在半導體產業中,瑕疵檢測是非常重要的一環,為了節省不良產品從前端製程流到後端製程的生產成本,許多工廠會設立產品檢驗站點來檢測在製品(Work in Process) 的狀態。為了避免漏檢的問題發生,生產線人員通常會在檢驗機台上設定過於嚴苛的判定準則,因此造成過多的誤殺(False Positives) 狀況產生,而導致產線需要花費大量人力來進行複判作業。為了降低高誤殺率的問題,半導體產業近年來陸續引入人工智慧技術,透過檢驗機台的檢驗結果,結合深度學習之影像辨識模型,減少機台誤殺率,降低人員複判時間與人力。 |