JP7091010B2 - スクリーンマスク検査装置 - Google Patents

Description

本発明は、基板に対し半田印刷を行う際に使用するスクリーンマスクを検査するためのスクリーンマスク検査装置に関するものである。

一般に、基板上に電子部品を実装する製造ラインにおいては、まず半田印刷機において、基板のランド上にスクリーン印刷によりクリーム半田が印刷される。次に、該クリーム半田の粘性に基づいて基板上に電子部品が仮止めされる。その後、前記基板がリフロー炉へ導かれることで半田付けが行われる。

半田印刷機には、予め印刷対象となる基板のランド配置に対応して多数の開口部が形成されたスクリーンマスクが備えられている。半田印刷に際しては、このスクリーンマスクを基板表面に当接させた状態で、その上にクリーム半田を供給してスキージを摺動させることにより、開口部内にクリーム半田を押し込む。その後、スクリーンマスクを基板から離間させることにより、開口部内に充填されたクリーム半田が版抜けし、ランド上に印刷（転写）される。

このような半田印刷機では、例えば半田の印刷不良が発生した場合や、印刷対象となる基板の品種切替えが行われる場合などにおいて、スクリーンマスクの交換が行われる。

そして、交換されたスクリーンマスクを用いて新たに半田印刷を開始する際には、印刷不良の発生等を未然に防止するべく、事前にスクリーンマスクを検査する場合がある。

かかる検査を行う技術として、例えば半田印刷機にスクリーンマスクが装着された状態で、レーザ計測装置によりスクリーンマスクの上面を３次元測定して、スクリーンマスクの良否判定を行う技術などが知られている（例えば、特許文献１参照）。

特開２００１－３１５３１０号公報

しかしながら、上記特許文献１に係る構成では、スクリーンマスクの表裏両面のうち、半田印刷時にプリント基板と当接する基板当接面側となる裏面（下面）側とは反対側の基板非当接面側である表面（上面）側から三次元計測を行う構成となっている。

このため、半田印刷時にランド上に転写されるクリーム半田のにじみやダレ等の原因となり得る、スクリーンマスクの裏面側の種々の異常（不良箇所）を検出することができないおそれがある。

例えばスクリーンマスクの裏面側における開口部の周縁角部が過剰な電解研磨処理等により丸くなり過ぎている場合〔図１０（ｂ）参照〕や、スクリーンマスクの裏面側に開口部につながる凹みや削れなどの傷が存在している場合〔図１０（ｃ）参照〕、スクリーンマスクの裏面側における開口部周縁に歪み等が生じている場合〔図１０（ｄ）参照〕には、半田印刷時にそこからクリーム半田が流れ、にじみやダレ等の原因となるおそれがある。ひいては、ブリッジ等の印刷不良が発生しやすくなると共に、実装部品の半田付けが適正に行われず、不良品の発生率が高まるおそれがある。

本発明は、上記事情等に鑑みてなされたものであり、その目的は、印刷不良の発生等を抑制することのできるスクリーンマスク検査装置を提供することにある。

以下、上記課題を解決するのに適した各手段につき項分けして説明する。なお、必要に応じて対応する手段に特有の作用効果を付記する。

手段１．複数の開口部が形成され、基板に対し半田印刷を行う際に使用されるスクリーンマスクを検査するためのスクリーンマスク検査装置であって、
前記スクリーンマスクの表裏両面のうち、半田印刷時に前記基板と当接する基板当接面側となる裏面側の前記開口部の周辺部である所定の被検査部に対し所定の光を照射可能な少なくとも１つの照射手段と、
前記所定の光が照射された前記被検査部を撮像可能な撮像手段と、
前記撮像手段によって撮像された前記被検査部に係る画像データを基に、該被検査部に係る形状データを取得可能な形状データ取得手段と、
前記形状データ取得手段により取得された前記被検査部に係る形状データに基づき、前記被検査部の良否を判定可能な判定手段とを備え、
入力される形状データから特徴量を抽出する符号化部と該特徴量から形状データを再構成する復号化部とを有するニューラルネットワークに対し、配置レイアウトにかかわらず異常のない前記被検査部に係る形状データのみを学習データとして学習させて生成した識別手段を備え、
前記判定手段は、
前記形状データ取得手段により取得された前記被検査部に係る形状データを元形状データとして前記識別手段へ入力して再構成された前記被検査部に係る再構成形状データを取得可能な再構成形状データ取得手段と、
前記元形状データと前記再構成形状データとを比較可能な比較手段とを備え、
前記被検査部毎に、前記比較手段による比較結果に基づき、前記被検査部の良否を判定可能に構成されていることを特徴とするスクリーンマスク検査装置。

尚、上記「ニューラルネットワーク」には、例えば複数の畳み込み層を有する畳み込みニューラルネットワークなどが含まれる。また、上記「学習」には、例えば深層学習（ディープラーニング）などが含まれる。上記「識別手段（生成モデル）」には、例えばオートエンコーダ（自己符号化器）や、畳み込みオートエンコーダ（畳み込み自己符号化器）などが含まれる。
上記手段１によれば、ニューラルネットワークを学習して構築した自己符号化器等の識別手段（生成モデル）を用いて、被検査部に異常（不良箇所）があるか否かを判定している。これにより、従来では検出することが困難であった微小な異常を検出することが可能となる。
さらに、本手段では、被検査部を撮像して得た元形状データと、その元形状データを基に再構成して得た再構成形状データとを比較しているため、比較する両形状データにおいて、検査対象物であるスクリーンマスク側の撮像条件（例えばスクリーンマスクの配置位置や配置角度、たわみ等）や、検査装置側の撮像条件（例えば照明状態やカメラの画角等）の違いに基づく影響がなく、より微細な異常をより正確に検出することが可能となる。
尚、仮にスクリーンマスクの所定位置にある所定の被検査部（開口部の周辺部）に係る検査を行う際に、良否判定基準として、該被検査部の構成情報（位置データや寸法データなど）を必要とする構成においては、例えばガーバデータなど基板設計情報を予め記憶しておき、検査対象となる被検査部の構成情報を適宜取得し、該構成情報と比較しつつ検査対象となる被検査部の良否判定を行うこととなるため、検査効率が低下するおそれがある。また、スクリーンマスクの検査位置への位置決めを正確に行う必要がある。
これに対し、本手段によれば、自己符号化器等の識別手段を利用して、各被検査部の検査を行う構成となっているため、多数の被検査部それぞれの個別の構成情報を予め記憶する必要もなく、検査に際しそれを参照する必要もないため、検査効率の向上を図ることができる。
手段２．前記判定手段は、
前記開口部周縁の面取り部の大きさが所定量を超えるか否かを判定することにより、前記被検査部の良否を判定可能に構成されていることを特徴とする手段１に記載のスクリーンマスク検査装置。
手段３．前記照射手段は、前記所定の光として三次元計測用の光を照射可能に構成され、
前記形状データ取得手段は、所定の三次元計測法を利用して、前記被検査部に係る三次元形状データを取得可能に構成されていることを特徴とする手段１又は２に記載のスクリーンマスク検査装置。

手段４．前記判定手段は、
前記被検査部に、所定の大きさを超える異常部があるか否か（例えば「深さ」、「幅」、「長さ」及び「体積」のうち少なくとも１つの判定項目が所定の閾値を超える異常部があるか否か）を判定することにより、前記被検査部の良否を判定可能に構成されていることを特徴とする手段１乃至３のいずれかに記載のスクリーンマスク検査装置。

上記「発明が解決しようとする課題」で述べたように、スクリーンマスクの裏面側に開口部につながる凹みや削れなどの傷が存在している場合〔図１０（ｃ）参照〕や、スクリーンマスクの裏面側における開口部周縁に歪み等が生じている場合〔図１０（ｄ）参照〕には、半田印刷時にそこからクリーム半田が流れ、にじみやダレ等の原因となるおそれがある。これに対し、上記手段４によれば、このような不具合の発生を未然に防ぐことが可能となる。つまり、上記「異常部」には、開口部につながる凹みや削れ等の傷や、開口部周縁の歪みなどが含まれる。また、上記「異常部」には、異物が付着した部位（被検査部に付着した異物）等が含まれることとしてもよい。

手段５．前記スクリーンマスクは、前記裏面側が下側となるように配置され、
前記照射手段は、前記スクリーンマスクの裏面側に対し下方から前記所定の光を照射可能に配置され、
前記撮像手段は、前記スクリーンマスクの裏面側を下方から撮像可能に配置されていることを特徴とする手段１乃至４のいずれかに記載のスクリーンマスク検査装置。

仮にスクリーンマスクの裏面側（基板当接面側）が上側となるように配置され、上方から検査を行う構成となっている場合には、室内照明などの外乱光の影響を受け、安定した検査を行うことが困難となるおそれがある。

これに対し、上記手段５によれば、上記不具合の発生を抑制し、検査精度の向上を図ることができる。特に位相シフト法を利用する場合等のように、微細な輝度変化の影響を受けやすい環境下で検査を行う場合には、より奏功することとなる。

プリント基板の一部を拡大した部分拡大平面図である。 プリント基板の製造ラインの構成を示すブロック図である。 半田印刷機による印刷動作を説明するための模式図である。 メタルマスク検査装置を模式的に示す概略構成図である。 メタルマスク検査装置の機能構成を示すブロック図である。 ニューラルネットワークの構造を説明するための模式図である。 ニューラルネットワークの学習処理の流れを示すフローチャートである。 検査処理の流れを示すフローチャートである。 （ａ）は、表面側から視た開口部及びその周辺部を示すメタルマスクの部分拡大平面図であり、（ｂ）は、（ａ）のＡ－Ａ線断面図である。 （ａ）は、異常のない開口部及びその周辺部を示すメタルマスクの部分拡大断面図であり、（ｂ）～（ｅ）は、異常のある開口部及びその周辺部を示すメタルマスクの部分拡大断面図である。

以下、本発明の一実施形態について説明する。まず半田を印刷して部品を実装する基板の構成について説明する。図１は、基板としてのプリント基板の一部を拡大した部分拡大平面図である。

図１に示すように、プリント基板１は、ガラスエポキシ樹脂等からなる平板状のベース基板２の表面に、銅箔からなる配線パターン（図示略）や複数のランド３が形成されたものである。また、ベース基板２の表面には、ランド３を除く部分にレジスト膜４がコーティングされている。そして、図１，３に示すように、ランド３上には、粘性を有するクリーム半田５が印刷される。尚、図１，３では、便宜上、クリーム半田５を示す部分に散点模様が付されている。

次にプリント基板１を製造する製造ライン（製造工程）について図２を参照して説明する。図２は、プリント基板１の製造ライン１０の構成を示すブロック図である。本実施形態における製造ライン１０では、その正面側から見て、左から右へプリント基板１が搬送されるように設定されている。

図２に示すように、製造ライン１０には、その上流側（図２左側）から順に、半田印刷機１２、半田印刷検査装置１３、部品実装機１４及びリフロー装置１５が設置されている。

半田印刷機１２は、プリント基板１のランド３上にクリーム半田５を印刷する半田印刷工程を行うためのものである。図３に示すように、半田印刷機１２は、プリント基板１上の各ランド３に対応して複数の開口部２１が形成された平板状のメタルマスク２０と、該メタルマスク２０の表面２０２に沿って摺動するスキージ２２とを備えている。メタルマスク２０が本実施形態におけるスクリーンマスクに相当する。

尚、本実施形態におけるメタルマスク２０（図４参照）は、前記複数の開口部２１が形成された矩形薄板状の金属製のマスク本体部２０ａと、該マスク本体部２０ａの周縁部四辺を保持する矩形枠状の金属製のフレーム部２０ｂとから構成されている。薄板状のマスク本体部２０ａを引張状態で剛性の高いフレーム部２０ｂに保持させることにより、マスク本体部２０ａの撓み等を抑制することができる。

上記構成の下、半田印刷工程においては、まずプリント基板１の表面側にメタルマスク２０を位置合わせして当接させる。次にメタルマスク２０の表面２０２にクリーム半田５を供給する。続いて、スキージ２２をメタルマスク２０の表面２０２に沿って摺動させ、開口部２１内にクリーム半田５を押し込む。

その後、メタルマスク２０をプリント基板１から離間させることにより、開口部２１内に充填されたクリーム半田５が裏面２０１側より版抜けし、ランド３上に印刷（転写）され、半田印刷が完了する。

半田印刷検査装置１３は、上記のように印刷されたクリーム半田５の状態（例えば印刷位置、高さ、量等）を検査する半田印刷検査工程を行うためのものである。

部品実装機１４は、クリーム半田５が印刷されたランド３上に電子部品２５（図１参照）を搭載する部品実装工程を行うためのものである。電子部品２５は、複数の電極やリードを備えており、該各電極やリードがそれぞれ所定のクリーム半田５に対し仮止めされる。

リフロー装置１５は、クリーム半田５を加熱溶融させて、ランド３と、電子部品２５の電極やリードとを半田接合（半田付け）するリフロー工程を行うためのものである。

この他、図示は省略するが、製造ライン１０には、半田印刷機１２と半田印刷検査装置１３との間など、上記各装置間において、プリント基板１を移送するためのコンベア等が設けられている。また、半田印刷検査装置１３と部品実装機１４との間には分岐装置が設けられている。そして、半田印刷検査装置１３にて良品判定されたプリント基板１は、その下流側の部品実装機１４へ案内される一方、不良品判定されたプリント基板１は分岐装置により不良品貯留部へと排出されることとなる。

さらに、半田印刷機１２の近傍において、クリーニング装置２９及びメタルマスク検査装置３０が併設されている。メタルマスク検査装置３０が本実施形態におけるスクリーンマスク検査装置を構成する。

クリーニング装置２９は、半田印刷機１２において汚れ等が付着したメタルマスク２０をクリーニングするクリーニング工程を行うためのものである。尚、本実施形態では、上述したプリント基板１の製造工程（製造ライン１０）において、半田印刷機１２にて半田印刷が所定回数行われる毎に、半田印刷を一旦停止させ、該半田印刷に使用したメタルマスク２０をクリーニングするよう構成されている。

メタルマスク検査装置３０は、上記のようにクリーニング装置２９においてクリーニングを終えたメタルマスク２０や、新たに交換した未使用のメタルマスク２０など、半田印刷機１２へ装着する前のメタルマスク２０を検査するためのものである。

ここで、メタルマスク検査装置３０の構成について図４，５を参照して詳しく説明する。図４は、メタルマスク検査装置３０を模式的に示す概略構成図である。図５は、メタルマスク検査装置３０の機能構成を示すブロック図である。

メタルマスク検査装置３０は、メタルマスク２０の搬送や位置決め等を行う搬送機構３１と、メタルマスク２０の検査を行うための検査ユニット３２と、搬送機構３１や検査ユニット３２の駆動制御をはじめ、メタルマスク検査装置３０内における各種制御や画像処理、演算処理を実行する制御装置３３とを備えている。

搬送機構３１は、メタルマスク２０の搬入出方向に沿って配置された一対の搬送レール３１ａと、各搬送レール３１ａに対し回転可能に配設された無端のコンベアベルト３１ｂと、該コンベアベルト３１ｂを駆動するモータ等の駆動手段（図示略）と、メタルマスク２０を所定位置に位置決めするためのチャック機構（図示略）と備え、制御装置３３（後述する搬送機構制御部７９）により駆動制御される。

上記構成の下、メタルマスク検査装置３０へ搬入されたメタルマスク２０は、搬入出方向と直交する幅方向の両側縁部のフレーム部２０ｂがそれぞれ搬送レール３１ａに挿し込まれると共に、コンベアベルト３１ｂ上に載置される。続いて、コンベアベルト３１ｂが動作を開始し、メタルマスク２０が所定の検査位置まで搬送される。メタルマスク２０が検査位置に達すると、コンベアベルト３１ｂが停止すると共に、チャック機構が作動する。このチャック機構の動作により、コンベアベルト３１ｂが押し上げられ、コンベアベルト３１ｂと搬送レール３１ａの上辺部によってメタルマスク２０の両側縁部のフレーム部２０ｂが挟持された状態となる。これにより、メタルマスク２０が検査位置に位置決め固定される。検査が終了すると、チャック機構による固定が解除されると共に、コンベアベルト３１ｂが動作を開始する。これにより、メタルマスク２０は、メタルマスク検査装置３０から搬出される。勿論、搬送機構３１の構成は、上記形態に限定されるものではなく、他の構成を採用してもよい。

検査ユニット３２は、搬送レール３１ａ（メタルマスク２０の搬送路）の下方に配設されている。検査ユニット３２は、メタルマスク２０の裏面２０１の所定の検査範囲に対し斜め下方から三次元計測用の所定の光（縞状の光強度分布を有するパターン光）を照射する照射手段としての第１照明装置３２Ａ及び第２照明装置３２Ｂと、メタルマスク２０の裏面２０１の所定の検査範囲を真下から撮像する撮像手段としてのカメラ３２Ｃと、Ｘ軸方向（図４左右方向）への移動を可能とするＸ軸移動機構３２Ｄ（図５参照）と、Ｙ軸方向（図４前後方向）への移動を可能とするＹ軸移動機構３２Ｅ（図５参照）とを備え、制御装置３３により駆動制御される。

尚、本実施形態では、半田印刷時にプリント基板１と当接するメタルマスク２０の基板当接面側となる裏面２０１が下方を向く（下面となる）ように、かつ、基板非当接面側となる表面２０２が上方を向く（上面となる）ように、メタルマスク検査装置３０に対しメタルマスク２０がセットされる。

また、メタルマスク２０の裏面２０１の「検査範囲」は、カメラ３２Ｃの撮像視野（撮像範囲）の大きさを１単位としてメタルマスク２０の裏面２０１に予め設定された複数のエリアのうちの１つのエリアである。

制御装置３３（移動機構制御部７６）は、Ｘ軸移動機構３２Ｄ及びＹ軸移動機構３２Ｅを駆動制御することにより、検査ユニット３２を、検査位置に位置決め固定されたメタルマスク２０の裏面２０１の任意の検査範囲の下方位置へ移動することができる。そして、メタルマスク２０の裏面２０１に設定された複数の検査範囲に検査ユニット３２を順次移動させつつ、該検査範囲に係る検査を実行していくことで、メタルマスク２０の裏面２０１全域の検査を実行する構成となっている。

第１照明装置３２Ａは、所定の光を発する第１光源３２Ａａや、該第１光源３２Ａａからの光を縞状の光強度分布を有する第１パターン光に変換する第１格子を形成する第１液晶シャッタ３２Ａｂを備え、制御装置３３（後述する照明制御部７２）により駆動制御される。

第２照明装置３２Ｂは、所定の光を発する第２光源３２Ｂａや、該第２光源３２Ｂａからの光を縞状の光強度分布を有する第２パターン光に変換する第２格子を形成する第２液晶シャッタ３２Ｂｂを備え、制御装置３３（後述する照明制御部７２）により駆動制御される。

上記構成の下、各光源３２Ａａ，３２Ｂａから発せられた光はそれぞれ集光レンズ（図示略）に導かれ、そこで平行光にされた後、液晶シャッタ３２Ａｂ，３２Ｂｂを介して投影レンズ（図示略）に導かれ、メタルマスク２０に対しパターン光として投影されることとなる。また、本実施形態では、各パターン光の位相がそれぞれ４分の１ピッチずつシフトするように、液晶シャッタ３２Ａｂ，３２Ｂｂの切替制御が行われる。

尚、格子として液晶シャッタ３２Ａｂ，３２Ｂｂを使用することにより、理想的な正弦波に近いパターン光を照射することができる。これにより、三次元計測の計測分解能が向上する。また、パターン光の位相シフト制御を電気的に行うことができ、装置のコンパクト化を図ることができる。

カメラ３２Ｃは、ＣＣＤ（Charge Coupled Device）型イメージセンサ又はＣＭＯＳ（Complementary Metal Oxide Semiconductor）型イメージセンサ等の撮像素子と、該撮像素子に対しメタルマスク２０の像を結像させる光学系（レンズユニットや絞りなど）とを有しており、その光軸が上下方向（Ｚ軸方向）に沿うように配置されている。勿論、撮像素子は、これらに限定されるものではなく、他の撮像素子を採用してもよい。

カメラ３２Ｃは、制御装置３３（後述するカメラ制御部７３）により駆動制御される。より詳しくは、制御装置３３は、両照明装置３２Ａ，３２Ｂによる照射処理と同期をとりながら、カメラ３２Ｃによる撮像処理を実行する。これにより、第１照明装置３２Ａ又は第２照明装置３２Ｂから照射された光のうち、メタルマスク２０にて反射した光が、カメラ３２Ｃによって撮像され、画像データが生成されることとなる。

このようにカメラ３２Ｃによって撮像され生成された画像データは、該カメラ３２Ｃの内部においてデジタル信号に変換された上で、デジタル信号の形で制御装置３３（後述の画像取得部７４）に転送され記憶される。そして、制御装置３３（後述するデータ処理部７５等）は、該画像データを基に、後述する各種画像処理や演算処理等を実施する。

制御装置３３は、所定の演算処理を実行するＣＰＵ（Central Processing Unit）、各種プログラムや固定値データ等を記憶するＲＯＭ（Read Only Memory）、各種演算処理の実行に際して各種データが一時的に記憶されるＲＡＭ（Random Access Memory）及びこれらの周辺回路等を含んだコンピュータからなる。

そして、制御装置３３は、ＣＰＵが各種プログラムに従って動作することで、後述するメイン制御部７１、照明制御部７２、カメラ制御部７３、画像取得部７４、データ処理部７５、移動機構制御部７６、学習部７７、検査部７８、搬送機構制御部７９などの各種機能部として機能する。

但し、上記各種機能部は、上記ＣＰＵ、ＲＯＭ、ＲＡＭなどの各種ハードウェアが協働することで実現されるものであり、ハード的又はソフト的に実現される機能を明確に区別する必要はなく、これらの機能の一部又は全てがＩＣなどのハードウェア回路により実現されてもよい。

さらに、制御装置３３には、キーボードやマウス、タッチパネル等で構成される入力部５５、液晶ディスプレイなどの表示画面を有する表示部５６と、各種データやプログラム、演算結果等を記憶可能な記憶部５７、外部と各種データを送受信可能な通信部５８などが設けられている。

ここで、制御装置３３を構成する上記各種機能部について詳しく説明する。メイン制御部７１は、メタルマスク検査装置３０全体の制御を司る機能部であり、照明制御部７２やカメラ制御部７３など他の機能部と各種信号を送受信可能に構成されている。

照明制御部７２は、第１照明装置３２Ａ及び第２照明装置３２Ｂを駆動制御する機能部である。

カメラ制御部７３は、カメラ３２Ｃを駆動制御する機能部であり、メイン制御部７１からの指令信号に基づき撮像タイミングなどを制御する。

画像取得部７４は、カメラ３２Ｃにより撮像され取得された画像データを取り込むための機能部である。

データ処理部７５は、画像取得部７４により取り込まれた画像データに所定の画像処理を施したり、該画像データを用いて三次元計測処理を行う機能部である。例えば、後述する学習処理においては、ディープニューラルネットワーク９０（以下、単に「ニューラルネットワーク９０」という。図６参照。）の学習に用いる学習データとなる学習用形状データ（学習用の三次元形状データ）を生成する。また、後述する検査処理においては、検査用形状データ（検査用の三次元形状データ）を生成する。

移動機構制御部７６は、Ｘ軸移動機構３２Ｄ及びＹ軸移動機構３２Ｅを駆動制御する機能部であり、メイン制御部７１からの指令信号に基づき、検査ユニット３２の位置を制御する。

学習部７７は、学習データ等を用いてニューラルネットワーク９０の学習を行い、識別手段としてのＡＩ（Artificial Intelligence）モデル１００を構築する機能部である。

尚、本実施形態におけるＡＩモデル１００は、後述するように異常のない未使用のメタルマスク２０の被検査部ＥＡ〔図１０（ａ）等参照〕に係る形状データのみを学習データとして、ニューラルネットワーク９０を深層学習（ディープラーニング）させて構築した生成モデルであり、いわゆるオートエンコーダ（自己符号化器）の構造を有する。

ここで、ニューラルネットワーク９０の構造について図６を参照して説明する。図６は、ニューラルネットワーク９０の構造を概念的に示した模式図である。図６に示すように、ニューラルネットワーク９０は、入力される形状データＧＡから特徴量（潜在変数）ＴＡを抽出する符号化部としてのエンコーダ部９１と、該特徴量ＴＡから形状データＧＢを再構成する復号化部としてのデコーダ部９２と有してなる畳み込みオートエンコーダ（ＣＡＥ：Convolutional Auto-Encoder）の構造を有している。

畳み込みオートエンコーダの構造は公知のものであるため、詳しい説明は省略するが、エンコーダ部９１は複数の畳み込み層(Convolution Layer) ９３を有し、各畳み込み層９３では、入力データに対し複数のフィルタ（カーネル）９４を用いた畳み込み演算が行われた結果が次層の入力データとして出力される。同様に、デコーダ部９２は複数の逆畳み込み層（Deconvolution Layer）９５を有し、各逆畳み込み層９５では、入力データに対し複数のフィルタ（カーネル）９６を用いた逆畳み込み演算が行われた結果が次層の入力データとして出力される。そして、後述する学習処理では、各フィルタ９４，９６の重み（パラメータ）が更新されることとなる。

検査部７８は、メタルマスク２０の被検査部ＥＡに異常があるか否かについて検査を行う機能部である。本実施形態では、図９（ａ），（ｂ）に示すように、メタルマスク２０の基板当接面側である裏面２０１側の１つの開口部２１の周辺部所定範囲が１つの被検査部ＥＡとして設定される。つまり、メタルマスク２０の裏面２０１には複数の被検査部ＥＡが設定されることとなる。図９（ａ）は、表面２０２側から視た開口部２１及びその周辺部を示すメタルマスク２０の部分拡大平面図であり、図９（ｂ）は、図９（ａ）のＡ－Ａ線断面図である。尚、図９（ａ）の開口部２１の周辺部（表面２０２）には、該範囲を判別しやすくするため、散点模様を付している。

搬送機構制御部７９は、搬送機構３１を駆動制御する機能部であり、メイン制御部７１からの指令信号に基づき、メタルマスク２０の位置を制御する。

記憶部５７は、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等で構成され、例えばＡＩモデル１００（ニューラルネットワーク９０及びその学習により獲得した学習情報）を記憶する所定の記憶領域を有している。かかる記憶領域が本実施形態におけるモデル格納手段を構成する。

通信部５８は、例えば有線ＬＡＮ（Local Area Network）や無線ＬＡＮ等の通信規格に準じた無線通信インターフェースなどを備え、外部と各種データを送受信可能に構成されている。

次に、メタルマスク検査装置３０によって行われるニューラルネットワーク９０の学習処理について図７のフローチャートを参照して説明する。

まず作業者は、異常のない（後述する各種異常部Ｑを有しない）未使用のメタルマスク２０を用意する。ここで用意するメタルマスク２０としては、検査対象となるメタルマスク２０と同形状の開口部２１を有しているものであることが好ましい。但し、メタルマスク２０の厚さや材質、開口部２１の大きさや配置レイアウト等の同一性は必要なく、多様な種類の学習データを基に学習した方が汎用性の面においては好ましい。

そして、作業者は、メタルマスク検査装置３０の所定の検査位置に、前記異常のない未使用のメタルマスク２０を配置した上で、メイン制御部７１に所定の学習プログラムを実行させる。

所定の学習プログラムの実行に基づき、学習処理が開始されると、メイン制御部７１は、はじめにステップＳ１０１において、ニューラルネットワーク９０の学習を行うための前処理を行う。

この前処理では、後述する検査処理に係る画像データ取得処理（ステップＳ３０１）及び三次元形状データ取得処理（ステップＳ３０２）と同様の処理を実行する。尚、これらの処理の詳細については後述するため、ここでは簡略化して説明する。

まず、メタルマスク２０の裏面２０１側の所定の検査範囲について、第１照明装置３２Ａから照射される第１パターン光の位相を変化させつつ、位相の異なる第１パターン光の下で４回の撮像処理を行った後、第２照明装置３２Ｂから照射される第２パターン光の位相を変化させつつ、位相の異なる第２パターン光の下で４回の撮像処理を行い、計８通りのエリア画像データを取得する。

その後、上記各パターン光の下でそれぞれ撮像した４通りのエリア画像データを基に公知の位相シフト法により、複数の被検査部ＥＡ（開口部２１）を含んだ所定の検査範囲の三次元形状計測を行い、かかる計測結果（エリア形状データ）を記憶部５７に記憶する。

尚、上記一連の処理は、学習データとして必要な数の被検査部ＥＡ（開口部２１の周辺部）に係る形状データを含むエリア形状データが取得されるまで、メタルマスク２０の検査範囲を移動しながら繰り返し行われる。

ステップＳ１０１において学習に必要な数の被検査部ＥＡに係る形状データを含むエリア形状データが取得されると、続くステップＳ１０２において、メイン制御部７１からの指令に基づき、学習部７７が、未学習のニューラルネットワーク９０を準備する。例えば予め記憶部５７等に格納されているニューラルネットワーク９０を読み出す。又は、記憶部５７等に格納されているネットワーク構成情報（例えばニューラルネットワークの層数や各層のノード数など）に基づいて、ニューラルネットワーク９０を構築する。

ステップＳ１０３では、学習データとしての学習用形状データ（学習用の三次元形状データ）を取得する。具体的には、メイン制御部７１からの指令に基づき、データ処理部７５が、ステップＳ１０１において記憶部５７に記憶されたエリア形状データを基に、該エリア形状データに含まれる多数の被検査部ＥＡの中から１つの被検査部ＥＡを抽出し、該被検査部ＥＡに係る形状データを１つの学習用形状データとして取得する。そして、この学習用形状データを学習部７７へ出力する。つまり、異常のない未使用のメタルマスク２０の被検査部ＥＡに係る形状データのみが学習データ（学習用形状データ）として用いられる。

ステップＳ１０４では、再構成形状データを取得する。具体的には、メイン制御部７１からの指令に基づき、学習部７７が、ステップＳ１０３において取得された学習用形状データを入力データとして、ニューラルネットワーク９０の入力層に与え、これによりニューラルネットワーク９０の出力層から出力される再構成形状データを取得する。

続くステップＳ１０５では、学習部７７が、ステップＳ１０３において取得した学習用形状データと、ステップＳ１０４においてニューラルネットワーク９０により出力された再構成形状データとを比較し、その誤差が十分に小さいか否か（所定の閾値以下であるか否か）を判定する。

ここで、その誤差が十分に小さい場合には、ニューラルネットワーク９０及びその学習情報（後述する更新後のパラメータ等）をＡＩモデル１００として記憶部５７に格納し、本学習処理を終了する。

一方、その誤差が十分に小さくない場合には、ステップＳ１０６においてネットワーク更新処理（ニューラルネットワーク９０の学習）を行った後、再びステップＳ１０３へ戻り、上記一連の処理を繰り返す。

具体的に、ステップＳ１０５のネットワーク更新処理では、例えば誤差逆伝播法（Backpropagation）などの公知の学習アルゴリズムを用いて、学習用形状データと再構成形状データの差分を表す損失関数が極力小さくなるように、ニューラルネットワーク９０における上記各フィルタ９４，９６の重み（パラメータ）をより適切なものに更新する。尚、損失関数としては、例えばＢＣＥ（Binary Cross-entropy）などを利用することができる。

これらの処理を何度も繰り返すことにより、ニューラルネットワーク９０では、学習用形状データと再構成形状データの誤差が極力小さくなり、より正確な再構成形状データが出力されるようになる。

次に、メタルマスク検査装置３０によって行われるメタルマスク検査処理について図８のフローチャートを参照して説明する。但し、図８に示す検査処理は、メタルマスク２０の所定の検査範囲毎に実行される処理である。

メタルマスク検査装置３０へメタルマスク２０が搬入され、所定の検査位置に位置決めされると、所定の検査プログラムの実行に基づき、検査処理が開始される。

検査処理が開始されると、まずステップＳ３０１において、画像データ取得処理を実行する。本実施形態では、メタルマスク２０の裏面２０１側の各検査範囲に係る検査において、第１照明装置３２Ａから照射される第１パターン光の位相を変化させつつ、位相の異なる第１パターン光の下で４回の撮像処理を行った後、第２照明装置３２Ｂから照射される第２パターン光の位相を変化させつつ、位相の異なる第２パターン光の下で４回の撮像処理を行い、計８通りの画像データを取得する。以下、詳しく説明する。

上述したように、メタルマスク検査装置３０へ搬入されたメタルマスク２０が所定の検査位置に位置決め固定されると、メイン制御部７１からの指令に基づき、移動機構制御部７６が、まずＸ軸移動機構３２Ｄ及びＹ軸移動機構３２Ｅを駆動制御して検査ユニット３２を移動させ、カメラ３２Ｃの撮像視野（撮像範囲）をメタルマスク２０の裏面２０１の所定の検査範囲に合わせる。

併せて、照明制御部７２が、両照明装置３２Ａ，３２Ｂの液晶シャッタ３２Ａｂ，３２Ｂｂを切替制御し、該両液晶シャッタ３２Ａｂ，３２Ｂｂに形成される第１格子及び第２格子の位置を所定の基準位置に設定する。

第１格子及び第２格子の切替設定が完了すると、照明制御部７２が、第１照明装置３２Ａの第１光源３２Ａａを発光させ、第１パターン光を照射すると共に、カメラ制御部７３が、カメラ３２Ｃを駆動制御して、該第１パターン光の下での１回目の撮像処理を実行する。尚、撮像処理により生成された画像データは、随時、画像取得部７４に取り込まれる（以下同様）。これにより、複数の被検査部ＥＡ（開口部２１）を含んだ検査範囲のエリア画像データが取得される。

その後、照明制御部７２は、第１パターン光の下での１回目の撮像処理の終了と同時に、第１照明装置３２Ａの第１光源３２Ａａを消灯すると共に、第１液晶シャッタ３２Ａｂの切替処理を実行する。具体的には、第１液晶シャッタ３２Ａｂに形成される第１格子の位置を前記基準位置から、第１パターン光の位相が４分の１ピッチ（９０°）ずれる第２の位置へ切替設定する。

第１格子の切替設定が完了すると、照明制御部７２が、第１照明装置３２Ａの光源３２Ａａを発光させ、第１パターン光を照射すると共に、カメラ制御部７３が、カメラ３２Ｃを駆動制御して、該第１パターン光の下での２回目の撮像処理を実行する。以後、同様の処理を繰り返し行うことで、９０°ずつ位相の異なる第１パターン光の下での４通りのエリア画像データを取得する。

続いて、照明制御部７２が、第２照明装置３２Ｂの第２光源３２Ｂａを発光させ、第２パターン光を照射すると共に、カメラ制御部７３が、カメラ３２Ｃを駆動制御して、該第２パターン光の下での１回目の撮像処理を実行する。

その後、照明制御部７２が、第２パターン光の下での１回目の撮像処理の終了と同時に、第２照明装置３２Ｂの第２光源３２Ｂａを消灯すると共に、第２液晶シャッタ３２Ｂｂの切替処理を実行する。具体的には、第２液晶シャッタ３２Ｂｂに形成される第２格子の位置を前記基準位置から、第２パターン光の位相が４分の１ピッチ（９０°）ずれる第２の位置へ切替設定する。

第２格子の切替設定が完了すると、照明制御部７２が、第２照明装置３２Ｂの光源３２Ｂａを発光させ、第２パターン光を照射すると共に、カメラ制御部７３が、カメラ３２Ｃを駆動制御して、該第２パターン光の下での２回目の撮像処理を実行する。以後、同様の処理を繰り返し行うことで、９０°ずつ位相の異なる第２パターン光の下での４通りのエリア画像データを取得する。

次のステップＳ３０２では、三次元形状データ取得処理を実行する。具体的には、メイン制御部７１からの指令に基づき、データ処理部７５が、上記ステップＳ３０１において各パターン光の下でそれぞれ撮像した４通りのエリア画像データを基に公知の位相シフト法により、複数の被検査部ＥＡ（開口部２１）を含んだ所定の検査範囲の三次元形状計測を行い、かかる計測結果（エリア形状データ）を記憶部５７に記憶する。かかる処理を行う機能により本実施形態における形状データ取得手段が構成される。尚、本実施形態では、２方向からパターン光を照射して三次元形状計測を行っているため、パターン光が照射されない影の部分が生じることを防止することができる。

続くステップＳ３０３では、各被検査部ＥＡに係る検査用形状データ（検査用の三次元形状データ）を取得する。

具体的には、まずメイン制御部７１からの指令に基づき、データ処理部７５が、上記ステップＳ３０２において取得した所定の検査範囲に係るエリア形状データを基に、該エリア形状データに含まれる複数の被検査部ＥＡすべてを特定し抽出する。

続いて、これらを被検査部ＥＡに係る元形状データとしてそれぞれ番号付けして登録する。本処理では、例えば図１０（ａ）に示すような異常のない被検査部ＥＡに係る元形状データや、図１０（ｂ）～（ｅ）に示すような何らかの異常がある被検査部ＥＡに係る元形状データなどが取得されることとなる。

ステップＳ３０４では、再構成処理（再構成形状データ取得処理）を実行する。本処理を実行する機能により本実施形態における再構成形状データ取得手段が構成される。

具体的には、メイン制御部７１からの指令に基づき、検査部７８が、ステップＳ３０３にて取得した所定番号（例えば００１番）の被検査部ＥＡに係る元形状データを、ＡＩモデル１００の入力層に入力する。そして、ＡＩモデル１００によって再構成されて出力層から出力される形状データを前記所定番号（例えば００１番）の被検査部ＥＡに係る再構成形状データとして取得すると共に、該再構成形状データを同一番号の元形状データと関連付けて記憶する。このようにして、本処理では、ステップＳ３０３において番号付けされ登録された全ての被検査部ＥＡについて再構成形状データが取得されることとなる。

ここで、ＡＩモデル１００は、図１０（ａ）に示すような異常のない被検査部ＥＡに係る元形状データを入力した場合は勿論のこと、図１０（ｂ）～（ｅ）に示すような異常のある被検査部ＥＡに係る元形状データを入力した場合であっても、上記のように学習したことにより、再構成形状データとして、図１０（ａ）に示すような異常のない被検査部ＥＡに係る形状データを出力することとなる。

ステップＳ３０５では、良否判定処理を行う。具体的には、メイン制御部７１からの指令に基づき、検査部７８が、まず同一番号の元形状データと再構成形状データとを比較して、両形状データの差分を抽出する。かかる処理を実行する機能により本実施形態における比較手段が構成される。

続いて、検査部７８は、両形状データの差分、すなわち異常部Ｑに相当する部分が所定の閾値よりも大きいか否かを判定する。ここで、両画像データの差分が所定の閾値よりも大きい場合には、「異常あり」と判定する。

例えば図９（ａ），（ｂ）に示すように、メタルマスク２０の裏面２０１側の被検査部ＥＡに異常部Ｑが存在している場合において、該異常部Ｑの深さｄ及び幅ｗの両判定項目がそれぞれ所定の閾値を超えた場合に「異常あり」と判定する。

これにより、例えば図１０（ｂ）に示すように、メタルマスク２０の裏面２０１側における開口部２１周縁の面取り部Ｑ１が過剰な電解研磨処理等により丸くなり過ぎている場合には、該面取り部Ｑ１も異常部Ｑとみなされる。

同様に、図１０（ｃ）に示すように、被検査部ＥＡに開口部２１につながる凹みや削れなどの傷Ｑ２が存在している場合や、図１０（ｄ）に示すように、開口部２１の周縁に歪みＱ３が生じている場合なども、その程度によっては、異常部Ｑとみなされる。

一方、両画像データの差分が所定の閾値よりも小さい場合には、「異常なし」と判定する。これらの判定を行う機能により本実施形態における判定手段が構成される。

ここで、検査部７８は、エリア形状データ（メタルマスク２０の所定の検査範囲）に含まれる全ての被検査部ＥＡについて「異常なし」と判定した場合には、該エリア形状データに係る検査範囲を「良」判定すると共に、この結果を記憶部５７に記憶し、本処理を終了する。

一方、エリア形状データ（メタルマスク２０の所定の検査範囲）に含まれる複数の被検査部ＥＡのうち、「異常あり」と判定された被検査部ＥＡが１つでも存在する場合には、該エリア形状データに係る検査範囲を「不良」判定し、この結果を記憶部５７に記憶し、本処理を終了する。

そして、メタルマスク検査装置３０は、メタルマスク２０の裏面２０１の全ての検査範囲について上記検査処理が行われた結果、全検査範囲について「良」判定された場合には、異常のないメタルマスク２０であると判定（合格判定）し、表示部５６や通信部５８などを介して、その旨を作業者に報知する。

一方、メタルマスク検査装置３０は、メタルマスク２０上の全ての検査範囲のうち、「不良」判定された検査範囲が１つでも存在する場合には、異常のあるメタルマスク２０であると判定（不合格判定）し、表示部５６や通信部５８などを介して、その旨を作業者に報知する。

以上詳述したように、本実施形態では、メタルマスク２０の表裏両面のうち、半田印刷時にプリント基板１と当接する基板当接面側となる裏面２０１側から、開口部２１の周辺部である所定の被検査部ＥＡに係る検査を行うことができる。

これにより、印刷時にクリーム半田５のにじみやダレ等の原因となり得る、メタルマスク２０の裏面２０１側の開口部２１周辺（被検査部ＥＡ）に係る種々の異常部Ｑ（Ｑ１～Ｑ４）を検出することができる。結果として、印刷不良の発生等を抑制することができる。

特に本実施形態では、ニューラルネットワーク９０を学習して構築したＡＩモデル１００を用いて、メタルマスク２０の被検査部ＥＡに異常部Ｑ（Ｑ１～Ｑ４）があるか否かを判定している。これにより、従来では検出することが困難であった微小な異常を検出することが可能となる。

さらに、本実施形態では、被検査部ＥＡを撮像して得た元形状データと、その元形状データを基に再構成して得た再構成形状データとを比較しているため、比較する両形状データにおいて、検査対象物であるメタルマスク２０側の撮像条件（例えばメタルマスク２０の配置位置や配置角度、たわみ等）や、メタルマスク検査装置３０側の撮像条件（例えば照明状態やカメラ３２Ｃの画角等）の違いに基づく影響がなく、より微細な異常部Ｑをより正確に検出することが可能となる。

尚、仮にメタルマスク２０の所定位置にある所定の被検査部ＥＡ（開口部２１の周辺部）に係る検査を行う際に、良否判定基準として、該被検査部ＥＡの構成情報（位置データや寸法データなど）を必要とする構成においては、例えばガーバデータなど基板設計情報を予め記憶しておき、検査対象となる被検査部ＥＡの構成情報を適宜取得し、該構成情報と比較しつつ検査対象となる被検査部ＥＡの良否判定を行うこととなるため、検査効率が低下するおそれがある。また、メタルマスク２０の検査位置への位置決めを正確に行う必要がある。

これに対し、本実施形態によれば、被検査部ＥＡについて学習したＡＩモデル１００を利用して、各被検査部ＥＡの検査を行う構成となっているため、多数の被検査部ＥＡそれぞれの個別の構成情報を予め記憶する必要もなく、検査に際しそれを参照する必要もないため、検査効率の向上を図ることができる。

加えて、本実施形態では、半田印刷時にプリント基板１と当接するメタルマスク２０の基板当接面側となる裏面２０１が下方を向くように配置された状態で、メタルマスク２０の下側から検査ユニット３２によって検査が行われる構成となっている。

これにより、室内照明などの外乱光の影響を受けにくくなり、検査精度の向上を図ることができる。特に位相シフト法を利用する場合等のように、微細な輝度変化の影響を受けやすい環境下で検査を行う場合には、より奏功することとなる。

尚、上記実施形態の記載内容に限定されず、例えば次のように実施してもよい。勿論、以下において例示しない他の応用例、変更例も当然可能である。

（ａ）スクリーンマスクの構成は、上記実施形態に係るメタルマスク２０に限定されるものではなく、他の構成を採用してもよい。

（ａ－１）例えば上記実施形態に係るメタルマスク２０は、マスク本体部２０ａとフレーム部２０ｂとから構成されているが、これに限らず、フレーム部２０ｂを省略した構成としてもよい。

（ａ－２）上記実施形態に係るマスク本体部２０ａは、金属材料（メタル）により形成されている。これに限らず、マスク本体部２０ａとして、例えばナイロン製、ポリエステル製、ステンレス製などの糸を織って形成された「紗（メッシュ）」上に感光性乳剤等を塗布して被覆部を形成し開口部２１に相当する部分のみ「紗」が露出したタイプのものや、「紗（メッシュ）」上に、開口部２１が形成されたメタル版を貼り付けた複合タイプのものを採用してもよい。

（ｂ）製造ライン１０など、プリント基板１の製造に係る構成は、上記実施形態に限定されるものではなく、他の構成を採用してもよい。

（ｂ－１）上記実施形態では、半田印刷機１２の近傍に、クリーニング装置２９及びメタルマスク検査装置３０を併設した構成となっている。これに限らず、クリーニング装置及び／又はメタルマスク検査装置の機能を、半田印刷機１２又は半田印刷検査装置１３と一体に備えた構成としてもよい。

（ｂ－２）クリーニング装置２９やメタルマスク検査装置３０を、製造ライン１０等とは別室にて独立して設けた構成としてもよい。

（ｃ）メタルマスク検査装置３０に係る構成は、上記実施形態に限定されるものではなく、他の構成を採用してもよい。

例えば上記実施形態では、半田印刷時にプリント基板１と当接するメタルマスク２０の基板当接面側となる裏面２０１が下方を向くように配置された状態で、メタルマスク２０の下側から検査ユニット３２によって検査が行われる構成となっている。

これに限らず、メタルマスク２０の裏面２０１（基板当接面）側が上方を向くように配置された状態で、メタルマスク２０の上方に配置された検査ユニット３２によって上側から検査が行われる構成としてもよい。但し、室内照明などの外乱光の影響を抑え、検査精度の向上を図る上では、メタルマスク２０の裏面２０１側が下方を向くように配置された状態で検査が行われることが好ましい。

（ｄ）識別手段としてのＡＩモデル１００（ニューラルネットワーク９０）の構成及びその学習方法は、上記実施形態に限定されるものではない。

（ｄ―１）上記実施形態では、特に言及していないが、ニューラルネットワーク９０の学習処理や、メタルマスク検査処理における再構成処理などを行う際に、必要に応じて各種データに対し正規化等の処理を行う構成としてもよい。

（ｄ－２）ニューラルネットワーク９０の構造は、図６に示したものに限定されず、例えば畳み込み層９３の後にプーリング層を設けた構成としてもよい。勿論、ニューラルネットワーク９０の層数や、各層のノード数、各ノードの接続構造などが異なる構成としてもよい。

（ｄ－３）上記実施形態では、ＡＩモデル１００（ニューラルネットワーク９０）が、畳み込みオートエンコーダ（ＣＡＥ）の構造を有した生成モデルとなっているが、これに限らず、例えば変分自己符号化器(ＶＡＥ：Variational Autoencoder) など、異なるタイプのオートエンコーダの構造を有した生成モデルとしてもよい。

（ｄ―４）上記実施形態では、誤差逆伝播法によりニューラルネットワーク９０を学習する構成となっているが、これに限らず、その他の種々の学習アルゴリズムを用いて学習する構成としてもよい。

（ｄ―５）ニューラルネットワーク９０は、いわゆるＡＩチップ等のＡＩ処理専用回路によって構成されることとしてもよい。その場合、パラメータ等の学習情報のみが記憶部５７に記憶され、これをＡＩ処理専用回路が読み出して、ニューラルネットワーク９０に設定することによって、ＡＩモデル１００が構成されるようにしてもよい。

（ｄ―６）上記実施形態では、学習部７７を備え、制御装置３３内においてニューラルネットワーク９０の学習を行う構成となっているが、これに限らず、少なくともＡＩモデル１００（学習済みのニューラルネットワーク９０）を記憶部５７に記憶していればよく、学習部７７を省略した構成としてもよい。従って、ニューラルネットワーク９０の学習を制御装置３３の外部で行い、これを記憶部５７に記憶する構成としてもよい。

（ｅ）メタルマスク２０（被検査部ＥＡ）の検査方法は、上記実施形態に限定されるものではなく、他の構成を採用してもよい。

（ｅ－１）例えば上記実施形態では、ＡＩモデル（生成モデル）１００を用いて、元形状データと再構成形状データの差分を抽出することで、被検査部ＥＡに異常部Ｑがあるか否かを判定する構成となっている。

これに限らず、ＡＩモデル１００を用いることなく、例えば予め記憶した基準形状データ（位置データや寸法データなどの被検査部ＥＡの構成情報）と、算出された被検査部ＥＡの形状データと比較することで、被検査部ＥＡに異常部Ｑがあるか否かを判定する構成としてもよい。

（ｅ－２）上記実施形態では、被検査部ＥＡに異常部Ｑが存在している場合において、該異常部Ｑの深さｄ及び幅ｗの両判定項目がそれぞれ所定の閾値を超えた場合に「異常あり」と判定する構成となっている。

これに限らず、例えば異常部Ｑの深さｄ及び幅ｗのうち、少なくとも一方の判定項目が所定の閾値を超えた場合に「異常あり」と判定する構成としてもよい。

さらには、判定項目を増やし、異常部Ｑの深さｄ、幅ｗ、長さｌ及び体積ｖのうち、少なくとも１つの判定項目又は所定の複数の判定項目が所定の閾値を超えた場合に「異常あり」と判定する構成としてもよい。勿論、判定項目が１つだけ設定された構成としてもよい。

（ｅ－３）検出される異常部Ｑの種類は、上記実施形態で例示したものに限定されず、他の異常部Ｑを検出可能な構成としてもよい。例えば上記実施形態では、異常部Ｑとして、過剰研磨され丸くなり過ぎた面取り部Ｑ１〔図１０（ｂ）参照〕、開口部２１につながる傷Ｑ２〔図１０（ｃ）参照〕、開口部２１周縁の歪みＱ３〔図１０（ｄ）参照〕などが例示されている。

これに限らず、例えば図１０（ｅ）に示すように、被検査部ＥＡにおいて異物Ｑ４が付着した部位（被検査部ＥＡに付着した異物Ｑ４）を異常部Ｑとして検出する構成としてもよい。

尚、未使用のメタルマスク２０において異物Ｑ４が付着している可能性は極めて少ないが、例えばクリーニング装置２９にてメタルマスク２０のクリーニングを実行した後、該メタルマスク２０を再び半田印刷機１２にて使用する際には、該メタルマスク２０の裏面２０１側の開口部２１の周辺部（被検査部ＥＡ）に、クリーニングで取り切れなかったクリーム半田５やフラックス等の微小な残留物が固着したまま残ってしまっている場合がある。

このように被検査部ＥＡに異物Ｑ４が付着している場合には、半田印刷時に被検査部ＥＡ（メタルマスク２０の裏面２０１側の開口部２１の周辺部）が浮いてしまうため、そこからクリーム半田が流れ、にじみやダレ等の原因となるおそれがある。

（ｅ－４）上記実施形態では、メタルマスク２０（被検査部ＥＡ）の検査を行うに際し、パターン光を照射して三次元計測を行う構成となっているが、これに代えて、例えば均一光を照射しつつ撮像し取得した被検査部ＥＡに係る二次元輝度画像データを基に異常部Ｑを検出する構成としてもよい。

この際、例えば上記ＡＩモデル１００とは異なる他のＡＩモデル（学習済みニューラルネットワーク）を用いて、上記二次元輝度画像データを基に、被検査部ＥＡにおける凹凸形状等によって異なる反射率（反射光の輝度値）等の違いから、被検査部ＥＡに係る形状データを取得可能な構成としてもよい。

（ｆ）三次元計測方法は、上記実施形態に限定されるものではなく、他の構成を採用してもよい。

（ｆ－１）例えば上記実施形態では、位相シフト法による三次元計測を行う上で、各パターン光の位相が９０°ずつ異なる４通りの画像データを取得する構成となっているが、位相シフト回数及び位相シフト量は、これらに限定されるものではない。位相シフト法により三次元計測可能な他の位相シフト回数及び位相シフト量を採用してもよい。

例えば位相が１２０°（又は９０°）ずつ異なる３通りの画像データを取得して三次元計測を行う構成としてもよいし、位相が１８０°（又は９０°）ずつ異なる２通りの画像データを取得して三次元計測を行う構成としてもよい。

（ｆ－２）上記実施形態では、三次元計測法として位相シフト法を採用しているが、これに限らず、光切断法やモアレ法、合焦法、空間コード法等といった、他の三次元計測法を採用することとしてもよい。

１…プリント基板、３…ランド、５…クリーム半田、１０…製造ライン、１２…半田印刷機、２０…メタルマスク、２１…開口部、２９…クリーニング装置、３０…メタルマスク検査装置、３２…検査ユニット、３２Ａ…第１照明装置、３２Ｂ…第２照明装置、３２Ｃ…カメラ、３３…制御装置、７７…学習部、７８…検査部、９０…ニューラルネットワーク、１００…ＡＩモデル、２０１…裏面、２０２…表面、ＥＡ…被検査部、Ｑ…異常部。

Claims (5)

1. 複数の開口部が形成され、基板に対し半田印刷を行う際に使用されるスクリーンマスクを検査するためのスクリーンマスク検査装置であって、
   前記スクリーンマスクの表裏両面のうち、半田印刷時に前記基板と当接する基板当接面側となる裏面側の前記開口部の周辺部である所定の被検査部に対し所定の光を照射可能な少なくとも１つの照射手段と、
   前記所定の光が照射された前記被検査部を撮像可能な撮像手段と、
   前記撮像手段によって撮像された前記被検査部に係る画像データを基に、該被検査部に係る形状データを取得可能な形状データ取得手段と、
   前記形状データ取得手段により取得された前記被検査部に係る形状データに基づき、前記被検査部の良否を判定可能な判定手段とを備え、
   入力される形状データから特徴量を抽出する符号化部と該特徴量から形状データを再構成する復号化部とを有するニューラルネットワークに対し、配置レイアウトにかかわらず異常のない前記被検査部に係る形状データのみを学習データとして学習させて生成した識別手段を備え、
   前記判定手段は、
   前記形状データ取得手段により取得された前記被検査部に係る形状データを元形状データとして前記識別手段へ入力して再構成された前記被検査部に係る再構成形状データを取得可能な再構成形状データ取得手段と、
   前記元形状データと前記再構成形状データとを比較可能な比較手段とを備え、
   前記被検査部毎に、前記比較手段による比較結果に基づき、前記被検査部の良否を判定可能に構成されていることを特徴とするスクリーンマスク検査装置。
2. 前記判定手段は、
   前記開口部周縁の面取り部の大きさが所定量を超えるか否かを判定することにより、前記被検査部の良否を判定可能に構成されていることを特徴とする請求項１に記載のスクリーンマスク検査装置。
3. 前記照射手段は、前記所定の光として三次元計測用の光を照射可能に構成され、
   前記形状データ取得手段は、所定の三次元計測法を利用して、前記被検査部に係る三次元形状データを取得可能に構成されていることを特徴とする請求項１又は２に記載のスクリーンマスク検査装置。
4. 前記判定手段は、
   前記被検査部に、所定の大きさを超える異常部があるか否かを判定することにより、前記被検査部の良否を判定可能に構成されていることを特徴とする請求項１乃至３のいずれかに記載のスクリーンマスク検査装置。
5. 前記スクリーンマスクは、前記裏面側が下側となるように配置され、
   前記照射手段は、前記スクリーンマスクの裏面側に対し下方から前記所定の光を照射可能に配置され、
   前記撮像手段は、前記スクリーンマスクの裏面側を下方から撮像可能に配置されていることを特徴とする請求項１乃至４のいずれかに記載のスクリーンマスク検査装置。

Images