정상 데이터 복원을 통한 영상 기반 반도체 웨이퍼 결함 검출 기법

초록

반도체 웨이퍼 결함탐지는 반도체 생산 수율에 큰 영향을 미치기 때문에 관심도가 높아지고 있다. 하지만 반도체 웨이퍼는 다양한 texture를 지니고 있기 때문에 기존의 결함 검출 방식으로는 한 번에 한가지의 클래스에 대한 모델 학습이 필요하다는 점이 단점으로 작용한다. 본 논문은 이 단점에 대응하기 위해 UniAD[1]를 사용하는 방법을 제시한다. 학습은 기 확보 반도체 웨이퍼 데이터셋을 기반으로 본 논문에서 제작한 pseudo 정상 데이터를 기반으로 진행되었으며 다양한 texture를 지닌 반도체 웨이퍼 데이터셋에서의 다중 클래스 결함 검출의 결과의 유효성을 보여준다.