Новые методы автоматизированного контроля микроэлектроники с применением искусственного интеллекта в России
В России продолжают активно развиваться технологии автоматизированного выявления дефектов в микроэлектронике. Журнал «Электронные компоненты» в своём декабрьском номере за 2025 год представил обзор современных подходов, включая анализ изображений в видимом спектре, создание баз данных дефектов и применение поляризованного света для обнаружения несовершенств полупроводниковых пластин. Особое внимание уделено трём ключевым инновациям: комбинированным алгоритмам компьютерного зрения, многоракурсной структуре и гомографическому методу, которые доказали эффективность при проверке корпусов интегральных микросхем.
Экспериментальные результаты подтвердили высокую точность новых методов при анализе металлокерамических корпусов типа 4. Разработчики из АО «ЦКБ „Дейтон“» реализовали программные решения для автоматизированного программно-аппаратного комплекса (АПАК), интегрировав технологии виртуальной реальности для оптимизации процессов контроля.
В статье подчёркивается переход от ручной инспекции к системам на основе искусственного интеллекта. Современные АПАК сочетают модули получения изображений с высокоскоростными камерами и нейронные сети для обработки данных. Линейные и матричные камеры позволяют проводить статический и динамический контроль, включая анализ движущихся объектов на конвейерах.
Классификация дефектов стала более детализированной: критичные, значительные и незначительные дефекты разделяются по степени влияния на функциональность изделий. Особое внимание уделяется четырём морфологическим типам: дефекты усиления, отсутствия, искажения и замещения, а также подповерхностным дефектам, выявляемым с помощью специального освещения.
Трендом 2025 года стал синтез данных для обучения алгоритмов. Синтетические изображения дефектов позволяют сократить затраты на разметку и повысить точность распознавания. Прогнозируется, что к 2030 году этот подход станет основным для тренировки нейросетей.
Три ключевые технологии трансформируют отрасль:
1. Глубокое обучение адаптирует системы под изменяющиеся производственные условия, снижая ложные срабатывания.
2. 3D-компьютерное зрение анализирует геометрию изделий, обнаруживая деформации и несоосности, незаметные в 2D-режиме.
3. Периферийный ИИ (Edge AI) обрабатывает данные локально, ускоряя принятие решений и минимизируя зависимость от сетевой инфраструктуры.
Перспективы связаны с преодолением текущих ограничений АПАК: увеличение пропускной способности, обнаружение нанодефектов и интеграция с системами управления производством (MES). Актуальными задачами остаются адаптация советских стандартов и изучение зарубежного опыта для повышения надёжности отечественной электронной продукции.
