(3.235.191.87) 您好!臺灣時間:2021/05/14 21:22
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

: 
twitterline
研究生:王俊雁
研究生(外文):Wang,chun yen
論文名稱:應用學習機器於TFT-LCD製程檢測圖形辨識之探討
論文名稱(外文):The Study of Applying Learning Machine on photo Recognition of TFT-LCD’s Inspection Process
指導教授:趙豊昌
指導教授(外文):Chao, Li chang
口試委員:林東成梁鎰徽
口試委員(外文):Lin, Dong cherngLiang, Yihui
口試日期:2011-07-29
學位類別:碩士
校院名稱:台灣首府大學
系所名稱:工業管理學系研究所
學門:商業及管理學門
學類:其他商業及管理學類
論文種類:學術論文
論文出版年:2011
畢業學年度:99
語文別:中文
論文頁數:59
中文關鍵詞:機器學習薄膜電晶體液晶顯示器缺陷數量缺陷形狀與大小
外文關鍵詞:learning machinehin film transistor- liquid crystal display (TFT-LCD)the numbershape and size of defects
相關次數:
  • 被引用被引用:1
  • 點閱點閱:292
  • 評分評分:
  • 下載下載:52
  • 收藏至我的研究室書目清單書目收藏:1
本研究主要探討學習機器應用在液晶面板科技產業中薄膜電晶體液晶顯示器(TFT-LCD)製程裡的檢測站點,而TFT的檢測製程則是利用光學儀器讀取鏡頭來掃描玻璃基板上的缺陷數量以及形狀大小,接著將光學儀器所讀取到的灰階值轉換成座標系統,再將座標系統傳送給攝影機器使用拍照鏡頭將缺陷形狀及大小經由影像拍攝由人工進行判讀。本研究嘗試使用機器學習此系統來對缺陷照片進行判讀以及分類,以減少傳統人工判讀分類的時間以及減少人員誤判的機率,並且縮短物料等待處理的時間有效的提升效率。
機器學習此套系統目前在實際運用上,經由系統進行分類濾點,可將從原本1片玻璃基板圖片數量,由30張降至20~15張,而判讀時間也相對減少為50%。基於照片張數和判讀時間的縮短,因此在玻璃基板缺陷分類上的人力需求可以不需向以往一樣的人力,現階段可以有效的降低40%的人力需求。

This research is mainly to investigate the learning machine how to be used in inspection operation of thin film transistor- liquid crystal display (TFT-LCD) in the LCD panel technology industry. The TFT’s inspection process is to use the reading lens of optical instruments’ to scan the number, shape and size of defects in the glass substrate, and we use the reading data of optical instrument to transform the gray level into a coordinate system, and then we Input data to camera lens of photography machines to take photographs about the shape and size of defects for manual to judge the defect. This research tries to use the machine to copy the system to identify and sort out the defect photos for reducing the time of traditional manual judge the defect and the ratio of failure, by that we can shorten the time of material waiting for processing and improve efficiency.
Now the learning machine system is applied to classify defect spots into different groups, so that the machine can reduce the amount from 30 pieces of photographs per 1 piece of glass substrate to 15~20 pieces and half the judge time.
Based on the photo reducing and the judge time shortening, we don’t need the same human demand like before in classifying the defect glass substrate, we can effectively reduce 40% in human demand.

摘要 I
ABSTRACT II
目錄 III
圖目錄 V
表目錄 VII
第一章 緒論 1
1.1 研究背景及動機 1
1.2 研究目的 2
第二章 文獻探討 3
2.1 何謂TFT-LCD 4
2.2 何謂TFT五大製程原理 5
2.2.1 薄膜 7
2.2.2 黃光 8
2.2.3 蝕刻 9
2.2.4 檢測、測試 11
2.3 圖形辨識 12
2.4 影像處理 13
2.4.1 二值化影像分割 14
2.4.2 連接區塊標記法 14
2.5 機器學習 16
2.5.1 類神經網路 16
2.5.2 感知器 18
2.5.3 決策樹 19
2.5.4 最近鄰居法 20
2.5.5 支援向量機 21
2.5.6 超平面 22
2.5.7 線性支援向量機 25
2.5.8 非線性支援向量機 26

第三章 研究方法 28
3.1 研究範圍及限制 28
3.1.1 研究範圍 28
3.1.2 研究限制 28
3.2 研究流程 29
3.2.1 資料收集 30
3.2.2 前置處理 32
3.2.3 特徵擷取 33
3.2.4 輸入機器學習訓練 35
第四章 實驗結果 36
4.1 個案探討 37
4.2 特徵擷取 42
4.3 實驗結果 46
第五章 結論 45
參考文獻 49

(1)王威霖,TFT-LCD 面板的發展,高雄縣中山工商。
(2) 章明,AOI科技在製程監測上之應用,教育部顧問室產業製程監測
設備系統設計人材培育教學資源中心。
(3) 顯示技術半導體製程。
(4) 盧素涵,TFT-LCD檢測設備概況,經濟部技術處ITIS計畫/金屬中
心產業分析師。
(5) 李秉鴻,機器學習於自動光學檢測之應用,機器學習於自動光學檢測
之應用,義守大學資訊工程研究所碩士論文,2009。
(6) 呂芳懌、余少棠、許閔雄、林晁立,影像資料庫在人臉辨識上的應用—
前科犯資料庫,東海科學第一卷103-122,1999年7 月。
(7) 郭琇靜、顧瑞祥,應用支援向量機於管制圖異常圖形之辨識,國立
虎尾科技大學工業工程與管理研究所,中華民國品質學會第43 屆年
會暨第13 屆全國品質管理研討會。
(8) 黃承龍、陳穆臻、王界人,支援向量機於信用評等之應用,高雄第
一科技大學資訊管理系、國立台北科技大學經營管理系、華梵大學
資訊管理系,計量管理期刊vol. 1, no. 2, page 155~172,2004。
(9) 蕭博文,以SVM為基礎之偽鈔辨識,國立臺灣科技大學電機工程系
碩士學位論文,2009。
(10) 張哲彰,以類神經網路為基發展製程管制程序監控具有群聚現象之
產品缺點,元智大學工業工程與管理碩士論文,2000。
(11) 張僩鈞,兩階層式垃圾郵件過濾機制之研究,銘傳大學資訊傳播工
程學系碩士班,2006。
(12) 游斯涵,使用機器學習方法於語音文件檢索之研究,國立臺灣師範
大學 資訊工程研究所,2009。
(13) 張志豪,機器學習應用於樣版網頁擷取之研究,國立中央大學資訊
工程研究所碩士論文,2009。
(14) 劉佳宗,利用機器學習摘要概念為基礎之文件摘要自動建立方法,
國立成功大學資訊管理研究所碩士論文,2007。
(15) 陳盈丞,基於機器學習與視覺技術之桌上曲棍球機器人,國立臺灣
海洋大學機械與機電工程學系碩士學位論文,2007。
(16) K. B. Lee, M. S. Koo, J. J. Lee, T. M. Koo, and K. H. Park, “Defect
detectionmethod for TFT-LCD panel based on saliency map model,”
IEEE Region 10,Conference , vol. 1, pp. 223-226, 2004.
(17) C. H. Chen, Y. Ting, H. Y. Feng, and S. L. Chen, “Glue dispenser
route inspection by using computer vision and neural network,” The
International Journal of Advanced Manufacturing Technology, vol.
39, no. 9-10, pp. 905-918, 2008.
(18) 維基百科http://zh.wikipedia.org/wiki.
(19) K. T. Sun, S. J. Lee, and P. Y. Wu, “Neural network approaches to
fractal image compression and decompression,” "eurocomputing, vol. 41, pp. 91-107, 2001.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top