본문 바로가기 주메뉴 바로가기

(주)엠제이비전테크

PCB

개발배경

양품·불량 이미지를 학습한 딥러닝 모델이 이물, 표면 스크래치, 납땜 불량, 오염을 유형별로 분류, 과검출은 줄이고 미검출은 없애는 PCB 외관검사 시스템

특장점

AI 딥러닝으로 정확도를 높인 PCB

  • 01

    AI 딥러닝 결함 분류

    딥러닝 모델이 결함의 모양·질감·위치를 학습하여 이물인지, 스크래치인지, 납땜 불량인지, 오염인지까지 유형을 구분합니다. 조명 반사나 기판 색상 편차처럼 결함이 아닌 변화는 정상으로 학습되어 과검출이 줄어듭니다.

    결함 분류 4종 / 분류 정확도 99% 이상 / 과검출 5% 이내

  • 02

    이물 · 스크래치 · 납땜 · 오염 한 번에

    한 대의 검사기가 네 가지 결함을 한 번의 촬영으로 검출합니다. 이물과 오염은 색상·질감 차이로, 스크래치는 선형 패턴으로, 납땜 불량은 필렛 형상과 광택으로 판정하여 결함마다 별도 검사 공정을 두지 않아도 됩니다.

    검출 결함 4종 / 1회 촬영 / 최소 검출 크기 50 μm

  • 03

    딥러닝과 룰베이스의 역할 분담

    외관처럼 모양이 일정하지 않은 결함은 딥러닝이, 부품 위치·치수·극성처럼 기준이 명확한 항목은 룰베이스가 담당합니다. 두 판정을 합쳐 양품 안에 불량이 섞이지 않도록 하면서도 과검출로 인한 2차 육안검사를 줄입니다.

    양품 내 불량 0% / 과검출 ≤5% / 2차 육안검사 70% 감소

  • 04

    현장 학습과 품질 데이터 연동

    새로운 결함 유형이 나타나면 현장에서 이미지를 라벨링하고 모델을 재학습하여 바로 적용합니다. 검사 결과는 기판 ID·결함 위치·유형별로 저장되어 MES 품질 데이터와 연결되고, 불량 추세를 통계로 확인할 수 있습니다.

    재학습 적용 1일 이내 / 기판 ID 단위 이력 / MES 연동

주요기능

  • 이물 검사

    딥러닝 모델이 배경과 다른 이질적인 질감을 학습해 색이 비슷한 이물도 구분

    검출 대상

    금속 파편솔더볼섬유·먼지

  • 표면 스크래치 검사

    동축 조명과 암시야 조명을 조합하여 얕은 스크래치도 대비를 높여 촬영. 딥러닝이 패턴 경계선과 스크래치를 구분

    검출 대상

    레지스트 스크래치동박 노출실크 손상

  • 납땜 불량 검사

    룰베이스 AOI가 놓치기 쉬운 형상 편차를 딥러닝이 판정

    검출 대상

    과납·솔더 브리지들뜸미납부품 쏠림·누락·극성 오류

  • 오염 검출

    딥러닝이 정상 기판 표면의 색·광택 분포를 학습해 미세한 차이를 판정

    검출 대상

    플럭스 잔사지문·유분변색·산화얼룩

세부 기능

  • 결함 유형 자동 분류

    이물·스크래치·납땜·오염을 딥러닝이 구분

  • 결함 위치 맵

    기판 도면 위에 결함 위치·유형을 표시

  • 치수 · 위치 · 극성 측정

    부품 쏠림, 극성, 패드 치수를 룰베이스로 측정

  • 기판 ID 인식

    바코드·2D 코드·OCR로 기판별 이력 관리

  • 결함 통계 · SPC

    유형별 발생률, 공정 추세, 관리도

  • MES · 설비 연동

    판정 결과 전송, 리젝터 · PLC 연동

검사 항목

검사 항목
결함 유형 검사 대상 세부 결함 조명·광학 판정 방식
이물 기판 표면, 부품 사이 금속 파편, 솔더볼, 섬유·먼지, 플럭스 덩어리 링 + 동축 딥러닝 + 크기 측정
표면 스크래치 레지스트, 동박, 실크 긁힘, 동박 노출, 실크 손상 동축 + 암시야 딥러닝 + 길이·폭 측정
납땜 불량 SMT 실장 부위 미납, 냉납, 브리지, 솔더볼, 들뜸, 쏠림·누락·극성 다각도 링(RGB) 딥러닝 형상 분류 + 룰베이스 위치·극성
오염 기판 전면, 커넥터·패드 플럭스 잔사, 지문·유분, 얼룩, 변색 돔 + 동축 딥러닝 + 면적 측정
상단으로