JP4583189B2 - 形状良否判定装置および形状良否判定方法 - Google Patents

Description

本発明は、検査対象の形状の良否を判定する形状良否判定装置および形状良否判定方法に関する。

従来、この種の形状良否判定装置として、予め欠陥が形成された教示用の基板を撮影し、その画像データから複数の特徴値を算出しておくものが知られている（例えば、特許文献１、参照。）。
かかる構成によれば、欠陥を有する基板を撮像した画像データの特徴値と、製品基板を撮像した画像データから得られる特徴値とを判別関数を利用して比較することができるため、製品基板を撮像した画像データと欠陥を有する基板を撮像した画像データとの類似性を判断することができた。すなわち、製品基板を撮像した画像データと欠陥を有する基板を撮像した画像データとの類似性が強い場合には、当該製品基板が欠陥を有していると判定することができ、製品基板を撮像した画像データと欠陥を有する基板を撮像した画像データとの類似性が弱い場合には当該製品基板が良品であると判定することが可能であった。
特開平１１−３４４４５０号公報

上述した従来の形状良否判定装置においては、予め欠陥が形成された教示用の基板を撮影しておかなければならず、良否判定を実行する前に欠陥を有する教示用の基板を用意しておく必要があった。しかし、製品基板の歩留まりがよければ、欠陥を有する基板が作成されることは稀であり、作為的に欠陥を有する基板を作成しなければならなかった。従って、作為的に欠陥を有する基板を作成するための手間とコストが無駄となっていた。また、統計的に信頼性の高い判別関数を算出するためには大量の教示用基板を用意しなければならず、手間とコストを増大させるという問題もあった。さらに、欠陥が発生する要因が明らかでない場合には、作為的に欠陥のある基板を作成することすらできないという問題もあった。
本発明は、上記課題にかんがみてなされたもので、予め教示用のサンプルを作成しなくて良否判定が実行できる形状良否判定装置の提供を目的とする。

上記目的を達成するため、請求項１にかかる発明では、検査対象物を撮像して撮像イメージを生成する撮像手段と、上記撮像イメージの特徴値を実特徴値として算出する実特徴値算出手段と、良品または不良品の形状を表す３次元データを取得する形状データ取得手段と、上記３次元データに基づいて上記良品または不良品を撮像したときの上記撮像イメージを推定した推定イメージを生成する推定手段と、同推定された上記推定イメージの上記特徴値を推定特徴値として算出する推定特徴値算出手段と、上記実特徴値と上記推定特徴値とを比較することにより上記検査対象物の良否判定を行う良否判定手段とを具備し、上記実特徴値算出手段と上記推定特徴値算出手段とは、上記撮像イメージと上記推定イメージとから複数の上記実特徴値と上記推定特徴値とを算出するとともに、上記良否判定手段は、複数の上記実特徴値と上記推定特徴値とをそれぞれ線形結合させた判別値を比較することにより良否判定を行う、構成としてある。

上記のように構成した請求項１の発明において、撮像手段は検査対象物を撮像することにより、撮像イメージを生成する。実特徴値算出手段は、上記撮像イメージから同撮像イメージについての特徴値を実特徴値として算出する。形状データ取得手段は、良品または不良品の形状を表す３次元データを取得する。そして、この３次元データに基づいて、推定手段が上記良品または不良品の撮像イメージを推定することにより、推定イメージを生成する。上記実特徴値算出手段と上記推定特徴値算出手段によって上記撮像イメージと上記推定イメージから複数の上記実特徴値と上記推定特徴値が算出される。そして、上記良否判定手段は、複数の上記実特徴値を線形結合させた判別値と、複数の上記推定特徴値を線形結合させた判別値を比較することにより良否判定を行う。単一種の上記実特徴値と上記推定特徴値のみでは正確な良否判定を行うことができない場合に、複数の上記実特徴値と上記推定特徴値を利用して正確に良否判定を行うことができる。複数の上記実特徴値と上記推定特徴値をそれぞれ線形結合する際の係数は、公知の多変量解析手法を用いて最適化することができる。

さらに、推定特徴値算出手段は、上記良品または不良品についての上記推定イメージの特徴値を推定特徴値として算出する。良否判定手段は、上記実特徴値と上記推定特徴値とを比較することにより上記検査対象物の良否判定を行う。すなわち、上記良品の形状を表す３次元データに基づく上記推定特徴値に上記検査対象物を撮像して得られた上記実特徴値が近似していれば、当該検査対象物は良品であるということができる。逆に、上記不良品の形状を表す３次元データに基づく上記推定特徴値に上記検査対象物を撮像して得られた上記実特徴値が近似していれば、当該検査対象物は不良品であるということができる。

かかる構成によれば、上記良品または不良品を実際に撮像しなくても上記推定特徴値を得ることができ、同推定特徴値を利用して良否判定を行うことができる。従って、上記良品または不良品を実体的に作成する必要がなくて済むため、同良品または不良品を作成するための手間とコストをなくすことができる。

さらに、請求項２にかかる発明では、上記撮像手段は、上記検査対象物を経由して入射される電磁波の状態を位置ごとに取得することにより上記撮像イメージを生成するとともに、上記推定手段は、上記撮像手段が上記検査対象物を撮像する際に同検査対象物に入射する上記電磁波の入射角度を取得する入射角度取得手段と、上記３次元データと上記入射角度に基づいて、上記電磁波が上記良品または不良品に到達する際の挙動を推定する挙動推定手段と、上記挙動に基づいて上記撮像手段に到達する上記電磁波の状態を推定する到達状態推定手段と、上記撮像手段に到達する上記電磁波の状態を示す値を位置ごとに配列させることにより上記推定イメージを生成する推定イメージ生成手段とを具備する構成としてある。

上記のように構成した請求項２の発明において、上記撮像手段は、上記検査対象物を経由して入射される電磁波の状態を位置ごとに取得することにより撮像イメージを生成する。すなわち、上記検査対象物を経由して入射される電磁波には、上記検査対象物の特徴が反映されるため、同電磁波の状態を位置ごとに取得することにより、同検査対象物の特徴が表現された撮像イメージを生成することができる。例えば、上記検査対象物にて反射させた可視光を上記撮像手段としてのカメラにて入力することにより、同検査対象物の特徴が反映された反射イメージを生成することができる。むろん、上記電磁波が上記検査対象物を透過して上記撮像手段に入射する場合であっても、同検査対象物の特徴が反映された反射イメージを生成できることはいうまでもない。

一方、入射角度取得手段は、上記撮像手段が上記検査対象物を撮像する際に同検査対象物に入射される電磁波の入射角度を取得する。挙動推定手段は、上記電磁波が上記良品または不良品に到達する際の挙動を推定する。すなわち、上記電磁波が上記良品または不良品に到達した場合を想定し、そのときの挙動を推定する。例えば、上記電磁波が上記良品または不良品に到達したときの挙動として、反射や透過や屈折や散乱や回折等が推定される。上記挙動推定手段は、上記入射角度と、上記３次元データから上記良品または不良品の形状とを取得するため、これらから上記電磁波が上記良品または不良品に到達したときの挙動を推定することができる。

また、上記電磁波は、電波と光（赤外光，紫外光，可視光）とＸ線とγ線等の種々の波長のものを適用することができる。上記電磁波の波長によっては上記良品または不良品に到達したときの挙動が大きく異なることとなる。さらに、上記良品または不良品の物性等によっても上記良品または不良品に到達したときの挙動が大きく異なることとなる。従って、上記挙動推定手段は、上記入射角度と上記良品または不良品の形状のみならず、以上のような他の挙動変動要因を取得し、これらから上記電磁波が上記良品または不良品に到達したときの挙動を推定する。

到達状態推定手段は、推定された上記挙動に基づいて上記撮像手段に到達する上記電磁波の状態を推定する。すなわち、上記良品または不良品に到達したときの上記電磁波の挙動が得られるため、同良品または不良品を経由した上記電磁波が上記撮像手段に到達する状態を推定することができる。例えば、上記良品または不良品に到達したときの上記電磁波の挙動が上記撮像手段と異なる方向への反射なのであれば、同反射した上記電磁波が同撮像手段に到達しないという到達状態を推定することができる。反対に、上記良品または不良品に到達したときの上記電磁波の挙動が上記撮像手段に向かう方向への反射なのであれば、同反射した上記電磁波が同撮像手段にどれくらい到達するかという到達状態を推定することができる。さらに、推定イメージ生成手段は、上記撮像手段に到達する上記電磁波の状態を示す値を位置ごとに配列させることにより上記推定イメージを生成する。それぞれが上記電磁波の状態を示す値を有する複数の画素データで構成される上記推定イメージを生成することができる。

さらに、請求項３にかかる発明では、上記挙動推定手段は、上記電磁波が上記良品または不良品に到達する際の反射挙動を推定する構成としてある。 上記のように構成した請求項３の発明において、上記電磁波が上記良品または不良品に到達する際の反射挙動が上記挙動推定手段によって推定される。すなわち、上記撮像手段によって上記検査対象物の撮像反射イメージが撮像される場合において、これと比較可能な上記良品または不良品の推定反射イメージを生成することができる。

さらに、請求項４にかかる発明では、上記挙動推定手段が上記反射挙動を推定するにあたり、鏡面反射と拡散反射とが考慮される構成としてある。
上記のように構成した請求項４の発明において、鏡面反射と拡散反射の双方を考慮した上記反射挙動を推定することができる。

また、請求項５にかかる発明では、形状データ取得手段は、上記良品または不良品の形状にばらつきを持たせた複数の３次元データを取得する構成としてある。
上記のように構成した請求項５の発明において、形状データ取得手段が上記良品または不良品の形状にばらつきを持たせた複数の３次元データを取得するため、形状のばらつきを考慮した上記推定特徴値を算出することができる。従って、上記良否判定手段が統計的手法により上記実特徴値と上記推定特徴値とを比較して良否判定を行う場合には、信頼性を向上させることができる。むろん、上記推定特徴値の度数も容易に増大させることができるため、統計的信頼性をより向上させることができる。

また、上述した装置は、かかる装置を実現する方法としても適用可能であり、請求項６にかかる発明においても、基本的には同様の作用となる。むろん、請求項２〜請求項５に記載された構成を請求項６の方法に対応させることも可能である。

以上説明したように、請求項１および請求項６にかかる発明によれば、誤判定を防止しつつ、予め教示用のサンプルを作成しなくて良否判定が実行できる形状良否判定装置および形状良否判定方法を提供することができる。
請求項２にかかる発明によれば、電磁波の挙動から推定イメージを推定することができる。
請求項３にかかる発明によれば、検査対象物の反射像を推定することができる。
請求項４にかかる発明によれば、反射像を正確に推定することができる。
請求項５にかかる発明によれば、良否判定を正確に行うことができる。

ここでは、下記の順序に従って本発明の実施形態について説明する。
（１）形状良否判定装置の構成：
（２）不良データ蓄積処理：
（３）良データ蓄積処理：
（４）判別関数について：
（５）良否判定処理：
（６）変形例：

（１）形状良否判定装置の構成：
図１は、本発明にかかる形状良否判定装置の構成を示している。同図において、形状良否判定装置１０は、相互に接続された撮像ユニット２０とコンピュータ３０とから構成されている。撮像ユニット２０は検査対象物の実装基板５０を撮像して撮像イメージを生成し、同撮像イメージをコンピュータ３０に出力する。コンピュータ３０は撮像イメージを入力し、同撮像イメージを解析することにより、撮像を行った実装基板５０の良否を判定する。図１において、撮像ユニット２０は、実装基板５０が一定位置に載置されるとともに、コントローラ２１の指令に基づいてＸ−Ｙ（水平）方向に移動可能なＸ−Ｙステージ２３を備えている。カメラ２２は、所定の光学レンズからなる光学系２２ａを鉛直下方に配向させており、鉛直下方の像を入力することが可能となっている。カメラ２２の内部にはＣＣＤ撮像板２２ｂが備えられており、光学系２２ａは鉛直下方の像をＣＣＤ撮像板２２ｂに結像することが可能となっている。

ＣＣＤ撮像板２２ｂはドットマトリックス状に配列された複数のＣＣＤ撮像素子で構成されている。ＣＣＤ撮像素子は、それぞれ入力した光に応じて電荷を発生させる光電素子であるとともに、同発生した電荷を一時的に記憶する。そして、ＣＣＤ撮像素子にて生成した電荷をデジタル信号に変換しつつ、順次コントローラ２１に転送する。コントローラ２１は、転送された上記デジタル信号をＣＣＤ撮像板２２ｂにおけるＣＣＤ撮像素子の個々のアドレスに対応づけながら画像メモリ（ＶＲＡＭ）２１ａに蓄積する。すなわち、ＶＲＡＭ２１ａにおいてＣＣＤ撮像素子に対応する画素ごとに上記デジタル信号の階調を有する画像データが生成される。なお、本実施形態において、上記デジタル信号はＣＣＤ撮像素子に入力された光の輝度を表現するものとする。すなわち、画素ごとに輝度値を有する画像データがＶＲＡＭ２１ａにおいて記憶される。

上記のようにしてＶＲＡＭ２１ａに記憶された画像データはコンピュータ３０に対して出力される。また、カメラ２２にて撮像を行うごとにＶＲＡＭ２１ａには新たな画像データが記憶される。コントローラ２１は、Ｘ−Ｙステージ２３に対して駆動信号を出力しており、同駆動信号に応じてＸ−Ｙステージ２３が水平方向に駆動される。むろん、Ｘ−Ｙステージ２３上の一定位置に載置された実装基板５０も水平移動することとなる。このようにすることにより、カメラ２２を移動させることなく、実装基板５０上のあらゆる位置にカメラ２２の視野を移動させることが可能となる。なお、カメラ２２にて撮像する際には、Ｘ−Ｙステージ２３が停止するため、静止画像が撮像されることとなる。

Ｘ−Ｙステージ２３から所定量上方にリングライト２４が保持されている。リングライト２４は発光素子としてＬＥＤを具備している。このＬＥＤは円環状に形成されており、その中心位置が上方視においてカメラ２２の光学系２２ａの中心位置と一致させられている。すなわち、リングライト２４はカメラ２２の視野を外側から一定の角度で照射することが可能となっている。なお、カメラ２２の視野は、リングライト２４の大きさや実装基板５０との距離よりも十分に小さいため、視野内におけるリングライト２４の入射角度や光量の誤差は無視できるものとする。このようにすることにより、実装基板５０のリングライト２４による反射像をカメラ２２にて撮像した２次元の画像データを生成することができる。なお、カメラ２２にて撮像した画像データを撮像イメージというものとする。

図２は、コンピュータ３０の内部構成をブロック図により示している。同図において、コンピュータ３０は、主要な構成としてＣＰＵ３１とＲＡＭ３２とビデオメモリ（ＶＲＡＭ）３３とハードディスク（ＨＤＤ）３４を備えている。ＣＰＵ３１は、ＨＤＤ３４に記憶されたオペレーティングシステム（Ｏ／Ｓ）３４ａや良否判定プログラム３４ｂ等に基づいた処理を実行させる演算装置であり、同処理を実行する際にＲＡＭ３２をワークエリアとして使用する。ＶＲＡＭ３３は、画像データを記憶するために特化したメモリであり、撮像イメージ３３ａや推定イメージ３３ｂが記憶される。なお、撮像イメージ３３ａは、コントローラ２１のＶＲＡＭ２１ａから転送された画像データである。

その他の構成として、コンピュータ３０にはビデオインターフェイス（Ｉ／Ｆ）３５と入力インターフェイス（Ｉ／Ｆ）３７とＩ／Ｏ３９が備えられている。ビデオＩ／Ｆ３５にはディスプレイ３６が接続され、入力Ｉ／Ｆ３７にはキーボード３８ａおよびマウス３８ｂが接続され、Ｉ／Ｏ３９には撮像ユニット２０のコントローラ２１が接続されている。Ｉ／Ｏ３９は、コントローラ２１に対してＸ−Ｙステージ２３を駆動させるための信号や、カメラ２２にて撮像を実行させるための信号等を出力するとともに、コントローラ２１から撮像イメージの入力を受け付けている。

図３は、コンピュータ３０にて実現されるソフトウェアの構成とデータの流れを示している。ＣＰＵ３１およびＲＡＭ３２にて、Ｏ／Ｓ３４ａと良否判定プログラム３４ｂとが実行されており、そのモジュール構成が示されている。良否判定プログラムＭは、主要な構成として、撮像実行部Ｍ１と形状データ取得部Ｍ２と推定部Ｍ３と特徴値算出部Ｍ４と判別関数算出部Ｍ５と良否判定部Ｍ６とから構成されている。さらに、推定部Ｍ３は、入射角度取得部Ｍ３ａと反射挙動推定部Ｍ３ｂと到達光量推定部Ｍ３ｃと推定イメージ生成部Ｍ３ｄとから構成されている。

撮像実行部Ｍ１は、ＨＤＤ３４に記憶された基板データ３４ｃを取得し、同基板データ３４ｃに基づいて撮像ユニット２０に撮像を実行させる。具体的に、基板データ３４ｃには、実装基板５０の大きさや実装された部品の種類や位置や大きさや形状や個数といった情報が格納されており、これらの情報に基づいてＸ−Ｙステージ２３を駆動させる。従って、実装基板５０上における所望の位置にカメラ２２の視野を動かすことができ、実装基板５０上における所望の位置について良否判定を実行することができる。

形状データ取得部Ｍ２は、ＨＤＤ３４から形状データ３４ｄを取得する。形状データ３４ｄは、実装基板５０上のはんだ形状を表した３次元データであり、例えば（Ｘ，Ｙ，Ｚ）の３成分で表現される複数の点ではんだの形状が特定されている。むろん、はんだの三次元形状が近似関数やベクトル等で表現されるデータ形式であってもよい。形状データ取得部Ｍ２は、形状データ３４ｄに基づいた複数のはんだ形状の画像をディスプレイ３６に出力する。そして、ディスプレイ３６に表示されたはんだ形状のいずれかを使用者がマウス３８ｂまたはキーボード３８ａによって選択する。選択されたはんだ形状に対応する形状データ３４ｄは、推定部Ｍ３の反射挙動推定部Ｍ３ｂに出力される。

推定部Ｍ３の入射角度取得部Ｍ３ａは、撮像ユニット２０からリングライト２４の大きさ（径）、および、リングライト２４と実装基板５０との距離を入力しており、これらの値に基づいてカメラ２２による視野に対してリングライト２４から発光された光が入射する角度を算出する。そして、入射角度取得部Ｍ３ａにて算出された入射角度は反射挙動推定部Ｍ３ｂに出力される。反射挙動推定部Ｍ３ｂは、形状データ３４ｄと入射角度とを入力し、これらに基づいてリングライト２４から発光された光が形状データ３４ｄによって表現されたはんだ形状に入射した際の反射挙動を推定する。リングライト２４から発光された光の入射角度と、その光が衝突するはんだの角度とが分かるため、光の反射挙動を推定することができる。また、基板データ３４ｃから当該実装基板５０上に形成されるはんだの反射特性も取得しており、反射挙動を推定する際には同反射特性も考慮される。反射挙動推定部Ｍ３ｂにて推定された反射挙動は到達光量推定部Ｍ３ｃに入力される。

到達光量推定部Ｍ３ｃは反射挙動を入力し、同反射挙動に基づいてＣＣＤ撮像板２２ｂの各ＣＣＤ撮像素子に到達する光量を推定する。反射挙動推定部Ｍ３ｂにて反射挙動が推定されているため、その反射光をＣＣＤ撮像板２２ｂまでたどることにより、ＣＣＤ撮像板２２ｂがＣＣＤ撮像板２２ｂの各ＣＣＤ撮像素子に到達する光量を推定することができる。到達光量推定部Ｍ３ｃにて推定された各ＣＣＤ撮像素子の光量は、推定イメージ生成部Ｍ３ｄに入力され、ここで画像データとしての推定イメージ３３ｂが生成される。すなわち、各ＣＣＤ撮像素子の光量に相応する輝度の階調が算出され、この階調が各ＣＣＤ撮像素子の位置に応じて配列された２次元の推定イメージ３３ｂが生成される。推定イメージ３３ｂは、撮像イメージ３３ａと同様にＶＲＡＭ３３に記憶される。

特徴値算出部Ｍ４は、ＶＲＡＭ３３から撮像イメージ３３ａと推定イメージ３３ｂとを入力し、それぞれに基づいて実特徴値３４ｅ１と推定特徴値３４ｅ２とを算出する。算出された実特徴値３４ｅ１と推定特徴値３４ｅ２は、ＨＤＤ３４に蓄積される。判別関数算出部Ｍ５は、ＨＤＤ３４に蓄積された実特徴値３４ｅ１と推定特徴値３４ｅ２を取得し、これらについて多変量解析を行うことにより、判別関数３４ｆを算出する。判別関数３４ｆはＨＤＤ３４に記憶され、良否判定部Ｍ６が良否判定を行う際に利用される。具体的には、良否判定部Ｍ６が実特徴値３４ｅ１を判別関数３４ｆに代入して得られた値によって良または否のいずれかの判定が行われる。良否判定の結果はディスプレイ３６やプリンタといった出力機器に出力してもよいし、ＨＤＤ３４に記憶しておいてもよい。なお、本実施形態においては、単一のコンピュータ３０において全処理が行われるものとしたが、複数のコンピュータを通信可能に接続し、各コンピュータにて処理を分散させてもよい。

（２）不良データ蓄積処理：
図４は、本発明において実行される不良データ蓄積処理の流れを示している。同図において、ステップＳ１００において、形状データ取得部Ｍ２は、形状データ３４ｄに基づいた複数のはんだ形状の画像をディスプレイ３６に出力する。ここでは、はんだ小を不良として判定するための不良データを作成する手順を例に挙げて説明する。図５は、ステップＳ１００でディスプレイ３６に表示される画像の例を示している。同図において、予め６通り用意された形状データ３４ｄに基づいて、チップ部品５１を実装基板５０に実装した際のはんだ５２の中央断面形状がＡ〜Ｆの６通り示されている。形状データ３４ｄは３次元の形状を表すデータであるが、ここでは形状を比較しやすくするために２次元画像で表現している。また、Ａ〜Ｆは順にはんだ量が少なくなり、はんだの最高点の高さ（以下、はんだ高さｈという。）も順に低くなる傾向を有している。

ステップＳ１０５においては、境界形状の選択を受け付けている。すなわち、断面形状Ａ〜Ｆのうち使用者がはんだ小として不良選別したい上限のものを選択する。例えば、使用者が断面形状Ｄを選択したものとして以下説明する。この場合、使用者が断面形状Ａ，Ｂ，Ｃについては良品として選別し、断面形状Ｄ，Ｅ，Ｆについては不良品として選別したいということが分かる。ステップＳ１１０では、不良品となるはんだの形状について、ばらつきを設定する。使用者の意向によれば、断面形状Ｄよりもはんだ高さｈが低いものが全て不良となる。そこで、断面形状Ｄのはんだ高さｈ₁よりも低いはんだ高さｈについてばらつきを設定する。

具体的には、図６に示すようにはんだ高さｈ₁からはんだ高さｈ＝０までを１００等分し、それぞれのはんだ高さｈ_1〜100について形状データ３４ｄを取得する。各はんだ高さｈ_1〜100となる形状データ３４ｄを取得するにあたっては、予め全てのはんだ形状について形状データ３４ｄが用意されていてもよいし、断面形状Ｄの形状データ３４ｄから予測してもよい。例えば、形状データ３４ｄを構成する全座標（Ｘ，Ｙ，Ｚ）に対して単純に（ｈ_n／ｈ₁）を乗算することにより、はんだ高さｈ_nを満足する新たな形状データ３４ｄを得ることができる。また、１００通りのばらつきを設定するものに限られるものではない。

ステップＳ１１５においては、ｎとして１が選択される。すなわち、はんだ高さｈ₁となる形状データ３４ｄが選択され、ステップＳ１２０では当該形状データ３４ｄが取得される。形状データ取得部Ｍ２は、形状データ３４ｄを取得すると、ステップＳ１２５にて形状データ３４ｄについて画素を定義する。図７は、形状データ３４ｄによって表現されるはんだ５２を上方から見た状態を仮想的に示している。同図において、はんだ５２がＸ，Ｙ方向の破線によって格子状に仕切られており、同破線で囲まれた領域を画素Ｐ_a,bとして生成している。なお、ａ（１〜ａ_max）はＸ方向の位置を示し、ｂ（１〜ｂ_max）はＹ方向の位置を示すものとする。同図において図示の簡略化のため画素Ｐ_a,bを大きく表示しているが、実際には、画素Ｐ_a,bは微小である。

ステップＳ１３０においては、各画素Ｐ_a,bにおける平均傾斜角度θ_a,bを算出する。図７の下段は、画素Ｐ_a,b内の曲面が平面によって近似され、同平面の傾斜角度が平均傾斜角度θ_a,bとして算出される様子を図示している。

ステップＳ１３５においては、入射角度取得部Ｍ３ａが入射角度を算出する。図８は、入射角度取得部Ｍ３ａが入射角度を算出する様子を説明している。同図において、入射角度取得部Ｍ３ａにはリングライト２４の径ｒ、および、リングライト２４と実装基板５０との距離ｄとが示されている。なお、径ｒと距離ｄは撮像ユニット２０から取得される。むろん、使用者が径ｒと距離ｄをキーボード３８ａによって直接入力してもよい。リングライト２４から発光された光が視野Ｓに入射する角度が入射角度γとされている。同図に示す関係から入射角度γは、径ｒと距離ｄにより下記式（１）のように表すことができる。
γ＝ａｒｃｔａｎ（ｄ／ｒ） ・・・（１）

なお、視野Ｓは２ｃｍ×２ｃｍであり、径ｒと距離ｄと比較して十分に小さいため、視野Ｓにおいて入射角度γは一様であると考えることができる。また、視野Ｓにおいてはんだが上方向に突出することとなるが、はんだの高さｈも、径ｒと距離ｄと比較して十分に小さいため、はんだの高さｈに依存することなく入射角度γは一様であると考えることができる。

ステップＳ１４０においては、反射挙動推定部Ｍ３ｂにて反射挙動の推定が行われる。図９は、リングライト２４から発光された光がはんだに入射する様子を仮想的に示している。むろん、同図に示すはんだ５２や光は計算上推定されるものであって、実際に、はんだ５２に光を入射させているわけではない。同図において、はんだ５２をＣＣＤ撮像板２２ｂのＣＣＤ撮像素子が鉛直上方から撮像すると想定している。一方、画素Ｐ_a,bにはリングライト２４から発光された入射光Ｃ_iが入射しており、同入射光Ｃ_iは画素Ｐ_a,bにおいて所定の方向に反射することが分かる。

画素Ｐ_a,bにおいて入射光Ｃ_iから鏡面反射光Ｃ_sと拡散反射光Ｃ_dとが生成されると推定される。鏡面反射光Ｃ_sは、入射光Ｃ_iと対称な方向のみに放射される反射光である。そして、鏡面反射光Ｃ_sのうち直上のＣＣＤ撮像素子に到達する成分を到達成分Ｃ_s'とすると、到達成分Ｃ_s'の光量ｌ_s'は下記式（２）によって表すことができる。
ｌ_s'＝ｌ_i・（１−ｃ）・ｃｏｓ^mβ ・・・（２）

なお、上記式（２）において、βは鏡面反射光Ｃ_sと到達成分Ｃ_s'とがなす角を示し、ｃ（０〜１）ははんだ表面の粗さを示し、ｍは鏡面反射の局所化度合いを示し、ｌ_iは入射光Ｃ_iの単位面積（画素Ｐ_a,bの面積）当たりの光量を示している。上記式（２）において、到達成分Ｃ_s'の光量ｌ_s'は、鏡面反射光Ｃ_sと到達成分Ｃ_s'とがなす角βの余弦のべき乗に比例している。局所化度合いｍとは、鏡面反射の輪郭の明瞭さを表す係数であり、はんだの表面状態に依存する。例えば、共晶はんだの場合は鏡面反射の輪郭がはっきりするため、局所化度合いｍが高いといえる。一方、鉛フリーはんだの場合は鏡面反射の輪郭がぼやけるため、局所化度合いｍが低いといえる。なお、反射挙動推定部Ｍ３ｂでは、基板データ３４ｃに含まれるはんだ材料の情報から実装基板５０上に形成されるはんだの反射特性として粗さｃと局所化度合いｍとが取得されており、リングライト２４の仕様から入射光Ｃ_iの光量ｌ_iが判明しているため、上記式（２）に基づいてｌ_s'を算出することができる。

さらに、鏡面反射光Ｃ_sと到達成分Ｃ_s'とがなす角βについて、幾何学的に下記式（３），（４）の関係が成り立つ。
α＝π／２−γ−θ_a,b ・・・（３）
β＝θ_a,b−α＝−π／２＋γ＋２θ_a,b ・・・（４）
なお、上記式（３），（４）において、αは画素Ｐ_a,bにおけるはんだ表面の法線と入射光Ｃ_iとがなす角を表している。上記式（２）に上記式（４）を代入することにより、下記式（５）を得ることができる。
ｌ_s'＝ｌ_i・（１−ｃ）・ｃｏｓ^m（−π／２＋γ＋２θ_a,b） ・・・（５）
以上により、鏡面反射に由来するＣＣＤ撮像素子への到達成分Ｃ_s'の光量ｌ_s'を入射光の光量ｌ_iとはんだ表面の粗さｃと鏡面反射の局所化度合ｍと入射角度γと平均傾斜角度θ_a,bとから算出することができる。

一方、拡散反射光Ｃ_dの光量ｌ_dは、下記式（６）のように表すことができる。
ｌ_d＝ｌ_i・ｃ・ｃｏｓα ・・・（６）
すなわち、拡散反射光Ｃ_dの光量ｌ_dは、画素Ｐ_a,bにおけるはんだ表面の法線と入射光Ｃ_iとがなす角αの余弦に比例する。また、拡散反射光Ｃ_dは、はんだ５２の表面において入射光Ｃ_iが乱反射することにより生じる反射光であり、全方向一様な光量で反射すると考えることができる。従って、拡散反射に由来するＣＣＤ撮像素子への到達成分Ｃ_d'の光量ｌ_d'は、光量ｌ_dと同じとなる。さらに、上記式（６）に上記式（３）を代入すると下記式（７）を得ることができる。
ｌ_d＝ｌ_i・ｃ・ｃｏｓ（π／２−γ−θ_a,b） ・・・（７）

上記式（７）において、拡散反射に由来するＣＣＤ撮像素子への到達成分Ｃ_d'の光量ｌ_d'も、入射光の光量ｌ_iとはんだ表面の粗さｃと入射角度γと平均傾斜角度θ_a,bとから算出することができる。さらに、鏡面反射に由来する光量ｌ_s'と、拡散反射に由来する光量ｌ_d'とを下記式（８）にて重畳することにより、ＣＣＤ撮像素子へ到達する合計の到達光量ｌ_oを算出することができる。
ｌ_o＝ｌ_s'＋ｌ_d' ・・・（８）

さらに、上記式（８）に上記式（５）と上記式（７）を代入して整理すると下記式（９）を得ることができる。
ｌ_o＝ｌ_i・（１−ｃ）・ｓｉｎ^m（γ＋２θ_a,b）
＋ｌ_i・ｃ・ｓｉｎ（γ＋θ_a,b） ・・・（９）

上記式（９）において第一項が鏡面反射項であり、第二項が拡散反射項である。上記式（９）によれば、ＣＣＤ撮像素子に到達する到達光量ｌ_oを既知のパラメータｌ_i，ｃ，ｍ，γ，θ_a,bから正確に算出することができる。そして、ステップＳ１４５では、ＣＣＤ撮像板２２ｂに到達する光量ｌ_oを上記式（９）に基づいて画素Ｐ_a,bごとに算出する。ステップＳ１５０では、全ての画素Ｐ_a,bについて到達光量ｌ_oが算出されたことが確認され、全ての画素Ｐ_a,bについて算出が完了していればステップＳ１５５が実行される。

ステップＳ１５５においては、推定イメージ生成部Ｍ３ｄが推定イメージを生成する。すなわち、全ての画素Ｐ_a,bについて到達光量ｌ_oが算出されているため、これらに画素Ｐ_a,bの位置ａ，ｂに応じたアドレスを付与することにより、画素数がａ_max個×ｂ_max個となる画像データとなる推定イメージを生成することができる。なお、到達光量ｌ_oと輝度値は比例関係にあるため、画素Ｐ_a,bごとに輝度を有する推定イメージを生成することができる。

ところで、カメラ２２にて実際に撮像を行った場合には、途中で解像度変換を行わない限り、ＣＣＤ撮像板２２ｂの有効ＣＣＤ撮像素子数と同数の画素数の撮像イメージ３３ａが生成される。ステップＳ１５５においては、上述のようにして生成した推定イメージにおける実装基板５０上の解像度が、撮像イメージ３３ａにおける実装基板５０上の解像度と一致するように解像度変換し、同変換した推定イメージ３３ｂをＶＲＡＭ３３に記憶する。この解像度変換においては、間引きや補間等の手法を適用することができる。むろん、予め推定イメージにおける実装基板５０上の解像度が、撮像イメージ３３ａにおける実装基板５０上の解像度と一致するように実装基板５０上における画素Ｐ_a,bの大きさを設定しておけば、ここで解像度変換を行う必要はない。

ステップＳ１６０においては、特徴値算出部Ｍ４が推定特徴値の算出を行う。特徴値は、ＶＲＡＭ３３に記憶された推定イメージ３３ｂを入力し、同推定イメージ３３ｂから多数の推定特徴値Ｆを算出する。推定特徴値Ｆは、推定イメージ３３ｂから算出される多数のパラメータであり、数十から数百種類程度用意しておくことが望ましい。なお、本実施形態では３００種類の推定特徴値Ｆが算出されるものとする。具体的に、推定特徴値Ｆとして、推定イメージ３３ｂの平均輝度や輝度のレンジや輝度のエッジ数や輝度の分散値等を適用することができる。また、算出された推定特徴値Ｆは、ＨＤＤ３４において推定特徴値３４ｅ２として記憶される。

ステップＳ１６５においては、ｎが１００であるかどうかが確認され１００でない場合には、ｎに（ｎ＋１）が代入され、ステップＳ１２０以降が繰り返される。すなわち、ステップＳ１１０にて設定した全はんだ形状（はんだ高さｈ_n）について推定特徴値Ｆが算出されたかどうかが確認され、全て算出されていない場合には次のはんだ形状（はんだ高さｈ_n+1）について推定特徴値Ｆを算出する処理が繰り返して行われる。そして、ｎが１００になるまで繰り返されたところで、全はんだ形状（はんだ高さｈ_n）について推定特徴値Ｆが算出されたとして、処理を終了させる。

これにより、はんだ小不良として選別したい１００通りのはんだ形状について、それぞれ推定特徴値Ｆを算出し、蓄積することができる。図１０は、不良データ蓄積処理によって算出された推定特徴値Ｆを一覧にして示している。同図において、各はんだ高さｈ_nに対して推定特徴値Ｆ₁〜Ｆ₃₀₀が算出されている。また、右欄において、推定特徴値Ｆ₁〜Ｆ₃₀₀が不良品の特徴を示す値であることが分かるように識別されている。

（３）良データ蓄積処理：
次に、良データ蓄積処理について説明する。良データ蓄積処理は、不良データ蓄積処理とは別途実行される。図１１は、良データ蓄積処理の流れを示している。同図において、ステップＳ２００では、実際に作成した実装基板５０の撮像をカメラ２２にて行う。撮像を行う際には、リングライト２４から単位面積当たりの光量ｌ_iで照明が行われる。なお、実装基板５０を量産する際の製造条件を適用することにより、良品である実装基板５０を作成することができるため、良品である実装基板５０の作成が手間となることはない。

また、良品であれば製品として出荷することもできるため、実装基板５０自体が無駄となることもない。上述したとおり、カメラ２２にて撮像することにより、画像データとしての撮像イメージ３３ａが生成され、ＶＲＡＭ３３に転送、記憶される。図１２に示すように、カメラ２２にて撮像する際の視野Ｓには、他の実装部品や他のはんだが含まれることとなるが、推定イメージ３３ｂと同じ画角となるように実線で示すはんだ５２の周辺以外をマスクしたものが、撮像イメージ３３ａとして記憶されるものとする。なお、視野Ｓに他の検査箇所が存在する場合には、当該検査箇所以外をマスクした別の撮像イメージ３３ａも生成される。

ステップＳ２１０においては、撮像イメージ３３ａに基づいて、特徴値算出部Ｍ４が実特徴値Ｇの算出を行う。実特徴値Ｇは、推定特徴値Ｆと同様のパラメータであり、同様の手法によって算出される。また、上述したとおり撮像イメージ３３ａと推定イメージ３３ｂにおいては実装基板５０上の解像度が一致させられているため、実特徴値Ｇと推定特徴値Ｆを同じ条件で算出することができる。ステップＳ２２０においては、実特徴値ＧをＨＤＤ３４に記憶する。ステップＳ２２０が完了すると、再びステップＳ２００に戻り、次の良品に対して実特徴値Ｇを算出する処理が行われる。これにより、多数の良品について実特徴値Ｇを蓄積することができる。そして、所定量（例えば、良品数１００個まで）実特徴値Ｇが蓄積されたところで、良データ蓄積処理を終了させる。

図１３は、良データ蓄積処理によって算出された実特徴値Ｇを一覧にして示している。同図において、各良品に対して実特徴値Ｇ₁〜Ｇ₃₀₀が算出されている。また、右欄において、実特徴値Ｇ₁〜Ｇ₃₀₀が良品の特徴を示す値であることが分かるように識別されている。

（３）判別関数について：
以上のようにして、推定特徴値Ｆ₁〜Ｆ₃₀₀と実特徴値Ｇ₁〜Ｇ₃₀₀が算出できると、これらに基づいて判別関数を算出することができる。図１４は、判別関数を概念的に示している。同図において、横軸に実特徴値Ｇ₁と推定特徴値Ｆ₁をとり、縦軸に実特徴値Ｇ₂と推定特徴値Ｆ₂をとったグラフが示されており、実特徴値Ｇ₁，Ｇ₂と推定特徴値Ｆ₁，Ｆ₂の分布領域が示されている。（Ｇ₁，Ｇ₂）の分布は良品を撮像して得られたものであるため、良品の集合として示している。一方、（Ｆ₁，Ｆ₂）の分布は不良の形状データ３４ｄから推定的に算出されたものであるため、不良品の集合として示している。（Ｇ₁，Ｇ₂）は製造工程のばらつきの範囲で分布することとなり、（Ｆ₁，Ｆ₂）はステップＳ１１０にて設定したばらつきの範囲で分布することとなる。

このように、良品と不良品はそれぞれ何らかの形状的特徴を有しているため、特徴値Ｆ，Ｇに異なる分布傾向を有することとなる。従って、特徴値Ｆ，Ｇの分布傾向を解析し適正な閾値を設定することにより、良否判定を行うことができる。しかしながら、単一種の特徴値Ｇ₁，Ｆ₁の度数分布のみで良否判定を行おうとすると、同図下段に示すように良品分布と不良品分布とが重なり合う場合がある。同様に、単一種の特徴値Ｇ₂，Ｆ₂の度数分布のみで良否判定を行おうとすると、同図左段に示すように良品分布と不良品分布とが重なり合う。かかる状態においては、良品と不良品を誤判定なく区別することが可能な閾値を設定することが不可能である。

一方、判別関数は、下記式（１０）で定義される。
Ｈ_G＝ｓ₁Ｇ₁＋ｓ₂Ｇ₂＋ｓ₃
Ｈ_F＝ｓ₁Ｆ₁＋ｓ₂Ｆ₂＋ｓ₃ ・・・（１０）
なお、上記式（１０）において、Ｈ_GおよびＨ_Fは判別関数を示しており、ｓ₁，s₂，ｓ₃は係数を示している。すなわち、上記式（１０）において、判別関数Ｈ_G，Ｈ_Fは、実特徴値Ｇ₁，Ｇ₂および推定特徴値Ｆ₁，Ｆ₂の線形結合により与えられている。

また、係数ｓ₁，ｓ₂は、良品の判別関数Ｈ_Gの分布と、不良品の判別関数Ｈ_Fの分布とができるだけ離反するように設定される。係数ｓ₁，ｓ₂によれば、特徴値（Ｇ₁，Ｇ₂），（Ｆ₁，Ｆ₂）に傾きを与えることができるため、良品の判別関数Ｈ_Gの分布と不良品の判別関数Ｈ_Fの分布と離反する傾きを設定することができる。さらに、定数項ｓ₃は、良品の判別関数Ｈ_Gの分布と、不良品の判別関数Ｈ_Fの分布の中心値が０となるように設定される。従って、判別関数Ｈ_G，Ｈ_Fを０を閾値として分離させることができる。従って、良否が分からないはんだ５２を撮像することにより得られた撮像イメージ３３ａから算出された実特徴値（Ｇ₁，Ｇ₂）を代入した判別関数Ｈ_Gが正となれば、当該はんだ５２は良品であるということが分かる。

図１４においては、説明と図示を簡単にするために２種類の特徴値Ｇ₁，Ｇ₂，Ｆ₁，Ｆ₂を変数とした２次元の判別関数Ｈ_G，Ｈ_Fを例示したが、実際には特徴値Ｆ，Ｇは、３００種類算出されているため、これらから良否の分布を最も分離させることが可能な特徴値Ｆ，Ｇが数個選択され、同選択された特徴値Ｆ，Ｇを線形結合した高次元の判別関数Ｈ_G，Ｈ_Fが算出される。なお、判別関数Ｈ_G，Ｈ_Fを算出するにあたっては、公知の多変量解析手法を適用することができる。

（５）良否判定処理：
図１５は、良否判定処理の流れを示している。同図において、ステップＳ３００において、検査対象の実装基板５０の撮像を行う。ここでは、良データ蓄積処理のステップＳ２００と同様にはんだ５２の周辺以外をマスクした撮像イメージ３３ａがＶＲＡＭ３３に記憶される。ステップＳ３１０においては、ステップＳ２１０と同様に特徴値算出部Ｍ４が実特徴値Ｇの算出を行う。ステップＳ３２０では、判別関数Ｈ_GをＨＤＤ３４から読み出して、同判別関数Ｈ_Gに実特徴値Ｇを代入し、判別関数Ｈ_Gの値を算出する。

そして、ステップＳ３３０において、判別関数Ｈ_Gが正である場合には、ステップＳ３４０において当該実装基板５０のはんだ５２が良品であると判定する。一方、判別関数Ｈ_Gが０以下である場合には、ステップＳ３５０において当該実装基板５０のはんだ５２が不良品であると判定する。判別関数Ｈ_Gによれば、良品分布と不良品の分布とが０を挟んで離反しているため、正確な良否判定を行うことができる。

以上説明したように、一般的に良否判定においては判別関数Ｈのように統計的手法を用いて良否を判定することが行われる。その場合、基準となる良品または不良品について予め標本のデータを収集しておくことが要求される。統計的手法においては、標本数が多ければ多いほど推測の信頼性が増し、それに基づいて行う良否判定の精度も向上する。本実施形態においては、特徴値Ｆ，Ｇをできるだけ多く収集しておくことが、良否判定の精度向上の条件となる。特徴値Ｆ，Ｇのうち不良品の特徴値Ｆを実際に撮像した撮像イメージ３３ａではなく、推定により生成された推定イメージ３３ｂから算出しているため、大量の不良品を作為的に作成し、実際に撮像する必要がない。

従って、不良品の特徴値Ｆを収集するための手間とコストをなくすことができる。また、不良品の形状を表す形状データ３４ｄは、不良品の範囲内で無限に作成することができる。従って、形状データ３４ｄに基づいて算出される特徴値Ｆも無限に用意することができる。さらに、不良品の形状を表す形状データ３４ｄは任意に作成することができるため、ごく稀に発生するような不良モードの形状であっても、容易に形状データ３４ｄを作成し、その特徴値Ｆを収集することができる。

（６）変形例：
以上説明した実施形態において、不良品の形状を表す形状データ３４ｄに基づいて不良品の推定特徴値Ｆを算出するものを例示したが、良品についても推定特徴値Ｆを算出してもよい。例えば、図５に示した良品の断面形状Ａ，Ｂ，Ｃに対応する形状データ３４ｄに基づいて推定特徴値Ｆを算出してもよい。その場合、図１０に示す右欄において当該推定特徴値Ｆが良品のものであることを識別しておき、判別関数を算出する際に、図１０に示す右欄を参照して、当該推定特徴値Ｆを良品の分布に帰属させればよい。このようにすることにより、良品についても実際に撮像を行う必要をなくすことができる。

また、不良モードとしてはんだ小について良否判定されるものを例示したが、当然、他の不良モードの良否判定においても本発明を適用することができる。例えば、はんだ大や欠品やぬれ不良やはんだ流れ等の不良モードについての同様の装置構成により良否判定を行うことができる。すなわち、各不良モードに対応した形状データ３４ｄをコンピュータ上にて用意することにより、推定特徴値Ｆを多数取得し、精度のよい良否判定を行うことができる。はんだ大や欠品やぬれ不良やはんだ流れ等の各不良モードは、それぞれ固有の形状的特徴を有しているため、同形状的特徴が反映された推定イメージを推定することができる。むろん、検査対象がはんだに限られるものでもなく、形状の良否を判定するものであれば本発明を適用することができる。例えば、金属、プラスチックの成型品やプリント基板の配線等の良否判定にも本発明を適用することができる。

さらに、上記実施形態においては、カメラ２２にて反射光を撮像して良否判定を行うものを例示したが、他の撮像方式について本発明を適用することも可能である。すなわち、上記実施形態のように検査対象に電磁波としての可視光を照射するものに限られず、Ｘ線や赤外光等を検査対象に照射して、その透過光の状態を撮像するものであっても本発明を適用することができる。Ｘ線によれば、はんだのような金属に対する透過率が厚みに応じて変動するため、予め３次元の形状データを用意しておくことにより、透過像としての推定イメージを生成することができる。また、赤外光によれば、プラスチックを透過するため、同様に透過像としての推定イメージを生成することができる。

すなわち、電磁波が検査対象物を経由するときの挙動を推測することにより、推定イメージを推定することができれば、本発明を適用することができる。従って、電磁波の屈折像や散乱像や回折像等を撮像するような撮像方式であっても、良品または不良品の推定特徴値を予め用意しておくことができる。特に、透過像の推定イメージを生成するにあたっては、検査対象の厚みが推定イメージにおける光量（輝度）に対応するため、３次元の形状データから容易に推定イメージを生成することができる。さらに、透過像においては、検査対象物の内部に発生し得るボイドの径や位置を指定することにより、ボイドが介在する検査対象物の推定イメージを推定することができる。具体的には、電磁波がボイドを貫通する画素群については局所的に光量（輝度）が大きいという特徴を有する推定イメージが作成される。そして、実際に検査対象物を撮像した際の撮像イメージが上記の特徴を有する推定イメージに類似し、かつ、表面形状が平坦である場合には、当該検査対象物にボイドがあることを特定することができる。

さらに、上記実施形態においては単一のリングライトについて推定イメージを生成するものを例示したが、例えば２個や３個の複数のリングライトを想定して複数の推定イメージを生成してもよい。すなわち、複数の入射角についての推定イメージを生成するとともに、これらの推定イメージとそれぞれの入射角で実際に撮像した撮像イメージとを比較してもよい。このようにすることにより、複数組の推定イメージと撮像イメージについての比較結果を得ることができ、これらの比較結果から総合的に良否を判定することができる。従って、ある入射角において判定結果の信頼性が低くなるような条件においても、信頼性の高い他の入射角の判定結果を考慮しつつ良否判定を行うことができるため、安定性の高い良否判定を実現することができる。

また、上記実施形態において判別関数を用いて良否判定を行うものを例示したが、必ずしも判別関数を用いなくてもよい。すなわち、実際に検査対象物を撮像して得られた実特徴値が不良品の推定特徴値から遠い値となっていれば、その検査対象物が良品であると判定することができるし、不良品の推定特徴値に近い値となっていれば、その検査対象物が不良品であると判定することができる。すなわち、良品または不良品の推定特徴値が予め算出されていれば、同推定特徴値と実際に検査対象物を撮像して得られた実特徴値とを比較することにより、良否判定を行うことができる。

また、上記実施形態においては、はんだ小不良の上限の形状Ｄからはんだ高さｈが均等に低くなるようなばらつきを設定したが、他の態様でばらつきを設定してもよい。すなわち、量産した際におけるはんだ高さｈの分布傾向が予測できる場合には、その分布傾向に応じて重み付けを行ってもよい。例えば、上限形状Ｄ付近のはんだ高さｈの分布度数が他のはんだ高さｈよりも多い場合には、上限形状Ｄ付近のはんだ高さｈの付近においては、はんだ高さｈの偏差を細かく設定し、他のはんだ高さｈよりも多数の推定特徴値が算出されるようにしてもよい。これにより、推定特徴値に重み付けをすることができる。また、ばらつきの範囲を前工程の工程能力等に基づいて設定してもよい。

さらに、形状データ３４ｄを取得する手法も種々適用することができる。なお、上記実施形態においては、使用者が視覚的に不良となる形状データ３４ｄを特定するものを例示している。その他の手法として、例えばはんだ形状であれば、はんだ溶融時の物理特性から形状データ３４ｄを作成してもよい。この場合、実装部品やパッドの濡れ性と溶融はんだの表面張力や粘性と溶融温度プロファイルとはんだ量等の条件を入力することにより、３次元の形状データ３４ｄを予測することができる。

図１６と図１７において３次元の形状データ３４ｄを作成する様子を説明している。図１６では、はんだ形状に影響を与えるパラメータを一覧化して示している。具体的には、はんだ量、実装部品の形状、パッドの形状、はんだ比重、はんだ接触角、重力、溶融はんだの表面張力、パッドに対する実装部品の位置等がはんだ形状に影響を与えるパラメータとして挙げられる。そして、これらのパラメータの具体的な数値を流体シミュレーションプログラムに入力し、流体シミュレーションを実行することにより、３次元の形状データ３４ｄを作成することができる。

図１７では、流体シミュレーションプログラムが作成した３次元の形状データ３４ｄをいくつか例示している。流体シミュレーションにおいては、上記したパラメータを考慮しつつ、時系列に沿って溶融はんだ表面の形状を計算していく。また、計算の途中において、適宜、ポリゴン（図中に示す３角形の単位図形）の分割や修正などを行ってもよい。例えば、パラメータとして入力されたはんだ量を少なくした場合には、同図左上に示す”はんだ小”の形状データ３４ｄを作成することができる。反対に、パラメータとして入力されたはんだ量を多くした場合には、同図右上に示す”はんだ大”の形状データ３４ｄを作成することができる。

さらに、パラメータとして入力された接触角を高くした場合には、同図左下に示す”濡れ不良”の形状データ３４ｄを作成することができる。また、パッドに対する実装部品の位置を大きくずらした場合には、同図右下に示す”欠品”の形状データ３４ｄを作成することができる。このように、流体シミュレーションを利用して形状データ３４ｄを取得することにより、不良サンプル等を一切作成することなく大量の形状データ３４ｄを取得することができる。なお、流体シミュレーションプログラムに対して指定するパラメータとして、溶融温度プロファイルやリフロー搬送方向やはんだ成分やフラックス成分等を指定するようにしてもよい。

さらに、流体シミュレーションを利用する場合においては、上記したパラメータに対してばらつきを設定することにより、はんだ形成条件のばらつきが考慮された形状データ３４ｄを多数得ることができる。例えば、パッド上に印刷されるはんだ量のばらつきが予め分かっている場合には、同はんだ量のばらつきを設定することにより、はんだ高さｈにばらつきを持った形状データ３４ｄを多数得ることができる。従って、上記実施形態のように均等なばらつきを設定するよりも、物理法則や工程能力に則した形状データ３４ｄのばらつきを得ることができる。

流体シミュレーションプログラムにて作成された形状データ３４ｄは、図４に示すステップＳ１２０にて取得され、以降の処理が前実施形態と同様に実行される。すなわち、形状データ取得部Ｍ２と推定部Ｍ３が流体シミュレーションプログラムにて作成された形状データ３４ｄを対象に処理を行うことにより、形状データ３４ｄに対応する推定イメージ３３ｂを得ることができる。従って、流体シミュレーションプログラムにて作成された形状データ３４ｄが、形状データ取得部Ｍ２と推定部Ｍ３にて取り扱い可能な形式となっている必要がある。ところで、流体シミュレーションプログラムとして、市販されている種々のＣＧ作成用ソフトウェアを適用することができる。一方、形状データ３４ｄに対して処理を行う形状データ取得部Ｍ２と推定部Ｍ３としても、一般的なレイトレーシング（光線追跡）ソフトウェアを適用することができ、上記実施形態と同様にリングライトの情報やはんだ面の情報などを設定することで推定イメージを作成することができる。

このように、個別に各ソフトウェアが個別に提供され、各ソフトウェアにおける形状データ３４ｄに互換性がない場合には、ＣＧ作成用ソフトウェアにて作成された形状データ３４ｄをレイトレーシングソフトウェアにて取り扱い可能な形式に調整したり、両ソフトウェア間のデータや指令等の授受を実現する連携ソフトウェアを設けるようにしてもよい。

本発明にかかる良否判定装置の全体図である。 コンピュータの内部ブロック図である。 良否判定を行うためのソフトウェアブロック図である。 不良データ蓄積処理のフローチャートである。 ディスプレイの表示画面である。 ばらつき設定を説明する図である。 形状データにおける画素を示す図である。 入射角度γの算出を説明する図である。 反射挙動を説明する図である。 推定特徴値が蓄積されたテーブルである。 良データ蓄積処理のフローチャートである。 視野Ｓを示す平面図である。 実特徴値が蓄積されたテーブルである。 判別関数を説明するグラフである。 良否判定処理のフローチャートである。 ３次元データ作成に使用されるパラメータの一覧である。 ３次元データの説明図である。

符号の説明

１０…形状良否判定装置
２０…撮像ユニット
２１…コントローラ
２１ａ…画像メモリ（ＶＲＡＭ）
２２…カメラ
２２ａ…光学系
２２ｂ…ＣＣＤ撮像板
２３…Ｘ−Ｙステージ
２４…リングライト
３０…コンピュータ
３１…ＣＰＵ
３２…ＲＡＭ
３３…ビデオメモリ（ＶＲＡＭ）
３３ａ…撮像イメージ
３３ｂ…推定イメージ
３４…ハードディスク（ＨＤＤ）
３４ｂ，Ｍ…良否判定プログラム
３４ｃ…基板データ
３４ｄ…形状データ
３４ｅ１，Ｇ…実特徴値
３４ｅ２，Ｆ…推定特徴値
３４ｆ，Ｈ…判別関数
３６…ディスプレイ
３８ａ…キーボード
３８ｂ…マウス
５０…実装基板
５１…チップ部品
５２…はんだ
Ａ〜Ｆ…断面形状
Ｍ１…撮像実行部
Ｍ２…形状データ取得部
Ｍ３…推定部
Ｍ３ａ…入射角度取得部
Ｍ３ｂ…反射挙動推定部
Ｍ３ｃ…到達光量推定部
Ｍ３ｄ…推定イメージ生成部
Ｍ４…特徴値算出部
Ｍ５…判別関数算出部
Ｍ６…良否判定部
Ｐ…画素
Ｓ…視野
γ…入射角度
θ…平均傾斜角度

Claims (6)

1. 検査対象物を撮像して撮像イメージを生成する撮像手段と、
   上記撮像イメージの特徴値を実特徴値として算出する実特徴値算出手段と、
   良品または不良品の形状を表す３次元データを取得する形状データ取得手段と、
   上記３次元データに基づいて上記良品または不良品を撮像したときの上記撮像イメージを推定した推定イメージを生成する推定手段と、
   同推定された上記推定イメージの上記特徴値を推定特徴値として算出する推定特徴値算出手段と、
   上記実特徴値と上記推定特徴値とを比較することにより上記検査対象物の良否判定を行う良否判定手段とを具備し、
   上記実特徴値算出手段と上記推定特徴値算出手段とは、上記撮像イメージと上記推定イメージとから複数の上記実特徴値と上記推定特徴値とを算出するとともに、
   上記良否判定手段は、複数の上記実特徴値と上記推定特徴値とをそれぞれ線形結合させた判別値を比較することにより良否判定を行う、
   ことを特徴とする形状良否判定装置。
2. 上記撮像手段は、上記検査対象物を経由して入射される電磁波の状態を位置ごとに取得することにより上記撮像イメージを生成するとともに、
   上記推定手段は、
   上記撮像手段が上記検査対象物を撮像する際に同検査対象物に入射する上記電磁波の入射角度を取得する入射角度取得手段と、
   上記３次元データと上記入射角度に基づいて、上記電磁波が上記良品または不良品に到達する際の挙動を推定する挙動推定手段と、
   上記挙動に基づいて上記撮像手段に到達する上記電磁波の状態を推定する到達状態推定手段と、
   上記撮像手段に到達する上記電磁波の状態を示す値を位置ごとに配列させることにより上記推定イメージを生成する推定イメージ生成手段とを具備することを特徴とする請求項１に記載の形状良否判定装置。
3. 上記挙動推定手段は、上記電磁波が上記良品または不良品に到達する際の反射挙動を推定することを特徴とする請求項２に記載の形状良否判定装置。
4. 上記挙動推定手段が上記反射挙動を推定するにあたり、鏡面反射と拡散反射とが考慮されることを特徴とする請求項３に記載の形状良否判定装置。
5. 形状データ取得手段は、上記良品または不良品の形状にばらつきを持たせた複数の３次元データを取得することを特徴とする請求項１から請求項４のいずれかに記載の形状良否判定装置。
6. 検査対象物を撮像して撮像イメージを生成する撮像工程と、
   上記撮像イメージの特徴値を実特徴値として算出する実特徴値算出工程と、
   良品または不良品の形状を表す３次元データを取得する形状データ取得工程と、
   上記３次元データに基づいて上記良品または不良品を撮像したときの上記撮像イメージを推定した推定イメージを生成する推定工程と、
   同推定された上記撮像イメージの上記特徴値を推定特徴値として算出する推定特徴値算出工程と、
   上記実特徴値と上記推定特徴値とを比較することにより上記検査対象物の良否判定を行う良否判定工程とを含み、
   上記実特徴値算出工程と上記推定特徴値算出工程では、上記撮像イメージと上記推定イメージとから複数の上記実特徴値と上記推定特徴値とを算出するとともに、
   上記良否判定工程では、複数の上記実特徴値と上記推定特徴値とをそれぞれ線形結合させた判別値を比較することにより良否判定を行う、
   ことを特徴とする形状良否判定方法。