ガラス絶縁端子（GIT）におけるガラス脱落検出のための粗視的から微視的までの機械学習フレームワーク

科学分野:

• 材料科学
• 電気工学
• コンピュータサイエンス

背景:

• ガラス絶縁端子（GIT）は、高信頼性マイクロエレクトロニクスシステムにとって重要です。
• GITにおけるガラスの脱落は、マイクロエレクトロニクス部品およびデバイスの信頼性を損なう可能性があります。
• 光の反射、不規則な欠陥、および限られたデータのために、自動欠陥検査は困難です。

研究 の 目的:

• GITにおけるガラス脱落を検出するための自動検査方法を開発すること。
• 産業環境における自動欠陥検出の課題に対処すること。
• マイクロエレクトロニクス部品の信頼性評価を向上させること。

主な方法:

• ガラス脱落検出のための粗視的から微視的までの機械学習フレームワークを提案しました。
• 適応型セクター分割スキームは、GITの円環形状を利用しました。
• 勾配ブースティング決定木（GBDT）とセクター近傍（SN）特徴量が分類に使用されました。

主要な成果:

• 提案手法は、実際の工業用GIT画像で高い性能を達成しました。
• 平均IoU（Intersection over Union）96.85％、F1スコア0.984を達成しました。
• ピクセルレベルでの低い誤警報率（0.55％）と実用的な検査速度（32.18秒/画像）を示しました。

結論:

• 開発された機械学習フレームワークは、GITにおけるガラス脱落を効果的に検出します。
• この手法は、既存の検査アプローチよりも大幅な改善を提供します。
• これは、マイクロエレクトロニクス製造における信頼性と品質管理の向上に貢献します。