JP3223248U - 外観不良検査装置 - Google Patents

Abstract

【課題】安価で汎用性が高く、かつ被検査物の外観を容易に検査可能な外観不良検査装置を提供する。【解決手段】被検査物を視認可能な透過型ヘッドマウントディスプレイ１と、上記透過型ヘッドマウントディスプレイと通信回線を通じてデータを送受信するデータ処理端末３とを備え、上記データ処理端末が、上記透過型ヘッドマウントディスプレイが視認した上記被検査物の画像データを受信する受信部と、上記受信部により受信した画像データから外観不良箇所を推定する推定部と、上記推定部により推定した外観不良箇所を上記被検査物に重ねて表示する表示データを上記透過型ヘッドマウントディスプレイに送信する送信部とを有する。【選択図】図１

Description

本考案は、外観不良検査装置に関する。

工業製品の製造が完了すると、検査が行われる。この検査には、その製品が所定の性能を有しているか否かの物理的な検査に加え、外観の検査が行われる。

この外観検査は、もっぱら検査員が目視することで行われる。このため、外観検査の精度は検査員の熟練度に負うところが大きい。

外観検査の精度を向上させる検査装置として、外観に関わる色、温度、表面粗さ等の測定可能な量を検査機により測定し、その測定結果を検査員が着用するヘッドマウントディスプレイに表示する検査装置が提案されている（特開２０１５−１４６８号公報参照）。

この従来の検査装置では、検査員の目視による検出では困難な外観不良について、検査機の結果を用いることで、検査員の熟練性を必要とせず検出可能とする。また、ヘッドマウントディスプレイを用いることで、得られた情報を実際の製品の表面上に付加して表示するので、検査員が情報を認識し易い。

特開２０１５−１４６８号公報

本考案の一態様に係る外観不良検査装置は、被検査物を視認可能な透過型ヘッドマウントディスプレイと、上記透過型ヘッドマウントディスプレイと通信回線を通じてデータを送受信するデータ処理端末とを備え、上記データ処理端末が、上記透過型ヘッドマウントディスプレイが視認した上記被検査物の画像データを受信する受信部と、上記受信部により受信した画像データから外観不良箇所を推定する推定部と、上記推定部により推定した外観不良箇所を上記被検査物に重ねて表示する表示データを上記透過型ヘッドマウントディスプレイに送信する送信部とを有する。

図１は、本考案の一実施形態に係る外観不良検査装置の構成を示す模式図である。 図２は、図１の外観不良検査装置を用いた外観検査時の使用例を示す模式図である。 図３は、図１の外観不良検査装置を用いた推定モデル構築時の使用例を示す模式図である。 図４は、図１の外観不良検査装置のデータ処理端末の処理を示すブロック図である。 図５は、図１の使用例において透過型ヘッドマウントディスプレイに表示される画像例を示す模式図である。

［本考案が解決しようとする課題］
上記従来の検査装置では、表示できるデータは検査装置により検査できる数値化可能なものに限られる。一方、外観検査には、色合い等の美観に関わり数値化が困難な要素が多分に含まれ、上記従来の検査装置ではこのような美観に対しては有効に機能するとは言えない。

また、上記従来の検査装置ではデータを測定する検査機を必要とするため、検査装置自体の製造コストが上昇する。さらに、上記従来の検査装置では検査対象となる製品ごとに検査機を選択し、必要とする検査内容を決定する必要があるため汎用性に欠ける。

本考案は、このような事情に鑑みてなされたものであり、安価で汎用性が高く、かつ被検査物の外観を容易に検査可能な外観不良検査装置の提供を課題とする。

［本考案の効果］
本考案の外観不良検査装置は、安価で汎用性が高く、かつ被検査物の美観を含む外観を容易に検査することができる。

［本考案の実施形態の説明］
本考案の一態様に係る外観不良検査装置は、被検査物を視認可能な透過型ヘッドマウントディスプレイと、上記透過型ヘッドマウントディスプレイと通信回線を通じてデータを送受信するデータ処理端末とを備え、上記データ処理端末が、上記透過型ヘッドマウントディスプレイが視認した上記被検査物の画像データを受信する受信部と、上記受信部により受信した画像データから外観不良箇所を推定する推定部と、上記推定部により推定した外観不良箇所を上記被検査物に重ねて表示する表示データを上記透過型ヘッドマウントディスプレイに送信する送信部とを有する。

当該外観不良検査装置は、データ処理端末が透過型ヘッドマウントディスプレイからの画像データにより外観不良を推定する推定部を備え、この推定部により推定した外観不良箇所を上記被検査物に重ねて透過型ヘッドマウントディスプレイに表示することができる。従って、検査員はこの重ねて表示された外観不良箇所を中心に検査を行うことで容易に外観検査を行うことができる。また、当該外観不良検査装置は、特定の検査機など被検査物に依存した機器を必要としないので、安価で汎用性が高い。

上記推定部の推定に、予め機械学習により学習済みの推定モデルを用いるとよい。このように上記推定部の推定に予め機械学習により学習済みの推定モデルを用いることで、精度よく外観不良箇所を特定することができる。

上記データ処理端末に接続され、被検査物の撮影画像を取得可能なカメラをさらに備え、上記データ処理端末が、上記推定モデルを構築するモデル構築部を有し、上記モデル構築部が、上記カメラから上記被検査物の撮影画像データを取得する撮影画像取得手段と、上記被検査物の外観不良の判定結果を入力する入力手段と、上記撮影画像データ及び上記判定結果から機械学習により推定モデルを構築する構築手段とを有するとよい。このように当該外観不良検査装置が上述の構成を備えることで、当該外観不良検査装置上で機械学習により学習済みの推定モデルを構築することができる。従って、当該外観不良検査装置の汎用性をさらに高められる。

上記モデル構築部が、上記受信部により受信した画像データを取得する検査画像取得手段を有し、上記構築手段で、上記推定モデルの構築に上記画像データをさらに用いるとよい。このように上記カメラの撮影画像データに加えて上記受信部により受信した画像データを推定モデルの構築に用いることで、検査を行うごとに推定モデルが更新され、推定モデルの精度をさらに高めることができる。

上記送信部の表示データが実質的にリアルタイムで更新されるとよい。このように上記送信部の表示データを実質的にリアルタイムで更新することで、例えば被検査物を手にとって３６０度回転させながら検査する場合の検査効率を高めることができる。ここで、「実質的にリアルタイムで更新される」とは、所定の間隔をおいて更新を行う場合を含み、上記所定の間隔は、０．５秒以下、好ましくは０．３秒以下とされる。

［本考案の実施形態の詳細］
以下、本考案の一実施形態に係る外観不良検査装置について適宜図面を参照しつつ説明する。

本考案の一実施形態に係る外観不良検査装置は、図１に示すように、透過型ヘッドマウントディスプレイ１と、カメラ２と、データ処理端末３とを備える。

＜透過型ヘッドマウントディスプレイ＞
透過型ヘッドマウントディスプレイ１は、図２に示すように、検査員Ｘの頭部に装着するディスプレイ装置であり、検査員Ｘの眼前の外の光景が見えるようになっている。つまり、透過型ヘッドマウントディスプレイ１は、被検査物Ｓ（図２の例ではコップ）を視認可能である。

透過型ヘッドマウントディスプレイ１は、例えばゴーグルやヘルメット、眼鏡のような形状をしており、検査人Ｘの目を覆うように頭部に固定すると眼前の小さな表示面にデータ処理端末３から送られてきた像が投影され、見ることができる。

透過型ヘッドマウントディスプレイ１には、検査人Ｘの視界全体を覆うように像を写すものと、数メートル離れた場所に大画面の表示装置が現れたように見えるものとがある。当該外観不良検査装置では、いずれの種類の透過型ヘッドマウントディスプレイ１を使用することもできるが、当該外観不良検査装置を用いずに検査を行う場合の環境と類似することから、検査人Ｘの視界全体を覆うように像を写すものを用いることが好ましい。このような透過型ヘッドマウントディスプレイ１としては、いわゆるスマートグラスを挙げることができる。

上述のように透過型ヘッドマウントディスプレイ１は、被検査物Ｓを視認可能である。この被検査物Ｓを視認可能とする構成としては、透過型ヘッドマウントディスプレイ１の表示面をハーフミラーとする構成や、外界を写す小さなビデオカメラを内蔵する構成等が挙げられる。中でも、安価に構成できる観点から表示面をハーフミラーとする構成が好ましい。

透過型ヘッドマウントディスプレイ１は、視認した被検査物Ｓの画像データをリアルタイムにデータ処理端末３へ送信することができる。また、透過型ヘッドマウントディスプレイ１は、データ処理端末３によりリアルタイムに生成した画像を受信し、表示することができる。このような透過型ヘッドマウントディスプレイとしては、例えばカメラ付ヘッドマウントディスプレイを挙げることができる。

＜カメラ＞
カメラ２は、後述するデータ処理端末３に接続され、被検査物Ｓの撮影画像を取得可能に構成される。

カメラ２としては、公知のカメラを用いることができる。カメラ２の撮影画像データは、データ処理端末３に取り込まれるため、カメラ２としてはデータ処理端末３に撮影画像データを直接送信できるものが好ましい。

後述するモデル構築部３４で使用する画像として、カメラ２により被検査物Ｓ全体の画像を撮影する必要がある。このカメラ２による撮影画像の取得方法としては、図３に示すように、例えばカメラ２を固定して被検査物Ｓを回転させる構成としてもよいし、被検査物Ｓを固定してカメラ２を被検査物Ｓの周囲を回転させる構成としてもよい。

カメラ２とデータ処理端末３との接続方法としては、特に限定されないが、データの送受信の安定性から有線接続が好ましい。

＜データ処理端末＞
データ処理端末３は、透過型ヘッドマウントディスプレイ１と通信回線４を通じてデータを送受信する。

データ処理端末３は、例えば市販のパーソナルコンピュータにより構成でき、図１に示すように、端末本体３ａと、キーボード３ｂと、ディスプレイ３ｃとを備える。端末本体３ａは、データ処理を行うＣＰＵや各種情報を一時的あるいは恒久的に記憶する半導体メモリ、固定ディスク等の記憶部を有する。キーボード３ｂは外部から情報を入力する装置である。また、ディスプレイ３ｃはデータ処理端末３の処理の経過情報や結果を表示するための装置である。以下、データ処理端末３として図１に示すようなパーソナルコンピュータを用いる場合を例にとり説明するが、データ処理端末３はこの構成に限定されるものではなく、スマートフォンやタブレット端末など他の種類の端末を用いることもできる。

データ処理端末３は、図４に示すように、受信部３１と、推定部３２と、送信部３３と、モデル構築部３４と、推定モデル３５とを有する。

（受信部）
受信部３１は、透過型ヘッドマウントディスプレイ１が視認した被検査物Ｓの画像データを受信する。

具体的には、透過型ヘッドマウントディスプレイ１が視認した被検査物Ｓの画像データをデータ処理端末３へ送信するので、受信部３１は、通信回線４を通じてこの画像データを受信し、例えば端末本体３ａの記憶部に記憶する。

（推定部）
推定部３２は、受信部３１により受信した画像データから外観不良箇所を推定する。この推定は、例えば端末本体３ａのＣＰＵを用いて行える。

推定部３２の推定には、予め機械学習により学習済みの推定モデル３５を用いる。「機械学習により学習済みの推定モデル」とは、いわゆるＡＩ（人工知能）である。なお、このような推定モデル３５を用いた推定には、ＡＩに関する公知の推定技術を用いることができる。

ＡＩを用いると、単純な傷や色落ちといった外観不良はもちろんのこと、色むら、シルエットといった通常検査員Ｘが行う必要のある美観を含む官能検査に対しても例えば熟練者の経験を学習させることで推定可能となる。つまり、熟練者の経験と言った数値化が困難である外観不良箇所についても有効に機能させることができる。従って、推定部３２の推定に予め機械学習により学習済みの推定モデル３５を用いることで、精度よく外観不良箇所を特定することができる。

（送信部）
送信部３３は、推定部３２により推定した外観不良箇所を被検査物Ｓに重ねて表示する表示データを透過型ヘッドマウントディスプレイ１に送信する。

推定部３２では、透過型ヘッドマウントディスプレイ１が視認した被検査物Ｓの画像データを推定するので、特定した外観不良箇所は、上記画像データ上に存在する。従って、推定部３２により推定した外観不良箇所は、上記画像データに重ね合わせて表示すること（以下、「重畳表示」ともいう）が可能である。

この外観不良箇所を重畳表示させる方法としては、特に限定されないが、例えば図５に示すように、外観不良箇所を取り囲む枠Ｓ１を表示する方法が挙げられる。このように枠Ｓ１で外観不良箇所を取り囲むことで、検査員Ｘは外観不良箇所自体には表示が重畳しないため、透過型ヘッドマウントディスプレイ１を装着したまま外観不良箇所の点検が行える。また、当該外観不良検査装置が、外観不良を含む検査面が検査員Ｘの正面にきた際に警告を発する機能を備えてもよい。このような警告機能を有することで、被検査物Ｓの特定の場所を重点的に検査できるので、外観不良箇所を見逃す確率を低減できる。

外観不良検査は、被検査物Ｓ全体に対して行う必要があるが、検査員Ｘは、人の視野角の関係で被検査物Ｓを一方側からのみ見ることしかできないため、被検査物Ｓを固定していると、例えば裏面側等が死角となり検査が行えない。このため、検査員Ｘは、例えば図２や図５に示すように、被検査物Ｓを手に取り、様々な角度から外観検査を行うことが通例である。従って、送信部３３の表示データは、実質的にリアルタイムで更新されるとよい。このように上記送信部の表示データを実質的にリアルタイムで更新することで、上述のように被検査物Ｓを手にとって３６０度回転させながら検査する場合であっても、その動きに追従して外観不良箇所を重畳表示できる。このため、検査効率を高めることができる。

なお、送信部３３の表示データをリアルタイムに更新するためには、同様に受信部３１の画像データの受信及び推定部３２の推定についても実質的にリアルタイムで行うことが好ましい。

（モデル構築部）
モデル構築部３４は、推定モデル３５を構築する。モデル構築部３４は、撮影画像取得手段３４ａと、入力手段３４ｂと、構築手段３４ｃと、検査画像取得手段３４ｄとを有する。

撮影画像取得手段３４ａは、カメラ２から被検査物Ｓの撮影画像データを取得する。また、入力手段３４ｂは、被検査物Ｓの外観不良の判定結果を入力する手段であり、例えばキーボード３ｂを用いることができる。この入力手段３４ｂを用いて、撮影画像取得手段３４ａで取得する撮影画像データに対応する被検査物Ｓの外観不良の判定結果を入力する。入力手段３４ｂから入力するデータとしては、外観不良の有無（合否判定）のみでよい。つまり、具体的な外観不良の位置や内容を入力する必要はない。

構築手段３４ｃは、上記撮影画像データ及び上記判定結果から機械学習により推定モデル２５を構築する。

この推定モデル３５の構築には、ＡＩに関する公知の推定技術を用いることができる。具体的には、撮影画像データ及び判定結果を対とした複数の入力データから、構築手段３４ｃは撮影画像データと判定結果との相関を学習し、推定モデル３５を構築することができる。中でも機械学習（ＡＩ）として、多層構造のニューラルネットワークを用いたディープラーニング（深層学習）を用いることが好ましい。

推定モデル３５を構築する際の入力データ数は、検査の難易度にも依存するが、推定モデル３５を構築する際の入力データ数の下限としては、１００が好ましく、５００がより好ましく、１０００がさらに好ましい。上記入力テータ数が上記下限未満であると、推定モデル３５の精度が不十分となるおそれがある。一方、上記入力テータ数の上限としては、外観不良の大きさや内容にもよるが、例えば１００００とできる。

被検査物Ｓの外観不良の判定結果は、熟練者が実施した結果に基づくことが好ましい。上述のように推定モデル３５は、機械学習により学習することでモデルが構築される。従って、熟練者の判断を学習させることで、推定モデル３５の精度を高められる。なお、「熟練者」とは、該当する外観不良検査の経験年数が概ね５年以上の者をいう。

このように当該外観不良検査装置が、撮影画像取得手段３４ａと、入力手段３４ｂと、構築手段３４ｃとを備えることで、当該外観不良検査装置上で機械学習により学習済みの推定モデル３５を構築することができる。つまり、当該外観不良検査装置があれば、被検査物Ｓがどのような種類のものであっても、推定モデル３５を構築可能である。従って、当該外観不良検査装置の汎用性をさらに高められる。

また、上述のようにモデル構築部３４は、検査画像取得手段３４ｄをさらに有する。この検査画像取得手段３４ｄは、受信部３１により受信した画像データ（以下、「検査画像データ」ともいう）を取得する。

検査画像取得手段３４ｄをさらに有することで、この検査画像データに対する判定結果を入力手段３４ｂにより入力すれば、検査画像データ及び判定結果を対とした新たな入力データを準備できる。この入力データを構築手段３４に入力すれば、構築手段３４で、推定モデル３５の構築に上記検査画像データをさらに用いることができる。

このようにカメラ２の撮影画像データに加えて受信部３１により受信した画像データを推定モデル３５の構築に用いることで、検査を行うごとに推定モデル３５が更新され、推定モデル３５の精度をさらに高めることができる。

なお、構築した推定モデル３５は、データ処理端末３の端末本体３ａ内の記憶部に格納され、推定部３２で用いられる。

（通信回線）
通信回線４は、透過型ヘッドマウントディスプレイ１とデータ処理端末３との間の通信を担う。

通信回線４としては、特に限定されるものではないが、ＷｉＦｉ（無線ＬＡＮ）を用いることが好ましい。このように無線通信を用いることで、透過型ヘッドマウントディスプレイ１とデータ処理端末３とを接続するケーブルを省略できるので、検査員Ｘが外観検査を行う際、ケーブルが邪魔になるといった不都合を回避できる。

＜外観不良検査装置の使用方法＞
当該外観不良検査装置は、推定モデル構築工程と、検査工程とを備える使用方法により使用できる。

（推定モデル構築工程）
推定モデル構築工程では、推定モデル３５を構築する。

具体的には、以下の手順による。外観検査の判定結果が既知である複数の被検査物Ｓと、その判定結果とを準備する。それぞれ被検査物Ｓをカメラ２により撮影し、入力手段３４ｂを介して対応する被検査物Ｓの判定結果をモデル構築部３４に入力する。そうすると、構築手段３４ｃにより推定モデル３５が構築される。

（検査工程）
検査工程では、被検査物Ｓの外観検査を行う。

具体的には、以下の手順による。まず、検査員Ｘは、透過型ヘッドマウントディスプレイ１を装着する。検査員Ｘは、透過型ヘッドマウントディスプレイ１を介して、被検査物Ｓの目視検査を行う。そうすると、透過型ヘッドマウントディスプレイ１を通じて検査員Ｘが視認している被検査物Ｓの画像データがデータ処理端末３に送信される。送信された画像データは受信部３１で受信され、推定部３２で推定される。その結果、外観不良箇所が特定される。特定された外観不良箇所は、送信部３３で被検査物Ｓに重ねて表示する表示データとして透過型ヘッドマウントディスプレイ１に送信される。透過型ヘッドマウントディスプレイ１では、この送信データが表示され、検査員Ｘには、図５に示すように、推定部３２により推定された外観不良箇所が被検査物Ｓに重畳して見えるようになる。検査員Ｘは、この重畳表示された外観不良箇所にもとづいて外観不良検査を実施する。

ここで、検査員Ｘが実施した外観不良の判定を入力手段３４ｂを介してモデル構築部３４に入力すると、モデル構築部３４は、検査員Ｘが判定した外観不良についても推定モデル３５に反映する。

なお、推定モデル構築工程は、同種の被検査物Ｓに対して最初に一度実施すれば繰り返し実施する必要はない。つまり、過去に外観検査が行われ、すでに推定モデルが構築済みである場合は、この検査工程のみを実施すればよい。

＜利点＞
当該外観不良検査装置は、データ処理端末３が透過型ヘッドマウントディスプレイ１からの画像データにより外観不良を推定する推定部３２を備え、この推定部３２により推定した外観不良箇所を被検査物Ｓに重ねて透過型ヘッドマウントディスプレイ１に表示することができる。従って、検査員Ｘはこの重ねて表示された外観不良箇所を中心に検査を行うことで容易に外観検査を行うことができる。また、当該外観不良検査装置は、特定の検査機など被検査物Ｓに依存した機器を必要としないので、安価で汎用性が高い。

さらに、当該外観不良検査装置では、推定モデル３５を構築する際、被検査物Ｓの外観不良の判定結果として熟練者の判定結果を用いることで、推定モデル３５の外観不良の判断基準を熟練者に準じるものとすることができる。このため、初心者が外観不良検査を行う場合にあっても、重畳表示される外観不良箇所が熟練者の判断基準に準じるものであるため、熟練者に準じた外観検査を行うことが可能となる。このことは、外観検査の判定精度を高めるのみならず、初心者の教育にも有用に機能する。

［その他の実施形態］
上記実施形態は、本考案の構成を限定するものではない。従って、上記実施形態は、本明細書の記載及び技術常識に基づいて上記実施形態各部の構成要素の省略、置換又は追加が可能であり、それらは全て本考案の範囲に属するものと解釈されるべきである。

上記実施形態では、モデル構築部が検査画像取得手段を有する場合を説明したが、検査画像取得手段は必須の構成要素ではなく、省略可能である。当該外観不良検査装置は、撮影画像取得手段でカメラから取得した画像データと合否判定から推定モデルを構築することも可能である。

上記実施形態では、データ処理端末がモデル構築部を有する場合を説明したが、モデル構築部は必須の構成要素ではなく、省略可能である。この場合、合わせてカメラを省略することができる。モデル構築部を有さないデータ処理端末では、予め機械学習により学習済みの推定モデルが搭載される。

上記実施形態では、推定モデルをデータ処理端末に搭載する場合を説明したが、推定モデルはデータ処理端末の外部、例えばサーバーにおいてもよい。このように推定モデルをサーバーに置くことで、モデルの一元管理が容易となる。このため、本考案の外観不良検査装置を複数併用する場合に、管理が容易化できる。

上記実施形態では、推定部の推定に予め機械学習により学習済みの推定モデルを用いる場合を説明したが、推定部の推定に他のモデルを用いることも可能である。このようなモデルとしては、例えばバリエーションモデルを挙げることができる。

上記実施形態では、モデル構築部の入力手段としてキーボードを用いる場合を説明したが、入力手段はこれに限定されるものではなく、液晶ディスプレイの表面に貼付されたタッチセンサ等のマンマシーンインターフェイスなど他の手段を用いてもよい。

上記実施形態では、被検査物としてコップの例を示しているが、被検査物は外観検査が行われるものであれば、その種類は問わず、当該外観不良検査装置は、種々の被検査物の外観検査に用いることができる。

以上のように、本考案の外観不良検査装置は、安価で汎用性が高く、かつ被検査物の美観を含む外観を容易に検査することができる。

１ 透過型ヘッドマウントディスプレイ
２ カメラ
３ データ処理端末
３ａ 端末本体
３ｂ キーボード
３ｃ ディスプレイ
３１ 受信部
３２ 推定部
３３ 送信部
３４ モデル構築部
３４ａ 撮影画像取得手段
３４ｂ 入力手段
３４ｃ 構築手段
３４ｄ 検査画像取得手段
３５ 推定モデル
４ 通信回線
Ｓ 被検査物
Ｓ１ 枠（外観不良箇所）
Ｘ 検査人

Claims (5)

1. 被検査物を視認可能な透過型ヘッドマウントディスプレイと、
   上記透過型ヘッドマウントディスプレイと通信回線を通じてデータを送受信するデータ処理端末と
   を備え、
   上記データ処理端末が、
   上記透過型ヘッドマウントディスプレイが視認した上記被検査物の画像データを受信する受信部と、
   上記受信部により受信した画像データから外観不良箇所を推定する推定部と、
   上記推定部により推定した外観不良箇所を上記被検査物に重ねて表示する表示データを上記透過型ヘッドマウントディスプレイに送信する送信部と
   を有する外観不良検査装置。
2. 上記推定部の推定に、予め機械学習により学習済みの推定モデルを用いる請求項１に記載の外観不良検査装置。
3. 上記データ処理端末に接続され、被検査物の撮影画像を取得可能なカメラをさらに備え、
   上記データ処理端末が、上記推定モデルを構築するモデル構築部を有し、
   上記モデル構築部が、
   上記カメラから上記被検査物の撮影画像データを取得する撮影画像取得手段と、
   上記被検査物の外観不良の判定結果を入力する入力手段と、
   上記撮影画像データ及び上記判定結果から機械学習により推定モデルを構築する構築手段と
   を有する請求項２に記載の外観不良検査装置。
4. 上記モデル構築部が、上記受信部により受信した画像データを取得する検査画像取得手段を有し、
   上記構築手段で、上記推定モデルの構築に上記画像データをさらに用いる請求項３に記載の外観不良検査装置。
5. 上記送信部の表示データが実質的にリアルタイムで更新される請求項１から請求項４のいずれか１項に記載の外観不良検査装置。
   
   

Images