JP7264268B2 - 表面性状推定システム - Google Patents
表面性状推定システム Download PDFInfo
- Publication number
- JP7264268B2 JP7264268B2 JP2021550936A JP2021550936A JP7264268B2 JP 7264268 B2 JP7264268 B2 JP 7264268B2 JP 2021550936 A JP2021550936 A JP 2021550936A JP 2021550936 A JP2021550936 A JP 2021550936A JP 7264268 B2 JP7264268 B2 JP 7264268B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- surface texture
- unit
- training data
- feature amount
- 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
- G06V10/40—Extraction of image or video features
- G06V10/54—Extraction of image or video features relating to texture
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/30—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring roughness or irregularity of surfaces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/90—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents
- G01N27/9046—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents by analysing electrical signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
物体の表面の画像を取得する画像取得手段と、
物体の表面の画像と該画像が表す表面性状とをトレーニングデータとして機械学習された推定モデルを用いて、前記取得された画像から表面性状を推定する推定手段と、
前記取得された画像から前記画像に固有の特徴量を抽出する抽出手段と、
前記推定された表面性状と前記抽出された特徴量とを関連付けて記憶手段に記憶する登録手段と、
を備えるように構成されている。
物体の表面の画像を取得し、
物体の表面の画像と該画像が表す表面性状とをトレーニングデータとして機械学習された推定モデルを用いて、前記取得された画像から表面性状を推定し、
前記取得された画像から前記画像に固有の特徴量を抽出し、
前記推定された表面性状と前記抽出された特徴量とを関連付けて記憶手段に記憶する、
ように構成されている。
コンピュータに、
物体の表面の画像を取得する処理と、
物体の表面の画像と該画像が表す表面性状とをトレーニングデータとして機械学習された推定モデルを用いて、前記取得された画像から表面性状を推定する処理と、
前記取得された画像から前記画像に固有の特徴量を抽出する処理と、
前記推定された表面性状と前記抽出された特徴量とを関連付けて記憶手段に記憶する処理と、
を行わせるためのプログラムを記録するように構成されている。
[第1の実施形態]
図1は本発明の第1の実施形態に係る表面性状推定システム100のブロック図である。表面性状推定システム100は、工業製品などの物体の表面を撮影した画像からその物体の表面性状を推定すると共に物体固有の特徴量を抽出し、両者を関連付けて記録するように構成された情報処理システムである。
図2は学習動作の一例を示すフローチャートである。図2を参照すると、トレーニングデータ作成部1701は、ステップS2~S4を規定回数繰り返す(ステップS1、S5)。規定回数は、必要な量のトレーニングデータが作成される回数以上であれば任意である。例えば、学習用の物体が複数存在する場合、表面性状推定システム100は、ステップS2~S4を学習用の物体毎に1回以上繰り返す。ステップS2では、トレーニングデータ作成部1701は、学習用の物体の表面上の所定領域をカメラ110によって撮影する。ステップS3では、トレーニングデータ作成部1701は、上記所定領域の表面性状を計測センサ120によって計測する。ステップS4では、トレーニングデータ作成部1701は、ステップS2で取得した画像とステップS3で取得した表面性状とを対応付けて1つのトレーニングデータを作成し、記憶部160に記憶する。
図4は登録動作の一例を示すフローチャートである。図4を参照すると、画像取得部1703は、登録対象の物体の表面における検査領域をカメラ110によって撮影し、その得られた画像1604を記憶部160に記憶する(ステップS11)。次に推定部1704は、画像取得部1703によって取得された画像1604を学習済みの推定モデル1603に入力し、推定モデル1603から出力される表面性状1605を記憶部160に記憶する(ステップS12)。次に抽出部1705は、画像取得部1703によって取得された画像1604からその画像固有の特徴量を抽出し、その抽出した特徴量を個体識別子1606として記憶部160に記憶する(ステップS13)。次に登録部1706は、推定部1704によって推定された表面性状1605と抽出部1705によって抽出された個体識別子1606とを関連付けてデータベース1607に記憶する(ステップS14)。登録対象の物体が複数存在する場合、表面性状推定システム100は、以上説明した動作と同じ動作を登録対象の物体の数だけ繰り返す。
図6は照合動作の一例を示すフローチャートである。図6を参照すると、画像取得部1703は、照合対象の物体の表面における検査領域をカメラ110によって撮影し、その得られた画像1604を記憶部160に記憶する(ステップS21)。次に抽出部1705は、画像取得部1703によって取得された画像1604からその画像固有の特徴量を抽出し、その抽出した特徴量を個体識別子1606として記憶部160に記憶する(ステップS22)。次に照合部1707は、抽出部1705によって抽出された個体識別子1606とデータベース1607に記憶されている個体識別子とを照合する(ステップS23)。次に照合部1707は、照合結果を画面表示部150に表示し、または/および、通信I/F部130を通じて外部の装置へ送信する(ステップS24)。
次に本発明の第2の実施形態に係る表面性状推定システム200について説明する。表面性状推定システム200は、図1を参照して説明した表面性状推定システム100と比較して、トレーニングデータ作成部1701の構成が相違し、それ以外は表面性状推定システム100と同じである。
図10は表面性状推定システム200の学習動作の一例を示すフローチャートである。図10を参照すると、トレーニングデータ作成部1701は、ステップS32~S35を規定回数繰り返す(ステップS31、S36)。規定回数は、必要な量のトレーニングデータが作成される回数以上であれば任意である。例えば、学習用の物体が複数存在する場合、表面性状推定システム200は、ステップS32~S35を学習用の物体毎に1回以上繰り返す。ステップS32では、トレーニングデータ作成部1701は、学習用の物体の表面上の所定領域の表面性状を計測センサ120によって計測する。ステップS33では、トレーニングデータ作成部1701は、ステップS32で計測された表面性状に近似する表面性状に対応付けて記憶されている撮影条件を対応表17012から取得する。ステップS34では、トレーニングデータ作成部1701は、上記取得した撮影条件で決定される撮影環境の下で、学習用の物体の表面上の所定領域をカメラ110によって撮影する。ステップS35では、トレーニングデータ作成部1701は、ステップS34で取得した画像とステップS32で取得した表面性状とを対応付けて1つのトレーニングデータを作成し、記憶部160に記憶する。
次に、本発明の第3の実施形態について図11を参照して説明する。図11は、本実施形態に係る表面性状推定システム300のブロック図である。
[付記1]
物体の表面の画像を取得する画像取得手段と、
物体の表面の画像と該画像が表す表面性状とをトレーニングデータとして機械学習された推定モデルを用いて、前記取得された画像から表面性状を推定する推定手段と、
前記取得された画像から前記画像に固有の特徴量を抽出する抽出手段と、
前記推定された表面性状と前記抽出された特徴量とを関連付けて記憶手段に記憶する登録手段と、
を備える表面性状推定システム。
[付記2]
トレーニングデータ生成手段を、さらに備え、
前記トレーニングデータ生成手段は、
計測センサを用いて物体の表面性状を計測する計測手段と、
表面性状と撮影条件とを関連付ける対応表と、
前記計測された表面性状と前記対応表に記録されている表面性状との近似度を算出し、前記算出した近似度に基づいて撮影条件を前記対応表から取得する撮影条件取得手段と、
前記取得された撮影条件の下で物体の表面の画像を撮影する撮影手段と、
前記撮影された画像と前記計測された表面性状とから前記トレーニングデータを生成する生成手段と、を備える、
付記1に記載の表面性状推定システム。
[付記3]
前記抽出された特徴量と前記記憶手段に記憶された特徴量とを照合し、前記抽出された特徴量に合致する特徴量に関連付けて前記記憶手段に記憶されている表面性状を出力する照合手段を、さらに備える、
付記1または2に記載の表面性状推定システム。
[付記4]
前記表面性状は、3次元点群データである、
付記1乃至3の何れかに記載の表面性状推定システム。
[付記5]
前記表面性状は、表面粗さのパラメータである、
付記1乃至3の何れかに記載の表面性状推定システム。
[付記6]
物体の表面の画像を取得し、
物体の表面の画像と該画像が表す表面性状とをトレーニングデータとして機械学習された推定モデルを用いて、前記取得された画像から表面性状を推定し、
前記取得された画像から前記画像に固有の特徴量を抽出し、
前記推定された表面性状と前記抽出された特徴量とを関連付けて記憶手段に記憶する、
表面性状推定方法。
[付記7]
前記トレーニングデータの生成では、
計測センサを用いて物体の表面性状を計測し、
表面性状と撮影条件とを関連付ける対応表に記録されている表面性状と前記計測された表面性状との近似度を算出し、前記算出した近似度に基づいて撮影条件を前記対応表から取得し、
前記取得された撮影条件の下で物体の表面の画像を撮影し、
前記撮影された画像と前記計測された表面性状とから前記トレーニングデータを生成する、
付記6に記載の表面性状推定方法。
[付記8]
コンピュータに、
物体の表面の画像を取得する処理と、
物体の表面の画像と該画像が表す表面性状とをトレーニングデータとして機械学習された推定モデルを用いて、前記取得された画像から表面性状を推定する処理と、
前記取得された画像から前記画像に固有の特徴量を抽出する処理と、
前記推定された表面性状と前記抽出された特徴量とを関連付けて記憶手段に記憶する処理と、
を行わせるための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。
110…カメラ
120…計測センサ
130…通信I/F部
140…操作入力部
150…画面表示部
160…記憶部
1601…プログラム
1602…トレーニングデータ
1603…推定モデル
1604…画像
1605…表面性状
1606…個体識別子
1607…データベース
170…演算処理部
1701…トレーニングデータ作成部
17011…計測部
17012…対応表
17013…撮影条件取得部
17014…撮影部
17015…生成部
1702…学習部
1703…画像取得部
1704…推定部
1705…抽出部
1706…登録部
1707…照合部
181…物体
182…検査領域
183…画像
184…表面性状
185…物体
186…検査領域
187…画像
188…表面性状
189…個体識別子
190…物体
191…検査領域
192…画像
193…個体識別子
200…表面性状推定システム
300…表面性状推定システム
301…画像取得部
302…推定部
303…抽出部
304…登録部
Claims (8)
- 物体の表面の画像を取得する画像取得手段と、
物体の表面の画像と該画像が表す表面性状とをトレーニングデータとして機械学習された推定モデルを用いて、前記取得された画像から表面性状を推定する推定手段と、
前記取得された画像から前記画像に固有の特徴量を抽出する抽出手段と、
前記推定された表面性状と前記抽出された特徴量とを関連付けて記憶手段に記憶する登録手段と、
を備える表面性状推定システム。 - トレーニングデータ生成手段を、さらに備え、
前記トレーニングデータ生成手段は、
計測センサを用いて物体の表面性状を計測する計測手段と、
表面性状と撮影条件とを関連付ける対応表と、
前記計測された表面性状と前記対応表に記録されている表面性状との近似度を算出し、前記算出した近似度に基づいて撮影条件を前記対応表から取得する撮影条件取得手段と、
前記取得された撮影条件の下で物体の表面の画像を撮影する撮影手段と、
前記撮影された画像と前記計測された表面性状とから前記トレーニングデータを生成する生成手段と、を備える、
請求項1に記載の表面性状推定システム。 - 前記抽出された特徴量と前記記憶手段に記憶された特徴量とを照合し、前記抽出された特徴量に合致する特徴量に関連付けて前記記憶手段に記憶されている表面性状を出力する照合手段を、さらに備える、
請求項1または2に記載の表面性状推定システム。 - 前記表面性状は、3次元点群データである、
請求項1乃至3の何れかに記載の表面性状推定システム。 - 前記表面性状は、表面粗さのパラメータである、
請求項1乃至3の何れかに記載の表面性状推定システム。 - 物体の表面の画像を取得し、
物体の表面の画像と該画像が表す表面性状とをトレーニングデータとして機械学習された推定モデルを用いて、前記取得された画像から表面性状を推定し、
前記取得された画像から前記画像に固有の特徴量を抽出し、
前記推定された表面性状と前記抽出された特徴量とを関連付けて記憶手段に記憶する、
表面性状推定方法。 - 前記トレーニングデータの生成では、
計測センサを用いて物体の表面性状を計測し、
表面性状と撮影条件とを関連付ける対応表に記録されている表面性状と前記計測された表面性状との近似度を算出し、前記算出した近似度に基づいて撮影条件を前記対応表から取得し、
前記取得された撮影条件の下で物体の表面の画像を撮影し、
前記撮影された画像と前記計測された表面性状とから前記トレーニングデータを生成する、
請求項6に記載の表面性状推定方法。 - コンピュータに、
物体の表面の画像を取得する処理と、
物体の表面の画像と該画像が表す表面性状とをトレーニングデータとして機械学習された推定モデルを用いて、前記取得された画像から表面性状を推定する処理と、
前記取得された画像から前記画像に固有の特徴量を抽出する処理と、
前記推定された表面性状と前記抽出された特徴量とを関連付けて記憶手段に記憶する処理と、
を行わせるためのプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/039387 WO2021065009A1 (ja) | 2019-10-04 | 2019-10-04 | 表面性状推定システム |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021065009A1 JPWO2021065009A1 (ja) | 2021-04-08 |
JPWO2021065009A5 JPWO2021065009A5 (ja) | 2022-06-08 |
JP7264268B2 true JP7264268B2 (ja) | 2023-04-25 |
Family
ID=75336868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021550936A Active JP7264268B2 (ja) | 2019-10-04 | 2019-10-04 | 表面性状推定システム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220326010A1 (ja) |
JP (1) | JP7264268B2 (ja) |
WO (1) | WO2021065009A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018100669A1 (ja) | 2016-11-30 | 2018-06-07 | 日本電気株式会社 | 個体識別装置 |
JP2018156442A (ja) | 2017-03-17 | 2018-10-04 | 日本電信電話株式会社 | 推定器学習装置、法線方向推定装置、方法、及びプログラム |
JP2019125112A (ja) | 2018-01-15 | 2019-07-25 | キヤノン株式会社 | 情報処理装置及びその制御方法及びプログラム、並びに、運転制御システム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0777416A (ja) * | 1993-09-08 | 1995-03-20 | Tipton Mfg Corp | ニューラルネットワークによる表面粗さ測定方法及び測定装置 |
JP6341124B2 (ja) * | 2015-03-16 | 2018-06-13 | カシオ計算機株式会社 | オブジェクト認識装置および認識結果提示方法 |
JP6573311B2 (ja) * | 2015-06-15 | 2019-09-11 | パナソニック株式会社 | 顔認識システム、顔認識サーバ及び顔認識方法 |
US20170286761A1 (en) * | 2016-03-31 | 2017-10-05 | Pointgrab Ltd. | Method and system for determining location of an occupant |
-
2019
- 2019-10-04 JP JP2021550936A patent/JP7264268B2/ja active Active
- 2019-10-04 WO PCT/JP2019/039387 patent/WO2021065009A1/ja active Application Filing
- 2019-10-04 US US17/764,697 patent/US20220326010A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018100669A1 (ja) | 2016-11-30 | 2018-06-07 | 日本電気株式会社 | 個体識別装置 |
JP2018156442A (ja) | 2017-03-17 | 2018-10-04 | 日本電信電話株式会社 | 推定器学習装置、法線方向推定装置、方法、及びプログラム |
JP2019125112A (ja) | 2018-01-15 | 2019-07-25 | キヤノン株式会社 | 情報処理装置及びその制御方法及びプログラム、並びに、運転制御システム |
Non-Patent Citations (3)
Title |
---|
Toru Takahashi, et al.,"Mass-produced Parts Traceability System Based on Automated Scanning of "Fingerprint of Things"",Proceedings of the 2017 Fifteenth IAPR International Conference on Machine Vision Applications (MVA),2017年05月12日,Pages 202-206,ISBN: 978-4-9011-2216-0, <DOI: 10.23919/MVA.2017.7986836>. |
加藤 和彦(外3名),「鏡面性状評価システムの開発」,1995年度精密工学会秋季大会学術講演会講演論文集,日本,社団法人精密工学会,1995年,第253~254頁. |
森本 聡(外2名),「ニューラルネットワークによる仕上げ加工面の評価(第1報 表面特徴量の抽出と学習アルゴリズム)」,1993年度精密工学会秋季大会学術講演論文集,日本,社団法人精密工学会,1993年,第525~526頁. |
Also Published As
Publication number | Publication date |
---|---|
JPWO2021065009A1 (ja) | 2021-04-08 |
US20220326010A1 (en) | 2022-10-13 |
WO2021065009A1 (ja) | 2021-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6708973B2 (ja) | 判定方法、判定システム、判定装置、及びそのプログラム | |
JP6217886B1 (ja) | 物体管理装置 | |
US10775165B2 (en) | Methods for improving the accuracy of dimensioning-system measurements | |
JP6161543B2 (ja) | 物理的オブジェクトの認証と検証のためのシステム、方法及びコンピュータアクセス可能媒体 | |
EP3497618B1 (en) | Independently processing plurality of regions of interest | |
JP6810392B2 (ja) | 個体識別装置 | |
JP3808182B2 (ja) | 車両修理費見積もりシステム及び修理費見積もりプログラムを格納した記録媒体 | |
JP2011096135A (ja) | 画像処理装置、画像処理方法 | |
US20210232797A1 (en) | Independently processing plurality of regions of interest | |
JP7264268B2 (ja) | 表面性状推定システム | |
JP5036637B2 (ja) | 凹凸文字抽出のための画像処理方法及び画像処理装置 | |
CN111639726B (zh) | 一种基于印章的身份认证系统和方法 | |
CN115546139A (zh) | 一种基于机器视觉的缺陷检测方法、装置及电子设备 | |
JP7176638B2 (ja) | 照合位置出力システム | |
JP2013101481A (ja) | 読取装置、方法及びプログラム | |
CN111605327B (zh) | 具有凹凸结构的3d印章及3d印章图案形成方法 | |
TW202211158A (zh) | 個體識別系統 | |
JP2012212287A (ja) | 個体識別装置、個体識別方法、及びプログラム | |
WO2015136716A1 (ja) | 画像処理装置、画像センサ、画像処理方法 | |
EP4120195A1 (en) | A method, a computer program and a system for calibrating at least one camera | |
WO2019077863A1 (ja) | 識別装置及び電子機器 | |
CN114663118B (zh) | 基于镭射随机组合图像的防伪方法 | |
CN208722228U (zh) | 一种身份认证系统 | |
JP7197009B2 (ja) | 物体管理システム | |
TW202215290A (zh) | 鋼胚資訊讀取方法及鋼胚資訊讀取系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220328 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220328 |
|
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: 20230314 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230327 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7264268 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |