CN102735221A - 机器视觉***中检查潜在干扰特征 - Google Patents
机器视觉***中检查潜在干扰特征 Download PDFInfo
- Publication number
- CN102735221A CN102735221A CN2012101117812A CN201210111781A CN102735221A CN 102735221 A CN102735221 A CN 102735221A CN 2012101117812 A CN2012101117812 A CN 2012101117812A CN 201210111781 A CN201210111781 A CN 201210111781A CN 102735221 A CN102735221 A CN 102735221A
- Authority
- CN
- China
- Prior art keywords
- exclusion zone
- characteristic
- workpiece
- previous
- characterizes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N21/95684—Patterns showing highly reflecting parts, e.g. metallic elements
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/645—Specially adapted constructive features of fluorimeters
- G01N21/6456—Spatial resolved fluorescence measurements; Imaging
- G01N2021/646—Detecting fluorescent inhomogeneities at a position, e.g. for detecting defects
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
- G01N2021/95646—Soldering
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
- G01N2021/95661—Inspecting patterns on the surface of objects for PCB's for leads, e.g. position, curvature
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
- G01N2021/95661—Inspecting patterns on the surface of objects for PCB's for leads, e.g. position, curvature
- G01N2021/95669—Inspecting patterns on the surface of objects for PCB's for leads, e.g. position, curvature for solder coating, coverage
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30141—Printed circuit board [PCB]
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种稳健视频工具以供用于机器视觉检查***中。所述稳健视频工具包含目标区、用户接口、边缘检测操作和排除区操作,所述排除区操作确定包括在所述目标区中检测到的边缘点且排除处于排除区中的边缘点的当前特征边缘点的集合。所述排除区由排除区产生器基于至少一个先前表征的特征确定,所述至少一个先前表征的特征为通过使用检测所述先前表征的特征的边缘点且表征所述先前表征的特征的尺寸参数的视频工具而表征的特征。重要的是,稳健视频工具特征和操作经配置以允许在适当制造或不适当地制造的工件上进行学习模式编程,并且所得程序将在适当制造或不适当地制造的运行模式工件上可靠地操作。
Description
发明领域
本发明一般说来涉及机器视觉检查***,并且更具体来说,涉及检查工件上的潜在干扰特征的方法。
发明背景
精密的机器视觉检查***(或简称“视觉***”)可用来获得被检查对象的精密的尺寸测量和检查各种其它对象特性。此类***可包括计算机、摄影机和光学***,以及可在多个方向上移动以便允许摄影机扫描正被检查的工件的特征的精密平台。可购得的一个示例性现有技术***为QUICK系列的基于PC的视觉***和可自位于伊利诺伊州奥罗拉的Mitutoyo America Corporation(MAC)获得的软件。QUICK系列的视觉***和软件的特征和操作大体描述(例如)于2003年1月出版的QVPAK 3D CNCVision Measuring Machine User′s Guide和1996年9月出版的QVPAK3D CNC Vision Measuring Machine Operation Guide中,每一个上述文献在此都以引用的方式全部并入本文。这种产品(例如,以QV-302 Pro型为例)能够使用显微镜类型的光学***来以各种放大倍数提供工件图像,并且根据需要移动平台以超过任何单一视频图像的限界而横越工件表面。考虑到所要的放大倍数、测量方案和此类***的实体大小限制,单一视频图像通常仅涵盖正被观察或检查的工件的一部分。
机器视觉检查***通常使用自动视频检查。美国专利第6,542,180号(′180专利)教导此类自动视频检查的各方面,且以引用的方式全部并入本文。如′180专利中所教导,自动视频检查计量仪器通常具有对于每一特定工件构造允许自动检查事件顺序得以由用户定义的编程能力。这可通过(例如)基于文本的编程,或经由通过存储对应于由用户藉助于图形用户接口执行的一连串检查操作的一连串机器控制指令来渐进地“学习”检查事件顺序的记录模式,或经由上述两种方法的组合来实施。此记录模式通常称为“学习模式”或“训练模式”。一旦在“学习模式”中定义了检查事件顺序,则此顺序可接着用来在“运行模式”期间自动获得(并且另外分析或检查)工件的图像。
包括特定检查事件顺序(即,如何获得每一图像和如何分析/检查每一获得的图像)的机器控制指令通常存储为专门针对特定工件构造的“零件程序”或“工件程序”。例如,零件程序定义如何获得每一图像,诸如如何相对于工件定位摄影机、以何种照明水平、以何种放大倍数水平等。另外,零件程序定义如何分析/检查获得的图像,例如,通过使用一个或更多个视频工具,诸如边缘/边界检测视频工具。
视频工具(或简称为“工具”)和其它图形用户接口特征可手动地用来实现手动检查和/或机器控制操作(在“手动模式”中)。视频工具的设置参数和操作也可在学习模式期间被记录,以便创建自动检查程序,或“零件程序”。视频工具可包括例如边缘/边界检测工具、自动聚焦工具、形状或图案匹配工具、尺寸测量工具等。
机器视觉检查***的一个应用为检查工件上的特征。在一些情况下,这些特征可含于不同层中,和/或可干扰或具有重叠的边缘。此工件的一个例子为印刷电路板(PCB),其中可能希望测量阻焊层中的图案与想要由阻焊层暴露和/或隔离的导电特征之间的对位关系。此类特征可为同心的,或者在一些情况下,可能会发生使一些特征的边缘重叠或干扰的制造错误。此类错误可与短路或PCB的操作的其它问题相关联。因此,在PCB的检查期间,重要的是能够准确地确定特征是否适当地定位。然而,用于自动检查此类特征的现有技术方法对于机器视觉检查***的不熟练用户而言不易于进行编程,又不足够稳健以在相关特征的各式各样的可能对准和未对准条件下适当地操作,所述相关特征可潜在地不重叠,或重叠至不同程度。将需要改进与准确地检测和/或测量如PCB的工件上的潜在重叠或干扰特征有关的编程和技术。
发明概述
提供概述以用简化形式介绍下文在详细描述中进一步描述的概念选择。这个概述并非旨在标识所要求的标的的关键特征,也并非旨在用于辅助确定所要求标的的范围。
机器视觉检查***包括用于编程的特征和与检查工件上的潜在干扰特征有关的技术。所述机器视觉检查***可包含:包含存储器元件和排除区产生器的控制***;可操作以提供工件图像的成像***;可用来显示工件图像和用户接口元件的显示器;可用来定义包括视频工具操作的工件检查操作序列的用户接口,所述视频工具操作分析工件图像、检测工件特征的边缘点,并且至少表征所述工件特征的部位;以及包括执行边缘检测的稳健视频工具的多个视频工具。所述稳健视频工具包含:目标区;包括在所述用户接口中的稳健视频工具接口;检测所述目标区中的边缘点的操作;以及分析工件图像并且确定当前特征边缘点的集合,使得当前特征边缘点的所述集合包括在所述目标区中检测到的边缘点而不包括位于基于至少一个先前表征的特征确定的排除区内的边缘点的排除区操作。如本文公开的先前表征的特征定义为通过使用机器视觉检查***的所述多个视频工具中的一个来分析工件图像,以检测先前表征的特征的边缘点并基于所述检测到的边缘点来表征所述先前表征的特征的尺寸参数而表征的特征。根据本发明的原理,排除区产生器经配置以基于至少一个先前表征的特征来确定排除区。
应了解,如本文中有时使用的术语“先前表征的特征”为出于确定排除区的目的而最终作为“先前表征的特征”来使用的用于工件特征的描述性名称,甚至在指代实际上经表征之前的所述工件特征时也使用所述术语。类似地,如本文中有时使用的术语“当前特征”为用于在最终分析(例如,使用如本文公开的稳健视频工具)工件特征时可遭受来自“先前表征的特征”的干扰的工件特征的描述性名称,甚至在代表在实际上分析之前或之后的所述工件特征时也使用所述术语。
在一些实施方案中,排除区产生器经配置以在学习模式期间基于排除区参数的集合来确定排除区,排除区参数的所述集合包括用来确定排除区的至少一个先前表征的特征的标识。在一些实施方案中,排除区产生器可经配置以自动标识在学习模式期间最接近于稳健视频工具的当前实例的先前表征的特征,并且将所述先前表征的特征的标识自动包括在用来确定排除区的排除区参数的集合中。
在一些实施方案中,用户接口经配置以定义视频工具的至少一个实例的参数,以在学习模式期间使用代表性工件来提供至少一个先前表征的特征的特性记述,并且稳健视频工具接口经配置以定义用来在学习模式期间确定用于代表性工件上的当前特征的当前特征边缘点的集合的稳健视频工具的当前实例的参数,并且机器视觉检查***经配置以将那些参数和排除区参数的所定义集合记录在零件程序中。机器视觉检查***可经配置以在用于类似于代表性工件的运行模式工件的运行操作模式期间执行零件程序的操作。那些操作可包含使用记录的所定义参数来提供运行模式工件上的至少一个先前表征的特征的特性记述,即,表征对应于类似代表性学习模式工件上的至少一个先前表征的特征的运行模式工件上的至少一个特征。那些操作可进一步包含使用记录的排除区参数来基于运行模式工件上的至少一个先前表征的特征来确定排除区,和使用稳健视频工具的当前实例的记录的所定义参数来确定用于运行模式工件上的当前特征的当前特征边缘点的集合,使得当前特征边缘点的所述集合包括在运行模式工件上在稳健视频工具的当前实例的目标区中检测到的边缘点,而不包括位于基于运行模式工件上的至少一个先前表征的特征确定的排除区内的边缘点。
在各种实施方案中,用户接口经配置使得用户可选择并配置包括在所述多个视频工具中的视频工具的至少一个实例,其中所述视频工具为具有环形目标区的画圆工具、具有弧状目标区的画弧工具和表征直线边缘且具有矩形目标区的工具中的一个;并且所述视频工具的用户接口包括在学习模式期间叠加在代表性工件的显示图像上的目标区指示符。所述视频工具的用户接口由用户配置,以定义所述视频工具的实例的参数,以便在学习操作模式期间使用代表性工件来提供至少一个先前表征的特征。在各种实施方案中,用户接口经配置使得用户可选择并配置稳健视频工具的实例,其中稳健视频工具也为具有环形目标区的画圆工具、具有弧状目标区的画弧工具和表征直线边缘且具有矩形目标区的工具中的一个;并且稳健视频工具接口包括在学习模式期间叠加在代表性工件的显示图像上的目标区指示符和排除区指示符。稳健视频工具接口由用户配置以定义用来在学习操作模式期间确定用于代表性工件上的当前特征的当前特征边缘点的所述集合的稳健视频工具的当前实例的参数。
在一些实施方案中,用户接口包含排除区参数部分,所述排除区参数部分经配置以在机器视觉检查***的学习操作模式期间定义排除区参数的集合的成员,并且定义的成员包括用来确定排除区的至少一个先前表征的特征的标识。排除区参数部分可包含排除特征标识符,所述排除特征标识符由用户配置以提供用来确定排除区的至少一个先前表征的特征的标识。在一些实施方案中,排除区参数部分包含由控制***自动产生的先前表征的特征的列表,并且排除特征标识符包含经配置以选择列表的至少一个成员以包括在用来确定排除区的至少一个先前表征的特征的标识中的选择要素。
在一些实施方案中,排除区参数部分包括在稳健视频工具接口中,并且稳健视频工具接口经配置以在学习模式期间定义稳健视频工具的当前实例的参数,包括定义用于尤其对应于稳健视频工具的当前实例的排除区的排除区参数的集合的当前实例。在这种情况下,排除区参数的所述集合的当前实例包括用来确定排除区的至少一个先前表征的特征的当前实例的标识。在一些此类实施方案中,稳健视频工具接口包含在学习操作模式期间显示为叠加在代表性工件的图像上的目标区指示符和排除区指示符。当改变排除区参数的所述集合的当前实例时,目标区指示符可自动地改变。在一些实施方案中,排除区指示符经配置以由用户更改,以调整排除区指示符的大小,且对排除区参数的所述集合的当前实例进行相应改变。
在一些实施方案中,排除区产生器可经配置以确定排除区,使得所述排除区至少涵盖在表征用来确定排除区的至少一个先前表征的特征时检测到的大多数边缘点。在各种实施方案中,排除区优选地涵盖所有此类边缘点(然而,在一些此类情况下,检测到的边缘点中的“离群值”可超出排除区范围)。
在一些实施方案中,先前表征的特征可定义为通过使用所述多个视频工具中的一个来执行包含以下的操作而表征的特征:(a)分析工件图像以检测所述特征的边缘点和(b)将几何特征拟合至检测到的边缘点,和(c)提供拟合的几何特征的特性记述,所述特性记述包含拟合的几何特征的至少一个尺寸参数(例如,视频工具可为已知画圆工具,或画弧工具,或将线拟合直线边缘的工具,等等),并且排除区产生器可经配置以基于至少一个先前表征的特征的拟合的几何特征的特性记述来确定排除区。因为此类视频工具存在于已知机器视觉检查***中,所以存在用于将此类拟合的几何特征记录在此类***中的存储器中的已知方法,本发明的此类实施方案可用对现有***相对较少的修改来实施,且对用户来说需要相对较少的额外训练即可获得本发明的益处。
在一些实施方案中,排除区产生器经配置以通过调整拟合的几何特征的大小和部位中的至少一个和使用所述调整过的拟合的几何特征作为排除区的边界来确定排除区,其中调整过的拟合的几何特征提供至少涵盖用于拟合几何特征的大多数检测到的边缘点的边界。稳健视频工具可包含扫描方向,所述扫描方向用于所述稳健视频工具检测所述稳健视频工具的目标区中的边缘点的操作中,并且排除区产生器可经配置以调整拟合的几何特征,使得边界在与所述扫描方向相反的方向上移动。在这个方向上移动边界往往可防止稳健视频工具包括当前特征边缘点的集合中的至少一个先前表征的特征的边缘点,并且在一些实施方案中可自动选择方向。
上述特征尤其适用于检查PCB上的潜在重叠圆形特征(例如,孔、铜衬垫和阻焊开口)。在此类应用中,先前表征的特征为通过使用包括在多个视频工具中的画圆工具表征的特征,拟合的几何特征为圆周,并且稳健视频工具为画圆工具。荧光成像和非荧光成像两者都可用于检查PCB上的特征,这是因为PCB可包括半透明荧光阻焊涂层,并且不同类型的成像可更清楚地显露不同类型的阻焊特征,和/或其覆盖的元件。例如,可如同在申请中且共同让渡的美国专利申请第12/904,013号中所公开而提供不同类型的成像,所述美国专利申请在此以引用的方式全部并入本文。更一般地说,在一些实施方案中,排除区产生器经配置以基于至少一个先前表征的特征来确定排除区,所述至少一个先前表征的特征为在第一工件图像中表征的特征,所述第一工件图像是使用第一组波长曝光,并且稳健视频工具经配置以检测第二工件图像中的当前特征边缘点的集合,所述第二工件图像使用不同于第一组波长的第二组波长曝光。在一些实施方案中,第一组波长和第二组波长中的一个包括由工件以显著强度发射的荧光波长,并且第一组波长和第二组波长中的另一个不包括由工件以显著强度发射的荧光波长。
在一些实施方案中,稳健视频工具包含排除区模式和非排除区模式,在所述排除区模式中执行排除区操作,所述非排除区模式包含分析工件图像且确定当前特征边缘点的集合,使得当前特征边缘点的集合包括在目标区中检测到的边缘点而不考虑排除区的非排除区操作。在这种情况下,稳健视频工具接口可包括排除区激活元件,所述排除区激活元件可由用户操作以确定稳健视频工具的实例是否在排除区模式或非排除区模式中操作。这样的多用途稳健视频工具对于用户来说简化了训练和编程。
将了解,上文概述和下文更详细地公开的特征可尤其适用于某些应用。例如,在工件为多层工件(例如,包括阻焊层的印刷电路板)的实施中,各层中的边缘特征可能会重叠,从而使传统边缘检测工具由于与哪一个边缘特征处于哪一个层中有关的“混淆”和不能单独所述层的各別边缘而失效或误导。传统的视频工具具有不能解决这个问题的目标区,因为特征可事实上重叠在一些工件上而并未重叠在其它工件上,使得无法对目标区进行编程以可靠地隔离特定特征且对于所有工件条件有效地或可靠地操作。类似地,已知特征“遮蔽”编程方法(例如,参见在此以引用的方式全部并入本文的美国专利第7,324,682号)是通过假定总是存在闭塞或干扰特征来教导,且因此可能并非对于所有工件条件都有效或可靠地操作。应了解,对于一些适当制造的工件来说,不存在特征的闭塞或重叠,并且由于在适当制造的代表性工件上的“当前特征”的目标区中不存在干扰或闭塞元件,′682专利的方法因此甚至不可在学习模式中进行编程。因此,与现有技术相比,与本发明相关联的特征更通用、更易于实施,并且对于某些类型的应用更稳健。具体来说,本文公开的特征允许在适当制造或不适当地制造的代表性工件上在学习模式中进行编程,并且将仍然在适当制造或不适当地制造的运行模式工件上在所得自动零件程序中可靠地操作。
附图简述
结合附图参考以下详细描述,将更容易理解本发明的上述方面和许多伴随优点,同时能够更好地理解本发明,其中:
图1为图示通用精密机器视觉检查***的各种典型组件的图表;
图2为图1的机器视觉检查***的包括根据本发明的特征的控制***部分和视觉部件部分的方框图;
图3A和图3B图示代表性工件上的特征的俯视图,其说明当前目标区和用于第一特征与当前特征大致同中心的理想制造情况下的当前特征的边缘检测;
图3C图示代表性工件上的特征的俯视图,其说明目标区和用于第一特征的边缘与当前特征的边缘重叠的非理想制造情况下的当前特征的不适当边缘检测;
图4A图示图3C特征的俯视图,其说明目标区和用于表征第一特征以提供先前表征的特征的边缘检测;
图4B图示图3C和图4A的特征的俯视图,其说明基于先前表征的第一特征的排除区的一个实施方案;以及
图4C图示图3C和4A的特征的俯视图,其说明对于第一特征的边缘与当前特征的边缘重叠的非理想制造情况下用于当前特征的目标区和基于图4B的排除区的适当边缘检测;
图5为说明稳健视频工具用户接口的一个实施方案的各种特征的图表,包括排除区参数部分;以及
图6为说明在学习模式操作期间的用户接口的一个实施方案的各种特征的图表,包括工件图像、排除区参数部分、目标区指示符和排除区指示符。
优选实施方案的详细描述
图1为可根据本文所述的方法使用的一个示例性机器视觉检查***10的方框图。机器视觉检查***10包括视觉测量机器12,视觉测量机器12可操作地被连接以与控制计算机***14交换数据和控制信号。控制计算机***14进一步可操作地被连接以与监视器或显示器16、打印机18、操纵杆22、键盘24和鼠标26交换数据和控制信号。监视器或显示器16可显示适合于控制和/或编程机器视觉检查***10的操作的用户接口。
视觉测量机器12包括可移动工件平台32和可包括变焦透镜或可更换透镜的光学成像***34。变焦透镜或可更换透镜通常为光学成像***34所提供的图像提供各种放大倍数。机器视觉检查***10大体相当于上文所述的QUICK系列的视觉***和软件,以及类似的目前可购得的精密机器视觉检查***。机器视觉检查***10还描述于共同让渡的美国专利第7,454,053号和第7,324,682号,以及2008年12月23日提交的美国专利申请第12/343,383号和2009年10月29日提交的美国专利申请第12/608,943中,每一上述美国专利和美国专利申请以引用的方式全部并入本文。
图2为类似于图1的机器视觉检查***并且包括根据本发明的特征的机器视觉检查***100的控制***部分120和视觉组件部分200的方框图。如下文将更详细地描述,控制***部分120用来控制视觉组件部分200。视觉组件部分200包括光学组合件部分205、光源220、230、230′和240,以及具有中央透明部分212的工件平台210。工件平台210可沿着位于大体平行于可定位工件20的平台表面的平面中的X轴和Y轴可控制地移动。光学组合件部分205包括摄影机***260、可更换物镜250,且可包括具有透镜286和288的转台透镜组合件280。替代转台透镜组合件,可包括固定或可手动更换的放大倍数更改透镜,或变焦透镜构造等。
光学组合件部分205可通过使用可控电动机294而沿着大体正交于X轴和Y轴的Z轴可控制地移动,所述可控电动机294驱动致动器沿Z轴移动光学组合件部分205以改变工件20的图像聚焦。可控制电动机294经由信号线296连接至输入/输出接口130。
待使用机器视觉检查***100成像的工件20或固持多个工件20的托盘或夹具放置于工件平台210上。工件平台210可被控制以相对于光学组合件部分205移动,使得可更换物镜250在工件20上的部位之间,和/或在多个工件20之间移动。平台灯220、第一同轴灯230、第二同轴灯230′和表面灯240(例如,环形灯)中的一个或更多个可分别发射源光222、232、232′和/或242,以照明一个或更多个工件20。光源230和230′可沿包括镜子290的路径发射光232和232′,如下文更详细地描述。第二同轴灯230′可发射具有使某些工件材料(例如,阻焊剂)发荧光的波长分布的源光232′。此类元件更详细地描述于同在申请中且共同让渡的美国专利申请第12/904,013中,所述美国专利申请以引用的方式并入本文。将了解,上文针对为荧光和非荧光成像提供源光的光学路径而概述的特定特征和元件仅为示例性的而非限制。源光反射或传输为工件光255,或发射荧光工件光255′,并且用于成像的工件光通过可更换物镜250和转台透镜组合件280并由摄影机***260收集。一个或更多个工件20的图像(由摄影机***260俘获)在信号线262上输出至控制***部分120。光源220、230、230′和240可分别经由信号线或总线221、231和241连接至控制***部分120。为更改图像放大倍数,控制***部分120可经由信号线或总线281沿轴284旋转转台透镜组合件280以选择转台透镜。
如图2中所示,在各种示例性实施方案中,控制***部分120包括控制器125、输入/输出接口130、存储器140、工件程序产生器和执行器170,和电源部分190。这些组件中的每一个和下文所述的额外组件可由一个或更多个数据/控制总线和/或应用程序编程接口,或由各种元件之间的直接连接互相连接。
输入/输出接口130包括成像控制接口131、运动控制接口132、照明控制接口133和透镜控制接口134。运动控制接口132可包括位置控制元件132a和速度/加速度控制元件132b,然而此类元件可为合并的和/或不可区分的。照明控制接口133包括照明控制元件133a-133n和133fl,若选择、功率、接通/断开开关和选通脉冲时序适用,则上述照明控制元件控制例如用于机器视觉检查***100的各种相应光源的选择、功率、接通/断开开关和选通脉冲时序。若选择、功率、接通/断开开关和选通脉冲时序适用,则照明控制元件133fl可控制用于第二同轴灯230′的选择、功率、接通/断开开关和选通脉冲时序,第二同轴灯230′可激发荧光工件材料发射荧光图像光。
存储器140可包括图像文件存储器部分141、用于记录与如下文进一步概述的先前表征的特征有关的资料的先前表征特征存储器部分140pcf、可包括一个或更多个零件程序等的工件程序存储器部分142,和视频工具部分143。视频工具部分143包括确定用于相应视频工具中的每一个的GUI、图像处理操作等的视频工具部分143a和其它视频工具部分(例如,143n),以及支持定义各种ROI的自动、半自动和/或手动操作的目标区产生器143roi,所述各种ROI可在包括于视频工具部分143中的各种视频工具中操作。
在本发明的上下文中,且如所属领域的技术人员所知,术语“视频工具”通常代表机器视觉用户可通过相对简单的用户接口(例如,图形用户接口、可编辑参数窗口、菜单等)实施的一组相对复杂的操作,而无需创建包括于视频工具中的逐步操作顺序或借助于广义的基于文本的编程语言等。例如,视频工具可包括通过调整管理操作和计算的少数变量或参数在特定实例中应用并定制的一组预先编程的复杂的图像处理操作和计算。除基础操作和计算之外,视频工具还包含允许用户调整用于视频工具的特定实例的那些参数的用户接口。例如,许多机器视觉视频工具允许用户使用鼠标通过简单的“手柄拖动”操作来配置图形目标区指示符,以便定义待由视频工具的特定实例的图像处理操作分析的图像子集的部位参数。此外,通过在学习模式期间操作视频工具的实例,其中代表性工件的特定特征位于目标区中,视频工具的图像处理操作可自动地提取可保存或记录于零件程序中并用作界限以在工具的实例(即,工具的操作)在运行模式期间于相应工件(例如,相同零件或产品)的相应特征上自动运行时确保速度或可靠性的某些代表性参数(例如,越过目标区中的边缘特征的强度变化)。学习模式操作的这个方面称为“训练”视频工具的特定实例。应注意,可见用户接口特征有时称为视频工具,其中以隐含方式包括基础操作。
应了解,与现有技术方法相比,与“排除区操作”有关的本文公开的特征和方法可使用也可用于与排除区操作不同的操作的相对简单的视频工具来实施。此外,尽管本文公开的特征和方法可由相对不熟练的用户实施,但是所述特征和方法在学习模式期间和在运行模式期间相对于相关特征关系(即,潜在干扰或无干扰特征)皆为稳健。
具体来说,上述属性可与稳健视频工具143rt和关联排除区产生器143er相关联,稳健视频工具143rt和关联排除区产生器143er包括于视频工具部分143中。尽管排除区产生器143er和稳健视频工具143rt在此描述为单独的元件,但是在一些实施方案中,排除区产生器143er和稳健视频工具143rt的特征和操作可为合并的和/或不可区分的。简单地说,稳健视频工具143rt包括防止潜在干扰特征与打算由稳健视频工具143er的实例检查的特征“混淆”的排除区操作143ero。在一些实施方案中,可在包括排除区操作143ero的模式中操作,并且在不同时间在省略这些操作的模式中操作。稳健视频工具143rt还包括稳健视频工具接口143rtui(用户接口),稳健视频工具接口143rtui可包括排除区参数部分143erui。然而,在一些实施方案中,排除区参数部分143erui可在稳健视频工具接口143rtui外实施(例如,作为单独的接口元件,或与排除区产生器143er相关联)。下文更详细地描述与这些元件相关联的特征和操作。
一般说来,存储器部分140存储可用来操作视觉***组件部分200以俘获或获得工件20的图像使得获得的工件20的图像具有所要的图像特性的数据。存储器部分140还可含有定义可通过输入/输出接口130操作的图形用户接口的数据。存储器部分140也可存储检查结果数据,可进一步存储可用来操作机器视觉检查***100,以对获得的图像手动或自动地执行各种检查和测量操作(例如,部分实施为视频工具),并且通过输入/输出接口130输出结果的数据。如本文所公开的,存储器部分140包括先前表征特征存储器部分140pcf,先前表征特征存储器部分140pcf存储与某些“先前表征的特征”(例如,使用视频工具分析和表征的特征)有关的数据,使得数据可由排除区产生器143er用来确定用于稳健视频工具143rt的一个或更多个实例的排除区。在各种实施方案中,可标记(例如,命名或编号)先前表征的特征以用于在用户接口中参考。先前表征的特征可与存储的特定测量结果(例如,在圆形特征情况下的圆周大小和部位,或在直线特征情况下线部位和角度)相关联(或由所述特定测量结果表征)。在一些实施方案中,先前表征的特征也可与用来确定先前表征的特征的测量结果的检测到的边缘点,和/或可存储的与所述检测到的边缘点的分散等有关的统计量或尺寸相关联(或由所述检测到的边缘点和/或统计量或尺寸表征)。然而,在一些实施方案中,一旦先前表征的特征由测量结果和/或不确定统计量或尺寸表征,则自存储器删除基础边缘点部位。
分别为平台灯220、同轴灯230和230′,和表面灯240的信号线或总线221、231和241全部连接至输入/输出接口130。来自摄影机***260的信号线262和来自可控电动机294的信号线296连接至输入/输出接口130。除承载图像数据之外,信号线262还可承载来自启动图像获取的控制器125的信号。
一个或更多个显示装置136(例如,图1的显示器16)和一个或更多个输入装置138(例如,图1的操纵杆22、键盘24和鼠标26)也可连接至输入/输出接口130。显示装置136和输入装置138可用来显示用户接口,所述用户接口可包括可用来执行检查操作,和/或创建和/或修改零件程序的各种图形用户接口(GUI)特征,以观看由摄影机***260俘获的图像,和/或直接控制视觉***组件部分200。
在各种示例性实施方案中,当用户使用机器视觉检查***100来创建用于工件20的零件程序时,用户通过使用工件编程语言自动地、半自动地或手动地明确产生零件程序指令,和/或通过在学习模式中操作机器视觉检查***100以提供所要的图像获取训练序列来产生指令,来产生零件程序指令。例如,训练序列可包含在视野(FOV)中定位代表性工件的特定工件特征、设置光亮度、聚焦或自动聚焦、获得图像,和提供应用于图像的检查训练序列(例如,在所述工件特征上使用视频工具中的一个的实例)。学习模式操作而使得一个或更多个序列被俘获或记录并且被转换为相应零件程序指令。这些指令在零件程序被执行时将使机器视觉检查***再现训练图像获取和检查操作,以自动地检查在一个或更多个运行模式工件上的所述特定工件特征(即相应部位中的相应特征),所述一个或更多个运行模式工件匹配在创建零件程序时使用的代表性工件。
用来在工件图像中检查特征的这些分析和检查方法通常实施于包括在存储器140的视频工具部分143中的各种视频工具(例如,视频工具143a、143n等。)中,如上文所概述。许多已知的视频工具(或简称为“工具”)包括在可购得的机器视觉检查***中,例如QUICK系列视觉***和关联软件,如上文所述。
通用机器视觉检查***中的特定问题在于提供允许相对不熟练的用户编程具有可靠地提供准确测量的稳健检查操作的此类***的方法和工具。本文公开的特征和操作解决与工件上潜在干扰特征(例如出现在工件的多个层或表面上的特征)有关的这个问题。
图3A和3B图示包括代表性工件上的两个特征(当前特征320E(当前特征320E也是区320的圆形边缘特征320E)和潜在干扰特征310E(潜在干扰特征310E也是区310的圆形边缘特征310E))的图像305的视图300A和300B。图3A至图3C也说明视频工具420(隐含)的当前目标区(如由ROI指示符420roi所指示),视频工具420为用于当前特征320E的边缘检测的画圆工具。视图300A和300B说明特征310E与当前特征320E大致同中心的理想制造情况。在图3A至图3C和图4A至图4C中所示的实施例中,图像305包括提供第一强度的区330(以虚线填充图案说明)(例如,包含由阻焊层覆盖的PCB材料的区)、提供第二强度的区320(以交叉阴影线填充图案说明)(例如,包含由阻焊层覆盖的铜衬垫的区)和提供第三强度的区310(以密集填充图案说明)(例如,包含通过阻焊层中的孔暴露的铜本寸垫的区)。
如图3A和图3B中所示,提供画圆工具420用于确定当前特征320E的边缘点420EP。圆周和其它视频工具的示例性例子更详细地描述于美国专利第7,627,162号和第7,769,222号中,所述美国专利在此以引用的方式全部并入本文。用于画圆工具420的用户接口包括具有内边界420in和外边界420out的目标区指示符420roi、扫描方向指示符422、抽样方向指示符428,和由用户定位以指示待检测的边缘的代表性部分的边缘选择器424。扫描方向指示符422经配置以指向对应于待用于分析用于检测图像中的边缘的像素强度的序列的方向。通常有利的是,扫描方向自边缘或边界的最小纹理化或“嘈杂”侧前进至边缘的更嘈杂侧。以此方式,图像噪声或纹理不太可能被解释为边缘,这是因为在分析序列中首先遭遇真实边缘。抽样方向指示符428展示边缘点侦测扫描围绕画圆工具420前进的方向(例如,逆时针抽样方向)。
在图3A和图3B中所示的情况中,内边界420in可由用户在学习模式期间配置,使得内边界420in自目标区420roi排除理想同心的边缘特征310E。在这种情况下,画圆工具420能够在没有来自边缘特征310E的干扰的情况下准确地确定当前特征320E的边缘点420EP。在此情况下,已知的画圆工具将以所要的结果操作。相比之下,如下文将相对于图3C更详细地描述,在边缘特征310E重叠当前特征320E的非理想情况下,如图3A和图3B中所示的经配置和/或训练和记录的已知画圆工具将不能提供准确结果。
图3C图示包括对应于上文论述的(但是在不同工件上)两个特征(当前特征320E(当前特征320E与图3A和图3B中相同地编号,这是因为当前特征320E在图像305和305′中处于相同部位中)和潜在干扰特征310′E(潜在干扰特征310′E在图像305′中具有变化的部位))的图像305′的视图300C。图3C也说明用于当前特征320E的边缘检测的视频工具420的当前目标区(如由ROI指示符420roi所指示)。视图300C说明特征310′E干扰当前特征320E(例如,当区310′为阻焊层中的误放孔,且与铜衬垫区320不同心时)的非理想制造情况。
如图3C中所示,在这种情况下,在目标区420roi中的各种扫描部位处检测到的边缘点检测包括当前特征320E的适当边缘点420EP但也包括不适当边缘点420EP-X的边缘点的集合,不适当边缘点420EP-X为误放干扰特征310′E的边缘点。拟合边缘点的这个集合的圆周不会反映当前特征320E(或当前特征320E的关联区320)的适当大小或部位,并且因此将导致不适当的检查结果,正如已知视频工具在这种情况下的典型特点。因为对于一系列工件来说干扰特征310′E的部位不可充分地预测,所以这个问题无法通过使目标区变窄或其它传统方法来解决。同样地,相对不熟练的用户无法使已知的区遮蔽技术与传统视频工具整合,以产生所要的结果。下文描述这个问题的解决方案。
简单地说,如参阅图4A至图4C更详细地描述,本文公开的特征和操作包含:使用简单的视频工具来表征潜在干扰特征,然后使用基于先前表征的潜在干扰特征(例如,由所述潜在干扰特征的实际几何形状的大小和/或部位测量来表征)而使用排除区的新类型的稳健视频工具,来排除在围绕当前特征的目标区中检测到的边缘点,所述边缘点实际上为先前表征的干扰特征的边缘点。因此,必要时,仅当前特征的有效边缘点最终由稳健视频工具标识,而与潜在干扰特征的部位无关。
图4A和图4B图示图3C中所示的图像305′的视图400A和400B,图像305′包括特征320E和潜在干扰特征310′E(特征320E和潜在干扰特征310′E与图3C中相同地编号,因为考虑到相同的图像305′,在此描述的是一种分析当前特征320E的新方法)。图4A和图4B图示在使用稳健视频工具分析当前特征320E之前所执行的操作。
具体来说,图4A说明视频工具410(隐含)的目标区,如由视频工具410的ROI指示符410roi所指示,视频工具410用于潜在干扰特征310′E的边缘检测和表征中。在一个实施方案中,视频工具410可为包括在机器视觉检查***中的多个标准视频工具(例如,以视频工具143a至143n为例,先前参阅图2所概述)中的一个。如图4A中所示,为了涵盖潜在干扰特征310′E的所有潜在部位,进而在所有情况下(例如,所有工件,包括情况310和310″,虚线轮廓中所示)可靠地检测潜在干扰特征310′E,目标区410roi必须非常宽。用户可基于经验或特征310′E的已知公差等在学习模式期间配置ROI内边界410in和ROI外边界410out。
如图4A中所示,视频工具410的较宽目标区可涵盖特征320E和潜在干扰特征310′E,这种情况造成视频工具410错误地检测特征320E的边缘点,而非特征310′E的所要边缘点的可能性。然而,许多已知措施可防止这种情况的发生,包括以下措施:
第一,如果扫描方向是根据“内到外”设置(在这个例子中),那么在许多状况下沿扫描方向检测到的第一边缘将倾向于为特征310′E,这是因为特征310′E名义上小于特征320E且处于特征320E内。
第二,特征310′E展现出比特征320E大的强度过渡(在这个例子中),并且可确定这个较大过渡的量,且相关较大的过渡阈值在学习模式训练期间记录在工具410中。当以这个阈值作为接受准则(已知实践)来执行工具410时,特征320E的边缘点将因而不能满足这个阈值且不会被检测到。
第三,将了解,上文概述的阈值技术的有效性可通过使用增加边缘特征310′E处的强度过渡和/或减少边缘特征320′E处的强度过渡的图像曝光波长或照明角度而进一步提高。因此,在一些应用中(并非所有应用),第一图像(例如,使用第一组波长曝光的图像)可用来检测潜在干扰特征(例如,特征310′E),并且第二图像可用来使用稳健视频工具来检测当前边缘特征(例如,特征320)。在一些应用中,第一图像可使用第一组波长曝光,并且第二图像可使用不同于第一组波长的第二组波长曝光(例如,图像中的一个可为荧光图像)。在一些应用中(例如,当特征中的一个为通孔时),在一个图像中可自背部照亮孔(例如,通过平台灯),并且在另一图像中可自顶部照亮其它特征。
更一般来说,用户可选择任何上述技术,和/或如果较大特征展现出更明显的边缘等,那么选择测量较大特征而非较小特征作为先前表征的特征,以便提供可靠表征的先前表征的特征。在如大圆周的较大特征用作先前表征的特征的情况下,则圆周外侧的区域可为排除区。可通过由预设设置管理的排除区极性参数,或排除区产生器中的演算法,或用户输入的设置来管理是将在闭合形式内或外的区域还是将至线的较亮侧或较暗侧的区域确定为排除区。
如图4A中所示,使用适当的技术,视频工具410在目标区410roi中的各种扫描部位处检测潜在干扰特征310′E的适当边缘点410EP,而不考虑潜在干扰特征310′E在由ROI指示符410roi指示的目标区中的实际部位。然后,视频工具410可使圆周拟合至圆形边缘特征的边缘点的集合,并且表征如潜在干扰特征310′E的大小和部位的相关尺寸参数,以便提供适合于确定排除区的先前表征的特征,以供稳健视频工具使用,如下文更详细地描述。
图4B图示说明基于先前表征的特征310′E的排除区的一个实施方案的图像305′的俯视图400B。排除区由排除区指示符ERI指示。在各种实施方案中,排除区可由排除区产生器(例如,参阅图2概述的排除区产生器143er)基于在学习模式操作期间定义的排除区参数的集合来确定。在各种实施方案中,排除区参数的集合包括用来确定排除区的先前表征的特征的标识,和其它排除区参数(例如,如下文参阅图5所概述)。在所示的实施方案中,排除区是基于先前表征的特征确定的,使得排除区涵盖所有检测到的边缘点410EP(至少并非离群值的所有检测到的边缘点)。在那种情况下,很有可能的情况是,如果干扰边缘特征310′E(先前表征的特征)的任何边缘点将由稳健视频错误地检测,那么所述边缘点将最终被排除(例如,如下文所概述)。然而,在其它实施方案中,可采取由稳健视频工具检测的边缘点各自“扩张”(例如,通过围绕所述边缘点部位扩长)使得在所述边缘点的扩张形式中所述边缘点将部分落入最初并未涵盖所述边缘点的未加工部位的排除区内的方法。因此,在各种实施方案中,排除区可以接近(稍微大于或小于)先前表征的特征的大小的各种大小产生,并且可仍然由如本文公开的稳健视频工具执行可靠的排除区操作。
例如,在一些实施方案中,先前表征的特征可通过视频工具分析工件图像、检测特征的边缘点,和将几何特征拟合至检测到的边缘点(例如,圆周)以及以描述几何特征的大小及/或部位(例如,圆周中心部位和半径,或直线部位和角度)的尺寸参数来表征拟合的几何特征来表征。特性记述可存储在先前表征的特征存储器部分140pcf中,参阅图2所概述。在一些实施方案中,通过使用拟合的几何特征作为排除区的边界或调整拟合的几何特征的大小和部位中的至少一个(例如,基于排除区参数的集合中的额外参数,如下文参阅图5所概述)和使用所述调整过的拟合的几何特征作为排除区的边界来(例如,由参阅图2概述的排除区产生器143er)确定排除区,其中调整过的拟合的几何特征提供了涵盖用于拟合几何特征等的大多数检测到的边缘点的边界。
在一个实施方案中,画圆工具可提供与出于特性记述的目的而将圆周拟合至的边缘点的分散有关的圆形尺寸,并且可基于圆形尺寸来调整圆周。在其它实施方案中,排除区是通过沿接合检测到的边缘点的线或弯曲线段形成排除区的边界来确定。在一些实施方案中,调整排除区的大小是基于扫描方向(例如,如由扫描方向指示符或稳健视频工具的相关参数所指示),使得排除区边界沿着与扫描方向相反的方向移动。在一些实施方案中,在检测到先前表征的干扰特征的任何错误边缘点之前,这确保扫描可在排除区处“停止”。然而,确定排除区的此类方法仅为示例性的而非限制。所属领域技术人员可基于本发明的教导设计出基于先前表征的特征来确定排除区的各种其它方式。排除区可由参阅图2概述的排除区产生器143er使用存储在先前表征特征存储器部分140pcf中的特性记述来确定。
图4C图示说明稳健视频工具420′(除添加了与本文公开的排除区操作有关的元件之外,稳健视频工具420′可类似于视频工具420)的一个实施方案并且说明相对于图4B论述的排除区(如由排除区指示符ERI所指示)的图像305′的俯视图400C。稳健视频工具420′可类似于图3C的视频工具420或与视频工具420相同地被配置(例如,元件420roi和420′roi可类似地被配置,并且元件422、428和424可相同,等等)。然而,稳健视频工具420′包括排除区操作,所述排除区操作分析工件图像并确定当前特征边缘点420EP′的集合,使得当前特征边缘点的集合包括在目标区420′roi中检测到的边缘点但排除处于排除区(由排除区指示符ERI所指示)中的边缘点。因此,稳健视频工具420′检测目标区420′roi中的当前特征边缘点的集合,目标区420′roi包括当前特征320E的适当边缘点420EP′但排除(不包括)位于基于先前表征的特征310′E确定的排除区(由指示符ERI指示)中的先前表征的特征310′E的不适当边缘点420EP-X(图3C中所示)。因此,以简单且稳健方式达成这个所要的结果,而与先前表征的特征310′E的潜在干扰位置无关。
在一个实施方案中,防止当前特征边缘点的集合包括位于排除区内的边缘点的稳健视频工具420′的排除区操作可包含:分析目标区420′roi以标识目标区420′roi中的“暂时”边缘点(例如,其中的所有检测到的边缘点)的集合,然后消除位于排除区中的暂时边缘点,和使用剩余的暂时边缘点作为检测到的当前特征边缘点的最终集合。在另一个实施方案中,排除区操作可包含使排除区自目标区420′roi排除以形成修改的操作目标区,和分析修改的操作目标区以确定当前特征边缘点的检测到的集合。
图5为说明稳健视频工具接口500(用户接口)的一个实施方案的各种特征的图表,稳健视频工具接口500在学习模式操作期间显示并使用,以定义排除区参数的集合,包括用来根据本文公开的原理确定排除区的至少一个先前表征的特征的标识。在这个实施例中,稳健视频工具接口500属于圆周类型工具,并且包括画圆工具参数对话框510和排除区参数部分520。画圆工具参数对话框510包括用户可选择的选项卡式部分510a、510b和510c。视频工具的类似选项卡式部分和特征更详细地描述于美国专利第7,769,222号中,所述美国专利在此以引用的方式全部并入本文。对于所有选项卡式部分510a至510c来说,底部的Restore Defaults按钮512将选项卡式部分510b和510c上的项目恢复至所述项目的缺省值,OK按钮514接受当前参数并关闭画圆工具参数对话框510,Cancel按钮516将所有参数返回至所述参数在当前编辑序列开始之前的状态,且关闭对话框510,并且Teach按钮518执行工具的某些学习模式操作,且基于用于学习模式的代表性工件的当前特征(即,目标区中的边缘特征)来训练某些工具参数。
选项卡式部分510a可反映画圆工具ROI中心的X坐标和Y坐标,以及分别表示为R1和R2的画圆工具ROI的内径和外径。这些值可由使用目标区指示符的图形定义来确定,和/或这些值可在对话框中直接输入。选项卡式部分510a也可反映边缘选择器的坐标XS和YS。
如在先前并入的′222专利中更详细地描述,在某些实施方案中,选项卡式部分510b可反映待在选定ROI内使用的边缘搜索参数。选项卡式部分510b可反映倾斜参数类型,所述倾斜参数类型规定在沿由画圆工具指示的圆周边缘检测扫描线方向前进时边缘强度分布将展现出下降倾斜(由亮至暗)、上升倾斜(由暗至亮)还是任何(任一)倾斜。选项卡式部分510b可反映规定边缘强度分布对应于坚固边缘还是薄弱边缘的参数类型。坚固边缘搜索准则可更为严格以确保所得检测中较高的可靠性。相反地,薄弱边缘搜索准则牺牲一些可靠性,以使得将更有可能标识薄弱边缘。选项卡式部分510b也可反映用于沿ROI中的圆周边缘标识点的扫描参数。离群值移除可使几何形状不正常的点被拒绝,扫描区间值可使诸个点以1度或5度等的间隔被标识,并且为了继续进行边缘扫描可规定顺时针或逆时针抽样方向。
又如在′222专利中更详细地描述的,在某些实施方案中,选项卡式部分510c可包括允许选择可在执行边缘检测之前应用于图像数据的过滤器类型的部分。在一个特定示例性实施方案中,可允许用户选择四个过滤器类型中的一个或不选择过滤器。用户可选择中位数过滤器、平均值过滤器、高斯(Gaussian)过滤器或型态过滤器。选项卡式部分510c还可包括反映边缘检测阈值的部分,所述边缘检测阈值可管理边缘检测操作。某些实施方案允许选择静态边缘阈值或动态边缘阈值。在一个特定示例性实施方案中,用户可规定三个值TH、THR和THS。静态阈值TH定义像素的平均像素强度,所述像素定义边缘。动态阈值THR在运行时间修改值THS。边缘强度阈值THS定义对于像素的灰度级强度差异的最小接受阈值,所述像素定义表面的边缘。这些阈值确定是否沿边缘强度扫描线标识边缘点,或者说扫瞄是否“失败”。
在图5中所示的实施方案中,稳健视频工具接口500对应于可在稳健“排除区模式”(即,使用如本文公开的排除区操作的模式),或在已知标准模式(即,分析工件图像并且对于目标区中的当前特征确定边缘点的集合而不考虑排除区的非排除区模式)中操作的圆周类型视频工具。在这个实施方案中,选项卡式部分510a包括排除区激活元件522,排除区激活元件522可包含排除区参数部分520的一部分,并且可由用户操作以确定视频工具的当前实例是在排除区模式(例如,使用排除区操作)中还是在非排除区模式中操作。在这个特定的实施方案中,排除区激活元件522包含基于用户选择而来回切换的一对“是/否”单选按钮。在一个实施方案中,排除区参数部分520仅在选择“是”单选按钮时(即,在稳健排除区模式操作将被使用时)才出现在显示器上。将了解,在其它实施方案中,这些不同的“模式”可改为使用两个单独的圆周类型视频工具来实施。
在图5中所示的实施方案中,选项卡式部分510a还包括排除特征候选项指示符519,排除特征候选项指示符519包含基于用户选择来回切换以确定由工具的当前实例表征的特征是否将包括在“排除特征候选项”列表中的一对“是/否”单选按钮。例如,当稳健模式在视频工具接口500中没有被激活时,用户可能想要使用视频工具的当前实例来表征特征,以提供先前表征的特征,如本文所公开。在那种情况下,可为有用的是,使用指示符519来标记当前特征以用于包括在先前表征的特征的候选者列表中和/或记录原本可能不被记录的某些学习到的参数及/或检测到的边缘点,以供稍后由排除区产生器使用。
排除区参数部分520包括排除区参数对话框530,排除区参数对话框530可经配置以定义用来产生尤其对应于稳健视频工具的当前实例的排除区的排除区参数的集合(例如,由排除区产生器使用的参数)的当前实例的成员。在图5中所示的实施方案中,排除区参数对话框530包括标识部分532、列536中的排除区边界调整元件、列538中的排除方法选择要素和列539中的反向区极性选择要素。
标识部分532标识用来确定排除区的一个或更多个先前表征的特征。在所示的实施方案中,标识部分532包含含有先前表征的特征列表的列534和含有选择要素的相应列表的列533,列534和列533由用户配置以提供列534中的哪些特定先前表征的特征将用来确定用于稳健视频工具的当前实例的排除区的标识。在这个特定实施方案中,每一选择要素包含基于用户选择而来回切换的一对“是/否”单选按钮,以指示列534中的相应特征是否用来确定排除区(例如,相应特征是否包括在排除区中)。在一个实施方案中,列534中的先前表征的特征的列表由机器视觉检查***的控制***自动产生。在一个实施方案中,列表可包括所有先前表征的特征。在另一个实施方案中,列表可包括也位于当前图像内的所有先前表征的特征。在另一个实施方案中,列表可包括接近稳健视频工具的当前实例的定义目标区(例如,在预定距离内)的所有先前表征的特征。在其它实施方案中,稳健视频工具操作和/或排除区产生器可将最接近稳健视频工具的当前实例(即,最接近稳健视频工具的目标区)的先前表征的特征自动标识为待包括于用来确定用于稳健视频工具的当前实例的排除区的排除区参数的当前集合中的先前表征的特征。在此实施方案中,可省略标识部分532。
如先前所概述,排除区的大小可基于调整检测到的边缘点的扩长度,或调整拟合的几何特征的大小等来调整(例如,使得排除区涵盖先前表征的特征的大多数检测到的边缘点)。列536中的排除区边界调整元件可由用户设置以管理此类调整的大小。在图5中所示的实施方案中,列536中的排除区边界调整元件包含滑动器536s,滑动器536s可由用户拖动以确定调整量。然而,在其它实施方案中,用户可输入若干像素(或其它单位)作为调整量。在其它实施方案中,用户可在显示的排除区指示符上拖动手柄(例如,如图6中所示),或者调整可为自动的(例如,基于缺省量,或先前表征的特征的确定的分散参数等),并且可省略列536中的排除区边界调整元件。
如先前所概述,防止当前特征边缘点的集合包括位于排除区内的边缘点的稳健视频工具的排除区操作可包含:分析目标区以标识目标区中的“暂时”边缘点的集合,然后消除位于排除区中的暂时边缘点,和使用剩余的暂时边缘点作为检测到的当前特征边缘点的最终集合。在另一个实施方案中,排除区操作可包含使排除区自目标区排除以形成修改的操作目标区,和分析修改的操作目标区以确定当前特征边缘点的检测到的集合。在一个实施方案中,列538中所示的排除方法选择要素可由用户用来选择应用这些方法中的哪一个。在其它实施方案中,可预先确定方法,并且可省略列538中的元件。
如先前所概述,如果较大特征展现更明显的边缘等,那么用户可选择测量较大特征而非较小特征作为先前表征的特征,以便提供可靠表征的先前表征的特征。在如较大圆周的较大特征用作先前表征的特征的情况下,则“圆周外侧”的区域可为适用于稳健视频工具的当前实例的排除区。在一个实施方案中,列539中的反向区极性选择要素(包含可由用户点击以反向极性的拨动式开关图标)可由用户用来相对于先前表征的特征而选择排除区的“极性”。在其它实施方案中,可基于稳健视频工具的当前实例的其它参数和/或一个或更多个相关的先前表征的特征来自动确定极性,并且可省略列539中的元件。
将了解,用户接口特征的上述实施方案仅为示例性的而非限制。基于本发明,所属领域技术人员将明白可用来输入和/或更改稳健视频工具用户接口的上下文中的排除区参数集合的成员的其它特征。
图6为说明学习模式操作期间的用户接口显示器600的一个实施方案的各种特征的图表。在图6中所示的示例性状态中,用户接口显示器600包括显示工件图像305′的视野窗口603,和稳健视频工具接口的若干编号元件及特征,如先前参阅图4C所述,例如元件420′roi、420′in、420′out、422、424、428和ERI,以及稳健视频工具接口元件510和530,先前参阅图5所述。用户接口显示器600还包括如选择条620和640的各种测量和/或操作选择条、实时X-Y-Z(位置)坐标窗口630和光控制窗口650。
在各种实施方案中,用户可通过自显示全部在工具菜单元件610下访问的多个替代性视频工具和/或模式选择按钮的下拉菜单或工具条选择稳健视频工具来创建稳健视频工具的当前实例。在一个实施方案中,在这样的选择之后,用户接口随即可在缺省位置,以及先前描述的稳健画圆工具参数对话框510和排除区参数对话框530中自动显示目标区指示符420′roi,用于配置选定的稳健视频工具的各种参数,如上文所概述。
在各种实施方案中,稳健视频工具接口显示在检查当前特征320E之后随即叠加的稳健视频工具的目标区指示符420′roi和排除区指示符ERI,如视野窗口603中所示。在各种实施方案中,排除区指示符ERI可在基于最接近于当前目标区420′roi的先前表征的特征确定时,或只要使用排除区参数对话框530的适当列选择先前表征的特征(如上文参阅图5所概述)或在出现类似情形时就自动出现。在图6中所示的实施方案中,排除区指示符ERI包括大小调整手柄ERIah,大小调整手柄ERIah可使用鼠标接合并且由用户拖动以调整排除区(例如,如由排除区产生器根据上文概述的原理产生)的大小并定义或重新定义关联调整参数。在各种实施方案中,当使用排除区参数对话框530对排除区参数集合的当前实例进行改变时,排除区指示符ERI可在显示器上自动改变,等等。
在图6中所示的实施例中,由排除区指示符ERI指示的排除区对应于在排除区参数对话框530中选择的先前表征的特征“Circle1”。如Circle1的名称所指示,Circle1为通过使用包括在所述多个视频工具(例如,可使用工具菜单元件610访问的工具)中的画圆工具表征以(例如)检测特征边缘点并表征特征尺寸参数的先前表征的特征。在一个实施方案中,如上文所概述,只要使用排除区参数对话框530的适当列选择Circle1(如上文参阅图5所概述),排除区指示符ERI就可自动出现在特征Circle1的先前表征部位处,并且排除区产生器基于选定的Circle1且基于在排除区参数对话框530中所定义的相关参数来确定排除区。在一个实施方案中,特征Circle1的存储特性记述数据可对应于拟合先前表征边缘特征310′E(例如,如由画圆工具表征)的边缘点的圆周,并且排除区指示符ERI可最初对应于基于所述拟合圆周确定的排除区,并且缺省或用户输入的调整量如排除区参数对话框530的调整列中所指示。根据需要,应设置调整量,使得先前表征的边缘特征310′E的任何可观察到的边缘点都落入排除区内,以便稳健视频工具的排除区操作(例如,确定当前特征边缘点420EP′的集合,使得所述集合包括在目标区420′roi中检测到的边缘点而不包括位于由ERI指示的排除区内的边缘点的操作)不允许所述可观察到的边缘点被包括在将由稳健视频工具的当前实例检测并分析的当前特征320E的当前特征边缘点420EP′的集合中。
如先前所概述,在各种实施方案中,机器视觉检查***(例如,图2中所示的***100)包含学习操作模式和运行操作模式。机器视觉检查***的用户接口经配置以定义包括在多个视频工具(例如,图2中所示的视频工具143a至143n)中的视频工具的至少一个实例的参数,以在学习操作模式期间使用代表性工件提供至少一个先前表征的特征(例如,图6中所示的特征Circle1)。稳健视频工具接口(例如,包含图5和图6中所示的元件510、520和530)经配置以在学习操作模式期间在代表性工件上定义用来确定用于当前特征的当前特征边缘点的集合(例如,图6中所示的当前特征320E的当前特征边缘点420EP′的集合)的稳健视频工具的当前实例的参数。机器视觉检查***经配置以将在学习操作模式期间定义的参数记录在零件程序中,包括用来提供至少一个先前表征的特征的至少一个视频工具的定义的参数、稳健视频工具的当前实例的定义的参数和排除区参数的定义的集合。机器视觉检查***还经配置以在用于类似于代表性工件的运行模式工件的运行操作模式期间执行零件程序的操作,其中零件程序的操作包含:(a)使用至少一个视频工具的当前实例的记录的所定义参数来提供运行模式工件上的至少一个先前表征的特征的特性记述,(b)使用记录的所定义排除区参数以基于运行模式工件上的至少一个先前表征的特征来确定排除区,和(c)使用稳健视频工具的当前实例的记录的所定义参数来确定用于运行模式工件上的当前特征的当前特征边缘点的集合,使得当前特征边缘点的集合包括在运行模式工件上的在稳健视频工具的当前实例的目标区中检测到的边缘点,而不包括位于基于运行模式工件上的至少一个先前表征的特征所确定的排除区内的边缘点。
如先前所指示,与现有技术相比,本发明的特征更通用、更易于实施,并且对于某些类型的应用更稳健。具体来说,上文公开的操作和特征为可由相对不熟练的用户操作的视频工具操作和特征。重要的是,所公开的特征和操作允许在适当制造或不适当地制造的代表性工件上的学习模式中进行编程,并且将仍然在适当制造或不适当地制造的运行模式工件上的所得自动零件程序中可靠地操作。
应了解,尽管本文说明并论述的实施例使用先前表征的特征和当前特征,所述先前表征的特征和当前特征为使用圆周类型视频工具表征的圆周特征,但可使用其它类型的视频工具实施类似的教导和原理,所述其它类型的视频工具例如使用弧状目标区的画弧工具,或者表征直线边缘并使用矩形目标区的工具,等等。此类工具在此项技术中已知,并且可基于本文公开的教导和原理进行修改以添加根据本发明的稳健视频工具的特征。
此外,尽管本文说明并论述的实施例使用经定义以对应于稳健视频工具的特定实例的排除区,但是本文公开的原理也可在全局上应用和/或实施。例如,在一个实施方案中,一个或更多个稳健视频工具的集合可在学习模式期间定义,其中每一工具都包含上文概述的排除区操作。用来确定排除区的先前表征的特征的集合也可在学习模式期间定义(例如,在一个实施方案中,通过在各种视频工具中实施类似于图5中所示的元件519的元件)。在一个实施方案中,类似于排除区参数对话框530的对话框可用来定义用于先前表征的特征的集合的每一成员或所有成员的相关排除区参数。然后,在学习模式的结尾,或在另一适当时间,排除区产生器可产生“全局”排除区,所述“全局”排除区包含对应于先前表征的特征的所述所定义的集合的排除区的集合。然后,每一稳健视频工具在执行稳健视频工具的排除区操作时可代表全局排除区。
虽然已说明并描述了本发明的各种示例性实施方案,但所属领域技术人员基于本发明将明白特征和操作序列的已说明并描述的布置的许多变化。在其它实施方案中,可提供专门针对使用本发明的排除区方法的新型视频工具。受益于本文公开的一般教导的所属领域技术人员将明白其它视频工具实施方案和关联图形用户接口特征。因此,将了解,可在不脱离本发明的精神和范围的情况下对上文概述的各种特定实施方案进行根据本文教导的各种改变。
Claims (20)
1.一种可操作以检查工件上的潜在干扰特征的机器视觉检查***,所述机器视觉检查***包含:
包含存储器元件和排除区产生器的控制***;
可操作以提供工件图像的成像***;
可用来显示工件图像和用户接口元件的显示器;
可用来定义包括视频工具操作的工件检查操作序列的用户接口,所述视频工具操作分析工件图像、检测工件特征的边缘点,并且至少表征所述工件特征的部位;以及
包括执行边缘检测的稳健视频工具的多个视频工具,所述稳健视频工具包含:
目标区;
包括在所述用户接口中的稳健视频工具接口;
检测所述目标区中的边缘点的操作;以及
排除区操作,其分析工件图像并且确定当前特征边缘点的集合,使得当前特征边缘点的所述集合包括在所述目标区中检测到的边缘点而不包括位于基于至少一个先前表征的特征确定的排除区内的边缘点,
其中:
所述至少一个先前表征的特征为通过使用所述多个视频工具中的一个来分析工件图像以检测所述先前表征的特征的边缘点并基于所述检测到的边缘点来表征所述先前表征的特征的尺寸参数而表征的特征,并且
所述排除区产生器经配置以基于所述至少一个先前表征的特征来确定所述排除区。
2.根据权利要求1所述的机器视觉检查***,其中所述排除区产生器经配置以基于在所述机器视觉检查***的学习操作模式期间定义的排除区参数集合来确定所述排除区,所述排除区参数集合包括用来确定所述排除区的所述至少一个先前表征的特征的标识。
3.根据权利要求2所述的机器视觉检查***,其中:
所述机器视觉检查***包含所述学习操作模式和运行操作模式;
所述用户接口经配置以定义包括在所述多个视频工具中的视频工具的至少一个实例的所述参数,以便在所述学习模式操作期间使用代表性工件提供所述至少一个先前表征的特征;
所述稳健视频工具接口经配置以定义所述稳健视频工具的当前实例的所述参数,所述稳健视频工具的当前实例用来在所述学习操作模式期间确定用于所述代表性工件上的当前特征的当前特征边缘点的集合;
所述机器视觉检查***经配置以将在所述学习操作模式期间定义的所述参数记录在零件程序中,包括用来提供所述至少一个先前表征的特征的所述至少一个视频工具的所述定义的参数、所述稳健视频工具的所述当前实例的所述定义的参数和排除区参数的所述定义的集合;并且
所述机器视觉检查***经配置以在用于类似于所述代表性工件的运行模式工件的所述运行操作模式期间执行所述零件程序的操作,其中所述零件程序的所述操作包含:
使用所述至少一个视频工具的所述当前实例的所述记录的所定义参数来提供所述运行模式工件上的所述至少一个先前表征的特征的特性记述;
使用所述记录的所定义排除区参数来基于所述运行模式工件上的所述至少一个先前表征的特征来确定所述排除区;以及
使用所述稳健视频工具的所述当前实例的所述记录的所定义参数来确定用于所述运行模式工件上的所述当前特征的当前特征边缘点的集合,使得当前特征边缘点的所述集合包括在所述运行模式工件上的所述稳健视频工具的所述当前实例的所述目标区中检测到的边缘点,而不包括位于基于所述运行模式工件上的所述至少一个先前表征的特征所确定的所述排除区内的边缘点。
4.根据权利要求3所述的机器视觉检查***,其中:
所述用户接口经配置以在所述学习操作模式期间显示所述代表性工件的图像;
所述用户接口经配置使得用户可选择并配置包括在所述多个视频工具中的视频工具的所述至少一个实例,其中所述视频工具为具有环形目标区的画圆工具、具有弧状目标区的画弧工具和表征直线边缘且具有矩形目标区的工具中的一个,并且所述视频工具的用户接口包括叠加在所述代表性工件的所述显示图像上的目标区指示符,并且所述视频工具的所述用户接口由所述用户配置以定义所述视频工具的实例的所述参数,以便在所述学习操作模式期间使用所述代表性工件来提供所述至少一个先前表征的特征;并且
所述用户接口经配置使得用户可选择并配置所述稳健视频工具的实例,其中所述稳健视频工具为具有环形目标区的画圆工具、具有弧状目标区的画弧工具和表征直线边缘且具有矩形目标区的工具中的一个,并且所述稳健视频工具接口包括叠加在所述代表性工件的显示图像上的目标区指示符和排除区指示符,并且所述稳健视频工具接口由所述用户配置以便定义所述稳健视频工具的所述当前实例的所述参数,所述稳健视频工具的所述当前实例用来在所述学习操作模式期间确定用于所述代表性工件上的当前特征的当前特征边缘点的所述集合。
5.根据权利要求2所述的机器视觉检查***,其中所述排除区产生器经配置以自动标识最接近于用来在所述学习操作模式期间确定用于所述代表性工件上的当前特征的当前特征边缘点的集合的所述稳健视频工具的当前实例的先前表征的特征,并且将所述先前表征的特征的标识自动包括在用来确定所述排除区的排除区参数的所述集合中。
6.根据权利要求2所述的机器视觉检查***,其中:
所述用户接口包含排除区参数部分,所述排除区参数部分经配置以在所述机器视觉检查***的所述学习操作模式期间定义排除区参数的所述集合的成员;并且
所述定义的成员包括用来确定所述排除区的所述至少一个先前表征的特征的标识。
7.根据权利要求6所述的机器视觉检查***,其中所述排除区参数部分包含排除特征标识符,所述排除特征标识符由所述用户配置以提供用来确定所述排除区的所述至少一个先前表征的特征的所述标识。
8.根据权利要求7所述的机器视觉检查***,其中所述排除区参数部分包含由所述控制***自动产生的先前表征的特征的列表,并且所述排除特征标识符包含经配置以选择所述列表的至少一个成员以包括在用来确定所述排除区的所述至少一个先前表征的特征的所述标识中的选择要素。
9.根据权利要求6所述的机器视觉检查***,其中:
所述稳健视频工具接口经配置以在所述学习操作模式期间定义所述稳健视频工具的当前实例的所述参数;
所述排除区参数部分包括在所述稳健视频工具接口中;并且
所述排除区参数部分经配置以定义用于尤其对应于所述稳健视频工具的所述当前实例的排除区的排除区参数的所述集合的当前实例,排除区参数的所述集合的所述当前实例包括用来确定所述排除区的所述至少一个先前表征的特征的当前实例的标识。
10.根据权利要求9所述的机器视觉检查***,其中所述稳健视频工具接口包含在所述学习操作模式期间显示为叠加在所述代表性工件的图像上的目标区指示符和排除区指示符。
11.根据权利要求10所述的机器视觉检查***,其中当改变排除区参数的所述集合的所述当前实例时,所述目标区指示符自动改变。
12.根据权利要求10所述的机器视觉检查***,其中所述排除区指示符经配置以由用户更改,以调整所述排除区指示符的大小且对排除区参数的所述集合的所述当前实例进行相应改变。
13.根据权利要求2所述的机器视觉检查***,其中所述排除区产生器经配置以确定所述排除区,使得所述排除区至少涵盖在表征用来确定所述排除区的所述至少一个先前表征的特征时检测到的大多数所述边缘点。
14.根据权利要求1所述的机器视觉检查***,其中:
先前表征的特征为通过使用所述多个视频工具中的一个来执行包含以下的操作而表征的特征:(a)分析工件图像以检测所述特征的边缘点;(b)将几何特征拟合至所述检测到的边缘点;以及(c)提供所述拟合的几何特征的特性记述,所述特性记述包含所述拟合的几何特征的至少一个尺寸参数;并且
所述排除区产生器经配置以基于至少一个先前表征的特征的所述拟合的几何特征的所述特性记述来确定所述排除区。
15.根据权利要求14所述的机器视觉检查***,其中:
所述排除区产生器经配置以通过调整所述拟合的几何特征的大小和部位中的至少一个和使用所述调整过的拟合的几何特征作为所述排除区的边界来确定所述排除区,其中所述调整过的拟合的几何特征提供至少涵盖用于拟合所述几何特征的大多数所述检测到的边缘点的边界。
16.根据权利要求15所述的机器视觉检查***,其中所述稳健视频工具包含扫描方向,所述扫描方向用于所述稳健视频工具检测所述目标区中的边缘点的操作中,并且所述排除区产生器经配置以调整所述拟合的几何特征,使得所述边界在与所述扫描方向相反的方向上移动。
17.根据权利要求14所述的机器视觉检查***,其中所述先前表征的特征为通过使用包括在所述多个视频工具中的画圆工具表征的特征,所述拟合的几何特征为圆周,并且所述稳健视频工具为画圆工具。
18.根据权利要求1所述的机器视觉检查***,其中所述稳健视频工具包含:
其中执行所述排除区操作的排除区模式;
包含非排除区操作的非排除区模式,所述非排除区操作分析工件图像且确定当前特征边缘点的集合,使得当前特征边缘点的所述集合包括在所述目标区中检测到的边缘点而不考虑排除区;并且
所述稳健视频工具接口包括排除区激活元件,所述排除区激活元件可由用户操作以确定所述稳健视频工具的实例是否在所述排除区模式或所述非排除区模式中操作。
19.根据权利要求1所述的机器视觉检查***,其中:
所述排除区产生器经配置以基于至少一个先前表征的特征来确定所述排除区,所述至少一个先前表征的特征为通过使用所述多个视频工具中的一个来在第一工件图像中表征的特征,所述第一工件图像是使用第一组波长曝光;并且
所述稳健视频工具经配置以检测第二工件图像中的当前特征边缘点的所述集合,所述第二工件图像是使用不同于所述第一组波长的第二组波长曝光。
20.根据权利要求19所述的机器视觉检查***,其中所述第一组波长和所述第二组波长中的一个包括由所述工件以显著强度发射的荧光波长,并且所述第一组波长和所述第二组波长中的另一个不包括由所述工件以显著强度发射的所述荧光波长。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/086,912 US8269830B1 (en) | 2011-04-14 | 2011-04-14 | Inspecting potentially interfering features in a machine vision system |
US13/086,912 | 2011-04-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102735221A true CN102735221A (zh) | 2012-10-17 |
CN102735221B CN102735221B (zh) | 2016-02-03 |
Family
ID=46800722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210111781.2A Expired - Fee Related CN102735221B (zh) | 2011-04-14 | 2012-04-16 | 用于检查工件上的潜在干扰特征的机器视觉检查*** |
Country Status (4)
Country | Link |
---|---|
US (1) | US8269830B1 (zh) |
JP (1) | JP6001305B2 (zh) |
CN (1) | CN102735221B (zh) |
DE (1) | DE102012206079A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950510A (zh) * | 2020-08-26 | 2020-11-17 | 上海申瑞继保电气有限公司 | 高压开关分合指示牌图像识别方法 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8917940B2 (en) * | 2013-04-26 | 2014-12-23 | Mitutoyo Corporation | Edge measurement video tool with robust edge discrimination margin |
US10599128B2 (en) * | 2013-12-27 | 2020-03-24 | Makino Milling Machine Co., Ltd. | Control device for a machine tool |
WO2016022154A1 (en) * | 2014-08-08 | 2016-02-11 | Robotic Vision Technologies, LLC | Detection and tracking of item features |
US10192283B2 (en) * | 2014-12-22 | 2019-01-29 | Cognex Corporation | System and method for determining clutter in an acquired image |
US9602715B2 (en) | 2015-07-09 | 2017-03-21 | Mitutoyo Corporation | Adaptable operating frequency of a variable focal length lens in an adjustable magnification optical system |
US9830694B2 (en) | 2015-08-31 | 2017-11-28 | Mitutoyo Corporation | Multi-level image focus using a tunable lens in a machine vision inspection system |
JP6492185B2 (ja) * | 2015-09-10 | 2019-03-27 | 株式会社日立ハイテクノロジーズ | 検査装置 |
US9774765B2 (en) | 2015-09-15 | 2017-09-26 | Mitutoyo Corporation | Chromatic aberration correction in imaging system including variable focal length lens |
US10452949B2 (en) | 2015-11-12 | 2019-10-22 | Cognex Corporation | System and method for scoring clutter for use in 3D point cloud matching in a vision system |
US11562505B2 (en) | 2018-03-25 | 2023-01-24 | Cognex Corporation | System and method for representing and displaying color accuracy in pattern matching by a vision system |
US11024209B2 (en) * | 2018-05-03 | 2021-06-01 | Novatek Microelectronics Corp. | Integrated circuit and anti-interference method thereof |
FR3115364A1 (fr) * | 2020-10-21 | 2022-04-22 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Dispositif de mesure par photoluminescence |
CN115578383B (zh) * | 2022-11-23 | 2023-04-07 | 惠州威尔高电子有限公司 | 基于全景图像的厚铜pcb板检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080101682A1 (en) * | 2006-10-27 | 2008-05-01 | Mitutoyo Corporation | Arc tool user interface |
US7656425B2 (en) * | 2006-03-31 | 2010-02-02 | Mitutoyo Corporation | Robust field of view distortion calibration |
CN101762268A (zh) * | 2008-12-23 | 2010-06-30 | 株式会社三丰 | 用于快速近似聚焦的***和方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6542180B1 (en) | 2000-01-07 | 2003-04-01 | Mitutoyo Corporation | Systems and methods for adjusting lighting of a part based on a plurality of selected regions of an image of the part |
US7324682B2 (en) | 2004-03-25 | 2008-01-29 | Mitutoyo Corporation | System and method for excluding extraneous features from inspection operations performed by a machine vision inspection system |
US7522763B2 (en) | 2004-07-30 | 2009-04-21 | Mitutoyo Corporation | Method of measuring occluded features for high precision machine vision metrology |
US7583852B2 (en) | 2004-10-26 | 2009-09-01 | Mitutoyo Corporation | Method of filtering an image for high precision machine vision metrology |
US7454053B2 (en) | 2004-10-29 | 2008-11-18 | Mitutoyo Corporation | System and method for automatically recovering video tools in a vision system |
US7627162B2 (en) | 2005-01-31 | 2009-12-01 | Mitutoyo Corporation | Enhanced video metrology tool |
JP2010019667A (ja) * | 2008-07-10 | 2010-01-28 | Keyence Corp | 画像計測装置及びコンピュータプログラム |
-
2011
- 2011-04-14 US US13/086,912 patent/US8269830B1/en active Active
-
2012
- 2012-04-12 JP JP2012090697A patent/JP6001305B2/ja not_active Expired - Fee Related
- 2012-04-13 DE DE102012206079A patent/DE102012206079A1/de not_active Withdrawn
- 2012-04-16 CN CN201210111781.2A patent/CN102735221B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7656425B2 (en) * | 2006-03-31 | 2010-02-02 | Mitutoyo Corporation | Robust field of view distortion calibration |
US20080101682A1 (en) * | 2006-10-27 | 2008-05-01 | Mitutoyo Corporation | Arc tool user interface |
CN101762268A (zh) * | 2008-12-23 | 2010-06-30 | 株式会社三丰 | 用于快速近似聚焦的***和方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950510A (zh) * | 2020-08-26 | 2020-11-17 | 上海申瑞继保电气有限公司 | 高压开关分合指示牌图像识别方法 |
CN111950510B (zh) * | 2020-08-26 | 2023-10-03 | 上海申瑞继保电气有限公司 | 高压开关分合指示牌图像识别方法 |
Also Published As
Publication number | Publication date |
---|---|
DE102012206079A1 (de) | 2012-10-18 |
JP2012225913A (ja) | 2012-11-15 |
CN102735221B (zh) | 2016-02-03 |
US8269830B1 (en) | 2012-09-18 |
JP6001305B2 (ja) | 2016-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102735221B (zh) | 用于检查工件上的潜在干扰特征的机器视觉检查*** | |
CN1699916B (zh) | 从由机器视觉检查***执行的检查操作中排除无关特征的***和方法 | |
CN1805542B (zh) | 在视觉***中用于编制中断操作程序的***和方法 | |
US7394926B2 (en) | Magnified machine vision user interface | |
US7627162B2 (en) | Enhanced video metrology tool | |
JP6355411B2 (ja) | エッジ検出方法 | |
JP4933771B2 (ja) | 画像システムにおいてビデオツールを自動的にリカバリーするシステムおよび方法 | |
US7752594B2 (en) | Semiconductor failure analysis apparatus, failure analysis method, failure analysis program, and failure analysis system | |
CN102200910B (zh) | 机器视觉检查***中编程分步重复操作的图形用户界面 | |
US20050031191A1 (en) | Methods and apparatus for inspection of lines embedded in highly textured material | |
US7583852B2 (en) | Method of filtering an image for high precision machine vision metrology | |
US7522763B2 (en) | Method of measuring occluded features for high precision machine vision metrology | |
KR20080065584A (ko) | 검사 레시피의 확립을 위한 방법 및 시스템 | |
JP6243705B2 (ja) | 自動パラメータ設定選択肢を含むエッジ測定ビデオツール及びインタフェース | |
US20070020781A1 (en) | Semiconductor failure analysis apparatus, failure analysis method, and failure analysis program | |
JP6049052B2 (ja) | ウエハ外観検査装置及びウエハ外観検査装置における感度しきい値設定方法 | |
CN105277175B (zh) | 图像测量设备及显示测量结果的方法 | |
JP6293453B2 (ja) | エッジ測定ビデオツールパラメータ設定ユーザインタフェース | |
JP2018091771A (ja) | 検査方法、事前画像選別装置及び検査システム | |
JP2006125952A (ja) | 状態図を利用した相分析を行う表面分析装置 | |
JP4795146B2 (ja) | 電子ビーム装置,プローブ制御方法及びプログラム | |
KR20220040466A (ko) | 하전 입자선 장치 | |
JPH1167136A (ja) | 荷電粒子装置及び荷電粒子装置ネットワークシステム | |
WO2022181746A1 (ja) | 画像表示装置、画像表示方法及びプログラム | |
JP2009117774A (ja) | 半導体装置の不良解析方法および不良解析装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160203 |
|
CF01 | Termination of patent right due to non-payment of annual fee |