【技术实现步骤摘要】
学习装置、检查装置、学习方法以及检查方法
本专利技术涉及一种学习装置、检查装置、学习方法以及检查方法。
技术介绍
以往，在印刷配线基板的检查中，通过检查装置来检查印刷配线基板的各区域的图像，并选出被判断为具有缺陷的图像(以下，称为“缺陷图像”)。而且，通过作业者来对经选出的缺陷图像进行缺陷确认作业(所谓的核实作业)。由检查装置所选出的缺陷包含在品质上成为问题的可能性高的真缺陷、及在品质上成为问题的可能性实质上不存在的虚报，在所述缺陷确认作业中，作业者通过目视来从由检查装置所选出的缺陷图像中选出真缺陷。另一方面，在日本专利第6512585号公报(文献1)中提出有在如金属波纹管那样的零件的外观检查装置中，通过使用事先准备的许多良否图像数据的深度学习来制作学习二进制文件，并利用所述学习二进制文件进行对于被检查图像的图像处理来进行良否判定。然而，当在印刷配线基板的检查装置中，将如文献1那样的深度学习技术应用于缺陷图像的选出时，若想要减少缺陷图像中所包含的虚报的比例来提升检查精度，则存在学习处理所需要的图像数量变得庞大...
【技术保护点】
1.一种学习装置，是制作对表面上具有图案的基板进行检查时所利用的学习完成模型的学习装置，其特征在于，包括：/n第一输入部，输入基板图像被分类成具有缺陷的假定缺陷图像与不具有缺陷的假定良品图像的第一数据；/n第二输入部，输入根据真缺陷的有无对所述第一数据中的所述假定缺陷图像进行了再分类的第二数据；以及/n学习部，在所述第二数据中进行对于所述假定缺陷图像的加权来生成学习用数据集，通过使用所述学习用数据集的机器学习，学习基板图像与缺陷的有无的关系来制作学习完成模型；/n在利用所述学习部的所述学习用数据集的生成中，/n当所述假定缺陷图像被再分类成具有真缺陷时，使多个权重系数之中，对...
【技术特征摘要】
20190919 JP 2019-1702731.一种学习装置，是制作对表面上具有图案的基板进行检查时所利用的学习完成模型的学习装置，其特征在于，包括：
第一输入部，输入基板图像被分类成具有缺陷的假定缺陷图像与不具有缺陷的假定良品图像的第一数据；
第二输入部，输入根据真缺陷的有无对所述第一数据中的所述假定缺陷图像进行了再分类的第二数据；以及
学习部，在所述第二数据中进行对于所述假定缺陷图像的加权来生成学习用数据集，通过使用所述学习用数据集的机器学习，学习基板图像与缺陷的有无的关系来制作学习完成模型；
在利用所述学习部的所述学习用数据集的生成中，
当所述假定缺陷图像被再分类成具有真缺陷时，使多个权重系数之中，对应于所述真缺陷的重要度所选择的权重系数与所述假定缺陷图像相乘后，将所述假定缺陷图像分类成有缺陷，
当所述假定缺陷图像被再分类成不具有真缺陷时，将所述假定缺陷图像分类成无缺陷。
2.根据权利要求1所述的学习装置，其特征在于，
所述多个权重系数随着在所述基板上真缺陷所在的区域的重要度变高而变大。
3.根据权利要求1所述的学习装置，其特征在于，
所述多个权重系数随着多种检查之中检测到真缺陷的检查的种类的重要度变高而变大。
4.一种检查装置，是对表面上具有图案的基板进行检查的检查装置，其特征在于，
包括检查部，所述检查部利用由如权利要求1至3中任一项所述的学习装置所制作的学习完成模型，对拍摄所述基板所获得的被检查图像进行检查。
5.根据权利要求4所述的检查装置，其特征在于，
还包括拍摄所述基板来获取所述被检查图像的拍摄部。
6.一种检查装置，是对表面上具有图案的基板进行检查的检查装置，其特征在于，包括：
如权利要求1至3中任一项所述的学习装置；以及
检查部，利用由所述学习装置所制作的学习完成模型，对拍摄所述基板所获得的被检查图像进行检查。
7.根据权利要求6所述的检查装置，其特征在于，
所述学习装置的所述第二输入部输入将由所述检查部所获得的缺陷图像设为所述假定缺陷图像，根据真缺陷的有无进行了再分类的新的第二数据，
所述学习部在所述新的第二数据中进行对于所述假定缺陷图像的加权来生成新的学习用数据集，通过使用所述新的学习用数据集的机器学习，使所述学习完成模型再学习基板图像与缺陷的有无的关系。
8.根据权利要求6所述的检查装置，其特征在于，
还包括拍摄所述基板来获取所述被检查...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。