JPWO2021092297A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2021092297A5 JPWO2021092297A5 JP2022524988A JP2022524988A JPWO2021092297A5 JP WO2021092297 A5 JPWO2021092297 A5 JP WO2021092297A5 JP 2022524988 A JP2022524988 A JP 2022524988A JP 2022524988 A JP2022524988 A JP 2022524988A JP WO2021092297 A5 JPWO2021092297 A5 JP WO2021092297A5
- Authority
- JP
- Japan
- Prior art keywords
- container
- images
- sample
- stopper
- line scan
- 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
Claims (15)
- 容器の自動目視検査における精度及び効率を高めるための方法であって、
サンプルを含有する容器を、ラインスキャンカメラが前記容器のストッパのエッジのプロファイル画像を得るように、方向付けることと、
前記容器をスピンさせることと、
前記容器をスピンさせながら、前記ラインスキャンカメラにより、前記ストッパの前記エッジの複数の画像をキャプチャすることであって、前記複数の画像の各画像は、前記容器の異なる回転位置に対応する、ことと、
1つ以上のプロセッサにより、少なくとも前記複数の画像に基づいて、前記ストッパの前記エッジの2次元画像を生成することと、
訓練されたニューラルネットワークを含む推論モデルを実行する1つ以上のプロセッサにより、前記2次元画像のピクセルを処理して、(1)前記サンプルが欠陥を含む尤度、および(2)前記サンプルが受理可能であるかどうか、のうちの少なくとも1つを示す出力データを生成することと、
を含む方法。 - 1つ以上のプロセッサにより、前記出力データに基づいて、前記容器が、指定された拒否エリアに選択的に搬送されるようにすること、を更に含む、請求項1に記載の方法。
- 前記出力データは、前記サンプルが特定のタイプの1つ以上の物体を含むか否かを示す、請求項1に記載の方法。
- 前記訓練されたニューラルネットワークは、前記サンプル中のガス充填気泡と粒子とを判別するように構成されている、請求項3に記載の方法。
- 前記2次元画像の前記ピクセルを処理することは、異なるピクセルに関連する強度値、又は前記強度値から導出された他の値を、前記訓練されたニューラルネットワークの入力層の異なるノードに適用することを含む、請求項1に記載の方法。
- 前記容器がシリンジであり、前記ストッパがプランジャであり、前記ストッパの前記エッジが前記サンプルに接触するプランジャドームのエッジである、請求項1に記載の方法。
- 前記容器を方向付けることは、電動回転テーブル又はスターホイールを使用して前記容器を搬送することを含む、請求項1に記載の方法。
- 前記容器を方向付けることは、前記ストッパが前記サンプルの下になるように前記容器を反転させることを含む、請求項1に記載の方法。
- 前記容器をスピンさせることは、前記容器を前記容器の中心軸を中心として少なくとも360度回転させることを含む、請求項1に記載の方法。
- 前記ラインスキャンカメラが第1のラインスキャンカメラであり、前記複数の画像が第1の複数の画像であり、前記容器が第1の容器であり、前記2次元画像が第1の2次元画像であり、前記方法は、
前記第1の容器を方向付けている間に、第2の容器も方向付けて、第2のラインスキャンカメラが前記第2の容器のストッパのエッジのプロファイル画像を得るようにすることと、
前記第1の容器をスピンさせながら、前記第2の容器をスピンさせることと、
前記第1の複数の画像をキャプチャしている間に、前記第2の容器をスピンさせている間に、前記第2のラインスキャンカメラにより、前記第2の容器の前記ストッパの前記エッジの第2の複数の画像をキャプチャすることであって、前記第2の複数の画像の各画像は、前記第2の容器の異なる回転位置に対応する、ことと、
少なくとも前記第2の複数の画像に基づいて第2の2次元画像を生成することと、
を更に含む、請求項1に記載の方法。 - 前記2次元画像の前記ピクセルを処理する前に、容器のストッパエッジのラベル付けされた2次元画像を使用して、前記ニューラルネットワークを訓練することを更に含む、請求項1に記載の方法。
- 物体の異なるタイプ、数、サイズ、及び位置を含むサンプルを含有する容器のラベル付けされた2次元画像を使用して、前記ニューラルネットワークを訓練することを含む、請求項11に記載の方法。
- 自動目視検査システムであって、
ラインスキャンカメラと、
サンプルを含有する容器を方向付けて、前記ラインスキャンカメラが前記容器のストッパのエッジのプロファイル画像を得るようにし、そのように方向付けられている間に、前記容器をスピンさせるように構成された、サンプル位置決めハードウェアと、
命令を記憶するメモリであって、前記命令は、1つ以上のプロセッサにより実行されると、前記1つ以上のプロセッサに、請求項1~6、8、9、11または12のいずれか一項に記載の方法を実行させる、メモリと、
を備える、自動目視検査システム。 - 前記サンプル位置決めハードウェアは、電動回転テーブル又はスターホイールを含み、少なくとも、前記電動回転テーブル又は前記スターホイールを使用して前記容器を搬送することにより前記容器を方向付ける、請求項13に記載の自動目視検査システム。
- 前記ラインスキャンカメラが第1のラインスキャンカメラであり、前記複数の画像が第1の複数の画像であり、前記容器が第1の容器であり、前記サンプル位置決めハードウェアが第1のサンプル位置決めハードウェアであり、前記2次元画像が第1の2次元画像であり、前記出力データが第1の出力データであり、
前記自動目視検査システムは、第2のラインスキャンカメラと、第2のサンプルを含有する第2の容器を方向付けて、前記第2のラインスキャンカメラが前記第2の容器のストッパのエッジのプロファイル画像を得るようにし、そのように方向付けられている間に、前記第2の容器をスピンさせるように構成された、第2のサンプル位置決めハードウェアとを更に備え、
前記命令は、前記1つ以上のプロセッサに、請求項10に記載の方法を実行させる、請求項13に記載の自動目視検査システム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962932413P | 2019-11-07 | 2019-11-07 | |
US62/932,413 | 2019-11-07 | ||
US201962949667P | 2019-12-18 | 2019-12-18 | |
US62/949,667 | 2019-12-18 | ||
PCT/US2020/059293 WO2021092297A1 (en) | 2019-11-07 | 2020-11-06 | Targeted application of deep learning to automated visual inspection equipment |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022553572A JP2022553572A (ja) | 2022-12-23 |
JPWO2021092297A5 true JPWO2021092297A5 (ja) | 2023-11-02 |
Family
ID=73654910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022524988A Pending JP2022553572A (ja) | 2019-11-07 | 2020-11-06 | 自動目視検査機器への深層学習のターゲット化された適用 |
Country Status (12)
Country | Link |
---|---|
US (1) | US20220398715A1 (ja) |
EP (1) | EP4055559A1 (ja) |
JP (1) | JP2022553572A (ja) |
KR (1) | KR20220090513A (ja) |
CN (1) | CN114631125A (ja) |
AU (1) | AU2020378062A1 (ja) |
BR (1) | BR112022008676A2 (ja) |
CA (1) | CA3153701A1 (ja) |
CL (1) | CL2022001166A1 (ja) |
IL (1) | IL291773A (ja) |
MX (1) | MX2022005355A (ja) |
WO (1) | WO2021092297A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230153978A1 (en) * | 2021-11-17 | 2023-05-18 | Communications Test Design, Inc. | Methods and systems for grading devices |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5309486A (en) * | 1992-11-12 | 1994-05-03 | Westinghouse Electric Corp. | Non-contact flaw detection for cylindrical nuclear fuel pellets |
-
2020
- 2020-11-06 AU AU2020378062A patent/AU2020378062A1/en active Pending
- 2020-11-06 WO PCT/US2020/059293 patent/WO2021092297A1/en unknown
- 2020-11-06 MX MX2022005355A patent/MX2022005355A/es unknown
- 2020-11-06 CN CN202080076841.4A patent/CN114631125A/zh active Pending
- 2020-11-06 BR BR112022008676A patent/BR112022008676A2/pt unknown
- 2020-11-06 JP JP2022524988A patent/JP2022553572A/ja active Pending
- 2020-11-06 US US17/775,036 patent/US20220398715A1/en active Pending
- 2020-11-06 CA CA3153701A patent/CA3153701A1/en active Pending
- 2020-11-06 KR KR1020227014112A patent/KR20220090513A/ko unknown
- 2020-11-06 EP EP20817138.9A patent/EP4055559A1/en active Pending
- 2020-11-06 IL IL291773A patent/IL291773A/en unknown
-
2022
- 2022-05-04 CL CL2022001166A patent/CL2022001166A1/es unknown
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11263738B2 (en) | Defect detection in lyophilized drug products with convolutional neural networks | |
EP3259068B1 (en) | Detection of barcode tag conditions on sample tubes | |
JP7129669B2 (ja) | ラベル付き画像データ作成方法、検査方法、プログラム、ラベル付き画像データ作成装置及び検査装置 | |
JP4747313B2 (ja) | 薄板状部品の検査方法と検査装置 | |
CN107590494A (zh) | 答题卡图片定位方法、装置、可读存储介质以及电子设备 | |
CN106628475A (zh) | 一种基于机器视觉的镜面成像瓶盖表面贴标检测系统及方法 | |
JPWO2020081668A5 (ja) | ||
JPH05249279A (ja) | 核燃料ペレットの周面検査装置 | |
Suh et al. | Fusion of global-local features for image quality inspection of shipping label | |
WO2023138641A1 (zh) | 杂质检测方法、系统、装置、设备、存储介质及软件产品 | |
JPWO2021092297A5 (ja) | ||
CN114037595A (zh) | 图像数据处理方法、装置、电子设备和存储介质 | |
CN115532620B (zh) | 一种纸浆模塑制品质检装置和方法 | |
US11721094B2 (en) | Milk analyser for classifying milk | |
AU2023218255A1 (en) | Visual inspection systems for containers of liquid pharmaceutical products | |
Tabernik et al. | Deep-learning-based computer vision system for surface-defect detection | |
WO2023082417A1 (zh) | 抓取点信息获取方法、装置、电子设备和存储介质 | |
KR20220090513A (ko) | 자동화된 육안 검사 장비에 대한 딥 러닝의 대상 적용 | |
CN114708214A (zh) | 一种烟盒缺陷检测方法、装置、设备及介质 | |
JP2017138693A (ja) | 固形製剤用テンプレート作成方法、固形製剤用テンプレート作成プログラムを記録したコンピュータが読み取り可能な記録媒体、固形製剤印刷検査方法、及び固形製剤印刷検査装置 | |
CN114022342A (zh) | 抓取点信息获取方法、装置、电子设备和存储介质 | |
CN111351754A (zh) | 瓶底缺陷检测系统及方法 | |
Tian et al. | Fast batch reading densely deployed QR codes | |
KR20210099028A (ko) | 클론 선택을 가능하게 하기 위한 시스템 및 방법 | |
Moghadas et al. | Detection and classification of foreign substances in medical vials using MLP neural network and SVM |