[发明专利]使用深度学习模型检测焊点是否桥接的系统及方法

说明书

本发明涉及一种使用深度学习模型检测焊点是否桥接的系统及方法，其通过在锡膏厚度测试设备产生焊盘的检测结果后，使用检测模型分析与检测结果表示焊接不良的焊点对应的检测图像；当检测图像中存在桥接时，显示检测图像以提供复判的技术手段，可以达成减少误判桥接的焊点数量以缩短人工复判所需时间的技术功效。

技术领域

本发明涉及一种焊点桥接检测系统及其方法，特别涉及一种使用深度学习模型检测焊点是否桥接的系统及方法。

背景技术

锡膏厚度测试(Solder Paste Inspection,SPI)设备可以利用光学原理，把在印刷电路板(Printed circuit Board,PCB)上的锡膏高度计算出来的一种检测设备。锡膏厚度测试设备可以检测每个焊点的体积、面积、高度、X偏移和Y偏移等五项指标数据，并使用所检测出的指标数据来判断焊点是否有焊接不良。

虽然大部分焊接不良的情况可以由锡膏厚度测试设备所检测出的指标数据判断出来，但仅使用锡膏厚度测试设备所检测出的五项指标数据并无法有效判断桥接的情况，导致锡膏厚度测试设备经常将焊点没有桥接误判为有桥接，无谓的增加了进行复判的人员的工作量。

综上所述，可知现有技术中长期以来一直存在锡膏厚度测试设备的检测结果中经常对桥接误判的问题，因此有必要提出改进的技术手段，来解决此问题。

发明内容

有鉴于现有技术存在锡膏厚度测试设备的检测结果中经常对桥接误判的问题，本发明遂说明一种使用深度学习模型检测焊点是否桥接的系统及方法，其中：

本发明所说明的使用深度学习模型检测焊点是否桥接的系统，至少包含：模型建立模块，用以建立检测模型；结果取得模块，用以取得锡膏厚度测试设备(Solder PasteInspection,SPI)检测焊盘(land/pad)所产生的检测结果，焊盘包含多个焊点，检测结果包含与表示焊接不良的焊点对应的检测图像；图像分析模块，用以使用检测模型分析与焊接不良的焊点对应的检测图像，并产生分析结果；输出模块，用以于分析结果表示检测图像中存在桥接(bridge)时，显示检测图像。

本发明所说明的使用深度学习模型检测焊点是否桥接的方法，其步骤至少包括：建立检测模型；提供焊盘，焊盘包含多个焊点；取得锡膏厚度测试设备检测焊盘所产生的检测结果，检测结果包含与焊接不良的焊点对应的检测图像；使用检测模型分析与焊接不良的焊点对应的检测图像，并产生分析结果；当分析结果表示检测图像中存在桥接时，显示检测图像。

本发明所说明的系统与方法如上，与现有技术之间的差异在于本发明通过在锡膏厚度测试设备产生焊盘的检测结果后，使用检测模型分析与检测结果表示焊接不良的焊点对应的检测图像；当检测图像中存在桥接时，显示检测图像以提供复判，借以解决现有技术所存在的问题，并可以达成减少人工复判的焊点数量以缩短人工复判所需时间的技术功效。

附图说明

图1为本发明所提出的使用深度学习模型检测焊点是否桥接的系统架构图。

图2A为本发明所提出的使用深度学习模型检测焊点是否桥接的方法流程图。

图2B为本发明所提出的调整深度学习模型的附加方法流程图。

【附图标记列表】

100 计算设备

110 模型建立模块

120 结果取得模块

130 图像分析模块

140 输出模块

150 设定模块

400 锡膏厚度测试设备

具体实施方式