JP2021119341A - 生産ラインスマート監視システム及び監視方法 - Google Patents
生産ラインスマート監視システム及び監視方法 Download PDFInfo
- Publication number
- JP2021119341A JP2021119341A JP2021003591A JP2021003591A JP2021119341A JP 2021119341 A JP2021119341 A JP 2021119341A JP 2021003591 A JP2021003591 A JP 2021003591A JP 2021003591 A JP2021003591 A JP 2021003591A JP 2021119341 A JP2021119341 A JP 2021119341A
- Authority
- JP
- Japan
- Prior art keywords
- image
- inspected
- training
- subsystem
- classification decision
- 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.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 46
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012549 training Methods 0.000 claims abstract description 147
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims description 36
- 230000008439 repair process Effects 0.000 claims description 12
- 230000002547 anomalous effect Effects 0.000 claims description 11
- 230000003190 augmentative effect Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims 3
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 25
- 238000007689 inspection Methods 0.000 abstract description 15
- 238000005259 measurement Methods 0.000 abstract description 9
- 238000012545 processing Methods 0.000 abstract description 6
- 238000010801 machine learning Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 17
- 230000006872 improvement Effects 0.000 description 7
- 238000011179 visual inspection Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000002950 deficient Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2155—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the incorporation of unlabelled data, e.g. multiple instance learning [MIL], semi-supervised techniques using expectation-maximisation [EM] or naïve labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/778—Active pattern-learning, e.g. online learning of image or video features
- G06V10/7784—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32193—Ann, neural base quality management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
(1)画像取得装置101は、複数の画像感知ユニット(図示せず)を含むことができ、前記画像感知ユニットは電荷結合素子(CCD)又は相補的金属酸化物半導体(CMOS)素子であってよく、画像取得装置101は更に画像感知ユニットが被検査対象物体画像Iに焦点を合わせるために用いる少なくとも1つのレンズ(図示せず)を含むことができる。
(2)トレーニングサブシステム102には、被検査対象物のタイプに対応する(例えば特定の管理番号に対応する)少なくとも1つのトレーニングモジュール1021が記録されることができる。トレーニングモジュール1021は、例えば、LeNet、AlexNet、VGGnet、NIN、GoogLeNet、MobileNet、SqueezeNet、ResNet、SiameseNet、NASNet、RNN又はその他の畳み込みニューラルネットワークに基づくトレーニングモデルであってよいが、これに限らない。一部のトレーニングモデルは、例えば、物体検出(Detection)、物体分割、物体分類などのタスクのトレーニングモデルに対応することができる。トレーニングモジュール1021はマーキングデータベース1022に接続でき、マーキングデータベース1022自体はデータベースホスト又はトレーニングサブシステム102に保存されている複数のデータテーブル(Table)の集合体であってよい。マーキングデータベース1022は、例えば事前マーキングを含む分類決定及び対応するトレーニングサンプル画像といった複数の事前トレーニングデータセットを保存することができ、また随時更新される複数の被検査対象物画像I及び複数の対応する分類決定(操作ステーション103から返送データを更新し、分類決定は更新後の分類決定C1’及び/又は第2分類決定C2であってよく、後に詳しく説明する)を保存することができる。
(3)操作ステーション103はトレーニングサブシステムに接続し、且つマーキングモジュール1031を実行する。またトレーニングサブシステム102を読み取ることで、ネットワークを通じ即時に各トレーニングモジュール1021のトレーニングモデルの重みパラメータを調整し、又はトレーニングモジュール1021が使用する事前トレーニングデータセットなどの情報を調整することができる。
(4)分類器サブシステム104は被検査対象物影像Iの画像特徴を解析するためにトレーニングモジュール1021を読み取り、分類決定C1を出して操作ステーション103に送信することができる。分類決定C1が異常と見なされた場合、分類決定C1は完全な画像及び少なくとも1つの再判定マークTを有する異常画像を含むことができる。好ましくは、本実施形態の分類決定C1は参考画像を更に含む。好ましくは、分類器サブシステム104が分類決定C1を出す前に、分類器サブシステム104又は画像取得装置101が被検査対象物画像Iに画像処理プログラムを実行する。前記画像処理プログラムは画像事前処理プログラム、画像分割プログラム(Region Segmentation)及び特徴抽出プログラムの中の1種又はその組み合わせであると定義されてよい。分類器サブシステム104が画像取得装置101から受信した被検査対象物体画像Iは、画像取得装置101が自動光学検査(Automated Optical Inspection、AOI)技術に基づき選別した複数の異常被検査対象画像であってよく、前記異常被検査対象画像は更に再判定マークTに対応する欠陥位置情報を含むことができる。
(5)マーキングモジュール1031は更新後の分類決定C1’を生成するために異常画像に関連する再判定操作OP1を入力し、操作ステーション103からトレーニングサブシステム102に送信することができる。またマーキングモジュール1031は第2再判定操作OP2を入力するために完全な画像に関連する判定漏れマーク(図示せず)をマーキングし、分類決定C1に取って代わる第2分類決定C2を生成し、操作ステーション103からトレーニングサブシステム102に送信することができる。
(6)マーキングモジュール1031はグラフィカルユーザーインターフェース(GUI)形式で操作ステーション103の表示画面に表示することができる。「図3」に示すように、分類決定C1は完全な画像、再判定マークT、参考画像R及び異常画像Eを含むことができ、再判定操作OP1は例えば図中の「GOOD」又は「NG」ボタン素子(Button)に触れることで生成でき、完全な画像は例えば表示モードの切り替えにより表示できるが、これに限らない。
(7)これにより、トレーニングサブシステム102は更新後の分類決定C1’及び第2分類決定C2に基づき、トレーニングモジュール1021及びトレーニングモジュール1021に接続されるマーキングデータベース1022を即時に更新することができる。即ち、更新後の分類決定C1’及び第2分類決定C2をマーキングデータベース1022の事前トレーニングデータセットに即時に入力することで、トレーニングモジュール1021は更新後の事前トレーニングデータセットに基づき、トレーニングモジュール1021のトレーニングモデルを即時に訓練することができる。
(8)例として、被検査対象物はプリント基板(PCBA)、ファスナー(Fasteners)、フレキシブルプリント基板(Flexible Print Circuit)、ゴム製品(Rubber)、医療画像(例えばレントゲン、超音波、CT、MRIなどの画像)、デジタル化された病理画像又は画像感知器(Image Sensor)などであってもよいが、これに限らない。例えばプリント基板を測定する場合、短絡、空きパッド、はんだの量が多い・少ない、ピンホール、異物などの状況があるか否かを監視できる。ファスナーを測定する場合、スクラッチ、異物、角欠けなどの状況があるか否かを監視できる。フレキシブルプリント基板又はゴム製品を測定する場合、スクラッチ、バリ、角欠け、異物などの状況があるか否かを監視できる。画像感知器を測定する場合、欠陥、異物などの状況があるか否かを監視できる。医療画像を測定する場合、病気の場所などを監視することができる。
101 画像取得装置
102 トレーニングサブシステム 1021 トレーニングモジュール
1022 マーキングデータベース
103 操作ステーション 1031 マーキングモジュール
R 参考画像
E 異常画像
OP1 再判定操作
C1’ 更新後の分類決定
OP2 第2再判定操作
C2 第2分類決定
1032 過去マーキング再判定モジュール
HC 過去分類決定
OP3 第3再判定操作
HC’ 更新後の過去分類決定
104 分類サブシステム 1041 マーキング選別ユニット
C1 分類決定
C1_LOW 分類決定
T 再判定マーク
105 画像関連性分析モジュール
106 第2画像取得装置 ARD 拡張現実ディスプレイ
Fix 修復箇所情報
I 被検査対象物画像
I_G 被検査対象物グループ画像
I’ 修復後被検査対象物画像
S1 生産ラインスマート監視方法
S105 グループ画像を分析する
S110 画像特徴を解析し、分類決定を出す
S120 自動でマークを選別する
S130 再判定操作を入力する
S140 トレーニングモジュールを即時更新する
S2 生産ラインスマート監視方法
S210 画像特徴を解析し、分類決定を出す
S220 修復後の画像及びマークを取得する
S230 トレーニングモジュールを即時更新する
Claims (21)
- 画像取得装置が被検査対象物から取得した少なくとも1つの被検査対象画像を監視するシステムであって、
トレーニングサブシステムと、操作ステーションと、分類器サブシステムとを含み、
前記トレーニングサブシステムは前記被検査対象物のタイプに対応するトレーニングモジュールが記録され、
前記操作ステーションは前記トレーニングサブシステムに接続され、マーキングモジュールを実行し、
前記分類器サブシステムは前記画像取得装置、前記トレーニングサブシステム及び前記操作ステーションにそれぞれ接続され、
前記分類器サブシステムは前記被検査対象物画像の画像特徴を解析するために前記トレーニングモジュールを読み取り、分類決定を出して前記操作ステーションに送信し、前記分類決定が異常と見なされた場合、前記分類決定は完全な画像及び少なくとも1つの再判定マークを有する異常画像を含み、
前記マーキングモジュールは前記分類決定を更新するために前記異常画像に関連する再判定操作を入力し、前記操作ステーションから前記トレーニングサブシステムに送信し、前記マーキングモジュールは第2再判定操作を入力するために前記完全な画像に関連する判定漏れマークをマーキングし、前記分類決定に取って代わる第2分類決定を生成し、前記操作ステーションから前記トレーニングサブシステムに送信し、
前記トレーニングサブシステムは更新後の前記分類決定及び前記第2分類決定に基づき、前記トレーニングモジュール、及び前記トレーニングモジュールに接続されるマーキングデータベースを即時に更新する、生産ラインスマート監視システム。 - 前記分類器サブシステムは信頼度が比較的低い前記分類決定を選別し、前記分類器サブシステムから操作ステーションに送信するマーキング選別ユニットを有する、請求項1に記載の生産ラインスマート監視システム。
- 前記操作ステーションは前記分類決定と関連性の高い過去分類決定を表示し、前記過去分類決定は少なくとも1つの過去マークを有する過去画像を含む過去マーキング再判定モジュールを実行し、前記過去マーキング再判定モジュールは前記トレーニングサブシステムに保存されている前記過去分類決定を更新するために前記過去分類決定に関連する第3再判定操作を入力する、
請求項1に記載の生産ラインスマート監視システム。 - 前記分類器サブシステムが前記画像取得装置から取得した少なくとも1つの被検査対象物画像は、前記画像取得装置がAOI技術に基づき選別した少なくとも1つの異常被検査対象物画像である、請求項1、請求項2又は請求項3に記載の生産ラインスマート監視システム。
- 画像取得装置が被検査対象物から取得した少なくとも1つの被検査対象画像を監視するシステムであって、
トレーニングサブシステムと、操作ステーションと、画像関連性分析モジュールと、分類器サブシステムとを含み、
前記トレーニングサブシステムは前記被検査対象物のタイプに対応するトレーニングモジュールが記録され、
前記操作ステーションは前記トレーニングサブシステムに接続され、マーキングモジュールを実行し、
前記画像関連性分析モジュールは前記画像取得装置に接続され、複数の前記被検査対象物画像から構成される被検査対象物グループ画像の分析を行い、グループ画像の中から少なくとも1つの差異画像特徴を抽出し、
前記分類器サブシステムは前記画像取得装置、前記画像関連性分析モジュール及び前記操作ステーションにそれぞれ接続され、
前記分類器サブシステムは前記差異画像特徴を解析するために前記トレーニングモジュールを読み取り、分類決定を出して前記操作ステーションに送信し、前記分類決定が異常と見なされた場合、前記分類決定は完全な画像及び少なくとも1つの再判定マークを有する異常画像を含み、
前記マーキングモジュールは前記分類決定を更新するために前記異常画像に関連する再判定操作を入力し、前記操作ステーションから前記トレーニングサブシステムに送信し、
また前記マーキングモジュールは前記完全な画像に関連する判定漏れマークをマーキングし、前記分類決定に取って代わる第2分類決定を生成し、前記操作ステーションから前記トレーニングサブシステムに送信し、前記トレーニングサブシステムは更新後の前記分類決定及び前記第2分類決定に基づき、前記トレーニングモジュール、及び前記トレーニングモジュールに接続されるマーキングデータベースを即時に更新する、生産ラインスマート監視システム。 - 前記分類器サブシステムは信頼度が比較的低い前記分類決定を選別し、前記分類器サブシステムから前記操作ステーションに送信するマーキング選別ユニットを有する、請求項5に記載の生産ラインスマート監視システム。
- 前記操作ステーションは前記分類決定と関連性の高い過去分類決定を表示し、前記過去分類決定は少なくとも1つの過去マークを有する過去画像を含む過去マーキング再判定モジュールを実行し、前記過去マーキング再判定モジュールは前記トレーニングサブシステムに保存されている前記過去分類決定を更新するために前記過去分類決定に関連する第3再判定操作を入力する、請求項5に記載の生産ラインスマート監視システム。
- 前記分類器サブシステムが前記画像取得装置から取得した少なくとも1つの被検査対象物画像は、前記画像取得装置がAOI技術に基づき選別した少なくとも1つの異常被検査対象物画像である、請求項5、請求項6又は請求項7に記載の生産ラインスマート監視システム。
- 画像取得装置が被検査対象物から取得した少なくとも1つの被検査対象画像を監視するシステムであって、
トレーニングサブシステムと、操作ステーションと、分類器サブシステムと、第2画像取得装置とを含み、
前記トレーニングサブシステムは被検査対象物のタイプに対応する少なくとも1つのトレーニングモジュールが記録され、
前記分類器サブシステムは前記画像取得装置、前記トレーニングサブシステム及び前記操作ステーションにそれぞれ接続され、
前記分類器サブシステムは前記被検査対象物画像の画像特徴を解析するために前記トレーニングモジュールを読み取り、分類決定を出して前記操作ステーションに送信し、前記分類決定が異常と見なされた場合、前記分類決定は少なくとも1つの異常画像を含み、
前記第2画像取得装置は前記操作ステーション及び前記トレーニングサブシステムにそれぞれ接続され、前記異常画像を基に修復された前記被検査対象物画像を取得することで、少なくとも1つの修復後被検査対象物画像を取得し、前記修復後被検査対象物画像を非異常画像と見なして、前記第2画像取得装置から前記トレーニングサブシステムに送信し、前記トレーニングサブシステムはマーキングされた前記画像差異特徴、及び前記修復後被検査対象物画像を基に、前記トレーニングモジュール、及び前記トレーニングモジュールに接続されるマーキングデータベースを即時に更新する、生産ラインスマート監視システム。 - 前記第2画像取得装置は前記分類決定を拡張現実ディスプレイに表示させる拡張現実ディスプレイであって、修復箇所情報を前記被検査対象物画像、及び前記修復後被検査対象物間に存在する画像差異特徴として指定するために、前記被検査対象物の修復時における前記修復箇所情報を記録し、前記第2画像取得装置から前記トレーニングサブシステムに送信し、前記トレーニングサブシステムはマーキングされた前記画像差異特徴、及び前記修復後被検査対象物画像を基に、前記トレーニングモジュール、及び前記トレーニングモジュールに接続されるマーキングデータベースを即時に更新する、請求項9に記載の生産ラインスマート監視システム。
- 前記分類器サブシステムが前記画像取得装置から取得した少なくとも1つの前記被検査対象物画像は、前記画像取得装置がAOI技術に基づき選別した少なくとも1つの異常被検査対象物画像である、請求項9又は請求項10に記載の生産ラインスマート監視システム。
- 画像取得装置が被検査対象物画像を取得し、少なくとも1つの被検査対象物画像を取得した後、
(A)分類器サブシステムは前記被検査対象物画像の画像特徴を解析するためにトレーニングモジュールを読み取り、少なくとも1つの分類決定を出して操作ステーションに送信し、前記分類決定が異常と見なされた場合、前記分類決定は完全な画像及び再判定マークを有する異常画像を含む、画像特徴を解析し分類決定を出すステップと、
(B)、前記再判定マークが複数ある場合、前記分類器サブシステムは信頼度が比較的低い前記分類決定を選別し、前記分類器サブシステムから前記操作ステーションに送信する、自動でマークを選別するステップと、
(C)前記操作ステーションのマーキングモジュールは前記分類決定を更新するために前記異常画像に関連する再判定操作を入力し、前記操作ステーションから前記トレーニングサブシステムに送信する、再判定操作を入力するステップと、
(D)前記トレーニングシステムは更新後の前記分類決定に基づき、前記トレーニングモジュール、及び前記トレーニングモジュールに接続されるマーキングデータベースを即時に更新する、トレーニングモジュールを即時に更新するステップ、
を実行することができる、生産ラインスマート監視方法。 - ステップ(C)実行時、前記マーキングモジュールは第2再判定操作を入力し、前記分類決定に取って代わる第2分類決定を生成するために、前記完全な画像に関連する判定漏れマークをマーキングし、前記操作ステーションから前記トレーニングサブシステムに送信し、その後、ステップ(D)実行時、前記トレーニングサブシステムは前記第2分類決定に基づき、前記トレーニングモジュール及び前記マーキングデータべースを即時に更新する、請求項12に記載の生産ラインスマート監視方法。
- ステップ(B)実行時、前記操作ステーションは前記分類決定と関連性の高い過去分類決定を表示し、前記過去分類決定は少なくとも1つの過去マークを有する過去画像を含み、過去マーキング再判定モジュールに前記過去分類決定に関連する第3再判定操作を入力させることで、前記トレーニングサブシステムに保存されている前記過去分類決定を更新する、請求項12に記載の生産ラインスマート監視方法。
- ステップ(A)実行前、前記分類器サブシステムが前記画像取得装置から取得した少なくとも1つの前記被検査対象物画像は、前記画像取得装置がAOI技術に基づき選別した少なくとも1つの異常被検査対象物画像である、請求項12、請求項13又は請求項14に記載の生産ラインスマート監視方法。
- 画像取得装置が被検査対象物画像を取得し、少なくとも1つの被検査対象物画像を取得した後、
(A)画像関連性分析モジュールが複数の前記被検査対象物画像から構成される被検査対象物グループ画像の分析を行い、複数の前記被検査対象物画像間に差異がある場合、前記画像関連性分析モジュールはグループ画像の中から少なくとも1つの差異画像特徴を抽出し、複数の前記被検査対象物画像の間に差異がない場合、前記画像関連性分析モジュールは前記被検査対象物グループ画像を前記分類器サブシステムに転送する、グループ画像を分析するステップと、
(B)複数の前記被検査対象物画像の間に差異がある場合、分類器サブシステムは前記異なる画像特徴を解析するためにトレーニングモジュールを読み取り分類決定を出し、複数の前記被検査対象物画像の間に差異がない場合、前記分類器サブシステムは複数の前記被検査対象物画像の画像特徴を解析するために前記トレーニングモジュールを読み取り、前記分類決定を出し、前記分類決定は前記分類器サブシステムから操作ステーションに発信され、前記分類決定が異常と見なされた場合、前記分類決定は完璧な画像及び少なくとも1つの再判定マークを有する異常画像を含む、画像特徴を解析し分類決定を出すステップと、
(C)、前記再判定マークが複数ある場合、前記分類器サブシステムは信頼度が比較的低い前記分類決定を選別し、前記分類器サブシステムから前記操作ステーションに送信する、自動でマークを選別するステップと、
(D)前記操作ステーションのマーキングモジュールは前記分類決定を更新するために前記異常画像に関連する再判定操作を入力し、前記操作ステーションから前記トレーニングサブシステムに送信する、再判定操作を入力するステップと、
(E)前記トレーニングシステムは更新後の前記分類決定に基づき、前記トレーニングモジュール、及び前記トレーニングモジュールに接続されるマーキングデータベースを即時に更新する、トレーニングモジュールを即時に更新するステップ、
を実行することができる、生産ラインスマート監視方法。 - ステップ(D)実行時、前記マーキングモジュールは第2再判定操作を入力し前記分類決定に取って変わる第2分類決定を生成するために、前記完全な画像に関連する判定漏れマークをマーキングし、前記操作ステーションから前記トレーニングサブシステムに送信し、その後、ステップ(E)実行時、前記トレーニングサブシステムは前記第2分類決定に基づき、前記トレーニングモジュール及び前記マーキングデータベースを即時に更新する、請求項16に記載の生産ラインスマート監視方法。
- ステップ(C)実行時、前記操作ステーションは前記分類決定と関連性の高い過去分類決定を表示し、前記過去分類決定は少なくとも1つの過去マークを有する過去画像を含み、過去マーキング再判定モジュールに前記過去分類決定に関連する第3再判定操作を入力させることで、前記トレーニングサブシステムに保存されている前記過去分類決定を更新する、請求項16に記載の生産ラインスマート監視方法。
- ステップ(A)実行前、前記分類器サブシステムが前記画像取得装置から取得した少なくとも1つの前記被検査対象物画像は、前記画像取得装置がAOI技術に基づき選別した少なくとも1つの異常被検査対象物画像である、請求項16、請求項17又は請求項18に記載の生産ラインスマート監視方法。
- 画像取得装置が被検査対象物画像を取得し、少なくとも1つの被検査対象物画像を取得した後、
(A)分類器サブシステムは前記被検査対象物画像の画像特徴を解析するためにトレーニングモジュールを読み取り、少なくとも1つの分類決定を出して操作ステーションに送信し、前記分類決定が異常と見なされた場合、前記分類決定は少なくとも異常画像を含む、画像特徴を解析し分類決定を出すステップと、
(B)第2画像取得装置は前記異常画像に基づき修復された前記被検査対象物画像を取得することで、少なくとも1つの修復後被検査対象物画像を取得し、前記被検査対象物画像と前記修復後被検査対象物画像間の少なくとも1つの画像差異特徴をマーキングし、前記修復後被検査対象物画像を非異常画像と見なして、前記第2画像取得装置から前記トレーニングサブシステムに送信する、修復後の画像及びマークを取得するステップと、
(C)前記トレーニングシステムはマーキングされた前記画像差異特徴、及び前記修復後被検査対象物画像に基づき、前記トレーニングモジュール、及び前記トレーニングモジュールに接続されるマーキングデータベースを即時に更新する、即時にトレーニングモジュールを更新するステップ、
を実行することができる、
生産ラインスマート監視方法。 - ステップ(A)実行前、前記分類器サブシステムが前記画像取得装置から取得した少なくとも1つの前記被検査対象物画像は、前記画像取得装置がAOI技術に基づき選別した少なくとも1つの異常被検査対象物画像である、請求項20に記載の生産ラインスマート監視方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109101082A TWI707137B (zh) | 2020-01-13 | 2020-01-13 | 智能產線監測系統及監測方法 |
TW109101082 | 2020-01-13 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021119341A true JP2021119341A (ja) | 2021-08-12 |
JP2021119341A5 JP2021119341A5 (ja) | 2024-02-06 |
Family
ID=74103638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021003591A Pending JP2021119341A (ja) | 2020-01-13 | 2021-01-13 | 生産ラインスマート監視システム及び監視方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11947345B2 (ja) |
JP (1) | JP2021119341A (ja) |
CN (1) | CN113111903A (ja) |
DE (1) | DE102021100496A1 (ja) |
SG (1) | SG10202100377SA (ja) |
TW (1) | TWI707137B (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI748685B (zh) * | 2020-10-13 | 2021-12-01 | 中華電信股份有限公司 | 優化聯合物件偵測模型的方法及伺服器 |
CN115147329A (zh) * | 2021-03-29 | 2022-10-04 | 北京小米移动软件有限公司 | 一种柔性面板的修复方法、装置、设备及存储介质 |
IT202100025502A1 (it) * | 2021-10-07 | 2023-04-07 | Innoida S R L | Metodo di automatizzazione dei processi di controllo qualita’ in ambito manifatturiero |
CN116165220B (zh) * | 2023-04-25 | 2023-07-04 | 苏州鑫信腾科技有限公司 | 一种基于人工智能的aoi内观检测装置及方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7599894B2 (en) * | 2005-03-04 | 2009-10-06 | Hrl Laboratories, Llc | Object recognition using a cognitive swarm vision framework with attention mechanisms |
US8116575B1 (en) * | 2008-02-26 | 2012-02-14 | Hrl Laboratories, Llc | System for anomaly detection using sub-space analysis |
US20160065306A1 (en) * | 2014-09-02 | 2016-03-03 | Chin Sheng Henry Chong | System and method for green communication for intelligent mobile internet of things |
US10937168B2 (en) * | 2015-11-02 | 2021-03-02 | Cognex Corporation | System and method for finding and classifying lines in an image with a vision system |
CN106203523B (zh) * | 2016-07-17 | 2019-03-01 | 西安电子科技大学 | 基于梯度提升决策树半监督算法融合的高光谱图像分类方法 |
US10699926B2 (en) * | 2017-08-30 | 2020-06-30 | Kla-Tencor Corp. | Identifying nuisances and defects of interest in defects detected on a wafer |
JP6936958B2 (ja) * | 2017-11-08 | 2021-09-22 | オムロン株式会社 | データ生成装置、データ生成方法及びデータ生成プログラム |
EP3564846A1 (en) * | 2018-04-30 | 2019-11-06 | Merck Patent GmbH | Methods and systems for automatic object recognition and authentication |
TW202001795A (zh) * | 2018-06-29 | 2020-01-01 | 由田新技股份有限公司 | 瑕疵分類標記系統及瑕疵分類標記方法 |
TWI667575B (zh) * | 2018-06-29 | 2019-08-01 | 由田新技股份有限公司 | 利用人工智慧的瑕疵檢測系統及其方法 |
US20200005422A1 (en) * | 2018-06-29 | 2020-01-02 | Photogauge, Inc. | System and method for using images for automatic visual inspection with machine learning |
CA3161159A1 (en) * | 2019-11-12 | 2021-05-20 | Bright Machines, Inc. | Image analysis system for testing in manufacturing |
WO2021120186A1 (zh) * | 2019-12-20 | 2021-06-24 | 京东方科技集团股份有限公司 | 分布式产品缺陷分析***、方法及计算机可读存储介质 |
-
2020
- 2020-01-13 TW TW109101082A patent/TWI707137B/zh active
-
2021
- 2021-01-05 CN CN202110009665.9A patent/CN113111903A/zh active Pending
- 2021-01-12 US US17/147,231 patent/US11947345B2/en active Active
- 2021-01-13 JP JP2021003591A patent/JP2021119341A/ja active Pending
- 2021-01-13 SG SG10202100377SA patent/SG10202100377SA/en unknown
- 2021-01-13 DE DE102021100496.9A patent/DE102021100496A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
CN113111903A (zh) | 2021-07-13 |
DE102021100496A1 (de) | 2021-08-12 |
TW202127014A (zh) | 2021-07-16 |
US11947345B2 (en) | 2024-04-02 |
SG10202100377SA (en) | 2021-08-30 |
TWI707137B (zh) | 2020-10-11 |
US20210216062A1 (en) | 2021-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021119341A (ja) | 生産ラインスマート監視システム及び監視方法 | |
US11449980B2 (en) | System and method for combined automatic and manual inspection | |
TWI689875B (zh) | 利用深度學習系統的自動光學檢測分類設備及其訓練設備 | |
CN110659662B (zh) | 利用人工智能的瑕疵检测***及其方法 | |
US20190197356A1 (en) | Data generation apparatus, data generation method, and data generation program | |
JP3834041B2 (ja) | 学習型分類装置及び学習型分類方法 | |
CN110021005A (zh) | 电路板瑕疵筛选方法及其装置与计算机可读取记录介质 | |
KR20210008352A (ko) | 촬상된 품목의 결함을 검출하기 위한 시스템 및 방법 | |
CN1323369C (zh) | 图像识别装置和方法以及图像识别装置的示教装置和方法 | |
CN113222913B (zh) | 一种电路板缺陷检测定位方法、装置和存储介质 | |
WO2024002187A1 (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
EP4009038A1 (en) | Method and device for detecting mechanical equipment parts | |
CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
JP2012173017A (ja) | 欠陥分類装置 | |
JP2014126445A (ja) | 位置合せ装置、欠陥検査装置、位置合せ方法、及び制御プログラム | |
JP7440823B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN117589770A (zh) | Pcb贴片板检测方法、装置、设备及介质 | |
CN104471539B (zh) | 用于机器视觉分析的分布式处理***及方法 | |
JP2006251561A (ja) | 欠陥画素リペア方法 | |
WO2010061771A1 (ja) | 観察条件決定支援装置および観察条件決定支援方法 | |
JP4813071B2 (ja) | マクロ画像表示システム及びマクロ画像表示方法 | |
CN114429441A (zh) | 一种异常检测方法及装置、设备、存储介质 | |
TWI786484B (zh) | 用於影像標記標準化的方法、電子裝置及電腦程式產品 | |
WO2024095721A1 (ja) | 画像処理装置および画像処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231226 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240129 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20240129 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240319 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240618 |