JP2019100753A - プリント基板検査装置及びプリント基板検査方法 - Google Patents

Abstract

【課題】従来のカメラによる撮像法よりも高精度にプリント基板の検査を行う。【解決手段】プリント基板検査装置１は、プリント基板Ｗの測定対象表面Ｗａに対して照射される光と測定対象表面Ｗａとを相対的に走査させ、測定対象表面Ｗａに照射される光の走査位置並びにイメージセンサ上の結像位置や光量に基づいて測定対象表面Ｗａの高さ変位量や反射光量の変位量を測定する光変位測定モジュール２と、高さ変位量や反射光量の変位量の情報を特徴量として取得する特徴量取得部３と、特徴量を元に高さや反射光量の３次元変位分布データを生成する３次元変位分布データ生成部４と、３次元変位分布データから評価項目に対応する特定領域データを抽出する特定領域データ抽出部５と、抽出した特定領域データに対し、学習済のニューラルネットワークに適用して、プリント基板Ｗの良否を判定する判定部８と、を備える。【選択図】図１

Description

本発明は、プリント基板の生産工程におけるプリント基板や電子部品搭載後のプリント基板の電子部品や半田付け等を検査するプリント基板検査装置及びプリント基板検査方法に関する。

近年、携帯電話、家電、自動車等、あらゆるものが電子制御されており、プリント基板への高い信頼性が求められる。このため、プリント基板の各製造プロセスにおいて、より信頼性の高い品質管理のための検査装置が要求されている。

従来、この種の検査装置におけるプリント基板の検査方法としては、例えば下記特許文献１や特許文献２などに開示されるように、カメラによる撮像法が知られている。

カメラによる撮像法としては、カメラで撮像した画像をコンピューターで判断するプリント基板の外観検査法があるが、半田付け接合部を画像から判断するには難しく、照明の位置や色を変えたりして、同一箇所を複数枚撮像し、複数枚の画像から判定を行っている。

特開２０１５−０２６２８７号公報 特開２０１２−０２８４６０号公報

上述した特許文献１や特許文献２を含め、従来のカメラによる撮像法では、測定時間が短い利点があり、プリント基板の半田表面で光が乱反射する場合には像面の外観をカメラで得ることができる。しかしながら、プリント基板の半田表面が鏡面であって、光が正反射する場合には、像面の外観をカメラで得るのが難しいという問題があった。しかも、２次元平面画像を用いるため、プリント基板の半田箇所の高さ方向の情報が取得できず、プリント基板の良否判定を高精度に行うことができなかった。

ところで、近年のプリント基板は、益々、部品の微小化や実装の高密度化が飛躍的に進み、プリント基板の品質を保証するための検査技術は、この変化に追従できなくなってきている。また、部品に不具合が発生した場合には、破棄せざるを得ないことも多く、多額な損失が生じてしまう課題がある。

そこで、本発明は上記問題点に鑑みてなされたものであって、従来のカメラによる撮像法よりも高精度にプリント基板の検査を行うことができるプリント基板検査装置及びプリント基板検査方法を提供することを目的としている。

上記目的を達成するため、本発明の請求項１に記載されたプリント基板検査装置は、プリント基板Ｗを検査するプリント基板検査装置１であって、
光を出力する光源２１ａと、前記光源から放射された光を細く絞り前記プリント基板の測定対象表面Ｗａに照射する投光レンズ２１ｂと、前記測定対象表面からの反射光または散乱光を集光する受光レンズ２１ｃと、前記受光レンズで集光された光スポットが照射されるイメージセンサ２１ｄと、
前記測定対象表面に照射される光と該測定対象表面とを相対的に走査させる走査制御部２２と、
前記測定対象表面に照射される光の走査位置並びに前記イメージセンサ上の結像位置や光量に基づいて、前記測定対象表面の高さ変位量又は反射光量の変位量の少なくとも一方を測定する光変位測定部２３と、を含む光変位測定モジュール２と、
前記高さ変位量又は反射光量の変位量の少なくとも一方の情報を特徴量として取得する特徴量取得部３と、
前記特徴量を元に高さの３次元変位分布データ、又は反射光量の３次元変位分布データの少なくとも一方を生成する３次元変位分布データ生成部４と、
前記３次元変位分布データから評価項目に対応する特定領域データを抽出する特定領域データ抽出部５と、
前記特定領域データ抽出部で抽出した特定領域データに対し、学習済のニューラルネットワークに適用して、プリント基板の良否を判定する判定部８と、を備えたことを特徴とする。

請求項２に記載されたプリント基板検査装置は、請求項１のプリント基板検査装置において、
前記評価項目は半田付けの良否判定であり、前記特定領域を半田付け領域として、前記３次元変位分布データから半田付け領域における特定領域データを抽出し、半田不良を評価することを特徴とする。

請求項３に記載されたプリント基板検査装置は、請求項１のプリント基板検査装置において、
前記評価項目は部品実装の良否判定であり、前記特定領域を部品実装領域として、前記３次元変位分布データから部品実装領域における特定領域データを抽出し、部品実装の不良を評価することを特徴とする。

請求項４に記載されたプリント基板検査装置は、請求項１〜３の何れかのプリント基板検査装置において、
検査者による検査結果の良否と前記特定領域データを学習データとして記憶する学習データ記憶部６と、
前記学習データを用いて前記ニューラルネットワークの学習を実行する学習実行部７とを備えたことを特徴とする。

請求項５に記載されたプリント基板検査方法は、プリント基板Ｗを検査するプリント基板検査方法であって、
光源２１ａから放射された光を細く絞り前記プリント基板の測定対象表面Ｗａに照射するステップと、
前記測定対象表面からの反射光または散乱光を集光し、該集光された光スポットをイメージセンサ２１ｄに照射させるステップと、
前記測定対象表面に照射される光と該測定対象表面とを相対的に走査させるステップと、
前記測定対象表面に照射される光の走査位置並びに前記イメージセンサ上の結像位置や光量に基づいて、前記測定対象表面の高さ変位量又は反射光量の変位量の少なくとも一方を測定するステップと、
前記高さ変位量又は反射光量の変位量の少なくとも一方の情報を特徴量として取得するステップと、
前記特徴量を元に高さの３次元変位分布データ、又は反射光量の３次元変位分布データの少なくとも一方を生成するステップと、
前記３次元変位分布データから評価項目に対応する特定領域データを抽出するステップと、
前記特定領域データに対し、学習済のニューラルネットワークに適用して、前記プリント基板の良否を判定するステップと、を含むことを特徴とする。

本発明によれば、プリント基板や電子部品搭載後のプリント基板の検査において、重大欠陥（例えば部品欠落等）や品質欠陥（例えば部品の歪みやズレ、未半田、半田量少、半田ブリッジ等）検査の良否判定をより高精度に行うことができる。

本発明に係るプリント基板検査装置のブロック図である。 本発明に係るプリント基板検査装置の他の構成を示すブロック図である。 本発明に係るプリント基板検査装置に用いられる光変位測定モジュールの原理図である。 プリント基板の測定対象表面に照射される光の走査方向の一例を示す図である。 本発明に係るプリント基板検査方法の概略を示すフローチャートである。

以下、本発明を実施するための形態について、添付した図面を参照しながら詳細に説明する。

本発明に係るプリント基板検査装置及びプリント基板検査方法は、プリント基板の生産工程におけるプリント基板や電子部品搭載後のプリント基板の電子部品や半田付け等の良否を検査するものである。

図１に示すように、本実施の形態のプリント基板検査装置１（１Ａ）は、光変位測定モジュール２、特徴量取得部３、３次元変位分布データ生成部４、特定領域データ抽出部５、学習データ記憶部６、学習実行部７、判定部８、判定結果出力部９を備えて構成される。

光変位測定モジュール２は、三角測量方式を応用した変位センサであり、図３に示すように、光学モジュール２１、走査制御部２２、光変位測定部２３を備えて構成される。

光学モジュール２１は、図３に示すように、光を出力する半導体レーザなどの光源２１ａと、光源２１ａからの光を細く絞ってプリント基板（測定対象）Ｗの測定対象表面Ｗａに照射する投光レンズ２１ｂと、プリント基板Ｗの測定対象表面Ｗａからの反射光や散乱光を集光する受光レンズ２１ｃと、受光レンズ２１ｃで集光された光スポットが照射され、光スポットの像の位置と明るさに対応した電流を出力するイメージセンサ２１ｄとを含む構成である。

図３の光変位測定モジュール２では、プリント基板Ｗの測定対象表面Ｗａに対し、光源２１ａから放射されたレーザを投光レンズ２１ｂにて細く絞って照射すると、測定対象表面Ｗａに光スポットができる。この光スポットから反射または散乱した光は受光レンズ２１ｃで集光され、イメージセンサ２１ｄ上に光スポットの像を作る。この光スポットの像は、測定対象表面Ｗａが変位するとイメージセンサ２１ｄ上を移動する。イメージセンサ２１ｄからは像の位置と明るさに対応した電流が出力され、この出力電流を電圧変換して和と差の信号を作り除算して補正処理を施すことで測定対象表面Ｗａの高さの変位量と反射光量（正反射または散乱）の変位量が検出できる。そして、走査制御部２２がプリント基板Ｗの測定対象表面Ｗａに対して照射される光をプリント基板Ｗの測定対象表面Ｗａに対して走査させ、光変位測定部２３にて走査位置に応じたプリント基板Ｗの測定対象表面Ｗａの高さの変位量および反射光量の変位量の情報を得ることができる。

また、光変位測定モジュール２として、ポリゴンスキャナを回転させて光源（半導体レーザ）からレーザを走査して測定位置を移動させ、さらに、イメージセンサをレーザ走査方向と直交する方向に移動させる構成すれば、ポリゴンスキャナで走査した範囲におけるプリント基板Ｗの測定対象表面Ｗａの高さの変位量および反射光量の変位量を測定することができる。

なお、図示はしないが、光変位測定モジュール２として、プリント基板Ｗの測定対象表面Ｗａからの正反射光と散乱光をそれぞれ独立した２つのイメージセンサで受光する構成とすれば、反射光量に応じてイメージセンサを選択して使用することができる。

走査制御部２２は、プリント基板Ｗの測定対象表面Ｗａに照射される光をプリント基板Ｗの測定対象表面Ｗａに照射して測定対象表面Ｗａを走査制御する。例えば図４に示すように、所定の走査幅Ｈでプリント基板Ｗの測定対象表面Ｗａの左側から１→２→・・・→ｎの順に右側に向かって測定対象表面Ｗａ全体を走査制御する。なお、走査制御部２２は、光源２１ａや投光レンズ２１ｂからなる光学系を走査させる方式や、プリント基板Ｗの測定対象表面Ｗａを走査させる方式など、プリント基板Ｗの測定対象表面Ｗａに照射される光と測定対象表面Ｗａとが相対的に変位すればよく、いずれの方式でも適用可能である。

光変位測定部２３は、イメージセンサ２１ｄから出力された電流の情報と走査制御部２２の走査情報により、プリント基板Ｗの測定対象表面Ｗａの高さ変位量と反射光量の変位量の少なくとも一方を測定する。

特徴量取得部３は、高さ変位量と反射光量の変位量の少なくとも一方の情報を特徴量として取得する。特徴量として取得される高さ変位量と反射光量の変位量は、走査制御部２２の走査制御により得られたプリント基板Ｗの測定対象表面Ｗａに照射される光に対する測定対象表面Ｗａの各位置情報にそれぞれ対応している。

３次元変位分布データ生成部４は、特徴量取得部３が取得した特徴量を元に高さ変位量の３次元変位分布データと反射光量の３次元変位分布データの少なくとも一方を生成する。３次元変位分布データは、高さ変位量や反射光量を色の違いとして表現した画像として生成される。

特定領域データ抽出部５は、３次元変位分布データ生成部４にて生成された１つ以上の３次元変位分布データ（高さ変位量、反射光量）から評価項目に対応した特定領域データを抽出する。評価項目は、プリント基板Ｗの各部品の半田付けの良否判定、またはプリント基板Ｗの部品実装の良否判定などである。

なお、特定領域は、プリント基板Ｗに実装用マウントデータ（プリント基板Ｗ上に実装される各部品の位置を示すデータ）から予め取得することで容易に半田付け領域や部品実装領域を特定することができる。

また、特定領域は、３次元変位分布データ生成部４にて生成される高さ変位量の３次元変位分布データ、又は反射光量の３次元変位分布データから特定することもできる。

学習データ記憶部６は、プリント基板Ｗの検査結果の良否情報と、特定領域データ抽出部５にて抽出した特定領域データとを学習データとして記憶する。なお、プリント基板Ｗの検査結果の良否情報は、予め検査者によって行われるプリント基板Ｗの検査結果から正常のフラグを付与した検査結果情報と異常のフラグを付与した検査結果情報として取得することができる。

学習実行部７は、学習データ記憶部６に記憶された学習データを用いてニューラルネットワークの学習を実行する。

ここで、学習実行部７にて畳み込みニューラルネットワークを使用すれば高精度な良否判定が可能となる。畳み込みニューラルネットワークは、従来型の全結合型のニューラルネットワークの問題であった、汎化性能が上がらないという過学習の問題を解決している。

多層ニューラルネットの学習法には誤差逆伝搬法（back propagation）を用いることが多い。誤差逆伝搬法とは、入力サンプルに対するネットワークの誤差（目標出力と実際の出力との差）を入力層から逆に伝搬させ、各層の重みの勾配を計算するという方法である。この計算の際、入力層から離れた深い層に進むにつれ、勾配が急速に小さくなったり、あるいは急速に大きくなって発散してしまう、いわゆる勾配消失問題と呼ばれる現象が起きるようになる。このことが多層ネットワークの学習を困難な物にしてきた。

畳み込みニューラルネットワークは、特定の画像処理を行う働きを持つ層を何層か重ねた構造を持ち、そのために層間の結合はまばらなネットワークになっている。このため誤差逆伝搬法を使った畳み込みニューラルネットを使った多層ネットワークの学習が可能となる。このネットワーク層の構成は、人間の視覚のメカニズムに良く似ているため、学習データの与え方、学習データの量と質など学習の最適化により人間の認識能力に近い高精度な良否判定が可能となる。

判定部８は、特定領域データ抽出部５で抽出した特定領域データに対し、学習済のニューラルネットワークを適用してプリント基板Ｗの良否を判定する。さらに説明すると、判定部８は、特定領域を半田付け領域としてプリント基板Ｗの半田付けの良否判定を行う場合、各３次元変位分布データから特定領域データとして抽出した半田付け領域に学習済のニューラルネットワークを適用し、未半田、半田不足、半田過多、接合不良、半田ブリッジ、半田クラック等の半田不良の有無を判定する。

また、判定部８は、特定領域を部品実装領域としてプリント基板Ｗの部品実装の良否判定を行う場合、各３次元変位分布データから特定領域データとして抽出した部品実装領域に学習済のニューラルネットワークを適用し、部品欠落や部品ずれ等の部品実装の不良の有無を判定する。

判定結果出力部９は、判定部８で判定したプリント基板Ｗの半田不良の有無や部品実施の不良の有無の良否結果を出力する。

次に、上記のように構成されるプリント基板検査装置１を用いてプリント基板Ｗを検査するプリント基板検査方法について図５を参照しながら説明する。

プリント基板Ｗを検査する場合には、まず、光変位測定モジュール２の光源２１ａからプリント基板Ｗの測定対象表面Ｗａに向かって光を走査制御部２２にて走査しながら放射する（ＳＴ１）。

さらに説明すると、走査制御部２２は、光変位測定モジュール２の光源２１ａから放射する光をプリント基板Ｗの測定対象表面Ｗａに照射してプリント基板Ｗの測定対象表面Ｗａを走査幅Ｈで走査し、測定対象表面Ｗａ全体に渡って、光変位測定部２３が測定対象表面Ｗａの高さの変位量や測定対象表面Ｗａからの反射光量を測定できるように光変位測定モジュール２から測定対象表面Ｗａに照射される光を走査制御する。これにより、光変位測定モジュール２の光源２１ａから放射された光は、測定対象表面Ｗａで反射または散乱し、イメージセンサ２１ｄ上に集光する。

ここで、集光像は、光変位測定モジュール２と測定対象表面Ｗａの距離が変位すると、イメージセンサ２１ｄ上の異なる位置に移動する。この集光像の位置の変化から測定対象表面Ｗａの高さの変位量を測定することができる。

また、イメージセンサ２１ｄは、集光像を受光し集光像の明るさに比例した電流を出力する。このため、反射光量（反射または散乱光の強さ）を測定することができる。

次に、特徴量取得部３は、走査制御部２２の走査制御により得られたプリント基板Ｗの測定対象表面Ｗａの各位置情報に対応した、高さの変位量情報や反射光量情報を特徴量として取得する（ＳＴ２）。

次に、３次元変位分布データ生成部４は、特徴量（測定対象表面の各位置情報に対応した、高さの変位量情報や反射光量情報）を元に、高さの変位量の３次元変位分布データや反射光量の３次元変位分布データを生成する（ＳＴ３）。

そして、特定領域データ抽出部５は、３次元変位分布データ生成部４にて生成された各３次元変位分布データから１つ以上の特定領域におけるデータを抽出する（ＳＴ４）。

そして、判定部８は、特定領域データ抽出部５にて抽出した特定領域データに対し、学習データ記憶部６に記憶された学習データを用いて学習実行部７が学習した学習済のニューラルネットワークに適用して、部品実装の有無あるいは半田付けの良否を判定し（ＳＴ５）、良否結果を判定結果出力部９から出力する。

なお、判定部８にてプリント基板Ｗの半田付けの良否判定を行う場合には、３次元変位分布データから抽出する特定領域を半田付け領域とする。これにより、判定部８は、特定領域データとして抽出した半田付け領域に学習済のニューラルネットワークを適用し、未半田、半田不足、半田過多、接合不良、半田ブリッジ、半田クラック等の半田不良を判定し、良否結果を判定結果出力部９から出力する。

また、判定部８にてプリント基板Ｗの部品実装の良否判定を行う場合には、３次元変位分布データから抽出する特定領域を部品実装領域とする。これにより、判定部８は、特定領域データとして抽出した部品実装領域に学習済のニューラルネットワークを適用し、部品欠落や部品ずれ等の部品実装の不良を判定、良否結果を判定結果出力部９から出力する。

ところで、上述した実施の形態において、特定領域の抽出に学習済みのニューラルネットワークを使用することもできる。この場合の構成を図２に示す。なお、図２において、図１と同一又は同等の機能を有する構成要素には同一番号を付し、その説明を省略している。

図２のプリント基板検査装置１（１Ｂ）では、３次元変位分布データ生成部４にて生成された高さの変位量の３次元変位分布データや反射光量の３次元変位分布データからプリント基板Ｗ上の各部品のリード部分の形状データを形状データ記憶部１１に記憶する。そして、学習実行部１２は、形状データ記憶部１１に記憶された形状データを用いて特定領域抽出用ニューラルネットワークの学習を実行する。

特定領域抽出用ニューラルネットワークは、あらかじめ部品のリード部分の形状特徴を学習しており、３次元変位分布データ生成部４にて生成された３次元変位分布データを特定領域データ抽出部５の学習済みニューラルネットワークで処理することで、リード部分のみの領域を特定領域として抽出することができる。

このように、本実施の形態によれば、プリント基板や電子部品搭載後のプリント基板の検査において、プリント基板の部品や半田箇所の高さ方向の情報も得られるので、従来のカメラによる撮像法と比較して、重大欠陥（例えば部品欠落等）や品質欠陥（例えば部品の歪みやズレ、未半田、半田量少、半田ブリッジ等）検査の良否判定をより高精度に行うことができる。

以上、本発明に係るプリント基板検査装置及びプリント基板検査方法の最良の形態について説明したが、この形態による記述および図面により本発明が限定されることはない。すなわち、この形態に基づいて当業者等によりなされる他の形態、実施例および運用技術などはすべて本発明の範疇に含まれることは勿論である。

１（１Ａ，１Ｂ） プリント基板検査装置
２ 光変位測定モジュール
３ 特徴量取得部
４ ３次元変位分布データ生成部
５ 特定領域データ抽出部
６ 学習データ記憶部
７ 学習実行部
８ 判定部
９ 判定結果出力部
１１ 形状データ記憶部
１２ 学習実行部
２１ 光学モジュール
２１ａ 光源
２１ｂ 投光レンズ
２１ｃ 受光レンズ
２１ｄ イメージセンサ
２２ 走査制御部
２３ 光変位測定部
Ｗ プリント基板（測定対象）
Ｗａ 測定対象表面
Ｈ 走査幅

Claims (5)

1. プリント基板（Ｗ）を検査するプリント基板検査装置（１）であって、
   光を出力する光源（２１ａ）と、前記光源から放射された光を細く絞り前記プリント基板の測定対象表面Ｗａに照射する投光レンズ（２１ｂ）と、前記測定対象表面からの反射光または散乱光を集光する受光レンズ（２１ｃ）と、前記受光レンズで集光された光スポットが照射されるイメージセンサ（２１ｄ）と、
   前記測定対象表面に照射される光と該測定対象表面とを相対的に走査させる走査制御部（２２）と、
   前記測定対象表面に照射される光の走査位置並びに前記イメージセンサ上の結像位置や光量に基づいて、前記測定対象表面の高さ変位量又は反射光量の変位量の少なくとも一方を測定する光変位測定部（２３）と、を含む光変位測定モジュール（２）と、
   前記高さ変位量又は反射光量の変位量の少なくとも一方の情報を特徴量として取得する特徴量取得部（３）と、
   前記特徴量を元に高さの３次元変位分布データ、又は反射光量の３次元変位分布データの少なくとも一方を生成する３次元変位分布データ生成部（４）と、
   前記３次元変位分布データから評価項目に対応する特定領域データを抽出する特定領域データ抽出部（５）と、
   前記特定領域データ抽出部で抽出した特定領域データに対し、学習済のニューラルネットワークに適用して、プリント基板の良否を判定する判定部（８）と、を備えたことを特徴とするプリント基板検査装置。
2. 前記評価項目は半田付けの良否判定であり、前記特定領域を半田付け領域として、前記３次元変位分布データから半田付け領域における特定領域データを抽出し、半田不良を評価することを特徴とする請求項１に記載のプリント基板検査装置。
3. 前記評価項目は部品実装の良否判定であり、前記特定領域を部品実装領域として、前記３次元変位分布データから部品実装領域における特定領域データを抽出し、部品実装の不良を評価することを特徴とする請求項１に記載のプリント基板検査装置。
4. 検査者による検査結果の良否と前記特定領域データを学習データとして記憶する学習データ記憶部（６）と、
   前記学習データを用いて前記ニューラルネットワークの学習を実行する学習実行部（７）とを備えたことを特徴とする請求項１〜３の何れかに記載のプリント基板検査装置。
5. プリント基板（Ｗ）を検査するプリント基板検査方法であって、
   光源（２１ａ）から放射された光を細く絞り前記プリント基板の測定対象表面（Ｗａ）に照射するステップと、
   前記測定対象表面からの反射光または散乱光を集光し、該集光された光スポットをイメージセンサ（２１ｄ）に照射させるステップと、
   前記測定対象表面に照射される光と該測定対象表面とを相対的に走査させるステップと、
   前記測定対象表面に照射される光の走査位置並びに前記イメージセンサ上の結像位置や光量に基づいて、前記測定対象表面の高さ変位量又は反射光量の変位量の少なくとも一方を測定するステップと、
   前記高さ変位量又は反射光量の変位量の少なくとも一方の情報を特徴量として取得するステップと、
   前記特徴量を元に高さの３次元変位分布データ、又は反射光量の３次元変位分布データの少なくとも一方を生成するステップと、
   前記３次元変位分布データから評価項目に対応する特定領域データを抽出するステップと、
   前記特定領域データに対し、学習済のニューラルネットワークに適用して、前記プリント基板の良否を判定するステップと、を含むことを特徴とするプリント基板検査方法。

Images