Ring Beam Wafer Defect Detection via Polar Coordinate Transformation and Multiple Instance Learning

반도체 산업에서 고집적 패키징 기술의 확산으로 후공정의 중요성이 증가하고 있다. 이에 따라 웨이퍼 박형화 및 적층공정에서 발생하는 비패턴 결함의 신뢰도 높은 검출이 필수적이다. 그러나 기존 자동 광학 검사(Automated Optical Inspection, AOI)는 초박형 웨이퍼의 3차원 형상 변화 측정에 한계가 있다. 프로파일로미터는 측정 속도가 느리고, 규칙기반 분석 방식은 비정형 결함 대응 능력이 부족하다. 본 연구는 Ring Beam 광학 시스템을 활용하여 비패턴 웨이퍼의 결함을 검출하는 심층학습 프레임워크를 제안한다. Ring Beam 시스템은 엑시콘 렌즈를 통해 웨이퍼 전면에 균일한 조도를 확보한다. 제안 모델은 극좌표계 변환을 통해 원형 구조의 위치 정보를 보존하고, ResNet50 기반 패치 특징 추출과 TransMIL 구조를 결합하여 고해상도 이미지의 국소 결함을 효과적으로 학습한다. 실제 Ring Beam 검사 시스템에서 획득한 7,000장의 비패턴 웨이퍼 데이터를 활용한 학습과 실험에서, 평탄도 불량, 두께 편차 불량, 균열 결함 검출 과제 모두에서 99% 이상의 정확도를 달성하였다. 이는 극좌표계 변환과 다중 인스턴스 학습(Multiple Instance Learning, MIL)을 결합한 접근이 반도체 후공정 품질 검사에 실용적으로 활용될 수 있음을 보여준다.