순서도 모듈로 불량 검출 실습

레시피 개요

1.4 Recipe를 직접 순서도로 작성해봅니다

순서도

레퍼런스이미지와 Alignment 이후에 비교하여 밝기 차이가 발생하는곳 불량으로 검출하는 레시피를 작성해봅니다

모듈 구성

Load 모듈을 2개를 불러와서 배치합니다
모듈은 이름 변경으로 이름을 지정할 수 있습니다. 예를 들어, Target, Reference 등으로 이름을 지정해놓으면 파라미터설정이 명확해집니다

LOAD

공용변수에서 이미지 2개를 설정합니다

공용변수설정

주석을 설정하여 모듈에 대한 설명을 표기할 수 있습니다

주석추가

이미지를 각각 전처리하기 위한 모듈을 배치합니다

전처리

Alignment은 반복적으로 동일한 구간이 나오는지 확인이 필요합니다

Alignment

BuildROIs 설정

BuildROIs의 출력은 dictionary 타입으로 포트번호와 'box'라는 키워드로 구성되어 있습니다
roi 1개는 좌상단 포인트와 WIDTH, HEIGHT로 구성되어 있습니다

ROI 설정

코드는 mpp활용해도 되고, opencv 함수를 찾아서 활용해도 됩니다

📜 TemplateMatching 코드

def TemplateMatching(input1, input2, input3):
   imgSrc = input1
   imgRef = input2
   rois = input3
   

   clip_point_x = rois['1']['box'][0]
   clip_point_y = rois['1']['box'][1]
   clip_width = rois['1']['box'][2]
   clip_height = rois['1']['box'][3]
   
   clip_ref = mpp.intel64.clip(imgRef, clip_point_x, clip_point_y, clip_width, clip_height)
   res = cv2.matchTemplate(imgSrc, clip_ref, cv2.TM_CCOEFF_NORMED)
   minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(res)
   clip_src = mpp.intel64.clip(imgSrc, maxLoc[0], maxLoc[1], clip_width, clip_height)
   
   return clip_src, clip_ref, None

"CompareImage"는 사용자모듈로 단순히 이미지를 빼서 값을 비교하는 모듈입니다
차이 값에 대한 threshold값을 작게 할 수록 불량에 민감하게 작용합니다

📜 CompareImage 코드

def CompareImage(clip_src, clip_ref, threshold):
   
   img_subtract = mpp.intel64.subtraction(clip_src, clip_ref, "abs", 0, 1)
   
   result = mpp.intel64.intensity_thresholding(img_subtract, threshold, "greater")
   
   resultData = "False" 
   
   regions = mpp.intel64.regions_extraction(result, 8)
   
   if len(regions) > 0 :
      resultData = "Real"
      
   result_image = mpp.intel64.gray_to_rgb(clip_src)
   mpp.intel64.paint_regions_boundary_inplace(result_image, regions, 255, 0, 0)
   
   return result_image, resultData

DM로 업로드에는 'Temp5' 컬럼에 값을 저장하고 DM에서 ClassNo에 반영하는 설정을 진행합니다

📜 DM_CLASS_DcollTemplate 코드

def DM_CLASS_DcollTemplate(input1, input2, input3, input4, input5):
   import mpp
   import os

   result_image = input1
   resultData = input2
   spec_in_class_name = input3
   spec_out_class_name = input4
   global_items = input5

   if resultData == "False" :
      result_class = spec_in_class_name 
   else :
      result_class = spec_out_class_name 

   defect_id = global_items['gs_defectid']
   input_image_file_name_without_extension = mpp.daq.utilities.get_image_file_name_without_extension(global_items['gs_semimage1'])
   
   #### Result Uri
   image_file_name = f'{defect_id}_result.jpg' if input_image_file_name_without_extension is None else f'{input_image_file_name_without_extension}_result.jpg'
   result_image_file_uri = os.path.join(global_items['gs_resultimageurl'].strip(), image_file_name)
   summary_file_uri = os.path.join(global_items['gs_resultdataurl'].strip(), f'{defect_id}_Summary.csv')
   defect_file_uri = os.path.join(global_items['gs_resultdataurl'].strip(), f'{defect_id}_Defect.csv')
   dcoll_file_uri = os.path.join(global_items['gs_resultdataurl'].strip(), f'{defect_id}_DColl.csv')

   #### Summary Data
   summary_data = list()
   summary_data.append(['WAFERID','DEFECTID','DIEX','DIEY','XREAL','YREAL','IMAGEWIDTH','IMAGEHEIGHT','ALIGNMENT','MEASUREMENT','DEFECT','EXTENSIONFUNC','RELATIVEPATH','PATH','GDSX','GDSY'])
   summary_data.append([global_items['gs_waferid'],global_items['gs_defectid'],global_items['gs_xindex'],global_items['gs_yindex'],global_items['gs_xreal'],global_items['gs_yreal'],'0','0','OK','OK','OK','OK',image_file_name,result_image_file_uri,'0','0'])

   #### DCOLL Data
   dcoll_data = list()
   dcoll_data.append(['ID', 'TYPE', 'NAME', 'VALUE', 'DESCRIPTION'])
   dcoll_data.append([defect_id, 'IMG', 'PATH', result_image_file_uri, 'Result Image'])
   dcoll_data.append([defect_id, 'SMF', 'DEFECTID', defect_id, 'DefectID'])

   #### TODO : Change Following Items
   #### MEASURE -> MESURE : Due to Typo in the SMF File.
   dcoll_data.append([defect_id, 'SMF', 'TEMP5', float(result_class), 'CLASS'])


   #### Save Result
   mpp.intel64.save(result_image, result_image_file_uri)
   mpp.intel64.save_csv(summary_data, summary_file_uri)
   mpp.intel64.save_csv(summary_data, defect_file_uri)
   mpp.intel64.save_csv(dcoll_data, dcoll_file_uri)

   return None

레시피 개요​

모듈 구성​

레시피 개요

모듈 구성