產品簡介
「AI ADC System」是一套涵蓋資料、模型、部署到維運的視覺檢測 AI 平台。它能自動判讀 AOI 產出的 NG 影像並分類為已知缺陷類別,同時把被過殺的良品重新判回,減少人工複判工時與誤判損失。平台由 Label Tool(標註)、VIDL(訓練)與 Defect AI(推論)三項標準工具組成,並可依產線需求客製 Offline Review APP,形成「標註 → 訓練 → 推論 → 複判回饋」的完整循環,讓模型隨產線持續進化。
核心功能
- 自動缺陷分類 – 取代人工複判:自動判讀 AOI 產出的 NG 影像,將 Stain、Particle、Epi triangle 等已知缺陷即時分類;無法判定者標記為 Undefine/Not found 交由人員確認,大幅降低人工複判工時與人力負擔。
- 過殺回收 – 良率挽回:針對 AOI 誤判為 NG 的過殺影像重新判定並回收為良品,直接減少良品報廢與重工成本,在不更動既有 AOI 設備的前提下提升實際良率。
- Label Tool – 資料準備與標註中心:支援標註專案建立、任務指派與進度追蹤,提供多邊形、矩形框與圖說(captioning)等標註方式,並統一輸出可直接用於訓練的標註資料,讓資料準備流程標準化。
- VIDL – 無程式碼 AI 訓練工具:不需撰寫任何程式即可完成模型訓練,支援分類、分割、物件偵測與異常偵測等多種視覺應用,並內建模型評估功能,快速驗證訓練成效與準確率。
- Defect AI – 免寫程式的推論部署:以參數設定取代客製開發,快速將訓練完成的模型部署至產線進行推論,並支援批次評估(Batch Evaluation),便於上線前驗證與模型版本比較。
- Offline Review APP – 離線複判與缺陷分析(客製):提供缺陷清單、缺陷影像顯示、缺陷資訊與 Wafer Map 對位檢視,並可依缺陷類別與缺陷尺寸進行統計分析,支援工程判讀與製程改善決策。
- 人機回饋循環 – 模型持續進化:人員複判與重新標註的結果會回寫資料庫,並納入下一輪訓練,讓模型隨新的缺陷型態與製程變化持續優化,形成端到端的視覺檢測 AI 平台。
- 應用實績 – 跨製程驗證:已實際應用於 LED die 缺陷分類(DIRTY/CRACK/SCRATCH)、LED die 過殺回收、Flip chip bumping 檢測、Bare wafer 檢測、Chip package 檢測、PD chip 檢測與金屬件分類等場景。