先進封裝時代的AI光學檢測：從FOPLP到Glass Wafer的五大應用實例

波露露
6月24日
讀畢需時 7 分鐘

一、為什麼AI光學檢測是「先進封裝」不可或缺的角色？

隨著半導體製程向高密度、高整合、高效能持續邁進，「先進封裝」（Advanced Packaging）技術正逐步取代傳統封裝，成為推動晶片性能極限的關鍵技術。像是FOPLP（扇出型面板級封裝）、CoWoS（Chip on Wafer on Substrate）、TSV（Through-Silicon Via）等技術，已成為高階晶片封裝主流。然而，這些技術所帶來的，是前所未有的微縮尺度、多材料堆疊與複雜製程挑戰，對檢測技術提出更高標準。

封裝技術演進：從IC封裝走向FOPLP、CoWoS、TSV

過去的IC封裝著重於基本保護與電氣連接，而現今的先進封裝則融合晶片堆疊、異質整合與高頻/低功耗傳輸要求。舉例來說：FOPLP 擴大封裝面積，增加多元元件整合的可能，卻也帶來平整度（warpage）控制與微缺陷難以辨識的困難；CoWoS 與 TSV 採用高深寬比結構，內部通孔、接點品質的檢測成為良率瓶頸；材料從矽、玻璃、陶瓷到透明聚合物不等，反光、透光、粗糙度差異使傳統檢測系統無所適從。
高密度/高層數/異材結合 → 微缺陷檢測需求急遽上升

在先進封裝產線中，常見的問題包括晶圓表面的刮傷與異物、玻璃晶圓的低對比缺陷、陶瓷與透明材料的破損與雜點、面板與基板的 warpage（翹曲）與 bow（彎曲）。這些缺陷往往極為細小或難以察覺，且受材料性質影響大，傳統 AOI 系統多數依賴預設規則與對比判斷，對於複雜材質與多樣化缺陷類型常常出現誤判或漏檢。

先進封裝製程所面臨的檢測挑戰，包含但不限於：刮傷 / 異物檢測：在高密度線路或晶圓表面，任何輕微刮痕都可能影響導通或可靠性；BOW / Warpage：基板翹曲將導致製程對位困難，影響後段製程如雷射開孔、點膠等精準度；低對比缺陷：像玻璃晶圓或透明薄膜，缺陷與背景反差低，傳統AOI容易誤判或漏判；複雜幾何與疊層結構：三維堆疊導致部分瑕疵非單一視角可見，需多角度/多光譜檢測介入。

傳統AOI難以應對：透明材質、彎曲變形（BOW / Warpage）、低對比缺陷等

傳統AOI（Automated Optical Inspection）多仰賴固定演算法與預設模板比對，在面對新材料或新製程異常時，缺乏彈性與判斷力。而AI光學檢測透過深度學習，能從實際樣本中自主學習瑕疵樣貌、背景雜訊與容差範圍，有效辨識：隱藏性瑕疵（微裂紋、表面凹陷）、不規則瑕疵（非模板化的異物、污染）、透明/半透明材質下的瑕疵、偏移型變形如線路扭曲、Bump錯位。

AI光學檢測的價值不只是「看見瑕疵」，而是「預測風險、提早應變」，在先進封裝製程中，早一步辨識關鍵瑕疵，就能避免整批報廢、降低測試成本，並透過AI持續學習機制，不斷優化瑕疵分類、提升準確率。這使得AI光學檢測成為推動「智慧製造」與「高良率產線」的核心動能。

二、六大實戰應用案例分享｜AI光學如何精準應對各種挑戰？

案例名稱	缺陷類型	材質/載具	對應技術挑戰點	解法特色
1. 晶圓刮傷與線路損傷檢測	刮傷、裂痕、線路中斷	晶圓 (Silicon)	表面微損難辨識、類似雜訊	使用深度學習自動分類模型
2. Glass Wafer 檢測	異物、破損、BOW偏差	玻璃基板	透明低對比、反射干擾	客製化偏光光源 + BOW演算法
3. 陶瓷基板檢測	黑點、針孔、邊緣破損	陶瓷、陶鋁基板	微細裂縫、表面粗糙易誤判	多角度光源建構輪廓影像
4. 面板線路瑕疵檢測	短路、開路、變形	面板 (Panel)	線路密集、瑕疵形狀變異度高	使用瑕疵資料建模 + 邊界學習技術
5. 透明片異物與應力檢測	異物、雜點、雙影	透明塑膠、玻璃	高反光材質 + 雙層疊影干擾	AI比對多光譜影像 + 應力分析模型

1. 晶圓刮傷與線路損傷檢測

應用場域：先進封裝晶圓、TSV製程前段

對應問題：微細刮傷、金屬層線路破

晶圓刮傷與線路損傷檢測 — 圖：檢測晶圓上的刮傷與線路損傷瑕疵，並對瑕疵晶粒進行噴墨

晶圓表面極為平整，任何細微刮傷或斷線都可能造成電性異常。AI能從龐大圖像資料中學習正常與異常紋理差異，準確區分出極細的線路斷裂、刮傷與污染物，比傳統演算法更能應對低對比、高密度區域的複雜圖形。

2. Glass Wafer 透明瑕疵與Bow檢測

應用場域：Glass interposer / glass-based FOPLP

對應問題：異物、破損、翹曲（Bow）

Glass Wafer 透明瑕疵與Bow檢測 — 圖：使用高效顯卡搭配優化後的AI瑕疵檢測模組，能在5分鐘內完成訓練

透明玻璃基材在反光環境中常因低對比而讓瑕疵難以辨識。AI可搭配偏光與多角度光源設計，學習應對不同光影變化，辨識如玻璃內陷、氣泡、裂縫等細節，同時也能藉由幾何演算法分析基板翹曲量（Bow）與翹曲方向，支援FOPLP等面板級封裝製程。

3. 面板線路瑕疵與形變分析

應用場域：扇出型面板級封裝（FOPLP）、Redistribution Layer 檢查

對應問題：開路、短路、線路歪斜、壓痕

FOPLP強調大面積精密線路佈局，常見線路過窄、走向異常或接點壓傷等問題。AI透過線路學習模型自動對齊標準佈局圖，辨識如金屬層歪斜、過蝕刻、氧化物異常等非標準瑕疵，避免產品因功能異常退貨。

4. 陶瓷基板表面瑕疵檢測

應用場域：高頻通訊模組、功率元件封裝

對應問題：表面黑點、針孔、邊緣破損

陶瓷基板表面瑕疵檢測 — 圖：搭配平行化的架構和優質的算法，任何尺寸的基板都可在10秒內檢完

陶瓷表面質地粗糙，反光不均且多孔，傳統AOI容易誤判正常紋理為異常。AI能進行區域學習比對，根據不同燒結紋理建立缺陷標準，大幅減少誤報，並能識別邊角破損與微小內陷。

5. 透明片缺陷與異物檢測

應用場域：透明保護膜、光學膜材封裝製程

對應問題：髒污、壓痕、雙影、雜點

透明材質在封裝過程中易受壓產生雙層痕、微粒污染等視覺瑕疵。AI模型能運用多光譜影像組合與光影消除演算方式，去除干擾背景，準確辨識肉眼難察的微細缺陷，並可結合即時預警系統進行自動報修。

這些實例不僅展現AI在光學檢測的高精度能力，更說明其高度客製化、跨材質適應與自學強化的特性，是現今先進製程從FOPLP到Glass Wafer皆可導入的重要品質策略工具。

三、整合應用在FOPLP、CoWoS與TSV的實際產線優勢AI 光學檢測不只是單點應用工具，而是能根據封裝技術特性與製程挑戰進行深度整合，在多種先進封裝平台中發揮關鍵價值。以下是三種常見先進封裝技術下，AI 光學檢測如何因應其結構特性提供最佳化解法：

CoWoS/TSV：高深寬比通孔檢測 → 搭配斜角光與影像深度AI建模
CoWos與TSV技術中，常需進行通孔（Via）與再佈線層（RDL）的多層垂直整合，這類結構具有高深寬比、孔徑極小、孔壁品質要求高的特性。傳統AOI在垂直結構上易受死角影響？
AI光學檢測結合斜角光源設計與3D影像深度建模，可精確重建孔洞輪廓，辨識孔內異物、內壁粗糙、鍍層不均等瑕疵，有效支援TSV製程前後段關鍵環節。
FOPLP：扇出型大面積封裝 → 精度需配合warpage與bow控制
FOPLP 封裝使用大尺寸面板進行多晶片封裝，常出現面板變形（warpage）、翹曲（bow），導致線路錯位或對位不良。AI 檢測系統可透過形貌建模與學習式對位機制，同步判別平面瑕疵與變形行為，並結合量測資料進行自動補償。相較傳統2D AOI，AI 模型可自動適應不同變形量與翹曲角度，維持高精度的良率控管。
glass wafer：檢測異物與裂痕並防止因反光而誤判瑕疵
在玻璃晶圓或透明介質上，常因低對比與反光現象導致瑕疵無法被準確辨識。AI光學系統可搭配偏光、消光與多角度光源，並利用AI演算法進行反光濾除與背景還原，有效提升像是裂痕、氣泡、異物、表面破損等低對比缺陷的辨識率，避免誤判與漏檢。

四、AI 檢測系統與 MES、SPC 的自動串接應用｜打造封裝產線的即時品質回饋機制

在 FOPLP、TSV 等高階封裝產線中，品質不僅需要靠高精度檢測，更需要快速、即時的資訊整合與製程調整能力。AI 光學檢測系統具備高度彈性與開放式架構，可無縫整合至 MES（Manufacturing Execution System）、SPC（統計製程管制）等智慧工廠系統，實現下列效益：

瑕疵分布報告、自動分類記錄
AI系統可將瑕疵自動分類（如：刮傷、異物、裂痕、金屬短路等），並輸出缺陷熱點分佈圖，作為SPC分析與製程參數優化依據。這種數據自動化可減少人工判定偏差，加快品質決策速度。

整合MES回傳修單與工單追朔
每筆異常紀錄皆可即時上傳MES系統，生成對應修單或重工標記，並保留產品編號、批次、站點等資訊，利於後續追朔與製程優化。此功能特別適用於晶圓封裝與面板封裝等多段流程，可防止缺陷產品流入下流關鍵製程。

支援TSV/FOPLP封裝產線即時回饋應用
在高節拍、極度精密的 TSV 與 FOPLP 封裝生產中，AI 系統能配合製程節奏提供即時缺陷偵測 + 決策建議，並透過 API 串接回饋設備參數（如曝光時間、對位精度等），實現製程端的自我修正。

透過 AI 光學檢測與 MES/SPC 系統的無縫整合，企業不僅能提升產線良率，更能建立從「缺陷辨識 → 製程追溯 → 品質修正」的自動化閉環，真正邁向智慧製造與先進封裝的可靠量產目標。

五、AI光學檢測讓你看見傳統技術無法發現的關鍵細節

「在先進封裝戰場上，誰能準確看見關鍵缺陷，誰就能搶佔品質與良率先機。」

在 FOPLP、CoWoS、TSV 等先進封裝製程日益複雜的今日，製程中任何一個微米等級的刮傷、異物、翹曲（BOW）、透明缺陷都可能影響整體封裝良率與產品壽命。傳統 AOI 技術在面對透明材質、高反射表面、低對比缺陷時，往往力有未逮，錯失了「看不見」的細節。

BUENOOPTICS 和全豐的 AI 光學檢測系統，以深度學習與自適應演算法為核心，不僅能大幅提升瑕疵辨識的準確性，更具備自主學習製程變異、修正偽缺陷誤判的能力，讓 AI 真正成為「製程理解者」而非僅僅是「比對者」。從晶圓表面的刮傷、TSV 通孔異常，到 glass wafer 的微裂痕與面板 warpage / bow 等非線性變形，我們的系統能即時適應不同材料與視角的挑戰，在封裝每一個關鍵節點都能穩定守住品質關卡。

AI 光學檢測，正在改寫先進封裝的品質規則與競爭門檻。