WO2021054200A1 - 印刷物検査装置、印刷物検査方法、プログラム及び印刷装置 - Google Patents

印刷物検査装置、印刷物検査方法、プログラム及び印刷装置 Download PDF

Info

Publication number
WO2021054200A1
WO2021054200A1 PCT/JP2020/033968 JP2020033968W WO2021054200A1 WO 2021054200 A1 WO2021054200 A1 WO 2021054200A1 JP 2020033968 W JP2020033968 W JP 2020033968W WO 2021054200 A1 WO2021054200 A1 WO 2021054200A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
imaging data
disturbance
printed matter
learning
Prior art date
Application number
PCT/JP2020/033968
Other languages
English (en)
French (fr)
Inventor
将輝 関
Original Assignee
富士フイルム株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 富士フイルム株式会社 filed Critical 富士フイルム株式会社
Priority to JP2021546625A priority Critical patent/JP7273169B2/ja
Priority to EP20865804.7A priority patent/EP4032706A4/en
Publication of WO2021054200A1 publication Critical patent/WO2021054200A1/ja
Priority to US17/691,505 priority patent/US20220198638A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
    • B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
    • B41J2/01—Ink jet
    • B41J2/015—Ink jet characterised by the jet generation process
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
    • B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
    • B41J2/01—Ink jet
    • B41J2/135—Nozzles
    • B41J2/145—Arrangement thereof
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
    • B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
    • B41J2/01—Ink jet
    • B41J2/21—Ink jet for multi-colour printing
    • B41J2/2132—Print quality control characterised by dot disposition, e.g. for reducing white stripes or banding
    • B41J2/2142—Detection of malfunctioning nozzles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
    • B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
    • B41J2/01—Ink jet
    • B41J2/21—Ink jet for multi-colour printing
    • B41J2/2132—Print quality control characterised by dot disposition, e.g. for reducing white stripes or banding
    • B41J2/2146—Print quality control characterised by dot disposition, e.g. for reducing white stripes or banding for line print heads
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J29/00—Details of, or accessories for, typewriters or selective printing mechanisms not otherwise provided for
    • B41J29/38—Drives, motors, controls or automatic cut-off devices for the entire printing mechanism
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J29/00—Details of, or accessories for, typewriters or selective printing mechanisms not otherwise provided for
    • B41J29/38—Drives, motors, controls or automatic cut-off devices for the entire printing mechanism
    • B41J29/393—Devices for controlling or analysing the entire machine ; Controlling or analysing mechanical parameters involving printing of test patterns
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K15/00—Arrangements for producing a permanent visual presentation of the output data, e.g. computer output printers
    • G06K15/02—Arrangements for producing a permanent visual presentation of the output data, e.g. computer output printers using printers
    • G06K15/027—Test patterns and calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06V10/7747—Organisation of the process, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10008—Still image; Photographic image from scanner, fax or copier
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30144—Printing quality

Abstract

一方向に沿って発生する欠陥の検出における誤検出を抑制し得る、印刷物検査装置、印刷物検査方法、プログラム及び印刷装置を提供する。印刷データを取得する印刷データ取得部、印刷物の撮像データを取得する撮像データ取得部、規定の位置合わせ精度を適用して印刷データと撮像データとの位置合わせを実施する位置合わせ処理部、印刷データに基づき撮像データの欠陥情報を取得する検査処理部を備え、検査処理部は印刷装置における印刷部と媒体との相対搬送方向と交差する方向に撮像データの位置をずらす外乱を付与した外乱付与撮像データを入力とし、欠陥情報を出力とする外乱付与学習データセットを用いて学習された学習モデルが適用される。

Description

印刷物検査装置、印刷物検査方法、プログラム及び印刷装置
　本発明は印刷物検査装置、印刷物検査方法、プログラム及び印刷装置に関する。
　スキャナ等の撮像装置を用いて検査対象を撮像して得られた撮像データと、基準となる基準データとを比較して、検査対象の欠陥を検査する欠陥検査装置が広く用いられている。
　欠陥検査装置の応用として、印刷装置を用いて生成された印刷物のスジ及びインクの抜け等に起因する印刷欠陥を検査する印刷物検査装置がある。印刷物検査装置は、印刷装置へ入力される印刷データと、印刷された印刷物を撮像して得られた撮像データとを比較して印刷物における欠陥の有無に基づき、印刷物の良否を判定する。
　印刷データと撮像データを比較する印刷物検査を実施する際に、基準となる印刷データと検査対象の撮像データとの特性の違いを一致させる前処理が必要となる。前処理の実施において、データフォーマットの違い及びカラープロファイル等の特性の違いなど、多岐にわたる条件が存在し、処理が煩雑であり、長期の処理期間を要する。かかる問題に対し、近年広く利用されている深層学習を活用し、パラメータ設定及び特徴量抽出等の自動化が図られている。
　特許文献１は、入力画像に対するグループ分類を表すクラスの出力等を実施する学習型画像認識装置が記載されている。同文献に記載の装置は学習済のモデルが適用される。同文献は学習において不足する学習データを増強してサンプル数を増やす手法を開示している。具体的には、画像の変動要素が回転の場合、同装置は規定の回転角度に基づき入力画像を回転させた学習サンプル画像を多数生成し、学習サンプル画像を用いた学習を実施する。
特開平７－２１３６７号公報
　しかしながら、印刷データと撮像データとの間に位置ずれが生じる場合がある。印刷データと撮像データとの間の位置ずれは、印刷物検査において欠陥が存在していない場合に、印刷物の絵柄を欠陥として検出してしまう誤検出の原因となり得る。
　かかる誤検出は、印刷データと撮像データとの位置合わせを高精度化して解決できるが、かかる位置合わせにおける高精度化と位置合わせ処理の期間の長さとはトレードオフになる。目標の処理期間の達成を優先させる場合、印刷物検査の一定の精度低下を許容しなければならない。
　既存の学習データを回転させて学習データを増強する特許文献１に記載の手法は、スジ等の一方向に沿って発生する欠陥検出の学習モデルを生成する際に、学習が複雑となるばかりでなく、学習モデルの性能の低下が懸念される。
　本発明はこのような事情に鑑みてなされたもので、一方向に沿って発生する欠陥の検出における誤検出を抑制し得る、印刷物検査装置、印刷物検査方法、プログラム及び印刷装置を提供することを目的とする。
　上記目的を達成するために、次の発明態様を提供する。
　第１態様に係る印刷物検査装置は、印刷物を生成する際に印刷装置へ入力される印刷データを取得する印刷データ取得部と、印刷物の撮像データを取得する撮像データ取得部と、規定の位置合わせ精度を適用して印刷データと撮像データとの位置合わせを実施する位置合わせ処理部と、位置合わせ処理部を用いて位置合わせ処理が実施された印刷データ及び撮像データを用いて、印刷データに基づき撮像データの欠陥情報を取得する検査処理部と、を備え、検査処理部は、撮像データから検出される欠陥候補と印刷物における欠陥との関係を学習した学習モデルが適用され、学習モデルは、印刷装置における印刷部と媒体との相対搬送方向と交差する方向に、位置合わせ精度の範囲で撮像データの位置をずらす外乱を付与した外乱付与撮像データを入力とし、外乱付与撮像データの欠陥情報を出力とする外乱付与学習データセットを用いて学習が実施される印刷物検査装置である。
　第１態様によれば、印刷装置における印刷部と媒体との相対搬送方向と交差する方向について、印刷データと撮像データとの位置合わせ精度の範囲で印刷データに対する撮像データの位置をずらす外乱を付与した外乱付与撮像データを用いた学習を実施した学習モデルを用いて、印刷物の欠陥を検出する印刷物検査を実施する。これにより、相対搬送方向に沿って発生するスジ欠陥の検出における誤検出を抑制し得る。
　印刷装置における印刷部と媒体との相対搬送方向は、固定した印刷部に対して媒体を移動させる方向、固定した媒体に対して印刷部を移動させる方向又は両者を移動させる場合の相対的な方向を含み得る。
　第２態様は、第１態様の印刷物検査装置において、学習モデルは、外乱付与学習データセットとして印刷データを併用して学習を実施する構成としてもよい。
　第２態様によれば、印刷データと撮像データとの比較結果に基づき、スジ欠陥検出に適用される学習モデルを生成し得る。
　第３態様は、第１態様又は第２態様の印刷物検査装置において、学習モデルは、印刷データ及び撮像データを入力とし、撮像データの欠陥情報を出力とする通常学習データセットを用いる学習が実施される構成としてもよい。
　第３態様によれば、外乱が付与されていない撮像データ及び印刷データに基づく学習を実施し得る。これにより、学習モデルの基本性能を向上させ得る。
　第４態様は、第１態様から第３態様のいずれか一態様の印刷物検査装置において、撮像データ取得部は、インクジェット印刷装置を用いて生成された印刷物の撮像データを取得する構成としてもよい。
　第４態様によれば、インクジェット印刷装置を用いて生成された印刷物の欠陥検査を実施し得る。
　第５態様は、第４態様の印刷物検査装置において、検査処理部は、インクジェット印刷装置に具備される複数のノズルの配置方向と交差する方向に沿って生じる欠陥を表す欠陥情報を取得し、学習モデルは、複数のノズルの配置方向に撮像データの位置をずらす外乱を付与した外乱付与撮像データを用いる学習を実施する構成としてもよい。
　第５態様によれば、複数のノズルの配置方向と交差する方向に沿って生じるスジ欠陥の誤検出を抑制し得る。
　第６態様は、第５態様の印刷物検査装置において、学習モデルは、印刷データに対する撮像データの像構造の変化を外乱として付与した外乱付与撮像データを用いる学習を更に実施する構成としてもよい。
　第６態様によれば、印刷データに対する印刷物の像構造の変化に起因する欠陥の誤検出を抑制し得る。
　第７態様は、第６態様の印刷物検査装置において、学習モデルは、印刷装置における補正処理に起因する印刷データに対する撮像データの像構造の変化を外乱として付与した外乱付与撮像データを用いる学習を実施する構成としてもよい。
　第７態様によれば、印刷装置の補正処理に起因して生じる、印刷データに対する印刷物の像構造の変化に起因する欠陥の誤検出を抑制し得る。
　第８態様は、第７態様の印刷物検査装置において、学習モデルは、ノズルの不吐補正処理に起因して生じる印刷データに対する撮像データの像構造の変化を外乱として付与した外乱付与撮像データを用いる学習を実施する構成としてもよい。
　第８態様によれば、不吐補正処理に起因して生じる、印刷データに対する印刷物の像構造の変化に起因する欠陥の誤検出を抑制し得る。
　第９態様は、第６態様から第８態様のいずれか一態様の印刷物検査装置において、学習モデルは、印刷装置に適用される網種の種類に応じた印刷データに対する撮像データの像構造の変化を外乱として付与した外乱付与撮像データを用いる学習を実施する構成としてもよい。
　第９態様によれば、印刷装置に適用される網種の種類に応じて生じる、印刷データに対する印刷物の像構造の変化に起因する欠陥の誤検出を抑制し得る。
　第１０態様は、第６態様の印刷物検査装置において、学習モデルは、撮像データを生成する撮像装置に具備される撮像素子の個体差に応じて生じた印刷データに対する撮像データの像構造の変化を外乱として付与した外乱付与撮像データを用いる学習を実施する構成としてもよい。
　第１０態様によれば、撮像装置に具備される撮像素子の個体差に応じた印刷物に対する撮像データの像構造の変化に起因する欠陥の誤検出を抑制し得る。
　第１１態様は、第１０態様の印刷物検査装置において、学習モデルは、撮像データの輝度変化に応じた印刷データに対する撮像データの像構造の変化を外乱として付与した外乱付与撮像データを用いる学習を実施する構成としてもよい。
　第１１態様によれば、撮像データの輝度変化に応じた印刷物に対する撮像データの像構造の変化に起因する欠陥の誤検出を抑制し得る。
　第１２態様は、第６態様の印刷物検査装置において、学習モデルは、媒体の違いに応じた撮像データの輝度変化に応じた印刷データに対する撮像データの像構造の変化を外乱として付与した外乱付与撮像データを用いる学習を実施する構成としてもよい。
　第１２態様によれば、媒体の違い応じた印刷物に対する撮像データの像構造の変化に起因する欠陥の誤検出を抑制し得る。
　媒体の違いは、媒体の種類の違い及び媒体の個体の違いの両者を含み得る。
　第１３態様は、第６態様から第１２態様のいずれか一態様の印刷物検査装置において、学習モデルは、印刷部の周辺環境に応じたノイズに起因する印刷データに対する撮像データの像構造の変化を外乱として付与した外乱付与撮像データを用いる学習を実施する構成としてもよい。
　第１３態様によれば、印刷部の周辺環境に応じたノイズに起因して生じる、印刷データに対する印刷物の像構造の変化に起因する欠陥の誤検出を抑制し得る。
　第１４態様は、第１３態様の印刷物検査装置において、学習モデルは、印刷部の周辺環境として印刷部の周辺温度に応じたノイズに起因する印刷データに対する撮像データの像構造の変化を外乱として付与した外乱付与撮像データを用いる学習を実施する構成としてもよい。
　第１４態様によれば、印刷部の周辺温度に応じたノイズに起因して生じる、印刷データに対する印刷物の像構造の変化に起因する欠陥の誤検出を抑制し得る。
　第１５態様は、第１３態様又は第１４態様の印刷物検査装置において、学習モデルは、印刷部の周辺環境として印刷部の周辺湿度に応じたノイズに起因する印刷データに対する撮像データの像構造の変化を外乱として付与した外乱付与撮像データを用いる学習を実施する構成としてもよい。
　第１５態様によれば、印刷部の周辺湿度に応じたノイズに起因して生じる、印刷データに対する印刷物の像構造の変化に起因する欠陥の誤検出を抑制し得る。
　第１６態様は、第６態様から第１５態様のいずれか一態様の印刷物検査装置において、学習モデルは、一画素に適用されるインク量の規定量に対する変化に起因する印刷データに対する撮像データの像構造の変化を外乱として付与した外乱付与撮像データを用いる学習を実施する構成としてもよい。
　第１６態様によれば、インク量の異常に起因する印刷物の欠陥の誤検出を抑制し得る。
　第１７態様は、第６態様から第１６態様のいずれか一態様の印刷物検査装置において、学習モデルは、媒体の汚れに起因する印刷データに対する撮像データの像構造の変化を外乱として付与した外乱付与撮像データを用いる学習を実施する構成としてもよい。
　第１７態様によれば、媒体の汚れに起因する印刷物の欠陥の誤検出を抑制し得る。
　第１８態様は、第６態様から第１７態様のいずれか一態様の印刷物検査装置において、学習モデルは、印刷物に生じるむらに起因する印刷データに対する撮像データの像構造の変化を外乱として付与した外乱付与撮像データを用いる学習を実施する構成としてもよい。
　第１８態様によれば、印刷物に生じるむらに起因する印刷物の欠陥の誤検出を抑制し得る。
　第１９態様に係る印刷物検査方法は、印刷物を生成する際に印刷装置へ入力される印刷データを取得する印刷データ取得工程と、印刷物の撮像データを取得する撮像データ取得工程と、規定の位置合わせ精度を適用して印刷データと撮像データとの位置合わせを実施する位置合わせ処理工程と、位置合わせ処理工程において位置合わせ処理が実施された印刷データ及び撮像データを用いて、印刷データに基づき撮像データの欠陥情報を取得する検査処理工程と、を含み、検査処理工程は、撮像データから検出される欠陥候補と印刷物における欠陥との関係を学習した学習モデルが適用され、学習モデルは、印刷装置における印刷部と媒体との相対搬送方向と交差する方向に、位置合わせ精度の範囲で撮像データの位置をずらす外乱を付与した外乱付与撮像データを入力とし、外乱付与撮像データの欠陥情報を出力とする外乱付与学習データセットを用いて学習が実施される印刷物検査方法である。
　第１９態様によれば、第１態様と同様の効果を得ることができる。
　第１９態様において、第２態様から第１８態様で特定した事項と同様の事項を適宜組み合わせることができる。その場合、印刷物検査装置において特定される処理や機能を担う構成要素は、これに対応する処理や機能を担う印刷物検査方法の構成要素として把握することができる。
　第２０態様に係るプログラムは、コンピュータに、印刷物を生成する際に印刷装置へ入力される印刷データを取得する印刷データ取得機能、印刷物の撮像データを取得する撮像データ取得機能、規定の位置合わせ精度を適用して印刷データと撮像データとの位置合わせを実施する位置合わせ処理機能、及び位置合わせ処理部を用いて位置合わせ処理が実施された印刷データ及び撮像データを用いて、印刷データに基づき撮像データの欠陥情報を取得する検査処理機能を実現させるプログラムであって、検査処理機能は、撮像データから検出される欠陥候補と印刷物における欠陥との関係を学習した学習モデルが適用され、学習モデルは、印刷装置における印刷部と媒体との相対搬送方向と交差する方向に、位置合わせ精度の範囲で撮像データの位置をずらす外乱を付与した外乱付与撮像データを入力とし、外乱付与撮像データの欠陥情報を出力とする外乱付与学習データセットを用いて学習が実施されるプログラムである。
　第２０態様によれば、第１態様と同様の効果を得ることができる。
　第２０態様において、第２態様から第１８態様で特定した事項と同様の事項を適宜組み合わせることができる。その場合、印刷物検査装置において特定される処理や機能を担う構成要素は、これに対応する処理や機能を担うプログラムの構成要素として把握することができる。
　第２１態様に係る印刷装置は、印刷物を生成する際に適用される印刷データを取得する印刷データ取得部と、媒体搬送方向へ媒体を搬送する搬送部と、搬送部を用いて搬送される媒体に対して、印刷データに基づく印刷を実施する印刷部と、印刷物の撮像データを取得する撮像データ取得部と、規定の位置合わせ精度を適用して印刷データと撮像データとの位置合わせを実施する位置合わせ処理部と、位置合わせ処理部を用いて位置合わせ処理が実施された印刷データ及び撮像データを用いて、印刷データに基づき撮像データの欠陥情報を取得する検査処理部と、を備え、検査処理部は、撮像データから検出される欠陥候補と印刷物における欠陥との関係を学習した学習モデルが適用され、学習モデルは、印刷部と媒体との相対搬送方向と交差する方向に、位置合わせ精度の範囲で撮像データの位置をずらす外乱を付与した外乱付与撮像データを入力とし、外乱付与撮像データの欠陥情報を出力とする外乱付与学習データセットを用いて学習が実施される印刷装置である。
　第２１態様によれば、第１態様と同様の効果を得ることができる。
　第２１態様において、第２態様から第１８態様で特定した事項と同様の事項を適宜組み合わせることができる。その場合、印刷物検査装置において特定される処理や機能を担う構成要素は、これに対応する処理や機能を担う印刷装置の構成要素として把握することができる。
　本発明によれば、印刷装置における印刷部と媒体との相対搬送方向と交差する方向について、印刷データと撮像データとの位置合わせ精度の範囲で印刷データに対する撮像データの位置をずらす外乱を付与した外乱付与撮像データを用いた学習を実施した学習モデルを用いて、印刷物の欠陥を検出する印刷物検査を実施する。これにより、媒体搬送方向に沿って発生する欠陥の検出における誤検出を抑制し得る。
図１は印刷物検査装置の機能ブロック図である。 図２は図１に示す検査処理部に適用される深層学習モデルの説明図である。 図３は図１に示す印刷物検査装置に適用される印刷物検査方法の手順を示すフローチャートである。 図４は図１に示す印刷物検査装置を具備する印刷装置の全体構成図である。 図５は図４に示す印刷装置の機能ブロック図である。 図６はラインヘッドが適用される印刷部の構成図である。 図７は図６に示すラインヘッドの構成例を示す斜視図である。 図８は図７に示すラインヘッドのノズル面の拡大図である。 図９は図７に示すラインヘッドのノズル配置例を示す平面図である。 図１０はシリアルヘッドが適用される印刷部の構成図である。 図１１は図１０に示すシリアルヘッドのノズル面の拡大図である。 図１２はラインヘッドが適用される印刷部を用いて生成される印刷物におけるスジ欠陥の説明図である。 図１３はシリアルヘッドが適用される印刷部を用いて生成される印刷物におけるスジ欠陥の説明図である。 図１４は深層学習モデルの説明図である。 図１５は図１４に示す深層学習モデルに適用される学習方法の手順を示すフローチャートである。 図１６は応用例に係る深層学習モデルの説明図である。
　以下、添付図面に従って本発明の好ましい実施の形態について詳説する。本明細書では、同一の構成要素には同一の参照符号を付して、重複する説明は適宜省略する。
　［印刷物検査装置］
　〔全体構成〕
　図１は印刷物検査装置の機能ブロック図である。印刷物は用紙に印刷が実施され用紙の印刷領域に画像が形成された状態の用紙を表す。印刷物は乾燥処理等の後処理が実施された用紙Ｐを含み得る。なお、用紙は符号Ｐを付して図４に図示する。
　印刷物検査装置１０は、撮像データ取得部１２、印刷データ取得部１４、位置合わせ処理部１５、検査処理部１６及び出力部１８を備える。印刷物検査装置１０は、検査対象の印刷物の欠陥情報を出力する。
　撮像データ取得部１２は、印刷装置を用いて印刷された印刷物を、撮像装置を用いて撮像し、印刷物の撮像データを生成する。撮像装置はスキャナを適用し得る。撮像データはビットマップ形式のデジタルデータ等を適用し得る。
　印刷データ取得部１４は、印刷データを取得する。印刷データは、印刷装置を用いて印刷物を生成する際に印刷装置へ入力されるデジタルデータである。印刷データの例として、ＲＩＰデータ、ＰＤＦ形式のデジタルデータ及びＴＩＦＦ形式のデジタルデータが挙げられる。なお、ＲＩＰはRaster Image Processorの省略語である。ＰＤＦはPortable Document Formatの省略語である。ＴＩＦＦはTagged Image File Formatの省略語である。
　位置合わせ処理部１５は、印刷データと撮像データとの位置合わせ処理を実施する。位置合わせ処理は、公知の処理を適用しうる。位置合わせ処理部１５は位置合わせ処理後のデータを検査処理部１６へ送信する。
　検査処理部１６は、撮像データ及び印刷データを入力とし、撮像データと印刷データとを比較して印刷物の欠陥情報を生成する、検査処理を実施する。印刷物の欠陥情報は、欠陥の有無、欠陥の位置及び欠陥の認識強度値の少なくともいずれかを適用し得る。
　検査処理部１６は深層学習モデル２０を適用し得る。深層学習モデル２０は複数のレイヤ構造を有する。深層学習モデル２０は複数のレイヤに対応する複数の重みパラメータを保持する。
　深層学習モデル２０は、重みパラメータを初期値から最適値へ更新し、未学習モデルから学習済みモデルへ変化し得る。深層学習モデル２０は、学習済みモデルに対して再学習を実施してもよい。なお、実施形態に記載の深層学習モデルは学習モデルの一例に相当する。
　出力部１８は、印刷物検査の結果として印刷物の欠陥情報を出力する。出力部１８は視覚的出力形態を適用し得る。視覚的出力形態の例として、欠陥情報を表す文字情報等を表示装置へ表示させる態様が挙げられる。出力部１８は聴覚的出力形態を適用し得る。聴覚的出力形態の例として、欠陥情報を表す音声出力が挙げられる。
　〔深層学習モデル〕
　図２は図１に示す検査処理部に適用される深層学習モデルの説明図である。図２には、深層学習モデルの一例として畳み込みニューラルネットワークを示す。畳み込みニューラルネットワークはＣＮＮ（Convolutional Neural Network）と呼ばれる場合がある。
　深層学習モデル２０は入力層３０、中間層３２及び出力層３４を含む。入力層３０、中間層３２及び出力層３４はそれぞれ、エッジを用いて複数のノードが結ばれる構造を有する。
　中間層３２は、畳み込み層４０及びプーリング層４２を一セットとする複数セットを含む。中間層３２は全結合層４４を含む。中間層３２は、入力層３０を介して入力された撮像データ及び印刷データから特徴を抽出する。中間層３２は、撮像データの特徴と印刷データの特徴とを比較して、印刷物の欠陥を検出する。
　畳み込み層４０は、前の層で近くにあるノードに対して規定のフィルタサイズのフィルタを使用した畳み込み演算を実施し、特徴マップを生成する。畳み込み層４０は撮像データ及び印刷データからエッジ抽出等の特徴抽出の役割を担う。
　プーリング層４２は、畳み込み層４０から出力された特徴マップを規定のプーリングサイズを適用して縮小して新たな特徴マップを生成する。プーリング層４２は抽出された特徴が平行移動等に起因する影響を受けないように、ロバスト性を与える役割を担う。全結合層４４は、直前の層のノードを全て結合する。
　中間層３２は、畳み込み層４０及びプーリング層４２を一セットとする場合に限らず、畳み込み層４０が連続する場合があってもよい。また、中間層３２は正規化層が含まれていてもよい。
　出力層３４は、印刷物の欠陥情報を含む印刷物検査結果を出力する。深層学習モデル２０は、印刷物の欠陥の有無を分類する場合、欠陥情報は、欠陥有及び欠陥無のそれぞれに対応するスコアを出力し得る。スコアの合計は１００パーセントとなる。
　本実施形態では、深層学習モデル２０として畳み込みニューラルネットワークを例示したが、深層学習モデル２０は、任意の画像データから特徴を抽出可能な学習モデルを適用し得る。
　〔印刷物検査方法の手順〕
　図３は図１に示す印刷物検査装置に適用される印刷物検査方法の手順を示すフローチャートである。撮像データ取得工程Ｓ１０では、図１に示す撮像データ取得部１２は撮像データを取得する。撮像データ取得工程Ｓ１０の後に印刷データ取得工程Ｓ１２へ進む。
　印刷データ取得工程Ｓ１２では、印刷データ取得部１４は印刷データを取得する。印刷データ取得工程Ｓ１２の後に位置合わせ処理工程Ｓ１３へ進む。なお、印刷データ取得工程Ｓ１２は撮像データ取得工程Ｓ１０の実施前に実施されてもよいし、撮像データ取得工程Ｓ１０の実施中に実施されてもよい。
　位置合わせ処理工程Ｓ１３では、位置合わせ処理部１５は印刷データと撮像データとの位置合わせ処理を実施する。位置合わせ処理工程Ｓ１３の後に検査処理工程Ｓ１４へ進む。
　検査処理工程Ｓ１４では、検査処理部１６は撮像データと印刷データとの比較結果に基づき印刷物の欠陥の有無を識別し、欠陥情報を生成する。検査処理工程Ｓ１４の後に出力工程Ｓ１６へ進む。
　出力工程Ｓ１６では、出力部１８は検査結果として印刷物の欠陥情報を出力する。出力工程Ｓ１６において検査結果が出力された後に、印刷物検査装置１０は印刷物検査方法を終了する。
　［印刷物検査装置を具備する印刷装置の構成例］
　〔全体構成〕
　図４は図１に示す印刷物検査装置を具備する印刷装置の全体構成図である。本実施形態では、印刷装置１００として、インクジェット方式が適用されるインクジェット印刷装置を例示する。図４に示す符号Ｙは用紙Ｐの搬送方向を示す。符号Ｚは鉛直上方向を表す。以下の説明においても同様である。なお、以下の説明において、用紙Ｐの搬送方向を用紙搬送方向と記載する場合がある。実施形態に記載の用紙搬送方向は媒体搬送方向の一例に相当する。
　印刷装置１００は、搬送部１１０、印刷部１２０、撮像部１３０、乾燥部１４０、選別部１５０及び排紙部１６０を備える。印刷装置１００は用紙Ｐへカラー画像を印刷し、印刷物を生成する。
　〔搬送部〕
　搬送部１１０は、給紙部から給紙された用紙Ｐを用紙搬送方向に沿って搬送する。搬送部１１０は、従動ローラ１１２、駆動ローラ１１４及び搬送ベルト１１６を備える。なお、給紙部の図示は省略する。
　駆動ローラ１１４は、水平方向に延びる回転軸を有し、回転軸が回転自在に軸支されている。従動ローラ１１２は、駆動ローラ１１４の回転軸と平行な回転軸を有し、回転軸が回転自在に軸支されている。なお、駆動ローラ１１４の回転軸及び従動ローラ１１２の回転軸の図示は省略する。
　搬送ベルト１１６は、ステンレス製の無端状のベルトを適用し得る。これにより、用紙Ｐの平坦性を良好に保つことができる。搬送ベルト１１６は、駆動ローラ１１４と従動ローラ１１２とに架け渡されている。
　駆動ローラ１１４の回転軸は、モータの回転軸と連結される。モータの回転に応じて、駆動ローラ１１４は図４における反時計回りに回転する。従動ローラ１１２は、駆動ローラ１１４の回転に従動して同図における反時計回りに回転する。従動ローラ１１２と駆動ローラ１１４との回転に応じて、搬送ベルト１１６は従動ローラ１１２と駆動ローラ１１４との間を走行経路に沿って走行する。なお、モータの図示は省略する。
　搬送ベルト１１６の搬送面には、給紙部から供給された用紙Ｐが載置される。搬送部１１０は、搬送ベルト１１６に載置された用紙Ｐを従動ローラ１１２から駆動ローラ１１４に向かう搬送経路に沿って搬送し、排紙部１６０へ受け渡す。用紙Ｐの搬送経路において、印刷部１２０、撮像部１３０、乾燥部１４０及び選別部１５０のそれぞれに対向する位置において、用紙Ｐは印刷面を水平に保持されて搬送される。
　搬送ベルト１１６は複数の吸着穴が形成される。複数の吸着穴はポンプを用いて吸引される。これにより、搬送ベルト１１６の搬送面に載置された用紙Ｐを搬送面に吸着保持し得る。なお、複数の吸着穴及びポンプの図示は省略する。
　〔印刷部〕
　印刷部１２０は、印刷データに基づいて用紙Ｐに対して印刷を実施し、印刷物を生成する。印刷部１２０は、インクジェットヘッド１２２Ｃ、インクジェットヘッド１２２Ｍ、インクジェットヘッド１２２Ｙ及びインクジェットヘッド１２２Ｋを備える。インクジェットヘッド１２２Ｃは、シアンのインクを用いて印刷を実施する。
　同様に、インクジェットヘッド１２２Ｍ、インクジェットヘッド１２２Ｙ、インクジェットヘッド１２２Ｋのそれぞれは、マゼンタインク、イエローインク及びブラックインクを用いて印刷を実施する。
　インクジェットヘッド１２２Ｃ、インクジェットヘッド１２２Ｍ、インクジェットヘッド１２２Ｙ及びインクジェットヘッド１２２Ｋのそれぞれは、搬送ベルト１１６を用いて支持される用紙Ｐの搬送経路に沿って一定の間隔をおいて配置される。
　インクジェットヘッド１２２Ｃ、インクジェットヘッド１２２Ｍ、インクジェットヘッド１２２Ｙ及びインクジェットヘッド１２２Ｋのそれぞれは、用紙搬送方向に沿って上記の順に配置される。なお、インクジェットヘッド１２２Ｃ等の配置順は上記に限定されない。
　〔撮像部〕
　撮像部１３０は、印刷済みの用紙Ｐを撮像する。撮像部１３０は、用紙搬送方向について印刷部１２０の下流側の位置に配置される。撮像部１３０は、スキャナ１３２を備える。スキャナ１３２は、用紙Ｐに印刷された画像を光学的に読み取り、印刷画像の撮像データを生成する。
　スキャナ１３２は、印刷画像の光学像を電気信号に変換する撮像デバイスを備える。撮像デバイスは、ＣＣＤイメージセンサ及びＣＭＯＳイメージセンサ等を適用し得る。なお、ＣＣＤはcharge coupled deviceの省略語である。ＣＭＯＳはcomplementary metal oxide semiconductorの省略語である。
　スキャナ１３２は、照明装置及び信号処理回路を備える。照明装置は光源及び光学系を備える。照明装置は撮像対象に照明光を照射する。信号処理回路は撮像デバイスの出力信号に対して、ノイズ除去及び増幅等の信号処理を実施する。なお、撮像デバイス、照明装置及び信号処理回路の図示は省略する。
　撮像部１３０を用いて取得した撮像データは、印刷部１２０の補正及び用紙Ｐに印刷された画像の欠陥検出等に利用し得る。すなわち、撮像部１３０は印刷物検査装置の構成要素として機能する。なお、印刷済みの用紙Ｐは印刷物と同義である。以下の説明においても同様である。
　〔乾燥部〕
　乾燥部１４０は、印刷物に対して乾燥処理を実施する。乾燥部１４０は、用紙搬送方向について撮像部１３０の下流側の位置に配置される。乾燥部１４０は、ヒータ１４２を備える。
　ヒータ１４２は、ハロゲンヒータ及び赤外線ヒータ等を適用し得る。ヒータ１４２は、印刷物を加熱し、印刷物を乾燥させる。乾燥部１４０は、ファン及びブロア等の送風装置を備え得る。
　〔選別部〕
　選別部１５０は、印刷物の検査結果に応じて、印刷物を選別する。選別部１５０は、用紙搬送方向における乾燥部１４０の下流側の位置に配置される。選別部１５０は、スタンパ１５２を備える。
　スタンパ１５２は、印刷物の検査結果に応じて、不良品印刷物の先端エッジにインクを付着させるスタンプ処理を実施する。スタンパ１５２を用いたスタンプ処理に代わり、不良品印刷物へ付箋を貼り付ける処理を適用し得る。
　〔排紙部〕
　排紙部１６０は、印刷物を回収する。排紙部１６０は、用紙搬送方向における選別部１５０の下流側の位置であり、搬送部１１０の搬送経路の終点位置に配置される。排紙部１６０は、排紙台１６２を備える。
　排紙台１６２は、印刷物を積み重ねて載置する。排紙台１６２は、前用紙当て、後用紙当て及び横用紙当てを備える。排紙台１６２は印刷物の位置及び向きを調整し、印刷物を積み重ねる。
　排紙台１６２は、昇降装置を備え得る。昇降装置は排紙台１６２を昇降可能に配置される。昇降装置は、排紙台１６２に積載される印刷物の増減に連動して昇降が制御される。これにより、排紙台１６２に積載される印刷物のうち最上位置の印刷物が、常に規定の高さに位置する。
　〔印刷装置に適用される用紙について〕
　用紙Ｐは、印刷用紙等の紙媒体を適用し得る。用紙Ｐはフィルム状の樹脂及びフィルム状の金属など、紙以外の材料を用いた媒体を適用し得る。用紙Ｐは、印刷媒体及び記録媒体などと呼ばれることがある。
　〔印刷装置の機能ブロック〕
　図５は図４に示す印刷装置の機能ブロック図である。印刷装置１００は、ユーザインターフェース１７０及び記憶部１７２を備える。印刷装置１００は統括制御部１７４、搬送制御部１７６、印刷制御部１７８、撮像制御部１８０、乾燥制御部１８２、選別制御部１８４及び排紙制御部１８６を備える。
　ユーザインターフェース１７０は、入力部及び表示部を備える。入力部はオペレータが各種情報を入力する際に用いられる操作パネルを備える。表示部はオペレータが参照する各種情報が表示される。表示部はディスプレイ装置を適用し得る。なお、入力部及び表示部の図示は省略する。
　記憶部１７２は、印刷装置１００の制御に適用されるプログラム及びプログラムの実行に必要な各種のパラメータ等が記憶される。記憶部１７２は、ハードディスク等の磁気記憶媒体及び半導体記憶媒体等の非一時的記憶媒体を適用し得る。
　統括制御部１７４は、記憶部１７２から読み出されたプログラム及び各種パラメータを用いて、印刷装置１００の全体の動作を統括制御する。すなわち、統括制御部１７４は、各制御部へ制御の内容を表す指令信号を送信する。
　搬送制御部１７６は、統括制御部１７４から送信される指令信号に基づき、搬送部１１０の動作を制御する。搬送制御部１７６は、用紙Ｐの給紙及び排紙、用紙Ｐの搬送速度を制御する。なお、ここでいう速度は、速度の絶対値を表す速さの概念を含み得る。以下の説明においても同様である。
　印刷制御部１７８は、統括制御部１７４から送信される指令信号に基づき、印刷部１２０の動作を制御する。印刷制御部１７８は画像処理部を備える。画像処理部は印刷データに対して色分解処理、補正処理及びハーフトーン処理等の画像処理を実施する。補正処理はガンマ補正及び濃度補正等の各種補正を適用し得る。
　印刷制御部１７８は、不吐ノズル情報を参照し、インクジェットヘッド１２２Ｃ等の不吐補正処理を実施する。不吐補正処理では、不吐ノズルの近傍位置の正常ノズルを用いて、不吐ノズルの代替打滴が実施される。ここでいう不吐ノズルは、正常なインク吐出を実施できない異常ノズルが含まれ得る。
　印刷制御部１７８は、駆動電圧生成部を備える。駆動電圧生成部は、インクジェットヘッド１２２Ｃ等の吐出タイミング及びインク吐出量を規定する駆動電圧を生成する。印刷制御部１７８は駆動電圧供給部を備える。駆動電圧供給部はインクジェットヘッド１２２Ｃ等へ駆動電圧を供給する。
　撮像制御部１８０は、統括制御部１７４から送信される指令信号に基づき、撮像部１３０の動作を制御する。撮像制御部１８０は、スキャナ１３２の撮像領域を印刷物が通過する期間において、スキャナ１３２を用いて印刷物の読み取りを実施する。
　乾燥制御部１８２は、統括制御部１７４から送信される指令信号に基づき、乾燥部１４０の動作を制御する。乾燥制御部１８２は、予め設定される乾燥条件に基づき、ヒータ１４２の動作を制御する。これにより、乾燥部１４０はヒータ１４２の加熱処理領域を通過する印刷物を加熱する。
　選別制御部１８４は、統括制御部１７４から送信される指令信号に基づき、選別部１５０の動作を制御する。選別制御部１８４は、印刷物検査装置１０から出力される印刷物の欠陥情報に基づき印刷物を良品と不良品とに分類する。選別制御部１８４は、スタンパ１５２のスタンプ処理領域を通過する印刷物に対して、印刷物が不良品の場合にスタンパ１５２を動作させてスタンプ処理を実施する。
　排紙制御部１８６は、統括制御部１７４から送信される指令信号に基づき、排紙部１６０に具備される排紙台１６２を用いた印刷物の積載を制御する。排紙台１６２に排紙され積載された印刷物が不良品の場合、印刷物の先端エッジにインクが付着している。オペレータは、排紙台１６２に積載された印刷物の中から不良品を特定し得る。
　印刷装置１００は印刷物検査装置１０を備える。統括制御部１７４は、印刷物検査装置１０を制御する。印刷物検査装置１０に具備される撮像データ取得部１２は、撮像データとしてスキャナ１３２の出力信号を取得し得る。印刷物検査装置１０に具備される印刷データ取得部１４は印刷データを取得する。
　統括制御部１７４は、印刷物検査装置１０から印刷物の欠陥情報を取得する。統括制御部１７４は、印刷物検査装置１０から取得した印刷物の欠陥情報を、選別制御部１８４へ送信する。選別制御部１８４は印刷物の欠陥情報を利用して、印刷物の選別制御を実施する。
　［印刷装置及び印刷物検査装置のハードウェア構成］
　図１及び図５に示す各処理部は、以下に説明するハードウェアを用いて、規定のプログラムを実行して規定の機能を実現し得る。各処理部のハードウェアは、各種のプロセッサを適用し得る。プロセッサの例として、ＣＰＵ（Central Processing Unit）及びＧＰＵ（Graphics Processing Unit）が挙げられる。ＣＰＵはプログラムを実行して各処理部として機能する汎用的なプロセッサである。ＧＰＵは画像処理に特化したプロセッサである。プロセッサのハードウェアは、半導体素子等の電気回路素子を組み合わせた電気回路が適用される。各制御部は、プログラム等が記憶されるＲＯＭ（Read Only Memory）及び各種演算の作業領域等であるＲＡＭ（Random Access Memory）を備える。
　一つの処理部に対して二つ以上のプロセッサを適用してもよい。二つ以上のプロセッサは、同じ種類のプロセッサでもよいし、異なる種類のプロセッサでもよい。また、複数の処理部に対して一つのプロセッサを適用してもよい。
　［印刷部の具体例］
　次に、図４に示す印刷部１２０の具体例について説明する。
　〔ラインヘッドを備える印刷部〕
　図６はラインヘッドが適用される印刷部の構成図である。図６に示すインクジェットヘッド１２２Ｃは、用紙搬送方向と直交する用紙幅方向について、用紙Ｐの全長に対応する長さに渡ってノズルが配置されるラインヘッドが適用される。インクジェットヘッド１２２Ｍ、インクジェットヘッド１２２Ｙ及びインクジェットヘッド１２２Ｋについても同様である。なお、図６に示す符号Ｘは用紙幅方向を示す。以下の説明においても同様である。
　ここで、本明細書における直交という用語は、二方向が９０度未満で交差する場合、又は二方向が９０度を超えて交差する場合において、二方向が直交する場合と同様の作用効果を得ることができる実質的な直交を含み得る。平行という用語についても、直交と同様に実質的な平行を含み得る。
　図７は図６に示すラインヘッドの構成例を示す斜視図である。以下の説明では、インクジェットヘッド１２２Ｃ、インクジェットヘッド１２２Ｍ、インクジェットヘッド１２２Ｙ及びインクジェットヘッド１２２Ｋを総称してインクジェットヘッド１２２と呼ぶ。
　図７に示すインクジェットヘッド１２２は、インクジェットヘッド１２２の長手方向について、複数のヘッドモジュール１２４が一列に並べられた構造を有している。インクジェットヘッド１２２の長手方向は、インクジェットヘッド１２２が印刷装置１００へ搭載された状態における用紙幅方向に対応する。
　複数のヘッドモジュール１２４は支持フレーム１２６を用いて一体化されて支持される。ヘッドモジュール１２４はノズル面１２５の側と反対側にフレキシブル基板１２８が取り付けられる。
　ラインヘッドは、フルラインヘッド、ライン型ヘッド及びページワイドヘッドとも呼ばれる。図７に示すラインヘッドの構成は一例である。ラインヘッドは複数のヘッドモジュール１２４を備える態様に限定されない。また、複数のヘッドモジュール１２４の配置は図７に示す態様に限定されない。
　図８は図７に示すラインヘッドのノズル面の拡大図である。ヘッドモジュール１２４のノズル面１２５は、平行四辺形状とされる。支持フレーム１２６の両端は、ダミープレート１２７が取り付けられる。インクジェットヘッド１２２のノズル面１２５は、ダミープレート１２７の表面１２７Ａと合わせて、全体として長方形の形状となる。
　ヘッドモジュール１２４のノズル面１２５の中央部分には、帯状のノズル配置部１２５Ａが具備される。ノズル配置部１２５Ａは、実質的なノズル面１２５として機能する。ノズルはノズル配置部１２５Ａに備えられる。なお、図８ではノズルを個別に図示せず、複数のノズルから構成されるノズル列１２９Ａを図示する。
　図９は図７に示すラインヘッドのノズル配置例を示す平面図である。ヘッドモジュール１２４のノズル面１２５には、二次元配置が適用されて複数のノズル開口１２９Ｂが配置される。
　ヘッドモジュール１２４は、用紙幅方向に対して角度βの傾きを有するＶ方向に沿った長辺側の端面と、用紙搬送方向に対して角度αの傾きを持つＷ方向に沿った短辺側の端面とを有する平行四辺形の平面形状とされる。
　ヘッドモジュール１２４は、Ｖ方向に沿う行方向、及びＷ方向に沿う列方向について、複数のノズル開口１２９Ｂがマトリクス配置される。ノズル開口１２９Ｂは、用紙幅方向に沿う行方向、及び用紙幅方向に対して斜めに交差する列方向に沿って配置されてもよい。
　複数のノズル１２９がマトリクス配置されるインクジェットヘッドの場合、マトリクス配置における各ノズル１２９をノズル列方向に沿って投影した投影ノズル列は、ノズル列方向について最大の記録解像度を達成する密度で各ノズル１２９が概ね等間隔で並ぶ一列のノズル列と等価なものと考えることができる。投影ノズル列は、二次元ノズル配置における各ノズル１２９をノズル列方向に沿って正射影したノズル列である。
　概ね等間隔とは、印刷装置１００において記録可能な打滴点として実質的に等間隔であることを意味している。例えば、製造上の誤差、及び着弾干渉による基材上での液滴の移動の少なくともいずれか一方を考慮して僅かに間隔を異ならせたものなどが含まれている場合も、等間隔の概念に含まれる。投影ノズル列は実質的なノズル列に相当する。投影ノズル列を考慮すると、ノズル列方向に沿って並ぶ投影ノズルの並び順に、各ノズルにノズル位置を表すノズル番号を対応付けることができる。なお、図９では投影ノズル列の図示は省略する。投影ノズル列は符号１２９Ｂを付して図１２に図示する。
　インクジェットヘッド１２２のノズル１２９の配置形態は限定されず、様々なノズル１２９の配置形態を採用することができる。例えば、マトリクス状の二次元配置の形態に代えて、一列の直線配置、Ｖ字状のノズル配置、及びＶ字状配置を繰り返し単位とするＷ字状などのような折れ線状のノズル配置なども可能である。なお、ノズル１２９は、図９に示すノズル開口１２９Ｂが含まれる。上記したノズル１２９の配置はノズル開口１２９Ｂの配置と読み替えてもよい。以下の説明においても同様である。
　ノズル１２９は、複数のノズル開口１２９Ｂ及び複数のノズル開口１２９Ｂのそれぞれと連通する流路を備える。インクジェットヘッド１２２は、複数のノズル１２９のそれぞれに対応する加圧素子を備える。加圧素子は圧電素子及び加熱素子を適用し得る。なお、流路、圧電素子及び加熱素子の図示は省略する。
　すなわち、インクジェットヘッド１２２は、加圧素子として圧電素子を備えるピエゾジェット方式を適用し得る。インクジェットヘッド１２２は、加圧素子として加熱素子を備えるサーマル方式を適用し得る。以下に説明するシリアルヘッドについても同様である。
　〔シリアルヘッドを備える印刷部〕
　図１０はシリアルヘッドが適用される印刷部の構成例を示す構成図である。図１０に示すインクジェットヘッド２２２Ｃ、インクジェットヘッド２２２Ｍ、インクジェットヘッド２２２Ｙ及びインクジェットヘッド２２２Ｋは、用紙搬送方向に沿って複数のノズルが配置されるシリアルヘッドが適用される。なお、図１０では、複数のノズルの図示を省略する。複数のノズルは符号２２９を付して図１１に図示する。
　インクジェットヘッド２２２Ｃ、インクジェットヘッド２２２Ｍ、インクジェットヘッド２２２Ｙ及びインクジェットヘッド２２２Ｋは、用紙幅方向に沿って往復移動するキャリッジ２００に搭載される。キャリッジ２００は、ガイド２０２を用いて用紙幅方向に沿って往復移動可能に支持される。
　シリアルヘッドを備える印刷部２２０は、キャリッジを一回以上走査させて、用紙搬送方向に一定の長さを有する一パスの印刷を実施し、一パスの印刷に応じて用紙を搬送させて複数パスの印刷を実施し、一つの画像を印刷する。
　図１１は図１０に示すシリアルヘッドのノズル面の拡大図である。以下の説明では、インクジェットヘッド２２２Ｃ、インクジェットヘッド２２２Ｍ、インクジェットヘッド２２２Ｙ及びインクジェットヘッド２２２Ｋを総称してインクジェットヘッド２２２と呼ぶ。
　インクジェットヘッド２２２は、長手方向に沿って複数のノズル開口２２９Ｂが配置される。図１１には複数のノズル開口２２９Ｂが一列に配置され得る態様を例示したが、複数のノズル開口２２９Ｂを二列にジグザクに配置してもよい。
　図１１の符号２３０は、ノズル開口２２９Ｂと連通する圧力室を表す。ノズル開口２２９Ｂは流路を介して圧力室２３０と連通する。インクジェットヘッド２２２は、圧力室２３０へ収容されるインクを加圧して、ノズル開口からインク液滴を吐出させる。なお、符号２２９はノズルを示す。
　［印刷物に生じるスジ欠陥の説明］
　印刷物の欠陥の一例としてスジ欠陥が挙げられる。スジ欠陥は、ノズルの吐出異常に起因して、複数のノズルが配置される方向と直交する方向に沿って発生し得る。視認されるスジ欠陥は、印刷物の品質を低下させる。吐出異常が発生したノズルに起因して、スジ欠陥が発生する。以下に、印刷方式ごとのスジ欠陥について説明する。
　〔ラインヘッドの場合〕
　図１２はラインヘッドが適用される印刷部を用いて生成される印刷物におけるスジ欠陥の説明図である。符号１２９Ｃは、図９に示すマトリクス配置されたノズル１２９を用紙幅方向に投影した投影ノズル列を示す。図１２に示す投影ノズル列１２９Ｃは、図９に示すマトリクス配置されたノズル１２９の実質的なノズル配置である。
　ノズル１２９Ｄは不吐ノズルである。用紙Ｐに画像が印刷された印刷物２４０は、ノズル１２９Ｄの印刷位置にスジ欠陥２４２が発生している。なお、印刷物２４０の画像の図示は省略する。ラインヘッドを用いた印刷では、用紙搬送方向に対して平行であり、用紙搬送方向についてノズル１２９Ｄの印刷範囲に対応する長さを有するスジ欠陥２４２が発生し得る。なお、ラインヘッドを備える場合における用紙搬送方向は、印刷部と媒体との相対搬送方向の一例に相当する。
　〔シリアルヘッドの場合〕
　図１３はシリアルヘッドが適用される印刷部を用いて生成される印刷物におけるスジ欠陥の説明図である。図１３に示す複数のノズル２２９は、図１１に示す複数のノズル開口２２９Ｂに対応する。符号２２９Ａは複数のノズル２２９を構成要素とするノズル列を示す。
　ノズル２２９Ｄは不吐ノズルである。用紙Ｐに画像が印刷された印刷物２５０は、ノズル２２９Ｄの印刷位置にスジ欠陥２５２が発生している。なお、印刷物２５０の画像の図示は省略する。スジ欠陥２５２は、図１０に示すキャリッジ２００の走査方向に対して平行であり、キャリッジ２００の走査方向についてノズル１２９Ｄの印刷範囲に対応する長さを有している。なお、シリアルヘッドを備える場合におけるキャリッジ２００の走査方向は、印刷部と媒体との相対搬送方向の一例に相当する。
　［深層学習モデルの詳細な説明］
　図１４は深層学習モデルの説明図である。本実施形態に示す深層学習モデル２０は、外乱を加えた外乱付与学習データセット２６２を用いて学習を実施する。これにより、外乱に対するロバスト性が得られる。検査対象の欠陥を印刷物に発生するスジ欠陥とし、外乱はスジ欠陥と直交する方向における印刷データに対する撮像データの位置合わせずれとする。
　一般に、印刷データと撮像データとの位置合わせは、探査範囲内で画素をずらした際に誤差が最小となる位置を求めるマッチング手法が適用される。位置合わせ処理の精度と位置合わせの処理の期間はトレードオフの関係になりやすい。印刷物検査装置１０において、リアルタイムに印刷物検査が実施される際に、検査期間の制限に応じて位置合わせの処理の期間が制限され、位置合わせ精度の維持が困難になり得る。
　一方、位置合わせの処理の期間が制限されない場合でも、完全な位置合わせは困難であり、わずかに位置ずれが発生し得る。このような場合、理想的な位置合わせ処理がされた学習データのみを学習に使用すると、位置合わせ処理の誤差に対するロバスト性が得られず、バーコード及び格子等のスジ欠陥に類似する像構造を有する絵柄における位置ずれをスジ欠陥とて誤検出しやすくなる。
　そこで、本実施形態に示す深層学習モデル２０の学習には、スジ欠陥の方向と直交する方向について、印刷データに対して意図的に位置をずらした撮像データを学習データに適用し、位置ずれに対するロバスト性を得ている。
　すなわち、図１４に示す深層学習モデル２０の学習では、通常学習データセット２６０及び外乱付与学習データセット２６２が入力される。深層学習モデル２０は欠陥正解データ２６４が入力される。欠陥正解データ２６４は、通常学習データセット２６０及び外乱付与学習データセット２６２に含まれる。
　深層学習モデル２０の学習では、通常学習データセット２６０及び外乱付与学習データセット２６２を入力とし、それぞれの欠陥情報が出力される。誤差算出部３５は、出力層３４から出力された欠陥情報と欠陥正解データ２６４とを比較し、誤差情報を出力する。
　誤差情報はパラメータ更新部３７へ送信される。パラメータ更新部３７は誤差情報に基づき中間層３２に適用されるパラメータを更新する。深層学習モデル２０は規定の精度が達成されるまで学習を実施する。
　通常学習データセット２６０は、印刷データ及び撮像データが含まれる。通常学習データセット２６０は、上記した理想的な位置合わせがされた学習データに対応する。外乱付与学習データセット２６２は、印刷データ及び外乱付与撮像データが含まれる。外乱付与撮像データは、印刷データに対してスジ欠陥の方向に対して直交する方向に位置をずらした撮像データである。なお、外乱付与学習データセット２６２の印刷データは、通常学習データセット２６０の印刷データを適用し得る。
　外乱付与撮像データは、印刷データと撮像データとの位置合わせ処理において最大で三画素のずれが発生する場合に、一画素から三画素までの間で一画素ずつ位置をずらして生成される。すなわち、外乱付与撮像データは、印刷データと撮像データとの位置合わせ精度の範囲で、段階的に印刷データに対して撮像データの位置をずらして生成される。本実施形態に示す外乱付与学習データセット２６２の取得は、撮像データから外乱付与撮像データを生成する外乱付与学習データセット２６２の生成を含み得る。
　深層学習モデル２０は、外乱付与学習データセット２６２を適用した学習を実施して、印刷データと撮像データとの位置ずれに対するロバスト性を得ている。これにより、印刷データと撮像データとの位置ずれに起因するスジ欠陥の誤検出を回避し得る。また、スジ欠陥の検出精度を落して印刷物検査の高速化を達成し得る。
　通常学習データセット２６０及び外乱付与学習データセット２６２は、印刷データが含まれる。印刷物の欠陥情報は、撮像データに生じるが印刷データには生じない。欠陥構造を抽出する学習を実施する際に、撮像データのみを用いると欠陥構造と類似する絵柄構造を欠陥構造と認識してしまう可能性がある。そこで、通常学習データセット２６０及び外乱付与学習データセット２６２に印刷データを含めることで、深層学習モデル２０の性能向上が可能となる。
　なお、実施形態に記載の深層学習モデル２０は、撮像データから検出される欠陥候補と印刷物における欠陥との関係を学習した学習モデルの一例に相当する。
　〔学習方法の手順〕
　図１５は図１４に示す深層学習モデルに適用される学習方法の手順を示すフローチャートである。通常学習データセット取得工程Ｓ１００では、入力層３０は通常学習データセット２６０を取得する。通常学習データセット取得工程Ｓ１００の後に外乱付与学習データセット取得工程Ｓ１０２へ進む。
　外乱付与学習データセット取得工程Ｓ１０２では、入力層３０は外乱付与学習データセット２６２を取得する。外乱付与学習データセット取得工程Ｓ１０２の後に欠陥正解データ取得工程Ｓ１０４へ進む。
　なお、外乱付与学習データセット取得工程Ｓ１０２は、通常学習データセット取得工程Ｓ１００の実施前に実施されてもよい。外乱付与学習データセット取得工程Ｓ１０２は、通常学習データセット取得工程Ｓ１００と並行して実施されてもよい。
　欠陥正解データ取得工程Ｓ１０４では、深層学習モデル２０は欠陥正解データ２６４を取得する。欠陥正解データ取得工程Ｓ１０４の後に学習工程Ｓ１０６が実施される。なお、欠陥正解データ取得工程Ｓ１０４は、通常学習データセット取得工程Ｓ１００及び外乱付与学習データセット取得工程Ｓ１０２の少なくともいずれかの実施前に実施されてもよい。
　欠陥正解データ取得工程Ｓ１０４は、通常学習データセット取得工程Ｓ１００及び外乱付与学習データセット取得工程Ｓ１０２の少なくともいずれかと並行して実施されてもよい。
　学習工程Ｓ１０６では、深層学習モデル２０は通常学習データセット２６０及び外乱付与学習データセット２６２を用いた学習を実施する。学習工程Ｓ１０６では、欠陥情報を出力する欠陥情報出力工程、欠陥情報と欠陥正解データ２６４とを比較する誤差算出工程及び比較結果に基づき中間層３２に適用されるパラメータを更新するパラメータ更新工程が含まれる。学習工程Ｓ１０６の後に深層学習モデル更新工程Ｓ１０８へ進む。
　深層学習モデル更新工程Ｓ１０８では、深層学習モデル２０が更新される。深層学習モデル更新工程Ｓ１０８の後に、学習方法は終了される。
　本実施形態では、通常学習データセット２６０及び外乱付与学習データセット２６２を併用する学習を例示したが、外乱付与学習データセット２６２のみを用いた学習を実施した場合も、印刷データと撮像データとの位置ずれに対する一定のロバスト性をえることが可能である。
　〔印刷データに対して撮像データの位置をずらす方向について〕
　印刷データに対して撮像データの位置をずらす方向は、スジ欠陥の方向と斜めに交差する方向でもよく、印刷データに対して撮像データを非回転であればよい。スジ欠陥の方向と交差する方向は、印刷部と用紙Ｐとの相対搬送方向に交差する方向とし得る。
　また、スジ欠陥の方向と直交する方向は、印刷部における実質的なノズルの配置方向とし得る。印刷部と用紙Ｐとの相対搬送方向及び実質的なノズルの配置方向は、印刷部の印刷方式に応じて設定し得る。
　［作用効果］
　実施形態に係る印刷物検査装置１０、印刷物検査方法及び印刷装置１００によれば、以下の作用効果を得ることが可能である。
　〔１〕
　印刷データに対して位置をずらした外乱付与撮像データを含む外乱付与学習データセット２６２を入力とし、スジ欠陥の欠陥情報を出力とする学習を実施した学習済みの深層学習モデルを用いて、印刷物のスジ欠陥の有無を検査する。これにより、印刷物検査において、印刷データに対する撮像データの位置ずれに対するロバスト性を得ることが可能となる。
　〔２〕
　外乱付与学習データセット２６２は、印刷データと撮像データとの位置合わせ精度の範囲で印刷データに対して位置をずらした外乱付与撮像データが含まれる。これにより、印刷物検査において、印刷データと撮像データとの位置合わせ精度の範囲の位置ずれに対するロバスト性を得ることができる。
　〔３〕
　深層学習モデル２０は、印刷データに対して理想的な位置合わせがされた撮像データを含む通常学習データセット２６０を入力とする。これにより、深層学習モデル２０の精度が向上し得る。
　〔４〕
　通常学習データセット２６０及び外乱付与学習データセット２６２は、印刷データが含まれる。これにより、印刷データに対する撮像データの差分を抽出する学習を実施でき、深層学習モデル２０の性能向上が可能となる。
　〔５〕
　印刷データに対する撮像データの位置ずれは、印刷部と用紙との相対搬送方向に直交する方向とする。これにより、印刷部と用紙との相対搬送方向に沿うスジ欠陥の検出において、撮像データの位置ずれに対するロバスト性を得ることができる。
　ライン型ヘッドが適用される印刷部を備える場合、用紙搬送方向に沿うスジ欠陥の検出において、撮像データの位置ずれに対するロバスト性を得ることができる。
　シリアル型ヘッドが適用される印刷部を備える場合、キャリッジ２００の走査方向に沿うスジ欠陥の検出において、撮像データの位置ずれに対するロバスト性を得ることができる。
　［応用例］
　図１６は応用例に係る深層学習モデルの説明図である。応用例に係る印刷物検査装置に具備される深層学習モデル２０Ａは、第一外乱付与学習セット２６２Ａと第二外乱付与学習セット２６２Ｂとを併用する学習が実施される。
　印刷データは印刷装置１００の状態に関わらず不変であるのに対して、撮像データは印刷装置の補正等に起因するドットパターンの変化など、印刷データに対する撮像データにおける像構造の変化が生じ得る。
　すなわち、印刷データと撮像データとの間には、印刷データに対する撮像データの像構造の変化が外乱として生じ得る。印刷データに対する撮像データの像構造の変化を外乱として付与した撮像データを用いる学習を実施して、かかる外乱に対するロバスト性を得ることができる。
　図１６に示す第一外乱付与学習セット２６２Ａは、図１４に示す外乱付与学習データセット２６２に相当する。第二外乱付与学習セット２６２Ｂは、印刷データに対する撮像データの像構造の変化を外乱として、撮像データに対して付与される。
　印刷データに対する撮像データの像構造の変化は、印刷データに対する印刷物の像構造の変化に起因する場合がある。かかる場合の例として、印刷部の補正処理、特定色のインク量の規定量に対する過多又は過少、濃度むら、網種及び印刷装置の周辺環境に起因して生じるノイズ等が挙げられる。
　印刷部の補正処理の例として、不吐補正処理、むら補正等のノズルの吐出特性の補正処理及び色補正処理等が挙げられる。特定色のインク量の規定量に対する過多又は過少の例として、イエロー等のインク抜けが挙げられる。
　濃度むらの例として、用紙Ｐの搬送むら及びキャリッジ２００の速度むら等が挙げられる。網種の例として、ＡＭスクリーン、ＦＭスクリーン及びハイブリッドスクリーン等が挙げられる。ＡＭはAmplitude Modulationの省略語である。ＦＭはFrequency Modulationの省略語である。なお、網はハーフトーン等と呼ばれることがある。
　印刷装置の周辺環境に起因して生じるノイズの例として、印刷装置の周辺温度に起因して生じるノイズ及び印刷装置の周辺湿度に起因して生じるノイズが挙げられる。
　例えば、不吐補正処理が実施された印刷物を撮像した撮像データは、目視では目立たないが印刷データに対して像構造が変化している。印刷物検査では、かかる像構造の変化を欠陥構造として誤検出する可能性がある。そこで、不吐補正処理に起因する印刷データに対する撮像データの像構造の変化を外乱として学習し、かかる誤検出を回避し得る。
　同様に、むら補正等のノズルの吐出特性の補正及び色補正等の印刷部の補正処理に起因する印刷データに対する撮像データの像構造の変化を外乱として学習し、かかる誤検出を回避し得る。
　また、イエローインクの抜けは、撮像データのブルーチャンネルにおいてはっきりと確認できるが、印刷物においては視認できない場合があり得る。視認できない欠陥構造及び視認しにくい欠陥構造を有する印刷物は、欠陥構造がないと判定してもよい。そこで、インク抜け等のインク量の規定量に対する過少に起因する印刷データに対する撮像データの像構造の変化を外乱として学習し、かかる誤検出を回避し得る。インク量の規定量に対する過多についてもインク量の規定量に対する過少と同様の対応が可能である。
　印刷データに対する撮像データの像構造の変化は、撮像装置の特性に起因する場合がある。かかる場合の例として、撮像装置に具備される撮像素子の個体差が挙げられる。撮像素子の個体差の例として、撮像装置のＭＴＦ特性及びＣＴＦ特性に起因する撮像データにおける解像力の局所的な変化が挙げられる。なお、ＭＴＦはModulation Transfer Functionの省略語である。ＣＴＦはContrast Transfer Functionの省略語である。
　かかる場合の他の例として、撮像データの端が暗くなるシェーディングが発生し、一様な明るさの照明を用いて印刷物を撮像した際の、撮像データの端部と非端部との明るさの相違が挙げられる。
　印刷データに対する撮像データの像構造の変化は、印刷物に適用される用紙Ｐに起因する場合がある。かかる場合の例として、用紙Ｐの種類に依存する撮像データの輝度変化及び用紙Ｐの汚れ等が挙げられる。
　撮像装置に起因する印刷データに対する撮像データの像構造の変化及び用紙Ｐに起因する印刷データに対する撮像データの像構造の変化についても、外乱として学習し、誤検出を回避し得る。
　図１６に示す第二外乱付与撮像データセットは、複数の外乱を組み合わせてもよい。例えば、印刷データに対する印刷物の像構造の変化に起因する外乱と、撮像素子の特性に起因する外乱及び用紙Ｐに起因する外乱の少なくともいずれかと、を組み合わせてもよい。また、印刷データに対する印刷物の像構造の変化に起因する外乱のうち、複数の外乱を組み合わせてもよい。
　［応用例の作用効果］
　応用例に係る印刷物検査装置によれば、印刷データに対する撮像データの像構造の変化に起因する外乱を付与した第二外乱付与撮像データを含む第二外乱付与学習セット２６２Ｂを、印刷データに対する撮像データの位置ずれに起因する外乱を付与した第一外乱付与学習セット２６２Ａと併用して、深層学習モデル２０Ａの学習を実施する。これにより、深層学習モデル２０Ａは、様々な外乱に対するロバスト性を得ることが可能となる。
　［印刷装置の応用例］
　印刷装置１００の用紙Ｐの搬送方式は、搬送ドラムを用いた搬送方式を適用し得る。印刷装置１００に具備される印刷物検査装置１０は、印刷物の印刷面から照明光を照射して、照明光の反射光を受光する撮像装置を適用してもよいし、印刷物の印刷面の裏側面から照明光を照射して、照明光の透過光を受光する撮像装置を適用してもよい。
　［プログラム発明への適用例］
　本明細書に開示した印刷物検査装置及び印刷物検査方法に対応するプログラムを構成し得る。すなわち、図１に示す各部の機能及び図５に示す各部の機能をコンピュータに実現させるプログラムを構成し得る。
　例えば、図１に示す撮像データ取得部１２に対応する撮像データ取得機能、印刷データ取得部１４に対応する印刷データ取得機能、位置合わせ処理部１５に対応する位置合わせ処理機能、検査処理部１６に対応する検査処理機能及び出力部１８に対応する出力機能をコンピュータに実現させるプログラムを構成し得る。
　以上説明した本発明の実施形態は、本発明の趣旨を逸脱しない範囲で、適宜構成要件を変更、追加、削除することが可能である。本発明は以上説明した実施形態に限定されるものではなく、本発明の技術的思想内で当該分野の通常の知識を有する者により、多くの変形が可能である。
１０　印刷物検査装置
１２　撮像データ取得部
１４　印刷データ取得部
１６　検査処理部
１８　出力部
２０　深層学習モデル
２０Ａ　深層学習モデル
３０　入力層
３２　中間層
３５　誤差算出部
３７　パラメータ更新部
４０　畳み込み層
４２　プーリング層
４４　全結合層
１００　印刷装置
１１０　搬送部
１１２　従動ローラ
１１４　駆動ローラ
１１６　搬送ベルト
１２０　印刷部
１２２　インクジェットヘッド
１２２Ｃ　インクジェットヘッド
１２２Ｍ　インクジェットヘッド
１２２Ｙ　インクジェットヘッド
１２２Ｋ　インクジェットヘッド
１２４　ヘッドモジュール
１２５　ノズル面
１２５Ａ　ノズル配置部
１２６　支持フレーム
１２７　ダミープレート
１２７Ａ　表面
１２８　フレキシブル基板
１２９　ノズル
１２９Ａ　ノズル列
１２９Ｂ　ノズル開口
１２９Ｃ　投影ノズル列
１２９Ｄ　不吐ノズル
１３０　撮像部
１３２　スキャナ
１４０　乾燥部
１４２　ヒータ
１５０　選別部
１５２　スタンパ
１６０　排紙部
１６２　排紙台
１７０　ユーザインターフェース
１７２　記憶部
１７４　統括制御部
１７６　搬送制御部
１７８　印刷制御部
１８０　撮像制御部
１８２　乾燥制御部
１８４　選別制御部
１８６　排紙制御部
２００　キャリッジ
２０２　ガイド
２２０　印刷部
２２２　インクジェットヘッド
２２２Ｃインクジェットヘッド
２２２Ｍ　インクジェットヘッド
２２２Ｙ　インクジェットヘッド
２２２Ｋ　インクジェットヘッド
２２９　ノズル
２２９Ａ　ノズル列
２２９Ｂ　ノズル開口
２２９Ｄ　不吐ノズル
２３０　圧力室
２４０　印刷物
２４２　スジ欠陥
２５０　印刷物
２５２　スジ欠陥
２６０　通常学習データセット
２６２　外乱付与学習データセット
２６４　欠陥正解データ
Ｓ１０からＳ１６　印刷物検査方法の各工程
Ｓ１００からＳ１０８　学習方法の各工程

Claims (22)

  1. 　印刷物を生成する際に印刷装置へ入力される印刷データを取得する印刷データ取得部と、
    　前記印刷物の撮像データを取得する撮像データ取得部と、
    　規定の位置合わせ精度を適用して前記印刷データと前記撮像データとの位置合わせを実施する位置合わせ処理部と、
    　前記位置合わせ処理部を用いて位置合わせ処理が実施された前記印刷データ及び前記撮像データを用いて、前記印刷データに基づき前記撮像データの欠陥情報を取得する検査処理部と、
    　を備え、
    　前記検査処理部は、前記撮像データから検出される欠陥候補と前記印刷物における欠陥との関係を学習した学習モデルが適用され、
    　前記学習モデルは、前記印刷装置における印刷部と媒体との相対搬送方向と交差する方向に、前記位置合わせ精度の範囲で前記撮像データの位置をずらす外乱を付与した外乱付与撮像データを入力とし、前記外乱付与撮像データの欠陥情報を出力とする外乱付与学習データセットを用いて前記学習が実施される印刷物検査装置。
  2. 　前記学習モデルは、前記外乱付与学習データセットとして前記印刷データを併用して前記学習を実施する請求項１に記載の印刷物検査装置。
  3. 　前記学習モデルは、前記印刷データ及び前記撮像データを入力とし、前記撮像データの欠陥情報を出力とする通常学習データセットを用いる学習が実施される請求項１又は２に記載の印刷物検査装置。
  4. 　前記撮像データ取得部は、インクジェット印刷装置を用いて生成された印刷物の撮像データを取得する請求項１から３のいずれか一項に記載の印刷物検査装置。
  5. 　前記検査処理部は、前記インクジェット印刷装置に具備される複数のノズルの配置方向と交差する方向に沿って生じる欠陥を表す欠陥情報を取得し、
    　前記学習モデルは、前記複数のノズルの配置方向に前記撮像データの位置をずらす外乱を付与した前記外乱付与撮像データを用いる学習を実施する請求項４に記載の印刷物検査装置。
  6. 　前記学習モデルは、前記印刷データに対する前記撮像データの像構造の変化を外乱として付与した前記外乱付与撮像データを用いる学習を更に実施する請求項５に記載の印刷物検査装置。
  7. 　前記学習モデルは、前記印刷装置における補正処理に起因する前記印刷データに対する前記撮像データの像構造の変化を外乱として付与した前記外乱付与撮像データを用いる学習を実施する請求項６に記載の印刷物検査装置。
  8. 　前記学習モデルは、前記ノズルの不吐補正処理に起因して生じる前記印刷データに対する前記撮像データの像構造の変化を外乱として付与した前記外乱付与撮像データを用いる学習を実施する請求項７に記載の印刷物検査装置。
  9. 　前記学習モデルは、前記印刷装置に適用される網種の種類に応じた前記印刷データに対する前記撮像データの像構造の変化を外乱として付与した前記外乱付与撮像データを用いる学習を実施する請求項６から８のいずれか一項に記載の印刷物検査装置。
  10. 　前記学習モデルは、前記撮像データを生成する撮像装置に具備される撮像素子の個体差に応じて生じた前記印刷データに対する前記撮像データの像構造の変化を外乱として付与した前記外乱付与撮像データを用いる学習を実施する請求項６に記載の印刷物検査装置。
  11. 　前記学習モデルは、前記撮像データの輝度変化に応じた前記印刷データに対する前記撮像データの像構造の変化を外乱として付与した前記外乱付与撮像データを用いる学習を実施する請求項１０に記載の印刷物検査装置。
  12. 　前記学習モデルは、媒体の違いに応じた前記撮像データの輝度変化に応じた前記印刷データに対する前記撮像データの像構造の変化を外乱として付与した前記外乱付与撮像データを用いる学習を実施する請求項６に記載の印刷物検査装置。
  13. 　前記学習モデルは、印刷部の周辺環境に応じたノイズに起因する前記印刷データに対する前記撮像データの像構造の変化を外乱として付与した前記外乱付与撮像データを用いる学習を実施する請求項６から１２のいずれか一項に記載の印刷物検査装置。
  14. 　前記学習モデルは、前記印刷部の周辺環境として前記印刷部の周辺温度に応じたノイズに起因する前記印刷データに対する前記撮像データの像構造の変化を外乱として付与した前記外乱付与撮像データを用いる学習を実施する請求項１３に記載の印刷物検査装置。
  15. 　前記学習モデルは、前記印刷部の周辺環境として前記印刷部の周辺湿度に応じたノイズに起因する前記印刷データに対する前記撮像データの像構造の変化を外乱として付与した前記外乱付与撮像データを用いる学習を実施する請求項１３又は１４に記載の印刷物検査装置。
  16. 　前記学習モデルは、一画素に適用されるインク量の規定量に対する変化に起因する前記印刷データに対する前記撮像データの像構造の変化を外乱として付与した前記外乱付与撮像データを用いる学習を実施する請求項６から１５のいずれか一項に記載の印刷物検査装置。
  17. 　前記学習モデルは、媒体の汚れに起因する前記印刷データに対する前記撮像データの像構造の変化を外乱として付与した前記外乱付与撮像データを用いる学習を実施する請求項６から１６のいずれか一項に記載の印刷物検査装置。
  18. 　前記学習モデルは、印刷物に生じるむらに起因する前記印刷データに対する前記撮像データの像構造の変化を外乱として付与した前記外乱付与撮像データを用いる学習を実施する請求項６から１７のいずれか一項に記載の印刷物検査装置。
  19. 　印刷物を生成する際に印刷装置へ入力される印刷データを取得する印刷データ取得工程と、
    　前記印刷物の撮像データを取得する撮像データ取得工程と、
    　規定の位置合わせ精度を適用して前記印刷データと前記撮像データとの位置合わせを実施する位置合わせ処理工程と、
    　前記位置合わせ処理工程において位置合わせ処理が実施された前記印刷データ及び前記撮像データを用いて、前記印刷データに基づき前記撮像データの欠陥情報を取得する検査処理工程と、
    　を含み、
    　前記検査処理工程は、前記撮像データから検出される欠陥候補と前記印刷物における欠陥との関係を学習した学習モデルが適用され、
    　前記学習モデルは、前記印刷装置における印刷部と媒体との相対搬送方向と交差する方向に、前記位置合わせ精度の範囲で前記撮像データの位置をずらす外乱を付与した外乱付与撮像データを入力とし、前記外乱付与撮像データの欠陥情報を出力とする外乱付与学習データセットを用いて前記学習が実施される印刷物検査方法。
  20. 　コンピュータに、
    　印刷物を生成する際に印刷装置へ入力される印刷データを取得する印刷データ取得機能、
    　前記印刷物の撮像データを取得する撮像データ取得機能、
    　規定の位置合わせ精度を適用して前記印刷データと前記撮像データとの位置合わせを実施する位置合わせ処理機能、及び
    　前記位置合わせ処理部を用いて位置合わせ処理が実施された前記印刷データ及び前記撮像データを用いて、前記印刷データに基づき前記撮像データの欠陥情報を取得する検査処理機能を実現させるプログラムであって、
    　前記検査処理機能は、前記撮像データから検出される欠陥候補と前記印刷物における欠陥との関係を学習した学習モデルが適用され、
    　前記学習モデルは、前記印刷装置における印刷部と媒体との相対搬送方向と交差する方向に、前記位置合わせ精度の範囲で前記撮像データの位置をずらす外乱を付与した外乱付与撮像データを入力とし、前記外乱付与撮像データの欠陥情報を出力とする外乱付与学習データセットを用いて前記学習が実施されるプログラム。
  21. 　非一時的かつコンピュータ読取可能な記録媒体であって、前記記録媒体に格納された指令がコンピュータによって読み取られた場合に請求項２０に記載のプログラムをコンピュータに実行させる記録媒体。
  22. 　印刷物を生成する際に適用される印刷データを取得する印刷データ取得部と、
    　媒体搬送方向へ媒体を搬送する搬送部と、
    　前記搬送部を用いて搬送される前記媒体に対して、前記印刷データに基づく印刷を実施する印刷部と、
    　前記印刷物の撮像データを取得する撮像データ取得部と、
    　規定の位置合わせ精度を適用して前記印刷データと前記撮像データとの位置合わせを実施する位置合わせ処理部と、
    　前記位置合わせ処理部を用いて位置合わせ処理が実施された前記印刷データ及び前記撮像データを用いて、前記印刷データに基づき前記撮像データの欠陥情報を取得する検査処理部と、
    　を備え、
    　前記検査処理部は、前記撮像データから検出される欠陥候補と前記印刷物における欠陥との関係を学習した学習モデルが適用され、
    　前記学習モデルは、前記印刷部と前記媒体との相対搬送方向と交差する方向に、前記位置合わせ精度の範囲で前記撮像データの位置をずらす外乱を付与した外乱付与撮像データを入力とし、前記外乱付与撮像データの欠陥情報を出力とする外乱付与学習データセットを用いて前記学習が実施される印刷装置。
PCT/JP2020/033968 2019-09-18 2020-09-08 印刷物検査装置、印刷物検査方法、プログラム及び印刷装置 WO2021054200A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2021546625A JP7273169B2 (ja) 2019-09-18 2020-09-08 印刷物検査装置、印刷物検査方法、プログラム及び印刷装置
EP20865804.7A EP4032706A4 (en) 2019-09-18 2020-09-08 PRINTED MATERIAL INSPECTION DEVICE, PRINTED MATERIAL INSPECTION METHOD, PROGRAM, AND PRINTING APPARATUS
US17/691,505 US20220198638A1 (en) 2019-09-18 2022-03-10 Printed matter inspection device, printed matter inspection method, program, and printing apparatus

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-169310 2019-09-18
JP2019169310 2019-09-18

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/691,505 Continuation US20220198638A1 (en) 2019-09-18 2022-03-10 Printed matter inspection device, printed matter inspection method, program, and printing apparatus

Publications (1)

Publication Number Publication Date
WO2021054200A1 true WO2021054200A1 (ja) 2021-03-25

Family

ID=74883131

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/033968 WO2021054200A1 (ja) 2019-09-18 2020-09-08 印刷物検査装置、印刷物検査方法、プログラム及び印刷装置

Country Status (4)

Country Link
US (1) US20220198638A1 (ja)
EP (1) EP4032706A4 (ja)
JP (1) JP7273169B2 (ja)
WO (1) WO2021054200A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023098640A (ja) * 2021-12-28 2023-07-10 セメス株式会社 ノズル検査ユニットおよびそれを含む基板処理装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW202205126A (zh) * 2020-03-25 2022-02-01 日商東京威力科創股份有限公司 異常檢測裝置及異常檢測方法
JP2022049858A (ja) * 2020-09-17 2022-03-30 セイコーエプソン株式会社 機械学習方法、機械学習プログラム、および液体吐出システム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0721367A (ja) 1993-06-22 1995-01-24 Oyo Keisoku Kenkyusho:Kk 画像認識装置
JPH07126604A (ja) 1993-10-28 1995-05-16 Nisshin Oil Mills Ltd:The 有機液体のゲル化又は固化剤
JPH1063789A (ja) * 1996-08-27 1998-03-06 Nippon Telegr & Teleph Corp <Ntt> 識別関数学習方法
JP2014066618A (ja) * 2012-09-26 2014-04-17 Dainippon Screen Mfg Co Ltd 画像検査装置及び画像検査方法並びに画像検査プログラム
JP2019101540A (ja) * 2017-11-29 2019-06-24 大日本印刷株式会社 設備診断装置、設備診断方法、プログラム
US20190236738A1 (en) * 2018-02-01 2019-08-01 Fst21 Ltd System and method for detection of identity fraud

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060203028A1 (en) * 2005-03-10 2006-09-14 Manish Agarwal Apparatus and method for print quality control
JP6571575B2 (ja) * 2016-03-28 2019-09-04 富士フイルム株式会社 スジ検出方法及び装置、印刷装置並びにプログラム
WO2019142517A1 (ja) * 2018-01-17 2019-07-25 富士フイルム株式会社 印刷装置、画像欠陥検出装置、方法及びプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0721367A (ja) 1993-06-22 1995-01-24 Oyo Keisoku Kenkyusho:Kk 画像認識装置
JPH07126604A (ja) 1993-10-28 1995-05-16 Nisshin Oil Mills Ltd:The 有機液体のゲル化又は固化剤
JPH1063789A (ja) * 1996-08-27 1998-03-06 Nippon Telegr & Teleph Corp <Ntt> 識別関数学習方法
JP2014066618A (ja) * 2012-09-26 2014-04-17 Dainippon Screen Mfg Co Ltd 画像検査装置及び画像検査方法並びに画像検査プログラム
JP2019101540A (ja) * 2017-11-29 2019-06-24 大日本印刷株式会社 設備診断装置、設備診断方法、プログラム
US20190236738A1 (en) * 2018-02-01 2019-08-01 Fst21 Ltd System and method for detection of identity fraud

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4032706A4

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023098640A (ja) * 2021-12-28 2023-07-10 セメス株式会社 ノズル検査ユニットおよびそれを含む基板処理装置
JP7372432B2 (ja) 2021-12-28 2023-10-31 セメス株式会社 ノズル検査ユニットおよびそれを含む基板処理装置

Also Published As

Publication number Publication date
JPWO2021054200A1 (ja) 2021-03-25
JP7273169B2 (ja) 2023-05-12
EP4032706A4 (en) 2022-10-19
EP4032706A1 (en) 2022-07-27
US20220198638A1 (en) 2022-06-23

Similar Documents

Publication Publication Date Title
WO2021054200A1 (ja) 印刷物検査装置、印刷物検査方法、プログラム及び印刷装置
JP6694362B2 (ja) 画像検査方法及び装置、プログラム並びに画像記録システム
US20180086049A1 (en) Image inspection device, image inspection method, program, and ink jet printing system
JP7110349B2 (ja) 機械学習モデルの生成装置、方法、プログラム、検査装置及び検査方法、並びに印刷装置
JP6571575B2 (ja) スジ検出方法及び装置、印刷装置並びにプログラム
JP5283685B2 (ja) 不良記録素子の検出装置及び方法、並びに画像形成装置及び方法
JP6472058B2 (ja) 画像形成装置及び画像補正方法
JP6247246B2 (ja) 画像検査方法及び装置、プログラム、並びにインクジェット印刷装置
JP6544858B2 (ja) インクジェット印刷装置及びインクジェットヘッド吐出性能評価方法
JP5681476B2 (ja) 不良記録素子の検出装置及び方法、並びに画像形成装置及び方法
JP2017047613A (ja) 検査装置、検査方法及びプログラム、画像記録装置
US20230103391A1 (en) Defect inspection device, defect inspection method, and program, and printing device and method of manufacturing printed matter
JP6300699B2 (ja) テスト画像、テスト画像形成システム、テスト画像形成方法、テスト画像形成プログラム、記憶媒体、記憶媒体、異常記録素子検出システム、異常記録素子検出方法、異常記録素子検出プログラム、及び記憶媒体
JP5303503B2 (ja) 画像検査装置および印刷装置、並びに、画像検査方法
WO2019188911A1 (ja) 画像形成装置及び方法、異常ノズル検出方法並びに印刷物の製造方法
JP6814883B2 (ja) 画像形成装置及び画像形成方法
WO2019142517A1 (ja) 印刷装置、画像欠陥検出装置、方法及びプログラム
WO2020012826A1 (ja) 印刷装置、検査装置、検査方法及びプログラム
JP7225068B2 (ja) 印刷物の欠陥検査装置、欠陥検査方法及びプログラム、並びに印刷システム
JP7256139B2 (ja) 印刷物の欠陥検査装置、欠陥検査方法及びプログラム、並びに印刷システム
WO2020179742A1 (ja) 検査方法、プログラム、検査装置、及び印刷装置
US20240161273A1 (en) Printed material inspection device, printed material inspection method, program, and printing system
JP6463455B2 (ja) テスト画像、テスト画像形成システム、テスト画像形成方法、テスト画像形成プログラム、記憶媒体、記憶媒体、異常記録素子検出システム、異常記録素子検出方法、異常記録素子検出プログラム、及び記憶媒体
JP2022170002A (ja) 領域判定方法、錠剤検査方法、および錠剤検査装置
JP2020144795A (ja) 画像形成装置、及び、画像形成装置の検査方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20865804

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021546625

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020865804

Country of ref document: EP

Effective date: 20220419