JP7026727B2 - Lighting equipment for visual inspection, visual inspection equipment and blister packaging machine - Google Patents
Lighting equipment for visual inspection, visual inspection equipment and blister packaging machine Download PDFInfo
- Publication number
- JP7026727B2 JP7026727B2 JP2020087987A JP2020087987A JP7026727B2 JP 7026727 B2 JP7026727 B2 JP 7026727B2 JP 2020087987 A JP2020087987 A JP 2020087987A JP 2020087987 A JP2020087987 A JP 2020087987A JP 7026727 B2 JP7026727 B2 JP 7026727B2
- Authority
- JP
- Japan
- Prior art keywords
- lighting
- image data
- neural network
- visual inspection
- learning
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9508—Capsules; Tablets
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
- B65B9/00—Enclosing successive articles, or quantities of material, e.g. liquids or semiliquids, in flat, folded, or tubular webs of flexible sheet material; Subdividing filled flexible tubes to form packages
- B65B9/02—Enclosing successive articles, or quantities of material between opposed webs
- B65B9/04—Enclosing successive articles, or quantities of material between opposed webs one or both webs being formed with pockets for the reception of the articles, or of the quantities of material
- B65B9/045—Enclosing successive articles, or quantities of material between opposed webs one or both webs being formed with pockets for the reception of the articles, or of the quantities of material for single articles, e.g. tablets
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
- B65B61/00—Auxiliary devices, not otherwise provided for, for operating on sheets, blanks, webs, binding material, containers or packages
- B65B61/04—Auxiliary devices, not otherwise provided for, for operating on sheets, blanks, webs, binding material, containers or packages for severing webs, or for separating joined packages
- B65B61/06—Auxiliary devices, not otherwise provided for, for operating on sheets, blanks, webs, binding material, containers or packages for severing webs, or for separating joined packages by cutting
- B65B61/065—Auxiliary devices, not otherwise provided for, for operating on sheets, blanks, webs, binding material, containers or packages for severing webs, or for separating joined packages by cutting by punching out
-
- 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
- G01N2021/8809—Adjustment for highlighting flaws
-
- 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
- G01N2021/8812—Diffuse illumination, e.g. "sky"
- G01N2021/8816—Diffuse illumination, e.g. "sky" by using multiple sources, e.g. LEDs
-
- 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
- G01N2201/06—Illumination; Optics
- G01N2201/061—Sources
- G01N2201/06146—Multisources for homogeneisation, as well sequential as simultaneous operation
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Textile Engineering (AREA)
- Mechanical Engineering (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
本発明は、対象物の外観検査に用いられる外観検査用照明装置及び外観検査装置、並びに、これらを備えたブリスター包装機に関するものである。 The present invention relates to a visual inspection lighting device and a visual inspection device used for visual inspection of an object, and a blister packaging machine equipped with these.
一般に、外観検査が行われる対象物となるブリスター包装体の一種としてPTPシートが知られている。PTPシートは、例えば錠剤等の内容物が収容されるポケット部が形成された透明樹脂製の容器フィルムと、該容器フィルムに対しポケット部の開口側を密封するように取着されるアルミニウム製のカバーフィルムとから構成されている。 Generally, a PTP sheet is known as a kind of blister package to be visually inspected. The PTP sheet is made of a transparent resin container film in which a pocket portion for accommodating contents such as tablets is formed, and an aluminum container film attached so as to seal the opening side of the pocket portion with respect to the container film. It is composed of a cover film.
かかるPTPシートは、帯状の容器フィルムを搬送させつつ、ポケット部を成形する工程、該ポケット部に内容物を充填する工程、該ポケット部の開口側を密封するように容器フィルムに対しカバーフィルムを取着する工程、該両フィルムが取着されてなる帯状体から最終製品となるPTPシートを打抜く工程等を経て製造される。 Such a PTP sheet is used for a step of forming a pocket portion while transporting a strip-shaped container film, a step of filling the pocket portion with contents, and a cover film for the container film so as to seal the opening side of the pocket portion. It is manufactured through a step of attaching, a step of punching a PTP sheet as a final product from a strip formed by attaching both films, and the like.
PTPシートの製造に際しては、例えば包装材であるシート部における異物付着やシール不良、内容物における異物付着や欠け・ひびの有無など、製品不良となる種々の外観異常を検査する必要がある。 When manufacturing a PTP sheet, it is necessary to inspect various appearance abnormalities that cause product defects, such as foreign matter adhesion and sealing defects on the sheet portion, which is a packaging material, and foreign matter adhesion, chipping, and cracks on the contents.
このような外観異常の検査では、外観検査用照明装置を用いて、対象物に対し光を照射し、それをカメラにより撮像して得られた画像データを基に、対象物に含まれる所定の検査対象(例えば錠剤やシート部)の良否判定を行うのが一般的である。 In the inspection of such an appearance abnormality, a predetermined lighting device for appearance inspection is used to irradiate the object with light, and the image data obtained by imaging the object with a camera is used as the basis for the predetermined image included in the object. It is common to judge the quality of an inspection target (for example, a tablet or a sheet).
この際、検査を行う上で適切な画像データを取得するため、適切な照明状態で対象物を照らすことが求められる。 At this time, in order to acquire appropriate image data for the inspection, it is required to illuminate the object under an appropriate lighting condition.
例えば対象物が打抜き後のPTPシートであれば、透明樹脂製の複数のポケット部、その内部に充填された錠剤等の内容物、背景となるアルミ製カバーフィルムなど、複雑な形状や多様な素材からなるPTPシート全体において、テカリ(例えばポケット部表面のテカリ)や暗部(例えば内容物の影部)が生じないように、PTPシート全体をムラなく均一な明るさで照らすと共に、検査対象部位(例えば錠剤)と非対象部位(例えばシート部)との明暗差を大きくすること等が求められる。 For example, if the object is a PTP sheet after punching, it has complicated shapes and various materials such as multiple pockets made of transparent resin, contents such as tablets filled inside, and a cover film made of aluminum as a background. The entire PTP sheet is illuminated evenly and uniformly so that no shine (for example, shine on the surface of the pocket) or dark part (for example, the shadow of the contents) occurs in the entire PTP sheet, and the inspection target part (for example). For example, it is required to increase the difference in brightness between the non-target portion (for example, the sheet portion) and the non-target portion (for example, the sheet portion).
これに対し、外観検査用照明装置の中には、対象物に対し複数方向から光を照射できるように複数の照明部を備えたものがある(例えば、特許文献1参照)。従来、このような外観検査用照明装置においては、理想的な照明状態で対象物を照らすため、事前に複数の照明部それぞれの明るさを調整し、装置全体としての照明状態を最適化する照明調整作業が必要となる。 On the other hand, some lighting devices for visual inspection are provided with a plurality of lighting units so that the object can be irradiated with light from a plurality of directions (see, for example, Patent Document 1). Conventionally, in such a lighting device for visual inspection, in order to illuminate an object in an ideal lighting state, the brightness of each of a plurality of lighting units is adjusted in advance to optimize the lighting state of the device as a whole. Adjustment work is required.
しかしながら、従来の照明調整作業は、熟練の作業者が手作業で行っており、作業効率が悪く、ひいては検査効率の低下を招くおそれがあった。 However, the conventional lighting adjustment work is performed manually by a skilled worker, and the work efficiency is poor, which may lead to a decrease in inspection efficiency.
例えば作業者は、複数の照明部のうちのいずれかを明るくし、いずれかを暗くするなど、複数の照明部の明るさレベル(例えば256階調)を1つずつ変化させ、該変化させた照明状態の下で対象物を撮像し、そこで得られる画像データを表示装置で確認しながら、最適な照明状態に近づけていくといった非常に手間のかかる作業を行っていた。 For example, the operator changes the brightness level (for example, 256 gradations) of the plurality of lighting units one by one, such as brightening one of the plurality of lighting units and darkening one of the lighting units. I took a picture of an object under the lighting condition, and while checking the image data obtained there on the display device, I was doing a very time-consuming work such as approaching the optimum lighting condition.
このため、複数の照明部によって作り出され得る膨大な組合せパターンの照明状態の中から、検査に最適な照明状態を短時間で見つけ出すことは、熟練作業者であっても非常に難しい。 Therefore, it is very difficult even for a skilled worker to find the optimum lighting state for inspection in a short time from the lighting states of a huge combination pattern that can be created by a plurality of lighting units.
また、人が行う照明調整作業では、その人の経験や感覚に頼ることによるバラツキや、その人が感知できるレベルの限界等により、検査精度が安定しないおそれがある。 In addition, in the lighting adjustment work performed by a person, the inspection accuracy may not be stable due to variations due to the experience and feeling of the person, the limit of the level that the person can perceive, and the like.
さらに、照明調整作業を一部の熟練作業者に頼ることは、時間的・場所的な制約を生み、利便性や汎用性を低下させるおそれがある。 Furthermore, relying on some skilled workers for lighting adjustment work creates time and space constraints, and may reduce convenience and versatility.
尚、上記課題は、必ずしもPTP包装(ブリスター包装)の分野に限らず、他の分野における外観検査においても内在するものである。 It should be noted that the above problems are not necessarily limited to the field of PTP packaging (blister packaging), but are inherent in visual inspections in other fields.
本発明は、上記事情に鑑みてなされたものであり、その目的は、対象物の外観検査を行うにあたり、検査効率や検査精度の飛躍的な向上を図ることのできる外観検査用照明装置、外観検査装置及びブリスター包装機を提供することにある。 The present invention has been made in view of the above circumstances, and an object of the present invention is an appearance inspection lighting device and an appearance that can dramatically improve inspection efficiency and inspection accuracy when performing an appearance inspection of an object. The purpose is to provide inspection equipment and blister packaging machines.
以下、上記課題を解決するのに適した各手段につき項分けして説明する。なお、必要に応じて対応する手段に特有の作用効果を付記する。 Hereinafter, each means suitable for solving the above-mentioned problems will be described separately for each item. In addition, the action and effect peculiar to the corresponding means will be added as necessary.
手段1.個々に明るさ調整可能な複数の照明部を有し、該複数の照明部により作り出される所定の照明状態で対象物を照明可能な外観検査用照明装置であって、
前記複数の照明部それぞれの明るさレベル(発光輝度レベル)に対応するレベル情報と、該レベル情報に対応する明るさレベルでそれぞれ発光する前記複数の照明部により作り出される照明状態で照明される前記対象物を撮像した場合に取得され得る画像データとの相関関係を学習したニューラルネットワークを格納したネットワーク格納手段と、
前記ニューラルネットワークに対し前記複数の照明部それぞれに対応する前記レベル情報を入力して出力される前記画像データである予測画像データ及び/若しくは該予測画像データから得られる関連情報(例えば所定範囲の各画素の輝度平均値など)と、目標となる照明状態で照明された前記対象物を撮像した場合に取得され得る画像データとして用意された目標画像データ及び/若しくは該目標画像データから得られる関連情報とを比較し、その誤差を算出可能な比較手段と、
少なくとも前記比較手段により算出される誤差が所定の闘値以下となるまで、前記ニューラルネットワークの学習を行わない誤差逆伝播により前記複数の照明部それぞれに対応する前記レベル情報の更新を繰り返し、前記複数の照明部それぞれに適した前記レベル情報を特定可能なレベル特定手段と、
少なくとも前記レベル特定手段によりそれぞれ特定された前記レベル情報に基づき、前記複数の照明部それぞれの明るさ調整を行うことによって、該複数の照明部により作り出される照明状態を制御可能な照明制御手段とを備えたことを特徴とする外観検査用照明装置。
The level information corresponding to the brightness level (emission brightness level) of each of the plurality of illumination units and the illumination state produced by the plurality of illumination units that emit light at the brightness level corresponding to the level information are illuminated. A network storage means that stores a neural network that has learned the correlation with image data that can be acquired when an object is imaged, and
Predicted image data which is the image data output by inputting the level information corresponding to each of the plurality of lighting units to the neural network and / or related information (for example, each of a predetermined range) obtained from the predicted image data. The average brightness of the pixels, etc. ) and the target image data prepared as image data that can be acquired when the object illuminated in the target lighting state is imaged, and / or related information obtained from the target image data. With a comparison means that can compare and calculate the error,
The level information corresponding to each of the plurality of lighting units is repeatedly updated by error back propagation without learning the neural network until at least the error calculated by the comparison means becomes equal to or less than a predetermined fighting value. A level specifying means that can specify the level information suitable for each of the lighting units of
A lighting control means capable of controlling the lighting state produced by the plurality of lighting units by adjusting the brightness of each of the plurality of lighting units based on at least the level information specified by the level specifying means. A lighting device for visual inspection, which is characterized by being equipped.
上記手段1によれば、ニューラルネットワークとその誤差逆伝播を利用することで、個々に明るさ調整可能な複数の照明部によって作り出され得る膨大な組合せパターンの照明状態の中から、比較的短時間で外観検査により最適な照明状態を自動的に見つけ出し、作り出すことができる。結果として、検査効率の飛躍的な向上を図ることができる。
According to the
加えて、人には感知できない程度の微妙な照明状態の違い(但し、検査結果には影響を及ぼすおそれがあるほどの違い)をも識別し、より最適な照明状態を作り出すことができる。結果として、検査精度の飛躍的な向上を図ることができる。 In addition, it is possible to identify subtle differences in lighting conditions that cannot be perceived by humans (however, differences that may affect inspection results), and create more optimal lighting conditions. As a result, the inspection accuracy can be dramatically improved.
また、作業者の経験や感覚に頼ることなく、より最適な照明状態を再現性良く見つけ出し、作り出すことができる。結果として、時間的・場所的な制約を受けることなく、利便性や汎用性の向上を図ることができる。 In addition, it is possible to find and create more optimum lighting conditions with good reproducibility without relying on the experience and feeling of the operator. As a result, convenience and versatility can be improved without being restricted by time and place.
手段2.前記レベル特定手段は、前記誤差を前記ニューラルネットワークの入力層まで前記誤差逆伝播させ、前記ニューラルネットワークに入力された前記レベル情報に対する勾配を求めることで、前記レベル情報の更新を行うことを特徴とする手段1に記載の外観検査用照明装置。
手段3.前記相関関係について、前記ニューラルネットワークの学習を行う(例えば誤差逆伝播法により行う)学習手段を備えていることを特徴とする手段1又は2に記載の外観検査用照明装置。
Means 3 . The lighting device for visual inspection according to
上記手段3によれば、外部において学習を行った学習済みのニューラルネットワークを格納した場合よりも、照明装置毎の個体差を考慮したニューラルネットワークの学習を行うことができ、照明装置毎にニューラルネットワークがより適切な処理を行うことができるようになる。結果として、各照明装置に、より最適な照明状態を作り出し、さらなる検査精度の向上を図ることができる。
According to the
手段4.前記学習手段は、前記レベル情報を入力値として前記ニューラルネットワークに入力して出力された予測画像データを、該レベル情報に対応する明るさレベルでそれぞれ発光する前記複数の照明部により作り出される照明状態で照明される前記対象物を撮像した場合に取得される画像データと比較することに基づき、前記相関関係についての前記ニューラルネットワークの学習を行うものであり、
前記レベル特定手段による、前記学習手段により学習が行われた前記ニューラルネットワークを用いた前記レベル情報の更新と、前記学習手段による、前記レベル特定手段により更新された前記レベル情報を前記入力値として用いた前記ニューラルネットワークの学習とを交互に行うことを特徴とする手段3に記載の外観検査用照明装置。
Means 4 . The learning means is a lighting state created by the plurality of lighting units that emits predicted image data output by inputting the level information into the neural network as an input value at a brightness level corresponding to the level information. The neural network is learned about the correlation based on the comparison with the image data acquired when the object illuminated by is imaged.
The level information updated by the level specifying means using the neural network learned by the learning means and the level information updated by the level specifying means by the learning means are used as the input values. The lighting device for visual inspection according to
上記手段4によれば、照明部(光源)の劣化等に起因した照明状態の変化など、現実世界で条件が変化した場合にも、その変化に追従することができ、さらなる検査精度の向上を図ることができる。
According to the
手段5.容器フィルムに形成されたポケット部に対し所定の内容物(例えば錠剤)が収容され、前記ポケット部を塞ぐように前記容器フィルムに対しカバーフィルムが取着されてなるブリスター包装体(例えばPTPシート)の製造に際し用いられることを特徴とする手段1乃至4のいずれかに記載の外観検査用照明装置。
Means 5 . A blister package (for example, a PTP sheet) in which a predetermined content (for example, a tablet) is stored in a pocket portion formed on the container film, and a cover film is attached to the container film so as to close the pocket portion. The lighting device for visual inspection according to any one of
上記手段5によれば、ブリスター包装体を構成する包装材(容器フィルムやカバーフィルム)、又は、その内容物に係る外観異常の検査に用いることができ、より適切な良否判定を行うことができるようになる。
According to the
手段6.手段1乃至5のいずれかに記載の外観検査用照明装置を備えたことを特徴とする外観検査装置。
より具体的な外観検査装置の構成として、以下のような構成が挙げられる。 As a more specific configuration of the visual inspection device, the following configuration can be mentioned.
「手段1乃至5のいずれかに記載の外観検査用照明装置と、
前記外観検査用照明装置により照明された対象物を撮像可能な撮像手段と、
前記撮像手段により取得された画像データを基に、前記対象物に含まれる所定の検査対象に係る外観検査を実行可能な検査手段とを備えたことを特徴とする外観検査装置。」
"The lighting device for visual inspection according to any one of
An imaging means capable of imaging an object illuminated by the visual inspection lighting device,
A visual inspection apparatus comprising: an inspection means capable of performing a visual inspection relating to a predetermined inspection target included in the object based on the image data acquired by the imaging means. "
手段7.手段6に記載の外観検査装置を備えたことを特徴とするブリスター包装機。
Means 7 . A blister packaging machine comprising the visual inspection apparatus according to
上記手段7のように、上記外観検査装置をブリスター包装機(例えばPTP包装機)に備えることで、ブリスター包装体(例えばPTPシート)の製造過程において不良品を効率的に除外できる等のメリットが生じる。また、ブリスター包装機は、上記外観検査装置によって不良と判定されたブリスター包装体を排出する排出手段を備える構成としてもよい。 By providing the visual inspection device in the blister packaging machine (for example, PTP packaging machine) as in the means 7 , there is an advantage that defective products can be efficiently excluded in the manufacturing process of the blister packaging body (for example, PTP sheet). Occurs. Further, the blister packaging machine may be configured to include a discharge means for discharging the blister package determined to be defective by the visual inspection device.
より具体的なブリスター包装機の構成として、以下のような構成が挙げられる。 As a more specific configuration of the blister packaging machine, the following configuration can be mentioned.
「容器フィルムに形成されたポケット部に内容物が収容され、該ポケット部を塞ぐようにカバーフィルムが取着されてなるブリスター包装体(例えばPTPシート)を製造するためのブリスター包装機(例えばPTP包装機)であって、
帯状に搬送される前記容器フィルムに対し前記ポケット部を形成するポケット部形成手段と、
前記ポケット部に前記内容物を充填する充填手段と、
前記ポケット部に前記内容物が充填された前記容器フィルムに対し、前記ポケット部を塞ぐようにして帯状の前記カバーフィルムを取着する取着手段と、
前記容器フィルムに前記カバーフィルムが取着された帯状体(帯状のPTPフィルム)から前記PTPシートを切離す切離手段(シート単位に打抜く打抜手段を含む)と、
手段6に記載の外観検査装置とを備えたことを特徴とするブリスター包装機。」
"A blister packaging machine (for example, PTP) for manufacturing a blister package (for example, a PTP sheet) in which the contents are housed in a pocket portion formed on the container film and a cover film is attached so as to close the pocket portion. Packaging machine)
A pocket portion forming means for forming the pocket portion with respect to the container film conveyed in a strip shape, and a pocket portion forming means.
A filling means for filling the pocket portion with the contents,
An attachment means for attaching the band-shaped cover film to the container film in which the contents are filled in the pocket portion so as to close the pocket portion.
A cutting means for separating the PTP sheet from a strip-shaped body (strip-shaped PTP film) to which the cover film is attached to the container film (including a punching means for punching in sheet units).
A blister packaging machine comprising the visual inspection apparatus according to
尚、上記構成において、上記外観検査装置を「充填手段によりポケット部に内容物が充填された後工程かつ取着手段によりカバーフィルムが取着される前工程」に配置した構成としてもよい。かかる場合、容器フィルムのポケット開口側より内容物や容器フィルムを遮るものがない状態で内容物や容器フィルムに係る検査を実行することができ、これらの検査の精度を向上することができる。 In the above configuration, the appearance inspection device may be arranged in the “post-process in which the contents are filled in the pocket portion by the filling means and the pre-process in which the cover film is attached by the attachment means”. In such a case, the inspection of the contents and the container film can be performed without obstructing the contents and the container film from the pocket opening side of the container film, and the accuracy of these inspections can be improved.
また、上記外観検査装置を「取着手段によりカバーフィルムが取着された後工程かつ切離手段によりブリスター包装体が切離される前工程」に配置した構成としてもよい。かかる場合、内容物が入れ替わることがない状態で内容物に係る検査を実行したり、シール不良や異物付着などシート部に係る検査を実行したりすることができ、これらの検査の精度を向上することができる。 Further, the visual inspection device may be arranged in the "post-process after the cover film is attached by the attaching means and before the blister package is separated by the separating means". In such a case, it is possible to carry out an inspection related to the contents without replacing the contents, or to carry out an inspection related to the sheet part such as a defective seal or adhesion of foreign matter, and improve the accuracy of these inspections. be able to.
また、上記外観検査装置を「切離手段によりブリスター包装体が切離された後工程」に配置した構成としてもよい。かかる場合、不良品が混ざっていないかを最終段階で確認することができる。 Further, the visual inspection device may be arranged in the "post-process after the blister package is cut off by the cutting means". In such a case, it can be confirmed at the final stage whether or not defective products are mixed.
〔第1実施形態〕
以下、一実施形態について図面を参照しつつ説明する。まずブリスター包装体としてのPTPシートの構成について詳しく説明する。
[First Embodiment]
Hereinafter, one embodiment will be described with reference to the drawings. First, the configuration of the PTP sheet as a blister package will be described in detail.
図1,2に示すように、PTPシート1は、複数のポケット部2を備えた容器フィルム3と、ポケット部2を塞ぐように容器フィルム3に取着されたカバーフィルム4とを有している。
As shown in FIGS. 1 and 2, the
本実施形態における容器フィルム3は、例えばPP(ポリプロピレン)やPVC(ポリ塩化ビニル)等の比較的硬質で所定の剛性を有する透明の熱可塑性樹脂材料によって形成され、光透過性を有している。一方、カバーフィルム4は、例えばポリプロピレン樹脂等からなるシーラントが表面に設けられた不透明材料(例えばアルミニウム箔等)により構成されている。
The
また、PTPシート1は、平面視略矩形状に形成されている。PTPシート1には、その長辺方向に沿って所定間隔をあけて配列された5個のポケット部2からなるポケット列が、その短辺方向に所定間隔をあけて2列形成されている。つまり、PTPシート1は、計10個のポケット部2を有している。各ポケット部2には、内容物としての錠剤5が1つずつ収容されている。
Further, the
PTPシート1〔図1(a)参照〕は、帯状の容器フィルム3及び帯状のカバーフィルム4から形成された帯状のPTPフィルム6〔図1(b)参照〕がシート状に打抜かれることにより製造される。
The PTP sheet 1 [see FIG. 1 (a)] is obtained by punching a strip-shaped PTP film 6 [see FIG. 1 (b)] formed from the strip-shaped
次に、PTPシート1を製造するブリスター包装機としてのPTP包装機10の概略構成について図3を参照して説明する。
Next, a schematic configuration of the
図3に示すように、PTP包装機10の最上流側では、帯状の容器フィルム3の原反がロール状に巻回されている。
As shown in FIG. 3, on the most upstream side of the
ロール状に巻回された容器フィルム3の引出し端側は、ガイドロール13に案内されている。容器フィルム3は、ガイドロール13の下流側において間欠送りロール14に掛装されている。間欠送りロール14は、間欠的に回転するモータに連結されており、容器フィルム3を間欠的に搬送する。
The drawer end side of the
ガイドロール13と間欠送りロール14との間には、容器フィルム3の搬送路に沿って、加熱装置15及びポケット部形成装置16が順に配設されている。そして、加熱装置15によって容器フィルム3が加熱されて、該容器フィルム3が比較的柔軟になった状態において、ポケット部形成装置16によって容器フィルム3の所定位置に複数のポケット部2が成形される(ポケット部形成工程)。加熱装置15及びポケット部形成装置16によって、本実施形態におけるポケット部形成手段が構成される。ポケット部2の形成は、間欠送りロール14による容器フィルム3の搬送動作間のインターバル中に行われる。
A
間欠送りロール14から送り出された容器フィルム3は、テンションロール18、ガイドロール19及びフィルム受けロール20の順に掛装されている。フィルム受けロール20は、一定回転するモータに連結されているため、容器フィルム3を連続的に且つ一定速度で搬送する。
The
テンションロール18は、容器フィルム3を弾性力によって緊張する側へ引っ張った状態とされており、前記間欠送りロール14とフィルム受けロール20との搬送動作の相違による容器フィルム3の撓みを防止して容器フィルム3を常時緊張状態に保持する。
The
ガイドロール19とフィルム受けロール20との間には、容器フィルム3の搬送路に沿って、錠剤充填装置21が配設されている。錠剤充填装置21は、ポケット部2に錠剤5を自動的に充填する充填手段としての機能を有する。錠剤充填装置21は、フィルム受けロール20による容器フィルム3の搬送動作と同期して、所定間隔毎にシャッタを開くことで錠剤5を落下させるものであり、このシャッタ開放動作に伴って各ポケット部2に錠剤5が充填される(充填工程)。
A
一方、帯状に形成されたカバーフィルム4の原反は、容器フィルム3とは別に、最上流側においてロール状に巻回されている。
On the other hand, the original fabric of the
ロール状に巻回されたカバーフィルム4の引出し端は、ガイドロール24に案内され、加熱ロール25の方へと案内されている。加熱ロール25は、前記フィルム受けロール20に圧接可能となっており、両ロール20,25間に容器フィルム3及びカバーフィルム4が送り込まれるようになっている。
The drawer end of the
そして、容器フィルム3及びカバーフィルム4が、両ロール20,25間を加熱圧接状態で通過することで、容器フィルム3にカバーフィルム4が貼着され、ポケット部2がカバーフィルム4で塞がれる(取着工程)。これにより、錠剤5が各ポケット部2に充填された帯状体としてのPTPフィルム6が製造される。加熱ロール25の表面には、シール用の網目状の微細な凸条が形成されており、これが強く圧接することで、強固なシールが実現されるようになっている。フィルム受けロール20及び加熱ロール25により本実施形態における取着手段が構成される。
Then, the
フィルム受けロール20から送り出されたPTPフィルム6は、テンションロール27及び間欠送りロール28の順に掛装されている。間欠送りロール28は、間欠的に回転するモータに連結されているため、PTPフィルム6を間欠的に搬送する。テンションロール27は、PTPフィルム6を弾性力によって緊張する側へ引っ張った状態とされており、前記フィルム受けロール20と間欠送りロール28との搬送動作の相違によるPTPフィルム6の撓みを防止してPTPフィルム6を常時緊張状態に保持する。
The
間欠送りロール28から送り出されたPTPフィルム6は、テンションロール31及び間欠送りロール32の順に掛装されている。間欠送りロール32は、間欠的に回転するモータに連結されているため、PTPフィルム6を間欠的に搬送する。テンションロール31は、PTPフィルム6を弾性力によって緊張する側へ引っ張った状態とされており、前記間欠送りロール28,32間でのPTPフィルム6の撓みを防止する。
The
間欠送りロール28とテンションロール31との間には、PTPフィルム6の搬送路に沿って、スリット形成装置33及び刻印装置34が順に配設されている。スリット形成装置33は、PTPフィルム6の所定位置に切離用スリット(図示略)を形成する機能を有する。また、刻印装置34はPTPフィルム6の所定位置に刻印(図示略)を付す機能を有する。
A
間欠送りロール32から送り出されたPTPフィルム6は、その下流側においてテンションロール35及び連続送りロール36の順に掛装されている。間欠送りロール32とテンションロール35との間には、PTPフィルム6の搬送路に沿って、シート打抜装置37が配設されている。シート打抜装置37は、PTPフィルム6をPTPシート1単位にその外縁を打抜くシート打抜手段(切離手段)としての機能を有する。
The
シート打抜装置37によって打抜かれたPTPシート1は、コンベア39によって搬送され、完成品用ホッパ40に一旦貯留される(切離工程)。尚、ここで、PTPシート1は、その長手方向がコンベア幅方向(X方向)に沿うように、かつ、その短手方向がシート搬送方向(Y方向)に沿うように、ポケット部2を上にした状態でコンベア39上に載置され搬送される(図5,6等参照)。
The
コンベア39の上方位置には、外観検査装置45が配置されている。外観検査装置45は、錠剤5に係る外観異常、例えば異物や汚れの付着、欠けやひびの有無、印刷不良などを検査する。外観検査装置45の詳細については後述する。
A
尚、ここで外観検査装置45によって不良品と判定された場合、その不良品と判定されたPTPシート1は、完成品用ホッパ40へ送られることなく、図示しない排出手段としての不良シート排出機構によって別途排出されることとなる。
If the
前記連続送りロール36の下流側には、裁断装置41が配設されている。そして、シート打抜装置37による打抜き後に帯状に残った残材部(スクラップ部)を構成する不要フィルム部42は、前記テンションロール35及び連続送りロール36に案内された後、裁断装置41に導かれる。なお、前記連続送りロール36は従動ロールが圧接されており、前記不要フィルム部42を挟持しながら搬送動作を行う。裁断装置41では、不要フィルム部42を所定寸法に裁断しスクラップ処理する機能を有する。このスクラップはスクラップ用ホッパ43に貯留された後、別途廃棄処理される。
A cutting
尚、上記各ロール14,20,28,31,32などは、そのロール表面とポケット部2とが対向する位置関係となっているが、間欠送りロール14等の表面には、ポケット部2が収容される凹部が形成されているため、ポケット部2が潰れてしまうことがない。また、ポケット部2が間欠送りロール14等の各凹部に収容されながら送り動作が行われることで、間欠送り動作や連続送り動作が確実に行われる。
The
PTP包装機10の概略は以上のとおりであるが、以下に上記外観検査装置45の構成について図面を参照して詳しく説明する。図4は外観検査装置45の機能構成を示すブロック図である。
The outline of the
外観検査装置45は、コンベア39上のPTPシート1に対し光を照射可能な照明ユニット52と、該光を照射されたPTPシート1を撮像可能なカメラユニット53と、これら両ユニット52,53の駆動制御をはじめ、各種デバイスの駆動制御や画像処理、演算処理等を実行可能な制御装置54とを備えている。
The
ここで、照明ユニット52及びその制御に係る制御装置54の各種機能部によって、本実施形態における外観検査用照明装置が構成されることとなる。つまり、本実施形態に係る外観検査装置45は、外観検査用照明装置と、撮像手段として撮像装置(カメラユニット53及びその制御に係る制御装置54の各種機能部)とが機能的に一体に設けられた構成となっている。
Here, the lighting device for visual inspection according to the present embodiment is configured by various functional units of the
図5,6に示すように、照明ユニット52は、中空ボックス状のハウジング61を備えている。ハウジング61内には、照明部としての15個の照明パネルL1~L15が配置されている。
As shown in FIGS. 5 and 6, the
具体的には、シート搬送方向下流側(図5右側)のハウジング61の底部近傍に配置された第1照明パネルL1と、シート搬送方向上流側(図5左側)のハウジング61の底部近傍に配置された第2照明パネルL2と、コンベア幅方向一端側(図6左側)のハウジング61の底部近傍に配置された第3照明パネルL3と、コンベア幅方向他端側(図6右側)のハウジング61の底部近傍に配置された第4照明パネルL4と、第1照明パネルL1の上方位置に配置された第5照明パネルL5と、第2照明パネルL2の上方位置に配置された第6照明パネルL6と、第3照明パネルL3の上方位置に配置された第7照明パネルL7と、第4照明パネルL4の上方位置に配置された第8照明パネルL8と、第5照明パネルL5の内側斜め上方位置に配置された第9照明パネルL9と、第6照明パネルL6の内側斜め上方位置に配置された第10照明パネルL10と、第9照明パネルL9の内側斜め上方位置に配置された第11照明パネルL11と、第10照明パネルL10の内側斜め上方位置に配置された第12照明パネルL12と、第11照明パネルL11の上方位置に配置された第13照明パネルL13と、コンベア幅方向一端側のハウジング61の天井部近傍に配置された第14照明パネルL14と、コンベア幅方向他端側のハウジング61の天井部近傍に配置された第15照明パネルL15とを備えている。
Specifically, the first lighting panel L1 arranged near the bottom of the
図7に示すように、各照明パネルL1~L15は、それぞれ数十個(場合によって百個以上)のLED(発光ダイオード)63がプリント基板64上にマトリクス状に実装されたLED基板により構成されている。
As shown in FIG. 7, each of the lighting panels L1 to L15 is composed of an LED board in which dozens (sometimes 100 or more) of LEDs (light emitting diodes) 63 are mounted in a matrix on a printed
各照明パネルL1~L15は、それぞれLED63の実装面がハウジング61内側に向くように配置されており、各照明パネルL1~L15から出射された光は、ハウジング61の底部中央に形成された開口部61aを介して、コンベア39上の所定範囲(以下、「検査エリア」という。)に対し直接的又は間接的に照射される。但し、第13照明パネルL13から出射された光は、ハーフミラーHMに反射して、鉛直方向(Z方向)下向きに照射される。
The lighting panels L1 to L15 are arranged so that the mounting surface of the
各照明パネルL1~L15は、それぞれ個別に調光可能(明るさ調整)に構成されている。詳しくは、LED63の発光輝度を変化させることにより、その明るさを256階調に調節可能となっている。
Each of the lighting panels L1 to L15 is individually configured to be dimmable (brightness adjustment). Specifically, by changing the emission brightness of the
これにより、照明ユニット52は、複数の照明パネルL1~L15により作り出される所定の照明状態で検査エリア内に位置するPTPシート1を照明することができる。
Thereby, the
カメラユニット(以下、単に「カメラ」という。)53は、照明ユニット52のハウジング61の上方位置に配置されており、ハウジング61の天井部中央に形成された開口部61b、及び、ハウジング61の底部中央に形成された上記開口部61aを介して、検査エリア内を撮像可能となっている。
The camera unit (hereinafter, simply referred to as “camera”) 53 is arranged above the
尚、図示は省略するが、カメラ53は、CCD(Charge Coupled Device)型イメージセンサ又はCMOS(Complementary Metal Oxide Semiconductor)型イメージセンサ等の撮像素子と、該撮像素子に対し検査エリア内に位置するPTPシート1の像を結像させる光学系(レンズユニットや絞りなど)とを有している。
Although not shown, the
本実施形態では、照明ユニット52から照射される光が、容器フィルム3越しに錠剤5及びカバーフィルム4を照らし、錠剤5及びカバーフィルム4から反射した光が、カメラ53によって撮像され、画像データが生成されることとなる。
In the present embodiment, the light emitted from the
そして、カメラ53によって取得された画像データは、該カメラ53の内部においてデジタル信号に変換された上で、デジタル信号の形で制御装置54(後述の画像取得部74)に対し出力される。
Then, the image data acquired by the
制御装置54は、所定の演算処理を実行するCPU(Central Processing Unit)、各種プログラムや固定値データ等を記憶するROM(Read Only Memory)、各種演算処理の実行に際して各種データが一時的に記憶されるRAM(Random Access Memory)及びこれらの周辺回路等を含んだコンピュータからなる。
The
そして、制御装置54は、CPUが各種プログラムに従って動作することで、後述するメイン制御部71、照明制御部72、カメラ制御部73、画像取得部74、画像処理部75、学習部76、調光パラメータ調整部77、調光パラメータ設定部78、検査部79などの各種機能部として機能する。
When the CPU operates according to various programs, the
但し、上記各種機能部は、上記CPU、ROM、RAMなどの各種ハードウェアが協働することで実現されるものであり、ハード的又はソフト的に実現される機能を明確に区別する必要はなく、これらの機能の一部又は全てがICなどのハードウェア回路により実現されてもよい。 However, the various functional units are realized by the cooperation of various hardware such as the CPU, ROM, and RAM, and it is not necessary to clearly distinguish the functions realized by hardware or software. , Some or all of these functions may be realized by a hardware circuit such as an IC.
さらに、制御装置54には、キーボードやマウス、タッチパネル等で構成される入力部55、液晶ディスプレイなどの表示画面を有する表示部56と、各種データやプログラム、演算結果等を記憶可能な記憶部57、外部と各種データを送受信可能な通信部58などが設けられている。
Further, the
ここで、制御装置54を構成する上記各種機能部について詳しく説明する。メイン制御部71は、外観検査装置45全体の制御を司る機能部であり、照明制御部72やカメラ制御部73など他の機能部と各種信号を送受信可能に構成されている。
Here, the various functional units constituting the
照明制御部72は、照明ユニット52を駆動制御する機能部であり、本実施形態における照明制御手段を構成する。照明制御部72は、後述するように照明パネルL1~L15それぞれに対応して調光パラメータ設定部78に設定される調光パラメータ値に基づき、照明ユニット52の照明パネルL1~L15を駆動制御し、該調光パラメータ値に対応する明るさレベルで、各照明パネルL1~L15を点灯させる。
The
本実施形態では、パルス幅変調(PWM)によって所定期間(例えば1/60秒間)中におけるLED63の点灯状態にある時間割合(デューティ比)を変化させることで、照明パネルL1~L15毎に個別に調光(明るさ調整)することができ、256階調の明るさ表現が可能となっている。この際、1チャンネルとして制御する1つの照明パネルL1~L15に搭載された全てのLED63は同一輝度で発光する。
In the present embodiment, by changing the time ratio (duty ratio) of the
カメラ制御部73は、カメラ53を駆動制御する機能部であり、メイン制御部71からの指令信号に基づき撮像タイミングなどを制御する。
The
画像取得部74は、カメラ53により撮像され取得された画像データ(実画像データ)を取り込む機能部である。
The
画像処理部75は、画像取得部74により取り込まれたPTPシート1の実画像データに所定の画像処理を行う機能部であり、本実施形態における画像処理手段を構成する。例えば、後述する学習処理においては、ニューラルネットワーク90(図8参照)の学習に用いる教師データとなる教師画像データを生成する。また、検査処理においては、二値化処理した二値化画像データなどを生成する。
The
学習部76は、教師画像データ等を用いてニューラルネットワーク90の学習を行い、AI(Artificial Intelligence)モデル100を生成する機能部である。AIモデル100は、後述するように照明ユニット52の照明状態の最適化処理に用いられる学習モデルであり、ニューラルネットワーク90と、その学習により獲得した学習情報とが組み合わされて構成されている。
The
ここで、ニューラルネットワーク90の構造について図8の模式図を参照して説明する。図8に示すように、ニューラルネットワーク90は、入力層91、中間層92及び出力層93を有している。尚、図8では、説明を容易にするため、中間層92が1つの場合を例示しているが、中間層92の層数は1つに限定されず、2つ以上であってもよい。
Here, the structure of the
入力層91、中間層92及び出力層93には、それぞれニューロンに相当するノード(ユニット)94が1つ又は複数存在する。勿論、各層91,92,93のノード数についても、図8に例示した数に限定されるものではなく、入出力する情報や特徴量等に応じて任意に設定可能である。
The
例えば本実施形態における入力層91のノード数は、制御対象となる照明部の数(チャンネル数)に対応している。つまり、照明パネルL1~L15に対応して15個存在することとなる。また、本実施形態における出力層93のノード数は、後述する予測画像データの画素数に対応しており、出力層93の各ノード94からは、該予測画像データを構成する各画素の情報(輝度値等)が出力値として出力される。
For example, the number of nodes in the
各層91,92,93の各ノード94は、それぞれ隣接する前後の層に存在するノード94と、パラメータとなる結合荷重(重み及びバイアス)により結ばれている。
Each
そして、入力層91の各ノード94に与えられた入力値は、それぞれ結合荷重で重み付けされ、中間層92の各ノード94に与えられる。その中間層92の各ノード94では、それぞれ重み付けられた入力値(重みと入力値の積)の総和を活性化関数により変換して出力値が算出され、それが出力層93の各ノード94に与えられる。
Then, the input value given to each
中間層92と同様、出力層93の各ノード94では、それぞれ重み付けられた入力値の総和を活性化関数により変換して出力値が算出され、それがニューラルネットワーク90の出力値として出力される。
Similar to the
このように、ニューラルネットワーク90では、入力層91に所定の情報が与えられると、その内容が中間層92を通して変換されつつ出力層93へと伝達され、出力層93より予測結果に相当する情報が出力されることとなる。
As described above, in the
尚、各ノード94間を結合する結合荷重(パラメータ)は、後述するように所定の学習アルゴリズムによって学習され更新される。そして、学習によって更新された各結合荷重は、ニューラルネットワーク90と共に、学習済みの学習モデルを構成する学習情報として記憶部57に記憶される。
The coupling load (parameter) for coupling between the
調光パラメータ調整部77は、AIモデル100を用いて各照明パネルL1~L15の調光パラメータ値(明るさレベル)をより最適な値に調整する機能部であり、本実施形態におけるレベル特定手段を構成する。
The dimming
調光パラメータ設定部78は、照明制御部72が照明ユニット52を駆動制御する際に参酌する各照明パネルL1~L15に係る調光パラメータ値を個別に記憶する機能部である。
The dimming
検査部79は、検査用の画像データを基に、対象物としてのPTPシート1に含まれる所定の検査対象としての錠剤5について良否判定を行う機能部であり、本実施形態における検査手段を構成する。
The
記憶部57は、HDD(Hard Disk Drive)やSSD(Solid State Drive)等で構成され、例えばAIモデル100(ニューラルネットワーク90及びその学習情報)を記憶する所定の記憶領域を有している。かかる記憶領域が本実施形態におけるネットワーク格納手段を構成する。
The
通信部58は、例えば有線LAN(Local Area Network)や無線LAN等の通信規格に準じた無線通信インターフェースなどを備え、外部と各種データを送受信可能に構成されている。例えば検査部79により行われた良否判定の結果などが通信部58を介して、PTP包装機10の不良シート排出機構などに対し送信される。
The
次に、外観検査装置45によって行われるニューラルネットワーク90の学習処理について図9,10を参照して説明する。図9はニューラルネットワーク90の学習処理の流れを示すフローチャートであり、図10はニューラルネットワーク90の学習処理の流れを説明するためのブロック図である。尚、このニューラルネットワーク90の学習処理を実行する各種機能により本実施形態における学習手段が構成される。
Next, the learning process of the
所定の学習プログラムの実行に基づき、学習処理が開始されると、はじめにステップS101において、メイン制御部71からの指令に基づき、学習部76が、未学習のニューラルネットワーク90を準備する。例えば予め記憶部57等に格納されているニューラルネットワーク90を読み出す。又は、記憶部57等に格納されているネットワーク構成情報(例えばニューラルネットワークの層数、各層のノード数、各ノード間の結合荷重など)に基づいて、ニューラルネットワーク90を生成する。
When the learning process is started based on the execution of the predetermined learning program, the
ステップS102では、メイン制御部71が、複数の照明パネルL1~L15それぞれの明るさレベル(LED63の発光輝度レベル)に対応するレベル情報としての調光パラメータ値(「0」~「255」のうちのいずれかの値)をランダムに選出し、調光パラメータ設定部78に設定する。
In step S102, the
ステップS103では、教師画像データを取得する。具体的には、メイン制御部71からの指令に基づき、照明制御部72が、ステップS102において調光パラメータ設定部78に設定された調光パラメータ値に対応する明るさレベルで、照明ユニット52の各照明パネルL1~L15を点灯させる。続いて、メイン制御部71からの指令に基づき、カメラ制御部73がカメラ53を駆動させる。これにより、停止中のコンベア39の上記検査エリア内に予め載置され、複数の照明パネルL1~L15により作り出される照明状態で照明された良品のPTPシート1を撮像する。そして、カメラ53により取得された実画像データを画像取得部74が取り込む。
In step S103, teacher image data is acquired. Specifically, based on the command from the
画像取得部74により取り込まれたPTPシート1の実画像データは、画像処理部75において所定の画像処理(例えばトリミングや傾き補正など)が施された上で、教師画像データとして学習部76に入力される。
The actual image data of the
ステップS104では、予測画像データを取得する。尚、ステップS104の処理は、上記ステップS103の処理と並行して行われるようにしてもよい。 In step S104, the predicted image data is acquired. The process of step S104 may be performed in parallel with the process of step S103.
具体的には、メイン制御部71からの指令に基づき、学習部76が、ステップS102において調光パラメータ設定部78に設定された各照明パネルL1~L15に係る調光パラメータ値を入力値として、ニューラルネットワーク90の入力層91の各ノード94に与え、これにより出力層93の各ノード94から出力される出力値をまとめて予測画像データとして取得する。
Specifically, based on the command from the
尚、ここで取得される予測画像データは、調光パラメータ設定部78に設定された調光パラメータ値に対応する明るさレベルでそれぞれ発光する複数の照明パネルL1~L15により作り出される照明状態で照明されるPTPシート1を撮像した場合に取得され得る画像データとしてニューラルネットワーク90が予測したものであり、学習の程度によりその精度は異なる。
The predicted image data acquired here is illuminated in a lighting state created by a plurality of lighting panels L1 to L15 that emit light at a brightness level corresponding to the dimming parameter value set in the dimming
続くステップS105では、学習部76が、ステップS103においてカメラ53により取得された実画像データである教師画像データと、ステップS104においてニューラルネットワーク90により出力された予測画像データとを比較し、その誤差が十分に小さいか否か(所定の閾値以下であるか否か)を判定する。
In the following step S105, the
ここで、その誤差が十分に小さい場合には、ニューラルネットワーク90及びその学習情報(後述する更新後の結合荷重等)をAIモデル100として記憶部57に格納し、本学習処理を終了する。
Here, when the error is sufficiently small, the
一方、その誤差が十分に小さくない場合には、ステップS106においてネットワーク更新処理(ニューラルネットワーク90の学習)を行った後、再びステップS102へ戻り、上記一連の処理を繰り返す。 On the other hand, if the error is not sufficiently small, the network update process (learning of the neural network 90) is performed in step S106, and then the process returns to step S102 again to repeat the above series of processes.
具体的に、ステップS106のネットワーク更新処理では、公知の学習アルゴリズムである誤差逆伝播法(Backpropagation)を用いて、ニューラルネットワーク90の各ノード間の結合荷重(パラメータ)に対する勾配を求め、教師画像データと予測画像データの誤差が小さくなるように、該勾配に基づき各ノード間の結合荷重をより適切なものに更新する。
Specifically, in the network update process of step S106, a gradient with respect to the coupling load (parameter) between each node of the
これらの処理を何度も繰り返すことにより、ニューラルネットワーク90は、複数の照明パネルL1~L15それぞれの調光パラメータ値と、これに対応する明るさレベルでそれぞれ発光する複数の照明パネルL1~L15により作り出される照明状態で照明されるPTPシート1を撮像した場合に取得され得る画像データとの相関関係を学習し、より正確な予測画像データを出力することができるようになる。
By repeating these processes many times, the
次に、外観検査装置45によって行われる照明ユニット52の照明状態の最適化処理について図11,12を参照して説明する。図11は照明状態の最適化処理の流れを示すフローチャートであり、図12は照明状態の最適化処理の流れを説明するためのブロック図である。
Next, the lighting state optimization process of the
所定の最適化プログラムの実行に基づき、最適化処理が開始されると、まずステップS201において、メイン制御部71からの指令に基づき、調光パラメータ調整部77が、複数の照明パネルL1~L15それぞれに対応するパラメータ初期値を256段階の調光パラメータ値(「0」~「255」)の中からランダムに選出し、パラメータ候補値として所定の候補値記憶エリアに記憶する。
When the optimization process is started based on the execution of the predetermined optimization program, first, in step S201, the dimming
ステップS202では、メイン制御部71からの指令に基づき、調光パラメータ調整部77が、上記候補値記憶エリアに記憶された調光パラメータ値(ステップS201においてパラメータ初期値として選出した調光パラメータ値、又は、後述するステップS205において補正された調光パラメータ値)を入力値として、AIモデル100(学習済みのニューラルネットワーク90)の入力層91の各ノード94に与え、これにより出力層93の各ノード94から出力される出力値をまとめて予測画像データとして取得する。
In step S202, the dimming parameter value stored in the candidate value storage area by the dimming
ステップS203において、調光パラメータ調整部77は、ステップS202においてAIモデル100により出力された予測画像データと、理想的なデータとして予め記憶部57に記憶された理想画像データとを比較して、その誤差を算出すると共に、該誤差をAIモデル100の入力層91まで誤差逆伝播させ、上記入力値(上記候補値記憶エリアに記憶された調光パラメータ値)に対する勾配を求める。尚、この際、ニューラルネットワーク90の更新(学習)は行わない。ここで、上記理想画像データが本実施形態における目標画像データに相当する。また、予測画像データと理想画像データとを比較し、その誤差を算出する機能により本実施形態における比較手段が構成される。
In step S203, the dimming
続くステップS204では、調光パラメータ調整部77が、ステップS203において算出した誤差及び勾配がそれぞれ十分に小さいか否か(それぞれ所定の閾値以下であるか否か)を判定する。
In the following step S204, the dimming
ここで、その誤差及び勾配の両者が十分に小さい場合には、上記候補値記憶エリアに記憶された調光パラメータ値を調光パラメータ設定部78に設定し、本最適化処理を終了する。
Here, when both the error and the gradient are sufficiently small, the dimming parameter value stored in the candidate value storage area is set in the dimming
一方、その誤差及び勾配のうち一方が十分に小さくない場合には、ステップS205において、調光パラメータ調整部77は、ステップS203において算出した勾配を基に、各照明パネルL1~L15に対応する入力値(上記候補値記憶エリアに記憶された調光パラメータ値)をそれぞれ補正(更新)する。その後、再びステップS202へ戻り、上記一連の処理を繰り返す。
On the other hand, if one of the error and the gradient is not sufficiently small, in step S205, the dimming
これらの処理を何度も繰り返すことにより、上記候補値記憶エリアに記憶される調光パラメータ値(パラメータ候補値)が、目標とする照明状態に近い照明状態となり得る理想値に近づいていくこととなる。 By repeating these processes many times, the dimming parameter value (parameter candidate value) stored in the candidate value storage area approaches the ideal value that can be a lighting state close to the target lighting state. Become.
次に、外観検査装置45によって行われる錠剤5の検査処理について図13のフローチャートを参照して説明する。かかる検査処理は、シート打抜装置37によって打抜かれたPTPシート1がコンベア39によって上記検査エリアに搬送される毎に実行される処理である。
Next, the inspection process of the
所定の検査プログラムの実行に基づき、検査処理が開始されると、まずステップS301において、パラメータ読込処理を実行する。具体的には、メイン制御部71からの指令に基づき、照明制御部72が、調光パラメータ設定部78に設定された各照明パネルL1~L15に対応する調光パラメータ値を読み込む。
When the inspection process is started based on the execution of the predetermined inspection program, the parameter reading process is first executed in step S301. Specifically, based on the command from the
ステップS302では、照明処理を実行する。具体的には、メイン制御部71が、コンベア39に設けられた図示しないエンコーダからの信号に基づき、該PTPシート1が上記検査エリアに到達した判断すると、照明制御部72に対し所定の信号を出力する。これに基づき、照明制御部72は、所定のタイミングで、ステップS301において読み込んだ各調光パラメータ値に対応する明るさレベルで、照明ユニット52の各照明パネルL1~L15を点灯させる。
In step S302, the lighting process is executed. Specifically, when the
これにより、検査エリア内に位置するPTPシート1が、複数の照明パネルL1~L15により作り出される所定の照明状態で照明された状態となる。
As a result, the
続くステップS303では、撮像処理を実行する。具体的には、メイン制御部71からの指令に基づき、カメラ制御部73が所定のタイミングでカメラ53を駆動させる。これにより、検査エリア内に位置するPTPシート1(10個の錠剤5を含む)を撮像する。これにより、複数の照明パネルL1~L15により作り出される所定の照明状態で照明されたPTPシート1を含む輝度画像データが取得される。そして、この輝度画像データは、画像取得部74に取り込まれる。
In the following step S303, the imaging process is executed. Specifically, the
ステップS304では、画像処理を実行する。具体的には、メイン制御部71からの指令に基づき、画像処理部75が、ステップS303にて画像取得部74に取り込まれた輝度画像データに対し所定の画像処理を行い、検査用の画像データを生成する。
In step S304, image processing is executed. Specifically, based on the command from the
本実施形態では、画像取得部74に取り込まれた輝度画像データに対し、例えばシェーディング補正やマスキング処理などの画像処理を行った後、所定の閾値に基づき二値化処理を行い、二値化画像データを生成する。ここでは、前記閾値以上の明度を有する部分が「1(明)」、前記閾値未満の部分が「0(暗)」として、輝度画像データを二値化画像データに変換する。
In the present embodiment, the luminance image data captured in the
ステップS305では、良否判定処理を行う。具体的には、メイン制御部71からの指令に基づき、検査部79が、ステップS304にて生成された検査用の画像データを基に、対象物としてのPTPシート1に含まれる所定の検査対象としての10個の錠剤5について良否判定を行う。以下、異物検査(異物や汚れの付着の検査)を一例として良否判定の流れについて説明するが、ここでは、錠剤5に係る外観異常として、その他、欠けやひびの有無、印刷不良などについても検査が行われる。
In step S305, a pass / fail determination process is performed. Specifically, based on the command from the
本実施形態では、まずステップS304にて生成された二値化画像データに対して、それぞれ塊処理を実行する。この塊処理では、二値化画像データの「0(暗)」及び「1(明)」について各連結成分を特定すると共に、それぞれの連結成分についてラベル付けを行う。 In the present embodiment, first, the binarized image data generated in step S304 is subjected to mass processing. In this chunk processing, each connected component is specified for "0 (dark)" and "1 (bright)" of the binarized image data, and each connected component is labeled.
そして、検査部79は、二値化画像データから求めた「1(明)」の連結成分の中から、錠剤5に相当する連結成分を錠剤領域として特定し、この錠剤領域内の異物の面積を算出する。すなわち二値化画像データから求めた「0(暗)」の連結成分のうち、錠剤領域の座標に含まれる、あるいは連なるものを抽出し、その面積つまり異物の面積を求め、各異物の面積が、予め定められた判定基準値よりも小さいか否かを判定する。
Then, the
ここで、検査部79は、1枚のPTPシート1に対応する二値化画像データにおいて、10個の錠剤5すべてにおいて異物の面積が判定基準値よりも小さい場合には、該PTPシート1を良品と判定すると共に、この結果を記憶部57に記憶し、本処理を終了する。
Here, in the binarized image data corresponding to one
一方、1枚のPTPシート1に含まれる10個の錠剤5のうち、異物の面積が判定基準値よりも大きいものが1つでもある場合には、該PTPシート1を不良品と判定し、その結果を表示部56に表示したり、その旨を通信部58を介して、PTP包装機10の不良シート排出機構などに対し送信し、本処理を終了する。
On the other hand, if any one of the 10
以上詳述したように、本実施形態によれば、AIモデル100(ニューラルネットワーク90)とその誤差逆伝播を利用することで、個々に明るさ調整可能な複数の照明パネルL1~L15によって作り出され得る膨大な組合せパターンの照明状態の中から、比較的短時間で外観検査により最適な照明状態を自動的に見つけ出し、作り出すことができる。結果として、検査効率の飛躍的な向上を図ることができる。 As described in detail above, according to the present embodiment, by utilizing the AI model 100 (neural network 90) and its error back propagation, it is created by a plurality of lighting panels L1 to L15 whose brightness can be individually adjusted. The optimum lighting condition can be automatically found and created by visual inspection in a relatively short time from the enormous combination pattern of lighting conditions obtained. As a result, the inspection efficiency can be dramatically improved.
加えて、人には感知できない程度の微妙な照明状態の違い(但し、検査結果には影響を及ぼすおそれがあるほどの違い)をも識別し、より最適な照明状態を作り出すことができる。結果として、検査精度の飛躍的な向上を図ることができる。 In addition, it is possible to identify subtle differences in lighting conditions that cannot be perceived by humans (however, differences that may affect inspection results), and create more optimal lighting conditions. As a result, the inspection accuracy can be dramatically improved.
また、作業者の経験や感覚に頼ることなく、より最適な照明状態を再現性良く見つけ出し、作り出すことができる。結果として、時間的・場所的な制約を受けることなく、利便性や汎用性の向上を図ることができる。 In addition, it is possible to find and create more optimum lighting conditions with good reproducibility without relying on the experience and feeling of the operator. As a result, convenience and versatility can be improved without being restricted by time and place.
さらに、本実施形態では、ニューラルネットワーク90の学習を行う学習部76を備えている。
Further, in the present embodiment, a
これにより、外部において学習を行った学習済みのニューラルネットワーク90を格納した場合よりも、照明ユニット52毎の個体差を考慮したニューラルネットワーク90の学習を行うことができ、照明ユニット52毎にニューラルネットワーク90がより適切な処理を行うことができるようになる。結果として、照明ユニット52毎に、より最適な照明状態を作り出し、さらなる検査精度の向上を図ることができる。
As a result, it is possible to learn the
〔第2実施形態〕
次に第2実施形態について図面を参照して詳しく説明する。但し、上述した第1実施形態と重複する部分については、同一の部材名称、同一の符号を用いる等してその詳細な説明を省略するとともに、以下には第1実施形態と相違する部分を中心として説明することとする。
[Second Embodiment]
Next, the second embodiment will be described in detail with reference to the drawings. However, for the parts that overlap with the first embodiment described above, detailed description thereof will be omitted by using the same member names and the same reference numerals, and the parts different from the first embodiment will be mainly described below. It will be explained as.
上記第1実施形態では、先にニューラルネットワーク90の学習処理を実行し、その後、学習済みのニューラルネットワーク90(AIモデル100)を用いて、照明ユニット52の照明状態の最適化処理を実行する構成となっている。
In the first embodiment, the learning process of the
これに対し、第2実施形態においては、未学習のニューラルネットワーク90に対し学習処理と照明状態の最適化処理とを交互に実行する構成となっている。
On the other hand, in the second embodiment, the learning process and the illumination state optimization process are alternately executed on the unlearned
以下、外観検査装置45によって行われる学習・最適化処理について図14,15を参照して説明する。図14は学習・最適化処理の流れを示すフローチャートであり、図15は学習・最適化処理の流れを説明するためのブロック図である。
Hereinafter, the learning / optimization processing performed by the
所定のプログラムの実行に基づき、学習・最適化処理が開始されると、はじめにステップS401において、メイン制御部71からの指令に基づき、学習部76が、未学習のニューラルネットワーク90を準備する。
When the learning / optimization process is started based on the execution of the predetermined program, first, in step S401, the
ステップS402では、メイン制御部71からの指令に基づき、調光パラメータ調整部77が、複数の照明パネルL1~L15それぞれに対応するパラメータ初期値を、256段階の調光パラメータ値(「0」~「255」)の中からランダムに選出し、パラメータ候補値として所定の候補値記憶エリアに記憶する。
In step S402, based on the command from the
ステップS403では、メイン制御部71が、上記候補値記憶エリアに記憶された調光パラメータ値(パラメータ候補値)の周辺値を任意に(例えば周辺値の中からランダムに)選出し、調光パラメータ設定部78に設定する。
In step S403, the
尚、上記候補値記憶エリアに記憶される調光パラメータ値(パラメータ候補値)は、本処理の開始直後においては、ステップS402において選出されたパラメータ初期値であり、その後においては、後述するステップS408において補正(更新)された調光パラメータ値である。 The dimming parameter value (parameter candidate value) stored in the candidate value storage area is the initial parameter value selected in step S402 immediately after the start of this process, and thereafter, step S408 described later. It is a dimming parameter value corrected (updated) in.
ステップS404では、教師画像データを取得する。具体的には、メイン制御部71からの指令に基づき、照明制御部72が、ステップS403において調光パラメータ設定部78に設定された調光パラメータ値に対応する明るさレベルで、照明ユニット52の各照明パネルL1~L15を点灯させる。続いて、メイン制御部71からの指令に基づき、カメラ制御部73がカメラ53を駆動させる。これにより、停止中のコンベア39の上記検査エリア内に予め載置され、複数の照明パネルL1~L15により作り出される照明状態で照明された良品のPTPシート1を撮像する。そして、カメラ53により取得された実画像データを画像取得部74が取り込む。
In step S404, teacher image data is acquired. Specifically, based on the command from the
画像取得部74により取り込まれたPTPシート1の実画像データは、画像処理部75において所定の画像処理が施された上で、教師画像データとして学習部76に入力される。
The actual image data of the
ステップS405では、予測画像データを取得する。具体的には、メイン制御部71からの指令に基づき、学習部76が、ステップS403において調光パラメータ設定部78に設定された各照明パネルL1~L15に係る調光パラメータ値(パラメータ候補周辺値)を入力値として、ニューラルネットワーク90の入力層91の各ノード94に与え、これにより出力層93の各ノード94から出力される出力値をまとめて予測画像データとして取得する。
In step S405, the predicted image data is acquired. Specifically, based on the command from the
尚、この際、本実施形態ではステップS403において調光パラメータ設定部78に設定された各調光パラメータ値(パラメータ候補周辺値)は、新たなパラメータ候補値として上記候補値記憶エリアに上書きされた上で、ニューラルネットワーク90に入力される。
At this time, in this embodiment, each dimming parameter value (parameter candidate peripheral value) set in the dimming
続くステップS406では、学習部76が、ステップS404においてカメラ53により取得された実画像データである教師画像データと、ステップS405においてニューラルネットワーク90により出力された予測画像データとを比較して、その誤差(以下、「学習誤差」という。)を算出すると共に、誤差逆伝播法を用いて、ネットワーク更新処理を行う。このネットワーク更新処理では、ニューラルネットワーク90の各ノード間の結合荷重(パラメータ)に対する勾配を求め、教師画像データと予測画像データの誤差が小さくなるように、該勾配に基づき各ノード間の結合荷重をより適切なものに更新する。
In the following step S406, the
ステップS407では、調光パラメータ調整部77が、ステップS405においてニューラルネットワーク90により出力された予測画像データと、理想的なデータとして予め記憶部57に記憶された理想画像データとを比較して、その誤差(以下、「予測誤差」という。)を算出すると共に、該予測誤差をニューラルネットワーク90の入力層91まで誤差逆伝播させ、上記入力値(上記候補値記憶エリアに記憶された調光パラメータ値)に対する勾配を求める。尚、この際、ニューラルネットワーク90の更新(学習)は行わない。ここで、上記理想画像データが本実施形態における目標画像データに相当する。また、予測画像データと理想画像データとを比較し、その誤差を算出する機能により本実施形態における比較手段が構成される。
In step S407, the dimming
ステップS408では、調光パラメータ調整部77が、ステップS407において算出した勾配を基に、各照明パネルL1~L15に対応する入力値(上記候補値記憶エリアに記憶された調光パラメータ値)をそれぞれ補正(更新)する。
In step S408, the dimming
ステップS409では、メイン制御部71が、ステップS406において算出した学習誤差、並びに、ステップS407において算出した予測誤差及び勾配がそれぞれ十分に小さいか否か(それぞれ所定の閾値以下であるか否か)を判定する。
In step S409, the
ここで、学習誤差、並びに、予測誤差及び勾配の三者が十分に小さい場合には、上記候補値記憶エリアに記憶された調光パラメータ値(パラメータ候補値)を調光パラメータ設定部78に設定し、本処理を終了する。
Here, when the learning error, the prediction error, and the gradient are sufficiently small, the dimming parameter value (parameter candidate value) stored in the candidate value storage area is set in the dimming
一方、学習誤差、並びに、予測誤差及び勾配の三者のうち1つが十分に小さくない場合には、再びステップS402へ戻り、上記一連の処理を繰り返す。 On the other hand, if one of the learning error, the prediction error, and the gradient is not sufficiently small, the process returns to step S402 again, and the above series of processes is repeated.
このように、調光パラメータ値の更新(補正)と、ニューラルネットワーク90の更新(学習)とを交互に繰り返していくことにより、調光パラメータ設定部78に設定される調光パラメータ値が、目標とする照明状態に近い照明状態となり得る理想値に近づいていくこととなる。つまり、ニューラルネットワーク90を学習しながら、より最適な照明状態を作り出すことができる。
In this way, by alternately repeating the update (correction) of the dimming parameter value and the update (learning) of the
以上詳述したように、本実施形態によれば、上記第1実施形態と同様の作用効果が奏される。 As described in detail above, according to the present embodiment, the same effects as those of the first embodiment are exhibited.
本実施形態では、照明パネルL1~L15(LED63)の劣化等に起因した照明状態の変化など、現実世界で条件が変化した場合にも、その変化に追従することができ、さらなる検査精度の向上を図ることができる。 In the present embodiment, even when conditions change in the real world such as changes in the lighting state due to deterioration of the lighting panels L1 to L15 (LED63), the changes can be followed, and the inspection accuracy is further improved. Can be planned.
例えば複数の照明パネルL1~L15のうちの一部や、所定の照明パネルL1等に実装された数十個のLED63のうちの一部など、一部の光源が劣化(輝度低下や点灯不能など)した場合、その劣化した光源の位置によって照明状態も変化し得るため、これを考慮した明るさ調整も行うことができる。
For example, some light sources such as a part of a plurality of lighting panels L1 to L15 and a part of several tens of
尚、上記実施形態の記載内容に限定されず、例えば次のように実施してもよい。勿論、以下において例示しない他の応用例、変更例も当然可能である。 The content is not limited to the description of the above embodiment, and may be implemented as follows, for example. Of course, other application examples and modification examples not illustrated below are also possible.
(a)上記各実施形態では、対象物としてのPTPシート1に含まれる内容物である錠剤5を所定の検査対象(検査対象部位)として外観検査を行う構成となっているが、外観検査に供される対象物や内容物、検査対象(検査対象部位)は、これらに限定されるものではない。
(A) In each of the above embodiments, the appearance inspection is performed with the
(a-1)例えばPTPシート1の構成(ポケット部2の形状や配列、個数など)に関しては、上記各実施形態に限定されるものではなく、異なる他の構成を採用してもよい。例えば3列12個のポケット部を有するタイプをはじめ、様々な配列、個数からなるPTPシートを採用してもよい。 (A-1) For example, the configuration of the PTP sheet 1 (shape, arrangement, number, etc. of the pocket portions 2) is not limited to each of the above embodiments, and other configurations different from each other may be adopted. For example, a PTP sheet having various arrangements and numbers may be adopted, including a type having 12 pockets in 3 rows.
勿論、PTPシートに限らず、ブリスターパックなど、異なる他のブリスター包装体を、外観検査に供される対象物としてもよいし、ブリスター包装体とは異なる物品を、外観検査に供される対象物としてもよい。 Of course, not limited to the PTP sheet, another different blister package such as a blister pack may be used as an object to be subjected to visual inspection, and an article different from the blister package may be an object to be subjected to visual inspection. May be.
(a-2)上記各実施形態では、内容物である錠剤5の態様例として、中心部と周縁部とで厚みが異なる平面視円形状の素錠、いわゆるレンズ錠を例示しているが、錠剤の種類や形状等は、これに限られるものではない。
(A-2) In each of the above embodiments, as an example of the embodiment of the
例えば、表面部に割線を有する錠剤や、周縁部に面取り部を有する円盤形状の平錠、平面視非円形の三角錠や四角錠、カプセル錠、糖衣錠、ソフトカプセルなどであってもよい。 For example, a tablet having a score line on the surface portion, a disk-shaped flat tablet having a chamfered portion on the peripheral portion, a triangular tablet or a square tablet having a non-circular view in a plan view, a capsule tablet, a sugar-coated tablet, a soft capsule, or the like may be used.
また、外観検査に供される内容物の種別等に関しても、錠剤(薬品)に限らず、サプリメント、食品、電子部品、電子機器、医療機器など、異なるものであってもよい。 Further, the types of contents to be subjected to visual inspection are not limited to tablets (medicines), but may be different from supplements, foods, electronic parts, electronic devices, medical devices and the like.
(a-3)容器フィルム3やカバーフィルム4など、包装材の形状や材質等は、上記各実施形態に限定されるものではなく、異なる他の構成を採用してもよい。
(A-3) The shape, material, and the like of the packaging material such as the
例えば容器フィルム3がアルミラミネートフィルムなど、アルミニウムを主材料とした金属材料により形成された構成としてもよい。但し、PTPシート1の打抜き後、容器フィルム3を介して錠剤5の外観検査を行う場合には、容器フィルム3が透明素材により構成されていることが必要となる。従って、このように容器フィルム3が遮光材料(不透明材料)により形成されている場合には、後述するように容器フィルム3に対しカバーフィルム4が取着される前工程において、ポケット部2の開口側から錠剤5を照明及び撮像し検査を行うこととなる。
For example, the
(a-4)上記各実施形態では、PTPシート1のうち、内容物である錠剤5に係る検査のみ行う構成となっているが、これに限らず、包装材であるシート部に係る検査(例えば異物付着や粉噛み、シール不良、印刷不良、刻印不良、打ち抜き不良など)を実行する構成としてもよい。
(A-4) In each of the above embodiments, only the inspection relating to the
(b)上記各実施形態では、PTPフィルム6からPTPシート1が打抜かれた後工程において、コンベア39によって搬送されているPTPシート1のポケット部2(容器フィルム3)越しに錠剤5の外観検査が行われる構成となっている。
(B) In each of the above embodiments, in the post-process after the
(b-1)これに限らず、容器フィルム3に対しカバーフィルム4が取着された後工程かつPTPフィルム6からPTPシート1が打抜かれる前工程において、PTPフィルム6のポケット部2(容器フィルム3)越しに錠剤5の外観検査が行われる構成としてもよい。かかる場合でも、上記各実施形態と同様、錠剤5が入れ替わることがない状態で検査を実行することができ、検査精度の向上を図ることができる。
(B-1) Not limited to this, in the post-process in which the
(b-2)また、ポケット部2に錠剤5が充填された後工程かつ容器フィルム3に対しカバーフィルム4が取着される前工程において、錠剤5の外観検査が行われる構成としてもよい。
(B-2) Further, the appearance inspection of the
ここで、容器フィルム3が透明材料により形成されている場合には、ポケット部2(容器フィルム3)越しに錠剤5を照明及び撮像し検査を行う構成としてもよいし、ポケット部2の開口側から錠剤5を照明及び撮像し検査を行う構成としてもよい。
Here, when the
ポケット部2の開口側から検査を行う方が、ポケット部2(容器フィルム3)を介さず、遮るものがない状態で直接、錠剤5を照明及び撮像することができるため、個々の錠剤5の検査精度に関しては向上する一方、錠剤5が入れ替わるおそれがあるため、全体として良品錯誤率や不良品錯誤率が増加するおそれがある。
Since it is possible to directly illuminate and image the
(c)上記各実施形態では、外観検査装置45がPTP包装機10内に設けられた構成(インライン)となっている。
(C) In each of the above embodiments, the
(c-1)これに代えて、PTP包装機10とは別に、オフラインでPTPシート1の検査を行う装置として外観検査装置45を備えた構成としてもよい。かかる場合、PTPシート1を搬送可能な搬送手段を外観検査装置45に備えた構成としてもよい。
(C-1) Instead of this, a configuration may be provided in which the
(c-2)また、オフラインで検査を行う場合には、PTPシート1を連続搬送せず、停止した状態で検査を行う構成としてもよい。但し、PTPシート1、又は、PTPフィルム6若しくは容器フィルム3を連続搬送しつつ、インラインで検査を実行した方が生産性の向上を図る上では好ましい。
(C-2) Further, when the inspection is performed offline, the
(d)外観検査装置45に係る構成は、上記各実施形態に限定されるものではなく、他の構成を採用してもよい。
(D) The configuration of the
(d-1)例えば上記各実施形態に係る外観検査装置45は、外観検査用照明装置(照明ユニット52及びその制御機能)と、撮像装置(カメラユニット53及びその制御機能)とが機能的に一体に設けられた構成となっている。
(D-1) For example, in the
これに限らず、外観検査用照明装置や撮像装置が外観検査装置とは機能的に別体で設けられた構成としてもよい。ここで撮像機能を有しない外観検査用照明装置においては、外部の撮像手段により取得された画像データ等を入力して、これを基に調光パラメータ値の更新や、ニューラルネットワーク90の更新を行う構成としてもよい。
Not limited to this, the lighting device for visual inspection and the imaging device may be provided functionally separately from the visual inspection device. Here, in the visual inspection lighting device that does not have an image pickup function, image data or the like acquired by an external image pickup means is input, and the dimming parameter value is updated or the
(d-2)上記各実施形態では、特に言及していないが、対象物(PTPシート1等)を1つずつ撮像して検査を行う構成のみならず、照明ユニット52による同一の照明状態の下で、複数の対象物(対象範囲)に対し同時に光を照射して撮像し得られる画像データを基に各対象物について検査を行う構成としてもよい。
(D-2) Although not particularly mentioned in each of the above embodiments, not only the configuration in which an object (
かかる場合、所定の照明パネルL1等の近くに位置する対象物では、該照明パネルL1等から照射される光が強くなり、遠くにある対象物では、照射される光が弱くなる。このため、複数の照明パネルL1~L15それぞれから対象物までの距離を考慮して、最適な照明状態を生成する必要がある。 In such a case, the light emitted from the lighting panel L1 or the like becomes stronger for the object located near the predetermined lighting panel L1 or the like, and the light emitted becomes weaker for the object located far away. Therefore, it is necessary to generate an optimum lighting state in consideration of the distance from each of the plurality of lighting panels L1 to L15 to the object.
(e)照明部に係る構成は、上記各実施形態に限定されるものではない。上記各実施形態では、光源となる複数のLED63を実装した照明パネルL1~L15が照明部として採用されている。
(E) The configuration of the lighting unit is not limited to each of the above embodiments. In each of the above embodiments, the lighting panels L1 to L15 on which a plurality of
(e-1)例えば上記各実施形態に係る照明ユニット52では、15個の照明パネルL1~L15が設けられているが、照明部の数や配置等は、これに限定されるものではなく、他の構成を採用してもよい。例えば環状のリング照明を採用してもよい。
(E-1) For example, in the
(e-2)また、上記各実施形態では、特に言及していないが、各照明パネルL1~L15において、例えばLED63から出射される光を拡散させ、輝度ムラを抑制するための拡散カバーや、一部の光だけを通過させるフィルタなどを備えた構成としてもよい。
(E-2) Further, although not particularly mentioned in each of the above embodiments, in each of the lighting panels L1 to L15, for example, a diffusion cover for diffusing the light emitted from the
(e-3)上記各実施形態では、特に言及していないが、例えば各照明パネルL1~L15が、互いに発光色の異なる複数種の光源(例えば赤(R)・緑(G)・青(B)の各LED63)を実装し、各種有色光や白色光を照射可能に構成されると共に、各色の光源毎に発光輝度レベルを調整して照明状態を制御可能な構成としてもよい。勿論、可視光に限定されず、赤外光や近赤外光などを照射可能な光源を用いる構成としてもよい。 (E-3) Although not particularly mentioned in each of the above embodiments, for example, each of the lighting panels L1 to L15 has a plurality of types of light sources having different emission colors (for example, red (R), green (G), and blue (for example). Each LED 63) of B) may be mounted so as to be able to irradiate various colored lights and white lights, and the illumination brightness level may be adjusted for each light source of each color to control the illumination state. Of course, the configuration is not limited to visible light, and a light source capable of irradiating infrared light, near-infrared light, or the like may be used.
(e-4)照明部の光源は、LED63に限定されるものではなく、調光可能な光源であれば、他の光源を採用してもよい。例えば蛍光灯やランプなどを採用してもよい。
(E-4) The light source of the illumination unit is not limited to the
(f)照明部の明るさ調整(調光)方法やその階調は、上記各実施形態に限定されるものではない。 (F) The brightness adjustment (dimming) method of the lighting unit and its gradation are not limited to each of the above embodiments.
(f-1)上記各実施形態では、256階調の明るさ表現が可能となっているが、これに限らず、例えば128階調で明るさ表現可能な構成としてもよい。 (F-1) In each of the above embodiments, the brightness can be expressed in 256 gradations, but the present invention is not limited to this, and the brightness may be expressed in 128 gradations, for example.
(f-2)上記各実施形態では、パルス幅変調(PWM)によって、各照明パネルL1~L15を調光可能な構成となっている。これに限らず、例えば各照明パネルL1~L15(光源)へ供給する電流や電圧の大きさを制御することにより、各照明パネルL1~L15の明るさを調整可能な構成としてもよい。 (F-2) In each of the above embodiments, the illumination panels L1 to L15 can be dimmed by pulse width modulation (PWM). Not limited to this, for example, the brightness of each of the lighting panels L1 to L15 may be adjusted by controlling the magnitude of the current and the voltage supplied to the lighting panels L1 to L15 (light source).
または、LED63から出射された光が所定のフィルタを介して対象物へ照射される構成の下、該フィルタの透過率を制御することにより、各照明パネルL1~L15の明るさを調整可能な構成としてもよい。
Alternatively, the brightness of each of the lighting panels L1 to L15 can be adjusted by controlling the transmittance of the filter under the configuration in which the light emitted from the
(g)ニューラルネットワーク90の構成及びその学習方法は、上記各実施形態に限定されるものではない。
(G) The configuration of the
(g―1)例えばニューラルネットワーク90は、2以上の中間層92を持ち、深層学習(ディープラーニング)により学習されるニューラルネットワークのであってもよい。
(G-1) For example, the
(g―2)例えばニューラルネットワーク90は、畳み込み層やプーリング層などを中間層92に持つ畳み込みニューラルネットワークであってもよい。
(G-2) For example, the
(g―3)上記各実施形態では、誤差逆伝播法によりニューラルネットワーク90を学習する構成となっているが、これに限らず、その他の種々の学習アルゴリズムを用いて学習する構成としてもよい。
(G-3) In each of the above embodiments, the
(g―4)上記各実施形態では、ニューラルネットワーク90の学習を行うに際し、良品のPTPシート1を撮像して得た良品画像データを教師画像データとして用いる構成となっているが、これに加えて、不良品のPTPシート1を撮像して得た不良品画像データを教師画像データとして用いて学習を行う構成としてもよい。
(G-4) In each of the above embodiments, when learning the
(g―5)ニューラルネットワーク90は、いわゆるAIチップ等のAI処理専用回路によって構成されることとしてもよい。その場合、結合荷重等の学習情報のみが記憶部57に記憶され、これをAI処理専用回路が読み出して、ニューラルネットワーク90に設定することによって、AIモデル100が構成されるようにしてもよい。
(G-5) The
(g―6)上記各実施形態では、学習部76を備え、制御装置54内においてニューラルネットワーク90の学習を行う構成となっているが、これに限らず、少なくともAIモデル100(学習済みのニューラルネットワーク90)を記憶部57に記憶していればよく、学習部76を省略した構成としてもよい。従って、ニューラルネットワーク90の学習を制御装置54の外部で行い、これを記憶部57に記憶する構成としてもよい。
(G-6) In each of the above embodiments, the
(h)各照明パネルL1~L15に係る調光パラメータ値を補正(更新)し、照明状態を最適化する構成は、上記各実施形態に限定されるものではなく、異なる他の構成を採用してもよい。 (H) The configuration for correcting (updating) the dimming parameter values related to the lighting panels L1 to L15 and optimizing the lighting state is not limited to each of the above embodiments, and other different configurations are adopted. You may.
(h-1)例えば上記第1実施形態に係る照明状態の最適化処理など、上記各実施形態においては、照明状態を最適化するにあたり、複数の照明パネルL1~L15それぞれに対応する調光パラメータ値をAIモデル100に入力して出力されたPTPシート1に係る予測画像データと、予め記憶部57に記憶されたPTPシート1に係る理想画像データとを比較して、その誤差をAIモデル100の入力層91まで誤差逆伝播させることにより、調光パラメータ値の更新を行う構成となっている。
(H-1) In each of the above embodiments, for example, the lighting state optimization process according to the first embodiment, the dimming parameters corresponding to each of the plurality of lighting panels L1 to L15 are used for optimizing the lighting state. The predicted image data related to the
これに限らず、前記調光パラメータ値に対応する明るさレベルでそれぞれ発光する複数の照明パネルL1~L15により作り出される照明状態と証明されるPTPシート1をカメラ53により撮像して取得された実画像データと、予め記憶部57に記憶されたPTPシート1に係る理想画像データとを比較して、その誤差をAIモデル100の入力層91まで誤差逆伝播させることにより、調光パラメータ値の更新を行う構成としてもよい(但し、参考例)。
Not limited to this, the actual image obtained by imaging the
(h-2)上記第1実施形態に係る照明状態の最適化処理など、上記各実施形態においては、照明状態を最適化するにあたり、AIモデル100から出力される予測画像データ(又はカメラ53により取得された実画像データ)と、予め記憶部57に記憶された理想画像データとを直接的に比較して、その誤差をAIモデル100の入力層91まで誤差逆伝播させることにより、調光パラメータ値の更新を行う構成となっている。
(H-2) In each of the above embodiments, such as the illumination state optimization process according to the first embodiment, the predicted image data (or the camera 53) output from the
これに限らず、AIモデル100から出力される予測画像データ及び該予測画像データから得られる関連情報(又は、カメラ53により取得された実画像データ及び該実画像データから得られる関連情報)と、予め記憶部57に記憶された理想画像データ及び該理想画像データから得られる関連情報とを比較して、その誤差をAIモデル100の入力層91まで誤差逆伝播させることにより、調光パラメータ値の更新を行う構成としてもよい。
Not limited to this, the predicted image data output from the
または、AIモデル100から出力される予測画像データから得られる関連情報(又は、カメラ53により取得された実画像データから得られる関連情報)と、予め記憶部57に記憶された理想画像データから得られる関連情報とを比較して、その誤差をAIモデル100の入力層91まで誤差逆伝播させることにより、調光パラメータ値の更新を行う構成としてもよい。
Alternatively, it is obtained from the related information obtained from the predicted image data output from the AI model 100 (or the related information obtained from the actual image data acquired by the camera 53) and the ideal image data stored in advance in the
尚、上記「画像データから得られる関連情報」としては、例えば画像データの全体又は一部の輝度平均値や、所定部位の輝度値のバラツキや標準偏差などを一例に挙げることができる。 As the above-mentioned "related information obtained from the image data", for example, the brightness average value of all or part of the image data, the variation of the brightness value of a predetermined portion, the standard deviation, and the like can be mentioned as an example.
(h-3)上記第2実施形態においては、未学習のニューラルネットワーク90に対し「学習処理」と「照明状態の最適化処理」とを交互に実行する構成となっているが、これに限らず、「学習処理」と「照明状態の最適化処理」とを並行して行う構成としてもよい。
(H-3) In the second embodiment, the "learning process" and the "illumination state optimization process" are alternately executed for the unlearned
また、第1実施形態に係る「学習処理」を途中まで実行した後に、第2実施形態に係る「学習・最適化処理」を実行する構成としてよい。 Further, the configuration may be such that after the "learning process" according to the first embodiment is executed halfway, the "learning / optimization process" according to the second embodiment is executed.
(i)上記各実施形態では、照明調整作業(上記第1実施形態に係る「学習処理」及び「最適化処理」や、上記第2実施形態に係る「学習・最適化処理」など)の実行時期について、特に言及していないが、例えば製造メーカーにおける外観検査装置45の出荷前に、検査を予定している対象物(PTPシート1等)や検査対象(錠剤5等)の種類に合わせて予め照明調整作業を行っていてもよいし、ユーザへの外観検査装置45の納入後、ユーザによって照明調整作業が行われる構成としてもよい。
(I) In each of the above embodiments, execution of lighting adjustment work (“learning process” and “optimization process” according to the first embodiment, “learning / optimization process” according to the second embodiment, etc.) is executed. Although the timing is not particularly mentioned, for example, before shipping the
ユーザによって照明調整作業が行われる場合には、当初は予定されておらず、新たに検査に追加された対象物や検査対象などの種類に合わせて照明調整作業を行うことができると共に、照明パネルL1~L15が劣化した場合等における再調整を行うことができる。 When the lighting adjustment work is performed by the user, it is not initially planned, and the lighting adjustment work can be performed according to the types of objects newly added to the inspection and the inspection target, and the lighting panel can be used. Readjustment can be performed when L1 to L15 are deteriorated.
(j)また、外観検査装置45の使用中など、学習処理や最適化処理を行ってない場合において、ニューラルネットワーク90とその誤差逆伝播を利用して、照明パネルL1~L15に係る調光パラメータ値に対する勾配を求め、その値を判定することにより、照明パネルL1~L15の故障や劣化など、検査環境の変化等を検知する機能を備えた構成としてもよい。
(J) Further, when the learning process or the optimization process is not performed, such as when the
1…PTPシート、2…ポケット部、3…容器フィルム、4…カバーフィルム、5…錠剤、10…PTP包装機、45…検査装置、52…照明ユニット、53…カメラユニット、54…制御装置、57…記憶部、63…LED、71…メイン制御部、72…照明制御部、73…カメラ制御部、74…画像取得部、75…画像処理部、76…学習部、77…調光パラメータ調整部、78…調光パラメータ設定部、79…検査部、90…ニューラルネットワーク、91…入力層、92…中間層、93…出力層、94…ノード、100…AIモデル、L1~L15…照明パネル。 1 ... PTP sheet, 2 ... pocket part, 3 ... container film, 4 ... cover film, 5 ... tablet, 10 ... PTP packaging machine, 45 ... inspection device, 52 ... lighting unit, 53 ... camera unit, 54 ... control device, 57 ... Storage unit, 63 ... LED, 71 ... Main control unit, 72 ... Lighting control unit, 73 ... Camera control unit, 74 ... Image acquisition unit, 75 ... Image processing unit, 76 ... Learning unit, 77 ... Dimming parameter adjustment Unit, 78 ... Dimming parameter setting unit, 79 ... Inspection unit, 90 ... Neural network, 91 ... Input layer, 92 ... Intermediate layer, 93 ... Output layer, 94 ... Node, 100 ... AI model, L1 to L15 ... Lighting panel ..
Claims (7)
前記複数の照明部それぞれの明るさレベルに対応するレベル情報と、該レベル情報に対応する明るさレベルでそれぞれ発光する前記複数の照明部により作り出される照明状態で照明される前記対象物を撮像した場合に取得され得る画像データとの相関関係を学習したニューラルネットワークを格納したネットワーク格納手段と、
前記ニューラルネットワークに対し前記複数の照明部それぞれに対応する前記レベル情報を入力して出力される前記画像データである予測画像データ及び/若しくは該予測画像データから得られる関連情報と、目標となる照明状態で照明された前記対象物を撮像した場合に取得され得る画像データとして用意された目標画像データ及び/若しくは該目標画像データから得られる関連情報とを比較し、その誤差を算出可能な比較手段と、
少なくとも前記比較手段により算出される誤差が所定の闘値以下となるまで、前記ニューラルネットワークの学習を行わない誤差逆伝播により前記複数の照明部それぞれに対応する前記レベル情報の更新を繰り返し、前記複数の照明部それぞれに適した前記レベル情報を特定可能なレベル特定手段と、
少なくとも前記レベル特定手段によりそれぞれ特定された前記レベル情報に基づき、前記複数の照明部それぞれの明るさ調整を行うことによって、該複数の照明部により作り出される照明状態を制御可能な照明制御手段とを備えたことを特徴とする外観検査用照明装置。 A lighting device for visual inspection that has a plurality of lighting units whose brightness can be individually adjusted and can illuminate an object in a predetermined lighting state created by the plurality of lighting units.
The level information corresponding to the brightness level of each of the plurality of lighting units and the object illuminated in the lighting state produced by the plurality of lighting units emitting light at the brightness level corresponding to the level information were imaged. A network storage means that stores a neural network that has learned the correlation with image data that can be acquired in some cases.
Predicted image data, which is the image data output by inputting the level information corresponding to each of the plurality of lighting units to the neural network, and / or related information obtained from the predicted image data, and a target. Comparison that can calculate the error by comparing the target image data prepared as image data that can be acquired when the object illuminated in the illuminated state is imaged and / or the related information obtained from the target image data. Means and
The level information corresponding to each of the plurality of lighting units is repeatedly updated by error back propagation without learning the neural network until at least the error calculated by the comparison means becomes equal to or less than a predetermined fighting value. A level specifying means that can specify the level information suitable for each of the lighting units of
A lighting control means capable of controlling the lighting state produced by the plurality of lighting units by adjusting the brightness of each of the plurality of lighting units based on at least the level information specified by the level specifying means. A lighting device for visual inspection, which is characterized by being equipped.
前記レベル特定手段による、前記学習手段により学習が行われた前記ニューラルネットワークを用いた前記レベル情報の更新と、前記学習手段による、前記レベル特定手段により更新された前記レベル情報を前記入力値として用いた前記ニューラルネットワークの学習とを交互に行うことを特徴とする請求項3に記載の外観検査用照明装置。 The learning means is a lighting state created by the plurality of lighting units that emits predicted image data output by inputting the level information into the neural network as an input value at a brightness level corresponding to the level information. The neural network is learned about the correlation based on the comparison with the image data acquired when the object illuminated by is imaged.
The level information updated by the learning means using the neural network learned by the learning means by the level specifying means and the level information updated by the level specifying means by the learning means are used as the input values. The lighting device for visual inspection according to claim 3 , wherein the learning of the neural network is alternately performed.
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020087987A JP7026727B2 (en) | 2020-05-20 | 2020-05-20 | Lighting equipment for visual inspection, visual inspection equipment and blister packaging machine |
CN202180029583.9A CN115461611A (en) | 2020-05-20 | 2021-04-01 | Lighting device for appearance inspection, appearance inspection device, and blister packaging machine |
DE112021002876.6T DE112021002876T5 (en) | 2020-05-20 | 2021-04-01 | Visual Inspection Lighting Device, Visual Inspection Device, and Blister Packing Machine |
PCT/JP2021/014147 WO2021235115A1 (en) | 2020-05-20 | 2021-04-01 | Illumination device for visual inspection, visual inspection device, and blister packaging device |
KR1020227043878A KR20230052848A (en) | 2020-05-20 | 2021-04-01 | Lighting device for visual inspection, visual inspection device and blister packaging machine |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020087987A JP7026727B2 (en) | 2020-05-20 | 2020-05-20 | Lighting equipment for visual inspection, visual inspection equipment and blister packaging machine |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021181948A JP2021181948A (en) | 2021-11-25 |
JP7026727B2 true JP7026727B2 (en) | 2022-02-28 |
Family
ID=78606416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020087987A Active JP7026727B2 (en) | 2020-05-20 | 2020-05-20 | Lighting equipment for visual inspection, visual inspection equipment and blister packaging machine |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP7026727B2 (en) |
KR (1) | KR20230052848A (en) |
CN (1) | CN115461611A (en) |
DE (1) | DE112021002876T5 (en) |
WO (1) | WO2021235115A1 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117412442B (en) * | 2023-12-14 | 2024-02-20 | 四川九通智路科技有限公司 | Lighting energy-saving control method applied to tunnel |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004206714A (en) | 2002-12-20 | 2004-07-22 | Valeo Vision | Method for detecting bent part of road and system for implementing same method |
JP2012068026A (en) | 2010-09-21 | 2012-04-05 | Toshiba Corp | Apparatus, program and method for inspecting tablet packaging |
US20190258671A1 (en) | 2016-10-28 | 2019-08-22 | Vilynx, Inc. | Video Tagging System and Method |
JP2019203691A (en) | 2016-11-11 | 2019-11-28 | オムロン株式会社 | Illumination device |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3025562B2 (en) * | 1991-09-10 | 2000-03-27 | マツダ株式会社 | Surface condition inspection method using bright and dark illumination |
JPH05227338A (en) * | 1992-02-12 | 1993-09-03 | Ricoh Co Ltd | Image forming device provided with learning function |
JPH0659039A (en) * | 1992-08-04 | 1994-03-04 | Ricoh Co Ltd | Image forming device |
JPH07160074A (en) * | 1993-12-08 | 1995-06-23 | Ricoh Co Ltd | Process control device for electrophotography |
JPH08305820A (en) * | 1995-04-28 | 1996-11-22 | Fujitsu Ltd | Method and device for active body recognition |
WO2004034183A2 (en) * | 2002-08-21 | 2004-04-22 | Gentex Corporation | Image acquisition and processing methods for automatic vehicular exterior lighting control |
JP4213108B2 (en) | 2004-10-21 | 2009-01-21 | シーケーディ株式会社 | Lighting device for visual inspection |
JP2009192853A (en) * | 2008-02-15 | 2009-08-27 | Sharp Corp | Automatic dimming system |
CN103973991B (en) * | 2014-05-12 | 2017-03-01 | 华中科技大学 | A kind of automatic explosion method judging light scene based on B P neutral net |
-
2020
- 2020-05-20 JP JP2020087987A patent/JP7026727B2/en active Active
-
2021
- 2021-04-01 CN CN202180029583.9A patent/CN115461611A/en active Pending
- 2021-04-01 DE DE112021002876.6T patent/DE112021002876T5/en active Pending
- 2021-04-01 WO PCT/JP2021/014147 patent/WO2021235115A1/en active Application Filing
- 2021-04-01 KR KR1020227043878A patent/KR20230052848A/en unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004206714A (en) | 2002-12-20 | 2004-07-22 | Valeo Vision | Method for detecting bent part of road and system for implementing same method |
JP2012068026A (en) | 2010-09-21 | 2012-04-05 | Toshiba Corp | Apparatus, program and method for inspecting tablet packaging |
US20190258671A1 (en) | 2016-10-28 | 2019-08-22 | Vilynx, Inc. | Video Tagging System and Method |
JP2019203691A (en) | 2016-11-11 | 2019-11-28 | オムロン株式会社 | Illumination device |
Non-Patent Citations (1)
Title |
---|
WANG, H. et al.,Automatic illumination planning for robot vision inspection system,Neurocomputing,2017年05月12日,Vol. 275,pp. 19-28,doi: 10.1016/j.neucom.2017.05.015 |
Also Published As
Publication number | Publication date |
---|---|
WO2021235115A1 (en) | 2021-11-25 |
KR20230052848A (en) | 2023-04-20 |
DE112021002876T5 (en) | 2023-03-09 |
JP2021181948A (en) | 2021-11-25 |
CN115461611A (en) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102270130B1 (en) | Inspection device and PTP packaging machine | |
US10416086B2 (en) | Image inspection device | |
US20180305058A1 (en) | Ptp packaging machine | |
JP2018189560A (en) | Image inspection device | |
JP4368808B2 (en) | Appearance inspection device and PTP packaging machine | |
WO2021235115A1 (en) | Illumination device for visual inspection, visual inspection device, and blister packaging device | |
KR20190093555A (en) | Inspection Device And PTP Packing Machine | |
KR20230056813A (en) | System for outer inspection of inspecting object using machine vision algorithm based on artificial intelligent | |
US20200146117A1 (en) | Method for parameterizing a machine-vision lighting device | |
US11994477B2 (en) | Inspection device, packaging sheet manufacturing device, and inspection method | |
WO2022030088A1 (en) | Inspection device, blister packing machine, and method of manufacturing blister pack | |
JP5744414B2 (en) | Tablet inspection device and PTP packaging machine | |
JP5063235B2 (en) | Tablet inspection device and PTP packaging machine | |
JP2018179568A (en) | Testing device, ptp packaging machine, and method for manufacturing ptp sheet | |
KR102452285B1 (en) | Apparatus for controlling united to vision employing bath of drug | |
JP2004146108A (en) | Phosphor inspection method and device | |
KR20240042886A (en) | Application state analysis system and method | |
TW202202009A (en) | Screen mask inspection device capable of preventing printing failure due to screen mask replacement before solder printing is performed in a processing process of printed boards | |
JP6536094B2 (en) | Inspection apparatus, inspection method, and program for inspection apparatus | |
JP2024004458A (en) | Inspection equipment and PTP packaging machine | |
JP2019174319A (en) | Inspection system and method for inspection | |
TW202414288A (en) | Dissimilar tablet escape risk management system, dissimilar tablet escape risk management method, and container production system | |
CN117654923A (en) | Sorting method and sorting system for light-emitting units | |
CN114974076A (en) | Lamp panel correction method, device, equipment and storage medium | |
JPH03229374A (en) | Image processor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210729 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210729 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211012 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211119 |
|
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: 20220125 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7026727 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |