Core Concepts
본 연구는 화학 기상 증착 공정을 통한 단결정 다이아몬드 성장 과정에서 발생하는 다양한 결함을 실시간 이미지 데이터를 활용하여 정확하게 탐지하고 분류하는 AI 기반 기술을 제안한다.
Abstract
본 연구는 화학 기상 증착 공정을 통한 단결정 다이아몬드 성장 과정에서 발생하는 결함을 실시간 이미지 데이터를 활용하여 탐지하고 분류하는 AI 기반 기술을 제안한다.
연구팀은 다음과 같은 접근 방식을 통해 이 문제를 해결하였다:
다이아몬드 성장 과정에서 발생하는 주요 결함 유형을 다음과 같이 정의하였다:
다결정 결함: 기판 표면 및 홀더 표면에 발생하는 다결정 다이아몬드 성장
중심 및 가장자리 결함: 성장 표면의 국부적인 온도 변화로 인해 발생하는 결함
형상 결함: 성장 조건의 불균일로 인해 발생하는 비다면체 결정 형상
이미지 데이터를 활용한 결함 탐지를 위해 의미론적 분할(semantic segmentation)과 객체 탐지(object detection) 기법을 적용하였다.
다결정 결함은 픽셀 단위 분류가 중요하므로 의미론적 분할 기법을 사용하였다.
중심 및 가장자리 결함은 개수 파악이 중요하므로 객체 탐지 기법을 사용하였다.
데이터 수집 및 레이블링의 어려움을 해결하기 위해 능동 학습 기반의 데이터 선별, 데이터 증강, 모델 지원 레이블링 등의 기법을 도입하였다.
다양한 딥러닝 모델 아키텍처를 실험하여 최적의 성능을 보이는 모델을 선정하였다.
의미론적 분할을 위해 DeeplabV3Plus 모델을, 객체 탐지를 위해 YOLOv3 모델을 사용하였다.
최종 모델은 중심 결함 93.35%, 다결정 결함 92.83%, 가장자리 결함 91.98%의 정확도를 달성하였다.
본 연구는 단결정 다이아몬드 성장 공정에서 발생하는 다양한 결함을 실시간 이미지 데이터를 활용하여 정확하게 탐지하고 분류할 수 있는 AI 기반 기술을 제시한다. 이를 통해 다이아몬드 성장 공정의 모니터링 및 제어 능력을 향상시킬 수 있을 것으로 기대된다.
Stats
다이아몬드 성장 공정에서 발생하는 결함 중 중심 결함은 93.35%의 정확도로 탐지되었다.
다결정 결함은 92.83%의 정확도로 탐지되었다.
가장자리 결함은 91.98%의 정확도로 탐지되었다.
Quotes
"본 연구는 단결정 다이아몬드 성장 공정에서 발생하는 다양한 결함을 실시간 이미지 데이터를 활용하여 정확하게 탐지하고 분류할 수 있는 AI 기반 기술을 제시한다."
"최종 모델은 중심 결함 93.35%, 다결정 결함 92.83%, 가장자리 결함 91.98%의 정확도를 달성하였다."