ADC Automatic Defect Classification
ADC,全稱(chēng)Automatic Defect Classification(自動(dòng)缺陷分類(lèi)系統(tǒng)),專(zhuān)注于在生產(chǎn)過(guò)程中精確識(shí)別和分類(lèi)缺陷。通過(guò)機(jī)器視覺(jué)和AI驅(qū)動(dòng)的分類(lèi)算法,ADC幫助工程師提升缺陷檢測(cè)效率,自動(dòng)化識(shí)別半導(dǎo)體制造各階段中的缺陷。
FA ADC主要有以下特點(diǎn):
高精度的缺陷分析: 使用深度習(xí)模型識(shí)別多種缺陷,即使面對(duì)多樣化的缺陷類(lèi)型和工藝復(fù)雜度,也能確保高準(zhǔn)確率;
實(shí)時(shí)分析: 識(shí)別一張缺陷圖片不低于 0.025 sec,并基于Klarf數(shù)據(jù)及時(shí)反饋缺陷類(lèi)型和分布情況,支持快速采取糾正措施;
智能化缺陷學(xué)習(xí): 隨著數(shù)據(jù)積累不斷優(yōu)化分類(lèi)算法,提高缺陷識(shí)別的精準(zhǔn)度和效率;
無(wú)縫集成: 通過(guò)API與任何生產(chǎn)系統(tǒng)輕松集成,兼容基礎(chǔ)通訊協(xié)議,確保高效穩(wěn)定的生產(chǎn)對(duì)接;
以圖搜圖: 集成了先進(jìn)的大模型技術(shù),實(shí)現(xiàn)精準(zhǔn)的圖像檢索功能,快速查找相似缺陷圖像;
無(wú)圖分類(lèi): 基于已有的缺陷數(shù)據(jù)構(gòu)建高效模型,利用特征推理算法在沒(méi)有圖像輸入的情況下實(shí)現(xiàn)缺陷分類(lèi);
集成大模型技術(shù),實(shí)現(xiàn)根據(jù)缺陷圖片快速查找相似缺陷的功能,便于追蹤和比對(duì)歷史缺陷記錄。
集成大模型技術(shù),實(shí)現(xiàn)根據(jù)缺陷圖片快速查找相似缺陷的功能,便于追蹤和比對(duì)歷史缺陷記錄。
基于已有缺陷數(shù)據(jù)的特征進(jìn)行建模和推理,即使在沒(méi)有圖像輸入的情況下,也能進(jìn)行精確分類(lèi)
基于已有缺陷數(shù)據(jù)的特征進(jìn)行建模和推理,即使在沒(méi)有圖像輸入的情況下,也能進(jìn)行精確分類(lèi)。
持續(xù)監(jiān)控生產(chǎn)過(guò)程中的缺陷分布和趨勢(shì),支持查看wafer map及每份Klarf文件的分類(lèi)結(jié)果。通過(guò)實(shí)時(shí)數(shù)據(jù)圖表,幫助工程師全面掌握生產(chǎn)狀況,并進(jìn)行預(yù)防性維護(hù)和優(yōu)化調(diào)整。
持續(xù)監(jiān)控生產(chǎn)過(guò)程中的缺陷分布和趨勢(shì),支持查看wafer map及每份Klarf文件的分類(lèi)結(jié)果。通過(guò)實(shí)時(shí)數(shù)據(jù)圖表,幫助工程師全面掌握生產(chǎn)狀況,并進(jìn)行預(yù)防性維護(hù)和優(yōu)化調(diào)整。
對(duì)檢測(cè)到的缺陷提供詳細(xì)的復(fù)查功能,工程師可以在復(fù)查過(guò)程中校正AI的判斷,分析缺陷的成因與影響,同時(shí)幫助AI快速迭代和升級(jí)。
對(duì)檢測(cè)到的缺陷提供詳細(xì)的復(fù)查功能,工程師可以在復(fù)查過(guò)程中校正AI的判斷,分析缺陷的成因與影響,同時(shí)幫助AI快速迭代和升級(jí)。
系統(tǒng)能夠精確定位并分類(lèi)缺陷,利用精確的邊界框、區(qū)域和分類(lèi)技術(shù),實(shí)現(xiàn)對(duì)每個(gè)缺陷的精準(zhǔn)檢測(cè)和分類(lèi)?;跓o(wú)代碼人工智能平臺(tái),系統(tǒng)會(huì)隨著數(shù)據(jù)積累自動(dòng)學(xué)習(xí)和提升,保證檢測(cè)...
系統(tǒng)能夠精確定位并分類(lèi)缺陷,利用精確的邊界框、區(qū)域和分類(lèi)技術(shù),實(shí)現(xiàn)對(duì)每個(gè)缺陷的精準(zhǔn)檢測(cè)和分類(lèi)。基于無(wú)代碼人工智能平臺(tái),系統(tǒng)會(huì)隨著數(shù)據(jù)積累自動(dòng)學(xué)習(xí)和提升,保證檢測(cè)的精確性和效率。
通過(guò)自動(dòng)分類(lèi)各種缺陷類(lèi)型,結(jié)合深度學(xué)習(xí)算法不斷提高分類(lèi)的準(zhǔn)確性,幫助快速定位和處理多種缺陷。系統(tǒng)基于無(wú)代碼的人工智能平臺(tái),能夠從數(shù)據(jù)中持續(xù)學(xué)習(xí),適應(yīng)不斷變化的生產(chǎn)需求。
通過(guò)自動(dòng)分類(lèi)各種缺陷類(lèi)型,結(jié)合深度學(xué)習(xí)算法不斷提高分類(lèi)的準(zhǔn)確性,幫助快速定位和處理多種缺陷。系統(tǒng)基于無(wú)代碼的人工智能平臺(tái),能夠從數(shù)據(jù)中持續(xù)學(xué)習(xí),適應(yīng)不斷變化的生產(chǎn)需求。
提供便捷的缺陷標(biāo)注功能,幫助工程師對(duì)檢測(cè)到的缺陷進(jìn)行標(biāo)準(zhǔn)化標(biāo)簽,支持批量標(biāo)注和自動(dòng)化處理,簡(jiǎn)化流程
提供便捷的缺陷標(biāo)注功能,幫助工程師對(duì)檢測(cè)到的缺陷進(jìn)行標(biāo)準(zhǔn)化標(biāo)簽,支持批量標(biāo)注和自動(dòng)化處理,簡(jiǎn)化流程.

部署運(yùn)維: 通過(guò)CI/CD實(shí)現(xiàn)自動(dòng)化集成,借助鏡像中心完成服務(wù)的容器化管理和自動(dòng)化部署,提升運(yùn)維效率和系統(tǒng)的擴(kuò)展性
數(shù)據(jù)標(biāo)注與抽取: 系統(tǒng)自動(dòng)從設(shè)備端到系統(tǒng)完成數(shù)據(jù)的抽取、清洗、轉(zhuǎn)換和加載,支持多樣化的數(shù)據(jù)源,確保數(shù)據(jù)處理的高效性與準(zhǔn)確性
模型訓(xùn)練: 依托分布式計(jì)算架構(gòu),支持并行訓(xùn)練,結(jié)合自動(dòng)化學(xué)習(xí)與遷移學(xué)習(xí)技術(shù),顯著加快模型的開(kāi)發(fā)周期,減少對(duì)人為干預(yù)的依賴(lài)
數(shù)據(jù)服務(wù): 提供數(shù)據(jù)溯源分析和歷史數(shù)據(jù)復(fù)判功能,集成大模型,支持基于API的在線(xiàn)服務(wù),結(jié)合向量數(shù)據(jù)庫(kù),實(shí)現(xiàn)高效的圖像相似缺陷搜索

基于Kubernetes集群管理多個(gè)服務(wù)集群,服務(wù)器的數(shù)量可以根據(jù)業(yè)務(wù)需求和數(shù)據(jù)量靈活擴(kuò)展與縮減,確保系統(tǒng)能夠高效應(yīng)對(duì)不同規(guī)模的數(shù)據(jù)處理任務(wù)。