JP6818961B1 - 学習装置、学習方法、および推論装置 - Google Patents
学習装置、学習方法、および推論装置 Download PDFInfo
- Publication number
- JP6818961B1 JP6818961B1 JP2020549084A JP2020549084A JP6818961B1 JP 6818961 B1 JP6818961 B1 JP 6818961B1 JP 2020549084 A JP2020549084 A JP 2020549084A JP 2020549084 A JP2020549084 A JP 2020549084A JP 6818961 B1 JP6818961 B1 JP 6818961B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- learning
- divided data
- divided
- inference
- 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
- 238000000034 method Methods 0.000 title claims description 42
- 230000005856 abnormality Effects 0.000 claims abstract description 67
- 230000002159 abnormal effect Effects 0.000 claims description 28
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 description 55
- 238000010801 machine learning Methods 0.000 description 52
- 238000005520 cutting process Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 16
- 238000003860 storage Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0499—Feedforward networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
Description
図1は、実施の形態1にかかる学習装置の構成を示す図である。学習装置10は、検査対象の学習サンプルである学習対象データを分割し、分割した学習対象データを用いて、正常な状態の検査対象を機械学習するコンピュータである。学習装置10は、AI(Artificial Intelligence:人工知能)の一例である機械学習によって学習済モデルを生成し、後述する推論装置では生成された学習済モデルを用いて正常な状態の検査対象を推論し、検査対象と正常な状態の検査対象とを比較することで、検査対象が異常であるか否かを判断する。なお、以下では、学習対象および検査対象が、製品の画像データである場合について説明するが、学習対象および検査対象は、画像データ以外のデータであってもよい。
つぎに、図10から図12を用いて実施の形態2について説明する。実施の形態2では、学習装置10が、切取位置情報を画像で示した情報(後述する切取位置画像)を、分割データに結合させ、結合させた情報を用いて機械学習を実行する。
つぎに、図14を用いて実施の形態3について説明する。実施の形態3では、推論装置20が、分割データD1〜Dnの切取位置情報を、学習済モデルの中間層に直接入力する。
Claims (14)
- 学習対象のフルサイズのデータである学習対象データを取得するデータ取得部と、
前記学習対象データを分割して前記学習対象データの分割データである第1の分割データを複数生成するとともに、前記第1の分割データのそれぞれに前記第1の分割データの前記学習対象データ内での領域を識別する第1の識別情報を付与するデータ生成部と、
前記第1の分割データと、前記第1の分割データに対応する前記第1の識別情報と、の組である第1の対応情報を用いて、前記第1の分割データの異常を判断するための学習済モデルを生成するモデル生成部と、
を備える、
ことを特徴とする学習装置。 - 前記学習済モデルは、前記第1の対応情報を受付けると、前記第1の分割データの正常なデータとして適切な第1の正常データを出力する、
ことを特徴とする請求項1に記載の学習装置。 - 前記データ取得部は、推論対象のフルサイズのデータである推論対象データを取得し、
前記データ生成部は、前記推論対象データを分割して前記推論対象データの分割データである第2の分割データを複数生成するとともに、前記第2の分割データのそれぞれに前記第2の分割データの前記推論対象データ内での領域を識別する第2の識別情報を付与し、
前記学習済モデルに、前記第2の分割データと、前記第2の分割データに対応する前記第2の識別情報と、の組である第2の対応情報を入力することで、前記推論対象データの異常を判断する推論部をさらに備える、
ことを特徴とする請求項1に記載の学習装置。 - 前記学習済モデルは、前記第2の対応情報を受付けると、前記第2の分割データの正常なデータとして適切な第2の正常データを出力し、
前記推論部は、前記第2の正常データと前記第2の分割データとを比較することで前記第2の分割データの異常を判断し、判断結果に基づいて、前記推論対象データの異常を判断する、
ことを特徴とする請求項3に記載の学習装置。 - 前記推論部は、前記第2の正常データと前記第2の分割データとを比較することで前記第2の分割データのうちの異常な状態を示す箇所を特定し、特定結果に基づいて、前記推論対象データにおいて異常な状態を示す箇所を特定する、
ことを特徴とする請求項4に記載の学習装置。 - 前記学習対象データは、画像データであり、
前記データ生成部は、
前記学習済モデルを生成する際には、前記第1の識別情報を画像化するとともに前記第1の分割データの画像サイズと同じ画像サイズにリサイズし、画像化およびリサイズした前記第1の識別情報を用いて前記第1の対応情報を生成し、生成した前記第1の対応情報を用いて前記学習済モデルを生成する、
ことを特徴とする請求項1または2に記載の学習装置。 - 前記学習対象データおよび前記推論対象データは、画像データであり、
前記データ生成部は、
前記学習済モデルを生成する際には、前記第1の識別情報を画像化するとともに前記第1の分割データの画像サイズと同じ画像サイズにリサイズし、画像化およびリサイズした前記第1の識別情報を用いて前記第1の対応情報を生成し、生成した前記第1の対応情報を用いて前記学習済モデルを生成し、
前記推論対象データの異常を判断する際には、前記第2の識別情報を画像化するとともに前記第2の分割データの画像サイズと同じ画像サイズにリサイズし、画像化およびリサイズした前記第2の識別情報を用いて前記第2の対応情報を生成し、生成した前記第2の対応情報を前記学習済モデルに入力する、
ことを特徴とする請求項3から5の何れか1つに記載の学習装置。 - 前記第1の識別情報は、前記第1の分割データの前記学習対象データ内に占める領域を第1の色で示し、前記学習対象データ内での前記第1の分割データ以外の領域を第2の色で示した情報であり、
前記第2の識別情報は、前記第2の分割データの前記推論対象データ内に占める領域を前記第1の色で示し、前記推論対象データ内での前記第2の分割データ以外の領域を前記第2の色で示した情報である、
ことを特徴とする請求項7に記載の学習装置。 - 前記第1の色が白色である場合には、前記第2の色は黒色であり、
前記第1の色が黒色である場合には、前記第2の色は白色である、
ことを特徴とする請求項8に記載の学習装置。 - 前記第1の識別情報および前記第2の識別情報は、2次元コードである、
ことを特徴とする請求項7から9の何れか1つに記載の学習装置。 - 前記学習済モデルは、ニューラルネットワークであり、
前記モデル生成部は、前記第1の識別情報を前記ニューラルネットワークの中間層に入力して前記学習済モデルを生成し、
前記推論部は、前記第2の識別情報を前記ニューラルネットワークの前記中間層に入力して、前記推論対象データの異常を判断する、
ことを特徴とする請求項3から5の何れか1つに記載の学習装置。 - 前記学習対象データおよび前記推論対象データは、1次元データである、
ことを特徴とする請求項3に記載の学習装置。 - 学習対象のフルサイズのデータである学習対象データを取得するデータ取得ステップと、
前記学習対象データを分割して前記学習対象データの分割データである第1の分割データを複数生成するとともに、前記第1の分割データのそれぞれに前記第1の分割データの前記学習対象データ内での領域を識別する第1の識別情報を付与するデータ生成ステップと、
前記第1の分割データと、前記第1の分割データに対応する前記第1の識別情報と、の組である第1の対応情報を用いて、前記第1の分割データの異常を判断するための学習済モデルを生成するモデル生成ステップと、
を含む、
ことを特徴とする学習方法。 - 推論対象のフルサイズのデータである推論対象データを取得するデータ取得部と、
前記推論対象データを分割して前記推論対象データの分割データを複数生成するとともに、前記分割データのそれぞれに前記分割データの前記推論対象データ内での領域を識別する識別情報を付与するデータ生成部と、
前記分割データと前記分割データに対応する前記識別情報との組である対応情報と、前記対応情報を用いて前記分割データの異常を判断するための学習済みモデルとを用いて、前記推論対象データの異常を判断する推論部と、
を備える、
ことを特徴とする推論装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/015841 WO2021205573A1 (ja) | 2020-04-08 | 2020-04-08 | 学習装置、学習方法、および推論装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6818961B1 true JP6818961B1 (ja) | 2021-01-27 |
JPWO2021205573A1 JPWO2021205573A1 (ja) | 2021-10-14 |
Family
ID=74200189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020549084A Active JP6818961B1 (ja) | 2020-04-08 | 2020-04-08 | 学習装置、学習方法、および推論装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230118767A1 (ja) |
JP (1) | JP6818961B1 (ja) |
CN (1) | CN115443474A (ja) |
DE (1) | DE112020007035T5 (ja) |
WO (1) | WO2021205573A1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022172475A1 (ja) * | 2021-02-12 | 2022-08-18 | オムロン株式会社 | 画像検査装置、画像検査方法、及び学習済みモデル生成装置 |
WO2022172470A1 (ja) * | 2021-02-12 | 2022-08-18 | オムロン株式会社 | 画像検査装置、画像検査方法及び学習済みモデル生成装置 |
WO2022185494A1 (ja) * | 2021-03-04 | 2022-09-09 | 富士通株式会社 | 異常検出プログラム、異常検出方法、および情報処理装置 |
CN117934481A (zh) * | 2024-03-25 | 2024-04-26 | 国网浙江省电力有限公司宁波供电公司 | 基于人工智能的输电线缆状态识别处理方法及系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023170908A1 (ja) * | 2022-03-11 | 2023-09-14 | ギガフォトン株式会社 | 訓練モデルの作成方法、レーザ装置及び電子デバイスの製造方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010211484A (ja) * | 2009-03-10 | 2010-09-24 | Nippon Telegr & Teleph Corp <Ntt> | 存在確率による位置重みを考慮した類似画像検索装置、存在確率による位置重みを考慮した類似画像検索方法、存在確率による位置重みを考慮した類似画像検索プログラム |
JP2014063360A (ja) * | 2012-09-21 | 2014-04-10 | Sony Corp | 信号処理装置および信号処理方法、出力装置および出力方法、並びにプログラム |
JP6612486B1 (ja) * | 2019-05-31 | 2019-11-27 | 楽天株式会社 | 学習装置、分類装置、学習方法、分類方法、学習プログラム、及び分類プログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018195119A (ja) | 2017-05-18 | 2018-12-06 | 住友電装株式会社 | 異変検出装置及び異変検出方法 |
-
2020
- 2020-04-08 WO PCT/JP2020/015841 patent/WO2021205573A1/ja active Application Filing
- 2020-04-08 US US17/915,518 patent/US20230118767A1/en active Pending
- 2020-04-08 CN CN202080099448.7A patent/CN115443474A/zh active Pending
- 2020-04-08 JP JP2020549084A patent/JP6818961B1/ja active Active
- 2020-04-08 DE DE112020007035.2T patent/DE112020007035T5/de active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010211484A (ja) * | 2009-03-10 | 2010-09-24 | Nippon Telegr & Teleph Corp <Ntt> | 存在確率による位置重みを考慮した類似画像検索装置、存在確率による位置重みを考慮した類似画像検索方法、存在確率による位置重みを考慮した類似画像検索プログラム |
JP2014063360A (ja) * | 2012-09-21 | 2014-04-10 | Sony Corp | 信号処理装置および信号処理方法、出力装置および出力方法、並びにプログラム |
JP6612486B1 (ja) * | 2019-05-31 | 2019-11-27 | 楽天株式会社 | 学習装置、分類装置、学習方法、分類方法、学習プログラム、及び分類プログラム |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022172475A1 (ja) * | 2021-02-12 | 2022-08-18 | オムロン株式会社 | 画像検査装置、画像検査方法、及び学習済みモデル生成装置 |
WO2022172470A1 (ja) * | 2021-02-12 | 2022-08-18 | オムロン株式会社 | 画像検査装置、画像検査方法及び学習済みモデル生成装置 |
WO2022185494A1 (ja) * | 2021-03-04 | 2022-09-09 | 富士通株式会社 | 異常検出プログラム、異常検出方法、および情報処理装置 |
CN117934481A (zh) * | 2024-03-25 | 2024-04-26 | 国网浙江省电力有限公司宁波供电公司 | 基于人工智能的输电线缆状态识别处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
US20230118767A1 (en) | 2023-04-20 |
DE112020007035T5 (de) | 2023-01-19 |
WO2021205573A1 (ja) | 2021-10-14 |
CN115443474A (zh) | 2022-12-06 |
JPWO2021205573A1 (ja) | 2021-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6818961B1 (ja) | 学習装置、学習方法、および推論装置 | |
JP6924413B2 (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 | |
CN106503724A (zh) | 分类器生成装置、有缺陷/无缺陷确定装置和方法 | |
WO2019176993A1 (ja) | 検査システム、画像識別システム、識別システム、識別器生成システム、及び学習データ生成装置 | |
JP7059883B2 (ja) | 学習装置、画像生成装置、学習方法、及び学習プログラム | |
JP2019159820A (ja) | 検査装置、画像識別装置、識別装置、検査方法、及び検査プログラム | |
KR20210141060A (ko) | 머신러닝 기반의 이미지 이상 탐지 시스템 | |
US20200334801A1 (en) | Learning device, inspection system, learning method, inspection method, and program | |
WO2018235266A1 (ja) | 検査装置、検査方法及び検査プログラム | |
CN113344875A (zh) | 一种基于自监督学习的异常图像检测方法 | |
JP2022045688A (ja) | 欠陥管理装置、方法およびプログラム | |
JP7298176B2 (ja) | 欠点検査装置および学習済みモデル | |
CN111429547A (zh) | 一种基于假同色搜索的异常色觉测试图合成方法 | |
WO2019176988A1 (ja) | 検査システム、識別システム、及び識別器評価装置 | |
WO2019146538A1 (ja) | 画像処理装置、画像処理方法及び記録媒体 | |
KR102437115B1 (ko) | 제품 구조 예측 기술을 이용한 딥러닝 기반 결함 검사 장치 및 방법 | |
WO2021100483A1 (ja) | モデル生成装置、推定装置、モデル生成方法、及びモデル生成プログラム | |
CN113016023B (zh) | 信息处理方法以及计算机可读的非暂时性记录介质 | |
CN112767331A (zh) | 基于零样本学习的图像异常检测方法 | |
CN111179226B (zh) | 视野图的识别方法、装置及计算机存储介质 | |
JP7099296B2 (ja) | 評価方法、システム構築方法、及び評価システム | |
JP2005252451A (ja) | 画質検査方法及び画質検査装置 | |
WO2022172470A1 (ja) | 画像検査装置、画像検査方法及び学習済みモデル生成装置 | |
WO2022172475A1 (ja) | 画像検査装置、画像検査方法、及び学習済みモデル生成装置 | |
WO2022172468A1 (ja) | 画像検査装置、画像検査方法及び学習済みモデル生成装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200914 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200914 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20201110 |
|
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: 20201201 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201228 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6818961 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |