KR19980074138A - 납땜부 검사장치 및 방법 - Google Patents

Abstract

본 발명은 원형 조명 방식과 퍼지기법을 이용하여 납땜부의 양/불량을 판정하는 납땜부 검사 장치 및 방법에 관한 것으로서, 본 발명의 납땜부 검사 장치는 납땜부에 빛을 조사하기 위한 다색 원형 조명 수단; 상기 다색 원형 조명 수단에서 조사된 빛을 받아 반사되는 납땜부를 촬영하는 컬러 카메라; 상기 컬러 카메라에 의해 촬영된 납땜부위의 영상을 신호 처리하는 영상신호 처리부; 및 상기 영상 신호 처리부를 통하여 얻은 컬러 영상들의 특징으로부터 복수의 퍼지변수를 정의하며, 검사하고자 하는 납땜부의 영상 특징을 복수의 퍼지변수중 적합도가 가장 큰 변수에 적용하여 양/불량을 판정하도록 하는 양/불량 판정 수단으로 이루어지며, 이와 같은 구성으로 납땜부의 형상에 따른 검사규칙을 추론하고, 새로운 납땜부에서 추출된 영상의 특징에 적용하여 납땜부의 양/불량 판별을 할 수 있게 된다.

따라서 본 발명은 PCB상의 납땜부위 측정을 목시적으로 하거나 자동화함에 있어서 신뢰성이 떨어지는 종래의 문제점을 해결할 수 있다.

Description

납땜부 검사 장치 및 방법

본 발명은 납땜부위를 검사하는 장치 및 방법에 관한 것으로서, 특히 원형 조명 방식과 퍼지기법을 이용하여 납땜부의 양/불량을 판정하는 납땜부 검사 장치 및 방법에 관한 것이다.

최근들어 전자기기의 소형 경량화, 고기능화에 따라 전자부품을 고밀도 회로 기판(Printed Circuit Board : 이하 PCB라 한다.)에 담는 표면실장기술의 개발이 다방면으로 진행중이다.

표면실장기술이란 PCB 표면에 만들어진 전기적 도체 표면에 칩(chip) 형상의 부품 및 평면 IC 등의 표면 실장형 부품을 납 접착제(solder paste)를 바른 PCB 위에 탑재 후 접착시키는 방법으로서, 그 기술은 크게 4부분으로 나눌 수 있다. 첫째 실장부품을 고속으로 공급할 수 있는 공급기술, 둘째 프린터 기판에 부품들을 정확한 위치에 탑재시키는 기술, 셋째 프린터 기판에 부품을 접착하여 납땜하는 기술이며, 넷째로는 납땜 전후로 부품의 상태를 검사하는 기술이다. 특히 이중 납땜 전후로 기판 실장 부품의 상태를 검사하는 작업의 하나인 납땜부의 검사는 최종 제품의 품질을 좌우하는 매우 중요한 공정이 된다.

이처럼 납땜부의 주요 공정이 되는 납땜 검사 작업은 보통 납땜부의 형상이 모재의 형상 및 청결도, 땜납의 조성 및 불순물, FLUX의 종류 및 양, 적절한 가결온도 및 시간 등의 영향을 받으며, 또한 PCB상의 납땜부가 IC리드와 PCB상의 패드 사이에 형성되어 그 표면이 매우 작고 3차원적 형상특징을 갖고 있으므로 2차원 영상으로 이를 표현하기가 매우 어려울 뿐만 아니라 표면이 경면을 이루고 있어 조명조건이나 보는 각도에 따라 오인식하는 경우가 많이 발생하게 된다. 즉 약간의 조명조건 변화나 시각의 변화에도 납땜부에서 반사되는 형태나 반사되는 빛의 밝기가 매우 민감하고 많이 변화하게 된다는 문제점이 있게 된다.

이러한 납땜부의 특성을 조사하기 위하여 몇 종류의 납땜 검사 장비들이 개발되었으며, 몇가지를 살펴보자.

먼저, 일정한 조명을 납땜부에 투사하고, 납땜부 표면형상에 나타나는 시각적 특징을 이용하여 검사하는 방법이 있으며, 가장 일반적으로 사용되고 있다. 또한 X-선 투사 방식이 있으며, 외관 형상과 관계없이 실제로 리드부와 PCB 패드 사이의 결합여부를 조사하는 방식으로 내부 결함도 측정할 수 있는 장점이 있으나 측정장비의 가격이 고가이며, 외관에서 오는 불량요인을 측정할 수 없다는 문제점을 가지고 있다. 또한 온도측정 방식이 있는데, 이는 납땜부와 형상보다는 리드와 PCB의 패드가 접촉이 되었는지를 확인하는 방법으로 리드부위를 가열한 후 일정시간이 경과되면 온도를 측정하는 방법으로 납땜에 의해 리드가 잘 접촉이 되었을 경우는 가해진 열이 납땜부를 통하여 잘 전달되므로 리드의 측정온도가 높고, 그렇지 않은 경우는 측정온도가 낮게 되는 점을 이용하는 방식이다. 그러나 이 방법은 열전도 특성이 달라질 때마다 측정 특성도 달라지게 되는 문제점이 있다.

이처럼 납땜부의 검사에는 여러 가지 방법이 있지만 현재 조립된 PCB의 납땜부 검사에서 가장 일반적으로 이용되는 방법은 사람의 목시 검사에 의존하는 경우이며, 이러한 목시 검사는 PCB상의 부품 밀도가 높아질수록 그 신뢰성 및 전체 생산성 면에서 그 한계가 있다는 문제점을 가지고 있다. 왜냐하면 검사자가 이러한 작은 부품이 결함을 검사하는 것은 매우 단순하고 힘든 작업으로 쉽게 피로하고 검사의 신뢰성이 균일하게 보장되지 못하게 되며, 그 품질의 경계가 모호하여 사람이 검사하기에는 매우 까다롭기 때문이다.

또한 납땜부 검사 작업을 자동화 하는데 있어서는 위에서 열거한 측정부위의 소형, 경면 반사 특성 등의 납땜부 특징 때문에 매우 어려운 부분으로 지금까지는 간주되고 있었다.

본 발명의 목적은 상기와 같이 PCB상의 납땜부 측정을 목시적으로 하는 경우 검사자가 쉽게 피로해져 신뢰성이 떨어지며, 납땜부 특징상 자동화가 까다롭다는 문제점을 해결하고자 원형조명과 퍼지기법을 이용하여 인쇄회로기판의 납땜부에서 경면 반사에 의해 생기는 동경사도 곡선의 형태를 분석하고, 이를 학습하여 납땜부의 양/불량을 자동으로 구분할 수 있도록 하는 퍼지기법을 이용한 납땜부 검사 장치 및 검사 방법을 제공하는 데 있다.

상기의 목적을 달성하기 위한 본 발명의 퍼지기법을 이용한 납땜부 검사 장치는 납땜부에 빛을 조사하기 위한 다색 원형 조명 수단; 상기 다색 원형 조명 수단에서 조사된 빛을 받아 반사되는 납땜부를 촬영하는 컬러 카메라; 상기 컬러 카메라에 의해 촬영된 납땜부위의 영상을 신호 처리하는 영상신호 처리부; 및 상기 영상 신호 처리부를 통하여 얻은 컬러 영상들의 특징으로부터 복수의 퍼지변수를 정의하며, 검사하고자 하는 납땜부의 영상 특징을 복수의 퍼지변수중 적합도가 가장 큰 변수에 적용하여 양/불량을 판정하도록 하는 양/불량 판정 수단으로 이루어진다.

상기의 목적을 달성하기 위한 본 발명의 납땜부 퍼지변수 학습 방법은 다색 원형 조명 수단을 통해 조사된 빛을 반사하는 납땜부를 촬영하여 컬러 영상을 취득하는 단계; 상기 납땜부 컬러 영상 취득 단계를 통해 얻어진 컬러 영상의 특징을 미리 설정한 내용에 따라 추출하는 단계; 및 상기 컬러 영상의 특징 추출 단계에서 추출된 영상의 특징에 따라 복수의 퍼지변수로 정의하는 단게로 이루어진다.

상기의 목적을 달성하기 위한 본 발명의 납땜부 검사 방법은 다색 원형 조명 수단에서 조사된 빛을 반사하는 납땜부를 촬영하여 컬러 영상을 취득하는 단계; 상기 컬러 영상 취득 단계를 통해 얻은 컬러 영상의 특징을 미리 설정한 내용에 따라 추출하는 단계; 및 상기 컬러 영상의 특징을 추출하는 단계를 통해 추출된 영상의 특징에 따라 미리 설정된 퍼지 변수에 대해 적합도가 가장 큰 퍼지 변수에 적용하여 납땜부의 양/불량을 판정하는 단계로 이루어진다.

도 1 은 본 발명에 따른 납땜부위 검사장치의 개요를 보인 도면.

도 2 는 삼색 원형 조명하에 비추어진 PCB의 영상을 보인 도면.

도 3 은 납땜부의 크기에 따른 3차원 형상과 컬러 패턴을 보인 도면.

도 4는 납땜 영상에 대해 센터 및 양 사이드의 세 칼럼으로 구분한 것을 나타낸 도면.

도 5a,b는 납땜부 영상에서 센터와 양 사이드 칼럼에 나타나는 영상 특징을 분류한 도면.

도 6a,b는 센터와 양 사이드 칼럼에 나타나는 영상 특징에 대한 멤버쉽 함수를 나타낸 도면.

도 7 은 납땜영상의 각 칼럼으로부터 나타난 컬러띠의 영상 특징을 나타낸 표.

도 8 은 납땜부의 형상에 따라 각 칼럼으로부터 나타날 수 있는 가능한 컬러띠의 경우를 나타낸 도면.

도 9 는 도 8 에 나타낸 삼색띠의 면적비에 따른 가능한 경우의 수를 나타낸 표.

도 10 은 Fuzzy c-means 알고리즘에 의해서 추론된 검사 규칙의 일부를 나타낸 표.

도 11 은 추론된 검사 규칙을 이용하여 검사 결과를 나타낸 표.

이하 첨부한 도면을 참조하여 본 발명의 납땜부 검사장치 및 방법을 상세하게 설명한다.

도 1은 본 발명에 따른 납땜부위 검사장치의 개요를 보인 도면으로서, 납땜부위에 빛을 조사하기 위한 삼색 원형 조명 수단(2)과, 상기 삼색 원형 조명 수단(2)에서 조사된 빛을 받아 반사하는 납땜부위를 촬영하는 CCD 컬러 카메라(4)와, 상기 CCD 컬러 카메라(4)에 의해 촬영된 납땜부위의 영상을 신호처리하는 영상 신호 처리부(6)와, 상기 영상 신호 처리부(6)를 통하여 얻은 영상으로부터 납땜부의 3차원적 형상을 유추하고 퍼지 패턴 분류법으로 납땜부의 양/불량을 판정하는 양/불량 판정수단(8)인 마이크로 프로세서를 보인다.

여기에서 삼색 원형 조명 수단(2)은 3개의 원형 동축 링에 각각 같은 색의 램프(B,R,G)를 대응되도록 부착하였으며, 높이와 크기 및 배치가 각각 다르도록 하여 검사하고자 하는 납땜부에 각기 다른 입사각으로 빛이 조사되도록 한다. 또한 가장 낮은 링에는 녹색램프(G), 중간 높이의 링에는 적색램프(R), 그리고 가장 높은 위치의 링에는 청색램프(B)를 부착 하고, 청색등의 지름은 40㎜, 적색등의 지름은 70㎜, 녹색등은 130㎜로 하며, 검사하고자 하는 PCB에 조사되는 입사각도는 각각 청색등 20°, 적색등 40°, 녹색등 70°로 고정되도록 한다.

상기와 같은 구성으로 세가지 등을 동시에 켜면 한 장의 영상에서 10°의 경사도를 갖는 편편한 면은 파란색으로, 20°의 경사도를 갖는 약간 기울어진 면은 빨간색으로, 그리고 35°의 경사면을 갖는 급한면은 녹색으로 구별되어진다.

따라서 삼색 원형 조명 수단은 서로 다른 색깔의 조명을 사용함으로써 서로 다른 세 개의 광원을 동시에 조사하는 효과를 나타내며, 납땜부의 표면 경사도에 따라 상기 CCD 컬러 카메라(4)를 통해 각기 다른 색깔의 띠를 한 장의 컬러 영상에서 얻을 수 있게 된다. 그리고 일반적으로 납땜부의 3차원 형상은 몇 개의 대표적인 법선 벡터의 집합으로 대변될 수 있으므로, 그 형상 또는 불량의 형태에 따라 각기 다른 벡터의 집합을 가지게 된다. 따라서 상기와 같은 과정을 통해 얻어진 색 영상으로부터 납땜부의 3차원적 형상을 유추할 수 있게 된다.

도 2는 삼색 원형 조명하에 비추어진 PCB의 영상을 보인 도면으로서, 도면에서 경면반사의 특성을 갖는 표면들, 즉 리드부, 납땜부 등은 경사도에 따라 각기 다른 색깔을 선명히 보여주지만 플라스틱 패키지나 PCB의 바닥면 등 난반사 특성을 가지고 있는 부분은 원래 재질의 고유 색깔을 보여준다. 도면에서는 흑과 백의 대조로 나타내지고 있다. 그리고 카메라 렌즈의 초점은 납땜부에 맞추어져 있기 때문에 높이가 다른 부분은 보다 흐리게 됨을 보이고 있다.

도 3은 납땜부의 크기에 따른 3차원 형상과 컬러 패턴을 보인 도면으로서, 크기에 따라 미납(I), 미납이지만 정상(IA), 정상(A), 과납이지만 정상(EA), 그리고 과납(E)으로 나눈다. 이러한 각 컬러 패턴에서 미납(I)의 영상은 파란색이 주로 나타나며(도면에서는 무색), 미납이지만 정상(IA)에서는 약간의 녹색(검은 부분)과 적색(점이 형성된 부분)이 나타나기 시작한다. 정상(A)에서는 리드에서 녹색,적색,청색이 순차적으로 나타난다. 과납이지만 정상(EA)에서는 주로 적색이 많이 나타난다. 그리고 과납(E)에서는 파란색의 띠와 적색과 녹색 띠로 둘러 싸고 있는 형태를 취하고 있다. 이는 마치 불룩한 렌즈 형태의 패턴과 같다.

이와 같이 삼색 원형 조명 수단(2)을 통하여 얻은 컬러 영상의 삼색띠 패턴으로부터 납땜부의 양/불량을 유추하기 위한 검사 규칙은 숙련된 검사자들의 판단 방법을 기본으로 하여 영상상의 특징을 추출하고, 이로부터 Fuzzy c-means 알고리즘을 이용하여 검사 규칙을 추론하는 것인데, Fuzzy c-means 알고리즘은 일반적으로 주어진 자료의 집합을 유사한 클러스트들(homogeneous clusters)로 나눌 때 주로 사용되는 기법중의 하나이다.

이하에 Fuzzy c-means 알고리즘을 살펴보면,

먼저, 데이터들의 집합을 Ｘ라 하고, 집합 Ｘ는 X1,X2,X3,…,Xn으로 구성되어 있다고 하자. 이 때 x_j는 d차원의 벡터이며, 다음 [수학식 1]과 같이 나타낼 수 있다.

[수학식 1]

Ｘ = ｛x₁,x₂,x₃,…,x_n｝ , x_j∈ R^d

이것을 c개의 클러스터(2 ≤ c ≤ n)로 분할 할 때, x_j가 K번째의 클러스터에 속하는 정도를 u_kj라 하면, 다음 [수학식 2]와 같이 나타낼 수 있다.

[수학식 2]

0u_kj1 for ∀k

u_kj=1 for ∀j

위 [수학식 2]에서 u_kj를 요소로 하는 (c × n) 행렬 u의 집합을 Ｕ라 하고, 최적의 Ｕ를 구하기 위한 목적함수를 다음 [수학식 3]과 같이 정의 한다.

[수학식 3]

Ｊm(Ｕ,1) =(1_kj)^m｜x_j- u_k｜², 1 ≤ m ≤ ∞

위 [수학식 3]에서 x_j는 d차원의 측정 데이타이고, ν_k는 k번째의 클러스터를 중심으로 d차원을 가진다. 위의 정의된 식에서 오차의 합을 최소화하는 x_j와 ν_k는 m ＞ 1에 대해서 다음 조건을 만족한다.

[수학식 4]

u_kj=, for all j,k

[수학식 5]

ν_k=, for all k

위 [수학식 4],[수학식 5]에서 n은 사람이 분류하고자 하는 클래스의 수로서 숙련된 경험자에 의해 선정이 된다. 그리고 u_kj는 입력 데이터 x_j의 k번째 클래스에 속하는 확률로서, 역시 경험자가 선정하게 되며, ν_k는 각 클래스에 속하는 입력 데이터들의 중심값으로 1 - 255 사이의 값을 랜덤하게 선정하게 된다.

이렇게 해서 얻어지는 ν_k는 각 클러스트의 중심 벡터를 의미하며, u_kj는 x_j가 클러스터 k에 속하는 정도를 의미하게 된다.

위 [수학식 4],[수학식 5]의 의해 두 변수 u_kj,ν_k는 상기 [수학식 1]을 만족시키면서 튜닝된다. 따라서 최종적으로 구해진 k번째 클래스의 중심, ν_k는 단순히 입력 데이터들의 평균이 아니라 확률적으로 보다 안정되고 사람의 경험이 반영된 평균이 된다.

위와 같은 과정을 통해 구해진 k번재 클래스의 중심, ν_k는 보기에 평균화된 영상과 비슷하게 되며, 도 5에 보인 것처럼 10개의 ν_k들을 다시 품질과 관련된 5개의 클래스, 미납(I,insufficient), 미납이지만 정상(IA, insufficient but accept), 정상(A, acceptance), 과납이지만 정상(EA, excess but acceptance), 과납(E, excess)으로 각각 라벨링을 한다.

여기에서 분류하고자 하는 임의의 데이터, x_j를 준비하여 클러스터링 모듈화 과정을 살펴보면, 먼저 획득한 영상을 3개의 칼럼으로 나눈 다음, 각 칼럼에 대하여 유사 정도, O(x_j)를 다음 [수학식 6]에 의해 계산한다.

[수학식 6]

여기에서 A,B는 각각 가장 유사한 라벨링 값과 그 다음으로 유사한 라벨링 값을 나타낸다. 그리고 D₁,D₂는 각각 가장 유사한 클래스와 입력 데이터 사이, 두 번째 유사한 클래스와 입력 데이터 사이의 각 픽셀에서의 명암 차이 값이다.

그리고 위와 같은 클러스터링 모듈화 과정에서 나온 유사정도, O(x_j)의 값은 칼럼에 따라 3가지인데, 그 범위는 사이드 칼럼의 경우 약 1-10 사이의 값을 갖고, 센터 칼럼의 경우 1-8 사이의 값을 갖는다.

클러스터링 과정을 다시 살펴보면, 도 4에 보인 바와 같이 납땜 영상을 센터 및 양 사이드의 세 칼럼으로 구분을 하고, 각 칼럼의 영상 특징을 추출한 결과에 따라 따라 값을 할당하는데, 센터는 1에서 8까지, 양 사이드는 1에서 10까지로 할당한다. 그리고 이렇게 할당된 값에 대해 도 5에 보인 것처럼 5개의 클래스로 구분을 하는데, 각 클래스는 각 할당된 값의 중심 값이 되도록 한다. 즉, 양 사이드에서 1-2는 미납(I), 3은 미납 정상(IA), 4-7은 정상(A), 8은 과납 정상(EA), 9-10은 과납(E)으로 표시하고, 유사한 방법으로 센터에서 1-2는 미납(I), 3은 미납 정상)IA), 4-5는 정상(A), 6은 과납 정상(EA), 7-8은 과납(E)으로 표시한다.

도 6a는 위와 같은 클러스터링 과정에서 양 사이드 칼럼의 5개 클래스에 대한 멤버쉽 함수를 나타낸 도면이고, 6b는 센터 칼럼의 5개 클래스에 대한 멤버쉽 함수를 나타낸 도면이다.

도 7은 납땜부위의 각 불량에 대응하는 각 칼럼으로부터 나타난 컬러띠의 영상 특징을 나타낸 표로서, 영상처리에 의해 추출된 특징치는 각 납땜부의 불량별로 검사 규칙을 정하는데 사용된다.

도 8은 납땜부의 형상에 따라 각 칼럼으로부터 나타날 수 있는 가능한 컬러띠의 경우를 나타낸 도면으로서, 납땜부의 컬러 영상에서 삼색띠의 순서는 납땜부의 형상을 유추할 수 있다. 즉 납땜부가 정상일 경우에는 납땜부의 기울기가 매끈하게 형성되어 있으므로 녹색,적색,청색의 순으로 나타나며, 과납으로 인하여 납땜부의 형상이 볼록할 경우는 청색,적색,녹색의 순으로 나타나게 되는 것이다.

또한 도 9는 도 8에 나타낸 삼색띠의 면적비에 따른 가능한 경우의 수를 나타낸 표로서, 삼색띠의 면적비는 검사하는 윈도우 내의 경사면에 해당하는 부분과 평면에 해당하는 부분의 구성을 나타내고 있다. 미납의 경우 평면이 많으므로 청색의 양이 녹색과 적색의 양보다 많이 나온다.

즉 상기와 같이 각 영상 데이터의 각 칼럼으로부터 얻은 삼색띠의 순서와 삼색띠의 면적비를 이용하여 앞에서 정의한 납땜부의 불량 종류에 따른 검사 규칙을 추론할 수 있게 된다.

따라서 Fuzzy c-means 알고리즘은 납땜부의 영상으로부터 추출된 특징치들을 분류하여 납땜부의 형상에 다른 검사 규칙을 추론하게 되고, 이렇게 생성된 새로운 규칙을 새로운 납땜부에서 추출된 영상의 특징에 적용하여 적합도가 제일 큰 규칙에 따라 납땜부의 상태를 판별할 수 있게 된다.

다음은 퍼지 검사 규칙을 추론하기 위하여 실제 산업체에서 생산한 5장의 기판에서 400개의 납땜부 영상 데이터를 수집하였고, 이중 300개의 영상 데이터는 퍼지 검사 규칙을 구성하기 위하여, 나머지 100개의 영상 데이터는 구성된 퍼지 검사 규칙의 성능을 평가하기 위하여 사용하였다. 이들 수집한 영상 데이터는 경험이 풍부한 검사자들에 의해 미납(I), 미납 정상(IA), 정상(A), 과납 정상(EA), 그리고 과납(E)의 5개 클래스로 구별하였다. 또한 검사 규칙의 추론에 사용될 Fuzzy c-means 알고리즘의 입력으로는 영상상에서 구한 색띠의 순서와 색띠의 면적비를 사용하였다.

도 10은 Fuzzy c-means 알고리즘에 의해서 추론된 검사 규칙의 일부를 나타낸 표이며, 도 11은 추론된 검사 규칙을 이용하여 검사 결과를 나타낸 표이다.

검사 결과에 나타나듯이 성공률은 거의 99% 이었으며, 납땜부의 형상에 따라 정확히 판단한 경우의 비율은 트레이닝 데이터가 89.7%, 테스트 데이터가 85% 정도로 매우 우수한 판단 능력을 보였다.

즉, 본 발명은 추출된 납땜부의 영상으로부터 특징치를 추출하여 추론된 규칙과 비교하고, 각 규칙의 적합도를 판별하여 납땜부의 상태를 판별할 수 있게 된다.

본 발명은 상기와 같이 납땜부의 형상에 따른 검사규칙을 추론하고, 새로운 납땜부에서 추출된 영상의 특징에 적용하여 납땜부의 양/불량 판별을 할 수 있으므로 PCB상의 납땜부위 측정을 목시적으로 하거나 자동화함에 있어서 신뢰성이 떨어지는 종래의 문제점을 해결할 수 있다.

Claims (10)

1. 납땜부에 빛을 조사하기 위한 다색 원형 조명 수단; 상기 다색 원형 조명 수단에서 조사된 빛을 받아 반사되는 납땜부를 촬영하는 컬러 카메라; 상기 컬러 카메라에 의해 촬영된 납땜부위의 영상을 신호 처리하는 영상신호 처리부; 및 상기 영상 신호 처리부를 통하여 얻은 컬러 영상들의 특징으로부터 복수의 퍼지변수를 정의하며, 검사하고자 하는 납땜부의 영상 특징을 복수의 퍼지변수중 적합도가 가장 큰 변수에 적용하여 양/불량을 판정하도록 하는 양/불량 판정 수단을 구비한 것을 특징으로 하는 퍼지기법을 이용한 납땜부 검사 장치.
2. 다색 원형 조명 수단을 통해 조사된 빛을 반사하는 납땜부를 촬영하여 컬러 영상을 취득하는 단계; 상기 납땜부 컬러 영상 취득 단계를 통해 얻어진 컬러 영상의 특징을 미리 설정한 내용에 따라 추출하는 단계; 및 상기 컬러 영상의 특징 추출 단계에서 추출된 영상의 특징에 따라 복수의 퍼지변수로 정의하는 단게를 구비한 것을 특징으로 하는 납땜부의 퍼지변수 학습 방법.
3. 제 2 항에 있어서, 상기 컬러 영상의 특징을 추출하는 단계는 납땜부의 컬러 영상을 복수개의 칼럼으로 나누어 각 칼럼의 특징을 추출하도록 하는 것을 특징으로 하는 납땜부의 퍼지변수 학습 방법.
4. 제 2 항에 있어서, 상기 컬러 영상의 특징을 추출하는 단계는 상기 다색 원형 조명 수단에서 조사된 빛에 의해 나타나는 색 띠의 순서에 따라 특징을 추출하도록 하는 것을 특징으로 하는 납땜부의 퍼지변수 학습 방법.
5. 제 2 항에 있어서, 상기 컬러 영상의 특징을 추출하는 단계는 상기 다색 원형 조명 수단에서 조사된 빛에 의해 나타나는 색 띠의 면적비에 따라 특징을 추출하는 것을 특징으로 하는 납땜부의 퍼지변수 학습 방법.
6. 제 2 항에 있어서, 상기 퍼지변수를 정의 하는 단계는 컬러 영상에 나타난 납땜부의 불량 정도에 따라 미납, 정상이지만 약간 미납, 정상, 정상이지만 약간 과납, 과납의 5개 상태로 구별하여 퍼지변수를 정의하는 것을 특징으로 하는 납땜부의 퍼지변수 학습 방법.
7. 다색 원형 조명 수단에서 조사된 빛을 반사하는 납땜부를 촬영하여 컬러 영상을 취득하는 단계; 상기 컬러 영상 취득 단계를 통해 얻은 컬러 영상의 특징을 미리 설정한 내용에 따라 추출하는 단계; 및 상기 컬러 영상의 특징을 추출하는 단계를 통해 추출된 영상의 특징에 따라 미리 설정된 퍼지 변수에 대해 적합도가 가장 큰 퍼지 변수에 적용하여 납땜부의 양/불량을 판정하는 단계를 구비한 것을 특징으로 하는 퍼지 기법을 이용한 납땜부 검사 방법.
8. 제 7 항에 있어서, 상기 컬러 영상의 특징을 추출하는 단계는 납땜부의 컬러 영상을 복수개의 칼럼으로 나누어 각 칼럼의 특징을 추출하도록 하는 것을 특징으로 하는 퍼지 기법을 이용한 납땜부의 검사 방법.
9. 제 7 항에 있어서, 상기 컬러 영상의 특징을 추출하는 단계는 상기 다색 원형 조명 수단에서 조사된 빛에 의해 나타나는 색 띠의 순서에 따라 특징을 추출하도록 하는 것을 특징으로 하는 퍼지기법을 이용한 납땜부의 검사 방법.
10. 제 7 항에 있어서, 상기 컬러 영상의 특징을 추출하는 단계는 상기 다색 원형 조명 수단에서 조사된 빛에 의해 나타나는 색 띠의 면적비에 따라 특징을 추출하도록 하는 것을 특징으로 하는 납땜부의 검사 방법.