KR100940301B1 - 마크 분할 검사 방법 - Google Patents

Abstract

본 발명은 마크 분할 검사 방법에 관한 것으로서, 기준 영상과 검사 영상을 각각 취득하고, 기준 영상과 검사 영상에 대해 문자 단위의 상관도를 구한 후, 상관도 값과 기설정된 제1 임계값을 비교한다. 다음으로, 상관도 값이 제1 임계값보다 큰 경우, 상기 해당 문자를 일정한 개수의 영역으로 분할하고, 분할한 영역별로 기준 영상과 검사 영상의 상관도를 구한 후, 상관도의 최대 값 및 최소 값의 차이와 기설정된 제2 임계값을 비교한다. 여기서, 상관도의 최대 값 및 최소 값의 차이가 제2 임계값보다 큰 경우 검사 영상을 불량으로 판단하고, 상관도의 최대 값 및 최소 값의 차이가 제2 임계값보다 작은 경우, 검사 영상을 정상으로 판단함으로써, 불량의 정도가 작은 마크라 할지라도 그 불량 여부를 정밀히 판단해 낼 수 있는 마크 분할 검사 방법이 개시된다.

마크, 반도체 패키지, 상관도, 분할, 불량, 검출

Description

마크 분할 검사 방법{ Inspecting method by using mark partitioning }

본 발명은 반도체 패키지의 외관 검사 방법에 관한 것으로서, 보다 상세하게는 마크 분할 검사 방법에 관한 것이다.

최근 개발되고 있는 머신 비전 기술은 반도체 패키지 자동 검사에 중요한 기술이다. 반도체 패키지의 자동 검사에 있어서, 검사 항목은 전기적 특성 및 기능 검사 항목과 외관 검사 항목으로 나눌 수 있는데, 그 중 외관 검사 항목에서는 반도체 패키지 상의 리드 프레임(Lead Frame) 불량 또는 마크(Mark) 불량 여부 등을 검사하게 된다.

상기 외관 검사에서는 제품명, 제작사 명 등의 반도체 패키지의 정보를 나타내는 여러 가지 마크들의 위치, 방향, 틀어짐, 긁힘, 누락, 깨어짐 등을 검사하게 된다.

반도체 패키지가 점차 소형화되어가는 현 시점에서 목시 검사로 검사 항목들을 다루게 될 때에는 많은 시간과 비용이 들며, 오판에 따른 불량 제품의 유통으로 인한 손해가 발생하게 된다. 따라서, 최근 반도체 마크 검사 분야에서 고성능 비전 검사 기술이 개발, 적용되고 있다.

마크 검사 알고리즘은 크게 영상 취득, 영상 처리, 특징 추출, 대상의 인식과 분류 등으로 이루어지며, 마크의 불량 여부를 효과적으로 검사하는 방법에 관한 연구는 OCR(Optical Character Recognition), OCV(Optical Character Verification) 등의 문자 인식 연구를 기반으로 발전하여 왔다.

반도체 패키지의 마크 검사에 있어서 고려되어야 할 점은, 간단하고 신뢰성 높은 알고리즘을 통한 검사 시간의 단축이다. 또한, OCR과 같이 문자 인식을 위해 많은 데이터가 필요한 알고리즘보다는 어떤 문자를 검사하게 될지 미리 알고 그 문자에 대해서만 검사하는 OCV 알고리즘이 보다 적절하다.

OCV에서는 주로 상관 계수(Correlation Coefficient)를 이용하여 불량 마크를 검사하며, 위치 데이터를 통해 마크의 위치 불량을 검사하고 있다.

그런데, 마크의 불량은 여러 형태와 위치에 존재하기 때문에 엄격한 검사 기술이 요구되나, OCV로 불량 마크를 검사하는 경우 적지 않은 문제점이 드러나고 있다.

불량 마크는 일반적으로 마크 위에 발생한 스크래치(Scratch)나 마크 프린팅(Mark Printing)의 오류로 인해 나타나는데, 마크의 끝 부분이 잘려나가거나 마크의 중간이 끊어진 경우 등 다양한 형태로 나타난다.

그 중 불량의 정도가 작은 마크들은 정규화된 상관 계수 방법으로는 불량 여부를 판별하기가 어려워 불량을 검출하지 못한다는 문제점이 있다.

본 발명의 목적은 불량의 정도가 작은 경우에도 불량을 정밀하게 검출할 수 있는 마크 분할 검사 방법을 제공하는 데 있다.

상기 문제점을 해결하기 위해 고안된 본 발명의 마크 분할 검사 방법의 바람직한 실시예는, 마크의 불량 여부를 판정하기 위한 기준이 되는 기준 영상을 취득하는 단계와, 마크의 불량 여부를 판정할 검사 영상을 취득하는 단계와, 상기 기준 영상과 검사 영상에 대해 문자 단위의 상관도를 구한 후, 상기 상관도 값과 기설정된 제1 임계값을 비교하는 단계와, 상기 상관도 값이 제1 임계값보다 큰 경우, 상기 해당 문자를 일정한 개수의 영역으로 분할하는 단계와, 상기 분할한 영역별로 기준 영상과 검사 영상의 상관도를 구한 후, 상관도의 최대 값 및 최소 값의 차이와 기설정된 제2 임계값을 비교하여 검사 영상의 불량 여부를 판정하는 단계를 포함하여 이루어진다.

여기서 상기 상관도 값이 제1 임계값보다 작은 경우, 상기 검사 영상을 불량으로 판단하는 단계를 더 포함하는 것을 특징으로 한다.

그리고 상기 해당 문자를 일정한 개수의 영역으로 분할하는 단계는, 상기 해당 문자를 4개의 영역으로 분할하는 것을 특징으로 한다.

또한, 상기 상관도의 최대 값 및 최소 값의 차이와 제2 임계값을 비교하여 검사 영상의 불량 여부를 판정하는 단계는, 상기 상관도의 최대 값 및 최소 값의 차이가 제2 임계값보다 큰 경우, 상기 검사 영상을 불량으로 판단하는 것을 특징으로 한다.

또한, 상기 상관도의 최대 값 및 최소 값의 차이와 제2 임계값을 비교하여 검사 영상의 불량 여부를 판정하는 단계는, 상기 상관도의 최대 값 및 최소 값의 차이가 제2 임계값보다 작은 경우, 상기 검사 영상을 정상으로 판단하는 것을 특징으로 한다.

본 발명에 의하면, 깨어짐, 잘려나감, 긁힘 등의 불량 정도가 작은 마크의 경우에도 그 불량 여부를 정밀하게 검출할 수 있어, 불량 마크의 미검율을 줄일 수 있다.

이하, 도 1 내지 도 17을 참조하여 본 발명의 마크 분할 검사 방법에 관해 상세히 설명한다.

본 발명을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

도 1은 본 발명의 마크 분할 검사 방법을 나타낸 순서도이다.

이에 도시된 바와 같이, 먼저 마크의 불량 여부를 판정하기 위한 기준이 되는 기준 영상을 취득한다(S 100). 즉, 카메라 등을 이용하여 제품 견본의 마크 영상을 촬영한 후, 메모리에 저장한다.

다음으로, 실제 제품의 마크 영상을 촬영하여, 검사 영상을 취득한다(S 110). 이때, 반도체 패키지의 마크는 전하 결합 소자(Charge Coupled Device : CCD)나 스캐너 등과 같은 판독 장치를 이용하여 문자 이미지로 판독한다.

이어서, 상기 기준 영상과 상기 검사 영상에 대해 문자별로 그 상관도를 구한다(S 120).

즉, 상기 기준 영상과 상기 검사 영상 간의 상관도를 분석하여 마크의 불량 여부를 판단한다. 이때, 상기 기준 영상과 검사 영상의 비교는 문자 단위로 이루어진다.

다시 말하면, 상기 기준 영상에서 각 문자들을 분리하는 블럽 분석(Blob Aanalysis) 작업을 수행하고, 각 문자 데이터의 영상 특성을 추출한 후, 그와 유사한 영상 특성을 갖는 검사 영상 내의 문자를 찾는다. 그리고 기준 영상의 문자와 검사 영상의 문자 간의 상관도를 구한다.

예를 들어, 기준 영상에서 'A'라는 문자가 있다고 할 때, 그 문자를 분리한 후, 그 문자가 갖는 영상 특성 즉, 픽셀 값들의 분산 및 평균 등을 추출한다.

그리고 상기 문자의 영상 특성과 유사한 영상 특성을 갖는 문자를 검사 영상에서 검출한 후, 상관 계수(Correlation Coefficient) 프로그램을 이용하여 기준 영상의 'A' 영역 데이터와 검사 영상의 'A' 영역 데이터 사이의 상관도를 구한다. 여기서 상기 상관도는 정규 상관 계수(Normalized Correlation Coefficient : NCC) 값으로 나타낼 수 있다.

그 후, 상기 기준 영상의 문자와 검사 영상의 문자 간의 상관도 값과 기설정된 임계값을 비교한다(S 130).

상기 단계 S 130의 비교 결과, 상기 기준 영상의 문자와 상기 검사 영상의 문자 간의 상관도 값이 기설정된 임계값 이하이면, 불량 마크인 것으로 판단한다(S 140).

상기 단계 S 130의 비교 결과, 상기 기준 영상의 문자와 상기 검사 영상의 문자 간의 상관도 값이 기설정된 임계값 이상이면, 상기 기준 영상의 문자와 상기 검사 영상의 문자를 일정한 개수의 영역별로 분할한 후, 각 영역별로 다시 상관도를 구한다(S 150).

상기 단계 S 130에 있어서, 상기 기준 영상의 문자 데이터와 상기 검사 영상의 문자 데이터 간의 상관도 값이 기설정된 임계값 이상이라고 하더라도 모든 마크를 정상이라고 판단하기는 힘들다.

즉, 단지 문자 단위 비교의 결과로는 정상 마크와 불량 마크를 구분하기가 어려운 문제점이 있는데(이에 대한 자세한 설명은 후술하기로 함), 이를 명확히 구 별하기 위해 각 문자 데이터를 영역별로 분할한 후, 다시 상관도를 비교하는 과정을 수행한다.

예를 들어, 기준 영상 및 검사 영상에서 'A'라는 문자 데이터의 영역을 4분할하고, 각 영역의 정규 상관 계수(Normalized Correlation Coefficient : NCC) 값을 구한다.

여기서, 분할하는 영역의 개수를 많이 하면 더욱 정밀하게 마크의 불량 정도를 검사할 수 있으나, 검사 시간이 길어진다는 단점이 있다. 따라서, 각 문자 데이터의 영역을 4개로 분할하는 것이 바람직하다.

다음으로, 분할한 영역의 상관도 값 중 최대 값 및 최소 값의 차이와 기설정된 임계값을 비교한다(S 160).

상기 단계 S 160의 비교 결과, 분할한 영역의 상관도 값 중 최대 값 및 최소 값의 차이가 기설정된 임계값 이하이면, 정상 마크인 것으로 판단한다(S 170).

또한, 상기 단계 S 160의 비교 결과, 분할한 영역의 상관도 값 중 최대 값 및 최소 값의 차이가 기설정된 임계값 이상이면, 불량 마크인 것으로 판단한다(S 180).

본 발명에 의하면, 기존의 문자 단위 검사를 수행하여 불량 검출이 되지 않은 불량 마크에 대해 불량 여부를 정밀하게 판별할 수 있기 때문에, 불량 마크의 미검율을 크게 개선할 수 있다.

이하에서는, 본 발명의 마크 분할 검사 방법을 이용한 실험 데이터 및 결과 를 살펴보기로 한다.

본 실험에서는 노이즈에 대해 어떤 변화가 있는지 관찰하기 위해 가우시안 노이즈(Gaussian Noise)의 SNR(Signal to Noise Ratio)를 10에서 30까지 변화를 주었다. 노이즈를 첨가하는 방법은 SNR 10에서 30까지 1씩 증가시켰으며, 각각의 SNR로 이미지에 30번씩 노이즈를 적용하였다. 도 2는 본 실험에서 사용한 기준 영상, 정상 영상 및 조명 불 균일의 생성을 위한 불 균일 영상을 나타낸 도면이다.

먼저, 기존 마크 검사 방법의 문제점을 실험 데이터를 통해 살펴보기로 한다. 도 3은 정상 영상에 블러(Blur) 효과 및 조명 불 균일을 적용한 도면이다. 즉, 사실성을 강조하기 위해 3×3 크기의 평균 필터를 2 ~ 3번 적용하여 블러 효과를 주었고, 이와 함께 조명 불 균일이 최대 10, 20이 있는 영상을 각각 사용하였다.

도 4는 기존의 마크 검사 방법에 의한 정상 영상의 상관 계수 분포를 나타낸 그래프이다. 여기서, LightMax10 및 LightMax20은 각각 최대 10, 20을 갖는 조명 불균일이 추가된 영상의 상관 계수 분포를 나타낸 것이다.

이에 도시된 바와 같이 정상 영상의 검사 결과를 살펴보면, 상관 계수 값이 노이즈가 가장 적은 SNR 30에서 0.98 ~ 0.99 사이의 값을 갖는 것을 알 수 있다.

그리고, 조명 불 균일이 추가된 영상과 그렇지 않은 영상의 결과에 차이가 없는 것으로 나타나는데, 이를 통해 문자 한 개의 좁은 영역에 대해 검사하는 경우 조명 불 균일은 크게 고려하지 않아도 되는 사항임을 알 수 있다.

이어서, 상기 정상 영상에 대한 기존 마크 검사 방법의 검사 결과와 불량 영 상에 대한 기존 마크 검사 방법의 검사 결과의 비교를 통해 기존 마크 검사 방법을 문제점을 살펴본다.

불량 영상으로는 도 5에 도시된 바와 같이, 긁힘(Scratch), 문자 일부가 잘려나감(Cut), 깨짐(Broken) 등의 영상을 사용하였다.

도 6은 기존의 마크 검사 방법에 의한 불량 영상의 상관 계수 분포를 나타낸 그래프이다. 여기서, Blur3는 정상 영상, Blur2Scratch는 긁힌 영상, Blur2Broken은 깨진 영상, Cut7은 잘려나간 영상의 상관 계수 분포를 나타낸 것이다.

이에 도시된 바와 같이, 정상 영상의 검사 결과와 불량 영상의 검사 결과가 거의 일치하고 있는 것을 볼 수 있는데, 이것이 바로 기존 마크 검사 방법의 문제점이 된다. 즉, 정상 영상과 불량 영상을 구분하기가 어렵다는 것이다.

여기서 SNR이 20인 경우, 각각의 영상이 갖는 정규화된 상관 계수(Normalized Correlation Coefficient : NCC) 값을 표 1에서 나타내었다.

	Blur3	Blur2_Scratch	Blur2_Broken	Cut7
NCC	0.96613	0.95604	0.96073	0.95771

표 1의 데이터에서, 정상 영상인 Blur3의 정규화된 상관 계수 값과 다른 불량 영상의 정규화된 상관 계수 값을 비교해보면, 가장 큰 차가 0.01009임을 알 수 있다. 그러나, 이런 상황에서는 사용자가 메뉴얼 조작을 통해 불량 및 정상을 검사하기가 매우 어렵다.

따라서, 본 발명에서는 문자 분할 방법을 사용하여 불량의 정도가 작은 영상이라도 그 불량 여부를 검사할 수 있는 방법을 제안하였으며, 이하에서는 각 불량 영상별로 본 발명의 마크 분할 검사 방법의 실험 결과들을 살펴보기로 한다.

(1) 일부가 잘려나간 불량 영상

도 7은 본 실험에 사용한 Cut 불량 영상 및 정상 영상을 나타낸 도면이다. 여기서, 상기 Cut 불량 영상은 잘려나간 부분이 7 픽셀(Pixel)의 두께를 갖는 불량 영상이다.

먼저, 상기 Cut 불량 영상에 대해 기존 마크 검사 방법으로 검사한 결과를 분석하였다. 실험결과, 정상 영상과 Cut 불량 영상의 NCC 값의 차이가 SNR 20에서 0.00842로 나왔다. 이 경우, Cut 불량 영상을 정상으로 판단하여 미검출할 가능성이 높다.

다음으로, 상기 Cut 불량 영상에 대해 본 발명의 마크 분할 검사 방법으로 검사하였으며, 검사 결과를 도 8에 도시하였다. 여기서, 사각형의 Blur3는 정상 영상의 상관 관계 분포를, 원형의 Cut7은 기존 방법에 의한 불량 영상의 상관 관계 분포를, 삼각형의 Cut7은 본 발명에 의한 불량 영상의 상관 관계 분포를 나타낸 것이다.

이에 도시된 바와 같이, 정상 영상과 Cut 불량 영상의 NCC 값의 차이가 SNR 20에서 0.04159로 기존 방법에 비해 약 5배가량 커진 것을 확인할 수 있다.

표 2는 그 결과를 나타낸 것으로, 결과 데이터를 통해 본 발명의 외관 검사 방법에 의하면, 불량 영상과 정상 영상 사이의 상관 계수 값의 차이가 확연히 증가하는 것을 볼 수 있으며, 이를 통해 불량 영상의 미 검출율을 줄일 수 있다.

SNR	영상	NCC	Standard Deviation
20.0	(정상)Blur3	0.966130	0.000089
	(기존 방법)Cut7	0.957710	0.000098
	(본 발명)Cut7	0.924540	0.000271

(2) 표면에 긁힘이 있는 불량 영상

도 9는 본 실험에 사용한 Scratch 불량 영상 및 정상 영상을 나타낸 도면이다. 여기서, 상기 Scratch 불량 영상은 가로로 2 픽셀 두께의 스크래치(Scratch)가 있으며, 세로로 2 픽셀 두께의 스크래치와 1 픽셀 두께의 스크래치가 반씩 섞여있는 형태의 불량 영상이다.

도 10은 Scratch 불량 영상의 검사 결과를 나타낸 그래프이다. 여기서, 사각형의 Blur3는 정상 영상의 상관 관계 분포를, 원형의 Blur2Scratch은 기존 방법에 의한 불량 영상의 상관 관계 분포를, 삼각형의 Blur2Scratch은 본 발명에 의한 불량 영상의 상관 관계 분포를 나타낸 것이다.

이에 도시된 바와 같이, 기존 방법에 비해 NCC 값의 차이가 크게 나는 것을 볼 수 있으며, 그 결과를 표 3에 나타내었다.

SNR	영상	NCC	Standard Deviation
20.0	(정상)Blur3	0.96613	0.000089
	(기존 방법)Scratch	0.95604	0.000124
	(본 발명)Scratch	0.93682	0.000272

표 3을 살펴보면, 기존 방법에 의하는 경우 Scratch 불량 영상과 정상 영상의 NCC 값의 차이가 0.01009임을 알 수 있고, 본 발명에 의하는 경우 Scratch 불량 영상과 정상 영상의 NCC 값의 차이가 0.02931로 기존 방법에 비해 약3배 가량 커진 것을 볼 수 있다.

(3) 문자의 중간 부분이 깨진 불량 영상

도 11은 본 실험에 사용한 Broken 불량 영상 및 정상 영상을 나타낸 도면이다. 문자의 중간 부분이 깨진 모양으로 생성되는 Broken 불량은 주로 마크 생성시 프린팅 오류로 발생하며, 배경색과 비슷한 밝기로 나타난다.

도 12는 Broken 불량 영상의 검사 결과를 나타낸 그래프이다. 여기서, 사각형의 Blur3는 정상 영상의 상관 관계 분포를, 원형의 Blur2Broken은 기존 방법에 의한 불량 영상의 상관 관계 분포를, 삼각형의 Blur2Broken은 본 발명에 의한 불량 영상의 상관 관계 분포를 나타낸 것이다. 그리고, 표 4에 그 결과를 나타내었다.

SNR	영상	NCC	Standard Deviation
20.0	(정상)Blur3	0.966130	0.000089
	(기존 방법)Broken	0.960730	0.000092
	(본 발명)Broken	0.937950	0.000211

표 3을 살펴보면, 기존 방법에 의하는 경우 Broken 불량 영상과 정상 영상의 NCC 값의 차이가 0.0054임을 알 수 있고, 본 발명에 의하는 경우 Broken 불량 영상과 정상 영상의 NCC 값의 차이가 0.02818로 기존 방법에 비해 약5배 가량 커진 것을 볼 수 있다.

(4) 문자의 불량 위치 및 불량 두께의 변화에 따른 분포 분석

여기서는 일부가 잘려나간 문자(Cut 불량), 표면에 긁힘이 있는 문자(Scratch 불량), 깨진 문자(Broken 불량)에서 불량의 위치 및 불량 두께의 변화에 따라 상관 관계 분포가 어떻게 나타나는지를 실험하였다.

도 13은 문자의 불량 위치 및 불량 두께의 변화에 따른 상관 관계 분포를 관찰하기 위해 사용한 불량 영상들을 나타낸 도면이다. 여기서, 상기 불량 영상들은 각 불량 영상당 불량의 개수를 3개 이내로 제한하였고, 불량의 개수에 따라 다른 위치에 불량을 추가한 각각 20개의 영상을 추가로 생성하여 실험하였다.

도 14는 문자의 불량 위치 및 불량 두께의 변화에 따른 상관 관계 분포를 나타낸 그래프이다. 여기서, 항목 이름의 끝에 'D'를 표시한 항목은 본 발명의 문자 분할 방법을 적용한 결과 데이터이고, 그렇지 않은 항목은 본 발명의 문자 분할 방법을 적용하지 않은 결과 데이터이다. 여기서, 노이즈는 SNR 22로 고정하였다.

이에 도시된 바와 같이, 여러 가지의 불량의 형태 및 위치를 변화시키더라도 불량과 정상의 구분을 유지하는 것을 확인할 수 있다.

(5) 각 분할 영역에 대한 상관 계수 값 중 최대 값과 최소 값의 차이를 이용한 불량 검출

여기서는 정상 영상을 본 발명의 분할 방법으로 검사하였을 때의 최대 값과 최소 값의 차와, 불량 영상을 본 발명의 분할 방법으로 검사하였을 때의 최대 값과 최소 값의 차이를 분석하여 그 결과를 도 15에 나타내었다.

이에 도시된 바와 같이, 문자를 분할한 후 각 분할 영역에 대한 상관 계수 값의 최대 값과 최소 값의 차가 불량 분별의 지표가 될 수 있음을 알 수 있다.

즉, 불량 마크(Scratch, Broken, Cut)의 경우 상관 계수 값의 최대 값과 최소 값의 차가 일정한 값(0.025) 이상에서 나타나고, 정상 마크의 경우 상관 계수 값의 최대 값과 최소 값의 차가 0.010 이하의 매우 낮은 값에서 나타나는 것을 볼 수 있다.

(6) 실제 반도체 패키지의 마크를 적용한 결과

여기서는 실제 반도체 패키지의 마크를 이용하여 본 발명을 적용한 결과를 나타내었다. 도 16은 본 실험에 적용한 실제 반도체 패키지의 불량 마크를 나타낸 도면이고, 도 17은 각 불량 형태(Broken, Cut, Scratch)별 결과를 나타낸 도면이다.

이상에서 대표적인 실시예를 통하여 본 발명에 대하여 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다.

그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

도 1은 본 발명의 마크 분할 검사 방법을 나타낸 순서도.

도 2는 본 발명에 의한 실험에서 사용한 기준 영상, 정상 영상 및 조명 불 균일의 생성을 위한 불 균일 영상을 나타낸 도면.

도 3은 정상 영상에 블러(Blur) 효과 및 조명 불 균일을 적용한 도면.

도 4는 기존의 마크 검사 방법에 의한 정상 영상의 상관 계수 분포를 나타낸 그래프.

도 5는 긁힘(Scratch), 문자 일부가 잘려나감(Cut), 깨짐(Broken)의 불량 영상을 나타낸 도면.

도 6은 기존의 마크 검사 방법에 의한 불량 영상의 상관 계수 분포를 나타낸 그래프.

도 7은 본 발명에 의한 실험에 사용한 Cut 불량 영상 및 정상 영상을 나타낸 도면.

도 8은 Cut 불량 영상의 검사 결과를 나타낸 그래프.

도 9는 본 발명에 의한 실험에 사용한 Scratch 불량 영상 및 정상 영상을 나타낸 도면.

도 10은 Scratch 불량 영상의 검사 결과를 나타낸 그래프.

도 11은 본 발명에 의한 실험에 사용한 Broken 불량 영상 및 정상 영상을 나타낸 도면.

도 12는 Broken 불량 영상의 검사 결과를 나타낸 그래프.

도 13은 문자의 불량 위치 및 불량 두께의 변화에 따른 상관 관계 분포를 관찰하기 위해 사용한 불량 영상들을 나타낸 도면.

도 14a 내지 도 14c는 문자의 불량 위치 및 불량 두께의 변화에 따른 상관 관계 분포를 나타낸 그래프.

도 15는 정상 영상을 본 발명의 분할 방법으로 검사하였을 때의 최대 값과 최소 값의 차와, 불량 영상을 본 발명의 분할 방법으로 검사하였을 때의 최대 값과 최소 값의 차이를 분석한 결과를 나타낸 그래프.

도 16은 본 발명에 의한 실험에 적용한 실제 반도체 패키지의 불량 마크를 나타낸 도면.

도 17은 실제 반도체 패키지의 각 불량 형태(Broken, Cut, Scratch)별 결과를 나타낸 도면.

Claims (5)

1. 마크의 불량 여부를 판정하기 위한 기준이 되는 기준 영상을 취득하는 단계;

   마크의 불량 여부를 판정할 검사 영상을 취득하는 단계;

   상기 기준 영상과 검사 영상에 대해 문자 단위의 상관도를 구한 후, 상기 상관도 값과 기설정된 제1 임계값을 비교하는 단계;

   상기 상관도 값이 제1 임계값보다 큰 경우, 상기 해당 문자를 일정한 개수의 영역으로 분할하는 단계; 및

   상기 분할한 영역별로 기준 영상과 검사 영상의 상관도를 구한 후, 상관도의 최대 값 및 최소 값의 차이와 기설정된 제2 임계값을 비교하여 검사 영상의 불량 여부를 판정하는 단계를 포함하여 이루어지는 마크 분할 검사 방법.
2. 제1항에 있어서,

   상기 상관도 값이 제1 임계값보다 작은 경우,

   상기 검사 영상을 불량으로 판단하는 단계를 더 포함하여 이루어지는 마크 분할 검사 방법.
3. 제1항에 있어서,

   상기 해당 문자를 일정한 개수의 영역으로 분할하는 단계는,

   상기 해당 문자를 4개의 영역으로 분할하는 것을 특징으로 하는 마크 분할 검사 방법.
4. 제1항 내지 제3항 중 어느 하나의 항에 있어서,

   상기 상관도의 최대 값 및 최소 값의 차이와 제2 임계값을 비교하여 검사 영상의 불량 여부를 판정하는 단계는,

   상기 상관도의 최대 값 및 최소 값의 차이가 제2 임계값보다 큰 경우, 상기 검사 영상을 불량으로 판단하는 것을 특징으로 하는 마크 분할 검사 방법.
5. 제1항 내지 제3항 중 어느 하나의 항에 있어서,

   상기 상관도의 최대 값 및 최소 값의 차이와 제2 임계값을 비교하여 검사 영상의 불량 여부를 판정하는 단계는,

   상기 상관도의 최대 값 및 최소 값의 차이가 제2 임계값보다 작은 경우, 상기 검사 영상을 정상으로 판단하는 것을 특징으로 하는 마크 분할 검사 방법.

Images