晶圆、先进封装与器件外观、字符 OCR 检测。
从真实产线、真实场景来的反馈，是花钱买不到的。
八年驻厂、一条条产线，慢慢沉淀出来的工程经验。
全栈自研 —— 从传感器到世界模型，整条链路自己掌握。
1 亿+ 真实工业场景数据，持续打磨同一个世界模型。
典型检测点 · KEY CHECKS
晶圆表面：划伤 / 颗粒 / 崩边光刻与显影缺陷引线键合 / 金线检测封装裂纹与分层Die 贴装偏移字符与 Mark 识别
行业方案 · INDUSTRY
半导体 / 芯片
晶圆到先进封装，微米级器件外观与字符检测。
客户案例 · CASE STUDIES
半导体 / 芯片 · 晶圆到封装
从晶圆缺陷自动分类到引线键合、先进封装 —— 把过杀率压下去，把缺陷逃逸清零。
场景 · 晶圆缺陷自动分类
某晶圆厂 · AOI 后缺陷自动分类
挑战传统 AOI 过杀率超 20%，洁净室靠人工复判，良品被误废、人力成本居高不下。
方案AI-ADC 自动分流真缺陷与 nuisance，3D AI-AOI + 世界模型泛化多类缺陷。
<2%过杀率
−90%人机比
+30%节拍
场景 · 引线键合后检测
某封装厂 · 键合后缺陷检测
挑战凹陷引线等键合缺陷一旦逃逸到下游，会引发重大质量事故；人工复判吞吐低。
方案AI 缺陷分类做进 AI-AOI 设备边缘端推理，替代逐张人工复判。
98%准确率
×2吞吐
→0缺陷逃逸
场景 · 稀有缺陷少样本
某先进封装厂 · 罕见缺陷快速覆盖
挑战先进封装新缺陷类型层出不穷，每类都凑不齐足够样本，传统 CNN 难以覆盖。
方案APDT 正样本学习 + DaoAI World 世界模型，少量样本即可泛化到罕见缺陷。
✓少样本上线
>96%分类准确
~0.2%缺陷逃逸
案例为匿名行业场景，指标为微链道爱方案的典型可达范围。
深度案例 · IN-DEPTH
半导体 / 芯片 · 深度案例
逐一拆解真实场景下的落地路径 —— 行业背景、痛点、DaoAI 方案与成效。
晶圆 AOI 后缺陷自动分类：从人工复判到 AI-ADC
某晶圆厂 AOI 复判依赖人工，过杀率长期高于 20%。引入 DaoAI AI-ADC 后，过杀降至 2% 以下，复判人机比减少 90%，产线节拍提升 30%。
阅读全文
引线键合后检测：缺陷模型下沉到 AI-AOI 边缘端
某封装厂引线键合后凹陷引线等缺陷靠人工目检，逃逸时有发生。DaoAI 把缺陷模型做进 AI-AOI 边缘端，检出准确率 98%，吞吐翻倍，关键缺陷逃逸趋零。
阅读全文
先进封装稀有缺陷：少样本下的 APDT 正样本学习
某先进封装厂新工艺缺陷样本凑不齐，传统监督模型难以训练。DaoAI 以 APDT 正样本学习叠加世界模型泛化，稀有缺陷分类率超 96%，逃逸约 0.2%。
阅读全文
先进封装 Bump 检测：3D AI-AOI 微米级查缺失与桥连
某先进封装厂微凸点 bump 缺失与桥连难以靠 2D 灰度区分。DaoAI 3D AI-AOI 以微米级高度信息直接判定 bump 形貌，缺失与桥连检出率显著提升。
阅读全文
引脚共面性与划片崩边：3D 视觉逐引脚量高度
某封装厂引脚共面性与划片崩边靠 2D 难以量化。DaoAI 3D 视觉逐引脚测高度、逐边查崩缺，共面性超差与崩边漏判同步下降。
阅读全文常见问题 · FAQ
半导体 / 芯片 · AI 视觉质检常见问题
半导体制造中 AI 视觉能检测哪些缺陷？
包括晶圆表面划痕与颗粒、引线键合质量、芯片切割崩边、Bump 缺失与桥连、共面度，以及罕见缺陷的自动分类（ADC）。DaoAI 在低对比与高分辨率场景下保持稳定检出。
缺陷样本极少、罕见缺陷难收集，AI 怎么训练？
DaoAI 支持少样本（few-shot）与无监督异常检测，只需良品或极少缺陷样本即可建模，对从未见过的罕见缺陷也能作为异常报出。
晶圆缺陷自动分类（ADC）能替代人工复判吗？
可以大幅替代。DaoAI ADC 将缺陷自动归类并分级，复判量显著下降，工程师只需关注少量高风险类别，提高 SPC 决策效率。
高分辨率检测数据量大，能否本地部署保护工艺机密？
可以。DaoAI 支持 100% 本地私有化部署，模型与晶圆数据留在厂内，满足晶圆厂对工艺机密与数据合规的严格要求。