部件贴装状态的检查方法、印刷电路板检查装置及计算机可读记录介质制造方法及图纸

印刷电路板检查装置可以利用借助于图像传感器而接收的、从贴装在印刷电路板的部件反射的图案光来生成部件相关深度信息，利用借助于第一图像传感器而接收的、从部件反射的第一波长的光、第二波长的光、第三波长的光及第四波长的光中至少一种光来生成部件相关二维图像数据，将深度信息及部件相关二维图像数据输入至基于机器学习的模型，从基于机器学习的模型中获得减小了噪声的深度信息，利用减小了噪声的深度信息来检查部件的贴装状态。

【技术实现步骤摘要】
【国外来华专利技术】部件贴装状态的检查方法、印刷电路板检查装置及计算机可读记录介质
本公开涉及用于检查部件的贴装状态的方法、印刷电路板检查装置及计算机可读记录介质。
技术介绍
一般而言，在印刷电路板上利用表面贴装技术(SMT：SurfaceMounterTechnology)的制造工序中，丝网印刷机将焊膏印刷于印刷电路板，贴装机将部件贴装于印刷有焊膏的印刷电路板。另外，为了检查贴装在印刷电路板上的部件的贴装状态，利用了自动光学外观检查装置(AOI:automatedopticalinspection)。AOI装置利用关于印刷电路板的拍摄图像，检查部件是否在印刷电路板上无位置脱离、翘起、倾斜等地正常贴装。另一方面，在AOI装置生成印刷电路板相关图像的过程中，会发生照射于印刷电路板的光的多重反射，或在图像传感器对接收的光进行处理的过程等中发生噪声。即，会多样地发生光学噪声及信号性噪声，如果不减少如此发生的噪声，则AOI装置生成的印刷电路板拍摄图像的品质将会降低。如果印刷电路板拍摄图像的品质降低，则无法准确执行利用印刷电路板拍摄图像的、对贴装在印刷电路板上的部件的贴装状态检查。
技术实现思路
本公开可以提供一种印刷电路板检查装置，其能够利用基于部件相关深度信息(depthinformation)及部件相关二维图像数据而获得的、减小了噪声的部件相关深度信息来检查部件的贴装状态。本公开可以提供一种计算机可读记录介质，所述计算机可读记录介质中记录有包括可执行命令的程序，通过执行所述可执行命令，能够利用基于部件相关深度信息及部件相关二维图像数据获得的、减小了噪声的部件相关深度信息来检查部件的贴装状态。本公开可以提供一种部件贴装状态的检查方法，通过所述方法，能够利用基于部件相关深度信息及部件相关二维图像数据而获得的、减小了噪声的部件相关深度信息来检查部件的贴装状态。根据本公开的一个实施例，用于检查贴装在印刷电路板上的部件的贴装状态的印刷电路板检查装置，可以包括：多个第一光源，所述多个第一光源向所述部件照射图案光；至少一个第二光源，所述至少一个第二光源向所述部件照射第一波长的光、第二波长的光、第三波长的光及第四波长的光中至少一种光；第一图像传感器，所述第一图像传感器接收从所述部件反射的图案光、从所述部件反射的第一波长的光、第二波长的光、第三波长的光及第四波长的光中至少一种光；存储器，所述存储器存储有基于机器学习的模型，当利用从多个第三光源照射的图案光中的、从第一客体反射的图案光而生成的所述第一客体相关第一深度信息及所述第一客体相关二维图像数据被输入至所述基于机器学习的模型时，则所述基于机器学习的模型利用所述第一客体相关二维图像数据，输出减小了噪声的所述第一深度信息；处理器；所述处理器可以利用借助于所述第一图像传感器而接收的从所述部件反射的所述图案光，生成所述部件相关第二深度信息，从所述第一图像传感器接收利用借助于所述第一图像传感器而接收的从所述部件反射的所述第一波长的光、所述第二波长的光、所述第三波长的光及所述第四波长的光中的至少一种光所生成的所述部件相关二维图像数据，将所述第二深度信息及所述部件相关二维图像数据输入至于所述基于机器学习的模型中，从所述基于机器学习的模型获得减小了噪声的所述第二深度信息，利用减小了所述噪声的所述第二深度信息，检查所述部件的贴装状态。在一个实施例中，所述基于机器学习的模型可以利用第二客体相关第三深度信息、所述第二客体相关第四深度信息及所述第二客体相关二维图像数据进行学习，以便输出减小了噪声的第三深度信息，基于所述学习结果，如果被输入所述第一深度信息及所述第一客体相关二维图像数据，则输出减小了所述噪声的所述第一深度信息，其中，所述第二客体相关第三深度信息是利用从所述多个第三光源照射的图案光中的从所述第二客体反射的图案光而生成，所述第二客体相关第四深度信息利用从多个第四光源照射的图案光中的从所述第二客体反射的图案光而生成，所述第二客体相关二维图像数据是利用从至少一个第五光源照射的第一波长的光、第二波长的光、第三波长的光及第四波长的光中的至少一种光中、从所述第二客体反射的第一波长的光、第二波长的光、第三波长的光及第四波长的光中的至少一种光而生成。在一个实施例中，所述多个第三光源的数量可以与所述多个第一光源的数量相同，所述多个第四光源的数量可以大于所述多个第一光源的数量。在一个实施例中，所述第一波长的光可以为红色光，所述第二波长的光可以为绿色光，所述第三波长的光可以为蓝色光，所述第四波长的光可以为白色光。在一个实施例中，所述基于机器学习的模型可以包括CNN(ConvolutionNeuralNetwork：卷积神经网络)或GAN(GenerativeAdversarialNetwork：生成性对抗网络)。在一个实施例中，所述处理器可以利用减小了所述噪声的所述第二深度信息，生成所述部件相关三维图像，并利用所述部件相关三维图像，检查所述部件的贴装状态。在一个实施例中，印刷电路板检查装置可以还包括配置于比所述第一图像传感器更下侧的第二图像传感器，就所述基于机器学习的模型而言，如果还输入所述第一客体相关第五深度信息，则可以还利用所述第五深度信息输出减小了所述噪声的所述第一深度信息，其中，所述第一客体相关第五深度信息是利用借助于第四图像传感器而接收的从所述第一客体反射的图案光而生成，所述第四图像传感器配置于比接收从所述多个第三光源照射的图案光中用于生成所述第一深度信息的图案光的第三图像传感器更下侧的位置。在一个实施例中，所述处理器可以利用借助于所述第二图像传感器而接收的从所述部件反射的图案光，生成所述部件相关第六深度信息，还将所述第六深度信息输入至所述基于机器学习的模型。根据本公开一个实施例，作为记录有用于在计算机上执行的程序的非暂时性计算机可读记录介质，其中，所述程序可以包括可执行命令，当所述程序被处理器执行时，所述处理器可实现：控制多个第一光源而使其向贴装在印刷电路板上的部件照射图案光的步骤；控制至少一个第二光源而使其向所述部件照射第一波长的光、第二波长的光、第三波长的光及第四波长的光中至少一种光的步骤；利用借助于第一图像传感器而接收的、从所述部件反射的所述图案光来生成所述部件相关第一深度信息的步骤；利用借助于所述第一图像传感器而接收的、从所述部件反射的第一波长的光、第二波长的光、第三波长的光及第四波长的光中的至少一种光来生成所述部件相关二维图像数据的步骤；将所述第一深度信息及所述部件相关二维图像数据输入至基于机器学习的模型的步骤；从所述基于机器学习的模型获得减小了噪声的所述第一深度信息的步骤；以及，利用减小了所述噪声的所述第一深度信息来检查所述部件的贴装状态的步骤。就所述基于机器学习的模型而言，如果对其输入利用从多个第三光源照射的图案光中从第一客体反射的图案光而生成的所述第一客体相关第二深度信息及所述第一客体相关二维图像数据，则可以利用所述第一客体相关二维图像数据，输出减小了噪声的所述第二深度信息。在一个实施例中，所述基于机器学习的模型可本文档来自技高网...

【技术保护点】
1.一种印刷电路板检查装置，用于检查贴装在印刷电路板上的部件的贴装状态，所述印刷电路板检查装置包括：/n多个第一光源，所述多个第一光源向所述部件照射图案光；/n至少一个第二光源，所述至少一个第二光源向所述部件照射第一波长的光、第二波长的光、第三波长的光及第四波长的光中至少一种光；/n第一图像传感器，所述第一图像传感器接收从所述部件反射的图案光，以及从所述部件反射的所述第一波长的光、所述第二波长的光、所述第三波长的光及所述第四波长的光中至少一种光；/n存储器，所述存储器存储有基于机器学习的模型，当从多个第三光源照射的图案光中利用从第一客体反射的图案光而生成的与所述第一客体相关的第一深度信息及与所述第一客体相关的二维图像数据被输入至所述基于机器学习的模型时，所述基于机器学习的模型利用与所述第一客体相关的二维图像数据，输出减小了噪声的所述第一深度信息；及/n处理器，/n所述处理器，利用借助于所述第一图像传感器而接收的从所述部件反射的所述图案光，生成与所述部件相关的第二深度信息；从所述第一图像传感器接收与所述部件相关的二维图像数据，所述与部件相关的二维图像数据是利用借助于所述第一图像传感器而接收的从所述部件反射的第一波长的光、第二波长的光、第三波长的光及第四波长的光中的至少一种光所生成的；将所述第二深度信息及所述与部件相关的二维图像数据输入至所述基于机器学习的模型中；从所述基于机器学习的模型获得减小了噪声的所述第二深度信息；利用减小了所述噪声的所述第二深度信息，检查所述部件的贴装状态。/n...

【技术特征摘要】
【国外来华专利技术】20180226 US 62/635,0221.一种印刷电路板检查装置，用于检查贴装在印刷电路板上的部件的贴装状态，所述印刷电路板检查装置包括：
多个第一光源，所述多个第一光源向所述部件照射图案光；
至少一个第二光源，所述至少一个第二光源向所述部件照射第一波长的光、第二波长的光、第三波长的光及第四波长的光中至少一种光；
第一图像传感器，所述第一图像传感器接收从所述部件反射的图案光，以及从所述部件反射的所述第一波长的光、所述第二波长的光、所述第三波长的光及所述第四波长的光中至少一种光；
存储器，所述存储器存储有基于机器学习的模型，当从多个第三光源照射的图案光中利用从第一客体反射的图案光而生成的与所述第一客体相关的第一深度信息及与所述第一客体相关的二维图像数据被输入至所述基于机器学习的模型时，所述基于机器学习的模型利用与所述第一客体相关的二维图像数据，输出减小了噪声的所述第一深度信息；及
处理器，
所述处理器，利用借助于所述第一图像传感器而接收的从所述部件反射的所述图案光，生成与所述部件相关的第二深度信息；从所述第一图像传感器接收与所述部件相关的二维图像数据，所述与部件相关的二维图像数据是利用借助于所述第一图像传感器而接收的从所述部件反射的第一波长的光、第二波长的光、第三波长的光及第四波长的光中的至少一种光所生成的；将所述第二深度信息及所述与部件相关的二维图像数据输入至所述基于机器学习的模型中；从所述基于机器学习的模型获得减小了噪声的所述第二深度信息；利用减小了所述噪声的所述第二深度信息，检查所述部件的贴装状态。


2.根据权利要求1所述的印刷电路板检查装置，其中，
所述基于机器学习的模型，利用与第二客体相关的第三深度信息、与所述第二客体相关的第四深度信息及与所述第二客体相关的二维图像数据进行学习，并输出减小了噪声的第三深度信息，基于所述学习结果，当被输入所述第一深度信息及与所述第一客体相关的二维图像数据时，输出减小了所述噪声的所述第一深度信息，其中，
所述与第二客体相关的第三深度信息，是利用从所述多个第三光源照射的图案光中从所述第二客体反射的图案光而生成；所述与第二客体相关的第四深度信息，是利用从多个第四光源照射的图案光中的、从所述第二客体反射的图案光而生成；所述与第二客体相关的二维图像数据，是从至少一个第五光源照射的第一波长的光、第二波长的光、第三波长的光及所述第四波长的光的至少一种光中利用从所述第二客体反射的第一波长的光、第二波长的光、第三波长的光及第四波长的光中的至少一种光而生成。


3.根据权利要求2所述的印刷电路板检查装置，其中，
所述多个第三光源的数量与所述多个第一光源的数量相同，所述多个第四光源的数量大于所述多个第一光源的数量。


4.根据权利要求1所述的印刷电路板检查装置，其中，
所述第一波长的光为红色光，所述第二波长的光为绿色光，所述第三波长的光为蓝色光，所述第四波长的光为白色光。


5.根据权利要求1所述的印刷电路板检查装置，其中，
所述基于机器学习的模型包括卷积神经网络或生成性对抗网络。


6.根据权利要求1所述的印刷电路板检查装置，其中，
所述处理器，利用减小了所述噪声的所述第二深度信息，生成与所述部件相关的三维图像，并利用与所述部件相关的三维图像，检查所述部件的贴装状态。


7.根据权利要求1所述的印刷电路板检查装置，其中，
还包括配置于比所述第一图像传感器更下侧的第二图像传感器，
对所述基于机器学习的模型还输入与所述第一客体相关的第五深度信息时，所述基于机器学习的模型还利用所述第五深度信息，输出减小了所述噪声的所述第一深度信息，其中，
所述与第一客体相关的第五深度信息，是利用借助于第四图像传感器而接收的、从所述第一客体反射的图案光而生成的，所述第四图像传感器配置于比第三图像传感器更下侧的位置，所述第三图像传感器接收从所述多个第三光源照射的图案光中用于生成所述第一深度信息的图案光。


8.根据权利要求7所述的印刷电路板检查装置，其中，
所述处理器利用借助于所述第二图像传感器而接收的从所述部件反射的图案光，生成与所述部件相关的第六深度信息，还将所述第六深度信息输入至所述基于机器学习的模型。


9.一种计算机可读记录介质，是记录有用于在计算机上执行的程序的非暂时性计算机可读记录介质，其中，
所述程序包括可执行命令，使得处理器执行所述程序时实现：
控制多个第一光源而使其向贴装在印刷电路板上的部件照射图案光的步骤；
控制至少一个第二光源而使其向所述部件照射第一波长的光、第二波长的光、第三波长的光及第四波长的光中至少一种光的步骤；
利用借助于第一图像传感器而接收的、从所述部件反射的所述图案光来生成与所述部件相关的第一深度信息的步骤；
利用借助于所述第一图像传感器而接收的、从所述部件反射的第一波长的光、第二波长的光、第三波长的光及第四波长的光中的至少一种光来生成与所述部件相关的二维图像数据的步骤；
将所述第一深度信息及所述部件相关二维图像数据输入至基于机器学习的模型的步骤；
从所述基于机器学习的模型获得减小了噪声的所述第一深度信息的步骤；及
利用减小了所述噪声的所述第一深度信息来检查所述部件的贴装状态的步骤，
...

【专利技术属性】
技术研发人员：李洗璘，姜镇万，郑仲基，孙廷呼，尹珉哲，
申请(专利权)人：株式会社高迎科技，
类型：发明
国别省市：韩国;KR