JP7416071B2 - 判定装置、および判定プログラム - Google Patents

Description

本発明は、判定基準生成装置、判定装置、判定基準生成プログラム、および判定プログラムに関する。

多くの工場では、生産した製品の良品、不良品を検査している。良品、不良品の検査は、限度見本を用意して判断することが好ましい。しかし、欠陥の発生頻度が低い場合は、限度見本とする候補数が少ないため、適切な限度見本が用意できない。

限度見本が用意できない場合、製品の良品、不良品の判断は、経験豊かな作業者の勘に委ねられる。しかし、作業者の勘に頼る場合は、作業者が異なると判断基準が変わってしまったり、同一作業者であっても一貫性がなくなってしまったりするという問題があった。

このような問題点に対処するために、限度見本の候補となる不良品数が少ない場合にも、限度見本を生成できる技術が開発されている。

たとえば、特許文献１では、様々な形態、形状の欠陥を再現するための押圧用器具を用意することで、現物の欠陥製品を複数、大量に製造し、そこから限度見本を生成している。

また、特許文献２では、不良品の画像を現実的に起こりうる形で生成して学習用画像に加えることで、学習する識別モデルの汎化性を向上している。

特開２０１６－１６１３９８号公報 特開２００６－３３７１５２号公報

しかしながら、特許文献１では、所望の限度見本を意図的に製造しなければならず、限度見本を製造するためのコストの増大が無視できない。また、様々な欠陥や、その発生位置の組み合わせは膨大になることから、それらを網羅することも現実的には困難である。

また、特許文献２では、不良品の画像を現実的に起こりうる形で生成する必要がある。このため、作業者は、事前にどのような欠陥が起こり得るか知っている必要がある。しかも、もともと不良品の数が少なければ、発生し得る欠陥そのものを予想すること、特に、欠陥の特徴量（位置、面積、色など）を事前に定量的に予想することは困難である。

本発明は、上記の事情に鑑みてなされたものであり、本発明の目的は、現物の不良データを十分にそろえることができなくても、所定の対象データに該当するか、該当しないかを判定することができる基準を生成する判定装置および判定プログラムを提供する。より具体的には、たとえば良品、不良品を判定することができる基準を生成する判定装置および判定プログラムを提供する。

本発明の上記の目的は、下記の手段によって達成される。

（１）判定対象に関するデータを入力し、前記判定対象に関するデータの特徴量の分布を計算し、
前記計算した特徴量の分布から、所定の対象データに該当するか、該当しないかを判定するための基準となる基準データのデータ分布を生成する分布計算部と、
前記基準データの特徴量から、限度基準データを生成する限度基準データ生成部と、
前記限度基準データ生成部によって生成された前記限度基準データを出力する出力部と、
ユーザーからの変更指示を受け付けて、前記基準データの特徴量を変更する限度基準データ変更部と、
前記判定対象が前記所定の対象データに該当するか、該当しないかを判定する判定部と、を有し、
前記分布計算部は、入力された前記判定対象に関するデータの特徴量を計算し、
前記限度基準データ生成部は、前記限度基準データ変更部が変更した基準データの特徴量に基づき前記限度基準データを変更し、
前記出力部は、変更された前記限度基準データを出力し、
前記判定部は、得られた前記判定対象に関するデータの特徴量と、前記限度基準データ変更部によって変更された基準データの特徴量とを比較して、前記判定対象に関するデータに含まれる前記判定対象が前記所定の対象データに該当するか、該当しないかを判定する、判定装置。

（２）前記限度基準データ変更部は、前記基準データの特徴量の分布の外側にある特徴量と、前記基準データの特徴量のうち、前記外側にある特徴量から近い２つの特徴量とに基づいて画定される範囲を拡大された基準データ範囲として設定する、上記（１）に記載の判定装置。

（３）前記限度基準データ変更部は、前記２つの特徴量のうちの１つの特徴量と前記外側にある特徴量とを結ぶ直線上の前記１つの特徴量と前記外側にある特徴量との間にある１点と、前記２つの特徴量とに基づいて画定される範囲を拡大された基準データ範囲として設定する、上記（２）に記載の判定装置。

（４）前記限度基準データ変更部は、前記基準データの特徴量の分布の重心と前記外側にある特徴量とを結ぶ直線上の前記重心と前記外側にある特徴量との間にある１点と、前記２つの特徴量とに基づいて画定される範囲を拡大された基準データ範囲として設定する、上記（２）に記載の判定装置。

（５）製品が写っている画像を入力として、前記画像の特徴量の分布を計算して、当該計算した分布から、前記画像に写っている前記製品の良品、不良品を判定するための基準となる良品画像の特徴量の分布を生成する分布計算部と、
前記良品画像の特徴量から、限度見本画像として前記製品のイメージ画像を生成する限度見本画像生成部と、
前記限度見本画像生成部によって生成された前記限度見本画像を出力する出力部と、
ユーザーからの変更指示を受け付けて、前記良品画像の特徴量を変更する限度見本画像変更部と、
製品の写っている検査対象画像に写っている前記製品が良品か、不良品かを判定する判定部と、を有し、
前記分布計算部は、製品の写っている検査対象画像が入力されて、当該検査対象画像の特徴量を計算し、
前記限度見本画像生成部は、前記限度見本画像変更部が変更した前記良品画像の特徴量に基づき前記限度見本画像を変更し、
前記出力部は、変更された前記限度見本画像を出力し、
前記判定部は、得られた前記検査対象画像の特徴量と、前記限度見本画像変更部によって変更された良品画像の特徴量とを比較して、前記検査対象画像に写っている前記製品が良品か、不良品かを判定する、判定装置。

（６）前記出力部は、前記検査対象画像の特徴量から生成された画像を出力する、上記（５）に記載の判定装置。

（７）複数の良品の前記画像からなる良品画像群を入力とし、当該良品画像群のなかのそれぞれの前記画像の特徴量の分布を学習して、復元モデルを生成する復元モデル生成部を有し、
前記分布計算部は、前記復元モデル生成部の学習によって得られた前記画像の特徴量の分布に基づき前記良品画像の分布を計算する、上記（５）または（６）に記載の判定装置。

（８）判定対象に関するデータを入力し、前記判定対象に関するデータの特徴量の分布を計算し、
前記計算した特徴量の分布から、所定の対象データに該当するか、該当しないかを判定するための基準となる基準データのデータ分布を生成する段階（ａ）と、
前記基準データの特徴量から、限度基準データを生成する段階（ｂ）と、
前記段階（ｂ）において生成された前記限度基準データを出力する段階（ｃ）と、
ユーザーからの変更指示を受け付けて、前記基準データの特徴量を変更する段階（ｄ）と、
前記段階（ｄ）において変更した基準データの特徴量に基づき前記限度基準データを変更する段階（ｅ）と、
前記段階（ｅ）において変更された前記限度基準データを出力する段階（ｆ）と、
判定対象に関するデータが入力されて、当該判定対象に関するデータの特徴量を計算する段階（ｇ）と、
前記段階（ｇ）において得られた前記判定対象に関するデータの特徴量と、前記段階（ｄ）において変更された基準データの特徴量とを比較して、前記判定対象に関するデータに含まれる前記判定対象が前記所定の対象データに該当するか、該当しないかを判定する、処理をコンピューターに実行させるための判定プログラム。

（９）前記段階（ｄ）において、前記基準データの特徴量の分布の外側にある特徴量と、前記基準データの特徴量のうち、前記外側にある特徴量から近い２つの特徴量とに基づいて画定される範囲を拡大された基準範囲として設定する、上記（８）に記載の判定プログラム。

（１０）前記段階（ｄ）において、前記２つの特徴量のうちの１つの特徴量と前記外側にある特徴量とを結ぶ直線上の前記１つの特徴量と前記外側にある特徴量との間にある１点と、前記２つの特徴量とに基づいて画定される範囲を拡大された基準範囲として設定する、上記（９）に記載の判定プログラム。

（１１）前記段階（ｄ）において、前記基準データの特徴量の分布の重心と前記外側にある特徴量とを結ぶ直線上の前記重心と前記外側にある特徴量との間にある１点と、前記２つの特徴量とに基づいて画定される範囲を拡大された基準範囲として設定する、上記（９）に記載の判定プログラム。

（１２）製品が写っている画像を入力として、前記画像の特徴量の分布を計算して、当該計算した分布から、前記画像に写っている前記製品の良品、不良品を判定するための基準となる良品画像の特徴量の分布を生成する段階（ａ）と、
前記良品画像の特徴量から、限度見本画像として前記製品のイメージ画像を生成する段階（ｂ）と、
前記段階（ｂ）において生成された前記限度見本画像を出力する段階（ｃ）と、
ユーザーからの変更指示を受け付けて、前記良品画像の特徴量を変更する段階（ｄ）と、
前記段階（ｄ）において変更された前記良品画像の特徴量に基づき前記限度見本画像を変更する段階（ｅ）と、
前記（ｅ）において変更された前記限度見本画像を出力する段階（ｆ）と、
製品の写っている検査対象画像が入力されて、当該検査対象画像の特徴量を計算する段階（ｇ）と、
前記段階（ｇ）において得られた前記検査対象画像の特徴量と、前記段階（ｄ）において変更された前記良品画像の特徴量とを比較して、前記検査対象画像に写っている前記製品が良品か、不良品かを判定する段階（ｈ）と、を有する処理をコンピューターに実行させるための判定プログラム。

（１３）前記検査対象画像の特徴量から生成された画像を出力する段階を有する、上記（１２）に記載の判定プログラム。

（１４）複数の良品の前記画像からなる良品画像群を入力とし、当該良品画像群のなかのそれぞれの前記画像の特徴量の分布を学習して、復元モデルを生成する段階をさらに有し、
学習によって得られた前記画像の特徴量の分布に基づき前記良品画像の分布を計算する、上記（１２）または（１３）に記載の判定プログラム。

本発明によれば、判定対象に関するデータから特徴量を計算し、得られた特徴量から、所定の対象データに該当するか、該当しないかを判定するための基準となるデータ分布を生成した。これにより、本発明は、現物の不良データを十分にそろえることができなくても、適切に所定の対象データに該当するか否かを判定できる。

また、本発明によれば、良品の画像から特徴量を計算し、得られた特徴量を良品と不良品を判定するための基準となる良品画像の分布とした。これにより、本発明は、不良品の現物や不良品の画像を十分にそろえることができなくても、適切に良品と不良品を判定できる。

実施形態１の情報処理装置の機能構成および処理を説明するための説明図である。 ＶＡＥの機能を説明するためのブロック図である。 実施形態１における良品不良品判定を説明するための特徴量の分布図である。 実施形態１における良品不良品判定を説明するための特徴量の分布図である。 実施形態１における良品不良品判定を説明するための特徴量の分布図である。 実施形態２の情報処理装置の機能構成および処理を説明するための説明図である。 実施形態２における限度見本画像の変更を説明するための説明図である。 実施形態２における限度見本画像の変更を説明するための説明図である。 実施形態２における限度見本画像の変更を説明するための説明図である。 実施形態２における限度見本画像の変更を説明するための説明図である。 ２つ以上の特徴量を変化させる例を説明するための説明図である。 ２つ以上の特徴量を変化させる例を説明するための説明図である。 ２つ以上の特徴量を変化させる例を説明するための説明図である。 ２つ以上の特徴量を変化させる例を説明するための説明図である。 ２つ以上の特徴量を変化させる例を説明するための説明図である。 ２つ以上の特徴量を変化させる例を説明するための説明図である。 ２つ以上の特徴量を変化させる例を説明するための説明図である。 ２つ以上の特徴量を変化させる例を説明するための説明図である。 ２つ以上の特徴量を変化させる例を説明するための説明図である。 ２つ以上の特徴量を変化させる例を説明するための説明図である。 ２つ以上の特徴量を変化させる例を説明するための説明図である。 ２つ以上の特徴量を変化させる例を説明するための説明図である。

以下、図面を参照して、本発明の実施形態を詳細に説明する。なお、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。

（実施形態１）
図１は、実施形態１の情報処理装置の機能構成および処理を説明するための説明図である。

情報処理装置１０は、その機能として、分布計算部１１１、分布出力部１１２、良品／不良品判定部１１３、判定結果出力部１１４を有する。

情報処理装置１０は、コンピューターであり、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、および外部接続のためのインターフェース（ＩＦ）などを有する。また、情報処理装置１０は、キーボードやマウスなどの入力装置、ディスプレイなどの出力装置を有する。また、情報処理装置１０は、多くの画像を処理することから、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を有してもよい。また、情報処理装置１０は、ＨＤＤに代えて、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）などの半導体不揮発性メモリを有してもよい。

また、情報処理装置１０は、外部機器やネットワークと接続するためのインターフェースを有する。インターフェースは、たとえば、他の情報処理装置１０（コンピューター）およびネットワークと通信を行うために、たとえば、イーサネット（登録商標）、ＳＡＴＡ、ＰＣＩ Ｅｘｐｒｅｓｓ、ＵＳＢ、ＩＥＥＥ１３９４などの規格によるネットワークインターフェース、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＩＥＥＥ８０２．１１などの無線通信インターフェースなどである。また、インターフェースは、無線ＬＡＮ（ＷｉＦｉ）や携帯電話回線でもよい。

情報処理装置１０は、ＣＰＵがＲＯＭやＨＤＤに記憶されているプログラムを読み出して実行することで、各部の機能が実現される。特に、情報処理装置１０は、判定基準生成プログラム、および判定プログラムが実行されることで判定基準生成装置および判定装置として機能する。

このような情報処理装置１０となるコンピューターとしては、具体的には、たとえば、パーソナルコンピューター（ＰＣ）、タブレット型コンピューター、スマートフォンなどが利用される。

分布計算部１１１は、特徴量分布計算・復元モデル１０１と、検査対象画像１０３とを入力とし、検査対象画像１０３の特徴量に基づき画像の分布を計算し、特徴量分布計算・復元モデル１０１を出力する。特徴量分布計算・復元モデル１０１は、判定対象に関するデータの特徴量から判定対象に関するデータを復元する復元モデルである。本実施形態において、判定対象に関するデータは、製品の画像である。したがって、特徴量分布計算・復元モデル１０１は、製品の画像を復元する復元モデルである。

検査対象画像１０３は、たとえば、情報処理装置１０に接続されたカメラによって撮影された製品の画像である。また、検査対象画像１０３としては、たとえば、別に用意されたカメラによって撮影された製品の画像が、データとして情報処理装置１０に入力されてもよい。

分布計算部１１１の処理は、既存の技術を用いて実行されうる。たとえば、ディープラーニング技術を用いた生成モデルの技術であるＶＡＥ（Ｖａｒｉａｔｉｏｎａｌ Ａｕｔｏｅｎｃｏｄｅｒ）を用いることができる（参考：Ａｕｔｏ－Ｅｎｃｏｄｉｎｇ Ｖａｒｉａｔｉｏｎａｌ Ｂａｙｅｓ ［Ｋｉｎｇｍａ＋ ２０１３］ URL=https://arxiv.org/abs/1312.6114）。

ＶＡＥは周知であるので、ここでは、本実施形態に使用するＶＡＥの機能について、簡単に説明する。図２は、ＶＡＥの機能を説明するためのブロック図である。

本実施形態１では、ＶＡＥの以下の機能を利用した。ＶＡＥは、入力された画像５０１をエンコーダー５０２により特徴量５０３に圧縮する。これにより、ＶＡＥは、画像５０１を特徴量５０３の分布（潜在空間）として表現する。また、ＶＡＥは、デコーダー５０４により、特徴量５０３から画像５０５を復元する。

ＶＡＥでは、人為的な特徴量の設計は不要で、学習によって任意の次元の特徴量が自動設計される。ＶＡＥでは、たとえば、２次元の特徴量を学習させるように設定すると、２次元の分布図として２次元の特徴量をもつ復元モデルが画像として可視化される。

本実施形態１では、このＶＡＥを分布計算部１１１として用いている。本実施形態において、ＶＡＥは、分布計算部１１１による基準となるデータ分布の生成に用いられる。したがって、ＶＡＥは、判定基準生成プログラムの少なくとも一部として提供される。分布計算部１１１では、検査対象画像１０３が少なくとも２枚入力されることで、入力された画像から特徴量を計算して、得られた特徴量から特徴量の分布を計算する。このとき入力される検査対象画像１０３は良品の画像である。また、このとき入力される検査対象画像１０３は判定対象に関するデータである。

分布計算部１１１は、得られた特徴量の分布から復元モデルを生成する。分布計算部１１１は、得られた特徴量の分布と復元モデルを特徴量分布計算・復元モデル１０１として、ＨＤＤなどに記憶させる。分布計算部１１１は、復元モデルの特徴量を、良品画像の分布１０２として出力する。この良品画像の分布１０２は、ＶＡＥのエンコーダー機能によって、製品の画像から圧縮された特徴量の分布である。良品画像の分布１０２は、良品、不良品を判定するための製品モデルとなる。良品画像の分布１０２は、ＨＤＤなどに記憶される。良品画像の分布１０２は、所定の対象データに該当するか、該当しないかを判定するための基準となるデータ分布である。したがって、所定の対象データに該当するデータは良品のデータとなり、該当しないデータは、不良品のデータとなる。

また、分布計算部１１１は、検査対象画像１０３が１つ入力される都度、その製品の特徴量を算出して、入力画像の分布１０４として出力する。したがって、製品モデルである良品画像の分布１０２のなかに、入力された検査対象画像１０３の特徴量が表されることになる。

分布出力部１１２は、ＶＡＥのデコーダー機能によって、入力画像の分布１０４から復元された製品イメージの画像を出力する。分布出力部１１２から出力された画像は、情報処理装置１０に接続されているディスプレイなどに表示される。分布出力部１１２は、良品画像の分布１０２から復元された製品イメージの画像とともに、入力画像の分布１０４から復元された製品イメージの画像を一緒に出力してもよい。

また、分布出力部１１２は、ユーザーの指示に応じて、インターフェースを介して他のコンピューターへ入力画像の分布１０４から復元された製品イメージの画像を出力する。分布出力部１１２は、ユーザーの指示に応じて、入力画像の分布１０４から復元された製品イメージの画像の出力を停止する。また、入力画像の分布１０４から復元された製品イメージの画像の出力が不要であれば、分布出力部１１２は、なくてもよい。

良品／不良品判定部１１３は、良品画像の分布１０２として算出された良品の特徴量の分布と、入力された検査対象画像１０３の特徴量とを比較して入力された検査対象画像１０３に写っている製品が、良品か、不良品かを判定する。したがって、良品／不良品判定部１１３は、特徴量だけを数値として比較することで、良品、不良品を判定することができる。良品／不良品判定部１１３による判定は、判定プログラムによって実行される。判定プログラムは、良品画像の分布１０２における良品の特徴量の分布と、入力された検査対象画像１０３の特徴量とを比較して、検査対象画像１０３に写っている製品が良品か不良否かを判定するための処理をコンピューターに実行させる。また、このとき入力される検査対象画像１０３は、判定対象データである。

また、良品／不良品判定部１１３は、良品画像の分布１０２の特徴量から復元された製品イメージの画像と、検査対象画像１０３の特徴量から復元された製品イメージの画像とを比較して判定してもよい。この場合、グラフィカルなイメージでの判定が行える。そして、このグラフィカルな判定状態をディスプレイなどに表示させてもよい。良品／不良品判定部１１３は、判定結果１０５を出力する。

判定結果出力部１１４は、情報処理装置１０に接続されているディスプレイなどに、判定結果１０５を出力して表示させる。判定結果出力部１１４は、ユーザーの指示に応じて、インターフェースを介して他のコンピューターへ判定結果１０５を出力する。

図３～５は、実施形態１における良品不良品判定を説明するための特徴量の分布図である。各分布図においては、外側ほど特徴量が大きい。

本実施形態１では、製品モデル１５０として、５次元の特徴量となるように、分布計算部１１１に分布計算させた。これにより、図３に示すように、分布計算部１１１によって５次元の特徴量の分布１５１～１５５をもつ製品モデル１５０が生成される。この製品モデル１５０は、良品画像の分布１０２であって、５次元の特徴量の最大値が分布１５１～１５５である。分布１５１～１５５を結ぶ線の内側は、良品範囲１６０である。良品／不良品判定部１１３は、この製品モデル１５０の良品範囲１６０に、検査対象画像１０３の特徴量が入っていれば良品と判定し、入っていなければ不良品と判定する。

ここで仮に、検査対象画像１０３として、不良品の画像が入力されたなら、分布計算部１１１によってその不良品の特徴量が算出される。ここでは、不良品の特徴量の一つが良品範囲１６０を超えていたとする。その場合、入力画像の分布１０４としては、図４に示すように、特徴量の１つが、良品範囲１６０から離れた位置１５６に現れる。

この場合、良品／不良品判定部１１３は、検査対象画像１０３として入力された製品を不良品と判定する。判定結果１０５は、判定結果出力部１１４によって出力される。

また、判定結果出力部１１４は、図４に示したように、製品モデル１５０とともに、今回入力された検査対象画像１０３（ここでは不良品）の特徴量の位置１５６を出力させて、ディスプレイなどに表示させる。これにより、ユーザーは、現在の良品の特徴量の分布（良品画像の分布１０２）に対し、不良品と判定された製品が、どのような特徴量（位置１５６）をもっているか、視覚的に確認することができる。また、判定結果出力部１１４は、製品モデル１５０の画像ではなく、製品モデル１５０から復元された製品イメージの画像と、検査対象画像１０３（ここでは不良品）の特徴量から復元された製品イメージの画像を出力させて、ディスプレイなどに表示させてもよい。判定結果出力部１１４は、ＶＡＥのデコーダー機能によって、各画像を復元する。

本実施形態１では、良品範囲１６０を任意に広げることができる。良品範囲１６０を広げるためには、たとえば、図５に示すように、表示されている製品モデル１５０の良品範囲１６０と、不良品の位置１５６との間に、新たな良品の限度位置１５７が設定される。限度位置１５７は、新たに設定された特徴量である。したがって、この場合、今までの良品範囲１６０よりも、ある次元の特徴量が増加されたことになる。これにより、良品範囲１６０が拡大されて、新たな良品範囲１６１が生成される。なお、新たな良品の限度位置１５７は、位置１５８、１５９など、ユーザーによって任意の位置に設定される。新たな良品範囲１６１が生成されると、その特徴量によって良品画像の分布１０２が更新される。更新された良品画像の分布１０２は、ＨＤＤなどに記憶される。これにより、良品／不良品判定部１１３は、新たな良品範囲１６１が良品範囲１６０に加えられた範囲を用いて判定する。

また、分布出力部１１２は、図５に示した新たな良品範囲１６１が加わった製品モデル１５０として出力しディスプレイなどに表示される。ユーザーは、新たな良品範囲１６１が加わった製品モデル１５０がディスプレイに表示されることで、任意に変更された良品範囲を視覚的に確認することができる。

本実施形態１によれば、良品の画像を検査対象画像１０３として入力し、そのなかから特徴量を抽出して、特徴量の分布である良品画像の分布１０２を生成する。良品画像の分布１０２は、良品、不良品を判定するための基準となる製品モデル１５０である。そして、本実施形態１では、製品モデル１５０の良品範囲１６０を基準として、良品範囲１６０から離れた特徴量をもつ検査対象画像１０３を不良品と判定する。このように、本実施形態１では、良品の画像から、良品、不良品を判定するための良品画像の分布１０２が生成されて、それを基準として不良品を判定することができる。したがって、本実施形態１では、不良品の現物や不良品の画像が得られない場合でも、良品画像だけから、適切に外観検査を行うことができる。

また、本実施形態１では、良品範囲とする特徴量を変えることで、良品とする範囲を任意に変更できる。しかも、特徴量は、製品の画像から計算されているので、どのような特徴量を使用するか、ユーザーが決める必要はないので、良品範囲の設定や変更が容易である。

（実施形態２）
図６は、実施形態２の情報処理装置１０の機能構成および処理を説明するための説明図である。なお、本実施形態２の説明においては、実施形態１と同様の機能を有する各部については同一の符号を付し、それらの説明は省略する。

情報処理装置１０は、その機能として、実施形態１同様に、分布計算部１１１、分布出力部１１２を有する。情報処理装置１０は、さらに、復元モデル生成部２１５、限度見本画像生成部２１６、限度見本画像出力部２１７、限度見本画像変更部２１８、良品画像分布変更部２１９を有する。

情報処理装置１０は、実施形態１同様に、コンピューターである。また、本実施形態２においても、情報処理装置１０は、判定基準生成プログラム、および判定プログラムが実行されることで判定基準生成装置および判定装置として機能する。

本実施形態２においては、分布計算部１１１とともに復元モデル生成部２１５において、ディープラーニング技術を用いた生成モデルの技術であるＶＡＥを使用する。ＶＡＥについては、実施形態１で説明したとおりである。

復元モデル生成部２１５は、良品画像群２０１の入力を受けて、良品画像群２０１のなかのそれぞれの画像から特徴量を計算して、得られた特徴量から特徴量の分布を計算する。良品画像群２０１は、複数の良品の画像からなる。復元モデル生成部２１５は、得られた特徴量の分布から復元モデルを生成する。復元モデル生成部２１５は、得られた特徴量の分布と復元モデルを特徴量分布計算・復元モデル１０１として、ＨＤＤなどに記憶させる。復元モデル生成部２１５は、復元モデルを、良品画像の分布１０２として出力する。良品画像の分布１０２は、良品、不良品を判定するため製品モデル２５０（後述の図７ａ以降の各図参照）となる。良品画像の分布１０２は、ＨＤＤなどに記憶される。本実施形態２においても、良品画像の分布１０２は、所定の対象データに該当するか、該当しないかを判定するための基準となるデータ分布である。

分布計算部１１１は、本実施形態２においては、検査対象画像１０３が１つ入力される都度、その製品の特徴量を算出して、検査画像の分布２０４として出力する。

分布出力部１１２は、検査画像の分布２０４から製品イメージの画像を復元して出力する。出力された製品イメージの画像は、ディスプレイに表示されたり、他のコンピューターなどに送信されたりする。

本実施形態２では、限度見本画像生成部２１６が、良品画像の分布１０２の入力を受けて、限度見本画像２０５を生成する。限度見本画像生成部２１６は、良品画像の分布１０２の特徴量からＶＡＥのデコーダーの機能を用いて復元した製品イメージを限度見本画像２０５として生成する。

生成された限度見本画像２０５は、限度見本画像出力部２１７によってディスプレイなどへ出力されて表示される。限度見本画像出力部２１７は、ユーザーの指示に応じて、インターフェースを介して他のコンピューターへ限度見本画像２０５を出力する。

限度見本画像２０５は、良品、不良品の判定に用いられる。限度見本画像２０５を用いた判定は、情報処理装置１０に行わせてもよい。その場合、情報処理装置１０には、実施形態１のように、良品／不良品判定部１１３を設ける。また、限度見本画像２０５は、ディスプレイに表示されたり、印刷されたりして、ユーザーが目視により製品を判定するために用いられてもよい。

また、本実施形態２では、限度見本画像２０５そのものをユーザーが任意に変更することができる。このために、本実施形態２では、限度見本画像変更部２１８が、ユーザーからの限度見本画像の変更指示を受ける。限度見本画像変更部２１８は、ユーザーから変更指示を受けて、特徴量を変更する。変更された特徴量は、限度見本画像生成部２１６へ送られる。限度見本画像生成部２１６は、変更された特徴量からＶＡＥのデコーダーの機能を用いて、変更後の製品イメージである限度見本画像２０５を生成する。生成された変更後の限度見本画像２０５は、限度見本画像出力部２１７によってディスプレイなどへ出力されて表示される。

また、限度見本画像２０５は、良品画像分布変更部２１９へも送られる。良品画像分布変更部２１９は、限度見本画像２０５が変更されたときには、変更指示された特徴量を加えた良品画像の分布１０２を出力する。変更された良品画像の分布１０２は、すなわち、ユーザーによって、良品、不良品を判定する限度が変更された製品モデル２５０となる。なお、良品画像分布変更部２１９は、限度見本画像２０５が最初に生成された時点では、良品画像の分布１０２を変更しない。

図７ａおよび７ｂ、図８ａおよび８ｂは、実施形態２における限度見本画像２０５の変更を説明するための説明図である。図７ａでは、特徴量の分布である製品モデル２５０を示し、図７ｂでは、特徴量から生成された限度見本画像となる画像例２５１を示している。

本実施形態２においても、５次元の特徴量となるように、復元モデル生成部２１５および分布計算部１１１に分布計算させた。

本実施形態２では、限度画像出力部によって、図７ａに示した製品モデル２５０とともに、図７ｂに示した画像例２５１が、ディスプレイなどに表示される。

画像例２５１においては、良品画像２７１と、不良品画像２７３が表示される。良品画像２７１では製品に欠陥はなく、不良品画像２７３では製品に欠陥２７６がある。この時点では、良品画像２７１が良品、不良品判定を行うための限度見本画像である。また、製品モデル２５０における良品範囲１６０は、図７ａに示したとおりである。

そして、本実施形態２では、限度見本画像変更部２１８の機能により限度見本画像が変更される。たとえば、本実施形態２では、図７ｂに示した画像例２５１のように、表示されている良品画像２７１と不良品画像２７３の間で、生成画像２７２をスライドさせる。生成画像２７２には、製品の欠陥２７５ａがある。限度見本画像変更部２１８は、生成画像２７２のスライドに合わせて特徴量を増減させて、限度見本画像生成部２１６へ増減させた特徴量を送る。限度見本画像生成部２１６は受け取った特徴量から製品のイメージ画像を生成して、限度見本画像２０５を出力する。

このとき、図７ａに示したように、製品モデル２５０では、矢印２７０の位置がＡ－Ｂの範囲で移動する。そして、良品範囲１６０は、Ａ－Ｂの範囲で増減して、拡大された良品範囲１６１ａとなる。

さらに、図８ｂに示した画像例２５１のように、生成画像２７２を不良品画像２７３の方へスライドさせる。そうすると、特徴量が増大する。これにより、生成画像２７２の欠陥２７５ｂは、図７ｂに示したものより大きくなる。この時点の良品範囲１６０は、図８ａに示した製品モデル２５０のように、さらに拡大された良品範囲１６１ｂとなる。

生成画像２７２は、その時点の限度見本画像２０５として出力される。限度見本画像２０５は、良品画像分布変更部２１９へも送られて、良品画像の分布１０２が、拡大された良品範囲１６１ｂを含むように更新される。

このように、本実施形態２では、限度見本画像として、実際の製品をイメージした画像が得られる。また、本実施形態２では、限度見本画像をユーザーが任意変更することができる。しかも、本実施形態２では、製品画像が変化する様子を視覚的に確認しながら、限度見本画像をインタラクティブに変更できる。

なお、このような限度見本画像の変更は、上記の説明のとおり、ディスプレイに表示されている生成画像２７２をスライドさせてもよいが、製品モデル２５０の矢印２７０をスライドさせてもよい。製品モデル２５０の矢印２７０をスライドさせる場合は、その変更に合わせて、表示されている生成画像２７２、すなわち限度見本画像２０５も変化させる。

上記の説明では、１つの特徴量を変化させることで、製品モデル２５０および限度見本画像を変更する例である。本実施形態２では、２つ以上の特徴量を変化させてもよい。

図９～１４は、２つ以上の特徴量を変化させる例を説明するための説明図である。ここでは、図９～１４では、製品モデル２５０を示して説明するが、特徴量を変更する間、同時に限度見本画像を表示することが好ましい。

最初に、図９に示すように、限度見本画像が、限度見本画像生成部２１６から出力されて、限度見本画像出力部２１７によって表示される。

この状態から、図１０に示すように、不良品となるように特徴量を増加させた任意の位置２５６をセットする。不良品の位置２５６は、ユーザーが設定する。

不良品の位置２５６が設定されたなら、限度見本画像変更部２１８が、図１１に示すように、位置２５６と、製品モデル２５０のなかの近い分布１５４および１５５とを接続し、その範囲内に拡大された良品範囲２６１を設定する。

そして、図１２に示すように、ユーザーが位置２５６と分布１５１～１５５とが結ばれた範囲内の任意の位置を指定することで、限度見本画像変更部２１８によって、その部分の特徴量が、限度見本画像生成部２１６へ送られて、限度見本画像２０５が生成（変更）される。生成された限度見本画像２０５が表示されるので、ユーザーはその表示を確認しながら、良品範囲２６１となる限度見本画像を決定する。限度見本画像２０５は、良品画像分布変更部２１９へも送られて、変更された特徴量を加えた良品画像の分布１０２が出力される。

その後、不良品の位置２５６に加えて、図１３に示すように、別の不良品の位置２５７が設定されると、上記同様にして、拡大された良品範囲２６２となる限度見本画像２０５が決定される。

さらに、図１４に示すように、２つの拡大された良品範囲２６１と２６２とを結ぶ範囲が良品範囲２６３に決定される。良品範囲２６１、２６２、および２６３となる特徴量から限度見本画像２０５が生成され、表示される。限度見本画像２０５は、良品画像分布変更部２１９へも送られて変更された良品画像の分布１０２が出力される。

さらに別の形態の製品モデル２５０および限度見本画像２０５を変更する例を説明する。

図１５～２０は、２つ以上の特徴量を変化させる例を説明するための説明図である。ここでは、図１５～２０では、製品モデル２５０を示して説明するが、特徴量を変更する間、同時に限度見本画像２０５を表示することが好ましい。

最初に、図１５に示すように、限度見本画像２０５が、限度見本画像生成部２１６から出力されて、限度見本画像出力部２１７によって出力されて、ディスプレイなどに表示される。このとき、同時に良品画像の分布１０２（製品モデル２５０）のなかに重心位置２８０が設定される。重心位置２８０は、限度見本画像生成部２１６によって、良品画像の分布１０２から算出される。

この状態から、図１６に示すように、重心位置２８０から、不良品となるような任意の位置２５６をセットする。不良品の位置２５６は、ユーザーが設定する。

不良品の位置２５６が設定されたなら、図１７に示すように、限度見本画像変更部２１８によって、重心位置２８０から位置２５６までが結ばれる。

そして、図１８に示すように、限度見本画像変更部２１８によって、製品モデル２５０のなかの近い分布１５４および１５５と、重心位置２８０から位置２５６までを結ぶ線までが接続された範囲が拡大された良品範囲２６１として設定される。設定された範囲は、その部分の特徴量が、限度見本画像変更部２１８から限度見本画像生成部２１６へ送られて、限度見本画像２０５が生成（変更）される。生成された限度見本画像２０５が表示されるので、ユーザーはその表示を確認しながら、良品範囲２６１となる限度見本画像２０５を決定する。限度見本画像２０５は、良品画像分布変更部２１９へも送られて、変更された特徴量を加えた良品画像の分布１０２が出力される。

不良品の位置２５６に加えて、図１９に示すように、別の不良品の位置２５７が設定されると、上記同様にして、拡大された良品範囲２６２となる限度見本画像が決定される。

さらに、図２０に示すように、２つの拡大された良品範囲２６１と２６２とを結ぶ範囲が良品範囲２６３に決定される。良品範囲２６１、２６２、および２６３となる特徴量から限度見本画像２０５が生成され、表示される。限度見本画像２０５は、良品画像分布変更部２１９へも送られて、変更された良品画像の分布１０２が出力される。

このように、本実施形態２では、複数の特徴量の間や、良品画像の分布１０２の重心位置２８０から離れた位置に不良品となる位置２５６が設定されて、その位置の内側に拡大された良品範囲１６０が設定される。

このため、本実施形態２では、複数の特徴量を一度に変更した限度見本画像２０５を得ることができる。しかも、本実施形態２では、限度見本画像２０５を生成したり、変更したりする際に、不良品の実物を必要としない。このため、本実施形態２でも、限度見本生成のために、不良品の現物や不良品の画像が得られない場合でも、良品の画像だけから限度見本画像２０５を生成することができる。また、本実施形態２では、限度見本を製品イメージとして復元された画像を確認しながら変更できる。

以上本発明の実施形態を説明したが、様々な変形が可能である。

また、情報処理装置１０としては、インターネット上のクラウドサーバーが利用されてもよい。クラウドサーバーを利用する場合、検査対象画像１０３や良品画像群２０１の入力、および良品画像の分布１０２から復元された製品イメージの画像や限度見本画像２０５の表示には、クラウドサーバーに接続されているコンピューターを利用する。クラウドサーバーに接続されているコンピューターは、パーソナルコンピューター、タブレット型コンピューター、スマートフォンなどである。また、タブレット型コンピューター、スマートフォンを利用する場合は、それらに備えられているカメラを用いて製品を撮影し、撮影した画像を検査対象画像１０３や良品画像群２０１として入力してもよい。

また、上述した実施形態においては、製品の良不良を判定するための判定基準を生成し、その基準に基づいて製品を判定する場合を例に挙げて説明した。

じかし、本発明の実施形態は、製品の良不良の判定に限定されない。本発明の実施形態としては、たとえば、レントゲン、ＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）、およびＭＲＩ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｓｅ Ｉｍａｇｉｎｇ）などの検査画像データを判定対象に関するデータとすることができる。そして、これらの検査画像データから、たとえば癌の特徴量の分布を求めることで、癌を所定の対象データとして判定するための基準となるデータ分布が得られる。そして、本発明の実施形態は、得られた基準となるデータ分布を用いて、入力された検査画像データが癌の画像データに該当するか否かを判定することができる。

その他にも、本発明の実施形態は、たとえば、音声データを判定対象に関するデータとし、特定の音声内容を所定の対象データとして該当するか否かを判定することができる。

また、本発明の実施形態は、たとえば、文章データを判定対象に関するデータとし、特定の文章内容を所定の対象データとして該当するか否かを判定することができる。特定の文章内容は、たとえば、ある質問に対する正解の文章である。また、文章内容は、たとえば、文章の読みやすさ、文章としての良し悪しなどでも良い。

また、本発明の実施形態は、たとえば、匂いデータを判定対象に関するデータとし、特定の匂いを所定の対象データとして該当するか否かを判定することができる。

そのほかにも、本発明の実施形態としては、特徴量を得ることのできるデータであれば、判定対象に関するデータおよび所定の対象データとして使用することができ、様々な判定が可能となる。

そのほか、実施形態の説明のなかで使用した条件や数値などはあくまでも説明のためのものであり、本発明がこれら条件や数値に限定されるものではない。

また、本発明は、特許請求の範囲に記載された構成に基づき様々な改変が可能であり、それらについても本発明の範疇である。

本発明に係る判定基準生成プログラムおよび判定プログラムは、専用のハードウェア回路によって実現することも可能である。また、この判定基準生成プログラムおよび判定プログラムは、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリやＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）－ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）などのコンピューター読み取り可能な記録媒体によって提供したり、記録媒体によらず、インターネットなどのネットワークを介してオンラインで提供したりすることも可能である。オンラインで提供される場合、この判定基準生成プログラムおよび判定プログラムは、ネットワークに接続されたコンピューター内の磁気ディスクなどの記録媒体に記録される。

また、本発明に係る判定基準生成プログラムおよび判定プログラムは、それぞれ単独のアプリケーションソフトウェアとして提供したり、一機能として別のソフトウェアに組み込んで提供したりすることも可能である。また、この判定基準生成プログラムおよび判定プログラムは、両者を合わせた１つのアプリケーションソフトウェアとして提供することも可能である。

また、本発明は、特許請求の範囲に記載された構成に基づき様々な改変が可能であり、それらについても本発明の範疇である。

本出願は、２０１９年８月２３日に出願された日本国特許出願番号２０１９－１５３０４１号および２０２０年３月２４日に出願された日本国特許出願番号２０２０－０５３２６７号に基づいており、その開示内容は、参照により全体として組み入れられている。

１０ 情報処理装置、
１３ 良品／不良品判定部、
１０１ 特徴量分布計算・復元モデル、
１０２ 良品画像の分布、
１０３ 検査対象画像、
１０４ 入力画像の分布、
１０５ 判定結果、
１１１ 分布計算部、
１１２ 分布出力部、
１１４ 判定結果出力部、
１５０、２５０ 製品モデル、
１５１～１５５ 特徴量の分布、
１５７ 新たな良品の限度位置、
１６０ 良品範囲、
１６１ 新たな良品範囲、
１６１ａ、１６１ｂ 拡大された良品範囲
２０１ 良品画像群、
２０４ 検査画像の分布、
２０５ 限度見本画像、
２１５ 復元モデル生成部、
２１６ 限度見本画像生成部、
２１７ 限度見本画像出力部、
２１８ 限度見本画像変更部、
２１９ 良品画像分布変更部、
２５１ 画像例、
２７１ 良品画像、
２７２ 生成画像、
２７３ 不良品画像、
２７５ａ、２７５ｂ、２７６ 欠陥、
２８０ 重心位置。

Claims (14)

1. 判定対象に関するデータを入力し、前記判定対象に関するデータの特徴量の分布を計算し、
   前記計算した特徴量の分布から、所定の対象データに該当するか、該当しないかを判定するための基準となる基準データのデータ分布を生成する分布計算部と、
   前記基準データの特徴量から、限度基準データを生成する限度基準データ生成部と、
   前記限度基準データ生成部によって生成された前記限度基準データを出力する出力部と、
   ユーザーからの変更指示を受け付けて、前記基準データの特徴量を変更する限度基準データ変更部と、
   前記判定対象が前記所定の対象データに該当するか、該当しないかを判定する判定部と、を有し、
   前記分布計算部は、入力された前記判定対象に関するデータの特徴量を計算し、
   前記限度基準データ生成部は、前記限度基準データ変更部が変更した基準データの特徴量に基づき前記限度基準データを変更し、
   前記出力部は、変更された前記限度基準データを出力し、
   前記判定部は、得られた前記判定対象に関するデータの特徴量と、前記限度基準データ変更部によって変更された基準データの特徴量とを比較して、前記判定対象に関するデータに含まれる前記判定対象が前記所定の対象データに該当するか、該当しないかを判定する、判定装置。
2. 前記限度基準データ変更部は、前記基準データの特徴量の分布の外側にある特徴量と、前記基準データの特徴量のうち、前記外側にある特徴量から近い２つの特徴量とに基づいて画定される範囲を拡大された基準データ範囲として設定する、請求項１に記載の判定装置。
3. 前記限度基準データ変更部は、前記２つの特徴量のうちの１つの特徴量と前記外側にある特徴量とを結ぶ直線上の前記１つの特徴量と前記外側にある特徴量との間にある１点と、前記２つの特徴量とに基づいて画定される範囲を拡大された基準データ範囲として設定する、請求項２に記載の判定装置。
4. 前記限度基準データ変更部は、前記基準データの特徴量の分布の重心と前記外側にある特徴量とを結ぶ直線上の前記重心と前記外側にある特徴量との間にある１点と、前記２つの特徴量とに基づいて画定される範囲を拡大された基準データ範囲として設定する、請求項２に記載の判定装置。
5. 製品が写っている画像を入力として、前記画像の特徴量の分布を計算して、当該計算した分布から、前記画像に写っている前記製品の良品、不良品を判定するための基準となる良品画像の特徴量の分布を生成する分布計算部と、
   前記良品画像の特徴量から、限度見本画像として前記製品のイメージ画像を生成する限度見本画像生成部と、
   前記限度見本画像生成部によって生成された前記限度見本画像を出力する出力部と、
   ユーザーからの変更指示を受け付けて、前記良品画像の特徴量を変更する限度見本画像変更部と、
   製品の写っている検査対象画像に写っている前記製品が良品か、不良品かを判定する判定部と、を有し、
   前記分布計算部は、製品の写っている検査対象画像が入力されて、当該検査対象画像の特徴量を計算し、
   前記限度見本画像生成部は、前記限度見本画像変更部が変更した前記良品画像の特徴量に基づき前記限度見本画像を変更し、
   前記出力部は、変更された前記限度見本画像を出力し、
   前記判定部は、得られた前記検査対象画像の特徴量と、前記限度見本画像変更部によって変更された良品画像の特徴量とを比較して、前記検査対象画像に写っている前記製品が良品か、不良品かを判定する、判定装置。
6. 前記出力部は、前記検査対象画像の特徴量から生成された画像を出力する、請求項５に記載の判定装置。
7. 複数の良品の前記画像からなる良品画像群を入力とし、当該良品画像群のなかのそれぞれの前記画像の特徴量の分布を学習して、復元モデルを生成する復元モデル生成部を有し、
   前記分布計算部は、前記復元モデル生成部の学習によって得られた前記画像の特徴量の分布に基づき前記良品画像の分布を計算する、請求項５または６に記載の判定装置。
8. 判定対象に関するデータを入力し、前記判定対象に関するデータの特徴量の分布を計算し、
   前記計算した特徴量の分布から、所定の対象データに該当するか、該当しないかを判定するための基準となる基準データのデータ分布を生成する段階（ａ）と、
   前記基準データの特徴量から、限度基準データを生成する段階（ｂ）と、
   前記段階（ｂ）において生成された前記限度基準データを出力する段階（ｃ）と、
   ユーザーからの変更指示を受け付けて、前記基準データの特徴量を変更する段階（ｄ）と、
   前記段階（ｄ）において変更した基準データの特徴量に基づき前記限度基準データを変更する段階（ｅ）と、
   前記段階（ｅ）において変更された前記限度基準データを出力する段階（ｆ）と、
   判定対象に関するデータが入力されて、当該判定対象に関するデータの特徴量を計算する段階（ｇ）と、
   前記段階（ｇ）において得られた前記判定対象に関するデータの特徴量と、前記段階（ｄ）において変更された基準データの特徴量とを比較して、前記判定対象に関するデータに含まれる前記判定対象が前記所定の対象データに該当するか、該当しないかを判定する、処理をコンピューターに実行させるための判定プログラム。
9. 前記段階（ｄ）において、前記基準データの特徴量の分布の外側にある特徴量と、前記基準データの特徴量のうち、前記外側にある特徴量から近い２つの特徴量とに基づいて画定される範囲を拡大された基準範囲として設定する、請求項８に記載の判定プログラム。
10. 前記段階（ｄ）において、前記２つの特徴量のうちの１つの特徴量と前記外側にある特徴量とを結ぶ直線上の前記１つの特徴量と前記外側にある特徴量との間にある１点と、前記２つの特徴量とに基づいて画定される範囲を拡大された基準範囲として設定する、請求項９に記載の判定プログラム。
11. 前記段階（ｄ）において、前記基準データの特徴量の分布の重心と前記外側にある特徴量とを結ぶ直線上の前記重心と前記外側にある特徴量との間にある１点と、前記２つの特徴量とに基づいて画定される範囲を拡大された基準範囲として設定する、請求項９に記載の判定プログラム。
12. 製品が写っている画像を入力として、前記画像の特徴量の分布を計算して、当該計算した分布から、前記画像に写っている前記製品の良品、不良品を判定するための基準となる良品画像の特徴量の分布を生成する段階（ａ）と、
    前記良品画像の特徴量から、限度見本画像として前記製品のイメージ画像を生成する段階（ｂ）と、
    前記段階（ｂ）において生成された前記限度見本画像を出力する段階（ｃ）と、
    ユーザーからの変更指示を受け付けて、前記良品画像の特徴量を変更する段階（ｄ）と、
    前記段階（ｄ）において変更された前記良品画像の特徴量に基づき前記限度見本画像を変更する段階（ｅ）と、
    前記（ｅ）において変更された前記限度見本画像を出力する段階（ｆ）と、
    製品の写っている検査対象画像が入力されて、当該検査対象画像の特徴量を計算する段階（ｇ）と、
    前記段階（ｇ）において得られた前記検査対象画像の特徴量と、前記段階（ｄ）において変更された前記良品画像の特徴量とを比較して、前記検査対象画像に写っている前記製品が良品か、不良品かを判定する段階（ｈ）と、を有する処理をコンピューターに実行させるための判定プログラム。
13. 前記検査対象画像の特徴量から生成された画像を出力する段階を有する、請求項１２に記載の判定プログラム。
14. 複数の良品の前記画像からなる良品画像群を入力とし、当該良品画像群のなかのそれぞれの前記画像の特徴量の分布を学習して、復元モデルを生成する段階をさらに有し、
    学習によって得られた前記画像の特徴量の分布に基づき前記良品画像の分布を計算する、請求項１２または１３に記載の判定プログラム。