JP2020159758A - Light emitting device manufacturing method and solder joint inspection device - Google Patents
Light emitting device manufacturing method and solder joint inspection device Download PDFInfo
- Publication number
- JP2020159758A JP2020159758A JP2019057032A JP2019057032A JP2020159758A JP 2020159758 A JP2020159758 A JP 2020159758A JP 2019057032 A JP2019057032 A JP 2019057032A JP 2019057032 A JP2019057032 A JP 2019057032A JP 2020159758 A JP2020159758 A JP 2020159758A
- Authority
- JP
- Japan
- Prior art keywords
- ray image
- group
- light emitting
- ray
- solder joint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
Description
本明細書の技術分野は、発光装置の製造方法および半田接合部検査装置に関する。 The technical field of the present specification relates to a method for manufacturing a light emitting device and a solder joint inspection device.
半導体部品などの電子部品は基板に実装されることが一般的である。電子部品と基板との接合には、半田付けが用いられることが多い。また、ナノペーストが用いられることもある。 Electronic components such as semiconductor components are generally mounted on a substrate. Soldering is often used to bond electronic components to substrates. In addition, nanopaste may be used.
電子部品を基板に半田接合する際には、半田接合部にボイドが生じることがある。ボイドが生じると、半田接合部の機械的強度が低下し、半田接合部の熱伝導性が低下する。電子部品を組み込まれた装置の繰り返し使用により、ボイド付近に熱応力が発生し、半田接合部にクラックが生じるおそれもある。そのため、半田接合部のボイドを検査する技術が開発されてきている。例えば、特許文献１には、半田の評価関数を算出する技術が開示されている（特許文献１の段落［００１２］）。 When an electronic component is solder-bonded to a substrate, voids may occur at the solder-bonded portion. When voids occur, the mechanical strength of the solder joint decreases, and the thermal conductivity of the solder joint decreases. Repeated use of a device incorporating electronic components may cause thermal stress near the voids, which may cause cracks in the solder joints. Therefore, a technique for inspecting voids in solder joints has been developed. For example, Patent Document 1 discloses a technique for calculating an evaluation function of solder (paragraph [0012] of Patent Document 1).
ところで、発光装置は、半導体発光素子を基板に実装したものである。半導体発光素子の一辺の長さは、例えば、１００μｍ以上１ｍｍ以下の程度である。このように非常に小さい電子部品を基板に半田付けすることは、溶融半田の表面張力の影響があるため容易ではない。半田接合部にボイドのみならず非接合部が生じてしまうことがある。非接合部は、半導体発光素子と基板とが接合していない領域である。したがって、半田接合部の非接合部も十分に検査することが好ましい。 By the way, the light emitting device is a device in which a semiconductor light emitting element is mounted on a substrate. The length of one side of the semiconductor light emitting device is, for example, about 100 μm or more and 1 mm or less. It is not easy to solder such a very small electronic component to a substrate because of the influence of the surface tension of the molten solder. Not only voids but also non-joints may occur in the solder joints. The non-bonded portion is a region where the semiconductor light emitting device and the substrate are not bonded. Therefore, it is preferable to thoroughly inspect the non-joint portion of the solder joint portion.
本明細書の技術が解決しようとする課題は、半田接合部の非接合部およびボイドの有無を好適に検査することのできる発光装置の製造方法および半田接合部検査装置を提供することである。 An object to be solved by the technique of the present specification is to provide a method for manufacturing a light emitting device and a solder joint inspection device capable of suitably inspecting the presence or absence of non-joints and voids in the solder joint.
第１の態様における発光装置の製造方法は、発光素子と基板とを半田により接合して半田接合部を形成する半田接合工程と、半田接合部をＸ線により検査する検査工程と、を有する。検査工程では、閾値を用い、半田接合部のＸ線画像を取得し、Ｘ線画像に評価値を付与し、評価値と閾値とを比較することによりＸ線画像を分類する。 The method for manufacturing a light emitting device according to the first aspect includes a solder joining step of joining a light emitting element and a substrate with solder to form a solder joint, and an inspection step of inspecting the solder joint with X-rays. In the inspection step, an X-ray image of the solder joint is acquired using a threshold value, an evaluation value is given to the X-ray image, and the X-ray image is classified by comparing the evaluation value with the threshold value.
この発光装置の製造方法は、半田接合部の非接合部およびボイドの有無を高い精度で検査することができる。そして、半田接合部に非接合部とボイドとの少なくとも一方を有する接合不良な発光装置を含まないグループを抽出することができる。 This light emitting device manufacturing method can inspect the presence or absence of non-joints and voids in the solder joints with high accuracy. Then, it is possible to extract a group that does not include a light emitting device with poor bonding having at least one of a non-bonding portion and a void in the solder bonding portion.
本明細書では、半田接合部の非接合部およびボイドの有無を好適に検査することのできる発光装置の製造方法および半田接合部検査装置が提供されている。 The present specification provides a method for manufacturing a light emitting device and a solder joint inspection device capable of suitably inspecting the presence or absence of non-joints and voids in the solder joint.
以下、具体的な実施形態について、発光装置の製造方法および半田接合部検査装置を例に挙げて説明する。しかし、本明細書の技術はこれらの実施形態に限定されるものではない。 Hereinafter, specific embodiments will be described with reference to a method for manufacturing a light emitting device and a solder joint inspection device as an example. However, the techniques herein are not limited to these embodiments.
（第１の実施形態）
１．発光装置
図１は、第１の実施形態の発光装置１００の概略構成を示す図である。発光装置１００は、発光素子１１０を有する検査対象物である。図１に示すように、発光装置１００は、発光素子１１０と、基板１２０と、接着剤１３０と、蛍光体板１４０と、壁部材１５０と、反射材１６０と、半田接合部Ｂ１と、を有する。
(First Embodiment)
1. 1. Light emitting device FIG. 1 is a diagram showing a schematic configuration of a light emitting device 100 of the first embodiment. The light emitting device 100 is an inspection object having a light emitting element 110. As shown in FIG. 1, the light emitting device 100 includes a light emitting element 110, a substrate 120, an adhesive 130, a phosphor plate 140, a wall member 150, a reflector 160, and a solder joint portion B1. ..
発光素子１１０は、半導体発光素子である。基板１２０は、発光素子１１０を実装する回路基板である。基板１２０は、絶縁基板と配線とを有する。絶縁基板の材質は、例えば、セラミック、ガラスエポキシ、ＡｌＮである。放熱性の観点から、絶縁基板はＡｌＮであるとよい。接着剤１３０は、蛍光体板１４０を発光素子１１０の裏面に接着するためのものである。蛍光体板１４０は、蛍光体を含む部材である。壁部材１５０は、反射材１６０を堰き止めるための部材である。壁部材１５０は、発光素子１１０の周囲を枠状に囲っている。壁部材１５０の形状は、例えば、正方形の枠状である。反射材１６０は、発光素子１１０から壁部材１５０に向かう光を反射するための部材である。反射材１６０は、発光装置１００を封止する封止剤も兼ねている。 The light emitting element 110 is a semiconductor light emitting element. The substrate 120 is a circuit board on which the light emitting element 110 is mounted. The substrate 120 has an insulating substrate and wiring. The material of the insulating substrate is, for example, ceramic, glass epoxy, or AlN. From the viewpoint of heat dissipation, the insulating substrate is preferably AlN. The adhesive 130 is for adhering the phosphor plate 140 to the back surface of the light emitting element 110. The phosphor plate 140 is a member containing a phosphor. The wall member 150 is a member for blocking the reflective material 160. The wall member 150 surrounds the light emitting element 110 in a frame shape. The shape of the wall member 150 is, for example, a square frame. The reflector 160 is a member for reflecting light from the light emitting element 110 toward the wall member 150. The reflective material 160 also serves as a sealing agent for sealing the light emitting device 100.
接合層Ｂ１は、発光素子１１０と基板１２０とを半田接合するための半田接合部である。接合層Ｂ１は、主にＡｕ−Ｓｎ系半田である。 The bonding layer B1 is a solder bonding portion for solder bonding the light emitting element 110 and the substrate 120. The bonding layer B1 is mainly an Au—Sn-based solder.
２．半田接合部
２−１．半田接合部の周辺の構造
図２は、第１の実施形態の発光装置１００の半田接合部の周辺を抜き出した図である。図２に示すように、基板１２０は、絶縁基板１２１と、配線１２２と、を有する。配線１２２の最表面層１２２ａの材料はＡｕである。
2. 2. Solder joint 2-1. Structure around the solder joint portion FIG. 2 is a diagram showing the periphery of the solder joint portion of the light emitting device 100 of the first embodiment. As shown in FIG. 2, the substrate 120 has an insulating substrate 121 and wiring 122. The material of the outermost surface layer 122a of the wiring 122 is Au.
半田接合部Ｂ１においては、溶融状態にあるＡｕ−Ｓｎ系半田のＳｎ原子が配線１２２のＡｕに拡散して合金化している。このＳｎ原子の拡散により、半田接合部Ｂ１は、発光素子１００と基板１２０とを接合している。 In the solder joint portion B1, Sn atoms of the Au—Sn-based solder in a molten state are diffused and alloyed in Au of the wiring 122. Due to the diffusion of Sn atoms, the solder bonding portion B1 bonds the light emitting element 100 and the substrate 120.
そのため、Ａｕに対するＳｎ原子の拡散が生じなければ、発光素子１１０と基板１２０とを十分に接合することができない。つまり、発光素子１１０と基板１２０とを接合していない非接合部が生じてしまう。 Therefore, the light emitting element 110 and the substrate 120 cannot be sufficiently bonded unless the Sn atom is diffused with respect to Au. That is, a non-bonded portion in which the light emitting element 110 and the substrate 120 are not bonded is generated.
２−２．接合不良
半田接合部Ｂ１は、（１）発光素子１１０の基板１２０への固定、（２）発光素子１１０の電極への電気的接続、（３）発光素子１１０から基板１２０への熱の伝達経路、を担っている。半田接合部Ｂ１に非接合部が生じてしまうと、半田接合部Ｂ１はこれらの３つの役割を十分に果たすことができない。
2-2. Bonding failure The solder joint B1 is composed of (1) fixing the light emitting element 110 to the substrate 120, (2) electrically connecting the light emitting element 110 to the electrode, and (3) transferring heat from the light emitting element 110 to the substrate 120. , Is responsible for. If a non-joint portion is formed in the solder joint portion B1, the solder joint portion B1 cannot sufficiently fulfill these three roles.
半田接合部Ｂ１は、（ａ）良好、（ｂ）非接合、（ｃ）ボイドの３種類の場合を包含する。（ａ）良好なサンプルは、半田接合部Ｂ１による発光素子１１０と基板１２０との接合が好適になされているサンプルである。（ｂ）非接合のサンプルは、半田接合部Ｂ１の少なくとも一部に非接合部分が生じているサンプルである。（ｃ）ボイドのサンプルは、半田接合部Ｂ１にボイドが生じているサンプルである。 The solder joint portion B1 includes three types of cases: (a) good, (b) non-bonded, and (c) void. (A) A good sample is a sample in which the light emitting element 110 and the substrate 120 are preferably bonded by the solder bonding portion B1. (B) The non-bonded sample is a sample in which a non-bonded portion is formed in at least a part of the solder bonded portion B1. (C) The void sample is a sample in which voids are generated in the solder joint portion B1.
図３は、半田接合部Ｂ１に非接合部Ｎ１が生じている場合を示す概念図である。図３に示すように、半田接合部Ｂ１に非接合部Ｎ１が生じているため、接合部分の機械的強度が弱く、発光素子１１０の放熱性も好ましくない。なお、図３に示すように、非接合部Ｎ１以外の箇所については好適に接合がなされている。しかし、部分的に好適な接合部を含んでいたとしても、非接合部Ｎ１を含む半田接合部Ｂ１は接合不良である。 FIG. 3 is a conceptual diagram showing a case where a non-joint portion N1 is formed in the solder joint portion B1. As shown in FIG. 3, since the non-joint portion N1 is formed in the solder joint portion B1, the mechanical strength of the joint portion is weak and the heat dissipation of the light emitting element 110 is not preferable. As shown in FIG. 3, the portions other than the non-joined portion N1 are suitably joined. However, even if the joint portion is partially suitable, the solder joint portion B1 including the non-joint portion N1 is poorly joined.
図４は、半田接合部Ｂ１にボイドＶ１が生じている場合を示す概念図である。図４に示すように、半田接合部Ｂ１にボイドＶ１が生じているため、接合部分の機械的強度が弱く、発光素子１１０の放熱性も好ましくない。なお、図４に示すように、ボイドＶ１以外の箇所については好適に接合がなされている。しかし、部分的に好適な接合部を含んでいたとしても、ボイドＶ１を含む半田接合部Ｂ１は接合不良である。また、ボイドＶ１は、斑状のボイドを含む。 FIG. 4 is a conceptual diagram showing a case where a void V1 is generated in the solder joint portion B1. As shown in FIG. 4, since the void V1 is generated in the solder joint portion B1, the mechanical strength of the joint portion is weak, and the heat dissipation of the light emitting element 110 is also not preferable. As shown in FIG. 4, the portions other than the void V1 are suitably joined. However, the solder joint B1 containing the void V1 is poorly joined even if it partially contains a suitable joint. Void V1 also contains mottled voids.
３．半田接合部検査装置
３−１．半田接合部検査装置の構成
図５は、第１の実施形態における検査装置１０００の概略構成を示す図である。検査装置１０００は、発光装置１００の半田接合部Ｂ１を検査する半田接合部検査装置である。検査装置１０００は、Ｘ線発生器１１００と、検出器１２００と、制御部１３００と、を有する。Ｘ線発生器１１００は、Ｘ線を発生させるとともに検査対象物に向けてＸ線を照射するＸ線照射部である。検出器１２００は、検査対象物を透過したＸ線を受光するＸ線受光部である。ここで、検査対象物は、発光装置１００である。そのため、Ｘ線発生器１１００は、発光素子１１０と基板１２０との間の半田接合部Ｂ１にＸ線を照射する。検出器１２００は、半田接合部Ｂ１を透過したＸ線を受光する。
3. 3. Solder joint inspection device 3-1. Configuration of Solder Joint Inspection Device FIG. 5 is a diagram showing a schematic configuration of the inspection device 1000 according to the first embodiment. The inspection device 1000 is a solder joint inspection device that inspects the solder joint B1 of the light emitting device 100. The inspection device 1000 includes an X-ray generator 1100, a detector 1200, and a control unit 1300. The X-ray generator 1100 is an X-ray irradiation unit that generates X-rays and irradiates X-rays toward an object to be inspected. The detector 1200 is an X-ray receiving unit that receives X-rays that have passed through the inspection object. Here, the inspection target is the light emitting device 100. Therefore, the X-ray generator 1100 irradiates the solder joint portion B1 between the light emitting element 110 and the substrate 120 with X-rays. The detector 1200 receives X-rays that have passed through the solder joint portion B1.
３−２．半田接合部検査装置の制御系
図６は、第１の実施形態における検査装置１０００の制御系を示すブロック図である。制御部１３００は、ＣＰＵと不揮発性メモリとのうちの少なくとも一部により構成されている。制御部１３００は、Ｘ線発生器制御部１３１０と、検出器制御部１３２０と、画像抽出部１３３０と、判定部１３４０と、学習実行部１３５０と、を有する。
3-2. Control system of the solder joint inspection device FIG. 6 is a block diagram showing a control system of the inspection device 1000 according to the first embodiment. The control unit 1300 is composed of at least a part of a CPU and a non-volatile memory. The control unit 1300 includes an X-ray generator control unit 1310, a detector control unit 1320, an image extraction unit 1330, a determination unit 1340, and a learning execution unit 1350.
Ｘ線発生器制御部１３１０は、Ｘ線発生器１１００を制御する。検出器制御部１３２０は、検出器１２００を制御する。画像抽出部１３３０は、検出器１２００により検出されたＸ線からＸ線画像を生成するとともに発光装置１００の半田接合部を含む画像を抽出する。判定部１３４０は、発光装置１００の半田接合部Ｂ１の良否を判定する。学習実行部１３５０は、後述するように、判定部１３４０のニューラルネットワークに学習を実施する。 The X-ray generator control unit 1310 controls the X-ray generator 1100. The detector control unit 1320 controls the detector 1200. The image extraction unit 1330 generates an X-ray image from the X-rays detected by the detector 1200 and extracts an image including the solder joint portion of the light emitting device 100. The determination unit 1340 determines the quality of the solder joint portion B1 of the light emitting device 100. The learning execution unit 1350 performs learning on the neural network of the determination unit 1340, as will be described later.
判定部１３４０は、検出器１２００が受光したＸ線のＸ線画像を判定する。判定部１３４０は、画像取得部１３４１と、評価部１３４２と、閾値設定部１３４３と、分類部１３４４と、を有する。 The determination unit 1340 determines an X-ray image of the X-ray received by the detector 1200. The determination unit 1340 includes an image acquisition unit 1341, an evaluation unit 1342, a threshold value setting unit 1343, and a classification unit 1344.
画像取得部１３４１は、Ｘ線画像を取得する。画像取得部１３４１は、Ｘ線画像を加工してもよい。画像取得部１３４１は、例えば、取得したＸ線画像から半田接合部Ｂ１の周辺のみを取り出して新たなＸ線画像としてもよい。 The image acquisition unit 1341 acquires an X-ray image. The image acquisition unit 1341 may process an X-ray image. The image acquisition unit 1341 may, for example, extract only the periphery of the solder joint portion B1 from the acquired X-ray image to obtain a new X-ray image.
評価部１３４２は、学習済みのニューラルネットワークを有する。評価部１３４２のニューラルネットワークは、Ｘ線画像に評価値を付与する。評価値は、例えば、０以上１以下の数値である。評価部１３４２は、例えば、評価値が０に近いほどＸ線画像が良品に近いと判断している。評価部１３４２は、例えば、評価値が１に近いほどＸ線画像が不良品に近いと判断している。 The evaluation unit 1342 has a trained neural network. The neural network of the evaluation unit 1342 gives an evaluation value to the X-ray image. The evaluation value is, for example, a numerical value of 0 or more and 1 or less. For example, the evaluation unit 1342 determines that the closer the evaluation value is to 0, the closer the X-ray image is to a good product. For example, the evaluation unit 1342 determines that the closer the evaluation value is to 1, the closer the X-ray image is to a defective product.
閾値設定部１３４３は、分類部１３４４が用いる閾値を保持している。この閾値は、閾値設定部１３４３に予め入力されていてもよいし、外部から閾値の入力を受け付けて閾値を更新してもよい。このように閾値設定部１３４３は、閾値を設定することができる。 The threshold setting unit 1343 holds the threshold used by the classification unit 1344. This threshold value may be input in advance to the threshold value setting unit 1343, or the threshold value may be updated by receiving input of the threshold value from the outside. In this way, the threshold value setting unit 1343 can set the threshold value.
分類部１３４４は、評価部１３４２から出力される評価値と、閾値設定部１３４３から出力される閾値と、を比較することにより、Ｘ線画像を第１グループと第２グループとのいずれか一方に分類する。分類部１３４４は、例えば、評価値が閾値以下の場合にＸ線画像を第１グループに分類し、評価値が閾値より大きい場合にＸ線画像を第２グループに分類する。 By comparing the evaluation value output from the evaluation unit 1342 with the threshold value output from the threshold value setting unit 1343, the classification unit 1344 assigns the X-ray image to either the first group or the second group. Classify. For example, the classification unit 1344 classifies the X-ray image into the first group when the evaluation value is equal to or less than the threshold value, and classifies the X-ray image into the second group when the evaluation value is larger than the threshold value.
３−３．第１グループおよび第２グループ
第１グループは、接合不良なＸ線画像を含まず接合良好なＸ線画像を含むグループである。第２グループは、接合良好なＸ線画像と接合不良なＸ線画像とを含むグループである。閾値を選択することにより、上記のようにＸ線画像を第１グループまたは第２グループに分類することができる。１つのＸ線画像は、もちろん、１つの発光装置１００と１対１で関連付けられている。そのため、Ｘ線画像を分類することは、発光装置１００を分類することと同じである。
3-3. First Group and Second Group The first group is a group that does not include an X-ray image with poor bonding but includes an X-ray image with good bonding. The second group is a group including an X-ray image with good bonding and an X-ray image with poor bonding. By selecting the threshold value, the X-ray image can be classified into the first group or the second group as described above. One X-ray image is, of course, one-to-one associated with one light emitting device 100. Therefore, classifying the X-ray image is the same as classifying the light emitting device 100.
４．ニューラルネットワーク
４−１．ニューラルネットワークの各層
図７は、評価部１３４２が有するニューラルネットワークを説明する概念図である。ニューラルネットワークは、入力層と、中間層と、出力層と、を有する。入力層は、Ｘ線画像を入力される。中間層は、Ｘ線画像の評価値を算出する。出力層は、Ｘ線画像の評価値を出力する。中間層は、３層以上あると好ましい。
4. Neural network 4-1. Each layer of the neural network FIG. 7 is a conceptual diagram illustrating the neural network included in the evaluation unit 1342. The neural network has an input layer, an intermediate layer, and an output layer. An X-ray image is input to the input layer. The intermediate layer calculates the evaluation value of the X-ray image. The output layer outputs the evaluation value of the X-ray image. It is preferable that the intermediate layer has three or more layers.
４−２．機械学習
４−２−１．学習方法１
教師データとして、接合良好なＸ線画像、非接合部を有するＸ線画像、ボイドを有するＸ線画像、の３種類を採用する。また、ボイドを有するＸ線画像は、斑状ボイド画像を含む。
4-2. Machine learning 4-2-1. Learning method 1
Three types of teacher data are adopted: an X-ray image with good bonding, an X-ray image with non-joining portions, and an X-ray image with voids. In addition, the X-ray image having voids includes a mottled void image.
図８は、接合良好なＸ線画像である。左右に長方形が並んで配置されている２つの領域が、半田接合部Ｂ１である。２つの領域のうち一方が発光素子１１０のｐ電極と接合されている半田接合部Ｂ１であり、他方が発光素子１１０のｎ電極と接合されている半田接合部Ｂ１である。半田接合部Ｂ１は、その他の領域よりもやや濃い色をしている。図８においては、Ｘ線画像は乱れていない。 FIG. 8 is an X-ray image with good bonding. The two regions where the rectangles are arranged side by side on the left and right are the solder joint portion B1. One of the two regions is the solder bonding portion B1 bonded to the p electrode of the light emitting element 110, and the other is the solder bonding portion B1 bonded to the n electrode of the light emitting element 110. The solder joint portion B1 has a slightly darker color than the other regions. In FIG. 8, the X-ray image is not distorted.
図９は、非接合部のあるＸ線画像である。非接合部のあるＸ線画像は、接合良好なＸ線画像に非常に近い。発光素子１１０のドット電極の陰影が、接合良好なＸ線画像とわずかに異なっている。 FIG. 9 is an X-ray image with a non-joint portion. An X-ray image with non-joints is very close to a well-joined X-ray image. The shadow of the dot electrode of the light emitting element 110 is slightly different from the X-ray image with good bonding.
図１０は、ボイドのあるＸ線画像である。ボイドがあると半田接合部Ｂ１の領域内に濃淡が現れる。つまり、半田接合部Ｂ１の領域内に、濃い領域と薄い領域とが出現する。 FIG. 10 is an X-ray image with voids. If there are voids, shading appears in the region of the solder joint B1. That is, a dark region and a light region appear in the region of the solder joint portion B1.
図１１は、斑状ボイドのあるＸ線画像である。斑状ボイドは、半田接合部Ｂ１の外周部の辺りに小さな閉領域の集合として現れる。斑状ボイドのあるＸ線画像は、ボイドのあるＸ線画像に含まれる。 FIG. 11 is an X-ray image with mottled voids. The mottled voids appear as a set of small closed regions around the outer peripheral portion of the solder joint portion B1. An X-ray image with mottled voids is included in the X-ray image with voids.
４−２−２．学習方法２
教師データとして、接合良好なＸ線画像、非接合部を有するＸ線画像、ボイドを有するＸ線画像、の３種類を採用する。さらに、上記の３種類のＸ線画像と、それぞれの画像に付随して非接合部またはボイドのある領域を指定したＸ線画像を採用する。そのために、例えば、ボイドの領域を着色によりマーキングする。つまり、教師データは、非接合部を有するＸ線画像と、その非接合部を着色したＸ線画像と、を一組にしたデータを採用する。また、教師データは、ボイドを有するＸ線画像と、そのボイドを着色したＸ線画像と、を一組にしたデータを採用する。
4-2-2. Learning method 2
Three types of teacher data are adopted: an X-ray image with good bonding, an X-ray image with non-joining portions, and an X-ray image with voids. Further, the above-mentioned three types of X-ray images and an X-ray image in which a non-joint portion or a region having a void is designated accompanying each image are adopted. For that purpose, for example, the void region is marked by coloring. That is, as the teacher data, data that is a set of an X-ray image having a non-joint portion and an X-ray image in which the non-joint portion is colored is adopted. Further, as the teacher data, data that is a set of an X-ray image having a void and an X-ray image in which the void is colored is adopted.
上記の学習方法１と学習方法２とのうちいずれを採用してもよい。ただし、学習方法２を実施したニューラルネットワークのほうが高精度で評価値を付与すると考えられる。学習方法２を実施したニューラルネットワークにおいては、良否を見分ける注目点をマーキングにより指定することが可能であるためである。 Either of the above learning method 1 and learning method 2 may be adopted. However, it is considered that the neural network in which the learning method 2 is performed gives the evaluation value with higher accuracy. This is because in the neural network in which the learning method 2 is implemented, it is possible to specify the points of interest for distinguishing between good and bad by marking.
５．半田接合部の判定方法
５−１．判定フロー
図１２は、検査装置１０００の判定部１３４０が行う判定のフローを示すフローチャートである。判定方法を説明するためにＸ線画像Ａ１とＸ線画像Ａ２とを分類する場合について説明する。Ｘ線画像Ａ１とＸ線画像Ａ２とは、異なる発光装置１００の半田接合部Ｂ１のＸ線画像である。
5. Judgment method of solder joint 5-1. Judgment flow FIG. 12 is a flowchart showing a judgment flow performed by the judgment unit 1340 of the inspection device 1000. A case where the X-ray image A1 and the X-ray image A2 are classified will be described in order to explain the determination method. The X-ray image A1 and the X-ray image A2 are X-ray images of the solder joint portion B1 of the different light emitting device 100.
判定のフローでは閾値を用いる。そのために、閾値設定部１３４３が閾値を分類部１３４４に出力する（Ｓ１０１）。閾値は、例えば、０．６であると仮定する。次に、画像取得部１３４１がＸ線画像Ａ１を取得する（Ｓ１０２）。次に、評価部１３４２のニューラルネットワークが、Ｘ線画像Ａ１に評価値を付与する（Ｓ１０３）。学習済みのニューラルネットワークの入力層にＸ線画像Ａ１を入力し、ニューラルネットワークの出力層からＸ線画像Ａ１の評価値を出力する。評価値は、例えば、０．２１であると仮定する。次に、分類部１３４４は、評価値と閾値とを比較することによりＸ線画像Ａ１を分類する（Ｓ１０４）。この場合、Ｘ線画像Ａ１の評価値０．２１が閾値０．６以下であるため、分類部１３４４は、Ｘ線画像Ａ１を第１グループに分類する。 A threshold is used in the judgment flow. Therefore, the threshold setting unit 1343 outputs the threshold value to the classification unit 1344 (S101). The threshold is assumed to be, for example, 0.6. Next, the image acquisition unit 1341 acquires the X-ray image A1 (S102). Next, the neural network of the evaluation unit 1342 assigns an evaluation value to the X-ray image A1 (S103). The X-ray image A1 is input to the input layer of the trained neural network, and the evaluation value of the X-ray image A1 is output from the output layer of the neural network. The evaluation value is assumed to be 0.21 for example. Next, the classification unit 1344 classifies the X-ray image A1 by comparing the evaluation value with the threshold value (S104). In this case, since the evaluation value 0.21 of the X-ray image A1 is the threshold value of 0.6 or less, the classification unit 1344 classifies the X-ray image A1 into the first group.
次に、画像取得部１３４１がＸ線画像Ａ２を取得する（Ｓ１０２）。次に、評価部１３４２のニューラルネットワークが、Ｘ線画像Ａ２に評価値を付与する（Ｓ１０３）。学習済みのニューラルネットワークの入力層にＸ線画像Ａ２を入力し、ニューラルネットワークの出力層からＸ線画像Ａ２の評価値を出力する。評価値は、例えば、０．７１であると仮定する。次に、分類部１３４４は、評価値と閾値とを比較することによりＸ線画像Ａ２を分類する（Ｓ１０４）。この場合、Ｘ線画像Ａ２の評価値０．７１が閾値０．６より大きいため、分類部１３４４は、Ｘ線画像Ａ２を第２グループに分類する。なお、閾値はＸ線画像Ａ１の判断に用いた閾値と同じ値である。 Next, the image acquisition unit 1341 acquires the X-ray image A2 (S102). Next, the neural network of the evaluation unit 1342 assigns an evaluation value to the X-ray image A2 (S103). The X-ray image A2 is input to the input layer of the trained neural network, and the evaluation value of the X-ray image A2 is output from the output layer of the neural network. The evaluation value is assumed to be, for example, 0.71. Next, the classification unit 1344 classifies the X-ray image A2 by comparing the evaluation value with the threshold value (S104). In this case, since the evaluation value 0.71 of the X-ray image A2 is larger than the threshold value 0.6, the classification unit 1344 classifies the X-ray image A2 into the second group. The threshold value is the same value as the threshold value used for determining the X-ray image A1.
このように、検査装置１０００は、多数枚のＸ線画像を順次取得しながら、多数枚のＸ線画像を第１グループまたは第２グループのいずれかに分類する。前述のように、第１グループは、不良品を含まず良品のみを含むグループである。第２グループは、良品と不良品とを含むグループである。ここで、一連の分類において、共通の閾値を用いる。そのため、閾値の設定は、多数枚のＸ線画像の判定の初期に一度だけ行えばよい。 In this way, the inspection device 1000 classifies the large number of X-ray images into either the first group or the second group while sequentially acquiring a large number of X-ray images. As described above, the first group is a group containing only non-defective products without defective products. The second group is a group including non-defective products and defective products. Here, a common threshold is used in a series of classifications. Therefore, the threshold value needs to be set only once at the initial stage of determination of a large number of X-ray images.
５−２．グループ分けの意義
前述のように、機械学習されたニューラルネットワークは、評価値を付与するとともに出力する。しかし、ニューラルネットワークは、完全に正しい判定をするとは限らない。例えば、作業者が実際に目視により確認すると、ニューラルネットワークが０．５の評価値を付与した基板１２０が非接合部を含んでおり、ニューラルネットワークが０．６５の評価値を付与した基板１２０が良好な接合部を有する場合がある。
5-2. Significance of grouping As described above, the machine-learned neural network gives an evaluation value and outputs it. However, neural networks do not always make perfectly correct decisions. For example, when the operator actually visually confirms, the substrate 120 to which the neural network gives an evaluation value of 0.5 includes a non-joint portion, and the substrate 120 to which the neural network gives an evaluation value of 0.65 May have good joints.
したがって、作業者が検査せずとも良好な範囲について閾値を設定して、分類部１３４４が、Ｘ線画像を第１グループまたは第２グループに分類することにより、作業者は、第２グループのみを再検査すればよい。これにより、作業者が全数検査をする必要が無い。 Therefore, by setting a threshold value for a good range without the worker inspecting and the classification unit 1344 classifying the X-ray image into the first group or the second group, the worker can only select the second group. You can re-examine. This eliminates the need for the operator to perform a 100% inspection.
６．発光装置の製造方法
ここで、本実施形態の発光装置の製造方法について説明する。図１では、発光装置１００は、複数個の発光素子１１０を有している。しかし、これ以降の図面では、簡単のために、１個の発光装置が１個の発光素子を備えるものとして説明する。
6. Method for manufacturing a light emitting device Here, a method for manufacturing a light emitting device according to the present embodiment will be described. In FIG. 1, the light emitting device 100 has a plurality of light emitting elements 110. However, in the following drawings, for the sake of simplicity, one light emitting device will be described as including one light emitting element.
６−１．半田接合工程（素子実装工程）
図１３に示すように、基板１２０の上に発光素子１１０を実装する。この発光素子１１０は、電極の上に半田を形成済みである。つまり、この発光素子１１０は、電極の上に半田を有する。まず、保持ツールが発光素子１１０を保持する。この際に、保持ツールの温度を半田の溶融温度よりも低い状態にしておく。そのため、この段階では、半田は溶融していない状態である。
6-1. Solder bonding process (element mounting process)
As shown in FIG. 13, the light emitting element 110 is mounted on the substrate 120. The light emitting element 110 has solder formed on the electrodes. That is, the light emitting element 110 has solder on the electrodes. First, the holding tool holds the light emitting element 110. At this time, the temperature of the holding tool is kept lower than the melting temperature of the solder. Therefore, at this stage, the solder is not melted.
図１３に示すように、基板１２０を載置するステージを加熱しながら、発光素子１１０と対面させる。ステージの温度は、半田の溶融温度よりも高い。そして、基板１２０の配線１２２と発光素子１１０側の半田とを位置合わせしながら、基板１２０と発光素子１１０とを半田で接触させる。そして、保持ツールが発光素子１１０から離す。保持ツールが発光素子１１０から離れた瞬間に半田が溶融し、Ａｕ−Ｓｎ系半田のＳｎ原子が、配線１２２のＡｕにある程度拡散していく。 As shown in FIG. 13, the stage on which the substrate 120 is placed is heated while facing the light emitting element 110. The temperature of the stage is higher than the melting temperature of the solder. Then, while aligning the wiring 122 of the substrate 120 with the solder on the light emitting element 110 side, the substrate 120 and the light emitting element 110 are brought into contact with each other by solder. Then, the holding tool is separated from the light emitting element 110. The moment the holding tool separates from the light emitting element 110, the solder melts, and the Sn atoms of the Au—Sn-based solder diffuse to Au in the wiring 122 to some extent.
図１４に示すように、発光素子１１０と基板１２０とは溶融半田を介して接合される。溶融半田は基板１２０のＡｕと混ざり合い、Ａｕリッチな状態に変化する。このため、Ａｕ−Ｓｎ系半田の融点が上昇し、その融点がステージ温度を超える。これにより、Ａｕ−Ｓｎ系半田は固化する。このように、発光素子１１０と基板１２０とを半田により接合して半田接合部Ｂ１を形成する。 As shown in FIG. 14, the light emitting element 110 and the substrate 120 are joined via molten solder. The molten solder mixes with Au on the substrate 120 and changes to an Au-rich state. Therefore, the melting point of the Au—Sn-based solder rises, and the melting point exceeds the stage temperature. As a result, the Au-Sn-based solder is solidified. In this way, the light emitting element 110 and the substrate 120 are joined by solder to form the solder joint portion B1.
６−２．検査工程
６−２−１．第１検査工程
検査装置１０００を用いて、半田接合部Ｂ１をＸ線により検査する。検査装置１０００は、半田接合部Ｂ１の複数のＸ線画像を第１グループと第２グループとのいずれか一方に分類する。第１グループは、良品のみのグループである。第２グループは、良品と不良品とを含むグループである。
6-2. Inspection process 6-2-1. First Inspection Step The solder joint portion B1 is inspected by X-rays using the inspection apparatus 1000. The inspection device 1000 classifies a plurality of X-ray images of the solder joint portion B1 into either a first group or a second group. The first group is a group of only non-defective products. The second group is a group including non-defective products and defective products.
良品のみの第１グループの基板１２０を次の蛍光体板接着工程にまわし、良品と不良品とを含む第２グループの基板１２０を第２検査工程にまわす。 The first group substrate 120 containing only non-defective products is sent to the next phosphor plate bonding step, and the second group substrate 120 including non-defective products and defective products is sent to the second inspection step.
６−２−２．第２検査工程
第２検査工程では、作業者が第２グループに分類されたＸ線画像を目視により判定する。作業者は、良品、非接合、ボイドの各パターンを把握している。そのため、第２グループの基板１２０から良品のみを選択し、良品の基板１２０を次の壁部材形成工程にまわす。なお、この第２検査工程では、第１グループに分類されたＸ線画像を判定しない。
6-2-2. Second inspection step In the second inspection step, the operator visually determines the X-ray images classified into the second group. The worker is aware of each pattern of non-defective product, non-bonded product, and void. Therefore, only the non-defective substrate 120 is selected from the substrate 120 of the second group, and the non-defective substrate 120 is sent to the next wall member forming step. In this second inspection step, the X-ray images classified into the first group are not determined.
そのため、次の壁部材形成工程では、第１検査工程において検査装置１０００が良品と判定した基板１２０と、第２検査工程において作業者が良品と判定した基板１２０とに壁部材１５０を形成することとなる。 Therefore, in the next wall member forming step, the wall member 150 is formed on the substrate 120 determined by the inspection device 1000 to be a good product in the first inspection step and the substrate 120 determined by the operator to be a good product in the second inspection step. It becomes.
６−３．蛍光体板接着工程
次に、蛍光体板１４０を接着剤１３０を介して発光素子１１０に貼り付ける。蛍光体板１４０における接着剤１３０の反対側の面は、光取り出し面である。
6-3. Fluorescent plate bonding step Next, the phosphor plate 140 is attached to the light emitting element 110 via the adhesive 130. The surface of the phosphor plate 140 opposite to the adhesive 130 is a light extraction surface.
６−４．壁部材形成工程
次に、基板１２０の上に壁部材１５０を形成する。そのために例えば、溶融状態の樹脂を基板１２０の上に供給する。そして、樹脂を冷却する。これにより、壁部材１５０が形成される。
6-4. Wall member forming step Next, the wall member 150 is formed on the substrate 120. For that purpose, for example, a molten resin is supplied onto the substrate 120. Then, the resin is cooled. As a result, the wall member 150 is formed.
６−５．反射材形成工程
次に、壁部材１５０の内部に反射材１６０を充填する。そのために例えば、溶融状態の反射材を壁部材１５０の内部に注ぐ。そして、反射材を冷却する。これにより、反射材１６０が形成される。
6-5. Reflective material forming step Next, the reflective material 160 is filled inside the wall member 150. For that purpose, for example, a molten reflective material is poured into the inside of the wall member 150. Then, the reflective material is cooled. As a result, the reflective material 160 is formed.
６−６．その他の工程
上記の他、ダイシング工程や熱処理工程等のその他の工程を実施してもよい。
6-6. Other Steps In addition to the above, other steps such as a dicing step and a heat treatment step may be carried out.
７．第１の実施形態の効果
検査装置１０００が、発光素子１１０を半田接合部Ｂ１により半田接合された多数の基板１２０のうち、大部分を良品と判断する。そのため、作業者は、半田接合された基板１２０を全数検査する必要が無い。検査装置１０００は、作業者よりも早く判断できる。そのため、全体として発光装置１００の生産性が向上する。また、コストも削減できる。
7. Effect of the first embodiment The inspection device 1000 determines that most of the large number of substrates 120 in which the light emitting element 110 is solder-bonded by the solder-bonded portion B1 are non-defective products. Therefore, the operator does not need to inspect all the solder-bonded substrates 120. The inspection device 1000 can judge faster than the operator. Therefore, the productivity of the light emitting device 100 is improved as a whole. In addition, the cost can be reduced.
検査装置１０００は、機械学習によりＸ線画像を判断する。しかし、検査装置１０００は、１００％の精度でＸ線画像を判断できるとは限らない。そのような場合であっても、接合不良な半田接合部を有する基板を後工程に流さないようにすることができる。 The inspection device 1000 determines the X-ray image by machine learning. However, the inspection device 1000 cannot always determine an X-ray image with 100% accuracy. Even in such a case, it is possible to prevent the substrate having the solder joint portion having poor bonding from flowing to the subsequent process.
８．変形例
８−１．評価値
第１の実施形態では、評価部１３４２は、０以上１以下の評価値をＸ線画像に付与する。しかし、評価部１３４２は、例えば、０以上１００以下の評価値をＸ線画像に付与してもよい。その場合には、もちろん、閾値の値も変わる。
8. Modification 8-1. Evaluation value In the first embodiment, the evaluation unit 1342 assigns an evaluation value of 0 or more and 1 or less to the X-ray image. However, the evaluation unit 1342 may give an evaluation value of 0 or more and 100 or less to the X-ray image, for example. In that case, of course, the threshold value also changes.
また、第１の実施形態では、検査装置１０００は、評価値が小さいほどＸ線画像が良品に近いと判断し、評価値が大きいほどＸ線画像が良品から遠いと判断する。しかし、この逆であってもよい。つまり、検査装置１０００は、評価値が小さいほどＸ線画像が良品から遠いと判断し、評価値が大きいほどＸ線画像が良品に近いと判断してもよい。この場合であっても、好適な閾値を設定すればよい。このように、閾値は、評価値の定義に依存して変わる値である。 Further, in the first embodiment, the inspection device 1000 determines that the smaller the evaluation value is, the closer the X-ray image is to the good product, and the larger the evaluation value is, the farther the X-ray image is from the good product. However, the reverse may be true. That is, the inspection device 1000 may determine that the smaller the evaluation value, the farther the X-ray image is from the good product, and the larger the evaluation value, the closer the X-ray image is to the good product. Even in this case, a suitable threshold value may be set. In this way, the threshold value is a value that changes depending on the definition of the evaluation value.
８−２．検査工程の順序
検査工程を後の工程にしてもよい。例えば、反射材形成工程の後に検査工程を実施してもよい。検査工程については、半田接合工程の後であればいつ実施してもよい。ただし、半田接合工程の直後に検査工程を実施し、接合不良の基板１２０を後工程にまわさないようにすることで、全体の生産性は向上する。
8-2. Order of inspection process The inspection process may be a later process. For example, the inspection step may be performed after the reflector forming step. The inspection step may be carried out at any time after the solder joining step. However, the overall productivity is improved by carrying out the inspection step immediately after the solder joining step so that the poorly joined substrate 120 is not sent to the subsequent process.
８−３．学習実行部
判定部１３４０が学習済みのニューラルネットワークを有していればよい。そのため、制御部１３００は、必ずしも学習実行部１３５０を有していなくてよい。ニューラルネットワークを学習するときのみ外部の学習実行部を利用してもよい。その場合には、制御部１３００の外部の学習実行部がニューラルネットワークの学習を実行することとなる。
8-3. The learning execution unit determination unit 1340 may have a trained neural network. Therefore, the control unit 1300 does not necessarily have to have the learning execution unit 1350. An external learning execution unit may be used only when learning a neural network. In that case, the learning execution unit outside the control unit 1300 executes the learning of the neural network.
８−４．最適化法
最適化法として、バッチ勾配降下法、ミニバッチ勾配降下法、確率的勾配降下法等、種々の方法を用いてもよい。
8-4. Optimization method As the optimization method, various methods such as a batch gradient descent method, a mini-batch gradient descent method, and a stochastic gradient descent method may be used.
８−５．組み合わせ
上記の変形例を自由に組み合わせてよい。
8-5. Combination The above modification examples may be freely combined.
（評価試験）
１．評価試験の例示
１−１．機械学習
ニューラルネットワークは、入力層と、中間層と、出力層と、を有する。入力層は、Ｘ線画像を入力される。出力層は、Ｘ線画像について評価値を出力する。評価値は、０以上１以下の数値である。評価値が０に近いほど検査装置はＸ線画像が良品に近いと判断している。評価値が１に近いほど検査装置はＸ線画像が不良品に近いと判断している。
(Evaluation test)
1. 1. Example of evaluation test 1-1. A machine learning neural network has an input layer, an intermediate layer, and an output layer. An X-ray image is input to the input layer. The output layer outputs an evaluation value for the X-ray image. The evaluation value is a numerical value of 0 or more and 1 or less. The closer the evaluation value is to 0, the closer the X-ray image is to a non-defective product. The closer the evaluation value is to 1, the inspection device determines that the X-ray image is closer to a defective product.
また、この例においては、閾値は０．６としている。 Further, in this example, the threshold value is set to 0.6.
１−２．結果の例示
図１５は、評価試験の結果を例示するグラフである。図１５の横軸は評価値である。図１５の縦軸は度数である。図１５の線Ｌ１は閾値の０．６を表している。つまり、線Ｌ１の左側の領域が第１グループに相当し、線Ｌ１の右側の領域が第２グループに相当している。図１５に示すように、データは、第１の領域Ｒ１、第２の領域Ｒ２、第３の領域Ｒ３、第４の領域Ｒ４、を有する。
1-2. Illustrated Results FIG. 15 is a graph illustrating the results of the evaluation test. The horizontal axis of FIG. 15 is an evaluation value. The vertical axis of FIG. 15 is the frequency. Line L1 in FIG. 15 represents the threshold value of 0.6. That is, the area on the left side of the line L1 corresponds to the first group, and the area on the right side of the line L1 corresponds to the second group. As shown in FIG. 15, the data has a first region R1, a second region R2, a third region R3, and a fourth region R4.
第１の領域Ｒ１は、検査装置が良品と判断し、かつ、作業者が良品と判断したＸ線画像の集合である。第２の領域Ｒ２は、検査装置が不良品と判断し、かつ、作業者が良品と判断したＸ線画像の集合である。第３の領域Ｒ３は、検査装置が不良品と判断し、かつ、作業者が不良品と判断したＸ線画像の集合である。第４の領域Ｒ４は、検査装置が良品と判断し、かつ、作業者が不良品と判断したＸ線画像の集合である。 The first region R1 is a set of X-ray images determined by the inspection device to be non-defective and by the operator to be non-defective. The second region R2 is a set of X-ray images that the inspection device determines to be defective and the operator determines to be non-defective. The third region R3 is a set of X-ray images that the inspection device determines to be defective and the operator determines that the product is defective. The fourth region R4 is a set of X-ray images judged by the inspection device to be non-defective and by the operator to be defective.
ここで、熟練した作業者は、正確にＸ線画像を判断することができる。つまり、作業者の判断が正解である。 Here, a skilled worker can accurately determine the X-ray image. In other words, the worker's judgment is correct.
第１の領域Ｒ１および第３の領域Ｒ３では、作業者の判断と検査装置の判断とが一致している。つまり、検査装置は、正解を出力している。第２の領域Ｒ２および第４の領域Ｒ４では、作業者の判断と検査装置の判断とが一致しない。つまり、検査装置は、不正解を出力している。 In the first region R1 and the third region R3, the judgment of the operator and the judgment of the inspection device coincide with each other. That is, the inspection device outputs the correct answer. In the second region R2 and the fourth region R4, the judgment of the operator and the judgment of the inspection device do not match. That is, the inspection device outputs an incorrect answer.
第２の領域Ｒ２のＸ線画像は第２グループに分類されることになる。そのため、第２の領域Ｒ２の画像は、目視による再検査を受けることとなる。つまり、第２の領域Ｒ２のＸ線画像は、大きな問題とはならない。 The X-ray image of the second region R2 will be classified into the second group. Therefore, the image of the second region R2 will be visually re-examined. That is, the X-ray image of the second region R2 does not pose a big problem.
第４の領域Ｒ４のＸ線画像は第１グループに分類されることになる。第１グループは、接合不良なＸ線画像を含んでいてはならない。目視による再検査を受けずに後工程にまわされてしまうからである。 The X-ray image of the fourth region R4 will be classified into the first group. The first group must not contain poorly joined X-ray images. This is because it is sent to the subsequent process without undergoing a visual re-inspection.
第４の領域Ｒ４に該当するデータ数がゼロであれば、このニューラルネットワークは、第１の実施形態と同様の効果を奏することができる。第４の領域Ｒ４に該当するデータ数は、非常に少ない。第４の領域Ｒ４に該当するデータ数をゼロにする方法は、２つある。１つは、適切な機械学習によりニューラルネットワークの精度を高めることである。もう１つは、閾値の設定値を変更することである。具体的には、閾値の数値を小さくすることである。 If the number of data corresponding to the fourth region R4 is zero, this neural network can achieve the same effect as that of the first embodiment. The number of data corresponding to the fourth region R4 is very small. There are two methods for reducing the number of data corresponding to the fourth region R4 to zero. One is to improve the accuracy of neural networks by appropriate machine learning. The other is to change the threshold setting value. Specifically, it is to reduce the numerical value of the threshold value.
２．評価試験１
２−１．教師データ
教師データとして、接合良好なＸ線画像と、接合不良なＸ線画像と、を用いた。接合不良なＸ線画像は、非接合部を有するＸ線画像と、ボイドを有するＸ線画像と、を含む。また、ボイドを有するＸ線画像に、斑状ボイドを有するＸ線画像を含めなかった。
2. 2. Evaluation test 1
2-1. Teacher data As teacher data, an X-ray image with good bonding and an X-ray image with poor bonding were used. The poorly joined X-ray image includes an X-ray image having a non-joined portion and an X-ray image having voids. Also, the X-ray image with voids did not include the X-ray image with mottled voids.
接合良好なＸ線画像は３００枚であった。非接合部を有するＸ線画像は１５０枚であった。ボイドを有するＸ線画像は１５０枚であった。 The number of X-ray images with good bonding was 300. There were 150 X-ray images with non-joints. There were 150 X-ray images with voids.
２−２．評価方法
判定に用いたＸ線画像の数は４０００であった。閾値を０．５８とした。
2-2. Evaluation method The number of X-ray images used for the determination was 4000. The threshold was set to 0.58.
２−３．結果
図１６は、評価試験１の結果を示すグラフである。この場合には、第４の領域Ｒ４に該当するデータ数はゼロであった。このため、このニューラルネットワークを第１検査工程に適用すれば、接合不良なＸ線画像を高い精度で検出することができる。
2-3. Results FIG. 16 is a graph showing the results of the evaluation test 1. In this case, the number of data corresponding to the fourth region R4 was zero. Therefore, if this neural network is applied to the first inspection step, it is possible to detect an X-ray image with poor bonding with high accuracy.
３．評価試験２
３−１．教師データ
評価試験２の教師データは評価試験１の教師データと同じである。
3. 3. Evaluation test 2
3-1. Teacher data The teacher data of the evaluation test 2 is the same as the teacher data of the evaluation test 1.
３−２．評価方法
判定に用いたＸ線画像の数は１２００００であった。閾値を０．５８とした。
3-2. Evaluation method The number of X-ray images used for the determination was 120,000. The threshold was set to 0.58.
３−３．結果
図１７は、評価試験２の結果を示すグラフである。この場合には、第４の領域Ｒ４に該当するデータが、０．００２％の確率で発生してしまった。このため、このニューラルネットワークを第１検査工程に適用すれば、わずかであるものの接合不良なＸ線画像の検出漏れが発生してしまう。
3-3. Results FIG. 17 is a graph showing the results of the evaluation test 2. In this case, the data corresponding to the fourth region R4 has been generated with a probability of 0.002%. Therefore, if this neural network is applied to the first inspection step, a slight omission of detection of a poorly joined X-ray image will occur.
４．評価試験３
４−１．教師データ
評価試験１、評価試験２の教師データに加えて、斑状ボイドを有するＸ線画像を加えた。斑状ボイドを有するＸ線画像は１０枚であった。
4. Evaluation test 3
4-1. Teacher data In addition to the teacher data of evaluation test 1 and evaluation test 2, an X-ray image having mottled voids was added. There were 10 X-ray images with mottled voids.
４−２．評価方法
判定に用いたＸ線画像の数は１２００００であった。閾値を０．５８とした。
4-2. Evaluation method The number of X-ray images used for the determination was 120,000. The threshold was set to 0.58.
４−３．結果
図１８は、評価試験３の結果を示すグラフである。この場合には、第４の領域Ｒ４に該当するデータ数はゼロであった。このため、このニューラルネットワークを第１検査工程に適用すれば、接合不良なＸ線画像を非常に高い精度で検出することができる。
4-3. Results FIG. 18 is a graph showing the results of the evaluation test 3. In this case, the number of data corresponding to the fourth region R4 was zero. Therefore, if this neural network is applied to the first inspection step, it is possible to detect an X-ray image with poor bonding with extremely high accuracy.
５．評価試験４
また、教師データおよび判定するＸ線画像における半田接合部の周囲の枠部分を切り取った。これにより、ニューラルネットワークの精度が向上した。具体的には、閾値を０．６６に設定することができた。これは、第２グループに含まれるＸ線画像の数が少なくなったことを示している。すなわち、第２検査工程で作業者が目視により確認すべきＸ線画像の数が減少したことを示している。つまり、生産性は向上している。
5. Evaluation test 4
In addition, the frame portion around the solder joint portion in the teacher data and the X-ray image to be determined was cut out. This has improved the accuracy of the neural network. Specifically, the threshold could be set to 0.66. This indicates that the number of X-ray images included in the second group has decreased. That is, it shows that the number of X-ray images that the operator should visually confirm in the second inspection step has decreased. In other words, productivity is improving.
（付記）
第１の態様における発光装置の製造方法は、発光素子と基板とを半田により接合して半田接合部を形成する半田接合工程と、半田接合部をＸ線により検査する検査工程と、を有する。検査工程では、閾値を用い、半田接合部のＸ線画像を取得し、Ｘ線画像に評価値を付与し、評価値と閾値とを比較することによりＸ線画像を分類する。
(Additional note)
The method for manufacturing a light emitting device according to the first aspect includes a solder joining step of joining a light emitting element and a substrate with solder to form a solder joint, and an inspection step of inspecting the solder joint with X-rays. In the inspection step, an X-ray image of the solder joint is acquired using a threshold value, an evaluation value is given to the X-ray image, and the X-ray image is classified by comparing the evaluation value with the threshold value.
第２の態様における発光装置の製造方法においては、Ｘ線画像に評価値を付与する際に、学習済みのニューラルネットワークの入力層にＸ線画像を入力し、ニューラルネットワークの出力層からＸ線画像の評価値を出力する。 In the method for manufacturing a light emitting device according to the second aspect, when an evaluation value is given to an X-ray image, the X-ray image is input to the input layer of the trained neural network, and the X-ray image is transmitted from the output layer of the neural network. Outputs the evaluation value of.
第３の態様における発光装置の製造方法においては、Ｘ線画像を分類する際に、Ｘ線画像を第１グループと第２グループとのいずれか一方に分類する。第１グループは、接合不良なＸ線画像を含まず接合良好なＸ線画像を含むグループである。第２グループは、接合良好なＸ線画像と接合不良なＸ線画像とを含むグループである。 In the method for manufacturing a light emitting device according to the third aspect, when classifying an X-ray image, the X-ray image is classified into either a first group or a second group. The first group is a group that does not include an X-ray image with poor bonding but includes an X-ray image with good bonding. The second group is a group including an X-ray image with good bonding and an X-ray image with poor bonding.
第４の態様における発光装置の製造方法は、作業者が第２グループに分類されたＸ線画像を目視により判定する第２検査工程を有する。 The method for manufacturing a light emitting device according to the fourth aspect includes a second inspection step in which an operator visually determines an X-ray image classified into a second group.
第５の態様における半田接合部検査装置は、発光素子と基板との間の半田接合部にＸ線を照射するＸ線照射部と、半田接合部を透過したＸ線を受光するＸ線受光部と、Ｘ線受光部が受光したＸ線のＸ線画像を判定する判定部と、を有する。判定部は、閾値を設定する閾値設定部と、Ｘ線画像を取得する画像取得部と、Ｘ線画像に評価値を付与する評価部と、評価値と閾値とを比較することによりＸ線画像を分類する分類部と、を有する。 The solder joint inspection device according to the fifth aspect includes an X-ray irradiation unit that irradiates the solder joint between the light emitting element and the substrate with X-rays, and an X-ray light receiving unit that receives X-rays that have passed through the solder joint. And a determination unit for determining an X-ray image of the X-ray received by the X-ray light receiving unit. The determination unit is an X-ray image by comparing the threshold setting unit for setting the threshold, the image acquisition unit for acquiring the X-ray image, the evaluation unit for assigning the evaluation value to the X-ray image, and the evaluation value and the threshold. It has a classification unit for classifying.
第６の態様における半田接合部検査装置においては、評価部は、Ｘ線画像を入力層に入力されるとともに評価値を出力層から出力する学習済みのニューラルネットワークを有する。 In the solder joint inspection apparatus according to the sixth aspect, the evaluation unit has a trained neural network in which an X-ray image is input to the input layer and an evaluation value is output from the output layer.
第７の態様における半田接合部検査装置においては、分類部は、Ｘ線画像を第１グループと第２グループとのいずれか一方に分類する。第１グループは、接合不良なＸ線画像を含まず接合良好なＸ線画像を含むグループである。第２グループは、接合良好なＸ線画像と接合不良なＸ線画像とを含むグループである。 In the solder joint inspection apparatus according to the seventh aspect, the classification unit classifies the X-ray image into either the first group or the second group. The first group is a group that does not include an X-ray image with poor bonding but includes an X-ray image with good bonding. The second group is a group including an X-ray image with good bonding and an X-ray image with poor bonding.
１００…発光装置
１１０…発行素子
１２０…基板
Ｂ１…半田接合部
１０００…検査装置
１１００…Ｘ線発生器
１２００…検出器
１３００…制御部
１３４０…判定部
100 ... light emitting device 110 ... issuing element 120 ... substrate B1 ... solder joint 1000 ... inspection device 1100 ... X-ray generator 1200 ... detector 1300 ... control unit 1340 ... judgment unit
Claims (7)
前記半田接合部をＸ線により検査する検査工程と、
を有し、
前記検査工程では、
閾値を用い、
前記半田接合部のＸ線画像を取得し、
前記Ｘ線画像に評価値を付与し、
前記評価値と前記閾値とを比較することにより前記Ｘ線画像を分類する、
発光装置の製造方法。 A solder joining process in which a light emitting element and a substrate are joined by solder to form a solder joint.
The inspection process of inspecting the solder joint by X-ray and
Have,
In the inspection process,
Using the threshold
An X-ray image of the solder joint is acquired and
An evaluation value is given to the X-ray image,
The X-ray image is classified by comparing the evaluation value with the threshold value.
Manufacturing method of light emitting device.
前記Ｘ線画像に評価値を付与する際に、
学習済みのニューラルネットワークの入力層に前記Ｘ線画像を入力し、
前記ニューラルネットワークの出力層から前記Ｘ線画像の前記評価値を出力する、
発光装置の製造方法。 In the method for manufacturing a light emitting device according to claim 1,
When giving an evaluation value to the X-ray image,
The X-ray image is input to the input layer of the trained neural network, and the X-ray image is input.
The evaluation value of the X-ray image is output from the output layer of the neural network.
Manufacturing method of light emitting device.
前記Ｘ線画像を分類する際に、
前記Ｘ線画像を第１グループと第２グループとのいずれか一方に分類し、
前記第１グループは、
接合不良なＸ線画像を含まず接合良好なＸ線画像を含むグループであり、
前記第２グループは、
接合良好なＸ線画像と接合不良なＸ線画像とを含むグループである、
発光装置の製造方法。 In the method for manufacturing a light emitting device according to claim 1 or 2.
When classifying the X-ray images
The X-ray image is classified into one of the first group and the second group.
The first group is
It is a group that does not include X-ray images with poor bonding but includes X-ray images with good bonding.
The second group is
A group that includes an X-ray image with good bonding and an X-ray image with poor bonding.
Manufacturing method of light emitting device.
作業者が前記第２グループに分類された前記Ｘ線画像を目視により判定する第２検査工程を有する、
発光装置の製造方法。 In the method for manufacturing a light emitting device according to claim 3,
It has a second inspection step in which an operator visually determines the X-ray image classified into the second group.
Manufacturing method of light emitting device.
前記半田接合部を透過したＸ線を受光するＸ線受光部と、
前記Ｘ線受光部が受光したＸ線のＸ線画像を判定する判定部と、
を有し、
前記判定部は、
閾値を設定する閾値設定部と、
前記Ｘ線画像を取得する画像取得部と、
前記Ｘ線画像に評価値を付与する評価部と、
前記評価値と前記閾値とを比較することにより前記Ｘ線画像を分類する分類部と、
を有する、
半田接合部検査装置。 An X-ray irradiation unit that irradiates the solder joint between the light emitting element and the substrate with X-rays,
An X-ray light receiving part that receives X-rays that have passed through the solder joint and
A determination unit that determines an X-ray image of the X-ray received by the X-ray light receiving unit, and a determination unit.
Have,
The determination unit
A threshold setting unit that sets the threshold and
An image acquisition unit that acquires the X-ray image and
An evaluation unit that gives an evaluation value to the X-ray image and
A classification unit that classifies the X-ray image by comparing the evaluation value with the threshold value,
Have,
Solder joint inspection device.
前記評価部は、
前記Ｘ線画像を入力層に入力されるとともに前記評価値を出力層から出力する学習済みのニューラルネットワークを有する、
半田接合部検査装置。 In the solder joint inspection apparatus according to claim 5,
The evaluation unit
It has a trained neural network in which the X-ray image is input to the input layer and the evaluation value is output from the output layer.
Solder joint inspection device.
前記分類部は、
前記Ｘ線画像を第１グループと第２グループとのいずれか一方に分類し、
前記第１グループは、
接合不良なＸ線画像を含まず接合良好なＸ線画像を含むグループであり、
前記第２グループは、
接合良好なＸ線画像と接合不良なＸ線画像とを含むグループである、
半田接合部検査装置。 In the solder joint inspection apparatus according to claim 5 or 6.
The classification unit
The X-ray image is classified into one of the first group and the second group.
The first group is
It is a group that does not include X-ray images with poor bonding but includes X-ray images with good bonding.
The second group is
A group that includes an X-ray image with good bonding and an X-ray image with poor bonding.
Solder joint inspection device.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019057032A JP2020159758A (en) | 2019-03-25 | 2019-03-25 | Light emitting device manufacturing method and solder joint inspection device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019057032A JP2020159758A (en) | 2019-03-25 | 2019-03-25 | Light emitting device manufacturing method and solder joint inspection device |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2020159758A true JP2020159758A (en) | 2020-10-01 |
Family
ID=72642795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019057032A Pending JP2020159758A (en) | 2019-03-25 | 2019-03-25 | Light emitting device manufacturing method and solder joint inspection device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2020159758A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023140075A1 (en) * | 2022-01-24 | 2023-07-27 | 株式会社村田製作所 | Elastic wiring substrate and method for manufacturing elastic wiring substrate |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0368845A (en) * | 1989-08-09 | 1991-03-25 | Hitachi Ltd | Method and apparatus for inspecting soldering |
| JPH0772094A (en) * | 1993-09-02 | 1995-03-17 | Sanyo Electric Co Ltd | Inspecting apparatus for soldering |
| JPH0896136A (en) * | 1994-09-26 | 1996-04-12 | Kawasaki Heavy Ind Ltd | Evaluation system for welding defect |
| WO2011105409A1 (en) * | 2010-02-24 | 2011-09-01 | シチズン電子株式会社 | Mounting board and mounting structure thereof |
| KR101241271B1 (en) * | 2012-10-09 | 2013-03-15 | 주식회사 이티엘 | Manufacturing method of led lighting module with printed circuit of film type |
| JP2015096836A (en) * | 2013-11-15 | 2015-05-21 | 国立大学法人大阪大学 | Apparatus for evaluating void in solder and method of evaluating void in solder |
| JP2018148198A (en) * | 2017-09-29 | 2018-09-20 | 山栄化学株式会社 | Active resin composition and solder cream, and printed wiring board |
-
2019
- 2019-03-25 JP JP2019057032A patent/JP2020159758A/en active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0368845A (en) * | 1989-08-09 | 1991-03-25 | Hitachi Ltd | Method and apparatus for inspecting soldering |
| JPH0772094A (en) * | 1993-09-02 | 1995-03-17 | Sanyo Electric Co Ltd | Inspecting apparatus for soldering |
| JPH0896136A (en) * | 1994-09-26 | 1996-04-12 | Kawasaki Heavy Ind Ltd | Evaluation system for welding defect |
| WO2011105409A1 (en) * | 2010-02-24 | 2011-09-01 | シチズン電子株式会社 | Mounting board and mounting structure thereof |
| KR101241271B1 (en) * | 2012-10-09 | 2013-03-15 | 주식회사 이티엘 | Manufacturing method of led lighting module with printed circuit of film type |
| JP2015096836A (en) * | 2013-11-15 | 2015-05-21 | 国立大学法人大阪大学 | Apparatus for evaluating void in solder and method of evaluating void in solder |
| JP2018148198A (en) * | 2017-09-29 | 2018-09-20 | 山栄化学株式会社 | Active resin composition and solder cream, and printed wiring board |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023140075A1 (en) * | 2022-01-24 | 2023-07-27 | 株式会社村田製作所 | Elastic wiring substrate and method for manufacturing elastic wiring substrate |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5052816A (en) | Junction inspection method and apparatus for electronic parts | |
| US8711348B2 (en) | Method of inspecting wafer | |
| CN108802046B (en) | Optical detection device and detection method for defects of hybrid integrated circuit assembly | |
| US5246291A (en) | Bond inspection technique for a semiconductor chip | |
| JP2002541443A (en) | Material inspection | |
| TW202045944A (en) | Test apparatus, test method and computer-readable medium | |
| JPH1050784A (en) | Method for analyzing parasitic mim structure part in semiconductor device and method for analyzing parasitic mim structure part in si semiconductor device | |
| JP2010271165A (en) | Inspection device for printed circuit board | |
| CN101435781A (en) | Optical check device and method of printed circuit board | |
| CN103336239B (en) | The method of wafer sort | |
| JP2020159758A (en) | Light emitting device manufacturing method and solder joint inspection device | |
| US5184768A (en) | Solder interconnection verification | |
| US6339337B1 (en) | Method for inspecting semiconductor chip bonding pads using infrared rays | |
| US4944447A (en) | Bonding verification process incorporating test patterns | |
| EP0942466A1 (en) | Process for manufacturing semiconductor device and semiconductor component | |
| US20230298155A1 (en) | Information processing apparatus and information processing method | |
| US11219972B2 (en) | Soldering process method | |
| CN105917217B (en) | Quality control system | |
| KR20200094587A (en) | Apparatus and method for repairing faulty solder using laser | |
| JP2012037256A (en) | Mounting state inspection method for electronic component | |
| Gershman et al. | Solder-joint quantitative crack analysis—Ohmic resistance approach | |
| JPH05172772A (en) | Inspecting method for bonded part of electronic component | |
| US4661771A (en) | Method of screening resin-sealed semiconductor devices | |
| KR20090069851A (en) | Apparatus and method for inspecting solder bump formation and transfer state using thermal image in wafer bumping process | |
| JP7140930B1 (en) | Board inspection device and board inspection method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210630 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220418 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220517 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20220701 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20221115 |