반도체 검사를 위한 컴퓨터 비전: 웨이퍼 결함 탐지 자동화 가이드

섹션별 상세

01

반도체 제조의 기초인 실리콘 웨이퍼의 구조적 무결성은 수천 개의 칩 작동 여부를 결정하며, 미세한 결함도 전체 실패로 이어질 수 있다. 거시적 분석은 객체 탐지 기술을 사용하여 웨이퍼 표면 전체의 크랙과 스크래치를 식별하는 데 집중한다.

02

Roboflow Universe의 Wafer Defect Detection 데이터셋은 크랙, 스크래치, 표면 결함 등 물리적 이상 징후를 포함한다. 사용자는 Fork 기능을 통해 해당 데이터를 자신의 워크스페이스로 가져와 고유한 생산 환경에 맞춰 어노테이션을 수정하거나 추가 이미지를 학습시킬 수 있다.

웨이퍼 표면의 결함을 바운딩 박스로 표시한 예시이다. — Screenshot실제 공정에서 객체 탐지 모델이 크랙이나 스크래치를 어떻게 시각적으로 식별하는지 보여준다. 다양한 크기와 형태의 결함이 정확하게 박스로 표시되어 모델의 실제 작동 모습을 확인할 수 있다.

Roboflow Universe의 데이터셋 페이지 스크린샷이다. — Screenshot학습에 사용된 데이터의 구성, 클래스(crack, scratch), 그리고 데이터를 자신의 프로젝트로 가져오는 과정을 나타낸다. 사용자가 튜토리얼을 따라할 때 필요한 데이터 소스를 식별하는 데 도움을 준다.

03

하드웨어에 구애받지 않는 모델 성능을 위해 데이터 전처리 및 증강 설정을 구성했다. 카메라 장착 방향에 상관없는 Auto-Orient, 다양한 거리의 결함 인식을 위한 Crop(0-20%), 조명 변화 대응을 위한 Saturation 및 Exposure 조정을 적용했다.

04

RF-DETR Medium 모델은 트랜스포머 아키텍처를 기반으로 이미지의 전역적 문맥을 이해하여 웨이퍼 표면의 결함을 정밀하게 포착한다. 클라우드 기반 GPU를 통한 학습 결과, mAP@50 92.2%, 정밀도 93.1%, 재현율 93.3%의 성능을 확보했다.

05

혼동 행렬 분석 결과 스크래치 클래스에서 미탐이 주로 발생함을 확인했다. 이를 해결하기 위해 SAHI 워크플로우를 도입하여 이미지를 타일링함으로써 작고 얇은 특징의 탐지 성능을 개선할 수 있다.

모델 성능 평가를 위한 혼동 행렬과 지표 대시보드다. — ChartmAP, Precision, Recall 수치와 함께 어떤 클래스에서 미탐이 발생하는지 분석하는 도구로 활용된다. 특히 스크래치 클래스에서 발생한 74개의 미탐 사례를 시각적으로 보여주어 개선 방향을 제시한다.

06

Roboflow Workflows를 활용하면 모델을 엣지 서버에 배포하고 실시간 검사 파이프라인을 구축할 수 있다. 결함 발견 시 즉각적인 시스템 알림을 트리거하거나 LLM을 결합한 사고 계층을 추가하여 복잡한 추론을 수행하는 것이 가능하다.

용어 해설

웨이퍼(Wafer): — 반도체 집적 회로의 핵심 재료인 실리콘 결정의 얇은 판이다. 회로가 그려지는 기판 역할을 하며, 표면의 작은 흠집이 수천 개의 칩 불량으로 이어질 수 있어 정밀한 검사가 필수적이다.
로보플로우 탐지 트랜스포머(RF-DETR): — Roboflow에서 최적화한 Detection Transformer 모델 아키텍처이다. 트랜스포머의 어텐션 메커니즘을 사용하여 이미지 전체의 관계를 파악하므로, 웨이퍼처럼 넓은 영역에서 발생하는 결함 탐지에 유리하다.
평균 정밀도(mAP): — 객체 탐지 모델의 정확도를 평가하는 대표적인 지표이다. 정밀도와 재현율의 관계를 종합하여 수치화하며, 값이 100%에 가까울수록 모델의 성능이 우수함을 의미한다.
슬라이스 보조 하이퍼 추론(SAHI): — 이미지를 작은 타일 단위로 나누어 추론한 뒤 결과를 합치는 기법이다. 고해상도 이미지 내에서 아주 작은 객체를 탐지할 때 해상도 손실을 방지하여 탐지 정확도를 높여준다.
혼동 행렬(Confusion Matrix): — 모델의 예측 결과와 실제 정답을 비교하여 성능을 시각화한 표이다. 어떤 클래스를 혼동하고 있는지, 미탐이나 오탐이 어디서 발생하는지 구체적으로 파악하여 모델 개선 방향을 설정하는 데 사용된다.

기술

Roboflow
RF-DETR
SAHI
Python
Computer Vision

활용 사례

반도체 웨이퍼 결함 탐지
산업용 자동 시각 검사(AVI)
제조 수율 최적화

언급된 리소스

문서Wafer Defect Detection Dataset