[go: up one dir, main page]

WO2025028529A1 - 検査装置及び検査方法 - Google Patents

検査装置及び検査方法 Download PDF

Info

Publication number
WO2025028529A1
WO2025028529A1 PCT/JP2024/027181 JP2024027181W WO2025028529A1 WO 2025028529 A1 WO2025028529 A1 WO 2025028529A1 JP 2024027181 W JP2024027181 W JP 2024027181W WO 2025028529 A1 WO2025028529 A1 WO 2025028529A1
Authority
WO
WIPO (PCT)
Prior art keywords
processor
phase
area
bonding
effective
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
PCT/JP2024/027181
Other languages
English (en)
French (fr)
Inventor
庸介 入江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of WO2025028529A1 publication Critical patent/WO2025028529A1/ja
Anticipated expiration legal-status Critical
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/72—Investigating presence of flaws

Definitions

  • This disclosure relates to an inspection device and an inspection method.
  • Patent Document 1 discloses a non-destructive inspection method using infrared lock-in thermography to determine whether the joint is good or bad in a lap joint formed by friction stir welding dissimilar metal materials. This non-destructive inspection method determines whether the joint is good or bad by comparing the amount and phase of the acquired infrared rays with a preset judgment value.
  • This disclosure provides an inspection device and inspection method that can predict the bond strength of an object based on temperature image data of the object.
  • An inspection apparatus includes: an input unit for acquiring temperature image data generated by an image capture device capturing images of an object bonded in a predetermined bonding region in a time series; a processor for predicting a bond strength of the object based on the temperature image data; The processor applying a Fourier transform or a discrete Fourier transform to the temperature image data to generate a phase image indicative of phase characteristics of the object; Calculating an effective area ratio indicating a ratio of an area of an effective bonding area, which is an area of the bonding area and in which the phase value of the phase image is within a predetermined range, to an area of the bonding area; The bonding strength is predicted based on the calculated effective area ratio.
  • An inspection apparatus includes: an input unit for acquiring temperature image data generated by an image capture device capturing images of an object bonded in a predetermined bonding region in a time series; a storage device for storing a trained model that is machine-learned using a phase image of the bonded object and the measured bond strength as a training data set; a processor having access to the storage device and adapted to perform a Fourier transform or a discrete Fourier transform on the temperature image data to generate a phase image indicative of phase characteristics of the object; The processor inputs the phase image into the trained model, obtains the bond strength from the trained model, and predicts the bond strength.
  • an inspection method for predicting a bonding strength of an object based on temperature image data generated by an imaging device capturing images of an object bonded at a predetermined bonding region in a time series comprising: A processor acquiring temperature image data; a processor performing a Fourier transform or a discrete Fourier transform on the temperature image data to generate a phase image indicative of phase characteristics of the object; A step of calculating an effective area ratio indicating a ratio of an area of an effective bonding area in which the phase value of the phase image is within a predetermined range to an area of the bonding area by a processor; A processor predicts a bonding strength based on the calculated effective area ratio; Includes.
  • an inspection method in which a processor capable of accessing a storage device that stores a trained model non-destructively predicts a bonding strength of an object based on temperature image data generated by an image capture device capturing images of an object bonded in a predetermined bonding region, the method comprising:
  • the trained model is a model that has been machine-learned using phase images of bonded objects and measured bond strengths as a training data set,
  • the inspection method is as follows: a processor performing a Fourier transform or a discrete Fourier transform on the temperature image data to generate a phase image indicative of phase characteristics of the object;
  • a processor inputting the phase image into a trained model;
  • a step of a processor obtaining a bond strength from the trained model and predicting the bond strength; Includes.
  • FIG. 1 is a block diagram showing a configuration example of an inspection system according to an embodiment of the present disclosure.
  • FIG. 2 is a block diagram showing an example of the configuration of an inspection device of the inspection system shown in FIG. 1 is a flowchart illustrating an example of an operation of an inspection device.
  • FIG. 4 is a schematic diagram including a group of images for explaining the effective area ratio calculation process of FIG. 3; FIG.
  • 1 is a block diagram showing a configuration example of a learning device according to a first modified example
  • 11 is a flowchart illustrating an operation of an inspection apparatus according to a first modified example.
  • Configuration of inspection system] 1 is a block diagram showing an example of the configuration of an inspection system 1 according to an embodiment of the present disclosure.
  • the inspection system 1 includes an inspection device 10, an infrared camera 17, an excitation source 18, a control box 15, a power source 16, and an alarm device 19.
  • the inspection system 1 uses an active thermography method in which excitation energy is applied to the workpiece 90 to be inspected and temperature images are taken, thereby non-destructively predicting the bonding strength of the workpiece 90.
  • the inspection system 1 applies excitation energy to the workpiece 90 by the excitation source 18, and takes temperature images in a time series using the infrared camera 17.
  • the workpiece 90 includes a transparent material 91 that mainly transmits light irradiated from a light source for welding or deposition, and an absorbing material 92 that mainly absorbs the light.
  • the transparent material 91 and the absorbing material 92 are joined in a joining region 95 by the transparent material 91 and/or the absorbing material 92 melted by the light from the light source.
  • the inspection system 1 can non-destructively predict the joining strength between the transparent material 91 and the absorbing material 92.
  • the material of the workpiece 90 is, for example, a resin such as polybutylene terephthalate (PBT), polyphenylene sulfide (PPS), polyamide (PA), etc.
  • the material of the workpiece 90 may be ceramics.
  • the material of the workpiece 90 may be a metal such as cold rolled steel (SPCC steel) or aluminum, etc.
  • the infrared camera 17 is an example of an imaging device that captures an imaging area including at least a portion of the workpiece 90 in a time series to generate multiple temperature image data (hereinafter, sometimes simply referred to as "temperature images").
  • the infrared camera 17 generates temperature image data by converting infrared image data into a temperature distribution, but in this specification, such infrared image data before conversion and temperature image data after conversion may be handled without any particular distinction.
  • the infrared camera 17 includes an infrared sensor that detects infrared rays having a wavelength of, for example, 3 ⁇ m to 15 ⁇ m.
  • the frame rate of the infrared camera 17 is, for example, 50 Hz (or 50 fps), but is not limited to this.
  • image includes one or more moving images and one or more still images.
  • the excitation source 18 is an example of a heating device capable of heating the workpiece 90.
  • the excitation source 18 is, for example, a light source such as a xenon lamp, a halogen lamp, or a laser light source, but is not limited to these, and may be any energy source capable of radiating energy.
  • the excitation source 18 can perform flash heating (pulse heating) by emitting a flash, step heating by heating in steps, or can perform heating by continuously repeating these.
  • the wavelength band of the light emitted by the excitation source 18 may be the same as or different from the wavelength band of infrared light detectable by the infrared camera 17. Although two excitation sources 18 are illustrated in FIG. 1, the number of excitation sources 18 is not limited to this and may be one, or three or more.
  • the power supply 16 supplies power to the infrared camera 17 and the excitation source 18.
  • the control box 15 includes a control circuit that controls the power supply 16 based on a control signal from the inspection device 10.
  • the control box 15 may control the light emission method, light emission cycle, light emission time, etc. of the excitation source 18.
  • the notification device 19 notifies the outside.
  • the notification device 19 is controlled by the inspection device 10, and notifies the user of information indicating the inspection results of the internal condition of the work 90.
  • the notification device 19 may include a visual notification device such as a light source such as an LED, a display, or an indicator.
  • the notification device 19 may also include an auditory notification device such as a speaker.
  • FIG. 2 is a block diagram showing an example of the configuration of the inspection device 10 in Fig. 1.
  • the inspection device 10 includes a processor 11, a storage device 12, and an interface 13.
  • the processor 11 is composed of a CPU, an MPU, etc., and controls the entire inspection device 10 by executing various programs stored in the storage device 12.
  • the processor 11 controls the excitation source 18 via the control box 15, thereby controlling the start and stop of the heating output of the excitation source 18.
  • the processor 11 also controls the shooting operations of the infrared camera 17, such as starting and stopping shooting.
  • the processor 11 also performs analysis processing to inspect the workpiece 90 based on the temperature image data stored in the storage device 12, as described below.
  • the storage device 12 is a recording medium that records various information including programs and data necessary to realize the functions of the inspection device 10.
  • the storage device 12 is realized, for example, by a semiconductor storage device such as a flash memory or a solid state drive (SSD), a magnetic storage device such as a hard disk drive (HDD), or other recording media, either alone or in combination.
  • the storage device 12 is not limited to an internal storage device installed in the same housing as the processor 11, but may be, for example, an external storage device, a NAS (network-attached storage) type storage device, or the like.
  • the storage device 12 may include a volatile memory such as a RAM.
  • the interface 13 connects the inspection device 10 to external devices such as the infrared camera 17, the control box 15, the alarm device 19, and the excitation source 18.
  • the interface 13 may be a communication circuit that performs data communication according to an existing wired communication standard or wireless communication standard.
  • the interface 13 is an example of an input section that connects the inspection device 10 and the infrared camera 17 in order to input temperature image data from the infrared camera 17 to the inspection device 10.
  • the interface 13 is also an example of an output section that connects the inspection device 10 to external devices such as the control box 15, the alarm device 19, and the excitation source 18 in order to output information such as control signals from the processor 11 to the external devices.
  • Such input and output sections may be integrated as an input/output interface 13 as shown in FIG. 2, or may be realized as multiple interface circuits.
  • the bond strength of a workpiece is determined by a destructive test as the force required to destroy the bonded portion of the workpiece.
  • a problem with destructive testing is that the workpiece is destroyed for the test, making it difficult to reuse the workpiece.
  • the inspection device 10 according to the present embodiment can predict the bond strength of the workpiece 90, i.e., the bond strength indicating the bond strength between the transmitting material 91 and the absorbing material 92, in a non-destructive manner.
  • FIG. 3 is a flowchart illustrating the operation of the inspection device 10. Each process shown in this flow is executed by, for example, the processor 11 of the inspection device 10.
  • the processor 11 acquires analysis conditions (S1).
  • the analysis conditions are input by, for example, a user and stored in advance in the storage device 12.
  • the analysis conditions are parameters such as the analysis time and a set frequency for the phase image described below.
  • the analysis time includes, for example, the analysis start time and the analysis end time.
  • the processor 11 may acquire a setting regarding which of the multiple temperature images generated by the infrared camera 17 to use for the analysis.
  • the processor 11 starts heating the workpiece 90 with the excitation source 18 and capturing an image of the workpiece 90 with the infrared camera 17 (S2).
  • the processor 11 acquires, via the interface 13, a number of temperature images generated by the infrared camera 17 photographing the workpiece 90 in time series (S3).
  • the processor 11 performs a discrete Fourier transform on the multiple temperature images acquired in step S3 (S4) and extracts a phase image according to the analysis conditions (S5).
  • the phase image indicates, for example, the phase characteristics at a set frequency of the data after the discrete Fourier transform.
  • the processor 11 executes an effective area ratio calculation process (S6) to calculate the ratio of the area of the effective bonding area to the area of the bonding area of the workpiece 90 in the phase image (hereinafter also referred to as the "effective area ratio").
  • the effective area ratio is calculated, for example, by dividing the area (A1) of the effective bonding area in the phase image by the area (A2) of the entire bonding area.
  • the "bonding area” is the area that is set as the target for bonding. It is generally desirable for the bonding area to be bonded entirely, but depending on the bonding quality, some or all of the bonding area may not be bonded. Furthermore, the portion of the bonding area that is actually bonded may include portions where the bonding strength is equal to or greater than a predetermined value, and portions where the bonding strength is less than the predetermined value.
  • the "effective bonding area” refers to an area of the bonding area where the bonding strength is equal to or greater than a predetermined value.
  • the predetermined value of the bonding strength is set according to the performance required for the workpiece 90 or a product using the workpiece 90. Details of the effective area ratio calculation process S6 will be described later.
  • step S6 the processor 11 predicts the bonding strength based on the effective area ratio obtained in the effective area ratio calculation process S6 (S7).
  • the inventors discovered that there is a strong correlation between the effective area ratio and the bonding strength, and came up with the present disclosure regarding predicting the bonding strength based on the effective area ratio. The details of this discovery will be described later.
  • the processor 11 determines whether the bond strength predicted in step S7 is less than a threshold value (S8). If the bond strength is less than the threshold value (Yes in S8), the processor 11 causes the alarm device 19 to perform an alarm operation (S9). This allows the user to know that the bond strength is less than the threshold value.
  • the alarm operation includes, for example, emitting a warning sound from a speaker, or turning on or blinking a light source such as an LED.
  • the processor 11 may display correlation information indicating the analysis results such as the bond strength and the determination results on a display, which is an example of the alarm device 19.
  • the processor 11 stores information indicating the analysis results such as the bond strength and the judgment result in the storage device 12 (S10).
  • the processor 11 also executes step S10 when it is determined in step S8 that the bond strength is equal to or greater than the threshold value (No in S8).
  • the information stored in the storage device 12 is used, for example, to achieve traceability.
  • the information stored in the storage device 12 is used to detect whether the condition of the workpiece 90 has been changed due to damage, tampering, dirt, etc. during distribution, and, if so, the degree of change.
  • the processor 11 may display information indicating the analysis results such as the bond strength and the determination result on a display, which is an example of the notification device 19, before or after step S10.
  • step S7 for predicting the bonding strength based on the effective area ratio
  • the effective area ratio is the ratio of the portion of the phase image whose phase value is within a predetermined range.
  • FIG. 4 is a schematic diagram illustrating a phase image 21.
  • the phase value of each pixel is shown in grayscale. That is, as shown by the scale on the right side of FIG. 4, in the phase image 21, pixels with a phase value of 20.0° are shown in black, pixels with a phase value of 10.0° are shown in white, and pixels with a phase value greater than 10.0° and less than 20.0° are shown in gray.
  • the example in FIG. 4 indicates that the lower the phase value, the easier it is for heat to be transmitted, and the higher the phase value, the harder it is for heat to be transmitted. Therefore, the example in FIG. 4 indicates that the more easily heat is transmitted in an area, the greater the bonding strength.
  • FIGS. 5 to 7 are graphs showing that the lower the phase value, the greater the bonding strength.
  • phase values of the phase image 21 can be expressed as a grayscale (e.g., values from 0 to 255), so areas through which heat is easily transmitted can also be determined by the grayscale instead of the phase value.
  • a grayscale e.g., values from 0 to 255
  • Figures 5 to 7 are graphs showing the distribution of phases in phase images of a workpiece 90 having bonding areas with bonding strengths of 532 N, 712 N, and 950 N, respectively.
  • the horizontal axis of the graphs in Figures 5 to 7 shows the phase value, and the vertical axis shows the normalized frequency.
  • the bonding strengths shown in Figures 5 to 7 were obtained by acquiring phase images of the workpiece 90, and then performing actual measurements such as a known bonding strength test on the workpiece 90.
  • Figure 8 is a graph showing an example of the correlation between the effective area ratio and the joint strength.
  • the graph in Figure 8 plots the effective area ratios corresponding to each of the phase images of a workpiece 90 having a joint area with a joint strength of 532 N, 712 N, and 950 N.
  • the effective area ratio in the graph in Figure 8 is the ratio (proportion) of the number of pixels with a phase value of 12° or less to the number of pixels in the entire joint area in the phase image.
  • the correlation coefficient r1 between the effective area ratio and the joint strength is 0.99, which shows that there is a strong correlation between the effective area ratio and the joint strength.
  • step S7 the processor 11 can predict the bonding strength of the workpiece 90 based on the effective area ratio calculated in step S16.
  • the correlation information showing the relationship between the effective area ratio and the bonding strength as shown in FIG. 8 is stored in the storage device 12 as, for example, a table, and is used by the processor 11 in step S7.
  • Figure 9 is a graph showing an example of the relationship between the phase range and the correlation coefficient.
  • the horizontal axis of Figure 9 indicates the phase range.
  • the correlation coefficient on the vertical axis represents the correlation coefficient between the effective area ratio and the bonding strength calculated by counting the number of pixels with a phase value of 12° or less.
  • the correlation coefficient between the effective area ratio and the bonding strength depends on the upper limit of the phase value. More generally, the correlation coefficient between the effective area ratio and the bonding strength depends on the range of phase values, for example, the upper and lower limits of the phase value.
  • the bonding strength of the workpiece can be predicted with particularly high accuracy.
  • FIG. 10 is a flow chart showing details of the effective area ratio calculation process S6 in Fig. 3.
  • Fig. 11 is a schematic diagram including a group of images for explaining the effective area ratio calculation process S6.
  • the processor 11 acquires bonding area mask information from the storage device 12 (S11).
  • the mask information is information that indicates the portion of the phase image that corresponds to the bonding area of the workpiece 90.
  • the processor 11 may generate the mask information based on the phase image.
  • One example of the mask information is a mask image M in which pixels corresponding to the junction area of the phase image are white (pixel value 1) and other pixels are black (pixel value 0).
  • the processor 11 segments the portion of the phase image 21 that corresponds to the junction region to generate a segment image 22.
  • the processor 11 generates a mask image M by making the portion of the segment image 22 that corresponds to the junction region white (pixel value 1) and the other portions black (pixel value 0).
  • the processor 11 stores the generated mask image M in the storage device 12.
  • the processor 11 generates the joint region image 23 by excluding areas other than the joint region from the phase image (S12). For example, as shown in FIG. 11, the processor 11 generates the joint region image 23 by making the parts of the segment image 22 other than the parts corresponding to the joint region black (pixel value 0). Alternatively, the processor 11 may generate the joint region image 23 by performing a mask process on the phase image 21 using the mask image M.
  • the processor 11 performs a binarization process on the bonding area image 23 to generate an effective bonding area image 24 in which pixels in the bonding area image 23 whose phase values are within a predetermined range are colored white (pixel value 1) (S13).
  • the effective bonding area image 24 is an image that shows the effective bonding area.
  • the predetermined range of phase values is set by the user or the processor 11, for example, based on the relationship between the phase range and the correlation coefficient for the target workpiece (see FIG. 9).
  • the processor 11 generates the effective bonding area image 24 by coloring white pixels in the bonding area image 23 whose phase values are 12° or less.
  • the processor 11 calculates the number of white pixels in the effective joining area image 24 as the area of the effective joining area (S14).
  • Processor 11 calculates the area of the junction area from the junction area mask information acquired in step S11 (S15). For example, processor 11 calculates the number of white pixels in mask image M as the area of the junction area.
  • Step S15 may be executed after step S11, and may be executed before step S12, for example, unlike the example shown in FIG. 10.
  • step S11 may be executed before step S15, and may be executed after step S14, unlike the example shown in FIG. 10.
  • Processor 11 calculates the ratio of the area of the effective bonding area to the area of the bonding area as the effective area ratio (S16). For example, processor 11 calculates the effective area ratio (A1/A2) by dividing the area of the effective bonding area (A1) calculated in step S14 by the area of the bonding area (A2) calculated in step S15. Alternatively, processor 11 may calculate, as the effective area ratio, the ratio of the number of white pixels in effective bonding area image 24 to the number of white pixels in mask image M obtained in step S15.
  • step S16 the processor 11 ends the effective area ratio calculation process S6 and proceeds to step S7 in FIG. 3.
  • the inspection device 10 includes the interface 13, which is an example of an input unit, and the processor 11.
  • the interface 13 acquires temperature image data generated by capturing images of the workpiece 90, which is bonded at a predetermined bonding area 95, in a time series by the infrared camera 17, which is an example of an imaging device.
  • the processor 11 predicts the bonding strength of the workpiece 90 based on the temperature image data.
  • the processor 11 performs a discrete Fourier transform on the temperature image data (S3) to generate a phase image 21 showing the phase characteristics of the workpiece 90 (S4).
  • the processor 11 calculates an effective area ratio indicating the ratio of the area of the effective bonding area, in which the phase value of the phase image 21 is within a predetermined range, to the area of the bonding area 95 (S6).
  • the processor 11 predicts the bonding strength based on the calculated effective area ratio (S7).
  • the inspection device 10 can non-destructively predict the bond strength of the workpiece 90 based on the temperature image data.
  • the effective bonding area may be an area in the phase image 21 where the phase value is equal to or less than a predetermined threshold value.
  • the processor 11 may calculate the effective area ratio by calculating the ratio of the number of pixels included in the effective bonding area to the number of pixels included in the bonding area in the phase image 21.
  • the processor 11 may predict the bond strength based on the calculated effective area ratio using correlation information indicating the relationship between the effective area ratio and the bond strength. This configuration also makes it possible to non-destructively predict the bond strength of the workpiece 90.
  • the processor may cause the notification device 19 to notify the user of the predicted bond strength. This allows the user to know the predicted bond strength.
  • the inspection device 10 may further include a storage device 12 that stores information indicating the predicted bond strength.
  • the processor 11 predicts the bonding strength using information indicating the relationship between the effective area ratio and the bonding strength stored in the storage device 12 in step S7.
  • the prediction process of the bonding strength is not limited to this.
  • the processor 11 may input the phase image 21 to the trained model, thereby causing the trained model to output bonding strength data indicating the bonding strength. Since there is a correlation between the distribution of phase values in the phase image 21, for example, the effective bonding area ratio, and the bonding strength, as shown in FIG. 8, the trained model can output bonding strength data in response to the input of the phase image.
  • the trained model is a model that has been trained to output joint strength data in response to the input of a phase image 21.
  • the training of such a model is performed, for example, by a training device 30 shown in FIG. 12.
  • the learning device 30 includes a processor 31, a storage device 32, and an interface 33.
  • the processor 31 is composed of a CPU, an MPU, etc., and controls the entire learning device 30 by executing various programs stored in the storage device 12.
  • the storage device 12 is a recording medium that records various information including programs and data necessary to realize the functions of the learning device 30.
  • the storage device 12 stores a model 321.
  • the processor 31, the storage device 32, and the interface 33 may have the same configuration as the processor 11, the storage device 12, and the interface 13 in FIG. 2, respectively.
  • the model 321 has, for example, a structure of a Convolutional Neural Network (CNN).
  • the model 321 is trained by the processor 31 using, for example, the backpropagation method.
  • the processor 11 generates a trained model by having the model 321 learn a large amount of a training data set including a phase image of the workpiece and bonding strength data of the workpiece as ground truth data.
  • the training data set may be stored in the storage device 32 in advance, or may be input from the outside via the interface 33.
  • the trained model generated by the learning device 30 is stored, for example, in the storage device 12 of the inspection device 10.
  • the trained model may be stored in a recording medium in an external device, such as a server device, that is accessible by the inspection device 10.
  • FIG. 13 is a flowchart illustrating the operation of the inspection device 10 according to the first modified example.
  • the flowchart in FIG. 13 includes steps S21 and S22 instead of steps S6 and S7 in FIG. 3. Steps S1 to S5 and S8 to S10 in FIG. 13 are the same as those in FIG. 3, and therefore will not be described.
  • step S21 of FIG. 13 the processor 11 inputs the phase image 21 obtained in step S5 to the model 321 (S21). In response to the input, the model 321 outputs bonding strength data.
  • the processor 11 acquires the bond strength data output from the model 321 (S22).
  • the inspection device 10 includes an interface 13, a storage device 12, and a processor 11 that can access the storage device 12.
  • the storage device 12 stores a trained model that has been machine-trained using a phase image of the joined object and the measured joint strength as a training data set.
  • the processor 11 performs a Fourier transform or a discrete Fourier transform on the temperature image data (S4) to generate a phase image 21 that indicates the phase characteristics of the workpiece 90 (S5).
  • the trained model is a model that has been trained to output data that indicates the joint strength in response to an input of a phase image.
  • the processor 11 inputs the phase image 21 to the trained model (S21) and obtains an output from the trained model (S22).
  • the processor 11 determines the obtained output as the joint strength of the workpiece 90, thereby non-destructively predicting the joint strength of the workpiece 90.
  • phase value in the phase image the easier the heat is to be transmitted, and the higher the phase value, the harder the heat is to be transmitted.
  • the phase value of each pixel in the phase image may be inverted when the reference phase value changes, so that depending on the reference, the higher the phase value, the easier the heat is to be transmitted.
  • the effective bonding area is the area in the phase image where the phase value is equal to or greater than a predetermined threshold value.
  • the specified range of phase values only needs to be determined based on the relationship between the phase range and the correlation coefficient (the correlation coefficient between the effective area ratio and the bonding strength) for the target workpiece, and is not limited to 12° or less. This is because the shape of the workpiece may differ for each product, and when the shape of the workpiece differs, the relationship between the phase range and the correlation coefficient may also change. For example, when determining the effective bonding area, if a phase range in which the correlation coefficient is large (effective phase range) is applied, the bonding strength of the workpiece can be predicted with particularly high accuracy. Below, the effective phase range determination process for searching for a phase range in which the correlation coefficient is equal to or greater than a threshold value, for example, the largest, is described.
  • FIG. 14 is a flowchart showing an example of a process for determining an effective phase range.
  • the process in FIG. 14 is executed by, for example, the processor 11, and the determined effective phase range is stored in the storage device 12. Alternatively, the process in FIG. 14 may be executed by another information processing device. An example in which the processor 11 is the main body will be described below.
  • the processor 11 executes a phase image acquisition process for a certain sample.
  • the phase image acquisition process is, for example, a process of executing steps S1 to S5 in FIG. 3.
  • the sample is of the same type as the workpiece 90, and has a joint region similar to that of the workpiece 90.
  • the processor 11 acquires joint area mask information (S41).
  • the mask information is stored in advance in a storage medium such as the storage device 12.
  • Step S41 may be the same process as step S11 in FIG. 10.
  • the processor 11 calculates the area of the joint region from the joint region mask information acquired in step S41 (S42). For example, the processor 11 calculates the number of white pixels in the mask image as the area of the joint region.
  • processor 11 generates a junction area image by excluding areas other than the junction area from the phase image (S43). For example, processor 11 generates the junction area image by turning parts of the segment image other than those corresponding to the junction area into black (pixel value 0). Alternatively, processor 11 may generate the junction area image by performing mask processing on the phase image using a mask image.
  • the processor 11 acquires a preset phase search range.
  • the processor 11 acquires the minimum value Ni and maximum value Ne of the phase value to be searched (S44).
  • the minimum value Ni and maximum value Ne are, for example, stored in the storage device 12 in advance.
  • a phase range (effective phase range) is searched for in which the correlation coefficient between the minimum value Ni and the maximum value Ne is the largest.
  • the processor 11 divides the phase range between the minimum value Ni and the maximum value Ne into n steps (n is an integer of 2 or more) and calculates the correlation coefficient in each step.
  • the number of steps n is also stored in the storage device 12 in advance and is acquired by the processor 11 in step S44.
  • processor 11 sets the initial value of variable k (k is an integer equal to or greater than 0) to 0 (S45), and sets the current phase value N to Ni + (Ne - Ni)k/n (S46).
  • N Ni.
  • the processor 11 performs a binarization process on the joint area image, and generates an effective joint area image in which pixels in the joint area image whose phase values are within a predetermined range (Ni or more and N or less) are colored white (pixel value 1) (S47).
  • the processor 11 calculates the number of white pixels in the effective joining area image as the area of the effective joining area (S48).
  • the processor 11 calculates the ratio of the area of the effective bonding area to the area of the bonding area as the effective area ratio (S49). For example, the processor 11 calculates the effective area ratio (A1/A2) by dividing the area of the effective bonding area (A1) calculated in step S48 by the area of the bonding area (A2) calculated in step S42.
  • step S52 the processor 11 acquires the bonding strength of the sample (S52).
  • the bonding strength is measured, for example, by a peel test.
  • the processor 11 links the effective area ratio calculated in step S29 with the bonding strength obtained in step S52 and records them in the storage device 12.
  • the above process is executed until the number of data (number of samples) reaches a predetermined number (S54, S55).
  • the predetermined number is determined in advance by a user, etc. For example, if the number of data is insufficient (No in S54), the sample is replaced (S55), and the process of steps S1, S21 to S54 is executed for the replaced sample.
  • the processor 11 calculates the correlation coefficient between the effective area ratio and the bonding strength for each phase range based on the data recorded in step S53 (S56). This results in a graph showing the relationship between the phase range and the correlation coefficient, as shown in Figure 9.
  • the processor 11 determines the effective phase range in which the correlation coefficient between the effective area ratio and the bonding strength is equal to or greater than a threshold value (S57).
  • the effective phase range determination process shown in FIG. 14 can be used to search for a phase range in which the correlation coefficient is equal to or greater than a threshold value. If the effective phase range determined by the effective phase range determination process is applied when determining the effective bonding area, the bonding strength of the workpiece can be predicted with particularly high accuracy.
  • the region through which heat is easily transmitted is a region in the phase image in which a phase value is equal to or less than a predetermined threshold value or equal to or more than a predetermined threshold value.
  • the processor calculates the effective area ratio by calculating a ratio of the number of pixels included in the effective bonded region to the number of pixels included in the bonded region in the phase image.
  • An inspection method for predicting a bonding strength of an object based on temperature image data generated by an imaging device capturing images of the object in a time series comprising: a processor acquiring the temperature image data; the processor performing a Fourier transform or a discrete Fourier transform on the temperature image data to generate a phase image indicative of phase characteristics of the object; a step of the processor calculating an effective area ratio indicating a ratio of an area of an effective bonding region in the phase image, the area of which is within a predetermined range of phase values, to an area of the bonding region; The processor predicts the bonding strength based on the calculated effective area ratio; 4.
  • a method for testing comprising:
  • a method for non-destructively predicting a bonding strength of an object based on temperature image data generated by an imaging device photographing an object bonded in a predetermined bonding region comprising:
  • the trained model is a model trained by machine learning using a phase image of a bonded object and an actually measured bond strength as a training data set,
  • the inspection method includes: the processor performing a Fourier transform or a discrete Fourier transform on the temperature image data to generate a phase image indicative of phase characteristics of the object;
  • the processor inputs the phase image into the trained model;
  • the processor obtains a bond strength from the trained model and predicts the bond strength; 4.
  • a method for testing comprising:
  • This disclosure is applicable to inspection devices and inspection methods.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

検査装置は、所定の接合領域で接合された対象物を撮影装置が時系列で撮影して生成した温度画像データを取得する入力部と、温度画像データに基づいて対象物の接合強度を予測するプロセッサとを備える。プロセッサは、温度画像データに対してフーリエ変換又は離散フーリエ変換を施して、対象物の位相特性を示す位相画像を生成する。プロセッサは、接合領域の面積に対する、位相画像のうち位相値が所定範囲内である有効接合領域の面積の比の値を示す有効面積率を算出し、算出された有効面積率に基づいて接合強度を予測する。

Description

検査装置及び検査方法
　本開示は、検査装置及び検査方法に関する。
　特許文献１は、異種金属材料を摩擦攪拌結合した重ね接合部の接合の良否を判定する赤外線ロックイン・サーモグラフィによる非破壊検査方法を開示する。この非破壊検査方法は、取得された赤外線の量と位相を予め設定された所定の判定値と比較することによって、接合の良否を判定する。
国際公開第２０１３／０８５０７５号
　本開示は、対象物の温度画像データに基づいて対象物の接合強度を予測可能な検査装置及び検査方法を提供する。
　本開示の一態様に係る検査装置は、
　所定の接合領域で接合された対象物を撮影装置が時系列で撮影して生成した温度画像データを取得する入力部と、
　温度画像データに基づいて対象物の接合強度を予測するプロセッサとを備え、
　プロセッサは、
　　温度画像データに対してフーリエ変換又は離散フーリエ変換を施して、対象物の位相特性を示す位相画像を生成し、
　　接合領域の面積に対する、位相画像のうち位相値が所定範囲内である有効接合領域の面積の比の値を示す有効面積率を算出し、
　　算出された有効面積率に基づいて接合強度を予測する。
　本開示の一態様に係る検査装置は、
　所定の接合領域で接合された対象物を撮影装置が時系列で撮影して生成した温度画像データを取得する入力部と、
　接合された対象物の位相画像と実測された接合強度とを学習用データセットとして用いて機械学習された学習済みモデルを格納する記憶装置と、
　記憶装置にアクセス可能であり、温度画像データに対してフーリエ変換又は離散フーリエ変換を施して、対象物の位相特性を示す位相画像を生成するプロセッサと、を備え、
　プロセッサは、位相画像を学習済みモデルに入力して、学習済みモデルから接合強度を取得し、接合強度を予測する。
　本開示の一態様に係る検査方法は、所定の接合領域で接合された対象物を撮影装置が時系列で撮影して生成した温度画像データに基づいて対象物の接合強度を予測する検査方法であって、
　プロセッサが、温度画像データを取得するステップと、
　プロセッサが、温度画像データに対してフーリエ変換又は離散フーリエ変換を施して、対象物の位相特性を示す位相画像を生成するステップと、
　プロセッサが、接合領域の面積に対する、位相画像のうち位相値が所定範囲内である有効接合領域の面積の比の値を示す有効面積率を算出するステップと、
　プロセッサが、算出された有効面積率に基づいて接合強度を予測するステップと、
　を含む。
　本開示の一態様に係る検査方法は、学習済みモデルを記憶する記憶装置にアクセス可能なプロセッサが、所定の接合領域で接合された対象物を撮影装置が時系列で撮影して生成した温度画像データに基づいて対象物の接合強度を非破壊で予測する検査方法であって、
　学習済みモデルは、接合された対象物の位相画像と実測された接合強度とを学習用データセットとして用いて機械学習されたモデルであり、
　検査方法は、
　　プロセッサが、温度画像データに対してフーリエ変換又は離散フーリエ変換を施して、対象物の位相特性を示す位相画像を生成するステップと、
　　プロセッサが、位相画像を学習済みモデルに入力するステップと、
　　プロセッサが、学習済みモデルから接合強度を取得し、接合強度を予測するステップと、
　を含む。
　本開示によると、対象物の温度画像データに基づいて対象物の接合強度を予測することができる。
本開示の一実施の形態に係る検査システムの構成例を示すブロック図 図１に示した検査システムの検査装置の構成例を示すブロック図 検査装置の動作を例示するフローチャート 位相画像を例示する模式図 接合強度が５３２Ｎである接合領域を有するワークの位相画像における位相の分布を示すグラフ 接合強度が７１２Ｎである接合領域を有するワークの位相画像における位相の分布を示すグラフ 接合強度が９５０Ｎである接合領域を有するワークの位相画像における位相の分布を示すグラフ 有効面積率と接合強度との相関関係の一例を示すグラフ 位相範囲と相関係数との関係の一例を示すグラフ 図３の有効面積率算出処理の詳細を示すフローチャート 図３の有効面積率算出処理を説明するための画像群を含む模式図 第１変形例に係る学習装置の構成例を示すブロック図 第１変形例に係る検査装置の動作を例示するフローチャート 第４変形例に係る有効位相範囲決定処理の一例を示すフローチャート
　以下、適宜図面を参照しながら、実施の形態を説明する。ただし、必要以上に詳細な説明は省略する場合がある。例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。なお、発明者は、当業者が本開示を十分に理解するために添付図面及び以下の説明を提供するのであって、これらによって特許請求の範囲に記載の主題を限定することを意図しない。
［１．構成］
［１－１．検査システムの構成］
　図１は、本開示の一実施の形態に係る検査システム１の構成例を示すブロック図である。検査システム１は、検査装置１０と、赤外線カメラ１７と、励起源１８と、コントロールボックス１５と、電源１６と、報知装置１９とを備える。
　検査システム１は、検査対象であるワーク９０に励起エネルギーを与えて温度画像の撮影を行うアクティブサーモグラフィ法を用いて、ワーク９０の接合強度を非破壊で予測する。本実施の形態では、検査システム１は、ワーク９０に励起源１８により励起エネルギーを与え、赤外線カメラ１７を用いて時系列で温度画像を撮影する。
　図１の例では、ワーク９０は、溶着又は溶接用の光源から照射された光を主に透過する透過材９１と、当該光を主に吸収する吸収材９２とを含む。光源からの光により溶融した透過材９１及び／又は吸収材９２により、透過材９１と吸収材９２とは、接合領域９５において接合される。本実施の形態では、検査システム１は、透過材９１と吸収材９２との接合強度を非破壊で予測することができる。
　ワーク９０の材料は、例えば、ポリブチレンテレフタレート（ＰＢＴ）、ポリフェニレンサルファイド（ＰＰＳ）、ポリアミド（ＰＡ）等の樹脂である。あるいは、ワーク９０の材料は、セラミックスであってもよい。ワーク９０の材料は、冷間圧延鋼（ＳＰＣＣ鋼）、アルミニウム等の金属であってもよい。
　赤外線カメラ１７は、ワーク９０の少なくとも一部を含む撮影領域を時系列で撮影して複数の温度画像データ（以下、単に「温度画像」ということがある。）を生成する撮影装置の一例である。赤外線カメラ１７は、赤外画像データを温度分布に変換することにより温度画像データを生成するが、本明細書では、このような変換前の赤外画像データと、変換後の温度画像データとを特に区別せずに取り扱うことがある。赤外線カメラ１７は、例えば、３μｍ～１５μｍの波長を有する赤外線を検知する赤外線センサを含む。赤外線カメラ１７のフレームレートは、例えば５０Ｈｚ（又は５０ｆｐｓ）であるが、これに限定されない。
　本開示では、「画像」は、１又は複数の動画像と、１又は複数の静止画像とを含む。
　励起源１８は、ワーク９０を加熱可能な加熱装置の一例である。励起源１８は、例えば、キセノンランプ、ハロゲンランプ、レーザ光源等の光源であるが、これらに限定されず、エネルギーを放射可能なエネルギー源であればよい。
　励起源１８は、ワーク９０に対して、フラッシュ発光によるフラッシュ加熱（パルス加熱）、ステップ状に加熱するステップ加熱を行うことができ、又は、それらを連続的に繰り返して加熱を行うことができる。励起源１８が放射する光の波長帯域は、赤外線カメラ１７が検出可能な赤外線の波長帯域と同様であってもよいし、異なってもよい。図１では、２つの励起源１８を例示しているが、励起源１８の数はこれに限定されず、１つであってもよいし、３以上であってもよい。
　電源１６は、赤外線カメラ１７及び励起源１８に電力を供給する。コントロールボックス１５は、検査装置１０からの制御信号に基づいて電源１６を制御する制御回路を含む。コントロールボックス１５は、励起源１８の発光方式、発光周期、発光時間等を制御してもよい。
　報知装置１９は、外部に情報を報知する。例えば、報知装置１９は、検査装置１０により制御され、ワーク９０の内部状態の検査結果を示す情報をユーザに報知する。報知装置１９は、ＬＥＤ等の光源、ディスプレイ、表示器等の視覚的な報知装置を含んでもよい。報知装置１９は、スピーカ等の聴覚的な報知装置を含んでもよい。
［１－２．検査装置の構成］
　図２は、図１の検査装置１０の構成例を示すブロック図である。検査装置１０は、プロセッサ１１と、記憶装置１２と、インタフェース１３とを備える。
　プロセッサ１１は、ＣＰＵ、ＭＰＵ等で構成され、記憶装置１２に格納された各種プログラムを実行することにより、検査装置１０の全体を制御する。プロセッサ１１は、コントロールボックス１５を介して励起源１８を制御することにより、励起源１８の加熱出力の開始及び停止を制御する。また、プロセッサ１１は、赤外線カメラ１７の撮影開始及び撮影停止等の撮影動作を制御する。また、プロセッサ１１は、後述のように、記憶装置１２に格納された温度画像データに基づいてワーク９０を検査する解析処理を行う。
　記憶装置１２は、検査装置１０の機能を実現するために必要なプログラムとデータとを含む種々の情報を記録する記録媒体である。記憶装置１２は、例えば、フラッシュメモリ、ソリッド・ステート・ドライブ（ＳＳＤ）等の半導体記憶装置、ハードディスクドライブ（ＨＤＤ）等の磁気記憶装置、その他の記録媒体単独で又はそれらを組み合わせて実現される。記憶装置１２は、プロセッサ１１と同一の筐体内に設置される内蔵型の記憶装置に限定されず、例えば、外付け型、ＮＡＳ（network-attached storage）型等の記憶装置であってもよい。記憶装置１２は、ＲＡＭ等の揮発性メモリを含んでもよい。
　インタフェース１３は、検査装置１０と、赤外線カメラ１７、コントロールボックス１５、報知装置１９、励起源１８等の外部機器と、を接続する。インタフェース１３は、既存の有線通信規格又は無線通信規格に従ってデータ通信を行う通信回路であってもよい。
　インタフェース１３は、赤外線カメラ１７からの温度画像データを検査装置１０に入力するために、検査装置１０と赤外線カメラ１７とを接続する入力部の一例である。また、インタフェース１３は、コントロールボックス１５、報知装置１９、励起源１８等の外部機器に対して、プロセッサ１１からの制御信号等の情報を出力するために、検査装置１０と外部機器とを接続する出力部の一例である。このような入力部及び出力部は、図２のように入出力兼用のインタフェース１３として一体的に実現されてもよいし、複数個のインタフェース回路として実現されてもよい。
［２．動作］
［２－１．全体動作］
　一般的には、ワークの接合強度は、ワークの接合部分を破壊するのに必要な力として、破壊試験を用いて求められる。破壊試験には、試験のためにワークが破壊されて再利用することが困難となる問題がある。これに対して、本実施の形態に係る検査装置１０は、ワーク９０の接合強度、すなわち透過材９１と吸収材９２との接合の強度を示す接合強度を非破壊で予測することができる。
　図３は、検査装置１０の動作を例示するフローチャートである。本フローに示す各処理は、例えば検査装置１０のプロセッサ１１によって実行される。
　図３において、まず、プロセッサ１１は、解析条件を取得する（Ｓ１）。解析条件は、例えばユーザによって入力され、記憶装置１２に予め格納されている。解析条件は、例えば解析時間、後述の位相画像についての設定周波数等のパラメータである。解析時間は、例えば、解析開始時刻、解析終了時刻を含む。あるいは、プロセッサ１１は、解析時間に代えて、赤外線カメラ１７によって生成された複数の温度画像のうち、どの温度画像を解析に用いるかについての設定を取得してもよい。
　次に、プロセッサ１１は、励起源１８によるワーク９０の加熱と、赤外線カメラ１７によるワーク９０の撮影を開始する（Ｓ２）。
　プロセッサ１１は、赤外線カメラ１７がワーク９０を時系列で撮影して生成した複数の温度画像を、インタフェース１３を介して取得する（Ｓ３）。
　次に、プロセッサ１１は、ステップＳ３で取得した複数の温度画像に対して離散フーリエ変換を施し（Ｓ４）、解析条件に応じた位相画像を抽出する（Ｓ５）。位相画像は、例えば、離散フーリエ変換後のデータの設定周波数における位相特性を示す。
　次に、プロセッサ１１は、位相画像において、ワーク９０の接合領域の面積に対する有効接合領域の面積の比の値（以下、「有効面積率」ともいう。）を算出する有効面積率算出処理を実行する（Ｓ６）。有効面積率は、例えば、位相画像における有効接合領域の面積（Ａ１）を、接合領域全体の面積（Ａ２）で除することによって算出される。
　ここで、「接合領域」は、接合の対象として設定された領域である。接合領域は、一般的には全面的に接合されることが望ましいが、接合品質によっては、接合領域の一部又は全部が接合されていないことがある。さらに、接合領域のうち実際に接合されている部分は、接合強度が所定値以上である部分と、接合強度が所定値未満である部分とを含み得る。
　また、「有効接合領域」は、接合領域のうち、接合強度が所定値以上である領域を指す。接合強度の所定値は、ワーク９０又はワーク９０を用いた製品に求められる性能に応じて設定される。有効面積率算出処理Ｓ６の詳細については後述する。
　ステップＳ６の次に、プロセッサ１１は、有効面積率算出処理Ｓ６で得られた有効面積率に基づいて、接合強度を予測する（Ｓ７）。発明者は、有効面積率と接合強度との間に強い相関があるという知見を得て、有効面積率に基づいて接合強度を予測することに関する本開示に至った。このような知見の詳細については後述する。
　プロセッサ１１は、ステップＳ７で予測された接合強度が閾値未満であるか否かを判定する（Ｓ８）。接合強度が閾値未満である場合（Ｓ８でＹｅｓ）、プロセッサ１１は、報知装置１９に報知動作を行わせる（Ｓ９）。これにより、ユーザは、接合強度が閾値未満であることを知ることができる。報知動作は、例えばスピーカから警告音を発すること、ＬＥＤ等の光源を点灯又は点滅させることを含む。あるいは、プロセッサ１１は、接合強度、判定結果等の解析結果を示す相関情報を、報知装置１９の一例であるディスプレイに表示させてもよい。
　ステップＳ９の次に、プロセッサ１１は、接合強度、判定結果等の解析結果を示す情報を記憶装置１２に保存する（Ｓ１０）。プロセッサ１１は、ステップＳ８において接合強度が閾値以上であると判定した場合（Ｓ８でＮｏ）にも、ステップＳ１０を実行する。記憶装置１２に保存された情報は、例えばトレーサビリティの実現に利用される。例えば、記憶装置１２に保存された情報は、ワーク９０の状態が、流通の過程で、損傷、改竄、汚れ等により変更されたか否か、及び変更された場合には変更の程度を検出するために利用される。
　なお、プロセッサ１１は、ステップＳ８において接合強度が閾値以上であると判定した場合（Ｓ８でＮｏ）であっても、ステップＳ１０の前又は後に、接合強度、判定結果等の解析結果を示す情報を、報知装置１９の一例であるディスプレイに表示させてもよい。
［２－２．有効面積率に基づく接合強度の予測］
　以下、図４～９を参照して、有効面積率に基づいて接合強度を予測するステップＳ７の原理について説明する。有効面積率は、前述のように、位相画像のうち位相値が所定範囲内である部分が占める割合である。
　図４は、位相画像２１を例示する模式図である。図４の位相画像２１では、各画素の位相値をグレースケールで示している。すなわち、図４の右側のスケールに示すように、位相画像２１では、位相値が２０．０°の画素は黒色で示され、位相値が１０．０°の画素は白色で示され、位相値が１０．０°より大きく２０．０°未満である画素は灰色で示されている。
　発明者は、ワーク９０の接合領域の位相画像において、位相値と接合状態、例えば接合強度との間に相関があることを見出した。一例として、発明者は、図４に示す位相画像２１では、位相値が低いほど、対応する接合領域の接合強度が大きく、接合状態が良好であることを見出した。図４の例は、位相値が低いほど熱が伝わり易いことを示し、位相値が高いほど熱が伝わり難いことを示している。したがって、図４の例は、熱が伝わり易い領域ほど接合強度が大きいことを示している。図５～７は、位相値が低いほど接合強度が大きいことを示すグラフである
　図４のように位相画像２１の位相値はグレースケール（例えば０～２５５の値）で表すことができるため、熱が伝わり易い領域は、位相値に代えてグレースケールによって判断することもできる。
　図５～７は、それぞれ、接合強度が５３２Ｎ、７１２Ｎ、９５０Ｎである接合領域を有するワーク９０の位相画像における位相の分布を示すグラフである。図５～７のグラフの横軸は位相値を示し、縦軸は正規化された頻度を示している。図５～７に示す接合強度は、ワーク９０の位相画像を取得した後、ワーク９０に対して公知の接合強度試験を行うなどして実測することによって得られた。
　図５～７のグラフを比較すると、接合強度が大きいほど、位相画像における位相値が１２°以下の画素の存在頻度が高いことがわかる。この知見から、発明者は、位相値が１２°以下である画素の数の割合の一例を示す有効面積率に基づいて、接合強度を予測するという技術的思想を創作するに至った。
　図８は、有効面積率と接合強度との相関関係の一例を示すグラフである。図８のグラフには、接合強度が５３２Ｎ、７１２Ｎ、９５０Ｎである接合領域を有するワーク９０の位相画像のそれぞれに対応する有効面積率がプロットされている。図８のグラフの有効面積率は、位相画像における接合領域全体の画素数に対する、位相値が１２°以下である画素の数の比の値（割合）である。このグラフでは、有効面積率と接合強度の相関係数ｒ１は０．９９であり、有効面積率と接合強度との間に強い相関があることがわかる。
　図８のような相関関係があることにより、ステップＳ７では、プロセッサ１１は、ステップＳ１６で算出された有効面積率に基づいて、ワーク９０の接合強度を予測することができる。図８のような有効面積率と接合強度との関係を示す相関情報は、例えばテーブルとして記憶装置１２に記憶され、ステップＳ７においてプロセッサ１１により使用される。
　以上は位相値の上限が１２°である場合の結果であるが、位相値の上限を変更することで相関係数が変化することがわかった。図９は、位相範囲と相関係数との関係の一例を示すグラフである。図９の横軸は位相範囲を示している。図９の横軸が１２°である場合、縦軸の相関係数は、位相値が１２°以下である画素を計数して算出された有効面積率と接合強度の相関係数を表す。
　このように、一例として、有効面積率と接合強度の相関係数は、位相値の上限に依存する。より一般的には、有効面積率と接合強度の相関係数は、位相値の範囲、例えば位相値の上限及び下限に依存する。
　したがって、有効面積率の基礎となる有効接合領域を決定する際に（後述のＳ１３，Ｓ１４参照）、相関係数が大きくなる位相範囲（例えば１２°以下、図９参照）を適用すれば、特に精度良くワークの接合強度を予測することができる。
［２－３．有効面積率算出処理］
　図１０は、図３の有効面積率算出処理Ｓ６の詳細を示すフローチャートである。図１１は、有効面積率算出処理Ｓ６を説明するための画像群を含む模式図である。
　図１０に示すように、有効面積率算出処理Ｓ６では、まず、プロセッサ１１は、記憶装置１２から接合領域マスク情報を取得する（Ｓ１１）。マスク情報は、位相画像のうち、ワーク９０の接合領域に相当する部分を示す情報である。
　マスク情報が記憶装置１２内に予め格納されていない場合、プロセッサ１１は、位相画像に基づいてマスク情報を生成してもよい。マスク情報の一例は、位相画像の接合領域に相当する画素を白（画素値１）とし、他の画素を黒（画素値０）とするマスク画像Ｍである。
　図１１を参照して、このようなマスク画像Ｍの生成処理の一例を説明する。プロセッサ１１は、位相画像２１のうち接合領域に相当する部分をセグメント化してセグメント画像２２を生成する。次に、プロセッサ１１は、セグメント画像２２の接合領域に相当する部分を白（画素値１）とし、他の部分を黒（画素値０）としてマスク画像Ｍを生成する。プロセッサ１１は、生成したマスク画像Ｍを記憶装置１２に格納する。
　図１０に戻り、ステップＳ１１の次に、プロセッサ１１は、位相画像のうち接合領域以外の領域を除外して接合領域画像２３を生成する（Ｓ１２）。例えば、プロセッサ１１は、図１１に示すように、セグメント画像２２の接合領域に相当する部分以外の部分を黒（画素値０）とすることにより、接合領域画像２３を生成する。あるいは、プロセッサ１１は、マスク画像Ｍを用いて位相画像２１にマスク処理を施すことにより接合領域画像２３を生成してもよい。
　図１０に戻り、ステップＳ１２の次に、プロセッサ１１は、接合領域画像２３に２値化処理を施し、接合領域画像２３のうち位相値が所定範囲内である画素を白（画素値１）にした有効接合領域画像２４を生成する（Ｓ１３）。有効接合領域画像２４は、有効接合領域を示す画像である。位相値の所定範囲は、例えば、対象となるワークについての位相範囲と相関係数との関係（図９参照）に基づいて、ユーザ又はプロセッサ１１によって設定される。図１１の例では、プロセッサ１１は、接合領域画像２３のうち位相値が１２°以下である画素を白にして有効接合領域画像２４を生成する。
　ステップＳ１３の次に、プロセッサ１１は、有効接合領域画像２４の白い画素の数を、有効接合領域の面積として算出する（Ｓ１４）。
　プロセッサ１１は、ステップＳ１１で取得した接合領域マスク情報から接合領域の面積を算出する（Ｓ１５）。例えば、プロセッサ１１は、マスク画像Ｍの白い画素の数を、接合領域の面積として算出する。ステップＳ１５は、ステップＳ１１の後に実行されればよく、例えば、図１０に示した例とは異なりステップＳ１２の前に実行されてもよい。あるいは、ステップＳ１１がステップＳ１５の前に実行されればよいため、図１０に示した例とは異なりステップＳ１１がステップ１４の後に実行されてもよい。
　プロセッサ１１は、接合領域の面積に対する有効接合領域の面積の比の値を、有効面積率として算出する（Ｓ１６）。例えば、プロセッサ１１は、ステップＳ１４で算出された有効接合領域の面積（Ａ１）を、ステップＳ１５で算出された接合領域の面積（Ａ２）で除することによって有効面積率（Ａ１／Ａ２）を算出する。あるいは、プロセッサ１１は、有効面積率として、ステップＳ１５で得られたマスク画像Ｍの白い画素の数に対する有効接合領域画像２４の白い画素の数の比の値を算出してもよい。
　プロセッサ１１は、ステップＳ１６を終えると有効面積率算出処理Ｓ６を終え、図３のステップＳ７に進む。
［３．効果等］
　以上のように、本実施の形態に係る検査装置１０は、入力部の一例であるインタフェース１３と、プロセッサ１１とを備える。インタフェース１３は、所定の接合領域９５で接合されたワーク９０を、撮影装置の一例である赤外線カメラ１７が時系列で撮影して生成した温度画像データを取得する。プロセッサ１１は、温度画像データに基づいてワーク９０の接合強度を予測する。プロセッサ１１は、温度画像データに対して離散フーリエ変換を施して（Ｓ３）、ワーク９０の位相特性を示す位相画像２１を生成する（Ｓ４）。プロセッサ１１は、接合領域９５の面積に対する、位相画像２１のうち位相値が所定範囲内である有効接合領域の面積の比の値を示す有効面積率を算出する（Ｓ６）。プロセッサ１１は、算出された有効面積率に基づいて接合強度を予測する（Ｓ７）。
　この構成によれば、検査装置１０は、温度画像データに基づいてワーク９０の接合強度を非破壊で予測することができる。
　有効接合領域は、位相画像２１のうち位相値が所定の閾値以下である領域であってもよい。プロセッサ１１は、位相画像２１において、接合領域に含まれる画素の数に対する、有効接合領域に含まれる画素の数の比の値を算出することで、有効面積率を算出してもよい。
　プロセッサ１１は、有効面積率と接合強度との関係を示す相関情報を用いて、算出された有効面積率に基づいて接合強度を予測してもよい。この構成によっても、ワーク９０の接合強度を非破壊で予測することができる。
　プロセッサは、接合強度の予測結果を示す情報を報知装置１９に報知させてもよい。これにより、ユーザは、接合強度の予測結果を知ることができる。
　検査装置１０は、接合強度の予測結果を示す情報を記憶する記憶装置１２を更に備えてもよい。
［４．他の実施の形態］
　以上のように、本開示における技術の例示として、実施の形態を説明した。しかしながら、本開示における技術は、これに限定されず、適宜、変更、置換、付加、省略などを行った実施の形態にも適用可能である。また、上記実施の形態で説明した各構成要素を組み合わせて、新たな実施の形態とすることも可能である。そこで、以下、他の実施の形態としての変形例を例示する。
［４－１．第１変形例］
　上記の実施の形態では、ステップＳ７において、プロセッサ１１が、記憶装置１２に記憶された有効面積率と接合強度との関係を示す情報を用いて接合強度を予測する例について説明した。しかしながら、接合強度の予測処理はこれに限定されない。例えば、プロセッサ１１は、位相画像２１を学習済みモデルに入力することにより、学習済みモデルに接合強度を示す接合強度データを出力させてもよい。位相画像２１中の位相値の分布、例えば有効接合面積率と、接合強度との間に図８に示すような相関があるため、学習済みモデルは、位相画像の入力に対して接合強度データを出力することができる。
　学習済みモデルは、位相画像２１の入力に対して、接合強度データを出力するように学習されたモデルである。このようなモデルの学習は、例えば図１２に示す学習装置３０によって行われる。
　学習装置３０は、プロセッサ３１と、記憶装置３２と、インタフェース３３とを備える。プロセッサ３１は、ＣＰＵ、ＭＰＵ等で構成され、記憶装置１２に格納された各種プログラムを実行することにより、学習装置３０の全体を制御する。記憶装置１２は、学習装置３０の機能を実現するために必要なプログラムとデータとを含む種々の情報を記録する記録媒体である。記憶装置１２は、モデル３２１を記憶する。プロセッサ３１、記憶装置３２、及びインタフェース３３は、それぞれ、図２のプロセッサ１１、記憶装置１２、及びインタフェース１３と同様の構成を有してもよい。
　モデル３２１は、例えば、畳み込みニューラルネットワーク（Convolutional Neural Network、ＣＮＮ）の構造を有する。モデル３２１の学習は、例えば誤差逆伝播法を利用して、プロセッサ３１によって行われる。プロセッサ１１は、ワークの位相画像と、正解データとしての当該ワークの接合強度データとを含む学習用データセットをモデル３２１に大量に学習させることで、学習済みモデルを生成する。学習用データセットは、記憶装置３２に予め格納されていてもよいし、インタフェース３３を介して外部から入力されてもよい。
　学習装置３０によって生成された学習済みモデルは、例えば検査装置１０の記憶装置１２に記憶される。あるいは、学習済みモデルは、検査装置１０がアクセス可能なサーバ装置等の外部装置内の記録媒体に記憶されてもよい。
　図１３は、第１変形例に係る検査装置１０の動作を例示するフローチャートである。図１３のフローチャートは、図３のステップＳ６及びＳ７に代えて、ステップＳ２１及びＳ２２を含む。図１３のＳ１～５、及びＳ８～１０は図３と同様であるため説明を省略する。
　図１３のステップＳ２１において、プロセッサ１１は、ステップＳ５で得られた位相画像２１をモデル３２１に入力する（Ｓ２１）。入力に応じて、モデル３２１は、接合強度データを出力する。
　次に、プロセッサ１１は、モデル３２１から出力された接合強度データを取得する（Ｓ２２）。
　以上のように、第１変形例に係る検査装置１０は、インタフェース１３と、記憶装置１２と、記憶装置１２にアクセス可能なプロセッサ１１とを備える。記憶装置１２は、接合された対象物の位相画像と実測された接合強度とを学習用データセットとして用いて機械学習された学習済みモデルを格納する。プロセッサ１１は、温度画像データに対してフーリエ変換又は離散フーリエ変換を施して（Ｓ４）、ワーク９０の位相特性を示す位相画像２１を生成する（Ｓ５）。学習済みモデルは、位相画像の入力に対して接合強度を示すデータを出力するように学習されたモデルである。プロセッサ１１は、位相画像２１を学習済みモデルに入力して（Ｓ２１）、学習済みモデルからの出力を取得する（Ｓ２２）。プロセッサ１１は、取得した当該出力をワーク９０の接合強度として決定することで、ワーク９０の接合強度を非破壊で予測する。
［４－２．第２変形例］
　上記の実施の形態では、温度画像に対して離散フーリエ変換を施すことで位相画像を抽出する例について説明したが、本開示はこれに限定されない。プロセッサ１１は、例えば、離散フーリエ変換に代えてフーリエ変換を施すことで位相画像を抽出してもよい。
［４－３．第３変形例］
　上記の実施の形態では、位相画像において位相値が低い部分ほど熱が伝わり易いことを示し、位相値が高い部分ほど熱が伝わり難いことを説明した。しかしながら、位相画像の各画素の位相値は、基準となる位相の値が変わると反転することがあるため、基準によっては位相値が高いほど熱が伝わり易いことを示すことがある。このような場合には、有効接合領域は、位相画像のうち位相値が所定の閾値以上である領域となる。
［４－４．第４変形例］
　上記の実施の形態では、位相画像２１のうち位相値が所定範囲内である有効接合領域の面積の比の値を示す有効面積率を算出し（Ｓ６）、算出された有効面積率に基づいて接合強度を予測する（Ｓ７）例を説明した。そこでは、位相値の所定範囲が１２°以下である例を説明した。
　しかしながら、位相値の所定範囲は、対象となるワークについての位相範囲と相関係数（有効面積率と接合強度との相関係数）との関係に基づいて決定されればよく、１２°以下に限定されない。製品毎にワークの形状は異なることがあり、ワークの形状が異なると位相範囲と相関係数との関係も変化し得るからである。例えば、有効接合領域を決定する際に、相関係数が大きくなる位相範囲（有効位相範囲）を適用すれば、特に精度良くワークの接合強度を予測することができる。以下、相関係数が閾値以上、例えば最も大きくなるような位相範囲を探索するための有効位相範囲決定処理を説明する。
　図１４は、有効位相範囲決定処理の一例を示すフローチャートである。図１４の処理は、例えばプロセッサ１１によって実行され、決定された有効位相範囲は、記憶装置１２に格納される。あるいは、図１４の処理は、他の情報処理装置によって実行されてもよい。以下では、プロセッサ１１を主体とする例を説明する。
　まず、プロセッサ１１は、あるサンプルに対して位相画像取得処理を実行する。位相画像取得処理は、例えば図３のステップＳ１～Ｓ５を実行する処理である。サンプルは、ワーク９０と同種類のサンプルであり、ワーク９０と同様の接合領域を有する。
　プロセッサ１１は、接合領域マスク情報を取得する（Ｓ４１）。マスク情報は、例えば記憶装置１２などの記憶媒体に予め格納される。ステップＳ４１は、図１０のステップＳ１１と同様の処理であってもよい。
　プロセッサ１１は、ステップＳ４１で取得した接合領域マスク情報から接合領域の面積を算出する（Ｓ４２）。例えば、プロセッサ１１は、マスク画像の白い画素の数を、接合領域の面積として算出する。
　次に、プロセッサ１１は、位相画像のうち接合領域以外の領域を除外して接合領域画像を生成する（Ｓ４３）。例えば、プロセッサ１１は、セグメント画像の接合領域に相当する部分以外の部分を黒（画素値０）とすることにより、接合領域画像を生成する。あるいは、プロセッサ１１は、マスク画像を用いて位相画像にマスク処理を施すことにより接合領域画像を生成してもよい。
　次に、プロセッサ１１は、予め設定された位相の探索範囲を取得する。図示の例では、プロセッサ１１は、探索対象である位相値の最小値Ｎｉ及び最大値Ｎｅを取得する（Ｓ４４）。最小値Ｎｉ及び最大値Ｎｅは、例えば、予め記憶装置１２に格納されている。本実施の形態では、最小値Ｎｉと最大値Ｎｅとの間で相関係数が最も大きくなるような位相範囲（有効位相範囲）を探索する。その際、プロセッサ１１は、最小値Ｎｉと最大値Ｎｅとの間で位相範囲をｎ個のステップに分割し（ｎは２以上の整数）、各ステップにおける相関係数を算出する。ステップ数ｎも予め記憶装置１２に格納され、ステップＳ４４においてプロセッサ１１によって取得される。
　プロセッサ１１は、位相の探索のために、変数ｋ（ｋは０以上の整数）の初期値を０にし（Ｓ４５）、現在の位相値ＮをＮｉ＋（Ｎｅ－Ｎｉ）ｋ／ｎとする（Ｓ４６）。ｋが初期値（０）であるとき、Ｎ＝Ｎｉである。
　プロセッサ１１は、接合領域画像に２値化処理を施し、接合領域画像のうち位相値が所定範囲内（Ｎｉ以上Ｎ以下）である画素を白（画素値１）にした有効接合領域画像を生成する（Ｓ４７）。
　次に、プロセッサ１１は、有効接合領域画像の白い画素の数を、有効接合領域の面積として算出する（Ｓ４８）。
　プロセッサ１１は、接合領域の面積に対する有効接合領域の面積の比の値を、有効面積率として算出する（Ｓ４９）。例えば、プロセッサ１１は、ステップＳ４８で算出された有効接合領域の面積（Ａ１）を、ステップＳ４２で算出された接合領域の面積（Ａ２）で除することによって有効面積率（Ａ１／Ａ２）を算出する。
　プロセッサ１１は、ステップＳ４６～Ｓ４９の処理を繰り返すことで、探索範囲内で有効位相範囲を探索する。具体的には、例えば、プロセッサ１１は、ステップＳ４６～Ｓ４９の処理を実行した後、ステップＳ４６で決定されたＮがＮｅに等しいか否かを判定する（Ｓ５０）。Ｎ＝Ｎｅでない場合（Ｓ５０でＮｏ）、プロセッサ１１は、ｋをインクリメントし（Ｓ５１）、ステップＳ４６～Ｓ５０の処理を実行する。
　ステップＳ５０においてＮ＝Ｎｅである場合（Ｓ５０でＹｅｓ）、ステップＳ５２に進む。
　ステップＳ５２では、プロセッサ１１は、サンプルの接合強度を取得する（Ｓ５２）。接合強度は、例えば剥離試験によって計測される。
　プロセッサ１１は、ステップＳ２９で算出された有効面積率と、ステップＳ５２で取得した接合強度とを紐付けて記憶装置１２に記録する。
　以上の処理は、データ数（サンプル数）が所定数に達するまで実行される（Ｓ５４、Ｓ５５）。所定数はユーザ等によって予め決定される。例えば、データ数が十分でない場合（Ｓ５４でＮｏ）、サンプルが交換され（Ｓ５５）、交換後のサンプルについてステップＳ１、Ｓ２１～Ｓ５４の処理が実行される。
　データ数が所定数に達すると（Ｓ５４でＹｅｓ）、プロセッサ１１は、ステップＳ５３で記録されたデータに基づいて、各位相範囲について、有効面積率と接合強度との相関係数を算出する（Ｓ５６）。これにより、図９に示したような位相範囲と相関係数との関係を示すグラフが得られる。
　プロセッサ１１は、ステップＳ５６の結果に基づいて、有効面積率と接合強度との相関係数が閾値以上となる有効位相範囲を決定する（Ｓ５７）。
　以上のように、図１４に示した有効位相範囲決定処理により、相関係数が閾値以上となるような位相範囲を探索することができる。有効接合領域を決定する際に、有効位相範囲決定処理により決定された有効位相範囲を適用すれば、特に精度良くワークの接合強度を予測することができる。
［５．態様例］
　以下、本開示の態様を例示する。
＜態様１＞
　所定の接合領域で接合された対象物を撮影装置が時系列で撮影して生成した温度画像データを取得する入力部と、
　前記温度画像データに基づいて前記対象物の接合強度を予測するプロセッサとを備え、
　前記プロセッサは、
　　前記温度画像データに対してフーリエ変換又は離散フーリエ変換を施して、前記対象物の位相特性を示す位相画像を生成し、
　　前記接合領域の面積に対する、前記位相画像のうち位相値が所定範囲内である有効接合領域の面積の比の値を示す有効面積率を算出し、
　　算出された前記有効面積率に基づいて前記接合強度を予測する、
　検査装置。
＜態様２＞
　前記有効接合領域は、前記位相画像のうち熱が伝わり易い領域である、態様１に記載の検査装置。熱が伝わり易い領域の一例は、位相画像のうち位相値が所定の閾値以下、又は所定の閾値以上である領域である。
＜態様３＞
　前記プロセッサは、前記位相画像において、前記接合領域に含まれる画素の数に対する、前記有効接合領域に含まれる画素の数の比の値を算出することで、前記有効面積率を算出する、態様１又は２に記載の検査装置。
＜態様４＞
　前記プロセッサは、前記有効面積率と前記接合強度との関係を示す相関情報を用いて、算出された前記有効面積率に基づいて前記接合強度を予測する、態様１～３のいずれかに記載の検査装置。
＜態様５＞
　前記プロセッサは、前記接合強度の予測結果を示す情報を報知装置に報知させる、態様１～４のいずれかに記載の検査装置。
＜態様６＞
　前記接合強度の予測結果を示す情報を記憶する記憶装置を更に備える、態様１～５のいずれかに記載の検査装置。
＜態様７＞
　所定の接合領域で接合された対象物を撮影装置が時系列で撮影して生成した温度画像データを取得する入力部と、
　接合された対象物の位相画像と実測された接合強度とを学習用データセットとして用いて機械学習された学習済みモデルを格納する記憶装置と、
　前記記憶装置にアクセス可能であり、前記温度画像データに対してフーリエ変換又は離散フーリエ変換を施して、前記対象物の位相特性を示す位相画像を生成するプロセッサと、を備え、
　前記プロセッサは、前記位相画像を前記学習済みモデルに入力して、前記学習済みモデルから接合強度を取得し、前記接合強度を予測する、
　検査装置。
＜態様８＞
　所定の接合領域で接合された対象物を撮影装置が時系列で撮影して生成した温度画像データに基づいて前記対象物の接合強度を予測する検査方法であって、
　プロセッサが、前記温度画像データを取得するステップと、
　前記プロセッサが、前記温度画像データに対してフーリエ変換又は離散フーリエ変換を施して、前記対象物の位相特性を示す位相画像を生成するステップと、
　前記プロセッサが、前記接合領域の面積に対する、前記位相画像のうち位相値が所定範囲内である有効接合領域の面積の比の値を示す有効面積率を算出するステップと、
　前記プロセッサが、算出された前記有効面積率に基づいて前記接合強度を予測するステップと、
　を含む、検査方法。
＜態様９＞
　学習済みモデルを記憶する記憶装置にアクセス可能なプロセッサが、所定の接合領域で接合された対象物を撮影装置が時系列で撮影して生成した温度画像データに基づいて前記対象物の接合強度を非破壊で予測する検査方法であって、
　前記学習済みモデルは、接合された対象物の位相画像と実測された接合強度とを学習用データセットとして用いて機械学習されたモデルであり、
　前記検査方法は、
　　前記プロセッサが、前記温度画像データに対してフーリエ変換又は離散フーリエ変換を施して、前記対象物の位相特性を示す位相画像を生成するステップと、
　　前記プロセッサが、前記位相画像を前記学習済みモデルに入力するステップと、
　　前記プロセッサが、前記学習済みモデルから接合強度を取得し、前記接合強度を予測するステップと、
　を含む、検査方法。
　本開示は、検査装置及び検査方法に適用可能である。
　１　検査システム
　１０　検査装置
　１１　プロセッサ
　１２　記憶装置
　１３　インタフェース
　１５　コントロールボックス
　１６　電源
　１７　赤外線カメラ
　１８　励起源
　１９　報知装置
　２１　位相画像
　２２　セグメント画像
　２３　接合領域画像
　２４　有効接合領域画像
　３０　学習装置
　３１　プロセッサ
　３２　記憶装置
　３３　インタフェース
　９０　ワーク
　９１　透過材
　９２　吸収材
　９５　接合領域
　３２１　モデル

Claims (9)

  1. 　所定の接合領域で接合された対象物を撮影装置が時系列で撮影して生成した温度画像データを取得する入力部と、
    　前記温度画像データに基づいて前記対象物の接合強度を予測するプロセッサとを備え、
    　前記プロセッサは、
    　　前記温度画像データに対してフーリエ変換又は離散フーリエ変換を施して、前記対象物の位相特性を示す位相画像を生成し、
    　　前記接合領域の面積に対する、前記位相画像のうち位相値が所定範囲内である有効接合領域の面積の比の値を示す有効面積率を算出し、
    　　算出された前記有効面積率に基づいて前記接合強度を予測する、
    　検査装置。
  2. 　前記有効接合領域は、前記位相画像のうち位相値が所定の閾値以下、又は所定の閾値以上である領域である、請求項１に記載の検査装置。
  3. 　前記プロセッサは、前記位相画像において、前記接合領域に含まれる画素の数に対する、前記有効接合領域に含まれる画素の数の比の値を算出することで、前記有効面積率を算出する、請求項１に記載の検査装置。
  4. 　前記プロセッサは、前記有効面積率と前記接合強度との関係を示す相関情報を用いて、算出された前記有効面積率に基づいて前記接合強度を予測する、請求項１に記載の検査装置。
  5. 　前記プロセッサは、前記接合強度の予測結果を示す情報を報知装置に報知させる、請求項１～４のいずれかに記載の検査装置。
  6. 　前記接合強度の予測結果を示す情報を記憶する記憶装置を更に備える、請求項１に記載の検査装置。
  7. 　所定の接合領域で接合された対象物を撮影装置が時系列で撮影して生成した温度画像データを取得する入力部と、
    　接合された対象物の位相画像と実測された接合強度とを学習用データセットとして用いて機械学習された学習済みモデルを格納する記憶装置と、
    　前記記憶装置にアクセス可能であり、前記温度画像データに対してフーリエ変換又は離散フーリエ変換を施して、前記対象物の位相特性を示す位相画像を生成するプロセッサと、を備え、
    　前記プロセッサは、前記位相画像を前記学習済みモデルに入力して、前記学習済みモデルから接合強度を取得し、前記接合強度を予測する、
    　検査装置。
  8. 　所定の接合領域で接合された対象物を撮影装置が時系列で撮影して生成した温度画像データに基づいて前記対象物の接合強度を予測する検査方法であって、
    　プロセッサが、前記温度画像データを取得するステップと、
    　前記プロセッサが、前記温度画像データに対してフーリエ変換又は離散フーリエ変換を施して、前記対象物の位相特性を示す位相画像を生成するステップと、
    　前記プロセッサが、前記接合領域の面積に対する、前記位相画像のうち位相値が所定範囲内である有効接合領域の面積の比の値を示す有効面積率を算出するステップと、
    　前記プロセッサが、算出された前記有効面積率に基づいて前記接合強度を予測するステップと、
    　を含む、検査方法。
  9. 　学習済みモデルを記憶する記憶装置にアクセス可能なプロセッサが、所定の接合領域で接合された対象物を撮影装置が時系列で撮影して生成した温度画像データに基づいて前記対象物の接合強度を非破壊で予測する検査方法であって、
    　前記学習済みモデルは、接合された対象物の位相画像と実測された接合強度とを学習用データセットとして用いて機械学習されたモデルであり、
    　前記検査方法は、
    　　前記プロセッサが、前記温度画像データに対してフーリエ変換又は離散フーリエ変換を施して、前記対象物の位相特性を示す位相画像を生成するステップと、
    　　前記プロセッサが、前記位相画像を前記学習済みモデルに入力するステップと、
    　　前記プロセッサが、前記学習済みモデルから接合強度を取得し、前記接合強度を予測するステップと、
    　を含む、検査方法。
PCT/JP2024/027181 2023-07-31 2024-07-30 検査装置及び検査方法 Pending WO2025028529A1 (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2023124725 2023-07-31
JP2023-124725 2023-07-31
JP2024-106839 2024-07-02
JP2024106839 2024-07-02

Publications (1)

Publication Number Publication Date
WO2025028529A1 true WO2025028529A1 (ja) 2025-02-06

Family

ID=94394937

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2024/027181 Pending WO2025028529A1 (ja) 2023-07-31 2024-07-30 検査装置及び検査方法

Country Status (1)

Country Link
WO (1) WO2025028529A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0342567A (ja) * 1989-07-10 1991-02-22 Hitachi Constr Mach Co Ltd 非破壊検査方法及び装置
WO2013085075A1 (ja) * 2011-12-09 2013-06-13 本田技研工業株式会社 非破壊検査方法、非破壊検査システム及び非破壊検査制御装置
CN109581200A (zh) * 2018-11-30 2019-04-05 北京卫星制造厂有限公司 基于红外热像测试数据确定虚焊焊点特征频带的方法
JP2019158417A (ja) * 2018-03-08 2019-09-19 株式会社ジェイテクト 光学非破壊検査方法及び光学非破壊検査装置
JP2022083168A (ja) * 2020-11-24 2022-06-03 パナソニックＩｐマネジメント株式会社 レーザ加工システム及び治具

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0342567A (ja) * 1989-07-10 1991-02-22 Hitachi Constr Mach Co Ltd 非破壊検査方法及び装置
WO2013085075A1 (ja) * 2011-12-09 2013-06-13 本田技研工業株式会社 非破壊検査方法、非破壊検査システム及び非破壊検査制御装置
JP2019158417A (ja) * 2018-03-08 2019-09-19 株式会社ジェイテクト 光学非破壊検査方法及び光学非破壊検査装置
CN109581200A (zh) * 2018-11-30 2019-04-05 北京卫星制造厂有限公司 基于红外热像测试数据确定虚焊焊点特征频带的方法
JP2022083168A (ja) * 2020-11-24 2022-06-03 パナソニックＩｐマネジメント株式会社 レーザ加工システム及び治具

Similar Documents

Publication Publication Date Title
JP6301951B2 (ja) サーモグラフィを用いた試料の検査方法およびシステム
Yuan et al. Machine‐learning‐based monitoring of laser powder bed fusion
TWI621849B (zh) 用於偵測晶圓上之缺陷之電腦實施方法、非暫時性電腦可讀媒體及系統
JP6715282B2 (ja) 品質監視システム
US20250148056A1 (en) Computer vision inferencing for non-destructive testing
US11139216B2 (en) System, method and non-transitory computer readable medium for tuning sensitivities of, and determining a process window for, a modulated wafer
CN118822996B (zh) 基于MIU-Transformer的装配式桥梁焊接质量检测方法
KR20230028469A (ko) 트레이닝된 인공 지능 기반 프로세싱을 통한 비파괴 테스트(ndt)를 위한 방법들 및 시스템들
CN120912943A (zh) 一种管道缺陷的ai识别方法、系统、介质及产品
US20240053287A1 (en) Probability of detection of lifecycle phases of corrosion under insulation using artificial intelligence and temporal thermography
JP2007256119A (ja) 検査装置、積層装置、及び検査方法
WO2025028529A1 (ja) 検査装置及び検査方法
WO2024247985A1 (ja) 検査装置及び検査方法
US9939486B2 (en) Integrated time dependent dielectric breakdown reliability testing
KR102760440B1 (ko) 인공지능 기반 방사선 투과 검사 시스템
CN118705558B (zh) 基于声学分析的燃气管道探测系统
JP2024170899A (ja) 検査装置及び検査方法
CN118655141A (zh) 一种钢结构质量检测方法和系统
KR102156421B1 (ko) 장비 검사 시스템
WO2025047241A1 (ja) 検査方法、検査装置、及び接着物の製造方法
KR102923305B1 (ko) 공정 현장 데이터 연계 용접 품질관리 시스템 및 그 방법
JP7090600B2 (ja) 移動体危険度評価装置，移動体監視システム及び移動体危険度評価処理プログラム
WO2024181524A1 (ja) 異物検知装置及び異物検知方法
JP2020036226A (ja) 撮影タイミング制御装置、撮像システムおよび撮像方法
JP2003329543A (ja) レンズの結像位置検出方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 24849174

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2025537446

Country of ref document: JP

Kind code of ref document: A