RadAI WM-811K: Обнаружение дефектов кремниевых пластин

Описание модели

Модель на основе ResNet для классификации дефектов на картах полупроводниковых пластин, обученная на полном наборе данных WM-811K. Классифицирует дефекты полупроводниковых пластин на 8 категорий. В отличие от многих опубликованных результатов, использующих небольшие отобранные подмножества, эта модель была обучена на полном наборе данных WM-811K с реальным дисбалансом классов.

Ключевое отличие: Обучена на 172 000+ образцах (100% размеченных данных), а не на 902 специально отобранных образцах (0,5%), как это видно в некоторых публикациях.

Результаты обучения

МетрикаЗначениеТочность валидации95.25%F1-метрика валидации95.28%Эпохи обучения76 (ранняя остановка)Время обучения~5 часов (CPU)

Набор данных

• Набор данных WM-811K (LSWMD.pkl) использовался для обучения, включающий:

• Всего карт пластин: 811 457

• Размеченных образцов дефектов: ~172 000

• Классов: 8 типов дефектов

Распределение классов

КлассОбразцыПроцентCenter4 2942.5%Donut5550.3%Edge-Loc5 1893.0%Edge-Ring9 6805.6%Loc3 5932.1%Random8660.5%Scratch1 1930.7%Near-full1490.1%

Архитектура модели

• Основа: ResNet34 (предварительно обученная на ImageNet)

• Вход: 64x64 карты пластин в градациях серого

• Выход: 8 классов дефектов

• Модификации:Первый сверточный слой адаптирован для 1-канального входа

• Пользовательская классификационная головка с отсевом (dropout)

Применение

Пример использования модели для предсказания дефектов:

Ссылки

radai-agent/radai-wm811k-defect-detection

Ссылки

https://https://huggingface.co/radai-agent/radai-wm811k-defect-detection