[发明专利]基板检查单元及包括其的基板处理装置

说明书

本发明提供能够通过对训练图像数据集的验证以及半自动图像标记来减少图像数据标记作业时间，同时提高对数据集的分类准确度从而提高预测性能的基板检查单元及包括其的基板处理装置。所述基板检查单元包括：特征提取模块，在与基板的图像数据相关的多个训练数据根据既定义的类别被分类的情况下，从包括在每个类别中的训练数据中提取特征；有效性评价模块，评价特征的有效性；类别验证模块，验证既定义的类别；以及数据重构模块，基于被判断为具有有效性的特征和被验证的类别来重构多个训练数据，其中，在检查基板时使用重构的训练数据。

技术领域

本发明涉及基板检查单元及包括其的基板处理装置。更详细地，涉及能够利用图像数据检查基板的基板检查单元及包括其的基板处理装置。

背景技术

当为了制造LCD面板、PDP面板、LED面板等显示装置而在透明的基板上执行印刷工序(例如，RGB图案化(RGB Patterning))时，可以使用具有喷墨头单元(Inkjet Head Unit)的印刷装置。

发明内容

在利用喷墨头单元对基板进行印刷处理的情况下，当墨喷出到基板上时，可以检查相应的基板以防止大量的不良基板量产。在这种情况下，设置在印刷装备中的相机模块可以用于获取用于检查基板的图像数据。

当利用图像数据检查基板时，可以执行利用图像数据的深度学习(DeepLearning)过程以提高其验证可靠性。

然而，在深度学习过程中的数据训练(Data Training)步骤中，如果作业者没有明确地定义类别(Class)的分类标准，或者使用没有与各个类别对应地标记(Labeling)的图像数据集(Image Dataset)来执行训练，则训练模型(Training Model)的学习程度会降低，并且最终预测性能可能会降低。

本发明要解决的技术问题是提供能够通过对训练图像数据集(Training ImageDataset)的验证以及半自动图像标记(Semi-auto Image Labeling)来减少图像数据标记(Image Data Labeling)作业时间，同时提高对数据集的分类准确度从而提高预测性能的基板检查单元及包括其的基板处理装置。

本发明的技术问题不限于上述技术问题，本领域的技术人员可以通过下面的描述清楚地理解未提及的其它技术问题。

用于解决上述技术问题的本发明的基板检查单元的一方面(Aspect)包括：特征提取模块，在与基板的图像数据相关的多个训练数据根据既定义的类别被分类的情况下，从包括在每个类别中的训练数据中提取特征；有效性评价模块，评价所述特征的有效性；类别验证模块，验证所述既定义的类别；以及数据重构模块，基于被判断为具有有效性的特征和被验证的类别来重构所述多个训练数据，其中，在检查所述基板时使用重构的训练数据。

所述特征提取模块可以利用预学习模型提取所述特征，所述预学习模型为利用与所述基板的图像数据相关的基准量以上的数据进行学习而获得的结果。

所述有效性评价模块可以通过对所述特征应用降维方法来评价所述特征的有效性。

所述有效性评价模块可以使用t-SNE(t-distributed Stochastic NeighborEmbedding，t分布随机邻域嵌入)算法作为所述降维方法。

所述类别验证模块可以利用非层次聚类分析来验证所述既定义的类别。

所述类别验证模块可以利用基于密度的聚类方法来验证所述既定义的类别。

所述类别验证模块可以利用基于无监督学习的聚类分析来验证所述既定义的类别。

所述基板检查单元，还可以包括：数据量判别模块，判别包括在所述每个类别中的训练数据的量是否为基准量以上。