文献

J-GLOBAL ID：202202289883592355   整理番号：22A1036539

TFT-LCDパネルのための畳込みニューラルネットワーク法に基づく新しいマルチカテゴリー欠陥検出法【JST・京大機械翻訳】

A Novel Multicategory Defect Detection Method Based on the Convolutional Neural Network Method for TFT-LCD Panels

著者 (5件)： Chang Yung-Chia ( Department of Industrial Engineering and Management, National Yang Ming Chiao Tung University, Hsinchu 300, Taiwan) ,  Chang Kuei-Hu ( Department of Management Sciences, R.O.C. Military Academy, Kaohsiung 830, Taiwan) ,  Chang Kuei-Hu ( Institute of Innovation and Circular Economy, Asia University, Taichung 413, Taiwan) ,  Meng Hsien-Mi ( Department of Industrial Engineering and Enterprise Information, Tunghai University, Taichung, 407, Taiwan) ,  Chiu Hung-Chih ( Department of Industrial Engineering and Management, National Yang Ming Chiao Tung University, Hsinchu 300, Taiwan)
資料名： Mathematical Problems in Engineering (Web)  (Mathematical Problems in Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7803A  ISSN： 1024-123X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 薄膜トランジスタ液晶ディスプレイ(TFT-LCD)パネル上の欠陥は,肉眼で検出が容易であるかどうかに依存して,マクロまたはマイクロ欠陥のいずれかに分割できる。マクロ欠陥の同定を論じたが,マイクロオンについては非常に少ない。本研究では,TFT-LCDパネル上の欠陥画素を同定するために,自動光学検査(AOI)で動作する畳込みニューラルネットワークモデルを用いた多重カテゴリ分類モデルを提案した。非欠陥画素の数は欠陥のあるものを除外するので,非常に重大なクラス不均衡問題が存在する。これに対処するために,本研究は,提案モデルの有効性を高めるために,データ増強で働く特別な訓練戦略を設計した。台湾のモバイルメーカーによって提供された実際のパネル画像を用いて,提案した方法の効率と有効性を実証した。検証後,本研究で構築したモデルは,98.9%の全予測精度と優れた特異性と感度を有した。モデルは,人間検査を置き換えるために自動的に検出と分類プロセスを終えることができた。Copyright 2022 Yung-Chia Chang et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検査 ,  *欠陥 ,  薄膜トランジスタ ,  台湾 ,  *故障検出 ,  画像 ,  液晶ディスプレイ ,  多重化 ,  生産者 ,  有効性 ,  パネル ,  携帯電話
準シソーラス用語： *TFT-LCD ,  予測精度 ,  特異性 , 【Automatic Indexing@JST】

分類 (2件)： 表示機器  (NC06030Q) ,  図形・画像処理一般  (JE04010I)

引用文献 (50件)：

• K. Nakashima, "Hybrid inspection system for LCD color filter panels," Proceedings of the 10th Anniversary (IMTC/94), Advanced Technologies in I & M, 1994 IEEE Instrumentation and Measurement Technology Conference, pp. 689-692, IEEE, 1994.
• T.-Y. Li, J.-Z. Tsai, R.-S. Chang, L.-W. Ho, C.-F. Yang, "Pretest gap mura on TFT LCDs using the optical interference pattern sensing method and neural network classification," IEEE Transactions on Industrial Electronics, vol. 60, no. 9, pp. 3976-3982, 2013.
• C. Ngo, Y. J. Park, J. Jung, R. U. Hassan, J. Seok, "A new algorithm on the automatic TFT-LCD mura defects inspection based on an effective background reconstruction," Journal of the Society for Information Display, vol. 25, no. 12, pp. 737-752, 2017.
• H. Yang, S. Mei, K. Song, B. Tao, Z. Yin, "Transfer-learning-based online Mura defect classification," IEEE Transactions on Semiconductor Manufacturing, vol. 31, no. 1, pp. 116-123, 2018.
• H. Yang, K. Song, S. Mei, Z. Yin, "An accurate Mura defect vision inspection method using outlier-prejudging-based image background construction and region-gradient-based level set," IEEE Transactions on Automation Science and Engineering, vol. 15, no. 4, pp. 1704-1721, 2018.

タイトルに関連する用語 (5件)： TFT-LCD ,  畳込みニューラルネットワーク ,  マルチ ,  カテゴリー ,  欠陥検出