KR20220147807A - 기판 검사 방법 - Google Patents

기판 검사 방법 Download PDF

Info

Publication number
KR20220147807A
KR20220147807A KR1020210054762A KR20210054762A KR20220147807A KR 20220147807 A KR20220147807 A KR 20220147807A KR 1020210054762 A KR1020210054762 A KR 1020210054762A KR 20210054762 A KR20210054762 A KR 20210054762A KR 20220147807 A KR20220147807 A KR 20220147807A
Authority
KR
South Korea
Prior art keywords
inspection
defect
defective
substrate
image
Prior art date
Application number
KR1020210054762A
Other languages
English (en)
Other versions
KR102668045B1 (ko
Inventor
유상혁
오상민
Original Assignee
주식회사 크레셈
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 크레셈 filed Critical 주식회사 크레셈
Priority to KR1020210054762A priority Critical patent/KR102668045B1/ko
Publication of KR20220147807A publication Critical patent/KR20220147807A/ko
Application granted granted Critical
Publication of KR102668045B1 publication Critical patent/KR102668045B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
    • H05K13/08—Monitoring manufacture of assemblages
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N2021/95638—Inspecting patterns on the surface of objects for PCB's

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Operations Research (AREA)
  • Manufacturing & Machinery (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

본 발명은 촬영 영상을 이용하여 검사 대상 기판의 불량 여부를 검사하는 방법에 관한 것으로서, 보다 상세하게는 검사 대상 기판에 불량으로 예상되는 영역이 존재하는 것으로 판단되면, 자동으로 불량 예상 영역에 대해 보다 정밀한 검사가 자동으로 이루어지도록 하는 기술에 관한 것이다.
본 발명에 따른 기판 검사 방법은 검사 대상 기판을 촬영한 기판 영상을 이용하여 검사 대상 기판에 대한 불량 여부를 검사하는 기판 검사 장치에 있어서, 기판검사장치가 제1 해상도로 촬영된 기판 영상에 대하여 규칙기반 검사 방법을 적용하여 불량 예상 영역을 검출하는 1차 불량 검사를 수행하는 제1 단계와, 기판검사장치가 상기 1차 불량 검사 결과에서 불량 예상 영역이 검출되면, 상기 제1 해상도보다 높은 제2 해상도로 촬영된 불량 예상 영역에 대하여 규칙기반 검사방법을 적용하여 2차 불량 검사를 수행하는 제2 단계 및, 기판검사장치가 상기 2차 불량 검사 결과에서 해당 불량 예상 영역이 "불량"으로 판단되면, 2차 불량 검사에서 사용된 불량 예상 영역 영상에 대하여 학습기반 검사방법을 적용하여 3차 불량 검사를 수행하는 제3 단계를 포함하여 구성되는 것을 특징으로 한다.

Description

기판 검사 방법 {METHOD FOR INSPECTION OF BOARD}
본 발명은 촬영 영상을 이용하여 검사 대상 기판의 불량 여부를 검사하는 방법에 관한 것으로서, 보다 상세하게는 검사 대상 기판에 불량으로 예상되는 영역이 존재하는 것으로 판단되면, 자동으로 불량 예상 영역에 대해 보다 정밀한 검사가 자동으로 이루어지도록 하는 기술에 관한 것이다.
인쇄회로기판(PCB, Printed Circuit Board)은 각종 전자부품을 표면에 실장하여 최종 회로를 구성하는 기판으로 반도체, 멀티미디어 기기, 통신기기, 각종 전자제품, 자동차 등 관련 산업에서 광범위하게 사용되고 있다.
이러한 인쇄회로기판의 일반적인 제조 과정을 간략히 언급하자면, 안팎으로 동을 붙인 적층판을 재료로 하여 배선 패턴 필름을 사용하여 표면을 감광성 수지막에 노광하고, 이 감광성 수지의 특성을 사용하여 동을 원하는 패턴으로 에칭하여 배선 패턴(도금 패턴)을 형성한다. 이후 프레스기를 이용하여 패턴측과 절연층을 적층하고, 패턴층간의 전기적 접속을 위해 구멍을 형성한 후, 상기 구멍을 통하여 적층된 여러 층 사이를 전기적으로 연결시킨다. 이후 공기에 접해 동이 산화하는 것을 막거나 외적인 충격으로 동이 볏겨지는 것을 막거나 금속으로 인한 쇼트방지를 위해 포토 솔더 레지스트(PSR부, Photo-imageable Solder Resist)를 사용하여 배선 부분 등을 커버한다.
이후 인쇄회로기판을 검사하는 단계를 수행하게 된다.
한편, 반도체 기술 발달에 따라 반도체 배선 폭이 나노(Nano) 단위까지 감소되고 있어 반도체를 안착시키는 인쇄회로기판의 배선 폭은 더욱 감소하게 되었으며, 반도체의 다양한 기능 확대로 인하여 반도체 핀의 수는 증가하게 되면서 이러한 반도체 PCB에 대하여 정상/불량을 명확하게 검사하는 것이 반도체가 포함된 전체 시스템의 신뢰성 향상을 위하여 매우 중요하게 되었다.
통상적으로 인쇄회로기판은 제조가 완료되면 CO2 등을 이용한 클리닝 공정을 거친 후 프린팅된 회로패턴에 대한 검사가 수행되고, 검사가 완료된 기판은 불량 여부에 따라 양품과 불량품으로 분류된 후에 양품에 대한 레이저 마킹 공정을 수행하게 된다.
이러한 PCB 검사는 비전 검사를 통해 이루어지는데 PCB를 라인 스캔 카메라로 검사한 후 불량으로 예상되는 PCB를 검사자가 육안으로 재검사하는 방법이 이용되고 있다.
그러나, 검사자가 육안으로 인쇄회로기판 상의 회로도를 검사하는 경우 작업자의 숙련도에 따라 검사의 신뢰도에 차이가 생기고, 인쇄회로기판 상에 보이지 않는 회로는 검사할 수 없으며, 검사 시간도 많이 소모되고, 검사 대상 기판이 커짐에 따라 검사의 정확도가 더욱 떨어지게 되는 문제점이 있다.
이를 해결하기 위해 정밀 비전 검사를 이용하여 모든 인쇄회로기판을 검사하는 방법이 있을 수 있으나, 이는 많은 검사 시간이 요구되는 단점이 있다.
1. 한국등록특허 제1777547호 "반도체 pcb 검사장비 및 검사방법" 2. 한국등록특허 제1796550호 "인쇄회로기판의 자동검사장치" 3. 한국등록특허 제1751394호 "인쇄회로기판 검사 장치 및 방법"
이에, 본 발명은 상기한 사정을 감안하여 창출된 것으로, 저해상도의 촬영 영상을 통해 검사 대상 기판에서 불량 예상 영역을 검출하는 1차 불량 검사를 수행하고, 1차 불량 검사 결과 불량 예상 영역이 검출된 경우에 한하여 고해상도의 촬영 영상과 학습모델을 통한 해당 불량 예상 영역에 대한 정밀 검사를 재수행하여 검사 대상 기판의 불량 여부를 결정함으로써, 보다 신속하고 신뢰성 있게 검사 대상 기판의 불량 검사를 수행할 수 있도록 해 주는 기판 검사 방법을 제공함에 그 기술적 목적이 있다.
상기 목적을 달성하기 위한 본 발명의 일측면에 따르면, 검사 대상 기판을 촬영한 기판 영상을 이용하여 검사 대상 기판에 대한 불량 여부를 검사하는 기판 검사 장치에 있어서, 기판검사장치가 제1 해상도로 촬영된 기판 영상에 대하여 규칙기반 검사 방법을 적용하여 불량 예상 영역을 검출하는 1차 불량 검사를 수행하는 제1 단계와, 기판검사장치가 상기 1차 불량 검사 결과에서 불량 예상 영역이 검출되면, 제2 해상도로 촬영된 불량 예상 영역에 대하여 규칙기반 검사방법을 적용하여 2차 불량 검사를 수행하는 제2 단계 및, 기판검사장치가 상기 2차 불량 검사 결과에서 해당 불량 예상 영역이 "불량"으로 판단되면, 2차 불량 검사에서 사용된 불량 예상 영역 영상에 대하여 학습기반 검사방법을 적용하여 3차 불량 검사를 수행하는 제3 단계를 포함하여 구성되는 것을 특징으로 하는 기판 검사 방법이 제공된다.
또한, 상기 목적을 달성하기 위한 본 발명의 또 다른 일측면에 따르면, 검사 대상 기판을 촬영한 기판 영상을 이용하여 검사 대상 기판에 대한 불량 여부를 검사하는 기판 검사 장치에 있어서, 기판검사장치가 제1 해상도로 촬영된 기판 영상에 대하여 규칙기반 검사 방법을 적용하여 불량 예상 영역을 검출하는 1차 불량 검사를 수행하는 제1 단계와, 기판검사장치가 상기 1차 불량 검사 결과에서 불량 예상 영역이 검출되면, 해당 불량 예상 영역 영상에 대하여 학습기반 검사방법을 적용하여 2차 불량 검사를 수행하는 제2 단계 및, 기판검사장치가 상기 2차 불량 검사 결과에서 해당 불량 예상 영역이 "불량"으로 판단되면, 제2 해상도로 촬영된 불량 예상 영역에 대하여 규칙기반 검사방법을 적용하여 3차 불량 검사를 수행하는 제3 단계를 포함하여 구성되는 것을 특징으로 하는 기판 검사 방법이 제공된다.
여기서, 상기 기판검사장치는 상기 3차 불량 검사 결과에서 해당 불량 예상 영역이 "불량"으로 판단되면, 3차 불량 검사에서 사용된 제2 해상도의 불량 예상 영역 영상에 대하여 학습기반 검사방법을 적용하여 4차 불량 검사를 수행하는 제4 단계를 추가로 수행하는 것을 특징으로 하는 기판 검사 방법이 제공된다.
본 발명에 의하면, 저해상도의 촬영 영상을 통해 검사 대상 기판에서 불량 예상 영역이 검출되는 경우에 한하여 고해상도의 촬영 영상과 학습모델을 통한 해당 불량 예상 영역의 정밀 검사를 자동으로 재수행함으로써, 보다 신속하고 신뢰성 있게 검사 대상 기판의 불량 검사를 수행할 수 있다.
도1은 본 발명이 적용되는 기판 검사 장치의 구성을 개략적으로 도시한 도면.
도2는 본 발명의 제1 실시예에 따른 기판 검사 방법을 설명하기 위한 흐름도.
도3은 본 발명의 제2 실시예에 따른 기판 검사 방법을 설명하기 위한 흐름도.
이하에서는 첨부된 도면을 참조하여 본 발명을 보다 상세하게 설명한다. 도면들 중 동일한 구성요소들은 가능한 한 어느 곳에서든지 동일한 부호로 나타내고 있음을 유의해야 한다. 한편, 이에 앞서 본 명세서 및 특허청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
도1은 본 발명이 적용되는 기판 검사 장치의 개략적인 구성을 도시한 도면이다.
도1을 참조하면, 본 발명이 적용되는 기판 검사 장치는 제1 카메라(100)와, 제2 카메라(200), 검사 학습모델 저장부(300), 판정 기준정보 저장부(400), 데이터 저장부(500) 및, 검사 제어부(600)를 포함한다.
제1 카메라(100)는 검사 대상 기판을 제1 해상도로 촬영하여 제1 기판 영상을 획득한다. 이때, 제1 기판 영상은 검사 대상 기판 전체 영역에 대한 저해상도 또는 고해상도의 촬영 영상이 될 수 있다. 또한, 제1 기판 영상은 검사 대상 기판 전체 영역에 대한 제1 해상도의 흑백 영상이 될 수 있다.
제2 카메라(200)는 검사 대상 기판을 제1 해상도보다 높은 제2 해상도로 촬영하여 제2 기판 영상을 획득한다. 이때, 제2 카메라(200)는 검사 제어부(600)의 제어에 따라 불량 예상 영역을 포함하는 일정 크기의 단위 영역을 고해상도로 촬영한다. 또한, 제2 기판 영상은 제2 해상도의 컬러 영상이 될 수 있다.
검사 학습모델 저장부(300)는 검사 대상 기판의 촬영 이미지에 대하여 불량 판단 결과를 학습 데이터로 이용하여 해당 검사 대상 기판의 정상 또는 불량을 판정할 수 있도록 하는 검사 학습모델을 저장한다. 즉, 다수의 촬영 이미지를 판정 결과 정보와 함께 검사 학습모델로 입력하면 학습 과정을 통해 검사 학습모델이 수립되고, 수립된 검사 학습모델에 검사 대상 기판의 촬영 이미지를 입력하면 학습 결과를 이용하여 검사 대상 기판의 불량 여부를 판정하게 된다. 이때, 학습데이터는 검사 항목을 추가로 포함할 수 있으며, "불량"의 판정 결과를 갖는 촬영 이미지에 대해서는 불량 종류가 학습데이터로 추가될 수 있다. 검사 학습모델은 입력되는 촬영 이미지에 대하여 검사 항목과 불량종류 및, 판정결과(불량 여부)로 이루어지는 예컨대, "솔더 레지스터 외관(검사항목), 들뜸(불량종류) 불량(판정결과)"의 형태로 판단 결과를 출력할 수 있다.
판정 기준정보 저장부(400)는 검사 대상 기판의 불량 여부를 판단하기 위한 판정 기준정보를 저장한다. 여기서, 판정 기준정보는 해당 검사 대상 기판의 CAD 데이터 또는 양품 이미지 데이터와 판정 규칙 정보를 포함할 수 있으며, 기준 이미지로는 CAD 데이터가 일반적으로 사용되는데, 인쇄 회로 기판 설계 파일인 거버 파일이 사용될 수 있다. 규칙 기반 검사는 검사대상 기판의 거버파일을 읽어 들인 후 그 위치를 자동으로 체크하면서 검사대상 기판의 해당 치수를 비교 측정하여 치수 오차가 기준값 또는 기준비율을 초과하는 경우 불량이 발생한 것으로 판별하는 방식을 의미한다. 검사 항목으로는 회로 패턴의 미세 선폭간 간격, 회로 패턴에 대한 합선, 단락, 돌출, 변색 이물부착, 솔더 레지스터의 외관 등이 있을 수 있다.
데이터 저장부(500)는 검사 제어부(600)에서 처리되는 각종 정보 및 검사 프로그램을 구동하기 위한 각종 정보를 저장하는 영역이다.
검사 제어부(600)는 제1 카메라(100)를 통해 획득한 제1 해상도의 제1 기판 영상을 근거로 해당 검사 대상 기판에 불량 예상 영역을 검출하고, 제2 카메라(200)를 통해 획득한 불량 예상 영역에 대한 제2 해상도의 제2 기판 영상을 근거로 불량 여부를 판단하며, 불량으로 판단된 제2 기판 영상을 검사 학습모델에 적용하여 해당 검사 대상 기판에 대한 불량 여부를 최종 결정할 수 있다.
그리고, 검사 제어부(600)는 검사 학습모델을 통한 검사 결과, 해당 검사 대상물이 "정상"으로 결정된 경우에는 제2 해상도의 제2 기판 영상을 검사 학습모델의 양품 이미지로 추가 등록하고, 해당 검사 대상물이 "불량"으로 결정된 경우에는 제2 기판 영상을 검사 학습모델의 불량 이미지로 추가 등록하여 검사 학습모델을 업데이트한다.
이때, 검사 제어부(600)는 검사 학습모델을 통해 "불량"으로 판정된 기판 영상을 분석하여 그 불량 종류를 판단하고, 학습 데이터로 등록된 해당 불량 이미지에 대해 불량 종류정보를 추가하여 업데이트 할 수 있다.
이어, 상기한 구성으로 된 기판 검사 장치의 동작을 도2에 도시된 흐름도를 참조하여 설명한다.
먼저, 검사 제어부(600)는 검사 대상 기판의 촬영 이미지에 대한 불량 판단 결과를 학습 데이터로 이용하는 검사 학습모델과, 검사 대상 기판의 불량 여부를 판단하기 위한 판정 기준정보를 미리 등록한다(ST110).
상기 ST110단계에서, 검사 학습모델은 검사 대상 기판의 촬영 이미지별 검사 항목과 불량 판단 결과를 학습 데이터로 이용하여 해당 검사 항목에 대한 검사 대상 기판의 정상 또는 불량을 판정하도록 구성될 수 있다. 또한, 검사 학습모델은 불량 촬영 이미지에 대하여 불량 종류를 추가로 학습데이터로 등록하여, 검사 대상 기판의 촬영 이미지에 대한 불량 판정 결과로서 불량 종류정보를 추가하여 출력하도록 구성될 수 있다.
또한, 상기 판정 기준정보는 검사 대상 기판의 CAD 데이터 또는 고해상도로 촬영된 양품 이미지 데이터를 포함하는 기준 이미지와 판정 규칙 정보를 포함한다. 그리고, 기준 양품 이미지는 검사 대상 기판의 전체 이미지 하나이거나, 검사 대상 기판을 일정 크기 단위의 셀 구조로 분할한 다수의 분할 이미지로 이루어지거나 또는 이 둘을 모두 포함할 수 있다.
상술한 바와 같이 검사 학습모델과 판정 기준정보가 미리 등록된 상태에서 검사 대상 기판이 검사 대상 위치에 배치되면, 검사 제어부(600)는 제1 카메라(100)를 통해 검사 대상 기판의 전체를 제1 해상도로 촬영하여 제1 기판 영상을 획득한다.
그리고, 검사 제어부(600)는 제1 기판 영상과 기 등록된 기준 이미지를 규칙기반 검사방법으로 비교하여 불량 예상 영역을 검출하는 1차 불량 검사를 수행한다(ST120). 이때, 검사 제어부(600)는 검사 대상 기판을 촬영한 기판 영상과 기 등록된 검사 대상 기판의 CAD 데이터를 위치별로 비교하여 그 치수를 비교 측정하고 치수 오차가 기준값 또는 기준 비율을 초과하는 경우 해당 위치를 불량 예상 영역으로 검출할 수 있다.
상기 ST120 단계에서 1차 불량 검사 결과 해당 제1 기판 영상에서 불량 예상 영역이 검출되면(ST130), 검사 제어부(600)는 제1 기판 영상의 규칙 기반 검사 과정에서 획득한 불량 예상 영역의 위치 정보를 근거로 제2 카메라(200)를 통해 해당 불량 예상 영역 위치가 촬영되도록 제2 카메라(200)의 촬영 위치를 포함한 카메라 파라미터를 조절한다.
이어, 검사 제어부(600)는 제2 카메라(200)를 통해 불량 예상 영역을 제1 해상도보다 높은 제2 해상도로 촬영하도록 제어하고, 제2 카메라(200)를 통해 촬영된 불량 예상 영역에 해당하는 제2 기판 영상과 기 등록된 기준 이미지를 규칙기반 검사 방법으로 비교하는 2차 불량 검사를 수행한다(ST140). 이때, 검사 제어부(600)는 검사 대상 기판의 불량 예상 영역과 기 등록된 해당 위치의 기준 양품 이미지를 위치별로 비교하여 그 치수를 비교 측정하고 치수 오차가 기준값 또는 기준 비율을 초과하는 경우 해당 불량 예상 영역을 불량으로 판정할 수 있다.
상기 ST140 단계에서 2차 불량 검사 결과, 해당 불량 예상 영역이 불량으로 판단되면(ST150), 검사 제어부(600)는 제2 기판 영상을 검사 학습모델에 입력하여 3차 불량 검사를 수행한다(ST160). 이때, 검사 제어부(600)는 상기 ST140 단계에서 규칙기반 검사수행시 불량 판정된 검사 항목을 검사 학습모델에 추가 입력할 수 있으며, 검사 학습모델은 검사 항목에 대응되는 영상 이미지와 불량 결과에 기반하여 3차 불량 검사를 수행할 수 있다.
상기 ST160 단계에서 3차 불량 검사 결과, 해당 불량 예상 영역이 불량으로 출력되면(ST170), 검사 제어부(600)는 2차 불량 검사에서 진행된 제2 기판 영상의 검사 결과가 진성 불량인 것으로 판단하고, 해당 제2 기판 영상을 불량으로 판단하는 학습데이터를 검사 학습모델에 추가 적용하여 검사 학습모델을 업데이트한다(ST180). 이때, 검사 제어부(600)는 해당 불량 예상 영역에 대한 검사 항목을 학습데이터로서 추가 적용하여 검사 학습모델을 업데이트할 수 있다.
그리고, 검사 제어부(600)는 상기 ST170 단계에서 적어도 하나의 불량 예상 영역이 불량으로 판단된 경우 해당 검사 대상 기판을 불량으로 결정하고, 해당 검사 대상 기판에 대한 검사를 종료한다(ST190).
한편, 상기 ST160 단계에서 3차 불량 검사 결과, 해당 불량 예상 영역이 정상으로 출력되면(ST170), 검사 제어부(600)는 2차 불량 검사에서 진행된 제2 기판 영상의 검사 결과가 가성 불량인 것으로 판단하고, 해당 제2 기판 영상을 정상으로 판단하는 학습데이터를 검사 학습모델에 추가 적용하여 검사 학습모델을 업데이트한다(ST200). 이때, 검사 제어부(600)는 해당 불량 예상 영역에 대한 검사 항목을 학습데이터로서 추가 적용하여 검사 학습모델을 업데이트할 수 있다.
그리고, 검사 제어부(600)는 상기 ST170 단계에서 검사 대상 기판에서 검출된 불량 예상 영역이 모두 정상으로 판단되면, 해당 검사 대상 기판을 정상으로 결정하고, 해당 검사 대상 기판에 대한 검사를 종료한다(ST210).
또한, 상기 ST120 단계의 1차 불량 검사 결과 제1 기판 영상에서 불량 예상 영역이 존재하지 않거나, 상기 ST150 단계의 2차 불량 검사 결과 검사 대상 기판에서 검출된 모든 불량 예상 영역이 정상으로 판단되면, 검사 제어부(600)는 해당 검사 대상 기판을 정상으로 최종 결정하고, 해당 검사 대상 기판에 대한 검사를 종료한다.
한편, 상기 실시예에 있어서는 불량 예상 영역에 대한 고해상도 이미지 검사결과 불량 예상 영역이 불량으로 판단되면, 최종적으로 검사 학습모델을 이용한 검사결과를 통해 검사 대상 기판에 대한 정상/불량 여부를 결정하도록 실시하였으나, 고해상도 이미지 검사를 위해서는 제2 카메라를 해당 위치로 이동시킨 후 고해상도로 해당 불량 예상 영역을 촬영하여 제2 기판 영상을 획득하는 바, 제2 기판 영상 획득에 일정 이상의 시간이 소요되고, 결과적으로 많은 검사 시간이 요구될 수 있다.
이에, 본 발명에서는 1차 불량 검사시 제1 기판 영상에서 불량 예상 영역이 검출되면, 먼저 검사 학습모델을 이용한 2차 불량 검사를 수행하고, 2차 불량 검사 결과 해당 불량 예상 영역이 불량인 경우에 한하여 해당 불량 예상 영역을 제2 카메라를 통해 고해상도로 촬영하여 3차 불량 검사를 수행하도록 실시할 수 있다.
도3은 본 발명의 제2 실시예에 따른 기판 검사 방법을 설명하기 위한 흐름도이다.
도3을 참조하면, 검사 제어부(600)는 검사 대상 기판의 촬영 이미지에 대한 불량 판단 결과를 학습 데이터로 이용하는 검사 학습모델과, 검사 대상 기판의 불량 여부를 판단하기 위한 판정 기준정보를 미리 등록한다(ST110). 이때, 상기 학습모델은 검사 대상 기판의 촬영 이미지별 검사 항목과 불량 판단 결과를 학습 데이터로 이용하여 해당 검사 항목에 대한 검사 대상 기판의 정상 또는 불량을 판정하도록 구성될 수 있다. 그리고, 상기 판정 기준정보는 검사 대상 기판의 CAD 데이터 또는 고해상도로 촬영된 양품 이미지 데이터를 포함하는 기준 이미지와 판정 규칙 정보를 포함한다.
상기한 상태에서, 검사 제어부(600)는 제1 카메라(100)를 통해 검사 대상 기판의 전체를 제1 해상도로 촬영하여 제1 기판 영상을 획득하고, 제1 기판 영상과 기 등록된 기준 이미지를 비교하는 규칙기반 검사방법으로 불량 예상 영역을 검출하는 1차 불량 검사를 수행한다(ST320). 이때, 검사 제어부(600)는 검사 대상 기판을 촬영한 기판 영상과 기 등록된 검사 대상 기판의 CAD 데이터를 위치별로 비교하여 불량 예상 영역을 검출할 수 있다.
상기 ST320 단계에서 1차 불량 검사 결과 해당 검사 대상 기판상에서 불량 예상 영역이 검출되면(ST330), 검사 제어부(600)는 제1 기판 영상에서 불량 예상 영역을 추출하여 불량 예상 영역 이미지를 생성하고, 불량 예상 영역 이미지를 검사 학습모델에 적용하여 2차 불량 검사를 수행한다(ST340). 이때, 검사 제어부(600)는 검사 항목을 검사 학습모델에 추가 입력하고, 검사 학습모델은 검사 항목에 대응되는 불량 예상 영역 이미지와 "불량"의 판정 결과에 기반하여 2차 불량 검사를 수행할 수 있다.
상기 ST350 단계에서 2차 불량 검사 결과, 불량 예상 영역이 불량으로 판단되면(ST350), 검사 제어부(600)는 제1 기판 영상의 규칙 기반 검사 과정에서 획득한 불량 예상 영역의 위치 정보를 근거로 제2 카메라(200)를 통해 해당 불량 예상 영역 위치가 촬영되도록 제2 카메라(200)를 조절한다.
그리고, 검사 제어부(600)는 제2 카메라(200)를 통해 불량 예상 영역을 고해상의 제2 해상도로 촬영하도록 제어하고, 제2 카메라(200)를 통해 촬영된 제2 기판 영상과 기 등록된 기준 양품 이미지를 규칙기반 검사 방법으로 비교하여 3차 불량 검사를 수행한다(ST360).
상기 ST360 단계에서 3차 불량 검사 결과, 해당 불량 예상 영역이 불량인 것으로 판단되면(ST370), 검사 제어부(600)는 해당 불량 예상 영역 이미지를 "불량"으로 판단하는 학습데이터를 검사 학습모델에 추가 적용하여 검사 학습모델을 업데이트함과 더불어(ST380), 해당 검사 대상 기판을 "불량"으로 최종 결정한다(ST390). 이때, 검사 제어부(600)는 해당 불량 예상 영역에 대한 검사 항목을 학습데이터로서 추가 적용하여 검사 학습모델을 업데이트할 수 있다. 또한, 검사 제어부(600)는 "불량"으로 판정된 불량 예상 영역 이미지를 분석하고, 그 불량 종류를 해당 학습데이터에 추가할 수 있다.
한편, 상기 ST360 단계에서 3차 불량 검사 결과, 해당 불량 예상 영역이 정상으로 판단되면(ST370), 검사 제어부(600)는 해당 불량 예상 영역 이미지를 정상으로 판단하는 학습데이터를 검사 학습모델에 추가 적용하여 검사 학습모델을 업데이트함과 더불어(ST400), 해당 검사 대상 기판을 정상으로 최종 결정하고 해당 검사 대상 기판에 대한 검사를 종료한다(ST410). 이때, 검사 제어부(600)는 해당 불량 예상 영역에 대한 검사 항목을 학습데이터로서 추가 적용하여 검사 학습모델을 업데이트할 수 있다.
그리고, 상기 ST320 단계의 1차 불량 검사 결과 제1 기판 영상에서 불량 예상 영역이 존재하지 않거나, 상기 ST550 단계의 2차 불량 검사 결과 해당 불량 예상 영역 이미지가 "정상"으로 판단되면, 검사 제어부(600)는 해당 검사 대상 기판을 "정상"으로 최종 결정하고 해당 검사 대상 기판에 대한 검사를 종료한다.
한편, 본 발명에 있어서 상기 기판 검사부(600)는 상기 ST360 단계의 3차 불량 검사 결과에서 해당 불량 예상 영역이 "불량"으로 판단되면, 3차 불량 검사에서 사용된 제2 해상도의 불량 예상 영역 영상에 대하여 학습기반 검사방법을 적용하여 4차 불량 검사를 수행하는 제4 단계를 추가로 수행할 수 있다.
이때, 4차 불량 검사를 수행하는 제2 검사 학습모델은 3차 불량 검사에서 촬영된 제2 해상도의 불량 예상 영역 영상별 불량 판단 결과를 학습 데이터로 이용하여 검사 대상 기판의 정상 또는 불량을 판단한다.
그리고, 기판 검사부(600)는 4차 불량 검사 결과에서 해당 불량 예상 영역이 "정상"이면 상기 ST550 단계의 2차 불량 검사에서 사용된 불량 예상 영역 영상이 가성 불량인 것으로 판단하고, 상기 3차 불량 검사 결과에서 해당 불량 예상 영역이 "불량"이면 상기 ST550 단계의 2차 불량 검사에서 사용된 불량 예상 영역 영상이 진성 불량인 것으로 판단하는 학습 데이터를 4차 불량 검사에서 사용된 제2 검사 학습모델에 추가 적용하여 해당 검사 학습모델을 업데이트한다. 또한, 기판 검사부(600)는 2차 불량 검사를 수행한 검사 학습모델의 해당 불량 예상 영역 영상에 대한 판정결과를 "정상"으로 변경한다.
100, 200 : 카메라, 300 : 검사 학습모델 저장부,
400 : 판정 기준정보 저장부, 500 : 데이터 저장부,
600 : 검사 제어부.

Claims (13)

  1. 검사 대상 기판을 촬영한 기판 영상을 이용하여 검사 대상 기판에 대한 불량 여부를 검사하는 기판 검사 장치에 있어서,
    기판검사장치가 제1 해상도로 촬영된 기판 영상에 대하여 규칙기반 검사 방법을 적용하여 불량 예상 영역을 검출하는 1차 불량 검사를 수행하는 제1 단계와,
    기판검사장치가 상기 1차 불량 검사 결과에서 불량 예상 영역이 검출되면, 제2 해상도로 촬영된 불량 예상 영역에 대하여 규칙기반 검사방법을 적용하여 2차 불량 검사를 수행하는 제2 단계 및,
    기판검사장치가 상기 2차 불량 검사 결과에서 해당 불량 예상 영역이 "불량"으로 판단되면, 2차 불량 검사에서 사용된 불량 예상 영역 영상에 대하여 학습기반 검사방법을 적용하여 3차 불량 검사를 수행하는 제3 단계를 포함하여 구성되는 것을 특징으로 하는 기판 검사 방법.
  2. 제1항에 있어서,
    기판검사장치는 상기 3차 불량 검사 결과에서 해당 불량 예상 영역이 "정상"이면 상기 2차 불량 검사에서 사용된 불량 예상 영역 영상이 가성 불량인 것으로 판단하고, 상기 3차 불량 검사 결과에서 해당 불량 예상 영역이 "불량"이면 상기 2차 불량 검사에서 사용된 불량 예상 영역 영상이 진성 불량인 것으로 판단하는 학습 데이터를 3차 불량 검사에서 사용된 학습모델에 추가 적용하여 학습모델을 업데이트하는 것을 특징으로 하는 기판 검사 방법.
  3. 제1항에 있어서,
    상기 기판검사장치는 제1 단계에서 제1 해상도의 흑백 영상을 이용하여 규칙기반의 1차 불량 검사를 수행하고,
    제2 단계에서 제2 해상도의 컬러 영상을 이용하여 규칙기반의 제2 불량 검사를 수행하는 것을 특징으로 하는 기판 검사 방법.
  4. 검사 대상 기판을 촬영한 기판 영상을 이용하여 검사 대상 기판에 대한 불량 여부를 검사하는 기판 검사 장치에 있어서,
    기판검사장치가 제1 해상도로 촬영된 기판 영상에 대하여 규칙기반 검사 방법을 적용하여 불량 예상 영역을 검출하는 1차 불량 검사를 수행하는 제1 단계와,
    기판검사장치가 상기 1차 불량 검사 결과에서 불량 예상 영역이 검출되면, 해당 불량 예상 영역 영상에 대하여 학습기반 검사방법을 적용하여 2차 불량 검사를 수행하는 제2 단계 및,
    기판검사장치가 상기 2차 불량 검사 결과에서 해당 불량 예상 영역이 "불량"으로 판단되면, 제2 해상도로 촬영된 불량 예상 영역에 대하여 규칙기반 검사방법을 적용하여 3차 불량 검사를 수행하는 제3 단계를 포함하여 구성되는 것을 특징으로 하는 기판 검사 방법.
  5. 제3항에 있어서,
    상기 제2 단계에서 기판검사장치는 1차 불량 검사를 수행한 제1 해상도의 기판 영상에서 해당 불량 예상 영역 영상을 추출하여 2차 불량 검사를 수행하는 것을 특징으로 하는 기판 검사 방법.
  6. 제4항에 있어서,
    상기 기판검사장치는 상기 3차 불량 검사 결과에서 해당 불량 예상 영역이 "정상"이면 상기 2차 불량 검사에서 사용된 불량 예상 영역 영상이 가성 불량인 것으로 판단하고, 상기 3차 불량 검사 결과에서 해당 불량 예상 영역이 "불량"이면 상기 2차 불량 검사에서 사용된 불량 예상 영역 영상이 진성 불량인 것으로 판단하는 학습 데이터를 2차 불량 검사에서 사용된 학습모델에 추가 적용하여 학습모델을 업데이트하는 것을 특징으로 하는 기판 검사 방법.
  7. 제4항에 있어서,
    상기 기판검사장치는 상기 3차 불량 검사 결과에서 해당 불량 예상 영역이 "불량"으로 판단되면, 3차 불량 검사에서 사용된 제2 해상도의 불량 예상 영역 영상에 대하여 학습기반 검사방법을 적용하여 4차 불량 검사를 수행하는 제4 단계를 추가로 수행하는 것을 특징으로 하는 기판 검사 방법.
  8. 제7항에 있어서,
    상기 기판검사장치는 상기 제4 단계의 4차 불량 검사 결과에서 해당 불량 예상 영역이 "정상"이면 상기 2차 불량 검사에서 사용된 불량 예상 영역 영상이 가성 불량인 것으로 판단하고, 상기 3차 불량 검사 결과에서 해당 불량 예상 영역이 "불량"이면 상기 2차 불량 검사에서 사용된 불량 예상 영역 영상이 진성 불량인 것으로 판단하는 학습 데이터를 4차 불량 검사에서 사용된 검사 학습모델에 추가 적용하여 해당 검사 학습모델을 업데이트함과 더불어, 2차 불량 검사를 수행한 검사 학습모델의 해당 불량 예상 영역 영상에 대한 판정 결과를 "정상"으로 변경하도록 구성되는 것을 특징으로 하는 기판 검사 방법.
  9. 제1항 또는 제7항에 있어서,
    상기 제3 단계 또는 제4 단계의 검사 학습모델은 "불량"의 판정 결과를 갖는 불량 예상 영역 영상에 대해 불량 종류를 추가로 포함하는 학습 데이터를 이용하여 검사 대상 기판의 "정상" 또는 "불량"을 판정하고, "불량" 판정시 불량 종류를 포함하는 판정 결과정보를 출력하도록 구성되는 것을 특징으로 하는 기판 검사 방법.
  10. 제4항 또는 제7항에 있어서,
    상기 기판검사장치는 제1 단계에서 제1 해상도의 흑백 영상을 이용하여 규칙기반의 1차 불량 검사를 수행하고,
    제3 단계에서 제2 해상도의 컬러 영상을 이용하여 규칙기반의 제3 불량 검사를 수행하는 것을 특징으로 하는 기판 검사 방법.
  11. 제1항 또는 제4항 또는 제7항 중 어느 한 항에 있어서,
    상기 규칙기반 검사 방법은 검사 대상 기판을 촬영한 기판 영상과 기 등록된 검사 대상 기판의 기준 이미지를 위치별로 비교 측정하여 치수 오차가 기준 값 또는 기준 비율을 초과하는 경우 불량이 발생한 것으로 판단하는 것을 특징으로 하는 기판 검사 방법.
  12. 제1항 또는 제4항 또는 제7항 중 어느 한 항에 있어서,
    상기 학습모델은 검사 대상 기판의 촬영 이미지별 검사 항목과 판정 결과정보를 학습 데이터로 이용하여 해당 검사 항목에 대한 검사 대상 기판의 "정상" 또는 "불량"을 판정하도록 구성되는 것을 특징으로 하는 기판 검사 방법.
  13. 제1항 또는 제4항 또는 제6항 중 어느 한 항에 있어서,
    상기 제2 해상도는 제1 해상도보다 높은 해상도를 갖는 것을 특징으로 하는 기판 검사 방법.
KR1020210054762A 2021-04-28 2021-04-28 기판 검사 방법 KR102668045B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210054762A KR102668045B1 (ko) 2021-04-28 2021-04-28 기판 검사 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210054762A KR102668045B1 (ko) 2021-04-28 2021-04-28 기판 검사 방법

Publications (2)

Publication Number Publication Date
KR20220147807A true KR20220147807A (ko) 2022-11-04
KR102668045B1 KR102668045B1 (ko) 2024-05-22

Family

ID=84101444

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210054762A KR102668045B1 (ko) 2021-04-28 2021-04-28 기판 검사 방법

Country Status (1)

Country Link
KR (1) KR102668045B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024136568A1 (ko) * 2022-12-23 2024-06-27 엘지이노텍 주식회사 객체의 외관 검사 장치 및 객체의 외관 검사 방법

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070069550A (ko) * 2005-12-28 2007-07-03 스템코 주식회사 연성인쇄회로기판의 외관 검사 장치 및 방법
JP2016170036A (ja) * 2015-03-12 2016-09-23 日東電工株式会社 配線回路基板の製造方法および検査方法
KR101751394B1 (ko) 2011-06-02 2017-07-11 해성디에스 주식회사 인쇄회로기판 검사 장치 및 방법
KR101777547B1 (ko) 2017-06-02 2017-09-11 손명훈 반도체 pcb 검사장비 및 검사방법
KR101796550B1 (ko) 2017-06-21 2017-11-10 김낙우 인쇄회로기판의 자동검사장치
JP2021018104A (ja) * 2019-07-18 2021-02-15 Ｊｅインターナショナル株式会社 自動判別処理装置、自動判別処理方法、検査システム、プログラム、および記録媒体
JP2021047104A (ja) * 2019-09-19 2021-03-25 株式会社Ｓｃｒｅｅｎホールディングス 学習装置、検査装置、学習方法および検査方法
JP2021060291A (ja) * 2019-10-07 2021-04-15 株式会社神戸製鋼所 基板表面欠陥検査方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070069550A (ko) * 2005-12-28 2007-07-03 스템코 주식회사 연성인쇄회로기판의 외관 검사 장치 및 방법
KR101751394B1 (ko) 2011-06-02 2017-07-11 해성디에스 주식회사 인쇄회로기판 검사 장치 및 방법
JP2016170036A (ja) * 2015-03-12 2016-09-23 日東電工株式会社 配線回路基板の製造方法および検査方法
KR101777547B1 (ko) 2017-06-02 2017-09-11 손명훈 반도체 pcb 검사장비 및 검사방법
KR101796550B1 (ko) 2017-06-21 2017-11-10 김낙우 인쇄회로기판의 자동검사장치
JP2021018104A (ja) * 2019-07-18 2021-02-15 Ｊｅインターナショナル株式会社 自動判別処理装置、自動判別処理方法、検査システム、プログラム、および記録媒体
JP2021047104A (ja) * 2019-09-19 2021-03-25 株式会社Ｓｃｒｅｅｎホールディングス 学習装置、検査装置、学習方法および検査方法
JP2021060291A (ja) * 2019-10-07 2021-04-15 株式会社神戸製鋼所 基板表面欠陥検査方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024136568A1 (ko) * 2022-12-23 2024-06-27 엘지이노텍 주식회사 객체의 외관 검사 장치 및 객체의 외관 검사 방법

Also Published As

Publication number Publication date
KR102668045B1 (ko) 2024-05-22

Similar Documents

Publication Publication Date Title
US5134575A (en) Method of producing numerical control data for inspecting assembled printed circuit board
KR102657751B1 (ko) 학습모델을 이용한 기판 검사 방법
US9471972B2 (en) Solder print inspecting device
CN112394071B (zh) 基板缺陷检查装置及方法
US20050190959A1 (en) Drill hole inspection method for printed circuit board fabrication
KR100697902B1 (ko) 전자부품 실장용 프린트 배선판의 검사장치 및 패턴불량의 확인방법
KR102192750B1 (ko) 검사 장치 및 검사 방법
KR102668045B1 (ko) 기판 검사 방법
JP2007327757A (ja) 目視検査装置
KR101026736B1 (ko) 플렉시블 인쇄회로기판의 제조 방법 및 그의 검사 방법
JP4454428B2 (ja) 部品エッジ検出方法、部品エッジ検出プログラム及び検査装置
KR102170352B1 (ko) 인쇄회로기판의 홀 검사 장치 및 방법
JP5191805B2 (ja) 検査装置および検査方法
KR102450824B1 (ko) 3차원 학습모델을 이용한 기판의 휨 검사 방법
KR100819803B1 (ko) 솔더 페이스트 검사 방법
KR20230132083A (ko) 기판 검사 방법
KR19990078833A (ko) 반도체 패키지 마킹 검사공정에서의 오토티칭 장치 및 그 제어방법
WO2023042440A1 (ja) 基板検査装置及び基板検査方法
TWI773035B (zh) 影像辨識系統及方法
KR20230064249A (ko) 학습모델을 이용한 기판 검사 방법
JP2000088524A (ja) 装着部品確認装置
JP2009105400A (ja) フレキシブルプリント回路基板の製造方法及びその検査方法
JPH08261720A (ja) 印刷パターンの位置検査方法
JP2023183761A (ja) 検査装置、検査方法およびプログラム
JP2009121865A (ja) 制御装置、検査装置および制御方法

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)