JP2022119754A - Object inspection device, inspection program, and system - Google Patents

Object inspection device, inspection program, and system Download PDF

Info

Publication number
JP2022119754A
JP2022119754A JP2022019168A JP2022019168A JP2022119754A JP 2022119754 A JP2022119754 A JP 2022119754A JP 2022019168 A JP2022019168 A JP 2022019168A JP 2022019168 A JP2022019168 A JP 2022019168A JP 2022119754 A JP2022119754 A JP 2022119754A
Authority
JP
Japan
Prior art keywords
inspection
unit
inspector
image data
objects
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.)
Pending
Application number
JP2022019168A
Other languages
Japanese (ja)
Inventor
哲也 沢登
Tetsuya SAWANOBORI
和哉 中島
Kazuya Nakajima
洋平 谷川
Yohei Tanigawa
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Connected Robotics Inc
Original Assignee
Connected Robotics Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Connected Robotics Inc filed Critical Connected Robotics Inc
Priority to JP2022019168A priority Critical patent/JP2022119754A/en
Publication of JP2022119754A publication Critical patent/JP2022119754A/en
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

PROBLEM TO BE SOLVED: To remotely and highly efficiently detect inspection objects with prescribed attributes from inspection objects even in an initial stage where substantial machine learning is not executed yet.
SOLUTION: An object inspection device 1 includes: an image acquisition section 11 for acquiring image data on respective inspection objects A; a transmission section 12 for transmitting the image data over a network 3 to an inspector terminal 2; a receiving section 13 for receiving determination results by the inspector relating to the attributes of the respective inspection objects A from the inspector terminal 2 over the network 3; a detecting section 14 for detecting inspection objects with prescribed attributes from among the respective inspection objects A based on the determination results by the inspector; and a storage section 15 for accumulating determination results relating to the attributes of the respective inspection objects A in association with the image data.
SELECTED DRAWING: Figure 8
COPYRIGHT: (C)2022,JPO&INPIT

Description

本開示は、検査対象物から不良品を検出する物体検査装置、検査用プログラム、及びシステムに関する。 The present disclosure relates to an object inspection device, an inspection program, and a system for detecting defective products from inspection objects.

コンベアにより搬送される多数の商品を撮影する撮影部と、撮影部で撮影された各商品の画像に対して画像処理を行う画像処理部と、画像処理部で処理された画像データに対して、予め定められた選別基準に基づいて良品／不良品の判定を行う判定部と、判定部で不良品と判定された商品に商品の搬送速度に同期して光を照射する光照射部と、を備えた商品検査装置が提案されている（例えば、特許文献１参照）。 An imaging unit that photographs a large number of products conveyed by a conveyor, an image processing unit that performs image processing on images of each product photographed by the imaging unit, and image data processed by the image processing unit, A judging unit that judges non-defective products and defective products based on predetermined sorting criteria, and a light irradiation unit that irradiates products judged to be defective by the judging unit with light in synchronization with the transport speed of the products. A product inspection device equipped with such a device has been proposed (see, for example, Patent Document 1).

また、特許文献１には、判定部で判定された良品／不良品の各画像データをそれぞれ表示する表示部と、表示部で表示された各画像データに対して操作者（熟練者）が良品／不良品の判定結果を入力する入力部と、入力部で入力された判定結果を学習画像データとし、当該学習画像データに基づいて機械学習方式により学習モデルを生成する学習モデル生成部と、学習モデル生成部により生成された学習モデルにしたがって、判定部の選別基準を更新する更新部と、をさらに備えることが記載されている。 Further, Patent Document 1 discloses a display unit that displays each image data of a non-defective product and a defective product determined by the determination unit, and an operator (expert) for each image data displayed on the display unit. / An input unit for inputting the determination result of a defective product, a learning model generation unit for generating a learning model using a machine learning method based on the learning image data based on the determination result input by the input unit, and a learning It further includes an updating unit that updates the selection criteria of the determining unit according to the learning model generated by the model generating unit.

特開２０２０－０１１１８２号公報Japanese Patent Application Laid-Open No. 2020-011182

しかしながら、特許文献１では、熟練者の判定による学習が、機械的な良品／不良品判定結果を事後的に見直す態様で実行されるので、ある程度学習が進んでからでないと、稼働させることが難しい。 However, in Patent Literature 1, the learning based on the judgment of an expert is executed in such a manner that the results of mechanical non-defective product judgment are reviewed after the fact, so it is difficult to operate the machine unless the learning progresses to some extent. .

そこで、本開示は、機械学習が十分でない初期段階でも、リモートで効率よく検査対象物から所定属性の検査対象物を検出する物体検査装置、検査用プログラム、及びシステムの提供を目的とする。 Therefore, an object of the present disclosure is to provide an object inspection device, an inspection program, and a system for remotely and efficiently detecting an inspection object with a predetermined attribute from an inspection object even in an initial stage when machine learning is not sufficient.

１つの側面では、各検査対象物の画像データを取得する画像取得部と、前記画像データを、ネットワークを介して検査者端末に送信する送信部と、各検査対象物の属性に関して、検査者による判断結果を、前記検査者端末からネットワークを介して受信する受信部と、前記検査者による判断結果に基づいて、各検査対象物のうちから、所定属性の検査対象物を検出する検出部と、前記画像データに対応付けて、各検査対象物の属性に関する判断結果を蓄積する記憶部とを含む、ことを特徴とする物体検査装置が提供される。 In one aspect, an image acquisition unit that acquires image data of each inspection object, a transmission unit that transmits the image data to an inspector terminal via a network, and attributes of each inspection object are determined by an inspector. a receiving unit for receiving determination results from the inspector terminal via a network; a detecting unit for detecting an inspection object having a predetermined attribute from among inspection objects based on the determination result by the inspector; and a storage unit for accumulating determination results regarding attributes of each inspection object in association with the image data.

本開示によれば、機械学習が十分でない初期段階でも、リモートで効率よく検査対象物から不良品を検出することが可能となる。 Advantageous Effects of Invention According to the present disclosure, it is possible to remotely and efficiently detect defective products from inspection objects even in the initial stage when machine learning is not sufficient.

本発明の一実施形態の係る物体検査装置が適用されるシステムの全体構成を示すブロック図である。1 is a block diagram showing the overall configuration of a system to which an object inspection apparatus according to an embodiment of the invention is applied; FIG. 本発明の一実施形態の係る物体検査装置が適用される検査ラインの例を示す斜視図である。1 is a perspective view showing an example of an inspection line to which an object inspection apparatus according to an embodiment of the invention is applied; FIG. 本発明の一実施形態の係る物体検査装置の第１検査モードによる検査の流れを示す概略説明図である。FIG. 4 is a schematic explanatory diagram showing the flow of inspection in the first inspection mode of the object inspection apparatus according to one embodiment of the present invention; 本発明の一実施形態の係る物体検査装置の第２検査モードによる検査の流れを示す概略説明図である。FIG. 4 is a schematic explanatory diagram showing the flow of inspection in the second inspection mode of the object inspection apparatus according to one embodiment of the present invention; 本発明の一実施形態の係る物体検査装置の第３検査モードによる検査の流れを示す概略説明図である。FIG. 5 is a schematic explanatory diagram showing the flow of inspection in a third inspection mode of the object inspection apparatus according to one embodiment of the present invention; 本発明の一実施形態の係る物体検査装置の他の使用例（複数の検査者による検査）を示す概略説明図である。FIG. 10 is a schematic explanatory diagram showing another usage example (inspection by a plurality of inspectors) of the object inspection apparatus according to one embodiment of the present invention; 本発明の一実施形態の係る物体検査装置の他の使用例（１人の検査者による複数ラインの検査）を示す概略説明図である。FIG. 4 is a schematic explanatory diagram showing another usage example (inspection of a plurality of lines by one inspector) of the object inspection apparatus according to one embodiment of the present invention; 本発明の一実施形態の係る物体検査装置の機能構成を示すブロック図である。1 is a block diagram showing the functional configuration of an object inspection device according to one embodiment of the present invention; FIG. 本発明の一実施形態の係る物体検査装置の第１検査モードにおける処理の流れを示すブロック図である。3 is a block diagram showing the flow of processing in the first inspection mode of the object inspection device according to one embodiment of the present invention; FIG. 本発明の一実施形態の係る物体検査装置の第２検査モードにおける処理の流れを示すブロック図である。FIG. 4 is a block diagram showing the flow of processing in the second inspection mode of the object inspection apparatus according to one embodiment of the present invention; 本発明の一実施形態の係る物体検査装置の第３検査モードにおける処理の流れを示すブロック図である。FIG. 4 is a block diagram showing the flow of processing in the third inspection mode of the object inspection apparatus according to one embodiment of the present invention;

以下、添付図面を参照しながら各実施例について詳細に説明する。 Each embodiment will be described in detail below with reference to the accompanying drawings.

［システム］
図１に示すように、本実施形態の物体検査装置１が適用されるシステムは、検査対象物Ａの検査ラインに構築される物体検査装置１と、検査者が使用するコンピュータであり、コンピュータに検査用プログラムを実装して構成される検査者端末２と、物体検査装置１と検査者端末２とを通信可能に接続するインターネットなどのネットワーク３と、を備える。 [system]
As shown in FIG. 1, a system to which an object inspection apparatus 1 of the present embodiment is applied includes an object inspection apparatus 1 constructed on an inspection line for inspection objects A and a computer used by an inspector. An inspector terminal 2 configured by installing an inspection program, and a network 3 such as the Internet for communicably connecting the object inspection apparatus 1 and the inspector terminal 2 are provided.

検査ラインは、例えば、図２に示すように、複数の検査対象物Ａを搬送するコンベア４と、コンベア４上の検査対象物Ａを撮像するカメラ５と、不良品と判断された検査対象物Ａをコンベア４上から不良シュータ６に移動させるアーム型のロボット７と、を備える。 For example, as shown in FIG. 2, the inspection line includes a conveyor 4 that conveys a plurality of inspection objects A, a camera 5 that images the inspection objects A on the conveyor 4, and inspection objects judged to be defective. An arm-type robot 7 for moving A from the conveyor 4 to a defective shooter 6 is provided.

［物体検査装置］
図１に示すように、物体検査装置１は、コンベア４、カメラ５、及びロボット７の他に、カメラ５から検査対象物Ａの画像データを取得し、且つ、コンベア４及びロボット７を制御する検査制御部８と、ネットワーク３を介して検査制御部８と検査者端末２とを通信可能に接続する通信部９と、を備える。 [Object inspection device]
As shown in FIG. 1, the object inspection apparatus 1 acquires image data of the inspection object A from the camera 5 in addition to the conveyor 4, the camera 5, and the robot 7, and controls the conveyor 4 and the robot 7. An inspection control unit 8 and a communication unit 9 that communicably connect the inspection control unit 8 and the inspector terminal 2 via the network 3 are provided.

［３つの検査モード］
図３～図５に示すように、検査制御部８は、３つの検査モードを実現する。図３に示す第１検査モードは、検査者が検査対象物Ａの画像データを見ながらリモートで検査を行うとともに、検査者の判断結果を画像データに対応付けて学習データとして蓄積する人間検査・データ蓄積モードである。 [Three inspection modes]
As shown in FIGS. 3 to 5, the inspection control section 8 implements three inspection modes. The first inspection mode shown in FIG. 3 is a human inspection mode in which an inspector performs an inspection remotely while looking at image data of an inspection object A, and the inspection result of the inspector is associated with the image data and accumulated as learning data. Data accumulation mode.

図４に示す第２検査モードは、蓄積された学習データの機械学習によって対象選別プログラム（以下、適宜ＡＩという。）を生成した後に実行可能となる検査モードであって、ＡＩによる判断結果（例えば、品質レベルに応じた〇、△、×などのマーキング）を参照しつつ、検査者が検査対象物Ａの画像データを見ながらリモートで検査を行うとともに、検査者の判断結果を画像データに対応付けて学習データとして蓄積する人間ＡＩ協調検査・データ蓄積モードである。 The second inspection mode shown in FIG. 4 is an inspection mode that can be executed after a target selection program (hereinafter referred to as AI as appropriate) is generated by machine learning of accumulated learning data, and the judgment result by AI (for example, , Markings such as ○, △, and × according to the quality level), the inspector remotely inspects the image data of the inspection object A, and the inspector's judgment results correspond to the image data. This is a human AI collaborative inspection/data accumulation mode in which data is attached and accumulated as learning data.

図５に示す第３検査モードは、第２検査モードにおいて蓄積された学習データの機械学習によって生成されたＡＩの選別精度が人間と同等、又はそれ以上となった場合に実行可能となる検査モードであって、ＡＩのみで検査対象物Ａの検査を行うＡＩ検査モードである。 The third inspection mode shown in FIG. 5 is an inspection mode that can be executed when the sorting accuracy of AI generated by machine learning of the learning data accumulated in the second inspection mode is equal to or higher than that of humans. This is an AI inspection mode in which the inspection object A is inspected only by AI.

［他の使用例］
また、第１検査モード及び第２検査モードでは、図６に示すように、同じ検査ラインに対するリモート検査を複数の検査者で分担するようにしてもよい。このようにすると、例えば、時差のある地球上の複数の地域で検査者を採用し、複数の地域の検査者が交代でリモート検査を実行することにより、夜勤なしで検査ラインを２４時間稼働させることが可能になる。また、複数の検査者による検査時間を重複させれば、検査を二重化させて検査精度を高めることができる。 [Other usage examples]
Further, in the first inspection mode and the second inspection mode, as shown in FIG. 6, a plurality of inspectors may share the remote inspection for the same inspection line. In this way, for example, inspectors are employed in multiple regions on the earth with time differences, and inspectors in multiple regions take turns performing remote inspections, thereby operating the inspection line 24 hours a day without night shifts. becomes possible. Moreover, if the inspection time by a plurality of inspectors overlaps, the inspection can be duplicated and the inspection accuracy can be improved.

また、第１検査モード及び第２検査モードでは、図７に示すように、１人の検査者が複数の検査ラインのリモート検査を同時に行うようにしてもよい。このようにすると、検査者の熟練度などに応じて１人当たりの作業量を増やすことができる。 In addition, in the first inspection mode and the second inspection mode, as shown in FIG. 7, one inspector may simultaneously perform remote inspection of a plurality of inspection lines. In this way, the amount of work per inspector can be increased according to the skill level of the inspector.

［物体検査装置の機能構成］
つぎに、上記のような検査モードを実現する物体検査装置１の機能構成について、図８を参照して説明する。 [Functional Configuration of Object Inspection Device]
Next, the functional configuration of the object inspection apparatus 1 that implements the inspection mode as described above will be described with reference to FIG.

物体検査装置１は、ハードウェアとソフトウェアとの協働により実現される機能的な構成として、画像取得部１１、送信部１２、受信部１３、検出部１４、記憶部１５、機械学習部１６、自動判断部１７、追跡処理部１８、処理部１９、搬送／保持部２０、選別処理部２１、及び画面データ生成部２２を備える。 The object inspection apparatus 1 includes an image acquisition unit 11, a transmission unit 12, a reception unit 13, a detection unit 14, a storage unit 15, a machine learning unit 16, An automatic judgment unit 17 , a tracking processing unit 18 , a processing unit 19 , a conveying/holding unit 20 , a sorting processing unit 21 and a screen data generation unit 22 are provided.

（画像取得部）
画像取得部１１は、各検査対象物Ａの画像データを取得するための機能構成であって、例えば、１つ以上のカメラ５により撮像した静止画又は動画データから、検査対象物Ａのそれぞれだけを抜き出した画像データを取得する。 (Image acquisition unit)
The image acquisition unit 11 is a functional configuration for acquiring image data of each inspection object A. For example, only each inspection object A is extracted from still image or moving image data captured by one or more cameras 5. to obtain the extracted image data.

（送信部）
送信部１２は、第１検査モード及び第２検査モードにおいて、画像取得部１１が取得した画像データをネットワーク３を介して検査者端末２に送信するための機能構成であって、共通の画像データを複数の検査者端末２に送信することもできる。また、送信部１２は、画像データを圧縮して送信することが好ましい。このようにすると、画像データの通信時間を短縮して検査作業の効率が高められる。なお、本実施形態では、画像データを含む判断結果入力用の画面データを画面データ生成部２２で生成し、生成された判断結果入力用の画面データを送信部１２が検査者端末２に送信するが、判断結果入力用の画面データについては後述する。 (Transmitter)
The transmission unit 12 is a functional configuration for transmitting the image data acquired by the image acquisition unit 11 to the inspector terminal 2 via the network 3 in the first inspection mode and the second inspection mode. can also be transmitted to a plurality of inspector terminals 2 . Moreover, it is preferable that the transmission unit 12 compresses and transmits the image data. By doing so, the communication time of the image data can be shortened, and the efficiency of the inspection work can be improved. In this embodiment, screen data for inputting judgment results including image data is generated by the screen data generation unit 22, and the transmission unit 12 transmits the generated screen data for inputting judgment results to the terminal 2 of the inspector. However, screen data for inputting judgment results will be described later.

（受信部）
受信部１３は、第１検査モード及び第２検査モードにおいて、各検査対象物Ａの属性に関して、検査者による判断結果を、検査者端末２からネットワーク３を介して受信するための機能構成であって、複数の検査者端末２から判断結果を受信することもできる。属性は、例えば、検査対象物Ａの品質レベルを表すものであり、品質レベルは、検査対象物Ａが不良品であると判断した場合に付与される不良品レベルと、検査対象物Ａが良品であると判断した場合に付与される良品レベルとの少なくとも２段階が含まれる。 (receiving part)
The receiving unit 13 is a functional configuration for receiving, in the first inspection mode and the second inspection mode, the result of judgment by the inspector regarding the attribute of each inspection object A from the inspector terminal 2 via the network 3. It is also possible to receive judgment results from a plurality of terminals 2 for inspectors. The attribute represents, for example, the quality level of the inspection object A. The quality level includes the defective product level given when the inspection object A is determined to be defective, and It includes at least two levels, the non-defective product level given when it is determined to be.

（検出部）
検出部１４は、検査者による判断結果（第１検査モード）、又は自動判断部１７による判断結果（第３検査モード）に基づいて、各検査対象物Ａのうちから、不良品を検出するための機能構成であって、例えば、一の検査対象物Ａの品質レベルが所定レベル以下であると判断された場合に、一の検査対象物Ａを不良品として検出する。また、検出部１４は、第２検査モードにおいて、検査者による判断結果と自動判断部１７による判断結果の双方に基づいて、不良品を検出する。また、検出部１４は、複数の検査者による判断結果に基づいて、不良品を検出することもできる。 (Detection unit)
The detection unit 14 detects defective products from among the inspection objects A based on the judgment result (first inspection mode) by the inspector or the judgment result (third inspection mode) by the automatic judgment unit 17. In the functional configuration, for example, when the quality level of one inspection object A is determined to be below a predetermined level, one inspection object A is detected as a defective product. In addition, in the second inspection mode, the detection unit 14 detects defective products based on both the judgment result by the inspector and the judgment result by the automatic judgment unit 17 . The detection unit 14 can also detect defective products based on judgment results by a plurality of inspectors.

（記憶部）
記憶部１５は、第１検査モード及び第２検査モードにおいて、各検査対象物Ａの画像データに対応付けて、各検査対象物Ａの属性に関する判断結果を蓄積するための機能構成である。 (storage unit)
The storage unit 15 is a functional configuration for accumulating determination results regarding attributes of each inspection object A in association with image data of each inspection object A in the first inspection mode and the second inspection mode.

（機械学習部）
機械学習部１６は、第１検査モード及び第２検査モードにおいて、記憶部１５に蓄積されたデータに基づいて、各検査対象物Ａの属性を判断するための対象選別プログラムＰ（プログラム）を機械学習により生成又は更新するための機能構成である。例えば、生成又は更新された対象選別プログラムＰは、検査対象物Ａの品質レベルを、不良品レベルと良品レベルとその間の１つ以上の中間レベルとを含む３段階以上のレベルでレベル分けすることができる。 (Machine Learning Department)
The machine learning unit 16, in the first inspection mode and the second inspection mode, based on the data accumulated in the storage unit 15, machine the object selection program P (program) for determining the attributes of each inspection object A. It is a functional configuration for generating or updating by learning. For example, the generated or updated target selection program P classifies the quality level of the inspection target A into three or more levels including a defective product level, a non-defective product level, and one or more intermediate levels therebetween. can be done.

（自動判断部）
自動判断部１７は、第２検査モード及び第３検査モードにおいて、機械学習部１６により生成又は更新された対象選別プログラムＰに基づいて、各検査対象物Ａの属性を自動的に判断するための機能構成である。 (automatic judgment part)
In the second inspection mode and the third inspection mode, the automatic determination unit 17 automatically determines the attributes of each inspection object A based on the object selection program P generated or updated by the machine learning unit 16. It is functional configuration.

（追跡処理部）
追跡処理部１８は、各検査対象物Ａのうちの、検出部１４により検出された不良品を追跡するための機能構成である。例えば、追跡処理部１８は、カメラ５が撮像した動画データにおいて、コンベア４上の各検査対象物Ａを認識しつつ、各検査対象物Ａの動きを追跡し、不良品と判断された検査対象物Ａの位置を特定する。 (tracking processor)
The tracking processing unit 18 is a functional configuration for tracking defective products detected by the detection unit 14 among the inspection objects A. FIG. For example, the tracking processing unit 18, while recognizing each inspection object A on the conveyor 4, tracks the movement of each inspection object A in the video data captured by the camera 5, and tracks the inspection object judged to be defective. Identify the position of the object A.

（処理部）
処理部１９は、追跡処理部１８からの追跡情報に基づいて、検出部１４により検出された不良品に対して所定処理を行うための機能構成であって、本実施形態の処理部１９は、ロボット７と、検出部１４により検出された不良品を取り除くようにロボット７を制御するロボット制御部１９ａとを備えて構成される。なお、所定処理は、各検査対象物Ａのうちの、検出部１４により検出された不良品を、他の検査対象物Ａとともに後工程で処理されないように取り除く処理の他、検出部１４により検出された不良品に対して、一部を除去する処理や、各検査対象物Ａのうちの、検出部１４により検出された不良品を、他の検査対象物Ａから目視で区別できるようにマーキングする処理であってもよい。 (Processing part)
The processing unit 19 is a functional configuration for performing predetermined processing on the defective products detected by the detection unit 14 based on the tracking information from the tracking processing unit 18. The processing unit 19 of this embodiment includes: It is composed of a robot 7 and a robot control section 19a that controls the robot 7 so as to remove defective products detected by the detection section 14. FIG. Note that the predetermined processing includes processing for removing defective products among the inspection objects A detected by the detection unit 14 so that they are not processed in a post-process together with other inspection objects A, and detection by the detection unit 14. A process of removing a part of the defective products detected, and marking the defective products detected by the detection unit 14 among the inspection objects A so that they can be visually distinguished from other inspection objects A. It may be a process to do.

（搬送／保持部）
搬送／保持部２０は、検査対象物Ａを搬送又は保持するための機能構成であって、本実施形態の搬送／保持部２０は、コンベア４と、コンベア４を制御するコンベア制御部２０ａとを備えて構成される。コンベア制御部２０ａは、一の検査者あたりかつ単位時間あたりの検査対象物Ａの数が閾値を超えないように、各検査対象物Ａの搬送速度を制御することができる。また、コンベア制御部２０ａは、送信部１２が画像データを検査者端末２に送信してから受信部１３が検査者による判断結果を受信するまでの間、コンベア４による検査対象物Ａの搬送を一時的に停止させることができる。なお、搬送／保持部２０は、検査対象物Ａの向きを変化させる手段を更に備えてもよい。 (conveyor/holding section)
The transport/holding unit 20 is a functional configuration for transporting or holding the inspection object A, and the transport/holding unit 20 of this embodiment includes the conveyor 4 and a conveyor control unit 20a that controls the conveyor 4. configured with. The conveyor control unit 20a can control the conveying speed of each inspection object A so that the number of inspection objects A per inspector per unit time does not exceed the threshold. Further, the conveyor control unit 20a controls the conveyance of the inspection object A by the conveyor 4 from when the transmission unit 12 transmits the image data to the inspector terminal 2 until the reception unit 13 receives the judgment result by the inspector. You can stop it temporarily. The transport/holding unit 20 may further include means for changing the orientation of the inspection object A. FIG.

（選別処理部）
選別処理部２１は、第２検査モードにおいて、各検査対象物Ａのうちから、検査者端末２に画像データを送信する第１種検査対象物Ａと、検査者端末２に画像データを送信しない第２種検査対象物Ａとを選別するための機能構成であって、例えば、機械学習部１６が生成又は更新した対象選別プログラムＰに基づいて、第１種検査対象物Ａ及び第２種検査対象物Ａを選別する。また、選別処理部２１は、対象選別プログラムＰに基づいて第１種検査対象物Ａを選別する場合、不良品レベルに分けられた検査対象物Ａと中間レベルに分けられた検査対象物Ａとを第１種検査対象物Ａとして選別し、良品確率の高い良品レベルの検査対象物Ａを第１種検査対象物Ａから除外して第２種検査対象物とする。また、選別処理部２１は、事前選別者からの入力に基づいて、第１種検査対象物Ａ及び第２種検査対象物Ａを選別することもできる。事前選別者は、検査者とは異なる任意の人であり、検査者と同等のリモート検査環境を有し、検査者が検査を行う第１種検査対象物Ａを事前に選別する。 (Sort processing section)
In the second inspection mode, the sorting processing unit 21 selects the first type inspection object A for which image data is transmitted to the inspector terminal 2 and does not transmit image data to the inspector terminal 2 from among the inspection objects A. A functional configuration for selecting the second type inspection object A, for example, based on the object selection program P generated or updated by the machine learning unit 16, the first type inspection object A and the second type inspection Sort the object A. Further, when sorting the first type inspection object A based on the object sorting program P, the sorting processing unit 21 separates the inspection object A classified into the defective product level and the inspection object A classified into the intermediate level. is selected as the first class inspection object A, and the inspection object A with a good quality level with a high non-defective product probability is excluded from the first class inspection object A to be the second class inspection object. The sorting processing unit 21 can also sort out the first class inspection object A and the second class inspection object A based on the input from the pre-sorter. The preselector is an arbitrary person different from the inspector, has a remote inspection environment equivalent to that of the inspector, and selects in advance the first class inspection object A to be inspected by the inspector.

（画面データ生成部）
画面データ生成部２２は、第１検査モード及び第２検査モードにおいて、検査対象物Ａの画像データを含む判断結果入力用の画面データを生成するための機能構成であって、第２検査モードでは、検査者端末２上で、各検査対象物Ａの画像部分に、事前選別者からの入力により、又は、対象選別プログラムＰにより分けられたレベルが対応付けられて表示されるように画面データを生成する。レベルの表示は、マーキング、色分け、画像サイズ変更などに基づいて行うことができる。また、画面データ生成部２２は、検査者端末２の画面上で複数の検査対象物Ａの画像部分が同時に表示されるように画面データを生成する。また、画面データ生成部２２は、所定パラメータの値に基づいて、同時に表示される複数の検査対象物Ａの画像部分の数を調整することができる。所定パラメータには、搬送／保持部２０により所定時間あたりに搬送又は保持される各検査対象物Ａの数、搬送／保持部２０により搬送又は保持される各検査対象物Ａのうちの、所定時間あたりの不良率、稼働中の検査者端末２の数、稼働中の検査者の熟練度、及び、機械学習部１６による機械学習の進行度合い、のうちの少なくともいずれか１つが含まれる。 (Screen data generator)
The screen data generation unit 22 is a functional configuration for generating screen data for judgment result input including image data of the inspection object A in the first inspection mode and the second inspection mode. , screen data is displayed on the inspector terminal 2 so that the image portion of each inspection object A is displayed in association with the level classified by the input from the preselector or by the object selection program P. Generate. Level indication can be based on marking, color coding, image resizing, and the like. Further, the screen data generation unit 22 generates screen data so that image portions of a plurality of inspection objects A are displayed simultaneously on the screen of the inspector terminal 2 . Further, the screen data generator 22 can adjust the number of image portions of the plurality of inspection objects A to be displayed at the same time based on the value of the predetermined parameter. The predetermined parameters include the number of inspection objects A transported or held by the transport/holding unit 20 per predetermined time, and the number of inspection objects A transported or held by the transport/holding unit 20 for a predetermined time. At least one of the defect rate per unit, the number of inspector terminals 2 in operation, the skill level of inspectors in operation, and the degree of progress of machine learning by the machine learning unit 16 is included.

［物体検査装置の処理手順］
つぎに、物体検査装置１の各検査モードにおける処理手順について、図９～図１１を参照して説明する。なお、第１検査モード及び第２検査モードは、１人の検査者で検査を行う場合の処理手順を示す。また、コンベア４の制御手順は省略する。 [Processing procedure of object inspection device]
Next, processing procedures in each inspection mode of the object inspection apparatus 1 will be described with reference to FIGS. 9 to 11. FIG. Note that the first inspection mode and the second inspection mode indicate processing procedures when an inspection is performed by one inspector. Also, the control procedure for the conveyor 4 is omitted.

（第１検査モードの処理手順）
図９に示す様に、第１検査モードの物体検査装置１では、画像取得部１１が、カメラ５から各検査対象物Ａを撮像した静止画又は動画データを取得し、その中から各検査対象物Ａの画像データを抜き出し、抜き出した画像データに識別コードを付与して画面データ生成部２２、記憶部１５及び追跡処理部１８に送る。画面データ生成部２２は、複数の検査対象物Ａの画像データを含む判断結果入力用の画面データを生成して送信部１２に送る。送信部１２は、判断結果入力用の画面データを圧縮して検査者端末２に送信する。 (Processing procedure of the first inspection mode)
As shown in FIG. 9, in the object inspection apparatus 1 in the first inspection mode, the image acquisition unit 11 acquires still images or moving image data of each inspection object A from the camera 5, and selects each inspection object from among them. Image data of the object A is extracted, an identification code is assigned to the extracted image data, and the image data is sent to the screen data generation unit 22, the storage unit 15, and the tracking processing unit 18. FIG. The screen data generation unit 22 generates screen data for inputting judgment results including image data of a plurality of inspection objects A, and sends the screen data to the transmission unit 12 . The transmission unit 12 compresses the screen data for inputting the judgment result and transmits the data to the terminal 2 for the inspector.

検査者端末２は、判断結果入力用の画面データを受信すると、検査者端末２の表示部に判断結果入力用の画面データを表示させた後、検査者からの入力（検査対象物画像のタップ操作やクリック操作）に基づいて、各検査対象物Ａの属性（品質レベル）に関する検査者による判断結果（不良品判断結果）を識別コードとともに物体検査装置１に送信する。 When the inspector terminal 2 receives the screen data for inputting the judgment result, the screen data for inputting the judgment result is displayed on the display unit of the inspector terminal 2, and then the input from the inspector (tapping of the image of the inspection target) is performed. operation or click operation), the inspector's judgment result (defective product judgment result) regarding the attribute (quality level) of each inspection object A is transmitted to the object inspection apparatus 1 together with the identification code.

第１検査モードの物体検査装置１では、検査者端末２から送信された判断結果を受信部１３で受信し、これを検出部１４に送る。検出部１４は、不良品と判断された検査対象物Ａの識別コードを追跡処理部１８に送るとともに、各検査対象物Ａの画像データに対応付けて、各検査対象物Ａの属性に関する判断結果を記憶部１５に記憶させる。追跡処理部１８は、不良品と判断された検査対象物Ａの現在位置を特定し、ロボット制御部１９ａに不良品の除去を指示する。ロボット制御部１９ａは、不良品を取り除くようにロボット７を制御する。 In the object inspection apparatus 1 in the first inspection mode, the reception unit 13 receives the judgment result transmitted from the inspector terminal 2 and sends it to the detection unit 14 . The detection unit 14 sends the identification code of the inspection object A determined as a defective product to the tracking processing unit 18, and associates it with the image data of each inspection object A to obtain the determination result regarding the attribute of each inspection object A. is stored in the storage unit 15. The tracking processing unit 18 identifies the current position of the inspection object A that has been determined to be defective, and instructs the robot control unit 19a to remove the defective product. The robot controller 19a controls the robot 7 to remove defective products.

また、第１検査モードでは、記憶部１５にある程度データが蓄積されると、機械学習部１６が、記憶部１５に蓄積されたデータに基づいて、各検査対象物Ａの属性を判断するための対象選別プログラムＰを機械学習により生成する。 Further, in the first inspection mode, when a certain amount of data is accumulated in the storage unit 15, the machine learning unit 16 determines the attribute of each inspection object A based on the data accumulated in the storage unit 15. A target selection program P is generated by machine learning.

（第２検査モードの処理手順）
図１０に示す様に、第２検査モードの物体検査装置１では、画像取得部１１が、カメラ５から各検査対象物Ａを撮像した静止画又は動画データを取得し、その中から各検査対象物Ａの画像データを抜き出し、抜き出した画像データに識別コードを付与して自動判断部１７、選別処理部２１、記憶部１５及び追跡処理部１８に送る。自動判断部１７は、対象選別プログラムＰに基づいて、各検査対象物Ａの属性（不良品レベル、良品レベル、中間レベル）を自動的に判断し、判断結果を識別コードとともに選別処理部２１に送る。選別処理部２１は、自動判断部１７が不良品レベル又は中間レベルと判断したものを検査者端末２に送信する第１種検査対象物Ａとして選別し、その識別コード、品質レベル及び画像データを画面データ生成部２２に送る。画面データ生成部２２は、複数の第１種検査対象物Ａの画像データと品質レベル情報を含む判断結果入力用の画面データを生成して送信部１２に送る。送信部１２は、判断結果入力用の画面データを圧縮して検査者端末２に送信する。 (Processing procedure of the second inspection mode)
As shown in FIG. 10, in the object inspection apparatus 1 in the second inspection mode, the image acquisition unit 11 acquires still images or moving image data of each inspection object A from the camera 5, The image data of the object A is extracted, an identification code is assigned to the extracted image data, and the image data is sent to the automatic determination section 17, the sorting processing section 21, the storage section 15, and the tracking processing section 18. FIG. The automatic judgment unit 17 automatically judges the attributes (defective product level, non-defective product level, intermediate level) of each inspection object A based on the object selection program P, and sends the judgment result together with the identification code to the selection processing unit 21. send. The sorting processing unit 21 sorts out items judged by the automatic judging unit 17 to be of the defective product level or the intermediate level as the first type inspection objects A to be transmitted to the inspector terminal 2, and their identification codes, quality levels and image data are sent to them. It is sent to the screen data generator 22 . The screen data generation unit 22 generates screen data for inputting judgment results including image data of a plurality of first-class inspection objects A and quality level information, and sends the screen data to the transmission unit 12 . The transmission unit 12 compresses the screen data for inputting the judgment result and transmits the data to the terminal 2 for the inspector.

検査者端末２は、判断結果入力用の画面データを受信すると、検査者端末２の表示部に判断結果入力用の画面データを表示させた後、検査者からの入力（検査対象物画像のタップ操作やクリック操作）に基づいて、各検査対象物Ａの属性（品質レベル）に関する検査者による判断結果（不良品判断結果）を識別コードとともに物体検査装置１に送信する。この検査モードでは、検査対象物Ａの画像データとともに自動判断部１７が判断した品質レベルが表示されるので、検査者は、自動判断部１７が判断した品質レベルを参照しつつ、検査対象物Ａのなかから不良品を効率良く特定することができる。 When the inspector terminal 2 receives the screen data for inputting the judgment result, the screen data for inputting the judgment result is displayed on the display unit of the inspector terminal 2, and then the input from the inspector (tapping of the image of the inspection target) is performed. operation or click operation), the inspector's judgment result (defective product judgment result) regarding the attribute (quality level) of each inspection object A is transmitted to the object inspection apparatus 1 together with the identification code. In this inspection mode, the image data of the inspection object A and the quality level determined by the automatic determination unit 17 are displayed. Defective products can be efficiently identified from among them.

第２検査モードの物体検査装置１では、検査者端末２から送信された判断結果を受信部１３で受信し、これを検出部１４に送る。検出部１４は、不良品と判断された検査対象物Ａの識別コードを追跡処理部１８に送るとともに、各検査対象物Ａの画像データに対応付けて、各検査対象物Ａの属性に関する判断結果を記憶部１５に記憶させる。追跡処理部１８は、不良品と判断された検査対象物Ａの現在位置を特定し、ロボット制御部１９ａに不良品の除去を指示する。ロボット制御部１９ａは、不良品を取り除くようにロボット７を制御する。 In the object inspection apparatus 1 in the second inspection mode, the reception unit 13 receives the judgment result transmitted from the inspector terminal 2 and sends it to the detection unit 14 . The detection unit 14 sends the identification code of the inspection object A determined as a defective product to the tracking processing unit 18, and associates it with the image data of each inspection object A to obtain the determination result regarding the attribute of each inspection object A. is stored in the storage unit 15. The tracking processing unit 18 identifies the current position of the inspection object A that has been determined to be defective, and instructs the robot control unit 19a to remove the defective product. The robot controller 19a controls the robot 7 to remove defective products.

また、第２検査モードでは、記憶部１５にデータがある程度追加して蓄積されると、機械学習部１６が、記憶部１５に蓄積されたデータに基づいて、各検査対象物Ａの属性を判断するための対象選別プログラムＰを機械学習により更新する。 Further, in the second inspection mode, when a certain amount of data is additionally accumulated in the storage unit 15, the machine learning unit 16 determines the attribute of each inspection object A based on the data accumulated in the storage unit 15. The target selection program P for doing is updated by machine learning.

（第３検査モードの処理手順）
図１１に示す様に、第３検査モードの物体検査装置１では、画像取得部１１が、カメラ５から各検査対象物Ａを撮像した静止画又は動画データを取得し、その中から各検査対象物Ａの画像データを抜き出し、抜き出した画像データに識別コードを付与して自動判断部１７及び追跡処理部１８に送る。自動判断部１７は、各検査対象物Ａの属性（不良品レベル、良品レベル、中間レベル）を自動的に判断し、判断結果を識別コードとともに検出部１４に送る。検出部１４は、不良品と判断された検査対象物Ａの識別コードを追跡処理部１８に送る。追跡処理部１８は、不良品と判断された検査対象物Ａの現在位置を特定し、ロボット制御部１９ａに不良品の除去を指示する。ロボット制御部１９ａは、不良品を取り除くようにロボット７を制御する。 (Processing procedure of the third inspection mode)
As shown in FIG. 11, in the object inspection apparatus 1 in the third inspection mode, the image acquisition unit 11 acquires still images or moving image data obtained by imaging each inspection object A from the camera 5. The image data of the object A is extracted, an identification code is assigned to the extracted image data, and the image data is sent to the automatic determination section 17 and the tracking processing section 18 . The automatic judgment unit 17 automatically judges the attributes (defective product level, non-defective product level, intermediate level) of each inspection object A, and sends the judgment result to the detection unit 14 together with the identification code. The detection unit 14 sends the identification code of the inspection object A determined to be defective to the tracking processing unit 18 . The tracking processing unit 18 identifies the current position of the inspection object A that has been determined to be defective, and instructs the robot control unit 19a to remove the defective product. The robot controller 19a controls the robot 7 to remove defective products.

［実施形態の効果］
以上のように構成された本実施形態の物体検査装置１によれば、各検査対象物Ａの画像データを取得する画像取得部１１と、画像データを、ネットワーク３を介して検査者端末２に送信する送信部１２と、各検査対象物Ａの属性に関して、検査者による判断結果を、検査者端末２からネットワーク３を介して受信する受信部１３と、検査者による判断結果に基づいて、各検査対象物Ａのうちから、不良品を検出する検出部１４と、画像データに対応付けて、各検査対象物Ａの属性に関する判断結果を蓄積する記憶部１５とを含むので、機械学習が十分でない初期段階でも、リモートで効率よく検査対象物Ａから不良品を検出することができる（第１検査モード）。 [Effects of Embodiment]
According to the object inspection apparatus 1 of this embodiment configured as described above, the image acquisition unit 11 acquires the image data of each inspection object A, and the image data is sent to the inspector terminal 2 via the network 3. a transmitting unit 12 for transmitting; a receiving unit 13 for receiving the judgment result of the inspector regarding the attribute of each inspection object A from the inspector terminal 2 via the network 3; Since it includes the detection unit 14 for detecting defective products from among the inspection objects A and the storage unit 15 for accumulating judgment results regarding the attributes of each inspection object A in association with image data, machine learning is sufficient. Defective products can be remotely and efficiently detected from the inspection object A even in the initial stage when the inspection is not complete (first inspection mode).

また、物体検査装置１は、記憶部１５に蓄積されたデータに基づいて、各検査対象物Ａの属性を判断するための対象選別プログラムＰを機械学習により生成又は更新する機械学習部１６と、対象選別プログラムＰに基づいて、各検査対象物Ａの属性を自動的に判断する自動判断部１７とを更に含むので、検出部１４は、自動判断部１７による判断結果に基づいて不良品を検出することができる（第３検査モード）。 The object inspection apparatus 1 also includes a machine learning unit 16 that generates or updates an object selection program P for determining attributes of each inspection object A based on the data accumulated in the storage unit 15 by machine learning; Since the detection unit 14 further includes an automatic determination unit 17 that automatically determines the attribute of each inspection object A based on the object selection program P, the detection unit 14 detects defective products based on the determination result of the automatic determination unit 17. (third inspection mode).

また、物体検査装置１は、検査者による判断結果と自動判断部１７による判断結果の双方に基づいて不良品を検出する第２検査モードを備えるので、検査者と自動判断部１７が協調して精度の良い不良品検出を行いつつ、その検出結果に基づいて対象選別プログラムＰを更新することができる。 Further, the object inspection apparatus 1 is provided with a second inspection mode in which defective products are detected based on both the result of judgment by the inspector and the result of judgment by the automatic judgment unit 17. Therefore, the inspector and the automatic judgment unit 17 cooperate to The object sorting program P can be updated based on the detection results while performing accurate defective product detection.

また、物体検査装置１は、共通の画像データを、複数の検査者端末２に送信し、複数の検査者による判断結果に基づいて不良品を検出できるので、検査を二重化して検査精度を高めることができる。 In addition, the object inspection apparatus 1 can transmit common image data to a plurality of inspector terminals 2, and can detect defective products based on the judgment results of a plurality of inspectors. be able to.

また、物体検査装置１は、各検査対象物Ａのうちの、検出部１４により検出された不良品を追跡する追跡処理部１８と、追跡処理部１８からの追跡情報に基づいて、検出部１４により検出された不良品に対して所定処理を行う処理部１９とを更に含み、所定処理は、各検査対象物Ａのうちの、検出部１４により検出された不良品を、他の検査対象物Ａとともに後工程で処理されないように、取り除く処理、検出部１４により検出された不良品に対して、一部を除去する処理、及び、各検査対象物Ａのうちの、検出部１４により検出された不良品を、他の検査対象物Ａから目視で区別できるようにマーキングする処理、のうちの少なくともいずれか１つを含むので、不良品の検出だけでなく、不良品の検出に基づいて不良品を適切に処理することができる。 The object inspection apparatus 1 also includes a tracking processing unit 18 that tracks defective products detected by the detection unit 14 among the inspection objects A, and based on the tracking information from the tracking processing unit 18, the detection unit 14 and a processing unit 19 for performing a predetermined process on the defective products detected by the inspection object A. A, processing to remove a part of the defective products detected by the detection unit 14 so that they are not processed in a post-process together with A, processing to remove a part of the defective products detected by the detection unit 14, and marking the defective product so that it can be visually distinguished from other inspection objects A. Non-defective products can be properly processed.

また、物体検査装置１は、各検査対象物Ａのうちから、検査者端末２に画像データを送信する第１種検査対象物を選別する選別処理部２１を更に含み、選別処理部２１は、事前選別者からの入力に基づいて、又は、記憶部１５に記憶されたデータに基づき生成又は更新された対象選別プログラムＰに基づいて、第１種検査対象物Ａを選別するので、検査対象物Ａの数を削減して検査者の負担を軽減できる。 Further, the object inspection apparatus 1 further includes a selection processing unit 21 that selects, from among the inspection objects A, the first type inspection object for which image data is to be transmitted to the inspector terminal 2. The selection processing unit 21 Based on the input from the preselector or based on the object selection program P generated or updated based on the data stored in the storage unit 15, the first class inspection object A is sorted, so the inspection object By reducing the number of A's, the burden on the inspector can be reduced.

また、機械学習部１６は、記憶部１５に記憶されたデータに基づいて、対象物の品質レベルを、不良品レベルと良品レベルとその間の１つ以上の中間レベルとを含む３段階以上のレベルでレベル分けするための対象選別プログラムＰを機械学習により生成又は更新し、選別処理部２１は、対象選別プログラムＰにより、不良品レベルに分けられた対象物と中間レベルに分けられた対象物とを第１種検査対象物Ａとして選別するので、良品である確率が高い対象物を検査対象物Ａから適切に除外することができる。 In addition, the machine learning unit 16 sets the quality level of the object based on the data stored in the storage unit 15 to three or more levels including a defective product level, a non-defective product level, and one or more intermediate levels therebetween. The sorting processing unit 21 generates or updates an object sorting program P for classifying levels by machine learning. is selected as the first-class inspection object A, objects with a high probability of being non-defective can be appropriately excluded from the inspection object A.

また、画像取得部１１は、１つ以上のカメラ５により撮像した静止画又は動画データから、検査対象物Ａのそれぞれだけを抜き出した画像データを取得し、送信部１２は、画像データを圧縮して送信するので、検査者端末２に送信するデータ容量を削減できる。 Further, the image acquisition unit 11 acquires image data extracted from each of the inspection objects A from still image or moving image data captured by one or more cameras 5, and the transmission unit 12 compresses the image data. Therefore, the amount of data to be transmitted to the inspector terminal 2 can be reduced.

また、物体検査装置１は、画像データを含む判断結果入力用の画面データを生成する画面データ生成部２２を更に含み、送信部１２は、画面データを送信し、画面データ生成部２２は、検査者端末２上で、各検査対象物Ａの画像部分に対象選別プログラムＰにより分けられたレベルが対応付けられて表示されるように画面データを生成するので、検査者は、対象選別プログラムＰによる判断レベルを参照しつつ、検査対象物Ａの不良品判断を効率よく行うことができる。 The object inspection apparatus 1 further includes a screen data generation unit 22 that generates screen data for inputting judgment results including image data. The transmission unit 12 transmits the screen data. Since the screen data is generated on the operator's terminal 2 so that the image portion of each inspection object A is associated with the level classified by the object selection program P and displayed, the inspector can perform the inspection according to the object selection program P. While referring to the judgment level, it is possible to efficiently judge whether the inspection object A is defective.

また、画面データ生成部２２は、検査者端末２の画面上で複数の検査対象物Ａの画像部分が同時に表示されるように画面データを生成するので、複数の検査対象物Ａのなかから不良品を効率よく特定することができる。 In addition, since the screen data generation unit 22 generates screen data so that image portions of a plurality of inspection objects A are displayed on the screen of the inspector terminal 2 at the same time, it is possible to Good products can be efficiently identified.

また、画面データ生成部２２は、所定パラメータの値に基づいて、同時に表示される複数の検査対象物Ａの画像部分の数を調整可能であり、所定パラメータは、搬送／保持部２０により所定時間あたりに搬送又は保持される各対象物の数、搬送／保持部２０により搬送又は保持される各対象物のうちの、所定時間あたりの不良率、稼働中の検査者端末２の数、稼働中の検査者の熟練度、及び、機械学習部１６による機械学習の進行度合い、のうちの少なくともいずれか１つを含むので、同時に表示される複数の検査対象物Ａの画像部分の数を適切に調整することができる。 In addition, the screen data generator 22 can adjust the number of image portions of the plurality of inspection objects A to be displayed at the same time based on the value of a predetermined parameter. number of objects transported or held per unit, defect rate per predetermined time among objects transported or held by the transport/holding unit 20, number of inspector terminals 2 in operation, inspection in operation and the degree of progress of machine learning by the machine learning unit 16. Therefore, the number of image portions of the plurality of inspection objects A to be displayed at the same time is appropriately adjusted. be able to.

また、搬送／保持部２０は、一の検査者あたりかつ単位時間あたりの検査対象物Ａの数が閾値を超えないように各対象物の搬送速度を制御したり、送信部１２が画像データを検査者端末２に送信してから受信部１３が検査者による判断結果を受信するまでの間、少なくとも一時的に搬送を停止させることができるので、検査者の判断結果を各検査対象物Ａに確実に反映させることができる。 Further, the transport/holding unit 20 controls the transport speed of each object so that the number of inspection objects A per inspector per unit time does not exceed a threshold, and the transmission unit 12 transmits image data. During the period from transmission to the inspector terminal 2 until the receiving unit 13 receives the judgment result by the inspector, the transportation can be stopped at least temporarily. can be reflected with certainty.

以上、各実施例について詳述したが、特定の実施例に限定されるものではなく、特許請求の範囲に記載された範囲内において、種々の変形及び変更が可能である。また、前述した実施例の構成要素を全部又は複数を組み合わせることも可能である。 Although each embodiment has been described in detail above, it is not limited to a specific embodiment, and various modifications and changes are possible within the scope described in the claims. It is also possible to combine all or more of the constituent elements of the above-described embodiments.

例えば、検査対象物としては、品質のばらつきが大きい食品（上述の実施形態の検査対象物は香辛料のローリエ）が好適であるが、検査対象物は、食品だけでなく、工業製品であってもよい。また、前記実施形態では、検査対象物をピックアップ可能なアーム型のロボットで不良品を除去しているが、不良品の除去には、不良品を吸入する装置や、不良品を吹き飛ばす装置を用いてもよい。また、本実施形態では、１つのカメラで検査対象物の一つの面を撮像しているが、複数のカメラで検査対象物の複数の面を撮像し、複数の面の撮像データを検査対象としてもよい。また、搬送／保持部２０に検査対象物の向きを変化させる手段を設け、検査対象物の向きを変化させながら撮像した複数の画像データを検査対象としてもよい。 For example, the object to be inspected is preferably a food product with large variations in quality (the object to be inspected in the above-described embodiment is the spice bay leaf), but the object to be inspected is not only food but also industrial products. good. In the above-described embodiment, the arm-type robot capable of picking up the object to be inspected removes the defective products. may In addition, in the present embodiment, one camera captures an image of one surface of the inspection object. good too. Alternatively, a means for changing the orientation of the inspection target may be provided in the transport/holding unit 20, and a plurality of image data captured while changing the orientation of the inspection target may be used as the inspection target.

また、上述の実施形態の物体検査装置１は、所定属性の検査対象物Ａを不良品とし、不良品を検出して除去する検査ラインに適用されるが、所定属性の検査対象物Ａを良品とし、良品を検出して取り出すような検査ラインにも適用できる。また、所定属性の検査対象物Ａは、不良品や良品に限らず、様々な検出対象を含むことができる。 Further, the object inspection apparatus 1 of the above-described embodiment is applied to an inspection line in which an inspection object A having a predetermined attribute is regarded as a defective product, and the defective product is detected and removed. It can also be applied to an inspection line that detects and takes out non-defective products. Further, the inspection object A having a predetermined attribute is not limited to defective products and non-defective products, and can include various detection targets.

また、第２検査モード及び第３検査モードでは、各種の設定項目を変更可能な設定変更手段を設け、検査ライン管理者などによる設定変更操作に応じて、物体検査装置１の動作を変更できるようにすることが望ましい。より具体的には、自動判断部１７による判断基準を設定変更手段で変更できるようにすることで、第２検査モードであれば送信部１２によって送信するデータを選別する基準を変更することが可能となり、第３検査モードであればロボット７によってコンベア４上にある検査対象物Ａを選別する基準を変更することが可能となる。例えば、上述の実施形態では、第２検査モードにおいて、対象選別プログラムＰに基づいて検査者端末２に画像データを送る第１種検査対象物Ａを選別する場合、不良品レベルに分けられた検査対象物Ａと中間レベルに分けられた検査対象物Ａとを第１種検査対象物Ａとして選別し、良品確率の高い良品レベルの検査対象物Ａを第１種検査対象物Ａから除外しているが、設定変更手段によって、検査者端末２に画像データを送る検査対象物Ａのレベルを変更できるようにしてもよい。例えば、不良品ではなく良品と判断したものを検査者に確認させたい場合には、良品レベルと中間レベルに分けられた検査対象物Ａを選別するように設定すればよく、検査実態に応じて選別する対象を自由に変更すればよい。なお、以下の例示も含めて、第３検査モードにおいても同様である。 In addition, in the second inspection mode and the third inspection mode, a setting change means capable of changing various setting items is provided so that the operation of the object inspection apparatus 1 can be changed according to the setting change operation by the inspection line manager or the like. It is desirable to More specifically, it is possible to change the criteria for selecting the data to be transmitted by the transmitting section 12 in the second inspection mode by making it possible to change the determination criteria by the automatic determining section 17 by means of the setting change means. Thus, in the third inspection mode, it is possible to change the criteria for sorting the inspection objects A on the conveyor 4 by the robot 7 . For example, in the above-described embodiment, in the second inspection mode, when sorting out the first-class inspection object A whose image data is sent to the inspector terminal 2 based on the object sorting program P, the inspection divided into the defective product levels The object A and the inspection objects A divided into intermediate levels are selected as the first-class inspection objects A, and the non-defective level inspection objects A with a high non-defective product probability are excluded from the first-class inspection objects A. However, the level of the inspection object A for which image data is sent to the inspector terminal 2 may be changed by the setting change means. For example, if you want the inspector to check what is judged to be a non-defective product but not a defective product, it is sufficient to select the inspection objects A that are classified into a non-defective product level and an intermediate level. You can freely change the target to be sorted. The same applies to the third inspection mode, including the following examples.

また、対象選別プログラムＰが検査対象物Ａの品質レベルを数値化して算出するのであれば、設定変更手段によって、９０／１００点以下は検査者端末２に送信する、などの閾値設定ができるようにしてもよい。これによって、対象選別プログラムＰによって一定の確度で判断されたものは検査者による検査を不要としつつ、検査者によって確認する必要性が高いもののみを検査者が確認することになり、検査効率を向上させることができる。 If the object selection program P quantifies and calculates the quality level of the object to be inspected A, the setting change means can be used to set a threshold value such as transmitting a score of 90/100 or less to the inspector terminal 2. can be As a result, the inspection by the inspector is unnecessary for the items judged with a certain degree of accuracy by the target selection program P, and the inspector checks only the items for which it is highly necessary to check by the inspector, thereby improving the inspection efficiency. can be improved.

また、対象選別プログラムＰに基づいて検査対象物Ａの品質レベルを検査する際の検査項目を細分化し、設定変更手段によって、品質レベル毎にかつ検査項目ごとに良品又は不良品と判断すべきものを検査対象に応じて変更できるようにしてもよい。例えば、検査対象物がホール状態の香辛料である場合、検査項目として、検査対象物の色、殻の状態、丸さや大きさを設定するとともに、項目ごとに予め不良品又は良品とする基準を設定することとしてもよい。例えば、色であれば、予め複数の色味の検査対象物を段階的に画面上に表示させ、その中から今回の検査において不良品とする色味又は良品とする色味を選択することで、変更できるようにする。他の項目についても同様に設定すればよい。このような設定変更手段によれば、季節、天候、生産地などによって品質に大きな変動が生じる食品を検査対象物とする場合であっても、その季節や入荷している原材料、又は製造している食品のグレードなどに対応して設定変更手段による各種設定項目の変更することができ、より適切な検査を実行することが可能になる。 In addition, the inspection items when inspecting the quality level of the inspection object A are subdivided based on the object selection program P, and the items to be judged as non-defective or defective are determined for each quality level and each inspection item by the setting change means. You may enable it to change according to a test object. For example, if the object to be inspected is a whole spice, the color, shell condition, roundness and size of the object to be inspected are set as inspection items, and criteria for defective or non-defective products are set in advance for each item. It is also possible to For example, in the case of color, multiple colors of the inspection object are displayed in advance on the screen in stages, and from among these, the color to be judged as defective or non-defective in this inspection can be selected. , to be able to change. Other items may be set in the same manner. According to such a setting change means, even if the inspection object is a food whose quality varies greatly depending on the season, weather, place of production, etc., the season, incoming raw materials, or manufacturing Various setting items can be changed by the setting change means according to the grade of the food, etc., and more appropriate inspection can be executed.

上記の各実施例に関して、更に以下の付記を開示する。 The following notes are further disclosed with respect to each of the above examples.

［付記１］
物体検査装置であって、
各検査対象物の画像データを取得する画像取得部と、
前記画像データを、ネットワークを介して検査者端末に送信する送信部と、
各検査対象物の属性に関して、検査者による判断結果を、前記検査者端末からネットワークを介して受信する受信部と、
前記検査者による判断結果に基づいて、各検査対象物のうちから、所定属性の検査対象物を検出する検出部と、
前記画像データに対応付けて、各検査対象物の属性に関する判断結果を蓄積する記憶部とを含む、物体検査装置。 [Appendix 1]
An object inspection device,
an image acquisition unit that acquires image data of each inspection object;
a transmitting unit that transmits the image data to an inspector terminal via a network;
a receiving unit that receives, from the inspector's terminal, via a network, a judgment result by an inspector regarding the attributes of each inspection object;
a detection unit that detects an inspection object having a predetermined attribute from among inspection objects based on the judgment result by the inspector;
and a storage unit for accumulating determination results regarding attributes of each inspection object in association with the image data.

［付記２］
前記記憶部に蓄積されたデータに基づいて、各検査対象物の属性を判断するためのプログラムを機械学習により生成又は更新する機械学習部を更に含む、付記１に記載の物体検査装置。 [Appendix 2]
The object inspection apparatus according to appendix 1, further comprising a machine learning unit that generates or updates a program for determining attributes of each inspection object based on the data accumulated in the storage unit.

［付記３］
前記機械学習部により生成又は更新された前記プログラムに基づいて、各検査対象物の属性を自動的に判断する自動判断部を更に含み、
前記検出部は、前記自動判断部による判断結果に基づいて、所定属性の検査対象物を検出する、付記２に記載の物体検査装置。 [Appendix 3]
Further comprising an automatic determination unit that automatically determines attributes of each inspection object based on the program generated or updated by the machine learning unit,
3. The object inspection apparatus according to appendix 2, wherein the detection unit detects an inspection object having a predetermined attribute based on the determination result of the automatic determination unit.

［付記４］
前記検出部は、前記検査者による判断結果と前記自動判断部による判断結果の双方に基づいて、所定属性の検査対象物を検出する、付記３に記載の物体検査装置。 [Appendix 4]
3. The object inspection apparatus according to Supplementary Note 3, wherein the detection unit detects an inspection object having a predetermined attribute based on both the determination result by the inspector and the determination result by the automatic determination unit.

［付記５］
前記送信部は、共通の前記画像データを、複数の前記検査者端末に送信し、
前記検出部は、複数の前記検査者による判断結果に基づいて、所定属性の検査対象物を検出する、付記１～４のうちのいずれか１項に記載の物体検査装置。 [Appendix 5]
The transmission unit transmits the common image data to the plurality of inspector terminals,
5. The object inspection apparatus according to any one of Appendices 1 to 4, wherein the detection unit detects an inspection object having a predetermined attribute based on judgment results by the plurality of inspectors.

［付記６］
前記属性は、検査対象物の品質レベルを表し、
前記検出部は、一の検査対象物の前記品質レベルが所定レベル以下であると判断された場合に、前記一の検査対象物を所定属性の検査対象物として検出する、付記１～５のうちのいずれか１項に記載の物体検査装置。 [Appendix 6]
The attribute represents the quality level of the inspection object,
wherein the detection unit detects the one inspection object as an inspection object having a predetermined attribute when the quality level of the one inspection object is determined to be equal to or lower than a predetermined level, The object inspection device according to any one of 1.

［付記７］
各検査対象物のうちの、前記検出部により検出された所定属性の検査対象物を追跡する追跡処理部と、
前記追跡処理部からの追跡情報に基づいて、前記検出部により検出された所定属性の検査対象物に対して所定処理を行う処理部とを更に含む、付記１～６のうちのいずれか１項に記載の物体検査装置。 [Appendix 7]
a tracking processing unit for tracking an inspection object having a predetermined attribute detected by the detection unit among inspection objects;
Any one of appendices 1 to 6, further comprising a processing unit that performs a predetermined process on the inspection object having a predetermined attribute detected by the detection unit based on the tracking information from the tracking processing unit. The object inspection device according to .

［付記８］
前記所定処理は、
各検査対象物のうちの、前記検出部により検出された所定属性の検査対象物を、他の検査対象物とともに後工程で処理されないように、取り除く処理、
前記検出部により検出された所定属性の検査対象物に対して、一部を除去する処理、及び、
各検査対象物のうちの、前記検出部により検出された所定属性の検査対象物を、他の検査対象物から目視で区別できるようにマーキングする処理、
のうちの少なくともいずれか１つを含む、付記７に記載の物体検査装置。 [Appendix 8]
The predetermined process is
A process of removing an inspection object with a predetermined attribute detected by the detection unit from among inspection objects so that it is not processed in a post-process together with other inspection objects,
A process of removing a part of the inspection object having a predetermined attribute detected by the detection unit, and
A process of marking an inspection object with a predetermined attribute detected by the detection unit among each inspection object so that it can be visually distinguished from other inspection objects,
8. The object inspection device according to appendix 7, comprising at least one of

［付記９］
各検査対象物のうちから、前記検査者端末に前記画像データを送信する第１種検査対象物を選別する選別処理部を更に含む、付記１～８のうちのいずれか１項に記載の物体検査装置。 [Appendix 9]
9. The object according to any one of Appendices 1 to 8, further comprising a selection processing unit that selects, from each inspection object, a type 1 inspection object for which the image data is transmitted to the inspector terminal. inspection equipment.

［付記１０］
前記選別処理部は、事前選別者からの入力に基づいて、又は、前記記憶部に記憶されたデータに基づき生成又は更新された対象選別プログラムに基づいて、前記第１種検査対象物を選別する、付記９に記載の物体検査装置。 [Appendix 10]
The sorting processing unit sorts out the first type inspection object based on the input from the pre-sorter or based on the target sorting program generated or updated based on the data stored in the storage unit. , Supplementary Note 9.

［付記１１］
前記記憶部に記憶されたデータに基づいて、検査対象物の品質レベルを、不良品レベルと良品レベルとその間の１つ以上の中間レベルとを含む３段階以上のレベルでレベル分けするための前記対象選別プログラムを機械学習により生成又は更新する機械学習部を更に含み、
前記選別処理部は、前記対象選別プログラムにより、不良品レベルに分けられた検査対象物と中間レベルに分けられた検査対象物とを、第１種検査対象物として選別する、付記１０に記載の物体検査装置。 [Appendix 11]
said method for classifying the quality level of an object to be inspected into three or more levels including a defective product level, a non-defective product level, and one or more intermediate levels therebetween, based on the data stored in the storage unit; Further including a machine learning unit that generates or updates the target selection program by machine learning,
11. according to appendix 10, wherein the sorting processing unit sorts the inspection objects classified into the defective product level and the inspection objects classified into the intermediate level as the first type inspection objects by the object selection program Object inspection equipment.

［付記１２］
前記画像取得部は、１つ以上のカメラにより撮像した静止画又は動画データから、検査対象物のそれぞれだけを抜き出した前記画像データを取得し、
前記送信部は、前記画像データを圧縮して送信する、付記９～１１のうちのいずれか１項に記載の物体検査装置。 [Appendix 12]
The image acquisition unit acquires the image data by extracting only each of the inspection objects from still image or video data captured by one or more cameras,
12. The object inspection apparatus according to any one of Appendices 9 to 11, wherein the transmission unit compresses and transmits the image data.

［付記１３］
前記画像データを含む判断結果入力用の画面データを生成する画面データ生成部を更に含み、
前記送信部は、前記画面データを送信し、
前記画面データ生成部は、前記検査者端末上で、各検査対象物の画像部分に前記対象選別プログラムにより分けられたレベルが対応付けられて表示されるように、前記画面データを生成する、付記１０に記載の物体検査装置。 [Appendix 13]
further comprising a screen data generation unit that generates screen data for inputting judgment results including the image data;
The transmission unit transmits the screen data,
The screen data generation unit generates the screen data so that the image portion of each inspection object is displayed in association with the level classified by the object selection program on the inspector terminal. 11. The object inspection device according to 10.

［付記１４］
前記画像データを含む判断結果入力用の画面データを生成する画面データ生成部を更に含み、
前記送信部は、前記画面データを送信し、
前記画面データ生成部は、前記検査者端末の画面上で複数の検査対象物の画像部分が同時に表示されるように、前記画面データを生成する、付記９～１３のうちのいずれか１項に記載の物体検査装置。 [Appendix 14]
further comprising a screen data generation unit that generates screen data for inputting judgment results including the image data;
The transmission unit transmits the screen data,
14. The screen data generation unit according to any one of appendices 9 to 13, wherein the screen data generation unit generates the screen data so that image portions of a plurality of inspection objects are displayed simultaneously on the screen of the inspector terminal. The object inspection device described.

［付記１５］
前記画面データ生成部は、所定パラメータの値に基づいて、同時に表示される複数の検査対象物の画像部分の数を調整する、付記１４に記載の物体検査装置。 [Appendix 15]
15. The object inspection apparatus according to appendix 14, wherein the screen data generator adjusts the number of image portions of the plurality of inspection objects displayed simultaneously based on the value of a predetermined parameter.

［付記１６］
各検査対象物を搬送する搬送部を更に備え、
前記所定パラメータは、前記搬送部により所定時間あたりに搬送される各検査対象物の数、前記搬送部により搬送される各対象物のうちの、所定時間あたりの不良率、稼働中の前記検査者端末の数、稼働中の前記検査者の熟練度、及び、機械学習の進行度合い、のうちの少なくともいずれか１つを含む、付記１５に記載の物体検査装置。 [Appendix 16]
further comprising a transport unit for transporting each inspection object,
The predetermined parameters are the number of inspection objects transported by the transport unit per predetermined time, the defect rate per predetermined time among the objects transported by the transport unit, and the number of inspector terminals in operation. 16. The object inspection apparatus according to appendix 15, including at least one of the number, the proficiency level of the inspectors in operation, and the degree of progress of machine learning.

［付記１７］
各検査対象物を搬送する搬送部を更に備え、
一の検査者あたりかつ単位時間あたりの検査対象物の数が閾値を超えないように、各検査対象物の搬送速度を制御する、付記１～１６のいずれか１項に記載の物体検査装置。 [Appendix 17]
further comprising a transport unit for transporting each inspection object,
17. The object inspection apparatus according to any one of Appendices 1 to 16, wherein the transport speed of each inspection object is controlled so that the number of inspection objects per inspector per unit time does not exceed a threshold value.

［付記１８］
各検査対象物を搬送する搬送部を更に備え、
前記送信部が前記画像データを前記検査者端末に送信してから前記受信部が前記検査者による判断結果を受信するまでの間、少なくとも一時的に搬送を停止させる、付記１～１７のいずれか１項に記載の物体検査装置。 [Appendix 18]
further comprising a transport unit for transporting each inspection object,
any one of supplementary notes 1 to 17, wherein transport is stopped at least temporarily during a period from when the transmitting unit transmits the image data to the inspector terminal until the receiving unit receives the judgment result by the inspector. The object inspection device according to item 1.

［付記１９］
前記搬送部は、対象物の向きを変化させる手段を更に備える、付記１６～１８のいずれか１項に記載の物体検査装置。 [Appendix 19]
19. The object inspection apparatus according to any one of Appendices 16 to 18, wherein the conveying section further includes means for changing the orientation of the object.

［付記２０］
物体検査装置にネットワークを介して通信可能な検査者端末に実装される検査用プログラムであって、
各検査対象物の画像データをネットワークを介して受信し、
表示部に前記画像データを出力し、
検査者からの入力に基づいて、各検査対象物の属性に関する前記検査者による判断結果を前記物体検査装置に送信する、
処理を実行するように構成され、
前記物体検査装置に送信された前記検査者による判断結果は、各検査対象物の前記画像データに対応付けて蓄積される、検査用プログラム。 [Appendix 20]
An inspection program installed in an inspector terminal capable of communicating with an object inspection apparatus via a network,
receiving image data of each inspection object via a network;
outputting the image data to the display unit;
Based on the input from the inspector, transmitting the judgment result by the inspector regarding the attribute of each inspection object to the object inspection device;
configured to perform processing,
A program for inspection, wherein the determination result by the inspector transmitted to the object inspection apparatus is stored in association with the image data of each inspection object.

［付記２１］
物体検査装置と、
前記物体検査装置にネットワークを介して通信可能な検査者端末に実装される検査用プログラムとを備え、
前記物体検査装置は、
各検査対象物の画像データを取得する画像取得部と、
各検査対象物の画像データを、ネットワークを介して検査者端末に送信する送信部と、
前記検査者端末から、各検査対象物の属性に関する判断結果を、前記検査者端末からネットワークを介して受信する受信部と、
前記判断結果に基づいて、各検査対象物のうちから、不良品を検出する検出部と、
各検査対象物の画像データに対応付けて、各検査対象物の属性に関する判断結果を蓄積する記憶部とを含み、
前記検査用プログラムは、
前記送信部により送信される前記画像データをネットワークを介して受信し、
表示部に前記画像データを出力し、
検査者からの入力に基づいて、各検査対象物の属性に関する前記検査者による前記判断結果を前記物体検査装置に送信する、
処理を実行するように構成される、システム。 [Appendix 21]
an object inspection device;
and an inspection program installed in an inspector terminal capable of communicating with the object inspection apparatus via a network,
The object inspection device is
an image acquisition unit that acquires image data of each inspection object;
a transmission unit that transmits image data of each inspection object to an inspector terminal via a network;
a receiving unit that receives, from the inspector terminal, a determination result regarding attributes of each inspection object from the inspector terminal via a network;
a detection unit that detects defective products from among the inspection objects based on the determination result;
a storage unit for accumulating judgment results regarding attributes of each inspection object in association with image data of each inspection object;
The inspection program is
receiving the image data transmitted by the transmission unit via a network;
outputting the image data to the display unit;
Transmitting the judgment result by the inspector regarding the attribute of each inspection object to the object inspection device based on the input from the inspector;
A system configured to perform a process.

１ 物体検査装置
２ 検査者端末
３ ネットワーク
４ コンベア
５ カメラ
６ 不良シュータ
７ ロボット
８ 検査制御部
９ 通信部
１１ 画像取得部
１２ 送信部
１３ 受信部
１４ 検出部
１５ 記憶部
１６ 機械学習部
１７ 自動判断部
１８ 追跡処理部
１９ 処理部
１９ａ ロボット制御部
２０ 搬送／保持部（搬送部）
２０ａ コンベア制御部
２１ 選別処理部
２２ 画面データ生成部
Ａ 検査対象物
Ｐ 対象選別プログラム 1 Object inspection device 2 Inspector terminal 3 Network 4 Conveyor 5 Camera 6 Defect shooter 7 Robot 8 Inspection control unit 9 Communication unit 11 Image acquisition unit 12 Transmission unit 13 Reception unit 14 Detection unit 15 Storage unit 16 Machine learning unit 17 Automatic judgment unit 18 tracking processing unit 19 processing unit 19a robot control unit 20 transportation/holding unit (transportation unit)
20a Conveyor control unit 21 Selection processing unit 22 Screen data generation unit A Inspection object P Object selection program

Claims (1)

物体検査装置であって、
各検査対象物の画像データを取得する画像取得部と、
前記画像データを、ネットワークを介して検査者端末に送信する送信部と、
各検査対象物の属性に関して、検査者による判断結果を、前記検査者端末からネットワークを介して受信する受信部と、
前記検査者による判断結果に基づいて、各検査対象物のうちから、所定属性の検査対象物を検出する検出部と、
前記画像データに対応付けて、各検査対象物の属性に関する判断結果を蓄積する記憶部とを含む、物体検査装置。 An object inspection device,
an image acquisition unit that acquires image data of each inspection object;
a transmitting unit that transmits the image data to an inspector terminal via a network;
a receiving unit that receives, from the inspector's terminal, via a network, a judgment result by an inspector regarding the attributes of each inspection object;
a detection unit that detects an inspection object having a predetermined attribute from among inspection objects based on the judgment result by the inspector;
and a storage unit for accumulating determination results regarding attributes of each inspection object in association with the image data.
JP2022019168A 2021-02-04 2022-02-10 Object inspection device, inspection program, and system Pending JP2022119754A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2022019168A JP2022119754A (en) 2021-02-04 2022-02-10 Object inspection device, inspection program, and system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021016590A JP7029201B1 (en) 2021-02-04 2021-02-04 Object inspection equipment, inspection programs, and systems
JP2022019168A JP2022119754A (en) 2021-02-04 2022-02-10 Object inspection device, inspection program, and system

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2021016590A Division JP7029201B1 (en) 2021-02-04 2021-02-04 Object inspection equipment, inspection programs, and systems

Publications (1)

Publication Number Publication Date
JP2022119754A true JP2022119754A (en) 2022-08-17

Family

ID=81255029

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2021016590A Active JP7029201B1 (en) 2021-02-04 2021-02-04 Object inspection equipment, inspection programs, and systems
JP2022019168A Pending JP2022119754A (en) 2021-02-04 2022-02-10 Object inspection device, inspection program, and system

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2021016590A Active JP7029201B1 (en) 2021-02-04 2021-02-04 Object inspection equipment, inspection programs, and systems

Country Status (1)

Country Link
JP (2) JP7029201B1 (en)

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5862549A (en) * 1981-10-12 1983-04-14 Toppan Printing Co Ltd Automatic defect inspection device
JPH0750035B2 (en) * 1990-01-12 1995-05-31 川崎重工業株式会社 Automatic image quality determination method for film for radiographic examination of weld defects
JP2786765B2 (en) * 1991-11-29 1998-08-13 株式会社東芝 Surface inspection equipment
US6091846A (en) * 1996-05-31 2000-07-18 Texas Instruments Incorporated Method and system for anomaly detection
JPH11170489A (en) * 1997-12-08 1999-06-29 Dainippon Printing Co Ltd Image checking device for printed matter and centralized image checking device for printed matter
EP2060907A1 (en) * 2006-08-28 2009-05-20 I-Pulse Kabushiki Kaisha Board appearance inspection method and device
JP5442549B2 (en) * 2010-07-16 2014-03-12 一般財団法人電力中央研究所 Wire abnormality detection method, abnormality detection device, and abnormality detection program
JP5806808B2 (en) * 2010-08-18 2015-11-10 倉敷紡績株式会社 Imaging optical inspection device
JP2012122875A (en) * 2010-12-09 2012-06-28 Yanmar Co Ltd Internal quality inspection device for agricultural product
US9217999B2 (en) * 2013-01-22 2015-12-22 General Electric Company Systems and methods for analyzing data in a non-destructive testing system
JP6403261B2 (en) * 2014-12-03 2018-10-10 タカノ株式会社 Classifier generation device, visual inspection device, classifier generation method, and program
JP2018059830A (en) * 2016-10-06 2018-04-12 川崎重工業株式会社 Exterior appearance inspection method
JP2019120527A (en) * 2017-12-28 2019-07-22 大日本印刷株式会社 Information processing apparatus, information processing method and program
JP7191566B2 (en) * 2018-07-14 2022-12-19 株式会社京都製作所 Product inspection device
CN112789499A (en) * 2018-10-01 2021-05-11 世高株式会社 Teacher data generation device and teacher data generation program

Also Published As

Publication number Publication date
JP2022119455A (en) 2022-08-17
JP7029201B1 (en) 2022-03-03

Similar Documents

Publication Publication Date Title
US20210287357A1 (en) Systems and methods for optical material characterization of waste materials using machine learning
JP7015001B2 (en) Defect inspection equipment, defect inspection methods, and their programs
JP6869490B2 (en) Defect inspection equipment, defect inspection methods, and their programs
JP6679188B1 (en) Waste sorting device and waste sorting method
US20160346811A1 (en) Fruits sorting apparatus and fruits sorting method
CN109060817B (en) Artificial intelligence reinspection system and method thereof
JP6695539B1 (en) Article sorting apparatus, article sorting system and article sorting method
US11203494B2 (en) System and method for sorting moving objects
CN103776841A (en) Automatic detection device and method of synthetic leather defect
JP6528040B2 (en) Intelligent machine network
JP2011192032A (en) Flaw learning device, flaw learning method and computer program
JP2020011182A (en) Commodity inspection device, commodity inspection method and commodity inspection program
US20220284699A1 (en) System and method of object detection using ai deep learning models
JP2022119754A (en) Object inspection device, inspection program, and system
CN112088387B (en) System and method for detecting defects in an imaged article
JP7219016B2 (en) Determination device, determination method, and object determination program
US11752524B2 (en) Method for recovering a posteriori information about the operation of a plant for automatic classification and sorting of fruit
JP7248316B2 (en) TOFU INSPECTION DEVICE, TOFU MANUFACTURING SYSTEM, TOFU INSPECTION METHOD, AND PROGRAM
JP6303219B1 (en) Image processing system and image processing method
KR100357764B1 (en) Apparatus for Leather Quality Inspection using Artificial Intelligence
KR100462121B1 (en) Apparatus for Leather Quality Inspection using Camera
WO2021119946A1 (en) Food inspection solution
CN104515862A (en) Automatic optical inspection method and automatic optical inspection system for implementing same
JP2003216930A (en) Method and apparatus for inspecting discoloration
WO2022260133A1 (en) Monitoring system, monitoring method, program, and computer-readable recording medium in which computer program is stored