JP7463592B2 - 製品の二次元のデジタル画像で異常を検出する方法および装置 - Google Patents
製品の二次元のデジタル画像で異常を検出する方法および装置 Download PDFInfo
- Publication number
- JP7463592B2 JP7463592B2 JP2023060801A JP2023060801A JP7463592B2 JP 7463592 B2 JP7463592 B2 JP 7463592B2 JP 2023060801 A JP2023060801 A JP 2023060801A JP 2023060801 A JP2023060801 A JP 2023060801A JP 7463592 B2 JP7463592 B2 JP 7463592B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- maximum
- minimum
- determined
- threshold
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 191
- 230000006870 function Effects 0.000 claims description 127
- 230000008569 process Effects 0.000 claims description 94
- 238000009826 distribution Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 19
- 238000004519 manufacturing process Methods 0.000 claims description 19
- 238000005315 distribution function Methods 0.000 claims description 17
- 238000000528 statistical test Methods 0.000 claims description 11
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 claims 4
- 230000005855 radiation Effects 0.000 description 26
- 238000007689 inspection Methods 0.000 description 21
- 238000012360 testing method Methods 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000002083 X-ray spectrum Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 235000013351 cheese Nutrition 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
- 235000013618 yogurt Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20161—Level set
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
102 異常を検出する装置
104 製品
106 搬送デバイス
108 コンベヤベルト
110 コンベヤベルト
112 コンベヤベルト
114 コンベヤベルト
116 遮蔽ハウジング
118 X線放射源
120 X線放射検出器
121 X線ビーム
122 画像処理ユニット
124 表示ユニット
F 搬送方向
Xsu 下側の閾値(合格製品ないし合格プロセス製品を用いての閾値の決定)
Ysu 下側の閾値(不合格製品ないし不合格プロセス製品を用いての閾値の決定)
Xso 上側の閾値(合格製品ないし合格プロセス製品を用いての閾値の決定)
Yso 上側の閾値(不合格製品ないし不合格プロセス製品を用いての閾値の決定)
ΔXso 最大閾値についての信頼区間の幅
ΔXsu 最小閾値についての信頼区間の幅
Rfp 偽陽性率
Rrn 真陰性率
Rrp 真陽性率
Rfn 偽陰性率
Claims (17)
- 製品のデジタル画像で異常を検出する方法であって、各々のデジタル画像は多数のピクセルによって形成され、各々のピクセルは該当する画像の割り当てられた場所を表現し、該当する場所を特徴づける値を有し、
(a)検査されるべき各々の画像が1つの区域として把握され、または2つまたはそれ以上の区域に下位区分され、該区域はそれぞれ1つまたは複数の隣接するピクセルから構成され、
(b)各々の区域について少なくとも1つの特性についての値が、または区域の複数の特性について組み合わされた値が、決定され、
(c)1つの区域が最大異常として検出されるのは、当該区域の少なくとも1つの特性の値または複数の特性についての組み合わされた値が設定された最大閾値またはこれから導き出される二次的な最大閾値よりも大きいときであり、および/または1つの区域が最小異常として検出されるのは、当該区域の少なくとも1つの特性の値または複数の特性についての組み合わされた値が設定された最小閾値またはこれから導き出される二次的な最小閾値よりも小さいときである、
方法において、
(d)最大閾値および/または最小閾値は、次の各ステップが実行される学習プロセスで決定され、
(i)異常を含んでいない合格製品の、または大部分が異常を含んでいない合格プロセス製品の、複数のデジタル画像が生成または利用されること、画像の数は設定されており、または学習プロセスの過程で決定され、
(ii)各々のデジタル画像について、1つの区域または複数の区域が規定されること、各々の区域の少なくとも1つの特性の値または複数の特性についての組み合わされた値が決定されること、および前記値の最大の値が最大値ランダムサンプルの最大ランダムサンプル値として決定されること、および/または前記値の最小の値が最小値ランダムサンプルの最小ランダムサンプル値として決定されること、
(iii)統計的な見積方法を利用したうえで、最大値ランダムサンプルを表現するために設定される確率密度関数の設定されていないすべての未決のパラメータについての見積値が最大ランダムサンプル値を利用したうえで決定されること、および/または最小値ランダムサンプルを表現するために設定される確率密度関数の設定されていないすべての未決のパラメータについての見積値が最小ランダムサンプル値を利用したうえで決定されること、
(iv)検査されるべき画像で誤って最大異常が検出される第1の率が、または検査されるべき画像で正しく最大異常が認識されない第2の率が、設定されること、および/または検査されるべき画像で誤って最小異常が検出される第3の率が、または検査されるべき画像で正しく最小異常が認識されない第4の率が、設定されること、
(v)前記(iii)に従ってパラメータ化された確率密度関数またはこれに対応する分布関数を利用したうえで最大閾値が決定されること、それにより、最大閾値よりも大きい、またはこれに等しい、最大の値の出現についての確率が設定された前記第1の率に相当するようにされ、または、最大閾値よりも小さい、またはこれに等しい、最大の値の出現についての確率が設定された前記第2の率に相当するようにされ、および/または、
(vi)前記(iii)に従ってパラメータ化された確率密度関数またはこれに対応する分布関数を利用したうえで最小閾値が決定されること、それにより、最小閾値よりも小さい、またはこれに等しい、最小の値の出現についての確率が設定された前記第3の率に相当するようにされ、または、最小閾値よりも大きい、またはこれに等しい、最小の値の出現についての確率が設定された前記第4の率に相当するようにされる、
ことを特徴とする、方法。 - 製品のデジタル画像で異常を検出する方法であって、各々のデジタル画像は多数のピクセルによって形成され、各々のピクセルは該当する画像の割り当てられた場所を表現し、該当する場所を特徴づける値を有し、
(a)検査されるべき各々の画像が1つの区域として把握され、または2つまたはそれ以上の区域に下位区分され、該区域はそれぞれ1つまたは複数の隣接するピクセルから構成され、
(b)各々の区域について少なくとも1つの特性についての値が、または区域の複数の特性について組み合わされた値が、決定され、
(c)1つの区域が最大異常として検出されるのは、当該区域の少なくとも1つの特性の値または複数の特性についての組み合わされた値が設定された最大閾値またはこれから導き出される二次的な最大閾値よりも大きいときであり、および/または1つの区域が最小異常として検出されるのは、当該区域の少なくとも1つの特性の値または複数の特性についての組み合わされた値が設定された最小閾値またはこれから導き出される二次的な最小閾値よりも小さいときである、
方法において、
(d)最大閾値および/または最小閾値は次の各ステップが実行される学習プロセスで決定され、
(i)少なくとも1つの異常を含んでいる不合格製品の、または大部分が異常を含んでいる不合格プロセス製品の、複数のデジタル画像が生成または利用されること、画像の数は設定されており、または学習プロセスの過程で決定され、
(ii)各々のデジタル画像について、1つの区域または複数の区域が規定されこと、各々の区域の少なくとも1つの特性の値または複数の特性についての組み合わされた値が決定されること、および前記値の最大の値が最大値ランダムサンプルの最大ランダムサンプル値として決定されること、および/または前記値の最小の値が最小値ランダムサンプルの最小ランダムサンプル値として決定されること、
(iii)統計的な見積方法を利用したうえで、最大値ランダムサンプルを表現するために設定される確率密度関数の設定されていないすべての未決のパラメータについての見積値が最大ランダムサンプル値を利用したうえで決定されること、および/または最小値ランダムサンプルを表現するために設定される確率密度関数の設定されていないすべての未決のパラメータについての見積値が最小ランダムサンプル値を利用したうえで決定されること、
(iv)検査されるべき画像で正しく最大異常が検出される第5の率が、または検査されるべき画像で誤って最大異常が認識されない第6の率が、設定されること、および/または検査されるべき画像で正しく最小異常が検出される第7の率が、または検査されるべき画像で誤って最小異常が認識されない第8の率が、設定されること、
(v)前記(iii)に従ってパラメータ化された確率密度関数またはこれに対応する分布関数を利用したうえで最大閾値が決定されること、それにより、最大閾値よりも小さい、またはこれに等しい、最大の値の出現についての確率が設定された前記第6の率に相当するようにされ、または、最大閾値よりも大きい、またはこれに等しい、最大の値の出現についての確率が設定された前記第5の率に相当するようにされ、および/または、
(vi)前記(iii)に従ってパラメータ化された確率密度関数またはこれに対応する分布関数を利用したうえで最小閾値が決定されること、それにより、最小閾値よりも大きい、またはこれに等しい、最小の値の出現についての確率が設定された前記第8の率に相当するようにされ、または、最小閾値よりも小さい、またはこれに等しい、最小の値の出現についての確率が設定された前記第7の率に相当するようにされる、
ことを特徴とする、方法。 - (a)1つまたは複数の区域の規定がベース閾値を利用したうえで行われ、各々の孤立したピクセルおよび隣接するピクセルの各々の群であってそのピクセル値がそれぞれベース閾値より大きいものが区域の第1の群の1つの区域にそれぞれ割り当てられ、および/または各々の孤立したピクセルおよび隣接するピクセルの各々の群であってそのピクセル値がそれぞれベース閾値より小さいか、またはこれに等しいものが区域の第2の群の1つの区域にそれぞれ割り当てられ、または、
(b)1つまたは複数の区域の規定が幾何学的なマスクを、特に固定的に設定されたマスクまたは画像処理によってそれぞれの画像から生成されるマスクを、利用したうえで行われることを特徴とする、請求項1または2に記載の方法。 - 区域の特性として区域のピクセルの位置情報から判定される幾何学的な特性、特に面積、円周、または直径が利用され、または、区域の特性として区域のピクセルの値から判定されるピクセル値特性、特に区域のすべてのピクセルの最大値または最小値、平均値、分散、または標準偏差が利用されることを特徴とする、先行請求項のうちいずれか1項に記載の方法。
- 合格製品、合格プロセス製品、不合格製品、または不合格プロセス製品の、学習プロセスの過程で決定されるべきデジタル画像の数は少なくとも1つの停止基準を利用したうえで決定され、少なくとも1つの停止基準が満たされるまでデジタル画像の最新の数が増やされることを特徴とする、先行請求項のうちいずれか1項に記載の方法。
- 少なくとも1つの停止基準は該当する確率密度関数の少なくとも1つのパラメータについての信頼区間によって形成され、またはこれから導き出されることを特徴とする、請求項5に記載の方法。
- 少なくとも1つの前記停止基準は最小閾値または最大閾値についての閾値信頼区間によって形成され、閾値信頼区間は各々のパラメータについて信頼区間が決定されることによって、および閾値信頼区間に及ぼすこれらの信頼区間の影響が決定されることによって、特に誤差伝播の手法、特にガウスの誤差伝播の手法を利用したうえで、決定されることを特徴とする、請求項5に記載の方法。
- 少なくとも1つの前記停止基準は最小閾値または最大閾値についての閾値信頼区間によって形成され、該当する信頼区間は統計的な方法によって、特にブートストラッピング法を利用したうえで、決定されることを特徴とする、請求項5に記載の方法。
- 該当する確率密度関数と、各々の検出された最大ランダムサンプル値および/または最小ランダムサンプル値についての該当するパラメータとを利用したうえで、該当する検出された最大ランダムサンプル値または最小ランダムサンプル値よりも小さい、またはこれに等しい、値の出現についての確率が決定され、および、該当する検出された最大ランダムサンプル値または最小ランダムサンプル値よりも大きい、またはこれに等しい、値の出現についての確率が決定され、検出された最大ランダムサンプル値または最小ランダムサンプル値のうちの少なくとも1つについて、それぞれこのようにして決定された両方の確率のうちの1つが設定された外れ値境界よりも小さいときに、確率密度関数についてのパラメータが新たに決定され、新規決定にあたってこれらの最大ランダムサンプル値または最小ランダムサンプル値が考慮外とされることを特徴とする、先行請求項のうちいずれか1項に記載の方法。
- その都度、設定される確率密度関数が、そのために判定されるパラメータについての見積値を利用したうえで、該当する検出された最大ランダムサンプル値または最小ランダムサンプル値の形態の経験的な分布を十分に正確に表しているか否かに関する判断材料を供給する統計的なテストが実行されることを特徴とする、先行請求項のうちいずれか1項に記載の方法。
- パラメータの見積りは、好ましくは最低数の最大ランダムサンプル値または最小ランダムサンプル値の検出後に、設定された複数の異なる確率密度関数について実行され、このようにして決定された各々の確率密度関数について統計的なテストが実行され、以後の方法については、統計的なテストがもっとも妥当な結果をもたらした確率密度関数が、設定された確率密度関数として利用されることを特徴とする、請求項10に記載の方法。
- 最大閾値および/または最小閾値についての信頼区間の限界から、該当する設定された率についての信頼区間または誤差限界が決定されることを特徴とする、請求項7から11のいずれか1項に記載の方法。
- 該当する設定された率についての信頼区間および/または誤差限界が、製品を製造、加工、またはチェックする役目を果たす装置または生産ライン全体の監視および/または制御のために出力されることを特徴とする、先行請求項12に記載の方法。
- 二次的な最大閾値が判定され、二次的な最大閾値は最大閾値について決定される信頼区間の限界の内部で、またはこの信頼区間の限界に等しく、選択され、および/または二次的な最小閾値が判定され、二次的な最小閾値は最小閾値について決定される信頼区間の限界の内部で、またはこの信頼区間の限界に等しく、選択されることを特徴とする、先行請求項のうちいずれか1項に記載の方法。
- 設定される確率分布は一般化された極値分布、特にその特殊ケース、ガンベル分布、ワイブル分布、またはフレシェ分布であることを特徴とする、先行請求項のうちいずれか1項に記載の方法。
- 製品のデジタル画像のデジタル画像データを取得して処理するために構成されたデータ処理デバイスを有する、製品のデジタル画像で異常を検出する装置において、前記データ処理デバイスは先行請求項のうちいずれか1項に記載の方法を実施するために構成されることを特徴とする、装置。
- データ処理デバイスによってコマンドが実行されたときに先行請求項のうちいずれか1項に記載の方法を実施するようこれに指図するコマンドを含んでいる、製品のデジタル画像で異常を検出するためのコンピュータプログラム製品。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022108979.7A DE102022108979A1 (de) | 2022-04-12 | 2022-04-12 | Verfahren und Vorrichtung zur Detektion von Anomalien in zweidimensionalen digitalen Bildern von Produkten |
DE102022108979.7 | 2022-04-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023156241A JP2023156241A (ja) | 2023-10-24 |
JP7463592B2 true JP7463592B2 (ja) | 2024-04-08 |
Family
ID=85873708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023060801A Active JP7463592B2 (ja) | 2022-04-12 | 2023-04-04 | 製品の二次元のデジタル画像で異常を検出する方法および装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230334652A1 (ja) |
EP (1) | EP4287116A3 (ja) |
JP (1) | JP7463592B2 (ja) |
CN (1) | CN116912525A (ja) |
DE (1) | DE102022108979A1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060115143A1 (en) | 2004-11-29 | 2006-06-01 | Ditza Auerbach | Method for filtering nuisance defects |
JP2010529810A (ja) | 2007-06-14 | 2010-08-26 | トムソン ライセンシング | 所望される偽確率が与えられたときに検出閾値を設定するための方法および装置 |
JP2011013007A (ja) | 2009-06-30 | 2011-01-20 | Kobe Steel Ltd | 磁粉探傷装置 |
JP2012068026A (ja) | 2010-09-21 | 2012-04-05 | Toshiba Corp | 錠剤包装検査装置、錠剤包装検査プログラム、錠剤包装検査方法 |
JP2021128130A (ja) | 2020-02-17 | 2021-09-02 | オムロン株式会社 | 画像検査装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7653235B2 (en) * | 2005-10-27 | 2010-01-26 | Honeywell International Inc. | Surface anomaly detection system and method |
DE102017121490A1 (de) | 2017-09-15 | 2019-03-21 | Yxlon International Gmbh | Verfahren zum Charakterisieren von Materialien mit Einschlüssen |
DE102018206737A1 (de) | 2018-05-02 | 2019-11-07 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Kalibrierung eines Systems zur Erkennung von Eindringversuchen in einem Rechnernetzwerk |
SE1930421A1 (en) | 2019-12-30 | 2021-07-01 | Unibap Ab | Method and means for detection of imperfections in products |
-
2022
- 2022-04-12 DE DE102022108979.7A patent/DE102022108979A1/de active Pending
-
2023
- 2023-04-04 JP JP2023060801A patent/JP7463592B2/ja active Active
- 2023-04-04 EP EP23166616.5A patent/EP4287116A3/de active Pending
- 2023-04-08 US US18/132,372 patent/US20230334652A1/en active Pending
- 2023-04-11 CN CN202310382685.XA patent/CN116912525A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060115143A1 (en) | 2004-11-29 | 2006-06-01 | Ditza Auerbach | Method for filtering nuisance defects |
JP2010529810A (ja) | 2007-06-14 | 2010-08-26 | トムソン ライセンシング | 所望される偽確率が与えられたときに検出閾値を設定するための方法および装置 |
JP2011013007A (ja) | 2009-06-30 | 2011-01-20 | Kobe Steel Ltd | 磁粉探傷装置 |
JP2012068026A (ja) | 2010-09-21 | 2012-04-05 | Toshiba Corp | 錠剤包装検査装置、錠剤包装検査プログラム、錠剤包装検査方法 |
JP2021128130A (ja) | 2020-02-17 | 2021-09-02 | オムロン株式会社 | 画像検査装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116912525A (zh) | 2023-10-20 |
DE102022108979A1 (de) | 2023-10-12 |
EP4287116A2 (de) | 2023-12-06 |
JP2023156241A (ja) | 2023-10-24 |
EP4287116A3 (de) | 2024-01-24 |
US20230334652A1 (en) | 2023-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8775101B2 (en) | Detecting defects on a wafer | |
KR102203112B1 (ko) | 표준 기준 이미지로부터 결정된 속성에 기초한 결함 검출 및 분류 | |
JP4317566B2 (ja) | X線検査装置およびx線検査装置の画像処理手順の生成方法 | |
KR101674698B1 (ko) | 웨이퍼 상의 결함들 검출 | |
EP1279923A2 (en) | Method and apparatus for circuit pattern inspection | |
US20150324964A1 (en) | Inspection Recipe Setup from Reference Image Variation | |
JP2019211288A (ja) | 食品検査システムおよびプログラム | |
JP2021196711A (ja) | 情報処理装置、判定方法、および情報処理プログラム | |
CN109074644B (zh) | 用于使用局部自适应阈值识别制造组件缺陷的系统、方法及计算机程序产品 | |
JP4250931B2 (ja) | 外観検査装置および外観検査方法 | |
JP2016156647A (ja) | 電磁波を使用した検査装置 | |
JP7463592B2 (ja) | 製品の二次元のデジタル画像で異常を検出する方法および装置 | |
JP2015129751A (ja) | 検査方法及びその装置 | |
JP2005031069A (ja) | X線検査装置 | |
JP2800726B2 (ja) | 織布の検反装置 | |
KR20220111214A (ko) | 인공지능 기반 제품 결함 검사 방법, 장치 및 컴퓨터 프로그램 | |
CN115420763A (zh) | 罐体异物检测的数据库建立方法 | |
JP2009229100A (ja) | 食品用x線異物検査装置およびその方法 | |
CN117120951A (zh) | 生产线的异常预兆检测装置、方法及程序以及制造装置及检点装置 | |
CN118297933A (en) | Method and apparatus for detecting anomalies in two-dimensional digital images of products | |
WO2018168668A1 (ja) | X線検査装置 | |
JPWO2017159855A1 (ja) | X線検査装置 | |
Fleßner et al. | Analyzing image data to detect a CT system’s error state and identify the corresponding root cause | |
JP2022140081A (ja) | 検査システム、検査管理装置、検査方法、及びプログラム | |
JP2011021920A (ja) | X線検査装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230404 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240229 |
|
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: 20240308 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240327 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7463592 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |