CZ278293A3 - Method of checking eye lenses and apparatus for making the same - Google Patents

Description

Způsob kontroly očních čoček a zařízení k provádění tohoto způsobu

Oblast techniky < 0 Í— C-’ > Z ιλ

2£ r- > O < .

r= <£>

řa o

(Λ·

O

CO uc oc

K n¥' ť

I vynález se týká automatizovaného způsobu kontroly oční čočky a zařízení k provádění tohoto způsobu, přičemž takto prováděná kontrola se týká zejména hydrogelových kontaktních čoček, jejichž struktura obsahuje velké množství vody,ale lze ho použít i při kontrole ostatních malých velmi přesných očních čoček, například intraokulárních čoček.

Známý stav techniky

Vzhledem ke své povaze, t. j. využití očních čoček v oku nebo na oku nositele za účelem korekce vidění, mají výše uvedené čočky v průmyslu očních čoček značnou důležitost a prioritní význam bude tedy mít i jejich, kontrola, která zajišťuje, aby se ke spotřebítely dostaly pouze ty čočky, které mají skutečně požadované vlastnosti. Těmito vlastnostmi jsou myšleny nejen optické vlastnosti čoček, jako například optická mohutnost, ale i fyzikální vlastnosti, jako rozměry čoček, zakřivení neporušenost hrany čočky, nepřítomnost bublin, vměstků a jiných kazů v těle čočky.

v

Ϊ Dosud byla nejspolehlivějším způsobem provádění | kontroly takových čoček kontrola prováděná osobou kontrolora, který ' prohlížel každou z čoček při určitém zvětšení, aby ověřil, zda analyzovaná čočka vykazuje všechny požadované vlastnosti. Jak rostl průmysl očních čoček, tak si vyžádal i rozšíření kontroly vyrobených čoček, což bylo spojeno s potřebou většího množství pracovních sil a se zvýšeným finančním zatížením. Dalším nedostatkem této kontroly je, že pro kontrolora představuje únavnou a rutinní práci. Hlavním důvodem rychlého rozšiřování průmyslu očních čoček je stále vzrůstající obliba používání kontaktních čoček, z jejichž povahy vyplývá nutnost výměny vnjrčitých časových intervalech čočkami novými, které je třeba vyrobit a tedy i zkontrolovat. *

Problém spojený s kontrolou očních čoček spočívá v tom, že uvedená čočka má opticky transparentní povahu a proto nejsou při její' kontrole zjištěny obvyklé světlé a tmavé znaky jako při provádění kontroly běžných předmětů.

Současné způsoby provádění kontroly čoček, ve kterých kontrolu vykonává člověk-kontrolor, využívají Schlierenovu metodu osvětlení tmavého pole, která se používá zejména při studiu proudění transparentní tekutiny nebo při kontrole optických složek. U této metody je světlo, vysílané z bodového zdroje, kolimováno pomocí čočky a v této podobě následně prochází médiem (t. j. čočkou), u něhož se provádí kontrola, načež se toto světlo zaostří pomocí druhé čočky přímo do ostré hrany. Jakékoliv světlo, které je vychýlené lomovou nepravidelností v uvedené čočce (třebaže transparentní) se nezaostří na ostrou hranu. Potom je takto vychýlené světlo, které je způsobeno přerušením hrany čočky, promítnuto pomocí objektivu na obrazovku jako světlá skvrna na jinak tmavé promítací ploše, která odpovídá uvedené nepravidelnosti čočky.

*

Dalším problémem, který je vlastní kontrole očních čoček, je to, že pro kvalitu čočky je nepřijatelná i přítomnost velmi malých defektů, například zářezů v hraně čočky nebo bublinek ve středové části, jejichž rozměry se budou lišit od nominálního rozměru o méně než dva řády. Tyto běžné automatizované způsoby kontroly, u kterých se na obraz, jenž se má kontrolovat, umístí šablona, která se následně porovná s uvedeným obrazem, nejsou pro kontrolu očních čoček vhodné vzhledem k tomu, že defekty, které má kontrola zjistit mohou být stokrát menší než možná odchylka ve jmenovitém rozměru čočky.

předmětem vynálezu by proto měl být vysokorychlostní způsob provádění automatizované kontroly očních čoček a zařízení k provádění tohoto způsobu, jehož rozlišovací schopnost a přesnost měření pomocí něho provedených dosahuje stupně přesnosti získaného při kontrole čoček prováděné člověkem.

Dalším předmětem vynálezu by mělo být. provádění výše zmíněného způsobu kontroly za použití snadno dosažitelného videozařízení, elektronických součástí a počítačového systému.

Vynález by dále měl umožnit stanovit, zda výrobní linka uvedenou čočku nepostrádá,.

.........Dálslm' 'předmětem vynálezu - by -mělo být- zaměření zobrazovací analýzy na ty oblasti čočky, ve kterých lze s největší pravděpodobností předpokládat výskyt defektů.

Dalším předmětem vynálezu by měla být analýza těch znaků čočky, které jsou zjištěny před lokalizováním hrany -čočky,-a-určení,-zdali-takový_znak „představu je„vadu_n která činí uvedenou čočku defektní a tedy nepřijatelnou pro nositele.

Dalším .předmětem vynálezu by mělo být přemostění všech diskontinuit nalezených na hraně čočky takové, aby malé defekty čočky a výpadky obrazového zpracování neučinily tento kontrolní způsob pro příslušnou čočku nepoužitelným, což by mělo za následek vyřazení dobré čočky.

A konečně dalším předmětem vynálezu by měla být kategorizace znakových deviací do kategorií za účelem

Ý zřízení určitého seznamu typů defektů nalezených v čočkách *

který by poskytl určité informace o uvedeném výrobním í.

způsobu.

Podstata vynálezu

Těchto a dalších předmětů vynálezu je dosaženo pomocí elektronické kamery, která zachytí obraz oční čočky ·--·>.

osvětlené světelným zdroje. Tento obraz uvedené oční čočky '* ···'!/.

dopadne na receptor kamery, který obsahuje množinu pixelů uspořádaných tak, že vytváří pixelové pole. Poloha a intenzita světla dopadajícího na jednotlivé pixely je převedena na odpovídající elektronický signál, který je následně pře- Š nesen a uložen do paměti. Počítač je operativně propojen s pamětí, u níž je možnost zpětného vyvolání jak polohy tak intenzity uložených v paměti. Uvedený počítač obsahuje instrukce pro porovnání hodnoty intenzity a polohy uvedených pixelů.

U výhodného provedení se s výše uvedeným porovnáváním pixelů začíná v blízkosti středu pixelového pole ’ a pokračuje se směrem k hraně tohoto pixelového pole.

ί Porovnávíní v tomto směru se ukončí v okamžiku, kdy se narazí na pixel' jehož intenzita signalizuje určitou deviaci. Dále se provede vyhodnocení pixelů sousedících s prve nalezeným pixelem vykazujícím intenzitu, která odpovídá odchylce, a stanoví se pixely, které svou intenzitou nejléppe uvedenému pixelu odpovídají. Tento postup se opakuje a vymezí se tak. obrys uvedeného znaku, který představuje deviaci. V případě, že vlastnosti tohoto znaku neodpovídají hraně čočky, se tento znak vyhodnotí a stanoví se,, zda uvedenou čočku vyřadit z výrobní linky či nikoliv. Pokud tento znak neodpovídá hraně čočky, jsou vyhodnoceny vlastnosti této hrany a stanoví se zda je hrana čočky a tedy i celá čočka přijatelná či nikoliv.

U výhodného provedení se vyhodnocení hrany provede tak, že se sleduje oblast okolo hrany čočky až do okamžiku, kdy je nalezeno přibližně 30 data-bodů ve 12° intervalech. Následně se vyřeší tři simultánní rovnice pro deset skupin které obsahují tři body, za účelem nalezení· průměrného středu uvedené čočky a průměrného poloměru. Pomocí dat vypočtených pro střed a poloměr je sestaven pracovní prstenec. Okraje uvedeného prstence vymezují oblast, ve které se nachází skutečná.hrana čočky. Hodnoty absolutní intenzity všech pixelů uvnitř tohoto prstence se změní na gradientově hodnoty, které umožní, aby byla hrana čočky zastoupena dvěma přechodovými hranami, t. j. vnější a vnitřní přechodovou hranou. Tyto dvě hrany jsou následně ztenčeny tak, že jsou zachovány pouze pixely ležící podél hrany a mající maximální intenzitu. Uvedené hrany čočky jsou následně převedeny z oblasti ΧΫ do polární oblasti, přičemž zůstanou zachovány hodnoty poloměru, úhlu a gradientu intenzity. Potom se na těchto datamatricích provede výběr znaků. Tento výběr znaků zahrnuje vyhledání Radiální deviace, Lokalizované Gradientní Deviace, Prostorové Derivace, DIP Lokalizované Gradientní Deviace, Jednostranně Lokalizo’ vaně “Gradientní“''*Deviace“'^ra“DiskontinuityPotom, - -co —je provedeno stanovení úrovně těchto pixelů, je každý defektní pixel považován za součást defektní skupiny. Po separátním seskupení vnitřní a vnější kontury hrany čočky, spadají ty skupiny, které přesahují na obou stranách hrany čočky v jedné oblasti čočky, do kombinačních defektních skupin. Potom, co jsou určeny všechny skupiny, se určí pro každou skupinu scóre na základě počtu, typu a závažnosti defektních pixelů umístěných v této skupině. Z těchto údajů lze celé čočce přiřadit vyhodnocené scóre a na základě hodnoty tohoto scóre buď čočka projde kontrolou úspěšně nebo je na základě této kontroly vyřazena jako nepřijatelná.

Stručný popis obrázků

Obr. 1 znázorňuje blokový diagram ukazující jednotlivé součásti zařízení podle vynálezu a způsob jejich zapojení, včetně světelného zdroje a včetně kontrolované čočky, ψ

obr.2 znázorňuje postupný blokový diagram, který ukazuje kroky prováděné při použití zařízení podle vynálezu za účelem zobrazení čočky a zpracování tohoto obrazu s cílem stanovit přijatelnost zobrazené čočky, obr. 3 znázorňuje diagram technologie, kterou používá algoritmus podle vynálezu k lokalizování uvedené čočky na obrazu.

obr. 4. znázorňuje způsob, jakým se shromažďují data-bodyokolo hrany ččočky do skupin po třech, obr. 5 znázorňuje příklad způsobu, který se z předem nazbíraných data-bodů stanoví střed a poloměr čočky za účelem vyhodnocení hrany čočky, obr. 6 znázorňuje pracovní prstenec, který se vytvoří kolem předem odvozené teoretické hrany kontaktní čočky, obr. 7 znázorňuje výsledky použití hranu-zvýrazňujícího operátoru, kterými jsou dva přechody hrany čočky představující vnitřní hranu a vnější hranu, obr. 8 znázorňuje diferentní zóny, do kterých se uvedená čočka rozdělí za účelem použití směrových hranových operátorů, obr. 9 znázorňuje diagram, který je ukázkou zápisu použitého v případě rovnic ušitých v algoritmu podle vynálezu pro označení různých pixelových oblastí, obr. 10 znázorěuje diagram ukazující konvenci použitou pro úhlový zápis v obrazu čočky, obr. 11 znázorňuje rozdílné výsledky dosažené při aplikování vyhledávacích vektorů za účelem lokalizování čočky v pracovním prstenci,

- ..........obr·.· -i-2-a -znázorňuje-· d-is-k-on-t-inu-itu· -ve zvětšeném.

obraze čočky v pravoúhlých souřadnicích a zpracování pixelů, které se provádí za účelem detekování diskontinuity, obr. 12b znázorňuje diskontinuitu a způsob zpracování pixelů znázorněné na obrázkuz 12a v polárních souřadnicích, obr. 13a znázorňuje přemostění fragmentóvé části čočky v pravoúhlých souřadnicích, přičemž první přemostění používá extrapolační metody a poslední přemostění využívá skokové techniky, obr. 13b znázorňuje přemostění z obrázku 13a v polárních souřadnicích, obr. 14 znázorňuje vyhodnocení radiální deviace hrany čočky, které se provádí s použitím zpracování pixelů, přičemž obrázek 14a je znázorňuje v pravoúhlých souřadnicích a obrázek 14b v polární oblasti, obr. 15 znázorňuje vztah gradientu sledovaného pixelu k gradientům sousedních pixelů, obr. 16a znázorňuje gradientní extrakci odvozenou ze zpracování pixelů v pravoúhlých souřadnicích, obr. 16b znázorňuje gradientní extrakci z obrázku 16a v polárních souřadnicích, a obr. 17a znázorňuje způsob, pomocí kterého se extrahují znaky Prostorové Derivace z hran čočky v pravoúhlé oblasti a obrázek 17b znázorňuje tuto extrakci' v polárních souřadnicích.

Provedení podle vynálezu není specificky navrženo pro nějaký určitý hardwarový systém a ve skutečnosti ho lze provést pomocí celé řady softwarových schémat. Přesto bude v následující části popsáno nejlepší specifické provedení podle vynálezu.

Obrázek 1 znázorňuje systém podle vynálezu zahrnující strukturu (není zobrazena), která přidržuje pouzdro 10 obsahující kontaktní čočku 12 ponořenou v deionizované vodě nad světelným zdrojem 14 a pod kamerou 16.

Podrobnější popis výhodného provedení pouzdra poskytne související patentová přihláška (VTN-43) podaná současně s touto přihláškou.

Uvedenou kamerou 16 je kamera s vysokou rozlišovací schopností pevného stavu, jakou může být například kamera Videk MegaPlus vyrobená firmou Kodak of Rochester, New York.

Součástí této kamery 16 je objektiv 18, který je v tomto provedení nastaven na 14,5mm zorné pole. Napevno je k uvedené kameře připevněn 55mm standardní objektiv Nikkor. Tento objektiv byl nastaven na f/2.8 a následně připevněn k pásmové propusti Andover vycentrované na vlnovou délku 550 nm, přičemž na konci objektivu je 10nm poloviční výška celé vlny (full wave half height - FWHH). Taková propust zachytí chromatické odchylky čímž zlepší celkové prostorové rozlišování a zachovává podobnou fotopickou citlivost při kontrole čočky jako citlivost oka osoby kontrolora při kontrole prováděné právě tímto člověkem. Tato propusť dále odstraňuje infračervené záření na CCD detektoru, které by mohlo snížit modulační přenosovou funkci (MTF) celého systému.

Pod uvedeným pouzdrem, které obsahuje čočku ponořenou v deionizované vodě, je umístěn optický difuzér T3 vyrobený z vrstveného opálu a pod ním se nachází světelný zdroj., například stroboskopické světlo 1 4. Tato stroboskopická lampa je schopná vysílat 5-ti Joulové světelné záblesky 'v ~ TO “mikrosekundových ‘pulsech;’“přičemž’ tyto“*záblesky - jsou“ iniciovány obraz-zpracujícím systémem. Zpravidla je ke znovunabití uvedené lampy zapotřebí 450-ti milisekundové relaxační doby mezi jednotlivými zážehy.

Podrobnější popis výhodného provedení osvětlovací)0 -ho systému , lze nalézt v související patentové přihlášce US (VTN-55) podané současně s touto přihláškou.

>

Uvedená kamera 16 se zaostří pomocí přesného vodícího šroubu, který posouvá kameru směrem nahoru a dolů v rámu, ke kterému je připevněna. Potom co se kamera zaostří se zajistí v této poloze proti dalšímu pohybu, v případě, že se provádí kontrolní postup.

Součástí uvedené kamery 16 je také senzor s nábojovou vazbou (CCD senzor), který zde má funkci receptoru. Tento CCD receptor sestává z matrice pixelů uspořádaných v pravoúhlém poli o rozměrech 1,320 x 1,035.

Uvedený receptorový senzor s nábojovou vazbou převádí světelnou intenzitu na odpovídající elektronický signál. Tento analogový elektronický signál je následně převeden pomocí obvodů 24 z analogového na digitální video výstupní signál obsahující 256 úrovní šedi prostřednictvím 8-mi bitového konvertoru analog/digitál (A/D).

á’

Uvedená kamera je uváděna do chodu asynchronním způsobem za použití signálu generovaného pohybem pouzdra spolu s v něm obsaženou čočkou do příslušné polohy , 2a účelem rozsvícení stroboskopické lampy a následného přenosu uvedeného obrazu.

. Podrobnější popis výhodného provedení dopravního systému čočky, paletového systému a způsobu spouštění osvětlování je uvedeno v souvisejících patentových přihláškách US (VTN-49 a VTN-50) podaných současně s touto přihláškou. ’

Uvedený obraz se přenese pomocí obvodu 24 v uvedené kameře 16 do vstupního modulu 26 obraz-zpracujícího systému.

Tento obraz-zpracující systém tvoří tři části, vstupní modul 26, CPU modul 28 a základní zobrazovací deska 30.

*

Digitální signál ve vstupním modulu 26 je zpracován tak, aby zajistil, že každá linii má odpovídající video syne signál. zkorigovaný digitální signál je následně poskytnut videomultiplexoru 34, který tento digitální signál převede do uvedeného CPU modulu 28.

Tento soubor dat představující jedno expoziční pole videa {neboli v případě popsané kamery 1 048 576 pixelů) je zpřístupněn videosběrnicím £6, které umožňují převod do dalšího hardwaru. Za použití videoRAMDACu 38, který lze převést potom na pseudo barevný výstup 42 pomocí konvertoru 40 a dopravcwti skrze RGB výstup 42 na vidéomonitor. 44, je také promítnut uvedený obraz. Uvedený RGB pseudo videobarevný výstup je opatřen třemi vyhledávacími tabulkami {LUTs).

Vstup do CPU modulu. 28 je ve třetí instanci přenesen do přibližně 1 megabytové grafické paměti £6. Data uložená v grafické paměti 46 jsou přenesena do zpracovatelské jednotky 48.......

Zpracování dat se provádí pomocí přístroje Motorola 68040 CPU.

Požadovaný kód zpracování obrazu je uložen ve vymazetelné,— programovatelnépouze-— čtecí pamět i EPROM 52. Výsledky zpracovaného obrazu se následně poskytnou základní grafické desce 30 za účelelm provedení příslušné výstupní kontroly. Výstup lze provést buď pomocí 16-ti bitových digitálních paralelních vstup/výstupů 60 nebo pomocí řady bran 62 RS 232 nebo RS 422.

1.2

Rozhodnutí zda uvedenou čočku přijmout či vyřadit, t. j. accept/reject, provádí procesor, který je propojen s přenosovým mechanizmem 66, který následně buď vede čočku 12 k jejímu dalšímu zpracování, t. j. zabalení a sterilizaci, nebo zničení v případě, že z rozhodnutí vyplývá, že. je uvedená čočka defektní.

Obrázek 2 znázorňuje kontrolní postup prováděný zařízením znázorněným na obrázku 1 ve formě blokového diagramu, přičemž podrobněji se zaměřuje na algoritmus prováděná CPU modulem 28.

V prvním kroku zachytí kamera základní obraz čočky a poskytne ho obraz-zpracujícímu systému. Tento obraz, který se konvertuje na proud digitálních dat, obsahuje algoritmus pro korekci známých defektních pixelů v uvedené kameře. . Cena kamery s vysoce rozlišovací schopností závisí na možném počtu defektních pixelů v CCD senzorovém -receptoru 20.. tyto receptory obsahují pixelové prvky , jejichž citlivost na světlo se liší o 10 nebo více procent ve srovnání s citlivostí sousedních pixelů a shluky těchto pixelových prvků ve skupinách pěti nebo více.

vzhledem k tomu, že je počet defektních pixelů i v kameře té nejlacinější třídy omezen a je omezen i pořet takových vzájemně seskupených pixelů,je můžné pro účely kontroly čoček použít i lacinou kameru.

Uvedený CCD senzor použitý v kameře Videk MegaPlus obsahuje množství sloupcových . typů defektů, tyto defekty se obvykle omezují na jeden sloupec, jehož délka může být několik pixelů až 50 nebo více pixelů. Tyto defektní oblasti způsobují, že při vyhodnocování obrazu je jejich úroveň šedi vyšší nebo nižší než úroveň šedi sousedních pixelů bez ohledu na scénu, která je zobrazena. V případě, že se tyto defekty objeví na zobrazené hraně čočky nebo v její blízkosti, mohl by uvedený software dojít k jejich nesprávnému výkladu, t. j. mohl by je označit jako defekty nebo discontinuity čočky.

Uvedené defektní oblasti se určí manuálně manuálním prohlídnutím obrazu rovnoměrného předmětu s cílem vyhledat oblasti s nečekaně se odchylujícími hodnotami úrovně šedi. Vzhledem k tomu , že uvedená defekty se omezují na jeden sloupec, lze provést odpovídající korekci interpolací mezi přilehlými sloupci. Interpolace pro sloupcový typ defektu se provede tak, že se defektním pixelům přiřadí hodnoty, které budou průměrem hodnot úrovni šedi* získaným.,, z pixelů ve sloupcích na jedné a druhé straně uvedeného defektu. Uvedený kamerový senzor může případně obsahovat i skupinové typy defektů, které mají tvar kruhové skvrny. Tyto typy defektů se mohou nacházet v oblasti, kde se nepředpokládá, že by mohly interferovat se zpracováním obrazu, avšak v případě, že je nelze takto lokalizovat, se použije stejná interpolaČní metoda, jako v případě výše popsaného sloupcového typu defektů.

Po provededení výše uvedené korekce pro známé defektní pixely v senzoru kamery, je identifikována hrana čočky za účelem lokalizece obrazu této ' čočky.

Po provedení pokusu lokalizovat hranu čočky, se učiní rozhodnutí Τ'* zda j e“uvedená”čočka v -pouzdře - skutečně - přitom- na, nebo zda je pouzdro prázdné. V případe, že pouzdro čočku neobsahuje, se Čočka vyhodnoutí jako vadná a prázdné pouzdro je vyloučeno z dalšího zpracování.

Potom, co se zjistí, že je uvedená čočka, skutečně přítomna, je vybrán data-bod týkající se oblasti oblasti bodů okolo hrany čočky. Tento data-bod je použit k sestavení celé řada hranových tripletů, které definují kruh a středový ' bod tohoto kruhu. Střed tripletu, který bude nejvíce vzdálen od průměrného středu, je vyřazen za účelem vyřazení nesprávného údaje.

V tomto bodě nejsou shromážděny žádné jiné specifické informace o hraně než hranové triplety použité k definování polohy hrany a středu hrany.

Za účelem skutečné kontroly uvedené hrany jsou vypočtené středové body použity ke generování pracovního prstence, který obsahuje skutečnou hranu kontaktní čočky. To umožní další podrobné zpracování dat, které se koncentruje pouze do prstence obsahujícího sledovanou hranu.

Za účelem rozlišení hrany čočky od pozadí je následně na pixely v pracovním prstenci hranu-zvýrazňující operátor. Výsledkem použití tohoto hranu-zvýrazňujícího operátoru jsou dvě přechodové hrany čočky. Jeden přechod probíhá z vnitřní části čočky k její hraně a druhý přechod probíhá z vnější strany čočky k hraně.

I když je v tomto bodě zachována pouze informace týkající se hrany, jsou výše uvedené dvě hrany {které jsou ve skutečnosti hranovými přechody) stále poněkud znejasněny gradientem intenzity vstupujícím, do hrany a vycházejícím z ní. Za účelem mnohem jasnější definice těchto přechodových hran, je na data-body obsažené v pracovním prstenci aplikována modifikovaná skeletační operace. Uvedená skeletonizační operátor uchovává informaci o úrovni šedi, která představuje informaci užitečnou pro následný výběr znaků.

15Dalším vykonaným postupem v rámci algoritmu je aplikace prahového operátoru, který eliminuje ' informace, jejichž úroveň šedi leží .pod úrovní, která je využita při výběru znaků. ' . » Dalším krokem provedenným uvedeným algoritmem je sledování vnitřní a vnější hrany za účelem výběru znaků hrany čočky. Toto sledování začíná podobným způsobem jako v případě úvodní lokalizace hrany uvedené čočky, přičemž rozdíl spočívá v použití úrovně šedi jako kritéria při lokalozování hrany čočky a průzkum je veden od vnitřního okraje pracovního prstence směrem ven. V případě, že se při průzkumu narazí na pixel splňující prahové kritérium úrovně šedi, provede se sledování celé řady přilehlých pixelů za účelem stanovení, zda se jedná o hranu čočky. Pokud tomu tak je, sleduje se uvedená hrana čočky podél celé její délky a polohy a gradienty intenzity odpovídající pixelům jsou uloženy do paměti.

Informace v pravoúhlých souřadnicích se následně převedou na poloměr a hodnoty úhlové polohy v polární oblasti a dány do souvislosti s hodnotou gradientu i-ntenzity , které-uvedeným-inf ormacím-odpov-í-da-jx-. -Za- -účelem správného zpracování uvedených dat a ne nesprávného vyřazení dobré čočky, budou diskontinuity menší než rozměr daný určitým počtem pixelů přemostěny.

Tyto informace, v tomto stádiu dostupné jako polár_ní «_informace,_t .„j ._vy jádřené.,„y„, polárních souřadnicích, _ jsou použity při následujícícm výběru pěti typů znaků. Nejprve se stanoví Radiální deviace (RD) od ideální vnitřní a vnější hrany čočky. Dále se vyhledají Lokalizované Gra(I dientní Deviace (LGD), které, uvažují hodnotu gradientní intenzity každého pixelu s ohledem na hodnoty gradientní intenzity pixelů s nimi sousedícími. Následně se stanoví

Prostorová Derivace (SD). Prostorová derivace měří změnu poloměru vzhledem ke změně úhlové odchylky. Na rozdíl od výběru Radiálních Deviací se výběr Prostorových Derivací zaměřuje na zpočátku ostré neboli náhlé změny poloměru čočky v závislosti na změně úhlové odchylky.

Dále se provedou výběry posledních- tří znaků. Diskontinuitní defekt je výsledkem diskontinuity, která se nachází buď ne vnitřní nebo na vnější hraně čočky a je tak veliká, še nelze uvažovat o její korekci algoritmem, který tyto diskontinuity přemosťuje.

Podobně jako znak Lokalizovaná Gradientní Deviace se znak DIP Lokalizovaná Gradientní Deviace zaměřuje na velikost odchylky hodnoty gradientu sledovaného pixelu od průměrné hodnoty lokalizovaných pixelů sousedících se sledovaným pixelem. Rozdíl spočívá v tom, že v druhém případě je použit větší počet sousedních pixelů a okolo sledovaného pixelu je větší mezera nepoužitých pixelů. DLGD je navržena tak, že je citlivá pouze na gradienty deviací, které jsou menší než gradienty jejích sousedů.

Znak DLGD specificky identifikuje krátké úseky hrany, které nelze identifikovat pomocí jiných znaků. Pro pixel, který / je klasifikován ' jako defektní na základě DLGD, se uloží velikost deviace jako indikace závažnosti.

Jednostranně Lokalizovaná Gradientní Deviace (ALGD) používá pro výpočet deviaci sousední pixely ležící pouze na jedné straně sledovaného pixelu. K výpočtu se použije dvacet pixelů ležících před sledovaným pixelem, z nichž se stanový průměr, s výjimkou čtyř pixelů bezprostředně před sledovaným pixelem. ALGD se týká jak negativních, tak pozitivních deviací. *

Zatímco je provedeno zpracování výše uvedeného výběru znaků, je každý z identifikovaných znaků označen číselným scórem, které je úměrné závažnosti defektu. Kromě toho jsou uvedené defekty zařazeny do skupin tak, že jsou prohlédnuty odchylující se pixely jak na vnitřní tak na vnější hraně čočky za účelem stanovení, zda nejsou součástí většího defektu a mají být umístěny do defektní skupiny. Tyto skupiny jsou následně vyhodnoceny z hlediska toho, zda by mohly být sloučeny s některými dalšími do větších skupin, a zda by defektní skupiny vnitřní a vnější hrany mohly být, v případě, že by byly spojeny, považovány za jediný defekt.

Konečně každému defektu nebo defektní skupině se přiřadí scóre v závislosti na závažnosti, a každý typ defektu se vyhodnotí podle dopadu, jaký má na kvalitu Čočky.

Tyto výsledné číselné hodnoty všech defektů se potom sečtou, přičemž poskytnou jediné číslo, na jehož základě se určí, zda je uvedená čočka přijatelná, nebo zda je nutné ji vyřadit.

Kromě toho mohou být kvantitativní informace odvozené z zpracování scór a doprovodných postupů uloženy do seznamu nebo vyloženy za účelem poskytnutí statistické kvantitativní analýzy čoček, které se vyrobí a tedy za účelem poskytnout jakéhosi průvodce tímto ‘kontrolním a výrobním postupem pro případ identifikace parametrů způsobujících deviace čočky stejně jako pro případ vyhodnocení dopadu..změněna..uvedeným,výrobní, způsob.^ _ _____.

Nyní budou podrobněji popsány kroky prováděné ve výše popsaném algoritmu.

Co se týče obrázku 3, znázorňuje pole 70 receptoru, které obsahuje množinu pixelů (není znázorněno). Uvnitř tohoto pole 70 se nachází obraz kontaktní Čočky 72. V tomto konkrétním případě zahrnuje uvedený obraz čočky hranu 74 a defekty neboli šumy 76. V tomto konkrétním obraze čočky se dále nachází mezera v hraně 78 čočky.

Uvedená hrana .čočky je lokalizována vyhledávacím vektorem vedeným ze středu pixelového pole 70 pod 'úhlem 45°, přičemž uvedený vektor, je označen vztahovou značkou 80. Vyhledávací vektor se posouvá od poxelu k pixelu radiálně ze středu pole směrem, ve kterém se očekává .střet s hranou uvedené čočky. Uvedený algoritmus zkoumá každý pixel podél vyhledávacího vektoru až do okamžiku, kdy je splněno hranové kritérium. Hodnota úrovně šedi každého pixelu je porovnána s předem stanovenou kalibrovanou hodnotou kritéria. V případě , že má pixel v uvedeném vektoru úroveň šedi nižší, než je hodnota specifikovaná parametrem trk_thres”, potom se předpokládá, že bylo dosaženo pixelu ležícího ha hraně čočky.

Aby se ověřilo, že dosaženým objektem je hrana čočky, sleduje uvedený vyhledávací vektor konturu nalezeného objektu. V případě vyhledávacích vektorů 80 a 82 uvedený algoritmus rozhodne, že dosažené objektynejsou součástí hrany čočky, protože zakřiveni sledované vektorové dráhy neodpovídá očekávanému zakřivení neboli obvodu hrany čočky. Tato kontrolní metoda funguje funguje jednoduchým způsobem, který spočívá v tom, že se stanoví, zda sledování kontury objektu prochází zpátky počátečním pixelem v rozsahu specifikovaného počtu pixelů, který je vyhodnocen jako příliš malý, než aby se jednalo o šum nebo defekt čočky. V případě, že se narazí na objekt šumu, potom se generuje další vyhledávací vektor, který je ve směru chodu hodinových ručiček posunut přibližně o 11°, přičemž vyhledávání se jinak provádí shodným způsobem s prvním vektorem.

Další vyhledávací vektor 84 je veden tak, že prochází mezerou v hraně 78 čočky. Vyhledávací vektor pokračuje až do dosažení okraje receptorového pole 70, v tomto bodě je vyhledávání ukončeno a je započat další vyhledávací vektor £6, který je posunut opět přibližně o 11° ve směru pohybu hodinových ručičekod předchozího vyhledávacího vektoru 84. V každém případě, se vyhledávání provádí od pixelů k sousednímu pixelů, buď horizontálně, vertikálně nebo diagonálně stupňovitým způsobem. Na oba dva předešlé typy nalezených defektů, jak defekty v těle čočky 76 - tak mezeru v hraně 78 čočky, lze aplikovat příslušná kritéria, a tuto čočku na základě uvedených defektů vyřadit.

V případě vektoru 86 je uvedený vektor úspěšný a hrana 74 čočky je nalezena. Ověření toho, že nalezený znak je ve skutečnosti hranou čočky, je objasněno s přihlédnutím k obrázku 4.

Toto ověření vychází z data-bodu nalezeného v předcházejícím kroku a označeného jako součást hrany čočky, přičemž uvedený software sleduje konturu uvedené čočky a používá k tomu 4-konektivní sledování asi '90' pixelů. Použitá' sle'ďova'cí vzdálenost' se liší Obraz od' obrazu- v závislosti na skutečném poloměru čočky, r. ' Tuto sledovací vzdálenost lze vypočítat pomocí následujícího vztahu:

sledovací vzdálenost e T = (1024/F) x (2 jt r/30) ve kterém ——i— F- = -14,5 -mm / zorné - pole). --------------- —

Takže T znamená zpravidla pro 12,2 mm čočku v deionizované vodě 90 pixelů. Pokud je úspěšně dokončeno sledování hrany v celé její délce, je data-bod zaznamenán.

Nyní se považuje lokalizace čočky za ověřenou. Potom, co je naleznuto celkem asi 30 nebo více data-bodů v 12° intervalech, se vyřeší tři simultánní rovnice pro 10 skupin po 3 bodech za účelem definování hodnot průměrného středu a poloměru uvedené čočky.

Na obrázku 4 představují čtverečky, trojúhelníky a kolečka body, jejich data byla shromážděna. Symboly se stejnými vnitřními vzory jsou uloženy ve shodném datasouboru.

Deset uvedených souborů dat se následně použije k výpočtu rovnic pro deset různých kruhů, přičemž každý z uvedených kruhů představuje jeden model hrany uvedené čočky. Vypočte se průměrný řádkový pixel a průměrný sloupcový pixel středového bodu. Dále se stanoví vzdálenost : i od každého z deseti středů kruhů k průměrnému středu. Každý střed, jehož vzdálenost od průměrného středu přesahuje určitou předem stanovenou hodnotu, která se stanoví statistickým způsobem z distribuce úvedených středů, se následně eliminuje. Tato eliminace se provádí s cílem odstranit rušivé hrany čočky, která mohla být odvozena v důsledku shromáždění dat defektních bodů, které představují určitou odchylku od normální hrany čočky. Tento případ je znázorněn na obrázku 5, na kterém je středový bod 88 odchylující se od zbývající skupiny devíti středů, v důsledku hranové odchylky 87 čočky, následně eliminován.

Potom se vypočte standardní odchylka pro zbývající řádkové a sloupcové středy a porovná se s konkrétní prahovou hodnotou. V případě, že jak řádková, tak sloupcová standardní odchylka splňuje prahová kritéria, je uvedená čočka považována za nalezenou. Poloměrem použitým u konečného modelu je průměr poloměrů zbývajících kruhů. V případě že standardní odchylky nesplní prahová kritéria, je ge21

Výchozí úhel tohoto nového vektoru je pootočen od předešlých vektorů tak, aby nedošlo k shromažďování dat ze stejných bodů podél hrany čočky jako v předcházejících případech. Tento opakující se postup lokalizování čočky a shromažďování data-bofů se provede maximálně pro dva cykly.

Pokud není v této době uvedená čočka úspěšně nalezena, prohlásí se za nepřítomnou a pouzdro je automaticky vyřazeno z výrobní linky.

Nyní k obrázku 6, okolo hrany 72 kontaktní čočky se vytvoří a superponuje pracovní prstenec 90. protože k vytvoření tohoto prstence 90 se použijí hodnoty předem odvozené pro střed a poloměr a vnitřní parametr pro šířku pracovního prstence, zahrnují okraje tohoto pracovního prstence s určitostí hranu uvedené čočky. Všechna další zpracování obrazu se provádějí pouze v tomto prstenci za účelem urychlení procesu a tedy snížení doby zpracování omezením počtu pixelů, které je třeba vyhodnotit. Požadavky kladené na velikost uvedeného prstence (a ve skutečnosti potřeba použít jeden omezující pracovní prstenec pro všechny) závisí na schopnosti počítače manipulovat s daty a zpracovávat je a na ceně s tím spojené. Střed prsténcového křůhú jě totožný' se středemmodelovaným'' v předcházejícím kroku uvedeného algoritmu. Šířka uvedeného prstence, vyjádřená v pixelech, je dána příslušným parametrem ’'anls_width.

Obrázek 7 znázorňuje následný krok v uvedeném algoritmu, přičemž pracovní prstenec z předešlého obrázku není—zobrazen^—V—receptorovém—-poli—7^--senzoru-—je -opět zobrazen průměrný střed 92.· Na základní obraz čočky se použije hranu-zvýrazňující operátor, protože samotná informace o úrovni šedi není dostatečně sensitivní, áby umožnila rozlišení normální a defektní oblasti hrany čočky. Z tohoto důvodu se použije uvedená operace ke zvýraznění odlišení informací obsažených v bodech podél vnitřní a vnější strany obrazu hrany čočky. Použitým operátorem je modifikovaný 3x3 operátor, který operuje v různých zónách okolo hkany Čočky. Hrana 72 kontaktní čočky z předešlého obrázku se eliminuje v důsledku působení hranu-zvýrazňujícího operátoru. Uvedený hranu-zvýrazňující operátor zpracovává základní obraz hrany čočky, jehož šířka je 2 až 4 pixely, do dvou oddělených hran, t. j. vnitřní hrany 94 a vnější hrany 96, viz obrázek 6.

Aby mohl uvedený hranu-zvýrazňující operátor účinně působut, musí být uvedená čočka rozdělena do několika různých zón.

Přesný začátek a konec zón je závislý na velikosti čočky na obraze a její poloha na tomto obraze. Obrázek 8 znázorňuje vztah mezi pěti zónami použitými u čočky. Uvedené zóny byly vytvořeny tak, aby rozdělovalypřevážně horizontální, vertikální a diagonální oblasti okolo čočky. .

Pro každou z uvedených zón znázorněných na, obrázku 8 se použije jiný směrový hranový operátor. Pro zóny 1, 3 a 5 se použije diagonální operátor. Pro zóny a 4 se potom použije horizontálně/vertikální operátor.Různé směrové operátory se použijí ke kompenzaci zakřivení čočky a vyrovnání velikosti gradientu okolo čočky. To znamená, že diagonální operátor na převážně vertikální části je v podstatě ekvivalentní s horizontálně/vertikálním operátorem na převážně diagonální části uvedené čočky.

Hranový operátor je navržen tak, aby byl v podstatě vzhledem ke zpracovávané hraně diagonální, aby potlačil nežídoucí kolísání. Tloušťka normální základní hrany čočky lehce kolísá v lokalizovaných oblastech. Hranový operátor operující paralelně a kolmo ke směru základního obrazu hrany čočky by mohl mýt tendenci zvýraznit kolísání a chybně zachovat v hraně malé deviace. Software výběru znaků by potom na tyto malé deviace pohlížel jako na defekty hrany.

Obrázek 9 znázorňuje zápis pixelů použitý při implementaci hranu-zvýrazňujícího operátoru. Jak může potvrdit odborník v daném oboru, tento zápis se používá jako standardní zápis při označování prvků v matrici neboli poli.

Následující rovnice 1 až 6 ukazují algoritmus použitý pro dva uvedené operátory. Výsledné gradientní hodnoty pro každý pixel se následně upraví, co do měřítka, aby spadaly do 8 bitového rozmezí od 0 do 255.

Horz/Vert Operátor = abs(hdif) + abs(vdif), ve kterém ^{hdif = P}i-1,j+1 ^{+ 2}‘^Pi,j+, ^{+ P}i+1,j+1 ^(Pi-,,j-1 ^{+ P}i₊1,j-1 vdif = P. ... + 2*P. . + P,.,. j .

i+1,j+1 1+1,j i+1,j—1 (P. . .,. + 2*P. . . + P.'. . .

1-1,3+1 1-1/3 1-1/3!

Diag Operátor = abs(dldif) + abs(d2dif), ve kterém .

dídif - B..,. . + 2*?..,.., + Pij., ^<Pi,j+, ^{+ 2}*^Pi+1,j+1 ^{+ P}i+,,j> d₂di^£ = _Pi._{bj +} 2*?^,^, ₊ P_i(j+, .

^:ρΓΤΓ^²*^ρίΝ7ΓΓ⁺~^??'

Potom, co á 5, se v zónách se provede diagonální zvýraznění hrany v zóně 1, 3 provede horizontálně/vertikální zvýraznění hrany * a 4, přičemž na výslednou vnitřní a vnější hranu se aplikuje skeletizační operátor. Výsledné hrany mají zpravidla šířku jeden pixel a obsahují informáce pouze z nejsilnější části uvedené hrany, jak je to zřejmé z průřezu hranou. Nicméně informace o úrovni šedi v těchto pixelech jsou během tohoto postupu zachovány. Takovéto zvýraznění hrany se provádí ve směru odpovídajícím směru použitých gradientních operátorů v příslušné prstencové zóně. Operace se provádí pouze na gradientních informacích získaných v předcházejícím kroku, přičemž tato operace vyhledává vrcholy ve čtyřech směrech od sledovaného pixelů. V případě, že je vrchol nalezen, nahradí se sledovaný pixel touto hodnotou, jinak se pixel blíží nule, přičemž výsledkem je obraz nacházející se na obrázku 7.

Dalším krokem v algoritmu je lokalizace a sledování novězvýrazněné a skeletované vnitřní a vnější hrany čočky za použití prahového mechanizmu. Aplikace prahových hodnot se provede pouze podél kontury čočky, při.sledování hrany.

Dalším krokem v algoritmu je aplikace prahových hodnot na zvolené pixely mající intenzitu vyšší než specifikovanou hodnotu intenzity. Cílem aplikace prahových hodnot je eliminace všech pixelů uvnitř pracovního prstence, které nejsou součástí sledované hrany a vypadají jako šum. Hodnota úrovně šedi použitá pro prahové hodnoty je dána parametry inner_thr a outer_thr, pro vnitřní respektive vnější hranu. Toto jsou prahové hodnoty použité v algoritmu sledování uvedených kontur. Implementace prahové operace je následující:

Pokud {P. . >=prahové hodnotě a je pixelem ležícím podél zpracovávané hrany čočky) potom P^ j = konturovému pixelů

Obrázek 9 znázorňuje úhlový zápis pro obraz čočky v senzorovém poli 70. ^K lokalizování hrany čočky za účelem iniciace sledování se použije vyhledávací vektor, který je podobný vektoru použitému k počáteční lokalizaci čočky. V tomto případe však vyhledávací vektor používá - jako kritéria pro vyhledání dalšího pixelů pouze hodnotu úrovně

Šedi.

Uvedený vyhledávací vektor má počátek právě na vnitřní straně pracovního prstence v nultém stupni a dále je pokračuje podél řádku pixelů až do okamžiku, kdy narazí na hranu čočky nebo dosáhne protilehlé strany pracovního prstence.

Obrázek 11 znázorňuje možné vyhledávací scénáře pro vnitřní hranu čočky.

Na tomto obrázku je znázorněna zvětšená část zvýrazněné hrany čočky ukazující vnitřní hranu 94, vnější hranu 96 a pracovní prstenec 90. Pracovní prstenec 90 je vymezen vnitřním okrajem 98 a vnějším okrajem 100.

Příkladem výše popsaného· vyhledávacího vektoru je' první vyhledávací vektor 102. V tomto příkladě narazí uvedený první vyhledávací vektor 102 na malý defekt neboli šum 104, protože tento šum 104 neboli malý defekt má odlišnou úroveň šedi. Vyhledávací vektor sleduje jeho obrys, ale algoritmus ho vyřadí vzhledem k tomu, že jeho zakřivení neodpovídá zakřivení,„hrany_čočky,_ což^lze. odvodit, z—počtu-pixelů, které sleduje před opakovaným střetem s výchozím pixelem.

Po tomto neúspěšném pokusu lokalizovat hranu čočky, se druhý vyhledávací vektor vede o 20 řádků pixelů dále. Tento druhý vyhledávací vektor 106 znázorněný na obrázku 11, který se pokouší lokalizovat vnitřní hranu 94 čočky, má počátek na vnitřním okraji 98 pracovního prstence 90

a. prochází - směrem k vnějšímu okraji 100 prstence 90. V tomto případě, nenarazí vyhledávací vektor 106 na pixeli příznačné pro hranu čočky a prochází mezerou 108 ve vnitřní i vnější hraně. Potom, co uvedený vektor doosáhne vnějšího okraje pracovního prstence 10.0, je vyhledávání ukončeno.

Následně se generuje třetí vyhledávací vektor 110 opět s 20 řádkovým‘horizontálním odstupem od druhého vyhledávacího vektoru 106. V případě tohoto třetího vyhledávacího vektoru 110, je pokus nalézt vnitřní hranu 94 čočky úspěšný a algoritmus se následně koncentruje na sledování vnitřní hrany 94 čočky a vnější hrany 96 čočky.

Proces generování nového vyhledávacího vektoru vždy, když je předešlý vyhledávací vektor neúspěšný důvodu střetu s malým defektem nebo mezerou v hraně čočky, sé opakuje buď do okamžiku lokalizace čočky nebo maximálně 15krat. Tento lokalizační proces se provádí ; odděleně pro vnitřní hranu 94 čočky a vnější hranu 96 čočky.

Potom, co je hrana lokalizována, se provede 8-konektivní sledování kontury.Uvedený.vektor má počátek v 0 stupních a sleduje vnitřní a vnější konturu hrany uvedené čočky za použití 8-konektivity. Osmi-konektivita zajistí, že bude jakýkoliv pixel, který je spojen . s hranou, zahrnutv konečné kontuře. Práh úrovně šedi se použije pro určení, zda je pixel součástí hrany či nikoliv, přičemž pro vnitřní hranu se použije hodnota parametru inner_thr a pro vnější hranu hodnota parametru ''outer_thr.

Uvedený algoritmus se stáčí doprava v případě, že pixel, do kterého právě vstoupil, je hranovým pixelem a doleva v případě, že pixel, do kterého vstoupil, není prahovým pixelem. V případě zvláštních okolností jsou kontrolovány diagonální pixely. Protože je při sledování vnitřní a vnější hrany je použit stejný kód, probíhá sledování vnitřní hrany ve směru pohybu hodinových ručiček a sledování vnější hrany proti směru pohybu hodinových ručiček.

Pokud je sledování hrany ukončeno, obsahuje uvedená hrana přibližně 6000 pixelů, t. j. 3000 na vnitřní· hraně a 3000 na vnější hraně. Pokud počet pixelů neleží ve stánoveném rozmezí, prohlásí uvedený algoritmus čočku za nenalezenou a postup může být buď zopakován nebo se pouzdro vyřadí.

Pro každý pixel ležící na hraně je v poli struktur uložen soubor informací. Tyto informace zahrnují radiální a úhlovou polohu, gradientní úroveň Šedi, typ defektu a závažnost. V tomto místě algoritmu ještě neexistují všechny informace, nicméně již je přidělena paměť pro budoucí použití.

V případě, že je nalezený pixel součástí hrany, se provede transformace z pravoúhlých souřadnic na polární souřadnice'; Střeď pravoúhlého 'a' polárního 'souřadnicového systému je totožný se středem odvozeným z. počáteční lokalizace čočky. Následující rovnice ukazují, jakým způsobem se uvedená transformace souřadnic provádí, přičemž theta znamená úhel a r znamená poloměr.

— =-aretan-| (řádek-středu —čočky---řádek --pixelu — )--------( sloupec pixelu - sloupec středu čočky)]

R = SQRT ](pixelový sloupec - sloupec středu čoky) + (řádek středu čočky - řádek pixelu) |

Theta se převede z hodnoty s pohyblivou řádovou čárkou ležící v rozmezí od 0,0 do 360,0 stupňů na celé číslo v rozmezí od 0 do 8191, představujícím 13 bitů, 2¹^.

R se také nejprve vypočítá jako číslo s. pohyblivou řádovou čárkou a následně se převede na celé číslo.

Hodnoty poloměru a úhlové odchylky pro každý pixel kontury se následně umístí do velkého pole struktur. Další zpracování se provádí efektivněji díky tomu, že se zpracovává pouze asi 6000 pixelů nacházejících se v tomto velkém poli.

Na následujícím obrázku je hrana čočky znázorněna graficky. Avšak uvedené operace provádí algoritmus v digitální oblasti.

Obrázek 12 znázorňuje zvýrazněný obraz čočky v'·· pravoúhlých souřadnicích na obrázku 12a a v polárních souřadnicích na obrázku 12b. Vzhledem k tomu, že hrana^J čočky již byla nalezena a sledována, je pracovní prstenec na tomto obrázku vynechán. Obrázky 12a 12b ukazují vnitřní hranu 94 a vnější hranu 96. U operace znázorněné na obrázku 12 jsou diskontinuity v hraně způsobeny defekty Čočky/zeslabením hran nebo anomáliemi rezultujícími z uvedené hrany a hranu-zvýrazňujícího operátoru. Bez ohledu na příčinu, je nezbytné tyto diskontinuity detekovat a přemostit tak, aby mohla být zbývající část hran zpracována.

Uvedená diskontinuita se stanoví tak, že se zachová úhlová odchylka nejvzdálenějšího pixelů, který byl sledován a tato úhlová odchylka se ’porovná s úhlovou odchylkou pixelů, který je zpracováván nyní, viz obrázek 12b. V případě, že je úhel ₍mezi nejvzdálenějŠím pixelem a posled- ’ ním. sledovaným pixelem generován ve směru opačném ke směru sledování a v případě, že je větší než úhel stanovený parametrem bktrk_degs,. byla detekována diskontinuita.

Tento případ je zachycen na obrázku 12b a označen vztahovou značkou 114.

V případě, že je detekována diskontinuita, použije algoritmus nejvzdálenější pixel jako referenční pixel pro přemostění. . První pokus o přemostění diskontinuity použije metoda, která je schopná přemosti mezeru jednoho až tří pixelů. Při extrapolaci se dodržuje směr, kterým se postupovalo při sledování před dosažením diskontinuity.

V některých případech je mezera v uvedené hraně čočky delší než 3 pixely a nemůže být přemostěna extrapolační metodou. Obrázek 13 znázorňuje případy, ve kterých není použití extrapolační metody při přemosťování diskontinuity 116 úspěšné a proto se použije metody přemostění skokem (jumping technique. Tato skoková metoda provede úhlovou lokalizaci uvedené diskontinuity·a rotaci ve směr sledování o určitý počet stupňů, který je specifikován parametrem gap_angle a iniciuje vyhledávací vektor za účelem lokalizace druhé strany uvedené diskontinuity.

Uvedený vyhledávací vektor má počátek právě na -vn-it-ř-n-í stra-ně—pracovního- prstence- a je veden -podél -řáďku- nebo sloupce pixelů v závislosti na úhlové lokalizaci uvedené diskontinuity. Uvedený průzkum pokračuje až do okamžiku,k dy narazí na hranový pixel nebo dokud není dosaženo vnější hrany ' pracovního prstence. Pokud není během průzkumu nalezen hranový pixel, je uvedená čočka .označena^ jako„s i lně_deformovaná je_vyřazena._V_ případě, _ že je úhlový pixel nalezen, pokračuje normální zpracování čočky. Fakt, že nemůže být uvedená diskontinuita přemostěna extrapolací, naznačuje přítomnost defektu a přemostění skokem (bridge by jump) je identifikováno jako znak. Všechny pixely, které byly zpracovány od nejvzdálenějšího pixelu až k detekované diskontinuitě, jsou odstraněny z konturového souboru, protože představují návrat po stejné dráze vytýčené předchozím sledováním.

Některé části hrany čočky jsou fragmentované takovým způsobem že přemostění jedné diskontinuity převede sledování hrany na krátký izolovaný úsek 118 hrany, viz obrázek 13a. V tomto případě, nelze použít normální způsob pro detekování diskontinuit, protože u sledování není možný návrat' v požadovaném rozsahu. Za účelem překonání této anomálie je implementována speciální detekční technologie. Tato technologie zachovává řádkové a sloupcové hodnoty pro pixel, do něhož vstoupí bezprostředně po přemostění.

V případe, že další sledování vede zpět tímto vstupním pixelem čtyřikrát, byla detekována malá izolovaná částhrany. Nejvzdálenější pixel nacházející se na fragmentuje následně použit jako místo pro pokus o další přemostění. Obrázek 13b znázorňuje scénář zahrnující vícenásobné přemostění 120, které následuje za již diskutovaným přemostěním skokem diskontinuity 116.

Přemostění množiny izolovaných úseků hrany je opakujícím se procesem, který se provádí tolikrát, kolikrát si to vyžádá rozsah fragmentovaného úseku. Při každém opakování se nejprve provede pokus o přemostění extrapolací a následně o přemostění skokem.

Potom co se ukončí sledování uvedené hrany a přemostí se všechny mezery, vybere uvedený algoritmus šest různých znaků že všech pixelů nacházejících se na kontuře uvedené hrany. Tyto znaky jsou identifikovány jako:

Radiálová Deviace (RD)

Lokalizovaná Gradientní Deviace (LGĎ)

Prostorová Derivace (SD)

Diskontinuita (D)

DIP Lokalizovaná Gradientní odchylka (DLGD) Jednostranně Lokalizovaná Gradientní Odchylka (ALGD)

Poslední dva znaky se týkají Lokalizované Gradientní Deviace a jsou' spojeny s identifikací specifických typů defektů, které nelze detekovat jiným způsobem.

Hodnoty vypočtené pro každý z těchto znaků jsou porovnány s prahovými hodnotami. Všechny prahové hodnoty jsou dostupné jako parametry uživatele. V případě, že hodnoty znaku splní prahová kritéria, potom je pixel klasifikován jako defektní na základě tohoto znaku. Je přípustné, ’ aby byl jeden pixel klasifikován jako defektní na základě více než jednoho znaku.

Obrázek 14 znázorňuje zvýrazněnou hranu čočky, která zahrnuje znaky, které je možné kategorizovat jako radiálovou deviaci, přičemž obrázek 14a ji znážórňuje v pravoúhlých souřadnicích a obrázek 14b v polárních souřadnicích. Radiálovou deviací je vzdálenost, o kterou se poloměr sledovaného pixelů odchyluje od nominálního- poloměrů. 'Pokud je ' uvedená · deviace· -shodná- -s- hodnotou spee-i-f ikov-anou v parametru rad_dev_thr nebo větší, potom je uvedený pixel posouzen jako defektní. Nominální poloměr se definuje jako průměrná hodnota poloměru odvozená z 250 konturových pixelů ležících před sledovaným pixelem a 250 konturových pixelů ležících za sledovaným pixelem. Pokud je sledovaný .pixel—klas ifikován_^-jako^...defektní ..._na„,„.„základě^radiáloyé_ deviace, potom se hodnota deviace uloží jako indikace závažnosti. Na obrázcích 14a a 14b jsou znázorněny vnitřní hrana 94 a vnější hrana 96. Kromě toho obrázek 14b dále znázorňuje ideální poloměr pro vnitřní a pro vnější hranu 122 vypočtený výše uvedeným způsobem. Tento obrázek ještě dále ukazuje tři příklady radiálně deviovaných znaků 124,

126 a 128. Rovnice použité k impementaci výběru znaku, jakým je radiálová deviace jsou následující rovnice:

RD = R.-{ R + S^⁵°R )/500 n=i-250 m=i+1 ve kterých

R znamená hodnotu poloměru a i, n, m znamenají hodnoty konturového indexu.

Pokud (RD>=prahové hodnotě nebo RD< = -prahové hodnotě) potom je sledovaný pixel defektní.

Dalším znakem, který je extrahován je lokalizovaná gradientní deviace. LKD představuje míru deviace gradientní hodnoty sledovaného pixelů od průměru lokalizovaných sousedních pixelů. 2a sousedící pixely se považují ty pixely, které jsou nejbližsí sledovanému pixelů a sledují konturu uvedené hrany. Na obrázku 15 je sledovaný pixel 130 označen, označení i. Prahová hodnota použitá ke stanovení toho, je-li sledovaný pixel defektní na základě LGD je uložena v parametru grd_dev_thr. Následující rovnice ukazují skutečnou implementaci tohoto znaku.

G. _t +G.+G. , LGD = -—-( í-2 2? G n=i-11 i+11 m=i+21

G )/20 m ⁷ ve kterých

G znamená gradientní hodnotu a i,n,m znamenají hodnoty konturového indexu.

Pokud (LGD>=prahové hodnotě) potom je sledovaný pixel defekt-, iii

Tento způsob výběru znaku označeného jako lokalizovaná gradientní deviace je znázorněn na obrázku 16, přičemž obrázek 16a opět znázorňuje zvýrazněnou hranu čočky graficky a obrázek 16b znázorňuje gradientní informaci v polární oblasti. Jak je patrné z obrázků nachází se lokalizovaná gradientní deviace 134 pouze na jedné hraně zvýrazněného obrazu hrany čočky a že defekt sledovaný a promítnutý v polární oblasti se objevuje jako nepárová nepravidelnost 136. pokud je sledovaný pixel klasifikován jako defektní na základě LGD, potomse míra deviace uloží jako indikace závažnosti.

Dalším znakem uvažovaným při výběru znaků je diskontinuita, Jak již bylo diskutováno, defekt označený jako diskontinuita je způsoben přemostěním diskontinuity hrany skokovou metodou {jump technique). Tímto znakem je myšlena rozdílná úhlová odchylka pixelů na kontuře a bezprostředně • následujícího pixelů. Tato diskontinuita neobsahuje-, informaci o. závažnosti a pouze indikuje, že byl proveden skok. Počáteční pixely na obou stranách diskontinuity jsou považovány za defektní.

Dalším extrahovaným znakem je DIP - lokalizovaná gradientní deviace. DIP lokalizovaná gradientní deviace je podobná znaku označenému jako lokalizovaná gradientní deviace, jehož výběr už byl proveden. Podobně jako LGD, vystihuje DLGD míru deviace gradientní hodnoty intenzity sledovaného pixelů z průměrné hodnoty jeho s ním sousedí-——cích lokalizovaných-pixelů.-Roždí1-mezL·.oběma_znaky,, spočívá., v tom, že se použije větší počet sousedních pixelů a že mezera, tvořená i nepoužitými pixely okolo sledovaného pixelů, je větší. DLGD je dále navržena tak,, aby byla citlivá pouze na gradientní odchylky intenzity, které jsou menší než jejich sousedů.

Při určování, zdali je sledovaný- pixel defektní na základě DLGD, je použita prahová hodnota z parametru dio_lgd_thr. Následující rovnice ukazují skutečnou implementaci tohoto znaku.

G. .+G+G.,. i—5 DLGD =_iZJ-i—i±i-( i+35

1Σ2 G_m)/60 n=i-35 m=i+5 ve kterých

G znamená gradientní hodnotu a i,m,n znamenají hodnoty konturových indexů

Pokud {DLGD <=prahové hodnotě) potom je sledovaný pixel defektní.

Zavedení DLGD znaku je specifické. Účelem jejího zave dění je identifikace malých záseků, které nelze identifikovat na základě jiných znaků. V případě, že je sledovaný pixel klasifikován jako defektní na základe DLGD, potom je míra deviace uložena jako indikace závažnosti.

Dalším znakem, který se extrahuje je jednostranně lokalizovaná gradientní deviace (ALGD). Při výběru tohoto znaku se k výpočtu deviace použijí pixely, které sousedí se sledovaným pixelem pouze z jedné strany. K výpočtu průměrné hodnoty sousedních pixelů, se použije dvacet pixelů před sledovaným pixelem, přičemž čtyři bezprostředně předcházející pixely _ř se nepoužijí. ALGD vyjadřuje jak pozitivní, tak negativní gradientní deviace.

Prahové hodnoty použité při porovnávání jsou uloženy v parametrech aux_lgd_low a aux_lgd_up. Následující rovnice ukazují implementaci ALGD znaku.

G. .+G.+G, . i-5

ALGD —i ' i+1 _( n=i-25

G_n)/20 ve kterých

G znamená gradientní hodnotu a i,m,n znamenají hodnoty konturových indexů

Pokud (ALGD>= horní prahové hodnotě nebo spodní ALGD<= prohové hodnotě) potom je sledovaný pixel defektní.

Posledním znakem, který se extrahuje je prostorová derivace (SD). Prostorová derivace měří změnu poloměru vzhledem ke změně úhlové odchylky. Pokud v malé úhlové vzdálenosti dojde k ostré změně v hodnotě poloměru, potom je pravděpodobné, že se zde nachází uvedený defekt.' Znak označený jako prostorová derivace je znázorněn na obrázku 17, přičemž obrázek 17a opět znázorňuje zvýrazněnou hranu čočky v pravoúhlých souřadnicích a obrázek 17b uvedený obraz převádí do polární oblasti. Na uvedeném obrázku jsou také znázorněny ideální_ poloměry pro vnitřní hranu 94 a vnější hranu 96.

Uvedené obrázky zachycují defekt 136 se znaky prostorové derivace, přičemž změna poloměru je označena vztahovou značkou 138 a úhel, ve kterém ke změně poloměru - došlo, vztahovou značkou 140.

Implementace znaku označeného jako prostorová derivace je dána následujícími rovnicemi:

ΔΚ = abs(hodnota poloměru konturového pixelu^^^- hodnota poloměru konturového pixeluj^)

R = změna poloměru a i znamená konturový index označující sledovaný pixel

Δ0» hodnota úhlové odchylky konturového pixelu^_2~ hodnota úhlové odchylky konturového pixelu^₊₂ kde změna úhlové odchylky a i -znamená konturový index označující sledovaný pixel

SD = ÁR/úý' kde

SD znamená prostorovou derivaci

Pokud (SD>= pozitivní prahová hodnota nebo DS <= 0), potom je sledovaný pixel defektní.

Pokud je sledovaný pixel klasifikován jako defektní na zákla dě výše uvedené rovnice, potom se neukládá informace o závažnosti. Další zpacování uvedeným algoritmem je založeno pouze na skutečnosti, že uvedený pixel byl vyhodnocen jako defektní na základě SD.

Potom co se provede posouzení úrovně pixelů, je každý defektní pixel posuzován jako součást určité defektní skupiny. Okolo čočky se může nacházet mnoho defektních skupin a k pixelů nacházejícímu se ve skupině musí být přiřazeny nějaké další defektní pixely.

Seskupení defektu zahrnuje tři kroky. První dva kroky se provádějí nezávisle na vnitřní a vnější hraně a poslední krok kombinuje informace získané jak z vnitřní tak z vnější hrany. Potom, co se ukončí seskupení defektů do skupin na vnitřní a na vnější hraně, je porovnána příbuz37 nost výsledných skupin, t. j. zda některé skupiny i vnitřní hrany by nemohly být sloučeny se skupinami na vnější hraně. Pokud k takovému splynutí dojde, vytvoří se sloučená defektní skupina.

První krok sleduje každý defektní pixel, pixel po pixelů, a na základě tohoto sledování rozhodně zda je sledovaný pixel součástí většího defektu. V případě, že se určí, že uvedený pixel je součástí většího defektu, potom je zařazen do struktury, která se označí jako defektní skupina.

Druhý krok určí ,zdai byněkterá z uvedených defektních skupin mohla být sloučena s nějakou další skupinou a vytvořit tak vější skupinu. Konečný, krok potom porovnává defektní skupiny z vnitřní hrany s defektními' skupinami, z vnější hrany, a rozhoduje zda by mohly být. sloučeny do jedné sloučené skupiny. Výsledkem těchto kroků je vytvoření skupiny představu jící diskrétní-'defekt To zase přináší nejpřesnější . vyjádření skutečné závažnosti defektu'. Je zřejmé, že sloučené defekty jsou mnohem závažnější než jednotlivé defektní skupiny •a—že· signa-l-izu-j-í-v-ý-sky-t vážnějších defektů-hrany............

největší defektní na uvedené čočce.

Jak.již bylo uvedeno, uvedený postup je zahájen sesr kupováním pixelů pixel po pixelů. Úplě první defektní pixel, na který se narazí, je automaticky umístěn do jednopixelové defektní skupiny, čímž se uvedený' postup zahájí. Úhlová odchylka„následuj ících .defektních.pixelů se porovná s nejvzdálenějším pixelem v součinné defektní skupině. Pokud uvedený pixel leží v úhlové odchylce specifikované parametrem prox_zone, je umístěn do této skupiny a nejvzdálenější úhel je aktualizován, pokud defektní pixel nespadá do uvedené součinné defektní skupiny, potom je považován za nový defekt, na nějž se narazilo. V důsledku toho se vytvoří nová defektní skupina obsahující tento poslední nalezený defektní pixel, která se současně stává součinnou defektní skupinou. Tento postup pokračuje do té dobyxiokud jsou zkontrolovány všechny pixely na uvedené hraně.

V případě, že jsou nedefektní pixely na kontuře mezi kolem ležícími pixely, které jsou umístěny v defektní skupině, jsou tyto nedefektní pixely také zahrnuty do defektní skupiny a překlasifikovány z nedefektních na defektní pixely na základě defektu uvedené skupiny.

Druhým krokem tohoto celého seskupovacího postupuje následující krok. je možné, že jeden defekt reprezentuje více než jedna defektní skupina. Aby se eliminovala tako komplikace, jsou sledovány možné přechody defektních skupin - -⁵ nalezených na hraně. Jsou provedena dvě srovnání. Jedno ™ porovnání se zaměřuje na. srovnání počáteční úhlové odchylky skupiny s koncovou úhlovou odchylkou další skupiny. Druhé ' srovnání se zaměří na porovnání koncové úhlové odchylky téže skupiny s počáteční úhlovou odchylkou ještě dalši « ΑΨ skupiny. V případě, še při jednom z těchto srovnání je zaznamenán rozdíl úhlových odchylek menší než je hodnota spesifikovaná parametrem prox_angel, potom tyto dvě porovnávané skupiny splynou. Skupina, jejíž počáteční úhel je dostatečně blízký koncovému úhlu druhé skupiny, je -následně zahrnuta do této skupiny. Skupina, která je zahrnuta,své informace převede a potom se zbaví platnosti.

Konečně defektní skupiny vnitřní a vnější hrany, které si úhlově odpovídají jsou vzájemně sloučeny. Toto seskupování je podobné seskupování prováděnému nezávisle ná vnitřní a vnější hraně. Srovnání se provádějí mezi počátečními a koncovými polohami defektních skupin. Dále se provádí zvláštní srovnání, které má stanovit, zda není jedna defektní skupina obklopena druhou defektní skupinou. V případě, že některé porovnání vede ke splynutí, potom se vytvoří samostatná struktura, která obsahuje informace z obou defektních skupin a uvedené dvě původní skupiny se zbaví platnosti.

Potom, co se ukončí identifikace defektních pixel a byly provedeny seskupovací operace, je pro každou skupinu stanoveno skóre závažnosti. Skóre závažnosti je součet všech skór přiřazených . jednotlivým pixelům uvnitř této skupiny. V pžípadě, že je jediný defekt klasifikován jako defektní na základě více než jednoho typu defektu, je výsledkem násobné skóre pro příslušný pixel.

Každý defektní . typ. je označen, různou závažností, která umožňuje posuzovat různé defekty s relativně, různou .

, měrou. Uživateli dostupné parametry mohou kontrolovat všechny hodnoty závažnosti. Hodnoty závažnosti, pro RD,

LGD, SD, D, DLGD a ALGD jsou uloženy v parametrech , rd_weight lgd_weight, sd_weight, disc_weight, dip_lgd_wgt resp. aux_lgd_wgt.

' Ná rozdíl'od tri 'defektů, jsou u RD,' LGD' a DLGD defektů uloženy informace o závažnosti každého pixelu. Tato informace o závažnosti je normalizována násobena závažnostmi defektního typu stanovenou pro všechny postižené pixely. Uvedená normalizace se používá proto, že rozmezí hodnot pro různé znaky není srovnatelné. Po provedení normalizace

..-„...„^.bude- každé—uvážené— skóre — spadat—do—rozmezí—od—1,0 — do — 2---------¹ 2,0. Uvedené normalizované rozmezí se stanoví z použitých prahových hodnot a minimální a maximální hodnoty, kterou lze pro uvedený znak dosáhnout.

V případě, že má znak pixelu hodnotu shodnou s hodnotou nominální má scóre 1,0. Na druhé straně pokud má znak pixelů hodnotu shodnou s extrémní maximální nebo minimální hodnotou, kterou je možné dosáhnout, je vypočteno score závažnosti 2,0. Maximální teoretická hodnota radiální deviace a lokalizované gradiěntní deviace se určí na základě hodnot uložených v parametrech max_rd resp. max_lgd. Minimální teoretická hodnota, pro DIP lokalizovanou gradientní deviaci je uložena v parametru min_dip_lgd.

ζ

SD, ALGD skupinu a D typ efektu nelze normalizovat žádným způsobem. Diskontinuita a skupina jsou defekty Booleanova typu mající hodnoty 0 nebo 1. Prostorová derivace a ALGD neobsahuje informaci o závažnosti, která by mohla být uložena.

• J...

Závažnost pixelových defektů se vypočte na základě následujících rovnic pro každý z šesti typů defektů, vhoďné normalizace a zvážení.

RD skóre = (1,0 + (abs(hodnota pixelové RD) - RD prahová hodnota)/(maximální teoretická RD hodnota RD prahová hodnota)) * rd_weight kde

RD skóre znamená celkové skóre přiřazené pixelů s RD klasifikací,

Hodnota RD pixelů znamená hodnotu RD znaku pro sledovaný pixel,

RD prahová hodnota znamená prahovou hodnotu použitou ke stanovení existence RD defektu,

Maximální teoretická RD hodnota znamená maximální možnou hodnotu RD znaku a rd_weight znamená závažnost spojenou s RD defektním typem.

LGD skóre =ť (i 1-,:0 + (hodnota pixelové LGD - LGD prahová hod-.

nota)/(MAX teoretická LGD hodnota. - LGD prahová hodnota)} * lgd_weight kde . LGD skóre = celkové skóre přiřazené pixelu z LGD klasifikace, hodnota pixelové LGD = hodnota LGD znaku pro sledovaný pixel,

LGD prahová hodnota = prahová hodnota použitá ke stanovení existence LGD defektu,

MAX teoretická LGD hodnota = maximální možná hodnota z LGD znaku a lgd_weight = závažnost spojená s LGD defektním.typem.

DLGD skóre = (1,0 + (hodnota pixelové DLGD - DLGD prahová hodnota)/(MAX teoretická DLGD hodnota - DLGD prahová hodnota)) Ádip_lgd_weight kde

DLGD skóre = celkové skóre přiřazené pixelu z DLGD klasifikace . .

hodnota pixelové DLGD = hodnota DLGD znaku pro sledovaný pixel,

DLGD prahová hodnota = prahová hodnota použitá ke .

stanovení existence DLGD de- ; fektu, . MAX teoretická DLGD hodnota = maximální možná hodnota z DLGD znaku a dip_lgd_weight = závažnost spojena s DLGD defektním typem.

SD skóre = sd_weight kde

SD skóre = celkové skóre přiřazené pixelů z SD kla-í sifikace a sd_weight = závažnost spojená s SD defektním typem.

Skupinové skóre = grp_weight kde skupinové skóre = celkové skóre přiřazené pixelů ze skupinové klasifikace a grp_weight = závažnost spojená s typem označeným jako skupinový defekt.

Disc Skóre = disc_weight *

kde .

disc skóre = celkové skóre přiřazené pixelů z klasi-t fikace označené- jako diskontinuita a disc_weight = závažnost spojená s diskontinuitním ty pem defektu.

ALGD skóre = aux_lgd_wgt kde

ALGD skóre = celkové skóre přiřazené pixelů ze skupi nové klasifikace a aux_lgd_wgt = závažnost spojená s ALGD defektním typem.

Jak již bylo uvedeno, potom co bylo provedeno zhodnocení úrovně pixelů se defektní pixely zařadí do defektních skupin {což zahrnuje: splynutí přesahujících defektů, r

seskupení defektů, které jsou vzájemně blízké a seskupení defektůlokalizovaných ve stejné úhlové odchylce jak na vnitřní, tak na vnější hraně) a vypočte se závažnostní skóre defektní skupiny. Toto závažnostní skóre defektní skupiny ukazuje celkové závažnostní skóre přiřazené jakékoliv dané defektní skupině a je vypočteno pomocí následující rovnice:

Závažnostní skóre defektní skupiny =

V^{D skóre +} v® skóre + skóre + ^SD skói ^DLGD skóre + ^_Disc skóre + ^skupinové skóre + ₄ ^ÓALGD skóre kde

Závažnostní skóre defektní skupiny = celkové skóre přiřazené defektní skupině ze všech defektních pixelů nalezených v uvedené skupině a

Q= součtový rozsah .pro zahrnutí všech pixelů nalezených v dané defektní skupině.

Potom co se provede výše uvedený výpočet, je závažnostní skóre každé z defektních skupin zváženo operátorem definovatelnou parabolickou funkcí. Uvedená parabolická funk ce přiřazuje větším defektům proporcionálně větší závažnostní skóre. Například defekt, který je dvakrát ták veliký jako dva menší defekty, bude ukončen závažností větší než je součet závažností dvou menších de fektůó ''^T

Uvedená zvažovací funkce je popsána následující rovnicí:

Zvážené závažnostní skóre defektní skupiny = a_coeff závažnostní skóre defektní skupiny/ + b_coef f * (závažnostního skóre defektní skupiny) kde a_coeff = dostupný, parametr operátoru, který definuje parabolickou zvažovací funkci b_coeff = dostupný parametr operátoru, který definuje parabolickou zvažovací funkci

U výsledného zváženého skóre je následně upraveno měřítko tak, aby toto skóre spadalo do rozmezí od 0 do 999. Měřítko se určí pomocí následující rovnice:

Měřítko = 999,0/max. zvážené skóre kde

MAX zvážené skóre = a_coeff Ή (max_score)^z + b_coef f(max_score) kde

Max_score = operátorem definovatelný parametr stanové-*.' ^r' ný empiricky

Výsledná skóre defektních skupin větší než 999 se vypustí. Součet všech skór defektních skupin je konečným skórem pro danou čočku. Pokud dosahuje uvedené skóre vyšší hodnoty než je prahová hodnota nebo pokud se této hodnotě rovná (prahová hodnota je dosažitelná jako parametr operátoru), potom se uvedená čočka vyřadí. Jinak je uvedená čočka přijata.

I když konečným výsledkem skóre čočky je buď to, že uvedená čočky projde kontrolou, nebo propadne, jsou k dispozici i průběžná data, výpočty a skóre, které poskytují informace o kvalitě čočky a typech vlastností , které jsou na čočce pozorovány.

Odborníkovi v daném oboru je jasné, že tyto informace mohou být poskytnuty jako statistické informace odvozené ze sledování jednotlivých po sobě jdoucích Čoček, nebo jako vizuální výstup na monitoru počítače.

Optické čočky byly kontrolovány za použití výše popsaného zařízení a zavedení výše popsaného algoritmu. Kontrolovanými čočkami byly měkké hydrogelové kontaktní

V čočky obsahující 58% vody a vyrobené firmou Johnson Johnson Vision Products Acuvue. Do prvního testu bylo zahrnuto 128 čoček.

První čočky byly kontrolovány zkušeným kontrolorem výrobní linky na výrobu čoček, při kontrole byly ponořeny v deionizované vodě a ke kontrole byl použit obraz zvětšující systém. Kontrolor klasifikoval každou čočku jako čočku přijatelnou nebo čočku na vyřazení a pro každý kaz stanovil typ defektu.

V případě, že byly uvedené čočky kontrolovány automatizovaným kontrolním systémem, který je předmětem tohoto vynálezu, byla každá, čočka, manuálně vycentrována v kontrolním pouzdře za účelem vyloučení všechny osvětlovací problémy.

Během doby , kdy automatizovaný kontrolní systém prohlídl všech 128 čoček, identifikovaly lidští kontroloři rozdílně 25 čoček. Výsledky srovnání strojem kontrolovaných čoček a člověkem kontrolovaných čoček uvádí tabulka 1.

TABULKA 1: Strojová kontrola vs. kontrola prováděná člověkem
Čočky celkem	Počet 128	Procenta 100
Souhlasná rozhodnutí	103	80,4
Nesouhlasná rozhodnutí	25	19,5
Negativní rozhodnutí stroje
v důsledku osvětlení	7	5,5
nespatřeny člověkem	5	3,9
Celkově negativní rozhodnutí stroje	12	9,4 Jí
Kladná rozhodnutí stroje
v důsledku osvětlení	6	4,7
defekty”'byly vymývány	4	3,1
malé defekty,· které nebyly zaznamenány strojem	3	2,3
Celkem kladná rozhodnutí
stroje	13	10,1

I když uvedené výsledky ukazují že strojová kontrola byla nesouhlasila s kontrolou prováděnou člověkem v 19,5 %, ve dvanácti případech (9,4 %) byla strojová kontrola kritičtější než kontrola prováděná člověkem a čočky, které tato kontrola nechala projít označila za nepřijatelné. To jsou negativní rozhodnutí stroje. Ve 13 případech (10,1 %) potom stroj nebyl tak kritický a nechal projít čočky, které člověk kontrolor označil za špatné, t. j. kladná rozhodnutí stroje.

V případě kladného rozhodnutí stroje se zjistilo, že osvětlení čočky ve strojovém kontrolním systému nebylo

- 47 dostatečně seřízeno a mohlo se usměrnit. V případě záporných rozhodnutí stroje se ukázalo, že nastavené parametry stroje byly . příliš a potřebovaly seřízení. Nicméně ani jeden velký defekt neunikl detekci a většina nezjištěných defektů byla menší než 50 mikrometrů. Žádná z kontrolovaných čoček neunikla detekci a detekci neunikla ani žádná nepřítomnost čočky v pouzdře.

Z dvanácti negativních rozhodnutí stroje mělo sedm obrazů zeslabené hrany v důsledků špatného osvětlení, a v pěti případech skutečné defekty nezaznamenal člověk kontrolor, ale postřehl je, jak stroj, tak druhý kontrolor. Ze třinácti kladných rozhodnutí stroje měly čtyři čočky pouze' krátkodobé defekty, způsobené například nějakou cizí látkou, kterou lze odplavit. Šest čoček mělo zeslabené hrany v důsledku špatného osvětlení a tři čočky měly defekty, které byly připiš malé na to, aby je mohl člověk kontrolor postřehnout.

Takže z celkového počtu 128 testovaných čoček se zhruba 20 % rozhodnutí neshodovalo s výsledky kontroly prováděné člověkem kontrolorem. Z toho 56 % bylo přisouzeno špatnému osvětlení, 36 % chybě člověka kontrolora nebo změnám podmínek, ke kterým došlo v důsledku manipulace, s čočkou a” 12’ %- -nesprávným- rozhodnutím... Těchto. 1.2. %. odpovídá . pouze 2,3 % všech nesprávných rozhodnutí.

Protože většinu neshodných rozhodnutí způsobily problémy s osvětlením, byl proveden výzkum, který stanovil, že nerovnoměrnost světelného zdroje a zejména přešvětlenost - způsobu jí z es labení _..hrany._čočky~a znemožňují tak zjištění defektů. * *

Dalším důvodem rozdílnosti výsledků mezi strojovou kontrolou a kontrolou prováděnou člověkem byla ta skutečnost že uvedená čočka nebyla ani v průběhu strojové kontroly, ani v průběhu kontroly prováděné člověkem protřepána a není snadné rozeznat rozdíl mezi částicemi přítomnými’ ve vodě a defekty čočky.

Osvětlení čočky se zlepšilo po zavedení mnohem rovnoměrnějšího rozptýleného osvětlovacího zdroje. Potom co bylo zlepšeno osvětlení, prohlédl uvedený stroj dalších 128 čoček. Každá čočka kontrolovaná za použití stroje byla kontrolována dvakrát a výsledky byly porovnány se kontrolní zprávou vypracovanou člověkem kontrolorem.' Výsledky této kontroly provedené strojem vzhledem ke kontrole prováděné člověkem jsou uvedeny v tabulce 2.

I

TABULKA 2:Přehled-strojová kontrola vs. kontrola prováděná člověkem

Celkový počet čoček

Počet Procenta

128 100,0

Souhlasná rozhodnutí Nesouhlasná rozhodnutí

76,6

23,4

Negativní rozhodnutí’stroje:

Nezaostřený obraz ' 10

V důsledku osvětlení 5

Nečistota na čočce 3

Kontaminovaná čočka 1

Diskontinuita 1

Neznámá příčina 2

Celkem nesprávná negativní _ rozhodnutí 22 bez rozostření 12

7.8

3.9 2,3 0,8 0,8 1,6

17,2

9,4

Kladná rozhodnutí stroje:

V důsledku osvětlení 0 0,0 Malé defekty 7 5,5 Vyplavené defekty 1 0,8

Celkem nesprávná kladná ‘ rozhodnutí

6,3

Jak je patrné z údajů uvedených v tabulce 2, objevila se zde nová kategorie negativů nezaostřený obraz. Ten se objevil u čočky, která byla nesprávně umístěna pod kamerou a v důsledku toho se část čočky ocitla mimo objektiv. Při měření se nelze spolehnout na zobrazený nezaostřený obraz, který je výsledkem chyby operátora a takové data-body jsou vlastně nepřípustné.

k

V případě vyloučení nesouhlasných rozhodnutí v důsledku špatného umístění čočky a tedy špatného zaostření činí rozdíl mezi výsledky počítačové kontroly a kontroly prováděné člověkem pouze 15; 6 %. To znamená 3,9 %-ní zlepšení o proti prvním 128 čočkám.

Ve třetí sledované sérii se kontrolovalo

192 čoček, které byly nejprve kontrolovány člověkem a následně dvakrát zobrazeny počítačovým systémem. Bylo dosaženo podobných výsledků jako u předcházející série.

Z celkově 384 zobrazení bylo 317 (82,6 %) shodných s výsled-. ky kontroly prováděné/ člověkem. Oba obrazy čočky zpracoval počítač pomocí zpracovatelského algoritmu, přičemž v 84 ' % případů se numerické skóre v druhé sérii shodovalo s numerickým skórem v sérii první.

I když je kontrolní systém navržen primárně pro kontrolu hran čoček, byl schopen zjistit i nepřítomnost čočky díky použití vyhledávacích vektorů, jejichž úkole je lokalizovat hranu čočky. Vzhledem k tomu, že se průzkum hrany čočky prováděl několikrát, byly detekovány čočky s otvory a s trhlinami na hraně.

* Výsledky kontroly třetí zkušební série jsou uvedeny v tabulce 3. Pouze 8,1 % výsledků počítačových kontrol bylo • . nesprávně negativních a 9,4 % bylo nesprávně kladných.

TABULKA 3

Miska	Počítačoyé negativní ťóžhodriutí	Počítačové kladná rozhodnutí	Celkem nesouhlasné	Celkem souhlasné	Procenta r souhlasná
1	7	9	16	48	75
2	9	11	20	44	69
3	2	4	6	58	91
4	8	3	11	53	83'
5	4	2	6	58	91
6	1	7	8	56	88

Celkem 31

317

Výsledky kontroly prvních dvou misek byly- horší o proti dalším čtyřem, přičemž důvodem byla prachem kontaminovaná voda, v níž se kontrolovaná čočka nacházela. A z tohoto důvodu nedošlo k zaznamenání při počítačovém zpracování.

Ze všech výsledků se 317 výsledků kontroly provádění člověkem; shodovalo s výsledky kontroly prováděné počítačem a 67 výsledků se rozcházelo. Shodná rozhodnutí a negativní rozhodnutí' počítače,' která jsou'zhlediskakontroly přijatelná činila celkem 90,6 %.

I

I

x;	C3		1
C» x	1SJ	σ	i o
ω 3?· n. X ·	X • íO	o u>· o	“ o· -X? ~
o	Li	__	oc [O ___

K Y značený elektromagnetické dělen do skupiny

Claims (4)

1. Způsob kontroly oční čočky, v y tím, že zahrnuje snímání obrazu čočky na alespoň jedné frekvenci, přičemž uvedený obraz je ro:

pixelů a každý pixel představuje část uvedené čočky, převedení hodnot intenzity uvedených pixelů na odpovídající elektronické signály, s •Qj.

přiřazení polohové hodnoty a hodnoty intenzity obrazu každému pixelů, porovnání polohových hodnot a hodnot obrazové intenzity mezi pixely za účelem stanovení vzájemného vztahu pixelů, identifikaci souborů pixelů odpovídajících znakům uvedené čočky na základě vzájemného vztahu uvedených pixelů, porovnání vzájemného vztahu pixelů v uvedeném souboru s předem stanoveným vztahem za účelem zjištění zda je uvedená čočka přijatelná.

2. Způsob podle nároku 1, vyznačený tím, že srovnání mezi pixely se provádí na trase sledující konturu uvedené hrany.

Způsob podle nároku 1,vyznačený tím,

3.

že identifikace znaků zahrnuje shromáždění pixelů majících shodné znakové vlastnosti za účelem vytvoření souboru pixelů.

4. Způsob podle nároku 1, vyznačený tím, že uvedené porovnání se provádí mezi souborem pixelů zahrnujícím hranu uvedené čočky.

5. . Způsob podle nároku 1, vyznačený tím, že uvedené porovnání se provádí mezi souborem pixelů zahrnujícím část vnitřku uvedené čočky.

6. Způsob podle nároku 2, vyznač, ený tím, že se nejprve lokalizuje hrana čočky tak, že se začne přibližně ve středu uvedené skupiny pixelů a pokračuje se směrem k okraji skupiny pikelů - do té doby, dokud se nelokalizuje pixel mající hodnotu intenzity charakteristickou pro hranu čočky.

Způsob podle nároku 6, vyznačený tím že se sledují další pixely, majícímu hodnotu intenzity, pro hranu čočky, a kontura pixelů majících hodnotu intenzity charakteristickou pr<

h r anu čočky. za účelem z jištění, zda tato kontura představu· je hranu čočky, či nikoliv.

které jsou nejblíže pixelů která je charakteristická tvořená souborem spojených

8. Způsob podle nároku 4, vyznač, ený tím, že se okolo uvedené hrany čočky sestrojí pracovní prstenec za účelem omezení počtu zpracovávaných pixelů pouze na <ť pixely ležící v blízkosti hrany uvedené čočky. ₊

9. Způsob podle nároku 4, vyznačený tím, že uvedený soubor pixelů zahrnující hranu uvedené čočky se dále rozdělí do dvou podsouborů za účelem provádění uvedeného porovnání, přičemž první podsoubor pixelů zahrnuje přechod z vnitřní části uvedené čočky ke hraně čočky a druhý podsoubor pixelů zahrnuje přechod z vnější oblasti čočky k uvedené hraně čočky.

b

10. Způsob podle nároku 9, vyznačený tím, že uvedené porovnání se provádí mezi pixely z podprogramu pixelů zahrnujících přechod z vnitřní části čočky k uvede4né hraně Čočky.

P

11. Způsob .podle. nároku. 9, ^vyznačený tím, že se uvedené porovnání provádí .

mezi pixely z podprogramu pixelů zahrnujících přechod z vnější oblasti uvedené čočky k uvedené hraně čočky.

12. Způsob podle nároku 9, vyznačený tím, že se uvedené porovnání provádí mezi pixely z podprogramu pixelů zahrnujících přechod z vnitřní části uvedené čočky k uvedené hraně čočky a pixely z podprogramu pixelů zahrnujících přechod z vnější oblasti uvedené čočky k uvedené

Φ hraně čočky.

13. Způsob podle nároku 4, vyznačený tím, že uvedeným porovnávaným vztahem je diskontinuita v pixelexh tvořících uvedenou hranu čočky.

14. ^Způsob podle nároku 4, vyznačený tím, že uvedeným porovnávaným vztahem je gradientní deviace v intenzitě pixelů tvořících uvedenou hranu čočky.

15. . Způsob podle nároku. 4, vyznačený tím, že uvedeným porovnávaným vztahem je radiální deviace v poloze pixelů tvořících .uvedenou hranu čočky.

16. Způsob podle nároku 4, vyznačený. tím, že uvedeným porovnávaným vztahem je prostorová deviace v poloze pixelů tvořících uvedenou hranu čočky.

17. Způsob kontroly oční čočky vyznačený tím že zahrnuje snímání obrazu oční čočky na alespoň jedné elektromagnetické frekvenci, přičemž uvedený obraz zahrnuje pixely, převedení uvedeného obrazu do souboru elektromagnetických hodnot -pro -k-a-ždý·· p-ixe-l·,·- ..... - zvolení výchozího pixelů v rámci obrazu, který se označí jako sledovaný pixel,

A) stanovení, zda má sledovaný pixel znakové vlastnosB) pro každý sledovaný pixel,, který nemá znakové vlastnosti,

1)nahrazení sledovaného pixelů dalším píxelem na trase protínající uvedenou hranu čoč ky a

2) opakování postupu A),

C) pro sledovaný pixel, který má znakové vlastnosti,

3) porovnání elektronické ·. i hodnoty sledovaného pixelu s elektronickými hodnotami sousedních pixelů,

4) nahrazení sledovaného pixelu sousedním pixelem s nejlepší korelací znakových vlastností,

5} opakování kroků 3) a 4) až do okamžiku, kdy sledovaný pixel reprezentuje kompletaci znaku, . 6) stanovení, zda soubor pixelů shromážděných postupem C) představuje hranu čočky,

D) pro ty soubory pixelů, které nepředstavují hranu čočky, opakování postupu B), a

E) pro. ty soubory pixelů, které představují hranu čočky, porovnání vztahu mezi souborem pixelů a předem určenými vztahy za účelem stanovení, zda je uvedená čočka přijatelná.

18. Způsob podle nároku· 17, vyznačený tím, že uvedená elektrinická hodnota zahrnuje polohu a intenzitu obrazu.

19. Způsob podle nároku 17, vyznačený tím, že se uvedený výchozí pixel lokalizuje v blízkosti středu uvedené čočky a dráha protínající hranu čočky je vedena podél polopřímky vycházející z uvedeného středu čočky.

20. Způsob podle nároku 19, vyznačený tím, že postup D) dále zahrnuje krok, který porovnává soubor pixelů, který nepředstavuje hranu čočky s předem určeným vztahem za účelem stanovení přijatelnosti čočky.

21. Způsob podle nároku 18, vyznačený tím, že uvedenou znakovou vlastností je změna intenzity obrazu.

22. Způsob podle nároku 19, vyznačený tím, .X že se průměrný střed uvedené čočky stanoví tak, že se vezme alespoň jeden soubor alespoň, tří bodů majících vlastnosti hrany.

23/ Způsob podle nároku 17, v y z n a č e-n ý tím , že uvedená elektronická hodnota zahrnuje polohu a gradient intenzity obrazu.

24. Způsob podle nároku 23, vyznačený tím, „ _že„ uvedenou-.znakovou ...vlastností. je_ absolutní „hodnota, gradientu intenzity obrazu.

25. Zařízení k provádění kontroly a vyhodnocování očních čoček, vyznačený tím,, že zahrnuje světelný

- 58 >

<Ό α>

S Ο ' Ti >

ο 0

Ο

Ο

GK ι C/I

·. ζ-ι ot

LC

ΟΙ zdroj (14) k osvětlení oční čočky (12), kameru (16) umístěnou tak, aby snímala obraz oční čočky (12) poskytnutý světelným zdrojem (14), přičemž kamera (16) zahrnuje receptor (20), ve kterém je obraz oční čočky (12) tvořen množinou pixelů, prostředky pro převedení intenzity světla dopadajícího na jednotlivé pixely receptoru (20) na elektronickou hodnotu odpovídající intenzitě světla dopadajícího na jednotlivé pixely, prostředky pro uložení hodnoty elektronické intenzity sdružené s jednotlivými pixely do paměti (46) spolu s informací týkající se polohy příslušných pixelů v obrazovém poli receptoru (20) a digitální počítač operativně spojený s pamětí (46), v níž jsou uloženy hodnoty týkající se elektronické intenzity a hodnoty týkající se polohy pixelů, který je schopen tyto hodnoty opět z paměti (46) vyjmout a který obsahuje instrukce pro porovnání hodnot týkajících se intenzity a polohy pixelů mezi jednotlivými pixely za účelem identifikace znaků čočky tvořené souborem-pixelů a další instrukce týkající se těch znaků, které činí oční čočku nepřijatelnou.

Zastupuje