課題
半導体ウェーハ欠陥検査装置で検出された欠陥を示す走査型電子顕微鏡（SEM）画像を用いて、欠陥の原因を自動的に特定する必要があります。
機械学習は効果的な手法ではありますが、次のような問題があります。
- 偏ったデータ
- 学習データの不足
- クラス内の画像の違いはクラス間の画像の違いよりも大きい場合がある
解決策
私たちのソリューションは、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たものです。
- 異常検出アルゴリズムでは、トレーニングに適切なサンプルのみが必要なので、トレーニング データが不足しても結果には影響しません。
- 次に、エラー領域の特性に基づいて、傷と異物という 2 つの主な種類の欠陥を区別します。
- 傷の場合、欠陥の重大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
既知の欠陥原因を自動的に分類し、どのクラスにも属さない未知の欠陥を検出します。96% の分類精度を達成しました。
