DevLog 피드로 돌아가기
DevLog
AOI 두 프로젝트를 마치며...
웨이퍼 결함 탐지 프로젝트는 .Net 환경에서 C++과 C#, OpenCV를 활용한 영상처리를 공부하며 진행했다.
또한, 가상 웨이퍼 이미지와 그레이 스케일 이미지들을 활용해 영상처리 개념을 적용해봤다.
기존에 학교 수업에서 사용하던 MATLAB과 다르게, 독립적으로 구동되는 윈도우 실행 파일을 빌드했고,
디버깅 과정을 거쳐 DLL 연동과 헤더 파일 분리 등 실무적인 소프트웨어 구조를 실습할 수 있었다.
AOI 프로젝트에서는 실제 결함 데이터인 WM-811K 웨이퍼 맵 데이터셋을 활용했다.
이 데이터셋은 반도체 웨이퍼 결함 패턴 분류 모델 연구에 자주 사용되는 Kaggle 공개 데이터셋이다.
Google Colab 환경에서 Python을 사용해 CNN 기반 AI 모델 아키텍처를 정의하고, 모델 학습 파이프라인을 구축했다.
테스트에는 모델 학습 과정에서 전처리한 데이터셋을 PNG 이미지로 추출한 2개의 샘플 이미지를 사용했다.
추론 결과 화면은 WPF와 MFC 환경에서 각각 구현했다.
C# WPF 환경에서는 ONNX Runtime 패키지를 사용해 추론을 수행했고, MFC 환경에서는 ONNX Runtime C API를 활용해 추론을 수행했다. 그 결과 두 환경 모두에서 유의미한 분석 결과를 확인할 수 있었다.
앞으로 더 많은 이미지를 대상으로 분석을 확장해보고자 한다.
이걸로 끝! 하기보다 figma로 아키텍처 설계하고 기획단계에서 예상한 산출물과 결과로 나온 산출물의 간극이 있었는지도 돌아봐야겠다.