JP2021515885A - 照明条件を設定する方法、装置、システム及びプログラム並びに記憶媒体 - Google Patents
照明条件を設定する方法、装置、システム及びプログラム並びに記憶媒体 Download PDFInfo
- Publication number
- JP2021515885A JP2021515885A JP2020543616A JP2020543616A JP2021515885A JP 2021515885 A JP2021515885 A JP 2021515885A JP 2020543616 A JP2020543616 A JP 2020543616A JP 2020543616 A JP2020543616 A JP 2020543616A JP 2021515885 A JP2021515885 A JP 2021515885A
- Authority
- JP
- Japan
- Prior art keywords
- lighting
- machine learning
- parameters
- learning model
- inspection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 174
- 238000003860 storage Methods 0.000 title claims abstract description 26
- 238000007689 inspection Methods 0.000 claims abstract description 289
- 238000010801 machine learning Methods 0.000 claims abstract description 110
- 238000005286 illumination Methods 0.000 claims abstract description 92
- 238000012549 training Methods 0.000 claims abstract description 39
- 230000006870 function Effects 0.000 claims description 52
- 238000012545 processing Methods 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 19
- 238000010586 diagram Methods 0.000 abstract description 3
- 238000003384 imaging method Methods 0.000 description 103
- 230000007547 defect Effects 0.000 description 56
- 238000011156 evaluation Methods 0.000 description 36
- 230000015654 memory Effects 0.000 description 27
- 238000005457 optimization Methods 0.000 description 18
- 238000013461 design Methods 0.000 description 16
- 238000001514 detection method Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 12
- 238000011179 visual inspection Methods 0.000 description 12
- 238000013135 deep learning Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000010191 image analysis Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 238000003491 array Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000008451 emotion Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000013100 final test Methods 0.000 description 2
- 230000001771 impaired effect Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/845—Objects on a conveyor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
- G01N2201/1296—Using chemometrical methods using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Immunology (AREA)
- Multimedia (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
Description
これにより、全てのワークが全ての結像条件で撮像され、その画像は記憶144に記憶される。保存されたM×N個の画像を
Lεに置き換えられる。これにより、照明パラメータと検査アルゴリズムパラメータを算出する。
2:ベルトコンベヤー
4:ワーク
6:イメージングビュー
8:上位層ネットワーク
10:PLC
12:データベース装置
100:欠陥検査装置
102:カメラ
104:ディスプレイ
106:キーボード
108:マウス
110:プロセッサ
112:メインメモリ
114:カメラインターフェース
116:入力インターフェース
118:ディスプレイインターフェース
120:通信インターフェース
122:内部バス
130:メモリ
132:画像処理プログラム
134:OS
136:学習器パラメータ
138:撮像画像
140:照明パラメータ
141:撮像部
142:設定部
143:検査部
144:記憶部
1431:学習器
これにより、全てのワークが全ての結像条件で撮像され、その画像は記憶部144に記憶される。保存されたM×N個の画像を
2:ベルトコンベヤー
4:ワーク
6:イメージングビュー
8:上位層ネットワーク
10:PLC
12:データベース装置
100:欠陥検査装置
102:カメラ
104:ディスプレイ
106:キーボード
108:マウス
110:プロセッサ
112:メインメモリ
114:カメラインターフェース
116:入力インターフェース
118:ディスプレイインターフェース
120:通信インターフェース
122:内部バス
130:メモリ
132:画像処理プログラム
134:OS
136:学習器パラメータ
138:撮像画像
140:照明パラメータ
141:撮像部
142:設定部
143:検査部
144:記憶部
1431:学習器
Claims (15)
- 検査モジュールは、対象を検査するために使用する機械学習モデルを含み、前記機械学習モデルは、画像を含む学習データを使用することによって生成される方法において、前記対象が撮像される際の照明条件を規定する照明パラメータを変更できる光源によって前記対象を照明し、複数の照明パラメータでイメージセンサによって前記対象を撮像し、前記複数の照明パラメータに対応する撮像画像を取得し、前記対象は既知のラベルデータを有することと、
前記対象の前記複数の照明パラメータに対応する前記撮像画像の一部または全て及び対応する前記ラベルデータを前記機械学習モデルの学習に適用し、前記機械学習モデルの推定結果と前記対象の前記ラベルデータの比較結果に基づいて、前記照明パラメータ及び検査アルゴリズムパラメータの両方を同時に最適化することで、前記機械学習モデルの前記照明条件と前記検査アルゴリズムパラメータの両方を同時に設定することを含む、ことを特徴とする対象を検査する際の照明条件を設定する方法。 - 検査モジュールは、対象を検査するために使用する機械学習モデルを含み、前記機械学習モデルは、画像を含む学習データを使用することによって生成される方法において、
前記対象が撮像される際の照明条件を規定する照明パラメータを変更できる光源によって前記対象を照明し、複数の照明パラメータでイメージセンサによって前記対象を撮像し、前記複数の照明パラメータに対応する複数の撮像画像を取得し、前記対象は既知のラベルデータを有することと、
前記複数の照明パラメータに対応する前記撮像画像の一部または全てを、既に学習を実行した機械学習モデルに適用し、前記機械学習モデルの推定結果と前記対象のラベルデータとの比較結果に基づいて、所定の照明パラメータの選択のみを最適化して前記照明条件を設定することを含む、ことを特徴とする対象を検査する際の照明条件を設定する方法。 - 既に学習を実行した前記機械学習モデルに前記複数の照明パラメータに対応する前記撮像画像の一部または全てを適用する方法であって、
前記機械学習モデルの検査アルゴリズムパラメータの一部または全てを更新するために、前記対象の前記撮像画像及び対応する前記ラベルデータを含む学習データを前記機械学習モデルの追加学習に適用し、前記ラベルデータは前記対象の検査特徴を表すことと、
前記機械学習モデルの前記推定結果が前記ラベルデータと一致するように、前記機械学習モデルの前記照明パラメータ及び一部または全ての前記検査アルゴリズムパラメータ両者の選択を最適化することと、
を含む、請求項2に記載の方法。 - 前記照明条件を設定するとき、最適な照明条件を見つけるために既に学習を実行した前記機械学習モデルに適用される前記撮像画像の数は、前記機械学習モデルの学習に適用される前記撮像画像の数よりも少ない、請求項2または3に記載の方法。
- 前記照明パラメータは、光源の発光位置と発光強度を含む、請求項1または2に記載の方法。
- 前記検査モジュールを使用して前記対象を検査する際の前記照明条件の設定は、
前記比較結果を表す損失関数を最小化する、損失関数の変数である前記照明パラメータを選択することを含み、
前記選択は、所定の範囲の前記照明パラメータについて、前記損失関数の損失平均を最小化する前記照明パラメータを選択することを含む請求項1または2に記載の方法。 - 検査モジュールは、対象を検査するために使用する機械学習モデルを含み、前記機械学習モデルは、画像を含む学習データを使用することによって生成される装置において、
前記対象に関する撮像画像を取得する取得ユニットであって、前記対象が撮像される際の前記照明条件を規定する照明パラメータを変更することができる光源によって照明し、複数の照明パラメータでイメージセンサによって前記対象を撮像し、前記複数の照明パラメータに対応する前記撮像画像を取得し、前記対象は既知のラベルデータを有する取得ユニットと、
前記対象の前記複数の照明パラメータに対応する前記撮像画像の一部または全て及び対応する前記ラベルデータを機械学習モデルの学習に適用し、前記機械学習モデルの推定結果と前記対象の前記ラベルデータの比較結果に基づいて、前記照明パラメータ及び検査アルゴリズムパラメータの両方を同時に最適化することで、前記機械学習モデルの前記照明条件と前記検査アルゴリズムパラメータの両方を設定する設定ユニットと、
を含む、ことを特徴とする対象を検査する際の照明条件を設定する装置。 - 検査モジュールは、対象を検査するために使用する機械学習モデルを含み、前記機械学習モデルは、画像を含む学習データを使用することによって生成される装置において、
前記対象に関する撮像画像を取得する取得ユニットであって、前記対象が撮像される際の前記照明条件を規定する照明パラメータを変更できる光源によって照明し、複数の照明パラメータでイメージセンサによって前記対象を撮像し、前記複数の照明パラメータに対応する前記撮像画像を取得し、前記対象は既知のラベルデータを有する取得ユニットと、
前記複数の照明パラメータに対応する前記撮像画像の一部または全てを、既に学習を実行した前記機械学習モデルに適用し、前記機械学習モデルの推定結果と前記対象のラベルデータとの比較結果に基づいて、所定の照明パラメータの選択のみを最適化することで、前記照明条件を設定する設定ユニットと、
を含むことを特徴とする対象を検査する際の照明条件を設定する装置。 - 前記設定ユニットは、
前記機械学習モデルの一部または全ての検査アルゴリズムパラメータを更新するために、前記対象の前記撮像画像及び対応する前記ラベルデータを含む学習データを前記機械学習モデルの追加学習に適用し、前記ラベルデータは前記対象の検査特徴を表し、
前記機械学習モデルの前記推定結果が前記ラベルデータと一致するように、前記機械学習モデルの前記照明パラメータと一部または全ての前記検査アルゴリズムパラメータ両者の選択を最適化する、請求項8に記載の装置。 - 前記照明条件を設定するとき、最適な照明条件を見つけるために既に学習を実行した前記機械学習モデルに適用される前記撮像画像の数は、前記機械学習モデルの学習に適用される前記撮像画像の数よりも少ない、請求項7または8に記載の装置。
- 前記照明パラメータは、光源の発光位置と発光強度を含む、請求項7または8に記載の装置。
- 前記比較結果を表す損失関数を最小化する、損失関数の変数である前記照明パラメータを選択し、
前記選択は、所定の範囲の前記照明パラメータについて、前記損失関数の損失平均を最小化する前記照明パラメータを選択することを含む、請求項7または8に記載の装置。 - 請求項1から6のいずれか一項に記載の方法を実行する処理部を備えることを特徴とする、対象を検査する際の照明条件を設定するシステム。
- 実行されると、請求項1から6のいずれか一項に記載の方法を実行することを特徴とするプログラム。
- プログラムを記憶し、前記プログラムが実行されると、請求項1から6のいずれか一項に記載の方法を実行することを特徴とする、記憶媒体。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/IB2018/051413 WO2019171124A1 (en) | 2018-03-06 | 2018-03-06 | Method, device, system and program for setting lighting condition and storage medium |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021515885A true JP2021515885A (ja) | 2021-06-24 |
JP7131617B2 JP7131617B2 (ja) | 2022-09-06 |
Family
ID=62186499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020543616A Active JP7131617B2 (ja) | 2018-03-06 | 2018-03-06 | 照明条件を設定する方法、装置、システム及びプログラム並びに記憶媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11631230B2 (ja) |
EP (1) | EP3762795B1 (ja) |
JP (1) | JP7131617B2 (ja) |
CN (1) | CN111712769B (ja) |
WO (1) | WO2019171124A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7006567B2 (ja) * | 2018-11-09 | 2022-01-24 | オムロン株式会社 | 撮影方法及び撮影装置 |
DE102019209152A1 (de) * | 2019-06-25 | 2020-12-31 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum sicheren Identifizieren von Objekten in Videobildern |
DE102019132830A1 (de) * | 2019-12-03 | 2021-06-10 | Krones Aktiengesellschaft | Verfahren und Vorrichtung zur Erkennung von umgefallenen und/oder beschädigten Behältern in einem Behältermassenstrom |
CN115398228A (zh) * | 2020-03-31 | 2022-11-25 | 杰富意钢铁株式会社 | 金属组织的拍摄条件确定方法、金属组织的拍摄方法、金属组织的相分类方法、金属组织的拍摄条件确定装置、金属组织的拍摄装置、金属组织的相分类装置、金属材料的材料特性预测方法及金属材料的材料特性预测装置 |
KR20220117324A (ko) * | 2020-05-20 | 2022-08-23 | 구글 엘엘씨 | 다양한 초상화들로부터 학습 조명 |
CN112883842B (zh) * | 2021-02-02 | 2022-12-16 | 四川省机械研究设计院(集团)有限公司 | 基于零件与光源相互匹配的摩托车发动机装配方法与*** |
EP4102425A1 (de) * | 2021-06-10 | 2022-12-14 | Siemens Aktiengesellschaft | Computerimplementierte datenstruktur, verfahren, inspektionsvorrichtung und system zum übermitteln eines modells für maschinelles lernen |
CN113670935A (zh) * | 2021-08-25 | 2021-11-19 | 武汉中导光电设备有限公司 | 一种半导体晶圆缺陷检测设备及检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001343336A (ja) * | 2000-05-31 | 2001-12-14 | Nidek Co Ltd | 欠陥検査方法及び欠陥検査装置 |
JP2004191112A (ja) * | 2002-12-10 | 2004-07-08 | Ricoh Co Ltd | 欠陥検査方法 |
JP2012189390A (ja) * | 2011-03-09 | 2012-10-04 | Sumitomo Electric Ind Ltd | 毛髪検出装置 |
WO2015188275A1 (en) * | 2014-06-10 | 2015-12-17 | Sightline Innovation Inc. | System and method for network based application development and implementation |
JP2017122580A (ja) * | 2014-04-08 | 2017-07-13 | 株式会社日立ハイテクノロジーズ | 検査装置及び検査条件決定方法 |
CN107576618A (zh) * | 2017-07-20 | 2018-01-12 | 华南理工大学 | 基于深度卷积神经网络的水稻穗瘟检测方法及*** |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL177689A0 (en) | 2005-08-26 | 2006-12-31 | Camtek Ltd | Method and system for automatic defect detection of articles in visual inspection machines |
JPWO2011155123A1 (ja) * | 2010-06-07 | 2013-08-01 | 株式会社日立ハイテクノロジーズ | 観察画像の分類基準の最適化方法、および画像分類装置 |
EP2887055B1 (en) | 2013-12-17 | 2016-05-11 | CSEM Centre Suisse d'Electronique et de Microtechnique SA - Recherche et Développement | Method and apparatus for detection of visible defects |
CN103868935A (zh) * | 2014-02-14 | 2014-06-18 | 中国科学院合肥物质科学研究院 | 基于计算机视觉的烟支外观质量检测方法 |
JP6632288B2 (ja) * | 2014-12-12 | 2020-01-22 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラム |
US20170069075A1 (en) * | 2015-09-04 | 2017-03-09 | Canon Kabushiki Kaisha | Classifier generation apparatus, defective/non-defective determination method, and program |
JP2017049974A (ja) | 2015-09-04 | 2017-03-09 | キヤノン株式会社 | 識別器生成装置、良否判定方法、およびプログラム |
JP7028333B2 (ja) * | 2018-03-05 | 2022-03-02 | オムロン株式会社 | 照明条件の設定方法、装置、システム及びプログラム並びに記憶媒体 |
-
2018
- 2018-03-06 EP EP18725294.5A patent/EP3762795B1/en active Active
- 2018-03-06 US US16/970,376 patent/US11631230B2/en active Active
- 2018-03-06 WO PCT/IB2018/051413 patent/WO2019171124A1/en unknown
- 2018-03-06 JP JP2020543616A patent/JP7131617B2/ja active Active
- 2018-03-06 CN CN201880089417.6A patent/CN111712769B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001343336A (ja) * | 2000-05-31 | 2001-12-14 | Nidek Co Ltd | 欠陥検査方法及び欠陥検査装置 |
JP2004191112A (ja) * | 2002-12-10 | 2004-07-08 | Ricoh Co Ltd | 欠陥検査方法 |
JP2012189390A (ja) * | 2011-03-09 | 2012-10-04 | Sumitomo Electric Ind Ltd | 毛髪検出装置 |
JP2017122580A (ja) * | 2014-04-08 | 2017-07-13 | 株式会社日立ハイテクノロジーズ | 検査装置及び検査条件決定方法 |
WO2015188275A1 (en) * | 2014-06-10 | 2015-12-17 | Sightline Innovation Inc. | System and method for network based application development and implementation |
CN107576618A (zh) * | 2017-07-20 | 2018-01-12 | 华南理工大学 | 基于深度卷积神经网络的水稻穗瘟检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
EP3762795B1 (en) | 2024-05-01 |
US20200410270A1 (en) | 2020-12-31 |
US11631230B2 (en) | 2023-04-18 |
CN111712769A (zh) | 2020-09-25 |
EP3762795A1 (en) | 2021-01-13 |
JP7131617B2 (ja) | 2022-09-06 |
CN111712769B (zh) | 2023-08-01 |
WO2019171124A1 (en) | 2019-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021515885A (ja) | 照明条件を設定する方法、装置、システム及びプログラム並びに記憶媒体 | |
CN111179251B (zh) | 基于孪生神经网络利用模板比对的缺陷检测***及方法 | |
JP7028333B2 (ja) | 照明条件の設定方法、装置、システム及びプログラム並びに記憶媒体 | |
CN106875373B (zh) | 基于卷积神经网络剪枝算法的手机屏幕mura缺陷检测方法 | |
KR102166458B1 (ko) | 인공신경망 기반의 영상 분할을 이용한 불량 검출 방법 및 불량 검출 장치 | |
CN112088387B (zh) | 检测成像物品缺陷的***和方法 | |
US11715190B2 (en) | Inspection system, image discrimination system, discrimination system, discriminator generation system, and learning data generation device | |
CN111612737B (zh) | 一种人造板表面瑕疵检测装置及检测方法 | |
CN112567428B (zh) | 摄影方法及摄影装置 | |
CN116188475B (zh) | 一种外观缺陷自动光学检测的智慧控制方法、***及介质 | |
CN109840900B (zh) | 一种应用于智能制造车间的故障在线检测***及检测方法 | |
CN111667455A (zh) | 一种刷具多种缺陷的ai检测方法 | |
CN102221559A (zh) | 基于机器视觉的织物疵点在线自动检测方法及其装置 | |
US20220245402A1 (en) | Ai-based pre-training model determination system, and ai-based vision inspection management system using same for product production lines | |
CN114494780A (zh) | 基于特征对比的半监督工业缺陷检测方法及*** | |
CN114972216A (zh) | 一种纹理表面缺陷检测模型的构建方法及其应用 | |
JPWO2020071234A1 (ja) | 画像処理装置、画像処理方法、外観検査システムおよびコンピュータプログラム | |
Ekambaram et al. | Identification of defects in casting products by using a convolutional neural network | |
CN116843615B (zh) | 一种基于柔性光路的引线框架智能全检方法 | |
CN212646436U (zh) | 一种人造板表面瑕疵检测装置 | |
CN113870342A (zh) | 外观缺陷检测方法、智能终端以及存储装置 | |
CN113267506A (zh) | 木板ai视觉缺陷检测装置、方法、设备及介质 | |
Mih et al. | TransferD2: Automated Defect Detection Approach in Smart Manufacturing using Transfer Learning Techniques | |
Wang et al. | A Casting Surface Dataset and Benchmark for Subtle and Confusable Defect Detection in Complex Contexts | |
CN117078608B (zh) | 一种基于双掩码引导的高反光皮革表面缺陷检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201104 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201104 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211026 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211223 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220510 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220704 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220726 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220808 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7131617 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |