| 1 |
1
기판을 검사하는 장치에 있어서,스크린 프린터의 복수의 제1 결함 유형의 각각과 이상이 감지된 복수의 솔더 페이스트를 나타내는 이미지와의 관련성을 나타내는 복수의 값을 도출하고,상기 이상이 감지된 복수의 솔더 페이스트를 나타내는 이미지를 이용하여, 상기 복수의 제1 결함 유형 중 하나의 결함 유형과 관련된 영역을 나타내는 복수의 이미지를 생성하도록 학습된 머신-러닝 기반 모델을 저장하는 메모리; 및상기 메모리와 전기적으로 연결된 프로세서를 포함하고,상기 프로세서는,제1 기판에 대한 이미지에 기초하여, 상기 제1 기판에 인쇄된 복수의 제1 솔더 페이스트 중 복수의 제2 솔더 페이스트의 이상이 감지되면, 상기 제1 기판에 대한 이미지를 이용하여, 상기 복수의 제2 솔더 페이스트를 나타내는 적어도 하나의 이미지를 생성하고,상기 생성된 적어도 하나의 이미지를 상기 머신-러닝 기반 모델에 적용하고,상기 머신-러닝 기반 모델로부터, 상기 복수의 제1 결함 유형의 각각과 상기 적어도 하나의 이미지와의 관련성을 나타내는 복수의 제1 값 및 상기 복수의 제1 결함 유형 중 하나의 결함 유형과 관련된 영역을 나타내는 복수의 제1 이미지를 획득하고,상기 획득된 복수의 제1 값에 기초하여, 상기 복수의 제1 결함 유형 중 상기 복수의 제2 솔더 페이스트와 관련된 복수의 제2 결함 유형을 결정하고,상기 복수의 제1 이미지 중 상기 복수의 제2 결함 유형에 대응되는 복수의 제2 이미지에 기초하여, 상기 복수의 제2 솔더 페이스트 중 상기 복수의 제2 결함 유형 각각과 관련된 적어도 하나의 제3 솔더 페이스트를 결정하는, 기판 검사 장치
|
| 2 |
2
제1항에 있어서,상기 프로세서는,상기 제1 기판에 대한 이미지를 통해 획득되는 복수의 제1 솔더 페이스트에 대한 측정 정보를 이용하여, 상기 복수의 제1 솔더 페이스트 중 복수의 제2 솔더 페이스트의 이상을 감지하는, 기판 검사 장치
|
| 3 |
3
제2항에 있어서,상기 측정 정보는,솔더 페이스트에 대한 부피, 면적, 높이 형상 또는 위치 중 적어도 하나를 포함하는, 기판 검사 장치
|
| 4 |
4
제1항에 있어서,상기 스크린 프린터의 복수의 제1 결함 유형은,스퀴즈 블레이드 결함, 스퀴즈 블레이드 고정 결함, 지지대 결함, 테이블 결함, 그리드 락 설정 불량에 따른 결함, 솔더 페이스트의 방치와 솔더 페이스트의 반죽 불량으로 인한 결함, 솔더 페이스트의 부족에 의한 결함, 스텐실 접촉 불량으로 인한 결함, 스텐실의 흠집에 의한 결함 및 기판의 휘어짐에 의한 결함 중 적어도 하나를 포함하는 기판 검사 장치
|
| 5 |
5
제1항에 있어서,상기 머신-러닝 기반 모델은,상기 복수의 제1 결함 유형에 따라 분류된 이상이 감지된 복수의 솔더 페이스트를 나타내는 복수의 이미지들을 통해 상기 복수의 제1 결함 유형의 각각과 상기 이상이 감지된 복수의 솔더 페이스트를 나타내는 이미지와의 관련성을 나타내는 복수의 값을 도출하고, 상기 복수의 제1 결함 유형 중 하나의 결함 유형과 관련된 영역을 나타내는 복수의 이미지를 생성하도록 학습되는, 기판 검사 장치
|
| 6 |
6
제1항에 있어서,상기 프로세서는,상기 머신-러닝 기반 모델로부터, 상기 복수의 제1 결함 유형의 각각의 임계값을 나타내는 임계값 정보를 획득하고,상기 임계값 정보를 통해 확인되는 상기 복수의 제1 유형의 각각의 임계값과 상기 획득된 복수의 제1 값을 비교함으로써, 상기 복수의 제2 솔더 페이스트와 관련된 복수의 제2 결함 유형을 결정하는, 기판 검사 장치
|
| 7 |
7
제6항에 있어서,상기 머신-러닝 기반 모델은,상기 복수의 제1 결함 유형의 각각과 상기 이상이 감지된 복수의 솔더 페이스트를 나타내는 이미지와의 관련성을 나타내는 복수의 값을 통해 상기 복수의 제1 결함 유형 각각에 설정된 임계값을 조정함으로써, 상기 임계값 정보를 학습하는, 기판 검사 장치
|
| 8 |
8
제1항에 있어서,상기 머신-러닝 기반 모델에 의해 생성되는 복수의 이미지의 각각이 나타내는 영역은 서로 다른 결함 유형과 관련된 영역인, 기판 검사 장치
|
| 9 |
9
제1항에 있어서,상기 프로세서는,상기 복수의 제2 이미지에 기초하여, 복수의 제2 결함 유형과 관련된 영역을 확인하고,상기 복수의 제2 결함 유형과 관련된 영역과 상기 제1 기판에 대한 이미지를 통해 확인되는 상기 복수의 제2 솔더 페이스트의 각각의 위치에 기초하여, 상기 복수의 제2 결함 유형의 각각과 관련된 적어도 하나의 제3 솔더 페이스트를 결정하는, 기판 검사 장치
|
| 10 |
10
제1항에 있어서,상기 프로세서는,상기 복수의 제2 결함 유형을 결정한 후, 상기 생성된 적어도 하나의 이미지를 통해 상기 머신-러닝 기반 모델을 학습시키는, 기판 검사 장치
|
| 11 |
11
기판 검사 장치에서 스크린 프린터의 결함 유형을 결정하는 방법에 있어서,제1 기판에 대한 이미지에 기초하여, 상기 제1 기판에 인쇄된 복수의 제1 솔더 페이스트 중 복수의 제2 솔더 페이스트의 이상이 감지되면, 상기 제1 기판에 대한 이미지를 이용하여, 상기 복수의 제2 솔더 페이스트를 나타내는 적어도 하나의 이미지를 생성하는 단계;상기 생성된 적어도 하나의 이미지를 머신-러닝 기반 모델에 적용하는 단계;상기 머신-러닝 기반 모델로부터, 상기 복수의 제1 결함 유형의 각각과 상기 적어도 하나의 이미지와의 관련성을 나타내는 복수의 제1 값 및 상기 복수의 제1 결함 유형 중 하나의 결함 유형과 관련된 영역을 나타내는 복수의 제1 이미지를 획득하는 단계;상기 획득된 복수의 제1 값에 기초하여, 상기 복수의 제1 결함 유형 중 상기 복수의 제2 솔더 페이스트와 관련된 복수의 제2 결함 유형을 결정하는 단계; 및상기 복수의 제1 이미지 중 상기 복수의 제2 결함 유형에 대응되는 복수의 제2 이미지에 기초하여, 상기 복수의 제2 솔더 페이스트 중 상기 복수의 제2 결함 유형 각각과 관련된 적어도 하나의 제3 솔더 페이스트를 결정하는 단계를 포함하고,상기 머신-러닝 기반 모델은,스크린 프린터의 복수의 제1 결함 유형의 각각과 이상이 감지된 복수의 솔더 페이스트를 나타내는 이미지와의 관련성을 나타내는 복수의 값을 도출하고,상기 이상이 감지된 복수의 솔더 페이스트를 나타내는 이미지를 이용하여, 상기 복수의 제1 결함 유형 중 하나의 결함 유형과 관련된 영역을 나타내는 복수의 이미지를 생성하도록 학습되는, 결함 유형 결정 방법
|
| 12 |
12
제11항에 있어서,상기 제1 기판에 대한 이미지를 통해 획득되는 복수의 제1 솔더 페이스트에 대한 측정 정보를 이용하여, 상기 복수의 제1 솔더 페이스트 중 복수의 제2 솔더 페이스트의 이상을 감지하는 단계를 더 포함하는 결함 유형 결정 방법
|
| 13 |
13
제12항에 있어서,상기 측정 정보는,솔더 페이스트에 대한 부피, 면적, 높이 형상 또는 위치 중 적어도 하나를 포함하는, 결함 유형 결정 방법
|
| 14 |
14
제11항에 있어서,상기 스크린 프린터의 복수의 제1 결함 유형은,스퀴즈 블레이드 결함, 스퀴즈 블레이드 고정 결함, 지지대 결함, 테이블 결함, 그리드 락 설정 불량에 따른 결함, 솔더 페이스트의 방치와 솔더 페이스트의 반죽 불량으로 인한 결함, 솔더 페이스트의 부족에 의한 결함, 스텐실 접촉 불량으로 인한 결함, 스텐실 흠집에 의한 결함 및 기판의 휘어짐에 의한 결함 중 적어도 하나를 포함하는, 결함 유형 결정 방법
|
| 15 |
15
제11항에 있어서,상기 머신-러닝 기반 모델은,상기 복수의 제1 결함 유형에 따라 분류된 이상이 감지된 복수의 솔더 페이스트를 나타내는 복수의 이미지들을 통해 상기 복수의 제1 결함 유형의 각각과 상기 이상이 감지된 복수의 솔더 페이스트를 나타내는 이미지와의 관련성을 나타내는 복수의 값을 도출하고, 상기 복수의 제1 결함 유형 중 하나의 결함 유형과 관련된 영역을 나타내는 복수의 이미지를 생성하도록 학습되는, 결함 유형 결정 방법
|
| 16 |
16
제11항에 있어서,상기 복수의 제2 솔더 페이스트와 관련된 복수의 제2 결함 유형을 결정하는 단계는,상기 머신-러닝 기반 모델로부터, 상기 복수의 제1 결함 유형의 각각의 임계값을 나타내는 임계값 정보를 획득하는 단계; 및상기 임계값 정보를 통해 확인되는 상기 복수의 제1 유형의 각각의 임계값과 상기 획득된 복수의 제1 값을 비교함으로써, 상기 복수의 제2 솔더 페이스트와 관련된 복수의 제2 결함 유형을 결정하는 단계를 포함하는 결함 유형 결정 방법
|
| 17 |
17
제16항에 있어서,상기 머신-러닝 기반 모델은,상기 복수의 제1 결함 유형의 각각과 상기 이상이 감지된 복수의 솔더 페이스트를 나타내는 이미지와의 관련성을 나타내는 복수의 값을 통해 상기 복수의 제1 결함 유형 각각에 설정된 임계값을 조정함으로써, 상기 임계값 정보를 학습하는, 결함 유형 결정 방법
|
| 18 |
18
제11항에 있어서,상기 머신-러닝 기반 모델에 의해 생성되는 복수의 이미지의 각각이 나타내는 영역은 서로 다른 결함 유형과 관련된 영역인, 결함 유형 결정 방법
|
| 19 |
19
제11항에 있어서,상기 복수의 제2 결함 유형 각각과 관련된 적어도 하나의 제3 솔더 페이스트를 결정하는 단계는,상기 복수의 제2 이미지에 기초하여, 복수의 제2 결함 유형과 관련된 영역을 확인하는 단계; 및상기 복수의 제2 결함 유형과 관련된 영역과 상기 제1 기판에 대한 이미지를 통해 확인되는 상기 복수의 제2 솔더 페이스트의 각각의 위치에 기초하여, 상기 복수의 제2 결함 유형의 각각과 관련된 적어도 하나의 제3 솔더 페이스트를 결정하는 단계를 포함하는 결함 유형 결정 방법
|
| 20 |
20
제11항에 있어서,상기 복수의 제2 결함 유형을 결정한 후, 상기 생성된 적어도 하나의 이미지를 통해 상기 머신-러닝 기반 모델을 학습시키는 단계를 더 포함하는 결함 유형 결정 방법
|
