현대 제조업의 핵심인 반도체와 인쇄 회로 기판(PCB) 생산 공정은 나노미터 단위의 정밀도를 요구합니다. 미세한 결함 하나가 제품 전체의 성능 저하와 신뢰도 문제로 이어질 수 있기 때문에, 자동화된 광학 검사(AOI) 시스템과 딥러닝 기반의 불량 검출 기술 도입이 활발하게 이루어지고 있습니다. 하지만 딥러닝 모델이 높은 정확도를 달성하기 위해서는 방대한 양의 '학습 데이터'가 필수적입니다. 특히, 다양한 유형의 불량 이미지를 충분히 확보하는 것은 현실적으로 매우 어려운 과제입니다. 수율이 높은 공정일수록 불량 데이터는 극히 드물게 발생하기 때문입니다. 바로 이 '데이터 부족(Data Scarcity)' 문제가 딥러닝 모델의 성능을 저해하는 가장 큰 걸림돌이 됩니다.이러한 난제를 해결하기 위한 강력한 대안..