KI-basierte Bildanalyse und Computer Vision

Business Unit »Test and Reliability Solutions«

Fraunhofer ENAS entwirft, baut und betreibt produktionsreife Computer-Vision-Pipelines für Messtechnik und Inspektion in der Halbleiterfertigung. Unsere Modelle schließen den Kreis zum Prozessengineering, indem sie robuste, erklärbare Kennzahlen liefern, die Kosten senken und Prozessüberwachung sowie -optimierung ermöglichen.

Wir kombinieren bewährte Computer-Vision (CV)-Techniken mit modernster Deep Learning (DL)-Technologie, um das jeweilige Problem zu lösen. Wo etablierte Algorithmen glänzen, nutzen wir sie für Geschwindigkeit und Stabilität; wo sie versagen, erweitern wir sie mit maßgeschneiderten Modellen – von klassischer CV bis hin zu fortgeschrittenem DL. Für sehr spezifische Herausforderungen erstellen wir benutzerdefinierte Architekturen und Nachbearbeitungsschritte, die Prozesswissen einbetten und eine Feinabstimmung für Grenzfälle ermöglichen.

Diese hybride Strategie liefert erklärbare Ergebnisse und robuste Leistung über Prozessvarianten hinweg. Das Ergebnis ist die Automatisierung ehemals manueller oder halbautomatischer Inspektionen und Messtechnik mit messbaren Kosteneinsparungen. Die Kunden profitieren von höherer Genauigkeit, Zuverlässigkeit und Konsistenz – sowie klaren, umsetzbaren Kennzahlen, die direkt in die Optimierung und Ursachenanalyse einfließen.

Anwendungsbeispiele

Automatisiertes Via Dishing- und Langscan-Analyse in AFM-Bildern

Deterministische CV-Pipeline für erklärbare, zuverlässige Ergebnisse, einschließlich GUIs sowie automatisierter Bildakquisition und -speicherung.

Erkennung und Segmentierung von Kohlenstoffnanoröhren in AFM-Bildern

Anpassungsfähiges Deep-Learning-Modell zur Ableitung morphologischer Merkmale wie Orientierung, Länge und Dichteverteilungen.

Fehlererkennung in CD-SEM-Bildern

Deep-Learning-basierte Segmentierung zur Erkennung von Bereichen mit Rückständen nach dem Ätzen (PER) und einem Versatz bei der Durchkontaktierung (ALO) nach Lithografie- und Ätzschschritten.