CN109923955A - 保存图像的再分类系统及再分类方法 - Google Patents

保存图像的再分类系统及再分类方法 Download PDF

Info

Publication number
CN109923955A
CN109923955A CN201680090661.5A CN201680090661A CN109923955A CN 109923955 A CN109923955 A CN 109923955A CN 201680090661 A CN201680090661 A CN 201680090661A CN 109923955 A CN109923955 A CN 109923955A
Authority
CN
China
Prior art keywords
image
normal
storage device
stored
abnormal
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.)
Granted
Application number
CN201680090661.5A
Other languages
English (en)
Other versions
CN109923955B (zh
Inventor
杉山健二
大池博史
鬼头秀一郎
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.)
Fuji Corp
Original Assignee
Fuji Corp
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 Fuji Corp filed Critical Fuji Corp
Publication of CN109923955A publication Critical patent/CN109923955A/zh
Application granted granted Critical
Publication of CN109923955B publication Critical patent/CN109923955B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
    • H05K13/08—Monitoring manufacture of assemblages
    • H05K13/081—Integration of optical monitoring devices in assembly lines; Processes using optical monitoring devices specially adapted for controlling devices or machines in assembly lines
    • H05K13/0813—Controlling of single components prior to mounting, e.g. orientation, component geometry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • 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
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
    • H05K13/04—Mounting of components, e.g. of leadless components
    • H05K13/0404—Pick-and-place heads or apparatus, e.g. with jaws
    • H05K13/0408—Incorporating a pick-up tool
    • H05K13/0409—Sucking devices
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
    • H05K13/08—Monitoring manufacture of assemblages
    • H05K13/081—Integration of optical monitoring devices in assembly lines; Processes using optical monitoring devices specially adapted for controlling devices or machines in assembly lines
    • H05K13/0812—Integration of optical monitoring devices in assembly lines; Processes using optical monitoring devices specially adapted for controlling devices or machines in assembly lines the monitoring devices being integrated in the mounting machine, e.g. for monitoring components, leads, component placement
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
    • H05K13/08—Monitoring manufacture of assemblages
    • H05K13/083—Quality monitoring using results from monitoring devices, e.g. feedback loops
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Supply And Installment Of Electrical Components (AREA)

Abstract

利用相机拍摄吸附于元件安装机(12)的吸嘴的元件，利用图像识别系统(17)对拍摄到的图像进行处理来识别该元件，基于该识别结果判定是正常还是异常来将该图像分类为正常图像和异常图像并保存于存储装置(20)，并且通过检查装置(14)对从元件安装机搬出的元件安装基板进行检查。保存图像再分类计算机(22)从检查装置取得检查结果，并基于该检查结果而将存储于存储装置的正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于存储装置。

Description

保存图像的再分类系统及再分类方法
技术领域
本说明书公开了利用相机拍摄吸附于元件安装机的吸嘴的元件，将拍摄到的图像分类为正常图像和异常图像并保存于存储装置，并对保存的图像进行再分类的保存图像的再分类系统及再分类方法。
背景技术
以往，在元件安装机中，在由吸嘴吸附从供料器供给的元件并将该元件向电路基板上输送的中途，利用相机拍摄吸附于吸嘴的元件，对其拍摄图像进行处理而识别元件，并基于其识别结果来判定元件吸附姿势等的正常或异常，在将该元件向电路基板安装，并且对在元件安装机中产生的各种异常的原因进行查明时，为了能够调查该异常产生时的图像，将在生产中拍摄到的图像分类为正常图像和异常图像并保存于存储装置。另外，所保存的图像也利用于图像处理用元件形状数据的改善和元件吸附姿势(位置、角度)的识别精度的改善等。
但是，若将生产中拍摄到的图像全部长期保存于存储装置，则保存的图像数量变得庞大，因此在查明在元件安装机中产生的各种异常的原因时调查保存图像的作业很费时费力。
因此，在专利文献1(日本特开2012-169394号公报)中，仅选择供料器、安装头的工作状况发生变化的原因事件的图像而长期保存于存储装置。
现有技术文献
专利文献1：日本特开2012-169394号公报
发明内容
发明所要解决的课题
但是，在元件安装机中，除了供料器和安装头以外，还搭载有各种装置，因此在元件安装机中产生的各种异常的原因位置不仅限定于供料器或安装头。因此，在如上述专利文献1那样，仅选择供料器或安装头的工作状况会发生变化的原因事件的图像来保存的情况下，即使对该保存图像进行调查，也难以查明因除了供料器或安装头以外的装置而产生的异常的原因。
但是，若如上述那样，保存生产中拍摄到的全部图像，则保存的图像数量变得庞大，因此在查明在元件安装机中产生的各种异常的原因时等对保存图像进行调查的作业很费时费力。
另外，元件安装机的图像识别系统的元件识别结果不一定正确，也可能进行了错误识别。例如，图2～图4都是被分类为正常图像的带引脚的元件的图像，但仅图2的图像是能够正确地识别元件的吸附姿势(位置和角度)的图像，图3的图像是将垃圾等异物错误判定为引脚而错误识别了元件的吸附姿势的例子，图4的图像是由于元件吸附错误而将未吸附元件的吸嘴的下端面的研磨痕错误判定为引脚而错误识别了元件的例子。这样，在保存的很多正常图像中混有其正常的判定有疑问的图像，因此在作业者利用保存的正常图像的情况下，需要对很多正常图像逐个地目视确认，将如图3、图4等那样判定为正常有疑问的图像重新分类，该作业很费时费力。
用于解决课题的技术方案
为了解决上述课题，一种保存图像的再分类系统被应用于如下的系统，该系统利用相机拍摄吸附于元件安装机的吸嘴的元件，利用图像识别系统对拍摄到的图像进行处理来识别该元件，基于该识别结果判定是正常还是异常来将该图像分类为正常图像和异常图像并保存于存储装置，并且通过检查装置对从上述元件安装机搬出的元件安装基板进行检查，上述保存图像的再分类系统具备再分类部，上述再分类部基于上述检查装置的检查结果而将上述正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于上述存储装置。
例如，通过对从元件安装机搬出的元件安装基板进行检查的检查装置判定为安装不良(安装位置的偏差)或者未安装的元件即使由元件安装机的图像识别系统判定为正常图像，也有可能如图3所示那样由于垃圾等异物而错误识别了元件的吸附姿势，或如图4所示那样由于错误吸附元件的吸嘴的下端面的研磨痕等而错误识别了元件。
因此，基于检查装置的检查结果将由元件安装机的图像识别系统分类出的正常图像自动再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于存储装置。这样一来，不需要进行作业者对保存于存储装置的很多正常图像逐个地目视确认来进行再分类的费时费力的作业，并且能够在对安装不良等的原因进行查明时，将调查对象限定为正常的判定有疑问的图像，能够高效地且以比较短的时间进行原因查明。
在该情况下，在使用对每个安装于电路基板的元件检查安装状态的良好与否的检查装置来作为检查装置的情况下，上述再分类部将保存于存储装置的正常图像中的上述检查装置的检查结果为不合格的元件的正常图像作为判定为正常有疑问的图像而再分类即可。
另外，也可以构成为具备：元件吸附姿势计测部，计测保存于存储装置的多个正常图像的元件的位置和角度；及再分类部，对由上述元件吸附姿势计测部计测出的正常图像的元件的位置和角度分别安装每个元件种类进行统计处理，根据元件的位置和角度中的任一个是否偏离了预定的偏差范围，而将上述正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于上述存储装置。一般，能够由元件安装机将元件稳定地安装于基板的安装位置的元件可推断为以大体相似的姿势吸附于吸嘴。因此，计测保存于存储装置的多个正常图像的元件吸附姿势(位置和角度)，并对该计测值按照每个元件种类进行统计处理，元件吸附姿势的计测值偏离了预定的偏差范围偏离的正常图像即使由元件安装机的图像识别系统判定为正常图像，也有可能错误识别，因此作为判定为正常有疑问的图像而被再分类。
在该情况下，也可以是，以元件的位置和角度各自的平均值为中心，根据标准偏差来设定上述预定的偏差范围。另外，也可以取代平均值，而使用中央值或最频值，总之，使用表示计测值的分布的中心的位置的值即可。
另外，也可以是，上述元件吸附姿势计测部对保存于存储装置的异常图像也计算该异常图像的元件的位置和角度，上述再分类部根据由上述元件吸附姿势计测部计测出的异常图像的元件的位置和角度这两者是否处于与该元件相同的元件种类的正常图像的预定的偏差范围内，而将上述异常图像再分类为判定为异常有疑问的图像和判定为异常无疑问的图像并保存于上述存储装置。总之，若计测保存于存储装置的异常图像的元件吸附姿势(位置和角度)而异常图像的元件吸附姿势的计测值处于与该元件相同的元件种类的正常图像的元件吸附姿势的预定的偏差范围内，则该异常图像处于正常图像的预定的偏差范围内，因此有可能错误识别，从而作为元件安装机的图像识别系统的异常判定有疑问的图像而再分类。
另外，也可以构成为，具备：正常图像选择部，从保存于存储装置的多个正常图像之中选择判定为正常无疑问的图像；模板图像生成部，以使由上述正常图像选择部选择出的正常图像的元件的位置和角度分别与基准位置一致的方式使该正常图像移动及旋转而生成模板图像；匹配处理部，使用由上述模板图像生成部生成的上述模板图像对剩余的正常图像进行匹配处理；及再分类部，基于上述匹配处理部的处理结果将上述正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于上述存储装置。这样，若从保存于存储装置的多个正常图像之中选择判定为正常无疑问的图像来生成模板图像，并使用该模板图像对剩余的正常图像进行匹配处理，则能够求出成为表示两图像的相关性(类似度)的指标的相关值和偏差量。在两图像的相关性较低的情况下(相关值较小的情况下或偏差量与元件安装机的图像识别系统的识别结果大幅不同的情况下)，即使由元件安装机的图像识别系统判定为正常图像，也有可能错误识别，因此作为判定为正常有疑问的图像而被再分类。
在该情况下，也可以是，上述正常图像选择部基于对从元件安装机搬出的元件安装基板进行检查的检查装置的检查结果，从保存于存储装置的多个正常图像之中选择判定为正常无疑问的图像。
或者，也可以是，上述正常图像选择部计测保存于存储装置的多个正常图像的元件的位置和角度，按照每个元件种类对其计测值进行统计处理，并基于其处理结果从上述多个正常图像之中选择判定为正常无疑问的图像(例如位于分布的中央的正常图像)。
或者，也可以是，上述正常图像选择部根据保存于存储装置的多个正常图像生成平均的正常图像，选择该平均的正常图像作为判定为正常无疑问的图像。
另外，也可以是，上述匹配处理部使用上述模板图像对上述异常图像也进行匹配处理，上述再分类部基于上述匹配处理部的处理结果将上述异常图像再分类为判定为异常有疑问的图像和判定为异常无疑问的图像并保存于上述存储装置。总之，使用利用判定为正常无疑问的正常图像而生成的模板图像，对异常图像进行匹配处理，在两图像的相关性较高的情况下，即使由元件安装机的图像识别系统判定为异常图像，也有可能错误识别，因此作为判定为异常有疑问的图像而被再分类。
另外，也可以是，对由上述再分类部再分类为判定为正常无疑问的图像的正常图像进行学习而生成识别元件的识别器(分类器)。这样一来，能够仅将判定为正常无疑问的正常图像用作指导数据进行学习而生成精度较高的识别器，并能够通过将该识别器搭载于元件安装机的图像识别系统，而提高元件安装机的图像识别系统的元件识别精度。
附图说明
图1是概略性地示出实施例1的元件安装线和保存图像再分类系统的结构的框图。
图2是表示正确地识别了带引脚的元件的吸附姿势的正常图像的例子的图。
图3是表示由于垃圾而错误识别了带引脚的元件的吸附姿势的正常图像的例子的图。
图4是表示将未吸附元件的吸嘴的下端面的研磨痕错误判定为引脚而错误识别了元件的正常图像的例子的图。
图5是表示实施例1的保存图像再分类程序的处理的流程的流程图。
图6是表示实施例2的保存图像再分类程序的前半部分的处理的流程的流程图。
图7是表示实施例2的保存图像再分类程序的后半部分的处理的流程的流程图。
图8是表示正常图像的元件吸附姿势(X、Y、θ)的分布的一例的图。
图9是表示实施例3的保存图像再分类程序的前半部分的处理的流程的流程图。
图10是表示实施例3的保存图像再分类程序的后半部分的处理的流程的流程图。
具体实施方式
以下，对三个实施例1～3进行说明。
实施例1
使用图1至图5来对实施例1进行说明。
首先，基于图1来说明元件安装线10的结构。
元件安装线10通过沿着电路基板11的输送方向排列一台或者多台元件安装机12与钎焊印刷机13或焊剂涂布装置(未图示)等安装相关机器而构成。在元件安装线10的基板搬出侧，设置有对每个安装于电路基板11的元件检查安装状态的良好与否的外观检查装置等检查装置14。另外，设置于元件安装线10的检查装置14的台数不限定于一台，也可以是多台，也可以是，一部分检查装置设置于元件安装线10的中途的元件安装机12之间。
元件安装线10的各元件安装机12、钎焊印刷机13及检查装置14经由网络16而与生产管理用计算机21以相互能够通信的方式连接，通过该生产管理用计算机21来管理元件安装线10的生产。各元件安装机12按照从生产管理用计算机21发送来的生产任务反复进行使安装头18按元件吸附位置→元件拍摄位置→元件安装位置的路径移动，并利用安装头18的吸嘴(未图示)吸附从供料器19供给的元件，利用元件拍摄用相机(未图示)拍摄该元件，由元件安装机12的图像识别系统17对该拍摄图像进行处理来计测该元件的吸附姿势(位置X、Y、角度θ)，修正该元件的位置X、Y、角度θ的偏差并向电路基板11安装该元件这样的动作，从而向该电路基板11安装预定量的元件。
此外，各元件安装机12的图像识别系统17基于元件识别结果判定由元件拍摄用相机拍摄到的图像是正常还是异常，从而将该图像分类为正常图像和异常图像并保存于存储装置20。该存储装置20由具有能够保存元件安装机12的异常产生时的原因调查所需要的数量的图像的存储容量，且在电源断开状态也保持存储数据并能够改写的非易失性的存储介质(例如硬盘装置等)构成。当该存储装置20的保存图像数量超过预先规定的预定数量或者预定存储器容量时，自动删除最旧的保存图像而保存最新的图像。
依次经过元件安装线10的各元件安装机12而生产出的元件安装基板被搬入检查装置14，对每个安装于电路基板11的元件检查安装状态的良好与否。网络16与保存图像再分类计算机22连接，将检查装置14的检查结果(合格或不合格)向生产管理用计算机21和保存图像再分类计算机22发送。
然而，由对从元件安装机12搬出的元件安装基板进行检查的检查装置14判定为安装不良(安装位置的偏差)或者未安装的元件，即使由元件安装机12的图像识别系统17判定为正常图像，也可能如图3所示那样由于垃圾等异物而错误识别了元件的吸附姿势或如图4所示那样由于错误吸附元件的吸嘴的下端面的研磨痕等而错误识别了元件。
因此，保存图像再分类计算机22通过执行后述的图5的保存图像再分类程序，而作为读出保存于存储装置20的正常图像，并基于检查装置14的检查结果将上述正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于存储装置20的“再分类部”发挥作用。在此，“判定为正常有疑问”是指“有可能不是正常图像”。在保存再分类的结果时，例如，也可以将再分类后的图像的文件名按每种分类分开写入文本文件，也可以将保存再分类后的图像的存储区域按每种分类而分开，也可以在再分类后的图像的文件名附加表示分类的特定的文字列，总之，作业者能够容易地目视确认再分类的结果即可。
此外，在本实施例1中，检查装置14对每个安装于电路基板11的元件检查安装状态的良好与否，因此保存图像再分类计算机22将保存于元件安装机12的存储装置20的正常图像中的检查装置14的检查结果为不合格的元件的正常图像作为判定为正常有疑问的图像再分类。
另外，在由元件安装机12的图像识别系统17判定为异常图像的情况下，吸附于吸嘴的元件被废弃而不向电路基板11安装，因此对于被判定为异常图像的元件，不通过检查装置14进行检查。
以上说明的本实施例1的正常图像的再分类由保存图像再分类计算机22按照图5的保存图像再分类程序如以下那样执行。图5的保存图像再分类程序在生产中(元件安装机12的作业中)或者生产结束后启动。另外，也可以是，在作为元件安装机12的图像识别系统17的主体的控制装置的CPU处理能力有富余的情况下，通过元件安装机12的控制装置执行图5的保存图像再分类程序。在该情况下，元件安装机12的控制装置兼作“再分类部”，因此不需要设置保存图像再分类计算机22。或者，也可以通过生产管理用计算机21执行图5的保存图像再分类程序。在该情况下，生产管理用计算机21兼作“再分类部”，因此不需要设置保存图像再分类计算机22。
当图5的保存图像再分类程序启动时，首先，在步骤101中，取得保存于元件安装机12的存储装置20的正常图像，在接下来的步骤102中，从检查装置14取得该正常图像中的元件的检查结果。
然后，进入步骤103，对该元件的检查结果是否不合格进行判定，若判定为不合格，则进入步骤104，将该正常图像再分类为判定为正常有疑问的图像并保存于存储装置20，然后进入步骤106。另一方面，在上述步骤103中，若判定为该元件的检查结果合格，则进入步骤105，将该正常图像再分类为判定为正常无疑问的图像并保存于存储装置20，然后进入步骤106。
在该步骤106中，判定是否残留要进行再分类的正常图像，若判定为残留，则反复上述步骤101以后的处理，并反复进行基于检查装置14的检查结果将正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于存储装置20的处理。然后，在上述步骤106中，在判定为未残留要进行再分类的正常图像的时刻，使本程序结束。
另外，在图5的保存图像再分类程序中，在步骤101～102中，逐个地进行正常图像的取得和检查结果的取得，但也可以在该时刻一下子取得能够取得的全部正常图像和全部检查结果。
在以上说明的本实施例1中，通过图5的保存图像再分类程序，基于检查装置14的检查结果，将由元件安装机12的图像识别系统17分类出的正常图像自动地再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于存储装置20，因此不需要进行作业者对保存于存储装置20的很多正常图像逐个地目视确认并进行再分类的费时费力的作业，并且能够在查明安装不良等的原因时将调查对象限定为判定为正常有疑问的图像，从而能够高效地且以比较短的时间进行原因查明。
另外，作为通过图5的保存图像再分类程序而再分类的正常图像的其他利用方法，也可以对被再分类为判定为正常无疑问的图像的正常图像进行学习，来生成识别元件的识别器(分类器)。这样，仅将判定为正常无疑问的正常图像用作指导数据进行学习，能够生成精度较高的识别器，能够通过将该识别器搭载于元件安装机12的图像识别系统17，来提高元件安装机12的图像识别系统17的元件识别精度。
另外，在本实施例1中，检查装置14对每个安装于电路基板11的元件检查安装状态的良好与否，但在电路基板11的安装面存在无法检查每个元件的安装区域的情况下或在对每个包含有多个元件的安装区域进行检查的情况下，将检查结果为不合格的安装区域所含的全部元件的正常图像作为判定为正常有疑问的图而再分类即可。
实施例2
接下来，使用图6至图8来对实施例2进行说明。其中，对于与上述实施例1实质相同的部分标注相同的附图标记并省略或者简化说明，主要对不同的部分进行说明。
一般，能够通过元件安装机12将元件稳定地安装于电路基板11的安装位置的元件可推断为以大体相似的姿势吸附于吸嘴。考虑到该特性，在本实施例2中，通过保存图像再分类计算机22执行后述的图6及图7的保存图像再分类程序，由此计测保存于元件安装机12的存储装置20中的多个正常图像的元件吸附姿势(位置X、Y、角度θ)，按照每个元件种类对其计测值X、Y、θ进行统计处理并对分布进行评价(参照图8)，该计测值X、Y、θ中的任一个偏离了预定的偏差范围的正常图像即使由元件安装机12的图像识别系统17判定为正常图像，也有可能错误识别，因此作为判定为正常有疑问的图像而再分类。
在本实施例2中，预定的偏差范围以元件的位置X、Y、角度θ各自的平均值(Xav，Yav，θav)为中心根据各自的标准偏差(σX，σY，σθ)由下式设定。
X的预定的偏差范围＝平均值Xav±标准偏差σX×aX…(1)
Y的预定的偏差范围＝平均值Yav±标准偏差σY×aY…(2)
θ的预定的偏差范围＝平均值θav±标准偏差σθ×aθ…(3)
在此，aX、aY、aθ是对预定的偏差范围的宽度进行调整的系数。该系数aX、aY、aθ也可以为预先设定的固定值，也可以为作业者能够通过输入操作而调整的系数。
另外，也可以取代平均值，而使用中央值或最频值，总之，使用表示计测值X、Y、θ的分布的中心的位置的值即可。
此外，在本实施例2中，对于保存于元件安装机12的存储装置20的异常图像，也计测该异常图像的元件吸附姿势(X，Y，θ)，根据其计测值X、Y、θ是否处于与该元件相同的元件种类的正常图像的元件吸附姿势的预定的偏差范围内，来将异常图像再分类为判定为异常有疑问的图像和判定为异常无疑问的图像并保存于存储装置20。总之，计测保存于存储装置20的异常图像的元件吸附姿势(X，Y，θ)，若其计测值X、Y、θ处于与该元件相同的元件种类的正常图像的元件吸附姿势(X，Y，θ)的预定的偏差范围内，则该异常图像处于正常图像的预定的偏差范围内，有可能错误识别，因此作为元件安装机12的图像识别系统17的异常判定有疑问的图像而再分类。
以上说明的本实施例2的正常图像的再分类由保存图像再分类计算机22按照图6及图7的保存图像再分类程序如以下那样执行。另外，也可以由元件安装机12的控制装置或者生产管理用计算机21执行图6及图7的保存图像再分类程序。
图6及图7的保存图像再分类程序在生产结束后启动，发挥作为“再分类部”的作用。另外，即使在生产中，若保存于元件安装机12的存储装置20的图像数量达到了能够以需要的精度执行统计处理(平均值和标准偏差的计算)的图像数量后，则也可以执行图6及图7的保存图像再分类程序。
当图6及图7的保存图像再分类程序启动时，首先，在步骤201中，取得保存于元件安装机12的存储装置20的全部正常图像后，进入步骤202，计测各正常图像的元件吸附姿势(X，Y，θ)。该步骤202的处理发挥作为“元件吸附姿势计测部”的作用。
然后，进入步骤203，按照每个元件种类对元件吸附姿势(X，Y，θ)的计测值进行统计处理，并算出平均值(Xav，Yav，θav)和标准偏差(σX，σY，σθ)。然后，进入步骤204，使用上述(1)～(3)式，算出元件吸附姿势(X，Y，θ)的预定的偏差范围。
然后，进入步骤205，判定进行再分类的正常图像的元件吸附姿势(X，Y，θ)的计测值是否偏离了预定的偏差范围，其结果是，若判定为该正常图像的元件吸附姿势(X，Y，θ)的计测值偏离了预定的偏差范围，则进入步骤206，将该正常图像再分类为判定为正常有疑问的图像并保存于存储装置20，然后进入步骤208。另一方面，在上述步骤205中，若判定为该正常图像的元件吸附姿势(X，Y，θ)的计测值在预定的偏差范围内，则进入步骤207，将该正常图像再分类为判定为正常无疑问的图像并保存于存储装置20，然后进入步骤208。
在该步骤208中，判定是否残留要进行再分类的正常图像，若判定为残留，则反复上述步骤205以后的处理，并反复进行根据正常图像的元件吸附姿势(X，Y，θ)的计测值是否偏离了预定的偏差范围，将正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于存储装置20的处理。
然后，在上述步骤208中，在判定为未残留要进行再分类的正常图像的时刻，执行图7中的步骤209以后的处理，对保存于元件安装机12的存储装置20的异常图像也如以下那样再分类为判定为异常有疑问的图像和判定为异常无疑问的图像并保存于存储装置20。
首先，在步骤209中，取得保存于元件安装机12的存储装置20的全部异常图像后，进入步骤210，计测各异常图像的元件吸附姿势(X，Y，θ)。该步骤210的处理发挥作为“元件吸附姿势计测部”的作用。然后，进入步骤211，判定进行再分类的异常图像的元件吸附姿势(X，Y，θ)的计测值是否处于与其相同的元件种类的正常图像的元件吸附姿势的预定的偏差范围内。此时，预定的偏差范围也可以原封不动地使用在上述步骤204中计算出的值，也可以变更对预定的偏差范围的宽度进行调整的系数aX、aY、aθ来变更预定的偏差范围的宽度。
在该步骤211中，若判定为该异常图像的元件吸附姿势(X，Y，θ)的计测值处于正常图像的预定的偏差范围内，则进入步骤212，将该异常图像再分类为判定为异常有疑问的图像并保存于存储装置20，然后进入步骤214。另一方面，在上述步骤211中，若判定为该异常图像的元件吸附姿势(X，Y，θ)的计测值偏离了正常图像的预定的偏差范围，则进入步骤213，将该异常图像再分类为判定为异常无疑问的图像并保存于存储装置20，然后进入步骤214。
在该步骤214中，判定是否残留要进行再分类的异常图像，若判定为残留，则反复上述步骤211以后的处理，并反复进行根据异常图像的元件吸附姿势(X，Y，θ)的计测值是否处于正常图像的预定的偏差范围内，将异常图像再分类为判定为异常有疑问的图像和判定为异常无疑问的图像并保存于存储装置20。然后，在上述步骤214中，在判定为未残留要进行再分类的异常图像的时刻，使本程序结束。
在以上说明的本实施例2中，也能够得到与上述实施例1相同的效果。
此外，在本实施例2中，对于保存于元件安装机12的存储装置20的异常图像，也根据该异常图像的元件吸附姿势(X，Y，θ)的计测值是否处于与它相同的元件种类的正常图像的元件吸附姿势的预定的偏差范围内，来将该异常图像再分类为判定为异常有疑问的图像和判定为异常无疑问的图像，因此对于保存于存储装置20的异常图像，也不需要进行作业者逐个地进行目视确认来进行再分类的费时费力的作业，并且在查明安装不良等的原因时，能够将异常图像的调查对象限定为判定为异常有疑问的图像，能够高效地且以比较短的时间进行原因查明。
然而，在由元件安装机12的图像识别系统17判定为异常图像的情况下，由于吸附于吸嘴的元件不向电路基板11安装而废弃，因此当异常图像的错误判定的次数增加时，不必要的元件废弃增加，生产时间变长，生产未如预定那样结束。因此，当生产的延迟显著时，作业者需要对其原因进行调查。此时，作业者有时对保存于元件安装机12的存储装置20的异常图像进行目视确认来调查不必要的元件废弃是否较多，但若对保存于存储装置20的较多的异常图像逐个地进行目视确认，则非常费时费力。
在这一点上，在本实施例2中，将保存于元件安装机12的存储装置20的异常图像再分类为判定为异常有疑问的图像和判定为异常无疑问的图像，所以在不必要的元件废弃较多的情况(即生产未如预定那样结束的情况)下，作业者能够将异常图像的调查对象限定为判定为异常有疑问的图像，能够更早地注意到不必要的元件废弃较多的原因。
另外，作为通过图6及图7的保存图像再分类程序而再分类的正常图像的其他利用方法，也可以对再分类为判定为正常无疑问的图像的正常图像进行学习，生成识别元件的识别器(分类器)，并将该识别器搭载于元件安装机12的图像识别系统17。
实施例3
接下来，使用图9及图10来对实施例3进行说明。其中，对与上述实施例1实质相同的部分标注相同的附图标记，而省略或者简化说明，主要对不同的部分进行说明。
在本实施例3中，通过保存图像再分类计算机22执行图9及图10的保存图像再分类程序，由此从保存于元件安装机12的存储装置20的多个正常图像之中选择一个判定为正常无疑问的图像来生成模板图像，并使用该模板图像对剩余的正常图像进行匹配处理，由此将正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于存储装置20，并且对保存于存储装置20的异常图像也使用上述模板图像进行匹配处理，由此将异常图像再分类为判定为异常有疑问的图像和判定为异常无疑问的图像并保存于存储装置20。
这样，若使用利用判定为正常无疑问的正常图像生成的模板图像来对剩余的正常图像进行匹配处理，则能够求出成为表示两图像的相关性(类似度)的指标的相关值和偏差量。在两图像的相关性较低的情况下(在相关值较小的情况下或在偏差量与元件安装机12的图像识别系统17的识别结果大幅不同的情况下)，即使由元件安装机12的图像识别系统17判定为正常图像，也有可能错误识别，因此能够作为判定为正常有疑问的图像而再分类。
另外，在使用利用判定为正常无疑问的正常图像生成的模板图像来对异常图像进行匹配处理，而两图像的相关性较高的情况下，即使由元件安装机12的图像识别系统17判定为异常图像，也有可能错误识别，因此能够作为判定为异常有疑问的图像而再分类。在此，“判定为异常有疑问”是指“有可能不是异常图像”。
以上说明的本实施例3的保存图像的再分类由保存图像再分类计算机22按照图9及图10的保存图像再分类程序执行。图9及图10的保存图像再分类程序在生产中(元件安装机12的作业中)或者生产结束后启动，发挥作为“再分类部”的作用。另外，也可以是，由元件安装机12的控制装置或者生产管理用计算机21执行图9及图10的保存图像再分类程序。
当图9及图10的保存图像再分类程序启动时，首先，在步骤301中，取得了保存于元件安装机12的存储装置20的全部正常图像后，进入步骤302，利用以下的(1)～(3)中的任一个方法从取得的正常图像之中选择一个判定为正常无疑问的图像。该步骤302的处理发挥作为“正常图像选择部”的作用。
(1)与上述实施例1相同地，基于对从元件安装机12搬出的元件安装基板进行检查的检查装置14的检查结果，从在步骤301中取得的多个正常图像之中选择一个判定为正常无疑问的图像。也就是说，选择检查装置14的检查结果为合格的元件的正常图像作为判定为正常无疑问的图像。
(2)与上述实施例2相同地，对在步骤301中取得的多个正常图像的元件吸附姿势(X，Y，θ)进行计测，并按照每个元件种类对其计测值进行统计处理，基于其处理结果从多个正常图像之中选择一个判定为正常无疑问的图像(例如位于分布的中央的正常图像)。
(3)根据在步骤301中取得的多个正常图像生成平均的正常图像，选择该平均的正常图像作为判定为正常无疑问的图像。此时，也可以使用将多个正常图像单纯地平均化而生成的平均图像，也可以使用其他方法(例如KL展开等)生成平均的正常图像。
然后，进入步骤303，以使在上述步骤301中选择出的判定为正常无疑问的正常图像的元件的位置(X，Y)、角度θ分别与基准位置一致的方式使该正常图像移动及旋转而生成模板图像。该步骤302的处理发挥作为“模板图像生成部”的作用。
然后，进入步骤304，使用模板图像对要进行再分类的正常图像进行匹配处理(例如归一化相关、相位限定相关等)，求出成为表示两图像的相关性的指标的相关值和偏差量。
并且，在接下来的步骤305中，基于相关值和偏差量来判定进行再分类的正常图像与模板图像的相关性是否较低。此时，在相关值比小于预定值的情况下或偏差量与元件安装机12的图像识别系统17的识别结果以预定值以上地大幅不同的情况下，判定为两图像的相关性较低，并进入步骤306，将该正常图像再分类为判定为正常有疑问的图像并保存于存储装置20，然后进入步骤308。另一方面，在上述步骤305中，若判定为两图像的相关性较高，则进入步骤307，将该正常图像再分类为判定为正常无疑问的图像并保存于存储装置20，然后进入步骤308。
在该步骤308中，对是否残留要进行再分类的正常图像进行判定，若判定为残留，则反复上述步骤304以后的处理，并反复进行根据再分类的正常图像与模板图像的相关性是否较低，将该正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于存储装置20的处理。然后，在上述步骤308中，在判定为未残留要进行再分类的正常图像的时刻，执行图10中的步骤309以后的处理，对保存于元件安装机12的存储装置20的异常图像，也如以下那样再分类为判定为异常有疑问的图像和判定为异常无疑问的图像并保存于存储装置20。
首先，在步骤309中，取得保存于元件安装机12的存储装置20的全部异常图像后，进入步骤310，使用在上述步骤303中生成的模板图像，对进行再分类的异常图像进行匹配处理(例如归一化相关、相位限定相关等)，求出成为表示两图像的相关性的指标的相关值和偏差量。
并且，在接下来的步骤311中，基于相关值和偏差量判定进行再分类的异常图像与模板图像的相关性是否较高。此时，在相关值大于预定值的情况下或偏差量与元件安装机12的图像识别系统17的识别结果没有太大差异的情况下，判定为两图像的相关性较高，进入步骤312，将该异常图像再分类为判定为异常有疑问的图像并保存于存储装置20，然后进入步骤314。另一方面，在上述步骤311中，若判定为两图像的相关性较低，则进入步骤312，将该异常图像再分类为判定为异常无疑问的图像并保存于存储装置20，然后进入步骤314。
在该步骤314中，对是否残留要进行再分类的异常图像进行判定，若判定为残留，则反复上述步骤310以后的处理，并反复进行根据再分类的异常图像与模板图像的相关性是否较高，将该异常图像再分类为判定为异常有疑问的图像和判定为异常无疑问的图像并保存于存储装置20的处理。然后，在上述步骤314中，在判定为未残留要进行再分类的异常图像的时刻，使本程序结束。
在以上说明的本实施例3中，也能够获得与上述实施例1、2相同的效果。
另外，作为通过图9及图10的保存图像再分类程序而再分类的正常图像的其他利用方法，也可以对再分类为判定为正常无疑问的图像的正常图像进行学习，生成识别元件的识别器(分类器)，并将该识别器搭载于元件安装机12的图像识别系统17。
另外，在上述实施例1～3中，将正常图像和异常图像保存于元件安装机12的存储装置20，但也可以保存于保存图像再分类计算机22的存储装置或者生产管理用计算机21的存储装置或保存于其他服务器。
此外，本发明不限定于上述实施例1～3，例如也可以变更元件安装线10的结构等在不脱离主旨的范围内能够实施各种变更，这是不言而喻的。
附图标记说明
10…元件安装线；11…电路基板；12…元件安装机；14…检查装置；17…图像识别系统；19…供料器；20…存储装置；22…保存图像再分类计算机(再分类部、元件吸附姿势计测部、正常图像选择部、模板图像生成部、匹配处理部)。

Claims (14)

1.一种保存图像的再分类系统，
被应用于如下的系统，该系统利用相机拍摄吸附于元件安装机的吸嘴的元件，利用图像识别系统对拍摄到的图像进行处理来识别该元件，基于该识别结果判定是正常还是异常来将该图像分类为正常图像和异常图像并保存于存储装置，并且通过检查装置对从所述元件安装机搬出的元件安装基板进行检查，
所述保存图像的再分类系统具备再分类部，所述再分类部基于所述检查装置的检查结果而将所述正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于所述存储装置。
2.根据权利要求1所述的保存图像的再分类系统，其中，
所述检查装置对每个安装于电路基板的元件检查安装状态良好与否，
所述再分类部将所述正常图像中的所述检查装置的检查结果为不合格的元件的正常图像作为判定为正常有疑问的图像而再分类。
3.一种保存图像的再分类系统，
被应用于如下的系统，该系统利用相机拍摄吸附于拍摄元件安装机的吸嘴的元件，利用图像识别系统对拍摄到的图像进行处理来识别该元件，基于该识别结果判定是正常还是异常来将该图像分类为正常图像和异常图像并保存于存储装置，
所述保存图像的再分类系统具备：
元件吸附姿势计测部，计测保存于所述存储装置的多个正常图像的元件的位置和角度；及
再分类部，对由所述元件吸附姿势计测部计测出的正常图像的元件的位置和角度分别按照每个元件种类进行统计处理，根据元件的位置和角度中的任一个是否偏离了预定的偏差范围，而将所述正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于所述存储装置。
4.根据权利要求3所述的保存图像的再分类系统，其中，
所述再分类部以所述元件的位置和角度各自的平均值为中心，根据标准偏差来设定所述预定的偏差范围。
5.根据权利要求3或4所述的保存图像的再分类系统，其中，
所述元件吸附姿势计测部对保存于所述存储装置的异常图像也计测该异常图像的元件的位置和角度，
所述再分类部根据由所述元件吸附姿势计测部计测出的异常图像的元件的位置和角度这两者是否处于与该元件相同的元件种类的所述正常图像的预定的偏差范围内，而将所述异常图像再分类为判定为异常有疑问的图像和判定为异常无疑问的图像并保存于所述存储装置。
6.一种保存图像的再分类系统，
被应用于如下的系统，该系统利用相机拍摄吸附于元件安装机的吸嘴的元件，利用图像识别系统对拍摄到的图像进行处理来识别该元件，基于该识别结果判定是正常还是异常来将该图像分类为正常图像和异常图像并保存于存储装置，
所述保存图像的再分类系统具备：
正常图像选择部，从保存于所述存储装置的多个正常图像之中选择判定为正常无疑问的图像；
模板图像生成部，以使由所述正常图像选择部选择出的正常图像的元件的位置和角度分别与基准位置一致的方式使该正常图像移动及旋转而生成模板图像；
匹配处理部，使用由所述模板图像生成部生成的所述模板图像对剩余的正常图像进行匹配处理；及
再分类部，基于所述匹配处理部的处理结果将所述正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于所述存储装置。
7.根据权利要求6所述的保存图像的再分类系统，其中，
所述正常图像选择部基于对从所述元件安装机搬出的元件安装基板进行检查的检查装置的检查结果，从保存于所述存储装置的多个正常图像之中选择判定为正常无疑问的图像。
8.根据权利要求6所述的保存图像的再分类系统，其中，
所述正常图像选择部计测保存于所述存储装置的多个正常图像的元件的位置和角度，对该计测值按照每个元件种类进行统计处理，并基于该处理结果从所述多个正常图像之中选择判定为正常无疑问的图像。
9.根据权利要求6所述的保存图像的再分类系统，其中，
所述正常图像选择部根据保存于所述存储装置的多个正常图像而生成平均的正常图像，选择该平均的正常图像作为判定为正常无疑问的图像。
10.根据权利要求6～9中任一项所述的保存图像的再分类系统，其中，
所述匹配处理部使用所述模板图像对所述异常图像也进行匹配处理，
所述再分类部基于所述匹配处理部的处理结果将所述异常图像再分类为判定为异常有疑问的图像和判定为异常无疑问的图像并保存于所述存储装置。
11.根据权利要求1～10中任一项所述的保存图像的再分类系统，其中，
所述保存图像的再分类系统具备识别器生成部，所述识别器生成部对由所述再分类部再分类为判定为正常无疑问的正常图像进行学习而生成对正常图像进行分类的识别器。
12.一种保存图像的再分类方法，
使用如下的系统，该系统利用相机拍摄吸附于元件安装机的吸嘴的元件，利用图像识别系统对拍摄到的图像进行处理来识别该元件，基于该识别结果判定是正常还是异常来将该图像分类为正常图像和异常图像并保存于存储装置，并且通过检查装置对从所述元件安装机搬出的元件安装基板进行检查，
所述保存图像的再分类方法基于所述检查装置的检查结果而将所述正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于所述存储装置。
13.一种保存图像的再分类方法，
使用如下的系统，该系统利用相机拍摄吸附于拍摄元件安装机的吸嘴的元件，利用图像识别系统对拍摄到的图像进行处理来识别该元件，基于该识别结果判定是正常还是异常来将该图像分类为正常图像和异常图像并保存于存储装置，
所述保存图像的再分类方法计测保存于所述存储装置的多个正常图像的元件的位置和角度，对计测出的元件的位置和角度分别按照每个元件种类进行统计处理，根据元件的位置和角度中的任一个是否偏离了预定的偏差范围，而将所述正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于所述存储装置。
14.一种保存图像的再分类方法，
使用如下的系统，该系统利用相机拍摄吸附于拍摄元件安装机的吸嘴的元件，利用图像识别系统对拍摄到的图像进行处理来识别该元件，基于该识别结果判定是正常还是异常来将该图像分类为正常图像和异常图像并保存于存储装置，
所述保存图像的再分类方法中，
从保存于所述存储装置的多个正常图像之中选择判定为正常无疑问的图像，
以使选择出的正常图像的元件的位置和角度分别与基准位置一致的方式使该正常图像移动及旋转而生成模板图像，
使用生成的所述模板图像对剩余的正常图像进行匹配处理，
基于所述匹配处理部的处理结果将所述正常图像再分类为判定为正常有疑问的图像和判定为正常无疑问的图像并保存于所述存储装置。
CN201680090661.5A 2016-11-14 2016-11-14 保存图像的再分类系统及再分类方法 Active CN109923955B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/083726 WO2018087932A1 (ja) 2016-11-14 2016-11-14 保存画像の再分類システム及び再分類方法

Publications (2)

Publication Number Publication Date
CN109923955A true CN109923955A (zh) 2019-06-21
CN109923955B CN109923955B (zh) 2020-10-30

Family

ID=62109633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680090661.5A Active CN109923955B (zh) 2016-11-14 2016-11-14 保存图像的再分类系统及再分类方法

Country Status (5)

Country Link
US (1) US10863660B2 (zh)
EP (1) EP3541161B1 (zh)
JP (1) JP6723373B2 (zh)
CN (1) CN109923955B (zh)
WO (1) WO2018087932A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114073175A (zh) * 2019-07-04 2022-02-18 株式会社富士 元件安装系统
CN114073176A (zh) * 2019-06-27 2022-02-18 株式会社富士 元件安装机以及对基板作业系统
CN114096989A (zh) * 2019-08-19 2022-02-25 富士通株式会社 信息处理装置、信息处理程序和信息处理方法

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109923955B (zh) * 2016-11-14 2020-10-30 株式会社富士 保存图像的再分类系统及再分类方法
US11297751B2 (en) * 2017-11-06 2022-04-05 Fuji Corporation Component mounting line
WO2019130537A1 (ja) * 2017-12-28 2019-07-04 株式会社Ｆｕｊｉ トレース装置
WO2019155593A1 (ja) * 2018-02-09 2019-08-15 株式会社Ｆｕｊｉ 部品画像認識用学習済みモデル作成システム及び部品画像認識用学習済みモデル作成方法
WO2021014589A1 (ja) * 2019-07-23 2021-01-28 株式会社Ｆｕｊｉ 画像データ管理装置および画像データ管理方法
CN114073178B (zh) * 2019-07-23 2023-07-14 株式会社富士 数据管理装置
JP7442134B2 (ja) 2020-04-07 2024-03-04 パナソニックＩｐマネジメント株式会社 部品実装方法及び部品実装システム
JPWO2021246092A1 (zh) * 2020-06-05 2021-12-09
CN117882505A (zh) * 2021-09-07 2024-04-12 雅马哈发动机株式会社 元件安装系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004172203A (ja) * 2002-11-18 2004-06-17 Hitachi High-Tech Instruments Co Ltd 電子部品装着装置
CN101683028A (zh) * 2007-07-20 2010-03-24 松下电器产业株式会社 检查元件的安装状态的方法
CN101738401A (zh) * 2008-11-11 2010-06-16 奥林巴斯株式会社 缺陷检查装置和缺陷检查方法
JP2011124605A (ja) * 2011-02-10 2011-06-23 Hitachi High-Tech Instruments Co Ltd 電子部品装着装置
CN103314657A (zh) * 2011-02-14 2013-09-18 富士机械制造株式会社 元件安装机
CN106031327A (zh) * 2014-02-25 2016-10-12 富士机械制造株式会社 元件安装装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3051279B2 (ja) * 1993-05-13 2000-06-12 シャープ株式会社 バンプ外観検査方法およびバンプ外観検査装置
US5638465A (en) * 1994-06-14 1997-06-10 Nippon Telegraph And Telephone Corporation Image inspection/recognition method, method of generating reference data for use therein, and apparatuses therefor
JPH11220298A (ja) * 1998-02-02 1999-08-10 Matsushita Electric Ind Co Ltd 電子部品実装方法
JP4189094B2 (ja) * 1999-09-08 2008-12-03 パナソニック株式会社 検査システム
JP2001230289A (ja) * 2000-02-15 2001-08-24 Hitachi Ltd 欠陥解析方法および欠陥解析システム
JP2002094296A (ja) * 2000-09-13 2002-03-29 Fuji Mach Mfg Co Ltd 吸着ノズル，電気部品の保持位置検出方法，吸着管曲がり検出方法，吸着ノズルの回転位置特定方法，電気部品取扱装置
US7054841B1 (en) * 2001-09-27 2006-05-30 I2 Technologies Us, Inc. Document storage and classification
JP2006013120A (ja) * 2004-06-25 2006-01-12 Matsushita Electric Ind Co Ltd 不具合原因究明システム
JP5780712B2 (ja) * 2009-05-29 2015-09-16 富士機械製造株式会社 撮像システムおよび電子回路部品装着機
JP6159124B2 (ja) * 2013-04-04 2017-07-05 ヤマハ発動機株式会社 部品実装装置
JP5794329B2 (ja) * 2014-02-14 2015-10-14 日本電気株式会社 設備監視システム、設備監視方法および設備監視プログラム
CN106537615B (zh) * 2014-08-04 2019-08-20 株式会社富士 安装装置
CN109923955B (zh) * 2016-11-14 2020-10-30 株式会社富士 保存图像的再分类系统及再分类方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004172203A (ja) * 2002-11-18 2004-06-17 Hitachi High-Tech Instruments Co Ltd 電子部品装着装置
CN101683028A (zh) * 2007-07-20 2010-03-24 松下电器产业株式会社 检查元件的安装状态的方法
CN101738401A (zh) * 2008-11-11 2010-06-16 奥林巴斯株式会社 缺陷检查装置和缺陷检查方法
JP2011124605A (ja) * 2011-02-10 2011-06-23 Hitachi High-Tech Instruments Co Ltd 電子部品装着装置
CN103314657A (zh) * 2011-02-14 2013-09-18 富士机械制造株式会社 元件安装机
CN106031327A (zh) * 2014-02-25 2016-10-12 富士机械制造株式会社 元件安装装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114073176A (zh) * 2019-06-27 2022-02-18 株式会社富士 元件安装机以及对基板作业系统
CN114073176B (zh) * 2019-06-27 2023-07-18 株式会社富士 元件安装机以及对基板作业系统
CN114073175A (zh) * 2019-07-04 2022-02-18 株式会社富士 元件安装系统
CN114073175B (zh) * 2019-07-04 2023-09-22 株式会社富士 元件安装系统
CN114096989A (zh) * 2019-08-19 2022-02-25 富士通株式会社 信息处理装置、信息处理程序和信息处理方法

Also Published As

Publication number Publication date
EP3541161B1 (en) 2021-11-24
JPWO2018087932A1 (ja) 2019-07-18
US10863660B2 (en) 2020-12-08
EP3541161A1 (en) 2019-09-18
CN109923955B (zh) 2020-10-30
WO2018087932A1 (ja) 2018-05-17
US20190274238A1 (en) 2019-09-05
EP3541161A4 (en) 2019-11-27
JP6723373B2 (ja) 2020-07-15

Similar Documents

Publication Publication Date Title
CN109923955A (zh) 保存图像的再分类系统及再分类方法
CN106031328B (zh) 质量管理装置及质量管理装置的控制方法
TWI509376B (zh) 電漿處理系統中之自動故障偵測與分類及其方法
KR101189911B1 (ko) 판정 기준치의 적부 판정 방법 및 그 적정치의 특정 방법, 부품 실장 기판의 검사 시스템, 생산 현장에서의 시뮬레이션 방법 및 시뮬레이션 시스템
US20180374022A1 (en) Methods and systems for improved quality inspection
CN109564422A (zh) 工具状况监测及匹配
CN107977647A (zh) 一种适合公安实战的人脸识别算法评测方法
US10184979B2 (en) IC device-in-pocket detection with angular mounted lasers and a camera
EP3653030B1 (en) Method and system for determining component illumination settings
US11538148B2 (en) Defect detection of a component in an assembly
TW201513249A (zh) 檢查系統、檢查方法及可讀取記錄媒體
CN103308539A (zh) 荧光x射线分析装置和荧光x射线分析方法
US20030082503A1 (en) Apparatus and method for setting teaching data, teaching data providing system over network
US20060034506A1 (en) Machine vision analysis system and method
CN112308816A (zh) 影像辨识装置、影像辨识方法及其计算机程序产品
CN107535090B (zh) 元件方向判定数据生成装置及元件方向判定数据生成方法
US20210341517A1 (en) Measurement system and method for operating a measurement system
JP4467966B2 (ja) 基板外観検査装置
JP6418739B2 (ja) 評価装置、表面実装機、評価方法
TWI692730B (zh) 電子元件檢測系統及方法
JP4683429B2 (ja) 部品吸着姿勢判別方法及び部品吸着姿勢判別システム
KR102453132B1 (ko) 품질 분석 결과를 이용한 최적 촬영 범위 제공 장치 및 방법
CN113453531B (zh) 供料检测方法及装置
JP3829280B2 (ja) 外観検査装置
EP4254325A1 (en) Inspection of printed circuit board assemblies

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