JP7298176B2 - 欠点検査装置および学習済みモデル - Google Patents
欠点検査装置および学習済みモデル Download PDFInfo
- Publication number
- JP7298176B2 JP7298176B2 JP2019023830A JP2019023830A JP7298176B2 JP 7298176 B2 JP7298176 B2 JP 7298176B2 JP 2019023830 A JP2019023830 A JP 2019023830A JP 2019023830 A JP2019023830 A JP 2019023830A JP 7298176 B2 JP7298176 B2 JP 7298176B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- defect
- output
- input
- data
- 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
Description
図1は、実施の形態1に係る欠点検査システムの全体構成を示す図である。図2は、実施の形態1に係る欠点検査システムの機能構成を示すブロック図である。これらの図に示す欠点検査システム1は、搬送路Lで搬送される製品Pの画像データを取得するデータ取得装置2と、データ取得装置2が取得した画像データをもとに欠点検査を行う欠点検査装置3と、欠点検査装置3の欠点検査結果を表示する表示装置4とを備える。なお、図1では、データ取得装置2が搬送路Lの鉛直上方から製品Pの画像データを取得する状況を模式的に示している。
実施の形態2に係る欠点検査装置は、製品の成型ミスに由来する欠点を検出する。実施の形態2に係る欠点検査システムの構成は、実施の形態1と同様であるため、実施の形態1と同様の構成要素に対しては、実施の形態1と同じ符号を用いて説明する。ただし、CNN100の各層の具体的な構成は、一般に実施の形態1と異なる。
実施の形態3に係る欠点検査装置は、明欠点および製品の成型ミスに由来する欠点を検出する。実施の形態3に係る欠点検査システムの構成は、実施の形態1と同様であるため、実施の形態1と同様の構成要素に対しては、実施の形態1と同じ符号を用いて説明する。
図8は、実施の形態4に係る欠点検査システムの機能構成を示すブロック図である。同図に示す欠点検査システム1Aは、データ取得装置2と、欠点検査装置3Aと、表示装置4とを備える。
図10は、実施の形態4の変形例に係る欠点検査装置3Aが行う処理の概要を示すフローチャートである。本変形例において、欠点検査装置3Aは、検査終了時に一括して学習処理を行う。
ここまで、本発明を実施するための形態を説明してきたが、本発明は上述した実施の形態1~4によって限定されるべきものではない。例えば、データ取得装置2は必須ではなく、データ取得部31は通信ネットワークを介して検査対象のデータを取得してもよいし、記憶部36が保存しているデータを取得してもよい。
2 データ取得装置
3、3A 欠点検査装置
4 表示装置
31 データ取得部
32 画像処理部
33 算出部
34 判定部
35 制御部
36 記憶部
37 表示制御部
38 学習部
100 畳み込みニューラルネットワーク(CNN)
101 入力層
102 中間層
103 出力層
201、301、302、401、402 入力画像
202、303、403、404 出力画像
204、304、405、406 差分画像
231、341、451、461 欠点部
Claims (12)
- 検査用の画像が画素の欠点を含むか否かを判定する欠点検査装置であって、
前記欠点を含む画像からなる第1画像群と前記欠点を含まない画像からなる第2画像群とを用いた機械学習によって生成され、画像に含まれる前記欠点のみを修復するための学習済みモデルに対して入力画像のデータを入力して前記学習済みモデルに基づく演算を行うことによって出力画像のデータを出力する画像処理部と、
前記入力画像と前記出力画像との対応する領域を比較することによって両画像の差異を定量化した差異情報を算出する算出部と、
前記算出部が算出した差異情報に基づいて、前記入力画像が前記欠点を含むか否かを判定する判定部と、
を備え、
前記学習済みモデルは、
前記入力画像のデータが入力される入力層と、
前記入力層が出力する信号が入力され、多層構造を有する中間層と、
前記中間層が出力する信号が入力され、前記出力画像のデータを出力する出力層と、を有し、
各層が一または複数のノードを有するニューラルネットワークであって前記中間層が全結合層およびプーリング層を有しないタイプの畳み込みニューラルネットワークからなる欠点検査装置。 - 前記第1画像群に含まれる第1画像と、前記第2画像群に含まれる画像であって前記第1画像と対応する領域の画像である第2画像とを取得し、前記第1画像および前記第2画像に対する前記差異情報を算出し、算出結果に応じて学習済みモデルが有するパラメータ群を逐次最適化する処理を繰り返す学習部をさらに備える請求項1に記載の欠点検査装置。
- 前記画像処理部、前記算出部および前記判定部を動作させる検査モードと、前記学習部を動作させる学習モードとを切り替え可能である請求項2に記載の欠点検査装置。
- 前記算出部は、前記差異情報を画素ごとに算出し、
前記判定部は、前記算出部の算出結果に基づいて欠点の位置を判定する請求項1~3のいずれか一項に記載の欠点検査装置。 - 前記差異情報に基づいて前記入力画像が有する欠点の種類を分類する分類部をさらに備える請求項1~4のいずれか一項に記載の欠点検査装置。
- 前記学習済みモデルが出力する出力画像のデータは、前記欠点以外の部分が前記入力画像のデータと同一である請求項1~5のいずれか一項に記載の欠点検査装置。
- 前記差異情報に基づいて欠点のみを抽出した欠点抽出画像のデータを生成する欠点抽出画像生成部をさらに備える請求項1~6のいずれか一項に記載の欠点検査装置。
- 前記判定部の判定結果、前記入力画像、前記出力画像および前記欠点抽出画像からなる群より選ばれる1つ以上を表示部に表示させる表示制御部をさらに備える請求項7に記載の欠点検査装置。
- 前記学習済みモデルは、前記第1画像群および前記第2画像群がそれぞれ有する画像のデータを量子化した第1量子化画像群および第2量子化画像群をさらに用いた機械学習によって生成されたものであり、
前記入力層は、前記入力画像を量子化したデータをさらに入力し、
前記出力層は、前記出力画像を量子化したデータをさらに出力する請求項1~8のいずれか一項に記載の欠点検査装置。 - 前記ニューラルネットワークは、バイパス経路を備える請求項1~9のいずれか一項に記載の欠点検査装置。
- 入力画像のデータが入力される入力層と、
前記入力層が出力する信号が入力され、多層構造を有する中間層と、
前記中間層が出力する信号が入力され、前記入力画像の欠点のみを修復した出力画像のデータを出力する出力層と、
を有し、
各層が一または複数のノードからなるニューラルネットワークであって前記中間層が全結合層およびプーリング層を有しないタイプの畳み込みニューラルネットワークから構成され、
前記入力画像のデータを前記入力層に入力し、前記ニューラルネットワークのネットワークパラメータであって学習済みのネットワークパラメータに基づく演算を行い、前記出力層から前記出力画像のデータを出力するよう、コンピュータを機能させるための学習済みモデル。 - 前記入力層は、前記入力画像を量子化したデータがさらに入力され、
前記出力層は、前記出力画像を量子化したデータをさらに出力する請求項11に記載の学習済みモデル。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019023830A JP7298176B2 (ja) | 2019-02-13 | 2019-02-13 | 欠点検査装置および学習済みモデル |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019023830A JP7298176B2 (ja) | 2019-02-13 | 2019-02-13 | 欠点検査装置および学習済みモデル |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020135051A JP2020135051A (ja) | 2020-08-31 |
JP7298176B2 true JP7298176B2 (ja) | 2023-06-27 |
Family
ID=72278592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019023830A Active JP7298176B2 (ja) | 2019-02-13 | 2019-02-13 | 欠点検査装置および学習済みモデル |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7298176B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581463B (zh) * | 2020-12-25 | 2024-02-27 | 北京百度网讯科技有限公司 | 图像缺陷的检测方法、装置、电子设备、存储介质及产品 |
JPWO2022196156A1 (ja) * | 2021-03-18 | 2022-09-22 | ||
CN113763320A (zh) * | 2021-07-29 | 2021-12-07 | 国网江苏省电力有限公司电力科学研究院 | 一种电缆附件封铅施工缺陷检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018005773A (ja) | 2016-07-07 | 2018-01-11 | 株式会社リコー | 異常判定装置及び異常判定方法 |
JP2018181389A (ja) | 2017-04-04 | 2018-11-15 | 株式会社半導体エネルギー研究所 | 半導体装置、及び電子機器 |
JP2018205163A (ja) | 2017-06-06 | 2018-12-27 | 株式会社デンソー | 外観検査装置、変換データ生成装置、及びプログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2697463B2 (ja) * | 1992-02-19 | 1998-01-14 | 住友金属工業株式会社 | 鋼板のクロップ切断位置決定装置 |
-
2019
- 2019-02-13 JP JP2019023830A patent/JP7298176B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018005773A (ja) | 2016-07-07 | 2018-01-11 | 株式会社リコー | 異常判定装置及び異常判定方法 |
JP2018181389A (ja) | 2017-04-04 | 2018-11-15 | 株式会社半導体エネルギー研究所 | 半導体装置、及び電子機器 |
JP2018205163A (ja) | 2017-06-06 | 2018-12-27 | 株式会社デンソー | 外観検査装置、変換データ生成装置、及びプログラム |
Non-Patent Citations (3)
Title |
---|
Toby P. Breckon et al.,Skip-GANomaly: Skip Connected and Adversarially Trained Encoder-Decoder Anomaly Detection,2019 International Joint Conference on Neural Networks (IJCNN),米国,2019年07月19日,https://arxiv,org/abs/1901.08954 |
三浦 勝司 外2名,違和感を察知するDeep Learning技術"Sense Learning",SEIテクニカルビュー 第193号,日本,住友電気工業株式会社,2018年07月31日 |
進藤 智則,教師なしディープラーニングで製造不良品を自動検出 武蔵精密工業が自動車ギア検査にautoencoder,日経Robotics 2018年5月号(第34号),日本,2018年04月10日 |
Also Published As
Publication number | Publication date |
---|---|
JP2020135051A (ja) | 2020-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7132701B2 (ja) | タイヤ画像の認識方法及びタイヤ画像の認識装置 | |
JP7004145B2 (ja) | 欠陥検査装置、欠陥検査方法、及びそのプログラム | |
US10885618B2 (en) | Inspection apparatus, data generation apparatus, data generation method, and data generation program | |
US10878283B2 (en) | Data generation apparatus, data generation method, and data generation program | |
JP5546317B2 (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 | |
JP7298176B2 (ja) | 欠点検査装置および学習済みモデル | |
JP2018005640A (ja) | 分類器生成装置、画像検査装置、及び、プログラム | |
JP6932987B2 (ja) | 画像処理装置、画像処理プログラム、画像処理システム | |
JP2018005639A (ja) | 画像分類装置、画像検査装置、及び、プログラム | |
KR20200087297A (ko) | 인공신경망 기반의 영상 분할을 이용한 불량 검출 방법 및 불량 검출 장치 | |
KR102141302B1 (ko) | 회귀 딥러닝 모델 기반의 영상 객체 검출 방법 및 영상처리장치 | |
US20230222645A1 (en) | Inspection apparatus, unit selection apparatus, inspection method, and computer-readable storage medium storing an inspection program | |
US20210272272A1 (en) | Inspection support apparatus, inspection support method, and inspection support program for concrete structure | |
CN115841447A (zh) | 一种磁瓦表面缺陷的检测方法 | |
KR102297232B1 (ko) | 형태학적 영상처리를 활용한 이상 탐지 방법 | |
JP7393313B2 (ja) | 欠陥分類装置、欠陥分類方法及びプログラム | |
JP2020181532A (ja) | 画像判定装置及び画像判定方法 | |
JPWO2020071234A1 (ja) | 画像処理装置、画像処理方法、外観検査システムおよびコンピュータプログラム | |
Mir et al. | Machine learning-based evaluation of the damage caused by cracks on concrete structures | |
US20220405586A1 (en) | Model generation apparatus, estimation apparatus, model generation method, and computer-readable storage medium storing a model generation program | |
CN114078127A (zh) | 物件的缺陷检测及计数方法、装置、设备和存储介质 | |
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 | |
JP7415286B2 (ja) | カラーフィルタ検査装置、検査装置、カラーフィルタ検査方法および検査方法 | |
KR20220160536A (ko) | 데이터 분류 장치, 데이터 분류 방법, 및 데이터 분류 프로그램 | |
KR20210008352A (ko) | 촬상된 품목의 결함을 검출하기 위한 시스템 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220117 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230113 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230303 |
|
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: 20230516 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230529 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7298176 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |