KR20200097344A - 검사 장치 - Google Patents

검사 장치 Download PDF

Info

Publication number
KR20200097344A
KR20200097344A KR1020207021030A KR20207021030A KR20200097344A KR 20200097344 A KR20200097344 A KR 20200097344A KR 1020207021030 A KR1020207021030 A KR 1020207021030A KR 20207021030 A KR20207021030 A KR 20207021030A KR 20200097344 A KR20200097344 A KR 20200097344A
Authority
KR
South Korea
Prior art keywords
product
inspection
image
data
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
KR1020207021030A
Other languages
English (en)
Other versions
KR102387529B1 (ko
Inventor
마코토 나카타니
요시노리 다루모토
아키히로 마에나카
히로노리 쓰쓰미
Original Assignee
가부시끼가이샤 이시다
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 가부시끼가이샤 이시다 filed Critical 가부시끼가이샤 이시다
Priority to KR1020217032876A priority Critical patent/KR20210126163A/ko
Priority claimed from PCT/JP2018/040271 external-priority patent/WO2019159440A1/ja
Publication of KR20200097344A publication Critical patent/KR20200097344A/ko
Application granted granted Critical
Publication of KR102387529B1 publication Critical patent/KR102387529B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/06—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
    • G01N23/083—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption the radiation being X-rays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/06—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
    • G01N23/18—Investigating the presence of flaws defects or foreign matter
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
    • G01N23/203—Measuring back scattering
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06N3/09—Supervised learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/10—Different kinds of radiation or particles
    • G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
    • G01N2223/1016—X-ray
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/30—Accessories, mechanical or electrical features
    • G01N2223/33—Accessories, mechanical or electrical features scanning, i.e. relative motion for measurement of successive object-parts
    • G01N2223/3307—Accessories, mechanical or electrical features scanning, i.e. relative motion for measurement of successive object-parts source and detector fixed; object moves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/401—Imaging image processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/639—Specific applications or type of materials material in a container
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/643—Specific applications or type of materials object on conveyor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/652—Specific applications or type of materials impurities, foreign matter, trace amounts
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30128—Food products

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Toxicology (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 목적은 서로 겹칠 수 있는 복수의 물품을 포함한 상품의 검사 정밀도의 저하를 억제할 수 있는 검사 장치를 제공하는 것이다. X선 검사 장치(10)는 소정의 형상의 복수의 물품(A)이 수용된 상품(G)에 광(光)을 조사(照射)하고, 상품(G)을 투과한 광, 또는 상품(G)에 반사된 광으로부터 얻어진 검사 화상에 기초하여 상품(G)을 검사한다. X선 검사 장치(10)는 기억부(51), 학습부(52c), 검사부(52d)를 구비한다. 기억부(51)는 복수의 물품(A)이 서로 겹쳐 있는 상태의 상품(G)의 검사 화상을 적어도 교사 화상으로서 기억한다. 학습부(52c)는 기억부(51)에 기억되어 있는 교사 화상을 이용하는 기계 학습에 의해, 복수의 물품(A)이 서로 겹쳐 있는 상태의 상품(G)에 관한 특징을 취득한다. 검사부(52d)는 학습부(52c)가 취득한 특징을 이용하여 상품(G)을 검사한다.

Description

검사 장치
본 발명은 식품 등의 상품에 X선 등의 광(光)을 조사(照射)하여, 상품의 검사를 행하는 검사 장치에 관한 것이다.
종래 특허문헌 1(일본 특개 2002-228761호 공보)에 개시되는 바와 같이, 식품 등의 상품에 X선 등의 광을 조사하여, 상품의 검사를 행하는 검사 장치가 이용되고 있다. 검사 장치는 검사 대상인 상품을 투과한 광으로부터 얻어진 투과 화상에 기초하여 상품의 검사를 행한다. 검사 장치는 예를 들면 상품에 혼입되어 있는 이물(異物)의 유무 및 상품에 포함되는 물품의 개수를 검사한다.
[선행 기술 문헌]
[특허문헌]
특허문헌 1: 일본 특개 2002-228761호 공보
검사 대상인 상품이, 예를 들면 복수의 물품이 수용된 봉투이며, 봉투 내부에서 물품이 서로 겹칠 수 있는 경우, 물품의 중첩 정도에 따라 투과 화상의 휘도의 역치를 설정하고, 물품의 중첩 정도를 판정하는 수법이 이용되고 있다. 그러나, 이 경우 물품의 중첩 정도가 클수록, 투과 화상에 기초한 상품의 검사 정밀도가 저하될 우려가 있다.
본 발명의 목적은, 서로 겹칠 수 있는 복수의 물품을 포함한 상품의 검사 정밀도의 저하를 억제할 수 있는 검사 장치를 제공하는 것이다.
본 발명에 따른 검사 장치는 소정의 형상의 복수의 물품이 수용된 상품에 광을 조사하고, 상품을 투과한 광, 또는 상품에 반사된 광으로부터 얻어진 검사 화상에 기초하여 상품을 검사한다. 검사 장치는 기억부, 학습부, 검사부를 구비한다. 기억부는 복수의 물품이 서로 겹쳐 있는 상태의 상품의 검사 화상을 적어도 교사 화상으로서 기억한다. 학습부는 기억부에 기억되어 있는 교사 화상을 이용하는 기계 학습에 의해, 복수의 물품이 서로 겹쳐 있는 상태의 상품에 관한 특징을 취득한다. 검사부는 학습부가 취득한 특징을 이용하여 상품을 검사한다.
본 발명에 따른 검사 장치는 복수의 물품이 서로 겹쳐 있는 상태의 상품의 검사 화상을 교사 화상으로서 이용하는 기계 학습을 실행함으로써, 서로 겹칠 수 있는 복수의 물품을 포함한 상품의 검사 정밀도의 저하를 억제할 수 있다.
또, 검사부는 상품에 포함되어 있는 이물의 유무를 검사하는 것이 바람직하다.
또, 기억부는 이물을 포함한 상품의 검사 화상을 적어도 교사 화상으로서 기억하고, 학습부는 교사 화상과, 교사 화상에서 상품에 포함되는 이물이 존재하는 영역을 이용하는 기계 학습에 의해 상품에 관한 특징을 취득하는 것이 바람직하다.
또, 기억부는 이물을 포함하지 않은 상품의 검사 화상에 가상적인 이물의 화상을 통합한 화상을 적어도 교사 화상으로서 기억하고, 학습부는 교사 화상과, 교사 화상에서 가상적인 이물이 존재하는 영역을 이용하는 기계 학습에 의해 상품에 관한 특징을 취득하는 것이 바람직하다.
이 경우, 검사 장치는 실제 이물을 포함한 상품의 검사 화상을 교사 화상으로서 이용하지 않고, 복수의 물품이 서로 겹쳐 있는 상태의 상품에 관한 특징을 취득할 수 있다.
또, 검사부는 상품에 수용되어 있는 물품수를 검사하는 것이 바람직하다.
또, 학습부는 교사 화상과, 교사 화상에서 상품에 수용되어 있는 물품수를 이용하는 기계 학습에 의해 상품에 관한 특징을 취득하는 것이 바람직하다.
또, 검사부는 또한 상품에 관한 특징을 이용하지 않고 검사 화상에 기초하여 상품을 검사하는 것이 바람직하다.
이 경우, 검사 장치는 예를 들면 기계 학습을 이용하는 화상 처리 기술과, 기계 학습을 이용하지 않는 화상 처리 기술을 조합하여 상품을 검사함으로써, 검사의 신뢰성을 향상시킬 수 있다.
또, 검사부는 상품에 관한 특징을 이용한 경우의 상품의 검사 결과와, 상품에 관한 특징을 이용하지 않는 경우의 상품의 검사 결과에 기초하여 상품을 검사하는 것이 바람직하다.
이 경우, 검사 장치는 예를 들면 기계 학습을 이용한 경우의 검사 결과와, 기계 학습을 이용하지 않는 경우의 검사 결과로 이루어지는 복수의 검사 결과에 기초하여 상품의 최종적인 검사 결과를 취득함으로써, 검사의 신뢰성을 향상시킬 수 있다.
본 발명에 따른 검사 장치는 서로 겹칠 수 있는 복수의 물품을 포함한 상품의 검사 정밀도의 저하를 억제할 수 있다.
도 1은 본 발명의 일 실시예인 X선 검사 장치(10)의 외관을 나타낸 사시도이다.
도 2는 X선 검사 장치(10)가 장착되는 검사 라인(100)의 개략도이다.
도 3은 상품(G)의 모식적인 평면도의 일례이다.
도 4는 X선 검사 장치(10)의 실드 박스(11)의 내부 개략도이다.
도 5는 라인 센서(30)에 의해 검출되는 투과 X선의 강도의 예를 나타낸 그래프이다.
도 6은 제어 장치(50)의 블럭도이다.
도 7은 상품(G)의 투과 화상의 일례를 나타낸 도면이다.
도 8은 이물(C)을 포함한 상품(G)의 투과 화상의 일례를 나타낸 도면이다.
도 9는 제어 장치(50)가 상품(G)을 검사하는 처리의 순서도이다.
도 10은 변형예 D에서의 상품(G)의 투과 화상의 일례이다.
본 발명의 실시예에 대하여, 도면을 참조하여 설명한다. 이하 설명되는 실시예는 본 발명의 구체적인 예의 하나로서, 본 발명의 기술적 범위를 한정하는 것이 아니다.
(1) X선 검사 장치의 전체 구성
도 1은 본 발명에 따른 검사 장치의 일 실시예인 X선 검사 장치(10)의 외관을 나타낸 사시도이다. 도 2는 X선 검사 장치(10)가 장착되는 검사 라인(100)의 개략도이다. 검사 라인(100)은 상품(G)의 검사를 행한다. 검사 라인(100)에서, 상품(G)은 전단(前段) 컨베이어(60)에 의해 X선 검사 장치(10)까지 반송(搬送)된다. 도 2에서, 상품(G)의 반송 방향은 화살표로 도시되어 있다.
X선 검사 장치(10)는 전단 컨베이어(60)에 의해 연속적으로 반송되어 오는 상품(G)에 X선을 조사하는 것에 의해, 상품(G)의 양부(良否) 판단을 행한다. 구체적으로는, X선 검사 장치(10)는 상품(G)의 이물 혼입 검사를 행하고, 검사 결과에 기초하여 상품(G)을 양품(良品) 또는 불량품으로 분류한다. X선 검사 장치(10)에 의한 검사 결과는 X선 검사 장치(10)의 하류 측에 배치되어 있는 배분 기구(70)로 보내진다. 배분 기구(70)는 X선 검사 장치(10)에서 양품으로 판단 받은 상품(G)을, 양품을 배출하는 후단(後段) 컨베이어(80)에 보낸다. 배분 기구(70)는 X선 검사 장치(10)에서 불량품으로 판단 받은 상품(G)을, 불량품 배출 방향(90, 91)으로 배분하여 검사 라인(100)으로부터 배출한다.
본 실시예에 있어서, 상품(G)은 소정의 형상의 복수의 물품(A)을 수용한고 있다. 예를 들면 상품(G)은 실질적으로 동일한 형상을 갖는 복수의 식품(물품(A))이 포장된 봉투이다. 하나의 상품(G)에서, 복수의 물품(A)은 서로 겹칠 수 있다. 도 3은 상품(G)의 모식적인 평면도의 일례이다. 도 3에서, 상품(G)은 복수의 물품(A)(소시지 등)이 들어 있는 봉투(B)이다. 이 경우, 도 3에 나타낸 바와 같이, 상품(G)을 위에서 본 경우에, 봉투(B) 안에서 물품(A)이 서로 겹칠 수 있다. 이하, 필요에 따라 하나의 상품(G)을 위에서 본 경우에서, 복수의 물품(A)이 서로 겹쳐 있는 영역을 중첩 영역(RO)이라 부른다. 도 3에는 몇 개의 중첩 영역(RO)이 도시되어 있다. X선 검사 장치(10)에 의해 검사되는 상품(G)의 대부분은 위에서 본 경우에 중첩 영역(RO)을 가진다.
(2) X선 검사 장치의 상세 설명
X선 검사 장치(10)는 주로, 실드(shield) 박스(11), 반송 유닛(12), X선 조사기(20), 라인 센서(30), 모니터(40), 제어 장치(50)로 구성된다.
(2-1) 실드 박스
도 4는 X선 검사 장치(10)의 실드 박스(11)의 내부 개략도이다. 실드 박스(11)는 X선 검사 장치(10)의 케이싱이다. 도 1에 나타낸 바와 같이, 실드 박스(11)의 양 측면에는 상품(G)을 반출입하기 위한 개구(11a)가 형성되어 있다. 개구(11a)는 실드 박스(11)의 외부로부터 내부로 상품(G)을 반입하기 위해, 또는 실드 박스(11)의 내부로부터 외부로 상품(G)을 반출하기 위해 이용된다. 개구(11a)는 차폐 커튼(19)에 의해 막혀 있다. 차폐 커튼(19)은 실드 박스(11)의 내부로부터 외부로의 X선의 누설을 억제한다. 차폐 커튼(19)은 텅스텐 시트로 성형된다. 차폐 커튼(19)은 상품(G)이 반출입될 때에 상품(G)에 의해 밀쳐진다.
실드 박스(11)의 내부에는 반송 유닛(12), X선 조사기(20), 라인 센서(30) 및 제어 장치(50) 등이 수용되어 있다. 실드 박스(11)의 정면 상부에는 모니터(40), 입력용 키 및 전원 스위치 등이 배치되어 있다.
(2-2) 반송 유닛
반송 유닛(12)은 실드 박스(11)의 내부를 통과하도록 상품(G)을 반송하기 위한 벨트 컨베이어이다. 도 1에 나타낸 바와 같이, 반송 유닛(12)은 실드 박스(11)의 양 측면에 형성된 개구(11a)를 관통하도록 배치되어 있다.
반송 유닛(12)은 주로, 컨베이어 모터(12a), 인코더(12b), 컨베이어 롤러(12c), 무단(無端)형 벨트(12d)로 구성되어 있다. 컨베이어 롤러(12c)는 컨베이어 모터(12a)에 의해 구동된다. 컨베이어 롤러(12c)의 구동에 의해 벨트(12d)가 회전하고, 벨트(12d) 상의 상품(G)이 반송된다. 도 4에서, 상품(G)의 반송 방향은 화살표로 도시되어 있다.
반송 유닛(12)에 의한 상품(G)의 반송 속도는 X선 검사 장치(10)의 조작자에 의해 입력된 설정 속도에 따라 변동된다. 제어 장치(50)는 설정 속도에 기초하여 컨베이어 모터(12a)를 인버터 제어하고, 상품(G)의 반송 속도를 정밀하게 제어한다. 반송 유닛(12)의 인코더(12b)는 컨베이어 모터(12a)의 회전 속도를 검출함으로써 상품(G)의 반송 속도를 산출하고, 제어 장치(50)로 송신한다.
또한, 반송 유닛(12)은 반송 기구로서 벨트 컨베이어를 이용하고 있지만, 벨트 컨베이어 대신 탑 체인 컨베이어 및 회전 테이블 등을 반송 기구로서 이용할 수도 있다.
(2-3) X선 조사기
X선 조사기(20)는 실드 박스(11) 내부의 소정의 위치까지 반송 유닛(12)에 의해 반송된 상품(G)에 X선을 조사하는 X선원(源)이다. X선 조사기(20)로부터 조사되는 X선에는 다양한 에너지의 X선이 포함되어 있다.
도 4에 나타낸 바와 같이, X선 조사기(20)는 반송 유닛(12)의 상방에 배치되어 있다. X선 조사기(20)는 반송 유닛(12)의 하방에 배치되는 라인 센서(30)를 향해 부채꼴 형상의 X선(방사광)을 조사한다. X선의 조사 범위(X)는, 도 4에 나타낸 바와 같이, 반송 유닛(12)의 반송면에 대해 수직이고, 또한, 반송 유닛(12)에 의한 상품(G)의 반송 방향에 대해 직교하는 방향으로 펼쳐진다. 즉, X선 조사기(20)로부터 조사되는 X선은 벨트(12d)의 폭 방향으로 펼쳐진다.
(2-4) 라인 센서
라인 센서(30)는 X선 조사기(20)로부터 조사된 X선을 검출하는 센서이다. 구체적으로는, 라인 센서(30)는 반송 유닛(12)에 의해 반송된 상품(G)을 투과한 X선인 투과 X선을 검출한다.
도 4에 나타낸 바와 같이, 라인 센서(30)는 반송 유닛(12)의 벨트(12d)의 하방에 배치되어 있다. 라인 센서(30)는 복수의 X선 검출 소자로 구성되어 있다. 복수의 X선 검출 소자는 반송 유닛(12)에 의한 상품(G)의 반송 방향에 직교하는 방향(벨트(12d)의 폭 방향)을 따라 일직선으로 수평으로 배치되어 있다.
라인 센서(30)는 투과 X선을 검출하고, 검출된 투과 X선의 강도에 따른 전압을 나타낸 X선 투과 신호를 출력한다. X선 투과 신호는, 후술하는 것과 같이, 상품(G)의 투과 화상(검사 화상)의 생성에 이용된다. 도 5는 라인 센서(30)에 의해 검출되는 투과 X선의 강도의 예를 나타낸 그래프이다. 그래프의 횡축은 라인 센서(30) 상의 위치를 나타낸다. 그래프의 세로축은 라인 센서(30)가 검출한 투과 X선의 강도를 나타낸다. 상품(G)의 투과 화상에서는, 투과 X선의 검출량이 많은 곳이 밝게(휘도가 높게) 표시되고, 투과 X선의 검출량이 적은 곳이 어둡게(휘도가 낮게) 표시된다. 즉, 상품(G)의 투과 화상의 명암(휘도)은 투과 X선의 검출량에 의존된다. 도 5에 나타낸 바와 같이, 상품(G)을 투과한 X선의 검출량은 상품(G)을 투과하지 않은 X선의 검출량보다 낮다.
또, 라인 센서(30)는 상품(G)이 X선의 부채꼴 형상의 조사 범위(X)(도 4 및 도 5를 참조)를 통과하는 타이밍을 검지하기 위한 센서로서도 기능한다. 즉, 라인 센서(30)는 반송 유닛(12)에 의해 반송되는 상품(G)이 라인 센서(30)의 상방의 위치(조사 범위(X)와 겹치는 위치)에 왔을 때, 소정의 역치 이하의 전압을 나타낸 X선 투과 신호(제1 신호)를 출력한다. 한편, 라인 센서(30)는 상품(G)이 조사 범위(X)를 통과하면, 소정의 역치를 상회하는 전압을 나타낸 X선 투과 신호(제2 신호)를 출력한다. 제1 신호 및 제2 신호의 출력 타이밍에 의해 상품(G)이 조사 범위(X)를 통과하는 타이밍이 검출된다.
(2-5) 모니터
모니터(40)는 터치 패널 기능을 갖는 액정 디스플레이이다. 모니터(40)는 X선 검사 장치(10)의 표시부 및 입력부로서 기능한다. 모니터(40)에는 상품(G)의 검사 결과 등이 표시된다. 또, 모니터(40)에는 초기설정 및 상품(G)의 양부 판단에 관한 파라미터의 입력을 위한 화면 등이 표시된다.
X선 검사 장치(10)의 조작자는 모니터(40)를 조작하여, 검사 파라미터 및 동작 설정 정보 등을 입력할 수 있다. 검사 파라미터란, 상품(G)의 양부를 판정하기 위해 필요한 파라미터이다. 구체적으로는, 검사 파라미터는 상품(G)에 포함되는 이물의 유무를 판정하기 위해 이용되는 투과 X선의 강도의 역치 등이다. 동작 설정 정보란, 상품(G)의 검사 속도 및 반송 유닛(12)의 반송 방향 등의 정보이다.
모니터(40)는 제어 장치(50)에 접속되어 있고, 제어 장치(50)와 신호의 송수신을 행한다. 모니터(40)에 의해 입력된 검사 파라미터 및 동작 설정 정보는 제어 장치(50)의 기억부(51)에 기억된다.
(2-6) 제어 장치
제어 장치(50)는 주로, CPU, ROM, RAM 및 HDD(하드 디스크 드라이브) 등에 의해 구성되어 있다. 또한, HDD 대신 SSD(솔리드 스테이트 드라이브)가 이용될 수도 있다. 제어 장치(50)는 도시되지 않은 표시 제어 회로, 입력 회로 및 통신 포트도 구비되어 있다. 표시 제어 회로는 모니터(40)의 표시를 제어하는 회로이다. 입력 회로는 모니터(40)의 터치 패널 및 입력 키를 통해 조작자에 의해 입력된 입력 데이터를 입력받는 회로이다. 통신 포트는 프린터 등의 외부 기기 및 LAN 등의 네트워크와의 접속을 가능하게 하는 포트이다.
도 6은 제어 장치(50)의 블럭도이다. 제어 장치(50)는 주로, 기억부(51)와 제어부(52)를 가진다. 제어 장치(50)는 컨베이어 모터(12a), 인코더(12b), X선 조사기(20), 라인 센서(30) 및 모니터(40) 등에 전기적으로 접속되어 있다. 제어 장치(50)는 인코더(12b)로부터 컨베이어 모터(12a)의 회전수에 관한 데이터를 취득하고, 상기 데이터에 기초하여 상품(G)의 이동 거리를 산출한다. 제어 장치(50)는 라인 센서(30)로부터 출력된 X선 투과 신호를 수신하고, 반송 유닛(12)의 벨트(12d) 상의 상품(G)이 X선의 조사 범위(X)에 도달한 타이밍을 검출한다. 제어 장치(50)는 투과 X선의 강도에 기초하여 상품(G)에 포함되는 이물의 유무를 판정하여, 상품(G)의 양부를 판정한다.
(2-6-1) 기억부
기억부(51)는 검사 파라미터, 동작 설정 정보 및 제어부(52)가 실행하는 각종 프로그램을 기억한다. 검사 파라미터 및 동작 설정 정보는 모니터(40)의 터치 패널 기능을 이용하여 조작자에 의해 입력된다.
기억부(51)는 주로, 투과 화상 기억부(51a), 교사 데이터 기억부(51b), 특징량 기억부(51c)를 가진다.
(2-6-1-1) 투과 화상 기억부
투과 화상 기억부(51a)는 후술하는 투과 화상 생성부(52a)에 의해 생성된 투과 화상에 관한 데이터를 기억한다. 투과 화상은 라인 센서(30)에 의해 검출된 투과 X선량에 기초하여 생성된, 상품(G)의 X선 화상이다.
도 7은 상품(G)의 투과 화상의 일례를 나타낸 도면이다. 상품(G)은, 도 3에 나타낸 바와 같이, 복수의 물품(A)이 들어 있는 봉투(B)이다. 물품(A)은 식품이다. 봉투(B)는 포장용 필름이다. 도 7에 나타낸 바와 같이, 상품(G)에는 이물(C)이 혼입되어 있는 경우가 있다. 이물(C)은 예를 들면 플라스틱편 및 금속편이다. 도 7에 나타낸 투과 화상은 복수의 화소로 구성된다. 투과 화상의 각 화소는 복수의 농도 레벨 중 하나를 가진다. 투과 화상의 각 화소의 농도 레벨은 X선의 검출량에 대응된다. 구체적으로는, 화소의 농도 레벨이 높을수록, 해당 화소에서 X선의 검출량은 낮다. 도 7에서는, 투과 화상의 농도 레벨은 해칭의 간격으로 표시되어 있다. 구체적으로는, 어떤 영역의 해칭의 간격이 좁을수록, 그 영역을 구성하는 화소의 농도 레벨이 높다.
도 7에 나타낸 상품(G)의 투과 화상에는, 물품(A), 봉투(B) 및 이물(C)의 각각에 상당하는 화소가 포함된다. 물품(A)은 봉투(B)에 비하여 두께가 크고, X선이 투과하기 어렵다. 이로 인해, 물품(A)을 투과한 X선의 검출량은 봉투(B)를 투과한 X선의 검출량보다 적다. 또, 이물(C)은 통상 물품(A)과 비하여 X선이 투과하기 어렵다. 이로 인해, 이물(C)을 투과한 X선의 검출량은 물품(A)을 투과한 X선의 검출량보다 적다. 따라서, 도 7에 나타낸 상품(G)의 투과 화상에서는, 물품(A)에 상당하는 화소는 봉투(B)에 상당하는 화소보다 어둡게(진하게) 표시되고, 또한, 이물(C)에 상당하는 화소는 물품(A)에 상당하는 화소보다 어둡게(진하게) 표시되어 있다.
(2-6-1-2) 교사 데이터 기억부
교사 데이터 기억부(51b)는 후술하는 학습부(52c)가 상품(G)에 관한 특징을 취득하기 위해 사용하는 교사 데이터를 기억한다. 교사 데이터는 주로, 투과 화상 기억부(51a)에 기억되어 있는 투과 화상으로부터 추출된 화상 데이터 및 그 외의 데이터이다. 그 외의 데이터는 예를 들면 상품(G)의 투과 화상에서 복수의 물품(A)이 서로 겹쳐 있는 영역(중첩 영역(RO))에 관한 데이터 및 상품(G)에 포함되는 이물(C)이 존재하는 영역에 관한 데이터이다. 교사 데이터의 상세한 것과 이용 방법에 대해서는 후술한다.
(2-6-1-3) 특징량 기억부
특징량 기억부(51c)는 후술하는 검사부(52d)가 상품(G)의 검사를 위해 사용하는, 상품(G)의 투과 화상의 특징량을 기억한다. 특징량이란, 교사 데이터로부터 추출된 데이터이며, 교사 데이터에 포함되는 특징을 수치화 또는 벡터화 한 데이터이다. 특징량의 상세한 것과 이용 방법에 대해서는 후술한다.
(2-6-2) 제어부
제어부(52)는 주로, 투과 화상 생성부(52a), 교사 데이터 취득부(52b), 학습부(52c), 검사부(52d)를 가진다. 이들은 기억부(51)에 기억되어 있는 프로그램을 실행하는 것에 의해 실현되는 기능이다.
(2-6-2-1) 투과 화상 생성부
투과 화상 생성부(52a)는 라인 센서(30)에 의해 검출된 투과 X선량에 기초하여, 상품(G)의 X선 화상(투과 화상)을 생성한다. 구체적으로는, 투과 화상 생성부(52a)는 라인 센서(30)의 각 X선 검출 소자로부터 출력되는 X선 투과 신호를 소정의 짧은 시간 간격으로 취득하고, 취득한 X선 투과 신호에 기초하여 투과 화상을 생성한다. 즉, 투과 화상 생성부(52a)는 부채꼴 형상의 X선의 조사 범위(X)(도 5 참조)를 상품(G)이 통과할 때에 각 X선 검출 소자로부터 출력되는 X선 투과 신호에 기초하여, 상품(G)의 투과 화상을 생성한다. 조사 범위(X)에서 상품(G)의 유무는 라인 센서(30)가 출력하는 신호의 출력 타이밍에 의해 판단된다.
투과 화상 생성부(52a)는 라인 센서(30)의 각 X선 검출 소자로부터 얻어지는 투과 X선의 강도(휘도)에 관한 소정의 시간 간격마다의 데이터를 매트릭스 형태로 시계열적으로 서로 연결시켜 상품(G)의 투과 화상을 생성한다. 투과 화상 생성부(52a)에 의해 생성된 투과 화상은 투과 화상 기억부(51a)에 기억된다.
(2-6-2-2) 교사 데이터 취득부
교사 데이터 취득부(52b)는 학습부(52c)가 사용하는 교사 데이터를 취득한다. 투과 화상 기억부(51a)에는 이물(C)을 포함한 상품(G)의 투과 화상의 데이터인 이물이 있는 화상 데이터, 및 이물(C)을 포함하지 않은 상품(G)의 투과 화상의 데이터인 이물이 없는 화상 데이터가 미리 기억되어 있다. 이물이 있는 화상 데이터 및 이물이 없는 화상 데이터 중 적어도 일부는 중첩 영역(R)을 갖는 상품(G)의 투과 화상의 데이터이다. 교사 데이터 취득부(52b)는 투과 화상 기억부(51a)에 기억되어 있는 이물이 있는 화상 데이터 및 이물이 없는 화상 데이터를 취득한다. 또한, 교사 데이터 취득부(52b)는 적어도 이물이 있는 화상 데이터를 취득하면 되고, 그 경우, 이물이 없는 화상 데이터를 취득하지 않아도 된다. 이하, 교사 데이터 취득부(52b)는 이물이 있는 화상 데이터 및 이물이 없는 화상 데이터 모두를 취득하는 것으로 한다. 교사 데이터 취득부(52b)가 취득하는 이물이 있는 화상 데이터 및 이물이 없는 화상 데이터의 수는 많으면 많을수록 좋다. 예를 들면 교사 데이터 취득부(52b)는 투과 화상 기억부(51a)에 미리 기억되어 있는 이물이 있는 화상 데이터 및 이물이 없는 화상 데이터를 각각 몇백 개 또는 몇천 개 취득한다.
교사 데이터 취득부(52b)는 상품(G)의 투과 화상에서, 복수의 물품(A)이 서로 겹쳐 있는 영역(중첩 영역(RO))에 관한 데이터인 중첩 영역 데이터를 더 취득한다. 중첩 영역 데이터란, 상품(G)의 투과 화상에서, 중첩 영역(RO)의 위치 및 치수에 관한 데이터이다. 도 8은 이물(C)을 포함한 상품(G)의 투과 화상의 일례를 나타낸 도면이다. 도 8에서는, 하나의 중첩 영역(RO)과, 해당 중첩 영역(RO)을 포함한 최소의 직사각형 영역인 중첩 직사각형(RP)이 도시되어 있다. 이 경우, 중첩 영역 데이터는 예를 들면 중첩 직사각형(RP)의 왼쪽 위의 화소의 좌표, 및 중첩 직사각형(RP)의 오른쪽 아래의 화소의 좌표로 이루어진다. 또한, 중첩 영역 데이터의 포맷은 특별히 한정되지 않는다. 예를 들면 중첩 영역 데이터는 중첩 영역(RO)을 포함한 최소의 원 영역의 중심 및 반경으로 이루어져도 되고, 중첩 영역(RO)의 형상에 가까운 다각형의 각 정점의 좌표의 집합이어도 되고, 수동으로 임의로 지정된 영역의 좌표의 집합이어도 된다.
교사 데이터 취득부(52b)는 이물(C)을 포함한 상품(G)의 투과 화상에서, 이물(C)이 존재하는 영역에 관한 데이터인 이물 영역 데이터를 더 취득한다. 이물 영역 데이터란, 이물(C)을 포함한 상품(G)의 투과 화상에서, 이물(C)에 상당하는 화소를 갖는 영역의 위치 및 치수에 관한 데이터이다. 도 8에서는, 이물(C)에 상당하는 화소를 갖는 영역을 포함한 최소의 직사각형 영역인 이물 영역(RC)이 도시되어 있다. 이 경우, 이물 영역 데이터는 이물 영역(RC)의 왼쪽 위의 화소의 좌표, 및 이물 영역(RC)의 오른쪽 아래의 화소의 좌표로 이루어진다. 또한, 이물 영역 데이터의 포맷은 특별히 한정되지 않는다. 예를 들면 이물 영역 데이터는 이물(C)에 상당하는 화소를 갖는 영역을 포함한 최소의 원 영역의 중심 및 반경으로 이루어져도 되고, 이물(C)에 상당하는 화소를 갖는 영역의 형상에 가까운 다각형의 각 정점의 좌표의 집합이어도 되고, 수동으로 임의로 지정된 영역의 좌표의 집합이어도 된다.
상품(G)의 투과 화상, 및 각 투과 화상의 중첩 영역 데이터 및 이물 영역 데이터는 모니터(40)의 터치 패널 기능 등을 통해 입력되거나, 통신 포트를 통해 외부 기억 장치로부터 입력된다. 중첩 영역(RO)이 존재하지 않은 경우의 중첩 영역 데이터, 및 이물이 없는 화상 데이터의 이물 영역 데이터에는, 값이 존재하지 않은 것을 나타낸 NULL값 등이 설정된다. 교사 데이터 취득부(52b)는 상품(G)의 투과 화상의 데이터와, 해당 투과 화상의 중첩 영역 데이터 및 이물 영역 데이터를 관련시켜, 교사 데이터로서 교사 데이터 기억부(51b)에 기억시킨다. 후술하는 것과 같이, 교사 데이터 취득부(52b)가 취득하는 교사 데이터는, 소위, 교사있는 학습에서 이용되는 라벨 부착 훈련 데이터이다. 이 경우, 라벨은 중첩 영역 데이터 및 이물 영역 데이터이며, 미리 입력할 필요가 있는 데이터이다.
(2-6-2-3) 학습부
학습부(52c)는 교사 데이터 기억부(51b)에 기억되어 있는 교사 데이터를 이용하는 기계 학습에 의해, 복수의 물품(A)이 서로 겹쳐 있는 상태의 상품(G)에 관한 특징을 취득한다. 학습부(52c)가 실행하는 기계 학습은, 소위, 라벨 부착 훈련 데이터를 이용하는 교사있는 학습이다. 교사있는 학습은 다수의 라벨 부착 훈련 데이터를 해석하여, 라벨에 관한 특징을 학습하는 방법이다. 교사있는 학습에서는, 각종 뉴럴 네트워크 모델이 이용 가능하다.
학습부(52c)는 상품(G)의 투과 화상의 데이터와, 해당 투과 화상의 중첩 영역 데이터 및 이물 영역 데이터가 관련되어진 다수의 교사 데이터를 해석한다. 이로써, 학습부(52c)는 교사 데이터에 포함되는 이물이 있는 화상 데이터 및 이물이 없는 화상 데이터의 특징량을 취득한다. 학습부(52c)가 취득하는 특징량은 복수의 물품(A)이 서로 겹쳐 있는 상태의 상품(G)에 관한 특징에 관한 데이터이다. 특징량의 포맷은 수동으로 미리 설계되어 있다. 학습부(52c)는 상품(G)의 이물 혼입 검사를 행하기 전에 교사 데이터를 해석하여 특징량을 취득하고, 취득한 특징량을 특징량 기억부(51c)에 기억시킨다.
(2-6-2-4) 검사부
검사부(52d)는 학습부(52c)가 취득한 특징량을 이용하여 상품(G)을 검사한다. 구체적으로는, 검사부(52d)는 특징량 기억부(51c)에 기억되어 있는 특징량을 이용하여, 이물 혼입 검사의 대상이 되는 미검사의 상품(G)의 투과 화상의 데이터를, 이물이 있는 화상 데이터와 이물이 없는 화상 데이터로 분류한다.
검사부(52d)는 상품(G)의 검사 결과에 기초하여, 상품(G)에 관한 양품／불량품의 판정을 행한다. 검사부(52d)는 미검사의 상품(G)의 투과 화상의 데이터가 이물이 없는 화상 데이터이며, 상품(G)에 이물(C)이 포함되어 있지 않는다고 판단한 경우에, 상품(G)을 양품이라고 판정한다. 한편, 검사부(52d)는 미검사의 상품(G)의 투과 화상의 데이터가 이물이 있는 화상 데이터이며, 상품(G)에 이물(C)이 포함되어 있는다고 판단한 경우에, 상품(G)을 불량품이라고 판정한다.
검사부(52d)는 상품(G)의 양품／불량품을 판정하면, 상품(G)이 양품／불량품의 어느 하나인지의 관한 신호를 출력한다. 검사부(52d)에 의해 출력된 신호는 배분 기구(70)로 보내진다. 배분 기구(70)는 검사부(52d)에 의한 판정 결과에 기초하여, 양품인 상품(G)을 후단 컨베이어(80)로 보내고, 불량품인 상품(G)을 불량품 배출 방향(90, 91)으로 배분한다.
(3) X선 검사 장치의 동작
X선 검사 장치(10)의 제어 장치(50)가, 교사 데이터를 이용하는 기계 학습에 의해 취득한 특징량을 이용하여, 상품(G)을 검사하는 처리에 대해 설명한다. 도 9는 제어 장치(50)가 상품(G)을 검사하는 처리의 순서도이다.
단계 S1에서는, 교사 데이터의 취득이 행해진다. 구체적으로는, 이물이 있는 화상 데이터 및 이물이 없는 화상 데이터가, 중첩 영역 데이터 및 이물 영역 데이터와 관련되어져 제어 장치(50)에 입력된다. 교사 데이터 취득부(52b)는 입력된 데이터로부터, 교사 데이터로서 이용 가능한 데이터를 취득하여, 교사 데이터 기억부(51b)에 기억시킨다. 또한, 이물이 있는 화상 데이터 및 이물이 없는 화상 데이터로서, 투과 화상 기억부(51a)에 이미 기억되어 있는 상품(G)의 투과 화상의 데이터를 이용해도 된다. 이 경우, 중첩 영역 데이터 및 이물 영역 데이터가, 상품(G)의 투과 화상의 데이터와 관련되어져 입력된다.
단계 S2에서는, 교사 데이터를 이용하는 기계 학습이 실행된다. 구체적으로는, 제어 장치(50)의 학습부(52c)는 단계 S1에서 취득된 교사 데이터인 라벨 부착 훈련 데이터를 해석하고, 복수의 물품(A)이 서로 겹쳐 있는 상태의 상품(G)에 관한 특징에 관한 데이터인, 상품(G)의 투과 화상의 특징량을 취득한다. 상품(G)의 투과 화상의 특징량은 특징량 기억부(51c)에 기억된다. 단계 S1 및 단계 S2는 준비 단계이며, 미검사의 상품(G)의 검사를 실행하기 전에 행해진다.
단계 S3에서는, 상품(G)의 검사가 행해진다. 구체적으로는, 제어 장치(50)의 검사부(52d)는 투과 화상 생성부(52a)에 의해 생성된 미검사의 상품(G)의 투과 화상에 관한 데이터와, 단계 S2에서 취득된 특징량에 기초하여, 미검사의 상품(G)의 투과 화상에 관한 데이터로부터 복수의 물품(A)이 서로 겹쳐 있는 상태의 상품(G)에 관한 특징을 추출하고, 이물이 있는 화상 데이터와 이물이 없는 화상 데이터로 분류한다. 그 후, 검사부(52d)는 상품(G)의 검사 결과에 기초하여, 상품(G)에 관한 양품／불량품의 판정을 행한다.
(4) 특징
본 실시예의 X선 검사 장치(10)는 교사 데이터를 이용하는 기계 학습을 실행하고, 복수의 물품(A)이 서로 겹쳐 있는 상태의 상품(G)의 특징에 관한 데이터를 취득하여, 해당 특징에 기초하여 상품(G)의 검사를 행한다. 교사 데이터는 상품(G)의 투과 화상에서, 복수의 물품(A)이 서로 겹쳐 있는 영역(중첩 영역(RO))에 관한 데이터, 및 상품(G)에 포함되는 이물(C)이 존재하는 영역에 관한 데이터를 포함한다. 이로써, X선 검사 장치(10)는 이물 혼입 검사의 대상이 되는 미검사의 상품(G)의 투과 화상의 데이터로부터 중첩 영역(RO)을 고정밀도로 취득할 수 있다. 이로 인해, X선 검사 장치(10)는 미검사의 상품(G)의 투과 화상을 해석할 때에, 상품(G)의 투과 화상에 포함되는 중첩 영역(RO)과, 상품(G)의 투과 화상에 포함되는 이물(C)이 존재하는 영역을 혼동하여, 잘못된 검사 결과를 취득하는 것을 억제할 수 있다.
상품(G)에 X선을 조사하는 경우, 복수의 물품(A)이 서로 겹쳐 있는 부분은, 서로 겹치지 않은 부분과 비교하여 X선이 투과하기 어렵다. 이로 인해, 상품(G)의 투과 화상에서, 중첩 영역(RO)의 화소는 중첩 영역(RO) 이외의 물품(A)에 상당하는 화소보다 어둡게 표시된다. 이로 인해, 물품(A)의 중첩 정도에 따라서는 중첩 영역(RO)의 화소가, 상품(G)에 포함되는 이물(C)에 상당하는 화소와, 동일한 정도로 어둡게 표시되는 경우가 있다. 물품(A)의 중첩 정도에 따라 투과 화상의 휘도의 역치를 설정하여 물품(A)의 중첩 정도를 판정하는 경우, 중첩 영역(RO)의 화소와, 이물(C)에 상당하는 화소를, 휘도만에 기초하여 구별하는 것은 어려운 경우가 있다. 이로 인해, 중첩 영역(RO)과 이물(C)이 존재하는 영역이 잘못 판정되는 것에 의해, 상품(G)의 검사 정밀도가 저하될 우려가 있다. 특히, 물품(A)의 중첩 정도가 클수록, 상품(G)의 검사 정밀도가 저하되는 경향이 있다.
본 실시예의 X선 검사 장치(10)는 상술한 바와 같이 교사 데이터를 이용하는 기계 학습을 실행하여 취득한 특징에 기초하여 상품(G)을 검사함으로써, 상품(G)을 검사할 때에, 상품(G)의 투과 화상에 포함되는 중첩 영역(RO)과 이물(C)이 존재하는 영역을 혼동하는 것을 억제할 수 있다. 이로써, X선 검사 장치(10)는 이물(C)을 포함하지 않은 상품(G)을 불량품이라고 잘못 판정하는 것을 억제할 수 있다. 따라서, X선 검사 장치(10)는 서로 겹칠 수 있는 복수의 물품(A)을 포함한 상품(G)의 검사 정밀도의 저하를 억제할 수 있다.
(5) 변형예
이상 본 발명의 일 실시예에 대해 설명했지만, 본 발명은 상기 실시예에 한정되는 것이 아니며, 발명의 요지를 벗어나지 않는 범위에서 각종 변경이 가능하다.
(5-1) 변형예 A
실시예에서는, 교사 데이터 취득부(52b)는 이물(C)을 포함한 상품(G)의 투과 화상의 데이터인 이물이 있는 화상 데이터, 및 이물(C)을 포함하지 않은 상품(G)의 투과 화상의 데이터인 이물이 없는 화상 데이터를, 중첩 영역 데이터 및 이물 영역 데이터와 관련시켜 교사 데이터로서 취득한다. 그러나, 교사 데이터 취득부(52b)는 이물이 있는 화상 데이터 대신 이물(C)을 포함하지 않은 상품(G)의 투과 화상에 가상적인 이물(VC)의 화상을 통합한 화상의 데이터인 가상 이물이 있는 화상 데이터를 취득해도 된다. 가상 이물이 있는 화상 데이터는 예를 들면 이물(C)을 포함하지 않은 상품(G)의 투과 화상의 임의의 장소에, 가상적인 이물(VC)의 화상을 수동으로 추가하여 생성해도 되고, 또, 이물(C)을 포함하지 않은 상품(G)의 투과 화상에 가상적인 이물(VC)의 화상을 자동으로 추가하는 프로그램을 실행하여 생성해도 된다. 가상적인 이물(VC)의 화상은 예를 들면 실제 이물(C)의 투과 화상과 동일한 정도의 휘도를 갖는 화소의 집합이다.
본 변형예에서는, 가상 이물이 있는 화상 데이터는 이물이 있는 화상 데이터와 동일하게 이용된다. 즉, 교사 데이터 취득부(52b)는 가상 이물이 있는 화상 데이터를, 중첩 영역 데이터 및 이물 영역 데이터와 관련시켜 교사 데이터로서 취득한다. 가상 이물 있는 화상 데이터가 자동으로 생성되는 경우, 가상적인 이물(VC)이 존재하는 영역의 위치 및 치수에 관한 이물 영역 데이터는 자동으로 취득 가능하므로, 이물 영역 데이터를 입력할 필요는 없다. 학습부(52c)는 가상 이물이 있는 화상 데이터를 포함한 교사 데이터를 이용하여, 복수의 물품(A)이 서로 겹쳐 있는 상태의 상품(G)에 관한 특징을 취득한다. 이로써, 학습부(52c)는 가상 이물이 있는 화상 데이터 및 이물이 없는 화상 데이터의 특징량을 취득한다. 검사부(52d)는 학습부(52c)가 취득한 특징량에 기초하여, 미검사의 상품(G)의 투과 화상을, 이물이 있는 화상 데이터와 이물이 없는 화상 데이터로 분류한다.
본 변형예에서는, 가상 이물이 있는 화상 데이터를 이용하기 때문에, 이물이 있는 화상 데이터에 관한 교사 데이터를 마련할 필요가 없다. 이로 인해, 교사 데이터의 준비를 위해, 실제 이물(C)을 포함한 상품(G)을 준비할 필요가 없기 때문에, 교사 데이터의 준비에 필요하는 시간을 단축할 수 있다. 특히, 가상 이물이 있는 화상 데이터를 자동으로 생성하는 경우, 교사 데이터의 준비에 필요하는 시간을 더 단축할 수 있다. 따라서, X선 검사 장치(10)는 기계 학습을 이용하는 상품(G)의 검사를 효율적으로 행할 수 있다.
또한, 본 변형예에서는, 교사 데이터 취득부(52b)는 이물이 있는 화상 데이터와 함께 가상 이물이 있는 화상 데이터를 취득해도 된다. 즉, 교사 데이터 취득부(52b)는 실시예의 이물이 있는 화상 데이터를 포함한 교사 데이터, 및 가상 이물이 있는 화상 데이터를 포함한 교사 데이터 모두를 취득해도 된다.
또, 본 변형예에서는, 교사 데이터 취득부(52b)는 이물이 없는 화상 데이터로서, 가상 이물이 없는 화상 데이터를 취득해도 된다. 가상 이물이 없는 화상 데이터는 이물이 있는 화상 데이터의 이물 이외의 영역의 특징에 기초하여 작성할 수 있다. 또, 가상 이물이 없는 화상 데이터를 자동 생성하는 프로그램을 이용하여 가상 이물이 없는 화상 데이터를 작성해도 된다. 가상 이물이 없는 화상 데이터를 자동 생성하는 프로그램이란, 예를 들면 물품(A)의 복수의 화상을 랜덤으로 조합하여 상품(G)의 화상과 동일한 화상 데이터(가상 이물이 없는 화상 데이터)을 생성하는 프로그램, 및 복수의 상품(G)의 화상을 합성 처리함으로써 가상 이물이 없는 화상 데이터를 자동 생성하는 프로그램이다. 교사 데이터 취득부(52b)가 가상 이물이 없는 화상 데이터를 취득함으로써, 교사 데이터의 입력의 수고를 줄일 수 있다.
(5-2) 변형예 B
실시예에서는, X선 검사 장치(10)는 상품(G)의 이물 혼입 검사를 행하고, 검사 결과에 기초하여 상품(G)을 양품 또는 불량품으로 분류한다. 그러나, X선 검사 장치(10)는 상품(G)의 이물 혼입 검사 대신, 또는, 상품(G)의 이물 혼입 검사와 함께 상품(G)에 수용되어 있는 물품(A)의 수를 검사하는 개수 검사를 행해도 된다.
본 변형예에서는, 교사 데이터 기억부(51b)는 상품(G)의 투과 화상에 관한 데이터와, 상품(G)에 포함되는 상품 A의 수에 관한 데이터인 개수 데이터를 관련시켜 교사 데이터로서 기억한다. 개수 데이터는 모니터(40)의 터치 패널 기능 및 통신 포트 등을 통해 제어 장치(50)에 미리 입력된다. 학습부(52c)는 개수 데이터를 포함한 교사 데이터를 이용하여, 복수의 물품(A)이 서로 겹쳐 있는 상태의 상품(G)에 관한 특징을 취득하고, 상품(G)의 투과 화상에 관한 데이터의 특징량을 취득한다. 검사부(52d)는 학습부(52c)가 취득한 특징량에 기초하여, 미검사의 상품(G)의 투과 화상으로부터 상품(G)에 포함되는 물품(A)의 수를 취득한다. 그리고, 검사부(52d)는 상품(G)의 검사 결과에 기초하여, 상품(G)에 관한 양품／불량품의 판정을 행한다. 구체적으로는, 검사부(52d)는 상품(G)에 포함되는 물품(A)의 수가 소정의 값과 동일한 경우 상품(G)을 양품이라고 판정하고, 동일하지 않은 경우 상품(G)을 불량품이라고 판정한다.
(5-3) 변형예 C
실시예에서는, X선 검사 장치(10)는 교사 데이터를 이용하는 기계 학습에 의해 취득한, 복수의 물품(A)이 서로 겹쳐 있는 상태의 상품(G)에 관한 특징에 기초하여 상품(G)의 검사를 행한다. 그러나, X선 검사 장치(10)는 기계 학습을 이용하는 검사에 더하여 기계 학습을 이용하지 않는 검사를 더 행해도 된다. 이 경우, X선 검사 장치(10)는 교사 데이터를 이용하는 기계 학습에 의해 상품(G)에 포함되어 있는 이물(C)의 유무를 판정하는 동시에, 기계 학습을 이용하지 않고 상품(G)의 투과 화상만에 기초하여 상품(G)에 포함되어 있는 이물(C)의 유무를 판정한다.
상품(G)의 투과 화상만에 기초한 상품(G)의 이물 판정 처리에는, 종래의 화상 처리 알고리즘이 이용 가능하다. 예를 들면, 검사부(52d)는 이물(C)을 나타낸 화소 영역이 상품(G)의 투과 화상에 포함되어 있는다고 판단한 경우에, 상품(G)에 이물(C)이 포함되어 있는다고 판단한다. 이물(C)을 나타낸 화소 영역은 예를 들면 소정의 범위의 휘도를 갖는 화소로 구성되고, 또한, 소정의 화소수를 갖는 화소 영역이다. 이 경우, 검사부(52d)는 기계 학습을 이용하는 상품(G)의 검사에서는 상품(G)을 양품이라고 판정해도, 기계 학습을 이용하지 않는 상품(G)의 검사에서는 상품(G)을 불량품이라고 판정한 경우, 상품(G)을 불량품이라고 판정해도 된다.
실시예에서의 기계 학습을 이용하는 상품(G)의 검사에서는 예를 들면 검사부(52d)가 상품(G)을 검사할 때에, 상품(G)의 투과 화상에 포함되는 중첩 영역(RO)과 이물(C)이 존재하는 영역을 혼동하여, 상품(G)에 관한 양품／불량품의 판정의 정밀도에 영향을 줄 수 있다. 본 변형예에서는, X선 검사 장치(10)는 기계 학습을 이용하는 화상 처리 기술과, 기계 학습을 이용하지 않는 화상 처리 기술을 조합하여 상품(G)을 검사함으로써, 상품(G)의 검사의 신뢰성을 향상시킬 수 있다. 또한, 기계 학습을 이용하지 않는 상품(G)의 검사에서는, 기계 학습을 이용하지 않는 화상 처리 기술끼리를 조합한 판정을 행해도 된다. 이로써, 상품(G)의 검사의 신뢰성을 더 향상시키는 것이 가능해진다.
(5-4) 변형예 D
실시예에서는, X선 검사 장치(10)는 교사 데이터를 이용하는 기계 학습에 의해 취득한, 복수의 물품(A)이 서로 겹쳐 있는 상태의 상품(G)에 관한 특징에 기초하여 상품(G)의 검사를 행한다. 그러나, X선 검사 장치(10)는 기계 학습을 이용하여 취득한 복수의 검사 결과에 기초하여, 상품(G)의 최종적인 검사 결과를 취득해도 된다. 이 경우, 복수의 검사 결과는 서로 상이한 복수의 뉴럴 네트워크 모델을 이용한 교사있는 학습에 의해 취득된다. 검사부(52d)는 예를 들면 복수의 기계 학습 알고리즘을 이용하여 상품(G)의 검사를 행하고, 복수의 검사 결과에 기초하여 상품(G)의 최종적인 검사 결과를 취득한다.
다음에, 본 변형예에서의 상품(G)의 최종적인 검사 결과의 취득 방법의 구체예에 대해 설명한다. 도 10은 본 변형예에서의 상품(G)의 투과 화상의 일례이다. 검사부(52d)는 2종류의 기계 학습 알고리즘을 이용하여 상품(G)의 검사 결과를 2개 취득한다. 이하, 취득한 2개의 검사 결과를 제1 검사 결과 및 제2 검사 결과라고 부른다. 도 10에서, 제1 검사 결과에서는 실선으로 둘러싸인 검사 영역(R1, R2)에 이물(C)이 존재한다고 판정되고, 제2 검사 결과에서는 점선으로 둘러싸인 검사 영역(R3)에 이물(C)이 존재한다고 판정된 것으로 가정한다. 실제로는, 검사 영역(R1) 및 검사 영역(R3)에 이물(C)이 존재하고, 검사 영역(R2)에 이물(C)이 존재하지 않는다.
복수의 기계 학습 알고리즘을 이용하는 상품(G)의 검사에서는, 각 검사 영역(R1~R3)에서는 확신도의 파라미터가 설정된다. 확신도란, 각 검사 영역(R1~R3)에 이물(C)이 존재하는 가능성을 나타낸 파라미터이다. 확신도의 최소값은 0이며, 최대값은 1이다. 어떤 검사 영역의 확신도가 클수록, 해당 검사 영역에 이물(C)이 존재하는 가능성이 높다. 도 10에서, 제1 검사 결과의 검사 영역(R1)의 확신도는 0.9이며, 제1 검사 결과의 검사 영역(R2)의 확신도는 0.8이며, 제2 검사 결과의 검사 영역(R3)의 확신도는 0.7이라고 한다. 이 경우, 검사부(52d)는 제1 검사 결과 및 제2 검사 결과로부터 상품(G)의 최종적인 검사 결과를 이하에 설명하는 방법으로 취득한다.
상이한 검사 결과의 검사 영역이 서로 겹쳐 있는 경우, 서로 겹쳐 있는 검사 영역의 확신도의 평균에, 검사 영역의 중첩 정도에 따른 1 이상의 계수를 곱해 최종적인 확신도를 취득한다. 도 10의 경우, 검사 영역(R1)과 검사 영역(R3)이 서로 겹쳐 있으므로, 검사 영역(R1)의 확신도 0.9와 검사 영역(R3)의 확신도 0.7의 평균 0.8에, 계수 1.2를 곱한 0.96이 검사 영역(R1) 및 검사 영역(R3)의 최종적인 확신도가 된다. 이 경우의 계수는 검사 영역의 중첩 정도, 즉 서로 겹쳐 있는 검사 영역의 수가 클수록 높다. 예를 들면, 2개의 검사 영역이 서로 겹쳐 있는 경우, 계수는 1.2이며, 3개의 검사 영역이 서로 겹쳐 있는 경우, 계수는 1.5이다.
한편, 어떤 검사 결과의 검사 영역이 다른 검사 결과의 검사 영역과 서로 겹치지 않은 경우, 해당 검사 영역의 확신도에 1 미만의 계수를 곱해 최종적인 확신도를 취득한다. 도 10의 경우, 검사 영역(R2)은 다른 검사 결과의 검사 영역과 서로 겹쳐 있지 않으므로, 검사 영역(R2)의 확신도 0.8에 계수 0.9를 곱한 0.72가 검사 영역(R2)의 최종적인 확신도가 된다. 이 경우의 계수는 1 미만의 임의의 값이 설정된다.
그리고, 검사부(52d)는 소정의 역치 이상의 최종적인 확신도를 갖는 검사 영역에 이물(C)이 존재한다고 판정한다. 도 10의 경우, 소정의 역치가 0.95이면, 검사부(52d)는 역치 0.95 이상의 최종적인 확신도 0.96을 갖는 검사 영역(R1) 및 검사 영역(R3)에 이물(C)이 존재한다고 판정한다. 이와 같이, 검사부(52d)는 복수의 검사 결과에 기초한 다수결에 의해, 상품(G)의 최종적인 검사 결과를 취득함으로써, 상품(G)의 검사의 신뢰성을 향상시킬 수 있다.
또한, 본 변형예에서는, 검사부 52는 교사 데이터를 이용하는 기계 학습에 의해 취득한 상품(G)에 관한 특징을 이용한 경우의 상품(G)의 검사 결과와, 상품(G)에 관한 특징을 이용하지 않는 경우의 상품(G)의 검사 결과로 이루어지는 복수의 검사 결과에 기초하여 상품(G)의 최종적인 검사 결과를 취득해도 된다. 이 경우에, 검사부 52는 도 10을 참조하여 설명한 상기 방법을 이용하여 복수의 검사 결과에 기초한 다수결에 의해, 상품(G)의 최종적인 검사 결과를 취득한다.
(5-5) 변형예 E
실시예 및 다른 변형예에서는, X선 검사 장치(10)는 교사 데이터를 이용하는 기계 학습에 의해 취득한, 복수의 물품(A)이 서로 겹쳐 있는 상태의 상품(G)에 관한 특징에 기초하여 상품(G)의 검사를 행한다. 학습부(52c)가 실행하는 기계 학습은 교사있는 학습이다. 교사있는 학습은 다수의 라벨 부착 훈련 데이터를 해석하여 소정의 특징량을 학습하는 방법이다. 교사있는 학습에서는, 특징량의 포맷을 수동으로 미리 설계해 둘 필요가 있다.
그러나, 학습부(52c)가 실행하는 기계 학습은 라벨 부착 훈련 데이터를 이용하지 않는 학습이어도 된다. 예를 들면, 학습부(52c)는 심층 학습의 알고리즘을 이용하여, 다수의 상품(G)의 투과 화상으로부터 이물이 있는 화상 데이터 및 이물이 없는 화상 데이터의 특징량을 자동으로 추출해도 된다. 이 경우, 특징량의 포맷을 수동으로 미리 설계해 둘 필요가 없다. 이로 인해, 이물이 있는 화상 데이터와 이물 영역 데이터를 관련시킨 교사 데이터를 마련할 필요가 없으며, 교사 데이터의 준비에 필요하는 시간을 단축할 수 있다. 따라서, X선 검사 장치(10)는 상품(G)의 투과 화상에 관한 데이터로부터 특징량을 자동으로 추출하는 알고리즘을 이용함으로써, 기계 학습을 이용하는 상품(G)의 검사를 효율적으로 행할 수 있다.
(5-6) 변형예 F
실시예에서는, 본 발명에 따른 검사 장치는 X선을 이용하여 상품(G)의 이물 혼입 검사를 행하는 X선 검사 장치(10)이다. 그러나, 본 발명에 따른 검사 장치는 X선 검사 장치(10)에 한정되지 않는다. 예를 들면, 검사 장치는 식품 제조 공정에서 일반적으로 이용되는 광에 의한 이물 검사 장치이면, 적외선, 자외선 및 가시광선 등을 이용하여 상품(G)의 이물 혼입 검사를 행하는 장치여도 된다.
(5-7) 변형예 G
실시예 및 다른 변형예에서는, X선 검사 장치(10)는 상품(G)에 광(X선)을 조사하고, 상품(G)을 투과한 광으로부터 얻어진 투과 화상(검사 화상)에 기초하여 상품(G)을 검사한다. 그러나, X선 검사 장치(10)는 상품(G)에 광(X선)을 조사하고, 상품(G)에 반사된 광으로부터 얻어진 검사 화상에 기초하여 상품(G)을 검사해도 된다. 이 경우, 라인 센서(30)는 반송 유닛(12)에 의해 반송된 상품(G)에 반사된 X선을 검출한다.
산업상의 이용 가능성
본 발명에 따른 검사 장치는 예를 들면 식품 등의 상품에 X선 등의 광을 조사하여 상품의 검사를 행하는 X선 검사 장치로서 이용 가능하다.
10 X선 검사 장치(검사 장치)
51 기억부
52c 학습부
52d 검사부
G 상품
A 물품
C 이물
VC 가상적인 이물

Claims (8)

  1. 소정의 형상의 복수의 물품이 수용된 상품에 광(光)을 조사(照射)하고, 상기 상품을 투과한 광, 또는 상기 상품에 반사된 광으로부터 얻어진 검사 화상에 기초하여 상기 상품을 검사하는 검사 장치로서,
    복수의 상기 물품이 서로 겹쳐 있는 상태의 상기 상품의 상기 검사 화상을 적어도 교사 화상으로서 기억하는 기억부,
    상기 기억부에 기억되어 있는 상기 교사 화상을 이용하는 기계 학습에 의해, 복수의 상기 물품이 서로 겹쳐 있는 상태의 상기 상품에 관한 특징을 취득하는 학습부,
    상기 학습부가 취득한 상기 특징을 이용하여 상기 상품을 검사하는 검사부
    를 포함하는, 검사 장치.
  2. 제1항에 있어서,
    상기 검사부는 상기 상품에 포함되어 있는 이물(異物)의 유무를 검사하는, 검사 장치.
  3. 제2항에 있어서,
    상기 기억부는 이물을 포함한 상기 상품의 상기 검사 화상을 적어도 상기 교사 화상으로서 기억하고,
    상기 학습부는 상기 교사 화상과, 상기 교사 화상에서 상기 상품에 포함되는 이물이 존재하는 영역을 이용하는 기계 학습에 의해 상기 특징을 취득하는, 검사 장치.
  4. 제2항 또는 제3항에 있어서,
    상기 기억부는 이물을 포함하지 않은 상기 상품의 상기 검사 화상에 가상적인 이물의 화상을 통합한 화상을 적어도 상기 교사 화상으로서 기억하고,
    상기 학습부는 상기 교사 화상과, 상기 교사 화상에서 상기 가상적인 이물이 존재하는 영역을 이용하는 기계 학습에 의해 상기 특징을 취득하는, 검사 장치.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 검사부는 상기 상품에 수용되어 있는 상기 물품수를 검사하는, 검사 장치.
  6. 제5항에 있어서,
    상기 학습부는 상기 교사 화상과, 상기 교사 화상에서 상기 상품에 수용되어 있는 상기 물품수를 이용하는 기계 학습에 의해 상기 특징을 취득하는, 검사 장치.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서,
    상기 검사부는 또한 상기 특징을 이용하지 않고 상기 검사 화상에 기초하여 상기 상품을 검사하는, 검사 장치.
  8. 제7항에 있어서,
    상기 검사부는 상기 특징을 이용한 경우의 상기 상품의 검사 결과와, 상기 특징을 이용하지 않는 경우의 상기 상품의 검사 결과에 기초하여 상기 상품을 검사하는, 검사 장치.
KR1020207021030A 2018-02-14 2018-10-30 검사 장치 Active KR102387529B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020217032876A KR20210126163A (ko) 2018-02-14 2018-10-30 검사 장치

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JPJP-P-2018-023784 2018-02-14
JP2018023784 2018-02-14
PCT/JP2018/040271 WO2019159440A1 (ja) 2018-02-14 2018-10-30 検査装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020217032876A Division KR20210126163A (ko) 2018-02-14 2018-10-30 검사 장치

Publications (2)

Publication Number Publication Date
KR20200097344A true KR20200097344A (ko) 2020-08-18
KR102387529B1 KR102387529B1 (ko) 2022-04-15

Family

ID=67144671

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020207021030A Active KR102387529B1 (ko) 2018-02-14 2018-10-30 검사 장치
KR1020227037329A Active KR102668930B1 (ko) 2018-02-14 2018-10-30 검사 장치

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020227037329A Active KR102668930B1 (ko) 2018-02-14 2018-10-30 검사 장치

Country Status (2)

Country Link
JP (1) JP6537008B1 (ko)
KR (2) KR102387529B1 (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7250301B2 (ja) * 2018-06-29 2023-04-03 株式会社イシダ 検査装置、検査システム、検査方法、検査プログラム及び記録媒体
JP7394852B2 (ja) * 2019-07-04 2023-12-08 株式会社Fuji 部品実装システム
JP7411984B2 (ja) * 2019-09-24 2024-01-12 株式会社イシダ 検査装置
JP7323177B2 (ja) * 2019-12-17 2023-08-08 株式会社 システムスクエア 検査システム、検査装置、学習装置及びプログラム
JP7506568B2 (ja) * 2020-09-23 2024-06-26 アンリツ株式会社 Ｘ線検査装置およびｘ線検査方法
JP7586790B2 (ja) * 2021-08-02 2024-11-19 株式会社日立ハイテク 検体性状判別装置の動作確認方法、及び、検体性状判別装置
CN115471560B (zh) * 2022-11-11 2023-02-14 成都智元汇信息技术股份有限公司 一种基于主视角和侧视角的切图方法及装置
JP2025144339A (ja) 2024-03-19 2025-10-02 株式会社イシダ Ｘ線検査装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009192519A (ja) * 2008-01-17 2009-08-27 Anritsu Sanki System Co Ltd Ｘ線異物検出装置
JP2012242289A (ja) * 2011-05-20 2012-12-10 Anritsu Sanki System Co Ltd Ｘ線検査装置
WO2015041259A1 (ja) * 2013-09-18 2015-03-26 株式会社イシダ 検査装置
WO2017061593A1 (ja) * 2015-10-09 2017-04-13 株式会社イシダ Ｘ線検査装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5214290B2 (ja) 2008-03-19 2013-06-19 地方独立行政法人 東京都立産業技術研究センター 食品用ｘ線異物検査装置およびその方法
JP2011089920A (ja) * 2009-10-23 2011-05-06 Shimadzu Corp Ｘ線検査方法、及び該ｘ線検査方法を用いたｘ線検査装置
JP2013210244A (ja) 2012-03-30 2013-10-10 Sony Corp 良否判別システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009192519A (ja) * 2008-01-17 2009-08-27 Anritsu Sanki System Co Ltd Ｘ線異物検出装置
JP2012242289A (ja) * 2011-05-20 2012-12-10 Anritsu Sanki System Co Ltd Ｘ線検査装置
WO2015041259A1 (ja) * 2013-09-18 2015-03-26 株式会社イシダ 検査装置
JP6126230B2 (ja) * 2013-09-18 2017-05-10 株式会社イシダ 検査装置
WO2017061593A1 (ja) * 2015-10-09 2017-04-13 株式会社イシダ Ｘ線検査装置

Also Published As

Publication number Publication date
KR102387529B1 (ko) 2022-04-15
JPWO2019159440A1 (ja) 2020-02-27
JP6537008B1 (ja) 2019-07-03
KR20220149627A (ko) 2022-11-08
KR102668930B1 (ko) 2024-05-29

Similar Documents

Publication Publication Date Title
CN111630519B (zh) 检查装置
KR102387529B1 (ko) 검사 장치
JP6920988B2 (ja) 検査装置
EP4130723A1 (en) Training data generation device, inspection device, and program
EP3805742A1 (en) Inspection device
JP6861990B2 (ja) Ｘ線検査装置
CN104781656B (zh) X射线检查装置
JP3860154B2 (ja) Ｘ線検査装置
JPWO2017014194A1 (ja) 光検査システム及び画像処理アルゴリズム設定方法
JP2015137858A (ja) 検査装置
JP2005031069A (ja) Ｘ線検査装置
JP4170366B2 (ja) Ｘ線検査装置
JP2006329906A (ja) Ｘ線検査装置
JP3955559B2 (ja) Ｘ線検査装置
JP3860144B2 (ja) Ｘ線検査装置
JP2008175691A (ja) Ｘ線検査装置および検査方法
WO2017159856A1 (ja) Ｘ線検査装置
JP7846885B2 (ja) Ｘ線検査装置
JP6144584B2 (ja) 破損検査装置
JP6306352B2 (ja) Ｘ線検査装置
JP2017156113A (ja) Ｘ線検査装置
JP2018048846A (ja) 光検査装置及び光検査方法

Legal Events

Date Code Title Description
P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

P13-X000 Application amended

St.27 status event code: A-2-2-P10-P13-nap-X000

PA0105 International application

St.27 status event code: A-0-1-A10-A15-nap-PA0105

PA0201 Request for examination

St.27 status event code: A-1-2-D10-D11-exm-PA0201

PG1501 Laying open of application

St.27 status event code: A-1-1-Q10-Q12-nap-PG1501

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

St.27 status event code: A-1-2-D10-D21-exm-PE0902

A107 Divisional application of patent
E13-X000 Pre-grant limitation requested

St.27 status event code: A-2-3-E10-E13-lim-X000

P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

P13-X000 Application amended

St.27 status event code: A-2-2-P10-P13-nap-X000

PA0104 Divisional application for international application

St.27 status event code: A-0-1-A10-A18-div-PA0104

St.27 status event code: A-0-1-A10-A16-div-PA0104

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

St.27 status event code: A-1-2-D10-D22-exm-PE0701

GRNT Written decision to grant
PR0701 Registration of establishment

St.27 status event code: A-2-4-F10-F11-exm-PR0701

PR1002 Payment of registration fee

St.27 status event code: A-2-2-U10-U12-oth-PR1002

Fee payment year number: 1

PG1601 Publication of registration

St.27 status event code: A-4-4-Q10-Q13-nap-PG1601

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 4

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 5

U11 Full renewal or maintenance fee paid

Free format text: ST27 STATUS EVENT CODE: A-4-4-U10-U11-OTH-PR1001 (AS PROVIDED BY THE NATIONAL OFFICE)

Year of fee payment: 5