KR20160064058A - Method for Setting Inspection Criteria Automatically by Indicating Regions and Smart Learning Method for X-ray Inspection Using the Same - Google Patents
Method for Setting Inspection Criteria Automatically by Indicating Regions and Smart Learning Method for X-ray Inspection Using the Same Download PDFInfo
- Publication number
- KR20160064058A KR20160064058A KR1020160062996A KR20160062996A KR20160064058A KR 20160064058 A KR20160064058 A KR 20160064058A KR 1020160062996 A KR1020160062996 A KR 1020160062996A KR 20160062996 A KR20160062996 A KR 20160062996A KR 20160064058 A KR20160064058 A KR 20160064058A
- Authority
- KR
- South Korea
- Prior art keywords
- inspection
- value
- parameter
- product
- image
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/043—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using fluoroscopic examination, with visual observation or video transmission of fluoroscopic images
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G06T7/0042—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Abstract
Description
본 발명은 영역 지정에 따른 지능형 판정 기준의 자동 설정 방법 및 그에 의한 스마트 학습 방식의 엑스레이 검사 방법에 관한 것이고, 구체적으로 검사 초기 설정 과정에서 미리 정상 및 불량 제품에 대한 매개변수 값을 시각적 영역 지정에 의하여 산출하여 판정 값을 자동 결정하고 그리고 검사 과정에서 저장된 판정 값이 적용되도록 하는 영역 지정에 따른 지능형 판정 기준의 자동 설정 방법 및 그에 의한 스마트 학습 방식의 엑스레이 검사 방법에 관한 것이다. The present invention relates to a method of automatically setting an intelligent decision criterion based on area designation and a method of inspecting an x-ray of a smart learning method by the method. Specifically, in the initial setting process of inspection, And automatically determining the determination value, and automatically setting an intelligent determination standard according to an area designation in which a stored determination value is applied in an inspection process, and a smart learning method x-ray inspection method therefor.
산업 현장에서 생산되는 다양한 종류의 제품에 대한 결함을 탐지하기 위하여 엑스레이 검사가 적용될 수 있다. 일반적으로 엑스레이 검사는 엑스레이 튜브를 통하여 조사된 엑스레이가 제품을 투과하고 그리고 제품을 투과한 엑스레이의 탐지에 의하여 디텍터로부터 얻어진 이미지를 검사하는 방식으로 진행된다. 이미지는 디스플레이 유닛에 표시될 수 있고 정상 또는 불량 여부는 표시된 이미지를 관찰하는 방법으로 이루어질 수 있다. X-ray inspection can be applied to detect defects in various types of products produced in industrial sites. Generally, an x-ray inspection is conducted in such a way that the x-rays irradiated through the x-ray tube penetrate the product and the image obtained from the detector is inspected by the detection of the x-rays transmitted through the product. The image can be displayed on the display unit and normal or bad can be made by a method of observing the displayed image.
검사 과정에서 제품이 검사 장치로 입력되면 디텍터에 의하여 얻어진 이미지로부터 매개변수가 계산되어 제품의 정상/불량 여부가 판단되어 질 수 있다. 정상 여부의 판단을 위하여 영상에서 계산된 관련 매개변수 값과 작업자가 수동으로 입력하는 판정 기준 값이 비교될 수 있다. 그리고 각각의 제품에 대하여 정상 또는 불량이 판단되어야 하고 그리고 계산되는 관련 매개변수 값과 비교되는 판정 기준 값이 수동 입력되어야 한다. 이와 같은 과정은 검사기 초기 설정 과정이 될 수 있다. 이러한 초기 설정 과정에서 검사 판정 기준 값의 입력이 작업자에 의하여 결정되고 그리고 작업자는 많은 양품과 불량품의 매개 변수 값을 살펴보고 그에 따라 판단하여 입력하게 된다. 이와 같은 육안에 의한 판정 및 관련 판정 기준 값의 입력은 검사 효율을 감소시키는 한편 작업자의 숙련도에 따라 검사 결과가 달라지거나 입력되는 검사 판정 값이 서로 다를 수 있다는 문제점을 가진다. If the product is input to the inspection apparatus during the inspection process, the parameter is calculated from the image obtained by the detector, and it is judged whether the product is normal or not. For the determination of whether or not it is normal, the related parameter value calculated in the image can be compared with the judgment reference value manually input by the operator. For each product, the normative or defective value should be determined and the criterion value to be compared with the relevant parameter value to be calculated must be entered manually. Such a process may be an initialization process of the tester. In this initial setting process, the input of the inspection criterion value is determined by the operator, and the operator looks at the parameter values of many good and defective products, and judges and inputs them. Such visual determination and input of related determination reference values have a problem in that the inspection efficiency is decreased while the inspection results are changed according to the skill of the operator or the inspection judgment values to be input may be different from each other.
검사 과정에서 미리 결정된 검사 기준의 설정과 관련된 선행기술로 특허공개번호 제2011-012686호 ‘레퍼런스 정보를 이용한 부품의 내부 결함 검사 방법 및 그 시스템’이 있다. 상기 선행기술은 검사 대상 부품 중에서 무결점 부품을 촬영하여 2차원 엑스레이 영상 또는 3차원 CT 영상을 획득하고, 상기 무결점 부품의 영상을 레퍼런스 영상으로 설정하는 단계와, 상기 레퍼런스 영상으로 설정된 부품을 모델링하여 여타 동일 검사 대상 부품을 동일 위치 또는 각도 조건에서 장착하기 위한 지그를 성형 제작하는 단계, 상기 지그에 동일 검사 대상 부품을 상기 레퍼런스 영상의 무결점 부품과 동일 위치 및 각도가 되도록 장착하고 마운트 부분에 고정시킨 상태에서 엑스레이를 방사하여 2차원 엑스레이 영상 또는 3차원 CT영상을 획득하는 단계 및 영상 판정부에서 상기 검사 대상 부품의 이차원 엑스레이 영상 또는 3차원 CT 영상을 레퍼런스 영상과 밀도 값 또는 밝기 값의 차이를 비교하여 결합 부위를 판별하는 단계를 포함하는 부품의 내부 결함 검사 방법에 대하여 개시한다. As a prior art related to the setting of a predetermined inspection criterion in the inspection process, Patent Publication No. 2011-012686 'Internal defect inspection method of parts using reference information and its system' is available. The prior art includes a step of photographing a non-defective part from an object to be inspected to obtain a two-dimensional x-ray image or a three-dimensional CT image, setting the image of the non-defective part as a reference image, modeling the part set as the reference image, A step of forming a jig for mounting the components to be inspected at the same position or at an angle, a step of mounting the components to be inspected to the jig at the same position and angle as the defective parts of the reference image, Dimensional x-ray image or a three-dimensional CT image by radiating an X-ray from the two-dimensional x-ray image or a three-dimensional CT image by comparing the reference image with the density value or brightness value of the two- And a step of discriminating the binding site It discloses a relative to the inner defect inspection method.
검사 과정에서 검사와 관련된 데이터를 설정하는 방법과 관련된 선행기술로 특허공개번호 제2000-0004289호 ‘PCB 자동검사장치의 티칭 데이터 설정 방법 및 장치’가 있다. 상기 선행기술은 검사 대상 PCB에 배치되는 부품들에 관한 소정의 검사 매개변수를 기준 데이터 저장부에 미리 저장하는 단계와; 상기 검사 대상 PCB를 촬영하는 단계와; 상기 촬영된 PCB 이미지를 복수의 프레임으로 분할하는 단계와; 상기 각 프레임의 각 부품 이미지와 사익 기준 데이터 저장부의 데이터에 기초하여 각 부품의 종류를 판별하는 단계와; 상기 각 부품에 해당하는 검사 매개변수를 상기 기준 데이터 저장부로부터 인출하여 상기 검사 대상 PCB에 대한 티칭 데이터로 티칭 데이터 저장부에 저장하는 단계와; 상기 검사 대상 PCB를 상기 티칭 데이터 저장부에 저장된 티칭 데이터에 기초하여 자동 검사를 시행하는 단계를 포함하는 PCB 자동 검사 장치의 티칭 데이터 설정 방법에 대하여 개시한다. As a prior art related to a method for setting data related to inspection in the inspection process, Patent Publication No. 2000-0004289 " Method and apparatus for setting teaching data of PCB automatic inspection apparatus " The prior art includes a step of previously storing a predetermined inspection parameter related to parts disposed on a PCB to be inspected in a reference data storage section; Photographing the PCB to be inspected; Dividing the photographed PCB image into a plurality of frames; Determining a type of each component based on each component image of each frame and data of a private reference data storage unit; Extracting inspection parameters corresponding to the respective components from the reference data storage unit and storing the inspection parameters in the teaching data storage unit as teaching data for the inspection target PCB; And performing automatic inspection based on the teaching data stored in the teaching data storage unit of the PCB to be inspected.
상기 선행기술은 검사 과정에서 서로 다른 제품을 위하여 검사 장치에 적용되는 매개변수의 선택 및 선택된 매개변수에 기초하여 판정 값을 결정하는 방법에 대하여 개시하지 않는다. 또한 판정 값에 기초한 정상 또는 불량 여부에 판단 과정 및 판단 과정에서 발생되는 예외 상황의 처리에 대하여 개시하지 않는다. 엑스레이 검사 과정에서 검사 여부의 판단은 미리 선택된 매개변수에 따라 자동적으로 결정되면서 그와 같은 결정 과정이 검사 장치에게 학습이 되는 것이 유리하다. 다른 한편으로 판정 값의 결정 과정이 신뢰성을 가지는 한편 간단하게 진행되도록 하는 것이 유리하다. 상기 선행기술은 이에 대하여 개시하지 않는다. The prior art does not disclose the selection of the parameters to be applied to the inspection apparatus for different products in the inspection process and the determination of the determination values based on the selected parameters. And does not disclose the processing of the exception process that occurs in the determination process and the determination process as normal or bad based on the determination value. In the X-ray inspection process, it is advantageous that the determination of the inspection is automatically determined according to the preselected parameters, and the determination process is learned by the inspection apparatus. On the other hand, it is advantageous to make the determination process of the determination value simple while proceeding with reliability. The prior art does not disclose this.
본 발명은 선행기술이 가진 문제점을 해결하기 위한 것으로 아래와 같은 목적을 가진다.The present invention has been made to solve the problems of the prior art and has the following purpose.
본 발명의 목적은 검사를 위하여 미리 선택된 매개변수에 대한 비교 판정 값의 결정 과정이 한 번의 터치에 의한 시각적 영역 지정에 의하여 간단하게 진행되도록 하는 영역 지정에 따른 지능형 판정 기준의 자동 설정 방법을 제공하는 것이다. It is an object of the present invention to provide an automatic setting method of an intelligent decision criterion according to an area designation in which a process of determining a comparison decision value for a parameter preselected for inspection is progressed simply by designating a visual area by a single touch will be.
본 발명의 검사 초기 설정 과정에서 선택된 매개변수와 관련된 판정 값에 대해서 양품 및 불량 제품의 검사 학습을 통해 검사기 초기 설정이 자동으로 이루어지도록 하는 엑스레이 검사 방법을 제공하는 것이다.The present invention provides an X-ray inspection method for automatically setting initial values of a tester through inspection learning of good products and defective products with respect to the determination values associated with the selected parameters in the inspection initial setting process of the present invention.
본 발명의 적절한 실시 형태에 따르면, 영역 지정에 따른 지능형 판정 기준의 자동 설정 방법은 엑스레이 검사를 위한 판정 기준 값 설정 방법에 있어서, 적어도 하나의 정상 및 적어도 하나의 불량 제품에 대한 미리 선택된 적어도 하나의 매개변수 값을 산출하는 단계; 및 상기 산출된 값에 기초하여 검사 판정 값을 결정하는 단계를 포함한다.According to a preferred embodiment of the present invention, a method of automatically setting an intelligent decision criterion according to an area designation is a method of setting a decision criterion value for an X-ray inspection, comprising the steps of: determining at least one normal and at least one preselected Calculating a parameter value; And determining the inspection determination value based on the calculated value.
본 발명의 다른 적절한 실시 형태에 따르면, 지능형 판정 기준의 자동 설정 방법은 적어도 하나의 매개변수 값을 산출하는 단계는 정상 또는 불량 제품의 적어도 일부에 대한 터치 또는 적어도 한 번의 클릭을 통해 시각적 영역 지정 단계를 구현한다. According to another preferred embodiment of the present invention, the automatic setting method of the intelligent acceptance criterion is characterized in that the step of calculating at least one parameter value comprises the steps of touching at least part of the normal or bad product, .
본 발명의 또 다른 적절한 실시 형태에 따르면, 지능형 판정 기준의 자동 설정 방법에 있어서 검사 판정 값은 정상 제품에 대한 분포 곡선 또는 정상 및 불량 제품에 대한 두 개의 분포 곡선에 의하여 결정된다. According to another preferred embodiment of the present invention, in the automatic setting method of the intelligent decision criterion, the inspection judgment value is determined by a distribution curve for normal products or two distribution curves for normal and defective products.
본 발명의 또 다른 적절한 실시 형태에 따르면, 지능형 판정 기준의 자동 설정 방법에 있어서 검사 판정 값은 예외 판정 결과에 의하여 변경이 된다.According to another preferred embodiment of the present invention, in the automatic setting method of the intelligent determination reference, the inspection determination value is changed according to the exception determination result.
본 발명의 또 다른 적절한 실시 형태에 따르면, 스마트 학습 방식의 엑스레이 검사 방법은 정상 제품 및 불량 제품의 영상 처리에 따른 미리 선택된 적어도 하나의 매개변수 값의 산출에 의하여 검사 판정 값이 결정되어 데이터베이스에 저장되는 단계; 및 검사 제품의 영상 처리에 대한 산출 값이 상기 데이터베이스에 저장된 검사 판정 값에 기초하여 판단되는 단계를 포함한다.According to another preferred embodiment of the present invention, in the smart learning method, an inspection judgment value is determined by calculating at least one parameter value preselected according to image processing of a normal product and a defective product and stored in a database ; And a step in which the calculated value for the image processing of the inspection product is judged based on the inspection judgment value stored in the database.
본 발명의 또 다른 적절한 실시 형태에 따르면, 스마트 학습 방식의 엑스레이 검사 방법은 검사 제품의 영상 처리 과정에서 상기 검사 판정 값에 대한 예외가 발생되면 터치 또는 클릭 방식의 시각적 영역 지정에 의하여 상기 매개변수 값이 데이터베이스에 입력된다.According to another preferred embodiment of the present invention, in the smart learning method, when an exception to the inspection judgment value is generated in the image processing process of the inspection product, the X- Is input to the database.
본 발명의 또 다른 적절한 실시 형태에 따르면, 엑스레이 검사 방법은 검사 매개변수를 선택하는 단계; 정상 제품 및 불량 제품에 대한 기준 영상을 처리하고 상기 검사 매개변수에 대한 값을 산출하는 단계; 상기 산출된 값을 기초로 판정 값을 결정하여 저장하는 단계; 제품에 대한 검사 영상을 처리하여 계산하는 단계; 상기 검사 매개변수 값이 입력되고 상기 판정 값에 기초하여 상기 제품에 대하여 판정되는 단계; 및 검사 결과가 저장되는 단계를 포함한다.According to another preferred embodiment of the present invention, an x-ray inspection method comprises the steps of: selecting inspection parameters; Processing a reference image for a normal product and a defective product and calculating a value for the inspection parameter; Determining and storing a determination value based on the calculated value; Processing a test image for the product and calculating it; The inspection parameter value being input and being determined for the product based on the determination value; And storing the test results.
본 발명에 따른 검사 방법은 검사 과정에서 별도로 검사 관련 매개변수의 판정 값 입력이 요구되지 않도록 하는 것에 의하여 검사 효율성이 향상될 수 있도록 한다. 또한 본 발명에 따른 검사 방법은 검사 과정에서 매개 변수의 판정 값 입력 오류가 방지되도록 하는 것에 의하여 검사 신뢰성이 향상되도록 한다는 이점을 가진다. 추가로 본 발명에 따른 검사 방법은 예외 상황의 처리가 지속적으로 검사 과정에 적용되도록 하는 것에 의하여 스마트 누적 학습 방식의 검사가 가능하도록 한다는 장점을 가진다.The inspection method according to the present invention makes it possible to improve the inspection efficiency by not requiring the input of the judgment value of the inspection related parameter separately in the inspection process. In addition, the inspection method according to the present invention has an advantage that inspection reliability can be improved by preventing errors in inputting determination values of parameters in an inspection process. In addition, the inspection method according to the present invention has an advantage that the inspection of the exception accumulation state is continuously applied to the inspection process, thereby enabling the inspection of the smart accumulation learning method.
도 1은 본 발명에 따른 검사 방법이 진행되는 과정에 대한 실시 예를 도시한 것이다.
도 2a, 도 2b 및 도 2c는 본 발명에 따른 검사 방법에서 정상 또는 불량이 처리되는 과정의 실시 예를 도시한 것이다.
도 3a는 본 발명에 따른 검사 방법에서 판정 값이 결정되는 과정에 대한 실시 예를 도시한 것이다.
도 3b는 본 발명에 따른 검사 과정에서 예외 처리 과정의 실시 예를 도시한 것이다.
도 4는 본 발명에 따른 영역 지정에 따른 지능형 판정 기준의 자동 설정 방법의 실시 예를 도시한 것이다.FIG. 1 shows an embodiment of the process of the inspection method according to the present invention.
FIGS. 2A, 2B, and 2C illustrate an example of a normal or defective process in the inspection method according to the present invention.
FIG. 3A shows an example of a process of determining a determination value in the inspection method according to the present invention.
FIG. 3B shows an example of an exception handling process in the inspection process according to the present invention.
4 shows an embodiment of an automatic setting method of an intelligent decision criterion according to an area designation according to the present invention.
아래에서 본 발명은 첨부된 도면에 제시된 실시 예를 참조하여 상세하게 설명이 되지만 실시 예는 본 발명의 명확한 이해를 위한 것으로 본 발명은 이에 제한되지 않는다. 아래의 설명에서 서로 다른 도면에서 동일한 도면 부호를 가지는 구성요소는 유사한 기능을 가지므로 발명의 이해를 위하여 필요하지 않는다면 반복하여 설명이 되지 않으며 공지의 구성요소는 간략하게 설명이 되거나 생략이 되지만 본 발명의 실시 예에서 제외되는 것으로 이해되지 않아야 한다. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, the present invention will be described in detail with reference to the embodiments shown in the accompanying drawings, but the present invention is not limited thereto. In the following description, components having the same reference numerals in different drawings have similar functions, so that they will not be described repeatedly unless necessary for an understanding of the invention, and the known components will be briefly described or omitted. However, It should not be understood as being excluded from the embodiment of Fig.
도 1은 본 발명에 따른 검사 방법이 진행되는 과정에 대한 실시 예를 도시한 것이다. FIG. 1 shows an embodiment of the process of the inspection method according to the present invention.
도 1을 참조하면, 본 발명에 따른 엑스레이 검사 방법은 검사 매개변수를 선택하는 단계(S11); 정상 제품 및 불량 제품에 대한 기준 영상을 처리하고 상기 검사 매개변수에 대한 값을 산출하는 단계(S12); 상기 산출된 값을 기초로 판정 값을 결정하여 저장하는 단계(S13); 제품에 대한 검사 영상을 처리하여 계산하는 단계(S14); 상기 검사 매개변수 값이 계산되고 상기 판정 값에 기초하여 상기 제품에 대하여 판정되는 단계(S16); 및 검사 결과가 저장되는 단계(S17)를 포함한다. Referring to FIG. 1, an X-ray examination method according to the present invention includes the steps of: (S11) selecting inspection parameters; Processing a reference image for a normal product and a defective product and calculating a value for the inspection parameter (S12); Determining and storing a determination value based on the calculated value (S13); Processing the inspection image for the product and calculating (S14); (S16) the inspection parameter value is calculated and determined for the product based on the determination value; And a step S17 in which the inspection result is stored.
본 발명에 따른 검사 방법은 음식, 용기, 부품 또는 산업용 제품과 같은 다양한 피검사 대상에 적용될 수 있고 본 발명은 피검사 대상의 종류에 의하여 제한되지 않는다. 또한 본 발명에 따른 검사 방법은 소프트웨어 형태로 검사 장치 또는 다른 제어 유닛에 내장될 수 있다. 이로 인하여 다양한 검사 장치에 적용될 수 있으며 다양한 형태로 적용될 수 있다. 예를 들어 본 발명에 따른 방법은 장치에 내장되는 형태, 패키지 형태, 다운로드 형태 또는 다른 소프트웨어의 일부로 포함되는 형태 또는 저장 매체에 저장된 형태로 만들어질 수 있다. The inspection method according to the present invention can be applied to various objects to be inspected such as food, containers, parts or industrial products, and the present invention is not limited by the kind of objects to be inspected. Further, the inspection method according to the present invention can be embedded in the inspection apparatus or other control unit in the form of software. Therefore, it can be applied to various inspection apparatuses and can be applied in various forms. For example, the method according to the present invention can be made in a form embedded in a device, a form of a package, a form of a download, a form included as part of another software, or a form stored in a storage medium.
본 명세서에서 검사 매개변수는 제품 검사 이전에 미리 선택이 될 수 있고, 검사 과정에서 상기 매개변수와 관련된 판정 값이 제품과 관련하여 입력되거나 또는 이미지가 얻어진 이후 판정 과정에서 입력이 되어야 하는 제품의 불량 여부의 판단이 가능하도록 하는 인자를 의미한다. 검사 매개변수에 기초하여 검사가 진행될 수 있고 그리고 검사 매개변수에 의하여 불량 여부가 판단될 수 있다. 검사 매개변수는 검사 장치 또는 피검사 대상과 관련될 수 있고 그리고 검사 장치의 구조 또는 피검사 대상의 종류에 따라 동일하거나 서로 다른 인자를 포함할 수 있다. 본 발명에 따르면, 검사 매개변수는 적어도 하나가 될 수 있고 검사 과정에서 계산된 검사 매개변수 값이 불량 여부의 판정의 기초가 될 수 있다. 그러므로 검사 매개변수는 정상 또는 불량 여부의 판단이 가능하도록 하는 인자로 선택되어야 한다. In the present specification, inspection parameters can be selected before inspection of the product, and whether the determination value associated with the parameter is input in relation to the product in the inspection process, or a defect in the product that should be input in the determination process after the image is obtained And the like. The inspection can proceed based on the inspection parameters and can be judged by inspection parameters. The inspection parameters may be related to the inspection apparatus or the object to be inspected and may include the same or different factors depending on the structure of the inspection apparatus or the type of object to be inspected. According to the present invention, the inspection parameter can be at least one, and the inspection parameter value calculated in the inspection process can serve as a basis for determining whether or not the inspection parameter is defective. Therefore, the inspection parameters should be chosen as factors that enable determination of normal or bad.
검사를 위하여 먼저 검사 매개변수가 선택될 수 있다(S11). 검사 매개변수는 피검사의 종류, 검사 장치의 구조, 검사 방법, 정상 피검사 대상 또는 불량 피검사 대상에 따라 서로 다르게 선택될 수 있다. 예를 들어 검사 매개변수는 피검사 대상의 명칭, 피검사 대상의 이미지의 크기, 피검사 대상의 엑스레이 이미지 명암 또는 피검사 대상의 위치와 같은 것이 될 수 있다. 본 발명에 따르면, 검사 매개변수는 검사 과정에서 검사 장치에 입력이 요구되는 제품 관련 값이 될 수 있다. 다만 검사 매개변수의 값이 적용된 결과만이 표시될 수 있고 구체적인 매개변수 값의 전부가 반드시 입력되어야 하는 것은 아니다. 예를 들어 검사 과정에서 정상인 피검사 대상의 이미지에 대한 크기, 명암 또는 피검사 대상의 분류 기호와 같은 것이 요구될 수 있다. 그리고 이와 같은 것의 적어도 하나가 검사 과정에서 입력될 필요가 있다. 다른 한편으로 피검사 대상의 이미지에 대한 크기, 명암, 피검사 대상의 분류 기호, 불량 유형, 위치 또는 불량 유형의 크기와 같은 것의 적어도 하나가 검사 과정에서 입력될 필요가 있다. 그리고 이와 같은 것이 검사 매개변수가 될 수 있다. 본 발명에 따르면, 검사 매개변수는 정상 또는 불량 판정을 위하여 요구되는 인자가 될 수 있다. An inspection parameter may be selected first for inspection (S11). The inspection parameters may be selected differently depending on the type of inspection, the structure of the inspection apparatus, the inspection method, the normal inspection object or the defective inspection object. For example, the inspection parameter may be the name of the object to be inspected, the size of the image to be inspected, the x-ray image contrast of the object to be inspected, or the position of the object to be inspected. According to the present invention, the inspection parameters can be product related values that require input to the inspection apparatus during the inspection process. However, only the results of applying the values of the inspection parameters can be displayed, and not all of the specific parameter values are necessarily input. For example, in the inspection process, it may be required to have a size, a contrast, or a classification symbol to be inspected for an image of a normal subject to be inspected. And at least one of these needs to be entered in the inspection process. On the other hand, at least one of size, contrast, classification symbol of the object to be inspected, defect type, position or size of defect type, etc. for the image to be inspected needs to be inputted in the inspection process. And this can be an inspection parameter. According to the present invention, the inspection parameter can be a factor required for normal or bad determination.
검사 매개변수는 피검사 대상을 정상과 불량으로 구분할 수 있고 수치로 표시될 수 있으며 제품에 따라 서로 다른 값을 나타내는 인자로 선택되어야 한다. 검사 매개변수는 각각의 검사 장치 또는 제품에 따라 선택될 수 있다. 그리고 선택된 검사 매개변수 중 적어도 하나가 불량 여부의 판단 기준이 될 수 있다. Inspection parameters can be distinguished between normal and defective, and can be displayed numerically, and they should be chosen as factors that represent different values depending on the product. The inspection parameters can be selected according to each inspection apparatus or product. And at least one of the selected inspection parameters may be a criterion for determining whether or not a defect is present.
검사 매개변수가 선택되면(S11), 검사 매개변수 값의 결정을 위한 기준 영상이 처리되고 매개변수 값이 산출될 수 있다(S12). 기준 영상은 정상 기준 영상과 불량 기준 영상으로 이루어질 수 있고 판정 기준을 위한 적어도 하나의 동일한 매개변수가 선택될 수 있다. 검사 매개변수는 다수 개가 될 수 있고 불량 제품 또는 정상 제품에 따라 매개변수가 서로 달라질 수 있다. 그러나 불량 제품 및 정상 제품에 대한 기준 영상 처리는 적어도 하나의 동일한 매개변수를 포함할 수 있고 예를 들어 동일한 매개변수는 기준 영상의 구분된 영역에 대한 최대 명암 값이 될 수 있다. 구체적으로 기준 영상은 다수 개의 구분된 영역으로 이루어질 수 있고 각각의 영역에 대한 명암 값이 계산될 수 있다. 그리고 매개변수 값은 각각의 구분된 영역에 대한 최대 명암 값이 될 수 있다. 다른 한편으로 만약 제품의 불량 여부가 제품의 크기로 판단이 된다면 매개변수 값은 이미지의 크기가 될 수 있다. 이와 같이 기준 영상에 대하여 미리 선택된 매개변수의 값이 산출될 수 있다. When the inspection parameter is selected (S11), the reference image for determination of the inspection parameter value is processed and the parameter value can be calculated (S12). The reference image may consist of a steady reference image and a bad reference image, and at least one same parameter for a determination criterion may be selected. The inspection parameters can be multiple and the parameters can be different from each other depending on the defective product or the normal product. However, the reference image processing for the defective product and the normal product may include at least one identical parameter, for example the same parameter may be the maximum contrast value for the separated area of the reference image. Specifically, the reference image may be composed of a plurality of divided regions, and a brightness value for each region may be calculated. And the parameter value can be the maximum contrast value for each of the divided areas. On the other hand, if the quality of the product is judged as the size of the product, the parameter value can be the size of the image. Thus, the value of the parameter selected in advance for the reference image can be calculated.
적어도 하나의 정상 기준 영상에 대한 매개변수 값이 산출되어 등록되고 그리고 이와 동시에 불량 기준 영상에 대한 매개변수 값이 산출되어 등록될 수 있다. 그리고 정상 기준 영상 및 불량 기준 영상에 대한 산출된 매개변수 값에 기초하여 판정 값이 결정될 수 있다. 검사 과정에서 판정 값은 임계값 또는 문턱 값(threshold)의 기능을 가진다. 정상 기준 영상의 산출 값과 불량 기준 영상의 산출 값의 등록 과정에 대하여 아래에서 다시 설명된다. A parameter value for at least one normal reference image is calculated and registered, and at the same time, the parameter value for the bad reference image can be calculated and registered. And the determination value can be determined based on the calculated parameter values for the normal reference image and the bad reference image. In the inspection process, the judgment value has a function of a threshold value or a threshold value. The registration process of the calculated value of the normal reference image and the calculated value of the defective reference image will be described below again.
등록된 산출 값에 기초하여 판정 값이 결정될 수 있고 그리고 데이터베이스에 저장될 수 있다(S13). 이와 같은 판정 값의 결정 과정은 제품에 대한 검사가 이루어지기 이전 단계에 해당되는 초기 설정 과정에 진행되거나 또는 검사 과정에서 추가적으로 진행될 수 있다. Based on the registered calculation value, the determination value can be determined and stored in the database (S13). The determination of the determination value may be performed in an initialization process corresponding to a stage prior to the inspection of the product or may be further performed in the inspection process.
본 명세서에서 지능형이란 제품 검사 과정에서 제품의 불량 여부를 결정하는 판정 값을 검사 장치가 스스로 결정하는 것을 의미한다. 추가로 지능형이란 판정 값의 기초가 되는 영상 처리에 의해 산출된 매개 변수 값들을 등록하고 그에 따라 판정 값이 자동으로 결정하는 것을 포함한다. 그리고 스마트 학습이란 미리 매개변수가 선택되면 검사 초기 설정 과정에 또는 검사 과정에서 정상 제품에 대한 매개변수 값과 불량 제품에 대한 매개변수 값에 기초하여 판정 값을 결정하고 지속적으로 수정되는 것을 의미한다. 추가로 스마트 학습은 결정된 판정 값이 추가적인 검사 과정에서 예외의 발생에 의하여 데이터베이스 자료에 누적 학습되어 자동 변경되는 것을 포함한다. The term " intelligent " as used herein means that the inspection apparatus itself determines a determination value for determining whether or not a product is defective in a product inspection process. Further, the intelligence includes registering the parameter values calculated by the image processing serving as the basis of the determination value and automatically determining the determination value accordingly. The smart learning means that when the parameter is selected in advance, the determination value is determined based on the parameter value for the normal product and the parameter value for the defective product during the inspection initialization process or during the inspection process and is constantly modified. In addition, smart learning includes the fact that the determined value is accumulated and automatically changed in the database data by the occurrence of the exception in the additional inspection process.
판정 값이 검사 과정에 적용되기 위하여 판정 값이 등록되어 데이터베이스에 저장되어야 하고 그리고 검사 장치의 프로그램에 포함되거나 호출이 될 수 있어야 한다. 상기 데이터베이스는 검사 장치의 프로그램의 일부가 되거나 독립된 장치에 배치되어 검사 장치와 연결될 수 있다. 다양한 형태로 상기 데이터베이스가 검사 과정에 적용될 수 있고 본 발명은 상기 데이터베이스 적용 형태에 의하여 제한되지 않는다. In order for the judgment value to be applied to the examination process, the judgment value must be registered and stored in the database and be included in or invoked by the program of the examination apparatus. The database may be part of a program of an inspection apparatus or may be disposed in an independent apparatus and connected to a testing apparatus. The database may be applied to the inspection process in various forms and the present invention is not limited by the database application form.
판정 값이 결정되어 저장되고 그리고 검사 과정에 적용될 수 있는 형태가 되면 검사가 진행될 수 있다. 검사를 위하여 검사 영상이 처리될 수 있다(S14). 검사 영상은 디텍터에서 탐지되어 예를 들어 디스플레이 유닛과 같은 장치에 표시된 이미지의 처리를 의미한다. 이미지의 처리 과정에서 판단 값과 관련된 매개변수의 값이 계산되고(S15) 그리고 표시 창에 입력될 수 있다(S16). 그리고 판정 값에 기초하여 불량 여부가 판정될 수 있다(S16). 다수 개의 매개변수 입력 항목이 미리 설정될 수 있고 상기 매개변수 판정 값은 자동으로 입력될 수 있다. 그리고 필요에 따라 일부 매개변수의 판정 값이 작업자에 의하여 원 터치 클릭 방식(one touch click) 또는 영역 지정에 의한 한 번의 터치 또는 클릭으로 자동으로 입력될 수 있다. 예를 들어 검사 과정에서 예외가 발생된다면, 원 터치 클릭 방식이 적용될 수 있다. 예외는 판정 값에 따른 판단의 예외를 의미하며 아래에서 다시 설명된다. If the determination value is determined and stored and the form can be applied to the inspection process, the inspection can proceed. The inspection image may be processed for inspection (S14). The inspection image is detected in the detector and means the processing of the image displayed on the device, for example a display unit. The value of the parameter related to the judgment value in the processing of the image can be calculated (S15) and input to the display window (S16). Then, it is judged whether or not there is a defect based on the judgment value (S16). A plurality of parameter input items can be preset and the parameter determination value can be automatically input. If necessary, the judgment value of some parameters can be automatically inputted by one touch or click by one-touch click or area designation by the operator. For example, if an exception occurs during the inspection process, a one-touch click method may be applied. The exception is an exception to the judgment based on the judgment value and is described below again.
영상 처리 및 매개변수 값의 산출에 따른 판정에 의하여 각각의 제품에 대한 검사 결과가 저장될 수 있다(S17). 검사 결과의 처리 및 저장은 이 분야에서 공지된 방법에 따라 이루어질 수 있고 본 발명은 이에 의하여 제한되지 않는다. The inspection result for each product can be stored by the image processing and the determination according to the calculation of the parameter value (S17). Processing and storage of test results can be accomplished according to methods known in the art and the present invention is not thereby limited.
아래에서 검사 과정의 구체적인 실시 예에 대하여 설명된다. A concrete embodiment of the inspection process will be described below.
도 2a, 도 2b 및 도 2c는 본 발명에 따른 검사 방법에서 정상 또는 불량이 처리되는 과정의 실시 예를 도시한 것이다. FIGS. 2A, 2B, and 2C illustrate an example of a normal or defective process in the inspection method according to the present invention.
도 2a를 참조하면, 제품이 입력되어 디텍터에 탐지된 이미지가 디스플레이 유닛의 윈도우(W)에 표시될 수 있다. 윈도우(W)는 이미지 창(W1) 및 판정 탭(21a) 및 매개변수 탭(22)을 포함할 수 있다. 그리고 매개변수 탭(22)은 항목 탭(221)과 입력 탭(222)으로 이루어질 수 있다. 만약 처리된 영상이 판정 값에 따라 정상 이미지(GI)로 판단되었다면, 판정 탭(21a)에 정상(OK)가 표시되고 각각의 입력 탭(222)은 이미지 처리 과정에서 계산된 값이 자동으로 입력된다. 필요에 따라 입력 탭(222)에 입력되는 값은 작업자에 의하여 새로이 입력될 수 있다. 다만 정상 이미지(GI)의 경우 이러한 과정은 예외가 아니라면 요구되지 않는다. Referring to FIG. 2A, an image of a product is input and detected by a detector may be displayed in a window W of a display unit. The window W may include an image window W1 and a
도 2b를 참조하면, 만약 이미지 창(W1)에 불량 이미지(BI)가 표시되고 그리고 영상 처리에 의하여 산출된 값이 판정 값에 따라 불량으로 판단된다면, 판정 탭(21b)에 불량(NG)이 표시된다. 실질적으로 불량 제품에 해당되는 경우 불량의 원인이 된 결점 그룹(B1, B2) 중 적어도 하나가 불량 이미지(BI)에 표시될 수 있고 예를 들어 제1 결점 그룹(B1)에서 제1 결점(B11) 또는 다른 결점이 나타날 수 있다. 또는 제2 결점 그룹(B2)의 제2 결점(B22) 또는 다른 결점이 나타날 수 있다. 그리고 결점(B11, B22)과 관련된 매개변수 값이 입력 탭(222)에 입력될 수 있다. 2B, if a bad image BI is displayed on the image window W1 and a value calculated by the image processing is determined to be bad according to the judgment value, a failure NG is detected in the
제품의 초기 설정 등록 과정이라면 다수 개의 결점 그룹(B1, B2)이 하나의 영상 이미지에 나타날 수 있고 각각의 결점(B11, B22)에 대한 매개변수 값이 입력되고 각각의 결점에 대한 매개변수 값이 등록되어 데이터베이스에 저장될 수 있다. 다른 한편으로 제품 검사 과정에서 예외에 해당된다면 매개변수 값이 산출되고 그리고 새로운 매개변수 값으로 등록될 수 있다. 새로운 매개변수 값의 등록으로 인하여 판정 값이 변화될 수 있다. 그리고 이와 같은 판정 값의 변화는 자동으로 이루어질 수 있다. 달리 말하면 검사 장치가 스마트 학습 방식으로 작동될 수 있다. A plurality of defect groups B1 and B2 may appear in one image image and a parameter value for each defect B11 and B22 is inputted and a parameter value for each defect is input Can be registered and stored in the database. On the other hand, if an exception is found in the product inspection process, the parameter value can be calculated and registered as a new parameter value. The determination value can be changed due to the registration of the new parameter value. Such a change in the determination value can be made automatically. In other words, the test apparatus can be operated in a smart learning manner.
도 2c는 불량 제품에 대한 등록 과정을 나타낸 것이다. 2C shows a registration process for a defective product.
도 2c를 참조하면, 불량 제품의 등록을 위하여 선택 팝업 윈도우(SP)가 사용자의 선택에 의하여 나타날 수 있다. 그리고 선택 팝업 윈도우(SP)에 표시된 다수 개의 선택 탭(T)으로부터 결점(B11)의 영역 지정 방법을 결정할 수 있다. 영역 지정은 예를 들어 시각적 원 터치 클릭 방식으로 이루어질 수 있다. 예를 들어 미리 프로그램에 의하여 영역이 결정되고 그리고 해당 결점(B11)을 클릭하는 것에 의하여 영역 크기가 설정되면서 입력 탭(222)에 매개변수 값이 자동으로 입력될 수 있다. 다만 결점(B11) 영역 지점은 선택 탭(T)에 따라 다양한 방식으로 이루어질 수 있다. 예를 들어 터치 방식으로 다수 개의 다각형을 형성하여 영역을 선택할 수 있다. Referring to FIG. 2C, a selection pop-up window (SP) may be displayed at the user's choice for registering a defective product. The area designation method of the defect B11 can be determined from the plurality of selection tabs T displayed in the selection pop-up window SP. The area designation can be made, for example, by a visual one-touch click method. For example, a parameter value may be automatically input to the
만약 기준 영상에 대한 등록 과정이라면 각각의 결점에 대하여 시각적 원 터치 클릭 방식으로 등록될 수 있다. 또한 새로운 유형의 결점(B11)이 검사 과정에서 나타나고 그리고 불량에 해당되지만 판정 값에 의하여 양품으로 판정되는 경우 새로운 유형의 결점(B11)에 대한 등록이 원 터치 클릭 방식으로 이루어질 수 있다. If the registration process for the reference image is performed, a visual one-touch click method can be registered for each defect. Also, if a new type of deficiency (B11) appears in the inspection process and it is determined to be defective by the determination value, the registration of the new type deficiency (B11) can be made by one-touch clicking.
원 터치 클릭 방식은 예를 들어 결점(B11) 지점의 명암을 기준으로 결정되거나 또는 미리 구분된 영역에 의하여 작동될 수 있다. 명암 기준으로 결정되는 경우 결점(B11) 주위로 명암 값이 미리 결정된 기준 이상이 되는 영역이 선택될 수 있다. 다른 한편으로 미리 구분된 영역에 의하여 선택되는 경우 불량 이미지(BI)는 다수 개의 영역으로 미리 구분되고 만약 사용자가 해당 결점을 터치하는 경우 해당 영역을 포함하는 주위의 일정 영역이 선택될 수 있다. The one-touch click method can be determined based on, for example, the brightness of the defect (B11) point or can be operated by a pre-defined area. If it is determined based on the contrast, a region around the defect B11 where the lightness value is equal to or greater than a predetermined reference value can be selected. On the other hand, if the defect image (BI) is selected by the predefined area, the defect image (BI) is divided into a plurality of areas. If the user touches the defect, a certain surrounding area including the corresponding area can be selected.
본 명세서에서 시각적이란 작업자가 정상 이미지(GI) 및 불량 이미지(GI)를 직접 관찰하는 것을 의미한다. 그리고 원 터치 클릭이란 결점(B11)을 사용자가 예를 들어 손가락 또는 다른 입력 수단으로 터치하는 것에 의하여 일정 영역이 선택되는 것을 말한다. 추가로 원 터치 클릭은 입력 탭(222)에 해당 매개변수 값이 입력되는 것을 포함할 수 있다. In the present specification, visual means that an operator directly observes a normal image (GI) and a bad image (GI). One-touch click means that a certain area is selected by the user touching the defect B11 with, for example, a finger or other input means. In addition, a one-touch click may include inputting the corresponding parameter value in the
다양한 방식으로 기준 영상 또는 예외가 등록될 수 있고 본 발명은 제시된 실시 예에 제한되지 않는다. The reference image or exception may be registered in various ways and the present invention is not limited to the embodiments shown.
아래에서 이와 같은 방식으로 등록된 산출 값에 기초하여 판정 값이 결정되는 과정에 대하여 설명된다. A process of determining the determination value based on the calculated values registered in this manner will be described below.
도 3a는 본 발명에 따른 검사 방법에서 판정 값이 결정되는 과정에 대한 실시 예를 도시한 것이다. FIG. 3A shows an example of a process of determining a determination value in the inspection method according to the present invention.
도 3a를 참조하면, 정상 기준 영상이 준비되고(P311) 그리고 불량 기준 영상이 준비될 수 있다(P321). 그리고 정상 기준 영상 및 불량 기준 영상 각각에 대하여 영상 처리가 되어 미리 선택된 매개변수 값이 산출될 수 있다. 선택된 매개변수 값은 다수 개가 될 수 있고 각각의 기준 영상에 대하여 각각의 매개변수 값이 산출될 수 있다. 그리고 정상 제품에 대하여 산출된 매개변수 값에 대한 변이 값이 수집될 수 있다(P321). 마찬가지로 불량 제품에 대하여 산출된 매개변수 값에 대한 변이 값이 수집될 수 있다(P322). 도 3a의 아래쪽에 도시된 것처럼, 각각의 산출 값은 정상 분포 곡선(C1) 및 불량 분포 곡선(C2)을 나타낼 수 있다. Referring to FIG. 3A, a normal reference image is prepared (P311) and a defect reference image may be prepared (P321). Then, the normal reference image and the defect reference image are subjected to image processing, respectively, and the pre-selected parameter value can be calculated. The selected parameter value may be a plurality of values and each parameter value may be calculated for each reference image. Variances for the calculated parameter values for normal products can be collected (P321). Similarly, a variance value for a parameter value calculated for a defective product can be collected (P322). As shown at the bottom of Fig. 3A, each calculated value may represent a normal distribution curve C1 and a bad distribution curve C2.
도 3a에 도시된 것처럼, 정상 곡선(C1)과 불량 곡선(C2)은 서로 다른 영역에 위치하게 되고 판정 값(TH)은 매개변수 값(PV)에서 정상 곡선(C1)과 불량 곡선(C2) 사이의 적절한 값으로 선택될 수 있다. 만약 이와 같은 형태의 정상 곡선(C1)과 불량 곡선(C2)이 나타나지 않는다면 기준 영상이 다시 선택될 수 있고 그에 따른 위에서 설명된 과정이 다시 반복될 수 있다. 위에서 설명된 것처럼, 매개변수 값(PV)은 예를 들어 구분된 영역의 최대 명암 값, 이미지의 자체의 크기 또는 명암 차이와 같은 다양한 인자가 될 수 있다. 이와 같이 결정된 매개 변수 판정 값은 저장이 되어 검사 과정에 적용될 수 있다. 3A, the normal curve C1 and the defective curve C2 are located in different areas, and the determination value TH is the normal curve C1 and the defective curve C2 at the parameter value PV, As shown in FIG. If a normal curve (C1) and a defective curve (C2) of this type do not appear, the reference image can be selected again and the process described above can be repeated again. As described above, the parameter value (PV) can be a variety of factors such as, for example, the maximum intensity value of the segmented area, the size of the image itself, or the contrast difference. The parameter determination value thus determined can be stored and applied to the inspection process.
만약 새로운 유형의 결점 또는 새로운 유형의 정상 제품이 추가되면 판정 값(TH)이 매개변수 값(PV)의 축을 따라 이동되어 결정될 수 있다. 이러한 새로운 유형의 결점 또는 새로운 유형의 정상 제품은 검사 과정에서 예외(Exception)가 된다. If a new type of defect or a new type of normal product is added, the determination value TH can be determined by moving along the axis of the parameter value PV. These new types of defects or new types of normal products become exceptions in the inspection process.
예외 처리 과정에서 대하여 아래에서 설명된다. Exception handling is described below.
도 3b는 본 발명에 따른 검사 과정에서 예외 처리 과정의 실시 예를 도시한 것이다.FIG. 3B shows an example of an exception handling process in the inspection process according to the present invention.
도 3b를 참조하면, 검사를 위해 검사 대상에 대한 영상이 획득되고(S301) 해당 영상에 대한 매개변수 값이 계산될 수 있다(S302). 검사 과정에서 판정 값이 호출될 수 있고(S31) 그리고 검사 영상 처리가 될 수 있다(S32). 검사 영상의 처리는 정상(OK) 또는 불량(NG)의 판정 여부를 의미한다. 그리고 예외(Exception)가 발생되었는지 여부가 판단될 수 있다(S33). 예외 발생 여부는 예를 들어 육안으로 작업자에 의하여 판단될 수 있다. 또는 프로그램에 의하여 자동으로 판단될 수 있다. 예를 들어 위에서 설명된 분포 곡선에서 비정상적으로 벗어난 매개변수 값이 산출되거나 또는 판정 값에 근접하는 매개변수 값이 산출되는 경우 자동으로 예외가 발생된 것으로 설정될 수 있다. 예외 발생 기준에 따라 예외가 발생된 것으로 판단되면(YES) 예외 발생 대상의 매개변수 값이 양품 및 불량 데이터베이스에 추가 등록되고 이를 기초하여 매개변수의 판정 값이 다시 계산된다. 예를 들어 위에서 설명된 시각적 원 터치 클릭 방식으로 산출될 수 있다. 그리고 판정 값이 이동되고(S36) 데이터베이스에 기준 데이터가 저장될 수 있다(S37). 이후 이동된 판정 값이 호출될 수 있다(S31). Referring to FIG. 3B, an image of an object to be inspected is acquired for inspection (S301), and a parameter value for the image is calculated (S302). In the inspection process, the determination value can be called (S31) and the inspection image process can be performed (S32). The processing of the inspection image means whether or not the determination is normal (OK) or bad (NG). It may be determined whether or not an exception has occurred (S33). Whether an exception has occurred can be judged by the operator, for example, with the naked eye. Or can be automatically determined by the program. For example, if an abnormally deviated parameter value is calculated in the distribution curve described above, or a parameter value close to the determination value is calculated, the exception may be automatically set to be generated. If it is judged that an exception is generated according to the exception occurrence criterion (YES), the parameter value of the exception occurrence object is additionally registered in the good product and bad database, and the judgment value of the parameter is recalculated based thereon. For example, it can be calculated by the visual one-touch click method described above. Then, the determination value is shifted (S36) and reference data can be stored in the database (S37). Then, the moved determination value can be called (S31).
이와 달리 예외가 발생되지 않는 것으로 판단된다면(NO) 검사 결과(OK 또는 NG)가 저장되고(S34) 다시 새로운 제품에 대한 검사가 진행될 수 있다(S32). Otherwise (NO), the inspection result (OK or NG) is stored (S34), and the new product is inspected again (S32).
본 발명에 따르면, 판정 값은 기준 영상에 대한 영상 처리에 의하여 결정될 수 있다. According to the present invention, the determination value can be determined by image processing on the reference image.
도 4는 본 발명에 따른 영역 지정에 따른 지능형 판정 기준의 자동 설정 방법의 실시 예를 도시한 것이다. 4 shows an embodiment of an automatic setting method of an intelligent decision criterion according to an area designation according to the present invention.
도 4에 예시된 과정은 검사 초기 설정 과정 또는 예외 처리 과정이 될 수 있다. The process illustrated in FIG. 4 may be an initial process of setting an inspection or an exception process.
도 4를 참조하면, 판정 값의 결정을 위하여 먼저 다수 개의 기준 제품이 준비될 수 있다. 기준 영상은 정상 기준 제품 및 불량 기준 제품을 포함한다. 기준 제품이 준비되면 각각 미리 선택된 매개변수 값이 자동 계산되어 등록되어야 한다. 그리고 바람직하게 정상 제품에 대한 매개변수 값이 먼저 등록이 되지만 본 발명은 이에 제한되지 않는다. Referring to FIG. 4, a plurality of reference products may be prepared for determining the determination value. The reference image includes the top reference product and the bad reference product. When the reference product is ready, each preselected parameter value must be automatically calculated and registered. And preferably the parameter values for the normal product are registered first, but the present invention is not limited thereto.
기준 제품의 매개변수 값의 등록을 위하여 기준 제품이 투입될 수 있다(P41). 기준 제품의 투입에 따라 해당 제품에 대한 엑스레이 검사 장치에서 기준 영상이 얻어질 수 있다(P42). 양품 또는 불량으로 등록되어야 하는지 여부가 판단될 수 있다(P421). The reference product may be input for the registration of the parameter value of the reference product (P41). The reference image can be obtained in the X-ray inspection apparatus for the product according to the input of the reference product (P42). It may be determined whether it should be registered as good or bad (P421).
만약 정상 영상에 해당되지 않는다면(NO) 데이터베이스에 정상 영상에 대한 매개변수 값이 이전에 등록되어 있는지 여부가 판단될 수 있다(P422). 그리고 정상 매개변수 값이 미리 결정된 개수(n)가 되는지 여부가 판단될 수 있다(P422). 정상 영상에 대한 데이터 수가 미리 결정된 개수(n)에 도달하지 못한다면(NO) 경고 메시지를 발생시키고(P423) 그리고 다시 기준 제품 투입 단계로 이행될 수 있다(P41). 이에 비하여 정상 영상에 대한 매개변수 값이 존재하고 그리고 정상 영상에 대한 데이터 개수가 미리 결정된 개수(n)에 도달했다면(YES) 영상 처리 후 불량 제품에 대한 매개변수 값이 획득되어 저장될 수 있다(P424). If not (NO), it may be determined whether the parameter value of the normal image has been previously registered in the database (P422). It may then be determined whether the normal parameter value is a predetermined number (n) (P422). If the number of data for the normal image does not reach the predetermined number n (NO), a warning message is generated (P423), and the process may be shifted to the reference product inputting step (P41). On the other hand, if the parameter value for the normal image exists and the number of data for the normal image has reached the predetermined number n (YES), the parameter value for the defective product after image processing can be acquired and stored P424).
투입된 제품으로부터 얻어진 영상이 정상 영상에 해당된다면(YES) 산출된 매개변수 값이 등록될 수 있다(P43). 그리고 데이터베이스에 정상 영상에 대한 매개변수 값이 미리 결정된 개수(n)가 되는지 여부가 판단될 수 있다(P44). 만약 미리 결정된 개수(n)가 되지 않는다면(NO), 제품이 다시 투입될 수 있다(P41). 이에 비하여 미리 결정된 개수(n)가 된다면(YES) 다시 불량 제품에 대한 매개변수 데이터의 개수(k)가 판단될 수 있다(P45). 만약 불량 영상에 대한 매개변수 값이 미리 결정된 개수가 되지 않는다면(NO) 불량 제품이 투입될 수 있다(P41). 이에 비하여 불량 제품의 매개변수 값의 데이터가 미리 결정된 개수(k)가 된다면(YES) 데이터베이스에 저장된 양품 및 불량 제품에 대한 매개변수 값에 기초하여 판정 값이 결정될 수 있다(P46). 그리고 결정된 판정 값이 프로그램에 반영되고(P47) 절차가 종료될 수 있다(P48). If the image obtained from the input product corresponds to a normal image (YES), the calculated parameter value can be registered (P43). Then, it can be determined whether the parameter value of the normal image in the database is a predetermined number (n) (P44). If the predetermined number n is not reached (NO), the product can be inserted again (P41). On the other hand, if the number n is a predetermined number (YES), the number k of parameter data for the defective product can be determined again (P45). If the parameter value for the defective image is not a predetermined number (NO), the defective product may be input (P41). On the other hand, if the data of the parameter value of the defective product is a predetermined number (k) (YES), the determination value may be determined based on the parameter value for the good product and the defective product stored in the database (P46). Then, the determined determination value is reflected in the program (P47) and the procedure may be terminated (P48).
다양한 방법으로 매개변수 값들이 자동으로 계산 및 등록될 수 있고 그리고 그에 따라 판정 값이 결정될 수 있다. The parameter values can be automatically calculated and registered in a variety of ways, and the determination value can be determined accordingly.
본 발명에 따른 검사 방법은 검사 초기 설정 과정에서 별도로 검사 관련 매개변수의 판정 값의 입력이 요구되지 않도록 하는 것에 의하여 검사 효율성이 향상될 수 있도록 한다. 또한 본 발명에 따른 검사 방법은 검사 과정에서 매개변수의 판정 값의 입력 오류가 방지되도록 하는 것에 의하여 검사 신뢰성이 향상되도록 한다는 이점을 가진다. 추가로 본 발명에 따른 검사 방법은 예외 상황의 처리가 자동으로 검사 과정에 적용되도록 하는 것에 의하여 스마트 학습 방식의 검사가 가능하도록 한다는 장점을 가진다. The inspection method according to the present invention can improve the inspection efficiency by not requiring the input of the judgment value of the inspection related parameter separately in the initial setting of the inspection. Further, the inspection method according to the present invention has an advantage that inspection reliability is improved by preventing an input error of a determination value of a parameter in an inspection process. In addition, the inspection method according to the present invention has an advantage that the inspection of the exceptional situation is automatically applied to the inspection process, thereby enabling the inspection of the smart learning method.
위에서 본 발명은 제시된 실시 예를 참조하여 상세하게 설명이 되었지만 이 분야에서 통상의 지식을 가진 자는 제시된 실시 예를 참조하여 본 발명의 기술적 사상을 벗어나지 않는 범위에서 다양한 변형 및 수정 발명을 만들 수 있을 것이다. 본 발명은 이와 같은 변형 및 수정 발명에 의하여 제한되지 않으며 다만 아래에 첨부된 청구범위에 의하여 제한된다. While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it will be understood by those of ordinary skill in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention . The invention is not limited by these variations and modifications, but is limited only by the claims appended hereto.
22: 매개변수 탭 21a, 21b: 판정 탭
221: 항목 탭 222: 입력 탭
B1, B2: 결점 그룹 B11, B22: 결점
BI: 불량 이미지 GI: 정상 이미지
NG: 불량 SP: 선택 팝업 윈도우
T: 선택 탭 W: 윈도우
W1: 이미지 창22:
221: Entry Tab 222: Input Tab
B1, B2: Defect group B11, B22: Defect
BI: Bad image GI: Normal image
NG: Bad SP: Select pop-up window
T: Selection tab W: Window
W1: Image window
Claims (2)
적어도 하나의 정상 및 적어도 하나의 불량 제품에 대한 기준 영상 처리에 의하여 미리 선택된 적어도 하나의 매개변수 값을 산출하는 단계; 및
상기 산출된 매개변수 값에 기초하여 검사 판정 값을 결정하는 단계;를 포함하고,
상기 적어도 하나의 매개변수 값은 정상 제품 또는 불량 제품에 대한 구분된 영역의 최대 명암 값을 포함하고,
상기 검사 판정 값은 정상 제품에 대한 분포 곡선 또는 정상 및 불량 제품에 대한 두 개의 분포 곡선에 의하여 결정되고, 두 개의 분포 곡선에 대하여 비정상적으로 벗어난 매개변수 값이 산출되거나 또는 판정 값에 근접하는 매개변수 값이 산출되면 예외가 발생한 것으로 판단되어 상기 매개변수 값이 다시 계산되고, 상기 적어도 하나의 매개변수 값을 산출하는 단계에서 적어도 일부에 대한 터치 또는 적어도 한 번의 클릭에 의하여 해당 영역을 포함하는 주위의 일정 영역이 선택되는 것을 특징으로 하는 지능형 판정 기준의 자동 설정 방법. A method for setting a criterion value for X-ray inspection,
Calculating at least one parameter value preselected by reference image processing for at least one normal and at least one defective product; And
And determining an inspection judgment value based on the calculated parameter value,
Wherein the at least one parameter value comprises a maximum intensity value of a distinguished area for a normal product or a defective product,
The inspection decision value is determined by two distribution curves for the normal product and the normal product and for the normal product, and the abnormally out-of-parameter value for the two distribution curves is calculated or the parameter close to the determination value The value of the at least one parameter is calculated, and the at least one parameter value is calculated. In the step of calculating the at least one parameter value, And the predetermined region is selected.
검사 매개변수를 선택하는 단계;
정상 제품 및 불량 제품에 대한 기준 영상을 처리하고 상기 검사 매개변수에 대한 값을 산출하는 단계;
상기 산출된 값을 기초로 판정 값을 결정하여 저장하는 단계;
제품에 대한 검사 영상을 처리하여 계산하는 단계;
상기 검사 매개변수 값이 입력되고 상기 판정 값에 기초하여 상기 제품에 대하여 판정되는 단계; 및
검사 결과가 저장되는 단계;를 포함하고,
상기 적어도 하나의 매개변수 값을 산출하는 단계는 정상 또는 불량 제품의 적어도 일부에 대한 터치 또는 적어도 한 번의 클릭을 통해 시각적 영역 지정 단계를 구현하고, 적어도 일부에 대한 터치 또는 적어도 한 번의 클릭에 의하여 해당 영역을 포함하는 주위의 일정 영역이 선택되는 것을 특징으로 하는 지능형 판정 기준의 자동 설정 방법.
In the X-ray examination method,
Selecting an inspection parameter;
Processing a reference image for a normal product and a defective product and calculating a value for the inspection parameter;
Determining and storing a determination value based on the calculated value;
Processing a test image for the product and calculating it;
The inspection parameter value being input and being determined for the product based on the determination value; And
And storing the test result,
Wherein the step of calculating the at least one parameter value comprises the steps of implementing a visual region designation step through a touch or at least one click on at least a portion of normal or defective products and applying a touch or at least one click Wherein a predetermined region around the region including the region is selected.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160062996A KR102000938B1 (en) | 2016-05-23 | 2016-05-23 | Method for Setting Inspection Criteria Automatically by Indicating Regions and Smart Learning Method for X-ray Inspection Using the Same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160062996A KR102000938B1 (en) | 2016-05-23 | 2016-05-23 | Method for Setting Inspection Criteria Automatically by Indicating Regions and Smart Learning Method for X-ray Inspection Using the Same |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140014629A Division KR20150093959A (en) | 2014-02-10 | 2014-02-10 | Method for Setting Inspection Criteria Automatically by Indicating Regions and Smart Learning Method for X-ray Inspection Using the Same |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20160064058A true KR20160064058A (en) | 2016-06-07 |
| KR102000938B1 KR102000938B1 (en) | 2019-07-17 |
Family
ID=56193049
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160062996A KR102000938B1 (en) | 2016-05-23 | 2016-05-23 | Method for Setting Inspection Criteria Automatically by Indicating Regions and Smart Learning Method for X-ray Inspection Using the Same |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102000938B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200021160A (en) | 2018-08-20 | 2020-02-28 | 전북대학교병원 | Lower extremities bone image processing apparatus and method |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102542505B1 (en) * | 2020-11-17 | 2023-06-13 | (주)자비스 | System, method and program for creating tranining data using x-ray attenuation equation and method for detecting foreighn material using thereof |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000004289A (en) | 1998-06-30 | 2000-01-25 | 윤종용 | Method for setting teaching data of pcb automatic test device and apparatus thereof |
| JP2002098652A (en) * | 2000-09-26 | 2002-04-05 | Ishida Co Ltd | X-ray inspection device |
| KR20110120686A (en) | 2010-04-29 | 2011-11-04 | 주식회사 쓰리디산업영상 | Method and system for inspecting internal defect using reference information |
| JP2012127973A (en) * | 2012-03-01 | 2012-07-05 | Meiji Co Ltd | Non-defective product criterion setting method in inspection device and non-defective product criterion setting device |
| KR101321378B1 (en) * | 2013-04-10 | 2013-10-23 | (주)자비스 | Mobile devices x-ray inspection method |
-
2016
- 2016-05-23 KR KR1020160062996A patent/KR102000938B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000004289A (en) | 1998-06-30 | 2000-01-25 | 윤종용 | Method for setting teaching data of pcb automatic test device and apparatus thereof |
| JP2002098652A (en) * | 2000-09-26 | 2002-04-05 | Ishida Co Ltd | X-ray inspection device |
| KR20110120686A (en) | 2010-04-29 | 2011-11-04 | 주식회사 쓰리디산업영상 | Method and system for inspecting internal defect using reference information |
| JP2012127973A (en) * | 2012-03-01 | 2012-07-05 | Meiji Co Ltd | Non-defective product criterion setting method in inspection device and non-defective product criterion setting device |
| KR101321378B1 (en) * | 2013-04-10 | 2013-10-23 | (주)자비스 | Mobile devices x-ray inspection method |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200021160A (en) | 2018-08-20 | 2020-02-28 | 전북대학교병원 | Lower extremities bone image processing apparatus and method |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102000938B1 (en) | 2019-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3480735B1 (en) | Inspection apparatus, data generation apparatus, data generation method, and data generation program | |
| CN109961421B (en) | Data generating device, data generating method, and data generating recording medium | |
| JP5865707B2 (en) | Appearance inspection apparatus, appearance inspection method, and computer program | |
| US10297021B2 (en) | Defect quantification method, defect quantification device, and defect evaluation value display device | |
| US9262821B2 (en) | Inspection recipe setup from reference image variation | |
| JP6355411B2 (en) | Edge detection method | |
| JP4078280B2 (en) | Circuit pattern inspection method and inspection apparatus | |
| KR102249836B1 (en) | Method for non-destructive inspection based on image and Computer-readable storage medium | |
| WO2013153891A1 (en) | Charged particle beam apparatus | |
| WO2016174926A1 (en) | Image processing device, image processing method, and program | |
| JP5707291B2 (en) | Charged particle beam system that supports image classification | |
| JP2007114843A (en) | Quality deciding device | |
| WO2020071162A1 (en) | Training data generation device and training data generation program | |
| JP6347589B2 (en) | Information processing apparatus, information processing method, and program | |
| KR102000938B1 (en) | Method for Setting Inspection Criteria Automatically by Indicating Regions and Smart Learning Method for X-ray Inspection Using the Same | |
| KR20150093959A (en) | Method for Setting Inspection Criteria Automatically by Indicating Regions and Smart Learning Method for X-ray Inspection Using the Same | |
| JP2007198968A (en) | Image-classifying method and image-classifying apparatus | |
| JP2018091771A (en) | Method for inspection, preliminary image selection device, and inspection system | |
| KR20220111214A (en) | Method, apparatus and computer program for inspection of product based on artificial intelligence | |
| WO2021161628A1 (en) | Machine learning method, and information processing device for machine learning | |
| JP6114559B2 (en) | Automatic unevenness detector for flat panel display | |
| CN112129768A (en) | Appearance inspection management system, device, method and storage medium | |
| WO2021075152A1 (en) | Defect-classifying device and defect-classifying program | |
| KR102415928B1 (en) | Method for non-destructive inspection based on transmission image | |
| KR102616867B1 (en) | Method for non-destructive inspection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |