JP2021181948A - 外観検査用照明装置、外観検査装置及びブリスター包装機 - Google Patents

Abstract

【課題】対象物の外観検査を行うにあたり、検査効率及び検査精度の飛躍的な向上等を図ることのできる外観検査用照明装置、外観検査装置及びブリスター包装機を提供する。【解決手段】外観検査装置４５は、光を照射可能な照明ユニット５２と、該光を照射されたＰＴＰシートを撮像可能なカメラユニット５３と、制御装置５４とを備えている。制御装置５４は、調光パラメータ値と、これに対応する明るさレベルで発光する複数の照明パネルＬ１〜Ｌ１５により照明されるＰＴＰシートを撮像した場合に取得され得る画像データとの相関関係を学習したニューラルネットワークを格納している。そして、ニューラルネットワークに対し調光パラメータ値を入力して出力される予測画像データと、理想画像データとを比較し、その誤差に基づく誤差逆伝播により、最適な調光パラメータ値を特定し、これに基づき各照明パネルＬ１〜Ｌ１５の明るさ調整を行う。【選択図】 図４

Description

本発明は、対象物の外観検査に用いられる外観検査用照明装置及び外観検査装置、並びに、これらを備えたブリスター包装機に関するものである。

一般に、外観検査が行われる対象物となるブリスター包装体の一種としてＰＴＰシートが知られている。ＰＴＰシートは、例えば錠剤等の内容物が収容されるポケット部が形成された透明樹脂製の容器フィルムと、該容器フィルムに対しポケット部の開口側を密封するように取着されるアルミニウム製のカバーフィルムとから構成されている。

かかるＰＴＰシートは、帯状の容器フィルムを搬送させつつ、ポケット部を成形する工程、該ポケット部に内容物を充填する工程、該ポケット部の開口側を密封するように容器フィルムに対しカバーフィルムを取着する工程、該両フィルムが取着されてなる帯状体から最終製品となるＰＴＰシートを打抜く工程等を経て製造される。

ＰＴＰシートの製造に際しては、例えば包装材であるシート部における異物付着やシール不良、内容物における異物付着や欠け・ひびの有無など、製品不良となる種々の外観異常を検査する必要がある。

このような外観異常の検査では、外観検査用照明装置を用いて、対象物に対し光を照射し、それをカメラにより撮像して得られた画像データを基に、対象物に含まれる所定の検査対象（例えば錠剤やシート部）の良否判定を行うのが一般的である。

この際、検査を行う上で適切な画像データを取得するため、適切な照明状態で対象物を照らすことが求められる。

例えば対象物が打抜き後のＰＴＰシートであれば、透明樹脂製の複数のポケット部、その内部に充填された錠剤等の内容物、背景となるアルミ製カバーフィルムなど、複雑な形状や多様な素材からなるＰＴＰシート全体において、テカリ（例えばポケット部表面のテカリ）や暗部（例えば内容物の影部）が生じないように、ＰＴＰシート全体をムラなく均一な明るさで照らすと共に、検査対象部位（例えば錠剤）と非対象部位（例えばシート部）との明暗差を大きくすること等が求められる。

これに対し、外観検査用照明装置の中には、対象物に対し複数方向から光を照射できるように複数の照明部を備えたものがある（例えば、特許文献１参照）。従来、このような外観検査用照明装置においては、理想的な照明状態で対象物を照らすため、事前に複数の照明部それぞれの明るさを調整し、装置全体としての照明状態を最適化する照明調整作業が必要となる。

特開２００６−１１８９５１号公報

しかしながら、従来の照明調整作業は、熟練の作業者が手作業で行っており、作業効率が悪く、ひいては検査効率の低下を招くおそれがあった。

例えば作業者は、複数の照明部のうちのいずれかを明るくし、いずれかを暗くするなど、複数の照明部の明るさレベル（例えば２５６階調）を１つずつ変化させ、該変化させた照明状態の下で対象物を撮像し、そこで得られる画像データを表示装置で確認しながら、最適な照明状態に近づけていくといった非常に手間のかかる作業を行っていた。

このため、複数の照明部によって作り出され得る膨大な組合せパターンの照明状態の中から、検査に最適な照明状態を短時間で見つけ出すことは、熟練作業者であっても非常に難しい。

また、人が行う照明調整作業では、その人の経験や感覚に頼ることによるバラツキや、その人が感知できるレベルの限界等により、検査精度が安定しないおそれがある。

さらに、照明調整作業を一部の熟練作業者に頼ることは、時間的・場所的な制約を生み、利便性や汎用性を低下させるおそれがある。

尚、上記課題は、必ずしもＰＴＰ包装（ブリスター包装）の分野に限らず、他の分野における外観検査においても内在するものである。

本発明は、上記事情に鑑みてなされたものであり、その目的は、対象物の外観検査を行うにあたり、検査効率や検査精度の飛躍的な向上を図ることのできる外観検査用照明装置、外観検査装置及びブリスター包装機を提供することにある。

以下、上記課題を解決するのに適した各手段につき項分けして説明する。なお、必要に応じて対応する手段に特有の作用効果を付記する。

手段１．個々に明るさ調整可能な複数の照明部を有し、該複数の照明部により作り出される所定の照明状態で対象物を照明可能な外観検査用照明装置であって、
前記複数の照明部それぞれの明るさレベル（発光輝度レベル）に対応するレベル情報と、該レベル情報に対応する明るさレベルでそれぞれ発光する前記複数の照明部により作り出される照明状態で照明される前記対象物を撮像した場合に取得され得る画像データとの相関関係を学習したニューラルネットワークを格納したネットワーク格納手段と、
前記ニューラルネットワークに対し前記複数の照明部それぞれに対応する前記レベル情報を入力して出力される前記画像データである予測画像データ及び／若しくは該予測画像データから得られる関連情報（例えば所定範囲の各画素の輝度平均値など）、又は、前記レベル情報に対応する明るさレベルでそれぞれ発光する前記複数の照明部により作り出される照明状態で照明される前記対象物を撮像して取得された画像データである実画像データ及び／若しくは該実画像データから得られる関連情報と、目標となる照明状態で照明された前記対象物を撮像した場合に取得され得る画像データとして用意された目標画像データ及び／若しくは該目標画像データから得られる関連情報とを比較し、その誤差を算出可能な比較手段と、
少なくとも前記比較手段により算出される誤差が所定の閾値以下となるまで、誤差逆伝播により前記複数の照明部それぞれに対応する前記レベル情報の更新を繰り返し、前記複数の照明部それぞれに適した前記レベル情報を特定可能なレベル特定手段と、
少なくとも前記レベル特定手段によりそれぞれ特定された前記レベル情報に基づき、前記複数の照明部それぞれの明るさ調整を行うことによって、該複数の照明部により作り出される照明状態を制御可能な照明制御手段とを備えたことを特徴とする外観検査用照明装置。

上記手段１によれば、ニューラルネットワークとその誤差逆伝播を利用することで、個々に明るさ調整可能な複数の照明部によって作り出され得る膨大な組合せパターンの照明状態の中から、比較的短時間で外観検査により最適な照明状態を自動的に見つけ出し、作り出すことができる。結果として、検査効率の飛躍的な向上を図ることができる。

加えて、人には感知できない程度の微妙な照明状態の違い（但し、検査結果には影響を及ぼすおそれがあるほどの違い）をも識別し、より最適な照明状態を作り出すことができる。結果として、検査精度の飛躍的な向上を図ることができる。

また、作業者の経験や感覚に頼ることなく、より最適な照明状態を再現性良く見つけ出し、作り出すことができる。結果として、時間的・場所的な制約を受けることなく、利便性や汎用性の向上を図ることができる。

手段２．前記相関関係について、前記ニューラルネットワークの学習を行う（例えば誤差逆伝播法により行う）学習手段を備えていることを特徴とする手段１に記載の外観検査用照明装置。

上記手段２によれば、外部において学習を行った学習済みのニューラルネットワークを格納した場合よりも、照明装置毎の個体差を考慮したニューラルネットワークの学習を行うことができ、照明装置毎にニューラルネットワークがより適切な処理を行うことができるようになる。結果として、各照明装置に、より最適な照明状態を作り出し、さらなる検査精度の向上を図ることができる。

手段３．前記レベル特定手段による前記レベル情報の更新と、前記学習手段による前記ニューラルネットワークの学習とを、交互に又は並行して行うことを特徴とする手段２に記載の外観検査用照明装置。

上記手段３によれば、照明部（光源）の劣化等に起因した照明状態の変化など、現実世界で条件が変化した場合にも、その変化に追従することができ、さらなる検査精度の向上を図ることができる。

手段４．容器フィルムに形成されたポケット部に対し所定の内容物（例えば錠剤）が収容され、前記ポケット部を塞ぐように前記容器フィルムに対しカバーフィルムが取着されてなるブリスター包装体（例えばＰＴＰシート）の製造に際し用いられることを特徴とする手段１乃至３のいずれかに記載の外観検査用照明装置。

上記手段４によれば、ブリスター包装体を構成する包装材（容器フィルムやカバーフィルム）、又は、その内容物に係る外観異常の検査に用いることができ、より適切な良否判定を行うことができるようになる。

手段５．手段１乃至４のいずれかに記載の外観検査用照明装置を備えたことを特徴とする外観検査装置。

より具体的な外観検査装置の構成として、以下のような構成が挙げられる。

「手段１乃至４のいずれかに記載の外観検査用照明装置と、
前記外観検査用照明装置により照明された対象物を撮像可能な撮像手段と、
前記撮像手段により取得された画像データを基に、前記対象物に含まれる所定の検査対象に係る外観検査を実行可能な検査手段とを備えたことを特徴とする外観検査装置。」
手段６．手段５に記載の外観検査装置を備えたことを特徴とするブリスター包装機。

上記手段６のように、上記外観検査装置をブリスター包装機（例えばＰＴＰ包装機）に備えることで、ブリスター包装体（例えばＰＴＰシート）の製造過程において不良品を効率的に除外できる等のメリットが生じる。また、ブリスター包装機は、上記外観検査装置によって不良と判定されたブリスター包装体を排出する排出手段を備える構成としてもよい。

より具体的なブリスター包装機の構成として、以下のような構成が挙げられる。

「容器フィルムに形成されたポケット部に内容物が収容され、該ポケット部を塞ぐようにカバーフィルムが取着されてなるブリスター包装体（例えばＰＴＰシート）を製造するためのブリスター包装機（例えばＰＴＰ包装機）であって、
帯状に搬送される前記容器フィルムに対し前記ポケット部を形成するポケット部形成手段と、
前記ポケット部に前記内容物を充填する充填手段と、
前記ポケット部に前記内容物が充填された前記容器フィルムに対し、前記ポケット部を塞ぐようにして帯状の前記カバーフィルムを取着する取着手段と、
前記容器フィルムに前記カバーフィルムが取着された帯状体（帯状のＰＴＰフィルム）から前記ＰＴＰシートを切離す切離手段（シート単位に打抜く打抜手段を含む）と、
手段５に記載の外観検査装置とを備えたことを特徴とするブリスター包装機。」
尚、上記構成において、上記外観検査装置を「充填手段によりポケット部に内容物が充填された後工程かつ取着手段によりカバーフィルムが取着される前工程」に配置した構成としてもよい。かかる場合、容器フィルムのポケット開口側より内容物や容器フィルムを遮るものがない状態で内容物や容器フィルムに係る検査を実行することができ、これらの検査の精度を向上することができる。

また、上記外観検査装置を「取着手段によりカバーフィルムが取着された後工程かつ切離手段によりブリスター包装体が切離される前工程」に配置した構成としてもよい。かかる場合、内容物が入れ替わることがない状態で内容物に係る検査を実行したり、シール不良や異物付着などシート部に係る検査を実行したりすることができ、これらの検査の精度を向上することができる。

また、上記外観検査装置を「切離手段によりブリスター包装体が切離された後工程」に配置した構成としてもよい。かかる場合、不良品が混ざっていないかを最終段階で確認することができる。

（ａ）はＰＴＰシートを示す斜視図であり、（ｂ）はＰＴＰフィルムを示す斜視図である。 ＰＴＰシートのポケット部の部分拡大断面図である。 ＰＴＰ包装機の概略構成を示す模式図である。 外観検査装置の機能構成を示すブロック図である。 照明ユニット及び撮像ユニットの概略構成を模式的に示す部分断面側面図である。 照明ユニット及び撮像ユニットの概略構成を模式的に示す部分断面正面図である。 照明パネルの概略構成を示す平面模式図である。 ニューラルネットワークの構造を説明するための模式図である。 ニューラルネットワークの学習処理の流れを示すフローチャートである。 ニューラルネットワークの学習処理の流れを説明するためのブロック図である。 照明状態の最適化処理の流れを示すフローチャートである。 照明状態の最適化処理の流れを説明するためのブロック図である。 検査処理の流れを示すフローチャートである。 第２実施形態に係る学習・最適化処理の流れを示すフローチャートである。 第２実施形態に係る学習・最適化処理の流れを説明するためのブロック図である。

〔第１実施形態〕
以下、一実施形態について図面を参照しつつ説明する。まずブリスター包装体としてのＰＴＰシートの構成について詳しく説明する。

図１，２に示すように、ＰＴＰシート１は、複数のポケット部２を備えた容器フィルム３と、ポケット部２を塞ぐように容器フィルム３に取着されたカバーフィルム４とを有している。

本実施形態における容器フィルム３は、例えばＰＰ（ポリプロピレン）やＰＶＣ（ポリ塩化ビニル）等の比較的硬質で所定の剛性を有する透明の熱可塑性樹脂材料によって形成され、光透過性を有している。一方、カバーフィルム４は、例えばポリプロピレン樹脂等からなるシーラントが表面に設けられた不透明材料（例えばアルミニウム箔等）により構成されている。

また、ＰＴＰシート１は、平面視略矩形状に形成されている。ＰＴＰシート１には、その長辺方向に沿って所定間隔をあけて配列された５個のポケット部２からなるポケット列が、その短辺方向に所定間隔をあけて２列形成されている。つまり、ＰＴＰシート１は、計１０個のポケット部２を有している。各ポケット部２には、内容物としての錠剤５が１つずつ収容されている。

ＰＴＰシート１〔図１（ａ）参照〕は、帯状の容器フィルム３及び帯状のカバーフィルム４から形成された帯状のＰＴＰフィルム６〔図１（ｂ）参照〕がシート状に打抜かれることにより製造される。

次に、ＰＴＰシート１を製造するブリスター包装機としてのＰＴＰ包装機１０の概略構成について図３を参照して説明する。

図３に示すように、ＰＴＰ包装機１０の最上流側では、帯状の容器フィルム３の原反がロール状に巻回されている。

ロール状に巻回された容器フィルム３の引出し端側は、ガイドロール１３に案内されている。容器フィルム３は、ガイドロール１３の下流側において間欠送りロール１４に掛装されている。間欠送りロール１４は、間欠的に回転するモータに連結されており、容器フィルム３を間欠的に搬送する。

ガイドロール１３と間欠送りロール１４との間には、容器フィルム３の搬送路に沿って、加熱装置１５及びポケット部形成装置１６が順に配設されている。そして、加熱装置１５によって容器フィルム３が加熱されて、該容器フィルム３が比較的柔軟になった状態において、ポケット部形成装置１６によって容器フィルム３の所定位置に複数のポケット部２が成形される（ポケット部形成工程）。加熱装置１５及びポケット部形成装置１６によって、本実施形態におけるポケット部形成手段が構成される。ポケット部２の形成は、間欠送りロール１４による容器フィルム３の搬送動作間のインターバル中に行われる。

間欠送りロール１４から送り出された容器フィルム３は、テンションロール１８、ガイドロール１９及びフィルム受けロール２０の順に掛装されている。フィルム受けロール２０は、一定回転するモータに連結されているため、容器フィルム３を連続的に且つ一定速度で搬送する。

テンションロール１８は、容器フィルム３を弾性力によって緊張する側へ引っ張った状態とされており、前記間欠送りロール１４とフィルム受けロール２０との搬送動作の相違による容器フィルム３の撓みを防止して容器フィルム３を常時緊張状態に保持する。

ガイドロール１９とフィルム受けロール２０との間には、容器フィルム３の搬送路に沿って、錠剤充填装置２１が配設されている。錠剤充填装置２１は、ポケット部２に錠剤５を自動的に充填する充填手段としての機能を有する。錠剤充填装置２１は、フィルム受けロール２０による容器フィルム３の搬送動作と同期して、所定間隔毎にシャッタを開くことで錠剤５を落下させるものであり、このシャッタ開放動作に伴って各ポケット部２に錠剤５が充填される（充填工程）。

一方、帯状に形成されたカバーフィルム４の原反は、容器フィルム３とは別に、最上流側においてロール状に巻回されている。

ロール状に巻回されたカバーフィルム４の引出し端は、ガイドロール２４に案内され、加熱ロール２５の方へと案内されている。加熱ロール２５は、前記フィルム受けロール２０に圧接可能となっており、両ロール２０，２５間に容器フィルム３及びカバーフィルム４が送り込まれるようになっている。

そして、容器フィルム３及びカバーフィルム４が、両ロール２０，２５間を加熱圧接状態で通過することで、容器フィルム３にカバーフィルム４が貼着され、ポケット部２がカバーフィルム４で塞がれる（取着工程）。これにより、錠剤５が各ポケット部２に充填された帯状体としてのＰＴＰフィルム６が製造される。加熱ロール２５の表面には、シール用の網目状の微細な凸条が形成されており、これが強く圧接することで、強固なシールが実現されるようになっている。フィルム受けロール２０及び加熱ロール２５により本実施形態における取着手段が構成される。

フィルム受けロール２０から送り出されたＰＴＰフィルム６は、テンションロール２７及び間欠送りロール２８の順に掛装されている。間欠送りロール２８は、間欠的に回転するモータに連結されているため、ＰＴＰフィルム６を間欠的に搬送する。テンションロール２７は、ＰＴＰフィルム６を弾性力によって緊張する側へ引っ張った状態とされており、前記フィルム受けロール２０と間欠送りロール２８との搬送動作の相違によるＰＴＰフィルム６の撓みを防止してＰＴＰフィルム６を常時緊張状態に保持する。

間欠送りロール２８から送り出されたＰＴＰフィルム６は、テンションロール３１及び間欠送りロール３２の順に掛装されている。間欠送りロール３２は、間欠的に回転するモータに連結されているため、ＰＴＰフィルム６を間欠的に搬送する。テンションロール３１は、ＰＴＰフィルム６を弾性力によって緊張する側へ引っ張った状態とされており、前記間欠送りロール２８，３２間でのＰＴＰフィルム６の撓みを防止する。

間欠送りロール２８とテンションロール３１との間には、ＰＴＰフィルム６の搬送路に沿って、スリット形成装置３３及び刻印装置３４が順に配設されている。スリット形成装置３３は、ＰＴＰフィルム６の所定位置に切離用スリット（図示略）を形成する機能を有する。また、刻印装置３４はＰＴＰフィルム６の所定位置に刻印（図示略）を付す機能を有する。

間欠送りロール３２から送り出されたＰＴＰフィルム６は、その下流側においてテンションロール３５及び連続送りロール３６の順に掛装されている。間欠送りロール３２とテンションロール３５との間には、ＰＴＰフィルム６の搬送路に沿って、シート打抜装置３７が配設されている。シート打抜装置３７は、ＰＴＰフィルム６をＰＴＰシート１単位にその外縁を打抜くシート打抜手段（切離手段）としての機能を有する。

シート打抜装置３７によって打抜かれたＰＴＰシート１は、コンベア３９によって搬送され、完成品用ホッパ４０に一旦貯留される（切離工程）。尚、ここで、ＰＴＰシート１は、その長手方向がコンベア幅方向（Ｘ方向）に沿うように、かつ、その短手方向がシート搬送方向（Ｙ方向）に沿うように、ポケット部２を上にした状態でコンベア３９上に載置され搬送される（図５，６等参照）。

コンベア３９の上方位置には、外観検査装置４５が配置されている。外観検査装置４５は、錠剤５に係る外観異常、例えば異物や汚れの付着、欠けやひびの有無、印刷不良などを検査する。外観検査装置４５の詳細については後述する。

尚、ここで外観検査装置４５によって不良品と判定された場合、その不良品と判定されたＰＴＰシート１は、完成品用ホッパ４０へ送られることなく、図示しない排出手段としての不良シート排出機構によって別途排出されることとなる。

前記連続送りロール３６の下流側には、裁断装置４１が配設されている。そして、シート打抜装置３７による打抜き後に帯状に残った残材部（スクラップ部）を構成する不要フィルム部４２は、前記テンションロール３５及び連続送りロール３６に案内された後、裁断装置４１に導かれる。なお、前記連続送りロール３６は従動ロールが圧接されており、前記不要フィルム部４２を挟持しながら搬送動作を行う。裁断装置４１では、不要フィルム部４２を所定寸法に裁断しスクラップ処理する機能を有する。このスクラップはスクラップ用ホッパ４３に貯留された後、別途廃棄処理される。

尚、上記各ロール１４，２０，２８，３１，３２などは、そのロール表面とポケット部２とが対向する位置関係となっているが、間欠送りロール１４等の表面には、ポケット部２が収容される凹部が形成されているため、ポケット部２が潰れてしまうことがない。また、ポケット部２が間欠送りロール１４等の各凹部に収容されながら送り動作が行われることで、間欠送り動作や連続送り動作が確実に行われる。

ＰＴＰ包装機１０の概略は以上のとおりであるが、以下に上記外観検査装置４５の構成について図面を参照して詳しく説明する。図４は外観検査装置４５の機能構成を示すブロック図である。

外観検査装置４５は、コンベア３９上のＰＴＰシート１に対し光を照射可能な照明ユニット５２と、該光を照射されたＰＴＰシート１を撮像可能なカメラユニット５３と、これら両ユニット５２，５３の駆動制御をはじめ、各種デバイスの駆動制御や画像処理、演算処理等を実行可能な制御装置５４とを備えている。

ここで、照明ユニット５２及びその制御に係る制御装置５４の各種機能部によって、本実施形態における外観検査用照明装置が構成されることとなる。つまり、本実施形態に係る外観検査装置４５は、外観検査用照明装置と、撮像手段として撮像装置（カメラユニット５３及びその制御に係る制御装置５４の各種機能部）とが機能的に一体に設けられた構成となっている。

図５，６に示すように、照明ユニット５２は、中空ボックス状のハウジング６１を備えている。ハウジング６１内には、照明部としての１５個の照明パネルＬ１〜Ｌ１５が配置されている。

具体的には、シート搬送方向下流側（図５右側）のハウジング６１の底部近傍に配置された第１照明パネルＬ１と、シート搬送方向上流側（図５左側）のハウジング６１の底部近傍に配置された第２照明パネルＬ２と、コンベア幅方向一端側（図６左側）のハウジング６１の底部近傍に配置された第３照明パネルＬ３と、コンベア幅方向他端側（図６右側）のハウジング６１の底部近傍に配置された第４照明パネルＬ４と、第１照明パネルＬ１の上方位置に配置された第５照明パネルＬ５と、第２照明パネルＬ２の上方位置に配置された第６照明パネルＬ６と、第３照明パネルＬ３の上方位置に配置された第７照明パネルＬ７と、第４照明パネルＬ４の上方位置に配置された第８照明パネルＬ８と、第５照明パネルＬ５の内側斜め上方位置に配置された第９照明パネルＬ９と、第６照明パネルＬ６の内側斜め上方位置に配置された第１０照明パネルＬ１０と、第９照明パネルＬ９の内側斜め上方位置に配置された第１１照明パネルＬ１１と、第１０照明パネルＬ１０の内側斜め上方位置に配置された第１２照明パネルＬ１２と、第１１照明パネルＬ１１の上方位置に配置された第１３照明パネルＬ１３と、コンベア幅方向一端側のハウジング６１の天井部近傍に配置された第１４照明パネルＬ１４と、コンベア幅方向他端側のハウジング６１の天井部近傍に配置された第１５照明パネルＬ１５とを備えている。

図７に示すように、各照明パネルＬ１〜Ｌ１５は、それぞれ数十個（場合によって百個以上）のＬＥＤ（発光ダイオード）６３がプリント基板６４上にマトリクス状に実装されたＬＥＤ基板により構成されている。

各照明パネルＬ１〜Ｌ１５は、それぞれＬＥＤ６３の実装面がハウジング６１内側に向くように配置されており、各照明パネルＬ１〜Ｌ１５から出射された光は、ハウジング６１の底部中央に形成された開口部６１ａを介して、コンベア３９上の所定範囲（以下、「検査エリア」という。）に対し直接的又は間接的に照射される。但し、第１３照明パネルＬ１３から出射された光は、ハーフミラーＨＭに反射して、鉛直方向（Ｚ方向）下向きに照射される。

各照明パネルＬ１〜Ｌ１５は、それぞれ個別に調光可能（明るさ調整）に構成されている。詳しくは、ＬＥＤ６３の発光輝度を変化させることにより、その明るさを２５６階調に調節可能となっている。

これにより、照明ユニット５２は、複数の照明パネルＬ１〜Ｌ１５により作り出される所定の照明状態で検査エリア内に位置するＰＴＰシート１を照明することができる。

カメラユニット（以下、単に「カメラ」という。）５３は、照明ユニット５２のハウジング６１の上方位置に配置されており、ハウジング６１の天井部中央に形成された開口部６１ｂ、及び、ハウジング６１の底部中央に形成された上記開口部６１ａを介して、検査エリア内を撮像可能となっている。

尚、図示は省略するが、カメラ５３は、ＣＣＤ（Charge Coupled Device）型イメージセンサ又はＣＭＯＳ（Complementary Metal Oxide Semiconductor）型イメージセンサ等の撮像素子と、該撮像素子に対し検査エリア内に位置するＰＴＰシート１の像を結像させる光学系（レンズユニットや絞りなど）とを有している。

本実施形態では、照明ユニット５２から照射される光が、容器フィルム３越しに錠剤５及びカバーフィルム４を照らし、錠剤５及びカバーフィルム４から反射した光が、カメラ５３によって撮像され、画像データが生成されることとなる。

そして、カメラ５３によって取得された画像データは、該カメラ５３の内部においてデジタル信号に変換された上で、デジタル信号の形で制御装置５４（後述の画像取得部７４）に対し出力される。

制御装置５４は、所定の演算処理を実行するＣＰＵ（Central Processing Unit）、各種プログラムや固定値データ等を記憶するＲＯＭ（Read Only Memory）、各種演算処理の実行に際して各種データが一時的に記憶されるＲＡＭ（Random Access Memory）及びこれらの周辺回路等を含んだコンピュータからなる。

そして、制御装置５４は、ＣＰＵが各種プログラムに従って動作することで、後述するメイン制御部７１、照明制御部７２、カメラ制御部７３、画像取得部７４、画像処理部７５、学習部７６、調光パラメータ調整部７７、調光パラメータ設定部７８、検査部７９などの各種機能部として機能する。

但し、上記各種機能部は、上記ＣＰＵ、ＲＯＭ、ＲＡＭなどの各種ハードウェアが協働することで実現されるものであり、ハード的又はソフト的に実現される機能を明確に区別する必要はなく、これらの機能の一部又は全てがＩＣなどのハードウェア回路により実現されてもよい。

さらに、制御装置５４には、キーボードやマウス、タッチパネル等で構成される入力部５５、液晶ディスプレイなどの表示画面を有する表示部５６と、各種データやプログラム、演算結果等を記憶可能な記憶部５７、外部と各種データを送受信可能な通信部５８などが設けられている。

ここで、制御装置５４を構成する上記各種機能部について詳しく説明する。メイン制御部７１は、外観検査装置４５全体の制御を司る機能部であり、照明制御部７２やカメラ制御部７３など他の機能部と各種信号を送受信可能に構成されている。

照明制御部７２は、照明ユニット５２を駆動制御する機能部であり、本実施形態における照明制御手段を構成する。照明制御部７２は、後述するように照明パネルＬ１〜Ｌ１５それぞれに対応して調光パラメータ設定部７８に設定される調光パラメータ値に基づき、照明ユニット５２の照明パネルＬ１〜Ｌ１５を駆動制御し、該調光パラメータ値に対応する明るさレベルで、各照明パネルＬ１〜Ｌ１５を点灯させる。

本実施形態では、パルス幅変調（ＰＷＭ）によって所定期間（例えば１／６０秒間）中におけるＬＥＤ６３の点灯状態にある時間割合（デューティ比）を変化させることで、照明パネルＬ１〜Ｌ１５毎に個別に調光（明るさ調整）することができ、２５６階調の明るさ表現が可能となっている。この際、１チャンネルとして制御する１つの照明パネルＬ１〜Ｌ１５に搭載された全てのＬＥＤ６３は同一輝度で発光する。

カメラ制御部７３は、カメラ５３を駆動制御する機能部であり、メイン制御部７１からの指令信号に基づき撮像タイミングなどを制御する。

画像取得部７４は、カメラ５３により撮像され取得された画像データ（実画像データ）を取り込む機能部である。

画像処理部７５は、画像取得部７４により取り込まれたＰＴＰシート１の実画像データに所定の画像処理を行う機能部であり、本実施形態における画像処理手段を構成する。例えば、後述する学習処理においては、ニューラルネットワーク９０（図８参照）の学習に用いる教師データとなる教師画像データを生成する。また、検査処理においては、二値化処理した二値化画像データなどを生成する。

学習部７６は、教師画像データ等を用いてニューラルネットワーク９０の学習を行い、ＡＩ（Artificial Intelligence）モデル１００を生成する機能部である。ＡＩモデル１００は、後述するように照明ユニット５２の照明状態の最適化処理に用いられる学習モデルであり、ニューラルネットワーク９０と、その学習により獲得した学習情報とが組み合わされて構成されている。

ここで、ニューラルネットワーク９０の構造について図８の模式図を参照して説明する。図８に示すように、ニューラルネットワーク９０は、入力層９１、中間層９２及び出力層９３を有している。尚、図８では、説明を容易にするため、中間層９２が１つの場合を例示しているが、中間層９２の層数は１つに限定されず、２つ以上であってもよい。

入力層９１、中間層９２及び出力層９３には、それぞれニューロンに相当するノード（ユニット）９４が１つ又は複数存在する。勿論、各層９１，９２，９３のノード数についても、図８に例示した数に限定されるものではなく、入出力する情報や特徴量等に応じて任意に設定可能である。

例えば本実施形態における入力層９１のノード数は、制御対象となる照明部の数（チャンネル数）に対応している。つまり、照明パネルＬ１〜Ｌ１５に対応して１５個存在することとなる。また、本実施形態における出力層９３のノード数は、後述する予測画像データの画素数に対応しており、出力層９３の各ノード９４からは、該予測画像データを構成する各画素の情報（輝度値等）が出力値として出力される。

各層９１，９２，９３の各ノード９４は、それぞれ隣接する前後の層に存在するノード９４と、パラメータとなる結合荷重（重み及びバイアス）により結ばれている。

そして、入力層９１の各ノード９４に与えられた入力値は、それぞれ結合荷重で重み付けされ、中間層９２の各ノード９４に与えられる。その中間層９２の各ノード９４では、それぞれ重み付けられた入力値（重みと入力値の積）の総和を活性化関数により変換して出力値が算出され、それが出力層９３の各ノード９４に与えられる。

中間層９２と同様、出力層９３の各ノード９４では、それぞれ重み付けられた入力値の総和を活性化関数により変換して出力値が算出され、それがニューラルネットワーク９０の出力値として出力される。

このように、ニューラルネットワーク９０では、入力層９１に所定の情報が与えられると、その内容が中間層９２を通して変換されつつ出力層９３へと伝達され、出力層９３より予測結果に相当する情報が出力されることとなる。

尚、各ノード９４間を結合する結合荷重（パラメータ）は、後述するように所定の学習アルゴリズムによって学習され更新される。そして、学習によって更新された各結合荷重は、ニューラルネットワーク９０と共に、学習済みの学習モデルを構成する学習情報として記憶部５７に記憶される。

調光パラメータ調整部７７は、ＡＩモデル１００を用いて各照明パネルＬ１〜Ｌ１５の調光パラメータ値（明るさレベル）をより最適な値に調整する機能部であり、本実施形態におけるレベル特定手段を構成する。

調光パラメータ設定部７８は、照明制御部７２が照明ユニット５２を駆動制御する際に参酌する各照明パネルＬ１〜Ｌ１５に係る調光パラメータ値を個別に記憶する機能部である。

検査部７９は、検査用の画像データを基に、対象物としてのＰＴＰシート１に含まれる所定の検査対象としての錠剤５について良否判定を行う機能部であり、本実施形態における検査手段を構成する。

記憶部５７は、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等で構成され、例えばＡＩモデル１００（ニューラルネットワーク９０及びその学習情報）を記憶する所定の記憶領域を有している。かかる記憶領域が本実施形態におけるネットワーク格納手段を構成する。

通信部５８は、例えば有線ＬＡＮ（Local Area Network）や無線ＬＡＮ等の通信規格に準じた無線通信インターフェースなどを備え、外部と各種データを送受信可能に構成されている。例えば検査部７９により行われた良否判定の結果などが通信部５８を介して、ＰＴＰ包装機１０の不良シート排出機構などに対し送信される。

次に、外観検査装置４５によって行われるニューラルネットワーク９０の学習処理について図９，１０を参照して説明する。図９はニューラルネットワーク９０の学習処理の流れを示すフローチャートであり、図１０はニューラルネットワーク９０の学習処理の流れを説明するためのブロック図である。尚、このニューラルネットワーク９０の学習処理を実行する各種機能により本実施形態における学習手段が構成される。

所定の学習プログラムの実行に基づき、学習処理が開始されると、はじめにステップＳ１０１において、メイン制御部７１からの指令に基づき、学習部７６が、未学習のニューラルネットワーク９０を準備する。例えば予め記憶部５７等に格納されているニューラルネットワーク９０を読み出す。又は、記憶部５７等に格納されているネットワーク構成情報（例えばニューラルネットワークの層数、各層のノード数、各ノード間の結合荷重など）に基づいて、ニューラルネットワーク９０を生成する。

ステップＳ１０２では、メイン制御部７１が、複数の照明パネルＬ１〜Ｌ１５それぞれの明るさレベル（ＬＥＤ６３の発光輝度レベル）に対応するレベル情報としての調光パラメータ値（「０」〜「２５５」のうちのいずれかの値）をランダムに選出し、調光パラメータ設定部７８に設定する。

ステップＳ１０３では、教師画像データを取得する。具体的には、メイン制御部７１からの指令に基づき、照明制御部７２が、ステップＳ１０２において調光パラメータ設定部７８に設定された調光パラメータ値に対応する明るさレベルで、照明ユニット５２の各照明パネルＬ１〜Ｌ１５を点灯させる。続いて、メイン制御部７１からの指令に基づき、カメラ制御部７３がカメラ５３を駆動させる。これにより、停止中のコンベア３９の上記検査エリア内に予め載置され、複数の照明パネルＬ１〜Ｌ１５により作り出される照明状態で照明された良品のＰＴＰシート１を撮像する。そして、カメラ５３により取得された実画像データを画像取得部７４が取り込む。

画像取得部７４により取り込まれたＰＴＰシート１の実画像データは、画像処理部７５において所定の画像処理（例えばトリミングや傾き補正など）が施された上で、教師画像データとして学習部７６に入力される。

ステップＳ１０４では、予測画像データを取得する。尚、ステップＳ１０４の処理は、上記ステップＳ１０３の処理と並行して行われるようにしてもよい。

具体的には、メイン制御部７１からの指令に基づき、学習部７６が、ステップＳ１０２において調光パラメータ設定部７８に設定された各照明パネルＬ１〜Ｌ１５に係る調光パラメータ値を入力値として、ニューラルネットワーク９０の入力層９１の各ノード９４に与え、これにより出力層９３の各ノード９４から出力される出力値をまとめて予測画像データとして取得する。

尚、ここで取得される予測画像データは、調光パラメータ設定部７８に設定された調光パラメータ値に対応する明るさレベルでそれぞれ発光する複数の照明パネルＬ１〜Ｌ１５により作り出される照明状態で照明されるＰＴＰシート１を撮像した場合に取得され得る画像データとしてニューラルネットワーク９０が予測したものであり、学習の程度によりその精度は異なる。

続くステップＳ１０５では、学習部７６が、ステップＳ１０３においてカメラ５３により取得された実画像データである教師画像データと、ステップＳ１０４においてニューラルネットワーク９０により出力された予測画像データとを比較し、その誤差が十分に小さいか否か（所定の閾値以下であるか否か）を判定する。

ここで、その誤差が十分に小さい場合には、ニューラルネットワーク９０及びその学習情報（後述する更新後の結合荷重等）をＡＩモデル１００として記憶部５７に格納し、本学習処理を終了する。

一方、その誤差が十分に小さくない場合には、ステップＳ１０６においてネットワーク更新処理（ニューラルネットワーク９０の学習）を行った後、再びステップＳ１０２へ戻り、上記一連の処理を繰り返す。

具体的に、ステップＳ１０６のネットワーク更新処理では、公知の学習アルゴリズムである誤差逆伝播法（Backpropagation）を用いて、ニューラルネットワーク９０の各ノード間の結合荷重（パラメータ）に対する勾配を求め、教師画像データと予測画像データの誤差が小さくなるように、該勾配に基づき各ノード間の結合荷重をより適切なものに更新する。

これらの処理を何度も繰り返すことにより、ニューラルネットワーク９０は、複数の照明パネルＬ１〜Ｌ１５それぞれの調光パラメータ値と、これに対応する明るさレベルでそれぞれ発光する複数の照明パネルＬ１〜Ｌ１５により作り出される照明状態で照明されるＰＴＰシート１を撮像した場合に取得され得る画像データとの相関関係を学習し、より正確な予測画像データを出力することができるようになる。

次に、外観検査装置４５によって行われる照明ユニット５２の照明状態の最適化処理について図１１，１２を参照して説明する。図１１は照明状態の最適化処理の流れを示すフローチャートであり、図１２は照明状態の最適化処理の流れを説明するためのブロック図である。

所定の最適化プログラムの実行に基づき、最適化処理が開始されると、まずステップＳ２０１において、メイン制御部７１からの指令に基づき、調光パラメータ調整部７７が、複数の照明パネルＬ１〜Ｌ１５それぞれに対応するパラメータ初期値を２５６段階の調光パラメータ値（「０」〜「２５５」）の中からランダムに選出し、パラメータ候補値として所定の候補値記憶エリアに記憶する。

ステップＳ２０２では、メイン制御部７１からの指令に基づき、調光パラメータ調整部７７が、上記候補値記憶エリアに記憶された調光パラメータ値（ステップＳ２０１においてパラメータ初期値として選出した調光パラメータ値、又は、後述するステップＳ２０５において補正された調光パラメータ値）を入力値として、ＡＩモデル１００（学習済みのニューラルネットワーク９０）の入力層９１の各ノード９４に与え、これにより出力層９３の各ノード９４から出力される出力値をまとめて予測画像データとして取得する。

ステップＳ２０３において、調光パラメータ調整部７７は、ステップＳ２０２においてＡＩモデル１００により出力された予測画像データと、理想的なデータとして予め記憶部５７に記憶された理想画像データとを比較して、その誤差を算出すると共に、該誤差をＡＩモデル１００の入力層９１まで誤差逆伝播させ、上記入力値（上記候補値記憶エリアに記憶された調光パラメータ値）に対する勾配を求める。尚、この際、ニューラルネットワーク９０の更新（学習）は行わない。ここで、上記理想画像データが本実施形態における目標画像データに相当する。また、予測画像データと理想画像データとを比較し、その誤差を算出する機能により本実施形態における比較手段が構成される。

続くステップＳ２０４では、調光パラメータ調整部７７が、ステップＳ２０３において算出した誤差及び勾配がそれぞれ十分に小さいか否か（それぞれ所定の閾値以下であるか否か）を判定する。

ここで、その誤差及び勾配の両者が十分に小さい場合には、上記候補値記憶エリアに記憶された調光パラメータ値を調光パラメータ設定部７８に設定し、本最適化処理を終了する。

一方、その誤差及び勾配のうち一方が十分に小さくない場合には、ステップＳ２０５において、調光パラメータ調整部７７は、ステップＳ２０３において算出した勾配を基に、各照明パネルＬ１〜Ｌ１５に対応する入力値（上記候補値記憶エリアに記憶された調光パラメータ値）をそれぞれ補正（更新）する。その後、再びステップＳ２０２へ戻り、上記一連の処理を繰り返す。

これらの処理を何度も繰り返すことにより、上記候補値記憶エリアに記憶される調光パラメータ値（パラメータ候補値）が、目標とする照明状態に近い照明状態となり得る理想値に近づいていくこととなる。

次に、外観検査装置４５によって行われる錠剤５の検査処理について図１３のフローチャートを参照して説明する。かかる検査処理は、シート打抜装置３７によって打抜かれたＰＴＰシート１がコンベア３９によって上記検査エリアに搬送される毎に実行される処理である。

所定の検査プログラムの実行に基づき、検査処理が開始されると、まずステップＳ３０１において、パラメータ読込処理を実行する。具体的には、メイン制御部７１からの指令に基づき、照明制御部７２が、調光パラメータ設定部７８に設定された各照明パネルＬ１〜Ｌ１５に対応する調光パラメータ値を読み込む。

ステップＳ３０２では、照明処理を実行する。具体的には、メイン制御部７１が、コンベア３９に設けられた図示しないエンコーダからの信号に基づき、該ＰＴＰシート１が上記検査エリアに到達した判断すると、照明制御部７２に対し所定の信号を出力する。これに基づき、照明制御部７２は、所定のタイミングで、ステップＳ３０１において読み込んだ各調光パラメータ値に対応する明るさレベルで、照明ユニット５２の各照明パネルＬ１〜Ｌ１５を点灯させる。

これにより、検査エリア内に位置するＰＴＰシート１が、複数の照明パネルＬ１〜Ｌ１５により作り出される所定の照明状態で照明された状態となる。

続くステップＳ３０３では、撮像処理を実行する。具体的には、メイン制御部７１からの指令に基づき、カメラ制御部７３が所定のタイミングでカメラ５３を駆動させる。これにより、検査エリア内に位置するＰＴＰシート１（１０個の錠剤５を含む）を撮像する。これにより、複数の照明パネルＬ１〜Ｌ１５により作り出される所定の照明状態で照明されたＰＴＰシート１を含む輝度画像データが取得される。そして、この輝度画像データは、画像取得部７４に取り込まれる。

ステップＳ３０４では、画像処理を実行する。具体的には、メイン制御部７１からの指令に基づき、画像処理部７５が、ステップＳ３０３にて画像取得部７４に取り込まれた輝度画像データに対し所定の画像処理を行い、検査用の画像データを生成する。

本実施形態では、画像取得部７４に取り込まれた輝度画像データに対し、例えばシェーディング補正やマスキング処理などの画像処理を行った後、所定の閾値に基づき二値化処理を行い、二値化画像データを生成する。ここでは、前記閾値以上の明度を有する部分が「１（明）」、前記閾値未満の部分が「０（暗）」として、輝度画像データを二値化画像データに変換する。

ステップＳ３０５では、良否判定処理を行う。具体的には、メイン制御部７１からの指令に基づき、検査部７９が、ステップＳ３０４にて生成された検査用の画像データを基に、対象物としてのＰＴＰシート１に含まれる所定の検査対象としての１０個の錠剤５について良否判定を行う。以下、異物検査（異物や汚れの付着の検査）を一例として良否判定の流れについて説明するが、ここでは、錠剤５に係る外観異常として、その他、欠けやひびの有無、印刷不良などについても検査が行われる。

本実施形態では、まずステップＳ３０４にて生成された二値化画像データに対して、それぞれ塊処理を実行する。この塊処理では、二値化画像データの「０（暗）」及び「１（明）」について各連結成分を特定すると共に、それぞれの連結成分についてラベル付けを行う。

そして、検査部７９は、二値化画像データから求めた「１（明）」の連結成分の中から、錠剤５に相当する連結成分を錠剤領域として特定し、この錠剤領域内の異物の面積を算出する。すなわち二値化画像データから求めた「０（暗）」の連結成分のうち、錠剤領域の座標に含まれる、あるいは連なるものを抽出し、その面積つまり異物の面積を求め、各異物の面積が、予め定められた判定基準値よりも小さいか否かを判定する。

ここで、検査部７９は、１枚のＰＴＰシート１に対応する二値化画像データにおいて、１０個の錠剤５すべてにおいて異物の面積が判定基準値よりも小さい場合には、該ＰＴＰシート１を良品と判定すると共に、この結果を記憶部５７に記憶し、本処理を終了する。

一方、１枚のＰＴＰシート１に含まれる１０個の錠剤５のうち、異物の面積が判定基準値よりも大きいものが１つでもある場合には、該ＰＴＰシート１を不良品と判定し、その結果を表示部５６に表示したり、その旨を通信部５８を介して、ＰＴＰ包装機１０の不良シート排出機構などに対し送信し、本処理を終了する。

以上詳述したように、本実施形態によれば、ＡＩモデル１００（ニューラルネットワーク９０）とその誤差逆伝播を利用することで、個々に明るさ調整可能な複数の照明パネルＬ１〜Ｌ１５によって作り出され得る膨大な組合せパターンの照明状態の中から、比較的短時間で外観検査により最適な照明状態を自動的に見つけ出し、作り出すことができる。結果として、検査効率の飛躍的な向上を図ることができる。

加えて、人には感知できない程度の微妙な照明状態の違い（但し、検査結果には影響を及ぼすおそれがあるほどの違い）をも識別し、より最適な照明状態を作り出すことができる。結果として、検査精度の飛躍的な向上を図ることができる。

また、作業者の経験や感覚に頼ることなく、より最適な照明状態を再現性良く見つけ出し、作り出すことができる。結果として、時間的・場所的な制約を受けることなく、利便性や汎用性の向上を図ることができる。

さらに、本実施形態では、ニューラルネットワーク９０の学習を行う学習部７６を備えている。

これにより、外部において学習を行った学習済みのニューラルネットワーク９０を格納した場合よりも、照明ユニット５２毎の個体差を考慮したニューラルネットワーク９０の学習を行うことができ、照明ユニット５２毎にニューラルネットワーク９０がより適切な処理を行うことができるようになる。結果として、照明ユニット５２毎に、より最適な照明状態を作り出し、さらなる検査精度の向上を図ることができる。

〔第２実施形態〕
次に第２実施形態について図面を参照して詳しく説明する。但し、上述した第１実施形態と重複する部分については、同一の部材名称、同一の符号を用いる等してその詳細な説明を省略するとともに、以下には第１実施形態と相違する部分を中心として説明することとする。

上記第１実施形態では、先にニューラルネットワーク９０の学習処理を実行し、その後、学習済みのニューラルネットワーク９０（ＡＩモデル１００）を用いて、照明ユニット５２の照明状態の最適化処理を実行する構成となっている。

これに対し、第２実施形態においては、未学習のニューラルネットワーク９０に対し学習処理と照明状態の最適化処理とを交互に実行する構成となっている。

以下、外観検査装置４５によって行われる学習・最適化処理について図１４，１５を参照して説明する。図１４は学習・最適化処理の流れを示すフローチャートであり、図１５は学習・最適化処理の流れを説明するためのブロック図である。

所定のプログラムの実行に基づき、学習・最適化処理が開始されると、はじめにステップＳ４０１において、メイン制御部７１からの指令に基づき、学習部７６が、未学習のニューラルネットワーク９０を準備する。

ステップＳ４０２では、メイン制御部７１からの指令に基づき、調光パラメータ調整部７７が、複数の照明パネルＬ１〜Ｌ１５それぞれに対応するパラメータ初期値を、２５６段階の調光パラメータ値（「０」〜「２５５」）の中からランダムに選出し、パラメータ候補値として所定の候補値記憶エリアに記憶する。

ステップＳ４０３では、メイン制御部７１が、上記候補値記憶エリアに記憶された調光パラメータ値（パラメータ候補値）の周辺値を任意に（例えば周辺値の中からランダムに）選出し、調光パラメータ設定部７８に設定する。

尚、上記候補値記憶エリアに記憶される調光パラメータ値（パラメータ候補値）は、本処理の開始直後においては、ステップＳ４０２において選出されたパラメータ初期値であり、その後においては、後述するステップＳ４０８において補正（更新）された調光パラメータ値である。

ステップＳ４０４では、教師画像データを取得する。具体的には、メイン制御部７１からの指令に基づき、照明制御部７２が、ステップＳ４０３において調光パラメータ設定部７８に設定された調光パラメータ値に対応する明るさレベルで、照明ユニット５２の各照明パネルＬ１〜Ｌ１５を点灯させる。続いて、メイン制御部７１からの指令に基づき、カメラ制御部７３がカメラ５３を駆動させる。これにより、停止中のコンベア３９の上記検査エリア内に予め載置され、複数の照明パネルＬ１〜Ｌ１５により作り出される照明状態で照明された良品のＰＴＰシート１を撮像する。そして、カメラ５３により取得された実画像データを画像取得部７４が取り込む。

画像取得部７４により取り込まれたＰＴＰシート１の実画像データは、画像処理部７５において所定の画像処理が施された上で、教師画像データとして学習部７６に入力される。

ステップＳ４０５では、予測画像データを取得する。具体的には、メイン制御部７１からの指令に基づき、学習部７６が、ステップＳ４０３において調光パラメータ設定部７８に設定された各照明パネルＬ１〜Ｌ１５に係る調光パラメータ値（パラメータ候補周辺値）を入力値として、ニューラルネットワーク９０の入力層９１の各ノード９４に与え、これにより出力層９３の各ノード９４から出力される出力値をまとめて予測画像データとして取得する。

尚、この際、本実施形態ではステップＳ４０３において調光パラメータ設定部７８に設定された各調光パラメータ値（パラメータ候補周辺値）は、新たなパラメータ候補値として上記候補値記憶エリアに上書きされた上で、ニューラルネットワーク９０に入力される。

続くステップＳ４０６では、学習部７６が、ステップＳ４０４においてカメラ５３により取得された実画像データである教師画像データと、ステップＳ４０５においてニューラルネットワーク９０により出力された予測画像データとを比較して、その誤差（以下、「学習誤差」という。）を算出すると共に、誤差逆伝播法を用いて、ネットワーク更新処理を行う。このネットワーク更新処理では、ニューラルネットワーク９０の各ノード間の結合荷重（パラメータ）に対する勾配を求め、教師画像データと予測画像データの誤差が小さくなるように、該勾配に基づき各ノード間の結合荷重をより適切なものに更新する。

ステップＳ４０７では、調光パラメータ調整部７７が、ステップＳ４０５においてニューラルネットワーク９０により出力された予測画像データと、理想的なデータとして予め記憶部５７に記憶された理想画像データとを比較して、その誤差（以下、「予測誤差」という。）を算出すると共に、該予測誤差をニューラルネットワーク９０の入力層９１まで誤差逆伝播させ、上記入力値（上記候補値記憶エリアに記憶された調光パラメータ値）に対する勾配を求める。尚、この際、ニューラルネットワーク９０の更新（学習）は行わない。ここで、上記理想画像データが本実施形態における目標画像データに相当する。また、予測画像データと理想画像データとを比較し、その誤差を算出する機能により本実施形態における比較手段が構成される。

ステップＳ４０８では、調光パラメータ調整部７７が、ステップＳ４０７において算出した勾配を基に、各照明パネルＬ１〜Ｌ１５に対応する入力値（上記候補値記憶エリアに記憶された調光パラメータ値）をそれぞれ補正（更新）する。

ステップＳ４０９では、メイン制御部７１が、ステップＳ４０６において算出した学習誤差、並びに、ステップＳ４０７において算出した予測誤差及び勾配がそれぞれ十分に小さいか否か（それぞれ所定の閾値以下であるか否か）を判定する。

ここで、学習誤差、並びに、予測誤差及び勾配の三者が十分に小さい場合には、上記候補値記憶エリアに記憶された調光パラメータ値（パラメータ候補値）を調光パラメータ設定部７８に設定し、本処理を終了する。

一方、学習誤差、並びに、予測誤差及び勾配の三者のうち１つが十分に小さくない場合には、再びステップＳ４０２へ戻り、上記一連の処理を繰り返す。

このように、調光パラメータ値の更新（補正）と、ニューラルネットワーク９０の更新（学習）とを交互に繰り返していくことにより、調光パラメータ設定部７８に設定される調光パラメータ値が、目標とする照明状態に近い照明状態となり得る理想値に近づいていくこととなる。つまり、ニューラルネットワーク９０を学習しながら、より最適な照明状態を作り出すことができる。

以上詳述したように、本実施形態によれば、上記第１実施形態と同様の作用効果が奏される。

本実施形態では、照明パネルＬ１〜Ｌ１５（ＬＥＤ６３）の劣化等に起因した照明状態の変化など、現実世界で条件が変化した場合にも、その変化に追従することができ、さらなる検査精度の向上を図ることができる。

例えば複数の照明パネルＬ１〜Ｌ１５のうちの一部や、所定の照明パネルＬ１等に実装された数十個のＬＥＤ６３のうちの一部など、一部の光源が劣化（輝度低下や点灯不能など）した場合、その劣化した光源の位置によって照明状態も変化し得るため、これを考慮した明るさ調整も行うことができる。

尚、上記実施形態の記載内容に限定されず、例えば次のように実施してもよい。勿論、以下において例示しない他の応用例、変更例も当然可能である。

（ａ）上記各実施形態では、対象物としてのＰＴＰシート１に含まれる内容物である錠剤５を所定の検査対象（検査対象部位）として外観検査を行う構成となっているが、外観検査に供される対象物や内容物、検査対象（検査対象部位）は、これらに限定されるものではない。

（ａ−１）例えばＰＴＰシート１の構成（ポケット部２の形状や配列、個数など）に関しては、上記各実施形態に限定されるものではなく、異なる他の構成を採用してもよい。例えば３列１２個のポケット部を有するタイプをはじめ、様々な配列、個数からなるＰＴＰシートを採用してもよい。

勿論、ＰＴＰシートに限らず、ブリスターパックなど、異なる他のブリスター包装体を、外観検査に供される対象物としてもよいし、ブリスター包装体とは異なる物品を、外観検査に供される対象物としてもよい。

（ａ−２）上記各実施形態では、内容物である錠剤５の態様例として、中心部と周縁部とで厚みが異なる平面視円形状の素錠、いわゆるレンズ錠を例示しているが、錠剤の種類や形状等は、これに限られるものではない。

例えば、表面部に割線を有する錠剤や、周縁部に面取り部を有する円盤形状の平錠、平面視非円形の三角錠や四角錠、カプセル錠、糖衣錠、ソフトカプセルなどであってもよい。

また、外観検査に供される内容物の種別等に関しても、錠剤（薬品）に限らず、サプリメント、食品、電子部品、電子機器、医療機器など、異なるものであってもよい。

（ａ−３）容器フィルム３やカバーフィルム４など、包装材の形状や材質等は、上記各実施形態に限定されるものではなく、異なる他の構成を採用してもよい。

例えば容器フィルム３がアルミラミネートフィルムなど、アルミニウムを主材料とした金属材料により形成された構成としてもよい。但し、ＰＴＰシート１の打抜き後、容器フィルム３を介して錠剤５の外観検査を行う場合には、容器フィルム３が透明素材により構成されていることが必要となる。従って、このように容器フィルム３が遮光材料（不透明材料）により形成されている場合には、後述するように容器フィルム３に対しカバーフィルム４が取着される前工程において、ポケット部２の開口側から錠剤５を照明及び撮像し検査を行うこととなる。

（ａ−４）上記各実施形態では、ＰＴＰシート１のうち、内容物である錠剤５に係る検査のみ行う構成となっているが、これに限らず、包装材であるシート部に係る検査（例えば異物付着や粉噛み、シール不良、印刷不良、刻印不良、打ち抜き不良など）を実行する構成としてもよい。

（ｂ）上記各実施形態では、ＰＴＰフィルム６からＰＴＰシート１が打抜かれた後工程において、コンベア３９によって搬送されているＰＴＰシート１のポケット部２（容器フィルム３）越しに錠剤５の外観検査が行われる構成となっている。

（ｂ−１）これに限らず、容器フィルム３に対しカバーフィルム４が取着された後工程かつＰＴＰフィルム６からＰＴＰシート１が打抜かれる前工程において、ＰＴＰフィルム６のポケット部２（容器フィルム３）越しに錠剤５の外観検査が行われる構成としてもよい。かかる場合でも、上記各実施形態と同様、錠剤５が入れ替わることがない状態で検査を実行することができ、検査精度の向上を図ることができる。

（ｂ−２）また、ポケット部２に錠剤５が充填された後工程かつ容器フィルム３に対しカバーフィルム４が取着される前工程において、錠剤５の外観検査が行われる構成としてもよい。

ここで、容器フィルム３が透明材料により形成されている場合には、ポケット部２（容器フィルム３）越しに錠剤５を照明及び撮像し検査を行う構成としてもよいし、ポケット部２の開口側から錠剤５を照明及び撮像し検査を行う構成としてもよい。

ポケット部２の開口側から検査を行う方が、ポケット部２（容器フィルム３）を介さず、遮るものがない状態で直接、錠剤５を照明及び撮像することができるため、個々の錠剤５の検査精度に関しては向上する一方、錠剤５が入れ替わるおそれがあるため、全体として良品錯誤率や不良品錯誤率が増加するおそれがある。

（ｃ）上記各実施形態では、外観検査装置４５がＰＴＰ包装機１０内に設けられた構成（インライン）となっている。

（ｃ−１）これに代えて、ＰＴＰ包装機１０とは別に、オフラインでＰＴＰシート１の検査を行う装置として外観検査装置４５を備えた構成としてもよい。かかる場合、ＰＴＰシート１を搬送可能な搬送手段を外観検査装置４５に備えた構成としてもよい。

（ｃ−２）また、オフラインで検査を行う場合には、ＰＴＰシート１を連続搬送せず、停止した状態で検査を行う構成としてもよい。但し、ＰＴＰシート１、又は、ＰＴＰフィルム６若しくは容器フィルム３を連続搬送しつつ、インラインで検査を実行した方が生産性の向上を図る上では好ましい。

（ｄ）外観検査装置４５に係る構成は、上記各実施形態に限定されるものではなく、他の構成を採用してもよい。

（ｄ−１）例えば上記各実施形態に係る外観検査装置４５は、外観検査用照明装置（照明ユニット５２及びその制御機能）と、撮像装置（カメラユニット５３及びその制御機能）とが機能的に一体に設けられた構成となっている。

これに限らず、外観検査用照明装置や撮像装置が外観検査装置とは機能的に別体で設けられた構成としてもよい。ここで撮像機能を有しない外観検査用照明装置においては、外部の撮像手段により取得された画像データ等を入力して、これを基に調光パラメータ値の更新や、ニューラルネットワーク９０の更新を行う構成としてもよい。

（ｄ−２）上記各実施形態では、特に言及していないが、対象物（ＰＴＰシート１等）を１つずつ撮像して検査を行う構成のみならず、照明ユニット５２による同一の照明状態の下で、複数の対象物（対象範囲）に対し同時に光を照射して撮像し得られる画像データを基に各対象物について検査を行う構成としてもよい。

かかる場合、所定の照明パネルＬ１等の近くに位置する対象物では、該照明パネルＬ１等から照射される光が強くなり、遠くにある対象物では、照射される光が弱くなる。このため、複数の照明パネルＬ１〜Ｌ１５それぞれから対象物までの距離を考慮して、最適な照明状態を生成する必要がある。

（ｅ）照明部に係る構成は、上記各実施形態に限定されるものではない。上記各実施形態では、光源となる複数のＬＥＤ６３を実装した照明パネルＬ１〜Ｌ１５が照明部として採用されている。

（ｅ−１）例えば上記各実施形態に係る照明ユニット５２では、１５個の照明パネルＬ１〜Ｌ１５が設けられているが、照明部の数や配置等は、これに限定されるものではなく、他の構成を採用してもよい。例えば環状のリング照明を採用してもよい。

（ｅ−２）また、上記各実施形態では、特に言及していないが、各照明パネルＬ１〜Ｌ１５において、例えばＬＥＤ６３から出射される光を拡散させ、輝度ムラを抑制するための拡散カバーや、一部の光だけを通過させるフィルタなどを備えた構成としてもよい。

（ｅ−３）上記各実施形態では、特に言及していないが、例えば各照明パネルＬ１〜Ｌ１５が、互いに発光色の異なる複数種の光源（例えば赤（Ｒ）・緑（Ｇ）・青（Ｂ）の各ＬＥＤ６３）を実装し、各種有色光や白色光を照射可能に構成されると共に、各色の光源毎に発光輝度レベルを調整して照明状態を制御可能な構成としてもよい。勿論、可視光に限定されず、赤外光や近赤外光などを照射可能な光源を用いる構成としてもよい。

（ｅ−４）照明部の光源は、ＬＥＤ６３に限定されるものではなく、調光可能な光源であれば、他の光源を採用してもよい。例えば蛍光灯やランプなどを採用してもよい。

（ｆ）照明部の明るさ調整（調光）方法やその階調は、上記各実施形態に限定されるものではない。

（ｆ−１）上記各実施形態では、２５６階調の明るさ表現が可能となっているが、これに限らず、例えば１２８階調で明るさ表現可能な構成としてもよい。

（ｆ−２）上記各実施形態では、パルス幅変調（ＰＷＭ）によって、各照明パネルＬ１〜Ｌ１５を調光可能な構成となっている。これに限らず、例えば各照明パネルＬ１〜Ｌ１５（光源）へ供給する電流や電圧の大きさを制御することにより、各照明パネルＬ１〜Ｌ１５の明るさを調整可能な構成としてもよい。

または、ＬＥＤ６３から出射された光が所定のフィルタを介して対象物へ照射される構成の下、該フィルタの透過率を制御することにより、各照明パネルＬ１〜Ｌ１５の明るさを調整可能な構成としてもよい。

（ｇ）ニューラルネットワーク９０の構成及びその学習方法は、上記各実施形態に限定されるものではない。

（ｇ―１）例えばニューラルネットワーク９０は、２以上の中間層９２を持ち、深層学習（ディープラーニング）により学習されるニューラルネットワークのであってもよい。

（ｇ―２）例えばニューラルネットワーク９０は、畳み込み層やプーリング層などを中間層９２に持つ畳み込みニューラルネットワークであってもよい。

（ｇ―３）上記各実施形態では、誤差逆伝播法によりニューラルネットワーク９０を学習する構成となっているが、これに限らず、その他の種々の学習アルゴリズムを用いて学習する構成としてもよい。

（ｇ―４）上記各実施形態では、ニューラルネットワーク９０の学習を行うに際し、良品のＰＴＰシート１を撮像して得た良品画像データを教師画像データとして用いる構成となっているが、これに加えて、不良品のＰＴＰシート１を撮像して得た不良品画像データを教師画像データとして用いて学習を行う構成としてもよい。

（ｇ―５）ニューラルネットワーク９０は、いわゆるＡＩチップ等のＡＩ処理専用回路によって構成されることとしてもよい。その場合、結合荷重等の学習情報のみが記憶部５７に記憶され、これをＡＩ処理専用回路が読み出して、ニューラルネットワーク９０に設定することによって、ＡＩモデル１００が構成されるようにしてもよい。

（ｇ―６）上記各実施形態では、学習部７６を備え、制御装置５４内においてニューラルネットワーク９０の学習を行う構成となっているが、これに限らず、少なくともＡＩモデル１００（学習済みのニューラルネットワーク９０）を記憶部５７に記憶していればよく、学習部７６を省略した構成としてもよい。従って、ニューラルネットワーク９０の学習を制御装置５４の外部で行い、これを記憶部５７に記憶する構成としてもよい。

（ｈ）各照明パネルＬ１〜Ｌ１５に係る調光パラメータ値を補正（更新）し、照明状態を最適化する構成は、上記各実施形態に限定されるものではなく、異なる他の構成を採用してもよい。

（ｈ−１）例えば上記第１実施形態に係る照明状態の最適化処理など、上記各実施形態においては、照明状態を最適化するにあたり、複数の照明パネルＬ１〜Ｌ１５それぞれに対応する調光パラメータ値をＡＩモデル１００に入力して出力されたＰＴＰシート１に係る予測画像データと、予め記憶部５７に記憶されたＰＴＰシート１に係る理想画像データとを比較して、その誤差をＡＩモデル１００の入力層９１まで誤差逆伝播させることにより、調光パラメータ値の更新を行う構成となっている。

これに限らず、前記調光パラメータ値に対応する明るさレベルでそれぞれ発光する複数の照明パネルＬ１〜Ｌ１５により作り出される照明状態で照明されるＰＴＰシート１をカメラ５３により撮像して取得された実画像データと、予め記憶部５７に記憶されたＰＴＰシート１に係る理想画像データとを比較して、その誤差をＡＩモデル１００の入力層９１まで誤差逆伝播させることにより、調光パラメータ値の更新を行う構成としてもよい。

（ｈ−２）上記第１実施形態に係る照明状態の最適化処理など、上記各実施形態においては、照明状態を最適化するにあたり、ＡＩモデル１００から出力される予測画像データ（又はカメラ５３により取得された実画像データ）と、予め記憶部５７に記憶された理想画像データとを直接的に比較して、その誤差をＡＩモデル１００の入力層９１まで誤差逆伝播させることにより、調光パラメータ値の更新を行う構成となっている。

これに限らず、ＡＩモデル１００から出力される予測画像データ及び該予測画像データから得られる関連情報（又は、カメラ５３により取得された実画像データ及び該実画像データから得られる関連情報）と、予め記憶部５７に記憶された理想画像データ及び該理想画像データから得られる関連情報とを比較して、その誤差をＡＩモデル１００の入力層９１まで誤差逆伝播させることにより、調光パラメータ値の更新を行う構成としてもよい。

または、ＡＩモデル１００から出力される予測画像データから得られる関連情報（又は、カメラ５３により取得された実画像データから得られる関連情報）と、予め記憶部５７に記憶された理想画像データから得られる関連情報とを比較して、その誤差をＡＩモデル１００の入力層９１まで誤差逆伝播させることにより、調光パラメータ値の更新を行う構成としてもよい。

尚、上記「画像データから得られる関連情報」としては、例えば画像データの全体又は一部の輝度平均値や、所定部位の輝度値のバラツキや標準偏差などを一例に挙げることができる。

（ｈ−３）上記第２実施形態においては、未学習のニューラルネットワーク９０に対し「学習処理」と「照明状態の最適化処理」とを交互に実行する構成となっているが、これに限らず、「学習処理」と「照明状態の最適化処理」とを並行して行う構成としてもよい。

また、第１実施形態に係る「学習処理」を途中まで実行した後に、第２実施形態に係る「学習・最適化処理」を実行する構成としてよい。

（ｉ）上記各実施形態では、照明調整作業（上記第１実施形態に係る「学習処理」及び「最適化処理」や、上記第２実施形態に係る「学習・最適化処理」など）の実行時期について、特に言及していないが、例えば製造メーカーにおける外観検査装置４５の出荷前に、検査を予定している対象物（ＰＴＰシート１等）や検査対象（錠剤５等）の種類に合わせて予め照明調整作業を行っていてもよいし、ユーザへの外観検査装置４５の納入後、ユーザによって照明調整作業が行われる構成としてもよい。

ユーザによって照明調整作業が行われる場合には、当初は予定されておらず、新たに検査に追加された対象物や検査対象などの種類に合わせて照明調整作業を行うことができると共に、照明パネルＬ１〜Ｌ１５が劣化した場合等における再調整を行うことができる。

（ｊ）また、外観検査装置４５の使用中など、学習処理や最適化処理を行ってない場合において、ニューラルネットワーク９０とその誤差逆伝播を利用して、照明パネルＬ１〜Ｌ１５に係る調光パラメータ値に対する勾配を求め、その値を判定することにより、照明パネルＬ１〜Ｌ１５の故障や劣化など、検査環境の変化等を検知する機能を備えた構成としてもよい。

１…ＰＴＰシート、２…ポケット部、３…容器フィルム、４…カバーフィルム、５…錠剤、１０…ＰＴＰ包装機、４５…検査装置、５２…照明ユニット、５３…カメラユニット、５４…制御装置、５７…記憶部、６３…ＬＥＤ、７１…メイン制御部、７２…照明制御部、７３…カメラ制御部、７４…画像取得部、７５…画像処理部、７６…学習部、７７…調光パラメータ調整部、７８…調光パラメータ設定部、７９…検査部、９０…ニューラルネットワーク、９１…入力層、９２…中間層、９３…出力層、９４…ノード、１００…ＡＩモデル、Ｌ１〜Ｌ１５…照明パネル。

Claims (6)

1. 個々に明るさ調整可能な複数の照明部を有し、該複数の照明部により作り出される所定の照明状態で対象物を照明可能な外観検査用照明装置であって、
   前記複数の照明部それぞれの明るさレベルに対応するレベル情報と、該レベル情報に対応する明るさレベルでそれぞれ発光する前記複数の照明部により作り出される照明状態で照明される前記対象物を撮像した場合に取得され得る画像データとの相関関係を学習したニューラルネットワークを格納したネットワーク格納手段と、
   前記ニューラルネットワークに対し前記複数の照明部それぞれに対応する前記レベル情報を入力して出力される前記画像データである予測画像データ及び／若しくは該予測画像データから得られる関連情報、又は、前記レベル情報に対応する明るさレベルでそれぞれ発光する前記複数の照明部により作り出される照明状態で照明される前記対象物を撮像して取得された画像データである実画像データ及び／若しくは該実画像データから得られる関連情報と、目標となる照明状態で照明された前記対象物を撮像した場合に取得され得る画像データとして用意された目標画像データ及び／若しくは該目標画像データから得られる関連情報とを比較し、その誤差を算出可能な比較手段と、
   少なくとも前記比較手段により算出される誤差が所定の閾値以下となるまで、誤差逆伝播により前記複数の照明部それぞれに対応する前記レベル情報の更新を繰り返し、前記複数の照明部それぞれに適した前記レベル情報を特定可能なレベル特定手段と、
   少なくとも前記レベル特定手段によりそれぞれ特定された前記レベル情報に基づき、前記複数の照明部それぞれの明るさ調整を行うことによって、該複数の照明部により作り出される照明状態を制御可能な照明制御手段とを備えたことを特徴とする外観検査用照明装置。
2. 前記相関関係について、前記ニューラルネットワークの学習を行う学習手段を備えていることを特徴とする請求項１に記載の外観検査用照明装置。
3. 前記レベル特定手段による前記レベル情報の更新と、前記学習手段による前記ニューラルネットワークの学習とを、交互に又は並行して行うことを特徴とする請求項２に記載の外観検査用照明装置。
4. 容器フィルムに形成されたポケット部に対し所定の内容物が収容され、前記ポケット部を塞ぐように前記容器フィルムに対しカバーフィルムが取着されてなるブリスター包装体の製造に際し用いられることを特徴とする請求項１乃至３のいずれかに記載の外観検査用照明装置。
5. 請求項１乃至４のいずれかに記載の外観検査用照明装置を備えたことを特徴とする外観検査装置。
6. 請求項５に記載の外観検査装置を備えたことを特徴とするブリスター包装機。

Images