1.一种印刷电路板检查装置,用于检查贴装印刷电路板贴装的部件的贴装状态,包括:
多个第一光源,所述多个第一光源向所述部件照射图案光;
图像传感器,所述图像传感器接收从所述部件反射的图案光;
存储器,所述存储器存储有基于机器学习的模型,当从多个第二光源照射的图案光中利用从第一客体反射的图案光而生成的与所述第一客体相关的第一深度信息被输入至所述基于机器学习的模型时,所述基于机器学习的模型输出减小了噪声的所述第一深度信息;及
处理器,
所述处理器,利用借助于所述图像传感器而接收的从所述部件反射的所述图案光,生成与所述部件相关的第二深度信息,将所述第二深度信息输入至所述基于机器学习的模型中,从所述基于机器学习的模型获得减小了噪声的所述第二深度信息;利用减小了所述噪声的所述第二深度信息,检查所述部件的贴装状态。
2.根据权利要求1所述的印刷电路板检查装置,其中,
所述基于机器学习的模型,
利用与第二客体相关的第三深度信息及与所述第二客体相关的第四深度信息进行学习,并输出减小了噪声的第三深度信息,基于所述学习结果,当被输入第一深度信息时,输出减小了所述噪声的所述第一深度信息,其中,所述与第二客体相关的第三深度信息,是利用从所述多个第二光源照射的图案光中,从所述第二客体反射的图案光而生成;所述与第二客体相关的第四深度信息,是利用从多个第三光源照射的图案光中,从所述第二客体反射的图案光而生成。
3.根据权利要求2所述的印刷电路板检查装置,其中,
所述多个第二光源的数量与所述多个第一光源的数量相同,所述多个第三光源的数量大于所述多个第一光源的数量。
4.根据权利要求1所述的印刷电路板检查装置,其中,
所述基于机器学习的模型包括卷积神经网络或生成性对抗网络。
5.根据权利要求1所述的印刷电路板检查装置,其中,
所述处理器,
利用减小了所述噪声的所述第二深度信息,生成与所述第二部件相关的三维图像,
并利用所述与第二部件相关的三维图像,检查所述部件的贴装状态。
6.根据权利要求1所述的印刷电路板检查装置,其中,
当对基于机器学习的模型还输入与所述第一客体相关的可见性信息时,所述机器学习的模型还利用所述可见性信息,输出减小了所述噪声的第一深度信息。
7.根据权利要求6所述的印刷电路板检查装置,其中,
所述基于机器学习的模型,
利用与所述第二客体相关的第三深度信息、与所述第二客体相关的可见性信息及与所述第二客体相关的第四深度信息进行学习,并输出减小了噪声的所述第三深度信息,基于所述学习结果,当所述第一深度信息及与部件相关的可见性信息被输入至所述基于机器学习的模型时,输出减小了所述噪声的所述第一深度信息,其中,与所述第二客体相关的第三深度信息,是利用从所述多个第二光源照射的图案光中从第二客体反射的图案光而生成,所述与第二客体相关的可见性信息,是利用从所述多个第二光源照射的所述图案光中,从所述第二客体反射的图案光而生成,所述与第二客体相关的第四深度信息,是利用从多个第三光源照射的图案光中,从所述第二客体反射的图案光而生成。
8.根据权利要求6所述的印刷电路板检查装置,其中,
所述处理器,
利用借助于所述图像传感器而接收的从所述部件反射的所述图案光,生成与所述部件相关的可见性信息,还将所述与部件相关的可见性信息输入至所述基于机器学习的模型。
9.一种印刷电路板检查装置,用于检查贴装装置检查印刷电路板贴装的部件的贴装状态,包括:
多个第一光源,所述多个第一光源向所述部件照射图案光;
图像传感器,所述图像传感器接收从所述部件反射的图案光;
存储器,所述存储器存储有基于机器学习的模型,当从多个第二光源照射的图案光中利用从第一客体反射的图案光而生成的与所述第一客体相关的多个深度信息被输入至所述基于机器学习的模型时,基于与所述第一客体相关的多个深度信息而生成与所述第一客体相关的第一深度信息,所述基于机器学习的模型输出减小了噪声的所述第一深度信息;及
处理器;
所述处理器,利用借助于所述图像传感器而接收的从所述部件反射的所述图案光,生成与所述部件相关的多个深度信息,将所述部件相关多个深度信息输入至所述基于机器学习的模型中,从所述基于机器学习的模型获得减小了噪声的第二深度信息;利用减小了所述噪声的所述第二深度信息,检查所述部件的贴装状态,其中,所述第二深度信息基于所述与部件相关的多个深度信息并借助于所述基于机器学习的模型而生成。
10.根据权利要求9所述的印刷电路板检查装置,其中,
所述基于机器学习的模型,
利用与所述第二客体相关第三深度信息及与所述第二客体相关第四深度信息进行学习,并输出减小了噪声的所述第三深度信息,基于所述学习结果,当被输入与所述第一客体相关的多个深度信息时,生成所述第一深度信息,并输出减小了所述噪声的所述第一深度信息,其中,所述与第二客体相关的第三深度信息,是利用从所述多个第二光源照射的图案光中,从第二客体反射的图案光而生成的与所述第二客体相关的多个深度信息而生成,与所述第二客体相关的第四深度信息,是利用从所述第三深度信息及多个第三光源照射的图案光中,从所述第二客体反射的图案光而生成。
11.根据权利要求10所述的印刷电路板检查装置,其中,
所述多个第二光源的数量与所述多个第一光源的数量相同,所述多个第三光源的数量大于所述多个第一光源的数量。
12.一种计算机可读记录介质,记录有用于在计算机上执行的程序的非暂时性计算机可读记录介质,其中,所述程序在借助于处理器而运行时,使得所述处理器执行:
控制多个第一光源而使其向贴装在印刷电路板上的部件照射图案光的步骤;
利用借助于图像传感器而接收的从所述部件反射的所述图案光来生成所述与部件相关的第一深度信息的步骤;
将所述第一深度信息输入至基于机器学习的模型的步骤;
从所述基于机器学习的模型获得减小了噪声的所述第一深度信息的步骤;及
利用减小了所述噪声的所述第一深度信息来检查所述部件的贴装状态的步骤;
对所述基于机器学习的模型输入从多个第二光源照射的图案光中利用从第一客体反射的图案光而生成的与所述第一客体相关的第一深度信息,则输出减小了噪声的所述第一深度信息。
13.根据权利要求12所述的计算机可读记录介质,其中,
所述基于机器学习的模型,
利用与所述第二客体相关的第三深度信息及与所述第二客体相关的第四深度信息进行学习,并输出减小了噪声的第三深度信息,基于所述学习结果,当被输入第一深度信息时,输出减小了所述噪声的所述第一深度信息,其中,所述与第二客体相关的第三深度信息,是利用从所述多个第二光源照射的图案光中,从第二客体反射的图案光而生成,所述与第二客体相关的第四深度信息,是利用从多个第三光源照射的图案光中,从所述第二客体反射的图案光而生成。
14.根据权利要求13所述的计算机可读记录介质,其中,
所述多个第二光源的数量与所述多个第一光源的数量相同,所述多个第三光源的数量大于所述多个第一光源的数量。
15.根据权利要求12所述的计算机可读记录介质,其中,
所述基于机器学习的模型包括卷积神经网络或生成性对抗网络。
16.根据权利要求12所述的计算机可读记录介质,其中,
所述可执行命令使所述处理器还执行:
利用减小了所述噪声的所述第二深度信息来生成与所述第二部件相关的三维图像的步骤;及
利用与所述第二部件相关的三维图像来检查所述部件的贴装状态的步骤。
17.根据权利要求12所述的计算机可读记录介质,其中,
当对所述基于机器学习的模型还输入与所述第一客体相关的可见性信息时,所述机器学习的模型还利用所述可见性信息,输出减小了所述噪声的第一深度信息。
18.根据权利要求17所述的计算机可读记录介质,其中,
所述可执行命令使所述处理器还执行:
利用借助于所述图像传感器而接收的从所述部件反射的所述图案光来生成与所述部件相关的可见性信息的步骤;及
还将所述与部件相关的可见性信息输入至所述基于机器学习的模型的步骤。
19.一种部件贴装状态的检查方法,通过印刷电路板检查装置检查部件的贴装状态,所述方法包括:
控制多个第一光源而使其向贴装在印刷电路板上的部件照射图案光的步骤;
利用借助于图像传感器而接收的从所述部件反射的所述图案光来生成与所述部件相关的第一深度信息的步骤;
将所述第一深度信息输入至基于机器学习的模型的步骤;
从所述基于机器学习的模型获得减小了噪声的所述第一深度信息的步骤;及
利用减小了所述噪声的所述第一深度信息来检查所述部件的贴装状态的步骤;
对所述基于机器学习的模型输入从多个第二光源照射的图案光中利用从第一客体反射的图案光而生成的与所述第一客体相关的第一深度信息,则输出减小了噪声的所述第一深度信息。
20.根据权利要求19所述的部件贴装状态的检查方法,其中,
所述基于机器学习的模型,
利用与所述第二客体相关的第三深度信息及与所述第二客体相关的第四深度信息进行学习,并输出减小了噪声的第三深度信息,基于所述学习结果,当被输入所述第一深度信息时,输出减小了所述噪声的所述第一深度信息,其中,所述与第二客体相关第三深度信息,是利用从所述多个第二光源照射的图案光中,从第二客体反射的图案光而生成,所述与第二客体相关的第四深度信息,是利用从多个第三光源照射的图案光中,从所述第二客体反射的图案光而生成。