본 논문은 최근 들어 사용이 급격하게 늘어나고 있는 Micro BGA(Micro Ball Grid Array) 패키지를 Computer Vision을 이용하여 자동으로 검사하는 시스템에서 사용될 수 있는 알고리즘에 관한 연구로 연구 목적은 Micro-BGA 패키지에 사용되는 필름(Film)에서 발생할 수 있는 여러 가지 결함들을 정확하게 찾아내고 분류할 수 있는 알고리즘을 개발하는 것이다. 현재 반도체의 집적도가 빠른 속도로 높아지고 있기 때문에 사람의 시각에 의한 검사는 시간이 갈수록 비용과 효율성 면에서 많은 문제를 야기하고 있어서 컴퓨터를 이용한 자동검사시스템의 개발이 활발히 이루어지고 있다. 하지만, Micro BGA 검사 시스템은 검사에 필요한 정밀도가 매우 높으며 결함 ...
본 논문은 최근 들어 사용이 급격하게 늘어나고 있는 Micro BGA(Micro Ball Grid Array) 패키지를 Computer Vision을 이용하여 자동으로 검사하는 시스템에서 사용될 수 있는 알고리즘에 관한 연구로 연구 목적은 Micro-BGA 패키지에 사용되는 필름(Film)에서 발생할 수 있는 여러 가지 결함들을 정확하게 찾아내고 분류할 수 있는 알고리즘을 개발하는 것이다. 현재 반도체의 집적도가 빠른 속도로 높아지고 있기 때문에 사람의 시각에 의한 검사는 시간이 갈수록 비용과 효율성 면에서 많은 문제를 야기하고 있어서 컴퓨터를 이용한 자동검사시스템의 개발이 활발히 이루어지고 있다. 하지만, Micro BGA 검사 시스템은 검사에 필요한 정밀도가 매우 높으며 결함 허용 오차 한계가 매우 작은 특징을 가지고 있다. 그리고, 현장에서 실제로 사용되기 위해서는 제한 시간내에 검사를 마쳐야 하는 제약조건을 만족시켜야 하는데 기존의 자동 시각 검사 시스템을 위한 알고리즘들은 이러한 요구 조건을 만족시키지 못해 Micro BGA 검사 시스템에서 사용할 수 없다. 본 논문에서는 이러한 문제를 해결하기 위해 빠른 검사 속도와 정확한 결함 검출을 목적으로 영상의 특징을 기반으로 생성된 모델과 치수 비교 방법을 유기적으로 융합한 알고리즘을 제시하였으며 시간적인 제약 조건을 맞추기 위해 하향식 계층화된 방식으로 검사를 수행하였다. 검사 알고리즘은 크게 모델을 구성하는 단게와 구성된 모델을 가지고 검사하는 단계로 이루어져있다. 모델을 구성하는 단계에서는 결함이 없는 영상을 가지고 통계적인 모델을 생성하고 검사를 위한 여러 특징 값들을 추출하여 저장한다. 검사하는 단계에서는 입력된 영상에서 검사에 필요한 여러가지 정보를 추출한 후 모델의 특징값과 비교하여 결함을 찾아내고 찾아진 결함들을 법칙에 기반한 결함 분류과정을 거쳐 결함인지 아닌지 판단한다. 제안된 알고리즘을 실제 Micro BGA 영상에 적용시켜 정확성과 속도 면에서 제안된 알고리즘의 효율성을 보였다.
본 논문은 최근 들어 사용이 급격하게 늘어나고 있는 Micro BGA(Micro Ball Grid Array) 패키지를 Computer Vision을 이용하여 자동으로 검사하는 시스템에서 사용될 수 있는 알고리즘에 관한 연구로 연구 목적은 Micro-BGA 패키지에 사용되는 필름(Film)에서 발생할 수 있는 여러 가지 결함들을 정확하게 찾아내고 분류할 수 있는 알고리즘을 개발하는 것이다. 현재 반도체의 집적도가 빠른 속도로 높아지고 있기 때문에 사람의 시각에 의한 검사는 시간이 갈수록 비용과 효율성 면에서 많은 문제를 야기하고 있어서 컴퓨터를 이용한 자동검사시스템의 개발이 활발히 이루어지고 있다. 하지만, Micro BGA 검사 시스템은 검사에 필요한 정밀도가 매우 높으며 결함 허용 오차 한계가 매우 작은 특징을 가지고 있다. 그리고, 현장에서 실제로 사용되기 위해서는 제한 시간내에 검사를 마쳐야 하는 제약조건을 만족시켜야 하는데 기존의 자동 시각 검사 시스템을 위한 알고리즘들은 이러한 요구 조건을 만족시키지 못해 Micro BGA 검사 시스템에서 사용할 수 없다. 본 논문에서는 이러한 문제를 해결하기 위해 빠른 검사 속도와 정확한 결함 검출을 목적으로 영상의 특징을 기반으로 생성된 모델과 치수 비교 방법을 유기적으로 융합한 알고리즘을 제시하였으며 시간적인 제약 조건을 맞추기 위해 하향식 계층화된 방식으로 검사를 수행하였다. 검사 알고리즘은 크게 모델을 구성하는 단게와 구성된 모델을 가지고 검사하는 단계로 이루어져있다. 모델을 구성하는 단계에서는 결함이 없는 영상을 가지고 통계적인 모델을 생성하고 검사를 위한 여러 특징 값들을 추출하여 저장한다. 검사하는 단계에서는 입력된 영상에서 검사에 필요한 여러가지 정보를 추출한 후 모델의 특징값과 비교하여 결함을 찾아내고 찾아진 결함들을 법칙에 기반한 결함 분류과정을 거쳐 결함인지 아닌지 판단한다. 제안된 알고리즘을 실제 Micro BGA 영상에 적용시켜 정확성과 속도 면에서 제안된 알고리즘의 효율성을 보였다.
Today, the use of Micro BGA(Micro Ball Grid Array) is rapidly increasing. This paper is a study on algorithms which can be used in inspection system using computer vision to inspect Micro BGA package automatically. In this paper, we try to develope algorithms which can detect and classify various de...
Today, the use of Micro BGA(Micro Ball Grid Array) is rapidly increasing. This paper is a study on algorithms which can be used in inspection system using computer vision to inspect Micro BGA package automatically. In this paper, we try to develope algorithms which can detect and classify various defects properly which can be occurred on film used in Micro BGA package. As the complexity of IC(Integrated Circuit) is goes up with rapidity, human visual inspection causes so much troubles. So automatic visual inspection systems are developed and researched as an alternative. But, Micro BGA inspection system has following features. The resolution need to inspect Micro BGA properly is very high and fault tolerance is very small. And, inspection must be finished in given time limit in real production environment. These requirements can't be satisfied by pre-developed algorithms for automatic visual inspection systems so that they can't be used for Micro BGA inspection system. In this paper, we proposed an algorithm to solve these problems for quick inspection and accurate defect detection. It merges the merits of modeling method based on image features and dimensional verification method. And, it inspects in top-down hierarchical way using model to meet given time constraint. Inspections algorithms consist of 2 phases, model creation phase and inspection phase with model. In model creation phase, we create statistical model with images which have no defects and store some feature values for inspection phase. In inspection phase, we extract various informations for inspection in input image and compare with model to detect defect candidates. After that, we classify defects using rules. We applied proposed algorithm to real Micro BGA image and the result shows that it is available for accurate and quick detection.
Today, the use of Micro BGA(Micro Ball Grid Array) is rapidly increasing. This paper is a study on algorithms which can be used in inspection system using computer vision to inspect Micro BGA package automatically. In this paper, we try to develope algorithms which can detect and classify various defects properly which can be occurred on film used in Micro BGA package. As the complexity of IC(Integrated Circuit) is goes up with rapidity, human visual inspection causes so much troubles. So automatic visual inspection systems are developed and researched as an alternative. But, Micro BGA inspection system has following features. The resolution need to inspect Micro BGA properly is very high and fault tolerance is very small. And, inspection must be finished in given time limit in real production environment. These requirements can't be satisfied by pre-developed algorithms for automatic visual inspection systems so that they can't be used for Micro BGA inspection system. In this paper, we proposed an algorithm to solve these problems for quick inspection and accurate defect detection. It merges the merits of modeling method based on image features and dimensional verification method. And, it inspects in top-down hierarchical way using model to meet given time constraint. Inspections algorithms consist of 2 phases, model creation phase and inspection phase with model. In model creation phase, we create statistical model with images which have no defects and store some feature values for inspection phase. In inspection phase, we extract various informations for inspection in input image and compare with model to detect defect candidates. After that, we classify defects using rules. We applied proposed algorithm to real Micro BGA image and the result shows that it is available for accurate and quick detection.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.