JP2018005500A - 画像処理システム、画像処理方法、および画像処理プログラム - Google Patents

Abstract

【課題】モデル画像の生成に用いる学習画像を選択することができる画像処理システムを提供する。【解決手段】検査対象物であるワークを撮像して得られた画像に基づいて当該ワークを検査するための画像処理システムは、当該ワークと同種類の物体を表わす複数の学習画像と、当該ワークの検査基準として複数の学習画像から生成されたモデル画像７１とを格納するための記憶部と、複数の学習画像の各々の選択を受け付ける選択項目６１Ａを表示するための表示部１２０とを備える。表示部１２０は、選択項目６１Ａごとに、当該選択項目６１Ａで選択可能な学習画像の識別情報６１Ｂ，６１Ｃと、当該学習画像の選択可否を支援するための支援情報６１Ｄ〜６１Ｆとを並べて表示する。画像処理システムは、さらに、選択項目６１Ａにおいて選択された学習画像から比較対象としてモデル画像７２を生成し、モデル画像７１をモデル画像７２に更新するための更新部を備える。【選択図】図４

Description

本開示は、検査対象物の検査基準となるモデル画像を生成するための技術に関する。

ＦＡ（Factory Automation）分野において、ワークなどの検査対象物を自動で検査するための技術が普及している。ワークの検査は、検査対象のワークを撮影して得られた検査用画像を、検査基準となるモデル画像と比較することで実現される。

モデル画像（テンプレート）を生成するための技術に関し、特開２０１０−２７６４８７号公報（特許文献１）は、「高いマッチング精度を安定して確保することが可能なテンプレートマッチング用テンプレート作成方法」を開示している。

特開２０１０−２７６４８７号公報

モデル画像は、検査対象物と同種類の物体を撮影して得られた画像から生成される。以下では、モデル画像の生成元となる画像を「学習画像」ともいう。特異な学習画像が学習対象に含まれると、検査基準として低品質なモデル画像が生成され、検査の精度が低下する。したがって、特異な学習画像を学習対象から省くために、モデル画像の生成に用いる学習画像を選択することが可能な技術が望まれている。

本開示は上述のような問題点を解決するためになされたものであって、ある局面における目的は、モデル画像の生成に用いる学習画像を選択することが可能な画像処理システムを提供することである。他の局面における目的は、モデル画像の生成に用いる学習画像を選択することが可能な画像処理方法を提供することである。さらに他の局面における目的は、モデル画像の生成に用いる学習画像を選択することが可能な画像処理プログラムを提供することである。

ある局面に従うと、検査対象物を撮像して得られた画像に基づいて上記検査対象物を検査するための画像処理システムは、上記検査対象物と同種類の物体を表わす複数の学習画像と、上記検査対象物の検査基準として上記複数の学習画像から生成された第１モデル画像とを格納するための記憶部と、上記複数の学習画像の各々の選択を受け付ける選択項目を表示するための表示部とを備える。上記表示部は、上記選択項目ごとに、当該選択項目で選択可能な学習画像の識別情報と、当該学習画像の選択可否を支援するための支援情報とを並べて表示する。上記画像処理システムは、さらに、上記選択項目において選択された学習画像から上記画像との比較対象として第２モデル画像を生成し、上記第１モデル画像を上記第２モデル画像に更新するための更新部を備える。

好ましくは、上記表示部は、上記支援情報に対する所定のソートルールに従って、複数の上記支援情報の各々を、対応する上記選択項目および上記識別情報とともにソートした上で表示する。

好ましくは、上記表示部は、上記第１モデル画像と上記複数の学習画像の各々との第１類似度群、および上記第２モデル画像と上記複数の学習画像の各々との第２類似度群を、上記支援情報として表示する。

好ましくは、上記更新部は、上記選択項目に対する選択が更新される度に、当該選択項目において選択された学習画像から上記第２モデル画像を生成する。上記表示部は、上記第２モデル画像が生成される度に上記第２類似度群の表示を更新する。

好ましくは、上記表示部は、上記複数の学習画像の内から表示対象として選択された学習画像を上記支援情報として表示する。

好ましくは、上記表示部は、上記選択項目において選択されている学習画像を上記支援情報として表示する。

好ましくは、上記表示部は、上記第１モデル画像と、上記第２モデル画像とを並べて表示する。

好ましくは、上記更新部は、上記第１モデル画像の更新指示を受け付けたことに基づいて、上記第１モデル画像を上記第２モデル画像に更新する。

他の局面に従うと、検査対象物を撮像して得られた画像に基づいて上記検査対象物を検査するための画像処理方法は、上記検査対象物と同種類の物体を表わす複数の学習画像と、上記検査対象物の検査基準として上記複数の学習画像から生成された第１モデル画像とを準備するステップと、上記複数の学習画像の各々の選択を受け付ける選択項目を表示するとともに、当該選択項目ごとに、当該選択項目で選択可能な学習画像の識別情報と、当該学習画像の選択可否を支援するための支援情報とを並べて表示するステップと、上記選択項目において選択された学習画像から上記画像との比較対象として第２モデル画像を生成し、上記第１モデル画像を上記第２モデル画像に更新するステップとを備える。

他の局面に従うと、検査対象物を撮像して得られた画像に基づいて上記検査対象物を検査するための画像処理プログラムは、コンピュータに、上記検査対象物と同種類の物体を表わす複数の学習画像と、上記検査対象物の検査基準として上記複数の学習画像から生成された第１モデル画像とを準備するステップと、上記複数の学習画像の各々の選択を受け付ける選択項目を表示するとともに、当該選択項目ごとに、当該選択項目で選択可能な学習画像の識別情報と、当該学習画像の選択可否を支援するための支援情報とを並べて表示するステップと、上記選択項目において選択された学習画像から上記画像との比較対象として第２モデル画像を生成し、上記第１モデル画像を上記第２モデル画像に更新するステップとを実行させる。

ある局面において、モデル画像の生成に用いる学習画像を選択することができる。
本開示の上記および他の目的、特徴、局面および利点は、添付の図面と関連して理解される本発明に関する次の詳細な説明から明らかとなるであろう。

実施の形態に従う画像処理システムの基本構成を示す模式図である。 モデル画像の学習過程を時系列に示す図である。 ユーザが学習画像を選択する過程を示す図である。 表示部に表示されているモデル登録画面を示す図である。 モデル登録画面の一例を示す図である。 ワークの検査処理を概略的に示す概念図である。 ワークのピン間の寸法検査の一例を示す図である。 ピンの長さに対する寸法検査を示す図である。 ワークの外観検査の結果を示す図である。 実施の形態に従うコントローラの機能構成の一例を示す図である。 実施の形態に従う画像処理システムが実行する学習処理を表わすフローチャートである。 実施の形態に従う画像処理システムが実行する検査処理を表わすフローチャートである。 実施の形態に従うコントローラのハードウェア構成を示す模式図である。

以下、図面を参照しつつ、本発明に従う各実施の形態について説明する。以下の説明では、同一の部品および構成要素には同一の符号を付してある。それらの名称および機能も同じである。したがって、これらについての詳細な説明は繰り返さない。

＜Ａ．画像処理システム１＞
図１を参照して、本実施の形態に従う画像処理システム１の基本構成について説明する。図１は、本実施の形態に従う画像処理システム１の基本構成を示す模式図である。

図１に示されるように、画像処理システム１は、コントローラ１００と、表示部１２０と、操作部１２２と、画像センサ１３４と、撮像部１３５とを含む。

コントローラ１００は、画像処理システム１全体を制御する。コントローラ１００には、表示部１２０および操作部１２２が接続され得る。表示部１２０は、画像を表示可能な液晶パネルなどで構成される。操作部１２２は、典型的には、タッチパネル、キーボード、マウスなどで構成される。

コントローラ１００と画像センサ１３４とは、ネットワークを介して通信接続されている。コントローラ１００と画像センサ１３４との間の通信は、無線通信で実現されてもよいし、有線通信で実現されてもよい。画像センサ１３４には、撮像部１３５が通信接続されている。画像センサ１３４と撮像部１３５との間の通信は、無線通信で実現されてもよいし、有線通信で実現されてもよい。

画像処理システム１では、コンベア１２３上を連続的に搬送されるワークＷに対して所定の作業を行う。ワークＷは、たとえば、複数のピンを有するコネクタである。図１には、ワークＷを検査し、その検査結果に基づいて異常なワークＷを排除する作業工程が示されている。

検査対象のワークＷは、コンベア１２３によりステージＳ上に搬送される。ワークＷは、ステージＳ上に配置されると、撮像部１３５に撮像される。このとき、好ましくは、ワークＷは、治具（図示しない）などによりステージＳ上において整列された上で撮像される。画像センサ１３４は、当該撮像により得られた画像に対して画像処理を行うことで、ワークＷの外観や寸法などを検査する。一例として、画像センサ１３４は、ワークＷの検査基準となるモデル画像と、検査対象のワークＷを撮像して得られた検査用画像とを比較することでワークＷを検査する。画像センサ１３４による検査結果は、コントローラ１００に送られ、表示部１２０などに表示される。

コントローラ１００は、ワークＷの検査完了後、ワークＷを乗せた状態でステージＳをコンベア１２７に隣接するように移動させる。その後、コントローラ１００は、治具１２４を駆動し、ワークＷをコンベア１２７に押し出す。これにより、ワークＷは、コンベア１２７上を搬送される。

コントローラ１００は、ワークＷの検査結果に基づいて、排除機構１２５を駆動する。より具体的には、ワークＷが異常であることを検査結果が示す場合、コントローラ１００は、コンベア１２７からコンベア１２８にワークＷを誘導するように排除機構１２５を駆動する。一方で、ワークＷが正常であることを検査結果が示す場合、コントローラ１００は、ワークＷがコンベア１２８に排除されないように排除機構１２５を駆動する。これにより、正常なワークＷはコンベア１２７上を搬送され、異常なワークＷはコンベア１２８上を搬送される。

なお、図１の例では、ワークＷとしてコネクタが示されているが、ワークＷは、コネクタに限定されない。ワークＷは、製品または半製品であり、たとえば、ハウジングであってもよいし、食料品であってもよい。

また、上述では、画像センサ１３４がワークＷの検査を実施する例について説明を行ったが、ワークＷの検査は、他の装置で実施されてもよい。たとえば、ワークＷの検査は、コントローラ１００で実施されてもよい。

＜Ｂ．画像処理システム１の主要処理＞
画像処理システム１は、主要な処理として、学習処理と、検査処理とを実行する。学習処理は、検査処理に先立って予め実行される。

学習処理において、画像処理システム１は、ワークの検査基準となるモデル画像を生成する。モデル画像は、検査対象物のワークと同種類のワークを予め撮影して得られた複数の学習画像から生成される。

検査処理において、画像処理システム１は、学習処理で生成されたモデル画像と、検査対象物のワークを撮影して得られた検査用画像とを比較し、モデル画像と検査用画像との類似度を算出する。当該類似度は、たとえば、検査用画像の画像情報（たとえば、画素値）とモデル画像の画像情報との相関値で表わされる。画像処理システム１は、当該類似度が予め定められた値よりも低い場合に、検査対象のワークに欠陥が有ると判断する。画像処理システム１は、当該類似度が予め定められた値以上である場合に、検査対象のワークに欠陥が無いと判断する。

以下では、学習処理と、検査処理とについて詳細に説明する。
＜Ｃ．学習処理＞
［Ｃ１．学習処理の流れ］
図２を参照して、画像処理システム１による学習処理の流れについて説明する。図２は、モデル画像の学習過程を時系列に示す図である。

学習処理においては、モデル画像の生成元となる画像２９が予め準備される。準備される画像２９は、１枚であってもよいし、複数枚であってもよい。画像２９は、検査対象物と同種類のワークＷを撮像して得られたものである。画像２９は、上述の撮像部１３５（図１参照）がワークＷを撮像することにより生成される。画像２９は、撮像部１３５から画像センサ１３４（図１参照）に出力される。

画像センサ１３４は、画像２９からワークＷのピン部分２９Ａ〜２９Ｅを切り出す。ピン部分２９Ａ〜２９Ｅは、ユーザによって指定されてもよいし、画像処理などによって自動的に検知されてもよい。一例として、画像センサ１３４は、画像２９に微分フィルタを重畳することでエッジを検知する。画像センサ１３４は、検知されたエッジ部分から所定の矩形領域を検知し、縦横比（すなわち、アスペクト比）が所定範囲内の矩形領域をピン部分２９Ａ〜２９Ｅとして検知する。なお、ピン部分のモデル画像が過去に生成さている場合には、画像センサ１３４は、当該モデル画像を用いた所定の画像処理（たとえば、テンプレートマッチングなど）でピン部分２９Ａ〜２９Ｅを検知してもよい。

図２には、画像２９から切り出されたピン部分２９Ａ〜２９Ｅが学習画像３０として示されている。画像センサ１３４は、学習画像３０からモデル画像３１を生成する。一例として、画像センサ１３４は、学習画像３０の平均画像をモデル画像３１として生成する。より具体的には、画像センサ１３４は、各学習画像間の同一座標の画素値を平均する。これにより、モデル画像３１が生成される。学習画像３０の各々には、外乱の違いなど様々な環境変動が含まれているので、学習画像３０が平均化されることで、ロバスト性の高いモデル画像３１が生成される。

なお、上述の例では、学習画像３０を加算平均することによりモデル画像３１を生成する例について説明を行ったが、モデル画像３１は、他の方法で生成されてもよい。たとえば、各学習画像を重み付けした上で学習画像を平均化する加重平均や、信頼性の低い学習画像を除外した上で学習画像を平均化する調整平均などにより、モデル画像３１が生成されてもよい。

［Ｃ２．学習画像の選択］
学習対象のワークに欠陥が有る場合や、学習対象のワークの撮影環境が変動する場合には、意図する学習画像が得られないことがある。このような特異な学習画像が含まれている状態で学習処理が実行されると、検査基準として低品質なモデル画像が生成されてしまう。そこで、本実施の形態に従う画像処理システム１は、学習処理に用いる学習画像の選択を受け付け、選択された学習画像からモデル画像を生成する。これにより、特異な学習画像を除外することができ、検査基準として精度の高いモデル画像が生成される。

図３は、ユーザが学習画像を選択する過程を示す図である。図３には、学習候補としての学習画像３０Ａ〜３０Ｎと、学習画像３０Ａ〜３０Ｎの各々の選択を受け付ける選択項目３１Ａ〜３１Ｎが示されている。選択項目３１Ａ〜３１Ｎは、たとえば、画像選択を受け付けるチェックボックスやボタンなどである。図３（Ａ）の例においては、学習画像３０Ａ〜３０Ｎの全てが選択されている。

図３（Ａ）に示されるように、画像処理システム１は、学習画像３０Ａ〜３０Ｎからモデル画像３２を生成する。その後、画像処理システム１は、学習画像３０Ａ〜３０Ｎの各々についてモデル画像３２との類似度を算出する。類似度は、たとえば、モデル画像の画像情報（たとえば、画素値）と、学習画像の画像情報（たとえば、画素値）との相関値で表わされる。当該相関値の算出方法として、たとえば、ＳＳＤ（Sum of Squared Difference)、ＳＡＤ（Sum of Absolute Difference)、ＮＣＣ（Normalized Cross-Correlation）、またはＺＮＣＣ（Zero-mean Normalized Cross-Correlation）などが採用される。

当該相関値は、モデル画像の生成元の学習画像の選択可否を支援するための情報（以下、「支援情報」ともいう。）として表示される。ユーザは、類似度が低い学習画像を確認することで、特異な学習画像を特定することができる。図３（Ａ）の例では、欠陥を有する学習画像３０Ｂの相関値が他の学習画像と比べて低いので、ユーザは、学習画像３０Ｂを特異な学習画像として特定することができる。

ユーザは、相関値を確認した後に、学習画像３０Ａ〜３０Ｎの内から学習対象を選択する。図３（Ｂ）の例では、ユーザは、選択項目３１Ｂにおけるチェックを外すことで、学習画像３０Ｂを学習対象から外す。選択項目３１Ａ〜３１Ｎに対する選択が更新されると、画像処理システム１は、選択項目３１Ａ〜３１Ｎにおいて選択された学習画像から新たなモデル画像３３を生成する。その後、画像処理システム１は、学習画像３０Ａ〜３０Ｎの各々についてモデル画像３３との相関値を算出する。

以上のように、画像処理システム１は、学習画像の選択を受け付ける処理と、選択された学習画像からモデル画像を生成する処理と、生成されたモデル画像と各学習画像との相関値を支援情報として表示する処理とを繰り返す。これにより、ユーザは、モデル画像の良否を確認した上でモデル画像を登録することができる。

［Ｃ３．モデル登録画面］
図４を参照して、モデル画像を登録するためのモデル登録画面５０について説明する。図４は、表示部１２０に表示されているモデル登録画面５０を示す図である。

モデル登録画面５０は、適切なモデル画像を登録するためのユーザーインターフェイスである。モデル登録画面５０に対する選択操作や入力操作は、上述の操作部１２２（図１参照）によって実現される。

モデル登録画面５０は、学習画像を読み込むための追加ボタン５１を含む。追加ボタン５１が押下されると、画像２９から切り出されたワークＷのピン部分２９Ａ〜２９Ｅが学習候補としてリスト６０に表示される。なお、当該ボタン操作に対して画像ファイルを指定するための画面が表示され、当該画面において指定された画像ファイルが学習候補としてリスト６０に表示されてもよい。

表示部１２０は、リスト６０において、学習画像の各々の選択を受け付ける選択項目６１Ａを表示する。図４の例では、選択項目６１Ａとしてチェックボックスが表示されている。選択されたチェックボックスにはチェックが表示される。選択されていないチェックボックスにチェックが表示されない。モデル登録画面５０の全選択ボタン５２が押下された場合には、選択項目６１Ａが一括で選択される。モデル登録画面５０の解除ボタン５３が押下された場合には、選択項目６１Ａにおける選択が一括で解除される。リスト６０のいずれかの行が選択された状態でモデル登録画面５０の削除ボタン５４が押下された場合には、当該選択された行に対応する学習画像がリスト６０から削除される。

表示部１２０は、さらに、選択項目６１Ａの各々で選択可能な学習画像の識別情報６１Ｂ，６１Ｃをリスト６０に表示する。学習画像の識別情報としては、たとえば、各学習画像に付されたファイルＩＤ（Identification）、学習画像のファイル名、学習画像の格納先（たとえば、ファイルパス）、学習画像の登録日時などを含む。図４の例では、識別情報６１Ｂとして学習画像のファイルＩＤが示されており、識別情報６１Ｃとして学習画像の登録日時が示されている。選択項目６１Ａの各々と、識別情報６１Ｂの各々と、識別情報６１Ｃの各々とは、対応する学習画像ごとに並べて表示される。これにより、選択項目６１Ａと識別情報６１Ｂ，６１Ｃとの対応関係が明確になる。

表示部１２０は、さらに、学習画像の選択可否を支援するための支援情報６１Ｄ〜６１Ｆをリスト６０に表示する。支援情報６１Ｄの各々と、支援情報６１Ｅの各々と、支援情報６１Ｆの各々とは、対応する学習画像ごとに選択項目６１Ａに並べて表示される。これにより、選択項目６１Ａと支援情報６１Ｄ〜６１Ｆとの対応関係が明確になる。

支援情報６１Ｄは、更新前のモデル画像と各学習画像との相関値（第１類似度群）を示す。支援情報６１Ｅは、選択項目６１Ａで選択された学習画像から仮に生成されたモデル画像（第２モデル画像）と各学習画像との相関値（第２類似度群）を示す。支援情報６１Ｆは、第１類似度群と第２類似度群との差を表わす。

以下では、現在登録されている既存のモデル画像を「更新前のモデル画像」（第１モデル画像）ともいう。選択項目６１Ａで選択された学習画像から仮に生成されたモデル画像を「仮のモデル画像」ともいう。ユーザがモデル画像の本登録操作を行うことで最終的に選択項目６１Ａで選択された学習画像から生成されたモデル画像を「更新後のモデル画像」ともいう。

好ましくは、画像処理システム１は、選択項目６１Ａに対する選択が更新される度に、当該選択項目６１Ａにおいて選択された学習画像から仮のモデル画像を生成する。画像処理システム１は、仮のモデル画像が生成される度に、仮のモデル画像に対する各学習画像の相関値（すなわち、支援情報６１Ｅ）を更新する。より具体的には、画像処理システム１は、選択項目６１Ａに対する選択が更新されると、選択項目６１Ａにおいて選択された学習画像から仮のモデル画像を生成する。その後、画像処理システム１は、仮のモデル画像と各学習画像との相関値を算出し、当該相関値で支援情報６１Ｅの表示欄を更新する。同時に、画像処理システム１は、仮のモデル画像を生成する前後での相関値の変化量を算出し、当該変化量で支援情報６１Ｆを更新する。支援情報６１Ｅ，６１Ｆの表示が選択項目６１Ａに対する選択操作に連動することで、ユーザは、各学習画像の有効性を即時に判断することができる。

好ましくは、リスト６０における各行の内、相関値が所定値よりも低い学習画像の行については、他の行とは異なる態様で表示される。一例として、相関値が所定値よりも低い学習画像の行においては、背景色が赤色や黄色などの注意喚起を促す色に変えられる。これにより、ユーザは、モデル画像との相関値が低い特異な学習画像を一見して発見することができる。

リスト６０における各情報は、所定のソートルールに従って並び替えられる。一例として、項目欄６２Ｂが押下されると、識別情報６１Ｂに対する所定のソートルールに従って、リスト６０内の各情報が行単位でソートされる。たとえば、項目欄６２Ｂが押下されると、リスト６０の各行は、学習画像に付されたＩＤの順にソートされる。項目欄６２Ｂが押下される度に、降順のソートおよび昇順のソートが切り替えられる。

同様に、項目欄６２Ｃが押下されると、識別情報６１Ｃに対する所定のソートルールに従って、リスト６０内の各情報が行単位でソートされる。たとえば、項目欄６２Ｃが押下されると、リスト６０の各行は、学習画像の登録日時の順にソートされる。項目欄６２Ｃが押下される度に、降順のソートおよび昇順のソートが切り替えられる。

同様に、項目欄６２Ｄが押下されると、支援情報６１Ｄに対する所定のソートルールに従って、リスト６０内の各情報が行単位でソートされる。すなわち、表示部１２０は、支援情報６１Ｄに対する所定のソートルールに従って、支援情報６１Ｄの各々を、対応する選択項目６１Ａおよび識別情報６１Ｂ，６１Ｃとともにソートした上で表示する。一例として、項目欄６２Ｄが押下されると、リスト６０の各行は、支援情報６１Ｄに示される相関値の順にソートされる。項目欄６２Ｄが押下される度に、降順のソートおよび昇順のソートが切り替えられる。支援情報６１Ｄが相関値の順に表示されることで、ユーザは、相関値が低い特異な学習画像を容易に発見することができる。

同様に、項目欄６２Ｅが押下されると、支援情報６１Ｅに対する所定のソートルールに従って、リスト６０内の各情報が行単位でソートされる。たとえば、項目欄６２Ｅが押下されると、リスト６０の各行は、支援情報６１Ｅに示される相関値の順にソートされる。項目欄６２Ｅが押下される度に、降順のソートおよび昇順のソートが切り替えられる。支援情報６１Ｅが相関値の順に表示されることで、ユーザは、相関値が低い特異な学習画像を容易に発見することができる。

同様に、項目欄６２Ｆが押下されると、支援情報６１Ｆに対する所定のソートルールに従って、リスト６０内の各情報が行単位でソートされる。たとえば、項目欄６２Ｆが押下されると、リスト６０の各行は、支援情報６１Ｅに示される相関値の変化量の順にソートされる。項目欄６２Ｆが押下される度に、降順のソートおよび昇順のソートが切り替えられる。支援情報６１Ｆが相関値の変化量の順に表示されることで、ユーザは、更新前後のモデル画像の良否を容易に把握することができる。

表示部１２０は、さらに、学習画像の選択可否を支援するための支援情報として学習画像７０を表示する。より具体的には、モデル登録画面５０は、リスト６０内において１つの学習画像を選択する操作を受け付ける。リスト６０内のいずれかの行が選択されることで、表示対象の学習画像が選択される。図４の例では、リスト６０の行６８が選択されており、行６８に対応する学習画像７０が支援情報として表示されている。選択された学習画像が表示されることで、ユーザは、学習画像の良否を目視で確認することができる。好ましくは、リスト６０において選択された行は、他の行とは異なる態様で表示される。

表示部１２０は、さらに、更新前のモデル画像７１と、仮のモデル画像７２とを並べて表示する。これにより、ユーザは、更新前のモデル画像７１と、仮のモデル画像７２とを見比べることができる。好ましくは、選択項目６１Ａに対する選択が更新される度に、当該選択項目６１Ａで選択された学習画像から仮のモデル画像７２が生成され、仮のモデル画像７２が生成される度にモデル画像７２の表示が更新される。このように、モデル画像７２の表示が選択項目６１Ａに対する選択操作に連動することで、ユーザは、モデル画像７２の良否を容易に把握することができる。

表示部１２０は、さらに、モデル画像の良否を判断するための支援情報としてリスト８０を表示する。リスト８０は、更新前のモデル画像に対する評価結果８１Ａと、仮のモデル画像に対する評価結果８１Ｂと、更新前のモデル画像と仮のモデル画像との評価結果８１Ｃとを含む。評価結果８１Ａは、たとえば、支援情報６１Ｄに示される相関値の最大値と最小値と平均値とを含む。評価結果８１Ｂは、たとえば、支援情報６１Ｅに示される相関値の最大値と最小値と平均値とを含む。評価結果８１Ｃは、たとえば、支援情報６１Ｆに示される相関値の最大値と最小値と平均値とを含む。なお、評価結果８１Ａ〜８１Ｃして表示される項目は、相関値の最大値、最小値、平均値に限定されない。たとえば、評価結果８１Ａ〜８１Ｃとして、相関値の標準偏差やその他の指標が表示されてもよい。

モデル登録画面５０の登録ボタン９１が押下されると、画像処理システム１は、モデル画像の本登録を実行する。すなわち、画像処理システム１は、仮に生成されているモデル画像を新たなモデル画像として本登録する。モデル登録画面５０のＯＫボタン９２が押下されると、画像処理システム１は、モデル画像の更新を反映した上でモデル登録画面５０を閉じる。モデル登録画面５０のキャンセルボタン９３が押下されると、画像処理システム１は、モデル画像の更新を反映せずにモデル登録画面５０を閉じる。

［Ｃ４．モデル登録画面の変形例］
図５を参照して、上述のモデル登録画面５０の変形例であるモデル登録画面５０Ａについて説明する。図５は、モデル登録画面５０Ａの一例を示す図である。

上述の図４に示されるモデル登録画面５０は、リスト６０において選択された１つの学習画像７０を支援情報として表示していた。これに対して、図５に示されるモデル登録画面５０Ａは、選択項目６１Ａで選択されている学習画像の全てまたは一部を支援情報として表示する。これらの学習画像は、一覧９５に表示される。選択された学習画像が一覧として表示されることでユーザは、学習画像の内容を即時に把握することができる。

図５の例では、選択項目６１Ａで選択された「Ｎｏ１」の学習画像７０Ａが一覧９５に表示されている。選択項目６１Ａで選択された「Ｎｏ３」の学習画像７０Ｂが一覧９５に表示されている。選択項目６１Ａで選択された「Ｎｏ４」の学習画像７０Ｃが一覧９５に表示されている。選択項目６１Ａで選択された「Ｎｏ５」の学習画像７０Ｄが一覧９５に表示されている。選択項目６１Ａで選択された「Ｎｏ６」の学習画像７０Ｅが一覧９５に表示されている。選択項目６１Ａで選択された「Ｎｏ７」の学習画像７０Ｆが一覧９５に表示されている。選択項目６１Ａで選択された「Ｎｏ９」の学習画像７０Ｇが一覧９５に表示されている。選択項目６１Ａで選択された「Ｎｏ１０」の学習画像７０Ｈが一覧９５に表示されている。

好ましくは、選択項目６１Ａに対する学習画像の選択が更新される度に、一覧９５に表示される学習画像が更新される。

一覧９５は、学習画像の表示サイズを指定するためのコンボボックス９６を含む。コンボボックス９６が選択されると、複数の表示サイズがリストで展開される。展開された表示サイズから特定の表示サイズが選択されると、表示部１２０は、選択された表示サイズに従って学習画像７０Ａ〜７０Ｈの表示サイズを変更する。選択された学習画像が任意のサイズで表示されることで、ユーザは、学習画像の確認を効率化することができる。

なお、上述では、選択項目６１Ａで選択された学習画像が一覧９５に表示される例について説明を行ったが、リスト６０に読み込まれた全ての学習画像が一覧９５に表示されてもよい。

＜Ｄ．検査処理＞
［Ｄ１．検査処理の流れ］
図６を参照して、画像処理システム１による検査処理について説明する。図６は、ワークの検査処理を概略的に示す概念図である。

検査処理において、上述の撮像部１３５（図１参照）は、コンベア１２３（図１参照）を流れている検査対象のワークＷを撮影する。その結果、検査用画像４０が得られたとする。検査用画像４０は、ワークＷが撮像される度に画像センサ１３４（図１参照）に順次出力される。

画像センサ１３４は、上述の学習処理で生成されたモデル画像３４を用いて、検査用画像４０から、ワークＷのピン部分４０Ａ〜４０Ｅを探索する。より具体的には、画像センサ１３４は、検査用画像４０内におけるモデル画像３４の走査と、モデル画像３４の拡大または縮小とを繰り返しながら、検査用画像４０内の各領域についてモデル画像３４との相関値を算出する。画像センサ１３４は、相関値が所定値よりも高い領域をピン部分４０Ａ〜４０Ｅとして検知する。画像センサ１３４は、ピン部分４０Ａ〜４０Ｅの検知結果に基づいてワークＷを検査する。

［Ｄ２．ピン間の寸法検査］
ピン部分４０Ａ〜４０Ｅの検知結果に基づいて、ワークＷの様々な検査が実施される。一例として、コネクタのピン間の寸法が検査される。

図７は、ワークＷのピン間の寸法検査の一例を示す図である。図７に示されるように、画像センサ１３４は、検査用画像４０内のピン部分４０Ａ〜４０Ｅの位置情報から、ピン部分４０Ａ〜４０Ｅ間の距離Ｘ１〜Ｘ４を算出する。距離Ｘ１は、ピン部分４０Ａの所定位置（たとえば、中心）とピン部分４０Ｂの所定位置（たとえば、中心）との間の距離を表わす。距離Ｘ２は、ピン部分４０Ｂの所定位置（たとえば、中心）とピン部分４０Ｃの所定位置（たとえば、中心）と間の距離を表わす。距離Ｘ３は、ピン部分４０Ｃの所定位置（たとえば、中心）とピン部分４０Ｄの所定位置（たとえば、中心）との間の距離を表わす。距離Ｘ４は、ピン部分４０Ｄの所定位置（たとえば、中心）とピン部分４０Ｅの所定位置（たとえば、中心）との間の距離を表わす。

ある局面において、画像センサ１３４は、距離Ｘ１〜Ｘ４のそれぞれが予め定められた許容範囲に収まっている場合に、ワークＷの寸法に欠陥が無いと判断する。一方で、画像センサ１３４は、距離Ｘ１〜Ｘ４のいずれかが予め定められた許容範囲に収まっていない場合に、ワークＷの寸法に欠陥が有ると判断する。

他の局面において、画像センサ１３４は、距離Ｘ１〜Ｘ４のばらつき度合い（たとえば、分散）が予め定められた許容範囲に収まっている場合に、ワークＷの寸法に欠陥が無いと判断する。一方で、画像センサ１３４は、距離Ｘ１〜Ｘ４のばらつき度合いが予め定められた許容範囲に収まっていない場合に、ワークＷの寸法に欠陥が有ると判断する。

［Ｄ３．ピンの長さに対する寸法検査］
上述のピン間の寸法検査の他にも、様々な検査が実施される。一例として、コネクタの各ピンの長さが検査される。

図８は、ピンの長さに対する寸法検査を示す図である。図８に示されるように、画像センサ１３４は、検査用画像４０内のピン部分４０Ａ〜４０Ｅの検知結果から、ワークＷの各ピンの長さＹ１〜Ｙ５を算出する。長さＹ１は、ピン部分４０Ａの長手方向の長さに相当する。長さＹ２は、ピン部分４０Ｂの長手方向の長さに相当する。長さＹ３は、ピン部分４０Ｃの長手方向の長さに相当する。長さＹ４は、ピン部分４０Ｄの長手方向の長さに相当する。長さＹ５は、ピン部分４０Ｅの長手方向の長さに相当する。なお、長さＹ１〜Ｙ５は、ワークＷのピン先のいずれかを基準位置として当該基準位置からピン先までの距離で表わされてもよい。

ある局面において、画像センサ１３４は、長さＹ１〜Ｙ５が全て予め定められた許容範囲に収まっている場合に、ワークＷの寸法に欠陥が無いと判断する。一方で、画像センサ１３４は、長さＹ１〜Ｙ５のいずれかが予め定められた許容範囲に収まっていない場合に、ワークＷの寸法に欠陥が有ると判断する。

他の局面において、画像センサ１３４は、長さＹ１〜Ｙ５のばらつき度合い（たとえば、分散）が予め定められた許容範囲に収まっている場合に、ワークＷの寸法に欠陥が無いと判断する。一方で、画像センサ１３４は、長さＹ１〜Ｙ５のばらつき度合いが予め定められた許容範囲に収まっていない場合に、ワークＷの寸法に欠陥が有ると判断する。

［Ｄ４．ピンの外観検査］
上述の寸法検査の他にも、様々な検査が実施される。一例として、ワークＷの外観が検査される。

図９は、ワークＷの外観検査の結果を示す図である。図９に示されるように、外観検査の結果は、たとえば、表示部１２０に表示される。画像センサ１３４は、モデル画像に対するピン部分４０Ａ〜４０Ｅの各々の相関値に基づいて、ワークＷに欠陥があるか否かを判断する。一例として、画像センサ１３４は、ピン部分４０Ａ〜４０Ｅに対する各相関値が全て所定値以上である場合に、ワークＷの外観に欠陥が無いと判断する。一方で、画像センサ１３４は、ピン部分４０Ａ〜４０Ｅに対する相関値のいずれかが所定値よりも小さい場合に、ワークＷの外観に欠陥が有ると判断する。図９の例では、ピン部分４０Ｃに欠陥が有ると判断されている。

なお、外観検査に用いる指標は、モデル画像に対するピン部分４０Ａ〜４０Ｅの相関値に限定されない。たとえば、外観検査に用いられる指標として、検査画像内の特定領域の色合い、特定色の面積、特定部品の位置や大きさ（幅）、特定位置近傍との画素値の比較結果などが採用されてもよい。

好ましくは、欠陥があるピン部分４０Ｃは、他のピン部分４０Ａ，４０Ｂ，４０Ｄ，４０Ｅとは異なる態様で表示される。

＜Ｅ．機能構成＞
図１０を参照して、画像処理システム１を構成するコントローラ１００の機能について説明する。図１０は、コントローラ１００の機能構成の一例を示す図である。

図１０に示されるように、コントローラ１００は、選択受付部１５２と、生成部１５４と、算出部１５６と、表示制御部１５８と、更新部１６０とを含む。

選択受付部１５２は、上述の操作部１２２（図１参照）から、モデル画像の生成に用いられる学習画像の選択操作を受け付ける。当該選択操作は、たとえば、上述のモデル登録画面５０（図４参照）の選択項目６１Ａ（図４参照）において入力される。選択受付部１５２は、選択された学習画像を生成部１５４に出力する。

生成部１５４は、学習画像３０から選択された学習画像を特定し、当該学習画像から仮のモデル画像３３を生成する。好ましくは、生成部１５４は、選択受付部１５２が学習画像の選択操作を受け付ける度に仮のモデル画像３３を生成する。モデル画像の生成方法は上述の通りである。

算出部１５６は、現在登録されている更新前のモデル画像３２と学習画像３０の各々との第１相関値群（第１類似度群）を算出するとともに、仮のモデル画像３３と学習画像３０の各々との第２相関値群（第２類似度群）を算出する。好ましくは、第２相関値群は、仮のモデル画像３３が生成される度に算出される。第１相関値群および第２相関値群は、表示制御部１５８に出力される。

表示制御部１５８は、上述のモデル登録画面５０の表示を制御する。一例として、表示制御部１５８は、算出部１５６によって出力された算出結果（すなわち、第１相関値群および第２相関値群）をモデル登録画面５０に表示する。また、表示制御部１５８は、更新前のモデル画像３２と仮のモデル画像３３とを並べてモデル登録画面５０に表示する。

更新部１６０は、仮のモデル画像３３を本登録するための操作を受け付ける。更新部１６０は、更新前のモデル画像３２を更新するための登録操作を受け付けたことに基づいて、更新前のモデル画像３２をモデル画像３３で更新する。これにより、モデル画像３３が本登録される。

なお、選択受付部１５２、生成部１５４、算出部１５６、表示制御部１５８、および更新部１６０の全部または一部は、必ずしもコントローラ１００に実装される必要はない。たとえば、これらの機能は、上述の画像センサ１３４（図１参照）などに実装されてもよい。

＜Ｆ．フローチャート＞
図１１および図１２を参照して、画像処理システム１の制御構造について説明する。図１１は、画像処理システム１が実行する学習処理を表わすフローチャートである。図１２は、画像処理システム１が実行する検査処理を表わすフローチャートである。

以下では、学習処理の制御フローおよび検査処理の制御フローについて順に説明する。
［Ｆ１．学習処理の制御フロー］
まず、図１１を参照して、画像処理システム１による学習処理の制御フローについて説明する。

図１１に示される処理は、たとえば、コントローラ１００（図１参照）に備えられる後述の制御装置１０１（図１３参照）がプログラムを実行することにより実現される。他の局面において、処理の一部または全部が、画像センサ１３４またはその他のハードウェアによって実行されてもよい。

ステップＳ１０において、制御装置１０１は、上述のモデル登録画面５０（図４参照）を開くための操作を受け付けたか否かを判断する。制御装置１０１は、モデル登録画面５０を開くための操作を受け付けたと判断した場合（ステップＳ１０においてＹＥＳ）、制御をステップＳ１２に切り替える。そうでない場合には（ステップＳ１０においてＮＯ）、制御装置１０１は、ステップＳ１０の処理を再び実行する。

ステップＳ１２において、制御装置１０１は、上述の表示部１２０（図１参照）にモデル登録画面５０を表示する。

ステップＳ２０において、制御装置１０１は、上述の選択受付部１５２（図１０参照）として、学習画像の選択操作を受け付けたか否かを判断する。学習画像の選択操作は、上述したように、モデル登録画面５０の選択項目６１Ａ（図４参照）に対して行われる。制御装置１０１は、学習画像の選択操作を受け付けたと判断した場合（ステップＳ１２においてＹＥＳ）、制御をステップＳ２２に切り替える。そうでない場合には（ステップＳ１２においてＮＯ）、制御装置１０１は、制御をステップＳ３０に切り替える。

ステップＳ２２において、制御装置１０１は、上述の生成部１５４（図１０参照）として、モデル登録画面５０の選択項目６１Ａにおいて選択された学習画像から仮のモデル画像３３を生成する。

ステップＳ２４において、制御装置１０１は、上述の算出部１５６（図１０参照）として、現在登録されている更新前のモデル画像と学習画像の各々との相関値を算出する。また、制御装置１０１は、算出部１５６として、ステップＳ２２で生成された仮のモデル画像と学習画像の各々との相関値を算出する。

ステップＳ２６において、制御装置１０１は、上述の表示制御部１５８（図１０参照）として、モデル登録画面５０の表示を更新する。一例として、制御装置１０１は、ステップＳ２４での算出結果をモデル登録画面５０に表示する。また、制御装置１０１は、現在登録されている更新前のモデル画像に並べて、ステップＳ２２で生成された仮のモデル画像を表示する。

ステップＳ３０において、制御装置１０１は、モデル画像の本登録操作を受け付けたか否かを判断する。一例として、制御装置１０１は、モデル登録画面５０の登録ボタン９１（図４参照）が押下された場合に、モデル画像の本登録操作を受け付ける。制御装置１０１は、モデル画像の本登録操作を受け付けたと判断した場合（ステップＳ３０においてＹＥＳ）、制御をステップＳ３２に切り替える。そうでない場合には（ステップＳ３０においてＮＯ）、制御装置１０１は、制御をステップＳ２０に戻す。

ステップＳ３２において、制御装置１０１は、上述の更新部１６０（図１０参照）として、現在登録されている更新前のモデル画像をステップＳ２２で生成されたモデル画像に更新する。このとき、好ましくは、制御装置１０１は、ステップＳ２２でモデル画像の生成に用いられた学習画像の識別情報を履歴情報に書き込む。生成元の学習画像の識別情報がモデル画像の更新の度に履歴情報に書き込まれることで、制御装置１０１は、現在のモデル画像を過去のモデル画像に戻すことが可能になる。

［Ｆ２．検査処理の制御フロー］
図１２を参照して、画像処理システム１による検査処理の制御フローについて説明する 図１２に示される処理は、たとえば、画像センサ１３４（図１参照）がプログラムを実行することにより実現される。他の局面において、処理の一部または全部が、コントローラ１００またはその他のハードウェアによって実行されてもよい。以下では、ワークの一例として複数のピンを有するコネクタを例に挙げて検査フローの説明を行う。

ステップＳ１１０において、画像センサ１３４は、ワーク検査の開始操作を受け付けたか否かを判断する。画像センサ１３４は、ワーク検査の開始操作を受け付けたと判断した場合（ステップＳ１１０においてＹＥＳ）、制御をステップＳ１１２に切り替える。そうでない場合には（ステップＳ１１０においてＮＯ）、画像センサ１３４は、制御装置１０１は、ステップＳ１１０の処理を再び実行する。

ステップＳ１１２において、画像センサ１３４は、検査対象のコネクタを撮像し、検査用画像を取得する。当該検査用画像は、上述の撮像部１３５（図１参照）によって生成される。

ステップＳ１１４において、画像センサ１３４は、上述の学習処理で生成されたモデル画像を用いて、検査用画像からコネクタのピン部分を探索する。より具体的には、画像センサ１３４は、検査用画像内におけるモデル画像の走査と、モデル画像の拡大または縮小とを繰り返しながら、検査用画像内の各領域とモデル画像との相関値を算出する。画像センサ１３４は、相関値が所定値よりも高い領域を検査対象のピン部分として検知する。これにより、検査用画像内におけるピン部分の位置と、各位置におけるピン部分とモデル画像との相関値が検知結果として得られる。

ステップＳ１１６において、画像センサ１３４は、ステップＳ１１４での検知結果に基づいて、コネクタのピン間の寸法検査を実行する。当該寸法検査については図７で説明した通りである。

ステップＳ１１８において、画像センサ１３４は、ステップＳ１１４での検知結果に基づいて、コネクタのピンの長さに対する寸法検査を実行する。当該寸法検査については図８で説明した通りである。

ステップＳ１２０において、画像センサ１３４は、ステップＳ１１４での検知結果に基づいて、コネクタの外観検査を実行する。当該寸法検査については図９で説明した通りである。

ステップＳ１３０において、画像センサ１３４は、ワーク検査を終了するか否かを判断する。一例として、画像センサ１３４は、ワーク検査の終了操作を受け付けた場合に、ワーク検査を終了すると判断する。画像センサ１３４は、ワーク検査を終了すると判断した場合には（ステップＳ１３０においてＹＥＳ）、ワークの検査処理を終了する。そうでない場合には（ステップＳ１３０においてＮＯ）、画像センサ１３４は、制御をステップＳ１１２に戻す。

＜Ｇ．コントローラ１００のハードウェア構成＞
図１３を参照して、本実施の形態に従うコントローラ１００のハードウェア構成について説明する。図１３は、本実施の形態に従うコントローラ１００のハードウェア構成を示す模式図である。

コントローラ１００は、一例として、汎用的なコンピュータアーキテクチャに準じて構成されるコンピュータからなる。コントローラ１００は、制御装置１０１と、主メモリ１０２と、通信インターフェイス１０３と、センサインターフェイス１０４と、操作インターフェイス１０５と、表示インターフェイス１０６と、光学ドライブ１０７と、記憶装置１１０（記憶部）とを含む。これらのコンポーネントは、内部バス１１９を介して互いに通信可能に接続されている。

制御装置１０１は、たとえば、少なくとも１つの集積回路によって構成される。集積回路は、たとえば、少なくとも１つのＣＰＵ（Central Processing Unit）、少なくとも１つのＡＳＩＣ（Application Specific Integrated Circuit）、少なくとも１つのＦＰＧＡ（Field Programmable Gate Array）、またはそれらの組み合わせなどによって構成される。制御装置１０１は、記憶装置１１０に格納されている画像処理プログラム１１１を主メモリ１０２に展開して実行することで、上述の学習処理や検査処理などを実現する。主メモリ１０２は、揮発性メモリにより構成され、制御装置１０１によるプログラム実行に必要なワークメモリとして機能する。

通信インターフェイス１０３は、外部機器との間でネットワークを介してデータを遣り取りする。当該外部機器は、たとえば、上述の画像センサ１３４（図１参照）、サーバ、その他の通信機器などを含む。コントローラ１００は、通信インターフェイス１０３を介して、本実施の形態に従う画像処理プログラム１１１をダウンロードできるように構成されてもよい。

センサインターフェイス１０４は、上述の画像センサ１３４と接続される。画像センサ１３４には、上述の撮像部１３５が接続され、センサインターフェイス１０４は、撮像部１３５の撮像により得られる画像信号を取り込むとともに、画像センサ１３４を介して撮像部１３５に撮像タイミングなどの指令を送る。

操作インターフェイス１０５は、操作部１２２に接続され、操作部１２２からのユーザ操作を示す信号を取り込む。操作部１２２は、典型的には、キーボード、マウス、タッチパネル、タッチパッドなどからなり、ユーザからの操作を受け付ける。

表示インターフェイス１０６は、表示部１２０と接続され、制御装置１０１などからの指令に従って、表示部１２０に対して、画像を表示するための画像信号を送出する。表示部１２０は、ディスプレイ、インジケータなどからなり、ユーザに対して各種情報を提示する。

光学ドライブ１０７は、光学ディスク１０７Ａなどから、その中に格納されている各種プログラムを読み出して、記憶装置１１０にインストールする。記憶装置１１０は、たとえば、画像処理プログラム１１１などを格納する。

図１３には、光学ドライブ１０７を介して必要なプログラムをコントローラ１００にインストールする構成例を示すが、これに限られることなく、ネットワーク上のサーバ装置などからダウンロードするようにしてもよい。あるいは、コントローラ１００上のプログラムは、ＵＳＢ（Universal Serial Bus）メモリ、ＳＤ（Secure Digital）カード、ＣＦ（Compact Flash）などの記憶媒体に書き込まれているプログラムによって書き換えられるように構成されもよい。

記憶装置１１０（記憶部）は、たとえば、ハードディスクや外付けの記憶媒体である。一例として、記憶装置１１０は、モデル画像の生成に用いられる学習画像３０と、学習画像３０から生成された更新前のモデル画像３２と、学習画像３０の一部または全部から生成された仮のモデル画像３３と、本実施の形態に従う各種の処理を実現するための画像処理プログラム１１１とを格納する。

画像処理プログラム１１１は、単体のプログラムとしてではなく、任意のプログラムの一部に組み込まれて提供されてもよい。この場合、任意のプログラムと協働して本実施の形態に従う処理が実現される。このような一部のモジュールを含まないプログラムであっても、本実施の形態に従うコントローラ１００の趣旨を逸脱するものではない。さらに、本実施の形態に従う画像処理プログラム１１１によって提供される機能の一部または全部は、専用のハードウェアによって実現されてもよい。さらに、コントローラ１００とサーバとが協働して、本実施の形態に従う処理を実現するようにしてもよい。さらに、少なくとも１つのサーバが本実施の形態に従う処理を実現する、所謂クラウドサービスの形態でコントローラ１００が構成されてもよい。

＜Ｈ．利点＞
以上のようにして、本実施の形態に従う画像処理システム１は、各学習画像の選択を受け付ける選択項目を表示するとともに、当該選択項目ごとに、当該選択項目で選択可能な学習画像の識別情報と、当該学習画像の選択可否を支援するための支援情報とを並べて表示する。画像処理システム１は、選択項目において選択された学習画像から新たなモデル画像を生成する。

ユーザは、学習画像の選択可否を支援するための支援情報を確認することで、学習対象から特異な学習画像を省くことができる。これにより、精度の高いモデル画像が生成されるので、検査の精度が改善される。また、精度の高いモデル画像が生成されることで、検査用画像とモデル画像とのマッチング処理時に生じ得る位置ずれなどを抑制することができる。

他の利点として、本実施の形態に従う画像処理システム１は、ロバスト性の高いモデル画像を生成できる。より具体的には、ロバスト性の高いモデル画像を生成するためには、撮影環境（たとえば、照明ムラなど）や製造環境（たとえば、加工法、金型、気温など）が異なる様々なワークの学習画像からモデル画像を作成する必要がある。このとき、本実施の形態に従う画像処理システム１においては、ユーザは、多種多様な学習画像からモデル画像の生成に有効な学習画像を選択することができる。これにより、よりロバスト性の高いモデル画像を生成することができる。

さらに他の利点として、本実施の形態に従う画像処理システム１は、モデル画像の生成に用いられた学習画像の履歴（たとえば、撮像日時や登録日時など）を表示するため、ユーザは、当該履歴を参照して学習画像を取捨選択することができる。

さらに他の利点として、ユーザは、生成されたモデル画像の有効性を確認できることができる。より具体的には、本実施の形態に従う画像処理システム１は、学習画像の選択によりモデル画像を生成する度に当該モデル画像の有効性を示す判断材料を表示する。当該判断材料として、たとえば、生成されたモデル画像に対する学習画像の相関値や、生成されたモデル画像自体が表示される。ユーザは、これらの判断材料を確認することで、モデル画像の有効性を確認することができる。

今回開示された実施の形態は全ての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内での全ての変更が含まれることが意図される。

１ 画像処理システム、２９ 画像、２９Ａ〜２９Ｅ，４０Ａ〜４０Ｅ ピン部分、３０，３０Ａ〜３０Ｎ，７０，７０Ａ〜７０Ｈ 学習画像、３１〜３４，７１，７２ モデル画像、３１Ａ〜３１Ｎ，６１Ａ 選択項目、４０ 検査用画像、５０，５０Ａ モデル登録画面、５１ 追加ボタン、５２ 全選択ボタン、５３ 解除ボタン、５４ 削除ボタン、６０，８０ リスト、６１Ｂ，６１Ｃ 識別情報、６１Ｄ〜６１Ｆ 支援情報、６２Ｂ〜６２Ｆ 項目欄、６８ 行、８１Ａ〜８１Ｃ 評価結果、９１ 登録ボタン、９２ ＯＫボタン、９３ キャンセルボタン、９５ 一覧、９６ コンボボックス、１００ コントローラ、１０１ 制御装置、１０２ 主メモリ、１０３ 通信インターフェイス、１０４ センサインターフェイス、１０５ 操作インターフェイス、１０６ 表示インターフェイス、１０７ 光学ドライブ、１０７Ａ 光学ディスク、１１０ 記憶装置、１１１ 画像処理プログラム、１１９ 内部バス、１２０ 表示部、１２２ 操作部、１２３，１２７，１２８ コンベア、１２４ 治具、１２５ 排除機構、１３４ 画像センサ、１３５ 撮像部、１５２ 選択受付部、１５４ 生成部、１５６ 算出部、１５８ 表示制御部、１６０ 更新部。

Claims (10)

1. 検査対象物を撮像して得られた画像に基づいて前記検査対象物を検査するための画像処理システムであって、
   前記検査対象物と同種類の物体を表わす複数の学習画像と、前記検査対象物の検査基準として前記複数の学習画像から生成された第１モデル画像とを格納するための記憶部と、
   前記複数の学習画像の各々の選択を受け付ける選択項目を表示するための表示部とを備え、前記表示部は、前記選択項目ごとに、当該選択項目で選択可能な学習画像の識別情報と、当該学習画像の選択可否を支援するための支援情報とを並べて表示し、さらに、
   前記選択項目において選択された学習画像から前記画像との比較対象として第２モデル画像を生成し、前記第１モデル画像を前記第２モデル画像に更新するための更新部を備える、画像処理システム。
2. 前記表示部は、前記支援情報に対する所定のソートルールに従って、複数の前記支援情報の各々を、対応する前記選択項目および前記識別情報とともにソートした上で表示する、請求項１に記載の画像処理システム。
3. 前記表示部は、前記第１モデル画像と前記複数の学習画像の各々との第１類似度群、および前記第２モデル画像と前記複数の学習画像の各々との第２類似度群を、前記支援情報として表示する、請求項１または２に記載の画像処理システム。
4. 前記更新部は、前記選択項目に対する選択が更新される度に、当該選択項目において選択された学習画像から前記第２モデル画像を生成し、
   前記表示部は、前記第２モデル画像が生成される度に前記第２類似度群の表示を更新する、請求項３に記載の画像処理システム。
5. 前記表示部は、前記複数の学習画像の内から表示対象として選択された学習画像を前記支援情報として表示する、請求項１〜４のいずれか１項に記載の画像処理システム。
6. 前記表示部は、前記選択項目において選択されている学習画像を前記支援情報として表示する、請求項１〜４のいずれか１項に記載の画像処理システム。
7. 前記表示部は、前記第１モデル画像と、前記第２モデル画像とを並べて表示する、請求項１〜６のいずれか１項に記載の画像処理システム。
8. 前記更新部は、前記第１モデル画像の更新指示を受け付けたことに基づいて、前記第１モデル画像を前記第２モデル画像に更新する、請求項１〜７のいずれか１項に記載の画像処理システム。
9. 検査対象物を撮像して得られた画像に基づいて前記検査対象物を検査するための画像処理方法であって、
   前記検査対象物と同種類の物体を表わす複数の学習画像と、前記検査対象物の検査基準として前記複数の学習画像から生成された第１モデル画像とを準備するステップと、
   前記複数の学習画像の各々の選択を受け付ける選択項目を表示するとともに、当該選択項目ごとに、当該選択項目で選択可能な学習画像の識別情報と、当該学習画像の選択可否を支援するための支援情報とを並べて表示するステップと、
   前記選択項目において選択された学習画像から前記画像との比較対象として第２モデル画像を生成し、前記第１モデル画像を前記第２モデル画像に更新するステップとを備える、画像処理方法。
10. 検査対象物を撮像して得られた画像に基づいて前記検査対象物を検査するための画像処理プログラムであって、
    前記画像処理プログラムは、コンピュータに、
    前記検査対象物と同種類の物体を表わす複数の学習画像と、前記検査対象物の検査基準として前記複数の学習画像から生成された第１モデル画像とを準備するステップと、
    前記複数の学習画像の各々の選択を受け付ける選択項目を表示するとともに、当該選択項目ごとに、当該選択項目で選択可能な学習画像の識別情報と、当該学習画像の選択可否を支援するための支援情報とを並べて表示するステップと、
    前記選択項目において選択された学習画像から前記画像との比較対象として第２モデル画像を生成し、前記第１モデル画像を前記第２モデル画像に更新するステップとを実行させる、画像処理プログラム。