中国工业视觉技术实践系列报告

出品机构：甲子光年智库研究指导：宋涛研究团队：刘瑶发布时间：2023.11 Part01高技术创造高价值，工业视觉成就“制造之眼” 目录 Part02工业视觉加快泛半导体行业的质量管理升级 Part03突破造就未来，国产代表厂商的突破与实践 Part04技术前行，未来仍有无限可能 机器视觉的技术优势 机器视觉在速度、精度等指标上远高于人类，非常适合工业领域应用 机器视觉在色彩识别能力、灰度分辨率、空间分辨率、速度、感光范围、环境适应性、观测精度等方面比人类视觉更具优势。机器视觉利用相机、镜头、光源和光源控制系统采集目标物体数据，借助视觉控制系统、智能视觉软件和数据算法库进行图形分析和处理，软硬系统相辅相成，为下游行业赋予视觉能力。 工业视觉产业概念分析 软硬一体，深度学习赋能制造业全场景应用能力 工业视觉是将硬件如光源，传感器，相机等集成综合性仪器同时辅以底层算法用于工业制造方向，协助制造业实现引导、识别、检测和测量功能，最终促进工业制造智能化，是自动化到智能化的关键拼图，兼具状态感知（视觉）和自主决策（边缘控制和AI）的能力。 工业视觉市场的发展背景 制造业及智能制造规模同步上升，中国制造产业迎来“质”与“量”的同步发展 从中国制造业增加值来看，2017年至2022年持续上升，并且在GDP的比重持续上升。 从中国智能制造业产值规模来看，2022年中国智能制造业产值447亿元，预计2026年可达1000亿元，持续迎来高于20%的增长。 工业视觉的市场规模 工业视觉搭上智能制造产业“快车”，中国工业视觉市场持续增长 伴随全球制造升级需求与中国制造业的高质量发展，工业视觉市场规模稳步增加。 中国工业视觉2022年市场规模为184亿，到2025年将达到470亿，行业整体发展增速快。 工业视觉产业的相关政策 利好的宏观环境和政策将助力工业视觉产业蓬勃发展 工业机器视觉是人工智能产业和制造业转型升级的重要环节，是国家政策重点关注和发展的行业；2016年以来，在人工智能产业和智能制造业升级相关的政策文件中被多次提及，2020年的《工业互联网创新发展规划》和2021年的《“十四五”智能制造发展规划》等文件中均提出重点突破计算机视觉、视觉传感相关技术，为工业视觉产业发展提供了政策助力。 工业视觉的算法技术 深度学习赋能制造业全场景应用能力 机器视觉系统的算法软件部分是利用计算机视觉算法对获取围像进行分析，进而为进一步决策提供所需信息。根据集成程度和开发难度的不同，可以细分为供集成商和设备商开发使用的底层算法和供最终客户使用的二次开发好的算法包，由于不同工业应用场景之间的差异性以及对精度的高要求，往往需要专门设计对应的软件算法以满足工业场景下的视觉需求。 工业视觉的核心功能 工业视觉的功能主要有识别、测量、定位、检测 机器视觉的功能主要分为四大类，从技术实现难度上来说，识别验证、引导定位、尺寸测量、外观检测的难度是递增的，而基于四大基础功能延伸出的多种细分功能在实现难度上也有差异。 Part01高技术创造高价值，工业视觉成就“制造之眼” 目录 Part02工业视觉加快泛半导体行业的质量管理升级 Part03突破造就未来，国产代表厂商的突破与实践 Part04技术前行，未来仍有无限可能 泛半导体行业发展背景-3C电子 产品与产线升级迭代带来稳定增长 消费电子产品产线进一步升级迭代：苹果作为龙头企业提高行业检测标准，各大电子产品生产厂商也逐步迭代生产质量标准，有望带来机器视觉需求的扩大。 工业视觉在3C行业的应用简析（1/2) 3C行业的高质量标准提升工业视觉的渗透率 工业视觉在3C电子行业中得到广泛应用：3C电子行业具有元器件尺寸较小，质量标准高的特点。在PCB生产制造环节中，工业视觉是PCB对位、SMT拾取、放置和安装验证等环节至关重要的工具。 在电子成品设备制造环节中，工业视觉解决方案应用于显示器缺陷检测、产品外壳缺陷检测、轴毁和盘片装配/磁头怒浮组件机器人引导、光学字符识别等环节。 工业视觉在3C行业的应用简析（2/2) 工业视觉提升检测的可靠性和稳定性，贯穿全生产流程 面板检测设备贯穿于面板生产制造全过程，为保障良率的关键环节。面板生产包含阵列(Array)、成盒(Cell)和模组(Module)三大制程，检测环节用于保证各段生产制程的可靠性和稳定性，提升产线整体的良率。 泛半导体行业发展背景-光伏产业 中国光伏技术助力全球能源转型 据中国光伏行业协会统计，2022年全球光伏新增装机243GW，同比增长41%，2023年全球光伏市场需求持续保持旺盛。随着光伏行业整体效率的提高和市场信心的增强，2022年中国光伏新增装机达86GW，同比增长61%，中国光伏装机量已连续十年位居全球首位。 中国光伏制造占全球80%左右的规模，以每瓦耗电0.4度计算，2023年预计组件产能400GW，耗电量1600亿度，相当于20座核电站的发电量，中国制造的光伏产品为全球能源转型和可持续发展做出了巨大贡献。 工业视觉在光伏行业的应用简析 精准解决传统应用难题，赋能光伏制造设备升级迭代 工业视觉解决方案可替代传统人力复杂操作，为企业需要提供稳定、柔性、易用通用的智能制造解决方案，提升全流程的质量管理，助力企业迈向智能制造。 泛半导体行业发展背景-半导体产业（1/2) 中国半导体设备市场跟随半导体产业发展稳定增长 全球半导体产业产能持续扩张，对半导体设备的需求稳定增长。根据SEAJ统计，2022年全球半导体设备销售额为1077亿美元，5年CAGR达13.7%。其中2022年中国大陆地区半导体设备销售额为282.7亿美元，5年CAGR达21.2%，连续三年占比全球第一。 泛半导体行业发展背景-半导体产业（2/2) 晶圆建设趋势仍在延续，国产半导体设备迎来发展 国内晶圆厂扩产趋势仍在延续。根据SEMI预测，全球半导体行业将在2021至2023年间建设84座大规模芯片制造工厂，其中中国大陆地区将会建成20座成熟制程工厂/产线，国产设备将加速导入大陆晶圆厂，国产半导体设备快速发展期在即。 工业视觉在半导体行业的应用简析（1/4) 晶圆制造到芯片加工的工艺过程极其复杂，涉及多个工艺步骤，易产生各种缺陷 半导体生产流程中的测试设备包括测试机（ATE，Automatic Test Equipment）、分选机（Handler）、探针台（Wafer Prober）等。这些设备的制造需要综合运用光学、物理、化学等科学技术，在测试设备中，测试机用于检测芯片功能和性能，探针台与分选机实现被测芯片与测试机功能模块的连接。晶圆检测环节需要使用测试机和探针台，成品测试环节需要使用测试机和分选机。 工业视觉在半导体行业的应用简析（2/4) 高效识别晶圆缺陷是工业视觉的重要应用之一 芯片制造过程中产生的缺陷会影响产品设备的最终良率，额外增加厂商的生产成本。根据资料统计，工艺节点每缩减一代，工艺中产生的致命缺陷数量会增加50%，因此每一道工序的良品率都要保持在非常高的水平才能保证最终的良品率。当工序超过500道时，只有保证每一道工序的良品率都超过99.99%，最终的良品率方可超过95%；当单道工序的良品率下降至99.98%时，最终的总良品率会下降至约90%。半导体生产过程控制可分为量测(Metrology)、缺陷检测（Inspection）两大环节。 ✓量测：主要针对晶圆电路的结构尺寸、材料特性进行描述，包括薄膜厚度、关键尺寸(CD)、刻蚀深度等物理参数。 ✓缺陷检测：主要查看晶圆是否有异质，包括颗粒污染、表面划伤等可能对芯片功能产生不良影响的结构性缺陷。 根据晶圆缺陷的排布分 系统缺陷 随机缺陷 局部缺陷 全局缺陷 组合缺陷 晶体缺陷 通常由可指定的原因产生，如人为错误，设备颗粒和化学污点。上述因素会破坏局部结构，产生集合的缺陷或局部缺陷簇。通常局部缺陷团簇具有无定形、线性、曲线或环形图案。局部缺陷簇的特定模式反映了缺陷的产生机制。 此类缺陷是系统性的，在晶圆间可重复。具有明显的聚类现象。导致这类缺陷的原因通常可以通过晶圆上缺陷的分布来发现，用于发现工艺或机器中的异常，如在光刻过程中掩模位置不对或在工艺过程中蚀刻过度等。 这种缺陷因晶圆片而异，也是半导体制造中最常见的企业宣布。组合缺陷是随机缺陷和系统缺陷的组合，在这种类型的缺陷中，消除随机缺陷的原因，保留系统性缺陷，使工程师能够找到异常的原因是非常重要的。 常由晶体生长不均导致，硅晶片中存在的晶体缺陷会影响构建在这些晶片上的器件的电性能，甚至由晶体缺陷导致的极端退化情况可能导致设备故障。常见晶体缺陷有：硅原子失位、硅原子错位、非硅原子掺杂等。 均匀随机，具有稳定的平均密度，没有具体的聚类现象。这种类型缺陷的原因复杂，并不固定在特定模式上。通过提高工艺的稳定性和准确性，可以减少由这种异常缺陷导致的未合格产品数目。 常见污染物如颗粒,通常由环境中脏污如灰尘污染晶圆所致。在分子层面上包括有机层和无机层 等 污 染 物;原 子层面上包括离子、重金属缺陷等。 分布于晶圆各处的缺陷，通常由随机因素造成，例如无尘室中的颗粒等随机原因。由于这类缺陷分布范围广，数目多，因此纠正起来代价昂贵，在晶圆制作过程中要尽量避免此类缺陷。 常见形貌缺陷有微小粗糙面、凹坑。通常在抛光或光刻工程中，工人或机械操作不当带来的缺陷。 工业视觉在半导体行业的应用简析（3/4) 工业视觉可以利用分析空间图案的分布情况极大提高良率管理效率 晶圆产生的缺陷会在晶圆图中呈现特定的空间图案，这些空间图案包含了晶圆在制造层面发生的异常信息，如薄膜沉积问题、蚀刻问题、清洗不均匀、紫外线曝光不均匀、晶圆物料运输过程被刮坏或晶圆处理不当等问题，都对应一定的空间图案，通过分析空间图案的分布情况，可以对应找出导致低良率的原因以保持工艺的质量水平。 早期防控是提升制造系统的可靠性、提高生产良率、降低生产成本的重要手段。传统分析晶圆图空间图案的工作仍需依靠人工去判断，不同的工程师对于同一晶圆图可能会有不同的判断结果，主观因素影响较大，使得分类缺乏一致性。以此同时需面对大规模的晶圆生产现状，人工效率较低，准确性难以保证。工业视觉可高效识别分类晶圆图案缺陷模式，掌控晶圆制造过程中的潜在问题，对于稳定并提高良率具有十分重要的意义。 工业视觉在半导体行业的应用简析（4/4) 光学检测效率高，速度快，提升半导体领域的智能化及数字化水平 自动光学检测技术（Automatic OpticalInspection，AOI）是集成信息采集、数字信号处理和自动控制的智能化检测技术，通常在工业生产过程中执行测量、检测、识别和引导等任务。自动光学检测技术模拟人眼采集图像信息，进行图像信息的分析和识别，完成测量、分类、追踪等工作。AOI系统由图像采集模块、视觉检测模块和执行模块三部分组成。 Part01高技术创造高价值，工业视觉成就“制造之眼” 目录 Part02工业视觉加快泛半导体行业的质量管理升级 Part03突破造就未来，国产代表厂商的突破与实践 Part04技术前行，未来仍有无限可能 泛半导体细分领域的工业视觉需求 半导体及消费电子工业视觉市场规模将持续增长 半导体产业以其集成度高、精细度高的特点成为工业视觉技术大规模应用最早的领域之一，工业视觉在半导体制造过程中的速度和精确性优势明显。伴随中国半导体市场、半导体设备市场的飞速发展，智能化、数字化的制造管理理念深入人心，半导体行业的工业视觉市场将迎来稳定的增长。 伴随全球及中国的消费电子市场发展，3C电子行业工业视觉规模也将保持稳定增长。 重点厂商产品及服务能力分析——感图科技 基于自研底层AI框架，实现高端制造领域的智能化品质管控及良率管理 ➢感图科技是一家专注于高端制造领域智能化品质管控及良率管理的工业AI企业，基于