JP2997958B2 - 画像処理アルゴリズムの自動生成方法 - Google Patents
画像処理アルゴリズムの自動生成方法Info
- Publication number
- JP2997958B2 JP2997958B2 JP3169051A JP16905191A JP2997958B2 JP 2997958 B2 JP2997958 B2 JP 2997958B2 JP 3169051 A JP3169051 A JP 3169051A JP 16905191 A JP16905191 A JP 16905191A JP 2997958 B2 JP2997958 B2 JP 2997958B2
- Authority
- JP
- Japan
- Prior art keywords
- algorithm
- image processing
- inspection
- input unit
- image
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
【０００１】
【産業上の利用分野】本発明は射出成形品等の品質検査
に際し、検査を画像処理により自動化するための画像処
理アルゴリズムの自動生成方法に関する。
に際し、検査を画像処理により自動化するための画像処
理アルゴリズムの自動生成方法に関する。
【０００２】
【従来の技術】一般に、射出成形によって成形される成
形品、例えば、プラスチック製の電子部品用成形品で、
特に、コネクターのように一面に複数の矩形状升目部を
有する電子部品用成形品の品質は、該成形品の矩形状升
目部に、ショートショットによる凹み、バリ、ひけ、そ
り等が生じた際に、特に不良の問題が生じる。
形品、例えば、プラスチック製の電子部品用成形品で、
特に、コネクターのように一面に複数の矩形状升目部を
有する電子部品用成形品の品質は、該成形品の矩形状升
目部に、ショートショットによる凹み、バリ、ひけ、そ
り等が生じた際に、特に不良の問題が生じる。
【０００３】図７は成形品の一例を示し、図７（ａ）は
良品を、図７（ｂ）は凹みによる欠陥が生じた不良品を
示している。従来、このような電子部品用成形品の良否
検査は、オペレータの目視検査によって行われるのが普
通であった。しかしながら、最近のこの種の製品検査の
分野では、人手不足及び検査コストの低減化の要求から
検査行程の自動化が進められつつある。このような要求
に対し、画像処理を用いた検査装置が提案されている
（例えば、特願平２−１１６８５８号）。
良品を、図７（ｂ）は凹みによる欠陥が生じた不良品を
示している。従来、このような電子部品用成形品の良否
検査は、オペレータの目視検査によって行われるのが普
通であった。しかしながら、最近のこの種の製品検査の
分野では、人手不足及び検査コストの低減化の要求から
検査行程の自動化が進められつつある。このような要求
に対し、画像処理を用いた検査装置が提案されている
（例えば、特願平２−１１６８５８号）。
【０００４】
【発明が解決しようとする課題】この種の検査装置では
汎用性を得るため、成形品を撮影して得た画像とあらか
じめ記憶された基準画像とのパターンマッチングを行う
ことにより検査をする方式が一般的である。しかし、こ
のような基準との相対的な比較方式では、汎用化は実現
しやすいが、何を基準として記憶するかによって検査結
果が大きく左右されるという問題がある。それ故、本発
明の課題は成形品等の品質検査に際し、オペレータに画
像処理に関する知識が無くとも検査を画像処理の組み合
わせにより自動化することのできる画像処理アルゴリズ
ムの自動生成方法を提供しようとするものである。
汎用性を得るため、成形品を撮影して得た画像とあらか
じめ記憶された基準画像とのパターンマッチングを行う
ことにより検査をする方式が一般的である。しかし、こ
のような基準との相対的な比較方式では、汎用化は実現
しやすいが、何を基準として記憶するかによって検査結
果が大きく左右されるという問題がある。それ故、本発
明の課題は成形品等の品質検査に際し、オペレータに画
像処理に関する知識が無くとも検査を画像処理の組み合
わせにより自動化することのできる画像処理アルゴリズ
ムの自動生成方法を提供しようとするものである。
【０００５】
【課題を解決するための手段】本発明は、画像入力部と
データ入力部及びＮ（Ｎは正の整数）種類の画像処理モ
ジュールをＭ段の直列結合の形式でツリー状に組み合わ
せ、かつ最終段の前記画像処理モジュールには特徴抽出
モジュールを組み合わせてなる多数の検査アルゴリズム
を内蔵したアルゴリズム処理部とを有し、オペレータ
は、前記画像入力部より良品、不良品、及び中間グレー
ドのサンプル画像を入力すると共に、前記データ入力部
より判別能力評価基準として、望ましい検査結果を相関
モデルとして入力し、前記アルゴリズム処理部は、前記
画像入力部と前記データ入力部からのデータを受け、前
記判別能力評価基準にもとづいて限界効用値を用いるこ
とで前記ツリー状の組み合わせの中から最適な組み合わ
せを探索することを特徴とする画像処理アルゴリズムの
自動生成方法である。
データ入力部及びＮ（Ｎは正の整数）種類の画像処理モ
ジュールをＭ段の直列結合の形式でツリー状に組み合わ
せ、かつ最終段の前記画像処理モジュールには特徴抽出
モジュールを組み合わせてなる多数の検査アルゴリズム
を内蔵したアルゴリズム処理部とを有し、オペレータ
は、前記画像入力部より良品、不良品、及び中間グレー
ドのサンプル画像を入力すると共に、前記データ入力部
より判別能力評価基準として、望ましい検査結果を相関
モデルとして入力し、前記アルゴリズム処理部は、前記
画像入力部と前記データ入力部からのデータを受け、前
記判別能力評価基準にもとづいて限界効用値を用いるこ
とで前記ツリー状の組み合わせの中から最適な組み合わ
せを探索することを特徴とする画像処理アルゴリズムの
自動生成方法である。
【０００６】
【実施例】以下に、図面を参照して本発明の実施例につ
いて説明する。本発明は、周知のデータ処理装置、デー
タ入力装置、画像入力装置、ディスプレイ等を含むアル
ゴリズム探索支援システムにより実施される。画像処理
による製品検査では、ほとんどの場合、適当な照明条件
下で得られた画像上の検査したい部品にウインドウを設
け、このウインドウ領域に対して、何らかの形で良品と
欠陥との間の明暗パターンの差を検出することによって
検査を行っている。すなわち、画像処理の立場から見れ
ば、欠陥検査とは、良品と欠陥との明暗パターンを判別
することであると言える。
いて説明する。本発明は、周知のデータ処理装置、デー
タ入力装置、画像入力装置、ディスプレイ等を含むアル
ゴリズム探索支援システムにより実施される。画像処理
による製品検査では、ほとんどの場合、適当な照明条件
下で得られた画像上の検査したい部品にウインドウを設
け、このウインドウ領域に対して、何らかの形で良品と
欠陥との間の明暗パターンの差を検出することによって
検査を行っている。すなわち、画像処理の立場から見れ
ば、欠陥検査とは、良品と欠陥との明暗パターンを判別
することであると言える。
【０００７】そこで、本方法では、欠陥検査アルゴリズ
ムを、図１に示すように、探索支援システムにおけるデ
ィスプレイの入力画像のウインドウ領域に対して、いく
つかの画像処理モジュールを直列に作用させた後、特徴
抽出モジュールによって、１つの特徴量を抽出する構造
としてモデル化した。また、検査は、その特徴量を尺度
として、その尺度上の基準により行うものとする。画像
処理モジュールの種類をＮ種類、処理段数をＭ段とする
と画像処理の組合せは、ＮM通り存在する。
ムを、図１に示すように、探索支援システムにおけるデ
ィスプレイの入力画像のウインドウ領域に対して、いく
つかの画像処理モジュールを直列に作用させた後、特徴
抽出モジュールによって、１つの特徴量を抽出する構造
としてモデル化した。また、検査は、その特徴量を尺度
として、その尺度上の基準により行うものとする。画像
処理モジュールの種類をＮ種類、処理段数をＭ段とする
と画像処理の組合せは、ＮM通り存在する。
【０００８】これをツリー状の有向グラフとして表現し
たものを図２に示す。ノードで示される画像処理モジュ
ールをルートノードから任意のアークで結ぶと、ひとつ
の画像処理アルゴリズムが表現できる。更に、各ノード
には特徴抽出モジュールが連結されており、これをＬ種
類とすると、検査アルゴリズムの組合せは全部でＮM ＊
Ｌ通りとなる。本発明では、このような多数の検査アル
ゴリズムの組み合わせがデータ処理装置におけるアルゴ
リズム処理部（図示せず）に登録されており、アルゴリ
ズム処理部はこの組み合わせの中から最適な検査アルゴ
リズムを自動的に見つけだす。
たものを図２に示す。ノードで示される画像処理モジュ
ールをルートノードから任意のアークで結ぶと、ひとつ
の画像処理アルゴリズムが表現できる。更に、各ノード
には特徴抽出モジュールが連結されており、これをＬ種
類とすると、検査アルゴリズムの組合せは全部でＮM ＊
Ｌ通りとなる。本発明では、このような多数の検査アル
ゴリズムの組み合わせがデータ処理装置におけるアルゴ
リズム処理部（図示せず）に登録されており、アルゴリ
ズム処理部はこの組み合わせの中から最適な検査アルゴ
リズムを自動的に見つけだす。
【０００９】次に、本システムにおける処理の流れを図
３を参照して説明する。ステップＳ１では、オペレータ
が探索支援システムにおける画像入力装置から事前に良
品、不良品および中間グレードのサンプル画像を入力す
る。オペレータはまた、ステップＳ２において、画像入
力装置及びデータ入力装置を使用してディスプレイを見
ながら判別能力評価基準として、望ましい検査結果を相
関モデルとして定義し、入力する。ステップＳ３では、
アルゴリズム処理部が、画像処理モジュールの直列結合
と特徴抽出モジュールとの組み合わせとしてモデル化さ
れた多数の検査アルゴリズムに対し良品、不良品の判別
能力及び実現可能性の２つを評価基準とする評価、探索
を行う。アルゴリズム処理部は更に、ステップＳ４にお
いて、上記の評価値に基づく限界公用値を用い、図２に
示す如きアルゴリズム木の中で、最適な組み合わせを見
付け出す。
３を参照して説明する。ステップＳ１では、オペレータ
が探索支援システムにおける画像入力装置から事前に良
品、不良品および中間グレードのサンプル画像を入力す
る。オペレータはまた、ステップＳ２において、画像入
力装置及びデータ入力装置を使用してディスプレイを見
ながら判別能力評価基準として、望ましい検査結果を相
関モデルとして定義し、入力する。ステップＳ３では、
アルゴリズム処理部が、画像処理モジュールの直列結合
と特徴抽出モジュールとの組み合わせとしてモデル化さ
れた多数の検査アルゴリズムに対し良品、不良品の判別
能力及び実現可能性の２つを評価基準とする評価、探索
を行う。アルゴリズム処理部は更に、ステップＳ４にお
いて、上記の評価値に基づく限界公用値を用い、図２に
示す如きアルゴリズム木の中で、最適な組み合わせを見
付け出す。
【００１０】本実施例では、前述したように、事前に人
間の判断した良品、不良品およびその中間のグレードの
サンプル画像をいくつか入力しておく。検査は、良品お
よび不良品を判別することが目的であるが、実際の製品
には、良品と不良品にはっきり分けられないあいまいな
中間のグレードが存在する。すなわち、不良に近い良
品、良品に近い不良品と言うのがこれに当たる。欠陥検
査においては、この中間のグレードをどう取り扱うかに
よって、不良率、歩留まりが決定する。このため判別能
力の高い検査アルゴリズムを生成するには、この中間グ
レードを認識できるアルゴリズムを選ぶ必要がある。本
実施例では、これを評価する基準として、人間が判断し
た各製品グレードと、生成されたアルゴリズムが出力す
る特徴量との関係をグラフとして入力する。これを相関
モデルと呼ぶ。図４に、その１例を示す。
間の判断した良品、不良品およびその中間のグレードの
サンプル画像をいくつか入力しておく。検査は、良品お
よび不良品を判別することが目的であるが、実際の製品
には、良品と不良品にはっきり分けられないあいまいな
中間のグレードが存在する。すなわち、不良に近い良
品、良品に近い不良品と言うのがこれに当たる。欠陥検
査においては、この中間のグレードをどう取り扱うかに
よって、不良率、歩留まりが決定する。このため判別能
力の高い検査アルゴリズムを生成するには、この中間グ
レードを認識できるアルゴリズムを選ぶ必要がある。本
実施例では、これを評価する基準として、人間が判断し
た各製品グレードと、生成されたアルゴリズムが出力す
る特徴量との関係をグラフとして入力する。これを相関
モデルと呼ぶ。図４に、その１例を示す。
【００１１】この相関モデルの形を任意に選ぶことによ
って、検査アルゴリズムの特性を変えることが可能であ
る。検査アルゴリズムの評価値（Ｅ）は、判別能力と実
現可能性の関数として以下のように算出する。 Ｅ＝Ｍ・Ｅｄ・Ｅｍ ただし、Ｍは、相関モデルとのマッチ度で、アルゴリズ
ムの判別能力を表す。またＥｄは良品、不良品間の量子
化可能数、Ｅｍは、分離余裕であり、それぞれアルゴリ
ズムの実現可能性を表す。Ｍ、Ｅｄ、Ｅｍはそれぞれ以
下の数式（１）、（２）、（３）で表される。
って、検査アルゴリズムの特性を変えることが可能であ
る。検査アルゴリズムの評価値（Ｅ）は、判別能力と実
現可能性の関数として以下のように算出する。 Ｅ＝Ｍ・Ｅｄ・Ｅｍ ただし、Ｍは、相関モデルとのマッチ度で、アルゴリズ
ムの判別能力を表す。またＥｄは良品、不良品間の量子
化可能数、Ｅｍは、分離余裕であり、それぞれアルゴリ
ズムの実現可能性を表す。Ｍ、Ｅｄ、Ｅｍはそれぞれ以
下の数式（１）、（２）、（３）で表される。
【００１２】
【数１】
【００１３】
【数２】
【００１４】
【数３】
【００１５】ここで、 ｉ：製品のグレード Ｎ：製品の全グレード数 但し、Ｅμｉ，Ｅσｉはそれぞれ相関モデルとして入力
された特徴量の各製品グレードにおける平均，分散値 μｉ，σｉ：検査アルゴリズムによって抽出された特徴
量の各製品グレードにおける平均，分散値 α，β：パラメータ μｇ，μｂ：良品グレード，不良品グレードの平均値 ｑ：量子化係数 σｂ，σｇ：不良品，良品の分散値
された特徴量の各製品グレードにおける平均，分散値 μｉ，σｉ：検査アルゴリズムによって抽出された特徴
量の各製品グレードにおける平均，分散値 α，β：パラメータ μｇ，μｂ：良品グレード，不良品グレードの平均値 ｑ：量子化係数 σｂ，σｇ：不良品，良品の分散値
【００１６】ここで、検査アルゴリズムの探索法につい
て言えば、検査アルゴリズムの探索は、前述したアルゴ
リズム木の、各ノードにおける効用値（Ａｄｉ）と画像
処理コスト（Ｃｄｉ）から決まる限界効用値（Ｌｄｉ）
に基づいて行う。各値はそれぞれ、以下の式（４）、
（５）、（６）に従う。
て言えば、検査アルゴリズムの探索は、前述したアルゴ
リズム木の、各ノードにおける効用値（Ａｄｉ）と画像
処理コスト（Ｃｄｉ）から決まる限界効用値（Ｌｄｉ）
に基づいて行う。各値はそれぞれ、以下の式（４）、
（５）、（６）に従う。
【００１７】
【数４】
【００１８】
【数５】
【００１９】
【数６】
【００２０】ここで、 ｄ：アルゴリズム木の階層 ｉ：同一階層内のノードid Ｎ：製品の全グレード数 Ｅｎdi：ノードｎdiの評価値 Ｃｎdi：ノードｎdiの画像処理コスト Ｃ(d+1)i：子ノードの中で評価値が一番高いもののコス
ト総和 ΔＡｄｉ，ΔＣｄｉ：１回の探索による効用，コスト総
和の増加分
ト総和 ΔＡｄｉ，ΔＣｄｉ：１回の探索による効用，コスト総
和の増加分
【００２１】探索戦略は、アルゴリズム処理部があるノ
ードにおいて、（ａ）初回の探索では子ノード全てにつ
いて評価値、コストを求め、それらを式（４），
（５），（６）に従い式（４），（５），（６）におけ
る各値を更新し、更新した値を上位ノードにおいても反
映させる。（ｂ）次回からの探索では、同じ階層の中
で、式（４）の限界効用値が一番大きいノードを選び、
その下位ノードの探索を行う。（ｃ）上記（ａ）、
（ｂ）の手順をルートノードから順次繰り返す。（ｄ）
最上位の階層、すなわちルートノードにおいて、限界効
用値が全て０になった場合に探索を打ち切る。
ードにおいて、（ａ）初回の探索では子ノード全てにつ
いて評価値、コストを求め、それらを式（４），
（５），（６）に従い式（４），（５），（６）におけ
る各値を更新し、更新した値を上位ノードにおいても反
映させる。（ｂ）次回からの探索では、同じ階層の中
で、式（４）の限界効用値が一番大きいノードを選び、
その下位ノードの探索を行う。（ｃ）上記（ａ）、
（ｂ）の手順をルートノードから順次繰り返す。（ｄ）
最上位の階層、すなわちルートノードにおいて、限界効
用値が全て０になった場合に探索を打ち切る。
【００２２】一例として、射出成形機によって生産され
るハーフピッチコネクタの欠陥検査アルゴリズムの生成
について簡単に説明する。この場合に対象とした欠陥
は、図７に示したように、ピン穴間の薄肉部に微小な欠
けとして発生するショートショットと呼ばれる欠陥で、
単純な２値化の画像処理のみでは検出は難しい。
るハーフピッチコネクタの欠陥検査アルゴリズムの生成
について簡単に説明する。この場合に対象とした欠陥
は、図７に示したように、ピン穴間の薄肉部に微小な欠
けとして発生するショートショットと呼ばれる欠陥で、
単純な２値化の画像処理のみでは検出は難しい。
【００２３】本システムを用いて生成されたアルゴリズ
ム候補を図５に示す。ここでは、処理段数は３、画像処
理モジュールの種類は１４、特徴抽出モジュールの種類
は８としている。図６は、第１候補の特徴量分布を示
す。この図より、良品、不良品は完全に分離できること
がわかる。また、中間のグレードも特徴量の軸の上でも
その中間に位置されており、前述した評価値の有効性が
示されている。
ム候補を図５に示す。ここでは、処理段数は３、画像処
理モジュールの種類は１４、特徴抽出モジュールの種類
は８としている。図６は、第１候補の特徴量分布を示
す。この図より、良品、不良品は完全に分離できること
がわかる。また、中間のグレードも特徴量の軸の上でも
その中間に位置されており、前述した評価値の有効性が
示されている。
【００２４】
【発明の効果】以上説明してきたように本発明によれ
ば、成形品等の品質検査を画像処理により自動化するこ
とができ、しかもオペレータは画像処理に関する知識が
無くても操作できるので、オペレータの作業軽減化に寄
与する効果は大である。
ば、成形品等の品質検査を画像処理により自動化するこ
とができ、しかもオペレータは画像処理に関する知識が
無くても操作できるので、オペレータの作業軽減化に寄
与する効果は大である。
【図１】 本発明による欠陥検査アルゴリズムのモデル
を示した図。
を示した図。
【図２】 図１に示された欠陥検査アルゴリズムにおけ
る画像処理モジュールの組み合わせの一部をアルゴリズ
ム木の形で示した図。
る画像処理モジュールの組み合わせの一部をアルゴリズ
ム木の形で示した図。
【図３】 本発明の処理の流れを示した図。
【図４】 本発明においてあらかじめ入力される相関モ
デルの一例を示した図。
デルの一例を示した図。
【図５】 本発明において生成された検査アルゴリズム
の候補例を示した図。
の候補例を示した図。
【図６】 本発明において得られた検査アルゴリズムの
第１候補の特徴量分布を示す。
第１候補の特徴量分布を示す。
【図７】 本発明の対象部品であるコネクタを良品、不
良品について示した図。
良品について示した図。
Claims (1)
- 【請求項１】 画像入力部とデータ入力部及びＮ（Ｎは
正の整数）種類の画像処理モジュールをＭ段の直列結合
の形式でツリー状に組み合わせ、かつ最終段の前記画像
処理モジュールには特徴抽出モジュールを組み合わせて
なる多数の検査アルゴリズムを内蔵したアルゴリズム処
理部とを有し、オペレータは、前記画像入力部より良
品、不良品、及び中間グレードのサンプル画像を入力す
ると共に、前記データ入力部より判別能力評価基準とし
て、望ましい検査結果を相関モデルとして入力し、前記
アルゴリズム処理部は、前記画像入力部と前記データ入
力部からのデータを受け、前記判別能力評価基準にもと
づいて限界効用値を用いることで前記ツリー状の組み合
わせの中から最適な組み合わせを探索することを特徴と
する画像処理アルゴリズムの自動生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3169051A JP2997958B2 (ja) | 1991-06-14 | 1991-06-14 | 画像処理アルゴリズムの自動生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3169051A JP2997958B2 (ja) | 1991-06-14 | 1991-06-14 | 画像処理アルゴリズムの自動生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH04367982A JPH04367982A (ja) | 1992-12-21 |
| JP2997958B2 true JP2997958B2 (ja) | 2000-01-11 |
Family
ID=15879423
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3169051A Expired - Fee Related JP2997958B2 (ja) | 1991-06-14 | 1991-06-14 | 画像処理アルゴリズムの自動生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2997958B2 (ja) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007200246A (ja) * | 2006-01-30 | 2007-08-09 | Sharp Corp | 画像処理アルゴリズムの評価方法、生成方法、装置、プログラムおよび記録媒体 |
| JP4840327B2 (ja) * | 2007-10-22 | 2011-12-21 | 株式会社デンソー | 外観検査方法 |
| JP5388703B2 (ja) * | 2009-06-03 | 2014-01-15 | 株式会社日立ハイテクノロジーズ | 表面観察装置および表面観察方法 |
| JP5561384B2 (ja) * | 2013-01-15 | 2014-07-30 | 株式会社安川電機 | 認識プログラム評価装置および認識プログラム評価方法 |
| JP6074272B2 (ja) * | 2013-01-17 | 2017-02-01 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
| CN103148783B (zh) * | 2013-03-06 | 2016-03-02 | 江南大学 | 一种气门摇臂安装位置的自动检测方法 |
| JP7186054B2 (ja) * | 2018-10-11 | 2022-12-08 | 神鋼検査サービス株式会社 | 欠陥検出支援装置、該方法および該プログラム |
-
1991
- 1991-06-14 JP JP3169051A patent/JP2997958B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH04367982A (ja) | 1992-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110992317B (zh) | 一种基于语义分割的pcb板缺陷检测方法 | |
| TWI725534B (zh) | 在半導體元件的製造流程中利用適應性機器學習的自動缺陷篩選 | |
| US7346470B2 (en) | System for identification of defects on circuits or other arrayed products | |
| US5012524A (en) | Automatic inspection method | |
| US6885977B2 (en) | System to identify a wafer manufacturing problem and method therefor | |
| CN109781733A (zh) | 缺陷检查装置、缺陷检查方法及计算机可读存储介质 | |
| JP4374303B2 (ja) | 検査方法及びその装置 | |
| JP2021523348A (ja) | 画像化されたアイテムの欠陥を検出するためのシステムおよび方法 | |
| WO2010023791A1 (ja) | 欠陥検査方法及び装置 | |
| KR20190057402A (ko) | 검사 관련 알고리즘을 설정하는데 사용되는 트레이닝 세트의 최적화 | |
| CN111382785A (zh) | 一种gan网络模型及实现样本自动清洗、辅助标记的方法 | |
| CN1323369C (zh) | 图像识别装置和方法以及图像识别装置的示教装置和方法 | |
| CA2638415C (en) | Patterned wafer defect inspection system and method | |
| JP2997958B2 (ja) | 画像処理アルゴリズムの自動生成方法 | |
| CN116978834B (zh) | 一种用于晶圆生产的智能监测预警系统 | |
| CN109685756A (zh) | 影像特征自动辨识装置、系统及方法 | |
| JP2002057078A (ja) | 半導体製造施設で集積欠陥を引き起こす動作／ツールを見つけるシステム及び方法 | |
| TWI801973B (zh) | 錯誤因素之推定裝置及推定方法 | |
| Chetoui et al. | Object detection model-based quality inspection using a deep CNN | |
| KR101936628B1 (ko) | Tsom 이미지 획득 방법 및 반도체 장치 검사 방법 | |
| JPH08254501A (ja) | 外観検査方法及び装置 | |
| JPH1187446A (ja) | パターン欠陥検査装置及びパターン欠陥検査方法 | |
| CN115222732A (zh) | 一种基于大数据分析和色差检测的注塑工艺异常检测方法 | |
| US20040258311A1 (en) | Method for generating geometric models for optical partial recognition | |
| US7363098B2 (en) | Method to identify machines causing excursion in semiconductor manufacturing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19991006 |
|
| LAPS | Cancellation because of no payment of annual fees |