TWI670485B - 檢測裝置與檢測方法 - Google Patents
檢測裝置與檢測方法 Download PDFInfo
- Publication number
- TWI670485B TWI670485B TW107135836A TW107135836A TWI670485B TW I670485 B TWI670485 B TW I670485B TW 107135836 A TW107135836 A TW 107135836A TW 107135836 A TW107135836 A TW 107135836A TW I670485 B TWI670485 B TW I670485B
- Authority
- TW
- Taiwan
- Prior art keywords
- intensity
- concentration
- detecting
- unit
- image
- Prior art date
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一種檢測裝置與檢測方法。檢測裝置包括一光學檢查單元、一光學分析單元及一濃度檢測單元。該光學檢查單元用以擷取一被測物之一影像。該光學分析單元用以分析該影像之一第一原色之一第一強度與一第二原色之一第二強度。該濃度檢測單元用以至少依據該第一強度及該第二強度,以一檢測迴歸曲線或一分組模型,獲得該被測物之一成分之一濃度。
Description
本發明是有關於一種檢測裝置與檢測方法。
目前電路板電鍍廠為了確保電鍍液之離子濃度(例如銅離子)的精確度,必須取出電鍍液樣本,再到實驗室進行檢測(滴定法或原子吸收光譜法等)。然而,此些檢測方式相當耗時,而無法即時獲得電鍍液之離子濃度。一旦在實驗室檢測出電鍍液之離子濃度發生異常時,生產線上已經生產了數批電路板,可能嚴重影響製程良率。
因此,電路板電鍍廠需要一種能夠在生產線上量測電鍍液濃度之方法與設備,以使製程能夠進行修正。
此外,在其他與濃度相關之程序中,例如是生物液體之成分濃度與染布之成分含量等,也需要研發出一種能夠在線上即時量測濃度之方法與設備。
本發明係有關於一種檢測裝置與檢測方法,其利用光學檢查單元在生產線上達成濃度之檢測,並且使製程能夠進行修正。
根據本發明提出一種檢測裝置。檢測裝置包括一光學檢查單元、一光學分析單元及一濃度檢測單元。該光學檢查單元用以擷取一被測物之一影像。該光學分析單元用以分析該影像之一第一原色之一第一強度與一第二原色之一第二強度。該濃度檢測單元用以至少依據該第一強度及該第二強度,以一檢測迴歸曲線或一分組模型,獲得該被測物之一成分之一濃度。
根據本發明另提出一種檢測方法。檢測方法包括以下步驟。以一光學檢查單元擷取一被測物之一影像。分析該影像之一第一原色之一第一強度與一第二原色之一第二強度。至少依據該第一強度及該第二強度,以一檢測迴歸曲線或一分組模型,獲得該被測物之一成分之一濃度。
為了對本發明之上述及其他方面有更佳的瞭解,下文特舉實施例,並配合所附圖式詳細說明如下:
100、200、300、400、400’‧‧‧檢測裝置
110、210、310、410‧‧‧光學檢查單元
111‧‧‧鏡頭模組
112‧‧‧光圈模組
113‧‧‧數位感光元件
120、220、320、420‧‧‧光學分析單元
130、230、330‧‧‧濃度檢測單元
240‧‧‧環境感測單元
340、440‧‧‧控制單元
350‧‧‧添加單元
450‧‧‧制動器
900‧‧‧分組模型
CT1‧‧‧待測容器
CT3、CT4‧‧‧製程槽
CM3、CM4‧‧‧控制訊號
CN1、CN2、CN3‧‧‧濃度
CV1‧‧‧檢測迴歸曲線
ES2‧‧‧環境參數
IM1、IM2、IM3、IM4‧‧‧影像
L41、L43‧‧‧入射光
L42‧‧‧穿透光
L44‧‧‧反射光
LD1、LD4‧‧‧光源
LQ1、LQ2、LQ3‧‧‧液體
OT4‧‧‧被測物
PG‧‧‧像素群
PX‧‧‧像素點
S11、S21、S31‧‧‧第一強度
S12、S22、S32‧‧‧第二強度
S110、S120、S130、S230‧‧‧步驟
S41‧‧‧成分含量訊號
R1、R2、R3、X1、Xi、Xn、Y1、Yk、Ym、Y1*、Yk*、Ym*‧‧‧節點
第1圖繪示根據一實施例之檢測裝置的示意圖。
第2圖繪示根據一實施例之檢測方法的流程圖。
第3圖繪示影像之示意圖。
第4圖繪示根據一實施例之檢測迴歸曲線。
第5圖繪示根據另一實施例之檢測方法的流程圖。
第6圖繪示根據一實施例之一分組模型之示意圖。
第7圖繪示根據另一實施例之檢測裝置的示意圖。
第8圖繪示根據另一實施例之檢測方法的流程圖。
第9圖繪示根據另一實施例之檢測裝置的示意圖。
第10圖繪示根據另一實施例之檢測裝置的示意圖。
第11圖繪示根據另一實施例之檢測裝置的示意圖。
請參第1圖,其繪示根據一實施例之檢測裝置100的示意圖。本實施例之被測物例如是電路板廠中電鍍銅線製程所使用之銅離子溶液。檢測裝置100包括一光學檢查單元110、一光學分析單元120及一濃度檢測單元130。光學檢查單元例如是自動光學檢查單元(Automated Optical Inspection unit,AOI unit)。光學分析單元120及濃度檢測單元130例如是一電路、一電腦、一晶片、一電路板、一程式模組、或儲存數組程式碼之一儲存裝置。光學分析單元120及濃度檢測單元130可以是儲存於一記憶體之一程式或一演算法。當載出程式或演算法於一微處理器(microprocessor)、一晶片(chip)、一處理器、一電路、一電腦、一電路板、一程式模組、或儲存數組程式碼之一儲存裝置即可執行。光學檢查單元110例如包括一鏡頭模組111、一光圈模
組112及一數位感光元件113。在本實施例中,光學檢查單元110並非應用於傳統的錫膏印刷檢測,而是應用於液體或染布等被測物之即時檢測上。錫膏印刷檢測所進行之檢測主要是針對位置、形狀等特徵進行檢測。在本實施例中,搭配光學分析單元120及濃度檢測單元130,使得光學檢查單元110能夠應用於被測物之即時檢測,例如電鍍液。並且採用光學檢查單元110的做法無須透過化學反應來測定濃度,故不同於傳統之滴定法。採用光學檢查單元110的做法可不需進行複雜的光譜的分析,故不同於傳統之原子吸收光譜法。以下更進一步搭配流程圖詳細說明各項元件之運作方式。
請參照第2圖,其繪示根據一實施例之檢測方法的流程圖。在步驟S110中,以光學檢查單元110擷取一被測物之一影像(例如是一液體LQ1之一影像IM1)。在此步驟中,液體LQ1可以由一製程槽取出,並設置於一待測容器CT1中。一光源LD1提供至液體LQ1後,光學檢查單元110對著待測容器CT1拍攝。光學檢查單元110拍攝到影像IM1後,傳遞至光學分析單元120。
在此步驟中,光學檢查單元110直接拍攝影像IM1。由於光學檢查單元110之數位感光元件113係包括數個感光像素元件,其中感光像素元件例如為電荷耦合元件(Charge-coupled Device,CCD),感光像素元件會針對各個像素點所接收到的第一原色之光線(例如是紅色之光線)、第二原色之光線(例如是綠色之光線)及第三原色之光線(例如是藍
色之光線)轉換成電訊號,並儲存下來,以形成一張影像IM1,因此本實施例可無需再針對光譜進行複雜的分析。
接著,在步驟S120中,光學分析單元120分析影像IM1之第一原色之第一強度S11與第二強度S12。請參照第3圖,其繪示影像IM1之示意圖。光學分析單元120係對影像IM1之數個像素群PG進行分析。各個像素群PG包含相鄰之數個像素點PX。如第3圖所示,像素群PG之數量為9個,此些像素群PG互不相鄰,且3X3之方式排列。在每一像素群PG中的像素點PX之數量為9個。像素點PX係以3X3矩陣排列。也就是說,光學分析單元120係對影像IM1之81個像素點PX進行分析。在一實施例中,數個像素群PG中之至少2群互不相鄰。
光學分析單元120將81個像素點PX之紅色的強度進行平均,以得到影像IM1之第一強度S11;光學分析單元120並將81個像素點PX之綠色的強度進行平均,以得到影像IM1之第二強度S12。第一強度S11與第二強度S12並傳遞至濃度檢測單元130。
然後,在步驟S130中,濃度檢測單元130依據第一強度S11及第二強度S12,以一檢測迴歸曲線(regression curve)CV1(繪示於第4圖),獲得被測物之一成分之濃度(例如是液體LQ1之一濃度CN1)。請參照第4圖,其繪示根據一實施例之檢測迴歸曲線CV1。檢測迴歸曲線CV1表示第一強度S11與第二強度S12之總和與濃度CN1之迴歸關係。檢測迴歸曲線CV1係預先以
相同之方法針對不同的濃度進行分析,在每一濃度之實驗中,可以透過光學分析單元120獲得第一強度S11與第二強度S12之總和。經過數次不同濃度之實驗,可以獲得不同濃度對應於第一強度S11與第二強度S12之總和的座標(如第4圖所示之黑點)。再透過線性回歸分析或多項式迴歸分析,則可以獲得第一強度S11與第二強度S12之總和與濃度CN1之檢測迴歸曲線CV1。也就是說,濃度檢測單元130可以依據實際所分析出來之第一強度S11與第二強度S12之總和,獲得液體LQ1之濃度CN1。
在本實施例中,液體LQ1係為銅離子溶液,第一強度S11為紅色之強度,第二強度S12為綠色之強度。請參照下表一,其說明迴歸關係之決定係數(coefficient of determination,R 2)的實驗結果。由表一可以看出,在檢測銅離子溶液之濃度時,紅色之強度與綠色之強度的總和與濃度之迴歸關係的決定係數最高,而最具有代表性。這實驗結果突破長久以來的技術偏見。長久以來,本領域中具有通常知識者認為銅離子溶液為藍色,應該檢測藍色之強度才會的到準確的分析。然而,經本發明研究人員的苦心研究,發現紅色之強度與綠色之強度的總和才可以得到最高的準確度,在技術上實為一大突破。然而,除了紅色之強度與綠色之強度的總和以外,在其他實施例中(尤其是檢測其他時種類溶液之實施例中),紅色之強度與藍色之強度的總和亦可進行濃度的檢測。或者,在其他實施例中(尤其是檢測其他時種類溶液之實施例中),單一個紅色之強度亦可進行濃度的檢測。在其
他實施例中(尤其是檢測其他時種類溶液之實施例中),單一個綠色之強度亦可進行濃度的檢測。在其他實施例中(尤其是檢測其他時種類溶液之實施例中),單一個藍色之強度亦可進行濃度的檢測。
請參照第5圖及第6圖,第5圖繪示根據另一實施例之檢測方法的流程圖,第6圖繪示根據一實施例之一分組模型900之示意圖。分組模型900例如是一反傳導式類神經網路(Counter-propagation Network,CPN)模型。在另一實施例之步驟S130’中,濃度檢測單元130可以依據第一強度S11及第二強度S12,以分組模型900,獲得被測物之成分之濃度(例如是液體LQ1之濃度CN1)。如第6圖所示,節點X1、Xi、Xn表示所第一強度S11、第二強度S12等(亦可包括其他參數,如環境溫度、環境濕度等),節點Y1、Yk、Ym表示已知之濃度CN1。節點R1、R2、R3為隱藏層節點。輸出層之節點Y1*、Yk*、Ym*則代表分組後的結果(即分析後之濃度CN1)。
透過分組模型900,濃度檢測單元130亦可順利分析出濃度CN1。並且,在一實施例中,分組模型900可以在每一次的分析後,回饋分析結果,以進行模型的修正。
請再參照第7圖及第8圖,第7圖繪示根據另一實施例之檢測裝置200的示意圖,第8圖繪示根據另一實施例之檢測方法的流程圖。在本實施中,除了光學檢查單元210、光學分析單元220及濃度檢測單元230以外,檢測裝置200更包括一環境感測單元240。環境感測單元240例如是一光感測器、一濕度感測器、一溫度感測器。光學分析單元220針對影像IM2分析出第一強度S21、第二強度S22。環境感測單元240用以感測一環境參數ES2(例如是環境溫度、環境亮度或環境濕度)。在步驟S230中,濃度檢測單元230依據環境參數ES2、第一強度S21及第二強度S22,獲得被測物之成分之濃度(例如是液體LQ2之濃度CN2)。在此實施例中,濃度檢測單元230更考慮到環境參數ES2之變化對檢測結果之影響。也就是說,步驟S230可以採用多重迴歸分析/多元迴歸分析(Multiple regression analysis)來增加考慮的因素,以增加檢測準確度。
請再參照第9圖,其繪示根據另一實施例之檢測裝置300的示意圖。在此實施例中,光學檢查單元310係直接對一製程槽CT3拍攝。由於本實施例並非滴定法或原子吸收光譜法,故無需將液體LQ3取出,就可以直接利用光學檢查單元310拍攝出影
像IM3,再透過光學分析單元320分析出第一強度S31與第二強度S32。
在本實施例中,檢測裝置300更包括一控制單元340及一添加單元350。控制單元340例如是一電路、一晶片、一電腦、一電路板、一程式模組、或儲存數組程式碼之一儲存裝置。控制單元340可以是儲存於一記憶體之一程式或一演算法。當載出程式或演算法於一微處理器(microprocessor)、一晶片(chip)、一處理器、一電路、一電腦、一電路板、一程式模組、或儲存數組程式碼之一儲存裝置即可執行。添加單元350例如是一流量控制閥、或一幫補。控制單元340接收濃度檢測單元330輸出之濃度CN3後,即可判斷濃度CN3是否符合標準。
若隨著電鍍製程的進行,濃度CN3逐漸降低而低至不符合標準時,則控制單元340即可立即輸出一控制訊號CM3至添加單元350,以控制添加單元350添加銅離子。
在一實施例中,檢測裝置300可包含一光源裝置,依據液體LQ3(例如:電鍍液中的各成分)的光譜特性,光源裝置可選擇性地輸出不同波段的色光,例如:寬頻光(如白光)、窄頻光(如紅光、藍光或綠光等)、或非可見光光(如紅外光、紫外光等)。同樣地,亦可依液體LQ3的光譜特性,檢測裝置300的光學分析單元320亦可選擇性地搭配可響應不同頻譜訊號的感測裝置。
在另一實施例中,檢測裝置300更可以應用指示劑(例如:酚酞)。檢測裝置300可快速將檢測出的濃度換算出控制訊號CM3並經控制單元340將控制訊號CM3回授至添加單元350,其中控制訊號CM3關聯於添加液量。其中,被測成分例如為電鍍銅之銅離子濃度、光澤劑成分之濃度等等,但本發明不限於此。
請參第10圖,其繪示根據另一實施例之檢測裝置400的示意圖。在一實施例,被測物OT4可不限為液體,被測物OT4可例如為染布、印刷布或紙等。在此實施例中,檢測裝置400的光源LD4與光學檢查單元410可設置於被測物OT4的相對兩側,光源LD4提供一入射光L41入射至被測物OT4,光學檢查單元410接收經被測物OT4的穿透光L42。
光學分析單元420接收光學檢查單元410輸出的影像IM4(顏色/光譜訊號),經運算得出被測物OT4(例如是染布)中的成分含量訊號S41,並將此成分含量訊號S41輸出至控制單元440。
控制單元440接收上述成分含量訊號S41,並轉換為控制訊號CM4並輸出至固定座的制動器450以帶動被測物OT4(例如是染布)再次浸入至製程槽CT4,可重複上述感測、運算、控制等流程,直至運算所得之成分含量訊號S41達到一允收值或一允收範圍。
請參第11圖,其繪示根據另一實施例之檢測裝置400’的示意圖。在此實施例中,檢測裝置400的光源LD4與光學檢查單元410可設置於被測物OT4的同一側,光源LD4提供一入射光L43入射至被測物OT4,光學檢查單元410接收經被測物OT4的反射光L44。
光學分析單元420接收光學檢查單元410輸出的影像IM4(顏色/光譜訊號),經運算得出被測物OT4(例如是染布)中的成分含量訊號S41,並將此成分含量訊號S41輸出至控制單元440。
控制單元440接收上述成分含量訊號S41,並轉換為控制訊號CM4並輸出至固定座的制動器450以帶動被測物OT4(例如是染布)再次浸入至製程槽CT4,可重複上述感測、運算、控制等流程,直至運算所得之成分含量訊號S41達到一允收值或一允收範圍。
上述實施例之液體LQ1、LQ2、LQ3雖然係以銅離子溶液或電鍍液為例做說明。然而,液體之種類並不侷限本發明。只要在濕式製程中有必要對液體之濃度進行監控,均可適用本發明之檢測裝置與方法。或者,被測物OT4可不限為液體,被測物OT4可例如為染布、印刷布或紙等。在一實施例,上述檢測裝置300及檢測方法亦可應用於檢測生物之生物液體(例如:尿液、血液等),並由所取得之大數據以建立生物液體之原色光強度與液體成分濃度之回歸模型。藉由此檢測裝置300及檢測方法動態/即時
檢測生物液體之成分濃度,並依此追蹤該生物的狀況。在一實施例中,上述檢測裝置400、400’及檢測方法亦可應用於染布的製程,以監測染布之成分含量訊號S41是否達到允收值或允收範圍。
根據上述各種實施例,檢測裝置與方法可以透過光學檢查單元,生產線上達成濃度之即時檢測,並且使製程能夠進行即時修正與自動添加。
綜上所述,雖然本發明已以實施例揭露如上,然其並非用以限定本發明。本發明所屬技術領域中具有通常知識者,在不脫離本發明之精神和範圍內,當可作各種之更動與潤飾。因此,本發明之保護範圍當視後附之申請專利範圍所界定者為準。
Claims (22)
- 一種檢測裝置,包括:一光學檢查單元,用以擷取一被測物之一影像;一光學分析單元,用以分析該影像之一第一原色之一第一強度與一第二原色之一第二強度;以及一濃度檢測單元,用以至少依據該第一強度及該第二強度之總和,以一檢測迴歸曲線或一分組模型,獲得該被測物之一成分之一濃度。
- 如申請專利範圍第1項所述之檢測裝置,其中該被測物為一液體,該液體係為一銅離子溶液,該第一原色係為一紅色,該第二原色係為一綠色。
- 如申請專利範圍第1項所述之檢測裝置,其中該光學分析單元係針對該影像之複數個像素群進行分析,各該像素群包含相鄰之複數個像素點。
- 如申請專利範圍第3項所述之檢測裝置,其中該些像素群中之至少2群互不相鄰。
- 如申請專利範圍第1項所述之檢測裝置,更包括:一環境感測單元,用以感測一環境參數; 其中,該濃度檢測單元係依據該環境參數、該第一強度及該第二強度,獲得該被測物之該成分之該濃度。
- 如申請專利範圍第1項所述之檢測裝置,其中該分組模型係為一反傳導式類神經網路(Counter-propagation Network,CPN)模型。
- 一種檢測裝置,包括:一光學檢查單元,用以擷取一被測物之一影像;一光學分析單元,係針對該影像之複數個像素群進行分析,以分析該影像之一第一原色之一第一強度與一第二原色之一第二強度,其中各該像素群包含相鄰之複數個像素點;以及一濃度檢測單元,用以至少依據該第一強度及該第二強度,以一檢測迴歸曲線或一分組模型,獲得該被測物之一成分之一濃度。
- 如申請專利範圍第7項所述之檢測裝置,其中該被測物為一液體,該液體係為一銅離子溶液,該第一原色係為一紅色,該第二原色係為一綠色。
- 如申請專利範圍第7項所述之檢測裝置,其中該些像素群中之至少2群互不相鄰。
- 如申請專利範圍第7項所述之檢測裝置,更包括: 一環境感測單元,用以感測一環境參數;其中,該濃度檢測單元係依據該環境參數、該第一強度及該第二強度,獲得該被測物之該成分之該濃度。
- 如申請專利範圍第7項所述之檢測裝置,其中該分組模型係為一反傳導式類神經網路(Counter-propagation Network,CPN)模型。
- 一種檢測方法,包括:以一光學檢查單元擷取一被測物之一影像;分析該影像之一第一原色之一第一強度與一第二原色之一第二強度;以及至少依據該第一強度及該第二強度之一總和,以一檢測迴歸曲線或一分組模型,獲得該被測物之一成分之一濃度。
- 如申請專利範圍第12項所述之檢測方法,其中該被測物為一液體,該液體係為一銅離子溶液,該第一原色係為一紅色,該第二原色係為一綠色。
- 如申請專利範圍第12項所述之檢測方法,其中分析該影像之該第一強度及該第二強度之步驟中,係針對該影像之複數個像素群進行分析,各該像素群包含相鄰之複數個像素點。
- 如申請專利範圍第14項所述之檢測方法,其中該些像素群中之至少2群互不相鄰。
- 如申請專利範圍第12項所述之檢測方法,更包括:感測一環境參數;其中,獲得該被測物之該成分之該濃度之步驟中,係依據該環境參數、該第一強度及該第二強度,獲得該被測物之該成分之該濃度。
- 如申請專利範圍第12項所述之檢測方法,其中在獲得該被測物之該成分之該濃度之步驟中,該分組模型係為一反傳導式類神經網路(Counter-propagation Network,CPN)模型。
- 一種檢測方法,包括:以一光學檢查單元擷取一被測物之一影像;針對該影像之複數個像素群分析該影像之一第一原色之一第一強度與一第二原色之一第二強度,其中各該像素群包含相鄰之複數個像素點;以及至少依據該第一強度及該第二強度,以一檢測迴歸曲線或一分組模型,獲得該被測物之一成分之一濃度。
- 如申請專利範圍第18項所述之檢測方法,其中該被測物為一液體,該液體係為一銅離子溶液,該第一原色係為一紅色,該第二原色係為一綠色。
- 如申請專利範圍第18項所述之檢測方法,其中該些像素群中之至少2群互不相鄰。
- 如申請專利範圍第18項所述之檢測方法,更包括:感測一環境參數;其中,獲得該被測物之該成分之該濃度之步驟中,係依據該環境參數、該第一強度及該第二強度,獲得該被測物之該成分之該濃度。
- 如申請專利範圍第18項所述之檢測方法,其中在獲得該被測物之該成分之該濃度之步驟中,該分組模型係為一反傳導式類神經網路(Counter-propagation Network,CPN)模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910008428.3A CN110006895A (zh) | 2018-01-05 | 2019-01-04 | 检测装置与检测方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862613778P | 2018-01-05 | 2018-01-05 | |
US62/613,778 | 2018-01-05 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201930856A TW201930856A (zh) | 2019-08-01 |
TWI670485B true TWI670485B (zh) | 2019-09-01 |
Family
ID=68315668
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107122979A TWI669519B (zh) | 2018-01-05 | 2018-07-03 | 電路板瑕疵篩選方法及其裝置與電腦可讀取記錄媒體 |
TW107135836A TWI670485B (zh) | 2018-01-05 | 2018-10-11 | 檢測裝置與檢測方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107122979A TWI669519B (zh) | 2018-01-05 | 2018-07-03 | 電路板瑕疵篩選方法及其裝置與電腦可讀取記錄媒體 |
Country Status (1)
Country | Link |
---|---|
TW (2) | TWI669519B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW202134634A (zh) * | 2020-03-13 | 2021-09-16 | 由田新技股份有限公司 | 共生式複檢系統、及共生式複檢方法 |
TWI722861B (zh) * | 2020-04-08 | 2021-03-21 | 晶碩光學股份有限公司 | 分類方法及分類系統 |
TWI759733B (zh) * | 2020-04-28 | 2022-04-01 | 友達光電股份有限公司 | 人工智慧自動光學檢測方法及系統 |
TWI744999B (zh) | 2020-07-23 | 2021-11-01 | 和碩聯合科技股份有限公司 | 焊點檢測模型訓練方法、焊點檢測方法及焊點檢測裝置 |
CN114226262A (zh) * | 2020-09-09 | 2022-03-25 | 宜谷京科技实业有限公司 | 瑕疵检测方法、瑕疵分类方法及其系统 |
CN113155842A (zh) * | 2021-03-01 | 2021-07-23 | 唐芮 | 一种流水线瑕疵检测系统及其方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006100685A2 (en) * | 2005-03-25 | 2006-09-28 | Cnoga Holdings Ltd | Optical sensor device and image processing unit for measuring chemical concentrations, chemical saturations and biophysical parameters |
CN106644991A (zh) * | 2017-02-21 | 2017-05-10 | 中国环境科学研究院 | 锰锌陈化液胶体化过程金属离子浓度智能化在线实时监测系统及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2998894B1 (en) * | 2005-07-11 | 2021-09-08 | Brooks Automation, Inc. | Intelligent condition monitoring and fault diagnostic system |
US7676077B2 (en) * | 2005-11-18 | 2010-03-09 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
JP5727322B2 (ja) * | 2011-07-27 | 2015-06-03 | 株式会社日立ハイテクノロジーズ | 半導体検査システム |
US8607169B2 (en) * | 2011-12-28 | 2013-12-10 | Elitetech Technology Co., Ltd. | Intelligent defect diagnosis method |
TWI585398B (zh) * | 2016-06-08 | 2017-06-01 | Projection-type printed circuit board re-inspection system and methods, and marking the location of the defect |
-
2018
- 2018-07-03 TW TW107122979A patent/TWI669519B/zh active
- 2018-10-11 TW TW107135836A patent/TWI670485B/zh active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006100685A2 (en) * | 2005-03-25 | 2006-09-28 | Cnoga Holdings Ltd | Optical sensor device and image processing unit for measuring chemical concentrations, chemical saturations and biophysical parameters |
CN106644991A (zh) * | 2017-02-21 | 2017-05-10 | 中国环境科学研究院 | 锰锌陈化液胶体化过程金属离子浓度智能化在线实时监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
TW201930856A (zh) | 2019-08-01 |
TWI669519B (zh) | 2019-08-21 |
TW201930908A (zh) | 2019-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI670485B (zh) | 檢測裝置與檢測方法 | |
Pessoa et al. | A digital image method of spot tests for determination of copper in sugar cane spirits | |
KR100789563B1 (ko) | 피막 검사 장치, 검사 시스템, 프로그램이 기록된 컴퓨터 판독 가능한 기록매체, 피막 검사 방법 및 프린트 회로 기판 검사 방법 | |
EP2849648B1 (en) | Fish eye lens imaging apparatus and imaging method | |
TW201928879A (zh) | 基於顏色形成反應執行分析量測的方法及裝置 | |
US20100239137A1 (en) | Two Dimensional Imaging of Reacted Areas On a Reagent | |
US11781973B2 (en) | Methods and systems for calibrating and using a camera for detecting an analyte in a sample | |
JP2023164793A (ja) | サンプル中の分析物検出用のモバイルデバイスのカメラの較正方法 | |
CN112334759A (zh) | 一种用于检测样品中的分析物的检测方法 | |
US10895526B2 (en) | Measuring apparatus for analyzing a measuring medium | |
JP2023525776A (ja) | 色基準カードの品質を評価する方法 | |
CA3157870A1 (en) | Method of determining a concentration of an analyte in a bodily fluid | |
JP6096173B2 (ja) | 高発光光束コリメート照明装置および均一な読取フィールドの照明の方法 | |
JP2014517271A5 (zh) | ||
JPS62105031A (ja) | 粒子凝集判定装置 | |
CN110006895A (zh) | 检测装置与检测方法 | |
Zhihua et al. | Characterization of colorimetric sensor arrays by a multi-spectral technique | |
JP2009222607A (ja) | 試料分析装置の照明制御方法および試料分析装置 | |
RU2792659C2 (ru) | Способы и устройства для проведения аналитических измерений | |
RU2809608C2 (ru) | Способ калибровки для калибровки камеры мобильного устройства для определения аналита в образце | |
Hazarika et al. | On the use of Computer Vision to Estimate Chemical Concentration based on Colorimetric Analysis | |
Prakash et al. | Potassium Detection in Blood Serum By Image Processing | |
de Souza et al. | Fluorimetric determination of quinine using a portable system and digital image processing | |
Wang et al. | Machine Learning and Colorimetric Method Based pH Detecting System | |
KR20220029580A (ko) | 카메라가 있는 모바일 장치를 사용한 체액 내 분석물질의 농도 측정 |