パッケージの欠け、はんだの濡れ、ワイヤの位置ずれ、レーザーマーキングの読み――半導体後工程の欠陥はどれも小さく、目視でも装置でも「見えているのに判定できない」ことが起きます。なぜ難しいのか、何をどう撮り、どう判定を設計すれば流出を減らせるのか。上流の構造から解きほぐします。
半導体の後工程――ダイシング、ワイヤボンディング、モールド、はんだ・バンプ形成、マーキング、そして最終外観――では、欠陥の多くが数十から数百µmという微細なスケールで現れます。パッケージの端の小さな欠け、はんだの濡れ不足やボイド、ワイヤの位置ずれや変形、レーザーマーキングのかすれや読み違い。どれも「不良として見逃せば後工程や顧客先で不具合につながりうる」重さを持ちながら、目視でも装置でも安定して判定するのが難しい領域です。
背景には二つの構造的な圧力があります。一つは供給網の重要度が増し、品質保証への要求が年々厳しくなっていること。もう一つは、微細な外観判定を担ってきた熟練検査員の確保が難しくなり、目視の属人性・疲労による見え方のばらつきが看過できなくなっていることです。抜取検査で回してきた工程を全数化したい、あるいは目視の判定基準を装置に置き換えたい、という相談が増える土台がここにあると考えられます。
現場でよく聞くのが「AI検査を試したが精度が出なかった」という声です。ただ、その内訳をたどると、判定アルゴリズムそのものより手前――そもそも欠陥が画像に写り切っていない、良品と不良品で見え方の差が撮像条件に埋もれている――ことが原因の場合が少なくないと考えられます。後工程の検査を考えるときは、まず「撮れているか」と「判定できるか」を切り分けることが、遠回りのようで近道になりうると考えます。
「後工程の外観検査」とひとくくりにされがちですが、対象ごとに検査の性質はかなり異なります。まず何を見たいのかを分解しておくと、手法選びや撮像設計の見通しが立てやすくなると考えられます。
パッケージ本体の欠けやクラック、リードやボールの寸法、ワイヤやチップの位置ずれは、比較的「輪郭」で捉えやすい項目です。基準となる形状・座標からのずれを測る発想が効きやすく、条件がそろえば定量的に扱える余地があります。ただし欠けは発生位置も形も一様でないため、「どこにどんな欠けが出るか」を事前に想定し切れない難しさが残ります。
はんだの濡れ具合、フィレット形状、ボイドや表面の荒れは、良品でも見え方に幅があり、「良品ばらつきの範囲内か、それを外れた不良か」という判断が本質になります。ここは輪郭抽出だけでは扱いにくく、良品・不良品の見え方を学習させる、あるいは説明を与えて判定させるアプローチが噛み合う場面があります。electronics solder inspection ai や pcb solder bridge short detection で扱う実装基板側のはんだ検査とも、判断の難しさは地続きです。
レーザーマーキングや2D/DataMatrixの読みは、欠陥検出とは別軸で「文字・コードとして正しく読めるか」が問われます。かすれ・にじみ・低コントラスト・湾曲面への刻印など後工程特有の難所があり、単純なOCR/コードリーダでは取りこぼす場面で、文脈から文字を推定できるVLM的な読み取りが効く余地があると考えられます。
微細欠陥の検査で最初に確かめたいのは、欠陥が画像上で「人が見て分かる差」として写っているか、です。判定精度は撮像で写った情報の範囲を超えられません。写っていない差はどんなアルゴリズムでも判定できない、という当たり前の事実が、後工程では特に効いてきます。
数十µmの欠けやワイヤの変形を捉えるには相応の解像度が要り、テレセントリックレンズや高倍率光学系、産業用の高画素カメラが候補になります。一方で高倍率にするほど被写界深度は浅くなり、パッケージの反りやワイヤの高さ方向の広がりでピントが外れやすくなります。「1画素が現物の何µmに対応するか（分解能）」と「見たい範囲すべてにピントが合うか」を、対象欠陥の最小サイズと突き合わせて設計することが出発点になると考えられます。
モールド樹脂の艶、金属リードやボールの鏡面、ワイヤの丸い金属面――後工程は反射・光沢の難所の宝庫です。同じ欠陥でも照明の角度・拡散・波長で写り方が激しく変わり、正反射で白飛びして欠けが消えたり、逆に良品の正常な光沢を不良と拾ってしまったりします。ローアングル照明・同軸照明・ドーム照明・多方向点灯の使い分け、必要なら多灯を切り替えた複数枚撮像で欠陥を浮かせる、といった照明設計が判定の成否を大きく左右します。ここは元キーエンス画像処理事業部で培った現場ライティングの勘所が生きる領域だと考えます。
撮れている前提が整ったら、次は判定です。ここで陥りやすいのが「一つの手法で全項目を解こうとする」ことだと考えられます。後工程は検査項目の性質が多様なので、項目ごとに向いた手法を割り当てる発想の方が現実的になりうると考えます。
寸法測定、位置ずれ量、明確なコントラスト差で捉えられる欠けなどは、閾値やパターンマッチングといった従来の画像処理で安定させやすい項目です。判定根拠が数値で説明でき、しきい値の調整で挙動を追える点は、量産の品質保証で扱いやすい利点になります。まずここで固められる項目は固める、という切り分けが有効だと考えられます。
良品のばらつきが大きく「正常の範囲」を数式で書きにくいはんだの濡れやテクスチャ、多様な出方をする欠陥、そして文脈のあるマーキングの読み取りは、良品・不良品を学習させる、あるいは判定基準を言葉で与えて理由とともに答えさせるVLM的なアプローチが噛み合う場面があります。特にVLMは「なぜ不良と判断したか」を言語で返せるため、検査員の合意形成や基準のすり合わせに使いやすい側面があると考えられます。ただし学習・検証には現物データが要り、効果は現場で確かめて初めて分かる、という前提は崩せません。
後工程はタクトが速く、装置に組み込んで即時判定したいケースが多いため、クラウド送信の遅延やネットワーク前提が合わないことがあります。Jetsonなどのエッジ推論で装置近傍に判定を置く構成は、レイテンシと機密の観点で選択肢になりえます。撮像・判定・実装形態を最初から一体で考えると、後戻りが減ると考えられます。実装側の電子部品検査は電子部品の外観検査のページでも整理しています。
後工程はパッケージ形状・サイズ・品種が多く、しかもロットや材料ロットで良品の見え方が動きます。検査を「立ち上げて終わり」にできず、運用の中で見え方の変化に追従し続ける設計が要る点が、実装検査以上に重い課題になりやすいと考えられます。
学習ベースの判定は、良品のばらつきをどれだけ写し取れているかで安定性が変わります。特定ロットの綺麗な良品だけを集めると、正常な個体差を不良と拾いやすくなります。時間帯・材料ロット・装置差を含む「現実の良品の幅」を意図的に集めることが、後の誤検出を減らす投資になりうると考えます。不良サンプルが希少な後工程では、既知不良を大切に管理しつつ、良品側の網羅で守るという発想が現実的な場面が多いと考えられます。
流出（見逃し）を絶対に避けたい工程では、多少の過検出を許容して疑わしきは人へ回す、といったしきい値運用が現実解になることがあります。逆に過検出が多いと現場が疲弊し、やがてアラートが無視される――という失敗も起こりえます。何を最重視するかを品質保証部門と握り、判定の厳しさと再検査フローをセットで設計することが、定着の分かれ目になると考えられます。
最後に、相談の中で繰り返し出会うつまずきを挙げます。多くは技術の限界というより、進め方や前提の置き方に起因すると考えられます。
ここまで見てきた通り、後工程の検査は「撮れているか」「判定できるか」「運用で保てるか」の三段で難しさが積み重なります。だからこそ、机上で仕様を固め切る前に、現物で撮って確かめる工程を挟むことの価値が大きいと考えられます。
具体的には、まず最も困っている検査項目を一つか二つに絞り、代表的な良品と既知不良を現物で撮像し、その差が画像に出るかを確かめる。出るなら判定手法を試し、出ないなら照明・光学系に戻る。この往復を小さく回すことで、「そもそも自動検査に向く項目か」「どの手法が噛み合うか」「量産で保てそうか」の見立てが具体的な手触りとともに得られます。この検証設計そのものはPoC・検査方式設計として切り出して進めることもできます。
Nsightは、元キーエンス画像処理事業部の現場知見（撮像・照明の勘所）に、VLMによる柔軟な判定と説明、Jetsonエッジでの実装、産業用カメラ・レンズ・ライティングの選定を組み合わせて、この「確かめてから広げる」進め方を一緒に設計します。効果は現物・現場で検証して初めて分かる、という前提を共有した上で、遠回りに見えて確実な一歩から始めることをおすすめします。
見たい最小欠陥のサイズに対し、1画素が現物の何µmに対応するか（分解能）を突き合わせて決める考え方が基本になると考えられます。一般に欠陥1つを複数画素で捉えられる分解能が目安とされますが、被写界深度や照明とのトレードオフがあるため、対象を決めて現物で撮って確かめるのが確実です。前提や必要精度は現場条件で変わります。
項目の性質によると考えられます。寸法・位置ずれ・輪郭の明確な欠けは従来画像処理で安定させやすく、はんだの濡れ具合のように良品のばらつきが本質の項目は学習・VLM的なアプローチが噛み合う場面があります。一つの手法で全部を解こうとせず、項目ごとに割り当てる方が現実的になりうると考えます。
かすれ・低コントラスト・湾曲面への刻印は汎用OCRで取りこぼしやすく、文脈から文字を推定できるVLM的な読み取りが効く余地があると考えられます。ただし読めるかどうかは撮像の写り方に強く依存するため、照明・光学の見直しと合わせて、現物で検証することが前提になります。効果は現場で確かめて判断するのが確実です。
後工程では不良が希少なことが多く、既知不良を大切に管理しつつ、良品側のばらつきを網羅して「正常の範囲」を捉える発想が現実的な場面が多いと考えられます。時間帯・材料ロット・装置差を含む良品を意図的に集めることが誤検出を減らす投資になりうると考えます。必要に応じて不良の作り込み検証も選択肢になります。
タクトが速く即時判定が要る後工程では、装置近傍で判定するエッジ推論がレイテンシや機密の面で選択肢になりやすいと考えられます。一方で学習・大規模処理はサーバ側が向く場面もあり、両者を役割分担する構成もありえます。撮像・判定・実装形態を最初から一体で設計すると後戻りが減ると考えます。
パッケージ欠け・はんだ・ワイヤ・マーキング――困っている項目を一つ絞り、代表的な良品と既知不良を現物で撮るところから始められます。撮像・照明・判定手法の見立てを、元キーエンス画像処理事業部の現場知見とVLM/エッジの技術で一緒に設計します。
後工程の検査方式について相談する