기술개요
- 불량 샘플이 상대적으로 적은 환경에서 소형 카메라 모듈 표면의 얼룩 불량을 판별하는 기술
- CNN(합성곱 신경망)모델을 이용하여 다수의 샘플영상의 특징값 맵을 추출하고 특징값 벡터 유사도에 의한 손실함수로 학습한 CNN 모델과 임계값을 바탕으로 얼룩 불량 영역 판별
기술개발배경
- 제조 라인의 코딩 공정, 이송, 적재 등의 과정에서 모듈 표면에 불량이 발생하지만 정상 모듈과 차이가 크지 않아 불량 판별이 어려운 상황
- 불량 관리는 PPM(Parts Per Million) 단위로 관리되기 때문에 실제 불량 샘플 획득이 매우 어렵거나 극소량만 획득 가능
기술의 특장점 및 차별성
- (판별 효율 향상) 적은 불량 샘플로 소형 카메라 모듈 표면의 얼룩 불량 판별 가능
- (AI기반 장치) CNN(합성곱 신경망)모델을 이용하여 학습 데이터에 포함되지 않은 얼룩 불량 판별
- (판별 정확도 향상) 샘플의 정상 영역과 얼룩 영역을 표시한 정답 영상을 획득하는 오프라인 공정과 광학 검사 장치를 통해 검사 대상인 영상을 획득하는 온라인 공정을 이용하여 정상 판별
적용분야
시장 전망
- (국내) 국내 표면 검사 시장은 2021년 2억 4,860만 달러에서 2026년 3억 9,120만 달러로 증가할 전망(CAGR 9.5%)
- (해외) 글로벌 표면 검사 시장은 2021년 82.5억 달러에서 2027년 5,668억 달러로 증가할 전망(CAGR 2.7%)
