WO2018179559A1

WO2018179559A1 - 航空機用部品の欠陥検出システム及び航空機用部品の欠陥検出方法

Info

Publication number: WO2018179559A1
Application number: PCT/JP2017/039558
Authority: WO
Inventors: 高三郎小西; 素子岡本; 長谷川　修
Original assignee: 三菱重工業株式会社; Ｓｏｉｎｎ株式会社
Priority date: 2017-03-27
Filing date: 2017-11-01
Publication date: 2018-10-04
Also published as: JP6786035B2; US20200096454A1; JPWO2018179559A1; EP3591612A4; EP3591612A1; CN110537203A

Abstract

航空機用部品の欠陥を適切に検出する。欠陥検出システムは、原画像を取得する原画像取得部（２０）と、原画像内の画像の輝度に基づき、欠陥候補領域を原画像内から抽出し、欠陥候補領域とその周囲の領域との輝度の差分に基づき、欠陥候補領域の特徴量を算出する画像処理部（２２）と、欠陥の箇所が予め検出されている学習用原画像に対して画像処理部（２２）が算出した特徴量と、欠陥の箇所の情報とを関連付けて、欠陥特徴量範囲と非欠陥特徴量範囲とを設定する特徴量範囲設定部（２４）と、欠陥の箇所が未検出の判定用原画像に対して画像処理部（２２）が算出した特徴量と、欠陥特徴量範囲と、非欠陥特徴量範囲とに基づき、判定用原画像内の欠陥候補領域が欠陥の箇所であるかを判定する欠陥検出部（２６）と、を有する。

Description

航空機用部品の欠陥検出システム及び航空機用部品の欠陥検出方法

　本発明は、航空機用部品の欠陥検出システム及び航空機用部品の欠陥検出方法に関する。

　従来、航空機用の部品の表面の欠陥（傷）を検出する表面検査は、作業者によって、実際の部品を目視したり触診したりすることによって行われている。航空機用の部品の内部の欠陥を検出する際は、例えば超音波探傷など、非破壊による検査が作業者によって行われている。また、例えば特許文献１には、製品の表面の画像に画像処理を加えて、その画像処理を加えた画像に基づいて製品の品質評価を行う技術が記載されている。

特許第５５２０９０８号公報

　しかし、人による検査では、欠陥の検出精度や検出にかかる時間にばらつきがある。また、画像処理を加えた画像による検出の場合でも、検出精度の向上には改善の余地がある。このように、航空機用の部品の欠陥検出において、より適切に欠陥を検出し、欠陥の検出時間を短縮する技術が求められている。

　本発明は、上述した課題を解決するものであり、適切に欠陥を検出でき、欠陥の検出時間を短縮できる航空機用部品の欠陥検出システム及び航空機用部品の欠陥検出方法を提供することを目的とする。

　上述した課題を解決し、目的を達成するために、本開示に係る航空機用部品の欠陥検出システムは、対象物である航空機用部品の欠陥を検出する航空機用部品の欠陥検出システムであって、欠陥の箇所の画像を含む前記対象物の画像である原画像を取得する原画像取得部と、前記原画像内の画像の輝度に基づき、前記欠陥の箇所の候補となる領域である欠陥候補領域を前記原画像内から抽出し、前記欠陥候補領域とその周囲の領域との輝度の差分に基づき、前記欠陥候補領域の特徴量を算出する画像処理部と、前記欠陥の箇所が予め検出されている学習用原画像に対して前記画像処理部が算出した前記特徴量と、前記欠陥の箇所の情報とを関連付けて、欠陥であると判定する前記特徴量の範囲である欠陥特徴量範囲と、欠陥でないと判定する前記特徴量の範囲である非欠陥特徴量範囲とを設定する特徴量範囲設定部と、前記欠陥の箇所が未検出の判定用原画像に対して前記画像処理部が算出した前記特徴量と、前記欠陥特徴量範囲と、前記非欠陥特徴量範囲とに基づき、前記判定用原画像内の前記欠陥候補領域が前記欠陥の箇所であるかを判定する欠陥検出部と、を有する。

　この欠陥検出システムは、欠陥の基準となる特徴量の範囲を予め学習し、その学習結果に基づき、原画像を用いて欠陥を検出するため、検出精度のばらつきを抑制することができる。また、この欠陥検出システムは、特徴量を算出する対象を欠陥候補領域だけに制限するため、欠陥検出の負担を抑制し検出時間を短くすることができる。従って、この検出システムは、航空機用部品の欠陥を適切に検出することが可能となる。

　前記欠陥検出システムにおいて、前記画像処理部は、前記原画像内の領域のうち、その領域と周囲の領域との輝度の分散が所定の分散値以上となる領域を、前記欠陥の候補領域として抽出する候補領域抽出部と、前記候補領域のうち、あらかじめ定めた所定の形状となる前記候補領域を除去し、除去しなかった前記候補領域を、前記欠陥候補領域として抽出する欠陥候補領域抽出部と、前記欠陥候補領域とその周囲の領域との輝度の差分に基づき、前記欠陥候補領域の特徴量を算出する特徴量算出部と、を有することが好ましい。この検出システムは、欠陥検出の計算が多くなり過ぎることをより好適に抑制し、検出時間を短くすることで、航空機用部品の欠陥をより適切に検出することが可能となる。

　前記欠陥検出システムにおいて、前記欠陥候補領域抽出部は、ハフ変換を用いて、複数の前記候補領域が連続することで円形を構成するかを判定し、前記円形を構成する候補領域を除去することが好ましい。この検出システムは、欠陥検出の計算が多くなり過ぎることをより好適に抑制し、検出時間を短くすることで、航空機用部品の欠陥をより適切に検出することが可能となる。

　前記欠陥検出システムにおいて、前記特徴量算出部は、欠陥候補領域及びその周囲の領域における輝度の変化量として、前記特徴量を算出することが好ましい。この検出システムは、この特徴量に基づき欠陥の判定を行うことで、欠陥検出の精度を適切に向上させることができる。

　前記欠陥検出システムにおいて、前記特徴量算出部は、前記欠陥候補領域のホグ特徴量を、前記特徴量として算出することが好ましい。この検出システムは、ホグ特徴量に基づき欠陥の判定を行うことで、欠陥検出の精度を適切に向上させることができる。

　前記欠陥検出システムにおいて、前記欠陥検出部は、前記判定用原画像の前記特徴量である判定用特徴量を取得する特徴量取得部と、前記特徴量範囲設定部から前記欠陥特徴量範囲及び前記非欠陥特徴量範囲を取得する特徴量範囲取得部と、前記判定用特徴量と前記欠陥特徴量範囲との間の差分値である欠陥差分値、及び、前記判定用特徴量と前記非欠陥特徴量範囲との間の差分値である非欠陥差分値に基づき、前記欠陥候補領域が、前記欠陥の箇所であるかを判定する欠陥判定部とを有することが好ましい。この欠陥検出システムは、予め算出した欠陥特徴量範囲に対する判定用特徴量の差分値に基づき欠陥であるかを判定するため、欠陥検出の精度をより適切に向上させることができる。

　前記欠陥検出システムにおいて、前記欠陥判定部は、前記非欠陥差分値に対する前記欠陥差分値の比率が、所定の閾値以下となる場合、前記欠陥候補領域が、前記欠陥の箇所であると判定することが好ましい。この欠陥検出システムは、非欠陥差分値に対する欠陥差分値の比率に基づき欠陥の判定を行っているため、欠陥検出の精度をより適切に向上させることができる。

　前記欠陥検出システムにおいて、前記所定の閾値は、１より大きい値であることが好ましい。この欠陥検出システムは、閾値を１より大きくすることで、欠陥の検出の際に、欠陥であると判定する可能性を高くして、欠陥検出の精度をより適切に向上させることができる。

　前記欠陥検出システムは、前記原画像に対し、前記欠陥検出部が前記欠陥の箇所であると判定した箇所に目印を加えた判定画像を、表示部に表示させる画像表示制御部を更に有することが好ましい。この欠陥検出システムは、欠陥と判定された箇所に目印を加えた画像を表示することで、作業者が欠陥の箇所を容易に視認することが可能となる。

　前記欠陥検出システムにおいて、前記画像表示制御部は、前記目印の表示が、前記非欠陥差分値に対する前記欠陥差分値の比率に応じて異なるように、前記判定画像を表示させることが好ましい。この欠陥検出システムは、比率に応じて目印の表示を変化させることで、欠陥である可能性が高い箇所を、作業者に容易に視認させることが可能となる。

　前記欠陥検出システムは、前記対象物の表面を撮像して前記原画像を作成する原画像作成部を更に有することが好ましい。欠陥検出システムは、この原画像を用いて欠陥検出を行うことで、対象物の表面の欠陥を、適切に検出することが可能となる。

　前記欠陥検出システムは、前記対象物の内部状態を検出して、その検出データに基づき前記原画像を作成する原画像作成部を更に有することが好ましい。これにより、欠陥検出システムは、対象物の内部の欠陥を適切に検出することが可能となる。

　上述した課題を解決し、目的を達成するために、本開示に係る航空機用部品の欠陥検出方法は、対象物である航空機用部品の欠陥を検出する航空機用部品の欠陥検出方法であって、欠陥の箇所の画像を含む前記対象物の画像である原画像を取得する原画像取得ステップと、前記原画像内の画像の輝度に基づき、前記欠陥の箇所の候補となる領域である欠陥候補領域を前記原画像内から抽出し、前記欠陥候補領域とその周囲の領域との輝度の差分に基づき、前記欠陥候補領域の特徴量を算出する画像処理ステップと、前記欠陥の箇所が予め検出されている学習用原画像に対して前記画像処理ステップで算出した前記特徴量と、前記欠陥の箇所の情報とを関連付けて、欠陥であると判定する前記特徴量の範囲である欠陥特徴量範囲と、欠陥でないと判定する前記特徴量の範囲である非欠陥特徴量範囲とを設定する特徴量範囲設定ステップと、前記欠陥の箇所が未検出の判定用原画像に対して前記画像処理ステップで算出した前記特徴量と、前記欠陥特徴量範囲と、前記非欠陥特徴量範囲とに基づき、前記特徴量に対応する前記欠陥候補領域が前記欠陥の箇所であるかを判定する欠陥検出ステップと、を有する。この欠陥検出方法は、航空機用部品の欠陥を適切に検出することが可能となる。

　本発明によれば、航空機用部品の欠陥を適切に検出することができる。

図１は、第１実施形態に係る欠陥検出システムの模式図である。図２は、第１実施形態に係る制御部の模式的なブロック図である。図３は、原画像の一例を示す図である。図４は、候補領域を説明する図である。図５は、候補抽出画像の一例を示す図である。図６は、欠陥候補抽出領域を説明するための図である。図７は、欠陥候補抽出領域を説明するための図である。図８は、欠陥候補抽出画像の一例を示す図である。図９は、画像処理部による特徴量の算出処理を説明するフローチャートである。図１０は、欠陥特徴量範囲と非欠陥特徴量範囲を説明する図である。図１１は、欠陥特徴量範囲と非欠陥特徴量範囲との設定処理を説明するフローチャートである。図１２は、欠陥判定を説明する図である。図１３は、欠陥検出の処理を説明するフローチャートである。図１４は、判定画像の一例を示す図である。図１５は、判定画像の他の例を示す図である。図１６は、第２実施形態に係る制御部の模式的なブロック図である。

　以下に添付図面を参照して、本発明の好適な実施形態を詳細に説明する。なお、この実施形態により本発明が限定されるものではなく、また、実施形態が複数ある場合には、各実施形態を組み合わせて構成するものも含むものである。

　（第１実施形態）
　（全体構成）
　図１は、第１実施形態に係る欠陥検出システムの模式図である。図１に示すように、第１実施形態に係る欠陥検出システム１は、対象物Ｔの欠陥を検出するシステムである。対象物Ｔは、航空機用の部品である。欠陥とは、対象物Ｔのきず（不連続部）のうち、予め設定した基準から外れる不合格となるきずを指す。すなわち、欠陥は、対象物Ｔの傷を指す。

　図１に示すように、欠陥検出システム１は、人工知能を実装したコンピュータであり、原画像作成部１０と、制御部１２と、表示部１４と、入力部１６と、を有する。欠陥検出システム１は、原画像作成部１０で対象物Ｔの原画像Ａ１を作成し、その原画像Ａ１を制御部１２で画像処理して、対象物Ｔの欠陥を検出するシステムである。

　原画像作成部１０は、対象物Ｔの原画像Ａ１を作成する。原画像Ａ１は、欠陥の箇所の画像を含む対象物Ｔの画像である。第１実施形態において、原画像作成部１０は、カメラを有し、対象物Ｔの表面Ｔ１を撮像することで、対象物Ｔの原画像Ａ１を作成する。すなわち、第１実施形態における原画像Ａ１は、対象物Ｔの表面Ｔ１の撮像画像である。本実施形態では、原画像作成部１０は、制御部１２の制御により、対象物Ｔの表面Ｔ１上を移動しながら、表面Ｔ１の各箇所を撮像し、複数の原画像Ａ１を作成する。ただし、原画像作成部１０は、対象物Ｔ全体を撮像した１つの原画像Ａ１を作成するものであってもよい。また、本実施形態における対象物Ｔは、例えば航空機の外壁などの、平坦な板状部材である。従って、対象物Ｔの表面Ｔ１に欠陥がある場合、原画像Ａ１は、欠陥の箇所の輝度が、欠陥以外の箇所の輝度と異なる。ただし、対象物Ｔは、このような平坦な板状部材に限られず、例えば湾曲した板状部材など、任意の形状であってよい。その場合でも、原画像Ａ１の欠陥の箇所の輝度は、欠陥以外の箇所の輝度と異なる。

　制御部１２は、例えばＣＰＵ（Central　Processing　Unit）であり、欠陥検出システム１の動作を制御する。制御部１２の構成は後述する。表示部１４は、例えばモニタであり、制御部１２の制御により、原画像Ａ１などの各種画像を表示する。入力部１６は、例えばマウスやキーボードであり、操作者が制御部１２に対し指令を出したり情報を入力したりするための装置である。

　図２は、第１実施形態に係る制御部の模式的なブロック図である。図２に示すように、制御部１２は、原画像取得部２０と、画像処理部２２と、特徴量範囲設定部２４と、欠陥検出部２６と、表示部１４に各種画像を表示させる画像表示制御部２８とを有する。制御部１２は、画像処理部２２によって学習用原画像に対して画像処理を行い、その画像処理した内容を用いて、特徴量範囲設定部２４によって対象物Ｔの欠陥を判定する上での基準を予め学習する。学習用原画像は、欠陥の箇所が予め検出されている対象物Ｔの原画像Ａ１である。また、制御部１２は、画像処理部２２によって判定用原画像に対して画像処理を行い、欠陥検出部２６によって、画像処理した内容を予め学習した基準に当てはめて、対象物Ｔの欠陥を検出する。判定用原画像は、欠陥の箇所が未検出の対象物Ｔ、すなわちこれから欠陥を検出する対象物Ｔの原画像Ａ１である。以下、各部の処理について具体的に説明する。

　（原画像取得部について）
　図３は、原画像の一例を示す図である。原画像取得部２０は、原画像作成部１０から原画像Ａ１を取得する。原画像取得部２０は、例えば操作者による指令により、図３に示すような原画像Ａ１を、画像表示制御部２８を介して表示部１４に表示させる。原画像Ａ１は、２次元マトリクス状に配列した複数の画素Ｐに、設定した色を表示させた画像である。図３の例では、原画像Ａ１には、箇所Ｂ１からＢ５が写っている。原画像Ａ１は、箇所Ｂ１からＢ５と、それ以外の箇所との輝度が異なる。箇所Ｂ１からＢ５は、原画像Ａ１内の欠陥の箇所の候補となる領域である。図３に示すように、箇所Ｂ１は、円形の領域である。箇所Ｂ２及びＢ５は、１本の線状の領域である。箇所Ｂ３及びＢ４は、複数の線状の領域が互いに離間しつつ直線状に並んだ領域である。また、箇所Ｂ１から箇所Ｂ５は、複数の画素Ｐによって表示される複数の画素分の領域である。なお、ここでの輝度とは、画素の階調値であり、例えば、０から２５５までの整数値のいずれかの値となる。

　（画像処理部について）
　図２に示すように、画像処理部２２は、候補領域抽出部３０と、欠陥候補領域抽出部３２と、特徴量算出部３４と、を有する。画像処理部２２は、原画像Ａ１内の画像の輝度に基づき、欠陥候補領域を原画像内から抽出する。欠陥候補領域は、欠陥の箇所の候補となる領域であるが、詳しくは後述する。そして、画像処理部２２は、欠陥候補領域とその周囲の領域との輝度の差分に基づき、欠陥候補領域の特徴量を算出する。画像処理部２２が行う画像処理は、学習用原画像と判定用原画像とで共通する。従って、以下の画像処理部２２による説明では、学習用原画像と判定用原画像とを区別せず、原画像Ａ１に対して行う画像処理として説明する。

　図４は、候補領域を説明する図である。候補領域抽出部３０は、欠陥の候補となる領域である候補領域Ｐ１を抽出する。具体的には、候補領域抽出部３０は、原画像Ａ１を表示する複数の画素Ｐ内の１つの画素Ｐ０を、１つの領域として選択する。そして、候補領域抽出部３０は、図４に示すように、画素Ｐ０の周囲の画素Ｐである周囲画素Ｐ０ａを抽出する。図４の例では、周囲画素Ｐ０ａは、画素Ｐ０から４方向にそれぞれ４画素分離れた領域に囲まれた全ての画素Ｐである。候補領域抽出部３０は、この画素Ｐ０及び周囲画素Ｐ０ａ（合計８１個）の輝度の分散値を算出する。輝度の分散値を算出する際、候補領域抽出部３０は、抽出した画素Ｐ（画素Ｐ０と周囲画素Ｐ０ａ）の輝度の平均値を算出する。そして、候補領域抽出部３０は、画素Ｐの輝度と輝度の平均値との差分を二乗した二乗値を画素Ｐ毎に算出し、この二乗値を全ての画素Ｐについて合計する。候補領域抽出部３０は、その合計値を画素Ｐの数で除することで、輝度の分散値を算出する。候補領域抽出部３０は、この輝度の分散値が、予め定めた所定の分散値以上である場合に、その画素Ｐ０を、候補領域Ｐ１として抽出する。候補領域抽出部３０は、原画像Ａ１中の全ての画素Ｐを画素Ｐ０として選択して同様の処理を行い、候補領域Ｐ１を抽出する。欠陥の箇所は、周囲に対して輝度が異なる場合が多く、輝度の分散値が高くなる傾向がある。候補領域抽出部３０は、輝度の分散値が高い画素Ｐを候補領域Ｐ１とすることで、欠陥の候補となる領域を適切に抽出することができる。なお、候補領域Ｐ１の閾値となる所定の分散値は、例えば１３．３であるが、これに限られず任意である。また、図３の例では、周囲画素Ｐ０ａは、画素Ｐ０から４方向にそれぞれ４画素分離れた領域に囲まれた画素Ｐであったが、周囲画素Ｐ０ａは、画素Ｐ０の周囲の画素Ｐであれば、その位置及び数は任意である。また、本実施形態では、候補領域Ｐ１の抽出を輝度に基づき行っていたが、輝度以外の色情報に基づき候補領域Ｐ１の抽出を行ってもよい。ここでの色情報としては、例えば色相など、輝度、すなわち画素Ｐの明るさ以外の情報が挙げられる。例えば、原画像Ａ１が領域毎に色ヒストグラムを有する（領域毎に色が異なる）場合、この色ヒストグラムに基づき候補領域Ｐ１を抽出してもよい。例えば対象物Ｔは、表面Ｔ１とは異なる色（青色）の保護テープが貼り付けられている場合など、表面Ｔ１とは異なる色の領域を有する場合がある。このような場合、異なる色の領域の色のパターンは、予め把握可能であり、この領域以外でこの色がほとんど出現しないことは明確である。従って、このような場合、候補領域抽出部３０は、この異なる領域の色を予め記憶しておく。そして、候補領域抽出部３０は、画素Ｐの色と記憶した色とを比較し、画素Ｐの色と記憶した色との差が予め定めた閾値以下である場合（例えば画素Ｐの色相の値と記憶した色相との差が閾値以下である場合）、その画素Ｐが占める領域が保護テープなどであって欠陥ではないと判断し、その画素Ｐを候補領域Ｐ１から除外する。ただし、この処理は一例である。

　このように、候補領域抽出部３０は、原画像Ａ１内の領域（画素Ｐ０）のうち、その領域(画素Ｐ０)と周囲の領域（周囲画素Ｐ０ａ）との輝度の分散が所定の分散値以上となる領域（画素Ｐ０）を、欠陥の候補領域Ｐ１として抽出する。候補領域抽出部３０は、輝度の分散が所定の分散値以上となる場合、その領域は輝度変化が大きくなっているため欠陥の箇所の候補であると判断して、その領域を候補領域Ｐ１とする。なお、ここでは、候補領域Ｐ１は、画素１つ分の領域である。ただし、ここでの領域は、画素１つ分の領域でなくてもよく、画素複数分の領域、すなわち複数の画素Ｐが集合した領域であってもよい。言い換えれば、ここでの領域は、原画像Ａ１を複数の領域に区分した場合の、１つの領域であればよい。また、候補領域抽出部３０は、領域(画素Ｐ０)と周囲の領域（周囲画素Ｐ０ａ）との輝度に基づき候補領域Ｐ１を抽出するものであれば、輝度の分散に基づいて候補領域Ｐ１を抽出しなくてもよい。例えば、候補領域抽出部３０は、領域(画素Ｐ０)と周囲の領域（周囲画素Ｐ０ａ）との輝度の差を算出し、その輝度の差が所定値以上である場合に、その領域を候補領域Ｐ１として抽出すればよい。また、候補領域抽出部３０は、例えばＳｏｂｅｌフィルタなどを用いて、領域のエッジ（輪郭）を検出することにより、欠陥の候補領域Ｐ１を抽出してもよい。

　図５は、候補抽出画像の一例を示す図である。候補領域抽出部３０は、候補領域Ｐ１を抽出して表示させた画像である候補抽出画像Ａ２を、画像表示制御部２８を介して表示部１４に表示させる。図５に示すように、候補抽出画像Ａ２には、低輝度の背景上に、高輝度の箇所Ｃ１からＣ５が写っている。箇所Ｃ１は、候補領域Ｐ１として抽出された複数の画素Ｐが、円形状に連続した領域であり、原画像Ａ１の箇所Ｂ１の外周に相当する。箇所Ｃ２及びＣ５は、候補領域Ｐ１として抽出された複数の画素Ｐが、線状に連続した領域であり、原画像Ａ１の箇所Ｂ２及びＢ５に相当する。箇所Ｃ３及びＣ４は、候補領域Ｐ１として抽出された複数の画素Ｐが連続した領域が、互いに離間しつつ線状に並んだ領域である。箇所Ｃ３及び箇所Ｃ４は、原画像Ａ１の箇所Ｂ３及びＢ４に相当する。ただし、候補領域抽出部３０は、必ずしも候補抽出画像Ａ２を表示させなくてもよい。

　次に、欠陥候補領域抽出部３２について説明する。欠陥候補領域抽出部３２は、候補領域Ｐ１のうち、予め定めた所定の形状となる候補領域Ｐ１を除去し、除去しなかった候補領域Ｐ１を、欠陥候補領域Ｐ２として抽出する。すなわち、欠陥候補領域Ｐ２は、複数の候補領域Ｐ１のうちから選択された一部の候補領域Ｐ１であり、欠陥候補領域Ｐ２のそれぞれは、１つの画素Ｐ（画素１つ分の領域）である。具体的には、欠陥候補領域抽出部３２は、候補領域Ｐ１から、連続する候補領域Ｐ１を検出する。連続するとは、候補領域Ｐ１とされた画素Ｐが隣接していることを指す。欠陥候補領域抽出部３２は、連続する候補領域Ｐ１が、全体として所定の形状となっていると判断した場合、この連続する候補領域Ｐ１を、欠陥候補領域Ｐ２ではないとして除去する。この所定の形状は、例えば円形、矩形、三角形、多角形などであり、かつ、所定の長さよりも大きいものである。欠陥候補領域抽出部３２は、このように所定の形状となる候補領域Ｐ１を除去することで、リベットや窓枠やシールなどの部材が設けられた箇所を、欠陥の箇所の候補（欠陥候補領域Ｐ２）から除去する。ただし、この所定の形状はこれらに限られず、任意に設定することができる。本実施形態では、欠陥候補領域抽出部３２は、ハフ変換（Hough変換）を用いて、複数の候補領域Ｐ１が連続することで円形を構成するかを判定し、円形を構成する候補領域Ｐ１を除去する。例えば航空機部品に用いられるリベットは円形であるため、欠陥候補領域抽出部３２は、ハフ変換で円形を抽出することで、リベットを欠陥の候補となる箇所から除去することが可能となる。

　図６は、欠陥候補抽出領域を説明するための図である。図６に示すように、欠陥候補領域抽出部３２は、欠陥候補領域Ｐ２を抽出した後、原画像Ａ１から、欠陥候補領域Ｐ２とその周囲の領域の画素Ｐとを、欠陥候補抽出領域Ｐ３として抽出する。すなわち、欠陥候補領域抽出部３２は、欠陥候補領域Ｐ２に対応する画素Ｐと、その周囲の画素Ｐである周囲画素Ｐ２ａとを、欠陥候補抽出領域Ｐ３として抽出する。従って、欠陥候補抽出領域Ｐ３は、複数の画素Ｐを含む領域となる。図６の例では、周囲画素Ｐ２ａは、欠陥候補領域Ｐ２に対応する画素Ｐから４方向にそれぞれ６画素分離れた領域に囲まれた画素Ｐであり、欠陥候補抽出領域Ｐ３は、合計１６９個の画素Ｐを含む領域である。ただし、周囲画素Ｐ２ａは、画素Ｐの周囲の画素Ｐであれば、その位置及び数は任意であり、欠陥候補抽出領域Ｐ３は、欠陥候補領域Ｐ２に対応する画素Ｐとその周囲画素Ｐ２ａとを含む領域であれば、含まれる画素Ｐの数は任意である。なお、欠陥候補領域抽出部３２は、例えば欠陥候補領域Ｐ２が複数の画素により構成されている場合などは、欠陥候補領域Ｐ２を抽出するものであれば、必ずしも欠陥候補抽出領域Ｐ３を抽出しなくてもよい。

　図７は、欠陥候補抽出領域を説明するための図である。欠陥候補領域抽出部３２は、図７に示すように、欠陥候補領域Ｐ２が連続（隣接）する場合、連続する欠陥候補領域Ｐ２を全て含む矩形の領域Ｐ２Ｘを抽出する。そして、欠陥候補領域抽出部３２は、領域Ｐ２Ｘ内の全ての画素Ｐとその周囲画素Ｐ２ａとを、欠陥候補抽出領域Ｐ３として抽出する。なお、ここで欠陥候補領域Ｐ２が連続するとは、図７に示すように、辺同士、又は頂点同士の少なくともいずれかが接する画素Ｐが連続して存在する場合をいう。

　このように、欠陥候補領域抽出部３２は、欠陥候補領域Ｐ２を抽出した後、欠陥候補抽出領域Ｐ３を抽出する。これにより、欠陥候補領域抽出部３２は、欠陥の候補とした領域を大きくすることができるため、欠陥検出の精度をより高くすることが可能となる。

　図８は、欠陥候補抽出画像の一例を示す図である。欠陥候補領域抽出部３２は、欠陥候補領域Ｐ２を抽出した画像である欠陥候補抽出画像Ａ３を、画像表示制御部２８を介して表示部１４に表示させる。図８に示すように、欠陥候補抽出画像Ａ３には、低輝度の背景上に、高輝度の箇所Ｃ２からＣ５が写っている。候補抽出画像Ａ２に写っていた箇所Ｃ１は、円形の候補領域Ｐ１で構成されていたため除外され、欠陥候補抽出画像Ａ３に写っていない。また、欠陥候補抽出領域Ｐ３は、連続する欠陥候補領域Ｐ２毎に抽出される。従って、欠陥候補領域Ｐ２（画素）が連続する箇所Ｃ２及びＣ５においては、欠陥候補抽出領域Ｐ３がそれぞれ１つずつ抽出されている。一方、欠陥候補領域Ｐ２（画素）が連続しない部分がある箇所Ｃ３及びＣ４においては、欠陥候補抽出領域Ｐ３が、連続する欠陥候補領域Ｐ２の数分、複数個ずつ抽出されている。ただし、欠陥候補領域抽出部３２は、必ずしも欠陥候補抽出画像Ａ３を表示させなくてもよい。

　なお、画像処理部２２は、原画像Ａ１内の画像の輝度、すなわち画素Ｐの輝度に基づき欠陥候補領域Ｐ２を抽出するものであれば、欠陥候補領域Ｐ２の抽出を、上述の内容に限られず行ってもよい。例えば、画像処理部２２は、抽出した候補領域Ｐ１から所定の形状の候補領域Ｐ１を除外せず、抽出した候補領域Ｐ１をそのまま欠陥候補領域Ｐ２としてもよい。また、例えば、画像処理部２２は、候補領域抽出部３０を有さず、原画像Ａ１中の領域(画素Ｐ)のうち、所定の形状となる領域を除いて、残った領域を欠陥候補領域Ｐ２としてもよい。

　次に、特徴量算出部３４について説明する。特徴量算出部３４は、欠陥候補抽出領域Ｐ３内の画素Ｐ同士の輝度の差分に基づき、欠陥候補抽出領域Ｐ３の特徴量を算出する。言い換えれば、特徴量算出部３４は、欠陥候補領域Ｐ２とその周囲の領域（周囲画素Ｐ２ａ）との輝度の差分に基づき、欠陥候補領域Ｐ２の特徴量を算出する。特徴量算出部３４は、全ての欠陥候補抽出領域Ｐ３について、特徴量を算出する。すなわち、図８の例では、特徴量算出部３４は、箇所Ｃ２から箇所Ｃ５のそれぞれの欠陥候補抽出領域Ｐ３に対し、特徴量を算出する。特徴量は、欠陥候補抽出領域Ｐ３において画素Ｐ毎の輝度の差分値を示す輝度の強度パラメータである。さらに言えば、特徴量は、欠陥候補抽出領域Ｐ３内、すなわち欠陥候補領域Ｐ２及びその周囲の領域における輝度の変化量を示すパラメータである。特徴量が大きい場合、欠陥候補抽出領域Ｐ３の画素Ｐ毎の輝度の差が大きくなり、特徴量が小さい場合、欠陥候補抽出領域Ｐ３の画素Ｐの輝度の差が小さくなる（輝度の差が均一に近づく）。具体的には、特徴量算出部３４は、欠陥候補抽出領域Ｐ３のホグ特徴量（ＨＯＧ（Histograms　of　Oriented　Gradient）特徴量）を、欠陥候補抽出領域Ｐ３の特徴量として算出する。特徴量算出部３４は、欠陥候補抽出領域Ｐ３内の画素Ｐの輝度の勾配強度を、輝度の強度勾配の方向毎に算出し、勾配方向毎の輝度の勾配強度に基づき、欠陥候補抽出領域Ｐ３の特徴量（ホグ特徴量）を算出する。１つの欠陥候補抽出領域Ｐ３について算出されるホグ特徴量は、次元毎に算出される複数種類の値（パラメータ）を含んでいる。ただし、特徴量算出部３４は、ホグ特徴量を特徴量として算出することに限られない。例えば、特徴量算出部３４は、欠陥候補抽出領域Ｐ３内の画素Ｐ同士の輝度の差分を算出し、その差分値を欠陥候補抽出領域Ｐ３の特徴量として算出してもよい。なお、ホグ特徴量を用いない場合、特徴量算出部３４は、１つの欠陥候補抽出領域Ｐ３について算出する特徴量を、１種類の値（パラメータ）としてもよい。

　画像処理部２２は、以上のように、原画像Ａ１に対して画像処理を行って、欠陥候補抽出領域Ｐ３の特徴量を算出する。以上説明した特徴量の算出処理（画像処理ステップ）の流れを、フローチャートに基づき説明する。図９は、画像処理部による特徴量の算出処理を説明するフローチャートである。画像処理を行う場合、図９に示すように、最初に、原画像取得部２０が、原画像Ａ１を取得する（ステップＳ１０）。そして、画像処理部２２は、候補領域抽出部３０により、候補領域Ｐ１を抽出する（ステップＳ１２）。具体的には、候補領域抽出部３０は、原画像Ａ１内の領域（画素Ｐ）のうち、その領域(画素Ｐ)と周囲の領域（周囲画素Ｐ０ａ）との輝度の分散が所定の分散値以上となる領域（画素Ｐ）を、候補領域Ｐ１として抽出する。

　候補領域Ｐ１を抽出した後、画像処理部２２は、欠陥候補領域抽出部３２により、欠陥候補領域Ｐ２を抽出する（ステップＳ１４）。具体的には、欠陥候補領域抽出部３２は、予め定めた所定の形状となる候補領域Ｐ１を除去し、除去しなかった候補領域Ｐ１を、欠陥候補領域Ｐ２として抽出する。欠陥候補領域Ｐ２を抽出した後、画像処理部２２は、欠陥候補領域抽出部３２により、欠陥候補抽出領域Ｐ３を抽出する（ステップＳ１６）。具体的には、欠陥候補領域抽出部３２は、欠陥候補領域Ｐ２とその周囲の領域の画素Ｐとを、欠陥候補抽出領域Ｐ３として抽出する。

　欠陥候補抽出領域Ｐ３を抽出した後、画像処理部２２は、特徴量算出部３４により、欠陥候補抽出領域Ｐ３の特徴量を算出する（ステップＳ１８）。特徴量算出部３４は、欠陥候補抽出領域Ｐ３内の画素Ｐ同士の輝度の差分に基づき、欠陥候補抽出領域Ｐ３の特徴量を算出する。特徴量算出部３４は、抽出された全ての欠陥候補抽出領域Ｐ３について、特徴量を算出する。特徴量を算出することにより、画像処理部２２による本処理は終了する。上述のように、この特徴量の算出処理は、学習用原画像と判定用原画像とで同じ内容の処理である。

　（特徴量範囲設定部について）
　次に、図２に示す特徴量範囲設定部２４について説明する。特徴量範囲設定部２４は、人工知能を用いたアルゴリズムにより、学習用原画像に対して画像処理部２２が算出した特徴量と、欠陥の箇所の情報とを関連付けて、欠陥特徴量範囲と非欠陥特徴量範囲とを設定する。欠陥特徴量範囲とは、欠陥であると判定する特徴量の数値範囲であり、非欠陥特徴量範囲とは、欠陥でないと判定する特徴量の数値範囲である。すなわち、特徴量範囲設定部２４は、予め欠陥の箇所が分かっている対象物Ｔの学習用原画像を用いて、対象物Ｔの欠陥判定用の基準となる欠陥特徴量範囲と非欠陥特徴量範囲とを設定する。具体的には、図２に示すように、特徴量範囲設定部２４は、特徴量取得部４０と、欠陥情報取得部４２と、特徴量範囲算出部４４とを有する。

　欠陥特徴量範囲と非欠陥特徴量範囲とを設定する際、この設定に用いるサンプルとなる対象物Ｔについて、例えば作業者の検査により、欠陥の箇所を予め検出しておく。この場合の検査は、例えば、従来通りの目視や触診によって行われる。そして、欠陥検出システム１は、原画像作成部１０によって、この対象物Ｔの原画像Ａ１、すなわち学習用原画像を作成しておく。画像処理部２２は、この学習用原画像を原画像Ａ１として上述の画像処理を行い、学習用原画像の候補領域Ｐ１、欠陥候補領域Ｐ２及び欠陥候補抽出領域Ｐ３を抽出する。そして、画像処理部２２は、学習用原画像の欠陥候補抽出領域Ｐ３について、特徴量を算出する。なお、サンプルとなる対象物Ｔは、実際に欠陥の検出を行う対象物Ｔと同じ部位の航空機用部品であることが好ましいが、異なる部位の航空機用部品であってもよい。

　特徴量取得部４０は、画像処理部２２が算出した学習用原画像の特徴量と、その特徴量を持つ欠陥候補抽出領域Ｐ３の情報（位置情報）を取得する。また、欠陥情報取得部４２は、学習用原画像が撮像された対象物Ｔの欠陥箇所の情報を取得する。欠陥箇所の情報とは、サンプルとなる対象物Ｔの実物について予め検出されていた欠陥の箇所を示す情報であり、対象物Ｔのどの位置に欠陥があるかを示す。さらに言えば、欠陥箇所の情報とは、その箇所が実際に欠陥であるか非欠陥であるかを示すラベルの情報に該当する。

　特徴量範囲算出部４４は、特徴量取得部４０が取得した欠陥候補抽出領域Ｐ３の位置情報と、欠陥情報取得部４２が取得した欠陥箇所の情報とを照合して、抽出された欠陥候補抽出領域Ｐ３が実際に欠陥であるかを判定する。画像処理部２２が抽出した欠陥候補抽出領域Ｐ３は、欠陥の箇所の候補となる領域であるが、実際には欠陥の箇所でない可能性がある。特徴量範囲算出部４４は、欠陥箇所の情報により、欠陥候補抽出領域Ｐ３が実際に欠陥であるかを判定する。特徴量範囲算出部４４は、全ての欠陥候補抽出領域Ｐ３について欠陥であるかを判定する。特徴量範囲算出部４４は、欠陥であると判定した欠陥候補抽出領域Ｐ３の特徴量に基づき、欠陥特徴量範囲を算出する。特徴量範囲算出部４４は、欠陥でないと判定した欠陥候補抽出領域Ｐ３の特徴量に基づき、非欠陥特徴量範囲を算出する。すなわち、特徴量範囲算出部４４は、欠陥箇所の情報により、特徴量がどのような数値範囲にあれば欠陥であるかを、予め学習する（すなわち特徴量に欠陥であるか非欠陥であるかのラベル分けを行う）。なお、学習に用いる対象物Ｔは、例えば３０個以上など、複数であることが好ましい。特徴量範囲算出部４４は、学習に用いる全ての対象物Ｔについて、欠陥候補抽出領域Ｐ３が欠陥の箇所であるかを判定し、全ての判定結果を用いて、欠陥特徴量範囲及び非欠陥特徴量範囲を算出する。

　以下、欠陥特徴量範囲及び非欠陥特徴量範囲についてより詳細に説明する。以下、欠陥であると判定した欠陥候補抽出領域Ｐ３の特徴量を、特徴量Ｄ１とし、欠陥でないと判定した欠陥候補抽出領域Ｐ３の特徴量を、特徴量Ｄ２とする。特徴量範囲算出部４４は、複数の欠陥候補抽出領域Ｐ３の特徴量Ｄ１に基づき、欠陥特徴量範囲Ｅ１を算出する。特徴量範囲算出部４４は、全ての特徴量Ｄ１が欠陥特徴量範囲Ｅ１内に収まるように、欠陥特徴量範囲Ｅ１を算出する。同様に、特徴量範囲算出部４４は、複数の欠陥候補抽出領域Ｐ３の特徴量Ｄ２に基づき、非欠陥特徴量範囲Ｅ２を算出する。特徴量範囲算出部４４は、全ての特徴量Ｄ２が非欠陥特徴量範囲Ｅ２内に収まるように、非欠陥特徴量範囲Ｅ２を算出する。より詳しくは、特徴量範囲算出部４４は、複数の特徴量Ｄ１のうちの最小値と最大値との間の数値範囲に基づき、欠陥特徴量範囲Ｅ１を算出し、複数の特徴量Ｄ２のうちの最小値と最大値との間の数値範囲に基づき、非欠陥特徴量範囲Ｅ２を算出する。例えば、特徴量範囲算出部４４は、複数の特徴量Ｄ１のうちの最も小さい値（最小値）と最も大きい値（最大値）との間の数値範囲を欠陥特徴量範囲Ｅ１としてもよく、その最小値と最大値との間の数値範囲に所定のマージンを加えて範囲を大きくした数値範囲を、欠陥特徴量範囲Ｅ１としてもよい。言い換えれば、特徴量範囲算出部４４は、特徴量Ｄ１同士を結んで全ての特徴量Ｄ１が収まる領域を特定し、その領域を欠陥特徴量範囲Ｅ１としてもよく、全ての特徴量Ｄ１が収まる領域を基準として、その領域から一定の距離だけ大きくなり、かつ線が滑らかに繋がれる領域を、欠陥特徴量範囲Ｅ１としてもよい。また、特徴量範囲算出部４４は、１つの特徴量Ｄ１を基準として、それぞれに対して範囲を設定し、その範囲を全て含む範囲を欠陥特徴量範囲Ｅ１としてもよい。非欠陥特徴量範囲Ｅ２も、特徴量Ｄ１の代わりに特徴量Ｄ２を使用する以外は、同様の方法で算出可能である。

　図１０は、欠陥特徴量範囲と非欠陥特徴量範囲を説明する図である。図１０は、ホグ特徴量空間を示すグラフである。更に詳しくは、特徴量としてのホグ特徴量は、次元毎に複数のパラメータ（値）を有する。この場合、特徴量範囲算出部４４は、複数の欠陥候補抽出領域Ｐ３から同じ次元の特徴量同士を比較して、その中での最大値と最小値との間の数値範囲に基づき、１つの次元における欠陥特徴量範囲Ｅ１及び非欠陥特徴量範囲Ｅ２を算出する。そして、特徴量範囲算出部４４は、全ての次元について欠陥特徴量範囲Ｅ１及び非欠陥特徴量範囲Ｅ２を算出する。特徴量範囲算出部４４は、各次元の欠陥特徴量範囲Ｅ１の領域の外周同士を近似線で結んで多次元の閉じた領域を形成し、その閉じた領域を、実際の欠陥特徴量範囲Ｅ１として算出する。同様に、特徴量範囲算出部４４は、各次元の非欠陥特徴量範囲Ｅ２の外周同士を近似線で結んで多次元の閉じた領域を形成し、その閉じた領域を、実際の非欠陥特徴量範囲Ｅ２として算出する。なお、図１０に示すように、特徴量が取り得る数値範囲のうち、欠陥特徴量範囲Ｅ１及び非欠陥特徴量範囲Ｅ２のいずれにも収まらない数値が存在する。また、欠陥特徴量範囲と非欠陥特徴量範囲との算出方法は、以上説明した内容に限られず、図１０の欠陥特徴量範囲Ｅ１及び非欠陥特徴量範囲Ｅ２の形状は、一例としたものであり、この形状に限られない。

　このように、特徴量範囲設定部２４は、学習用原画像を用いて欠陥特徴量範囲と非欠陥特徴量範囲とを設定する。以上説明した欠陥特徴量範囲と非欠陥特徴量範囲との設定処理（特徴量範囲設定ステップ）の流れを、フローチャートに基づき説明する。図１１は、欠陥特徴量範囲と非欠陥特徴量範囲との設定処理を説明するフローチャートである。欠陥特徴量範囲と非欠陥特徴量範囲とを設定する際、設定に用いるサンプルとなる対象物Ｔについて、欠陥の箇所を予め検出しておき、その対象物Ｔの原画像Ａ１、すなわち学習用原画像を作成しておく。そして、画像処理部２２は、この学習用原画像を原画像Ａ１として画像処理を行い、欠陥候補抽出領域Ｐ３を抽出し、その特徴量を算出する。そして、図１１に示すように、特徴量範囲設定部２４は、特徴量取得部４０により、学習用原画像の欠陥候補抽出領域Ｐ３とその特徴量とを、画像処理部２２から取得する（ステップＳ２０）。そして、特徴量範囲設定部２４は、欠陥情報取得部４２により、予め検出された欠陥の箇所の情報を取得する（ステップＳ２２）。なお、ステップＳ２０とステップＳ２２の処理順序は任意である。

　そして、特徴量範囲設定部２４は、特徴量範囲算出部４４により、欠陥候補抽出領域Ｐ３と欠陥の箇所の情報とを照合して、欠陥候補抽出領域Ｐ３が欠陥の箇所であるかを判定する(ステップＳ２４)。欠陥の箇所を判定した後、特徴量範囲設定部２４は、特徴量範囲算出部４４により、欠陥特徴量範囲と非欠陥特徴量範囲とを設定する（ステップＳ２６）。これにより、本処理は終了する。なお、本実施形態では、特徴量範囲算出部４４が、欠陥候補抽出領域Ｐ３が欠陥の箇所であるかを判定していた。しかし、特徴量範囲設定部２４は、欠陥候補抽出領域Ｐ３が欠陥の箇所であるかの情報を取得するものであれば、自身で判定することに限られない。例えば、作業者が、欠陥候補抽出画像Ａ３（図８を参照）を表示部１４に表示させ、欠陥の箇所の情報を参照しながら欠陥候補抽出領域Ｐ３が欠陥の箇所であるかを判定してもよい。そして、作業者がこの判定結果を入力し、特徴量範囲設定部２４は、この判定結果を取得すればよい。

　（欠陥検出部について）
　次に、図２に示す欠陥検出部２６について説明する。欠陥検出部２６は、判定用原画像に対して画像処理部２２が算出した特徴量と、欠陥特徴量範囲Ｅ１と、非欠陥特徴量範囲Ｅ２とに基づき、人工知能を用いたアルゴリズムにより、判定用原画像内の欠陥候補抽出領域Ｐ３が欠陥の箇所であるかを判定する。すなわち、欠陥検出部２６は、特徴量範囲設定部２４の学習により算出された欠陥特徴量範囲Ｅ１と非欠陥特徴量範囲Ｅ２とを用いて、対象物Ｔの欠陥の箇所を検出する。具体的には、図２に示すように、欠陥検出部２６は、特徴量取得部５０と、特徴量範囲取得部５２と、欠陥判定部５４とを有する。

　欠陥の箇所を検出する際、欠陥検出システム１は、原画像作成部１０によって、検出の対象となる対象物Ｔの原画像Ａ１、すなわち判定用原画像を作成しておく。そして、欠陥検出システム１は、画像処理部２２により、この判定用原画像を原画像Ａ１として上述の画像処理を行い、判定画像の候補領域Ｐ１、欠陥候補領域Ｐ２及び欠陥候補抽出領域Ｐ３を抽出する。そして、画像処理部２２は、判定画像の欠陥候補抽出領域Ｐ３について、特徴量を算出する。

　特徴量取得部５０は、画像処理部２２が算出した判定画像における欠陥候補抽出領域Ｐ３の特徴量と、その特徴量を持つ欠陥候補抽出領域Ｐ３の情報(位置情報)とを取得する。位置情報とは、その欠陥候補抽出領域Ｐ３が、画像内のどの位置を占めているかの情報を指す。以下、画像処理部２２が算出した判定画像の特徴量を、判定用特徴量と記載する。また、特徴量範囲取得部５２は、特徴量範囲設定部２４から、欠陥特徴量範囲Ｅ１と非欠陥特徴量範囲Ｅ２との情報を取得する。

　欠陥判定部５４は、判定用特徴量と、欠陥特徴量範囲Ｅ１と、非欠陥特徴量範囲Ｅ２とに基づき、判定用原画像内の欠陥候補抽出領域Ｐ３が欠陥の箇所であるかを判定する。欠陥判定部５４は、欠陥差分値Ｘ１と非欠陥差分値Ｘ２とに基づき、欠陥候補領域Ｐ２が欠陥の箇所であるかを判定する。欠陥差分値Ｘ１とは、判定用特徴量と欠陥特徴量範囲Ｅ１との間の差分値であり、非欠陥差分値Ｘ２とは、判定用特徴量と非欠陥特徴量範囲Ｅ２との間の差分値である。さらに詳しくは、欠陥判定部５４は、非欠陥差分値Ｘ２に対する欠陥差分値Ｘ１の比率が、所定の閾値Ｋ以下となる場合、欠陥候補抽出領域Ｐ３が、欠陥の箇所であると判定する。閾値Ｋは、予め設定された係数であり、任意の値に設定可能であるが、１より大きな値であることが好ましい。これにより、欠陥判定部５４は、欠陥と判定する可能性を高くして、欠陥を未検出となるおそれを低減することができる。欠陥判定部５４は、判定画像内の全ての欠陥候補抽出領域Ｐ３に対して、欠陥の箇所であるかを判定する。欠陥判定部５４は、閾値Ｋを、全ての欠陥候補抽出領域Ｐ３に対して共通の同じ値とする。なお、欠陥判定部５４は、欠陥と判定するための閾値を設定し、判定用特徴量と、欠陥特徴量範囲Ｅ１と、非欠陥特徴量範囲Ｅ２と、その閾値とに基づき、欠陥判定を行うものであればよく、非欠陥差分値Ｘ２に対する欠陥差分値Ｘ１の比率に対する閾値Ｋを設定することに限られない。この場合であっても、欠陥判定部５４は、設定する閾値を、欠陥でないと判定するよりも欠陥であると判定する可能性が高くなるように、閾値を設定することが望ましい。

　図１２は、欠陥判定を説明する図である。図１２は、ホグ特徴量空間を示すグラフである。図１２の判定用特徴量Ｆ１、Ｆ２、Ｆ３、Ｆ４は、互いに異なる欠陥候補抽出領域Ｐ３の判定用特徴量の一例である。判定用特徴量Ｆ１は、欠陥特徴量範囲Ｅ１内に収まる値なので、欠陥判定部５４は、判定用特徴量Ｆ１に対応する欠陥候補抽出領域Ｐ３を欠陥の箇所であると判定する。判定用特徴量Ｆ２は、非欠陥特徴量範囲Ｅ２内に収まる値なので、欠陥判定部５４は、判定用特徴量Ｆ２に対応する欠陥候補抽出領域Ｐ３を欠陥の箇所でないと判定する。また、判定用特徴量Ｆ３は、欠陥特徴量範囲Ｅ１及び非欠陥特徴量範囲Ｅ２の範囲外である。ただし、判定用特徴量Ｆ３において、非欠陥差分値Ｘ２に対する欠陥差分値Ｘ１の比率は、閾値Ｋ以下の値となる。従って、欠陥判定部５４は、判定用特徴量Ｆ３に対応する欠陥候補抽出領域Ｐ３を欠陥の箇所であると判定する。また、判定用特徴量Ｆ４も、欠陥特徴量範囲Ｅ１及び非欠陥特徴量範囲Ｅ２の範囲外である。ただし、判定用特徴量Ｆ４において、非欠陥差分値Ｘ２に対する欠陥差分値Ｘ１の比率は、閾値Ｋより大きい値となる。従って、欠陥判定部５４は、判定用特徴量Ｆ４に対応する欠陥候補抽出領域Ｐ３を欠陥の箇所でないと判定する。なお、図１２の例では、欠陥差分値Ｘ１を、判定用特徴量と欠陥特徴量範囲Ｅ１との差分の最小値（最小の距離）、すなわち判定用特徴量に最も近い欠陥特徴量範囲Ｅ１と判定用特徴量との差分値としている。ただし、欠陥差分値Ｘ１は、これに限られず、欠陥特徴量範囲Ｅ１の範囲内の任意の値と判定用特徴量との差分値であればよい。例えば、欠陥差分値Ｘ１は、判定用特徴量と欠陥特徴量範囲Ｅ１の中央値との差分であってもよい。非欠陥差分値Ｘ２も、同様である。

　このように、欠陥検出部２６は、判定用特徴量を欠陥特徴量範囲と非欠陥特徴量範囲とに照合して、判定用原画像の欠陥候補抽出領域Ｐ３が、欠陥の箇所であるかを判定する。以上説明した欠陥の判定処理（欠陥検出ステップ）の流れを、フローチャートに基づき説明する。図１３は、欠陥検出の処理を説明するフローチャートである。欠陥を検出する際、欠陥検出システム１は、原画像作成部１０によって、欠陥を検出する対象物Ｔの原画像Ａ１、すなわち判定用原画像を作成しておく。そして、欠陥検出システム１は、画像処理部２２によって判定用原画像の画像処理を行い、欠陥候補抽出領域Ｐ３を抽出し、その特徴量を算出する。そして、図１３に示すように、欠陥検出部２６は、特徴量取得部５０により、判定用原画像の特徴量（判定用特徴量）を画像処理部２２から取得し（ステップＳ３０）、特徴量範囲取得部５２により、特徴量範囲設定部２４から、欠陥特徴量範囲Ｅ１と非欠陥特徴量範囲Ｅ２との情報を取得する（ステップＳ３２）。

　そして、欠陥検出部２６は、欠陥判定部５４により、判定用原画像の欠陥候補抽出領域Ｐ３の欠陥差分値Ｘ１と非欠陥差分値Ｘ２とを算出する（ステップＳ３４）。欠陥差分値Ｘ１と非欠陥差分値Ｘ２とを算出した後、欠陥検出部２６は、欠陥判定部５４により、非欠陥差分値Ｘ２に対する欠陥差分値Ｘ１の比率が、閾値Ｋ以下であるかを判定する(ステップＳ３６)。比率が閾値Ｋ以下である場合（ステップＳ３６；Ｙｅｓ）、欠陥判定部５４は、その欠陥候補抽出領域Ｐ３が欠陥の箇所であると判定する（ステップＳ３８）。また、比率が閾値Ｋ以下でない（ステップＳ３６；Ｎｏ）、すなわち比率が閾値Ｋより大きい場合、欠陥判定部５４は、その欠陥候補抽出領域Ｐ３が欠陥の箇所でないと判定する（ステップＳ４０）。欠陥判定部５４は、全ての欠陥候補抽出領域Ｐ３についてこれらの処理を行って、それぞれが欠陥の箇所であるかを判定する。これにより、本処理は終了する。

　（判定結果表示について）
　欠陥候補抽出領域Ｐ３が欠陥の箇所であるかの判定を行った後、図２に示す画像表示制御部２８は、その判定結果を示す画像である判定画像Ａ４を表示部１４に表示させる。図１４は、判定画像の一例を示す図である。図１４に示すように、判定画像Ａ４は、原画像Ａ１に対し目印Ｍを加えた画像である。目印Ｍは、原画像Ａ１内において、欠陥検出部２６が欠陥の箇所であると判定した箇所に表示されるマークである。具体的には、判定画像Ａ４は、原画像Ａ１に表示されている箇所Ｂ１からＢ５が表示されている。また、判定画像Ａ４は、箇所Ｂ３からＢ５の周囲に、目印Ｍが表示されている。箇所Ｂ１は、円形であるため欠陥候補領域Ｐ２から除外された領域である。また、箇所Ｂ２は、欠陥差分値Ｘ１と非欠陥差分値Ｘ２との差分が閾値Ｋ以下でなく、欠陥の箇所でないと判定された領域である。従って、箇所Ｂ１及び箇所Ｂ２には、目印Ｍが表示されていない。

　より詳しくは、目印Ｍは、欠陥の箇所であると判定された欠陥候補抽出領域Ｐ３毎に表示される。箇所Ｂ２及び箇所Ｂ５は、１つの欠陥候補抽出領域Ｐ３のみを有しているので、目印Ｍは、それぞれ１つ表示されている。一方、箇所Ｂ３及び箇所Ｂ４は、複数の欠陥候補抽出領域Ｐ３を有しているので、目印Ｍは、欠陥候補抽出領域Ｐ３の個数分、複数個が表示されている。目印Ｍは、円を形成する枠線からなる円形のマークである。目印Ｍは、欠陥の箇所であると判定された欠陥候補抽出領域Ｐ３を、この円形の枠線で囲うように表示される。この枠線で囲われた領域は、例えば１つの欠陥候補領域Ｐ３に対し所定の面積であることが好ましい。目印Ｍは、この外周となる枠線の内部の領域には表示されないため、枠線の内側の欠陥の箇所は、視認可能となっている。ただし、目印Ｍは、これに限られず、矩形など任意の形状であってもよい。また、画像表示制御部２８は、目印Ｍの表示が、非欠陥差分値Ｘ２に対する欠陥差分値Ｘ１の比率に応じて異なるように、判定画像Ａ４を表示させる。すなわち、画像表示制御部２８は、比率が異なる欠陥候補抽出領域Ｐ３に対しては、目印Ｍの表示を変化させる。図１４の例では、画像表示制御部２８は、非欠陥差分値Ｘ２に対する欠陥差分値Ｘ１の比率に応じて、目印Ｍの外周の枠線の色を変化させる。これにより、作業者は、比率が高く、より欠陥の可能性が高い箇所を、より好適に視認することが可能となる。

　図１５は、判定画像の他の例を示す図である。画像表示制御部２８は、図１５に示すように、複数の目印Ｍが重畳する場合、その重畳した目印Ｍの表示を、重畳していない目印Ｍの表示とは異ならせてもよい。図１５の例では、箇所Ｂ３の欠陥候補抽出領域Ｐ３に対して表示される目印Ｍ１は、互いに重畳している。同様に、箇所Ｂ４の欠陥候補抽出領域Ｐ３に対して表示される目印Ｍ１も、互いに重畳している。画像表示制御部２８は、この重畳している目印Ｍ１の内側の領域に所定の色を表示させる。この色は任意であるが、その領域に表示される欠陥の箇所が視認できるよう、半透明の色（可視光を処理の比率で透過可能な色）であることが好ましい。また、図１５の例では、箇所Ｂ２及びＢ５に対して表示される目印Ｍ２は、他の目印と重畳しない。従って、目印Ｍ２の内側の領域は、所定の色が表示されない。ただし、重畳した目印Ｍの表示は、重畳していない目印Ｍの表示と異なるものであれば、これに限られず任意である。

　以上説明したように、本実施形態に係る欠陥検出システム１は、対象物Ｔである航空機用部品の欠陥を検出するシステムであり、原画像取得部２０と、画像処理部２２と、特徴量範囲設定部２４と、欠陥検出部２６とを有する。原画像取得部２０は、原画像Ａ１を取得する。原画像Ａ１は、欠陥の箇所の画像を含む対象物Ｔの画像である。画像処理部２２は、原画像Ａ１内の画像の輝度に基づき、欠陥の箇所の候補となる領域である欠陥候補領域Ｐ２を、原画像Ａ１内から抽出する。画像処理部２２は、欠陥候補抽出領域Ｐ３内の（欠陥候補領域Ｐ２とその周囲の領域との）輝度の差分に基づき、欠陥候補領域Ｐ２の特徴量を算出する。特徴量範囲設定部２４は、学習用原画像に対して画像処理部２２が算出した特徴量と、欠陥の箇所の情報とを関連付けて、欠陥特徴量範囲Ｅ１と非欠陥特徴量範囲Ｅ２とを設定する。学習用原画像は、欠陥の箇所が予め検出されている原画像Ａ１である。欠陥特徴量範囲Ｅ１は、欠陥であると判定する特徴量の範囲であり、非欠陥特徴量範囲Ｅ２は、欠陥でないと判定する特徴量の範囲である。欠陥検出部２６は、判定用原画像に対して画像処理部２２が算出した特徴量と、欠陥特徴量範囲Ｅ１と、非欠陥特徴量範囲Ｅ２とに基づき、判定用原画像内の欠陥候補領域が欠陥の箇所であるかを判定する。判定用原画像は、欠陥の箇所が未検出の原画像Ａ１である。

　この欠陥検出システム１は、画像処理部２２が、原画像Ａ１に画像処理を加えて、欠陥の候補となる欠陥候補領域Ｐ２を抽出する。そして、画像処理部２２は、欠陥候補領域Ｐ２の輝度強度のパラメータである特徴量を算出する。すなわち、画像処理部２２は、特徴量を算出する対象を、欠陥候補領域Ｐ２だけに制限する。特徴量範囲設定部２４は、学習用原画像から抽出された欠陥候補領域Ｐ２の特徴量に基づき、欠陥特徴量範囲と非欠陥特徴量範囲とを設定する。すなわち、特徴量範囲設定部２４は、どのような特徴量である場合に欠陥となるかの基準を予め設定する。そして、欠陥検出部２６は、判定用原画像から抽出された欠陥候補領域Ｐ２の特徴量を、この基準（欠陥特徴量範囲及び非欠陥特徴量範囲）と比較することで、判定用原画像から抽出された欠陥候補領域Ｐ２が欠陥の箇所であるかを検出する。この欠陥検出システム１は、原画像Ａ１の特徴量に基づき欠陥を検出するため、検出精度のばらつきを抑制することができる。また、この欠陥検出システム１は、学習用原画像を用いて、欠陥の基準となる特徴量の範囲（欠陥特徴量範囲及び非欠陥特徴量範囲）を、予め学習している。欠陥検出システム１は、この特徴量の範囲に基づき、欠陥を検出しているため、検出精度を向上させることが可能となる。また、この欠陥検出システム１は、欠陥であるかを判定するためのパラメータを特徴量としており、この特徴量を算出する対象を、欠陥候補領域Ｐ２だけに制限する。従って、この欠陥検出システム１は、欠陥検出の計算が多くなり過ぎることを抑制し、欠陥検出の負担を抑制することで、検出時間を短くすることができる。このように、この欠陥検出システム１は、航空機用部品の欠陥を適切に検出することが可能となる。

　また、画像処理部２２は、候補領域抽出部３０と、欠陥候補領域抽出部３２と、特徴量算出部３４とを有する。候補領域抽出部３０は、原画像Ａ１内の領域のうち、その領域と周囲の領域との輝度の分散が所定の分散値以上となる領域を、欠陥の候補領域Ｐ１として抽出する。欠陥候補領域抽出部３２は、候補領域Ｐ１のうち、あらかじめ定めた所定の形状となる候補領域Ｐ１を除去し、除去しなかった候補領域Ｐ１を、欠陥候補領域Ｐ２として抽出する。特徴量算出部３４は、欠陥候補領域Ｐ２とその周囲の領域との輝度の差分に基づき、欠陥候補領域Ｐ２の特徴量を算出する。この画像処理部２２は、周囲の輝度との分散が大きい領域を、候補領域Ｐ１として抽出する。分散が大きい領域は、周囲との輝度の差が大きい領域といえるため、画像処理部２２は、輝度の差が大きく欠陥の可能性が高い領域のみを、特徴量を算出するための候補領域Ｐ１として抽出する。そして、画像処理部２２は、対象物Ｔにおいて例えばリベットなどの部材が設けられた領域を、欠陥ではないとして、特徴量を算出するための欠陥候補領域Ｐ２から除外する。これにより、欠陥検出システム１は、欠陥検出の計算が多くなり過ぎることをより好適に抑制し、航空機用部品の欠陥をより適切に検出することが可能となる。

　また、欠陥候補領域抽出部３２は、ハフ変換を用いて、複数の候補領域Ｐ１が連続することで円形を構成するかを判定し、円形を構成する候補領域Ｐ１を除去する。航空機用の部品には、リベットなど円形の部材が取り付けられていることが多い。欠陥検出システム１は、円形を構成する領域を欠陥でないとして除外することで、欠陥検出の計算が多くなり過ぎることをより好適に抑制し、航空機用部品の欠陥をより適切に検出することが可能となる。

　また、特徴量算出部３４は、欠陥候補抽出領域Ｐ３内（欠陥候補領域Ｐ２及びその周囲の領域）における輝度の変化量として、特徴量を算出する。この欠陥検出システム１は、周囲における輝度の変化量を特徴量として、その特徴量に基づいて欠陥であるかの判定を行う。欠陥の箇所は、周囲の輝度の変化量が大きくなる。従って、この欠陥検出システム１は、この特徴量に基づき欠陥の判定を行うことで、欠陥検出の精度を適切に向上させることができる。

　また、特徴量算出部３４は、欠陥候補領域Ｐ２及びその周囲の領域から算出されたホグ特徴量を、特徴量として算出する。この欠陥検出システム１は、ホグ特徴量を特徴量としているため、周囲における輝度の変化量を、輝度勾配（変化量）の方向毎に特定して、欠陥であるかの判定を行うことができる。従って、この欠陥検出システム１は、欠陥検出の精度をより適切に向上させることができる。

　また、欠陥検出部２６は、特徴量取得部５０と、欠陥判定部５４とを有する。特徴量取得部５０は、判定用原画像の特徴量である判定用特徴量を取得する。欠陥判定部５４は、欠陥差分値Ｘ１及び非欠陥差分値Ｘ２に基づき、欠陥候補領域Ｐ２が欠陥の箇所であるかを判定する。欠陥差分値Ｘ１は、判定用特徴量と欠陥特徴量範囲との間の差分値である。非欠陥差分値Ｘ２は、判定用特徴量と非欠陥特徴量範囲との間の差分値である。この欠陥検出システム１は、予め算出した欠陥であるかの基準値（欠陥特徴量範囲）に対する判定用特徴量の差分値に基づき欠陥であるかを判定するため、欠陥検出の精度をより適切に向上させることができる。

　また、欠陥判定部５４は、非欠陥差分値Ｘ２に対する欠陥差分値Ｘ１の比率が、所定の閾値Ｋ以下となる場合、欠陥候補領域Ｐ２が欠陥の箇所であると判定する。この欠陥検出システム１は、非欠陥差分値Ｘ２に対する欠陥差分値Ｘ１の比率に基づき欠陥の判定を行っているため、欠陥検出の精度をより適切に向上させることができる。例えば、欠陥検出システム１は、判定用特徴量が欠陥特徴量範囲及び非欠陥特徴量範囲の両方の範囲外であっても、比率に基づき欠陥であると判定することで、その判定用特徴量を有する欠陥候補領域Ｐ２が欠陥の箇所であるかを適切に判定することができる。

　また、所定の閾値Ｋは、１より大きい値である。通常、欠陥の箇所は、欠陥でない箇所よりも数が少ない。従って、学習に用いる学習用原画像においても、欠陥として判定される欠陥候補領域Ｐ２の数は、欠陥でないとされる欠陥候補領域Ｐ２の数よりも少ない。そのため、欠陥特徴量範囲の方が、非欠陥特徴量範囲よりも数値範囲が狭くなる傾向がある。これに対し、欠陥検出システム１は、閾値Ｋを１より大きくすることで、欠陥の検出の際に、欠陥であると判定される可能性を高くして、欠陥検出の精度をより適切に向上させる。

　また、欠陥検出システム１は、画像表示制御部２８を更に有する。画像表示制御部２８は、判定画像Ａ４を表示部１４に表示させる．判定画像Ａ４は、原画像Ａ１に対して、目印Ｍを加えた画像である。目印Ｍは、原画像Ａ１内の、欠陥検出部２６が欠陥の箇所であると判定した箇所に表示される。この欠陥検出システム１は、欠陥と判定された箇所に目印Ｍを加えた画像を表示することで、作業者が欠陥の箇所を容易に視認することが可能となる。

　また、画像表示制御部２８は、目印Ｍの表示が、非欠陥差分値Ｘ２に対する欠陥差分値Ｘ１の比率に応じて異なるように、判定画像Ａ４を表示させる。非欠陥差分値Ｘ２に対する欠陥差分値Ｘ１の比率が高い箇所は、欠陥である可能性が高い。画像表示制御部２８は、比率に応じて目印Ｍの表示を変化させることで、欠陥である可能性が高い箇所を、作業者が容易に視認させることが可能となる。

　また、欠陥検出システム１は、原画像Ａ１を作成する原画像作成部１０を有する。本実施形態において、原画像作成部１０は、対象物Ｔの表面Ｔ１を撮像して原画像Ａ１を作成する。欠陥検出システム１は、この原画像Ａ１を用いて欠陥検出を行うことで、対象物Ｔの表面Ｔ１の欠陥を、適切に検出することが可能となる。

　ただし、欠陥検出システム１は、対象物Ｔの表面Ｔ１の欠陥だけでなく、対象物Ｔの内部の欠陥についても検出可能である。この場合、原画像作成部１０は、対象物Ｔの内部状態（内部の不連続性）を検出して、その検出データに基づき原画像Ａ１を作成する。これにより、欠陥検出システム１は、対象物Ｔの内部の欠陥を適切に検出することが可能となる。例えば、原画像作成部１０は、超音波探傷器を有し、射出位置を変更させながら、対象物Ｔに超音波を射出する。原画像作成部１０は、各位置における反射波を測定する。原画像作成部１０は、この反射波の強度分布毎に輝度を変化させて位置ごとに２次元マトリクス状にプロットした画像を、原画像Ａ１として作成する。この原画像Ａ１は、対象物Ｔの内部の欠陥の箇所を含む２次元画像となる。なお、この場合、原画像作成部１０は、反射波を取得するものであり、制御部１２が、その反射波に基づいて原画像を作成するものであってもよい。

　対象物Ｔの内部の欠陥の箇所を含む原画像を用いた場合でも、画像処理などの制御部１２による制御は、表面Ｔ１を撮像した原画像と同じである。この原画像を用いた場合、欠陥検出システム１は、内部欠陥を適切に検出することが可能となる。なお、対象物Ｔの内部状態を検出する際は、超音波探傷に限られず、例えば浸透探傷検査など、任意の非破壊検査の方法が適用可能である。このように、欠陥検出システム１は、表面の欠陥を用いた原画像を用いることで、表面の欠陥を検出し、内部の欠陥を用いた原画像を用いることで、内部の欠陥を検出することが可能となる。

　（第２実施形態）
　次に、第２実施形態について説明する。第２実施形態に係る欠陥検出システム１は、正誤教示部６０を有する点で、第１実施形態とは異なる。第２実施形態において第１実施形態と共通する箇所は、説明を省略する。

　図１６は、第２実施形態に係る制御部の模式的なブロック図である。図１６に示すように、第２実施形態に係る制御部１２Ａは、正誤教示部６０を有する。正誤教示部６０は、欠陥が未検出だった対象物Ｔに対する欠陥検出部２６の検出結果を、その対象物Ｔに対して他の検査で検出された欠陥の検出結果と照合する。正誤教示部６０は、その照合の結果、すなわち欠陥検出部２６の検出結果の正誤を、特徴量範囲設定部２４に伝達（教示）する。特徴量範囲設定部２４は、その正誤の情報に基づき、欠陥特徴量範囲と非欠陥特徴量範囲とを設定し直す。

　具体的には、正誤教示部６０は、欠陥が未検出だった対象物Ｔの欠陥の箇所の検出結果（欠陥の箇所の位置情報）を、欠陥検出部２６から取得する。そしてその際、他の検査によって、その対象物Ｔに対して欠陥の箇所の検出が行われる。この他の検査は、例えば作業者によって行われるものであり、例えば従来通りの目視や触診によって行われる。作業者は、この欠陥の箇所の検出結果（欠陥の箇所の位置情報）を、入力部１６によって制御部１２Ａに入力する。正誤教示部６０は、この欠陥の箇所の検出結果を取得する。

　ここで、欠陥検出部２６から取得した欠陥の箇所の検出結果、すなわち欠陥検出部２６が検出した欠陥の箇所の位置情報を、欠陥検出位置とする。そして、他の検査から取得した欠陥の箇所の検出結果、すなわち他の検査で検出された欠陥の箇所の位置情報を、欠陥確認位置とする。正誤教示部６０は、欠陥検出位置を欠陥確認位置に照合して、欠陥検出位置が、実際に欠陥の箇所であるかを判定する。正誤教示部６０は、欠陥検出位置が欠陥確認位置に一致する場合、その欠陥検出位置が実際の欠陥の箇所であると判定する。また、正誤教示部６０は、欠陥検出位置が欠陥確認位置に一致しない場合、その欠陥検出位置が実際の欠陥の箇所でないと判定する。以下、実際の欠陥の箇所でないとされた欠陥検出位置を、非欠陥位置とする。また、正誤教示部６０は、欠陥確認位置に該当する位置に欠陥検出位置が無い場合、すなわち、他の検査では欠陥の箇所であるとされた位置を、欠陥検出部２６が欠陥の箇所であると判定していない場合、その欠陥確認位置の情報を記憶する。以下、欠陥検出部２６が欠陥の箇所であると判定していない欠陥確認位置を、追加欠陥位置とする。

　正誤教示部６０は、非欠陥位置と追加欠陥位置との情報を、画像処理部２２に出力する。画像処理部２２は、特徴量算出部３４により、この非欠陥位置及び追加欠陥位置に対応する領域の特徴量を算出する。以下、非欠陥位置の特徴量を、非欠陥特徴量とし、追加欠陥位置の特徴量を、追加欠陥特徴量とする。特徴量範囲設定部２４は、特徴量取得部４０により、この非欠陥特徴量と追加欠陥特徴量とを取得する。そして、特徴量範囲設定部２４は、特徴量範囲算出部４４により、非欠陥特徴量と追加欠陥特徴量とに基づき、欠陥特徴量範囲及び非欠陥特徴量範囲を再設定する。具体的には、特徴量範囲算出部４４は、学習用原画像で欠陥であると判定した特徴量Ｄ１に加えて、追加欠陥特徴量にも基づき、欠陥特徴量範囲Ｅ１を算出する。すなわち、特徴量範囲算出部４４は、特徴量Ｄ１及び追加欠陥特徴量が欠陥特徴量範囲Ｅ１内に収まるように、欠陥特徴量範囲Ｅ１を再算出する。同様に、特徴量範囲算出部４４は、学習用原画像で欠陥でないと判定した特徴量Ｄ２に加えて、非欠陥特徴量にも基づき、非欠陥特徴量範囲Ｅ２を算出する。すなわち、特徴量範囲算出部４４は、特徴量Ｄ２及び非欠陥特徴量が非欠陥特徴量範囲Ｅ２内に収まるように、非欠陥特徴量範囲Ｅ２を再算出する。

　欠陥検出部２６は、この新たに算出し直された欠陥特徴量範囲Ｅ１及び非欠陥特徴量範囲Ｅ２を用いて、以降の欠陥検出を行う。この際、欠陥検出部２６は、正誤教示部６０の結果によらず、閾値Ｋの値は変更せず同じ値のままとする。

　このように、第２実施形態において、正誤教示部６０は、欠陥検出部２６からの欠陥の箇所の検出結果を、同じ対象物Ｔに対して行われた他の検査による欠陥の箇所の検出結果に照合する。正誤教示部６０は、欠陥検出部２６からの欠陥の箇所の検出結果と他の検査による欠陥の箇所の検出結果とが一致しない位置（非欠陥位置と追加欠陥位置）を検出する。画像処理部２２は、この位置の特徴量を算出する。欠陥検出部２６は、この算出された特徴量に基づき、欠陥特徴量範囲Ｅ１及び非欠陥特徴量範囲Ｅ２を再設定する。欠陥検出部２６は、この新たに算出し直された欠陥特徴量範囲Ｅ１及び非欠陥特徴量範囲Ｅ２を用いて、以降の欠陥検出を行う。第２実施形態に係る欠陥検出システム１は、このように、正誤教示部６０の教示結果（非欠陥位置と追加欠陥位置との情報）により、欠陥特徴量範囲Ｅ１及び非欠陥特徴量範囲Ｅ２を更新する。これにより、欠陥検出システム１は、欠陥検出の精度をより向上させることが可能となる。

　以上、本発明の実施形態を説明したが、この実施形態の内容により実施形態が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。

　１　欠陥検出システム
　１０　原画像作成部
　１２　制御部
　１４　表示部
　１６　入力部
　２０　原画像取得部
　２２　画像処理部
　２４　特徴量範囲設定部
　２６　欠陥検出部
　２８　画像表示制御部
　３０　候補領域抽出部
　３２　欠陥候補領域抽出部
　３４　特徴量算出部
　４０　特徴量取得部
　４４　特徴量範囲算出部
　５０　特徴量取得部
　５２　特徴量範囲取得部
　５４　欠陥判定部
　Ａ１　原画像
　Ｔ　対象物
　Ｐ　画素
　Ｐ１　候補領域
　Ｐ２　欠陥候補領域
　Ｐ３　欠陥候補抽出領域

Claims

　対象物である航空機用部品の欠陥を検出する航空機用部品の欠陥検出システムであって、
　欠陥の箇所の画像を含む前記対象物の画像である原画像を取得する原画像取得部と、
　前記原画像内の画像の輝度に基づき、前記欠陥の箇所の候補となる領域である欠陥候補領域を前記原画像内から抽出し、前記欠陥候補領域とその周囲の領域との輝度の差分に基づき、前記欠陥候補領域の特徴量を算出する画像処理部と、
　前記欠陥の箇所が予め検出されている学習用原画像に対して前記画像処理部が算出した前記特徴量と、前記欠陥の箇所の情報とを関連付けて、欠陥であると判定する前記特徴量の範囲である欠陥特徴量範囲と、欠陥でないと判定する前記特徴量の範囲である非欠陥特徴量範囲とを設定する特徴量範囲設定部と、
　前記欠陥の箇所が未検出の判定用原画像に対して前記画像処理部が算出した前記特徴量と、前記欠陥特徴量範囲と、前記非欠陥特徴量範囲とに基づき、前記判定用原画像内の前記欠陥候補領域が前記欠陥の箇所であるかを判定する欠陥検出部と、
　を有する航空機用部品の欠陥検出システム。
　前記画像処理部は、
　前記原画像内の領域のうち、その領域と周囲の領域との輝度の分散が所定の分散値以上となる領域を、前記欠陥の候補領域として抽出する候補領域抽出部と、
　前記候補領域のうち、あらかじめ定めた所定の形状となる前記候補領域を除去し、除去しなかった前記候補領域を、前記欠陥候補領域として抽出する欠陥候補領域抽出部と、
　前記欠陥候補領域とその周囲の領域との輝度の差分に基づき、前記欠陥候補領域の特徴量を算出する特徴量算出部と、を有する、請求項１に記載の航空機用部品の欠陥検出システム。
　前記欠陥候補領域抽出部は、ハフ変換を用いて、複数の前記候補領域が連続することで円形を構成するかを判定し、前記円形を構成する候補領域を除去する、請求項２に記載の航空機用部品の欠陥検出システム。
　前記特徴量算出部は、欠陥候補領域及びその周囲の領域における輝度の変化量として、前記特徴量を算出する、請求項２又は請求項３に記載の航空機用部品の欠陥検出システム。
　前記特徴量算出部は、前記欠陥候補領域のホグ特徴量を、前記特徴量として算出する、請求項４に記載の航空機用部品の欠陥検出システム。
　前記欠陥検出部は、
　前記判定用原画像の前記特徴量である判定用特徴量を取得する特徴量取得部と、
　前記特徴量範囲設定部から前記欠陥特徴量範囲及び前記非欠陥特徴量範囲を取得する特徴量範囲取得部と、
　前記判定用特徴量と前記欠陥特徴量範囲との間の差分値である欠陥差分値、及び、前記判定用特徴量と前記非欠陥特徴量範囲との間の差分値である非欠陥差分値に基づき、前記欠陥候補領域が、前記欠陥の箇所であるかを判定する欠陥判定部とを有する、請求項１から請求項５のいずれか１項に記載の航空機用部品の欠陥検出システム。
　前記欠陥判定部は、前記非欠陥差分値に対する前記欠陥差分値の比率が、所定の閾値以下となる場合、前記欠陥候補領域が、前記欠陥の箇所であると判定する、請求項６に記載の航空機用部品の欠陥検出システム。
　前記所定の閾値は、１より大きい値である、請求項７に記載の航空機用部品の欠陥検出システム。
　前記原画像に対し、前記欠陥検出部が前記欠陥の箇所であると判定した箇所に目印を加えた判定画像を、表示部に表示させる画像表示制御部を更に有する、請求項５から請求項８のいずれか１項に記載の航空機用部品の欠陥検出システム。
　前記画像表示制御部は、前記目印の表示が、前記非欠陥差分値に対する前記欠陥差分値の比率に応じて異なるように、前記判定画像を表示させる、請求項９に記載の航空機用部品の欠陥検出システム。
　前記対象物の表面を撮像して前記原画像を作成する原画像作成部を更に有する、請求項１から請求項１０のいずれか１項に記載の航空機用部品の欠陥検出システム。
　前記対象物の内部状態を検出して、その検出データに基づき前記原画像を作成する原画像作成部を更に有する、請求項１から請求項１０のいずれか１項に記載の航空機用部品の欠陥検出システム。
　対象物である航空機用部品の欠陥を検出する航空機用部品の欠陥検出方法であって、
　欠陥の箇所の画像を含む前記対象物の画像である原画像を取得する原画像取得ステップと、
　前記原画像内の画像の輝度に基づき、前記欠陥の箇所の候補となる領域である欠陥候補領域を前記原画像内から抽出し、前記欠陥候補領域とその周囲の領域との輝度の差分に基づき、前記欠陥候補領域の特徴量を算出する画像処理ステップと、
　前記欠陥の箇所が予め検出されている学習用原画像に対して前記画像処理ステップで算出した前記特徴量と、前記欠陥の箇所の情報とを関連付けて、欠陥であると判定する前記特徴量の範囲である欠陥特徴量範囲と、欠陥でないと判定する前記特徴量の範囲である非欠陥特徴量範囲とを設定する特徴量範囲設定ステップと、
　前記欠陥の箇所が未検出の判定用原画像に対して前記画像処理ステップで算出した前記特徴量と、前記欠陥特徴量範囲と、前記非欠陥特徴量範囲とに基づき、前記特徴量に対応する前記欠陥候補領域が前記欠陥の箇所であるかを判定する欠陥検出ステップと、
　を有する航空機用部品の欠陥検出方法。