一种基于AI的AOI质量管控方法及系统与流程

本发明涉及半导体集成电路测试，尤其涉及一种基于ai（artificialintelligence，人工智能）的aoi质量管控方法及系统。

背景技术：

1、半导体ft/slt（final test&system level test，成品测试与系统级测试） 与mark park（芯片打标、外观检测工位）打标工序普遍采用传统aoi（automated opticalinspection，自动光学检测）初检+人工复判模式。

2、而传统aoi规则固定，对微小缺陷、边缘缺陷、复杂缺陷适应性差，人工复判效率低、一致性差。且ft、slt、mark park各设备独立运行、数据孤立，无法实现机台-site-工位三级联动。

技术实现思路

1、本发明提供一种基于ai的aoi质量管控方法及系统，旨在建立ft/slt/mark park全流程的ai+aoi质量管控体系，全设备智能互联、数据互通、统一调度，aoi与ai协同，降低误判/过杀，提升直通率与稳定性。技术方案如下：

2、第一方面，本发明的实施例提供一种基于ai的aoi质量管控方法，应用于基于ai的aoi质量管控系统中，所述基于ai的aoi质量管控系统包括ft设备、slt设备、mark park设备、aoi设备以及ai数据中心，所述ft设备、slt设备、mark park设备使用统一通信协议与数据接口分别与所述aoi设备连接，所述aoi设备与所述ai数据中心通信连接；所述ai数据中心存储有统一id，所述统一id包括批次号_机台号_site号_时间戳_芯片id；所述基于ai的aoi质量管控方法包括：

3、所述aoi设备采集图像并进行初检，如果初检合格，则判定当前产品为良品，如果初检不合格，则将所述图像发送至所述ai数据中心中的ai推理模型进行复检，所述ai推理模型是基于历史图像数据进行训练得到的；

4、所述ai推理模型对所述图像进行复检，如果复检合格，则判定当前为假ng，如果复检不合格，则判定当前为真ng，所述ai数据中心依据所述图像的统一id锁定目标site，触发所述目标site执行报警。

5、可选地，所述基于ai的aoi质量管控方法还包括：

6、在所述目标site执行报警后，人工确定并标记所述图像的缺陷类型；

7、所述ai数据中心实时建立并存储机台-site-缺陷类型的映射关系，以及存储标记缺陷类型后的缺陷图像数据。

8、可选地，所述基于ai的aoi质量管控方法还包括：

9、所述ai数据中心根据各site的历史报警数据、缺陷类型以及预设的阈值判定条件，对满足所述阈值判定条件的site执行以下至少一种操作：复检、隔离、停机。

10、可选地，所述历史图像数据包括正常图像数据和所述标记缺陷类型后的缺陷图像数据，所述基于ai的aoi质量管控方法还包括：

11、所述ai数据中心依据所述正常图像数据和所述标记缺陷类型后的缺陷图像数据，对所述ai推理模型进行模型训练和更新。

12、可选地，所述基于ai的aoi质量管控方法还包括：

13、所述ai数据中心按工序、机台、site、缺陷类型多维度统计，关联工艺参数、测试数据、设备状态，输出根因报告。

14、第二方面，本发明的实施例提供一种基于ai的aoi质量管控系统，包括：ft设备、slt设备、mark park设备、aoi设备以及ai数据中心；

15、所述ft设备、slt设备、mark park设备使用统一通信协议与数据接口分别与所述aoi设备连接，所述aoi设备与所述ai数据中心通信连接；所述ai数据中心存储有统一id，所述统一id包括批次号_机台号_site号_时间戳_芯片id；

16、所述aoi设备采集图像并进行初检，如果初检合格，则判定当前产品为良品，如果初检不合格，则将所述图像发送至所述ai数据中心中的ai推理模型进行复检，所述ai推理模型是基于历史图像数据进行训练得到的；

17、所述ai推理模型对所述图像进行复检，如果复检合格，则判定当前为假ng，如果复检不合格，则判定当前为真ng，所述ai数据中心依据所述图像的统一id锁定目标site，触发所述目标site执行报警。

18、可选地，在触发所述目标site执行报警后，人工确定并标记所述图像的缺陷类型；

19、所述ai数据中心还用于：实时建立并存储机台-site-缺陷类型的映射关系，以及存储标记缺陷类型后的缺陷图像数据。

20、可选地，所述ai数据中心还用于：根据各site的历史报警数据、缺陷类型以及预设的阈值判定条件，对满足所述阈值判定条件的site执行以下至少一种操作：复检、隔离、停机。

21、可选地，所述历史图像数据包括正常图像数据和所述标记缺陷类型后的缺陷图像数据，所述基于ai的aoi质量管控系统还包括：

22、图像数据库，用于存储所述正常图像数据和所述标记缺陷类型后的缺陷图像数据；

23、所述ai数据中心还用于：依据所述正常图像数据和所述标记缺陷类型后的缺陷图像数据，对所述ai推理模型进行模型训练和更新。

24、可选地，所述ai数据中心还用于：按工序、机台、site、缺陷类型多维度统计，关联工艺参数、测试数据、设备状态，输出根因报告。

25、本发明实施例提供一种基于ai的aoi质量管控方法及系统。系统包括ft设备、slt设备、mark park设备、aoi设备以及ai数据中心，其中ft设备、slt设备、mark park设备使用统一通信协议与数据接口分别与aoi设备连接，aoi设备与ai数据中心通信连接，ft/slt/mark park全设备智能互联、数据互通、统一调度。方法包括：aoi设备对采集到的图像进行初检，如果初检合格，则判定当前产品为良品，如果初检不合格，则将图像发送至ai数据中心中的ai推理模型进行复检。ai推理模型如果复检合格，则判定当前为假ng，如果复检不合格，则判定当前为真ng，ai数据中心依据图像的统一id锁定目标site，触发目标site执行报警。本发明实施例通过aoi与ai协同，能够降低误判/过杀，提升直通率与稳定性。

26、此外，本发明实施例提供的基于ai的aoi质量管控方法实现了问题发现—在线卡控—根因定位—持续优化闭环的全流程自动化管理。通过aoi+ai自学习体系建立，并通过自学习不断迭代逐步实现100%智能管控，取代人工管控的主观性判断，提升效率，提高准确率。

1.一种基于ai的aoi质量管控方法，其特征在于，应用于基于ai的aoi质量管控系统中，所述基于ai的aoi质量管控系统包括ft设备、slt设备、mark park设备、aoi设备以及ai数据中心，所述ft设备、slt设备、mark park设备使用统一通信协议与数据接口分别与所述aoi设备连接，所述aoi设备与所述ai数据中心通信连接；所述ai数据中心存储有统一id，所述统一id包括批次号_机台号_site号_时间戳_芯片id；所述基于ai的aoi质量管控方法包括：

2.根据权利要求1所述的基于ai的aoi质量管控方法，其特征在于，所述基于ai的aoi质量管控方法还包括：

3.根据权利要求2所述的基于ai的aoi质量管控方法，其特征在于，所述基于ai的aoi质量管控方法还包括：

4.根据权利要求2所述的基于ai的aoi质量管控方法，其特征在于，所述历史图像数据包括正常图像数据和所述标记缺陷类型后的缺陷图像数据，所述基于ai的aoi质量管控方法还包括：

5.根据权利要求2所述的基于ai的aoi质量管控方法，其特征在于，所述基于ai的aoi质量管控方法还包括：

6.一种基于ai的aoi质量管控系统，其特征在于，包括：ft设备、slt设备、mark park设备、aoi设备以及ai数据中心；

7.根据权利要求6所述的基于ai的aoi质量管控系统，其特征在于，

8.根据权利要求7所述的基于ai的aoi质量管控系统，其特征在于，

9.根据权利要求7所述的基于ai的aoi质量管控系统，其特征在于，所述历史图像数据包括正常图像数据和所述标记缺陷类型后的缺陷图像数据，所述基于ai的aoi质量管控系统还包括：

10.根据权利要求7所述的基于ai的aoi质量管控系统，其特征在于，所述ai数据中心还用于：按工序、机台、site、缺陷类型多维度统计，关联工艺参数、测试数据、设备状态，输出根因报告。