JP2018021817A - 検査装置及び検査方法 - Google Patents
検査装置及び検査方法 Download PDFInfo
- Publication number
- JP2018021817A JP2018021817A JP2016152999A JP2016152999A JP2018021817A JP 2018021817 A JP2018021817 A JP 2018021817A JP 2016152999 A JP2016152999 A JP 2016152999A JP 2016152999 A JP2016152999 A JP 2016152999A JP 2018021817 A JP2018021817 A JP 2018021817A
- Authority
- JP
- Japan
- Prior art keywords
- foreign matter
- excluded
- determined
- region
- image 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
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【課題】 シート中の異物を十分に分類可能な検査装置等を提供する。【解決手段】 シートを撮像し、撮像結果を画像情報として取得可能な撮像部と、前記撮像部で取得された前記画像情報に基づいて、前記異物が排除されるべきものであるか否かを判定する判定部とを備え、前記判定部は、前記異物の形状を決定し、前記異物の形状を、複数の領域に分画し、前記分画された領域ごとに特徴量を算出し、前記領域が排除されるべきものか否かを判定し、前記排除されるべきものと判定された領域の数量に基づいて、前記異物の判定を行うように構成された、検査装置。【選択図】 図2
Description
本発明は、検査装置及び検査方法に関する。
従来、シート中の欠陥である異物を検査する検査装置が用いられている。
この種の検査装置としては、例えば、カメラやラインセンサ等で得られた画像情報を取得し、取得した異物としての画像情報に基づいて、異物をさらに2つ以上の種類に分類するように構成されたものが提案されている。
例えば、1つの異物の画像情報から異物全体の面積、周囲長等の複数の特徴量を取得し、取得された特徴量をサポートベクターやマハラノビスの距離等を用いて処理することによって異物を2つ以上の種類に分類可能な検査装置が提案されている(特許文献1参照)。
この種の検査装置としては、例えば、カメラやラインセンサ等で得られた画像情報を取得し、取得した異物としての画像情報に基づいて、異物をさらに2つ以上の種類に分類するように構成されたものが提案されている。
例えば、1つの異物の画像情報から異物全体の面積、周囲長等の複数の特徴量を取得し、取得された特徴量をサポートベクターやマハラノビスの距離等を用いて処理することによって異物を2つ以上の種類に分類可能な検査装置が提案されている(特許文献1参照)。
ところで、シート中の異物には、製品から排除されるべき異物といった、比較的深刻な異物もあれば、製品として許容される(すなわち排除されなくてもよい)異物といった、比較的深刻ではない異物も存在する場合がある。この場合、比較的深刻な異物のみを排除することができれば、その分、製品の歩留まりが向上し、生産性が向上することになる。また、比較的深刻な異物と、そうではない異物とを作業員の目視に頼ることなく分類できれば、その分、作業性が向上し、生産性が向上することになる。
しかし、上記した特許文献1に示すような技術では、シート中の異物を十分に分類し得ず、このため、比較的深刻な異物と、そうではない異物とを十分に区別することができないおそれがある。
しかし、上記した特許文献1に示すような技術では、シート中の異物を十分に分類し得ず、このため、比較的深刻な異物と、そうではない異物とを十分に区別することができないおそれがある。
上記事情に鑑み、本発明は、シート中の異物を十分に分類可能な検査装置及び検査方法を提供することを課題とする。
本発明に係る検査装置は、
シート中の異物を検査する検査装置であって、
前記シートを撮像し、撮像結果を画像情報として取得可能な撮像部と、
前記撮像部で取得された前記画像情報に基づいて、前記異物が排除されるべきものであるか否かを判定する判定部とを備え、
前記判定部は、
前記撮像部で取得された画像情報に基づいて前記異物の形状を決定し、
決定された前記異物の形状を、複数の領域に分画し、
前記分画された領域ごとに、該領域の面積、周囲長さ、直線長さ、直線度、及び、角度から選択されるいずれか1つ以上の特徴量を算出し、
前記領域ごとに算出された特徴量に基づいて、前記領域が排除されるべきものか否かを判定し、
前記排除されるべきものと判定された領域の数量に基づいて、前記異物が排除されるべきものか否かを判定するように構成されている。
シート中の異物を検査する検査装置であって、
前記シートを撮像し、撮像結果を画像情報として取得可能な撮像部と、
前記撮像部で取得された前記画像情報に基づいて、前記異物が排除されるべきものであるか否かを判定する判定部とを備え、
前記判定部は、
前記撮像部で取得された画像情報に基づいて前記異物の形状を決定し、
決定された前記異物の形状を、複数の領域に分画し、
前記分画された領域ごとに、該領域の面積、周囲長さ、直線長さ、直線度、及び、角度から選択されるいずれか1つ以上の特徴量を算出し、
前記領域ごとに算出された特徴量に基づいて、前記領域が排除されるべきものか否かを判定し、
前記排除されるべきものと判定された領域の数量に基づいて、前記異物が排除されるべきものか否かを判定するように構成されている。
かかる構成によれば、シートを撮像して画像情報を取得し、取得した画像情報に基づいて異物の形状を決定し、決定した異物の形状を複数の領域に分画し、分画した領域ごとに算出された特徴量に基づいて該領域が排除されるべきものか否かを判定し、排除されるべきものと判定された領域の数量に基づいて異物が排除されるべきものか否かを判定することができ、これによって、異物を検査することができる。
このように、異物の局所的な複数の特徴量に基づいて、異物が、該異物全体として排除されるべきものか否かを判定し得るため、十分にシート中の異物を分類することが可能となる。
このように、異物の局所的な複数の特徴量に基づいて、異物が、該異物全体として排除されるべきものか否かを判定し得るため、十分にシート中の異物を分類することが可能となる。
上記構成の検査装置においては、
前記判定部は、前記排除されるべきものと判定された領域の数量を、基準値と比較して、前記異物が排除されるべきものか否かを判定するように構成されていてもよい。
前記判定部は、前記排除されるべきものと判定された領域の数量を、基準値と比較して、前記異物が排除されるべきものか否かを判定するように構成されていてもよい。
かかる構成によれば、判定部が、基準値を用いて上記判定を行うことによって、より詳細にシート中の異物を検査することができる。
よって、より十分にシート中の異物を分類することが可能となる。
よって、より十分にシート中の異物を分類することが可能となる。
上記構成の検査装置においては、
前記特徴量の算出では、前記判定部は、前記領域の面積、周囲長さ、直線長さ、直線度、及び、角度から選択されるいずれか2つ以上の特徴量を算出するように構成されていてもよい。
前記特徴量の算出では、前記判定部は、前記領域の面積、周囲長さ、直線長さ、直線度、及び、角度から選択されるいずれか2つ以上の特徴量を算出するように構成されていてもよい。
かかる構成によれば、判定部が、上記いずれか2つ以上の特徴量を算出することによって、より確実にシート中の異物を検査することができる。
よって、より十分にシート中の異物を分類することが可能となる。
よって、より十分にシート中の異物を分類することが可能となる。
本発明の検査方法は、
前記検査装置を用いて、シート中の異物を検査する方法である。
前記検査装置を用いて、シート中の異物を検査する方法である。
かかる構成によれば、上記と同様、シート中の異物を十分に分類することが可能となる。
以上の通り、本発明によれば、シート中の異物を十分に分類可能な検査装置及び検査方法が提供される。
以下、本発明の実施形態に係る検査装置及び検査方法について、図面を参照しながら説明する。
まず、本実施形態の検査装置について説明する。
図1に示すように、本実施形態の検査装置1は、
シート50中の異物Fを検査する検査装置1であって、
前記シート50を撮像し、撮像結果を画像情報Dとして取得可能な撮像部10と、
前記撮像部10で取得された前記画像情報Dに基づいて、前記異物Fが排除されるべきものであるか否かを判定する判定部20とを備え、
前記判定部20は、
前記撮像部10で取得された画像情報Dに基づいて前記異物Fの形状を決定し、
決定された前記異物Fの形状を、複数の領域D1に分画し、
前記分画された領域D1ごとに、該領域D1の面積N、周囲長さM、直線長さR、直線度P、及び、角度Qから選択されるいずれか1つ以上の特徴量Tを算出し、
前記領域D1ごとに、算出された特徴量Tに基づいて、前記領域D1が排除されるべきものか否かを判定し、
前記排除されるべきものと判定された領域D1の数量Uに基づいて、前記異物Fが排除されるべきものか否かを判定するように構成されている。
シート50中の異物Fを検査する検査装置1であって、
前記シート50を撮像し、撮像結果を画像情報Dとして取得可能な撮像部10と、
前記撮像部10で取得された前記画像情報Dに基づいて、前記異物Fが排除されるべきものであるか否かを判定する判定部20とを備え、
前記判定部20は、
前記撮像部10で取得された画像情報Dに基づいて前記異物Fの形状を決定し、
決定された前記異物Fの形状を、複数の領域D1に分画し、
前記分画された領域D1ごとに、該領域D1の面積N、周囲長さM、直線長さR、直線度P、及び、角度Qから選択されるいずれか1つ以上の特徴量Tを算出し、
前記領域D1ごとに、算出された特徴量Tに基づいて、前記領域D1が排除されるべきものか否かを判定し、
前記排除されるべきものと判定された領域D1の数量Uに基づいて、前記異物Fが排除されるべきものか否かを判定するように構成されている。
また、本実施形態では、前記判定部20は、前記排除されるべきものと判定された領域D1の数量を、基準値Sと比較して、前記異物Fが排除されるべきものか否かを判定するように構成されている。
また、本実施形態では、検査装置1は、撮像部10で検出された画像情報、及び、判定部20で判定された結果が送信されて、これらを表示する表示部40を備えている。
シート50は、特に限定されるものではない。例えば、シート50として、基材と、該基材に積層された粘着剤層とを有する粘着テープ等が挙げられる。該粘着テープとしては、上記基材の一方の面のみに粘着剤層が積層されてなる粘着テープや、上記基材の両面に粘着剤層が積層されてなる粘着テープ等が挙げられる。
撮像部10は、シート50を撮像し、撮像結果を画像情報Dとして取得するように構成されたものである。撮像部10は、取得した画像情報Dを判定部20に送信するようになっている。
撮像部10としては、例えば、ラインカメラやエリアカメラ等のカメラを備えたものが挙げられる。
撮像部10としては、例えば、ラインカメラやエリアカメラ等のカメラを備えたものが挙げられる。
判定部20は、
撮像部10で取得された画像情報Dに基づいて異物Fの形状を決定する形状決定ステップS1と、
決定された異物Fの形状を、複数の領域D1に分画する分画ステップS2と、
分画された領域D1ごとに、該領域D1の面積N、周囲長さM、直線長さR、直線度P、及び、角度Qから選択されるいずれか1つ以上の特徴量Tを算出する特徴量算出ステップS3と、
領域D1ごとに、算出された特徴量Tに基づいて、領域D1が排除されるべきものか否かを判定する特徴量判定ステップS4と、
特徴量判定ステップS4で排除されるべきものと判定された領域D1の数量Uに基づいて、異物Fが排除されるべきものか否かを判定する異物判定ステップS5とを実行するように構成されている。
撮像部10で取得された画像情報Dに基づいて異物Fの形状を決定する形状決定ステップS1と、
決定された異物Fの形状を、複数の領域D1に分画する分画ステップS2と、
分画された領域D1ごとに、該領域D1の面積N、周囲長さM、直線長さR、直線度P、及び、角度Qから選択されるいずれか1つ以上の特徴量Tを算出する特徴量算出ステップS3と、
領域D1ごとに、算出された特徴量Tに基づいて、領域D1が排除されるべきものか否かを判定する特徴量判定ステップS4と、
特徴量判定ステップS4で排除されるべきものと判定された領域D1の数量Uに基づいて、異物Fが排除されるべきものか否かを判定する異物判定ステップS5とを実行するように構成されている。
より具体的には、判定部20は、形状決定ステップS1にて、例えば、撮像部10で取得された画像情報Dを、記憶部30に格納されたCannyエッジ検出フィルタ等のプログラムを用いて、輝度勾配を有するエッジとして、その輝度勾配が所定の閾値以上であるエッジと、該所定の閾値未満であるエッジとを検出することによって、二値化し、シート50の異物Fの部分と、異物Fではない部分とを区画することによって、異物Fの部分の形状を決定するようになっている。
Cannyエッジ検出フィルタについて詳細を以下に示す。前処理としてガウシアンフィルタにて画像情報D中のノイズ除去をし、ノイズが除去された画像情報Dについてx方向、y方向でそれぞれ微分を行い、xy方向にそれぞれ微分して得られた輝度勾配の大きさと方向(濃度勾配情報)を算出する。そして、このフィルタ処理で太くされた(増幅された)画素領域を、細線化処理で細くしたのち、その濃度勾配情報を、2つの閾値Th0とTh1(Th0<Th1)とを用いて、信頼度の高いエッジと信頼度の低いエッジとに分画して二値化処理を行う。具体的には、閾値Th1以上の濃度勾配情報を有する画素領域を、エッジ(信頼度の高いエッジ)、Th0未満の濃度勾配情報を有する画素領域を、非エッジ(信頼度の低いエッジ)と判断する。Th0以上Th1未満の濃度勾配情報を有する画素領域については、Th1以上であるエッジと連結している(物理的に繋がっている)画素領域をエッジ(信頼度の高いエッジ)と判定し、該Th1以上であるエッジと連結していない画素領域を非エッジ(信頼度の低いエッジ)と判定する。この検出アルゴリズムによれば、視認上は判定し難いエッジ付近のかすかな部分もエッジとして検出できる。二値化では、例えば、上記処理にてエッジとして判定された画素領域を数値255、非エッジとして判定された画素領域を数値0として、全画素領域を数値0または数値255で置き換える。
また、上記の他、二値化しては、例えば、赤色と青色の二色に数値化して撮像した画像情報Dの画素が最も暗い(黒い)場合を0、最も明るい(白い)場合を255として、各画素(ドット)を0〜255のいずれかの数値で表す態様も採用し得る。この場合、各画素領域の値を、閾値と比較して、全数値を2つに区画し、その一方を異物Fとすることによって、異物Fの形状を形成するように構成された態様を採用し得る。
判定部20は、特徴量算出ステップS3にて、前記領域D1の面積N、周囲長さM、直線長さR、直線度P、及び、角度Qから選択されるいずれか2つ以上の特徴量Tを算出するように構成されていることが好ましい。
判定部20は、分画ステップS2にて、例えば、記憶部30に格納された汎用のプログラムを用いて、決定された異物Fの形状を、画素が連続している部分を1つの領域(画素領域)D1と決定することによって、複数の領域D1に分画するようになっている。
分画の程度は、上記したCannyエッジ検出フィルタの閾値TH0とTH1とによって調整される。かかる各閾値は、特に限定されるものではなく、適宜設定され得る。
例えば、各閾値が低過ぎると、エッジと判定される画素領域同士の間に、これらと離間して位置する画素領域も、エッジとみなされるおそれがあり、この場合には、該画素領域同士が繋がっていると判定される結果、適切に複数の領域D1に分画されないおそれがある。一方、各閾値が高すぎると、エッジと判定されるべき画素領域の見落としが発生するおそれがあり、その結果、適切に複数の領域D1に分画されないおそれがある。
よって、例えばこれらの観点を考慮して、各閾値が適宜設定され得る。また、例えば、実際の画像を目視にて観察し、その観察結果と、画素領域の状態とを照らし合わせて、エッジが適切に分画されるような閾値を設定され得る。
上記閾値は、後述するように、記憶部30に格納されている。
また、判定部20は、領域D1の全数量U1を計数するようになっている。
分画の程度は、上記したCannyエッジ検出フィルタの閾値TH0とTH1とによって調整される。かかる各閾値は、特に限定されるものではなく、適宜設定され得る。
例えば、各閾値が低過ぎると、エッジと判定される画素領域同士の間に、これらと離間して位置する画素領域も、エッジとみなされるおそれがあり、この場合には、該画素領域同士が繋がっていると判定される結果、適切に複数の領域D1に分画されないおそれがある。一方、各閾値が高すぎると、エッジと判定されるべき画素領域の見落としが発生するおそれがあり、その結果、適切に複数の領域D1に分画されないおそれがある。
よって、例えばこれらの観点を考慮して、各閾値が適宜設定され得る。また、例えば、実際の画像を目視にて観察し、その観察結果と、画素領域の状態とを照らし合わせて、エッジが適切に分画されるような閾値を設定され得る。
上記閾値は、後述するように、記憶部30に格納されている。
また、判定部20は、領域D1の全数量U1を計数するようになっている。
判定部20は、特徴量算出ステップS3にて、分画された領域D1ごとに、該領域D1の面積N、周囲長さM、直線長さR、直線度P、及び、角度Qから選択されるいずれか1つ以上の特徴量Tを、例えば記憶部30に格納された汎用のプログラムを用いて算出するように構成されている。
領域D1の面積Nは、領域D1に含まれる画素の数量を計数することによって、算出され得る。
領域D1の周囲長さMは、領域D1の外周縁に存在している画素の数量を計数することによって、算出され得る。
領域D1の直線長さRは、領域D1を最も小さい矩形に当てはめたときの長辺の長さ(該長辺に含まれる画素の数量)を計数することによって、算出され得る。
領域D1の直線度Pは、領域D1を最も小さい矩形に当てはめたときの長辺の長さ(該長辺に含まれる画素の数量)と、短辺の長さ(該短辺に含まれる画素の数量)とを算出し、長辺に対する短辺の比率を求めることによって、算出され得る。
領域D1の角度Qは、異物Fの形状の中心座標と領域D1の中心座標とを結んだ直線と、上記長辺(直線長さR及び直線度Pを算出するために使用される長辺)とがなす角度として、算出され得る。
領域D1の面積Nは、領域D1に含まれる画素の数量を計数することによって、算出され得る。
領域D1の周囲長さMは、領域D1の外周縁に存在している画素の数量を計数することによって、算出され得る。
領域D1の直線長さRは、領域D1を最も小さい矩形に当てはめたときの長辺の長さ(該長辺に含まれる画素の数量)を計数することによって、算出され得る。
領域D1の直線度Pは、領域D1を最も小さい矩形に当てはめたときの長辺の長さ(該長辺に含まれる画素の数量)と、短辺の長さ(該短辺に含まれる画素の数量)とを算出し、長辺に対する短辺の比率を求めることによって、算出され得る。
領域D1の角度Qは、異物Fの形状の中心座標と領域D1の中心座標とを結んだ直線と、上記長辺(直線長さR及び直線度Pを算出するために使用される長辺)とがなす角度として、算出され得る。
判定部20は、特徴量判定ステップS4にて、領域D1ごとに、算出された特徴量Tに基づいて、領域D1が排除されるべきものか否かを判定するようになっている。
例えば、判定部20は、領域D1ごとに、算出された特徴量Tと、予め作成されて記憶部30に格納された教師データとを、記憶部30に格納されたサポートベクターマシン(SVM)等のプログラムに適用して、領域D1が排除されるべきものか否かを判定するようになっている。
判定部20は、排除すべきであると判定された領域D1の数量U2を計数するようになっている。
判定部20は、判定結果を2つの輝度に分類し、分類された輝度を、記憶部30に格納された汎用のプログラムを用いて、二色化するようになっている。例えば、排出すべきであると判定された領域D1を赤色、排出すべきではないと判定された領域D1を緑色というように、二色化するようになっている。
例えば、判定部20は、領域D1ごとに、算出された特徴量Tと、予め作成されて記憶部30に格納された教師データとを、記憶部30に格納されたサポートベクターマシン(SVM)等のプログラムに適用して、領域D1が排除されるべきものか否かを判定するようになっている。
判定部20は、排除すべきであると判定された領域D1の数量U2を計数するようになっている。
判定部20は、判定結果を2つの輝度に分類し、分類された輝度を、記憶部30に格納された汎用のプログラムを用いて、二色化するようになっている。例えば、排出すべきであると判定された領域D1を赤色、排出すべきではないと判定された領域D1を緑色というように、二色化するようになっている。
判定部20は、異物判定ステップS5にて、特徴量判定ステップS4で排除されるべきものと判定された領域D1の数量に基づいて、異物Fが排除されるべきものか否かを判定するようになっている。
例えば、判定部20は、記憶部30から、基準値Sと領域D1の全数量U1とを関連付けたテーブルを読み出し、分画ステップS2で算出された領域D1の全数量U1から基準値Sを算出し、算出された基準値Sと、特徴量判定ステップS4で排除されるべきものと判定された領域D1の数量U2とを比較して、異物Fを排除されるべきものか否かを判定するようになっている。
具体的には、例えば、基準値Sが領域D1の全数量U1の1/2であるように関連付けたテーブルを、記憶部30から判定部20が読み出し、排除されるべきものと判断された領域D1の数量U2が、領域D1の全数量U1の1/2を超える場合(すなわち、過半数を超える場合)、異物Fが排除されるべきものであり、全数量U1の1/2以下の場合、異物Fが排除されるべきではないものである、と判定するように構成されている。
例えば、判定部20は、記憶部30から、基準値Sと領域D1の全数量U1とを関連付けたテーブルを読み出し、分画ステップS2で算出された領域D1の全数量U1から基準値Sを算出し、算出された基準値Sと、特徴量判定ステップS4で排除されるべきものと判定された領域D1の数量U2とを比較して、異物Fを排除されるべきものか否かを判定するようになっている。
具体的には、例えば、基準値Sが領域D1の全数量U1の1/2であるように関連付けたテーブルを、記憶部30から判定部20が読み出し、排除されるべきものと判断された領域D1の数量U2が、領域D1の全数量U1の1/2を超える場合(すなわち、過半数を超える場合)、異物Fが排除されるべきものであり、全数量U1の1/2以下の場合、異物Fが排除されるべきではないものである、と判定するように構成されている。
判定部20としては、中央演算装置(CPU)等が挙げられる。
記憶部30は、異物判定ステップS5にて、異物Fが排除されるべきものか否かを判定するために使用される、基準値Sと領域D1の全数量U1とを関連付けたテーブルを格納している。
記憶部30は、形状決定ステップS1で使用されるエッジ検出プログラムとその閾値、分画ステップS2で使用されるプログラム、特徴量算出ステップS3で使用されるプログラム、特徴量判定ステップS4で使用されるプログラム、該プログラムとサポートベクターマシンとを用いて教師データで予め作成した判別式、及び、異物判定ステップS5で使用されるプログラムを格納している。
記憶部30は、上記の他、検査装置1の作動に必要なプログラム等を格納している。
記憶部30は、形状決定ステップS1で使用されるエッジ検出プログラムとその閾値、分画ステップS2で使用されるプログラム、特徴量算出ステップS3で使用されるプログラム、特徴量判定ステップS4で使用されるプログラム、該プログラムとサポートベクターマシンとを用いて教師データで予め作成した判別式、及び、異物判定ステップS5で使用されるプログラムを格納している。
記憶部30は、上記の他、検査装置1の作動に必要なプログラム等を格納している。
記憶部30としては、ROM、RAM等のメモリが挙げられる。
表示部40は、撮像部10で検出された画像情報、及び、判定部20で判定された結果が送信されて、これらを表示するように構成されている。
このような表示部40としては、例えば、液晶表示ディスプレイ等のディスプレイ装置等が挙げられる。
このような表示部40としては、例えば、液晶表示ディスプレイ等のディスプレイ装置等が挙げられる。
上記判定部20、記憶部30及び表示部40は、例えば、コンピュータに一体的に備えられたものであってもよい。
次いで、上記検査装置1の動作を説明しつつ、該検査装置1を用いた異物Fの検査方法について説明する。
予め、シート50に発生した複数の異物Fについて、特徴量Tと、異物Fが排除されるべきものか否かとの関係を調べ、これを教師データとしてサポートベクターマシンの判別式等のプログラムを作成し、特徴量T、作成されたプログラムを記憶部30に格納しておく。
そして、撮像部10によって、シート50を撮像する。撮像結果を画像情報Dとして取得する。撮像部10は、取得した画像情報Dを判定部20に送信する。
次いで、判定部20によって、撮像部10で取得された画像情報Dに基づいて前記異物Fの形状を決定する形状決定ステップS1を実行する。
具体的には、判定部20によって、記憶部30から、予め決定された閾値が読み出され、該閾値を用いて撮像部10で取得された画像情報Dを二値化し、異物Fの形状を決定する。
具体的には、判定部20によって、記憶部30から、予め決定された閾値が読み出され、該閾値を用いて撮像部10で取得された画像情報Dを二値化し、異物Fの形状を決定する。
次いで、判定部20によって、形状決定ステップS1で決定された前記異物Fの形状を複数の領域D1に分画する分画ステップS2を実行する。
具体的には、判定部20によって、記憶部30から汎用のプログラムが読み出され、該プログラムを用いて、形状決定ステップS1で決定された前記異物Fの形状を複数の領域D1に分画する。また、判定部20によって、領域D1の全数量U1を計数する。
具体的には、判定部20によって、記憶部30から汎用のプログラムが読み出され、該プログラムを用いて、形状決定ステップS1で決定された前記異物Fの形状を複数の領域D1に分画する。また、判定部20によって、領域D1の全数量U1を計数する。
次いで、判定部20によって、分画ステップS2で分画された領域D1ごとに、該領域D1の面積N、周囲長さM、直線長さR、直線度P、及び、角度Qから選択されるいずれか1つ以上の特徴量Tを算出する特徴量算出ステップS3を実行する。具体的には、判定部20によって、記憶部30から汎用のプログラムが読み出され、該プログラムを用いて、分画ステップS2で分画された領域D1ごとに、特徴量Tの少なくとも1つを算出する。
次いで、判定部20によって、特徴量算出ステップS3で領域D1ごとに算出された特徴量Tに基づいて、領域D1が排除されるべきものか否かを判定する特徴量判定ステップS4を実行する。
具体的には、判定部20によって、記憶部30からサポートベクターマシン等のプログラムを読み出し、該プログラムを用いて、領域D1が排除されるべきものか否かを判定する。また、判定部20によって、記憶部30からCannyエッジ検出フィルタ等のプログラムを読み出し、該プログラムを用いて判定した結果として、排除すべきであると判定された領域D1を赤色、排除すべきではないと判定された領域D1を緑色というように、二色化する。
また、判定部20によって、排除すべきであると判定された領域D1の数量U2を計数する。
具体的には、判定部20によって、記憶部30からサポートベクターマシン等のプログラムを読み出し、該プログラムを用いて、領域D1が排除されるべきものか否かを判定する。また、判定部20によって、記憶部30からCannyエッジ検出フィルタ等のプログラムを読み出し、該プログラムを用いて判定した結果として、排除すべきであると判定された領域D1を赤色、排除すべきではないと判定された領域D1を緑色というように、二色化する。
また、判定部20によって、排除すべきであると判定された領域D1の数量U2を計数する。
次いで、判定部20によって、特徴量判定ステップS4で排除されるべきものと判定された領域D1の数量Uに基づいて、前記異物Fを排除されるべきものか否かを判定する異物判定ステップS5を実行する。具体的には、判定部20によって、記憶部30から、基準値Sと領域D1の全数量U1とを関連付けたテーブルを読み出し、分画ステップS2で算出された領域D1の全数量U1から基準値Sを算出し、算出された基準値Sと、特徴量判定ステップS4で排除されるべきものと判定された領域D1の数量U2とを比較して、異物Fを排除されるべきものか否かを判定する。
具体的には、例えば、基準値Sが領域D1の全数量U1の1/2であるように関連付けたテーブルを、記憶部30から判定部20が読み出し、排除されるべきものと判断された領域D1の数量U2が、領域D1の全数量U1の1/2を超える場合(すなわち、過半数を超える場合)、異物Fが排除されるべきものであり、全数量U1の1/2以下の場合、異物Fが排除されるべきではないものである、と判定する。
具体的には、例えば、基準値Sが領域D1の全数量U1の1/2であるように関連付けたテーブルを、記憶部30から判定部20が読み出し、排除されるべきものと判断された領域D1の数量U2が、領域D1の全数量U1の1/2を超える場合(すなわち、過半数を超える場合)、異物Fが排除されるべきものであり、全数量U1の1/2以下の場合、異物Fが排除されるべきではないものである、と判定する。
撮像部10によって撮像された画像情報Dと、判定部20によって判定された結果は、表示部40によって表示される。
本実施形態の検査装置1を用いた検査方法は、上記した検査装置1を用いて、シート50中の異物Fを検査する方法である。
上記の通り、本実施形態の検査装置1は、
シート50中の異物Fを検査する検査装置1であって、
前記シート50を撮像し、撮像結果を画像情報Dとして取得可能な撮像部10と、
前記撮像部10で取得された前記画像情報Dに基づいて、前記異物Fが排除されるべきものであるか否かを判定する判定部20とを備え、
前記判定部20は、
前記撮像部10で取得された画像情報Dに基づいて前記異物Fの形状を決定し、
決定された前記異物Fの形状を、複数の領域D1に分画し、
前記分画された領域D1ごとに、該領域D1の面積N、周囲長さM、直線長さR、直線度P、及び、角度Qから選択されるいずれか1つ以上の特徴量Tを算出し、
前記領域D1ごとに、算出された特徴量Tに基づいて、前記領域D1が排除されるべきものか否かを判定し、
前記特徴量判定ステップS4で排除されるべきものと判定された領域D1の数量に基づいて、前記異物Fを排除されるべきものか否かを判定するように構成されている。
シート50中の異物Fを検査する検査装置1であって、
前記シート50を撮像し、撮像結果を画像情報Dとして取得可能な撮像部10と、
前記撮像部10で取得された前記画像情報Dに基づいて、前記異物Fが排除されるべきものであるか否かを判定する判定部20とを備え、
前記判定部20は、
前記撮像部10で取得された画像情報Dに基づいて前記異物Fの形状を決定し、
決定された前記異物Fの形状を、複数の領域D1に分画し、
前記分画された領域D1ごとに、該領域D1の面積N、周囲長さM、直線長さR、直線度P、及び、角度Qから選択されるいずれか1つ以上の特徴量Tを算出し、
前記領域D1ごとに、算出された特徴量Tに基づいて、前記領域D1が排除されるべきものか否かを判定し、
前記特徴量判定ステップS4で排除されるべきものと判定された領域D1の数量に基づいて、前記異物Fを排除されるべきものか否かを判定するように構成されている。
かかる構成によれば、シート50を撮像して画像情報Dを取得し、取得した画像情報Dに基づいて異物Fの形状を決定し、決定した異物Fの形状を複数の領域D1に分画し、分画した領域D1ごとに算出された特徴量Tに基づいて該領域D1が排除されるべきものか否かを判定し、排除されるべきものと判定された領域D1の数量に基づいて異物Fが排除されるべきものか否かを判定することができ、これによって、異物Fを検査することができる。
このように、異物Fの局所的な複数の特徴量Tに基づいて、異物Fを、該異物F全体として排除されるべきものか否か判定し得るため、十分にシート50中の異物Fを分類することが可能となる。
このように、異物Fの局所的な複数の特徴量Tに基づいて、異物Fを、該異物F全体として排除されるべきものか否か判定し得るため、十分にシート50中の異物Fを分類することが可能となる。
本実施形態の検査装置1においては、
前記判定部20は、前記排除されるべきものと判定された領域D1の数量を、基準値Sと比較して、前記異物Fが排除されるべきものか否かを判定するように構成されている。
前記判定部20は、前記排除されるべきものと判定された領域D1の数量を、基準値Sと比較して、前記異物Fが排除されるべきものか否かを判定するように構成されている。
かかる構成によれば、判定部20が、基準値Sを用いて上記判定を行うことによって、より詳細にシート50中の異物Fを検査することができる。
よって、より十分にシート50中の異物Fを分類することが可能となる。
よって、より十分にシート50中の異物Fを分類することが可能となる。
本実施形態の検査装置1においては、
前記特徴量の算出では、前記判定部20は、前記領域D1の面積N、周囲長さM、直線長さR、直線度P、及び、角度Qから選択されるいずれか2つ以上の特徴量Tを算出するように構成されていることが好ましい。
前記特徴量の算出では、前記判定部20は、前記領域D1の面積N、周囲長さM、直線長さR、直線度P、及び、角度Qから選択されるいずれか2つ以上の特徴量Tを算出するように構成されていることが好ましい。
かかる構成によれば、判定部20が、上記いずれか2つ以上の特徴量Tを算出することによって、より確実にシート50中の異物Fを検査することができる。
よって、より十分にシート50中の異物Fを分類することが可能となる。
よって、より十分にシート50中の異物Fを分類することが可能となる。
本実施形態の検査方法は、
前記検査装置1を用いて、シート中の異物を検査する方法である。
前記検査装置1を用いて、シート中の異物を検査する方法である。
かかる構成によれば、上記と同様、シート50中の異物Fを十分に分類できる。
以上の通り、本実施形態に検査装置1及び検査方法によれば、シート50中の異物Fを十分に検査可能な検査装置1及び検査方法が提供される。
本実施形態の検査装置1及び検査方法は、上記の通りであるが、本発明も検査装置及び検査方法は、上記実施形態に特に限定されるものではなく、適宜設定され得る。
次に、実施例を挙げて本発明をさらに説明する。
(1)学習ステップ
まず、特徴量判定ステップS4の実行に用いる判別式を作成した。
予め、異物Fのうち、目視によって排除すべきである(許容されない)と判定されたものを300個、排除すべきではない(許容される)と判定されたものを300個準備した。
まず、特徴量判定ステップS4の実行に用いる判別式を作成した。
予め、異物Fのうち、目視によって排除すべきである(許容されない)と判定されたものを300個、排除すべきではない(許容される)と判定されたものを300個準備した。
これら合計600個について、図1に示す撮像部10を用いて画像情報Dを取得し、取得した画像情報に基づいて、異物Fの形状決定ステップS1、異物Fの形状を複数の領域D1に分画する分画ステップS2、分画された領域D1ごとに、該領域D1の面積N、周囲長さM、直線長さR、直線度P、及び、角度Qの特徴量Tを算出する特徴量算出ステップS3を実行し、これら特徴量Tと、各特徴量Tに対応する異物Fの判定結果(排除されるべきものであるか否か)とを教師データとして、サポートベクターマシンを用いて、判定式のプログラムを作成し、記憶部30に格納させた。図2に、サポータベクターマシンを用いて判別式を取得するフローを具体的に示す。
図2に示すように、サポートベクターマシンを用いた判別式の取得は、以下のようにして行った。
まず、予め目視によって排除すべきと判定された異物を含むシートと、そうでない異物を含むシート(目視によって排除すべきと判定されない異物を含むシート)とを、それぞれ約300枚以上撮像し、各シートの画像情報を取得した。両シートについて取得した画像情報の数量(画像の枚数)を合計k個とした(ステップS010)。
まず、予め目視によって排除すべきと判定された異物を含むシートと、そうでない異物を含むシート(目視によって排除すべきと判定されない異物を含むシート)とを、それぞれ約300枚以上撮像し、各シートの画像情報を取得した。両シートについて取得した画像情報の数量(画像の枚数)を合計k個とした(ステップS010)。
両シートの画像情報について、それぞれ、k個の画像情報にインデックス番号としてi=1〜k(kは整数)を割り振り、i=1に設定して繰り返しループの初期化を行った(ステップS021)。次に、インデックス番号i=1からi=kまでの画像情報を順次読み込み、後述するステップS1と同様にして、各画像情報における各異物の形状を決定し(ステップS022)、その輪郭を決定した(ステップS023)。
次に、後述するステップS2と同様にして、各異物の輪郭(輪郭を示す画像情報)を、下記のようにして分画した。
すなわち、まず、1番目〜k番目の画像情報のうち、任意のj番目の画像情報において抽出したn個の輪郭に、インデックス番号jをj=1からj=nまで割り振り(ステップS031)、画像情報を順次読み込むことによって、全異物の合計量をa(個)と算出した。
すなわち、まず、1番目〜k番目の画像情報のうち、任意のj番目の画像情報において抽出したn個の輪郭に、インデックス番号jをj=1からj=nまで割り振り(ステップS031)、画像情報を順次読み込むことによって、全異物の合計量をa(個)と算出した。
次に、後述するのと同様にして、a個の異物について、各特徴量を計算し(ステップS32)、a個の特徴量を、教師データとして記憶部30に格納した(ステップS33)。
次に、インデックス番号J(繰り返し回数)に1を加算して(合計量の算出)、J+1をjと書き換えることによって、繰り返しループにおける繰り返し変数の加算を行った(ステップS041)。次に、書き変えられたjが輪郭の総個数nよりも大きいか否かを判定した(ステップS042)。
jがnよりも大きくないと判定された場合(n≧j)には、繰り返し回数jが輪郭の総個数nに到達していないと判断し、ステップS032に戻って上記ステップS032〜S041を繰り返した。
一方jがnよりも大きいと判定された場合(n<j)には、繰り返し回数が輪郭の総個数nに到達したと判断し、インデックス番号iに1を加算して(合計量の算出)、i+1をiと書き換えることによって、繰り返しループにおける繰り返し変数の加算を行った(ステップS043)。
次に、インデックス番号J(繰り返し回数)に1を加算して(合計量の算出)、J+1をjと書き換えることによって、繰り返しループにおける繰り返し変数の加算を行った(ステップS041)。次に、書き変えられたjが輪郭の総個数nよりも大きいか否かを判定した(ステップS042)。
jがnよりも大きくないと判定された場合(n≧j)には、繰り返し回数jが輪郭の総個数nに到達していないと判断し、ステップS032に戻って上記ステップS032〜S041を繰り返した。
一方jがnよりも大きいと判定された場合(n<j)には、繰り返し回数が輪郭の総個数nに到達したと判断し、インデックス番号iに1を加算して(合計量の算出)、i+1をiと書き換えることによって、繰り返しループにおける繰り返し変数の加算を行った(ステップS043)。
そして、書き変えられたインデックス番号i(繰り返し回数)が画像情報の総個数kよりも小さいか否かを判定した(ステップS044)。
iがkよりも大きくないと判定された場合(k≧i)には、繰り返し回数iが画像情報の数個数kに到達していないと判断し、ステップS022に戻って上記ステップS022〜S043を繰り返した。
一方、iがkよりも大きいと判定された場合(k<i)には、繰り返し回数iが画像情報の総個数kに到達したと判断して、繰り返しループを終了した。
iがkよりも大きくないと判定された場合(k≧i)には、繰り返し回数iが画像情報の数個数kに到達していないと判断し、ステップS022に戻って上記ステップS022〜S043を繰り返した。
一方、iがkよりも大きいと判定された場合(k<i)には、繰り返し回数iが画像情報の総個数kに到達したと判断して、繰り返しループを終了した。
繰り返しループの終了後、ステップS051によって、記憶部30に格納された全ての特徴量((k×n×a)個の特徴量)と、各特徴量を有する異物が排除すべきか否かの情報(数値1または数値0で表す)から、これらを教師データとしてサポートベクターマシンを用いて判別式を作成した(ステップS051)。具体的には、上記サポートベクターマシンによって、排除すべき異物Fの特徴量Tと、そうでない異物Fの特徴量Tとから、高次元空間に射影し、2つのクラスに分けることができる超平面を導き出することによって、判別式を作成した。
そして、ステップS051で算出した判別式を記憶部30に電子ファイルとして保存し(ステップS052)、終了した。
このようにして、判別式を算出した。
そして、ステップS051で算出した判別式を記憶部30に電子ファイルとして保存し(ステップS052)、終了した。
このようにして、判別式を算出した。
(2)学習ステップで得られた判別式を用いた異物の判定
次いで、前述した学習ステップで使用した異物とは異なる600個の異物Fを、撮像部10で撮像し、判定部20によって、上記形状決定ステップS1、分画ステップS2、特徴量算出ステップS3に加えて、さらに、記憶部30から判定式のプログラムを読み出して、前記領域D1ごとに、算出された各特徴量Tに基づいて、前記領域D1が排除されるべきものか否かを判定する特徴量判定ステップS4を実行させた。
次いで、前述した学習ステップで使用した異物とは異なる600個の異物Fを、撮像部10で撮像し、判定部20によって、上記形状決定ステップS1、分画ステップS2、特徴量算出ステップS3に加えて、さらに、記憶部30から判定式のプログラムを読み出して、前記領域D1ごとに、算出された各特徴量Tに基づいて、前記領域D1が排除されるべきものか否かを判定する特徴量判定ステップS4を実行させた。
次いで、判定部20に、異物判定ステップS5を実行させた。異物判定ステップS5では、判定部20に、記憶部30から、基準値Sと領域D1の全数量U1とを関連付けたテーブルを読み出し、分画ステップS2で算出された領域D1の全数量U1から基準値Sを、全数量U1の1/2となるように算出し、算出された基準値Sと、特徴量判定ステップS4で排除されるべきものと判定された領域D1の数量U2とを比較し、U2が基準値S以上(過半数以上)である場合を、排除すべきである異物F、基準値S未満(過半数未満)である場合を排除すべきではない異物Fと判定する異物判定ステップS5を実行させた。
図3に、異物の検査フローを具体的に示す。
図3に、異物の検査フローを具体的に示す。
図3に示すように、異物の検査は、以下のようにして行った。
判定部20によって、記憶部30から、画像情報Dを取得した(ステップS11)。
次に、判定部20によって、記憶部30から、上記判別式を読み込んだ(ステップS12)。
判定部20によって、記憶部30から、画像情報Dを取得した(ステップS11)。
次に、判定部20によって、記憶部30から、上記判別式を読み込んだ(ステップS12)。
次に、判定部20によって、記憶部30に格納されたエッジ検出用プログラムを読み込み、各画像情報Dについて、異物Fの形状を決定できるかどうかを、判定した(ステップS13)。
異物Fの形状を決定できない場合には、排除すべき異物を含有しないと判定した(ステップS53)。
一方、異物Fの形状を決定できる場合には、異物Fの形状を決定した(ステップS14)。
異物Fの形状を決定できない場合には、排除すべき異物を含有しないと判定した(ステップS53)。
一方、異物Fの形状を決定できる場合には、異物Fの形状を決定した(ステップS14)。
次に、異物Fの形状を、複数(m個)の領域D1に分画した(ステップS2)。
次に、判別式において、排除すべきと判定された個数XAと、排除すべきではないと判定された個数XBとに、それぞれ数値0を代入することによって、判別式を初期化した(ステップS31)。
次に、形状を決定できた異物Fを含有する画像情報Dに、インデックス番号を1からjまで割り振り(ステップS32)、記憶部30から特徴量Tを算出するためのプログラムを読み込んで、1〜jまでのうちのi番目の画像情報Dに含まれる異物Fについて、a個の特徴量Tを計算した(ステップS33)。
次に、判別式を用いて、特徴量Tが、異物Fを排除すべきものとするものであるか否かを判定した(ステップS41)。
特徴量Tが、異物Fを排除すべきものではない場合には、排除すべきでないと判定された異物の個数XBに1を加算し(合計量の算出)、XB+1をXBと書き変えることによって、繰り返しループにおける繰り返し変数の加算を行った(ステップS43)。
一方、特徴量Tが、異物Fを排除すべきものである場合には、排除すべきであると判断された異物の個数XAに1を加算し(合計量の算出)、XA+1をXAと書き変えることによって、繰り返しループにおける繰り返し変数の加算を行った(ステップS42)。
特徴量Tが、異物Fを排除すべきものではない場合には、排除すべきでないと判定された異物の個数XBに1を加算し(合計量の算出)、XB+1をXBと書き変えることによって、繰り返しループにおける繰り返し変数の加算を行った(ステップS43)。
一方、特徴量Tが、異物Fを排除すべきものである場合には、排除すべきであると判断された異物の個数XAに1を加算し(合計量の算出)、XA+1をXAと書き変えることによって、繰り返しループにおける繰り返し変数の加算を行った(ステップS42)。
次に、インデックス番号iに1を加算して(合計量の算出)、i+1をiと書き換えることによって、繰り返しループにおける繰り返し変数の加算を行い(ステップS44)、繰り返し回数iが領域D1の総個数mよりも大きいか否かを、判定した(ステップS45)。
iがmよりも大きくない(m≧i)と判定された場合には、ステップS33に戻って、ステップS34〜S44を繰り返した。
一方、iがmよりも大きいと判定された場合(m<i)には、繰り返しループを終了し、XAがXBよりも大きいか否かを判定した(ステップS51)。
iがmよりも大きくない(m≧i)と判定された場合には、ステップS33に戻って、ステップS34〜S44を繰り返した。
一方、iがmよりも大きいと判定された場合(m<i)には、繰り返しループを終了し、XAがXBよりも大きいか否かを判定した(ステップS51)。
XAがXBよりも大きくない場合(XB≧XA)には、異物Fは排除されるべきものではないと判定されて(ステップS53)、繰り返しループを終了した。
一方、XAがXBよりも大きい場合(XB<XA)には、異物Fは排除されるべきものであると判定されて(ステップS52)、繰り返しループを終了した。
次に、判定結果を表示部に出力し(ステップS53)、終了した。
一方、XAがXBよりも大きい場合(XB<XA)には、異物Fは排除されるべきものであると判定されて(ステップS52)、繰り返しループを終了した。
次に、判定結果を表示部に出力し(ステップS53)、終了した。
その結果、予め目視によって確認されている排除すべき300個の異物Fのうち、97%が、排除すべきではないと、確かに判定された。
なお、形状決定ステップS1で決定された異物Fの形状の一例を、図4に示す。
また、図4に示す異物について、特徴量判定ステップS4で判定した結果を二色化して表示した一例を、図5に示す。また、他の異物について、同様に二色可した表示した例を図6に示す。
なお、形状決定ステップS1で決定された異物Fの形状の一例を、図4に示す。
また、図4に示す異物について、特徴量判定ステップS4で判定した結果を二色化して表示した一例を、図5に示す。また、他の異物について、同様に二色可した表示した例を図6に示す。
これに対し、異物Fの形状全体について、面積N、周囲長さM、直線長さR、直線度P、及び、角度Qの特徴量Tを算出すること以外は上記と同様にして判定を行ったところ、予め目視によって確認されている排除すべき300個の異物Fのうち、80%しか、排除すべきではないと、判定されたに過ぎなかった。
以上のように本発明の実施の形態及び実施例について説明を行なったが、各実施の形態及び実施例の特徴を適宜組み合わせることも当初から予定している。また、今回開示された実施の形態及び実施例はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した実施の形態及び実施例ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。
1:検査装置、10:撮像部、20:判定部、30:記憶部、40:表示部、50:シート
Claims (4)
- シート中の異物を検査する検査装置であって、
前記シートを撮像し、撮像結果を画像情報として取得可能な撮像部と、
前記撮像部で取得された前記画像情報に基づいて、前記異物が排除されるべきものであるか否かを判定する判定部とを備え、
前記判定部は、
前記撮像部で取得された画像情報に基づいて前記異物の形状を決定し、
決定された前記異物の形状を、複数の領域に分画し、
前記分画された領域ごとに、該領域の面積、周囲長さ、直線長さ、直線度、及び、角度から選択されるいずれか1つ以上の特徴量を算出し、
前記領域ごとに算出された特徴量に基づいて、前記領域が排除されるべきものか否かを判定し、
前記排除されるべきものと判定された領域の数量に基づいて、前記異物が排除されるべきものか否かを判定するように構成された、検査装置。 - 前記判定部は、前記排除されるべきものと判定された領域の数量を、基準値と比較して、前記異物が排除されるべきものか否かを判定するように構成された、請求項1に記載の検査装置。
- 前記特徴量の算出では、前記判定部は、前記領域の面積、周囲長さ、直線長さ、直線度、及び、角度から選択されるいずれか2つ以上の特徴量を算出するように構成された、請求項1または2に記載の検査装置。
- 請求項1〜3のいずれかに記載の検査装置を用いて、
シート中の異物を検査する検査方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016152999A JP2018021817A (ja) | 2016-08-03 | 2016-08-03 | 検査装置及び検査方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016152999A JP2018021817A (ja) | 2016-08-03 | 2016-08-03 | 検査装置及び検査方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018021817A true JP2018021817A (ja) | 2018-02-08 |
Family
ID=61164345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016152999A Pending JP2018021817A (ja) | 2016-08-03 | 2016-08-03 | 検査装置及び検査方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2018021817A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2021033667A1 (ja) * | 2019-08-19 | 2021-02-25 |
-
2016
- 2016-08-03 JP JP2016152999A patent/JP2018021817A/ja active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2021033667A1 (ja) * | 2019-08-19 | 2021-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104094118B (zh) | 通过显微图像自动识别全血样品中血小板的方法和设备 | |
JP6791864B2 (ja) | 検査室自動化のためのサイドビューサンプルチューブ画像におけるバーコードタグ検出 | |
US20050007364A1 (en) | Method for sorting ununiformity of liquid crystal display panel sorting apparatus, and information recorded medium with recorded program for executing this sorting | |
CN107209935A (zh) | 用于测量移动文档图像质量的系统及方法 | |
CN109462999B (zh) | 通过数据平衡基于学习的视觉检查方法以及利用其的视觉检查装置 | |
Ghazal et al. | Automated framework for accurate segmentation of leaf images for plant health assessment | |
CN111369523B (zh) | 显微图像中细胞堆叠的检测方法、系统、设备及介质 | |
JP2011053953A (ja) | 画像処理装置及びプログラム | |
EP3358526A1 (en) | System and method for scoring color candidate poses against a color image in a vision system | |
CN112200776A (zh) | 芯片封装缺陷检测方法和检测装置 | |
US20200034990A1 (en) | Method of matching colours | |
JP6630341B2 (ja) | シンボルの光学的検出方法 | |
EP2973223B1 (en) | Enhanced analysis for image-based serpentine belt wear evaluation | |
Abdellah et al. | Defect detection and identification in textile fabric by SVM method | |
KR20230116847A (ko) | 자동화된 시각 검사를 위한 이미지 증강 기술 | |
CN116612125B (zh) | 基于人工智能的食药品胶囊质量检测方法 | |
CN113822836B (zh) | 标记图像的方法 | |
CN115205288B (zh) | 工业缺陷检测方法和装置 | |
JP2018021817A (ja) | 検査装置及び検査方法 | |
CN109716355A (zh) | 微粒边界识别 | |
CN115861259A (zh) | 一种基于模板匹配的引线框架表面缺陷检测方法及装置 | |
Deng et al. | A new measuring method of wool fiber diameter based on image processing | |
CN110349133B (zh) | 物体表面缺陷检测方法、装置 | |
CN114219758A (zh) | 缺陷检测方法、系统、电子设备和计算机可读存储介质 | |
CN111179226B (zh) | 视野图的识别方法、装置及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20180615 |