KR20110043032A - Metal pad state detection method - Google Patents

Metal pad state detection method Download PDF

Info

Publication number
KR20110043032A
KR20110043032A KR1020090099954A KR20090099954A KR20110043032A KR 20110043032 A KR20110043032 A KR 20110043032A KR 1020090099954 A KR1020090099954 A KR 1020090099954A KR 20090099954 A KR20090099954 A KR 20090099954A KR 20110043032 A KR20110043032 A KR 20110043032A
Authority
KR
South Korea
Prior art keywords
image
inspection target
metal pad
center
axis
Prior art date
Application number
KR1020090099954A
Other languages
Korean (ko)
Other versions
KR101131350B1 (en
Inventor
이종문
김학일
최학남
임유청
Original Assignee
삼성전기주식회사
인하대학교 산학협력단
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 삼성전기주식회사, 인하대학교 산학협력단 filed Critical 삼성전기주식회사
Priority to KR1020090099954A priority Critical patent/KR101131350B1/en
Publication of KR20110043032A publication Critical patent/KR20110043032A/en
Application granted granted Critical
Publication of KR101131350B1 publication Critical patent/KR101131350B1/en

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
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G01B11/2518—Projection by scanning of the object
    • 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
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K1/00—Printed circuits
    • H05K1/02—Details
    • H05K1/11—Printed elements for providing electric connections to or between printed circuits
    • H05K1/111—Pads for surface mounting, e.g. lay-out
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
    • H05K13/08—Monitoring manufacture of assemblages
    • H05K13/081—Integration of optical monitoring devices in assembly lines; Processes using optical monitoring devices specially adapted for controlling devices or machines in assembly lines

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Operations Research (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (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)
  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

PURPOSE: A method for inspecting the state of a metal pad is provided to facilitate the state of a metal pad by determining symmetry or identity between object images. CONSTITUTION: A method for inspecting the state of a metal pad comprises the following steps. A circular metal pad image and a sample image including peripheral images are inputted(S110). A metal pad image is extracted from the inputted the sample image as an object image(S120). The extracted object image is divided into multiple partial object images(S130). The divided partial object images are converted into a partial object area. Similarity is determined between multiple partial object images.

Description

금속 패드의 상태 검사 방법{Metal pad state detection method} Metal pad state detection method

본 발명은 금속 패드의 상태 검사 방법에 관한 것이다.The present invention relates to a method for inspecting a state of a metal pad.

최근에 생산되는 인쇄 회로 기판(PCB:Printed Circuit Board)은 패턴이 점점 미세해지고, 복잡해지고 있다. 따라서, PCB 품질 및 정밀도가 제품 성능에 막대한 영향을 미치고 있다. 그렇기 때문에 PCB는 부품의 조립과 납땜을 하기 전에 패턴 인쇄와 에칭 과정에서 발생될 수 있는 결함을 검사해야 한다.Recently produced printed circuit boards (PCBs) have become increasingly finer and more complex in pattern. Therefore, PCB quality and precision have a huge impact on product performance. As a result, PCBs must be inspected for possible defects during pattern printing and etching prior to assembly and soldering of components.

기존의 PCB 검사 방법에는 참조 영상을 이용하는 영상 비교 방법과, 참조 영상을 이용하지 않는 디자인 특징 비교 방법, 두 가지를 혼합한 hybrid 검사 방법 등이 있었다. 그러나, 이 같은 방법들은 검사대상체의 결점을 검사하기 위한 것으로, 인쇄 회로 기판의 금속 패드 변색이나 거칠기 등에 대해서는 검사가 이루어지지 않았다. 따라서, 종래 인쇄 회로 기판의 금속 패드 변색이나 거칠기는 작업자가 육안으로 확인하는 방법을 통해 검사하는 것으로, 검사 시간 및 검사 비용 증가라는 문제점이 있었다.Conventional PCB inspection methods include image comparison method using reference image, design feature comparison method without reference image, and hybrid test method combining both. However, these methods are intended to inspect the defects of the inspection object, and the inspection of the metal pad discoloration or roughness of the printed circuit board has not been performed. Accordingly, the discoloration or roughness of the metal pad of the conventional printed circuit board is inspected through a method of visually checking by the operator, and thus there is a problem of increasing inspection time and inspection cost.

본 발명은 상술한 문제점을 해결하기 위한 것으로, 본 발명의 목적은, 금속 패드 영상을 포함한 샘플 영상에서 검사 대상 영상을 검출하고 검출된 검사 대상 영상을 다수의 부분 검사 대상 영상으로 분할하여 다수의 부분 검사 대상 영상의 서로간의 대칭성이나 동일성을 비교하여 금속 패드 영상의 변색이나 거칠기를 검사할 수 있도록 하는 금속 패드의 상태 검사 방법을 제공하기 위한 것이다. SUMMARY OF THE INVENTION The present invention has been made to solve the above-described problems, and an object of the present invention is to detect an inspection target image from a sample image including a metal pad image, and divide the detected inspection target image into a plurality of partial inspection target images, thereby providing a plurality of portions. It is an object of the present invention to provide a method for inspecting a state of a metal pad, which enables inspection of discoloration or roughness of a metal pad image by comparing symmetry or identity of inspection target images.

이상과 같은 본 발명의 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 금속 패드의 상태 검사 방법은, 원형의 금속 패드 영상과 그 주변 영상을 포함한 샘플 영상을 입력받는 제1 단계; 상기 입력된 샘플 영상에서 원형의 금속 패드 영상을 검사 대상 영상으로 추출하는 제2 단계; 추출된 상기 검사 대상 영상을 다수의 부분 검사 대상 영상으로 분할하는 제3 단계; 상기 다수의 부분 검사 대상 영상간에 유사성을 판단하는 제4 단계; 및 상기 다수의 부분 검사 대상 영상간에 유사성을 이용하여 상기 금속 패드의 상태를 분류하는 제5 단계를 포함하는 것을 특징으로 한다.According to one or more exemplary embodiments, a method for inspecting a state of a metal pad may include: a first step of receiving a sample image including a circular metal pad image and a peripheral image thereof; A second step of extracting a circular metal pad image from the input sample image as an inspection target image; A third step of dividing the extracted inspection target image into a plurality of partial inspection target images; Determining a similarity between the plurality of partial inspection target images; And classifying a state of the metal pad by using similarity between the plurality of partial inspection target images.

또한, 본 발명은 상기 제 3 단계 이후에, 분할된 부분 검사 대상 영상을 사각형상의 부분 검사 대상 영상으로 변환하는 제 6 단계를 더 포함하는 것을 특징으로 한다.The present invention may further include a sixth step of converting the divided partial test target image into a rectangular partial test target image after the third step.

또한, 본 발명의 상기 제2 단계는, 상기 입력된 샘플 영상을 이진화시키는 제1 공정; 상기 이진화된 샘플 영상을 형태 연산하여 노이즈를 제거하는 제2 공정;상기 노이즈가 제거된 상기 샘플 영상에서 무게 중심을 측정하여 상기 원형의 금속 패드 영상의 중심을 검색하는 제3 공정; 검색된 상기 원형의 금속 패드 영상의 중심으로부터 상기 원형의 금속 패드 영상의 가장자리까지의 거리를 측정하여 상기 원형의 금속 패드 영상의 반경을 검색하는 제4 공정; 및 상기 검색된 중심으로부터 반경이내의 영상을 검사 대상 영상으로 추출하는 제5 공정을 포함하는 것을 특징으로 한다.In addition, the second step of the present invention, the first step of binarizing the input sample image; A second step of removing noise by performing a shape operation on the binarized sample image; a third step of measuring a center of gravity of the sample image from which the noise is removed to search for the center of the circular metal pad image; A fourth step of searching for a radius of the circular metal pad image by measuring a distance from a center of the retrieved circular metal pad image to an edge of the circular metal pad image; And a fifth process of extracting an image within a radius from the searched center as an inspection target image.

또한, 본 발명의 상기 제3 공정은, 하기 수학식 1 및 2를 이용하여 상기 원형의 중심을 검색하는 것을 특징으로 한다.The third step of the present invention is characterized by searching for the center of the circle using the following equations (1) and (2).

수학식 1 : Equation 1:

Figure 112009064271867-PAT00001
Figure 112009064271867-PAT00001

수학식 2 : Equation 2:

Figure 112009064271867-PAT00002
Figure 112009064271867-PAT00002

(Cx는 x축의 중심점, Cy는 y축의 중심점,(C x is the center point of the x axis, C y is the center point of the y axis,

Bsrc는 이진화된 상기 샘플 영상, B src is the sample image binarized,

h는 상기 샘플 영상의 높이, w는 상기 샘플 영상의 폭 )h is the height of the sample image, w is the width of the sample image)

또한, 본 발명의 상기 제4 공정은, 하기 수학식을 이용하여 상기 원형의 반경을 검색하는 것을 특징으로 한다.In addition, the fourth step of the present invention is characterized by searching for the radius of the circle using the following equation.

Figure 112009064271867-PAT00003
Figure 112009064271867-PAT00003

(Rx는 원형의 중심으로부터 x축의 양의 방향 반경, (R x is the positive radius of the x-axis from the center of the circle,

R-x는 원형의 중심으로부터 x축의 음의 방향 반경, R -x is the negative radius of the x axis from the center of the circle,

Ry는 원형의 중심으로부터 y축의 양의 방향 반경,R y is the positive radius of the y axis from the center of the circle,

R-y는 원형의 중심으로부터 y축의 음의 방향 반경)R -y is the negative radius of the y axis from the center of the circle)

또한, 본 발명의 상기 제4 단계는, 상기 다수의 부분 검사 대상 영상에 대하여 계조도 대 빈도수의 히스토그램을 생성하고, 생성된 히스토그램을 이용하여 부분 검사 대상들간에 유사성을 판단하는 것을 특징으로 한다.The fourth step of the present invention is characterized in that for generating the histogram of the gradation degree versus frequency for the plurality of partial inspection target images, and determining the similarity between the partial inspection targets using the generated histogram.

또한, 본 발명의 상기 제4 단계는, ED 거리 측정 방법, NCC 거리 측정 방법, VAR 거리 측정 방법, SAM 거리 측정 방법 및 SID 거리 측정 방법 중 어느 하나를 이용하여 다수의 부분 검사 대상 영상간에 유사성을 판단하는 것을 특징으로 한다.In addition, the fourth step of the present invention, the similarity between the plurality of partial inspection target image using any one of the ED distance measuring method, NCC distance measuring method, VAR distance measuring method, SAM distance measuring method and SID distance measuring method. It is characterized by judging.

또한, 본 발명의 상기 제5 단계는, 상기 측정 방법의 결과값을 벡터화하여 최소값(min), 평균값(mean) 및 최대값(max)을 산출하는 제1 공정; 및 상기 벡터화 된 결과값에 대한 최소값(min), 평균값(mean) 및 최대값(max) 중 어느 하나 이상을 기 설정된 문턱값과 비교하여 상기 검사 대상 영상을 변색 영상 또는 거칠기 영상으로 분류하는 제2 공정을 포함하는 것을 특징으로 한다.In addition, the fifth step of the present invention, the first step of calculating the minimum value (min), the mean value (mean) and the maximum value (max) by vectorizing the result value of the measuring method; And a second classifying the inspection target image into a discoloration image or a roughness image by comparing one or more of a minimum value (min), an average value (mean), and a maximum value (max) of the vectorized result value with a preset threshold value. It characterized by including a process.

이에 앞서 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이고 사전적인 의미로 해석되어서는 아니되며, 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합되는 의미와 개념으로 해석되어야만 한다.Prior to that, terms and words used in the present specification and claims should not be construed in a conventional and dictionary sense, and the inventor may properly define the concept of the term in order to best explain its invention It should be construed as meaning and concept consistent with the technical idea of the present invention.

본 발명에 따르면, 금속 패드 영상에서 검사 대상 영상을 검출하고 검출된 검사 대상 영상을 다수의 부분 검사 대상 영상으로 분할하여 다수의 부분 검사 대상 영상간의 대칭성이나 동일성(이를 유사성이라고 한다)을 판단하여 금속 패드의 상태를 용이하게 검사할 수 있도록 하는 효과가 있다.According to the present invention, a test target image is detected from a metal pad image, and the detected test target image is divided into a plurality of partial test target images to determine symmetry or identity (called similarity) between the plurality of test target images. There is an effect that can easily inspect the state of the pad.

본 발명의 목적, 특정한 장점들 및 신규한 특징들은 첨부된 도면들과 연관되어지는 이하의 상세한 설명과 바람직한 실시예들로부터 더욱 명백해질 것이다. 본 명세서에서 각 도면의 구성요소들에 참조번호를 부가함에 있어서, 동일한 구성 요소들에 한해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 번호를 가지도록 하고 있음에 유의하여야 한다. 또한, 본 발명을 설명함에 있어서, 관련된 공 지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명은 생략한다. The objects, specific advantages and novel features of the present invention will become more apparent from the following detailed description and the preferred embodiments associated with the accompanying drawings. In the present specification, in adding reference numerals to the components of each drawing, it should be noted that the same components as possible, even if displayed on different drawings have the same number as possible. In describing the present invention, when it is determined that the detailed description of the related known technology may unnecessarily obscure the gist of the present invention, the detailed description thereof will be omitted.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 금속 패드의 상태 검사 방법을 설명하기 위한 흐름도이다. 1 is a flowchart illustrating a method for checking a state of a metal pad according to an embodiment of the present invention.

먼저, 인쇄 회로 기판에 포함된 금속 패드를 라인 스캐닝하여 형성된 샘플 영상(금속 패드 영상과 그 주변 영상으로 이루어짐)을 입력받고(S110), 입력된 샘플 영상에서 검사 대상 영상을 추출한다(S120). 구체적으로, 샘플 영상에서, 상태(변색이나 거칠기)를 검사하기 위한 검사 대상 영역, 즉, 원형의 금속 패드 영역을 추출한다. 구체적으로, 검사 대상 영상은 다음과 같은 과정을 통해 추출할 수 있다. First, a sample image (consisting of a metal pad image and its surrounding image) formed by line scanning a metal pad included in a printed circuit board is input (S110), and an inspection target image is extracted from the input sample image (S120). Specifically, an inspection target region for inspecting a state (color change or roughness), that is, a circular metal pad region is extracted from the sample image. In detail, the inspection target image may be extracted through the following process.

우선, 입력된 샘플 영상을 이진화하여 이진화된 샘플 영상(Bsrc)을 얻어낸다. 이 경우, 샘플 영상의 이진화는 Otsu 알고리즘을 이용하여 이루어질 수 있다. 그리고, 이진화된 샘플 영상(Bsrc)에 대해 형태(morphology) 연산을 수행하여 금속 패드 영상이나 그 주변 영상에 포함되어 있는 노이즈 성분를 제거한다. First, the input sample image is binarized to obtain a binarized sample image B src . In this case, binarization of the sample image may be performed using an Otsu algorithm. A morphology operation is performed on the binarized sample image B src to remove noise components included in the metal pad image or its surrounding image.

이 후, 노이즈 성분이 제거된 샘플 영상에서 금속 패드 영상의 중심과 반경을 검색하여 검사 대상 영역을 검출할 수 있다. 샘플 영상에서 금속 패드 영상의 중심과 반경(R)은 아래의 수학식 1을 이용하여 x축에서의 중심점(Cx)과 y축에서의 중심점(Cy)을 산출하여 검색할 수 있다. 여기에서, h는 샘플 영상의 높이이고(h는 좌표값으로 1부터 시작해서 h까지 할당됨), w는 샘플 영상의 폭이다(w는 좌표값으로 1부터 시작하여 w까지 할당됨)(이해를 돕기 위하여 도 2a에 이를 좌표값으로 표시하였다).Thereafter, the inspection target region may be detected by searching the center and the radius of the metal pad image in the sample image from which the noise component is removed. The center and radius (R) of the metal pad image in the sample image can be retrieved by calculating the center point (C x ) on the x-axis and the center point (C y ) on the y-axis using Equation 1 below. Where h is the height of the sample image (h is assigned starting at 1 as the coordinate value to h) and w is the width of the sample image (w is assigned starting at 1 as the coordinate value to w) In order to help it, it is represented as a coordinate value in FIG. 2A).

Figure 112009064271867-PAT00004
Figure 112009064271867-PAT00004

Figure 112009064271867-PAT00005
Figure 112009064271867-PAT00005

Figure 112009064271867-PAT00006
Figure 112009064271867-PAT00006

또한, 상기 수학식 1에서, Rx는 금속 패드 영상의 중심으로부터 x축의 양의 방향 반경, R-x는 금속 패드 영상의 중심으로부터 x축의 음의 방향 반경, Ry는 금속 패드 영상의 중심으로부터 y축의 양의 방향 반경 및 R-y는 금속 패드 영상의 중심으로부터 y축 음의 방향 반경이다. In addition, in Equation 1, R x is a positive radius of the x-axis from the center of the metal pad image, R -x is a negative radius of the x-axis from the center of the metal pad image, R y from the center of the metal pad image The positive direction radius of the y axis and R -y are the negative direction radius of the y axis from the center of the metal pad image.

수학식 1을 이용하여 금속 패드 영상의 중심과 반경이 검색되면, 이를 이용 하여 검사 대상 영상을 추출한다. When the center and the radius of the metal pad image are retrieved using Equation 1, the image to be examined is extracted using the same.

도 2a 및 도 2b는 상술한 바와 같은 검사 대상 영상 추출 과정을 나타내는 도면이다. 도 2a를 참조하면, 샘플 영상(100)을 이진화하여, 이진화된 샘플 영상(105)을 생성한다. 이 샘플 영상(105)을 형태 연산하여 노이즈 성분이 제거된 샘플 영상(110)을 생성한다(도 2a의 금속 패드 영상의 중심에 노이즈 성분이 존재하였으나 형태 연산을 수행하여 노이즈 성분이 제거됨). 그리고, 도 2b에 도시된 바와 같이, 수학식 1을 이용하여 샘플 영상(110)에서 금속 패드 영상의 중심점(210) 및 반경을 검색하여 검사 대상 영상(200)을 추출한다(S120). 2A and 2B are diagrams illustrating an inspection object image extraction process as described above. Referring to FIG. 2A, the sample image 100 is binarized to generate a binarized sample image 105. The sample image 105 is subjected to a shape operation to generate a sample image 110 from which the noise component has been removed (no noise component exists in the center of the metal pad image of FIG. 2A, but the noise component is removed by performing a shape calculation). As shown in FIG. 2B, the test target image 200 is extracted by searching for the center point 210 and the radius of the metal pad image in the sample image 110 using Equation 1 (S120).

다음, 원형의 검사 대상 영상을 n등분하여 부분 검사 대상 영상으로 분리한 후에(S130) 각각을 사각 형상의 부분 검사대상 영상으로 변환한다(S140). 그리고, 사각 형상으로 변환된 n개의 부분 검사 대상 영상의 각각에 대하여 계조도(contrast)에 대한 빈도수를 추출하여 X축을 계조도로 하고 Y축을 빈도수로 하여 히스토그램을 생성한다(S150). Next, the circular inspection object image is divided into n parts and separated into partial inspection object images (S130), and then each is converted into a rectangular inspection object image (S140). Then, the frequency of the contrast is extracted for each of the n partial inspection target images converted into the quadrangular shape, and a histogram is generated using the X axis as the gray level and the Y axis as the frequency (S150).

이 후, 생성된 히스토그램을 이용하여 부분 검사 대상 영상간에 대칭성이나 동일성(여기에서 대칭성이나 동일성은 부분 검사 대상 영상간의 유사성을 보여주는 기준이 되며, 이하에서는 대칭성이나 동일성을 총징하여 유사성이라고 부른다)을 판단한다(S160). Subsequently, the generated histogram is used to determine symmetry or identity between the partial inspection target images (where symmetry or identity is used as a criterion for showing similarity between the partial inspection target images, and hereinafter referred to as similarity collectively). (S160).

여기에서, 원형의 검사 대상 영상을 n등분하여 부분 검사 대상 영상으로 분리하여 각각을 사각 형상의 부분 검사 대상 영상으로 변환하는 방법으로 가능한 한 가지 방법은 원형의 검사 대상 영상을 중심을 기준으로 하여 부채꼴 형상으로 n등분하여 부분 검사 대상 영상으로 분리한 후에, 로그-폴라 좌표변환(log-polar coordination transform)과 유사하게 각각의 부채꼴 형상을 사각 형상의 부분 검사대상 영상으로 변환하는 방법이 있다.Here, one possible method of dividing the circular inspection subject image into n divided parts into partial inspection subject images and converting them into rectangular partial inspection subject images is one possible method. After dividing the image into n-shaped partial inspection target images, there is a method of converting each sector into a rectangular inspection image similar to a log-polar coordination transform.

그리고, 또 다른 방법으로는 원형의 검사 대상 영상을 다수의 고리 형상(내부에 있는 형상이 여전히 원형이지만 이를 포함하여 설명의 편의를 위해 고리형상이라고 부른다)으로 분리하여 사각형의 검사 대상 영상으로 변환하는 방법이 있다. In another method, the circular inspection object image is divided into a plurality of annular shapes (the inner shape is still circular, but is called an annular shape for convenience of description, including the same), and is converted into a rectangular inspection object image. There is a way.

물론, 여기에서 원형의 검사 대상 영상을 중심을 기준으로 하여 부채꼴 형상이나 고리 형상으로 n등분하여 부분 검사 대상 영상으로 분리한 후에, 로그-폴라 좌표변환(log-polar coordination transform)과 유사하게 각각의 부채꼴 형상이나 고리 형상을 사각 형상의 부분 검사대상 영상으로 변환하여 부분 검사 대상 영상간의 대칭성이나 동일성을 판단하였으나, 이와 같이 사각 형상으로 변환을 수행하지 않고 부분 검사 대상 영상간의 대칭성이나 동일성을 판단할 수도 있다.Of course, after dividing the circular inspection target image into n-shaped sectors or annular shapes based on the center and separating the partial inspection target image into the partial inspection target image, each of them is similar to a log-polar coordination transform. Although the symmetry or identity between the partial inspection target images is determined by converting a fan shape or a ring shape into a quadrature partial inspection target image, the symmetry or identity between the partial inspection target images may also be determined without performing the transformation into the rectangular shape. have.

도 3a 내지 도 3c는 원형의 검사 대상 영상을 부채꼴 형상의 다수의 부분 검사 대상 영상으로 분리한 후에 사각형상의 검사 대상 영상으로 변환하는 과정을 나타내는 도면이다. 먼저, 도 3a에 도시된 바와 같이 원형의 검사 대상 영상을 중심을 기준으로 하여 부채꼴 형상으로 n개, 일예로 4등분하여 1 부분 검사 대상 영상, 2 부분 검사 대상 영상, 3 부분 검사 대상 영상 및 4 부분 검사 대상 영상으로 나눈다. 3A to 3C are diagrams illustrating a process of dividing a circular test target image into a plurality of sector-shaped partial test target images and converting the circular test target image into a rectangular test target image. First, as shown in FIG. 3A, a circular inspection target image is n-shaped in the shape of a fan, and divided into four equal parts, for example, one partial inspection target image, two partial inspection target image, three partial inspection target image, and four. The image is divided into partial inspection target images.

그리고, 도 3b에 도시된 바와 같이 부채꼴 형상의 각 부분 검사 대상 영상을 로그 폴라 좌표변환과 유사하게 사각 형상의 부분 검사 대상 영상으로 변환한다. 도 3b를 보게 되면 부채꼴 형상의 점들이 어떻게 사각 형상의 부분 검사 대상 영상의 점들로 변화되는지 부채꼴 형상에 도시된 사선과 이에 대응되게 사각 형상에 도시된 직선의 대응관계를 통하여 잘 알 수 있다. 이와 같이 변환된 4개의 부분 검사 대상 영상은 도 3c에 도시된 바와 같이 직각좌표계상에 일렬로 정렬한다.As shown in FIG. 3B, each partial inspection target image having a fan shape is converted into a quadrangular partial inspection target image similar to a log polar coordinate transformation. Referring to FIG. 3B, it can be understood from the correspondence of the diagonal lines shown in the fan shape and the straight lines shown in the rectangular shape to correspond to the points of the sector shape to the points of the rectangular inspection object image. The four partial inspection target images converted as described above are aligned in a line on a rectangular coordinate system as shown in FIG. 3C.

한편, 도 4a 내지 도 4d는 각각의 부분 검사 대상 영상에 대한 계조도 대 빈도수의 히스토그램을 나타내는 도면이다.4A to 4D are histograms of grayscale versus frequency for each partial test target image.

도 4a는 사각 형상으로 변환된 1부분 검사 대상 영상에 대하여 각 계조도에 대한 빈도수를 추출하여 X축을 계조도로 하고 Y축을 빈도수로 하여 나타낸 히스토그램이다. FIG. 4A is a histogram showing the frequency of each gradation degree for the one-part inspection target image converted into the rectangular shape, using the X axis as the gray level and the Y axis as the frequency.

그리고, 도 4b는 사각 형상으로 변환된 2부분 검사 대상 영상에 대하여 각 계조도에 대한 빈도수를 추출하여 X축을 계조도로 하고 Y축을 빈도수로 하여 나타낸 히스토그램이다. FIG. 4B is a histogram showing the frequency of each grayscale for the two-part inspection target image converted into a rectangular shape, using the X axis as the gray level and the Y axis as the frequency.

다음으로, 도 4c는 사각 형상으로 변환된 3부분 검사 대상 영상에 대하여 각 계조도에 대한 빈도수를 추출하여 X축을 계조도로 하고 Y축을 빈도수로 하여 나타낸 히스토그램이다. Next, FIG. 4C is a histogram showing the frequency of each grayscale for the three-part inspection target image converted into a quadrangular shape and using the X axis as the gray level and the Y axis as the frequency.

마지막으로, 도 4d는 사각 형상으로 변환된 4부분 검사 대상 영상에 대하여 각 계조도에 대한 빈도수를 추출하여 X축을 계조도로 하고 Y축을 빈도수로 하여 나 타낸 히스토그램이다. Lastly, FIG. 4D is a histogram showing the frequency of each grayscale for the four-part inspection target image converted into a quadrangular shape and using the X axis as the gray level and the Y axis as the frequency.

한편, 위에서는 원형의 검사 대상 영상을 부채꼴 형상으로 분리하여 사각형상의 부분 검사 대상 영상으로 변환하였지만, 이와 달리 원형의 검사 대상 영상을 고리 형상을 분리하여 사각 형상의 부분 검사 대상 영상으로 변환할 수 있다.On the other hand, in the above, the circular inspection target image is separated into a fan shape and converted into a rectangular partial inspection target image. Alternatively, the circular inspection target image may be converted into a square inspection partial image by separating the annular shape. .

도 5a 내지 도 5c는 원형의 검사 대상 영상의 고리 형상으로 분리하여 사각형의 검사 대상 영상으로 변환하는 과정을 나타내는 도면이다. 도 5a에 도시된 원형의 검사 대상 영상을 중심을 기준으로 하여 고리 형상(내부에 있는 형상이 여전히 원형이지만 이를 포함하여 설명의 편의를 위해 고리형상이라고 부른다)으로 n등분, 일예로 4등분하여 1 부분 검사 대상 영상, 2 부분 검사 대상 영상, 3 부분 검사 대상 영상 및 4 부분 검사 대상 영상으로 나눈다. 5A to 5C are diagrams illustrating a process of converting a circular inspection target image into a ring shape and converting it into a rectangular inspection target image. The circular inspection object image shown in FIG. 5A is referred to as an annular shape (the inner shape is still circular, but is called an annular shape for convenience of explanation, including the same). The image is divided into a partial inspection target image, a two partial inspection target image, a three partial inspection target image and a four partial inspection target image.

그리고, 도 5b에 도시된 바와 같이 고리 형상의 각 부분 검사 대상 영상을 로그 폴라 좌표변환과 유사하게 사각 형상의 부분 검사 대상 영상으로 변환한다. 도 5b를 보게 되면 고리 형상의 점들이 어떻게 사각 형상의 부분 검사 대상 영상의 점들로 변화되는지 고리 형상에 도시된 사선과 이에 대응되게 사각 형상에 도시된 직선의 대응관계를 통하여 잘 알 수 있다. 이와 같이 변환된 4개의 부분 검사 대상 영상은 도 5c에 도시된 바와 같이 직각좌표계상에 일렬로 정렬한다.As shown in FIG. 5B, each ring-shaped partial inspection target image is converted into a rectangular-shaped partial inspection target image similar to a log polar coordinate transformation. Referring to FIG. 5B, it can be understood from the correspondence of the oblique line shown in the annular shape and the straight line shown in the rectangular shape correspondingly to how the annular points are changed to the points of the rectangular partial inspection target image. The four partial inspection target images converted as described above are aligned in a line on the rectangular coordinate system as shown in FIG. 5C.

한편, 도 6a 내지 도 6d는 이와 같이 변환된 부분 검사 대상 영상에 대한 계조도 대 빈도수의 히스토그램을 나타내는 도면이다.6A to 6D are histograms of gradations versus frequencies for the partial inspection subject image converted as described above.

도 6a는 사각 형상으로 변환된 1부분 검사 대상 영상에 대하여 각 계조도에 대한 빈도수를 추출하여 X축을 계조도로 하고 Y축을 빈도수로 하여 나타낸 히스토그램이다. FIG. 6A is a histogram showing the frequency of each gradation degree for the one-part inspection target image transformed into a rectangular shape, using the X axis as the gray level and the Y axis as the frequency.

그리고, 도 6b는 사각 형상으로 변환된 2부분 검사 대상 영상에 대하여 각 계조도에 대한 빈도수를 추출하여 X축을 계조도로 하고 Y축을 빈도수로 하여 나타낸 히스토그램이다. FIG. 6B is a histogram showing the frequency of each gray level for the two-part inspection target image converted into a quadrangular shape, and using the X axis as the gray level and the Y axis as the frequency.

다음으로, 도 6c는 사각 형상으로 변환된 3부분 검사 대상 영상에 대하여 각 계조도에 대한 빈도수를 추출하여 X축을 계조도로 하고 Y축을 빈도수로 하여 나타낸 히스토그램이다. Next, FIG. 6C is a histogram showing the X-axis as the gray level and the Y-axis as the frequency by extracting the frequency for each gray level for the three-part inspection target image converted into the rectangular shape.

마지막으로, 도 6d는 사각 형상으로 변환된 4부분 검사 대상 영상에 대하여 각 계조도에 대한 빈도수를 추출하여 X축을 계조도로 하고 Y축을 빈도수로 하여 나타낸 히스토그램이다. Finally, FIG. 6D is a histogram showing the X-axis as the gray level and the Y-axis as the frequency by extracting the frequency for each gray level for the four-part inspection target image converted into the rectangular shape.

이 후, 생성된 히스토그램을 이용하여 부분 검사 대상 영상들간의 대칭성 및 동일성을 판단하고(S160), 판단 결과에 따라 검사 대상 영상을 변색 영상 또는 거칠기 영상으로 분류한다(170). 구체적으로, 히스토그램을 아래의 수학식 2내지 6 중 어느 하나에 적용하여 대칭성 및 동일성을 판단할 수 있다(이때, 히스토그램의 빈도수의 크기를 0~1 사이 값으로 정규화시켜 적용할 수도 있다). 그리고, 각 히스토그램의 계조도의 레벨은 1단위로 증가시키는 것이 아니라 5단위나(이때, X축의 좌표값은 0, 1(종래 1~5포함), 2(종래 6~10으로 이루어짐)...51(종래 251~255로 이 루어짐) 등등으로 표기됨), 10 단위 등으로 증가하도록 적용할 수도 있다. Thereafter, the generated histogram is used to determine symmetry and identity between the partial inspection target images (S160), and classify the inspection target image into a discoloration image or a roughness image according to the determination result (170). Specifically, the histogram may be applied to any one of Equations 2 to 6 below to determine symmetry and identity (in this case, the magnitude of the frequency of the histogram may be normalized to a value between 0 and 1). Then, the level of gradation of each histogram is not increased by 1 unit but 5 units (at this time, the coordinate values of the X axis are 0, 1 (including 1 to 5) and 2 (consisting of 6 to 10). .51 (formerly 251-255), etc.), or 10 increments.

아래의 수학식 2는 ED(Euclidian Distance) 거리 측정 방법, 수학식 3은 NCC(Normalized Cross Correlation) 거리 측정 방법, 수학식 4는 VAR(VARiation) 거리 측정 방법, 수학식 5는 SAM(Spectral Angle Measure) 거리 측정 방법이며, 수학식 6은 SID(Spectral Information Divergence) 거리 측정 방법이다. Equation 2 below is an ED (Euclidian Distance) distance measurement method, Equation 3 is a normalized cross correlation (NCC) distance measurement method, Equation 4 is a VAR (VARiation) distance measurement method, Equation 5 is a Spectral Angle Measure ) Is a distance measurement method, and Equation 6 is a SID (Spectral Information Divergence) distance measurement method.

여기에서, i는 히스토그램의 X축 좌표값으로 계조도 값을 나타내며(0~255), xi는 두개의 비교되는 부분 검사 대상 영역의 히스토그램중 어느 하나의 히스토그램의 i 계조도에 대한 빈도수를 나타내며, yi는 두개의 비교되는 부분 검사 대상 영역의 히스토그램중 다른 하나의 히스토그램의 i 계조도에 대한 빈도수를 나타낸다.Here, i denotes a gray scale value as an X-axis coordinate value of the histogram (0 to 255), and x i denotes a frequency for the i gray scale of any one of the histograms of two compared partial inspection target areas. , y i represents the frequency for the i gray level of the other histogram of the histograms of the two areas to be compared.

이때, 위의 거리 측정 방법을 사용하여 거리를 측정할 대상이 되는 가능한 조합은 일예로 도 4a 내지 도 4d를 참조하면 도 4a 대 도 4b, 도 4a 대 도 4c, 도 4a 대 도 4d, 도 4b 대 도 4c, 도 4b 대 도 4d, 도 4c 대 도 4d의 조합이 가능하다.At this time, a possible combination of measuring the distance using the distance measuring method described above is an example of FIGS. 4A to 4B, 4A to 4C, 4A to 4D, and 4B with reference to FIGS. 4A to 4D. 4C, 4B to 4D, and 4C to 4D are possible.

그리고, 추가적으로 도 6a 내지 도 6d를 포함하면, 위의 조합에 더해 도 4a 대 도 6a, 도 4a 대 도 6b, 도 4a 대 도 6c, 도 4a 대 도 6d, 도 4b 대 도 6a, 도 4b 대 도 6b, 도 4b 대 도 6c, 도 4b 대 도 6d, 도 4c 대 도 6a, 도 4c 대 도 6b, 도 4c 대 도 6c, 도 4c 대 도 6d, 도 4d 대 도 6a, 도 4d 대 도 6b, 도 4d 대 도 6c, 도 4d 대 도 6d, 도 6a 대 도 6b, 도 6a 대 도 6c, 도 6a 대 도 6d, 도 6b 대 도 6c, 도 6b 대 도 6d, 도 6c 대 도 6d의 조합이 가능하다.6a to 6d, in addition to the above combinations, FIGS. 4a to 6a, 4a to 6b, 4a to 6c, 4a to 6d, 4b to 6a and 4b. 6b, 4b to 6c, 4b to 6d, 4c to 6a, 4c to 6b, 4c to 6c, 4c to 6d, 4d to 6a, 4d to 6b. 4d to 6c, 4d to 6d, 6a to 6b, 6a to 6c, 6a to 6d, 6b to 6c, 6b to 6d, 6c to 6d This is possible.

이를 일반화시키면, 검사 대상 영상을 도 3a에서와 같이 부채꼴 형상으로 n 등분하고, 도 5a에서와 같이 고리 형상으로 n 등분하게 되면, 총 2n개의 히스토그램을 얻을 수 있게 된다. 이 2n개의 히스토그램을 수학식 2 내지 6을 이용하여 각각의 결과를 산출할때, 각 수학식에 대하여 2nC2개의 조합 갯수만큼의 결과를 산출할 수 있다. 여기에서 수학식 2 내지 6의 값들은 대비되는 부분 검사 대상 영상간의 대칭성을 나타내거나 동일성을 나타낸다.In generalization, when the inspection subject image is divided into n parts into a fan shape as shown in FIG. 3A and n divided into rings as shown in FIG. 5A, a total of 2n histograms can be obtained. When each of the 2n histograms is calculated using Equations 2 to 6, the number of combinations of 2n C 2 can be calculated for each equation. Herein, the values of Equations 2 to 6 represent symmetry or identity between the contrasted partial inspection target images.

한편, 수학식 2 내지 6에서 X는 {x1,x2,x3,…xi}를 나타내고, Y는 {y1,y2,y3,…yi}를 나타낸다. 그리고, 수학식 4에서 GR은 히스토그램의 계조도의 레벨 단위이다. 예를 들어, 히스토그램의 계조도 레벨이 0~255인 경우, 5 레벨 단위로 나누게 되면, P값은 약 51이 된다. 또한, 수학식 6에서 ε은 기 설정된 허용 오차이다. 이 경우, ε은 무시할 수 있을 정도의 매우 작은 값으로 설정될 수 있다. In Formulas 2 to 6, X represents {x 1 , x 2 , x 3 ,... x i }, and Y represents {y 1 , y 2 , y 3 ,... y i }. In Formula 4, GR is a level unit of the gradation degree of the histogram. For example, when the gradation level of the histogram is 0 to 255, the value of P is about 51 when divided into 5 level units. Also, in Equation 6, ε is a preset tolerance. In this case, [epsilon] can be set to a very small value that can be ignored.

Figure 112009064271867-PAT00007
Figure 112009064271867-PAT00007

Figure 112009064271867-PAT00008
Figure 112009064271867-PAT00008

Figure 112009064271867-PAT00009
Figure 112009064271867-PAT00009

Figure 112009064271867-PAT00010
Figure 112009064271867-PAT00010

Figure 112009064271867-PAT00011
Figure 112009064271867-PAT00011

여기에서 수학식 2 내지 6의 값들은 대비되는 부분 검사 대상 영상간의 대칭성을 나타내거나 동일성을 나타낸다. 이를 근거로 하여 원형의 검사 대상 영상의 변색이나 거칠기를 판단할 수 있으나, 좀더 정밀하게 판단하기 위하여 아래와 같이 ED 벡터, NCC 벡터, VAR 벡터, SAM 벡터 및 SID 벡터를 구하고, 각각에 대하여 최소값과 최대값 그리고 평균값을 구하여 문턱값과 비교하여 검사 대상 영상의 변색이나 거칠기를 판단한다.Herein, the values of Equations 2 to 6 represent symmetry or identity between the contrasted partial inspection target images. On the basis of this, discoloration or roughness of the circular inspection target image can be judged.However, in order to determine more precisely, ED vector, NCC vector, VAR vector, SAM vector, and SID vector are obtained as follows. The discoloration and roughness of the inspection target image are determined by comparing the threshold value with the average value.

한편, 위에서 설명한 바와 원형의 검사 대상 영상을 도 3a에서와 같이 부채꼴 형상으로 n 등분하고, 도 5a에서와 같이 고리 형상으로 n 등분하게 되면, 총 2n개의 히스토그램을 얻을 수 있으며, 이 2n개의 히스토그램을 수학식 2 내지 6을 이 용하여 각각의 결과를 산출할때, 각 수학식에 대하여 2nC2개의 조합 갯수만큼의 결과를 산출할 수 있는데, 이 2nC2개의 조합 갯수만큼의 결과를 아래의 수학식 7을 이용하여 ED 벡터, NCC 벡터, VAR 벡터, SAM 벡터 및 SID 벡터로 나타낼 수 있다. On the other hand, as described above, when the circular inspection target image is divided into n equal parts in the shape of a fan as shown in FIG. 3A and n divided into annular shapes as shown in FIG. when calculating each of the results by using the equation 2 to 6, there can be calculated the results as 2n C 2 combinations of rooms for each equation, mathematics below the results as the 2n C 2 combinations of rooms Equation 7 may be represented as an ED vector, an NCC vector, a VAR vector, a SAM vector, and an SID vector.

Figure 112009064271867-PAT00012
Figure 112009064271867-PAT00012

Figure 112009064271867-PAT00013
Figure 112009064271867-PAT00013

Figure 112009064271867-PAT00014
Figure 112009064271867-PAT00014

Figure 112009064271867-PAT00015
Figure 112009064271867-PAT00015

Figure 112009064271867-PAT00016
Figure 112009064271867-PAT00016

그리고, 수학식 7의 각 벡터에서 아래 수학식 8 내지 12에서와 같이 최소값(min), 평균값(mean) 및 최대값(max)을 얻을 수 있다. The minimum value min, the mean value, and the maximum value max may be obtained from each vector of Equation 7, as shown in Equations 8 to 12 below.

Figure 112009064271867-PAT00017
Figure 112009064271867-PAT00017

Figure 112009064271867-PAT00018
Figure 112009064271867-PAT00018

Figure 112009064271867-PAT00019
Figure 112009064271867-PAT00019

Figure 112009064271867-PAT00020
Figure 112009064271867-PAT00020

Figure 112009064271867-PAT00021
Figure 112009064271867-PAT00021

Figure 112009064271867-PAT00022
Figure 112009064271867-PAT00022

Figure 112009064271867-PAT00023
Figure 112009064271867-PAT00023

Figure 112009064271867-PAT00024
Figure 112009064271867-PAT00024

Figure 112009064271867-PAT00025
Figure 112009064271867-PAT00025

Figure 112009064271867-PAT00026
Figure 112009064271867-PAT00026

Figure 112009064271867-PAT00027
Figure 112009064271867-PAT00027

Figure 112009064271867-PAT00028
Figure 112009064271867-PAT00028

Figure 112009064271867-PAT00029
Figure 112009064271867-PAT00029

Figure 112009064271867-PAT00030
Figure 112009064271867-PAT00030

Figure 112009064271867-PAT00031
Figure 112009064271867-PAT00031

상기 수학식 8 내지 12에서 얻어진 ED, NCC, VAR, SAM 및 SID 각각에 대한 최소값(min), 평균값(mean) 및 최대값(max) 중 어느 하나 이상을 기 설정된 문턱값과 비교하여 기설정된 문턱값 이상이거나 이하이면-이러한 판단은 대비되는 부분 검사 대상 영상 간의 대칭성이나 동일성을 판단하는 기준이다-검사 대상 영상이 변색 영상인지, 거칠기 영상인지를 분류할 수 있다. 예를 들어, 기 설정된 문턱값이 "(meanVAR<0.004)"인 경우, VAR(VARation) 벡터의 최소값(min), 평균값(mean) 및 최대값(max) 중 일예로 평균값을 확인하여 0.004를 초과하는 경우에는 검색 대상 영상을 변색 영상으로 분류하고, 0.004 미만인 경우에는 거칠기 영상으로 분류할 수 있다. 이 같은 방법으로 금색 패드 영상에 대한 변색이나 거칠기를 분류함으로써, 인쇄 회로 기판의 금속 패드에 대한 상태를 검사할 수 있게 된다. The threshold is set by comparing one or more of the minimum value (min), average value (mean), and maximum value (max) for each of ED, NCC, VAR, SAM, and SID obtained in Equations 8 to 12 with a preset threshold. If the value is equal to or less than this value, the determination is a criterion for determining the symmetry or identity between the contrasted partial inspection target images. For example, when the preset threshold is "(meanVAR <0.004)", the average value is exceeded by checking an average value among the minimum value (min), mean value, and maximum value (max) of the VAR (VARation) vector. In this case, the search target image may be classified as a discolored image, and in the case of less than 0.004, the search target image may be classified as a roughness image. By classifying discoloration or roughness of the gold pad image in this manner, the state of the metal pad of the printed circuit board can be inspected.

도 7a 내지 도 7e는 본 발명에 사용된 거리측정 방법을 사용하여 얻은 결과를 나타내는 그래프이다. 구체적으로, 도 7a 내지 도 7e는 30장의 변색된 금속 패드를 가지고 있는 샘플 영상과 1232개의 거칠기가 있는 샘플 영상에 대해서 ED, NCC, VAR, SAM 및 SID의 최소값, 평균값, 최대값을 구하여 입체적으로 나타낸 것이다. 7A to 7E are graphs showing the results obtained using the distance measuring method used in the present invention. Specifically, FIGS. 7A to 7E are three-dimensional images of ED, NCC, VAR, SAM, and SID obtained for the sample image having 30 discolored metal pads and the sample image having 1232 roughnesses. It is shown.

도 7a 내지 도 7e에 도시된 그래프에서, +표기는 30장의 변색된 금속 패드를 가지고 있는 샘플 영상에 대한 ED, NCC, VAR, SAM 및 SID의 최소값, 평균값, 최대값을 입체적으로 나타낸 것이다. 그리고, ○표기는 1232개의 거칠기가 있는 샘플 영상에 대한 ED, NCC, VAR, SAM 및 SID의 최소값, 평균값, 최대값을 입체적으로 나타낸 것이다.In the graphs shown in Figs. 7A to 7E, the + notation shows three-dimensionally the minimum, average, and maximum values of ED, NCC, VAR, SAM, and SID for a sample image having 30 discolored metal pads. In addition, ○ notation shows the minimum, average, and maximum values of ED, NCC, VAR, SAM, and SID in 1232 roughness sample images three-dimensionally.

도 7a 내지 도 7e에 도시된 그래프를 참조하면, 변색된 금속 패드 영상에 대한 ED, NCC, VAR, SAM 및 SID의 최소값, 평균값, 최대값이 특정 영역에 위치하는 것을 알 수 있으며, 따라서 이러한 범위를 구분할 수 있도록 문턱값을 설정하면 ED, NCC, VAR, SAM 및 SID의 최소값, 평균값, 최대값을 이용하여 금속 패드 영상의 변색 여부를 판단할 수 있다.Referring to the graphs illustrated in FIGS. 7A to 7E, it can be seen that the minimum, average, and maximum values of ED, NCC, VAR, SAM, and SID for discolored metal pad images are located in specific regions, and thus, these ranges. If the threshold value is set to distinguish between, the discoloration of the metal pad image may be determined using minimum, average, and maximum values of ED, NCC, VAR, SAM, and SID.

또한, 동일하게 거칠기가 있는 금속 패드 영상에 대한 ED, NCC, VAR, SAM 및 SID의 최소값, 평균값, 최대값이 특정 영역에 위치하는 것을 알 수 있으며, 따라서 이러한 범위를 구분할 수 있도록 문턱값을 정하면 ED, NCC, VAR, SAM 및 SID의 최소값, 평균값, 최대값을 이용하여 금속 패드 영상의 거칠기를 판단할 수 있다.In addition, it can be seen that the minimum, average, and maximum values of ED, NCC, VAR, SAM, and SID for the same roughness metal pad image are located in a specific area. Therefore, if a threshold value is set to distinguish these ranges, Roughness of the metal pad image may be determined using minimum, average, and maximum values of ED, NCC, VAR, SAM, and SID.

여기에서, 도 7c에 도시된 VAR 최소값(min), 평균값(mean) 및 최대값(max)을 표시한 그래프에서 보다 정확히 분류되는 것을 알 수 있다. Here, it can be seen that the VAR minimum value (min), average value (mean) and maximum value (max) shown in FIG. 7C are more accurately classified.

이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다. Although the above has been illustrated and described with respect to the preferred embodiments of the present invention, the present invention is not limited to the above-described specific embodiments, it is common in the technical field to which the invention belongs without departing from the spirit of the invention claimed in the claims. Various modifications can be made by those skilled in the art, and these modifications should not be individually understood from the technical spirit or the prospect of the present invention.

도 1은 본 발명의 일 실시예에 따른 금속 패드의 상태 검사 방법을 설명하기 위한 흐름도이다.1 is a flowchart illustrating a method for checking a state of a metal pad according to an embodiment of the present invention.

도 2a 및 도 2b는 검사 대상 영상 추출 과정을 나타내는 도면이다.2A and 2B are diagrams illustrating a process of extracting an inspection target image.

도 3a 내지 도 3c는 원형의 검사 대상 영상을 부채꼴 형상의 다수의 부분 검사 대상 영상으로 분리한 후에 사각형상의 검사 대상 영상으로 변환하는 과정을 나타내는 도면이다.3A to 3C are diagrams illustrating a process of dividing a circular test target image into a plurality of sector-shaped partial test target images and converting the circular test target image into a rectangular test target image.

도 4a 내지 도 4d는 각각의 부분 검사 대상 영상에 대한 계조도 대 빈도수의 히스토그램을 나타내는 도면이다.4A to 4D are histograms of gray level versus frequency for each partial test target image.

도 5a 내지 도 5c는 원형의 검사 대상 영상을 고리 형상의 다수의 부분 검사 대상 영역으로 분리한 후에 사각형상의 검사 대상 영상으로 변환하는 과정을 나타내는 도면이다.5A to 5C illustrate a process of converting a circular inspection target image into a plurality of ring-shaped partial inspection target regions and converting the circular inspection target image into a rectangular inspection target image.

도 6a 내지 도 6d는 각각의 부분 검사 대상 영상에 대한 계조도 대 빈도수의 히스토그램을 나타내는 도면이다.6A to 6D are histograms of gray level versus frequency for each partial test target image.

도 7a 내지 도 7e는 본 발명에 사용된 거리측정 방법을 사용하여 얻은 결과를 나타내는 그래프이다.7A to 7E are graphs showing the results obtained using the distance measuring method used in the present invention.

Claims (8)

원형의 금속 패드 영상과 그 주변 영상을 포함한 샘플 영상을 입력받는 제1 단계;A first step of receiving a sample image including a circular metal pad image and its surrounding image; 상기 입력된 샘플 영상에서 금속 패드 영상을 검사 대상 영상으로 추출하는 제2 단계;A second step of extracting a metal pad image from the input sample image as an inspection target image; 추출된 상기 검사 대상 영상을 다수의 부분 검사 대상 영상으로 분할하는 제3 단계;A third step of dividing the extracted inspection target image into a plurality of partial inspection target images; 상기 다수의 부분 검사 대상 영상간에 유사성을 판단하는 제4 단계; 및Determining a similarity between the plurality of partial inspection target images; And 상기 다수의 부분 검사 대상 영상간에 유사성을 이용하여 상기 금속 패드의 상태를 분류하는 제5 단계를 포함하는 금속 패드의 상태 검사 방법.And a fifth step of classifying the states of the metal pads using similarities between the plurality of partial inspection target images. 청구항 1에 있어서,The method according to claim 1, 상기 제 3 단계 이후에, After the third step, 분할된 부분 검사 대상 영역을 사각형상의 부분 검사 대상 영역으로 변환하는 제 6 단계를 더 포함하는 금속 패드의 상태 검사 방법.And a sixth step of converting the divided partial inspection target region into a rectangular partial inspection target region. 청구항 1에 있어서,The method according to claim 1, 상기 제2 단계는,The second step, 상기 입력된 샘플 영상을 이진화시키는 제1 공정;A first step of binarizing the input sample image; 상기 이진화된 샘플 영상을 형태 연산하여 노이즈를 제거하는 제2 공정;Performing a shape operation on the binarized sample image to remove noise; 상기 노이즈가 제거된 상기 샘플 영상에서 무게 중심을 측정하여 상기 원형의 금속 패드 영상의 중심을 검색하는 제3 공정;A third step of searching for a center of the circular metal pad image by measuring a center of gravity in the sample image from which the noise is removed; 검색된 상기 원형의 금속 패드 영상의 중심으로부터 상기 원형의 금속 패드 영상의 가장자리까지의 거리를 측정하여 상기 원형의 금속 패드 영상의 반경을 검색하는 제4 공정; 및A fourth step of searching for a radius of the circular metal pad image by measuring a distance from a center of the retrieved circular metal pad image to an edge of the circular metal pad image; And 상기 검색된 중심으로부터 반경이내의 영상을 검사 대상 영상으로 추출하는 제5 공정을 포함하는 금속 패드의 상태 검사 방법.And a fifth process of extracting an image within a radius from the searched center as an inspection target image. 청구항 3에 있어서,The method of claim 3, 상기 제3 공정은, The third step, 하기 수학식 1 및 2를 이용하여 상기 원형의 중심을 검색하는 것을 특징으로 하는 금속 패드의 상태 검사 방법.A method of inspecting a state of a metal pad, characterized by searching for the center of the circle using Equations 1 and 2 below. 수학식 1 : Equation 1:
Figure 112009064271867-PAT00032
Figure 112009064271867-PAT00032
 수학식 2 : Equation 2:
Figure 112009064271867-PAT00033
Figure 112009064271867-PAT00033
 (Cx는 x축의 중심점, Cy는 y축의 중심점,(C x is the center point of the x axis, C y is the center point of the y axis, Bsrc는 이진화된 상기 샘플 영상, B src is the sample image binarized, h는 상기 샘플 영상의 높이, w는 상기 샘플 영상의 폭 )h is the height of the sample image, w is the width of the sample image) 제3항에 있어서,The method of claim 3, 상기 제4 공정은, The fourth step, 하기 수학식을 이용하여 상기 원형의 반경을 검색하는 것을 특징으로 하는 금속 패드의 상태 검사 방법.Method of checking the state of the metal pad, characterized in that for searching for the radius of the circle using the following equation.
Figure 112009064271867-PAT00034
Figure 112009064271867-PAT00034
 (Rx는 원형의 중심으로부터 x축의 양의 방향 반경, (R x is the positive radius of the x-axis from the center of the circle, R-x는 원형의 중심으로부터 x축의 음의 방향 반경, R -x is the negative radius of the x axis from the center of the circle, Ry는 원형의 중심으로부터 y축의 양의 방향 반경,R y is the positive radius of the y axis from the center of the circle, R-y는 원형의 중심으로부터 y축의 음의 방향 반경)R -y is the negative radius of the y axis from the center of the circle) 청구항 1에 있어서,The method according to claim 1, 상기 제4 단계는, The fourth step, 상기 다수의 부분 검사 대상 영상에 대하여 계조도 대 빈도수의 히스토그램을 생성하고, 생성된 히스토그램을 이용하여 부분 검사 대상 영상들간에 유사성을 판단하는 것을 특징으로 하는 금속 패드의 상태 검사 방법.Generating a histogram of gradation versus frequency for the plurality of partial inspection target images, and determining similarity between the partial inspection target images using the generated histogram. 청구항 6에 있어서,The method according to claim 6, 상기 제4 단계는, The fourth step, ED 거리 측정 방법, NCC 거리 측정 방법, VAR 거리 측정 방법, SAM 거리 측정 방법 및 SID 거리 측정 방법 중 어느 하나를 이용하여 다수의 부분 검사 대상 영상간에 유사성을 판단하는 것을 특징으로 하는 금속 패드의 상태 검사 방법.Examine the state of the metal pad, characterized in that the similarity between the plurality of partial inspection target image using any one of the ED distance measurement method, NCC distance measurement method, VAR distance measurement method, SAM distance measurement method and SID distance measurement method Way. 청구항 7에 있어서,The method of claim 7, 상기 제5 단계는,The fifth step, 상기 거리 측정 방법의 결과값을 벡터화하여 최소값(min), 평균값(mean) 및 최대값(max)을 산출하는 제1 공정; 및A first step of vectorizing a resultant value of the distance measuring method to calculate a minimum value (me), an average value (mean), and a maximum value (max); And 상기 벡터화된 결과값에 대한 최소값(min), 평균값(mean) 및 최대값(max) 중 어느 하나 이상을 기 설정된 문턱값과 비교하여 상기 검사 대상 영상을 변색 영상 또는 거칠기 영상으로 분류하는 제2 공정을 포함하는 것을 특징으로 하는 금속 패드의 상태 검사 방법.A second process of classifying the inspection target image into a color change image or a roughness image by comparing one or more of a minimum value (min), an average value (mean), and a maximum value (max) of the vectorized result value with a preset threshold; Method of inspecting the state of the metal pad comprising a.
KR1020090099954A 2009-10-20 2009-10-20 Metal pad state detection method KR101131350B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090099954A KR101131350B1 (en) 2009-10-20 2009-10-20 Metal pad state detection method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090099954A KR101131350B1 (en) 2009-10-20 2009-10-20 Metal pad state detection method

Publications (2)

Publication Number Publication Date
KR20110043032A true KR20110043032A (en) 2011-04-27
KR101131350B1 KR101131350B1 (en) 2012-04-04

Family

ID=44048359

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090099954A KR101131350B1 (en) 2009-10-20 2009-10-20 Metal pad state detection method

Country Status (1)

Country Link
KR (1) KR101131350B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140067454A (en) * 2012-11-26 2014-06-05 엘지디스플레이 주식회사 Method and apparatus for testing flat panel display
WO2018070710A1 (en) * 2016-10-14 2018-04-19 주식회사 윈텍오토메이션 Method for detecting defect in carbide insert by using product symmetry and image similarity

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR0179758B1 (en) * 1995-06-26 1999-04-01 이희종 Detection method of surface mounting device of pcb
KR100673392B1 (en) * 2004-03-29 2007-01-24 아주하이텍(주) Automatic optical inspection system for printed circuit board of film, tape type and method for processing of the same
JP4935109B2 (en) 2005-03-17 2012-05-23 オムロン株式会社 Substrate inspection device, inspection logic setting method and inspection logic setting device
KR101228321B1 (en) * 2008-04-15 2013-01-31 삼성테크윈 주식회사 Method for inspecting semiconductor substrate optically and apparatus thereof

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140067454A (en) * 2012-11-26 2014-06-05 엘지디스플레이 주식회사 Method and apparatus for testing flat panel display
WO2018070710A1 (en) * 2016-10-14 2018-04-19 주식회사 윈텍오토메이션 Method for detecting defect in carbide insert by using product symmetry and image similarity

Also Published As

Publication number Publication date
KR101131350B1 (en) 2012-04-04

Similar Documents

Publication Publication Date Title
JP5275017B2 (en) Defect inspection method and apparatus
JP5537282B2 (en) Defect inspection apparatus and defect inspection method
JP5075646B2 (en) Semiconductor defect inspection apparatus and method
US7233867B2 (en) Eddy current inspection method and system
KR101743085B1 (en) Apparatus and method for defect detection including patch-to-patch comparisons
KR100846633B1 (en) Method and apparatus for detecting defects of patterns
JP2007071586A (en) Image defect inspection device, image defect inspection system, defect classification device, and image defect inspection method
CN108369915B (en) Reduce the noise examined in the bare die caused near registration and design
KR20120068128A (en) Method of detecting defect in pattern and apparatus for performing the method
JP2006098152A (en) Apparatus and method for detecting defect
CN113781424B (en) Surface defect detection method, device and equipment
JPWO2012057198A1 (en) Image processing apparatus and computer program
JP2018004632A (en) Pattern inspection method and pattern inspection device
KR20180115646A (en) Bead recognition apparatus using vision camera and method thereof
KR101131350B1 (en) Metal pad state detection method
JP2006090921A (en) Visual examination device, threshold determining method visual examination method and program for functionalizing computer as visual examination device
JP2020085774A (en) Method for inspecting tube glass, method for learning, and tube glass inspection device
KR101109351B1 (en) Metal pad state detection method using Gabor filter
JP3913517B2 (en) Defect detection method
KR20210087100A (en) Defect classification by fitting an optical signal to a point spread function
JPH1187446A (en) Apparatus and method for inspection of defect of pattern
JP4115378B2 (en) Defect detection method
JP6031151B2 (en) Defect inspection method and apparatus
JP2006226706A (en) Defect detection method and program therefor
JP2013231725A (en) Defect inspection method and apparatus therefor

Legal Events

Date Code Title Description
A201 Request for examination
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20150518

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20160111

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170320

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20171213

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20190321

Year of fee payment: 8