조명이 바뀌거나 신규 결함이 들어올 때 무엇을 해야 하는지가 갈립니다. 룰 기반은 알고리즘을 다시 짜야 하고, 딥러닝은 학습시키면 됩니다. 과검이 많아 결국 사람이 재확인하는 라인이라면 교체 효과가 가장 큽니다.
용어 정리
- AOI (Automated Optical Inspection)
- 자동 광학 검사. 카메라로 촬영해 외관을 판정하는 장비 전반
- 룰 기반 (rule-based)
- 임계값·형상 규칙 등 사람이 정의한 판정 조건으로 검사
- 과검 (over-detection)
- 양품을 불량으로 판정. 재확인 인력이 늘어납니다
- 미검 (under-detection)
- 불량을 양품으로 판정. 유출로 이어집니다
- 세그멘테이션 (segmentation)
- 결함 영역을 픽셀 단위로 분할해 위치·면적을 산출
무엇이 실제로 다른가
- 조명·위치 변화
- 룰 기반은 민감 / 딥러닝은 강건
- 신규 결함 유형
- 룰 기반은 알고리즘 업데이트 / 딥러닝은 기본 5장 학습
- 복잡한 텍스처 (BGA·QFN 등)
- 룰 기반은 분류 한계 / 딥러닝은 분류 가능
- 결함 정량화
- 룰 기반은 어려움 / 딥러닝은 면적·위치를 픽셀 단위로 산출
- 검출 분해능
- 룰 기반은 통상 5픽셀 이상 / DSTEK은 2~3픽셀
바꾸지 않아도 되는 경우
- 단일 품종, 고정 조명, 결함 유형이 몇 년째 동일한 라인이라면 룰 기반으로 충분합니다.
- 치수 측정만 필요하고 외관 판정이 없는 공정도 마찬가지입니다.
- 반대로 품종이 자주 바뀌거나, 결함 유형이 계속 늘거나, 과검 재확인에 인력이 묶여 있다면 교체 근거가 분명합니다.
관련 제품 · 솔루션
자료실