晶片需求反彈躍升的情況，讓全球的製造產能嚴重吃緊。只要能讓晶片製造流程更迅速、更有效率且更便宜，就能取得競爭優勢。
越來越精密複雜且配備深度學習工具的視覺系統，能夠在短時間內，大幅改善產能、改善對位、可追溯性及缺陷探測。
對位
矽晶圓是以一系列步驟製造而成，各步驟都會在前一層上面，再覆蓋另一層材料，因此每一層都必須精確對位。
晶圓 Notch 定位
整體的晶圓對位通常是透過檢查 Notch 的方向來完成。傳統方法不僅體積龐大、進行速度緩慢，也難以處理越來越常見的透明晶圓。康耐視 In-Sight 視覺系統配備 PatMax 演算法，可架設在狹小的空間內，而且 Notch 不論朝向何方，都能可靠地探測出來。
晶圓和晶粒對準
晶圓對位不良會在光刻、探測和測試，還有切割期間造成問題，導致產生缺陷和廢料。康耐視的 PatMax 幾何圖案定位演算法能以高準確度且一貫的方式，尋找和對準各種不同的晶圓與晶粒圖案，改善品質與成品率。
識別/可追溯性
為了確保製造效率、測量產品的品質和遏止偽造品，晶圓、晶圓載具、引線架構、晶粒、積體電路 (IC) 及印刷電路板 (PCB) 都會有機器可讀的識別條碼，以及人類可讀的英數字元，以供追蹤之用。
這些條碼可能難以讀取，或在製造流程期間出現磨損，使得光學字元讀取 (OCR) 讀取和解碼困難，且容易發生錯誤。
晶圓 OCR
以鐳射標記的英文、數字或 DataMatrix ID，可以在製造至切割期間追蹤矽晶圓。晶圓表面會反光，而且條碼可能會在光罩、刻蝕及光刻期間劣化。康耐視晶圓讀碼器使用晶圓專用的探測演算法，來處理 OCR 與二維碼兩者。可調整集成光源與圖像處理功能可讓漏讀情況減至最少。
晶圓載環 OCR
由於晶圓本身以鐳射標記的 ID 在切割之後便無法使用，所以在切割到進行引線接合的期間，會由標有 ID 的載環運送晶圓。切割後清潔載環會讓上面的條碼劣化，而在誤讀條碼時，造成自動化流程速度變慢。
模稜兩可的英數字元與載環表面變化，使傳統機器視覺難以辨識條碼。智慧型相機搭配使用 Cognex Deep Learning 的 OCR 工具，即使是嚴重受損條碼，也都能辨識。
IC (積體電路) 追蹤
IC 中的晶片會與稱為引線架構的金屬基材接合，用於連接和支撐。以鐳射在引線架構刻出的二維 DataMatrix 條碼，在生產期間的劣化程度，還有引線架構本身的低對比與反光特性，都讓這些條碼難以讀取。康耐視圖像式讀碼器搭配有彈性的光源與光學件配置，使用領先業界的演算法，即使面對難讀的二維 DataMatrix 條碼也能解碼。
IC OCR
完成封裝測試之後，都會在每顆晶片上模壓英數條碼，以在 PCB 上組裝晶片時提供可追溯性和驗證。這些條碼可能會因為環境層壓而變形，還會因為表面相當粗糙而使可讀性降低。Cognex Deep Learning 的 OCR 工具可迅速完成訓練，學會讀取反光且粗糙背景上的變形、歪斜及低對比條碼，還可以針對新的表面迅速重新訓練。
下載技術白皮書_半導體解決方案指南_Semiconductor_Solutions_Guide_TW
瑕疵檢測
在生產流程及早識別出缺陷，同時將單純的外觀瑕疵視為合格，可以將重工和人工檢測作業減至最少，進而增加每片晶圓的成品率。
晶圓缺陷檢驗
晶圓的每一層都必須在檢測之後，才能再繼續沉積下一層。出現缺陷的範圍廣大，缺陷也可能出現在上一層背景的任意位置。Cognex Deep Learning 的缺陷探測工具透過沒有缺陷的晶圓層圖像集進行訓練，隨即學會尋找和識別晶圓層任意處的缺陷，以及剔除異常。
探針標記
在準備晶粒之前用於晶圓測試的探針，所留下的標記形狀可揭露探針是否對晶圓施加不正確的壓力，其為探針故障的早期徵兆。Cognex Deep Learning 的分類工具可區分樣態繁多的合格與不合格標記，能夠及早修正探針，提高探針壽命與晶圓成品率。
晶粒邊緣
晶圓晶粒可能會碎裂，或在切口沿線留有毛邊。這類缺陷多變，而且難以使用傳統機器視覺用一貫的方式探測。Cognex Deep Learning 的分類工具可以區分碎裂和毛邊缺陷，還有樣態繁多的正常切口痕跡。還可以偵測切割刀片逐漸磨損的情況，以在錯誤率升高之前替換。
晶粒表面
每顆晶粒或晶片可能出現樣態繁多的明顯表面缺陷，但也會出現不影響功能的外觀瑕疵。傳統機器視覺與人工檢測人員難以區分它們。Cognex Deep Learning 的缺陷探測工具可以探測不可接受的異常並加以標示，同時將單純的塗裝缺陷視為合格。
引線接合
引線接合可以將晶片連接到引線架構，然後再連接至其他組件。缺陷會造成訊號中斷傳輸。缺陷範圍廣泛多樣，還會與不影響功能的塗裝缺陷重疊。
結合使用 Cognex Deep Learning 的缺陷探測與分類工具，可以擷取異常的區域，然後再區分合格與不合格的引線接合。
