CZ138795A3 - Způsob kontroly pouzder a zařízení k provádění tohoto způsobu - Google Patents

Description

OH3AC ;SAwnad

Způsob prováděni kontroly pouzder a systém k provádění “řS^hoto způsobu οι?οα

Oblast techniky I

18 0 * “ i

Vynález se obecně týká automatizovanýcn___-j^i^aUů-provádění kontroly pouzder a systémů určených k provádění í

těchto způsobů, přičemž přesněji se vynález zaměřuje na automatizované způsoby ověžování přítomnosti čoček v pouzdrech a systémy určené k provádění těchto způsobů.

Známý stav techniky

V nedávné době bylo vyvinuto několik automatizovaných systémů určených pro výrobu očních čoček, zejména kontaktních čoček, přičemž jeden takový systém je například popsán v patentu US 5 030 339. U těchto systémů bylo dosaženo velmi vysokého stupně automatizace a tyto čočky mohou být tedy tvářeny, vyjímány z forem, dále zpracovány a zabaleny bez jakéhokoliv přímého lidského zásahu. Avšak i u těchto vysoce automatizovaných systémů, zpravidla potom, co se vyrobená a zpracovaná čočka zabalí, je každé pouzdro vizuálně prověřeno kontrolorem, který ověří, že kontrolované pouzdro skutečně obsahuje příslušnou čočku a to představuje poměrné značné tínaném náklady. Tyto náklady by bylo možné z velké míry snížit v případě, že by se tato kontrola automatizovala.' Přssto, že jsou tito kontroloři velmi přesní, mohla by se spolehlivost této koníro použitím automatizovaného kontrolního systému určeno pro ověřování přítomnosti čoček v pouzdrech dále spřesnit.

Podstata vynálezu

Cílem vynálezu je poskytnout způsob provádění kontroly pouzder 2a účelem ověření přítomnosti čoček v těchto pouzdrech a automatizovaný systém určený k provádění tohoto způsobu.

Dalším cílem vynálezu je automatické provádění kontroly, jejímž cílem je ověřit přítomnost čoček v pouzdrech, při rychlosti 12 pouzder za minutu a s četností chyb menší než přibližně 1 %.

Dalším cílem vynálezu je poskytnout automatizovaný systém určený k provádění kontroly čočkových pouzder, jejímž cíiem je ověřit přítomnost čoček v těchto pouzdrech, s četností negativní chyby menší než 1,0 %.

Těchto a dalších cílů lze dosáhnout podle vynálezu za použití způsobu ověřování přítomnosti čoček v transparentních pouzdrech a systému určenému k provádění tohoto způsobu. Uvedený způsob zahrnuje transport uvedeného pouzdra do kontrolní polohy a vedení světelného paprsku skrze pouzdro a na zobrazovací rovinu za vzniku obrazu pouzdra na zobrazovací rovině. Uvedený 2působ dále zahrnuje generování sady signálů, které charakterizují obraz na zobrazovací rovině, a analyzování těchto signálů za účelem stanovení toho, zda je v uvedeném pouzdře skutečně přítomna čočka, či nikoliv. Toto analyzování zase zahrnuje prozkoumaní obrazu pouzdra za účelem naleženi obrazu diskiOtních ubjekíú a obrazu všech objektu nachůzejictcb se v obrazu pouzdra, identifikováni hodnot množiny parametru a analyzování těchto identifikovaných hodnot podle předem stanoveného předpisu za účelem identifikace tohoto předmětu, jakým je, nebo není čočka. V případě, že je obraz předmětu nacházející se v obrazu pouzdra identifikován jako čočka, potom se generuje signál označující přítomnost čočky a signál označující nepřítomnost čočky se generuje v případě, že v obraze pouzdra nebyly nalezeny žádné obrazy objektů, nebo pokud nebyl žádný z obrazů objektů, které se nacházejí v obrazu pouzdra, identifikován jako čočka.

Přínos a další výhody vynálezu se stanou zřejmnějšími po prostudování následujícího podrobného popisu a doprovodných obrázků, které popisují některá výhodná provedení podle vynálezu.

Je však třeba uvést, že popis těchto výhodných provedení má pouze ilustrativní charakter a nikterak neomezuje rozsah vynálezu, který je jednoznačně určen přiloženými patentovými nároky.

Stručný popis obrázků tf

1»

Obr. 1 znázorňuje blokový diagram automatizovaného kontrolního systému podle vynálezu určeného pro kontrolu pouzder, obr. 2 znázorňuje skupinu p tz ··% > I ·-> t. f ·-» * itviiiivivíru^ m použití systému znázorněného na obrázku 1 obr. 3 znázorňuje bokorys jednoho z pouzder zobrazených na obr. 2, obr. 4 znázorňuje část transportního subsystému, který !ze použít v systému z obr. 1, obr. 5 znázorňuje blokový diagram osvětlovacího subsystému, který lze použít u kontrolního systému znázorněného na obr. 1, obr. 6 znázorňuje obraz, který lze vytvořit pomocí osvětlovacího systému z obr. 5, obr. 7 znázorňuje jednu z kamer systému z obr. 1, obr. 3 znázorňuje typický obraz, který lze snímat jednou z kamer systému znázorněného na obr. 1, obr. 9 znázorňuje zpracovatelskou desku zpracovatelského subsystému, který lze použít u kontrolnního systému z obr. 1, obr. 10 znázorňuje různé složky zpracovatelského subsystému uspořádané v ovládacím panelu, obr. 11 znázorňuje různé znázorněného na obr. 1, obr. 12 znázorňuje většinu obrazového zpracování použitého u komunikační cesty systému složek výhodného postupu obr. 13. nastiňuje několik kroků předběžného zpracování obrazu, obr. 14 znázorňuje výhodná schéma prohledávacích vektorů použité k prohledání obrazu z obr. 8 za účelem nalezení různých znaků.

obr. 15 znázorňuje výhodnou notaci identifikujících pixei, obr. 16A a 16B znázorňují technologii pixelového prohledávání použitou u výhodného způsobu zpracování, obr. 17A až 17D znázorňují čtyři předměty, na které lze při kontrole pouzder narazit, obr. 18A až 18D znázorňují obrysy čtyř objektů z obr. 1 7A až 17D, které se vytvoří při použití technologie pixelového prohledávání, *

obr. 19 schematicky znázorňují způsob zpracování surových obrazů za použití uvedeného způsobu obrazového zpracování, obr. 20 znázorňuje dvourozměrný lineární klasifi kátor určený k rozlišení pouzder, které čočku obsahují, a pouzder, které ji neobsahují, obr. 21 znázorňuje vícerozměrný klasifi.kátor určený k rozlišení pouzder, které čočku obsahují, a pouzder, které ji neobsahují, obr. 22 znázorňuje tabulku, která uvádí vzorky údajů, které lze použít ke stanovení klasifikátoru použitelného v rámci vynálezu, obr. 23 znázorňuje tabulku a sloupcový graf ilustrujíc: výkonnost výhodného provedení způsobu provádění kontroly pouzder podle vynálezu.

Na obrázku 1 je znázorněn blokový diagram kontrolního systému 10 pro kontrolu pouzder, přičemž tento systém 10 zpravidla zahrnuje transportní subsystém 12. osvětlovací subsystém 14. zobrazovací subsystém 16 a subsystém 20 obrazového zpracování. Obr. 1 rovněž ukazuje mechanizmus neboli systavu 22 pro nakládání čoček, vyřazovací mechanizmus neboli sestavu 24, kontrolora 26 a množinu skupin čočkových pouzder 30 označených jako sada vaničkovitých pouzder.

U výhodného provedení systému 10. zahrnuje transportní subsystém 12 dopravníkový pás 32 a osvětlovací subsystém 14 zahrnuje kryt 34, světelný zdroj 36 a dífuzér 40. Zobrazovací subsystém 16, rovněž u tohoto výhodného systému 10. zahrnuje množinu kamer 42, přičemž součástí každé z těchto kamer je kryt 44, pole pixelů 46. clona 50 a sada 52 objektivů. Jak ukazuje obr. 1, subsystém 20 obrazového zpracování zahrnuje množinu zpracovatelských a paměťových desek 54, vstupní prostředek, jakým je klávesnice 56. přičemž výhodný subsystém 20 dále zahrnuje videomonitor 60 a klávesový terminál 62.

Úkolem transportního subsystému £2 je dopravovat množinu čočkových pouzder po předem stanovené trase a do kontrolní pozice 64, viz obr. 1. Osvětlovací subsystém 14 generuje světelný paprsek a směřuje ho skrze čočková pouzdra pohybující se uvedeným kontrolním systémem pro kontrolu pouzder. Subsystém 16 generuje sadu signálů charakterizujících světelný paprsek procházející skrze každé kontrolované pouzdro a předá tyto signály do zpracovatelského subsystému 20. Tento subsystém obrazového zpracováni tyto signály vyslané ze subsystému 1 6 pro každé kontrolované čočkové pouzdro přijme a zpracuje podle předem stanoveného programu. Na základě zpracování uvedený subsystém 20 generuje buď signály indikující přítomnost čočky v pouzdře, nebo signály indikující její nepřítomnost.

Subsystém 10 lze použít ke kontrole celé řady typů pouzder a pouzder s různými rozměry, přičemž obr. 2 znázorňuje skupinu pouzder 66a až 66f, u nichž lze provádět kontrolu pomocí systému 10. Pouzdra 66 znázorněná na obrázku 2 jsou vzájemně spojená tak, že tvoří sadu 30 vzájemně spojených vaničkovitých pouzder. Každé pouzdro, viz obr. 2 a 3, zahrnuje skořápku 70, která tvoří vybrání neboli dutinu 74. Tato skořápka 70 může být vytvořena z plastického transparentního materiálu, který je výhodně dostatečné tuhý, aby si pouzdro při normálním použití zachovalo svůj tvar. Kromě toho je výhodné, pokud není pří kontrole pouzdra 66 tato dutina 74 uzavřena.

U skupiny pouzder 66a až 66f , viz obr. 2, jsou čočky 76 umístěny v uvedených dutinách 74 (pouzdra 66a až 66d£ nebo tato pouzdra čočku postrádají (pouzdra SSe a SSf). Navíc jsou οοοκ'/ i o v pouzorech ob znázorněny s různou orientací.

Například obr. 2 znázorňuje rovinný pohled na čočku v pouzdře 66a. přičemž čočky v pouzdrech 66 b a 66c jsou přetočené okolo osy probíhající zleva doprava, jak ukazuje obrázek 2, a čočka v pouzdře 66d je lehce přetočena okolo osy probíhající ze zhora dolů na obr. 2.

Systém 10. lze použít nezávisle na jakémkoliv speciřickém způsobu ukiádání čoček 78 do pouzder 86. Tento systém i0 se velmi dobře uplatňuje ve větších systémech, ve kterých se čočky 76 automaticky vyrábějí, kontrolují, zpracovávají a následně umisťují do pouzder 66 pomocí robotů umístěných v mechanizmu 22 určeném pro nakládání čoček.

Transportní subsystém 12, viz obr. 1 a 4, zahrnuje dopravníkový pás 32 a pár paralelních kolejnic 32a a 32b. Pás 32 je namontován na pár, nebo na více, kladek (nejsou znázorněny), které nesou uvedený pás a umožňují mu pohyb po nekonečné smyčce, přičemž jedna z těchto kladek může být připojena k vhodnému hnacímu prostředku (není znázorněn), který může kladkou otáčet a tedy pohybovat dopravníkovým pásem po nekonečné smyčce. Výhodně tento hnací prostředek pracuje tak, že se pouzdra 66 pohybují skrze systém 10 diskontinuálním neboli krokovým způsobem a každé pouzdro se zastaví na okamžik pod mechanizmem 22 vkládajícím čočky do pouzder a pod zobrazovacím subsystémem 16.

Pokud se pouzdra 66 udržují pod mechanizmem 22 vkládajícím čočky, potom se tento mechanizmus použije k ukládání čočky 76 do dutiny 74 každého pouzdra. V daném oboru jsou známy rŮ2né mechanizmy na ukládání čoček, přičemž v rámci vynálezu (ze použít jakýkoliv vhodný známý mechanizmus.

Tyto vkládací mechanizmy zpravidla zahrnují robota nebo automatické rameno, někdy označované jako automatická buňka, která se používá k přinesení čoček 76 ze zásob nebo ze zdroje a jejich uložení do dutin 74 pouzder 66. U výhodného provedení vynálezu, kde'jsou jednotlivá pouzdra vzájemné spojena tak, že tvoří sady vanickovitych pouzder, ukládá mechanizmus 2 2 ukládající čočky současně do každé sady vaničkovitých pouzder tri čočky. Potom, co jsou čočky 76 uloženy do všech šesti dutin Z1 sady 32 vaničkovitých pouzder, se tato sada 32. posune směrem dopředu do kontrolní pozice 64. Transportní subsystém 12 je detailněji popsán v související patentové přihlášce nazvané „Automated Inspection System with Transport and Ejector Conveyor“.

Navíc lze u systému 10 použít jakýkoliv vhodný vyřazovací mechanizmus 24. Výhodně je tento mechanizmus 24 řízen kontrolorem 26. Přesněji řečeno, pokud kontrolor 26 přijme signál vyslaný ze subsystému 20. který identifikuje určitou sadu vanickovitych pouzder jako sadu postrádající čočku, potom uvedený kontrolor 26 aktivuje mechanizmus 24. který odstraní tuto sadu vaničkovitých pouzder z hlavní trasy, která vede k dalšímu zpracování. Uvedený ejektorový mechanizmus 24 je podrobněji popsán rovněž ve výše uvedené související patentové přihlášce s názvem „Automated Inspection System with Transport and Ejector Conveyor“.

Subsystém 14, viz obr. 1 a 5, se použije ke generování světelného paprsku 80 a k jeho nasměrování skrze uvedená pouzdra 66. která se nacházejí v kontrolní pozici 64. Přesněji 36, jakým může být zářivka, je uloženo v krytu 34 a generuje světelný paprsek 30. Tento paprsek 30 se odráží od vnitřních stěn krytu 34, prochází difuzérem 40 a uvedený kryt 34 následně opouští skrze okno 82. kterým může být například čirá lexanová krycí deska.

Zjistilo se, že pro účely vynálezu není nezb vlnová délka osvětlení. To protože gradient úrovně na hranách desky v pouzdrech 66 je dostatečný

’. ř 4 A ť* ** ί í» r» ís A y 11 j vt Ό o o i i i v : r u sedí vzníkajicí pro detekování uvedené čočky. Takže osvětlováni systému 10. může zajištovat běžná zářivka.

Avšak většina zářivkového světla není stejnoměrná a výhodný subsystém 14 produkuje světelný paprsek mající stejnoměrné záření. Za účelem překonání nepravidelností záření zářivky 36 a rozšíření zobrazovacího osvětlovacího pole pro sadu vaničkovitých pouzder, se nad zářivku instaluje difuzér 40. Tento difuzér 40, který lze vyrobit z vrstveného opálu, pomáhá produkovat relativně krátký světelný paprsek při požadované stejnoměrnosti záření, což umožňuje umístit subsystém 1 4 poměrně blízko dopravníkového pásu 32.

Jak ukazuje obr. 5, žárovka 36 může být vychýlena od osy tvořené světelným paprskem 80 , který vystupuje z pouzdra 34 rozptylová deska 40 difuzéru muže být umístěna v určitém úhlu nebo kolmo k této ose světelného paprsku. Rambertianův rozptylový charakter desky 40 potom směruje zářivou energii z žárovky rovnoměrně směrem nahoru do příčného bočního směru. Lambertúv zákon říká, že pokud světelná intenzita dopadající na k stejnoměrně rozptylující povrch S kolmo označena jako !₀, potom je intenzita l_a, která dopadá na tento povrch pod určitým úhlem, dána vztahem l_ocos(a). 2 tohoto vztahu zřejmě vyplývá rozdíl velikosti intenzity na povrchovém úseku S, v případě že úhel není k tomuto povrchu kolmý. Takže pro a = 45°, l_a (0,71)l_o.

Uvedená rozptylová deska 40 je uložena pod úhlem 45°, který podle Lambertova zákona zmenšuje maximální světelnou intenzitu méně, než o třicet procent a disíribuje energii rovnoměrně v rozmezí desetiprocentní odchylky. V praxi absorbuje vrstvený opál o něco více než třicet procent energie, protože je pouze aproximací perfektního Lambertianova povrchu. Umístěni difuzéru 40 mezí žárovkou 36 a sadou vaničkovitých pouzder rovněž slouží ke zvýšení účinné optické trasy mezi žárovkou a sadou vaničkovitých pouzder. Po dlouhou dobu se v optice k simulaci vzdálenějších zdrojů používaly matrice broušeného skla. Protože se uvedená žárovka nenachází přímo pod sadou 30 vaničkovitých pouzder, prochází směrem nahoru pouze stejnoměrně rozptýlené světlo. Výhodně je podélná osa zářivky 36 paralelní s podélnou osou sad vaničkovitých pouzder procházejících nad uvedeným osvětlovacím subsystémem 14, přičemž uvedená žárovka 36 je delší než sady vaničkovitých pouzder. Takové uspořádání pomáhá rovnoměrněji osvětlovat jednotlivá sady vaničkovitých pouzder.

Kolísání svěíia obraz od obrazu je výhodně eliminováno. Blikání způsobené normální 60 Hz frekvenční předřadníkovou frekvencí, při které připadá 0,0166 sekund na cyklus, mohou být snímány na obraze v ohniskové rovině kamery, v případě, že se pracuje s rychlostmi závěrky většími než 0,001 sekund. Toto blikáni lze eliminovat vysokofrekvenčním předřaníkem od firmy Mercronu, který osciluje napětí s frekvencí 60 000 Hz, neboli 0,000016 sekundách na cyklus. Během 0,001 sekundového cyklu elektronické závěrky, proběhne v uvedené zářivce 36 60 úplných cyklů napětí a rychlost doznívání luminoforu lampy způsobuje, že lampa vydává konstantní osvětlení. Toto řešení předpokládá to, že napěťový zdroj pro předřadntk je konstantní.

Osvětlovací subsystém 14 znázorněný na obrázcích produkuje obrazy pouzder 66, na kterých lze rozlišit čočky 73 od zbytku pouzder, přičemž například obr. 3 znázorňuje obraz sady vaničkovitých pouzder 30, který muže být produktem světelného paprsku 80. Většina světla procházejícího skrze jednotlivá pouzdra není tímto pouzdrem buď ztlumená vůbec, nebo je ztlumená pouze velmi málo. Hrany pouzder 66 a dutiny 7 4 vychylují světlo, přičemž produkují na uvedeném obraze sady vaničkovitých pouzder odpovídající tmavou čáru. Uvedené hrany čoček 76 rovněž vychylují světlo procházející skrze tyto hrany, přičemž podobně vytváří na uvedeném obraze odpovídající tmavé oblasti. Části světelného paprsku 30 procházející skrze čočky 76 samotné jsou poněkud ztlumené, v důsledku čehož nejsou obrazy uvedených čoček tak jasné, jako obrazy částí čočkových pouzder, které nejsou hranou.

Zobrazovací systém 16 přijímá světelný paprsek procházející skrze čočkové pouzdro nebo pouzdra 66 v kontrolní poloze 64, a generuje řadu signálů reprezentujících tento světelný paprsek. Jak již byío uvedeno, provedení subsystému t β znázorněné na obrázcích zahrnuje tři kamery 42. které jsou výhodně shodné. Co ž* θ o θ obrázku 7, je uvnitř krytu 4 4 každé kamery 42 přímo za závěrkou 50 uspořádáno pixelovó pole 48. Kromě toho je každé pixeiové pole výhodně tvořeno množinou světelných senzoru, z nichž každý je schopen generovat příslušný elektrický proud, jehož velikost odpovídá proporcionálně intenzitě světla dopadajícího na tento sennzor. Kromě toho u výhodného provozu systému 10, pokud je daná sada vaničkovitých pouzder kontrolována, snímá každá z těchto tří kamer 42 obrazy příslušného páru šesti pouzder 66 v uvedené sadě vaničkovitých pouzder, přičemž obr. 8 znázorňuje typický obraz, kterýmůže být snímán jednou z kamer, přesněji jejím pixelovým polem.

Běžně jsou výhodné světelné senzory neboli pixely každého pixeiového pole 46 uspořádány v rovnoměrné mřížce daného počtu řad a sloupců, přičemž tato mřížka může například obsahovat jeden milion pixelů uspořádaných přibližně v jednom tisící sloupců a jednom tisíci řad. Výhodně jsou řady asloupce v této mřížce stejnoměrně odsazeny, a s výjimkou pixelů podél každé hrany pole, je každý pixel obklopen osmi bezprostředními sousedy.

Odborníkům v daném oboru je jasné, že lze v subsystému 16 použít jakoukoliv vhodnou kameru nebo kamery. Vhodnou kamerou 42 může být například kamera Panasonic GP-MF552 čerbíiá GCD kamera. Výstupy kamery se zobrazují v RS-170 modu s dvouřádkovým prokládaným řádkováním. Pouze jeden z řádků rámů prokládaného řádkování je zachycen vstupem obrazového procesoru za účelem omezit velikost obrazu pod 200 000 pixelů. Udržení celkové velikosti obrazu pod touto mezi napomáhá ve volbě paměťových a zpracovatelských desek 54, a tím omezuje cenu kontrolního a zpracovatelského systému.

rn objektiv Compuíar s C-paiicí se nasadí na CCD kameru a zaa účelem ochrany a snížení oslnění je opatřen nitrem Tiřfen. Osvětlovací subsystém 14 nevyžaduje zbrzdění pohybu čočky pod uvedenou kamerou 42. protože transportní pás 32 se pohybuje namísto kontinuálního pohybu krokově. Kromě toho 0,001 sekundová expozice dosažená elektronovou závěrkou kamery 42 vytváří adekvátně ostrý obraz, a vibrace ze sousedních automatů a motorů neovlivňují kvalitu obrazu.

Zpracovatelský subsystém 20 přijímá signály ze zobrazovacího subsystému 16, přesněji pixelových polí 46, a zpracovává tyto signály podle předem stanoveného programu, který bude detailněji popsán později, za účelem klasifikování každého pouzdra 66 buď jako pouzdro obsahující čočku, či nikoliv. Přesněji řečeno, elektrické signály z pixelového pole 46 každé kamery 42 se vedou do procesorové desky 54. Uvedená procesorová deska převádí jednotlivé signál·/ na bázi elektrického proudu z každé pixely každého pole 46 na příslušnou číselnou data-hodnotu, a uloží tuto data hodnotu do paměťové oblasti mající adresu související s adresou pixeíu, který generoval elektrický signái.

U systému 10 lze použít jakoukoliv vhodnou zpracovatelskou jednotku 54. Takovou zpracovateskou jednotkou může být například Image Processor Machine Vision Board jednotka IP940 uváděná na trh společností Perceptics Corp. Tato procesorová deska, viz obr. 9, má tři kamerové vstupy na monodigitalizátorové desce 84, přičemž všechny tři kamerové vstupy vstupují přes jeden DB-15 konektor 86, a každá cpu (základní jednotky) deska je opatřena ručním nulovacím tlačítkem 90.

Procesorová deska 54 má konexíor 92 vstupu-výstupu, který umožňuje komunikaci až s 84 zařízeními. Toto spojení vstupuvýsíupu je rovněž spojeno prostřednictvím opto-izoiaeniho modulu s automatickým kontrolorem 26.

Pomoci tohoto komunikačního kanálu, automatický kontrolor řídí inspekci realizováním kontroly indexování sad 30 vaničkovitých pouzder, rj. řídí pohyb sad vaničkovitých pouzder systémem 10. Rovněž v případě, že systém 10, zjistí chybějící čočky, automatický kontrolor 26, po přijmutí sady zpráv ze zpracovatelského subsystému 20, komunikuje s vyřazovacím mechanizmem 24 a instruje tento mechanizmus, aby vyřadil uvedenou sadu vaničkovitých pouzder, která má pouzdro bez čočky.

Klávesnice 56 je připojena k procesoru 54 a umožňuje tak vstup operátora do tohoto procesoru. Klávesnicový terminál 62 se používá k vizuálnímu zobrazení dat nebo zpráv, které se zavádějí do uvedené procesorové desky. K procesoru 54 je rovněž připojen monitor 80 , který z datahodnot uložených v uvedeném procesoru produkuje vídeoobtazy, přičemž tento monitor lze rovněž použit k zobrazeni výsiedkú kontroly a souhrnu. Výhodně se použije barevný monitor s vysokou rozlišovací schopností, který je regulován vysoce rozlišovacím videoadapterem Perceptics, HRD900, který je rovněž připojen k zobrazovacím deskám 54. RS-232 konektor na procesorové desce 54 umožňuje terminálu 62 vzájemně působit s uvedenou procesorovou deskou.

Jednotlivé hardwarové protějšky subsystému 20 jsou konvenční a dobře známé pro odborníky v daném oboru. Obrázek 10 ukazuje hardware subsystému 20 uspořádaný v kontrolní skříni. Zezhora dolů uvedené uvedená skříň zahrnuje vysoce rozlišující display 60, RS232 terminál 62, polici pro klávesnici, VME rám pro zasunutí procesorové desky 54 a nepřerušiteiný zdroj energie 94. Kontrolní ovládací panel, který zahrnuje klávesnici, terminál 62, display 60 s vysokou rozlišovací schopností a procesorovou desku 54 určenou pro zpracování obrazu a spojenou jak s automatickým kontrolorem 26. tak s kamerami 42, a automatický kontrolor je zase spojen s transportním subsystémem 12 a vyřazovacím mechanizmem 24.

Komunikace uvnitř systému 10. je znázorněna na obrázku

11. Každá z kamer 42 je spojena s procesorovou deskou 54 a procesorová deska je přes MUX (multiplexor) 96 a RS232 propojovací mezičlánek propojena s terminálem 62.. Kromě toho je procesorová deska 54 připojena k monitoru 60 přes videoadapter 100 a k automatické robotové buňce přes optický izolační modul 102.

Jak jíž bylo uvedeno, v každém okamžiku, kdy prochází skrze uvedenou kontrolní polohu 64 pouzdro 66. prochází tímto pouzdrem 66 na jedno pixelové pole 46 světlo, přičemž každý pixel tohoto pole generuje odpovídající elektrický výstupní proud, jehož velikost reprezentuje intenzitu světla dopadajícího na tento pixel. Uvedený výstupní proud pro každý pixel se převede na číslicovou data-hodnotu, která se uloží do adresy v procesorové desce 54. a tyto data-hodnoty se zpracují za účelem stanovení toho, zda uvedené pouzdro obsahuje čočku, či nikoliv.

Obrázek 12 ukazuje většinu kroků výhodného postupu, kterým se zpracovává obraz pouzdra za účelem stanovení toho, zda toto pouzdro obsahuje čočku, či nikoliv. Tyto kroky jsou zpravidla označovány jako snímání obrazu, předběžné zpracování obrazu, rozčlenění (segmentování) obrazu a klasifikace předmětů. Během snímání obrazu se spojí procesorová deska s automatickým kontrolorem 28 za účelem iniciování kontroluího procesu a snímání obrazu. Po snímáni obrazu následuje předběžné zpracování data-hodnoí uvedeneho obrazu za uceiem stanovení oblasti v uvedeném obraze, kde by měl procesor M hledat čočku. Potom se během segmentování obrazu klenuti ku i I a změří předměty, které by mohly být čočkami, a v průběhu a změří předměty, které by mohly byt čočkami, a v průběhu klasifikace objektů se rozhodne, zda je některý z těchto předmětů označený jako potenciální čočka neboli kandidát na čočku ve skutečnosti čočkou.

Snímáni obrazu a komunikační protokol s automatickým propojovacím článkem

Po zaslání asynchronní zprávy kontroloru 26. který je připraven provést kontrolu další sady vaničkovitých pouzder, počká grafický procesor 54 na startovní signál, který vyšie zpět uvedený kontrolor 26. Potom, co tento startovní signál přijme, se inaktivuje výstupní vedení pro signál ..připravit“ z grafického procesoru 54 a zachytí se obraz pouzdra, to znamená, že se informace o intenzitě úrovně šedi obsažená v každém pixelů kamerového sennzoru elektronicky převede do paměti procesorové desky. Výhodně se zachytí pouze jedno obrazovkové pole tvořené 640 sloupci a 240 řadami pixelů a uloží ve paměti procesoru.

Potom, co procesorová deska 54 zachytl pixelový obraz a zatímco je tento obraz dále zpracováván, segmentován a klasifikován v paměti procesoru, čeká automatický kontrolor 26 buď na signál signalizující poruchu, nebo výslednou zprávu z procesorové desky. Signál signalizující poruchu může být použít k indikaci přítomnosti jedné nebo více podmínek, které mohou být na překážku schopnosti systému 10 kontrolovat s přesnosti pouzdra 66. Signál signalizující poruchu může pýt generován například v případě, kdy světlo osvětlovacího systému 14 nemá požadovanou intenzitu, což může mít za následek slabí obraz na pixelovém poli. K tomu může dojít při nesprávné fun^

42, pokud se vypne světelný zdroj 38, nebo neprodukuje světlo s dostatečnou světelnou intenzitou nebo pokud se pod uvedenou kamerou zasekne více pouzder. Po přijmutí takového signálu se tedy celá sada vaničkovitých pouzder vyřadí, aby se zajistilo, že sada vaničkovitých pouzder za těchto podmínek neprojde.

Pokud zpracovatelský subsystém 20 ukončí zpracování zachyceného obrazu, převede zpracovatelský subsystém na automatického kontrolora 26 výsledky provedené kontroly, přičemž tento kontrolor kategorizuje čočku , jako čočku, která je v pouzdře buď „přítomná“ nebo „chybějící, tento výsledek se převede prostřednictvím opticky izolovaných obvodů k automatickému kontroloru.

Předběžné zpracování obrazu

Jak obecně naznačuje obrázek 13, v průběhu předběžného zpracování obrazu se nalezne uvedené pouzdro, generuje se zpracovatelská maska a ověřuje se poloha dopravníkového pásu. Je důležité znát polohu dopravníkového pásu, vzhledem k tomu že by mohlo dojít k tomu, že by byl pás uvnitř zpracovatelské masky umístěné uvnitř vaničky uvedeného pouzdra považován za čočku.

a) Lokalizace pouzdra

První práce, která se na zachyceném obrazu provádí je lokalizace pouzdra v tomto obrazu, a tato lokalizace se provádí za použiti postupu označeného jako „package íocaícr algoritmus“. Tato práce se provádí protože, ačkoliv je obraz v paměti výhodně doplněn všemi nezbytnými informacemi, nemůže procesor určit, kde hledat Čočku v uvedeném obraze, pokud se nejprve nestanoví určité obrazové znaky. Obrázek 14 znázorňuje výhodné schéma průzkumových vektoru použitých při vyhledávání znaků pouzdra. V prvním kroku se provede lokalizace středové čáry dvou vzájemně spojených pouzder na uvedeném obraze. Tato čára se označuje jako dělicí pouzdrová čára a na obrázku 14 je označena jako čára X1X2. Za účelem nalezení této středové čáry, procesor provádí průzkum v protilehlích směrech dvou průzkumových vektorů A1 a B1. Tyto vektory jsou ve skutečnosti hranové operátory 3x3.

Při použití těchto operátorů pro hledanou pixelu, grafický procesor 54 stanoví zdali leží příslušný pixel na hraně gradientu. Níže uvedené rovnice (1) a (2) ukazují, jak hranový operátor vypočte pro každý pixel P_i(j gradient, jak ve vertikálním, tak v horizontálním směru. Prostorový výklad těchto operátorů se stane zřejmým po prostudovaní obrázku 15, který znázorňuje dvourozměrné mapování oblasti okolo uvedeného sledovaného pixelu a jeho blízkých sousedů. Indexy i a j označují jednotkový vektorový směr řad resp. sloupců v obrazovém souřadnicovém rámu. Tento rám je zrcadlovým obrazem tradiční dvourozměrné roviny xy, přičemž řady narůstají směrem dolů podél osy-i.

Horizontální operátor - Ρ,.ι ,, Η _)r,+P_H ; _Λf+2P,. r_>(+P_;

Vertikální operátor = P,.!^,+ 2P,_ití +P,.,_t,.í-(P_i.₁j.i +2P, +P.,.(1) (2)

V matricovém zápise je vertikální operátor rovnice (!) kornelem 3 x 3 a lze ho použít k nalezení gradiendú zleva do orava napříč uvedeným obrazem. Horizontální vO Sííi8fU o π e r á t o r rovnice (2) e rovněž v matricovém zápise vyjádřen !< rt V ·' r n e I á x 3 a lze ho použít k zjišťování gradiendú prováděnému zezhora dolů napříč uvedeným obrazem.

(3)

Hí ·,)

I ·2 I o υ o I 2 1 (4)

Formy matic v rovnících (3) a (4) ukazují, který operátor je vertikální a který operátor je horizontální. Kromě toho v těchto maticových formách je jedna strana každé matice záporná a jedna strana každé matice je kladná. To ukazuje, že takový gradienční detektor je citlivý na směr. Takže pokud bude ležet pixel P_u na hranici hranového znaku, řekněme, že pouzdrové dělící čáry označená na obr. 14 jako X1X2, ukáže znaménko výsledné gradienční hodnoty, dané níže uvedenou rovnicí (5), zda leží uvedený pixel na levé nebo na pravé straně rozhraní.

Gradienční hodnota s Gjj = Pí.jVíj (5)

Výhodný algoritmus použitý v rámci vynálezu využívá ustálené pravidlo, podle kterého mají jasnější pixely vyšší absolutní hodnoty, například vrozsahu 3 bitové stupnici jasu. Všechnny hodnoty leží mezi 0 a 255. Takže pro P,₄ na pravé straně tmavého rozhraní, lze očekávat kladný gradient Gjj, zatímco na levé straně tmavého rozhraní lze očekávat záporný gradient G,₄. To umožňuje rozlišit, na kterou stranu hranového znaku uvedený prúzkomový vektor narazil a slouží jako další ověření toho, že bylo lokalizováno správné rozhraní pouzdra. Změna gradienčniho znaménka na trase průzkumového vektoru indikuje přítomnost rozhraní.

Přesné lokalizování rozhraní pouzdra zvýší účinnost uvedené kontroly. Za účelem minimalizovat množství paměti použité v pozdějších stádiích zpracování, se za účelem nalezení čočky podrobně zpracuje pouze část obrazu. Tato část obrazu pouzdra je část, která je zakryta maskou mající předem nastavenou velikost a tvar a která je ve skutečnosti v podstatě na obrazu pouzdra zakrytá. Maska samotná se umístí na obraz pouzdra lokalizováním předem nastavených vzdáleností masky od určitých pouzdrových znaků nebo nebo rozhraní. Pokud by se uvedená maska umístila nesprávné do obrazu pouzdra, potom by mohl být normální pouzdrový znak milně vykládán jako čočka. Správné umístění masky závisí na přesné lokalizaci znaků pouzdra použitých k umístění uvedené masky a při výhodném provedení průzkumového procesu na přesnosti průzkumu podél vektorů A1 a B1.

V některých případech nemusí být při použití jediného průzkumového vektoru získaný poziční údaje pro znak pouzdra s dostatečnou přesností. Například, pokud dopadne na sadu vaničkovitých pouzder kapka vody tak, že zastaví oba konvergující průzkumové vektory AI a 81, potom nemůže procesorová deska 54 přesně určit tloušťku linie X1X2. 2 tohoto důvodu se do tohoto průzkumového algoritmu zabudovává redundancí.K nalezení hran linie X1X2 lze například použít tři páry vektoru. V případě, že první pár A1, 81 narazí na překážku, kterou představuje kapka vody, potom grafický procesor^ použije drruhy pár vektorů A2, B2. V případě, že druhý pár při identifikaci hrany pouzdra selže, potom algoritmus použije k nalezení líéto hrany třetí pár A3, B3 vektorů.

Aby se určilo, zda je použití jednoho páru těchto vektorů dostatečné pro nalezení linie X1X2, lze porovnat rozdíl mezi koncovými body vektorů AI a B1 s mezí očekávané tloušťky iinie X1X2. V případě, že je například odsazení uvedených koncových bodů A1 a B1 je o více než čtyři pixely větší než očekávaná tloušťka iinie X1X2, potom může být aktivován druhý pár průzkumových vektorů. Je třeba uvést, že horizontální a vertikální pixelová rozlišovací schopnost je u této optické aapíikace rozdílná, takže vertikální tolerance se mohou od horizontálních tolerancí odlišovat, co se týče hodnoty pixel·.! způsobené geometrií senzoru.

Potom, co se provede počáteční stanovení polohy iinie X1X2, se tato poloha dvakrát ověří provedením průzkumu podéí druhé sady vektorů G1, G2, G3 a H1, H2, H3. Průzkum podél vektorů Hn a Gn se provádí stejným způsobem jako průzkum podél vektorů An a Bn. Avšak vektory Hn aGn lze umístit mnohem přesněji než vektory An a Bn, to znamená, že průzkum podél vektorů Hn a Gn může začít blíž k hraně pouzdra, než průzkum prováděný podél vektorů An a Bn, protože v tomto okamžiku je známo více o poloze pouzdra, a zejména více o poloze linie XI X2.

Poloha horní části pouzdra pouzdra podél osy-y se nalezne dolů podéí jednoho nebo více a zeimena poloha horní části prováděním orůzkumu směrem volctnrii Í-ileúry,! icmi π<3ří VI ίH dolů podél jednoho nebo více vektorů, jakými jsou například vektory Ydn a Ycn znázorněné na obrázku 14. Po nalezení horizontální hrany horní části pouzdra, se nalezne první vertikální nebo podélná hrana dutiny neboli vaničky 72 uvedeného pouzdra. Na obrázku 14 je tato hrana označená jako Z2Z3, a lze ji nalézt pokud se vede průzkum podél jednoho nebé více průzkumových vektorů, jaakými jsou například vektory Fn znázorněné na obr. 14. Výchoozí bod těchto vektorů Fn lze určit velmi přesně, vzhledem ke známým polohám X1X2 a Y1Y2 a jak ukazuje obrázek 14, leží výchozí polohy pro vektory Fn mezi dvěma blízce odsazenými znaky pouzdra.

b) Vymezení plochy masky uvnitř uvedené vaničky

Potom, co se naleznou liniové segmenty Y1Y2 a Z2Z3, se vypočte první bod zpracovatelské masky. Tento první bod masky se odsadí o určitou danou vzdálenost od linie Y1Y2 a Z2Z3 a přesněji se Y-posunutí přidá k řadové souřadnicí čáry YÍY2 a Zposunuti se odečte od sloupcové souřadnice čáry Z1Z2. Na obrázku 14 je Z-posunutí označeno jako L3 a toto posunutí se označuje jako parametr „Al_row__ofs“ a Z-posunutí je označeno jako L1 a označuje jako parametr _ltA1__col_ofs“. Výhodně jsou těmito parametry konstanty dostupné pro uživatele, to znamená, že uživatel má přístup k hodnotám těchto konstant a může je měnit.

Po určeni tohoto prvního bodu masky, se určí množina dalších bodů, které totu masku definují, k definování masky lze například použít devět bodů, viz obrázek 14, Umístění osmi dalších bodů lze stanovit například přechováváním nominálních umístění pro diny body

Λ i- Λ ·* λ O '· ! i jv 1 v V '-w V í M stanovením odstupu mezi aktuálními a nominálními umístění prvního bodu masky a následně přičtením stejného odsazení k nominálním umístěním všech dalších bodů masky. Níže uvedené rovnice (6) a (7) matematicky vyjadřují tento postup pro stanoveni druhého bodu masky.

A2r_a(j_a ~ A2f_ada ^-BBRAM - (Al^ada ~ A 1 ř_ad_a £ B B R A M) — A2f_a(ia trBBRAM - A 1 řada ⁺ A 1 řada čBBRAM (6)

A2_si_oup = A2_si_oup t:BBRAM - (A1 stoup - A1 stoup^BBRAM) A2_síoapeBBRAM - A1_sloup + A1 _ss_0UPeBBRAM (7)

Podobné rovnice se použijí ke stanovení řadových a sloupcových umístěni každého daišího bodu masky, které jsou u výhodného provedení uvedeného algoritmu označeny jako body 3 až 9.

Pixely na nominálním obvodu masky lze také ukládat v paměti procesoru. Tento nominální obvod lze stanovit matematicky z nominálních adres devíti bodů, které definují masku. Nebo lze pro vstup tohoto nominálního obvodu do pamětí procesoru použít grafický program, na vstupním monitoru 62 může být například vytvořeno zobrazení ukazující devět bodů, které definují masku a pohybem kurzoru mezi těmito body lze vysledovat obvod masky. Při pohybu kurzoru z pixelů na pixel při se může do paměti procesoru přidat adresa každého každého pixelů na obvodu masky vykreslovaného pomocí kurzoru. Aktuální obvod masky, která je navrstvena na jakémkoliv aktuálním obraze, lze následně stanovit přičtením výše zmíněných posunutí y a z vypočtených pro příslušný obraz k adresám každého pixelu nominálního obvodu masky.

c) Ověřeni umístění pásu

Jaak ukazuje obr. 14 obrys dopravníkového pásu 32 lze spatřit na obraze vytvořeném na pixelovvém poli 46. Pokud by tento pás 32 zasahoval do oblasti masky , potom by mohl být milně grafickým procesorem 54 považován za čočku. Aby se tomuto zabránilo, vytvoří se maska menší než maximálně možná. Polohu pásu lze rovněž stanovit v uvedeném obrazu provedením průzkumu podél průzkumových vektorů, jak jsou znázorněny na obrázku 14. Protože provedení průzkumu podél vektoru In identifikuje body, neboli pixely na horní hraně pásu, jsou tyto pixely v jedné přímce. Tato přímka reprezentuje horní hranu dopravníkového pásu a pokud tato přímka protíná v jakémkoliv místě hranici masky, potom se generuje chybný signál pouzdro se vyřadí. Výhodně k tomuto případu dojde pouze v případě, kdy se pás 32 vychýlí ze své normální polohy.

Segmentace obrazu

Dále v procesu označeném jako segmentace, se oblast obrazu uvnitř výše uvedené zpracovatelské masky rozdělí do menších částí a předměty uvnitř tohoto obrazu jsou identifikovány. U výhodného algoritmu použitého v systému 10, se obraz segmentuje podle náhlých změn v úrovni šedi. Singulární body nebo linie nejsou tak důležité pro nalezení jako celé hrany objektu.

a) Detekce hran

Vektor fn obraz na pixelovém poli 46 kamery lze popsat jako funkci řadové a sloupcové pozice na senzoru. Za účelem odlišení objektů od šumu pozadí na obraze, se použije gradientovy operátor. Výhodný algoritmus v hrany uvnitř obrazové plochy a následné tyto hrany se Zjistilo zdá by Se mohlo jednal o hiánu čočky.

Isdáví nejp i W Λ j \ J *» » , ! i Λ U · š i i u i y z. u* j i , d j

Výhodným způsobem použitým k vyhledáváni hran uvnitř oblastí masky je aproximace dvourozměrné částieové diference jasových hodnot, nebo úrovní šedi, zobrazovací funkce ř(x,y). Dva rozměrové gradienty obrazu mohou být vyjádřeny následujícím vektorovým vzorcem.

θ'[.Ζ (x, v)] =

Or

!/? f í_____p'._

I & y

Velikost gradientováho vektoru lze aproximovat součtom aosolutmch hodnot dvou ρ ar o i a i n sen cíeri\ raci zobrazovacích funkcí.

g [ f(x,y)l velikost “ ýúr,, ~t

G\ ^7

Horizontáiní a vertikální operátor, známý jako Sobelův operátor, lze získat substituováním vertikálního a horizontálního hranového operátoru V_ifJ a pro G< a G_y.

Sobelův Operátor (Horizontální + Vertikální) - ÍEj + (10)

Samotné Vij a H.j se určí z 3 x 3 kernelového operátoru daného rovnicemi (3) a (4).

Absolutní hodnoty Vjj a H_M jsou použity Sobolovým operátoremproto tato operace není citlivá na směr gradientu s ohledem na sledovaný bod Pij. U Sobolova operátoru není nezbytné, aby byi směrové citlivý protože hrany čočky se tak mění co se týče jejich polohy a směru, že neexistuje žádná výhodná geometrie, která by je mohla detekovat. Tudíž žádná z jednoduchých technologií použitých v oblasti polovodičového průmyslu, jakou je například inspekce sendvičových struktur za použití metodiky zlatého obrazu, by nefungovala v souvislosti s kontaktními čočkami účinně. Úplná segmentace obrazu a klasifikace, které nejsou pouze vzorovým sdružováním, je žádoucí k detekování čočky v pouzdře 63.

Použití zpracovatelské masky ušetří více než jeden milion matemaatických operací na obraz, a umožní provádět kontrolu sad 30 vaničkovitých pouzder během relativně krátké doby. 2a účelem provedení, Sobelův operátor vyžaduje, aby se pro každý bod v daném obrazu sečetly dvě 3 x3 kernely. Jeden 3x3 kernel operující s obrazovou matricí 640 x 240 by vyžadovala 1 333 273 operaci, to znamená 9 operací na každých S42 x 242 paměťových lokalit. Zpracovatelská maska se umístí v místě, kde se očekává existence čočky a napřílad může být obsazeno méně než 3200 pixelu, které si vyžádají méně než 31 000 operací na 3 x 3 kernel. •Sobelův hranový operátor skutečné provádí 19 operací na pixel, což je celkově o něco více než 34 500 operací na 3 200 pixelú překrytých uvedenou zpracovatelskou maskou. Jak Iza předpokládat, aby bylo použití této mnohem menší pixelové oblastí účinné pro stanovení toho, zda uvedené pouzdro obsahuje čočku, je důležité skutečné přesné umístění této masky. Pro to je zase žádoucí, aby byly přesně umístěny znaky pouzdra, které se používají k umístění uvedené masky.

b) Síedování objektu

Potom, co jsou hrany objektů uvnitř uvedené masky identifikovaný, dává uvedený algoritmus přiřazuje hrany k objektům. Jakýkoliv vhodný postup pro stanovení spojitosti může být k tomu použít, a například hrany mohou být uvedeny přiřazeny k objektům pomocí způsobu, který lze označit jako analýzu osmičlenné spojitosti. U tohoto postupu pokud je nalezen první pixel, který je na hraně příslušného objektu, potom se prozkoumá osm bezprostředně sousedících pixelů v jednom směru, za účelem nalezení druhého hranového pixeíu. Pokud je nalezen druhý hranový pixel, je považován rovněž za pixel, který leží na hrané příslušného objektu a průzkumový postup se zopakuje na osmi bezprostředně sousedících pixelech ve stejném sméru za účelem vyhledání třetího hranového pixeíu. Tento postup se opakuje až do okamžiku, kdy je nalezen buď konec hrany nebo v případě, ze hrana tvoři uzavřenou smyčku, a z do okamžiku, kdy se hrana vrací k pivnímu hranovému, pixeíu příslušného objektu, přičemž tento postup se označuje jako sledování hrany nebo sledování objektu.

Obrázek 16A a 166 ilustruje tuto analýzu osmičlenné spojitosti poněkud podrobněji. Na obrázcích 16A a 168, je každý pixel pro lepší ilustraci průzkumu okolo každého pixeíu reprezentován

Pj.j, který byl jedním bodem. Obrázek 16A ukazuje první pixel, identifikován jako pixel ležící na hraně objektu.

Osm bezprostředních pixeiových sousedů se prozkoumá, v proti směru hodinových ručiček, přičemž výchozím pixelem je pixel bezprostředně nad Pij, za účelem nalezení pixelu, který má úroveň šedi vyšší než je předem stanovená mez. První pixel, který je nalezen, který splňuje tento test, se považuje za další hranový pixel, kterým je například na obrázku 1SA pixel Ρ_Ν+1.

V daísim kroku znázorněném na obrázku Í6B se prozkoumá osm bezprostředních pixeiových sousedu posledního naiezeneno pixelu P_iij+1, přičemž se začíná u pixelu ležícího bezprostředně nad tímto pixelem Píjh a pokračuje se proti směru hodinových ručiček za účelem nalezení pixelu, který (i) má úroveň šedi vyšší než je předem stanovená mez a (i) a není pixelem zjištěným bezprostředně předcházejícím průzkumem. První pixel, u kterého je zjištěno, že splňuje uvedený test, se považuje za další hranový pixel a na obrázku 16B je například označen jakoo pixel Pjj₊₂. Tento sledovací proces pokračuje až do okamžiku, kdy se průzkum buď vrátí k pixelu Pij, nebo je průzkum vedený za účelem identifikování dalšího pixelu neúspěšný.

U výše uvedeného postupu jsou pixely, které jsou identifikovány jako pixely ležící na hraně specifického objektu, tvoří hranu neboli obrys toho, co je označeno jako sledovaný objekt, přičemž tvar sledovaného objektu se může lišit od tvaru původního obrazu objektu, který byl základem sledovacího postupu. To má za následek fakt, že vevýše popsané analýze osmičlenné spojitosti lze pixel idenntifikovat jako hranový pixel i tehdy pokud není skutečněna hraně uvedeného objektu. Od tohoto prvního pixelu ležícího mimo hranu, může algoritmus pokračovat vve sledování mimo skutečnou hranu obrazu až do okamžiku, kdy se na tuto skutečnou hranu vrátí.

Přesněji k tomu dochází v důsledku té skutečnosti, že kontrast, neboli rozdíl úrovní šedi mezi hranou obrazu objektu a oblastmi obrazu bezprostředné sousedícími s hranou objektu, se podél hrany objektu mění. Pokud je tento kontrast vyšší, tj. v případě že je hrana hrana objektu nakreslena jako silná, probíhá sledování analýzy osmičlenné spojitosti po branné předmětu. Avšak pokud je kontrast nižší, tj. v případě, kdy je hrana objektu označená jako slabá, může anaiýza osmičlenné spojitosti označit pixel ležící na hraně za nehranový.

Možný roždí!

mezi skutečnou hranou λ h r a 711 η H i a V ř 11 is e·# * W iw » w a h awt

sledovanou hranou lze	j 6 rr. Λ í w	|-Z £ Ϊ p 1 VO t W Uv V U i 1 í
17A až I7D a ISA až	18D.	Obrázky 17A až 17D ukazují čtyři
typické objekty, které	lze	detekovat v uvedeném čočkovém

pouzdře a obrázky 17A až 17D ukazují sledované hrany, které se získaly sledováním hran objektů z obrázků 1 7A až 17D za použiti výše popsané analýzy osmičlenné spojitosti.

Všechny tyto objekty znázorněné na obrázcích 1 7A aaž 17D jsou obrazy čoček, avšak obrázky 17A a 17C ukazují obrazy nepřevrácených čoček a obrázky 173 a 17D ukazují obrazy otočených čoček.

Navíc celé hrany objektu znázorněných na obrazcích 1 ZA a 178 jsou silné, zatímco hrany objektů zobrazených na obrázcích 1 7Ca 17D mají silné a slabé části. Vzhledem k jejím tvarům a síIa nebo slabosti jejich hran jsou objekty zobrazené na obrázcích 17A až 17D označeny jako neotočená čočka, otočená čočka, neotočená čočka se slabou hranou a otočená čočka se slabou hranou. Jak ukazuje obrázek 17A až 170 hrany předmětu jsou sledovány výhodně proti směru hodinových ručiček. Néktere segmenty hran čočky znázorněné na obrázcích 17A až 17D se při sledováním ztrácí neboli eliminují, což má za následek obloukovitě neboli srpkovité tvarovaný sledovaný objekt znázorněný na obrázku 18C a 18D. Pouze čočky nalezené pomocí Sobelových operátorů, u njichž se získají gradienty s vyšší hodnotou než je daná hodnota označená jako ,,edge_thr“ se uchová v paměti procesoru 54. Čočky částečně umístěné vně oblasti uvedené masky nabude vykazovat hranové znaky na okraji uvedené masky.

Protože cele hrany objektů znázorněné na obrázcích 17A a 17B jsou silné, analýza osmičlenné spojitosti sleduje aktuální hrany objektů po celých jejich hranách, viz obr. 18A a13B. Analýza osmičlenné spojitosti rovněž sleduje silné části hran objektů znázorněných na obr. I7C a 17D, avšak pokud tato analýze spojitosti dosáhne slabých částí hran těchto předmětu, anylýza přeruší sledování těchto aktuálních hran a přejde na hrany obrazu tvořené vyššími gradienty úrovně šedi.

Pokud je čočka uvolněna robotem 22, může se může v pouzdru výhodně shrnout na jednu stranu. Volná hrana čočky, která je stále ještě v letu, se může přehnout přes část čočky zachycenou k pouzdru a položit se na ni. Obr. 17B ukazuje hranu takové přehnuté čočky jak ji lze spatřit na obrazu pouzdra vytvořeném na jednom ppixelovém poli 48, a obrázek 188 ukazuje obrys , který se vytvoří jestliže je hrana čočky sledována pomocí programu sledujícího objekt. Jak obecně ukazuje obrázek 19 pomocí algoritmu osmičlenné spojitosti se stanoví pouze obecný obrys tvaru čočky. Tvary jsou v dalším kroku doplněny označením objektů.

Druhý typ obrazové deformace má za následek segmentaci srpkovité tvarovaného objektu,i když je uvedená čočka zcela uvnitř pole obrazu vymezeného maskou. Sledováni objektu bude slábnout k následujícím slabím hranám. Přebytek vody na čočce například muže eliminovat kontakt mezi čočkou a pouzdrem. To zase zmenšuje kontakt viditelný na mokré hraně čočky. Podobná deformace se objeví v případě, že čočka leží částečně vně okraje masky. Tam, kde čočka protíná prostorový okraj masky neexistuje žádná fyzická hrana čočky, která odráží světlo odlišně pixel od Takže v tomto případě se objevuje pouze -slabý signál hranu. Jsou zde rovněž menší kolísání, co nahodilých oblastech interiéru čočky píxeiti označující jasnosti v k jí w ' f í I <- <·** K π C/ λ Í a « d o w i i y v i i záhyby na cocce a ty mohou být sledovány namísto signálu zeslabené hrany. V důsledku čehož nemohou být protilehlé sírany čočky spojeny pomocí sledování, přičemž se vytvoří srpkovitý tvar.

Zeslabené hrany čoček by se mohly rozlišit pomocí zpracovatelské desky 54, v případě, že by se nastavil nízký definovatelný parametr „edge_thr“. Avšak osvětlovací subsystém 14 se výhodně navrhne tak, aby světlo, které produkuje, poskytovalo maximální kontrast pro všechny objekty pod kamerou a nižší hodnoty „edge_thr'‘ způsobí,, že algoritmus identifikuje jako objekty více znaků povrchu pouzdra.

Sledování předmětu je ukončeno ootom, co se opět dosáhne původního výchozího bodu pro daný předmět. Zpracovatelská deska 54 zkoumá všechny pixcly v oblast masky s dostatečným gradientovým výsledkem získaným pomoci f-Otom, co se najde jeden takový pixel, procesor 54 nalezu» všechny takové sousední pixeíy, procesor pokračuje v prohledávání sousedních pixelů až do okamžiku, kdy se opět lokalizuje první pixel. Objekt je potom považován za nalezený. Grafický procesor 54 opakuje tento cyklus pro všechny pixely uvnitř obvodu masky.

c) Označování objektů

Všechny nalezené objekty jsou následně označeny, V průběhu označovaní je všem pixelum uvnitř každého objektu dána stejná předem stanovená úroveň šedi, která je výhodně pro každý objekt jiná. Tyto předem stanovené hladiny šedi mohou odpovídat řadě identifikačních barev identifikovaných v displayové vyhledávací jednotce a převedených na videcsignál na monitoru 30. Zpravidla ze účelem označení hodnot úrovně šedi na pixelech uvnitř každého objektu, procesor 54 identifikuje okrajové podmínky pro uvedený objekt a následně přiřadí každému pixelů uvnitř tohoto okraje vhodnou hodnotu šedi. Jakýkoliv standardní morfologický program lze použít k přidělení hodnot šedi pixelum uvnitř každého objektu, přičemž tento postup se označuje jako vyplnění objektu a vzhledem k tomu, že má každý objekt uzavřený obvod, je tento morfologický program jednoduchý.

V průběhu označování objektu, který je posledním krokem segmentačního procesu, je každému objektu přiřazeno několik číselných identifikátorů. Nejprve jsou uvedené objekty očíslovány v pořadí, v jakém byly nalezeny, a výše zmíněné barevné hodnoty, které se přiřadí pixelum uvnitř každého objektu odpovídají číslu uvedeného objektu. Číselný údaj se rovněž generuje pro parametry označené jako obvod, plocha, poměr stran objektu a komplikovanost.

Obvod objektu se definuje jako celkový počet pixeiu nalezených na hraně uvedeného objektu. Co se týče obrázku 18. poměr stran objekíuse definuje jako poměr a/b, a plocha objektu se definuje jako hodnota zjištěná výpočtem součinu a.b, kde a a b jsou šířka resp. výška uvedeného objektu. Šířku lze rovněž definovat jako délku nejdelši přímkový segment, který lze nakreslit přes objekt ve směru kolmém k přímce X1X2,a výškaa objektu může být definována jako délka nejdelšího přímkového segmentu, který může být veden přes uvedený objekt ve směru paralelním s přímkou X1X2. Je zřejmé, že parametr označený jako plocha nemusí představovat přesnou velikost objektu, ale spíš bude tento parametr označovat velikost nejmenšího pravoúhelníku, označeného jako ohraničující okno, které zcela ohraničuje uvedený objekt.

Složitostní parametr měří složitost tvaru uvedeného předmětu a zejména označuje relativní Četnost směrových zmén na okraji uvedeného objektu. Složitost lze například definovat jako poměr p²/A, ve kterém p znamená délku obvodu uvedeného objektu a A znamená výše zmíněnou plochu uvedeného objektu. Poměr stran, plocha a složitost uvedeného objektu lze vyjádřit pomocí následujících matematických vzorců:

Poměr stran - b

Plocha - (Velikost ohraničujícího okna) - a b

Složitost = -.4

Každému objektu se tedy přiřadilo číslo, barva a čtyři další číseine deskriptory, číslo a barva objektu se použijí pro další účely , přičemž hodnoty plochy, obvodu, poměru stran a složitost: přiřazené k objektu se použijí pro klasifikační účely.

Vícenásobná klasifikace objektů

Každý objekt nalezený uvnitř masky se považuje za možnou čočku (tzv, kandidáta na čočku) a po ukončení segmentace objektů je každý kandidát na čočku zpracován neboli klasifikován podle klasifikačního algoritmu. Výhodná se klasifikace všech objektů, které klasí fHť-Afrt ri i na b nacházejí uvnitř masky pomocí az: kn<

V praxi lze použít celou řadu vhodných klasiřikátorů na bázi lineárního dělení, a například obr, 20 ukazuje jednoduchou dvourozměrnou lineární klasifikací. Přesněji obr. 20 ukazuje vynesení dvou skupin objektů do grafu x-y. První skupina těchto objektů, označených jako č. 1, nejsou čočky, a druhá skupina objektů označených jako č. 3 jsou čočky. Osy x a y na obrázku 20 mohou reprezentovat jakékoliv dva výše zmíněné nebo další parametry uvedených objektů, to způsobí, že zakreslením uvedených dvou skupin objektů do grafu se vytvoří odsazené skupiny.

Seskupováni data-hodnot podle číselných deskriptorů, viz obr. 20, se může orovést, ookud isou zobrazené ohrnuv segmeníovány. Charakteristické obrazy dosáhnou takového

SeskLín.^ní v nřf ‘ítvIA - M -z·! 4 γΙ-Άχ/ιλΙ··.»·»,· i, lu; i

W li i VU4. w y i 1 p -wl -w , 4. xs i o | i ík í í l «.? i y j\ J i .J i .-i j , nezávisle rozlišitelnými znaky objektu podle testu. Například osa znaku 1 na obrázku 20 by mohla reprezentovat velikost.

Jak ukazuje obrázek 20 přímku lze snadno nakreslit oddělením objektu označených číslem jedna od objektů označených číslem tři. Ve skutečnosti alespoň dvě oddělující a dobře definované dělící hranice, tj. jasné rozlišení mezi čočkami a ne-cočkamí, přičemž data zakreslená do grafu na obrázku 20 neukazuji jasné, která z těchto dělících hranic je nejiepší. Vzorky I a 3 se jeví jako by byly správně klasifikované oběma hraničními čárami, tj. jsou na správné straně každé čáry. Ačkoliv je mezi uvedenými dvěmi hraničními čarami značná plocha a a objekt identifikovaný jako vzorek 2, by mohl být vynesen mezi uvedenými dvěmi hranicemi, přičemž by zjevně nepatři! ani k jednomu z obou dvou zobrazených skupin vynesených objektů. Vzorek 2 by mohl být například větší vodní kapkou nebo přeloženou čočkou. Vzhledem k tomu, se u výhodného provedeni postupu klasifikujícího objekty použilo ke stanovení lineární klasifikace více infirmací.

Počáteční testy na prototypu systému ukazují, že přibližně 70 procent rozdělení bylo správných, v případě, že byla tato rozdělení provedena zcela na základě parametrů, kterými jsou plocha a obvod. Výcerozměrová dělící funkce zvyšuje přesnost těchto dělení. Aby byla klasifikace nejúčinnéjší, použije se na bázi derivace dělící funkce. Uvedená dělící funkceje výhodné čtyřrozměrná funkce, popsaná následující rovnicí:

«-v

ÚigAj i ύ)ηΡ l 4 iíifPj l· tV;

Cj + (14)

Rovnice (14) se označuje jako déiicí funkce, protože klasifikuje každý objekt í_: pro všechny objekty uvnitř plochy vytýčené maskou. Popisovači objektu A, P, R a C, jsou hodnoty příslušné plochy, obvodu, poměru stran a složitosti změřenými nebo stanovenými pro každý objekt v každém

K f ·? *» Λ N > ko ) 1 o i W t. V V jO I >,1 O I I w označování objektu.

(O

Ρ» ω_Γ) ω₀ a (05 se označují jako klasifikační zvažovaci vektory , Ct) 3, o) p j í_£) y <3 co f závažnost hodnot plochy, obvodu, poméru stran a složitosti přiřazeným k uvedenému objektu a ω₅ je konstantní hodnota.

reprezentuji

Hodnoty mohou být přiřazeny k zvažovacím vektorům tak, že v případě, kdy je Dj větší než 0, potom je objekt i označen jako ne-čočka, zatímco pokud je Dj menší než nula nebo rovno nule, potom je objekt i označen jako čočka. Vyjádřeno matematicky:

Třída objektu = Ne-čočka pokud D_t > 0 (15) = čočka pokud Dj < 0

Výhodně jsou hodnoty přiřazeny zvažovacím vektorům tak, že více než 99 procent rozdělení je správných.

Za účelům přesného identifikování objektu do třídy čočka nebo ne-čočka, pro tisíc objektů, s překrývajícími se deskriptorovými hranicemi, se vektorové konstanty rovnice (14) modelovaly na počítači ze použití Perceptronového algoritmu. Perceptronové algoritmy jsou v daném oboru známé a ke stanovení hodnot pro zvažovaci vektoty v rovnici (14) lze použít jakýkoliv vhodný algoritmus.

Pí rceptronové algoritmy jsou diskutovány například v článku „Pattern R;

·. ·** » >* ΪΛ C} '•j Λ í Λ i -ΐ ¹ ívv^uiuvíi I i i i í υ l Iv o i ouern a Oonzaiem, puohKovaném spol Publishing Co m pany (1374). Zpravidla je « x. - , --- i ·: λ ,ι:, šíMiiUoii rtUUiiUí t i - -J v » r^rfei ceρti ono v y ι π algoritmem deterministický vzorový klasifi kátor. Nebyly provedeny žádné pokusy, pokud se týče statistického vztahu mezi matematickými deskriptory objektů, které mají být klasifikovány. Uvedený Perceptronový algoritmus je deterministický v tom, že předpokládá existenci řešení.

Přítomná data jsou před výpočtem rozdělenyy do dvou tříd. Data-vzory ne-čočkových deskriptoru jsou všechny vynásobeny 1. Například pokud x, reprezentuje sadu zkušebních vzorů obsahujících numerické deskriptory A,P,R a C, potom se dosáhne řešení, kterým je zvažovací vektor ω*, ve kterém ®‘xj > 0, a ω* = t.o_a, íOp, (o_r, ío_c a ©5,

Obrázek 21 je příkladem složitosti skutečného data čočkového ověřovacího pouze 300 data-bodů a jsou obrazy, ze kterých svstému.Tento obrázek reorwzezentuie t i J pouze v třírozměrném prostoru. ! když i« π i[ <1 -af a nKrá-j^u O i jwWM W M h 4-* I IM VW I &.1 V V4 V U «. w < » reprezentanty ideálních čoček a vodních kapek, nejsou zde snadno definovatelné skupiny. Za účelem zlepšení přesnosti klasifikace se výhodně použije vícerozměrný povrch, jakým je čtyř nebo pěti rozměrný povrch jako hranice.

Potom, co se stanovily vhodné hodnoty pro ®_a, ®_p, ©_r, ©_c a ω₅ pomocí Perceptronového algoritmu, vkládá se permanentně do paměti procesorové desky 54 rozhodovací funkce. Ds se následně použije ke klasifikaci každého objektu, na který se uvnitř oblastí každého obrazu vytýčených maskou narazí.

Vlastní charakterizace uvedených objektů, jejich číselných deskriptorů a konečně modelování klasifikačních zvažovacích vektorů rozhodovací funkce pomáhá uveden dosáhnout velmi vysokého stupně přesnosti. Aby se zvýšila přesnost uvedeného modelu, použije Perceptronový algoritmus koncepce příznivého a nepříznivého vyhodnocení. V podstatě všechny data-vzory ze zkušební sady jsou zpracovány pomocí vektorového modelu k^th ®‘ a pokud nejsou rozhodnutí správná, potom se ω' zvýši faktorem c pro pokus (k+1)^th. Nepříznivé vyhodnoceni znamená, že uvedený počítač to musí překalkulovat a příznivým vyhodnocením je ukončení kalkulace.

Za účelem stanovení jedné sady zvažovacích faktorů, analyzuje se osmdesát obrazů pouzder a zpracuje. Z těchto osmdesáti pouzder čtyřicet obsahovalo čočky a čtyřicet nikoiiv. Vodní kapky různých velikostí se umístilo na čtyřicet pouzder, která neobsahovala čočky. Číselné deskriptory pro každý objekt nalezený uvnitř zpracovateských masek umístěných na uvedených obraazech pouzder se zaznamenaly a celých 80 obrazových polí numerických deskriptorů se zpracovaio pomocí Perceptronového klasifikačního algoritmu. Pomocí těchto perceptronových výpočtů získáme vektor mající formu rovníce (i4). Nahrazením kiasifikačních zvažovacích vektorů ω₃, ω_ρ, ω_Γ, ®_c a ω₅ výsledky Perceptronového výpočtu se získá rovnice (16),

D, = (4352)A> + (19112)P, - (334545,75)R_t - (129398,3Q)C, -731538 (13)

Při testování se ke klasifikaci každého objektu uvnitř masek několika tisíc obrazů pouzder použil grafický procesor 54 používající rovnici (16).Uvedený procesor klasifikuje každé pouzdro a označí ho jako „postrádající čočku“ (missing) a „mající čočku“ (present). Přesněji, každé pouzdro se umísti buď do kategorie „mající čočku“ nebo do kategorie „postrádající čočku“ v závislosti na io m, zda u v e d s η n ý procesor nalezl nebo n e π a I s;

kontrolovaném pouzdře čočku. Každý z těchto obrazů pouzder člověk-operátor rovnéž pozoroval na monitoru 60 a hodnotil každé rozhodnutí procesoru 54 jako správné či nikoliv. To mělo za následek čtyři možné výsledky správné rozhodnutí „postrádající čočku, nesprávné rozhodnut: „postrádající čočku, správné rozhodnutí „mající čočku a nesprávné rozhodnutí „mající čočku.

Z 6516 kontrolovaných pouzder procesor 54 správně identifikoval jako „postrádající čočku 272 pouzder, 64 pouzder identifikoval nesprávně jako „postrádající čočku a 4 pouzdra nesprávně identifikoval jako „mající čočku“.

Za účelem zlepšení ověřovacího systému se provedly další experimenty spočívající v analyzování a zpracování dalších obrazů pouzder, pomocí kterých se shromáždily další údaje pro numerické deskriptory. Vzorky těchto dalších dat jsou uvedeny v tabulkách na obrázku 22. Při těchto testech byla provedena klasifikace každého objektu nalezeného v oblastech vymezených maskami v závislosti na vzoru uvedeného objektu do jedné z množiny skupin označených jako : „kulatý, „přeložený, „pacman“ a na straně“. Mezní čára objektů, které by mohly být posouzeny tak, že spadají do více než jedné skupiny se z uvedených údajů vyloučily.

Celá tabulka na obrázku 22 zahrnuje pět sloupců informací. První sloupec uvádí velikost ohraničujícího okna, druhý sloupec uvidí složitost, třetí poměr stran, čtvrtý obvod a pátý sloupec uvádí typový kód charakterizující uvedený objekt.

V této tabulce jsou typické kulaté čočky reprezenntovány číslem jedna v prvním sloupci zprava. Přeložené čočky, čočky na straně a pac-man čočky jsou reprezentovány kódy F, OS resp. P. Přeložená čočka se muže nacházet kdekoliv uvnitř uvedené masky a může být přeložena jednou nebo dvakrát. Čočka na straně je patrná na hraně uvedené masky a není zcela viditelná. Čočky, které spadají do kategorie pac-man mají obecný tvar kruhové čočky, která má 2esiabenou hranu. Uvedená zesiabená hrana se v případě, že se segmentuje jeví jako scházející plocha ve tvaru trojúhelníku. Obrazy vodních kapek jsou označeny kódem W. Pokud byl tento údaj zpracován perceptronovým algoritmem, nahradily se všechny kódy číselnými hodnotami. F, OS a P se nahradily číslem 1 a kód pro vodní kaapky W se nahradil číslem -1.

U těchto dalších experimentů se numerické deskriptory kompilovaly pro 328 objektů, z nichž polovinu tvořily čočky a druhou polovinu představovaly kapky vody. Tato data se vložila do Sun Microsystems Sparcstation 1, který je zkompiluje a provede výpočty pro perceptronový algoritmus. Výsledek tohoto zpracování ve formě lineární rozhodovací funkce, je uveden níže jako rovnice (17), která definuje čtyřrozměrnou hraniční rovinu.

D, = (965)A, + (2709)P, - (98633,57)R, - (7583,862)0, - 536878 (1 7)

Několik zpracovatelských desek se naprogramovalo na rovnici (17) a následně použilo ke klasifikování všech objektů uvnitř masek na šestnácti tisících obrazech pouzder. Tyto testy jsou shrnuty v tabulce a sloupcovém grafu na obrázku 23, kteréé ukazují, že pouze přibližně 0,22 % pouzder bylo chybně identifikováno jako pouzdra postrádající čočky a méně než 0,1% pouzder bylo nesprávné identifikováno jako pouzdra mající čočku.

Na závěr je třeba uvést že výše uvedený popis provedení vynálezu má pouze ilustrativní charakísr a nikterak neomezuje rozsah vynálezu, který je jednoznačně vymezen ^Přiloženými patentovými nároky.

Claims (16)

1. PATENTOVĚ NA ROKY

   1. Způsob ověřování přítomnosti čočky v pouzdře, vyznačený t í m , že zahrnuje posun pouzdra do kontrolní polohy, vedení světelného paprsku skrze pouzdro a rovinu, přičemž vzniká na zobrazovací rovině ol pouzdra, generování sady signálu reprezentujících obraz na zobrazovací rovině, a analyzování uvedené sady signálů za účelem stanovení toho, zda je v uvedeném pouzdru čočka přítomná, přičemž uvedený analyzační krok zahrnuje

   i) přiřazení určité váhy tomuto paramatru, a ii) vynásobení hodnot identifikovaných pro parametry příslušnou vahou přiřazenou uvedenému parametru za účelem stanoveni zvážené hodnoty pro uvedený parametr, sečtení zvážených hodnot pro uvedené parametry
2. 2a účelem stanovení součtu zvážených hodnot parametrů, a porovnání uvedeného součtu s předem nastavenou hodnotou za účeiem zjištění, zda je uvedený objekt čočkou či nikoíiv.

   8 T 8 0 P· h t i 3 — na zobrazovací sraz uvedeného
3. 3. Způsob podle nároku 1, v y z n a č e n ý tím , že identifikování hodnot pro množinu parametrů zahrnuje identifikování hodnot pro alespoň čtyři parametry; přičemž analyzování uvedených identifikovaných hodnot zahrnuje

   i) přiřazení váhy každému z uvedených parametru a ii ) analyzování identifikovaných hodnot podle obecné rovnice;

   D = íd_aA + ω_ρΡ + o_fR + <o_cC + <05 ve které A, P, R a C znamenají hodnoty přiřazené uvedeným čtyřem parametrům, ω₃, ω_ρ, ω_Γ a w_c znamenají váhy přiřazené uvedeným čtyřem parametrům, a w₅ je předem stanovená konstanta; a identifikování označení objektu za čočku v případě, že D je záporné nebo rovno 0, a označení objektu jako objekt, který není čočkou v případě, že D je větší než 0.
4. 4. Způsob podle nároku 1,vyznačený tím , že každý obraz nalezeného objektu má obvod a identifikování hodnot pro množinu parametrů zahrnuje stanovení délky obvoduuvedeného obrazu objektu.
5. 5. Způsob podle nároku I, vyznačený tím , že každý obraz nalezeného objektu má šířku a výšku a identifikování hodnot pro množinu parametrů zahrnuje:

   stanovenní šířky, a, a výšky, b, obrazu uvedeného objektu; a stanovení hodnoty A, pro jeden z parametrů podle rovnice A = a b.
6. 6. Způsob podle nároku 1, vyznačený tím , že každý obraz nalezeného objektu má šířku a výšku a identifikování hodnot pro množinu parametru zahrnuje:

   stanovenní šířky, a, a výšky, b, obrazu uvedeného objektu; a stanovení hodnoty R, pro jeden z parametrů podle rovnice R = a/b.
7. 7. Způsob ověření přítomnosti čočky v transparentním pouzdře vyznačený tím , že zahrnuje posun pouzdra do kontrolní polohy;

   vedení světelného paprsku skrze pouzdro a na pole pixelů za vzniku obrazu pouzdra na uvedeném poli pixelů;

   generování příslušné jedné data-hodnoty reprezentující intenzitu světla dopadajícího na každý pixel alespoň ze skupiny pixelů na uvedeném pixelovém poli; a analyzování uvedených data-hodnot za účelem stanovení toho, zda je v uvedeném pouzdru čočka přítomná, přičemž uvedený analyzační krok zahrnuje

   i) identifikování vybrané oblasti obrazu pouzdra na pixelovém poli, a ii) analyzování data-hodnot reprezentujících intenzitu světla dopadajícího na pixely v uvedené vybrané oblasti za účelem stanovení toho, zda je v uvedeném pouzdru přítomná čočka.
8. 8. Způsob podle nároku 7, v y z n a č e n ý tím , že uvedené pouzdro zahrnuje hranu a identifikování vybrané oblasti pouzdra oblasti zahrnuje identifikování obrazu hrany uvedeného pouzdra; a identifikování předem nastavené plochy obrazu čočky a předem nastavené vzdálenosti od obrazu hrany pouzdra.

   4δ
9. 9. Způsob podle nároku 8, vyznačený tím , že uvedené pouzdro dále zahrnuje dutinu a kryt probíhající přes uvedenou dutinu, přičemž uvedený kryt zahrnuje hranu, a identifikování vybrané oblasti obrazu uvedeného pouzdra dále zahrnuje dále zahrnuje identifikování uvedené předem nastavené plochy
10. 10. Systém ovéřováni přítomnosti čočky v transparentním pouzdře, vyznačený tím , že zahrnuje:

    transportní subsystém pro posun pouzdra do kontrolní polohy, pole pixelú, osvětlovací subsystém pro generování světelného paprsku a vedení tohoto světelného paprsku skrze pouzdro, které se nachází v kontrolní poloze a na poli pixelú za vzniku obrazu pouzdra na uvedeném poli pixeiů;

    generátor data-hodnot přiřazující každému pixelú alespoň ze skupiny pixelú data-hodnotu reprezentující intenzitu světelného paprsku na uvedeném pixelú; a procesor zpracovávající uvedené data-hodnoty za účelem stanovení toho, zda je čočka přítomná v uvedeném pouzdru, či nikoliv, přičemž uvedený procesor zahrnuje

    i) prostředek pro vyhledávání obrazů diskrétních objektů v obraze pouzdra, ii) prostředek identifikující hodnoty pro množinu parametrů pro obraz každého nalezeného obrazu a analyzující identifikované hodnoty pro parametry obrazu každého objektu podle předem stanoveného postupu za účelem identifikování toho, zda je uvedený objekt čočokou či nikoliv, a iii) generátor signálů generující signál oznamující přítomnost čočky v případě, kdy se obraz jednoho objektu nalezeného v obrazu pouzdra identifikuje jako čočka, a signál oznamující nepřítomnost čočky v případě, kdy není v obrazu uvedeného pouzdra nalezen žádný obraz objektu, nebo v případě, kdy není žádný ze všechny obrazů objektů nalezených v obraze pouzdra označen jako čočka.
11. 11. Systém podle nároku 10, vyznačený tím , že prostředek identifikující hodnoty pro uvedené parametry zahrnuje:

    prostředek přiřazující každému parametru váhu; prostředek násobící hodnotu přiřazenou každému parametru vahou přiřazenou uvedenému parametru za účelem stanovení zvážené hodnoty pro uvedený parametr;

    prostředek sčítající uvedené zvážené hodnot uvedených parametrů pro každý obraz nalezeného objektu za účelem stanovení součtu zvážených hodnot obrazu uvedeného objektu; a prostředek porovnávající uvedený součet pro obraz každého nalezeného objektu s předem nastavenou hodnotou za účelem identifikování toho, zda je tento objekt čočkou či nikoliv.
12. 12. Systém podle nároku 10, vyznačený tím , že každý obraz nalezeného objektu má obvod a prostředek identifikující hodnoty pro uvedené parametry dáis zahrnuje prostředek pro stanovení délky obvodu každého nalezeného obrazu objektu.
13. 13, Způsob podle nároku 10, vyznačený tím ,že každý obraz nalezeného objektu má šířku, a, a výšku, b, a prostředek pro identifikaci hodnot pro uvedené parametry dále zahrnuje:

    prostředek pro stanovennl šířky, a, a výšky, b, obrazu každého nalezeného objektu; a pro stanovení hodnoty A, pro jeden z parametrů pro obraz každého nalezeného objektu podle rovnice A = a b.
14. 14. Systém pro ověřování přítomnosti čočky v transparentním pouzdře, vyznačený tím , že zahrnuje:

    prostředek pro přidrženi uvedeného pouzdra v kontrolní poloze;

    pole pixelů;

    osvětlovací subsystém pro vedení světla skrze pouzdro na poli pixeiú za vzniku obrazu pouzdra na uvedeném pixelovém poli;

    prostředek pro generování pro každý pixel alespoň ze skupiny pixelů v uvedeném pixelovém poli příslušnou jednu data hodnotu reprezentující intenzitu světla dopadajícího na uvedený pixel; a zpracovatelský subsystém analyzující uvedené data hodnoty 2a účelem stanovení toho, 2da je v uvedeném pouzdru přítomná čočka, přičemž uvedený zpracovatelský subsystém zahrnuje

    i) prostředek pro identifikování vybrané plochy obrazu uvedeného pouzdra na uvedeném pixelovém poli; a ii) prostředek pro analyzování data-hodnot souvisejících s pixely ve vybrané ploše obrazu uvedeného pouzdra za účelem stanovení toho, zda je čočka v uvedeném pouzdru přítomná.
15. 15. Systém podle nároku 14, vyznačený tím , že uvedené pouzdro zahrnuje hranu a prostředek pro identifikování vybrané plochy obrazu uvedeného pouzdra zahrnuje:

    prostředek pro identifikování obrazu uvedené hrany pouzdra; a prostředek pro identifikování předem nastavené plochy obrazu uvedeného pouzdra předem nastavené vzdálenosti od obrazu hrany uvedeného pouzdra.
16. 16. Systém podle nároku 14, vyzn a čen ý tím , že uvedené pouzdro dále zahrnuje dutinu a kryt probíhající přes uvedenou dutinu, přičemž uvedený kryt zahrnuje hranu, přičemž prostředek pro identifikování vybrané plochy obrazu pouzdra dále zahrnuje prostředek pro identifikování obrazu uvedené hrany krytu; a prostředek pro identifikování předem nastavené plochy obrazu pouzdra zahrnuje prostředek pro identifikování předem nastavené plochy předem nastavené vzdálenosti od obrazu hrany uvedeného krytu.