JP6992475B2 - 情報処理装置、識別システム、設定方法及びプログラム - Google Patents
情報処理装置、識別システム、設定方法及びプログラム Download PDFInfo
- Publication number
- JP6992475B2 JP6992475B2 JP2017239570A JP2017239570A JP6992475B2 JP 6992475 B2 JP6992475 B2 JP 6992475B2 JP 2017239570 A JP2017239570 A JP 2017239570A JP 2017239570 A JP2017239570 A JP 2017239570A JP 6992475 B2 JP6992475 B2 JP 6992475B2
- Authority
- JP
- Japan
- Prior art keywords
- classifier
- image
- classifiers
- unit
- execution time
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/40—Software arrangements specially adapted for pattern recognition, e.g. user interfaces or toolboxes therefor
- G06F18/41—Interactive pattern learning with a human teacher
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
-
- 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
- G06V10/778—Active pattern-learning, e.g. online learning of image or video features
- G06V10/7784—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors
- G06V10/7788—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors the supervisor being a human, e.g. interactive learning with a human teacher
-
- 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
- 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
- G06V10/87—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using selection of the recognition techniques, e.g. of a classifier in a multiple classifier system
-
- 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
- G06T2207/20—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
- G06T2207/30164—Workpiece; Machine component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Quality & Reliability (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Debugging And Monitoring (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、本実施形態に係る画像処理システム1の適用場面の一例を模式的に例示する。画像処理システム1は、典型的には、生産ラインなどに組み込まれる。画像処理システム1は、生産ライン上を搬送されるワークを撮像することによって得られる画像に基づいて、ワークの検査を実行する。なお、画像処理システム1は、本発明の「識別システム」の一例である。
[ハードウェア構成]
<管理装置>
次に、図2を用いて、本実施形態に係る管理装置100のハードウェア構成の一例について説明する。図2は、本実施形態に係る管理装置100のハードウェア構成の一例を模式的に例示する。図2の例では、管理装置100は、プロセッサ101と、メモリ102と、HDD(Hard Disk Drive)などの記憶装置103と、ネットワークインターフェイス(I/F)104と、表示部105と、操作部106と、メモリカードリーダ・ライタ107とを含んでいてもよい。これらの各部は、内部バス108を介して、互いに通信可能に接続されている。
次に、図3を用いて、本実施形態に係る画像処理装置200のハードウェア構成の一例について説明する。図3は、本実施形態に係る画像処理装置200のハードウェア構成の一例を模式的に例示する。図3の例では、画像処理装置200は、照明部210と、制御装置220と、撮像部230とを含んでいてもよい。
<管理装置>
次に、図4を用いて、本実施形態に係る管理装置100の機能構成の一例について説明する。図4は、本実施形態に係る管理装置100の機能構成の一例を模式的に例示する。
図5は、本実施形態に係る画像処理装置200の機能構成の一例を模式的に例示する。受付部610は、管理装置100から、管理装置100で追加学習された識別器501を受け付けて、識別器222Bとして記憶装置222に格納する。識別部620は、記憶装置222に記憶された識別器222Bを用いて、撮像部230で撮像されたワークに含まれる欠陥の有無を識別する。記憶装置222は、本発明の「記憶部」の一例である。
本実施形態では、管理装置100の各機能がいずれもプロセッサ101によって実現される例について説明している。しかしながら、以上の機能の一部又は全部が、1又は複数の専用のプロセッサにより実現されてもよい。また、管理装置100それぞれの機能構成に関して、実施形態に応じて、適宜、機能の省略、置換及び追加が行われてもよい。
次に、管理装置100の動作例を説明する。なお、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。
図7は、管理装置100が行う処理手順の一例を例示するフローチャートである。まず、ユーザは、欠陥を有しないワークの撮影を事前に行い、撮影したワークの画像を管理装置100に取り込む。取り込まれたワークの画像は、現画像DB513に格納される(S10)。ワークの撮影は、例えば、画像処理装置200の撮像部230を利用して行われてもよい。
続いて、図7のステップS11の処理手順について、図8~図10を用いて詳細に説明する。
続いて、図7のステップS12の処理手順について詳細に説明する。ここで、学習済みモデルの種別について具体的に説明する。前述したように、識別器5011~501Nは、学習済みモデルの種別と、欠陥があると識別する閾値との組み合わせにより設計された識別器501であってもよい。
図15は、管理装置100が欠陥識別率を測定する処理手順の一例を例示するフローチャートである。図15を用いて、図12のステップS101の処理手順について詳細に説明する。
図16は、管理装置100がフォールスポジティブ率を測定する処理手順の一例を例示するフローチャートである。図16を用いて、図12のステップS102の処理手順について詳細に説明する。
識別器5011~501Nは、特定かつ同一の検査対象物に特化した識別器であってもよい。図17は、識別器が識別する検査対象物の一例を例示する。例えば識別器5011~501Nは、複数の属性(図17の例ではワークの材質、ワークの表面形状、検出対象とする欠陥の項目及び検出可能な欠陥のサイズ等)の全部又は一部の組み合わせにより定められる検査対象物について、特定かつ同一の検査対象物に特化した識別器501であってもよい。識別器5011~501Nは、識別器5011~501Nの中でそれぞれ異なる学習済みモデルの種別により設計されていてもよい。
対象物を識別する識別器(501)であって特性の異なる複数の識別器(501)を記憶する記憶部(102、103)と、
特定の対象物に対する前記複数の識別器(501)の各々の識別精度と実行時間とを識別器(501)ごとに測定する測定部(520)と、
前記複数の識別器(501)の各々の前記識別精度と前記実行時間とを出力する出力部(530)と、
前記測定部(520)で測定された前記識別精度が第1の条件を満たす識別器(501)のうち、前記実行時間が第2の条件を満たす識別器(501)を選択する選択部(540)と、
前記選択された識別器(501)を識別装置(200)上で動作させるための設定を行う設定部(550)と、
を有する情報処理装置(100)。
前記記憶部(102、103)は、前記特定の対象物に対する前記複数の識別器(501)の各々の前記識別精度と前記実行時間とを測定するために用いられるテスト画像を記憶し、
前記測定部(520)は、前記複数の識別器(501)の各々に前記テスト画像を識別させることで、前記識別精度と前記実行時間とを識別器(501)ごとに測定する、
付記1に記載の情報処理装置。
前記記憶部(102、103)は、対象物の画像を記憶し、
ユーザから画像の加工条件についての入力を受け、前記加工条件に基づいて前記記憶部(102、103)に記憶された対象物の画像を加工することで前記テスト画像を生成する生成部を有する、
付記2に記載の情報処理装置。
前記生成部は、前記記憶部(102、103)に記憶された対象物の画像に対して、ユーザにより指定された検出対象の画像を付加することで、前記テスト画像を生成する、
付記3に記載の情報処理装置。
前記生成部は、前記記憶部(102、103)に記憶された対象物の画像に対して、ユーザにより指定されたパラメータに基づいて生成した検出対象の画像を付加することで、前記テスト画像を生成する、
付記3に記載の情報処理装置。
前記テスト画像は、検出対象を含むことを正解とする複数の第1テスト画像を含み、
前記識別精度は、前記複数の第1テスト画像に対して検出対象が含まれていると識別器(501)が識別する確率である第1確率を含み、
前記測定部(520)は、前記複数の識別器(501)の各々に前記複数の第1テスト画像を識別させることで前記第1確率を測定し、
前記選択部(540)は、前記測定部(520)で測定された前記第1確率が前記第1の条件に含まれる識別器(501)のうち、前記実行時間が前記第2の条件を満たす識別器(501)を選択する、
付記2乃至5のいずれか一項に記載の情報処理装置。
前記テスト画像は、更に、検出対象を含まないことを正解とする複数の第2テスト画像とを含み、
前記識別精度は、更に、前記複数の第2テスト画像に対して検出対象が含まれていると識別器(501)が誤って識別する確率である第2確率を含み、
前記測定部(520)は、更に、前記複数の識別器(501)の各々に前記複数の第2テスト画像を識別させることで前記第2確率を測定し、
前記選択部(540)は、前記測定部(520)で測定された前記第2確率が前記第1の条件に含まれる識別器(501)のうち、前記実行時間が前記第2の条件を満たす識別器(501)を選択する、
付記6に記載の情報処理装置。
前記第1の条件は、前記識別装置を使用するユーザにより指定される識別精度の範囲である、
付記1乃至7のいずれか一項に記載の情報処理装置。
前記選択部(540)は、前記測定部(520)で測定された前記識別精度が前記第1の条件に含まれる識別器(501)が存在しない場合、前記識別精度が最も高い識別器(501)を選択する、
付記1乃至8のいずれか一項に記載の情報処理装置。
前記複数の識別器(501)の各々は、学習済みモデルの種別と、検出対象があると識別する閾値との組み合わせにより設計されている、
付記1乃至9のいずれか一項に記載の情報処理装置。
前記実行時間が前記第2の条件を満たす識別器(501)は、前記実行時間が最も短い識別器(501)である、
付記1乃至10のいずれか一項に記載の情報処理装置。
付記1乃至11のいずれか一項に記載の情報処理装置(100)と、該情報処理装置(100)と通信する前記識別装置(200)とを含む識別システム(1)であって、
前記識別装置(200)は、
前記情報処理装置(100)から、前記情報処理装置(100)で選択された識別器(501)を受け付けて記憶部(222)に格納する受付部(610)と、
前記記憶部(222)に記憶された識別器(222B)を用いて対象物を識別する識別部(620)と、
を有する、
識別システム(1)。
対象物を識別する識別器(501)であって特性の異なる複数の識別器(501)を記憶する記憶部(102、103)を有する情報処理装置(100)が実行する設定方法であって、
特定の対象物に対する前記複数の識別器(501)の各々の識別精度と実行時間とを識別器(501)ごとに測定するステップと、
前記複数の識別器(501)の各々の前記識別精度と前記実行時間とを出力するステップと、
前記測定された前記識別精度が第1の条件を満たす識別器(501)のうち、前記実行時間が第2の条件を満たす識別器(501)を選択するステップと、
前記選択された識別器(501)を識別装置上で動作させるための設定を行うステップと、
を有する設定方法。
コンピュータ(100)を、
対象物を識別する識別器(501)であって特性の異なる複数の識別器(501)を記憶する記憶手段(102、103)と、
特定の対象物に対する前記複数の識別器(501)の各々の識別精度と実行時間とを識別器(501)ごとに測定する測定手段(520)と、
前記複数の識別器(501)の各々の前記識別精度と前記実行時間とを出力する出力手段(530)と、
前記測定手段(520)で測定された前記識別精度が第1の条件を満たす識別器(501)のうち、前記実行時間が第2の条件を満たす識別器(501)を選択する選択手段(540)と、
前記選択された識別器(501)を識別装置上で動作させるための設定を行う設定手段(550)と、
として機能させるプログラム。
Claims (13)
- 識別装置と通信する情報処理装置であって、
対象物を識別する識別器であって特性の異なる複数の識別器を記憶する記憶部と、
特定の対象物に対する前記複数の識別器の各々の識別精度と実行時間とを識別器ごとに測定する測定部と、
前記測定部で測定された前記識別精度が第1の条件を満たす識別器のうち、前記実行時間が最も短い識別器を選択する選択部と、
前記選択された識別器を前記識別装置上で動作させるための設定を行う設定部と、
を有する情報処理装置。 - 前記記憶部は、前記特定の対象物に対する前記複数の識別器の各々の前記識別精度と前記実行時間とを測定するために用いられるテスト画像を記憶し、
前記測定部は、前記複数の識別器の各々に前記テスト画像を識別させることで、前記識別精度と前記実行時間とを識別器ごとに測定する、
請求項1に記載の情報処理装置。 - 前記記憶部は、対象物の画像を記憶し、
ユーザから画像の加工条件についての入力を受け、前記加工条件に基づいて前記記憶部に記憶された対象物の画像を加工することで前記テスト画像を生成する生成部を有する、
請求項2に記載の情報処理装置。 - 前記生成部は、前記記憶部に記憶された対象物の画像に対して、ユーザにより指定された検出対象の画像を付加することで、前記テスト画像を生成する、
請求項3に記載の情報処理装置。 - 前記生成部は、前記記憶部に記憶された対象物の画像に対して、ユーザにより指定されたパラメータに基づいて生成した検出対象の画像を付加することで、前記テスト画像を生成する、
請求項3に記載の情報処理装置。 - 前記テスト画像は、検出対象を含むことを正解とする複数の第1テスト画像を含み、
前記識別精度は、前記複数の第1テスト画像に対して検出対象が含まれていると識別器が識別する確率である第1確率を含み、
前記測定部は、前記複数の識別器の各々に前記複数の第1テスト画像を識別させることで前記第1確率を測定し、
前記選択部は、前記測定部で測定された前記第1確率が前記第1の条件に含まれる識別器のうち、前記実行時間が最も短い識別器を選択する、
請求項2乃至5のいずれか一項に記載の情報処理装置。 - 前記テスト画像は、更に、検出対象を含まないことを正解とする複数の第2テスト画像とを含み、
前記識別精度は、更に、前記複数の第2テスト画像に対して検出対象が含まれていると識別器が誤って識別する確率である第2確率を含み、
前記測定部は、更に、前記複数の識別器の各々に前記複数の第2テスト画像を識別させることで前記第2確率を測定し、
前記選択部は、前記測定部で測定された前記第2確率が前記第1の条件に含まれる識別器のうち、前記実行時間が最も短い識別器を選択する、
請求項6に記載の情報処理装置。 - 前記第1の条件は、前記識別装置を使用するユーザにより指定される識別精度の範囲である、
請求項1乃至7のいずれか一項に記載の情報処理装置。 - 前記選択部は、前記測定部で測定された前記識別精度が前記第1の条件に含まれる識別器が存在しない場合、前記識別精度が最も高い識別器を選択する、
請求項1乃至8のいずれか一項に記載の情報処理装置。 - 前記複数の識別器の各々は、学習済みモデルの種別と、検出対象があると識別する閾値との組み合わせにより設計されている、
請求項1乃至9のいずれか一項に記載の情報処理装置。 - 請求項1乃至10のいずれか一項に記載の情報処理装置と、該情報処理装置と通信する前記識別装置とを含む識別システムであって、
前記識別装置は、
前記情報処理装置から、前記情報処理装置で選択された識別器を受け付けて記憶部に格納する受付部と、
前記記憶部に記憶された識別器を用いて対象物を識別する識別部と、
を有する、
識別システム。 - 対象物を識別する識別器であって特性の異なる複数の識別器を記憶する記憶部を有し、識別装置と通信する情報処理装置が実行する設定方法であって、
特定の対象物に対する前記複数の識別器の各々の識別精度と実行時間とを識別器ごとに測定するステップと、
前記測定された前記識別精度が第1の条件を満たす識別器のうち、前記実行時間が最も短い識別器を選択するステップと、
前記選択された識別器を前記識別装置上で動作させるための設定を行うステップと、
を有する設定方法。 - 識別装置と通信するコンピュータを、
対象物を識別する識別器であって特性の異なる複数の識別器を記憶する記憶手段と、
特定の対象物に対する前記複数の識別器の各々の識別精度と実行時間とを識別器ごとに測定する測定手段と、
前記測定手段で測定された前記識別精度が第1の条件を満たす識別器のうち、前記実行時間が最も短い識別器を選択する選択手段と、
前記選択された識別器を前記識別装置上で動作させるための設定を行う設定手段と、
として機能させるプログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017239570A JP6992475B2 (ja) | 2017-12-14 | 2017-12-14 | 情報処理装置、識別システム、設定方法及びプログラム |
CN201811179930.2A CN109978817A (zh) | 2017-12-14 | 2018-10-10 | 信息处理装置、识别系统、设定方法以及存储介质 |
EP18200580.1A EP3499418B1 (en) | 2017-12-14 | 2018-10-16 | Information processing apparatus, identification system, setting method, and program |
US16/162,456 US10776911B2 (en) | 2017-12-14 | 2018-10-17 | Information processing apparatus, identification system, setting method, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017239570A JP6992475B2 (ja) | 2017-12-14 | 2017-12-14 | 情報処理装置、識別システム、設定方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019106112A JP2019106112A (ja) | 2019-06-27 |
JP6992475B2 true JP6992475B2 (ja) | 2022-01-13 |
Family
ID=63878343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017239570A Active JP6992475B2 (ja) | 2017-12-14 | 2017-12-14 | 情報処理装置、識別システム、設定方法及びプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US10776911B2 (ja) |
EP (1) | EP3499418B1 (ja) |
JP (1) | JP6992475B2 (ja) |
CN (1) | CN109978817A (ja) |
Families Citing this family (20)
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 |
CN108846841A (zh) * | 2018-07-02 | 2018-11-20 | 北京百度网讯科技有限公司 | 显示屏质量检测方法、装置、电子设备及存储介质 |
IL265163B (en) * | 2019-03-04 | 2022-01-01 | Tinyinspektor Ltd | System and method for adjustable production line inspection |
WO2020245936A1 (ja) * | 2019-06-05 | 2020-12-10 | 日本電信電話株式会社 | 推論処理装置および推論処理方法 |
JP2021015546A (ja) * | 2019-07-16 | 2021-02-12 | 株式会社日立製作所 | 情報処理システムおよび情報処理方法 |
JP7269122B2 (ja) * | 2019-07-18 | 2023-05-08 | 株式会社日立ハイテク | データ分析装置、データ分析方法及びデータ分析プログラム |
CN111062401A (zh) * | 2019-09-27 | 2020-04-24 | 商汤国际私人有限公司 | 堆叠物体的识别方法及装置、电子设备和存储介质 |
US20210201191A1 (en) * | 2019-12-27 | 2021-07-01 | Stmicroelectronics, Inc. | Method and system for generating machine learning based classifiers for reconfigurable sensor |
US11816827B2 (en) | 2020-02-13 | 2023-11-14 | Inspekto A.M.V. Ltd. | User interface device for autonomous machine vision inspection |
JP7297705B2 (ja) * | 2020-03-18 | 2023-06-26 | 株式会社東芝 | 処理装置、処理方法、学習装置およびプログラム |
JP7409490B2 (ja) * | 2020-04-21 | 2024-01-09 | 株式会社島津製作所 | 細胞画像解析装置 |
CN111582359B (zh) * | 2020-04-28 | 2023-04-07 | 新疆维吾尔自治区烟草公司 | 一种图像识别方法、装置、电子设备及介质 |
US11151710B1 (en) * | 2020-05-04 | 2021-10-19 | Applied Materials Israel Ltd. | Automatic selection of algorithmic modules for examination of a specimen |
US11937019B2 (en) | 2021-06-07 | 2024-03-19 | Elementary Robotics, Inc. | Intelligent quality assurance and inspection device having multiple camera modules |
WO2022102523A1 (ja) * | 2020-11-10 | 2022-05-19 | パナソニックIpマネジメント株式会社 | データ作成システム、学習システム、推定システム、処理装置、評価システム、データ作成方法、及びプログラム |
JP2022164146A (ja) * | 2021-04-16 | 2022-10-27 | 株式会社キーエンス | 画像検査装置、画像処理方法、画像処理プログラム及びコンピュータで読取可能な記録媒体並びに記録した機器 |
US20230133152A1 (en) * | 2021-11-03 | 2023-05-04 | Elementary Robotics, Inc. | Automatic Object Detection and Changeover for Quality Assurance Inspection |
US11605159B1 (en) | 2021-11-03 | 2023-03-14 | Elementary Robotics, Inc. | Computationally efficient quality assurance inspection processes using machine learning |
US11675345B2 (en) | 2021-11-10 | 2023-06-13 | Elementary Robotics, Inc. | Cloud-based multi-camera quality assurance architecture |
US11605216B1 (en) | 2022-02-10 | 2023-03-14 | Elementary Robotics, Inc. | Intelligent automated image clustering for quality assurance |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080075352A1 (en) | 2006-09-27 | 2008-03-27 | Hisae Shibuya | Defect classification method and apparatus, and defect inspection apparatus |
JP2010009517A (ja) | 2008-06-30 | 2010-01-14 | Canon Inc | パターン検出器の学習装置、学習方法及びプログラム |
JP2012018450A (ja) | 2010-07-06 | 2012-01-26 | Keio Gijuku | ニューラルネットワークシステム、ニューラルネットワークシステムの構築方法およびニューラルネットワークシステムの制御プログラム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11341258A (ja) * | 1998-05-28 | 1999-12-10 | Toshiba Corp | 画像処理装置および画像処理方法 |
JP4158762B2 (ja) * | 2004-11-30 | 2008-10-01 | 沖電気工業株式会社 | 改ざん検出閾値決定システム,評価対象データ作成装置,閾値決定装置,評価対象データ作成方法,閾値決定方法 |
KR101377805B1 (ko) * | 2010-05-18 | 2014-04-02 | 주식회사 만도 | 분류기 선택 방법 및 그 장치 |
US10185892B1 (en) * | 2014-05-30 | 2019-01-22 | Amazon Technologies, Inc. | Automatic large-scale imaging device diagnostics |
US9766187B2 (en) * | 2014-08-27 | 2017-09-19 | Kla-Tencor Corp. | Repeater detection |
US9766186B2 (en) * | 2014-08-27 | 2017-09-19 | Kla-Tencor Corp. | Array mode repeater detection |
JP6090269B2 (ja) * | 2014-09-08 | 2017-03-08 | コニカミノルタ株式会社 | 電子文書生成装置、プログラムおよび電子文書生成システム |
US10650508B2 (en) * | 2014-12-03 | 2020-05-12 | Kla-Tencor Corporation | Automatic defect classification without sampling and feature selection |
US9445086B2 (en) * | 2014-12-10 | 2016-09-13 | Facebook, Inc. | Methods, systems, and apparatus for camera testing using virtual images |
US9922269B2 (en) * | 2015-06-05 | 2018-03-20 | Kla-Tencor Corporation | Method and system for iterative defect classification |
JP6031181B2 (ja) | 2015-12-10 | 2016-11-24 | 株式会社ユニバーサルエンターテインメント | 識別装置及び遊技用装置 |
-
2017
- 2017-12-14 JP JP2017239570A patent/JP6992475B2/ja active Active
-
2018
- 2018-10-10 CN CN201811179930.2A patent/CN109978817A/zh active Pending
- 2018-10-16 EP EP18200580.1A patent/EP3499418B1/en active Active
- 2018-10-17 US US16/162,456 patent/US10776911B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080075352A1 (en) | 2006-09-27 | 2008-03-27 | Hisae Shibuya | Defect classification method and apparatus, and defect inspection apparatus |
JP2010009517A (ja) | 2008-06-30 | 2010-01-14 | Canon Inc | パターン検出器の学習装置、学習方法及びプログラム |
JP2012018450A (ja) | 2010-07-06 | 2012-01-26 | Keio Gijuku | ニューラルネットワークシステム、ニューラルネットワークシステムの構築方法およびニューラルネットワークシステムの制御プログラム |
Also Published As
Publication number | Publication date |
---|---|
US20190188846A1 (en) | 2019-06-20 |
EP3499418A3 (en) | 2019-08-28 |
CN109978817A (zh) | 2019-07-05 |
US10776911B2 (en) | 2020-09-15 |
JP2019106112A (ja) | 2019-06-27 |
EP3499418A2 (en) | 2019-06-19 |
EP3499418B1 (en) | 2023-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6992475B2 (ja) | 情報処理装置、識別システム、設定方法及びプログラム | |
JP6955211B2 (ja) | 識別装置、識別方法及びプログラム | |
US10964004B2 (en) | Automated optical inspection method using deep learning and apparatus, computer program for performing the method, computer-readable storage medium storing the computer program, and deep learning system thereof | |
CN110402487B (zh) | 对从晶片检测的缺陷进行分类的方法和装置 | |
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 | |
JP7054436B2 (ja) | 検出システム、情報処理装置、評価方法及びプログラム | |
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 | |
US11747284B2 (en) | Apparatus for optimizing inspection of exterior of target object and method thereof | |
JP7349816B2 (ja) | 画像検査装置 | |
CN107111872A (zh) | 信息处理装置、信息处理方法、及程序 | |
JP2011158373A (ja) | 自動欠陥分類のための教師データ作成方法、自動欠陥分類方法および自動欠陥分類装置 | |
JP2015143951A (ja) | 物体判別装置、画像センサ、物体判別方法 | |
JP7393313B2 (ja) | 欠陥分類装置、欠陥分類方法及びプログラム | |
CN115668286A (zh) | 训练自动缺陷分类的检测仪器的方法与系统 | |
JP2010071826A (ja) | 教師データ作成方法、並びに、画像分類方法および画像分類装置 | |
JP7056259B2 (ja) | 検査システム、識別システム、及び識別器評価装置 | |
CN114609139A (zh) | 检查系统、管理装置、检查方法、记录介质和物品的制造方法 | |
JP2006292615A (ja) | 外観検査装置、外観検査方法、コンピュータを外観検査装置として機能させるためのプログラムおよび記録媒体 | |
JP2020112483A (ja) | 外観検査システム、計算モデル構築方法及び計算モデル構築プログラム | |
JP6616645B2 (ja) | 分類方法、検査方法、検査装置、およびプログラム | |
JP2013205320A (ja) | 検査条件決定方法、検査方法および検査装置 | |
JP2020177429A (ja) | 情報処理装置、情報処理方法及びプログラム | |
WO2022215446A1 (ja) | 画像判定装置、画像判定方法、及び、プログラム | |
JP5464986B2 (ja) | 良否判定装置、良否判定方法および良否判定プログラム | |
US10789697B2 (en) | Devices, systems, and methods for spatial-neighborhood consistency in feature detection in image data |
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: 20210511 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210519 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210705 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210831 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211012 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20211012 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20211020 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20211021 |
|
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: 20211109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211122 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6992475 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |