최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기電子工學會誌 = The journal of Korea Institute of Electronics Engineers, v.43 no.11 = no.390, 2016년, pp.27 - 32
최학남 (인하대학교 정보통신공학과) , 김학일 (인하대학교 정보통신공학과)
초록이 없습니다.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
머신비젼에서 결함을 분류하여 분석하는 것의 장점은 무엇인가? | 현재 대부분의 머신비젼 검사장비는 결함검출에 초점이 맞춰져 있으며 결함분류는 필요한 기능이긴 하지만 우선순위에서 밀리는 경향이 있다. 머신비젼에서 결함을 분류하여 분석하면 전반적인 공정에서 문제되는 부분을 파악하여 개선할 수 있는 장점이 있다. 머신비젼을 이용한 검사장비는 다양한 제품에 따라 장비 구성이 달라지고 검사하는 품목에 따라서도 달라지기 때문에 단일 분류기로 모든 것을 해결하기는 어렵고 여러 가지 분류기들을 복합적으로 결합하여야만 좋은 결과를 도출할 수 있다. | |
OLED 디스플레이의 결함은 어떤 형태로 나타나는가? | OLED 디스플레이의 결함은 크게 두 그룹으로 나뉘게 되는데 하나는 글라스 결함(glass defect) 이고 다른 하나는 셀 결함(cell defect)이다. 결함들은 긁힘, 오염, 머리 카락, 먼지, 액넘침과 같은 형태로 나타나게 되는데 긁힘과 같은 결함은 실제결함(Genuine defect)라고 하고, 머리카락, 먼지 등과 같이 에어로 불어내면 사라지는 불량 들은 거짓결함(Fake defect)라고 한다. 글래스 결함은 긁힘을 제외한 대부분 결함들은 거짓결함이고, 셀 결함은 대부분 내부결함으로 실제결함이다. <표 1>은 결함종류와 대응되는 코드 및 결함별 특성을 정리한 표이다. | |
머신비젼 기술이란 무엇인가? | 머신비젼 기술은 자동화 검사장비에서 영상을 이용하여 결함을 검출하고 분류하는 기술을 말한다. 현재 대부분의 머신비젼 검사장비는 결함검출에 초점이 맞춰져 있으며 결함분류는 필요한 기능이긴 하지만 우선순위에서 밀리는 경향이 있다. |
Lim, D., D.-G. Seo, and D. Jeong. Defect classification for the inspection of TFT LCD glass. 2005.
Kang, S., et al. Automatic defect classification of TFT-LCD panels using machine learning. in Industrial Electronics, 2009. ISIE 2009. IEEE International Symposium on. 2009. IEEE.
Mitchell, T.M., Machine learning. 1997. Burr Ridge, IL: McGraw Hill, 1997. 45.
Burges, C.J., A tutorial on support vector machines for pattern recognition. Data mining and knowledge discovery, 1998. 2(2): p. 121-167.
Hu, M.-K., Visual pattern recognition by moment invariants. Information Theory, IRE Transactions on, 1962. 8(2): p. 179-187.
Guyon, I. and A. Elisseeff, An introduction to variable and feature selection. The Journal of Machine Learning Research, 2003. 3: p. 1157-1182.
Jolliffe, I., Principal component analysis. 2002: Wiley Online Library.
Genuer, R., J.-M. Poggi, and C. Tuleau-Malot, Variable selection using random forests. Pattern Recognition Letters, 2010. 31(14): p. 2225-2236.
Altman, N.S., An introduction to kernel and nearest-neighbor nonparametric regression. The American Statistician, 1992. 46(3): p. 175-185.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.