JP7444439B2 - 欠陥検出分類システム及び欠陥判定トレーニングシステム - Google Patents
欠陥検出分類システム及び欠陥判定トレーニングシステム Download PDFInfo
- Publication number
- JP7444439B2 JP7444439B2 JP2020038172A JP2020038172A JP7444439B2 JP 7444439 B2 JP7444439 B2 JP 7444439B2 JP 2020038172 A JP2020038172 A JP 2020038172A JP 2020038172 A JP2020038172 A JP 2020038172A JP 7444439 B2 JP7444439 B2 JP 7444439B2
- Authority
- JP
- Japan
- Prior art keywords
- defect
- learning
- image
- detection
- 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
- 230000007547 defect Effects 0.000 title claims description 443
- 238000001514 detection method Methods 0.000 title claims description 171
- 238000012549 training Methods 0.000 title claims description 33
- 230000002950 deficient Effects 0.000 claims description 51
- 238000004519 manufacturing process Methods 0.000 claims description 43
- 238000013075 data extraction Methods 0.000 claims description 17
- 239000000284 extract Substances 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 229920005989 resin Polymers 0.000 description 34
- 239000011347 resin Substances 0.000 description 34
- 238000000034 method Methods 0.000 description 33
- 238000013500 data storage Methods 0.000 description 31
- 238000003860 storage Methods 0.000 description 30
- 238000000605 extraction Methods 0.000 description 26
- 239000000463 material Substances 0.000 description 22
- 238000007689 inspection Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 18
- 238000013527 convolutional neural network Methods 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000013135 deep learning Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000011410 subtraction method Methods 0.000 description 3
- 229920003002 synthetic resin Polymers 0.000 description 3
- 239000000057 synthetic resin Substances 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000007646 gravure printing Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000001746 injection moulding Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000012855 volatile organic compound Substances 0.000 description 1
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Description
以下に説明する欠陥検出分類システムは、検査の対象となる製品を撮像システムで撮像して得られた画像を入力し、画像に撮像された製品に欠陥があるか否かを判定するとともに、欠陥の位置及び欠陥の種類を検出結果として出力する。欠陥検出分類システムは、欠陥の有無の判定及び欠陥の種類の推定に、機械学習で得られた学習済みの判定モデルを利用する。第1の実施形態では、グラビア印刷で得られた印刷物を製品の一例として欠陥検出分類システムを説明する。
F=2/((1/Precision)+(1/Recall)),Precision=R/N,
Recall=R/C …(1)
LL=D(X-gi) R≠0の場合、値なし R=0の場合 …(2)
反転画像に対するパラメータセット(dil,kernel,R1,R2,F,LL)=(2,2,1,5,0.00208702,13.9060821)
wideRGB=Clip(α×(RGBvalue)γ+β,[0,255]) …(3)
GRvalue=0.3×wideRed+0.59×wideGreen+0.11×wideBlue …(4)
検出分類部18は、式(3)で赤、緑及び青それぞれの画素値(RGBvalue)を補正し、0から255までの範囲に正規化する。更に、式(3)で得られた赤、緑及び青それぞれ補正値を式(4)変換し、グレースケールの画素値(GRvalue)を算出する。式(3)におけるα、β、γそれぞれとして4、-450、3を用いてもよい。検出分類部18は、グレースケールの画素値に代えて、画像に表れる欠陥を強調できる画素値を4番目の画素値として追加してもよい。
製品に対する良品であるか不良品であるかの良否判定において、製品に欠陥が検出された場合であっても、欠陥の位置や、欠陥の数、欠陥の組み合わせによっては、製品を良品と判断することがある。このような判断は、製品における欠陥を検出したり、欠陥を分類したりする処理では不充分であることがある。第2の実施形態では、このような製品に対する良品/不良品の判断を行える欠陥検出分類システムを説明する。また、第2の実施形態では、合成樹脂を射出形成して製造される樹脂成形品を製品の一例として欠陥検出分類システムを説明する。樹脂成形品の検査では、樹脂成形品の中央付近にキズなどの欠陥が一つでもある場合には不良品と判断するが、周辺部に欠陥がある場合には良品と判断することがある。第2の実施形態の欠陥検出分類システムは、このような判断を学習できるシステムである。
[参考文献1] Heng-Tze Cheng et al., "Wide & Deep Learning for Recommender System," https://arxiv.org/pdf/1606.07792.pdf
第1及び第2の実施形態における欠陥検出分類システムにおいて、熟練者による欠陥の認知データが学習データとして学習データ記憶部16に記憶されている。学習データ記憶部16に記憶されている学習データには熟練者の知識及び経験が反映されているので、非熟練者に対する欠陥の検知及び分類並びに良否判定のトレーニングに有用である。第3の実施形態では、学習データ記憶部16に記憶されている学習データを非熟練者等のトレーニングに利用する欠陥判定トレーニングシステムを説明する。
Claims (9)
- 欠陥の有無が判定される対象を撮像して得られる画像を取得する取得部と、
前記画像に予め定められた複数の種類の欠陥のうち少なくとも一つの欠陥があるか否かを判定して欠陥がある場合に欠陥の位置及び欠陥の種類を出力する学習済みの判定モデルを含み、前記判定モデルに前記画像を入力として与えて前記対象における欠陥の有無、位置及び種類を出力する検出分類部と、
前記判定モデルにより欠陥を含むと判定された画像のうち、当該欠陥の種類を推定する際の第1候補と第2候補との差が小さい画像を学習画像として含む学習データを前記判定モデルの学習に用いる複数の学習データに追加する追加学習データ抽出部とを備え、
前記判定モデルは、前記複数の種類の欠陥のうち少なくとも一つの欠陥を含む対象の学習画像と前記学習画像に含まれる欠陥の位置及び欠陥の種類を示すラベルとを含む前記複数の学習データを用いて、前記複数の種類の欠陥を学習して得られ、
前記学習データは、前記学習画像に撮像された対象が良品であるか不良品であるかを示す良否データを含み、
前記判定モデルは、前記画像に撮像された対象が良品であるか不良品であるかを判定し、欠陥の位置及び欠陥の種類とともに、対象が良品であるか否かを出力し、
前記追加学習データ抽出部は、前記検出分類部により欠陥があると判定された前記画像に撮像されている対象が良品であるか不良品であるかに対するユーザの判断結果を前記良否データとして、前記画像に対応付けて追加の学習データを生成し、
前記判定モデルは、前記複数の学習データと、前記追加の学習データとを用いた学習により更新され、
同一の前記画像における複数の種類の欠陥についての判定において、前記第1候補は最頻の前記ラベルであり、前記第2候補は2番目の頻度の前記ラベルであり、
同一の前記画像における同一の種類の欠陥についての判定において、前記第1候補は最大の確からしさであり、前記第2候補は2番目の確からしさであり、
前記検出分類部は、前記判定モデルが出力する判定結果にばらつきを発生させ、所定回数に亘る判定結果のうちから、前記第1候補と前記第2候補を特定する、
欠陥検出分類システム。 - 前記学習データは、前記学習画像に撮像された対象の生成時又は生成前にセンサで得られた計測値を示す特徴データを含み、
前記取得部は、前記画像に撮像された対象の生成時又は生成前にセンサで得られた計測値を示す特徴データを取得し、
前記検出分類部は、前記取得部により取得された特徴データと前記画像とを入力として前記判定モデルに与え、前記対象における欠陥の有無、位置及び種類を出力し、
特徴データは、不良品と判断される計測値又はそれらの組み合わせであり、良品となった対象に対応する製造データと不良品となった対象に対応する製造データとの差、又は、欠陥を含む前記画像に対応する製造データと欠陥を含まない前記画像に対応する製造データとの差に基づいて、製造データから取得される、
請求項1に記載の欠陥検出分類システム。 - 前記学習データにおいて、欠陥を含むか不良品と判定された対象の学習画像に対応する特徴データと、欠陥を含まないか良品と判定された対象の学習画像に対応する特徴データとの間に一定以上の差がある特徴データをユーザに提示する特徴量追加部を備える、
請求項1又は請求項2に記載の欠陥検出分類システム。 - 前記検出分類部により欠陥があると判定された前記画像に含まれる欠陥の位置及び種類に対するユーザの判断結果に応じて、欠陥の位置及び種類を変更又は削除する欠陥アノテーション部を備える、
請求項1から請求項3のいずれか一項に記載の欠陥検出分類システム。 - 前記検出分類部により欠陥があると判定された前記画像に含まれる欠陥の位置及び種類に対するユーザの判断結果に応じて、欠陥の位置及び種類を変更又は削除し、前記画像に撮像された対象に対するユーザによる良品であるか不良品であるかの判定結果を割り当てる欠陥アノテーション部を備える、
請求項1から請求項3のいずれか一項に記載の欠陥検出分類システム。 - 前記学習画像における欠陥の領域に対して画素ごとにラベルが付けられており、
前記検出分類部は、前記画像の画素ごとの画素値から他の画素値を算出し、前記画像の画素それぞれに算出した他の画素値を追加した画像を入力として前記判定モデルに与える、
請求項1から請求項5のいずれか一項に記載の欠陥検出分類システム。 - 前記判定モデルの学習における目的関数としてFocal Lossを用いる、
請求項1から請求項6の何れか一項に記載の欠陥検出分類システム。 - 請求項1から請求項7のいずれか一項に記載の欠陥検出分類システムにおいて用いられる前記学習データに含まれる前記学習画像における欠陥の位置及び種類と、前記学習画像とを表示し、前記対象における欠陥の有無、位置及び種類の判定をユーザに教示する表示部を備える、
欠陥判定トレーニングシステム。 - 請求項1から請求項3と請求項5とのいずれか一項に記載の欠陥検出分類システムにおいて用いられる前記学習データに含まれる前記学習画像に撮像された対象に対する良否データと、前記学習画像とを表示し、前記対象が不良品であるか否かの判定をユーザに教示する表示部を備える、
欠陥判定トレーニングシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020038172A JP7444439B2 (ja) | 2020-03-05 | 2020-03-05 | 欠陥検出分類システム及び欠陥判定トレーニングシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020038172A JP7444439B2 (ja) | 2020-03-05 | 2020-03-05 | 欠陥検出分類システム及び欠陥判定トレーニングシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021139769A JP2021139769A (ja) | 2021-09-16 |
JP7444439B2 true JP7444439B2 (ja) | 2024-03-06 |
Family
ID=77668393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020038172A Active JP7444439B2 (ja) | 2020-03-05 | 2020-03-05 | 欠陥検出分類システム及び欠陥判定トレーニングシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7444439B2 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023084900A1 (ja) * | 2021-11-10 | 2023-05-19 | 富士フイルム株式会社 | 学習方法、学習装置、学習プログラム、及び画像処理装置 |
KR102579226B1 (ko) * | 2022-02-08 | 2023-09-18 | 한밭대학교 산학협력단 | 딥러닝을 활용한 비원형 용기 생산 공정의 머신비전 검사 시스템 |
WO2023223790A1 (ja) * | 2022-05-18 | 2023-11-23 | コニカミノルタ株式会社 | 訓練装置、訓練方法、異常検出装置及び異常検出方法 |
JP2023183808A (ja) * | 2022-06-16 | 2023-12-28 | 株式会社日立製作所 | 画像生成方法及び外観検査装置 |
JP2024021487A (ja) * | 2022-08-03 | 2024-02-16 | JDI Design and Development 合同会社 | 検査方法、検査装置及びプログラム |
JP7270314B1 (ja) | 2022-11-07 | 2023-05-10 | タクトピクセル株式会社 | 検査方法、検査システム、ニューラルネットワーク |
CN115965816B (zh) * | 2023-01-05 | 2023-08-22 | 无锡职业技术学院 | 基于深度学习的玻璃缺陷分类与检测方法及系统 |
JP7297354B1 (ja) * | 2023-02-07 | 2023-06-26 | 株式会社シュヴァルベル | 画像処理システム及び画像処理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010159979A (ja) | 2009-01-06 | 2010-07-22 | Hitachi Ltd | 外観検査方法及び外観検査システム |
JP2018200677A (ja) | 2017-05-25 | 2018-12-20 | 株式会社日立製作所 | 管理方法、非一時的コンピュータ可読媒体および管理装置 |
JP2019090643A (ja) | 2017-11-13 | 2019-06-13 | 三菱電機株式会社 | 検査方法、および検査装置 |
JP2019114116A (ja) | 2017-12-25 | 2019-07-11 | オムロン株式会社 | 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 |
JP2019212073A (ja) | 2018-06-06 | 2019-12-12 | アズビル株式会社 | 画像判別装置および方法 |
-
2020
- 2020-03-05 JP JP2020038172A patent/JP7444439B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010159979A (ja) | 2009-01-06 | 2010-07-22 | Hitachi Ltd | 外観検査方法及び外観検査システム |
JP2018200677A (ja) | 2017-05-25 | 2018-12-20 | 株式会社日立製作所 | 管理方法、非一時的コンピュータ可読媒体および管理装置 |
JP2019090643A (ja) | 2017-11-13 | 2019-06-13 | 三菱電機株式会社 | 検査方法、および検査装置 |
JP2019114116A (ja) | 2017-12-25 | 2019-07-11 | オムロン株式会社 | 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 |
JP2019212073A (ja) | 2018-06-06 | 2019-12-12 | アズビル株式会社 | 画像判別装置および方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021139769A (ja) | 2021-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7444439B2 (ja) | 欠陥検出分類システム及び欠陥判定トレーニングシステム | |
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 | |
EP3480735B1 (en) | Inspection apparatus, data generation apparatus, data generation method, and data generation program | |
WO2019117065A1 (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 | |
JP5254612B2 (ja) | グラフィック再検査ユーザ設定インタフェース | |
JP2019114116A (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 | |
US10634621B2 (en) | Information processing method, information processing apparatus, and program | |
US11378522B2 (en) | Information processing apparatus related to machine learning for detecting target from image, method for controlling the same, and storage medium | |
JPH11344450A (ja) | 教示用データ作成方法並びに欠陥分類方法およびその装置 | |
CN112534470A (zh) | 用于基于图像的目标对象检验的系统及方法 | |
JP6544716B2 (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 | |
CN110458791B (zh) | 质量缺陷检测方法和检测设备 | |
JP2019159820A (ja) | 検査装置、画像識別装置、識別装置、検査方法、及び検査プログラム | |
CN117495852B (zh) | 一种基于图像分析的数字印刷质量检测方法 | |
WO2021199706A1 (ja) | データ分類装置、データ分類方法およびデータ分類プログラム | |
JP7354063B2 (ja) | 分類システム、プログラム及び学習システム | |
CN115552462A (zh) | 显微镜中的图像分析方法 | |
CN114902297A (zh) | 使用区域级注释的自举的基于图像处理的对象分类 | |
JP2019158684A (ja) | 検査システム、識別システム、及び識別器評価装置 | |
CN104423807A (zh) | 传感器信息管理装置 | |
US11790270B2 (en) | User-generated visual guide for the classification of images | |
CN114548250A (zh) | 一种基于数据分析的手机外观检测方法及装置 | |
CN114998194A (zh) | 产品缺陷检测方法、系统和存储介质 | |
JP2021064215A (ja) | 表面性状検査装置及び表面性状検査方法 | |
JP2021015437A (ja) | プログラム、情報処理方法及び情報処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230126 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231129 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240115 |
|
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: 20240130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7444439 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |