外観検査異常分類システムにおける自己教師あり学習手法の検討

カテゴリ: 全国大会

論文No: 4-158

グループ名: 【全国大会】令和6年電気学会全国大会論文集

発行日: 2024/03/01

タイトル(英語): Anomaly classification using self-supervised learning in a visual inspection system

著者名: 石田涼（富士電機）,関段友哉（富士電機）,石河範明（富士電機）

著者名(英語): Ryo Ishida (Fuji Electric Co., Ltd.),Tomoya Sekidan (Fuji Electric Co., Ltd.),Noriaki Ishikawa (Fuji Electric Co., Ltd.)

キーワード: 半導体外観検査|異常分類|深層学習|画像認識|semiconductor visual inspection|anomaly classification|deep learning|image recognition

要約(日本語): 半導体製造工程における工程内外検査では，不良が発生した工程を特定するために外観検査画像を異常モードごとに分類している。技術者の目視分類では多くの時間を要するため，深層学習による分類作業の省人化・自動化を進めている。しかし，従来の教師あり学習は分類種別ごとにラベルを付与したデータを多量に必要とし，その付与作業には時間を要する。そこで，ラベル無しデータから特徴量を学習する自己教師あり学習に着目した。自己教師あり学習を利用し，多量のラベル無しデータで特徴抽出器を学習後，少量のラベル有りデータで分類器を学習することで，ラベル有りデータ量を削減しつつ従来手法と同等以上の正解率になることを確認した。

本誌掲載ページ: 265-266 p

原稿種別: 日本語

PDFファイルサイズ: 680 Kバイト