KR102570963B1 - device and method for detecting abnormal performance - Google Patents

Abstract

The present invention relates to an anomaly detection device to detect abnormalities in a substrate. According to the present invention, the anomaly detection device comprises: a first vision recognition unit photographing a first part of a substrate storage container to generate a first image; a second vision recognition unit photographing a second part of the substrate storage container different from the first part to generate a second image; a slot position detection module detecting a first position of a first slot included in the first image and a second position of a second slot included in the second image; and a filling slot detection module classifying the first and second positions as one of a filling slot and an empty slot and determines an anomaly detection result according to a classification result of the filling slot and the empty slot.

Description

이상 탐지 장치 및 방법{device and method for detecting abnormal performance}Device and method for detecting abnormality {device and method for detecting abnormal performance}

본 발명은 이상 탐지 장치 및 방법에 관한 것이다. 구체적으로, 본 발명은 미리 학습된 딥러닝 모듈을 이용하여, 기판 보관 용기의 이상 상태를 탐지하기 위한 이상 탐지 장치 및 그 방법에 관한 것이다.The present invention relates to an anomaly detection device and method. Specifically, the present invention relates to an abnormality detection device and method for detecting an abnormal state of a substrate storage container using a pre-learned deep learning module.

이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.The contents described in this part merely provide background information on the present embodiment and do not constitute prior art.

반도체 기판(예를 들어, PCB 기판, 웨이퍼 등)은 일반적으로 복수개의 기판을 실장할 수 있는 기판 보관 용기(예를 들어, 카세트, 매거진 등)을 이용하여 이송된다. 기판 보관 용기에 실장된 반도체 기판들은 후속 공정 장비에서 기판 이송 장비에 의해 언로드되고, 후속 공정이 진행된다. Semiconductor substrates (eg, PCB substrates, wafers, etc.) are generally transported using substrate storage containers (eg, cassettes, magazines, etc.) capable of mounting a plurality of substrates. Semiconductor substrates mounted in the substrate storage container are unloaded by substrate transfer equipment in subsequent process equipment, and subsequent processes are performed.

그러나, 기판 보관 용기에 반도체 기판이 잘못 실장된 경우, 기판의 언로드시 기판이 파손되거나, 기판 이송 장비가 파손될 우려가 있다. 종래에는 이를 방지하기 위해, 사람이 직접 기판 보관 용기에 잘못 실장된 기판이 있는지를 검사하고 있으며, 공장 자동화 및 효율 증대를 위해 이에 대한 이상 탐지 장치의 개발이 필요한 실정이다. However, when a semiconductor substrate is incorrectly mounted in a substrate storage container, there is a risk that the substrate may be damaged during unloading of the substrate or the substrate transfer equipment may be damaged. Conventionally, in order to prevent this, a person directly inspects whether there is a substrate incorrectly mounted in the substrate storage container, and it is necessary to develop an anomaly detection device for this in order to automate the factory and increase efficiency.

본 발명의 목적은 기판의 이상 상태 여부를 탐지할 수 있는 이상 탐지 장치를 제공하는 것이다.An object of the present invention is to provide an anomaly detection device capable of detecting whether a substrate is in an abnormal state.

또한, 본 발명의 목적은 기판의 이상 상태 여부를 탐지할 수 있는 이상 탐지 방법을 제공하는 것이다.In addition, an object of the present invention is to provide an abnormality detection method capable of detecting whether or not a substrate is in an abnormal state.

본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.The objects of the present invention are not limited to the above-mentioned objects, and other objects and advantages of the present invention not mentioned above can be understood by the following description and will be more clearly understood by the examples of the present invention. It will also be readily apparent that the objects and advantages of the present invention may be realized by means of the instrumentalities and combinations indicated in the claims.

본 발명의 몇몇 실시예에 따른 이상 탐지 장치는 기판 보관 용기의 제1 부분을 촬상하여, 제1 이미지를 생성하는 제1 비전 인식부, 상기 기판 보관 용기의, 상기 제1 부분과 다른 제2 부분을 촬상하여, 제2 이미지를 생성하는 제2 비전 인식부, 상기 제1 이미지에 포함된 제1 슬롯의 제1 위치와, 상기 제2 이미지에 포함된 제2 슬롯의 제2 위치를 탐지하는 슬롯 위치 탐지 모듈 및 상기 제1 및 제2 위치에 대해 필링 슬롯 및 엠티 슬롯 중 어느 하나로 분류하고, 상기 필링 슬롯 및 상기 엠티 슬롯의 분류 결과에 따라 이상 탐지 결과를 결정하는 필링 슬롯 탐지 모듈을 포함한다. An anomaly detection device according to some embodiments of the present invention includes a first vision recognition unit generating a first image by capturing a first part of a substrate storage container, and a second part different from the first part of the substrate storage container. A second vision recognition unit for capturing and generating a second image, a slot for detecting a first position of a first slot included in the first image and a second position of a second slot included in the second image and a location detection module and a filling slot detection module that classifies the first and second locations into one of filling slots and empty slots, and determines an anomaly detection result according to a classification result of the filling slot and the empty slot.

몇몇 실시예에서, 상기 제1 비전 인식부에 대해 상기 제1 부분과 정렬하고, 상기 제2 비전 인식부에 대해 상기 제2 부분과 정렬하는 비전 인식 정렬부를 더 포함할 수 있다. In some embodiments, the vision recognition alignment unit may further include aligning the first part with respect to the first vision recognition unit and aligning the second part with respect to the second vision recognition unit.

몇몇 실시예에서, 상기 슬롯 위치 탐지 모듈은 상기 제1 위치와 상기 제2 위치를 기초로, 상기 이상 탐지 결과를 오류 탐지로 결정할 수 있다.In some embodiments, the slot location detection module may determine the abnormality detection result as error detection based on the first location and the second location.

몇몇 실시예에서, 상기 슬롯 위치 탐지 모듈은 상기 제1 및 제2 위치를 기초로, 상기 제1 부분에 포함된 슬롯의 제1 개수와 상기 제2 부분에 포함된 슬롯의 제2 개수를 결정하고, 상기 제1 및 제2 개수가 미리 정한 개수와 다른 경우, 상기 이상 탐지 결과를 오류 탐지로 결정할 수 있다. In some embodiments, the slot location detection module determines a first number of slots included in the first portion and a second number of slots included in the second portion based on the first and second locations; , When the first and second numbers are different from the predetermined number, the anomaly detection result may be determined as an error detection.

몇몇 실시예에서, 상기 슬롯 위치 탐지 모듈은 미리 학습된 제1 딥러닝 모듈을 포함하고, 상기 제1 딥러닝 모듈은, 상기 제1 부분에 대한 제1 상부를 구분하고, 상기 구분된 제1 상부에 기초하여, 상기 제1 부분에 대해 제1 슬롯 영역을 분할하고, 상기 제1 슬롯 영역에서 상기 제1 슬롯의 상기 제1 위치를 탐지하는 것을 포함할 수 있다.In some embodiments, the slot location detection module includes a pre-learned first deep learning module, and the first deep learning module distinguishes a first upper portion of the first portion, and the divided first upper portion. Dividing a first slot area with respect to the first part based on , and detecting the first position of the first slot in the first slot area.

몇몇 실시예에서, 상기 슬롯 위치 탐지 모듈은 제1 결정 모듈을 더 포함하고,In some embodiments, the slot location detection module further comprises a first determination module;

상기 제1 딥러닝 모듈은, 상기 제2 부분에 대한 제2 상부를 구분하고, 상기 구분된 제2 상부에 기초하여, 상기 제2 부분에 대해 제2 슬롯 영역을 분할하고, 상기 제2 슬롯 영역에서 상기 제2 슬롯의 상기 제2 위치를 탐지하고, 상기 제1 결정 모듈은 상기 제1 위치 및 상기 제2 위치에 기초하여, 오류 탐지 여부를 결정할 수 있다.The first deep learning module divides a second upper part of the second part, divides a second slot area for the second part based on the divided second upper part, and divides the second slot area detects the second position of the second slot, and the first determination module determines whether an error is detected based on the first position and the second position.

몇몇 실시예에서, 상기 제1 딥러닝 모듈은, 상기 제1 부분에 대한 제1 하부를 더 구분하고, 상기 제1 상부 및 상기 제1 하부에 기초하여, 상기 제1 슬롯 영역을 분할할 수 있다.In some embodiments, the first deep learning module may further divide a first lower portion of the first portion, and divide the first slot area based on the first upper portion and the first lower portion. .

몇몇 실시예에서, 상기 필링 슬롯 탐지 모듈은 미리 학습된 제2 딥러닝 모듈 및 제2 결정 모듈을 포함하고, 상기 제2 딥러닝 모듈은 상기 제1 및 제2 위치에 대해 필링 슬롯 및 엠티 슬롯 중 어느 하나로 분류하고, 상기 제2 결정 모듈은 상기 제1 및 제2 슬롯이 필링 슬롯으로 결정된 경우, 상기 제1 및 제2 슬롯이 서로 대칭되는 경우, 상기 이상 탐지 결과를 정상 탐지로 결정하고, 상기 제1 및 제2 슬롯이 서로 비대칭되는 경우, 상기 이상 탐지 결과를 이상 탐지로 결정할 수 있다.In some embodiments, the filling slot detection module includes a pre-learned second deep learning module and a second determining module, wherein the second deep learning module determines which of the filling slot and the empty slot for the first and second positions. and the second determination module determines that the abnormality detection result is a normal detection when the first and second slots are determined to be filling slots and the first and second slots are symmetrical to each other; When the first and second slots are asymmetrical to each other, the abnormality detection result may be determined as anomaly detection.

몇몇 실시예에서, 상기 제1 부분과 상기 제2 부분은 서로 대칭될 수 있다.In some embodiments, the first part and the second part may be symmetrical to each other.

상기 과제를 해결하기 위한 본 발명의 몇몇 실시예에 따른 이상 탐지 방법은 기판 보관 용기의 제1 부분과 정렬되도록 제1 비전 인식부를 정렬하는 단계, 상기 기판 보관 용기의 제2 부분과 정렬되도록 제2 비전 인식부를 정렬하는 단계, 상기 제1 부분에 대해, 제1 슬롯의 제1 위치를 탐색하는 단계, 상기 제2 부분에 대해, 제2 슬롯의 제2 위치를 탐색하는 단계, 상기 제1 및 제2 위치를 기초로, 오류 탐지 여부를 결정하는 단계, 상기 제1 및 제2 슬롯에 대해, 필링 슬롯 및 엠티 슬롯 중 어느 하나로 분류하는 단계 및 상기 필링 슬롯 및 엠티 슬롯 중 어느 하나로 분류한 결과에 따라, 정상 탐지 및 이상 탐지 중 어느 하나로 결정하는 단계를 포함한다.An abnormality detection method according to some embodiments of the present invention for solving the above problems includes aligning a first vision recognition unit to be aligned with a first part of a substrate storage container, and aligning a second vision recognition unit to be aligned with a second part of the substrate storage container. Arranging a vision recognition unit, searching for a first position of a first slot with respect to the first part, searching for a second position of a second slot with respect to the second part, 2 Based on the location, determining whether an error is detected, classifying the first and second slots into one of filling slots and empty slots, and according to the result of classifying the first and second slots into either filling slots or empty slots. , determining one of normal detection and abnormal detection.

본 발명의 몇몇 실시예에 따른 이상 탐지 장치 및 방법은 기판의 이상 실장 여부를 비전 인식을 통해 탐지함으로써, 공장 자동화가 가능하여 공정 효율을 증대시키고 불필요한 리소스 낭비를 감소시킬 수 있다.An abnormality detection apparatus and method according to some embodiments of the present invention detects whether a substrate is abnormally mounted through vision recognition, thereby enabling factory automation to increase process efficiency and reduce unnecessary resource waste.

상술한 내용과 더불어 본 발명의 구체적인 효과는 이하 발명을 실시하기 위한 구체적인 사항을 설명하면서 함께 기술한다.In addition to the above description, specific effects of the present invention will be described together while explaining specific details for carrying out the present invention.

도 1은 본 발명의 몇몇 실시예에 따른 이상 탐지 시스템에 대해 개략적으로 설명하기 위한 도면이다.
도 2는 기판 보관 용기에 보관된 기판들에 대한 이상 상태와 정상 상태를 설명하기 위한 도면이다.
도 3은 본 발명의 몇몇 실시예에 따른 이상 탐지 장치의 구성을 개략적으로 설명하기 위한 도면이다.
도 4 및 도 5는 본 발명의 몇몇 실시예에 따른 비전 인식 정렬부의 동작을 설명하기 위한 도면이다.
도 6은 본 발명의 몇몇 실시예에 따른 이상 탐지부의 구성을 개략적으로 설명하기 위한 도면이다.
도 7은 본 발명의 몇몇 실시예에 따른 슬롯 위치 탐지 모듈의 구성을 개략적으로 설명하기 위한 도면이다.
도 8은 본 발명의 몇몇 실시예에 따른 기판 보관 용기의 각 부분을 설명하기 위한 도면이다.
도 9는 본 발명의 몇몇 실시예에 따른 필링 슬롯 탐지 모듈(142)의 구성을 개략적으로 설명하기 위한 도면이다.
도 10은 필링 슬롯 및 엠티 슬롯을 설명하기 위한 도면이다.
도 11은 본 발명의 몇몇 실시예에 따른 이상 탐지 방법을 개략적으로 설명하기 위한 도면이다.
도 12는 본 발명의 몇몇 실시예에 따른 이상 탐지 장치의 하드웨어 구현을 설명하기 위한 도면이다. 1 is a diagram schematically illustrating an anomaly detection system according to some embodiments of the present invention.
2 is a diagram for explaining an abnormal state and a normal state of substrates stored in a substrate storage container.
3 is a diagram schematically illustrating the configuration of an anomaly detection apparatus according to some embodiments of the present invention.
4 and 5 are diagrams for explaining the operation of a vision recognition aligning unit according to some embodiments of the present invention.
6 is a diagram schematically illustrating the configuration of an anomaly detection unit according to some embodiments of the present invention.
7 is a diagram for schematically explaining the configuration of a slot location detection module according to some embodiments of the present invention.
8 is a view for explaining each part of a substrate storage container according to some embodiments of the present invention.
9 is a diagram for schematically explaining the configuration of the filling slot detection module 142 according to some embodiments of the present invention.
10 is a diagram for explaining filling slots and empty slots.
11 is a diagram schematically illustrating an anomaly detection method according to some embodiments of the present invention.
12 is a diagram for explaining hardware implementation of an anomaly detection apparatus according to some embodiments of the present invention.

본 명세서 및 특허청구범위에서 사용된 용어나 단어는 일반적이거나 사전적인 의미로 한정하여 해석되어서는 아니된다. 발명자가 그 자신의 발명을 최선의 방법으로 설명하기 위해 용어나 단어의 개념을 정의할 수 있다는 원칙에 따라, 본 발명의 기술적 사상과 부합하는 의미와 개념으로 해석되어야 한다. 또한, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명이 실현되는 하나의 실시예에 불과하고, 본 발명의 기술적 사상을 전부 대변하는 것이 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 및 응용 가능한 예들이 있을 수 있음을 이해하여야 한다.Terms or words used in this specification and claims should not be construed as being limited to a general or dictionary meaning. According to the principle that an inventor may define a term or a concept of a word in order to best describe his/her invention, it should be interpreted as meaning and concept consistent with the technical spirit of the present invention. In addition, the embodiments described in this specification and the configurations shown in the drawings are only one embodiment in which the present invention is realized, and do not represent all of the technical spirit of the present invention, so they can be replaced at the time of the present application. It should be understood that there may be many equivalents and variations and applicable examples.

본 명세서 및 특허청구범위에서 사용된 제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. '및/또는' 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.Terms such as first, second, A, and B used in this specification and claims may be used to describe various components, but the components should not be limited by the terms. These terms are only used for the purpose of distinguishing one component from another. For example, a first element may be termed a second element, and similarly, a second element may be termed a first element, without departing from the scope of the present invention. The term 'and/or' includes a combination of a plurality of related recited items or any one of a plurality of related recited items.

본 명세서 및 특허청구범위에서 사용된 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서 "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Terms used in this specification and claims are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly dictates otherwise. It should be understood that terms such as "include" or "having" in this application do not exclude in advance the possibility of existence or addition of features, numbers, steps, operations, components, parts, or combinations thereof described in the specification. .

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해서 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which the present invention belongs.

일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related art, and unless explicitly defined in the present application, they should not be interpreted in an ideal or excessively formal meaning. don't

또한, 본 발명의 각 실시예에 포함된 각 구성, 과정, 공정 또는 방법 등은 기술적으로 상호 간 모순되지 않는 범위 내에서 공유될 수 있다. In addition, each configuration, process, process or method included in each embodiment of the present invention may be shared within a range that does not contradict each other technically.

도 1은 본 발명의 몇몇 실시예에 따른 이상 탐지 시스템에 대해 개략적으로 설명하기 위한 도면이다.1 is a diagram schematically illustrating an anomaly detection system according to some embodiments of the present invention.

도 1을 참조하면, 본 발명의 몇몇 실시예에 따른 이상 탐지 시스템은 이상 탐지 장치(100) 및 용기 이송 장치(200)를 포함할 수 있다. Referring to FIG. 1 , an anomaly detection system according to some embodiments of the present invention may include an anomaly detection device 100 and a container transfer device 200 .

이상 탐지 장치(100)는 기판 보관 용기에 대해 비전 인식을 통해, 이상 상태에 있는 기판들을 탐지할 수 있다. 이상 상태라 함은 기판이 기판 보관 용기에 잘못 실장된 상태를 의미한다. 이에 대한 예시적인 설명을 위해, 도 2를 더 참조한다.The abnormality detection apparatus 100 may detect substrates in an abnormal state through vision recognition of the substrate storage container. The abnormal state means a state in which the substrate is incorrectly mounted in the substrate storage container. For an illustrative explanation of this, further reference is made to FIG. 2 .

도 2는 기판 보관 용기에 보관된 기판들에 대한 이상 상태와 정상 상태를 설명하기 위한 도면이다.2 is a diagram for explaining an abnormal state and a normal state of substrates stored in a substrate storage container.

도 2를 참조하면, 기판 보관 용기(SSB)는 제1 부분(SP1)과 제2 부분(SP2)을 포함할 수 있다. 제1 부분(SP1)과 제2 부분(SP2)은 서로 대칭적인 형상을 가질 수 있다. 제1 부분(SP1)과 제2 부분(SP2) 사이에는 기판이 실장될 수 있다. 예를 들어, 기판 보관 용기(SSB)는 제1 기판(SB1)과 제2 기판(SB2)을 보관할 수 있다. 이때, 제1 기판(SB1)은 기판 보관 용기(SSB)의 제1 부분(SP1)의 첫번째 슬롯과 제2 부분(SP2)의 첫번째 슬롯 사이에 실장될 수 있다. 다시 말해서, 제1 기판(SB1)은 기판 보관 용기(SSB)의 제1 부분(SP1)의 특정 슬롯과, 제1 부분(SP1)의 특정 슬롯의 위치와 대응되는 제2 부분(SP2)의 특정 슬롯 사이에 보관될 수 있다. 즉, 제1 기판(SB1)은 기판 보관 용기(SSB)의 슬롯에 정렬되어 보관될 수 있다. 제1 기판(SB1)이 제1 부분(SP1)과 제2 부분(SP2)의 서로 대응되는 위치의 슬롯에 보관된 경우, 이를 정상 상태(SS)라 정의한다.Referring to FIG. 2 , the substrate storage container SSB may include a first part SP1 and a second part SP2. The first part SP1 and the second part SP2 may have symmetrical shapes. A substrate may be mounted between the first part SP1 and the second part SP2. For example, the substrate storage container SSB may store the first substrate SB1 and the second substrate SB2. In this case, the first substrate SB1 may be mounted between the first slot of the first part SP1 and the first slot of the second part SP2 of the substrate storage container SSB. In other words, the first substrate SB1 is a specific slot of the first part SP1 of the substrate storage container SSB and a specific slot of the second part SP2 corresponding to the position of the specific slot of the first part SP1. Can be stored between slots. That is, the first substrate SB1 may be aligned and stored in the slot of the substrate storage container SSB. When the first substrate SB1 is stored in the slots of the first part SP1 and the second part SP2 corresponding to each other, this is defined as a normal state SS.

한편, 제2 기판(SB2)은 기판 보관 용기(SSB)의 제1 부분(SP1)의 세번째 슬롯과, 제2 부분(SP2)의 네번째 슬롯 사이에 보관될 수 있다. 다시 말해서, 제1 기판(SB1)은 기판 보관 용기(SSB)의 제1 부분(SP1)의 특정 슬롯과, 제1 부분(SP1)의 특정 슬롯의 위치와 비대응되는 제2 부분(SP2)의 특정 슬롯 사이에 보관될 수 있다. 즉, 제2 기판(SB2)은 기판 보관 용기(SSB)의 슬롯에 이상 정렬될 수 있다. 제2 기판(SB2)이 제1 부분(SP1)과 제2 부분(SP2)의 서로 비대응되는 위치의 슬롯에 보관된 경우, 이를 이상 상태(FS, 혹은 비정상 상태)라 정의한다. 이하, 본 명세서에서는 설명의 편의를 위해 기판 보관 용기(SSB)의 제1 부분(SP1)과 제2 부분(SP2)이 각각 4개의 슬롯을 포함하는 것으로 도시하나, 실시예들이 슬롯의 개수에 제한되는 것은 아니다. 예를 들어, 기판 보관 용기(SSB)의 제1 부분(SP1)과 제2 부분(SP2)은 각각 3개 이하의 슬롯을 포함할 수도 있고, 5 이상의 슬롯을 포함할 수도 있다. Meanwhile, the second substrate SB2 may be stored between the third slot of the first part SP1 and the fourth slot of the second part SP2 of the substrate storage container SSB. In other words, the first substrate (SB1) has a specific slot of the first part (SP1) of the substrate storage container (SSB) and a position of the specific slot of the first part (SP1) and the second part (SP2) that does not correspond. Can be stored between specific slots. That is, the second substrate SB2 may be abnormally aligned with the slot of the substrate storage container SSB. When the second substrate SB2 is stored in the slots of the first part SP1 and the second part SP2 that do not correspond to each other, this is defined as an abnormal state (FS or abnormal state). Hereinafter, in the present specification, for convenience of explanation, the first part SP1 and the second part SP2 of the substrate storage container SSB are illustrated as including four slots, respectively, but embodiments are limited to the number of slots. it is not going to be For example, each of the first part SP1 and the second part SP2 of the substrate storage container SSB may include 3 or less slots or 5 or more slots.

다시 도 1을 참조하면, 이상 탐지 장치(100)는 기판 보관 용기(SSB)의 정상 상태(SS)와 이상 상태(FS)를 탐지할 수 있다. 몇몇 실시예에 따르면, 이상 탐지 장치(100)는 비전 인식을 통한 딥러닝 모듈을 이용하여, 기판 보관 용기(SSB)의 정상 상태(SS)와 이상 상태(FS)를 분류할 수 있다. 이에 대한 구체적 설명은 후술한다.Referring back to FIG. 1 , the abnormality detection device 100 may detect a normal state (SS) and an abnormal state (FS) of the substrate storage container SSB. According to some embodiments, the abnormality detection apparatus 100 may classify a normal state (SS) and an abnormal state (FS) of the substrate storage container SSB by using a deep learning module through vision recognition. A detailed description of this will be given later.

이상 탐지 장치(100)는 용기 이송 장치(200)에 이상 탐지 결과를 제공할 수 있다. 이상 탐지 결과는 오류 탐지, 정상 탐지 및 이상 탐지 중 어느 하나일 수 있다. The abnormality detection device 100 may provide an abnormality detection result to the container transfer device 200 . An anomaly detection result may be any one of error detection, normal detection, and anomaly detection.

오류 탐지는 외부 광원에 의한 반사로 인해 슬롯의 구분이 불가능한 경우, 저해상도로 인해 슬롯의 구분이 불가능한 경우, 렌즈 파티클로 인해 슬롯의 구분이 불가능한 경우, 초점 이상으로 슬롯의 구분이 불가능한 경우 등 슬롯이 제대로 구분되지 못해, 기판 보관 용기(SSB)에 대한 이상 탐지가 불가능한 경우를 의미할 수 있다. Error detection is performed when slots cannot be distinguished due to reflection from an external light source, when slots cannot be distinguished due to low resolution, when slots cannot be distinguished due to lens particles, or when slots cannot be distinguished due to a focus error. This may mean a case in which it is impossible to detect an abnormality in the substrate storage container (SSB) because it is not properly classified.

정상 탐지는 기판 보관 용기(SSB)에 대한 이상 탐지 결과, 기판 보관 용기(SSB)에 보관되어 있는 기판들이 모두 정상 상태(SS)로 탐지된 것을 의미할 수 있다. 다시 말해서, 정상 탐지는 기판 보관 용기(SSB)에 보관되어 있는 기판들이 모두 정렬되어 보관된 것을 의미할 수 있다.Normal detection may mean that all substrates stored in the substrate storage container SSB are detected in a normal state (SS) as a result of abnormal detection of the substrate storage container SSB. In other words, normal detection may mean that all substrates stored in the substrate storage container SSB are aligned and stored.

한편, 이상 탐지는 기판 보관 용기(SSB)에 대한 이상 탐지 결과, 기판 보관 용기(SSB)에 보관되어 있는 기판들 중 적어도 하나가 이상 상태(FS)로 탐지된 것을 의미할 수 있다. 다시 말해서, 이상 탐지는 기판 보관 용기(SSB)에 보관되어 있는 기판들 중 적어도 하나가 비스듬하게 보관된 것을 의미할 수 있다. Meanwhile, abnormality detection may mean that at least one of the substrates stored in the substrate storage container SSB is detected in an abnormal state FS as a result of abnormality detection of the substrate storage container SSB. In other words, abnormality detection may mean that at least one of the substrates stored in the substrate storage container SSB is stored at an angle.

용기 이송 장치(200)는 이상 탐지 장치(100)로부터 수신한 이상 탐지 결과에 따라, 기판 보관 용기(SSB)를 제1 공정 내지 제3 공정 중 어느 하나에 제공할 수 있다. The container transfer device 200 may provide the substrate storage container SSB to any one of the first to third processes according to the abnormality detection result received from the abnormality detection device 100 .

예를 들어, 용기 이송 장치(200)는 이상 탐지 장치(100)로부터 수신한 이상 탐지 결과가 오류 탐지인 경우, 기판 보관 용기(SSB)를 제1 공정에 제공할 수 있다. 제1 공정은 인력에 의해 수행되는 기판 보관 용기(SSB)에 대한 이상 탐지 공정이거나, 다른 이상 탐지 장치에 의한 이상 탐지 공정이거나, 본 발명의 몇몇 실시예에 따른 이상 탐지 장치(100)에 의한 재탐지 공정일 수 있다. 다시 말해서, 이상 탐지 장치(100)가 기판 보관 용기(SSB)에 대한 이상 탐지를 제대로 수행하지 못한 경우, 인력에 의해 기판 보관 용기(SSB)에 대한 이상 탐지를 수행하거나, 다른 이상 탐지 장치에 의해 이상 탐지를 수행하거나, 이상 탐지 장치(100)를 통해 이상 탐지를 재수행할 수 있다. 다만, 이는 하나의 실시예일 뿐 실시예들이 이에 제한되는 것은 아니다. For example, when the abnormality detection result received from the abnormality detection device 100 is an error detection, the container transfer device 200 may provide the substrate storage container SSB to the first process. The first process is an anomaly detection process for the substrate storage container (SSB) performed by manpower, an anomaly detection process by another anomaly detection device, or an anomaly detection process by the anomaly detection device 100 according to some embodiments of the present invention. It can be a detection process. In other words, when the abnormality detection device 100 fails to properly detect anomaly in the substrate storage container SSB, the abnormality detection in the substrate storage container SSB is performed manually or by another abnormality detection device. Anomaly detection may be performed or anomaly detection may be re-performed through the anomaly detection device 100 . However, this is only one embodiment and the embodiments are not limited thereto.

또한, 용기 이송 장치(200)는 이상 탐지 장치(100)로부터 수신한 이상 탐지 결과가 정상 탐지인 경우, 기판 보관 용기(SSB)를 제2 공정에 제공할 수 있다. 제2 공정은 기판 보관 용기(SSB)에 보관된 기판에 대한 후속 공정일 수 있다. 다시 말해서, 이상 탐지 장치(100)가 기판 보관 용기(SSB)에 대한 이상 탐지를 수행한 결과, 기판 보관 용기(SSB)에 보관된 기판들이 모두 정렬되어 있는 경우, 이를 그대로 후속 공정에 제공할 수 있다. Also, when the abnormality detection result received from the abnormality detection device 100 is normal, the container transfer device 200 may provide the substrate storage container SSB to the second process. The second process may be a subsequent process for the substrate stored in the substrate storage container SSB. In other words, as a result of the abnormality detection of the substrate storage container SSB by the abnormality detection device 100, if all the substrates stored in the substrate storage container SSB are aligned, they can be provided to the subsequent process as they are. there is.

또한, 용기 이송 장치(200)는 이상 탐지 장치(100)로부터 수신한 이상 탐지 결과가 이상 탐지인 경우, 기판 보관 용기(SSB)를 제3 공정에 제공할 수 있다. 제3 공정은 기판 보관 용기(SSB)에 보관된 기판들에 대한 재정렬 공정일 수 있다. 다시 말해서, 이상 탐지 장치(100)가 기판 보관 용기(SSB)에 대한 이상 탐지를 수행한 결과, 기판 보관 용기(SSB)에 보관된 기판들에 이상 정렬이 있는 경우, 이를 재정렬 공정에 제공할 수 있다. 이상 탐지 장치(100)의 구성에 대해 추가적인 설명을 위해 도 3을 더 참조한다.Also, when the abnormality detection result received from the abnormality detection device 100 is an abnormality detection, the container transfer device 200 may provide the substrate storage container SSB to the third process. The third process may be a realignment process for the substrates stored in the substrate storage container SSB. In other words, as a result of the abnormality detection of the substrate storage container SSB by the abnormality detection device 100, if there is an abnormal alignment of the substrates stored in the substrate storage container SSB, this may be provided to the realignment process. there is. Further reference is made to FIG. 3 for further description of the configuration of the anomaly detection device 100 .

도 3은 본 발명의 몇몇 실시예에 따른 이상 탐지 장치의 구성을 개략적으로 설명하기 위한 도면이다.3 is a diagram schematically illustrating the configuration of an anomaly detection apparatus according to some embodiments of the present invention.

도 2 및 도 3을 참조하면, 이상 탐지 장치(100)는 제1 비전 인식부(110), 제2 비전 인식부(120), 비전 인식 정렬부(130) 및 이상 탐지부(140)를 포함할 수 있다. 2 and 3 , the anomaly detection device 100 includes a first vision recognition unit 110, a second vision recognition unit 120, a vision recognition alignment unit 130, and an anomaly detection unit 140. can do.

제1 비전 인식부(110)는 기판 보관 용기(SSB)의 제1 부분(SP1)을 촬상하여, 제1 이미지(IMG1)를 생성할 수 있다. 기판 보관 용기(SSB)의 제1 부분(SP1)은 기판 보관 용기(SSB)에 보관되는 기판이 이탈되지 않도록, 기판의 일측을 가이드하는 부분일 수 있다. 제1 비전 인식부(110)에서 생성된 제1 이미지(IMG1)는 비전 인식 정렬부(130) 및 이상 탐지부(140)에 제공될 수 있다.The first vision recognition unit 110 may generate a first image IMG1 by capturing an image of the first part SP1 of the substrate storage container SSB. The first part SP1 of the substrate storage container SSB may be a part that guides one side of the substrate to prevent the substrate stored in the substrate storage container SSB from being separated. The first image IMG1 generated by the first vision recognition unit 110 may be provided to the vision recognition alignment unit 130 and the anomaly detection unit 140 .

제1 비전 인식부(110)는 CCTV, 캠코더 등의 동적 카메라 및/또는 스틸 카메라 등의 정적 카메라를 포함할 수 있으나 실시예들이 이에 제한되지는 않는다. The first vision recognition unit 110 may include a dynamic camera such as a CCTV or camcorder and/or a static camera such as a still camera, but embodiments are not limited thereto.

제2 비전 인식부(120)는 기판 보관 용기(SSB)의 제2 부분(SP2)을 촬상하여, 제2 이미지(IMG2)를 생성할 수 있다. 기판 보관 용기(SSB)의 제2 부분(SP2)은 제1 부분(SP1)과 대칭되는 부분일 수 있다. 즉, 기판 보관 용기(SSB)의 제2 부분(SP2)은 기판 보관 용기(SSB)에 보관되는 기판이 이탈되지 않도록, 기판의 타측을 가이드하는 부분일 수 있다. 제2 비전 인식부(120)에서 생성된 제2 이미지(IMG2)는 비전 인식 정렬부(130) 및 이상 탐지부(140)에 제공될 수 있다. The second vision recognition unit 120 may generate a second image IMG2 by capturing an image of the second part SP2 of the substrate storage container SSB. The second part SP2 of the substrate storage container SSB may be symmetrical to the first part SP1. That is, the second part SP2 of the substrate storage container SSB may be a part that guides the other side of the substrate so that the substrate stored in the substrate storage container SSB does not escape. The second image IMG2 generated by the second vision recognition unit 120 may be provided to the vision recognition alignment unit 130 and the anomaly detection unit 140 .

비전 인식 정렬부(130)는 제1 비전 인식부(110)로부터 제1 이미지(IMG1)를 수신하고, 제2 비전 인식부(120)로부터 제2 이미지(IMG2)를 수신할 수 있다. 비전 인식 정렬부(130)는 제1 이미지(IMG1)를 기초로, 제1 비전 인식부(110)와 기판 보관 용기(SSB)의 제1 부분(SP1)을 정렬할 수 있다. 또한, 비전 인식 정렬부(130)는 제2 이미지(IMG2)를 기초로, 제2 비전 인식부(120)와 기판 보관 용기(SSB)의 제2 부분(SP2)을 정렬할 수 있다. 예시적인 설명을 위해, 도 4 및 도 5를 더 참조한다.The vision recognition alignment unit 130 may receive the first image IMG1 from the first vision recognition unit 110 and receive the second image IMG2 from the second vision recognition unit 120 . The vision recognition aligner 130 may align the first vision recognition unit 110 and the first part SP1 of the substrate storage container SSB based on the first image IMG1 . Also, the vision recognition aligner 130 may align the second vision recognition unit 120 and the second part SP2 of the substrate storage container SSB based on the second image IMG2 . For illustrative explanation, further reference is made to FIGS. 4 and 5 .

도 4 및 도 5는 본 발명의 몇몇 실시예에 따른 비전 인식 정렬부의 동작을 설명하기 위한 도면이다.4 and 5 are diagrams for explaining the operation of a vision recognition aligning unit according to some embodiments of the present invention.

도 3 내지 도 5를 참조하면, 제1 비전 인식부(110)와 제2 비전 인식부(120)는 비전 인식 정렬부(130)와 연결될 수 있다. 비전 인식 정렬부(130)는 제1 비전 인식부(110) 및/또는 제2 비전 인식부(120)의 위치를 조절할 수 있다. Referring to FIGS. 3 to 5 , the first vision recognition unit 110 and the second vision recognition unit 120 may be connected to the vision recognition alignment unit 130 . The vision recognition alignment unit 130 may adjust the positions of the first vision recognition unit 110 and/or the second vision recognition unit 120 .

제1 비전 인식부(110)는 제1 촬상 영역(RV1)을 촬상하여, 제1 이미지(IMG1)를 생성할 수 있다. 제2 비전 인식부(120)는 제2 촬상 영역(RV2)을 촬상하여, 제2 이미지(IMG2)를 생성할 수 있다. The first vision recognition unit 110 may generate a first image IMG1 by capturing an image of the first imaging area RV1 . The second vision recognition unit 120 may generate a second image IMG2 by capturing an image of the second imaging region RV2 .

제1 비전 인식부(110)와 제2 비전 인식부(120) 각각은 촬상을 위한 렌즈를 포함할 수 있다. 그러나, 렌즈의 물리적인 한계로 인해, 제1 비전 인식부(110)에서 촬상한 제1 이미지(IMG1)는 제1 촬상 영역(RV1)의 중앙 부분에서 멀어질수록 이미지가 왜곡될 수 있다. 마찬가지로, 제2 비전 인식부(120)에서 촬상한 제2 이미지(IMG2)도 제2 촬상 영역(RV2)의 중앙 부분에서 멀어질수록 이미지가 왜곡될 수 있다. 제1 이미지(IMG1) 및 제2 이미지(IMG2)가 왜곡되는 경우, 후술할 이상 탐지부(140)에서의 이상 탐지 공정에 대한 정확도가 낮아질 수 있다. Each of the first vision recognition unit 110 and the second vision recognition unit 120 may include a lens for capturing an image. However, due to physical limitations of the lens, the first image IMG1 captured by the first vision recognition unit 110 may be distorted as the distance from the central portion of the first imaging area RV1 increases. Similarly, the image of the second image IMG2 captured by the second vision recognition unit 120 may be distorted as the distance from the center of the second imaging region RV2 increases. When the first image IMG1 and the second image IMG2 are distorted, accuracy of an anomaly detection process in the anomaly detection unit 140 to be described later may be lowered.

따라서, 이상 탐지 공정에 대한 정확도를 증가시키기 위해, 비전 인식 정렬부(130)는 제1 비전 인식부(110)를 기판 보관 용기(SSB)의 제1 부분(SP1)과 정렬시키고, 제2 비전 인식부(120)를 기판 보관 용기(SSB)의 제2 부분(SP2)과 정렬시킬 수 있다. Therefore, in order to increase the accuracy of the abnormality detection process, the vision recognition alignment unit 130 aligns the first vision recognition unit 110 with the first part SP1 of the substrate storage container SSB, and The recognition unit 120 may be aligned with the second part SP2 of the substrate storage container SSB.

예를 들어, 도 4에 도시된 바와 같이, 기판 보관 용기(SSB)의 제1 부분(SP1)은 제1 촬상 영역(RV1)의 중앙 부분에 비교적 잘 정렬되어 있을 수 있다. 다만, 기판 보관 용기(SSB)의 제2 부분(SP2)은 제2 촬상 영역(RV2)의 외곽 부분에 위치할 수 있다. 이러한 경우, 도 5에 도시된 바와 같이, 비전 인식 정렬부(130)는 제2 비전 인식부(120)를 이동시켜, 기판 보관 용기(SSB)의 제2 부분(SP2)이 제2 촬상 영역(RV2)의 중앙 부분에 정렬시킬 수 있다. For example, as shown in FIG. 4 , the first portion SP1 of the substrate storage container SSB may be relatively well aligned with the central portion of the first imaging area RV1. However, the second part SP2 of the substrate storage container SSB may be positioned outside the second imaging area RV2. In this case, as shown in FIG. 5 , the vision recognition aligner 130 moves the second vision recognition unit 120 so that the second part SP2 of the substrate storage container SSB is in the second imaging area ( RV2) can be aligned with the central part.

제1 비전 인식부(110)와 기판 보관 용기(SSB)의 제1 부분(SP1)이 정렬되고, 제2 비전 인식부(120)와 기판 보관 용기(SSB)의 제2 부분(SP2)이 정렬된 경우, 비전 인식 정렬부(130)는 정렬 완료 신호(ALN)를 생성할 수 있다. 비전 인식 정렬부(130)에서 생성한 정렬 완료 신호(ALN)는 이상 탐지부(140)에 제공될 수 있다. 이상 탐지부(140)는 정렬 완료 신호(ALN)를 수신하면, 제1 비전 인식부(110) 및 제2 비전 인식부(120)에서 수신한 제1 이미지(IMG1) 및 제2 이미지(IMG2)를 이용하여, 기판 보관 용기(SSB)에 대한 이상 탐지 공정을 수행할 수 있다. 이상 탐지부(140)는 기판 보관 용기(SSB)에 대한 이상 탐지 결과(D_result)를 생성하여, 이를 전술한 용기 이송 장치(200)에 제공할 수 있다. 이상 탐지 결과(D_result)는 오류 탐지, 정상 탐지 및 이상 탐지 중 어느 하나일 수 있다.The first vision recognition unit 110 and the first part SP1 of the substrate storage container SSB are aligned, and the second vision recognition unit 120 and the second part SP2 of the substrate storage container SSB are aligned. In this case, the vision recognition alignment unit 130 may generate an alignment completion signal ALN. The alignment completion signal ALN generated by the vision recognition alignment unit 130 may be provided to the abnormality detection unit 140 . When the abnormality detection unit 140 receives the alignment completion signal ALN, the first image IMG1 and the second image IMG2 received from the first vision recognition unit 110 and the second vision recognition unit 120 An abnormality detection process for the substrate storage container (SSB) may be performed by using. The abnormality detection unit 140 may generate an abnormality detection result (D_result) for the substrate storage container SSB and provide it to the container transfer device 200 described above. The anomaly detection result (D_result) may be any one of error detection, normal detection, and anomaly detection.

다만, 본 발명의 몇몇 실시예에 따른 비전 인식 정렬부(130)는 이상 탐지 공정에 대한 정확도를 증가시키기 위해 도입된 구성일 뿐이며, 실시예들이 이에 제한되는 것은 아니다. 예를 들어, 정해진 규격의 기판 보관 용기(SSB)를 이용하는 경우, 제1 비전 인식부(110)와 제2 비전 인식부(120)의 위치를 미리 정한다면 비전 인식 정렬부(130)의 이용은 필요하지 않을 수 있다. 이하에서는, 설명의 편의를 위해 비전 인식 정렬부(130)를 포함한 이상 탐지 장치(100)에 대해 설명하나, 본 발명의 기술 분야에서 통상의 지식을 가진 자는, 본 발명의 범위를 벗어나지 않고, 필요에 따라 비전 인식 정렬부(130)의 도입 여부를 결정할 수 있을 것이다. 이상 탐지부(140)에 대한 더욱 구체적인 설명을 위해 도 6을 더 참조한다.However, the vision recognition alignment unit 130 according to some embodiments of the present invention is only a component introduced to increase the accuracy of an anomaly detection process, and the embodiments are not limited thereto. For example, in the case of using a substrate storage container (SSB) of a predetermined standard, if the positions of the first vision recognition unit 110 and the second vision recognition unit 120 are determined in advance, the use of the vision recognition alignment unit 130 is may not be needed Hereinafter, for convenience of description, the anomaly detection device 100 including the vision recognition aligning unit 130 will be described, but those skilled in the art will, without departing from the scope of the present invention, Depending on this, whether or not to introduce the vision recognition aligning unit 130 may be determined. For a more detailed description of the anomaly detection unit 140, further reference is made to FIG. 6.

도 6은 본 발명의 몇몇 실시예에 따른 이상 탐지부의 구성을 개략적으로 설명하기 위한 도면이다.6 is a diagram schematically illustrating the configuration of an anomaly detection unit according to some embodiments of the present invention.

도 6을 참조하면, 이상 탐지부(140)는 슬롯 위치 탐지 모듈(141) 및 필링 슬롯 탐지 모듈(142)을 포함할 수 있다. Referring to FIG. 6 , the anomaly detection unit 140 may include a slot location detection module 141 and a filling slot detection module 142 .

슬롯 위치 탐지 모듈(141)은 정렬 완료 신호(ALN)와, 제1 비전 인식부(110)에서 생성된 제1 이미지(IMG1)와, 제2 비전 인식부(120)에서 생성된 제2 이미지(IMG2)를 수신할 수 있다. 슬롯 위치 탐지 모듈(141)은 정렬 완료 신호(ALN)를 수신하면, 미리 학습된 딥러닝 모듈을 이용하여, 제1 이미지(IMG1)에 포함된 제1 부분(SP1)에 대한 슬롯의 위치를 탐지할 수 있다. 또한, 슬롯 위치 탐지 모듈(141)은 정렬 완료 신호(ALN)를 수신하면, 미리 학습된 딥러닝 모듈을 이용하여, 제2 이미지(IMG2)에 포함된 제2 부분(SP2)에 대한 슬롯의 위치를 탐지할 수 있다. The slot position detection module 141 receives the alignment completion signal ALN, the first image IMG1 generated by the first vision recognition unit 110, and the second image generated by the second vision recognition unit 120 ( IMG2) can be received. Upon receiving the alignment completion signal ALN, the slot location detection module 141 detects the location of the slot for the first part SP1 included in the first image IMG1 by using a pre-learned deep learning module. can do. In addition, when the slot position detection module 141 receives the alignment completion signal ALN, the position of the slot relative to the second part SP2 included in the second image IMG2 is obtained by using the pre-learned deep learning module. can detect

슬롯 위치 탐지 모듈(141)은 제1 부분(SP1)에 대한 슬롯의 위치와, 제2 부분(SP2)에 대한 슬롯의 위치에 기반하여, 이상 탐지 장치(100)의 오류 탐지(E_detect) 여부를 결정할 수 있다. The slot location detection module 141 determines whether the anomaly detection device 100 detects an error (E_detect) based on the location of the slot for the first part (SP1) and the location of the slot for the second part (SP2). can decide

몇몇 실시예에 따르면, 슬롯 위치 탐지 모듈(141)은 제1 부분(SP1)에 대해 탐지된 슬롯의 위치와, 제2 부분(SP2)에 대해 탐지된 슬롯의 위치를 비교하여 이상 탐지 장치(100)의 오류 탐지(E_detect) 여부를 결정할 수 있다. 예를 들어, 슬롯 위치 탐지 모듈(141)에서 탐지된 제1 부분(SP1)에 대한 슬롯의 위치와, 제2 부분(SP2)에 대한 슬롯의 위치가 서로 대칭되지 않는 경우, 슬롯 위치 탐지 모듈(141)은 이상 탐지 결과(D_result)를 오류 탐지(E_detect)로 결정할 수 있다. According to some embodiments, the slot position detection module 141 compares the position of the slot detected with respect to the first part SP1 and the position of the slot detected with respect to the second part SP2 to detect the anomaly in the apparatus 100 ) can determine whether or not to perform error detection (E_detect). For example, when the position of the slot for the first part SP1 detected by the slot position detection module 141 and the position of the slot for the second part SP2 are not symmetrical with each other, the slot position detection module ( 141) may determine the abnormality detection result (D_result) as the error detection (E_detect).

몇몇 실시예에 따르면, 슬롯 위치 탐지 모듈(141)은 제1 부분(SP1)에 대해 탐지된 슬롯의 위치에 기반하여, 제1 부분(SP1)에 포함된 슬롯의 개수를 결정할 수 있다. 또한, 슬롯 위치 탐지 모듈(141)은 제2 부분(SP2)에 대해 탐지된 슬롯의 위치에 기반하여, 제2 부분(SP2)에 포함된 슬롯의 개수를 결정할 수 있다. 슬롯 위치 탐지 모듈(141)은 제1 부분(SP1)에 포함된 슬롯의 개수와, 제2 부분(SP2)에 포함된 슬롯의 개수를 비교하여, 이상 탐지 장치(100)의 오류 탐지(E_detect) 여부를 결정할 수 있다. 예를 들어, 슬롯 위치 탐지 모듈(141)에서 결정된 제1 부분(SP1)에 포함된 슬롯의 개수와, 제2 부분(SP2)에 포함된 슬롯의 개수가 서로 불일치하는 경우, 슬롯 위치 탐지 모듈(141)은 이상 탐지 결과(D_result)를 오류 탐지(E_detect)로 결정할 수 있다. 다른 예를 들어, 슬롯 위치 탐지 모듈(141)에서 결정된 제1 부분(SP1)에 포함된 슬롯의 개수와, 제2 부분(SP2)에 포함된 슬롯의 개수가 미리 정한 개수와 다른 경우, 슬롯 위치 탐지 모듈(141)은 이상 탐지 결과(D_result)를 오류 탐지(E_detect)로 결정할 수 있다. 슬롯 위치 탐지 모듈(141)은 미리 학습된 딥러닝 모듈을 이용하여 제1 부분(SP1)에 대한 슬롯의 위치와, 제2 부분(SP2)에 대한 슬롯의 위치를 탐지할 수 있다. 추가적인 설명을 위해, 도 7을 더 참조한다.According to some embodiments, the slot position detection module 141 may determine the number of slots included in the first part SP1 based on the position of the slot detected with respect to the first part SP1. Also, the slot location detection module 141 may determine the number of slots included in the second portion SP2 based on the location of the detected slot for the second portion SP2. The slot location detection module 141 compares the number of slots included in the first part SP1 with the number of slots included in the second part SP2, and performs error detection (E_detect) of the anomaly detection device 100. can decide whether For example, when the number of slots included in the first part SP1 determined by the slot position detection module 141 and the number of slots included in the second part SP2 do not match each other, the slot position detection module ( 141) may determine the abnormality detection result (D_result) as the error detection (E_detect). For another example, when the number of slots included in the first portion SP1 determined by the slot location detection module 141 and the number of slots included in the second portion SP2 are different from the predetermined number, the slot location The detection module 141 may determine the abnormality detection result (D_result) as the error detection (E_detect). The slot position detection module 141 may detect the position of the slot for the first part SP1 and the position of the slot for the second part SP2 by using a pre-learned deep learning module. For further explanation, reference is further made to FIG. 7 .

도 7은 본 발명의 몇몇 실시예에 따른 슬롯 위치 탐지 모듈의 구성을 개략적으로 설명하기 위한 도면이다.7 is a diagram for schematically explaining the configuration of a slot location detection module according to some embodiments of the present invention.

도 7을 참조하면, 본 발명의 몇몇 실시예 따른 슬롯 위치 탐지 모듈(141)은 제1 딥러닝 모듈(DM1) 및 제1 결정 모듈(DTM1)을 포함할 수 있다. Referring to FIG. 7 , the slot position detection module 141 according to some embodiments of the present invention may include a first deep learning module DM1 and a first determination module DTM1.

제1 딥러닝 모듈(DM1)은 제1 부분(SP1)에 대한 슬롯의 위치와, 제2 부분(SP2)에 대한 슬롯의 위치를 탐지하도록 미리 학습될 수 있다. 설명의 편의를 위해, 도 8을 더 참조하여 설명한다. The first deep learning module DM1 may be pre-learned to detect the position of the slot for the first part SP1 and the position of the slot for the second part SP2. For convenience of explanation, it will be described with further reference to FIG. 8 .

도 8은 본 발명의 몇몇 실시예에 따른 기판 보관 용기의 각 부분을 설명하기 위한 도면이다. 8 is a view for explaining each part of a substrate storage container according to some embodiments of the present invention.

도 8을 참조하면, 기판 보관 용기(SSB)의 제1 부분(SP1)은 제1 상부(UP1), 제1 하부(LP1), 제1 슬롯(Slot1), 제2 슬롯(Slot2), 제3 슬롯(Slot3) 및 제4 슬롯(Slot4)을 포함할 수 있다. 또한, 기판 보관 용기(SSB)의 제2 부분(SP2)은 제2 상부(UP2), 제2 하부(LP2), 제5 슬롯(Slot5), 제6 슬롯(Slot6), 제7 슬롯(Slot7) 및 제8 슬롯(Slot8)을 포함할 수 있다. Referring to FIG. 8 , the first part SP1 of the substrate storage container SSB includes a first upper part UP1, a first lower part LP1, a first slot Slot1, a second slot Slot2, and a third A slot Slot3 and a fourth slot Slot4 may be included. In addition, the second part SP2 of the substrate storage container SSB includes a second upper part UP2, a second lower part LP2, a fifth slot Slot5, a sixth slot Slot6, and a seventh slot Slot7. and an eighth slot Slot8.

제1 상부(UP1)와 제1 하부(LP1) 사이에는 제1 슬롯(Slot1) 내지 제4 슬롯(Slot4)이 배치될 수 있다. 또한, 제2 상부(UP2)와 제2 하부(LP2) 사이에는 제5 슬롯(Slot5) 내지 제8 슬롯(Slot8)이 배치될 수 있다. First to fourth slots Slot4 may be disposed between the first upper part UP1 and the first lower part LP1. In addition, fifth to eighth slots Slot5 to Slot8 may be disposed between the second upper part UP2 and the second lower part LP2 .

제1 상부(UP1)와 제2 상부(UP2)는 서로 대칭될 수 있다. 또한, 제1 하부(LP1)와 제2 하부(LP2)는 서로 대칭될 수 있다. 마찬가지로, 제1 슬롯(Slot1) 내지 제4 슬롯(Slot4)은 각각 제5 슬롯(Slot5) 내지 제8 슬롯(Slot8)과 대칭될 수 있다.The first upper part UP1 and the second upper part UP2 may be symmetrical to each other. Also, the first lower part LP1 and the second lower part LP2 may be symmetrical to each other. Similarly, the first slots Slot1 to the fourth slots Slot4 may be symmetrical to the fifth slots Slot5 to eighth slots Slot8 , respectively.

제1 촬상 영역(RV1)은 제1 비전 인식부(110)에 의해 촬상되는 영역일 수 있다. 다시 말해서, 제1 촬상 영역(RV1)은 제1 이미지(IMG1)로 생성되는 영역일 수 있다. 이와 유사하게, 제2 촬상 영역(RV2)은 제2 비전 인식부(120)에 의해 촬상되는 영역일 수 있다. 즉, 제2 촬상 영역(RV2)은 제2 이미지(IMG2)로 생성되는 영역일 수 있다. The first imaging area RV1 may be an area captured by the first vision recognition unit 110 . In other words, the first imaging area RV1 may be an area created with the first image IMG1. Similarly, the second imaging area RV2 may be an area captured by the second vision recognition unit 120 . That is, the second imaging area RV2 may be an area created as the second image IMG2.

도 7 및 도 8을 참조하면, 몇몇 실시예에 따른 제1 딥러닝 모듈(DM1)은 제1 상부(UP1)의 형상에 대한 학습 이미지와, 제1 슬롯(Slot1) 내지 제4 슬롯(Slot4)의 형상에 대한 학습 이미지를 이용하여 학습될 수 있다. 다시 말해서, 제1 딥러닝 모듈(DM1)은 기판 보관 용기(SSB)에서 제1 상부(UP1)와, 제1 슬롯(Slot1) 내지 제4 슬롯(Slot4)을 구분하도록 학습될 수 있다. 이때, 제1 슬롯(Slot1) 내지 제4 슬롯(Slot4)의 형상은 서로 유사하므로, 제1 딥러닝 모듈(DM1)은 하나의 슬롯 형상에 대한 학습 이미지만으로도 학습될 수 있다. Referring to FIGS. 7 and 8 , the first deep learning module DM1 according to some embodiments generates a learning image for the shape of the first upper part UP1 and first slot Slot1 to fourth slot Slot4 It can be learned using a learning image for the shape of . In other words, the first deep learning module DM1 may learn to distinguish the first upper part UP1 and the first slot Slot1 to the fourth slot Slot4 in the substrate storage container SSB. At this time, since the shapes of the first slot (Slot1) to the fourth slot (Slot4) are similar to each other, the first deep learning module (DM1) can learn only the learning image for one slot shape.

이때, 제1 슬롯(Slot1) 내지 제4 슬롯(Slot4)은 반복적으로 동일한 형상을 가지므로, 특히 동적 영상의 경우 그 위치가 명확히 특정되지 않을 수 있다. 따라서, 몇몇 실시예에 따른 제1 딥러닝 모듈(DM1)은 제1 이미지(IMG1)에서 우선적으로 제1 상부(UP1)를 탐지할 수 있다. At this time, since the first slot Slot1 to the fourth slot Slot4 repeatedly have the same shape, their positions may not be clearly specified, especially in the case of a dynamic image. Accordingly, the first deep learning module DM1 according to some embodiments may preferentially detect the first upper part UP1 in the first image IMG1.

제1 딥러닝 모듈(DM1)이 제1 상부(UP1)를 탐지한 경우, 제1 딥러닝 모듈(DM1)은 미리 정한 기준에 따라, 제1 부분(SP1)을 제1 슬롯 영역(R_slot1) 내지 제4 슬롯 영역(R_slot4)으로 분할할 수 있다. 제1 슬롯 영역(R_slot1)은 제1 슬롯(Slot1)이 위치할 확률이 상대적으로 높은 영역이고, 제2 슬롯 영역(R_slot2)은 제2 슬롯(Slot2)이 위치할 확률이 상대적으로 높은 영역이고, 제3 슬롯 영역(R_slot3)은 제3 슬롯(Slot3)이 위치할 확률이 상대적으로 높은 영역이고, 제4 슬롯 영역(R_slot4)은 제4 슬롯(Slot4)이 위치할 확률이 상대적으로 높은 영역일 수 있다. When the first deep learning module DM1 detects the first upper part UP1, the first deep learning module DM1 divides the first part SP1 from the first slot area R_slot1 to the first slot area R_slot1 to It can be divided into a fourth slot area R_slot4. The first slot area R_slot1 is an area with a relatively high probability that the first slot Slot1 is located, and the second slot area R_slot2 is an area with a relatively high probability that the second slot Slot2 is located. The third slot area R_slot3 may be an area with a relatively high probability that the third slot Slot3 is located, and the fourth slot area R_slot4 may be an area with a relatively high probability that the fourth slot Slot4 is located. there is.

제1 딥러닝 모듈(DM1)은 제1 슬롯 영역(R_slot1)에서 제1 슬롯(Slot1)을 구분할 수 있다. 마찬가지로, 제1 딥러닝 모듈(DM1)은 제2 슬롯 영역(R_slot2)에서 제2 슬롯(Slot2)을 구분하고, 제3 슬롯 영역(R_slot3)에서 제3 슬롯(Slot3)을 구분하고, 제4 슬롯 영역(R_slot4)에서 제4 슬롯(Slot4)을 구분할 수 있다. 다시 말해서, 제1 딥러닝 모듈(DM1)은 기판 보관 용기(SSB)의 제1 부분(SP1)을, 제1 슬롯 영역(R_slot1) 내지 제4 슬롯 영역(R_slot4)으로 분할하고, 각 슬롯 영역 내에서 해당 슬롯을 탐지함으로써, 슬롯의 위치를 보다 높은 정확도로 탐지할 수 있다. The first deep learning module DM1 may distinguish the first slot Slot1 in the first slot area R_slot1. Similarly, the first deep learning module DM1 divides the second slot Slot2 in the second slot area R_slot2, the third slot Slot3 in the third slot area R_slot3, and the fourth slot A fourth slot Slot4 may be identified in the region R_slot4. In other words, the first deep learning module DM1 divides the first part SP1 of the substrate storage container SSB into the first slot area R_slot1 to the fourth slot area R_slot4, and in each slot area By detecting the corresponding slot in , the location of the slot can be detected with higher accuracy.

이와 유사하게, 몇몇 실시예에 따른 제1 딥러닝 모듈(DM1)은 제2 상부(UP2)의 형상에 대한 학습 이미지와, 제5 슬롯(Slot5) 내지 제8 슬롯(Slot8)의 형상에 대한 학습 이미지를 이용하여 학습될 수 있다. 이때, 제1 부분(SP1)과 제2 부분(SP2)은 서로 대칭되므로, 제2 상부(UP2)의 형상에 대한 학습 이미지는 제1 상부(UP1)의 형상에 대한 학습 이미지를 좌우 대칭한 이미지일 수 있고, 제5 슬롯(Slot5) 내지 제8 슬롯(Slot8)의 형상에 대한 학습 이미지는 제1 슬롯(Slot1) 내지 제4 슬롯(Slot4)의 형상에 대한 학습 이미지를 좌우 대칭한 이미지일 수 있다. 이때, 제5 슬롯(Slot5) 내지 제8 슬롯(Slot8)의 형상은 서로 유사하므로, 제1 딥러닝 모듈(DM1)은 하나의 슬롯 형상에 대한 학습 이미지만으로도 학습될 수 있다.Similarly, the first deep learning module DM1 according to some embodiments learns the learning image of the shape of the second upper part UP2 and the shape of the fifth slot Slot5 to the eighth slot Slot8. It can be learned using images. At this time, since the first part SP1 and the second part SP2 are symmetrical to each other, the learning image of the shape of the second upper part UP2 is a left-right symmetrical image of the learning image of the shape of the first upper part UP1. , and the learning images of the shapes of the fifth slots Slot5 to the eighth slots Slot8 may be left-right symmetric images of the learning images of the shapes of the first slots Slot1 to the fourth slots Slot4. there is. At this time, since the shapes of the fifth slot (Slot5) to the eighth slot (Slot8) are similar to each other, the first deep learning module (DM1) can learn only the learning image for one slot shape.

제1 딥러닝 모듈(DM1)은 제2 이미지(IMG2)에서 우선적으로 제2 상부(UP2)를 탐지할 수 있다. 제1 딥러닝 모듈(DM1)이 제2 상부(UP2)를 탐지한 경우, 제1 딥러닝 모듈(DM1)은 미리 정한 기준에 따라, 제2 부분(SP2)을 제5 슬롯 영역(R_slot5) 내지 제8 슬롯 영역(R_slot8)으로 분할할 수 있다. 제5 슬롯 영역(R_slot5) 내지 제8 슬롯 영역(R_slot8)은 각각 제5 슬롯(Slot5) 내지 제8 슬롯(Slot8)이 위치할 확률이 상대적으로 높은 영역일 수 있다. The first deep learning module DM1 may preferentially detect the second upper part UP2 in the second image IMG2. When the first deep learning module DM1 detects the second upper part UP2, the first deep learning module DM1 divides the second part SP2 from the fifth slot area R_slot5 to the fifth slot area R_slot5 to UP2 according to a predetermined criterion. It can be divided into an eighth slot area (R_slot8). The fifth slot area R_slot5 to the eighth slot area R_slot8 may be areas in which the fifth to eighth slots Slot5 to Slot8 have a relatively high probability of being located, respectively.

제1 딥러닝 모듈(DM1)은 제5 슬롯 영역(R_slot5)에서 제5 슬롯(Slot5)을 구분하고, 제6 슬롯 영역(R_slot6)에서 제6 슬롯(Slot6)을 구분하고, 제7 슬롯 영역(R_slot7)에서 제7 슬롯(Slot7)을 구분하고, 제8 슬롯 영역(R_slot8)에서 제8 슬롯(Slot8)을 구분할 수 있다. 다시 말해서, 제1 딥러닝 모듈(DM1)은 기판 보관 용기(SSB)의 제2 부분(SP2)을, 제5 슬롯 영역(R_slot5) 내지 제8 슬롯 영역(R_slot8)으로 분할하고, 각 슬롯 영역 내에서 해당 슬롯을 탐지함으로써, 슬롯의 위치를 보다 높은 정확도로 탐지할 수 있다. The first deep learning module DM1 divides the fifth slot Slot5 in the fifth slot area R_slot5, the sixth slot Slot6 in the sixth slot area R_slot6, and the seventh slot area ( The seventh slot (Slot7) can be divided in R_slot7, and the eighth slot (Slot8) can be divided in the eighth slot area (R_slot8). In other words, the first deep learning module DM1 divides the second part SP2 of the substrate storage container SSB into the fifth slot area R_slot5 to the eighth slot area R_slot8, and within each slot area By detecting the corresponding slot in , the location of the slot can be detected with higher accuracy.

다른 몇몇 실시예에 따르면, 제1 딥러닝 모듈(DM1)은 제1 상부(UP1)의 형상에 대한 학습 이미지와, 제1 하부(LP1)의 형상에 대한 학습 이미지와, 제1 슬롯(Slot1) 내지 제4 슬롯(Slot4)의 형상에 대한 학습 이미지를 이용하여 학습될 수 있다. 다시 말해서, 제1 딥러닝 모듈(DM1)은 기판 보관 용기(SSB)에서 제1 상부(UP1)와, 제1 하부(LP1)와, 제1 슬롯(Slot1) 내지 제4 슬롯(Slot4)을 구분하도록 학습될 수 있다. According to some other embodiments, the first deep learning module DM1 is configured to generate a training image for the shape of the first upper part UP1, a learning image for the shape of the first lower part LP1, and a first slot Slot1. The shapes of the through fourth slots Slot4 may be learned using the learning images. In other words, the first deep learning module DM1 divides the first upper part UP1, the first lower part LP1, and the first slot Slot1 to the fourth slot Slot4 in the substrate storage container SSB. can be learned to do.

다른 몇몇 실시예에 따른 제1 딥러닝 모듈(DM1)은 제1 이미지(IMG1)에서 우선적으로 제1 상부(UP1) 및 제1 하부(LP1)를 탐지할 수 있다. 이어서, 제1 딥러닝 모듈(DM1)은 제1 이미지(IMG1)에서 탐지된 제1 상부(UP1)와 제1 하부(LP1)의 사이를 제1 슬롯 영역(R_slot1) 내지 제4 슬롯 영역(R_slot4)으로 분할할 수 있다. 제1 딥러닝 모듈(DM1)은 제1 슬롯 영역(R_slot1) 내지 제4 슬롯 영역(R_slot4) 각각에서, 제1 슬롯(Slot1) 내지 제4 슬롯(Slot4)을 탐지할 수 있다. The first deep learning module DM1 according to some other embodiments may preferentially detect the first upper part UP1 and the first lower part LP1 in the first image IMG1. Then, the first deep learning module DM1 moves between the first upper part UP1 and the first lower part LP1 detected in the first image IMG1 from the first slot area R_slot1 to the fourth slot area R_slot4. ) can be divided into The first deep learning module DM1 may detect the first slot Slot1 to the fourth slot Slot4 in each of the first slot area R_slot1 to the fourth slot area R_slot4 .

이와 유사하게, 제1 딥러닝 모듈(DM1)은 제2 상부(UP2)의 형상에 대한 학습 이미지와, 제2 하부(LP2)의 형상에 대한 학습 이미지와, 제5 슬롯(Slot5) 내지 제8 슬롯(Slot8)의 형상에 대한 학습 이미지를 이용하여 학습될 수 있다. 제1 딥러닝 모듈(DM1)은 제2 상부(UP2)와 제2 하부(LP2)의 사이를 제5 슬롯 영역(R_slot5) 내지 제8 슬롯 영역(R_slot8)으로 분할하고, 각 슬롯 영역 내에서 제5 슬롯(Slot5) 내지 제8 슬롯(Slot8)을 탐지할 수 있다. Similarly, the first deep learning module DM1 outputs a training image for the shape of the second upper part UP2, a training image for the shape of the second lower part LP2, and the fifth slots Slot5 to eighth. The shape of the slot 8 may be learned using a learning image. The first deep learning module DM1 divides the space between the second upper part UP2 and the second lower part LP2 into a fifth slot area R_slot5 to an eighth slot area R_slot8, and within each slot area, a first The fifth slot (Slot5) to the eighth slot (Slot8) may be detected.

몇몇 실시예에 따르면, 제1 딥러닝 모듈(DM1)은 제1 이미지(IMG1) 및 제2 이미지(IMG2)에서 각각 탐지한 슬롯의 위치(L_slot)를 제1 결정 모듈(DTM1)에 제공할 수 있다. 제1 결정 모듈(DTM1)은 제공받은 슬롯의 위치(L_slot)를 기초로, 이상 탐지 결과(D_result)를 오류 탐지(E_detect)로 결정할 수 있다. 전술한 바와 같이, 제1 결정 모듈(DTM1)은 제1 이미지(IMG1)에서 탐지된 슬롯의 위치(L_slot)와, 제2 이미지(IMG2)에서 탐지된 슬롯의 위치(L_slot)를 기초로, 이상 탐지 결과(D_result)를 오류 탐지(E_detect)로 결정할 수 있다. According to some embodiments, the first deep learning module DM1 may provide the positions L_slot of each detected slot in the first image IMG1 and the second image IMG2 to the first determination module DTM1. there is. The first determination module DTM1 may determine an error detection result D_result as an error detection E_detect based on the received slot position L_slot. As described above, the first determination module DTM1 determines, based on the position L_slot of the slot detected in the first image IMG1 and the position L_slot of the slot detected in the second image IMG2, The detection result (D_result) can be determined as an error detection (E_detect).

예를 들어, 제1 결정 모듈(DTM1)은 제1 이미지(IMG1)에서 탐지된 슬롯의 위치(L_slot)와 제2 이미지(IMG2)에서 탐지된 슬롯의 위치(L_slot)가 서로 대칭되지 않는 경우, 이상 탐지 결과(D_result)를 오류 탐지(E_detect)로 결정할 수 있다. 다른 예를 들어, 제1 결정 모듈(DTM1)은 제1 이미지(IMG1) 및 제2 이미지(IMG2)에서 탐지된 슬롯의 위치(L_slot)를 기초로, 슬롯의 개수를 결정하고, 결정된 슬롯의 개수가 미리 정한 개수와 불일치하는 경우, 이상 탐지 결과(D_result)를 오류 탐지(E_detect)로 결정할 수 있다. 또 다른 예를 들어, 제1 결정 모듈(DTM1)은 제1 이미지(IMG1) 및 제2 이미지(IMG2)에서 탐지된 슬롯의 위치(L_slot)를 기초로, 제1 부분(SP1)의 슬롯의 개수와 제2 부분(SP2)의 슬롯의 개수를 결정하고, 제1 부분(SP1)의 슬롯의 개수와 제2 부분(SP2)의 슬롯의 개수가 서로 불일치하는 경우, 이상 탐지 결과(D_result)를 오류 탐지(E_detect)로 결정할 수 있다. 이상 탐지 결과(D_result)가 오류 탐지(E_detect)로 결정되면, 이상 탐지 공정은 중단될 수 있다. For example, the first determination module DTM1 determines if the position L_slot of the slot detected in the first image IMG1 and the position L_slot of the slot detected in the second image IMG2 are not symmetrical to each other, An anomaly detection result (D_result) may be determined as an error detection (E_detect). For another example, the first determination module DTM1 determines the number of slots based on the positions (L_slot) of slots detected in the first image IMG1 and the second image IMG2, and determines the determined number of slots. When is inconsistent with a predetermined number, the anomaly detection result (D_result) may be determined as an error detection (E_detect). As another example, the first determination module DTM1 may determine the number of slots of the first part SP1 based on the positions L_slot of the slots detected in the first image IMG1 and the second image IMG2. and the number of slots of the second part SP2 are determined, and when the number of slots of the first part SP1 and the number of slots of the second part SP2 do not match each other, the anomaly detection result D_result is an error. It can be determined by detection (E_detect). When the abnormality detection result (D_result) is determined to be error detection (E_detect), the abnormality detection process may be stopped.

다시 도 6을 더 참조하면, 제1 결정 모듈(DTM1)이 이상 탐지 결과(D_result)를 오류 탐지(E_detect)로 결정하지 않는 경우, 즉, 제1 딥러닝 모듈(DM1)이 제1 슬롯(Slot1) 내지 제8 슬롯(Slot8)의 위치를 정확히 탐지한 경우, 제1 결정 모듈(DTM1)은 제1 딥러닝 모듈(DM1)에서 제공받은 제1 이미지(IMG1) 및 제2 이미지(IMG2)에서 탐지된 슬롯의 위치(L_slot)를 필링 슬롯 탐지 모듈(142)에 제공할 수 있다. 필링 슬롯 탐지 모듈(142)은 제1 이미지(IMG1) 및 제2 이미지(IMG2)에서 탐지된 슬롯의 위치(L_slot)를 기초로, 정상 탐지(S_detect) 및 이상 탐지(F_detect) 중 어느 하나를 결정할 수 있다. 이때, 필링 슬롯 탐지 모듈(142)은 미리 학습된 딥러닝 모듈을 이용하여, 정상 탐지(S_detect) 및 이상 탐지(F_detect) 중 어느 하나를 결정할 수 있다. 구체적인 설명을 위해, 도 9를 더 참조한다. Referring back to FIG. 6 , when the first determination module DTM1 does not determine the abnormality detection result D_result as the error detection E_detect, that is, the first deep learning module DM1 determines the first slot Slot1 ) to the eighth slot (Slot8), the first determination module (DTM1) detects in the first image (IMG1) and the second image (IMG2) provided from the first deep learning module (DM1). The position (L_slot) of the slot may be provided to the filling slot detection module 142. The filling slot detection module 142 determines one of normal detection (S_detect) and abnormal detection (F_detect) based on the positions (L_slot) of the slots detected in the first image (IMG1) and the second image (IMG2). can In this case, the filling slot detection module 142 may determine one of normal detection (S_detect) and anomaly detection (F_detect) using a pre-learned deep learning module. For a detailed description, further reference is made to FIG. 9 .

도 9는 본 발명의 몇몇 실시예에 따른 필링 슬롯 탐지 모듈(142)의 구성을 개략적으로 설명하기 위한 도면이다. 9 is a diagram for schematically explaining the configuration of the filling slot detection module 142 according to some embodiments of the present invention.

도 9를 참조하면, 필링 슬롯 탐지 모듈(142)은 제2 딥러닝 모듈(DM2) 및 제2 결정 모듈(DTM2)을 포함할 수 있다. Referring to FIG. 9 , the filling slot detection module 142 may include a second deep learning module DM2 and a second decision module DTM2.

제2 딥러닝 모듈(DM2)은 슬롯 위치 탐지 모듈(141)에서 제공받은 제1 이미지(IMG1) 및 제2 이미지(IMG2)의 슬롯의 위치(L_slot)를 기초로, 해당 슬롯이 필링 슬롯(F_slot)인지 엠티 슬롯(E_slot)인지 여부를 결정할 수 있다. 설명의 편의를 위해, 도 10을 더 참조한다. The second deep learning module (DM2) determines that the corresponding slot is a filling slot (F_slot) based on the positions (L_slot) of the slots of the first image (IMG1) and the second image (IMG2) provided from the slot location detection module 141. ) or an empty slot (E_slot). For convenience of explanation, further reference is made to FIG. 10 .

도 10은 필링 슬롯 및 엠티 슬롯을 설명하기 위한 도면이다. 10 is a diagram for explaining filling slots and empty slots.

본 명세서에서 용어 '필링 슬롯' 및 '엠티 슬롯'은 설명의 편의를 위해 정의된 용어이며, 슬롯 내에 기판이 보관된 경우 이를 필링 슬롯(F_slot)으로 정의하며, 슬롯 내에 기판이 보관되지 않은 경우 이를 엠티 슬롯(E_slot)으로 정의한다. In this specification, the terms 'filling slot' and 'empty slot' are terms defined for convenience of description. When a substrate is stored in a slot, it is defined as a filling slot (F_slot), and when a substrate is not stored in a slot, it is defined as a filling slot (F_slot). It is defined as an empty slot (E_slot).

도 9 및 도 10을 참조하면, 제2 딥러닝 모듈(DM2)은 제1 슬롯(Slot1) 내지 제4 슬롯(Slot4)의 형상에 대한 학습 이미지를 이용하여 학습될 수 있다. 다시 말해서, 제2 딥러닝 모듈(DM2)은 제1 슬롯(Slot1) 내지 제4 슬롯(Slot4)이 엠티 슬롯(E_slot)인 경우에 대한 학습 이미지를 이용하여 학습될 수 있다. 즉, 제2 딥러닝 모듈(DM2)은 슬롯이 엠티 슬롯(E_slot)인지 여부를 구분하도록 학습될 수 있다. 이때, 제2 딥러닝 모듈(DM2)이 엠티 슬롯(E_slot)을 구분하지 못한 경우는 필링 슬롯(F_slot)인 것으로 가정한다. Referring to FIGS. 9 and 10 , the second deep learning module DM2 may be trained using training images of the shapes of the first slot Slot1 to the fourth slot Slot4 . In other words, the second deep learning module DM2 may be trained using a training image for a case where the first to fourth slots Slot1 to Slot4 are empty slots E_slot. That is, the second deep learning module DM2 may learn to discriminate whether the slot is an empty slot (E_slot). At this time, if the second deep learning module DM2 fails to distinguish the empty slot E_slot, it is assumed that it is a filling slot F_slot.

마찬가지로, 제2 딥러닝 모듈(DM2)은 제5 슬롯(Slot5) 내지 제8 슬롯(Slot8)이 엠티 슬롯(E_slot)인 경우에 대한 학습 이미지를 이용하여 학습될 수 있다. 몇몇 실시예에 따르면, 제2 딥러닝 모듈(DM2)은 제1 딥러닝 모듈(DM1)과 동일할 수 있으나, 실시예들이 이에 제한되는 것은 아니며, 제2 딥러닝 모듈(DM2)은 제1 딥러닝 모듈(DM1)과는 별도로 학습된 딥러닝 모듈일 수도 있다.Similarly, the second deep learning module DM2 may be trained using a training image for a case where the fifth to eighth slots Slot5 to Slot8 are empty slots E_slot. According to some embodiments, the second deep learning module DM2 may be the same as the first deep learning module DM1, but the embodiments are not limited thereto, and the second deep learning module DM2 may be the same as the first deep learning module DM2. It may be a deep learning module learned separately from the learning module DM1.

제2 딥러닝 모듈(DM2)은 슬롯 위치 탐지 모듈(141)에서 제공받은 슬롯의 위치(L_slot)에 대해, 각 슬롯이 엠티 슬롯(E_slot)인지 필링 슬롯(F_slot)인지 여부를 구분할 수 있다. 다시 말해서, 제2 딥러닝 모듈(DM2)은 제1 슬롯(Slot1), 제3 슬롯(Slot3), 제5 슬롯(Slot5) 및 제8 슬롯(Slot8)은 필링 슬롯(F_slot)으로 구분하고, 제2 슬롯(Slot2), 제4 슬롯(Slot4), 제6 슬롯(Slot6) 및 제7 슬롯(Slot7)은 엠티 슬롯(E_slot)으로 구분할 수 있다. 제2 딥러닝 모듈(DM2)에서 구분된 필링 슬롯(F_slot) 및 엠티 슬롯(E_slot)에 대한 정보는 제2 결정 모듈(DTM2)에 제공될 수 있다. The second deep learning module DM2 may distinguish whether each slot is an empty slot (E_slot) or a filling slot (F_slot) with respect to the slot position (L_slot) provided by the slot position detection module 141 . In other words, the second deep learning module (DM2) divides the first slot (Slot1), the third slot (Slot3), the fifth slot (Slot5), and the eighth slot (Slot8) into filling slots (F_slot), and The second slot (Slot2), the fourth slot (Slot4), the sixth slot (Slot6), and the seventh slot (Slot7) can be classified as empty slots (E_slot). Information on the filling slot (F_slot) and the empty slot (E_slot) classified in the second deep learning module (DM2) may be provided to the second determination module (DTM2).

제2 결정 모듈(DTM2)은 필링 슬롯(F_slot) 및 엠티 슬롯(E_slot)에 대한 정보를 이용하여, 기판이 정상 상태(SS)인지 혹은 이상 상태(FS)인지 여부를 결정할 수 있다. The second determination module DTM2 may determine whether the board is in a normal state (SS) or an abnormal state (FS) by using information on the filling slot (F_slot) and the empty slot (E_slot).

제1 기판(SB1)은 제1 슬롯(Slot1)과, 제1 슬롯(Slot1)과 대칭되는 제5 슬롯(Slot5)에 보관된 상태이다. 다시 말해서, 제1 슬롯(Slot1)은 필링 슬롯(F_slot)이고, 제1 슬롯(Slot1)과 대칭되는 제5 슬롯(Slot5) 역시 필링 슬롯(F_slot)일 수 있다. The first substrate SB1 is stored in the first slot Slot1 and the fifth slot Slot5 symmetrical to the first slot Slot1. In other words, the first slot Slot1 is a filling slot F_slot, and the fifth slot Slot5 symmetrical to the first slot Slot1 may also be a filling slot F_slot.

몇몇 실시예에 따르면, 제2 결정 모듈(DTM2)은 제1 기판(SB1)이 보관된 제1 슬롯(Slot1)과 제5 슬롯(Slot5)이 서로 대칭되는 경우, 제1 기판(SB1)을 정상 상태(SS)로 결정할 수 있다. 다시 말해서, 서로 대칭되는 제1 슬롯(Slot1)과 제5 슬롯(Slot5)이 제1 기판(SB1)으로 인해 필링된 경우, 제2 결정 모듈(DTM2)은 제1 기판(SB1)을 정상 상태(SS)로 결정할 수 있다. According to some embodiments, the second determination module DTM2 determines whether the first substrate SB1 is normal when the first slot Slot1 and the fifth slot Slot5 in which the first substrate SB1 is stored are symmetrical to each other. It can be determined as a state (SS). In other words, when the first slot Slot1 and the fifth slot Slot5 symmetrical to each other are filled due to the first substrate SB1, the second determination module DTM2 sets the first substrate SB1 to a normal state ( SS) can be determined.

한편, 제2 기판(SB2)은 제3 슬롯(Slot3)과 제8 슬롯(Slot8)에 보관된 상태이다. 즉, 제3 슬롯(Slot3)은 필링 슬롯(F_slot)이고, 제3 슬롯(Slot3)과 대칭되는 제7 슬롯(Slot7)은 엠티 슬롯(E_slot)일 수 있다. 또한, 제4 슬롯(Slot4)은 엠티 슬롯(E_slot)이고, 제4 슬롯(Slot4)과 대칭되는 제8 슬롯(Slot8)은 필링 슬롯(F_slot)일 수 있다. Meanwhile, the second substrate SB2 is stored in the third slot Slot3 and the eighth slot Slot8. That is, the third slot Slot3 may be a filling slot F_slot, and the seventh slot Slot7 symmetrical to the third slot Slot3 may be an empty slot E_slot. Also, the fourth slot Slot4 may be an empty slot E_slot, and an eighth slot Slot8 symmetrical to the fourth slot Slot4 may be a filling slot F_slot.

몇몇 실시예에 따르면, 제2 결정 모듈(DTM2)은 제2 기판(SB2)이 보관된 제3 슬롯(Slot3)과 제8 슬롯(Slot8)이 서로 대칭되지 않는 경우, 제2 결정 모듈(DTM2)은 제2 기판(SB2)을 이상 상태(FS)로 결정할 수 있다. 다시 말해서, 서로 대칭되지 않는 제3 슬롯(Slot3)과 제8 슬롯(Slot8)이 제2 기판(SB2)으로 인해 필링된 경우, 제2 결정 모듈(DTM2)은 제2 기판(SB2)을 이상 상태(FS)로 결정할 수 있다. According to some embodiments, the second determination module DTM2 may perform the second determination module DTM2 when the third slot Slot3 and the eighth slot Slot8 in which the second substrate SB2 is stored are not symmetrical to each other. The second substrate SB2 may be determined to be in the abnormal state FS. In other words, when the third slot Slot3 and the eighth slot Slot8, which are not symmetrical to each other, are filled due to the second substrate SB2, the second determination module DTM2 sets the second substrate SB2 to an abnormal state. (FS) can be determined.

제2 결정 모듈(DTM2)은 기판 보관 용기(SSB)에 보관된 기판 중 적어도 하나가 이상 상태(FS)인 경우, 이상 탐지 결과(D_result)를 이상 탐지(F_detect)로 결정할 수 있다. 달리 설명하면, 제2 결정 모듈(DTM2)은 기판 보관 용기(SSB)에 보관된 기판 모두가 정상 상태(SS)인 경우, 이상 탐지 결과(D_result)를 정상 탐지(S_detect)로 결정할 수 있다. 도 10의 경우, 제2 기판(SB2)이 이상 상태(FS)이므로, 제2 결정 모듈(DTM2)은 이상 탐지 결과(D_result)를 이상 탐지(F_detect)로 결정할 수 있다. 도 11을 참조하여, 본 발명의 몇몇 실시예에 따른 이상 탐지 방법에 대해 설명한다. The second determination module DTM2 may determine the abnormality detection result D_result as the abnormality detection F_detect when at least one of the substrates stored in the substrate storage container SSB is in an abnormal state FS. In other words, the second determination module DTM2 may determine the abnormal detection result D_result as normal detection S_detect when all the substrates stored in the substrate storage container SSB are in the normal state SS. In the case of FIG. 10 , since the second substrate SB2 is in an abnormal state FS, the second determination module DTM2 may determine the abnormality detection result D_result as the abnormality detection F_detect. Referring to FIG. 11 , an anomaly detection method according to some embodiments of the present invention will be described.

도 11은 본 발명의 몇몇 실시예에 따른 이상 탐지 방법을 개략적으로 설명하기 위한 도면이다. 설명의 편의를 위해 전술한 내용과 동일하거나 유사한 내용은 생략하거나 간단히 설명한다. 11 is a diagram schematically illustrating an anomaly detection method according to some embodiments of the present invention. For convenience of description, the same or similar content as the above description will be omitted or briefly described.

도 11을 참조하면, 기판 보관 용기(SSB)의 제1 부분(SP1)과 제2 부분(SP2)과 정렬되도록, 제1 비전 인식부(110) 및 제2 비전 인식부(120)를 정렬할 수 있다(S100). Referring to FIG. 11 , the first vision recognition unit 110 and the second vision recognition unit 120 are aligned to align with the first and second parts SP1 and SP2 of the substrate storage container SSB. It can (S100).

이어서, 기판 보관 용기(SSB)의 제1 부분(SP1)과 제2 부분(SP2) 각각에 대해, 슬롯의 위치(L_slot)를 탐색할 수 있다(S200). Subsequently, the position L_slot of the slot may be searched for each of the first part SP1 and the second part SP2 of the substrate storage container SSB (S200).

이어서, 탐색된 슬롯의 위치(L_slot)를 기초로, 오류 탐지(E_detect) 여부를 결정할 수 있다(S300). Then, based on the location (L_slot) of the searched slot, it is possible to determine whether to detect an error (E_detect) (S300).

이상 탐지 결과(D_result)가 오류 탐지(E_detect)가 아닌 경우, 탐색된 슬롯의 위치(L_slot)에 포함된 각 슬롯들에 대해 필링 슬롯(F_slot)과 엠티 슬롯(E_slot)으로 분류할 수 있다(S400). If the anomaly detection result (D_result) is not error detection (E_detect), each slot included in the searched slot position (L_slot) can be classified into a filling slot (F_slot) and an empty slot (E_slot) (S400 ).

분류된 필링 슬롯(F_slot) 및 엠티 슬롯(E_slot)에 따라, 이상 탐지 결과(D_result)를 정상 탐지(S_detect) 및 이상 탐지(F_detect) 중 어느 하나로 결정할 수 있다(S500).Depending on the classified filling slot (F_slot) and empty slot (E_slot), the anomaly detection result (D_result) may be determined as either normal detection (S_detect) or anomaly detection (F_detect) (S500).

도 12는 본 발명의 몇몇 실시예에 따른 이상 탐지 장치의 하드웨어 구현을 설명하기 위한 도면이다. 12 is a diagram for explaining hardware implementation of an anomaly detection apparatus according to some embodiments of the present invention.

도 12를 참조하면, 본 발명의 몇몇 실시예들에 따른 이상 탐지 장치(100)는 전자 장치(1000)로 구현될 수 있다. 전자 장치(1000)는 컨트롤러(1010, controller), 입출력 장치(1020, I/O), 메모리 장치(1030, memory device), 인터페이스(1040, interface) 및 버스(1050, bus)를 포함할 수 있다. 컨트롤러(1010), 입출력 장치(1020), 메모리 장치(1030) 및/또는 인터페이스(1040)는 버스(1050)를 통하여 서로 결합될 수 있다. 이때, 버스(1050)는 데이터들이 이동되는 통로(path)에 해당한다.Referring to FIG. 12 , an anomaly detection device 100 according to some embodiments of the present invention may be implemented as an electronic device 1000 . The electronic device 1000 may include a controller 1010, an input/output device 1020 (I/O), a memory device 1030, an interface 1040, and a bus 1050. . The controller 1010 , the input/output device 1020 , the memory device 1030 and/or the interface 1040 may be coupled to each other through a bus 1050 . At this time, the bus 1050 corresponds to a path through which data is moved.

구체적으로, 컨트롤러(1010)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit), 마이크로프로세서, 디지털 신호 프로세스, 마이크로컨트롤러, 어플리케이션 프로세서(AP, application processor) 및 이들과 유사한 기능을 수행할 수 있는 논리 소자들 중에서 적어도 하나를 포함할 수 있다. Specifically, the controller 1010 includes a central processing unit (CPU), a micro processor unit (MPU), a micro controller unit (MCU), a graphic processing unit (GPU), a microprocessor, a digital signal processor, a microcontroller, and an application processor (AP). , application processor), and logic elements capable of performing functions similar thereto.

입출력 장치(1020)는 키패드(keypad), 키보드, 터치스크린 및 디스플레이 장치 중 적어도 하나를 포함할 수 있다. The input/output device 1020 may include at least one of a keypad, a keyboard, a touch screen, and a display device.

메모리 장치(1030)는 데이터 및/또는 프로그램 등을 저장할 수 있다.The memory device 1030 may store data and/or programs.

인터페이스(1040)는 통신 네트워크로 데이터를 전송하거나 통신 네트워크로부터 데이터를 수신하는 기능을 수행할 수 있다. 인터페이스(1040)는 유선 또는 무선 형태일 수 있다. 예컨대, 인터페이스(1040)는 안테나 또는 유무선 트랜시버 등을 포함할 수 있다. 도시하지 않았지만, 메모리 장치(1030)는 컨트롤러(1010)의 동작을 향상시키기 위한 동작 메모리로서, 고속의 디램 및/또는 에스램 등을 더 포함할 수도 있다. 메모리 장치(1030)는 내부에 프로그램 또는 어플리케이션을 저장할 수 있다. The interface 1040 may perform a function of transmitting data to a communication network or receiving data from the communication network. Interface 1040 may be wired or wireless. For example, the interface 1040 may include an antenna or a wired/wireless transceiver. Although not shown, the memory device 1030 is an operating memory for improving the operation of the controller 1010 and may further include a high-speed DRAM and/or SRAM. The memory device 1030 may store programs or applications therein.

본 발명의 실시예들에 따른 이상 탐지 장치(100)는 각각 복수의 전자 장치(1000)가 네트워크를 통해서 서로 연결되어 형성된 시스템일 수 있다. 이러한 경우에는 각각의 모듈 또는 모듈의 조합들이 전자 장치(1000)로 구현될 수 있다. 단, 본 실시예가 이에 제한되는 것은 아니다.The anomaly detection device 100 according to embodiments of the present invention may be a system formed by connecting a plurality of electronic devices 1000 to each other through a network. In this case, each module or combinations of modules may be implemented as the electronic device 1000 . However, this embodiment is not limited thereto.

추가적으로, 이상 탐지 장치(100)는 워크스테이션(workstation), 데이터 센터, 인터넷 데이터 센터(internet data center(IDC)), DAS(direct attached storage) 시스템, SAN(storage area network) 시스템, NAS(network attached storage) 시스템, RAID(redundant array of inexpensive disks, or redundant array of independent disks) 시스템, 및 EDMS(Electronic Document Management) 시스템 중 적어도 하나로 구현될 수 있으나, 본 실시예가 이에 제한되는 것은 아니다.In addition, the anomaly detection device 100 is a workstation, a data center, an internet data center (IDC), a direct attached storage (DAS) system, a storage area network (SAN) system, a network attached NAS (NAS) storage) system, a redundant array of inexpensive disks (RAID) system, or a redundant array of independent disks (RAID) system, and an Electronic Document Management (EDMS) system, but the present embodiment is not limited thereto.

네트워크는 유선 인터넷 기술, 무선 인터넷 기술 및 근거리 통신 기술에 의한 네트워크를 포함할 수 있다. 유선 인터넷 기술은 예를 들어, 근거리 통신망(LAN, Local area network) 및 광역 통신망(WAN, wide area network) 중 적어도 하나를 포함할 수 있다.The network may include a network based on wired Internet technology, wireless Internet technology, and short-range communication technology. Wired Internet technology may include, for example, at least one of a local area network (LAN) and a wide area network (WAN).

무선 인터넷 기술은 예를 들어, 무선랜(Wireless LAN: WLAN), DMNA(Digital Living Network Alliance), 와이브로(Wireless Broadband: Wibro), 와이맥스(World Interoperability for Microwave Access: Wimax), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), IEEE 802.16, 롱 텀 에볼루션(Long Term Evolution: LTE), LTE-A(Long Term Evolution-Advanced), 광대역 무선 이동 통신 서비스(Wireless Mobile Broadband Service: WMBS) 및 5G NR(New Radio) 기술 중 적어도 하나를 포함할 수 있다. 단, 본 실시예가 이에 제한되는 것은 아니다.Wireless Internet technologies include, for example, Wireless LAN (WLAN), DMNA (Digital Living Network Alliance), Wireless Broadband (Wibro), WiMAX (World Interoperability for Microwave Access: Wimax), HSDPA (High Speed Downlink Packet Access), High Speed Uplink Packet Access (HSUPA), IEEE 802.16, Long Term Evolution (LTE), Long Term Evolution-Advanced (LTE-A), Wireless Mobile Broadband Service (WMBS) And it may include at least one of 5G New Radio (NR) technology. However, this embodiment is not limited thereto.

근거리 통신 기술은 예를 들어, 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association: IrDA), UWB(Ultra-Wideband), 지그비(ZigBee), 인접 자장 통신(Near Field Communication: NFC), 초음파 통신(Ultra Sound Communication: USC), 가시광 통신(Visible Light Communication: VLC), 와이 파이(Wi-Fi), 와이 파이 다이렉트(Wi-Fi Direct), 5G NR (New Radio) 중 적어도 하나를 포함할 수 있다. 단, 본 실시예가 이에 제한되는 것은 아니다.Short-range communication technologies include, for example, Bluetooth, Radio Frequency Identification (RFID), Infrared Data Association (IrDA), Ultra-Wideband (UWB), ZigBee, Near Field Communication: At least one of NFC), Ultra Sound Communication (USC), Visible Light Communication (VLC), Wi-Fi, Wi-Fi Direct, and 5G NR (New Radio) can include However, this embodiment is not limited thereto.

네트워크를 통해서 통신하는 이상 탐지 장치(100)는 이동통신을 위한 기술표준 및 표준 통신 방식을 준수할 수 있다. 예를 들어, 표준 통신 방식은 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTEA(Long Term Evolution-Advanced) 및 5G NR(New Radio) 중 적어도 하나를 포함할 수 있다. 단, 본 실시예가 이에 제한되는 것은 아니다.The anomaly detection device 100 communicating through a network may comply with technical standards and standard communication methods for mobile communication. For example, standard communication methods include GSM (Global System for Mobile communication), CDMA (Code Division Multi Access), CDMA2000 (Code Division Multi Access 2000), EV-DO (Enhanced Voice-Data Optimized or Enhanced Voice-Data Only) At least one of Wideband CDMA (WCDMA), High Speed Downlink Packet Access (HSDPA), High Speed Uplink Packet Access (HSUPA), Long Term Evolution (LTE), Long Term Evolution-Advanced (LTEA), and 5G New Radio (NR) can include However, this embodiment is not limited thereto.

이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely an example of the technical idea of the present embodiment, and various modifications and variations can be made to those skilled in the art without departing from the essential characteristics of the present embodiment. Therefore, the present embodiments are not intended to limit the technical idea of the present embodiment, but to explain, and the scope of the technical idea of the present embodiment is not limited by these embodiments. The scope of protection of this embodiment should be construed according to the claims below, and all technical ideas within the scope equivalent thereto should be construed as being included in the scope of rights of this embodiment.

Claims (10)

기판 보관 용기의 제1 부분을 촬상하여, 제1 이미지를 생성하는 제1 비전 인식부;
상기 기판 보관 용기의, 상기 제1 부분과 다른 제2 부분을 촬상하여, 제2 이미지를 생성하는 제2 비전 인식부;
상기 제1 이미지에 포함된 제1 슬롯의 제1 위치와, 상기 제2 이미지에 포함된 제2 슬롯의 제2 위치를 탐지하는 슬롯 위치 탐지 모듈; 및
상기 제1 및 제2 위치에 대해 필링 슬롯 및 엠티 슬롯 중 어느 하나로 분류하고, 상기 필링 슬롯 및 상기 엠티 슬롯의 분류 결과에 따라 이상 탐지 결과를 결정하는 필링 슬롯 탐지 모듈을 포함하고,
상기 슬롯 위치 탐지 모듈은 미리 학습된 제1 딥러닝 모듈을 포함하고,
상기 제1 딥러닝 모듈은,
상기 제1 부분에 대한 제1 상부를 구분하고,
상기 구분된 제1 상부에 기초하여, 상기 제1 부분에 대해 제1 슬롯 영역을 분할하고,
상기 제1 슬롯 영역에서 상기 제1 슬롯의 상기 제1 위치를 탐지하는 것을 포함하는,
이상 탐지 장치.
a first vision recognition unit generating a first image by capturing a first portion of the substrate storage container;
a second vision recognition unit generating a second image by capturing an image of a second portion different from the first portion of the substrate storage container;
a slot position detection module detecting a first position of a first slot included in the first image and a second position of a second slot included in the second image; and
A filling slot detection module classifying the first and second positions into one of filling slots and empty slots and determining an anomaly detection result according to a classification result of the filling slot and the empty slot;
The slot location detection module includes a pre-learned first deep learning module,
The first deep learning module,
Dividing a first upper part for the first part,
Dividing a first slot area with respect to the first part based on the divided first upper part;
Detecting the first position of the first slot in the first slot area,
anomaly detection device.
제1 항에 있어서,
상기 제1 비전 인식부에 대해 상기 제1 부분과 정렬하고, 상기 제2 비전 인식부에 대해 상기 제2 부분과 정렬하는 비전 인식 정렬부를 더 포함하는,
이상 탐지 장치.
According to claim 1,
A vision recognition alignment unit aligning with the first part with respect to the first vision recognition unit and aligning with the second part with respect to the second vision recognition unit.
anomaly detection device.
제1 항에 있어서,
상기 슬롯 위치 탐지 모듈은 상기 제1 위치와 상기 제2 위치를 기초로, 상기 이상 탐지 결과를 오류 탐지로 결정하는,
이상 탐지 장치.
According to claim 1,
The slot location detection module determines the abnormality detection result as an error detection based on the first location and the second location.
anomaly detection device.
제3 항에 있어서,
상기 슬롯 위치 탐지 모듈은 상기 제1 및 제2 위치를 기초로, 상기 제1 부분에 포함된 슬롯의 제1 개수와 상기 제2 부분에 포함된 슬롯의 제2 개수를 결정하고,
상기 제1 및 제2 개수가 미리 정한 개수와 다른 경우, 상기 이상 탐지 결과를 오류 탐지로 결정하는,
이상 탐지 장치.
According to claim 3,
The slot location detection module determines a first number of slots included in the first portion and a second number of slots included in the second portion based on the first and second locations;
determining that the anomaly detection result is an error detection when the first and second numbers are different from a predetermined number;
anomaly detection device.
삭제delete 제1 항에 있어서,
상기 슬롯 위치 탐지 모듈은 제1 결정 모듈을 더 포함하고,
상기 제1 딥러닝 모듈은,
상기 제2 부분에 대한 제2 상부를 구분하고,
상기 구분된 제2 상부에 기초하여, 상기 제2 부분에 대해 제2 슬롯 영역을 분할하고,
상기 제2 슬롯 영역에서 상기 제2 슬롯의 상기 제2 위치를 탐지하고,
상기 제1 결정 모듈은 상기 제1 위치 및 상기 제2 위치에 기초하여, 오류 탐지 여부를 결정하는,
이상 탐지 장치.
According to claim 1,
The slot location detection module further includes a first determination module;
The first deep learning module,
Dividing a second upper part for the second part,
Dividing a second slot area with respect to the second part based on the divided second upper portion;
detecting the second position of the second slot in the second slot area;
The first determination module determines whether an error is detected based on the first location and the second location.
anomaly detection device.
제1 항에 있어서,
상기 제1 딥러닝 모듈은,
상기 제1 부분에 대한 제1 하부를 더 구분하고,
상기 제1 상부 및 상기 제1 하부에 기초하여, 상기 제1 슬롯 영역을 분할하는,
이상 탐지 장치.
According to claim 1,
The first deep learning module,
Further dividing the first lower part for the first part,
Dividing the first slot area based on the first upper part and the first lower part,
anomaly detection device.
기판 보관 용기의 제1 부분을 촬상하여, 제1 이미지를 생성하는 제1 비전 인식부;
상기 기판 보관 용기의, 상기 제1 부분과 다른 제2 부분을 촬상하여, 제2 이미지를 생성하는 제2 비전 인식부;
상기 제1 이미지에 포함된 제1 슬롯의 제1 위치와, 상기 제2 이미지에 포함된 제2 슬롯의 제2 위치를 탐지하는 슬롯 위치 탐지 모듈; 및
상기 제1 및 제2 위치에 대해 필링 슬롯 및 엠티 슬롯 중 어느 하나로 분류하고, 상기 필링 슬롯 및 상기 엠티 슬롯의 분류 결과에 따라 이상 탐지 결과를 결정하는 필링 슬롯 탐지 모듈을 포함하고,
상기 필링 슬롯 탐지 모듈은 미리 학습된 제2 딥러닝 모듈 및 제2 결정 모듈을 포함하고,
상기 제2 딥러닝 모듈은 상기 제1 및 제2 위치에 대해 필링 슬롯 및 엠티 슬롯 중 어느 하나로 분류하고,
상기 제2 결정 모듈은 상기 제1 및 제2 슬롯이 필링 슬롯으로 결정된 경우,
상기 제1 및 제2 슬롯이 서로 대칭되는 경우, 상기 이상 탐지 결과를 정상 탐지로 결정하고,
상기 제1 및 제2 슬롯이 서로 비대칭되는 경우, 상기 이상 탐지 결과를 이상 탐지로 결정하는,
이상 탐지 장치.
a first vision recognition unit generating a first image by capturing a first portion of the substrate storage container;
a second vision recognition unit generating a second image by capturing an image of a second portion different from the first portion of the substrate storage container;
a slot position detection module detecting a first position of a first slot included in the first image and a second position of a second slot included in the second image; and
A filling slot detection module classifying the first and second positions into one of filling slots and empty slots and determining an anomaly detection result according to a classification result of the filling slot and the empty slot;
The filling slot detection module includes a pretrained second deep learning module and a second determination module;
The second deep learning module classifies the first and second positions as one of a filling slot and an empty slot,
The second determination module determines that the first and second slots are filling slots,
When the first and second slots are symmetrical to each other, the abnormality detection result is determined as normal detection;
determining the anomaly detection result as anomaly detection when the first and second slots are asymmetrical to each other;
anomaly detection device.
제1 항에 있어서,
상기 제1 부분과 상기 제2 부분은 서로 대칭되는,
이상 탐지 장치.
According to claim 1,
The first part and the second part are symmetrical to each other,
anomaly detection device.
기판 보관 용기의 제1 부분과 정렬되도록 제1 비전 인식부를 정렬하는 단계;
상기 기판 보관 용기의 제2 부분과 정렬되도록 제2 비전 인식부를 정렬하는 단계;
상기 제1 부분에 대해, 제1 슬롯의 제1 위치를 탐색하는 단계;
상기 제2 부분에 대해, 제2 슬롯의 제2 위치를 탐색하는 단계;
상기 제1 및 제2 위치를 기초로, 오류 탐지 여부를 결정하는 단계;
상기 제1 및 제2 슬롯에 대해, 필링 슬롯 및 엠티 슬롯 중 어느 하나로 분류하는 단계; 및
상기 필링 슬롯 및 엠티 슬롯 중 어느 하나로 분류한 결과에 따라, 정상 탐지 및 이상 탐지 중 어느 하나로 결정하는 단계를 포함하고,
상기 제1 슬롯의 상기 제1 위치를 탐색하는 단계는,
상기 제1 부분에 대한 제1 상부를 구분하고,
상기 구분된 제1 상부에 기초하여, 상기 제1 부분에 대해 제1 슬롯 영역을 분할하고,
상기 제1 슬롯 영역에서 상기 제1 슬롯의 상기 제1 위치를 탐지하는 것을 포함하는 것을 포함하는,
이상 탐지 방법.
aligning the first vision recognition unit to be aligned with the first portion of the substrate storage container;
aligning a second vision recognition part to be aligned with a second part of the substrate storage container;
for the first portion, searching for a first position of a first slot;
for the second portion, searching for a second location of a second slot;
determining whether an error is detected based on the first and second positions;
classifying the first and second slots into one of a filling slot and an empty slot; and
Determining one of normal detection and abnormal detection according to a result of classifying into one of the filling slot and the empty slot;
The step of searching for the first position of the first slot,
Dividing a first upper part for the first part,
Dividing a first slot area with respect to the first part based on the divided first upper part;
And detecting the first location of the first slot in the first slot area.
Anomaly detection method.