KR102188568B1 - 인공지능 기반의 디스플레이 패널 검사방법 - Google Patents

인공지능 기반의 디스플레이 패널 검사방법 Download PDF

Info

Publication number
KR102188568B1
KR102188568B1 KR1020190087843A KR20190087843A KR102188568B1 KR 102188568 B1 KR102188568 B1 KR 102188568B1 KR 1020190087843 A KR1020190087843 A KR 1020190087843A KR 20190087843 A KR20190087843 A KR 20190087843A KR 102188568 B1 KR102188568 B1 KR 102188568B1
Authority
KR
South Korea
Prior art keywords
inspection
display panel
waveform
artificial intelligence
electrical
Prior art date
Application number
KR1020190087843A
Other languages
English (en)
Inventor
이경하
김진성
Original Assignee
주식회사 디이엔티
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 디이엔티 filed Critical 주식회사 디이엔티
Priority to KR1020190087843A priority Critical patent/KR102188568B1/ko
Application granted granted Critical
Publication of KR102188568B1 publication Critical patent/KR102188568B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
    • G09G3/006—Electronic inspection or testing of displays and display drivers, e.g. of LED or LCD displays
    • H01L51/0031—
    • H01L51/56—
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10K—ORGANIC ELECTRIC SOLID-STATE DEVICES
    • H10K71/00—Manufacture or treatment specially adapted for the organic devices covered by this subclass
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10K—ORGANIC ELECTRIC SOLID-STATE DEVICES
    • H10K71/00—Manufacture or treatment specially adapted for the organic devices covered by this subclass
    • H10K71/70—Testing, e.g. accelerated lifetime tests
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N2021/9513—Liquid crystal panels

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Manufacturing & Machinery (AREA)
  • Electroluminescent Light Sources (AREA)

Abstract

OLED(Organic Light Emitting Diodes)와 같은 디스플레이 장치의 패널 제조 공정상에서 전자동 인공지능 기반의 비전 검사(vision examination)와 비전 검사에서 이미지로 검사 불가능한 invisible 영역과 극소 결함에 대해 전기적 검사를 병행 수행하여 디스플레이 패널의 검사에 정확성을 도모할 수 있도록 한 인공지능 기반의 디스플레이 패널 검사방법에 관한 것으로서, 디스플레이 패널 검사 운영 콘솔에서 비전 검사기를 통해 검사 이미지를 획득하고, 전기 검사기를 이용하여 검사 대상 TFT 패널의 픽셀 단위 출력 파형을 검출하고, 검출한 출력 파형을 전처리하여 전기 검사 파형을 획득하며, 획득한 검사 이미지 및 전기 검사 파형을 인공지능 학습 알고리즘인 딥 러닝 알고리즘으로 분석하여 불량 유무를 판정하고, 불량 발생 시, 불량 유형 및 불량 발생 공정을 판정한 후, 판정한 불량 유형 및 불량 발생 공정의 복구를 위한 조치 정보를 자동으로 생성하여, 비전 검사에서 검출하지 못하는 invisible 영역과 극소 결함을 정확하게 검출할 수 있게 된다.

Description

인공지능 기반의 디스플레이 패널 검사방법{Display panel inspection method based on artificial intelligence}
본 발명은 인공지능 기반의 디스플레이 패널 검사에 관한 것으로, 특히 OLED(Organic Light Emitting Diodes)와 같은 디스플레이 장치의 패널 제조 공정상에서 전자동 인공지능 기반의 비전 검사(vision examination)와 비전 검사에서 이미지로 검사 불가능한 invisible 영역과 극소 결함에 대해 전기적 검사를 병행 수행하여 디스플레이 패널의 검사에 정확성을 도모할 수 있도록 한 인공지능 기반의 디스플레이 패널 검사방법에 관한 것이다.
디스플레이 장치들 중, 유기 발광 디스플레이(OLED) 장치는 시야각이 넓고 콘트라스트가 우수할 뿐만 아니라 응답속도가 빠르다는 장점을 가지고 있어 차세대 디스플레이 장치로서 주목을 받고 있다.
이와 같은 유기 발광 디스플레이 장치와 같은 디스플레이 패널은 제작 시 다양한 형태의 결함이 발생할 수 있으며, 이와 같은 디스플레이 패널의 이물이나 번짐(얼룩) 및 표면 흠집, 기포 등은 디스플레이의 성능에 악영향을 끼치므로 사전검사를 통해 철저히 검출/제거되어야 한다.
특히, OLED 패널에 결함이 발생한 것을 사전에 검출하지 못하고, 이를 이용하여 디스플레이 장치를 제작할 경우, 불량이 발생하여 매우 큰 손실을 유발하므로, 디스플레이 장치의 제작을 완료하기 이전에 OLED 패널의 결함을 사전에 검출하는 것은 매우 중요하다 할 것이다.
디스플레이 패널 제조에서 제조 후 화질 불량, 성능 검사를 수행해야 하며, 제조 공정에서 일부 자동검사가 이루어지고 있으나, 최종적으로는 검사자가 제품의 화질을 판단하는 수동 검사를 수행한다.
일반적인 디스플레이 패널의 검사 방법은 디스플레이 제조 공정상에서 제품의 화질을 평가하여 불량 유무를 판단하는 방법이며, 도 1에 도시한 바와 같이, 단계 S10에서 비전 검사기를 이용하여 광학적으로 검사를 하고, 단계 S20에서 검사 결과를 이미지로 처리한다. 이후 단계 S30에서 처리된 이미지를 검사자가 육안으로 확인하여 불량 유무를 판정하고, 불량으로 판정 시 단계 S40에서 엔지니어에 의해 어느 공정에 불량이 발생했는지를 분석한다. 이후 불량 분석이 완료되면 단계 S50에서 해당 공정의 조치를 수행한다.
그러나 상기와 같은 디스플레이 패널의 수동 검사는 일관성을 유지하는 데 어려움이 있고, 제조 비용이 상승하는 등의 문제점을 유발한다.
따라서 상기와 같은 수동 비전 검사를 통해 수행하는 문제점을 개선하기 위해 다양한 디스플레이 검사 방법이 제안되고 있으며, 하기의 <특허문헌 1> 내지 <특허문헌 4> 에도 종래에 제안된 디스플레이 검사 방법이 개시되어 있다.
<특허문헌 1> 에 개시된 종래기술은 디스플레이 패널의 제1면과 마주보도록 형성되는 3D 센서, 디스플레이 패널의 제2면과 마주보도록 형성되는 영상 획득부를 이용하여, 제1면과 제2면의 결함을 동시에 검사할 수 있는 디스플레이 패널 검사 장치 및 디스플레이 패널 검사 방법을 제공한다.
또한, <특허문헌 2> 에 개시된 종래기술은 이물질 촬영을 위한 카메라를 이용하고, 평판 디스플레이 패널의 두께를 다수개의 높이로 분할한 후 분할된 다수개의 높이의 각각의 중심선에 카메라의 초점을 정렬시켜 촬영함으로써 이물질의 수직방향의 두께와 관계없이 이물질의 촬영 이미지를 선명하게 촬영할 수 있도록 하여, 평판 디스플레이 패널의 이물질을 검사한다.
또한, <특허문헌 3> 에 개시된 종래기술은 평판 디스플레이 패널에 테스트 패턴을 표시한 후 검사대상 평판 디스플레이 패널의 영상을 획득하는 디스플레이 패널 검사기, 디스플레이 패널 검사기에서 획득한 영상을 처리하여 결함(Defect)을 검출하고 판정기준과 비교하여 자동 판정한 후 사용자 인터페이스(GUI)를 통해 표출하는 자동판정기를 포함한다. 이러한 구성을 통해, 다수의 CCD 카메라를 이용하여 검사대상 패널의 고해상도 이미지를 획득한 후, 결함을 자동을 판정한다.
또한, <특허문헌 4> 에 개시된 종래기술은 빛이 통과할 수 있는 복수의 패널 안착부를 갖는 패널 안착 테이블, 패널 안착 테이블을 회전시키는 테이블 회전장치, 광 투과성 디스플레이용 패널의 이미지를 획득하기 위한 검사 카메라를 이용하여, 각종 광 투과성 디스플레이용 패널을 연속적으로 신속하게 검사하게 된다.
대한민국 등록특허 10-1584767(2016.01.12. 공고)(디스플레이 패널 검사 장치 및 디스플레이 패널 검사방법) 대한민국 등록특허 10-1789651(2017.10.25. 공고)(평판 디스플레이 패널의 이물질 검사방법) 대한민국 등록특허 10-1256369(2013.04.15. 등록)(다수의 카메라를 이용한 평판 디스플레이 패널 검사장치 및 방법) 대한민국 등록특허 10-1146722(2012.05.17. 공고)(디스플레이용 패널의 검사장치)
그러나 상기와 같은 종래기술들은 카메라와 같은 비전 장치를 이용하여 디스플레이 패널을 검사하는 방식으로서, 비전 카메라로 OLED 패널의 외부 검사는 가능하나 이미지로 검사 불가능한 invisible 영역과 극소 결함에 대해서는 검사할 수 없는 단점이 있다.
따라서 본 발명은 상기와 같은 종래기술에서 발생하는 제반 문제점을 해결하기 위해서 제안된 것으로서, OLED(Organic Light Emitting Diodes)와 같은 디스플레이 장치의 패널 제조 공정상에서 전자동 인공지능 기반의 비전 검사(vision examination)와 비전 검사에서 이미지로 검사 불가능한 invisible 영역과 극소 결함에 대해 전기적 검사를 병행 수행하여 디스플레이 패널의 검사에 정확성을 도모할 수 있도록 한 인공지능 기반의 디스플레이 패널 검사방법을 제공하는 데 그 목적이 있다.
본 발명의 다른 목적은 인공 지능 학습에 의해 정확한 문제발생 공정을 판정하고, 생산 공정 빅 데이터 및 MES 제어를 통해 문제가 발생한 공정의 조치 정보를 자동으로 제공해줄 수 있는 인공지능 기반의 디스플레이 패널 검사방법을 제공하는 것이다.
상기한 바와 같은 목적을 달성하기 위하여, 본 발명에 따른 "인공지능 기반의 디스플레이 패널 검사 방법"은, (a) 디스플레이 패널 검사 운영 콘솔에서 검사 대상 TFT 패널을 광학적으로 검사하는 비전 검사기를 이용하여 검사 대상 TFT의 게이트를 구동하여 점등 이미지를 획득한 후 점등 이미지를 처리하여 검사 이미지를 획득하는 단계; (b) 상기 디스플레이 패널 검사 운영 콘솔에서 상기 비전 검사기에 일체로 내장된 전기 검사기를 이용하여 검사 대상 TFT의 라인별 게이트를 구동하여 출력 파형을 검출하고, 검출한 출력 파형을 전처리하여 전기 검사 파형을 획득하는 단계; (c) 상기 디스플레이 패널 검사 운영 콘솔에서 상기 (a) 및 (b)단계에서 각각 획득한 검사 이미지 및 전기 검사 파형을 인공지능 학습 알고리즘인 딥 러닝 알고리즘으로 분석하여 불량 유무를 판정하는 단계; (d) 상기 디스플레이 패널 검사 운영 콘솔에서 상기 (c)단계의 판정 결과 불량 발생 시, 불량 유형 및 불량 발생 공정을 판정하는 단계; (e) 상기 디스플레이 패널 검사 운영 콘솔에서 상기 (d)단계에서 판정한 불량 유형 및 불량 발생 공정의 복구를 위한 조치 정보를 자동으로 생성하는 단계를 포함하는 것을 특징으로 한다.
상기에서 (b)단계의 전기 검사는 S/D 형성 후 픽셀 구조 완성 후 전기 검사를 실행하는 것을 특징으로 한다.
상기에서 (c)단계는 디스플레이 패널의 TFT 제조 시 각 공정에 기인한 점등 정보를 학습 데이터로 누적 저장하여 빅데이터화하고, 딥 러닝 알고리즘을 이용하여 빅데이터를 학습하여 기준 3D 패턴 검사 이미지를 생성하여 저장하고, 검사 시 공정별로 획득한 검사 이미지와 상기 기준 3D 패턴 검사 이미지를 비교하여 그 차이로 획득한 검사 이미지의 불량 유무를 판정하는 것을 특징으로 한다.
상기에서 (c)단계는 디스플레이 패널의 TFT 제조 시 공정별 픽셀 단위의 파형(휘도)을 매핑하고, 마스크 필터(mask filter)를 사용하여 유의성 있는 파형을 학습 데이터로 확정하고, 딥 러닝 알고리즘을 이용하여 학습하여 전기 검사 기준 파형을 생성하여 저장하고, 전기 검사 시 공정별로 획득한 파형을 상기 전기 검사 기준 파형과 비교하여 gap의 차이 값으로 불량 유무를 판정하는 것을 특징으로 한다.
상기에서 (c)단계는 전기 검사기에 의해 획득한 휘도 파형을 매핑하고, 마스크 필터를 이용하여 학습된 유의성 있는 맵과 유사한 형태의 모양을 인공지능 필터를 통해서 검사 파형으로 확정하는 것을 특징으로 한다.
상기에서 (c)단계의 전기 검사 파형의 검사는 획득한 파형과 전기 검사 기준 파형을 점, 선, 면을 포함하는 입체형상으로 비교하여 불량 유무를 판정하는 것을 특징으로 한다.
상기에서 (c)단계는 전기 검사 파형의 불량 유무 판정 시 전기적 TFT 특성을 딥 러닝 알고리즘으로 분석하되, 상기 전기적 TFT 특성은 클록(Clock), 펄스 폭(Pulse width), 진폭(Vgh), 공급 전압(Vd) 의존성을 검사하는 것을 특징으로 한다.
본 발명에 따르면 OLED(Organic Light Emitting Diodes)와 같은 디스플레이 장치의 패널 제조 공정상에서 전자동 인공지능 기반의 비전 검사(vision examination)와 비전 검사에서 이미지로 검사 불가능한 invisible 영역과 극소 결함에 대해 전기적 검사를 병행 수행하여, 디스플레이 패널의 검사에 정확성을 도모할 수 있는 장점이 있다.
또한, 본 발명에 따르면 인공 지능 학습에 의해 정확한 문제발생 공정을 판정하고, 생산 공정 빅 데이터 및 MES 제어를 통해 문제가 발생한 공정의 조치 정보를 자동으로 제공해줄 수 있는 장점이 있다.
도 1은 종래 디스플레이 패널의 검사방법을 보인 흐름도,
도 2는 본 발명에 따른 인공지능 기반의 디스플레이 패널 검사방법이 적용되는 검사 시스템의 개략 구성도,
도 3은 본 발명에 따른 인공지능 기반의 디스플레이 패널 검사방법을 보인 흐름도,
도 4는 본 발명에서 이슈 공정을 확정하고, 확정한 공정의 비전 검사와 전기 검사 예시도,
도 5는 본 발명에서 비전 검사로 획득한 이미지와 전기 검사로 획득한 파형 예시도,
도 6은 본 발명에서 전기 검사를 인공지능 기반으로 분석하는 분석 예시 도이다.
이하 본 발명의 바람직한 실시 예에 따른 인공지능 기반의 디스플레이 패널 검사방법을 첨부된 도면을 참조하여 상세하게 설명한다.
도 2는 본 발명에 따른 본 발명에 따른 인공지능 기반의 디스플레이 패널 검사방법이 적용되는 검사 시스템의 개략 구성도로서, OLED 장치와 같은 디스플레이 장치의 패널을 검사하는 검사 장비(1)가 마련되며, 상기 검사 장비(1)의 소정 위치에는 검사 대상인 디스플레이 패널에 대해 비전 검사와 전기 검사를 수행하는 비전 검사기와 전기 검사기가 일체로 내장된 계측수단(10)이 탑재된다.
여기서 비전 검사기와 전기 검사기는 기존 디스플레이 패널의 불량 유무를 검출하기 위해서 통상적으로 사용하는 비전 검사기와 전기 검사기를 이용할 수 있다.
상기 계측수단(10)에서 측정된 검사 영상과 전기 검사 신호는 데이터 인터페이스인 라우터(20)를 경유하여 디스플레이 패널 검사 운영 콘솔(Operator Console)에 전달된다.
디스플레이 패널 검사 운영 콘솔(30)은 상기 라우터(20)를 통해 계측 수단(10)을 제어하며, 비전 검사기로부터 획득한 검사 영상을 처리하여 검사 이미지를 획득하고, 전기 검사기로부터 획득한 전기 검사 파형을 전처리하여 검사 파형을 획득하고, 인공지능 기반의 딥 러닝(Deep Learning) 알고리즘으로 분석하여 디스플레이 패널의 불량 유무를 판정한다. 아울러 디스플레이 패널의 불량 판정 시 불량 유형과 불량 공정을 판정하고, 판정한 불량에 대하여 조치를 취할 수 있는 조치 정보를 자동으로 생성한다. 이렇게 자동으로 생성한 조치 정보를 공정의 단말기나 검사자의 단말기로 제공하여, 실시간으로 해당 공정의 조치가 이루어지도록 한다.
도 3은 본 발명에 따른 인공지능 기반의 디스플레이 패널 검사 방법을 보인 흐름도로서, (a) 디스플레이 패널 검사 운영 콘솔(30)에서 검사 대상 TFT 패널을 광학적으로 검사하는 비전 검사기를 이용하여 검사 대상 TFT의 패턴 이미지를 획득하고, 획득한 패턴 이미지를 처리하여 검사 이미지를 획득하는 단계(S101 - S102), (b) 상기 디스플레이 패널 검사 운영 콘솔(30)에서 상기 비전 검사기에 일체로 내장된 전기 검사기를 이용하여 검사 대상 TFT의 라인별 게이트를 구동하여 출력 파형을 검출하고, 검출한 출력 파형을 전처리하여 전기 검사 파형을 획득하는 단계(S103 - S104), (c) 상기 디스플레이 패널 검사 운영 콘솔(30)에서 상기 (a) 및 (b)단계에서 각각 획득한 검사 이미지 및 전기 검사 파형을 인공지능 학습 알고리즘인 딥 러닝 알고리즘으로 분석하여 불량 유무를 판정하는 단계(S105), (d) 상기 디스플레이 패널 검사 운영 콘솔(30)에서 상기 (c)단계의 판정 결과 불량 발생 시, 불량 유형 및 불량 발생 공정을 판정하는 단계(S106), (e) 상기 디스플레이 패널 검사 운영 콘솔(30)에서 상기 (d)단계에서 판정한 불량 유형 및 불량 발생 공정의 복구를 위한 조치 정보를 자동으로 생성하는 단계(S107)를 포함한다.
이와 같이 구성된 본 발명에 따른 인공지능 기반의 디스플레이 패널 검사 방법을 구체적으로 설명하면 다음과 같다.
먼저, 비전 검사기(광원, 카메라, 렌즈 등을 포함)와 전기 검사기(프로브, 신호 계측기 등을 포함)가 함께 탑재된 계측수단(10)을 검사 장비(1)의 검사 위치에 장착한다.
다음으로, 단계 S101과 같이 검사 대상 TFT 패널(OLED를 완성하기 이전의 중간단계)에 대해 비전 검사기를 이용하여 통상의 비전 검사 방식으로 검사를 수행하여 점등 이미지를 획득한다. 이렇게 획득되는 영상 이미지는 데이터 중계 장치인 라우터(20)를 통해 설정된 통신 방식으로 디스플레이 패널 검사 운영 콘솔(30)에 전달된다.
상기 디스플레이 패널 검사 운영 콘솔(30)은 단계 S102에서 획득한 영상 이미지를 전처리 등과 같은 기본적인 영상 처리를 하여 검사 이미지로 설정한다.
다음으로, 단계 S103에서 상기 디스플레이 패널 검사 운영 콘솔(30)은 상기 비전 검사기에 일체로 내장된 전기 검사기를 이용하여 검사 대상 TFT의 라인별 게이트의 출력 파형을 검출한다. 전기 검사기에서 검출된 신호는 상기 라우터(20)를 통해 디스플레이 패널 검사 운영 콘솔(30)에 전달된다.
여기서 전기 검사 방법은 OLED 패널 원판(회로만 실장되어 있는 패널들이 다수 배열되어 있는 글라스(glass) 판)을 픽셀 단위로 구동 테스트하여 전기적 신호를 검출한다. 즉, 전기 검사는 S/D 형성 후 픽셀 구조 완성 후 전기 검사를 실행한다. 여기서 OLED 패널 원판에는 COG(Chip On Glass) 패드(PAD)와 Visual 패드가 있는 데, 이 패드에 전기적 신호를 부여하기 위해, 전기 검사기에 15㎛ 정도의 핀(Pin)을 수십 ㎛ 간격으로 조립하여 패널과 접촉할 수 있도록 한 프로브 유닛 보드가 구현되어 있다.
이어, 단계 S104에서 상기 전기 검사기를 통해 검출한 출력 파형을 전처리하여 전기 검사 파형을 설정한다.
여기서 전기 파형 설정은, 디스플레이 패널의 TFT 제조 시 공정별로 픽셀 단위의 파형(휘도)을 매핑(mapping)하고, 마스크 필터(mask filter)와 같은 인공지능 필터를 이용하여, 상기 매핑한 파형을 필터링하여 유의성 있는 map과 같은 유사한 형태의 모양(shape)(비정형, 정형(사각, 원형, 물결 등)을 전기 검사 파형으로 설정한다.
도 5는 비전 검사에 대해 설정한 검사 이미지와 전기 검사에 대해 설정한 전기 검사 파형의 예시이다.
다음으로, 상기 디스플레이 패널 검사 운영 콘솔(30)은 상기 설정한 검사 이미지 및 전기 검사 파형을 인공지능 학습 알고리즘인 딥 러닝 알고리즘으로 분석하여 불량 유무를 판정한다.
예컨대, 검사 이미지의 불량 유무를 판정하기 위한 방법으로는, 사전에 디스플레이 패널의 TFT 제조 시 각 공정에 기인한 점등 정보를 학습 데이터로 누적 저장하여 빅데이터화하고, 딥 러닝 알고리즘을 이용하여 빅데이터를 학습하여 기준 3D 패턴 검사 이미지를 생성하여 저장한다.
그리고 디스플레이 패널 검사 시 상기 공정별로 획득한 검사 이미지와 공정별로 저장해 놓은 기준 3D 패턴 검사 이미지를 패턴 검사 방법으로 비교하여, 그 차이 값으로 획득한 검사 이미지의 불량 유무를 판정한다. 여기서 공정별 현재 획득한 검사 이미지와 미리 등록된 기준 3D 패턴 검사 이미지의 패턴을 비교하여 그 차이를 추출하고, 차이가 불량 유무를 판정하기 위해서 미리 정해놓은 기준 범위를 벗어나느 경우에 불량으로 판단을 한다.
상기 검사 대상 공정은 도 4에 도시한 바와 같이, 이슈 공정을 미리 확정하고, 이슈 공정별로 비전 검사를 통한 3D 패턴 검사와 전기 검사를 통한 단계별 배선 검사를 한다.
다음으로, 상기 디스플레이 패널 검사 운영 콘솔(30)은 전기 검사 파형을 분석하여, 공정별 불량 유무를 판정한다. 여기서 전기 검사는 주지한 바와 같이, 비전 검사에서 확인되지 않는 Invisible 영역과 극소 결함에 대한 보완검사이다.
전기 검사 방법으로는, 디스플레이 패널의 TFT 제조 시 공정별 픽셀 단위(4k × 4k)의 파형(휘도)을 매핑하고, 마스크 필터(mask filter)를 사용하여 유의성 있는 파형을 학습 데이터로 확정한다. 이어 확정한 학습 데이터를 인공지능 기반의 딥 러닝 알고리즘으로 학습하여 전기 검사 기준 파형을 생성하여 저장한다.
이후, 전기 검사 시 공정별로 획득한 파형을 상기 전기 검사 기준 파형과 비교하여 gap의 차이 값으로 불량 유무를 판정한다.
도 6은 데이터 라인 별 TFT 패널 게이트의 전기 검사를 통해 획득한 검사 파형으로서, 특정 픽셀 이상이 감지되는 경우, 진폭 값만으로 정확한 불량을 확정하기는 어려울 수 있다.
따라서 본 발명에서는 도 6의 하단 파형의 우측과 같이 전기 검사 파형의 검사는 획득한 파형과 전기 검사 기준 파형의 전기적 TFT 특성을 비교하여 불량 유무를 판정한다. 도 6의 하단 파형의 좌측 도면은 기존 진폭만으로 전기 검사를 판정하는 예시이다.
전기적 TFT 특성은 딥 러닝 알고리즘으로 분석한다. 상기 전기적 TFT 특성은 클록(Clock), 펄스 폭(Pulse width), 진폭(Vgh), 공급 전압(Vd) 의존성을 포함할 수 있다.
상기와 같이 전기 검사 방식을 이용하여 전기적 TFT 특성을 검사함으로써, 비전 검사에서 검사 불가능한 얼룩정보를 검출할 수 있다.
이어, 상기 디스플레이 패널 검사 운영 콘솔(30)은 단계 S106에서 비전 검사 및 전기 검사 판정 결과 불량 발생 시, 불량 유형 및 불량 발생 공정을 판정한다. 여기서 불량 발생 공정은 현재 검사하는 공정이 어느 공정인지를 알 수 있으며, 해당 공정에서 불량이 발생하면 이를 기초로 불량 발생 공정을 확정한다. 아울러 상기 전기 검사 결과를 기치로 불량 유형을 확정한다. 상기와 같이 TFT의 전기적 특성을 분석하여 그 결과로 얼룩정보와 같은 불량 유형을 확정한다.
이와 같이 불량 유형과 불량 공정을 판정하면, 상기 디스플레이 패널 검사 운영 콘솔(30)은 단계 S107에서 판정한 불량 유형 및 불량 발생 공정의 복구를 위한 조치 정보를 자동으로 생성한다. 여기서 사전에 공정별 불량 유형에 따른 복구 방법을 조치 정보로 테이블 형태로 미리 등록해 놓고, 불량 유형 및 불량 발생 공정이 확정되면, 조치 정보 테이블에 불량 공정 및 불량 유형을 인덱스로 적용하여 실시간 자동으로 공정별 조치 정보를 생성한다.
이렇게 생성되는 공정별 조치 정보는 디스플레이 패널 검사 운영 콘솔의 화면을 통해 실시간으로 디스플레이할 수 있으며, 불량이 발생한 공정에 설치된 단말기에 전송하여 해당 공정 단말기를 통해 실시간으로 확인할 수 있도록 할 수 있다. 또한, 관리자가 휴대한 관리 단말기로 전송하여 관리자도 실시간으로 어느 공정에서 어느 유형의 불량이 발생하였으며, 그 조치 정보가 무엇인지를 확인할 수 있도록 한다.
한편, 본 발명은 비전 검사와 전기 검사를 병행하는 것을 실시 예로 설명하였으나, 본 발명은 이것에 한정되는 것은 아니며, 비전 검사를 수행한 후 불량이 발생하면 전기 검사를 수행하지 않고 바로 불량을 판정하여, 중복 검사에 따른 시간 손실이나 불필요한 중복 검사를 생략할 수도 있다.
이상 본 발명자에 의해서 이루어진 발명을 상기 실시 예에 따라 구체적으로 설명하였지만, 본 발명은 상기 실시 예에 한정되는 것은 아니고 그 요지를 이탈하지 않는 범위에서 여러 가지로 변경 가능한 것은 이 기술분야에서 통상의 지식을 가진 자에게 자명하다.
1: 검사 장비
10: 계측 수단
20: 라우터
30: 디스플레이 패널 검사 운영 콘솔

Claims (8)

  1. 인공지능 알고리즘을 이용하여 디스플레이 패널을 검사하는 방법으로서,
    (a) 디스플레이 패널 검사 운영 콘솔에서 검사 대상 TFT 패널을 광학적으로 검사하는 비전 검사기를 이용하여 검사 대상 TFT 패널의 게이트를 구동하여 패턴 이미지를 획득한 후 패턴 이미지를 처리하여 검사 이미지를 획득하는 단계;
    (b) 상기 디스플레이 패널 검사 운영 콘솔에서 상기 비전 검사기에 일체로 내장된 전기 검사기를 이용하여 검사 대상 TFT 패널의 라인별 게이트를 구동하여 출력 파형을 검출하고, 검출한 출력 파형을 전처리하여 전기 검사 파형을 획득하는 단계;
    (c) 상기 디스플레이 패널 검사 운영 콘솔에서 상기 (a) 및 (b)단계에서 각각 획득한 검사 이미지 및 전기 검사 파형을 인공지능 학습 알고리즘인 딥 러닝 알고리즘으로 분석하여 불량 유무를 판정하는 단계;
    (d) 상기 디스플레이 패널 검사 운영 콘솔에서 상기 (c)단계의 판정 결과 불량 발생 시, 불량 유형 및 불량 발생 공정을 판정하는 단계; 및
    (e) 상기 디스플레이 패널 검사 운영 콘솔에서 상기 (d)단계에서 판정한 불량 유형 및 불량 발생 공정의 복구를 위한 조치 정보를 자동으로 생성하는 단계를 포함하고,
    상기 (c)단계는 디스플레이 패널의 TFT 제조 시 공정별 픽셀 단위의 파형을 매핑하고, 마스크 필터(mask filter)를 사용하여 유의성 있는 파형을 학습 데이터로 확정하고, 딥 러닝 알고리즘을 이용하여 학습하여 전기 검사 기준 파형을 생성하여 저장하며, 전기 검사 시 공정별로 획득한 파형을 상기 전기 검사 기준 파형과 비교하여 gap의 차이 값으로 불량 유무를 판정하는 것을 특징으로 하는 인공지능 기반의 디스플레이 패널 검사 방법.
  2. 청구항 1에서, 상기 (b)단계의 전기 검사는 S/D 형성하고 픽셀 구조 완성 후 전기 검사를 실행하는 것을 특징으로 하는 인공지능 기반의 디스플레이 패널 검사 방법.
  3. 청구항 1에서, 상기 (c)단계는 디스플레이 패널의 TFT 제조 시 각 공정에 기인한 점등 정보를 학습 데이터로 누적 저장하여 빅데이터화하고, 딥 러닝 알고리즘을 이용하여 빅데이터를 학습하여 기준 3D 패턴 검사 이미지를 생성하여 저장하고, 검사 시 공정별로 획득한 검사 이미지와 상기 기준 3D 패턴 검사 이미지를 비교하여 그 차이로 획득한 검사 이미지의 불량 유무를 판정하는 것을 특징으로 하는 인공지능 기반의 디스플레이 패널 검사 방법.
  4. 삭제
  5. 청구항 1에서, 상기 (c)단계는 전기 검사기에 의해 획득한 휘도 파형을 매핑하고, 마스크 필터를 이용하여 학습된 유의성 있는 맵과 유사한 형태의 모양을 인공지능 필터를 통해서 검사 파형으로 확정하는 것을 특징으로 하는 인공지능 기반의 디스플레이 패널 검사 방법.
  6. 삭제
  7. 청구항 1에서, 상기 (c)단계는 전기 검사 파형의 불량 유무 판정 시 전기적 TFT 특성을 딥 러닝 알고리즘으로 분석하되, 상기 전기적 TFT 특성은 클록(Clock), 펄스 폭(Pulse width), 진폭(Vgh), 공급 전압(Vd) 의존성 검사를 포함하는 것을 특징으로 하는 인공지능 기반의 디스플레이 패널 검사 방법.
  8. 청구항 1에서, 상기 (e)단계는 생성한 공정별 조치 정보를 디스플레이 패널 검사 운영 콘솔의 화면을 통해 실시간으로 디스플레이하거나, 불량이 발생한 공정에 설치된 단말기에 실시간으로 전송하거나, 관리자가 휴대한 관리 단말기로 실시간으로 전송하는 것을 특징으로 하는 인공지능 기반의 디스플레이 패널 검사 방법.


KR1020190087843A 2019-07-19 2019-07-19 인공지능 기반의 디스플레이 패널 검사방법 KR102188568B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190087843A KR102188568B1 (ko) 2019-07-19 2019-07-19 인공지능 기반의 디스플레이 패널 검사방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190087843A KR102188568B1 (ko) 2019-07-19 2019-07-19 인공지능 기반의 디스플레이 패널 검사방법

Publications (1)

Publication Number Publication Date
KR102188568B1 true KR102188568B1 (ko) 2020-12-09

Family

ID=73786951

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190087843A KR102188568B1 (ko) 2019-07-19 2019-07-19 인공지능 기반의 디스플레이 패널 검사방법

Country Status (1)

Country Link
KR (1) KR102188568B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102597501B1 (ko) * 2022-12-19 2023-11-03 주식회사 티지네트워크 Rf필터 검사 및 학습 시스템과 그 방법

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100996549B1 (ko) * 2003-10-30 2010-11-24 엘지디스플레이 주식회사 액정표시소자의 패턴검사시스템과 이를 이용한 패턴검사및 패턴복원방법
JP2012032369A (ja) * 2010-07-29 2012-02-16 Sharp Corp 欠陥識別方法、欠陥識別装置、プログラム、及び記録媒体
KR101146722B1 (ko) 2012-02-29 2012-05-17 한동희 디스플레이용 패널의 검사장치
KR101256369B1 (ko) 2012-05-15 2013-04-25 (주) 에스엘테크 다수의 카메라를 이용한 평판 디스플레이 패널 검사 장치 및 방법
KR101584767B1 (ko) 2015-06-16 2016-01-12 주식회사 미래컴퍼니 디스플레이 패널 검사 장치 및 디스플레이 패널 검사 방법
KR101789651B1 (ko) 2016-04-25 2017-10-25 주식회사 제이이노텍 평판 디스플레이 판넬의 이물질 검사 방법
KR20190052721A (ko) * 2016-10-07 2019-05-16 케이엘에이-텐코 코포레이션 반도체 웨이퍼 검사용 3차원 이미징

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100996549B1 (ko) * 2003-10-30 2010-11-24 엘지디스플레이 주식회사 액정표시소자의 패턴검사시스템과 이를 이용한 패턴검사및 패턴복원방법
JP2012032369A (ja) * 2010-07-29 2012-02-16 Sharp Corp 欠陥識別方法、欠陥識別装置、プログラム、及び記録媒体
KR101146722B1 (ko) 2012-02-29 2012-05-17 한동희 디스플레이용 패널의 검사장치
KR101256369B1 (ko) 2012-05-15 2013-04-25 (주) 에스엘테크 다수의 카메라를 이용한 평판 디스플레이 패널 검사 장치 및 방법
KR101584767B1 (ko) 2015-06-16 2016-01-12 주식회사 미래컴퍼니 디스플레이 패널 검사 장치 및 디스플레이 패널 검사 방법
KR101789651B1 (ko) 2016-04-25 2017-10-25 주식회사 제이이노텍 평판 디스플레이 판넬의 이물질 검사 방법
KR20190052721A (ko) * 2016-10-07 2019-05-16 케이엘에이-텐코 코포레이션 반도체 웨이퍼 검사용 3차원 이미징

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102597501B1 (ko) * 2022-12-19 2023-11-03 주식회사 티지네트워크 Rf필터 검사 및 학습 시스템과 그 방법

Similar Documents

Publication Publication Date Title
JP7339643B2 (ja) 溶液に浸された眼用レンズの屈折力および厚さを検査するためのシステムおよび方法
CN105021628A (zh) 一种用于光纤倒像器表面缺陷的检测方法
JPH07201946A (ja) 半導体装置等の製造方法及びその装置並びに検査方法及びその装置
CN110208269B (zh) 一种玻璃表面异物与内部异物区分的方法及系统
BRPI0711890A2 (pt) método para determinação do ángulo de divergência entre uma imagem primária e uma imagem secundária gerada por uma vidraça, programa de computador, e método para determinação de um ángulo de divergência entre uma imagem primária e uma imagem secundária gerada por uma vidraça
CN116128881B (zh) 一种用于缺陷产品同步标记的镜片检测系统及方法
KR102188568B1 (ko) 인공지능 기반의 디스플레이 패널 검사방법
KR101980755B1 (ko) 표시패널의 색감차 얼룩 자동 검사 장치 및 방법
CN109712115B (zh) 一种pcb板自动检测方法及系统
CN113125343A (zh) 光学检测设备与光学检测方法
JP2013153350A (ja) 赤外カメラを具備する配線欠陥検出装置、および当該赤外カメラの異常を検知する異常検知方法
KR101129708B1 (ko) 프로브 유닛의 블럭 베이스 검사장치, 및 이를 이용한 프로브 유닛의 블럭 베이스 검사방법
KR101188756B1 (ko) 편광판 얼룩 자동 검사 시스템 및 이를 이용한 편광판 얼룩검사 방법
CN115938255A (zh) 显示检测装置、检测方法及检测系统
CN115511791A (zh) 一种液晶光栅功能检测方法及系统
KR102034042B1 (ko) 평판 디스플레이 패널의 외관 스크래치 검사 방법
KR101188404B1 (ko) 디스플레이 패널 글라스 표면의 결함 검사 방법
JP2007187630A (ja) パターンの欠陥検出方法およびパターンの欠陥検出装置
KR100591853B1 (ko) Ｌｃｄ 모듈 검사 방법 및 장치
CN113966527B (zh) 激光修复方法、激光修复装置
KR20090074388A (ko) 표시패널의 검사 장치 및 그 방법
KR100478448B1 (ko) 액정 패널의 에지면 검사 방법
TW201339573A (zh) 平面基板之自動光學檢測方法及其裝置
JP3311628B2 (ja) 薄型表示機器の欠陥箇所位置決め装置
KR20100108954A (ko) 액정표시장치의 검사 시스템 및 방법

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant