深度学习技术无需使用昂贵的缺陷库即可帮助限制半导体缺陷并提高产量。

在整个半导体生产过程中，机器视觉用于严格地监控质量和查找缺陷。制造商必须重视针脚挂擦、扭曲、弯曲或缺失等情况。芯片容错率很低，如果存在任何缺陷，即使是在表层，也会使芯片成为废品。因为可能出现的缺陷类型太多，所以使用规则式算法对检测进行编程是非常低效的。显式搜索所有缺陷不但太复杂，而且费时。深度学习算法无需使用大量的缺陷库即可帮助限制半导体缺陷并提高产量。

Cognex Deep Learning 为识别异常特征提供了一个简单的解决方案，甚至不需要使用“不合格”图像进行训练。取而代之，工程师只需在非监督模式下使用缺陷探测工具以“合格”图像范例训练软件即可。Cognex Deep Learning 学习芯片引线和引脚的正常外观和位置，然后将所有有偏差的特征分类为缺陷。