JP7496458B2 - 情報処理装置、情報処理方法、情報処理プログラム、学習装置、学習方法および学習済モデル - Google Patents

Description

本発明は、欠陥の無い正常な検査対象物の画像データを用いて学習を行い、欠陥を有する異常な検査対象物を検出することを可能とする情報処理装置、学習装置、情報処理方法および情報処理プログラムと、当該学習時において行った学習方法および学習済モデルに関する。

従来、画像処理を用いて欠陥を有する異常な検査対象物を検出する技術が知られている。特に近年では、機械学習を応用させた技術の導入が進んでいる。機械学習を用いた欠陥検出技術については、例えば、特許文献１に記載されている。

特開２０１８－８１６２９号公報

特許文献１には、機械学習を用いて対象物の画像に含まれるキズ部Ｄｆ１の有無を判定することが可能な判定システム３０１が開示されている。判定システム３０１は、判定装置１０１と、蓄積装置１３１と、学習装置１５１とを備える。そして、蓄積装置１３１に蓄積された複数の画像のうち、キズ部Ｄｆ１を含む対象物の画像である不良品画像Ｓｎｇの５００枚と、キズ部Ｄｆ１を含まない対象物の画像である良品画像Ｓｇの５００枚とが選択され、これらが１枚ずつ６３個の部分画像に分割される。また、部分画像にキズ部Ｄｆ１が含まれる場合、キズ部Ｄｆ１に対して軌跡Ｔｒ１が描画され、さらに軌跡Ｔｒ１の有無に関するラベル表示がなされる。次に、学習装置１５１は、当該複数の部分画像およびラベル表示を用いて機械学習する。さらに、機械学習が完了したモデルは、判定装置１０１に導入される。当該モデルに、画像データが入力されると、当該画像データにキズ部Ｄｆ１が含まれるか否か判定され、判定結果が出力される。

しかしながら、欠陥を有する異常な検査対象物を検出するための機械学習を行う場合、少なくとも数千～数百万枚程度の多数の検査対象物の画像を、学習用データとして用いる必要がある。一方、工業製品の製造過程において、欠陥は頻繁に発生するものではなく、欠陥を有する検査対象物の画像を数千～数百万枚程度も取得することは現実的に難しい。また、欠陥の種類および状態は、未知のものを含めて多種多様であり、全ての種類および状態の欠陥を含む画像を取得することは、さらに難しい。

本発明は、このような事情に鑑みなされたものであり、容易に多数取得することが可能な、欠陥の無い正常な検査対象物の画像を用いて機械学習を行うことによって、欠陥を有する異常な検査対象物を検出することができる技術を提供することを目的とする。

上記課題を解決するため、本願の第１発明は、割線を有する錠剤が撮像された画像の一部が隠された画像データから、前記隠された一部を復元する学習モデルを学習する画像復元部を有する学習装置であって、前記画像復元部は、前記割線を有し欠陥の無い正常な錠剤が斜め方向から撮像された複数の学習画像のそれぞれの一部が隠された画像データから、前記隠された一部が復元された復元画像を生成できるように、ディープラーニングにより学習し、前記割線は、錠剤のうちの前記割線が形成される割線面の中心を通り、前記割線面の両端まで真っ直ぐに延び、かつ、錠剤の側面に現れる前記割線の端部から、前記割線の位置を斜め方向から認識可能である。

本願の第２発明は、第１発明の学習装置であって、前記画像復元部は、前記画像データのうち、前記隠された一部の場所を順次に変更しながら、複数の前記復元画像を生成する。

本願の第３発明は、第２発明の学習装置であって、前記割線を有し欠陥の無い正常なものか或いは欠陥を有する異常なものか不明な錠剤が斜め方向から撮像された検査画像の一部が隠された画像データから、前記隠された一部が前記画像復元部によって復元された前記復元画像を、前記検査画像と比較することによって、錠剤が正常なものか異常なものかを判定する判定部をさらに有し、前記判定部は、前記復元画像と前記検査画像との差異が所定の許容値よりも大きい場合に、前記隠された一部の場所を前記欠陥の場所として決定する。

本願の第４発明は、第１発明から第３発明までのいずれか１発明の学習装置であって、前記画像復元部は、前記学習画像から特徴を抽出して潜在変数を生成するエンコード処理と、前記潜在変数から前記復元画像を生成するデコード処理と、を実行する。

本願の第５発明は、第４発明の学習装置であって、前記画像復元部は、前記学習において、畳み込みニューラルネットワークにより、前記エンコード処理および前記デコード処理を実行する。

本願の第６発明は、割線を有する錠剤が撮像された画像の一部が隠された画像データから、前記隠された一部を復元する学習モデルを学習する学習方法であって、前記割線を有し欠陥の無い正常な錠剤が斜め方向から撮像された複数の学習画像のそれぞれの一部が隠された画像データから、前記隠された一部が復元された復元画像を生成できるように、ディープラーニングにより学習する工程を有し、前記割線は、錠剤のうちの前記割線が形成される割線面の中心を通り、前記割線面の両端まで真っ直ぐに延び、かつ、錠剤の側面に現れる前記割線の端部から、前記割線の位置を斜め方向から認識可能である。

本願の第１発明～第６発明によれば、容易に多数取得することが可能な、割線を有し欠陥の無い正常な錠剤が斜め方向から撮像された画像の一部が隠された画像データを用いて機械学習を行うことによって、当該隠された一部が復元された復元画像を生成することが可能となる。そして、当該復元画像をもとの画像と比較することによって、錠剤が正常なものか異常なものかを判定することができる。これにより、錠剤における未知のものを含む多種多様な欠陥を高精度に検出することができる。また、割線を有する錠剤が斜め方向から撮像された画像を用いることによって、錠剤の表裏面のみでなく、錠剤の側面に存在する欠陥をも、検出をすることができる。また、錠剤の割線が形成された割線面が裏側を向いている場合でも、割線が割線面の中心を通り、割線面の両端まで真っ直ぐに延び、かつ、錠剤の側面に現れる割線の端部から割線の位置を斜め方向から認識可能であることにより、割線の位置を認識しつつ、学習および検査を行うことができる。

錠剤印刷装置の構成を示した図である。 搬送ドラム付近の斜視図である。 ヘッドの下面図である。 検査カメラ付近の斜視図である。 制御部と錠剤印刷装置内の各部との接続を示したブロック図である。 錠剤印刷装置内の制御部における機能の一部を概念的に示したブロック図である。 正常な錠剤が撮像された学習画像の例を示した図である。 正常な錠剤が撮像された学習画像のうちの一部が隠された画像データから、復元画像を生成する様子を示す概要図である。 正常か異常か不明な錠剤が撮像された検査画像のうちの一部が隠された画像データから、復元画像を生成する様子を示す概要図である。 正常か異常か不明な錠剤が撮像された検査画像のうちの一部が隠された画像データから、復元画像を生成する様子を示す概要図である。

以下、本発明の実施形態について、図面を参照しつつ説明する。本発明の一実施形態では、検査対象物の例として、医薬品である錠剤を例に挙げて、説明する。そして、錠剤の表面に、インクジェット方式で製品名等の画像を記録した後、錠剤の汚れや傷等の欠陥の有無を検査し、欠陥を有する異常な錠剤を検出することができる、装置、方法、およびプログラムについて、説明する。

＜１．錠剤印刷装置の全体構成＞
本発明の一実施形態に係る錠剤９の欠陥を検出する後述する情報処理装置２００を含む錠剤印刷装置１の全体構成について、図１を参照しつつ説明する。図１は、錠剤印刷装置１の構成を示した図である。錠剤印刷装置１は、複数の錠剤９を搬送しながら、各錠剤９の表面に、製品としての識別を目的として、製品名、製品コード、会社名、ロゴマーク等の画像をインクジェット方式で印刷する装置である。本実施形態の錠剤９は、円盤形状を有する（後述する図４参照）。ただし、錠剤９の形状は、楕円形状等の他の形状であってもよい。なお、以下の説明においては、複数の錠剤９が搬送される方向を「搬送方向」と称し、搬送方向に対して垂直かつ水平な方向を「幅方向」と称する。

また、錠剤９には、錠剤９を半分に割るための溝状の割線９０が形成されている。割線９０は、錠剤９のうちの割線９０が形成される面（以下「割線面」と称する）の中心を通り、割線面の両端まで真っ直ぐに延びる。なお、本実施形態では、円盤形状の錠剤９の上面および下面を形成する面のうちの一方のみに割線９０が形成されている（一方のみが割線面となる）場合を想定する。ただし、割線９０は、円盤形状の錠剤９の上面および下面を形成する面の両方（表裏面の両方）に形成されていてもよい。さらに、本実施形態では、錠剤９の割線面に対向する面のみに対して、裏側にある割線９０の向きに沿って、製品名等を印刷する。ただし、錠剤９における印刷箇所は、これに限定されない。

図１に示すように、本実施形態の錠剤印刷装置１は、ホッパー１０、フィーダ部２０、搬送ドラム３０、第１印刷部４０、第２印刷部５０、搬出コンベア６０、および制御部７０を有する。ホッパー１０、フィーダ部２０、搬送ドラム３０、第１印刷部４０の第１搬送コンベア４１、第２印刷部５０の第２搬送コンベア５１、および搬出コンベア６０によって、錠剤９を所定の搬送経路に沿って搬送する搬送機構が形成されている。

ホッパー１０は、多数の錠剤９を一括して装置内に受け入れるための投入部である。ホッパー１０は、錠剤印刷装置１の筐体１００の最上部に配置されている。ホッパー１０は、筐体１００の上面に位置する開口部１１と、下方へ向かうにつれて徐々に収束する漏斗状の傾斜面１２とを有する。開口部１１へ投入された複数の錠剤９は、傾斜面１２に沿って直進フィーダ２１へ流れ込む。

フィーダ部２０は、ホッパー１０へ投入された複数の錠剤９を、搬送ドラム３０まで搬送する機構である。本実施形態のフィーダ部２０は、直進フィーダ２１、回転フィーダ２２、および供給フィーダ２３を有する。直進フィーダ２１は、平板状の振動トラフ２１１を有する。ホッパー１０から振動トラフ２１１に供給された複数の錠剤９は、振動トラフ２１１の振動によって、回転フィーダ２２側へ搬送される。回転フィーダ２２は、円盤状の回転台２２１を有する。振動トラフ２１１から回転台２２１の上面に落下した複数の錠剤９は、回転台２２１の回転による遠心力で、回転台２２１の外周部付近へ集まる。

供給フィーダ２３は、回転台２２１の外周部から搬送ドラム３０まで、鉛直下向きに延びる複数の筒状部２３１を有する。図２は、搬送ドラム３０付近の斜視図である。図２に示すように、複数（図２の例では８本）の筒状部２３１は、互いに平行に配列されている。回転台２２１の外周部へ搬送された複数の錠剤９は、それぞれ、複数の筒状部２３１のいずれか１つに供給され、筒状部２３１内を落下する。そして、各筒状部２３１内に、複数の錠剤９が積層される。このように、複数の錠剤９は、複数の筒状部２３１に分散供給されることによって、複数の搬送列に整列される。そして、各搬送列の複数の錠剤９が、下端のものから順に搬送ドラム３０へ供給される。

搬送ドラム３０は、供給フィーダ２３から第１搬送コンベア４１へ、複数の錠剤９を受け渡す機構である。搬送ドラム３０は、略円筒形状の外周面を有する。搬送ドラム３０は、図示を省略したモータから得られる動力により、幅方向に延びる回転軸を中心として、図１および図２中の矢印の方向へ回転する。図２に示すように、搬送ドラム３０の外周面には、複数の保持部３１が設けられている。保持部３１は、搬送ドラム３０の外周面から内側へ向けて凹む凹部である。複数の保持部３１は、上述した複数の搬送列の各々に対応する幅方向位置において、搬送ドラム３０の外周面に、周方向に沿って配列されている。また、各保持部３１の底部には、吸着孔３２が設けられている。

搬送ドラム３０の内部には、図示を省略した吸引機構が設けられている。吸引機構を動作させると、複数の吸着孔３２のそれぞれに、大気圧よりも低い負圧が生じる。保持部３１は、当該負圧によって、供給フィーダ２３から供給される錠剤９を、１つずつ吸着保持する。また、搬送ドラム３０の内部には、図示を省略したブロー機構が設けられている。ブロー機構は、搬送ドラム３０の内側から後述する第１搬送コンベア４１側へ向けて、局所的に加圧された気体を吹き付ける。これにより、第１搬送コンベア４１に対向しない保持部３１においては、錠剤９の吸着状態を維持しつつ、第１搬送コンベア４１に対向する保持部３１のみにおいて、錠剤９の吸着が解除される。搬送ドラム３０は、このように、供給フィーダ２３から供給される複数の錠剤９を吸着保持しつつ回転し、それらの錠剤９を、第１搬送コンベア４１へ受け渡すことができる。

搬送ドラム３０の外周面と対向する位置には、第１状態検出カメラ３３が設けられている。第１状態検出カメラ３３は、搬送ドラム３０に保持された錠剤９の状態を撮像する撮像部である。第１状態検出カメラ３３は、搬送ドラム３０により搬送される錠剤９を撮像し、得られた画像を制御部７０へ送信する。制御部７０は、受信した画像に基づいて、各保持部３１における錠剤９の有無や、保持部３１に保持された錠剤９の表裏および割線９０の向きを検出する。

第１印刷部４０は、錠剤９の一方の面に画像を印刷するための処理部である。図１に示すように、第１印刷部４０は、第１搬送コンベア４１、第２状態検出カメラ４２、第１ヘッドユニット４３、第１検査カメラ４４、および第１定着部４５を有する。

第１搬送コンベア４１は、一対の第１プーリ４１１と、一対の第１プーリ４１１の間に掛け渡された環状の第１搬送ベルト４１２とを有する。第１搬送ベルト４１２は、その一部分が、搬送ドラム３０の外周面に近接して対向するように配置される。一対の第１プーリ４１１の一方は、図示を省略したモータから得られる動力で回転する。これにより、第１搬送ベルト４１２が、図１および図２中の矢印の方向へ回動する。このとき、一対の第１プーリ４１１の他方は、第１搬送ベルト４１２の回動に伴い従動回転する。

図２に示すように、第１搬送ベルト４１２には、複数の保持部４１３が設けられている。保持部４１３は、第１搬送ベルト４１２の外側の面から内側へ向けて凹む凹部である。複数の保持部４１３は、複数の搬送列の各々に対応する幅方向位置において、搬送方向に配列されている。すなわち、複数の保持部４１３は、幅方向および搬送方向に、それぞれ間隔をあけて配列されている。第１搬送ベルト４１２における複数の保持部４１３の幅方向の間隔は、搬送ドラム３０における複数の保持部３１の幅方向の間隔と等しい。

各保持部４１３の底部には、吸着孔４１４が設けられている。また、第１搬送コンベア４１は、第１搬送ベルト４１２の内側に、図示を省略した吸引機構を有する。吸引機構を動作させると、複数の吸着孔４１４のそれぞれに、大気圧よりも低い負圧が生じる。保持部４１３は、当該負圧によって、搬送ドラム３０から渡される錠剤９を、１つずつ吸着保持する。これにより、第１搬送コンベア４１は、複数の錠剤９を、幅方向に間隔をあけた複数の搬送列に整列された状態で保持しつつ、搬送する。さらに、第１搬送ベルト４１２には、図示を省略したブロー機構が設けられている。ブロー機構を動作させると、後述する第２搬送コンベア５１に対向する保持部４１３において、吸着孔４１４が大気圧よりも高い陽圧となる。これにより、当該保持部４１３における錠剤９の吸着が解除され、第１搬送コンベア４１から第２搬送コンベア５１へ、錠剤９が受け渡される。なお、第１搬送ベルト４１２に搬送される複数の錠剤９には、割線面側から保持部４１３に保持される錠剤９と、割線面に対向する面側から保持部４１３に保持される錠剤９とが、混在する。そして、各錠剤９は、第１搬送コンベア４１から第２搬送コンベア５１へ受け渡される際に、表裏が反転する。

第２状態検出カメラ４２は、第１ヘッドユニット４３よりも搬送方向の上流側において、第１搬送コンベア４１に保持された錠剤９の状態を撮像する撮像部である。第１状態検出カメラ３３と第２状態検出カメラ４２とは、錠剤９の互いに反対側の面を撮像する。第２状態検出カメラ４２において得られた画像は、第２状態検出カメラ４２から制御部７０へ送信される。制御部７０は、受信した画像に基づいて、各保持部４１３における錠剤９の有無や、保持部４１３に保持された錠剤９の表裏および割線９０の向きを検出する。

第１ヘッドユニット４３は、第１搬送コンベア４１により搬送される錠剤９の上面に向けてインク滴を吐出する、インクジェット方式のヘッドユニットである。第１ヘッドユニット４３は、搬送方向に沿って配列された４つの第１ヘッド４３１を有する。４つの第１ヘッド４３１は、複数の錠剤９のうち、割線面側から保持部４１３に保持されている錠剤９の上面に向けて、互いに異なる色（例えば、シアン、マゼンタ、イエロー、およびブラックの各色）のインク滴を吐出する。これらの各色により形成される単色画像の重ね合わせによって、錠剤９の表面に、多色画像が印刷される。なお、各第１ヘッド４３１から吐出されるインクには、日本薬局方、食品衛生法等で認可された原料により製造された可食性インクが使用される。

図３は、１つの第１ヘッド４３１の下面図である。図３には、第１搬送ベルト４１２と、第１搬送ベルト４１２に保持された複数の錠剤９とが、二点鎖線で示されている。図３中に拡大して示したように、第１ヘッド４３１の下面には、インク滴を吐出可能な複数のノズル４３０が設けられている。本実施形態では、第１ヘッド４３１の下面に、複数のノズル４３０が、搬送方向および幅方向に二次元的に配列されている。各ノズル４３０は、幅方向に位置をずらして配列されている。このように、複数のノズル４３０を二次元的に配置すれば、各ノズル４３０の幅方向の位置を、互いに接近させることができる。ただし、複数のノズル４３０は、幅方向に沿って一列に配列されていてもよい。

ノズル４３０からのインク滴の吐出方式には、例えば、ピエゾ素子に電圧を加えて変形させることにより、ノズル４３０内のインクを加圧して吐出させる、いわゆるピエゾ方式が用いられる。ただし、インク滴の吐出方式は、ヒータに通電してノズル４３０内のインクを加熱膨張させることにより吐出する、いわゆるサーマル方式であってもよい。

図４は、第１検査カメラ４４付近の斜視図である。第１検査カメラ４４は、第１ヘッドユニット４３による印刷の良否および錠剤９の欠陥の有無を確認するための撮像部である。第１検査カメラ４４は、第１ヘッドユニット４３よりも搬送方向の下流側において、第１搬送ベルト４１２に搬送される錠剤９の上面を撮像する。また、第１検査カメラ４４は、得られた画像を制御部７０へ送信する。制御部７０は、受信した画像に基づいて、各錠剤９の上面に、傷、汚れ、印刷位置のずれまたはドット欠け等の欠陥が無いかどうかを検査する。これらの欠陥の検出方法については、詳細を後述する。

なお、本実施形態では、８つの第１検査カメラ４４が、第１搬送ベルト４１２上の幅方向に並ぶ８つの錠剤９にそれぞれ対応する位置に配置される。各第１検査カメラ４４は、幅方向に１つの錠剤９を撮像する。また、各第１検査カメラ４４は、搬送方向に搬送される複数の錠剤９を順次撮像する。ただし、８つの第１検査カメラ４４の配置スペースを考慮して、これらを互いに搬送方向に位置をずらして配置してもよい。

第１定着部４５は、第１ヘッドユニット４３から吐出されたインクを、錠剤９に定着させる機構である。本実施形態では、第１検査カメラ４４よりも搬送方向の下流側に、第１定着部４５が配置されている。ただし、第１ヘッドユニット４３と第１検査カメラ４４との間に、第１定着部４５が配置されていてもよい。第１定着部４５には、例えば、第１搬送コンベア４１により搬送される錠剤９へ向けて、熱風を吹き付ける熱風乾燥式のヒータが用いられる。錠剤９の表面に付着したインクは、熱風により乾燥して、錠剤９の表面に定着する。

第２印刷部５０は、第１印刷部４０による印刷後に、錠剤９の他方の面に画像を印刷するための処理部である。図１に示すように、第２印刷部５０は、第２搬送コンベア５１、第３状態検出カメラ５２、第２ヘッドユニット５３、第２検査カメラ５４、第２定着部５５、および欠陥品回収部５６を有する。

第２搬送コンベア５１は、第１搬送コンベア４１から受け渡された複数の錠剤９を保持しつつ搬送する。第３状態検出カメラ５２は、第２ヘッドユニット５３よりも搬送方向の上流側において、第２搬送コンベア５１により搬送される複数の錠剤９を撮像する。第２ヘッドユニット５３は、第２搬送コンベア５１により搬送される錠剤９の上面に向けてインク滴を吐出する。第２検査カメラ５４は、第２ヘッドユニット５３よりも搬送方向の下流側において、第２搬送コンベア５１により搬送される複数の錠剤９を撮像する。第２定着部５５は、第２ヘッドユニット５３の各ヘッド５３１から吐出されたインクを、錠剤９に定着させる。

第２搬送コンベア５１、第３状態検出カメラ５２、第２ヘッドユニット５３、第２検査カメラ５４、および第２定着部５５の各々の詳細については、上述した第１搬送コンベア４１、第２状態検出カメラ４２、第１ヘッドユニット４３、第１検査カメラ４４、および第１定着部４５と同等であるため、重複説明を省略する。

欠陥品回収部５６は、上述の第１検査カメラ４４および第２検査カメラ５４から得られた撮影画像Ｉｐに基づいて、欠陥品と判定された錠剤９を回収する。欠陥品回収部５６は、第２搬送コンベア５１の内側に配置されたブロー機構（図示省略）と、回収箱５６１とを有する。欠陥品と判定された錠剤９が、欠陥品回収部５６まで搬送されると、ブロー機構は、第２搬送コンベア５１の内側から、当該錠剤９に向けて、加圧された気体を吹き付ける。これにより、当該錠剤９が、第２搬送コンベア５１から脱落して、回収箱５６１に回収される。

搬出コンベア６０は、良品と判定された複数の錠剤９を、錠剤印刷装置１の筐体１００の外部へ搬出する機構である。搬出コンベア６０の上流側の端部は、第２搬送コンベア５１の第２プーリ５１１の下方に位置する。搬出コンベア６０の下流側の端部は、筐体１００の外部に位置する。搬出コンベア６０には、例えば、ベルト搬送機構が用いられる。欠陥品回収部５６を通過した複数の錠剤９は、吸着孔の吸引が解除されることによって、第２搬送コンベア５１から搬出コンベア６０の上面に落下する。そして、搬出コンベア６０によって、複数の錠剤９が、筐体１００の外部へ搬出される。

制御部７０は、錠剤印刷装置１内の各部を動作制御するための手段である。図５は、制御部７０と、錠剤印刷装置１内の各部との接続を示したブロック図である。図５中に概念的に示したように、制御部７０は、ＣＰＵ等のプロセッサ７０１、ＲＡＭ等のメモリ７０２、ハードディスクドライブ等の記憶装置７０３、受信部７０４、および送信部７０５を有するコンピュータにより構成される。記憶装置７０３内には、錠剤９の印刷処理および検査を実行するためのコンピュータプログラムＰおよびデータＤが、記憶されている。ただし、受信部７０４および送信部７０５は、制御部７０とは別体として設けられてもよい。

また、図５に示すように、制御部７０は、受信部７０４および送信部７０５を介して、上述した直進フィーダ２１、回転フィーダ２２、搬送ドラム３０（モータ、吸引機構、およびブロー機構を含む）、第１状態検出カメラ３３、第１搬送コンベア４１（モータ、吸引機構、およびブロー機構を含む）、第２状態検出カメラ４２、第１ヘッドユニット４３（各第１ヘッド４３１の複数のノズル４３０を含む）、第１検査カメラ４４、第１定着部４５、第２搬送コンベア５１、第３状態検出カメラ５２、第２ヘッドユニット５３（各第２ヘッド５３１の複数のノズル４３０を含む）、第２検査カメラ５４、第２定着部５５、欠陥品回収部５６、および搬出コンベア６０と、それぞれイーサネット（登録商標）等の有線通信、Ｂｌｕｅｔｏｏｔｈ（登録商標）またはWi-Fi（登録商標）等の無線通信を可能に、接続されている。

制御部７０は、各部から受信部７０４を介して情報を受信すると、記憶装置７０３に記憶されたコンピュータプログラムＰおよびデータＤをメモリ７０２に一時的に読み出し、当該コンピュータプログラムＰおよびデータＤに基づいて、プロセッサ７０１が演算処理を行う。さらに、制御部７０は、送信部７０５を介して各部へ司令を行うことによって、上記の各部を動作制御する。これにより、複数の錠剤９に対する各処理が進行する。

＜２．制御部内のデータ処理＞
図６は、錠剤印刷装置１内の制御部７０における機能の一部を概念的に示したブロック図である。図６に示すように、本実施形態の制御部７０は、角度認識部７１、ヘッド制御部７２、および検査部を有する。これらの機能は、記憶装置７０３に記憶されたコンピュータプログラムＰおよびデータＤをメモリ７０２に一時的に読み出し、当該コンピュータプログラムＰおよびデータＤに基づいて、プロセッサ７０１が演算処理を行うことによって、実現される。また、検査部としての機能は、制御部７０の一部または全部の機械要素からなる情報処理装置２００により実現される。情報処理装置２００には、予め機械学習により生成された学習済みの学習モデルがインストールされている。

角度認識部７１は、搬送される各錠剤９の回転角度（割線９０の向き）を認識するための機能である。角度認識部７１は、第１状態検出カメラ３３および第２状態検出カメラ４２の撮影画像を取得し、当該撮影画像に基づいて、第１搬送コンベア４１により搬送される各錠剤９の回転角度を認識する。また、角度認識部７１は、第３状態検出カメラ５２の撮影画像を取得し、当該撮影画像に基づいて、第２搬送コンベア５１により搬送される各錠剤９の回転角度を認識する。

上述のとおり、本実施形態では、錠剤９の割線面に対向する面のみに対して、裏側にある割線９０の向きに沿って、製品名等を印刷する。このため、角度認識部７１は、第１状態検出カメラ３３および第２状態検出カメラ４２から得られる撮影画像に基づいて、錠剤９毎に、第１ヘッドユニット４３を通過するときの回転角度（割線９０の向き）を認識する。同様に、角度認識部７１は、第３状態検出カメラ５２から得られる撮影画像に基づいて、錠剤９毎に、第２ヘッドユニット５３を通過するときの回転角度（割線９０の向き）を認識する。

なお、搬送される複数の錠剤９の表裏は一定ではない。このため、図４のように、割線面側から保持部４１３に保持される錠剤９と、割線面に対向する面側から保持部４１３に保持される錠剤９とが、混在して搬送される場合がある。このような場合には、角度認識部７１は、一部の錠剤９については、第１状態検出カメラ３３から得られる撮影画像に基づいて、第１ヘッドユニット４３を通過するときの回転角度を認識し、他の錠剤９については、第２状態検出カメラ４２から得られる撮影画像に基づいて、第１ヘッドユニット４３を通過するときの回転角度を認識すればよい。また、一部の錠剤９については、第３状態検出カメラ５２から得られる撮影画像に基づいて、第２ヘッドユニット５３を通過するときの回転角度を認識し、他の錠剤９については、第２状態検出カメラ４２から得られる撮影画像に基づいて、第２ヘッドユニット５３を通過するときの回転角度を認識すればよい。

ヘッド制御部７２は、第１ヘッドユニット４３および第２ヘッドユニット５３を動作制御するための機能である。図６に示すように、ヘッド制御部７２は、第１記憶部７２１を有する。第１記憶部７２１の機能は、例えば、上述した記憶装置７０３により実現される。第１記憶部７２１には、錠剤９に印刷される画像に関する情報を含む印刷画像データＤ１が記憶される。当該画像は、製品名、製品コード、会社名、ロゴマーク等であり、例えば、アルファベットと数字とを含む文字列で形成される（図４および後述する図７参照）。ただし、当該画像は、文字列以外のマークやイラストであってもよい。さらに、当該画像は、錠剤９における割線面に対向する面に、裏面に有る割線９０に沿って印刷される。ただし、画像は、錠剤９の割線面に、割線９０に沿って印刷されてもよい。印刷画像データＤ１は、このような、錠剤９における画像の印刷位置および印刷の向きを指定する情報も含む。

製品としての錠剤９の表面に印刷を行うときには、ヘッド制御部７２は、第１記憶部７２１から印刷画像データＤ１を読み出す。また、ヘッド制御部７２は、読み出された印刷画像データＤ１を、角度認識部７１において認識された回転角度に応じて回転させる。そして、ヘッド制御部７２は、回転された印刷画像データＤ１に基づいて、第１ヘッド４３１または第２ヘッド５３１を制御する。これにより、錠剤９の表面に、割線９０に沿って、印刷画像データＤ１が表す画像が印刷される。

検査部の機能については、詳細を後述する。

＜３．情報処理装置２００について＞
続いて、情報処理装置２００の構成について、説明する。上述のとおり、制御部７０内の検査部としての機能は、制御部７０の一部または全部の機械要素からなる情報処理装置２００により実現される。情報処理装置２００には、予め機械学習により生成された学習済みの学習モデルがインストールされている。情報処理装置２００は、錠剤９における傷等の欠陥の有無を検査し、欠陥を有する異常な錠剤９を検出することができる装置である。図６に示すように、情報処理装置２００は、機能として、画像復元部２０１、判定部２０２、および出力部２０３を有する。

まず、情報処理装置２００にインストールされる学習モデルを機械学習により生成する工程について、説明する。当該学習時の流れを、図６上に破線にて概念的に図示している。学習時においては、予め正常な錠剤９が撮像された複数の学習画像Ｉｏ（図７参照）が用意される。具体的には、第１ヘッドユニット４３よりも搬送方向の下流側において、第１搬送ベルト４１２に搬送される錠剤９のうち、傷等の欠陥が無い錠剤９が、第１検査カメラ４４によって多数撮像される。そして、撮像された錠剤９の上面の画像が、正常な錠剤９の学習用の画像（学習画像Ｉｏ）として複数枚（本実施形態では、１０００枚）用意される。なお、一般に、機械学習自体は、錠剤印刷装置１の外部において、実施される。複数枚の学習画像Ｉｏは、画像復元部２０１に入力される。

画像復元部２０１に学習画像Ｉｏが入力されると、画像復元部２０１は、各学習画像Ｉｏを複数の区画に分割する。本実施形態では、縦４区画、横４区画の合計１６区画（区画Ｓ１～区画Ｓ１６）に分割する。ただし、学習画像Ｉｏを分割する数は、これに限定されない。また、本実施形態では、分割された区画Ｓ１～区画Ｓ１６は、互いに大きさが等しい。ただし、学習画像Ｉｏを互いに大きさの異なる複数の区画に分割してもよい。

次に、画像復元部２０１は、各学習画像Ｉｏの区画Ｓ１～区画Ｓ１６のうちの１区画が隠された画像データＩｈを作成する。図８の上部には、例として、学習画像Ｉｏの区画Ｓ１～区画Ｓ１６のうち、区画Ｓ２が隠された画像データＩｈを図示している。なお、本実施形態の画像復元部２０１は、区画Ｓ１～区画Ｓ１６のうちの１区画を、区画Ｓ１から順に隠しつつ、各学習画像Ｉｏあたり１６枚の画像データＩｈを作成する。画像復元部２０１は、１０００枚の学習画像Ｉｏのそれぞれに対して１６枚、すなわち、合計１６０００枚の画像データＩｈを作成する。ただし、画像復元部２０１は、ランダムジェネレータを用いて、区画Ｓ１～区画Ｓ１６のうちの１区画をランダムに隠しつつ、各学習画像Ｉｏあたり所定枚数の画像データＩｈを作成してもよい。

続いて、画像復元部２０１は、各画像データＩｈから、隠された一部が復元された復元画像Ｉｒを高精度に生成できるように、ディープラーニングによる学習処理を行う。具体的には、画像復元部２０１は、各画像データＩｈが生成された元の学習画像Ｉｏを、教師データ（正解のデータ）としつつ、復元画像Ｉｒを高精度に生成するための画像復元処理に係る学習モデルＸ（ａ，ｂ，ｃ…）を機械学習する。なお、図８は、例として、画像データＩｈから、隠された区画Ｓ２が復元された復元画像Ｉｒを高精度に生成する様子を図示している。

この時、画像復元部２０１は、畳み込みニューラルネットワーク（例えば、Ｕ－ＮｅｔまたはＦｕｓｉｏｎＮｅｔ等）により、画像データＩｈから特徴を抽出して潜在変数を生成するエンコード処理と、潜在変数から復元画像Ｉｒを生成するデコード処理とを繰り返し実行する。そして、デコード処理後の復元画像Ｉｒと、エンコード処理前の画像データＩｈが生成された元の学習画像Ｉｏとの画素値の差異を最小化するように、誤差逆伝播法または勾配降下法等を用いて、エンコード処理およびデコード処理のパラメータ（学習モデルＸ（ａ，ｂ，ｃ…）における複数のパラメータａ，ｂ，ｃ…）を調整しつつ更新保存していく。なお、画像復元部２０１は、各画像データＩｈを用いて１回の学習を行ってもよく、複数回の学習を行ってもよい。

ただし、復元画像Ｉｒを高精度に生成する画像復元処理を機械学習する方法は、これに限定されない。例えば、画像復元部２０１は、復元画像Ｉｒを生成する学習モデルＸ（ａ，ｂ，ｃ…）に加え、生成された復元画像Ｉｒと学習画像Ｉｏとを比較して、どちらが本物の画像かどうかを判定する学習モデルＹ（ｐ，ｑ，ｒ…）をさらに有しもよい。そして、学習モデルＸ（ａ，ｂ，ｃ…）による生成結果および学習モデルＹ（ｐ，ｑ，ｒ…）の判定結果に基づいて、誤差逆伝播法を用いて学習モデルＸ（ａ，ｂ，ｃ…）と学習モデルＹ（ｐ，ｑ，ｒ…）とを互いに競い合わせながら交互に機械学習する、敵対的生成ネットワーク（例えば、ＧＡＮｓまたはｐｉｘ２ｐｉｘ等）を有してもよい。

以上により、機械学習が完了すると、情報処理装置２００に、学習済みの学習モデルＸ（ａ，ｂ，ｃ…）がインストールされる。そして、錠剤印刷装置１は、その学習モデルＸ（ａ，ｂ，ｃ…）を用いて、錠剤９の欠陥検出を行うことが可能となる。錠剤９の欠陥検出を行うときには、まず、錠剤印刷装置１内の情報処理装置２００は、第１検査カメラ４４から、第１ヘッドユニット４３よりも搬送方向の下流側において、第１搬送ベルト４１２に搬送される錠剤９の撮影画像Ｉｐを取得する。また、第２検査カメラ５４から、第２ヘッドユニット５３よりも搬送方向の下流側において、第２搬送ベルト５１２に搬送される錠剤９の撮影画像Ｉｐを取得する。そして、撮影画像Ｉｐを、角度認識部７１において認識された回転角度に応じて回転させて、検査画像Ｉｉを生成する。検査画像Ｉｉは、欠陥の有無が不明、すなわち、正常か異常か不明な錠剤９が撮像された画像である。ただし、以下の説明では、錠剤９の後述する検査画像Ｉｉの区画Ｓ１５に位置する箇所に、欠陥Ｄｅである傷を有する場合を想定する。なお、欠陥Ｄｅは、インクによる汚れ、印刷位置のずれまたはドット欠け等であってもよい。

続いて、画像復元部２０１は、各検査画像Ｉｉを、学習時と同じ縦４区画、横４区画の合計１６区画（区画Ｓ１～区画Ｓ１６）に分割する。次に、画像復元部２０１は、各検査画像Ｉｉの区画Ｓ１～区画Ｓ１６のうちの１区画が隠された画像データＩｈを作成する。図９および図１０はそれぞれ、画像データＩｈから、隠された１区画が復元された復元画像Ｉｒを高精度に生成する様子を図示している。特に、図９では、区画Ｓ１が隠された画像データＩｈ（説明容易のため以下「画像データＩｈ１」と称する）から、区画Ｓ１が復元された復元画像Ｉｒ（説明容易のため以下「復元画像Ｉｒ１」と称する）を高精度に生成する様子を図示している。また、図１０では、区画Ｓ１５が隠された画像データＩｈ（説明容易のため以下「画像データＩｈ１５」と称する）から、区画Ｓ１５が復元された復元画像Ｉｒ（説明容易のため以下「復元画像Ｉｒ１５」と称する）を高精度に生成する様子を図示している。なお、区画Ｓ１５は隠されているため、画像復元部２０１は欠陥Ｄｅを認識できないが、説明容易のため、図１０では欠陥Ｄｅを白色で表示している。

続いて、画像復元部２０１は、学習時と同様に、畳み込みニューラルネットワークにより、検査画像Ｉｉの一部が隠された画像データＩｈから特徴を抽出して潜在変数を生成するエンコード処理と、潜在変数から復元画像Ｉｒを生成するデコード処理とを実行しつつ、学習時において学習済である学習モデルＸ（ａ，ｂ，ｃ…）を用いて、画像データＩｈから、隠された一部の場所を順次に変更しながら、複数の復元画像Ｉｒを生成する。

具体的には、画像復元部２０１は、まず、検査画像Ｉｉから区画Ｓ１が隠された画像データＩｈ１から、学習モデルＸ（ａ，ｂ，ｃ…）を用いて、区画Ｓ１が復元された復元画像Ｉｒ１を生成し、判定部２０２へ出力する。次に、画像復元部２０１は、検査画像Ｉｉから区画Ｓ２が隠された画像データＩｈ２から、学習モデルＸ（ａ，ｂ，ｃ…）を用いて、区画Ｓ２が復元された復元画像Ｉｒ２を生成し、判定部２０２へ出力する。画像復元部２０１は、このような復元処理を、隠される一部の場所を順次に変更しながら、繰り返し実行する。やがて、画像復元部２０１は、検査画像Ｉｉから区画Ｓ１５が隠された画像データＩｈ１５から、学習モデルＸ（ａ，ｂ，ｃ…）を用いて、区画Ｓ１５が復元された復元画像Ｉｒ１５を生成し、判定部２０２へ出力する。最後に、画像復元部２０１は、検査画像Ｉｉから区画Ｓ１６が隠された画像データＩｈ１６から、学習モデルＸ（ａ，ｂ，ｃ…）を用いて、区画Ｓ１６が復元された復元画像Ｉｒ１６を生成し、判定部２０２へ出力する。

ここで、上述のとおり、学習時において学習済である学習モデルＸ（ａ，ｂ，ｃ…）は、欠陥Ｄｅが無い正常な錠剤９が撮像された画像の一部が隠された画像データＩｈから、隠された一部が復元された復元画像Ｉｒを生成するためのパラメータが調整されたモデルである。このため、図９に示すように、画像復元部２０１が、検査画像Ｉｉにおける欠陥Ｄｅが存在しない区画Ｓ１を隠した画像データＩｈ１から学習モデルＸ（ａ，ｂ，ｃ…）を用いて復元画像Ｉｒ１を生成する場合は、検査画像Ｉｉにおける欠陥Ｄｅが存在しない箇所において、欠陥Ｄｅが無い区画Ｓ１を含む復元画像Ｉｒ１が、精度よく復元される。一方、図１０に示すように、画像復元部２０１が、検査画像Ｉｉにおける欠陥Ｄｅが存在する区画Ｓ１５を隠した画像データＩｈ１５から学習モデルＸ（ａ，ｂ，ｃ…）を用いて復元画像Ｉｒ１５を生成する場合は、画像復元部２０１は欠陥Ｄｅを認識できない。このため、検査画像Ｉｉにおける区画Ｓ１５には欠陥Ｄｅが存在するものの、画像復元部２０１は欠陥Ｄｅが存在することを認識しないまま、欠陥Ｄｅが無い復元画像Ｉｒ１５を生成してしまう。

続いて、判定部２０２は、画像復元部２０１から複数の復元画像Ｉｒが順に入力されると、複数の復元画像Ｉｒのそれぞれを、検査画像Ｉｉと比較することによって、錠剤９が、欠陥Ｄｅが無い正常なものか或いは欠陥Ｄｅを有する異常なものかを判定し、判定結果Ｄｒを出力部２０３へ出力する。具体的には、判定部２０２は、まず、画像復元部２０１が生成した復元画像Ｉｒ１と検査画像Ｉｉとを比較し、復元画像Ｉｒ１と検査画像Ｉｉとの画素値の差異が所定の許容値よりも大きいか否かを判定する。次に、判定部２０２は、画像復元部２０１が生成した復元画像Ｉｒ２と検査画像Ｉｉとを比較し、復元画像Ｉｒ２と検査画像Ｉｉとの画素値の差異が所定の許容値よりも大きいか否かを判定する。判定部２０２は、このような判定処理を、全ての復元画像Ｉｒに対して実行する。やがて、判定部２０２は、画像復元部２０１が生成した復元画像Ｉｒ１５と検査画像Ｉｉとを比較し、復元画像Ｉｒ１５と検査画像Ｉｉとの画素値の差異が所定の許容値よりも大きいか否かを判定する。最後に、判定部２０２は、画像復元部２０１が生成した復元画像Ｉｒ１６と検査画像Ｉｉとを比較し、復元画像Ｉｒ１６と検査画像Ｉｉとの画素値の差異が所定の許容値よりも大きいか否かを判定する。

上述のとおり、画像復元部２０１が生成した復元画像Ｉｒ１５には、欠陥Ｄｅは存在しない。一方、検査画像Ｉｉにおける区画Ｓ１５に位置する箇所には、欠陥Ｄｅが存在する。このため、復元画像Ｉｒ１５と検査画像Ｉｉとの画素値の差異は、他の比較結果とは異なり、大幅に大きな値となる。このように、判定部２０２は、復元画像Ｉｒと検査画像Ｉｉとの差異が所定の許容値よりも大きい場合に、当該復元画像Ｉｒの元となった画像データＩｈにおいて隠されていた場所を、欠陥Ｄｅが存在する場所として決定する。そして、判定部２０２は、欠陥Ｄｅの有無および欠陥Ｄｅの場所に係る判定結果Ｄｒを出力部２０３へ出力する。

なお、判定部２０２は、画像復元部２０１から複数の復元画像Ｉｒが入力されると、複数の復元画像Ｉｒのそれぞれの元となった画像データＩｈにおいて隠されていた区画の、復元後の画像を互いに繋ぎ合わせた上で、検査画像Ｉｉ全体と比較して、画素値の差異が所定の許容値よりも大きいか否かを判定してもよい。

以上により、第１搬送コンベア４１に搬送される錠剤９および第２搬送コンベア５１に搬送される錠剤９の欠陥Ｄｅの有無が判定され、すべての錠剤９の検査が完了する。出力部２０３は、判定部２０２から判定結果Ｄｒが入力されると、錠剤９における欠陥Ｄｅの有無および欠陥Ｄｅの場所に係る情報を、モニターまたはスピーカー等に出力するとともに、欠陥品回収部５６へ、欠陥Ｄｅを有する錠剤９に関する情報を送信して、回収させる。なお、出力部２０３は、判定部２０２によって錠剤９に欠陥Ｄｅが無いと判定された場合に、さらにその旨を表示してもよい。

上述のとおり、本実施形態では、容易に多数取得することが可能な、欠陥Ｄｅの無い正常な錠剤９の画像を用いて機械学習を行うことによって、欠陥Ｄｅを有する異常な錠剤９を検出することができる。これにより、錠剤９における未知のものを含む多種多様な欠陥Ｄｅを高精度に検出することができる。

また、出力部２０３からは、欠陥Ｄｅの有無とともに欠陥Ｄｅの場所に係る情報が出力される。これにより、作業員等が、当該欠陥Ｄｅの場所に係る情報を用いて、欠陥Ｄｅを有すると判定された錠剤９を容易に再確認することができる。これにより、欠陥Ｄｅを有する錠剤９の検出精度をさらに高めることができる。

また、本実施形態の画像復元部２０１は、畳み込みニューラルネットワークにより、画像データＩｈから特徴を抽出して潜在変数を生成するエンコード処理と、潜在変数から復元画像Ｉｒを生成するデコード処理とを繰り返し実行する。このため、検査画像Ｉｉまたは学習画像Ｉｏにおける錠剤９の位置が多少ずれている場合、または検査画像Ｉｉまたは学習画像Ｉｏに多少のノイズが含まれている場合でも、欠陥Ｄｅを有する錠剤９を高精度で検出することができる。

＜４．変形例＞
以上、本発明の主たる実施形態について説明したが、本発明は、上述の実施形態に限定されるものではない。

上述の実施形態では、錠剤９に印刷処理を行った後の、錠剤９の上面の画像を用いて、学習および錠剤９における欠陥Ｄｅの検出を行っていた。しかしながら、錠剤９に印刷処理を行う前の、錠剤９の画像を用いて、学習および錠剤９における欠陥Ｄｅの検出を行ってもよい。また、錠剤９を斜め方向から撮像した画像を用いて、学習および錠剤９における欠陥Ｄｅの検出を行ってもよい。これにより、錠剤９の表裏面のみでなく、錠剤９の側面に存在する欠陥Ｄｅの検出をすることができる。

上述の実施形態では、錠剤印刷装置１の外部において予め機械学習が完了した学習モデルＸ（ａ，ｂ，ｃ…）を情報処理装置２００内にインストールし、錠剤９における欠陥Ｄｅの検出を行っていた。しかしながら、学習モデルＸ（ａ，ｂ，ｃ…）を、錠剤印刷装置１内の情報処理装置２００に既にインストールした状態において機械学習を行い、さらにそのまま錠剤９における欠陥Ｄｅの検出を行ってもよい。

上述の実施形態では、検査対象物の例として、医薬品である錠剤９を用いていた。そして、上述の実施形態の情報処理装置２００は、検査対象物である錠剤９における傷、汚れ、印刷位置のずれまたはドット欠け等の欠陥Ｄｅの有無および欠陥Ｄｅの場所を判定するものであった。しかしながら、検査対象物は、さまざまな印刷装置において印刷処理が行われる、フィルムや紙等の基材、またはプリント基板等であってもよく、さまざまな装置に用いられる部品等であってもよい。すなわち、検査対象物は、正常な場合に略一定の外観を有する物体であればよい。そして、情報処理装置２００は、当該検査対象物における、外観上の欠陥Ｄｅの有無および欠陥Ｄｅの場所を判定するものであってもよい。

すなわち、本発明の学習装置は、割線を有する錠剤が撮像された画像の一部が隠された画像データから、隠された一部を復元する学習モデルを学習する画像復元部を有する学習装置であって、画像復元部は、割線を有し傷等の欠陥の無い正常な錠剤が斜め方向から撮像された複数の学習画像のそれぞれの一部が隠された画像データから、隠された一部が復元された復元画像を生成できるように、ディープラーニングにより学習し、割線は、錠剤のうちの割線が形成される割線面の中心を通り、割線面の両端まで真っ直ぐに延び、かつ、錠剤の側面に現れる割線の端部から、割線の位置を斜め方向から認識可能であればよい。

また、画像復元部は、画像データのうち、隠された一部の場所を順次に変更しながら、複数の復元画像を生成してもよい。

また、学習装置は、割線を有し傷等の欠陥の無い正常なものか或いは欠陥を有する異常なものか不明な錠剤が斜め方向から撮像された検査画像の一部が隠された画像データから、隠された一部が画像復元部によって復元された復元画像を、検査画像と比較することによって、錠剤が正常なものか異常なものかを判定する判定部をさらに有していてもよい。また、判定部は、復元画像と検査画像との差異が所定の許容値よりも大きい場合に、隠された一部の場所を欠陥の場所として決定してもよい。

また、画像復元部は、学習画像から特徴を抽出して潜在変数を生成するエンコード処理と、潜在変数から復元画像を生成するデコード処理と、を実行してもよい。

また、画像復元部は、学習において、畳み込みニューラルネットワークにより、エンコード処理およびデコード処理を実行してもよい。

また、本発明の学習方法は、割線を有する錠剤が撮像された画像の一部が隠された画像データから、隠された一部を復元する学習モデルを学習する学習方法であって、割線を有し傷等の欠陥の無い正常な錠剤が斜め方向から撮像された複数の学習画像のそれぞれの一部が隠された画像データから、隠された一部が復元された復元画像を生成できるように、ディープラーニングにより学習する工程を有し、割線は、錠剤のうちの割線が形成される割線面の中心を通り、割線面の両端まで真っ直ぐに延び、かつ、錠剤の側面に現れる割線の端部から、割線の位置を斜め方向から認識可能であればよい。

これにより、容易に多数取得することが可能な、割線を有し傷等の欠陥の無い正常な錠剤が斜め方向から撮像された画像の一部が隠された画像データを用いて機械学習を行うことによって、当該隠された一部が復元された復元画像を生成することが可能となる。そして、当該復元画像をもとの画像と比較することによって、錠剤が正常なものか異常なものかを判定することができる。これにより、錠剤における未知のものを含む多種多様な欠陥を高精度に検出することができる。また、割線を有する錠剤が斜め方向から撮像された画像を用いることによって、錠剤の表裏面のみでなく、錠剤の側面に存在する欠陥をも、検出をすることができる。また、錠剤の割線が形成された割線面が裏側を向いている場合でも、割線が割線面の中心を通り、割線面の両端まで真っ直ぐに延び、かつ、錠剤の側面に現れる割線の端部から割線の位置を斜め方向から認識可能であることにより、割線の位置を認識しつつ、学習および検査を行うことができる。

なお、上述の実施形態では、第１印刷部４０および第２印刷部５０に、それぞれ４つのヘッドが設けられていた。しかしながら、各印刷部４０，５０に含まれるヘッドの数は、１～３つであってもよく、５つ以上であってもよい。

また、錠剤印刷装置１の細部の構成については、本願の各図と相違していてもよい。また、上述の実施形態や変形例に登場した各要素を、矛盾が生じない範囲で、適宜に組み合わせてもよい。

１ 錠剤印刷装置
９ 錠剤
１０ ホッパー
２０ フィーダ部
３０ 搬送ドラム
３３ 第１状態検出カメラ
４０ 第１印刷部
４１ 第１搬送コンベア
４２ 第２状態検出カメラ
４３ 第１ヘッドユニット
４４ 第１検査カメラ
４５ 第１定着部
５０ 第２印刷部
５１ 第２搬送コンベア
５２ 第３状態検出カメラ
５３ 第２ヘッドユニット
５４ 第２検査カメラ
５５ 第２定着部
５６ 欠陥品回収部
６０ 搬出コンベア
７０ 制御部
７１ 角度認識部
９０ 割線
１００ 筐体
２００ 情報処理装置
２０１ 画像復元部
２０２ 判定部
２０３ 出力部
４１１ 第１プーリ
４１２ 第１搬送ベルト
４３１ 第１ヘッド
５１１ 第２プーリ
５１２ 第２搬送ベルト
５３１ 第２ヘッド
５６１ 回収箱
７０１ プロセッサ
７０２ メモリ
７０３ 記憶装置
７０４ 受信部
７０５ 送信部
Ｄ データ
Ｄ１ 印刷画像データ
Ｄｅ 欠陥
Ｄｒ 判定結果
Ｉｈ 画像データ
Ｉｉ 検査画像
Ｉｏ 学習画像
Ｉｐ 撮影画像
Ｉｒ 復元画像
Ｐ コンピュータプログラム
Ｘ 学習モデル
Ｙ 学習モデル

Claims (6)

1. 割線を有する錠剤が撮像された画像の一部が隠された画像データから、前記隠された一部を復元する学習モデルを学習する画像復元部を有する学習装置であって、
   前記画像復元部は、前記割線を有し欠陥の無い正常な錠剤が斜め方向から撮像された複数の学習画像のそれぞれの一部が隠された画像データから、前記隠された一部が復元された復元画像を生成できるように、ディープラーニングにより学習し、
   前記割線は、錠剤のうちの前記割線が形成される割線面の中心を通り、前記割線面の両端まで真っ直ぐに延び、かつ、錠剤の側面に現れる前記割線の端部から、前記割線の位置を斜め方向から認識可能である、学習装置。
2. 請求項１に記載の学習装置であって、
   前記画像復元部は、前記画像データのうち、前記隠された一部の場所を順次に変更しながら、複数の前記復元画像を生成する、学習装置。
3. 請求項２に記載の学習装置であって、
   前記割線を有し欠陥の無い正常なものか或いは欠陥を有する異常なものか不明な錠剤が斜め方向から撮像された検査画像の一部が隠された画像データから、前記隠された一部が前記画像復元部によって復元された前記復元画像を、前記検査画像と比較することによって、錠剤が正常なものか異常なものかを判定する判定部
   をさらに有し、
   前記判定部は、前記復元画像と前記検査画像との差異が所定の許容値よりも大きい場合に、前記隠された一部の場所を前記欠陥の場所として決定する、学習装置。
4. 請求項１から請求項３までのいずれか１項に記載の学習装置であって、
   前記画像復元部は、
   前記学習画像から特徴を抽出して潜在変数を生成するエンコード処理と、
   前記潜在変数から前記復元画像を生成するデコード処理と、
   を実行する、学習装置。
5. 請求項４に記載の学習装置であって、
   前記画像復元部は、前記学習において、畳み込みニューラルネットワークにより、前記エンコード処理および前記デコード処理を実行する、学習装置。
6. 割線を有する錠剤が撮像された画像の一部が隠された画像データから、前記隠された一部を復元する学習モデルを学習する学習方法であって、
   前記割線を有し欠陥の無い正常な錠剤が斜め方向から撮像された複数の学習画像のそれぞれの一部が隠された画像データから、前記隠された一部が復元された復元画像を生成できるように、ディープラーニングにより学習する工程
   を有し、
   前記割線は、錠剤のうちの前記割線が形成される割線面の中心を通り、前記割線面の両端まで真っ直ぐに延び、かつ、錠剤の側面に現れる前記割線の端部から、前記割線の位置を斜め方向から認識可能である、学習方法。
   

Images