JPH05332754A - 検査装置の検査方法 - Google Patents
検査装置の検査方法Info
- Publication number
- JPH05332754A JPH05332754A JP4165485A JP16548592A JPH05332754A JP H05332754 A JPH05332754 A JP H05332754A JP 4165485 A JP4165485 A JP 4165485A JP 16548592 A JP16548592 A JP 16548592A JP H05332754 A JPH05332754 A JP H05332754A
- Authority
- JP
- Japan
- Prior art keywords
- inspection
- quasi
- product
- abnormal
- normal
- 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
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】 画像処理装置を有する検査装置による検査方
法において、検査基準値の変更に必要な解析データを自
動的に収集する手段を提供し、そのデータを基に必要に
応じて検査基準値の変更ができるような検査装置の検査
方法を提供。 【構成】 検査基準値を正常品、異常に近い正常品であ
る準正常品、正常に近い異常品である準異常品、および
異常品に分類してそれぞれ設定し、そして検査を実施
し、画像処理装置に前記準正常品及び準異常品について
の検査データを全て記憶させ、そして準正常品及び準異
常品に対して別の検査方法により再度検査を行い準正常
品が異常と判断された場合および／又は準異常品が正常
と判断されたとき、判断された準正常品および／又は準
異常品の検査データに基づいて前記検査基準値を修正す
ることにより、時間と共に変化する実質的な検査基準値
を自動的に修正する検査装置の検査方法。
法において、検査基準値の変更に必要な解析データを自
動的に収集する手段を提供し、そのデータを基に必要に
応じて検査基準値の変更ができるような検査装置の検査
方法を提供。 【構成】 検査基準値を正常品、異常に近い正常品であ
る準正常品、正常に近い異常品である準異常品、および
異常品に分類してそれぞれ設定し、そして検査を実施
し、画像処理装置に前記準正常品及び準異常品について
の検査データを全て記憶させ、そして準正常品及び準異
常品に対して別の検査方法により再度検査を行い準正常
品が異常と判断された場合および／又は準異常品が正常
と判断されたとき、判断された準正常品および／又は準
異常品の検査データに基づいて前記検査基準値を修正す
ることにより、時間と共に変化する実質的な検査基準値
を自動的に修正する検査装置の検査方法。
Description
【０００１】
【産業上の利用分野】本発明は、画像処理装置を有する
検査装置による検査方法に関し、特に時間と共に実質的
な検査基準値が変化する場合の検査基準値の変更ができ
るような検査装置の検査方法に関する。
検査装置による検査方法に関し、特に時間と共に実質的
な検査基準値が変化する場合の検査基準値の変更ができ
るような検査装置の検査方法に関する。
【０００２】
【従来の技術】製造業においては、加工、組立の自動化
はかなり進んでいるが、検査工程の自動化は思うように
進んでいないのが現状である。特に製品の品質を確保す
る上では最終工程における外観検査が重要であるが、自
動化が最も遅れている工程であるとされている。外観検
査の自動化が遅れている原因は、検査の基本が検査員の
目視などによる官能検査が主体であるため、検査基準値
が明確な数値で表されないことによる。さらに、検査基
準も生き物で、時と共に若干変動することも自動化を妨
げている原因とされている。
はかなり進んでいるが、検査工程の自動化は思うように
進んでいないのが現状である。特に製品の品質を確保す
る上では最終工程における外観検査が重要であるが、自
動化が最も遅れている工程であるとされている。外観検
査の自動化が遅れている原因は、検査の基本が検査員の
目視などによる官能検査が主体であるため、検査基準値
が明確な数値で表されないことによる。さらに、検査基
準も生き物で、時と共に若干変動することも自動化を妨
げている原因とされている。
【０００３】例えば、検査の代表例として、画像処理装
置を有する検査装置を使用しカメラで対象物を撮影し、
その画像に対して画像処理を行い、傷検査などの外観検
査を行う場合を考えると、どのようなものを傷として扱
うかが検査の第一歩となる。大きさ、形状、方向などが
傷を定義する基準となるが、個々の独立した基準に基づ
く傷もあれば、これらの相互関係で決まる傷もある。
「大きさ（面積）が１００画素以上で形状が丸い場合、
または細長い場合はその方向が上下方向にあるものは傷
である」というような表現となり、画像処理で傷を定義
する場合は、複数の画像特徴量を計測し、各特徴量を総
合的に判断した結果をもとに、傷の判定を行う。
置を有する検査装置を使用しカメラで対象物を撮影し、
その画像に対して画像処理を行い、傷検査などの外観検
査を行う場合を考えると、どのようなものを傷として扱
うかが検査の第一歩となる。大きさ、形状、方向などが
傷を定義する基準となるが、個々の独立した基準に基づ
く傷もあれば、これらの相互関係で決まる傷もある。
「大きさ（面積）が１００画素以上で形状が丸い場合、
または細長い場合はその方向が上下方向にあるものは傷
である」というような表現となり、画像処理で傷を定義
する場合は、複数の画像特徴量を計測し、各特徴量を総
合的に判断した結果をもとに、傷の判定を行う。
【０００４】
【発明が解決しようとする課題】上記方法は、画像特徴
量を豊富に持った画像処理装置を用いれば、実現するこ
とができるが、この場合の問題点は、検査基準が変化し
た場合は各特徴量の判断基準を再度見直さなければなら
ないため、その都度専門のオペレータが基準値の変更を
行わなければならない。変化の内容によっては画像処理
の専門家を必要とする場合も発生する。この問題を解決
する手段として、検査した対象物毎に解析データを記録
しておき、その統計量を計算し、検査基準値を自動的に
変更できる機能を提供した外観検査装置などが提案され
ており、その詳細な内容については特開願平３─２８０
１６７号公報に記載されている。
量を豊富に持った画像処理装置を用いれば、実現するこ
とができるが、この場合の問題点は、検査基準が変化し
た場合は各特徴量の判断基準を再度見直さなければなら
ないため、その都度専門のオペレータが基準値の変更を
行わなければならない。変化の内容によっては画像処理
の専門家を必要とする場合も発生する。この問題を解決
する手段として、検査した対象物毎に解析データを記録
しておき、その統計量を計算し、検査基準値を自動的に
変更できる機能を提供した外観検査装置などが提案され
ており、その詳細な内容については特開願平３─２８０
１６７号公報に記載されている。
【０００５】しかし、検査基準値の変更は自動検査装置
が検査ミスを起こしたときや検査基準値を変更するとき
のみに行うべきもので、しかも変更に使用するデータは
ミス発生時のデータや基準値変更時に使用する検査試料
に関するデータを使用するべきものである。従って、過
去の検査データの統計量だけでは不十分であった。本発
明の課題は、画像処理装置を有する検査装置による検査
方法において、検査基準値の変更に必要な解析データを
自動的に収集する手段を提供し、そのデータを基に必要
に応じて検査基準値の変更ができるような検査装置の検
査方法を提供することにある。
が検査ミスを起こしたときや検査基準値を変更するとき
のみに行うべきもので、しかも変更に使用するデータは
ミス発生時のデータや基準値変更時に使用する検査試料
に関するデータを使用するべきものである。従って、過
去の検査データの統計量だけでは不十分であった。本発
明の課題は、画像処理装置を有する検査装置による検査
方法において、検査基準値の変更に必要な解析データを
自動的に収集する手段を提供し、そのデータを基に必要
に応じて検査基準値の変更ができるような検査装置の検
査方法を提供することにある。
【０００６】
【課題を解決するための手段】このため本発明は、特許
請求の範囲記載の検査装置の検査方法を提供することに
よって上述した従来技術の課題を解決した。
請求の範囲記載の検査装置の検査方法を提供することに
よって上述した従来技術の課題を解決した。
【０００７】
【実施例】以下、図面を用いながら本発明を詳細に説明
する。実施例として、画像処理装置を有する検査装置に
おいて、カメラが撮影した画面から図１に示すの様な傷
を検査する条件を考える。即ち、撮影した画面内におい
て、垂直方向に引っかかれたような傷を検査するものと
し、解析項目として、傷の大きさ、傷の方向、傷の長さ
を考え、また説明を容易にするために、各解析項目間の
相互作用はないものとし、図２のの例のような検査基準
値を使用して、次の条件を満足する場合に、傷と判定さ
れ、検査不合格品とするものとする。 「傷の大きさ即ち面積がＳ以上で、 かつその傷の長手方向の方向が垂直方向から左右θ以
内であり、 更にその傷の長手方向の長さがｌ以上のもの」
する。実施例として、画像処理装置を有する検査装置に
おいて、カメラが撮影した画面から図１に示すの様な傷
を検査する条件を考える。即ち、撮影した画面内におい
て、垂直方向に引っかかれたような傷を検査するものと
し、解析項目として、傷の大きさ、傷の方向、傷の長さ
を考え、また説明を容易にするために、各解析項目間の
相互作用はないものとし、図２のの例のような検査基準
値を使用して、次の条件を満足する場合に、傷と判定さ
れ、検査不合格品とするものとする。 「傷の大きさ即ち面積がＳ以上で、 かつその傷の長手方向の方向が垂直方向から左右θ以
内であり、 更にその傷の長手方向の長さがｌ以上のもの」
【０００８】この条件を具体的に画像処理の観点から条
件を見ると、の条件は画像特徴量の面積と呼ばれる計
算量を使用する。の条件は慣性主軸を計算すれば傷と
思われる部分の長手方向の角度が得られる。更にの条
件は慣性主軸方向の外接長方形を仮定し、その主軸に平
行な辺の長さを計算すれば良い。傷の定義の検査基準の
パラメータを図解した説明図を図３に示す。さて、以上
説明した画像処理による傷の抽出方法を用いれば図２に
示す条件で傷かどうかの判定を行えるが、「傷らしい」
という表現はできない。例えば、面積はＳより大きいが
方向がわずかにθより小さい場合に結果として傷とは判
定されないが、本当に傷でないかといわれると疑問が残
る。この様な疑問は本来人間が検査する場合の判定基準
が曖昧であるがために起こる疑問である。
件を見ると、の条件は画像特徴量の面積と呼ばれる計
算量を使用する。の条件は慣性主軸を計算すれば傷と
思われる部分の長手方向の角度が得られる。更にの条
件は慣性主軸方向の外接長方形を仮定し、その主軸に平
行な辺の長さを計算すれば良い。傷の定義の検査基準の
パラメータを図解した説明図を図３に示す。さて、以上
説明した画像処理による傷の抽出方法を用いれば図２に
示す条件で傷かどうかの判定を行えるが、「傷らしい」
という表現はできない。例えば、面積はＳより大きいが
方向がわずかにθより小さい場合に結果として傷とは判
定されないが、本当に傷でないかといわれると疑問が残
る。この様な疑問は本来人間が検査する場合の判定基準
が曖昧であるがために起こる疑問である。
【０００９】本発明では、この問題を解決するために、
判定結果に「疑問」の領域を設けた。更に、「疑問」の
領域を、「正常品と判断されるが、異常品かもしれない
準正常品」と「異常品と判断されるが、正常品かも知れ
ない準異常品」の２つの領域に分類して検査基準値をそ
れぞれ設定する。図４に傷の大きさ即ち面積がＳを例に
取って、今説明したそれぞれの領域の検査基準値の概念
図を示す。さらに図５に、前出の例における検査基準値
の範囲を示す。 次に、今示した２つの準正常品、準異
常品と判断された検査物について、全ての検査結果デー
タ、この場合は大きさＳ、方向θ、長さｌ、を記憶し、
更にこの判定が行われた検査物に対しては全数、または
抜き取りで、実際の判定を人間に行わせる。
判定結果に「疑問」の領域を設けた。更に、「疑問」の
領域を、「正常品と判断されるが、異常品かもしれない
準正常品」と「異常品と判断されるが、正常品かも知れ
ない準異常品」の２つの領域に分類して検査基準値をそ
れぞれ設定する。図４に傷の大きさ即ち面積がＳを例に
取って、今説明したそれぞれの領域の検査基準値の概念
図を示す。さらに図５に、前出の例における検査基準値
の範囲を示す。 次に、今示した２つの準正常品、準異
常品と判断された検査物について、全ての検査結果デー
タ、この場合は大きさＳ、方向θ、長さｌ、を記憶し、
更にこの判定が行われた検査物に対しては全数、または
抜き取りで、実際の判定を人間に行わせる。
【００１０】その結果がもし検査装置の判定結果と異な
る場合のみ、判定基準の見直しを図る。この結果、判定
基準が変化した場合は、検査装置の判定基準もこれに合
わせて変更することができる。判定基準の変更方法につ
いての具体的な例を示すと、例えば準正常品を検査した
結果、異常品と判断された検査物が多数発見されたとす
る。原因が傷の大きさとすると、検査装置の傷の大きさ
の判定基準が不適切であることになる。従って、異常品
と判断された検査物の傷の面積の計測結果から面積に関
する傷の判定基準値を修正する。例えば、異常と判断さ
れた検査物の傷の面積の最小値を新たな検査基準値とし
て修正する。
る場合のみ、判定基準の見直しを図る。この結果、判定
基準が変化した場合は、検査装置の判定基準もこれに合
わせて変更することができる。判定基準の変更方法につ
いての具体的な例を示すと、例えば準正常品を検査した
結果、異常品と判断された検査物が多数発見されたとす
る。原因が傷の大きさとすると、検査装置の傷の大きさ
の判定基準が不適切であることになる。従って、異常品
と判断された検査物の傷の面積の計測結果から面積に関
する傷の判定基準値を修正する。例えば、異常と判断さ
れた検査物の傷の面積の最小値を新たな検査基準値とし
て修正する。
【００１１】以上説明した検査基準値の変更方法を、ニ
ューラルネットワークを適用すると自動検査装置として
非常に大きな効果が期待できる。以下ニューラルネット
ワークを用いた本発明の検査装置の検査方法の実施例を
説明する。図６は画像処理装置１４に接続されかつ教示
装置１８を有するニューラルネットワーク１６を用いた
検査方法の概略構成を示すブロック図である。検査装置
は画像処理装置１６に一体化されている。検査対象は図
１で示した傷を画像処理装置により検査しようとするも
のである。画像処理装置１４は検査物１１の表面の画像
を撮影し、その画像から画像の特徴、例えば、図１の黒
い領域の画像特徴量を出力する。この例では、黒い部分
の大きさＳ、方向θ、長さｌの計算結果を出力する。
ューラルネットワークを適用すると自動検査装置として
非常に大きな効果が期待できる。以下ニューラルネット
ワークを用いた本発明の検査装置の検査方法の実施例を
説明する。図６は画像処理装置１４に接続されかつ教示
装置１８を有するニューラルネットワーク１６を用いた
検査方法の概略構成を示すブロック図である。検査装置
は画像処理装置１６に一体化されている。検査対象は図
１で示した傷を画像処理装置により検査しようとするも
のである。画像処理装置１４は検査物１１の表面の画像
を撮影し、その画像から画像の特徴、例えば、図１の黒
い領域の画像特徴量を出力する。この例では、黒い部分
の大きさＳ、方向θ、長さｌの計算結果を出力する。
【００１２】ニューラルネットワーク１６では画像処理
装置１４から得られた上記画像特徴量を入力として、図
５の検査基準値の範囲に基づき前記判定結果である、正
常品、異常品、準正常品、準異常品、の判定を行い、結
果を出力する。一方、教示装置１８は、ニューラルネッ
トワーク１６の動作状態を制御するようにされている。
通常はニューラルネットワーク１６を判定モードとし
て、この場合は大きさＳ、方向θ、長さｌの３種類の入
力信号の値により、正常品、異常品、準正常品、準異常
品の４種類の判定結果を出力する。
装置１４から得られた上記画像特徴量を入力として、図
５の検査基準値の範囲に基づき前記判定結果である、正
常品、異常品、準正常品、準異常品、の判定を行い、結
果を出力する。一方、教示装置１８は、ニューラルネッ
トワーク１６の動作状態を制御するようにされている。
通常はニューラルネットワーク１６を判定モードとし
て、この場合は大きさＳ、方向θ、長さｌの３種類の入
力信号の値により、正常品、異常品、準正常品、準異常
品の４種類の判定結果を出力する。
【００１３】しかし、立ちあがり時の判定基準を設定す
るときや、後に述べる前記判定基準を修正するときは、
ニューラルネットワーク１６を教示モードにする。教示
モードでは、ある入力条件で判定結果が判っている場合
に、その条件をニューラルネットワーク１６に教えるこ
とができる。 そこで、判定モードにおいて、判定結果
が準正常品、準異常品の場合には、先に説明したよう
に、再検査の対象になる。この例では、検査員がその検
査物を再度検査するが、その結果がニューラルネットワ
ーク１６が判定した結果と異なるときは、検査員がその
ことを教示装置１８に入力する。そこで教示装置１８が
一度ニューラルネットワーク１６を教示モードに変更す
る。
るときや、後に述べる前記判定基準を修正するときは、
ニューラルネットワーク１６を教示モードにする。教示
モードでは、ある入力条件で判定結果が判っている場合
に、その条件をニューラルネットワーク１６に教えるこ
とができる。 そこで、判定モードにおいて、判定結果
が準正常品、準異常品の場合には、先に説明したよう
に、再検査の対象になる。この例では、検査員がその検
査物を再度検査するが、その結果がニューラルネットワ
ーク１６が判定した結果と異なるときは、検査員がその
ことを教示装置１８に入力する。そこで教示装置１８が
一度ニューラルネットワーク１６を教示モードに変更す
る。
【００１４】ニューラルネットワーク１６において、先
に検査した検査物の同じ検査条件で出力が検査員の判定
結果となるようにニューラルネットワーク１６の内部パ
ラメータを変更する。内部パラメータの変更は通常のニ
ューラルネットワーク１６では自動的に実行できる。教
示装置１８はニューラルネットワーク１６が内部パラメ
ータの変更を完了した時点で、再び判定モードに変更
し、次の検査物の検査に移る。この様に本発明をニュー
ラルネットワークを用いた画像処理装置に応用すれば、
検査の自動化が図れるだけでなく、検査基準の変動に追
従した検査や同様の誤判定の再発防止に歯止めを掛ける
ことが可能となった。
に検査した検査物の同じ検査条件で出力が検査員の判定
結果となるようにニューラルネットワーク１６の内部パ
ラメータを変更する。内部パラメータの変更は通常のニ
ューラルネットワーク１６では自動的に実行できる。教
示装置１８はニューラルネットワーク１６が内部パラメ
ータの変更を完了した時点で、再び判定モードに変更
し、次の検査物の検査に移る。この様に本発明をニュー
ラルネットワークを用いた画像処理装置に応用すれば、
検査の自動化が図れるだけでなく、検査基準の変動に追
従した検査や同様の誤判定の再発防止に歯止めを掛ける
ことが可能となった。
【００１５】
【発明の効果】本発明が効果的に運用できるのは、新た
に自動外観検査装置を導入する場合である。導入直後
は、最適な検査基準値を設けにくいのが実状である。検
査員が異常品と判断した検査物のデータから検査基準値
を設定する方法が採られるが、最適な検査基準値が最初
から得られる可能性は非常に少ない。そこで、本発明を
利用する。即ち、仮の検査基準値を設定した後、準正常
品、準異常品の範囲を広く採りながら実際の運用を開始
する。そして、検査基準値の修正を順に行い、さらに準
正常品、準異常品の範囲を次第に小さくしていく。修正
を重ねる毎に検査基準値は最適な値に近づき、最終的に
は目標とする検査基準値が得られるものとなった。
に自動外観検査装置を導入する場合である。導入直後
は、最適な検査基準値を設けにくいのが実状である。検
査員が異常品と判断した検査物のデータから検査基準値
を設定する方法が採られるが、最適な検査基準値が最初
から得られる可能性は非常に少ない。そこで、本発明を
利用する。即ち、仮の検査基準値を設定した後、準正常
品、準異常品の範囲を広く採りながら実際の運用を開始
する。そして、検査基準値の修正を順に行い、さらに準
正常品、準異常品の範囲を次第に小さくしていく。修正
を重ねる毎に検査基準値は最適な値に近づき、最終的に
は目標とする検査基準値が得られるものとなった。
【００１６】本発明の特徴は、時間と共に判定基準の変
化がある場合は、これにつれて検査装置の判定基準値を
変更できることにある。特に、判定基準値は緩やかに変
化する特徴があり、「疑問」と判定されたデータのみ対
象として検査データを蓄積し、さらに人間による再検査
もこの範囲に限定できるため、データの蓄積量も少な
く、また再検査量も少ないため、効果的に検査基準値の
変更ができるものとなった。
化がある場合は、これにつれて検査装置の判定基準値を
変更できることにある。特に、判定基準値は緩やかに変
化する特徴があり、「疑問」と判定されたデータのみ対
象として検査データを蓄積し、さらに人間による再検査
もこの範囲に限定できるため、データの蓄積量も少な
く、また再検査量も少ないため、効果的に検査基準値の
変更ができるものとなった。
【図１】本発明の検査装置の検査方法の実施例で定義す
る傷の概念を表したカメラが撮影した画面の説明図。
る傷の概念を表したカメラが撮影した画面の説明図。
【図２】図１の傷を定義する検査基準の一例を示すテー
ブル。
ブル。
【図３】図２の傷の定義の検査基準のパラメータを図解
した説明図。
した説明図。
【図４】本発明による正常品、準正常品、準異常品、準
異常品、異常品の検査基準値の領域を、傷の大きさのみ
に適用して図式化した説明図。
異常品、異常品の検査基準値の領域を、傷の大きさのみ
に適用して図式化した説明図。
【図５】図２で示す３種類の画像特徴量の検査基準値と
しての一例を表したテーブル。
しての一例を表したテーブル。
【図６】本発明をニューラルネットワークを用いた画像
処理装置に応用した実施例の構成を示すブロック図。
処理装置に応用した実施例の構成を示すブロック図。
１４．．画像処理装置 １６．．ニューラルネットワーク １８．．教示装置
Claims (2)
- 【請求項１】 画像処理装置を有する検査装置による検
査方法において、検査基準値を正常品、異常に近い正常
品である準正常品、正常に近い異常品である準異常品、
および異常品に分類してそれぞれ設定し、そして検査を
実施し、前記画像処理装置に前記準正常品及び準異常品
についての検査データを全て記憶させ、そして前記準正
常品及び準異常品に対して別の検査方法により再度検査
を行い、もし前記別の検査方法によって準正常品が異常
と判断された場合および／又は準異常品が正常と判断さ
れたとき、判断された準正常品および／又は準異常品の
検査データに基づいて前記画像処理装置に接続された検
査基準値修正装置を使用して前記検査基準値を修正する
ことにより、時間と共に変化する実質的な検査基準値を
自動的に修正することを特徴とする検査装置の検査方
法。 - 【請求項２】 請求項１記載の検査方法において、前記
検査基準値修正装置は前記画像処理装置に接続されかつ
教示装置を有するニューラルネットワークを含み、前記
別の検査方法によって準正常品が異常と判断された場合
および／又は準異常品が正常と判断されたとき、このこ
とを前記教示装置に入力し前記教示装置は前記ニューラ
ルネットワークを教示モードにしてから、前記ニューラ
ルネットワークにおいて、前記判断された準正常品およ
び／又は準異常品が同じ検査条件で出力が前記準正常品
が異常と判断されおよび／又は準異常品が正常と判断さ
れる判定結果となるようにニューラルネットワークの内
部パラメータを変更し、さらに前記教示装置を再び判定
モードに変更し、次の検査物の検査に移ることを特徴と
する検査装置の検査方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP04165485A JP3140177B2 (ja) | 1992-06-02 | 1992-06-02 | 検査装置の検査方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP04165485A JP3140177B2 (ja) | 1992-06-02 | 1992-06-02 | 検査装置の検査方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05332754A true JPH05332754A (ja) | 1993-12-14 |
| JP3140177B2 JP3140177B2 (ja) | 2001-03-05 |
Family
ID=15813303
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP04165485A Expired - Fee Related JP3140177B2 (ja) | 1992-06-02 | 1992-06-02 | 検査装置の検査方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3140177B2 (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1186282A (ja) * | 1997-06-25 | 1999-03-30 | Hitachi Electron Eng Co Ltd | 磁気ディスク欠陥検査方法および磁気ディスク欠陥検査装置 |
| US7634131B2 (en) | 2003-06-06 | 2009-12-15 | Omron Corporation | Image recognition apparatus and image recognition method, and teaching apparatus and teaching method of the image recognition apparatus |
| JP2015137919A (ja) * | 2014-01-22 | 2015-07-30 | 大日本印刷株式会社 | 外観検査装置、外観検査方法、及び、プログラム |
| JP2015200595A (ja) * | 2014-04-09 | 2015-11-12 | Ckd株式会社 | 検査装置及びｐｔｐ包装機 |
| CN108734386A (zh) * | 2017-04-20 | 2018-11-02 | 发那科株式会社 | 加工面质量评价装置 |
| JP2020181333A (ja) * | 2019-04-24 | 2020-11-05 | 大日本印刷株式会社 | 生成方法、プログラム、生成装置、出力装置及び送信装置 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3135320A1 (en) * | 2019-03-29 | 2020-10-08 | Musashi Ai Limited | Inspection device and inspection method |
-
1992
- 1992-06-02 JP JP04165485A patent/JP3140177B2/ja not_active Expired - Fee Related
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1186282A (ja) * | 1997-06-25 | 1999-03-30 | Hitachi Electron Eng Co Ltd | 磁気ディスク欠陥検査方法および磁気ディスク欠陥検査装置 |
| US7634131B2 (en) | 2003-06-06 | 2009-12-15 | Omron Corporation | Image recognition apparatus and image recognition method, and teaching apparatus and teaching method of the image recognition apparatus |
| JP2015137919A (ja) * | 2014-01-22 | 2015-07-30 | 大日本印刷株式会社 | 外観検査装置、外観検査方法、及び、プログラム |
| JP2015200595A (ja) * | 2014-04-09 | 2015-11-12 | Ckd株式会社 | 検査装置及びｐｔｐ包装機 |
| CN108734386A (zh) * | 2017-04-20 | 2018-11-02 | 发那科株式会社 | 加工面质量评价装置 |
| JP2018181218A (ja) * | 2017-04-20 | 2018-11-15 | ファナック株式会社 | 加工面品位評価装置 |
| JP2020181333A (ja) * | 2019-04-24 | 2020-11-05 | 大日本印刷株式会社 | 生成方法、プログラム、生成装置、出力装置及び送信装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3140177B2 (ja) | 2001-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Elster | Detection of cracks in eggs using machine vision | |
| Sarkar et al. | Feature extraction techniques for sorting tomatoes by computer vision | |
| US5046111A (en) | Methods and apparatus for optically determining the acceptability of products | |
| US4759074A (en) | Method for automatically inspecting parts utilizing machine vision and system utilizing same | |
| CA2061865C (en) | Methods and apparatus for optically determining the acceptability of products | |
| US5335293A (en) | Product inspection method and apparatus | |
| JPH0411073B2 (ja) | ||
| US5208870A (en) | Image inspection methods and apparatus | |
| US6556291B2 (en) | Defect inspection method and defect inspection apparatus | |
| US5115475A (en) | Automatic semiconductor package inspection method | |
| JPH05332754A (ja) | 検査装置の検査方法 | |
| JPH0736004B2 (ja) | 検査方法及び装置 | |
| CA2317803A1 (en) | Method for inspecting inferiority in shape | |
| Sun et al. | A novel method for multi-feature grading of mango using machine vision | |
| JP7248316B2 (ja) | 豆腐類検査装置、豆腐類製造システム、豆腐類の検査方法、およびプログラム | |
| Menon et al. | Digital grading and sorting of fruits | |
| Finney et al. | Inspection of ceramic tableware for quality control using a neural network vision system | |
| JPH04364449A (ja) | 果実の欠陥検出装置 | |
| JPH10318937A (ja) | 光学的むら検査装置および光学的むら検査方法 | |
| Devasena et al. | AI-Based Quality Inspection of Industrial Products | |
| JPH07286836A (ja) | 成形品検査方法及び成形制御方法 | |
| JPS63196980A (ja) | プリント基板の半田付外観検査装置 | |
| JPS6385432A (ja) | 線状欠陥の検査方法 | |
| JPH052634A (ja) | 視覚認識装置 | |
| Szlavik et al. | Visual inspection of metal objects by using cellular neural networks |
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: 20001205 |
|
| LAPS | Cancellation because of no payment of annual fees |