跌了4.43%,一天之内蒸发406亿美元,约合人民币295
从上表可知,2024年前三季度全球40强PCB企业总营收约416.7亿美元,同比增长7.6%。其中,营收排名第一位的是臻鼎科技(36.05亿美元),排名第2~5位的分别是欣兴电子(26.85亿美元)、
新思科技与国际半导体产业协会基金会(SEMI 基金会)近日在新思科技总部宣布签署一份谅解备忘录(MoU),携手推动半导体芯片设计领域的人才发展。据预测,到 2030 年,全球半导体行业将需要新增 10
插播:历时数月深度调研,9大系统性章节、超百组核心数据,行家说储能联合天合光能参编,发布工商业储能产业首份调研级报告,为行业提供从战略决策到产品方向、项目资源的全维参考!点击下方“阅读原文”订阅刚开年
高通又放大招了!3月3日,也就是MWC世界移动通信大会的第一天,高通正式宣布,推出自家的最新5G调制解调器及射频解决方案——高通X85。高通X85对于高通X85的发布,行业早有关注。因为高通的手机So
今日光电     有人说,20世纪是电的世纪,21世纪是光的世纪;知光解电,再小的个体都可以被赋能。追光逐电,光引未来...欢迎来到今日光电!----追光逐电 光引未来---- 来源:时光沉淀申明:感
在3月4日北京市政府新闻办公室举行的发布会上,北京经济技术开发区(北京亦庄)发布消息称,将于4月13日举行北京亦庄半程马拉松赛,全球首个人形机器人半程马拉松赛将同期举行。会上表示,人形机器人将与运动员
 点击上方蓝字➞右上「· · ·」设为星标➞更新不错过★2025 年 3 月 12 日至 14 日  连续 3 晚 19:00 - 20:30德州仪器电力全开 为您带来 “高效 DC-DC 转换器的设