YOLOSeg的应用用于晶圆模块颗粒缺陷细分的应用
Yen-Ting Li1, Yu-Cheng Chan2, Chen-Che Huang3
1Circle AI Incorporation, Taipei, 114, Taiwan.
Scientific reports
|January 17, 2025
概括
本研究介绍了You Only Look Once Segmentation (YOLOSeg),这是一个有效的模型,用于检测晶圆模块上的小颗粒缺陷. 在细分缺陷方面,YOLOSeg实现了高精度,超过了现有方法,并简化了培训数据准备.
科学领域:
- 计算机视觉 计算机视觉
- 材料科学 材料科学 材料科学
- 半导体制造业 半导体制造业
背景情况:
- 精确检测晶圆模块上的小颗粒缺陷对于半导体质量控制至关重要.
- 现有的实例细分模型经常与这些缺陷的规模和微妙性作斗争.
- 高效的培训数据准备是开发强大的缺陷检测系统的重要瓶.
研究的目的:
- 开发一个端到端实例细分模型,YOLOSeg,用于精确识别和细分晶圆模块上的小粒子缺陷.
- 通过优化训练策略和先进的增强技术来提高模型的性能.
- 为了证明YOLOSeg在准确性和效率方面优于当前最先进的方法.
主要方法:
- 开发了基于YOLOv5s的实例细分模型YOLOSeg,该模型包含了一个类似UNet的细分头.
- 实施训练优化,包括层结,面具损失切换,自动杆利用和消除扩散概率模型 (DDPM) 的图像增强.
- 在专用测试数据集上使用平均精度 (AP) 和交叉与联合 (IoU) 度量来评估YOLOSeg的性能.
主要成果:
- YOLOSeg实现了高性能指标,平均精度 (AP) 为0.821和交叉超过联盟 (IoU) 为0.732.
- 该模型在细分极小颗粒缺陷方面表现出优异的性能,与像Mask R-CNN,YOLACT,YUSEG和YOLOv5s-segmentation.等既有模型相比.
- 对于YOLOSeg的培训过程需要更少的时间和精力,消除了对广泛数据收集,伪缺陷注释或复杂功能工程的需求.
结论:
- 在半导体制造中,YOLOSeg是一种高效和高效的模型,例如细分半导体制造中的小粒子缺陷.
- 拟议的培训策略和DDPM增强显著提高了细分精度,特别是在挑战小规模缺陷时.
- YOLOSeg为晶圆缺陷检查提供了一种实用且节省时间的解决方案,减少了数据准备的负担并提高了质量控制.
