陕西省博士后创新创业大赛成果转化系列报道之四
芯片缺陷检测,用上国产AI系统
在芯片及电子制造过程中,表面划痕、微小颗粒、材料区域异常等都有可能影响产品良率。而传统视觉检测通常较依赖固定规则、阈值和人工经验,很难兼顾检测精度、效率和稳定性。如何更高效、更稳定地实现精准质检,成为行业亟待破解的难题。
西安电子科技大学人工智能学院副教授、AIIC智能芯片设计与系统集成实验室负责人曹震给出了他的答案——“中芯智检——国产芯片缺陷AI检测系统”。凭借扎实的技术基础和明晰的产业化路径,该项目还在第四届陕西省博士后创新创业大赛暨留学回国人员创新创业大赛中斩获金奖。

第四届陕西省博士后创新创业大赛暨留学回国人员创新创业大赛金奖颁奖现场(右二为曹震副教授)。
获奖的背后,是中芯智检团队长期围绕智能芯片设计与系统集成、脉冲神经网络及国产AI芯片部署等方向开展的持续研究。曹震认为,“高校的人工智能研究不能只停留在论文里,最终还是要看能不能解决企业生产现场的真实问题。”然而,实验室里数据采集条件稳定、模型指标理想,到了企业现场却频频“水土不服”:反光、光源角度、工件位置变化以及缺陷尺度差异,都直接影响着成像质量。
在实际测试中,团队对条状黄光、白光以及穹顶光源进行了多轮比较,发现条状光源在特定角度下能够明显增强部分表面特征。随后,他们围绕光源型号固定、ROI工件区域定位、材料区域分割和数据采集方式进行反复调整。“企业真正需要的不是一个在数据集上准确率很高的模型,而是一套在现场能够稳定解决问题的系统。”曹震指出,正是这些现场问题,推动团队从单纯追求算法指标,转向光学、算法、芯片和系统的协同优化。
在技术攻关层面,团队围绕“数据采集—缺陷识别—模型轻量化—国产AI芯片部署—企业现场验证”全链条发力。针对划片槽缺陷带来的误判,引入整体局部双重检测头网络设计,兼顾整体特征把握与局部缺陷定位,将微观缺陷检出率从83.2%提升至96.8%;通过知识蒸馏与结构化剪枝联合轻量化技术,将模型压缩至14.7MB,在昇腾310B芯片上以7.8ms延迟(128FPS)实现95.6%的高精度检测,满足产线每秒34颗晶粒的实时全检需求;依托华为Atlas国产化平台完成算法100%国产适配,功耗较进口方案降低68%,年省授权费超千万元;创新部署本地DeepSeek-LLM大模型,通过RAG融合工艺知识库,自动解析缺陷根因与处置建议,形成“检测—诊断—管控”闭环。

中芯智检——国产芯片缺陷AI检测系统样机。
如果说技术创新是底气,那么陕西省博士后创新创业大赛则是推动项目蜕变的催化剂。“大赛让高校科研成果接受了产业需求、市场需求和工程应用的共同检验,促使团队完成了从‘科研思维’向‘成果转化思维’的转变。”曹震回忆,过去团队更多关注算法创新、论文专利以及实验指标,而在赛场上,评审专家的连环追问直击痛点,倒逼团队重新梳理项目,把原来相对分散的研究凝练成“企业需求—技术攻关—原型系统—国产化部署—企业验证—产品化”的完整成果转化链。
获奖之后,曹震明显感受到,大赛并非“比赛结束、颁完奖就结束了”,而是连接人才、技术、企业和成果转化资源的一个入口。通过人社部门后续的项目展示、交流和成果对接活动,有效降低了科研成果从实验室走向产业的第一道门槛。
目前,中芯智检——国产芯片缺陷AI检测系统已经从实验室算法和原型系统逐步进入企业现场测试、试运行和应用验证阶段,应用场景主要集中在芯片及电子制造过程中的微小缺陷自动识别、定位和分类。在中芯国际、长电科技产线验证中,系统助力先进封装良率从65%提升至88%+,车规芯片返修率从8%降至0.3%以下。
“我们的最终目标不是形成一个实验室Demo,而是要打通‘AI算法—国产AI芯片—检测装备—企业产线’的完整技术链。”曹震介绍,下一步团队将继续完善国产AI芯片缺陷检测系统,扩大企业现场验证,并从单一缺陷检测向缺陷分割、质量评估、缺陷成因分析和生产工艺优化延伸,探索AI大模型、智能体与工业视觉的深度结合,使系统不仅能够“发现缺陷”,还能够辅助分析“为什么出现缺陷、应该怎样改进”。
从实验室到产线,从算法到产品,这支科研团队正以扎实的工程实践,为国产芯片制造保驾护航。