課題
機械学習を用いた半導体ウェーハの欠陥検査は、走査型電子顕微鏡（SEM）画像を用いて、検出された欠陥の原因を自動的に特定することができ、効果的な手法である反面、次のような問題があります。
Although machine learning is an effective method, it has the following problems.
- データの偏り
- 学習データの不足
- クラス内の画像の違いとクラス間の画像の違いに生じる差異
解決策
異常検出、オブジェクト分類、領域分析など、多くの方法を組み合わせることで、上記の課題を解決します。
- 異常検出アルゴリズムには、トレーニングに適切なサンプルのみを使用するため、データの量が結果に影響することはありません。
- エラー領域の特性に基づいて、欠陥の種類を傷と異物の2つに分類します。
- 傷の場合、欠陥の重度はサイズによって評価されます。異物の場合は、オブジェクト分類アルゴリズムを使用して異物の種類を区別します。
結果
既知の欠陥原因の自動的な分類は96%の精度達成だけでなく、どのクラスにも属さない未知の欠陥の検出も可能としました。
