KR20040103918A

KR20040103918A - 결함 검출 및 분석을 위한 적외선 서모그래피

Info

Publication number: KR20040103918A
Application number: KR10-2004-7011358A
Authority: KR
Inventors: 에나체스쿠마리안; 벨리코프세르게이
Original assignee: 마리나 시스템 코포레이션
Priority date: 2002-01-23
Filing date: 2003-01-22
Publication date: 2004-12-09
Also published as: US20030222220A1; US20030137318A1; US6840666B2; JP2006505764A; CN1620603A; US7149343B2; WO2003062809A1; CN100480693C; JP2009008687A

Abstract

적외선 서모그래피를 이용하여 개선된 결함 검출 및 분석을 제공하기 위한 방법 및 시스템이 설명된다. 신호 발생기 (330) 로부터의 테스트 벡터는 테스트 중인 장치 (305) 의 피처를 가열하여 결함을 식별하는데 유용한 열 특성을 생성한다. 테스트 벡터는 결함과 주위 피처 사이의 열 대비를 강화하도록 시간이 정해져서, 적외선 (IR) 이미징 설비 (315) 가 향상된 서모그래피 이미지를 획득할 수 있게 한다. 어떤 실시형태에서는, AC 와 DC 테스트 벡터의 조합이 전력 전달을 최대화하여 가열을 가속시키고, 그럼으로서 테스트를 가속시킨다. 향상된 이미지에 적용되는 수학적 변환이 결함 검출 및 분석을 더 강화시킨다. 어떤 결함은 결함을 모호하게 하는 이미지 산물, 즉 "결함 산물" 을 생성하여, 결함 위치 결정 태스크를 어렵게 한다. 어떤 실시형태는 결함을 분석하는 결함 위치결정 알고리즘을 채용하여 대응 결함의 위치를 정확하게 결정한다.

Description

결함 검출 및 분석을 위한 적외선 서모그래피{INFRARED THERMOGRAPHY FOR DEFECT DETECTION AND ANALYSIS}

배경

인쇄 회로 기판 (PCB), 집적 회로, 평판 디스플레이 (FPD) 등의 전기 회로는 적외선 (IR) 서모그래피를 이용하여 테스트 될 수 있다. 일반적으로, 테스트 중인 장치 (device under test; DUT) 에 전력이 인가되어 다양한 장치 피처 (feature) 를 가열한다. 그 후, 적외선 검출기가 가열된 DUT 의 테스트 이미지를 포착한다. 그 후, 나타난 이미지, 즉 피사체에 공간적으로 상관된 픽셀 휘도 (intensity) 값의 집합이 유사한 기준 이미지 데이터의 집합과 비교된다. 통상 "복합 (composite) 이미지" 로 저장되는 테스트 데이터와 기준 데이터 간의 차이가 결함의 존재를 나타낸다.

결함 식별 알고리즘은 복합 이미지를 분석하여 자동적으로 결함을 식별하고, 그 결과 장치 제조에 있어서 처리량 (throughput) 과 품질을 향상시킨다. 이러한 검사 시스템의 예는, FPD, PCB, MEMS-기반 장치, 반도체 장치, 및 생의학 표본 (specimen) 등을 포함하나, 이에 제한되지 않는다. 이러한 시스템의 목적 중 하나는, 그 소자의 제조 중 어떤 중요 지점에서 소자에 잠재적으로 존재하는 결합을 테스트하는 것이다. 결함이 식별되면, 이는 복구 시스템에 의해 복구될 수 있고, 또는 그 장치를 버릴 것인지 선택할 수 있어, 두 경우 모두 제조 비용의 감소를 가져온다. 다른 응용예는 연구 표본, 즉 생물학에서 부산물적 (artifact-like) 피처의 검사 및 식별을 포함한다.

IR 서모그래피의 특별히 중요한 이용 중 하나는 액정 디스플레이 (LCD) 패널의 활성층, 즉 "활성 플레이트 (active plate)" 를 테스트하는 것이다. 결함 분석은 처리를 개선하고 제조 수율 (yield) 을 증가시키는데 사용될 수 있다. 또한 중요한 이용으로, 결함의 수와 범위가 너무 크지 않다면 결함이 있는 패널은 복구 될 수 있어, 제조 수율을 증가시킬 수 있다.

도 1 은 (종래 기술) LCD 패널에 사용되는 활성 플레이트 (100) 를 도시한다. (도 1 은 여기에서 참조하는, 2000년 8월 29일 허여된 Bosacchi 의 미국 특허 제 6,111,424 호에서 인용한 것이다.) 활성 플레이트 (100) 는, 일군의 소스 선 (115) 을 통해 픽셀 (110) 어레이 내의 픽셀 각각에 연결된 제 1 쇼트 바 (shorting bar; 105), 및 일군의 게이트 선 (제어 선) (125) 을 통해 각각의 픽셀 (110) 에 연결된 제 2 쇼트 바 (120) 를 포함한다.

Bosacchi 에 따르면, 쇼트 바 (105 및 120) 에 전압을 인가하여 활성 플레이트 (100) 의 IR 발산을 측정함으로써, 활성 플레이트 (100) 가 테스트된다. 이렇게 전력이 인가되면, 플레이트 (100) 의 일부는 저항 회로와 같이 동작하며, 따라서 열을 발산한다. 그러면, 바람직하게는 플레이트 (100) 가 안정 동작 온도 (열 평형) 에 도달한 후, 플레이트 (100) 의 가열 응답 특성이 측정된다.

결함이 없는 경우, 픽셀 어레이는 균일하게 가열되어야 한다. 비균일 열 특성은 이상 (aberrant) IR 휘도 값으로 식별되며, 따라서 결함의 존재를 나타낸다. 소정 이미지 프레임의 픽셀 휘도 값들을 평균하거나, 이상적인 또는 무결함의 기준 플레이트에 대응하는 기준 플레이트를 이용하여 기준 휘도 값을 얻을 수 있다.

도 2 (종래 기술) 는 종래의 픽셀 (110) 의 일부를 상세히 나타내며, 여기서는 많은 잠재적 결함을 도시하는데 사용된다. 도시된 픽셀 (110) 의 피처는 액정 디스플레이의 활성 플레이트와 관련되며, 소스 선 (115) 중 하나와 연결된 제 1 전류 취급 (current-handling) 단자, 게이트 선 중 하나와 연결된 제어 단자 및 커패시터 (210) 와 연결된 제 2 전류 취급 단자를 갖는 박막 트랜지스터 (200) 를 포함한다. 커패시터의 제 2 전극은 공통 선 (212) 에 연결된다. 픽셀 (110) 은 액정 유전체를 갖는 제 2 커패시터 (211) 도 포함한다.

결함은 단락 (short) 과 개방 (open) 을 모두 포함하며, 이는 예시적인 것으로 전부는 아니다. 단락은, 소스 선 (115) 과 게이트 선(125) (단락 (215)) 또는 공통 선 (212) (단락 (216)) 간에; 트랜지스터 (200) 의 두 전류 취급 단자간에 (단락 (220)); 트랜지스터 (200) 의 게이트와 제 2 전류 취급 단자간에 (단락 (225)); 및 커패시터 (210) 의 두 단자간에 (단락 (226)) 존재한다. 개방은 소스, 게이트, 및 공통 선을 분리하며 (개방 (227, 228 및 229)), 소스 선 (115) 과 트랜지스터 (200) 간에 (개방 (230)), 게이트 선 (125) 과 트랜지스터 (200) 의 제어 단자간에 (개방 (232)), 그리고 트랜지스터 (200) 와 커패시터 (210) 간에 (개방 (233)) 존재한다.

도 2 의 각 결함은, 기타 많은 것들과 함께, 픽셀 (110) 의 동작에 악영향을준다. 그러나, 이들 결함의 상당수는 종래의 테스트 방법을 이용하여 찾아내기 힘들다. 그러므로, 결함을 식별하고 위치를 찾아내는 개선된 방법 및 시스템이 필요하다.

어떤 검사 시스템은, 이미징 시스템에 결함을 강조하도록 테스트 대상물을 여기 (excite) 시키는 여기 소스를 포함한다. 여기 유형은 이미징 시스템에 따르며, 이미징 시스템은 가시 광선, 적외선, 결합 분광 (combined spectroscopy), 자기장 등에 기초하여 이미지를 얻는다. 어떤 이미징 시스템을 채용하던지, 테스트 대상물의 테스트 이미지는 어떤 기준 이미지와 대비되어 복합 이미지를 얻는다: 복합 이미지에서 테스트와 기준 이미지의 현저한 차이가 나타나며, 이는 잠재적인 결함을 식별한다.

어떤 형태의 여기는 결함 산물을 생성하며, 이는 결함에 의해 유발되는 테스트 및 기준 이미지의 차이이나, 결함 영역과 물리적으로 상관되지는 않는다. 두 선간의 단락은 그 선들을 통한 전류를 증가시키며, 결과적으로 단락과 함께 선의 온도를 상승시킨다. 그러므로, 그 선 자체는 결함이 없으나, 복합 이미지에서 단락과 함께 나타난다. 따라서, 단락을 나타내는 결함 데이터는 결함 산물 (defect-artifact) 데이터 (즉, 결함 산물) 내에 포함된다. 결함 산물은 종종 관련된 결함을 모호하게 하여, 정확하게 결함의 위치를 정하기 어렵게 한다. 조작자가 현미경으로 면밀히 검토하여 결함 산물 내의 결함의 위치를 정할 수 있으나, 사람은 상대적으로 느리고 빨리 지친다. 그러므로, 관련된 산물로부터 결함을 자동적으로 식별하는 수단이 필요하다.

도면의 간단한 설명

도 1 (종래 기술) 은 LCD 패널에 사용되는 활성 플레이트 (100) 의 일부를 도시한다.

도 2 (종래 기술) 는 예시적인 픽셀 (110) 을 상세히 나타내며, 여기서는 많은 잠재적 결함을 도시하는데 사용된다.

도 3 은 종래의 패널 (305) 과 본 발명의 실시형태에 따라 구성된 검사 시스템을 포함하는, 테스트 구성 (300) 을 도시한다.

도 4 는 일 실시형태에 따라 향상된 테스트 가능성 (testability) 을 제공하도록 구성된 패널 (400) 의 일부를 도시한다.

도 5 는 일 실시형태에 따라 구성된 LCD 패널 (500) 의 일부를 도시한다.

도 6a 는 상술한 샘플 결함 및 주위 영역의 열 응답을 도시하는 다이어그램 (600) 이다.

도 6b 는 샘플 결함 (610) 의 열 응답을 도시하는 다이어그램 (630) 이다.

도 6c 는 개방을 나타내는 선 (685) 을 강조하여 실험적으로 얻어진 이미지 (680) 를 도시한다.

도 7 은 3 개의 대표적 결함, 점형 (point-type) 결함 (705), 선형 (line-type) 결함 및 코너형 (corner-type) 결함 (710) 을 나타내는 복합 이미지 (700) 를 도시한다.

도 8 은 점형 결함 (805), 선형 결함 (810) 및 코너형 결함 (815) 을 나타내는 복합 이미지 (800) 이다.

도 9 는 일 실시형태에 따른 결함 위치 결정 알고리즘 (900) 을 도시하는 흐름도 (900) 이다.

도 10 은 도 9 의 MFA (910) 의 일 실시형태를 도시한다.

도 11 은 선형 결함 산물에 사용하도록 구성된 도 9 의 유형 특유의 (type-specific) MFA (935) 의 일 실시형태를 도시한다.

도 12 는 도 9 의 결함 위치지정 알고리즘 (DLA; 945) 의 일 실시형태를 도시한다.

도 13 은 일 실시형태에 따른 LDF 구조체 (1205) 의 어레이를 도시한다.

도 14 는 도 9 의 단계 (907) 에서 예상할 수 있는 것과 유사한, 예시적인 필터링 된 복합 이미지 (1400) 를 도시한다.

도 15a-15d 는 도 9 의 이미지 (940[1..i]) 와 같은 이진의, 유형 특유의 이미지 (1505, 1510 및 1515) 를 도시한다.

도 16 은 트리 (1600), 즉 도 15b-d 의 키 (1525, 1530 및 1535) 의 정보의 편집을 도시한다.

도 17 은 4 개의 결함 산물 (1607, 1710, 1715 및 1720) 간의 관계를 나타내는 예시적인 피크 프로파일 (1700) 이다.

상세한 설명

도 3 은 종래의 패널 (305) 과 본 발명의 실시형태에 따라 구성된 검사 시스템 (310) 을 포함하는, 테스트 구성 (300) 을 도시한다. 패널 (305) 은 도 1 및 2 의 패널 (100) 과 유사하며, 같은 번호의 구성요소는 동일하거나 유사하다.패널 (305) 는 도 1 에 도시되지 않았지만, 종래의 것인 쇼트 바 (312) 를 포함한다. 검사 시스템 (310) 은 패널 (305) 위로 배향되어, 프레임 그래버 (frame grabber; 325) 를 통해 컴퓨터 (320) 에 이미지 데이터를 제공하는 IR 검출기 (315; 예를 들어, IR 카메라) 를 포함한다. 여기 소스, 즉 신호 발생기 (330) 는 전기적 테스트 신호, 즉 "테스트 벡터" 를 패널 (310) 에 제공한다. 테스트 벡터는 패널 (310) 의 피처를 가열하여 결함을 식별하는데 유용한 열 특성을 생성한다.

컴퓨터 (325) 는 패널 (305) 에 테스트 벡터를 인가하도록 신호 발생기 (330) 를 제어한다. 이들 테스트 벡터는, 결함과 주위 피처간의 열 대비를 강화시키며, 결과적으로 결함 검출 및 분석을 위해 IR 검출기 (315) 가 개선된 서모그래프 이미지를 획득할 수 있도록 한다. 또한, 컴퓨터 (320) 는 IR 검출기 (315) 에게 언제 이미지 데이터를 획득할지 지시하고, 프레임 그래버 (325) 로부터 포착된 테스트 이미지를 수신하고 처리하며, 사용자 인터페이스 (도시되지 않음) 를 제공한다.

IR 검출기 (315) 는 최상의 온도 민감성을 가져야 한다. 일 실시형태에서, 검출기 (315) 는 256 x 320 소자 InSb (안티몬화 인듐) 검출기를 채용한 IR 초점 평면 어레이 열 이미지 카메라 (Focal-Plane Array Thermal Inaging Camera) 이다. 이 카메라의 최소 온도 민감도는 0.020 ℃ 미만이다. 어떤 실시형태는 다수의 IR 검출기, 예를 들어 상대적으로 저 배율의 결함 검출용 IR 카메라 및 고 배율의 결함 검출 및 분석용 IR 카메라를 포함한다. 검사 면적, 및 그에 따른검사 대역폭을 증가시키기 위해 추가적인 카메라도 사용될 수 있다.

신호 발생기 (330) 는 쇼트 바 (105) 에 소스 테스트 벡터 (V_TS) 를 제공하고, 쇼트 바 (120) 에 게이트 테스트 벡터 (V_TG) 를 제공하며, 쇼트 바 (312) 에 공통 테스트 벡터 (V_TC) 를 제공한다. 다시 도2 를 참조하면, 어떤 유형의 결함 (예를 들어, 개방 (230, 233 및 235)) 에 대한 테스트는 트랜지스터 (200) 가 온 (on) 되어 각각의 소스 및 공통 라인 (115 및 212) 사이에 신호 경로를 생성할 것을 요한다. 그러므로, 신호 발생기 (330) 는, 소스 및 공통 테스트 벡터 (V_TS및 V_TC) 를 인가하는 한편, 게이트 라인 (125) 에 (쇼트 바 (120) 를 통하여) DC 테스트 벡터 (V_TG) 를 인가하고, 그에 따라 트랜지스터 (200) 를 온 시킨다.

트랜지스터 (200) 가 순방향 바이어스 되어도, 커패시터 (210) 가 직류 전류를 차단하므로, 단락 (226) 이 없는 무결함 픽셀 (110) 은 직류 전류를 통과시키지 않을 것이다. 소스 및 공통 테스트 벡터 (V_TS및 V_TC) 는 따라서, 커패시터 (210) 를 통과하는 AC 신호를 생성하도록 선택된다. 패널 (305) 로의 전력 전달을 최대화하기 위해, AC 신호의 주파수는 패널 (305) 에 의해 제공되는 부하의 임피던스와 정합되고, 이는 가열 및 그에 따른 테스트를 촉진한다. 전력 전달의 최대화는 낮은 인가 전력으로 테스트를 할 수 있게 하기도 하며, 이는 민감한 구성요소를 손상시킬 가능성이 낮다. 또한 중요한 것은, 후술하는 바와 같이, 빠른 가열과 특정 이미지 포착 타이밍의 결합은 향상된 열 대비를 제공한다는 것이다. 일 실시형태에서, 소스 테스트 벡터 (V_TS) 는 0 에서 30 볼트 사이를 약 70 kHz 로 진동하며, 공통 테스트 벡터 (V_TC) 는 접지 전위에 있다.

어떤 실시형태들은 AC 또는 DC 테스트 벡터 중 하나를, 소스 라인 (115) 과 공통 라인 (212) 사이, 소스 라인 (115) 과 게이트 라인 (125) 사이 및 게이트 라인 (125) 과 공통 라인 (212) 사이에 인가한다. 또 다른 실시형태는 트랜지스터 (200) 을 온 시키는데 AC 신호를 채용한다. 후술하는 바와 같이, AC 및 DC 테스트 벡터의 동시 인가는, 한 유형의 파형만 (예를 들어, DC, AC 또는 펄스 DC 테스트 벡터만) 을 인가하여 얻을 수 있는 것 보다 더욱 포괄적인 테스트를 용이하게 한다.

도 4 는 일 실시형태에 따라 향상된 테스트 가능성 (testability) 을 제공하도록 구성된 패널 (400) 의 일부를 도시한다. 종래와 같이 패널 (400) 은 각각 소스 라인 (410), 게이트 라인 (415) 및 공통 라인 (420) 에 연결된 픽셀 (405) 의 어레이를 포함한다. 4 세트의 쇼트 바 (소스 바 (425), 게이트 바 (435), 및 공통 바 (430)) 는 도 3 과 같은 검사 시스템이 픽셀 (405) 의 일부를 테스트 할 수 있게 한다. 다른 방법으로는, 4 세트의 동일 유형 바 (예를 들어, 4 개의 소스 바 또는 4 개의 게이트 바) 가 선택된 열 또는 행에 전류를 인가하는데 사용될 수 있다. 인접 피처에는 전류가 흐르지 않게 하면서 일부 피처에 전류를 인가하는 것은 이미지 대비를 향상시킬 수 있다. 다른 실시형태에서, 하나 또는 두 가지 유형의 쇼트 바만이 세트로 제공된다. 예를 들어, 하나의 게이트 바(435) 및 하나의 공통 바 (430) 만이 있을 수 있으며, 이 경우 픽셀 (405) 은 4 세트의 열에서 여기될 수 있다. 또한, 한 세트 이상의 쇼트 바는 4 개보다 많거나 적은 쇼트 바를 포함할 수 있다.

도 5 는 다른 실시형태에 따라 구성된 LCD 패널 (500) 의 일부를 도시한다. 종래와 같이 패널 (500) 은, 각각이 소스 라인 (510), 게이트 라인 (515), 및 공통 라인 (520) 에 연결된 픽셀 (505) 어레이를 포함한다. 소스 바 (525), 게이트 바 (530) 및 공통 바 (535) 는 검사 시스템이 테스트 영역을 하나씩 구동시킬 수 있도록 분할된다. 다른 방법으로는, 더 적은 유형의 바만이 분할될 필요가 있다. 예를 들어, 소스 및 게이트 바가 분할된다면, 공통 바는 영역 (540) 을 구동시키기 위해 분할될 필요가 없다. 영역 (540) 은 이미지를 포착하기 위해 사용되는 IR 검출기의 시야와 동일한 공간에 걸쳐있을 수 있다. 주어진 영역 내의 픽셀 (505) 의 수는 일반적으로 이 단순한 예에서 도시된 것 보다 훨씬 많다.

도 6a 는 예시적인 샘플 결함 및 주위 영역의 열 응답을 도시하는 다이어그램 (600) 이다. 샘플 결함은 약 25000 옴의 저항 (R), 약 10^-12m³의 결합 결함과 관련 전극의 부피 (V) 및 약 10^-5m²의 노출 표면적 (A) 을 갖는 단락이라고 가정한다. 전극의 비열 (Cp) 은 약 2.44x10⁶J/m³K 이고, 주위 공기의 대류 열 전달 상수 (convection heat transfer coefficient) 는 약 10 W/m²K 라고 가정한다. 약 6 밀리와트의 인가 전력에 대해, 결함 위치에서의 평형 온도는 초기 온도보다약 6.5 ℃ 높다. 다음 열 전달 모델

(1)

은 인가 전력에 대한 샘플 결함의 열 응답을 설명하고, 여기서

1. V 는 결함 및 관련 전극의 결합 부피이고,

2. C_p는 결함 및 관련 전극의 평균 비열이며,

3. T(t) 는 초 단위의 시간 동안 결함의 절대온도이고,

4. P_applied(t) 는 초 단위의 시간 동안의 인가 전력 여기이며,

5. h_air는 주위 공기의 대류 열 전달 상수이고,

6. A 는 결합된 결함 및 관련 전극의 노출 표면적이며,

7. T_air는 주위 공기의 온도 또는 초기 온도이다 (예를 들어, 300K).

식 (1) 은 본질적으로, 주어진 순간에 결함 영역에 인가되는 전력은 결함 영역에 의해 흡수되는 전력과 주위 환경으로 발산되는 전력의 합과 같다는 것을 의미한다. 초기에, 결함 영역과 주위 환경의 온도차가 최소인 때에, 이 식에서 첫 번째 가수 (addend) 가 지배적이다. 결함 영역의 온도가 상승함에 따라 두 번째 가수가 영향력을 갖는다.

다이어그램 (605) 은 샘플 영역 (610) 및 주위 영역 (615) 를 박스의 집합으로 도시하며, 각각의 박스는 이미지 픽셀에 기록되는 이미지 휘도를 나타낸다. 도시의 편의를 위해, 다이어그램 (605) 은 결함 영역 (610) 을 단일 픽셀로 도시하였다. 다이어그램 (600) 은, 결함 영역 (610) - 소스 및 게이트 라인 사이의 단락- 이 약 300 K 의 초기 열 평형 온도 (T_I) 에서 약 306.5 K 의 최종 평형 온도 (TE_F) 까지 상승하기에 충분한 시간 동안, 약 6 밀리와트가 소스와 게이트 라인 사이에 인가됨을 가정한다. 특정 조건 하에서, 이 온도 윈도우를 가로지르는 것은 보통의 동적 플레이트에 대해 약 0.1-0.2 초가 걸린다.

제 1 응답 곡선 (620) 은 결함 영역 (610) 의 열 응답을 도시한다. 다이어그램 (600) 의 수직 축은 온도를 응답 곡선 (620) 의 초기 온도 (T_I) 와 최종 평형 온도 (TE_F) 사이의 온도 스팬 (span) 의 퍼센트 값으로 나타낸다. 수평 축은 열 시정수 (τ) 단위로 시간을 나타낸다. 열 시정수 (τ) 는 결함 영역 (610) 의 온도가, 주어진 온도에서 최종 평형 온도 (TE_F) 까지의 63.2 % 상승하는데 필요한 시간이다. 실제적 목적으로, 결함 온도는 4 또는 5 시정수 (τ) 후의 최종 평형 온도 (TE_F) 에서의 결함 온도이다.

결함 영역 (610) 을 둘러싼 영역 (615) 의 열 응답은 결함 영역 (610) 의 열 응답과 상이하다. 결함이 단락이라면, 영역 (610) 으로부터의 열은 영역 (615) 으로 확산되어, 영역 (615) 의 온도가 결함 (610) 과 함께 상승하도록 한다. 그러나, 영역 (615) 의 상승 온도는 결함 (610) 의 것보다 느리며, 결함 (610) 보다 낮은 최종 열 평형 온도까지 상승한다. 어떤 실시형태에 따라 인가된 테스트 벡터는 영역 (610 및 615) 간에 높은 온도 대비를 제공하여, IR 이미징 시스템이 더 용이하게 결함 피처를 해상 (resolve) 할 수 있게 한다. 그러면 IR 검사 시스템은 독특한 이미지 획득 타이밍을 채용하여, 결함 영역 (610) 이 최종 평형 온도 (TE_F) 에 도달하기 꽤 전에 테스트 이미지 데이터를 포착한다. (결함 영역 (610) 이 개방이라면, 영역 (610) 의 온도는 주위 영역 (615) 보다 느리지만, 그럼에도 불구하고 결국 최종 평형 온도에 도달한다.)

도 6b 는 테스트 벡터 및 결함과 주위 영역간의 열 대비를 강화하는 이미지 획득 타이밍을 도시하는 다이어그램 (630) 을 포함한다. 다이어그램 (630) 은 테스트 벡터에 응답한 반복적인 결함 영역의 가열과 냉각을 나타내는 열 응답 곡선 (640) 을 포함한다. 도 6b 는 추가적으로, 다이어그램 (630) 과 공통 시간 스케일을 공유하는 한 쌍의 파형인 "이미지 (IMAGE)" 및 "여기 (EXCITE)" 를 포함한다. 파형 "이미지" 의 높은 부분은 영역 (610 및 615) 의 IR 이미지가 포착되는 동안의 시간 윈도우를 나타낸다. 각각의 테스트 윈도우 (650) 동안 하나 이상의 테스트 이미지가 포착되는 반면, 각각의 기준 윈도우 (645) 동안에는 하나 이상의 기준 이미지가 포착된다. 파형 "여기" 의 높은 부분 (655) 은 테스트 벡터가 결함 (610) 에 인가되어 결함 (610) 과 주위 영역 (615) 사이의 열 대비를 도입하는 동안의 시간을 나타낸다.

테스트 이미지를 포착하기 위해, 검사 시스템 (예를 들어 도 3 의 검사 시스템 (310)) 은 시간 (655) 동안 테스트 중인 장치에 테스트 벡터를 인가한다. 그 후, 검사 시스템은 대상 피처가 최종 열 평형 온도 (TE_F) 에 도달하기 꽤 전에,결함 영역의 하나 이상의 IR 이미지를 포착한다.

최고 온도 (즉, 응답 곡선 (640) 의 피크) 를 초기 온도 (T_I) 와 최종 평형 온도 (TE_F) 의 차이의 95% 이하로 유지하는 것이 바람직하다. 어떤 경우에, 최고 온도는 DUT 기능을 위험하게까지 할 수 있다. 그러므로, 온도에 대한 최적의 상한은 상이한 DUT, 테스트 과정 등에 대해 변화하지만, 많은 경우에 86.5% 이하가 바람직하다. 우리의 실험 데이터는, 최고 온도가 초기 온도 (T_I) 와 최종 평형 온도 (TE_F) 의 차이의 약 63.5% 를 넘지 않을 때 (즉, 1 시정수의 통과 전), 최상의 결과가 얻어짐을 시사한다. 가열/이미징 단계들은 수회 반복되며, 결과는 평균되거나 기타 결합되어 잡음의 효과를 감소시킨다. 선택된 검출기가 온도 차이를 해상하기 위해, 응답 곡선 (640) 의 최대 및 최소 피크는 충분하게 거리를 두어야 한다.

예를 들어, 결함 (610) 은 3 또는 4 시정수 이상 동안, 더 높은 온도로 가열될 수 있다; 이러한 경우, 여전히 결함 (610) 이 최종 평형 온도 (TE_F) 에 도달하기 꽤 전에 이미지가 취해질 수 있다. 가열은 시간이 걸리므로, 상대적으로 낮은 최고 온도를 선택하는 것은 테스트를 빠르게 한다. 또한, 이미지 대비를 최대화하도록 선택된 테스트 전압은, 너무 오래 인가되면 민감한 구성요소를 손상시킬 정도로 영역 (610 및 615) 의 온도를 상승시킬 수 있다. 이 경우, 테스트 벡터는, 영역 (610 및 615) 의 온도를 어떤 최고 온도 이상으로 높이지 않고, 희망 열대비 레벨을 얻을 수 있을 정도로 오래 인가된다.

인가된 테스트 벡터는 부분적으로 DUT 따라 달라진다. SXGA 해상도를 갖는 액정 디스플레이 (LCD) 로부터의 활성 패널을 테스트하기에 적당한 일 실시형태에서, "여기" 파형의 낮은 부분은 테스트 벡터가 인가되지 않은 약 20ms 의 기간을 나타내고, 높은 부분 (655) 은 AC 소스 및 공통 테스트 벡터가 0 에서 30 볼트까지 약 70 kHz 로 진동하는 약 80ms 의 기간을 나타낸다.

종래의 적외선 이미징 시스템은 숫자의 어레이를 사용하여 이미지를 나타내고, 각각의 숫자는 픽셀 휘도 값을 나타낸다. 각각의 픽셀 휘도 값은, 다시 DUT 의 대응 영역의 이미지 휘도를 나타낸다. 예를 들어, 도 3 의 검사 시스템 (310) 에서, 프레임 그래버 (325) 는 컴퓨터 (320) 에 포착된 이미지 각각에 대한 픽셀 휘도 값의 어레이를 전달한다.

어떤 종래 검사 시스템은 잡음의 영향을 줄이기 위해 이미지의 시퀀스를 평균한다. 그 후, 평균 테스트 이미지는 기준 이미지와 대비되어 차이를 식별하고, 이는 결함의 존재를 나타낸다. 상술한 방법 및 시스템은 향상된 테스트 및 기준 이미지를 생성하는데 사용될 수 있다.

일 실시형태는 종래의 평균 대신 이미지 변환을 채용한다. 아래의 식 (2) 에서 정의된 이미지 변환은 테스트 이미지 시퀀스 및 기준 이미지 시퀀스 모두에 적용된다. 그 후, 결과로 변환된 테스트 및 기준 이미지 (I_T및 I_R) 는 대비되어 차이를 식별한다.

(2)

여기서,

1. D^-1는 프레임 그래버 (325) 에 의해 제공되는, 각각의 숫자가 한 픽셀의 휘도를 나타내는 16 비트 숫자로부터의, 그들의 부동 소수점 역수 (inverse) 로의 이미지 변환을 나타내며 (하기 D 의 준 역변환 (quasi-inverse)).

2. Iⁱ는 시퀀스의 i 번째 이미지이고,

3. n 은 시퀀스 내 이미지의 수이며,

4. F 는 이미지 필터링, 예를 들어 잡음을 감소시키고 IR 검출기 (315) 내 결함있는 픽셀에 의해 제공되는 데이터를 제거하기 위한 저역통과 필터링을 나타내고,

5. L 은, 휘도 값의 범위를 다른 스케일, 예를 들어 상이한 범위 또는 선형 (linear) 에서 평방 (quadratic) 으로 전환하기 위한, 이미지에 대한 룩업 테이블 (look-up table) 의 적용이며,

6. D 는 부동 소수점 값으로부터 16 비트 숫자로의 이미지 변환 (캐스팅) 이다.

이미지 (테스트 또는 기준) 시퀀스에 식 (2) 의 이미지 변환을 수행함에 있어서, 이미지 시퀀스 각각의 픽셀 휘도 값 각각은 부동 소수점 숫자로 변환된다. 그 후, 변환된 이미지 어레이가 픽셀 당 평균되어, 이미지들을 단일 이미지 어레이로 결합한다. 다음, 결합된 이미지 어레이는 잡음의 효과를 감소시키고 이미징 장치 내 결함 있는 픽셀과 관련된 데이터를 제거하기 위해 필터링된다. 극단적인 휘도 값으로 식별되는, 결함 있는 픽셀과 관련된 데이터 각각은 이웃 영역의 대표적 데이터로부터 내삽 (interpolate) 된 새로운 휘도 값으로 대체된다.

결합되고 필터링 된 이미지 어레이의 휘도 값은, 휘도 값의 범위를 다른 스케일, 예를 들어 상이한 범위 또는 선형에서 평방으로 변환하는 룩업 테이블에 적용된다. 마지막으로, 결과 변환 이미지 어레이의 값은 부동 소수점 숫자에서 디지털 숫자로 다시 변환되어 변환된 이미지 I 를 생성한다.

식 (2) 의 이미지 변환은 일련의 테스트 이미지 및 일련의 기준 이미지에 적용되어, 각각의 결합 테스트 및 기준 이미지 (I_T및 I_R) 을 생성한다. 테스트 및 기준 이미지 (I_T및 I_R) 는 그 후, 공지된 이미지 처리 기술을 이용하여 대비되어, 복합 이미지를 생성한다. 복합 이미지는 테스트와 기준 이미지 사이의 온도차이를 강조한다; 예측하지 않게 따뜻하거나 차가운 영역은 결함의 표시이다.

일반적으로, 단락 회로는 상대적으로 높은 전류를 생성하고, 그 결과 상대적으로 뜨거워진다. 개방 회로는 전류를 감소시키고, 상대적으로 차갑게 유지되며, 그에 따라 IR 서모그래피를 이용하여 이미징하기가 더 힘들다. 상기 실시형태에 의해 제공되는 향상된 열 대비는, 종전에는 종래의 IR 서모그래피로 검사하기 어렵거나 불가능하였던 다양한 유형의 결함을 강조하는 이미지를, 민감함 IR 검출기가 포착할 수 있게 한다. 이러한 결함은 도 2 에 도시된 유형의 개방 회로를 포함한다. 식 (2) 의 이미지 변환은 결과를 더욱 향상시킨다.

도 6c 는 어떻게 상술한 실시형태가 개방을 강조하기에 충분한 열 대비를 생성하는지 도시하는, 실험적으로 얻어진 이미지 (680) 를 도시한다. 선 (685) 은 개방의 존재에 기인한, 상대적으로 차가운 결함 산물을 나타낸다.

결함 위치결정 알고리즘

두 라인 사이의 단락은 그들 라인을 통한 전류를 증가시키고, 결과적으로 라인의 온도를 상승시킨다. 그러므로, 라인들은 그들 자체로 결함을 가지지는 않으나, 그럼에도 불구하고 복합 이미지에 나타날 수 있다. 라인을 강조하는 복합 이미지의 일부를 단락의 "결함 산물 (defect artifact)" 이라고 한다. 개방은 전류를 차단하고, 그 결과 관련 피처의 온도를 감소시킨다. 그러면, 이들 피처는 복합 이미지에서 개방의 "결함 산물" 로서 나타난다. (도 6c 는 개방과 관련된 선형의 개방 산물을 도시한다.) 그러므로, 테스트 이미지는 이미징된 대상물의 결함 구역과 공간적으로 상관된 결함 데이터 및 무결함 지역과 공간적으로 상관된 결함 산물 데이터를 포함한다. 그러나, 결함 산물 데이터는 이미지 분석 중에 결함 데이터를 모호하게 하여, 정확히 결함을 위치 결정하기 어렵게 할 수 있다. 어떤 실시형태에 따른 이미지 처리 알고리즘은 이 문제를 다루기 위해, 결함 데이터와 결함 산물 데이터를 분석한다. (이미지의 문맥에서, 관련된 결함 데이터 집합은 간명화를 위해 "결함"으로 지칭될 수 있다; 유사하게, 결함 산물 데이터는 "결함 산물" 로 불린다. "결함" 또는 "결함 산물" 이라는 용어가 이미징된 대상물의 물리적 피처를 지칭하는지, 물리적 피처의 이미지 데이터 표현을 지칭하는지 여부는 문맥으로부터 명확히 알 수 있다.)

도 7 은 3 개의 대표적 결함, 점형 결함(705), 선형 결함 (707) 및 코너형 결함 (710) 을 나타내는 복합 이미지 (700) 을 도시한다. 이들 결함은 유사한 크기인 것으로 가정하기는 하지만, 결함 이미지는 그들의 결함 산물 (715, 720 및 725) 각각에 의해 달라진다. 불행히도, 실제 복합 IR 이미지는 결함을 결함 산물로부터 그렇게 명확히 구별하지 않아, 결함을 정확히 위치 결정하는 태스크를 어렵게한다. 도 8 은, 측정된 데이터에 기초하지는 않았지만, 점형 결함 (805), 선형 결함 (810) 및 코너형 결함 (815) 이 복합 이미지 내에서 어떻게 나타나는지를 도시하는 복합 이미지 (800) 를 더 정확히 도시한다. 결함 산물은 결함의 위치를 모호하게 한다. 일 실시형태는, 결함 산물로부터 결함을 구별하여 결함 검출, 위치 결정 및 분석을 용이하게 하여, 이 문제를 다룬다.

결함을 관련된 산물로부터 구별하는 이미지 처리는, 부분적으로 결함 산물 데이터를 분류하는 것에 기초한다. 예를 들어, 결함 처리는 점형, 선형 및 코너형 결함에 대해 달라진다. 그에 따라 본 발명의 실시형태는 유형에 의해 결함 산물을 분류하는 이미지 처리 기술을 포함한다. 유형에 따라 산물을 분류하는 이미지 처리 기술은 패턴 식별 및 형태학적 (morphological) 분석을 포함한다. Al Bovik 편저 "Handbook of Image and Video Processing" (2000) 및 E. Dougherty 와 J. Astola 편저 "Nonlinear Filters for Imaging Processing" (1999) 은 당업자에게 공지되어 있으며 어떤 실시형태에서 사용하기 적합한 이미지 처리 및 수학적 형태학을 설명한다: 이들 텍스트는 여기서 참조로 포함한다.

도 9 는 일 실시형태에 따른 결함 위치 결정 알고리즘 (900) 을 도시하는 흐름도이다. 알고리즘 (900) 은 복합 이미지 (905) 를 받고, 선택적으로 고속 푸리에 변환 (FFT) 저역 통과 필터를 사용하여 필터링 하며 (단계 (907)), 여기서 결함 데이터는 결함 산물 데이터에 의해 제한된다. 계속적인 처리는 자동적으로 결함 산물 내의 결함 데이터의 위치를 결정하여, 결함 좌표의 리스트를 생성한다. 일 실시형태에서, 복합 이미지 (905) 는 상술한 유형의 IR 복합 이미지이다; 그러나, 많은 다른 유형의 이미지가 목적물의 산물에 의해 둘러싸인 해당 목적물을 도시한다. 본 발명에 따른 알고리즘은 이러한 목적물을 위치 측정하는데 사용될 수 있다. 예를 들어, 시각적 광학 및/또는 핵형 (nuclear-type) 실험으로부터 얻어진 이미지는 목적물 및 목적물 산물을 도시한다.

상기 참조한 Bovik 참조문헌은, 결함을 그 관련 산물로부터 구별하기 위해 어떤 실시형태에서 사용되는, 그레이 레벨과 이진 형태 사이의 관계를 설명하고 있다. 그 관계는, 이미지 (I(x), x∈D) 가 문턱값 세트로부터 재구성될 수 있다는 관찰에 기초한다. 이러한 재구성은 수학적으로

,(3)

같이 표현될 수 있으며,

여기서,는 문턱 레벨를 갖는 그레이스케일 복합 이미지 I 의 문턱값이며, D⊂R²는 이미지

(4)

의 도메인이다.

문턱 레벨을 정의하고 최적화하기 위해, 알고리즘 (900) 은 유사한 유형의 이미지 재구성을 채용하여, 향상된 결함 위치 결정을 가져온다.

다수의 문턱 레벨 (915) 각각에 대해 형태학적 필터링 알고리즘 (MFA; 910) 이 필터링 된 복합 이미지에 적용된다. MFA (910) 를 for 루프 (920A 및 920B) 내에 묶어서 도시된 각 문턱 레벨에 대한 MFA (910) 의 반복은 i 개의 문턱 복합 이미지 (thresholded composite image) 의 세트 (925[1...i]) 를 생성한다. 각 이미지 (925) 에서, 적용된 문턱 레벨 이상인 필터링된 복합 이미지의 모든 픽셀 값은 한 로직 레벨 (예를 들어, 로직 1) 을 사용하여 표현되며, 문턱 레벨 (915) 보다 작은 모든 픽셀 값은 제 2 로직 레벨 (예를 들어, 로직 0) 을 사용하여 표현된다. 일 실시형태에서, 문턱 레벨 (915) 은 필터 (907) 에 의해 생성된 필터링된 복합 이미지로부터의 픽셀 휘도 값의 표준 편차의 단위이다. 히스토그램 분석은 평균 () 및 표준 편차 () 를 계산하기 위해 제공된다; 문턱값의 실제 레벨은와 같으며, 여기서 T 는단위의 입력 문턱 레벨이다. 이하에서, MFA (910) 를 도 10 과 관련하여 상세히 설명한다.

다음 for 루프 (930A 및 903B) 는 각 이미지 (925) 를 제 2 MFA (935) 로 처리하며, 이는 유형 특유의 것이다. 예를 들어, 선형 산물에 대해, MFA (935) 는 다른 유형의 결함 산물 (예를 들어, 코너 및 점형 산물) 을 제거하여, 선만을 남긴다. for 루프 (930) 는 i 개의 이미지의 세트를 생성하며, 각각은 j 개의 선형 산물을 갖는다. 도면에서, 최상부 이미지 (940[1]) 는 2 개의 선형 결함을 포함한다: 이미지 (925[1]) 의 점 및 코너형 결함은 제거된다. 나머지 이미지 (940[2..i]) 는 그 이상 또는 이하의 산물을 가질 수 있다. MFA (935) 는 이하에서 도 11 과 관련하여 상세히 설명된다.

동작의 마지막 시퀀스에서, 결함 위치 결정 알고리즘 (DLA; 945) 은 이미지 (940) 내 결함 산물을 분석하여, 결함 산물들 사이에서 결함 좌표 (950) 를 정확히 식별한다. 선형 결함에 특유한 DLA (945) 의 한 버전은 이하에서 도 12 와 관련하여 상세히 설명된다.

도 10 은 도 9 의 MFA (910) 의 일 실시형태를 도시하며, 이는 복합 이미지 (905) 에 반복적으로 적용되어 i 개의 필터링된 이미지 (925) 의 시퀀스를 생성한다. 먼저, 문턱 레벨 (915) 중 하나가 FFT 필터링된 복합 이미지 (905) 에 적용된다 (단계 (1000)). 단계 (1000) 의 결과물에 적용되는 형태학적 채움 (morphological closing) 단계 (1005; 침식 (erosion) 후 팽창 (dilation)) 는 결함 산물을 평탄화하고, 이어지는 필터는 잡음이나 결함 있는 검출기 픽셀에 의해 유발되는 작은 이미지 효과를 제거한다 (단계 1010). 이렇게, MFA (910) 는 i 개의 이미지들 (925[1..i]) 중 하나를 생성한다. MFA (910) 는, 도 9 에 도시된 바와 같이 문턱 레벨 (915) 각각에 대해 반복된다.

도 11 은, 선형 결함 산물에 사용되도록 구성된, 도 9 의 유형 특유의 MFA (935) 의 일 실시형태를 도시한다. MFA (935) 는 MFA (910) 으로부터 필터링된 이미지 (925) 를 받고, 선형 산물 이외의 모든 산물을 제거하는 유형 특유의 필터링 연산을 채용한다. 단계 (1110) 는 산물의 기하학적 속성이 아니라 그 이미지 상의 위치에 기초한, 유형 특유의 형태학적 연산을 제공한다. 예를 들어, 그러한 유형의 산물이 예상되지 않는 영역에 위치한 산물은 제거될 수 있다. 그 후, 살아남은 산물 내의 공동 (hole) 은 종래의 공동 채움 (hole-filling) 기술 중 여하한 것을 사용하여 채워진다 (단계 (1115).

다음, 단계 (1120) 는, 산물 유형 및 영역 정보로부터 얻어진 제한 (constraint; 1125) 의 유형 의존적 (type-dependent) 목록을 사용하여, 단계 (1115) 로부터의 이미지를 필터링한다. 제한 (1125) 은 측정 가능한 산물 파라미터 및 범위의 유형 특유의 목록이다. 예를 들어, 단순한 경우의 선형 산물은 그들의 원형 요소 ("선" 은 원형이 아니다), 방향 (예를 들어, 선형 산물은 수직 또는 수평에 가까워야한다), 및 그 에지 교차 (예를 들어, 코너형 결함과 달리 선형 결함은 두 인접 이미지 경계와 관련이 없다) 에 의해 필터링 아웃된다. 결과로 필터링된 이진 이미지 (940) 는 희망 유형의 산물만을 포함한다. 일 실시형태에서, 이미지 (940) 는 배경 (0) 및 산물 (1) 의 두 픽셀 값을 갖는다. 산물은, 모두 1 로 정해지는, 접촉 픽셀의 영역으로 나타난다; 주위 영역은 0 으로 정해진 픽셀로 나타난다. MFA (900) 의 각 블록의 구현의 상세는 이미지 처리 기술분야에서 당업자에게 공지되어 있다. MFA (935) 는 도 9 에 도시된 바와 같이 문턱 레벨 (915) 각각에 대해 반복된다.

MFA (935) 에 적용된 형태학적 연산 세트는 본 예의 선형 결함에 특유하나, 이들 연산은, 예를 들어 점형 또는 코너형 결함에 맞도록 희망에 따라 변형될 수 있다. 점형 산물만이 관심이라면, MFA (935) 는 이미지의 경계에 접촉하는 산물, 특정 최대 면적보다 큰 산물 등, 선, 코너 기타 유형의 산물에 대응되는 산물을 제거하도록 구성될 수 있다. 코너형 산물만이 관심이라면, MFA (935) 는 특정 최소 면적의 교차 수직선을 나타내지 않는 산물 등을 제거하도록 구성될 수 있다. MFA (935) 는 공지된 이미지 처리 기술을 이용하여 이들 및 기타 유형의 산물을 선택하도록 변형될 수 있다.

도 12 는 도 9 의 결함 위치 결정 알고리즘 (DLA; 945) 의 일 실시형태를 도시하며, 이는, 유형 특유의 이미지 어레이 (940) 을 이용하여, 테스트 중인 대상물 상의 결함에 대한 물리적 좌표의 목록을 생성한다. DLA (945) 는 선형 결함 산물에 특유한 것이나, 당업자가 용이하게 인식할 수 있는 바와 같이, 다른 유형의 결함에 사용하도록 구성될 수 있다.

첫 번째 단계에서, 선형 결함 필터 (LDF) 알고리즘 (1200) 은 각 이미지 (940) 에 대해 하나의 LDF 구조체 (structure) 로, i 개의 LDF 구조체 (1205[1..i]) 의 어레이를 생성한다. 유형 특유의 이미지 (940) 에 더해, LDF 알고리즘 (1200) 은 입력 (1210) 으로서, 원래의 필터링된 복합 이미지 (도 9 의 단계 (907) 로부터), 이미지 (940) 을 생성하는데 사용된 초기 문턱 레벨의 값, 연속적인 이미지들을 얻는데 사용된 문턱 값들의 차이를 나타내는 문턱 단계 값, 및 문턱 레벨의 수 (i) (940 은 문턱 이미지이므로, 문턱 레벨의 수 (i) 는 이미지 (940) 의 수와 같다) 를 받는다.

도 13 은 LDF 어레이 구조체 (1205; 도 12) 의 일 실시형태에 따른 링크드 리스트 (linked-list) 어레이를 도시한다. 실제의 어레이 수는 더 크거나 작을수 있으나, 이 예에서 4 개의 문턱 레벨 및 관련된 처리가 4 개의 LDF 구조체 (1205[1] 내지 1205[4]) 를 생성하는데 사용된다. 이들 어레이는 선형 결함 산물에 사용하기 위해 구성되었으나, 다른 유형에 사용하도록 변형될 수 있다. 각 LDF 구조체 (1205[i]) 는 다음 열거된 특성을 포함한다.

1. 각각의 이진 이미지 (940[i]) 를 생성하기 위해 복합 이미지에 적용되는 문턱 레벨을 저장하는 문턱 (threshold) 필드 (1300).

2. 식별된 결함의 수, 도 12 의 예에서는 2 를 저장하는 숫자 (number) 필드 (1305).

3. 각각의 이진 이미지 (940[i]) 를 저장하는 이미지 (image) 필드 (1310).

4. 결함 (defect) 구조체 (1320[1-j]) 의 어레이 (1315), 여기서 j 는 각 이미지 (940[i]) 내 결함 산물의 수. 각 결함 구조체 (1320) 는 각 선형 결함 산물의 끝 또는 "피크" 의 픽셀의 X 및 Y 좌표를 저장한다 (결함은 선형 결함 산물의 끝 근처에 존재하는 것으로 가정한다). 각 결함 구조체는 또한, 복합 이미지 (905) 내 피크 픽셀의 X 및 Y 좌표에 대응하는 픽셀 휘도 값을 저장하는 픽셀 값 필드 (1325) 를 포함한다.

5. 각각이 각 필터링된 이미지 (940[i]) 내 결함 산물과 관련된 선 (line) 구조체 (1335[1-j]) 의 어레이 (1330). 각 선 구조체 (1335) 는, 결함 산물의 면적 (픽셀 단위) 을 저장하는 면적 (area) 필드 (1340); 결함 산물을 포함하는 직사각형의 상하좌우의 좌표를 저장하는 직사각형 (rectangle) 필드 (1345); 선형 산물을 더 낮은 문턱 레벨에서 취해진 이미지의 피처에 관계시키는 선 인덱스를 저장하는 소속 (belongs-to) 필드 (1350) (선이 존재하지 않으면 -1); 필터링된 이미지 내 선형 결함을, 더 높은 문턱 레벨에서 취해진 다른 필터링된 이미지 내의 하나 이상의 관련 선과 관련시키는 선 인덱스의 어레이를 저장하는 포함 (contains) 필드 (1355) 를 포함한다. 소속 필드 (1350) 및 포함 필드 (1355) 의 목적은 도 13 및 15a-d 와 관련하여 이하에서 상세히 설명한다.

도 12 로 돌아오면, 각 이미지 (940) 내 각 유형 특유의 결함 산물에 대해 하나인, j 개의 LDF 기울기 피크 프로파일 (1215[1..i]) 을 전개하기 위해, LDF 구조체 (1205[1..i]) 가 분석된다 (단계 (1210)). 다음 도 14, 15a-15d, 및 16 의 설명은 피크 프로파일링 (1210) 프로세스를 설명한다.

도 14 는, 도 9 의 단계 (907) 로부터 기대할 수 있는 것과 유사한 예시적인 필터링된 복합 이미지 (1400) 를 도시한다. 이미지 (1400) 는 한 쌍의 수직 선형 결함 산물 (A1 및 A2) 과 점형 산물 (A3) 을 포함한다. 결함 산물의 경계가 흐려져서, 결함과 결함 산물 데이터 사이의 강조된 이미지 경계가 없음을 도시한다. 그러나, 선형 결함 산물과 관련된 결함은 산물 끝 또는 "피크" 근처에 있으며, 점형 결함과 관련된 결함은 관련 산물 내에 중심을 둔다고 가정한다.

도 15a-15d 는 도 9 의 이미지 (940[1..i]) 와 유사한 이진의 유형 특유의 이미지 (1505, 1510 및 1515) 를 도시한다. 각 이미지는 구별되는 적용 문턱값을 갖는 복합 이미지 (1400) 를 MFA (910) 마다 나타낸다; 이어지는 유형 특유의 MFA (935) 의 적용에 의해, 점형 결함 (A3) 은 각 이진 이미지로부터 제거되었다. 각 이미지는, 도 13 과 관련하여 상술한 다른 이미지 및 산물 특유의 정보와 함께LDF 구조체 (1205; 도 13) 의 필드 (1310) 에 저장된다.

이미지 (1500; 도 15a) 는 한 쌍의 선 산물 (LA1 및 LA2) 을 포함한다. 관련된 키 (key; 1520) 는 산물 (LA1 및 LA2) 을 도 14 의 산물 (A1 및 A2) 각각에 대응되는 것으로 식별한다. 문턱 레벨이 증가함에 따라, 선형 산물은 작아지고 얇아지며, 사라지거나 몇 개의 불연속 선으로 나누어질 수 있다. 예를 들어, 도 15b 에서는, 도 15a 에서 단일 선으로 도시된 결함 산물 (LA2) 이 한 쌍의 선 산물 (LB2 및 LB3) 로 나타난다. 키 (1525) 는 산물 (LB1) 을 이미지 (1500) 의 산물 (LA1) 에 속한 것으로 식별하며, 산물 (LB2 및 LB3) 을 이미지 (1500) 의 산물 (LA2) 에 속한 것으로 식별한다. 이 산물 "소유권 (ownership)" 은 이미지 (1505) 와 관련된 LDF 어레이의 "소속" 필드 (1350) 에 기록된다; 유사하게, 이미지 (1500) 와 관련된 LDF 어레이의 "포함" 필드 (1355) 는 산물 (LA1) 이 산물 (LB1) 을 "포함"하며, 산물 (LA2) 이 산물 (LB2 및 LB3) 을 포함함을 나타낸다. 도 15c 및 15d 는, 결함 산물의 상이한 집합 및 다양한 이미지 내 산물들 간의 "소속" 관계를 나타내는 각각의 키 (1530 및 1535) 를 포함한다.

도 16 은 도 15b-d 의 키 (1525, 1530 및 1535) 내의 정보의 편집인, 트리 (1600) 를 도시한다. 트리 (1600) 는, 결함 산물 (A1 및 A2) 과, 연속적으로 더 큰 문턱 레벨을 사용하여 취해진 이진 이미지 내 선형 산물들 사이의 관계를 나타낸다. 예를 들어, 이미지 (1515) 의 산물 (LD2) 은 이미지 (1510) 의 산물 (LC3) 에 속하며, 산물 (LC3) 은 이미지 (1505) 의 산물 (LB3) 에 속하고, 산물 (LB3) 은 이미지 (1500) 의 산물 (LA2) 에 속한다. 유사하게, 이미지 (1515)의 산물 (LD1) 은 이미지 (1510) 의 산물 (LC1) 에 속하고, 산물 (LC1) 은 이미지 (1505) 의 산물 (LB1) 에 속하며, 산물 (LB1) 은 이미지 (1500) 의 산물 (LA1) 에 속한다.

잠시 도 12 로 돌아오면, LDF 기울기 피크 프로파일링 단계 (1210) 는 도 15a-15d 에 도시된 데이터를 사용하여, 각 결함에 대하 하나의 프로파일로, j 개의 피크 프로파일 (1215[1..j]) 을 생성한다. 도 17 은 모두 공통의 결함 산물에 관계된 4 개의 결함 산물 (1705, 1710, 1715 및 1720) 사이의 관계를 나타내는 피크 프로파일 (1700) 을 도시한다. 프로파일 (1700) 은 문턱 레벨과 y 이미지 축에 따른 각 결함 산물 내 피크 픽셀의 위치간의 관계를 표현한다. 그레이스케일 이미지의 선형 결함 산물의 이등분선과 평행한 픽셀 조각 (slice) 에 따른 픽셀 휘도의 플롯 (1725) 은 결함 산물을 만날 때마다 픽셀 휘도가 일반적으로 어떻게 증가하는지 보여준다. 산물 (1705, 1710, 1715 및 1720) 은 4 개의 문턱 레벨에서 취해진 플롯 (1725) 의 조각들을 나타낸다. 굵은 "+" 기호는 상이한 문턱 레벨에 대한 각 결함 산물의 피크 (끝) 픽셀의 y 위치를 나타낸다.

도 12 로 돌아오면, 위치 결정 단계 (1220) 는 도 17 에 나타낸 유형의 LDF 어레이 데이터로부터 추출하여, 각각이 제 1 차원 (DIMi (문턱 레벨의 수)) 및 제 2 차원 (DIMj (최저 레벨에서의 문턱 이미지 내 산물의 수, 이는 LDF 구조체 (1205[1]) 의 어레이 (1320) 의 크기이다)) 을 갖는 다수의 2 차원 어레이를 생성한다. 이들 어레이는 다음과 같다 (정식 정의는 아래에서 의사 코드 (pseudo code) 로 주어진다):

1. y[j,i] 는 LDF 구조체 1205[i] 의 결함 구조체 (1320[j]) 의 y 좌표이며, 이는 레벨 i 에서의 문턱 이미지 (1310) 의 j 번째 산물에 관련된 결함을 특정한다.

2. 선[j,i] 는 문턱 레벨 (i) 에서의 결함 (j) 을 포함하는 선의 인덱스이다 (유사코드에서, 어떻게 인덱스가 선택되는지 설명한다)

3. dy[j,i] 는 LDF 구조체 (1205[i+1] 및 1205[i]) 로부터의 결함 (1320[j]) 의 y 값 사이의 차이이다.

모든 산물 (j) 에 대해, 단계 (1515) 는 다음 초기화 및 루프를 수행한다.

Initialization:(for every j=1,...,Dimj):

Line [j,1]=j;

y[j,1]=LDF_Array[1].Defect[j].y

문턱 레벨 #1 에서 (초기 문턱값), 모든 필터링된 선들은 결함을 포함하는 것으로 가정하며, 따라서 선[j,1] 은 그 선의 인덱스이고 y[j,1] 는 이 선과 관련된 결함의 y 위치로 가정한다.

Iteration i:i=1,...,DIMi-1 (for every j)

/* i- 문턱값 인덱스; j- 최저 문턱 레벨에 대응하는 LDF 구조체 (1205[1]) 로부터의 선 (1335) 의 인덱스

*/

1. k_opt=argmin_k{

LDF_Array[i+1].

Defect[

LDF_Array[i].Lines[Line[j,i]].Contains[k]].y,

}

2. Line[j,i+1]=LDF_Array[i].Lines[Line[j,i]].Contains[k_opt]

3. y[j,i+1]=LDF_Array[i+1].Defects[Line[j,i+1]].y

4. dy[j,i]=y[j,i+1]-y[j,i]

상기 단계 1 및 2 에서, 문턱 레벨 (i) 의 선택된 line[i,j] 에 대해, 다음 문턱 레벨 (i+1) 에 대한 선은 line[j,i] 에 속한다. line[j,i] 에 속하는 문턱 레벨 (i+1) 의 선들 중에서, 최저 y 값을 갖는 선이 결함을 포함할 가능성이 가장 큰 선으로 선택된다 (각 이미지의 y 축은 위에서 아래로 가므로, 최저 y 값은 최고점을 나타낸다). 최저 y 값을 갖는 선 (선[j,i]) 을 선택한 후, 이 선과 관련된 결함에 대한 y 값이 대응 선 구조체로부터 얻어진다. 상기 유사코드의 단계 (4) 에서 정의된 값 (dy[j,i]) 은 이하에서 LDF 기울기를 정의하는데 사용된다.

도 16 에 도시된 바와 같이, 선 결함이 산물들의 트리로 나타났으며, LDF 기울기 피크 프로파일이 만들어졌다면, 결함과 관련된 선의 끝 (상기 가정에 따르면 상단) 은 LDF 기울기의 극대점으로 정의된다. 각각의 문턱 레벨 인덱스 (i) 에대한 LDF 기울기는

(5)

으로 정의되며, 여기서 j 는 결함 인덱스, i 는 문턱 레벨 인덱스, 그리고 D_Th는 문턱 레벨 사이의 간격이다. D_Th는 상수이므로, 다음 식

(6)

이 성립한다. 또한, LDF 기울기의 극대점의 위치만이 사용되므로, LDF 기울기의 극대점을 찾는 태스크는, LDF 기울기 피크 프로파일 알고리즘 (1210) 에 의해 계산된 어레이dy[ ] 의 행에서 극소 원소를 찾는 것과 동일하다. 이미지 위치는 픽셀의 수로 측정되므로 많은 경우에 극소 dy 는 0 이며, 이 세분성 (granularity) 레벨로 결함의 y 위치는 이웃 문턱 레벨에 대해서와 동일할 수 있다.

때로는, 수개의 극소 dy 위치가 존재한다. 극대 LDF 기울기 (극소dy) 를 갖는 위치가 복수이면, 어레이dy[ ]의 행 내 극소 원소의 최초 및 최후 인덱스의 계산이 필요하다. maxLDFGrad 형의 데이터 구조체는 다음 원소를 포함한다.

1.문턱값은 극대 LDF 기울기의 문턱 레벨이다.

2.Th.Ind.는 문턱 레벨의 인덱스 (i) 이다.

3. 선 Ind. 는 이 문턱 레벨에서의 결함과 관련된 선 인덱스 (j) 이다.

4.DY는 어레이 dy[ ] 의 행의 극소값이다.

5.x및y는 결함 위치의 좌표이다.

단계 (1220) 는, LDF 어레이의 선 구조체에서 특정된 선형 결함 산물과 관련된 결함을 위치 결정하기 위해, LDF 기울기 피크 프로파일 (1215) 의 분석을 채용한다. 단계 (1220) 는, 어레이dy의 행 내 극소 원소의 최초 및 최후 인덱스에 대응하는최초및최후maxLDFGrad 구조체 (입력 데이터 (1225)) 에 기초하여 계산을 수행한다. 둘 중 하나 또는 양자의 구조체가 대응 결함 위치를 유도하는데 사용된다. LDF 구조체 (1205[i]) 의 결함 구조체 (1320[j]) 로부터, 위치가 (x,y) 로 정의될 수 있으며, 여기서 j 및 i 는최초또는최후maxLDFGrad 구조체 중 하나로부터 얻어진다. 디폴트의 경우, 결함 위치는 이들 둘 사이에 있다. 얻어진 결함 위치 (1230) 의 목록은, 이미지의 선형 결함 산물 내 결함의 위치를 정확히 결정할 수 있다.

마지막 단계 (1235) 는, 이미지 좌표 (1230) 를 물리적 결함 좌표 (950; 도 9) 로 변환하기 위해, 기준 (fiducial) 좌표계 (1240) 을 채용한다. 이를 위해, 테스트 중인 대상물은 기준 마크들, 보통 그들 중 둘을 이용하여 각각의 검출기와 정렬된 것으로 가정한다.

DLA (945) 에서 적용된 연산의 세트는 본 예의 선형 결함에 특유한 것이지만, 이들 연산은 예를 들어, 점형 및 코너형 결함에 적합하도록 희망에 따라 용이하게 변형될 수 있다. 그러므로, 결함 위치 결정 알고리즘 (900; 도 9) 은 다양한 유형의 결함을 그들의 산물 내에서 위치 결정한다.

본 발명은 특별한 실시형태와 관련하여 설명되었으나, 이들 실시형태의 변형은 당업자에게 용이할 것이다. 예를 들어, 상술한 방법 및 시스템은 집적 회로, 인쇄 회로 기판, 미세 전자기계 시스템 (MEMS), 반도체 웨이퍼 및 어떤 생의학적 표본 등 많은 유형의 전기 회로에 적용될 수 있다. 또한, 상술한 IR 검사 시스템은 열 결함 산물을 생성하는 전기적 여기 및 서모그래피의 조합을 채용하지만, 다른 유형의 검사 시스템은 다른 유형의 여기 및/또는 이미징을 채용하여, 다른 유형의 결함 산물을 생성할 수 있다. 예를 들어, 어떤 이미징 시스템은 분광 또는 자기장과 함께, 백색광을 이용하여 이미지를 획득한다. 결함 산물로부터 결함을 격리시키는 상술한 실시형태는 상술한 유형의 IR 검사 시스템에 한정되지 않는다. 그러므로, 첨부된 청구범위의 사상 및 범위는 이상의 설명에 한정되어서는 안된다.

Claims

a. 디스플레이 패널로서,

ⅰ. 복수의 소스 라인;

ⅱ. 복수의 제어 라인;

ⅲ. 복수의 공통 라인;

ⅳ. 각 디스플레이 엘리먼트가 트랜지스터 및 커패시터를 포함하고, 상기 트랜지스터는 상기 소스 라인들 중 하나에 연결된 제 1 전류 취급 단자, 제 2 전류 취급 단자 및 제어 라인들 중 하나에 연결된 제어 단자를 갖으며, 상기 커패시터는 제 2 전류 취급 단자와 연결된 제 1 커패시터 단자 및 공통 라인들 중 하나와 연결된 제 2 커패시터 단자를 갖는, 디스플레이 엘리먼트의 2 차원 어레이

를 갖는 디스플레이 패널;

b. 상기 디스플레이 패널로부터 적외선 방사를 수신하도록 배치된 적외선 검출기; 및

c. 신호 발생기로서,

ⅰ. 상기 소스 라인들 중 적어도 하나에 연결된 제 1 테스트 신호 출력 단자;

ⅱ. 상기 제어 라인들 중 적어도 하나에 연결된 제 2 테스트 신호 출력 단자; 및

ⅲ. 상기 공통 라인들 중 적어도 하나에 연결된 제 3 테스트 신호 출력 단자

를 갖는 신호 발생기를, 구비하는 테스트 구성.
제 1 항에 있어서,

상기 신호 발생기는, 동시에 상기 제 1 테스트 벡터 출력 단자 상에 제 1 테스트 벡터를, 상기 제 2 테스트 신호 출력 단자 상에 제 2 테스트 벡터를, 그리고 상기 제 3 테스트 신호 출력 단자 상에 제 3 테스트 벡터를 제공하는, 테스트 구성.
제 2 항에 있어서,

상기 제 1 테스트 벡터 및 제 3 테스트 벡터 중 적어도 하나는 AC 신호인, 테스트 구성.
제 3 항에 있어서,

상기 제 2 테스트 벡터는 상기 트랜지스터 상에서 바이어스하는 DC 신호인, 테스트 구성.
제 2 항에 있어서,

상기 제 2 테스트 벡터는 상기 트랜지스터를 온 시키는, 테스트 구성.
제 2 항에 있어서,

상기 제 1 텍스트 벡터 및 제 3 테스트 벡터 중 적어도 하나는 테스트 주파수를 갖고 저항 및 커패시턴스를 만나며, 상기 신호 발생기로부터 상기 패널로 최대 전력 전달을 제공하기 위해 상기 테스트 주파수는 상기 커패시턴스 및 상기 저항과 정합되는, 테스트 구성.
제 1 항에 있어서,

상기 신호 발생기는 상기 소스 라인과 공통 라인에 걸쳐 테스트 벡터를 인가하여, 상기 트랜지스터의 제 1 전류 취급 단자 및 제 2 전류 취급 단자를 통해 테스트 전류가 나타나게 하는, 테스트 구성.
a. 결함 구역 내에 배치된 하나 이상의 결함을 갖고, 상기 결함 구역은 초기 온도를 갖는, 전기 회로;

b. 상기 결함 구역으로부터 적외선 방사를 수신하도록 배치된 적외선 검출기; 및

c. 상기 전기 회로에 연결된 하나 이상의 테스트 신호 출력 단자를 갖는 신호 발생기로서, 상기 신호 발생기는 상기 전기 회로를 통해 상기 결함에 테스트 벡터를 인가하고, 상기 결함은 상기 인가된 테스트 벡터에 반응하여 열 응답을 나타내는, 신호 발생기

를 구비하고,

상기 테스트 벡터의 인가 후 상기 결함이 상기 초기 온도 및 최종 평형 온도간의 차이의 95% 에 도달하기 전에, 상기 적외선 검출기가 상기 결함의 이미지를 포착하는, 테스트 구성.
제 8 항에 있어서,

상기 적외선 검출기는 상기 결함이 상기 차이의 약 86.5% 에 도달하기 전에 상기 이미지를 포착하는 테스트 구성.
제 8 항에 있어서,

상기 적외선 검출기는 상기 결함이 상기 차이의 약 63.5% 에 도달하기 전에 상기 이미지를 포착하는 테스트 구성.
제 8 항에 있어서,

상기 신호 발생기는 제 2 테스트 신호 출력 단자를 포함하고, 상기 전기 회로는, 먼저 언급한 테스트 신호 출력 단자에 연결된 제 1 전류 취급 단자, 상기 제 2 테스트 신호 출력 단자에 연결된 제어 단자, 및 제 2 전류 취급 단자를 갖는 테스트 구성.
제 11 항에 있어서,

상기 테스트 벡터는 AC 신호인 테스트 구성.
제 12 항에 있어서,

상기 신호 발생기는 상기 제 2 테스트 신호 출력 단자를 통해 상기 제어 단자에 제 2 테스트 벡터를 인가하는, 테스트 구성.
제 13 항에 있어서,

상기 제 2 테스트 벡터는 상기 트랜지스터를 온 시키는 테스트 구성.
제 11 항에 있어서,

상기 신호 발생기는 제 3 테스트 신호 출력 단자를 포함하며,

상기 테스트 구성은 상기 트랜지스터의 제 2 전류 취급 단자와 상기 제 3 테스트 신호 출력 단자 사이에 연결된 커패시턴스를 더 구비하는 테스트 구성.
전기 회로 상의 결함을 식별하는 방법에 있어서,

a. 제 1 순간에 상기 전기 회로를 통해 상기 결함에 테스트 벡터를 인가하는 단계로서, 상기 결함은 상기 테스트 벡터에 대해 열 응답을 나타내고, 상기 열 응답은 열 시정수에 의해 특징지어지는 단계; 및

b. 상기 제 1 순간으로부터 3 시정수 미만으로 분리된 제 2 순간에 상기 결함의 테스트 이미지를 포착하는 단계

를 포함하는 방법.
제 16 항에 있어서,

상기 제 2 순간은 상기 제 1 순간으로부터 2 시정수 미만으로 분리된, 방법.
제 16 항에 있어서,

상기 제 2 순간은 상기 제 1 순간으로부터 1 시정수 미만으로 분리된, 방법.
제 16 항에 있어서,

복수의 테스트 이미지를 포착하기 위해 단계 (a) 및 (b) 를 두 번이상 반복하는 단계를 더 포함하는, 방법.
제 19 항에 있어서,

상기 복수의 테스트 이미지 중의 테스트 이미지들 사이에서 기준 이미지를 포착하는 단계를 더 포함하는 전기 회로 상의 결함을 식별하는 방법.
해당 대상물 상의 하나 이상의 결함을 위치 결정하는 자동화된 방법에 있어서,

상기 대상물은 상기 결함에 대응하는 하나 이상의 결함 구역 및 상기 결함이 없는 무결함 구역을 포함하며,

a. 상기 대상물의 이미지를 획득하는 단계로서, 상기 이미지는 상기 대상물과 공간적으로 상관된 이미지 데이터를 포함하고, 상기 이미지 데이터는

ⅰ. 상기 결함 구역과 공간적으로 상관된 결함 데이터; 및

ⅱ. 상기 무결함 구역의 일부와 공간적으로 상관된 결함 산물 데이터를 포함하는, 단계

b. 상기 결함 산물 데이터를 분석하는 단계

를 포함하는, 결함의 위치 결정 방법.
제 21 항에 있어서,

상기 결함 산물 데이터를 복수의 산물 유형 중 하나의 멤버로 분류하는 단계를 더 포함하는, 결함의 위치 결정 방법.
제 22 항에 있어서,

상기 산물 유형은 점형, 선형 및 코너형 중 하나 이상을 포함하는, 결함의 위치 결정 방법.
제 21 항에 있어서,

상기 이미지 데이터를 필터링 하여 하나 이상의 결함 유형을 제거함으로써, 유형 특유의 이미지를 생성하는 단계를 더 포함하는, 결함의 위치 결정 방법.
제 21 항에 있어서,

a. 제 1 문턱 이미지를 생성하기 위해, 상기 이미지 데이터에 제 1 문턱값을 적용하는 단계로서, 상기 제 1 문턱 이미지는, 상기 결함 구역 내의 제 1 결함 영역, 및 상기 제 1 결함 영역을 포함하고 상기 무결함 구역까지 연장되는 제 1 무결함 영역을 도시하는, 단계; 및

b. 제 2 문턱 이미지를 생성하기 위해, 상기 이미지 데이터에 제 2 문턱값을 적용하는 단계로서, 상기 제 2 문턱 이미지는, 상기 결함 구역 내의 제 2 결함 영역, 및 상기 제 2 결함 영역을 포함하고 상기 무결함 구역까지 연장되는 제 2 결함 산물 영역을 도시하는, 단계

를 더 포함하는, 결함의 위치 결정 방법.
제 25 항에 있어서,

상기 제 1 결함 산물 영역 내의 제 1 피크를 선택하는 단계, 상기 제 2 결함 산물 영역 내의 제 2 피크를 선택하는 단계 및 상기 제 1 피크와 제 2 피크 사이에 연장하는 기울기를 계산하는 단계를 더 포함하는, 결함의 위치 결정 방법.
제 26 항에 있어서,

상기 기울기를 이용하여 상기 결함 좌표를 계산하는 단계를 더 포함하는, 결함의 위치 결정 방법.
제 25 항에 있어서,

상기 제 1 결함 영역 및 제 2 결함 영역은 상기 결함 구역과 공간적으로 대응되는, 결함의 위치 결정 방법.
테스트 중인 대상물 상의 결함을 위치 측정하는 이미징 시스템에 있어서,

a. 상기 결함에 테스트 벡터를 인가하는 여기 소스로서, 상기 결함은 상기 인가된 테스트 벡터에 응답을 보이는, 여기 소스;

b. 상기 결함의 응답을 관찰하고, 이로써 결함 데이터 및 상기 결함 데이터를 포함하는 결함 산물 데이터를 포함하는 이미지를 생성하도록 배치된 이미지 검출기; 및

c. 상기 결함 산물 데이터 내의 상기 결함 데이터를 위치 결정하기 위해, 상기 결함 산물 데이터 및 상기 결함 데이터를 분석하는 이미지 프로세서

를 구비하는 이미징 시스템.
제 29 항에 있어서,

상기 응답은 열 응답인 이미징 시스템.
제 29 항에 있어서,

상기 결함 산물 데이터를 분석하는 것은

a. 복수의 문턱 이미지를 생성하기 위해 상기 이미지에 복수의 문턱값을 적용하는 것을 포함하고,

b. 다수의 상기 문턱 이미지는 상기 결함 구역에 대응하는 각각의 결함 산물을 포함하는 이미징 시스템.
제 31 항에 잇어서,

유형 특유의 결함 산물을 갖는 유형 특유의 이미지를 생성하기 위해, 각각의 문턱 이미지 내 상기 결함 산물을 유형별로 분류하는 유형 특유의 필터를 더 구비하는, 이미징 시스템.
제 32 항에 있어서,

상기 이미지 프로세서는 상이한 유형 특유의 이미지들로부터의 유형 특유의 결함 산물과 관련된 데이터 구조를 포함하는, 이미징 시스템.
제 33 항에 있어서,

상기 이미지 프로세서는 상기 유형 특유의 결함 산물의 피크 값 사이의 기울기를 설정하는, 이미징 시스템.
제 34 항에 있어서,

상기 이미지 프로세서는 상기 기울기를 이용하여 상기 결함의 위치를 계산하는, 이미징 시스템.
a. 하나 이상의 결함을 포함하는 테스트 중인 대상물;

b. 상기 결함 및 관련 리소스 (resource) 를 가열하는 수단;

c. 상기 결함을 나타내는 결함 데이터 및 상기 관련 리소스를 나타내는 결함 산물 데이터를 포함하는 열 이미지 가열 대상물을 포착하는 적외선 이미징 장치; 및

d. 상기 결함 산물 데이터 내의 상기 결함 데이터를 위치 결정하는 이미지 처리 수단

을 구비하는, 검사 시스템.