中国工业视觉技术实践系列报告 -泛半导体行业的质量管理技术升级之路 2023.pdf

出品机构：甲子光年智库研究指导：宋涛研究团队：刘瑶发布时间：2023.11目 录Part 01高技术创造高价值，工业视觉成就“制造之眼”Part 02工业视觉加快泛半导体行业的质量管理升级Part 03突破造就未来，国产代表厂商的突破与实践Part 04技术前行，未来仍有无限可能机器视觉的技术优势机器视觉在速度、精度等指标上远高于人类，非常适合工业领域应用机器视觉在色彩识别能力、灰度分辨率、空间分辨率、速度、感光范围、环境适应性、观测精度等方面比人类视觉更具优势。机器视觉利用相机、镜头、光源和光源控制系统采集目标物体数据，借助视觉控制系统、智能视觉软件和数据算法库进行图形分析和处理，软硬系统相辅相成，为下游行业赋予视觉能力。项目人类视觉机器视觉色彩识别能力容易受人的心理影响，不能量化具有可量化的特点灰度分辨率差，一般只能分辨 64 个灰度强，目前一般使用 256 灰度级，采集系统可具有 10bit，12bit，16bit 等灰度级空间分辨率分辨率较差，不能观看微小的目标分辨率高，可观测微米级的目标速度速度慢，0.1 秒的视觉暂留使人眼无法看清较快运动的目标速度快，快门时间可达 10 微秒左右，高速相机帧率可达到 1000 以上，处理器的速度越来越快感光范围范围窄，400nm-750nm 范围的可见光范围宽，从紫外到红外的较宽光谱范围，另外有 X 光等特殊摄像机环境适应性对环境适应性差，另外有许多场合对人有损害对环境适应性强，另外可加装防护装置观测精度精度低，无法量化精度高，可到微米级，容易量化其他主观性，受心理影响，易疲劳客观性，可连续工作工业视觉是将硬件如光源，传感器，相机等集成综合性仪器同时辅以底层算法用于工业制造方向，协助制造业实现引导、识别、检测和测量功能，最终促进工业制造智能化，是自动化到智能化的关键拼图，兼具状态感知（视觉）和自主决策（边缘控制和AI）的能力。工业视觉产业概念分析软硬一体，深度学习赋能制造业全场景应用能力电子元件：CMOS、CCD、LED等光学元件：镜片、镀膜等机械元件：五金、结构件光源及其控制器镜头工业相机软件和算法视觉引导设备视觉检测设备视觉测量设备视觉识别设备3C电子汽车及零部件新能源半导体食品零部件集成设备组装与软件部署工业视觉系统工业视觉设备装备应用底层元件上游中游下游图：工业视觉产业链关系图工业视觉市场的发展背景制造业及智能制造规模同步上升，中国制造产业迎来“质”与“量”的同步发展从中国制造业增加值来看，2017年至2022年持续上升，并且在GDP的比重持续上升。从中国智能制造业产值规模来看，2022年中国智能制造业产值447亿元，预计2026年可达1000亿元，持续迎来高于20%的增长。597610113917822328.1%29.4%27.1%26.2%27.4%27.7%201720182019202020212022市场规模（亿元）占GDP比重（%）图：2017-2022年中国制造业增加值及GDP占比图：2016-2026年中国智能制造业产值规模122150180225293366447546668818100023%20%25%30%25%22%22%22%22%22%2016201720182019202020212022 2023E 2024E 2025E 2026E智能制造产值（百亿元）增速（%）工业视觉的市场规模工业视觉搭上智能制造产业“快车”，中国工业视觉市场持续增长伴随全球制造升级需求与中国制造业的高质量发展，工业视觉市场规模稳步增加。中国工业视觉2022年市场规模为184亿，到2025年将达到470亿，行业整体发展增速快。图：2020-2025年中国工业视觉市场规模及预测图：2020-2025年全球工业视觉市场规模及预测7208088839941124128112%9%13%13%14%2020202120222023E2024E2025E市场规模（亿元）同比增速（%）9513918426435647046%32%43%35%32%2020202120222023E2024E2025E市场规模（亿元）同比增速（%）工业视觉产业的相关政策利好的宏观环境和政策将助力工业视觉产业蓬勃发展发布时间发文单位文件重点内容2023年4月全国人大对数字经济发展情况报告的意见和建议国家支持人工智能算法、框架等基础技术的自主创新、推广应用、国际合作，鼓励优先采用安全可信的软件、工具、计算和数据资源。2022年8月国家科技部等部门关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见要在制造领域优先探索工业大脑、机器人协助制造、机器视觉工业检测、设备互联管理等智能场景。2022年1月国务院“十四五”数字经济发展规划要推动农林牧渔业基础设施和生产装备智能化改造，推进机器视觉、机器学习等技术应用2021年12月工信部等“十四五”机器人产业发展规划研制三维视觉传感器、六维力传感器和关节力矩传感器等力觉传感器、大视场单线和多线激光雷达、智能听觉传感器以及高精度编码器等产品，满足机器人智能化发展需求。2021年7月工信部等十部门5G应用“扬帆”行动（2021-2023年）推进5G模组与AR/VR、远程操控设备、机器视觉、AGV等工业终端的深度融合，加快利用5G改造工业内网，打造5G全连接工厂标杆，形成信息技术网络与生产控制网络融合的网络部署模式，推进“5G+工业互联”服务于生产核心环节。2021年3月工信部、国家发展和改革委员会、教育部、科技部、财政部等“十四五”智能制造发展规划提出研发高分辨视觉传感器、工业现场定位设备，实现泛在感知、数据贯通、集成互联、人机协作和分析优化。2020年11月工业互联网专项工作组工业互联网创新发展规划提出要加强工业互联网基础支撑技术攻关。支持工业视觉传感器等基础软硬件研发突破。2020年2月科技部关于科技创新支撑复工复产和经济平稳运行的若干措施提出以新技术赋能智能工厂建设。鼓励支持企业在研发设计、生产运营、供应链管理等方面应用机器视觉智能传感、深度学习等新技术。工业机器视觉是人工智能产业和制造业转型升级的重要环节，是国家政策重点关注和发展的行业；2016年以来，在人工智能产业和智能制造业升级相关的政策文件中被多次提及，2020年的工业互联网创新发展规划和2021年的“十四五”智能制造发展规划等文件中均提出重点突破计算机视觉、视觉传感相关技术，为工业视觉产业发展提供了政策助力。表：近年来工业视觉相关政策工业视觉的算法技术机器视觉系统的算法软件部分是利用计算机视觉算法对获取围像进行分析，进而为进一步决策提供所需信息。根据集成程度和开发难度的不同，可以细分为供集成商和设备商开发使用的底层算法和供最终客户使用的二次开发好的算法包，由于不同工业应用场景之间的差异性以及对精度的高要求，往往需要专门设计对应的软件算法以满足工业场景下的视觉需求。数据结构图像区域轮廓图像增强灰度变换辐射标定图像平滑傅立叶变换几何变换仿射变换投影变换图像变换极坐标变换图像分割阈值分割提取连通区域亚像素分割特征提取区域特征灰度值特征轮廓特征形态学区域形态学灰度形态学边缘提取边缘定义边缘提取边缘准确度基元分割/拟合直线拟合圆拟合轮廓分割摄像机标定面阵相机线阵相机标定过程立体重构立体几何结构立体匹配模板匹配灰度模版匹配圆形金字塔匹配灰度亚像素匹配旋转与缩放匹配字符识别字符分割特征提取字符分类机器视觉算法图：机器视觉相关底层算法开发包优/缺点适用场景Vision Pro入门容易、lisence费用低：无法GPU加速、图像处理算法工具少需要快速开发的通用视觉类项目HALCON兼容性好：开发周期长、费用高支持视觉图像采集设备、环境及平台较为复杂的，拥有较长开发周期的项目OpenCV开源且可用于商用、便于定制化算法开发:代码能力要求高、周期长有算法基础且项目周期长、预算有限的项目eVision基于灰度相关性的模板匹配效果好、基于图像比对的图像质量检测效果好：几何形状的匹配能力较差适用于基于图像比对的图像质量检测HexSight定位和零件检测效果较好、恶劣环境适应性好;软件开发费用高适用于恶劣工业环境的点位和检测项目NI Vision入门简单、开发速度快，算法效率不高且准确性与稳定性依赖于图像质量图像质量较好，且要求交货周期比较短的项目表：主要机器视觉软件开发包及其特点深度学习赋能制造业全场景应用能力工业视觉的核心功能工业视觉的功能主要有识别、测量、定位、检测机器视觉的功能主要分为四大类，从技术实现难度上来说，识别验证、引导定位、尺寸测量、外观检测的难度是递增的，而基于四大基础功能延伸出的多种细分功能在实现难度上也有差异。识别定位测量检测有无校正点形状/轮廓颜色引导线灰度/色彩粗略位置套准弧/圆装配质量条码对位间距统计信息二维码跟踪几何组合表面缺陷文字识别3D引导3D尺寸3D缺陷图：机器视觉基本功能技术实现的难易度情况易难难功能应用行业(典型代表)应用场景具体应用识别3C 电子、新能源、半导体、汽车、食品基于目标物的外形、颜色或者字符特征进行甄别轮廓度检测二维码识别宇符识别测量3C 电子、新能源、半导体、汽车、食品、医药、光伏将图像像素信息标定成常用的度量衡单位，精准计算出目标物的几何尺寸缺陷检测识别防错产品测量定位3C 电子、新能源、半导体、汽车、食品、医药、光伏在识别出物体的基础上精准确定物体的坐标和角度信息，自动判别物体位置贴合定位焊接定位检测3C 电子、新能源、半导体、汽车、食品、医药、光伏对目标物体进行表面装配检测、表面印刷缺陷检测及表面形状缺陷检测等缺陷检测外观检测表：机器视觉应用场景(按功能分类)目 录Part 01高技术创造高价值，工业视觉成就“制造之眼”Part 02工业视觉加快泛半导体行业的质量管理升级Part 03突破造就未来，国产代表厂商的突破与实践Part 04技术前行，未来仍有无限可能泛半导体行业发展背景-3C电子产品与产线升级迭代带来稳定增长产品持续迭代升级带来稳定需求：产品精密度、对生产制造过程中的精度要求随3C电子产品的更新换代而提升，推动机器视觉进一步渗透。消费电子产品产线进一步升级迭代：苹果作为龙头企业提高行业检测标准，各大电子产品生产厂商也逐步迭代生产质量标准，有望带来机器视觉需求的扩大。554 544 590 626 614 654 811 819 269 272 298 329 331 352 444 428 20152016201720182019202020212022全球PCB产值规模（亿美元）中国PCB产值规模（亿美元）图：2015-2022年 PCB 行业规模保持稳步增长231.5215.2215.8206.3195.6201.1237.92320%10%20%05010015020025020152016201720182019202020212022出货量（百万台）市场占有率图：2013-2022年苹果iPhone出货量（百万台）及市占率工业视觉在3C行业的应用简析（1/2)3C行业的高质量标准提升工业视觉的渗透率工业视觉在3C电子行业中得到广泛应用：3C电子行业具有元器件尺寸较小，质量标准高的特点。在PCB生产制造环节中，工业视觉是PCB对位、SMT拾取、放置和安装验证等环节至关重要的工具。在电子成品设备制造环节中，工业视觉解决方案应用于显示器缺陷检测、产品外壳缺陷检测、轴毁和盘片装配/磁头怒浮组件机器人引导、光学字符识别等环节。图：PCB生产线中部分工业视觉应用环节图：电子设备制造生产线中部分工业视觉应用环节PCB组装验证PCB检测印刷电路板连接器检测PCB组建放置引导PCB靶标对位电路板识别激光钻孔和划线对准LED PCB缺陷检测鼠标PCB检测组装后验证序列号和条码读取表面缺陷分析USB接头检测智能手机外壳平整度和高度检测智能手机相机高度检测相机模块表面检测外壳外观检测板对板连接器检测工业视觉在3C行业的应用简析（2/2)工业视觉提升检测的可靠性和稳定性，贯穿全生产流程面板检测设备贯穿于面板生产制造全过程，为保障良率的关键环节。面板生产包含阵列(Array)、成盒(Cell)和模组(Module)三大制程，检测环节用于保证各段生产制程的可靠性和稳定性，提升产线整体的良率。阵列Array玻璃基板清洗镀膜光刻胶涂布曝光显影干/湿法刻蚀光刻蚀去除退火检查成盒Cell模组Module配向膜成形框胶灌液晶对位拼合切割裂片光刻蚀去除Color Film基板清洗检查ACF贴片IC贴合涂塑检测BLU组装老化检查玻璃基板检测TPCDAOIADI-AOIAMI-AOI对位检查机AOI检测、Cell TestIn-LineOpenCellSystem自动外观检查装置等PI Inspection、PI MAC/MIC膜厚测量机、盒厚测量机Seal InspectionBonding AOI液晶面板在线检测设备液晶面板离线检测设备老化检测AOI检测点灯检查机等Array Yester、CF测议机、CF阶差系统、PS检测系统、Total Pitch检测系统等AOIMAC/MICCD/HI面板制造工艺面板检测设备图：面板检测设备贯穿于面板生产制造的前、中、后道泛半导体行业发展背景-光伏产业中国光伏技术助力全球能源转型据中国光伏行业协会统计，2022 年全球光伏新增装机243GW，同比增长41%，2023 年全球光伏市场需求持续保持旺盛。随着光伏行业整体效率的提高和市场信心的增强，2022 年中国光伏新增装机达 86GW，同比增长61%，中国光伏装机量已连续十年位居全球首位。中国光伏制造占全球80%左右的规模，以每瓦耗电0.4度计算，2023年预计组件产能400GW，耗电量1600亿度，相当于20座核电站的发电量，中国制造的光伏产品为全球能源转型和可持续发展做出了巨大贡献。图：全球光伏历年装机规模及预测（单位：GW）图：国内光伏年度新增装机规模（单位：GW）75 97 98 102 128 172 243 377 463 533 29%1%5%25%34%41%56%23%15%20162017201820192020202120222023E 2024E 2025E光伏装机（GW）增速（%）33 52 43 29 47 54 86 119 119 124 55%-17%-33%63%14%61%38%0%4%20162017201820192020202120222023E 2024E 2025E乐观情况光伏装机（GW）增速（%）工业视觉在光伏行业的应用简析精准解决传统应用难题，赋能光伏制造设备升级迭代图：光伏生产环节流程与工业视觉应用情况电池片切割电池片清洗电池片单片焊接电池片串焊电池片层叠电池片层压装框清洗成品组件硅片清洗制绒干燥扩散蚀刻减反射膜沉积印刷涂层涂购烧结检测包装出厂硅片分选、切割硅片抛光硅片清洗硅片涂层硅片烘烤硅片检验最终产品包装原材料准备清洗干燥研磨筛分包装组件生产与测试电池片生产硅片生产质检出厂原料制备标紫部分为已有成熟的工业视觉系统应用的工序工业视觉解决方案可替代传统人力复杂操作，为企业需要提供稳定、柔性、易用通用的智能制造解决方案，提升全流程的质量管理，助力企业迈向智能制造。泛半导体行业发展背景-半导体产业（1/2)中国半导体设备市场跟随半导体产业发展稳定增长全球半导体产业产能持续扩张，对半导体设备的需求稳定增长。根据SEAJ统计，2022年全球半导体设备销售额为1077亿美元，5年CAGR达13.7%。其中2022年中国大陆地区半导体设备销售额为282.7亿美元，5年CAGR达21.2%，连续三年占比全球第一。图：中国半导体设备市场规模(亿美元）65 82 131 134 187 269 283 391 449 26%60%2%40%44%5%38%15%20162017201820192020202120222023E2024E市场规模（亿美元）增速（%）3407 4147 4704 4147 4425 5578 5818 1111 1361 1649 1476 1543 1909 1880-20.00%-10.00%0.00%10.00%20.00%30.00%020004000600080002016201720182019202020212022全球销售额（亿美元）中国销售额（亿美元）同比增速（全球）同比增速（中国）图：2016-2022 年中国及全球半导体市场销售规模（亿美元）泛半导体行业发展背景-半导体产业（2/2)晶圆建设趋势仍在延续，国产半导体设备迎来发展国内晶圆厂扩产趋势仍在延续。根据 SEMI 预测，全球半导体行业将在2021至2023年间建设84座大规模芯片制造工厂，其中中国大陆地区将会建成20座成熟制程工厂/产线，国产设备将加速导入大陆晶圆厂，国产半导体设备快速发展期在即。图：全球芯片出货量持续增长图：全球新增晶圆厂数量维持高位319 300 324 393 429-6%8%21%9%20182019202020212022芯片出货量（亿）增速（%）17 17 23 33 28 20192020202120222023E新增工厂数量工业视觉在半导体行业的应用简析（1/4)晶圆制造到芯片加工的工艺过程极其复杂，涉及多个工艺步骤，易产生各种缺陷图：集成电路生产及测试具体流程设计验证晶圆制造封装测试拉单晶磨外圆切片倒角磨削或研磨CMP扩散薄膜沉淀光刻刻蚀离子注入CMP金属化晶圆检测逐片传送晶圆链接Pad点施加输入信号采集输出信号判断合规与否打点标记背面减薄晶圆切割贴片引线键合模型切筋/成型成品测试逐片传送晶圆键接芯片引脚施加输入信号采集输出信号判断合规与否标记&分选&收料系统设计逻辑设计电路设计物理设计测试机、分选台、探针台探针台测试机探针台分选台测试机分选台半导体生产流程中的测试设备包括测试机（ATE，Automatic Test Equipment）、分选机（Handler）、探针台（Wafer Prober）等。这些设备的制造需要综合运用光学、物理、化学等科学技术，在测试设备中，测试机用于检测芯片功能和性能，探针台与分选机实现被测芯片与测试机功能模块的连接。晶圆检测环节需要使用测试机和探针台，成品测试环节需要使用测试机和分选机。工业视觉在半导体行业的应用简析（2/4)高效识别晶圆缺陷是工业视觉的重要应用之一芯片制造过程中产生的缺陷会影响产品设备的最终良率，额外增加厂商的生产成本。根据资料统计，工艺节点每缩减一 代，工艺中产生的致命缺陷数量会增加50%，因此每一道工序的良品率都要保持在非常高的水平才能保证最终的良品率。当工序超过500道时，只有保证每一道工序的良品率都超过99.99%，最终的良品率方可超过95%；当单道工序的良品率下降至99.98%时，最终的总良品率会下降至约90%。半导体生产过程控制可分为量测(Metrology)、缺陷检测（Inspection）两大环节。量测：主要针对晶圆电路的结构尺寸、材料特性进行描述，包括薄膜厚度、关键尺寸、刻蚀深度等物理参数。缺陷检测：主要查看晶圆是否有异质，包括颗粒污染、表面划伤等可能对芯片功能产生不良影响的结构性缺陷。图：晶圆缺陷的分类全局缺陷局部缺陷分布于晶圆各处的缺陷，通常由随机因素造成，例如无尘室中的颗粒等随机原因。由于这类缺陷分布范围广，数目多，因此纠正起来代价昂贵，在晶圆制作过程中要尽量避免此类缺陷。通常由可指定的原因产生，如人为错误，设备颗粒和化学污点。上述因素会破坏局部结构，产生集合的缺陷或局部缺陷簇。通常局部缺陷团簇具有无定形、线性、曲线或环形图案。局部缺陷簇的特定模式反映了缺陷的产生机制。形貌缺陷常见形貌缺陷有微小粗糙面、凹坑。通常在抛光或光刻工程中，工人或机械操作不当带来的缺陷。污染物常见污染物如颗粒,通常由环境中脏污如灰尘污染晶圆所致。在分子层面上包括有机层和无机层等污染物;原子层面上包括离子、重金属缺陷等。晶体缺陷常由晶体生长不均导致，硅晶片中存在的晶体缺陷会影响构建在这些晶片上的器件的电性能，甚至由晶体缺陷导致的极端退化情况可能导致设备故障。常见晶体缺陷有：硅原子失位、硅原子错位、非硅原子掺杂等。随机缺陷均匀随机，具有稳定的平均密度，没有具体的聚类现象。这种类型缺陷的原因复杂，并不固定在特定模式上。通过提高工艺的稳定性和准确性，可以减少由这种异常缺陷导致的未合格产品数目。系统缺陷此类缺陷是系统性的，在晶圆间可重复。具有明显的聚类现象。导致这类缺陷的原因通常可以通过晶圆上缺陷的分布来发现，用于发现工艺或机器中的异常，如在光刻过程中掩模位置不对或在工艺过程中蚀刻过度等。组合缺陷这种缺陷因晶圆片而异，也是半导体制造中最常见的企业宣布。组合缺陷是随机缺陷和系统缺陷的组合，在这种类型的缺陷中，消除随机缺陷的原因，保留系统性缺陷，使工程师能够找到异常的原因是非常重要的。根据晶圆缺陷的排布分根据缺陷表征与特性分根据 Kaempf 标准分工业视觉在半导体行业的应用简析（3/4)工业视觉可以利用分析空间图案的分布情况极大提高良率管理效率缺陷类型产生的原因Center化学-机械平坦过程中甩胶机的转速变化或氧化过程中温度不均匀导致Donut在显影过程中，溶解的光刻胶重新附在晶圆表面上,晶圆中心缺陷因为中心冲洗步骤而较少Edge-Loc薄膜沉积问题Edge-Ring蚀刻问题Local清洗不均匀Near full人为错误Random空气中的灰尘干扰Scratch在化学机械过程中团聚的颗粒和衬垫的硬化或者由于搬运过程中的刮擦等晶圆产生的缺陷会在晶圆图中呈现特定的空间图案，这些空间图案包含了晶圆在制造层面发生的异常信息，如薄膜沉积问题、蚀刻问题、清洗不均匀、紫外线曝光不均匀、晶圆物料运输过程被刮坏或晶圆处理不当等问题，都对应一定的空间图案，通过分析空间图案的分布情况，可以对应找出导致低良率的原因以保持工艺的质量水平。早期防控是提升制造系统的可靠性、提高生产良率、降低生产成本的重要手段。传统分析晶圆图空间图案的工作仍需依靠人工去判断，不同的工程师对于同一晶圆图可能会有不同的判断结果，主观因素影响较大，使得分类缺乏一致性。以此同时需面对大规模的晶圆生产现状，人工效率较低，准确性难以保证。工业视觉可高效识别分类晶圆图案缺陷模式，掌控晶圆制造过程中的潜在问题，对于稳定并提高良率具有十分重要的意义。表：晶圆缺陷类型及其产生原因示例工业视觉在半导体行业的应用简析（4/4)光学检测效率高，速度快，提升半导体领域的智能化及数字化水平自动光学检测技术（Automatic Optical Inspection，AOI）是集成信息采集、数字信号处理和自动控制的智能化检测技术，通常在工业生产过程中执行测量、检测、识别和引导等任务。自动光学检测技术模拟人眼采集图像信息，进行图像信息的分析和识别，完成测量、分类、追踪等工作。AOI系统由图像采集模块、视觉检测模块和执行模块三部分组成。在线 AOI离线 AOI检验方式100%实现全检分批抽检自动化程度高，随产品线自动完成检验一般，需人工协助ESD低，自动化作业高，需人工协助，敏感元件需小心处理劳动强度低每块板的检验需要人工放入，检验完成后需人工拿出设备污染无光污染，检验员工期难持久表：离线式 AOI和在线式 AOI的比较相机采集PC机存储图像预处理特征提取缺陷检测控制器执行机构图像采集模块视觉检测模块执行模块目 录Part 01高技术创造高价值，工业视觉成就“制造之眼”Part 02工业视觉加快泛半导体行业的质量管理升级Part 03突破造就未来，国产代表厂商的突破与实践Part 04技术前行，未来仍有无限可能泛半导体细分领域的工业视觉需求半导体及消费电子工业视觉市场规模将持续增长半导体产业以其集成度高、精细度高的特点成为工业视觉技术大规模应用最早的领域之一，工业视觉在半导体制造过程中的速度和精确性优势明显。伴随中国半导体市场、半导体设备市场的飞速发展，智能化、数字化的制造管理理念深入人心，半导体行业的工业视觉市场将迎来稳定的增长。伴随全球及中国的消费电子市场发展，3C电子行业工业视觉规模也将保持稳定增长。图：2016-2025年中国3C电子行业工业视觉市场规模及预测24 27 31 41 43 49 56 62 15%14%29%5%14%13%12%201820192020202120222023E2024E2025E市场规模（亿元）同比增速（%）图：2016-2025年中国半导体行业工业视觉市场规模及预测61010142028385561%0%40%43%40%36%45%201820192020202120222023E2024E2025E市场规模（亿元）增速（%）重点厂商产品及服务能力分析感图科技基于自研底层AI框架，实现高端制造领域的智能化品质管控及良率管理标杆客户GTI 明鉴者GTD 明策者GTO 明览者感图科技是一家专注于高端制造领域智能化品质管控及良率管理的工业AI企业，基于自研底层AI框架及先进的光机电算软等相关技术，打造相应产品体系，可提供智能检测、智能监控、智能辅助决策软硬一体完整解决方案。感图科技可从人、机、料、法、环、测各维度提高制造良率，帮助客户增收、提质、降本、增效，进而帮助其更有竞争力，目前聚焦于在高端电路板，半导体、精密结构件及新能源行业。感图科技总部设立在上海，已建立可覆盖全国的研发、技术服务和销售网络。以高精度AI检测和量测为切入点，过程监控与良率分析为抓手，提供整套AI解决方案和服务，成为客户智能化品质管控与良率管理的智慧大脑。技术优势技术领先：AI为基础，结合自研的2D+3D检测技术，自主专利光学与算法架构，解决国外设备针对非规则非显著类缺陷检测效果差的痛点，真正达成AI赋能良率提升的目标。国产突破：感图明鉴者GTI AI检测机器人系列的检出率、过检率均处于行业领先，解决国内业界“卡脖子”问题。服务优势：感图科技直接向客户服务，深入了解客户需求，进一步挖掘客户场景，服务可做到2小时内响应，8小时内到达。产品优势感图明鉴者GTI已得到高端电路板行业头部客户认证，可覆盖高端电路板行业所有细分领域。同时，感图科技逐步进入半导体领域，客户包括海内外头部半导体载板、半导体封测、晶圆制造厂商等。感图明鉴者晶圆外观AI检测机器人系列产品特点：感图自研高精全彩检测技术，全系列GT AI Inside，辅以高精密自动对焦系统，专为高精度检测定制，像元最高精度可达0.225um，WPH同比友商高出1.5倍以上。行业领先的算法体系、辅以独家专利缺陷生成系统，对缺陷进行智能化精准分类及分析。支持明场和暗场、晶圆正面和背面检测。Recipe设置简易，使用方便，在生产过程中实现100%晶圆检测，完成取代人工抽检。智能监控解决方案智能决策支持系统感图AI检测机器人系列载板外观AI检测机器人FPC 外观AI检测机器人SLP 外观AI检测机器人晶圆外观检测机器人锂电池外观检测机器人精密结构件外观AI检测机器人20+5+5+高端电路板客户群体半导体客户群体新能源客户群体重点厂商产品及服务能力分析感图科技客户是国内头部晶圆制造企业，原有的国外晶圆设备检出率仅能达到9395%，依然需要大量人工抽检与复判，因此无法避免缺陷漏失和客户投诉。客户通过采用感图明鉴者GTI-PMI 晶圆外观AI检测机器人，能够有效提高设备检出率，实现100%AI检测，避免人工复判错误机率，提高生产效率和产品质量，帮助客户实现智能化工厂需求，降本增效。项目背景介绍项目亮点高精度检测感图科技晶圆外观检测设备具有高精度检测能力，可以检测微小的缺陷和污染物，保证晶圆表面质量符合要求。高效检测感图科技晶圆外观检测设备可以快速、准确地检测晶圆表面缺陷，提高检测效率和生产效率。自动化检测感图科技晶圆外观检测设备采用全彩色自动化检测技术，可以减少人工干预，提高检测精度和一致性。多功能检测感图科技晶圆外观检测设备可以检测晶圆表面的多种缺陷和污染物，包括颗粒、裂纹、氧化、污点等。数据分析功能感图科技晶圆外观检测设备具备数据分析功能，以便生产和质量控制人员及时了解检测结果，优化生产和质量管理流程。感图科技GTI-PMI使用于外观检测工位，可取代传统AOI+人工目视检查，大量减少人工复检需求，甚至可以检出非显著细微缺陷并做详细分类，极大地提高了半导体生产过程中晶圆表面质量的检测和管理水平。实践效果99.9%检出率过检率1%90%人工减少封测厂场景多晶硅拉晶切割研磨抛光CMP清洗硅片检测晶圆AOI 晶圆AOI 硅片厂场景晶圆厂场景逻辑设计电路设计圆形设计设计验证光罩制作晶圆AOI 氧化涂胶光刻刻蚀硅片来料高子植入扩散参杂晶圆AOI 晶圆AOI 晶圆AOI 晶圆AOI 晶圆AOI 多次清洗晶圆针测CP(Chip Prbing)抛光CMPCVD/PVD化学/物理气相薄膜沉积晶圆AOI 晶圆AOI 粉色制编段重复几十次或数百次AOI2D/3D 替代传统的晶圆AOI+人工目视通过外观检测，保证每项工艺的质量达标，即便部分工艺需重复多次替代传统检测，保证质量达标AOI2D/3D 晶圆AOI 贴片银浆固化（Die Mount）来料磨片切割（Die Saw）引线焊接（Wire bond）塑封（Mold）成品检测晶圆AOI 六面AOI 先进封装RDL晶圆AOI 目 录Part 01高技术创造高价值，工业视觉成就“制造之眼”Part 02工业视觉加快泛半导体行业的质量管理升级Part 03突破造就未来，国产代表厂商的突破与实践Part 04技术前行，未来仍有无限可能中国工业视觉发展分为四个阶段，当前处于阶段四，科技自主化成为国家战略，工业视觉应用的广度与深度实现快速发展，广度体现在2D向3D递进，并且随着AIGC技术在2023年的飞速发展，应用渗透率提高，国产化应用需求逐渐增加，自研比例不断提升。工业视觉发展概述2D应用仍占主导，中国由基础模式匹配向深度学习方向纵向“超越式”发展中国阶段一：80年代理论发展起步，90年代理论发展迅速应用少，应用方向探索中阶段二：应用发展迅速，食品，电子应用较多阶段三：应用与理论同步发展，一般工业，3C电子应用较多阶段四：应用渗透到各行业欧美阶段一：理论发展迅速，应用少阶段二：应用发展迅速，半导体汽车阶段三：应用与理论同步发展，应用广泛，3C为主阶段四：应用渗透到各行业，工业视觉成为工业生产制造的眼睛，技术伴随AI技术发展可能迎来突破图：中国与欧美工业视觉的发展阶段对比80年代90年代2000年2014年2020年2030年全球理论研究速度全球应用实践速度中国理论研究速度中国应用实践速度基于模式匹配的2D时代基于深度学习的2D向3D递进时代国产化应用需求低，自研比例少国产化应用需求、自研比例不断提升生成式AI对于工业视觉的助力未来工业视觉将有望搭载更先进 AI 技术，切入更多差异化工业应用场景ChatGPT 引爆了人工智能话题，当前重点逐渐从单点技术转化为实质应用转化阶段，搭载AI技术的工业视觉可以进一步优化性能适配更多工业应用场景。模型架构细分发展原理用途卷积神经网络AlexNet第一个深度神经网络，使用 ReLU 作为激活函数；在全连接层使用 Dropout 避免过拟合；使用局部响应归一化（LRN)，被激活的神经元会抑制周围的神经元，使用重叠池化，提升特征的丰富性。图像分类、图像检索物体检测和语义分割ResNet增加了残差连接从而增加了信息从一层到下一层的流动，保证准确率以及网络收敛速度。FractalNets重复组合几个不同卷积块数量的并行层序列，增加名义上的深度，提高特征提取能力。自注意力Self-AttentonVision-Transformatior将纯 Transformer 架构直接应用到一系列图像块上进行分类任务，可以取得优异结果。图像分类对抗性网络/GAN 包含生成式模型（G）和判别式模型（D），生成器的目的是生成真实的样本骗过鉴别器，而鉴别器是去区分真实的样本和生成的样本，通过对抗训练不断提高各自的能力。生成对抗网络在生成图像方面的能力超过了其他的方法。图像生成自监督学习用于解决特定任务的自监督学习表征学习通过大量原始未标记数据来训练模型，使得模型能够学习相关特征，用于特定的下游任务。提高提取特征的质量、迁移学习应用、修复和判断分类错误表：人工智能与机器视觉融合发展方向3D视觉在工业视觉上的优势3D AOI可为工业视觉带来更多的检测类型及效果3D 视觉传感器技术的进步和普及推动了 3D 视觉技术的发展，实现了对传统 2D 视觉技术的重要补充，3D 视觉技术，提供了丰富的三维信息，使机器能够感知物理环境的变化，并相应地进行调整，从而在应用中提高了灵活性和实用性，扩大了机器视觉的应用场景，推动机器视觉市场持续增长。近年我国的机器视觉市场中，3D 技术规模逐步扩大，占比逐步升高。传统的2D AOI与3D AOI在图像处理、比对分析和结果输出的基本流程是一致的，主要区别在于图像采集方式不同，2D AOI使用面阵或线阵相机从单一角度获取芯片的2D图像；而3D AOI使用多视角或结构光等方式获取芯片的3D立体图像。由于3D AOI可以获取更丰富的三维信息，从而可以实现更准确和全面的缺陷检测。检测覆盖面更广，3D AOI可以从多个角度扫描组件，覆盖所有的三维空间，而2D AOI可能存在“死角”检测更精准准确，基于三维图像的 3D AOI比对检测更精准可以检测出更多缺陷类型，3D AOI可以识别出 2D AOI无法检测的一些缺陷，如错位、形变、翘起等三维形状方面的缺陷图像效果更好，3D AOI生成的三维视图更直观，有助于快速定位识别缺陷表：3D AOI优势漏件偏移立碑错件桥连丝印尺寸极性引脚翘曲浮高倾斜焊点质量3D几何数值化测量优异色彩去除晕影精准检测异物连续轮廓测量3D AOI设备通过投影多幅相位不同的正弦光栅计算出连续相位，运用相位调制轮廓测量技术实现对精密元器件的三维形貌测量。图：3D AOI 技术可检测技术类型附录参考文献陈世炜.基于明暗场成像的多扫描方式图案化晶圆检测技术研究D.浙江:浙江大学,2021.倪天宇.晶圆表面缺陷自动检测技术的研究D.上海:东华大学,2022.李锦棠.基于机器视觉和深度学习的智能制造缺陷检测技术与应用J.现代制造技术与装备,2023,59(8):190-192.张祎彤,陈奎,张宇坤.智能化3D-AOI技术的分析与应用研究J.山西电子技术,2023(4):71-73,81.唐湘云,黄伟,唐荣江,等.基于机器视觉的零件缺陷检测系统研究J.模型世界,2023(5):22-24.杨泽青,张明轩,陈英姝,等.基于机器视觉的表面缺陷检测方法研究进展J.现代制造工程,2023(4):143-156.程锦锋,方贵盛,高惠芳.表面缺陷检测的机器视觉技术研究进展J.计算机应用研究,2023,40(4):967-977.陈寿宏.微电子制造中晶圆缺陷模式的机器学习与智能分类识别研究D.江苏大学,2023郭毅强.晶圆表面缺陷视觉检测研究D.哈尔滨工业大学,2023.李玉宝.基于机器视觉的表面缺陷检测算法研究D.中南大学,2013.李晨.基于机器视觉的不同属性表面中微弱缺陷的检测技术研究D.浙江大学,2019.