This repository provides the WM811k silicon wafer map dataset subset, MATLAB implementation, and Jupyter Notebook (code in MATLAB software) for defect detection in semiconductor wafers using Convolutional Neural Networks (CNNs). The research is based on the paper:

In the semiconductor industry, engineers rely on wafer map patterns from CP Yield, WAT (Wafer Acceptance Test), and Particle to identify process issues. However, classifying these wafer map patterns into groups without manual intervention is a major challenge.

2024年12月26日 · WM-811K Wafermap 数据集是一个用于缺陷检测和分类的公开数据集，主要用于研究半导体制造过程中的晶圆缺陷分析。 这一数据集由许多晶圆的缺陷模式组成，其中每个晶圆被标记为正常或存在某种类型的缺陷模式。 研究人员和从业者可以利用该数据集来开发和评估机器学习和 深度学习算法，以自动化地检测和识别晶圆上的缺陷模式。 通常情况下，一片8英寸wafer上往往可以放置数百到上千颗芯片（die - 晶粒），具体视芯片的面积大小。 WM-811K …

WM811K数据集是一个公开可用的数据集，由韩国 首尔国立大学 的研究人员收集并发布，主要用于研究晶圆缺陷检测算法。 原始数据包含晶圆缺陷的位置信息以及其他元数据。 为了便于使用图像分类算法，原始数据被转化为图像形式。 每个晶圆缺陷的分布信息通过可视化方法转化为一张或多张图像，使得机器学习模型可以直接从图像中学习特征。 尽管没有给出具体的图像数量，但转化后的数据集应该包含了大量的图像样本，每张图像代表了一个晶圆或晶圆的一部分，以及其中 …

2020年7月13日 · 811,457 wafer maps collected from 46,393 lots in real-world fabrication Here lists all defects type in this dataset: Center, Donut, Edge-Loc, Edge-Ring, Loc, Random, Scratch, Near-full, none.

Data preprocessing is a crucial stage in any machine learning project as it transforms raw data into an understandable and suitable format for further processing and model training. In the preprocessing.ipynb Jupyter notebook, we describe this process for …

If the issue persists, it's likely a problem on our side. Kaggle is the world’s largest data science community with powerful tools and resources to help you achieve your data science goals.

In semiconductor, there is a big problem how to classify the wafer map pattern into serveral groups without manual action. The defect recognition of wafers can be performed by using the real-world wafer map dataset (WM-811K), provided by Taiwan Semiconductor Manufacturing Company (TSMC) and built by Wu et al. [3].

2025年1月6日 · WM-811K Wafermap 数据集是一个在半导体制造领域广泛使用的公开数据集，主要用于晶圆缺陷 和分析。 该数据集包含了大量晶圆图（wafer maps），这些图展示了半导体制造过程中晶圆上的缺陷分布情况。 以下是该数据集的一些关键信息： 数据量：WM-811K 数据集包含约 811,457 张晶圆图。 缺陷类型：数据集中标注了多种常见的缺陷模式，如中心缺陷、边缘缺陷、局部缺陷、环形缺陷等。 应用场景：该数据集常用于机器学习、深度学习和模式识别任务， …

2024年12月26日 · WM-811K Wafermap 数据集是一个用于缺陷检测和分类的公开数据集，主要用于研究半导体制造过程中的晶圆缺陷分析。 这一数据集由许多晶圆的缺陷模式组成，其中每个晶圆被标记为正常或存在某种类型的缺陷模式。 研究人员和从业者可以利用该数据集来开发和评估机器学习和深度学习算法，以自动化地检测和识别晶圆上的缺陷模式。 通常情况下，一片8英寸wafer上往往可以放置数百到上千颗芯片（die - 晶粒），具. 在半导体行业，工程师依靠 CP Yield（生 …