[논문]자동외관검사를 위한 확률기반 불량 확인 알고리즘 개발

김영흡; 유선중

Abstract ▼ AI-Helper

The visual inspection of electronic parts consists of two steps: automatic visual inspection and verification inspection. In the stage of a verification inspection, the human inspector sequentially inspects all the areas which detected in the automatic inspection. In this study, we propose an algori...

The visual inspection of electronic parts consists of two steps: automatic visual inspection and verification inspection. In the stage of a verification inspection, the human inspector sequentially inspects all the areas which detected in the automatic inspection. In this study, we propose an algorithm to determine the order of verification inspection by Bayes inference well known in the field of machine learning. This is a method of prioritizing a region estimated to have a high probability of defect using experience data of past inspection. This algorithm was applied to the visual inspection of ultraviolet filters to verify its effectiveness. As a result of the comparison experiment, it was confirmed that the verification inspection can be completed 30% of the conventional method by adapting proposed algorithm.

Keyword

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 특정 부품의 표면에서 검출된 다수의 검출위치들에 대해서 어떠한 순서로 확인검사를 수행하는 것이 최소한의 횟수로 불량을 탐지해 낼 수 있는지에 대해서 연구하였다. 기존의 방법은 자동외관검사장비에서 탐지된 검출위치들의 공간좌표를 기준으로 하여 순차적인 방법으로 확인검사를 수행하였다.
이와 비교하여 본 연구에서는 검출위치들의 소위 사후 확률(posterior)을 기준으로 확인검사 순서를 정하는 방법을 제시한다. 여기서 사후확률이란 자동외관검사장비에서 탐지한 특정 검출위치가 인간검사원의 확인검사에 의해서 불량으로 최종 판정될 확률을 의미한다.
4(c), (d)의 경우는 양자의 판단이 서로 상이한 경우에 해당됨을 알 수 있다. 그럼에도 불구하고 본 연구에서는 베이즈추정으로부터 계산된 사후확률을 이용하여 후행하는 확인검사의 순서를 효율화할 수 있음을 3.3절에서 실험 결과로 제시하고자 한다.
이에 비하여 우측 그림들은 베이즈추정에 의한 경우이며 사후확률 P_bad를 기준으로 내림차순으로 확인검사를 수행하였다. 실험은 동일 필터에 대해서 양불 판정이 확정될 때까지 소요되는 확인검사의 횟수를 비교하는 것으로 하였다.
본 연구에서는 과거검사결과의 정보를 바탕으로 하여 현재의 특정 검출위치에 대한 사후확률을 기준으로 하여 확인검사의 순서를 결정하는 방법을 제시하였다. 사후확률은 머신러싱 기법의 일종인 베이즈추정의 방법을 적용하여 계산할 수 있는데, 구체적으로는 나이브베이즈 알고리즘을 적용하였다.

가설 설정

그런데 우도의 계산을 위해서는 식 (5) 우측항의 P(x_i| c_k)에 대해서 특정 분포를 가정하는 것이 필요하다. 본 연구에서는 x_i가 연속변수일 경우는 정규분포(Gauss distribution)로, 이산변수일 경우는 다항분포(multinomial distribution)로 가정한다.[7,8] 우도 또한 과거검사 결과로부터 계산할 수 있다.
본 실험에서는 연속변수인 x5 ~ x8에 대해서는 정규분포를, 이산변수인 나머지 요소에 대해서는 다항분포로 가정하고 우도를 계산하였다.

제안 방법

이상과 같은 방법의 유효성을 검증하기 위하여 자외선 필터 부품의 외관검사공정에 본 연구에서 개발된 알고리즘을 적용하였다.[3] 실험은 사전에 인간검사원에 의해서 불량 유무가 확인된 필터 표면의 다수의 검출위치들에 대해서, 기존의 공간 좌표 기준의 확인검사 횟수와 확률 기준 확인검사 횟수를 정량적으로 비교하는 것으로 수행되었다.
사후확률의 계산은 데이터베이스에 저장되어 있는 과거검사결과를 이용하여 나이브베이즈 알고리즘을 적용함으로써 이루어 진다. 마지막으로 검사 대상 부품 내의 모든 검출위치들을 사후확률 P_bad를 기준으로 내림차순 정렬한 후 이 순서에 의하여 확인검사를 수행한다.
1절의 과거검사결과로부터 사후확률을 계산할 수 있다. 본 실험에서는 2650개의 필터 제품을 대상으로 자동외관검사를 수행한 후 이로부터 도출된 특징변수를 이용하여 사후확률을 계산하였다.
이 값이 50% 이상일 경우는 해당 필터가 확인검사에서 불량으로 판정될 확률이 높은 것으로 판단할 수 있다. 한편 검출위치 중 후행하여 진행된 확인검사에서 불량으로 최종 판정된 검출위치는 점의 외곽을 원으로 둘러싸서 구분해 두었다.
베이즈추정에 의한 확인검사 순서 결정의 효율성을 검증하기 위하여 기존의 방법인 공간좌표 기준 방법과 비교하였다. 두 방법모두 Fig. 1 그림의 흐름도에 의하여 필터 표면의 검출위치를 순차적으로 확인검사 한다. 그림에서 음영으로 처리된 부분이 확인검사 순서를 결정하는 부분에 해당한다.
5의 좌측 그림들은 공간좌표 기준으로 확인검사를 수행한 경우로서 x 좌표 기준으로 오름차순으로 확인검사를 수행하였다. 이에 비하여 우측 그림들은 베이즈추정에 의한 경우이며 사후확률 P_bad를 기준으로 내림차순으로 확인검사를 수행하였다. 실험은 동일 필터에 대해서 양불 판정이 확정될 때까지 소요되는 확인검사의 횟수를 비교하는 것으로 하였다.

대상 데이터

실험에서 사용된 필터의 크기는 가로세로 15×15 mm이다.
2장에서 제시된 확인검사 방법의 유효성을 검증하기 위하여 스마트폰 카메라용 자외선필터의 외관검사공정을 활용하여 실험을 구성하였다. Fig.
2 ④)로 구성되어 있다. 본 연구에서는 과거검사결과로서 확인검사까지 완료된 19,428개의 검출위치의 정보를 활용하였다.
그림에서 음영으로 처리된 부분이 확인검사 순서를 결정하는 부분에 해당한다. 실험 대상은 3.2절의 2650개의 필터 중 불량이 존재하는 것으로 최종 확인된 238개의 필터를 대상으로 하였다. 또한 3개의 필터에 대해서는 Fig.

데이터처리

베이즈추정에 의한 확인검사 순서 결정의 효율성을 검증하기 위하여 기존의 방법인 공간좌표 기준 방법과 비교하였다. 두 방법모두 Fig.
연구 방법의 타당성은 자외선필터의 실제 외관검사 정보를 이용하여 기존의 방법인 공간좌표 기준 확인검사의 방법과 비교 실험을 하는 것으로 검증하였다. 238개의 자외선필터에 대해서 실험을 수행하였으며, 나이브베이즈 알고리즘을 적용하여 확인검사를 수행하는 경우 기존 방법 대비 30% 정도의 횟수로 불량을 최종 검출해 낼 수 있음을 확인할 수 있었다.

이론/모형

기존의 방법은 자동외관검사장비에서 탐지된 검출위치들의 공간좌표를 기준으로 하여 순차적인 방법으로 확인검사를 수행하였다. 이에 비하여 본 연구에서는 머신러닝 기법의 일종인 베이즈추정(Bayes inference)을 적용하여 검출위치들의 확인검사 순서를 결정하였다.[5] 베이즈추정을 이용함으로써 자동외관검사장비에 의해서 탐지된 각각의 검출위치들이 실재 불량으로 확인 판정될 확률을 인간검사원의 확인검사 이전에 정량적으로 계산해 낼 수 있다.
확인검사의 순서를 결정하기 위해 필요한 사후확률은 베이즈추정의 방법을 이용하여 계산될 수 있다. 이를 위하여 먼저 특징변수 X 및 확인검사결과 C를 다음과 같은 벡터 형태로 표현한다.
다음으로 각각의 검출위치에 대하여 사후확률을 계산한다. 사후확률의 계산은 데이터베이스에 저장되어 있는 과거검사결과를 이용하여 나이브베이즈 알고리즘을 적용함으로써 이루어 진다. 마지막으로 검사 대상 부품 내의 모든 검출위치들을 사후확률 P_bad를 기준으로 내림차순 정렬한 후 이 순서에 의하여 확인검사를 수행한다.
본 연구에서는 과거검사결과의 정보를 바탕으로 하여 현재의 특정 검출위치에 대한 사후확률을 기준으로 하여 확인검사의 순서를 결정하는 방법을 제시하였다. 사후확률은 머신러싱 기법의 일종인 베이즈추정의 방법을 적용하여 계산할 수 있는데, 구체적으로는 나이브베이즈 알고리즘을 적용하였다. 즉 과거 검사 경험으로부터 불량으로 판정될 확률이 높은 검출위치를 구별해내고 이를 우선적으로 확인검사하는 방법이라고 할 수 있다.

성능/효과

이상과 같은 방법의 유효성을 검증하기 위하여 자외선 필터 부품의 외관검사공정에 본 연구에서 개발된 알고리즘을 적용하였다.[3] 실험은 사전에 인간검사원에 의해서 불량 유무가 확인된 필터 표면의 다수의 검출위치들에 대해서, 기존의 공간 좌표 기준의 확인검사 횟수와 확률 기준 확인검사 횟수를 정량적으로 비교하는 것으로 수행되었다. 실험 결과 베이즈추정을 이용하여 순서를 정하는 경우 기존의 공간좌표 기준 방법에 비하여 확인검사 횟수를 크게 감소시킬 수 있음을 확인할 수 있었다.
[3] 실험은 사전에 인간검사원에 의해서 불량 유무가 확인된 필터 표면의 다수의 검출위치들에 대해서, 기존의 공간 좌표 기준의 확인검사 횟수와 확률 기준 확인검사 횟수를 정량적으로 비교하는 것으로 수행되었다. 실험 결과 베이즈추정을 이용하여 순서를 정하는 경우 기존의 공간좌표 기준 방법에 비하여 확인검사 횟수를 크게 감소시킬 수 있음을 확인할 수 있었다.
5(b)의 경우는 4개의 검출위치를 가지고 있는 필터로서, 공간좌표 기준으로는 4회의 확인검사에 의해서 불량이 검출된다. 이에 반하여 베이즈추정의 방법으로 확인검사를 수행하는 경우는 3회만에 불량을 확인하여 확인검사를 완료할 수 있음을 알 수 있다.
5의 3가지 경우로 구분하여 Table 3에 제시하였다. 전체의 66%에 해당하는 158개의 필터의 경우 베이즈추정에 의한 확인검사 횟수가 기존 방법 대비 감소함을 알 수 있다. 반대로 확인검사 횟수가 증가하는 경우는 전체의 4%인 9개에 불과하다.
반대로 확인검사 횟수가 증가하는 경우는 전체의 4%인 9개에 불과하다. 이를 전체 필터에 대해 확인해 보면 베이즈추정의 방법을 적용하는 경우 기존의 공간좌표 기준 방법에 비하여 확인검사 횟수가 30%로 감소함을 확인할 수 있다.
연구 방법의 타당성은 자외선필터의 실제 외관검사 정보를 이용하여 기존의 방법인 공간좌표 기준 확인검사의 방법과 비교 실험을 하는 것으로 검증하였다. 238개의 자외선필터에 대해서 실험을 수행하였으며, 나이브베이즈 알고리즘을 적용하여 확인검사를 수행하는 경우 기존 방법 대비 30% 정도의 횟수로 불량을 최종 검출해 낼 수 있음을 확인할 수 있었다.

후속연구

한 개의 부품에 대한 확인검사는 다수의 검출위치에 대해 하나하나씩 순차적인 방법으로 이루어지는데, 확인 검사 중 특정 검출위치가 인간검사원에 의해 불량으로 판정되면 추가적인 확인검사는 중단되며 해당 부품은 최종 불량으로 즉시 분류된다. 따라서 확인검사의 순서에 따라서 첫 번째 검출위치에서 불량이 확인되어 2단계 검사가 바로 종료될 수도 있고 또는 마지막 검출위치에 도달해서야 불량이 확인될 수도 있다.
[5] 베이즈추정을 이용함으로써 자동외관검사장비에 의해서 탐지된 각각의 검출위치들이 실재 불량으로 확인 판정될 확률을 인간검사원의 확인검사 이전에 정량적으로 계산해 낼 수 있다. 즉, 불량으로 판정될 확률이 높은 검출위치를 우선적으로 확인검사 함으로써 적은 획수의 확인검사로 해당 제품의 불량 유무를 최종 판별할 수 있을 것으로 기대한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	외관불량의 검출은 일반적으로 몇 단계로 구성되는가?	외관불량의 검출은 2단계로 구성되는 것이 일반적이다. 1단계에서는 고해상도 광학계 및 이미지 처리 알고리즘으로 구성된 자동화된 외관검사장비(visual inspection machine)를이용하여 제품 표면에서 불량으로 의심되는 모든 공간좌표(이하 검출위치, detected point)를 탐색해 낸다.
	외관불량의 검출의 2단계에 대하여 설명하시오	외관불량의 검출은 2단계로 구성되는 것이 일반적이다. 1단계에서는 고해상도 광학계 및 이미지 처리 알고리즘으로 구성된 자동화된 외관검사장비(visual inspection machine)를이용하여 제품 표면에서 불량으로 의심되는 모든 공간좌표(이하 검출위치, detected point)를 탐색해 낸다. 2단계에서는 인간검사원(human inspector)이 광학현미경을 이용하여 각각의 검출위치에 실재 외관불량이 존재하는지 여부를 시각적인 방법으로 확인검사(verification inspection) 한다.[4]
	전자부품의 외관검사공정에서는 자동외관검사 외에 반드시 필요한 것은?	전자부품의 외관검사공정에서는 자동외관검사 외에 인간검사원에 의한 확인검사 과정이 반드시 필요하다. 자동외관검사의 경우 외관불량의 유출을 방지하기 위하여 제품 표면에서 불량으로 의심되는 영역(검출위치)을 넓은범위에서 모두 탐지해 내게 된다.

참고문헌 (8)

S. Yoo, "System Design for High-speed Visual Inspection of Electronic Components", Journal of the Semiconductor & Display Technology, Vol. 11, No. 3. September, pp. 39-44, 2012.
J. H. Lee, "Study on the Optical Analysis Equipment Control System for Electronic Parts Inspection", Journal of the Semiconductor & Display Technology, Vol. 14, No. 4. December, pp. 67-71, 2015.
K. W. Ko, Y. J. Lee, B.-W. Choi and J.-H. Kim," Development of Automatic Visual Inspection for the Defect of Compact Camera Module," ICCAS2005, pp. 2414-2417, 2005.
David M. Eagleman, "Visual illusion and neurobiology", Nature, 2, pp. 920-926, 2001.
Russell, S., Norvig, P., Artificial Intelligence: A Modern Approach, 2nd ed., Prentice Hall, 2003.
H. Zhang, "The Optimality of Naive Bayes", The 17th International FLAIRS Conference, Miami Beach, Florida, May 17-19, 2004.
J. H. George; P. Langley, "Estimating Continuous Distributions in Bayesian Classifiers", Proc. Eleventh Conf. on Uncertainty in Artificial Intelligence. Morgan Kaufmann. pp. 338-345, 1995.
A. McCallum, K. Nigam, "A comparison of event models for Naive Bayes text classification", AAAI-98 workshop on learning for text categorization. 1998.

이 논문을 인용한 문헌

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 자동외관검사를 위한 확률기반 불량 확인 알고리즘 개발
Development of Probability Based Defect Verification Algorithm for Automatic Visual Inspection 원문보기

Abstract ▼ AI-Helper

Keyword

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

활용도 분석정보

활용도 Top5 논문

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 자동외관검사를 위한 확률기반 불량 확인 알고리즘 개발 Development of Probability Based Defect Verification Algorithm for Automatic Visual Inspection 원문보기

Abstract ▼ AI-Helper

Keyword

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

유선중 (7)

활용도 분석정보

활용도 Top5 논문 더보기

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 자동외관검사를 위한 확률기반 불량 확인 알고리즘 개발
Development of Probability Based Defect Verification Algorithm for Automatic Visual Inspection 원문보기

AI 본문요약
AI-Helper

활용도 Top5 논문