top

知識分享

深度學習推論加速並應用於半導體瑕疵檢測

建立日期：2021/12/29
  • 作者： 工研院量測中心/林宏偉 資深工程師
  • 出處： 2021 AOI論壇與展覽
  • 內容： 本篇為「2021 AOI論壇與展覽」演講簡報，內容簡介如下：

    隨著科技演進，高解析度影像的需求以及應用越來越廣泛，先進半導體封裝測試技術隨著晶圓製程精密化，晶片前段製程已微縮至 7 奈米，然載版上的配線與線寬(line)線距(Space)的量測技術尚停留於10 μm微米，製程與配線量測之間的技術差距逐漸擴大，因此建構奈米結構關鍵尺寸的量測技術需求日益增長。礙於軟體解析度提高後的柵格現象與處理速度瓶頸等問題，半導體封裝測試以及瑕疵量(檢)測始終無法滿足快速且大量全檢測之需求，結合深度學習超解析技術以及TensorRT™推論模型優化等技術手段，除了可以重建還原高解析度影像資訊，特別是圖像中的高頻邊界訊號外，更可以滿足半導體製程即時快速、全檢需求。透過半導體製程重佈線層RDL線寬與間距量測作為載具，重佈線層線寬以及線距的量測檢測精度由20 𝜇𝑚 提升至 10 ~5 𝜇𝑚，檢測速度為既有方法如SEM以及光干涉等量測方式的20倍，約58.82 FPS 檢測速度，重建後之峰值訊躁比PSNR 約34.88 dB ，為奈米結構關鍵尺寸的量測技術提供一完整解決方法。
  • 檔案下載：全文下載
  • 下載次數：54
回上頁