專利名稱：外觀檢查裝置和外觀檢查方法
技術領域：
本發明涉及從通過拍攝檢查對象所獲取的一組圖像中存儲有被判定為非缺陷物品的物品的圖像的圖像組當中刪除被判定為缺陷物品的物品的圖像的外觀檢查裝置、外觀檢查方法、和計算機程序。
背景技術：
迄今為止，已經開發出了這樣的一種外觀檢查方法，即其中將通過拍攝檢查對象所獲取的圖像與作為標準的檢查對象的圖像進行比較，以判定檢查對象是否是非缺陷物品。用作上述判定標準的圖像是通過外觀檢查被判定為非缺陷物品的物品的圖像，并將其與通過拍攝檢查對象獲取的圖像進行比較，以設置進行非缺陷/缺陷判定的判定閾值。為了正確地將非缺陷物品判定為非缺陷物品，設置適當的用于非缺陷/缺陷判定的適當的判定閾值是重要的。例如，日本未審查專利公開第2005-265661號公開了一種圖像檢查裝置，該圖像檢查裝置利用輸入多個非缺陷物品圖像來設置閾值以對通過拍攝檢查對象獲取的圖像進行非缺陷/缺陷判定的圖像處理方法。在日本未審查專利公開第2005-265661號中，每次添加非缺陷物品圖像時都進行學習，并重置用于非缺陷/缺陷判定的閾值，因此即使在非缺陷/缺陷判定已經發生了輕微變化時也能設置合適的閾值。在日本未審查專利公開第2005-265661號中公開的利用圖像處理方法的圖像檢查裝置中，會發生盡管圖像中物品是非缺陷物品但是其也被錯誤判定為缺陷物品的錯誤判定，從而需要進行附加的學習，以將被錯誤判定的圖像添加到非缺陷物品圖像組并重置判定閾值。然而，在一些情況下存在這樣的問題:執行附加的學習可能導致判定標準的降低，以及本來應該被判定為缺陷物品的物品的圖像可能成為被錯誤判定為非缺陷物品的圖像。
發明內容
本發明是鑒于上述情形做出的，并且本發明的一個目的是提供外觀檢查裝置、夕卜觀檢查方法和計算機程序，它們能夠檢查出在盡管物品是缺陷物品的情況下該物品是否由于附加學習而被錯誤地判定為非缺陷物品。為了實現上述目的，根據本發明的一個實施例，提供了 一種外觀檢查裝置，其將通過對檢查對象進行拍攝而獲取的圖像與被看作非缺陷物品的各物品的一組圖像進行比較，以進行非缺陷/缺陷判定，所述外觀檢查裝置包括:圖像輸入單元，其用于接受構成被看作非缺陷物品的各物品的一組圖像的多個圖像的輸入，以存儲這些圖像；閾值設置單元，其用于基于所存儲的所述多個圖像來設置用于檢測檢查對象的缺陷部位的缺陷閾值和用于做出非缺陷/缺陷判定的判定閾值；缺陷物品圖像存儲單元，其用于存儲作為被判定為缺陷物品的物品的圖像的缺陷物品圖像；閾值設置單元，其用于在接受了通過對檢查對象進行拍攝而新獲取的圖像的輸入的情況下，利用包括其輸入已被接受的圖像在內的所存儲的多個圖像執行非缺陷物品學習處理，以至少重置缺陷閾值；非缺陷/缺陷判定單元，其用于基于重置的缺陷閾值重新檢測缺陷部位，以基于設置的判定閾值判定所存儲的缺陷物品圖像是否是缺陷物品的圖像；以及判定結果顯示單元，其用于顯示非缺陷/缺陷判定結果。此外，根據本發明的另一實施例，根據第一方面的外觀檢查裝置包括:備份單元，其用于將關于非缺陷物品學習處理的信息存儲為備份；以及選擇接受單元，其用于在判定結果中做出了所存儲的缺陷物品圖像是非缺陷物品的圖像的錯誤判定時，接受關于是否將信息返回至所存儲的關于非缺陷物品學習處理的信息的選擇。此外，根據本發明的再一實施例，根據第二方面的外觀檢查裝置包括識別信息獲取單元，其用于獲取用于識別用戶的識別信息，其中，所述選擇接受單元基于獲取的識別信息僅顯示其選擇可被接受的物品。此外，根據本發明的再一實施例，在根據第三方面的外觀檢查裝置中，所述選擇接受單元在獲取的識別信息表示管理員時接受對更新所存儲的關于非缺陷物品學習處理的信息的選擇。此外，根據本發明的再一實施例，在根據第三方面的外觀檢查裝置中，所述選擇接受單元在獲取的識別信息表示操作者時僅接受對將信息返回所存儲的關于非缺陷物品學習處理的信息的選擇。 接下來，為了實現上述目的，根據本發明的再一實施例，提供了 一種可由外觀檢查裝置執行的外觀檢查方法，所述外觀檢查裝置將通過對檢查對象進行拍攝而獲取的圖像與被看作非缺陷物品的各物品的一組圖像進行比較，以進行非缺陷/缺陷判定，所述外觀檢查方法包括以下步驟:接受構成被看作非缺陷物品的各物品的一組圖像的多個圖像的輸入，以存儲這些圖像；基于所存儲的所述多個圖像來設置用于檢測檢查對象的缺陷部位的缺陷閾值和用于做出非缺陷/缺陷判定的判定閾值；存儲作為被判定為缺陷物品的物品的圖像的缺陷物品圖像；在接受了通過對檢查對象進行拍攝而新獲取的圖像的輸入的情況下，利用包括其輸入已被接受的圖像在內的所存儲的多個圖像執行非缺陷物品學習處理，以至少重置缺陷閾值；基于重置的缺陷閾值重新檢測缺陷部位，以基于設置的判定閾值判定所存儲的缺陷物品圖像是否是缺陷物品的圖像；以及顯示非缺陷/缺陷判定結果。此外，根據本發明的再一實施例，根據第六方面的外觀檢查方法包括以下步驟:將關于非缺陷物品學習處理的信息存儲為備份；以及在判定結果中做出了所存儲的缺陷物品圖像是非缺陷物品的圖像的錯誤判定時，接受關于是否將信息返回至所存儲的關于非缺陷物品學習處理的信息的選擇。此外，根據本發明的再一實施例，根據第七方面的外觀檢查方法包括以下步驟:獲取用于識別用戶的識別信息，其中，基于獲取的識別信息僅顯示其選擇可被接受的物品。此外，根據本發明的再一實施例，在根據第八方面的外觀檢查方法中，在獲取的識別信息表示管理員時接受對更新所存儲的關于非缺陷物品學習處理的信息的選擇。此外，根據本發明的再一實施例，在根據第八方面的外觀檢查方法中，在獲取的識別信息表示操作者時僅接受對將信息返回所存儲的關于非缺陷物品學習處理的信息的選擇。接下來，為了實現上述目的，根據本發明的再一個實施例，提供了 一種可由外觀檢查裝置執行的計算機程序，該外觀檢查將通過對檢查對象進行拍攝而獲取的圖像與被看作非缺陷物品的各物品的一組圖像進行比較，以進行非缺陷/缺陷判定，所述計算機程序使外觀檢查裝置用作:圖像輸入單元，其用于接受構成被看作非缺陷物品的各物品的一組圖像的多個圖像的輸入，以存儲這些圖像；閾值設置單元，其用于基于所存儲的所述多個圖像來設置用于檢測檢查對象的缺陷部位的缺陷閾值和用于做出非缺陷/缺陷判定的判定閾值；缺陷物品圖像存儲單元，其用于存儲作為被判定為缺陷物品的物品的圖像的缺陷物品圖像；閾值設置單元，其用于在接受了通過對檢查對象進行拍攝而新獲取的圖像的輸入的情況下，利用包括其輸入已被接受的圖像在內的所存儲的多個圖像執行非缺陷物品學習處理，以至少重置缺陷閾值；非缺陷/缺陷判定單元，其用于基于重置的缺陷閾值重新檢測缺陷部位，以基于設置的判定閾值判定所存儲的缺陷物品圖像是否是缺陷物品的圖像；以及判定結果顯示單元，其用于顯示非缺陷/缺陷判定結果。此外，根據本發明的另一實施例，在根據第十一方面的計算機程序中，使所述外觀檢查裝置用作:備份單元，其用于將關于非缺陷物品學習處理的信息存儲為備份；以及選擇接受單元，其用于在判定結果中做出了所存儲的缺陷物品圖像是非缺陷物品的圖像的錯誤判定時，接受關于是否將信息返回至所存儲的關于非缺陷物品學習處理的信息的選擇。此外，根據本發明的再一實施例，在根據第十二方面的計算機程序中，使所述外觀檢查裝置用作識別信息獲取單元，其用于獲取用于識別用戶的識別信息，其中，所述選擇接受單元基于獲取的識別信息僅顯示其選擇可被接受的物品。此外，根據本發明的再一實施例，在根據第十三方面的計算機程序中，使所述選擇接受單元用作如下單元:在獲取的識別信息表示管理員時接受對更新所存儲的關于非缺陷物品學習處理的信息的選擇。此外，根據本發明的再一實施例，在根據第十三方面的計算機程序中，使所述選擇接受單元用作如下單元:在獲取的識別信息表示操作者時僅接受對將信息返回所存儲的關于非缺陷物品學習處理的信息的選擇。 在第一、第六、和第i^一方面中，接受并存儲了構成被看作非缺陷物品的各物品的一組圖像的多個圖像的輸入，并基于所存儲的所述多個圖像設置了用于檢測檢查對象的缺陷部位的缺陷閾值和用于做出非缺陷/缺陷判定的判定閾值。預先存儲了作為被判定為缺陷物品的物品的圖像的缺陷物品圖像，并在接受了通過對檢查對象進行拍攝而新獲取的圖像的輸入的情況下，利用包括其輸入已被接受的圖像在內的所存儲的多個圖像來執行非缺陷物品學習處理，以至少重置缺陷閾值。基于重置的缺陷閾值重新檢測缺陷部位，以基于設置的判定閾值判定所存儲的缺陷物品圖像是否是缺陷物品的圖像，并顯示非缺陷/缺陷判定結果。因此，當添加了新獲取的圖像并執行了附加學習時，可以檢查缺陷物品圖像是否是被錯誤判定為缺陷物品的物品的圖像，并且用戶可以目視檢查用來執行非缺陷物品學習處理的設置參數和閾值是否合適。在第二、第七、和第十二方面中，將關于非缺陷物品學習處理的信息存儲為備份。當圖像是在判定結果中被錯誤判定為非缺陷物品的圖像時，接受關于是否將信息返回至所存儲的關于非缺陷物品學習處理的信息的選擇。從而，當添加了新圖像以執行附加學習并且缺陷物品圖像是未被正 確判定為缺陷物品的物品的圖像時，將非缺陷物品學習處理判定為不適當，并且可以容易地將信息返回至添加獲取的圖像之前的狀態。從而可以避免錯誤地執行非缺陷物品學習處理的風險，以執行更符合實際的非缺陷/缺陷判定。在第三、第八、和第十三方面中，獲取了用于識別用戶的識別信息，并且基于獲取的識別信息僅顯示其選擇可被接受的物品，從而可以避免無條件地禁用非缺陷物品學習處理，以執行更符合實際的非缺陷/缺陷判定。在第四、第九、和第十四方面中，在獲取的識別信息表示管理員時可以接受對更新所存儲的關于非缺陷物品學習處理的信息的選擇，從而可以執行控制以使得可以僅在用戶是管理員時更新關于非缺陷物品學習處理的信息。在第五、第十、和第十五方面中，在獲取的識別信息表示操作者時僅接受對將信息返回所存儲的關于非缺陷物品學習處理的信息的選擇，從而可以避免無條件地更新關于非缺陷物品學習處理的信息，從而不浪費之前的關于非缺陷物品學習處理的信息。根據本發明，接受并存儲了構成被看作非缺陷物品的各物品的一組圖像的多個圖像的輸入，并基于所存儲的所述多個圖像設置了用于檢測檢查對象的缺陷部位的缺陷閾值和用于做出非缺陷/缺陷判定的判定閾值。預先存儲了作為被判定為缺陷物品的物品的圖像的缺陷物品圖像，并在接受了通過對檢查對象進行拍攝而新獲取的圖像的輸入的情況下，利用包括其輸入已被接受的圖像在內的所存儲的多個圖像執行非缺陷物品學習處理，以至少重置缺陷閾值。基于重置的缺陷閾值重新檢測缺陷部位，以基于設置的判定閾值判定所存儲的缺陷物品圖像是否是缺陷物品的圖像，并顯示非缺陷/缺陷判定結果。因此，當添加了新獲取的圖像并執行了附加學習時，可以檢查缺陷物品圖像是否是被錯誤判定為缺陷物品的物品的圖像，并且用戶可以目視檢查用來執行非缺陷物品學習處理的設置參數和閾值是否合適。
圖1是示出包括根據本發明一個實施例的外觀檢查裝置的產品檢查系統的構造的不意圖；圖2是示意性示出根據本發明實施例的外觀檢查裝置的構造的框圖；圖3是示出由根據本發明實施例的外觀檢查裝置的主控制部件執行的針對各種參數的設置處理的過程的流程圖；圖4是示出由根據本發明實施例的外觀檢查裝置的主控制部件執行的非缺陷物品學習處理的過程的流程圖；圖5是示出根據本發明實施例的外觀檢查裝置的構造示例的功能框圖；圖6是示出由根據本發明實施例的外觀檢查裝置的主控制部件執行的對錯誤學習的圖像數據的刪除處理的過程的流程圖；圖7是根據本發明實施例的外觀檢查裝置中的非缺陷物品圖像輸入接受屏幕的不意性視圖；圖8是示出存儲在非缺陷物品圖像數據存儲部件中的非缺陷物品圖像中任意像素的濃度值分布的示例性視圖；圖9是根據本發明實施例的外觀檢查裝置中非缺陷物品學習處理之后的非缺陷物品圖像輸入接受屏幕的示意性視圖；圖10是在根據本發明實施例的外觀檢查裝置中選擇缺陷物品的圖標的情況下的非缺陷物品圖像輸入接受屏幕的示意性視圖；圖11是在根據本發明實施例的外觀檢查裝置中選擇另一缺陷物品的圖標的情況下的非缺陷物品圖像輸入接受屏幕的示意性視圖12是在將用作位置調整標準的圖像疊加并顯示在其輸入在根據本發明實施例的外觀檢查裝置中已被接受的圖像上的情況下的非缺陷物品圖像輸入接受屏幕的示例性視圖；圖13是缺陷閾值和判定閾值未設置情況下的根據本發明實施例的外觀檢查裝置中的閾值設置屏幕的示意性視圖；圖14是根據本發明實施例的外觀檢查裝置中的驗證屏幕的示意性視圖；圖15是根據本發明實施例的外觀檢查裝置中的驗證屏幕的示意性視圖；圖16是根據本發明實施例的外觀檢查裝置中的驗證屏幕的示意性視圖；圖17是根據本發明實施例的外觀檢查裝置中的濃度值分布直方圖的示意性視圖；圖18是在根據本發明實施例的外觀檢查裝置中利用箱線圖測試是否存在異常值(outlier)情況下的說明視圖；圖19是示出計算出的缺陷量的分布和判定閾值之間的關系的示意性視圖；圖20是根據本發明實施例的外觀檢查裝置中的非缺陷物品/缺陷物品判定屏幕的示例性視圖；圖21是根據本發明實施例的外觀檢查裝置中的非缺陷物品/缺陷物品判定屏幕的示例性視圖；圖22是根據本發明實施例的外觀檢查裝置中利用缺陷物品圖像的驗證屏幕的示例性視圖；圖23是已經在根據本發明實施例的外觀檢查裝置中適當進行了 NG判定的情況下示出的消息的說明圖；圖24A和圖24B是已經在根據本發明實施例的外觀檢查裝置中進行了錯誤判定的情況下示出的消息的示意性視圖；圖25是示出由根據本發明實施例的外觀檢查裝置的主控制部件進行的利用缺陷物品圖像的驗證處理的過程的流程圖；圖26是在根據本發明實施例的外觀檢查裝置中進行了非缺陷物品學習處理之后的非缺陷物品圖像輸入接受屏幕的示意性視圖；圖27是在根據本發明實施例的外觀檢查裝置中進行了非缺陷物品學習處理之后的結果顯示屏幕的示例性視圖；圖28是在根據本發明實施例的外觀檢查裝置中進行了非缺陷物品學習處理之后的非缺陷物品圖像輸入接受屏幕的示意性視圖；圖29是在根據本發明實施例的外觀檢查裝置中進行了非缺陷物品學習處理之后的結果顯示屏幕的示例性視圖；圖30是根據本發明實施例的外觀檢查裝置中用于檢查非缺陷物品顏色的屏幕的示例性視圖；以及圖31A和圖31B是根據本發明實施例的外觀檢查裝置中非缺陷物品顏色確定方法的說明示意圖。
具體實施方式
下面將參照附圖描述根據本發明一個實施例的外觀檢查裝置。應該注意，對該實施例的描述中參考的全部附圖中具有相同或相似構造或功能的元件提供相同或相似的參考標號，并省略其詳細描述。圖1是示出包括根據本發明一個實施例的外觀檢查裝置的產品檢查系統的構造的示意性視圖。如圖1所示，包括根據本發明的外觀檢查裝置的產品檢查系統包括相機I和外觀檢查裝置2，外觀檢查裝置2和相機I以數據可通信方式通過連接電纜10相連接。外觀檢查裝置2與顯示裝置(未示出)相連接，并容納圖像處理控制部件201和照明控制部件202。此外，照明控制部件202與照明裝置4以數據可通信方式通過連接電纜10相連接。照明裝置4以光照射在傳送帶5上移動的檢查對象6，并利用相機I拍攝檢查對象6的圖像。基于所拍攝的檢查對象6的圖像，外觀檢查裝置2判定檢查對象6是非缺陷物品還是缺陷物品。相機I中包括用于執行圖像處理的FPGA、DSP等，并且包括具有用于拍攝檢查對象6的圖像的成像元件的相機模塊。CMOS基板被提供作為成像元件，并且例如，所拍攝的彩色圖像被CMOS基板基于其擴展動態范圍的轉換特性轉換成HDR圖像。多個檢查對象6在傳送帶5的線路上流動。由設置在檢查對象6上方(或下方或側方)的相機I拍攝檢查對象6的圖像，并將拍攝的圖像與標準圖像(例如，拍攝的非缺陷物品的圖像)相比較，以判定檢查對象6中是否存在裂紋、缺陷等。當判定檢查對象6中存在裂紋、缺陷等時，則做出NG判定。另一方面，當判定檢查對象6中不存在裂紋、缺陷等時，則做出OK判定。以此方式，根據本發明的外觀檢查裝置2利用檢查對象6的拍攝圖像對檢查對象6做出非缺陷/缺陷判定。此處，在對檢查對象6進行外觀檢查的情況下，需要設置用于進行檢查的各種參數。這些參數例如是用于設置成像條件的成像參數、用于設置照明條件的照明參數、和用于設置表明如何進行檢查的檢查條件的圖像處理參數(檢查參數)。在外觀檢查裝置2中，所述這些各種參數在進行上述的非缺陷/缺陷判定之前被設置。簡言之，外觀檢查裝置2具有用于對檢查對象6進行非缺陷/缺陷判定的操作模式(運行模式)和用于對用于進行檢查的各種參數進行設置的設置模式(非運行模式)，并且外觀檢查裝置2具有用于切換這些模式的模式切換單元(未示出)。在處于操作模式下對在傳送帶5的線路上流動的多個檢查對象6重復進行非缺陷/缺陷判定之前，用戶在設置模式下對各種參數設置(調整)最佳參數值。基本上，對各種參數設置默認值，并且當用戶判定這些默認值最適合作為參數值時，則不需要調整這些參數值。同時，可以根據檢查對象6的種類或檢查環境的變化來調整參數值。根據本實施例的外觀檢查裝置2具有在處于設置模式下設置最佳參數值的情況下防止缺陷物品的圖像混雜到用作設置判定閾值的標準的圖像組中的功能。下文中，將詳細描述根據本實施例的外觀檢查裝置2的構造以及處理過程。圖2是示意性示出根據本發明實施例的外觀檢查裝置2的構造的框圖。如圖2所示，根據本實施例的外觀檢查裝置2與用于拍攝圖像的相機I和用于顯示拍攝圖像或在運算處理過程中產生的圖像的顯示裝置3相連接。
外觀檢查裝置2至少包括CPU (中央處理單元)、由LS I等構成的主控制部件21、存儲器22、存儲單元23、輸入單元24、輸出單元25、通信單元26、輔助存儲器27、和用于連接上述硬件的內部總線28。主控制部件21通過內部總線28與如上所述的外觀檢查裝置2的每個硬件部件連接，并控制上述每個硬件部件的操作，同時根據存儲在存儲單元23中的計算機程序100執行各種基于軟件的功能。存儲器22包括諸如SRAM、SDRAM等的易失性存儲器，并部署有在執行計算機程序100時的加載模塊，并存儲在執行計算機程序5時產生的臨時數據等。存儲單元23包括內置固定類型的存儲裝置(硬盤、閃存)、R0M等。存儲在存儲單元23中的計算機程序100被輔助存儲器27從記錄有諸如程序和數據的信息的可移動記錄介質90 (諸如DVD、CD-R0M、或閃存)中下載，并且在執行時，計算機程序100被從存儲單元23部署給存儲器22，然后被執行。當然，其也可以是通過通信單元26從外部計算機下載的計算機程序。存儲單元23提供有非缺陷物品圖像數據存儲部件231，用于存儲如下多個圖像的圖像數據，這些圖像構成被看作非缺陷物品的物品的一組圖像。雖然非缺陷物品圖像數據存儲部件231存儲被看作非缺陷物品的物品的圖像的圖像數據，但是該數據還包括盡管是缺陷物品但卻被用戶錯誤地判定為非缺陷物品的物品的圖像數據。即，存儲了被用戶判定為非缺陷物品(不管該物品是否是非缺陷物品)的物品的圖像數據。換言之，要被存儲到非缺陷物品圖像數據存儲部件231中的非缺陷物品圖像數據被用戶選擇并輸入作為構成被看作非缺陷物品的物品的該組圖像的一個圖像，該組圖像用作設置判定閾值的標準。尤其對于執行下述非缺陷物品學習處理，用戶利用顯示裝置3、輸入單元24等來選擇被用戶判定為非缺陷物品圖像的檢查對象6的圖像，并且多個所選圖像的圖像數據被存儲到非缺陷物品圖像數據存儲部件231中。通信單元26連接至內部總線28，并可以通過連接至諸如互聯網、LAN或WAN的外部網絡來向外部計算機發送數據以及從外部計算機接收數據等。即，前述存儲單元23不限于容納在外觀檢查裝置2中的構造，而是存儲單元23可以是安裝在通過通信單元26連接的外部服務器計算機等中的諸如硬盤的外部記錄介質。輸入單元24是廣義的概念，其除了諸如鍵盤和鼠標的數據輸入介質以外，還包括通常用于獲取輸入信息的裝置，諸如與液晶面板等集成在一起的觸摸板。輸出單元25是指諸如激光打印機、點打印機等的打印裝置。相機I是具有(XD成像兀件等的(XD相機。顯不裝置3是具有CRT、液晶面板等的顯示裝置。相機1、顯示裝置3等可以與外觀檢查裝置2集成在一起，或與其分離。外部控制設備110是通過通信單元26連接的控制設備，并且例如PLC (可編程邏輯控制器)等相當于該設備。此處，外部控制設備110指的是通常根據外觀檢查裝置2的檢查結果執行后處理的設備。圖3是示出根據本發明實施例的外觀檢查裝置2的主控制部件21執行的各種參數的設置處理的過程的流程圖。根據本發明實施例的外觀檢查裝置2具有對相機I進行拍攝所獲取的圖像進行各種圖像處理的多個圖像處理工具(其存儲在存儲單元23中)。基于檢查所需的期望圖像處理的描述，用戶預先針對檢查對象選擇一個或多個圖像處理工具，并利用所選的多個圖像處理工具進行非缺陷/缺陷判定。典型的圖像處理工具的示例包括:用于測量特定位置的面積的“面積”、用于檢測模式的“模式搜索”、用于測量邊緣位置的“邊緣定位”、用于測量關于斑塊的特征量的“斑塊”、用于檢測由于變化造成的裂紋的“裂紋”。在本實施例中，除了這些工具以外，“學習檢查”作為用于通過學習多個非缺陷物品圖像而自動定義非缺陷物品的范圍、以檢查“不是非缺陷物品”的物品的圖像處理工具而存在。圖3的流程圖示出了在用戶針對多個圖像處理工具中的“學習檢查”對設置模式進行各種設置的情況下的處理過程。在圖3中，外觀檢查裝置2的主控制部件21對其輸入已被接受的檢查對象6的圖像設置位置偏移校正模式(步驟S301)。具體地，對于其輸入已被接受的檢查對象6的圖像的微小偏移，設置用作標準的圖像模式允許調整其輸入已被接受的檢查對象6的圖像的位置偏移。簡言之，在顯示有由相機I進行拍攝獲得的圖像、或預先存儲在存儲單元23中的標準圖像(登記圖像)的顯示裝置3的屏幕上，用戶針對該圖像中的特征區域設置“位置偏移校正窗口 ”。所設置的“位置偏移校正窗口 ”可以形成為任意形狀，諸如矩形或圓形。主控制部件21設置要檢查的區域(步驟S302)。具體地，選擇矩形區域或圓形區域允許設置將要檢查其中是否存在缺陷的區域。即，用戶對顯示裝置3的屏幕上的設置有“位置偏移校正窗口”的圖像設置用于指定要檢查是否存在缺陷的區域的“檢查窗口”。此處，所設置的“檢查窗口 ”和在步驟S301中設置的“位置偏移校正窗口 ”之間的相對位置關系被存儲在存儲單元23中。然后，在下述操作模式中，首先，從輸入圖像檢測出特征區域作為檢查對象，以檢測“位置偏移校正窗口”的位置。然后，設置與“位置偏移校正窗口”處于所述相對位置關系的“檢查窗口 ”的位置，以允許在“檢查窗口 ”中檢測是否存在缺陷。以此方式，在操作模式中利用在步驟S301和S302中設置的“位置偏移校正窗口”和“檢查窗口”來指定檢查是否存在缺陷的區域。主控制部件21執行非缺陷物品學習處理(步驟S303)。具體地，如圖4所示執行非缺陷物品學習處理。圖4是示出由根據本發明實施例的外觀檢查裝置2的主控制部件21執行的非缺陷物品學習處理(圖3的步驟S303)的過程的流程圖。圖4中，外觀檢查裝置2的主控制部件21將被用戶通過輸入單元24選擇作為非缺陷物品的多個圖像的圖像數據存儲到非缺陷物品圖像數據存儲部件231中(步驟S401)。存儲在非缺陷物品圖像數據存儲部件231中的多條圖像數據成為被看作非缺陷物品的物品的一組圖像。接下來，從被看作非缺陷物品的物品的該組圖像中刪除實質上不應存儲在非缺陷物品圖像數據存儲部件231中的圖像，即刪除可能會引起缺陷部位的檢測精度劣化(缺陷閾值的錯誤設置)并由于錯誤學習而被混雜的圖像(步驟S402)。通常，用戶執行外觀檢查，并選擇和刪除已被判定為缺陷物品的物品的圖像。然而，目視檢查存儲在非缺陷物品圖像數據存儲部件231中的全部圖像是非常復雜的操作。因此，在根據本實施例的外觀檢查裝置2中，自動刪除本不應存儲到非缺陷物品圖像數據存儲部件231中的圖像。下面將參照圖5和圖6描述細節。在通過步驟S402獲得了更適合的圖像組之后，可以自動重置用于進行非缺陷/缺陷判定的判定閾值(步驟S403)。例如，根據下面的過程執行用于計算判定閾值的方法。主控制部件21基于已經在步驟S402中設置的缺陷閾值來針對存儲在非缺陷物品圖像數據存儲部件231中的全部圖像中的每一個來檢測缺陷部位，并獲取檢測到的缺陷部位的濃度的頻率分布來作為直方圖。隨后，主控制部件21通過統計處理計算新的缺陷閾值。主控制部件21利用參數化技術(例如，Smirnov-Grubbs測試等)和非參數化技術(例如，利用箱線圖的測試等)中的至少一種來自動計算最佳缺陷閾值，其中所述參數化技術以用作統計處理對象的濃度服從正態分布為前提，所述非參數化技術以該濃度不服從正態分布為前提。主控制部件21利用直方圖針對檢測到的缺陷部位中的每一個的缺陷量是否是異常值來進行測試。當找到明顯的異常值時，自動計算能夠刪除找到的異常值的新的缺陷閾值。例如，可以將缺陷閾值設置為介于找到的異常值和除找到的異常值以外的部分的中值之間。主控制部件21基于計算出的新的缺陷閾值重新針對前述的圖像組(存儲在非缺陷物品圖像數據存儲部件231中的全部圖像中的每一個)檢測缺陷部位，此后，基于檢測到的缺陷部位的缺陷量計算并設置新的判定閾值。作為用于計算和設置判定閾值的技術，例如，可以將計算出的缺陷量的最大值或統計計算出的大于所述最大值的值設置為判定閾值，或者可以利用統計處理來執行針對每個檢測到的缺陷部位的缺陷量是否是異常值的測試，以及可以將新的判定閾值計算并設置為使得從圖像組刪除其缺陷量被測試為異常值的圖像。通過自動設置閾值，例如，可以更可靠地反映用戶對僅具有輕微裂紋的檢查對象6做出OK判定的意圖。返回圖3，外觀檢查裝置2的主控制部件21驗證是否已經正確執行了非缺陷物品學習處理(步驟S304)，并調整設置參數以使將非缺陷物品正確判定為非缺陷物品。具體地，對通過利用相機I拍攝進行測試的多個檢查對象(非缺陷物品)6而獲取的非缺陷物品圖像或多個存儲的非缺陷物品圖像進行非缺陷/缺陷判定，并且用戶手動調整設置參數以獲得正確的結果。在對設置參數進行了最佳調整之后，主控制部件21存儲調整后的設置參數(步驟S305)，以完成設置模式。步驟S301至S305中示出的處理是所謂的關于設置模式的操作。接下來，當用戶通過輸入單元24等選擇了預定按鈕(例如，操作按鈕)時，模式從設置模式變換至操作模式，并啟動對傳動帶5的線路上流動的檢查對象6進行非缺陷/缺陷判定的操作(步驟S306)。更具體地，當從外部輸入了表示檢查對象6到達相機I下方的觸發信號時，外觀檢查裝置2拍攝檢查對象6的圖像，并利用在步驟S305中存儲的設置參數進行非缺陷/缺陷判定。此外，如上所述更具體地描述，首先從通過拍攝檢查對象6獲取的輸入圖像檢測特征區域(見步驟S301 )，以檢測“位置偏移校正窗口 ”的位置。然后，設置與“位置偏移校正窗口”處于相對位置關系的“檢查窗口”的位置，以利用在步驟S305中存儲的設置參數對“檢查窗口”內的圖像進行非缺陷/缺陷判定。然而，由于本實施例中示出了僅將“學習檢查”設置為圖像處理工具的示例，因此當“學習檢查”的缺陷量超過上限(判定閾值)時做出NG判定。與此相反，當設置了多個圖像處理工具(諸如前述的“區域”和“裂紋”)時，可以在利用所設置的任一圖像處理工具進行的處理變為NG時做出NG判定。此外，盡管在本實施例中只有一個相機I連接至外觀檢查裝置2，但是相機I的數量不限于一個，而是例如，可以連接多個相機I。在多個相機I連接至外觀檢查裝置2的情況下，可以針對各相機I拍攝的輸入圖像中的每一個來預先設置前述的圖像處理工具，并且當在外觀檢查中對從任一相機I輸入的圖像進行的外觀檢查結果是NG時可以做出NG判定。此外，盡管在本實施例中未特別描述多個圖像處理工具的執行順序，但是例如可以創建其中設置了多個圖像處理工具的處理順序的流程圖。簡言之，當針對多個“檢查窗口”中的每一個設置了圖像處理工具時，用戶能夠在顯示裝置3上對多個所設置的圖像處理工具進行設置。在此情況下，將其中設置了多個圖像處理工具的處理順序的程序存儲到存儲單元23中，并且主控制部件21根據所存儲的程序執行該多個圖像處理工具，并在利用任一圖像處理工具進行的檢查結果為NG時輸出NG判定。在圖4所示的步驟S402的處理中，根據本發明實施例的外觀檢查裝置2基于統計處理來刪除本來是缺陷物品(用戶期望看作缺陷物品)的圖像但卻被錯誤地存儲為非缺陷物品圖像的圖像。圖5是示出根據本發明實施例的外觀檢查裝置2的構造示例的功能框圖。在圖5中，根據本實施例的外觀檢查裝置2包括相機1、用于執行外觀檢查裝置2的處理的圖像處理部件7、存儲單元23、和圖像顯示部件8。相機I例如是數碼相機，其通過拍攝例如作為檢查對象6的薄膜表面而獲取圖像，并將圖像輸出至圖像處理部件7。圖像處理部件7包括圖像輸入單元71、閾值設置單元72、缺陷物品圖像存儲單元73、閾值重置單元74、非缺陷/缺陷判定單元75、判定結果顯示單元76、和備份單元77。此夕卜，圖像處理部件7被構造為包括主控制部件21、存儲器22、外部I/F等，并且控制圖像輸入單元71、閾值設置單元72、缺陷物品圖像存儲單元73、閾值重置單元74、非缺陷/缺陷判定單元75、判定結果顯示單元76、和備份單元77的處理操作。存儲單元23用作圖像存儲器并且在必要時存儲由相機I進行拍攝而獲取的圖像的圖像數據以及在圖像處理部件7中進行了各種處理(諸如對準和平均值計算)后的圖像數據。圖像可以不存儲為圖像數據，而是可以存儲為每個像素的亮度值數據。圖像顯示部件8由諸如計算機監視器的顯示裝置3構成。圖像顯示部件8的信息顯示單元81在顯示裝置3的顯示屏幕上顯示用作進行非缺陷/缺陷判定的對象的檢查對象6的拍攝圖像、和關于該對象是否是非缺陷物品的判定結果。即，當在顯示裝置3的顯示屏幕上顯示根據由圖像處理部件7進行的指定的圖像時，還在其上顯示關于檢查對象6是否是非缺陷物品的判定結果。當該圖像是在判定結果中被錯誤判定為非缺陷物品的物品的圖像時，選擇接受單元82接受對是否將信息返回至所存儲的關于非缺陷物品學習處理的信息的選擇。識別信息獲取單元83獲取識別用戶的識別信息。選擇接受單元82可以僅在獲取的識別信息表示是管理員而不是用戶時接受選擇來更新所存儲的關于非缺陷物品學習處理的信息。接下來，將描述圖像處理部件7的每個構造。圖像輸入單元71接受構成由相機I拍攝的圖像組的多個圖像、和被看作非缺陷物品的物品的圖像的輸入，并將這些圖像存儲到存儲單元23的非缺陷物品圖像數據存儲部件231中。圖像可以在輸入的任何模式下進行輸入。例如，通過利用相機I拍攝用于測試的多個檢查對象6而獲取的多個圖像的圖像數據可以存儲在非缺陷物品圖像數據存儲部件231中。此外，在諸如照明環境的外部環境改變時可以利用相機I對用于進行測試的一個檢查對象6的圖像拍攝多次，多個獲取的圖像的圖像數據可以存儲在非缺陷物品圖像數據存儲部件231中。此外，可以允許多個檢查對象6在傳送帶5的線路上流動，并可以利用相機I拍攝各檢查對象6的圖像，用戶可以在多個獲取的圖像中選擇應該被判定為非缺陷物品的物品的多個圖像，并且所選圖像的圖像數據可以存入非缺陷物品圖像數據存儲部件231中。簡言之，利用相機I進行拍攝而獲取的多個圖像的圖像數據或由用戶從相機I進行拍攝而獲取的多個圖像中選擇的該多個圖像的圖像數據被存入非缺陷物品圖像數據存儲部件231中。預先存儲被判定為非缺陷物品的物品的圖像的多條圖像數據允許將這些圖像數據存儲為用作用于設置進行非缺陷/缺陷判定的判定閾值的標準的圖像組。關于其輸入已被接受的每個圖像的圖像數據被存儲到存儲單元23的非缺陷物品圖像數據存儲部件231 中。圖7是根據本發明實施例的外觀檢查裝置2的非缺陷物品圖像輸入接受屏幕的示例性視圖。如圖7所示，利用相機I拍攝的檢查對象6的圖像(或由用戶在多個已獲取的圖像中選擇的一個圖像)顯示在圖像顯示區(主圖像顯示部件)41中。在非缺陷物品學習處理中，其可以顯示為要被存儲為非缺陷物品圖像的圖像候選。在非缺陷物品學習結果顯示區(非缺陷物品學習結果顯示部件)42中，針對在該階段存儲為非缺陷物品圖像的每個圖像顯示一個圖標。圖7中，顯示了標記“□”。當選擇了“添加”按鈕43時，接受正顯示在圖像顯示區41中的圖像的輸入。其輸入已被接受的圖像被存入非缺陷物品圖像數據存儲部件231中作為非缺陷物品圖像。接下來，當選擇了 “學習非缺陷物品圖像”按鈕44時，執行圖4的步驟S402所述的處理(和步驟S403所示的處理)。返回圖5，閾值設置單元72設置缺陷閾值。具體地，基于其輸入已被接受的圖像的圖像數據和/或被存儲為非缺陷物品圖像數據存儲部件231中的非缺陷物品圖像的非缺陷物品圖像，計算平均圖像和標準差圖像。然后假設利用每個像素濃度值的平均值μ和濃度值的標準差σ來使濃度正態分布。圖8是示出存儲在非缺陷物品圖像數據存儲部件231中的非缺陷物品圖像中任意像素的濃度值的分布的示例性視圖。水平軸表示濃度值(通常為O至255的整數值)，豎軸表 示頻率。例如，當存在30個非缺陷物品圖像時，總頻率為30。如圖8所示，濃度是正態分布的，并且在本實施例中，以濃度值的平均值μ為中心，(μ -3 σ )和(μ +3 O)各自被看作用于檢測缺陷部位的缺陷閾值的初始值。S卩，對于任意像素，當檢查對象6的圖像的濃度值位于從(μ-3σ)到(μ+3σ)的范圍內時，將該像素判定為不是缺陷像素(圖8中的“〇”標記)。另一方面，對于任意像素，當檢查對象6的圖像的濃度值不位于從(μ-3σ)到(μ+3(0的范圍內時，將該像素判定為缺陷像素(圖8中的“X”標記)。對于除了上述以外的所有像素，判定這些像素中的每一個是否是缺陷像素。無需說，用于檢測缺陷部位的缺陷閾值是可改變的，并且可以通過閾值設置單元72來改變(調整)設置。此外，盡管在本實施例中針對每個像素設置了缺陷閾值，但是本發明不限于此，例如，可以針對由多個像素組成的區域(例如，4X4像素的矩形區域)設置缺陷閾值。在此情況下，例如，是否將4X4像素的矩形區域檢測為缺陷部位根據該區域中具有最大濃度值的像素的濃度值是否超過缺陷閾值來確定。此處，利用缺陷量計算單元(未示出)計算存儲在非缺陷物品圖像數據存儲部件231中的每個非缺陷物品圖像數據的缺陷量。具體地，將被判定為缺陷像素的各像素的差分濃度值的總和(濃度積分值)(從存儲在非缺陷物品圖像數據存儲部件231中的一條圖像數據像素值減去平均圖像的圖像數據的像素值而獲得的各個值的絕對值，即，與濃度值的平均值μ的分離程度)計算為缺陷量。從而，例如，當有30條非缺陷物品圖像數據時，計算30個缺陷量。此外，盡管本實施例中計算了被判定為缺陷像素的像素的差分濃度值的總和作為缺陷量，但是還可以考慮除了該方法以外的各種計算方法。例如，可以計算作為在圖3的步驟S302中已被設置的待檢查區域中檢測到的斑塊(由多個缺陷像素組成的區域)的濃度體積(concentration volume)的總和。S卩，待檢查區域中其濃度值大于缺陷閾值的連續區域被看作斑塊，并將缺陷量計算為對該斑塊中包含的差分濃度值求和得到的濃度積分值。在利用差分濃度值的情況下，在寬范圍內延伸但具有低濃度的部位不太可能被檢測為缺陷部位。在本實施例中，可以利用濃度積分值可靠地檢測缺陷部位。此外，可以不使用濃度積分值，而是可以簡單地將被判定為缺陷像素的各像素的濃度值總和或者被檢測為缺陷部位的斑塊的濃度值總和計算為缺陷量。被判定為缺陷像素的各像素的濃度值中的最大濃度值可以被看作缺陷量。簡言之，只要缺陷量是可以與用于對檢查對象6進行非缺陷/缺陷判定的判定閾值進行比較的數字值，該缺陷量就可以是表示與缺陷閾值的分離程度的缺陷濃度值，或者可以是表示超過缺陷閾值的像素或斑塊面積的缺陷面積、或者可以是通過將缺陷濃度值乘以缺陷面積而得到的缺陷濃度體積。此外，異常值測試單元(未示出)通過統計處理測試計算出的每個缺陷量是否是異常值。為了測試異常值，可以利用參數化技術和非參數化技術中的至少一種，其中所述參數化技術以用作統計處理對象的缺陷量服從例如正態分布之類的概率分布為前提，所述非參數化技術以缺陷量不服從正態分布為前提。在本實施例中，使用了這兩種技術。即，在參數化技術中被測試為異常值、并且在非參數化技術中也被測試為異常值的缺陷量被看作異常值。這可以防止不管缺陷量是否服從正態分布而將不是異常值的值錯誤地測試為異常值。下面將描述參數化技術和非參數化技術的細節。結果，由于顯示并輸出了用于指定其缺陷量已被測試為異常值的圖像的異常值信息，因此用戶能夠容易地判定在被看成用作判定閾值的標準的非缺陷物品的物品的一組圖像中是否留下被所顯示的異常值信息指定的圖像(即，可能是缺陷物品的檢查對象6的圖像)(是否將該圖像保留在非缺陷物品圖像數據存儲部件231中)。盡管在本實施例中將異常值信息顯示在顯示裝置3上，但是可替換的，異常值信息可以顯示在諸如PLC的外部設備中。圖6是示出由根據本發明實施例的外觀檢查裝置2的主控制部件21執行的對錯誤學習的圖像數據進行的刪除處理(圖4的步驟S402)的過程的流程圖。在圖6中，外觀檢查裝置2的主控制部件21設置用于檢測缺陷部位的閾值(步驟S601)。主控制部件21基于設置的缺陷閾值計算缺陷量(步驟S602)。具體地，計算被確定為缺陷像素的各像素的差分濃度值的總和(濃度積分值)(從存儲在非缺陷物品圖像數據存儲部件231中的一條圖像數據的像素值減去平均圖像的圖像數據的像素值而獲得的各個值的絕對值，即，與濃度值的平均值μ的分離程度)作為缺陷量。主控制部件21利用統計處理測試計算出的每個缺陷量是否是異常值(步驟S603)。在本實施例中，使用了參數化技術和非參數化技術兩者，在參數化技術中被測試為異常值而且在非參數化技術中也被測試為異常值的缺陷量被看作異常值。主控制部件21顯示并輸出用于指定其缺陷量已經被測試為異常值的圖像的異常值信息(步驟S604)。圖像輸入單元71接受利用相機I進行拍攝而獲取的關于被判定為非缺陷物品的非缺陷物品的多個圖像的輸入，并存儲這些圖像。即，預先存儲被判定為非缺陷物品的各物品的多個圖像允許計算非缺陷/缺陷判定的閾值。關于其輸入已被接受的被判定為非缺陷物品的物品的每個圖像的圖像數據被存儲到存儲單元23的非缺陷物品圖像數據存儲部件231 中。圖9是在根據本發明實施例的外觀檢查裝置2中進行了非缺陷物品學習處理之后的非缺陷物品圖像輸入接受屏幕的示例性視圖。如圖9所示，在本實施例中，在圖像顯示區域41中顯示計算出的平均圖像。此外，在非缺陷物品學習結果顯示區域42中，與其缺陷量已經被測試為不是異常值的圖像對應的“ □”標記的圖標的顯示顏色改變，而與其缺陷量已經被測試為異常值的圖像對應的“□”標記的圖標以“ X ”標記顯示。如上所述，清楚地顯示了其缺陷量已經被測試為異常值的圖像，從而允許用戶指定和刪除造成檢測缺陷部位的精度劣化的圖像。盡管在本實施例中根據下面的圖10中描述的過程來自動刪除圖像，但是其缺陷量已經被測試為異常值的圖像可以從非缺陷物品圖像數據存儲部件231中手動刪除。圖10是在根據本發明實施例的外觀檢查裝置2中選擇缺陷物品的圖標的情況下的非缺陷物品圖像輸入接受屏幕的示意性視圖。如圖10所示，當選擇了非缺陷物品學習結果顯示區域42中的“ X ”標記圖標421時，在圖像顯示區域41中顯示對應于圖標421的圖像。同時，將原因顯示區域(原因顯示部件)45顯示為彈出屏幕，并且將表示已經“識別為缺陷物品”的消息顯示為顯示“ X ”標記的原因。此外，與“ X ”標記圖標421對應的圖像的圖像數據被從非缺陷物品圖像數據存儲部件231中自動刪除。這允許從用于設置判定閾值的被看作非缺陷物品圖像的一組圖像中刪除如圖10所示缺陷物品的圖像的圖像數據，該圖像數據已經混雜在非缺陷物品圖像數據存儲部件231中。盡管在本實施例中以這樣的方式執行自動刪除，但是可以例如顯示彈出屏幕等，并且可以允許用戶選擇是否從非缺陷物品圖像數據存儲部件231中刪除圖像數據。此外，圖11是在根據本發明實施例的外觀檢查裝置2中選擇另一缺陷物品的圖標的情況下的非缺陷物品圖像輸入接受屏幕的示意性視圖。如圖11所示，當選擇了非缺陷物品學習結果顯示區域42中的“ X ”標記圖標422時，在圖像顯示區域41中顯示對應于圖標422的圖像。圖11中，該圖像偏離圖像顯示區域41。同時，將原因顯示區域45顯示為彈出屏幕，并且將表示“測量區域偏離屏幕”的消息顯示為顯示“ X ”標記圖標422的原因。此外，類似于圖10，與“ X ”標記圖標422對應的圖像的圖像數據被從非缺陷物品圖像數據存儲部件231中自動刪除。這允許從用于設置判定閾值的被看作非缺陷物品的物品的一組圖像中刪除如圖11所示被判定為缺陷物品的物品的圖像的圖像數據，該圖像數據已經混雜在非缺陷物品圖像數據存儲部件231中。盡管在本實施例中以這樣的方式執行自動刪除，但是可以例如顯示彈出屏幕等，并且可以允許用戶選擇是否從非缺陷物品圖像數據存儲部件231中刪除圖像數據。當在圖像輸入單元71中接受了構成被看作非缺陷物品的各物品的一組圖像的多個圖像的輸入時，可以將用作位置調整的標準的圖像疊加并顯示在其輸入已被接受的圖像上。圖12是在將用作位置調整標準的圖像疊加在其輸入在根據本發明實施例的外觀檢查裝置2中已被接受的圖像上的情況下的非缺陷物品圖像輸入接受屏幕的示例性視圖。如圖12所示，在圖像顯示區域41中，顯示了用作用于位置調整的標準的圖像，并且其輸入已被接受的圖像與用作用于位置調整的標準的圖像相疊加并顯示。從而可以目視檢查其輸入已被接受的圖像相對于用作用于位置調整的標準的圖像的位置偏移程度，以更可靠地執行位置偏移的校正。盡管在本實施例中在圖像顯示區域41中顯示了用作用于位置調整的標準的圖像，但是例如可以顯示該組非缺陷物品圖像的平均圖像。返回圖5，閾值設置單元72還設置缺陷量的上限作為對檢查對象6進行非缺陷/缺陷判定的判定閾值。具體地，設置超過已經基于非缺陷物品圖像計算的缺陷量上限的值允許將非缺陷物品可靠地判定為非缺陷物品。此處，將缺陷量計算為通過對圖像中的其濃度值大于閾值的連續區域(即，斑塊)中包含的差分濃度值求和而得到的濃度積分值。圖13是在未設置缺陷閾值和判定閾值的情況下根據本發明實施例的外觀檢查裝置2中的閾值設置屏幕的示例性視圖。如圖13所示，閾值設置區域101提供有缺陷閾值設置區域102和上限設置區域103，缺陷閾值設置區域102用于設置用于檢測缺陷的缺陷閾值，上限設置區域103用于將檢測量的上限設置為判定閾值。圖13所示的“檢測閾值”指的是示出將被加到缺陷閾值μ ±3 σ中的3σ部分中的固定偏移量的值。例如，當“檢測閾值”被設置為“10”時，缺陷閾值被設置為μ ±(3 σ+10)。此外，圖13中所示的“判定缺陷量上限”是用于對檢查對象6進行非缺陷/缺陷判定的判定閾值。例如，在將“判定缺陷量上限”設置為“100”的情況下，當由缺陷量計算單元計算出的缺陷量不大于“100”時做出OK判定，而在由缺陷量計算單元計算出的缺陷量大于“100”時做出NG判定。在圖13的示例中，將“判定缺陷量上限”設置為“0”，從而在由缺陷量計算單元計算出的缺陷量不小于“I”時做出NG判定。S卩，盡管在圖13的圖像顯示區域41中顯示了缺陷部位105，但是不管該缺陷部位105的量如何都做出NG判定。此外,在缺陷量顯示區域(缺陷量顯示部件)104中，顯示由缺陷量計算單元計算出的缺陷量。圖14是根據本發明實施例的外觀檢查裝置2中的驗證屏幕的示例性視圖。如圖14所示，當在缺陷閾值設置區域102和上限設置區域103中設置了缺陷閾值和判定閾值時，僅在圖像顯示區域41中顯示非缺陷物品圖像而不顯示缺陷部位105，因此做出OK判定。此外，在缺陷物品圖像的情況下，將缺陷量的上限調整為判定閾值，因此可以清楚地顯示缺陷部位在哪。圖15是根據本發明實施例的外觀檢查裝置2中的驗證屏幕的示例性視圖。如圖15所示，當未在缺陷閾值設置區域102和上限設置區域103中設置缺陷閾值和判定閾值時，在圖像顯示區域41中還針對缺陷物品圖像顯示缺陷部位105。此外，在缺陷量顯示區域104中，顯示計算出的缺陷量。相應地，可以通過改變(更新)缺陷閾值(檢測閾值)的設置來切換曲線部位105的顯示/不顯示。圖16是根據本發明實施例的外觀檢查裝置2中的驗證屏幕的示例性視圖。如圖16所示，當在缺陷閾值設置區域102和上限設置區域103中設置了缺陷閾值和判定閾值時，在圖像顯示區域41中針對缺陷物品圖像顯示缺陷部位105，因此做出NG判定。然而，不顯示其濃度不大于設置的缺陷閾值的缺陷部位。因此可以目視檢查缺陷部位在哪兒，同時刪除不大于缺陷閾值且非缺陷部位的噪聲成分。返回圖3，缺陷物品圖像存儲單元73將作為被判定為缺陷物品的物品的圖像的缺陷物品圖像存儲到存儲單元23的缺陷物品圖像數據存儲部件232中。所存儲的缺陷物品圖像被用于檢查缺陷物品圖像是否是被無誤地判定為缺陷物品的物品的圖像。基于存儲在非缺陷物品圖像數據存儲部件231中的、作為包括其輸入被新近接受的圖像的圖像數據在內的的非缺陷物品圖像的非缺陷物品圖像數據，閾值設置單元74重新計算平均圖像和標準差圖像，以重新計算缺陷閾值。缺陷閾值重置單元74還統計地重新計算缺陷量的上限值作為對檢查對象6進行非缺陷/缺陷判定的判定閾值。當接受了通過拍攝檢查對象6而新獲取的圖像的輸入時，非缺陷/缺陷判定單元75基于已被閾值設置單元72重置的用于檢測缺陷部位的缺陷閾值重新檢測缺陷部位，其中閾值設置單元72利用包括其輸入已被接受的圖像多個存儲圖像進行非缺陷物品學習處理，并且非缺陷/缺陷判定單元75判定所存儲的缺陷物品圖像是否是缺陷物品的圖像。具體地，基于設置的缺陷閾值，檢測被判定為非缺陷物品的各物品的多個圖像中每一個的缺陷部位，被存儲的圖像包括新獲取的圖像。在本實施例中，基于缺陷閾值的初始值執行缺陷部位的第一檢測。基于自動設置的缺陷閾值執行缺陷部位的第二或隨后檢測。將缺陷量計算為通過將圖像中除了檢測到的缺陷部位以外的其濃度值大于缺陷閾值的連續區域(斑塊)中包含的差分濃度值進行求和而得到的濃度積分值。由于缺陷量被計算為斑塊中包含的濃度積分值，因此即使缺陷的缺陷量小于缺陷閾值但是在更寬的范圍內延伸時，也可以將其檢測為缺陷部位。為了計算用于檢測缺陷的檢測閾值，首先，利用設置的缺陷閾值檢測多個缺陷部位，并針對多個缺陷部位中的每一個獲取濃度值的直方圖。此處，斑塊中的最大濃度值被看作每個斑塊的濃度值。圖17是根據本發明實施例的外觀檢查裝置2中的濃度值的直方圖的示例性視圖。在圖17的示例中，水平軸表示O至255的濃度值，垂直軸表示具有各濃度值的斑塊的數量。除了缺陷外的由于噪聲等造成的斑塊具有小的濃度值。因此，將缺陷閾值141設置為缺陷閾值可以防止將由于噪聲等造成的斑塊檢測為缺陷部位。對于濃度，獲取了斑塊的面積的分布并且采用相似的統計處理來針對面積設置閾值，從而還允許刪除噪聲成分。缺陷閾值141被基于統計處理計算出來。在本實施例中，采用了 Smirnov-Grubbs測試作為參數化技術，該技術以用作統計處理對象的濃度值服從正態分布為前提，并且采用了利用箱線圖的測試作為非參數化技術，該技術以缺陷量不服從正態分布為前提。當然，本發明不限于使用正態分布，而是可以使用諸如t-分布、X 2-分布、泊松分布、或二項式分布之類的概率分布。在本實施例中，使用了參數化技術和非參數化技術二者。 在Smirnov-Grubbs技術中，將濃度值X的平均值取作X，其最大值為Xi，且其標準差為σ，從統計表獲得與α%的顯著水平對應的顯著點t，以利用(等式I)中的第三公式計算閾值Xi。[數學公式I]
權利要求
1.一種外觀檢查裝置，其將通過對檢查對象進行拍攝而獲取的圖像與被看作非缺陷物品的各物品的一組圖像進行比較，以進行非缺陷/缺陷判定，所述外觀檢查裝置包括: 圖像輸入單元，其用于接受構成被看作非缺陷物品的各物品的一組圖像的多個圖像的輸入，以存儲這些圖像； 閾值設置單元，其用于基于所存儲的所述多個圖像來設置用于檢測檢查對象的缺陷部位的缺陷閾值和用于做出非缺陷/缺陷判定的判定閾值； 缺陷物品圖像存儲單元，其用于存儲缺陷物品圖像，所述缺陷物品圖像為被判定為缺陷物品的物品的圖像； 閾值設置單元，其用于在接受了通過對檢查對象進行拍攝而新獲取的圖像的輸入的情況下，利用包括其輸入已被接受的圖像在內的所存儲的多個圖像來執行非缺陷物品學習處理，以至少重置缺陷閾值； 非缺陷/缺陷判定單元，其用于基于重置的缺陷閾值重新檢測缺陷部位，以基于設置的判定閾值判定所存儲的缺陷物品圖像是否是缺陷物品的圖像；以及判定結果顯示單元，其用于顯示非缺陷/缺陷判定結果。
2.根據權利要求1所述的外觀檢查裝置，包括: 備份單元，其用于將關于非缺陷物品學習處理的信息存儲為備份；以及選擇接受單元，其用于在判定結果中做出了所存儲的缺陷物品圖像是非缺陷物品的圖像的錯誤判定時，接受關于是否將信息返回至所存儲的關于非缺陷物品學習處理的信息的選擇。
3.根據權利要求2所述的外觀檢查裝置，包括: 識別信息獲取單元，其用于獲取用于識別用戶的識別信息，其中， 所述選擇接受單元基于獲取的識別信息僅顯示其選擇可被接受的物品。
4.根據權利要求3所述的外觀檢查裝置，其中所述選擇接受單元在獲取的識別信息表示管理員時接受對更新所存儲的關于非缺陷物品學習處理的信息的選擇。
5.根據權利要求3所述的外觀檢查裝置，其中所述選擇接受單元在獲取的識別信息表示操作者時僅接受對將信息返回至所存儲的關于非缺陷物品學習處理的信息的選擇。
6.一種由外觀檢查裝置執行的外觀檢查方法，所述外觀檢查裝置將通過對檢查對象進行拍攝而獲取的圖像與被看作非缺陷物品的各物品的一組圖像進行比較，以進行非缺陷/缺陷判定，所述外觀檢查方法包括以下步驟: 接受構成被看作非缺陷物品的各物品的一組圖像的多個圖像的輸入，以存儲這些圖像； 基于所存儲的所述多個圖像，設置用于檢測檢查對象的缺陷部位的缺陷閾值和用于做出非缺陷/缺陷判定的判定閾值； 存儲作為被判定為缺陷物品的物品的圖像的缺陷物品圖像； 在接受了通過對檢查對象進行拍攝而新獲取的圖像的輸入的情況下，利用包括其輸入已被接受的圖像在內的所存儲的多個圖像來執行非缺陷物品學習處理，以至少重置缺陷閾值； 基于重置的缺陷閾值重新檢測缺陷部位，以基于設置的判定閾值判定所存儲的缺陷物品圖像是否是缺陷物品的圖像；以及顯示非缺陷/缺陷判定結果。
7.根據權利要求6所述的外觀檢查方法，包括以下步驟: 將關于非缺陷物品學習處理的信息存儲為備份；以及 在判定結果中做出了所存儲的缺陷物品圖像是非缺陷物品的圖像的錯誤判定時，接受關于是否將信息返回至所存儲的關于非缺陷物品學習處理的信息的選擇。
8.根據權利要求7所述的外觀檢查方法，包括以下步驟: 獲取用于識別用戶的識別信息，其中， 基于獲取的識別信息僅顯示其選擇可被接受的物品。
9.根據權利要求8所述的外觀檢查方法，其中在獲取的識別信息表明管理員時接受對更新所存儲的關于非缺陷物品學習處理的信息的選擇。
10.根據權利要求8所述的外觀檢查方法，其中在獲取的識別信息表明操作者時僅接受對將信息返回所存儲的 關于非缺陷物品學習處理的信息的選擇。
全文摘要
本發明公開了外觀檢查裝置和外觀檢查方法。接受并存儲了構成被看作非缺陷物品的各物品的一組圖像的多個圖像的輸入，并基于所存儲的所述多個圖像設置了用于檢測檢查對象的缺陷部位的缺陷閾值和用于做出非缺陷/缺陷判定的判定閾值。預先存儲了作為被判定為缺陷物品的物品的圖像的缺陷物品圖像，并在接受了通過對檢查對象進行拍攝而新獲取的圖像的輸入的情況下，利用包括其輸入已被接受的圖像在內的所存儲的多個圖像執行非缺陷物品學習處理，以至少重置缺陷閾值。基于重置的缺陷閾值重新檢測缺陷部位，以基于設置的判定閾值來判定所存儲的缺陷物品圖像是否是缺陷物品的圖像。
文檔編號G01N21/88GK103196914SQ20131000420
公開日2013年7月10日 申請日期2013年1月6日 優先權日2012年1月6日
發明者平野高志 申請人:株式會社其恩斯