JPH07175894A

JPH07175894A - ニューラルネットワークと文字認識方法と電子部品実装検査装置及びそれを用いた管理方法

Info

Publication number: JPH07175894A
Application number: JP6269190A
Authority: JP
Inventors: Kenji Okuda; 健児奥田; Hiroshi Tsukada; 弘志塚田
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1993-11-05
Filing date: 1994-11-02
Publication date: 1995-07-14

Abstract

(57)【要約】【目的】電子部品の表面に印字された文字をニュー
ラルネットワークを用いた文字認識方法によって正確に
認識し、この結果から逆付けや誤実装の検出に加えてプ
リント基板の品質管理や生産管理を行なう。【構成】プリント基板２を載置した載置台３を演算
処理装置６からの指令によりプリント基板２上のＦＰＩ
Ｃ１の配置情報に基づいて移動させる。そしてＩＴＶカ
メラ４に撮像されたＦＰＩＣ１上のメーカー名、形式
名、ロット番号等の記載事項を画像処理装置５に取り込
みニューラルネットワークを用いて文字の認識をする。
その際に文字の分割や合成を行なう。その結果からＦＰ
ＩＣ１のプリント基板２への逆付けや誤実装の検出に加
えてプリント基板２を用いた製品の品質管理や生産管理
をも行なう。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、半導体装置等の電子部
品を実装したプリント基板の検査工程において、この半
導体装置のパッケージに記載したメーカー名、形式名、
ロット番号、製造地等を読み出しこの結果からプリント
基板の実装が確実に行われているかをニューラルネット
ワークを用いた文字認識方法によって検査する電子部品
実装検査装置と、さらにそれを用いてプリント基板の品
質管理を行う品質管理方法とと、このプリント基板を搭
載した製造物の生産管理方法と、この製造物自体の管理
方法に関する。

【０００２】

【従来の技術】特開平2-21386 号公報においては数字
と、アルファベットとを区別して認識する認識装置が示
されており、特開平4-333179号公報においては通常文字
と、これに対してネガの関係にある反転文字とを認識す
る認識装置とその方法が示されている。

【０００３】さらに特開平2-139686号公報には全角文字
と半角文字とを統合してなる統合文字の認識率の向上に
関する文字読取り方法が示されている。また、特開平6-
69698 号公報には完成品プリント基板に搭載されている
部品を撮影し、画面表示したときの画像位置情報と、こ
の搭載部品の設計時での実装位置情報とを対応づけて登
録するプリント基板の部品登録方式やこの方式を利用し
たプリント基板の部品搭載検査装置などが示されてい
る。

【０００４】

【発明が解決しようとする課題】上記のような構成の従
来の文字認識方法及び電子部品実装検査装置では、以下
に述べるような問題点が発生してくる。まず、文字集合
の正誤の判断の根拠とするためのマスタの電子部品が必
要となる（特開平2-21386 号公報におけるマスタ、特開
平4-333179号公報におけるティーチングデータ）ので、
必ず鮮明な印字の電子部品が必要となる。そしてこのマ
スタの電子部品を検査装置に読み込ませる工程も必要と
なる。

【０００５】また特開平2-139686号公報の開示技術に示
されている文字の読取り方法では全角文字と半角文字と
を統合してなる統合文字の認識率の向上のみを対象とし
ており、全角文字や半角文字に拘らない、単文字内での
分割や単文字間の結合といった場合での認識率の向上へ
の対処の方法が開示されてはいない。

【０００６】そして特開平6-69698 号公報の開示技術で
は検査は作業者により部品の表示画像と、予め定められ
ている部品のデータとが照合されることで行われる。従
って作業者の確認を経なけければ、この開示技術は実施
できない。

【０００７】更に上記のような電子部品実装検査装置を
用いて、その結果から電子部品の実装されたプリント基
板の出荷後の品質管理を行うシステムの提案は無きに等
しいのが実状であった。つまり、これらの電子部品実装
検査装置では逆付けや誤実装の検出のみを目的とするも
のであり、ロット番号は検出していなかった。そのため
一たび実装基板に不良が起きても、これらの電子部品実
装検査装置ではこれから不良を起こす可能性の高い電子
部品を特定するのは、ほぼ不可能であった。

【０００８】因みに電子部品のプリント基板の品質管理
に必要なロット番号などは目視で記録しているデータを
用いていた。そのため人為的ミスによりデータの誤りが
発生しやすかった。

【０００９】

【課題を解決するための手段】本発明は、上記のような
技術的課題を解決するためになされたものであり、第一
には入力層と中間層と出力層とを具備するニューラルネ
ットワークにおいて、所定の範囲の入力層を特定部分の
中間層にのみ接続することを特徴とするニューラルネッ
トワークを提供するものである。

【００１０】第二には被検査体に印字されている文字を
切りだして文字を認識する文字認識方法において、切り
だした文字もしくは文字の一部分に対する外接長方形の
幅又は高さを他の切りだした文字もしくは文字の一部分
に対する外接長方形の幅又は高さの平均と比較して、こ
の比較の結果と所定の基準とに基づいて前記切りだした
文字もしくは文字の一部分に対する外接長方形の少なく
とも分割もしくは合成を行い、文字の認識をすることを
特徴とする文字認識方法を提供するものである。

【００１１】第三には被検査体に印字されている文字を
切りだして文字を認識する文字認識方法において、切り
だした文字もしくは文字の一部分に対する外接長方形の
中心座標が他の切りだした文字もしくは文字の一部分の
外接長方形に含まれる場合には、前記切りだした文字も
しくは文字の一部分に対する外接長方形と、この他の切
りだした文字もしくは文字の一部分に対する外接長方形
との合成を行い、文字の認識をすることを特徴とする文
字認識方法を提供するものである。

【００１２】第四には被検査体に印字されている文字を
切りだして文字を認識する文字認識方法において、所定
の文字集合と各前記文字を切りだして作成した認識候補
による文字集合とを比較して、少なくとも異なった結果
の場合には前記所定の文字集合の中で、この認識候補に
よる文字集合と一致する文字の最も多い文字集合を認識
結果とすることを特徴とする文字認識方法を提供するも
のである。

【００１３】第五には被検査体に印字されている文字を
切りだして文字を認識する文字認識方法において、この
文字を形成している画素の集合を所定の数の領域に分割
し、この各領域内の画素の個数をそれぞれ求め、この個
数を前記各領域間で比較し、その結果から文字を認識す
ることを特徴とする文字認識方法を提供するものであ
る。

【００１４】第六には被検査体に印字されている文字を
切りだして文字を認識する文字認識方法において、各前
記文字を切りだして作成した各認識候補とニューラルネ
ットワークを用いて求めた学習結果との類似度を求め、
この各認識候補と前記学習結果との類似度の積の値が所
定の条件を満たすことで前記文字集合を認識することを
特徴とする文字認識方法を提供するものである。

【００１５】第七には被検査体に印字されている文字を
切りだして文字を認識する文字認識方法において、前記
文字で形成される文字集合に対する走査方向に略垂直な
方向の前記文字集合のプロジェクションデータが、前記
文字集合に対する走査方向に略平行な方向の前記文字集
合のプロジェクションデータよりも、そのピーク値の個
数が多い場合には前記文字集合を形成している文字を回
転させてから前記文字を認識することを特徴とする文字
認識方法を提供するものである。

【００１６】第八には被検査体に印字されている文字を
切りだして文字を認識する文字認識方法において、少な
くとも正確な文字列候補が認識できない場合には全ての
外接長方形の幅及び高さの平均値を求める工程と、所定
の外接長方形の幅及び高さの値を求める工程と、この所
定の外接長方形の幅及び高さの値を前記全ての外接長方
形の幅及び高さの平均値とそれぞれ比較する工程と、前
記所定の外接長方形の幅又は高さの値が前記全ての外接
長方形の幅又は高さの平均値よりも小さい場合には前記
所定の外接長方形と他の外接長方形との合成を行う工程
と、前記所定の外接長方形の幅又は高さの値が前記全て
の外接長方形の幅又は高さの平均値よりも大きい場合に
は前記所定の外接長方形の分割を行う工程とを備えるこ
とを特徴とする文字認識方法を提供するものである。

【００１７】第九には被検査体に印字されている複数の
大きさを持つ文字列を切りだして文字を認識する文字認
識方法において、略同じ大きさの前記文字の集合をこの
集合を構成する画素の総和に基づいてクラスタに統合す
る工程と、このクラスタ毎に前記クラスタ内に形成され
る全ての外接長方形の幅及び高さについての総平均を求
める工程と、前記外接長方形の一つについて、その幅及
び高さの平均を求める工程と、前記総平均とこの平均と
を比較する工程と、この比較の結果と所定の基準とに基
づいて前記外接長方形の分割及び統合を行うことを特徴
とする文字認識方法を提供するものである。

【００１８】第十には半導体装置などの電子部品に印字
されている文字を認識するとともに、この認識結果から
前記電子部品の逆付けや誤実装の検出を行う電子部品実
装検査装置において、前記文字を撮像する撮像手段と、
この撮像手段によって得られた画像を２値化する２値化
手段と、この２値化された画像から前記文字を切りだす
文字切りだし手段と、前記２値化された画像から切りだ
された前記文字を認識する文字認識手段と、この文字認
識手段で少なくとも正確な認識がなされない場合には、
前記文字切りだし手段によって切りだした文字もしくは
文字の一部分に対して、少なくとも分割もしくは合成を
行う文字分割合成手段と、予め所定の文字集合を記憶し
た文字記憶手段と、この文字記憶手段に記憶されている
文字集合と前記文字認識手段によって得られた前記文字
の認識結果による文字集合とを比較して、少なくとも双
方が一致しない場合には、双方が合致する文字が最も多
い前記文字記憶手段に記憶されている文字集合を選ぶ文
字集合選択手段とを具備したことを特徴とする電子部品
実装検査装置と、それに加えてこの電子部品実装検査装
置を用いた生産管理方法と品質管理方法と製造物管理方
法とを提供するものである。

【００１９】第十一には半導体装置などの電子部品に印
字されている文字を認識するとともに、この認識結果か
ら前記電子部品の逆付けや誤実装の検出を行う電子部品
実装検査装置において、前記文字を撮像する撮像手段
と、この撮像手段によって得られた画像を２値化する２
値化手段と、この２値化された画像から前記文字を切り
だす文字切りだし手段と、前記２値化された画像から切
りだされた前記文字を認識する文字認識手段と、この文
字認識手段で少なくとも正確な認識がなされない場合に
は、前記文字切りだし手段によって切りだした文字もし
くは文字の一部分に対して、少なくとも分割もしくは合
成を行う文字分割合成手段と、予め所定の文字種のみに
分類された文字集合を記憶した文字記憶手段と、この文
字記憶手段に記憶されている文字集合と前記文字認識手
段によって得られた前記文字の認識結果による文字集合
とを比較して、文字種が同一の場合のみに次の被検査対
象である前記電子部品の検査を行う検査正誤判定手段と
を具備したことを特徴とする電子部品実装検査装置と、
それに加えてこの電子部品実装検査装置を用いた生産管
理方法と品質管理方法と製造物管理方法とを提供するも
のである。

【００２０】

【作用】請求項１に記載のニューラルネットワークによ
ると、入力層と出力層との接続数が大幅に削減されて学
習時間が短縮化される。そして判断に重要な中間層の特
定のニューロンのみを局所的に選択することにより学習
の進行が阻害されないので効率のよい認識が可能とな
る。更には有効な働きをしない無能力な中間層のニュー
ロンの数を最小限に押さえることができる。

【００２１】請求項２乃至請求項１０に記載の文字認識
方法によると、掠れ、滲み、分割部分などのある不明瞭
な文字を正確に認識し、この結果から逆付けや誤実装の
検出もできる。

【００２２】請求項１１乃至請求項１７に記載の電子部
品実装検査装置によると、被検査物である電子部品の表
面に印字された掠れ、滲み、分割部分などのある不明瞭
な文字を正確に認識し、この結果から逆付けや誤実装の
検出もできる。請求項１８乃至請求項２０に記載の管理
方法によるとプリント基板を用いた製品の生産管理や品
質管理を行なうことが可能となる。

【００２３】

【実施例】まず、図１に本発明の一実施例を示す。本発
明の電子部品実装検査装置はＩＣ等の電子部品（以下、
ＦＰＩＣ(Flat Package Integrated Circuit) を例にし
て記す）１の実装されているプリント基板２が載置して
ある載置台３と、載置台３上のＦＰＩＣ１を撮像するＩ
ＴＶカメラ４と、ＩＴＶカメラ４によって撮像された画
像の処理をする画像処理装置５と、画像処理装置５によ
る画像処理データを処理する演算処理装置６と、ＩＴＶ
カメラ４によって撮像された画像及びＦＰＩＣ１の認識
結果を表示するモニタ７とにより構成されている。

【００２４】ここでＩＴＶカメラ４は載置台３の上方に
固定してあり、載置台３はＸＹテーブル８によりＸＹ方
向に移動することが可能となっている。そして画像処理
装置５はＩＴＶカメラ４から画像を取り込むカメライン
タフェース部（図中のカメラＩ／Ｆ）と、取り込んだ画
像をラベル付け処理するラベリング部（図中のＬＡＢ）
と、ラベル付け処理されたデータから孤立点を除去する
と共に規格に合わない大きさの図形やマーク等を除去す
るフィルタ部（図中のＦＬＴ）と、取り込んだ画像につ
いてクラスタ化を行ないこの画像中での文字範囲（以
下、外接長方形と記す）を決定する文字範囲決定部（図
中のＭＥＡＳ）と、取り込んだ画像をモニタ７に表示す
るモニタインタフェース部（図中のモニタＩ／Ｆ）と、
取り込んだ画像を記憶する画像メモリ部とにより構成さ
れている。

【００２５】さらに演算処理装置６は実際に演算を行う
ＣＰＵと、この電子部品実装検査装置の起動プログラム
を記憶しているＲＯＭと、プリント基板２上のＦＰＩＣ
１の配置情報及び取り込んだ画像の認識結果を保存して
おくＲＡＭと、画像処理装置５とのデータの受け渡しを
する画像処理装置インタフェース部（図中の画像処理装
置Ｉ／Ｆ）と、プリント基板２の撮像部位を変えるため
に載置台３の移動を行うというＣＰＵからの指令をＸＹ
テーブル８に伝達するテーブルインタフェース部（図中
のテーブルＩ／Ｆ）とにより構成されている。

【００２６】以下に本発明の一実施例の動作を説明す
る。まず、プリント基板２を載置した載置台３を演算処
理装置６からの指令によりプリント基板２上のＦＰＩＣ
１の配置情報に基づいて移動させる。そしてＩＴＶカメ
ラ４に撮像されたＦＰＩＣ１上のメーカー名、形式名、
ロット番号等の記載事項を画像処理装置５に取り込む。
なお、配置情報（設計データ）は予めバーコード等で設
計情報を読み取ることで登録しておく。

【００２７】画像処理装置５内の文字の認識における処
理については、図２乃至図９に示すが、以下に詳解す
る。但し文字認識に用いるニューラルネットワークの基
本構造は、図２に「６」を例にして示すように入力層９
と、中間層１０と、出力層１１とによって構成される階
層型となっている。なお、出力層１１のニューロン１２
…はＦＰＩＣ１に印字されているアルファベットやアラ
ビア数字等の一つずつに対応している。

【００２８】まず、画像処理装置５に取り込まれたＩＴ
Ｖカメラ４が撮像した画像を２値化する。そしてこの２
値画像における文字の大きさを所定の大きさ（ここでは
２４×２４画素）に正規化する（第１の正規化）。そし
てメッシュ領域１３…に分割して、２値化されている情
報を圧縮する（ここでは８×８メッシュ領域）。次に、
このメッシュ領域１３…内の圧縮された情報を０〜１の
実数値に正規化する（第２の正規化）。

【００２９】それからメッシュ領域１３…内の圧縮され
た情報の前記の正規化された実数値を入力層９のニュー
ロン１２…に入力する。そして中間層１０においては、
入力層９からの信号ｉ_k と重み係数ｗ_k （ｋは自然数）
との積和演算を行ない、この結果をシグモイド関数(Sig
moid Function)により０〜１の実数値に正規化して（第
３の正規化）出力層１１のニューロン１２…に出力す
る。なお、出力層１１には分類する文字の種類に対応す
る数のニューロン１２…があり、どのニューロン１２…
の出力が大きいのかによって文字の認識をする。

【００３０】なお、本実施例のニューラルネットワーク
の学習アルゴリズムにはバックプロパゲーションアルゴ
リズム(Back Propagation Algorism) を使用している。
そして補修学習の考え方を取り入れ、バックプロパゲー
ションアルゴリズムの学習が進むにつれて学習の後半部
において、学習済みパターン（学習結果の文字との類似
度大）によって学習の進行が阻害されるのを防ぐために
選択的に学習する方法を取り入れている。ただ、ここで
学習の前半部と学習の後半部との区別は人間が定性的に
判断するしかなく具体的なアルゴリズムとしては存在し
ないのが現状である。

【００３１】具体的には学習結果の文字との類似度が小
さい文字に対してのみ出力層１１から学習結果の文字と
認識した文字との誤差を逆伝播し、まだ学習が進んでお
らず文字認識の誤っている入力部分のみについて集中的
に学習を行うようにしている。

【００３２】また、前記のバックプロパゲーションアル
ゴリズムを用いた一般的な階層型ニューラルネットワー
クにおいては入力層９と中間層１０と出力層１１とが全
て接続されているのに対して、本実施例では図３に示す
ように入力層９と中間層１０とを全て接続することはせ
ずに入力層９における８×８のメッシュ領域１３…から
の入力値を局所的に中間層１０の特定のニューロン１２
…に接続している。

【００３３】具体的には、図４の（ａ）及び（ｂ）のよ
うにメッシュ領域１３…における（１，１）成分（図４
（ａ）に示す）がニューロン１２…の（１，１）成分
（図４（ｂ）に示す）に接続されるようになっている。
つまり、メッシュ領域１３…における（ｘ，ｙ）成分が
ニューロン１２…の（ｘ，ｙ）成分に接続されるように
なっている。但し、本実施例では１≦（ｘ，ｙ）≦３と
なる。

【００３４】このような手法をとることにより、まず入
力層９と出力層１１との接続数が大幅に削減されて学習
時間が短縮化される。そして判断に重要な中間層１０の
特定のニューロン１２…のみを局所的に選択することに
より学習の進行が阻害されないので効率のよい認識が可
能となる。更には有効な働きをしない無能力な中間層１
０のニューロン１２…の数を最小限に押さえることがで
きる。

【００３５】さて、出力層１１のニューロン１２…から
の出力値はニューロン１２…がそれぞれ対応した文字
（学習結果）と実際の入力データとの類似度に相当す
る。この類似度は、本実施例では前記のシグモイド関数
によって認定されており、最大値は「１」で最小値は
「０」である。

【００３６】この類似度を用いて文字の認識をしている
のであるが以下の二つの条件で判別文字を決定してい
る。即ち、これらの条件を満たさないものを判別不能と
している。

【００３７】条件１：第一位の類似度が0.8 以上条件２：第一位の類似度と第二位の類似度との差が0.2
以上なおここで、第一位とは出力値が一番目に大きいニュー
ロン１２…によって認定される文字であり、第二位とは
出力値が二番目に大きいニューロン１２…によって認定
される文字である。

【００３８】さらに「Ｂ」と「８」とや「Ｏ」と「Ｄ」
とのように類似したフォントを持つ文字の場合には前記
のバックプロパゲーションアルゴリズムを用いた階層型
ニューラルネットワークでの判別結果だけからでは誤判
別をしてしまう可能性があるために、本実施例では文字
の局所的な特徴をもとに、既に認識した文字の認識結果
を補正している。

【００３９】「Ｂ」と「８」とを例に図５を用いて説明
すると、本実施例における階層型ニューラルネットワー
クでの判別結果の第一位が「Ｂ」または「８」であった
場合には２値化して第１の正規化を行った文字パターン
の画像における左上(LeftUpper)と、左下(Left Lower)
と、右上(Right Upper) と、右下(Right Lower) という
四つの評価領域を設定する。

【００４０】そして各評価領域内の画素数を求め、左上
(Left Upper)と左下(Left Lower)との画素数の合計３９
が、右上(Right Upper) と右下(Right Lower) との画素
数の合計１１よりも二倍以上多いことにより、「Ｂ」を
補正結果としている。

【００４１】これとは逆に、左上(Left Upper)と左下(L
eft Lower)との画素数の合計が、右上(Right Upper) と
右下(Right Lower) との画素数の合計よりも少ない場合
には、所定の条件で「８」を補正結果としている。

【００４２】以上が本実施例での単文字の認識の概要で
あるが、ＦＰＩＣ１上に印字された文字の認識のために
はＦＰＩＣ１上に印字された文字の切り出しを行わなく
てはならない。ここでいう文字の切り出しとは、画像デ
ータから入力層９に送る文字毎のデータを取り出すこと
である。

【００４３】まず、上述したようにＩＴＶカメラ４が撮
像した画像を２値化して認識対象の文字を背景から分離
するのであるが、その際にこの２値化された文字パター
ンの画像を形成している各画素について図６のような八
つの連結された領域毎にラベル付け（領域に番号を付け
ること）をする。ここで、この八つの連結された領域と
は中心の画素Ｐ₀ の周りに連結された八画素の点集合
（８−近傍）である、Ｎ₈ （Ｐ₀ ）＝｛Ｐ₁ ，Ｐ₂ ，Ｐ
₃ ，Ｐ₄ ，Ｐ₅ ，Ｐ₆ ，Ｐ₇ ，Ｐ₈ ｝で表されている。

【００４４】但し、このようなラベル付けの作業（走
査）は文字の上方向から下方向に向かって行なうので上
部にある画素ほど早くラベル付けがなされてしまう。よ
って、図７に示すようにラベル付けがなされた順番で文
字が認識される。

【００４５】次に前記領域の画素数の値が適当なもの
（ここでは画素数の値が５０以上１５００以下）につい
てこの領域の外接長方形（以下、外接正方形も含む）の
幅と高さと中心座標とを画像処理装置５の文字範囲決定
部（図１中のＭＥＡＳ）で求める。そして図８に示すよ
うに、この中心座標が他の領域の外接長方形に含まれて
いる場合には、これらの領域を合成した外接長方形を考
える。

【００４６】更に図９に示すようにＩＴＶカメラ４が撮
像した画像のＸ方向とＹ方向とのプロジェクション（投
影）データ(Projection Data) を求める。ここでＸ方向
のプロジェクションデータがＹ方向のプロジェクション
データよりも、そのピーク値が多い場合（図９（ａ）の
場合：Ｘ方向‥８個、Ｙ方向‥２個）にはそのまま次の
処理を行うのであるが、逆にＹ方向のプロジェクション
データがＸ方向のプロジェクションデータよりも、その
ピーク値の個数が多い場合（図９（ｂ）の場合：Ｘ方向
‥２個、Ｙ方向‥８個）には文字を図９（ａ）の場合の
向きにするためにアフィン変換(Affine Transformatio
n) を施して回転させてから次の処理を行う。ここで文
字の回転は、個々の文字について行っても良いし文字集
合全体について行っても良い。

【００４７】なお、プロジェクションデータを採取せず
に、プリント基板２上のＦＰＩＣ１の配置情報及び文字
集合を形成している各文字の位置や印字方向などの印字
データを予めバーコードで登録するなどしてＣＰＵに記
憶させておき、これに基づき文字集合を形成している文
字を回転させても同様の効果が得られる。

【００４８】また、このプリント基板２上のＦＰＩＣ１
の配置情報（設計データ）とＩＴＶカメラ４から得られ
た画像情報との対応を取ることにより縮尺を撮像画像の
縮尺を決定することができる。

【００４９】さて、上述した各処理の後、前記文字範囲
決定部で求めた領域毎の外接長方形の各中心座標の並べ
替えをして文字の配列順としてから、実際に文字の切り
出しを行なう。切りだされた個々の文字は上述のように
メッシュ領域１３…に分割されてメッシュ領域１３…内
の圧縮された情報を正規化した実数値として入力層９の
ニューロン１２…に入力されることとなる。

【００５０】ここで、以上の処理から正常な認識候補の
文字が得られる図１０（メーカー名‥TOSHIBA 、形式名
‥74HCOOAP、ロット番号‥9145H 、製造地‥JAPAN ）と
は異なる場合の処理について記す。このような前記の階
層型ニューラルネットワークに入力をしても直ちに正常
な認識候補が得られない文字には図１１及び図１４のよ
うな例が考えられる。即ち図１１（メーカー名‥TOSHIB
A 、形式名‥TD62004P、ロット番号‥9214K 、製造地‥
JAPAN ）のように一つの文字が複数に分割された分割文
字の場合（文字が掠れた場合も含む）や図１４のように
複数の文字が一つに結合している結合文字の場合（文字
が滲んだ場合も含む）である。

【００５１】これらのような場合には文字の切りだし候
補と、この切りだし候補の組み合わせである文字列木と
による評価を行なうこととなる。まず図１１のように一
つの文字が複数に分割された場合を例にして説明する。

【００５２】図１１の「ＴＯＳＨＩＢＡ」の部分からは
図１２のような十四種類の切りだし候補が得られる。切
りだし候補には、単純に一つの領域を一つの切りだし候
補とする場合と、二つ以上の領域を合成して一つの候補
とする場合とがある。但し、他の文字に比べて著しく大
きい切りだし候補は作らない。本実施例では、切りだし
候補の幅は合成していない切りだし最小単位の幅の平均
の1.5 倍以下となるようにしている。

【００５３】切りだし候補を全て組み合わせて文字集合
にすると図１３に示すように文字集合候補が十二通り得
られる。文字集合候補は文字集合の先頭から矢印の順に
切りだし候補を再び前記の階層型ニューラルネットワー
クの入力層９に入力して最終的には「ＴＯＳＨＩＢＡ」
と認識される。

【００５４】次に本実施例で複数の文字が一つに結合し
ている場合を図１４に示している「４０」を例にして説
明する。このときには、まず図９におけるＹ方向のプロ
ファイルデータの少ない「４０」上の点で区切る（図１
４の点線部）。そして図１４の点線部で区切った、図１
５に示す切りだし候補を全て組み合わせて文字集合にす
ると図１６の（ａ）乃至（ｄ）に示すように文字集合候
補が四通り得られる。そして文字集合候補は文字集合の
先頭から再び前記の階層型ニューラルネットワークの入
力層９に入力して（ここでは（ｃ）を入力）最終的には
「４０」と認識される。

【００５５】しかしこれらの方法では切りだし候補の数
が増加するにつれて文字集合候補が著しく増加しまうた
め、本実施例では切りだし候補を前記の階層型ニューラ
ルネットワークの入力層９に入力する際の単文字での類
似度が既定の条件を満たさない場合にはその時点で判断
を打ち切り、文字集合を求めることはしない。こうする
ことによって不必要な計算を押さえている。

【００５６】このようにして求めた文字集合の単文字毎
の類似度の積が所定の条件を満たしていることと、演算
処理装置６内にある文字集合辞書の参照結果と合致して
いることとから正確な文字集合を求めることができる。

【００５７】即ち、文字集合候補が複数存在してしまう
場合や現実には存在しないメーカー名、製造地などが認
識された場合には実在するメーカー名、製造地などの登
録されている前記の文字集合辞書の文字集合とこの文字
集合候補とを比較し、この文字集合辞書に登録されてい
るものと同じものか、もしくは合致する文字か一番多い
文字集合を演算処理装置６で選ぶ。例えば、認識結果が
「ＴＯＳＨＩＤＡ」の時には、「ＴＯＳＨＩＢＡ」を文
字集合として選択する。

【００５８】ここで、メーカー名、製造地など種類が限
られている文字集合ならば文字集合辞書へ容易に登録で
きるが、形式名、ロット番号など種類が多岐にわたる文
字集合の場合には文字集合辞書への登録も煩雑となり文
字集合辞書の容量も大きくなってしまう。また上記の方
法では、例えば形式名の場合「ＭＢ６２３１４６」と
「ＭＢ６２３１４８」との双方のデータが存在するとき
には、最終桁の「６」と「８」との判別がつかない際ど
ちらの文字集合を選択するのか判断ができないという事
態が起こる。

【００５９】このような弊害を防ぐために本実施例では
形式名、ロット番号など種類が多岐にわたる文字列の場
合には文字集合辞書への記憶内容を簡略化して記憶容量
が少なくて済むように工夫している。図１７にロット番
号を簡略化して記憶した例を示す。

【００６０】ここでは数字とアルファベットとはメーカ
ー名、製造地、形式名については特定の文字集合を記憶
しているが、ロット番号については「＃」は数字、
「＄」はアルファベット、「？」は数字かアルファベッ
トのどちらかとしか記憶していない。しかしながら個々
の文字間の類似度については上述した条件１及び条件２
を用いている。即ち、メーカー名及び製造地について
は、上述のようにある程度の認識不良は許容している
が、形式名及びロット番号については完全に認識結果が
文字集合辞書のデータと一致する必要がある。

【００６１】例えば、形式名「７４ＨＣ００ＡＰ」のロ
ット番号についてみると「２０４２Ｈ」でも「２４３２
Ｈ」でも正解と認識される。しかし「２０４３Ｇ」では
正解とはならない。

【００６２】また、形式名「７４ＨＣ２８０Ａ」（この
場合には製造地は印字されていない）のロット番号につ
いてみると「２０４７Ｅ」でも「２４３２４」でも正解
と認識される。しかし、文字数の多い「２０Ｈ４３Ｇ」
では正解とはならない。

【００６３】なお、正解と許容された認識結果について
は演算処理装置６内のＲＡＭに保存する。このような認
識方法によると、「Ｓ」と「５」や「Ｉ」と「１」のよ
うな数字とアルファベットのような異なる文字種間で類
似した文字形状を持つものの認識が容易になる。

【００６４】こうして選択された文字集合を前記の文字
集合辞書のデータからメーカー名、形式名、ロット番
号、製造地などの項目に分類する。そして、被検査対象
であるＦＰＩＣ１のメーカー名、形式名、ロット番号、
製造地の認識結果の組み合わせと、前記の文字集合辞書
のメーカー名、形式名、ロット番号、製造地のデータの
組み合わせとを比較して一致するものがない場合、即ち
正しい認識候補の得られない場合には、異常箇所を特定
するためにＦＰＩＣ１のプリント基板上の位置と文字の
認識結果をモニタ７に表示する。そのような場合で逆付
けや誤実装などではなく単に文字認識の不備のときに
は、まず認識文字集合の次候補を表示させそれでも両者
が一致しないときには検査要員が正しいメーカー名、形
式名、ロット番号、製造地などの項目を入力して、これ
らを演算処理装置６内のＲＡＭに保存する。このときこ
の文字集合が文字集合辞書に記憶されていないものであ
った際には文字集合辞書への記憶も行なう。

【００６５】ＦＰＩＣ１の逆付けの場合には文字認識が
不能であるので撮像された画像から容易に確認ができ
る。そして、正しい認識結果が得られたときには被検査
対象であるＦＰＩＣ１のメーカー名、形式名、ロット番
号、製造地などと前記の文字集合辞書のデータのメーカ
ー名、形式名、ロット番号、製造地などを演算処理装置
６内のＲＡＭに保存する。

【００６６】しかし、上述した検査をして設計データと
認識結果とを形式名で比較した結果、誤った形式名のＦ
ＰＩＣ１が実装されているときには異常の表示をし上述
の文字集合の認識結果を破棄し、修復作業をする。

【００６７】以上で一つのＦＰＩＣ１についての処理が
完了し、次のＦＰＩＣ１へ処理を移す。上述した一連の
文字認識処理、基板検査処理及び訂正作業処理の流れを
図１８、図１９及び図２０にフローチャートとして示
す。

【００６８】なお、ここで一回認識を試みて正しい認識
候補の得られない場合（文字集合を形成する文字につい
て所定の割合以上で一致しなかった場合）には、被検査
対象の画像の撮像を所定の回数繰り返して、文字の認識
を再度行うようにして正しい認識候補を得やすくするこ
とも考えられる。

【００６９】さて、文字集合の認識方法について他の実
施例を示す。この文字認識方法は、正確な文字集合候補
が認識できない場合には全ての外接長方形の幅及び高さ
の平均値を求め、認識対象の所定の外接長方形の幅及び
高さの値を求める。

【００７０】そして、この所定の外接長方形の幅及び高
さの値を求めてある全ての外接長方形の幅及び高さの平
均値とそれぞれ比較し、所定の外接長方形の幅又は高さ
の値が全ての外接長方形の幅又は高さの平均値よりも小
さい場合には所定の外接長方形と他の外接長方形との合
成を行い、所定の外接長方形の幅又は高さの値が全ての
外接長方形の幅又は高さの平均値よりも大きい場合には
前記所定の外接長方形の分割を行うものである。図２１
に前記所定の外接長方形の分割を行った例を示す。な
お、ここではほぼ等しい大きさに外接長方形が分割され
ているがこれには限られず、図１４乃至図１６に示す手
法を用いて大きさの違う外接長方形に分割することがで
きるのはいうまでもない。なお、外接長方形の統合及び
分割については全ての外接長方形の幅又は高さの平均値
を基準にしているが、基準はこれには限られず、例えば
上述した認識結果の間の類似度の大小による基準（所定
の値より大きいときには分割、小さいときには統合な
ど）や外接長方形の幅又は高さの所定の割合を基準にす
ることが考えられる。

【００７１】また例えば図２２に示す撮像画像につい
て、ほぼ同じ大きさの文字で構成される集合に分類しこ
の集合を構成する文字部分の黒画素の総和に基づいてク
ラスタ（ここでは図２３に示すクラスタＡ乃至クラスタ
Ｃ）に統合し、このクラスタ毎に前記クラスタ内に形成
される全ての外接長方形の幅及び高さについての総平均
を求める。白抜きの文字の場合には白画素と黒画素とを
反転させて同様の処理すれば良い。そして図２１に示す
のと同じ処理、即ち、前記外接長方形の一つについて、
その幅及び高さの平均を求め、前記総平均とこの平均と
を比較し、この比較の結果により前記外接長方形の分割
及び統合を行ない文字認識を行うようにしても良い。

【００７２】さて、このような電子部品実装検査装置を
用いてプリント基板を用いた製品の品質管理を行なう手
法について図２４に示すとともに以下に述べる。まず設
計部門からの設計情報をもとに部品表を作成し、部品を
発注する。そして部品表や部品位置などのデータベース
１４から前記の電子部品実装検査装置へこれらの情報が
送られる。

【００７３】前記の電子部品実装検査装置でメーカー
名、形式名、ロット番号、製造地などの項目を認識し
て、これらと、このＦＰＩＣ１を実装しているプリント
基板が搭載されている製品の製品番号とをホストコンピ
ュータで記憶しておき、部品表や部品位置などのデータ
ベース１４へ製造番号を入力する。これらの全ての結果
は編集・検索システム１５へ入力される。ここで、製造
の経緯を記すため点検者も編集・検索システム１５へ入
力する。

【００７４】そして、あるプリント基板において不良が
発生した際には、このプリント基板に実装されているＦ
ＰＩＣ１のうち不良を引き起こしているものを既存の手
段（例えばテスタなど）によって特定することができ
る。またＦＰＩＣ１の製造メーカーよりＦＰＩＣ１の出
荷後に不良を引き起こしたＦＰＩＣ１のロット番号を知
らせて来る場合もある。

【００７５】これより前記の記憶結果より不良を引き起
こしているＦＰＩＣ１が、前記のどのロット番号の半導
体ウエハから製造されたものかを編集・検索システム１
５により特定できる。また同じロット番号の半導体ウエ
ハから製造されたＦＰＩＣ１は不良を引き起こす確率が
大きい。

【００７６】故に、前記の記憶結果よりこのロット番号
の半導体ウエハから製造されたＦＰＩＣ１を実装するプ
リント基板が搭載されている製品の製品番号を特定し
て、それらの製品を集中して保守要員を通じて検査する
と不良の発見が容易となる。なお、これらの不良の発生
時期が製品の生産中の場合はこの製品の出荷に際して品
質の高い（不良の起こりにくい）製品のみを出荷できる
という効果があるし、製品の出荷後の場合にはこの製品
の出荷先を記録しておくことで適切な保守要員の派遣が
容易になるという効果がある。

【００７７】更にＦＰＩＣ１のメーカー名、形式名、ロ
ット番号、製造地などの項目を記憶しておくと生産過程
における部品の使用状況が容易に分かる。これにより製
造計画の立案において、これからの部品の調達状況の把
握が容易になる。これはホストコンピュータ等を用いて
一括して管理できる。

【００７８】本実施例では被検査物としてＦＰＩＣ１を
用いたが、必ずしもこれに限定されるものではなく、印
字がなされている平面部を有するものであるならば被検
査物にすることができる。例えばＴＴＬ、集合抵抗、フ
ォトカプラ、オシレータのようなものが考えられる。

【００７９】また、一連の処理の流れは図１８のフロー
チャートに示したものに限らず、例えば最初にニューラ
ルネットワークによる認識を行ったあとにプロジェクシ
ョンデータを求めても良い。また、種々に処理の順序を
変えたものも考えられる。

【００８０】なお、上述した実施例では文字認識処理は
ニューラルネットワークを用いて行なったがパターンマ
ッチング法の一種である複合類似度法を用いても良い。
この複合類似度法の詳細については例えば電気・電子工
学大系43パターン認識（コロナ社刊(1979)飯島泰蔵著）
のP195-P200 に記載されている。

【００８１】そして本実施例では左右に分割や統合され
た文字を例に説明したが、上下に分割や統合した文字に
おいても、合成していない切りだし最小単位の高さの平
均に対して切りだした文字等の外接長方形の高さが所定
の大きさとなるようにして同様の処理を進めることがで
きる。また、文字だけではなくマークなどの図形にもこ
れらの認識方法をそのまま用いることができるのは言う
までもない。

【００８２】

【発明の効果】本発明の電子部品実装検査装置によっ
て、被検査物であるＦＰＩＣの表面に印字された文字を
ニューラルネットワークを用いた文字認識方法によって
正確に認識し、この結果から逆付けや誤実装の検出に加
えてプリント基板の品質管理を行なうことが可能となっ
た。これにより、これらのプリント基板を使用した製品
の生産や品質の管理も容易で正確に行うことが可能とな
った。

【図面の簡単な説明】

【図１】本発明の一実施例の電子部品実装検査装置の概
略構成図。

【図２】本発明の一実施例の電子部品実装検査装置での
文字の認識における処理を示す概略図。

【図３】本発明の一実施例に用いられている階層型ニュ
ーラルネットワークにおいて入力層のメッシュ領域を局
所的に中間層の特定のニューロンに接続している状態を
示す模式図。

【図４】メッシュ領域とニューロンとの接続関係を示す
模式図。

【図５】認識した文字の認識結果を補正する対象となる
文字の局所的な特徴を示す模式図。

【図６】ラベル付けの対象となる、２値化された文字パ
ターンの画像を形成する各画素の周りの八つの連結され
た領域を示す模式図。

【図７】文字が認識される順序と文字の配列順との関係
を示す模式図。

【図８】本発明の一実施例での外接長方形の合成の条件
を示す模式図。

【図９】ＩＴＶカメラが撮像した画像のＸ方向とＹ方向
とのプロジェクションデータの関係を示す模式図。

【図１０】正常な認識候補の文字が得られる場合のＦＰ
ＩＣの印字部の平面図。

【図１１】一つの文字が複数に分割された場合のＦＰＩ
Ｃの印字部の平面図。

【図１２】一つの文字が複数に分割された場合の「ＴＯ
ＳＨＩＢＡ」での切りだし候補を示す模式図。

【図１３】「ＴＯＳＨＩＢＡ」での切りだし候補を全て
組み合わせて文字集合にした場合の文字集合候補を示す
模式図。

【図１４】複数の文字が一つに結合している場合の文字
集合の模式図。

【図１５】一つの文字が一つに結合された場合の「４
０」での切りだし候補を示す模式図。

【図１６】「４０」での切りだし候補を全て組み合わせ
て文字集合にした場合の文字集合候補を示す模式図。

【図１７】本発明の一実施例での文字集合辞書の記憶内
容の例を示す模式図。

【図１８】本発明の一実施例での文字認識の一連の処理
の流れを示すフローチャート。

【図１９】本発明の一実施例での部品検査の一連の処理
の流れを示すフローチャート。

【図２０】本発明の一実施例での訂正処理の一連の処理
の流れを示すフローチャート。

【図２１】本発明の一実施例での外接長方形の分割の条
件を示す模式図。

【図２２】正常な認識候補の文字が得られる場合のＦＰ
ＩＣの印字部の平面図。

【図２３】本発明の一実施例でのクラスタ化を示す模式
図。

【図２４】本発明の一実施例の電子部品実装検査装置を
用いた品質管理の概略を示す模式図。

【符号の説明】

１…電子部品（ＦＰＩＣ）２…プリント基板３…載置台４…ＩＴＶカメラ５…画像処理装置６…演算処理装置７…モニタ８…ＸＹテーブル９…入力層１０…中間層１１…出力層１２…ニューロン１３…メッシュ領域１４…データベース１５…編集・検索システム

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号庁内整理番号ＦＩ技術表示箇所Ｇ０６Ｋ 9/62 Ｃ 9289−5ＬＨ０５Ｋ 13/08 Ｂ 8315−4Ｅ

Claims

【特許請求の範囲】

【請求項１】入力層と中間層と出力層とを具備する
ニューラルネットワークにおいて、所定の範囲の入力層
を特定部分の中間層にのみ接続することを特徴とするニ
ューラルネットワーク。
【請求項２】被検査体に印字されている文字を切り
だして文字を認識する文字認識方法において、切りだし
た文字もしくは文字の一部分に対する外接長方形の少な
くとも幅又は高さを他の切りだした文字もしくは文字の
一部分に対する外接長方形の少なくとも幅又は高さの平
均と比較して、この比較の結果と所定の基準とに基づい
て前記切りだした文字もしくは文字の一部分に対する外
接長方形の少なくとも分割もしくは合成を行い、文字の
認識をすることを特徴とする文字認識方法。
【請求項３】被検査体に印字されている文字を切り
だして文字を認識する文字認識方法において、切りだし
た文字もしくは文字の一部分に対する外接長方形の中心
座標が他の切りだした文字もしくは文字の一部分の外接
長方形に含まれる場合には、前記切りだした文字もしく
は文字の一部分に対する外接長方形と、この他の切りだ
した文字もしくは文字の一部分に対する外接長方形との
合成を行い、文字の認識をすることを特徴とする文字認
識方法。
【請求項４】被検査体に印字されている文字を切り
だして文字を認識する文字認識方法において、所定の文
字集合と各前記文字を切りだして作成した認識候補によ
る文字集合とを比較して、少なくとも異なった結果の場
合には前記所定の文字集合の中で、この認識候補による
文字集合と一致する文字の最も多い文字集合を認識結果
とすることを特徴とする文字認識方法。
【請求項５】被検査体に印字されている文字を切り
だして文字を認識する文字認識方法において、この文字
を形成している画素の集合を所定の数の領域に分割し、
この各領域内の画素の個数をそれぞれ求め、この個数を
前記各領域間で比較し、その結果から文字を認識するこ
とを特徴とする文字認識方法。
【請求項６】被検査体に印字されている文字を切り
だして文字を認識する文字認識方法において、各前記文
字を切りだして作成した各認識候補とニューラルネット
ワークを用いて求めた学習結果との類似度を求め、この
各認識候補と前記学習結果との類似度の積の値が所定の
条件を満たすことで文字集合を認識することを特徴とす
る文字認識方法。
【請求項７】請求項６に記載の文字認識方法におい
て、請求項１に記載のニューラルネットワークを用いる
ことを特徴とする文字認識方法。
【請求項８】被検査体に印字されている文字を切り
だして文字を認識する文字認識方法において、前記文字
で形成される文字集合に対する走査方向に略垂直な方向
の前記文字集合のプロジェクションデータが、前記文字
集合に対する走査方向に略平行な方向の前記文字集合の
プロジェクションデータよりも、そのピーク値の個数が
多い場合には前記文字集合を形成している個々の文字を
回転させてから前記文字を認識することを特徴とする文
字認識方法。
【請求項９】被検査体に印字されている文字を切り
だして文字を認識する文字認識方法において、少なくと
も正確な文字列候補が認識できない場合には全ての外接
長方形の幅及び高さの平均値を求める工程と、所定の外
接長方形の幅及び高さの値を求める工程と、この所定の
外接長方形の幅及び高さの値を前記全ての外接長方形の
幅及び高さの平均値とそれぞれ比較する工程と、前記所
定の外接長方形の幅又は高さの値が前記全ての外接長方
形の幅又は高さの平均値よりも小さい場合には前記所定
の外接長方形と他の外接長方形との合成を行う工程と、
前記所定の外接長方形の幅又は高さの値が前記全ての外
接長方形の幅又は高さの平均値よりも大きい場合には前
記所定の外接長方形の分割を行う工程とを備えることを
特徴とする文字認識方法。
【請求項１０】被検査体に印字されている複数の大
きさを持つ文字列を切りだして文字を認識する文字認識
方法において、略同じ大きさの前記文字の集合をこの集
合を構成する画素の総和に基づいてクラスタに統合する
工程と、このクラスタ毎に前記クラスタ内に形成される
全ての外接長方形の幅及び高さについての総平均を求め
る工程と、前記外接長方形の一つについて、その幅及び
高さの平均を求める工程と、前記総平均とこの平均とを
比較する工程と、この比較の結果と所定の基準とに基づ
いて前記外接長方形の分割及び統合を行うことを特徴と
する文字認識方法。
【請求項１１】半導体装置などの電子部品に印字さ
れている文字を認識するとともに、この認識結果から前
記電子部品の逆付けや誤実装の検出を行う電子部品実装
検査装置において、前記文字を撮像する撮像手段と、こ
の撮像手段によって得られた画像を２値化する２値化手
段と、この２値化された画像から前記文字を切りだす文
字切りだし手段と、前記２値化された画像から切りださ
れた前記文字を認識する文字認識手段と、この文字認識
手段で少なくとも正確な認識がなされない場合には、前
記文字切りだし手段によって切りだした文字もしくは文
字の一部分に対して、少なくとも分割もしくは合成を行
う文字分割合成手段と、予め所定の文字集合を記憶した
文字記憶手段と、この文字記憶手段に記憶されている文
字集合と前記文字認識手段によって得られた前記文字の
認識結果による文字集合とを比較して、少なくとも双方
が一致しない場合には、双方が合致する文字が最も多い
前記文字記憶手段に記憶されている文字集合を選ぶ文字
集合選択手段とを具備したことを特徴とする電子部品実
装検査装置。
【請求項１２】半導体装置などの電子部品に印字さ
れている文字を認識するとともに、この認識結果から前
記電子部品の逆付けや誤実装の検出を行う電子部品実装
検査装置において、前記文字を撮像する撮像手段と、こ
の撮像手段によって得られた画像を２値化する２値化手
段と、この２値化された画像から前記文字を切りだす文
字切りだし手段と、前記２値化された画像から切りださ
れた前記文字を認識する文字認識手段と、この文字認識
手段で少なくとも正確な認識がなされない場合には、前
記文字切りだし手段によって切りだした文字もしくは文
字の一部分に対して、少なくとも分割もしくは合成を行
う文字分割合成手段と、予め所定の文字種のみに分類さ
れた文字集合を記憶した文字記憶手段と、この文字記憶
手段に記憶されている文字集合と前記文字認識手段によ
って得られた前記文字の認識結果による文字集合とを比
較して、文字種が同一の場合のみに次の被検査対象であ
る前記電子部品の検査を行う検査正誤判定手段とを具備
したことを特徴とする電子部品実装検査装置。
【請求項１３】請求項１１又は請求項１２に記載の
電子部品実装検査装置において、前記文字で形成される
文字集合に対する走査方向に略垂直な方向の前記文字集
合のプロジェクションデータが、前記文字集合に対する
走査方向に略平行な方向の前記文字集合のプロジェクシ
ョンデータよりも、そのピーク値の個数が多い場合に前
記文字集合を形成している文字を回転させる文字回転手
段を具備することを特徴とする電子部品実装検査装置。
【請求項１４】請求項１１又は請求項１２に記載の
電子部品実装検査装置において、文字集合を形成する文
字についての設計データに基づき前記文字集合を形成し
ている文字を回転させる文字回転手段を具備することを
特徴とする電子部品実装検査装置。
【請求項１５】請求項１１又は請求項１２に記載の
電子部品実装検査装置において、電子部品の実装位置に
ついての設計データに基づき撮像手段から得られる画像
データの縮尺を変え、この結果に基づき前記撮像手段と
前記電子部品との相対的な移動変位を決定する縮尺決定
手段を具備することを特徴とする電子部品実装検査装
置。
【請求項１６】請求項１１又は請求項１２に記載の
電子部品実装検査装置において、文字記憶手段には少な
くとも前記電子部品のロット番号が記憶されていること
を特徴とする電子部品実装検査装置。
【請求項１７】請求項１１乃至請求項１６のいずれ
か１項に記載の電子部品実装検査装置において、文字記
憶手段に記憶されている文字集合と文字の認識結果とが
前記文字集合を形成する前記文字について所定の割合以
上で一致しなかった場合、前記文字の画像の撮像を繰り
返して前記文字の認識を行うことを特徴とする電子部品
実装検査装置。
【請求項１８】請求項１１乃至請求項１７のいずれ
か１項に記載の電子部品実装検査装置を用いて得られた
情報に基づいて前記電子部品の実装された製造物の生産
工程の進捗状況を管理し、前記電子部品の供給状況を把
握することを特徴とする生産管理方法。
【請求項１９】請求項１１乃至請求項１７のいずれ
か１項に記載の電子部品実装検査装置を用いて得られた
情報に基づいて前記電子部品の実装された製造物の品質
を保つことを特徴とする品質管理方法。
【請求項２０】請求項１１乃至請求項１７のいずれ
か１項に記載の電子部品実装検査装置を用いて得られた
情報と前記電子部品の実装された製造物の出荷先の情報
とに基づいて前記電子部品の搭載された製造物を管理す
ることを特徴とする製造物管理方法。