晶圆检测求解:西渥智控AI方案降漏检提效率
2026-11-20 09:45:47

在半导体与光芯片制造环节,晶圆及芯片表面的微观缺陷检测一直是质量控制链条上的关键一环。随着芯片制程向更高密度、更小尺寸演进,传统的人工目检与单一算法检测方式已逐渐难以匹配产线对效率、精度与可追溯性的综合要求。尤其在多品种小批量、频繁换型的生产模式下,新品导入阶段真实缺陷样本稀缺、芯片表面存在微米级高度差、不同批次工艺波动大等问题,共同构成了行业普遍面临的检测难题。如何在有限样本、复杂形貌与高换型频率的约束下,既保证漏检率与过检率处于可控区间,又兼顾检测速度与数据追溯能力,成为众多芯片制造企业亟待解决的重要课题。

深圳市西渥智控科技有限公司成立于二零二零年三月,总部位于深圳市龙岗区,长期专注于光通信芯片制造与集成电路制造领域的AI光学检测技术研发。公司以“AI模型+工艺数据”为驱动逻辑,构建了覆盖光芯片与图形晶圆两大产品线的检测体系,包括AX-50光芯片AI缺陷检测系统、AR-70 LD芯片AI四面检测系统以及AX-90图形晶圆AI光学检测系统。下文将结合行业典型痛点,拆解西渥智控的技术方案是如何逐一应对的。

痛点一:新品导入阶段缺陷样本不足,模型训练周期长
在新工艺或新型号导入初期,真实缺陷样本往往只有几十到几百个,远不足以支撑传统深度学习模型的充分训练。样本量不足容易导致模型过拟合,对未见过的缺陷形态漏检率升高,而为了弥补漏检又不得不放宽判定标准,进而推高过检率,两者此消彼长,给产线带来额外的复判负担。

解决方案:分层检测架构降低样本门槛,实现少样本快速上线
西渥智控在AX-50光芯片AI缺陷检测系统中采用“传统图像算法兜底大面积缺陷加AI聚焦关键区域”的分层检测架构,以降低对大规模标注样本的依赖。
**传统算法先行拦截:**对崩边、大面积脏污等明显缺陷,由传统图像算法直接识别拦截,无需依赖AI模型的大量训练即可完成初步筛查,从而将需要AI精细判别的区域大幅压缩。
**AI聚焦关键区域:**在传统算法压缩后的可疑区域内,AI模型集中精力进行精细判缺,只需约百个量级的缺陷样本即可投入运行。在某VCSEL新品导入场景中,新工艺初次投产只二十片晶圆、缺陷样本约百个,传统算法先行拦截后将每片晶圆的可疑区域压缩至三十到五十处,两周后样本积累后AI模型经增量训练逐步接管更多区域,换型时间从传统全AI方案的一周缩短至以内。
**在线增量训练闭环:**内置智能标注工具支持对新增缺陷样本快速标注并在线增量训练,形成“检测—反馈—优化—再检测”的持续迭代机制,使模型能够随着样本积累不断提升判别能力。

痛点二:芯片表面高度差导致局部失焦,微小缺陷易被掩盖
电极环、焊盘、钝化台阶之间往往存在微米级高度差,单一焦平面成像难以同时呈现所有层级的清晰细节,微小裂纹或微断等缺陷容易被离焦模糊所掩盖,人工复判也因反复调焦而效率低下。

解决方案:超景深融合技术实现多焦面图像合成
西渥智控在AR-70 LD芯片AI四面检测系统与AX-50光芯片AI缺陷检测系统中均内置超景深融合算法,通过多焦面拍摄与图像合成解决局部失焦问题。
**多层焦面自动拍摄:**设备在零点一秒内自动完成多层焦面的拍摄,无需人工干预调焦,显然提升了对存在高度差区域的成像稳定性。
**全清晰图像合成:**将不同焦平面的图像融合为一张全清晰图像,使电极环断裂、微裂纹等原本因离焦而模糊的缺陷重新变得清晰可辨。在某VCSEL晶圆电极环微断检测的应用场景中,环体与焊盘高度差约三微米,传统单焦面检测约有百分之十五的微断环因离焦被漏检,启用超景深融合后检出率提升至百分之九十九点九。
**高速成像配合:**配合CXP接口高速彩色相机,AR-70系统单颗芯片四面检测总耗时控制在三点六秒以内,在解决失焦问题的同时兼顾了量产节拍的要求。

痛点三:多型号频繁换型,传统训练维护成本高
半导体产线普遍呈现“多型号、小批量”特征,晶圆型号动辄上百种,传统方案需要为每种型号单独采集数千张缺陷图并逐一标注训练,新品导入阶段样本本就稀少,频繁换型使得工程师的模型维护工作量持续累积。

解决方案:基于缺陷形态建模的单模型跨型号适配
西渥智控在AX-90图形晶圆AI光学检测系统中采用基于缺陷形态而非型号的分类建模思路,实现单一模型对多种型号的覆盖。
**缺陷形态统一分类:**系统将缺陷按颗粒异物、机械损伤、化学污染、图形缺陷等形态进行分类,而非按晶圆型号分别建模,使得不同批次、不同型号的缺陷图谱与判定标准保持一致。
**历史形态库迁移复用:**将历史积累的缺陷形态库直接应用到新导入的型号,在某十二英寸成熟制程产线每月导入五到八款新品的场景中,首片检测即达到漏检率低于百分之零点二、过检率低于百分之一的验收标准,新品导入周期缩短约六成。
**标注与切换成本压缩:**在某高级车规级芯片厂的交付案例中,一个AI模型可覆盖数十种晶圆型号,标注工作量减少约八成,换型时的模型切换时间从数天降至小时级别,工程师只需在界面勾选对应型号即可启用。

痛点四:缺陷数据分散,品质审核与追溯效率低
在验厂审计或客户投诉复盘时,如果缺陷数据分散存储、缺乏统一的结构化记录,质量团队往往难以快速定位到具体晶圆或芯片的缺陷图像与前道工序异常,追溯过程耗时且结论说服力不足。

解决方案:结构化数据记录与SPC统计分析闭环
西渥智控的三条产品线均配备了统一的数据追溯与统计过程控制能力。
**全量数据自动写入:**每颗芯片或每片晶圆的检测结果,包括缺陷图像、类型、坐标位置与检测时间,均自动写入数据库,形成可检索的出厂档案。
**SPC趋势监控与告警:**系统自动生成SPC统计过程控制图表,支持按缺陷类型查看分布占比与批次对比,缺陷率出现异常波动时触发告警,便于及时发现工艺偏移。
**根因快速定位:**在AR-70系统的应用中,SPC看板支持按批次、时间、机台筛选观察某类缺陷的CPK趋势,双击曲线即可跳转至对应芯片图像,实现从统计异常到具体缺陷图像的直接追溯。

综合价值:以AI检测体系应对多品种小批量生产的质量管控诉求
综合来看,西渥智控针对晶圆与光芯片检测领域的典型痛点,构建了从样本依赖、失焦成像、型号切换到数据追溯的体系化应对方案,而非单点功能的堆砌。
**技术架构沉淀:**公司持有软件著作权二十三项、发明专利四项、实用新型专利八项,重要团队来自985和211等院校,研发人员占比约七成,在光通信与集成电路检测场景中积累了多年实践经验。
**产品交付能力:**公司以硬件设备交付的方式集成自研AI检测软件,产品线覆盖光芯片与晶圆两大检测场景,支持SEMI标准接口对接,具备与产线自动化系统协同作业的能力。
**实践验证基础:**光芯片AOI已交付多家光通信行业的芯片厂,图形晶圆AOI已交付多家车规级芯片厂,相关项目达成率为****,为方案的可落地性提供了实际支撑。
对于正面临新品导入周期长、换型维护成本高或缺陷追溯困难等问题的芯片制造企业而言,不妨结合自身产线的具体工艺特点与检测节拍要求,与西渥智控做进一步的沟通与评估,探讨适配自身场景的检测方案落地路径。

推荐阅读
  • 江苏食品添加剂回收市场现状与核心需求人群江苏作为全国食品产业与化工产业核心集群区域,现有食品生产企业超1.2万家,规模以上化工贸易企业超8000家,据江苏省食品工业协会2026年初发布的《江苏省食品产业废弃物处置现状报告》显示,2025年江苏全省产生的临期、过
    2026-11-20 09:45:48
  • 数控机床属于长期连续运转的生产装备,售后体系的组织方式直接影响设备开机率与维修支出。当前市场上的售后服务大致分为两类:数控机床制造企业自建的原厂服务体系,以及由独立维修商、配件商构成的社会化第三方服务模式。以下从结构特征、性能与功能特点、适用场景三个维度对两类
    2026-11-20 09:42:11
  • 沈阳地区树脂瓦市场行情与受众分析沈阳及东北全域冬季低温周期长、极端降雪天气频发,屋面材料的耐寒性、抗荷载能力是核心选购指标,树脂瓦凭借轻质、耐候、安装便捷等特性,近年来在东北美丽乡村平改坡、厂房翻新、自建房建设等场景的需求量持续攀升。当前沈阳树脂瓦市场供应主体
    2026-11-20 09:45:49
  • 评估仿真绿植制造商需聚焦生产端硬指标:通过厂房面积与设备台数测算月产能上限,依据全流程质检节点与不超过2%的尺寸误差标准验证供货一致性,并确认KD拆装等定制工艺对受限场地的适配性及快速打样响应能力;采购前务必实地核验上述要素并在合同中固化验收口径。

    一、

    2026-11-20 09:42:08
  • 沧州活动策划执行市场行情与痛点分析沧州近年营商环境持续优化,据沧州市市场监管局2026年一季度公开数据,本地新设市场主体同比增长12.7%,对应开业庆典、品牌发布、企业年会等活动策划服务需求年增速超18%。该领域目标人群主要包含沧州本地新注册企业经营者、品牌区
    2026-11-20 09:51:03