JPH08189902A - 画像処理装置 - Google Patents
画像処理装置Info
- Publication number
- JPH08189902A JPH08189902A JP7002828A JP282895A JPH08189902A JP H08189902 A JPH08189902 A JP H08189902A JP 7002828 A JP7002828 A JP 7002828A JP 282895 A JP282895 A JP 282895A JP H08189902 A JPH08189902 A JP H08189902A
- Authority
- JP
- Japan
- Prior art keywords
- differential
- image data
- image
- sum
- edge
- 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.)
- Withdrawn
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】 （修正有）
【目的】濃淡画像の対象物のエッジ情報を元に、目視に
近い間隔で、容易に、少ない計算量で濃淡画像のテクス
チャの定量化。 【構成】搬送被検査物の鋼板１が照明２で照らされ、鋼
板１の表面の傷や凹み等の欠陥３はカメラ４にて撮像さ
れ、鋼板１の表面画像が信号処理回路５でＡ／Ｄ変換さ
れ、出力画像データを画像メモリ６に記憶する。この画
像メモリ６からの画像データからマスク設定回路７で任
意の矩形領域を設定し、微分処理回路８で微分処理し、
特徴量算出回路９で、矩形領域内の欠陥のエッジとみな
せる所定値以上の微分情報の和又は自乗和と、その微分
情報の画素の個数を算出する。欠陥のエッジとみなせる
所定値以上の微分情報の和又は自乗和並びに微分情報の
画素の個数は夫々、矩形領域内のエッジの強さとコント
ラスト、並びにエッジの数を表わしており、欠陥有無、
存在度判定回路１０で、これらに基づいて、鋼板１表面
の欠陥の有無、存在度を判断する。
近い間隔で、容易に、少ない計算量で濃淡画像のテクス
チャの定量化。 【構成】搬送被検査物の鋼板１が照明２で照らされ、鋼
板１の表面の傷や凹み等の欠陥３はカメラ４にて撮像さ
れ、鋼板１の表面画像が信号処理回路５でＡ／Ｄ変換さ
れ、出力画像データを画像メモリ６に記憶する。この画
像メモリ６からの画像データからマスク設定回路７で任
意の矩形領域を設定し、微分処理回路８で微分処理し、
特徴量算出回路９で、矩形領域内の欠陥のエッジとみな
せる所定値以上の微分情報の和又は自乗和と、その微分
情報の画素の個数を算出する。欠陥のエッジとみなせる
所定値以上の微分情報の和又は自乗和並びに微分情報の
画素の個数は夫々、矩形領域内のエッジの強さとコント
ラスト、並びにエッジの数を表わしており、欠陥有無、
存在度判定回路１０で、これらに基づいて、鋼板１表面
の欠陥の有無、存在度を判断する。
Description
【０００１】
【産業上の利用分野】本発明は、濃淡画像の対象物のエ
ッジ情報を基にその濃淡画像のテクスチャを定量化する
技術に関するもので、例えば生産ラインより搬出される
鋼板等の製品の表面欠陥を検査するために、その表面の
濃淡画像を画像処理する画像処理装置に関する。
ッジ情報を基にその濃淡画像のテクスチャを定量化する
技術に関するもので、例えば生産ラインより搬出される
鋼板等の製品の表面欠陥を検査するために、その表面の
濃淡画像を画像処理する画像処理装置に関する。
【０００２】
【従来の技術】各種生産ラインの表面欠陥検査などで
は、欠陥の有無はもちろんのこと、その欠陥がどれほど
鮮明にどれほど多数見えるかといった評価も必要になっ
ている。しかしながら、人間の目視による視覚的評価は
各人により異なり、主観的なばらつきが伴い、客観的な
定量性の面にかける。そこで従来より各種の濃淡画像の
定量化方法とその特徴量の算出方法が提案されてきた。
は、欠陥の有無はもちろんのこと、その欠陥がどれほど
鮮明にどれほど多数見えるかといった評価も必要になっ
ている。しかしながら、人間の目視による視覚的評価は
各人により異なり、主観的なばらつきが伴い、客観的な
定量性の面にかける。そこで従来より各種の濃淡画像の
定量化方法とその特徴量の算出方法が提案されてきた。
【０００３】例えば、文献’シンチグラムに対するテク
スチャ解析の適応’（Ｒａｄｉｏｉｓｏｔｏｐｅｓ Ｖ
ｏｌ，４０， Ｎｏ１ｐｐ．３３−３６ １９９１）で
は、医師により読影される病変部位のシンチグラムを画
像処理し、その画像から得られる平均、分散、スキュ
ー、エネルギー、エントロピーの５種類の特徴量により
シンチグラムの視覚的評価を定量的に行っている。特に
分散は、輝度値のばらつき状態を表わすのに従来からよ
く使われているが、画像内にシェーディング等が存在す
る場合は分散特徴量は望ましくない。また、テクスチャ
解析に一般的に使われる手法（画像解析ハンドブック
（東京大学出版会）ｐｐ．５１８〜５２２）に、濃度共
起行列や濃度差分統計量や濃度ランレングス行列などを
用いて解析を行う手法があり、これらの手法の中でも濃
度共起行列を用いる手法が有効であることが知られてい
る。濃度共起行列、濃度差分統計量は画素濃度の２次統
計量、濃度ランレングス行列は画素濃度の高次統計量で
ある。これらの統計量から計算できる特徴量が定義され
ていて、この特徴量を用いて分類、識別などの解析が行
われている（特開平５−１４６４３３号公報，特開平６
−６０１８２号公報）。
スチャ解析の適応’（Ｒａｄｉｏｉｓｏｔｏｐｅｓ Ｖ
ｏｌ，４０， Ｎｏ１ｐｐ．３３−３６ １９９１）で
は、医師により読影される病変部位のシンチグラムを画
像処理し、その画像から得られる平均、分散、スキュ
ー、エネルギー、エントロピーの５種類の特徴量により
シンチグラムの視覚的評価を定量的に行っている。特に
分散は、輝度値のばらつき状態を表わすのに従来からよ
く使われているが、画像内にシェーディング等が存在す
る場合は分散特徴量は望ましくない。また、テクスチャ
解析に一般的に使われる手法（画像解析ハンドブック
（東京大学出版会）ｐｐ．５１８〜５２２）に、濃度共
起行列や濃度差分統計量や濃度ランレングス行列などを
用いて解析を行う手法があり、これらの手法の中でも濃
度共起行列を用いる手法が有効であることが知られてい
る。濃度共起行列、濃度差分統計量は画素濃度の２次統
計量、濃度ランレングス行列は画素濃度の高次統計量で
ある。これらの統計量から計算できる特徴量が定義され
ていて、この特徴量を用いて分類、識別などの解析が行
われている（特開平５−１４６４３３号公報，特開平６
−６０１８２号公報）。
【０００４】
【発明が解決しようとする課題】しかし、これらは一般
的に計算量が多く、算出する際に設定するベクトルによ
り計算結果が異なり、適当なパラメータを決定するのが
難しい。また、情報量を多くしようとして行列を大きく
すると計算量が非常に大きくなるため、適当な行列の大
きさを決定しなければならない。
的に計算量が多く、算出する際に設定するベクトルによ
り計算結果が異なり、適当なパラメータを決定するのが
難しい。また、情報量を多くしようとして行列を大きく
すると計算量が非常に大きくなるため、適当な行列の大
きさを決定しなければならない。
【０００５】本発明は、上記事情に鑑み、容易に、かつ
上記のテクスチャ解析より少ない計算量で、さらに、目
視に近い感覚で画像のテクスチャを定量化する画像処理
装置を提供することを目的とする。
上記のテクスチャ解析より少ない計算量で、さらに、目
視に近い感覚で画像のテクスチャを定量化する画像処理
装置を提供することを目的とする。
【０００６】
【課題を解決するための手段】上記目的を達成する画像
処理装置は、 （１）濃淡画像を表わす画像データを記憶する画像デー
タ記憶部 （２）その画像データ記憶部に記憶された濃淡画像の部
分領域を切り出すマスク設定部 （３）そのマスク設定部で切り出された部分領域を表わ
す画像データを微分することにより微分画像データを生
成する微分演算部 （４）その微分演算部で生成された微分画像データのば
らつきの程度を表わす第１の指標と、その微分画像デー
タのうち所定値を越える微分画像データを有する画素の
数を表わす第２の指標とを求める指標演算部 を備えたことを特徴とするものである。
処理装置は、 （１）濃淡画像を表わす画像データを記憶する画像デー
タ記憶部 （２）その画像データ記憶部に記憶された濃淡画像の部
分領域を切り出すマスク設定部 （３）そのマスク設定部で切り出された部分領域を表わ
す画像データを微分することにより微分画像データを生
成する微分演算部 （４）その微分演算部で生成された微分画像データのば
らつきの程度を表わす第１の指標と、その微分画像デー
タのうち所定値を越える微分画像データを有する画素の
数を表わす第２の指標とを求める指標演算部 を備えたことを特徴とするものである。
【０００７】ここで、上記微分演算部が、互いに交わる
２方向それぞれについて微分を行い、これにより得られ
た各画素毎に２つのデータに基づいて、各画素毎の微分
画像データを生成するものであることが効果的である。
また、上記指標演算部が、上記第１の指標として、上記
微分画像データのうち所定値を越える微分画像データに
ついてその微分画像データとその所定値との差分の和も
しくは自乗和を求めるものであることが好ましい。
２方向それぞれについて微分を行い、これにより得られ
た各画素毎に２つのデータに基づいて、各画素毎の微分
画像データを生成するものであることが効果的である。
また、上記指標演算部が、上記第１の指標として、上記
微分画像データのうち所定値を越える微分画像データに
ついてその微分画像データとその所定値との差分の和も
しくは自乗和を求めるものであることが好ましい。
【０００８】
【作用】本発明の画像処理装置は、微分画像データに基
づいて、上記の第１の指標と上記の第２の指標とを求め
るものであり、第１の指標により、濃淡画像上の欠陥が
どれほど鮮明に見えるかという程度がわかり、第２の指
標により、濃淡画像上にどれほど多数の欠陥が存在する
かという程度がわかる。後述するように、これら第１の
指標及び第２の指標により、人間の目視検査に近い、客
観的な評価が可能となった。
づいて、上記の第１の指標と上記の第２の指標とを求め
るものであり、第１の指標により、濃淡画像上の欠陥が
どれほど鮮明に見えるかという程度がわかり、第２の指
標により、濃淡画像上にどれほど多数の欠陥が存在する
かという程度がわかる。後述するように、これら第１の
指標及び第２の指標により、人間の目視検査に近い、客
観的な評価が可能となった。
【０００９】
【実施例】以下、本発明の実施例について説明する。図
１は、本発明の画像処理装置の一実施例のブロック図で
ある。搬送される被検査物としての鋼板１が照明２で照
らされている。なお、鋼板１の表面は、傷や凹み等の欠
陥３を有している。カメラ４にて撮像された鋼板１の表
面画像が信号処理回路５にてＡ／Ｄ変換され、その出力
である画像データを画像メモリ６に記憶する。この画像
メモリ６から読み出された画像データからマスク設定回
路７で任意の矩形領域を設定し、微分処理回路８で微分
処理を行う。
１は、本発明の画像処理装置の一実施例のブロック図で
ある。搬送される被検査物としての鋼板１が照明２で照
らされている。なお、鋼板１の表面は、傷や凹み等の欠
陥３を有している。カメラ４にて撮像された鋼板１の表
面画像が信号処理回路５にてＡ／Ｄ変換され、その出力
である画像データを画像メモリ６に記憶する。この画像
メモリ６から読み出された画像データからマスク設定回
路７で任意の矩形領域を設定し、微分処理回路８で微分
処理を行う。
【００１０】図２は、図１に示す微分処理回路における
微分処理の説明図である。この微分処理は、図２に示す
ように処理対象画像の各画素にこの画素を中心とした３
×３領域に微分フィルタＦを重ね合わせ、対応する画素
同士の積を求め、それらの総和を微分値とする。この操
作を左上の画像から右下の画素まで行うものである。
微分処理の説明図である。この微分処理は、図２に示す
ように処理対象画像の各画素にこの画素を中心とした３
×３領域に微分フィルタＦを重ね合わせ、対応する画素
同士の積を求め、それらの総和を微分値とする。この操
作を左上の画像から右下の画素まで行うものである。
【００１１】濃淡画像に作用させる微分フィルタＦは対
象物の形状に応じて設定変更する必要がないものの、一
定の方向のみのエッジを抽出する微分フィルタではその
方向の対象物のエッジしか見つけられない。それで対象
とする対象物が検出できればよいが、一般には対象物を
検出する際の精度が落ちてしまう。そこで微分フィルタ
Ｆは全ての方向のエッジを検出し背景のノイズの影響を
受けにくいソベールフィルタか、もしくはそれと同様の
作用をする微分フィルタが望ましい。ただし、一定の方
向性のあるエッジを検出する微分フィルタを作用させる
と、その方向性に対するテクスチャの定量化が行えるの
で、欠陥の種類ないし方向性がわかっているときは、一
定の方向性のあるエッジを検出する微分フィルタを作用
させてもよい。
象物の形状に応じて設定変更する必要がないものの、一
定の方向のみのエッジを抽出する微分フィルタではその
方向の対象物のエッジしか見つけられない。それで対象
とする対象物が検出できればよいが、一般には対象物を
検出する際の精度が落ちてしまう。そこで微分フィルタ
Ｆは全ての方向のエッジを検出し背景のノイズの影響を
受けにくいソベールフィルタか、もしくはそれと同様の
作用をする微分フィルタが望ましい。ただし、一定の方
向性のあるエッジを検出する微分フィルタを作用させる
と、その方向性に対するテクスチャの定量化が行えるの
で、欠陥の種類ないし方向性がわかっているときは、一
定の方向性のあるエッジを検出する微分フィルタを作用
させてもよい。
【００１２】図３は、図２に示す微分フィルタとしてソ
ベールフィルタを示す図である。図３に示すソベールフ
ィルタは、Ｘ方向に重み係数を持ったＸ方向フィルタ
（ａ）とＹ方向に重み係数を持ったＹ方向フィルタ
（ｂ）から構成されている。微分処理に用いる微分フィ
ルタとして、このようなソベールフィルタを用いると、
一方向のエッジのみではなくて全ての方向のエッジを検
出し背景のノイズの影響を抑えた微分処理を行える。こ
の場合、Ｘ方向フィルタ（ａ）を作用させた結果をΔ
ｘ，ｙ方向フィルタ（ｂ）を作用させた結果をΔｙとし
たときのΔｘｙが微分値となる。ここで微分値Δｘｙ
は、 Δｘｙ＝√（△ｘ2 ＋△ｙ2 ） として表される。
ベールフィルタを示す図である。図３に示すソベールフ
ィルタは、Ｘ方向に重み係数を持ったＸ方向フィルタ
（ａ）とＹ方向に重み係数を持ったＹ方向フィルタ
（ｂ）から構成されている。微分処理に用いる微分フィ
ルタとして、このようなソベールフィルタを用いると、
一方向のエッジのみではなくて全ての方向のエッジを検
出し背景のノイズの影響を抑えた微分処理を行える。こ
の場合、Ｘ方向フィルタ（ａ）を作用させた結果をΔ
ｘ，ｙ方向フィルタ（ｂ）を作用させた結果をΔｙとし
たときのΔｘｙが微分値となる。ここで微分値Δｘｙ
は、 Δｘｙ＝√（△ｘ2 ＋△ｙ2 ） として表される。
【００１３】こうして得られた微分値△ｘｙはその画素
の近傍領域における輝度値の変化率を表わしている。ソ
ベールフィルタの他によく使われるフィルタとしてラプ
ラシアン、ロバーツ、プレウィット、キルシュフィルタ
などがあるが、フィルタ内の重み係数の和が０であれ
ば、サイズも重みも係数も任意に設定してよい。また、
いくつかのフィルタを組み合わせてもよい。
の近傍領域における輝度値の変化率を表わしている。ソ
ベールフィルタの他によく使われるフィルタとしてラプ
ラシアン、ロバーツ、プレウィット、キルシュフィルタ
などがあるが、フィルタ内の重み係数の和が０であれ
ば、サイズも重みも係数も任意に設定してよい。また、
いくつかのフィルタを組み合わせてもよい。
【００１４】再び図１に戻って説明を続ける。特徴量算
出回路９は、矩形領域内の欠陥のエッジとみなせる所定
値以上の微分情報の和又は自乗和と、矩形領域内の欠陥
のエッジとみなせる所定値以上の微分情報の画素の個数
を算出する。欠陥のエッジとみなせる所定値以上の微分
情報の和又は自乗和は矩形領域内のエッジの強さ、コン
トラストを表わすものであり、欠陥のエッジとみなせる
所定値以上の微分情報の画素の個数はエッジの数を表わ
しており、欠陥有無、存在度判定回路１０では、これら
に基づいて、鋼板１表面の欠陥の有無、存在度が判断さ
れる。
出回路９は、矩形領域内の欠陥のエッジとみなせる所定
値以上の微分情報の和又は自乗和と、矩形領域内の欠陥
のエッジとみなせる所定値以上の微分情報の画素の個数
を算出する。欠陥のエッジとみなせる所定値以上の微分
情報の和又は自乗和は矩形領域内のエッジの強さ、コン
トラストを表わすものであり、欠陥のエッジとみなせる
所定値以上の微分情報の画素の個数はエッジの数を表わ
しており、欠陥有無、存在度判定回路１０では、これら
に基づいて、鋼板１表面の欠陥の有無、存在度が判断さ
れる。
【００１５】図４，図５は、鋼板１表面の欠陥の有無、
存在度の判定図である。欠陥有無、存在度判定回路１０
は、図４に示すような範囲で鋼板１表面の欠陥の有無、
存在度を判定する。一般に鋼板は欠陥が全く見えないも
のから非常に鮮明に多数見えるものまで５段階に分けら
れている。
存在度の判定図である。欠陥有無、存在度判定回路１０
は、図４に示すような範囲で鋼板１表面の欠陥の有無、
存在度を判定する。一般に鋼板は欠陥が全く見えないも
のから非常に鮮明に多数見えるものまで５段階に分けら
れている。
【００１６】算出される特徴量と所定のしきい値から図
５に示すように定量的に欠陥の程度、すなわち、存在度
が５段階に分類される。図６は、鋼板１表面の欠陥の数
値データと目視結果との比較データを示す図である。図
６に示すプロット横の（）内の数値は目視により検査を
行なったときの、欠陥のひどい順に付した番号である。
ある程度個人差はあるものの、図６に示すように目視の
感覚に近い結果となった。
５に示すように定量的に欠陥の程度、すなわち、存在度
が５段階に分類される。図６は、鋼板１表面の欠陥の数
値データと目視結果との比較データを示す図である。図
６に示すプロット横の（）内の数値は目視により検査を
行なったときの、欠陥のひどい順に付した番号である。
ある程度個人差はあるものの、図６に示すように目視の
感覚に近い結果となった。
【００１７】
【発明の効果】以上説明したように、本発明の画像処理
装置は、特に面状欠陥などの欠陥のひどさを表わす、目
視の感覚に近い存在度を算出するのに有効であり、画像
のシェーディングなどを考慮せずに、従来の手法と比較
して、容易に、少ない計算量で任意の領域のテクスチャ
が定量化できる。
装置は、特に面状欠陥などの欠陥のひどさを表わす、目
視の感覚に近い存在度を算出するのに有効であり、画像
のシェーディングなどを考慮せずに、従来の手法と比較
して、容易に、少ない計算量で任意の領域のテクスチャ
が定量化できる。
【図１】本発明の画像処理装置の一実施例のブロック図
である。
である。
【図２】図１に示す微分処理回路における微分処理の説
明図である。
明図である。
【図３】図２に示す微分フィルタとしてソベールフィル
タを示す図である。
タを示す図である。
【図４】鋼板表面の欠陥の有無、存在度の判定図であ
る。
る。
【図５】鋼板表面の欠陥の有無、存在度の判定例を示す
図である。
図である。
【図６】鋼板表面の欠陥の数値データと目視結果との比
較データを示す図である。
較データを示す図である。
【符号の説明】 １ 鋼板 ２ 照明 ３ 欠陥 ４ カメラ ５ 信号処理回路 ６ 画像メモリ ７ マスク設定回路 ８ 微分処理回路 ９ 特徴量算出回路 １０ 欠陥有無、存在度判定回路
Claims (3)
- 【請求項１】 濃淡画像を表わす画像データを記憶する
画像データ記憶部と、 該画像データ記憶部に記憶された濃淡画像の部分領域を
切り出すマスク設定部と、 該マスク設定部で切り出された部分領域を表わす画像デ
ータを微分することにより微分画像データを生成する微
分演算部と、 該微分演算部で生成された微分画像データのばらつきの
程度を表わす第１の指標と、該微分画像データのうち所
定値を越える微分画像データを有する画素の数を表わす
第２の指標とを求める指標演算部とを備えたことを特徴
とする画像処理装置。 - 【請求項２】 前記微分演算部が、互いに交わる２方向
それぞれについて微分を行い、これにより得られた各画
素毎に２つのデータに基づいて、各画素毎の微分画像デ
ータを生成するものであることを特徴とする請求項１記
載の画像処理装置。 - 【請求項３】 前記指標演算部が、前記第１の指標とし
て、前記微分画像データのうち所定値を越える微分画像
データについて該微分画像データと該所定値との差分の
和もしくは自乗和を求めるものであることを特徴とする
請求項１又は２記載の画像処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7002828A JPH08189902A (ja) | 1995-01-11 | 1995-01-11 | 画像処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7002828A JPH08189902A (ja) | 1995-01-11 | 1995-01-11 | 画像処理装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH08189902A true JPH08189902A (ja) | 1996-07-23 |
Family
ID=11540286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7002828A Withdrawn JPH08189902A (ja) | 1995-01-11 | 1995-01-11 | 画像処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH08189902A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6356300B1 (en) | 1998-01-16 | 2002-03-12 | Nec Corporation | Automatic visual inspection apparatus automatic visual inspection method and recording medium having recorded an automatic visual inspection program |
| JP2009103498A (ja) * | 2007-10-22 | 2009-05-14 | Denso Corp | 外観検査方法 |
| JP2015102382A (ja) * | 2013-11-22 | 2015-06-04 | 日本電信電話株式会社 | コンクリート構造物の劣化検出装置、劣化検出方法及びそのプログラム |
| JP2019036015A (ja) * | 2017-08-10 | 2019-03-07 | ヤマハ発動機株式会社 | 表面実装機 |
| JP2021153128A (ja) * | 2020-03-24 | 2021-09-30 | 国立大学法人東海国立大学機構 | 結晶欠陥評価方法及び結晶欠陥評価装置 |
| JP2022114447A (ja) * | 2021-01-26 | 2022-08-05 | ファスフォードテクノロジ株式会社 | ダイボンディング装置および半導体装置の製造方法 |
-
1995
- 1995-01-11 JP JP7002828A patent/JPH08189902A/ja not_active Withdrawn
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6356300B1 (en) | 1998-01-16 | 2002-03-12 | Nec Corporation | Automatic visual inspection apparatus automatic visual inspection method and recording medium having recorded an automatic visual inspection program |
| JP2009103498A (ja) * | 2007-10-22 | 2009-05-14 | Denso Corp | 外観検査方法 |
| JP2015102382A (ja) * | 2013-11-22 | 2015-06-04 | 日本電信電話株式会社 | コンクリート構造物の劣化検出装置、劣化検出方法及びそのプログラム |
| JP2019036015A (ja) * | 2017-08-10 | 2019-03-07 | ヤマハ発動機株式会社 | 表面実装機 |
| JP2021153128A (ja) * | 2020-03-24 | 2021-09-30 | 国立大学法人東海国立大学機構 | 結晶欠陥評価方法及び結晶欠陥評価装置 |
| JP2022114447A (ja) * | 2021-01-26 | 2022-08-05 | ファスフォードテクノロジ株式会社 | ダイボンディング装置および半導体装置の製造方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114387273B (zh) | 基于计算机图像识别的环境粉尘浓度检测方法及系统 | |
| CN114937055A (zh) | 基于人工智能的图像自适应分割方法与系统 | |
| EP1430446B1 (en) | Image processing method for appearance inspection | |
| JP4601134B2 (ja) | 形状特徴に基づく欠陥検出の方法及び装置 | |
| CN115082418A (zh) | 一种汽车零部件精密识别方法 | |
| CN115684176B (zh) | 一种薄膜表面缺陷在线视觉检测系统 | |
| CN106568783A (zh) | 一种五金零件缺陷检测系统及方法 | |
| CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
| CN109632811A (zh) | 基于机器视觉的结构钢锭型偏析缺陷检验量化评级方法 | |
| CN116485764A (zh) | 一种结构表面缺陷识别方法、系统、终端及介质 | |
| CN118096715A (zh) | 一种衣物裁片质量检测系统及其方法 | |
| CN116993742A (zh) | 基于机器视觉的镍合金轧制缺陷检测方法 | |
| CN117876331A (zh) | 一种基于光度立体视觉的表面缺陷检测及量化方法 | |
| CN117115171B (zh) | 一种应用于地铁lcd显示屏的轻微亮点缺陷检测方法 | |
| CN117495846A (zh) | 图像检测方法、装置、电子设备及存储介质 | |
| JPH08189902A (ja) | 画像処理装置 | |
| CN117173179A (zh) | 一种防音布生产质量快速检测方法及系统 | |
| JPH07333197A (ja) | 表面疵自動探傷装置 | |
| CN119919411B (zh) | 一种基于图像处理的玉米油质量检测方法 | |
| CN115511814A (zh) | 一种基于兴趣区域多纹理特征融合的图像质量评价方法 | |
| CN119810079A (zh) | 一种工业产品质量检测方法 | |
| JPH08145907A (ja) | 欠陥検査装置 | |
| JPH0376402B2 (ja) | ||
| JP4403036B2 (ja) | 疵検出方法及び装置 | |
| JP4247993B2 (ja) | 画像検査装置、画像検査方法、制御プログラムおよび可読記憶媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20020402 |