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