划痕作为制造过程中最常见的表面缺陷之一，按尺寸可明确划分为宏观划痕（≥1μm，肉眼可见，多由机械碰撞、工装摩擦导致）与微观划痕（0.1-1μm亚微米级，源于抛光工艺、颗粒污染等，需精密设备识别）。其存在直接影响产品外观一致性、结构完整性与功能可靠性——半导体芯片的微观划痕可能导致电路短路，光伏硅片的宏观划痕会降低透光效率，精密金属件的划痕则削弱抗腐蚀能力。因此，划痕检测需贯穿原料入场、制程管控、成品出厂全流程，核心技术需根据检测精度、效率要求及应用场景科学选型，具体特性与实操要点如下：

一、光学扫描检测

光学扫描检测基于光散射与干涉原理，以非接触、无损伤为核心优势，分为暗场激光扫描与激光快速扫描两大技术路径，适配量产场景的高效筛查需求。

1. 暗场激光扫描显微镜（DF-LSM）

DF-LSM通过斜射激光照射样品表面，利用划痕等缺陷对光线的散射效应成像（背景为暗场，缺陷形成高亮信号），可有效规避样品表面反光干扰，核心分辨率达0.2μm，能精准识别宽度≥0.1μm的亚微米级划痕。技术上融合暗通道光学层切算法，单帧图像即可去除离焦背景，将信背比（SBR）提升近10dB，清晰呈现划痕的长度、宽度及深度分布，尤其适用于高反光金属件、抛光硅片的微缺陷检测。

工业级DF-LSM设备通常配备高数值孔径物镜与高速图像传感器，单视场检测耗时≤5秒，支持自动拼接实现大面积扫描，在光伏硅片金刚石线切割工艺中，可可靠识别宽度＜1μm的微小裂纹与划痕，避免后续热处理过程中缺陷扩散。适配场景包括半导体晶圆中检、光学元件抛光制程管控、精密模具表面质量检测等，需注意检测环境控制粉尘污染，避免颗粒信号误判为划痕。

2. 激光扫描检测（LSC）

LSC技术采用线扫描激光束覆盖样品表面，同步采集划痕与颗粒的散射信号，检测效率突破传统光学限制，单片4-12英寸硅片检测耗时＜1分钟，完美匹配量产线高速流转需求。其核心优势在于“一站式筛查”——无需切换模式即可同时识别划痕、颗粒、凹坑等多重缺陷，且支持在线集成部署，与生产线传送带联动实现连续检测。

在半导体封装测试环节，LSC设备通过调整激光波长（405-650nm）适配不同材质样品，可检测环氧塑封料表面的宏观划痕与基板边缘的微裂纹；在光伏组件生产中，搭配晶界抑制算法，能精准区分多晶硅片的晶界与真实划痕，误检率控制在3%以内。该技术平衡了检测效率与基础精度，是量产线首检、巡检的首选方案，局限性在于对深度＜0.1μm的超浅划痕识别能力有限。

二、电子显微检测

电子显微检测依托电子束的高分辨率特性，聚焦微观划痕的形貌观测与根源分析，核心技术包括扫描电子显微镜（SEM）与电子束缺陷检测（EBI），适用于实验室研发与失效分析场景。

1. 扫描电子显微镜（SEM）+ 能谱分析（EDS）

SEM通过加速电子束扫描样品表面，利用二次电子与背散射电子成像，放大倍数可达40-400000倍，二次电子像分辨率低至5nm，能清晰呈现亚微米级划痕的边缘形态、底部粗糙度及周围材料变形情况。搭配EDS能谱分析模块后，可快速测定划痕区域的元素组成，精准判断缺陷是否由污染物（如金属颗粒、树脂残渣）导致——例如半导体晶圆划痕处若检测到铁、铜元素，可追溯至工装夹具的磨损污染。

技术参数上，工业级SEM的加速电压可调范围0-30kV，束流控制精度达10-5A，能适配金属、半导体、聚合物等不同材质样品；自动元素定性分析时间≤60s，可识别0.1wt%以上的微量成分。适配场景集中在缺陷溯源与工艺优化：如精密刀具划痕成因分析、芯片封装划痕污染物检测、新材料表面处理工艺验证等，需注意检测前需对非导电样品进行喷金处理，且需在真空环境下操作，单样品检测耗时约5-10分钟。

2. 电子束缺陷检测（EBI）

EBI基于电子束的短波长优势（100KeV电子束波长仅0.004nm），分辨率远超光学检测，可精准定位20nm以下先进制程芯片中的亚微米级划痕，且能建立划痕与晶体位错的空间关联，为半导体工艺良率提升提供关键数据。其核心技术亮点在于多电子束并行扫描设计，部分高端设备配备30-50列检测通道，将单硅片检测耗时压缩至分钟级，兼顾精度与效率。

在EUV光刻制程中，EBI可检测光刻胶表面的纳米级划痕与残留缺陷，避免后续蚀刻工艺中的图案失真；在量子器件制造中，能识别超导材料表面的超浅划痕对电流传输的影响。该技术的局限性在于设备成本高、维护复杂，且对样品表面平整度有一定要求，主要应用于半导体先进制程研发、高端电子元件失效分析等场景。

三、AI辅助视觉检测

AI辅助视觉检测是融合自动光学检测（AOI）与深度学习算法的创新技术，通过“硬件优化+软件迭代”突破传统检测的效率与精度瓶颈，成为光伏、半导体、汽车零部件等行业量产全检的核心方案。

其技术体系分为两大核心模块：硬件端采用“计算光学成像”设计，通过偏振光调控、多光谱融合、动态光照补偿等技术，消除金属、玻璃等材质的表面反光干扰，清晰捕获亚微米级划痕特征；软件端基于YOLOv5、Pix2Pix等深度学习模型，通过超10万张“缺陷-良品”标注图像训练，实现划痕的实时识别、分类与分级——可自动区分划痕长度（＜10μm/10-50μm/＞50μm）、深度等级，误判率控制在2%以内，缺陷识别准确率≥98%。

工业应用中，该技术展现出极强的场景适配性：哈工大重庆研究院研发的AI视觉检测系统，应用于笔记本金属结构件检测时，日均检测量提升5倍，年节约质检成本超百万元；河北移动打造的“5G+AI视觉质检云平台”，通过“云-边-端”架构实现跨产线数据归集，对接ERP、MES系统形成“检测-记录-追溯”闭环，使电池产线良品率提升至99.5%以上；在纺织行业，该系统将面料划痕检测时间从40分钟压缩至3分钟，缺陷识别准确率达99.2%。其核心优势在于24小时连续工作能力、规模化检测的一致性，以及小样本缺陷的泛化识别能力，完美适配4-12英寸硅片、新能源电池、纺织面料等批量生产场景。

四、人工目检

人工目检作为传统检测方式，至今仍是全流程检测的重要补充，核心适用于设备报警复核、关键批次抽检等场景。其操作需满足严格环境条件：在暗室中采用斜射LED光源（照度控制在500-800lux），搭配100-500倍金相显微镜，由专业工程师对疑似缺陷区域进行人工判定。

该方式的优势在于灵活处理复杂场景——可结合手感触摸、胶带剥离测试（参考ASTM D3359划X法、ISO 2409划格法）判断划痕深度与涂层附着力关联，适用于外观件的主观质量评估。但局限性显著：仅能识别≥1μm的宏观划痕，检测效率低（单样品耗时5-10分钟），且受人员经验、视觉疲劳影响，主观误差较大，漏检率约5-8%。因此，人工目检通常不单独使用，而是作为AI检测、光学检测的补充，用于处理设备无法明确判定的疑似缺陷，或对高价值产品进行最终抽检确认。

五、技术选型指南