JPH04295747A

JPH04295747A - 半田の形状検査方法

Info

Publication number: JPH04295747A
Application number: JP3060042A
Authority: JP
Inventors: Nobushi Tokura; 戸倉　暢史; Shoichi Nishi; 昭一西
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1991-03-25
Filing date: 1991-03-25
Publication date: 1992-10-20
Anticipated expiration: 2014-10-06
Also published as: JP2959156B2

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は半田の形状検査方法に係
り、ニューラルネットワークシステムにより、半田の形
状の良否を判断するようにしたものである。

【０００２】

【従来の技術】電子部品の電極部を、半田により基板に
接着した後、半田の形状検査が行われる。従来、このよ
うな形状検査は、カメラにより半田を観察して、チェッ
クエリアにおける画素の明暗の比率から、半田の形状の
良否を判断していた。しかしながらこのような従来手段
は、画素の単なる明暗の比率から、半田の形状の良否を
判断していたため、検査精度が悪く、また観察された半
田がどのような形状を有しているか判別できないもので
あった。

【０００３】

【発明が解決しようとする課題】ところで、電子部品の
電極部を基板に接着する半田の形状は様々ではあるが、
それでも有限（一般には数１０種類程度）の典型的な形
状に大別できるものである。またこのように様々な形状
の半田を有限の典型的な形状別に大別した場合、大別さ
れた各々の半田は、それぞれ特有の滑らかな平坦面や傾
斜面を有し、しかもその表面は鏡面性を有するものであ
る。したがってこのように形状別に大別された半田に対
して、特定の方向から照明光を照射し、その反射光を特
定の方向に設けられたカメラにより観察すれば、それぞ
れの半田個有の画像が得られる。

【０００４】そこで本発明は、上記のような半田の光学
的な特性に着眼し、これを利用して、半田の形状の良否
を正確簡単に判定できる手段を提供することを目的とす
る。

【０００５】

【課題を解決するための手段】本発明は、電子部品を基
板に接着するサンプル半田に向かって、特定の方向から
照射光を照射し、その反射光を特定の方向に設けられた
カメラにより観察して、このサンプル半田の画像を入力
層，中間層，出力層を備えたニューラルネットワークの
入力層に入力し、特定のサンプル半田の画像の出力層の
出力値と、これ以外のサンプル半田の画像の出力層の出
力値の差が大となるように、上記入力層，中間層，出力
層を結ぶ神経網の神経係数を設定して、この神経係数を
確定神経係数としてコンピュータに登録し、次いで検査
対象物である半田を上記カメラにより観察して、その画
像を上記入力層に入力し、且つ上記登録された確定神経
係数に基づいて上記出力層の出力値を算出し、最適出力
値を抽出することにより、この半田形状の良否を判断す
るようにしたものである。

【０００６】

【作用】上記構成において、サンプル半田を観察して、
神経網の確定神経係数を登録し、次いで検査対象物を観
察して、この確定係数に基づく出力層の出力値から、半
田形状の良否を判断する。

【０００７】

【実施例】次に、図面を参照しながら本発明の実施例の
説明を行う。

【０００８】図１は半田の形状検査装置の側面図であっ
て、２は基板１に搭載されたＱＦＰやＳＯＰのような電
子部品であり、電極部であるリード３は、半田４により
基板１に接着されている。上方の光源６から半田４に照
明光を照射すると、その反射光は上方のＣＣＤカメラ５
に入射する。ＣＣＤカメラ５は、受光部５ａとレンズ５
ｂを有している。半田４の表面は光沢のある鏡面である
。

【０００９】ところで上述したように、電極部を基板に
接着する半田の形状は様々ではあるが、有限の典型的な
形状に大別できる。また半田の表面は金属性の鏡面であ
り、上記のように半田を典型的な形状別に大別した場合
、大別された各々の半田は、それぞれ特有の滑らかな平
坦面や傾斜面を有する。したがってこのように形状別に
大別された半田に対して、特定の方向から照明光を照射
し、その反射光を特定の方向に設けられたカメラに入射
させれば、それぞれの半田個有の画像が得られる。

【００１０】図２は、典型的な形状を有するサンプル半
田４ａの光反射特性を示している。このサンプル半田４
ａは、リード３を基板１に十分に接着しており、このサ
ンプル半田４ａの形状は良好である。サンプル半田４ａ
の表面は曲面であり、急傾斜面に入射した光ａは、側方
に反射されるので、その反射光はカメラ５には入射せず
、暗く観察される。また平坦面に入射した光ｂは、上方
へ反射されてカメラ５に入射するので、明るく観察され
る。したがってこのサンプル半田４ａをカメラ５で観察
すると、図３に示す明暗分布を有する画像Ｉ１が得られ
る。

【００１１】また図４は他のサンプル半田４ｂを示して
いる。このサンプル半田４ｂは、リード３を基板１に接
着しておらず、このサンプル半田４ｂの形状は不良であ
る。このサンプル半田４ｂをカメラ５で観察すると、図
５に示す画像Ｉ２が得られる。

【００１２】また図６に示すサンプル半田４ｃは、やや
過剰であるが、リード３を基板１に十分に接着しており
、このサンプル半田４ｃの形状は良好である。このサン
プル半田４ｃの頂部は平坦であり、ここに入射した光ｃ
は、上方へ反射されてカメラ５に入射するので、明るく
観察される。図７は、このサンプル半田４ｃの画像Ｉ３
を示している。

【００１３】以上のように、様々な形状の半田４をカメ
ラ５で観察すると、各々の半田４に個有の画像が得られ
る。本実施例では、明暗の２値画像を例にとって説明し
ているが、多値画像やカラー画像の場合も、各々の半田
に個有の画像が得られる。

【００１４】図８はニューラルネットワークシステムコ
ンピュータのブロック図を示している。ニューラルネッ
トワーク１０は、入力層１１と、中間層１２と、出力層
１３を有している。入力層１１は、セルＡ（Ａ１〜Ａｎ
１）を有している。また中間層１２はセルＢ（Ｂ１〜Ｂ
ｎ２）を有している。また出力層１３はセルＣ（Ｃ１〜
Ｃｎ３）を有している。入力層１１には、カメラ５の受
光部５ａに取り込まれた半田４の画像Ｉ１〜Ｉｎが入力
される。

【００１５】図９はニューラルネットワークを示してい
る。Ｉ１〜Ｉｎはカメラ５で観察されたサンプル半田４
ａ〜４ｎの画像である。Ｄ（Ｄ１〜Ｄｎ４）は、上記カ
メラ５の受光部５ａのセルである。複数個のセルＤは、
１個のセルＡに接続されている。また複数個のセルＡは
、１個のセルＢに接続されている。また複数個のセルＢ
は、１個のセルＣに接続されている。セル同士を結ぶ線
は、神経網（ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ）と呼ばれ
る。この神経網には、神経係数ｋｉ，ｋｊが存在する。次に半田形状の良否判定方法を説明する。

【００１６】カメラ５により様々な形状を有するサンプ
ル半田４ａ〜４ｎを観察し、それぞれの画像Ｉ１〜Ｉｎ
をマスター画像として入力層１１の各セルＡ１〜Ａｎに
入力する。すると、セルＡは、セルＤからの入力値に応
じて、Ｈ，Ｌの２値信号を出力する。またセルＢは、セ
ルＡからの入力値に応じて、Ｈ，Ｌの２値信号を出力す
る。勿論、２値信号に限らず、多値信号でもよい。また
セルＣは、セルＢからの入力値に応じて、例えば１以下
の多値信号を出力する。

【００１７】そこで、まずセルＣ１が上記サンプル半田
４ａのマスター画像Ｉ１に関して１に近い数値を出力し
、これ以外のサンプル半田４ｂ〜４ｎのマスター画像Ｉ
２〜Ｉｎに関しては、０に近い数値を出力する神経係数
ｋｉ，ｋｊ、すなわち、特定のサンプル半田４ａの画像
Ｉ１の出力値と、これ以外のサンプル半田４ｂ〜４ｎの
画像Ｉｂ〜Ｉｎの出力値の差が大となるような神経係数
ｋｉ，ｋｊを設定する。このような条件（１）を満足す
る神経係数ｋｉ，ｋｊは多数個存在する。このようにし
て条件（１）を満足する神経係数ｋｉ，ｋｊを設定する
ことにより、このサンプル半田４ａを設定された神経係
数ｋｉ，ｋｊのパラメータとして表現できる。

【００１８】次いで、同様にして、セルＣ２がサンプル
半田４ｂの画像Ｉ２に関して１に近い数値を出力し、こ
れ以外のサンプル半田４ａ，４ｃ〜４ｎの画像Ｉ１，Ｉ
３〜Ｉｎに関しては、０に近い数値を出力する神経係数
ｋｉ，ｋｊを検出する。このような条件（２）を満足す
る神経係数ｋｉ，ｋｊも多数個存在する。次に、この条
件（２）を満足する神経係数ｋｉ，ｋｊの中から、上記
条件（１）を同時に満足する神経係数ｋｉ，ｋｊを検出
する。このように条件（１），（２）を同時に満足する
神経係数ｋｉ，ｋｊも多数個存在する。このようにして
条件（１），（２）を一緒に満足する神経係数ｋｉ，ｋ
ｊを設定することにより、サンプル半田４ａ，４ｂを設
定された神経係数ｋｉ，ｋｊのパラメータとして表現で
きる。

【００１９】以下同様にして、画像Ｉ３〜Ｉｎに関して
も、同様な操作を行い、すべての条件（１）〜（ｎ）を
すべて満足する最終的な神経係数ｋｉ’，ｋｊ’を検出
する。この最終的な神経係数ｋｉ’，ｋｊ’を確定神経
係数としてコンピュータに登録する。このようにして、
すべての条件（１）〜（ｎ）を満足する確定神経係数ｋ
ｉ’，ｋｊ’を登録すれば、すべてのサンプル半田４ａ
〜４ｎを確定神経係数ｋｉ’，ｋｊ’のパラメータとし
て表現できる。図９において、ＧＯＯＤは良品，ＮＯ　
　ＧＯＯＤは不良品である。また付加数値−１，−２，
−３・・・は、ＧＯＯＤ及びＮＯ　　ＧＯＯＤの内容の
区別をしている。表１は、条件（１）〜（ｎ）を記載し
ている。

【００２０】

【表１】

【００２１】以上の操作により、すべてのサンプル半田
４ａ〜４ｎの学習が終了する。以上のようにして確定神
経係数ｋｉ’，ｋｊ’を設定したならば、この確定神経
係数ｋｉ’，ｋｊ’に基づいて、検査対象物である半田
の形状検査を行う。この形状検査は次のようにして行わ
れる。

【００２２】検査対象物である半田４’を上記カメラ５
により観察し、その画像Ｉ’を入力層１１に入力する（
図９参照）。そして確定神経係数ｋｉ’，ｋｊ’に基づ
いて、セルＣ１〜Ｃｎの出力を演算する。そして、セル
Ｃ１〜Ｃｎの中から、１に最も近い数値を出力したセル
Ｃを抽出する。

【００２３】ここで、例えばセルＣ１が１に最も近い数
値を出力したならば、この半田４’は上記サンプル半田
４ａに類似した形状を有しており、形状は良と判断され
る。また例えばセルＣ２が最も１に近い数値を出力した
ならば、この半田４’は上記サンプル半田４ｂに類似し
た形状を有しており、形状は不良と判断される。また例
えばセルＣ３が１に最も近い数値を出力したならば、こ
の半田４’は上記サンプル半田４ｃに類似した形状を有
しており、形状は良と判断される。

【００２４】このようにして、セルＣ１〜Ｃｎの中から
、最も１に近いセルＣを抽出することにより、検査対象
物である半田４’が、多数のサンプル半田４ａ〜４ｎの
中のどのサンプル半田に類似するかを検出すれば、サン
プル半田４ａ〜４ｎの形状の良、不良は予め判っている
ので、検査対象物の半田４’の形状を推定し、またその
形状の良否を簡単に判断できる。

【００２５】

【発明の効果】以上のように本方法によれば、ニューラ
ルネットワークシステムを応用して、半田の形状検査を
簡単正確に行うことができる。

【図面の簡単な説明】

【図１】本発明に係る半田の形状検査装置の側面図

【図
２】本発明に係る半田の側面図

【図３】本発明に係る半田の画像図

【図４】本発明に係る半田の側面図

【図５】本発明に係る半田の画像図

【図６】本発明に係る半田の側面図

【図７】本発明に係る半田の画像図

【図８】本発明に係るニューラルネットワークシステム
コンピュータのブロック図

【図９】本発明に係るニューラルネットワークシステム
図

【符号の説明】

１　　基板２　　電子部品３　　電極部４　　半田５　　カメラ１１　　入力層１２　　中間層１３　　出力層

Claims

【特許請求の範囲】

【請求項１】電子部品を基板に接着するサンプル半田に
向かって、特定の方向から照射光を照射し、その反射光
を特定の方向に設けられたカメラにより観察して、この
サンプル半田の画像を入力層，中間層，出力層を備えた
ニューラルネットワークの入力層に入力し、特定のサン
プル半田の画像の出力層の出力値と、これ以外のサンプ
ル半田の画像の出力層の出力値の差が大となるように、
上記入力層，中間層，出力層を結ぶ神経網の神経係数を
設定して、この神経係数を確定神経係数としてコンピュ
ータに登録し、次いで検査対象物である半田を上記カメ
ラにより観察して、その画像を上記入力層に入力し、且
つ上記登録された確定神経係数に基づいて上記出力層の
出力値を算出し、この出力値から、半田の形状の良否を
判断するようにしたことを特徴とする半田の形状検査方
法。