차량용 반도체 수요의 증가로 자율 주행 및 전장제품에 시스템 반도체 수요가 증가하고 있다. 차량용 반도체는 기존 AP 같은 칩보다 더 높은 내구성과 신뢰성이 요구되기 때문에 불량 분석이 중요하다. 이러한 환경에서 반도체의 안정적인 생산과 품질 보장을 위해서는 불량 검출과 불량 원인 분석이 중요하다. 본 논문은 기본적인 비파괴 불량 분석 방법에 대하여 조사하고 장단점을 탐구한다. 이를 통해 반도체의 안정적인 양산을 위한 기반 지식을 제공한다.
본 논문은 영상장치를 이용한 차세대 스마트 LED 전광판의 불량픽셀 검출을 위한 딥러닝 구조 개발에 관한 연구를 제안한다. 이 연구에서는 영상장치를 활용하여 딥러닝을 통해 실외 LED 전광판의 결함을 자동으로 검출하는 기법을 제안한다. 이를 통해 LED 전광판의 효율적인 관리와 발생할 수 있는 다양한 오류와 문제를 해결하고자 한다. 연구 과정은 3단계를 거쳐 이루어진다. 첫 번째로, 평면화된 전광판 이미지 데이터를 calibration을 통해 배경을 완전히 제거하고 필요한 전처리 과정을 거쳐 학습 데이터셋을 생성한다. 두 번째로, 생성된 데이터셋은 객체 인식 네트워크를 학습을 시키는 데 활용된다. 네트워크는 Backbone과 Head로 구성된다. Backbone에서는 CSP-Darknet을 활용하여 특징 맵을 추출하고, Head에서는 추출된 Feature Map을 기반으로 물체를 검출한다. 이 과정에서 네트워크는 Confidence score와 IoU가 일치하도록 오차를 수정하며 지속적으로 학습된다. 세 번째에서는 생성된 모델을 활용하여 실제 실외 LED 전광판에서 불량픽셀을 자동으로 검출한다. 본 논문에서 제안하는 방법을 적용하여 LED 전광판의 불량픽셀 검출에 대한 공인 측정 실험 결과로는 실제 LED 전광판에서 불량픽셀을 100% 검출한 결과를 얻을 수 있었다. 이를 통해 LED 전광판의 불량 관리와 유지보수의 효율성이 향상되었음을 확인할 수 있다. 이러한 연구 결과는 LED 전광판 관리의 획기적인 개선을 이룰 것으로 기대된다.
PCB 제작 분야에서 TCP와 COF에서는 전기적인 특성검사만으로 자동화를 이루어지고 있으며, 실제 단락 및 돌기(근사단락) 형태의 데이터 불량 등에 대해서는 노동력을 동원해 불량을 검출하고 있는 실정이다. 본 논문에서는 영상처리에 의해 국부지역패턴 분석법에 기초한 검출기법을 제안한다. 제안한 방법은 히스토그램보정, 공간위치보정 및 최대왜곡좌표를 구하는 전처리 과정을 포함하여, 지역기반의 패턴분석법이 적용된다. 모의실험을 통하여 제안한 방식은 기존의 영역기반의 검출기법에 비해 성능이 개방 및 근사개방 결함 검출에서 크게 성능을 개선할 수 있음을 보인다.
카메라를 통하여 얻은 영상자료로부터 대상물의 특징을 추출하여 검사에 응용하는 자동검사기법의 수요가 늘고 있다. 본 연구에서는 그러한 자동검사의 실예로서 접속 케이블(wire hardness)의 색깔인식을 이용한 양/불량을 구별하는 시스템을 구축하였다. 색깔인식을 위한 도구로서 입력층, 1개의 은닉층 및 출력층으로 이루어진 2층 구조의 역전파신경망(back-propagation neural network)을 사용하였다. 입력자료로는, 화상에서 케이블의 위치를 파악하고 그 케이블에 속한 화소로부터 필요한 정보(Y, U, V)를 추출한 후, 보다 변별력이 좋은 (L, a, b) 좌표계로 변환하여 사용하였다. 본 검사시스템은 인식속도를 향상시키기 위하여 영상정보를 프레임 버퍼(frame buffer)에서 직접 사용하고 자료의 검사과정을 극소화 하였기 때문에 불량품의 실시간 검출이 가능하다. 불량품 검출의 성능을 평가하기 위하여 실제 표본을 가지고 시스템의 성능을 평가한 결과, 양/불량의 인식율이 100%를 나타내어 약간의 성능보완이 이루어지면 현장에서 바로 활용할 수 있을 것으로 판단된다.
본 논문에서는 굴곡에 의한 조도량의 차이와 명암도 차이를 퍼지 기법에 적용하여 개선된 반도체 불량 검출 방법을 제안한다. 제안된 방법은 먼저 회전각과 양선형 보관법을 이용하여 반도체 영상의 각도를 보정하는 전처리 과정 수행한다. 그리고 굴곡에 대한 조도량의 차이와 패턴 매칭를 이용하여 얻어진 오류 영역의 명암도 차이를 퍼지 소속 함수에 적용하여 결과 값을 추론한다. 최종적으로 비퍼지화된 결과 값을 적용하여 반도체의 초기 불량을 검출한다. 본 논문에서 제안한 방법을 실제 사용되는 반도체 정면 영상과 측면 영상 30쌍을 대상으로 실험한 결과, 기존의 방법에 비해서 반도체의 초기 불량 판단에 효과적인 것을 확인하였다.
QFN(Quad Flat No-leads package)은 SMD(Surface Mount Device) 자재 중의 하나로써, 납땜을 하는 lead 부분이 따로 있지 않아 납땜에 대한 불량이 많이 발생하고 있다. 따라서 본 논문에서는 QFN의 납땜에 대한 불량을 검출하는 기법을 제안하고자 한다. 우리는 QFN의 납땜에 대한 불량 검출을 위해 기계학습 방법 중 하나인 Convolutional Neural Network(CNN)을 사용하였고, CNN에 학습을 시키기 위한 데이터로는 납땜을 한 QFN 컬러 다단 영상을 사용하였다. 이 영상은 3채널 컬러 영상으로, 이를 바로 CNN에 적용시켜 학습시키기에는 문제가 있다. 그렇기 때문에 3채널 컬러 영상을 세개의 1채널 Grayscale 영상(Red, Green, Blue)로 분리시켜 CNN에 적용시켰다. 이렇게 학습시킨 결과를 이용하여 QFN의 납땜에 대한 불량을 검출할 수 있었다. 현재는 Dicing과 Punch에 대해서만 테스트를 해보았기 때문에, 추후에 이를 제외한 다른 것들에 대한 추가적인 연구가 필요하다.
본 논문에서는 LCD 조립이 완료된 제품에 대해 색상보정 기법을 이용한 LCD 패턴검사 방법을 제안하였다. 기존의 검사 시스템은 패턴 매칭에 의한 검사 기법을 많이 사용하고 있다. 이러한 방법은 LCD의 백라이트(back light) 장치의 휘도차이, 액정의 광특성, 구동특성에 의해 투과되는 빛의 차이, 주위 조명에 의한 색차 등을 보정 할 수 없으며, 또한 이로 인해 불량검출의 효율성을 저하시키는 원인이 된다. 제안하는 검사 방법은 다양한 원인에 의해 발생하는 LCD의 색상 차를 보정한 후 패턴 매칭을 통해 불량을 검출하는 방법이다. 먼저, 검사 대상인 LCD 패턴의 색상을 기준 영상에서 설정된 색상으로 보정한다. 색상이 보정된 영상은 다양한 전처리 기법을 적용하여 패턴 검사를 수행한다. 실험을 통하여 본 연구에서 제안한 알고리듬은 LCD 패널에서 여러 가지 불량품을 검출 할 수 있었고, 또한 제안된 방식은 기존의 방식과 비교하여 불량 검출이 용이함을 알 수 있었다.
수 마이크로 단위로 계측되는 반도체 COG의 정밀도를 높이기 위해서 라인스캔 카메라로 영상을 획득한다. 하지만 불량 검출은 스캔속도와 조명조건에 매우 민감하다. 본 논문에서는 불량이 없는 COG 영상과 입력영상을 정합하여 불량 검출의 정확성을 높이기 위한 방법에 대하여 제안하였다. 두 이미지를 정합시키는 방법으로 영역분할 템플릿 매칭 방법을 사용하였으며 그라디언트 마스크와 AND 연산하여 최종 결과 영상을 획득하였다. 제안된 방법은 다른 이미지 정합 법에 대하여 커다란 성능향상을 보임을 일련의 실험들을 통하여 보여준다.
LED와 같은 소형 제품의 불량검색은 제품의 질을 향상 시키는 것만 아니라 생산성 향상에서 중요한 역할을 한다. 본 연구에서는 LED에 발생하는 여러 가지 불량을 자동으로 검사하는 시스템을 구성하였다. LABVIEW Builder를 사용하여 그래픽 인터페이스 상에서 LED의 불량을 검출을 자동판단하며, 사용자가 쉽게 사용 가능하도록 설계하였다. 1394 카메라를 통해 영상을 획득하고 Vision Builder의 각 영상처리 요소를 적용하였다. 에지탐색, 기하학 위치 설정, 거리측정 등의 영상처리 알고리즘을 조합하여 색과 크기가 다른 다양한 LED의 불량을 검출하는 알고리즘을 설계하였다.
방송 콘텐츠 제작에는 카메라, VCR, NLE, 인코더 등의 장비가 사용되고 있으며, VCR 헤더 불량, 테이프 노후화/보관불량, NLE 편집 오류, 인코더 장비 불량 등의 다양한 이유로 콘텐츠에 예기치 않은 비디오 및 오디오 오류가 발생할 수 있다. 이러한 문제점을 해결하기 위하여 콘텐츠에 포함된 다양한 비디오 및 오디오 오류를 자동으로 검사할 수 있는 자동 검사 시스템이 요구된다. 본 논문에서는 이러한 다양한 오류를 자동으로 검사할 수 있는 방법 중 특히 비디오 내에 종종 포함되는 블록 오류를 대상으로 하는 고속 오류 검출 방법을 설명한다. 제안한 방법은 비디오 내의 매 프레임의 코너 수를 계산하고, 시간 증가에 따른 코너 수의 변화량을 검사하여 블록 오류가 포함될 것으로 예상되는 후보 프레임을 찾는 1단계 과정과, 후보 프레임을 대상으로 Adaboost 인식 기술을 사용하여 학습한 분류기를 통해 최종 블록 오류가 포함된 프레임을 검출하는 2단계 과정으로 구성된다. 시스템 구현 실험 결과, 비디오 내에 포함된 블록 오류를 프레임 단위로 정확하게 고속 검출 하는 것이 가능함을 확인하였다. SD급의 경우 실시간 대비 2.3배속 가량의 고속 검사가 가능하고 HD의 경우에도 0.8배속 수준의 고속 검사가 가능하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.