TWI706318B - 錫膏印刷品質檢測方法、數據處理裝置及電腦存儲介質 - Google Patents

錫膏印刷品質檢測方法、數據處理裝置及電腦存儲介質 Download PDF

Info

Publication number
TWI706318B
TWI706318B TW108109620A TW108109620A TWI706318B TW I706318 B TWI706318 B TW I706318B TW 108109620 A TW108109620 A TW 108109620A TW 108109620 A TW108109620 A TW 108109620A TW I706318 B TWI706318 B TW I706318B
Authority
TW
Taiwan
Prior art keywords
test data
test
solder paste
data
real
Prior art date
Application number
TW108109620A
Other languages
English (en)
Other versions
TW202036353A (zh
Inventor
夏子清
劉曉磊
陳敏
王藝錕
曾富菊
Original Assignee
鴻海精密工業股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 鴻海精密工業股份有限公司 filed Critical 鴻海精密工業股份有限公司
Application granted granted Critical
Publication of TW202036353A publication Critical patent/TW202036353A/zh
Publication of TWI706318B publication Critical patent/TWI706318B/zh

Links

Images

Classifications

    • 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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G01N2021/95615—Inspecting patterns on the surface of objects using a comparative method with stored comparision signal
    • 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
    • G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
    • 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
    • G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
    • G01N2021/95646—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30152—Solder

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Electric Connection Of Electric Components To Printed Circuits (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本發明提供一種錫膏印刷品質檢測的方法，包括以下步驟：獲取實時測試數據；實時數據預處理；判斷實時測試數據的類型，依據實時測試數據的類型調用相應的檢測數據模型，將實時測試數據輸入到檢測數據模型，得到判定結果。本發明之錫膏印刷品質檢測方法提升了檢測的效率與準確度，降低了人工成本。本發明一併提出一種數據處理裝置及電腦存儲介質。

Description

錫膏印刷品質檢測方法、數據處理裝置及電腦存儲介質
本發明涉及產品檢測領域，尤其涉及一種錫膏印刷品質檢測的方法、數據處理裝置及電腦存儲介質。
目前，通常使用錫膏檢查機(Solder Paste Inspection，SPI)對印刷完畢的電路板(PCB)上的錫膏印刷品質進行檢測，然而，SPI檢測的誤測率均較高，檢測不良率較高，需由人工進行複判。在人工複判時，需對照PCB實物、SPI檢測數據與圖片，再結合人工的個人經驗進行判定，由於印刷品質不良現象比較雜，如無錫、高度偏低、少錫面積、偏小、連錫、多錫、偏位等，需要檢測的數據多，如零件位置、面積、高度、體積、偏移等，且人工經驗不一致，導致耗人耗時且檢測結果不精準。
有鑑於此，有必要提出一種錫膏印刷品質檢測的方法、數據處理裝置及電腦存儲介質，以解決此問題。
本發明的第一方面提出一種錫膏印刷品質檢測方法，包括以下步驟：獲取實時測試數據，所述實時測試數據包括錫膏印刷品質檢測的測試數值與測試圖像中的一種或多種；對所述實時測試數據進行預處理，所述預處理包括提取所述測試數值的關鍵參數或所述測試圖像的圖像數據，並將所述實時測 試數據進行標準化；判斷所述實時測試數據的類型，依據所述實時測試數據的類型調用相應的檢測數據模型，將所述實時測試數據登錄到相應的所述檢測數據模型中，得到錫膏印刷品質的判定結果。
進一步地，還包括建立所述檢測數據模型的方法，包括以下步驟：獲取歷史測試數據；依據所述歷史測試數據，確定所述檢測數據模型對應的演算法；將所述歷史測試數據進行特徵工程處理，確定關鍵參數；利用所述歷史測試數據構建與訓練檢測數據模型。
進一步地，所述歷史測試數據包括測試數值、測試圖像、測試原理以及產業領域知識。
進一步地，所述演算法包括隨機森林演算法與卷積神經網路演算法。
進一步地，所述檢測數據模型包括基於隨機森林演算法的檢測數據模型與基於卷積神經網路演算法的檢測數據模型。
進一步地，當所述實時測試數據為測試數值時，調用基於隨機森林演算法的檢測數據模型，當測試數據為測試圖像時，調用基於卷積神經網路演算法的檢測數據模型，當所述實時測試數據一併包括測試數值與測試圖像，一併調用基於隨機森林演算法的檢測數據模型與基於卷積神經網路演算法的檢測數據模型，測試數值的判定結果來自於基於隨機森林演算法的檢測數據模型的輸出，測試圖像的判定結果來自於基於卷積神經網路演算法的檢測數據模型的輸出。
進一步地，在得到判定結果之後，所述方法還包括步驟：分析產品優良概率與不良概率，統計分析不良產品的原因並輸出統計報告。
進一步地，在分析回饋判定結果之後，所述方法還包括步驟：當判定結果出現異常時，激活報警流程，所述報警流程包括聲光報警或者短信報警。
本發明的第二方面提供一種數據處理裝置，包括處理器及存儲器，所述處理器用於執行所述存儲器中存儲的計算機程序時實現上述的錫膏印刷品 質檢測的判定方法。
本發明的第三方面提供一種電腦可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現上述的錫膏印刷品質檢測的判定方法。
本發明提供了一種基於錫膏印刷檢測的方法，包括以下步驟，獲取實時測試數據，對所述實時測試數據進行預處理，判斷所述實時測試數據的類型，依據所述實時測試數據的類型調用相應的檢測數據模型，將所述實時測試數據輸入到相應的所述檢測數據模型中，得到錫膏印刷品質的判定結果。本發明能夠提升錫膏印刷品質檢測的效率與準確度，克服了在現有人工檢測的耗人耗時且不精準等問題。
1:數據處理裝置
10:處理器
20:存儲器
30:計算機程序
40:通信單元
2:數據採集裝置
100:錫膏印刷品質檢測系統
101:數據獲取模塊
102:數據預處理模塊
103:數據建模模塊
104:判定模塊
105:分析回饋模塊
圖1為本發明一實施方式中的數據處理裝置的結構示意圖。
圖2為本發明一實施方式中的錫膏印刷品質檢測數據模型的建立方法的流程圖。
圖3為本發明一實施方式中的錫膏印刷品質檢測方法的流程圖。
圖4為本發明一實施方式中的錫膏印刷品質檢測系統的結構示意圖。
為了能夠更清楚地理解本發明的上述目的、特徵與優點，下面結合附圖與具體實施方式對本發明進行詳細描述。需要說明的是，於不衝突的情況下，本申請的實施方式及實施方式中的特徵可相互組合。
於下面的描述中闡述了很多具體細節以便於充分理解本發明，所描述的實施方式僅是本發明一部分實施方式，而不是全部的實施方式。基於本發明中的實施方式，本領域普通技術人員於沒有做出創造性勞動前提下所獲得的所有其它實施方式，均屬於本發明保護的範圍。
除非另有定義，本文所使用的所有的技術與科學術語與屬於本發明的技術領域的技術人員通常理解的含義相同。本文中於本發明的說明書中所使用的術語只是為了描述具體的實施方式的目的，不是旨在限制本發明。
本文所使用的術語“及/或”包括一個或複數相關的所列項目的任意的與所有的組合。
圖1為本發明提供之一種實施方式中的數據處理裝置1的結構示意圖。所述數據處理裝置1包括處理器10、存儲器20及通信單元40。所述存儲器20及所述通信單元40分別與所述處理器10電性連接。所述數據處理裝置1與至少一個數據採集裝置2通信連接。所述數據採集裝置2用於收集錫膏印刷品質檢測的測試數值與測試圖像。本實施方式中，所述數據採集裝置2為錫膏檢查機(SPI)。
所述處理器10可是中央處理器(Central Processing unit，CPU)、數位訊號處理器或者單片機等，適於實現各指令。
所述存儲器20可用於存儲計算機程序與/或模塊/單元，所述處理器10藉由運行或執行存儲在所述存儲器20內的計算機程序與/或模塊/單元，以及調用存儲在存儲器20內的數據，實現所述數據處理裝置1的各種功能。所述存儲器20可是，惟並不限於，唯讀存儲器(Read-Only Memory，ROM)、隨機存儲器(Random Access Memory，RAM)、可程式設計唯讀存儲器(Programmable Read-Only Memory，PROM)、可抹除可程式設計唯讀存儲器(Erasable Programmable Read-Only Memory，EPROM)、一次可程式設計唯讀存儲器(One-time Programmable Read-Only Memory，OTPROM)、電子抹除式可複寫唯讀存儲器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、唯讀光碟(Compact Disc Read-Only Memory，CD-ROM)或其他光碟存儲器、磁碟存儲器、磁帶存儲器、或者能夠用於攜帶或存儲數據的電腦可讀的任何其他介質。
所述通信單元40用於與所述數據採集裝置2建立通信連接。所述通信單元40可為有線通信單元或無線通訊單元。
本領域技術人員可理解，所述示意圖僅僅是數據處理裝置1的示例，並不構成對數據處理裝置1的限定，可包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件，例如所述數據處理裝置1還可包括輸入輸出設備、網路接入設備、匯流排等。
參閱圖2所示，是本發明實施例提供的檢測數據模型的建立方法的的流程圖。根據不同的需求，所述流程圖中步驟的順序可改變，某些步驟可省略。
步驟S201中，獲取歷史測試數據。
本實施方式中，歷史測試數據包括錫膏檢查機(SPI)輸出的測試數值、測試圖像及經過複判驗證的判定結果。
步驟S202中，依據歷史測試數據，確定檢測數據模型對應的演算法。
由於錫膏印刷品質的檢測結果為Pass或者fail，屬於典型的分類問題，並且隨機森林演算法泛化能力良好，泛化誤差較小，檢測判斷的準確率較高，因此，在本實施方式中，建立檢測數據模型的核心演算法確定為隨機森林演算法。
對於連錫、偏位、多錫不良等錫膏印刷的品質問題，測試數據多為測試圖像，基於隨機森林演算法建立的數據模型無法實現預期判定效果，而卷積神經網路演算法長期以來是圖像識別領域的核心演算法之一，並在大量學習數據時有穩定的表現，因此基於卷積神經網路演算法建立的數據模型可根據測試數據，在卷積層提取圖像特徵，在池化層降低圖像解析度簡化運算，在歸一化指數層輸出圖像分類概率，得出判定結果，因此，在本實施方式中，該數據模型的核心演算法還包括卷積神經網路演算法。
步驟S203中，將歷史測試數據進行特徵工程處理，提取關鍵參數。
特徵工程處理輸入的數據不僅包括測試結果判定相關的原理、錫膏檢查機(SPI)輸出的測試圖像與測試數值，還包括產業領域知識(Domain know)，例如，經驗員工的個人判定經驗。
測試數據經過特徵工程的處理，生成了用於模型訓練的樣本數據集，機器學習使用大量的數據訓練，藉由步驟S202確定的演算法解析數據，從中自學習，對真實判定檢測問題進行決策與預測，然後選擇最終的關鍵參數。
步驟S204中，利用歷史測試數據訓練構建檢測數據模型。
按照步驟S202確定的演算法構建檢測數據模型，並以步驟S203提供的關鍵參數為輸入，對檢測數據模型進行錫膏印刷品質檢測判定訓練，為了提高品質檢測判定的準確度，需要基於提供的關鍵參數對模型進行數據訓練，經過數據訓練的數據模型的精準度能夠更為精確。最後基於判定結果確定檢測數據模型。
本實施例中，檢測數據模型包括基於隨機森林演算法建立的檢測數據模型與基於卷積神經網路演算法建立的檢測數據模型。
本實施例中，對測試數據進行分類，分為測試數值與測試圖像，當測試數據為測試數值，調用基於隨機森林演算法的檢測數據模型，當測試數據為測試圖像，調用基於卷積神經網路演算法的檢測數據模型。
可理解，在其他實施例中，在步驟S202之前，對所述測試相關數據進行預處理，基於測試原理對於測試數據進行標準化處理，得到標準化的特徵向量。
可理解，在其他實施例中，由於數據類型的多樣性，確定的核心演算法可為複數，進而建立複數數據模型，針對不同數據類型的檢測判定，選擇相應的數據模型。
參閱圖3所示，是本發明實施例提供的錫膏印刷品質判定檢測方法的流程圖。根據不同的需求，所述流程圖中步驟的順序可改變，某些步驟可省略。
步驟S301，獲取實時測試數據。
數據處理裝置1藉由至少一個數據採集裝置2來獲取實時測試數據，並將實時測試數據存儲在存儲器20中。
在本實施方式中，實時測試數據包括錫膏檢查機(SPI)輸出的測試圖像與測試數值中的一種或兩種。
步驟S302，對實時測試數據進行預處理。
本實施方式中，所述預處理是基於測試原理對於實時測試數據進行標準化處理，得到標準化的特徵向量，獲得測試數值的關鍵參數，以及獲得測試圖像的圖像數據。
步驟S303，判斷實時測試數據的類型，依據實時測試數據的類型調用相應的檢測數據模型，將實時測試數據輸入到相應的檢測數據模型中，得出判定結果。
在本實施方式中，該步驟具體包括：首先，對實時測試數據進行分類，判斷實時測試數據的類型；其中實時測試數據的類型為測試數值或/及測試圖像。
其次，依據實時測試數據的類型調用相應的檢測數據模型。
具體地，當輸入的實時測試數據為測試數值時，調用基於隨機森林演算法建立的檢測數據模型進行判定；當輸入的實時測試數據為測試圖像時，調用基於卷積神經網路演演算法建立的檢測數據模型進行判定；當輸入的實時測試數據一併包括測試數值與測試圖像時，分別調用基於隨機森林演演算法建立的檢測數據模型與基於卷積神經網路演演算法建立的檢測數據模型進行判定。根據兩個檢測數據模型在實際應用中對特定的測試數據的判定的優劣，選擇表現較好的檢測數據模型，並把該檢測數據模型輸出的判定結果作為該測試數據的最終的判定結果，所述判定結果為錫膏印刷品質合格或不合格。
步驟S304，分析產品優良概率與不良概率，統計分析不良產品的原因並輸出統計報告。
根據判定結果，收集產品不良的數據，分析產品優良概率與不良概率，並輸出分析統計報告，為後續品質提升提供數據支援。
可理解，在其他實施方式中，步驟S304之後還包括步驟：當判定結果出現異常時，如失敗率或不良率大幅度異常提升，激活報警流程，提醒工作人員錫膏印刷機器可能發生故障，所述報警流程包括聲光報警或者短信報警。
本實施例中，數據處理裝置1中運行有錫膏印刷品質檢測系統100，根據其所執行的功能，可被劃分為複數功能模塊。參閱圖4所示，所述複數功能模塊可包括：數據獲取模塊101、數據預處理模塊102、數據建模模塊103、判定模塊104以及分析回饋模塊105。本發明所稱的模塊是指一種能夠被至少一個處理器所執行並且能夠完成固定功能的一系列計算機程序段，其存儲在存儲器中。在本實施例中，關於各模塊的功能將在後續的實施例中詳述。
所述數據獲取模塊101用於藉由至少一個數據採集裝置2來獲取測試數據，包括歷史測試數據與實時測試數據，並將測試數據存儲在存儲器20中。所述測試數據包括測試數值與測試圖像中的一種或多種。
所述數據預處理模塊102用於將測試數據轉化為標準化的參數，可作為檢測數據模型的輸入值。在本實施方式中，所述數據預處理模塊用於提取所述測試數據中的測試數值的關鍵參數或測試圖像的圖像數據，並將所述實時測試數據進行標準化。
所述數據建模模塊103用於利用數據建模方法建立判定測試結果的檢測數據模型。在本實施方式中，所述檢測數據模型包括基於隨機森林演演算法建立的檢測數據模型與基於卷積神經網路演演算法建立的檢測數據模型。
所述判定模塊104用於調用檢測數據模型，對實時測試數據進行檢測判定，得到判定結果。
所述判定模塊104還用於對實時測試數據進行分類，並依據實時測試數據的類型調用相應的檢測數據模型。
所述分析回饋模塊105用於對判定結果進行分析，得到並輸出分析回饋報告。
如圖1所示，所述數據處理裝置1還包括存儲在所述存儲器20中並可在所述處理器10上運行的計算機程序30，例如錫膏印刷品質檢測判定程式。所述處理器10執行所述計算機程序30時實現上述錫膏印刷品質檢測方法實施例中的步驟，例如圖3所示的步驟S301~S305。
示例性的，所述計算機程序30可被分割成一個或複數模塊/單元，所述一個或者複數模塊/單元被存儲在所述存儲器20中，並由所述處理器10執行，以完成本發明。所述一個或複數模塊/單元可是能夠完成特定功能的一系列計算機程序指令段，所述指令段用於描述所述計算機程序30在所述數據處理裝置1中的執行過程。例如，所述計算機程序30可被分割成圖3中的數據獲取模塊101、數據預處理模塊102、數據建模模塊103、判定模塊104以及分析回饋模塊105。
本發明確定的核心演演算法為隨機森林演演算法，該核心演演算法還包括卷積神經網路演演算法，基於核心演演算法建立錫膏印刷品質檢測的檢測數據模型，調用該檢測數據模型對錫膏印刷品質測試數據進行檢測，能夠提升瑕疵檢測的效率與準確度，克服現有的檢測方法中測率均較高，人工複判費時費力等問題，能針對不同種類的測試物件調整核心演演算法。例如，基於隨機森林演演算法建立的數據模型主要針對測試數值進行檢測，而基於卷積神經網路演演算法建立的數據模型主要針對測試圖像進行檢測，可提高檢測的準確度。
所述數據處理裝置1集成的模塊/單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時，可存儲在一個電腦可讀取存儲介質中。基於這樣的理解，本發明實現上述實施例方法中的全部或部分流程，亦可藉由計算機程序來指令相關的硬體來完成，所述的計算機程序可存儲於一電腦可讀存儲介質中，所述計算機程序在被處理器執行時，可實現上述各個方法實施例的步驟。其中，所述計算機程序包括計算機程序代碼，所述計算機程序代碼可為原始程式碼形式、物件代碼形式、可執行檔或某些中間形式等。所述電腦可讀介質可包括：能夠攜帶所述計算機程序代碼的任何實體或裝置、記錄介質、U 盤、移動硬碟、磁碟、光碟、電腦存儲器、唯讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、電載波信號、電信信號以及軟體分發介質等。需要說明的是，所述電腦可讀介質包含的內容可根據司法管轄區內立法與專利實踐的要求進行適當的增減，例如在某些司法管轄區，根據立法與專利實踐，電腦可讀介質不包括電載波信號與電信信號。
在本發明所提供的幾個實施例中，應所述理解到，所揭露的數據處理裝置與方法，可藉由其它的方式實現。例如，以上所描述的數據處理裝置實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現時可有另外的劃分方式。
另外，在本發明各個實施例中的各功能單元可集成在相同處理單元中，亦可是各個單元單獨物理存在，亦可兩個或兩個以上單元集成在相同單元中。上述集成的單元既可採用硬體的形式實現，亦可採用硬體加軟體功能模塊的形式實現。
對於本領域技術人員而言，顯然本發明不限於上述示範性實施例的細節，而且在不背離本發明的精神或基本特徵的情況下，能夠以其他的具體形式實現本發明。因此，無論從哪一點來看，均應將實施例看作是示範性的，而且是非限制性的，本發明的範圍由所附權利要求而不是上述說明限定，因此旨在將落在權利要求的等同要件的含義與範圍內的所有變化涵括在本發明內。不應將權利要求中的任何附圖標記視為限制所涉及的權利要求。此外，顯然“包括”一詞不排除其他單元或步驟，單數不排除複數。第一，第二等詞語用來表示名稱，而並不表示任何特定的順序。
儘管對本發明的優選實施方式進行了說明與描述，惟是本領域的技術人員將領悟到，可作出各種不同的變化與改進，這些均不超出本發明的真正範圍。因此期望，本發明並不局限於所公開的作為實現本發明所設想的最佳模式的具體實施方式，本發明包括的所有實施方式均有所附權利要求書的保護範圍內。

Claims (10)

  1. 一種錫膏印刷品質檢測方法，其改良在於，包括以下步驟：獲取實時測試數據，所述實時測試數據包括錫膏印刷品質檢測的測試數值與測試圖像中的一種或多種；對所述實時測試數據進行預處理，所述預處理包括提取所述測試數值的關鍵參數或所述測試圖像的圖像數據，並將所述實時測試數據進行標準化；判斷所述實時測試數據的類型，依據所述實時測試數據的類型調用相應的檢測數據模型，將所述實時測試數據登錄到相應的所述檢測數據模型中，得到錫膏印刷品質的判定結果。
  2. 如請求項1所述的錫膏印刷品質檢測方法，其中，還包括建立所述檢測數據模型的方法，包括以下步驟：獲取歷史測試數據；依據所述歷史測試數據，確定所述檢測數據模型對應的演算法；將所述歷史測試數據進行特徵工程處理，確定關鍵參數；利用所述歷史測試數據構建與訓練檢測數據模型。
  3. 如請求項2所述的錫膏印刷品質檢測方法，其中，所述歷史測試數據包括測試數值、測試圖像、測試原理以及產業領域知識。
  4. 如請求項2所述的錫膏印刷品質檢測方法，其中，所述演算法包括隨機森林演算法與卷積神經網路演算法。
  5. 如請求項4所述的錫膏印刷品質檢測方法，其中，所述檢測數據模型包括基於隨機森林演算法的檢測數據模型與基於卷積神經網路演算法的檢測數據模型。
  6. 如請求項5所述的錫膏印刷品質檢測方法，其中，當所述實時測試數據為測試數值時，調用基於隨機森林演算法的檢測數據模型，當測試數據為測試圖像時，調用基於卷積神經網路演算法的檢測數據模型，當所述實時測試數據同時包括測試數值與測試圖像，同時調用基於隨機森林演算法的檢測數據模型與基於卷積神經網路演算法的檢測數據模型，測試數值的判定結果來自於基於隨機森林演算法的檢測數據模型的輸出，測試圖像的判定結果來自於基於卷積神經網路演算法的檢測數據模型的輸出。
  7. 如請求項1所述的錫膏印刷品質檢測方法，其中，在得到判定結果之後，所述方法還包括步驟：分析產品優良概率與不良概率，統計分析不良產品的原因並輸出統計報告。
  8. 如請求項7所述的錫膏印刷品質檢測方法，其中，在分析回饋判定結果之後，所述方法還包括步驟：當判定結果出現異常時，激活報警流程，所述報警流程包括聲光報警或者短信報警。
  9. 一種數據處理裝置，其改良在於：所述數據處理裝置包括處理器及存儲器，所述處理器用於執行所述存儲器中存儲的計算機程序時實現請求項1-8中任一項所述的錫膏印刷品質檢測方法。
  10. 一種電腦可讀存儲介質，所述電腦可讀存儲介質上存儲有計算機程序，其改良在於：所述計算機程序被處理器執行時實現如請求項1-8中任一項所述的錫膏印刷品質檢測方法。
TW108109620A 2019-03-15 2019-03-20 錫膏印刷品質檢測方法、數據處理裝置及電腦存儲介質 TWI706318B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910199967.XA CN111766253A (zh) 2019-03-15 2019-03-15 锡膏印刷品质检测方法、数据处理装置及计算机存储介质
CN201910199967.X 2019-03-15

Publications (2)

Publication Number Publication Date
TW202036353A TW202036353A (zh) 2020-10-01
TWI706318B true TWI706318B (zh) 2020-10-01

Family

ID=72423249

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108109620A TWI706318B (zh) 2019-03-15 2019-03-20 錫膏印刷品質檢測方法、數據處理裝置及電腦存儲介質

Country Status (3)

Country Link
US (1) US11029260B2 (zh)
CN (1) CN111766253A (zh)
TW (1) TWI706318B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI783548B (zh) * 2021-06-24 2022-11-11 英業達股份有限公司 印刷焊點品質識別與維修建議系統及其方法

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11688067B2 (en) * 2019-07-12 2023-06-27 Bruker Nano, Inc. Methods and systems for detecting defects in devices using X-rays
CN112557416A (zh) * 2019-09-09 2021-03-26 英业达科技有限公司 使用深度学习模型检测焊点是否桥接的系统及方法
CN112801328B (zh) * 2019-11-14 2023-10-31 富联精密电子(天津)有限公司 产品印刷参数设定装置、方法及计算机可读存储介质
CN112434738A (zh) * 2020-11-24 2021-03-02 英业达(重庆)有限公司 基于决策树算法的锡膏检测方法、系统、电子设备及介质
CN114544669A (zh) * 2020-11-24 2022-05-27 英业达科技有限公司 锡膏检测机的不良焊点密集度分析系统及其方法
TWI749926B (zh) * 2020-12-01 2021-12-11 英業達股份有限公司 錫膏檢測機的不良焊點密集度分析系統及其方法
CN112766059B (zh) * 2020-12-30 2024-05-03 富联裕展科技(深圳)有限公司 产品加工品质的检测方法、检测装置
CN113242652B (zh) * 2021-05-20 2022-04-01 上海望友信息科技有限公司 一种喷涂图形生成方法、系统、电子设备及存储介质
CN114799396B (zh) * 2021-08-03 2023-03-24 苏州楚翰真空科技有限公司 一种真空钎焊炉生产保温杯的质检方法和质检系统
CN118111377A (zh) * 2022-11-24 2024-05-31 中兴通讯股份有限公司 锡膏检测阈值调整方法、设备及存储介质
CN117149664B (zh) * 2023-10-31 2024-03-15 深圳大数信科技术有限公司 一种基于bpmn的自动化测试方法及其系统平台
CN117312802B (zh) * 2023-11-29 2024-03-22 安徽大学 基于人机融合的smt产线关键工艺参数优化方法及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5751910A (en) * 1995-05-22 1998-05-12 Eastman Kodak Company Neural network solder paste inspection system
US6891967B2 (en) * 1999-05-04 2005-05-10 Speedline Technologies, Inc. Systems and methods for detecting defects in printed solder paste
CN202126246U (zh) * 2011-05-17 2012-01-25 东莞市神州视觉科技有限公司 一种贴片印刷锡膏快速三维测量系统
TWI395941B (zh) * 2007-10-10 2013-05-11 Ckd Corp 焊料印刷檢查裝置
TWI399515B (zh) * 2008-02-13 2013-06-21 Ckd Corp 焊料印刷檢查裝置及零件組裝系統

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5598345A (en) * 1990-11-29 1997-01-28 Matsushita Electric Industrial Co., Ltd. Method and apparatus for inspecting solder portions
DE4222804A1 (de) * 1991-07-10 1993-04-01 Raytheon Co Einrichtung und verfahren zur automatischen visuellen pruefung elektrischer und elektronischer baueinheiten
KR100200215B1 (ko) * 1996-04-08 1999-06-15 윤종용 상관 신경 회로망을 이용한 납땜 검사 장치 및방법
US5963662A (en) * 1996-08-07 1999-10-05 Georgia Tech Research Corporation Inspection system and method for bond detection and validation of surface mount devices
US7352892B2 (en) * 2003-03-20 2008-04-01 Micron Technology, Inc. System and method for shape reconstruction from optical images
US7171897B2 (en) * 2003-06-05 2007-02-06 Georgia Tech Research Corporation System and methods for data-driven control of manufacturing processes
JP4165538B2 (ja) * 2004-07-21 2008-10-15 オムロン株式会社 部品実装検査方法および部品実装検査装置
US9052294B2 (en) * 2006-05-31 2015-06-09 The Boeing Company Method and system for two-dimensional and three-dimensional inspection of a workpiece
US8521443B2 (en) * 2008-10-16 2013-08-27 Oxfordian Method to extract parameters from in-situ monitored signals for prognostics
JP4969664B2 (ja) * 2010-03-03 2012-07-04 シーケーディ株式会社 半田印刷検査装置及び半田印刷システム
CN202126426U (zh) 2011-07-01 2012-01-25 无锡同春新能源科技有限公司 风力发电系统向湿度传感器供电的测报湿度装置
CN106530284A (zh) * 2016-10-21 2017-03-22 广州视源电子科技股份有限公司 基于图像识别的焊点类型检测和装置
KR102317464B1 (ko) * 2017-02-13 2021-10-28 주식회사 고영테크놀러지 인쇄 회로 기판에 실장된 부품을 검사하는 장치, 그 동작 방법 및 컴퓨터 판독 가능한 기록 매체
US10234848B2 (en) * 2017-05-24 2019-03-19 Relativity Space, Inc. Real-time adaptive control of additive manufacturing processes using machine learning
KR20190084167A (ko) * 2017-12-21 2019-07-16 주식회사 고영테크놀러지 인쇄 회로 기판 검사 장치, 스크린 프린터의 결함 유형 결정 방법 및 컴퓨터 판독 가능한 기록 매체
CN110930347B (zh) * 2018-09-04 2022-12-27 京东方科技集团股份有限公司 卷积神经网络的训练方法、焊点缺陷的检测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5751910A (en) * 1995-05-22 1998-05-12 Eastman Kodak Company Neural network solder paste inspection system
US6891967B2 (en) * 1999-05-04 2005-05-10 Speedline Technologies, Inc. Systems and methods for detecting defects in printed solder paste
TWI395941B (zh) * 2007-10-10 2013-05-11 Ckd Corp 焊料印刷檢查裝置
TWI399515B (zh) * 2008-02-13 2013-06-21 Ckd Corp 焊料印刷檢查裝置及零件組裝系統
CN202126246U (zh) * 2011-05-17 2012-01-25 东莞市神州视觉科技有限公司 一种贴片印刷锡膏快速三维测量系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI783548B (zh) * 2021-06-24 2022-11-11 英業達股份有限公司 印刷焊點品質識別與維修建議系統及其方法

Also Published As

Publication number Publication date
US11029260B2 (en) 2021-06-08
TW202036353A (zh) 2020-10-01
US20200292471A1 (en) 2020-09-17
CN111766253A (zh) 2020-10-13

Similar Documents

Publication Publication Date Title
TWI706318B (zh) 錫膏印刷品質檢測方法、數據處理裝置及電腦存儲介質
CN112382582B (zh) 一种晶圆测试分类方法及系统
CN112036755B (zh) 一种建筑工程质量检测的监管方法及系统
CN111461548B (zh) 基于区块链的品质智能监控系统、方法及可读存储介质
US20200402221A1 (en) Inspection system, image discrimination system, discrimination system, discriminator generation system, and learning data generation device
CN110097260B (zh) 产品检验方法、装置、设备和存储介质
CN112115927A (zh) 一种基于深度学习的机房设备智能识别方法及系统
JP2019159820A (ja) 検査装置、画像識別装置、識別装置、検査方法、及び検査プログラム
CN110969600A (zh) 一种产品缺陷检测方法、装置、电子设备及存储介质
WO2023093919A2 (zh) 一种洗衣机异音检测方法、装置、电子设备及存储介质
CN113284094A (zh) 获取玻璃基板缺陷信息的方法、装置、存储介质及设备
WO2019176988A1 (ja) 検査システム、識別システム、及び識別器評価装置
CN111861488A (zh) 机器学习模型对比方法及装置
TWI707299B (zh) 光學檢測二次圖像分類方法
WO2020233021A1 (zh) 基于智能决策的测试结果分析方法及相关装置
CN103913150A (zh) 智能电能表电子元器件一致性检测方法
CN114066835A (zh) 图像检测、自动光学检测方法、装置、存储介质及设备
CN116566839A (zh) 一种电力企业通信资源质量评估系统
CN114218078A (zh) 一种ui页面测试方法、装置、设备及可读存储介质
CN110600006B (zh) 一种语音识别的评测方法及系统
CN112187555B (zh) 一种基于机器学习的实时kpi数据异常检测方法及装置
US20240193460A1 (en) Data processing method and data processing apparatus
TWI745767B (zh) 光學檢測二次圖像分類方法
CN117873007B (zh) 基于工业物联网的制造流程管理方法、系统、设备及介质
CN116297290A (zh) 一种肉类食材新鲜度的近红外检测方法