$\require{mediawiki-texvc}$

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.

[국내논문] 특징점 기반의 머신러닝 기술을 이용한 OLED 결함 분류 기술 원문보기

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 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 연구에서는 OLED 디스플레이의 검사장비에 사용 가능한 다중구조 결함분류 기술에 대해 제안하였다. 다중 구조 분류기는 기존의 다양한 분류기들을 쉽게 조합하여 사용가능하게 해주는 장점이 있다.
  • 기존의 연구들을 살펴보 면, 대부분의 논문들은 support vector machine (SVM), k nearest neighborhood (KNN)을 이용하여 다양한 형태의 특징들을 구성하여 분류하는 구조를 가지고 있다[1-4]. 본 연구에서는 Organic Light Emitting Diode (OLED) 검사장비에서 다중구조 분류기를 이용하여 결함을 분류하는 기술을 제안한다. 실험결과로부터 제안한 특징선택기술과 다중 분류기는 1차분류기에서 93%이상 2차분류기에서 85%이상의 결과를 나타내는 것을 확인하였다.

가설 설정

  • 본 연구에서는 결함 분류에 초점을 맞추었기 때문에 결함검출은 되었다고 가정한다. 사용된 데이터는 <그림 3>과 같이 결함영역이 검출된 영상이다.
본문요약 정보가 도움이 되었나요?

질의응답

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.
질의응답 정보가 도움이 되었나요?

참고문헌 (9)

  1. Lim, D., D.-G. Seo, and D. Jeong. Defect classification for the inspection of TFT LCD glass. 2005. 

  2. 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. 

  3. Mitchell, T.M., Machine learning. 1997. Burr Ridge, IL: McGraw Hill, 1997. 45. 

  4. Burges, C.J., A tutorial on support vector machines for pattern recognition. Data mining and knowledge discovery, 1998. 2(2): p. 121-167. 

    상세보기 crossref

  5. Hu, M.-K., Visual pattern recognition by moment invariants. Information Theory, IRE Transactions on, 1962. 8(2): p. 179-187. 

  6. Guyon, I. and A. Elisseeff, An introduction to variable and feature selection. The Journal of Machine Learning Research, 2003. 3: p. 1157-1182. 

  7. Jolliffe, I., Principal component analysis. 2002: Wiley Online Library. 

  8. Genuer, R., J.-M. Poggi, and C. Tuleau-Malot, Variable selection using random forests. Pattern Recognition Letters, 2010. 31(14): p. 2225-2236. 

    상세보기 crossref

  9. Altman, N.S., An introduction to kernel and nearest-neighbor nonparametric regression. The American Statistician, 1992. 46(3): p. 175-185. 

    상세보기

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
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