외관 검사용 조명 장치, 외관 검사 장치 및 블리스터 포장기

본 발명은 외관 검사용 조명 장치, 외관 검사 장치 및 블리스터 포장기에 관한 것으로서, 대상물의 외관 검사를 실시할 때, 검사 효율 및 검사 정밀도의 비약적인 향상 등을 도모할 수 있는 외관 검사용 조명 장치, 외관 검사 장치 및 블리스터 포장기를 제공한다. 외관 검사 장치(45)는 광을 조사 가능한 조명 유닛(52)과, 상기 광을 조사된 PTP 시트를 촬상 가능한 카메라 유닛(53)과, 제어 장치(54)를 구비하고 있다. 제어 장치(54)는 조광 파라미터값과, 이에 대응하는 밝기 레벨로 발광하는 복수의 조명 패널(L1~L5)에...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: HIRANO TADANORI, WAKITA RYUJI, KANBE SATOSHI
Format: Patent
Sprache:kor
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:본 발명은 외관 검사용 조명 장치, 외관 검사 장치 및 블리스터 포장기에 관한 것으로서, 대상물의 외관 검사를 실시할 때, 검사 효율 및 검사 정밀도의 비약적인 향상 등을 도모할 수 있는 외관 검사용 조명 장치, 외관 검사 장치 및 블리스터 포장기를 제공한다. 외관 검사 장치(45)는 광을 조사 가능한 조명 유닛(52)과, 상기 광을 조사된 PTP 시트를 촬상 가능한 카메라 유닛(53)과, 제어 장치(54)를 구비하고 있다. 제어 장치(54)는 조광 파라미터값과, 이에 대응하는 밝기 레벨로 발광하는 복수의 조명 패널(L1~L5)에 의해 조명되는 PTP 시트를 촬상한 경우에 취득될 수 있는 화상 데이터와의 상관 관계를 학습한 뉴럴 네트워크를 저장하고 있다. 그리고, 뉴럴 네트워크에 대해 조광 파라미터값을 입력하여 출력되는 예측 화상 데이터와 이상 화상 데이터를 비교하고, 그 오차에 기초한 오차 역전파에 의해 최적의 조광 파라미터값을 설정하고, 이에 기초하여 각 조명 패널(L1~L5)의 밝기 조정을 실시하는 것을 특징으로 한다. 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 parameter value is specified, on the basis of which illumination of each of the illumination panels L1-L15 is adjusted.