JP2013142558A - 外観検査装置、外観検査方法及びコンピュータプログラム - Google Patents

Abstract

【課題】追加学習により不良品であるにもかかわらず良品であると誤判定されているか否かを確認することができる外観検査装置、外観検査方法、及びコンピュータプログラムを提供する。
【解決手段】良品とされる画像群を構成する複数の画像の入力を受け付けて記憶し、記憶されている複数の画像に基づいて、検査対象物の欠陥部分を検出するための欠陥閾値及び良否判定を行うための判定閾値を設定する。不良品であると判定された不良品画像を記憶し、新たに検査対象物を撮像して取得した画像の入力を受け付けた場合、入力を受け付けた画像を含む記憶されている複数の画像を用いて良品学習処理を実行して少なくとも欠陥閾値を再設定する。再設定された欠陥閾値に基づいて欠陥部分を検出し直し、設定された判定閾値に基づいて記憶されている不良品画像が不良品であるか否かを判定し、良否の判定結果を表示する。
【選択図】図３

Description

本発明は、検査対象物を撮像して取得した画像群のうち、良品であると判定された画像を記憶してある画像群の中から、不良品であると判定された画像を削除する外観検査装置、外観検査方法、及びコンピュータプログラムに関する。

従来、検査対象物を撮像して取得した画像を、基準となる検査対象物の画像と比較することにより、検査対象物が良品であるか否かを判定する外観検査方法が開発されている。判定する基準となる画像は、外観検査により良品であると判定された画像であり、検査対象物を撮像して取得した画像と比較して良否を判定するための判定閾値を設定する。

良品を正しく良品であると判定するためには、適切な良否判定を行うための判定閾値を設定することが重要となる。例えば特許文献１では、良品画像を複数入力させ、検査対象物を撮像して取得した画像の良否を判定するための判定閾値を設定する画像処理方法を用いた画像検査装置が開示されている。特許文献１では、良品画像が追加される都度学習して、良否判定を行うための判定閾値を再設定しているので、良否判定に若干のばらつきが生じている場合であっても、適切な閾値を設定することができる。

特開２００５−２６５６６１号公報

特許文献１に開示されている画像処理方法を用いた画像検査装置では、良品であるにもかかわらず誤って不良品であると判定する誤判定が発生するおそれがあり、誤判定された画像を良品画像群に追加して判定閾値を再設定する、追加学習を実行する必要がある。しかし、場合によっては、追加学習を実行することにより判定基準が緩くなり、本来不良品であると判定されるべき画像を、誤って良品であると判定するおそれがあるという問題点があった。

本発明は上記事情に鑑みてなされたものであり、追加学習により不良品であるにもかかわらず良品であると誤判定されているか否かを確認することができる外観検査装置、外観検査方法、及びコンピュータプログラムを提供することを目的とする。

上記目的を達成するために第１発明に係る外観検査装置は、検査対象物を撮像して取得した画像を、良品とされる画像群と比較して良否判定を行う外観検査装置であって、良品とされる画像群を構成する複数の画像の入力を受け付けて記憶する画像入力手段と、記憶されている複数の画像に基づいて、検査対象物の欠陥部分を検出するための欠陥閾値及び良否判定を行うための判定閾値を設定する閾値設定手段と、不良品であると判定された不良品画像を記憶する不良品画像記憶手段と、新たに検査対象物を撮像して取得した画像の入力を受け付けた場合、入力を受け付けた画像を含む記憶されている複数の画像を用いて良品学習処理を実行して少なくとも前記欠陥閾値を再設定する閾値再設定手段と、再設定された欠陥閾値に基づいて欠陥部分を検出し直し、設定された判定閾値に基づいて記憶されている不良品画像が不良品であるか否かを判定する良否判定手段と、良否の判定結果を表示する判定結果表示手段とを備えることを特徴とする。

また、第２発明に係る外観検査装置は、第１発明において、良品学習処理に関する情報をバックアップとして記憶するバックアップ手段と、前記判定結果において、記憶されている不良品画像を良品であると誤って判定した場合、記憶してある良品学習処理に関する情報に戻すか否かの選択を受け付ける選択受付手段とを備えることを特徴とする。

また、第３発明に係る外観検査装置は、第２発明において、使用者を識別する識別情報を取得する識別情報取得手段を備え、取得した識別情報に基づいて、前記選択受付手段は、選択を受け付けることが可能な項目のみ表示することを特徴とする。

また、第４発明に係る外観検査装置は、第３発明において、前記選択受付手段は、取得した識別情報が管理者を示す場合、記憶してある良品学習処理に関する情報を更新する選択を受け付けることができることを特徴とする。

また、第５発明に係る外観検査装置は、第３発明において、前記選択受付手段は、取得した識別情報がオペレータを示す場合、記憶してある良品学習処理に関する情報に戻す選択しか受け付けることができないことを特徴とする。

次に、上記目的を達成するために第６発明に係る外観検査方法は、検査対象物を撮像して取得した画像を、良品とされる画像群と比較して良否判定を行う外観検査装置で実行することが可能な外観検査方法であって、良品とされる画像群を構成する複数の画像の入力を受け付けて記憶するステップと、記憶されている複数の画像に基づいて、検査対象物の欠陥部分を検出するための欠陥閾値及び良否判定を行うための判定閾値を設定するステップと、不良品であると判定された不良品画像を記憶するステップと、新たに検査対象物を撮像して取得した画像の入力を受け付けた場合、入力を受け付けた画像を含む記憶されている複数の画像を用いて良品学習処理を実行して少なくとも前記欠陥閾値を再設定するステップと、再設定された欠陥閾値に基づいて欠陥部分を検出し直し、設定された判定閾値に基づいて記憶されている不良品画像が不良品であるか否かを判定するステップと、良否の判定結果を表示するステップとを含むことを特徴とする。

また、第７発明に係る外観検査方法は、第６発明において、良品学習処理に関する情報をバックアップとして記憶するステップと、前記判定結果において、記憶されている不良品画像を良品であると誤って判定した場合、記憶してある良品学習処理に関する情報に戻すか否かの選択を受け付けるステップとを含むことを特徴とする。

また、第８発明に係る外観検査方法は、第７発明において、使用者を識別する識別情報を取得するステップを含み、取得した識別情報に基づいて、選択を受け付けることが可能な項目のみ表示することを特徴とする。

また、第９発明に係る外観検査方法は、第８発明において、取得した識別情報が管理者を示す場合、記憶してある良品学習処理に関する情報を更新する選択を受け付けることができることを特徴とする。

また、第１０発明に係る外観検査方法は、第８発明において、取得した識別情報がオペレータを示す場合、記憶してある良品学習処理に関する情報に戻す選択しか受け付けることができないことを特徴とする。

次に、上記目的を達成するために第１１発明に係るコンピュータプログラムは、検査対象物を撮像して取得した画像を、良品とされる画像群と比較して良否判定を行う外観検査装置で実行することが可能なコンピュータプログラムであって、前記外観検査装置を、良品とされる画像群を構成する複数の画像の入力を受け付けて記憶する画像入力手段、記憶されている複数の画像に基づいて、検査対象物の欠陥部分を検出するための欠陥閾値及び良否判定を行うための判定閾値を設定する閾値設定手段、不良品であると判定された不良品画像を記憶する不良品画像記憶手段、新たに検査対象物を撮像して取得した画像の入力を受け付けた場合、入力を受け付けた画像を含む記憶されている複数の画像を用いて良品学習処理を実行して少なくとも前記欠陥閾値を再設定する閾値再設定手段、再設定された欠陥閾値に基づいて欠陥部分を検出し直し、設定された判定閾値に基づいて記憶されている不良品画像が不良品であるか否かを判定する良否判定手段、及び良否の判定結果を表示する判定結果表示手段として機能させることを特徴とする。

また、第１２発明に係るコンピュータプログラムは、第１１発明において、前記外観検査装置を、良品学習処理に関する情報をバックアップとして記憶するバックアップ手段、及び前記判定結果において、記憶されている不良品画像を良品であると誤って判定した場合、記憶してある良品学習処理に関する情報に戻すか否かの選択を受け付ける選択受付手段として機能させることを特徴とする。

また、第１３発明に係るコンピュータプログラムは、第１２発明において、前記外観検査装置を、使用者を識別する識別情報を取得する識別情報取得手段として機能させ、取得した識別情報に基づいて、前記選択受付手段を、選択を受け付けることが可能な項目のみ表示する手段として機能させることを特徴とする。

また、第１４発明に係るコンピュータプログラムは、第１３発明において、前記選択受付手段を、取得した識別情報が管理者を示す場合、記憶してある良品学習処理に関する情報を更新する選択を受け付ける手段として機能させることを特徴とする。

また、第１５発明に係るコンピュータプログラムは、第１３発明において、前記選択受付手段を、取得した識別情報がオペレータを示す場合、記憶してある良品学習処理に関する情報に戻す選択しか受け付けることができない手段として機能させることを特徴とする。

第１発明、第６発明及び第１１発明では、良品とされる画像群を構成する複数の画像の入力を受け付けて記憶し、記憶されている複数の画像に基づいて、検査対象物の欠陥部分を検出するための欠陥閾値及び良否判定を行うための判定閾値を設定する。不良品であると判定された不良品画像を記憶しておき、新たに検査対象物を撮像して取得した画像の入力を受け付けた場合、入力を受け付けた画像を含む記憶されている複数の画像を用いて良品学習処理を実行して少なくとも欠陥閾値を再設定する。再設定された欠陥閾値に基づいて欠陥部分を検出し直し、設定された判定閾値に基づいて記憶されている不良品画像が不良品であるか否かを判定し、良否の判定結果を表示する。これにより、新たに取得した画像を追加して追加学習した場合に、不良品画像が間違いなく不良品であると判定されているか否かを確認することができ、良品学習処理が実行された設定パラメータや閾値が適切であるか否かを目視で確認することが可能となる。

第２発明、第７発明及び第１２発明では、良品学習処理に関する情報をバックアップとして記憶しておく。判定結果において、記憶されている不良品画像を良品であると誤って判定した場合、記憶してある良品学習処理に関する情報に戻すか否かの選択を受け付ける。これにより、新たな画像を追加して追加学習した場合に、不良品画像が間違いなく正しく不良品であると判定されなかった場合には、良品学習処理が不適切であると判断して、新たに取得した画像を追加する前の状態に容易に戻すことが可能となる。したがって、誤って良品学習処理を実行するリスクを回避することができ、より実態に即した良否判定を行うことが可能となる。

第３発明、第８発明及び第１３発明では、使用者を識別する識別情報を取得し、取得した識別情報に基づいて、選択を受け付けることが可能な項目のみを表示するので、無条件に良品学習処理を無効にすることを回避することができ、実態に即した良否判定を行うことが可能となる。

第４発明、第９発明及び第１４発明では、取得した識別情報が管理者を示す場合、記憶してある良品学習処理に関する情報を更新する選択を受け付けることができるので、管理者である場合にのみ良品学習処理に関する情報を更新することができるよう制御することができる。

第５発明、第１０発明及び第１５発明では、取得した識別情報がオペレータを示す場合、記憶してある良品学習処理に関する情報に戻す選択しか受け付けることができないので、無条件に良品学習処理に関する情報を更新することを回避することができ、それまでの良品学習処理に関する情報を無駄にすることがない。

本発明によれば、良品とされる画像群を構成する複数の画像の入力を受け付けて記憶し、記憶されている複数の画像に基づいて、検査対象物の欠陥部分を検出するための欠陥閾値及び良否判定を行うための判定閾値を設定する。不良品であると判定された不良品画像を記憶しておき、新たに検査対象物を撮像して取得した画像の入力を受け付けた場合、入力を受け付けた画像を含む記憶されている複数の画像を用いて良品学習処理を実行して少なくとも欠陥閾値を再設定する。再設定された欠陥閾値に基づいて欠陥部分を検出し直し、設定された判定閾値に基づいて記憶されている不良品画像が不良品であるか否かを判定し、良否の判定結果を表示する。これにより、新たに取得した画像を追加して追加学習した場合に、不良品画像が間違いなく不良品であると判定されているか否かを確認することができ、良品学習処理が実行された設定パラメータや閾値が適切であるか否かを目視で確認することが可能となる。

本発明の実施の形態に係る外観検査装置を含む製品検査システムの構成を示す模式図である。 本発明の実施の形態に係る外観検査装置の構成を模式的に示すブロック図である。 本発明の実施の形態に係る外観検査装置の主制御部の各種のパラメータ設定処理の手順を示すフローチャートである。 本発明の実施の形態に係る外観検査装置の主制御部の良品学習処理の手順を示すフローチャートである。 本発明の実施の形態に係る外観検査装置の一構成例を示す機能ブロック図である。 本発明の実施の形態に係る外観検査装置の主制御部の誤学習の画像データの削除処理の手順を示すフローチャートである。 本発明の実施の形態に係る外観検査装置の良品画像入力受付画面の例示図である。 良品画像データ記憶部に記憶されている良品画像の中の任意の一画素の濃度値の分布を示す例示図である。 本発明の実施の形態に係る外観検査装置の良品学習処理後の良品画像入力受付画面の例示図である。 本発明の実施の形態に係る外観検査装置の不良品のアイコンを選択した場合の、良品画像入力受付画面の例示図である。 本発明の実施の形態に係る外観検査装置の別の不良品のアイコンを選択した場合の、良品画像入力受付画面の例示図である。 本発明の実施の形態に係る外観検査装置の入力を受け付けた画像に、位置補正の基準となる画像を重ね合わせて表示した場合の、良品画像入力受付画面の例示図である。 本発明の実施の形態に係る外観検査装置の欠陥閾値及び判定閾値を設定していない場合の、閾値設定画面の例示図である。 本発明の実施の形態に係る外観検査装置の検証画面の例示図である。 本発明の実施の形態に係る外観検査装置の検証画面の例示図である。 本発明の実施の形態に係る外観検査装置の検証画面の例示図である。 本発明の実施の形態に係る外観検査装置の濃度値のヒストグラムの例示図である。 本発明の実施の形態に係る外観検査装置の箱ひげ図を用いて外れ値の有無を検定する場合の説明図である。 算出した欠陥量の分布と判定閾値との関係を示す例示図である。 本発明の実施の形態に係る外観検査装置の良品／不良品判定画面の例示図である。 本発明の実施の形態に係る外観検査装置の良品／不良品判定画面の例示図である。 本発明の実施の形態に係る外観検査装置の不良品画像を用いた検証画面の例示図である。 本発明の実施の形態に係る外観検査装置において、適切にＮＧ判定となった場合に示されるメッセージの例示図である。 本発明の実施の形態に係る外観検査装置において、誤判定となった場合に示されるメッセージの例示図である。 本発明の実施の形態に係る外観検査装置の主制御部の不良品画像を用いた検証処理の手順を示すフローチャートである。 本発明の実施の形態に係る外観検査装置の良品学習処理後の良品画像入力受付画面の例示図である。 本発明の実施の形態に係る外観検査装置の良品学習処理後の結果表示画面の例示図である。 本発明の実施の形態に係る外観検査装置の良品学習処理後の良品画像入力受付画面の例示図である。 本発明の実施の形態に係る外観検査装置の良品学習処理後の結果表示画面の他の例示図である。 本発明の実施の形態に係る外観検査装置の良品色を確認するための画面の例示図である。 本発明の実施の形態に係る外観検査装置の良品色の決定方法の説明図である。

以下、本発明の実施の形態に係る外観検査装置について、図面を参照して説明する。なお、本実施の形態の説明で参照する図面を通じて、同一又は同様の構成又は機能を有する要素については、同一又は同様の符号を付して、詳細な説明を省略する。

図１は、本発明の実施の形態に係る外観検査装置を含む製品検査システムの構成を示す模式図である。図１に示すように、本実施の形態に係る外観検査装置を含む製品検査システムはカメラ１と、カメラ１とデータ通信することが可能に接続ケーブル１０で接続されている外観検査装置２とで構成されている。外観検査装置２は表示装置（図示せず）と接続されており、画像処理制御部２０１と照明制御部２０２とを内蔵している。

また、照明制御部２０２は、照明装置４とデータ通信することが可能に接続ケーブル１０で接続されている。コンベア５上を移動してくる検査対象物６は、照明装置４で光が照射され、カメラ１で撮像される。外観検査装置２は、撮像された検査対象物６の画像に基づいて、検査対象物６が良品であるか不良品であるかを判定する。

カメラ１は、内部に画像処理を実行するＦＰＧＡ、ＤＳＰ等を備えており、検査対象物６を撮像する撮像素子を有するカメラモジュールを備えている。撮像素子としてはＣＭＯＳ基板を有しており、例えば撮像したカラー画像は、ＣＭＯＳ基板にてダイナミックレンジを広げる変換特性に基づいてＨＤＲ画像へ変換される。

複数の検査対象物６は、コンベア５のライン上を流れてくる。検査対象物６の上方（又は側方、下方）に設置されているカメラ１により検査対象物６を撮像し、撮像した画像を基準画像（例えば良品を撮像した画像）と比較して、検査対象物６に傷、欠陥等が存在するか否かの判断を行う。検査対象物６に傷、欠陥等が存在すると判断した場合には、ＮＧ判定となる。一方、検査対象物６に傷、欠陥等が存在しないと判断した場合には、ＯＫ判定となる。このように、本実施の形態に係る外観検査装置２は、検査対象物６を撮像した画像を用いて、検査対象物６の良否判定を行うものである。

ここで、検査対象物６の外観検査を行う場合、検査に用いる各種パラメータを設定する必要がある。例えば、撮像条件を設定する撮像パラメータ、照明条件を設定する照明パラメータ、どのような検査を行うかを示す検査条件を設定する画像処理パラメータ（検査パラメータ）等である。外観検査装置２では、上述した良否判定を行う前に、これらの各種パラメータを設定する。要するに、外観検査装置２は、検査対象物６の良否判定を行う運転モード（Ｒｕｎモード）と、検査に用いる各種パラメータの設定を行う設定モード（非Ｒｕｎモード）とを有しており、これらのモードを切り替えるためのモード切替手段（図示せず）を有している。

ユーザは、運転モードにおいて、コンベア５のライン上を流れてくる複数の検査対象物６に対して良否判定が繰り返し行われる前に、設定モードにおいて、各種パラメータに対して最適なパラメータ値を設定（調整）する。基本的に、各種パラメータに対してはデフォルト値が設定されており、ユーザがパラメータ値としてデフォルト値が最適であると判断した場合には、パラメータ値を調整する必要はない。

一方、検査対象物６の種類、検査環境の変動に応じて、パラメータ値を調整することもできる。本実施の形態に係る外観検査装置２は、設定モードにおいて最適なパラメータ値を設定する場合に、判定閾値の設定基準となる画像群に不良品の画像が混入することを防止する機能を有するものである。以下、本実施の形態に係る外観検査装置２の構成及び処理手順について詳細に説明する。

図２は、本発明の実施の形態に係る外観検査装置の構成を模式的に示すブロック図である。図２に示すように本実施の形態に係る外観検査装置２は、画像を撮像するカメラ１及び撮像された画像又は演算処理の過程で生成された画像を表示する表示装置３に接続されている。

外観検査装置２は、少なくともＣＰＵ（中央演算装置）、ＬＳＩ等で構成された主制御部２１、メモリ２２、記憶手段２３、入力手段２４、出力手段２５、通信手段２６、補助記憶手段２７及び上述したハードウェアを接続する内部バス２８で構成されている。主制御部２１は、内部バス２８を介して外観検査装置２の上述したようなハードウェア各部と接続されており、上述したハードウェア各部の動作を制御するとともに、記憶手段２３に記憶されているコンピュータプログラム１００に従って、種々のソフトウェア的機能を実行する。メモリ２２は、ＳＲＡＭ、ＳＤＲＡＭ等の揮発性メモリで構成され、コンピュータプログラム１００の実行時にロードモジュールが展開され、コンピュータプログラム１００の実行時に発生する一時的なデータ等を記憶する。

記憶手段２３は、内蔵される固定型記憶手段（ハードディスク、フラッシュメモリ）、ＲＯＭ等で構成されている。記憶手段２３に記憶されているコンピュータプログラム１００は、プログラム及びデータ等の情報を記録したＤＶＤ、ＣＤ−ＲＯＭ、フラッシュメモリ等の可搬型記録媒体９０から、補助記憶手段２７によりダウンロードされ、実行時には記憶手段２３からメモリ２２へ展開して実行される。もちろん、通信手段２６を介して外部のコンピュータからダウンロードされたコンピュータプログラムであっても良い。

記憶手段２３は、良品とされる画像群を構成する複数の画像の画像データを記憶しておく良品画像データ記憶部２３１を備えている。良品画像データ記憶部２３１には、良品とされる画像の画像データが記憶されているが、不良品であるにもかかわらず、ユーザが誤って良品であると判定した画像の画像データも含まれる。すなわち、ユーザが良品であると判定した（実際に良品であるか否かは問わない）画像データが記憶される。換言すれば、良品画像データ記憶部２３１に記憶される良品画像データは、判定閾値の設定基準となる良品とされる画像群を構成する一の画像として、ユーザによって選択・入力されるものである。特に、後述する良品学習処理を実行するために、ユーザは、表示装置３及び入力手段２４等を用いて、自ら良品であると判定した検査対象物６の画像を選択し、選択された複数の画像の画像データが良品画像データ記憶部２３１に記憶される。

通信手段２６は内部バス２８に接続されており、インターネット、ＬＡＮ、ＷＡＮ等の外部のネットワークに接続されることにより、外部のコンピュータ等とデータ送受信を行うことが可能となっている。すなわち、上述した記憶手段２３は、外観検査装置２に内蔵される構成に限定されるものではなく、通信手段２６を介して接続されている外部のサーバコンピュータ等に設置されているハードディスク等の外部記録媒体であっても良い。

入力手段２４は、キーボード及びマウス等のデータ入力媒体の他、液晶パネル等と一体となったタッチパネル等の入力情報を取得する装置全般を含む広い概念である。出力手段２５は、レーザプリンタ、ドットプリンタ等の印刷装置等を意味する。

カメラ１は、ＣＣＤ撮像素子を備えたＣＣＤカメラ等である。表示装置３は、ＣＲＴ、液晶パネル等を有する表示装置である。カメラ１、表示装置３等は、外観検査装置２と一体化されていても良いし、分離されていても良い。外部制御機器１１０は、通信手段２６を介して接続されている制御機器であり、例えばＰＬＣ（プログラマブルロジックコントローラ）等が相当する。ここで外部制御機器１１０とは、外観検査装置２による検査結果に応じて後処理を実行する機器全般を意味している。

図３は、本発明の実施の形態に係る外観検査装置２の主制御部２１の各種のパラメータ設定処理の手順を示すフローチャートである。なお、本実施の形態に係る外観検査装置２は、カメラ１で撮像して取得した画像に対する各種の画像処理を実行する複数の画像処理ツールを備えている（記憶手段２３に記憶）。ユーザは、所望の画像処理を必要とする検査内容に基づいて、検査対象物に対して一又は複数の画像処理ツールを事前に選択し、選択された複数の画像処理ツールを用いて、良否判定を行う。一般的な画像処理ツールとしては、特定箇所の面積を計測する「エリア」、パターンを検出する「パターンサーチ」、エッジの位置を計測する「エッジ位置」、ブロブ（塊）に関する特徴量を計測する「ブロブ」、変化によって傷を検出する「傷」などが挙げられるが、これらに加えて、本実施の形態では、複数の良品画像を学習させることで自動的に良品の範囲を定義し、“良品ではない”ものを検出する画像処理ツールとして、「学習検査」が存在する。図３に示すフローチャートは、設定モードにおいて、ユーザが複数の画像処理ツールのうち、「学習検査」について各種設定を行う場合の処理手順を示している。

図３において、外観検査装置２の主制御部２１は、入力を受け付けた検査対象物６の画像に対して、位置ずれ補正パターンを設定する（ステップＳ３０１）。具体的には、入力を受け付けた検査対象物６の画像は微妙に位置がずれていることから、基準となる画像のパターンを設定することで、入力を受け付けた検査対象物６の画像との位置ずれを調整することができる。要するに、カメラ１で撮像して取得した画像又は予め記憶手段２３に記憶されている基準画像（登録画像）が表示されている表示装置３の画面上で、ユーザが画像内の特徴的な領域に対して「位置ずれ補正用ウィンドウ」を設定する。設定された「位置ずれ補正用ウィンドウ」は、矩形状であっても良いし、円形状であっても良く、形状の如何は問わない。

主制御部２１は、検査する領域を設定する（ステップＳ３０２）。具体的には、矩形の領域又は円形の領域等を選択することで、欠陥の有無を検査する領域を設定することができる。すなわち、ユーザは、表示装置３の画面上で、「位置ずれ補正用ウィンドウ」が設定された画像に対し、欠陥の有無を検査する領域を特定するための「検査用ウィンドウ」を設定する。ここで、設定された「検査用ウィンドウ」と、ステップＳ３０１で設定された「位置ずれ補正用ウィンドウ」との相対的な位置関係は、記憶手段２３に記憶される。そして、後述する運転モードでは、まず検査対象となる入力画像の中から特徴的な領域を検出し、「位置ずれ補正用ウィンドウ」の位置を検出する。そして、「位置ずれ補正用ウィンドウ」と相対的な位置関係にある「検査用ウィンドウ」の位置を定め、「検査用ウィンドウ」内の欠陥の有無を検出することができる。このように、ステップＳ３０１及びステップＳ３０２において設定される「位置ずれ補正用ウィンドウ」と「検査用ウィンドウ」とは、運転モードにおいて、欠陥の有無を検査する領域を特定するために用いられる。

主制御部２１は、良品学習処理を実行する（ステップＳ３０３）。具体的には、図４に示すように、良品学習処理を実行する。図４は、本発明の実施の形態に係る外観検査装置２の主制御部２１の良品学習処理（図３のステップＳ３０３）の手順を示すフローチャートである。

図４において、外観検査装置２の主制御部２１は、入力手段２４等を介してユーザにより良品として選択された複数の画像の画像データを、良品画像データ記憶部２３１に記憶する（ステップＳ４０１）。良品画像データ記憶部２３１に記憶されている複数の画像データが、良品とされる画像群となる。

次に、良品画像データ記憶部２３１に本来記憶されるべきではない画像、つまり欠陥部分の検出精度の低下（欠陥閾値の誤設定）を招くおそれのある、誤学習により混入した画像を、良品とされる画像群から削除する（ステップＳ４０２）。従来は、ユーザが目視で確認しつつ不良品であると判断した画像を選択して削除していた。しかし、良品画像データ記憶部２３１に記憶されている全ての画像を目視で確認することは非常に煩雑な作業となる。そこで、本実施の形態に係る外観検査装置２では、良品画像データ記憶部２３１に本来記憶されるべきではない画像を自動的に削除するようにしている。詳細については、図５及び図６を用いて後述する。

なお、ステップＳ４０２によって、より適切な画像群が得られた後、良否判定を行うための判定閾値を自動的に再設定するようにしても良い（ステップＳ４０３）。判定閾値の算出方法は、例えば以下の手順で行う。

主制御部２１は、ステップＳ４０２において既に設定されている欠陥閾値に基づいて、良品画像データ記憶部２３１に記憶されている全ての画像それぞれについて欠陥部分を検出し、検出した欠陥部分の濃度の度数分布をヒストグラムとして取得する。その後、主制御部２１は、統計的処理により新たな欠陥閾値を算出する。

主制御部２１は、例えば統計的処理の対象となる濃度が正規分布に従うことを前提としたパラメトリック手法（例えばスミルノフ・グラブス検定など）、又は正規分布に従わないことを前提としたノンパラメリック手法（例えば、箱ひげ図を使った検定など）のうち、少なくとも１つを用いて、最適な欠陥閾値を自動算出する。主制御部２１は、検出した欠陥部分の欠陥量が、それぞれ外れ値であるか否かを取得したヒストグラムにより検定する。明らかな外れ値が見つかった場合には、見つかった外れ値を排除することができる新たな欠陥閾値を自動算出する。例えば、見つかった外れ値と、見つかった外れ値以外の部分の中央値との中間に、欠陥閾値を設定しても良い。

主制御部２１は、算出した新たな欠陥閾値に基づいて、上述した画像群（良品画像データ記憶部２３１に記憶されている全ての画像それぞれ）について欠陥部分を検出し直した後、検出した欠陥部分の欠陥量に基づいて新たな判定閾値を算出して設定する。判定閾値を算出して設定する手法としては、例えば、算出した欠陥量の最大値又は統計的に算出した最大値より大きい値を判定閾値として設定するようにしても良いし、検出した欠陥部分の欠陥量が、それぞれ外れ値であるか否かを統計的処理により検定し、外れ値であると検定された欠陥量を有する画像が画像群から削除されるように新たな判定閾値を算出して設定するようにしても良い。閾値の自動設定により、例えば、わずかな傷があるだけの検査対象物６についてはＯＫ判定にしたい、といったユーザの意図をより確実に反映させることができる。

図３に戻って、外観検査装置２の主制御部２１は、良品学習処理が正しく実行されたか否かを検証し（ステップＳ３０４）、良品が正しく良品であると判定されるよう設定パラメータを調整する。具体的には、テスト用のいくつかの検査対象物（良品）６をカメラ１で撮像して取得した良品画像又は記憶してある複数の良品画像について良否判定を行い、正しい結果となるようユーザが手動で設定パラメータを調整する。設定パラメータが最適に調整された後、主制御部２１は、調整した設定パラメータを記憶して（ステップＳ３０５）、設定モードを終了する。ステップＳ３０１〜ステップＳ３０５に示す処理が、いわゆる設定モードにおける動作である。

次に、ユーザにより、入力手段２４等を介して所定のボタン（例えば運転ボタン）等が選択された場合、設定モードから運転モードに切り替わり、コンベア５のライン上を流れてくる検査対象物６について良否判定を行う、という運転（運用）を開始する（ステップＳ３０６）。より具体的には、外観検査装置２は、カメラ１の下方に検査対象物６が到着したことを示すトリガ信号が外部から入力された場合、検査対象物６を撮像し、ステップＳ３０５で記憶された設定パラメータを用いて良否判定を行う。

さらに具体的に説明すると、上述したように、まず、検査対象物６を撮像した入力画像の中から特徴的な領域（ステップＳ３０１参照）を検出し、「位置ずれ補正用ウィンドウ」の位置を検出する。そして、「位置ずれ補正用ウィンドウ」と相対的な位置関係にある「検査用ウィンドウ」の位置を定め、「検査用ウィンドウ」内の画像に対し、ステップＳ３０５で記憶された設定パラメータを用いて良否判定を行う。

ただし、本実施の形態では、画像処理ツールとして「学習検査」のみが設定されている例を示しているので、「学習検査」の欠陥量が上限値（判定閾値）を超えた場合、ＮＧ判定になる。それに対して、例えば上述した「エリア」や「傷」等の複数の画像処理ツールが設定されている場合には、設定されている画像処理ツールのいずれかでＮＧとなった場合に、ＮＧ判定とすれば良い。

また、本実施の形態では、外観検査装置２にカメラ１が１台のみ接続されているが、特に１台に限定されるものではなく、例えば複数台のカメラ１を接続しても良い。外観検査装置２に複数のカメラ１が接続されている場合、それぞれのカメラ１で撮像された入力画像に対して、上述した画像処理ツールを設定しておき、いずれかのカメラ１から入力される画像に対する外観検査でＮＧとなった場合、ＮＧ判定になるようにすれば良い。

さらに、本実施の形態では、複数の画像処理ツールの実行順序については特に説明していないが、例えば複数の画像処理ツールの処理順序を設定したフローチャートが作成されるようにしても良い。要するに、複数の「検査用ウィンドウ」の各々に対し、それぞれ画像処理ツールが設定された場合、設定された複数の画像処理ツールの処理順序をユーザが表示装置３上で設定可能としても良い。この場合、複数の画像処理ツールの処理順序が設定されたプログラムが記憶手段２３に記憶され、主制御部２１は、記憶されているプログラムに従って、複数の画像処理ツールを実行し、いずれかの画像処理ツールを用いた検査でＮＧとなった場合、ＮＧ判定を出力する。

本発明の実施の形態に係る外観検査装置２は、図４に示すステップＳ４０２の処理において、不良品である（ユーザが不良品として扱いたい）にもかかわらず、誤って良品画像として記憶されている画像を、統計的処理に基づいて削除する。図５は、本発明の実施の形態に係る外観検査装置２の一構成例を示す機能ブロック図である。図５において、本実施の形態に係る外観検査装置２は、カメラ１と、外観検査装置２の処理を実行する画像処理部７と、記憶手段２３と、画像表示部８とで構成される。

カメラ１は、例えばディジタルカメラであり、検査対象物６として例えばフィルム表面を撮像し画像を取得して画像処理部７へ出力する。

画像処理部７は、画像入力手段７１と、閾値設定手段７２と、不良品画像記憶手段７３と、閾値再設定手段７４と、良否判定手段７５と、判定結果表示手段７６と、バックアップ手段７７とを含む。また、画像処理部７は、主制御部２１、メモリ２２、外部Ｉ／Ｆ等を含んで構成され、画像入力手段７１、閾値設定手段７２、不良品画像記憶手段７３、閾値再設定手段７４、良否判定手段７５、判定結果表示手段７６、及びバックアップ手段７７の処理動作を制御する。

記憶手段２３は、画像メモリとして機能し、カメラ１により撮像して取得した画像の画像データ、及び画像処理部７において位置合わせ、平均値算出等の各種処理を行った後の画像データを随時記憶する。画像データとしてではなく、画素ごとの輝度値データとして記憶しても良い。

画像表示部８は、コンピュータ用のモニタ等の表示装置３で構成される。画像表示部８の情報表示手段８１は、良否判定の対象となる検査対象物６を撮像した画像及び良品であるか否かの判定結果を、表示装置３の表示画面上に表示させる。すなわち、画像処理部７の指示に応じた画像を表示装置３の表示画面上に表示させるとともに、検査対象物６が良品であるか否かの判定結果も表示させる。選択受付手段８２は、判定結果において、記憶されている不良品画像を良品であると誤って判定した場合、記憶してある良品学習処理に関する情報に戻すか否かの選択を受け付ける。識別情報取得手段８３は、使用者を識別する識別情報を取得する。選択受付手段８２は、取得した識別情報がユーザではなく管理者を示す場合に限り、記憶してある良品学習処理に関する情報を更新する選択を受け付けることができる。

次に、画像処理部７の各構成について説明する。

画像入力手段７１は、カメラ１で撮像した、良品とされる画像群を構成する複数の画像の入力を受け付けて記憶装置２３の良品画像データ記憶部２３１に記憶する。画像の入力態様の如何については特に問わない。例えば、テスト用のいくつかの検査対象物６をカメラ１で撮像して取得した複数の画像の画像データを良品画像データ記憶部２３１に記憶するようにしても良い。また、テスト用の一の検査対象物６を、照明環境などの外部環境を変化させつつカメラ１で複数回撮像し、取得した複数の画像の画像データを良品画像データ記憶部２３１に記憶するようにしても良い。さらに、コンベア５のライン上に複数の検査対象物６を流し、それらをカメラ１で撮像し、取得した複数の画像の中から、良品であると判定されるべき複数の画像をユーザが選択し、選択された画像の画像データを良品画像データ記憶部２３１に記憶するようにしても良い。要するに、カメラ１で撮像して取得した複数の画像の画像データ、又はカメラ１で撮像して取得した複数の画像からユーザによって選択された複数の画像の画像データを、良品画像データ記憶部２３１に記憶する。良品であると判定された画像の画像データを複数記憶しておくことにより、これらを良否判定を行うための判定閾値の設定基準となる画像群として記憶しておくことができる。入力を受け付けた各画像に関する画像データは、記憶手段２３の良品画像データ記憶部２３１に記憶される。

図７は、本発明の実施の形態に係る外観検査装置２の良品画像入力受付画面の例示図である。図７に示すように、カメラ１で撮像した検査対象物６の画像（又は既に取得した複数の画像のうちユーザによって選択された一の画像）は、画像表示領域（主画像表示部）４１に表示される。良品学習処理では、良品画像として記憶する画像の候補として表示される。

良品学習結果表示領域（良品学習結果表示部）４２には、この段階で良品画像として記憶されている画像ごとに１つのアイコンが表示される。図７では、「□」印で表示されている。「追加」ボタン４３が選択された場合、画像表示領域４１に表示されている画像の入力を受け付ける。入力を受け付けた画像は、良品画像として良品画像データ記憶部２３１に記憶される。

次に、「良品画像を学習」ボタン４４が選択された場合、追加された良品画像を含めて、図４のステップＳ４０２に示す処理（及びステップＳ４０３に示す処理）が実行される。

図５に戻って、閾値設定手段７２は、欠陥閾値を設定する。具体的には、入力を受け付けた画像の画像データ及び／又は良品画像データ記憶部２３１に良品画像として記憶されている良品画像データに基づいて、平均画像及び標準偏差画像を算出する。そして、画素ごとの濃度値の平均μ及び濃度値の標準偏差σを用いて、濃度が正規分布していると仮定する。図８は、良品画像データ記憶部２３１に記憶されている良品画像の中の任意の一画素の濃度値の分布を示す例示図である。横軸が濃度値（一般的には０〜２５５の整数値）を示し、縦軸が度数を示している。例えば良品画像が３０枚あるとすれば、全度数は３０となる。

図８に示すように濃度は正規分布しており、本実施の形態では、濃度値の平均μを中心として（μ−３σ）及び（μ＋３σ）を、欠陥部分を検出するための欠陥閾値の初期値としている。すなわち、任意の一画素について、検査対象物６の画像の濃度値が（μ−３σ）から（μ＋３σ）までの範囲内であれば、その画素は欠陥画素ではないと判断する（図中「○」印）。一方で、任意の一画素について、検査対象物６の画像の濃度値が（μ−３σ）から（μ＋３σ）までの範囲内でなければ、その画素は欠陥画素であると判断する（図中「×」印）。その他、全ての画素について同様に欠陥画素であるか否かの判断を行う。もちろん、欠陥部分を検出するための欠陥閾値は変更可能であって、閾値設定手段７２で設定を変更（調整）することができることは言うまでもない。なお、本実施の形態では、一画素ごとに欠陥閾値を設定するようにしたが、特にこれに限定されるものではなく、例えば複数画素からなる領域（例えば４×４画素の矩形領域）ごとに欠陥閾値を設定するようにしても良い。この場合、例えば４×４画素の矩形領域のうち最大濃度値を有する画素の濃度値が欠陥閾値を超えているか否かによって、その領域を欠陥部分として検出するか否かを決定する。

ここで図示しない欠陥量算出手段により、良品画像データ記憶部２３１に記憶されている良品画像データのそれぞれについて欠陥量を算出する。具体的には、欠陥画素であると判断された画素の差分濃度値（良品画像データ記憶部２３１に記憶されている一の画像データの画素値から平均画像の画像データの画素値を差し引いた値の絶対値、つまり、濃度値の平均μから離れる程度）の総和（濃度積算値）を欠陥量として算出する。これにより、例えば良品画像データが３０個あれば、３０個の欠陥量が算出される。

なお、本実施の形態では、欠陥画素であると判断された画素の差分濃度値の総和を欠陥量として算出しているが、その他にも種々の算出方法が考えられる。例えば、図３のステップＳ３０２で設定した検査する領域で検出したブロブ（複数の欠陥画素からなる領域）の濃度体積の総和として算出しても良い。つまり、検査する領域中で濃度値が欠陥閾値より大きい連続した領域をブロブとして認識し、ブロブに含まれる差分濃度値を合算した濃度積算値として欠陥量を算出する。差分濃度値を用いる場合、濃度は低いが広範囲に広がっている部分については欠陥部分として検出されない可能性が高い。本実施の形態では、濃度積算値を用いることで、このような欠陥部分も確実に検出することができる。

また、濃度積算値を用いるのではなく、単純に欠陥画素であると判断された画素の濃度値の総和、又は欠陥部分として検出されたブロブの濃度値の総和を欠陥量として算出しても良い。欠陥画素であると判断された画素の濃度値のうち最大濃度値を欠陥量としても良い。要するに、欠陥量は、検査対象物６の良否判定を行うための判定閾値と比較できる数値であれば、欠陥閾値から離れる程度を示す欠陥濃度値であっても良いし、欠陥閾値を超えている画素又はブロブの面積を示す欠陥面積であっても良いし、欠陥濃度値に欠陥面積を乗じた欠陥濃度体積であっても良い。

また、図示しない外れ値検定手段により、算出した欠陥量が、それぞれ外れ値であるか否かを統計的処理により検定する。外れ値の検定には、統計的処理の対象となる欠陥量が一定の確率分布、例えば正規分布に従うことを前提としたパラメトリック手法又は正規分布に従わないことを前提としたノンパラメリック手法のうち、少なくとも１つを用いる。本実施の形態では、両者を併用している。つまり、パラメトリック手法でも外れ値であると検定され、ノンパラメトリック手法でも外れ値であると検定された欠陥量を外れ値としている。これにより、欠陥量が正規分布に従うか否かを問わず、外れ値でないにもかかわらず誤って外れ値であると検定されることを防ぐことができる。なお、パラメトリック手法及びノンパラメトリック手法の詳細については後述する。

結果として、外れ値であると検定された欠陥量を有する画像を特定する外れ値情報を表示出力するので、ユーザは、表示された外れ値情報により特定される画像、すなわち不良品である可能性が高い検査対象物６の画像を、判定閾値の基準となる良品とされる画像群に残すべきか否か（良品画像データ記憶部２３１に残しておくか否か）を容易に判断することができる。なお、本実施の形態では、表示装置３に外れ値情報を表示するようにしているが、その他、ＰＬＣ等の外部機器へ外れ値情報を出力するようにしても良い。

図６は、本発明の実施の形態に係る外観検査装置２の主制御部２１の誤学習の画像データの削除処理（図４のステップＳ４０２）の手順を示すフローチャートである。図６において、外観検査装置２の主制御部２１は、欠陥部分を検出するための欠陥閾値を設定する（ステップＳ６０１）。

主制御部２１は、設定された欠陥閾値に基づいて、欠陥量を算出する（ステップＳ６０２）。具体的には、欠陥画素であると判断された画素の差分濃度値（良品画像データ記憶部２３１に記憶されている一の画像データの画素値から平均画像の画像データの画素値を差し引いた値の絶対値、つまり、濃度値の平均μから離れる程度）の総和（濃度積算値）を欠陥量として算出する。

主制御部２１は、算出した欠陥量が、それぞれ外れ値であるか否かを統計的処理により検定する（ステップＳ６０３）。本実施の形態では、パラメトリック手法及びノンパラメトリック手法を併用し、パラメトリック手法でも外れ値であると検定され、ノンパラメトリック手法でも外れ値であると検定された欠陥量を、外れ値としている。

主制御部２１は、外れ値であると検定された欠陥量を有する画像を特定する外れ値情報を表示出力する（ステップＳ６０４）。

画像入力受付手段７１は、カメラ１で撮像して取得した、良品であると判定された良品に関する複数の画像の入力を受け付けて記憶する。すなわち、良品であると判定された画像を複数記憶しておくことにより、良否判定の閾値を算出することができる。入力を受け付けた良品であると判定された各画像に関する画像データは、記憶手段２３の良品画像データ記憶部２３１に記憶される。

図９は、本発明の実施の形態に係る外観検査装置２の良品学習処理後の良品画像入力受付画面の例示図である。図９に示すように、本実施の形態では、画像表示領域４１には、算出された平均画像を表示している。また、良品学習結果表示領域４２には、外れ値ではないと検定された欠陥量を有する画像に対応する「□」印のアイコンの表示色が変化し、外れ値であると検定された欠陥量を有する画像に対応する「□」印のアイコンには「×」印が表示されている。このように、外れ値であると検定された欠陥量を有する画像が明確に表示されることによって、ユーザは、欠陥部分の検出精度の低下を招くおそれがある画像を特定し、削除することができる。なお、本実施の形態では、以下の図１０で説明する手順に従って画像を自動的に削除するようにしているが、外れ値であると検定された欠陥量を有する画像を良品画像データ記憶部２３１から手動で削除しても良い。

図１０は、本発明の実施の形態に係る外観検査装置２の不良品のアイコンを選択した場合の、良品画像入力受付画面の例示図である。図１０に示すように、良品学習結果表示領域４２の「×」印のアイコン４２１が選択された場合、アイコン４２１に対応する画像が画像表示領域４１に表示される。同時に、ポップアップ画面として理由表示領域（理由表示部）４５が表示され、「×」印が表示された理由として、「不良品として認識」された旨を示すメッセージが表示される。

また、「×」印のアイコン４２１に対応する画像の画像データは、良品画像データ記憶部２３１から自動的に削除される。これにより、良品画像データ記憶部２３１に混入してしまった、図１０に示すような不良品の画像の画像データを、判定閾値を設定する良品とされる画像群から削除することができる。なお、本実施の形態では、このように自動的に削除するようにしているが、例えばポップアップ等を表示させ、良品画像データ記憶部２３１から削除するか否かをユーザに選択させるようにしても良い。

また、図１１は、本発明の実施の形態に係る外観検査装置２の別の不良品のアイコンを選択した場合の、良品画像入力受付画面の例示図である。図１１に示すように、良品学習結果表示領域４２の「×」印のアイコン４２２が選択された場合、アイコン４２２に対応する画像が画像表示領域４１に表示される。図１１では、画像が画像表示領域４１からはみ出している。同時に、ポップアップ画面として理由表示領域４５が表示され、「×」印のアイコン４２２が表示された理由として、「計測領域が画面外」である旨を示すメッセージが表示される。

また、図１０と同様に、「×」印のアイコン４２２に対応する画像の画像データは、良品画像データ記憶部２３１から自動的に削除される。これにより、良品画像データ記憶部２３１に混入してしまった、図１１に示すような不良品であると判定された画像の画像データを判定閾値を設定する良品とされる画像群から削除することができる。なお、本実施の形態では、このように自動的に削除するようにしているが、例えばポップアップ等を表示させ、良品画像データ記憶部２３１から削除するか否かをユーザに選択させるようにしても良い。

なお、画像入力手段７１において、良品とされる画像群を構成する複数の画像の入力を受け付けた場合、入力を受け付けた画像に、位置補正の基準となる画像を重ね合わせて表示しても良い。図１２は、本発明の実施の形態に係る外観検査装置２の入力を受け付けた画像に、位置補正の基準となる画像を重ね合わせて表示した場合の、良品画像入力受付画面の例示図である。

図１２に示すように、画像表示領域４１には位置補正の基準となる画像が表示されており、位置補正の基準となる画像と重ね合わせて入力を受け付けた画像を表示する。これにより、入力を受け付けた画像の、位置補正の基準となる画像に対する位置ずれの度合いを目視で確認することができ、位置ずれ補正をより確実に行うことが可能となる。なお、本実施の形態では、画像表示領域４１には、位置補正の基準となる画像を表示させるようにしているが、例えば、良品画像群の平均画像を表示させるようにしても良い。

図５に戻って、閾値設定手段７２は、検査対象物６の良否判定を行うための判定閾値として欠陥量の上限値も設定する。具体的には、良品画像に基づいて算出された欠陥量の上限値を超える値に設定することで、良品を確実に良品であると判定することができる。ここで、欠陥量とは、画像中で濃度値が閾値より大きい連続した領域、すなわちブロブに含まれる差分濃度値を合算した濃度積算値として算出する。

図１３は、本発明の実施の形態に係る外観検査装置２の欠陥閾値及び判定閾値を設定していない場合の、閾値設定画面の例示図である。図１３に示すように、閾値設定領域１０１は、欠陥を検出するための欠陥閾値を設定する欠陥閾値設定領域１０２と、判定閾値として欠陥量の上限値を設定する上限値設定領域１０３とを備えている。図１３に示す「検出しきい値」とは、欠陥閾値μ±３σの３σの部分に加える一定のシフト量を示す値を意味する。例えば、「検出しきい値」を‘１０’に設定した場合、欠陥閾値がμ±（３σ＋１０）に設定される。また、図１３に示す「判定欠陥量上限」とは、検査対象物６の良否判定を行うための判定閾値であって、例えば「判定欠陥量上限」を‘１００’に設定した場合、欠陥量算出手段によって算出された欠陥量が‘１００’以下の場合にはＯＫ判定となり、欠陥量算出手段によって算出された欠陥量が‘１００’を超えた場合にはＮＧ判定となる。図１３の例では、「判定欠陥量上限」が‘０’に設定されており、欠陥量算出手段によって算出された欠陥量が‘１’以上でＮＧ判定になる。つまり、図１３の画像表示領域４１には欠陥部分１０５が表示されているが、この欠陥部分１０５の多少にかかわらずＮＧ判定となる。また、欠陥量表示領域（欠陥量表示部）１０４には、欠陥量算出手段によって算出された欠陥量が表示される。

図１４は、本発明の実施の形態に係る外観検査装置２の検証画面の例示図である。図１４に示すように、欠陥閾値設定領域１０２及び上限値設定領域１０３に欠陥閾値及び判定閾値を設定した場合、画像表示領域４１には、良品画像のみが表示され、欠陥部分１０５は表示されず、ＯＫ判定となる。

また、不良品画像の場合には、判定閾値として欠陥量の上限値を調整することにより、どこが欠陥部分であるのか明示することができる。図１５は、本発明の実施の形態に係る外観検査装置２の検証画面の例示図である。

図１５に示すように、欠陥閾値設定領域１０２及び上限値設定領域１０３に欠陥閾値及び判定閾値を設定していない場合、画像表示領域４１には、不良品画像に対しても欠陥部分１０５が表示される。また、欠陥量表示領域１０４には、算出された欠陥量が表示される。このように、欠陥部分１０５の表示・非表示は、欠陥閾値（検出しきい値）の設定を変更（更新）することにより切り替えることができる。

図１６は、本発明の実施の形態に係る外観検査装置２の検証画面の例示図である。図１６に示すように、欠陥閾値設定領域１０２及び上限値設定領域１０３に欠陥閾値及び判定閾値を設定した場合、画像表示領域４１には、不良品画像に対して欠陥部分１０５が表示され、ＮＧ判定となる。ただし、濃度が設定された欠陥閾値以下の欠陥部分は表示されない。したがって、どこが欠陥部分であるのか目視で確認することができるとともに、欠陥閾値以下の欠陥部分ではないノイズ成分を消すことができる。

図３に戻って、不良品画像記憶手段７３は、不良品であると判定された不良品画像を記憶手段２３の不良品画像データ記憶部２３２へ記憶する。記憶されている不良品画像を用いて、不良品画像が間違いなく不良品であると判定されているか否かを確認するために用いられる。

閾値再設定手段７４は、新たに入力を受け付けた画像の画像データを含めて、良品画像データ記憶部２３１に良品画像として記憶されている良品画像データに基づいて、平均画像及び標準偏差画像を再度算出して欠陥閾値を再算出する。併せて、検査対象物６の良否判定を行うための判定閾値として欠陥量の上限値も統計的に再算出する。

良否判定手段７５は、新たに検査対象物６を撮像して取得した画像の入力を受け付けた場合、閾値設定手段７２により、入力を受け付けた画像を含む記憶されている複数の画像を用いて良品学習処理が実行されて再設定された、欠陥部分を検出するための欠陥閾値に基づいて欠陥部分を検出し直し、記憶されている不良品画像が不良品であるか否かを判定する。

具体的には、設定されている欠陥閾値に基づいて、新たに取得した画像を含めて記憶されている良品であると判定された複数の各画像の欠陥部分を検出する。本実施の形態では、１回目は欠陥閾値の初期値に基づいて欠陥部分を検出する。２回目以降は、自動的に設定された欠陥閾値に基づいて欠陥部分を検出する。検出された欠陥部分のうち、画像中で濃度値が欠陥閾値より大きい連続した領域（ブロブ）に含まれる差分濃度値を合算した濃度積算値として欠陥量を算出する。ブロブに含まれる濃度積算値として欠陥量を算出するので、欠陥量は欠陥閾値より小さいが広範囲に広がっている欠陥であっても、欠陥部分として検出することができる。

欠陥を検出するための欠陥閾値を算出するべく、まず設定されている欠陥閾値を用いて複数の欠陥部分を検出し、複数の欠陥部分の各々について、濃度値のヒストグラムを取得する。ここでは、ブロブ内の最大濃度値を各ブロブの濃度値とする。図１７は、本発明の実施の形態に係る外観検査装置２の濃度値のヒストグラムの例示図である。

図１７の例では、横軸は濃度値０〜２５５、縦軸は各濃度値を有するブロブの個数としている。欠陥以外のノイズ等に起因するブロブは、濃度値が小さい。したがって、欠陥閾値として欠陥閾値１４１を設定することにより、ノイズ等に起因するブロブが欠陥部分として検出されることを防止することができる。なお、濃度では、ブロブの面積の分布を取得して、同様の統計的処理を適用し、面積に対する閾値を設定してノイズ成分を消すこともできる。

欠陥閾値１４１は、統計的処理に基づいて算出する。本実施の形態では、統計的処理の対象となる濃度値が正規分布に従うことを前提としたパラメトリック手法として、スミルノフ・グラブス検定を採用し、正規分布に従わないことを前提としたノンパラメリック手法として、箱ひげ図を使った検定を採用する。もちろん、正規分布を用いることに限定されるものではなく、ｔ分布、χ² 分布、ポアソン分布、二項分布等の確率分布を用いても良い。本実施の形態では、パラメトリック手法とノンパラメリック手法とを併用することとした。

スミルノフ・グラブス手法では、濃度値Ｘの平均値をＸバー、最大値をＸ_i 、標準偏差をσとして、有意水準α％に対応する有意点ｔを統計数値表から求めて、（式１）の第三式を用いて閾値Ｘ_i を算出する。

（式１）により算出された閾値Ｘ_i は、欠陥閾値設定領域１０２に自動設定され、新たに入力を受け付けた画像に対して再度外観検査を実行することにより、自動設定された閾値が適切であるか否かを確認することができる。

また、濃度値Ｘが正規分布に従わない場合には、箱ひげ図を用いて欠陥閾値を算出する。欠陥部分の個数がＮ（Ｎは自然数）個である場合、小さい方から数えてＮ／４番目に相当する濃度値を第１四分位点（２５％点）、３Ｎ／４番目に相当する濃度値を第３四分位点（７５％点）として求める。そして、ＩＱＲ（Ｉｎｔｅｒｑｕａｒｔｉｌｅ Ｒａｎｇｅ）を、第３四分位点（７５％点）と第１四分位点（２５％点）との差分として算出する。

箱ひげ図とは、濃度値Ｘの中央値を挟んで、第１四分位点（２５％点）から第３四分位点（７５％点）までを「箱」状、第１四分位点（２５％点）及び第３四分位点（７５％点）から上限閾値及び下限閾値までをそれぞれ「ひげ」状に図示したものを意味する。図１８は、本発明の実施の形態に係る外観検査装置２の箱ひげ図を用いて外れ値の有無を検定する場合の説明図である。

図１８に示すように、濃度値Ｘの中央値１５１を挟んで、第１四分位点（２５％点）１５２から第３四分位点（７５％点）１５３までを「箱」状に図示している。そして、例えば上限閾値１５４を（第３四分位点＋３×ＩＱＲ）、下限閾値１５５を（第１四分位点−３×ＩＱＲ）として、第３四分位点１５３から上限閾値１５４までの間、及び下限閾値１５５から第１四分位点１５２までの間を「ひげ」状に破線で表示している。もちろん、ＩＱＲに乗算する係数は‘３’に限定されるものではなく、より厳しい条件で検出するように例えば‘１．５’にしても良いし、欠陥部分を検出する基準に応じて変更すれば良い。下限閾値１５５より小さい又は上限閾値１５４より大きい値である場合、例えば外れ値１５６を欠陥部分として検出することができる。

本実施の形態では、濃度値が大きいブロブだけを欠陥部分として検出する片側検定を行えば良いので、上限閾値１５４（第３四分位点＋３×ＩＱＲ）を欠陥閾値として算出する。

再算出した欠陥閾値に基づいて、再度記憶されている各画像の欠陥部分を検出し直し、検出し直した欠陥部分の欠陥量を算出する。具体的には、欠陥画素であると判断された画素の差分濃度値（良品画像データ記憶部２３１に記憶されている一の画像データの画素値から平均画像の画像データの画素値を差し引いた値の絶対値、つまり、濃度値の平均μから離れる程度）の総和（濃度積算値）を欠陥量として算出する。これにより、例えば良品画像データが３０個あれば、３０個の欠陥量が算出される。

なお、本実施の形態では、欠陥画素であると判断された画素の差分濃度値の総和を欠陥量として算出しているが、その他にも種々の算出方法が考えられる。例えば、図３のステップＳ３０２で設定した検査する領域で検出したブロブ（複数の欠陥画素からなる領域）の濃度体積の総和として算出しても良い。つまり、検査する領域中で濃度値が欠陥閾値より大きい連続した領域をブロブとして認識し、ブロブに含まれる差分濃度値を合算した濃度積算値として欠陥量を算出する。差分濃度値を用いる場合、濃度は低いが広範囲に広がっている部分については欠陥部分として検出されない可能性が高い。本実施の形態では、濃度積算値を用いることで、このような欠陥部分も確実に検出することができる。

また、濃度積算値を用いるのではなく、単純に欠陥画素であると判断された画素の濃度値の総和、又は欠陥部分として検出されたブロブの濃度値の総和を欠陥量として算出しても良い。欠陥画素であると判断された画素の濃度値のうち最大濃度値を欠陥量としても良い。要するに、欠陥量は、検査対象物６の良否判定を行うための判定閾値と比較できる数値であれば、欠陥閾値からの離れる程度を示す欠陥濃度値であっても良いし、欠陥閾値を超えている画素又はブロブの面積を示す欠陥面積であっても良いし、欠陥濃度値に欠陥面積を乗じた上記欠陥濃度体積であっても良い。

そして、欠陥部分の濃度値の度数分布を取得し、取得した度数分布を用いて統計的処理により新たな判定閾値を再算出する。図１９は、算出した欠陥量と判定閾値との関係を示す例示図である。図１９に示すように、良品画像ごとに欠陥量を算出し、算出した欠陥量の最大値又は統計的に算出した最大値より大きい値１６１を判定閾値として設定することにより、良品画像として記憶されている画像については、すべて良品であると判定することができる。

判定閾値は、欠陥閾値と同様の方法で算出する。まず、良品画像ごとに算出した欠陥量のヒストグラムを取得する。スミルノフ・グラブス手法では、欠陥量Ｙの平均値をＹバー、最大値をＹ_i 、標準偏差をσとして、有意水準α％に対応する有意点ｔを統計数値表から求め、（式２）の第三式を用いて上限値Ｙ_i を算出する。

（式２）により算出された上限値Ｙ_i は、上限値設定領域１０３に判定閾値として自動設定され、新たに入力を受け付けた画像に対して再度外観検査を実行することにより、自動設定された判定閾値が適切であるか否かを確認することができる。

また、欠陥量Ｙが正規分布に従わない場合には、箱ひげ図を用いて判定閾値を算出する。欠陥部分の個数がＮ（Ｎは自然数）個である場合、小さい方から数えてＮ／４番目に相当する欠陥量を第１四分位点（２５％点）、３Ｎ／４番目に相当する欠陥量を第３四分位点（７５％点）として求める。そして、ＩＱＲ（Ｉｎｔｅｒｑｕａｒｔｉｌｅ Ｒａｎｇｅ）を、第３四分位点（７５％点）と第１四分位点（２５％点）との差分として算出する。

本実施の形態では、欠陥量が大きい画像だけを不良品として判定する片側検定を行えば足りるので、上限閾値（第３四分位点＋３×ＩＱＲ）を判定閾値として算出する。

このように、本実施の形態では、新たな判定閾値を統計的に算出しているが、特にこれに限定されるものではなく、図１９に示す度数分布において、外れ値となるような欠陥量が算出されなかった場合には、図１９に示す度数分布における欠陥量の最大値を判定閾値として設定しても良い。また、欠陥量の最大値から一定の余裕をもたせ、欠陥量の最大値より所定量だけ大きな欠陥量を判定閾値として設定しても良い。要するに、取得された欠陥量の度数分布に基づいて、新たな判定閾値を算出して設定すれば良い。

このようにして再算出した欠陥閾値及び判定閾値が適切であるか否かを、不良品画像を用いて検証する。まず、不良品画像データ記憶部２３２に記憶されている不良品画像を順次表示させ、本当に不良品であるか否かの入力を受け付ける。具体的には、運転モードにおいて検査対象物６の外観検査を行う場合、幾つかの検査対象物６の画像はＮＧ判定される。ユーザは、表示装置３上でＮＧ判定された複数の画像を目視で確認して、このままＮＧ判定されていて構わない画像と、ＮＧ判定されたのはノイズが原因である等の理由により、良品に関する画像群（学習データ）に追加したい画像、すなわち追加学習したい画像とに分類する。以下、追加学習したい画像を表示させる画面例について説明する。

図２０及び図２１は、本発明の実施の形態に係る外観検査装置２の良品／不良品判定画面の例示図である。なお、図２０及び図２１に示す画面例は、運転モードから設定モードに移行した後、表示装置３においてユーティリティ画面としてユーザに提供される。ユーザが、表示装置３上に表示された、例えば「ＮＧ品検証」等のボタンを選択すると、上述したようにＮＧ判定された複数の画像が表示装置３上に表示される。表示態様は特に限定されるものではなく、ユーザ操作により１枚ずつ表示させても良いし、サムネイル形式で一覧表示しても良い。

図２０では、運転モードにおいてＮＧ判定されたが、ユーザは良品として扱いたい画像がある場合を示している。この場合、画像表示領域４１に表示された画像に対して、判定入力画面１７１にて「良品である」ボタンの選択を受け付けることで、不良品画像に混入している良品画像を良品として記憶することができる。つまり、画像表示領域４１に表示された画像を、良品画像データ記憶部２３１に追加記憶し、追加学習をすることができる。

図２１では、運転モード（又は設定モード）においてＮＧ判定され、ユーザがそのまま不良品として扱いたい画像がある場合を示している。表示された不良品画像に対して、判定入力画面１７１にて「ＮＧ品である」ボタンの選択を受け付けることで、不良品として良品学習処理の対象からは排除する。つまり、画像表示領域４１に表示された画像を、良品画像データ記憶部２３１に追加して記憶せず、追加学習の対象から排除することができる。

そして、本実施の形態では、「良品である」ボタンの選択を受け付けた場合、自動的に良品学習処理が行われるようになっている。すなわち、主制御部２１は、良品画像に追加された画像を含めて、追加学習として上述した良品学習処理を実行する。ただし、追加学習により、本来不良品と判定されるべき不良品画像が良品であると判定される、又はユーザが意図しない状態となり、しかも元の状態に復元することができない事態を回避するべく、図５に示すバックアップ手段７７は、追加学習前に良品学習処理に関する情報をバックアップとして記憶手段２３に記憶する。良品学習処理に関する情報としては、良品学習処理に使用した画像に関する情報、算出した欠陥閾値、判定閾値（欠陥量の上限値）等である（総括して学習データという）。

なお、本実施の形態では、バックアップ手段７７が学習データをバックアップファイルとして記憶手段２３に記憶しているが、例えば記憶手段２３として不揮発性メモリ等を利用し、学習データのうち欠陥閾値等のデータはＲＡＭ等の揮発性メモリに展開する構成とすることで、不揮発性メモリ内には学習処理に関する情報が常時記憶される。このようにすることで、不揮発メモリ内に記憶されているデータは学習前の状態が維持されているので、あえてバックアップファイルを作成する処理は不要となる。

また、「学習処理に関する情報」は、様々な種類の情報が考えられる。例えば、（１）追加学習する前に１０個の良品画像の画像データが良品画像データ記憶部２３１に記憶されていると仮定した場合、１０個すべての良品画像の画像データであっても良い。この場合、追加学習をした後にユーザが意図しない学習データになってしまったときには、１０個の画像データを用いて再び各画素についての平均値及び標準偏差から欠陥閾値を算出し、元の状態に戻せば良い。

ただし、良品画像数が多くなるにつれ、メモリ使用容量が大きくなる。そこで、例えば、（２）各画素について１０個の良品画像の各画素の画素値を加算した画素値の総和Ｐを計算するとともに、各画素について１０個の良品画像の各濃度値を２乗して全て加算した値Ｑを算出して、良品画像の個数（１０個）と総和Ｐと値Ｑとを、「学習処理に関する情報」としても良い。この場合、追加学習をした後にユーザが意図しない学習データになってしまったときには、総和Ｐの各画素の濃度値を１０で除算し、各画素について平均値を算出するとともに、総和Ｐと値Ｑとを用いて、各画素について標準偏差を算出し、元の状態に戻せば良い。

上述した復元処理を毎回行う場合、演算処理に相当の時間を要する場合も生じうる。そこで、例えば、（３）１０個の画像データから予め平均値と標準偏差（μ±３σ）、すなわち欠陥閾値を算出しておき、これを「学習処理に関する情報」としても良い。この場合、追加学習をした後にユーザが意図しない学習データになってしまった場合、予め記憶されている欠陥閾値を用いて、元の状態に戻せばよい。

要は、「学習処理に関する情報」とは、良品画像データ記憶部２３１に記憶されている複数の画像データの各画素において平均値と標準偏差を算出するための情報である。好ましくは、上述した（２）及び（３）のように、良品画像の個数（１０個）と総和Ｐと値Ｑと、１０個の画像データから得られる欠陥閾値とを、「学習処理に関する情報」とする。

図５に戻って、判定結果表示手段７６は、図２０に示すように、運転モードにおいてＮＧ判定されたが、ユーザは良品として扱いたい画像を表示する。本実施の形態では、上述したように追加学習した後、追加学習によって本来不良品とすべきものを誤判定（ＯＫ判定）していないか否かを確認するための画面を表示する。図２２は、本発明の実施の形態に係る外観検査装置２の不良品画像を用いた検証画面の例示図である。

図２２に示すように、図２０において追加学習された画像のいずれかを画像表示領域４１に表示させ、「検証実行」ボタン１９１の選択を受け付ける。「検証実行」ボタン１９１の選択を受け付けた場合、追加学習されたことにより更新された欠陥閾値及び判定閾値を用いて、良否判定が行われる。なお、図２０において追加学習された画像のいずれかを画像表示領域４１に表示させているが、例えばサムネイル画像等を用いて、追加学習された画像の全てを一覧表示させても良い。また、本実施の形態では、図２０において１回又は複数回追加学習を繰り返した後に、図２２に示す検証画面が表示されるが、とくにこれに限定されるものではなく、例えば図２０において１回追加学習をする都度、図２２に示す検証画面が表示され、不良品画像を用いた検証を行うようにしても良い。

そして、不良品画像を用いた検証に成功する、すなわち追加学習により新たに設定された欠陥閾値及び判定閾値を用いて、不良品画像の良否判定を行った結果、適切にＮＧ判定となった場合、その旨を示すメッセージが表示される。図２３は、本発明の実施の形態に係る外観検査装置２において、適切にＮＧ判定となった場合に示されるメッセージの例示図である。図２３に示すように、追加学習により再設定された欠陥閾値及び判定閾値等が適切であった旨のメッセージが表示出力される。

一方、不良品画像を用いた検証に失敗する、すなわち追加学習により新たに設定された欠陥閾値及び判定閾値を用いて、不良品画像の良否判定を行った結果、ＯＫ判定（誤判定）となった場合、その旨を示すメッセージを表示出力する。図２４は、本発明の実施の形態に係る外観検査装置２において、誤判定となった場合に示されるメッセージの例示図である。

図２４（ａ）及び（ｂ）に示すように、誤判定となった場合のメッセージには２種類ある。図２４（ａ）に示すように、ユーザが管理者である場合、図５に示すバックアップ手段７７により記憶してある学習データに戻すことが可能な「元に戻す」ボタン２１１と、追加学習前の状態に戻さずにそのまま続けることが可能な「そのまま続ける」ボタン２１２が表示される（選択受付手段８２）。「元に戻す」ボタン２１１の選択を受け付けた場合、記憶手段２３に記憶されている学習データを読み出し、今回表示されている画像を含まずに良品学習処理を実行した状態、つまり図２０に示す画面において追加学習を行う前の状態に戻すことができる。

一方、「そのまま続ける」ボタン２１２の選択を受け付けた場合、追加学習前の状態に戻すことなく処理を続行する。このように、ユーザが管理者である場合には、別のパラメータの設定等を更新することで、今回の一時的に誤判定となった状態を解消することができると考えられるので、「元に戻す」ボタン２１１と「そのまま続ける」ボタン２１２との選択を受け付けることが可能となっている。

なお、図２４（ｂ）に示すように、ユーザがオペレータである場合、別のパラメータの設定等を更新する権限が与えられていないので、強制的に「元に戻す」ボタン２１１を押したときと同じような動作、つまり追加学習前の状態に戻す動作が行われ、オペレータの不用意な追加学習によって、欠陥閾値が本来不良品としなければならない画像まで良品として誤判定するような欠陥閾値に更新されるおそれがある。このように、ユーザが管理者であるのか、オペレータであるのかを識別情報により判断し、不良品画像を用いた検証結果を表示させた場合に行うことが可能な操作を変更している。要するに、本実施の形態に係る外観検査装置２は、複数の異なる識別情報を取得し、取得した識別情報に基づいて、追加学習をする前の状態に戻すか否かを選択できるようにするか（図２４（ａ）参照）、強制的に追加学習をする前の状態に戻すか、切り替えて表示している。

なお、操作しているユーザが管理者であるか、一般ユーザであるかは、ユーザの識別情報に基づいて判断する。すなわち、ユーザ情報を識別情報に対応付けて記憶手段２３に記憶しておき、ユーザの識別情報をログイン操作等により取得することで（識別情報取得手段８３）、ユーザが管理者である場合、記憶されている学習データを更新する選択を受け付けることができる。

図２５は、本発明の実施の形態に係る外観検査装置２の主制御部２１の不良品画像を用いた検証処理の手順を示すフローチャートである。

図２５に示すように、外観検査装置２の主制御部２１は、追加学習をする前の状態の学習データをバックアップとして記憶手段２３に記憶する（ステップＳ２５０１）。もちろん、上述したように、不揮発性メモリ等を用いれば、このバックアップ処理を必ずしも行う必要はない。

次に、ユーザは、運転モード又は設定モードで良否判定が行われ、ＮＧ判定となった画像（記憶手段２３に記憶）の中から、ユーザが良品として扱いたい画像（良品である画像）を、表示装置３等を介して選択する。すなわち、主制御部２１は、ユーザから、良品として扱いたい画像の選択を受け付ける（ステップＳ２５０２）。そして、選択を受け付けた画像は、良品画像データ記憶部２３１に記憶される。なお、ステップＳ２５０２の処理及びステップＳ２５０１の処理は、順序が入れ替わっても良い。すなわち、ユーザから、良品として扱いたい画像の一又は複数の選択を受け付けて（ステップＳ２５０２）、ユーザによって例えば図２０に示す「次へ」ボタンが選択された時点で、バックアップ処理（ステップＳ２５０１）が行われ、そのまま続けて追加学習（ステップＳ２５０３）が行われるようにしても良い。

主制御部２１は、選択を受け付けた画像を含めて追加学習し（ステップＳ２５０３）、欠陥を検出するための欠陥閾値及び良否判定を行うための判定閾値（欠陥量の上限値）を更新する（ステップＳ２５０４）。換言すれば、良品画像データ記憶部２３１に記憶され、ステップＳ２５０２にて選択を受け付けた画像（運転モードにおいてＮＧ判定となった画像）を用いて、良品学習処理を実行し、少なくとも欠陥閾値の更新を行う。本実施の形態では、閾値の自動設定（図４のステップＳ４０３）によって判定閾値も更新するようにしているが、欠陥閾値のみを更新するようにしても良い。主制御部２１は、更新された欠陥閾値及び判定閾値に基づいて、不良品画像による検証を実行する（ステップＳ２５０５）。より具体的には、主制御部２１は、不良品画像データ記憶部２３２に記憶されている不良品画像を読み出して、ステップＳ２５０４で更新された欠陥閾値及び判定閾値を用いて不良品画像の良否判定を行う。要するに、ステップＳ２５０４にて更新（再設定）された欠陥閾値に基づいて欠陥部分を検出し直し、予め設定されている判定閾値に基づいて、不良品画像データ記憶部２３２から読み出した不良品画像の良否判定を行う。

主制御部２１は、不良品画像がＮＧ判定されたか否かを判断する（ステップＳ２５０６）。主制御部２１が、不良品画像がＮＧ判定されたと判断した場合（ステップＳ２５０６：ＹＥＳ）、主制御部２１は、追加学習は適切であると判断して、追加学習を実行した後の学習データを記憶手段２３に記憶する（ステップＳ２５０７）。

主制御部２１が、不良品画像がＯＫ判定されたと判断した場合（ステップＳ２５０６：ＮＯ）、主制御部２１は、追加学習は不適切であると判断して、追加学習を実行する前にバックアップとして記憶手段２３に記憶してある学習データに戻し（ステップＳ２５０８）、処理を終了する。本実施の形態では、図２４（ａ）に示すように、ユーザが管理者である場合には、追加学習を実行する前の状態に戻すか、そのまま処理を続行継続するかを選択することができる。一方で、図２４（ｂ）に示すように、ユーザがオペレータである場合には、追加学習を実行する前の状態に戻す操作の選択しか受け付けない。要するに、記憶手段２３等に記憶されている、使用者を識別する識別情報に基づいて、選択を受け付けるための表示パターンが変更される。換言すれば、記憶手段２３には、複数の異なる表示パターンが予め記憶されており、主制御部２１は、取得した識別情報に応じて一の表示パターンを選択し、表示装置３に表示する。そして、取得した識別情報に応じて、ユーザから選択を受け付けることが可能な内容を変更する。これにより、オペレータにより誤って良品学習処理が実行されるリスクを回避することができ、ひいては判定精度の低下を防ぐことができる。

以上のように本実施の形態によれば、新たに取得した画像を含めて追加学習した場合に、不良品画像が間違いなく不良品であると判定されているか否かを確認することができ、良品学習処理が実行された設定パラメータや欠陥閾値、判定閾値が適切であるか否か、すなわち追加学習によって、本来不良品としなければならない画像まで良品として誤判定することがないか、を目視で確認することが可能となる。

なお、欠陥閾値を構成する標準偏差σの大きさをばらつき度として表示しても良い。図２６は、本発明の実施の形態に係る外観検査装置２の良品学習処理後の良品画像入力受付画面の例示図である。図２６では、画像表示領域４１に標準偏差画像を表示している。標準偏差画像は、階調の変化を色相の変化で表すことが好ましい。例えば、色相の変化により判定精度が低下する境界部分等の欠陥を目視で確認することができるからである。なお、ここでは色相を変化させているが、例えば明度と彩度とを同時に変化させても良い。

また、欠陥部分だけを表示することも行われているが、欠陥部分だけを表示する場合、検査対象物６のどの部分に欠陥が生じているのか不明であるという問題点があった。そこで、例えば欠陥が生じた場合には欠陥部分を色付けし、その他の部分をグレー化して表示する。

図２７は、本発明の実施の形態に係る外観検査装置２の良品学習処理後の結果表示画面の例示図である。図２７に示すように、画像表示領域４１に欠陥部分を検出した不良品画像を表示する。この場合に、欠陥部分の色を変えて、例えば赤で表示するとともに、その他の部分をグレーで表示することにより、検査対象物６のどの部分に欠陥が生じているのか、容易に目視で確認することが可能となる。

また、平均画像の所定の領域の形状を記憶しておき、良品画像の入力を受け付けた時点で、入力を受け付けた画像から所定の領域の形状を検出しても良い。所定の領域の形状を検出することができなかった場合には、検査対象物６の検査する領域を誤って設定しているおそれがあり、判定精度が大きく低下する。したがって、所定の領域の形状を検出することで、判定精度の低下を未然に回避することが可能となる。

図２８は、本発明の実施の形態に係る外観検査装置２の良品学習処理後の良品画像入力受付画面の例示図である。画像表示領域４１には、平均画像を表示している。図２８の例では、良品とされる画像群を構成する複数の画像の入力を受け付けた場合に、平均画像に重ねて平均画像を算出することが可能な領域、すなわち、すべての良品画像に共通している領域（すべての良品画像が重なっている領域）２８１を表示している。それ以外の領域２８２では、平均画像を算出することができないので、良品学習処理を実行することができない。

つまり、位置ずれにより、すべての良品画像には含まれていない領域２８２が存在しており、斯かる領域２８２が多く存在する場合、判定精度が大きく低下する。したがって、平均画像に重ねて領域２８１、２８２を表示することにより、平均画像を算出することができない領域２８２の存在を目視で確認することができ、判定精度の低下を未然に回避することができる。

また、図２９は、本発明の実施の形態に係る外観検査装置２の良品学習処理の結果表示画面の他の例示図である。図２９の例では、本来は表示されない方が好ましい、すべての良品画像に共通している領域（すべての良品画像が重なっている領域）２８１以外の領域２８２が表示されている。この場合、領域２８２の表示色を変える等の工夫をすることにより、平均画像を算出することができない領域が検査する領域に含まれていることを目視で確認することができ、領域２８２が表示されないように平均画像を拡大等することにより、領域２８２を含まないように検査する領域を再設定することが可能となる。

さらに、色のばらつきを表示することにより、何色を良品として判断しているか目視で確認しても良い。図３０は、本発明の実施の形態に係る外観検査装置２の良品色を確認するための画面の例示図である。

図３０に示すように、画像表示領域４１に表示されているカラー表示の平均画像の１点を選択する。図３０では、「＋」点３０１が選択されたものとする。「＋」点３０１が選択された場合、「＋」点３０１の良品色が良品色表示領域（良品色表示部）３０２に表示される。良品色表示領域３０２に表示された色を目視で確認することにより、欠陥部分の色が良品色に含まれているか否かを確認することが容易であり、良品学習処理が正しく実行されたか否かを検証することができる。

良品色は、マハラノビス色空間から二次元の色空間に写像して決定する。図３１は、本発明の実施の形態に係る外観検査装置２の良品色の決定方法の説明図である。図３１（ａ）は、マハラノビス色空間の例示図である。図３１（ａ）に示すＲ軸、Ｇ軸、Ｂ軸を取り、それぞれの軸方向に−３σ〜＋３σでパラメータを振り分けている。

図３１（ｂ）は、パラメータと画面に表示される色との対応を示す図である。Ｒ軸は、図３１（ｂ）の横軸に、Ｂ軸は縦方向に７分割したそれぞれに、Ｇ軸は縦軸にそれぞれ写像することにより、Ｒ軸、Ｇ軸、Ｂ軸の三次元で求めたマハラノビス空間の広がりを二次元的に表現する。図３１（ｂ）に表示された色のグラデーションが、良品色表示領域２０２に表示される。なお、ここではマハラノビス空間の直方体について、各軸をＲ軸、Ｇ軸、Ｂ軸と平行にしているが、必ずしも平行である必要はない。

なお、本発明は上記実施例に限定されるものではなく、本発明の趣旨の範囲内であれば多種の変更、改良等が可能である。例えばカメラ１、表示装置３等は、外観検査装置２と一体化されていても良いし、分離されていても良い。

１ カメラ
２ 外観検査装置
３ 表示装置
７ 画像処理部
８ 画像表示部
２１ 主制御部
２２ メモリ
２３ 記憶手段
２４ 入力手段
２５ 出力手段
２６ 通信手段
２７ 補助記憶手段
２８ 内部バス
９０ 可搬型記録媒体
１００ コンピュータプログラム

Claims (15)

1. 検査対象物を撮像して取得した画像を、良品とされる画像群と比較して良否判定を行う外観検査装置であって、
   良品とされる画像群を構成する複数の画像の入力を受け付けて記憶する画像入力手段と、
   記憶されている複数の画像に基づいて、検査対象物の欠陥部分を検出するための欠陥閾値及び良否判定を行うための判定閾値を設定する閾値設定手段と、
   不良品であると判定された不良品画像を記憶する不良品画像記憶手段と、
   新たに検査対象物を撮像して取得した画像の入力を受け付けた場合、入力を受け付けた画像を含む記憶されている複数の画像を用いて良品学習処理を実行して少なくとも前記欠陥閾値を再設定する閾値再設定手段と、
   再設定された欠陥閾値に基づいて欠陥部分を検出し直し、設定された判定閾値に基づいて記憶されている不良品画像が不良品であるか否かを判定する良否判定手段と、
   良否の判定結果を表示する判定結果表示手段と
   を備えることを特徴とする外観検査装置。
2. 良品学習処理に関する情報をバックアップとして記憶するバックアップ手段と、
   前記判定結果において、記憶されている不良品画像を良品であると誤って判定した場合、記憶してある良品学習処理に関する情報に戻すか否かの選択を受け付ける選択受付手段と
   を備えることを特徴とする請求項１に記載の外観検査装置。
3. 使用者を識別する識別情報を取得する識別情報取得手段を備え、
   取得した識別情報に基づいて、前記選択受付手段は、選択を受け付けることが可能な項目のみ表示することを特徴とする請求項２に記載の外観検査装置。
4. 前記選択受付手段は、取得した識別情報が管理者を示す場合、記憶してある良品学習処理に関する情報を更新する選択を受け付けることができることを特徴とする請求項３に記載の外観検査装置。
5. 前記選択受付手段は、取得した識別情報がオペレータを示す場合、記憶してある良品学習処理に関する情報に戻す選択しか受け付けることができないことを特徴とする請求項３に記載の外観検査装置。
6. 検査対象物を撮像して取得した画像を、良品とされる画像群と比較して良否判定を行う外観検査装置で実行することが可能な外観検査方法であって、
   良品とされる画像群を構成する複数の画像の入力を受け付けて記憶するステップと、
   記憶されている複数の画像に基づいて、検査対象物の欠陥部分を検出するための欠陥閾値及び良否判定を行うための判定閾値を設定するステップと、
   不良品であると判定された不良品画像を記憶するステップと、
   新たに検査対象物を撮像して取得した画像の入力を受け付けた場合、入力を受け付けた画像を含む記憶されている複数の画像を用いて良品学習処理を実行して少なくとも前記欠陥閾値を再設定するステップと、
   再設定された欠陥閾値に基づいて欠陥部分を検出し直し、設定された判定閾値に基づいて記憶されている不良品画像が不良品であるか否かを判定するステップと、
   良否の判定結果を表示するステップと
   を含むことを特徴とする外観検査方法。
7. 良品学習処理に関する情報をバックアップとして記憶するステップと、
   前記判定結果において、記憶されている不良品画像を良品であると誤って判定した場合、記憶してある良品学習処理に関する情報に戻すか否かの選択を受け付けるステップと
   を含むことを特徴とする請求項６に記載の外観検査方法。
8. 使用者を識別する識別情報を取得するステップを含み、
   取得した識別情報に基づいて、選択を受け付けることが可能な項目のみ表示することを特徴とする請求項７に記載の外観検査方法。
9. 取得した識別情報が管理者を示す場合、記憶してある良品学習処理に関する情報を更新する選択を受け付けることができることを特徴とする請求項８に記載の外観検査方法。
10. 取得した識別情報がオペレータを示す場合、記憶してある良品学習処理に関する情報に戻す選択しか受け付けることができないことを特徴とする請求項８に記載の外観検査方法。
11. 検査対象物を撮像して取得した画像を、良品とされる画像群と比較して良否判定を行う外観検査装置で実行することが可能なコンピュータプログラムであって、
    前記外観検査装置を、
    良品とされる画像群を構成する複数の画像の入力を受け付けて記憶する画像入力手段、
    記憶されている複数の画像に基づいて、検査対象物の欠陥部分を検出するための欠陥閾値及び良否判定を行うための判定閾値を設定する閾値設定手段、
    不良品であると判定された不良品画像を記憶する不良品画像記憶手段、
    新たに検査対象物を撮像して取得した画像の入力を受け付けた場合、入力を受け付けた画像を含む記憶されている複数の画像を用いて良品学習処理を実行して少なくとも前記欠陥閾値を再設定する閾値再設定手段、
    再設定された欠陥閾値に基づいて欠陥部分を検出し直し、設定された判定閾値に基づいて記憶されている不良品画像が不良品であるか否かを判定する良否判定手段、及び
    良否の判定結果を表示する判定結果表示手段
    として機能させることを特徴とするコンピュータプログラム。
12. 前記外観検査装置を、
    良品学習処理に関する情報をバックアップとして記憶するバックアップ手段、及び
    前記判定結果において、記憶されている不良品画像を良品であると誤って判定した場合、記憶してある良品学習処理に関する情報に戻すか否かの選択を受け付ける選択受付手段
    として機能させることを特徴とする請求項１１に記載のコンピュータプログラム。
13. 前記外観検査装置を、
    使用者を識別する識別情報を取得する識別情報取得手段として機能させ、
    取得した識別情報に基づいて、前記選択受付手段を、選択を受け付けることが可能な項目のみ表示する手段として機能させることを特徴とする請求項１２に記載のコンピュータプログラム。
14. 前記選択受付手段を、取得した識別情報が管理者を示す場合、記憶してある良品学習処理に関する情報を更新する選択を受け付ける手段として機能させることを特徴とする請求項１３に記載のコンピュータプログラム。
15. 前記選択受付手段を、取得した識別情報がオペレータを示す場合、記憶してある良品学習処理に関する情報に戻す選択しか受け付けることができない手段として機能させることを特徴とする請求項１３に記載のコンピュータプログラム。