CN109297971B - 缺陷检查系统及缺陷检查方法 - Google Patents

缺陷检查系统及缺陷检查方法 Download PDF

Info

Publication number
CN109297971B
CN109297971B CN201810793863.7A CN201810793863A CN109297971B CN 109297971 B CN109297971 B CN 109297971B CN 201810793863 A CN201810793863 A CN 201810793863A CN 109297971 B CN109297971 B CN 109297971B
Authority
CN
China
Prior art keywords
image
column
divided
pixels
imaging
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
Application number
CN201810793863.7A
Other languages
English (en)
Other versions
CN109297971A (zh
Inventor
尾崎麻耶
广濑修
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.)
Sumitomo Chemical Co Ltd
Original Assignee
Sumitomo Chemical 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 Sumitomo Chemical Co Ltd filed Critical Sumitomo Chemical Co Ltd
Publication of CN109297971A publication Critical patent/CN109297971A/zh
Application granted granted Critical
Publication of CN109297971B publication Critical patent/CN109297971B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01N21/8851—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
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G01N2021/8887—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 based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Textile Engineering (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明提供缺陷检查系统及缺陷检查方法。在缺陷检查系统(1)中，由摄像部(3)拍摄出在输送方向(X)上亮度发生变化的二维图像，由列分割处理部(9)处理成使二维图像的相同位置的列依照时间序列的顺序排列而成的列分割图像的图像数据，由分类部(10)将不同的亮度的列分割图像分类为多个列分割图像组，由合并部(11)将在列分割图像中对检查对象(T)的相同位置进行拍摄得到的图像数据的像素值彼此合并，按列分割图像组生成图像合并数据，由分割输出部(12)按照预先设定的规则对图像合并数据进行分割并输出，按基于预先设定的规则进行的分割而使图像合并数据的图像的呈现方式不同，容易识别缺陷的类别。

Description

缺陷检查系统及缺陷检查方法
技术领域
本发明涉及缺陷检查系统及缺陷检查方法。
背景技术
作为基于检查对象的拍摄图像来对检查对象的缺陷进行检查的缺陷检查系统，例如已知有检测偏振膜及相位差膜等光学膜、电池的隔膜所使用的层叠膜等的缺陷的缺陷检查系统。这种缺陷检查系统沿着输送方向输送膜，按离散时间拍摄膜的二维图像，基于拍摄出的二维图像来进行缺陷检查。例如，日本国专利第4726983号的系统生成列分割图像，该列分割图像通过将二维图像分割为沿着输送方向排列的多个列、并使按离散时间拍摄出的二维图像各自中的相同位置的列依照时间序列的顺序排列而成。列分割图像被处理成增强了亮度变化的缺陷增强处理图像。针对缺陷增强处理图像，将对检查对象的相同位置进行拍摄得到的缺陷增强处理图像的图像数据的像素的值彼此累计来进行合并。由此，容易确定膜的缺陷的有无、膜的缺陷的位置。
此外，膜的缺陷存在突出的凸缺陷、凹陷的凹缺陷等类别。在缺陷检查系统中，不仅是缺陷的有无、缺陷的位置，也希望识别缺陷的类别。然而，在上述技术中，缺陷增强处理图像的图像数据的像素的值彼此累计而被合并，因此缺陷的突出、凹陷的信息消失或彼此抵消，难以识别缺陷的类别，希望加以改善。
发明内容
于是，本发明的目的在于提供容易识别缺陷的类别的缺陷检查系统及缺陷检查方法。
本发明涉及一种缺陷检查系统，其具备：光源，其向检查对象照射光；摄像部，其按离散时间拍摄二维图像，该二维图像基于从光源向检查对象照射并透过检查对象或在检查对象上反射后的光而形成；输送部，其将检查对象相对于光源及摄像部沿着输送方向相对地输送；以及图像处理部，其对由摄像部拍摄出的二维图像的图像数据进行处理，摄像部拍摄出在与二维图像的输送方向一致的方向上亮度发生变化的二维图像，图像处理部具有：列分割处理部，其将二维图像处理成列分割图像的图像数据，列分割图像通过将二维图像分割为沿着输送方向排列的多个列、并使由摄像部按离散时间拍摄出的二维图像各自中的相同位置的列依照时间序列的顺序排列而成；分类部，其将由列分割处理部处理得到的各列分割图像按照预先设定的规则分类为两个以上的列分割图像组；合并部，其针对由分类部分类到相同的列分割图像组的各列分割图像，将对检查对象的相同位置进行拍摄得到的图像数据的像素的值彼此合并，按列分割图像组生成图像合并数据；以及分割输出部，其将由合并部按列分割图像组生成的图像合并数据按照预先设定的规则进行分割并输出。
根据该结构，缺陷检查系统具备：光源，其向检查对象照射光；摄像部，其按离散时间拍摄二维图像，该二维图像基于从光源向检查对象照射并透过检查对象或在检查对象上反射后的光而形成；输送部，其将检查对象相对于光源及摄像部沿着输送方向相对地输送；以及图像处理部，其对由摄像部拍摄出的二维图像的图像数据进行处理，其中，由摄像部拍摄出在与二维图像的与输送方向一致的方向上亮度发生变化的二维图像，由图像处理部的列分割处理部将二维图像处理成列分割图像的图像数据，所述列分割图像通过将二维图像分割为沿着输送方向排列的多个列、并使由摄像部按离散时间拍摄出的二维图像各自中的相同位置的列依照时间序列的顺序排列而成，因此即便是对相同的检查对象进行拍摄得到的图像，各列分割图像也成为具有不同的亮度的图像。另外，由图像处理部的分类部将通过列分割处理部处理得到的具有不同的亮度的各列分割图像按照预先设定的规则分类为两个以上的列分割图像组，针对分类到相同的列分割图像组的各列分割图像，由图像处理部的合并部将对检查对象的相同位置进行拍摄得到的图像数据的像素的值彼此合并，按列分割图像组生成图像合并数据，由图像处理部的分割输出部将通过合并部按列分割图像组生成的图像合并数据按照预先设定的规则进行分割并输出，因此即便是图像数据的像素的值彼此合并而成的图像合并数据，通过按照预先设定的规则进行分割并输出，从而按基于预先设定的规则进行的分割而使图像合并数据的图像的呈现方式也不同，因此容易识别图像合并数据中的检查对象的缺陷的类别。
在该情况下，优选的是，由摄像部按离散时间拍摄的二维图像具有明部、暗部、以及明部与暗部之间的分界部，输送部将检查对象相对于摄像部沿着与明部、暗部及分界部相交的输送方向相对地输送。
根据该结构，由摄像部按离散时间拍摄的二维图像具有明部、暗部、以及明部与暗部之间的分界部，由输送部将检查对象相对于摄像部沿着与明部、暗部及分界部相交的输送方向相对地输送，因此按离散时间拍摄出的一系列的二维图像中的检查对象的各部位进入明部、暗部及分界部中的任一方。因此，即便由分割输出部输出的图像数据是图像数据的像素的值彼此合并的图像合并数据，按基于预先设定的规则进行的分割而使图像合并数据的图像的呈现方式也进一步不同，因此更容易识别图像合并数据中的检查对象的缺陷的类别。
在该情况下，优选的是，分类部将由列分割处理部处理得到的各列分割图像分类为：通过使二维图像各自中的明部的列依照时间序列的顺序排列而成的列分割图像的列分割图像组；通过使二维图像各自中的暗部的列依照时间序列的顺序排列而成的列分割图像的列分割图像组；以及通过使二维图像各自中的分界部的列依照时间序列的顺序排列而成的列分割图像的列分割图像组。
根据该结构，由分类部将通过列分割处理部处理得到的各列分割图像分类为：通过使二维图像各自中的明部的列依照时间序列的顺序排列而成的列分割图像的列分割图像组；通过使二维图像各自中的暗部的列依照时间序列的顺序排列而成的列分割图像的列分割图像组；以及通过使二维图像各自中的分界部的列依照时间序列的顺序排列而成的列分割图像的列分割图像组，因此即便由分割输出部输出的图像数据是图像数据的像素的值彼此合并而成的图像合并数据，通过按明部、暗部及分界部的列分割图像组进行分割并输出，由此按列分割图像组而使图像合并数据的图像的呈现方式也进一步不同，因此更容易识别图像合并数据中的检查对象的缺陷的类别。
另外，也可以是，缺陷检查系统还具备遮光体，该遮光体位于光源与检查对象之间，并对从光源向检查对象照射的光的一部分进行遮挡，从而在由摄像部按离散时间拍摄的二维图像上形成明部、暗部及分界部，输送部将检查对象相对于光源、遮光体及摄像部沿着与明部、暗部及分界部相交的输送方向相对地输送。
根据该结构，能够由遮光体在二维图像上容易地形成明部、暗部及分界部，按离散时间拍摄出的一系列的二维图像中的检查对象的各部位能够进入明部、暗部及分界部中的任一方。
另外，优选的是，分割输出部将由合并部按列分割图像组生成的图像合并数据分割为如下各像素并输出，各像素是指：作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的明阈值以上的像素；作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的暗阈值以下的像素；以及作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度的变化的幅度为任意的变化阈值以上的像素。
根据该结构，由分割输出部将通过合并部按列分割图像组生成的图像合并数据分割为如下各像素并输出：作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的明阈值以上的始终明亮的像素；作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的暗阈值以下的始终暗淡的像素；以及作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度的变化的幅度为任意的变化阈值以上的富于明暗的变化的像素，因此容易按列分割图像组掌握图像合并数据的图像的明部、暗部及分界部处的呈现方式，因此更容易识别图像合并数据中的检查对象的缺陷的类别。
在该情况下，优选的是，分割输出部将由合并部按列分割图像组生成的图像合并数据分割为使各像素着色成彼此不同的颜色的着色部并输出，各像素是指：作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的明阈值以上的像素；作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的暗阈值以下的像素；以及作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度的变化的幅度为任意的变化阈值以上的像素。
根据该结构，由分割输出部将通过合并部按列分割图像组生成的图像合并数据分割为使如下各像素着色成彼此不同的颜色的着色部并输出，各像素是指：作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的明阈值以上的始终明亮的像素；作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的暗阈值以下的始终暗淡的像素；以及作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度的变化的幅度为任意的变化阈值以上的富于明暗的变化的像素。由此，按列分割图像组而使图像合并数据的图像的明部、暗部及分界部处的呈现方式容易通过色彩来掌握，因此更容易识别图像合并数据中的检查对象的缺陷的类别。
另外，优选的是，分割输出部将由合并部按列分割图像组生成的图像合并数据按列分割图像组进行分割并输出。
根据该结构，即便是图像数据的像素的值彼此合并而成的图像合并数据，通过按列分割图像组进行分割并输出，由此按列分割图像组而使图像合并数据的图像的呈现方式也不同，因此容易识别图像合并数据中的检查对象的缺陷的类别。
另外，优选的是，分割输出部将由合并部按列分割图像组生成的图像合并数据按列分割图像组之间的预先设定的阈值进行分割并输出。
根据该结构，即便是图像数据的像素的值彼此合并而成的图像合并数据，通过按列分割图像组之间的预先设定的阈值进行分割并输出，由此按列分割图像组之间的预先设定的阈值而使图像合并数据的图像的呈现方式也不同，因此容易识别图像合并数据中的检查对象的缺陷的类别。
另外，优选的是，合并部针对分类到相同的列分割图像组的各列分割图像，根据对检查对象的相同位置进行拍摄得到的图像数据的像素的亮度相对于基准值的高低，来对像素赋予具有正负的符号的差量值，并将对检查对象的相同位置进行拍摄得到的图像数据的像素的差量值彼此合并，按列分割图像组生成图像合并数据。
根据该结构，合并部针对分类到相同的列分割图像组的各列分割图像，根据对检查对象的相同位置进行拍摄得到的图像数据的像素的亮度相对于基准值的高低，来对像素赋予具有正负的符号的差量值，并将对检查对象的相同位置进行拍摄得到的图像数据的像素的差量值彼此合并，按列分割图像组生成图像合并数据，因此能够通过简单的运算，按列分割图像组生成对检查对象的相同位置进行拍摄得到的图像数据的像素的亮度相对于基准值的高低被增强了的图像合并数据。
另外，优选的是，合并部针对分类到相同的列分割图像组的各列分割图像，实施增强对检查对象的相同位置进行拍摄得到的图像数据的彼此相邻的像素的亮度变化的增强处理，并将对检查对象的相同位置进行拍摄得到的图像数据的像素的实施增强处理后的值彼此合并，按列分割图像组生成图像合并数据。
根据该结构，合并部针对分类到相同的列分割图像组的各列分割图像，实施增强对检查对象的相同位置进行拍摄得到的图像数据的彼此相邻的像素的亮度变化的增强处理，并将对检查对象的相同位置进行拍摄得到的图像数据的像素的实施增强处理后的值彼此合并，按列分割图像组生成图像合并数据，因此能够通过简单的运算而按列分割图像组生成对检查对象的相同位置进行拍摄得到的图像数据的彼此相邻的像素的亮度变化被增强了的图像合并数据。
另外，优选的是，缺陷检查系统还具备解析部，该解析部基于对与图像合并数据所包含的缺陷的类别的识别相关的机械学习的结果进行积累得到的数据，来识别检查对象的缺陷的类别，其中，图像合并数据是由合并部按列分割图像组生成的图像合并数据。
根据该结构，由解析部基于对通过合并部按列分割图像组生成的图像合并数据所包含的缺陷的类别的识别所相关的机械学习的结果进行积累得到的数据，来识别检查对象的缺陷的类别，图像数据的像素的值彼此合并而成的图像合并数据按列分割图像组将图像数据的像素的值彼此合并，因此基于针对该图像合并数据的机械学习的结果可识别缺陷的类别，从而能够提高检查对象的缺陷的类别的识别精度。
另一方面，本发明涉及一种缺陷检查方法，其包括：从缺陷检查系统的光源向检查对象照射光的照射工序；由缺陷检查系统的摄像部按离散时间拍摄二维图像的摄像工序，其中，二维图像基于在照射工序中从光源向检查对象照射并透过检查对象或在检查对象上反射后的光而形成；由缺陷检查系统的输送部将检查对象相对于光源及摄像部沿着输送方向相对地输送的输送工序；以及由缺陷检查系统的图像处理部对在摄像工序中拍摄出的二维图像的图像数据进行处理的图像处理工序，在摄像工序中，拍摄出在与二维图像的输送方向一致的方向上亮度发生变化的二维图像，在图像处理工序中包括：将二维图像处理成列分割图像的图像数据的列分割处理工序，其中，列分割图像通过将二维图像分割为沿着输送方向排列的多个列、并使由摄像部按离散时间拍摄出的二维图像各自中的相同位置的列依照时间序列的顺序排列而成；将在列分割工序中处理得到的各列分割图像按照预先设定的规则分类为两个以上的列分割图像组的分类工序；针对在分类工序中分类到相同的列分割图像组的各列分割图像，将对检查对象的相同位置进行拍摄得到的图像数据的像素的值彼此合并，按列分割图像组生成图像合并数据的合并工序；以及将在合并工序中按列分割图像组生成的图像合并数据按照预先设定的规则进行分割并输出的分割输出工序。
在该情况下，优选的是，在照射工序中，在摄像工序中按离散时间拍摄出的二维图像具有明部、暗部、以及明部与暗部的分界部，在输送工序中，将检查对象相对于摄像部沿着与明部、暗部及分界部相交的输送方向相对地输送。
在该情况下，优选的是，在分类工序中，将在列分割处理工序中处理得到的各列分割图像分类为：通过使二维图像各自中的明部的列依照时间序列的顺序排列而成的列分割图像的列分割图像组；通过使二维图像各自中的暗部的列依照时间序列的顺序排列而成的列分割图像的列分割图像组；以及通过使二维图像各自中的分界部的列依照时间序列的顺序排列而成的列分割图像的列分割图像组。
另外，优选的是，在照射工序中，由遮光体在通过摄像工序按离散时间拍摄出的二维图像上形成明部、暗部及分界部，遮光体位于光源与检查对象之间，且对从光源向检查对象照射的光的一部分进行遮挡，在输送工序中，将检查对象相对于光源、遮光体及摄像部沿着与明部、暗部及分界部相交的输送方向相对地输送。
另外，优选的是，在分割输出工序中，将在合并工序中按列分割图像组生成的图像合并数据分割为如下各像素并输出，各像素是指：作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的明阈值以上的像素；作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的暗阈值以下的像素；以及作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度的变化的幅度为任意的变化阈值以上的像素。
在该情况下，优选的是，在分割输出工序中，将在合并工序中按列分割图像组生成的图像合并数据分割为使各像素着色成彼此不同的颜色的着色部并输出，各像素是指：作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的明阈值以上的像素；作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的暗阈值以下的像素；以及作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度的变化的幅度为任意的变化阈值以上的像素。
另外，优选的是，在分割输出工序中，将在合并工序中按列分割图像组生成的图像合并数据按列分割图像组进行分割并输出。
另外，优选的是，在分割输出工序中，将通过合并工序按列分割图像组生成的图像合并数据按列分割图像组之间的预先设定的阈值进行分割并输出。
另外，优选的是，在合并工序中，针对分类到相同的列分割图像组的各列分割图像，根据对检查对象的相同位置进行拍摄得到的图像数据的像素的亮度相对于基准值的高低，来对像素赋予具有正负的符号的差量值，并将对检查对象的相同位置进行拍摄得到的图像数据的像素的差量值彼此合并，按列分割图像组生成图像合并数据。
另外，优选的是，在合并工序中，针对分类到相同的列分割图像组的各列分割图像，实施增强对检查对象的相同位置进行拍摄得到的图像数据的彼此相邻的像素的亮度变化的增强处理，并将对检查对象的相同位置进行拍摄得到的图像数据的像素的实施增强处理后的值彼此合并，按列分割图像组生成图像合并数据。
另外，优选的是，缺陷检查方法还包括解析工序，在该解析工序中，基于对与图像合并数据所包含的缺陷的类别的识别相关的机械学习的结果进行积累得到的数据，来识别检查对象的缺陷的类别，其中，图像合并数据是通过合并工序按列分割图像组生成的图像合并数据。
附图说明
图1是表示实施方式的缺陷检查系统的立体图。
图2是表示图1的缺陷检查系统的光源、摄像部、遮光体及检查对象的配置的图。
图3是表示图1的缺陷检查系统的图像处理部的详细情况的框图。
图4是表示实施方式的缺陷检查方法的工序的流程图。
图5是表示图4的图像处理工序的详细情况的流程图。
图6的(A)、(B)、(C)、(D)、(E)、(F)、(G)是表示由图1的缺陷检查系统的图像处理部的列分割处理部处理的图像的图。
图7的(A)是表示时间序列的二维图像的图，(B)是表示使各位置的列依照时间序列的顺序排列而成的各列分割图像的图，(C)是示出以使(B)的各列分割图像表示检查对象的相同位置的方式将时刻错开所得的对位图像的图。
图8的(A)、(B)及(C)是表示由图1的缺陷检查系统的图像处理部的分类部处理的图像的图，(D)、(E)及(F)是表示由图1的缺陷检查系统的图像处理部的合并部处理的图像的图。
图9是表示由图1的缺陷检查系统的分割输出部将图8的(D)的图像合并数据的各像素作为着色成彼此不同的颜色的着色部而输出的状态的图。
图10是表示卷积神经网络的图。
具体实施方式
以下，参照附图来详细地说明本发明的缺陷检查系统及缺陷检查方法的优选的实施方式。如图1及图2所示，本发明的实施方式的缺陷检查系统1具备光源2、摄像部3、输送部4、图像处理部5、遮光体6、平行光透镜7及解析部8。本实施方式的缺陷检查系统将偏振膜及相位差膜等光学膜、电池的隔膜所使用的层叠膜等膜作为检查对象T，检测检查对象T的缺陷。检查对象T沿着输送部4的输送方向X延伸，在与输送方向X正交的宽度方向Y上具有预先设定的宽度。在检查对象T产生的缺陷是指与所期望的状态不同的状态，例如可举出异物、划痕、气泡(在成形时产生的气泡等)、异物气泡(因异物的混入而产生的气泡等)、伤痕、裂纹(因折线痕等而产生的裂纹等)、以及条纹(因厚度的差异而产生的条纹等)。缺陷检查系统1识别这些缺陷的类别。
如图1及图2所示，光源2向检查对象T照射光。光源2配置为照射与宽度方向Y平行的线状的光。作为光源2，只要是金属卤化物灯、卤素传送灯、荧光灯等照射不给作为检查对象T的膜的组成及性质带来影响的光的灯即可，不特别限定。
摄像部3按离散时间拍摄二维图像，该二维图像基于从光源2向检查对象T照射并透过检查对象T或在检查对象T上反射后的光而形成。摄像部3具有多个光学构件和光电转换元件。光学构件包括光学透镜、光闸等，使透过作为检查对象T的膜后的光在光电转换元件的表面成像。光电转换元件是由拍摄二维图像的CCD(Charge Coupled Device)或CMOS(Complementary Metal-Oxide Semiconductor)等摄像元件构成的面传感器。摄像部3也可以是拍摄不具有色彩的二维图像及具有色彩的二维图像中的任一方的构件。
输送部4将检查对象T相对于光源2及摄像部3沿着输送方向X相对地输送。输送部4例如具备将作为检查对象T的膜沿着输送方向X输送的送出辊和接收辊，通过旋转编码器等来计测输送距离。在本实施方式中，输送部4对检查对象T进行输送的输送速度被设定为沿着输送方向X为2～100m/分钟这种程度。输送部4的输送速度由图像处理部5及解析部8设定及控制。
图像处理部5处理由摄像部3拍摄出的二维图像的图像数据。图像处理部5只要是进行二维图像数据的图像处理的构件，就不特别限定，例如可以适用安装有图像处理软件的PC(个人计算机)、搭载有记载图像处理电路的FPGA(Field Programmable Gate Array)的图像采集卡等。
遮光体6位于光源2与检查对象T之间，通过对从光源2向检查对象T照射的光的一部分进行遮挡，来在由摄像部3按离散时间拍摄的二维图像上形成明部、暗部、以及明部与暗部之间的分界部。借助遮光体6，摄像部3拍摄出在与二维图像的输送方向X一致的方向上亮度发生变化的二维图像。更具体而言，输送部4将检查对象T相对于光源2、平行光透镜7、遮光体6及摄像部3沿着与明部、暗部及分界部相交的输送方向X相对地输送。在本实施方式中，分界部的长边方向平行于与输送方向X垂直的宽度方向Y。需要说明的是，只要摄像部3能够拍摄出在与二维图像的输送方向X一致的方向上亮度发生变化的二维图像即可，也可以不具备遮光体6。平行光透镜7使从光源2向检查对象T及遮光体6照射的光的行进方向平行。平行光透镜7例如可以由远心光学系统构成。
以下，说明图像处理部5的详细情况。如图3所示，图像处理部5具有列分割处理部9、分类部10、合并部11及分割输出部12。列分割处理部9将二维图像处理成列分割图像的图像数据，所述列分割图像通过将二维图像分割为沿着输送方向X排列的多个列、并使由摄像部3按离散时间拍摄出的二维图像各自中的相同位置的列依照时间序列的顺序排列而成。
分类部10将由列分割处理部9处理所得的各列分割图像按照预先设定的规则分类为两个以上的列分割图像组。合并部11针对分类到相同的列分割图像组的各列分割图像，将对检查对象T的相同位置进行拍摄得到的图像数据的像素的值彼此合并，按列分割图像组生成图像合并数据。
更具体而言，合并部11将由列分割处理部9处理所得的各列分割图像分类为：通过使二维图像各自中的明部的列依照时间序列的顺序排列而成的列分割图像的列分割图像组；通过使二维图像各自中的暗部的列依照时间序列的顺序排列而成的列分割图像的列分割图像组；以及通过使二维图像各自中的分界部的列依照时间序列的顺序排列而成的列分割图像的列分割图像组。
另外，合并部11针对被分类到相同的列分割图像组的各列分割图像，根据对检查对象T的相同位置进行拍摄得到的图像数据的像素的亮度相对于基准值的高低，来对像素赋予具有正负的符号的差量值，且将对检查对象的相同位置进行拍摄得到的图像数据的像素的差量值彼此合并，按列分割图像组生成图像合并数据。或者，合并部11针对分类到相同的列分割图像组的各列分割图像，实施增强对检查对象的相同位置进行拍摄得到的图像数据的彼此相邻的像素的亮度变化的增强处理，且将实施对检查对象的相同位置进行拍摄得到的图像数据的像素的增强处理而得出的值彼此合并，按列分割图像组生成图像合并数据。
分割输出部12将由合并部11按列分割图像组生成的图像合并数据按照预先设定的规则进行分割并输出。更具体而言，分割输出部12将由合并部11按列分割图像组生成的图像合并数据按列分割图像组进行分割并输出。或者，分割输出部将由合并部按列分割图像组生成的图像合并数据按列分割图像组之间的预先设定的阈值进行分割并输出。预先设定的阈值例如是属于列分割图像组的列分割图像的像素的亮度等。
另外，分割输出部12将由合并部11按列分割图像组生成的图像合并数据按列分割图像组进行分割，分割为如下各像素并输出，各像素是指：作为对检查对象T的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的明阈值以上的像素；作为对检查对象T的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的暗阈值以下的像素；以及作为对检查对象T的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度的变化的幅度为任意的变化阈值以上的像素。
而且，分割输出部12将由合并部11按列分割图像组生成的图像合并数据分割为使如下各像素着色成彼此不同的颜色的着色部并输出，各像素是指：作为对检查对象T的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的明阈值以上的像素；作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度为任意的暗阈值以下的像素；以及作为对检查对象的相同位置进行拍摄得到的图像合并数据的像素且明部、暗部及分界部处的亮度的变化的幅度为任意的变化阈值以上的像素。
返回图2，与图像处理部5连接的解析部8例如由PC(个人计算机)等构成。解析部8基于对由合并部11按列分割图像组生成的图像合并数据所包含的缺陷的类别的识别所相关的机械学习的结果进行积累得到的数据，来识别检查对象T的缺陷的类别。对机械学习的结果进行积累的数据存储于包含解析部8的PC的硬盘等存储装置，伴随机械学习的结果而被更新。
需要说明的是，在本实施方式中，对与列分割图像所包含的缺陷的类别的识别相关的机械学习的结果进行积累得到的数据除了包括对与由缺陷检查系统1的内部的摄像部3按离散时间拍摄出的一系列的二维图像被处理后的列分割图像所包含的缺陷的类别的识别相关的机械学习的结果进行积累得到的数据以外，还包括对与在缺陷检查系统1的外部另行作成的列分割图像所包含的缺陷的类别的识别相关的机械学习的结果进行积累得到的数据。即，在本实施方式中，除了包括在缺陷检查系统1的内部进行了机械学习的状态下识别缺陷的类别的方案以外，还包括基于对在缺陷检查系统1的内部尚未进行机械学习的状态下在缺陷检查系统1的外部另行作成的机械学习的结果进行积累得到的数据，来识别缺陷的类别的方案。
另外，解析部8将由图像处理部5识别出的缺陷的类别显示于LC(Liquid Crystal)显示面板、等离子体显示面板、EL(Electro Luminescence)显示面板等。需要说明的是，也可以是，图像处理部5识别缺陷的类别，并在其内部具有显示处理后的图像的解析部8。
以下，说明本实施方式的缺陷检查方法。如图4所示，进行从缺陷检查系统1的光源2向检查对象T照射光的照射工序(S1)。如图6的(A)所示，在照射工序中，利用位于光源2与检查对象T之间且对从光源2向检查对象T照射的光的一部分进行遮挡的缺陷检查系统1的遮光体6，在摄像工序中按离散时间拍摄的二维图像F(t1)上形成明部1、暗部d、以及明部1与暗部d之间的分界部b。如图6的(A)所示，就时刻t＝t1下的二维图像F(t1)而言，来自光源2的光被遮光体6遮挡，因此随着到达输送方向X的下游侧而二维图像F(t1)内的明亮度变高。另外，在二维图像F(t1)上映有检查对象T的膜上的缺陷D。时刻t＝t2、t3、…、tm下的二维图像F(t2)、F(t3)、…、F(tm)也是同样的(m为任意的自然数)。
如图4所示，由缺陷检查系统1的摄像部3进行摄像工序(S2)，在该摄像工序中，按离散时间拍摄二维图像F(t1)，该二维图像F(t1)基于在照射工序中从光源2向检查对象T照射并透过检查对象T或在检查对象T上反射后的光而形成。如图6的(A)所示，在摄像工序中，由遮光体6遮挡从光源2向检查对象T照射的光的一部分，因此拍摄出在与二维图像F(t1)的输送方向X一致的方向上亮度发生变化的二维图像F(t1)。时刻t＝t2、t3…tm下的二维图像F(t2)、F(t3)、…、F(tm)也是同样的。
另外，如图4所示，由缺陷检查系统1的输送部4进行将检查对象T相对于光源2及摄像部3沿着输送方向X相对地输送的输送工序(S3)。如图6的(A)所示，在输送工序中，将检查对象T相对于光源2、平行光透镜7、遮光体6及摄像部3沿着与明部1、暗部d及分界部b相交的输送方向X相对地输送。在本实施方式中，分界部b平行于与输送方向X正交的宽度方向Y，但分界部b与输送方向X所成的角度也可以是90°以外的角度。另外，分界部b未必是严格的分界部，分界部是指包含明部1的二维图像F(t1)的亮度最大的部位与包含暗部d的二维图像F的亮度最小的部位的中间的部位。
如图4所示，由缺陷检查系统1的图像处理部5进行对在摄像工序中拍摄出的二维图像F(t1)～F(tm)的图像数据进行处理的图像处理工序(S4)。以下，说明图像处理工序的详细情况。如图5所示，在图像处理工序中，由缺陷检查系统1的图像处理部5的列分割处理部9进行列分割处理工序(S41)。如图6的(B)所示，在列分割处理工序中，列分割处理部9将二维图像F(t1)分割为沿着输送方向X排列的多个列即第1列L1(t1)～第j列Lj(t1)～第k列Lk(t1)(j及k为任意的自然数，j≤k)。列L1(t1)～列Lk(t1)的输送方向X的宽度与在时刻t1、时刻t2、…、时刻tj、…、时刻tm中的各时刻下的一帧间隔中将检查对象T沿着输送方向X输送的距离相同。对时刻t＝t2、t3…tm下的二维图像F(t2)、F(t3)、…、F(tm)也进行同样的处理。
列分割处理部9将二维图像F(t1)～F(tm)处理成列分割图像的图像数据，列分割图像通过使在摄像工序中按离散时间拍摄出的二维图像F(t1)～F(tm)各自中的相同位置的列L1(t1)、L1(t2)、L1(t3)等依照时间序列的顺序排列而成。例举第1列分割图像来进行说明。如图6的(C)所示，列分割处理部9使按离散时间拍摄出的二维图像F(t1)、F(t2)、F(t3)、…各自中的输送方向X的最下游侧的第1列L1(t1)、L1(t2)、L1(t3)、…依照时间序列的顺序(输送方向X)排列。如图6的(D)所示，列分割处理部9使二维图像F(t1)～F(tm)各自中的第1列L1(t1)～L1(tm)依照时间序列的顺序排列而生成第1列分割图像DL1(t1)。
如图6的(E)、图6的(F)及图6的(G)所示，列分割处理部9也对二维图像F(t1)～F(tm)各自中的第1列L1(t1)～L1(tm)、…、第j列Lj(t1)～Lj(tm)、…、第k列Lk(t1)～Lk(tm)进行同样的处理，生成第1列分割图像DL1(t1)、…、第j列分割图像DLJ(t1)、…、第k列分割图像DLk(t1)。如图6的(E)所示，列分割图像DL1(t1)是使二维图像F(t1)～F(tk)中的明部1的位置的列L1(t1)～L1(tk)依照时间序列的顺序排列而成的列分割图像。
如图7的(A)及图7的(B)所示，列分割图像DL1(t1)～DLk(t1)是使按离散时间拍摄出的二维图像F(t1)～F(tm)各自中的相同位置的列L1(t1)～Lk(t1)分别依照时间序列的顺序排列而成的列分割图像，因此相同的时刻的范围的列分割图像DL1(t1)～DLk(t1)表示检查对象T的不同的位置，列分割图像DL1(t1)～DLk(t1)中的缺陷D的位置也分别偏移。于是，在本实施方式中，通过制作使分别在不同的时刻的范围拍摄出的二维图像各自中的相同位置的列依照时间序列的顺序排列而成的列分割图像，从而以使各列分割图像表示检查对象T的相同位置的方式进行对位。
如图7的(A)所示，在摄像工序中，二维图像F(t1)～F(tm)按离散时间拍摄。检查对象T被沿着输送方向X输送，因此二维图像F(t1)～F(tm)中的缺陷D的位置分别偏移。如图7的(B)所示，如上所述生成列分割图像DL1(t1)～DLj(t1)～DLk(t1)。相同的时刻的范围的列分割图像DL1(t1)～DLk(t1)表示检查对象T的不同的位置，因此列分割图像DL1(t1)～DLk(t1)中的缺陷D的位置也分别偏移。
相对于从输送方向X的下游侧起的第1列L1(t1)～L1(tm)，例如相同的时刻的范围的从输送方向X的下游侧起的第j列Lj(t1)～Lj(tm)表示以在(j-1)的量的帧间隔中检查对象T被输送的距离向检查对象T的输送方向X的上游侧偏移的位置。因此，如图7的(C)所示，相对于第1列L1(tm)～L1(t(m+(m-1)))的列分割图像DL1(tm)，例如就第j列的列分割图像而言，相对于时刻t1～时刻tm的范围回溯了(j-1)的量的帧间隔的时间所得的时刻t(m-(j-1))～时刻t(m+(m-j))的范围的列分割图像DLj(t(m-(j-1)))表示检查对象T的相同位置。
同样地，相对于第1列L1(tm)～L1(t(m+(m-1)))的列分割图像DL1(tm)，例如就第k列的列分割图像而言，相对于时刻t1～时刻tm的范围回溯了(k-1)的量的帧间隔的时间所得的时刻t(m-(k-1))～时刻t(m+(m-k))的范围的列分割图像DLk(t(m-(k-1)))表示检查对象T的相同位置。
或者，相对于第1列L1(t1)～L1(t(1+(m-1)))的列分割图像DL1(t1)，例如就第j列的列分割图像而言，时刻t(1-(j-1))～时刻t(1+(m-j))的范围的列分割图像DLj(t(1-(j-1)))表示检查对象T的相同位置。另外，相对于第1列L1(t1)～L1(t(1+(m-1)))的列分割图像DL1(t1)，例如就第k列的列分割图像而言，时刻t(1-(k-1))～时刻t(1+(m-k))的范围的列分割图像DLk(t(1-(k-1)))表示检查对象T的相同位置。通过像这样使时刻的范围错开，从而能够以使各列分割图像表示检查对象T的相同位置的方式进行对位。
例如，图6的(F)所示的列分割图像DLj(t(1-(j-1)))是使二维图像F(t(1-(j-1)))～F(t(m-(j-1)))中的分界部b的位置的列Lj(t(1-(j-1)))～Lj(t(m-(j-1)))依照时间序列的顺序排列而成的列分割图像。另外，图6的(G)所示的列分割图像DL(k-2)(t(1-(k-3)))是使二维图像F(t(1-(k-3)))～F(t(m-(k-3)))中的暗部d的位置的列L(k-2)(t(1-(k-3)))～Lk(t(m-(k-3)))依照时间序列的顺序排列而成的列分割图像。
需要说明的是，在位置偏移的量已知的情况或列分割图像的尺寸相对于缺陷足够大的情况下，缺陷一定落入于列分割图像内，因此即便不进行对位也能够将包含缺陷的列分割图像用于机械学习。因此，在这样的情况下，也可以不进行对位。
如图5所示，在图像处理工序中，由缺陷检查系统1的图像处理部5的分类部10进行分类工序(S42)。在分类工序中，分类部10将在列分割工序中处理得到的各列分割图像DL1(t1)等按照预先设定的规则分类为两个以上的列分割图像组。
如图8的(A)所示，在分类工序中，分类部10将在列分割处理工序中处理得到的各列分割图像DL1(t1)等分类为使二维图像F(t1)等各自中的明部1的列L1(t1)…、L2(t0)…、L3(t(-1))…等依照时间序列的顺序排列而成的列分割图像DL1(t1)、DL2(t0)、DL3(t(-1))、…的列分割图像组G1(t1)。
如图8的(B)所示，在分类工序中，分类部10将在列分割处理工序中处理得到的各列分割图像DLj(t(1-(j-1)))等分类为使二维图像F(t(1-(j-1)))等各自中的分界部b的列Lj(t(1-(j-1)))…、L(j+1)(t(1-j))…、L(j+2)(t(1-(j+1)))…等依照时间序列的顺序排列而成的列分割图像DLj(t(1-(j-1)))、DL(j+1)(t(1-j))、DL(j+2)(t(1-(j+1)))…的列分割图像组G2(t(1-(j-1)))。
如图8的(C)所示，在分类工序中，分类部10将由列分割处理工序处理得到的各列分割图像DL(k-2)(t(1-(k-3)))等分类为使二维图像F(t(1-(k-3)))等各自中的暗部d的列L(k-2)(t(1-(k-3)))…、L(k-1)(t(1-(k-2))…、Lk(t(1-(k-1)))…等依照时间序列的顺序排列而成的列分割图像DL(k-2)(t(1-(k-3)))、DL(k-1)(t(1-(k-2)))、DLk((1-(k-1)))…的列分割图像组G3(t(1-(k-3)))。
如图5所示，在图像处理工序中，由缺陷检查系统1的图像处理部5的合并部11进行合并工序(S43)。如图8的(D)所示，在合并工序中，合并部11针对分类到相同的列分割图像组G1(t1)的各列分割图像DL1(t1)、DL2(t0)、DL3(t(-1))、…，将对检查对象T的相同位置进行拍摄得到的图像数据的像素的值彼此合并，按列分割图像组G1(t1)生成图像合并数据C1(t1)。
如图8的(E)所示，在合并工序中，合并部11针对分类到相同的列分割图像组G2(t(1-(j-1)))的各列分割图像DLj(t(1-(j-1)))、DL(j+1)(t(1-j))、DL(j+2)(t(1-(j+1)))…，将对检查对象T的相同位置进行拍摄得到的图像数据的像素的值彼此合并，按列分割图像组G2(t(1-(j-1)))生成图像合并数据C2(t(1-(j-1)))。
如图8的(F)所示，在合并工序中，合并部11针对分类到相同的列分割图像组G3(t(1-(k-3)))的各列分割图像DL(k-2)(t(1-(k-3)))、DL(k-1)(t(1-(k-2)))、DLk((1-(k-1)))…，将对检查对象T的相同位置进行拍摄得到的图像数据的像素的值彼此合并，按列分割图像组G3(t(1-(k-3)))生成图像合并数据C3(t(1-(k-3)))。
在合并工序中，也可以是，合并部11针对分类到相同的列分割图像组G1(t1)等的各列分割图像DL1(t1)、DL2(t0)、DL3(t(-1))…等，根据对检查对象T的相同位置进行拍摄得到的图像数据的像素的亮度相对于基准值的高低，来对像素赋予具有正负的符号的差量值，并将对检查对象T的相同位置进行拍摄得到的图像数据的像素的差量值彼此合并，按列分割图像组G1(t1)等生成图像合并数据C1(t1)等。
或者，在合并工序中，也可以是，合并部11针对分类到相同的列分割图像组G1(t1)等的各列分割图像DL1(t1)、DL2(t0)、DL3(t(-1))…等，实施增强对检查对象T的相同位置进行拍摄得到的图像数据的彼此相邻的像素的亮度变化的增强处理，并将对检查对象T的相同位置进行拍摄得到的图像数据的像素的实施增强处理后的值彼此合并，按列分割图像组G1(t1)等生成图像合并数据C1(t1)等。需要说明的是，图8的(D)、图8的(E)及图8的(F)所示的例子只是示意图，现实的图像合并数据C1(t1)等的呈现方式根据缺陷D的形状等而不同。
如图5所示，在图像处理工序中，由缺陷检查系统1的图像处理部5的分割输出部12进行分割输出工序(S44)。在分割输出工序中，分割输出部12将在合并工序中按列分割图像组G1(t1)等生成的图像合并数据C1(t1)等按照预先设定的规则进行分割并输出。例如，在分割输出工序中，分割输出部12将在合并工序中按列分割图像组G1(t1)等生成的图像合并数据C1(t1)等按列分割图像组G1(t1)等进行分割并输出。首先，在分割输出工序中，分割输出部12将在合并工序中按列分割图像组G1(t1)等生成的图像合并数据C1(t1)等按列分割图像组G1(t1)等进行分割。
如图9所示，在分割输出工序中，分割输出部12将如下各像素分别作为着色成红色的着色部R、着色成蓝色的着色部B及着色成绿色的着色部G输出，所述各像素是指：作为对检查对象T的相同位置进行拍摄得到的图像合并数据C1(t1)等的像素且明部1、暗部d及分界部b处的亮度为任意的明阈值以上的像素；作为对检查对象T的相同位置进行拍摄得到的图像合并数据C1(t1)等的像素且明部1、暗部d及分界部b处的亮度为任意的暗阈值以下的像素；以及作为对检查对象T的相同位置进行拍摄得到的图像合并数据C1(t1)等的像素且明部1、暗部d及分界部b处的亮度的变化的幅度为任意的变化阈值以上的像素。
例如，分割输出部12可以将作为对检查对象T的相同位置进行拍摄得到的图像合并数据C1(t1)等的像素且明部1、暗部d及分界部b处的亮度为明阈值以上的始终明亮的各像素分配为着色部R，将作为对检查对象T的相同位置进行拍摄得到的图像合并数据C1(t1)等的像素且明部1、暗部d及分界部b处的亮度为暗阈值以下的始终暗淡的各像素分配为着色部B，将作为对检查对象T的相同位置进行拍摄得到的图像合并数据C1(t1)等的像素且明部1、暗部d及分界部b处的亮度的变化的幅度为变化阈值以上的富有明暗变化的各像素分配为着色部G。
着色部R、着色部B及着色部G的分配也可以任意设定。另外，明阈值、暗阈值及变化阈值可以任意设定，但通常是明阈值≥暗阈值。
例如，在分割输出工序中，也可以是，分割输出部12将在合并工序中按列分割图像组G1(t1)等生成的图像合并数据C1(t1)等按列分割图像组G1(t1)等之间的预先设定的阈值进行分割并输出。
如图4所示，由缺陷检查系统1的解析部8进行解析工序(S5)，在该解析工序中，基于对与在合并工序中按列分割图像组G1(t1)等生成的图像合并数据C1(t1)等所包含的缺陷的类别的识别相关的机械学习的结果进行积累得到的数据，来识别检查对象T的缺陷D的类别。机械学习例如由卷积神经网络进行。需要说明的是，只要能够通过机械学习识别缺陷的类别即可，也可以采用卷积神经网络以外的神经网络或其他方法。
如图10所示，卷积神经网络100具备输入层110、隐含层120及输出层130。由缺陷检查系统1的图像处理部5将在合并工序中按列分割图像组G1(t1)、G2(t(1-(j-1)))、G3(t(1-(k-3)))等生成的图像合并数据C1(t1)、C2(t(1-(j-1)))、C3(t(1-(k-3)))向输入层110输入。隐含层120具有基于权重滤波器f进行图像处理的卷积层121、123、进行纵横地减小从卷积层121、123输出的二维阵列而残留有效的值的处理的池化层122、以及更新各层的权重系数n的全连接层124。在输出层130中，输出机械学习对缺陷D的类别的识别结果。在卷积神经网络100中，将输出的识别结果与正解值的误差向逆向R逆传播来学习各层的权重。
例如，预先将多个图像合并数据C1(t1)与缺陷D的类别的识别的正解一起向解析部8输入并使解析部8进行学习，由此依次识别新输入的图像合并数据C1(t1)等所包含的类别是否为特定的缺陷D的类别，并依次输出识别结果。依次输出的识别结果与正解的误差向逆向R逆传播，依次更新各层的权重系数n并作为数据进行积累。在依次更新了各相的权重的状态下，进一步依次识别新输入的图像合并数据C1(t1)等所包含的类别是否为特定的缺陷的类别，并依次输出识别结果，基于依次输出的识别结果与正解的误差来依次更新各层的权重系数n并作为数据进行积累，如此反复，由此识别结果与正解的误差变小，缺陷D的类别的识别的精度提高。
在本实施方式中，涉及一种缺陷检查系统1，该缺陷检查系统1具备：光源2，其向检查对象T照射光；摄像部3，其按离散时间拍摄二维图像F(t1)，该二维图像F(t1)基于从光源2向检查对象T照射并透过检查对象T或在检查对象T上反射后的光而形成；输送部4，其将检查对象T相对于光源2及摄像部3沿着输送方向X相对地输送；以及图像处理部5，其处理由摄像部3拍摄出的二维图像F(t1)的图像数据，其中，由摄像部3拍摄出在与二维图像F(t1)的输送方向X一致的方向上亮度发生变化的二维图像F(t1)，由图像处理部5的列分割处理部9将二维图像F(t1)处理成列分割图像DL1(t1)等的图像数据，列分割图像DL1(t1)等通过将二维图像F(t1)分割为沿着输送方向X排列的多个列L1(t1)等并使由摄像部3按离散时间拍摄出的二维图像F(t1)各自中的相同位置的列L1(t1)等依照时间序列的顺序排列而成，因此即便是对相同的检查对象T进行拍摄得到的图像，各列分割图像DL1(t1)等也成为具有不同的亮度的图像。
另外，由图像处理部5的分类部10将通过列分割处理部9处理得到的具有不同的亮度的各列分割图像DL1(t1)等按照预先设定的规则分类为两个以上的列分割图像组G1(t1)等，针对分类到相同的列分割图像组G1(t1)等的各列分割图像DL1(t1)等，由图像处理部5的合并部11将对检查对象T的相同位置进行拍摄得到的图像数据的像素的值彼此合并，按列分割图像组G1(t1)等生成图像合并数据C1(t1)等，由图像处理部5的分割输出部12将通过合并部11按列分割图像组G1(t1)等生成的图像合并数据C1(t1)等按照预先设定的规则进行分割并输出，因此即便是图像数据的像素的值彼此合并而得到的图像合并数据C1(t1)等，通过按照预先设定的规则进行分割并输出，由此按基于预先设定的规则进行的分割而使图像合并数据C1(t1)等的图像的呈现方式也不同，从而容易识别图像合并数据C1(t1)等中的检查对象T的缺陷D的类别。
另外，根据本实施方式，由摄像部3按离散时间拍摄出的二维图像F(t1)具有明部1、暗部d、以及明部1与暗部d之间的分界部b，由输送部4将检查对象相对于摄像部3沿着与明部1、暗部d及分界部b相交的输送方向X相对地输送，因此按离散时间拍摄出的一系列的二维图像F(t1)…中的检查对象T的各部位进入明部1、暗部d及分界部b中的任一方。因此，即便由分割输出部12输出的图像数据是图像数据的像素的值彼此合并而得到的图像合并数据，按照基于预先设定的规则进行的分割而使图像合并数据的图像的呈现方式也进一步不同，因此更容易识别图像合并数据中的检查对象T的缺陷D的类别。
另外，根据本实施方式，由分类部10将通过列分割处理部9处理后的各列分割图像分类为使二维图像F(t1)等各自中的明部1的列依照时间序列的顺序排列而成的列分割图像DL1(t1)的列分割图像组G1(t1)、使二维图像F(t1)等各自中的暗部d的列依照时间序列的顺序排列而成的列分割图像DL(k-2)(t(1-(k-3)))的列分割图像组G3(t(1-(k-3)))、以及使二维图像F(t1)等各自中的分界部b的列依照时间序列的顺序排列而成的列分割图像DLj(t(1-(j-1)))的列分割图像组G2(t(1-(j-1)))，因此即便由分割输出部12输出的图像数据是图像数据的像素的值彼此合并而成的图像合并数据，通过按明部1、暗部d及分界部b的列分割图像组G1(t1)等进行分割并输出，由此按列分割图像组G1(t1)等而使图像合并数据的图像的呈现方式也进一步不同，从而更容易识别图像合并数据中的检查对象T的缺陷D的类别。
另外，根据本实施方式，能够由遮光体6在二维图像F(t1)等中容易地形成明部1、暗部d及分界部b，按离散时间拍摄出的一系列的二维图像F(t1)…中的检查对象T的各部位能够进入明部1、暗部d及分界部b中的任一方。
另外，根据本实施方式，由分割输出部12将由合并部11按列分割图像组G1(t1)等生成的图像合并数据分割为如下各像素并输出，因此容易按列分割图像组G1(t1)等掌握图像合并数据的图像的明部1、暗部d及分界部b处的呈现方式，从而容易进一步识别图像合并数据中的检查对象T的缺陷D的类别，其中，所述各像素是指：作为对检查对象T的相同位置进行拍摄得到的图像合并数据的像素且明部1、暗部d及分界部b处的亮度为任意的明阈值以上的始终明亮的像素；作为对检查对象T的相同位置进行拍摄得到的图像合并数据的像素且明部1、暗部d及分界部b处的亮度为任意的暗阈值以下的始终暗淡的像素；以及作为对检查对象T的相同位置进行拍摄得到的图像合并数据的像素且明部1、暗部d及分界部b处的亮度的变化的幅度为任意的变化阈值以上的富于明暗的变化的像素。
另外，根据本实施方式，由分割输出部12将由合并部11按列分割图像组G1(t1)等生成的图像合并数据分割为使如下各像素着色成彼此不同的颜色的着色部R、G、B并输出，所述各像素是指：作为对检查对象T的相同位置进行拍摄得到的图像合并数据的像素且明部1、暗部d及分界部b处的亮度为任意的明阈值以上的始终明亮的像素；作为对检查对象T的相同位置进行拍摄得到的图像合并数据的像素且明部1、暗部d及分界部b处的亮度为任意的暗阈值以下的始终暗淡的像素；以及作为对检查对象T的相同位置进行拍摄得到的图像合并数据的像素且明部1、暗部d及分界部b处的亮度的变化的幅度为任意的变化阈值以上的富于明暗的变化的像素。由此，按列分割图像组G1(t1)等而使图像合并数据的图像的明部1、暗部d及分界部b处的呈现方式容易通过色彩来掌握，因此更容易识别图像合并数据中的检查对象T的缺陷D的类别。
另外，根据本实施方式，即便是图像数据的像素的值彼此合并而成的图像合并数据，通过按列分割图像组G1(t1)等进行分割并输出，由此按列分割图像组G1(t1)等而使图像合并数据的图像的呈现方式有所不同，因此容易识别图像合并数据中的检查对象T的缺陷D的类别。
另外，根据本实施方式，即便是图像数据的像素的值彼此合并的图像合并数据，通过按列分割图像组G1(t1)等之间的预先设定的阈值进行分割并输出，由此按列分割图像组G1(t1)等之间的预先设定的阈值而使图像合并数据的图像的呈现方式也不同，因此容易识别图像合并数据中的检查对象T的缺陷D的类别。
另外，根据本实施方式，合并部11针对分类到相同的列分割图像组G1(t1)等的各列分割图像DL1(t1)等，根据对检查对象T的相同位置进行拍摄得到的图像数据的像素的亮度相对于基准值的高低，来对像素赋予具有正负的符号的差量值，将对检查对象T的相同位置进行拍摄得到的图像数据的像素的差量值彼此合并，按列分割图像组G1(t1)等生成图像合并数据C1(t1)等，因此能够通过简单的运算而按列分割图像组G1(t1)等生成对检查对象T的相同位置进行拍摄得到的图像数据的像素的亮度相对于基准值的高低被增强了的图像合并数据C1(t1)等。
另外，根据本实施方式，合并部11针对分类到相同的列分割图像组G1(t1)等的各列分割图像DL1(t1)，实施增强对检查对象T的相同位置进行拍摄得到的图像数据的彼此相邻的像素的亮度变化的增强处理，将实施对检查对象T的相同位置进行拍摄得到的图像数据的像素的增强处理而得出的值彼此合并，按列分割图像组G1(t1)等生成图像合并数据C1(t1)等，因此能够通过简单的运算而按列分割图像组G1(t1)等生成对检查对象T的相同位置进行拍摄得到的图像数据的彼此相邻的像素的亮度变化被增强了的图像合并数据C1(t1)等。
另外，根据本实施方式，由解析部8基于对由合并部11按列分割图像组G1(t1)等生成的图像合并数据所包含的缺陷的类别的识别所相关的机械学习的结果进行积累得到的数据，来识别检查对象T的缺陷D的类别，但图像数据的像素的值彼此合并而成的图像合并数据通过按列分割图像组G1(t1)等将图像数据的像素的值彼此合并，因此基于针对该图像合并数据C1(t1)等的机械学习的结果而能够识别缺陷的类别，从而能够提高检查对象T的缺陷D的类别的识别精度。
以上，说明了本发明的实施方式，但本发明不限定于上述实施方式，能够以各种方式实施。例如，在上述实施方式中，以检查对象T为膜的情况为中心进行了说明，但本发明的缺陷检查系统及缺陷检查方法例如能够在生产线中适用于填充于容器的液体的填充量检查。通过本实施方式的缺陷检查系统1及缺陷检查方法，能够检测液体未到达容器内的所期望的位置、或者液体未超过容器内的所期望的位置等缺陷。
另外，本实施方式的缺陷检查系统1及缺陷检查方法能够在生产线中适用于玻璃产品等的断裂、伤痕等外观检查。在玻璃产品存在断裂、伤痕等缺陷的情况下，能够利用亮度比其他的部位高这一情况来提取缺陷。

Claims (18)

1.一种缺陷检查系统，其特征在于，具备：
光源，其向检查对象照射光；
摄像部，其按离散时间拍摄二维图像，该二维图像基于从所述光源向所述检查对象照射并透过所述检查对象或在所述检查对象上反射后的所述光而形成；
输送部，其将所述检查对象相对于所述光源及所述摄像部沿着输送方向相对地输送；以及
图像处理部，其对由所述摄像部拍摄出的所述二维图像的图像数据进行处理，
所述摄像部拍摄出在与所述二维图像的所述输送方向一致的方向上亮度发生变化的所述二维图像，
所述图像处理部具有：
列分割处理部，其将所述二维图像处理成列分割图像的所述图像数据，所述列分割图像通过将所述二维图像分割为沿着所述输送方向排列的多个列、并使由所述摄像部按所述离散时间拍摄出的所述二维图像各自中的相同位置的所述列依照时间序列的顺序排列而成；
分类部，其将由所述列分割处理部处理得到的各所述列分割图像按照预先设定的规则分类为两个以上的列分割图像组；
合并部，其针对由所述分类部分类到相同的所述列分割图像组的各所述列分割图像，将对所述检查对象的相同位置进行拍摄得到的所述图像数据的像素的值彼此合并，按所述列分割图像组生成图像合并数据；以及
分割输出部，其将由所述合并部按所述列分割图像组生成的所述图像合并数据按照预先设定的规则进行分割并输出，
所述合并部针对分类到相同的所述列分割图像组的各所述列分割图像，根据对所述检查对象的相同位置进行拍摄得到的所述图像数据的所述像素的亮度相对于基准值的高低，来对所述像素赋予具有正负的符号的差量值，并将对所述检查对象的相同位置进行拍摄得到的所述图像数据的所述像素的所述差量值彼此合并，按所述列分割图像组生成图像合并数据，
或者，
所述合并部针对分类到相同的所述列分割图像组的各所述列分割图像，实施增强对所述检查对象的相同位置进行拍摄得到的所述图像数据的彼此相邻的所述像素的亮度变化的增强处理，并将对所述检查对象的相同位置进行拍摄得到的所述图像数据的像素的实施所述增强处理后的值彼此合并，按所述列分割图像组生成图像合并数据。
2.根据权利要求1所述的缺陷检查系统，其中，
由所述摄像部按离散时间拍摄的所述二维图像具有明部、暗部、以及所述明部与所述暗部之间的分界部，
所述输送部将所述检查对象相对于所述摄像部沿着与所述明部、所述暗部及所述分界部相交的所述输送方向相对地输送。
3.根据权利要求2所述的缺陷检查系统，其中，
所述分类部将由所述列分割处理部处理得到的各所述列分割图像分类为：通过使所述二维图像各自中的所述明部的所述列依照时间序列的顺序排列而成的所述列分割图像的所述列分割图像组；通过使所述二维图像各自中的所述暗部的所述列依照时间序列的顺序排列而成的所述列分割图像的所述列分割图像组；以及通过使所述二维图像各自中的所述分界部的所述列依照时间序列的顺序排列而成的所述列分割图像的所述列分割图像组。
4.根据权利要求2或3所述的缺陷检查系统，其中，
所述缺陷检查系统还具备遮光体，该遮光体位于所述光源与所述检查对象之间，并对从所述光源向所述检查对象照射的所述光的一部分进行遮挡，从而在由所述摄像部按离散时间拍摄的所述二维图像上形成所述明部、所述暗部及所述分界部，
所述输送部将所述检查对象相对于所述光源、所述遮光体及所述摄像部沿着与所述明部、所述暗部及所述分界部相交的所述输送方向相对地输送。
5.根据权利要求2或3所述的缺陷检查系统，其中，
所述分割输出部将由所述合并部按所述列分割图像组生成的所述图像合并数据分割为如下各像素并输出，所述各像素是指：作为对所述检查对象的相同位置进行拍摄得到的所述图像合并数据的所述像素且所述明部、所述暗部及所述分界部处的亮度为任意的明阈值以上的所述像素；作为对所述检查对象的相同位置进行拍摄得到的所述图像合并数据的所述像素且所述明部、所述暗部及所述分界部处的亮度为任意的暗阈值以下的所述像素；以及作为对所述检查对象的相同位置进行拍摄得到的所述图像合并数据的所述像素且所述明部、所述暗部及所述分界部处的亮度的变化的幅度为任意的变化阈值以上的所述像素。
6.根据权利要求5所述的缺陷检查系统，其中，
所述分割输出部将由所述合并部按所述列分割图像组生成的所述图像合并数据分割为使所述各像素着色成彼此不同的颜色的着色部并输出，所述各像素是指：作为对所述检查对象的相同位置进行拍摄得到的所述图像合并数据的所述像素且所述明部、所述暗部及所述分界部处的亮度为任意的明阈值以上的所述像素；作为对所述检查对象的相同位置进行拍摄得到的所述图像合并数据的所述像素且所述明部、所述暗部及所述分界部处的亮度为任意的暗阈值以下的所述像素；以及作为对所述检查对象的相同位置进行拍摄得到的所述图像合并数据的所述像素且所述明部、所述暗部及所述分界部处的亮度的变化的幅度为任意的变化阈值以上的所述像素。
7.根据权利要求1至2及6中任一项所述的缺陷检查系统，其中，
所述分割输出部将由所述合并部按所述列分割图像组生成的所述图像合并数据按所述列分割图像组进行分割并输出。
8.根据权利要求1至2及6中任一项所述的缺陷检查系统，其中，
所述分割输出部将由所述合并部按所述列分割图像组生成的所述图像合并数据按所述列分割图像组之间的预先设定的阈值进行分割并输出。
9.根据权利要求1至2及6中任一项所述的缺陷检查系统，其中，
所述缺陷检查系统还具备解析部，该解析部基于对与所述图像合并数据所包含的缺陷的类别的识别相关的机械学习的结果进行积累得到的数据，来识别所述检查对象的缺陷的类别，其中，所述图像合并数据是由所述合并部按所述列分割图像组生成的所述图像合并数据。
10.一种缺陷检查方法，其特征在于，包括：
从缺陷检查系统的光源向检查对象照射光的照射工序；
由所述缺陷检查系统的摄像部按离散时间拍摄二维图像的摄像工序，其中，所述二维图像基于在所述照射工序中从所述光源向所述检查对象照射并透过所述检查对象或在所述检查对象上反射后的所述光而形成；
由所述缺陷检查系统的输送部将所述检查对象相对于所述光源及所述摄像部沿着输送方向相对地输送的输送工序；以及
由所述缺陷检查系统的图像处理部对在所述摄像工序中拍摄出的所述二维图像的图像数据进行处理的图像处理工序，
在所述摄像工序中，拍摄出在与所述二维图像的所述输送方向一致的方向上亮度发生变化的所述二维图像，
在所述图像处理工序中包括：
将所述二维图像处理成列分割图像的所述图像数据的列分割处理工序，其中，所述列分割图像通过将所述二维图像分割为沿着所述输送方向排列的多个列、并使由所述摄像部按所述离散时间拍摄出的所述二维图像各自中的相同位置的所述列依照时间序列的顺序排列而成；
将在所述列分割处理工序中处理得到的各所述列分割图像按照预先设定的规则分类为两个以上的列分割图像组的分类工序；
针对在所述分类工序中分类到相同的所述列分割图像组的各所述列分割图像，将对所述检查对象的相同位置进行拍摄得到的所述图像数据的像素的值彼此合并，按所述列分割图像组生成图像合并数据的合并工序；以及
将在所述合并工序中按所述列分割图像组生成的所述图像合并数据按照预先设定的规则进行分割并输出的分割输出工序，
在所述合并工序中，针对分类到相同的所述列分割图像组的各所述列分割图像，根据对所述检查对象的相同位置进行拍摄得到的所述图像数据的所述像素的亮度相对于基准值的高低，来对所述像素赋予具有正负的符号的差量值，并将对所述检查对象的相同位置进行拍摄得到的所述图像数据的所述像素的所述差量值彼此合并，按所述列分割图像组生成图像合并数据，
或者，
在所述合并工序中，针对分类到相同的所述列分割图像组的各所述列分割图像，实施增强对所述检查对象的相同位置进行拍摄得到的所述图像数据的彼此相邻的所述像素的亮度变化的增强处理，并将对所述检查对象的相同位置进行拍摄得到的所述图像数据的像素的实施所述增强处理后的值彼此合并，按所述列分割图像组生成图像合并数据。
11.根据权利要求10所述的缺陷检查方法，其中，
在所述照射工序中，在所述摄像工序中按离散时间拍摄出的所述二维图像具有明部、暗部、以及所述明部与所述暗部的分界部，
在所述输送工序中，将所述检查对象相对于所述摄像部沿着与所述明部、所述暗部及所述分界部相交的所述输送方向相对地输送。
12.根据权利要求1l所述的缺陷检查方法，其中，
在所述分类工序中，将在所述列分割处理工序中处理得到的各所述列分割图像分类为：通过使所述二维图像各自中的所述明部的所述列依照时间序列的顺序排列而成的所述列分割图像的所述列分割图像组；通过使所述二维图像各自中的所述暗部的所述列依照时间序列的顺序排列而成的所述列分割图像的所述列分割图像组；以及通过使所述二维图像各自中的所述分界部的所述列依照时间序列的顺序排列而成的所述列分割图像的所述列分割图像组。
13.根据权利要求11或12所述的缺陷检查方法，其中，
在所述照射工序中，由遮光体在通过所述摄像工序按离散时间拍摄出的所述二维图像上形成所述明部、所述暗部及所述分界部，所述遮光体位于光源与检查对象之间，且对从所述光源向所述检查对象照射的光的一部分进行遮挡，
在所述输送工序中，将所述检查对象相对于所述光源、所述遮光体及所述摄像部沿着与所述明部、所述暗部及所述分界部相交的所述输送方向相对地输送。
14.根据权利要求11或12所述的缺陷检查方法，其中，
在所述分割输出工序中，将在所述合并工序中按所述列分割图像组生成的所述图像合并数据分割为如下各像素并输出，所述各像素是指：作为对所述检查对象的相同位置进行拍摄得到的所述图像合并数据的所述像素且所述明部、所述暗部及所述分界部处的亮度为任意的明阈值以上的所述像素；作为对所述检查对象的相同位置进行拍摄得到的所述图像合并数据的所述像素且所述明部、所述暗部及所述分界部处的亮度为任意的暗阈值以下的所述像素；以及作为对所述检查对象的相同位置进行拍摄得到的所述图像合并数据的所述像素且所述明部、所述暗部及所述分界部处的亮度的变化的幅度为任意的变化阈值以上的所述像素。
15.根据权利要求14所述的缺陷检查方法，其中，
在所述分割输出工序中，将在所述合并工序中按所述列分割图像组生成的所述图像合并数据分割为使所述各像素着色成彼此不同的颜色的着色部并输出，所述各像素是指：作为对所述检查对象的相同位置进行拍摄得到的所述图像合并数据的所述像素且所述明部、所述暗部及所述分界部处的亮度为任意的明阈值以上的所述像素；作为对所述检查对象的相同位置进行拍摄得到的所述图像合并数据的所述像素且所述明部、所述暗部及所述分界部处的亮度为任意的暗阈值以下的所述像素；以及作为对所述检查对象的相同位置进行拍摄得到的所述图像合并数据的所述像素且所述明部、所述暗部及所述分界部处的亮度的变化的幅度为任意的变化阈值以上的所述像素。
16.根据权利要求10至12及15中任一项所述的缺陷检查方法，其中，
在所述分割输出工序中，将在所述合并工序中按所述列分割图像组生成的所述图像合并数据按所述列分割图像组进行分割并输出。
17.根据权利要求10至12及15中任一项所述的缺陷检查方法，其中，
在所述分割输出工序中，将通过所述合并工序按所述列分割图像组生成的所述图像合并数据按所述列分割图像组之间的预先设定的阈值进行分割并输出。
18.根据权利要求10至12及15中任一项所述的缺陷检查方法，其中，
所述缺陷检查方法还包括解析工序，在该解析工序中，基于对与所述图像合并数据所包含的缺陷的类别的识别相关的机械学习的结果进行积累得到的数据，来识别所述检查对象的缺陷的类别，其中，所述图像合并数据是通过所述合并工序按所述列分割图像组生成的所述图像合并数据。
CN201810793863.7A 2017-07-24 2018-07-18 缺陷检查系统及缺陷检查方法 Active CN109297971B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017142929A JP6970550B2 (ja) 2017-07-24 2017-07-24 欠陥検査システム及び欠陥検査方法
JP2017-142929 2017-07-24

Publications (2)

Publication Number Publication Date
CN109297971A CN109297971A (zh) 2019-02-01
CN109297971B true CN109297971B (zh) 2022-10-21

Family

ID=65172597

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810793863.7A Active CN109297971B (zh) 2017-07-24 2018-07-18 缺陷检查系统及缺陷检查方法

Country Status (4)

Country Link
JP (1) JP6970550B2 (zh)
KR (1) KR20190011200A (zh)
CN (1) CN109297971B (zh)
TW (1) TWI797145B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI786827B (zh) * 2021-09-15 2022-12-11 和碩聯合科技股份有限公司 測試資料產生方法以及測試資料產生裝置
CN113628212B (zh) * 2021-10-12 2022-03-11 高视科技(苏州)有限公司 不良偏光片识别方法、电子设备和存储介质
CN115829907B (zh) * 2022-04-18 2024-02-23 宁德时代新能源科技股份有限公司 对复合料带的隔膜进行缺陷检测的方法、装置、系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004163416A (ja) * 2002-10-23 2004-06-10 Nippon Steel Corp 欠陥検査装置
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
CN104101611A (zh) * 2014-06-06 2014-10-15 华南理工大学 一种类镜面物体表面光学成像装置及其成像方法
CN104751474A (zh) * 2015-04-13 2015-07-01 上海理工大学 一种级联式快速图像缺陷分割方法
CN104956210A (zh) * 2013-01-30 2015-09-30 住友化学株式会社 图像生成装置、缺陷检查装置以及缺陷检查方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3476913B2 (ja) * 1994-07-08 2003-12-10 オリンパス株式会社 欠陥種別判定装置及びプロセス管理システム
JPH09284749A (ja) * 1996-04-12 1997-10-31 Furukawa Electric Co Ltd:The トンネル内壁面の撮影方法とそれを用いた撮影装置
JP4220595B2 (ja) * 1998-08-10 2009-02-04 株式会社日立製作所 欠陥の分類方法並びに教示用データ作成方法
JP2002533673A (ja) * 1998-12-21 2002-10-08 ホッティンガー・マシーンバウ・ゲーエムベーハー 物体認識方法及び装置
JP2001134763A (ja) * 1999-11-09 2001-05-18 Hitachi Ltd 撮像画像に基づく欠陥の分類方法、および、その結果の表示方法
EP1625388A1 (de) * 2003-05-19 2006-02-15 Micro-Epsilon Messtechnik GmbH & Co. KG Verfahren und vorrichtung zur optischen qualitätsprüfung von objekten mit vor-zugsweise kreisförmig umlaufendem rand
JP2004354250A (ja) * 2003-05-29 2004-12-16 Nidek Co Ltd 欠陥検査装置
JP4694914B2 (ja) * 2005-08-03 2011-06-08 昭和電工株式会社 表面検査方法および同装置
JP4753019B2 (ja) * 2005-10-18 2011-08-17 東洋製罐株式会社 ネックリング検査装置及びネックリング検査方法
JP4739044B2 (ja) * 2006-02-09 2011-08-03 三菱原子燃料株式会社 外観検査装置
JP4367474B2 (ja) * 2006-10-03 2009-11-18 横河電機株式会社 欠陥検査装置
JP4652391B2 (ja) * 2006-12-08 2011-03-16 株式会社東芝 パターン検査装置、及び、パターン検査方法
JP2008175588A (ja) * 2007-01-16 2008-07-31 Kagawa Univ 外観検査装置
JP2011145305A (ja) * 2011-04-12 2011-07-28 Sumitomo Chemical Co Ltd 欠陥検査システム、並びに、それに用いる、欠陥検査用撮影装置、欠陥検査用画像処理装置、欠陥検査用画像処理プログラム、記録媒体、および欠陥検査用画像処理方法
CN106662537A (zh) * 2015-01-29 2017-05-10 株式会社Decsys 光学式外观检查装置以及使用该装置的光学式外观检查系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004163416A (ja) * 2002-10-23 2004-06-10 Nippon Steel Corp 欠陥検査装置
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
CN104956210A (zh) * 2013-01-30 2015-09-30 住友化学株式会社 图像生成装置、缺陷检查装置以及缺陷检查方法
CN104101611A (zh) * 2014-06-06 2014-10-15 华南理工大学 一种类镜面物体表面光学成像装置及其成像方法
CN104751474A (zh) * 2015-04-13 2015-07-01 上海理工大学 一种级联式快速图像缺陷分割方法

Also Published As

Publication number Publication date
JP2019023589A (ja) 2019-02-14
KR20190011200A (ko) 2019-02-01
TW201908717A (zh) 2019-03-01
JP6970550B2 (ja) 2021-11-24
TWI797145B (zh) 2023-04-01
CN109297971A (zh) 2019-02-01

Similar Documents

Publication Publication Date Title
KR20170136992A (ko) 결함 검사 시스템, 필름 제조 장치 및 결함 검사 방법
CN109297971B (zh) 缺陷检查系统及缺陷检查方法
TWI484161B (zh) 缺陷檢查系統及使用於該缺陷檢查系統之缺陷檢查用攝影裝置、缺陷檢查用畫像處理裝置、缺陷檢查用畫像處理程式、記錄媒體及缺陷檢查用畫像處理方法
KR102168143B1 (ko) 화상 생성 장치, 결함 검사 장치 및 결함 검사 방법
KR20190011198A (ko) 결함 검사 시스템 및 결함 검사 방법
CN109389071A (zh) 指纹检测方法与指纹图像补偿方法及装置、电子装置
KR102023231B1 (ko) 결함 검사 장치 및 결함 검사 방법
CN109297973B (zh) 缺陷检查系统及缺陷检查方法
KR101828536B1 (ko) 패널 검사 방법 및 장치
KR102111823B1 (ko) 화상 생성 장치, 결함 검사 장치 및 결함 검사 방법
JP2021092439A (ja) 照明最適化方法、制御装置、及びプログラム
WO2014083921A1 (ja) 欠陥判定装置、対応関係情報作成装置、欠陥判定方法、および対応関係情報作成方法
CN112129768B (zh) 外观检查管理系统、装置、方法以及存储介质
JP7293907B2 (ja) 外観検査管理システム、外観検査管理装置、外観検査管理方法及びプログラム
JP2011167642A (ja) 透明容器の識別方法
JP2011145305A (ja) 欠陥検査システム、並びに、それに用いる、欠陥検査用撮影装置、欠陥検査用画像処理装置、欠陥検査用画像処理プログラム、記録媒体、および欠陥検査用画像処理方法
JP2022070392A (ja) 画像認識方法、画像認識装置、検査方法、検査装置、プログラム、記録媒体
JP2013003062A (ja) 画像生成装置および欠陥検査装置
JPH08178631A (ja) 円筒形電子部品の外観検査装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant