JPH06119431A - ワイヤボンダー等におけるパターン認識方法及び装置 - Google Patents
ワイヤボンダー等におけるパターン認識方法及び装置Info
- Publication number
- JPH06119431A JPH06119431A JP28926092A JP28926092A JPH06119431A JP H06119431 A JPH06119431 A JP H06119431A JP 28926092 A JP28926092 A JP 28926092A JP 28926092 A JP28926092 A JP 28926092A JP H06119431 A JPH06119431 A JP H06119431A
- Authority
- JP
- Japan
- Prior art keywords
- threshold value
- image
- binarized
- unit
- recognition
- 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
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L2924/00—Indexing scheme for arrangements or methods for connecting or disconnecting semiconductor or solid-state bodies as covered by H01L24/00
- H01L2924/0001—Technical content checked by a classifier
- H01L2924/0002—Not covered by any one of groups H01L24/00, H01L24/00 and H01L2224/00
Landscapes
- Image Processing (AREA)
- Wire Bonding (AREA)
- Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
- Control Of Position Or Direction (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】 （修正有）
【目的】 バラツキの大きい認識対象物の２値化画像に
対して少ない認識エラーで、かつ認識対象物の位置ずれ
に対する許容幅を大きくする。 【構成】 ワーク６の画像はカメラ２で入力され、しき
い値設定部８は、初期しきい値を有するとともに、認識
対象物と同種の物品の画像を参照画像として入力すると
きは２値化のしきい値がしきい値マニュアル入力部１２
で手入力で設定され、認識対象物の画像を入力するとき
はしきい値データ作成部１４の出力に従って２値化のし
きい値が設定される。しきい値データ作成部１４は、階
層型ニューラルネットワークを有し、初期しきい値で２
値化された複数の参照画像を記憶するとともに各参照画
像についてしきい値マニュアル入力部１２で設定された
最適しきい値を教師信号として学習して記憶する。２値
化参照画像記憶部２０は最適しきい値による２値化され
た１つの参照画像を記憶する。
対して少ない認識エラーで、かつ認識対象物の位置ずれ
に対する許容幅を大きくする。 【構成】 ワーク６の画像はカメラ２で入力され、しき
い値設定部８は、初期しきい値を有するとともに、認識
対象物と同種の物品の画像を参照画像として入力すると
きは２値化のしきい値がしきい値マニュアル入力部１２
で手入力で設定され、認識対象物の画像を入力するとき
はしきい値データ作成部１４の出力に従って２値化のし
きい値が設定される。しきい値データ作成部１４は、階
層型ニューラルネットワークを有し、初期しきい値で２
値化された複数の参照画像を記憶するとともに各参照画
像についてしきい値マニュアル入力部１２で設定された
最適しきい値を教師信号として学習して記憶する。２値
化参照画像記憶部２０は最適しきい値による２値化され
た１つの参照画像を記憶する。
Description
【０００１】
【産業上の利用分野】本発明は認識対象物と同種の予め
登録された２値化参照信号と認識対象物のビットイメー
ジとの差分計算を行ない認識対象物の基準位置からのず
れ量を求めるパターン認識方法と、そのパターン認識方
法を実現したパターン認識装置を備えたワイヤボンダー
に関するものである。
登録された２値化参照信号と認識対象物のビットイメー
ジとの差分計算を行ない認識対象物の基準位置からのず
れ量を求めるパターン認識方法と、そのパターン認識方
法を実現したパターン認識装置を備えたワイヤボンダー
に関するものである。
【０００２】
【従来の技術】ワイヤボンダーで半導体チップとリード
フレームの間にワイヤボンディングを施すには、まずリ
ードフレームや半導体チップのパターン認識を行なわな
ければならない。認識対象物であるリードフレームや半
導体チップをＣＣＤカメラなどのカメラで入力し、その
入力画像を２値化し、予め入力し記憶されている認識対
象物と同種の２値化された参照画像と比較をして、認識
対象物が基準位置からどれだけずれているかを求め、そ
のずれ量に従ってワイヤボンディングの位置の補正を行
なう。
フレームの間にワイヤボンディングを施すには、まずリ
ードフレームや半導体チップのパターン認識を行なわな
ければならない。認識対象物であるリードフレームや半
導体チップをＣＣＤカメラなどのカメラで入力し、その
入力画像を２値化し、予め入力し記憶されている認識対
象物と同種の２値化された参照画像と比較をして、認識
対象物が基準位置からどれだけずれているかを求め、そ
のずれ量に従ってワイヤボンディングの位置の補正を行
なう。
【０００３】入力した認識対象物の画像を２値化するた
めのしきい値を決める方法として、固定されたしきい値
レベルを用いる方法と、予め設定された初期しきい値で
２値化した２値化画像の白点数をカウントし、予め設定
された参照画像の白点数と差があれば、その差がなくな
るように２値化のしきい値レベルの増減方向と増減量を
求め、参照画像の白点数と一致するようにしきい値レベ
ルを調整する方法（特開平３−２７２１５０号公報参
照）がある。
めのしきい値を決める方法として、固定されたしきい値
レベルを用いる方法と、予め設定された初期しきい値で
２値化した２値化画像の白点数をカウントし、予め設定
された参照画像の白点数と差があれば、その差がなくな
るように２値化のしきい値レベルの増減方向と増減量を
求め、参照画像の白点数と一致するようにしきい値レベ
ルを調整する方法（特開平３−２７２１５０号公報参
照）がある。
【０００４】
【発明が解決しようとする課題】しきい値レベルを固定
して認識対象物の入力画像を２値化する場合は、リード
フレームや半導体チップの表面状態のバラツキにより、
２値化画像が参照画像と大きく異なっているときは、認
識が不能となり、認識対象物が良品であるにもかかわら
ず認識エラーと判定されてしまう。特に半導体チップの
認識においてはこのようなエラーが起こりやすい。
して認識対象物の入力画像を２値化する場合は、リード
フレームや半導体チップの表面状態のバラツキにより、
２値化画像が参照画像と大きく異なっているときは、認
識が不能となり、認識対象物が良品であるにもかかわら
ず認識エラーと判定されてしまう。特に半導体チップの
認識においてはこのようなエラーが起こりやすい。
【０００５】参照画像の白点数と認識対象物の２値化画
像の白点数を等しくするようにしきい値レベルを調整す
る方法では、半導体チップ表面のように２値化画像の形
状が複雑な場合、認識可能な範囲が限定され、認識対象
物の位置ずれに対する許容幅が小さくなる。
像の白点数を等しくするようにしきい値レベルを調整す
る方法では、半導体チップ表面のように２値化画像の形
状が複雑な場合、認識可能な範囲が限定され、認識対象
物の位置ずれに対する許容幅が小さくなる。
【０００６】本発明の第１の目的はバラツキの大きい認
識対象物の２値化画像に対しても少ない認識エラーで認
識できるようにし、認識対象物の位置ずれに対する許容
幅を大きくすることである。しきい値レベルの自動補正
だけでは十分な認識率が得られないことがある。そこ
で、本発明の第２の目的は認識対象物の２値化画像を複
数の参照画像と比較してエラー判定や位置補正を行なえ
るようにすることである。本発明の第３の目的は複数の
参照画像についての最適しきい値や位置補正データなど
のデータを記憶する記憶装置を簡略化し、かつ高速動作
を可能にすることである。
識対象物の２値化画像に対しても少ない認識エラーで認
識できるようにし、認識対象物の位置ずれに対する許容
幅を大きくすることである。しきい値レベルの自動補正
だけでは十分な認識率が得られないことがある。そこ
で、本発明の第２の目的は認識対象物の２値化画像を複
数の参照画像と比較してエラー判定や位置補正を行なえ
るようにすることである。本発明の第３の目的は複数の
参照画像についての最適しきい値や位置補正データなど
のデータを記憶する記憶装置を簡略化し、かつ高速動作
を可能にすることである。
【０００７】
【課題を解決するための手段】本発明の一態様では、認
識対象物と同種で表面状態の異なる複数の物品の２値化
画像（参照画像）と、それぞれの表面状態に対応した２
値化の最適しきい値との対応関係を記憶しておき、認識
対象物に対して前記の記憶された対応関係に基づいてし
きい値の自動補正を行なう。
識対象物と同種で表面状態の異なる複数の物品の２値化
画像（参照画像）と、それぞれの表面状態に対応した２
値化の最適しきい値との対応関係を記憶しておき、認識
対象物に対して前記の記憶された対応関係に基づいてし
きい値の自動補正を行なう。
【０００８】本発明の他の態様では、認識対象物と同種
の複数の物品の２値化画像（参照画像）と、それぞれの
画像のずれ量との対応関係を記憶しておき、認識対象物
に対して前記の記憶された対応関係に基づいてずれ量を
出力する。好ましい態様では、複数の参照画像と各参照
画像の２値化の最適しきい値やずれ量との対応関係は階
層型ニューラルネットワークに蓄積される。
の複数の物品の２値化画像（参照画像）と、それぞれの
画像のずれ量との対応関係を記憶しておき、認識対象物
に対して前記の記憶された対応関係に基づいてずれ量を
出力する。好ましい態様では、複数の参照画像と各参照
画像の２値化の最適しきい値やずれ量との対応関係は階
層型ニューラルネットワークに蓄積される。
【０００９】しきい値の自動補正を行なう本発明の方法
を実現するために、本発明のワイヤボンダーは、認識対
象物又はそれと同種の物品の画像を入力して２値化する
入力部と、初期しきい値を有するとともに、認識対象物
と同種の物品の画像を参照画像として手入力するときは
２値化のしきい値が手入力で設定され、認識対象物の画
像を入力するときはしきい値データ作成部の出力に従っ
て２値化のしきい値が設定されるしきい値設定部と、し
きい値設定部のしきい値を手入力で設定するしきい値マ
ニュアル入力部と、階層型ニューラルネットワークを有
し初期しきい値で２値化された複数の参照画像を記憶す
るとともに各参照画像についてしきい値マニュアル入力
部で設定された最適しきい値を学習により記憶するしき
い値データ作成部と、最適しきい値による２値化された
１つの参照画像を記憶する２値化参照画像記憶部と、認
識対象物に対し、学習ずみのしきい値データ作成部の出
力に基づいて設定された最適しきい値で２値化された画
像と２値化参照画像記憶部に記憶されている参照画像と
を比較して入力判定信号を出力する比較演算部と、その
入力判定信号に基づいて認識対象物の位置補正やエラー
判定を行なう位置補正部とを備えたパターン認識装置を
備えている。
を実現するために、本発明のワイヤボンダーは、認識対
象物又はそれと同種の物品の画像を入力して２値化する
入力部と、初期しきい値を有するとともに、認識対象物
と同種の物品の画像を参照画像として手入力するときは
２値化のしきい値が手入力で設定され、認識対象物の画
像を入力するときはしきい値データ作成部の出力に従っ
て２値化のしきい値が設定されるしきい値設定部と、し
きい値設定部のしきい値を手入力で設定するしきい値マ
ニュアル入力部と、階層型ニューラルネットワークを有
し初期しきい値で２値化された複数の参照画像を記憶す
るとともに各参照画像についてしきい値マニュアル入力
部で設定された最適しきい値を学習により記憶するしき
い値データ作成部と、最適しきい値による２値化された
１つの参照画像を記憶する２値化参照画像記憶部と、認
識対象物に対し、学習ずみのしきい値データ作成部の出
力に基づいて設定された最適しきい値で２値化された画
像と２値化参照画像記憶部に記憶されている参照画像と
を比較して入力判定信号を出力する比較演算部と、その
入力判定信号に基づいて認識対象物の位置補正やエラー
判定を行なう位置補正部とを備えたパターン認識装置を
備えている。
【００１０】ずれ量を出力する本発明の方法を実現する
ために、本発明のワイヤボンダーは、認識対象物又はそ
れと同種の物品の画像を入力して予め設定されたしきい
値で入力画像を２値化する入力部と、認識対象物と同種
の物品の２値化された参照画像に対し、入力判定信号を
作成する前処理部と、階層型ニューラルネットワークを
有し、２値化された複数の参照画像を記憶するとともに
各参照画像についての入力判定信号を教師信号として学
習し記憶する参照データ作成部と、認識対象物の２値化
された画像に対し参照データ作成部からの入力判定信号
出力に基づいて認識対象物の位置補正やエラー判定を行
なう位置補正部とを備えたパターン認識装置を備えてい
る。
ために、本発明のワイヤボンダーは、認識対象物又はそ
れと同種の物品の画像を入力して予め設定されたしきい
値で入力画像を２値化する入力部と、認識対象物と同種
の物品の２値化された参照画像に対し、入力判定信号を
作成する前処理部と、階層型ニューラルネットワークを
有し、２値化された複数の参照画像を記憶するとともに
各参照画像についての入力判定信号を教師信号として学
習し記憶する参照データ作成部と、認識対象物の２値化
された画像に対し参照データ作成部からの入力判定信号
出力に基づいて認識対象物の位置補正やエラー判定を行
なう位置補正部とを備えたパターン認識装置を備えてい
る。
【００１１】
【実施例】図１は最適しきい値を記憶しておき、入力さ
れた認識対象物の最適しきい値を自動設定できるように
した実施例を表わしたものである。リードフレームや半
導体チップなどのワーク６はＣＣＤカメラなどのカメラ
２で入力され、２値化部４で２値化画像に変換される。
カメラ２と２値化部４は入力部を構成している。しきい
値設定部８は、初期しきい値を有するとともに、認識対
象物と同種の物品の画像を参照画像として入力するとき
は２値化のしきい値が手入力で設定され、認識対象物の
画像を入力するときはしきい値データ作成部１４の出力
に従って２値化のしきい値が設定される。１２はしきい
値設定部８のしきい値を手入力で設定するしきい値マニ
ュアル入力部である。
れた認識対象物の最適しきい値を自動設定できるように
した実施例を表わしたものである。リードフレームや半
導体チップなどのワーク６はＣＣＤカメラなどのカメラ
２で入力され、２値化部４で２値化画像に変換される。
カメラ２と２値化部４は入力部を構成している。しきい
値設定部８は、初期しきい値を有するとともに、認識対
象物と同種の物品の画像を参照画像として入力するとき
は２値化のしきい値が手入力で設定され、認識対象物の
画像を入力するときはしきい値データ作成部１４の出力
に従って２値化のしきい値が設定される。１２はしきい
値設定部８のしきい値を手入力で設定するしきい値マニ
ュアル入力部である。
【００１２】しきい値データ作成部１４は、階層型ニュ
ーラルネットワークを有し、初期しきい値で２値化され
た複数の参照画像を記憶するとともに各参照画像につい
てしきい値マニュアル入力部１２で設定された最適しき
い値を教師信号として学習して記憶する。２値化参照画
像記憶部２０は最適しきい値による２値化された１つの
参照画像を記憶する。比較演算部２２は、認識対象物に
対し、学習ずみのしきい値データ作成部１４の出力に基
づいて設定された最適しきい値で２値化された画像と２
値化参照画像記憶部１８に記憶されている参照画像とを
比較して、正誤データやずれ量などの入力判定信号を出
力する。位置補正部２４は比較演算部２２から出力され
た入力判定信号に基づいて認識対象物の位置補正やエラ
ー判定を行なう。
ーラルネットワークを有し、初期しきい値で２値化され
た複数の参照画像を記憶するとともに各参照画像につい
てしきい値マニュアル入力部１２で設定された最適しき
い値を教師信号として学習して記憶する。２値化参照画
像記憶部２０は最適しきい値による２値化された１つの
参照画像を記憶する。比較演算部２２は、認識対象物に
対し、学習ずみのしきい値データ作成部１４の出力に基
づいて設定された最適しきい値で２値化された画像と２
値化参照画像記憶部１８に記憶されている参照画像とを
比較して、正誤データやずれ量などの入力判定信号を出
力する。位置補正部２４は比較演算部２２から出力され
た入力判定信号に基づいて認識対象物の位置補正やエラ
ー判定を行なう。
【００１３】しきい値データ作成部１４は階層型ニュー
ラルネットワークで構成され、ティーチング時にはワー
ク２の２値化された画像データを参照画像として入力
し、その参照画像についてしきい値マニュアル入力部１
２でマニュアル設定されたしきい値レベルを教師信号と
して入力し、学習を行なう。複数の参照画像について最
適しきい値がニューラルネットワークに学習により記憶
される。ニューラルネットワークは計算量の軽減のため
に、入力層１４ａ、中間層１４ｂ及び出力層１４ｃから
なる３層構造が望ましく、学習にはシグモイド関数を伝
達関数とし、各ニューロンの重み調整を行なうバックプ
ロパゲーション法を用いるのが好都合である。所定の誤
差以下まで学習したネットワーク情報は、ＲＡＭなどの
一次メモリやディスク装置などの２次メモリに保存され
る。
ラルネットワークで構成され、ティーチング時にはワー
ク２の２値化された画像データを参照画像として入力
し、その参照画像についてしきい値マニュアル入力部１
２でマニュアル設定されたしきい値レベルを教師信号と
して入力し、学習を行なう。複数の参照画像について最
適しきい値がニューラルネットワークに学習により記憶
される。ニューラルネットワークは計算量の軽減のため
に、入力層１４ａ、中間層１４ｂ及び出力層１４ｃから
なる３層構造が望ましく、学習にはシグモイド関数を伝
達関数とし、各ニューロンの重み調整を行なうバックプ
ロパゲーション法を用いるのが好都合である。所定の誤
差以下まで学習したネットワーク情報は、ＲＡＭなどの
一次メモリやディスク装置などの２次メモリに保存され
る。
【００１４】しきい値データ作成部１４は、ワイヤボン
ディング時にはティーチング時に学習したネットワーク
を利用して、認識対象物のワーク６の２値化された画像
が記憶されている参照画像の最も近いもののしきい値と
同じになるように、しきい値設定部８へしきい値を出力
する。
ディング時にはティーチング時に学習したネットワーク
を利用して、認識対象物のワーク６の２値化された画像
が記憶されている参照画像の最も近いもののしきい値と
同じになるように、しきい値設定部８へしきい値を出力
する。
【００１５】２値化参照画像記憶部２０にはボンディン
グ時に位置補正を行なうための参照画像が記憶され、２
値化参照画像記憶部２０に参照画像を１つ記憶するため
に、ティーチング時の適当な参照画像入力に対してスイ
ッチ１８がオンとされて取り込まれ、ボンディング時に
はスイッチ１８はオフとされる。しきい値設定部８の入
力側にスイッチ１０が設けられ、ティーチング時にはこ
のスイッチ１０はしきい値マニュアル入力部１２と接続
され、ボンディング時にはしきい値データ作成部１４側
に切り替えられる。しきい値データ作成部１４の出力層
１４ｃにスイッチ１６が設けられ、このスイッチ１６は
ティーチング時にはしきい値マニュアル入力部１２と接
続されて教師信号が取り込まれ、ボンディング時にはし
きい値設定部８に接続されて学習により記憶した最適し
きい値が出力される。
グ時に位置補正を行なうための参照画像が記憶され、２
値化参照画像記憶部２０に参照画像を１つ記憶するため
に、ティーチング時の適当な参照画像入力に対してスイ
ッチ１８がオンとされて取り込まれ、ボンディング時に
はスイッチ１８はオフとされる。しきい値設定部８の入
力側にスイッチ１０が設けられ、ティーチング時にはこ
のスイッチ１０はしきい値マニュアル入力部１２と接続
され、ボンディング時にはしきい値データ作成部１４側
に切り替えられる。しきい値データ作成部１４の出力層
１４ｃにスイッチ１６が設けられ、このスイッチ１６は
ティーチング時にはしきい値マニュアル入力部１２と接
続されて教師信号が取り込まれ、ボンディング時にはし
きい値設定部８に接続されて学習により記憶した最適し
きい値が出力される。
【００１６】図２は複数の参照画像に対して位置補正デ
ータなどの入力判定信号を学習により記憶し、ボンディ
ング時に認識対象物の２値化された画像に対して位置補
正データなどの入力判定信号を出力する実施例を表わし
たものである。カメラ２によるワーク６の入力画像は、
２値化部４で予め設定されたしきい値で２値化される。
前処理部３０は認識対象物と同種の物品の２値化された
参照画像に対し、入力判定信号を作成する。参照データ
作成部３４は階層型ニューラルネットワークを有し、２
値化された複数の参照画像を記憶するとともに各参照画
像についての前処理部３０からの入力判定信号を教師信
号として学習し記憶する。位置補正部２４は認識対象物
の２値化された画像に対し参照データ作成部３４からの
入力判定信号出力に基づいて認識対象物の位置補正やエ
ラー判定を行なう。
ータなどの入力判定信号を学習により記憶し、ボンディ
ング時に認識対象物の２値化された画像に対して位置補
正データなどの入力判定信号を出力する実施例を表わし
たものである。カメラ２によるワーク６の入力画像は、
２値化部４で予め設定されたしきい値で２値化される。
前処理部３０は認識対象物と同種の物品の２値化された
参照画像に対し、入力判定信号を作成する。参照データ
作成部３４は階層型ニューラルネットワークを有し、２
値化された複数の参照画像を記憶するとともに各参照画
像についての前処理部３０からの入力判定信号を教師信
号として学習し記憶する。位置補正部２４は認識対象物
の２値化された画像に対し参照データ作成部３４からの
入力判定信号出力に基づいて認識対象物の位置補正やエ
ラー判定を行なう。
【００１７】参照データ作成部３４としては図１と同様
の階層型ニューラルネットワーク３４が用いられ、入力
層３４ａ、中間層３４ｂ及び出力層３４ｃからなる３層
構造をなし、学習には図１のしきい値データ作成部１４
と同様に、シグモイド関数を伝達関数とし、各ニューロ
ンの重み調整を行なうバックプロパゲーション法を用い
るのが好都合である。所定の誤差以下まで学習したネッ
トワーク情報は、ＲＡＭなどの一次メモリやディスク装
置などの２次メモリに保存される。
の階層型ニューラルネットワーク３４が用いられ、入力
層３４ａ、中間層３４ｂ及び出力層３４ｃからなる３層
構造をなし、学習には図１のしきい値データ作成部１４
と同様に、シグモイド関数を伝達関数とし、各ニューロ
ンの重み調整を行なうバックプロパゲーション法を用い
るのが好都合である。所定の誤差以下まで学習したネッ
トワーク情報は、ＲＡＭなどの一次メモリやディスク装
置などの２次メモリに保存される。
【００１８】学習ずみニューラルネットワーク３４はワ
ーク６の２値化入力画像を取り込み、学習により記憶し
た入力判定信号を位置補正部２４へ出力する。２値化部
４と前処理部３０の間にはスイッチ３２が設けられ、ス
イッチ３２はティーチング時にオンとされて前処理部３
０が位置補正データなどの入力判定信号を教師信号とし
て出力する。ボンディング時にはスイッチ３２はオフと
される。参照データ作成部３４の出力層３４ｃにはスイ
ッチ３６が設けられ、スイッチ３６はティーチング時に
は前処理部３０側に接続されて教師信号が出力層３４に
供給され、ボンディング時には配置補正部２４に切り換
えられて学習により記憶した入力判定信号を位置補正部
２４へ出力する。
ーク６の２値化入力画像を取り込み、学習により記憶し
た入力判定信号を位置補正部２４へ出力する。２値化部
４と前処理部３０の間にはスイッチ３２が設けられ、ス
イッチ３２はティーチング時にオンとされて前処理部３
０が位置補正データなどの入力判定信号を教師信号とし
て出力する。ボンディング時にはスイッチ３２はオフと
される。参照データ作成部３４の出力層３４ｃにはスイ
ッチ３６が設けられ、スイッチ３６はティーチング時に
は前処理部３０側に接続されて教師信号が出力層３４に
供給され、ボンディング時には配置補正部２４に切り換
えられて学習により記憶した入力判定信号を位置補正部
２４へ出力する。
【００１９】図３には図２の実施例におけるティーチン
グ時の入力画像とデータの例を示す。複数個（Ｋ個）の
参照画像（未学習データ）ａが入力層３４ａにビットイ
メージとして与えられる。各参照画像に対してはマニュ
アルで位置補正がなされる。参照画像ｂは位置補正後の
ビットイメージである。その位置補正に応じて前処理部
３０から教師データとして各参照画像ごとの入力判定信
号が教師信号データとして作成される。教師信号データ
には例えば、正誤フィールド、Ｘ座標符号フィールド、
Ｘ座標ビットフィールド（正規化されたアナログ値でも
よい）が含まれる。
グ時の入力画像とデータの例を示す。複数個（Ｋ個）の
参照画像（未学習データ）ａが入力層３４ａにビットイ
メージとして与えられる。各参照画像に対してはマニュ
アルで位置補正がなされる。参照画像ｂは位置補正後の
ビットイメージである。その位置補正に応じて前処理部
３０から教師データとして各参照画像ごとの入力判定信
号が教師信号データとして作成される。教師信号データ
には例えば、正誤フィールド、Ｘ座標符号フィールド、
Ｘ座標ビットフィールド（正規化されたアナログ値でも
よい）が含まれる。
【００２０】次に、実施例の動作について図４を参照し
て説明する。図１の実施例と図２の実施例はニューラル
ネットワークから出力される信号の種類は異なるが動作
は同じである。まず、図１の実施例の動作について説明
する。ティーチングは、ティーチング用のワークを用い
て行う。そのワークの入力画像は２値化部４で初期しき
い値により２値化され、これが参照画像として取り込ま
れ、しきい値データ作成部１４への入力データとしてい
ったん保存される。その参照画像のデータを１次メモリ
へ読み出す。しきい値データ作成部１４では各層のニュ
ーロン間の結合荷重の初期値を決定する。１次メモリへ
読み出した参照画像を２値化モニタを参照しながら、し
きい値マニュアル入力部１２によりマニュアルでその参
照画像の最適しきい値を決定し、そのしきい値をしきい
値データ作成部１４の教師信号として与える。しきい値
データ作成部１４ではフォワードプロパゲーションによ
り伝達関数を計算し、次にバックプロパゲーションによ
り教師信号と出力層信号の差分から各結合荷重を再計算
する。教師信号と出力層信号の二乗誤差Ｅｒｒが設定値
より小さくなるまでフォワードプロパゲーションとバッ
クプロパゲーションを繰り返し、学習を行なわせる。Ｅ
ｒｒが設定値より小さくなると学習を終了し、各荷重デ
ータを１次メモリと２次メモリへ保存する。
て説明する。図１の実施例と図２の実施例はニューラル
ネットワークから出力される信号の種類は異なるが動作
は同じである。まず、図１の実施例の動作について説明
する。ティーチングは、ティーチング用のワークを用い
て行う。そのワークの入力画像は２値化部４で初期しき
い値により２値化され、これが参照画像として取り込ま
れ、しきい値データ作成部１４への入力データとしてい
ったん保存される。その参照画像のデータを１次メモリ
へ読み出す。しきい値データ作成部１４では各層のニュ
ーロン間の結合荷重の初期値を決定する。１次メモリへ
読み出した参照画像を２値化モニタを参照しながら、し
きい値マニュアル入力部１２によりマニュアルでその参
照画像の最適しきい値を決定し、そのしきい値をしきい
値データ作成部１４の教師信号として与える。しきい値
データ作成部１４ではフォワードプロパゲーションによ
り伝達関数を計算し、次にバックプロパゲーションによ
り教師信号と出力層信号の差分から各結合荷重を再計算
する。教師信号と出力層信号の二乗誤差Ｅｒｒが設定値
より小さくなるまでフォワードプロパゲーションとバッ
クプロパゲーションを繰り返し、学習を行なわせる。Ｅ
ｒｒが設定値より小さくなると学習を終了し、各荷重デ
ータを１次メモリと２次メモリへ保存する。
【００２１】学習は表面状態の異なる複数のワークにつ
いて繰り返して行ない、複数の参照画像入力データと教
師信号の組を学習によりしきい値データ作成部１４に記
憶させる。マニュアル設定により設定された最適しきい
値で２値化された参照画像を２値化参照画像記憶部２０
に保存する。保存される参照画像としては最も代表的な
ワークのものを保存する。
いて繰り返して行ない、複数の参照画像入力データと教
師信号の組を学習によりしきい値データ作成部１４に記
憶させる。マニュアル設定により設定された最適しきい
値で２値化された参照画像を２値化参照画像記憶部２０
に保存する。保存される参照画像としては最も代表的な
ワークのものを保存する。
【００２２】ボンディング時にはスイッチ１０，１６を
図１の状態に切り換え、カメラ２からボンディング用の
画像を取り込み、初期しきい値で２値化されたその画像
データを入力層データとして１次メモリへ読みだす。し
きい値データ作成部１４でその画像データに対応した学
習ずみの荷重データを１次メモリへ読みだし、フォワー
ドプロパゲーションにより出力層信号としてしきい値を
出力し、それを１次メモリへ書き込む。次に、その出力
された最適しきい値で２値化された入力画像と、２値化
参照画像記憶部２０に保存されている参照画像とを比較
演算部２２で比較し、演算して位置補正データやエラー
データなどの入力判定信号を位置補正部２４へ出力す
る。
図１の状態に切り換え、カメラ２からボンディング用の
画像を取り込み、初期しきい値で２値化されたその画像
データを入力層データとして１次メモリへ読みだす。し
きい値データ作成部１４でその画像データに対応した学
習ずみの荷重データを１次メモリへ読みだし、フォワー
ドプロパゲーションにより出力層信号としてしきい値を
出力し、それを１次メモリへ書き込む。次に、その出力
された最適しきい値で２値化された入力画像と、２値化
参照画像記憶部２０に保存されている参照画像とを比較
演算部２２で比較し、演算して位置補正データやエラー
データなどの入力判定信号を位置補正部２４へ出力す
る。
【００２３】次に、図２の実施例の動作を再び図４を参
照して説明する。ティーチング用のワークを用いて参照
画像を未学習データとして取り込み、１次メモリへ読み
出す。各層のニューロン間の結合荷重の初期値を決定し
ておき、２値化した未学習データをマニュアルで位置補
正し、その補正に基づいて前処理部３０から、参照信号
が正しいものかどうかの正誤情報や参照パターンの重心
座標などの位置情報が教師信号として出力層３４ｃに与
えられる。出力層３４ではフォワードプロパゲーション
とバックプロパゲーションにより教師信号と出力層信号
の二乗誤差Ｅｒｒが設定位置以下になるように学習がな
され、学習ずみの各荷重データが１次メモリと２次メモ
リへ保存される。学習を複数の参照画像について繰り返
し、各参照画像の入力層データと各入力層データに対応
した荷重データを保存する。
照して説明する。ティーチング用のワークを用いて参照
画像を未学習データとして取り込み、１次メモリへ読み
出す。各層のニューロン間の結合荷重の初期値を決定し
ておき、２値化した未学習データをマニュアルで位置補
正し、その補正に基づいて前処理部３０から、参照信号
が正しいものかどうかの正誤情報や参照パターンの重心
座標などの位置情報が教師信号として出力層３４ｃに与
えられる。出力層３４ではフォワードプロパゲーション
とバックプロパゲーションにより教師信号と出力層信号
の二乗誤差Ｅｒｒが設定位置以下になるように学習がな
され、学習ずみの各荷重データが１次メモリと２次メモ
リへ保存される。学習を複数の参照画像について繰り返
し、各参照画像の入力層データと各入力層データに対応
した荷重データを保存する。
【００２４】ボンディング時にはリードフレームや半導
体チップ表面の入力画像を取り込み、それを２値化して
２値化後の入力データを学習ずみの参照データ作成部３
４の入力層データとして１次データへ読み出す。学習ず
みの荷重データを１次メモリへ読み出し、フォワードプ
ロパゲーションによって出力層信号を出力し、１次メモ
リへ書き込む。得られた出力層信号は入力されたワーク
の２値化データに対する正誤情報や重心座標データを含
む入力判定信号である。出力された入力判定信号が位置
補正部２４へ出力されて正規のボンディングにおけるパ
ターン認識が終了する。
体チップ表面の入力画像を取り込み、それを２値化して
２値化後の入力データを学習ずみの参照データ作成部３
４の入力層データとして１次データへ読み出す。学習ず
みの荷重データを１次メモリへ読み出し、フォワードプ
ロパゲーションによって出力層信号を出力し、１次メモ
リへ書き込む。得られた出力層信号は入力されたワーク
の２値化データに対する正誤情報や重心座標データを含
む入力判定信号である。出力された入力判定信号が位置
補正部２４へ出力されて正規のボンディングにおけるパ
ターン認識が終了する。
【００２５】
【発明の効果】請求項１の方法によれば、表面状態の大
きく異なるワークに対しても複数の参照画像とそれに対
する最適しきい値が記憶されているので、２値化しきい
値レベルが自動補正され、認識率の低下が防止される。
複数のしきい値をニューラルネットワークを用いて学習
により記憶させている場合には、チップ表面のパターン
形状が複雑な場合でもニューラルネットワークの特性
上、入力の非線形歪に対して精度の高い出力が得られ、
正確なしきい値制御が可能となる。また、同様にニュー
ラルネットワークの特性上、既に学習を行なった参照画
像では誤認識となる場合でも、追加学習によりネットワ
ークの知識を増加させることができ、学習後はそのよう
な入力画像に対して誤認識となるのを防ぐことができ
る。参照画像の数が増加しても各ニューロン間の結合の
強さや各ニューロンのしきい値が変化するだけで物理的
なメモリ容量を増加させる必要がなく、また出力速度も
早めることができる。
きく異なるワークに対しても複数の参照画像とそれに対
する最適しきい値が記憶されているので、２値化しきい
値レベルが自動補正され、認識率の低下が防止される。
複数のしきい値をニューラルネットワークを用いて学習
により記憶させている場合には、チップ表面のパターン
形状が複雑な場合でもニューラルネットワークの特性
上、入力の非線形歪に対して精度の高い出力が得られ、
正確なしきい値制御が可能となる。また、同様にニュー
ラルネットワークの特性上、既に学習を行なった参照画
像では誤認識となる場合でも、追加学習によりネットワ
ークの知識を増加させることができ、学習後はそのよう
な入力画像に対して誤認識となるのを防ぐことができ
る。参照画像の数が増加しても各ニューロン間の結合の
強さや各ニューロンのしきい値が変化するだけで物理的
なメモリ容量を増加させる必要がなく、また出力速度も
早めることができる。
【００２６】請求項２の発明では、複数の参照画像を保
持しているので、実際のボンディング時などの認識にお
いてリードフレームや半導体チップの表面状態や光源な
どのバラツキによる入力画像の認識率の低下を防ぐこと
ができる。この場合もニューラルネットワークを用いて
パターン認識を行なうときは、参照画像の数が増加して
も物理的なメモリ容量を増加させる必要がなく、また追
加学習も可能であることから参照する画像を増加させる
ことができ、また出力速度も早めることができる。本発
明をワイヤボンダーに適用する場合は、参照画像の無制
限な追加が可能で、誤認識の少ないワイヤボンダーを実
現することができる。
持しているので、実際のボンディング時などの認識にお
いてリードフレームや半導体チップの表面状態や光源な
どのバラツキによる入力画像の認識率の低下を防ぐこと
ができる。この場合もニューラルネットワークを用いて
パターン認識を行なうときは、参照画像の数が増加して
も物理的なメモリ容量を増加させる必要がなく、また追
加学習も可能であることから参照する画像を増加させる
ことができ、また出力速度も早めることができる。本発
明をワイヤボンダーに適用する場合は、参照画像の無制
限な追加が可能で、誤認識の少ないワイヤボンダーを実
現することができる。
【図１】第１の実施例を示すブロック図である。
【図２】第２の実施例を示すブロック図である。
【図３】図２の実施例のティーチング動作を説明する概
略図である。
略図である。
【図４】本発明の実施例の動作を説明するフローチャー
ト図である。
ト図である。
２ カメラ ４ ２値化部 ６ ワーク ８ しきい値設定部 １２ しきい値マニュアル入力部 １４ しきい値データ作成部 ２０ ２値化参照画像記憶部 ２２ 比較演算部 ２４ 位置補正部 ３０ 前処理部 ３４ 参照データ作成部
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.5 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｈ０１Ｌ 21/68 Ｆ 8418−4Ｍ
Claims (5)
- 【請求項１】 認識対象物と同種の予め登録された２値
化参照信号と認識対象物のビットイメージとの差分計算
を行ない認識対象物の基準位置からのずれ量を求めるパ
ターン認識方法において、認識対象物と同種で表面状態
の異なる複数の物品の２値化画像と、それぞれの表面状
態に対応した２値化の最適しきい値との対応関係を記憶
しておき、認識対象物に対して前記の記憶された対応関
係に基づいてしきい値の自動補正を行なうことを特徴と
するパターン認識方法。 - 【請求項２】 認識対象物と同種の予め登録された２値
化参照信号と認識対象物のビットイメージとの差分計算
を行ない認識対象物の基準位置からのずれ量を求めるパ
ターン認識方法において、認識対象物と同種の複数の物
品の２値化画像と、それぞれの画像のずれ量との対応関
係を記憶しておき、認識対象物に対して前記の記憶され
た対応関係に基づいてずれ量を出力することを特徴とす
るパターン認識方法。 - 【請求項３】 前記複数の物品の２値化画像と各物品の
前記対応関係は階層型ニューラルネットワークに蓄積さ
れる請求項１又は２に記載のパターン認識方法。 - 【請求項４】 認識対象物又はそれと同種の物品の画像
を入力して２値化する入力部２，４と、初期しきい値を
有するとともに、認識対象物と同種の物品の画像を参照
画像として入力するときは２値化のしきい値が手入力で
設定され、認識対象物の画像を入力するときは後記しき
い値データ作成部１４の出力に従って２値化のしきい値
が設定されるしきい値設定部８と、しきい値設定部８の
しきい値を手入力で設定するしきい値マニュアル入力部
１２と、階層型ニューラルネットワークを有し、初期し
きい値で２値化された複数の参照画像を記憶するととも
に各参照画像について前記しきい値マニュアル入力部１
２で設定された最適しきい値を教師信号として学習して
記憶するしきい値データ作成部１４と、最適しきい値に
よる２値化された１つの参照画像を記憶する２値化参照
画像記憶部２０と、認識対象物に対し、学習ずみのしき
い値データ作成部１４の出力に基づいて設定された最適
しきい値で２値化された画像と２値化参照画像記憶部１
８に記憶されている参照画像とを比較して入力判定信号
を出力する比較演算部２２と、その入力判定信号に基づ
いて認識対象物の位置補正やエラー判定を行なう位置補
正部２４と、を備えたパターン認識装置を備えたことを
特徴とするワイヤボンダー。 - 【請求項５】 認識対象物又はそれと同種の物品の画像
を入力して予め設定されたしきい値で入力画像を２値化
する入力部２，４と、認識対象物と同種の物品の２値化
された参照画像に対し、入力判定信号を作成する前処理
部３０と、階層型ニューラルネットワークを有し、２値
化された複数の参照画像を記憶するとともに各参照画像
についての入力判定信号を教師信号として学習し記憶す
る参照データ作成部３４と、認識対象物の２値化された
画像に対し参照データ作成部３４からの入力判定信号出
力に基づいて認識対象物の位置補正やエラー判定を行な
う位置補正部２４と、を備えたパターン認識装置を備え
たことを特徴とするワイヤボンダー。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP28926092A JPH06119431A (ja) | 1992-10-03 | 1992-10-03 | ワイヤボンダー等におけるパターン認識方法及び装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP28926092A JPH06119431A (ja) | 1992-10-03 | 1992-10-03 | ワイヤボンダー等におけるパターン認識方法及び装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06119431A true JPH06119431A (ja) | 1994-04-28 |
Family
ID=17740857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP28926092A Pending JPH06119431A (ja) | 1992-10-03 | 1992-10-03 | ワイヤボンダー等におけるパターン認識方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06119431A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4886844B2 (ja) * | 2006-03-29 | 2012-02-29 | コグネックス・コーポレイション | マシンビジョンツールパラメータの自動決定 |
| US9445025B2 (en) | 2006-01-27 | 2016-09-13 | Affymetrix, Inc. | System, method, and product for imaging probe arrays with small feature sizes |
| JP2020115273A (ja) * | 2019-01-17 | 2020-07-30 | 富士通株式会社 | 学習方法、学習プログラムおよび学習装置 |
| JP2020115256A (ja) * | 2019-01-17 | 2020-07-30 | 富士通株式会社 | 学習方法、学習プログラムおよび学習装置 |
| CN112233994A (zh) * | 2020-10-13 | 2021-01-15 | 珠海市科迪电子科技有限公司 | 一种芯片金线检测方法 |
-
1992
- 1992-10-03 JP JP28926092A patent/JPH06119431A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9445025B2 (en) | 2006-01-27 | 2016-09-13 | Affymetrix, Inc. | System, method, and product for imaging probe arrays with small feature sizes |
| JP4886844B2 (ja) * | 2006-03-29 | 2012-02-29 | コグネックス・コーポレイション | マシンビジョンツールパラメータの自動決定 |
| JP2020115273A (ja) * | 2019-01-17 | 2020-07-30 | 富士通株式会社 | 学習方法、学習プログラムおよび学習装置 |
| JP2020115256A (ja) * | 2019-01-17 | 2020-07-30 | 富士通株式会社 | 学習方法、学習プログラムおよび学習装置 |
| CN112233994A (zh) * | 2020-10-13 | 2021-01-15 | 珠海市科迪电子科技有限公司 | 一种芯片金线检测方法 |
| CN112233994B (zh) * | 2020-10-13 | 2021-08-24 | 珠海市科迪电子科技有限公司 | 一种芯片金线检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4805224A (en) | Pattern matching method and apparatus | |
| US5375197A (en) | System and method for automatically distinguishing between graphic information and text information of image data | |
| JP4532915B2 (ja) | パターン認識用学習方法、パターン認識用学習装置、画像入力装置、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 | |
| EP0622750B1 (en) | Pattern recognition | |
| US5479533A (en) | Pattern recognition apparatus and method using fuzzy logic | |
| EP0511668B1 (en) | Pattern recognition device and method | |
| US6240209B1 (en) | Method for deriving character features in a character recognition system | |
| JPH06119431A (ja) | ワイヤボンダー等におけるパターン認識方法及び装置 | |
| US5479569A (en) | Intelligence information processing method | |
| JP3095623B2 (ja) | 属性判定方法 | |
| US6463423B1 (en) | Multi-winners feedforward neural network | |
| JPH09297846A (ja) | 画像認識装置 | |
| JP2847395B2 (ja) | 学習制御装置 | |
| JP2856702B2 (ja) | パターン認識装置 | |
| JPH06231257A (ja) | 学習データ生成装置 | |
| JP3618007B2 (ja) | ニューラルネットワークの学習装置及び学習方法 | |
| WO2021246217A1 (ja) | オブジェクト検出方法、オブジェクト検出装置及びプログラム | |
| EP0457909B1 (en) | Data processing system | |
| Herpers et al. | Evaluation of local image structures applying a DCS network | |
| JP3324726B2 (ja) | 画像認識装置 | |
| Lee | Enhancement Of Reading Accuracy By Multiple Data Integration | |
| JPH01230164A (ja) | 自動学習型ニューラルネット・システム | |
| JPS63308471A (ja) | 画像信号二値化装置 | |
| JPH1145310A (ja) | 文字認識装置 | |
| JPH02254574A (ja) | ノイズ除去方式 |