一场疫情，导致当下全球半导体缺芯严重，让中国认清短板的同时也发现了机遇。虽然国内自主研制暂时无法达到国际优异水平，但是依然有众多国内芯片企业在坚持不懈地进行自主研发，让我们看到了中国企业的凝聚力与自强精神。

      而半导体芯片的检测是制造中不可缺少的一部分，是为提高保障生产芯片的质量，因此其在整个制造流程中起着至关重要的作用。康耐视智慧检测方案专为芯片制造保驾护航，更为助中国芯片制造一臂之力！芯片检测中的难点问题，就交给康耐视来一网打尽！

如今，半导体的特征尺寸为纳米级，这就要求在执行制造工艺(如光刻、切割、引线接合和包装)时具有超高的精度和对准。

     无论是在光刻工艺、晶圆探测和测试，还是晶圆安装和切割过程中，视觉对准不良都会在机器的整个使用寿命期间造成数以千计的对位损坏晶圆。表现不佳的视觉系统会降低半导体设备公司的市场份额，并大大增加其支持成本。

       PatMax技术为晶圆检测、探测、安装、切割和测试设备提供稳定、准确且快速的图案定位，以帮助避免这些问题。PatMax使用获得专利的几何图案发现算法来定位和对齐可变晶圆和晶粒图案。它能以非常高的精度和可重复性对准晶圆和晶片，确保整个半导体制造流程中设备性能的可靠性。借助康耐视技术的帮助，OEM能够优化设备的整体性能，从而提高质量和产量。

       半导体制造商必须重视其集成电路芯片上针脚的挂擦、扭曲、弯曲或缺失等情况。芯片容错率很低，如果存在任何缺陷，即使是在最表层，也会使芯片成为废品。在整个半导体生产过程中，机器视觉用于严格地监控质量和查找缺陷。然而，因为可能出现的缺陷类型太多，所以使用规则式算法对检测进行编程是非常低效的。深度学习视觉软件无需使用大量的缺陷库即可帮助限制半导体缺陷并提高产量。

      康耐视深度学习为识别异常特征提供了一个简单的解决方案，甚至不需要使用“不合格”(NG) 图像进行训练。工程师使用康耐视深度学习工具，从“合格”(OK) 的集成电路引脚图像中学习。缺陷检测工具学习芯片引线和引脚的正常外观和位置，并将所有偏离的特征描述为有缺陷。这种机器视觉系统和深度学习软件的强大配对使半导体制造商能够实现更低的测试成本，并提高整体产品质量。