Beleuchtungsvorrichtung zur visuellen Überprüfung, Visuelle-Überprüfung-Vorrichtung, und Blisterverpackungsmaschine

Es werden eine Beleuchtungsvorrichtung zur visuellen Überprüfung, eine Visuelle-Überprüfung-Vorrichtung und eine Blisterverpackungsmaschine bereitgestellt, die zum Beispiel die Effizienz der visuellen Überprüfung eines Objekts und die Genauigkeit der Überprüfung erheblich verbessern. Eine Visuelle-Überprüfung-Vorrichtung 45 enthält eine Beleuchtungseinheit 52, die konfiguriert ist, um Licht abzustrahlen, eine Kameraeinheit 53, die konfiguriert ist, um ein Bild eines mit dem Licht bestrahlten PTP-Bogens aufzunehmen, und eine Steuervorrichtung 54. Die Steuervorrichtung 54 speichert ein neuronales Netzwerk, das eine Korrelation von Lichtsteuerparameterwerten mit Bilddaten gelernt hat, die im Fall des Abbildens eines PTP-Bogens erhältlich sind, der von einer Mehrzahl von Beleuchtungsplatten L1 bis L15 beleuchtet wird, die Licht mit Helligkeitsstufen emittieren, die den Lichtsteuerparameterwerten entsprechend. Die Visuelle-Überprüfung-Vorrichtung 45 vergleicht dann vorhergesagte Bilddaten, die von dem neuronalen Netzwerk als Reaktion auf die Eingabe der Lichtsteuerparameterwerte in das neuronale Netzwerk ausgegeben werden, mit idealen Bilddaten, spezifiziert optimale Lichtsteuerparameterwerte durch Fehlerrückausbreitung basierend auf einem Fehler davon und stellt die Helligkeit jeder der Beleuchtungsplatten L1 bis L15 basierend auf den spezifizierten optimalen Lichtsteuerparameterwerten ein. Provided are an illumination device for visual inspection, a visual inspection device, and a blister packaging device which can achieve a significant improvement in inspection efficiency and inspection accuracy, and the like, when carrying out a visual inspection of an object. A visual inspection device 45 comprises an illumination unit 52 which can emit light, a camera unit 53 which can capture an image of a PTP sheet on which the light has been emitted, and a control device 54. The control device 54 stores a neural network which has learned a correlation between a lighting control parameter value and image data that can be acquired by capturing an image of the PTP sheet illuminated by a plurality of illumination panels L1-L15 for illuminating at an illumination level corresponding to the lighting control parameter value. Further, predicted image data outputted after inputting the lighting control parameter value into the neural network and ideal image data are compared, and then using error backpropagation based on an error therebetween, an optimal lighting control parame