MixedWM38（混合型晶圆 Map）

MixedWM38 是用于晶圆图混合缺陷模式识别的公开数据集，由 Wang et al. 从真实晶圆厂收集并通过 GAN 数据增强平衡，含 38,015 张晶圆图（尺寸 52×52），涵盖 1 类正常 + 8 类单一缺陷 + 29 类混合缺陷（13 种二混、12 种三混、4 种四混），共 38 种模式标签。该数据集已成为混合晶圆缺陷检测领域的标准基准，2022–2025 年间大量方法在此上报告结果。发布来源为 IEEE TCPMT 2023 论文（Wang et al.），与 WM-811K 并列为晶圆图缺陷识别领域最常用的两大公开数据集。

填补 WM-811K 单缺陷局限。

• MixedWM38
  IEEE TCPMT, 2023

• MLR-WM-ViT: Global High-Performance Classification of Mixed-Type Wafer Map Defect Using a Multi-Level Relay Vision Transformer
  Expert Systems with Applications (Elsevier), 2025, 2025 — Various
  多级中继 ViT，MixedWM38 准确率 99.15%，当前最优之一
• Contrastive Learning with Global and Local Representation for Mixed-Type Wafer Defect Recognition
  Sensors (MDPI), 2025, 2025 — Various
  全局-局部对比学习框架，在 MixedWM38 上做混合缺陷识别
• Efficient Mixed-Type Wafer Defect Pattern Recognition Based on Light-Weight Neural Network
  Micromachines (MDPI), 2024, 2024 — Various
  仅 1.01M 参数的轻量网络，MixedWM38 准确率 98.69%
• Semantic Segmentation-Based Wafer Map Mixed-Type Defect Pattern Recognition
  IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems (TCAD), 2023, 2023 — Various
  语义分割驱动的混合缺陷识别，在 MixedWM38 上平均准确率 95.8%
• Learning from Single-Defect Wafer Maps to Classify Mixed-Defect Wafer Maps
  Expert Systems with Applications (Elsevier), 2023, 2023 — Various
  仅用正常与单缺陷图训练，泛化到混合缺陷分类，在 MixedWM38 上显著超越 baseline
• Supervised Contrastive Learning for Wafer Map Pattern Classification
  Engineering Applications of Artificial Intelligence (Elsevier), 2023, 2023 — Various
  监督对比学习利用旋转不变性，在 WM-811K 和 MixedWM38 上提升小样本分类精度
• Mixed-Type Wafer Failure Pattern Recognition (Invited Paper)
  ASP-DAC 2023, 2023 — Geng, H., Yu, B.
  顶级 EDA 会议邀请综述，系统梳理混合晶圆缺陷识别方法，以 MixedWM38 为主要基准

• IEEE DataPort
• Kaggle