CBAM 晶圓缺陷檢測準確率達 99.88%，但晶圓廠測試仍在前方
一個 CBAM 晶圓缺陷檢測模型報稱，在只使用 153,261 個可訓練參數的情況下，準確率達到 99.88%。這個組合挑戰了工業檢測必須依賴深度且昂貴視覺骨幹網絡的假設。
該模型使用 32 位元權重時，體積僅約 598.7 KB。研究人員亦報稱，每次推論只需 0.02 GFLOPs，並在僅使用 CPU 的環境中進行實驗。至少在理論上，這些數字令系統可在規格不高的檢測硬件上運行。
不過，這並非生產線上的勝利。研究人員評估的是來自公開基準測試的低解像度晶圓圖，而非多間正在運作的晶圓廠所提供的即時光學影像。因此，結果帶來了更清晰的競爭：輕量、專為任務設計的 CNN，對上較大型的遷移學習及 transformer 模型，而最終勝負仍取決於工廠驗證。
CBAM 晶圓缺陷檢測研究實際發現了甚麼
研究的焦點結果，結合了異常高的基準準確率與極小型的分類器。
研究於 2026 年 3 月 12 日刊登在 Frontiers in Electronics。來自孟加拉、馬來西亞及南韓機構的研究人員，為九類晶圓圖分類開發了該模型。
晶圓圖呈現製成晶圓上各個裸晶的測試結果。空間模式可揭示製程問題，包括刮痕、局部失效、環狀缺陷，以及集中於邊緣的缺陷。
研究人員在一個由 WM-811K 衍生、經平衡處理的基準測試上檢驗系統。這個公開資料集的類別分布嚴重失衡，其中包括大量沒有標註缺陷模式的晶圓圖。
模型分類九個類別：Center、Donut、Edge-Loc、Edge-Ring、Loc、Random、Scratch、Near-Full 及 None。報稱的測試準確率達 99.88%，而 macro-F1 達 99.83%。
Macro-F1 在結合精確率與召回率時，會給予每個類別相同權重。這在此尤其重要，因為整體準確率可能掩蓋模型在罕見缺陷上的薄弱表現。
根據這篇經同行評審的論文，模型使用約 0.15 百萬個參數。作為比較模型之一的 MobileNetV2 使用了 2.23 百萬個參數，準確率為 97.56%。
EfficientNetV2-S 使用 20.19 百萬個參數，準確率達 98.33%。小型 Swin Transformer 使用 18.86 百萬個參數，錄得 97.41% 準確率。
這些比較令結果值得注意。所提出的分類器以較大型基準模型一小部分的參數數量，報稱取得更高準確率。
測試亦針對較困難的少數類別模式。論文報稱，各個類別的召回率介乎 0.96 至 1.00。Scratch 的召回率達 0.99，而局部缺陷的召回率為 0.96。
然而，系統分類的是晶圓圖模式，而不是在原始相機影像中定位實體缺陷。它並不能取代自動視覺檢測的每一個環節。
這個分別很重要。分類是為經處理的圖指定一個類別；檢測及分割則還要識別缺陷出現的位置，往往是在雜訊高、解像度高的影像之中。
因此，公開宣傳的標題可能比實驗範圍聽起來更廣。研究展示的是一個緊湊的晶圓圖分類器，而不是一套在製造設備旁運行的完整檢測系統。
為何 598.7 KB 模型改變了成本方程式
模型的實際吸引力，在於降低運算需求的同時，沒有犧牲基準準確率。
工業 AI 系統面對的限制，很少會在消費級圖像識別中出現。檢測設備必須以可預測的延遲、有限的記憶體，以及最少的中斷，處理重複性的資料。
把每張晶圓圖傳送至遙距加速器，會增加網絡依賴。在每個檢測站旁安裝大型 GPU，則會提高整合、散熱、維護及認證要求。
不足 1 MB 的分類器提供了另一條路徑。它可安裝在一般工業電腦上，並為擷取軟件、製程控制及操作員介面保留容量。
論文報稱，研究在免費的 Google Colab 環境中，僅使用 CPU 進行實驗。僅使用 CPU 執行並不能證明生產環境的延遲表現，但顯示此架構不依賴大型加速器。
其每次推論估算為 0.02 GFLOPs，亦屬溫和。GFLOPs 衡量一次預測所需的十億次浮點運算，為不同模型提供粗略的運算比較。
這個數字不等同實測速度。記憶體搬移、預處理、軟件函式庫及硬件行為，均可能主導實際延遲。
儘管如此，參數數量及運算量確實會影響部署選擇。較小型的系統更容易複製到多台工具、多個檢測單元或較舊的生產線。
另一條路徑是使用較大型的預訓練網絡。當工廠的標註資料有限時，遷移學習會有所幫助，因為模型可從另一個資料集學到的特徵開始。
Transformers 可捕捉影像內的長距離關係。當缺陷模式結合遙遠區域，或包含多個重疊結構時，這種能力便會變得有用。
新分類器則收窄了問題範圍。它使用淺層卷積神經網絡，然後在特徵圖已較小的位置加入注意力機制。
這種專門化減少了通用能力，同時亦移除了對九類低解像度晶圓圖任務可能貢獻不大的運算。
另一項 2026 年研究描述了一個擁有 570 萬個參數、用於混合晶圓缺陷的微型視覺 transformer。該模型在 WM-38K 上報稱準確率為 98.4%，並針對涉及兩種、三種或四種缺陷的組合。
這個比較突顯不同優先次序。CBAM 分類器較小，並在單一標籤基準測試上報稱更高準確率。Transformer 則處理混合模式，較接近某些複雜的製造情況。
兩項結果均未能確立普遍適用的勝者。合適的架構取決於實際運作問題涉及已知的單一模式、重疊缺陷、原始影像還是未見過的異常情況。
對買家而言，這個模型改變了最先要問的問題。團隊不再只是問哪一種加速器能支援大型網絡，而是可以問一個專門設計的模型能否解決足夠多的任務。
這可能降低試點項目的入門門檻。當網絡隔離、資料管控或設備認證限制雲端處理時，亦可能讓本地推論成為可行選擇。
只有在預處理維持簡單時，成本優勢才能延續。若生產資料需要昂貴的轉換、對齊或清理，周邊流程便可能抵銷模型帶來的節省。
注意力機制與合成訓練資料如何帶來結果
報稱的準確率來自協同的流程，而不只是把傳統 CNN 縮小。
分類器包含兩個卷積及池化階段。卷積學習空間特徵，而池化會縮減特徵圖尺寸並限制運算量。
在每個池化階段後，設計都會應用經修改的卷積區塊注意力模組，即 CBAM。注意力機制會重新加權特徵，令網絡聚焦於與預測相關的資訊。
原始的 CBAM 架構會先套用通道注意力，然後套用空間注意力。通道注意力會選出有用的特徵類型，而空間注意力則強調相關位置。
晶圓分類器修改了這個公式。其通道閘門使用配備批次正規化的共享多層感知器，令已學習的特徵權重更穩定。
其空間閘門使用多種卷積尺寸。這些平行路徑有助表現幼細刮痕，以及環形或邊緣帶等較廣闊的模式。
注意力區塊出現在池化之後，這時其輸入網格較小。這種放置方式可擴闊上下文，同時保持較低的運算額外負擔。
兩個注意力模組只增加了 836 個參數。模型的大部分權重位於分類頭附近的一個 128 單元全連接層。
單靠架構不足以解釋分數。訓練資料平衡構成機制的第二部分。
WM-811K 的分布呈長尾。在研究的篩選訓練分割中，None 類別包含 13,489 張圖，佔資料的 93.9%。
部分缺陷類別極為罕見。篩選分割僅包括一個 Donut 樣本、16 張 Near-Full 圖及 31 張 Edge-Ring 圖。
若直接以這種分布訓練分類器，模型只要偏向主要類別，便可取得吸引人的整體準確率。然而，它仍可能漏掉對製程工程師最重要的罕見模式。
研究人員從兩方面處理這種不平衡。他們將 None 類別由 13,489 個樣本減至 2,489 個，減幅為 81.56%。
他們亦在訓練分割上訓練了一個緊湊型卷積自動編碼器。自動編碼器會把輸入壓縮為潛在表示，然後重建輸入。
團隊在該潛在表示中加入微小變化，從而生成更多少數類別樣本。每個少數類別最終均有大約 2,000 個或更多訓練樣本。
合成樣本只限於訓練資料。驗證及測試分割包含真實基準資料，降低在模型自行生成樣本上評估分類器的風險。
這項資料策略對結果有實質貢獻。根據論文的消融測試，移除資料增強後，macro-F1 由 99.83% 降至 98.55%。
移除 CBAM 則造成更大跌幅，macro-F1 降至 97.92%。保留通道注意力、但移除多尺度空間分支，則得到 98.80% macro-F1。
這些測試支持作者提出的機制。注意力提升了特徵選擇，而資料增強則協助分類器學習稀少的缺陷類別。
可解釋性工具再加入一層分析。研究人員使用 Grad-CAM、整合梯度及遮蔽敏感度，以檢視哪些區域影響預測。
Grad-CAM 從內部激活值生成粗略熱圖。整合梯度會為輸入特徵分配貢獻值，而遮蔽則量度隱藏區域後預測如何改變。
報稱生成的圖與預期的缺陷形狀一致。Ring 類別強調環狀區域，Scratch 激活線性結構，而局部失效則集中於緊湊區域。
這些視覺檢查有用，但不能證明模型具備因果理解。即使解釋圖看似合理，模型仍可能依賴不穩定的相關性。
儘管如此，這個組合仍比單靠準確率提供更多資訊。它讓工程師可檢查模型是否正觀察每個類別所界定的實體模式附近。
晶圓廠現場的說法超前於證據
最主要的不確定性是領域遷移，因為測試從未展示模型在不同運作中的晶圓廠、工具或生產批次之間的表現。
研究人員把晶圓圖標準化為 26 乘 26、三個通道的輸入。這種受控表示與原始檢測資料流截然不同。
真實生產資料會出現變化。新的製程節點、測試配方、設備供應商或產品佈局，都可能改變分類器接收到的資料分布。
即使屬於名義上相同的缺陷類別，在不同晶圓廠亦可能呈現不同特徵。晶粒密度、圖譜尺寸、探針行為及標籤慣例的差異，都會改變其幾何形態。
作者承認存在這個缺口。其未來工作清單包括針對不同設備、晶圓廠及批次進行遷移的領域適應及校準。
論文亦提出多標籤分類的需要。目前的 softmax 輸出會在九個類別中選定一個，但一片晶圓可能同時包含多種重疊的失效模式。
混合缺陷會削弱單標籤基準測試背後的假設。環狀缺陷與刮痕可以共存，而局部叢集亦可能與邊緣模式重疊。
未知失效則帶來另一個問題。現時分類器會從固定分類架構中作出選擇，即使新輸入的圖譜並不符合任何已學習的類別亦然。
開放集辨識可讓系統拒絕不熟悉的模式，交由人員覆核。異常偵測亦可標示落在訓練分佈以外的圖譜。
這些能力相當重要，因為充滿信心的錯誤分類，可能比不作判斷更糟。一個生產系統應能識別其信心不足以支援實際運作決策的情況。
報告中的統計數據亦只來自三個隨機種子。這比單次運行提供更多證據，但作者形容該樣本對統計分析而言仍然有限。
據報告，完整模型的準確率為 99.88%，變動幅度為 0.05 個百分點。根據消融實驗表，其預期校準誤差為 0.42%。
加入高斯雜訊後，宏觀 F1 由 99.83% 降至 98.19%。當訓練資料只使用 10% 時，則降至 96.41%。
把 10% 訓練資料與測試雜訊結合後，宏觀 F1 降至 95.21%。分類器仍然準確，但這個跌幅顯示運行條件為何重要。
合成平衡尤其值得仔細審視。自編碼器從非常小的起始資料集擴充罕見類別，其中部分類別經篩選後只剩下少量樣本。
生成的變化可改善學習，但無法創造原始資料中不存在的每一種真實世界失效模式。它亦可能強化資料中已有限度呈現的幾何形態。
一項規模更廣的晶圓檢測研究引入了 1,055 張晶圓影像，當中標註了 6,861 個缺陷。該研究探討異常偵測及分割，而不僅是圖譜分類。
這個差異顯示，一個準確率數字不足以概括工業檢測。原始影像系統須面對光線變化、表面紋理、微小缺陷邊界及分割錯誤。
另一個 2026 年系統 Wafer-YOLO使用了 9,739 張工廠影像，聚焦於更快速的物件偵測。據報，它較其 YOLOv10n 基準提升了 52.9% 幀率。
Wafer-YOLO 與 CBAM 分類器處理工作流程中不同層面。一者在影像中找出缺陷，另一者則辨識已準備好的晶圓圖譜模式。
晶圓廠可能同時需要兩者。影像分析可定位缺陷，而圖譜分類可將其空間分佈連結至可能的製程漂移。
因此，「晶圓廠現場預算」的說法有其合理性，但仍言之過早。小型模型可提升部署性，但部署所需的不只是把權重放進記憶體。
團隊仍需要量度端對端延遲、持續負載測試、誤報分析、監控、版本控制，以及安全的人員覆核流程。
他們亦需要證明系統能改善製造決策。除非正確的類別標籤可協助操作人員找出原因、防止重複發生或保障良率，否則其價值有限。
小型 CNN 向大型視覺模型施壓
這項研究要求大型模型證明，每一個額外參數均能帶來小型 CNN 無法提供的能力。
大型視覺網絡經常進入工業項目，原因是預訓練檢查點及軟件支援容易取得。其通用特徵表示可縮短早期實驗的時間。
這種便利亦有代價。更多參數需要額外記憶體、增加推論運算量，並令舊設備上的部署更複雜。
CBAM 的結果顯示，任務結構有時可能比模型規模更重要。晶圓圖譜具有重複的幾何結構，以及有限數量的已知空間模式。
淺層網絡可利用這些限制。多尺度注意力提供足夠彈性，以區分細小刮痕、緊密叢集及廣闊環狀缺陷。
這種方法近似傳統工業工程。團隊會圍繞穩定任務優化系統，而非攜帶任務從未使用的廣泛容量。
當任務改變時，取捨便會浮現。專用分類器面對未見過的產品、多種同步缺陷或訓練分類架構以外的模式時，可能難以應付。
Transformer 在這些情況下有其理據。它們對更廣範圍上下文的建模，有助處理遙遠區域之間的互動及更複雜的組合。
一項 2026 年 Micro-LED 研究報告，使用基於 Transformer 的偵測器，在較寬鬆的 0.5 重疊閾值下取得 93.62% mAP。研究採用來自一條試點生產線的 2,000 張原始高解像度影像。
該結果不能與 99.88% 分類準確率直接比較。平均準確率均值衡量物件偵測，而準確率衡量類別指派。
這個區別對採購方至關重要。當基準、輸入及操作任務不同時，較高數字不代表系統更好。
小型 CNN 亦面對傳統方法的競爭。當缺陷模式穩定時，人工設計的形態學特徵仍可保持高效率及可解釋性。
不過，手動特徵通常依賴經審慎選擇的不變性及閾值。隨着製程或晶圓佈局改變，它們可能變得脆弱。
正在形成的競爭不只是 CNN 對 Transformer，而是專用的局部推論，對上承諾更強適應性的廣泛模型。
CBAM 分類器強化了專用方案的一方。它在同一條流程中報告了高少數類別效能、小型記憶體佔用，以及多種解釋方法。
大型模型如今需要展示具體回報。這可包括混合缺陷辨識、原始影像運作、跨晶圓廠遷移，或更有效拒絕未知模式。
缺少這些能力，額外規模便難以自圓其說。較小模型可以更容易認證、監控、重新訓練及替換。
操作流程亦會影響選擇。工程師需要可搜尋的實驗記錄、失效案例、校準變更及設備條件。
結構化的工程知識庫可跨越模型版本保存這些脈絡。單靠分類器無法解釋工廠部署後的效能為何改變。
當合成資料進入訓練時，這一治理層便更為重要。團隊應記錄每次擴增運行由哪些來源圖譜產生，以及哪些模型版本使用了這些資料。
他們亦應把基準進展與製造影響分開看待。只有評估代表實際運作中遇到的錯誤、成本及不確定性時，較高準確率才有意義。
三項測試將決定結果能否進入生產環境
跨晶圓廠驗證、硬件量測，以及對陌生缺陷的安全處理，將決定這個模型能否超越基準測試結果。
第一個訊號是跨多間晶圓廠、設備或批次的外部評估。研究使用公開資料集及固定資料切分，雖然可控制實驗，卻限制了環境多樣性。
有說服力的後續研究會凍結模型，並在開發階段未納入的場所資料上測試。效能應包括每個類別的召回率、校準及拒絕行為。
若準確率仍接近報告水平，小型模型的論點便會大為加強。若出現大幅下跌，便顯示基準專門化帶來了大部分優勢。
第二個訊號是在實際檢測硬件上量度效能。論文以參數及 GFLOPs 作為代理指標，而非報告生產延遲。
有用的測試應涵蓋預處理、推論、後處理、記憶體使用及持續運行，亦應報告批次大小及確切處理器。
工業 CPU 上一致的低延遲可支持預算方面的主張。若需要大量預處理或加速，則會削弱這項主張。
第三個訊號是支援混合及未知缺陷。當圖譜包含重疊模式，或出現訓練中從未見過的失效時，生產分類器需要作出安全回應。
棄權機制應把不確定個案轉交工程師。多標籤評估應獨立量度每種缺陷，而非強制只得出一個最終類別。
在這些任務上成功，將顯示該架構能夠在不失去效率優勢下擴展。若失敗，則較大型或混合模型仍會有更明確的角色。
量化是另一個相關的工程步驟。低精度權重可減少記憶體並加速推論，但團隊必須在轉換後驗證罕見類別的召回率。
論文明確把硬件感知訓練及量化列為未來工作。這些結果將揭示 598.7 KB 的佔用空間是起點，還是已接近實際極限。
目前而言，CBAM 晶圓缺陷偵測在受控條件下提供了可信的效率結果。它尚未證實一個可立即部署到晶圓廠的自主檢測系統。
研究真正的貢獻較為聚焦，亦很有用。它顯示在明確界定的晶圓圖譜任務上，謹慎安排注意力位置及類別平衡，可超越規模大得多的基準模型。
下一步屬於製造團隊及獨立研究人員：在新場所測試已凍結的模型，記錄每一次棄權，並在持續負載下量度完整流程。
若結果通過這些檢查，晶圓廠現場的 AI 採購可能會轉向更小、更可審計的模型。即使未能通過，這個基準仍會清楚說明小型專門化在哪裏開始失效。
