JP2021015099A - 検査対象品の欠陥検出方法、その装置及びそのコンピュータプログラム - Google Patents
検査対象品の欠陥検出方法、その装置及びそのコンピュータプログラム Download PDFInfo
- Publication number
- JP2021015099A JP2021015099A JP2019131324A JP2019131324A JP2021015099A JP 2021015099 A JP2021015099 A JP 2021015099A JP 2019131324 A JP2019131324 A JP 2019131324A JP 2019131324 A JP2019131324 A JP 2019131324A JP 2021015099 A JP2021015099 A JP 2021015099A
- Authority
- JP
- Japan
- Prior art keywords
- defect
- block
- complementary
- coordinates
- identification step
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 391
- 238000007689 inspection Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004590 computer program Methods 0.000 title claims description 3
- 230000000295 complement effect Effects 0.000 claims abstract description 207
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000006243 chemical reaction Methods 0.000 claims abstract description 31
- 239000000463 material Substances 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract 1
- 238000013500 data storage Methods 0.000 description 19
- 230000000694 effects Effects 0.000 description 11
- 230000002950 deficient Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
Description
そこで従来では、オーリングを出荷する前に、画像処理技術を利用してその欠陥を検出していた。
画像処理の一例として、ディープラーニングによりニューラルネットワークに学習させる機能を適用した所謂AI処理装置を用いるものがある。
欠陥の検査の精度を上げるため、検査対象を撮影した画像は複数のブロックに分割されて、ブロックごとに欠陥の有無が検査される。
本願発明に関連する技術を示す先行文献として特許文献1及び特許文献2を参照されたい。
しかし、自動車に使用されるオーリングなどの精密部品は人命に関わるため、高精度な欠陥検出手法が求められている。
背景と供に検査対象を撮影した原画像を複数の領域に分割するステップと、
該分割された領域において前記検査対象が映り込んでいるか否かを判断し、該検査対象が映り込んでいる領域を有効領域とする有効領域特定ステップと、
前記原画像より選択された複数の領域からなり、少なくとも一つの前記有効領域を含む処理対象ブロックを特定する処理対象ブロック特定ステップと、
特定された処理対象ブロックに対しAI処理を実施して欠陥の有無を検出し、欠陥が存在したとき処理対象ブロックにおける該欠陥の座標とその確率を特定する欠陥特定ステップと、
欠陥特定ステップで得られた欠陥の座標を前記原画像の原座標に変換する座標変換ステップと、
該原座標における欠陥の座標とその確率に基づき、欠陥の検査結果を作成する検査結果作成ステップ、とを含む検査対象品の欠陥件検出方法であって、
前記処理対象ブロック特定ステップは、
前記原画像においてm×n(m、nは2以上の自然数)の領域からなる前記処理対象ブロックを特定する主処理対象ブロック特定ステップと、
前記原画像において前記処理対象ブロックを前記mの並び方向に領域単位で偏移させて第1補完ブロックを形成する第1補完ブロック形成ステップと、
記原画像において前記処理対象ブロックを前記nの並び方向に領域単位で偏移させて第2補完ブロックを形成する第2補完ブロック形成ステップと、を備え、
前記欠陥特定ステップは、
前記処理対象ブロックにおける欠陥の座標とその確率を特定する主欠陥特定ステップと、
前記第1補完ブロックにおける欠陥の座標とその確率を特定する第1の補完的な欠陥特定ステップと、
前記第2補完ブロックにおける欠陥の座標とその確率を特定する第2の補完的な欠陥特定ステップと、を含み、
前記座標変換ステップは、前記主欠陥特定ステップ、前記第1の補完的な欠陥特定ステップ及び前記第2の補完な欠陥特定ステップでそれぞれ特定された欠陥の座標を前記原画像の原座標に変換する、
検査対象品の欠陥検出方法。
なお、各ブロックにおいて特定された欠陥の座標は、原画像における原座標(絶対座標)に変換され、その座標が重複するものは同じ欠陥を指すものと考えられる。第2の局面では、各ブロックで検出された欠陥の座標が原座標において重複したとき、最も確率が高いものを採用することとした。
オア集合は、各ブロックにおいて特定された欠陥の座標の集合体に対応する原座標の集合体の外郭で規定される。その確率は、各ブロックにおける欠陥の確率の平均を採用することができる。
第1〜第3のいずれかに規定の方法において、前記第1補完ブロック形成ステップでは前記第1補完ブロックを回転させる、前記第2補完ブロック形成ステップでは前記第2補完ブロックを回転させる。
このように規定される第4の局面の欠陥検査方法によれば、各補完ブロックに含まれる有効領域は、処理対象ブロックとの比較において、ブロックにおける相対的な位置に変化がつけられたことに加えて、補完ブロックを回転することにより、AI処理装置への入力態様に更に変化を与えられる。
各補完ブロックを回転するときの回転中心は特に限定されるものではないが、ブロックの中心とすることが好ましい。
背景と供に検査対象を撮影した原画像を複数の領域に分割するステップと、
該分割された領域において前記検査対象が映り込んでいるか否かを判断し、該検査対象が映り込んでいる領域を有効領域とする有効領域特定ステップと、
前記原画像より選択された複数の領域からなり、少なくとも一つの前記有効領域を含む処理対象ブロックを特定する処理対象ブロック特定ステップと、
特定された処理対象ブロックに対しAI処理を実施して欠陥の有無を検出し、欠陥が存在したとき処理対象ブロックにおける該欠陥の座標とその確率を特定する欠陥特定ステップと、
欠陥特定ステップで得られた欠陥の座標を前記原画像の原座標に変換する座標変換ステップと、
該原座標における欠陥の座標とその確率に基づき、欠陥の検査結果を作成する検査結果作成ステップ、とを含む検査対象品の欠陥件検出方法であって、
前記処理対象ブロック特定ステップは、
前記原画像において前記処理対象ブロックを特定する主処理対象ブロック特定ステップと、
前記処理対象ブロックを基準に該処理対象ブロックの少なくとも一つの領域を共有する補完ブロックを形成する補完ブロック形成ステップと、を備え、
前記欠陥特定ステップは、
前記処理対象ブロックにおける欠陥の座標とその確率を特定する主欠陥特定ステップと、
前記補完ブロックにおける欠陥の座標とその確率を特定する補完的な欠陥特定ステップと、を含み、
前記座標変換ステップは、前記主欠陥特定ステップ及び前記補完的な欠陥特定ステップでそれぞれ特定された欠陥の座標を前記原画像の原座標に変換する、
検査対象品の欠陥検出方法。
背景と供に検査対象を撮影した原画像を複数の領域に分割する願画像分割部と、
該分割された領域において前記検査対象が映り込んでいるか否かを判断し、該検査対象が映り込んでいる領域を有効領域とする有効領域特定部と、
前記原画像より選択された複数の領域からなり、少なくとも一つの前記有効領域を含む処理対象ブロックを特定する処理対象ブロック特定部と、
特定された処理対象ブロックに対しAI処理を実施して欠陥の有無を検出し、欠陥が存在したとき処理対象ブロックにおける該欠陥の座標とその確率を特定する欠陥特定部と、
欠陥特定ステップで得られた欠陥の座標を前記原画像の原座標に変換する座標変換部と、
該原座標における欠陥の座標とその確率に基づき、欠陥の検査結果を作成する検査結果作成部、とを含む検査対象品の欠陥件検出装置であって、
前記処理対象ブロック特定部は、
前記原画像においてm×n(m、nは2以上の自然数)の領域からなる前記処理対象ブロックを特定する主処理対象ブロック特定部と、
前記原画像において前記処理対象ブロックを前記mの並び方向に領域単位で偏移させて第1補完ブロックを形成し、記原画像において前記処理対象ブロックを前記nの並び方向に領域単位で偏移させて第2補完ブロックを形成する補完ブロック形成部と、を備え、
前記欠陥特定部は、
前記処理対象ブロックにおける欠陥の座標とその確率を特定する主欠陥特定ステップと、
前記第1補完ブロックにおける欠陥の座標とその確率を特定する第1の補完的な欠陥特定ステップと、
前記第2補完ブロックにおける欠陥の座標とその確率を特定する第2の補完的な欠陥特定ステップと、を実行し、
前記座標変換部は、前記主欠陥特定ステップ、前記第1の補完的な欠陥特定ステップ及び前記第2の補完な欠陥特定ステップでそれぞれ特定された欠陥の座標を前記原画像の原座標に変換する、
検査対象品の欠陥検出装置。
このように規定される第7の局面の発明によれば、第1の局面に規定の発明と同じ効果が得られる。
第7の局面に規定の装置において、前記検査結果作成部は、前記主欠陥特定ステップ、前記第1の補完的な欠陥特定ステップ及び前記第2の補完な欠陥特定ステップでそれぞれ特定され、前記原座標に変換された欠陥において、確率の最も高いものを選択する。
このように規定される第8の局面の発明によれば、第2の局面の発明と同じ効果が得られる。
第7の局面に規定の装置において、前記検査結果作成部は、前記主欠陥特定ステップ、前記第1の補完的な欠陥特定ステップ及び前記第2の補完な欠陥特定ステップでそれぞれ特定され、前記原座標に変換された欠陥の座標より、前記原座標において欠陥座標のアンド集合若しくはオア集合を作成する。
このように規定される第9の局面の発明によれば、第3の局面の発明と同じ効果が得られる。
第7〜9のいずれかの局面に規定の装置において、前記補完ブロック形成部は、前記第1補完ブロック及び前記第2補完ブロックを回転させる。
このように規定される第10の局面の発明によれば、第4の局面の発明と同じ効果が得られる。
第10の局面に規定の装置において、処理対象ブロックがm×nの領域からなるとき、前記前記補完ブロック形成部は、m側へ1つの領域分偏移させた前記第1補完ブロック90度回転させ、n側へ1つの領域分偏移させた第2補完ブロックを270度回転させ、m側とn側へそれぞれ1つの領域分偏移させた第3補完ブロックを180度回転させ、
前記欠陥特定部は、得られた回転補完ブロックに対してそれぞれ欠陥の材料とその確率を特定する。
このように規定される第11の局面の発明によれば、第5の局面の発明と同じ効果が得られる。
背景と供に検査対象を撮影した原画像を複数の領域に分割する願画像分割部と、
該分割された領域において前記検査対象が映り込んでいるか否かを判断し、該検査対象が映り込んでいる領域を有効領域とする有効領域特定部と、
前記原画像より選択された複数の領域からなり、少なくとも一つの前記有効領域を含む処理対象ブロックを特定する処理対象ブロック特定部と、
特定された処理対象ブロックに対しAI処理を実施して欠陥の有無を検出し、欠陥が存在したとき処理対象ブロックにおける該欠陥の座標とその確率を特定する欠陥特定部と、
欠陥特定ステップで得られた欠陥の座標を前記原画像の原座標に変換する座標変換部と、
該原座標における欠陥の座標とその確率に基づき、欠陥の検査結果を作成する検査結果作成部、とを含む検査対象品の欠陥件検出装置であって、
前記処理対象ブロック特定部は、
前記原画像において前記処理対象ブロックを特定する主処理対象ブロック特定部と、
前記処理対象ブロックを基準に該処理対象ブロックの少なくとも一つの領域を共有する補完ブロックを形成する補完ブロック形成部と、を備え、
前記欠陥特定部は、
前記処理対象ブロックにおける欠陥の座標とその確率を特定する主欠陥特定ステップと、
前記補完ブロックにおける欠陥の座標とその確率を特定する補完的な欠陥特定ステップと、を実行し、
前記座標変換部は、前記主欠陥特定ステップ、及び前記補完的な欠陥特定ステップでそれぞれ特定された欠陥の座標を前記原画像の原座標に変換する、
検査対象品の欠陥検出装置。
背景と供に検査対象を撮影した原画像を複数の領域に分割する願画像分割部と、
該分割された領域において前記検査対象が映り込んでいるか否かを判断し、該検査対象が映り込んでいる領域を有効領域とする有効領域特定部と、
前記原画像より選択された複数の領域からなり、少なくとも一つの前記有効領域を含む処理対象ブロックを特定する処理対象ブロック特定部と、
特定された処理対象ブロックに対しAI処理を実施して欠陥の有無を検出し、欠陥が存在したとき処理対象ブロックにおける該欠陥の座標とその確率を特定する欠陥特定部と、
欠陥特定ステップで得られた欠陥の座標を前記原画像の原座標に変換する座標変換部と、
該原座標における欠陥の座標とその確率に基づき、欠陥の検査結果を作成する検査結果作成部、とを含む検査対象品の欠陥件検出装置に用いられるコンピュータ用のプログラムであって、
前記処理対象ブロック特定部は主処理対象ブロック特定部及び補完ブロック形成部を備え、
前記主処理対象ブロック特定部に、前記原画像においてm×n(m、nは2以上の自然数)の領域からなる前記処理対象ブロックを特定させ、
前記補完ブロック形成部に、前記原画像において前記処理対象ブロックを前記mの並び方向に領域単位で偏移させて第1補完ブロックを形成させ、記原画像において前記処理対象ブロックを前記nの並び方向に領域単位で偏移させて第2補完ブロックを形成させ、
前記欠陥特定部に
前記処理対象ブロックにおける欠陥の座標とその確率を特定させ、
前記第1補完ブロックにおける欠陥の座標とその確率を特定させ、
前記第2補完ブロックにおける欠陥の座標とその確率を特定させ、
前記座標変換部に、前記主欠陥特定ブロック、前記第1補完ブロック及び第2補完ブロックについてそれぞれ特定された欠陥の座標を前記原画像の原座標に変換させる。
コンピュータ用のプログラム。 このように規定される第13の局面の発明によれば、第1の局面に規定の発明と同じ効果が得られる。
第13の局面に規定のプログラムにおいて、前記主欠陥特定ブロック、前記第1補完ブロック及び第2補完ブロックについてそれぞれ特定され、前記原座標に変換された欠陥において、確率の最も高いものを選択させる。
このように規定される第14の局面の発明によれば、第2の局面の発明と同じ効果が得られる。
第7の局面に規定のプログラムおいて、前記主欠陥特定ブロック、前記第1補完ブロック及び第2補完ブロックについてそれぞれ特定され、前記原座標に変換された欠陥の座標より、前記原座標において欠陥座標のアンド集合若しくはオア集合を作成させる。
このように規定される第15の局面の発明によれば、第3の局面の発明と同じ効果が得られる。
第13〜15のいずれかの局面に規定のプログラムにおいて、前記補完ブロック形成部に、前記第1補完ブロック及び前記第2補完ブロックを回転させる。
このように規定される第16の局面の発明によれば、第4の局面の発明と同じ効果が得られる。
第16の局面に規定のプログラムにおいて、処理対象ブロックがm×nの領域からなるとき、前記前記補完ブロック形成部に、m側へ1つの領域分偏移させた前記第1補完ブロック90度回転させ、n側へ1つの領域分偏移させた第2補完ブロックを270度回転させ、m側とn側へそれぞれ1つの領域分偏移させた第3補完ブロックを180度回転させ、
前記欠陥特定部に、得られた回転補完ブロックに対してそれぞれ欠陥の材料とその確率を特定させる。
このように規定される第17の局面の発明によれば、第5の局面の発明と同じ効果が得られる。
背景と供に検査対象を撮影した原画像を複数の領域に分割する願画像分割部と、
該分割された領域において前記検査対象が映り込んでいるか否かを判断し、該検査対象が映り込んでいる領域を有効領域とする有効領域特定部と、
前記原画像より選択された複数の領域からなり、少なくとも一つの前記有効領域を含む処理対象ブロックを特定する処理対象ブロック特定部と、
特定された処理対象ブロックに対しAI処理を実施して欠陥の有無を検出し、欠陥が存在したとき処理対象ブロックにおける該欠陥の座標とその確率を特定する欠陥特定部と、
欠陥特定ステップで得られた欠陥の座標を前記原画像の原座標に変換する座標変換部と、
該原座標における欠陥の座標とその確率に基づき、欠陥の検査結果を作成する検査結果作成部、とを含む検査対象品の欠陥件検出装置に用いられるコンピュータ用のプログラムであって、
前記処理対象ブロック特定部は主処理対象ブロック特定部及び補完ブロック形成部を備え、
前記主処理対象ブロック特定部に前記処理対象ブロックを特定させ、
前記補完ブロック形成部に、前記処理対象ブロックを基準に該処理対象ブロックの少なくとも一つの領域を共有する補完ブロックを形成させ
前記欠陥特定部に
前記処理対象ブロックにおける欠陥の座標とその確率を特定させ、
前記補完ブロックにおける欠陥の座標とその確率を特定させ、
前記座標変換部に、前記主欠陥特定ブロック及び前記補完ブロックについてそれぞれ特定された欠陥の座標を前記原画像の原座標に変換させる、
コンピュータ用のプログラム。
図1は実施の形態の欠陥検出装置1の機能を示すブロック図である。
この欠陥検出装置1のカメラ3は例えばCCDデバイスを備え、検査対象をその背景とともに撮影する。
撮影された画像(原画像)は原画像保存部4に保存され、原画像分割部5により原画像は複数の領域に分割される。領域の大きさや形状は任意に選択できるが、グリッド(格子)状にすることが好ましい。
有効領域特定部7では、検査対象が映り込んでいる領域にフラグをたててこれを有効領域とする。換言すれば、背景のみの領域を不活性化して後の画像処理の対象としないようにする。
欠陥特定部13はAI処理部131を含む。処理対象ブロック特定部9で特定された処理対象ブロック及び補完ブロック形成部10で形成された各ブロックが欠陥特定部13のAI処理部131へ入力される。AI処理部131は汎用的なニューラルネットワーク用いており、欠陥の有無の判断のため、十分な教師データが読み込まれているものとする。
この例では、AI処理部としてドスパラ社製のBTO Core−i9−9940X、メモリ64GBを用い、AI用のソフトウエアとしてテクムズ社のDEEPS AI Inspectionを用いた。ブロック単位で欠陥の無い教師データが5000枚、欠陥のある1000枚の教師データが読み込まれるものとする。その他、GPUとして Nvidia社製 GeForce RTX 2080 Ti を用いている。
原画像データ保存部21においては、各ブロックにおいて特定された欠陥の座標が重複して保存される。換言すれば、各ブロックのデータが原座標に変換されて、それぞれ保存されている。
検査結果として、例えば所定の確率以上の欠陥が存在したときは、検査対象品はNGとして、例えば製造ラインから除去する。
ステップ1では、カメラ3により、オーリング100を撮影する。このとき、背景は白色など明るい色として、黒色のオーリング100とのコントラストを大きくしておくことが好ましい。
この撮影によりオーリング100とその背景の原画像が得られ、原画像保存部4に保存される。
撮影された画像(原画像)の例を図3に示す。
なお、原画像の座標(原座標)は、例えば領域(m0、n0)の左上端を原点として、画素に応じて付されて、原画像の原座標保存部11に保存される。
図4の例では有効領域にマークした。例えば、領域(m4,n1)、領域(m2,n2)……が有効領域である。
ステップ7では、処理対象ブロック特定部8の主処理対象ブロック特定部9が処理対象ブロックを特定する。この例では、図5に示すように、原画像の左端上から、順次、図示右方向に4つの領域からなるブロックを特定する。図面上、各ブロックに数1,2,3…を付してある。
したがって、ステップ7において、主処理対象ブロック特定部9により有効領域を少なくとも1つ含むブロックが処理対象ブロックとして特定される。図5の例において数値をふったブロックでは、ブロック3、6が該当する。
これにより、処理対象の数を削減できる。
更にステップ8では、補完ブロック形成部10により補完ブロックが形成れる。図6に補完ブロックの例を示す。図6において、第1補完ブロックは、処理対象ブロック3をm方向(図示右方向)へ1領域分偏移させたものである。同じく第2補完ブロック2は、処理対象ブロック3をn方向(図示下方向)へ1領域分偏移させたものである。第3補完ブロック3は、処理対象ブロック3をm、n方向へそれぞれ1領域分偏移させたものである。
なお、この例では、第1補完ブロックには、有効領域が含まれていないので、AI処理を省略可能である。
換言すれば、このステップ9では、オーリング100が映り込んだ有効領域を含む処理対象ブロックが特定されたことをトリガとして、当該処理対象ブロックを基準にしてAI処理が計4回実行される。そして、AI処理されるブロックは、当初処理対象として特定された処理対象ブロックに加え、これを基準にして加工形成したものである。図6の例では、基準となるブロック(処理対象ブロック)から、m方向、n方向へそれぞれ1単位の領域偏移するようにこれを加工形成して補完ブロックとしている。
ステップ7で特定された処理対象ブロックがP領域(m方向、3≦P)×Q領域(n方向、3≦Q)から構成されるときは、m方向、n方向へそれぞれ2単位以上の領域分を偏移させて補完ブロックを形成することもできる。
図7の例では、補完ブロックを各補完ブロックの中心点を中心にして回転させて回転補完ブロックを形成している。回転角度のピッチは時計周り方向で90度である。
なお、第1補完ブロック1は、これに有効領域が含まれていないので、回転対象から外すことができる。
このようにして得られた回転補完ブロックはステップ9においてAI処理される。
そこで、ステップ13において、各ブロックで特定された欠陥の座標を統合するため、各ブロックの座標を原画像の原座標((m0,n0)の左上端を原点とする))に変換する。
これにより、各ブロックにおいて欠陥があると特定された座標は、ブロック毎に原座標に変換されて、原画像データ保存部21の欠陥座標保存部211に保存される。
なお、欠陥の確率保存部153に保存されていた各欠陥の確率は、これがリンクされた欠陥座標が原座標に変換されたとき、当該リンクを維持して原画像データ保存部211の欠陥の確率保存部213に保存される。
ここに、原画像データ保存部21には各ブロックからのデータが独立して保存されているので、原座標データからみたとき、一つのブロックからのデータでは欠陥有りと判定された座標が他のブロックからのデータでは欠陥無し、と判定されることがある。
このような場合、安全率を高める見地から、当該座標には欠陥ありと判定することができる。換言すれば、原座標の各座標に対応する各ブロックからのデータにおいて、欠陥として最も高い確率を採用する。
勿論、各ブロックからのデータにリンクされた確率の平均を演算して、欠陥の有無を判定することもできる。
更には、各ブロックからのデータにおいてすべて欠陥有りと判定された座標のみ欠陥ありとすることもできるし(アンド集合)、各ブロックからのデータのひとつでも欠陥ありと判定された座標を欠陥あり(オア集合)とすることもできる。
このように、検査結果作成部23は、検査対象や検査目的に応じて、任意のルールに従って、検査の結果を作成することができる。
演算部300はCPU301、ROM303及びRAM305を備え、システム全体の制御をつかさどる。それとともに、原画像分割部5、有効領域特定部7、処理対象ブロック特定部8、欠陥特定部13、座標変換部17及び検査結果作成部23として機能する。ROM303は、演算部300を制御する制御プログラム等が格納された図示しない不揮発性メモリを含む。RAM305は、キーボード等の入力装置330を介して利用者により予め設定された各種設定値を読み出し可能に格納したり、CPU301に対してワーキングエリアを提供したりする。演算部300を制御する制御プログラムはROM303に限らずRAM305や第1記憶装置311及び第2記憶装置313に格納されていてもよい。
CPU301はニュートラルネットワーク処理に適したものが好ましく、ROM303若しくは第1及び第2記憶装置311,313はディープラーニング時に用いる大量のデータを保存できる容量を持つものとする。
これら第1及び第2の記憶装置311,313はハードメモリやフラッシュメモリなど、サーバシステムのメモリ装置の一部の領域を利用することが好ましい。
なお、データを一時的に保存する、いわゆるバッファメモリには、演算部のRAMの一部領域を利用できる。
出力装置320はディスプレイや音声出力装置であり、入力装置330は音声入力部や、ディスプレイに重ねて配置されるタッチパネル式のキーボートやマウスなどが該当する。また、入力装置330はAI処理のための教師データ(画像データ)を入力できるものとする。
カメラ3には汎用的はCCDカメラを用いることができる。その解像度や焦点深度などのカメラのスペックは任意に設定可能である。
コンピュータを構成する各装置はシステムバス340で連結されている。
検査対象:ゴム製品(長径約4cm)
カメラの解像度:2048x1536
グリッドの数(m=13、n=10)
処理対象ブロック:(m=2、n=2)
補完ブロック:図6のように3つを形成
教師データの数 (正=5,000、誤=1,000)
AIソフト:テクムズ社 DEEPS AI Inspection
PC:ドスパラ社製BTOパソコン(Core−i9−9940X,メモリ64GB,GPU:Nvidia社製 GeForce RTX 2080Ti)
検査対象: 正常品22枚、異常品74枚
欠陥の見落としや誤って欠陥と判断した、いわゆる精度は97.92%であった。
他方、上記実験において、補完ブロックを形成しないときの精度は94.79%であった。
背景と供に検査対象を撮影した原画像を複数の領域に分割するステップと、
該分割された領域において前記検査対象が映り込んでいるか否かを判断し、該検査対象が映り込んでいる領域を有効領域とする有効領域特定ステップと、
前記原画像より選択された複数の領域からなり、少なくとも一つの前記有効領域を含む処理対象ブロックを特定する処理対象ブロック特定ステップと、
特定された処理対象ブロックに対しAI処理を実施して欠陥の有無を検出し、欠陥が存在したとき処理対象ブロックにおける該欠陥の座標とその確率を特定する欠陥特定ステップと、
欠陥特定ステップで得られた欠陥の座標を前記原画像の原座標に変換する座標変換ステップと、
該原座標における欠陥の座標とその確率に基づき、欠陥の検査結果を作成する検査結果作成ステップ、とを含む検査対象品の欠陥件検出方法であって、
前記処理対象ブロック特定ステップは、
前記原画像において前記処理対象ブロックを特定する主処理対象ブロック特定ステップと、
前記処理対象ブロックを基準に該処理対象ブロックの少なくとも一つの領域を共有する補完ブロックを形成する補完ブロック形成ステップと、を備え、
前記欠陥特定ステップは、
前記処理対象ブロックにおける欠陥の座標とその確率を特定する主欠陥特定ステップと、
前記補完ブロックにおける欠陥の座標とその確率を特定する補完的な欠陥特定ステップと、を含み、
前記座標変換ステップは、前記主欠陥特定ステップ及び前記補完的な欠陥特定ステップでそれぞれ特定された欠陥の座標を前記原画像の原座標に変換する。
検査対象品の欠陥検出方法。
3…カメラ
5…原画像分割部
7…有効領域特定部
8…処理対象ブロック特定部
9…主処理対象ブロック特定部
10…ブロック加工形成部
13…欠陥特定部
15…ブロックデータ保存部
21…原画像データ保存部
23…検査結果作成
131…AI処理部
Claims (18)
- 背景と供に検査対象を撮影した原画像を複数の領域に分割するステップと、
該分割された領域において前記検査対象が映り込んでいるか否かを判断し、該検査対象が映り込んでいる領域を有効領域とする有効領域特定ステップと、
前記原画像より選択された複数の領域からなり、少なくとも一つの前記有効領域を含む処理対象ブロックを特定する処理対象ブロック特定ステップと、
特定された処理対象ブロックに対しAI処理を実施して欠陥の有無を検出し、欠陥が存在したとき処理対象ブロックにおける該欠陥の座標とその確率を特定する欠陥特定ステップと、
欠陥特定ステップで得られた欠陥の座標を前記原画像の原座標に変換する座標変換ステップと、
該原座標における欠陥の座標とその確率に基づき、欠陥の検査結果を作成する検査結果作成ステップ、とを含む検査対象品の欠陥件検出方法であって、
前記処理対象ブロック特定ステップは、
前記原画像においてm×n(m、nは2以上の自然数)の領域からなる前記処理対象ブロックを特定する主処理対象ブロック特定ステップと、
前記原画像において前記処理対象ブロックを前記mの並び方向に領域単位で偏移させて第1補完ブロックを形成する第1補完ブロック形成ステップと、
記原画像において前記処理対象ブロックを前記nの並び方向に領域単位で偏移させて第2補完ブロックを形成する第2補完ブロック形成ステップと、を備え、
前記欠陥特定ステップは、
前記処理対象ブロックにおける欠陥の座標とその確率を特定する主欠陥特定ステップと、
前記第1補完ブロックにおける欠陥の座標とその確率を特定する第1の補完的な欠陥特定ステップと、
前記第2補完ブロックにおける欠陥の座標とその確率を特定する第2の補完的な欠陥特定ステップと、を含み、
前記座標変換ステップは、前記主欠陥特定ステップ、前記第1の補完的な欠陥特定ステップ及び前記第2の補完な欠陥特定ステップでそれぞれ特定された欠陥の座標を前記原画像の原座標に変換する、
検査対象品の欠陥検出方法。 - 前記検査結果作成ステップでは、前記主欠陥特定ステップ、前記第1の補完的な欠陥特定ステップ及び前記第2の補完な欠陥特定ステップでそれぞれ特定され、前記原座標に変換され欠陥において、確率の最も高いものを選択する、請求項1に記載の方法。
- 前記検査結果作成ステップでは、前記主欠陥特定ステップ、前記第1の補完的な欠陥特定ステップ及び前記第2の補完な欠陥特定ステップでそれぞれ特定され、前記原座標に変換された欠陥の座標より、前記原座標において欠陥座標のアンド集合若しくはオア集合を作成する、請求項1に記載の方法。
- 前記第1補完ブロック形成ステップでは前記第1補完ブロックを回転させ、前記第2補完ブロック形成ステップでは前記第2補完ブロックを回転させる請求項1〜3のいずれかに記載の方法。
- 前記処理対象ブロック特定ステップにおいて、m、n=2のとき、m側へ1つの領域分偏移させた前記第1補完ブロック90度回転させ、n側へ1つの領域分偏移させた第2補完ブロックを270度回転させ、m側とn側へそれぞれ1つの領域分偏移させた第3補完ブロックを180度回転させ、それぞれ得られた回転補完ブロックに対して前記欠陥特定ステップを実行する、請求項4に記載の方法。
- 背景と供に検査対象を撮影した原画像を複数の領域に分割するステップと、
該分割された領域において前記検査対象が映り込んでいるか否かを判断し、該検査対象が映り込んでいる領域を有効領域とする有効領域特定ステップと、
前記原画像より選択された複数の領域からなり、少なくとも一つの前記有効領域を含む処理対象ブロックを特定する処理対象ブロック特定ステップと、
特定された処理対象ブロックに対しAI処理を実施して欠陥の有無を検出し、欠陥が存在したとき処理対象ブロックにおける該欠陥の座標とその確率を特定する欠陥特定ステップと、
欠陥特定ステップで得られた欠陥の座標を前記原画像の原座標に変換する座標変換ステップと、
該原座標における欠陥の座標とその確率に基づき、欠陥の検査結果を作成する検査結果作成ステップ、とを含む検査対象品の欠陥件検出方法であって、
前記処理対象ブロック特定ステップは、
前記原画像において前記処理対象ブロックを特定する主処理対象ブロック特定ステップと、
前記処理対象ブロックを基準に該処理対象ブロックの少なくとも一つの領域を共有する補完ブロックを形成する補完ブロック形成ステップと、を備え、
前記欠陥特定ステップは、
前記処理対象ブロックにおける欠陥の座標とその確率を特定する主欠陥特定ステップと、
前記補完ブロックにおける欠陥の座標とその確率を特定する補完的な欠陥特定ステップと、を含み、
前記座標変換ステップは、前記主欠陥特定ステップ及び前記補完的な欠陥特定ステップでそれぞれ特定された欠陥の座標を前記原画像の原座標に変換する、
検査対象品の欠陥検出方法。 - 背景と供に検査対象を撮影した原画像を複数の領域に分割する願画像分割部と、
該分割された領域において前記検査対象が映り込んでいるか否かを判断し、該検査対象が映り込んでいる領域を有効領域とする有効領域特定部と、
前記原画像より選択された複数の領域からなり、少なくとも一つの前記有効領域を含む処理対象ブロックを特定する処理対象ブロック特定部と、
特定された処理対象ブロックに対しAI処理を実施して欠陥の有無を検出し、欠陥が存在したとき処理対象ブロックにおける該欠陥の座標とその確率を特定する欠陥特定部と、
欠陥特定ステップで得られた欠陥の座標を前記原画像の原座標に変換する座標変換部と、
該原座標における欠陥の座標とその確率に基づき、欠陥の検査結果を作成する検査結果作成部、とを含む検査対象品の欠陥件検出装置であって、
前記処理対象ブロック特定部は、
前記原画像においてm×n(m、nは2以上の自然数)の領域からなる前記処理対象ブロックを特定する主処理対象ブロック特定部と、
前記原画像において前記処理対象ブロックを前記mの並び方向に領域単位で偏移させて第1補完ブロックを形成し、記原画像において前記処理対象ブロックを前記nの並び方向に領域単位で偏移させて第2補完ブロックを形成する補完ブロック形成部と、を備え、
前記欠陥特定部は、
前記処理対象ブロックにおける欠陥の座標とその確率を特定する主欠陥特定ステップと、
前記第1補完ブロックにおける欠陥の座標とその確率を特定する第1の補完的な欠陥特定ステップと、
前記第2補完ブロックにおける欠陥の座標とその確率を特定する第2の補完的な欠陥特定ステップと、を実行し、
前記座標変換部は、前記主欠陥特定ステップ、前記第1の補完的な欠陥特定ステップ及び前記第2の補完的な欠陥特定ステップでそれぞれ特定された欠陥の座標を前記原画像の原座標に変換する、
検査対象品の欠陥検出装置。 - 前記検査結果作成部は、前記主欠陥特定ステップ、前記第1の補完的な欠陥特定ステップ及び前記第2の補完な欠陥特定ステップでそれぞれ特定され、前記原座標に変換された欠陥において、確率の最も高いものを選択する、請求項7に記載の装置。
- 前記検査結果作成部は、前記主欠陥特定ステップ、前記第1の補完的な欠陥特定ステップ及び前記第2の補完な欠陥特定ステップでそれぞれ特定され、前記原座標に変換された欠陥の座標より、前記原座標において欠陥座標のアンド集合若しくはオア集合を作成する、請求項7に記載の装置。
- 前記補完ブロック形成部は、前記第1補完ブロック及び前記第2補完ブロックを回転させる、請求項7〜9のいずれかに記載の装置。
- 処理対象ブロックがm×nの領域からなるとき、前記前記補完ブロック形成部は、m側へ1つの領域分偏移させた前記第1補完ブロック90度回転させ、n側へ1つの領域分偏移させた第2補完ブロックを270度回転させ、m側とn側へそれぞれ1つの領域分偏移させた第3補完ブロックを180度回転させ、
前記欠陥特定部は、得られた回転補完ブロックに対してそれぞれ欠陥の材料とその確率を特定する、請求項10に記載の装置。 - 背景と供に検査対象を撮影した原画像を複数の領域に分割する願画像分割部と、
該分割された領域において前記検査対象が映り込んでいるか否かを判断し、該検査対象が映り込んでいる領域を有効領域とする有効領域特定部と、
前記原画像より選択された複数の領域からなり、少なくとも一つの前記有効領域を含む処理対象ブロックを特定する処理対象ブロック特定部と、
特定された処理対象ブロックに対しAI処理を実施して欠陥の有無を検出し、欠陥が存在したとき処理対象ブロックにおける該欠陥の座標とその確率を特定する欠陥特定部と、
欠陥特定ステップで得られた欠陥の座標を前記原画像の原座標に変換する座標変換部と、
該原座標における欠陥の座標とその確率に基づき、欠陥の検査結果を作成する検査結果作成部、とを含む検査対象品の欠陥件検出装置であって、
前記処理対象ブロック特定部は、
前記原画像において前記処理対象ブロックを特定する主処理対象ブロック特定部と、
前記処理対象ブロックを基準に該処理対象ブロックの少なくとも一つの領域を共有する補完ブロックを形成する補完ブロック形成部と、を備え、
前記欠陥特定部は、
前記処理対象ブロックにおける欠陥の座標とその確率を特定する主欠陥特定ステップと、
前記補完ブロックにおける欠陥の座標とその確率を特定する補完的な欠陥特定ステップと、を実行し、
前記座標変換部は、前記主欠陥特定ステップ及び前記補完的な欠陥特定ステップでそれぞれ特定された欠陥の座標を前記原画像の原座標に変換する、
検査対象品の欠陥検出装置。 - 背景と供に検査対象を撮影した原画像を複数の領域に分割する願画像分割部と、
該分割された領域において前記検査対象が映り込んでいるか否かを判断し、該検査対象が映り込んでいる領域を有効領域とする有効領域特定部と、
前記原画像より選択された複数の領域からなり、少なくとも一つの前記有効領域を含む処理対象ブロックを特定する処理対象ブロック特定部と、
特定された処理対象ブロックに対しAI処理を実施して欠陥の有無を検出し、欠陥が存在したとき処理対象ブロックにおける該欠陥の座標とその確率を特定する欠陥特定部と、
欠陥特定ステップで得られた欠陥の座標を前記原画像の原座標に変換する座標変換部と、
該原座標における欠陥の座標とその確率に基づき、欠陥の検査結果を作成する検査結果作成部、とを含む検査対象品の欠陥件検出装置に用いられるコンピュータ用のプログラムであって、
前記処理対象ブロック特定部は主処理対象ブロック特定部及び補完ブロック形成部を備え、
前記主処理対象ブロック特定部に、前記原画像においてm×n(m、nは2以上の自然数)の領域からなる前記処理対象ブロックを特定させ、
前記補完ブロック形成部に、前記原画像において前記処理対象ブロックを前記mの並び方向に領域単位で偏移させて第1補完ブロックを形成させ、記原画像において前記処理対象ブロックを前記nの並び方向に領域単位で偏移させて第2補完ブロックを形成させ、
前記欠陥特定部に
前記処理対象ブロックにおける欠陥の座標とその確率を特定する主欠陥特定ステップと、
前記第1補完ブロックにおける欠陥の座標とその確率を特定する第1の補完的な欠陥特定ステップと、
前記第2補完ブロックにおける欠陥の座標とその確率を特定する第2の補完的な欠陥特定ステップと、を実行させ、
前記座標変換部に、前記主欠陥特定ステップ、前記第1の補完的な欠陥特定ステップ及び前記第2の補完的な欠陥特定ステップでそれぞれ特定された欠陥の座標を前記原画像の原座標に変換させる、コンピュータプログラム。 - 前記検査結果作成部に、前記主欠陥特定ステップ、前記第1の補完的な欠陥特定ステップ及び前記第2の補完な欠陥特定ステップでそれぞれ特定され、前記原座標に変換された欠陥において、確率の最も高いものを選択させる、請求項13に記載のプログラム。
- 前記検査結果作成部は、前記主欠陥特定ステップ、前記第1の補完的な欠陥特定ステップ及び前記第2の補完な欠陥特定ステップでそれぞれ特定され、前記原座標に変換された欠陥において、欠陥座標のアンド集合若しくはオア集合を作成させる、請求項13に記載のプログラム。
- 前記補完ブロック形成部に、前記第1補完ブロック及び前記第2補完ブロックを回転させる、請求項13〜15に記載のプログラム。
- 処理対象ブロックがm×nの領域からなるとき、前記前記補完ブロック形成部に、m側へ1つの領域分偏移させた前記第1補完ブロック90度回転させ、n側へ1つの領域分偏移させた第2補完ブロックを270度回転させ、m側とn側へそれぞれ1つの領域分偏移させた第3補完ブロックを180度回転させ、
前記欠陥特定部に、得られた回転補完ブロックに対してそれぞれ欠陥の材料とその確率を特定させる、
請求項16に記載のプログラム。 - 背景と供に検査対象を撮影した原画像を複数の領域に分割する願画像分割部と、
該分割された領域において前記検査対象が映り込んでいるか否かを判断し、該検査対象が映り込んでいる領域を有効領域とする有効領域特定部と、
前記原画像より選択された複数の領域からなり、少なくとも一つの前記有効領域を含む処理対象ブロックを特定する処理対象ブロック特定部と、
特定された処理対象ブロックに対しAI処理を実施して欠陥の有無を検出し、欠陥が存在したとき処理対象ブロックにおける該欠陥の座標とその確率を特定する欠陥特定部と、
欠陥特定ステップで得られた欠陥の座標を前記原画像の原座標に変換する座標変換部と、
該原座標における欠陥の座標とその確率に基づき、欠陥の検査結果を作成する検査結果作成部、とを含む検査対象品の欠陥件検出装置に用いられるコンピュータ用のプログラムであって、
前記処理対象ブロック特定部は主処理対象ブロック特定部及び補完ブロック形成部を備え、
前記主処理対象ブロック特定部に前記処理対象ブロックを特定させ、
前記補完ブロック形成部に、前記処理対象ブロックを基準に該処理対象ブロックの少なくとも一つの領域を共有する補完ブロックを形成させ
前記欠陥特定部に
前記処理対象ブロックにおける欠陥の座標とその確率を特定する主欠陥特定ステップと、
前記補完ブロックにおける欠陥の座標とその確率を特定する補完的な欠陥特定ステップと、を実行させ、
前記座標変換部に、前記主欠陥特定ステップ及び前記補完的な欠陥特定ステップでそれぞれ特定された欠陥の座標を前記原画像の原座標に変換させる、
コンピュータ用のプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019131324A JP6703672B1 (ja) | 2019-07-16 | 2019-07-16 | 検査対象品の欠陥検出方法、その装置及びそのコンピュータプログラム |
PCT/JP2020/027584 WO2021010430A1 (ja) | 2019-07-16 | 2020-07-16 | 検査対象品の欠陥検出方法、その装置及びそのコンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019131324A JP6703672B1 (ja) | 2019-07-16 | 2019-07-16 | 検査対象品の欠陥検出方法、その装置及びそのコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6703672B1 JP6703672B1 (ja) | 2020-06-03 |
JP2021015099A true JP2021015099A (ja) | 2021-02-12 |
Family
ID=70858131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019131324A Expired - Fee Related JP6703672B1 (ja) | 2019-07-16 | 2019-07-16 | 検査対象品の欠陥検出方法、その装置及びそのコンピュータプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6703672B1 (ja) |
WO (1) | WO2021010430A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115631197B (zh) * | 2022-12-21 | 2023-03-17 | 中科慧远视觉技术(北京)有限公司 | 一种图像处理方法、装置、介质、设备及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08152309A (ja) * | 1994-11-30 | 1996-06-11 | Dainippon Screen Mfg Co Ltd | パターン欠陥検査装置 |
JP2005339180A (ja) * | 2004-05-26 | 2005-12-08 | Matsushita Electric Works Ltd | 画像処理方法 |
JP4657869B2 (ja) * | 2005-09-27 | 2011-03-23 | シャープ株式会社 | 欠陥検出装置、イメージセンサデバイス、イメージセンサモジュール、画像処理装置、デジタル画像品質テスタ、欠陥検出方法、欠陥検出プログラム、およびコンピュータ読取可能な記録媒体 |
WO2013118305A1 (ja) * | 2012-02-10 | 2013-08-15 | シャープ株式会社 | 画像生成装置、画像生成方法、および画像生成プログラムを記録したコンピュータ読取り可能な記録媒体 |
JP2017166929A (ja) * | 2016-03-15 | 2017-09-21 | 株式会社リコー | シート状の被検査体の欠陥検査装置、欠陥検査方法及び欠陥検査システム |
JP2019114927A (ja) * | 2017-12-22 | 2019-07-11 | ブラザー工業株式会社 | 画像処理装置、コンピュータプログラム、および、画像処理方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010139317A (ja) * | 2008-12-10 | 2010-06-24 | Mitsubishi Materials Corp | 軸物工具表面の欠陥検査方法および装置 |
WO2018235266A1 (ja) * | 2017-06-23 | 2018-12-27 | 株式会社Rist | 検査装置、検査方法及び検査プログラム |
JP6939186B2 (ja) * | 2017-07-25 | 2021-09-22 | 住友電気工業株式会社 | 判定装置、判定方法および判定プログラム |
-
2019
- 2019-07-16 JP JP2019131324A patent/JP6703672B1/ja not_active Expired - Fee Related
-
2020
- 2020-07-16 WO PCT/JP2020/027584 patent/WO2021010430A1/ja active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08152309A (ja) * | 1994-11-30 | 1996-06-11 | Dainippon Screen Mfg Co Ltd | パターン欠陥検査装置 |
JP2005339180A (ja) * | 2004-05-26 | 2005-12-08 | Matsushita Electric Works Ltd | 画像処理方法 |
JP4657869B2 (ja) * | 2005-09-27 | 2011-03-23 | シャープ株式会社 | 欠陥検出装置、イメージセンサデバイス、イメージセンサモジュール、画像処理装置、デジタル画像品質テスタ、欠陥検出方法、欠陥検出プログラム、およびコンピュータ読取可能な記録媒体 |
WO2013118305A1 (ja) * | 2012-02-10 | 2013-08-15 | シャープ株式会社 | 画像生成装置、画像生成方法、および画像生成プログラムを記録したコンピュータ読取り可能な記録媒体 |
JP2017166929A (ja) * | 2016-03-15 | 2017-09-21 | 株式会社リコー | シート状の被検査体の欠陥検査装置、欠陥検査方法及び欠陥検査システム |
JP2019114927A (ja) * | 2017-12-22 | 2019-07-11 | ブラザー工業株式会社 | 画像処理装置、コンピュータプログラム、および、画像処理方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6703672B1 (ja) | 2020-06-03 |
WO2021010430A1 (ja) | 2021-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019117065A1 (ja) | データ生成装置、データ生成方法及びデータ生成プログラム | |
EP3742113B1 (en) | System and method for marking images for three-dimensional image generation | |
KR20230124713A (ko) | 결함 검출 방법, 장치 및 시스템 | |
JP2018511874A (ja) | 3次元モデリング方法及び装置 | |
CN111951376A (zh) | 融合结构光和光度学的三维对象重建方法及终端设备 | |
JP2016110290A (ja) | 情報処理装置及び情報処理方法 | |
CN113469971B (zh) | 一种图像匹配方法及检测装置、存储介质 | |
WO2021010430A1 (ja) | 検査対象品の欠陥検出方法、その装置及びそのコンピュータプログラム | |
CN110763706A (zh) | 分析晶体缺陷的系统和方法 | |
CN115482186A (zh) | 瑕疵检测方法、电子设备及存储介质 | |
TW201911230A (zh) | 監控方法、計算裝置及電腦可讀存儲介質 | |
JP2002140694A (ja) | 画像処理装置、画像処理方法および画像処理プログラムを記録した記録媒体 | |
Akhyar et al. | A beneficial dual transformation approach for deep learning networks used in steel surface defect detection | |
CN117372424A (zh) | 一种缺陷检测方法、装置、设备及存储介质 | |
CN107256540A (zh) | 图像修复方法、装置及三维重建系统 | |
WO2022254854A1 (ja) | 3次元計測装置 | |
CN107480710B (zh) | 特征点匹配结果处理方法和装置 | |
CN112894154B (zh) | 激光打标方法及装置 | |
CN115546016A (zh) | Pcb的2d和3d图像的采集和处理方法及相关装置 | |
Song et al. | Automatic calibration method based on improved camera calibration template | |
US20200387354A1 (en) | Two-dimensional data matching method, device and logic circuit | |
CN111428546B (zh) | 图像中人体标记方法、装置、电子设备及存储介质 | |
JP5949002B2 (ja) | 画像マッチング方法、およびこの方法を用いた画像マッチング装置およびプログラム | |
CN112634439A (zh) | 一种3d信息展示方法及装置 | |
CN111127422B (zh) | 图像标注方法、装置、系统及主机 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191225 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20191225 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200109 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200109 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200303 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6703672 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |