TFT-LCD 생산 과정에서 발생하는 결함을 정확하게 분류하여 결함 유형에 따라 폐기, 사용가능 등의 의사결정을 적절하게 내리는 것은 수율 증가 및 생산성 향상에 필수적인 요소이다. 본 논문에서는 TFT-LCD 생산 라인에서 획득한 결함 영상에 대하여 명암도 분포(intensity distribution) 및 결함 영상의 형태 특징(shape feature)을 분석하여 효과적으로 필름 결함 유형을 분류하는 기법을 제시한다. 본 연구에서는 먼저 필름 결함 영상을 결함 영역과 결함이 아닌 배경 영역으로 이진화하고, 결함 영역에서 결함의 선형성(linearity), 명암도 분포를 고려한 형태 특징 등의 여러 가지 특징을 분석하여 기준 영상(referential image) 데이터베이스를 구축하였으며, 분류하고자 하는 결함 영상과 데이터베이스에 저장된 기준 영상과의 매칭 비용 함수(matching cost function)를 정의하여 적절히 매칭시킴으로써 결함의 유형을 결정하였다. 제시한 기법의 성능을 검증하기 위하여 실제 TFT-LCD 생산 라인에서 획득한 결함 영상들을 대상으로 분류 실험을 수행하였으며, 실험 결과 생산 라인에서 이용할 수 있을 정도의 상당한 수준의 분류 정확도를 달성하였음을 보여주었다.
In order to increase the productivity in manufacturing TFT-LCD(thin film transistor-liquid crystal display), it is essential to classify defects that occur during the production and make an appropriate decision on whether the product with defects is scrapped or not. The decision mainly depends on classifying the defects accurately. In this paper, we present an effective classification method for film defects acquired in the panel production line by analyzing the intensity distribution and shape feature of the defects. We first generate a binary image for each defect by separating defect regions from background (non-defect) regions. Then, we extract various features from the defect regions such as the linearity of the defect, the intensity distribution, and the shape characteristics considering intensity, and construct a referential image database that stores those feature values. Finally, we determine the type of a defect by matching a defect image with a referential image in the database through the matching cost function between the two images. To verify the effectiveness of our method, we conducted a classification experiment using defect images acquired from real TFT-LCD production lines. Experimental results show that our method has achieved highly effective classification enough to be used in the production line.
