基板检查装置及丝网印刷机的缺陷类型确定方法制造方法及图纸

本发明专利技术公开了一种基板检查装置。所述基板检查装置，可以利用对第一基板的图像，生成显示感知到异常的多个第二焊锡膏的至少一个图像，将生成的至少一个图像适用于机器学习基础模型，从机器学习基础模型，获得显示丝网印刷机的多个第一缺陷类型的各自和至少一个图像之间的关联性的多个第一值及显示多个第一缺陷类型中的一个缺陷类型关联的区域的多个第一图像，利用获得的多个第一值及多个第一图像，确定与多个第二焊锡膏关联的多个第二缺陷类型，并确定与多个第二缺陷类型的各自关联的至少一个第三焊锡膏。

【技术实现步骤摘要】
【国外来华专利技术】基板检查装置及丝网印刷机的缺陷类型确定方法
本专利技术涉及一种基板检查装置，更具体地，涉及用于确定利用于基板的印刷的丝网印刷机的缺陷类型的基板检查装置。
技术介绍
在安装在电子装置的基板上印刷焊锡膏的工程是通过丝网印刷机执行的，且丝网印刷机(screenprinter)在基板上印刷焊锡膏的工艺如下。丝网印刷机在用于固定基板的桌面上放置基板，以将漏板放置在对应于漏板的开口的基板的垫片上的方式排列在基板上。此后，丝网印刷机利用刮墨刀(squeegee)通过漏板的开口将焊锡膏印刷在基板上。此后，丝网印刷机分离漏板和基板。印刷在基板的焊锡膏的形象可以通过SPI(solderpasteinspection)技术来检查。SPI技术是，通过光学技术获得印刷在基板上的焊锡膏的二维或者三维影像，并检查从获得的影像印刷在基板的焊锡膏的形象的技术。
技术实现思路
要解决的技术问题本专利技术提供一种基板检查装置，所述基板检查装置可以利用机器学习基础模型来确定与焊锡膏的异常(anomaly)关联的丝网印刷机的缺陷(fault)类型及与本文档来自技高网...

【技术保护点】
1.一种基板检查装置，其中，包括：/n存储器，所述存储器存储有机器学习基础模型，所述机器学习基础模型导出多个值，所述多个值表示丝网印刷机的多个第一缺陷类型的各自和显示感知到异常的多个焊锡膏的图像之间的关联性，且所述机器学习基础模型利用所述显示感知到异常的多个焊锡膏的图像，以生成显示与所述多个第一缺陷类型中的一个缺陷类型关联的区域的多个图像的方式进行学习；及/n处理器，所述处理器与所述存储器电气连接；/n所述处理器，/n基于对第一基板的图像，在感知到印刷在所述第一基板上的多个第一焊锡膏中的多个第二焊锡膏的异常时，利用对所述第一基板的图像，生成显示所述多个第二焊锡膏的至少一个图像，/n将生成的所述...

【技术特征摘要】
【国外来华专利技术】20190122 US 62/795,3111.一种基板检查装置，其中，包括：
存储器，所述存储器存储有机器学习基础模型，所述机器学习基础模型导出多个值，所述多个值表示丝网印刷机的多个第一缺陷类型的各自和显示感知到异常的多个焊锡膏的图像之间的关联性，且所述机器学习基础模型利用所述显示感知到异常的多个焊锡膏的图像，以生成显示与所述多个第一缺陷类型中的一个缺陷类型关联的区域的多个图像的方式进行学习；及
处理器，所述处理器与所述存储器电气连接；
所述处理器，
基于对第一基板的图像，在感知到印刷在所述第一基板上的多个第一焊锡膏中的多个第二焊锡膏的异常时，利用对所述第一基板的图像，生成显示所述多个第二焊锡膏的至少一个图像，
将生成的所述至少一个图像适用到所述机器学习基础模型，
从所述机器学习基础模型，获得表示所述多个第一缺陷类型的各自和所述至少一个图像之间的关联性的多个第一值及显示与所述多个第一缺陷类型中的一个缺陷类型关联的区域的多个第一图像，
基于获得的所述多个第一值，确定在所述多个第一缺陷类型中与所述多个第二焊锡膏关联的多个第二缺陷类型，
基于在所述多个第一图像中与所述多个第二缺陷类型对应的多个第二图像，确定在所述多个第二焊锡膏中与所述多个第二缺陷类型各自关联的至少一个第三焊锡膏。


2.根据权利要求1所述的基板检查装置，其中，
所述处理器，
利用通过对所述第一基板的图像获得的对多个第一焊锡膏的测量信息，感知所述多个第一焊锡膏中的多个第二焊锡膏的异常。


3.根据权利要求2所述的基板检查装置，其中，
所述测量信息，包括：
对焊锡膏的体积、面积、高度形状或位置中的至少一个。


4.根据权利要求1所述的基板检查装置，其中，
所述丝网印刷机的多个第一缺陷类型，包括：
刮墨刀缺陷、刮墨刀固定缺陷、支架缺陷、台缺陷、根据网格锁设定不良的缺陷、由搁置焊锡膏和焊锡膏的浆料不良引起的缺陷、由焊锡膏不足引起的缺陷、由漏板接触不良引起的缺陷、由漏板的瑕疵引起的缺陷及由基板的弯曲引起的缺陷中的至少一个。


5.根据权利要求1所述的基板检查装置，其中，
所述机器学习基础模型，
通过根据所述多个第一缺陷类型分类的显示感知到异常的多个焊锡膏的多个图像，导出表示所述多个第一缺陷类型的各自和所述显示感知到异常的多个焊锡膏的图像之间的关联性的多个值，以生成显示与所述多个第一缺陷类型中的一个缺陷类型关联的区域的多个图像的方式进行学习。


6.根据权利要求1所述的基板检查装置，其中，
所述处理器，
从所述机器学习基础模型，获得表示所述多个第一缺陷类型的各自的临界值的临界值信息，
通过比较由所述临界值信息确认的所述多个第一类型的各自的临界值和获得的所述多个第一值，确定与所述多个第二焊锡膏关联的多个第二缺陷类型。


7.根据权利要求6所述的基板检查装置，其中，
所述机器学习基础模型，
通过表示所述多个第一缺陷类型的各自和所述显示感知到异常的多个焊锡膏的图像之间的关联性的多个值来调整设定于所述多个第一缺陷类型的各自的临界值，学习所述临界值信息。


8.根据权利要求1所述的基板检查装置，其中，
由所述机器学习基础模型生成的多个图像的各自显示的区域是与相互不同的缺陷类型关联的区域。


9.根据权利要求1所述的基板检查装置，其中，
所述处理器，
基于所述多个第二图像，确认与多个第二缺陷类型关联的区域，
基于与所述多个第二缺陷类型关联的区域和通过对所述第一基板的图像确认的所述多个第二焊锡膏的各自位置，确定与所述多个第二缺陷类型的各自关联的至少一个第三焊锡膏。


10.根据权利要求1所述的基板检查装置，其中，
所述处理器，
确定所述多个第二缺陷类型后，通过生成的所述至少一个图像使得所述机器学习基础模型进行学习。


11.一种在...

【专利技术属性】
技术研发人员：金钟焕，朴珠延，黄礼媛，朴珍万，李升济，崔太民，刘容浩，李德永，
申请(专利权)人：株式会社高迎科技，韩国科学技术院，
类型：发明
国别省市：韩国;KR