공장 자동화 생산 라인 테스트 시스템에서 이미징 색도계 사용 방법
Radiant Vision Systems
고속 생산에서 조명된 디스플레이의 육안 검사에 관한 세 가지 주요 접근법이 있다(라인 혹은 라인 끝 최종 검사에서).
1) 육안(인간) 검사: 중간 정도의 복잡한 테스트 요구 사항을 쉽게 처리한다. 전자테스트 방법과 비교할 때 상대적으로 느리고 가변적이다.
2) 머신비전 기반 검사: 간단한 테스트를 위해 매우 빠르다. 많은 테스트에서 인간의 시각적 경험을 반영하지 않는다.
3) 이미징 색도계 기반의 검사: 앞의 두 가지 방법 사이의 중간 속도. 안정성과 반복성이 매우 높은 사람처럼 보는것이다.
디스플레이 밝기, 색상 균일성과 대비를 평가하고 디스플레이의 결함을 식별하기 위해 이미징 색도계 시스템과 관련된 분석 소프트웨어를 사용하는 것이 잘 확립되어 있다. 이미징 색도계와 머신비전 사이의 근본적인 차이점은 광과 색상 균일성(그리고 비균일성)에 대한 인간의 시각적 인식을 일치시키는 색도계의 정확도다.
이 기사에서는 빠르게 운용되는 대량 생산 환경에서 결함을 식별하고 정량화하기 위해 완전 자동화된 테스트 시스템에서 이미징 색도계를 사용하는 방법을 설명한다. 또한, 복잡한 무라(mura) 감지와 평가를 통해 간단한 포인트 결함 탐지에 이르는 테스트 설정과, 수행할 수 있는 테스트 범위를 다룬다.
측정 과제
이미징 색도계 시스템은 CCD 기반 이미징 시스템으로서 CIE 모델에 정의된 표준 사람 관찰자와 마찬가지로 빛, 밝기, 그리고 색상에 대해 동일한 반응을 보이도록 보정된다. 색도계는 밝기와 색상 그리고 공간적 관계의 정확한 동시 측정을 제공한다. 이미지 디스플레이에 사용되는 경우, 디스플레이 균일성 및 대비 성능을 결정하는 데 쉽게 사용할 수 있는 데이터가 생성된다. 또한, 균일성의 변화를 분석하여 잠재적인 디스플레이 결함을 식별하고 찾을 수 있다. 디스플레이 측정과 분석의 세 가지 중요한 과제는 다음과 같다.
(1) 인간 시각적 인식과 높은 상관 관계를 갖는 결함 식별(identify)
(2) 결함의 심각성을 정량화(quantify)
(3) 신속하고 높은 반복성으로 분석 수행(rapidly, repeatability)
결함의 분석 및 정량화는 결함을 일으킨 디스플레이 구성 요소에 대한 결정의 기초를 형성하고 품질 테스트의 효율성을 높이고 잠재적으로 비용을 절감할 수 있는 다음 조치(예: 디스플레이를 스크랩하거나 수리를 위해 반환하는 경우)를 결정할 수 있다.
측정 구성 요소와 설정
적절히 자동화된 테스트 시퀀스를 지정함으로써 이미징 색도계를 사용하여 특정 디스플레이의 성능을 설명하는 광범위하고 정확한 고해상도 데이터를 얻을 수 있다.
이 측정 데이터는 디스플레이 기술과 해상도에 따라 일반적인 테스트 시퀀스의 경우 수분에서 수분 내에 얻을 수 있다. 균일성 결함에 대한 새로운 무라 분석 기술을 사용함으로써 이 이미지를 사용하여 물리적인 원인과 직접 관련이 있는 결함 간의 미세한 차이를 결정할 수 있다.
이미징 색도계로 디스플레이의 자동화된 측정과 분석을 위해서는 조합 측정 제어와 분석 소프트웨어가 필요하다. 이 애플리케이션을 위해 개발한 시스템의 일반적인 구조가 그림 1에 나와 있다. 시스템의 주요 구성 요소는 다음과 같다. (1) 과학 수준급의 이미징 색도계 시스템, (2) 테스트 중인 장치에서 이미징 색도계와 테스트 이미지 디스플레이를 모두 제어하는 PC 기반 측정 제어 소프트웨어, (3) 다양한 테스트를 실행할 수 있는 이미지 분석 기능들. 그 결과는 점 결함과 선 결함, 그리고 무라와 같은 다양한 디스플레이 결함에 대한 정량적이고 자동화된 검사를 제공할 수 있는 시스템이다.
이 예제에 사용된 자동 테스트 소프트웨어 아키텍처는 Radiant Vision Systems TrueTest™ 소프트웨어다. 이 소프트웨어는 이미징 색도계와 테스트 중인 디스플레이와의 인터페이스를 제공하는 핵심 측정 제어 모듈 세트로 구성된다.
이 베이스에 일련의 특정 테스트 기능이 내장되어 있으며, 함수 호출을 사용하여 균일도 분석을 위해 다양한 밝기 설정에서 흰색, 빨간색, 파란색, 그리고 녹색 디스플레이 스크린의 다양한 측정을 생성하거나 대비 측정을 위한 바둑판 패턴을 생성한다. 구현된 테스트의 부분 목록은 다음과 같다.
- ANSI 밝기
- 관심 지점 비교
- ANSI 색상 균일성
- 대각선 무늬 무라
- 블랙 무라
- 선 결함
- 얼룩 분석
- 무라 결함
- 바둑판 대조
- 픽셀 결함
- 색도
- 관심 지점
- 컬러 무라
- 균일성
디스플레이 결함 검출 애플리케이션
광범위한 디스플레이 결함은 픽셀 결함과 라인 결함, 스크린 제조의 물리적 결함(박리), 화면 손상(스크래치), 그리고 이미지 균일성(예: 무라)의 불완전성으로 식별될 수 있다. 이러한 결함은 시각적 인식을 정량화하기 위한 최근의 발전을 이용하여 사람 관찰자에게 눈에 띄는(또는 그렇지 않은) 정도에 따라 수치적으로 분류할 수 있다. 이 분석 프로세스는 빠르고 반복적이다. LCD, LED, OLED, 그리고 프로젝션 디스플레이를 포함한 다중 디스플레이 기술과 함께 사용할 수 있다.
이러한 결함 탐지 및 분류 방법은 다수의 디스플레이 분석을 통해 여기서 설명된다. 그림 2에는 선 결함이 있는 디스플레이의 광점 측정(photopic measurement)이 나와 있다. 분석 소프트웨어는 이 결함을 식별하여 그림 3과 같이 디스플레이 이미지에 표시한다. 선 결함은 근본 원인을 식별하는 것이 직접적인 결함의 한 예다.
그림 4에는 점 결함이 있는 디스플레이의 광점 측정이 나와 있다. 분석 소프트웨어는 이 결함을 식별하여 그림 5와 같이 디스플레이 이미지에 표시한다. 포인트 결함은 LCD 픽셀이 고정된 결과로 분석이 결정되면 포인트 픽셀로 분류할 수 있다. 그러나 단일 각도에서 직접 보는 것은 죽은 픽셀과 디스플레이 유리 뒷면의 입자 사이의 차이를 결정할 수 없다. 이 경우 원인을 차별화하고 분류하기 위해서는 2차적인 검사가 필요하다.
무라는, 탐지와 분류가 더 복잡할 수 있다. 그리고 일반적으로 불규칙하고 확장된 영역을 덮는 휘도, 또는 색상의 불균일성이 있다. 감지할 수 있는 임계값을 초과하는 휘도 또는 색상 대비(contrast)를 식별하여 무라를 감지한다. 그러나 이 대비에 대한 인간의 인식은 보기 거리, 공간 주파수, 그리고 방향을 비롯한 여러 요소에 의존하기 때문에 관련 무라는 단순하고 절대적인 대비 값을 조사하여 식별할 수 없다.
인간의 시각적 민감성을 표시 결함에 대한 모델링의 최근 진보는 ‘눈에 띄는 차이(JND, Just Noticeable Differences)’의 측면에서 무라의 정량화를 허용한다. 인간 관측자의 표본을 바탕으로 JND 척도는 1의 JND 차이가 눈에 띄도록 정의된다. 절대 눈금에서 JND 값 0은 가시적인 공간 대비를 나타내지 않으며 절대 JND 값 1은 눈에 띄는 첫 번째 공간 대비를 나타내며 디스플레이 기술의 경우 표시 결함의 채점을 허용한다. 따라서 휘도와 색상의 공간 분포에 대한 이미징 색도계를 처리하여 인간의 시각적 인식과 직접적인 상관 관계가 있는 무라 결함을 등급화한 이미지의 JND 맵을 생성할 수 있다.
그림 6은 무라 결함을 갖는 디스플레이를 보여준다. 분석 후 그림 7과 같이 디스플레이 이미지에서 식별된다.
그림 8과 그림 9에는 무라를 식별하는 처리 단계가 나와 있다. 중간 단계로서 기준 화상에 대한 휘도 편차를 나타내는 차분 화상이 생성된다. 그런 다음 디스플레이의 JND 맵이 계산된다. 그림 7에 나와있는 무라 테스트는 JND 이미지에서 쉽게 볼 수 있는 가장자리 효과를 의도적으로 무시한다. 이러한 효과는 쉽게 식별되고 별도로 분류된다.
이미징 색도계 기반 AVI 테스트 시스템은 디스플레이 결함을 신속하고 확실하게 식별하고 정량화할 수 있다. 결함의 근본 원인을 결정하거나 분류하여 디스플레이의 처리를 결정하기 위해 때로는 사람의 검사가 필요하다. 그림 3의 선 결함과 같이 많은 경우에 식별된 결함과 원인 사이에 일 대 일 관계가 있다. 이 경우 분류가 즉각적이며 사람의 검사가 필요하지 않다. 일부 무라와 같은 다른 경우에는 여러 가지 원인이 있을 수 있으므로 분류를 완료하려면 추가 정보가 필요하다. 이 분류를 수행하는 효율적인 방법은 여러 가지 원인 중 올바른 것이 올바른지에 대해 조작자가 결정하도록 하는 것이다.
인간 분류가 필요할 때 효율성을 높이기 위해 TrueTest는 추가 검사가 필요한 결함의 정확한 위치와 세부 사항을 작업자에게 알려준다. 분류가 필요한 결함을 구체적으로 타겟팅하고 적절한 세부 사항을 제시함으로써 인간의 판단력이 집중되고 가속화될 수 있다.
그림 4와 그림 5에 도시된 점 결함에 대해, 오퍼레이터는 암점(dark point)에 대한 정확한 위치와 정보를 제공한다. 그리하여 일례로 디스플레이 유리의 뒤쪽에 있는 죽은 픽셀인지 혹은 입자인지를 신속하게 결정할 수 있게 한다.
자료 제공: Radiant Vision Systems(www.RadiantVS.com)
