TW202238443A

TW202238443A - 提供電子元件極性檢測系統及其方法

Info

Publication number: TW202238443A
Application number: TW110109608A
Authority: TW
Inventors: 劉皓
Original assignee: 英業達股份有限公司
Priority date: 2021-03-17
Filing date: 2021-03-17
Publication date: 2022-10-01
Also published as: TWI757116B

Abstract

一種提供電子元件極性檢測系統及其方法，檢測裝置自自動光學檢測設備接收待極性檢測的電子元件的元件圖像，檢測裝置的編碼器將元件圖像的二維圖像資訊轉換為一維壓縮資訊的潛變向量，檢測裝置的解碼器將一維壓縮資訊的潛變向量轉換為二維圖像資訊的轉換圖像，透過均方誤差方法以計算出元件圖像以及轉換圖像的差異值，透過判斷差異值與門檻值的差異以判斷電子元件為極反元件或是良品元件並生成檢測結果，藉此可以達成提供快速且正確的對電子元件進行極性檢測的技術功效。

Description

提供電子元件極性檢測系統及其方法

一種檢測系統及其方法，尤其是指一種透過將元件圖像依據類神經網路的編碼與解碼轉換成的轉換圖像進行均方誤差計算藉以判斷電子元件為極反元件或是良品元件的提供電子元件極性檢測系統及其方法。

在工業4.0的智慧工廠中，透過自動光學檢測設備進行電路板上的電子元件檢測為最常使用的設備，自動光學檢測是基於光學原理來對電子元件焊接生產中產生的常見缺陷進行的檢測。

自動光學檢測設備通過影像裝置擷取被檢測的電路板的圖像，已透過電子元件的焊點與資料庫中的合格焊點參數進行比較，以檢測出電路板上對應電子元件的焊點是否存在缺陷，並透過顯示裝置或是自動標記以將電子元件的缺陷焊點進行顯示或是標記，提供維修人員進行後續的檢修。

電路板中電子元件的極性配置與電子元件原始設計的極性配置不同時，電子元件則被定義為極反元件，而極反元件是在生產製造過程中非常嚴重的缺陷，極反元件輕則會造成電子元件損毀，在後續維修過程中僅需要更換該電子元件即可，極反元件重則會造成主機板中多個連鎖的電子元件損毀，除了造成維修不便之外，亦會增加維修的成本。

現有對於自動光學檢測設備中對於進行電子元件的極性檢測支援性不足，在實際檢測過程中，自動光學檢測設備啟用較為嚴格的極反參數進行電子元件極性檢測，容易造成將所有的需要進行極性檢測的電子元件通通判斷成極反元件，自動光學檢測設備啟用較為寬鬆的極反參數進行電子元件極性檢測，容易造成將所有的需要進行極性檢測的電子元件通通判斷成良品元件而導致檢測結果不正確。

綜上所述，可知先前技術中長期以來一直存在現有自動光學檢測設備對電子元件的極性檢測支援性不足的問題，因此有必要提出改進的技術手段，來解決此一問題。

有鑒於先前技術存在現有自動光學檢測設備對電子元件的極性檢測支援性不足的問題，本發明遂揭露一種提供電子元件極性檢測系統及其方法，其中：

本發明所揭露的提供電子元件極性檢測系統，該系統安裝與運作於檢測裝置，該系統包含：接收模組、編碼器、解碼器、計算模組以及結果生成模組。

檢測裝置的接收模組是用以自自動光學檢測（Automated Optical Inspection，AOI）設備接收待極性檢測的電子元件的元件圖像；檢測裝置的編碼器由卷積神經網路（Convolutional Neural Networks，CNN）所建立，編碼器與接收模組相連，編碼器將元件圖像的二維圖像資訊轉換為一維壓縮資訊的潛變向量；檢測裝置的解碼器由與編碼器反向的卷積神經網路所建立，解碼器與解碼器相連，解碼器將一維壓縮資訊的潛變向量轉換為二維圖像資訊的轉換圖像；檢測裝置的計算模組與檢測裝置的解碼器以及檢測裝置的接收模組相連，檢測裝置的計算模組透過均方誤差方法（Mean-Square Error，MSE）以計算出元件圖像以及轉換圖像的差異值；及檢測裝置的結果生成模組與檢測裝置的計算模組相連，當差異值大於等於門檻值時，檢測裝置的結果生成模組將元件圖像中的電子元件判斷為極反元件並生成檢測結果，當差異值小於門檻值時，檢測裝置的結果生成模組將元件圖像中的電子元件判斷為良品元件並生成檢測結果。

本發明所揭露的提供電子元件極性檢測方法，其包含下列步驟：

首先，檢測裝置自自動光學檢測設備接收待極性檢測的電子元件的元件圖像；接著，於檢測裝置中由卷積神經網路建立編碼器，編碼器將元件圖像的二維圖像資訊轉換為一維壓縮資訊的潛變向量；接著，於檢測裝置中由卷積神經網路建立解碼器，解碼器將一維壓縮資訊的潛變向量轉換為二維圖像資訊的轉換圖像；接著，檢測裝置透過均方誤差方法以計算出元件圖像以及轉換圖像的差異值；接著，當差異值大於等於門檻值時，檢測裝置將元件圖像中的電子元件判斷為極反元件並生成檢測結果；最後，當差異值小於門檻值時，檢測裝置將元件圖像中的電子元件判斷為良品元件並生成檢測結果。

本發明所揭露的系統及方法如上，與先前技術之間的差異在於檢測裝置自自動光學檢測設備接收待極性檢測的電子元件的元件圖像，檢測裝置的編碼器將元件圖像的二維圖像資訊轉換為一維壓縮資訊的潛變向量，檢測裝置的解碼器將一維壓縮資訊的潛變向量轉換為二維圖像資訊的轉換圖像，透過均方誤差方法以計算出元件圖像以及轉換圖像的差異值，透過判斷差異值與門檻值的差異以判斷電子元件為極反元件或是良品元件並生成檢測結果。

透過上述的技術手段，本發明可以達成提供快速且正確的對電子元件進行極性檢測的技術功效。

以下將配合圖式及實施例來詳細說明本發明的實施方式，藉此對本發明如何應用技術手段來解決技術問題並達成技術功效的實現過程能充分理解並據以實施。

以下首先要說明本發明所揭露的提供電子元件極性檢測系統，並請同時參考「第1圖」以及「第2圖」所示，「第1圖」繪示為本發明提供電子元件極性檢測系統的系統方塊圖；「第2圖」繪示為本發明提供電子元件極性檢測的圖像轉換示意圖。

本發明所揭露的提供電子元件極性檢測系統，該系統安裝與運作於檢測裝置10中，該系統包含：接收模組11、編碼器12、解碼器13、計算模組14以及結果生成模組15。

檢測裝置10的接收模組11會自自動光學檢測設備20接收待極性檢測的電子元件的元件圖像31，自動光學檢測設備20依據電路板上電子元件附近的名稱（例如：U268、C3588…等）進行光學字元辨識（Optical Character Recognition，OCR），將識別出的名稱對應查詢出電子元件是否需要進行極性檢測，若電子元件需要進行極性檢測時，則進一步查詢出電子元件的擷取範圍，並且自動光學檢測設備20已知電路板中的電子元件位置再配合被查詢出的電子元件的擷取範圍使自動光學檢測設備20可以擷取出包含有待極性檢測的電子元件的元件圖像31，元件圖像31的示意請參考「第3圖」所示，「第3圖」繪示為本發明對正常電子元件極性檢測的元件圖像示意圖，值得注意的是，「第3圖」中元件圖像31是以良品元件作為示意。

檢測裝置10的編碼器12與檢測裝置10的接收模組11相連，檢測裝置10的編碼器12是由卷積神經網路（Convolutional Neural Networks，CNN）所建立，檢測裝置10的編碼器12即可藉由卷積神經網路的池化層依據非線性形式的降採樣方式以將元件圖像31的二維圖像資訊轉換為一維壓縮資訊的潛變向量32，具體而言，潛變向量32例如是V=[2, 0.04, …, 1.2, -0.3]，在此僅為舉例說明之，並不以此侷限本發明的應用範疇，值得注意的是，潛變向量32為1乘以4096的行向量表現形式。

檢測裝置10的解碼器13與檢測裝置10的編碼器12相連，檢測裝置10的解碼器13是由與檢測裝置10的編碼器12反向的卷積神經網路所建立，檢測裝置10的編碼器12即可藉由卷積神經網路的池化層反向使一維壓縮資訊的潛變向量32轉換為二維圖像資訊的轉換圖像33，轉換圖像33的示意請參考「第4圖」所示，「第4圖」繪示為本發明對正常電子元件極性檢測的轉換圖像示意圖。

檢測裝置10的計算模組14分別與檢測裝置10的接收模組11以及檢測裝置10的解碼器13相連，檢測裝置10的計算模組14會透過均方誤差方法以計算出元件圖像31以及轉換圖像33的差異值，由於「第3圖」中元件圖像31是以良品元件作為示意，可以得到「第4圖」中轉換圖像33與「第3圖」中元件圖像31的差異不多，故而在檢測裝置10的計算模組14透過均方誤差方法以計算出元件圖像31以及轉換圖像33的差異值為“0.01”，在此僅為舉例說明之，並不以此侷限本發明的應用範疇。

檢測裝置10的結果生成模組15與檢測裝置10的計算模組14相連，當檢測裝置10的計算模組14計算出元件圖像31以及轉換圖像33的差異值為“0.01”小於門檻值為“1”時，檢測裝置10的結果生成模組15即會將元件圖像31中的電子元件判斷為良品元件並生成檢測結果為“該電子元件非極反元件”，在此僅為舉例說明之，並不以此侷限本發明的應用範疇。

值得注意的是，門檻值可以是預先設定儲存於檢測裝置10中，或是門檻值由外部裝置透過有線傳輸方式或是無線傳輸方式提供給檢測裝置10，在此僅為舉例說明之，並不以此侷限本發明的應用範疇，並且上述差異值以及門檻值僅為舉例說明之，本發明並不以此為限制，差異值以及門檻值應以實際的差異值進行門檻值的合理設定。

檢測裝置10的接收模組11會自自動光學檢測設備20接收待極性檢測的電子元件的元件圖像31，元件圖像31的示意請參考「第5圖」所示，「第5圖」繪示為本發明對極反電子元件極性檢測的元件圖像示意圖，值得注意的是，「第5圖」中元件圖像31是以極反元件作為示意，極反元件極表示元件圖像31中電子元件的極性配置與電子元件原始設計的極性配置不同稱之。

檢測裝置10的編碼器12與檢測裝置10的接收模組11相連，檢測裝置10的編碼器12是由卷積神經網路所建立，檢測裝置10的編碼器12即可藉由卷積神經網路的池化層依據非線性形式的降採樣方式以將元件圖像31的二維圖像資訊轉換為一維壓縮資訊的潛變向量32，具體而言，潛變向量32例如是V=[2, 0.04, …, 1.2, -0.3]，在此僅為舉例說明之，並不以此侷限本發明的應用範疇，值得注意的是，潛變向量32為1乘以4096的行向量表現形式。

檢測裝置10的解碼器13與檢測裝置10的編碼器12相連，檢測裝置10的解碼器13是由與檢測裝置10的編碼器12反向的卷積神經網路所建立，檢測裝置10的編碼器12即可藉由卷積神經網路的池化層反向使一維壓縮資訊的潛變向量32轉換為二維圖像資訊的轉換圖像33，轉換圖像33的示意請參考「第6圖」所示，「第6圖」繪示為本發明對極反電子元件極性檢測的轉換圖像示意圖。

檢測裝置10的計算模組14分別與檢測裝置10的接收模組11以及檢測裝置10的解碼器13相連，檢測裝置10的計算模組14會透過均方誤差方法以計算出元件圖像31以及轉換圖像33的差異值，由於「第5圖」中元件圖像31是以極反元件作為示意，可以得到「第6圖」中轉換圖像33與「第5圖」中元件圖像31的具備明顯的差異，故而在檢測裝置10的計算模組14透過均方誤差方法以計算出元件圖像31以及轉換圖像33的差異值為“15.94”，在此僅為舉例說明之，並不以此侷限本發明的應用範疇。

檢測裝置10的結果生成模組15與檢測裝置10的計算模組14相連，當檢測裝置10的計算模組14計算出元件圖像31以及轉換圖像33的差異值為“15.94”大於等於門檻值為“1”時，檢測裝置10的結果生成模組15即會將元件圖像31中的電子元件判斷為極反元件並生成檢測結果為“該電子元件為極反元件”，在此僅為舉例說明之，並不以此侷限本發明的應用範疇。

接著，以下將說明本發明的運作方法，並請同時參考「第7圖」所示，「第7圖」繪示為本發明提供電子元件極性檢測方法的方法流程圖。

首先，檢測裝置自自動光學檢測設備接收待極性檢測的電子元件的元件圖像（步驟101）；接著，於檢測裝置中由卷積神經網路建立編碼器，編碼器將元件圖像的二維圖像資訊轉換為一維壓縮資訊的潛變向量（步驟102）；接著，於檢測裝置中由卷積神經網路建立解碼器，解碼器將一維壓縮資訊的潛變向量轉換為二維圖像資訊的轉換圖像（步驟103）；接著，檢測裝置透過均方誤差方法以計算出元件圖像以及轉換圖像的差異值（步驟104）；接著，當差異值大於等於門檻值時，檢測裝置將元件圖像中的電子元件判斷為極反元件並生成檢測結果（步驟105）；最後，當差異值小於門檻值時，檢測裝置將元件圖像中的電子元件判斷為良品元件並生成檢測結果（步驟106）。

綜上所述，可知本發明與先前技術之間的差異在於檢測裝置自自動光學檢測設備接收待極性檢測的電子元件的元件圖像，檢測裝置的編碼器將元件圖像的二維圖像資訊轉換為一維壓縮資訊的潛變向量，檢測裝置的解碼器將一維壓縮資訊的潛變向量轉換為二維圖像資訊的轉換圖像，透過均方誤差方法以計算出元件圖像以及轉換圖像的差異值，透過判斷差異值與門檻值的差異以判斷電子元件為極反元件或是良品元件並生成檢測結果。

藉由此一技術手段可以來解決先前技術所存在現有自動光學檢測設備對電子元件的極性檢測支援性不足的問題，進而達成提供快速且正確的對電子元件進行極性檢測的技術功效。

雖然本發明所揭露的實施方式如上，惟所述的內容並非用以直接限定本發明的專利保護範圍。任何本發明所屬技術領域中具有通常知識者，在不脫離本發明所揭露的精神和範圍的前提下，可以在實施的形式上及細節上作些許的更動。本發明的專利保護範圍，仍須以所附的申請專利範圍所界定者為準。

10:檢測裝置 11:接收模組 12:編碼器 13:解碼器 14:計算模組 15:結果生成模組 20:自動光學檢測設備 31:元件圖像 32:潛變向量 33:轉換圖像步驟 101:檢測裝置自自動光學檢測設備接收待極性檢測的電子元件的元件圖像步驟 102:於檢測裝置中由卷積神經網路建立編碼器，編碼器將元件圖像的二維圖像資訊轉換為一維壓縮資訊的潛變向量步驟 103:於檢測裝置中由卷積神經網路建立解碼器，解碼器將一維壓縮資訊的潛變向量轉換為二維圖像資訊的轉換圖像步驟 104:檢測裝置透過均方誤差方法以計算出元件圖像以及轉換圖像的差異值步驟 105:當差異值大於等於門檻值時，檢測裝置將元件圖像中的電子元件判斷為極反元件並生成檢測結果步驟 106:當差異值小於門檻值時，檢測裝置將元件圖像中的電子元件判斷為良品元件並生成檢測結果

第1圖繪示為本發明提供電子元件極性檢測系統的系統方塊圖。第2圖繪示為本發明提供電子元件極性檢測的圖像轉換示意圖。第3圖繪示為本發明對正常電子元件極性檢測的元件圖像示意圖。第4圖繪示為本發明對正常電子元件極性檢測的轉換圖像示意圖。第5圖繪示為本發明對極反電子元件極性檢測的元件圖像示意圖。第6圖繪示為本發明對極反電子元件極性檢測的轉換圖像示意圖。第7圖繪示為本發明提供電子元件極性檢測方法的方法流程圖。

10:檢測裝置

11:接收模組

12:編碼器

13:解碼器

14:計算模組

15:結果生成模組

20:自動光學檢測設備

Claims

一種提供電子元件極性檢測方法，其包含下列步驟：一檢測裝置自一自動光學檢測設備接收待極性檢測的電子元件的一元件圖像；於所述檢測裝置中由卷積神經網路建立一編碼器，所述編碼器將所述元件圖像的二維圖像資訊轉換為一維壓縮資訊的一潛變向量；於所述檢測裝置中由卷積神經網路建立一解碼器，所述解碼器將一維壓縮資訊的所述潛變向量轉換為二維圖像資訊的一轉換圖像；所述檢測裝置透過均方誤差方法（Mean-Square Error，MSE）以計算出所述元件圖像以及所述轉換圖像的一差異值；當所述差異值大於等於一門檻值時，所述檢測裝置將所述元件圖像中的電子元件判斷為一極反元件並生成一檢測結果；及當所述差異值小於所述門檻值時，所述檢測裝置將所述元件圖像中的電子元件判斷為一良品元件並生成所述檢測結果。
如請求項1所述的提供電子元件極性檢測方法，其中所述編碼器將所述元件圖像的二維圖像資訊轉換為一維壓縮資訊的所述潛變向量的步驟中，所述編碼器是透過卷積神經網路的池化層依據非線性形式的降採樣方式，以將所述元件圖像的二維圖像資訊轉換為一維壓縮資訊的所述潛變向量。
如請求項1所述的提供電子元件極性檢測方法，其中所述解碼器將一維壓縮資訊的所述潛變向量轉換為二維圖像資訊的所述轉換圖像的步驟中，所述解碼器是透過卷積神經網路的池化層反向使一維壓縮資訊的所述潛變向量轉換為二維圖像資訊的所述轉換圖像。
如請求項1所述的提供電子元件極性檢測方法，其中該方法更包含下列步驟：所述自動光學檢測設備依據電路板上電子元件附近的名稱進行光學字元辨識；所述自動光學檢測設備將識別出的名稱對應查詢出電子元件是否需要進行極性檢測；當電子元件需要進行極性檢測時，所述自動光學檢測設備查詢出電子元件的擷取範圍；及所述自動光學檢測設備依據電子元件位置再配合被查詢出的電子元件的擷取範圍以擷取出包含有待極性檢測的電子元件的所述元件圖像。
一種提供電子元件極性檢測系統，該系統安裝與運作於一檢測裝置中，該系統包含：一接收模組，用以自一自動光學檢測（Automated Optical Inspection，AOI）設備接收待極性檢測的電子元件的一元件圖像；一編碼器，所述編碼器由卷積神經網路（Convolutional Neural Networks，CNN）所建立，所述編碼器與所述接收模組相連，所述編碼器將所述元件圖像的二維圖像資訊轉換為一維壓縮資訊的一潛變向量；一解碼器，所述解碼器由與所述編碼器反向的卷積神經網路所建立，所述解碼器與所述解碼器相連，所述解碼器將一維壓縮資訊的所述潛變向量轉換為二維圖像資訊的一轉換圖像；一計算模組，所述計算模組與所述解碼器以及所述接收模組相連，所述計算模組透過均方誤差方法（Mean-Square Error，MSE）以計算出所述元件圖像以及所述轉換圖像的一差異值；及一結果生成模組，所述結果生成模組與所述計算模組相連，當所述差異值大於等於一門檻值時，所述結果生成模組將所述元件圖像中的電子元件判斷為一極反元件並生成一檢測結果，當所述差異值小於所述門檻值時，所述結果生成模組將所述元件圖像中的電子元件判斷為一良品元件並生成所述檢測結果。
如請求項5所述的提供電子元件極性檢測系統，其中所述編碼器透過卷積神經網路的池化層依據非線性形式的降採樣方式，以將所述元件圖像的二維圖像資訊轉換為一維壓縮資訊的所述潛變向量。
如請求項5所述的提供電子元件極性檢測系統，其中所述解碼器透過卷積神經網路的池化層反向使一維壓縮資訊的所述潛變向量轉換為二維圖像資訊的所述轉換圖像。
如請求項5所述的提供電子元件極性檢測系統，其中所述自動光學檢測設備依據電路板上電子元件附近的名稱進行光學字元辨識，將識別出的名稱對應查詢出電子元件是否需要進行極性檢測，當電子元件需要進行極性檢測時，進一步查詢出電子元件的擷取範圍，所述自動光學檢測設備依據電子元件位置再配合被查詢出的電子元件的擷取範圍以擷取出包含有待極性檢測的電子元件的所述元件圖像。