본 논문에서는 LCD 제조공정 상에서 발생할 수 있는 결함을 검사하고 분류할 수 있는 적응적인 LCD 표면 결함 검사 시스템을 제안하였다. 즉, 반복되는 LCD 패턴의 주기를 확정한 후에 결함 패턴을 검출하고 검출된 결함 패턴의 특징을 계산하여 결함을 분류하였다. 그리고 결함을 검출하는 과정에서 발생하는 잡음은 모폴로지 연산자를 이용하여 제거하였다. 또한, 검출된 결함 패턴에서 기하학적인 특징과 통계적 특징을 계산한 후 신경회로망 알고리즘을 이용하여 여러 종류의 결함 패턴을 적응적으로 분류하였으며, 실험 결과 92.3%의 결함 검출율 및 94.5%의 결함 분류 및 인식율을 획득함으로써, LCD 결함 검사 시스템의 실질적인 구현 가능성을 제시하였다.
In this paper we show the LCD simulator for defect inspection using image processing algorithm and neural network. The defect inspection algorithm of the LCD consists of preprocessing, feature extraction and defect classification. Preprocess removes noise from LCD image, using morphology operator and neural network is used for the defect classification. Sample images with scratch, pinhole, and spot from real LCD color filter image are used. From some experiments results, the proposed algorithms show that defect detected and classified in the ratio of 92.3% and 94.5 respectively. Accordingly, in this paper, a possibility of practical implementation of the LCD defect inspection system is finally suggested.
