$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

TFT-LCD 패널 영상에서 결함 가능성에 따른 순차적 결함 검출
Sequential Defect Detection According to Defect Possibility in TFT-LCD Panel Image 원문보기

Journal of the Institute of Electronics and Information Engineers = 전자공학회논문지, v.51 no.4, 2014년, pp.123 - 130  

이승민 (경북대학교 전자공학부) ,  김태훈 (경북대학교 전자공학부) ,  박길흠 (경북대학교 전자공학부)

초록
AI-Helper 아이콘AI-Helper

TFT-LCD 영상에서 결함은 일반적으로 배경과 비교하여 밝기 차이가 큰 특징을 사용하여 검출된다. 본 논문에서는 휘도 차에 따른 결함 가능성이 높은 순으로 결함을 검출하는 순차적 결함 검출 방법을 제안한다. 제안한 방법은 배경과의 휘도 차가 큰 결함은 정확히 검출하고, 배경과의 휘도 차가 작은 결함인 한도결함도보다 신뢰있게 검출하여 과검출을 최소화할 수 있다. 실험을 통해 제안한 방법은 배경과의 휘도 차가 큰 결함뿐만 아니라 한도결함에 대해서도 우수한 검출 결과를 나타냄을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In TFT-LCD panel images, defects are typically detected by using a large difference in the brightness compared to the background. In this paper, we propose a sequential defect detection algorithm according to defect possibility caused by difference of brightness. By using this method, pixels with hi...

주제어

#결함 검출   #순차적 검출   #한도 결함  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 TFT-LCD 패널 영상에서 배경 신호가 제거된 평탄화 영상에 대하여 결함 가능성에 따른 순차적 결함 검출 방법을 제안하였다. 결함 가능성에 따른 순차적 결함 검출 방법은 순차적으로 결함을 검출함으로써 배경과의 휘도 차가 큰 결함은 정확히 검출하고, 배경과의 휘도 차가 작은 결함인 한도 결함도 보다 신뢰 있게 검출할 수 있었다.
  • 본 논문에서는 한도 결함을 견실하게 검출하기 위하여 휘도 차에 따른 결함 가능성이 높은 순으로 결함을 검출하는 순차적 결함 검출 방법을 제안한다. 제안한 방법은 영상 평탄화를 통해 전처리가 된 TFT-LCD 영상[8]을 대상으로 한다.
  • TFT-LCD 패널 영상에서 결함은 휘도 차에 의해 표현되므로 결함에 포함될 가능성이 높은 화소일수록 배경과의 휘도 차가 크게 나타난다. 본 논문에서는 휘도 차이가 클수록 결함 가능성이 높은 특성을 이용하기 위하여 기존의 통계적 방법을 이용한 검출 방법에서 k값을 검출된 영상의 평균과 표준편차에 따라 가변적으로 줌으로써 휘도 차가 큰 결함부터 순차적으로 검출할 수 있다.
  • 하지만 그림 4를 통하여 k값에 따라 검출 결과가 판이하게 다르며 영상에 따라 적합한 k값이 달라지기 때문에 이상적인 k값을 설정함에 어려움이 있음을 알 수 있다. 이에 본 논문은 결함 후보의 과검출을 최소화하여 블랍 해석의 부담을 줄이는데 그 목적이 있다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
TFT-LCD 패널의 대표적인 결함 검출 방법에는 어떤 것들이 있는가? 기존의 대표적인 결함 검출 방법으로는 Otsu 방법[6]과 평균과 표준편차를 이용한 방법[7] 등이 있다. Otsu 방법은 영상의 히스토그램의 분포에 따라 자동적으로 설정된 임계값을 사용하여 결함을 검출하는 방법이다.
Otsu 방법의 장단점은? Otsu 방법은 영상의 히스토그램의 분포에 따라 자동적으로 설정된 임계값을 사용하여 결함을 검출하는 방법이다. Otsu 방법의 알고리즘은 간단하지만, 한도 결함이 많이 포함된 영상에 대해서는 많은 양의 과검출이 발생하는 문제점이 있다. 그리고 평균과 표준편차를 이용한 방법은 영상의 히스토그램에서 가장자리에 속하는 화소들일 수록 결함 영역에 속할 가능성이 높다는 특징을 이용한 방법이다.
TFT-LCD 모니터의 육안을 통한 불량검출의 한계점은? TFT-LCD 모니터는 제조 과정에서 여러 종류의 불량이 나타날 수 있으며 이러한 불량의 선별은 초기에는 육안으로 검출되어 왔다. 하지만 육안을 통한 불량검출은 검출률에 있어서 검사자의 숙련도 수준, 컨디션 등에 의해 불규칙적이며 판단에 주관적이기 때문에 신뢰성이 낮을 뿐만 아니라 검사자의 교육에 따른 비용과 검사 속도에 의한 한계로 TFT-LCD의 수요와 공급의 증가에 있어서 큰 문제가 되어왔다. 이러한 문제를 해결하기 위해 개발되고 있는 자동 결함 검출 시스템은 검사자를 통한 결함검출과 비교하면 객관적이며 환경의 영향을 받지 않아 신뢰성이 높을 뿐만 아니라 매우 짧은 검사 시간으로 생산성을 비약적으로 향상시킬 수 있게 되었다.
질의응답 정보가 도움이 되었나요?

참고문헌 (8)

  1. J. Jang, S. K. Lim and M. H. Oh, "Technology development and production of flat panel displays in Korea," Proceedings of the IEEE. Vol. 90, no. 4, pp. 501-513, 2002. 

    상세보기 crossref

  2. S. W. Sohn, G. T. Ryu and H. D. Bae, "An Image Processing Technique for Polarizing Film Defects Detection," Journal of The Institute of Electronics Engineers of Korea, Vol. 45, no. IE-2, pp. 20-27, 2008. 

  3. J. H. Ko, "LCD Defect Detection using Neural-network based on BEP," Journal of The Institute of Electronics Engineers of Korea, Vol. 48, no. IE-2, pp. 26-31, 2011. 

  4. Y. C. Chuang and S. K. S. Fan, "Automatic TFT-LCD Mura Inspection Based on Studentized Residuals in Regression Analysis," Industrial Engineering & Management Systems, Vol. 8, no. 3, pp. 148-154, 2009. 

    원문보기 상세보기

  5. G. B. Lee, C. G. Lee, S. Y. Kim and K. H. Park, "Adaptive surface fitting for inspection of FPD devices using multilevel B-spline approximation," 21st International Technical Conference on Circuits/Systems, Computers and Communications, Vol. 2, pp, 205-208, 2006. 

  6. N. Otsu, "A Threshold Selection Method from Gray-Level Histograms," IEEE Transactions on Systems, Man, and Cybernetics, Vol. 9, No. 1, pp. 62-66, 1979. 

    상세보기 crossref

  7. W. S. Kim, D. M. Kwak, Y. C. Song, D. H. Choi and K. H. Park, "Detection of Spot-Type Defects on Liquid Crystal Display Modules," Key Engineering Materials, Vol. 270-273, pp. 808-813, 2004. 

    상세보기 crossref

  8. M. Lysaker, S. Osher and X. C. Tai, "Noise Removal Using Smoothed Normals and Surface Fitting," IEEE Transactions on Image Processing, Vol. 13, No. 10, pp. 1345-1357, pp. 2004. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로