在如今竞争异常激烈的半导体行业里，在设计和开发过程中保持可追溯性，既能确保质量，管控变更的影响，又能规避安全风险，且可确保满足合规要求。而缺乏可追溯性不仅会给组织带来严重问题，在某些情况下还易造成极为高昂的代价。因此实现全面的可跟踪性至关重要。

晶圆上有激光标记的ID号码，放置在硅盘的一小块区域中。这些代码是字母数字字符或DataMatrix代码，用于通过前端工艺跟踪晶圆，直到它们被切割。但在各种掩模、蚀刻和光刻过程中，晶圆ID很可能会退化，且晶圆的反光背景而导致难以解码。

解决方案

康耐视In-Sight 1740系列晶圆读码器采用专为晶圆识别开发的先进算法，可在切割晶圆前提供光学字符识别 (OCR)和二维读码功能。这些晶圆读码器使用集成并可调的照明与图像处理技术，为多种标记方法提供最佳成像系统，包括字母数字和SEMI-T7 DataMatrix码。In-Sight 1740能够自动适应由各种工艺步骤引起的标记外观变化，从而减少不读取的情况， 最大限度地减少机器辅助的需求并最大限度地延长机器正常运行时间。

二、晶圆载体环的可追溯性

常见问题

一旦晶圆被切割，晶圆ID就不再可用。为了保持先前在晶圆上创建的晶片的可追溯性，一个标有识别号的载体环会携带经过切割的硅晶圆，直到将它们从载体环上移除，以便进行引线接合。切割过程中，锯开的碎片会散落在晶片和环上，因此必须对它们进行清洗。反复的清洗会使载体环的表面退化，从而降低了代码的可读性。表面和字符的变化使基于规则的视觉技术很难随着时间的推移准确读取这些代码。像0和O或l和1这样的字符，如果褪色或磨损，就很难分辨出来。无法读取的环会导致自动化过程中的速度减慢，从而影响产量。使用字符识别读取晶圆环上的代码，可以使它们使用更长时间，并保持自动化流程的运行。

解决方案

康耐视深度学习工具使制造商能够准确地读取晶圆载体环上的识别码，即使它们因多次清洗而退化了。同时使用智能相机和深度学习软件，利用光学字符识别(OCR)破译损坏的代码。凭借深度学习预训练字体库，软件内的深度学习读取工具开箱即用，能够大幅减少开发时间。用户只需设置感兴趣区域并设置字符大小。即使引入了新字符，无需视觉专业知识也可以对这个可靠的工具进行重新训练，使其读取传统OCR工具无法解码的应用特定字符。

解决方案

康耐视DataMan图像读码器配备了业界领先的算法和防静电保护外壳，即使在最具挑战性的条件下也能可靠地读取二维DataMatrix码。灵活的照明和光学器件提供了最清晰的图像和最高的读取率，能够承受大量的安装和照明限制。DataMatrix技术已经成为可追溯性应用的标准，它存储了所有关于引线框架的必要信息，如制造商、产品编码、批号，甚至唯一的序列号，以确保有效的可追溯性。

在经历了费力的封装测试过程后，半导体芯片最终拥有了它的识别号，其中包含了制造商信息和IC技术规格。这个字母数字代码被印在IC顶部表面。这一信息的可读性对于半导体制造商的内部和外部可追溯性至关重要。下游各方，如系统设计公司和电路板组装公司，都会读取这些代码，以验证他们是否收到了正确的芯片，以及正确的芯片是否连接到了PCB上。识别和确认这些信息传统上是由基于规则的机器视觉完成的。然而，传统的算法难以读取激光标记或化学蚀刻在集成电路上的极小和可变的文本字符串。其他影响可读性的常见问题是高度纹理表面和环境层压，使图像中的字符变形。

康耐视深度学习技术解决了基于规则的图像处理技术所不能解决的挑战。康耐视深度学习字符识别工具使用内置库读取弯曲的字符串、低对比度的字符以及变形、歪斜和蚀刻质量差的代码，该库预先训练了一千多个字符。字符识别工具还提供重新训练的能力， 因此用户可以解决第一次没有自动识别的新字符或特定字符。快速而准确地读取芯片的识别码可以提高可追溯性，并确保捕捉到正确的信息，使其在未来需要时可以使用。