JP2018116672A - 情報処理装置、情報処理方法およびプログラム - Google Patents
情報処理装置、情報処理方法およびプログラム Download PDFInfo
- Publication number
- JP2018116672A JP2018116672A JP2017104704A JP2017104704A JP2018116672A JP 2018116672 A JP2018116672 A JP 2018116672A JP 2017104704 A JP2017104704 A JP 2017104704A JP 2017104704 A JP2017104704 A JP 2017104704A JP 2018116672 A JP2018116672 A JP 2018116672A
- Authority
- JP
- Japan
- Prior art keywords
- score
- information processing
- filter images
- pixel
- filter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
例えば第2の算出部212は、複数のフィルタ画像にわたって互いに対応する複数の画素ごとに、該複数の画素の各々のZスコアZm(x,y)の平均値を統合スコアZtotal(x,y)として算出する形態であってもよい。この場合、第2の算出部212は、以下の式17により統合スコアZtotal(x,y)を算出することができる。
例えば第2の算出部212は、複数のフィルタ画像にわたって互いに対応する複数の画素ごとに、該複数の画素の各々のZスコアZm(x,y)の合計値を統合スコアZtotal(x,y)として算出する形態であってもよい。この場合、第2の算出部212は、以下の式18より統合スコアZtotal(x,y)を算出することができる。
例えば、フィルタ群を一度に演算するWavelet変換を使用する形態であってもよい。図9は、この場合における処理フローを示す模式図である。まず入力画像をWavelet変換することで、多階層の画像(前述の複数の空間フィルタと1対1に対応する複数の階層と考えてもよい)を含む1枚の画像に変換する。次に、その画像を、予め学習により得られた1つのモデルと比較し、上述の実施形態と同様に、各画素のZスコアZm(x,y)を算出する。なお、この場合の1つのモデルは、複数のフィルタ画像ごとのモデル(階層ごとのモデル)を統合した1つのモデルであると考えることができる。見方を変えれば、この場合の1つのモデルは、複数のフィルタ画像と1対1に対応する複数のモデルを含むと考えることもできる。その後、逆Wavelet変換により元の1枚の画像に戻すことで、画素ごとのZスコアZm(x,y)を統合した統合スコアZtotal(x,y)が得られる。結果として、上述の実施形態と同様に、入力画像に含まれる各画素の統合スコアZtotal(x,y)を得ることができる。この形態によれば、Wavelet変換を用いることで、計算時間を減らすことができるというメリットがある。
120 カメラ
130 情報処理装置
140 出力装置
201 取得部
202 生成部
203 学習部
204 算出部
205 判別部
206 判別結果通知部
211 第1の算出部
212 第2の算出部
Claims (11)
- 一つの入力画像に対し複数の異なる空間フィルタを適用して、複数のフィルタ画像を生成する生成部と、
前記複数のフィルタ画像と1対1に対応し、かつ、対象形状を表現するパラメータを有する1以上のモデルをそれぞれ含む複数のモデル群を用いて、前記複数のフィルタ画像の各々に含まれる複数の画素ごとに、対応する前記モデル群との差分に応じた値を示すスコアを算出する第1の算出部と、
前記複数のフィルタ画像にわたって互いに対応する複数の画素の各々の前記スコアを統合した結果を示す統合スコアを算出する第2の算出部と、
前記統合スコアに基づいて異常を判別する判別部と、を備える、
情報処理装置。 - 前記パラメータは、良品画像の画素値の平均を示す画素平均値、および、前記良品画像の画素値の分散を示す画素分散値を含み、
前記第1の算出部は、
前記複数のフィルタ画像の各々に含まれる複数の画素ごとに、該画素の画素値と、対応する前記パラメータとに基づいて前記スコアを算出する、
請求項1に記載の情報処理装置。 - 前記画素分散値を、閾値より大きい所定値になるように補正する分散補正部を備える、
請求項2に記載の情報処理装置。 - 前記スコアはZスコアである、
請求項2に記載の情報処理装置。 - 前記第2の算出部は、前記複数のフィルタ画像にわたって互いに対応する複数の画素ごとに、該複数の画素の各々の前記スコアに対応する発生確率の同時確率に基づいて前記統合スコアを算出する、
請求項4に記載の情報処理装置。 - 前記第2の算出部は、
以下の式(1)より前記スコアに対応する発生確率を算出し、
以下の式(2)より前記統合スコアを算出する、
請求項5に記載の情報処理装置。
- 前記第2の算出部は、前記複数のフィルタ画像にわたって互いに対応する複数の画素ごとに、該複数の画素の各々の前記スコアの平均値を前記統合スコアとして算出する、
請求項1乃至4のうちの何れか1項に記載の情報処理装置。 - 前記第2の算出部は、前記複数のフィルタ画像にわたって互いに対応する複数の画素ごとに、該複数の画素の各々の前記スコアの合計値を前記統合スコアとして算出する、
請求項1乃至4のうちの何れか1項に記載の情報処理装置。 - 何れかの前記フィルタ画像に対応するモデル群が複数のモデルを含む場合、前記第1の算出部は、前記フィルタ画像に含まれる複数の画素の各々について、該画素の各モデルとの差分に応じた値を示す単位スコアと、該フィルタ画像が各モデルに当てはまる確率と、に基づいて、該画素の最終的な前記スコアを決定する、
請求項1乃至8のうちの何れか1項に記載の情報処理装置。 - 一つの入力画像に対し複数の異なる空間フィルタを適用して、複数のフィルタ画像を生成する生成ステップと、
前記複数のフィルタ画像と1対1に対応し、かつ、対象形状を表現するパラメータを有する1以上のモデルをそれぞれ含む複数のモデル群を用いて、前記複数のフィルタ画像の各々に含まれる複数の画素ごとに、対応する前記モデル群との差分に応じた値を示すスコアを算出する第1の算出ステップと、
前記複数のフィルタ画像にわたって互いに対応する複数の画素の各々の前記スコアを統合した結果を示す統合スコアを算出する第2の算出ステップと、
前記統合スコアに基づいて異常を判別する判別ステップと、を含む、
情報処理方法。 - コンピュータに、
一つの入力画像に対し複数の異なる空間フィルタを適用して、複数のフィルタ画像を生成する生成ステップと、
前記複数のフィルタ画像と1対1に対応し、かつ、対象形状を表現するパラメータを有する1以上のモデルをそれぞれ含む複数のモデル群を用いて、前記複数のフィルタ画像の各々に含まれる複数の画素ごとに、対応する前記モデル群との差分に応じた値を示すスコアを算出する第1の算出ステップと、
前記複数のフィルタ画像にわたって互いに対応する複数の画素の各々の前記スコアを統合した結果を示す統合スコアを算出する第2の算出ステップと、
前記統合スコアに基づいて異常を判別する判別ステップと、を実行させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/872,257 US10685432B2 (en) | 2017-01-18 | 2018-01-16 | Information processing apparatus configured to determine whether an abnormality is present based on an integrated score, information processing method and recording medium |
CN201810044736.7A CN108335287B (zh) | 2017-01-18 | 2018-01-17 | 信息处理装置和信息处理方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017006524 | 2017-01-18 | ||
JP2017006524 | 2017-01-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018116672A true JP2018116672A (ja) | 2018-07-26 |
JP6904062B2 JP6904062B2 (ja) | 2021-07-14 |
Family
ID=62984011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017104704A Active JP6904062B2 (ja) | 2017-01-18 | 2017-05-26 | 情報処理装置、情報処理方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6904062B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019194065A1 (ja) * | 2018-04-02 | 2019-10-10 | 日本電産株式会社 | 画像処理装置、画像処理方法、外観検査システムおよび外観検査方法 |
JPWO2022024245A1 (ja) * | 2020-07-29 | 2022-02-03 |
-
2017
- 2017-05-26 JP JP2017104704A patent/JP6904062B2/ja active Active
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019194065A1 (ja) * | 2018-04-02 | 2019-10-10 | 日本電産株式会社 | 画像処理装置、画像処理方法、外観検査システムおよび外観検査方法 |
JPWO2022024245A1 (ja) * | 2020-07-29 | 2022-02-03 | ||
WO2022024245A1 (ja) * | 2020-07-29 | 2022-02-03 | オリンパス株式会社 | 検査システム、学習方法、検査方法、及び記憶媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP6904062B2 (ja) | 2021-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101967089B1 (ko) | 컨볼루션 신경망 기반의 완전 기준 이미지 품질 평가 | |
JP6792842B2 (ja) | 外観検査装置、変換データ生成装置、及びプログラム | |
WO2020031984A1 (ja) | 部品の検査方法及び検査システム | |
US20210295485A1 (en) | Inspection device and inspection method | |
JP2012032370A (ja) | 欠陥検出方法、欠陥検出装置、学習方法、プログラム、及び記録媒体 | |
JP6707920B2 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
JP2016085704A (ja) | 情報処理システム、情報処理装置、情報処理方法、及びプログラム | |
JP2016115331A (ja) | 識別器生成装置、識別器生成方法、良否判定装置、良否判定方法、プログラム | |
IL299819B1 (en) | Learnable defect detection for semiconductor applications | |
JP6664579B2 (ja) | 学習装置、学習方法及び学習プログラム | |
JP2020042760A (ja) | 情報処理方法、情報処理装置、及びプログラム | |
JP5146797B2 (ja) | パターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンピュータ読取り可能な記録媒体 | |
JP2018116672A (ja) | 情報処理装置、情報処理方法およびプログラム | |
JP7459697B2 (ja) | 異常検知システム、学習装置、異常検知プログラム、学習プログラム、異常検知方法、および学習方法 | |
US10685432B2 (en) | Information processing apparatus configured to determine whether an abnormality is present based on an integrated score, information processing method and recording medium | |
JP6359985B2 (ja) | デプス推定モデル生成装置及びデプス推定装置 | |
WO2022130814A1 (ja) | 指標選択装置、情報処理装置、情報処理システム、検査装置、検査システム、指標選択方法、および指標選択プログラム | |
KR20230036650A (ko) | 영상 패치 기반의 불량 검출 시스템 및 방법 | |
CN108256633B (zh) | 一种测试深度神经网络稳定性的方法 | |
JP2023008416A (ja) | 異常検知システムおよび異常検知方法 | |
JP7459696B2 (ja) | 異常検知システム、学習装置、異常検知プログラム、学習プログラム、異常検知方法、および学習方法演算装置の学習方法 | |
JP2022029262A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、および学習装置 | |
JP7372072B2 (ja) | 画像処理装置、画像処理方法、画像処理プログラム、および画像検査システム | |
WO2022259661A1 (ja) | 学習装置、学習プログラム、異常検出装置、および異常検出プログラム | |
WO2023139688A1 (ja) | 欠陥診断モデル作成装置、欠陥診断モデル作成方法及び欠陥診断モデル作成プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200206 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20210208 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210317 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210323 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210414 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210525 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210607 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6904062 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |