JP6684777B2 - 製造物良・不良判定システムおよび製造物良・不良判定方法 - Google Patents
製造物良・不良判定システムおよび製造物良・不良判定方法 Download PDFInfo
- Publication number
- JP6684777B2 JP6684777B2 JP2017243815A JP2017243815A JP6684777B2 JP 6684777 B2 JP6684777 B2 JP 6684777B2 JP 2017243815 A JP2017243815 A JP 2017243815A JP 2017243815 A JP2017243815 A JP 2017243815A JP 6684777 B2 JP6684777 B2 JP 6684777B2
- Authority
- JP
- Japan
- Prior art keywords
- product
- defective
- vector
- data
- determination
- 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
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Description
以下、本発明に係る各実施形態を、図1ないし図17を用いて説明する。
製造物良・不良判定システムは、製造物良・不良判定装置100、DB(DataBase)サーバ300、クライアント端末50がネットワーク5により相互に接続された形態である。
製造物良・不良判定装置は、PC(Personal Computer)のような一般的に情報処理装置で構成することができ、機能部として、図2に示されるように、製造物データ登録部110、統計情報更新部120、画像登録部130、画像特徴量抽出部140、判定結果登録部150、モデル構成部160、判定基準値算出部170、Webサーバ機能部180、DBアクセス部200、データ入出力部210からなる。
良・不良判定テーブルは、製造物の画像に対して、良・不良の判定結果を格納するテーブルであり、図3に示されるように、画像ID201、特徴量ベクトル202、判定結果203の各フィールドからなる。画像ID201には、画像を特定する識別子が、整数値の形式で格納される。特徴量ベクトル202には、その画像の特徴量が、実数値の次元数分からなる組のベクトル形式で格納される。なお、特徴量ベクトルの具体例は、後述する。判定結果203には、その画像に対応する製品の良・不良の判定結果が、OK(良品)、NG(不良品)、未判定の3値のいずれかとして格納される。
先ず、図6を用いて製造物良・不良判定装置が実行する良品モデル、不良品モデルを構成する処理について説明する。
判定結果203の値がOK(良品)である特徴量ベクトル202に格納された特徴量ベクトルの集合に対して、k−means法によるクラスタリングをおこなう。k−means法は、情報処理技術の分野で良く知られたクラスタリング方法であり、与えられたデータの集合を、K個のクラスタに分類するものである。k−means法の適用により、各特徴量ベクトルのクラスタに対して、その平均ベクトルが取得される。k−means法では、クラスタ数Kを事前に設定する必要がある。本実施形態の場合は、本実施形態のシステムの運用者が、良品データの件数等に応じて、適切な値を設定するものとするが、K=1、すなわち、1クラスタであってもよい。
k−means法により取得された平均ベクトルの集合(K個ある)より、任意の特徴量ベクトルが与えられた場合の良品モデルとの距離は、次の(式2)のように定義される。
この処理を図解すると、図7に示されるようになる。
製造物の撮像画像から、その特徴量ベクトルを抽出する。特徴量ベクトルが与えられた場合に良・不良を判定するための基準となる数値は、(式2)による良品モデルとの距離、および、(式3)による不良品モデルとの距離を用いて、次の(式4)のように定義される。
ここでは、製造物の画像データがシステムがサポートするファイルシステムのあるディレクトリの中にまとめられているものとする。
次に、画像ファイルを読み込む(S522)。
次に、その画像から特徴量ベクトルを抽出する(S523)。
次に、抽出された特徴量ベクトルを用いて、判定基準値算出が行われる(S524)。判定基準値算出処理の詳細については、後述する。
判定基準値算出S524の処理では、先ず、DBサーバ300に問い合わせることによって、良品モデル統計テーブル230から良品モデルの統計情報を取得する(S1601)。
Webサーバ機能部180は、先ず、良・不良判定モデルを構成するために必要なパラメータを取得する(S1501)。良・不良判定モデルを構成するために必要なパラメータは、クライアント端末50から入力できるものとする(このユーザインタフェースは、後述する)。
類似検索とは、問合せとして与えられた特徴量ベクトルと、データベース上に格納された特徴量ベクトルとを比較することによって、問合せベクトルと類似性が高いベクトルを取得する検索処理である。今、問合せられた特徴量ベクトルをq、データベース上のテーブルに格納されている任意の特徴量ベクトルをxとし、次の(式5)により、両者の2乗距離d(x,q)を算出する。
なお、本実施形態では、類似検索結果を表示するユーザインタフェースも提供されている(詳細は後述)。
本実施形態の製造物良・不良判定装置100は、Webサーバとして機能し、クライアント端末50に、図11に示されるように、各種データの表示と入力をおこなうためのWebページとして、トップメニュー画面800、登録データ一覧表示画面900、個別データ表示画面1000、統計情報更新画面1100、不良品データ一括登録画面1200、類似検索結果表示画面1300を提供する。図11の矢印は、ユーザの操作により可能な遷移を表したものである。
品種入力欄1101は、統計情報更新の対象となる製品の品種を入力するテキストフィールドである。登録件数表示欄1102には、入力された品種の登録画像数が表示される。不良品件数表示欄1103には、その品種中で、不良品と判定されたデータの件数が表示される。良品モデルクラスタ数入力欄1104には、図6により説明した良品モデルを構成する処理S301におけるクラスタ数を指定する。不良品モデルクラスタ数入力欄1105には、同じく図6により説明した不良品モデルを構成する処理S304におけるクラスタ数を指定する。使用する不良品データ数入力欄1106には、同じく図6により説明した不良品モデルを構成する際に用いる良品モデルと近い不良品データの件数を指定する。重み入力欄1107には、(式4)のパラメータαの値を指定する。更新ボタン1108をクリックすると、指定された品種の統計情報が、指定された設定に基づいて更新される。更新処理が終了すると、トップメニュー画面800に戻る。
新たな品種の外観画像を本実施形態の製造物良・不良判定システムに投入する処理を一定期間運用した後、ユーザは、図15に示される統計情報更新画面1100を呼出して、統計情報更新処理を実施する。ここで、説明を単純化するために、良品モデルクラスタ数は、1、すなわち、品種ごとの平均ベクトルのみが良品統計量テーブルに管理されているものとする。
以下、実施形態2を、図18ないし図23を用いて説明する。
本実施形態では、先ず、図18を用いて良・不良判定モデルのアルゴリズムを説明し、後に、実施形態1と異なる所を中心に、データ構造、処理の詳細、ユーザインタフェース画面について説明する。
実施形態1では、品種ごとに、良品判定データの特徴量ベクトルに対するクラスタリングをおこない良品モデルを構成し、かつ、品種ごとに、クラスタリング処理により不良品モデルを構成した。
この処理を図解すると、図18に示されるようになる。
本実施形態の良・不良判定モデルを構成する処理では、先ず、良品モデルとして、品種ごとの良品データの平均ベクトルを算出する(S1701、(式6))。次に、各不良品データの特徴量ベクトルと対応する品種の平均ベクトルとの差である差ベクトルを算出する(S1702、(式7))。次に、各不良品データの差ベクトルを、2乗ノルムが小さい順序にソートする(S1703、(式10))。次に、パラメータとして指定された件数の不良品データを上位から選択することによって、不良品モデルを構成するための特徴量ベクトルの集合を構成する(S1704)。そして、その特徴量ベクトルの集合に対してk−means法を適用することによって、不良品に対する平均ベクトルの集合を導出し、これを不良品モデルとする(S1705)。
本処理では、先ず、与えられデータの特徴量ベクトルfとその品種の平均ベクトルμiとの差ベクトルgを算出する(S1801、(式9)に対応した記号を使用した)。この差ベクトルgを用いて、(式8)に示した良・不良判定のための判定基準値(d(f))を算出する(S1802)。
図21は、実施形態2の製造物データ基準テーブルを示す図である。
実施形態2の製造物データ基準テーブル411は、実施形態1の実施形態2の製造物データ基準テーブルに加えて、差ベクトル1908が追加されたものである。
本実施形態の統計情報更新画面2000は、図22に示されるように、実施形態1の図15の統計情報更新画面1100に相当する統計情報更新のための画面である。品種入力欄2001〜不良件数表示欄2003は、図15の品種入力欄1101〜不良品件数表示欄1103の内容と同等である。本実施形態の統計情報更新画面2000では、これらの情報に加えて、全ての品種にわたり、不良と判定されたデータの件数が、総不良件数表示欄2004に表示される。統計情報更新のための入力パラメータについては、図15の良品モデルクラスタ数入力欄1104に相当する表示オブジェクトが存在しない以外は、図15の統計情報更新画面1100と同様で、不良品モデルクラスタ数入力欄2005〜重み入力欄2007は、図15の統計情報更新画面1100の不良品モデルクラスタ数入力欄1105〜重み入力欄1107に対応する。ただし、重み入力欄は、(式8)のパラメータβを指定する。また、更新ボタン2008をクリックした場合の画面遷移についても、図15の統計情報更新画面1100の更新ボタン1108に関する説明と同様である。
図23に示した実施形態2の統計情報更新処理は、実施形態1の図10のフローチャートにより示した統計情報更新処理に相当するものであり、図15の統計情報更新画面2000の更新ボタン2008をクリックした場合に実行されるものである。
41…製造物
42…外観画像データ
43…良・不良判定情報
50…クライアント端末
100…製造物良・不良判定装置
110…製造物データ登録部
120…統計情報更新部
130…画像登録部
140…画像特徴量抽出部
150…判定結果登録部
160…モデル構成部
161…良品モデル構成部
162…不良品モデル構成部
170…判定基準値算出部
180…Webサーバ機能部
181…HTML作成部
182…クライアントI/F部
200…DBアクセス部
210…データ入出力部
510…外観画像撮像装置
520…検査端末
300…DB(DataBase)サーバ
400…DB
410,411…製造物データ基準テーブル
420…良品統計テーブル
430…不良品統計テーブル
440…良・不良判定テーブル
201…画像ID
202…特徴量ベクトル
203…判定結果
601…画像データ
602…特徴量ベクトル
603…判定結果
604…判定基準値
605…製品ID
606…品種
607…表示用画像
701…平均ベクトル
702…品種
800…トップメニュー画面
801…登録データ一覧表示ボタン
802…個別データ表示ボタン
803…統計情報更新ボタン
804…不良品データ一括登録ボタン
900…登録データ一覧表示画面
901…品種入力欄
902…対象絞り込みチェックボックス
903…表示ソート順チェックボックス
904…ページボタン
905…画像
906…判定結果チェックボックス
907…全選択ボタン
908…保存ボタン
909…メニューボタン
1000…個別データ表示画面
1001…品種情報表示欄
1002…製品ID入力欄
1003…画像詳細表示
1004…判定結果チェックボックス
1005…類似検索ボタン
1006…保存ボタン
1007…メニューボタン
1100…統計情報更新画面
1101…品種入力欄
1102…登録件数表示欄
1103…不良品件数表示欄
1104…良品モデルクラスタ数入力欄
1105…不良品モデルクラスタ数入力欄
1106…使用する不良品データ数入力欄
1107…重み入力欄
1108…更新ボタン
1200…不良品データ一括登録画面
1201…製品IDリスト入力欄
1202…登録ボタン
1300…類似検索結果表示画面
1301…クエリ画像
1302…品種表示欄
1303…対象絞り込みチェックボックス
1304…ページボタン
1305…画像
1306…判定結果チェックボックス
1307…全選択ボタン
1308…保存ボタン
1309…メニューボタン
1901…画像データ
1902…特徴量ベクトル
1903…判定結果
1904…判定基準値
1905…製品ID
1906…品種
1907…表示用画像
1908…差ベクトル
2000…統計情報更新画面
2001…品種入力欄
2002…登録件数表示欄
2003…不良件数表示欄
2004…総不良件数表示欄
2005…不良品モデルクラスタ数入力欄
2006…使用する不良品データ数入力欄
2007…重み入力欄
2008…更新ボタン
Claims (2)
- 製造物の良・不良を判定するための製造物良・不良判定システムであって、
製造物に係る対象に対して、良・不良が付与された情報を入力する手段と、
製造物に係る対象の特徴量ベクトルを算出する手段とを有し、
良が付与された製造物に係る対象の特徴量ベクトルの品種ごとの集合に含まれる特徴量ベクトルから、各々の集合の平均ベクトルを求め、
不良が付与された製造物に係る対象の特徴量ベクトルと、良が付与された製造物に係る対象の特徴量ベクトルの品種ごとの集合に含まれる特徴量ベクトルから求められた各々の集合の平均ベクトルから、差ベクトルを求め、
求められた複数の差ベクトルを二乗ノルムが小さい順にソートして、一定数を前記二乗ノルムが小さい順の差ベクトルに対応する特徴量ベクトルを抽出し、
抽出された不良が付与された製造物に係る対象の特徴量ベクトルをクラスタリングして、各々のクラスタに含まれる特徴量ベクトルから、平均ベクトルを求め、そのクラスタから算出された平均ベクトルの集合を、不良品モデルを表す統計量として、不良品モデルを構成し、
製造物の対象の特徴量ベクトルに対して、その製造物の品種の良が付与された製造物に係る対象の集合の平均ベクトルとの差ベクトルを求め、
前記差ベクトルの二乗ノルムと、前記差ベクトルと不良が付与された製造物に係る対象の特徴量ベクトルから求められた平均ベクトルの差の二乗ノルムのクラスタにおける最小値から合成され、前記差ベクトルの二乗ノルムと前記差ベクトルと不良が付与された製造物に係る対象の特徴量ベクトルから求められた平均ベクトルの差の二乗ノルムのクラスタにおける最小値の評価の配分の割合を定めるパラメータを含む良・不良判定の評価指標から製造物の良・不良判定の判定基準値を算出することを特徴とする製造物良・不良判定システム。 - 製造物に係る対象は、製造物を撮像した画像であることを特徴とする請求項1記載の製造物良・不良判定システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017243815A JP6684777B2 (ja) | 2017-12-20 | 2017-12-20 | 製造物良・不良判定システムおよび製造物良・不良判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017243815A JP6684777B2 (ja) | 2017-12-20 | 2017-12-20 | 製造物良・不良判定システムおよび製造物良・不良判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019109834A JP2019109834A (ja) | 2019-07-04 |
JP6684777B2 true JP6684777B2 (ja) | 2020-04-22 |
Family
ID=67179937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017243815A Active JP6684777B2 (ja) | 2017-12-20 | 2017-12-20 | 製造物良・不良判定システムおよび製造物良・不良判定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6684777B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11521120B2 (en) * | 2018-09-12 | 2022-12-06 | Fanuc Corporation | Inspection apparatus and machine learning method |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003216930A (ja) * | 2002-01-21 | 2003-07-31 | Matsushita Electric Works Ltd | 変色検査方法及び変色検査装置 |
JP2004195080A (ja) * | 2002-12-20 | 2004-07-15 | Fuji Photo Film Co Ltd | 異常陰影検出装置 |
JP2004198436A (ja) * | 2004-02-09 | 2004-07-15 | Hitachi Ltd | 欠陥検査方法及びその装置 |
JP5152081B2 (ja) * | 2009-04-09 | 2013-02-27 | 株式会社デンソー | 外観検査装置 |
JPWO2017017722A1 (ja) * | 2015-07-24 | 2018-05-24 | オリンパス株式会社 | 処理装置、処理方法及びプログラム |
-
2017
- 2017-12-20 JP JP2017243815A patent/JP6684777B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11521120B2 (en) * | 2018-09-12 | 2022-12-06 | Fanuc Corporation | Inspection apparatus and machine learning method |
Also Published As
Publication number | Publication date |
---|---|
JP2019109834A (ja) | 2019-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11522769B1 (en) | Service monitoring interface with an aggregate key performance indicator of a service and aspect key performance indicators of aspects of the service | |
US11853361B1 (en) | Performance monitoring using correlation search with triggering conditions | |
US20170322985A1 (en) | Creating an entity definition from a search result set | |
TWI223171B (en) | System for classifying files of non-textual subject data, method for categorizing files of non-textual data and method for identifying a class for data file at a classification node | |
JP6101607B2 (ja) | データ分析支援システム | |
CN101853299A (zh) | 一种基于感性认知的图像检索结果排序方法 | |
JP4948607B2 (ja) | 画像検索装置、画像分類装置及び方法並びにプログラム | |
WO2007125108A1 (en) | A method and system for controlling an industrial process including automatically displaying information generated in response to a query in an industrial installation | |
JPWO2004097703A1 (ja) | 製造工程解析支援方法、その方法をコンピュータに実行させるプログラム、プログラムプロダクトおよび記録媒体 | |
JP5337673B2 (ja) | 画像検索システム | |
KR102543064B1 (ko) | Rpa 기반 제조환경 모니터링 서비스 제공 시스템 | |
Brilakis et al. | Content-based search engines for construction image databases | |
JP6684777B2 (ja) | 製造物良・不良判定システムおよび製造物良・不良判定方法 | |
Brilakis et al. | Multimodal image retrieval from construction databases and model-based systems | |
JPH11175552A (ja) | データベース検索装置及びデータベース検索プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
JP2004185259A (ja) | 蓄積画像管理装置及びプログラム | |
JP2020052674A (ja) | プロセス状態解析装置及びプロセス状態表示方法 | |
US20210124751A1 (en) | Prescriptive Recommendation System and Method for Enhanced Speed and Efficiency in Rule Discovery from Data in Process Monitoring | |
JP2010282402A (ja) | 検索システム | |
CN117015812A (zh) | 用于对数据点进行聚类的系统 | |
JP4351578B2 (ja) | 生産計画の支援システム及びコンピュータプログラム | |
JPWO2009008129A1 (ja) | 開発書類データ管理装置、開発書類データ管理システム、開発書類データ管理方法及び、そのプログラム並びに記憶媒体 | |
JP2006171931A (ja) | テキストマイニング装置およびテキストマイニングプログラム | |
US8224838B2 (en) | Database search method, program, and apparatus | |
JP7284301B2 (ja) | 情報収集システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190207 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200124 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200128 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200306 |
|
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: 20200317 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200330 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6684777 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |