JPH09214131A - はんだ付け部検査方法及び検査装置 - Google Patents
はんだ付け部検査方法及び検査装置Info
- Publication number
- JPH09214131A JPH09214131A JP8340213A JP34021396A JPH09214131A JP H09214131 A JPH09214131 A JP H09214131A JP 8340213 A JP8340213 A JP 8340213A JP 34021396 A JP34021396 A JP 34021396A JP H09214131 A JPH09214131 A JP H09214131A
- Authority
- JP
- Japan
- Prior art keywords
- class
- soldered
- hue
- soldering
- input
- 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
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K3/00—Apparatus or processes for manufacturing printed circuits
- H05K3/30—Assembling printed circuits with electric components, e.g. with resistor
- H05K3/32—Assembling printed circuits with electric components, e.g. with resistor electrically connecting electric components or wires to printed circuits
- H05K3/34—Assembling printed circuits with electric components, e.g. with resistor electrically connecting electric components or wires to printed circuits by soldering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N21/95684—Patterns showing highly reflecting parts, e.g. metallic elements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/302—Contactless testing
- G01R31/308—Contactless testing using non-ionising electromagnetic radiation, e.g. optical radiation
- G01R31/309—Contactless testing using non-ionising electromagnetic radiation, e.g. optical radiation of printed or hybrid circuits or circuit substrates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/66—Testing of connections, e.g. of plugs or non-disconnectable joints
- G01R31/70—Testing of connections between components and printed circuit boards
- G01R31/71—Testing of solder joints
Landscapes
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
- Electric Connection Of Electric Components To Printed Circuits (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
(57)【要約】
【課題】 本発明は、はんだ付け部検査方法及び検査装
置に関する。 【解決手段】 本検査方法は、電子部品の基板に取り付
けられているサンプルはんだ付け部を照明し、その反射
光をＣＣＤカメラで受光して各サンプルはんだ付け部に
対したサンプルイメージを得る段階と、前記各サンプル
イメージをはんだ付け品質によって検査者により複数の
クラスに分ける段階と、各クラスに属する特定のサンプ
ルを神経回路網に入力していくつかの細分化されたクラ
スタに分ける段階と、前記各クラスタに対して学習して
各該当クラスに対するシナプスウェイトを決定する段階
と、接している相互異なるクラスに属するクラスタ間の
境界条件によって前記シナプスウェイトを調整して確定
シナプスウェイトを決定する段階とを含む。これによ
り、最小のプロトタイプの数として著しく向上された分
類の正確度を満足させる。
置に関する。 【解決手段】 本検査方法は、電子部品の基板に取り付
けられているサンプルはんだ付け部を照明し、その反射
光をＣＣＤカメラで受光して各サンプルはんだ付け部に
対したサンプルイメージを得る段階と、前記各サンプル
イメージをはんだ付け品質によって検査者により複数の
クラスに分ける段階と、各クラスに属する特定のサンプ
ルを神経回路網に入力していくつかの細分化されたクラ
スタに分ける段階と、前記各クラスタに対して学習して
各該当クラスに対するシナプスウェイトを決定する段階
と、接している相互異なるクラスに属するクラスタ間の
境界条件によって前記シナプスウェイトを調整して確定
シナプスウェイトを決定する段階とを含む。これによ
り、最小のプロトタイプの数として著しく向上された分
類の正確度を満足させる。
Description
【０００１】
【発明の属する技術分野】本発明は、はんだ付け部の品
質検査方法及び検査装置に係り、より詳しくは、環状照
明を用いてはんだ付け部のイメージを取り、これを神経
回路網に入力して学習させてはんだ付け部の品質等級を
分類するはんだ付け部の検査方法及び検査装置に関す
る。
質検査方法及び検査装置に係り、より詳しくは、環状照
明を用いてはんだ付け部のイメージを取り、これを神経
回路網に入力して学習させてはんだ付け部の品質等級を
分類するはんだ付け部の検査方法及び検査装置に関す
る。
【０００２】
【従来の技術】電子製品の基板上にはんだ付けられる実
装部品のはんだ付け部は、はんだ材料の量や温度条件な
どによって多様な３次元の形状を持ち、その表面は鏡面
である。このようなはんだ付け部の表面を適切なランプ
で照明し、その反射光をＣＣＤカメラで受光して、得ら
れたはんだ付け部のディジタルイメージデータに基づい
て、これを人工知能技法として神経回路網で学習するこ
とによりはんだ付け部の形状を認識し、その品質の良い
か否かを分類決定する方法も様々に知られている。
装部品のはんだ付け部は、はんだ材料の量や温度条件な
どによって多様な３次元の形状を持ち、その表面は鏡面
である。このようなはんだ付け部の表面を適切なランプ
で照明し、その反射光をＣＣＤカメラで受光して、得ら
れたはんだ付け部のディジタルイメージデータに基づい
て、これを人工知能技法として神経回路網で学習するこ
とによりはんだ付け部の形状を認識し、その品質の良い
か否かを分類決定する方法も様々に知られている。
【０００３】しかし、従来の神経回路網を用いた分類方
法は、主にKohonenモデルのunsupervised versionのＬ
ＶＱ（Learning Vector Quantization）アルゴリズムに
従い、このような従来の方法は、はんだ付け部検査作業
で要求される程度の認識正確度を保障する為には、数多
くプロトタイプを必要とし、従って学習課程と分類課程
での全体的効率が極めて劣っている。又、実において、
分類過程で自ら形成されたプロトタイプやクラスタは単
純に各サンプル間の類似性を判断する尺度に過ぎないの
で、度々検査者の意図と設計者の意図とが一致しない場
合が発生する。
法は、主にKohonenモデルのunsupervised versionのＬ
ＶＱ（Learning Vector Quantization）アルゴリズムに
従い、このような従来の方法は、はんだ付け部検査作業
で要求される程度の認識正確度を保障する為には、数多
くプロトタイプを必要とし、従って学習課程と分類課程
での全体的効率が極めて劣っている。又、実において、
分類過程で自ら形成されたプロトタイプやクラスタは単
純に各サンプル間の類似性を判断する尺度に過ぎないの
で、度々検査者の意図と設計者の意図とが一致しない場
合が発生する。
【０００４】そして、照明の方法においても、従来の場
合、一つのカメラに複数の光源を設置するとか複数のカ
メラに一つの光源を設置して、いずれかの一方を移動さ
せながらはんだ付け部の表面の傾斜度を測定した。この
ような方法においては、照明とかカメラの位置が変わる
時毎にいろいろな枚のイメージを記録、分析しなければ
ならないので、処理の時間がなかなかかかるだけでな
く、高いコストの装備が所要される。
合、一つのカメラに複数の光源を設置するとか複数のカ
メラに一つの光源を設置して、いずれかの一方を移動さ
せながらはんだ付け部の表面の傾斜度を測定した。この
ような方法においては、照明とかカメラの位置が変わる
時毎にいろいろな枚のイメージを記録、分析しなければ
ならないので、処理の時間がなかなかかかるだけでな
く、高いコストの装備が所要される。
【０００５】
【発明が解決しようとする課題】従って、本発明の目的
は、少ない数量のプロトタイプでも分類正確度が高い適
応的ＬＶＱ方法を活用したはんだ付け部検査方法及び検
査装置を提供することである。本発明の他の目的は、環
状照明技法を利用して低廉の装備コストで短い処理時間
内にはんだ付け部のカラーイメージを得て検査すること
ができるはんだ付け部検査方法及び検査装置を提供する
ことである。
は、少ない数量のプロトタイプでも分類正確度が高い適
応的ＬＶＱ方法を活用したはんだ付け部検査方法及び検
査装置を提供することである。本発明の他の目的は、環
状照明技法を利用して低廉の装備コストで短い処理時間
内にはんだ付け部のカラーイメージを得て検査すること
ができるはんだ付け部検査方法及び検査装置を提供する
ことである。
【０００６】
【課題を解決するための手段】上記の目的を達成する為
の本発明によるはんだ付け部検査方法は、電子部品の基
板上のサンプルはんだ付け部を照明し、その反射光をＣ
ＣＤカメラで受光して各サンプルはんだ付け部に対した
サンプルイメージを得る段階と、前記各サンプルイメー
ジをはんだ付け品質によって検査者により複数のクラス
に分ける段階と、各クラスに属する特定のサンプルを神
経回路網に入力していくつかの細分化されたクラスタに
分ける段階と、前記各クラスタに対して学習して各該当
クラスに対するシナプスウェイトを決定する段階と、相
互異なる隣接のクラスに属するクラスタ間の境界条件に
よって前記シナプスウェイトを調整して確定シナプスウ
ェイトを決定する段階と、前記確定シナプスウェイトに
基づいた検査対象はんだ付け部の入力イメージの神経回
路網の出力値を前記検査者クラスの各出力値と比べて類
似のクラスを選ぶ段階とを含む。ここで、シナプスウェ
イトの調整段階は、他のクラスに該当する入力が特定ク
ラスのシナプスウェイトを選択する場合、前記特定クラ
スのシナプスウェイトを前記入力から離れる方向に変更
することが望ましく、シナプスウェイトの決定段階で
は、現在の入力が以前の入力に基づいて前もって設定さ
れたウィナーシナプスウェイトとの類似性が所定範囲以
上外れる時、新たな出力ニューロンを生成することが望
ましい。かつ、はんだ付け部の照明は、複数個の異なる
色相の光源により、それぞれ相違な入射角度に行われ、
照明設備を簡単に構成することができる。そして、各光
源による反射光は単一のＣＣＤカメラに捕まれるように
できる。一方、本発明によるはんだ付け部の検査装置
は、はんだ付け部を向けて照明する照明手段と、前記照
明手段による照明の反射光を受光するＣＣＤカメラと、
前記ＣＣＤカメラの信号を受けてディジタルイメージフ
レームデータに変えるイメージ取得部と、前記イメージ
取得部のデータを入力受けて、検査専門家により前もっ
て設定されたクラス別に学習して各クラスに対したシナ
プスウェイトを確定する神経回路網を有する主プロセッ
サとを含む。ここで、照明手段は、相互異なる色相と相
異の入射角を有する複数の環状色相ランプで簡単に構成
でき、色相ランプは、赤、青、緑の色相光を発生する３
つの高周波からなることが好ましく、各色相ランプは、
共動軸線上に層状に配置でき、その共動軸線上にＣＣＤ
カメラが配置される。
の本発明によるはんだ付け部検査方法は、電子部品の基
板上のサンプルはんだ付け部を照明し、その反射光をＣ
ＣＤカメラで受光して各サンプルはんだ付け部に対した
サンプルイメージを得る段階と、前記各サンプルイメー
ジをはんだ付け品質によって検査者により複数のクラス
に分ける段階と、各クラスに属する特定のサンプルを神
経回路網に入力していくつかの細分化されたクラスタに
分ける段階と、前記各クラスタに対して学習して各該当
クラスに対するシナプスウェイトを決定する段階と、相
互異なる隣接のクラスに属するクラスタ間の境界条件に
よって前記シナプスウェイトを調整して確定シナプスウ
ェイトを決定する段階と、前記確定シナプスウェイトに
基づいた検査対象はんだ付け部の入力イメージの神経回
路網の出力値を前記検査者クラスの各出力値と比べて類
似のクラスを選ぶ段階とを含む。ここで、シナプスウェ
イトの調整段階は、他のクラスに該当する入力が特定ク
ラスのシナプスウェイトを選択する場合、前記特定クラ
スのシナプスウェイトを前記入力から離れる方向に変更
することが望ましく、シナプスウェイトの決定段階で
は、現在の入力が以前の入力に基づいて前もって設定さ
れたウィナーシナプスウェイトとの類似性が所定範囲以
上外れる時、新たな出力ニューロンを生成することが望
ましい。かつ、はんだ付け部の照明は、複数個の異なる
色相の光源により、それぞれ相違な入射角度に行われ、
照明設備を簡単に構成することができる。そして、各光
源による反射光は単一のＣＣＤカメラに捕まれるように
できる。一方、本発明によるはんだ付け部の検査装置
は、はんだ付け部を向けて照明する照明手段と、前記照
明手段による照明の反射光を受光するＣＣＤカメラと、
前記ＣＣＤカメラの信号を受けてディジタルイメージフ
レームデータに変えるイメージ取得部と、前記イメージ
取得部のデータを入力受けて、検査専門家により前もっ
て設定されたクラス別に学習して各クラスに対したシナ
プスウェイトを確定する神経回路網を有する主プロセッ
サとを含む。ここで、照明手段は、相互異なる色相と相
異の入射角を有する複数の環状色相ランプで簡単に構成
でき、色相ランプは、赤、青、緑の色相光を発生する３
つの高周波からなることが好ましく、各色相ランプは、
共動軸線上に層状に配置でき、その共動軸線上にＣＣＤ
カメラが配置される。
【０００７】
【発明の実施の形態】以下では、図面を参考して本発明
を詳しく説明する。図１は、本発明のはんだ付け部検査
におけるはんだ付け部イメージの入手のために採用され
る照明システムの概略的斜視図である。この図面で見ら
れるように、電子部品の基板１上に実装部品のリード２
がはんだ付け部３により取り付けている。はんだ付け部
３の上部には、三つの環状色相ランプ４，５，６がそれ
ぞれ異なる直径を有して層状に配列されているし、色相
ランプ４，５，６から照明された光は、鏡面になったは
んだ付け部３の表面から反射されてはんだ付け部３の真
上部にあるＣＣＤカメラ７に捕まれるようになる。
を詳しく説明する。図１は、本発明のはんだ付け部検査
におけるはんだ付け部イメージの入手のために採用され
る照明システムの概略的斜視図である。この図面で見ら
れるように、電子部品の基板１上に実装部品のリード２
がはんだ付け部３により取り付けている。はんだ付け部
３の上部には、三つの環状色相ランプ４，５，６がそれ
ぞれ異なる直径を有して層状に配列されているし、色相
ランプ４，５，６から照明された光は、鏡面になったは
んだ付け部３の表面から反射されてはんだ付け部３の真
上部にあるＣＣＤカメラ７に捕まれるようになる。
【０００８】色相ランプ４，５，６は、上部から順次に
青Ｂ、赤Ｒ、緑Ｇの色相光を各々照射する高周波蛍光灯
として、これらの高さ及び直径が相異なので、はんだ付
け部に対した入射角がそれぞれ異なり、従って、はんだ
付け部の表面傾斜度によりそれぞれ異なる色相のイメー
ジが得られる。例えば、最上部に最小径を有するＢ色相
ランプ４が基板１の垂直線に対して２０゜の角度にはん
だ付け部３を照明し、Ｒ色相ランプ５が４０゜の角度
で、そしてＧ色相ランプ５が７０゜の角度に各々はんだ
付け部３を照明する場合、これらにより得られた一枚の
イメージでは、１０゜の傾斜度を有する平らなはんだ付
け部の表面は青色に、２０゜の傾斜度を有するやや斜め
になった表面は赤色に、そしてほぼ３５゜の急傾斜度を
有する表面は緑色に区別されて現れる。このような方法
に得られたカラーイメージは、はんだ付け部３の３次元
的な形状特性が含まれているので、これらから実際の形
状を類推することができる。
青Ｂ、赤Ｒ、緑Ｇの色相光を各々照射する高周波蛍光灯
として、これらの高さ及び直径が相異なので、はんだ付
け部に対した入射角がそれぞれ異なり、従って、はんだ
付け部の表面傾斜度によりそれぞれ異なる色相のイメー
ジが得られる。例えば、最上部に最小径を有するＢ色相
ランプ４が基板１の垂直線に対して２０゜の角度にはん
だ付け部３を照明し、Ｒ色相ランプ５が４０゜の角度
で、そしてＧ色相ランプ５が７０゜の角度に各々はんだ
付け部３を照明する場合、これらにより得られた一枚の
イメージでは、１０゜の傾斜度を有する平らなはんだ付
け部の表面は青色に、２０゜の傾斜度を有するやや斜め
になった表面は赤色に、そしてほぼ３５゜の急傾斜度を
有する表面は緑色に区別されて現れる。このような方法
に得られたカラーイメージは、はんだ付け部３の３次元
的な形状特性が含まれているので、これらから実際の形
状を類推することができる。
【０００９】ＣＣＤカメラ７が環状照明により受光した
情報は電気的信号の形態としてカラーイメージ取得部８
へ送られて、各色相別フレームからなるカラーイメージ
の定量化された情報に変換される。これらの情報は、主
プロセッサ９のメモリに貯蔵されて主プロセッサの神経
回路網の分類機で学習を通じた分類課程を経るようにな
る。
情報は電気的信号の形態としてカラーイメージ取得部８
へ送られて、各色相別フレームからなるカラーイメージ
の定量化された情報に変換される。これらの情報は、主
プロセッサ９のメモリに貯蔵されて主プロセッサの神経
回路網の分類機で学習を通じた分類課程を経るようにな
る。
【００１０】神経回路での処理が行われる前に、多量の
はんだ付け部に対するカラーイメージを取得し、これら
を検査専門家がその品質によって分ける。例えば、未鑞
（Ｉ）、未鑞正常（ＩＡ）、正常（Ａ）、正常過鑞（Ｅ
Ａ）、過鑞（Ｅ）の５個のクラスに分類できる。図２は
５個クラスの典型的のはんだ付け形態とこれらのイメー
ジに示した色相分布を示したことである。ここで、色相
表示が無い部分は青色を、斜線になっているところは赤
色を、そして、黒色の部分は緑色を示している。未鑞
（Ｉ）のイメージでは青色Ｂが主に現れ、未鑞正常（Ｉ
Ａ）では緑色Ｇと赤色Ｒが現れ出し、正常（Ａ）では緑
色Ｇ、赤色Ｒ、並びにＢが順次に現れる。正常過鑞（Ｅ
Ａ）では、主に赤色Ｒが現れ、過鑞（Ｅ）では青色Ｂパ
ターンが緑Ｇと赤色Ｒパターンに囲まれている形態を取
り、これはそのはんだ付けの凸の形状に因ることであ
る。
はんだ付け部に対するカラーイメージを取得し、これら
を検査専門家がその品質によって分ける。例えば、未鑞
（Ｉ）、未鑞正常（ＩＡ）、正常（Ａ）、正常過鑞（Ｅ
Ａ）、過鑞（Ｅ）の５個のクラスに分類できる。図２は
５個クラスの典型的のはんだ付け形態とこれらのイメー
ジに示した色相分布を示したことである。ここで、色相
表示が無い部分は青色を、斜線になっているところは赤
色を、そして、黒色の部分は緑色を示している。未鑞
（Ｉ）のイメージでは青色Ｂが主に現れ、未鑞正常（Ｉ
Ａ）では緑色Ｇと赤色Ｒが現れ出し、正常（Ａ）では緑
色Ｇ、赤色Ｒ、並びにＢが順次に現れる。正常過鑞（Ｅ
Ａ）では、主に赤色Ｒが現れ、過鑞（Ｅ）では青色Ｂパ
ターンが緑Ｇと赤色Ｒパターンに囲まれている形態を取
り、これはそのはんだ付けの凸の形状に因ることであ
る。
【００１１】このように、検査専門家により分類された
サンプルはんだ付け部等のイメージは、神経回路網に入
力されて学習の課程を経るようになる。本発明で採択し
ているＬＶＱ（Learning Vector Quantization）アルゴ
リズムは一般のＬＶＱ方法と同様にＬＶＱ１及びＬＶＱ
２の二種類の学習段階に分かれる。ＬＶＱ１では、前述
の通り検査者が分類しておくクラス内で自体クラスタ形
成モジュールが適用されて、自らいくつかのクラスタを
作り出す。あらゆるクラスに対して自体クラスタ形成モ
ジュールが適用されて各々自体クラスタが形成される。
このように形成されたクラスタはまだ相互間の境界がは
っきりしていないので、ＬＶＱ２段階で他のクラスで形
成されたクラスタとの境界を調整する。このように調整
された結果は各ニューロンと繋がっているウェイトの値
に表すところ、このウェイト値は入力と同様の次元を有
し、これをプロトタイプイメージと（prototype imag
e）と称する。
サンプルはんだ付け部等のイメージは、神経回路網に入
力されて学習の課程を経るようになる。本発明で採択し
ているＬＶＱ（Learning Vector Quantization）アルゴ
リズムは一般のＬＶＱ方法と同様にＬＶＱ１及びＬＶＱ
２の二種類の学習段階に分かれる。ＬＶＱ１では、前述
の通り検査者が分類しておくクラス内で自体クラスタ形
成モジュールが適用されて、自らいくつかのクラスタを
作り出す。あらゆるクラスに対して自体クラスタ形成モ
ジュールが適用されて各々自体クラスタが形成される。
このように形成されたクラスタはまだ相互間の境界がは
っきりしていないので、ＬＶＱ２段階で他のクラスで形
成されたクラスタとの境界を調整する。このように調整
された結果は各ニューロンと繋がっているウェイトの値
に表すところ、このウェイト値は入力と同様の次元を有
し、これをプロトタイプイメージと（prototype imag
e）と称する。
【００１２】図３は、各専門家分類のクラスに適用され
る自体クラスタ形成モジュールの構造である。ここで見
られるように、ディジタルメモリに貯蔵されている各入
力カラーイメージはｉ×ｊの画素（pixel）からなって
いるし、Ｒ，Ｇ，Ｂの色相パターンを持っている。各色
相パターンは入力イメージと同一の大きさの各色相フレ
ーム１２，１３，１４に分かれて各画素の明暗値が入力
ノード１１の入力値として利用される。入力カラーイメ
ージは次の式に現われる。
る自体クラスタ形成モジュールの構造である。ここで見
られるように、ディジタルメモリに貯蔵されている各入
力カラーイメージはｉ×ｊの画素（pixel）からなって
いるし、Ｒ，Ｇ，Ｂの色相パターンを持っている。各色
相パターンは入力イメージと同一の大きさの各色相フレ
ーム１２，１３，１４に分かれて各画素の明暗値が入力
ノード１１の入力値として利用される。入力カラーイメ
ージは次の式に現われる。
【００１３】
【数１】
【００１４】ここで、ｃは入力イメージのクラスを示
し、Ｉc（ｌ，ｉ，ｊ）は（ｉ，ｊ）画素のｌ番目のデ
ィジタルメモリフレームを示す。即ち、Ｉは各色相のイ
ンデックスとして、１は赤い色、２は緑、３は青色を示
す。ｎとｍはイメージのサイズを示すこととして、一つ
のイメージはｎ×ｍ個の画素になっている。入力ノード
のディメンションは入力されるウィナーイメージのディ
メンションと同一で、出力ニューロン１５は入力ノード
とみんな繋がっている。従って、これらを連結する神経
回路のウェイトは次の式のように示される。
し、Ｉc（ｌ，ｉ，ｊ）は（ｉ，ｊ）画素のｌ番目のデ
ィジタルメモリフレームを示す。即ち、Ｉは各色相のイ
ンデックスとして、１は赤い色、２は緑、３は青色を示
す。ｎとｍはイメージのサイズを示すこととして、一つ
のイメージはｎ×ｍ個の画素になっている。入力ノード
のディメンションは入力されるウィナーイメージのディ
メンションと同一で、出力ニューロン１５は入力ノード
とみんな繋がっている。従って、これらを連結する神経
回路のウェイトは次の式のように示される。
【００１５】
【数２】
【００１６】ここで、あらゆる添字は入力イメージで使
用したことと同様である。ｋ番目の出力ニューロンに入
る入力値は入力イメージの明暗値とシナプスウェイト間
の相関値として次の通り示される。
用したことと同様である。ｋ番目の出力ニューロンに入
る入力値は入力イメージの明暗値とシナプスウェイト間
の相関値として次の通り示される。
【００１７】
【数３】
【００１８】自体クラスタ形成モジュールで出力ノード
１５に入る入力値は入力イメージの明暗値とシナプスウ
ェイト間の相互類似度を意味する。図３で示されたよう
に、各ニューロンの出力値は自ら“＋”の値にフィード
バックされ、他の出力ニューロン等には“−”にフィー
ドバックされる。それでは、単に最大の値を有する一つ
のニューロンのみが“＋”の値に収斂し、余りはゼロに
収斂する。これが競争学習（competitive learning）の
原理である。これは現在入力されたイメージの明暗値と
最も近い値を有するシナプスウェイトと連結された出力
ニューロンを“ウィナー”と選定することである。この
ように選定されたウィナーは入力イメージともう相似る
ように繋がれたシナプスウェイトを学習させる。
１５に入る入力値は入力イメージの明暗値とシナプスウ
ェイト間の相互類似度を意味する。図３で示されたよう
に、各ニューロンの出力値は自ら“＋”の値にフィード
バックされ、他の出力ニューロン等には“−”にフィー
ドバックされる。それでは、単に最大の値を有する一つ
のニューロンのみが“＋”の値に収斂し、余りはゼロに
収斂する。これが競争学習（competitive learning）の
原理である。これは現在入力されたイメージの明暗値と
最も近い値を有するシナプスウェイトと連結された出力
ニューロンを“ウィナー”と選定することである。この
ように選定されたウィナーは入力イメージともう相似る
ように繋がれたシナプスウェイトを学習させる。
【００１９】ＬＶＱアルゴリズムは実際の問題に適用す
る時、出力ニューロンの数をどう決定するかが非常に重
要な問題である。出力ニューロンの数があまり多い場合
は、処理の時間がひどくかかり、反面にあまり少ない場
合には、処理の時間は短くなるが、分類の正確度が劣る
ようになる。従って、望む分類の性能が保障される範囲
内で出力ニューロンの数を減らすのが効率的である。こ
れのために適応学習の方法を導入したが、その核心概念
は新たに入力されたイメージが自分が属しているウィナ
ーとの類似性が、ある値以下である時、新たな入力イメ
ージをそのウィナーに所属させなく、独立的に追加の出
力を生成して他のクラスタを作り、新たな入力イメージ
をここに所属させる。似ている研究や概念等がＬＶＱを
用いたイメージ圧縮など、他の分野でもその必要性が指
摘された。
る時、出力ニューロンの数をどう決定するかが非常に重
要な問題である。出力ニューロンの数があまり多い場合
は、処理の時間がひどくかかり、反面にあまり少ない場
合には、処理の時間は短くなるが、分類の正確度が劣る
ようになる。従って、望む分類の性能が保障される範囲
内で出力ニューロンの数を減らすのが効率的である。こ
れのために適応学習の方法を導入したが、その核心概念
は新たに入力されたイメージが自分が属しているウィナ
ーとの類似性が、ある値以下である時、新たな入力イメ
ージをそのウィナーに所属させなく、独立的に追加の出
力を生成して他のクラスタを作り、新たな入力イメージ
をここに所属させる。似ている研究や概念等がＬＶＱを
用いたイメージ圧縮など、他の分野でもその必要性が指
摘された。
【００２０】以下で、適応学習方法（adaptive learnin
g mechanism）を利用した全体神経回路網の学習課程を
説明する。まず、自体クラスタ形成モジュールを一つの
検査されたクラス（ｃ番目のクラス）に適応する。それ
から一番目のサンプルイメージの明暗値を一番目の出力
ニューロンのシナプスウェイトの値として指定する。
g mechanism）を利用した全体神経回路網の学習課程を
説明する。まず、自体クラスタ形成モジュールを一つの
検査されたクラス（ｃ番目のクラス）に適応する。それ
から一番目のサンプルイメージの明暗値を一番目の出力
ニューロンのシナプスウェイトの値として指定する。
【００２１】
【数４】
【００２２】その後のサンプルイメージを入力し、ウィ
ナー出力ニューロンを決定する。ＷC winはウィナー出力
ニューロンと繋がれたウェイト値の集合である。あらゆ
るｋに対して、
ナー出力ニューロンを決定する。ＷC winはウィナー出力
ニューロンと繋がれたウェイト値の集合である。あらゆ
るｋに対して、
【００２３】
【数５】
【００２４】ここで、｜・｜は、二つのスカラー値の差
を計算する演算子である（最初始める時は一つの出力ニ
ューロンに出発する）。次の条件が満足されると、入力
ＩCをＷC winに所属させる。
を計算する演算子である（最初始める時は一つの出力ニ
ューロンに出発する）。次の条件が満足されると、入力
ＩCをＷC winに所属させる。
【００２５】
【数６】
【００２６】そして、ウィナーニューロンのシナプスウ
ェイトを次のように換える。
ェイトを次のように換える。
【００２７】
【数７】
【００２８】ここで、ｔは学習のための繰り返し回数を
示す。η（ｔ）は動学習係数（dynamic learning rat
e）としてｔが増加すれば増加するほどその値は減少す
る。ξは類似性を判定するしきい値（similarity boun
d）としてウィナーニューロンに新たに入力を包含させ
るか否かを判定し、その値は使用者が決定する。（７）
式のアップデイトルールはウィナープロトタイプイメー
ジが仮想入力空間上で位置移動することとして容易に説
明される。図４のようにシナプスウェイトを換えると、
ウィナープロトタイプイメージが入力サンプルにもっと
近づいていくことが知られる。一方、次の条件を満足す
ると、入力ＩCをウィナーニューロンＷC winに所属させ
ない。
示す。η（ｔ）は動学習係数（dynamic learning rat
e）としてｔが増加すれば増加するほどその値は減少す
る。ξは類似性を判定するしきい値（similarity boun
d）としてウィナーニューロンに新たに入力を包含させ
るか否かを判定し、その値は使用者が決定する。（７）
式のアップデイトルールはウィナープロトタイプイメー
ジが仮想入力空間上で位置移動することとして容易に説
明される。図４のようにシナプスウェイトを換えると、
ウィナープロトタイプイメージが入力サンプルにもっと
近づいていくことが知られる。一方、次の条件を満足す
ると、入力ＩCをウィナーニューロンＷC winに所属させ
ない。
【００２９】
【数８】
【００３０】これは入力ＩCがウィナーとの類似性が基
準の値より劣るということを意味するので、次のように
新たな出力ニューロンを生成する。
準の値より劣るということを意味するので、次のように
新たな出力ニューロンを生成する。
【００３１】
【数９】
【００３２】それでは、ウィナーの新たなプロトタイプ
イメージはその以前のウィナーＷC w inと仮想入力空間上
でお互いに境界を成しているようになる。あらゆる入力
サンプルイメージに対して前述の（５）式乃至（９）式
に該当する課程を続けて行う。以上の課程が終わっても
未だプロトタイプ間の境界が明らかではない。特に新た
なプロトタイプイメージが生成された時、他の既存のプ
ロトタイプイメージ等との境界は改めて調整しなければ
ならない。従って、新たなプロトタイプイメージが生成
されない時までに前述の課程を繰り返す。このような学
習を検査専門家が分類しておく各クラスに対して順次に
実施する。
イメージはその以前のウィナーＷC w inと仮想入力空間上
でお互いに境界を成しているようになる。あらゆる入力
サンプルイメージに対して前述の（５）式乃至（９）式
に該当する課程を続けて行う。以上の課程が終わっても
未だプロトタイプ間の境界が明らかではない。特に新た
なプロトタイプイメージが生成された時、他の既存のプ
ロトタイプイメージ等との境界は改めて調整しなければ
ならない。従って、新たなプロトタイプイメージが生成
されない時までに前述の課程を繰り返す。このような学
習を検査専門家が分類しておく各クラスに対して順次に
実施する。
【００３３】以上のＬＶＱ１学習段階が終了すると、Ｌ
ＶＱ２学習段階で各検査されたクラス内でクラスタらが
生成された後、各々別のクラスのサンプルでシナプスウ
ェイトを調整する。ＬＶＱ２アルゴリズムの為の初期の
シナプスウェイトの値はＬＶＱ１で学習された値をその
まま使用する。競争学習方法を通じてウィナーを定める
が、入力が異なるクラスのプロトタイプイメージをウィ
ナーに選択した場合のみにシナプスウェイトを換える。
例えば、入力Ｉqが元のｑクラスに属するが、ウィナー
を探した時、ｃクラスに決定された場合、ｃクラスを対
弁するシナプスウェイトを次のように換える。
ＶＱ２学習段階で各検査されたクラス内でクラスタらが
生成された後、各々別のクラスのサンプルでシナプスウ
ェイトを調整する。ＬＶＱ２アルゴリズムの為の初期の
シナプスウェイトの値はＬＶＱ１で学習された値をその
まま使用する。競争学習方法を通じてウィナーを定める
が、入力が異なるクラスのプロトタイプイメージをウィ
ナーに選択した場合のみにシナプスウェイトを換える。
例えば、入力Ｉqが元のｑクラスに属するが、ウィナー
を探した時、ｃクラスに決定された場合、ｃクラスを対
弁するシナプスウェイトを次のように換える。
【００３４】
【数１０】
【００３５】この課程は、図５で見られるように、入力
イメージＩqがｑクラスに属するにもかかわらず、ｃク
ラスのウィナーを探すようになった場合、ｃクラスのシ
ナプスウェイトを誤って認識された入力Ｉqより反対方
向に移動させてしまうことが知られる。以上のようなＬ
ＶＱ１及びＬＶＱ２段階の学習課程を通じてあらゆるシ
ナプスウェイトが決定されると、これらを確定シナプス
ウェイトとして登録する。
イメージＩqがｑクラスに属するにもかかわらず、ｃク
ラスのウィナーを探すようになった場合、ｃクラスのシ
ナプスウェイトを誤って認識された入力Ｉqより反対方
向に移動させてしまうことが知られる。以上のようなＬ
ＶＱ１及びＬＶＱ２段階の学習課程を通じてあらゆるシ
ナプスウェイトが決定されると、これらを確定シナプス
ウェイトとして登録する。
【００３６】今は、検査しようとするはんだ付け部を図
１に示されたように照明システムとＣＣＤカメラを利用
してイメージを取り、これを主プロセッサの神経回路網
に入力して、前述の確定シナプスウェイトに基づいた出
力値を算出する。この出力値と近似の出力値を有する検
査者クラスを探し出して、該当検査対象のはんだ付け部
が一番近似の出力値を有するクラスに所属されたことを
判定する。これにより、検査対象はんだ付け部は検査者
が前もって分類しておいたある一つのクラスに属してそ
のクラスに該当する品質評価を受けるようになる。
１に示されたように照明システムとＣＣＤカメラを利用
してイメージを取り、これを主プロセッサの神経回路網
に入力して、前述の確定シナプスウェイトに基づいた出
力値を算出する。この出力値と近似の出力値を有する検
査者クラスを探し出して、該当検査対象のはんだ付け部
が一番近似の出力値を有するクラスに所属されたことを
判定する。これにより、検査対象はんだ付け部は検査者
が前もって分類しておいたある一つのクラスに属してそ
のクラスに該当する品質評価を受けるようになる。
【００３７】
【発明の効果】以上の説明の通り、本発明によると、最
小のプロトタイプの数として著しく向上された分類の正
確度を満足させるはんだ付け部検査方法及び検査装置が
提供される。
小のプロトタイプの数として著しく向上された分類の正
確度を満足させるはんだ付け部検査方法及び検査装置が
提供される。
【図１】 本発明のはんだ付け部におけるはんだ付け部
イメージの入手のために採用される照明システムの概略
的斜視図である。
イメージの入手のために採用される照明システムの概略
的斜視図である。
【図２】 はんだ付け部のカラーイメージの例示図であ
る。
る。
【図３】 各専門家分類のクラスに適用される自体クラ
スタ形成モジュールの構造図である。
スタ形成モジュールの構造図である。
【図４】 ＬＶＱ１段階でのウィナープロトタイプイメ
ージの説明図である。
ージの説明図である。
【図５】 ＬＶＱ１段階でのウィナープロトタイプイメ
ージの説明図である。
ージの説明図である。
４，５，６ 色相ランプ（照明手段） ７ ＣＣＤカメラ ８ カラーイメージ取得部（イメージ取得
部） ９ 主プロセッサ
部） ９ 主プロセッサ
Claims (10)
- 【請求項１】 はんだ付け部の検査方法において、 電子部品の基板上のサンプルはんだ付け部を照明し、そ
の反射光をＣＣＤカメラで受光して各サンプルはんだ付
け部に対したサンプルイメージを得る段階と、 前記各サンプルイメージをはんだ付け品質によって検査
者により複数のクラスに分ける段階と、 各クラスに属する特定のサンプルを神経回路網に入力し
ていくつかの細分化されたクラスタに分ける段階と、 前記各クラスタに対して学習して各該当クラスに対する
シナプスウェイトを決定する段階と、 相互異なる隣接のクラスに属するクラスタ間の境界条件
によって前記シナプスウェイトを調整して確定シナプス
ウェイトを決定する段階と、 前記確定シナプスウェイトに基づいた検査対象はんだ付
け部の入力イメージの神経回路網の出力値を前記検査者
クラスの各出力値と比べて類似のクラスを選ぶ段階とを
含むことを特徴とするはんだ付け部検査方法。 - 【請求項２】 前記シナプスウェイトの調整段階は、他
のクラスに該当する入力が特定クラスのシナプスウェイ
トを選択する場合、前記特定クラスのシナプスウェイト
を前記入力から離れる方向に変更することを特徴とする
請求項１記載のはんだ付け部検査方法。 - 【請求項３】 前記シナプスウェイトの決定段階では、
現在の入力が以前の入力に基づいて前もって設定された
ウィナーシナプスウェイトとの類似性が所定範囲以上外
れる時、新たな出力ニューロンを生成することを特徴と
する請求項１記載のはんだ付け部検査方法。 - 【請求項４】 前記照明は、複数個の異なる色相の光源
により、それぞれ相違な入射角度に行われることを特徴
とする請求項１乃至３のうちある一つの項に記載のはん
だ付け部検査方法。 - 【請求項５】 前記各光源による反射光は単一のＣＣＤ
カメラに捕まれることを特徴とする請求項４記載のはん
だ付け部検査方法。 - 【請求項６】 はんだ付け部の検査装置において、 はんだ付け部を向けて照明する照明手段と、 前記照明手段による照明の反射光を受光するＣＣＤカメ
ラと、 前記ＣＣＤカメラの信号を受けてディジタルイメージフ
レームデータに変えるイメージ取得部と、 前記イメージ取得部のデータを入力受けて、検査専門家
により前もって設定されたクラス別に学習して各クラス
に対したシナプスウェイトを確定する神経回路網を有す
る主プロセッサとを含むことを特徴とするはんだ付け部
検査装置。 - 【請求項７】 前記照明手段は、相互異なる色相と相異
の入射角を有する複数の環状色相ランプであることを特
徴とする請求項６記載のはんだ付け部検査装置。 - 【請求項８】 前記色相ランプは、赤、青、緑の色相光
を各々発生する３つの場高周波蛍光灯からなることを特
徴とする請求項７記載のはんだ付け部検査装置。 - 【請求項９】 前記各色相ランプは、共動軸線上に層状
に配置されることを特徴とする請求項７又は請求項８記
載のはんだ付け部検査装置。 - 【請求項１０】 前記ＣＣＤカメラは、前記色相ランプ
の共動軸線上に配置されることを特徴とする請求項９記
載のはんだ付け部検査装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR199561661 | 1995-12-28 | ||
| KR1019950061661A KR0176661B1 (ko) | 1995-12-28 | 1995-12-28 | 납땜부 검사방법 및 검사장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09214131A true JPH09214131A (ja) | 1997-08-15 |
| JP3672401B2 JP3672401B2 (ja) | 2005-07-20 |
Family
ID=19445958
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP34021396A Expired - Fee Related JP3672401B2 (ja) | 1995-12-28 | 1996-12-19 | はんだ付け部検査方法及び検査装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US6111602A (ja) |
| JP (1) | JP3672401B2 (ja) |
| KR (1) | KR0176661B1 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014134525A (ja) * | 2013-01-11 | 2014-07-24 | Sony Corp | 検査装置、撮像ユニット、検査方法及び基板の製造方法 |
| WO2023233973A1 (ja) * | 2022-05-31 | 2023-12-07 | 株式会社サキコーポレーション | 検査装置 |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100281881B1 (ko) * | 1998-07-01 | 2001-02-15 | 윤종용 | 인쇄회로기판의크림솔더검사장치및검사방법 |
| JP2001108419A (ja) * | 1999-10-06 | 2001-04-20 | Shigeki Kobayashi | 検査装置 |
| IL133312A (en) * | 1999-12-05 | 2006-09-05 | Orbotech Ltd | Method for testing a printed circuit |
| TWI221531B (en) * | 2002-10-25 | 2004-10-01 | Hwan-Chia Chang | Method for testing soldering reliability |
| US7171037B2 (en) * | 2003-03-20 | 2007-01-30 | Agilent Technologies, Inc. | Optical inspection system and method for displaying imaged objects in greater than two dimensions |
| DE10346481B4 (de) * | 2003-10-02 | 2013-01-17 | Daimler Ag | Dreidimensionale Rekonstruktion von Oberflächenprofilen |
| JP4736764B2 (ja) * | 2005-01-11 | 2011-07-27 | オムロン株式会社 | 基板検査装置並びにその検査ロジック設定方法および検査ロジック設定装置 |
| EP3070431B1 (en) * | 2014-01-08 | 2023-12-06 | Yamaha Hatsudoki Kabushiki Kaisha | Visual inspection device and visual inspection method |
| CN104568964B (zh) * | 2014-12-24 | 2018-05-01 | 昆山元茂电子科技有限公司 | 一种印刷电路板外观检测装置及其检测方法 |
| KR102252592B1 (ko) * | 2019-08-16 | 2021-05-17 | 라온피플 주식회사 | 기판 불량 검사 장치 및 방법 |
| US11301980B2 (en) * | 2020-04-21 | 2022-04-12 | GM Global Technology Operations LLC | System and method to evaluate the integrity of spot welds |
| CN112285114A (zh) * | 2020-09-29 | 2021-01-29 | 华南理工大学 | 一种基于机器视觉的漆包线点焊质量检测系统及检测方法 |
| CN112833821B (zh) * | 2020-12-31 | 2021-10-08 | 华南理工大学 | 高密度ic焊点的微分几何立体微视觉检测系统及方法 |
| CN112950533A (zh) * | 2021-01-21 | 2021-06-11 | 重庆大学 | 基于深度学习的焊点外观类别自动识别方法及系统 |
| KR102569745B1 (ko) * | 2021-06-24 | 2023-08-24 | (주)엠텔리 | 골프공의 균형성 분석 장치 |
| CN116324399A (zh) * | 2021-06-24 | 2023-06-23 | 埃姆特艾利有限公司 | 高尔夫球筛选装置 |
| IT202100020195A1 (it) * | 2021-07-28 | 2023-01-28 | Spea Spa | Dispositivo e metodo per analisi ottiche di una scheda elettronica |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5064291A (en) * | 1990-04-03 | 1991-11-12 | Hughes Aircraft Company | Method and apparatus for inspection of solder joints utilizing shape determination from shading |
| US5365084A (en) * | 1991-02-20 | 1994-11-15 | Pressco Technology, Inc. | Video inspection system employing multiple spectrum LED illumination |
| JPH055709A (ja) * | 1991-06-27 | 1993-01-14 | Matsushita Electric Ind Co Ltd | 画面検査装置 |
| EP1086771A3 (en) * | 1991-11-07 | 2001-06-06 | Omron Corporation | Apparatus and method for teaching an automatic soldering apparatus |
| JP2795044B2 (ja) * | 1992-03-26 | 1998-09-10 | 住友電装株式会社 | 圧着端子画像処理検査における照明方法及び画像処理方法 |
| US5699449A (en) * | 1994-11-14 | 1997-12-16 | The University Of Connecticut | Method and apparatus for implementation of neural networks for face recognition |
| US5751910A (en) * | 1995-05-22 | 1998-05-12 | Eastman Kodak Company | Neural network solder paste inspection system |
| KR100200215B1 (ko) * | 1996-04-08 | 1999-06-15 | 윤종용 | 상관 신경 회로망을 이용한 납땜 검사 장치 및방법 |
-
1995
- 1995-12-28 KR KR1019950061661A patent/KR0176661B1/ko not_active IP Right Cessation
-
1996
- 1996-12-19 US US08/769,522 patent/US6111602A/en not_active Expired - Fee Related
- 1996-12-19 JP JP34021396A patent/JP3672401B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014134525A (ja) * | 2013-01-11 | 2014-07-24 | Sony Corp | 検査装置、撮像ユニット、検査方法及び基板の製造方法 |
| WO2023233973A1 (ja) * | 2022-05-31 | 2023-12-07 | 株式会社サキコーポレーション | 検査装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US6111602A (en) | 2000-08-29 |
| JP3672401B2 (ja) | 2005-07-20 |
| KR0176661B1 (ko) | 1999-05-15 |
| KR970058431A (ko) | 1997-07-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3672401B2 (ja) | はんだ付け部検査方法及び検査装置 | |
| CN109902732B (zh) | 车辆自动分类方法及相关装置 | |
| US6023663A (en) | Method and apparatus for inspecting a solder joint using a correlation neural network | |
| CN107609601B (zh) | 一种基于多层卷积神经网络的舰船目标识别方法 | |
| CN111667455B (zh) | 一种刷具多种缺陷的ai检测方法 | |
| CN113808138B (zh) | 一种基于人工智能的电线电缆表面缺陷检测方法 | |
| CN107437094B (zh) | 基于机器学习的木板分拣方法及系统 | |
| CN109034184B (zh) | 一种基于深度学习的均压环检测识别方法 | |
| US8700498B2 (en) | Feature analyzing apparatus for a surface of an object | |
| CN111612737B (zh) | 一种人造板表面瑕疵检测装置及检测方法 | |
| CN111160249A (zh) | 基于跨尺度特征融合的光学遥感图像多类目标检测方法 | |
| CN108154102A (zh) | 一种道路交通标志识别方法 | |
| Kim et al. | Neural network-based inspection of solder joints using a circular illumination | |
| Behera | Image-processing in textiles | |
| CN112837282A (zh) | 一种基于云边协同和深度学习的小样本图像缺陷检测方法 | |
| CN114581456B (zh) | 一种多图像分割模型的构建方法、图像检测方法及装置 | |
| CN112464983A (zh) | 一种用于苹果树叶病害图像分类的小样本学习方法 | |
| CN114359245A (zh) | 一种工业场景下产品表面缺陷检测方法 | |
| CN114842503A (zh) | 基于YOLOv5网络的头盔检测方法 | |
| Yang et al. | CNN-based cross-dataset no-reference image quality assessment | |
| CN110458027A (zh) | 一种基于大理石花纹的生鲜肉分级方法、系统及装置 | |
| CN114549489A (zh) | 一种面向雕花口红质检的实例分割缺陷检测方法 | |
| CN212646436U (zh) | 一种人造板表面瑕疵检测装置 | |
| CN112750113B (zh) | 基于深度学习和直线检测的玻璃瓶缺陷检测方法及装置 | |
| Ko et al. | Solder joints inspection using neural network and fuzzy rule-based classification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20010703 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040302 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20040706 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20040709 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041006 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050225 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050419 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |