在整個半導(dǎo)體生產(chǎn)過程中，機器視覺用于嚴格地監(jiān)控質(zhì)量和查找缺陷。制造商必須重視針腳掛擦、扭曲、彎曲或缺失等情況。
芯片容錯率很低，市場廣闊，制造商們都在拼質(zhì)量來獲得訂單，如果存在任何缺陷，即使是在外表層，也會使芯片成為廢品。
因為可能出現(xiàn)的缺陷類型太多，所以使用規(guī)則式算法對檢測進行編程是非常低效的。顯式搜索所有缺陷不但太復(fù)雜，而且費時。
深度學(xué)習(xí)算法無需使用大量的缺陷庫，可進行大部分半導(dǎo)體缺陷檢測，從而提高產(chǎn)量，降低成本。
如：
深度學(xué)習(xí)算法是解決此類復(fù)雜缺陷檢測問題的較佳解決方案。缺陷檢測工具從功能晶片層的一小組圖像中學(xué)習(xí)無缺陷晶片層的外觀。
然后，該工具甚至可以檢測晶圓層中任何地方的小缺陷，完全忽略底層，并拒絕任何異常。
無論是在光刻工藝、晶圓探測和測試，還是晶圓安裝和切割過程中，視覺對準不良都會在機器的整個使用壽命期間造成數(shù)以千計的協(xié)助和損壞的晶圓。
表現(xiàn)不佳的視覺系統(tǒng)會降低半導(dǎo)體設(shè)備公司的市場份額，并大大增加其支持成本。
尋找缺口的傳統(tǒng)方法是使用通光束陣列激光傳感器，這需要在晶圓上方和下方安裝笨重的發(fā)射器和接收器。這會占用寶貴的機械空間，
并且因為需要晶圓一直旋轉(zhuǎn)到發(fā)現(xiàn)切口，所以會浪費時間。隨著透明晶圓 (SiC) 和其他特殊晶圓涂層的推出，通光束傳感器變得更難準確地找到切口，提高了未對準的幾率。
