JP2021148678A - 不良検出装置及び不良検出方法 - Google Patents
不良検出装置及び不良検出方法 Download PDFInfo
- Publication number
- JP2021148678A JP2021148678A JP2020050478A JP2020050478A JP2021148678A JP 2021148678 A JP2021148678 A JP 2021148678A JP 2020050478 A JP2020050478 A JP 2020050478A JP 2020050478 A JP2020050478 A JP 2020050478A JP 2021148678 A JP2021148678 A JP 2021148678A
- Authority
- JP
- Japan
- Prior art keywords
- image
- classification
- defect detection
- classified
- unit
- 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.)
- Granted
Links
- 230000007547 defect Effects 0.000 title claims abstract description 86
- 238000001514 detection method Methods 0.000 title claims abstract description 65
- 238000010191 image analysis Methods 0.000 claims abstract description 40
- 239000000126 substance Substances 0.000 claims description 23
- 230000002950 deficient Effects 0.000 abstract description 53
- 239000000758 substrate Substances 0.000 abstract description 42
- 238000003384 imaging method Methods 0.000 abstract description 6
- 238000000034 method Methods 0.000 abstract description 3
- 238000003860 storage Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 239000000835 fiber Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 229910000679 solder Inorganic materials 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Abstract
Description
図1に示すように、不良検出装置10は、撮像装置20とコンピュータ30を備える。撮像装置20は、基板11上の検査対象領域を撮像して基板11の画像を取得し、取得した画像をコンピュータ30に入力する。コンピュータ30は、撮像装置20から入力された画像の属性を学習済みの分類器によって分類する。そのため、コンピュータ30は分類部として機能する。
撮像装置20について説明する。
入力デバイス23としては、特に限定されないが、電気信号や光信号に変換された画像をコンピュータ30との間で有線通信するケーブルや、後述するコンピュータ30の通信部39との間で無線通信する送信機を用いることができる。
図2に示すように、コンピュータ30は、各種演算処理を行うCPU31、基本プログラムを記憶するROM32、および、各種情報を記憶するRAM33を含む一般的なコンピュータシステムの構成となっている。
図3に示すように、不良検出装置10は、機能構成として、分類部50、分類器構築部60、及び、画像解析部70を有している。分類部50、及び、分類器構築部60によって、画像の属性が分類される。画像解析部70によって、特定の分類に属する画像が解析される。
分類部50について説明する。
分類器構築部60は、分類部50における複数の分類器54を構築する。分類器構築部60は、教師データ記憶部61及び学習部62を有しており、複数の分類器54は、事前に構築されている。これらの構成が実現する機能の詳細については後述する。なお、これらの機能は専用の電気回路により構築されてもよく、部分的に専用の電気回路が利用されてもよい。
画像解析部70は、コンピュータ30内の画像処理ソフトを用いて、分類部50で良品に分類された画像のうち、特定の分類として浮遊異物有りや繊維異物有りに分類された画像を処理して解析する。画像の処理としては、例えば、色の濃淡等の色味を変換して特定の色を抽出しやすくすることや、画像内の線状物の形状を計測して数値化することが挙げられる。ここで、「線状物」とは、線のように細長い形状を意味するものとする。画像解析ソフトは、コンピュータに接続された他のコンピュータ等の端末内にあってもよい。画像解析ソフトは、公知の画像解析ソフトを用いることができる。
分類器54は、分類器54が含むパラメータに値を付与したり、構造を決定すること等によって構築される。分類器54の構築の際には、事前準備として、多数の画像が分類器構築部60の教師データ記憶部61に記憶される。多数の画像には、基板11の表面画像、裏面画像、カラー画像、白黒画像、良品画像(以下、「参照画像」ともいう。)、欠陥画像等が含まれている。続いて、ユーザにより、各欠陥画像が示す欠陥に対して、複数の属性項目についての教示が行われる。ここで、欠陥の属性項目とは、欠陥の色、欠陥の種類、欠陥の存在領域等であり、欠陥の性質や特徴に関する評価項目(評価の観点)である。例えば、欠陥の色では、基板11の表面のソルダーレジストが剥がれて銅配線が露出することによる赤味がかった色等の属性がある。欠陥の種類では、基板11上の電子部品の位置ずれ、外形の欠け、傷、下地露出等の属性がある。また、欠陥の存在領域では、表面、裏面、中央部、端部等の属性がある。
図4(a)は浮遊異物有り、図4(b)は下地露出有りの基板11の模式図を示している。図5(a)は繊維異物有り、図5(b)は傷有りの基板11の模式図を示している。
図6にフローチャートを示す。
(ステップS101)
ステップS101は、撮像装置で基板を撮像するステップである。得られた画像を入力デバイスを通じてコンピュータに入力する。
ステップS102は、コンピュータの分類部において画像を分類する分類ステップである。画像を良品と不良品とに分類し、良品に分類された画像の中から、さらに特定の分類に属する画像として、浮遊異物有りと繊維異物有りを分類する。
ステップS103は、ステップS102において良品に分類され、さらに浮遊異物有りと繊維異物有りに分類された画像を、画像解析ソフトを用いて解析する画像解析ステップである。コンピュータ内の画像解析ソフトを用いて、浮遊異物有りに分類された画像から、下地露出有りの画像を検出して不良品に分類する。同様に、繊維異物有りに分類された画像から、傷有りの画像を検出して不良品に分類する。
ステップS104は、ステップS102において、不良品に分類された画像を不良品として記憶するとともに、良品に分類された画像のうち、浮遊異物有り以外及び繊維異物有り以外の画像を良品としてコンピュータに記憶するステップである。
(1)コンピュータの分類部で浮遊異物有りに分類された画像に対して、コンピュータの画像解析部で画像解析を行うことにより、下地露出有りの画像を検出することができる。同様に、分類部で繊維異物有りに分類された画像に対して、画像解析部で画像解析を行うことにより、傷有りの画像を検出することができる。分類部で検出されなかった不良を検出することができるため、分類部のみで不良を検出する態様に比べて、不良の検出精度を向上させることができる。
・本実施形態において、不良検出装置は、撮像装置とコンピュータを備えていたが、この態様に限定されない。不良検出装置は、撮像装置を備えてなく、コンピュータのみで構成されていてもよい。例えば、不良検出装置とは別に撮像装置が設けられており、この撮像装置で撮像された基板の画像を、別途不良検出装置に入力することによって、不良検出を行うように構成されていてもよい。
・本実施形態では、コンピュータの分類器で分類を行った後、画像解析を行っていたが、この態様に限定されない。コンピュータの分類器で分類を行う前に、別途画像解析を行って分類を行い、その後、コンピュータの分類器での分類と、画像解析部による解析を行ってもよい。
(実施例1)
本実施形態の不良検出装置を用いて、電子部品を実装したソルダーレジスト基板の不良を検出した。
繊維異物有りの画像に対しては、ハフ変換を行って画像中の線状物の長手方向における複数個所をドットで表示し、複数のドットを繋いだ仮想線を作成した。直進性の値に関する閾値を用いて線状物の直進性を評価した。
本実施形態の不良検出装置を用いて、良品に分類された基板について、検査員が顕微鏡を用いて再度検査をし、良品と不良品の分類を行った。
本実施形態の不良検出装置を用いて、学習済みの分類器のみを用いて良品と不良品を分類したものを比較例1とした。すなわち、比較例1では、画像解析ソフトを用いた画像解析を行っていない。比較例1では、漏れ率は、400dpmであった。
Claims (6)
- 基板の画像による不良検出装置であって、
学習済みの分類器によって前記画像の属性を分類する分類部と、
前記分類部で分類された画像のうち、特定の分類に属する画像を解析する画像解析部とを備えることを特徴とする不良検出装置。 - 前記特定の分類は、浮遊異物、及び、繊維異物の少なくともいずれか一方を有する分類である請求項1に記載の不良検出装置。
- 前記画像解析部は、前記画像の色味、又は、前記画像中に存在する線状物の少なくとも一方を解析する請求項1又は2に記載の不良検出装置。
- 基板の画像による不良検出方法であって、
学習済みの分類器によって前記画像の属性を分類する分類ステップと、
前記分類ステップで分類された画像のうち、特定の分類に属する画像を解析する画像解析ステップとを備えることを特徴とする不良検出方法。 - 前記特定の分類は、浮遊異物、及び、繊維異物の少なくともいずれか一方を有する分類である請求項4に記載の不良検出方法。
- 前記画像解析ステップは、前記画像の色味、又は、前記画像中に存在する線状物の少なくとも一方を解析する請求項4又は5に記載の不良検出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020050478A JP7423368B2 (ja) | 2020-03-23 | 2020-03-23 | 不良検出装置及び不良検出方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020050478A JP7423368B2 (ja) | 2020-03-23 | 2020-03-23 | 不良検出装置及び不良検出方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021148678A true JP2021148678A (ja) | 2021-09-27 |
JP7423368B2 JP7423368B2 (ja) | 2024-01-29 |
Family
ID=77848471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020050478A Active JP7423368B2 (ja) | 2020-03-23 | 2020-03-23 | 不良検出装置及び不良検出方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7423368B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023095416A1 (ja) * | 2021-11-25 | 2023-06-01 | 株式会社ジャパンディスプレイ | 表示装置の検査方法及び情報処理装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5050607B2 (ja) | 2006-05-09 | 2012-10-17 | オムロン株式会社 | 検査装置、検査方法、検査プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体 |
JP2011192032A (ja) | 2010-03-15 | 2011-09-29 | Nippon Steel Corp | 疵学習装置、疵学習方法、及びコンピュータプログラム |
JP2017211259A (ja) | 2016-05-25 | 2017-11-30 | 株式会社シーイーシー | 検査装置、検査方法、及びプログラム |
JP2018005639A (ja) | 2016-07-04 | 2018-01-11 | タカノ株式会社 | 画像分類装置、画像検査装置、及び、プログラム |
JP7015001B2 (ja) | 2018-03-14 | 2022-02-02 | オムロン株式会社 | 欠陥検査装置、欠陥検査方法、及びそのプログラム |
JP7054450B2 (ja) | 2018-09-10 | 2022-04-14 | 日本電気硝子株式会社 | ワーク検査方法 |
JP6653929B1 (ja) | 2019-07-18 | 2020-02-26 | Jeインターナショナル株式会社 | 自動判別処理装置、自動判別処理方法、検査システム、プログラム、および記録媒体 |
-
2020
- 2020-03-23 JP JP2020050478A patent/JP7423368B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023095416A1 (ja) * | 2021-11-25 | 2023-06-01 | 株式会社ジャパンディスプレイ | 表示装置の検査方法及び情報処理装置 |
Also Published As
Publication number | Publication date |
---|---|
JP7423368B2 (ja) | 2024-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110658198B (zh) | 光学检测方法、光学检测装置及光学检测系统 | |
JP7320704B2 (ja) | 学習装置、検査装置、学習方法および検査方法 | |
KR101895873B1 (ko) | 직물원단 검단방법 및 장치 | |
KR100598381B1 (ko) | 인-라인 타입의 자동 웨이퍼결함 분류장치 및 그 제어방법 | |
JP5718781B2 (ja) | 画像分類装置および画像分類方法 | |
JP2011158373A (ja) | 自動欠陥分類のための教師データ作成方法、自動欠陥分類方法および自動欠陥分類装置 | |
JP2013134666A (ja) | 二値画像生成装置、分類装置、二値画像生成方法および分類方法 | |
CN113109240B (zh) | 一种计算机实施的粮食不完善粒测定方法和系统 | |
TW202242390A (zh) | 缺陷檢查裝置、缺陷檢查方法以及製造方法 | |
CN114862817A (zh) | 一种电路板金手指区域缺陷检测方法及系统及装置及介质 | |
JP7423368B2 (ja) | 不良検出装置及び不良検出方法 | |
CN114226262A (zh) | 瑕疵检测方法、瑕疵分类方法及其系统 | |
CN114782431B (zh) | 一种印刷电路板缺陷检测模型训练方法及缺陷检测方法 | |
CN115947066A (zh) | 皮带撕裂检测方法、装置及系统 | |
CN111563869A (zh) | 用于摄像模组质检的污点测试方法 | |
CN115546141A (zh) | 一种基于多维度度量的小样本Mini LED缺陷检测方法及系统 | |
JP3635762B2 (ja) | 半導体基板表面欠陥の検査方法 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 | |
JP6173088B2 (ja) | 検査装置、検査方法、プログラム及び記録媒体 | |
CN114170318A (zh) | 图像处理方法、装置、系统、介质及电子设备 | |
JP2005165482A (ja) | 欠陥検出方法 | |
JP6035375B1 (ja) | 欠陥検査装置、及び欠陥検査方法 | |
JP2006135700A (ja) | 画像検査装置、画像検査方法、制御プログラムおよび可読記憶媒体 | |
CN111724352B (zh) | 一种基于核密度估计的贴片led瑕疵标注方法 | |
KR100939600B1 (ko) | 제품 품질 검사 시스템 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230111 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231024 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231025 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231215 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240117 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7423368 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |