在极端数据稀缺条件下，半导体封装自动光学检测（AOI）中的贴片后缺陷检测：复制粘贴增强技术与漏电感知评估方法

《IEEE Access》：Post-Die-Bond Defect Detection in Semiconductor Packaging AOI Under Extreme Data Scarcity: Copy-Paste Augmentation and Leakage-Aware Evaluation

　　

在这项研究中，我们关注的是自动光学检测系统的早期生产自举阶段，此时新的检测站或生产线已经开始收集数据，但真正的缺陷案例仍然非常稀少。我们评估了在半导体封装线中芯片键合和导线键合之间的同一检测站上的缺陷定位问题。经过精确的图像级去重处理后，数据集包含了135张图像，其中21张是缺陷图像，30个是带有注释的框。由于一个物理缺陷可能出现在多个摄像机的视角中，这些注释对应于14个芯片位置上的19个独立物理缺陷。实际问题是在积累足够的缺陷样本以进行传统的监督训练之前，是否可以构建一个初步的有用缺陷定位模型。实验使用了一个标准的一阶段检测器、离线的复制粘贴增强方法以及考虑泄漏情况的分组交叉验证，该方法将同一物理缺陷的重复视图放在同一个折叠中。在三种随机种子设置下，每个种子有五组数据的情况下，原始基线的平均精度（mAP50）为0.563；而使用CP80×设置时，精度达到了0.957，召回率为0.935。作为异常检测的参考，PatchCore在分离无缺陷图像和有缺陷图像时的接收者操作特征曲线下面积（AUROC）为0.977 ± 0.020，但它不生成三类边界框。这些结果表明，当缺陷较为罕见时，利用折叠局部数据构建和考虑泄漏情况的验证可以使同一检测站的早期检测器自举成为可能；然而，站点特定的背景规律性和缺乏跨站点验证仍然是外部有效性的限制因素。