[發(fā)明專利]學(xué)習(xí)裝置、檢查裝置、學(xué)習(xí)方法以及檢查方法在審
| 申請?zhí)枺?/td> | 202010947201.8 | 申請日: | 2020-09-10 |
| 公開(公告)號: | CN112614086A | 公開(公告)日: | 2021-04-06 |
| 發(fā)明(設(shè)計)人: | 塩見順一 | 申請(專利權(quán))人: | 株式會社斯庫林集團(tuán) |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06N20/00;G06N3/04;G01N21/956;G01N21/88 |
| 代理公司: | 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205 | 代理人: | 馬爽;臧建明 |
| 地址: | 日本京都府京都市上京區(qū)堀*** | 國省代碼: | 暫無信息 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 學(xué)習(xí) 裝置 檢查 學(xué)習(xí)方法 以及 方法 | ||
本發(fā)明提供一種學(xué)習(xí)裝置、檢查裝置、學(xué)習(xí)方法以及檢查方法,可減少學(xué)習(xí)用數(shù)據(jù)集容量,并實現(xiàn)高精度的基板檢查。在學(xué)習(xí)裝置中,第二輸入部輸入根據(jù)真缺陷的有無對第一數(shù)據(jù)中的假定缺陷圖像進(jìn)行了再分類的第二數(shù)據(jù)。學(xué)習(xí)部在第二數(shù)據(jù)中進(jìn)行對于假定缺陷圖像的加權(quán)來生成學(xué)習(xí)用數(shù)據(jù)集。學(xué)習(xí)部通過使用所述學(xué)習(xí)用數(shù)據(jù)集的機(jī)器學(xué)習(xí),學(xué)習(xí)基板圖像與缺陷的有無的關(guān)系來生成學(xué)習(xí)完成模型。在利用學(xué)習(xí)部的學(xué)習(xí)用數(shù)據(jù)集的生成中,當(dāng)假定缺陷圖像被再分類成具有真缺陷時,使多個權(quán)重系數(shù)之中,對應(yīng)于真缺陷的重要度所選擇的權(quán)重系數(shù)與所述假定缺陷圖像相乘后,將所述假定缺陷圖像分類成“有缺陷”。由此,減少學(xué)習(xí)用數(shù)據(jù)集的容量,并實現(xiàn)高精度的基板檢查。
技術(shù)領(lǐng)域
本發(fā)明涉及一種學(xué)習(xí)裝置、檢查裝置、學(xué)習(xí)方法以及檢查方法。
背景技術(shù)
以往,在印刷配線基板的檢查中,通過檢查裝置來檢查印刷配線基板的各區(qū)域的圖像,并選出被判斷為具有缺陷的圖像(以下,稱為“缺陷圖像”)。而且,通過作業(yè)者來對經(jīng)選出的缺陷圖像進(jìn)行缺陷確認(rèn)作業(yè)(所謂的核實作業(yè))。由檢查裝置所選出的缺陷包含在品質(zhì)上成為問題的可能性高的真缺陷、及在品質(zhì)上成為問題的可能性實質(zhì)上不存在的虛報,在所述缺陷確認(rèn)作業(yè)中,作業(yè)者通過目視來從由檢查裝置所選出的缺陷圖像中選出真缺陷。
另一方面,在日本專利第6512585號公報(文獻(xiàn)1)中提出有在如金屬波紋管那樣的零件的外觀檢查裝置中,通過使用事先準(zhǔn)備的許多良否圖像數(shù)據(jù)的深度學(xué)習(xí)來制作學(xué)習(xí)二進(jìn)制文件,并利用所述學(xué)習(xí)二進(jìn)制文件進(jìn)行對于被檢查圖像的圖像處理來進(jìn)行良否判定。
然而,當(dāng)在印刷配線基板的檢查裝置中,將如文獻(xiàn)1那樣的深度學(xué)習(xí)技術(shù)應(yīng)用于缺陷圖像的選出時,若想要減少缺陷圖像中所包含的虛報的比例來提升檢查精度,則存在學(xué)習(xí)處理所需要的圖像數(shù)量變得龐大(即,學(xué)習(xí)用數(shù)據(jù)集的容量變得龐大),學(xué)習(xí)需要大量的時間的擔(dān)憂。
發(fā)明內(nèi)容
本發(fā)明面向制作對表面上具有圖案的基板進(jìn)行檢查時所利用的學(xué)習(xí)完成模型的學(xué)習(xí)裝置,且其目的在于減少學(xué)習(xí)用數(shù)據(jù)集的容量,并實現(xiàn)高精度的基板檢查。
本發(fā)明優(yōu)選的一實施例的學(xué)習(xí)裝置包括:第一輸入部,輸入基板圖像被分類成具有缺陷的假定缺陷圖像與不具有缺陷的假定良品圖像的第一數(shù)據(jù);第二輸入部,輸入根據(jù)真缺陷的有無對所述第一數(shù)據(jù)中的所述假定缺陷圖像進(jìn)行了再分類的第二數(shù)據(jù);以及學(xué)習(xí)部,在所述第二數(shù)據(jù)中進(jìn)行對于所述假定缺陷圖像的加權(quán)來生成學(xué)習(xí)用數(shù)據(jù)集,通過使用所述學(xué)習(xí)用數(shù)據(jù)集的機(jī)器學(xué)習(xí),學(xué)習(xí)基板圖像與缺陷的有無的關(guān)系來制作學(xué)習(xí)完成模型。在利用所述學(xué)習(xí)部的所述學(xué)習(xí)用數(shù)據(jù)集的生成中,當(dāng)所述假定缺陷圖像被再分類成具有真缺陷時,使多個權(quán)重系數(shù)之中,對應(yīng)于所述真缺陷的重要度所選擇的權(quán)重系數(shù)與所述假定缺陷圖像相乘后,將所述假定缺陷圖像分類成有缺陷,當(dāng)所述假定缺陷圖像被再分類成不具有真缺陷時,將所述假定缺陷圖像分類成無缺陷。
根據(jù)本發(fā)明,可減少學(xué)習(xí)用數(shù)據(jù)集的容量,并實現(xiàn)高精度的基板檢查。
優(yōu)選為:所述多個權(quán)重系數(shù)隨著在所述基板上真缺陷所在的區(qū)域的重要度變高而變大。
優(yōu)選為:所述多個權(quán)重系數(shù)隨著多種檢查之中檢測到真缺陷的檢查的種類的重要度變高而變大。
本發(fā)明也面向?qū)Ρ砻嫔暇哂袌D案的基板進(jìn)行檢查的檢查裝置。本發(fā)明優(yōu)選的一實施例的檢查裝置包括檢查部,所述檢查部利用由所述學(xué)習(xí)裝置所制作的學(xué)習(xí)完成模型,對拍攝基板所獲得的被檢查圖像進(jìn)行檢查。
本發(fā)明優(yōu)選的另一實施例的檢查裝置包括:所述學(xué)習(xí)裝置;以及檢查部,利用由所述學(xué)習(xí)裝置所制作的學(xué)習(xí)完成模型,對拍攝基板所獲得的被檢查圖像進(jìn)行檢查。
優(yōu)選為:所述學(xué)習(xí)裝置的所述第二輸入部輸入將由所述檢查部所獲得的缺陷圖像設(shè)為所述假定缺陷圖像,根據(jù)真缺陷的有無進(jìn)行了再分類的新的第二數(shù)據(jù)。所述學(xué)習(xí)部在所述新的第二數(shù)據(jù)中進(jìn)行對于所述假定缺陷圖像的加權(quán)來生成新的學(xué)習(xí)用數(shù)據(jù)集,通過使用所述新的學(xué)習(xí)用數(shù)據(jù)集的機(jī)器學(xué)習(xí),使所述學(xué)習(xí)完成模型再學(xué)習(xí)基板圖像與缺陷的有無的關(guān)系。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于株式會社斯庫林集團(tuán),未經(jīng)株式會社斯庫林集團(tuán)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010947201.8/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 根據(jù)用戶學(xué)習(xí)效果動態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲介質(zhì)
- 游戲?qū)W習(xí)效果評測方法及系統(tǒng)
- 數(shù)字學(xué)習(xí)方法及執(zhí)行此數(shù)字學(xué)習(xí)方法的攜帶式電子裝置
- 一種響應(yīng)式教學(xué)設(shè)計方法及系統(tǒng)
- 一種神經(jīng)網(wǎng)絡(luò)及該神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法
- 一種高光譜遙感影像目標(biāo)探測方法
- 一種八維學(xué)習(xí)方法
- 一種自適應(yīng)學(xué)習(xí)特征及其張量分解式分享學(xué)習(xí)方法
- 生成模型學(xué)習(xí)方法、生成模型學(xué)習(xí)裝置及程序
- 一種高精度定位系統(tǒng)及方法
- 學(xué)習(xí)方法、管理裝置和記錄介質(zhì)
- 一種基于圖像屬性特征表述的少樣本學(xué)習(xí)方法





