CN115210559A - 检查系统、检查装置以及检查程序 - Google Patents
检查系统、检查装置以及检查程序 Download PDFInfo
- Publication number
- CN115210559A CN115210559A CN202080097994.7A CN202080097994A CN115210559A CN 115210559 A CN115210559 A CN 115210559A CN 202080097994 A CN202080097994 A CN 202080097994A CN 115210559 A CN115210559 A CN 115210559A
- Authority
- CN
- China
- Prior art keywords
- image
- determination
- inspection
- unit
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 309
- 238000003860 storage Methods 0.000 claims abstract description 218
- 230000002950 deficient Effects 0.000 claims abstract description 106
- 238000003384 imaging method Methods 0.000 claims abstract description 27
- 238000009826 distribution Methods 0.000 claims description 28
- 238000000034 method Methods 0.000 description 34
- 238000012545 processing Methods 0.000 description 34
- 230000008569 process Effects 0.000 description 26
- 238000012217 deletion Methods 0.000 description 24
- 230000037430 deletion Effects 0.000 description 24
- 230000000007 visual effect Effects 0.000 description 22
- 238000005259 measurement Methods 0.000 description 20
- 238000012986 modification Methods 0.000 description 16
- 230000004048 modification Effects 0.000 description 16
- 238000004519 manufacturing process Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 230000002427 irreversible effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000011179 visual inspection Methods 0.000 description 6
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- 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
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/646—Specific applications or type of materials flaws, defects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analytical Chemistry (AREA)
- Signal Processing (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Processing Or Creating Images (AREA)
Abstract
检查系统具备:拍摄部,其拍摄被检体;存储部,其存储由拍摄部拍摄到的映现有被检体的图像;第1判定部,其判定图像中映现的被检体是否为不良品;以及第2判定部,其根据第1判定部的判定结果和与存储于存储部的被检体有关的第1信息,判定是否使存储部存储图像。
Description
技术领域
本发明涉及检查系统、检查装置以及检查程序。
背景技术
开发了如下的检查技术:对工件照射可见光或X射线而生成映现出工件的图像,自动识别映现于图像的工件是否为不良品。另外,例如在文献1-2中,公开了高效地蓄积识别出的图像的技术。
为了生成用于识别不良品的识别器,考虑将映现出不良品的图像(以下,称为不良品判定图像)作为教师数据保存在存储装置中。在这样的情况下,认为仅通过不良品判定图像难以适当地进行识别器的参数的设定。另外,在识别器识别为良品而出货的产品实际上是不良品的情况下,由于在存储装置中没有保存映现良品的图像(以下,称为良品判定图像),因此认为难以通过比较不良品判定图像和良品判定图像来验证误识别的原因。
因此,考虑不仅保存不良品判定图像,还保存良品判定图像。然而,在几乎所有产品都是良品的情况下,将不良品判定图像和良品判定图像存储在存储装置中的情况下,可以想到存储装置需要非常大的存储容量。
现有技术文献
专利文献
专利文献1:国际公开第02/023480号
专利文献2:日本特开2012-173017号公报
发明内容
发明所要解决的课题
在专利文献1中,良品判定图像以不可逆压缩形式保存在服务器中,不良品判定图像以可逆压缩形式保存在服务器中。根据这样的技术,由于良品判定图像的数据量被削减,因此能够保存大量的图像。然而,可以考虑到根据以不可逆压缩形式保存的良品判定图像中映现的工件的形状来再现拍摄时的形状的再现性会降低。因此,认为难以将以不可逆压缩形式保存的图像作为教师数据来准确地调整(tuning)识别器的参数。此外,可以设想到会大量地存储特征少的几乎相同的良品判定图像。在这样的情况下,认为所保存的图像的有用性降低。
另外,在专利文献2中,公开了根据缺陷的特征量来计算重要度,按照计算出的重要度将图像传送到数据库的技术。在这样的技术的情况下,认为能够削减网络通信负荷、保存数据量。另外,认为能够将有用的图像保留在数据库中。然而,在专利文献2所公开的技术的情况下,认为若重要度的判定处理变得复杂,则检查机的处理负荷增大。其结果,认为检查的周期时间变长。因此,为了减轻检查机中的判定处理的处理负荷,考虑在与检查机不同的服务器中执行判定处理。然而,在这样的情况下,认为在检查机从服务器得到判定处理的结果之前需要将图像持续保持在检查机的存储器上。另外,考虑到在检查机中在从服务器得到判定处理的结果之前无法开始下一个工件的检查。因此,认为难以缩短检查的周期时间(cycle time)。
本发明的一个方面是鉴于这样的实际情况而完成的,其目的在于提供一种如下技术:在不仅保存不良品判定图像还保存良品判定图像的情况下,能够尽可能地保存有用的良品判定图像,并且能够尽可能地降低对存储容量和检查周期时间的影响。
用于解决课题的手段
即,本发明的一个方面的检查系统具备:拍摄部,其拍摄被检体;存储部,其存储由所述拍摄部拍摄到的映现有所述被检体的图像;第1判定部,其判定所述图像中映现的所述被检体是否为不良品;以及第2判定部,其基于所述第1判定部的判定结果和与存储于所述存储部的所述被检体有关的第1信息,判定是否使所述存储部存储所述图像。
在此,第1信息包括单独靠检查装置难以判断的过去的信息或者生产线的实时的信息。另外,第1信息包括过去被判定为良品的被检体的信息以及过去被判定为不良品的被检体的信息中的至少任一方的信息。另外,第1信息包括计测信息以及图像信息。
根据该结构,通过第2判定部判定并挑选要使存储部存储的图像。因此,在第1信息中包括用于判定图像作为良品判定图像是否有用的信息的情况下,能够使存储部存储有用的良品判定图像。同样地,在第1信息中包括用于判定图像作为不良品判定图像是否有用的信息的情况下,能够也挑选有用的不良品判定图像使存储部进行存储。另外,降低了对存储部的存储容量的影响。另外,在该结构是具有检查机和服务器的检查系统的情况下,若在服务器中执行第2判定部的判定处理的至少一部分处理,则检查机中的判定处理的负荷降低。因此,降低了对检查周期时间的影响。
在上述一个方面的检查系统中,也可以是,在由所述第1判定部判定为所述被检体是良品的情况下,所述第2判定部基于所述第1信息来判定是否使所述存储部存储所述图像。
根据该结构,通过第2判定部判定并挑选要使存储部存储的良品判定图像。因此,在第1信息中包括用于判定图像作为良品判定图像是否有用的信息的情况下,能够使存储部存储有用的良品判定图像。
在上述一个方面的检查系统中,也可以是,所述第2判定部具有判定算法,所述判定算法基于与存储于所述存储部的过去检查过的所述被检体有关的第1信息来判定是否使所述存储部存储所述图像。
根据该结构,在判定算法是判定图像是否有用的算法的情况下,能够使存储部存储有用的图像。
在上述一个方面的检查系统中,也可以是,所述第1信息包括判定基准,所述判定基准对与在所述第1判定部中过去被判定为不良品而存储于所述存储部的所述被检体有关的第2信息的分布和所述第1信息的分布进行划分,所述判定算法包括在与作为判定对象的所述被检体有关的第3信息和所述判定基准的差分为规定值以下的情况下,使所述存储部存储所述图像。
根据该结构,能够使存储部存储很多与不良品判定图像接近的良品判定图像。因此,在生成将存储在存储部中的不良品判定图像和良品判定图像用作教师数据的识别器、在第1判定部中通过识别器识别图像中映现的被检体是否是不良品时,由于在不良品和良品之间的边界附近的图像的样本数多,因此提高了识别器的精度。因此,提高了用于判定不良品判定图像和良品判定图像的第1判定部的判定精度。另外,在识别器识别为良品而出厂的产品实际上是不良品的情况下,通过确认接近不良品判定图像的良品判定图像,能够容易地验证误识别的原因。可以说,这样的结构能够将使存储部存储有用的良品判定图像。
在上述一个方面的检查系统中,也可以是,所述判定算法包括判定与作为判定对象的所述被检体有关的第3信息是否为所述第1信息的分布的离群值,在所述第3信息为所述离群值的情况下,使所述存储部存储所述图像。
根据该结构,能够使存储部存储发生频度低的非标准的良品判定图像。因此,能够获得很多根据发生频度高的标准的良品判定图像难以获得的稀有信息。并且,通过使稀有信息在判定图像中映现的被检体是否为不良品中发挥作用,能够提高第1判定部的检查精度。
在上述一个方面的检查系统中,也可以是,所述判定算法包括在与作为判定对象的所述被检体有关的第3信息属于所述第1信息的分布中样本数小于第2规定值的区域的情况下,使所述存储部存储所述图像。
根据该结构,能够使存储部存储样本数少的良品图像。因此,能够获得许多根据样本数多的良品图像难以获得的稀有信息。并且,通过使稀有信息在判定图像中映现的被检体是否为不良品中发挥作用,能够提高第1判定部的检查精度。
在上述一个方面的检查系统中,也可以是,所述判定算法包括判定所述图像与映现有过去被判定为不良品的所述被检体或过去在由所述第1判定部判定是否为不良品时被误判定的所述被检体的第2图像之间的类似度,在判定为所述图像与所述第2图像类似的情况下,使所述存储部存储所述图像。
根据该结构,能够使存储部存储例外地产生的图像。并且,通过将与所存储的第2图像类似的图像用于判定图像中映现的被检体是否为不良品,能够提高第1判定部的检查精度。
在上述一个方面的检查系统中,也可以是,所述判定算法包括判定所述图像和根据与过去被判定为良品的所述被检体的检查有关的所述第1信息估计的第3图像的类似度,在判定为所述图像与所述第3图像不类似的情况下,使所述存储部存储所述图像。
根据该结构,能够使存储部存储与根据第1信息估计的第3图像不类似的例外的图像。并且,通过将与所存储的第3图像不类似的图像用于判定图像中映现的被检体是否为不良品,能够提高第1判定部的检查精度。
在上述一个方面的检查系统中,也可以是,还具备更新所述判定算法的判定算法更新部。
根据该结构,能够提高第2判定部的判定的精度。另外,在包括判定算法的第2判定部设置于检查机,判定算法更新部设置于与检查机不同的服务器的情况下,能够降低检查机中的对判定算法进行更新的处理负荷。因此,通过执行更新判定算法的处理,降低对检查周期时间造成的影响。
在上述一个方面的检查系统中,也可以是,还具有存储形式设定部,所述存储形式设定部设定由所述存储部存储的所述图像的存储形式。
根据该结构,能够根据目的将良品判定图像的存储形式设定为高质量或低质量。因此,能够削减存储于存储部的图像的数据量。因此,降低了对存储部的存储容量的影响。
在上述一个方面的检查系统中,也可以是,还具备图像删除部,所述图像删除部从所述存储部删除由所述存储部存储的所述图像。
根据该结构,能够削减存储于存储部的图像的数据量。因此,降低了对存储部的存储容量的影响。
另外,本发明在一个方面中能够从装置的侧面来理解。即,本发明的一个方面的检查装置具备:拍摄部,其拍摄被检体;第1判定部,其判定由所述拍摄部拍摄到的映现有所述被检体的图像中映现的所述被检体是否为不良品;以及第2判定部,其基于所述第1判定部的判定结果和与所述被检体有关的第1信息,判定是否需要保存所述图像。
另外,本发明在一个方面中能够从程序的方面来理解。即,本发明的一个方面的检查程序包括:拍摄步骤,拍摄被检体;存储步骤,将在所述拍摄步骤中拍摄到的映现有所述被检体的图像存储于存储部;第1判定步骤,判定所述图像中映现的所述被检体是否为不良品;以及第2判定步骤,基于所述第1判定步骤中的判定结果和与存储于所述存储部的所述被检体有关的第1信息,判定是否使所述存储部存储所述图像。
发明效果
根据本公开,能够提供一种如下的技术:当不仅保存不良品判定图像还保存良品判定图像时,能够尽可能地保存有用的良品判定图像,并且可以尽可能地减少对存储容量和检查周期时间的影响。
附图说明
[图1]图1例示了实施方式的检查系统的应用例。
[图2]图2例示了实施方式的检查系统的概要。
[图3]图3表示在检查机中执行的检查的处理流程的概要。
[图4]图4图示了图像保存要否判定部判定是否需要保存映现有被判定为良品的工件的图像的情况下的条件。
[图5]图5表示由检查机和服务器实现的处理的流程图的一例。
[图6]图6表示由检查机和服务器实现的处理的流程图的另一例。
[图7]图7例示了第1变形例的检查系统的概要。
[图8]图8表示由第1变形例的检查机和服务器实现的处理的流程图的一例。
[图9]图9例示了第2变形例的检查系统的概要。
[图10]图10表示在第2变形例的检查机中执行的检查的处理流程的概要。
[图11]图11表示由第2变形例的检查机和服务器实现的处理的流程图的一例。
[图12]图12表示由第2变形例的检查机和服务器实现的处理的流程图的一例。
具体实施方式
§1应用例
图1例示了本实施方式的检查系统1的应用例。检查系统1具备检查机10和服务器20。检查机10和服务器20通过网络(N)相互连接。
在检查机10中,对检查对象工件进行拍摄,进行拍摄到的图像中映现的工件是否为不良品的判定。然后,检查机10进行在工件为不良品的情况下保存拍摄到的不良品判定图像的决定。另外,在检查机10中,即使在工件不是不良品的情况下,也进行在规定条件下保存拍摄到的良品判定图像的决定。
在服务器20中实际保存在检查机10中决定保存的图像。另外,在服务器20中还保存在检查机10中执行的检查的结果信息。
根据这样的检查系统1,能够挑选并保存良品判定图像。因此,能够存储对检查有用的良品判定图像。因此,降低了对检查机10或服务器20的存储容量造成的影响。另外,在服务器20中执行检查机10中的工件是否为不良品的判定处理的至少一部分处理的情况下,降低检查机10中的判定处理的负荷。因此,降低了对检查周期时间的影响。
§2结构例
[系统概要]
图2例示了本实施方式的检查系统1的概要。检查系统1具备检查机10、服务器20以及目视终端30。检查机10、服务器20以及目视终端30通过网络(N)相互连接。网络例如包括作为互联网等世界规模的公众通信网的WAN(Wide Area Network)或LAN(Local AreaNetwork)。另外,网络也可以包括移动电话等电话通信网、WiFi(注册商标)等无线通信网。
在检查机10中,对检查对象工件进行拍摄,进行拍摄到的图像中映现的工件是否为不良品的判定。而且,检查机10在判定为工件为不良品的情况下,进行保存所拍摄的图像的决定。另外,在检查机10中,即使在工件被判定为良品的情况下,也进行在规定条件下保存拍摄到的图像的决定。
在服务器20中实际保存在检查机10中决定保存的图像。另外,在服务器20中还保存在检查机10中执行的检查的结果信息。
在目视终端30中,显示保存在服务器20中的不良品判定图像,使得用户确认被判定为不良品的工件实际上是否为不良品。
[检查机10的结构]
接下来,对各装置的硬件结构以及功能结构进行说明。检查机10具有CPU等处理器、RAM、ROM等主存储装置、EPROM、硬盘驱动器等辅助存储装置、拍摄装置、以及NIC(Network Interface Card)、无线电路等通信模块。在辅助存储装置中存储有操作系统(OS)、各种程序、各种表格式的信息等。并且,通过将存储在辅助存储装置中的程序加载到主存储装置的作业区域中并执行,能够控制后述的各结构部等,实现符合规定目的的各功能。此外,在辅助存储装置中保存有工件信息101。工件信息101包括检查对象工件的批次、产品编号、供应商等信息。
另外,检查机10具备控制部102。控制部102构成为包括CPU等处理器、存储装置以及通信模块。控制部102进行后述的各功能构成部的控制。
另外,检查机10具备拍摄部103。拍摄部103构成为包括拍摄装置。拍摄装置例如向工件照射可见光、X射线。然后,收集在工件处反射的可见光、X射线,生成与工件有关的图像。所生成的图像例如包括映现工件的一般的二维图像。另外,所生成的图像也包括例如工件的高度方向的轮廓、或者被检体的三维图像等数据量多的图像。
另外,检查机10具备检查部104。检查部104根据由拍摄部103拍摄到的图像来识别工件。然后,进行识别出的工件是否为不良品的判定。在工件的识别以及工件是否为不良品的判定中,例如使用基于规定的图像处理的缺陷提取方法。此外,检查部104是本公开的“第1判定部”的一例。
另外,检查机10具备图像保存部105。图像保存部105构成为包括通信模块。图像保存部105向服务器20发送被判定为要保存的图像。
另外,检查机10具备图像保存要否判定部106。图像保存要否判定部106判定是否保存由拍摄部103拍摄到的图像(详细后述)。图像保存要否判定部106是本公开的“第2判定部”的一例。
另外,在检查机10的存储装置中保存图像保存历史107。图像保存历史107包括过去检查过的工件的检查结果信息。另外,图像保存历史107包括是否保存了图像的记录信息。
[服务器20的结构]
服务器20是具有CPU等处理器、RAM、ROM等主存储装置、EPROM、硬盘驱动器等辅助存储装置、以及NIC(Network Interface Card)、无线电路等通信模块的计算机。在辅助存储装置中存储有操作系统(OS)、各种程序、各种表格式的信息等。并且,通过将存储在辅助存储装置中的程序加载到主存储装置的作业区域中并执行,能够控制各构成部等,实现符合规定目的的各功能。
另外,在服务器20的辅助存储装置中保存检查结果201。检查结果201包括在检查机10的检查中工件被判定为不良品或良品的情况下的信息。另外,检查结果201包括通过目视来判定映现有在检查机10中暂时被判定为不良品的工件的不良品判定图像的结果信息。另外,检查结果201包括检查中的规定的计测值、检查机10的ID(Identification)、工件信息。另外,检查结果201还包括与是否为不良品的检查工序不同的检查工序的检查结果。另外,这些检查结果201与工件是否为不良品无关地被保存。
另外,在服务器20的辅助存储装置中保存图像202。图像202包括从检查机10的图像保存部105发送的不良品判定图像和良品判定图像。此外,保存检查结果201以及图像202的服务器20的辅助存储装置是本公开的“存储部”的一例。
[目视终端30的结构]
目视终端30是具有CPU等处理器、RAM、ROM等主存储装置、EPROM、硬盘驱动器等辅助存储装置、显示装置、通信模块的计算机。在辅助存储装置中存储有操作系统(OS)、各种程序、各种表格式的信息等。并且,通过将存储在辅助存储装置中的程序加载到主存储装置的作业区域中并执行,能够控制各构成部等,实现符合规定目的的各功能。
目视终端30具备目视检查部301。目视检查部301构成为包括显示装置。目视检查部301将由检查机10判定为不良品的不良品判定图像显示于显示装置。用户能够通过目视显示于显示装置的不良品判定图像,确认图像中映现的工件实际上是否为不良品。
另外,目视终端30包括图像读出部302。图像读出部302构成为包括通信模块。图像读出部302从服务器20取得不良品判定图像。然后,将所取得的不良品判定图像输入到目视检查部301。
(检查机10中的检查的处理流程)
图3表示在检查机10中执行的检查的处理流程的概要。
(S101)
在步骤S101中,拍摄部103对检查对象工件进行拍摄。
(S102)
在步骤S102中,检查部104根据在步骤S101中拍摄到的图像来识别工件。在此,预先生成将保存在服务器20中的不良品判定图像和良品判定图像(后述)作为教师数据的识别器,通过该识别器识别工件。然后,检查部104判定识别出的工件是否为不良品。
(S103)
在步骤S103中,在步骤S102中判定为工件是不良品的情况下,图像保存部105将映现工件的不良品判定图像向服务器20发送。
(S104)
在步骤S104中,在步骤S102中判定为工件是良品的情况下,图像保存要否判定部106判定是否需要保存映现有被判定为良品的工件的图像(详细情况后述)。然后,在判定为需要保存图像的情况下,进入步骤S103。
(S105)
在步骤S105中,控制部102向服务器20发送检查结果信息。
(S106)
在步骤S106中,控制部102将检查结果信息作为图像保存历史保存在存储装置中。另外,控制部102将与是否保存了图像有关的记录作为图像保存历史保存在存储装置中。另外,在图像保存历史已经保存在存储装置中的情况下,控制部102更新所保存的存储装置。
图4图示了在步骤S104中图像保存要否判定部106判定是否需要保存映现有被判定为良品的工件的图像的情况下的条件。图像保存要否判定部106例如具有以下的5种判定条件,在符合这些判定条件中的任一个的情况下,判定为需要保存良品判定图像。
(1)判定基准与在检查对象工件的检查中计测出的计测值(本发明的“第3信息”的一例)之间的差分为规定值(本发明的“第1规定值”的一例)以下的情况,所述判定基准是对过去被判定为不良品的工件的检查中计测出的计测值的分布(本发明的“第1信息中的计测信息”的一例)和过去被判定为良品的工件的检查中计测出的计测值的分布(本发明的“第2信息”的一例)进行划分的判定基准。
(2)检查中计测出的计测值(本发明的“第1信息中的计测信息”的一例)属于过去被判定为良品的工件的检查中的计测值的分布(本发明的“第1信息中的计测信息”的一例)的端部N%(本发明的“离群值”的一例)的情况。
(3)将过去判定为良品的工件的检查中的计测值的分布(本发明的“第1信息中的计测信息”的一例)分为N个区域时,在检查中计测出的计测值(本发明的“第3信息”的一例)属于采样数小于规定值(本发明的“第2规定值”的一例)的区域的情况。
(4)映现有检查对象工件的图像与映现有过去被判定为不良品的工件或过去被误判定的工件的图像(本发明的“第2图像”的一例)类似的情况。
(5)映现有检查对象工件的图像与根据过去被判定为良品的工件的检查中的计测值(本发明的“第1信息”的一例)估计的图像(本发明的“第3图像”的一例)不类似的情况。
通过施加上述(1)的条件,保存映现有接近不良品的灰区的良品的图像。
另外,通过施加(2)的条件,作为与良品的情况下的计测值的分布的离群值相当的工件而保存图像。
另外,通过施加(3)的条件,保存从过去被判定为良品的工件的检查中的计测值的分布来看采样数少的区域的图像。
另外,通过施加(4)的条件,保存不规则的图像。此外,被误判定的工件是指检查机10在步骤S102中判定为不良,但用户通过目视检查目视终端30所显示的图像而确认为良品的工件。另外,在图像的类似度判定中,利用公知的机器学习方法。
另外,通过施加(5)的条件,保存不规则的图像。此外,在图像的类似度判定中,例如利用公知的机器学习方法。
或者,图像保存要否判定部106也可以除了上述的(1)~(5)的条件以外,还利用过去的检查信息、工件的生产线的实时的信息(本发明的“第1信息”的一例),针对仅通过单体的检查机10中的信息难以进行判断的良品判定图像,判定是否需要保存。作为在这样的保存判定中利用的本发明的“第1信息”的一例,可举出多个计测项目的每个项目的计测值的分布信息。另外,作为本发明的“第1信息”的一例,可举出基于多个计测项目的组合(AND/OR)的分布信息。此外,作为本发明的“第1信息”的一例,可列举出基于多个计测项目的组合(AND/OR)的分布与目视结果之间的关系性的信息。另外,作为本发明的“第1信息”的一例,可举出考虑了过去的工件的生产状况的分布信息(每1周/1个月/半年/1年/3年的分布等)。另外,作为本发明的“第1信息”的一例,可举出工件的每个生产线及每个检查机10的分布信息。另外,作为本发明的“第1信息”的一例,可举出是否是工件的生产批次刚切换之后、或者是否在从生产批次的切换起经过了固定期间之后的信息。另外,作为本发明的“第1信息”的一例,可举出是否是工件的生产线的4M变动刚变化(包括从其他设备得到的信息)后、或者是否为没有4M变动时的信息。另外,作为本发明的“第1信息”的一例,可举出保存于服务器20的辅助存储装置的过去拍摄到的映现有工件的图像、或者从该图像提取出的特征量(用于上述的(4)的类似度的判定)。
(检查系统1的处理流程)
接着,对由检查机10和服务器20实现的处理的一例进行说明。图5表示由检查机10和服务器20实现的处理的流程图的一例。图5所示的例子例示了检查对象工件被判定为不良品的情况下的流程图。
(S1001)
在步骤S1001中,检查机10的拍摄部103对检查对象工件进行拍摄。
(S1002)
在步骤S1002中,检查机10的检查部104根据在步骤S1001中拍摄到的图像来识别工件。然后,检查部104判定为识别出的工件是不良品。
(S1003)
在步骤S1003中,检查机10的图像保存部105将映现有在步骤S1002中被判定为不良品的工件的不良品判定图像向服务器20发送。然后,在服务器20中,从检查机10接收不良品判定图像。然后,在服务器20的存储装置中保存不良品判定图像。
(S1004)
在步骤S1004中,检查机10的控制部102向服务器20发送检查结果信息。然后,在服务器20中,从检查机10接收检查结果信息。然后,在服务器20中,将检查结果信息保存于存储装置。
(S1005)
在步骤S1005中,检查机10的控制部102将检查结果信息作为图像保存历史保存在存储装置中。此外,控制部102将与保存了图像有关的记录作为图像保存历史保存在存储装置中。另外,在图像保存历史已经保存在存储装置中的情况下,控制部102更新所保存的图像保存历史。
另外,图6表示由检查机10和服务器20实现的处理的流程图的另一例。图6所示的例子例示了检查对象工件被判定为良品的情况下的流程图。
(S1101)
在步骤S1101中,检查机10的拍摄部103对检查对象工件进行拍摄。
(S1102)
在步骤S1102中,检查机10的检查部104根据在步骤S1101中拍摄到的图像来识别工件。然后,检查部104将识别出的工件判定为良品。
(S1103)
在步骤S1103中,检查机10的图像保存要否判定部106判定是否需要保存映现有在步骤S1102中被判定为良品的工件的图像。在判定条件中应用图4所示的条件中的至少任一个条件。在此,设为图像保存要否判定部106判定为需要保存图像。
(S1104)
在步骤S1104中,检查机10的图像保存部105将映现有在步骤S1102中被判定为良品的工件的良品判定图像发送到服务器20。然后,在服务器20中,从检查机10接收良品判定图像。然后,良品判定图像被保存在服务器20的存储装置中。
之后,执行上述的步骤S1004~步骤S1005的处理。即,检查机10的控制部102向服务器20发送检查结果信息,在服务器20中将检查结果信息保存于存储装置。另外,检查机10的控制部102将检查结果信息以及与保存了图像有关的记录作为图像保存历史保存于存储装置。另外,在图像保存历史已经保存在存储装置中的情况下,控制部102更新所保存的图像保存历史。
[作用/效果]
根据如上所述的检查系统1,检查部104挑选要存储在服务器20的存储装置中的良品判定图像(步骤S104)。在此,作为检查部104是否向服务器20的存储装置进行存储的条件之一,示出了(1)对过去被判定为不良品的工件的检查中计测到的计测值的分布与过去被判定为良品的工件的检查中计测到的计测值的分布进行划分的判定基准和在检查对象工件的检查中计测到的计测值之差为规定值以下的情况。通过设置这样的条件,可以将与不良品判定图像接近的许多良品判定图像存储在存储装置中。因此,由于不良品与良品的边界附近的图像的样本数被较多地存储,因此将这些图像作为教师数据的、在步骤S102中判定拍摄图像中映现的工件是否为不良品时使用的识别器的精度提高。另外,在识别器识别为良品而出厂的产品实际上是不良品的情况下,通过确认接近不良品判定图像的良品判定图像,能够容易地验证误识别的原因。这样的检查系统1可以说是将有用的良品判定图像存储在服务器20的存储装置中。
另外,作为检查部104是否向服务器20的存储装置进行存储的条件之一,示出了(2)在检查中计测出的计测值属于过去被判定为良品的工件的检查中的计测值的分布的端部N%。通过设置这样的条件,可以将样本数少的良品判定图像存储在服务器20的存储装置中。因此,能够得到很多从样本数多的良品判定图像中难以获得的稀有信息。而且,通过将这样的信息用于步骤S102中的工件是否为不良品的判定,能够提高检查精度。
另外,作为检查部104是否向服务器20的存储装置进行存储的条件之一,示出了(3)在将过去被判定为良品的工件的检查中的计测值的分布划分为N个区域时,在检查中计测出的计测值属于采样数小于规定值的区域的情况。通过设置这样的条件,可以将样本数少的良品判定图像存储在服务器20的存储装置中。因此,能够得到很多从样本数多的良品判定图像中难以获得的稀有信息。而且,通过将这样的信息用于步骤S102中的工件是否为不良品的判定,能够提高检查精度。
另外,作为检查部104是否向服务器20的存储装置进行存储的条件之一,示出了(4)拍摄检查对象工件的图像与映现有过去被判定为不良品的工件或者过去被误判定的工件的图像类似的情况。通过设置这样的条件,可以将很多容易被误判定的良品判定图像存储在存储装置中。因此,作为将这些图像作为教师数据的、在步骤S102中判定拍摄图像中映现的工件是否为不良品时使用的识别器的精度提高。
另外,作为检查部104是否向服务器20的存储装置进行存储的条件之一,示出了(5)映现有检查对象工件的图像与根据过去被判定为良品的工件的检查中的计测值估计的图像不类似的情况。通过设置这样的条件,能够得到很多难以从过去的数据得到的稀有信息。而且,通过将这样的信息用于步骤S102中的工件是否为不良品的判定,能够提高检查精度。
此外,根据如上所述的检查系统1,不良品判定图像和良品判定图像被保存在服务器20的存储装置中。因此,降低了对检查机10的存储装置的存储容量造成的影响。
此外,在上述的实施方式中,在S102中判定为工件是不良品的情况下,也可以挑选向服务器20的辅助存储装置中保存的不良品图像。通过执行这样的判定处理,优先保存用于提高检查精度的有益的不良品图像。
另外,在上述的实施方式中,也可以将保存于服务器20的辅助存储装置的检查结果201以及图像202的信息中的至少一部分保存于检查机10的存储装置。
§3变形例
以上,详细地说明了本发明的实施方式,但上述的说明在所有方面都只不过是本发明的例示。当然能够在不脱离本发明的范围的情况下进行各种改良、变形。例如,能够进行以下那样的变更。此外,以下,对于与上述实施方式相同的构成要素使用相同的附图标号,对于与上述实施方式相同的点,适当省略说明。以下的变形例能够适当组合。
<3.1>
[系统概要]
图7例示了变形例的检查系统1A的概要。检查系统1A具备多个检查机10A、服务器20A以及目视终端30。多个检查机10A、服务器20A以及目视终端30通过网络(N)相互连接。
在变形例的检查系统1A中,在服务器20A中保存与多个检查机10A及多个生产线有关的数据。然后,基于该数据执行是否更新检查机10A的图像保存要否判定部106A判定是否保存良品判定图像时所使用的判定算法的判断。
更详细而言,在服务器20A的存储装置中保存工序信息204。工序信息204例如是与多个检查机10A以及多个生产线有关的数据。即,工序信息204包括各工件的生产时的信息、印刷机ID、贴装机ID、操作员ID及保养作业历史等。
另外,服务器20A具备判定算法更新部205。判定算法更新部205判断是否基于工序信息204更新包括图4所示的判定条件的判定算法。然后,在判定为需要更新判定算法的情况下,判定算法更新部205实际进行判定算法的更新。此外,判定算法的更新处理例如包括统计值的计算/用于图像类似度计算引擎的机器学习之类的负荷比较重的处理。
在此,判定算法更新部205判断为需要更新判定算法的情况例如是过去被判定为良品的工件的检查中的计测值的分布与上次的判定算法的更新时相比发生了变动的情况。在这样的情况下,判定算法更新部205更新表示检查对象工件的计测值在哪个范围则进行保存的参数。
另外,判断为需要更新的情况例如是工件的生产批次刚切换之后的情况。另外,例如在保养作业之后、或者将搭载于工件的部件切换为其他制造商的产品之后的情况下,也判断为需要更新。在这种情况下,判定算法更新部205更新判定算法,使得在规定期间内保存所有的良品判定图像。或者,判定算法更新部205更新判定算法,以提高良品判定图像的采样率。
另外,例如在图像保存要否判定部106A使用在(4)映现有检查对象工件的图像与映现有过去被判定为不良品的工件或过去被误判定为良品的工件的图像类似的情况或者(5)映现有检查对象工件的图像与根据过去被判定为良品的工件的检查中的计测值估计的图像不类似的情况下判定为保存良品判定图像的判定算法的情况下,当(4)或(5)中的进行类似度判定的机器学习方法被更新的情况下,判断为需要判定算法的更新。在这样的情况下,判定算法更新部205进行将判定算法中包括的已有的机器学习方法置换为新的机器学习方法的处理。
另外,在变形例的检查系统1A中,图像保存历史203被保存于服务器20A的存储装置。因此,多个检查机10A中的检查结果信息以及与保存了图像有关的记录信息被汇集到服务器20A。
(检查系统1A的处理流程)
接着,对由检查机10A和服务器20A实现的处理的一例进行说明。图8表示由检查机10A和服务器20A实现的处理的流程图的一例。
(S2001)
在步骤S1001中,检查机10A的图像保存要否判定部106A在检查对象工件的检查前向服务器20A的判定算法更新部205询问是否需要更新判定算法。
(S2002)
在步骤S2002中,当在步骤S2001中判定算法更新部205接收到来自检查机10A的图像保存要否判定部106A的询问时,判定算法更新部205判定是否需要判定算法的更新。
(S2003)
在步骤S2003中,在步骤S2002中判定为需要判定算法的更新的情况下,判定算法更新部205进行判定算法的更新。然后,更新后的判定算法从服务器20A的判定算法更新部205发送到检查机10A的图像保存要否判定部106A。另一方面,在步骤S2002中判定为不需要更新判定算法的情况下,从服务器20A的判定算法更新部205向检查机10A的图像保存要否判定部106A发送表示不需要更新的信号。
在执行了上述那样的处理之后,执行检查对象工件的检查。即,执行步骤S1001或步骤S1101以后的处理。此外,在检查系统1A中,将与检查机10的图像保存历史107相当的图像保存历史203保存于服务器20A的存储装置。因此,在步骤S1005中,检查机10A的控制部102向服务器20A发送检查结果信息以及与保存了图像有关的记录。然后,在服务器20A中,将接收到的信息作为图像保存历史203保存在存储装置中。
[作用/效果]
根据上述那样的检查系统1A,能够在服务器20A中更新在检查机10A中进行是否保存拍摄图像的判定(步骤S104)时使用的判定算法。因此,能够提高步骤S104中的判定的精度。
另外,根据上述那样的检查系统1A,在服务器20A中执行处理负荷比较重的判定算法的更新。然后,更新后的判定算法被发送到检查机10A,用于在检查机10A中判定是否保存拍摄图像。因此,降低检查机10A中的判定处理(步骤S104)的负荷。因此,降低了对检查周期时间的影响。
<3.2>
[系统概要]
图9例示了变形例的检查系统1B的概要。检查系统1B具备多个检查机10B、服务器20B以及目视终端30。多个检查机10B、服务器20B以及目视终端30通过网络(N)相互连接。
在变形例的检查系统1B中,检查机10B中的图像保存要否判定部106B在判定是否保存映现有检查对象工件的图像的情况下,判定为了检查程序的调整是否需要该图像。另外,图像保存要否判定部106B在判定是否保存映现有检查对象工件的图像的情况下,判定是否为了提高工件的可追溯性而长期保存图像。另外,图像保存要否判定部106B以辅助目视作业者的判定作业为目的,判定是否为了在目视终端30的显示装置上显示良品例而保存良品图像。
而且,检查机10B具备保存质量判定部108。保存质量判定部108在由图像保存要否判定部106B判定为图像需要用于检查程序的调整的情况下,决定以可逆形式保存图像。通过这样的判断,图像以高质量保存在服务器20B的存储装置中。另外,保存质量判定部108在由图像保存要否判定部106B判定为长期保存图像的情况下,决定以不可逆形式保存图像。通过这样的判断,图像以低质量长期保存在服务器20B的存储装置中。此外,可以认为,即使在目视终端30的显示装置上显示的良品图像具有低质量的情况下,对目视作业者的判定操作的影响也小。因此,在图像保存要否判定部106B判定为以目视作业者的辅助为目的而保存图像的情况下,保存质量判定部108决定以不可逆形式保存图像。通过这样的判断,图像以低质量保存在服务器20B的存储装置中。另外,保存质量判定部108是本发明的“存储形式设定部”的一例。
另外,服务器20B具备图像删除要否判定部207。图像删除要否判定部207进行是否删除服务器20B的存储装置中保存的映现有工件的图像的判定。然后,图像删除要否判定部207删除被判定为不需要的图像。另外,图像删除要否判定部207是本发明的“图像删除部”的一例。
更详细而言,在从多个检查机10B将图像收集到服务器20B的结果是超过适量且类似度高的图像重复地保存于存储装置的情况下,图像删除要否判定部207删除该图像。或者,为了优先保存最新的图像,图像删除要否判定部207与最新图像替换而删除旧的图像。或者,在为了提高工件的可追溯性而长期保存的图像经过了规定期间的情况下,图像删除要否判定部207删除该图像。或者,在检查机10B的设定变更的情况下,图像删除要否判定部207删除根据变更以前的拍摄条件拍摄到的图像。或者,图像删除要否判定部207删除映现有已经没有在采用的制造商的工件的图像。
进而,图像删除要否判定部207也可以除了图像保存时的第1信息以外,还考虑下述那样的保存时以后的信息来判定是否删除图像。在此,保存时以后的信息例如包括保存在服务器20的辅助存储装置中的图像202通过目视终端30的目视检查部301显示在目视终端的显示装置上而由用户目视确认所显示的图像的结果信息。另外,保存时以后的信息例如包括考虑了直到要向服务器20中保存的良品图像的挑选(S104)时刻为止的工件的生产状况的分布信息。另外,保存时以后的信息例如包括工件的每个生产线或每个检查机10B的规定的分布信息。另外,保存时以后的信息例如包括工件的生产批次的分布信息。另外,保存时以后的信息例如包括对象部件的生产状况的信息(将不再使用的部件的数据设为删除对象)。
(检查机10B中的检查的处理流程)
图10表示在检查机10B中执行的检查的处理流程的概要。图10所示的处理流程除了图3所示的检查机10的处理流程之外,还执行追加的处理。即,在步骤S102中判定为拍摄图像中映现的工件是不良品的情况下,或者在步骤S102中判定为工件是良品但在步骤S104中图像保存要否判定部106B判定为需要图像的保存的情况下,作为步骤S301的处理,保存质量判定部108决定图像的保存质量。之后,执行步骤S105以后的处理。此外,在检查系统1B中,图像保存历史203从检查机10B被发送至服务器20B,保存于服务器20B的存储装置(S106B)。
(检查系统1B的处理流程1)
接着,对由检查机10B和服务器20B实现的处理的一例进行说明。图11表示由检查机10B和服务器20B实现的处理的流程图的一例。图11所示的例子例示了检查对象工件被判定为不良品的情况下的流程图。
(S3001)
在步骤S3001中,检查机10B的拍摄部103对检查对象工件进行拍摄。
(S3002)
在步骤S3002中,检查机10B的检查部104根据在步骤S3001中拍摄到的图像来识别工件。然后,检查部104判定为识别出的工件是不良品。
(S3003)
在步骤S3003中,保存质量判定部108决定映现有在步骤S3002中被判定为不良品的工件的不良品判定图像的保存质量。
(S3004)
在步骤S3004中,检查机10B的图像保存部105将在步骤S3003中决定了保存质量的不良品判定图像与保存质量信息一起发送到服务器20B。然后,在服务器20B中,从检查机10接收不良品判定图像和保存质量信息。然后,以检查机10B的保存质量判定部108所决定的形式将不良品判定图像保存在服务器20B的存储装置中。
(S3005)
在步骤S3005中,图像删除要否判定部207判定是否需要删除保存在服务器20B的辅助存储装置中的映现有工件的图像。然后,在判定为需要删除图像的情况下,图像删除要否判定部207删除不需要的图像。在本步骤中示出图像删除要否判定部207判定为需要删除图像而删除不需要的图像的例子。
(S3006)
在步骤S3006中,检查机10B的控制部102向服务器20B发送检查结果信息。然后,在服务器20B中,检查结果信息被保存在服务器20B的存储装置中。
(S3007)
在步骤S3007中,检查机10B的控制部102将检查结果信息以及与保存了图像有关的记录信息发送到服务器20B。然后,在服务器20B中,将检查结果信息以及与保存了图像有关的记录信息作为图像保存历史203保存在辅助存储装置中。
(检查系统1B的处理流程2)
另外,图12表示由检查机10B和服务器20B实现的处理的流程图的一例。图12所示的例子例示了检查对象工件被判定为良品的情况下的流程图。
(S3101)
在步骤S3101中,检查机10B的拍摄部103拍摄检查对象工件。
(S3102)
在步骤S3102中,检查机10B的检查部104根据在步骤S3101中拍摄到的图像来识别工件。然后,检查部104将识别出的工件判定为良品。
(S3103)
在步骤S3103中,检查机10B的图像保存要否判定部106B判定是否需要保存映现有在步骤S1102中被判定为良品的工件的图像。在此,设为图像保存要否判定部判定为需要图像的保存。
(S3104)
在步骤S3104中,保存质量判定部108决定映现有在步骤S3102中被判定为良品的工件的良品判定图像的保存质量。
(S3105)
在步骤S3105中,检查机10B的图像保存部105将映现有在步骤S3103中被判定为良品的工件的良品判定图像发送到服务器20B。然后,在服务器20B中,从检查机10B接收良品判定图像。然后,良品判定图像被保存在服务器20B的辅助存储装置中。
之后,执行与上述的步骤S3005~步骤S3007的处理同样的处理。即,在服务器20B中,图像删除要否判定部207判定是否需要删除在存储装置中保存的映现有工件的图像。然后,在判定为需要删除图像的情况下,图像删除要否判定部207删除所判定的图像。另外,检查机10B的控制部102向服务器20B发送检查结果信息,在服务器20B中将检查结果信息保存于存储装置。另外,检查机10B的控制部102将检查结果信息以及与保存了图像有关的记录信息发送给服务器20B。然后,在服务器20B中,将检查结果信息以及与保存了图像有关的记录信息作为图像保存历史203保存在存储装置中。
[作用/效果]
根据上述那样的检查系统1B,在判定是否保存映现有检查对象工件的图像的情况下,图像保存要否判定部106B判定为了检查程序的调整用是否需要该图像。并且,在判定出为了检查程序的调整而需要该图像的情况下,决定以可逆形式保存图像。通过这样的判断,图像以高质量保存在服务器20B的存储装置中。因此,提高了检查程序的调整精度。
另外,图像保存要否判定部106B在判定是否保存映现有检查对象工件的图像的情况下,判定是否为了提高工件的可追溯性而长期保存图像。然后,在判定为需要长期保存图像的情况下,决定以不可逆形式保存图像。通过这样的判断,图像以低质量长期保存于服务器20B的存储装置,但抑制了所保存的图像的数据量的增大。因此,降低了对服务器20的存储装置的影响。
另外,在图像保存要否判定部106B判定为以目视作业者的辅助目的而保存图像的情况下,保存质量判定部108决定以不可逆形式保存图像。通过这样的判断,图像以低质量保存在服务器20B的存储装置中。因此,抑制服务器20B的存储装置中保存的数据量的增大。因此,降低了对服务器20B的存储装置的影响。
另外,根据上述那样的检查系统1B,在超过适量且类似度高的图像重复地保存于存储装置的情况下,图像删除要否判定部207删除该图像。或者,为了优先保存最新的图像,图像删除要否判定部207替换最新图像而删除旧的图像。或者,在为了提高工件的可追溯性而长期保存的图像经过了规定期间的情况下,图像删除要否判定部207删除该图像。或者,在检查机10B的设定变更的情况下,图像删除要否判定部207删除根据变更以前的拍摄条件拍摄到的图像。或者,图像删除要否判定部207删除映现有已经没有在采用的制造商的工件的图像。因此,能够削减存储在存储装置中的图像的数据量。因此,降低了对服务器20B的存储装置的存储容量的影响。
以上公开的实施方式、变形例能够分别组合。
标号说明
1、1A、1B:检查系统;10、10A、10B:检查机;20、20A、20B:服务器;30:目视终端;101:工件信息;102:控制部;103:拍摄部;104:检查部;105:图像保存部;106、106A、106B:图像保存要否判定部;107、203:图像保存历史;108:保存质量判定部;201:检查结果;202:图像;204:工序信息;205:判定算法更新部;207:图像删除要否判定部;301:目视检查部;302:图像读出部。
Claims (13)
1.一种检查系统,其具备:
拍摄部,其拍摄被检体;
存储部,其存储由所述拍摄部拍摄到的映现有所述被检体的图像;
第1判定部,其判定所述图像中映现的所述被检体是否为不良品;以及
第2判定部,其基于所述第1判定部的判定结果和与存储于所述存储部的所述被检体有关的第1信息,判定是否使所述存储部存储所述图像。
2.根据权利要求1所述的检查系统,其中,
在由所述第1判定部判定为所述被检体是良品的情况下,所述第2判定部基于所述第1信息来判定是否使所述存储部存储所述图像。
3.根据权利要求1或2所述的检查系统,其中,
所述第2判定部具有判定算法,所述判定算法基于与存储于所述存储部的过去检查过的所述被检体有关的第1信息来判定是否使所述存储部存储所述图像。
4.根据权利要求3所述的检查系统,其中,
所述第1信息包括判定基准,所述判定基准对与在所述第1判定部中过去被判定为不良品而存储于所述存储部的所述被检体有关的第2信息的分布和所述第1信息的分布进行划分,
所述判定算法包括:在与作为判定对象的所述被检体有关的第3信息和所述判定基准的差分为规定值以下的情况下,使所述存储部存储所述图像。
5.根据权利要求3所述的检查系统,其中,
所述判定算法包括:判定与作为判定对象的所述被检体有关的第3信息是否为所述第1信息的分布的离群值,在所述第3信息为所述离群值的情况下,使所述存储部存储所述图像。
6.根据权利要求3所述的检查系统,其中,
所述判定算法包括:在与作为判定对象的所述被检体有关的第3信息属于所述第1信息的分布中样本数小于第2规定值的区域的情况下,使所述存储部存储所述图像。
7.根据权利要求3所述的检查系统,其中,
所述判定算法包括:判定所述图像与映现有过去被判定为不良品的所述被检体或过去在由所述第1判定部判定是否为不良品时被误判定的所述被检体的第2图像之间的类似度,在判定为所述图像与所述第2图像类似的情况下,使所述存储部存储所述图像。
8.根据权利要求3所述的检查系统,其中,
所述判定算法包括:判定所述图像和根据与过去被判定为良品的所述被检体的检查有关的所述第1信息估计的第3图像的类似度,在判定为所述图像与所述第3图像不类似的情况下,使所述存储部存储所述图像。
9.根据权利要求3至8中的任一项所述的检查系统,其中,
所述检查系统还具备更新所述判定算法的判定算法更新部。
10.根据权利要求1至9中的任一项所述的检查系统,其中,
所述检查系统还具备存储形式设定部,所述存储形式设定部设定由所述存储部存储的所述图像的存储形式。
11.根据权利要求1至10中的任一项所述的检查系统,其中,
所述检查系统还具备图像删除部,所述图像删除部从所述存储部删除由所述存储部存储的所述图像。
12.一种检查装置,其具备:
拍摄部,其拍摄被检体;
第1判定部,其判定由所述拍摄部拍摄到的映现有所述被检体的图像中映现的所述被检体是否为不良品;以及
第2判定部,其基于所述第1判定部的判定结果和与所述被检体有关的第1信息,判定是否需要保存所述图像。
13.一种检查程序,所述检查程序包括:
拍摄步骤,拍摄被检体;
存储步骤,将在所述拍摄步骤中拍摄到的映现有所述被检体的图像存储于存储部;
第1判定步骤,判定所述图像中映现的所述被检体是否为不良品;以及
第2判定步骤,基于所述第1判定步骤中的判定结果和与存储于所述存储部的所述被检体有关的第1信息,判定是否使所述存储部存储所述图像。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-044419 | 2020-03-13 | ||
JP2020044419A JP2021144000A (ja) | 2020-03-13 | 2020-03-13 | 検査システム、検査装置、及び検査プログラム |
PCT/JP2020/047024 WO2021181793A1 (ja) | 2020-03-13 | 2020-12-16 | 検査システム、検査装置、及び検査プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115210559A true CN115210559A (zh) | 2022-10-18 |
Family
ID=77671608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080097994.7A Pending CN115210559A (zh) | 2020-03-13 | 2020-12-16 | 检查系统、检查装置以及检查程序 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP2021144000A (zh) |
CN (1) | CN115210559A (zh) |
DE (1) | DE112020006893T5 (zh) |
WO (1) | WO2021181793A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2024095451A (ja) * | 2022-12-28 | 2024-07-10 | 日立Astemo株式会社 | 画像認識装置、保存画像決定方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB8417442D0 (en) * | 1983-07-16 | 1984-08-15 | Leicester Polytechnic | Inspecting textile products |
JP2008051781A (ja) * | 2006-08-28 | 2008-03-06 | I-Pulse Co Ltd | 基板の外観検査方法および装置 |
CN109767418A (zh) * | 2017-11-07 | 2019-05-17 | 欧姆龙株式会社 | 检査装置、数据生成装置、数据生成方法及存储介质 |
JP2019212073A (ja) * | 2018-06-06 | 2019-12-12 | アズビル株式会社 | 画像判別装置および方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3484601B2 (ja) * | 1997-08-27 | 2004-01-06 | オムロン株式会社 | 画像処理装置 |
JP2001307100A (ja) * | 2000-04-24 | 2001-11-02 | Toshiba Corp | 検査方法および検査装置 |
WO2002023480A1 (fr) | 2000-09-18 | 2002-03-21 | Olympus Optical Co., Ltd. | Systeme et procede de gestion de fichiers de donnees d'image |
JP2010230452A (ja) * | 2009-03-26 | 2010-10-14 | Panasonic Electric Works Co Ltd | 欠陥検査方法および欠陥検査システム |
JP2012173017A (ja) | 2011-02-18 | 2012-09-10 | Hitachi High-Technologies Corp | 欠陥分類装置 |
JP2013140041A (ja) * | 2011-12-28 | 2013-07-18 | Keyence Corp | 外観検査装置、外観検査方法及びコンピュータプログラム |
JP7024239B2 (ja) * | 2017-07-25 | 2022-02-24 | オムロン株式会社 | 画像処理システム、画像処理装置および画像処理プログラム |
US10789703B2 (en) * | 2018-03-19 | 2020-09-29 | Kla-Tencor Corporation | Semi-supervised anomaly detection in scanning electron microscope images |
-
2020
- 2020-03-13 JP JP2020044419A patent/JP2021144000A/ja active Pending
- 2020-12-16 DE DE112020006893.5T patent/DE112020006893T5/de active Pending
- 2020-12-16 CN CN202080097994.7A patent/CN115210559A/zh active Pending
- 2020-12-16 WO PCT/JP2020/047024 patent/WO2021181793A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB8417442D0 (en) * | 1983-07-16 | 1984-08-15 | Leicester Polytechnic | Inspecting textile products |
JP2008051781A (ja) * | 2006-08-28 | 2008-03-06 | I-Pulse Co Ltd | 基板の外観検査方法および装置 |
CN109767418A (zh) * | 2017-11-07 | 2019-05-17 | 欧姆龙株式会社 | 检査装置、数据生成装置、数据生成方法及存储介质 |
JP2019212073A (ja) * | 2018-06-06 | 2019-12-12 | アズビル株式会社 | 画像判別装置および方法 |
Also Published As
Publication number | Publication date |
---|---|
DE112020006893T5 (de) | 2023-01-05 |
JP2021144000A (ja) | 2021-09-24 |
WO2021181793A1 (ja) | 2021-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101784919B1 (ko) | 텍스트 이미지의 트리밍 방법 | |
JP5010207B2 (ja) | パターン検査装置及び半導体検査システム | |
CN110346704B (zh) | 板卡测试中测试文件的确定方法、装置、设备及存储介质 | |
CN111899231B (zh) | 显示面板缺陷检测方法、装置、设备及存储介质 | |
CN115210559A (zh) | 检查系统、检查装置以及检查程序 | |
CN113466236A (zh) | 检查结果显示装置及记录介质 | |
KR20160120641A (ko) | 부품의 자동식별을 이용한 모듈 자동 설계/공정 시스템 및 그 방법 | |
CN114078109A (zh) | 图像处理方法、电子装置和存储介质 | |
CN116485752A (zh) | 一种去除边缘误判的显示屏aoi检测方法、系统、电子装置及存储介质 | |
CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
CN113379726A (zh) | 线路检测方法、装置、设备及计算机可读存储介质 | |
CN114022460A (zh) | 一种剪切散斑干涉视频图像多缺陷融合方法 | |
CN113935960A (zh) | 缺陷检修方法、装置和设备 | |
CN115631198B (zh) | 玻璃显示屏的裂纹检测方法、装置及计算机设备 | |
CN114723650A (zh) | 晶圆缺陷检测方法和装置、设备及存储介质 | |
CN110516375B (zh) | 一种异常板卡的检测方法、装置、电子设备及存储介质 | |
CN114509446A (zh) | 晶片缺角自动检测方法与晶片缺角自动检测系统 | |
CN109544514B (zh) | 一种融合表观特征的锯材身份辨识方法、装置及设备 | |
CN111458628A (zh) | 模板文件的更新方法、装置、设备及计算机可读存储介质 | |
CN116596903A (zh) | 缺陷识别方法、装置、电子设备及可读存储介质 | |
JP2000028539A (ja) | 欠陥検出方法 | |
CN114897821A (zh) | 探卡探针相对测试平台高度检测方法 | |
KR102129970B1 (ko) | 전자부품 검사 데이터 매칭 방법 및 장치 | |
JPH05272940A (ja) | パターン検査方法及びその装置 | |
CN111787305B (zh) | 电子设备及其智能制造方法 |
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 |