초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

TFT-LCD, OLED, PDP 등과 같은 Display 산업이 성장 하기 위해서는 관련 설비 및 장비 분야에서의 지원이 필수적이다. Camera를 통하여 사물을 인지하는 능력은 장비 분야에서 중요한 기술중의 하나이며, 그 발전 가능성은 무궁 무진하다고 할 수 있다. LED, OLED등의 Display 장치는 현재 Display 산업의 주력인 TFT-LCD 분야에서의 장비기술을 통하여 혜택을 받을 수 있으며 또한 반도체 및 ...

TFT-LCD, OLED, PDP 등과 같은 Display 산업이 성장 하기 위해서는 관련 설비 및 장비 분야에서의 지원이 필수적이다. Camera를 통하여 사물을 인지하는 능력은 장비 분야에서 중요한 기술중의 하나이며, 그 발전 가능성은 무궁 무진하다고 할 수 있다. LED, OLED등의 Display 장치는 현재 Display 산업의 주력인 TFT-LCD 분야에서의 장비기술을 통하여 혜택을 받을 수 있으며 또한 반도체 및 태양 전지 등의 소재에도 응용이 가능한 기술이 될 수도 있다. Display 장비 기술의 첨단화에 한걸음 다가 서기 위하여 현재 대중화되어 있는 Display 산업인 TFT-LCD의 특성을 알아 보고, LCD Pixel의 특징점을 추출 함으로써 Display 장비 검사 속도를 개선하도록 하는 것이 본 논문의 목적이다. Camera의 CCD(Charge Coupled Device)와 Lens 및 이미지 수집 대상인 TFT-LCD(Thin Film Transistor Liquid Crystal Display)의 특성을 고찰하기 위하여 관련 기술을 검토하고 Display 장비검사 System에 적합한 알고리즘을 연구하여야 한다. 1차 미분을 통한 윤곽선 검출 방식(Sobel, Prewitt)과 2차 미분(Laplacian)을 통한 윤곽선 검출 방식을 설명하고 이 2가지 방식의 차이점을 비교하여, 여기서 제안하는 윤곽선 검출 알고리즘과의 차이점을 알아 보도록 하겠다. 제안하고자 하는 알고리즘은 첫 번째로 CCD Camera의 Lens 왜곡으로 생긴 Image Data를 대각선 Scan 하는 방식으로 입력된 영상의 손상을 최소화 하고 대각선 방향 윤곽선 검출 Mask 연산자를 이용하여 빠르고 정확하게 LCD의 Pixel을 찾아낸다. 두 번째로 Scan된 LCD Pixel의 윤곽선을 Gray값(입력된 Image Data 값)에 대한 미분 값(기울기 값)을 이용하여 정확하고 빠르게 검출해 내는 방법이 있다. 그리고 세 번째로 윤곽선 검출을 통하여 수집된 데이터는 LCD Pixel을 검사하는 중요한 데이터가 된다. 이 수집된 데이터를 이용 및 가공하여 LCD가 점등이 되었을 시 생산 중인 LCD의 오류를 빠르게 검출하도록 할 수 있다. 본 논문에서는 제안하고자 하는 알고리즘이 Display 장비의 속도개선에 새로운 이정표가 될 것이라 생각하며, 위 세 가지 방법을 통해 이에 대하여 설명하고 검증하도록 하겠다.

주제어