CN104583761B - 缺陷检查装置以及缺陷检查方法 - Google Patents
缺陷检查装置以及缺陷检查方法 Download PDFInfo
- Publication number
- CN104583761B CN104583761B CN201380044740.9A CN201380044740A CN104583761B CN 104583761 B CN104583761 B CN 104583761B CN 201380044740 A CN201380044740 A CN 201380044740A CN 104583761 B CN104583761 B CN 104583761B
- Authority
- CN
- China
- Prior art keywords
- pixel
- defect
- image
- parsing
- formed body
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
- G01N21/896—Optical defects in or on transparent materials, e.g. distortion, surface flaws in conveyed flat sheet or rod
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
Landscapes
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Textile Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
在缺陷检查装置(1)中,处理图像生成部(61)通过以预定算法来对通过摄像装置(5)生成的二维图像数据进行处理,从而对构成二维图像数据的各个像素的特征量进行计算。该处理图像生成部(61)在二维图像数据中,将预定阈值以上的像素提取为缺陷像素。并且,处理图像生成部(61)生成针对缺陷像素赋予与所述特征量相对应的灰度值、针对缺陷像素以外的剩余像素赋予零灰度值的处理图像数据。解析用图像生成部(62)基于所述处理图像数据,生成由1个或者多个一维图像数据构成的解析用图像数据。
Description
技术领域
本发明涉及对偏光膜、相位差膜等片状成形体的缺陷进行检查的缺陷检查装置以及缺陷检查方法。
背景技术
以往,缺陷检查装置使用被称为行传感器的一维摄像机,对偏光膜、相位差膜等片状成形体的缺陷进行检查。缺陷检查装置在使用荧光管等线状光源来对片状成形体进行照明的状态下,使用行传感器(line sensor),沿着片状成形体的长边方向,从长边方向的一端到另一端扫描片状成形体表面,并获取多个一维图像数据(静止图像数据)。然后,通过按照获取时间顺序铺满多个一维图像数据从而生成二维图像数据,基于该二维图像数据来检查片状成形体的缺陷。
在通过行传感器来获取的一维图像数据中,通常包括线状光源像。线状光源像是在线状光源与行传感器被配置在片状成形体的一侧的情况下,从线状光源出射,被片状成形体正反射,并到达行传感器的光的像。此外,线状光源像是在片状成形体被配置在线状光源与行传感器之间的情况下,从线状光源出射,透过片状成形体,并到达行传感器的光的像。在缺陷检查装置中,在片状成形体的宽度宽的情况下,按照能够检查片状成形体的宽度方向整个区域的方式,将多台行传感器在宽度方向上并列使用。
由于在该以往的缺陷检查装置中,是基于通过铺满多个一维图像数据而生成的、表示片状成形体整个区域的二维图像数据,来检查片状成形体的缺陷,因此构成二维图像数据的各个一维图像数据中的检查对象像素与线状光源像的位置关系为一个确定了的位置关系。在检查对象像素(关注像素)与线状光源像的位置关系处于特定的位置关系的情况下,缺陷可能只出现在一维图像数据上。例如,作为缺陷的1种的气泡在处于线状光源像的周边或者附近的情况下,很可能仅出现在一维图像数据上。这样,缺陷可能由于其位置,而没有被检测到。因此,使用由通过行传感器来获取的多个一维图像数据构成的二维图像数据来检查片状成形体的缺陷的、上述以往的缺陷检查装置只具有被限定了的缺陷检测能力。
作为解决这种问题点的缺陷检查装置,专利文献1以及专利文献2中公开了以下装置:使用荧光管等线状光源来照明片状成形体,将片状成形体在规定的输送方向上连续地输送,并且使用被称为区域传感器的二维摄像机来获取二维图像数据(动态图像数据),基于该二维图像数据来检查片状成形体的缺陷。
根据专利文献1、2中公开的缺陷检查装置,由于能够基于检查对象像素与线状光源像的位置关系不同的多个二维图像数据,对是否存在缺陷进行判定,因此能够比使用行传感器的以往的缺陷检查装置更可靠地检测缺陷。因此,专利文献1、2中公开的使用了区域传感器的缺陷检查装置比使用了行传感器的以往的缺陷检查装置更提高了缺陷检测能力。
在先技术文献
专利文献
专利文献1:日本特开2007-218629号公报
专利文献2:日本特开2010-122192号公报
发明内容
发明要解决的课题
专利文献1、2中公开的使用了区域传感器的缺陷检查装置以从区域传感器输出的二维图像数据为对象,在通过个人计算机(PC)来实现的图像解析部中对缺陷位置等进行解析。此时,由于二维图像数据的信息量多,因此基于图像解析部的二维图像数据的解析处理时间具有变长的趋势。
这样,若基于图像解析部的解析处理时间变长,则需要使根据解析处理时间而被控制的片状成形体的输送速度降低,导致检查效率降低。
本发明的目的在于,提供一种在维持高的缺陷检测能力的基础上,能够实现基于图像解析部的图像处理的高速化,并能够提高检查效率的缺陷检查装置以及缺陷检查方法。
解决课题的手段
本发明是一种缺陷检查装置,具备:
输送部,其输送片状成形体;
照射部,其对被输送的所述片状成形体照射光;
摄像部,其拍摄被输送的所述片状成形体,并生成基于被照射到片状成形体的光的反射光或者透射光的二维图像数据;
特征量计算部,其通过预定的算法处理来对构成所述二维图像数据的各个像素的基于亮度值的特征量进行计算;
处理图像数据生成部,其将构成所述二维图像数据的各个像素区别为基于所述亮度值的特征量为预定阈值以上的像素即缺陷像素、和基于所述亮度值的特征量小于所述阈值的像素即剩余像素,生成针对所述缺陷像素赋予与基于所述亮度值的特征量相对应的灰度值、针对所述剩余像素赋予零灰度值的处理图像数据;
解析用图像数据生成部,其基于所述处理图像数据,至少生成一个由1个或者多个一维图像数据构成的解析用图像数据群;和
图像解析部,其基于通过所述解析用图像数据生成部生成的所述解析用图像数据群来进行图像解析,并对所述片状成形体的缺陷进行检测。
此外,在本发明的缺陷检查装置中,优选所述解析用图像数据群包括所述片状成形体中的缺陷的位置信息、亮度信息、尺寸信息、以及种类信息中的至少一个信息。
此外,在本发明的缺陷检查装置中,优选所述特征量计算部通过多个算法处理来对基于所述亮度值的特征量进行计算,
所述解析用图像数据生成部,将赋予与用于对计算所述特征量的算法处理的种类进行确定的预定的种类编号相当的灰度值作为像素的灰度值的解析用图像数据群生成为包括所述种类信息的解析用图像数据群。
此外,本发明是一种缺陷检查方法,包括:
输送步骤,其输送片状成形体;
照射步骤,其对被输送的所述片状成形体照射光;
拍摄步骤,其通过摄像部拍摄被输送的所述片状成形体,并生成基于被照射到片状成形体的光的反射光或者透射光的二维图像数据;
特征量计算步骤,其通过预定的算法处理,来对构成所述二维图像数据的各个像素的基于亮度值的特征量进行计算;
处理图像数据生成步骤,其将构成所述二维图像数据的各个像素区别为基于所述亮度值的特征量为预定阈值以上的像素即缺陷像素、和基于所述亮度值的特征量小于所述阈值的像素即剩余像素,生成针对所述缺陷像素赋予与基于所述亮度值的特征量相对应的灰度值、针对所述剩余像素赋予零灰度值的处理图像数据;
解析用图像数据生成步骤,其基于所述处理图像数据,至少生成一个由1个或者多个一维图像数据构成的解析用图像数据群;和
图像解析步骤,其基于通过所述解析用图像数据生成步骤生成的所述解析用图像数据群来进行图像解析,并对所述片状成形体的缺陷进行检测。
发明效果
根据本发明,缺陷检查装置具备:输送部、照射部、摄像部、特征量计算部、处理图像数据生成部、解析用图像数据生成部、以及图像解析部。在缺陷检查装置中,摄像部生成基于通过照射部照射在片状成形体的光的反射光或者透射光的二维图像数据。特征量计算部通过利用预定的算法来处理所述二维图像数据,从而对构成二维图像数据的各个像素的基于亮度值的特征量进行计算。处理图像数据生成部将构成所述二维图像数据的各个像素区别为基于所述亮度值的特征量为预定阈值以上的像素即缺陷像素、和基于所述亮度值的特征量小于所述阈值的像素即剩余像素。并且,处理图像数据生成部生成针对所述缺陷像素赋予与基于所述亮度值的特征量相对应的灰度值、针对所述剩余像素赋予零灰度值的处理图像数据。解析用图像数据生成部基于所述处理图像数据,至少生成一个由1个或者多个一维图像数据构成的解析用图像数据群,并输出生成的解析用图像数据群。从解析用图像数据生成部输出的解析用图像数据群被输入到图像解析部。图像解析部基于所述解析用图像数据群来进行图像解析,并检测片状成形体的缺陷。
在这样构成的本发明的缺陷检查装置中,由于基于通过摄像部来拍摄的片状成形体的二维图像数据,来进行片状成形体的缺陷检测,因此例如与基于利用行传感器的一维图像数据来进行缺陷检测的情况相比,能够维持高的缺陷检测能力。
进一步,在本发明的缺陷检查装置中,从摄像部输出的、信息量多的二维图像数据通过处理图像数据生成部被变换为处理图像数据,进一步通过解析用图像数据生成部被变换为由1个或者多个一维图像数据构成的解析用图像数据群。由于基于这样从二维图像数据变换来的、由1个或者多个一维图像数据构成的解析用图像数据群,图像解析部进行图像解析来检测片状成形体的缺陷,因此能够实现基于图像解析部的图像处理的高速化,并能够提高检查效率。
此外,根据本发明,解析用图像数据生成部生成的解析用图像数据群包括片状成形体中的缺陷的位置信息、亮度信息、尺寸信息、以及种类信息中的至少一个信息。由此,在缺陷检查装置中,图像解析部基于位置信息、亮度信息、尺寸信息、以及种类信息等与缺陷有关的信息,能够检测片状成形体的缺陷。
此外,根据本发明,特征量计算部通过多个算法处理来计算特征量。并且,解析用图像数据生成部生成赋予与用于对计算出所述特征量的算法处理的种类进行确定的预定的种类编号相当的灰度值作为像素的灰度值的解析用图像数据群。这样,解析用图像数据生成部所生成的解析用图像数据群成为包括与缺陷有关的所述种类信息的解析用图像数据群。
此外,根据本发明,缺陷检查方法包括输送步骤、照射步骤、拍摄步骤、特征量计算步骤、处理图像数据生成步骤、解析用图像数据生成步骤、以及图像解析步骤。在缺陷检查方法中,在拍摄步骤中,生成基于照射步骤中被照射在片状成形体的光的反射光或者透射光的二维图像数据。在特征量计算步骤中,通过利用预定的算法来处理所述二维图像数据,从而对构成二维图像数据的各个像素的基于亮度值的特征量进行计算。在处理图像数据生成步骤中,在所述二维图像数据中,将基于所述亮度值的特征量为预定的阈值以上的像素提取为缺陷像素,生成针对缺陷像素赋予与基于所述亮度值的特征量相对应的灰度值、针对缺陷像素以外的剩余像素赋予零灰度值的处理图像数据。在解析用图像数据生成步骤中,基于所述处理图像数据,至少生成一个由1个或者多个一维图像数据构成的解析用图像数据群。在图像解析步骤中,基于所述解析用图像数据群来进行图像解析,并对片状成形体的缺陷进行检测。
在这样构成的本发明的缺陷检查方法中,由于基于在拍摄步骤中被拍摄的片状成形体的二维图像数据,进行片状成形体的缺陷检测,因此例如与基于利用行传感器的一维图像数据进行缺陷检测的情况相比,能够维持高的缺陷检测能力。
进一步,在本发明的缺陷检查方法中,在拍摄步骤中生成的信息量多的二维图像数据在处理图像数据生成步骤中被变换为处理图像数据,进一步地,在解析用图像数据生成步骤中被变换为由1个或者多个一维图像数据构成的解析用图像数据群。在图像解析步骤中,由于基于从二维图像数据变换来的、由1个或者多个一维图像数据构成的解析用图像数据群来进行图像解析并检测片状成形体的缺陷,因此能够实现图像解析步骤中的图像处理的高速化,并能够提高检查效率。
附图说明
通过下述的详细说明和附图,应该能更加明确本发明的目的、特色以及优点。
图1是表示本发明的一实施方式所涉及的缺陷检查装置1的结构的示意图。
图2是表示缺陷检查装置1的结构的框图。
图3A是用于对作为缺陷检测算法的一个例子的边缘轮廓(edge profile)法进行说明的图,是表示与通过摄像装置5来生成的二维图像数据对应的二维图像A的一个例子的图。
图3B是表示通过处理图像生成部61来作成的边缘轮廓P1的一个例子的图。
图3C是表示通过处理图像生成部61来作成的微分轮廓P2的一个例子的图。
图4A是用于对作为缺陷检测算法的另一个例子的波峰法进行说明的图,是表示与通过摄像装置5来生成的二维图像数据对应的二维图像B的一个例子的图。
图4B是表示通过处理图像生成部61来作成的亮度轮廓P3的一个例子的图。
图4C是用于对由处理图像生成部61执行的、从亮度轮廓P3的一端向另一端移动的质点的假定顺序进行说明的图。
图4D是表示通过处理图像生成部61来生成的亮度值差轮廓P4的一个例子的图。
图5A是用于对作为缺陷检测算法的另一个例子的平滑化法进行说明的图,是表示与通过摄像装置5来生成的二维图像数据对应的二维图像C的一个例子的图。
图5B是表示通过处理图像生成部61来生成的平滑化轮廓P5的一个例子的图。
图6A是表示图像处理装置6生成的图像数据的一个例子的图,是表示通过处理图像生成部61来生成的处理图像D的一个例子的图。
图6B是表示通过解析用图像生成部62来生成的解析用图像的一个例子的图。
图7A是表示利用摄像装置5来拍摄的二维图像中由于缺陷的种类的不同而导致的亮度值的变化的样子的图。
图7B是表示利用摄像装置5来拍摄的二维图像中由于缺陷的种类的不同而导致的亮度值的变化的样子的图。
图7C是表示利用摄像装置5来拍摄的二维图像中由于缺陷的种类的不同而导致的亮度值的变化的样子的图。
图7D是表示利用摄像装置5来拍摄的二维图像中由于缺陷的种类的不同而导致的亮度值的变化的样子的图。
图7E是表示利用摄像装置5来拍摄的二维图像中由于缺陷的种类的不同而导致的亮度值的变化的样子的图。
图8是用于对并列驱动多个摄像装置5的情况下的、多个信息量的输出方式进行说明的图。
图9是表示显示在图像解析装置7的显示部74中的缺陷映射H的一个例子的图。
具体实施方式
下面,参照附图来对本发明的适当的实施方式进行详细说明。
图1是表示本发明的一实施方式所涉及的缺陷检查装置1的结构的示意图。图2是表示缺陷检查装置1的结构的框图。本实施方式的缺陷检查装置1是对热可塑性树脂等片状成形体2的缺陷进行检测的装置。本发明的缺陷检查方法由缺陷检查装置1执行。
作为被检查体的片状成形体2是通过以下方法成形的:将从推出机推出的热可塑性树脂通过辊的间隙,来实施使表面平滑或者赋予凹凸形状等的处理,在输送辊上被冷却的同时通过拉取辊来进行拉取。能够应用于本实施方式的片状成形体2的热可塑性树脂例如是甲基丙烯酸类树脂、甲基丙烯酸甲酯-苯乙烯共聚物(MS树脂)、聚乙烯(PE)、聚丙烯(PP)等聚烯烃、聚碳酸酯(PC)、聚氯乙烯(PVC)、聚苯乙烯(PS)、聚乙烯醇(PVA)、三乙酰纤维素树脂(TAC)等。片状成形体2由这些热可塑性树脂的单层片、层叠片等成形。
此外,作为片状成形体2中产生的缺陷的例子,举例有:在成形时产生的气泡、鱼眼、异物、轮胎痕迹(タイヤ跡)、碰撞痕迹(打痕)、瑕疵等点状的缺陷(点缺陷)、由于折痕痕迹等而产生的所谓的弯曲处(クニック,knicks)、由于厚度的不同而产生的所谓的原抗线(原反スヅ,lines on an original sheet)等线状的缺陷(线缺陷)。
缺陷检查装置1具备:输送装置3、照明装置4、摄像装置5、图像处理装置6以及图像解析装置7。缺陷检查装置1通过输送装置3,在一定方向(与片状成形体2的宽度方向正交的与所述长边方向相同的方向)上对以一定宽度在长边方向上连续的片状成形体2进行搬送,在该搬送过程中通过摄像装置5来对由照明装置4照明的片面进行拍摄并生成二维图像数据,图像处理装置6基于所述二维图像数据来生成解析用图像数据,图像解析装置7基于从图像处理装置6输出的解析用图像数据来进行缺陷检测。
输送装置3具有作为输送部的功能,在一定方向(输送方向Z)上对片状成形体2进行输送。输送装置3例如具备在输送方向Z上输送片状成形体2的送出辊和接收辊,通过旋转编码器等来测量输送距离。在本实施方式中输送速度被设定为2~30m/分钟左右。
照明装置4具有作为照射部的功能,对与输送方向Z正交的片状成形体2的宽度方向进行线状照明。照明装置4被配置为通过摄像装置5来拍摄的图像中包括线状的反射像。具体来讲,照明装置4在片状成形体2的上方,面对片状成形体2的表面,被配置为片状成形体2的表面上的照明区域,即到摄像装置5所拍摄的拍摄区域为止的距离为例如200mm。
作为照明装置4的光源,只要是LED、金属卤化物灯、卤素传送灯、荧光灯等照射对片状成形体2的组成以及性质没有影响的光的光源即可,并不特别限定。另外,照明装置4也可以夹着片状成形体2而配置在与摄像装置5相反的一侧。在该情况下,通过摄像装置5来拍摄的图像中,包括透过片状成形体2的透射像。
缺陷检查装置1具备具有作为摄像部的功能的多个摄像装置5,各个摄像装置5在与输送方向Z正交的方向(片状成形体2的宽度方向)上被等间隔地排列。此外,摄像装置5被配置为从摄像装置5朝向片状成形体2的拍摄区域的中心的方向与输送方向Z成锐角。摄像装置5对包括基于片状成形体2的照明装置4所产生的反射像或者透射像(以下称为“照明像”)的二维图像进行多次拍摄,来生成多个二维图像数据。
摄像装置5包括拍摄二维图像的CCD(Charge Coupled Device,电荷耦合元件)或者CMOS(Complementary Metal-Oxide Semiconductor,互补金属氧化物半导体)的区域传感器。如图1所示,摄像装置5被配置为对与片状成形体2的输送方向Z正交的宽度方向的整个区域进行拍摄。这样,通过对片状成形体2的宽度方向的整个区域进行拍摄,并在输送方向Z上输送连续的片状成形体2,从而能够高效地检查片状成形体2的整个区域的缺陷。
摄像装置5的拍摄间隔(帧频)可以被固定,也可以通过用户操作摄像装置5本身而能够变更。此外,虽然摄像装置5的拍摄间隔也可以是数字静物摄像机的连续拍摄的时间间隔、即几分之一秒等,但为了提高检查的效率化,优选是短的时间间隔,例如为一般的动态图像数据的帧频、即1/30秒等。
摄像装置5拍摄的二维图像在输送方向Z上的长度优选为,在从摄像装置5获取二维图像起到获取下一个二维图像为止的时间中片状成形体2被输送的输送距离的至少2倍以上。也就是说,优选拍摄片状成形体2的同一位置2次以上。这样,使二维图像在输送方向Z上的长度比从摄像装置5获取二维图像起到获取下一个二维图像为止的时间内片状成形体2的输送距离大,通过增加片状成形体2的同一部分的拍摄次数,能够高精度地检查缺陷。
图像处理装置6具备:具有作为特征量计算部以及处理图像数据生成部的功能的处理图像生成部61;和具有作为解析用图像数据生成部的功能的解析用图像生成部62,是通过图像处理板来实现的。图像处理装置6与多个摄像装置5分别对应设置。
处理图像生成部61通过利用预定的算法(缺陷检测算法)处理从摄像装置5输出的二维图像数据,从而对构成所述二维图像数据的各个像素的基于亮度值的特征量进行计算。进一步地,处理图像生成部61在所述二维图像数据中,将所述特征量为预定阈值以上的像素提取为缺陷像素。然后,处理图像生成部61生成处理图像数据,并输出生成的处理图像数据,其中,该处理图像数据对于缺陷像素赋予了与所述特征量相应的灰度值,对于缺陷像素以外的剩余像素赋予零灰度值。另外,缺陷像素以外的剩余像素是所述特征量小于所述阈值的像素。
参照图3A~3C、图4A~4D、图5A、5B来对处理图像生成部61中使用的缺陷检测算法进行说明。
图3A~3C是用于对作为缺陷检测算法的一个例子的边缘轮廓法进行说明的图。图3A表示与通过摄像装置5来生成的二维图像数据对应的二维图像A的一个例子,图像的上侧是输送方向Z下游侧,图像的下侧是输送方向Z上游侧。在二维图像A中,将与片状成形体2的宽度方向平行的方向设为X方向,将与片状成形体2的长边方向(与输送方向Z平行的方向)平行的方向设为Y方向。在图3A中,关于二维图像A的Y方向位于中央,并在X方向上延伸的带状的亮区域为照明像A1,存在于照明像A1的内部的暗区域为第1缺陷像素群A21,存在于照明像A1的附近的亮区域为第2缺陷像素群A22。
在使用基于边缘轮廓法的缺陷检测算法的情况下,处理图像生成部61首先将二维图像A分割为沿着Y方向的每次一行的像素列的数据。接下来,处理图像生成部61针对各个像素列的数据,从Y方向一端(图3A中的二维图像A的上端)向着另一端(图3A中的二维图像A的下端)进行探查边缘的边缘判定处理。
具体来讲,处理图像生成部61针对各个像素列的数据,将从Y方向一端侧起第2个像素设为关注像素,对关注像素的亮度值是否比相对于关注像素与一端侧相邻的相邻像素亮度值大规定的阈值以上进行判定。在判定为关注像素的亮度值比相邻像素的亮度值大规定的阈值以上的情况下,处理图像生成部61判定为相邻像素是上限边缘A3。在除此以外的情况下,处理图像生成部61每次将关注像素向着Y方向另一端偏移1个像素,并反复边缘判定处理直到判定为关注像素的亮度值比相邻像素的亮度值大规定的阈值以上为止。
在检测出上限边缘A3之后,处理图像生成部61每次将关注像素向着Y方向另一端偏移1个像素,并对关注像素的亮度值是否比相邻像素的亮度值小规定的阈值以上进行判定。在判定为关注像素的亮度值比相邻像素的亮度值小规定的阈值以上的情况下,处理图像生成部61判定为相邻像素是下限边缘A4。在除此以外的情况下,处理图像生成部61每次将关注像素向着Y方向另一端偏移1个像素,并反复进行边缘判定处理直到判定为关注像素的亮度值比相邻像素的亮度值小规定的阈值以上为止。
在图3A中,通过“○”来表示通过基于处理图像生成部61的边缘判定处理而被检测出的上限边缘A3的例子,通过“●”来表示下限边缘A4的例子。根据图3A可以明确,在二维图像A中缺陷所存在的第1缺陷像素群A21以及第2缺陷像素群A22中,上限边缘A3与下限边缘A4相对于Y方向的坐标值(Y坐标值)的差比缺陷像素以外的剩余像素的Y坐标值的差小很多。
利用这样的特征,处理图像生成部61作成图3B所示的边缘轮廓P1。在图3B所示的边缘轮廓P1中,与二维图像A中的第1缺陷像素群A21对应地,出现上限边缘A3与下限边缘A4的Y坐标值的差小的波峰P11。
进一步地,处理图像生成部61对边缘轮廓P1进行微分处理,并作成图3C所示的微分轮廓P2。在图3C所示的微分轮廓P2中,与边缘轮廓P1中的波峰P11对应地,也就是与二维图像A中的第1缺陷像素群A21对应地,出现微分值大的、具有预定阈值以上的特征量P22的波峰P21。
处理图像生成部61基于微分轮廓P2,将与具有预定阈值以上的特征量P22的波峰P21对应的、二维图像A中的像素提取为缺陷像素。在图3C所示的微分轮廓P2的例子中,处理图像生成部61将第1缺陷像素群A21提取为缺陷像素。
图4A~4D是用于对作为缺陷检测算法的另一个例子的波峰法进行说明的图。图4A表示与通过摄像装置5来生成的二维图像数据对应的二维图像B的一个例子,图像的上侧是输送方向Z下游侧,图像的下侧是输送方向Z上游侧。在二维图像B中,将与片状成形体2的宽度方向平行的方向设为X方向,将与片状成形体2的长边方向(与输送方向Z平行的方向)平行的方向设为Y方向。在图4A中,关于二维图像B的Y方向位于中央,并在X方向上延伸的带状的亮区域为照明像B1,存在于照明像B1的内部的暗区域为第1缺陷像素群B21,存在于照明像B1的附近的亮区域为第2缺陷像素群B22。
在使用基于波峰法的缺陷检测算法的情况下,处理图像生成部61首先将二维图像B分割为沿着Y方向的每次一行的像素列的数据。接下来,处理图像生成部61针对各个像素列的数据,对沿着与二维图像B的Y方向平行的一直线L上的位置的亮度值的变化进行连续制图,将连结了该连续的制图点(plot)的曲线作成为图4B所示的亮度轮廓P3。
在二维图像B中不存在缺陷像素的情况下,亮度轮廓P3表示不出现波谷部分的单峰的轮廓,而在存在缺陷像素的情况下,如图4B所示,成为表示出现了波谷部分P31的双峰的轮廓。
接下来,处理图像生成部61针对各个像素列的亮度轮廓P3,按照在X方向上相邻的制图点之间的移动时间恒定的方式,假定从亮度轮廓P3的X方向一端向另一端移动的质点。这里,所述质点如图4C所示,从制图点c向与其相邻的制图点b移动,从制图点b向与其相邻的制图点a移动,从制图点a向与其相邻的制图点d移动。此外,制图点d是与关注像素对应的制图点。
处理图像生成部61求出在制图点d之前质点所通过的制图点a、b、c处的质点的速度矢量以及加速度矢量。也就是说,处理图像生成部61基于在制图点d之前质点所通过的2个制图点a以及制图点b的坐标和所述移动时间,求出从制图点b到制图点a的区间中的质点的速度矢量。此外,处理图像生成部61基于在制图点d之前质点所通过的2个制图点b以及制图点c的坐标和所述移动时间,求出从制图点c到制图点b的区间中的质点的速度矢量。进一步地,处理图像生成部61基于从制图点b到制图点a的区间中的质点的速度矢量和从制图点c到制图点b的区间中的质点的速度矢量,求出从制图点c到制图点a的区间中的质点的加速度矢量。然后,处理图像生成部61根据从制图点b到制图点a的区间中的质点的速度矢量和从制图点c到制图点a的区间中的质点的加速度矢量,预测制图点d的坐标(预测制图点f)。
处理图像生成部61求出如上所述那样预测出的制图点d的预测制图点f的亮度值与制图点d的实际(实测)亮度值的差,作成图4D所示的亮度值差轮廓P4。在图4D所示的亮度值差轮廓P4中,与图4B所示的亮度轮廓P3中的波谷部分P31对应地,也就是与二维图像B中的第1缺陷像素群B21对应地,出现亮度值差大的、具有预定阈值以上的特征量P42的波峰P41。
处理图像生成部61基于亮度值差轮廓P4,将与具有预定阈值以上的特征量P42的波峰P41对应的、二维图像B中的像素提取为缺陷像素。在图4D所示的亮度值差轮廓P4的例子中,处理图像生成部61将第1缺陷像素群B21提取为缺陷像素。
图5A、5B是用于对作为缺陷检测算法的另一个例子的平滑化法进行说明的图。图5A表示与通过摄像装置5来生成的二维图像数据对应的二维图像C的一个例子,图像的上侧是输送方向Z下游侧,图像的下侧是输送方向Z上游侧。在二维图像C中,将与片状成形体2的宽度方向平行的方向设为X方向,将与片状成形体2的长边方向(与输送方向Z平行的方向)平行的方向设为Y方向。在图5A中,关于二维图像C的Y方向位于中央,并在X方向上延伸的带状的亮区域是照明像C1,存在于照明像C1的内部的暗区域是第1缺陷像素群C21,存在于照明像C1的附近的亮区域是第2缺陷像素群C22。
在使用基于平滑化法的缺陷检测算法的情况下,处理图像生成部61首先将二维图像C分割为沿着Y方向的每次一行的像素列的数据。接下来,处理图像生成部61在X方向以及Y方向上作成几个像素(例如,X方向上为5个像素,Y方向上为1个像素)的核C31。
然后,处理图像生成部61针对各个像素列的数据,对沿着与二维图像C的Y方向平行的一直线L上的位置处的核C31内的中央像素的亮度值与核C31内的整个像素的亮度值的平均值的差(亮度值差)的变化进行连续制图,将连结该连续的制图点的曲线作成为图5B所示的平滑化轮廓P5。在图5B所示的平滑化轮廓P5中,与二维图像C中的第1缺陷像素群C21对应地,出现亮度值差大的、具有预定阈值以上的特征量P52的波峰P51。
处理图像生成部61基于平滑化轮廓P5,将与具有预定阈值以上的特征量P52的波峰P51对应的、二维图像C中的像素提取为缺陷像素。在图5B所示的平滑化轮廓P5的例子中,处理图像生成部61将第1缺陷像素群C21提取为缺陷像素。
图6A、6B是表示图像处理装置6生成的图像数据的一个例子的图。在本实施方式中,图像处理装置6的处理图像生成部61通过所述缺陷检测算法来处理从摄像装置5输出的二维图像数据,在将预定阈值以上的像素提取为缺陷像素之后,生成如图6A所示的处理图像D。处理图像生成部61生成的处理图像D是如下图像:对缺陷像素群D11、D12赋予和特征量相应的灰度值,对缺陷像素以外的剩余像素群D21赋予零灰度值。处理图像生成部61输出与生成的处理图像D对应的处理图像数据。
图6A所示的处理图像D是由在X方向上排列的W个像素和在Y方向上排列的H个像素构成的图像,其中,该在X方向上排列的W个像素从X方向一端(图6A中的处理图像D的左端)向另一端(图6A中的处理图像D的右端)按照0、1、2、…、W-2、W-1的顺序被赋予位置,该在Y方向上排列的H个像素从Y方向一端(图6A中的处理图像D的上端)向另一端(图6A中的处理图像D的下端)按照0、1、2、…、H-2、H-1的顺序被赋予位置。
在图6A中,处理图像D具有从X方向一端起的顺序(X坐标值)为“8”并且从Y方向一端起的顺序(Y坐标值)为“6”的像素为最大亮度值的第1缺陷像素群D11。此外,处理图像D具有从X方向一端起的顺序(X坐标值)为“W-5”并且从Y方向一端起的顺序(Y坐标值)为“3”的像素为最大亮度值的第2缺陷像素群D12。
与从处理图像生成部61输出的处理图像D对应的处理图像数据被输入到解析用图像生成部62。解析用图像生成部62基于所述处理图像数据,生成图6B所示的、由1个或者多个一维图像数据构成的图像数据群、即解析用图像。解析用图像生成部62输出与生成的解析用图像对应的解析用图像数据。从解析用图像生成部62输出的解析用图像数据被输入到后述的图像解析装置7。
在本实施方式中,解析用图像生成部62生成由一维图像数据构成的解析用图像,其中,该一维图像数据包括从片状成形体2中的缺陷的位置信息、亮度信息、尺寸信息以及种类信息中选择的至少一个信息。
具体来讲,解析用图像生成部62生成如图6B所示的、由包括缺陷位置信息的一维图像数据构成的解析用图像E1,并输出与生成的解析用图像E1对应的解析用图像数据。解析用图像E1是由一维图像数据构成的图像,该一维图像数据由从X方向一端(图6B中的解析用图像E1的左端)向另一端(图6B中的解析用图像E1的右端)按照0、1、2、…、W-2、W-1的顺序被赋予位置的在X方向上排列的W个像素以及在Y方向上的1个像素构成。
该解析用图像E1与处理图像D中的第1缺陷像素群D11对应,从X方向一端起的顺序(X坐标值)为“6”、“7”、“8”、“9”以及“10”的像素具有表示第1缺陷像素群D11的最大亮度值的像素的Y坐标值“6”的灰度值。此外,解析用图像E1与处理图像D中的第2缺陷像素群D12对应,从X方向一端起的顺序(X坐标值)为“W-6”、“W-5”以及“W-4”的像素具有表示第2缺陷像素群D12的最大亮度值的像素的Y坐标值“3”的灰度值。进一步此外,解析用图像E1对于与处理图像D中的除了第1缺陷像素群D11以及第2缺陷像素群D12以外的剩余像素群D21对应的像素,具有“0”灰度值。
这样的解析用图像E1,处理图像D中的第1缺陷像素群D11以及第2缺陷像素群D12的缺陷位置信息作为像素的灰度值而被赋予,由此,摄像装置5生成的二维图像中的缺陷像素的缺陷位置信息作为像素的灰度值而被赋予。
此外,解析用图像生成部62生成如图6B所示的、由包括缺陷亮度信息的一维图像数据构成的解析用图像E2,并输出与生成的解析用图像E2对应的解析用图像数据。解析用图像E2是由一维图像数据构成的图像,该一维图像数据由从X方向一端(图6B中的解析用图像E2的左端)向另一端(图6B中的解析用图像E2的右端)按照0、1、2、…、W-2、W-1的顺序被赋予位置的在X方向上排列的W个像素以及在Y方向上的1个像素构成。
该解析用图像E2与处理图像D中的第1缺陷像素群D11对应,从X方向一端起的顺序(X坐标值)为“6”、“7”、“8”、“9”以及“10”的像素具有与表示第1缺陷像素群D11的最大亮度值的像素为同一像素列的各个像素的灰度值。在图6B的例子中,解析用图像E2的X坐标值为“6”的像素的灰度值为“80”,X坐标值为“7”的像素的灰度值为“100”,X坐标值为“8”的像素的灰度值为“255”,X坐标值为“9”的像素的灰度值为“128”,X坐标值为“10”的像素的灰度值为“80”。此外,解析用图像E2与处理图像D中的第2缺陷像素群D12对应,从X方向一端起的顺序(X坐标值)为“W-6”、“W-5”以及“W-4”的像素具有与表示第2缺陷像素群D12的最大亮度值的像素为同一像素列的各个像素的灰度值。在图6B的例子中,解析用图像E2的X坐标值为“W-6”的像素的灰度值为“80”,X坐标值为“W-5”的像素的灰度值为“128”,X坐标值为“W-4”的像素的灰度值为“80”。进一步此外,解析用图像E2对于与处理图像D中的除了第1缺陷像素群D11以及第2缺陷像素群D12以外的剩余像素群D21对应的像素,具有“0”灰度值。
这样的解析用图像E2,处理图像D中的第1缺陷像素群D11以及第2缺陷像素群D12的缺陷亮度信息作为像素的灰度值而被赋予,由此,摄像装置5生成的二维图像中的缺陷像素的缺陷亮度信息作为像素的灰度值而被赋予。
此外,解析用图像生成部62生成如图6B所示的、由包括缺陷尺寸信息的一维图像数据构成的解析用图像E3,并输出与生成的解析用图像E3对应的解析用图像数据。解析用图像E3是由一维图像数据构成的图像,该一维图像数据由从X方向一端(图6B中的解析用图像E3的左端)向另一端(图6B中的解析用图像E3的右端)按照0、1、2、…、W-2、W-1的顺序被赋予位置的在X方向上排列的W个像素以及Y方向上的1个像素构成。
该解析用图像E3与处理图像D中的第1缺陷像素群D11对应,从X方向一端起的顺序(X坐标值)为“6”、“7”、“8”、“9”以及“10”的像素关于处理图像D的第1缺陷像素群D11,具有相当于在Y方向上排列的像素的数量的灰度值。在图6B的例子中,解析用图像E3的X坐标值为“6”的像素的灰度值为“1”,X坐标值为“7”的像素的灰度值为“2”,X坐标值为“8”的像素的灰度值为“3”,X坐标值为“9”的像素的灰度值为“2”,X坐标值为“10”的像素的灰度值为“1”。此外,解析用图像E3与处理图像D中的第2缺陷像素群D12对应,从X方向一端起的顺序(X坐标值)为“W-6”、“W-5”以及“W-4”的像素关于处理图像D的第2缺陷像素群D12,具有相当于在Y方向上排列的像素的数量的灰度值。在图6B的例子中,解析用图像E3的X坐标值为“W-6”的像素的灰度值为“1”,X坐标值为“W-5”的像素的灰度值为“3”,X坐标值为“W-4”的像素的灰度值为“1”。进一步此外,解析用图像E3对于与处理图像D中的除了第1缺陷像素群D11以及第2缺陷像素群D12以外的剩余像素群D21对应的像素,具有“0”灰度值。
这样的解析用图像E3,处理图像D中的第1缺陷像素群D11以及第2缺陷像素群D12的缺陷尺寸信息作为像素的灰度值而被赋予,由此,摄像装置5生成的二维图像中的缺陷像素的缺陷尺寸信息作为像素的灰度值而被赋予。
此外,解析用图像生成部62生成如图6B所示的、由包括缺陷种类信息的一维图像数据构成的解析用图像E4,并输出与生成的解析用图像E4对应的解析用图像数据。解析用图像E4是由一维图像数据构成的图像,该一维图像数据由从X方向一端(图6B中的解析用图像E4的左端)向另一端(图6B中的解析用图像E4的右端)按照0、1、2、…、W-2、W-1的顺序被赋予位置的在X方向上排列的W个像素以及Y方向上的1个像素构成。
该解析用图像E4与处理图像D中的第1缺陷像素群D11对应,从X方向一端起的顺序(X坐标值)为“6”、“7”、“8”、“9”以及“10”的像素具有相当于在基于处理图像生成部61的处理图像D的生成时,能够提取第1缺陷像素群D11的缺陷检测算法的种类编号的灰度值。缺陷检测算法的种类编号是为了方便而按每个缺陷检测算法赋予的、用于确定缺陷检测算法的种类的预定编号。在图6B的例子中,解析用图像E4的X坐标值为“6”、“7”、“8”、“9”以及“10”的像素的灰度值是,表示能够提取第1缺陷像素群D11的一个缺陷检测算法的种类编号的“1”。此外,解析用图像E4与处理图像D中的第2缺陷像素群D12对应,从X方向一端起的顺序(X坐标值)为“W-6”、“W-5”以及“W-4”的像素具有相当于在基于处理图像生成部61的处理图像D的生成时,能够提取第2缺陷像素群D12的缺陷检测算法的种类编号的灰度值。在图6B的例子中,解析用图像E4的X坐标值为“W-6”、“W-5”以及“W-4”的像素的灰度值是,表示能够提取第2缺陷像素群D12的其他缺陷检测算法的种类编号的“2”。进一步此外,解析用图像E4对于与处理图像D中的除了第1缺陷像素群D11以及第2缺陷像素群D12以外的剩余像素群D21对应的像素,具有“0”灰度值。
这样的解析用图像E4,处理图像D中的第1缺陷像素群D11以及第2缺陷像素群D12的缺陷种类信息作为像素的灰度值而被赋予,由此,摄像装置5生成的二维图像中的缺陷像素的缺陷种类信息作为像素的灰度值而被赋予。
作为片状成形体2中产生的缺陷,如前所述,举例有:气泡、鱼眼、异物、轮胎痕迹、碰撞痕迹、瑕疵等点缺陷、由于折痕等而产生的所谓的弯曲处、由于厚度的不同而产生的所谓的原抗线等线缺陷。
根据在基于处理图像生成部61的处理图像D的生成时被使用的缺陷检测算法的种类,能够提取的缺陷的种类不同。作为缺陷检测算法的一个例子的所述边缘轮廓法能够以高提取能力提取异物、轮胎痕迹、瑕疵等缺陷。所述波峰法能够以高提取能力提取异物、碰撞痕迹、瑕疵等缺陷。所述平滑化法能够以高提取能力提取气泡、鱼眼、碰撞痕迹等缺陷。这样,通过利用由于缺陷检测算法的种类而导致的缺陷提取能力的不同,作为一维图像数据构成解析用图像E4,从而能够进行摄像装置5生成的二维图像中的缺陷区域的缺陷种类的区别,其中,该一维图像数据包括具有对缺陷检测算法的种类编号进行表示的灰度值的像素。
虽然上述中,表示了通过设为包括具有对缺陷检测算法的种类编号进行表示的灰度值的像素的一维图像数据,来生成包括缺陷种类信息的解析用图像E4的例子,但并不仅限于此。
图7A~7E是表示通过摄像装置5来拍摄的二维图像中的、由于缺陷的种类的不同而导致的亮度值的变化的样子的图。图7A~7E表示通过摄像装置5来对由输送装置3输送的片状成形体2进行拍摄时的二维图像F,是按照图7A、图7B、图7C、图7D、图7E的顺序而被拍摄的。
例如碰撞痕迹缺陷F21能够基于在通过照明像F1时被观测的明暗的反转来检测。与此相对地,异物缺陷F22始终被检测为暗区域。利用该现象,解析用图像生成部62针对通过摄像装置5来拍摄的多个二维图像F,使用1种缺陷检测算法来对通过处理图像生成部61而生成的多个处理图像进行蓄积。然后,解析用图像生成部62针对各个处理图像中X方向的坐标值(X坐标值)相同的缺陷像素,以全部为暗区域的缺陷像素被提取的情况和亮区域以及暗区域被反转的缺陷像素被提取的情况来对缺陷种类进行分类,由此生成包括缺陷种类信息的解析用图像E4。
图8是用于对并列驱动多个摄像装置5的情况下的多个信息量的输出方式进行说明的图。在缺陷检查装置1中,在并列驱动多个摄像装置5的情况下,摄像装置5被配置为相邻的摄像装置5的视野相互稍微重合。在这种情况下,与通过各个摄像装置5来拍摄的各个二维图像对应地,在通过解析用图像生成部62来生成的各个解析用图像G1、G2、G3中,形成缺陷检测中利用的中央区域G12、G22、G32和与摄像装置5的视野重合部分对应的、缺陷检测中不利用的端部区域G13、G23、G33。这样,通过在各个解析用图像G1、G2、G3中的端部区域G13、G23、G33的各个像素中记述与缺陷相关的其他信息(所述缺陷位置信息、缺陷亮度信息、缺陷尺寸信息以及缺陷种类信息以外的信息),从而能够在不增加解析用图像G1、G2、G3的像素数的情况下,赋予多个与缺陷相关的信息。
回到图2,本实施方式的缺陷检查装置1中具备的图像解析装置7基于从图像处理装置6的解析用图像生成部62输出的解析用图像数据来进行图像解析,检测片状成形体2的缺陷。图像解析装置7具备:解析用图像输入部71、图像解析部72、控制部73、以及显示部74。解析用图像输入部71对从图像处理装置6的解析用图像生成部62输出的解析用图像数据进行输入。
图像解析部72基于从解析用图像输入部71输入的解析用图像数据来检测缺陷,对片状成形体2中的缺陷位置信息、缺陷亮度信息、缺陷尺寸信息、以及缺陷种类信息等进行解析,生成表示与缺陷相关的信息的缺陷信息,并将该缺陷信息输出到控制部73。图像解析部72在由包括缺陷位置信息的一维图像数据构成的解析用图像数据从解析用图像生成部62输出的情况下,将解析用图像中的缺陷像素的坐标变换为片状成形体2上的位置,生成表示片状成形体2中的缺陷位置的缺陷信息,并将该生成的缺陷信息输出到控制部73。
此外,图像解析部72在由包括缺陷亮度信息的一维图像数据构成的解析用图像数据从解析用图像生成部62输出的情况下,将解析用图像中的缺陷的亮度分布变换为片状成形体2上的缺陷的亮度分布,生成表示片状成形体2中的缺陷的亮度分布的缺陷信息,并将该生成的缺陷信息输出到控制部73。
此外,图像解析部72在由包括缺陷尺寸信息的一维图像数据构成的解析用图像数据从解析用图像生成部62输出的情况下,将解析用图像中的缺陷尺寸的分布变换为片状成形体2上的缺陷尺寸的分布,生成表示片状成形体2中的缺陷尺寸的分布的缺陷信息,并将该生成的缺陷信息输出到控制部73。
此外,图像解析部72在由包括缺陷种类信息的一维图像数据构成的解析用图像数据从解析用图像生成部62输出的情况下,将解析用图像中各个种类的缺陷分布变换为片状成形体2上各个种类的缺陷分布,生成表示片状成形体2中各个种类的缺陷分布的缺陷信息,并将该生成的缺陷信息输出到控制部73。
进一步此外,图像解析部72在由多个一维图像数据构成的解析用图像数据从解析用图像生成部62输出的情况下,将解析用图像中的各个信息变换为片状成形体2上的对应的各个信息,生成片状成形体2中的各个缺陷信息,并将该生成的各个缺陷信息输出到控制部73,其中,所述多个一维图像数据分别包括从缺陷位置信息、缺陷亮度信息、缺陷尺寸信息、以及缺陷种类信息中选择的信息。
控制部73基于从图像解析部72输出的缺陷信息,作成对片状成形体2中的缺陷信息进行表示的缺陷映射,并对解析用图像输入部71、图像解析部72以及显示部74进行统一控制。
控制部73在由包括缺陷位置信息的一维图像数据构成的解析用图像数据从解析用图像生成部62被输出,并且基于该解析用图像数据的、对片状成形体2中的缺陷位置进行表示的缺陷信息从图像解析部72被输出的情况下,作成对片状成形体2的缺陷位置进行表示的缺陷映射。
此外,控制部73在由包括缺陷亮度信息的一维图像数据构成的解析用图像数据从解析用图像生成部62被输出,并且基于该解析用图像数据的、对片状成形体2中的缺陷的亮度分布进行表示的缺陷信息从图像解析部72被输出的情况下,作成对片状成形体2的缺陷亮度的分布进行表示的缺陷映射。
此外,控制部73在由包括缺陷尺寸信息的一维图像数据构成的解析用图像数据从解析用图像生成部62输出,并且基于该解析用图像数据的、对片状成形体2中的缺陷尺寸的分布进行表示的缺陷信息从图像解析部72输出的情况下,作成对片状成形体2的缺陷尺寸的分布进行表示的缺陷映射。
此外,控制部73在由包括缺陷种类信息的一维图像数据构成的解析用图像数据从解析用图像生成部62输出,并且基于该解析用图像数据的、对片状成形体2中各个种类的缺陷的分布进行表示的缺陷信息从图像解析部72输出的情况下,作成对片状成形体2的各个种类的缺陷的分布进行表示的缺陷映射。
进一步此外,控制部73在由多个一维图像数据构成的解析用图像数据从解析用图像生成部62输出,并且基于该解析用图像数据的、片状成形体2中的多个缺陷信息从图像解析部72输出的情况下,作成对片状成形体2中的多个缺陷信息分别进行表示的缺陷映射,其中,所述多个一维图像数据分别包括从缺陷位置信息、缺陷亮度信息、缺陷尺寸信息、以及缺陷种类信息中选择的信息。
这样通过控制部73来作成的缺陷映射被显示在显示部74。图9是表示图像解析装置7的显示部74中显示的缺陷映射H的一个例子的图。
在图9所示的例子中,是解析用图像生成部62对由包括缺陷位置信息的一维图像数据和包括缺陷亮度信息的一维图像数据这2个一维图像数据构成的解析用图像数据进行输出的情况。
这里,构成解析用图像数据的、由包括缺陷位置信息的一维图像数据构成的解析用图像是图6B所示的解析用图像E1,由包括缺陷亮度信息的一维图像数据构成的解析用图像是图6B所示的解析用图像E2。
这样,在解析用图像生成部62对由包括缺陷位置信息的一维图像数据和包括缺陷亮度信息的一维图像数据这2个一维图像数据构成的解析用图像数据进行输出的情况下,图像解析部72将包括缺陷位置信息的一维图像数据中的缺陷位置的坐标变换为片状成形体2上的位置。进一步地,图像解析部72将包括缺陷亮度信息的一维图像数据中的缺陷的亮度分布变换为片状成形体2上的缺陷的亮度分布,生成对片状成形体2中的缺陷位置以及亮度值进行表示的缺陷信息,并将该生成的缺陷信息输出到控制部73。
控制部73基于通过图像解析部72来生成的、表示片状成形体2中的缺陷位置以及亮度值的缺陷信息,生成图9所示的表示缺陷H1的分布的缺陷映射H,将该生成的缺陷映射H显示在显示部74。这样通过对显示在显示部74的缺陷映射H进行视认,从而操作缺陷检查装置1的用户能够确认片状成形体2中的缺陷的产生状况。
由于在如上构成的本实施方式的缺陷检查装置1中,基于通过摄像装置5来拍摄的片状成形体2的二维图像数据,来进行片状成形体2的缺陷检测,因此与基于例如按照行传感器的一维图像数据来进行缺陷检测的情况相比,能够维持高的缺陷检测能力。
进一步,在本实施方式的缺陷检查装置1中,从摄像装置5输出的信息量多的二维图像数据通过处理图像生成部61而被变换为处理图像数据,进一步地,通过解析用图像生成部62而被变换为由1个或者多个一维图像数据构成的解析用图像数据群。这样,由于基于从二维图像数据变换来的、由1个或者多个一维图像数据构成的解析用图像数据群,图像解析装置7进行图像解析从而检测片状成形体2的缺陷,因此能够实现基于图像解析装置7的图像处理的高速化,并能够提高检查效率。
本发明在不脱离其主旨或者主要特征的情况下,能够以其他各种方式来实施。因此,所述实施方式仅仅是所有方式的示例,本发明的范围在权利要求中表示,不拘束于说明书文本。进一步地,属于权利要求的变形或者变更全都是本发明的范围内的内容。
符号说明:
1 缺陷检查装置
2 片状成形体
3 输送装置
4 照明装置
5 摄像装置
6 图像处理装置
7 图像解析装置
61 处理图像生成部
62 解析用图像生成部
71 解析用图像输入部
72 图像解析部
73 控制部
74 显示部
Claims (4)
1.一种缺陷检查装置,具备:
输送部,其输送片状成形体;
照射部,其对被输送的所述片状成形体照射光;和
摄像部,其拍摄被输送的所述片状成形体,并生成基于被照射到片状成形体的光的反射光或者透射光的二维图像数据,
所述缺陷检查装置的特征在于,还具备:
特征量计算部,其通过预定的算法处理,来对构成所述二维图像数据的各个像素的基于亮度值的特征量进行计算;
处理图像数据生成部,其将构成所述二维图像数据的各个像素区别为基于所述亮度值的特征量为预定的阈值以上的像素即缺陷像素、和基于所述亮度值的特征量小于所述阈值的像素即剩余像素,生成针对所述缺陷像素赋予与基于所述亮度值的特征量相对应的灰度值、针对所述剩余像素赋予零灰度值的处理图像数据;
解析用图像数据生成部,其基于所述处理图像数据,至少生成一个由1个或者多个一维图像数据构成的解析用图像数据群;和
图像解析部,其基于通过所述解析用图像数据生成部生成的所述解析用图像数据群来进行图像解析,并对所述片状成形体的缺陷进行检测。
2.根据权利要求1所述的缺陷检查装置,其特征在于,
所述解析用图像数据群包括所述片状成形体中的缺陷的位置信息、亮度信息、尺寸信息、以及种类信息中的至少一个信息。
3.根据权利要求2所述的缺陷检查装置,其特征在于,
所述特征量计算部通过多个算法处理来对基于所述亮度值的特征量进行计算,
所述解析用图像数据生成部,将赋予与用于对计算出所述特征量的算法处理的种类进行确定的预定的种类编号相当的灰度值作为像素的灰度值的解析用图像数据群生成为包括所述种类信息的解析用图像数据群。
4.一种缺陷检查方法,包括:
输送步骤,其输送片状成形体;
照射步骤,其对被输送的所述片状成形体照射光;和
拍摄步骤,其通过摄像部拍摄被输送的所述片状成形体,并生成基于被照射到片状成形体的光的反射光或者透射光的二维图像数据,
所述缺陷检查方法的特征在于,还包括:
特征量计算步骤,其通过预定的算法处理来对构成所述二维图像数据的各个像素的基于亮度值的特征量进行计算;
处理图像数据生成步骤,其将构成所述二维图像数据的各个像素区别为基于所述亮度值的特征量为预定阈值以上的像素即缺陷像素、和基于所述亮度值的特征量小于所述阈值的像素即剩余像素,生成针对所述缺陷像素赋予与基于所述亮度值的特征量相对应的灰度值、针对所述剩余像素赋予零灰度值的处理图像数据;
解析用图像数据生成步骤,其基于所述处理图像数据,至少生成一个由1个或者多个一维图像数据构成的解析用图像数据群;和
图像解析步骤,其基于通过所述解析用图像数据生成步骤生成的所述解析用图像数据群来进行图像解析,并对所述片状成形体的缺陷进行检测。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012-188097 | 2012-08-28 | ||
JP2012188097 | 2012-08-28 | ||
PCT/JP2013/072449 WO2014034526A1 (ja) | 2012-08-28 | 2013-08-22 | 欠陥検査装置および欠陥検査方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104583761A CN104583761A (zh) | 2015-04-29 |
CN104583761B true CN104583761B (zh) | 2016-12-21 |
Family
ID=50183341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380044740.9A Active CN104583761B (zh) | 2012-08-28 | 2013-08-22 | 缺陷检查装置以及缺陷检查方法 |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP5643918B2 (zh) |
KR (1) | KR102023231B1 (zh) |
CN (1) | CN104583761B (zh) |
TW (1) | TWI588472B (zh) |
WO (1) | WO2014034526A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6010711B1 (ja) * | 2015-06-09 | 2016-10-19 | 東芝機械株式会社 | 欠陥検査方法および欠陥検査装置 |
JP6688629B2 (ja) * | 2016-02-19 | 2020-04-28 | 株式会社Screenホールディングス | 欠陥検出装置、欠陥検出方法およびプログラム |
EP3418726A4 (en) * | 2016-02-19 | 2019-03-20 | SCREEN Holdings Co., Ltd. | DEFECT DETECTION DEVICE, DEFECT DETECTION METHOD AND PROGRAM |
CN105818260B (zh) * | 2016-05-12 | 2018-10-23 | 山东工业陶瓷研究设计院有限公司 | 平板陶瓷膜智能挤出成型装置 |
CN107560567A (zh) * | 2017-07-24 | 2018-01-09 | 武汉科技大学 | 一种基于图像分析的材料表面质量检测方法 |
JP6786565B2 (ja) * | 2018-10-10 | 2020-11-18 | Ckd株式会社 | 検査装置、ptp包装機及びptpシートの製造方法 |
TWI708041B (zh) * | 2018-10-17 | 2020-10-21 | 所羅門股份有限公司 | 檢測與標記瑕疵的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09159622A (ja) * | 1995-12-05 | 1997-06-20 | Kawasaki Steel Corp | 表面欠陥検査装置 |
JP3100330B2 (ja) * | 1996-01-31 | 2000-10-16 | 三菱重工業株式会社 | 自動材料欠陥検査装置 |
JP2003317082A (ja) * | 2002-04-25 | 2003-11-07 | Dainippon Screen Mfg Co Ltd | 分類支援装置、分類装置およびプログラム |
JP2005030966A (ja) * | 2003-07-08 | 2005-02-03 | Hitachi Kokusai Electric Inc | 検査データ設定方法及びそれを使った検査方法並びに装置 |
JP2006084388A (ja) * | 2004-09-17 | 2006-03-30 | I-Pulse Co Ltd | 実装基板の検査用データ作成方法及び作成装置、並びに実装基板の検査方法 |
WO2011052332A1 (ja) * | 2009-10-30 | 2011-05-05 | 住友化学株式会社 | 欠陥検査用画像処理装置および欠陥検査用画像処理方法 |
CN102224412A (zh) * | 2008-11-21 | 2011-10-19 | 住友化学株式会社 | 成形片材的缺陷检查装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0634349A (ja) * | 1992-07-16 | 1994-02-08 | Kobe Steel Ltd | 逆反射スクリーンによる表面検査方法 |
JPH0968502A (ja) * | 1995-08-30 | 1997-03-11 | Dainippon Screen Mfg Co Ltd | 透孔板の検査方法および検査装置 |
JP3151400B2 (ja) * | 1996-02-28 | 2001-04-03 | 株式会社巴コーポレーション | 管類の内部腐食検出方法 |
JPH09311030A (ja) * | 1996-05-24 | 1997-12-02 | Datsuku Eng Kk | 品質検査方法および品質検査装置 |
JP2000276592A (ja) * | 1999-03-23 | 2000-10-06 | Tokimec Inc | 欠陥検出方法及び欠陥検出装置 |
JP3917431B2 (ja) * | 2002-01-25 | 2007-05-23 | ペンタックス株式会社 | 光学部材検査方法 |
JP2005189113A (ja) * | 2003-12-25 | 2005-07-14 | Jfe Steel Kk | 表面検査装置および表面検査方法 |
JP5006551B2 (ja) | 2006-02-14 | 2012-08-22 | 住友化学株式会社 | 欠陥検査装置及び欠陥検査方法 |
JP4160991B2 (ja) * | 2006-11-29 | 2008-10-08 | シャープ株式会社 | 線状の欠陥の検出装置および半導体基板の製造装置、線状の欠陥の検出方法および半導体基板の製造方法、コンピュータを当該検出装置または… |
JP5043755B2 (ja) * | 2008-06-05 | 2012-10-10 | 住友化学株式会社 | 樹脂材料検査装置およびプログラム |
JP5553716B2 (ja) * | 2010-09-15 | 2014-07-16 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
-
2013
- 2013-08-22 CN CN201380044740.9A patent/CN104583761B/zh active Active
- 2013-08-22 WO PCT/JP2013/072449 patent/WO2014034526A1/ja active Application Filing
- 2013-08-22 JP JP2014514651A patent/JP5643918B2/ja active Active
- 2013-08-22 KR KR1020157005297A patent/KR102023231B1/ko active IP Right Grant
- 2013-08-28 TW TW102130928A patent/TWI588472B/zh active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09159622A (ja) * | 1995-12-05 | 1997-06-20 | Kawasaki Steel Corp | 表面欠陥検査装置 |
JP3100330B2 (ja) * | 1996-01-31 | 2000-10-16 | 三菱重工業株式会社 | 自動材料欠陥検査装置 |
JP2003317082A (ja) * | 2002-04-25 | 2003-11-07 | Dainippon Screen Mfg Co Ltd | 分類支援装置、分類装置およびプログラム |
JP2005030966A (ja) * | 2003-07-08 | 2005-02-03 | Hitachi Kokusai Electric Inc | 検査データ設定方法及びそれを使った検査方法並びに装置 |
JP2006084388A (ja) * | 2004-09-17 | 2006-03-30 | I-Pulse Co Ltd | 実装基板の検査用データ作成方法及び作成装置、並びに実装基板の検査方法 |
CN102224412A (zh) * | 2008-11-21 | 2011-10-19 | 住友化学株式会社 | 成形片材的缺陷检查装置 |
WO2011052332A1 (ja) * | 2009-10-30 | 2011-05-05 | 住友化学株式会社 | 欠陥検査用画像処理装置および欠陥検査用画像処理方法 |
CN102630299A (zh) * | 2009-10-30 | 2012-08-08 | 住友化学株式会社 | 缺陷检查用图像处理装置和缺陷检查用图像处理方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2014034526A1 (ja) | 2014-03-06 |
JP5643918B2 (ja) | 2014-12-17 |
KR20150044907A (ko) | 2015-04-27 |
TW201411121A (zh) | 2014-03-16 |
CN104583761A (zh) | 2015-04-29 |
TWI588472B (zh) | 2017-06-21 |
KR102023231B1 (ko) | 2019-09-19 |
JPWO2014034526A1 (ja) | 2016-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104583761B (zh) | 缺陷检查装置以及缺陷检查方法 | |
JP6191627B2 (ja) | 画像生成装置、欠陥検査装置および欠陥検査方法 | |
JP5619348B2 (ja) | 成形シートの欠陥検査装置 | |
Wang et al. | Classification for plastic bottles recycling based on image recognition | |
CN104919305B (zh) | 图像生成装置、缺陷检查装置以及缺陷检查方法 | |
JP5006551B2 (ja) | 欠陥検査装置及び欠陥検査方法 | |
JP2013140050A (ja) | 欠陥検査装置および欠陥検査方法 | |
TWI456430B (zh) | 手勢判斷裝置、其操作方法與手勢判斷方法 | |
CN107703513A (zh) | 一种基于图像处理的新型非接触式接触网相对位置检测方法 | |
WO2016208622A1 (ja) | 表面欠陥検出装置および表面欠陥検出方法 | |
Khaliluzzaman et al. | Zebra-crossing detection based on geometric feature and vertical vanishing point | |
TW201435333A (zh) | 圖像產生裝置、缺陷檢查裝置及缺陷檢查方法 | |
US20230206606A1 (en) | Method and system for training a neural network-implemented sensor system to classify objects in a bulk flow | |
CN114813761A (zh) | 一种基于双光频闪的薄膜针孔和亮斑缺陷识别系统及方法 | |
JP4658779B2 (ja) | 疵検出方法、装置、及びコンピュータプログラム | |
JP7211265B2 (ja) | 識別モデル生成装置、識別モデル生成方法及び識別モデル生成プログラム、並びに鋼材疵判定装置、鋼材疵判定方法及び鋼材疵判定プログラム | |
KR20140001356A (ko) | 압연재의 심 크랙 결함 검출 장치 | |
JP5513238B2 (ja) | 画像処理システムおよび画像処理プログラム | |
JP4748572B2 (ja) | 欠陥マーキング装置及び欠陥マーキング方法、並びに欠陥マーキング評価装置 | |
JP2001134762A (ja) | 瓶類の選別装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |