工程师优先投入回报率最高的落地项目，其中绝大部分聚焦良率提升。依托 AI 模型，不仅能清晰甄别真实缺陷和无效伪缺陷，还能检出过往无法识别的隐性缺陷。但将 AI 方案从试点产线推广至全厂、集团级规模化部署难度极大，对数据质量、特征相关性、底层软硬件架构都提出更高要求，保障全量数据节点互联互通。借助 AI 模型，新型缺陷机理能够快速纳入检测体系。诺信测试检测研发副总裁朱查理表示：“传统算法依托统计学逻辑，先归集海量数据，根据数据分布设定标称值与容忍阈值，超出区间即判定为缺陷。但检测程序内往往包含多项参数，倘若
关键字：
AI
模型
缺陷检测
SEMVision G9面向逻辑、存储器及其他器件的缺陷检测应用，通过更可靠的成像质量以及集成式人工智能技术，实现跨平台的缺陷检测与分类能力规模化提升，同时在保持性能扩展性的前提下，实现具有竞争力的总体拥有成本（CoO）。 为何重要随着器件复杂度持续提升以及3D结构不断演进，缺陷分布日益密集，对缺陷检测能力带来了显著压力。SEMVision™ G9通过在高速度下支持更多检测站点和样本数量，有效扩展检测产能预算，使工程师能够在不牺牲周期时间或总体拥有成本的前提下，实现从前道工艺（FEOL）到后道工
关键字：
SEMVision G9
产能
缺陷检测
SEMVision G9面向逻辑、存储器及其他器件的缺陷检测应用，通过更可靠的成像质量以及集成式人工智能技术，实现跨平台的缺陷检测与分类能力规模化提升，同时在保持性能扩展性的前提下，实现具有竞争力的总体拥有成本（CoO）。 为何重要随着器件复杂度持续提升以及3D结构不断演进，缺陷分布日益密集，对缺陷检测能力带来了显著压力。SEMVision™ G9通过在高速度下支持更多检测站点和样本数量，有效扩展检测产能预算，使工程师能够在不牺牲周期时间或总体拥有成本的前提下，实现从前道工艺（FEOL）到后道工
关键字：
SEMVision
缺陷检测
应用材料公司
先进制程节点下，污染已成为系统级的良率限制因素，且尚无简单的解决办法核心要点最先进的制程节点中，污染物的识别难度大幅提升，晶圆厂不得不重新思考污染控制的实现方式污染引发的问题可能表现为电学异常或统计性偏差，而非颗粒杂质，且并非在制程初期就显现行业亟需可靠的污染物分类方法，以精准识别关键污染问题，减少在无影响失效问题上耗费的时间与精力在半导体行业发展的大部分历程中，污染一直被视为颗粒杂质问题。良率损失可追溯至异物进入非目标区域，而制程控制也主要围绕过滤、清洗和杂质分类展开。只要能将颗粒杂质控制在临界尺寸阈值
关键字：
芯片清洗
良率
原子层沉积
缺陷检测
● TDK 揭晓了旗下 TDK SensEI 最新产品线——edgeRX Vision，这是一款搭载先进人工智能的超高速缺陷检测系统，可对客户的产品图像及视频进行智能化解析与特征提取，以极高的精度识别小至1 毫米的组件。● 该检测系统通过减少误报和最大限度减少停机时间来提高生产效率，检测速度高达每分钟2000个零件。TDK 公司近日揭晓了最新的 TDK SensEI 产品线——edgeRX VisionedgeRX Vision 是一款高速缺陷检测系统，可对
关键字：
TDK
TDK SensEI
缺陷检测
SensEI
我们公司是一个RFID电子标签生产制造企业，随着AI技术的发展，我们将新的技术积极引入生产环节中，以便解决生产环节遇到的问题以及降低用工成本。以下是我们在RFID生产中遇到的问题：芯片绑定中的缺陷产品的检测1.1 芯片绑定流程的介绍（1）点胶该流程采用点胶控制器，通过特定针筒在天线基板上特定位置点上胶水，把天线和芯片粘合在一起，并经过高温固化，电性能检测，最终分切成单排并回收成卷状干标签的生产过程。（2）固晶首先对晶圆中的芯片进行拾取并翻转，然后有拾取头拾取并贴装到天线基板上已点胶的位置，完成对芯片的倒转
关键字：
图像检测
RFID
缺陷检测
传统的PCB制造商通常使用基于规则的机器视觉算法进行缺陷检测，而由于PCB上大约有2-3个电气元件对比度低，无法从3D摄像头捕获的数据中准确识别，每个PCB在自动目视检查后仍需要技术高超的检查员进行复检。结果发现，AOI筛选的漏判率达70-80%。客户目标我们的客户是一家知名的PCB制造商，在中国和日本拥有三个大型制造中心，该客户计划利用AI技术提高其双列直插式封装（DIP）和SMT生产线的成品率。项目挑战为提高成品率，客户决定采用深度学习CNN，取代现有的基于规则的 AOI方法。平均而言，AI计划从原型
关键字：
PCB
机器视觉
缺陷检测
缺陷检测在电子制造业中是非常重要的应用。然而，由于存在的缺陷多种多样，传统的机器视觉算法很难对缺陷特征进行完全建模和迁移缺陷特征，致使传统机器视觉算法可重复使用性不是很大，并且需要区分工作条件，这将浪费大量的人力成本。因此，越来越多的工程师开始将深度学习算法引入缺陷检测领域，因为深度学习在特征提取和定位方面取得了非常好的效果。本文将介绍瑞萨电子深度学习算法在缺陷检测领域的应用，以PCB电路板缺陷检测为例。在这里，我们提出了一种缺陷检测解决方案，使用YOLOv3-tiny深度学习算法。YOLOv3-tiny
关键字：
瑞萨
缺陷检测
迎 九 （《电子产品世界》编辑，北京 100038） 摘 要：英特尔中国区物联网事业部首席技术官兼首席工程师张宇博士称目前边缘AI主要改善了工业应用中的三个方面，工业AI与其他产业AI的区别在于高实时性，实现工业AI需要有3个前提条件，最后分析了部分企业采用工业AI的案例。 关键词：工业；边缘；AI；可预测维护；缺陷检测 1 边缘AI给工业带来的改变 现在AI技术在工业领域得到了越来越多的推广，表现在3方面。①可预测维护、产品缺陷检测，开始利用AI的技术对数据来进行处理。这种处理所带来的一个最
关键字：
201912
工业
边缘
AI
可预测维护
缺陷检测
正确认识钕铁硼外观缺陷检测，有利于客观认识这项新型检测技术。设备不是万能的，但是没有设备全靠人工检测是风险极大的，长期来看，机器换人是必然趋势。能检五大类外观缺陷外观缺陷是在钕铁硼生产环节中产生的，例
关键字：
钕铁硼
缺陷检测
由于寿命长、能耗低等优点被广泛地应用于指示、显示等领域。可靠性、稳定性及高出光率是LED取代现有照明光源必须考虑的因素。封装工艺是影响LED功能作用的主要因素之一，封装工艺关键工序有装架、压焊、封装。由于封
关键字：
LED
芯片封装
缺陷检测
方法研究
LED(Light-emittingdiode)由于寿命长、能耗低等优点被广泛地应用于指示、显示等领域。可靠性、稳定性...
关键字：
LED
芯片封装
缺陷检测
摘 要：介绍基于SOPC技术的PET瓶缺陷检测系统的软、硬件设计方法。利用SOPC Builder在FPGA芯片EP2C35F6726C上配置的NIOSⅡ软核处理器作为控制核心，在Avalon总线上挂接接口模块和用户自定义逻辑模块，于NIOSⅡ中使用
关键字：
SOPC
PET
缺陷检测
系统设计
缺陷检测介绍
您好，目前还没有人创建词条缺陷检测!
欢迎您创建该词条，阐述对缺陷检测的理解，并与今后在此搜索缺陷检测的朋友们分享。
创建词条
关于我们 -
广告服务 -
企业会员服务 -
网站地图 -
联系我们 -
征稿 -
友情链接 -
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473