TWI723460B - 片材之數量計算方法 - Google Patents

片材之數量計算方法 Download PDF

Info

Publication number
TWI723460B
TWI723460B TW108124616A TW108124616A TWI723460B TW I723460 B TWI723460 B TW I723460B TW 108124616 A TW108124616 A TW 108124616A TW 108124616 A TW108124616 A TW 108124616A TW I723460 B TWI723460 B TW I723460B
Authority
TW
Taiwan
Prior art keywords
value
elements
sheets
array
calculating
Prior art date
Application number
TW108124616A
Other languages
English (en)
Other versions
TW202103053A (zh
Inventor
張瑋誠
李佳燁
吳翰宗
Original Assignee
環球晶圓股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 環球晶圓股份有限公司 filed Critical 環球晶圓股份有限公司
Priority to TW108124616A priority Critical patent/TWI723460B/zh
Priority to CN202010401276.6A priority patent/CN112215792B/zh
Priority to US16/909,129 priority patent/US11094052B2/en
Publication of TW202103053A publication Critical patent/TW202103053A/zh
Application granted granted Critical
Publication of TWI723460B publication Critical patent/TWI723460B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)

Abstract

一種片材之數量計算方法，係應用於一片材堆，包含下列步驟：接收該片材堆的一影像；由該影像中沿一第一影像軸向取得複數個像素的灰階值，以形成一維的一第一陣列；以一第一閥值將該第一陣列的該些第一元素進行二值化，以形成一維的一第二陣列；取得該第二陣列中兩個第二數值之第二元素之間所出現的第一數值之第二元素的數量，以形成一第三陣列；以一第二閥值將該第三陣列之元素分為一第一類與一第二類；計算屬於該第一類之第三元素的數量，並定義為第一片材的數量。

Description

片材之數量計算方法
本發明係與片材數量計算有關；特別是指一種使用影像辨識計算交錯排列之兩種片材之數量計算方法。
隨著科技的進步，工業製造已經邁入自動化製造的時代，對於片材的製造廠而言，於片材製造完成之後，必須計算所製造之片材的數量。以晶片的製造廠為例，晶片係由一晶錠經切割後形成多片晶片，於切割完成後，會經過數片的程序。目前晶片的數量之計算是由數片機進行，習用的數片機以影像辨識的方式計算晶片的數量。
為避免晶片之間相互磨擦，製造廠會在晶片之間加入一間隔片材，例如間隔紙。因此，數片機所辨識的影像中便具有晶片及間隔片材，然而，數片機由影像中計算晶片數量時，時常會有將間隔片材誤判為晶片的情形，如此一來，數片機所計算的數量將會與實際晶片的數量有所差異，導致片數統計不準確。換言之，習用的數片機，只能針對單一片材的數量進行計算，對於不同厚度的片材無法區隔出差異，若應用於晶片與間隔機之計算中，所計算的晶片片數與實際的晶片片數之誤差約為10-30%。
有鑑於此，本發明之目的在於提供一種片材之數量計算方法，可以準確計算交錯排列之片材的數量。
緣以達成上述目的，本發明提供的一種片材之數量計算方法，應用於一片材堆，該片材堆包含有沿一軸向交錯排列的複數個第一片材與複數個第二片材，每一該第二片材與每一該第一片材相鄰，且各該第一片材的厚度大於各該第二片材的厚度；該片材之數量計算方法係由一影像處理模組所執行，包含下列步驟：A.接收該片材堆的一影像；B.由該影像中沿著對應該軸向的一第一影像軸向取得複數個像素的灰階值，以形成一維的一第一陣列，該第一陣列包含有複數個第一元素(element)，該些第一元素的數值分別為該些灰階值；C.以一第一閥值將該第一陣列的該些第一元素進行二值化，以形成一維的一第二陣列，該些第二陣列包含有複數個第二元素，且各該第二元素的數值為一第一數值與一第二數值之其中一者，且該第一數值大於該第二數值；D.取得該第二陣列中兩個該第二數值之第二元素之間所出現的該第一數值之第二元素的數量，以形成一第三陣列，該第三陣列包含複數個元素，該些元素包含複數個第三元素，且各該第三元素的數值為所出現的該第一數值之第二元素的數量；E.以一第二閥值將該第三陣列之元素分為一第一類與一第二類，其中，屬於該第一類之第三元素之數值不小於該第二閥值；F.計算屬於該第一類之第三元素的數量，並定義為該些第一片材的數量。
本發明之效果在於，可以對厚度不同的第一片材與第二片材進行分類，準確計算出片材的數量。有效修正兩種不同厚度的堆疊片材之數量計算所產生的誤差。
〔本發明〕
10:攝影模組
20:影像處理模組
30:片材堆
32:晶片
34:間隔片材
40:影像
402:第一區域
404:第二區域
406:第三區域
50:像素陣列
502:垂直像素組
A1:第一陣列
A11:第一元素
A2:第二陣列
A21:第二元素
A3:第三陣列
A31:第三元素
A32:第四元素
C1:第一類
C2:第二類
D1:第一影像軸向
D2:第二影像軸向
X:軸向
S01~S06:步驟
圖1為本發明一較佳實施例之影像辨識系統的示意圖。
圖2為本發明上述較佳實施例之片材堆的示意圖。
圖3為本發明上述較佳實施例之片材之數量計算方法流程圖。
圖4為本發明上述較佳實施例之攝影模組所取得的影像。
圖5為本發明上述較佳實施例之像素陣列的示意圖。
圖6為本發明上述較佳實施例之第一陣列的示意圖。
圖7為本發明上述較佳實施例之第一陣列的示意圖。
圖8為本發明上述較佳實施例之第二陣列的示意圖。
圖9為本發明上述較佳實施例之第三陣列的示意圖。
圖10為本發明上述較佳實施例之第三陣列的第四元素示意圖。
圖11為本發明上述較佳實施例之第三陣列分類的示意圖。
為能更清楚地說明本發明，茲舉較佳實施例並配合圖式詳細說明如後。請參圖1所示，為本發明一較佳實施例之片材之數量計算方法所使用的影像辨識系統，包含一攝影模組10與一影像處理模組20，其中： 該攝影模組10用以對一片材堆30取像，請配合圖2，該片材堆30包含有沿一軸向X交錯排列的複數個以晶片32為例的第一片材與複數個以間隔片材34為例的第二片材，每一該第二片材34與每一該晶片32相鄰，且各該晶片32的厚度大於各該間隔片材34的厚度。各該晶片32及各該間隔片材34各具有一側邊朝向該攝影模組。本實施例中，各該第一片材是以晶片32為例，各該第二片材是以間隔片材34為例，但不以此為限，亦可以是該第一片材為厚度相對較大的間隔片材34，該第二片材為厚度相對較小的晶片32。
該影像處理模組20電性連接該攝影模組10，該影像處理模組用以執行本實施例的片材之數量計算方法，該數量計算方法包含圖3所示之下列步驟：
步驟S01：接收該片材堆30的一影像。本實施例中，該影像處理模組20自該攝影模組10接收該片材堆的影像，如圖4所示，該影像40中具有該片材堆30的影像。所接收的該影像上定義有相垂直的一第一影像軸向D1與一第二影像軸向D2，該第一影像軸向D1是對應該些晶片32與該些間隔片材34所排列的該軸向X，該第二影像軸向D2是對應各該晶片32與各該間隔片材34的側邊之長軸向。
步驟S02：由該影像40中沿著該第一影像軸向D1取得複數個像素的灰階值，以形成一維的一第一陣列，該第一陣列包含有複數個第一元素(element)，該些第一元素的數值分別為該些灰階值。
本實施例中，請配合圖4，該影像處理模組20係將該影像40於該第二影像軸向D2上依序區分為一第一區域402、一第二區域404及一第三區域406，該第二區域404位於該第一區域402與該第三區域406之間。沿著該第二影像軸向D2上，該第二區域404之像素的數量佔 該第一區域402至該第三區域406之像素總數量的30~50%之間。沿著該第二影像軸向D2上，該第一區域402與該第三區域406的像素數量的比值為0.9~1.1之間，本實施例中比值為1，亦即像素數量相等，換言之，第二區域404為該影像40的中段之區域。該影像處理模組20由該影像40中取該第二區域404作為一目標區域，該第二區域404沿該第一影像軸向D1上具有並列的複數個垂直像素組，再由該第二區域404中沿該第一影像軸向D1計算各該垂直像素組之灰階值的平均，以取得該第一影像軸向D1之該些像素的灰階值，形成該第一陣列。
舉例而言，該第二區域404的像素在第二影像軸向D2上為400個，在第一影像軸向D1上為1000個，形成圖5所示400×1000之二維像素陣列50，像素陣列50之各垂直像素組502的每一個元素的數值即為對應之像素的灰階值。亦即，該第二區域404在該第一影像軸向D1上具有並列的1000組垂直像素組502，且各該垂直像素組502的像素數量為400個。該影像處理模組20計算各該垂直像素組502之灰階值的平均，形得到如圖6所示之1x1000的第一陣列A1，該第一陣列A1中的各該第一元素A11即為圖5之各該垂直像素組502之灰階值的平均。
步驟S03：以一第一閥值將該第一陣列A1的該些第一元素A11進行二值化，以形成一維的一第二陣列，該些第二陣列包含有複數個第二元素，且各該第二元素的數值為一第一數值與一第二數值之其中一者，且該第一數值大於該第二數值。
舉例而言，以圖7所示之第一陣列A1為例，該影像處理模組20依第一閥值(例如20)對該些第一元素A11進行分類，大於該第一閥值之第一元素A11則設定為第一數值(例如255，代表全白)，小於該第一閥值之第一元素A11則設定為第二數值(例如0，代表全黑)，藉此，形 成圖8所示之第二陣列A2，該些第二元素A21的數值為第一數值或第二數值，成為二值化的陣列。
本實施例中，步驟S03更包含一第一閥值設定步驟，用以設定該第一閥值，該第一閥值設定步驟可為預先於該影像處理模組20中設定該第一閥值，亦可為由該些第一元素A11進行統計而得到該第一閥值。本實施例中，該第一閥值設定步驟係使用一分類演算法對該些第一元素A11進行統計，進而得到該第一閥值，如此，可形成浮動的第一閥值，換言之，可以針對每一批的片材堆30自動產生對應的第一閥值，使用者無需手動重新設定第一閥值。更詳而言，係使用分類演算法將該些第一元素A11分為二類，且計算各該類之第一元素A11的平均值，其中一該類的平均值大於另一該類的平均值。
該分類演算法可例如是k-平均演算法(k-means)。k-平均演算法係隨機將該些第一元素A11分為二類，重覆多次計算平均值及以平均值為基準對第一元素分類，直到前一次之平均值與本次的平均值收斂為一致為止，終而將該些第一元素A11分為兩類。
接著，取平均值較大的一該類之第一元素中的數值最小者，定義為一第一預定值，及取平均值較小的另一該類之第一元素中的數值最大者，定義為一第二預定值；設定該第一閥值為該第一預定值及該第二預定值之間的一數值。本實施例中，該第一閥值為該第一預定值與該第二預定值的平均值。
步驟S04：取得該第二陣列A2中兩個該第二數值之第二元素A21之間所出現的該第一數值之第二元素A21的數量，以形成一第三陣列，該第三陣列包含複數個元素，該些元素包含複數個第三元素，且各該第三元素的數值為所出現的該第一數值之第二元素的數量。
舉例而言，在第二陣列A2中的第二元素A21為連續排列，代表第一影像軸向D1上的像素，因此，該些第二元素A21中，出現在兩個第二數值(例如0)的第二元素A21之間的第一數值(例如255)的第二元素A21，即是代表為晶片32或間隔片材34之像素。換言之，在兩個第二數值的第二元素A21之間，第一數值之第二元素A21之數量即是對應晶片32或間隔片材34的厚度。該影像處理模組20記錄於圖9所示之第三陣列A3中，各該第三元素A31的數值即是對應由該影像40中所辨識之晶片32或間隔片材34的厚度。該些第三元素A31的數量(例如49個)即是對應由該影像40中所辨識之該些晶片32與該些間隔片材34的片數。
此外，於本實施例中，包含在該第三陣列A3中加入等同於該些第三元素A31之數量的複數個第四元素，各該第四元素之數值小於該些第三元素A31之任一者的數值。如圖10所示，係加入49個第四元素A32，且各該第四元素A32的數值以零為例。亦即第三陣列A3之元素包含圖9所示之第三元素A31及圖10所示之第四元素A32。
步驟S05：以一第二閥值將該第三陣列A3之元素分為一第一類與一第二類，其中，屬於該第一類之第三元素A31之數值不小於該第二閥值。
舉例而言，以圖9與圖10所示之第三陣列A3為例，該影像處理模組20依第二閥值(例如6)對該第三陣列A3之元素進行分類，如圖11所示，大於或等於該第二閥值之元素則為規類為第一類C1，小於該第二閥值之元素則規類為第二類C2。
本實施例中，步驟S05更包含一第二閥值設定步驟，用以設定該第二閥值，該第二閥值設定步驟可為預先於該影像處理模組20中設定該第二閥值，亦可為由該第三陣列A3的元素中進行統計而得到該第 二閥值，如此，可形成浮動的第二閥值，換言之，可以針對每一批的片材堆30自動產生對應的第二閥值，使用者無需手動重新設定第一閥值。本實施例中，該第二閥值設定步驟係使用一分類演算法對該第三陣列A3的元素進行統計，進而得到該第二閥值。更詳而言，係使用分類演算法將該第三陣列A3的元素分為二類，且計算各該類之元素的平均值，其中一該類的平均值大於另一該類的平均值。
該分類演算法可例如是k-平均演算法(k-means)。k-平均演算法係隨機將該第三陣列A3的元素分為二類，重覆多次計算平均值及以平均值為基準對該第三陣列A3的元素分類，直到前一次之平均值與本次的平均值收斂為一致為止，終而將該第三陣列A3的元素分為兩類。
接著，取平均值較大的一該類之該第三陣列A3之元素中的數值最小者，定義為一第一預定值，及取平均值較小的另一該類之該第三陣列A3之元素中的數值最大者，定義為一第二預定值；設定該第二閥值為該第一預定值及該第二預定值之間的一數值。本實施例中，該第二閥值為該第一預定值與該第二預定值的平均值。
步驟S06：計算屬於該第一類C1之第三元素A31的數量，並定義為該些晶片32的數量。
請配合圖11，在第一類C1中的第三元素A31的數量即是所計算的該些晶片32的數量(例如24個)。藉此，該影像處理模組20即可估算得到該些晶片32的數量。而間隔片材34之數量則為所有的第三元素A31之數量減去所計算之晶片32的數量(例如間隔片材34為25個)，或者是第二類C2中元素的數量減去第四元素A32的數量(即數值非零的元素之數量)。
上述中，在步驟S04加入該些第四元素A32的目的是為了降低之分類演算法之平均值，讓步驟S05之分類可以更明顯。實務上，亦可不加入該些第四元素A32，而於步驟S05中只對該些第三元素A31分類。
據上所述，本發明片材之數量計算方法，可以對厚度不同的第一片材與第二片材進行分類，準確計算出片材的數量。本發明並不限定於計算晶片之數量，只要是厚度不同且相交錯排列的兩種片材皆可使用本發明之計算方法計算片材的數量。本發明片材之數量計算方法用於晶片與間隔片材之計算時，所計算的晶片數量與實際的晶片數量之誤差小於1%，小於習用的數片機之誤差(10-30%)，有效修正兩種不同厚度的堆疊片材之數量計算所產生的誤差。
以上所述僅為本發明較佳可行實施例而已，舉凡應用本發明說明書及申請專利範圍所為之等效變化，理應包含在本發明之專利範圍內。
S01~S06:步驟

Claims (14)

  1. 一種片材之數量計算方法，應用於一片材堆，該片材堆包含有沿一軸向交錯排列的複數個第一片材與複數個第二片材，每一該第二片材與每一該第一片材相鄰，且各該第一片材的厚度大於各該第二片材的厚度；該片材之數量計算方法係由一影像處理模組所執行，包含下列步驟：A.接收該片材堆的一影像；B.由該影像中沿著對應該軸向的一第一影像軸向取得複數個像素的灰階值，以形成一維的一第一陣列，該第一陣列包含有複數個第一元素(element)，該些第一元素的數值分別為該些灰階值；C.以一第一閥值將該第一陣列的該些第一元素進行二值化，以形成一維的一第二陣列，該些第二陣列包含有複數個第二元素，且各該第二元素的數值為一第一數值與一第二數值之其中一者，且該第一數值大於該第二數值；D.取得該第二陣列中兩個該第二數值之第二元素之間所出現的該第一數值之第二元素的數量，以形成一第三陣列，該第三陣列包含複數個元素，該些元素包含複數個第三元素，且各該第三元素的數值為所出現的該第一數值之第二元素的數量；E.以一第二閥值將該第三陣列之元素分為一第一類與一第二類，其中，屬於該第一類之第三元素之數值不小於該第二閥值；F.計算屬於該第一類之第三元素的數量，並定義為該些第一片材的數量。
  2. 如請求項1所述片材之數量計算方法，其中步驟C中包含有一第一閥值設定步驟，用以設定該第一閥值。
  3. 如請求項2所述片材之數量計算方法，其中該第一閥值設定步驟包含：使用一分類演算法將該些第一元素分為二類，且計算各該類之第一元素的平均值，其中一該類的平均值大於另一該類的平均值；取平均值較大的一該類之第一元素中的數值最小者，為一第一預定值，及取平均值較小的另一該類之第一元素中的數值最大者，為一第二預定值；設定該第一閥值為介於該第一預定值及該第二預定值之間的一數值。
  4. 如請求項3所述片材之數量計算方法，其中該第一閥值為該第一預定值與該第二預定值的平均值。
  5. 如請求項3所述片材之數量計算方法，其中該分類演算法為k-平均演算法(k-means)。
  6. 如請求項1所述片材之數量計算方法，其中步驟E中包含有一第二閥值設定步驟，用以設定該第二閥值。
  7. 如請求項6所述片材之數量計算方法，其中該第二閥值設定步驟包含：使用一分類演算法將該第三陣列之元素分為二類，且計算各該類之元素的平均值，其中一該類的平均值大於另一該類的平均值；取平均值較大的一該類之該第三陣列之元素中的數值最小者，為一第一預定值，及取平均值較小的另一該類之該第三陣列之元素中的數值最大者，為一第二預定值；設定該第二閥值為該第一預定值及該第二預定值之間的一數值。
  8. 如請求項7所述片材之數量計算方法，其中該第二閥值為該第一預定值與該第二預定值的平均值。
  9. 如請求項7所述片材之數量計算方法，其中該分類演算法為k-平均演算法(k-means)。
  10. 如請求項7所述片材之數量計算方法，步驟D中包含在該第三陣列中加入等同於該些第三元素之數量的複數個第四元素，各該第四元素之數值小於該些第三元素之任一者的數值。
  11. 如請求項10所述片材之數量計算方法，各該第四元素之數值為零。
  12. 如請求項1所述片材之數量計算方法，其中步驟B中包含由該影像中取垂直於該第一影像軸向的一第二影像軸向上的一目標區域，該目標區域沿該第一影像軸向上具有並列的複數個垂直像素組；由該目標區域中沿該第一影像軸向計算各該垂直像素組之灰階值的平均，以取得該第一影像軸向之該些像素的灰階值，形成該第一陣列。
  13. 如請求項12所述片材之數量計算方法，該目標區域為該影像中於該第二影像軸向上的一中段之區域。
  14. 如請求項13所述片材之數量計算方法，其中，步驟B中係該影像於該第二影像軸向上依序區分為一第一區域、一第二區域及一第三區域，該第二區域構成該目標區域；沿著該第二影像軸向上，該第二區域之像素的數量佔該第一區域至該第三區域之像素總數量的30~50%之間。
TW108124616A 2019-07-12 2019-07-12 片材之數量計算方法 TWI723460B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW108124616A TWI723460B (zh) 2019-07-12 2019-07-12 片材之數量計算方法
CN202010401276.6A CN112215792B (zh) 2019-07-12 2020-05-13 片材的数量计算方法
US16/909,129 US11094052B2 (en) 2019-07-12 2020-06-23 Method of counting sheet materials

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108124616A TWI723460B (zh) 2019-07-12 2019-07-12 片材之數量計算方法

Publications (2)

Publication Number Publication Date
TW202103053A TW202103053A (zh) 2021-01-16
TWI723460B true TWI723460B (zh) 2021-04-01

Family

ID=74059081

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108124616A TWI723460B (zh) 2019-07-12 2019-07-12 片材之數量計算方法

Country Status (3)

Country Link
US (1) US11094052B2 (zh)
CN (1) CN112215792B (zh)
TW (1) TWI723460B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5534690A (en) * 1995-01-19 1996-07-09 Goldenberg; Lior Methods and apparatus for counting thin stacked objects

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW578118B (en) * 2002-03-06 2004-03-01 Chunghwa Telecom Co Ltd Method and device for capturing license plate area from the vehicle image and correcting license plate oblique
CN1248165C (zh) * 2002-09-25 2006-03-29 中华电信股份有限公司 以多重笔画厚度型样比对为基础的影像中字串撷取方法
FR2854476B1 (fr) * 2003-04-30 2005-07-01 Datacard Inc Dispositif de comptage de produits empiles
CN1808497A (zh) * 2005-01-21 2006-07-26 建兴电子科技股份有限公司 影像处理单元及其影像处理方法
JP2010193084A (ja) * 2009-02-17 2010-09-02 Riso Kagaku Corp 画像処理装置及び画像処理方法
US10169660B1 (en) * 2014-12-19 2019-01-01 Amazon Technologies, Inc. Counting inventory items using image analysis
CN104880389B (zh) * 2015-04-01 2018-04-24 江苏大学 一种钢材晶粒混晶度的自动测量、精细分类方法及其系统
US20180121782A1 (en) * 2015-04-21 2018-05-03 Das-Nano, S.L. Counting stacked planar substrates
WO2019104627A1 (zh) * 2017-11-30 2019-06-06 深圳配天智能技术研究院有限公司 一种图像的灰阶分类方法、装置以及可读存储介质
CN109341626B (zh) * 2018-10-24 2020-11-06 中国铁道科学研究院集团有限公司标准计量研究所 直线度计算方法、截面最大直径与最小直径之差计算方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5534690A (en) * 1995-01-19 1996-07-09 Goldenberg; Lior Methods and apparatus for counting thin stacked objects

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
吳培琳(96級962)，" 印刷電路板(PCB)之視覺化計量系統"， http://www.csie.ntnu.edu.tw/~violet/indexdemounder.files/962project.pdf，1-11， 2009/7/22~2016/10/24 *
吳培琳(96級962)，" 印刷電路板(PCB)之視覺化計量系統"， http://www.csie.ntnu.edu.tw/~violet/indexdemounder.files/962project.pdf，1-11， 2009/7/22~2016/10/24。
鐘智昕;林世宗;吳四印，"電腦影像處理在樹輪辨識上的應用"，宜蘭大學生物資源學刊第1期第33~41頁，2006 *
鐘智昕;林世宗;吳四印，"電腦影像處理在樹輪辨識上的應用"，宜蘭大學生物資源學刊第1期第33~41頁，2006。

Also Published As

Publication number Publication date
US11094052B2 (en) 2021-08-17
US20210012481A1 (en) 2021-01-14
TW202103053A (zh) 2021-01-16
CN112215792B (zh) 2024-01-19
CN112215792A (zh) 2021-01-12

Similar Documents

Publication Publication Date Title
US9916653B2 (en) Detection of defects embedded in noise for inspection in semiconductor manufacturing
US8660350B2 (en) Image segmentation devices and methods based on sequential frame image of static scene
CN110766681B (zh) 一种基于三重损失网络的竹条表面缺陷检测方法
TWI662358B (zh) 缺陷檢測方法與缺陷檢測系統
US7440607B1 (en) Outlier substrate inspection
CN110223269A (zh) 一种fpc缺陷检测方法和装置
JP2005083775A (ja) 穀粒選別装置
CN112561849B (zh) 晶圆缺陷检测方法
CA2795192A1 (en) Method for the classification of banknotes (embodiments)
CN110033039B (zh) 一种基于目标约束检测的高光谱实时分类方法
CN112288724B (zh) 缺陷检测方法及装置、电子设备和存储介质
US20150036935A1 (en) Information processing apparatus, information processing method, and storage medium
WO2018179092A1 (ja) 個体識別装置
TWI648766B (zh) 用於晶粒對資料庫光罩檢查之自動校準樣本選擇
Liu et al. Low-resolution tactile image recognition for automated robotic assembly using kernel PCA-based feature fusion and multiple kernel learning-based support vector machine
TWI723460B (zh) 片材之數量計算方法
US10599943B2 (en) Circuit board text recognition
CN113916897B (zh) 一种基于图像处理的滤芯质量检测方法
US20220113242A1 (en) Image sensor package, system, and method for counting fine particles by using virtual grid line
JP2018081063A (ja) 位置検出装置、処理装置、およびプログラム
CN106096713A (zh) 一种基于空间和灰度特征的粗精二级纸张计数方法
EP3477584A1 (en) Systems and methods for processing a stream of data values
CN116485749A (zh) 一种基于自编码器的镜头模组中脏污识别方法
CN114800533A (zh) 一种用于工业机器人的分拣控制方法及系统
CN112102397B (zh) 一种多层零件的定位方法、设备、系统及可读存储介质