JP7191566B2

JP7191566B2 - 商品検査装置

Info

Publication number: JP7191566B2
Application number: JP2018133772A
Authority: JP
Inventors: 友太今井
Original assignee: Kyoto Seisakusho Co Ltd
Current assignee: Kyoto Seisakusho Co Ltd
Priority date: 2018-07-14
Filing date: 2018-07-14
Publication date: 2022-12-19
Anticipated expiration: 2038-07-14
Also published as: JP2020011182A

Description

本発明は、商品の良品／不良品を判別するための検査を行う商品検査装置および商品検査方法、ならびに商品検査方法をコンピュータに実行させるための商品検査プログラムに関する。

菓子の良品／不良品を判別するためのシステムとして、たとえば特開２００３－２１６９２８号公報に示すような菓子用良否判定システムが提案されている。同公報に記載されたものでは、コンベア（１）により搬送される菓子（Ｄ）をＣＣＤカメラ（２）で撮影し、撮影された菓子（Ｄ）の画像データから取得された菓子表面全体の濃淡（焼き色）データに対して、試行錯誤により得られた焼き色基準値を外れた場合に焼きすぎ／焼き不足として不良品と判定するようにしている（同公報の段落［０００９］、［００１６］～［００１７］および図１参照）。

上記従来の菓子用良否判定システムにおいては、主に菓子の焼き色に関する良否判定を行っている。しかしながら、焼き菓子の製造工程で生じる不良品には、焼き色以外に、局部的な膨らみやはつれ（裂け）、ひび（欠け）、穴の発生、サイズが小さい、厚みが薄いなど様々なパターンがあり、これらすべてについて、試行錯誤によりそれぞれの基準値を設定するのは困難である。したがって、実際の検査の際には、熟練した作業員の目視に頼らざるを得ないのが実情であった。

本発明は、このような従来の実情に鑑みてなされたもので、本発明が解決しようとする課題は、一般作業員でも熟練した目視検査員と同等の熟練度で商品の検査を行うことができる商品検査装置および商品検査方法、ならびにこのような商品検査方法を実行させるプログラムを提供することにある。

上記課題を解決するために、本発明に係る商品検査装置は、コンベアにより搬送される多数の商品を撮影する撮影部と、撮影部で撮影された各商品の画像に対して画像処理を行う画像処理部と、画像処理部で処理された各画像データに対して、予め定められた選別基準に基づいて良品／不良品の判定を行う判定部と、判定部で不良品と判定された商品に対し、不良品の種別に応じて異なる色またはパターンの光を、コンベア上に不良品の種別に係わらず設定された同一の所定の光照射領域内において、商品の搬送速度に同期して照射する光照射部と、判定部で不良品と判定された商品を不良品の種別に応じて異なる不良品回収容器に排出する排出部と、不良品の種別に対応した複数の不良品回収容器とを備えている。

本発明においては、コンベアにより搬送される多数の商品の撮影画像は画像処理部により画像処理され、画像処理された各画像データに対しては、所定の選別基準に基づいて判定部により良品／不良品の判定が行われる。判定部で不良品と判定された商品には、コンベア上に不良品の種別に係わらず設定された同一の所定の光照射領域内において、光照射部により、不良品の種別に応じて異なる色またはパターンの光が、商品の搬送速度に同期して照射される。これにより、熟練度の低い一般作業員であっても、複数種類の不良品の種別をコンベア上の同一の光照射領域内で容易に識別でき、その結果、熟練した目視検査員と同等の熟練度で商品の検査および選別を行えるようになる。

本発明においては、さらに、判定部で不良品と判定された商品を不良品の種別に応じて異なる不良品回収容器に排出する排出部を設けたので、不良品を排出部によってコンベア上から自動的に排出できるようになるばかりでなく、不良品の種別に対応した各不良品回収容器に不良品をそれぞれ回収できるようになる。これにより、各不良品回収容器への不良品の回収状況から不良品の種別に応じた分布が分かり、これを製造工程にフィードバックすることで、製造工程での不良率を低減できるようになる。

本発明においては、判定部で判定された良品／不良品の各画像データをそれぞれ表示する表示部と、表示部で表示された各画像データに対して操作者が良品／不良品の判定結果を入力する入力部と、入力部で入力された判定結果を学習画像データとし、学習画像データに基づいて機械学習方式により学習モデルを生成する学習モデル生成部と、学習モデル生成部により生成された学習モデルにしたがって判定部の前記選別基準を更新する更新部とをさらに備えている。

この場合には、判定部で判定された良品／不良品の各画像データはそれぞれ表示部に表示され、表示部に表示された各画像データに対しては、熟練した目視検査員のような操作者により良品／不良品の判定結果が入力部に入力される。すると、学習モデル生成部が、操作者により入力された判定結果を学習画像データとし、当該学習画像データに基づいて機械学習方式により学習モデルを生成する。そして、この学習モデルにしたがって、更新部により、判定部の選別基準が更新される。

これにより、判定部の選別基準が機械学習を繰り返すことで徐々に精度の高いものになっていき、その結果、判定部による良品／不良品の判定処理の正確さが、熟練目視作業員の助けを借りなくても熟練目視作業員と同等以上のレベルにまで向上できる。その結果、一般作業員であっても、熟練した目視検査員と同等以上の熟練度でコンベア上の商品の検査を行えるようになる。

以上のように本発明によれば、不良品と判定された商品には、商品の搬送速度に同期して光が照射されるので、熟練度の低い一般作業員でもコンベア上で不良品を容易に識別して選別できるようになり、熟練した目視検査員と同等の熟練度で商品の検査を行うことができる。

本発明の一実施例による商品検査装置の全体斜視図である。前記商品検査装置（図１）のハードウェア構成例を示す図である。前記商品検査装置（図１）の機能ブロック図である。前記商品検査装置（図１）の動作の一例を示すフローチャートである。前記商品検査装置（図１）において、多数の商品がコンベア上を移動する様子をカメラ視野領域とプロジェクタ投影領域とともに時系列的に示す平面概略図である。前記商品検査装置（図１）において、多数の商品がコンベア上を移動する様子をカメラ視野領域とプロジェクタ投影領域とともに時系列的に示す平面概略図である。前記商品検査装置（図１）において、多数の商品がコンベア上を移動する様子をカメラ視野領域とプロジェクタ投影領域とともに時系列的に示す平面概略図である。前記商品検査装置（図１）において、コンベア上を移動する不良品にプロジェクタから投影（照射）された画像（照射光）を示す図であって、投影画像（照射光）がコンベア搬送速度に同期して移動していく様子を（ａ）～（ｄ）の順に時系列的に示している。前記商品検査装置（図１）のタッチパネルディスプレイの表示の一例を示す図であって、良品の検査時に「検査タブ」を選択した状態を示している。前記商品検査装置（図１）のタッチパネルディスプレイの表示の一例を示す図であって、良品の検査時に「検査＋学習タブ」を選択した状態を示している。前記商品検査装置（図１）のタッチパネルディスプレイの表示の一例を示す図であって、不良品の検査時に「検査タブ」を選択した状態を示している。前記商品検査装置（図１）のタッチパネルディスプレイの表示の一例を示す図であって、不良品の検査時に「検査＋学習タブ」を選択した状態を示している。前記商品検査装置（図１）で取得された多数の良品画像データの一例を示す図である。前記商品検査装置（図１）で取得された多数の不良品画像データの一例を示す図である。

以下、本発明の一実施例による商品検査装置を添付図面に基づいて説明する。
図１ないし図１４は、本実施例による商品検査装置を説明するための図である。なお、ここでは、商品の一例として焼き菓子を例にとって示している。

図１に示すように、商品検査装置１は、前工程の焼成工程等を経た多数の商品Ｂｃ、Ｂｃ’が供給部２から供給されるとともに、供給された商品Ｂｃ、Ｂｃ’を矢印方向に搬送するコンベア３と、コンベア３で搬送中の商品Ｂｃ、Ｂｃ’を撮影するカメラ（撮影部）４と、カメラ４で撮影された各商品Ｂｃ、Ｂｃ’の画像に対して画像処理を行う画像処理部、および画像処理部で処理された画像データに対して予め定められた選別基準に基づいて良品／不良品の判定を行う判定部としてのパソコン本体（画像処理・判定部）５と、判定部で不良品と判定された商品Ｂｃ’に対し、不良の種別に対応した色の光（色光）Ｌｐを商品Ｂｃ’の搬送速度に同期して商品Ｂｃ’に照射するプロジェクタ（光照射部）６とを備えている。商品検査装置１はさらに、判定部で判定された良品／不良品の各画像データをそれぞれ表示する表示部、および表示部で表示された各画像データに対して操作者が良品／不良品の判定結果を入力する入力部としてのタッチパネルディスプレイ（表示・入力部）７とを備えている。

コンベア３の上方には、カメラ４での撮影時にコンベア３上の商品Ｂｃ、Ｂｃ’を照光するための光Ｌを照射する照明８が配置されている。コンベア３の側方には、不良の商品Ｂｃ’を不良の種別に応じて回収するための複数の不良品回収容器Ｄ１、Ｄ２、Ｄ３が設けられている。カメラ４、プロジェクタ６およびタッチパネルディスプレイ７は、パソコン本体５に対してそれぞれケーブル１００、１０１、１０２で接続されている。パソコン本体５から延びるケーブル１０３には、コンベア３を駆動するサーボモータ（図示せず）の回転位置を検出するためのエンコーダ９が接続されている。なお、当該サーボモータは、図示しない制御コントローラを介してパソコン本体５に接続されている。供給部２の上には、運転中／停止中／非常停止中等の表示を行う表示灯２０が取り付けられている。

商品検査装置１は、図２に示すようなハードウェア構成を有している。同図に示すように、商品検査装置１のＩ／Ｏポート５０には、ＣＰＵ５１と、ＲＯＭ５２と、ＲＡＭ５３と、当該装置の動作を制御するプログラム等が格納された外部記憶媒体の不揮発性メモリ５４とがバスラインを介して接続されている。

また、商品検査装置１のＩ／Ｏポート５０には、コンベア駆動用サーボモータ３０と、カメラ４と、プロジェクタ６と、タッチパネルディスプレイ７と、エンコーダ９とがバスラインを介して接続されている。

図３は、商品検査装置１の機能ブロック図である。同図に示すように、商品検査装置１は、カメラ４で撮影された商品の撮影画像が取り込まれる画像取込部１０と、撮影画像に対して画像処理を行う画像処理部１１と、画像処理された画像データに対して予め定められた選別基準に基づいて良品／不良品の判定を行う判定部１２と、良品／不良品の各画像データを表示する表示部（タッチパネルディスプレイ）７と、表示部７に表示された各画像データに対して操作者が良品／不良品の判定結果を入力する入力部（タッチパネルディスプレイ）７と、不良品に対してプロジェクタ投影用画像を生成する投影用画像生成部１３と、入力部７で入力された判定結果を学習画像データとし、当該学習画像データに基づいて機械学習方式により学習モデルを生成する学習モデル生成部１４と、学習モデル生成部１４により生成された学習モデルにしたがって判定部１２の選別基準を更新する更新部１５と、判定部１２で不良と判定された商品に対して商品の搬送速度に同期して不良の種別に応じた色の光（色光）を照射する光照射部（プロジェクタ）６とを有している。

図３中の各部は、不揮発性メモリ５４からＲＡＭ５３上に展開されたプログラムを実行するＣＰＵ５１からの命令によって動作することで実現される機能である。

次に、商品検査装置１の動作について、図１、図３を参照しつつ図４のフローチャートを用いて説明する。
プログラムがスタートすると、まず、図４のステップＳ１において、カメラ４（図１）で撮影された商品Ｂｃ、Ｂｃ’の画像を画像取込部１０（図３）により取り込む。取り込まれる画像はたとえばＪＰＥＧ、ＢＭＰ、ＧＩＦ等である。ステップＳ２では、取り込まれた各商品Ｂｃ、Ｂｃ’の画像に対して画像処理部１１（図３）により画像処理を行う。この画像処理においては、濃淡変化から商品の境界を見い出す「エッジ検出」等を行ったり、エンコーダ９（図１）からの入力に基づいて商品の位置情報を取得したりする。

次に、ステップＳ３では、ステップＳ２で画像処理された画像データに対して、予め定められた選別基準に基づいて判定部１２（図３）により良品／不良品の判定を行う。この初期の選別基準については、判定部１２で商品Ｂｃ、Ｂｃ’ の１次検査を行った結果、抽出された特徴量に基づいて設定される。

なお、この初期の選別基準については、後述するように、熟練した目視検査員のような操作者が判定部１２による判定結果について彼らの目でさらに判定を行って、その判定結果を学習画像データとして商品検査プログラムにフィードバックして機械学習を行わせることにより、彼らの経験値が加味された新たな選別基準が段階的に設定され、より精度の高い良品／不良品の判定が行われるようになる。この段階的な選別基準は、機械学習を繰り返し行うことによりさらに精度が向上して、熟練目視検査員と同等またはそれ以上のレベルにまで到達できるようになる。

図４のフローチャートに戻って具体的に説明を続けると、ステップＳ３において、初期の選別基準を用いて良品／不良品の判定を行った結果、良品と判定されればステップＳ４に移行し、不良品と判定されればステップＳ５に移行する。ステップＳ４では、パネルディスプレイ（表示・入力部）７（図１、図３）に良品の商品Ｂｃの画像を表示し、同様に、ステップＳ５では、パネルディスプレイ７に不良品の商品Ｂｃ’の画像を表示する。

次に、ステップＳ６では、プロジェクタ投影用画像生成部１３（図３）により、不良品の商品Ｂｃ’に対して不良の種別に対応した色の光（色光）が商品Ｂｃ’の搬送速度に同期して商品Ｂｃ’に投影（照射）されるようにプロジェクタ投影用画像を作成する。次に、ステップＳ７では、ステップＳ６で作成されたプロジェクタ投影用画像を商品Ｂｃ’に投影（照射）する。

ステップＳ６～Ｓ７の処理を図５ないし図８を用いて説明する。
図５ないし図７は、一点鎖線で示すカメラ視野領域Ｃｆおよび二点鎖線で示すプロジェクタ投影領域Ｐｆを通過していくコンベア３上の各商品Ｂｃ、Ｂｃ’の動きを示している。図８は、コンベア３上を移動する不良品の商品Ｂｃ’にプロジェクタ（光照射部）６（図１、図３）から投影（照射）されたプロジェクタ投影光（照射光）がコンベア搬送速度に同期してプロジェクタ投影領域Ｐｆ内を移動していく様子を（ａ）～（ｄ）の順に時系列的に示している。

図５において、カメラ視野領域Ｃｆには、良品の商品Ｂｃと、不良品の商品Ｂｃ’とが混在して配置されている。説明の便宜上、良品の商品Ｂｃの傍には「ＯＫ」の文字が、不良品の商品Ｂｃ’の傍には「サイズＮＧ」、「形状ＮＧ」、「色ＮＧ」の文字がそれぞれ付与されている。この例では、「サイズＮＧ」の商品は商品の長さが短すぎる商品であり、「形状ＮＧ」の商品は商品の一部に局部的な膨らみがある商品であり、「色ＮＧ」の商品は焼き色が濃すぎる商品である。

ステップＳ６では、プロジェクタ投影用画像生成部１３（図３）により、不良の各商品Ｂｃ’に対して不良の種別に対応した色の光（色光）を選択するとともに、選択した色光が各商品Ｂｃ’の動的位置に対応するようにプロジェクタ投影用画像を作成し、ステップＳ７において、これを各商品Ｂｃ’に投影（照射）する。これにより、図６および図７に示すように、各商品Ｂｃ’がプロジェクタ投影領域Ｐｆに移動すると、各商品Ｂｃ’にそれぞれ対応した色光がプロジェクタ６から投影（照射）され、各色光は各商品Ｂｃ’の移動につれてプロジェクタ投影領域Ｐｆ内を移動していく（図８参照）。

作業者Ｐは、不良の各商品Ｂｃ’がプロジェクタ投影領域Ｐｆに進入してくると、プロジェクタ投影光（照射光）が投影（照射）された各商品Ｂｃ’を順次ピックアップして、商品Ｂｃ’の色光Ｌｐに対応したいずれかの不良品回収容器Ｄ１、Ｄ２、Ｄ３に商品Ｂｃ’を排出する。

このように、不良品と判定された商品Ｂｃ’には、商品Ｂｃ’の搬送速度に同期してプロジェクタ６から光が照射されるので、熟練度の低い一般作業員でもコンベア上で不良品を容易に識別して選別できる。また、プロジェクタ６が不良の種別に応じて異なる色の光（色光）を照射するので、一般作業員が不良の種別を識別できるようになる。さらに、不良品を不良の種別に対応した不良品回収容器Ｄ１、Ｄ２、Ｄ３に回収できるので、各不良品回収容器Ｄ１、Ｄ２、Ｄ３への不良品の回収状況から不良品の分布が分かり、これを製造工程にフィードバックすることで、不良率を低減できるようになる。

次に、図９、図１０は、ステップＳ４での処理により、タッチパネルディスプレイ７に良品の商品Ｂｃを含むウィンドウの画像が表示された状態を示しており、同様に、図１１、図１２は、ステップＳ５での処理により、タッチパネルディスプレイ７に不良品の商品Ｂｃ’を含むウィンドウの画像が表示された状態を示している。

図９ないし図１２に示す例では、各ウィンドウが「検査タブ」、「検査＋学習タブ」および「（学習）タブ」を有しており、図９、図１１は「検査タブ」を選択した状態を、図１０、図１２は「検査＋学習タブ」を選択した状態をそれぞれ示している。

図９、図１１に示すように、「検査タブ」のウィンドウが開いているとき、ウィンドウ内には、良品／不良品の判定を行っている、検査中の商品の判定結果が示されており、「品種名」（例示はＡＡＡ）と、ＯＫ（つまり良品）かＮＧ（つまり不良品）かの「判定」結果と、不良の場合は「不良Ｇ」の種別（例示は形状）とが表示されている。この例では、商品の一部に局部的な膨らみが現われている点が不良と判断されている。画面にはさらに表が表示されており、表中には、判定対象となった商品の個数がＴＯＴＡＬの項目のカウント欄に、良品となった商品の個数がＯＫの項目のカウント欄に、不良品となった商品の個数がＮＧの項目のカウント欄にそれぞれ示されるとともに、良品および不良品の比率がパーセント表示されている。

この「検査タブ」のウィンドウが開いている状態では、検査後の商品の判定結果が次々と画面に表示されるので、運転中の検査の様子をモニタリングできる。また、検査済みの多数の良品画像データ（図１３参照）および不良品画像データ（図１４参照）、あるいはそれらをサンプリングしたものはバッファリングされてメモリ内に格納される。

図１０、図１２に示すように、「検査＋学習タブ」のウィンドウが開いているとき、ウィンドウ内には、図９、図１１のウィンドウ表示内容が画面左側に縮小表示され、画面右側には、「良品学習モードタブ」および「不良品学習モードタブ」を有する小さなウィンドウが表示されており、当該ウィンドウ内には、たとえばサンプリングした良品画像または不良品画像が表示されている。「不良品学習モードタブ」の選択時には、良品画像が表示され（図１０参照）、「良品学習モードタブ」の選択時には、不良品画像が表示される（図１２参照）。また、ウィンドウ内には、商品を「良品にしたい」、「不良品にしたい」の２つの項目があり、操作者がタッチ操作することでいずれかの項目を選択できるようになっている。このように、良品と判定した中に不良品は含まれていないか、不良品と判定した中に良品は含まれていないかという判断を人が行うことにより、現時点の選別基準で良品／不良品の判定をした判定結果から、人が考える判定結果に徐々に近づけることができる。なお、「（学習）タブ」は、初回学習や追加学習等を行う際に選択するタブである。

次に、図４のステップＳ８では、操作者から入力がなされた否かが判断される。上述したように、検査時に取得された多数の良品画像データおよび不良品画像データ、またはこれらのサンプリング画像データはメモリ内に格納されており、操作者が「検査＋学習タブ」を選択したとき、これらの画像データをメモリからそれぞれ取り出せるようになっている。

図１０は良品の画像をメモリから取り出した例を示し、図１２は不良品の画像をメモリから取り出した例を示しており、操作者、好ましくは、熟練した目視検査員のような操作者が、これらの画像を精査して良品／不良品の判定を行う。操作者が検査済みの良品を不良品にすべきと判断すれば、「不良品にしたい」という項目をタッチ操作して入力し、操作者が検査済みの不良品を良品にすべきと判断すれば、「良品にしたい」という項目をタッチ操作して入力する。

操作者による入力がなされると、図４のステップＳ９に移行する。一方、操作者による入力がなされなければ、プログラムはステップＳ１に戻り、ステップＳ１～Ｓ８の処理を繰り返して行う。

ステップＳ９では、学習モデル生成部４（図３）により、ステップＳ８で入力された操作者による判定結果を学習画像データとし、当該学習画像データに基づいて機械学習方式により学習モデルを生成する。この学習モデルは、多層ニューラルネットワークを用いたＡＩ技術であるディープラーニング（深層学習）により多数の学習画像データを学習するものである。これにより、特徴量が容易に抽出されて、追加学習がなされ、人の感性に近い判定が行えるようになる。次に、ステップＳ１０では、更新部１５（図３）により、学習モデル生成部４により生成された学習モデルにしたがって、判定部１２の選別基準を更新する。

こうして、判定部１２の選別基準が機械学習を繰り返すことで徐々に精度の高いものになっていき、その結果、判定部１２による良品／不良品の判定処理の正確さが、熟練目視作業員の助けを借りなくても熟練目視作業員と同等またはそれ以上のレベルにまで向上できる。その結果、一般作業員であっても、熟練した目視検査員と同等以上の熟練度でコンベア３上の商品の検査を行うことができるようになる。

このような本実施例によれば、不良品と判定された商品Ｂｃ’には、商品Ｂｃ’の搬送速度に同期してプロジェクタ６から光が照射されるので、熟練度の低い一般作業員でもコンベア３上で不良の商品Ｂｃ’を容易に識別して選別できるようになり、熟練した目視検査員と同等の熟練度で商品の検査を行えるようになる。しかも、本実施例においては、熟練した目視検査員のような操作者により良品／不良品の判定結果が入力され、その判定結果を学習画像データとして機械学習方式により学習モデルが生成されて判定時の選別基準が更新されるので、選別基準を徐々に精度の高いものにすることができ、これにより、一般作業員であっても、熟練した目視検査員と同等以上の熟練度でコンベア上の商品の検査を行うことができるようになる。このようにして、検査員の能力差や疲労の度合いにより検査にばらつきが生じて商品の品質にばらつきが出るのを防止でき、商品の品質を均一にできる。また、プロジェクタ６が不良品の種別に応じて異なる色の光（色光）を照射するので、一般作業員が不良品の種別を識別できるようになる。

さらに、本実施例によれば、不良の商品Ｂｃ’は不良の種別に応じて対応する不良品回収容器Ｄ１、Ｄ２、Ｄ３に回収されるので、各不良項目ごとの仕分けや計数、管理が容易になって、各工程に対応した改善策を講じやすくなる。たとえば、焼き菓子に焼きムラや焦げが多かった場合には、焼成工程の点検を重点的に行ったり、温度や湿度等の周囲環境に合わせて焼成条件を変更したりすることにより、不良率を低下できる。

上述した商品検査装置１における各処理は、プログラム（商品検査プログラム）の形式でパソコン本体（コンピュータ）５の読み取り可能な記録媒体に記憶されており、このプログラムをパソコン本体５が読み出して実行することにより各処理が実行される。ここで、記録媒体としては、ハードディスク等の磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭやＤＶＤ－ＲＯＭ等の光ディスク、ＵＳＢメモリ等のフラッシュメモリ、半導体メモリ等の外部記憶媒体がある。なお、通信回線を介してプログラムをコンピュータに配信し、配信を受けたコンピュータが当該プログラムを実行するようにしてもよい。

以上、本発明に好適な実施例について説明したが、本発明の適用はこれに限定されるものではなく、本発明には種々の変形例が含まれる。以下に変形例のいくつかの例を挙げておく。

＜第１の変形例＞
前記実施例では、商品Ｂｃ、Ｂｃ’を撮影するカメラ４が一つ設けられた例を示したが、本発明の適用はこれに限定されない。カメラ４は複数設けるようにしてもよい。たとえば１台目のカメラはコンベア３の上方に配置し（図１参照）、２台目のカメラはコンベア３の側方に配置する等。この場合、画像処理部１１（図３）は、複数のカメラから得られた複数の画像に対してそれぞれ画像処理を行い、タッチパネルディスプレイ７は、複数のカメラによる各画像データをそれぞれ表示する。

これにより、判定部１２（図３）による良品／不良品の判定時に複数の選別基準を用いることができるので、判定精度を向上でき、検査の質を向上できる。また、操作者が良品／不良品を判定する際に複数の画像データに目を通すことができるので、判定精度を一層向上できる。さらに、操作者による判定精度が向上することによって、更新部１５（図３）により更新される選別基準をより精度の高いものにできるので、判定部１２（図３）による判定の際の選別基準を向上でき、判定精度をより一層向上できる。

＜第２の変形例＞
前記実施例では、商品Ｂｃ、Ｂｃ’の一方の面の画像のみを取得して良品／不良品の判定を行う例を示したが、商品Ｂｃ、Ｂｃ’の他方の面の画像をも取得して良品／不良品の判定を行う場合には、コンベア３の搬送方向下流端に吸着ドラムを含む反転部を設け、この反転部により商品Ｂｃ、Ｂｃ’の表裏を反転させるとともに、反転部に続く第２のコンベアによる搬送中に商品Ｂｃ、Ｂｃ’の他方の面の画像を取得するようにすればよい。

＜第３の変形例＞
前記実施例では、不良の商品Ｂｃ’が不良の種別に応じて作業者Ｐにより不良品回収容器Ｄ１、Ｄ２、Ｄ３に回収される例を示したが、本発明の適用はこれに限定されない。

図示していないが、作業者Ｐの代わりに、ロボットアームやパラレルリンクロボット等の自動機を排出部として設置し、判定部１２（図３）で不良品と判定された商品Ｂｃ’を自動機によりコンベア３上からピックアップするようにしてもよい。この場合、コンベア３上の商品Ｂｃ’の位置情報およびエンコーダの回転位置情報をプログラム内に取り込み、自動機の制御コントローラにこれらの情報を入力することにより、不良品排出処理の自動化が可能になる。これにより、商品検査装置の完全自動化が可能となって、省人化を実現でき、検査作業員の負担やストレスを削減できる。なお、作業者Ｐとともに自動機を用いることで、作業者Ｐと自動機を協働させてコラボさせるようにしてもよい。また、自動機による不良品の排出の際には、前記実施例と同様に、不良品を不良の種別に対応した各不良品回収容器Ｄ１、Ｄ２、Ｄ３にそれぞれ排出するようにしてもよい。

＜第４の変形例＞
前記実施例では、商品Ｂｃ，Ｂｃ’の画像はカメラ４が撮影し、不良品Ｂｃ’の回収は作業者Ｐが行う例を示しており、前記第３の変形例では、商品Ｂｃ，Ｂｃ’の画像はカメラ４が撮影し、不良品Ｂｃ’の回収はロボットアームやパラレルリンクロボット等の自動機が行う例を示したが、本発明の適用はこれに限定されない。不良品回収用のロボットとして、カメラを内蔵したカメラ一体型ロボットを採用するようにしてもよい。

＜第５の変形例＞
前記実施例では、コンベア３上の不良の商品Ｂｃ’に対して不良の種別に応じて異なる色の光（色光）がプロジェクタ６から投影（照射）される例を示したが、本発明の適用はこれに限定されない。プロジェクタ６から投影（照射）される光は、同じ色の光であって異なる画像パターンのものでもよい。

＜第６の変形例＞
前記実施例では、パソコンのディスプレイにタッチパネルディスプレイを用いて、画面上で表示のみならず入力をも行うようにした例を示したが、パソコンの入力機器として、キーボードやマウス等を用いるようにしてもよい。

＜第７の変形例＞
前記実施例では、商品として焼き菓子を例にとったが、本発明の適用はこれに限定されないことはいうまでもない。商品としては、焼き菓子以外の菓子類やその他の食品等にも同様に適用可能である。食品は、一般に外観品質の均一性確保が難しいという性質を有するため、本発明を適用するのに好適な商品である。

＜その他の変形例＞
上述した実施例および各変形例はあらゆる点で本発明の単なる例示としてのみみなされるべきものであって、限定的なものではない。本発明が関連する分野の当業者は、本明細書中に明示の記載はなくても、上述の教示内容を考慮するとき、本発明の精神および本質的な特徴部分から外れることなく、本発明の原理を採用する種々の変形例やその他の実施例を構築し得る。

以上のように、本発明は、一般作業員でも熟練目視検査員と同等の熟練度で商品検査を行える商品検査装置に有用である。

１：商品検査装置

３：コンベア

４：カメラ（撮影部）

５：パソコン本体
１１：画像処理部
１２：判定部
１３：プロジェクタ投影用画像生成部
１４：学習モデル生成部
１５：更新部

６：プロジェクタ（光照射部）

７：タッチパネルディスプレイ（表示・入力部）

Ｂｃ：商品（良品）
Ｂｃ’：商品（不良品）

Ｄ１、Ｄ１、Ｄ３：不良品回収容器

特開２００３－２１６９２８号公報（段落［０００９］、［００１６］～［００１７］および図１参照）

Claims

コンベアにより搬送される多数の商品を撮影する撮影部と、
前記撮影部で撮影された各商品の画像に対して画像処理を行う画像処理部と、
前記画像処理部で処理された画像データに対して、予め定められた選別基準に基づいて良品／不良品の判定を行う判定部と、
前記判定部で不良品と判定された商品に対し、不良品の種別に応じて異なる色またはパターンの光を、前記コンベア上に不良品の種別に係わらず設定された同一の所定の光照射領域内において、商品の搬送速度に同期して照射する光照射部と、
前記判定部で不良品と判定された商品を不良品の種別に応じて異なる不良品回収容器に排出する排出部と、
不良品の種別に対応した複数の不良品回収容器と、
を備えた商品検査装置。
請求項１において、
前記判定部で判定された良品／不良品の各画像データをそれぞれ表示する表示部と、
前記表示部で表示された各画像データに対して操作者が良品／不良品の判定結果を入力
する入力部と、
前記入力部で入力された前記判定結果を学習画像データとし、当該学習画像データに基
づいて機械学習方式により学習モデルを生成する学習モデル生成部と、
前記学習モデル生成部により生成された前記学習モデルにしたがって、前記判定部の前
記選別基準を更新する更新部と、
をさらに備えた商品検査装置。