@techreport{oai:ipsj.ixsq.nii.ac.jp:00241178,
 author = {光定, 幸嬉 and 菅間, 幸司 and 和田, 俊和 and 濱田, 康弘 and 島田, 佳典 and 野口, 威 and 岡山, 敏之 and Koki, Mitsusada and Toshikazu, Wada and Koji, Kamma and Yasuhiro, Hamada and Yoshinori, Shimada and Takeshi, Noguchi and Toshiyuki, Okayama},
 issue = {33},
 month = {Nov},
 note = {半導体ウェハ検査工程では，検査対象画像と正常画像の間でピクセル毎の差分比較を行い，事前に設定した閾値以上の差分がある領域を欠陥として検出する差分ベースの手法が広く用いられている．しかし，この方法では，ウェハ上に形成される薄膜の膜厚変化により濃度ムラが発生する薄膜干渉という現象によって誤検出が発生するという問題がある．我々は，対話的な DNN の学習によって利用者の意図に沿った異常検出を行う DN4C を用いた半導体ウェハ検査システムについて検討してきた．このシステムにおいて，上記の「薄膜干渉の影響」と「半導体の異常」を分離し，DN4C による異常検出精度を向上させる「ときほぐし学習」を導入することを提案する．実験では，膜厚の異なる半導体ウェハ画像を用いた検証を行い，本手法の有効性を確認した．, In the semiconductor wafer inspection process, an intensity difference-based method is widely used, in which defects are detected based on pixel-wise intensity difference of the images of an investigated die and a regular die. However, this method suffers a high false positive rate caused by thin-film interference, a phenomenon of an uneven film thickness distribution on the wafer. We have already proposed a semiconductor wafer inspection system using DN4C, which performs anomaly detection based on user intent through interactive neural network training. In this paper, we introduce disentanglement learning to separate the effects of “thin-film interference” from “semiconductor anomalies,” thereby improving the anomaly detection accuracy of DN4C. In the experiments, we confirmed the effectiveness of the proposed method by comparing semiconductor wafer images with varying film thickness, both with and without the application of disentanglement learning.},
 title = {薄膜干渉の影響を受けにくい対話的半導体検査のためのときほぐし学習},
 year = {2024}
}