用于制造测试的图像分析系统技术方案

一种用于提供改进的机器人组合件检查的视觉分析和验证(VAV)系统，所述VAV系统包括：经训练的神经网络三路分类器，所述经训练的神经网络三路分类器用于将每个组件分类为良好、不良或未知；以及操作员站，所述操作员站被配置成使操作员能够审查所述经训练的神经网络的输出，并且确定包含一个或多个“不良”或“未知”的经分类的组件的板是否通过审查并被分类为良好，或者是否未通过审查并被分类为不良。在一个实施例中，基于从所述操作员站接收到的所述确定，再训练触发器利用所述操作员站的所述输出来训练所述经训练的神经网络。述输出来训练所述经训练的神经网络。述输出来训练所述经训练的神经网络。

Image analysis system for manufacturing test

【技术实现步骤摘要】
【国外来华专利技术】用于制造测试的图像分析系统
[0001]相关申请的交叉引用
[0002]本申请涉及于2019年11月12日提交的美国临时申请62/934,397，并且将所述申请整体并入。


[0003]本专利技术涉及光学分析，并且更具体地涉及自动制造或检查中的图像分类。

技术介绍

[0004]在当前的生产环境中，高度完善的自动光学检查(AOI)算法可能使大约3
‑
15％的板不合格。例如，AOI机器可以分析表面安装技术(SMT)板上的所有组件，其中可以包含1,000到10,000多个分类。如果一个或多个分类未通过，则板被认为“异常”。所有不合格的板都需要由人类操作员进行验证，并且根据历史估计，在一些配置中，98％的不合格被操作员认为是误报。AOI机器的这种高误报率需要时间和人力来处理。另外地，在原型生产线或引入新产品的生产线上，在仅制造几百个单位的给定产品的情况下，AOI将使100％的板不合格，这是因为AOI分类规则微调得不够，从而让操作员检查板是否正确组装。
[0005]通常，自动光学检查训练从用于训练所有组件形状的组件本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于提供改进的机器人组合件检查的视觉分析和验证系统即VAV系统，所述VAV系统被设计成快速适应新缺陷、新照明条件和新部件，而无需调整，所述VAV系统包括：处理器，所述处理器实施经训练的神经网络三路分类器，以将每个组件分类为良好、不良或未知；操作员站，所述操作员站被配置成使操作员能够审查所述经训练的神经网络的输出，并且确定包含一个或多个“不良”或“未知”的经分类的组件的板是否通过审查并被分类为良好，或者是否未通过审查并被分类为不良；以及再训练触发器，当从所述操作员站接收到的所述确定与所述经训练的神经网络三路分类器的所述分类不匹配时，所述再训练触发器用于将所述操作员站的所述输出添加到训练数据，以训练所述经训练的神经网络。2.根据权利要求1所述的VAV系统，其进一步包括：其中一旦测试验证了所述操作员的所述良好分类，所述再训练触发器就利用所述操作员站的所述输出。3.根据权利要求2所述的VAV系统，其中仅当所述测试表明所述板良好时，所述再训练才利用所述操作员站的所述输出。4.根据权利要求1所述的VAV系统，其进一步包括：图像组合器，所述图像组合器用于组合来自一个或多个基于相机的检查机器的多个图像，所述图像组合器用于创建统一图像。5.根据权利要求4所述的VAV系统，其中所述多个图像包含以下中的一项或多项：具有不同照明的图像、来自不同角度的图像以及不同深度处的X射线图像。6.根据权利要求4所述的VAV系统，其进一步包括：网格和ROI逻辑，所述网格和ROI逻辑用于创建与所述板对准的网格，并且将所述统一图像划分为包含元件和相关联的焊盘的所关注区域。7.根据权利要求6所述的VAV系统，其进一步包括：OCR和元件匹配，所述OCR和元件匹配用于基于光学识别标识所述板上的元件。8.根据权利要求6所述的VAV系统，其进一步包括：掩码逻辑，所述掩码逻辑用于在将数据传递到所述分类器之前掩蔽查看窗口内的无关信息。9.根据权利要求8所述的VAV系统，其进一步包括：合成训练数据生成器，所述合成训练数据生成器用于基于所述数据集群创建合成训练数据，从而表示在所述数据集群内的未出现在所述训练数据中的元件。10.根据权利要求1所述的VAV系统，其进一步包括：过度标记触发器和警报系统，所述过度标记触发器和警报系统用于确定所述VAV系统是否将多于预设百分比的元件分类为所述不...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：光明机器公司，
类型：发明
国别省市：