疫情突顯產(chǎn)業(yè)供應(yīng)鏈中斷和製造業(yè)缺工問(wèn)題，加上少量多樣需求成趨勢(shì)，迫使製造業(yè)快速轉(zhuǎn)型，走向更自動(dòng)化、數(shù)位化的智慧化方向。因此，各產(chǎn)業(yè)對(duì)自動(dòng)光學(xué)檢測(cè)(AOI)技術(shù)的需求更為殷切。

疫情突顯產(chǎn)業(yè)供應(yīng)鏈中斷和製造業(yè)缺工問(wèn)題，加上少量多樣需求成趨勢(shì)，迫使製造業(yè)快速轉(zhuǎn)型，走向更自動(dòng)化、數(shù)位化的智慧化方向。導(dǎo)入自動(dòng)化及AI的過(guò)程中，傳統(tǒng)人力逐漸被取代，也改變產(chǎn)線(xiàn)人員配置的傳統(tǒng)生態(tài)，其中，可以確保產(chǎn)線(xiàn)及產(chǎn)品品質(zhì)的自動(dòng)檢測(cè)儀器不僅發(fā)揮精準(zhǔn)有效的優(yōu)勢(shì)，還能針對(duì)缺陷或瑕疵及時(shí)修復(fù)、捨棄，降低不必要的時(shí)間成本與人力成本，快速穩(wěn)定且一致的檢測(cè)結(jié)果大幅提高製程的完整性及正確性，因此，各產(chǎn)業(yè)對(duì)自動(dòng)光學(xué)檢測(cè)(Automatic Optical Inspection；AOI)技術(shù)的需求更為殷切。

傳統(tǒng)AOI需要再進(jìn)化

AOI是高速、高精度光學(xué)影像檢測(cè)系統(tǒng)，以機(jī)器視覺(jué)做為檢測(cè)標(biāo)準(zhǔn)技術(shù)，改善傳統(tǒng)人力使用光學(xué)儀器執(zhí)行檢測(cè)的缺點(diǎn)，常見(jiàn)應(yīng)用範(fàn)疇包含高科技產(chǎn)業(yè)研發(fā)、製造業(yè)品管等，電力、機(jī)器人控制、生物醫(yī)學(xué)、醫(yī)療、衛(wèi)星遙測(cè)、宇宙探測(cè)、國(guó)防、汽車(chē)工業(yè)、半導(dǎo)體、環(huán)保等領(lǐng)域也能看到AOI的諸多應(yīng)用。

非接觸AOI技術(shù)是利用光學(xué)儀器取得成品樣態(tài)，透過(guò)電腦影像處理技術(shù)檢查出異?；蜩Υ茫夹g(shù)領(lǐng)域包含光學(xué)照明技術(shù)、量測(cè)鏡頭技術(shù)、定位量測(cè)技術(shù)、影像處理技術(shù)、自動(dòng)化技術(shù)、電子電路測(cè)試技術(shù)等，透過(guò)光學(xué)照明(如CCD攝影機(jī)、光學(xué)鏡頭)、機(jī)器人介面與驅(qū)動(dòng)裝置(如機(jī)器手臂)、電控系統(tǒng)(如PC Base控制主機(jī))、視覺(jué)軟體(如演算法、影像處理軟體)的串聯(lián)，取得自動(dòng)光學(xué)檢測(cè)結(jié)果。藉由AOI針對(duì)缺陷或瑕疵的及時(shí)修復(fù)、調(diào)整或捨棄，大幅降低不必要的成本支出。

不過(guò)，傳統(tǒng)AOI品檢容易產(chǎn)生過(guò)篩率偏高、上線(xiàn)時(shí)間長(zhǎng)、不夠彈性、無(wú)法解決光學(xué)光影干擾等問(wèn)題。舊式的光學(xué)檢測(cè)是透過(guò)沒(méi)有學(xué)習(xí)功能的傳統(tǒng)演算法進(jìn)行，過(guò)篩率非常高，業(yè)者需要額外花費(fèi)時(shí)間進(jìn)行二次人工篩檢分類(lèi)，無(wú)形中提高成本支出。傳統(tǒng)AOI系統(tǒng)在每一次上線(xiàn)時(shí)要不斷調(diào)整設(shè)定，無(wú)法彈性調(diào)整生產(chǎn)內(nèi)容，難以滿(mǎn)足彈性化、客製化生產(chǎn)需求。

此外，AOI檢測(cè)只能以設(shè)定好的參數(shù)標(biāo)準(zhǔn)進(jìn)行判斷，須要先行定義瑕疵樣本，再透過(guò)樣本進(jìn)行篩檢。如果能導(dǎo)入AI，可以大幅改善AOI的不足，如優(yōu)化AOI影像判讀，降低誤判率，不僅可以提高AOI品檢的可靠性，還能減少二次人工檢驗(yàn)成本；智慧目視檢測(cè)可以自動(dòng)判斷產(chǎn)品外觀，結(jié)合影像資料劃分重點(diǎn)檢查區(qū)；產(chǎn)線(xiàn)可視化可以提供機(jī)臺(tái)即時(shí)監(jiān)控，記錄影像資料。

以金屬工件檢測(cè)為例，因?yàn)槲锛砻鏁?huì)反光，檢測(cè)時(shí)要反覆轉(zhuǎn)動(dòng)，檢驗(yàn)人員容易疲累，效率難以提升，加上人員素質(zhì)與主觀認(rèn)知等差異，導(dǎo)致過(guò)篩率偏高；汽機(jī)車(chē)零組件的煞車(chē)碟盤(pán)常有刮痕、裂痕、撞傷、污漬等細(xì)微瑕疵，透過(guò)機(jī)器視覺(jué)加上AI演算，很容易檢測(cè)出瑕疵。

AOI導(dǎo)入AI趨勢(shì)不可擋

未來(lái)，AOI導(dǎo)入AI智慧製造是企業(yè)生存關(guān)鍵，預(yù)估2024年全球智慧製造市場(chǎng)規(guī)模上看4,000億美元，年複合成長(zhǎng)率達(dá)10.1%，在此趨勢(shì)下，製造業(yè)更需要智慧化的檢測(cè)系統(tǒng)，應(yīng)用AI技術(shù)輔助AOI設(shè)備進(jìn)行後續(xù)篩檢優(yōu)化即為一例。工研院產(chǎn)科國(guó)際所數(shù)據(jù)指出，2022年全球AOI檢測(cè)系統(tǒng)市場(chǎng)規(guī)模預(yù)測(cè)達(dá)10億美元，2020年至2025年間的年複合成長(zhǎng)率達(dá)17.7%。在工業(yè)4.0及智慧製造潮流驅(qū)動(dòng)下，愈來(lái)愈多製造領(lǐng)域採(cǎi)用AOI搭配AI的整合應(yīng)用，其中以半導(dǎo)體領(lǐng)域最為積極。

圖1 : 全球AOI技術(shù)的市場(chǎng)規(guī)模。(source：工研院產(chǎn)科國(guó)際所；2022年3月)

雖然生產(chǎn)過(guò)程中可以透過(guò)物聯(lián)網(wǎng)（IoT）和數(shù)位系統(tǒng)軟體工具結(jié)合OT與IT，達(dá)到蒐集數(shù)據(jù)、即時(shí)人機(jī)協(xié)作等目的，但是，人力目視檢測(cè)進(jìn)料、檢驗(yàn)、成品組裝、入庫(kù)、出貨檢驗(yàn)等流程容易產(chǎn)生缺點(diǎn)，需要AOI搭配AI智慧影像辨識(shí)改善這些缺點(diǎn)。除了缺工、工作人員老化等問(wèn)題，人工檢測(cè)常因個(gè)人經(jīng)驗(yàn)的良莠不齊(如手感差異、標(biāo)準(zhǔn)不一)導(dǎo)致品質(zhì)與產(chǎn)量不均，長(zhǎng)時(shí)間用眼容易疲勞，很難維持長(zhǎng)期的標(biāo)準(zhǔn)化和數(shù)據(jù)化統(tǒng)一，容易影響產(chǎn)能輸出，此外，以人工記錄生產(chǎn)產(chǎn)量、檢驗(yàn)狀況也容易產(chǎn)生疏漏及資訊延遲等現(xiàn)象，增加客訴率、品質(zhì)不良率與成本耗損率。

至於傳統(tǒng)的AOI檢測(cè)設(shè)備需要控制環(huán)境、光源及拍攝角度等細(xì)節(jié)，量測(cè)目標(biāo)特徵也要相當(dāng)明確，才能發(fā)揮AOI機(jī)器篩檢的品質(zhì)，一旦檢測(cè)新設(shè)計(jì)或新產(chǎn)品時(shí)，自動(dòng)光學(xué)檢測(cè)流程需要重新設(shè)置，相對(duì)耗費(fèi)成本。

AI具有深度學(xué)習(xí)（Deep Learning）技術(shù)及模型訓(xùn)練，可以很好地被應(yīng)用於AOI瑕疵檢測(cè)領(lǐng)域，如雷射焊接自動(dòng)控制、金屬瑕疵與鏽蝕檢測(cè)、紡織品花紋瑕疵檢測(cè)等，只要蒐集大量預(yù)先處理好的影像並標(biāo)註影像種類(lèi)(如瑕疵種類(lèi))，透過(guò)AI深度學(xué)習(xí)與模型訓(xùn)練搭配AOI，不僅可以快速上線(xiàn)，還能自主學(xué)習(xí)，將人工檢測(cè)經(jīng)驗(yàn)?zāi)Ｐ突?，利用演算法分析判斷，建立線(xiàn)上檢測(cè)資料庫(kù)，透過(guò)影像判讀瑕疵，不需等最後一步才做終檢，這樣的流程可以達(dá)到即時(shí)檢測(cè)、及時(shí)修正的效果，發(fā)現(xiàn)良率下降時(shí)也可以立即調(diào)整產(chǎn)線(xiàn)、設(shè)備及人力，避免成本的浪費(fèi)。

另一方面，AI將人工檢測(cè)經(jīng)驗(yàn)?zāi)Ｐ突崂醚菟惴ǚ治雠袛?，不僅相當(dāng)靈活有彈性，可以提高精準(zhǔn)度與持續(xù)性，還可以降低對(duì)人工的依賴(lài)、降低人員的工作負(fù)擔(dān)，並且大幅提高生產(chǎn)效率。因此，近年來(lái)AOI結(jié)合AI已逐漸成為主流標(biāo)配。

工研院產(chǎn)科國(guó)際所執(zhí)行產(chǎn)業(yè)技術(shù)基磐研究與知識(shí)服務(wù)計(jì)畫(huà)產(chǎn)業(yè)分析師黃仲宏，以臺(tái)灣發(fā)展逾40年的印刷電路板(PCB)產(chǎn)業(yè)為例，說(shuō)明AOI的進(jìn)化與需求刻不容緩。首先是5G的加速推展與應(yīng)用帶動(dòng)產(chǎn)業(yè)發(fā)展及變化，應(yīng)用上必須考量更多，如高頻訊號(hào)損失、傳輸速度、模組整合度、系統(tǒng)穩(wěn)定度與功耗等細(xì)節(jié)，而5G硬體系統(tǒng)的零組件規(guī)格比4G高出許多，帶動(dòng)基頻晶片、印刷電路板(PCB)、天線(xiàn)、射頻前端及散熱元件等零組件的發(fā)展。

由於5G高速通訊、低延遲、高布建密度的特性，帶動(dòng)PCB朝面積擴(kuò)大、層數(shù)增加、線(xiàn)路設(shè)計(jì)複雜等趨勢(shì)發(fā)展，為達(dá)輕薄短小、高效運(yùn)算(HPC)裝置微型化等需求，PCB業(yè)者以高密度連接板(Any-Layer HDI)、軟硬結(jié)合板、IC載板等技術(shù)因應(yīng)，希望藉由體積優(yōu)勢(shì)，開(kāi)發(fā)更多應(yīng)用方式。當(dāng)PCB產(chǎn)業(yè)趨勢(shì)因?yàn)榧?xì)線(xiàn)距、多層數(shù)等技術(shù)帶動(dòng)產(chǎn)品升級(jí)，藉由AI加速製程及瑕疵檢驗(yàn)更加刻不容緩。

此外，Mini LED顯示器加速落地，磊晶廠產(chǎn)出的磊晶波長(zhǎng)、電性等規(guī)格差異大，需仰賴(lài)設(shè)備廠的檢測(cè)與分選才能提供高一致性的LED晶片，這些需求也會(huì)帶動(dòng)AOI技術(shù)加速改變。

圖2 : 異質(zhì)封裝技術(shù)等趨勢(shì)帶動(dòng)AOI朝極精密檢測(cè)發(fā)展，比方檢查晶圓狀況與金屬殘留。(source：CTIMES資料照)

若以半導(dǎo)體為例，半導(dǎo)體製程已進(jìn)入5奈米、7奈米微縮，技術(shù)難度愈來(lái)愈高，而先進(jìn)製程趨勢(shì)是晶片朝多層堆疊發(fā)展，如此可以使晶片體積更小、更省電、更有效能。進(jìn)化中的3D堆疊技術(shù)、異質(zhì)封裝技術(shù)等趨勢(shì)帶動(dòng)AOI朝極精密檢測(cè)發(fā)展，比方檢查晶圓狀況與金屬殘留，提升良率或改善問(wèn)題。

舊式瑕疵檢驗(yàn)以人眼進(jìn)行檢測(cè)，有主觀判斷標(biāo)準(zhǔn)不一、眼睛疲勞不易持續(xù)等干擾因素可能降低精準(zhǔn)度，因此，導(dǎo)入AI瑕疵檢測(cè)有其必要性，結(jié)合機(jī)器視覺(jué)與AI技術(shù)有助晶圓電路缺陷分析，開(kāi)發(fā)高速精確電路瑕疵檢測(cè)，大幅縮短檢測(cè)時(shí)間，提升晶圓產(chǎn)能及良率。

隨著異質(zhì)晶片整合製程需求大增，封裝技術(shù)更為重要，3D封裝成為臺(tái)積電、Intel、三星等國(guó)際大廠的布局重點(diǎn)，臺(tái)灣主要封測(cè)廠也鎖定研發(fā)系統(tǒng)級(jí)封裝(SiP)及整合天線(xiàn)封裝(AiP)，帶動(dòng)打線(xiàn)接合(Wire Bonding)的3D自動(dòng)光學(xué)檢測(cè)需求。

極精密檢測(cè) 3D AOI占有一席之地

一般來(lái)說(shuō)，需要使用AOI篩檢的產(chǎn)線(xiàn)多半具有相對(duì)大的產(chǎn)量或相對(duì)高的產(chǎn)品品管要求，而且多與高單價(jià)產(chǎn)品有關(guān)，如PCB、半導(dǎo)體、手機(jī)零件、醫(yī)療器材等產(chǎn)業(yè)，對(duì)於這些生產(chǎn)線(xiàn)來(lái)說(shuō)，維持並提升良率非常重要。

AOI並非單純地檢查、排除瑕疵品，也扮演資料蒐集者角色，只要善用AOI取得的大量瑕疵數(shù)據(jù)，經(jīng)過(guò)合理分析、歸納，就可以找出製程或產(chǎn)品不良原因。

圖3 : Mini LED顯示器加速落地，需仰賴(lài)設(shè)備廠的檢測(cè)與分選才能提供高一致性的LED晶片，這些需求也會(huì)帶動(dòng)AOI技術(shù)加速改變。(source：corbeauinnovation)

隨著愈來(lái)愈多產(chǎn)業(yè)採(cǎi)用AI搭配AOI光學(xué)檢測(cè)的整合應(yīng)用，導(dǎo)入AI AOI自動(dòng)化品質(zhì)檢測(cè)升級(jí)，臺(tái)灣業(yè)者也加速瞄準(zhǔn)AOI產(chǎn)業(yè)新藍(lán)海，如今年9月的「SEMICON Taiwan 2022國(guó)際半導(dǎo)體展」中，晶彩科技即展示AI AOI解決方案，透過(guò)全新開(kāi)發(fā)的AI即時(shí)檢量測(cè)功能，同時(shí)進(jìn)行Carrier上晶片外觀缺陷檢測(cè)及偏移/旋轉(zhuǎn)/傾斜檢知與量測(cè)，大幅提升缺陷檢出命中率並有效降低誤檢率。

不少AOI廠商是以規(guī)則系統(tǒng)(rule-based)做缺陷檢測(cè)，傳統(tǒng)方法檢測(cè)不好才會(huì)導(dǎo)入AI，目前已逐漸進(jìn)展到在少量多樣、快速變化的產(chǎn)品檢測(cè)中導(dǎo)入AI演算法，應(yīng)用AI中的深度學(xué)習(xí)技術(shù)。隨著先進(jìn)製程中的AOI技術(shù)如矽晶圓檢測(cè)、PCB的IC載板檢測(cè)、半導(dǎo)體封裝測(cè)試檢測(cè)、Mini LED檢測(cè)等日益受到重視。

工研院產(chǎn)科國(guó)際所執(zhí)行產(chǎn)業(yè)技術(shù)基磐研究與知識(shí)服務(wù)計(jì)畫(huà)產(chǎn)業(yè)分析師黃仲宏預(yù)期，3D AOI技術(shù)將占未來(lái)市場(chǎng)大宗，線(xiàn)寬、線(xiàn)距縮小能有效增加封裝的腳位及縮短訊號(hào)延遲時(shí)間，提升整體系統(tǒng)效能。由於高階應(yīng)用的電子零件需求與PCB複雜度增加(線(xiàn)距縮小)，AOI難度隨之提升，但是未來(lái)線(xiàn)寬線(xiàn)徑小於5um的AOI檢測(cè)會(huì)有一定的市場(chǎng)需求。

另一方面，隨著3D堆疊技術(shù)、異質(zhì)封裝技術(shù)不斷演進(jìn)，AOI未來(lái)將朝極精密檢測(cè)方向發(fā)展，如碳化矽(SiC)晶圓檢測(cè)、AiP(Antenna-in-Package)載板檢測(cè)、半導(dǎo)體先進(jìn)封裝測(cè)試檢測(cè)、Mini LED的AOI設(shè)備等，帶動(dòng)全球AOI市場(chǎng)蓬勃發(fā)展。