JP2021149653A - 画像処理装置及び画像処理システム - Google Patents

Abstract

【課題】処理精度の低下を抑制できる画像処理装置及び画像処理システムを提供する。【解決手段】Ｘ線検査装置３は、機械学習に用いられた画像を撮像したときの画像撮像に係る第１パラメータを取得する取得部２１と、画像処理の対象となる対象画像を撮像するときの画像撮像に係る第２パラメータを設定する設定部２２と、取得部２１によって取得された第１パラメータと、設定部２２によって設定された第２パラメータとを比較する比較部２３と、を備える。【選択図】図２

Description

本発明は、画像処理装置及び画像処理システムに関する。

従来の画像処理装置として、例えば、特許文献１に記載された装置が知られている。特許文献１に記載の装置は、画像処理によって物品の検査を行う検査装置であって、物品にＸ線を照射するＸ線照射部と、Ｘ線を検出するＸ線検出部と、を備え、Ｘ線の検出結果に基づいて作成されたＸ線画像に対して画像処理を施して物品の検査を行う。

国際公開第２００６／００１１０７号

近年、画像処理によって物品の検査を行う検査装置では、機械学習により生成された学習済モデルを用いて、異物の検査等を実施している。学習済みモデルを用いた画像処理では、学習済みモデルの機械学習に使用した画像を撮像したときの画像撮像に係る第１パラメータと、画像処理を行う対象画像の画像を撮像するときの画像撮像に係る第２パラメータと、において所定パラメータ（撮像機材の設定、画像処理方法に係るパラメータ等）が一致している必要がある。通常、第２パラメータは、作業者等によって手動で設定される。画像処理が開始された後、一度設定された第２パラメータが何らかの理由によって変更された場合、２つのパラメータが異なる状態で画像処理が行われることになる。この場合、学習済みモデルを用いた画像処理の精度が低下する。

本発明の一側面は、処理精度の低下を抑制できる画像処理装置及び画像処理システムを提供することを目的とする。

本発明の一側面に係る画像処理装置は、物品を含む画像を用いた機械学習によって生成された学習済みモデルにより画像処理を行う画像処理装置であって、機械学習に用いられた画像を撮像したときの画像撮像に係る第１パラメータを取得する取得部と、画像処理の対象となる対象画像を撮像するときの画像撮像に係る第２パラメータを設定する設定部と、取得部によって取得された第１パラメータと、設定部によって設定された第２パラメータとを比較する比較部と、を備える。

本発明の一側面に係る画像処理装置では、比較部は、取得部によって取得された第１パラメータと、設定部によって設定された第２パラメータとを比較する。これにより、画像処理装置では、第１パラメータと第２パラメータとが異なる場合、２つのパラメータが異なることを把握することができる。そのため、画像処理装置では、２つのパラメータが異なる場合、異なることを報知したり、第２パラメータの調整を行ったりすることができるため、２つのパラメータが異なった状態で画像処理を実施することを回避できる。したがって、画像処理装置では、処理精度の低下を抑制できる。

一実施形態においては、設定部は、比較部によって第１パラメータと第２パラメータとの比較が行われた結果、第１パラメータと第２パラメータとにおいて所定パラメータが異なる場合、第１パラメータに基づいて第２パラメータの設定を変更してもよい。この構成では、第１パラメータと第２パラメータとにおいて所定パラメータ（一致していることが必須であるパラメータ）が異なっていたとしても、設定部によって第２パラメータが自動で変更される。そのため、画像処理装置では、処理精度の低下を抑制できる。

一実施形態においては、画像処理装置は、比較部によって第１パラメータと第２パラメータとの比較が行われた結果、第１パラメータと第２パラメータとにおいて所定パラメータが異なる場合、第２パラメータが異なることを報知する報知部を備えていてもよい。この構成では、第２パラメータが異なることを報知するため、作業者等に第２パラメータが異なることを知らしめることができる。これにより、作業者等によって第２パラメータの変更が行われ得るため、処理精度の低下を抑制できる。

一実施形態においては、画像処理装置は、比較部によって第１パラメータと第２パラメータとの比較が行われた結果、第１パラメータと第２パラメータとにおいて所定パラメータが異なる場合、画像処理の実施を停止させる停止部を備えていてもよい。この構成では、第１パラメータと第２パラメータとにおいて所定パラメータが異なっている場合、画像処理を実施しない。そのため、画像処理装置では、処理精度の低下を抑制できる。

一実施形態においては、対象画像は、物品を含んでおり、比較部によって第１パラメータと第２パラメータとの比較が行われた結果、第１パラメータと第２パラメータとにおいて所定パラメータが一致している場合、対象画像に基づいて物品の検査を行う検査部を備えていてもよい。この構成では、物品の検査に関して、処理精度の低下を抑制できる。すなわち、画像処理装置において物品の検査を行う場合に、検査精度の低下を抑制できる。

本発明の一側面に係る画像処理システムは、上記画像処理装置と、画像を撮像すると共に、画像を撮像したときの画像撮像に係る第１パラメータと画像とを対応付けて出力する画像取得装置と、画像取得装置から出力された画像を用いた機械学習によって学習済みモデルを生成し、学習済みモデルと第１パラメータとを対応付けて画像処理装置に出力する機械学習装置と、を備える。

本発明の一側面に係る画像処理システムでは、上記画像処理装置を備えている。したがって、画像処理システムでは、処理精度の低下を抑制できる。

本発明の一側面によれば、処理精度の低下を抑制できる。

図１は、一実施形態に係る検査システムを示す図である。 図２は、Ｘ線検査装置を示す図である。 図３は、図２に示されるシールドボックスの内部の構成図である。 図４は、制御部の構成を示す図である。 図５は、ニューラルネットワークを示す図である。

以下、添付図面を参照して、本発明の好適な実施形態について詳細に説明する。なお、図面の説明において同一又は相当要素には同一符号を付し、重複する説明は省略する。

図１に示されるように、検査システム（画像処理システム）１は、画像取得装置２と、Ｘ線検査装置３と、機械学習装置５と、を備えている。

画像取得装置２は、画像を取得する。画像取得装置２は、Ｘ線検査装置である。画像取得装置２は、Ｘ線検査装置３と同様の構成を有している。画像取得装置２は、画像を撮像すると共に、画像を撮像したときの画像撮像に係る第１パラメータと画像とを対応付けて記憶する。画像取得装置２は、画像及び第１パラメータを含む画像データを機械学習装置５に出力する。

第１パラメータは、画像取得装置２の撮像機材の設定、及び、画像処理方法に係るパラメータである。第１パラメータは、例えば、画像取得装置２において画像を撮像したときのＸ線照射部の設定に係る照射部パラメータ、Ｘ線検出部に係る検出部パラメータ、及び、画像処理に係る処理パラメータを含む。照射部パラメータは、例えば、Ｘ線管の電圧及び電流の設定値である。照射部パラメータは、画像取得装置２において、適宜設定される。検出部パラメータは、例えば、ラインセンサの画素サイズ及びラインセンサのタイプ（型式）である。処理パラメータは、例えば、画像に実施された処理内容（ノイズ除去、コントラスト調整等）である。処理パラメータは、画像取得装置２において、適宜設定される。

機械学習装置５は、機械学習によって学習済モデルを生成する装置である。機械学習装置５は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等で構成されている。画像取得装置２及びＸ線検査装置３と機械学習装置５とは、インターネット、又は電話網等の有線又は無線のネットワークによって通信可能に接続されており、情報の送受信を行うことができる。

機械学習装置５は、通信部３０と、学習モデル生成部３１と、記憶部３２と、を備えている。

通信部３０は、画像取得装置２及びＸ線検査装置３と通信を行う。通信部３０は、画像取得装置２から送信された画像データを受信して、学習モデル生成部３１及び記憶部３２に出力する。通信部３０は、学習モデル生成部３１において生成された学習済みモデルのデータ（「×××．ｈ５」のデータ）及び第１パラメータを示すデータをＸ線検査装置３に送信する。第１パラメータのデータは、例えば、テキストデータ（「×××．ｔｘｔ」のデータ）である。なお、第１パラメータは、学習済みモデルのデータのファイル名（×××（第１パラメータ）．ｈ５）に含まれていてもよい。

学習モデル生成部３１は、機械学習に用いる教師データを取得して、取得した教師データを用いて機械学習を行って学習済モデルを生成する。教師データは、画像、及び、その他のデータを含む。画像は、画像取得装置２において取得された画像である。その他のデータは、画像の物品を示す物品情報を含む。また、その他のデータには、画像を撮像したときの画像撮像に係る第１パラメータが含まれている。

学習モデル生成部３１は、画像の各画素値をニューラルネットワークへの入力値とすると共に、画像に対応する処理情報をニューラルネットワークの出力値として機械学習を行ってニューラルネットワークＮＷ（図５参照）を生成（構成）する。画素値を入力値とする際には、それぞれの画素（画像上の画素の位置）に対応付いたニューロンの入力値とする。上記の機械学習自体は、従来の機械学習アルゴリズムと同様に行うことができる。学習モデル生成部３１は、生成した学習済みモデルを記憶部３２に記憶させる。学習モデル生成部３１は、学習済みモデルのデータと、第１パラメータを含むパラメータ情報とを対応付けて、記憶部３２に記憶させる。

図２に示されるように、Ｘ線検査装置３は、装置本体１０と、支持脚１１と、シールドボックス１２と、搬送部１３と、Ｘ線照射部１４と、Ｘ線検出部１５と、表示操作部１６と、制御装置１７と、を備える。Ｘ線検査装置３は、物品Ｇを搬送しつつ物品ＧのＸ線透過画像を生成し、当該Ｘ線透過画像に基づいて物品Ｇの検査（例えば、異物検査、収納数検査、欠品検査、割れ欠け検査等）を行う。検査前の物品Ｇは、搬入コンベア５１によってＸ線検査装置３に搬入される。検査後の物品Ｇは、搬出コンベア５２によってＸ線検査装置３から搬出される。Ｘ線検査装置３によって不良品と判定された物品Ｇは、搬出コンベア５２の下流に配置された振分装置（図示省略）によって生産ライン外に振り分けられる。Ｘ線検査装置３によって良品と判定された物品Ｇは、当該振分装置をそのまま通過する。

装置本体１０は、制御装置１７等を収容している。支持脚１１は、装置本体１０を支持している。シールドボックス１２は、装置本体１０に設けられている。シールドボックス１２は、外部へのＸ線（電磁波）の漏洩を防止する。シールドボックス１２の内部には、Ｘ線による物品Ｇの検査が実施される検査領域Ｒが設けられている。シールドボックス１２には、搬入口１２ａ及び搬出口１２ｂが形成されている。検査前の物品Ｇは、搬入コンベア５１から搬入口１２ａを介して検査領域Ｒに搬入される。検査後の物品Ｇは、検査領域Ｒから搬出口１２ｂを介して搬出コンベア５２に搬出される。搬入口１２ａ及び搬出口１２ｂのそれぞれには、Ｘ線の漏洩を防止するＸ線遮蔽カーテン（図示省略）が設けられている。

搬送部１３は、シールドボックス１２の中央を貫通するように配置されている。搬送部１３は、搬入口１２ａから検査領域Ｒを介して搬出口１２ｂまで、搬送方向Ａに沿って物品Ｇを搬送する。搬送部１３は、例えば、搬入口１２ａと搬出口１２ｂとの間に掛け渡されたベルトコンベアである。なお、ベルトコンベアである搬送部１３は、搬入口１２ａ及び搬出口１２ｂよりも外側に突出していてもよい。

図２及び図３に示されるように、Ｘ線照射部１４は、シールドボックス１２内に配置されている。Ｘ線照射部１４は、搬送部１３によって搬送される物品ＧにＸ線を照射する。Ｘ線照射部１４は、例えば、Ｘ線を出射するＸ線管と、Ｘ線管から出射されたＸ線を搬送方向Ａに垂直な面内において扇状に広げる絞り部と、を有している。Ｘ線照射部１４から照射されるＸ線には、低エネルギー（長波長）から高エネルギー（短波長）までの様々なエネルギー帯のＸ線が含まれている。なお、上述した低エネルギー帯及び高エネルギー帯における「低」及び「高」は、Ｘ線照射部１４から照射される複数のエネルギー帯の中で相対的に「低い」及び「高い」ことを示すものであり、特定の範囲を示すものではない。

Ｘ線検出部１５は、シールドボックス１２内に配置されている。Ｘ線検出部１５は、物品Ｇを透過した複数のエネルギー帯の各々のＸ線を検出する。本実施形態では、Ｘ線検出部１５は、低エネルギー帯のＸ線及び高エネルギー帯のＸ線を検出するように構成されている。すなわち、Ｘ線検出部１５は、第１ラインセンサ１８と、第２ラインセンサ１９と、を有している。第１ラインセンサ１８及び第２ラインセンサ１９は、それぞれ、搬送方向Ａに垂直な水平方向に沿って一次元に配列されたＸ線検出素子によって構成されている。第１ラインセンサ１８は、物品Ｇ及び搬送部１３の搬送ベルトを透過した低エネルギー帯のＸ線を検出する。第２ラインセンサ１９は、物品Ｇ、搬送部１３の搬送ベルト及び第１ラインセンサ１８を透過した高エネルギー帯のＸ線を検出する。

図２に示されるように、表示操作部１６は、装置本体１０に設けられている。表示操作部１６は、各種情報を表示すると共に、各種条件の入力を受け付ける。表示操作部１６は、例えば、液晶ディスプレイであり、タッチパネルとしての操作画面を表示する。この場合、オペレータは、表示操作部１６を介して各種条件を入力することができる。

制御装置１７は、装置本体１０内に配置されている。制御装置１７は、Ｘ線検査装置３の各部（本実施形態では、搬送部１３、Ｘ線照射部１４、Ｘ線検出部１５、及び表示操作部１６、並びに、Ｘ線検査装置３の下流に配置される図示しない振分装置）の動作を制御する。なお、振分装置は、Ｘ線検査装置３による画像検査で不良品と判定された物品Ｇを搬送路上から排除する装置である。制御装置１７は、ＣＰＵ（Central Processing Unit）等のプロセッサ、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等のメモリ、及びＳＳＤ（Solid State Drive）等のストレージを備える。ＲＯＭには、Ｘ線検査装置３を制御するためのプログラムが記録されている。制御装置１７には、Ｘ線検出部１５の第１ラインセンサ１８から低エネルギー帯のＸ線の検出結果が入力されると共に、Ｘ線検出部１５の第２ラインセンサ１９から高エネルギー帯のＸ線の検出結果が入力される。

図４に示されるように、制御装置１７は、通信部２０と、取得部２１と、設定部２２と、比較部２３と、検査部２４と、を有している。

通信部２０は、機械学習装置５と通信を行う。通信部２０は、機械学習装置５から送信された学習済みモデルのデータ及びパラメータ情報を受信する。通信部２０は、学習済みモデルを記憶部（図示省略）に出力すると共に、パラメータ情報を取得部２１に出力する。

取得部２１は、機械学習に用いられた画像を撮像したときの画像撮像に係る第１パラメータを取得する。取得部２１は、通信部２０から出力されたパラメータ情報から、第１パラメータを取得する。取得部２１は、パラメータ情報に基づいて、第１パラメータとして、Ｘ線照射部の設定に係る照射部パラメータ、Ｘ線検出部に係る情報、及び、画像処理に係る処理情報を取得する。取得部２１は、取得した第１パラメータを比較部２３に出力する。

設定部２２は、検査（画像処理）の対象となる対象画像を撮像するときの画像撮像に係る第２パラメータを設定する。設定部２２は、第２パラメータとして、Ｘ線照射部１４の設定に係る照射部パラメータ、Ｘ線検出部１５に係る検出部パラメータ、及び、画像処理に係る処理パラメータを設定する。照射部パラメータ及び処理パラメータは、例えば、表示操作部１６によって設定される。なお、照射部パラメータ及び処理パラメータは、通信部２０を介して他の装置から取得されてもよい。

設定部２２は、後述する比較結果に基づいて、第２パラメータを設定する。設定部２２は、比較部２３によって第１パラメータと第２パラメータとの比較が行われた結果、第１パラメータと第２パラメータとにおいて所定パラメータが異なる場合、第１パラメータに基づいて第２パラメータの設定を自動で変更する。設定部２２は、Ｘ線検査装置３の第２パラメータを第１パラメータに変更する（書き換える）。設定部２２は、第２パラメータを設定した場合、表示操作部１６にその旨を表示させる。

比較部２３は、取得部２１によって取得された第１パラメータと、設定部２２によって設定された第２パラメータとを比較する。比較部２３は、所定のタイミングで、第１パラメータと第２パラメータとを比較する。所定のタイミングは、例えば、Ｘ線検査装置３の電源が投入されたときである。比較部２３は、取得部２１によって取得された第１パラメータと設定部２２によって設定されている第２パラメータとを比較し、所定のパラメータが一致しているか否かを判定する。所定パラメータは、例えば、照射部パラメータ、検出部パラメータ、及び、処理パラメータのうち、Ｘ線照射部１４のＸ線管の電圧、Ｘ線検出部１５のラインセンサの画素サイズ及びラインセンサのタイプ（型式）、及び、画像処理のコントラスト調整に係るパラメータである。所定パラメータは、一致していることが必須のパラメータであり、適宜設定される。比較部２３は、第１パラメータと第２パラメータとの比較結果を、設定部２２に出力する。

検査部２４は、比較部２３によって第１パラメータと第２パラメータとの比較が行われた結果、第１パラメータと第２パラメータとにおいて所定パラメータが一致している場合、検査画像（対象画像）に基づいて物品Ｇの検査を行う。検査部２４は、第１ラインセンサ１８及び第２ラインセンサ１９の検出結果に基づいて、検査画像を生成する。制御装置１７は、第１ラインセンサ１８の低エネルギー帯のＸ線の検出結果に基づいて、ソフト画像を生成する。制御装置１７は、第２ラインセンサ１９の高エネルギー帯のＸ線の検出結果に基づいて、ハード画像を生成する。制御装置１７は、ソフト画像及びハード画像に基づいて、検査画像を生成する。

検査部２４は、学習済みモデルによって物品Ｇにおける異物の有無を検査する。学習済モデルは、画像データに基づく画像が示す物品Ｇにおける異物の有無を予測して出力する。学習済モデルは、ニューラルネットワークＮＷを含む。学習済モデルは、畳み込みニューラルネットワークを含むものであってもよい。更に、学習済モデルは、複数の階層（例えば、８層以上）のニューラルネットワークを含むものであってもよい。すなわち、ディープラーニングによって学習済モデルが生成されてもよい。

図５に示されるように、ニューラルネットワークＮＷは、例えば、入力層である第１層と、中間層（隠れ層）である第２層、第３層、及び第４層と、出力層である第５層とで構成される。第１層は、ｐ個のパラメータを要素とする入力値ｘ＝（ｘ_０，ｘ_１，ｘ_２，…ｘ_ｐ）をそのまま第２層に出力する。第２層、第３層、及び第４層のそれぞれは、活性化関数により総入力を出力に変換してその出力を次の層に渡す。第５層も活性化関数により総入力を出力に変換し、この出力は、１個のパラメータを要素とするニューラルネットワークの出力値ｙ＝（ｙ_０）である。

本実施形態では、ニューラルネットワークＮＷは、検査画像の各画素の画素値を入力して、異物の有無を示す情報を出力する。ニューラルネットワークＮＷの入力層には、検査画像の画素数分のニューロンが設けられる。ニューラルネットワークＮＷの出力層には、異物の有無を示す情報を出力するためのニューロンが設けられる。出力層のニューロンの出力値に基づいて、異物の有無を示す情報を決めることができる。ニューロンの出力値は、例えば、０〜１の値である。この場合、ニューロンの値が大きい程（値が１に近い程）、物品Ｇに異物が含まれており（異常であり）、ニューロンの値が小さい程（値が０に近い程）、物品Ｇに異物が含まれていない（正常である）ことを示している。

検査部２４は、検査画像を、学習済モデルに入力する。検査部２４は、入力させる検査画像を正規化してもよい。検査画像の正規化は、例えば、画像の縮小、拡大、トリミング等を行うことで行われる。また、検査部２４は、入力させる検査画像に対して、コントラストの調整、色の変更、及びフォーマットの変更等の各種の処理を行ってもよい。検査部２４は、学習済みモデルのニューラルネットワークＮＷに検査画像を入力したことに応じて、ニューラルネットワークＮＷから出力された出力値を含む検査結果を取得する。

検査部２４は、検査結果に基づいて、物品Ｇの良否を判定する。検査部２４は、物品Ｇに異物が有ると判定した場合には、物品Ｇが不良品であると判定する。検査部２４は、物品Ｇが不良品であると判定した場合、表示操作部１６にその旨を表示させる。

以上説明したように、本実施形態に係るＸ線検査装置３では、比較部２３は、取得部２１によって取得された第１パラメータと、設定部２２によって設定された第２パラメータとを比較する。これにより、Ｘ線検査装置３では、第１パラメータと第２パラメータとが異なる場合、２つのパラメータが異なることを把握することができる。そのため、Ｘ線検査装置３では、２つのパラメータが異なる場合、異なることを報知したり、第２パラメータの調整を行ったりすることができるため、２つのパラメータが異なった状態で検査が実施されることを回避できる。したがって、Ｘ線検査装置３では、処理精度の低下を抑制できる。

本実施形態に係るＸ線検査装置３では、設定部２２は、比較部２３によって第１パラメータと第２パラメータとの比較が行われた結果、第１パラメータと第２パラメータとにおいて所定パラメータが異なる場合、第１パラメータに基づいて第２パラメータの設定を変更する。この構成では、第１パラメータと第２パラメータとにおいて所定パラメータ（一致していることが必須であるパラメータ）が異なっていたとしても、設定部２２によって第２パラメータが自動で変更される。そのため、Ｘ線検査装置３では、処理精度の低下を抑制できる。

本実施形態に係るＸ線検査装置３は、比較部２３によって第１パラメータと第２パラメータとの比較が行われた結果、第１パラメータと第２パラメータとにおいて所定パラメータが一致している場合、検査画像に基づいて物品Ｇの検査を行う検査部２４を備えている。この構成では、物品Ｇの検査に関して、処理精度の低下を抑制できる。すなわち、Ｘ線検査装置３において物品Ｇの検査を行う場合に、検査精度の低下を抑制できる。

以上、本発明の実施形態について説明してきたが、本発明は必ずしも上述した実施形態に限定されるものではなく、その要旨を逸脱しない範囲で様々な変更が可能である。

上記実施形態では、画像処理システムが検査システム１であり、画像処理装置がＸ線検査装置３である形態を一例に説明した。しかし、画像処理装置は、Ｘ線検査装置に限定されない。例えば、画像処理装置は、カメラで撮像した画像に基づいて物品を検査する装置であってもよいし、近赤外線を照射して物品を検査する装置であってもよい。

上記実施形態では、機械学習装置５が、機械学習によって学習済モデルを生成し、Ｘ線検査装置３が、学習済モデルによって処理を行う形態を一例に説明した。しかし、学習済みモデルよる処理は、機械学習装置５によって行われてもよい。すなわち、機械学習装置５が、機械学習によって学習済モデルを生成して、学習済モデルによって処理を行ってもよい。この構成では、学習済みモデルによる処理結果を、Ｘ線検査装置３に送信する。また、検査システム１は、１台のＸ線検査装置で構成されていてもよい。すなわち、画像取得装置、機械学習装置及び画像処理装置が１台の装置で構成されていてもよい。

上記実施形態では、Ｘ線検査装置３の通信部２０が、機械学習装置５から送信された学習済みモデルのデータ及びパラメータ情報を受信する形態を一例に説明した。学習済みモデルは、コンピュータシステム間で移植可能である。したがって、機械学習装置５によって生成した学習済みモデルを、記録媒体等を使用して、Ｘ線検査装置３に移植してもよい。

上記実施形態では、Ｘ線検査装置３において、Ｘ線検出部１５が第１ラインセンサ１８及び第２ラインセンサ１９を有している形態を一例に説明した。しかし、Ｘ線検出部１５は、１つのラインセンサを有していればよい。

上記実施形態では、検査部２４が物品Ｇにおける異物の有無を検査する形態を一例に説明した。しかし、検査部２４は、収納数検査、欠品検査、割れ欠け検査等を行ってもよい。

上記実施形態では、比較部２３によって第１パラメータと第２パラメータとの比較が行われた結果、第１パラメータと第２パラメータとにおいて所定パラメータが異なる場合、設定部２２が第１パラメータに基づいて第２パラメータの設定を自動で変更する形態を一例に説明した。しかし、Ｘ線検査装置３（画像処理装置）は、比較部２３によって第１パラメータと第２パラメータとの比較が行われた結果、第１パラメータと第２パラメータとにおいて所定パラメータが異なる場合、第２パラメータが異なることを報知する報知部を備えていてもよい。報知部は、表示操作部１６であってもよい。すなわち、第１パラメータと第２パラメータとにおいて所定パラメータが異なる場合、第２パラメータが異なることを表示操作部１６に表示させてもよい。この構成では、第２パラメータが異なることを報知するため、作業者等に第２パラメータが異なることを知らしめることができる。これにより、作業者等によって第２パラメータの変更が行われ得るため、処理精度の低下を抑制できる。

上記実施形態では、Ｘ線検査装置３の電源が投入されたときに、比較部２３が第１パラメータと第２パラメータとを比較する形態を一例に説明した。しかし、比較部２３がパラメータを比較するタイミングは、これに限定されない。例えば、比較部２３は、物品Ｇの検査を実施しているときに、パラメータの比較を実施してもよい。この場合、Ｘ線検査装置３（画像処理装置）は、比較部２３によって第１パラメータと第２パラメータとの比較が行われた結果、第１パラメータと第２パラメータとにおいて所定パラメータが異なる場合、検査（画像処理）の実施を停止させる停止部を備えていてもよい。この構成では、第１パラメータと第２パラメータとにおいて所定パラメータが異なっている場合、画像処理を実施しない。そのため、Ｘ線検査装置３では、処理精度の低下を抑制できる。

１…検査システム（画像処理システム）、２…画像取得装置、３…Ｘ線検査装置（画像処理装置）、５…機械学習装置、２１…取得部、２２…設定部、２３…比較部、２４…検査部、Ｇ…物品。

Claims (6)

1. 画像を用いた機械学習によって生成された学習済みモデルにより画像処理を行う画像処理装置であって、
   前記機械学習に用いられた前記画像を撮像したときの画像撮像に係る第１パラメータを取得する取得部と、
   画像処理の対象となる対象画像を撮像するときの画像撮像に係る第２パラメータを設定する設定部と、
   前記取得部によって取得された前記第１パラメータと、前記設定部によって設定された前記第２パラメータとを比較する比較部と、を備える、画像処理装置。
2. 前記設定部は、前記比較部によって前記第１パラメータと前記第２パラメータとの比較が行われた結果、前記第１パラメータと前記第２パラメータとにおいて所定パラメータが異なる場合、前記第１パラメータに基づいて前記第２パラメータの設定を変更する、請求項１に記載の画像処理装置。
3. 前記比較部によって前記第１パラメータと前記第２パラメータとの比較が行われた結果、前記第１パラメータと前記第２パラメータとにおいて所定パラメータが異なる場合、前記第２パラメータが異なることを報知する報知部を備える、請求項１又は２に記載の画像処理装置。
4. 前記比較部によって前記第１パラメータと前記第２パラメータとの比較が行われた結果、前記第１パラメータと前記第２パラメータとにおいて所定パラメータが異なる場合、前記画像処理の実施を停止させる停止部を備える、請求項１〜３のいずれか一項に記載の画像処理装置。
5. 前記対象画像は、物品を含んでおり、
   前記比較部によって前記第１パラメータと前記第２パラメータとの比較が行われた結果、前記第１パラメータと前記第２パラメータとにおいて所定パラメータが一致している場合、前記対象画像に基づいて前記物品の検査を行う検査部を備える、請求項１〜４のいずれか一項に記載の画像処理装置。
6. 請求項１〜５のいずれか一項に記載の画像処理装置と、
   画像を撮像すると共に、前記画像を撮像したときの画像撮像に係る第１パラメータと前記画像とを対応付けて出力する画像取得装置と、
   前記画像取得装置から出力された前記画像を用いた機械学習によって学習済みモデルを生成し、前記学習済みモデルと前記第１パラメータとを対応付けて前記画像処理装置に出力する機械学習装置と、を備える、画像処理システム。

Images