微凸点阵列密集且尺度极小，2D 灰度图易把镀层反光误读为桥连、把高度不足漏判为正常。
μm高度检测精度
3D形貌判定维度
↑缺失/桥连检出
该先进封装厂的微凸点 bump 间距已进入微米级，阵列密集。Bump 缺失、桥连（相邻凸点连成一体）、高度不足等缺陷直接决定后续互连可靠性。仅凭 2D 灰度图像，镀层反光常被误判为桥连，而高度塌陷的 bump 在俯视下与正常 bump 几乎无差别，漏判风险高。
这类缺陷一旦流出，在芯片堆叠键合后才暴露，返工成本成倍放大。传统 2D AOI 为压低漏判只能调严阈值，又把过杀推高，陷入两难。
DaoAI 产品方案
DaoAI 部署 3D AI-AOI 检测设备，以微米级三维形貌数据直接还原每个 bump 的高度与体积：缺失处高度归零，桥连处相邻凸点轮廓粘连，高度不足则低于设定基准，均可在三维数据上明确判定，不再依赖易受反光干扰的灰度。AI-ADC 对检出缺陷进一步分类，稀有形态以 APDT 正样本学习补充。
- 3D AI-AOI 采集微米级高度，直接判 bump 缺失与桥连
- 以三维形貌替代 2D 灰度，规避镀层反光误报
- 高度不足、共面性异常一并量化输出
- AI-ADC 分类缺陷，稀有形态用 APDT 正样本学习补足
用高度而非灰度判 bump，缺失和桥连从「看像不像」变成「量得准不准」。
上线后，bump 缺失与桥连的检出率显著提升，因镀层反光导致的误报大幅下降，过杀与漏判的两难被三维量化打破。缺陷在 bump 工序即被拦截，避免流入芯片堆叠后才暴露，返工损失明显收窄。
常见问题
先进封装微凸点检测中 2D 灰度图有什么问题？
在先进封装微凸点检测里，2D 灰度图易把镀层反光误读为桥连，将高度不足漏判为正常。传统 2D AOI 调严阈值压低漏判又会推高过杀，陷入两难。
DaoAI 如何解决微凸点检测难题？
DaoAI 部署 3D AI-AOI 检测设备，以微米级三维形貌数据判定 bump 状态，规避镀层反光误报。AI-ADC 分类缺陷，用 APDT 正样本学习补足稀有形态。
3D AI-AOI 检测设备上线后有什么效果？
上线后，bump 缺失与桥连的检出率显著提升，因镀层反光导致的误报大幅下降，打破过杀与漏判两难，避免缺陷流入后续工序，收窄返工损失。