JP2021148719A

JP2021148719A - 検査システム、学習装置、学習プログラム、学習方法、検査装置、検査プログラム、検査方法

Info

Publication number: JP2021148719A
Application number: JP2020051135A
Authority: JP
Inventors: 学梅田; Manabu Umeda
Original assignee: Lixil Corp
Current assignee: Lixil Corp
Priority date: 2020-03-23
Filing date: 2020-03-23
Publication date: 2021-09-27

Abstract

【課題】検査対象を検査する精度を向上させる。【解決手段】検査システム１は、検査対象であるタンク２の検出対象部位を検出するための検出器を学習する学習装置１００と、学習装置１００により学習された検出器を用いて、タンク２の検出対象部位を検出する検査装置２００とを備える。学習装置１００は、検出対象部位を含む検査対象の撮像画像を取得する学習用画像取得部と、学習用画像取得部により取得された検査対象の撮像画像に含まれる検出対象部位の画像から学習データを生成する学習データ生成部と、学習データ生成部により生成された学習データを使用して検出器を学習する学習部とを備える。学習データ生成部は、複数の検出対象部位の画像のうち少なくとも一部を複数に分割し、分割された検出対象部位の画像のそれぞれから学習データを生成する。【選択図】図１

Description

本開示は、検査対象を検査するための技術に関し、とくに、検査対象を検査するための検査システム、検査システムに利用可能な学習装置、学習プログラム、学習方法、検査システムに利用可能な検査装置、検査プログラム、及び検査方法に関する。

便器装置の貯水タンクなどの衛生陶器を製造する際に、施釉や焼成などの工程において、釉薬のはげや亀裂（クラック）などの不具合が生じうる。従来は、熟練した検査員が目視で外観を検査していたが、人材を確保するのが困難で、教育負荷も高いため、属人化の解消が大きな課題となっていた。

このような不具合を自動的に検出するために、検査対象物の撮像画像から表面状態を判定する技術が提案されている（例えば、特許文献１参照）。

特開２００６−０４７０９８号公報

不具合を検出できずに、不具合のあるままで製品を出荷してしまうと、回収、代品出荷、再加工などの手間が生じるとともに、製品の信頼性が低下してしまう。したがって、不具合を自動的に検出する精度を更に高める必要がある。

本開示は、このような課題に鑑みてなされ、その目的は、検査対象を検査する精度を向上させることにある。

上記課題を解決するために、本開示のある態様の検査システムは、検査対象の検出対象部位を検出するための検出器を学習する学習装置と、学習装置により学習された検出器を用いて、検査対象の検出対象部位を検出する検査装置と、を備える。学習装置は、検出対象部位を含む検査対象の撮像画像を取得する学習用画像取得部と、学習用画像取得部により取得された検査対象の撮像画像に含まれる検出対象部位の画像から学習データを生成する学習データ生成部と、学習データ生成部により生成された学習データを使用して検出器を学習する学習部と、を備える。学習データ生成部は、複数の検出対象部位の画像のうち少なくとも一部を複数に分割し、分割された検出対象部位の画像のそれぞれから学習データを生成し、検査装置は、検査対象の撮像画像を取得する検査用画像取得部と、検出器を用いて、検査用画像取得部により取得された撮像画像から検出対象部位を検出する検出部と、を備える。

本開示の別の態様は、学習装置である。この装置は、検出対象部位を含む検査対象の撮像画像を取得する学習用画像取得部と、学習用画像取得部により取得された検査対象の撮像画像に含まれる検出対象部位の画像から学習データを生成する学習データ生成部と、学習データ生成部により生成された学習データを使用して、検査対象の検出対象部位を検出するための検出器を学習する学習部と、を備える。学習データ生成部は、複数の検出対象部位の画像のうち少なくとも一部を複数に分割し、分割された検出対象部位の画像のそれぞれから学習データを生成する。

本開示のさらに別の態様は、学習プログラムである。このプログラムは、コンピュータを、検出対象部位を含む検査対象の撮像画像を取得する学習用画像取得部と、学習用画像取得部により取得された検査対象の撮像画像に含まれる検出対象部位の画像から学習データを生成する学習データ生成部と、学習データ生成部により生成された学習データを使用して、検査対象の検出対象部位を検出するための検出器を学習する学習部と、として機能させ、学習データ生成部は、複数の検出対象部位の画像のうち少なくとも一部を複数に分割し、分割された検出対象部位の画像のそれぞれから学習データを生成する。

本開示のさらに別の態様は、学習方法である。この方法は、コンピュータに、検出対象部位を含む検査対象の撮像画像を取得するステップと、取得された検査対象の撮像画像に含まれる検出対象部位の画像から学習データを生成するステップと、生成された学習データを使用して、検査対象の検出対象部位を検出するための検出器を学習するステップと、を実行させる。学習するステップにおいて、複数の検出対象部位の画像のうち少なくとも一部を複数に分割し、分割された検出対象部位の画像のそれぞれから学習データを生成する。

本開示のさらに別の態様は、検査装置である。この装置は、検査対象の撮像画像を取得する検査用画像取得部と、検査対象の撮像画像に含まれる検出対象部位の画像を複数に分割して生成された学習データを使用して学習された検出器を用いて、検査用画像取得部により取得された撮像画像から検出対象部位を検出する検出部と、を備える。

本開示のさらに別の態様は、検査プログラムである。このプログラムは、コンピュータを、検査対象の撮像画像を取得する検査用画像取得部と、検査対象の撮像画像に含まれる検出対象部位の画像を複数に分割して生成された学習データを使用して学習された検出器を用いて、検査用画像取得部により取得された撮像画像から検出対象部位を検出する検出部と、として機能させる。

本開示のさらに別の態様は、検査方法である。この方法は、コンピュータに、検査対象の撮像画像を取得するステップと、検査対象の撮像画像に含まれる検出対象部位の画像を複数に分割して生成された学習データを使用して学習された検出器を用いて、取得された撮像画像から検出対象部位を検出するステップと、を実行させる。

なお、以上の構成要素の任意の組合せ、本発明の表現を方法、装置、システム、記録媒体、コンピュータプログラムなどの間で変換したものもまた、本発明の態様として有効である。

実施の形態に係る検査システムの構成を示す図である。タンクの表面の撮像画像の例を示す図である。タンクの表面の撮像画像の例を示す図である。実施の形態に係る学習方法の手順を示すフローチャートである。実施の形態に係る検査方法の手順を示すフローチャートである。実施の形態に係る学習装置の構成を示す図である。実施の形態に係る検査装置の構成を示す図である。

本開示の実施の形態として、衛生陶器の一例であるタンクの外観を検査する技術について説明する。実施の形態に係る学習装置は、タンクの表面に生じたクラックなどの欠陥を検出するための欠陥検出器を学習する。実施の形態に係る検査装置は、学習装置により学習された欠陥検出器を使用してタンクの撮像画像から欠陥を検出する。これにより、検査の効率及び精度を向上させることができるので、検査員の負担を大幅に軽減させることができる。また、合格品を不合格品と判定する割合を低減させることができるので、不合格品の見直しなどの手間を軽減させることができる。また、検査員の経験や技量などによらず、精確な検査を実施することができるので、検査の属人化を解消し、検査員の人員不足を軽減させることができるとともに、製品の品質を良好に安定させることができる。

図１は、実施の形態に係る検査システムの構成を示す。検査システム１は、検査対象であるタンク２と、タンク２の外観を撮像するための撮像装置３と、タンク２の表面に生じた欠陥を検出するための欠陥検出器を学習する学習装置１００と、欠陥検出器を用いてタンク２の表面を検査する検査装置２００と、それらの装置を接続する通信網の一例であるインターネット４とを備える。

図２は、タンク２の表面の撮像画像の例を示す。図２（ａ）は、タンク２の表面に生じたクラックの画像を示す。撮像画像１０には、４つのクラック１１ａ、１１ｂ、１１ｃ、１１ｄの画像が含まれている。学習装置１００は、撮像画像１０に含まれるクラックに対して、クラックであることを示すアノテーション（教師ラベル）を付与し、教師あり学習によって欠陥検出器を学習する。

欠陥検出器の汎化性能（未知データに対する検出性能）を向上せるためには、多種多様な欠陥の画像を学習データとして欠陥検出器を学習する必要があるが、タンク２を製造する際にタンク２の表面に欠陥が発生する割合は非常に低いので、実際にタンク２の表面に欠陥が生じている画像を大量に収集して学習データを生成するのは困難である。このような課題を解決するために、本実施の形態では、１つの欠陥の画像を複数に分割し、分割された欠陥の画像のそれぞれから学習データを生成する。これにより、大量の学習データを効率良く生成して欠陥検出器を学習することができるので、欠陥検出器の汎化性能及び精度を向上させることができる。このようにして学習された欠陥検出器により欠陥を検出する場合、１つの欠陥が存在する場合であっても、細分化された欠陥の一部ずつが複数個に分けて検出される可能性があるが、検出後に近接している欠陥同士をまとめればよい。この手法は、クラックなど、１つの欠陥においても位置によって形状などの特徴が異なりうる欠陥の検出器を学習する際にとくに効果的である。

学習装置１００は、図２（ａ）に示すように、４つのクラック１１ａ、１１ｂ、１１ｃ、１１ｄの画像のそれぞれにアノテーション１２ａ、１２ｂ、１２ｃ、１２ｄを付与してもよいが、本実施の形態では、図２（ｂ）に示すように、４つのクラック１１ａ、１１ｂ、１１ｃ、１１ｄの画像のうち１１ａ、１１ｂ、１１ｃの３つの画像をそれぞれ複数に分割し、分割された複数のクラックの画像のそれぞれにアノテーションを付与して、別々の学習データを生成する。例えば、クラック１１ａの画像を３つに分割し、それぞれにアノテーション１２ａ１、１２ａ２、１２ａ３を付与して、３つの学習データを生成する。これにより、アノテーションが付与された学習データの数を増やすことができるので、欠陥検出器の汎化性能及び精度を向上させることができる。

学習装置１００は、担当者からアノテーションの指定を受け付けてもよいし、自動的又は半自動的にアノテーションを付与してもよい。学習装置１００は、撮像画像１０に含まれる欠陥の位置、大きさ、種類の指定を担当者から受け付け、指定された欠陥の大きさ、種類、数などに応じて、欠陥の画像を分割してから学習データを生成するのか分割せずに学習データを生成するのかや、分割する場合は分割数や分割したそれぞれの領域の大きさや形状などを決定してもよい。例えば、図２（ａ）に示したクラック１１ｄは、位置によらず単調な形状を有しているので、分割せずに全体にアノテーション１２ｄを付与してもよい。クラック１１ａ、１１ｂ、１１ｃは、変化に富んだ形状を有しているので、クラックの大きさや形状の変化などに応じた数に分割して、それぞれにアノテーションを付与してもよい。

図３は、タンク２の表面の撮像画像の例を示す。図３（ａ）は、タンク２の表面に生じたクラックの画像を示す。タンク２の表面の撮像画像には、クラックなどの欠陥に起因する輝度のコントラストの他に、タンク２の表面の凹凸や撮像時の環境光などに起因する輝度のコントラストが含まれうる。このような検出すべきでない背景画像の特徴を欠陥検出器が誤学習すると、検出精度が低下しうる。このような課題を解決するために、本実施の形態では、検査対象の撮像画像から学習データを生成する前に、撮像画像に画像処理を施す。この前処理は、欠陥などの検出対象部位ではない部位の画像のコントラストを低下させて輝度を平滑化することが可能な画像処理であってもよい。例えば、画像全体にぼかし（ブラー）フィルタをかけてもよい。ぼかしフィルタは、例えば、カーネルの範囲内の画素値の平均を取る箱形フィルタ、注目画素との距離に応じて重みを変えるガウシアンフィルタ、カーネルの範囲内の全画素の中央値を採用する中央値フィルタ、正規分布の重みを付けたガウシアンフィルタであるバイラテラルフィルタなどであってもよい。前処理は、画像の解像度を下げる画像処理であってもよい。これにより、簡易な画像処理によって学習効率を向上させることができるので、高精度な欠陥検出器を短期間で生成することができる。

図３（ｂ）は、図３（ａ）に示した画像にぼかしフィルターをかけた画像を示す。背景はぼかされてコントラストが低下しているので、背景の特徴を誤学習するのを低減させることができる。欠陥のコントラストも若干低下するが、特徴は保たれているので、欠陥の特徴を欠陥検出器に学習させることができる。

画像処理は、検出対象部位におけるコントラストの特徴が失われず、検出対象部位ではない部位におけるコントラストが十分に平滑化されるような条件で実行されればよい。学習装置１００は、検出対象部位における輝度の分布と、検出対象部位ではない背景における輝度の分布を取得し、それぞれの輝度の分布に基づいて、画像処理の種類やカーネルサイズなどの条件を決定してもよい。学習装置１００は、同種の検査対象を同様の環境で撮像した複数の撮像画像を検査する場合は、同じ条件で画像処理を施してもよい。

撮像装置３により検査対象のタンク２の表面を撮像する際に、欠陥ではない部位のコントラストが十分に低くなるような撮像環境で撮像を実行してもよい。例えば、タンク２の表面の色や反射率などに応じた照度でタンク２に光を照射してもよい。また、撮像装置３の焦点距離、解像度、絞りなどを調整してもよい。

図４は、実施の形態に係る学習方法の手順を示すフローチャートである。学習装置１００は、欠陥を有する検査対象の撮像画像を取得し（Ｓ１０）、取得した撮像画像に対してぼかしなどの前処理を実施する（Ｓ１２）。学習装置１００は、撮像画像に含まれる欠陥の画像の少なくとも一部を複数に分割し（Ｓ１４）、分割した複数の欠陥画像のそれぞれにアノテーションを付与して学習データを生成する（Ｓ１６）。学習装置１００は、欠陥の種類ごとに異なるアノテーションを付与してもよい。これにより、欠陥の種類ごとに特徴を欠陥検出器に学習させることができるので、欠陥検出器を用いて検査対象の撮像画像から欠陥を検出すると同時に欠陥の種類を判定することができる。学習装置１００は、生成した学習データを使用して教師あり学習により欠陥検出器を学習する。学習装置１００は、欠陥検出器を学習する際に、既知の任意の学習アルゴリズムを適用してもよい。

図５は、実施の形態に係る検査方法の手順を示すフローチャートである。検査装置２００は、検査対象の撮像画像を取得し（Ｓ３０）、学習装置１００が学習データを生成する際に実施したのと同様の画像処理を撮像画像に対して実施する（Ｓ３２）。検査装置２００は、学習済みの欠陥検出器を用いて撮像画像から欠陥を検出し（Ｓ３４）、検出結果を出力する（Ｓ３６）。

本発明者は、上記の方法により、欠陥を含むタンク２の不合格品２１２点の撮像画像を使用して欠陥検出器を学習し、学習した欠陥検出器を使用してタンク２の合格品５００点と不合格品２３点の検査を実施した。不合格品を合格品と誤判定した件数は０件であった。これにより、本実施の形態の技術によって、不合格品を誤って出荷してしまう可能性を最小限に抑えることができることが示された。また、合格品を不合格品と誤判定した件数は７件であり、正解率は９８．６％であった。これにより、不合格品を検査員が確認する手間を大幅に軽減させることができるとともに、合格品を出荷できずにロスしてしまう割合を大幅に低減させることができることが示された。

図６は、実施の形態に係る学習装置１００の構成を示す。学習装置１００は、表示装置１１２、入力装置１１３、通信装置１１４、処理装置１２０、及び記憶装置１３０を備える。学習装置１００は、サーバ装置であってもよいし、パーソナルコンピューターなどの装置であってもよいし、携帯電話端末、スマートフォン、タブレット端末などの携帯端末であってもよい。

表示装置１１２は、処理装置１２０により生成される画面を表示する。表示装置１１２は、液晶表示装置、有機ＥＬ表示装置などであってもよい。入力装置１１３は、学習装置１００の使用者による指示入力を処理装置１２０に伝達する。入力装置１１３は、マウス、キーボード、タッチパッドなどであってもよい。表示装置１１２及び入力装置１１３は、タッチパネルとして実装されてもよい。

通信装置１１４は、他の装置との間の通信を制御する。通信装置１１４は、有線又は無線の任意の通信方式により通信を行ってもよい。通信装置１１４は、インターネット４を介して撮像装置３及び検査装置２００との間で通信を行う。

記憶装置１３０は、処理装置１２０により使用されるプログラム、データなどを記憶する。記憶装置１３０は、半導体メモリ、ハードディスクなどであってもよい。記憶装置１３０には、学習用画像保持部１３１、学習データ保持部１３２、及び欠陥検出器１３３が格納される。

処理装置１２０は、学習用画像取得部１２１、画像処理部１２２、学習データ生成部１２３、学習部１２４、及び欠陥検出器提供部１２５を備える。これらの構成は、ハードウエア的には、任意のコンピュータのＣＰＵ、メモリ、その他のＬＳＩなどにより実現され、ソフトウエア的にはメモリにロードされたプログラムなどによって実現されるが、ここではそれらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックがハードウエアのみ、またはハードウエアとソフトウエアの組合せなど、いろいろな形で実現できることは、当業者には理解されるところである。

学習用画像取得部１２１は、欠陥を有する検査対象の撮像画像を撮像装置３から取得して学習用画像保持部１３１に格納する。画像処理部１２２は、学習用画像保持部１３１に格納された学習用画像に対して、ぼかしなどの画像処理を施す。学習データ生成部１２３は、学習用画像に含まれる欠陥にアノテーションを付与する。学習データ生成部１２３は、少なくとも一部の欠陥画像を複数に分割し、分割されたそれぞれの欠陥画像にアノテーションを付与する。学習データ生成部１２３は、学習用画像を表示装置１１２に表示し、入力装置１１３を介して担当者からアノテーションの指定を受け付けてもよい。学習データ生成部１２３は、欠陥にアノテーションを自動的に付与してもよい。学習データ生成部１２３は、学習データを生成して学習データ保持部１３２に格納する。

学習部１２４は、学習データ保持部１３２に格納された学習データを使用して、欠陥検出器１３３を学習する。欠陥検出器提供部１２５は、学習済みの欠陥検出器１３３を検査装置２００に提供する。

図７は、実施の形態に係る検査装置２００の構成を示す。検査装置２００は、表示装置２１２、入力装置２１３、通信装置２１４、処理装置２２０、及び記憶装置２３０を備える。検査装置２００は、サーバ装置であってもよいし、パーソナルコンピューターなどの装置であってもよいし、携帯電話端末、スマートフォン、タブレット端末などの携帯端末であってもよい。

表示装置２１２は、処理装置２２０により生成される画面を表示する。表示装置２１２は、液晶表示装置、有機ＥＬ表示装置などであってもよい。入力装置２１３は、検査装置２００の使用者による指示入力を処理装置２２０に伝達する。入力装置２１３は、マウス、キーボード、タッチパッドなどであってもよい。表示装置２１２及び入力装置２１３は、タッチパネルとして実装されてもよい。

通信装置２１４は、他の装置との間の通信を制御する。通信装置２１４は、有線又は無線の任意の通信方式により通信を行ってもよい。通信装置２１４は、インターネット４を介して撮像装置３及び学習装置１００との間で通信を行う。

記憶装置２３０は、処理装置２２０により使用されるプログラム、データなどを記憶する。記憶装置２３０は、半導体メモリ、ハードディスクなどであってもよい。記憶装置２３０には、検査用画像保持部２３１、検出結果保持部２３２、及び欠陥検出器２３３が格納される。

処理装置２２０は、検査用画像取得部２２１、画像処理部２２２、欠陥検出部２２３、検出結果生成部２２４、及び検出結果出力部２２５を備える。これらの構成も、ハードウエアのみ、またはハードウエアとソフトウエアの組合せなど、いろいろな形で実現できる。

検査用画像取得部２２１は、撮像装置３により撮像された検査対象の画像を撮像装置３から取得して検査用画像保持部２３１に格納する。画像処理部２２２は、学習装置１００が学習用画像に対して実施したのと同じ画像処理を検査用画像に対して実施する。

欠陥検出部２２３は、学習装置１００から取得した学習済みの欠陥検出器２３３を用いて、検査用画像保持部２３１に格納された検査用画像から欠陥を検出し、検出結果を検出結果保持部２３２に格納する。検出結果生成部２２４は、検出された欠陥に関する情報を生成する。検出結果生成部２２４は、欠陥検出部２２３により検出された複数の欠陥が近接している場合、それらの欠陥をまとめて１つの欠陥とする。検出結果生成部２２４は、検出された欠陥の位置、大きさ、数、種類などの情報を生成する。検出結果出力部２２５は、検出結果生成部２２４により生成された検出結果を表示装置２１２などに出力する。

以上、実施の形態に基づき本発明を説明したが、実施の形態は、本発明の原理、応用を示すにすぎない。また、実施の形態には、請求の範囲に規定された本発明の思想を逸脱しない範囲において、多くの変形例や配置の変更が可能である。

上記の実施の形態では、主に衛生陶器の表面に生じたクラックを検出する技術について説明したが、本実施の形態の技術は、衛生陶器の表面に生じた別の種類の不具合、例えば、鉄、銅、素地、異物などの付着、釉薬や色などの異常、気泡、割れ、欠けなどの発生などを検出する場合にも適用可能である。また、衛生陶器以外の任意の製品を検査対象としてもよいし、欠陥以外の任意の検出対象部位を検出対象としてもよい。

１検査システム、２タンク、３撮像装置、４インターネット、１０撮像画像、１１クラック、１２アノテーション、１００学習装置、１２１学習用画像取得部、１２２画像処理部、１２３学習データ生成部、１２４学習部、１２５欠陥検出器提供部、１３１学習用画像保持部、１３２学習データ保持部、１３３欠陥検出器、２００検査装置、２２１検査用画像取得部、２２２画像処理部、２２３欠陥検出部、２２４検出結果生成部、２２５検出結果出力部、２３１検査用画像保持部、２３２検出結果保持部、２３３欠陥検出器。

Claims

検査対象の検出対象部位を検出するための検出器を学習する学習装置と、
前記学習装置により学習された前記検出器を用いて、検査対象の検出対象部位を検出する検査装置と、
を備え、
前記学習装置は、
検出対象部位を含む検査対象の撮像画像を取得する学習用画像取得部と、
前記学習用画像取得部により取得された検査対象の撮像画像に含まれる検出対象部位の画像から学習データを生成する学習データ生成部と、
前記学習データ生成部により生成された学習データを使用して前記検出器を学習する学習部と、
を備え、
前記学習データ生成部は、複数の検出対象部位の画像のうち少なくとも一部を複数に分割し、分割された検出対象部位の画像のそれぞれから学習データを生成し、
前記検査装置は、
検査対象の撮像画像を取得する検査用画像取得部と、
前記検出器を用いて、前記検査用画像取得部により取得された撮像画像から検出対象部位を検出する検出部と、
を備える検査システム。
検出対象部位を含む検査対象の撮像画像を取得する学習用画像取得部と、
前記学習用画像取得部により取得された検査対象の撮像画像に含まれる検出対象部位の画像から学習データを生成する学習データ生成部と、
前記学習データ生成部により生成された学習データを使用して、検査対象の検出対象部位を検出するための検出器を学習する学習部と、
を備え、
前記学習データ生成部は、複数の検出対象部位の画像のうち少なくとも一部を複数に分割し、分割された検出対象部位の画像のそれぞれから学習データを生成する学習装置。
前記学習データ生成部は、前記検査対象の撮像画像に含まれる検出対象部位の画像に教師ラベルを付して学習データを生成し、検査対象部位の画像が複数に分割された場合は、複数に分割された検査対象部位の画像のそれぞれに教師ラベルを付して学習データを生成する請求項２に記載の学習装置。
前記学習用画像取得部により取得された検査対象の撮像画像から学習データを生成する前に、前記撮像画像に画像処理を施す画像処理部を更に備える請求項２又は３に記載の学習装置。
前記画像処理は、前記検出対象部位ではない部位における解像度又は画素値のコントラストを下げる処理である請求項４に記載の学習装置。
前記画像処理は、前記撮像画像の全体にぼかしフィルタをかける処理である請求項５に記載の学習装置。
前記検査対象は衛生陶器であり、前記検出対象部位は前記衛生陶器の表面に生じた欠陥である請求項２から６のいずれかに記載の学習装置。
前記欠陥はクラックである請求項７に記載の学習装置。
コンピュータを、
検出対象部位を含む検査対象の撮像画像を取得する学習用画像取得部と、
前記学習用画像取得部により取得された検査対象の撮像画像に含まれる検出対象部位の画像から学習データを生成する学習データ生成部と、
前記学習データ生成部により生成された学習データを使用して、検査対象の検出対象部位を検出するための検出器を学習する学習部と、
として機能させ、
前記学習データ生成部は、複数の検出対象部位の画像のうち少なくとも一部を複数に分割し、分割された検出対象部位の画像のそれぞれから学習データを生成する学習プログラム。
コンピュータに、
検出対象部位を含む検査対象の撮像画像を取得するステップと、
取得された検査対象の撮像画像に含まれる検出対象部位の画像から学習データを生成するステップと、
生成された学習データを使用して、検査対象の検出対象部位を検出するための検出器を学習するステップと、
を実行させ、
前記学習するステップにおいて、複数の検出対象部位の画像のうち少なくとも一部を複数に分割し、分割された検出対象部位の画像のそれぞれから学習データを生成する学習方法。
検査対象の撮像画像を取得する検査用画像取得部と、
検査対象の撮像画像に含まれる検出対象部位の画像を複数に分割して生成された学習データを使用して学習された検出器を用いて、前記検査用画像取得部により取得された撮像画像から検出対象部位を検出する検出部と、
を備える検査装置。
前記検出部により検出された複数の検出対象部位が近接している場合、それらの検出対象部位をまとめて１つの検出対象部位として検出する請求項１１に記載の検査装置。
前記検査用画像取得部により取得された検査対象の撮像画像から検出対象部位を検出する前に、前記撮像画像に画像処理を施す画像処理部を更に備える請求項１１又は１２に記載の検査装置。
前記画像処理は、前記検出対象部位ではない部位における解像度又は画素値のコントラストを下げる処理である請求項１３に記載の検査装置。
前記画像処理は、前記撮像画像の全体にぼかしフィルタをかける処理である請求項１４に記載の検査装置。
前記検査対象は衛生陶器であり、前記検出対象部位は前記衛生陶器の表面に生じた欠陥である請求項１１から１５のいずれかに記載の検査装置。
前記欠陥はクラックである請求項１６に記載の検査装置。
コンピュータを、
検査対象の撮像画像を取得する検査用画像取得部と、
検査対象の撮像画像に含まれる検出対象部位の画像を複数に分割して生成された学習データを使用して学習された検出器を用いて、前記検査用画像取得部により取得された撮像画像から検出対象部位を検出する検出部と、
として機能させるための検査プログラム。
コンピュータに、
検査対象の撮像画像を取得するステップと、
検査対象の撮像画像に含まれる検出対象部位の画像を複数に分割して生成された学習データを使用して学習された検出器を用いて、取得された撮像画像から検出対象部位を検出するステップと、
を実行させる検査方法。