라온피플

적용된 솔루션

NAVI AI Mars

반도체의 주재료인 웨이퍼는 깨지기 쉬운 재질로 만들어지기 때문에 취급에 많은 주의를 요구합니다.

라온피플은 AI를 활용해, 비정형적으로 발생하는 크랙을 정확하게 검출합니다. 

검사 개요

1) 검사 분야 : 반도체

2) 검사 부품 : 웨이퍼

3) 검사 종류 : 크랙  검사

4) 검사 솔루션 구성 : NAVI AI Mars

라온피플 솔루션의 특장점

1) 영상 처리에 대한 지식이 없더라도, 비전 검사가 가능함

2) 비정형적인 결함의 위치를 정확히 검출함

적용된 솔루션

LPMVC-EE400(GigE/4M) + NAVI SW

크리스탈 다이오드에 있는 크랙을 기존의 컴퓨터 비전으로 검사하려면, 고도한 지식이 요구되며, 그럼에도 불구하고 결함 검출이 정확하지 않을 수 있습니다. 아래 이미지와 같이 크랙이나 스크래치는 랜덤한 위치에서 비정형적인 형태로 발생된다는 측면에서 컴퓨터 비전 알고리즘으로 처리하기가 매우 까다롭습니다. 그 하나의 예로, 원본영상과 검사영상의 차영상을 구하여 결함검출을 시도한다면, 차영상에 잔상이나 노이즈 처리가 또 하나의 문제가 될 수 있습니다.

하지만, 딥러닝 방식의 검사를 적용하면 어렵지 않게 높은 성능의 검사가 가능해집니다. 사용자 입장에서 결함에 대한 이미지를 준비한다면, 그 이후의 과정은 딥러닝에 검사를 맡길 수 있어 간편하기까지 합니다.

라온피플은 이 사례에 대한 검사를 컴퓨터 비전 기술로도 시도해 보았고, 딥러닝(머신러닝)으로도 시도해 보았습니다. 200장의 양품/불량 이미지를 대상으로 기존 컴퓨터비전에서 사용하고 있는 영상처리방식과 딥러닝 방식으로 각각 검토해본 결과, 컴퓨터 비전 기술로는 구현을 하고 예외적인 상황에 case by case로 대응하는데 1달 이상의 기간이 걸렸고 커버리지를 만족시키는 것도 쉽지 않았습니다. 하지만, 딥러닝 기술을 활용해서는 하루가 채 되지 않아 결과를 확인했고, 커버리지 또한 100%가 나왔습니다.

기존의 컴퓨터 비전으로 해결되지 못했던 난제가 딥러닝을 통해 해결될 수 있습니다. 딥러닝은 금속의 외관이나 표면에 발생하는 이물/크랙/스크래치/얼룩을 검출하며, 직물의 실밥이나 끊어짐/붙음도 찾아낼 수 있고, 다양한 부품을 분류하거나 복잡한 배경에서 광학 문자를 판독하는 것도 가능합니다. 이와 같이, 딥러닝은 기존에 사람이 육안으로 검사하고 있는 프로세스를 대체할 수 있는 대안이 될 수 있습니다.

검사 개요

• 검사 분야 : 반도체
• 검사 부품 : 크리스탈 다이오드(8 * 8 mm)
• 검사 종류 : 크랙 검출
• 검사 솔루션 구성
  - 검사 카메라 : 라온피플 LPMVC-EE500(GigE/5M)
  - 검사 S/W : 라온피플 NAVI
  - 렌즈 : 16mm
  - 조명 : 텔레센트릭
  
  

 

라온피플 특장점

• 영상처리에 대한 전문지식 없이 간편한 조작으로 결함 검사 가능
• 사람의 검사 수준 정확도
  
• 초당 약 10장의 속도