JP2022159623A - X線検査装置およびx線検査方法 - Google Patents
X線検査装置およびx線検査方法 Download PDFInfo
- Publication number
- JP2022159623A JP2022159623A JP2021063917A JP2021063917A JP2022159623A JP 2022159623 A JP2022159623 A JP 2022159623A JP 2021063917 A JP2021063917 A JP 2021063917A JP 2021063917 A JP2021063917 A JP 2021063917A JP 2022159623 A JP2022159623 A JP 2022159623A
- Authority
- JP
- Japan
- Prior art keywords
- image
- articles
- ray
- inspection
- article
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 239
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000000926 separation method Methods 0.000 claims abstract description 24
- 238000010801 machine learning Methods 0.000 claims description 22
- 230000002950 deficient Effects 0.000 claims description 19
- 238000013500 data storage Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 7
- 230000015654 memory Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 abstract description 14
- 238000002372 labelling Methods 0.000 description 9
- 238000004806 packaging method and process Methods 0.000 description 8
- 235000013580 sausages Nutrition 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000013434 data augmentation Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 235000021067 refined food Nutrition 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
- Image Analysis (AREA)
Abstract
Description
図1ないし図4は、本発明を、搬送される被検査物(物品)の形状検査が可能な物品検査用のX線検査装置およびX線検査方法の一実施形態を示している。
まず、学習時には、図3に示すように、分離画像生成部41からあるいは他の学習データの供給元から供給される教師データを取得して、学習データ記憶部42に記憶させる(ステップS11参照)。
このような事前の機械学習が済むと、所定品種の複数の物品A-Dを含む検査対象の製品Pに対して搬送ベルト11による搬送中にX線検査部20でX線を透過させる。また、透過したX線をX線検出器24により検出し、X線ライン検出データLxを作成して、制御部30の検査画像記憶部31に順次書き込むことで、製品Pが検査区間を通過する所定検査期間中に検出された検出データを基に、複数の物品A-Dを含む製品PのX線検査画像であるX線画像データD1を生成する。そして、そのX線画像データD1を基に、検査対象である製品Pの所定検査項目に関する品質状態を判定する。
具体的には、本実施形態における機械学習は、所定品種の複数の物品A-Dを含む検査対象の製品Pの品質状態をその検査対象のX線画像データD1を基に物品A-D毎に判定可能なX線検査用の学習モデル43を作成するものであり、図3中のステップS11のように学習データ記憶部42に教師データを記憶させる際、具体的には、図5に示すように、学習データ記憶部42に教師データとなり得る画像データを記憶させた後(同図中のステップS31)、必要な手動でのラベル付け等がなされることで、学習用の教師データが取得されるものとなる(同図中のステップS32)。勿論、そのような作業が済んだ学習用の教師データを供給元となるクラウドやオンプレミスのサーバから取り込むこともできる。
本実施形態のX線検査方法は、より具体的には、図6に示すように、製品Pの全体のX線画像データD1を分離画像生成部41に入力すると(データ入力ステップS41)、その入力画像データを基に複数の物品A-Dに対応する物品単体画像Pg1-Pg4のいずれかを分離した分離画像を生成する(分離画像生成ステップS42)。
10 搬送部
11 搬送ベルト
11a 上走区間
12、13 搬送ローラ
20 X線検査部
21 X線発生器
22 X線管
23 外囲器
23a X線窓部
24 X線検出器
30 制御部
31 検査画像記憶部
32 画像処理部
33 判定部
34 操作表示部
41 分離画像生成部
42 学習データ記憶部
43 学習モデル
45 学習部
A、B、C、D 物品(食品、ソーセージ、検査対象の収容物品)
a1 折損部
D1 入力画像データ(X線画像データ)
Lp 重なり部分
Oa、Ob、Oc、Od 主要輪郭形状
P 製品(検査対象)
Pg1、Pg2、Pg3、Pg4 物品単体画像(分離画像)
Claims (10)
- 所定品種の複数の物品を含む検査対象に対して該検査対象を透過するX線を発生するX線発生器と、前記複数の物品を透過したX線を検出してX線検出信号を出力するX線検出器と、前記X線検出器の出力に基づいて前記検査対象のX線検査画像を生成する画像処理部と、前記複数の物品のX線検査画像を基に前記検査対象の品質状態を判定する判定部と、を備えるX線検査装置であって、
前記所定品種の複数物品の単体の幾何学的特徴を記憶する記憶部と、
前記複数物品の単体の幾何学的特徴および前記複数の物品のX線検査画像を基に、前記複数の物品のそれぞれに対応する物品単体画像を分離して生成する分離画像生成部と、をさらに備えており、
前記判定部が、前記複数の物品に対応するそれぞれの物品単体画像に基づいて前記検査対象の品質状態の判定を実行することを特徴とするX線検査装置。 - 前記記憶部に前記所定品種の複数の物品のそれぞれに対応する単体の教師画像を記憶させるとともに、該教師画像を用いる機械学習によって前記所定品種の物品の形状に関する特徴を取得する学習部をさらに備えることを特徴とする請求項1に記載のX線検査装置。
- 前記分離画像生成部は、前記学習部で取得した前記所定品種の物品の形状に関する特徴を基に、前記複数の物品のそれぞれの形状を特定して、前記複数の物品のそれぞれに対応する物品単体画像を生成することを特徴とすることを特徴とする請求項2に記載のX線検査装置。
- 前記記憶部が、前記複数物品のX線検査画像から前記分離画像生成部で分離して生成された前記複数物品の少なくとも一部に対応する物品単体画像を、前記所定品種の物品の単体の教師画像として追加記憶することを特徴とすることを特徴とする請求項2または3に記載のX線検査装置。
- 前記記憶部が、前記所定品種の物品のそれぞれに対応する単体の教師画像として、少なくとも不良品ラベル付きの教師画像を記憶しており、
前記判定部が、少なくとも前記複数の物品に対応するそれぞれの物品単体画像と前記不良品ラベル付きの教師画像とに基づいて、前記複数の物品のそれぞれについて前記品質状態を判定することを特徴とする請求項2ないし4のいずれか一項に記載のX線検査装置。 - 前記画像処理部が、前記所定品種の複数の物品のそれぞれに対応する前記物品単体画像について、前記品質状態をそれぞれに判定するための所定の画像処理を実行することを特徴とする請求項5に記載のX線検査装置。
- 前記分離画像生成部が、前記X線検査画像の特定階調濃度の画素群と前記所定品種の単体の物品形状に関する学習データとに基づいて、前記物品形状の少なくとも一部に対応する各物品の主要輪郭形状の特徴を抽出するとともに、前記複数の物品の間の重なり部分がある場合に該重なり部分の形状を検出し、前記各物品の主要輪郭形状および前記重なり部分のうち少なくとも前記主要輪郭形状を含むよう、前記物品単体画像を生成することを特徴とする請求項1ないし6のいずれか一項に記載のX線検査装置。
- 所定品種の複数の物品を含む検査対象に対してX線を透過させ、該透過したX線を検出して前記検査対象のX線検査画像を生成するとともに、前記複数の物品のX線検査画像を基に前記検査対象の品質状態を判定するX線検査方法であって、
前記複数物品の単体の幾何学的特徴および前記複数の物品のX線検査画像を基に、前記複数の物品のそれぞれに対応する物品単体画像を分離して生成する分離画像生成ステップと、
前記複数の物品に対応するそれぞれの物品単体画像に基づいて前記検査対象の品質状態を判定する単体品質状態判定ステップと、を含むことを特徴とするX線検査方法。 - 所定品種の複数の物品を含む検査対象の品質状態を該検査対象のX線検査画像を基に判定するX線検査用の学習モデルを作成する方法であって、
前記所定品種の物品の教師画像を基に、前記所定品種の物品単体の幾何学的特徴に関する教師データをメモリに記憶させる教師データ記憶段階と、
前記検査対象のX線検査画像の入力データおよび前記教師データを基に、前記検査対象の入力データから前記複数物品のそれぞれに対応する物品単体画像を個別に生成するための複数の特徴パラメータを含む画像分離アルゴリズムを設定するアルゴリズム設定段階と、を含み、
前記画像分離アルゴリズム設定段階が、
前記検査対象のX線検査画像中の前記複数の物品について各物品の輪郭形状を含む単体の幾何学的特徴を抽出する特徴量抽出ステップと、
前記特徴量抽出ステップで抽出した各物品の単体の幾何学的特徴を設定済みの画像分離アルゴリズムに適用した結果の出力データを、対応する教師データとの誤差に応じて評価し、該誤差を縮小するよう前記複数の特徴パラメータを調整するパラメータ調整段階と、を含んでいることを特徴とする学習モデル作成方法。 - 請求項9の学習モデル作成方法により作成された学習モデルを用いて、前記所定品種の複数の物品を含む検査対象の品質状態を該検査対象のX線検査画像を基に判定するX線検査方法であって、
前記学習モデルを用いる画像処理を実行することで前記複数の物品のX線検査画像を基に前記複数の物品のそれぞれに対応する物品単体画像を分離して生成する分離画像生成ステップと、
前記複数の物品に対応するそれぞれの物品単体画像に基づいて前記検査対象の品質状態を判定する単体品質状態判定ステップと、を含むことを特徴とするX線検査方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021063917A JP7445621B2 (ja) | 2021-04-05 | 2021-04-05 | X線検査装置およびx線検査方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021063917A JP7445621B2 (ja) | 2021-04-05 | 2021-04-05 | X線検査装置およびx線検査方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022159623A true JP2022159623A (ja) | 2022-10-18 |
JP7445621B2 JP7445621B2 (ja) | 2024-03-07 |
Family
ID=83641317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021063917A Active JP7445621B2 (ja) | 2021-04-05 | 2021-04-05 | X線検査装置およびx線検査方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7445621B2 (ja) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11977036B2 (en) | 2018-02-14 | 2024-05-07 | Ishida Co., Ltd. | Inspection device |
-
2021
- 2021-04-05 JP JP2021063917A patent/JP7445621B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP7445621B2 (ja) | 2024-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111684268B (zh) | 食品检验辅助系统、食品检验辅助装置和计算机程序 | |
JP2010145135A (ja) | X線検査装置 | |
GB2451076A (en) | Inspection apparatus and method using penetrating radiation | |
US20230145715A1 (en) | Inspection device for tofu products, manufacturing system for tofu products, inspection method for tofu products, and program | |
JP5864404B2 (ja) | X線検査装置 | |
WO2021193733A1 (ja) | 教師データ生成装置、検査装置及びプログラム | |
JP2019128250A (ja) | 検査装置、ptp包装機、及び、検査装置の較正方法 | |
JP7248316B2 (ja) | 豆腐類検査装置、豆腐類製造システム、豆腐類の検査方法、およびプログラム | |
JP7248317B2 (ja) | 豆腐類製造システム | |
JP6619547B2 (ja) | 検査装置 | |
JP7445621B2 (ja) | X線検査装置およびx線検査方法 | |
WO2022065110A1 (ja) | X線検査装置およびx線検査方法 | |
JP2015137858A (ja) | 検査装置 | |
JP5452081B2 (ja) | X線検査装置 | |
JP2023115666A (ja) | コーヒー炒豆の焙煎度推定機能を備える焙煎度検査システムおよび焙煎度検査方法 | |
JP2023114827A (ja) | 検査装置、学習モデル生成方法および検査方法 | |
JP7240780B1 (ja) | 検査装置 | |
US20230252620A1 (en) | Inspection device, learned model generation method, and inspection method | |
JP7506568B2 (ja) | X線検査装置およびx線検査方法 | |
CN111458344A (zh) | 一种口罩缺陷视觉检测方法、设备、存储介质 | |
JP4251325B2 (ja) | 外観検査装置及びptp包装機 | |
US20230022631A1 (en) | Method and apparatus for analyzing a product, training method, system, computer program, and computer-readable storage medium | |
JP6306352B2 (ja) | X線検査装置 | |
JP7440044B2 (ja) | コーヒー豆類の良品識別機能を備える良品検査システムおよび良品検査方法 | |
JP7193493B2 (ja) | X線検査装置およびx線検査方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20221007 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20221012 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221202 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231031 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231031 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231219 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240220 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240226 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7445621 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |