JP2023141721A - 検査システム、教師データ生成装置、教師データ生成方法およびプログラム - Google Patents

Abstract

【課題】学習済みモデルにおける重大な誤分類の回避、および、分類処理に要する時間の短縮を実現する。【解決手段】検査システム１は、対象物を撮像した画像を、機械学習を用いずに検査して欠陥を検出する検査部２０と、予め生成された学習済みモデルを有し、欠陥を示す画像を学習済みモデルに入力することにより、欠陥の欠陥種別を分類する分類部５２と、検査部２０により検出された欠陥の分類部５２における分類の要否を、欠陥の検出の際に検査部２０にて取得または利用された欠陥関連情報に基づいて決定する分類要否決定部５３とを備える。これにより、学習済みモデルにおける重大な誤分類の回避、および、分類処理に要する時間の短縮を実現することができる。【選択図】図１

Description

本発明は、対象物を検査する技術に関する。

従来、プリント基板等の対象物を撮像して、欠陥を検出する検査システムが用いられている。特許文献１の検査システムでは、対象物を撮像した画像に基づき、機械学習を用いずに不良判定を行う一次検査部と、一次検査部で不良と判定された対象物の画像に基づき、機械学習モデルを用いて、真の不良品と過判定品とを分別する二次検査部とが設けられる。これにより、過判定品の発生に起因する生産性の低下が抑制される。

上記のように、学習済みモデル（機械学習モデル）を真欠陥または偽欠陥の分類に用いる場合、事前に複数の教師データを用いて学習を行い、当該学習済みモデルを生成する必要がある。この場合、作業者が、予め準備された欠陥画像に対して、真欠陥または偽欠陥を判定することにより（すなわち、アノテーションにより）、当該欠陥画像に真欠陥または偽欠陥がラベル付けされた教師データが生成される。

特開２０２１－１７７１５４号公報

ところで、プリント基板上の欠陥は、その位置や状態等によっては、プリント基板の動作や性能等に大きな影響を及ぼすため、学習済みモデルによる分類の誤り（ここでは、真欠陥の偽欠陥への誤分類）が許容できない場合がある。学習済みモデルにおける重大な誤分類を回避するために、多数の教師データを用いて学習を行うことが考えられるが、この場合、作業者によるラベル付け作業に長時間を要するとともに、学習に要する時間も長くなる。また、学習済みモデルにおける誤分類を完全に回避することは不可能である。さらに、検出された全ての欠陥を学習済みモデルに入力する場合、分類処理に要する時間が長くなってしまう。

本発明は上記課題に鑑みなされたものであり、学習済みモデルにおける重大な誤分類の回避、および、分類処理に要する時間の短縮を実現することを目的とし、教師データの生成においてラベル付け作業および学習に要する時間を短縮することも目的としている。

請求項１に記載の発明は、検査システムであって、対象物を撮像した画像を、機械学習を用いずに検査して欠陥を検出する検査部と、予め生成された学習済みモデルを有し、欠陥を示す画像を前記学習済みモデルに入力することにより、前記欠陥の欠陥種別を分類する分類部と、前記検査部により検出された欠陥の前記分類部における分類の要否を、前記欠陥の検出の際に前記検査部にて取得または利用された欠陥関連情報に基づいて決定する分類要否決定部とを備える。

請求項２に記載の発明は、請求項１に記載の検査システムであって、前記分類部が、前記検査部により検出された欠陥を真欠陥または偽欠陥に分類し、前記検査部が、欠陥の検出の際に前記欠陥の欠陥種別を取得し、前記欠陥関連情報に前記欠陥種別が含められ、前記分類要否決定部が、特定の欠陥種別である欠陥の前記分類部における分類を不要と決定する。

請求項３に記載の発明は、請求項１または２に記載の検査システムであって、前記検査部が、第１検査処理により欠陥を検出し、前記欠陥を含む欠陥画像を取得する第１検査処理部と、前記第１検査処理とは異なる第２検査処理により欠陥を検出し、前記欠陥を含む欠陥画像を取得する第２検査処理部とを備え、前記第１検査処理部が前記第２検査処理部よりも詳細な欠陥画像中の欠陥の位置情報を取得可能であり、前記欠陥関連情報に前記第１検査処理部により取得された前記位置情報が含められ、前記分類要否決定部が、前記第１検査処理部により検出された欠陥の前記分類部における分類を必要と決定し、前記第２検査処理部により検出された欠陥の前記分類部における分類を不要と決定し、前記分類部が、欠陥の位置情報に基づいて欠陥画像から前記欠陥の領域を切り出した画像を前記学習済みモデルに入力する。

請求項４に記載の発明は、請求項１ないし３のいずれか１つに記載の検査システムであって、前記対象物の各位置に対して複数の検査感度のうち一の検査感度が設定されており、前記検査部が欠陥の検出の際に利用した検査感度を示す情報が、前記欠陥関連情報に含められ、前記分類要否決定部が、特定の検査感度にて検出された欠陥の前記分類部における分類を不要と決定する。

請求項５に記載の発明は、教師データを生成する教師データ生成装置であって、対象物を撮像した画像を、機械学習を用いずに検査する検査部から、欠陥を含む欠陥画像と、前記欠陥の検出の際に取得または利用された欠陥関連情報とを受け付ける画像受付部と、前記欠陥関連情報に基づいて前記欠陥画像を教師データに用いるか否かを決定する画像要否決定部と、教師データに用いる欠陥画像をディスプレイに表示する表示制御部と、前記ディスプレイに表示された前記欠陥画像に対する作業者による、欠陥種別の判定結果の入力を受け付ける判定結果受付部と、前記欠陥画像に前記判定結果をラベル付けして教師データを生成する教師データ生成部とを備える。

請求項６に記載の発明は、請求項５に記載の教師データ生成装置であって、前記判定結果受付部が、作業者による真欠陥または偽欠陥の判定結果の入力を受け付け、前記検査部において欠陥の検出の際に取得された前記欠陥の欠陥種別が、前記欠陥関連情報に含められ、前記画像要否決定部が、特定の欠陥種別である欠陥を含む欠陥画像を教師データに用いないと決定する。

請求項７に記載の発明は、請求項５または６に記載の教師データ生成装置であって、前記検査部が、第１検査処理により欠陥を検出し、前記欠陥を含む欠陥画像を取得する第１検査処理部と、前記第１検査処理とは異なる第２検査処理により欠陥を検出し、前記欠陥を含む欠陥画像を取得する第２検査処理部とを備え、前記第１検査処理部が前記第２検査処理部よりも詳細な欠陥画像中の欠陥の位置情報を取得可能であり、前記欠陥関連情報に前記第１検査処理部により取得された前記位置情報が含められ、前記画像要否決定部が、前記第１検査処理部により検出された欠陥の欠陥画像を教師データに用いると決定し、前記第２検査処理部により検出された欠陥の欠陥画像を教師データに用いないと決定し、前記教師データ生成部が、欠陥の位置情報に基づいて欠陥画像から前記欠陥の領域を切り出した画像を含む教師データを生成する。

請求項８に記載の発明は、請求項５ないし７のいずれか１つに記載の教師データ生成装置であって、前記対象物の各位置に対して複数の検査感度のうち一の検査感度が設定されており、前記検査部が欠陥の検出の際に利用した検査感度を示す情報が、前記欠陥関連情報に含められ、前記画像要否決定部が、特定の検査感度にて検出された欠陥を含む欠陥画像を教師データに用いないと決定する。

請求項９に記載の発明は、教師データを生成する教師データ生成方法であって、ａ）対象物を撮像した画像を、機械学習を用いずに検査する検査部から、欠陥を含む欠陥画像と、前記欠陥の検出の際に取得または利用された欠陥関連情報とを受け付ける工程と、ｂ）前記欠陥関連情報に基づいて前記欠陥画像を教師データに用いるか否かを決定する工程と、ｃ）教師データに用いる欠陥画像をディスプレイに表示する工程と、ｄ）前記ディスプレイに表示された前記欠陥画像に対する作業者による、欠陥種別の判定結果の入力を受け付ける工程と、ｅ）前記欠陥画像に前記判定結果をラベル付けして教師データを生成する工程とを備える。

請求項１０に記載の発明は、コンピュータに教師データを生成させるプログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、ａ）対象物を撮像した画像を、機械学習を用いずに検査する検査部から、欠陥を含む欠陥画像と、前記欠陥の検出の際に取得または利用された欠陥関連情報とを受け付ける工程と、ｂ）前記欠陥関連情報に基づいて前記欠陥画像を教師データに用いるか否かを決定する工程と、ｃ）教師データに用いる欠陥画像をディスプレイに表示する工程と、ｄ）前記ディスプレイに表示された前記欠陥画像に対する作業者による、欠陥種別の判定結果の入力を受け付ける工程と、ｅ）前記欠陥画像に前記判定結果をラベル付けして教師データを生成する工程とを実行させる。

請求項１ないし４の発明では、学習済みモデルにおける重大な誤分類の回避、および、分類処理に要する時間の短縮を実現することができる。請求項５ないし１０の発明では、教師データの生成においてラベル付け作業および学習に要する時間を短縮することができる。

検査システムの構成を示す図である。 コンピュータの構成を示す図である。 教師データ生成装置の構成を示す図である。 第１検査処理を説明するための図である。 第１検査処理により検出可能な欠陥種別を示す図である。 第１検査処理の他の例を説明するための図である。 二値の分割画像およびマスタ画像を示す図である。 第２検査処理を説明するための図である。 教師データを生成する処理の流れを示す図である。 プリント基板を検査する処理の流れを示す図である。 プリント基板を示す図である。 プリント基板の一部を示す図である。

（第１実施形態）
図１は、本発明の第１実施形態に係る検査システム１の構成を示す図である。検査システム１は、対象物であるプリント基板を検査する。検査システム１は、検査装置２と、コンピュータ３と、欠陥確認装置１１とを備える。図１では、コンピュータ３が実現する機能構成を破線の矩形にて囲んでいる。

検査装置２は、図示省略の撮像部と、移動機構とを備える。撮像部は、プリント基板を撮像する。移動機構は、撮像部に対してプリント基板を相対的に移動する。検査装置２は、検査部２０をさらに備える。検査部２０は、例えば、コンピュータまたは／および電気回路により実現される。検査部２０は、第１検査処理部２１と、第２検査処理部２２とを備える。第１検査処理部２１および第２検査処理部２２は、撮像部から出力される撮像画像に対して互いに異なる検査処理を実行し、当該撮像画像から欠陥を検出する。第１検査処理部２１または第２検査処理部２２において欠陥が検出されると、当該欠陥の領域を含む欠陥画像がコンピュータ３に出力される。欠陥確認装置１１には、検査装置２による検査後のプリント基板が搬入される。欠陥確認装置１１は、コンピュータ３から入力される情報に基づいて、プリント基板における欠陥の領域を撮像してディスプレイに表示し、作業者に欠陥を確認させる。

図２はコンピュータ３の構成を示す図である。コンピュータ３は、ＣＰＵ３１と、ＲＯＭ３２と、ＲＡＭ３３と、固定ディスク３４と、ディスプレイ３５と、入力部３６と、読取装置３７と、通信部３８と、ＧＰＵ３９と、バス３０とを含む一般的なコンピュータシステムの構成を有する。ＣＰＵ３１は、各種演算処理を行う。ＧＰＵ３９は、画像処理に関する各種演算処理を行う。ＲＯＭ３２は、基本プログラムを記憶する。ＲＡＭ３３および固定ディスク３４は、各種情報を記憶する。ディスプレイ３５は、画像等の各種情報の表示を行う。入力部３６は、作業者からの入力を受け付けるキーボード３６ａおよびマウス３６ｂを備える。読取装置３７は、光ディスク、磁気ディスク、光磁気ディスク、メモリカード等のコンピュータ読み取り可能な記録媒体８１から情報の読み取りを行う。通信部３８は、検査システム１の他の構成、および、外部の装置との間で信号を送受信する。バス３０は、ＣＰＵ３１、ＧＰＵ３９、ＲＯＭ３２、ＲＡＭ３３、固定ディスク３４、ディスプレイ３５、入力部３６、読取装置３７および通信部３８を接続する信号回路である。

コンピュータ３では、事前に読取装置３７を介して記録媒体８１からプログラム８１１が読み出されて固定ディスク３４に記憶されている。プログラム８１１はネットワークを介して固定ディスク３４に記憶されてもよい。ＣＰＵ３１およびＧＰＵ３９は、プログラム８１１に従ってＲＡＭ３３や固定ディスク３４を利用しつつ演算処理を実行する。ＣＰＵ３１およびＧＰＵ３９は、コンピュータ３において演算部として機能する。ＣＰＵ３１およびＧＰＵ３９以外に演算部として機能する他の構成が採用されてもよい。

検査システム１では、コンピュータ３がプログラム８１１に従って演算処理等を実行することにより、図１中に破線にて囲む機能構成が実現される。すなわち、コンピュータ３のＣＰＵ３１、ＧＰＵ３９、ＲＯＭ３２、ＲＡＭ３３、固定ディスク３４およびこれらの周辺構成は、教師データ生成装置４と、学習部５１と、分類部５２と、分類要否決定部５３とを実現する。これらの機能の全部または一部は専用の電気回路により実現されてもよく、これらの機能が個別のプログラムにより実現されてもよい。また、複数のコンピュータによりこれらの機能が実現されてもよい。

分類部５２は、欠陥を示す画像の入力により、当該欠陥を真欠陥または偽欠陥（虚報または疑似欠陥とも呼ばれる。）に分類する分類器５２１を有する。分類要否決定部５３は、検査部２０から入力される欠陥画像が示す欠陥に対して分類部５２における分類の要否を決定する。学習部５１は、後述する複数の教師データを用いて学習を行うことにより、学習済みモデルである上記分類器５２１を生成する。教師データ生成装置４は、学習部５１において用いられる教師データを生成する。

図３は、教師データ生成装置４の構成を示す図である。教師データ生成装置４は、画像受付部４１と、画像要否決定部４２と、表示制御部４３と、判定結果受付部４４と、教師データ生成部４５とを備える。画像受付部４１は、検査部２０に接続され、検査部２０からの欠陥画像等の入力を受け付ける。画像要否決定部４２は、各欠陥画像を教師データに用いるか否かを決定する。表示制御部４３は、ディスプレイ３５に接続され、ディスプレイ３５に欠陥画像等を表示する。判定結果受付部４４は、入力部３６に接続され、作業者による入力部３６を介した入力を受け付ける。教師データ生成部４５は、欠陥画像にラベル付けを行って教師データを生成する。

ここで、検査部２０が欠陥を検出する処理について説明する。既述のように、検査装置２では、撮像画像が取得され、検査部２０の第１検査処理部２１および第２検査処理部２２により、撮像画像に対して互いに異なる検査処理が実行される。検査部２０による検査では、機械学習は用いられず、例えば、ルールベース等により欠陥が検出される。検査に利用される閾値等の決定は、機械学習により行われてもよい。ここでは、撮像画像は、グレースケール画像であるものとするが、カラー画像であってもよい。

図４は、第１検査処理部２１が実行する第１検査処理を説明するための図であり、撮像画像の一部を示している。図４では、銅等の金属により形成された配線領域６１と、プリント基板の基材表面等である領域６２（以下、「背景領域６２」という。）とを示している。例えば、配線領域６１と背景領域６２とは、所定の閾値により区別可能である。

第１検査処理の一例では、ライン幅が測定される。例えば、設計データ等に基づいて、配線領域６１上に多数の検査位置が予め設定されており、撮像画像において、各検査位置に位置する画素が対象画素として特定される。検査位置は、例えば、配線領域６１の幅（すなわち、配線領域６１の長手方向に垂直な方向の幅）の略中央の位置である。続いて、対象画素を中心とする１６方向の直線が等角度間隔にて設定され、各直線と配線領域６１とが重なる長さ（すなわち、直線上において配線領域６１の両エッジと重なる位置間の長さ）が求められる。そして、１６本の直線における当該長さのうち、最小のものが測定距離として取得される。測定距離は所定の下限距離および上限距離と比較される。当該測定距離が下限距離よりも小さい場合、または、上限距離よりも大きい場合に、当該検査位置における欠陥の存在が検出される。図４の例では、符号Ａ１を付す矢印にて示す測定距離が下限距離よりも小さいため、配線領域６１の欠け欠陥である欠陥６９が検出される。

このように、各検査位置における測定距離を取得することにより、図５に例示する様々な種別の欠陥が検出可能である。図５の左側の例では、隣接する複数の検査位置において測定距離が下限距離よりも小さくなっており、線細り欠陥である欠陥６９が検出される。図５の中央の例では、隣接する複数の検査位置において測定距離が上限距離よりも大きくなっており、線太り欠陥（ランド部分の線太り）である欠陥６９が検出される。図５の右側の例では、一の検査位置において測定距離が下限距離よりも小さくなっている欠け欠陥と、一の検査位置において測定距離が上限距離よりも大きくなっている突起欠陥とが、それぞれ欠陥６９として検出される。

以上のように、第１検査処理部２１では、検査位置を単位として欠陥の位置情報が詳細に（後述の第２検査処理を行う第２検査処理部２２よりも詳細に）取得可能である。第１検査処理部２１において欠陥６９が検出されると、欠陥６９を含む所定サイズの欠陥画像が撮像画像から切り出される。また、欠陥画像における欠陥６９の位置を示す位置情報（以下、「欠陥位置情報」ともいう。）と、欠陥６９の欠陥種別も取得され、両者を含む欠陥関連情報が生成される。欠陥画像および欠陥関連情報は互いに関連付けられて、コンピュータ３に出力される。なお、欠陥関連情報には、欠陥画像が示すプリント基板上の位置も含められる（以下同様）。

本処理例では、配線領域６１のオープン（断線）欠陥およびショート（短絡）欠陥を検出する他の第１検査処理も第１検査処理部２１により行われる。当該他の第１検査処理では、図６の右側に示す撮像画像７１において、配線領域６１の接続性が確認される。例えば、配線領域６１において、各検査位置（上述の処理における検査位置と異なる位置であってもよい。）と配線領域６１を介して連続する他の検査位置を特定することにより、配線領域６１の接続性を確認することが可能である。第１検査処理部２１では、図６の左側に示すように、撮像画像７１と同じ領域を示すマスタ画像７０（例えば、設計データから生成される二値画像）も準備されており、上記と同様にしてマスタ画像７０における配線領域６１の接続性（検査位置間の接続関係）が確認される。そして、撮像画像７１における配線領域６１の接続性と、マスタ画像７０における配線領域６１の接続性とが相違する場合に、相違が発生している部分が欠陥として検出される。

図６の例では、マスタ画像７０に存在しない接続性（検査位置間の接続）が撮像画像７１において発生しているため（矢印Ａ２参照）、当該接続性が発生している部分が、ショート欠陥である欠陥６９として検出される。第１検査処理部２１では、欠陥６９を含む所定サイズの欠陥画像が撮像画像７１から切り出される。また、欠陥画像における欠陥位置情報と、欠陥６９の欠陥種別とを含む欠陥関連情報が生成される。そして、欠陥画像および欠陥関連情報が互いに関連付けられて、コンピュータ３に出力される。一方、マスタ画像に存在する接続性が、撮像画像において欠落している（発生していない）場合には、当該接続性が欠落している部分が、オープン欠陥である欠陥として検出される。そして、当該欠陥を含む所定サイズの欠陥画像と、欠陥位置情報および欠陥種別を含む欠陥関連情報とが、コンピュータ３に出力される。

次に、第２検査処理部２２が実行する第２検査処理の一例について説明する。第２検査処理では、多階調の撮像画像が所定サイズの複数の画像（以下、「分割画像」という。）に分割される。そして、各分割画像を所定の閾値にて二値化した画像（以下、「二値の分割画像」という。）と、二値のマスタ画像の対応する領域とが比較される。図７では、右側に二値の分割画像７２を示し、左側に当該分割画像に対応するマスタ画像７０の領域を示している。二値の分割画像７２とマスタ画像７０との比較は、マトリクスを用いて行われる。

図８は、二値の分割画像の各画素と、二値のマスタ画像の対応する画素との排他的論理和を示す画像であり、図８中の平行斜線を付す画素が、両画像において画素値が相違する画素（以下、「相違画素」という。）を示す。図８では、説明の便宜上、図７とは異なる二値の分割画像およびマスタ画像を用いている。二値の分割画像とマスタ画像との比較では、概念的には、図８の画像において、マトリクスＭ１を行方向および列方向に走査させつつ、マトリクスＭ１内に含まれる画素における相違画素の個数の割合が許容値を超えた場合に、欠陥の存在が検出される。図８の例では、マトリクスＭ１のサイズが４×４画素であり、許容値が７５％である。したがって、図８中に細い破線にて示すマトリクスＭ１の位置では、相違画素の割合は許容値を超えないが、図８中に太い破線にて示すマトリクスＭ１の位置では、相違画素の割合が許容値を超える。これにより、分割画像において欠陥の存在が検出される。マトリクスＭ１のサイズは、２×２画素、３×３画素等、適宜変更されてよく、許容値も変更されてよい。

実際には、図７の二値の分割画像７２において、各位置に配置したマトリクスＭ１内に含まれる画素のうち、マスク画像７０の対応する画素と画素値が異なる画素の個数の割合が求められる。そして、当該割合が許容値を超える場合に、分割画像において欠陥の存在が検出される。図７の例では、二値の分割画像７２において、マスタ画像７０の対応する画素と値が異なる画素（以下、図８と同様に「相違画素」という。）を太い実線にて囲んでいる。マトリクスＭ１を用いる本処理例では、二値の分割画像７２において孤立して存在する相違画素は、欠陥の検出に影響しない（無視される）が、ある程度の個数の相違画素の集合は、欠陥として検出されやすくなる（二値の分割画像７２の中央近傍に位置する相違画素群参照）。

二値の分割画像７２において欠陥の存在が検出されると、対応する多階調の分割画像が欠陥画像としてコンピュータ３に出力される。第２検査処理部２２では、分割画像（欠陥画像）における欠陥の詳細な位置は取得されず、欠陥種別も取得されない。したがって、第１検査処理部２１とは異なり、欠陥位置情報および欠陥種別を含まない欠陥関連情報がコンピュータ３に出力される。既述のように、欠陥関連情報には、欠陥画像が示すプリント基板上の位置は含められる。欠陥関連情報には、第２検査処理により検出されたことを示す情報が含まれてもよい。

図９は、教師データ生成装置４が教師データを生成する処理の流れを示す図である。まず、図３の画像受付部４１では、検査部２０から欠陥画像と欠陥関連情報とが受け付けられる（ステップＳ１１）。本処理例では、検査部２０により、複数のプリント基板に対する多数の撮像画像から複数の欠陥画像が予め取得されており、複数の欠陥画像と、当該複数の欠陥画像に対する欠陥関連情報とが、画像受付部４１において受け付けられる。複数の欠陥画像に対する欠陥関連情報は、複数の欠陥画像にそれぞれ関連付けられた状態で１つのリストに含められてもよい。既述のように、第１検査処理部２１により検出された欠陥の欠陥関連情報には、欠陥位置情報および欠陥種別が含められる。一方、第２検査処理部２２により検出された欠陥の欠陥関連情報には、欠陥位置情報および欠陥種別が含められない。

続いて、画像要否決定部４２では、欠陥関連情報に基づいて各欠陥画像を教師データに用いるか否かが決定される（ステップＳ１２）。本処理例では、特定の欠陥種別である欠陥の欠陥画像については、教師データに用いられない。特定の欠陥種別の一例は、オープン欠陥およびショート欠陥である。また、第２検査処理部２２により検出された欠陥の欠陥画像、すなわち、欠陥関連情報に欠陥位置情報および欠陥種別を含まない欠陥画像も、教師データに用いられない。これらの欠陥画像を除く残りの欠陥画像は、教師データに用いる欠陥画像に決定される。なお、オープン欠陥およびショート欠陥等の特定の欠陥種別の欠陥画像、並びに、第２検査処理部２２により検出された欠陥の欠陥画像を教師データに用いない理由については後述する。

表示制御部４３では、教師データに用いる欠陥画像がディスプレイ３５に表示される（ステップＳ１３）。ディスプレイ３５に表示される画像は、欠陥画像の全体または一部のいずれであってもよい。すなわち、表示制御部４３は、欠陥画像の少なくとも一部をディスプレイ３５に表示する。一例では、ディスプレイ３５上のウィンドウには、複数の欠陥画像のサムネイルが配列表示されており、作業者が入力部３６を介して１つの欠陥画像のサムネイルを選択することにより、ディスプレイ３５に当該欠陥画像（以下、「選択欠陥画像」という。）の少なくとも一部が表示される。ディスプレイ３５に表示する欠陥画像の選択は、様々な周知の手法により行われてよい。

判定結果受付部４４では、ディスプレイ３５に表示された選択欠陥画像に対する、作業者による真欠陥または偽欠陥の判定結果の入力が受け付けられる（ステップＳ１４）。一例では、ディスプレイ３５上のウィンドウに、選択欠陥画像と共に、「真欠陥」を示すボタンおよび「偽欠陥」を示すボタンが設けられる。作業者が選択欠陥画像を確認し、入力部３６を介していずれかのボタンを選択することにより、選択欠陥画像が示す欠陥が真欠陥または偽欠陥のいずれであるかを示す判定結果の入力が行われる。当該判定結果の入力は、判定結果受付部４４により受け付けられる。作業者による判定結果の入力は、様々な周知の手法により行われてよい。

教師データ生成部４５では、欠陥画像に判定結果をラベル付けすることにより、教師データが生成される（ステップＳ１５）。教師データは、欠陥画像と、当該欠陥画像に対する作業者による判定結果とを含むデータである。既述のように、教師データに用いる欠陥画像の欠陥関連情報には、欠陥位置情報が含められており、好ましくは、欠陥位置情報に基づいて欠陥画像から欠陥の領域を切り出した画像（以下、同様に「欠陥画像」ともいう。）が教師データに含められる。これにより、欠陥の領域以外の不要な領域の特徴が、後述の学習に用いられることが抑制され、分類器５２１の分類精度を向上することが可能となる。実際には、複数の欠陥画像に対して、作業者による判定結果の入力が行われ、複数の教師データが生成される。以上により、教師データ生成処理が完了し、複数の教師データ（学習用データセット）が得られる。

複数の教師データが生成されると、図１の学習部５１では、複数の教師データにおける欠陥画像の入力に対する分類器の出力と、複数の教師データが示す判定結果（真欠陥または偽欠陥）とがほぼ同じになるように機械学習が行われ、分類器が生成される。分類器は、画像が示す欠陥を真欠陥または偽欠陥に分類する学習済みモデルであり、分類器の生成では、分類器が含むパラメータの値や、分類器の構造が決定される。機械学習は、例えば、ニューラルネットワークを用いたディープラーニングにより行われる。当該機械学習は、ディープラーニング以外の周知の方法により行われてもよい。分類器（実際には、パラメータの値や、分類器の構造を示す情報）は、分類部５２に転送されて導入される。

図１０は、検査システム１がプリント基板を検査する処理の流れを示す図である。図１０の処理を行う際には、学習済みモデルである分類器５２１が上記処理により予め生成されている。プリント基板の検査では、検査装置２において、プリント基板の複数の位置を示す複数の撮像画像が取得され、検査部２０により複数の撮像画像における欠陥の有無が検査される。欠陥が検出されると（ステップＳ２１）、当該欠陥を含む欠陥画像および欠陥関連情報が分類要否決定部５３に出力される。既述のように、第１検査処理部２１により検出された欠陥の欠陥関連情報には、欠陥位置情報（すなわち、欠陥画像における欠陥の位置情報）および欠陥種別が含められる。一方、第２検査処理部２２により検出された欠陥の欠陥関連情報には、欠陥位置情報および欠陥種別が含められない。

続いて、分類要否決定部５３では、欠陥画像が示す欠陥の分類部５２における分類の要否が、欠陥関連情報に基づいて決定される。本処理例では、特定の欠陥種別である欠陥については、分類部５２における分類が不要と決定される（ステップＳ２２）。特定の欠陥種別の一例は、オープン欠陥およびショート欠陥である。また、第２検査処理部２２により検出された欠陥、すなわち、欠陥関連情報に欠陥位置情報および欠陥種別を含まない欠陥も、分類部５２における分類が不要と決定される。オープン欠陥およびショート欠陥等の特定の欠陥種別の欠陥、並びに、第２検査処理部２２により検出された欠陥に対して、分類部５２における分類を不要と決定する理由については後述する。

分類が不要と決定された欠陥の欠陥画像および欠陥関連情報は、欠陥確認装置１１に出力される。既述のように、欠陥関連情報には、欠陥画像が示すプリント基板上の位置（すなわち、プリント基板における欠陥画像の位置情報）が含められている。欠陥確認装置１１では、欠陥関連情報を参照してプリント基板上の当該欠陥画像の領域が撮像され、ディスプレイに表示される。作業者が、表示された画像に含まれる欠陥を確認することにより、当該欠陥が真欠陥または偽欠陥のいずれであるかの最終的な決定が行われる（ステップＳ２３）。なお、当該ディスプレイには、欠陥確認装置１１にて撮像される画像と共に欠陥画像が表示されてもよい（以下同様）。

一方、分類要否決定部５３では、第１検査処理部２１により検出され、かつ、特定の欠陥種別ではない欠陥については、分類部５２における分類が必要と決定される（ステップＳ２２）。分類が必要と決定された欠陥の欠陥画像および欠陥関連情報は、分類部５２に出力される。分類部５２では、欠陥画像を分類器５２１に入力することにより、欠陥画像が示す欠陥が真欠陥または偽欠陥に分類される（ステップＳ２４）。好ましい分類部５２では、欠陥位置情報に基づいて欠陥画像から欠陥の領域を切り出した画像が取得され、当該画像が分類器５２１に入力される。これにより、欠陥の領域以外の不要な領域の特徴が、分類器５２１における分類処理に用いられることが抑制され、当該欠陥が真欠陥または偽欠陥のいずれであるかをより精度よく分類することが可能となる。

分類部５２により欠陥が真欠陥に分類された場合（ステップＳ２５）、当該欠陥の欠陥画像および欠陥関連情報は、欠陥確認装置１１に出力される。欠陥確認装置１１では、プリント基板上の当該欠陥画像の領域が撮像され、ディスプレイに表示される。作業者が、表示された画像に含まれる欠陥を確認することにより、当該欠陥が真欠陥または偽欠陥のいずれであるかの最終的な決定が行われる（ステップＳ２３）。分類部５２により欠陥が偽欠陥に分類された場合（ステップＳ２５）、当該欠陥の欠陥画像および欠陥関連情報は、欠陥確認装置１１に出力されず、当該欠陥に対する処理が終了する。このように、分類部５２により偽欠陥に分類された欠陥について、作業者による確認を省略することにより、欠陥の確認に要する作業者の工数を削減することができる。

ここで、オープン欠陥およびショート欠陥等の特定の欠陥種別の欠陥、並びに、第２検査処理部２２により検出された欠陥に対して、分類部５２における分類を不要と決定する理由について説明する。オープン欠陥およびショート欠陥等の特定の欠陥種別の欠陥は、プリント基板の動作や性能等に大きな影響を及ぼすため、分類器５２１による分類の誤り（ここでは、真欠陥の偽欠陥への誤分類）が許容できない場合が多い。したがって、特定の欠陥種別の欠陥については、分類器５２１における重大な誤分類を回避するため、分類器５２１による分類を行うことなく、欠陥確認装置１１にて作業者が確認し、当該欠陥が真欠陥または偽欠陥のいずれであるかの最終的な決定が行われることが好ましい。このように、オープン欠陥およびショート欠陥等の特定の欠陥種別の欠陥を分類器５２１により分類しないため、教師データとしても、当該特定の欠陥種別の欠陥画像を用いないことが好ましい。

また、第２検査処理部２２により検出された欠陥の欠陥関連情報には、欠陥位置情報が含められないため、分類部５２において、欠陥画像から欠陥の領域を切り出した画像を取得することができない。この場合に、欠陥画像をそのまま分類器５２１に入力すると、欠陥の領域以外の不要な領域の特徴が、分類処理に用いられてしまう。その結果、第２検査処理部２２により検出された欠陥については分類器５２１における分類精度が低くなり、誤分類が生じやすくなる。したがって、第２検査処理部２２により検出された欠陥については、分類器５２１による分類を行うことなく、欠陥確認装置１１にて作業者が確認し、当該欠陥が真欠陥または偽欠陥のいずれであるかの最終的な決定が行われることが好ましい。このように、第２検査処理部２２により検出された欠陥を分類器５２１により分類しないため、教師データとしても、第２検査処理部２２により検出された欠陥の欠陥画像を用いないことが好ましい。

以上に説明したように、図１の検査システム１では、プリント基板を撮像した画像を、機械学習を用いずに検査して欠陥を検出する検査部２０と、欠陥を示す画像を分類器５２１に入力することにより、当該欠陥の欠陥種別（上記処理では、真欠陥または偽欠陥）を分類する分類部５２とが設けられる。また、分類要否決定部５３では、検査部２０により検出された欠陥の分類部５２における分類の要否が、当該欠陥の検出の際に検査部２０にて取得された欠陥関連情報に基づいて決定される。検査システム１では、分類器５２１による分類に適さない欠陥を分類対象から容易に除外することができ、分類器５２１における重大な誤分類の回避、および、分類処理に要する時間の短縮を実現することが可能となる。

好ましくは、分類部５２では、検査部２０により検出された欠陥が真欠陥または偽欠陥に分類される。検査部２０では、欠陥の検出の際に当該欠陥の欠陥種別（ここでは、真欠陥および偽欠陥以外の欠陥種別）が取得され、欠陥関連情報に当該欠陥種別が含められる。分類要否決定部５３では、特定の欠陥種別である欠陥の分類部５２における分類が不要と決定される。これにより、分類の誤りが許容できない欠陥種別の欠陥（すなわち、重要欠陥）の誤分類を容易に防止することができる。上記特定の欠陥種別が、オープン欠陥およびショート欠陥を含む場合、オープン欠陥およびショート欠陥の誤分類を容易に防止することができる。

好ましくは、検査部２０では、第１検査処理により欠陥を検出し、当該欠陥を含む欠陥画像を取得する第１検査処理部２１と、第１検査処理とは異なる第２検査処理により欠陥を検出し、当該欠陥を含む欠陥画像を取得する第２検査処理部２２とが設けられる。第１検査処理部２１では、第２検査処理部２２よりも詳細な欠陥画像中の欠陥の位置情報が取得可能であり、欠陥関連情報に第１検査処理部２１により取得された当該位置情報が含められる。分類要否決定部５３では、第１検査処理部２１により検出された欠陥の分類部５２における分類が必要と決定され、第２検査処理部２２により検出された欠陥の分類部５２における分類が不要と決定される。また、分類部５２では、欠陥の位置情報に基づいて欠陥画像から当該欠陥の領域を切り出した画像が分類器５２１に入力される。このような構成により、欠陥の詳細な位置（欠陥位置情報）が取得されず、分類器５２１による分類精度が低くなる欠陥を、分類対象から容易に除外することができ、分類器５２１における誤分類の低減、および、分類処理に要する時間の短縮を、より確実に実現することができる。

図３の教師データ生成装置４では、欠陥を含む欠陥画像と、当該欠陥の検出の際に取得された欠陥関連情報とが、検査部２０から入力され、画像受付部４１において受け付けられる。画像要否決定部４２では、欠陥関連情報に基づいて欠陥画像を教師データに用いるか否かが決定される。教師データに用いる欠陥画像は、表示制御部４３によりディスプレイ３５に表示され、表示された欠陥画像に対する作業者による、欠陥種別（上記処理では、真欠陥または偽欠陥）の判定結果の入力が判定結果受付部４４により受け付けられる。そして、教師データ生成部４５により、当該判定結果が欠陥画像にラベル付けされ、教師データが生成される。教師データ生成装置４では、教師データに適さない画像を容易に除外することができ、ラベル付け作業および学習に要する時間を短縮することができる。

好ましくは、判定結果受付部４４では、作業者による真欠陥または偽欠陥の判定結果の入力が受け付けられる。検査部２０では、欠陥の検出の際に取得された当該欠陥の欠陥種別が欠陥関連情報に含められる。画像要否決定部４２では、特定の欠陥種別である欠陥を含む欠陥画像を教師データに用いないと決定される。これにより、上記特定の欠陥種別の欠陥の分類を行わないことを前提とした好ましい分類器５２１を生成することができる。上記特定の欠陥種別が、オープン欠陥およびショート欠陥を含む場合、オープン欠陥およびショート欠陥の分類を行わないことを前提とした好ましい分類器５２１を生成することができる。

好ましくは、検査部２０では、上述の第１検査処理部２１と第２検査処理部２２とが設けられる。第１検査処理部２１では、第２検査処理部２２よりも詳細な欠陥画像中の欠陥の位置情報が取得可能であり、欠陥関連情報に第１検査処理部２１により取得された当該位置情報が含められる。画像要否決定部４２では、第１検査処理部２１により検出された欠陥の欠陥画像を教師データに用いると決定され、第２検査処理部２２により検出された欠陥の欠陥画像を教師データに用いないと決定される。また、教師データ生成部４５では、欠陥の位置情報に基づいて欠陥画像から当該欠陥の領域を切り出した画像を含む教師データが生成される。このような構成により、欠陥画像中の詳細な位置が取得されない欠陥（分類精度が低くなる欠陥）の分類を行わないことを前提とした好ましい分類器５２１を生成することができる。

（第２実施形態）
次に、本発明の第２実施形態に係る検査システム１の処理について説明する。図１１は、プリント基板９の全体を示す図である。製造途中のプリント基板９では、最終製品において除去される部分である、捨て基板領域９２が含まれている。図１１では、捨て基板領域９２に平行斜線を付している。図１２は、図１１のプリント基板９において破線にて囲む部分Ｂ１を拡大して示す図である。図１２では、捨て基板領域９２を太い破線にて囲んでいる。

図１２に示すように、プリント基板９では、小さいメッキ領域が密に配列されていたり、細い配線パターンが設けられる領域９１（図１２中にて細い破線にて囲む領域）が存在する。領域９１に存在する欠陥は、プリント基板９の動作に大きな影響を及ぼすため、本処理例における検査部２０では、領域９１に対して、他の領域に比べて厳しい第１検査感度が設定される。以下、領域９１を「第１感度設定領域９１」という。一方、既述の捨て基板領域９２に存在する欠陥は、プリント基板９の動作にほとんど影響を及ぼさないため、捨て基板領域９２に対して、他の領域に比べて緩い第２検査感度が設定される。以下、捨て基板領域９２を「第２感度設定領域９２」という。また、第１感度設定領域９１および第２感度設定領域９２以外の領域９３には、中間的な第３検査感度が設定される。以下、領域９３を「第３感度設定領域９３」という。以上のように、プリント基板９の各位置には、複数の検査感度のいずれか１つが設定されている。

検査部２０における検査処理では、検査感度に従って欠陥が検出される。例えば、図８を参照して説明した第２検査処理では、マトリクスＭ１内の相違画素の割合と比較される許容値が、検査感度によって変化する。具体的には、設計データ（ＣＡＭデータ等）を参照することにより、撮像画像を分割した既述の分割画像が示す位置が、第１感度設定領域９１、第２感度設定領域９２および第３感度設定領域９３のいずれに属するかが特定され、利用すべき許容値が取得される。第１感度設定領域９１では、他の領域よりも小さい許容値が取得され、第２感度設定領域９２では、他の領域よりも大きい許容値が取得される。そして、マトリクスＭ１内の相違画素の割合が当該許容値と比較され、許容値を超えた場合に、欠陥の存在が検出される。

欠陥の存在が検出されると、当該欠陥を含む欠陥画像（多階調の分割画像）および欠陥関連情報がコンピュータ３に出力される。このとき、欠陥関連情報には、当該欠陥の検出の際に利用した検査感度を示す検査感度情報が含められる。例えば、検査感度情報は、第１検査感度、第２検査感度および第３検査感度のいずれか１つを示す情報、または、第１感度設定領域９１、第２感度設定領域９２および第３感度設定領域９３のいずれか１つを示す情報である。第１検査処理部２１においても同様に、検査感度に従って欠陥が検出され、欠陥を含む欠陥画像、および、検査感度情報を含む欠陥関連情報がコンピュータ３に出力される。欠陥の検出では、様々な手法が用いられてよく、検査感度の設定の仕方は、欠陥の検出手法に応じて適宜変更される。

教師データ生成装置４による教師データの生成では、画像受付部４１において、検査部２０から欠陥画像と欠陥関連情報とが受け付けられる（図９：ステップＳ１１）。既述のように、欠陥関連情報は、検査感度情報を含んでいる。画像要否決定部４２では、欠陥関連情報に基づいて各欠陥画像を教師データに用いるか否かが決定される（ステップＳ１２）。本処理例では、特定の検査感度にて検出された欠陥を含む欠陥画像については、教師データに用いられない。特定の検査感度の一例は、第１感度設定領域９１に設定される第１検査感度である。第２検査感度および第３検査感度にて検出された欠陥を含む欠陥画像は、教師データに用いる欠陥画像に決定される。特定の検査感度にて検出された欠陥の欠陥画像を教師データに用いない理由については後述する。

教師データに用いる欠陥画像がディスプレイ３５に表示された後（ステップＳ１３）、欠陥画像に対する真欠陥または偽欠陥の判定結果の入力が作業者により行われ、当該入力が受け付けられる（ステップＳ１４）。そして、欠陥画像に判定結果をラベル付けすることにより、教師データが生成される（ステップＳ１５）。その後、上述の処理例と同様に、複数の教師データを用いて分類器５２１が生成される。

検査システム１におけるプリント基板９の検査では、検査部２０において欠陥が検出されると（図１０：ステップＳ２１）、当該欠陥を含む欠陥画像および欠陥関連情報が分類要否決定部５３に出力される。既述のように、欠陥関連情報には、検査感度情報が含められる。続いて、分類要否決定部５３では、当該欠陥画像が示す欠陥の分類部５２における分類の要否が、欠陥関連情報に基づいて決定される。本処理例では、特定の検査感度にて検出された欠陥については、分類部５２における分類が不要と決定される（ステップＳ２２）。特定の検査感度の一例は、第１感度設定領域９１に設定される第１検査感度である。特定の検査感度にて検出された欠陥に対して、分類部５２における分類を不要と決定する理由については後述する。

分類が不要と決定された欠陥の欠陥画像および欠陥関連情報は、欠陥確認装置１１に出力される。欠陥確認装置１１では、プリント基板９上の当該欠陥画像の領域が撮像され、ディスプレイに表示される。作業者が、表示された画像に含まれる欠陥を確認することにより、当該欠陥が真欠陥または偽欠陥のいずれであるかの最終的な決定が行われる（ステップＳ２３）。

一方、特定の検査感度以外の検査感度にて検出された欠陥については、分類部５２における分類が必要と決定される（ステップＳ２２）。分類が必要と決定された欠陥の欠陥画像および欠陥関連情報は、分類部５２に出力される。分類部５２では、欠陥画像を分類器５２１に入力することにより、欠陥画像が示す欠陥が真欠陥または偽欠陥に分類される（ステップＳ２４）。分類部５２により欠陥が真欠陥に分類された場合（ステップＳ２５）、当該欠陥の欠陥画像および欠陥関連情報は、欠陥確認装置１１に出力され、作業者により、当該欠陥が真欠陥または偽欠陥のいずれであるかの最終的な決定が行われる（ステップＳ２３）。分類部５２により欠陥が偽欠陥に分類された場合（ステップＳ２５）、当該欠陥の欠陥画像および欠陥関連情報は、欠陥確認装置１１に出力されず、当該欠陥に対する処理が終了する。

ここで、特定の検査感度にて検出された欠陥に対して、分類部５２における分類を不要と決定する理由について説明する。既述のように、第１感度設定領域９１に存在する欠陥は、プリント基板９の動作に大きな影響を及ぼすため、分類器５２１による分類の誤り（ここでは、真欠陥の偽欠陥への誤分類）が許容できない場合がある。したがって、第１感度設定領域９１にて検出された欠陥、すなわち、特定の検査感度にて検出された欠陥については、分類器５２１における重大な誤分類を回避するため、分類器５２１による分類を行うことなく、欠陥確認装置１１にて作業者が確認し、当該欠陥が真欠陥または偽欠陥のいずれであるかの最終的な決定が行われることが好ましい。このように、特定の検査感度にて検出された欠陥を分類器５２１により分類しないため、教師データとしても、当該特定の検査感度にて検出された欠陥の欠陥画像を用いないことが好ましい。

以上のように、検査システム１における本処理例では、プリント基板９の各位置に対して複数の検査感度のうち一の検査感度が設定されており、検査部２０が欠陥の検出の際に利用した検査感度を示す情報が、欠陥関連情報に含められる。分類要否決定部５３では、特定の検査感度にて検出された欠陥の分類部５２における分類が不要と決定される。これにより、分類の誤りが許容できない、検査感度が高い領域における欠陥の誤分類を容易に防止することができる。また、教師データ生成装置４の画像要否決定部４２では、特定の検査感度にて検出された欠陥を含む欠陥画像を教師データに用いないと決定される。これにより、検査感度が高い領域における欠陥の分類を行わないことを前提とした好ましい分類器５２１を生成することができる。

上記処理例では、第２検査感度にて検出された欠陥、および、第３検査感度にて検出された欠陥が同一の分類器５２１により分類されるが、各検査感度用の分類器が生成されてもよい。例えば、第２検査感度にて検出された欠陥の複数の教師データが生成され、当該複数の教師データを用いて機械学習を行うことにより、第２検査感度用の分類器が生成される。第３検査感度用の分類器も同様にして生成される。検査システム１におけるプリント基板の検査では、第２検査感度にて検出された欠陥については、分類部５２における分類が必要と決定され、第２検査感度用の分類器により当該欠陥が真欠陥または偽欠陥に分類される。第３検査感度にて検出された欠陥についても、分類部５２における分類が必要と決定され、第３検査感度用の分類器により当該欠陥が真欠陥または偽欠陥に分類される。検査システム１では、検査部２０により取得される各欠陥種別用の分類器（真欠陥または偽欠陥に分類する分類器）が生成されてもよい。

上記検査システム１、教師データ生成装置４および教師データ生成方法では様々な変形が可能である。

プリント基板では、品番によってライン／スペースや、材料、プロセス等が相違するため、検査部２０により欠陥が検出されるプリント基板の品番に基づいて、分類要否決定部５３により当該欠陥の分類部５２における分類の要否が決定されてもよい。また、欠陥が検出されるプリント基板の直前の工程の種類に基づいて、当該欠陥の分類部５２における分類の要否が決定されてもよい。例えば、欠陥を検出した際に、検査部２０においてプリント基板の品番、または／および、工程の種類を示す識別番号が取得され、欠陥関連情報に含められる。分類要否決定部５３では、品番または／および識別番号毎に分類の要否を示すテーブルが記憶されており、欠陥関連情報に含まれる品番または／および識別番号を用いて当該テーブルを参照することにより、欠陥の分類部５２における分類の要否が決定される。教師データ生成装置４の画像要否決定部４２において同様である。

分類部５２における分類が不要とされる欠陥種別は、オープン欠陥およびショート欠陥のみには限定されず、例えば、外装基板におけるソルダレジスト剥がれ等、他の欠陥種別が、分類が不要とされる特定の欠陥種別に含められてもよい。教師データに用いない欠陥画像を決定する場合も同様である。

上記第１実施形態における分類要否決定部５３では、必ずしも特定の欠陥種別の欠陥、および、第２検査処理部２２により検出された欠陥の両方について、分類部５２における分類が不要と決定される必要はなく、一方のみについて分類部５２における分類が不要と決定されてもよい。教師データ生成装置４の画像要否決定部４２において同様である。

検査部２０では、必ずしも欠陥の欠陥種別が取得される必要はない。また、第１検査処理部２１および第２検査処理部２２の一方のみが設けられてもよい。第１検査処理部２１における第１検査処理は、欠陥位置情報が取得可能な他の処理であってもよい。第２検査処理部２２における第２検査処理も、上述の処理以外の処理であってもよい。

上記第１および第２実施形態では、図９のステップＳ１４において、欠陥画像に対する真欠陥または偽欠陥の判定結果が作業者により入力されるが、真欠陥および偽欠陥以外の欠陥種別（例えば、異物付着、膜剥がれ等）の判定結果が入力されてもよい。すなわち、判定結果受付部４４では、ディスプレイ３５に表示された欠陥画像に対する作業者による、欠陥種別の判定結果（真欠陥または偽欠陥の判定結果を含む。）の入力が受け付けられる。同様に、分類部５２では、欠陥が真欠陥および偽欠陥以外の欠陥種別に分類されてもよい。

検査システム１において、分類要否決定部５３の機能が、検査装置２に設けられてもよい。また、教師データ生成装置４における画像受付部４１および画像要否決定部４２の機能が、検査装置２に設けられてもよい。

検査部２０における検査の対象物は、プリント基板以外に、半導体基板やガラス基板等の基板であってもよい。また、機械部品等、基板以外の対象物の欠陥が検査部２０により検出されてもよい。検査システム１および教師データ生成装置４は、様々な対象物の検査に用いることが可能である。

上記実施の形態および各変形例における構成は、相互に矛盾しない限り適宜組み合わされてよい。

１ 検査システム
３ コンピュータ
４ 教師データ生成装置
９ プリント基板
２０ 検査部
２１ 第１検査処理部
２２ 第２検査処理部
３５ ディスプレイ
４１ 画像受付部
４２ 画像要否決定部
４３ 表示制御部
４４ 判定結果受付部
４５ 教師データ生成部
５２ 分類部
５３ 分類要否決定部
６９ 欠陥
７１ 撮像画像
５２１ 分類器
８１１ プログラム
Ｓ１１～Ｓ１５，Ｓ２１～Ｓ２５ ステップ

Claims (10)

1. 検査システムであって、
   対象物を撮像した画像を、機械学習を用いずに検査して欠陥を検出する検査部と、
   予め生成された学習済みモデルを有し、欠陥を示す画像を前記学習済みモデルに入力することにより、前記欠陥の欠陥種別を分類する分類部と、
   前記検査部により検出された欠陥の前記分類部における分類の要否を、前記欠陥の検出の際に前記検査部にて取得または利用された欠陥関連情報に基づいて決定する分類要否決定部と、
   を備えることを特徴とする検査システム。
2. 請求項１に記載の検査システムであって、
   前記分類部が、前記検査部により検出された欠陥を真欠陥または偽欠陥に分類し、
   前記検査部が、欠陥の検出の際に前記欠陥の欠陥種別を取得し、前記欠陥関連情報に前記欠陥種別が含められ、
   前記分類要否決定部が、特定の欠陥種別である欠陥の前記分類部における分類を不要と決定することを特徴とする検査システム。
3. 請求項１または２に記載の検査システムであって、
   前記検査部が、
   第１検査処理により欠陥を検出し、前記欠陥を含む欠陥画像を取得する第１検査処理部と、
   前記第１検査処理とは異なる第２検査処理により欠陥を検出し、前記欠陥を含む欠陥画像を取得する第２検査処理部と、
   を備え、
   前記第１検査処理部が前記第２検査処理部よりも詳細な欠陥画像中の欠陥の位置情報を取得可能であり、前記欠陥関連情報に前記第１検査処理部により取得された前記位置情報が含められ、
   前記分類要否決定部が、前記第１検査処理部により検出された欠陥の前記分類部における分類を必要と決定し、前記第２検査処理部により検出された欠陥の前記分類部における分類を不要と決定し、
   前記分類部が、欠陥の位置情報に基づいて欠陥画像から前記欠陥の領域を切り出した画像を前記学習済みモデルに入力することを特徴とする検査システム。
4. 請求項１ないし３のいずれか１つに記載の検査システムであって、
   前記対象物の各位置に対して複数の検査感度のうち一の検査感度が設定されており、
   前記検査部が欠陥の検出の際に利用した検査感度を示す情報が、前記欠陥関連情報に含められ、
   前記分類要否決定部が、特定の検査感度にて検出された欠陥の前記分類部における分類を不要と決定することを特徴とする検査システム。
5. 教師データを生成する教師データ生成装置であって、
   対象物を撮像した画像を、機械学習を用いずに検査する検査部から、欠陥を含む欠陥画像と、前記欠陥の検出の際に取得または利用された欠陥関連情報とを受け付ける画像受付部と、
   前記欠陥関連情報に基づいて前記欠陥画像を教師データに用いるか否かを決定する画像要否決定部と、
   教師データに用いる欠陥画像をディスプレイに表示する表示制御部と、
   前記ディスプレイに表示された前記欠陥画像に対する作業者による、欠陥種別の判定結果の入力を受け付ける判定結果受付部と、
   前記欠陥画像に前記判定結果をラベル付けして教師データを生成する教師データ生成部と、
   を備えることを特徴とする教師データ生成装置。
6. 請求項５に記載の教師データ生成装置であって、
   前記判定結果受付部が、作業者による真欠陥または偽欠陥の判定結果の入力を受け付け、
   前記検査部において欠陥の検出の際に取得された前記欠陥の欠陥種別が、前記欠陥関連情報に含められ、
   前記画像要否決定部が、特定の欠陥種別である欠陥を含む欠陥画像を教師データに用いないと決定することを特徴とする教師データ生成装置。
7. 請求項５または６に記載の教師データ生成装置であって、
   前記検査部が、
   第１検査処理により欠陥を検出し、前記欠陥を含む欠陥画像を取得する第１検査処理部と、
   前記第１検査処理とは異なる第２検査処理により欠陥を検出し、前記欠陥を含む欠陥画像を取得する第２検査処理部と、
   を備え、
   前記第１検査処理部が前記第２検査処理部よりも詳細な欠陥画像中の欠陥の位置情報を取得可能であり、前記欠陥関連情報に前記第１検査処理部により取得された前記位置情報が含められ、
   前記画像要否決定部が、前記第１検査処理部により検出された欠陥の欠陥画像を教師データに用いると決定し、前記第２検査処理部により検出された欠陥の欠陥画像を教師データに用いないと決定し、
   前記教師データ生成部が、欠陥の位置情報に基づいて欠陥画像から前記欠陥の領域を切り出した画像を含む教師データを生成することを特徴とする教師データ生成装置。
8. 請求項５ないし７のいずれか１つに記載の教師データ生成装置であって、
   前記対象物の各位置に対して複数の検査感度のうち一の検査感度が設定されており、
   前記検査部が欠陥の検出の際に利用した検査感度を示す情報が、前記欠陥関連情報に含められ、
   前記画像要否決定部が、特定の検査感度にて検出された欠陥を含む欠陥画像を教師データに用いないと決定することを特徴とする教師データ生成装置。
9. 教師データを生成する教師データ生成方法であって、
   ａ）対象物を撮像した画像を、機械学習を用いずに検査する検査部から、欠陥を含む欠陥画像と、前記欠陥の検出の際に取得または利用された欠陥関連情報とを受け付ける工程と、
   ｂ）前記欠陥関連情報に基づいて前記欠陥画像を教師データに用いるか否かを決定する工程と、
   ｃ）教師データに用いる欠陥画像をディスプレイに表示する工程と、
   ｄ）前記ディスプレイに表示された前記欠陥画像に対する作業者による、欠陥種別の判定結果の入力を受け付ける工程と、
   ｅ）前記欠陥画像に前記判定結果をラベル付けして教師データを生成する工程と、
   を備えることを特徴とする教師データ生成方法。
10. コンピュータに教師データを生成させるプログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、
    ａ）対象物を撮像した画像を、機械学習を用いずに検査する検査部から、欠陥を含む欠陥画像と、前記欠陥の検出の際に取得または利用された欠陥関連情報とを受け付ける工程と、
    ｂ）前記欠陥関連情報に基づいて前記欠陥画像を教師データに用いるか否かを決定する工程と、
    ｃ）教師データに用いる欠陥画像をディスプレイに表示する工程と、
    ｄ）前記ディスプレイに表示された前記欠陥画像に対する作業者による、欠陥種別の判定結果の入力を受け付ける工程と、
    ｅ）前記欠陥画像に前記判定結果をラベル付けして教師データを生成する工程と、
    を実行させることを特徴とするプログラム。

Images