JP2018132962A - 画像出力装置及び画像出力方法 - Google Patents
画像出力装置及び画像出力方法 Download PDFInfo
- Publication number
- JP2018132962A JP2018132962A JP2017026397A JP2017026397A JP2018132962A JP 2018132962 A JP2018132962 A JP 2018132962A JP 2017026397 A JP2017026397 A JP 2017026397A JP 2017026397 A JP2017026397 A JP 2017026397A JP 2018132962 A JP2018132962 A JP 2018132962A
- Authority
- JP
- Japan
- Prior art keywords
- image
- learning
- images
- data
- input
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000010801 machine learning Methods 0.000 claims abstract description 54
- 239000002131 composite material Substances 0.000 claims description 112
- 238000011156 evaluation Methods 0.000 claims description 108
- 238000012545 processing Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 16
- 230000002950 deficient Effects 0.000 description 11
- 238000007689 inspection Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 230000036544 posture Effects 0.000 description 5
- 241000251468 Actinopterygii Species 0.000 description 4
- 235000019688 fish Nutrition 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 241001672694 Citrus reticulata Species 0.000 description 2
- 241000220225 Malus Species 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 235000009508 confectionery Nutrition 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 241001149724 Cololabis adocetus Species 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 235000014443 Pyrus communis Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 241001504592 Trachurus trachurus Species 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
Description
図1は、本発明の一実施形態に係る画像出力装置10を含む対象物評価システム1の全体概念を示す図である。同図に示すとおり、対象物評価システム1は、画像出力装置10と、複数画像取得装置20と、機械学習装置30と、画像評価装置40とを含んで構成され、各装置はインターネットなどのネットワークNを介して互いに接続可能である。なお、本システムの構成は図示のものに限定されず、例えば、各装置のうち任意の複数の装置を物理的ないし論理的に一体のものとして構成してもよいし、各装置を物理的ないし論理的に2以上の要素に分けて構成してもよい。
図2は、本実施形態に係る対象物評価システム1の全体構成の一例を示す図である。同図に示すとおり、対象物評価システム1は、画像出力装置10、カメラ群25を含む複数画像取得装置20、機械学習装置30及び画像評価装置40の他に、学習依頼装置50、学習依頼受付装置60、学習データ作成装置70及び学習データベース装置80を備え、これらがネットワークNを介して相互に接続される。なお、本システムの構成は図示のものに限定されず、任意の複数の装置を物理的ないし論理的に一体のものとして構成してもよいし、各装置を物理的ないし論理的に2以上の要素に分けて構成してもよい。また、各装置を、IoT端末装置やサーバ装置として実施してもよい。
図3は、本実施形態に係る画像出力装置10の機能構成の一例を示すブロック図である。同図に示すとおり、画像出力装置10は、取得部(複数画像取得部)110、画像関連情報取得部120、画像配置決定部130、画像合成部140、出力部(合成画像出力部)150及び通信部160を含み、これらがネットワーク(内部バスを含む)を介して相互に接続され得る。
次に、画像出力装置10において生成される合成画像10Xについて説明する。
図9は、1つの合成画像に2つの画像を含む場合の一例である。ここでは、2枚の画像を並べて1つの画像として外観を評価する学習として、例えば、魚の表面の状態を検査することを想定する。同図に示すように、魚を右側から撮影した画像21X1を合成画像の右側の領域R1に配置し、左側から撮影した画像21X2を左側の領域R2に配置することによって、合成画像10Xが形成される。図9においては、説明のため領域の境界に破線を表示しているが、実際の合成画像10Xでは、各領域の境界を明示する必要はない。後述する事例についても同様である。
図10は、1つの合成画像に6つの画像を含む場合の一例である。対象物Zが立方体または直方体形状の場合、各面と直交する6方向からの画像があれば、全ての面を撮影できる。合成画像を生成する際に、立体の外観における、各画像の位置関係の情報が保存されるように各画像を並べて合成してもよい。このように、合成画像を生成する際に、複数の画像を撮影した方向の位置関係が保存されるように各画像を配置すれば、画像間の位置関係を反映した評価を行うことができる。例えば、対象物Zが立方体又は直方体である場合、各面は正方形か長方形となる。画像から製品部分を切り出して、隣り合う面の間の辺が接するようにして画像を連結し、立方体や直方体の展開図のような合成画像とすることができる。
図15は、対象物評価システム1を構成する各装置のハードウェア構成の一例を示すブロック図である。画像出力装置10などの各装置は、同図に示すように、CPU1510、ROM1520やRAM1530等のメモリ、各種の情報を記憶する記憶装置1540、入力出力部1550、通信部1560及びこれらを結ぶネットワークないしバスを備える汎用又は専用のコンピュータを適用することができる。各装置は、CPUが、メモリ又は記憶装置に記憶された所定のプログラムを実行することにより、上述した機能が実現される。プログラムは、CD−ROM等の光学ディスク、磁気ディスク、半導体メモリなどの各種の記録媒体を通じて、又は通信ネットワークなどを介してダウンロードすることにより、コンピュータにインストール又はロードすることができる。
次に、図16乃至図20を参照して本実施形態に係るシステムの処理フローについて説明する。
少なくとも1つのハードウェアプロセッサを備え、
前記ハードウェアプロセッサは、
対象物を第1の方向から撮影した第1の画像と、前記対象物を第2の方向から撮影した第2の画像とを少なくとも取得し、
機械学習可能な又は学習結果として得られた学習モジュールへの入力として、前記第1の画像と前記第2の画像とを少なくとも出力して、前記第1の画像を前記学習モジュールの備える入力手段のうち第1の部分から入力させ、前記第2の画像を前記入力手段のうち第2の部分から入力させる、
ことを特徴とする画像出力装置。
(付記2)
少なくとも1つ以上のハードウェアプロセッサによって、
対象物を第1の方向から撮影した第1の画像と、前記対象物を第2の方向から撮影した第2の画像とを少なくとも取得する工程と、
機械学習可能な又は学習結果として得られた学習モジュールへの入力として、前記第1の画像と前記第2の画像とを少なくとも出力する工程であって、前記第1の画像を前記学習モジュールの備える入力手段のうち第1の部分から入力させ、前記第2の画像を前記入力手段のうち第2の部分から入力させる、工程と、
を実行する画像出力方法。
Claims (10)
- 対象物を第1の方向から撮影した第1の画像と、前記対象物を第2の方向から撮影した第2の画像とを少なくとも取得する取得部と、
機械学習可能な又は学習結果として得られた学習モジュールへの入力として、前記第1の画像と前記第2の画像とを少なくとも出力する出力部であって、前記第1の画像を前記学習モジュールの備える入力手段のうち第1の部分から入力させ、前記第2の画像を前記入力手段のうち第2の部分から入力させる、出力部と、
を備える画像出力装置。 - 前記出力部は、前記第1の画像と前記第2の画像とを所定の位置関係で一の画像内に含む合成画像を出力し、
前記合成画像に含まれる前記第1の画像は前記第1の部分に入力され、前記合成画像に含まれる前記第2の画像は前記第2の部分に入力される、
請求項1記載の画像出力装置。 - 前記合成画像は少なくとも前記第1の部分に入力される第1の領域と前記第2の部分に入力される第2の領域を備え、
前記出力部は、前記第1の領域に前記第1の画像を配置し、前記第2の領域に前記第2の画像を配置した画像を、前記合成画像として出力する、
請求項2記載の画像出力装置。 - 前記第1の方向と前記第2の方向の位置関係が保存されるように、前記第1の領域と前記第2の領域の位置が決定される、
請求項3記載の画像出力装置。 - 前記第1の画像と前記第2の画像は、異なるカメラで略同時に取得されたものである、
請求項1乃至4のいずれかに記載の画像出力装置。 - 前記第1の画像と前記第2の画像は、一のカメラで異なる時間に取得されたものである、
請求項1乃至4のいずれかに記載の画像出力装置。 - 機械学習可能な学習モジュールを備える機械学習装置であって、
請求項1乃至6のいずれかに記載の画像出力装置から出力された画像に基づいて生成された学習データによって前記学習モジュールの学習を行う、機械学習装置。 - 学習結果として得られた学習モジュールを備える画像評価装置であって、
請求項1乃至6のいずれかに記載の画像出力装置から出力された画像に基づいて生成された評価データを前記学習モジュールに入力して、前記対象物の評価を行う、画像評価装置。 - 対象物を第1の方向から撮影した第1の画像と、前記対象物を第2の方向から撮影した第2の画像とを少なくとも取得する工程と、
機械学習可能な又は学習結果として得られた学習モジュールへの入力として、前記第1の画像と前記第2の画像とを少なくとも出力する工程であって、前記第1の画像を前記学習モジュールの備える入力手段のうち第1の部分から入力させ、前記第2の画像を前記入力手段のうち第2の部分から入力させる、工程と、
を備える画像出力方法。 - 機械学習可能な又は学習結果として得られた学習モジュールに入力される合成画像データのデータ構造であって、
前記合成画像データは、少なくとも、
対象物を第1の方向から撮影した画像であって、前記合成画像内の第1の領域に配置される第1の画像データと、
前記対象物を第2の方向から撮影した画像であって、前記合成画像内において前記第1の領域と所定の位置関係を有する第2の領域に配置される第2の画像データと、
を含む、合成画像データのデータ構造。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017026397A JP6874410B2 (ja) | 2017-02-15 | 2017-02-15 | 画像出力装置及び画像出力方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017026397A JP6874410B2 (ja) | 2017-02-15 | 2017-02-15 | 画像出力装置及び画像出力方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018132962A true JP2018132962A (ja) | 2018-08-23 |
JP6874410B2 JP6874410B2 (ja) | 2021-05-19 |
Family
ID=63248438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017026397A Active JP6874410B2 (ja) | 2017-02-15 | 2017-02-15 | 画像出力装置及び画像出力方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6874410B2 (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020112483A (ja) * | 2019-01-15 | 2020-07-27 | 春江 姚 | 外観検査システム、計算モデル構築方法及び計算モデル構築プログラム |
JP2020128227A (ja) * | 2019-02-08 | 2020-08-27 | 株式会社ナベル | パック詰め製品の検査システム |
WO2020202331A1 (ja) * | 2019-03-29 | 2020-10-08 | 武蔵精密工業株式会社 | 検査システム及び検査方法 |
WO2021075072A1 (ja) * | 2019-10-16 | 2021-04-22 | 新明和工業株式会社 | 対象検出装置、飛行体、対象検出方法、コンピュータプログラム及び学習モデルの生成方法 |
US11093779B2 (en) * | 2018-06-26 | 2021-08-17 | Yokogawa Electric Corporation | Apparatus, method and recording medium |
JP2021156653A (ja) * | 2020-03-26 | 2021-10-07 | 株式会社奥村組 | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム |
WO2021235311A1 (ja) * | 2020-05-18 | 2021-11-25 | ファナック株式会社 | 機械学習装置及び機械学習システム |
CN114170622A (zh) * | 2021-10-05 | 2022-03-11 | 三信贸易株式会社 | 锦鲤评价装置、方法、程序以及存储介质 |
WO2022114190A1 (en) * | 2020-11-30 | 2022-06-02 | Brother Kogyo Kabushiki Kaisha | Information processing system and information processing method |
WO2023120306A1 (ja) * | 2021-12-23 | 2023-06-29 | 日清紡ホールディングス株式会社 | 分類装置、分類方法、及び分類システム |
-
2017
- 2017-02-15 JP JP2017026397A patent/JP6874410B2/ja active Active
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11093779B2 (en) * | 2018-06-26 | 2021-08-17 | Yokogawa Electric Corporation | Apparatus, method and recording medium |
JP2020112483A (ja) * | 2019-01-15 | 2020-07-27 | 春江 姚 | 外観検査システム、計算モデル構築方法及び計算モデル構築プログラム |
JP2020128227A (ja) * | 2019-02-08 | 2020-08-27 | 株式会社ナベル | パック詰め製品の検査システム |
JP7233521B2 (ja) | 2019-03-29 | 2023-03-06 | Musashi AI株式会社 | 検査システム及び検査方法 |
WO2020202331A1 (ja) * | 2019-03-29 | 2020-10-08 | 武蔵精密工業株式会社 | 検査システム及び検査方法 |
JPWO2020202331A1 (ja) * | 2019-03-29 | 2020-10-08 | ||
WO2021075072A1 (ja) * | 2019-10-16 | 2021-04-22 | 新明和工業株式会社 | 対象検出装置、飛行体、対象検出方法、コンピュータプログラム及び学習モデルの生成方法 |
JP2021156653A (ja) * | 2020-03-26 | 2021-10-07 | 株式会社奥村組 | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム |
JP7356941B2 (ja) | 2020-03-26 | 2023-10-05 | 株式会社奥村組 | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム |
WO2021235311A1 (ja) * | 2020-05-18 | 2021-11-25 | ファナック株式会社 | 機械学習装置及び機械学習システム |
WO2022114190A1 (en) * | 2020-11-30 | 2022-06-02 | Brother Kogyo Kabushiki Kaisha | Information processing system and information processing method |
CN114170622A (zh) * | 2021-10-05 | 2022-03-11 | 三信贸易株式会社 | 锦鲤评价装置、方法、程序以及存储介质 |
CN114170622B (zh) * | 2021-10-05 | 2022-08-19 | 三信贸易株式会社 | 锦鲤评价装置、方法、程序以及存储介质 |
WO2023120306A1 (ja) * | 2021-12-23 | 2023-06-29 | 日清紡ホールディングス株式会社 | 分類装置、分類方法、及び分類システム |
Also Published As
Publication number | Publication date |
---|---|
JP6874410B2 (ja) | 2021-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6874410B2 (ja) | 画像出力装置及び画像出力方法 | |
US20200394751A1 (en) | Image feature combination for image-based object recognition | |
CN104463975B (zh) | 设置方法以及信息处理装置 | |
CN104346834B (zh) | 信息处理设备和位置指定方法 | |
US6954212B2 (en) | Three-dimensional computer modelling | |
AU2006282762B2 (en) | Reconstruction render farm used in motion capture | |
US20030218607A1 (en) | Three-dimensional computer modelling | |
CN107507274A (zh) | 一种基于云计算的公安案件现场三维实景快速还原方法 | |
CN106797458A (zh) | 真实对象的虚拟改变 | |
CN107563978A (zh) | 人脸去模糊方法及装置 | |
Plum et al. | scAnt—an open-source platform for the creation of 3D models of arthropods (and other small objects) | |
CN104284084B (zh) | 图像处理设备、图像处理方法以及计算机存储介质 | |
CN112686084A (zh) | 图像标注系统 | |
EP3309750B1 (en) | Image processing apparatus and image processing method | |
CN110516751A (zh) | 三维数据的处理方法、系统及设备 | |
WO2023097773A1 (zh) | 步态分析方法、装置、设备及存储介质 | |
KR101865112B1 (ko) | 외관 재질 모델링을 포함하는 3차원 복원 장치 및 그 방법 | |
CN106462774A (zh) | 通过规范形状的对象摄取、系统和方法 | |
CN108876891A (zh) | 人脸图像数据采集方法及人脸图像数据采集装置 | |
Fong-on et al. | Embedded photographic tomography | |
JP2022024189A (ja) | 学習用データ作成方法、学習用データ作成装置及びプログラム | |
JP7258117B1 (ja) | 画像処理装置、画像処理方法及びプログラム | |
US20210365730A1 (en) | Method for generating training data and an electronic device | |
Zhao | Automated phenotyping of seeds using traditional and convolutional neural network-based methods | |
US10504251B1 (en) | Determining a visual hull of an object |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190306 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200205 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200217 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200409 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200828 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201020 |
|
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: 20210323 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210405 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6874410 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |