Deep Learning Analysis of Thermographic Images for Contactless PCBA Defect Detection

Abstract

For mass production of electronic products, in-circuit-test (ICT) method is applied and a printed circuit board assembly (PCBA) quality test is performed. The in-circuit test method has the advantage of being able to measure resistance values and capacitance. However, since the in-circuit test method requires the use of a fixture, it is expensive in terms of price and has a disadvantage that it must be replaced frequently. The needle used for the fixture may cause PCBA defects. In this paper, we propose a non-contact test method that can detect PCBA defects without applying the fixture and in-circuit test methods. This is a non-contact defect detection method through comparison of thermal images and deep learning analysis. Vision inspection methods cannot be applied to parts inspection, e.g. chip resistance, chip capacitors, that does not have external visible characteristics. We review the existing non-contact test method and compare it with the proposed thermal image analysis method. Thermal images are reviewed by applying SSIM as a rule-based object detection methods, and CNN, RCNN, AutoEncoder as deep learning analysis methods.

전자 제품의 대량 생산을 위해서 회로 내 검사 방식을 적용하여, 인쇄회로 기판 조합(PCBA) 품질 테스트를 실시한다. 회로 내 검사 방식은 저항값과 전기용량을 측정할 수 있는 장점이 있다. 그러나, 회로 내 검사 방식은 고 정대를 사용해야 하기에, 가격적으로 비싸고, 자주 교체해야 하는 단점이 있다. 고정대에 사용되는 바늘은 PCBA 불량 발생의 원인이 되기도 한다. 본 논문에서는 고정대와 회로 내 검사 방식을 적용하지 않고, PCBA 의 불량을 검출할 수 있는 비접촉 테스트 방안을 제시한다. 열화상 이미 지의 비교 및 딥러닝 분석을 통한 비접촉식 불량 검출 방안이다. 정상품의 열화상 이미지와 불량품의 열화상 이미지를 비교하여, PCBA 접촉없이 불 량품을 검출하고, 불량이 있는 구역을 구분한다. 외형적 특성이 존재하지 않는 칩저항, 칩콘덴서와 같은 부품 검사에 기존 비접촉 비전 검사 방안 을 적용할 수 없다. 기존 비접촉 테스트 방안을 검토하고, 제안된 열화상 이미지 분석 방안과 비교해 본다. 열화상 이미지는 규칙 기반 객체 검출 방법(SSIM) 및 딥러닝 분석 방법 (CNN, RCNN, AutoEncoder)을 적용하여 검토하였다. 생산성 향상과 스마트 제조 실현을 위해 생산 라인에 적용 가능한 최적의 방법을 제시하 고자 합니다.