JP5298552B2 - 判別装置、判別方法及びプログラム - Google Patents
判別装置、判別方法及びプログラム Download PDFInfo
- Publication number
- JP5298552B2 JP5298552B2 JP2008024529A JP2008024529A JP5298552B2 JP 5298552 B2 JP5298552 B2 JP 5298552B2 JP 2008024529 A JP2008024529 A JP 2008024529A JP 2008024529 A JP2008024529 A JP 2008024529A JP 5298552 B2 JP5298552 B2 JP 5298552B2
- Authority
- JP
- Japan
- Prior art keywords
- discrimination
- discriminant
- feature information
- result
- function
- 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.)
- Active
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
(1)正解と、学習データに忠実に対応し過ぎてその他のデータに対するエラーが増加する減少である過学習とのバランスをとるように設定された評価関数を用いた最適化計算により、各疵データ点を元とし、特徴情報の各特徴量を座標軸として張られる空間内(特徴量空間)において、有害欠陥と無害なノイズとの判別境界を計算により導出する。
(2)用意した学習データは、仮想的に規定される写像関数により、特徴量空間から高次元の別の空間に写像され、その高次元空間内での超平面によって判別される(もとの空間では曲面により判別される。)。
(3)最適化計算の結果として得られる判別境界(超平面)は、用意した学習データの幾つかの線形結合による判別関数として表現される。
この構成によれば、学習用特徴情報に対しても正しい判別結果を導き出せるように、判別関数を修正することができる。
この構成によれば、学習用特徴情報ではない誤判別特徴情報に対しても正しい判別結果を導き出せるように、判別関数を修正することができる。
この構成によれば、複数種類の集合から判別する場合には、判別関数算出部により、その複数種類の集合中の2つの集合の組み合わせ毎に判別関数を算出することができる。そして、判別部により、判別結果が未知の判別対象は、各判別関数を使用して判別した結果が最も多く示す集合に属すると判別することができる。つまり、例えば集合がN個の場合、判別関数算出部は、NC2個の判別関数を算出することができる。そして、判別部は、NC2個の判別関数を使用して、NC2個の判別結果を算出し、その判別結果の個数が最も多い集合に、判別対象が属すると判別する。なお、判別対象が1の集合に属すると判別される場合、その1の集合は、最大でN−1個の判別関数の判別結果により判別されうる。
この構成によれば、判別関数修正部により、判別関数のそれぞれを修正することができる。そして、この修正は、既知の判別結果と判別部による判別結果とが一致するまで行われる。つまり、上述のように判別部は、最も多くの判別関数により判別された集合に、判別対象を判別する。そこで、判別関数修正部は、少なくとも既知の判別結果が表した集合が最も多くの判別関数により判別されるように、判別関数のそれぞれを修正する。つまり、例えば、既知の判別結果が表した集合を、判別結果とする判別関数の個数が、最大となるだけの個数の判別関数を、少なくとも修正することができる。
図1は、本発明の各実施形態に係る判別装置が適用された一例である鋼板の表面疵検査装置の構成の概要を説明するための説明図である。図2は、その表面疵検査装置の動作の概要を説明するための説明図である。
まず、ステップS01が処理され、光源装置11から光が照射され、撮像装置12が鋼板Fの照射部を撮像して、輝度分布(又は色分布)を有する撮像画像を出力する。次に、ステップS03に進む。
図3は、本発明の第1実施形態に係る判別装置の構成について説明するための説明図である。
判別関数作成部110は、疵候補の判別に使用する判別関数を作成する。判別関数とは、疵候補の特徴情報を引数(入力値、入力データ)とし判別結果情報を返す(算出する)関数であり、識別関数とも言われる関数である。図3に示すように、この判別関数作成部110は、この判別関数を作成するために、学習データ記憶部111と、判別関数算出部112とを有する。
「学習データ」とは、学習機能に学習させて判別関数を作成させるための正解データである。学習データは、特徴情報と、その特徴情報の正しい判別結果情報とを含む。この学習データに含まれる疵の特徴情報及び判別結果情報を、判別対象である他の疵候補の特徴情報及びその判別結果情報と区別するために、ここでは「学習用特徴情報」及び「学習用判別結果情報」ともいう。そして、学習データに含まれる学習用特徴情報と学習用判別結果情報とは相互に紐付けられている。つまり、学習用特徴情報と学習用判別結果情報とは一対一に対応付けられている。
まず、判別関数算出部112は、各学習データiの学習用特徴情報xiを、特徴量空間上の点(ベクトルxi)として表す。この各学習データを特徴量空間上の点として表した例を、図4に示す。○(白抜きの丸)、□(白抜きの四角)、●(黒塗りの丸)、■(黒塗りの四角)などが、それぞれ学習データの点を表す。また、図4には、説明の便宜上、特徴量空間として、2次元の空間を示し、特徴情報を構成する2つの元として第1特徴量と第2特徴量とを示す。なお、実際の特徴量空間は、特徴情報を構成する特徴量の数だけ次元を有することになる。
まず具体的に、判別関数算出部112による判別関数g(x)の算出過程、ひいてはSVMについて説明すると以下の通りである。なお、ここでは、判別結果情報が判っていない判別対象を「未知判別対象」と呼び、その特徴情報を「未知特徴情報」と呼ぶ。また、学習用判別結果情報を含む、既知の判別結果情報のことを「教師判別結果情報(教師データ)」ともいう。
上述のように、ベクトルxを代入した結果g(x)より算出される判別結果情報(スカラーy)が、正のときには「ベクトルxはクラスX1である」と判別し、負のときには「ベクトルxはクラスX2である」と判別する。同様に、学習データiのベクトルxiに対するスカラーyiも、正であればクラスX1を表し、負であればクラスX2を表す。このスカラーyiを定式化すると、下記式(2)となる。
一方、判別関数算出部112は、g(x)=0で表される判別境界B12と、その判別境界B12までの距離が最短のベクトルxiとの間の距離が、最大となるように判別関数g(x)を導出して決定する。この距離は、マージンとも呼ばれ、1/||w||で表される。よって、判別関数算出部112は、このマージンを最大化させるように判別関数g(x)を導出する。このマージン最大化は、下記式(6)で表される評価関数G(w)を最小化するという最小化問題に帰着することができる。また、上述のようにスカラーξiは、誤判別を許容するための項であるので、この式(6)は、誤判別を減少させ、かつ、マージンを最大化させる判別関数を意味する。すなわち、式(6)の右辺の第1項は、上記マージンの逆数であり、第2項は、各学習データXiに対して許容した誤判別のデータ全体にわたる総和を表している。いずれの項も最小化するのが目的であるが、次元が異なるため重みパラメータCを第2項に乗じた線形和を評価関数G(w)とする。
この判別関数作成部110による判別関数を作成する動作について説明する。図5は、本発明の第1実施形態に係る判別装置による判別関数の作成動作及び作成時の修正動作のフローを説明する説明図である。
再び図3を参照して、判別装置100が有する他の構成の説明に戻る。
判別関数修正部120は、判別関数作成部110が作成した判別関数g(x)を取得する。そして、判別関数修正部120は、この判別関数による判別結果が誤っている疵候補のデータ(特徴情報x)が存在する場合、当該疵候補の特徴情報に対しても正しい判別結果を算出するように判別関数を修正する。この判別結果が誤っている特徴情報を、他の特徴情報xと区別するために「誤判別特徴情報」ともいう。また、判別結果が誤っている場合とは、判別関数が算出した判別結果情報の符合が誤っている(逆である)場合を意味する。なお、多数ある学習データのうちの一部の学習データの学習用特徴情報が誤判別情報になることもあるし、学習データではない別の疵候補の特徴量情報、すなわち未知特徴情報が誤判別情報になることもありうる。判別関数修正部120は、誤判別特徴情報となった学習用特徴情報及び未知特徴情報の両方に対して、判別関数を修正することができる。これらの特定の学習データや別の疵候補、及びその特徴情報は通常ユーザにより指定される。なお、多数の学習データのうちに誤った判別結果が含まれることがある理由は、例えば検査作業者が誤判別をしたり、特徴情報自体が判別するのが困難なほど微妙なグレーゾーンにあることなどに依るものである。
重要学習データ選択部121は、作成時の修正において、学習データ記憶部111に記録された学習データのうち、特に重要な学習データ(以下「重要学習データ」ともいう。)を選択して取得する。重要学習データとは、誤った判別が許容できない学習データのことを意味する。重要学習データとしては、例えば、以下のような学習データが挙げられる。ただし、これらの重要学習データの例は、重要学習データを限定するものではない。
(1)ユーザが設定した学習データ
(2)所定の特徴量が閾値を超えている学習データなど、所定の計算により算出される重要度が高い学習データ
(3)各学習データに対応付けられて学習データ記憶部111に記録された重要度が高い学習データ
判別部130は、判別関数調整部124により設定された判別関数を使用して、疵の候補(判別対象)を判別する。つまり、判別部130は、疵の候補の特徴情報xを判別関数g(x)に代入し、判別結果情報yを算出する。そして、判別部130は、算出した判別結果情報yの符合が正であるか負であるかに応じて、その疵の候補が有害な疵の集合(クラスX1)に属するのか、又は、無害な疵の集合(クラスX2)に属するのかを判別して、判別結果を出力する。この際、判別部130は、判別結果だけでなく、特徴情報x及び判別結果情報yなどを出力してもよい。
この判別部130による判別動作について、図6を参照しつつ説明する。
図6は、本発明の第1実施形態に係る判別装置による判別動作について説明するための説明図である。
ここで上記判別関数修正部120による判別関数の修正についてより詳細に説明する。
この作成時の修正についてより詳細に説明する。
作成時の修正について説明する前に、算出された判別関数を構成するサポートベクトルと学習データとの関係について説明する。
上記式(10)より下記式(28)が導かれ、γi≠0となるため、式(23)より下記式(29)が導かれる。
一方、ケースBの場合、上記式(10)より、下記式(31)が導かれる。
上記式(27)より、下記式(32)が導かれる。
同様に上記式(27)より、下記式(33)が導かれる。
以上、判別関数修正部120による修正動作のうち作成時の修正について説明した。
次に、図8を参照しつつ、他の修正動作である作成後の修正について詳細に説明する。図8は、本発明の第1実施形態に係る判別装置による判別関数の作成後の修正動作について説明するための説明図である。
以上、本発明の第1実施形態に係る判別装置100について説明した。
次に、図9を参照しつつ、本発明の第2実施形態に係る判別装置200について説明する。図9は、本発明の第2実施形態に係る判別装置の構成について説明するための説明図である。
図10は、本発明の第2実施形態に係る判別装置の動作について説明するための説明図である。
11 光源装置
12 撮像装置
13 画像処理装置
14,100,200 判別装置
15 判別結果記憶装置
16 表示装置
17 制御装置
110 判別関数作成部
111 学習データ記憶部
112 判別関数算出部
120,220 判別関数修正部
121 重要学習データ選択部
122 判別関数確認部
123 係数算出部
124 判別関数調整部
125 誤りデータ入力部
130,230 判別部
226得票数確認部
227 判別関数選択部
301 バス
302 CPU
303 HDD
304 ROM
305 RAM
306 入出力インターフェイス
307 通信装置
308 ネットワーク
309 入力装置
310 ドライブ
311 リムーバブル記録媒体
312 音声出力装置
F 鋼板
R ロール
T 表面の領域
Claims (13)
- 判別対象が複数種類の集合のいずれに属するのかを該判別対象を特徴付ける特徴量で構成される特徴情報を入力データとする判別関数を用い、その判別関数の出力値である結果に基づいて判別する判別装置であって、
判別結果が既知の複数の学習用特徴情報と該学習用特徴情報それぞれに対応付けられた判別結果を表す学習用判別結果情報とに基づいて、学習用特徴情報それぞれを特徴情報による空間上の点として表し、仮想的に規定する写像関数により前記空間上の点を写像した際に写像先の空間上において前記点を判別結果別に線形分離する判別面と、当該判別面までの距離が最短の前記点との距離が最大になるように、サポート・ベクター・マシン法を用いて前記判別面を算出して前記判別関数を導出する判別関数算出部と、
既知の判別結果を有する特徴情報であって、前記判別関数に該特徴情報を入力した結果である判別結果情報と該特徴情報の既知の判別結果とが異なる誤判別特徴情報について、前記判別結果情報と前記既知の判別結果とが一致するように、前記誤判別特徴情報が前記判別関数に対して個別に与える影響度合を表した影響係数をそれぞれ調整し、前記判別関数を修正する判別関数修正部と、
判別結果が未知の判別対象を、該判別対象の特徴情報を入力データとして前記修正された前記判別関数を用いて判別する判別部と、
を有することを特徴とする、判別装置。 - 前記判別関数は、前記学習用特徴情報それぞれと判別対象の特徴情報とを入力データとするサポート・ベクター・マシン法のカーネル関数値に、それぞれの前記影響係数を掛けて加え合わせた総和であり、
前記判別関数修正部は、該判別関数の判別結果について前記学習用特徴情報のいずれかが誤判別特徴情報となる場合、前記判別結果の判別結果が正解となるように所定の処理で該誤判別特徴情報の影響係数の大きさを調整することにより、前記判別関数を修正することを特徴とする、請求項1に記載の判別装置。 - 前記判別関数は、前記学習用特徴情報それぞれと判別対象の特徴情報とを入力データとするサポート・ベクター・マシン法のカーネル関数値に、それぞれの前記影響係数を掛けて加え合わせた総和であり、
前記判別関数修正部は、前記学習用特徴情報の1又は2以上により形成された前記判別関数に、前記判別部が誤判別した誤判別特徴情報を新たに追加し、かつ、当該誤判別特徴情報の影響係数の大きさを調整して、前記判別結果の判別結果が正解となるように所定の処理で前記判別関数を修正することを特徴とする、請求項1又は2に記載の判別装置。 - 前記判別関数算出部は、前記複数種類の集合における2つの集合の組み合わせ毎に前記判別面を算出して、当該判別面のそれぞれを判別関数とし、
前記判別部は、前記判別結果が未知の判別対象を、前記判別関数のそれぞれに基づいて前記2つの集合毎に判別した結果、最も多くの前記判別関数により判別された集合に属すると判別することを特徴とする、請求項1〜3のいずれかに記載の判別装置。 - 前記判別関数修正部は、少なくとも前記誤判別特徴情報の既知の判別結果と前記判別部による判別結果とが一致するまで、前記判別関数のそれぞれを修正することを特徴とする、請求項4に記載の判別装置。
- 前記判別対象は、製品を製造する製造プラントにおいて製造させる前記製品に発生した不良状態であり、
前記特徴情報は、前記不良状態を検査した結果得られる1又は2以上の測定値を含むことを特徴とする、請求項1〜5のいずれかに記載の判別装置。 - 判別対象が複数種類の集合のいずれに属するのかを該判別対象を特徴付ける特徴量で構成される特徴情報を入力データとする判別関数を用い、その判別関数の出力値である結果に基づいて判別する判別方法であって、
判別結果が既知の複数の学習用特徴情報と該学習用特徴情報それぞれに対応付けられた判別結果を表す学習用判別結果情報とに基づいて、学習用特徴情報それぞれを特徴情報による空間上の点として表し、仮想的に規定する写像関数により前記空間上の点を写像した際に写像先の空間上において前記点を判別結果別に線形分離する判別面と、当該判別面までの距離が最短の前記点との距離が最大になるように、サポート・ベクター・マシン法を用いて前記判別面を算出して前記判別関数を導出する判別関数算出ステップと、
既知の判別結果を有する特徴情報であって、前記判別関数に該特徴情報を入力した結果である判別結果情報と該特徴情報の既知の判別結果とが異なる誤判別特徴情報について、前記判別結果情報と前記既知の判別結果とが一致するように、前記誤判別特徴情報が前記判別関数に対して個別に与える影響度合を表した影響係数をそれぞれ調整し、前記判別関数を修正する判別関数修正ステップと、
判別結果が未知の判別対象を、該判別対象の特徴情報を入力データとして前記修正された前記判別関数を用いて判別する判別ステップと、
を有することを特徴とする、判別方法。 - 前記判別関数は、前記学習用特徴情報それぞれと判別対象の特徴情報とを入力データとするサポート・ベクター・マシン法のカーネル関数値に、それぞれの前記影響係数を掛けて加え合わせた総和であり、
前記判別関数修正ステップでは、該判別関数の判別結果について前記学習用特徴情報のいずれかが誤判別特徴情報となる場合、前記判別結果の判別結果が正解となるように所定の処理で該誤判別特徴情報の影響係数の大きさを調整することにより、前記判別関数を修正することを特徴とする、請求項7に記載の判別方法。 - 前記判別関数は、前記学習用特徴情報それぞれと判別対象の特徴情報とを入力データとするサポート・ベクター・マシン法のカーネル関数値に、それぞれの前記影響係数を掛けて加え合わせた総和であり、
前記判別関数修正ステップでは、前記学習用特徴情報の1又は2以上により形成された前記判別関数に、前記判別ステップで誤判別された誤判別特徴情報を新たに追加し、かつ、当該誤判別特徴情報の影響係数の大きさを調整して、前記判別結果の判別結果が正解となるように所定の処理で前記判別関数を修正することを特徴とする、請求項7又は8に記載の判別方法。 - 前記判別関数算出ステップでは、前記複数種類の集合における2つの集合の組み合わせ毎に前記判別面を算出して、当該判別面のそれぞれを判別関数とし、
前記判別ステップでは、前記判別結果が未知の判別対象を、前記判別関数のそれぞれに基づいて前記2つの集合毎に判別した結果、最も多くの前記判別関数により判別された集合に属すると判別することを特徴とする、請求項7〜9のいずれかに記載の判別方法。 - 前記判別関数修正ステップでは、少なくとも前記誤判別特徴情報の既知の判別結果と前記判別ステップにおける判別結果とが一致するまで、前記判別関数のそれぞれを修正することを特徴とする、請求項10に記載の判別方法。
- 前記判別対象は、製品を製造する製造プラントにおいて製造させる前記製品に発生した不良状態であり、
前記特徴情報は、前記不良状態を検査した結果得られる1又は2以上の測定値を含むことを特徴とする、請求項7〜11のいずれかに記載の判別方法。 - コンピュータに、判別対象が複数種類の集合のいずれに属するのかを該判別対象を特徴付ける特徴量で構成される特徴情報を入力データとする判別関数を用い、その判別関数の出力値である結果に基づいて判別する判別手順を実行させるためのプログラムであって、
コンピュータに、
判別結果が既知の複数の学習用特徴情報と該学習用特徴情報それぞれに対応付けられた判別結果を表す学習用判別結果情報とに基づいて、学習用特徴情報それぞれを特徴情報による空間上の点として表し、仮想的に規定する写像関数により前記空間上の点を写像した際に写像先の空間上において前記点を判別結果別に線形分離する判別面と、当該判別面までの距離が最短の前記点との距離が最大になるように、サポート・ベクター・マシン法を用いて前記判別面を算出して前記判別関数を導出する判別関数算出手順と、
既知の判別結果を有する特徴情報であって、前記判別関数に該特徴情報を入力した結果である判別結果情報と該特徴情報の既知の判別結果とが異なる誤判別特徴情報について、前記判別結果情報と前記既知の判別結果とが一致するように、前記誤判別特徴情報が前記判別関数に対して個別に与える影響度合を表した影響係数をそれぞれ調整し、前記判別関数を修正する判別関数修正手順と、
判別結果が未知の判別対象を、該判別対象の特徴情報を入力データとして前記修正された前記判別関数を用いて判別する判別手順と、
を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008024529A JP5298552B2 (ja) | 2008-02-04 | 2008-02-04 | 判別装置、判別方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008024529A JP5298552B2 (ja) | 2008-02-04 | 2008-02-04 | 判別装置、判別方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009186243A JP2009186243A (ja) | 2009-08-20 |
JP5298552B2 true JP5298552B2 (ja) | 2013-09-25 |
Family
ID=41069642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008024529A Active JP5298552B2 (ja) | 2008-02-04 | 2008-02-04 | 判別装置、判別方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5298552B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011158711A1 (ja) * | 2010-06-14 | 2011-12-22 | 住友金属工業株式会社 | 欠陥判別装置 |
WO2012050108A1 (ja) * | 2010-10-14 | 2012-04-19 | 住友金属工業株式会社 | 溶接品質判別装置 |
JP6427973B2 (ja) * | 2014-06-12 | 2018-11-28 | オムロン株式会社 | 画像認識装置及び画像認識装置への特徴量データ登録方法 |
CN108956653A (zh) * | 2018-05-31 | 2018-12-07 | 广东正业科技股份有限公司 | 一种焊点质量检测方法、系统、装置及可读存储介质 |
CN110360932B (zh) * | 2019-06-10 | 2020-08-04 | 上海交通大学 | 零件在线检测及数据处理平台以及方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08254501A (ja) * | 1995-03-16 | 1996-10-01 | Hitachi Denshi Ltd | 外観検査方法及び装置 |
JP4132229B2 (ja) * | 1998-06-03 | 2008-08-13 | 株式会社ルネサステクノロジ | 欠陥分類方法 |
JP3979007B2 (ja) * | 2000-12-22 | 2007-09-19 | 富士ゼロックス株式会社 | パターン識別方法および装置 |
AU2002243783B2 (en) * | 2001-01-23 | 2007-07-19 | Health Discovery Corporation | Computer-aided image analysis |
JP2003344300A (ja) * | 2002-05-21 | 2003-12-03 | Jfe Steel Kk | 表面欠陥判別方法 |
JP4059429B2 (ja) * | 2002-08-29 | 2008-03-12 | 大日本スクリーン製造株式会社 | 分類装置、歩留管理システム、分類方法、基板製造方法およびプログラム |
JP4573036B2 (ja) * | 2005-03-16 | 2010-11-04 | オムロン株式会社 | 検査装置および検査方法 |
JP2007114843A (ja) * | 2005-10-18 | 2007-05-10 | Denso Corp | 良否判定装置 |
JP5050607B2 (ja) * | 2006-05-09 | 2012-10-17 | オムロン株式会社 | 検査装置、検査方法、検査プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体 |
-
2008
- 2008-02-04 JP JP2008024529A patent/JP5298552B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2009186243A (ja) | 2009-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111052331B (zh) | 识别检测到的缺陷中的扰乱及所关注缺陷的系统及方法 | |
EP3478728B1 (en) | Method and system for cell annotation with adaptive incremental learning | |
JP6573226B2 (ja) | データ生成装置、データ生成方法及びデータ生成プログラム | |
US10043264B2 (en) | Integration of automatic and manual defect classification | |
US9715723B2 (en) | Optimization of unknown defect rejection for automatic defect classification | |
JPWO2018167900A1 (ja) | ニューラルネットワーク学習装置、方法、およびプログラム | |
CN114092387B (zh) | 生成可用于检查半导体样本的训练数据 | |
US10803575B2 (en) | System, method and computer program product for generating a training set for a classifier | |
Liu et al. | Unsupervised segmentation and elm for fabric defect image classification | |
JP5298552B2 (ja) | 判別装置、判別方法及びプログラム | |
JP2006039658A (ja) | 画像分類学習処理システム及び画像識別処理システム | |
JP4728444B2 (ja) | 異常領域検出装置および異常領域検出方法 | |
JP7150918B2 (ja) | 試料の検査のためのアルゴリズムモジュールの自動選択 | |
US11321633B2 (en) | Method of classifying defects in a specimen semiconductor examination and system thereof | |
JP5446127B2 (ja) | 判別方法、判別装置及びプログラム | |
KR102364865B1 (ko) | 제품의 양불을 판정하는 방법 및 장치 | |
JP6988995B2 (ja) | 画像生成装置、画像生成方法および画像生成プログラム | |
Wang et al. | Local defect detection and print quality assessment | |
US11132790B2 (en) | Wafer map identification method and computer-readable recording medium | |
CN116091496B (zh) | 基于改进Faster-RCNN的缺陷检测方法及装置 | |
JP2007018176A (ja) | 学習装置、学習方法、学習プログラム、記録媒体、パターン認識装置およびパターン認識方法 | |
CN116664540A (zh) | 基于高斯线检测的橡胶密封圈表面缺陷检测方法 | |
EP3696771A1 (en) | System for processing an input instance, method, and medium | |
JP2020052474A (ja) | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 | |
US20240071057A1 (en) | Microscopy System and Method for Testing a Sensitivity of an Image Processing Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100209 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120301 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120327 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120524 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130305 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130422 |
|
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: 20130521 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130603 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5298552 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |