專題文章:半導體晶圓表面缺陷檢測與分類

於 2020-06-21
專題文章

半導體晶圓代工製造業



客戶背景

  • 晶圓代工半導體廠

     

客戶需求

  • 需求與痛點一:人工識別與分類,需要經過長時間教育訓練,而且無法長時間持續辨識大量的圖片(一天約2000張) ,一且人工辨識分類的正確率約:80%上下,無法有更高的突破。
  • 需求與痛點二:內部資料科學家進行模型設計與開發,初期只能達到50%(約12種分類),且開發時間過長(1~6個月),也尚未找到有效的準確率提升方法。
  • 需求與痛點三:對於大量的影像資料,無法批量的進行前處理,並且有效的管理與分類(版本控制),造成資料管理上的loading。

     

解決方案

  • 提供IDI+的image pre-processing功能,強化影像feature,增加訓練準確率。
  • 提供IDI+的data augamentation功能,增強訓練資料集隻密度,提升訓練準確率。
  • 建置VGG16、VGG19深度學習經典模型,增加複雜背景影像之分類能力
  • 透過IDI+平台管理與訓練模式,縮短每一次訓練週期(時間),快速達到收斂點

     

NTT DATA 導入效益

  • 可以大幅降低人工作業達80~90%,且每小時可以分類20,000張以上圖片,且準確率高於85%。
  • 提供影像前處理功能,透過友善UI與設定,不須撰寫任何程式碼,快速提升模型設計時間與準確率。(當專案啟動不到一週,便已經達到70%以上準確率)。
  • 透過平台基本功能,便可以輕鬆管理所有的訓練資料集與影像,所有datasets全面進行版本控制,完美解決所有資料管理問題。


 

聯絡我們