JP6936958B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP6936958B2 JP6936958B2 JP2017215452A JP2017215452A JP6936958B2 JP 6936958 B2 JP6936958 B2 JP 6936958B2 JP 2017215452 A JP2017215452 A JP 2017215452A JP 2017215452 A JP2017215452 A JP 2017215452A JP 6936958 B2 JP6936958 B2 JP 6936958B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- unit
- region
- data
- defect
- 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
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19147—Obtaining sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/196—Recognition using electronic means using sequential comparisons of the image signals with a plurality of references
- G06V30/1983—Syntactic or structural pattern recognition, e.g. symbolic string recognition
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
まず、図1を用いて、本発明が適用される場面の一例について説明する。図1は、本実施形態に係るデータ生成装置100の適用場面の一例を模式的に例示した機能ブロック図である。本実施形態に係るデータ生成装置100は、撮像装置153によって撮像された検査対象物の画像に欠陥が含まれている場合に、ユーザインタフェース170によって欠陥が含まれる領域の指定を受け付けて、その領域の外縁を広げるように補正して、補正された領域を画像に関連付けて新たな学習用データを生成する装置である。
[機能構成]
次に、図1を用いて、本実施形態に係るデータ生成装置100の機能構成の一例を説明する。データ生成装置100は、学習用データを用いて、検査対象物の欠陥の有無と、検査対象物に欠陥が含まれる場合には、その欠陥の位置と、その欠陥の種類と、を含む属性情報(ラベル)を出力する識別器を生成する機能を備える。ここで、検査対象物に複数の欠陥が含まれる場合には、属性情報は、欠陥の有無と、複数の欠陥の位置と、それらの欠陥の種類と、を含んでよい。また、データ生成装置100は、検査対象物を計測した計測画像を取得し、生成された識別器を用いて、検査対象物の属性情報を出力する機能を備える。したがって、データ生成装置100は、検査対象物の計測画像を取得し、計測画像に基づいて検査対象物の欠陥の有無に関する情報を含む計測結果を出力する検査装置又は検査システムとして機能する。
画像収集部110は、学習用データを生成するためのサンプル画像を取得する。サンプル画像は、検査対象物を撮像した画像でもよく、また、公知の画像合成技術により生成されたCG画像であってもよい。画像収集部110が取得したサンプル画像は、属性付与部111にて、各画像に対して、又は、複数の画像に対して、属性情報の付与が行われる。すなわち、属性付与部111は、サンプル画像に対して属性情報を付与することで、サンプル画像を学習用データにする。
図2は、本実施形態に係るデータ生成装置の第1学習部130及び第2学習部140における処理の内容を示す概念図である。第1学習部130は、画像収集部110から、学習用データを取得する。なお、第1学習部130は、後述する画像修正部120から、学習用データを取得してもよい。第1学習部130は、取得した学習用データを用いた機械学習を実行し、識別器(a、b、c、・・・)を生成する第1学習処理部131を有する。識別器(a、b、c、・・・)は、画像データを入力とし、当該画像に含まれる欠陥の有無と、1又は複数の欠陥が含まれる場合にはその位置及びその種類と、を含む属性情報を出力するものである。なお、識別器(a、b、c、・・・)には、画像データ以外のデータが入力されてもよい。例えば、識別器(a、b、c、・・・)には、検査対象物の画像を撮像した条件(光量や撮像装置の露光時間等)が入力されたり、検査対象物の識別情報が入力されたりしてもよい。
引き続き、図2を用いて、第2学習部140における処理の内容を説明する。第2学習部140は、所定の生成処理によって生成された識別器に対する追加学習(再学習)を行う。なお、第2学習部140について、第1学習部130と共通する要素については、その記載を省略する。
図3は、本実施形態に係るデータ生成装置100の計測部150における処理の内容を示す概念図である。計測部150は、学習用データを用いた学習処理及び評価処理によって生成された識別器を用いて、撮像装置153により撮像された検査対象物の計測画像の属性情報を出力させ、計測画像及び属性情報を含む計測結果を出力する。属性情報は、欠陥の有無、1又は複数の欠陥が含まれる場合にはその欠陥の位置及び種類、を含む。
計測結果管理部160は、計測結果に含まれる計測画像と、識別器により出力された計測画像の属性情報とを関連付けて記憶する計測結果DB161を有する。なお、計測結果管理部160は、検査対象物を識別するための識別情報を、計測結果とともに取得してもよい。このとき、検査対象物の識別情報は、計測部150から取得してもよく、所定のインタフェースを介して外部より取得してもよい。また、計測結果DB161は、属性情報に含まれる属性の種別に応じて、例えば、欠陥の種別の属性に関連付けて、計測画像を分類して記憶してもよい。
本実施形態において、ユーザインタフェース170は、第2作業者が、計測部150による計測結果を確認するために用いられたり、計測画像に含まれる欠陥を囲むように領域を指定する操作(領域指定)を実行するために用いられたりする。ユーザインタフェース170は、少なくとも計測部150による計測結果を表示するための表示部(液晶表示装置等)、及び、第2作業者による領域指定を行うための入力部(タッチパネル、キーボード、マウス等)を有する。第2作業者は、表示部に表示された計測結果に基づいて、識別器により出力された検査対象物の属性情報の正誤を判断し、入力部を用いて欠陥を囲む領域を入力してよい。この際、入力部は、欠陥が含まれている領域の内点を指定する、画像の1又は複数の点の入力を受け付けてもよいし、領域の外形を指定する、画像の1又は複数の点の入力を受け付けてもよい。第2作業者により行われた領域指定の内容は、画像修正部120に対して出力される。なお、領域指定の入力操作を行える者は、後述する画像修正部120によって所定の実行権限を有すると認定された者に制限されてよい。これによれば、入力操作の信頼性が向上するとともに、生成される新たな学習用データの品質、ひいては、新たな学習用データを用いて生成される識別器の識別精度を向上させることができる。また、第1作業者と第2作業者とは同一であってもよい。
画像修正部120は、取得された領域を補正して、学習用データの生成を行う。画像修正部120は、生成部121、修正画像データベース(以下、「修正画像DB」と称す。)122、補正部123及び選択部124を有し、ユーザインタフェース170によって受け付けた領域を補正して、学習用データを生成する。なお、以下では、画像修正部120は、ユーザインタフェース170によって受け付けた領域を補正して、補正した領域を計測画像に関連付けることで新たな学習用データを生成する例について説明するが、ユーザインタフェース180によって受け付けた領域を補正して、補正した領域をサンプル画像に関連付けることで新たな学習用データを生成してもよい。
次に、図4を用いて、本実施形態に係るデータ生成装置100のハードウェア構成の一例を説明する。本実施形態に係るデータ生成装置100は、演算装置101、出力装置191、入力装置192及び撮像装置153を備える情報処理装置であってよい。ここで、出力装置191及び入力装置192は、ユーザインタフェース170及びユーザインタフェース180を構成する。
図5は、本実施形態に係るデータ生成装置100による画像の領域の補正の例を示す図である。同図の左上には、スマートフォンの背面を撮像した計測画像と、その計測画像に含まれる3つの欠陥を囲む領域R1、R2及びR3を破線で指定した例を示している。ここで、領域R1、R2及びR3は、第2作業者によって指定されたものとする。領域R1及び領域R2は、横長の欠陥を囲むように、長辺と短辺の差が比較的大きい矩形で指定されている。また、領域R3は、折れ線状の欠陥を囲むように、長辺と短辺の差が比較的小さい矩形で指定されている。ここで、領域R1、R2及びR3を指定する破線が、領域R1、R2及びR3の外縁にあたる。すなわち、領域の外縁とは、領域の外周部分であり、実質的に領域の境界と同義である。本例のスマートフォンの背面には、「om」の文字(ロゴ)が付されており、左上にはカメラのための開口が設けられている。
欠陥を有する検査対象物の画像及び前記画像の前記欠陥が含まれている領域を取得する取得部(153、170、180)と、
前記取得部(153、170、180)により取得された領域を、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正する補正部(123)と、
前記補正部により補正された領域を前記画像に関連付けて、学習用データを生成する生成部(121)と、
を備えるデータ生成装置(100)。
前記補正部(123)は、前記取得部(153、170、180)により取得された領域に対して複数の異なる補正を行い、
前記生成部(121)は、前記補正部(123)により複数の異なる補正が行われた前記領域を前記画像に関連付けて、前記補正部(123)により行われた複数の異なる補正に対応する複数の学習用データの候補を生成する、
付記1に記載のデータ生成装置。
前記補正部(123)は、前記取得部(153、170、180)により取得された領域に含まれる前記欠陥以外の背景模様に基づいて、前記領域の補正の方法を決定する、
付記1又は2に記載のデータ生成装置。
前記複数の学習用データの候補それぞれを、異なる識別器の学習に適用して、入力された画像に基づいて前記検査対象物に欠陥が含まれているか否かを識別する複数の識別器を学習させる学習部(130、140)と、
前記学習部(130、140)により学習された、複数の学習済みの識別器(a、b、c、A、B)の識別性能に基づいて、前記複数の学習用データの候補から1又は複数の学習用データを選択する選択部(124)と、をさらに備える、
付記2に記載のデータ生成装置。
前記選択部(124)は、前記補正部(123)により補正を行う前の領域と、前記補正部(123)により補正を行った後の領域との類似度に基づいて、前記複数の学習用データの候補から前記1又は複数の学習用データを選択する、
付記4に記載のデータ生成装置。
前記選択部(124)は、前記補正部(123)により補正を行う前の領域の外縁の画素値と、前記補正部(123)により補正を行った後の領域の外縁の画素値との相関に基づいて、前記類似度を算出する、
付記5に記載のデータ生成装置。
前記取得部(153、170、180)は、複数の欠陥を有する検査対象物の画像と、前記画像の前記複数の欠陥のうち1つがそれぞれ含まれる複数の領域とを取得し、
前記補正部(123)は、前記取得部(153、170、180)により取得された複数の領域それぞれについて、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正し、
前記生成部(121)は、前記補正部により補正された前記複数の領域を前記画像に関連付けて、学習用データを生成する、
付記1から6のいずれか一項に記載のデータ生成装置。
前記画像の前記欠陥が含まれている領域を指定する情報の入力を受け付ける入力部(170、180)をさらに備え、
前記取得部(153、170、180)は、前記入力部(170、180)により入力された情報に基づいて、前記画像の前記欠陥が含まれている領域を取得する、
付記1から7のいずれか一項に記載のデータ生成装置。
前記入力部(170、180)は、前記画像の前記欠陥が含まれている領域の内点を指定する、前記画像の1又は複数の点の入力を受け付ける、
付記8に記載のデータ生成装置。
前記内点は、前記画像の前記欠陥の端点を含む、
付記9に記載のデータ生成装置。
前記入力部(170、180)は、前記画像の前記欠陥が含まれている領域の外形を指定する、前記画像の1又は複数の点の入力を受け付ける、
付記8から10のいずれか一項に記載のデータ生成装置。
前記補正部(123)は、所定の条件を満たす場合に、前記領域の外縁が狭まるように、前記領域を補正する、
付記1から11のいずれか一項に記載のデータ生成装置。
前記補正部(123)は、前記取得部(153、170、180)により取得された領域に含まれる前記欠陥とその他の部分との割合に基づいて、前記領域の外縁の拡縮率を決定する、
付記1から12のいずれか一項に記載のデータ生成装置。
欠陥を有する検査対象物の画像及び前記画像の前記欠陥が含まれている領域を取得することと、
取得された領域を、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正することと、
補正された領域を前記画像に関連付けて、学習用データを生成することと、
を含むデータ生成方法。
データ生成装置(100)に備えられた演算装置を、
欠陥を有する検査対象物の画像及び前記画像の前記欠陥が含まれている領域を取得する取得部(153、170、180)、
前記取得部(153、170、180)により取得された領域を、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正する補正部(123)、及び
前記補正部により補正された領域を前記画像に関連付けて、学習用データを生成する生成部(121)、
として動作させるデータ生成プログラム。
Claims (11)
- 欠陥を有する検査対象物の画像及び前記画像の前記欠陥が含まれている領域を取得する取得部と、
前記取得部により取得された領域を、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正する補正部であって、前記取得部により取得された領域に対して複数の異なる補正を行う、補正部と、
前記補正部により複数の異なる補正が行われた、複数の補正された領域と前記画像とを関連付けて、前記補正部により行われた複数の異なる補正に対応する複数の学習用データの候補を生成する生成部と、
前記複数の学習用データの候補それぞれを、異なる識別器の学習に適用して、入力された画像に基づいて前記検査対象物に欠陥が含まれているか否かを識別する複数の識別器を学習させる学習部と、
前記学習部により学習された、複数の学習済みの識別器の識別性能に基づいて、前記複数の学習用データの候補から1又は複数の学習用データを選択する選択部であって、前記補正部により補正を行う前の領域の外縁の画素値と、前記補正部により補正を行った後の領域の外縁の画素値との相関に基づいて算出した類似度に基づいて、前記複数の学習用データの候補から前記1又は複数の学習用データを選択する、選択部と、
を備えるデータ生成装置。 - 前記補正部は、前記取得部により取得された領域に含まれる前記欠陥以外の背景模様に基づいて、前記領域の補正の方法を決定する、
請求項1に記載のデータ生成装置。 - 前記取得部は、複数の欠陥を有する検査対象物の画像と、前記画像の前記複数の欠陥のうち1つがそれぞれ含まれる複数の領域とを取得し、
前記補正部は、前記取得部により取得された複数の領域それぞれについて、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正し、
前記生成部は、前記補正部により補正された複数の領域を前記画像に関連付けて、学習用データを生成する、
請求項1又は2に記載のデータ生成装置。 - 前記画像の前記欠陥が含まれている領域を指定する情報の入力を受け付ける入力部をさらに備え、
前記取得部は、前記入力部により入力された情報に基づいて、前記画像の前記欠陥が含まれている領域を取得する、
請求項1から3のいずれか一項に記載のデータ生成装置。 - 前記入力部は、前記画像の前記欠陥が含まれている領域の内点を指定する、前記画像の1又は複数の点の入力を受け付ける、
請求項4に記載のデータ生成装置。 - 前記内点は、前記画像の前記欠陥の端点を含む、
請求項5に記載のデータ生成装置。 - 前記入力部は、前記画像の前記欠陥が含まれている領域の外形を指定する、前記画像の1又は複数の点の入力を受け付ける、
請求項4から6のいずれか一項に記載のデータ生成装置。 - 前記補正部は、所定の条件を満たす場合に、前記領域の外縁が狭まるように、前記領域を補正する、
請求項1から7のいずれか一項に記載のデータ生成装置。 - 前記補正部は、前記取得部により取得された領域に含まれる前記欠陥とその他の部分との割合に基づいて、前記領域の外縁の拡縮率を決定する、
請求項1から8のいずれか一項に記載のデータ生成装置。 - 欠陥を有する検査対象物の画像及び前記画像の前記欠陥が含まれている領域を取得することと、
取得された領域を、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正することであって、取得された領域に対して複数の異なる補正を行う、ことと、
複数の異なる補正が行われた、複数の補正された領域と前記画像とを関連付けて、複数の異なる補正に対応する複数の学習用データの候補を生成することと、
前記複数の学習用データの候補それぞれを、異なる識別器の学習に適用して、入力された画像に基づいて前記検査対象物に欠陥が含まれているか否かを識別する複数の識別器を学習させることと、
学習された、複数の学習済みの識別器の識別性能に基づいて、前記複数の学習用データの候補から1又は複数の学習用データを選択することであって、補正を行う前の領域の外縁の画素値と、補正を行った後の領域の外縁の画素値との相関に基づいて算出した類似度に基づいて、前記複数の学習用データの候補から前記1又は複数の学習用データを選択する、ことと、
を含むデータ生成方法。 - データ生成装置に備えられた演算装置を、
欠陥を有する検査対象物の画像及び前記画像の前記欠陥が含まれている領域を取得する取得部、
前記取得部により取得された領域を、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正する補正部であって、前記取得部により取得された領域に対して複数の異なる補正を行う、補正部、
前記補正部により複数の異なる補正が行われた、複数の補正された領域と前記画像とを関連付けて、前記補正部により行われた複数の異なる補正に対応する複数の学習用データの候補を生成する生成部、
前記複数の学習用データの候補それぞれを、異なる識別器の学習に適用して、入力された画像に基づいて前記検査対象物に欠陥が含まれているか否かを識別する複数の識別器を学習させる学習部、及び
前記学習部により学習された、複数の学習済みの識別器の識別性能に基づいて、前記複数の学習用データの候補から1又は複数の学習用データを選択する選択部であって、前記補正部により補正を行う前の領域の外縁の画素値と、前記補正部により補正を行った後の領域の外縁の画素値との相関に基づいて算出した類似度に基づいて、前記複数の学習用データの候補から前記1又は複数の学習用データを選択する、選択部、
として動作させるデータ生成プログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017215452A JP6936958B2 (ja) | 2017-11-08 | 2017-11-08 | 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 |
CN201811057553.5A CN109767419B (zh) | 2017-11-08 | 2018-09-11 | 数据生成装置、数据生成方法及存储介质 |
EP18194940.5A EP3483833B1 (en) | 2017-11-08 | 2018-09-17 | Data generation apparatus, data generation method, and data generation program |
US16/135,018 US11176650B2 (en) | 2017-11-08 | 2018-09-19 | Data generation apparatus, data generation method, and data generation program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017215452A JP6936958B2 (ja) | 2017-11-08 | 2017-11-08 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019087078A JP2019087078A (ja) | 2019-06-06 |
JP6936958B2 true JP6936958B2 (ja) | 2021-09-22 |
Family
ID=63787706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017215452A Active JP6936958B2 (ja) | 2017-11-08 | 2017-11-08 | 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 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11176650B2 (ja) |
EP (1) | EP3483833B1 (ja) |
JP (1) | JP6936958B2 (ja) |
CN (1) | CN109767419B (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6333871B2 (ja) * | 2016-02-25 | 2018-05-30 | ファナック株式会社 | 入力画像から検出した対象物を表示する画像処理装置 |
JP6549644B2 (ja) * | 2017-06-27 | 2019-07-24 | ファナック株式会社 | 機械学習装置、ロボット制御システム及び機械学習方法 |
EP3489892B1 (en) * | 2017-11-24 | 2022-01-05 | Ficosa Adas, S.L.U. | Determining clean or dirty captured images |
KR20200039047A (ko) * | 2018-10-01 | 2020-04-16 | 에스케이씨 주식회사 | 필름 결함 검출 방법 및 시스템 |
JP7137487B2 (ja) * | 2019-01-22 | 2022-09-14 | 株式会社日立ハイテク | 画像評価装置及び方法 |
KR102225099B1 (ko) * | 2019-05-17 | 2021-03-09 | 라온피플 주식회사 | 불량 이미지 생성 장치 및 방법 |
CN110827249A (zh) * | 2019-10-28 | 2020-02-21 | 上海悦易网络信息技术有限公司 | 电子设备背板外观瑕疵检测方法及设备 |
TWI707137B (zh) * | 2020-01-13 | 2020-10-11 | 憶象有限公司 | 智能產線監測系統及監測方法 |
JP7437610B2 (ja) * | 2020-05-15 | 2024-02-26 | 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 |
KR102374840B1 (ko) * | 2020-10-20 | 2022-03-15 | 두산중공업 주식회사 | 딥러닝 학습용 결함 이미지 생성 방법 및 이를 위한 시스템 |
JP7281586B2 (ja) * | 2020-12-17 | 2023-05-25 | 株式会社クボタ | 検査装置及び検査方法 |
WO2022186110A1 (ja) * | 2021-03-01 | 2022-09-09 | 富士フイルム株式会社 | 機械学習システム、認識器、学習方法、及びプログラム |
JP7299388B2 (ja) * | 2021-11-18 | 2023-06-27 | 株式会社クボタ | 鉄管外表面の欠陥判定装置 |
JP7502808B2 (ja) * | 2022-06-24 | 2024-06-19 | 株式会社 東京ウエルズ | 学習装置、学習方法及び学習プログラム |
KR102545144B1 (ko) * | 2023-01-13 | 2023-06-21 | 주식회사 아이브 | 딥러닝 알고리즘에 기반한 불량품 검사 솔루션 제공 장치 및 그 방법 |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0817445B2 (ja) * | 1990-11-06 | 1996-02-21 | 大日本スクリーン製造株式会社 | 画像のカブセ処理方法 |
JPH08287218A (ja) * | 1995-04-10 | 1996-11-01 | Sharp Corp | 画像合成装置 |
JP3902823B2 (ja) * | 1996-11-29 | 2007-04-11 | 大日本印刷株式会社 | 筋状欠陥検査方法及び装置 |
US6476388B1 (en) * | 1998-10-19 | 2002-11-05 | Hitachi, Ltd. | Scanning electron microscope having magnification switching control |
US20020164070A1 (en) * | 2001-03-14 | 2002-11-07 | Kuhner Mark B. | Automatic algorithm generation |
JP4293810B2 (ja) * | 2002-03-22 | 2009-07-08 | ニスカ株式会社 | 印刷制御システム及び印刷制御方法並びにプログラム |
JP2004206689A (ja) * | 2002-12-11 | 2004-07-22 | Fuji Photo Film Co Ltd | 画像修正装置および画像修正プログラム |
JP3834041B2 (ja) * | 2004-03-31 | 2006-10-18 | オリンパス株式会社 | 学習型分類装置及び学習型分類方法 |
JP2006098152A (ja) * | 2004-09-29 | 2006-04-13 | Dainippon Screen Mfg Co Ltd | 欠陥検出装置および欠陥検出方法 |
JP2008518318A (ja) * | 2004-10-26 | 2008-05-29 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | ボケた画像部分の画質を向上する方法 |
JP4266920B2 (ja) * | 2004-12-03 | 2009-05-27 | オリンパス株式会社 | 分類装置及び分類方法 |
JP2007124088A (ja) * | 2005-10-26 | 2007-05-17 | Olympus Corp | 画像撮影装置 |
JP5056263B2 (ja) * | 2007-08-14 | 2012-10-24 | オムロン株式会社 | 画像検査装置、画像検査方法、コンピュータを画像検査装置として機能させるためのプログラム、およびコンピュータ読み取り可能な記録媒体 |
JP5002497B2 (ja) * | 2008-03-11 | 2012-08-15 | 株式会社Pfu | 画像処理装置、画像処理方法および画像処理プログラム |
JP2009293957A (ja) * | 2008-06-02 | 2009-12-17 | Toshiba Corp | パターン欠陥検査装置及び検査方法 |
JP5114302B2 (ja) * | 2008-06-12 | 2013-01-09 | 株式会社日立ハイテクノロジーズ | パターン検査方法,パターン検査装置及びパターン処理装置 |
JP5187331B2 (ja) * | 2010-03-23 | 2013-04-24 | コニカミノルタビジネステクノロジーズ株式会社 | 画像処理装置、画像処理方法、およびコンピュータプログラム |
KR101214806B1 (ko) * | 2010-05-11 | 2012-12-24 | 가부시키가이샤 사무코 | 웨이퍼 결함 검사 장치 및 웨이퍼 결함 검사 방법 |
JP5654867B2 (ja) * | 2010-12-27 | 2015-01-14 | パナソニックIpマネジメント株式会社 | 映像信号処理装置及び映像信号処理方法 |
JP5767963B2 (ja) * | 2011-12-28 | 2015-08-26 | 株式会社キーエンス | 外観検査装置、外観検査方法及びコンピュータプログラム |
CN104584081B (zh) * | 2012-09-03 | 2018-04-27 | 索尼公司 | 信息处理设备、信息处理方法和程序 |
JP6295561B2 (ja) * | 2013-09-17 | 2018-03-20 | 株式会社リコー | 画像検査結果判断装置、画像検査システム及び画像検査結果の判断方法 |
JP2015087903A (ja) | 2013-10-30 | 2015-05-07 | ソニー株式会社 | 情報処理装置及び情報処理方法 |
JP5874721B2 (ja) * | 2013-12-25 | 2016-03-02 | コニカミノルタ株式会社 | 画像処理装置、画像補正方法、及び、プログラム |
CN105321147B (zh) * | 2014-06-25 | 2019-04-12 | 腾讯科技(深圳)有限公司 | 图像处理的方法及装置 |
CN105205796A (zh) * | 2014-06-30 | 2015-12-30 | 华为技术有限公司 | 广域图像获取方法和装置 |
KR101724555B1 (ko) * | 2014-12-22 | 2017-04-18 | 삼성전자주식회사 | 부호화 방법 및 장치와 복호화 방법 및 장치 |
JP6333871B2 (ja) * | 2016-02-25 | 2018-05-30 | ファナック株式会社 | 入力画像から検出した対象物を表示する画像処理装置 |
JP2017196037A (ja) * | 2016-04-26 | 2017-11-02 | 東芝メディカルシステムズ株式会社 | X線診断装置 |
JP6783547B2 (ja) * | 2016-04-28 | 2020-11-11 | キヤノンメディカルシステムズ株式会社 | X線診断装置 |
JP2018180875A (ja) * | 2017-04-12 | 2018-11-15 | 富士通株式会社 | 判定装置、判定方法および判定プログラム |
-
2017
- 2017-11-08 JP JP2017215452A patent/JP6936958B2/ja active Active
-
2018
- 2018-09-11 CN CN201811057553.5A patent/CN109767419B/zh active Active
- 2018-09-17 EP EP18194940.5A patent/EP3483833B1/en active Active
- 2018-09-19 US US16/135,018 patent/US11176650B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US11176650B2 (en) | 2021-11-16 |
CN109767419A (zh) | 2019-05-17 |
US20190139213A1 (en) | 2019-05-09 |
JP2019087078A (ja) | 2019-06-06 |
EP3483833B1 (en) | 2021-03-03 |
CN109767419B (zh) | 2023-05-16 |
EP3483833A1 (en) | 2019-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6936958B2 (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 | |
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 | |
US20210374940A1 (en) | Product defect detection method, device and system | |
CN109767418B (zh) | 检査装置、数据生成装置、数据生成方法及存储介质 | |
CN106846316B (zh) | 一种gis内部典型缺陷图像自动识别方法 | |
CN109961421B (zh) | 数据生成装置、数据生成方法以及数据生成记录介质 | |
JP6403261B2 (ja) | 分類器生成装置、外観検査装置、分類器生成方法、及びプログラム | |
JP3834041B2 (ja) | 学習型分類装置及び学習型分類方法 | |
CN109377445B (zh) | 模型训练方法、替换图像背景的方法、装置和电子系统 | |
JP6285640B2 (ja) | 自動及び手動欠陥分類の統合 | |
JP6391083B2 (ja) | 自動欠陥分類における分類器の準備及び保守 | |
JP2011214903A (ja) | 外観検査装置、外観検査用識別器の生成装置及び外観検査用識別器生成方法ならびに外観検査用識別器生成用コンピュータプログラム | |
JP6113024B2 (ja) | 分類器取得方法、欠陥分類方法、欠陥分類装置およびプログラム | |
JP2004294360A (ja) | 欠陥分類方法及び装置 | |
JP6544716B2 (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 | |
JP2022027473A (ja) | 半導体試料の検査に使用可能な訓練データの生成 | |
JP2020042754A (ja) | 分類装置、分類方法、分類プログラム、及び検査装置 | |
TW202147250A (zh) | 異常晶圓圖像分類 | |
Christoff et al. | Morphological crater classification via convolutional neural network with application on MOLA data | |
JP2015106408A (ja) | 画像処理装置及び画像処理方法 | |
CN117474916B (zh) | 一种图像检测方法、电子设备及存储介质 | |
CN111681229B (zh) | 深度学习模型训练方法、可穿戴衣服瑕疵识别方法及装置 | |
WO2023112302A1 (ja) | 教師データ作成支援装置、教師データ作成支援方法 | |
JP2022099696A (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 | |
WO2023082018A1 (en) | Machine learning system and method for object-specific recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200310 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210702 |
|
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: 20210729 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210811 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6936958 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |