본 논문에서는 모폴로지 기법을 이용한 TFT-LCD 셀의 라인 결함과 픽셀 결함을 검사할 수 있는 알고리즘을 개발하였다. 이때 LCD 셀의 브라이트 라인 결함, 다크 라인 결함, 브라이트 픽셀 결함, 다크 픽셀 결함들을 검출하기 위하여, 셀의 크기 특성을 고려한 모폴로지 연산자의 모양을 결정하고, 팽창 연산, 침식 연산 및 차분 기법을 이용하여 결함 정보를 추출하였다. 이후 다양한 실험을 통하여 결정된 적절한 임계값을 이용한 최적의 이진화 알고리즘을 적용하였다. 마지막으로 결함정보의 인식을 위한 라벨링 과정을 통하여, 결함들을 검출하였다. TFT-LCD 판넬의 다양한 검사 실험을 통하여, 본 논문에서 제안하는 알고리즘의 결함정보 검출 성능이 매우 우수함을 확인하였다.
본 논문에서는 모폴로지 기법을 이용한 TFT-LCD 셀의 라인 결함과 픽셀 결함을 검사할 수 있는 알고리즘을 개발하였다. 이때 LCD 셀의 브라이트 라인 결함, 다크 라인 결함, 브라이트 픽셀 결함, 다크 픽셀 결함들을 검출하기 위하여, 셀의 크기 특성을 고려한 모폴로지 연산자의 모양을 결정하고, 팽창 연산, 침식 연산 및 차분 기법을 이용하여 결함 정보를 추출하였다. 이후 다양한 실험을 통하여 결정된 적절한 임계값을 이용한 최적의 이진화 알고리즘을 적용하였다. 마지막으로 결함정보의 인식을 위한 라벨링 과정을 통하여, 결함들을 검출하였다. TFT-LCD 판넬의 다양한 검사 실험을 통하여, 본 논문에서 제안하는 알고리즘의 결함정보 검출 성능이 매우 우수함을 확인하였다.
In this paper, we develope and implement a TFT-LCD cell defects detection algorithm using morphology. To detect the bright line or dark line defects and the bright pixel or dark pixel defects of the TFT-LCD cells, we determine the shape of the morphology operators considering the shape characteristi...
In this paper, we develope and implement a TFT-LCD cell defects detection algorithm using morphology. To detect the bright line or dark line defects and the bright pixel or dark pixel defects of the TFT-LCD cells, we determine the shape of the morphology operators considering the shape characteristics of the TFT-LCD sub pixels. Using dilation, erosion, and the subtraction operators, we extract gray level defects information. Then, we apply the optimal threshold method which shows the best results in terms of several criteria. Finally, we determine the defects using labelling method. From various experiments using TFT-LCD panels, the proposed algorithm shows superior results.
In this paper, we develope and implement a TFT-LCD cell defects detection algorithm using morphology. To detect the bright line or dark line defects and the bright pixel or dark pixel defects of the TFT-LCD cells, we determine the shape of the morphology operators considering the shape characteristics of the TFT-LCD sub pixels. Using dilation, erosion, and the subtraction operators, we extract gray level defects information. Then, we apply the optimal threshold method which shows the best results in terms of several criteria. Finally, we determine the defects using labelling method. From various experiments using TFT-LCD panels, the proposed algorithm shows superior results.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 FPD 중에서 TFT-LCD의 불량 검사를 다루었다. TFT-LCD는 생산 과정의 특수성으로 인해 R G, B 각 서브픽셀(Subpixel)들에 대한 결함이 단 몇 개라도 발생할 경우 그 경제적 손실이 크기 때문에 제품 생산 과정에서 검사 시스템은 필수적이라 할 수 있다.
본 논문에서는 TFT-LCD 패널 상에 존재하는 결함을 다크 픽셀 결함, 브라이트 픽셀 결함 및 다크라인 결함, 브라이트 라인 결함으로 분류하여 강인하고, 효율적인 검사 알고리즘을 개발하여 향후 현장에서 적용이 용이하도록 하였다.
본 논문에서는 TFT-LCD 패널을 검사하여 픽셀결함 및 라인 결함을 추출하는 방법에 관한 4가지 알고리즘을 제안하였다.
본 논문에서 제안하는 기법은 모폴로지 기법을 통하여 잡음을 제거하면서 동시에 결함을 추출할 수 있는 방법으로 처리 단계를 줄임으로써 연산시간을 줄일 수 있다. 제안한 TFT-LCD 검사 알고리즘의 목적은 모폴 로지를 적용하여 최대한 결함 부분을 뚜렷이 나타나게 하는 데 있다. 이진화하여 결함 정보만을 추출하기 위해서는 전처리 과정을 통하여 결함에 해당하는 부분의 화소값 분포가 기타 다른 부분에 비해 최상위 부분 혹은 최하위 부분을 차지하여야 한다.
제안 방법
다크 라인 결함, 브라이트 라인 결함, 다크 픽 셀 결함, 브라이트 픽셀 결함 영역을 정확한 검출하기 위해 관심 영역을 배경 영역과 분리해 내는 데 중점을 두었다. TFT-LCD 패널상의 서브 픽셀의 형태에 근거하여 설계한 구조 요소를 가지는 모폴로지 기법을 이용하여 결함영역을 분리하였다.
모폴로지 기법을 적용한 영상을 이진 영상으로 만든 후 라벨링을 이용해 결함 영역을 추출하였다. 또한 결함 정보를 육안으로 확인할 수 있도록 각 결함별로 색을 입혀 표시하였다.
이 후, 각기 다른 종류의 메뉴 버튼을 클릭함으로써 추출하고자 하는 영상 내의 결함 정보를 각기 다른 색으로 표시하여, 한 번의 연산 과정을 통하여 찾고자 하는 결함의 위치정보를 파악할 수 있다. 또한 입력된 영상 중 원하는 패턴의 영상으로 변환하여 볼 수 있고, 결함 표시된 영상과 원 영상을 비교하여 볼 수 있도록 색으로 표시된 결함을 표시 ObVOFF('모두제거' 메뉴)할 수 있도록 하였다.
본 논문의 제안된 기법은 모폴로지 기법을 통하여 잡음을 제거하면서 동시에 결함을 추출할 수 있는 방법으로 처리 단계를 줄임으로서 이전의 방식에 비해 빠른 연산시간을 기대할 수 있다. 모폴로지 기법을 적용한 영상을 이진 영상으로 만든 후 라벨링을 이용해 결함 영역을 추출하였다. 또한 결함 정보를 육안으로 확인할 수 있도록 각 결함별로 색을 입혀 표시하였다.
본 논문에서 다크 픽셀 결함을 검출하기 위해서, 어두운 영역이 돋보이게 나타내는 방식인 BlackTopHat 연산을 사용하였대丄 4], BlackTopHat 연산은 원 영상을 팽창 후 침식 연산을 통한 영상에서 원 영상을 픽셀 단위로 명도값을 빼준 영상으로서, 어두운 영역을 밝은 명도 값을 가진 물체로 인식되게 만들어줄 수 있다. (b)와 같이 다크 픽셀 결함이 나타나는 영상을 1x41 크기를 갖는 마스크 형태의 구조 요소를 이용한 BlackTopHat 연산을 거치면 세로 방향으로 나열된 서브픽셀열의 검은 부분이 밝게 표시되는 영상을 얻을 수 있다.
기존 논문의 제안된 검사 알고리즘[7 , 9]은 촬영된 TFT-LCD 영상 내의 잡음을 제거하는 과정을 거친 후 결함 검출 알고리즘을 사용하는 방식이다. 본 논문의 제안된 기법은 모폴로지 기법을 통하여 잡음을 제거하면서 동시에 결함을 추출할 수 있는 방법으로 처리 단계를 줄임으로서 이전의 방식에 비해 빠른 연산시간을 기대할 수 있다. 모폴로지 기법을 적용한 영상을 이진 영상으로 만든 후 라벨링을 이용해 결함 영역을 추출하였다.
브라이트 결함을 검출하기 위한 첫 번째 과정으로 입력 영상에 대해 1><19 크기를 갖는 마스크 형태의 구조 요소를 이용한 팽창 후 침식 기법을 수행한다. 그러면 세로로 정렬되어 있는 서브픽셀 열을 하나의라인과 같은 모양으로 병합된 것과 브라이트 픽셀결함이 동시에 존재하는 영상((b))을 얻을 수 있다.
이진화하여 결함 정보만을 추출하기 위해서는 전처리 과정을 통하여 결함에 해당하는 부분의 화소값 분포가 기타 다른 부분에 비해 최상위 부분 혹은 최하위 부분을 차지하여야 한다. 이러 한전 처리 과정을 본 논문에서는 모폴로지를 이용하여 처리하였다.
대상 데이터
본 논문에서 제안한 기법을 이용하여 육안으로 확인이 어려운 부분도 실험에서 사용한 9가지의 시료 영상에 대해서 100[%]의 정확도로 빠르게 실시간 검촐이 가능하였다. 본 논문에 사용된 입력 영상은 모아레 현상. 이 일어남에도 불구하고, 모폴로지 기법을 이용하여 결함을 검출할 수 있었다.
본 논문의 TFT-LCD 검사 알고리즘 실험을 위해서 불량으로 판정된 도트 피치(dot pitch)가 0.28 [mm]인 TFT-LCD 패널 9개를 패턴 입력별로 촬영한 그레이 영상(204&2048)을 입력으로 사용하였다. TFT-LCD 패널의 R, G, B 세 개의 서브 픽셀이 이미지에서 6><6의 크기를 차지하고 있다.
프로그램 구현은 Microsoft 사의 Visual C++ 6.0 과 Euresys 사의 eVision 라이브러리를 사용하였다.
이론/모형
(b) 는서브픽셀들이 병합되는 첫 과정으로서 (a)와 같이 다크 라인 결함이 있는 영상을 1x19 크기를 갖는 마스크 형태(폭이 1픽셀, 높이가 19픽셀의 직방행렬)의 구조요소를 사용하여 팽창후침식기법을 통하여 서브픽셀 열들을 하나의 라인으로 병합시킨 영상이다.(C)는 (b)의 영상을 가지고 라인과 라인을 병합시키기 위하여 9시 크기를 갖는 마스크 형태의 구조 요소를 사용하여 팽창 후 침식 기법을 거친 영상으로 다크 라인결함 부-분이 뚜렷이 보인다 (c)와 같이 모폴로지 처리를 거친 영상을 이용하여 다크 라인 결함을 검출하기 위해서 이진화 방법을 사용한다. (d)는 (c) 영상에 대해 MRT 방법을 적용한 이진화 영상으로서 본 논문에서는 (d)와 같이 MRT 방법을 사용하여 다크 라인 결함 검출에 사용하였다 그림 4는 다크 라인 결함 검출과정에 대한 알고리즘을 도식화한 것이다.
그 후 이진화 후 라벨링 기법을 통하여 다크 픽셀 결함만을 추출할 수 있게 된다. (d)는 MET 방법을 적용한 이진화 영상으로서 본 논문에서는 MET 방법을 사용하여 다크 픽셀 결함검출에 사용하였다. 그림 8은 다크 픽셀 결함 검출 과정에 대한 알고리즘을 도식화한 것이다.
이렇게 만들어진 두 영상((c), (d))을 가지고 픽셀 단위로 명도 값을 빼주면 결함만이 나타나는 영상((d))을 구할 수 있다. (。는 ⑹의 차분 영상에 대해 MET 방법을 적용한 이진화 영상으로서 본 논문에서는 (e)와 같이 MET 방법을 사용하여 브라이트 픽셀 결함 검출에 사용하였다. 그림 10은 다크 픽셀 결함 검출 과정에 대한 알고리즘을 도식화한 것이다.
TFT-LCD 패널상의 서브 픽셀의 형태에 근거하여 설계한 구조 요소를 가지는 모폴로지 기법을 이용하여 결함영역을 분리하였다. 기존 논문의 제안된 검사 알고리즘[7 , 9]은 촬영된 TFT-LCD 영상 내의 잡음을 제거하는 과정을 거친 후 결함 검출 알고리즘을 사용하는 방식이다.
동일한 영상에 대해서도 사용되는 마스크에 의해 전혀 다른 물체로 인식될 수 있음을 보여준다. 본 논문에서는 연결성을 최대한 고려하여 라벨링을 할 경우 8-이웃 마스크의 원리를 사용하였다.
선택이 필수적이다. 본 논문에서는 히스토그램 분석에 근거한 이진화를 수행하는 MRT(Mini- mum Residue Threshold) 방법, MET(Maximum Entropy Threshold) 방법, ISODATA 방법을 검출하고자 하는 결함의 특징에 따라 선별하여 사용하였다(3).
본 논문에 사용된 입력 영상은 모아레 현상. 이 일어남에도 불구하고, 모폴로지 기법을 이용하여 결함을 검출할 수 있었다. 앞으로 보다 정밀한 서브■픽셀 견함 검출을 위해서는 입력영상의 취득할 때, 모아레 현상을 방지하는 방안을 도입 할 필요가 있다.
구조 요소 또한 취할 수 있는 값의 범위가 더 이상 0과 1이 아니다. 이진 영상 모폴로지에서는 구조 요소가 주어진 영상에 포함되어 있는지 아닌지로 판단하였으나 그레이 영상 모폴로지에서는 구조 요소의 밝기 값의 분포가 주어진 그레이 영상의 밝기 값 분포와 비 교하여 포함 또는 비 포함을 비 교하게 된디{6L 본 논문에 사용된 모폴로지는 구조 요소 내에 할당되는 그레이 영상 픽셀의 명도 값 중 가장 작은 값을 선택하는 침식, 가장 큰 값을 선택하는 팽창기법을 사용하였다 U-2, 5],
성능/효과
알고리즘을 사용하는 방식이다. 본 논문에서 제안하는 기법은 모폴로지 기법을 통하여 잡음을 제거하면서 동시에 결함을 추출할 수 있는 방법으로 처리 단계를 줄임으로써 연산시간을 줄일 수 있다. 제안한 TFT-LCD 검사 알고리즘의 목적은 모폴 로지를 적용하여 최대한 결함 부분을 뚜렷이 나타나게 하는 데 있다.
이때 59 -255 밝기를 갖는 브라이트 픽셀 결함을 검출할 수 있었다. 본 논문에서 제안한 기법을 이용하여 육안으로 확인이 어려운 부분도 실험에서 사용한 9가지의 시료 영상에 대해서 100[%]의 정확도로 빠르게 실시간 검촐이 가능하였다. 본 논문에 사용된 입력 영상은 모아레 현상.
후속연구
앞으로 보다 정밀한 서브■픽셀 견함 검출을 위해서는 입력영상의 취득할 때, 모아레 현상을 방지하는 방안을 도입 할 필요가 있다. 또한, 본 논문에서 다루지 않은 mura 견함을 검출하기 위해서는 두 대의 카메라를 사용한 3차원 비전 검사가 필요할 것으로 생각된다.
이 일어남에도 불구하고, 모폴로지 기법을 이용하여 결함을 검출할 수 있었다. 앞으로 보다 정밀한 서브■픽셀 견함 검출을 위해서는 입력영상의 취득할 때, 모아레 현상을 방지하는 방안을 도입 할 필요가 있다. 또한, 본 논문에서 다루지 않은 mura 견함을 검출하기 위해서는 두 대의 카메라를 사용한 3차원 비전 검사가 필요할 것으로 생각된다.
참고문헌 (9)
R. C. Gonzalez, R. E. Woods, 'Digital Image Processing', 2nd Edition, Prentice Hall, 2001
I. Pitas, 'Digital Image Processing Algorithms And Applications', WILEY, 2000
eVision 6.2 C++ Reference Manual, Euresys, 2002
Ikenaga, T. and Ogura, T., 'Real-Time Morphology Processing Using Highly Parallel 2-D Cellular Automata CAM2', Image Processing, IEEE Transactions on Volume 9, Issue 12, pp.2018-2026, Dec. 2000
Jung-Hun Kim, Suk Ahn, Jae Wook Jeon, Jong-Eun Byun, 'A high-speed high-resolution vision system for the inspection of TFT LCD', Proceedings. ISIE 2001. IEEE International Symposium, Vol. 1, pp. 101-105, Jun. 2001
Antti Soini, 'Machine vision technology take-up in industrial applications', Image and Signal Processing and Analysis, 2001. ISPA 2001. Proceedings of the 2nd International Symposium on, pp.332-338, Jun. 19-21, 2001
Seung-Il Baek, Woo-Seob Kim, Tak-Mo Koo, Il Choi, Kil-Houm Park, 'Inspection of defect on LCD panel using polynomial approximation', TENCON 2004. 2004 IEEE Region 10 Conference Volume A, pp.235-238, Vol.1, Nov. 21-24, 2004
※ AI-Helper는 부적절한 답변을 할 수 있습니다.