WO2021220336A1 - 画像検査装置および画像検査方法 - Google Patents

画像検査装置および画像検査方法 Download PDF

Info

Publication number
WO2021220336A1
WO2021220336A1 PCT/JP2020/017946 JP2020017946W WO2021220336A1 WO 2021220336 A1 WO2021220336 A1 WO 2021220336A1 JP 2020017946 W JP2020017946 W JP 2020017946W WO 2021220336 A1 WO2021220336 A1 WO 2021220336A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
inspection target
inspection
geometric transformation
processing unit
Prior art date
Application number
PCT/JP2020/017946
Other languages
English (en)
French (fr)
Inventor
浩平 岡原
彰 峯澤
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to DE112020006786.6T priority Critical patent/DE112020006786T5/de
Priority to JP2022516605A priority patent/JP7101918B2/ja
Priority to PCT/JP2020/017946 priority patent/WO2021220336A1/ja
Priority to KR1020227035761A priority patent/KR20220146666A/ko
Priority to CN202080099769.7A priority patent/CN115398474A/zh
Priority to TW109141987A priority patent/TW202141351A/zh
Publication of WO2021220336A1 publication Critical patent/WO2021220336A1/ja
Priority to US17/894,275 priority patent/US20230005132A1/en

Links

Images

Classifications

    • 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
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • 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
    • G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • 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

Definitions

  • This disclosure relates to an image inspection device and an image inspection method.
  • the image inspection method described in Non-Patent Document 1 is an image generation method for restoring a normal image based on features extracted from a normal image taken by a normal inspection target, using an autoencoder or a hostile generation network. Let (GAN) learn. This image generation method has a property that a normal image cannot be accurately restored by a feature extracted from an abnormal image taken by an abnormal inspection target.
  • the image inspection method described in Non-Patent Document 1 calculates a difference image between an image taken by the inspection target and a restored image, and determines an abnormality of the inspection target based on the difference image.
  • an object of the present invention is to obtain an image inspection device and an image inspection method capable of performing an image inspection robust to changes in the position and orientation of the inspection target and the imaging device.
  • the image inspection apparatus refers to an image acquisition unit that acquires a first image of an inspection target and a first reference in which the position of the inspection target is known as the position of the inspection target in the first image.
  • a second image is restored using a geometric conversion processing unit that generates an image and an image generation network that inputs a third image generated using the first image and infers the second image as the correct image. It is provided with an image restoration processing unit and an abnormality determination unit for determining an abnormality of an inspection target by using a difference image between a second image obtained by geometric conversion of the first image and the restored second image. ..
  • the inspection on the first image is performed by geometric transformation using the first reference image in which the position of the inspection target is known.
  • the target is aligned.
  • the second image is restored using an image generation network that infers the second image in which the inspection target is aligned as the correct image.
  • the abnormality of the inspection target is determined by using the difference image between the second image obtained by the geometric transformation of the first image and the restored second image.
  • FIG. 1A is a schematic view showing an image taken with the subject facing the camera
  • FIG. 1B is a schematic view showing an image taken with the subject not facing the camera.
  • It is a block diagram which shows the structure of the image inspection apparatus which concerns on Embodiment 1.
  • FIG. It is a flowchart which shows the image inspection method which concerns on Embodiment 1.
  • FIG. 4A is a block diagram showing a hardware configuration that realizes the function of the image inspection device according to the first embodiment
  • FIG. 4B is a block diagram that executes software that realizes the function of the image inspection device according to the first embodiment.
  • It is a block diagram which shows the hardware configuration.
  • It is a block diagram which shows the structure of the image inspection apparatus which concerns on Embodiment 2.
  • FIG. It is a flowchart which shows the image inspection method which concerns on Embodiment 2.
  • FIG. 1A is a schematic view showing an image A taken with the subject B facing the camera.
  • FIG. 1B is a schematic view showing an image A1 taken in a state where the subject B does not face the camera.
  • an image A in which the subject B is photographed is obtained.
  • one component Ba of the subject B is photographed at a predetermined position.
  • the subject B is photographed without facing the camera.
  • the subject B is obliquely photographed in the image A1
  • the misalignment of the component Ba in the image A1 is erroneously recognized as being photographed like the component Bb due to an abnormality in the component Ba.
  • this misalignment causes a factor that the abnormality of the component Ba cannot be accurately determined.
  • FIG. 2 is a block diagram showing the configuration of the image inspection device 1 according to the first embodiment.
  • the image inspection device 1 is connected to the photographing device 2 and the storage device 3, inputs an image in which the inspection target is photographed by the photographing device 2, the input image, and the data stored in the storage device 3. Is used to determine the abnormality to be inspected.
  • the photographing device 2 is a camera that photographs an inspection target, and is, for example, a network camera, an analog camera, a USB camera, or an HD-SDI camera.
  • the storage device 3 is a storage device that stores data used or generated in the image inspection process performed by the image inspection device 1, and includes a main memory 3a and an auxiliary memory 3b.
  • auxiliary memory 3b parameter information such as a trained model that is an image generation network and model information that defines the configuration of the trained model, a first reference image used for positioning an inspection target, and an image generation network are input.
  • the second reference image used for creating the image, the threshold information used for determining the abnormality of the inspection target, and the annotation information such as the position of the inspection target and the area in the image are stored.
  • the information stored in the auxiliary memory 3b is read into the main memory 3a and used by the image inspection device 1.
  • the image inspection device 1 includes an image acquisition unit 11, a geometric transformation processing unit 12, an image restoration processing unit 13, and an abnormality determination unit 14.
  • the image acquisition unit 11 acquires an image of the inspection target captured by the photographing device 2 via the input interface (I / F).
  • the first image in which the image to be inspected by the photographing device 2 includes not only a state in which the subject to be inspected faces the photographing field of view of the photographing device 2 but also a state in which the subject is not directly facing the image. It is an image.
  • the geometric transformation processing unit 12 estimates a geometric transformation parameter that matches the position of the inspection target in the image acquired by the image acquisition unit 11 with the first reference image in which the position of the inspection target is known. Then, the geometric transformation processing unit 12 geometrically transforms the image acquired by the image acquisition unit 11 using the estimated geometric transformation parameters, thereby generating an image in which the position of the inspection target is matched with the first reference image. do.
  • the first reference image is an image in which the position of the inspection target is known, and is taken in a state where the inspection target faces the shooting field of view of the photographing device 2.
  • the image A whose position of the component Ba is known can be used as the first reference image.
  • the image generated by the geometric transformation processing unit 12 is a second image in which the position of the inspection target is aligned with the first reference image.
  • the image restoration processing unit 13 inputs an input image generated by using the image acquired by the image acquisition unit 11 to the image generation network, so that the position of the inspection target is changed to the first reference image from the input image. Restore the combined image.
  • the input image of the image generation network is a third image generated by using the image of the inspection target acquired by the image acquisition unit 11, for example, the image of the inspection target acquired by the image acquisition unit 11 and the inspection. This is a difference image from the second reference image whose target position is known.
  • the image generation network is a trained model that inputs an input image generated by the image restoration processing unit 13 and infers an image in which the position of the inspection target is matched with the first reference image as a correct image.
  • the image generation network is an input that is a correct image (output image) that is an image taken by a normal inspection target generated by the geometric conversion process and an image related to the normal inspection target generated by the image restoration processing unit 13.
  • Image conversion between an input image and an output image has been learned using a plurality of pairs of images as training data.
  • the abnormality determination unit 14 calculates a difference image between the image of the inspection target geometrically transformed by the geometric transformation processing unit 12 and the image of the inspection target restored by the image restoration processing unit 13, and inspects using the difference image. Judge the abnormality of the target. For example, the abnormality determination unit 14 identifies the inspection target in the difference image based on the annotation information indicating the position of the inspection target and the area in the image, and compares the identified difference image area of the inspection target with the threshold information. Based on this, the abnormality to be inspected is determined.
  • the difference image is, for example, an amplitude image, a phase image or an intensity image.
  • the threshold information is an amplitude, phase or intensity threshold.
  • FIG. 3 is a flowchart showing the image inspection method according to the first embodiment, and shows a series of image inspection processes executed by the image inspection apparatus 1.
  • the product to be inspected is arranged in the field of view of the photographing device 2 and photographed by the photographing device 2.
  • the image to be inspected taken by the photographing apparatus 2 is an "image to be inspected”.
  • the image acquisition unit 11 acquires the inspection target images sequentially photographed by the photographing apparatus 2 (step ST1).
  • the inspection target image acquired by the image acquisition unit 11 is output to the geometric transformation processing unit 12.
  • the geometric transformation processing unit 12 estimates geometric transformation parameters that match the position of the inspection target in the inspection target image with the first reference image whose inspection target position is known, and geometrically transforms the inspection target image using the geometric transformation parameters. By the transformation, an image in which the position of the inspection target is matched with the first reference image is generated (step ST2). For example, the geometric transformation processing unit 12 estimates the geometric transformation parameters by image registration processing.
  • Image registration is the geometry between the featured image and the reference image based on the similarity of the feature points extracted from the featured image and the reference image or the similarity of the image region image-converted between the featured image and the reference image. This is a process for estimating conversion parameters.
  • Geometric transformation processes include, for example, linear transformations such as Euclidean transformation, affine transformation, and homography transformation. Further, the geometric transformation process may be at least one of image rotation, image inversion, or cropping.
  • the auxiliary memory 3b included in the storage device 3 stores an inspection target image taken with the inspection target facing the shooting field of view of the photographing device 2 as a first reference image.
  • the first reference image is annotated with information indicating the position of the inspection target in the inspection target image and the image area thereof.
  • the image A shown in FIG. 1A is stored in the storage device 3 as a first reference image, and annotation information indicating the position of the component Ba and its image area is added to each first reference image. ..
  • the geometric transformation processing unit 12 executes an image registration process that aligns the position of the inspection target in the inspection target image captured by the photographing device 2 with the position specified based on the annotation information given to the first reference image. Then, estimate the geometric transformation parameters required for alignment. Then, the geometric transformation processing unit 12 performs geometric transformation processing using the geometric transformation parameters on the image to be inspected taken by the photographing apparatus 2, so that the image is photographed in the same position and orientation as the first reference image. Generate an image of the inspection target.
  • the image generated by the geometric transformation processing unit 12 is an “aligned image”.
  • the image restoration processing unit 13 generates an input image to the image generation network (step ST3).
  • the image generation network is a neural network having skip connections across a plurality of layers, such as U-net, it is learned so that the weight of the skip connection path becomes large. Therefore, the image generation network learns to output the input image as it is, and it becomes difficult to extract the difference between the aligned image and the output image.
  • the image restoration processing unit 13 inputs the processed image of the inspection target image into the image generation network as an input image.
  • the processed image of the inspection target image may be, for example, a difference image between the inspection target image and the second reference image.
  • As the second reference image for example, an average image of a plurality of inspection target images taken by a normal inspection target is used and stored in the auxiliary memory 3b. If the image generation network does not have a skip connection, the input image may be an aligned image.
  • the image restoration processing unit 13 restores the aligned image by inputting the input image generated as described above into the image generation network (step ST4).
  • the image generation network inputs a difference image between the inspection target image and the second reference image, and infers (restores) the aligned image.
  • the abnormality determination unit 14 determines the abnormality of the inspection target by using the difference image between the inspection target image geometrically transformed by the geometric transformation processing unit 12 and the aligned image restored by the image restoration processing unit 13 (the abnormality determination unit 14 determines the abnormality of the inspection target. Step ST5). For example, when the abnormality determination unit 14 extracts a difference image between the geometrically transformed inspection target image and the restored aligned image, the extracted difference is based on the annotation information given to the first reference image. It is possible to identify which inspection target position and image area the image is. The abnormality determination unit 14 determines that there is an abnormality in the inspection target for which the position and the image area have been specified.
  • a method of extracting the difference image there is a method of using the sum or average value of the absolute differences of the pixel values for each fixed area (for example, for each component area in the image or for each pixel block of a certain size). Further, as a method of extracting the difference image, there is a method of using the structural similarity (SSIM or PSNR) of the image for each fixed region.
  • SSIM or PSNR structural similarity
  • FIG. 4A is a block diagram showing a hardware configuration that realizes the function of the image inspection device 1.
  • FIG. 4B is a block diagram showing a hardware configuration for executing software that realizes the functions of the image inspection device 1.
  • the input I / F 100 is an interface that receives the video input captured by the photographing device 2.
  • the file I / F 101 is an interface for relaying data exchanged with the storage device 3.
  • the image inspection device 1 includes a processing circuit for executing the processes of steps ST1 to ST5 shown in FIG.
  • the processing circuit may be dedicated hardware, or may be a CPU (Central Processing Unit) that executes a program stored in the memory.
  • CPU Central Processing Unit
  • the processing circuit 102 may be, for example, a single circuit, a composite circuit, a programmed processor, a parallel programmed processor, or an ASIC (Application Specific Integrated). Circuit), FPGA (Field-Programmable Gate Array), or a combination of these is applicable.
  • the functions of the image acquisition unit 11, the geometric transformation processing unit 12, the image restoration processing unit 13, and the abnormality determination unit 14 included in the image inspection device 1 may be realized by separate processing circuits, and these functions are collectively 1 It may be realized by one processing circuit.
  • the processing circuit is the processor 103 shown in FIG. 4B
  • the functions of the image acquisition unit 11, the geometric transformation processing unit 12, the image restoration processing unit 13, and the abnormality determination unit 14 included in the image inspection device 1 are software, firmware, or software. It is realized by the combination of and firmware.
  • the software or firmware is described as a program and stored in the memory 104.
  • the processor 103 reads and executes the program stored in the memory 104 to perform the functions of the image acquisition unit 11, the geometric transformation processing unit 12, the image restoration processing unit 13, and the abnormality determination unit 14 included in the image inspection device 1.
  • the image inspection device 1 includes a memory 104 that stores a program in which the processes from step ST1 to step ST5 shown in FIG. 3 are executed as a result when executed by the processor 103.
  • These programs cause a computer to execute the procedures or methods of the image acquisition unit 11, the geometric transformation processing unit 12, the image restoration processing unit 13, and the abnormality determination unit 14.
  • the memory 104 may be a computer-readable storage medium in which a program for causing the computer to function as an image acquisition unit 11, a geometric transformation processing unit 12, an image restoration processing unit 13, and an abnormality determination unit 14 is stored.
  • the memory 104 is, for example, a RAM (Random Access Memory), a ROM (Read Only Memory), a flash memory, an EPROM (Erasable Programmable Read Only Memory), an EEPROM (Electrically-volatile) or a non-volatile semiconductor (Electrically-EPROM).
  • RAM Random Access Memory
  • ROM Read Only Memory
  • flash memory an EPROM (Erasable Programmable Read Only Memory)
  • EEPROM Electrically-volatile
  • the functions of the image acquisition unit 11, the geometric transformation processing unit 12, the image restoration processing unit 13, and the abnormality determination unit 14 provided in the image inspection device 1 are realized by dedicated hardware, and the remaining part is software or firmware. It may be realized by.
  • the function of the image acquisition unit 11 is realized by the processing circuit 102, which is dedicated hardware, and the processor 103 of the geometric transformation processing unit 12, the image restoration processing unit 13, and the abnormality determination unit 14 is stored in the memory 104.
  • the function is realized by reading and executing the program.
  • the processing circuit can realize the above-mentioned functions by hardware, software, firmware or a combination thereof.
  • the image inspection device 1 even when the position and orientation of the inspection target and the photographing device 2 change, the first reference image in which the position of the inspection target is known is displayed.
  • the geometric transformation used aligns the inspection target on the inspection target image.
  • the aligned image is restored using an image generation network that infers the aligned image in which the inspection target is aligned as the correct image.
  • An abnormality of the inspection target is determined by using the difference image between the inspection target image aligned by geometric transformation and the restored aligned image.
  • the image inspection device 1 can perform an image inspection robust to changes in the position and orientation of the inspection target and the photographing device.
  • FIG. 5 is a block diagram showing a configuration of the image inspection device 1A according to the second embodiment.
  • the image inspection device 1A is connected to the photographing device 2 and the storage device 3, inputs an image in which the inspection target is photographed by the photographing device 2, and inputs the input image and data stored in the storage device 3. Is used to determine the abnormality to be inspected.
  • the image inspection device 1A includes an image acquisition unit 11A, a geometric transformation processing unit 12A, an image restoration processing unit 13A, and an abnormality determination unit 14A.
  • the image acquisition unit 11A acquires the inspection target image captured by the photographing device 2 via the input I / F, and outputs the acquired image to the geometric transformation processing unit 12A and the image restoration processing unit 13A.
  • the inspection target image acquired by the image acquisition unit 11A includes not only a state in which the subject to be inspected faces the shooting field of view of the photographing device 2 but also a state in which the subject is not facing the shooting field of view 2. It is an image.
  • the geometric transformation processing unit 12A estimates a geometric transformation parameter that matches the position of the inspection target in the inspection target image acquired by the image acquisition unit 11A with the first reference image in which the position of the inspection target is known, and the geometric transformation parameter. By geometrically transforming the inspection target image using the above, an aligned image in which the inspection target position is aligned with the first reference image is generated.
  • the image restoration processing unit 13A restores the aligned image from the input image by inputting the inspection target image (first image) acquired by the image acquisition unit 11A into the image generation network.
  • the abnormality determination unit 14A calculates a difference image between the inspection target image geometrically transformed by the geometric transformation processing unit 12A and the aligned image restored by the image restoration processing unit 13A, and uses the difference image to calculate an abnormality of the inspection target. To judge.
  • FIG. 6 is a flowchart showing the image inspection method according to the second embodiment, and shows a series of image inspection processes executed by the image inspection apparatus 1A.
  • the image acquisition unit 11A acquires the inspection target images sequentially captured by the imaging device 2 (step ST1a).
  • the inspection target image acquired by the image acquisition unit 11A is output to the geometric transformation processing unit 12A and the image restoration processing unit 13A.
  • the geometric transformation processing unit 12A estimates a geometric transformation parameter that matches the position of the inspection target in the inspection target image with the first reference image whose inspection target position is known, and geometrically transforms the inspection target image using the geometric transformation parameter. By the transformation, an aligned image in which the position of the inspection target is aligned with the first reference image is generated (step ST2aa). Similar to the geometric transformation processing unit 12 in the first embodiment, the geometric transformation processing unit 12A estimates the geometric transformation parameters by, for example, image registration processing, and the inspection target image acquired by the image acquisition unit 11A. By performing the geometric transformation processing using the geometric transformation parameters, the aligned image is generated.
  • the image restoration processing unit 13A restores the aligned image by directly inputting the inspection target image acquired by the image acquisition unit 11A into the image generation network (step ST2ab).
  • the aligned image generated by the geometric conversion processing unit 12A is used as the correct image (output image)
  • the unaligned inspection target image acquired by the image acquisition unit 11A is used as the input image.
  • the image conversion between the input image and the output image is learned by using a plurality of pairs of the above as training data.
  • the image conversion of the learning target by the image generation network also includes a geometric transformation that aligns the position of the inspection target in the unaligned inspection target image with the first reference image in which the position of the inspection target is known.
  • the abnormality determination unit 14A determines an abnormality of the inspection target by using a difference image between the inspection target image geometrically transformed by the geometric transformation processing unit 12A and the aligned image restored by the image restoration processing unit 13A. Step ST3a). For example, when the abnormality determination unit 14A extracts a difference image between the geometrically transformed inspection target image and the restored aligned image, the extracted difference is based on the annotation information given to the first reference image. It is possible to identify which inspection target position and image area the image is. The abnormality determination unit 14A determines that there is an abnormality in the inspection target for which the position and the image area have been specified.
  • the image inspection device 1A includes a processing circuit for executing the processes from step ST1a to step ST3a shown in FIG.
  • the processing circuit may be the processing circuit 102 of the dedicated hardware shown in FIG. 4A, or the processor 103 that executes the program stored in the memory 104 shown in FIG. 4B.
  • the input image to the image generation network is the inspection target image taken by the photographing device 2.
  • the image generation network inputs the image to be inspected and infers the aligned image.
  • the image restoration processing unit 13A restores the aligned image by using the image generation network.
  • the image inspection device 1A can perform an image inspection robust to changes in the position and orientation of the inspection target and the photographing device.
  • the process of generating the input image to the image generation network is omitted, the amount of calculation processing is reduced as compared with the image inspection method according to the first embodiment.
  • the geometric transformation processing and the image restoration processing can be performed in parallel, the tact time of the image inspection can be shortened.
  • the image inspection device according to the present disclosure can be used, for example, for product abnormality inspection.
  • 1,1A image inspection device 2 imaging device, 3 storage device, 3a main memory, 3b auxiliary memory, 11,11A image acquisition unit, 12,12A geometric conversion processing unit, 13,13A image restoration processing unit, 14,14A abnormality Judgment unit, 100 input I / F, 101 file I / F, 102 processing circuit, 103 processor, 104 memory.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

画像検査装置（１）は、検査対象画像を取得する画像取得部（１１）と、検査対象画像における検査対象の位置を、検査対象の位置が既知である第１の参照画像に合わせる幾何変換パラメータを推定し、推定した幾何変換パラメータを用いて検査対象画像を幾何変換して検査対象の位置が第１の参照画像に合わされた位置合わせ済み画像を生成する幾何変換処理部（１２）と、検査対象画像を用いて生成された入力画像を入力し、正解画像として位置合わせ済み画像を推論する画像生成ネットワークを用いて、位置合わせ済み画像を復元する画像復元処理部（１３）と、位置合わせ済み画像と、復元された位置合わせ済み画像との差分画像を用いて、検査対象の異常を判定する異常判定部（１４）を備える。

Description

画像検査装置および画像検査方法
　本開示は、画像検査装置および画像検査方法に関する。
　検査対象が撮影された画像を検査した結果に基づいて検査対象の異常を判定する技術が提案されている。例えば、非特許文献１に記載された画像検査方法は、正常な検査対象が撮影された正常画像から抽出された特徴に基づいて正常画像を復元する画像生成方法を、オートエンコーダまたは敵対的生成ネットワーク（ＧＡＮ）に学習させる。この画像生成方法には、異常な検査対象が撮影された異常画像から抽出された特徴では正常画像を正確に復元できないという性質がある。非特許文献１に記載された画像検査方法は、検査対象が撮影された画像と復元された画像との差分画像を算出し、差分画像に基づいて検査対象の異常を判定する。
　被写体の製品の外観上の一部が検査対象である場合に、この製品が撮影された画像内の一定の領域が検査対象の画像領域となる。この場合、製品がカメラに正対した状態で撮影された画像と正対しない状態で撮影された画像では、画像内の検査対象の位置姿勢にずれが生じる。非特許文献１に記載された従来の技術は、位置姿勢にずれが発生して検査対象に異常があることは分かるが、検査対象のどの部位に異常が発生しているかを正確に判定できないという課題があった。
　本開示は上記課題を解決するものであり、検査対象および撮影装置の位置姿勢の変化に頑健な画像検査を行うことができる画像検査装置および画像検査方法を得ることを目的とする。
　本開示に係る画像検査装置は、検査対象が撮影された第１の画像を取得する画像取得部と、第１の画像における検査対象の位置を、検査対象の位置が既知である第１の参照画像に合わせる幾何変換パラメータを推定し、推定した幾何変換パラメータを用いて第１の画像を幾何変換することにより、第１の画像における検査対象の位置が第１の参照画像に合わされた第２の画像を生成する幾何変換処理部と、第１の画像を用いて生成した第３の画像を入力し正解画像として第２の画像を推論する画像生成ネットワークを用いて、第２の画像を復元する画像復元処理部と、第１の画像の幾何変換によって得られた第２の画像と、復元された第２の画像との差分画像を用いて、検査対象の異常を判定する異常判定部を備える。
　本開示によれば、検査対象および撮影装置の位置姿勢に変化が生じた場合であっても、検査対象の位置が既知な第１の参照画像を用いた幾何変換により第１の画像上の検査対象が位置合わせされる。検査対象が位置合わせされた第２の画像を正解画像として推論する画像生成ネットワークを用いて、第２の画像が復元される。第１の画像の幾何変換により得られた第２の画像と復元された第２の画像との差分画像を用いて検査対象の異常が判定される。これにより、本開示に係る画像検査装置は、検査対象および撮影装置の位置姿勢の変化に頑健な画像検査を行うことができる。
図１Ａは、被写体がカメラに正対した状態で撮影された画像を示す概要図であり、図１Ｂは、被写体がカメラに正対していない状態で撮影された画像を示す概要図である。 実施の形態１に係る画像検査装置の構成を示すブロック図である。 実施の形態１に係る画像検査方法を示すフローチャートである。 図４Ａは、実施の形態１に係る画像検査装置の機能を実現するハードウェア構成を示すブロック図であり、図４Ｂは、実施の形態１に係る画像検査装置の機能を実現するソフトウェアを実行するハードウェア構成を示すブロック図である。 実施の形態２に係る画像検査装置の構成を示すブロック図である。 実施の形態２に係る画像検査方法を示すフローチャートである。
実施の形態１．
　図１Ａは、被写体Ｂがカメラに正対した状態で撮影された画像Ａを示す概要図である。図１Ｂは、被写体Ｂがカメラに正対していない状態で撮影された画像Ａ１を示す概要図である。検査対象である被写体Ｂがカメラに正対した状態で撮影されると、例えば、図１Ａに示すように、被写体Ｂが撮影された画像Ａが得られる。画像Ａには、被写体Ｂの一つの部品Ｂａが既定の位置に撮影されている。
　被写体Ｂの位置姿勢がずれるか、カメラの位置姿勢がずれた場合、被写体Ｂがカメラに正対していない状態で撮影される。例えば、図１Ｂに示すように、画像Ａ１には被写体Ｂが斜めに撮影され、画像Ａ１における部品Ｂａの位置ずれは、部品Ｂａに異常が発生して部品Ｂｂのように撮影されたと誤認識される可能性がある。すなわち、この位置ずれは、部品Ｂａの異常を正確に判定できない要因となる。
　図２は、実施の形態１に係る画像検査装置１の構成を示すブロック図である。図２において、画像検査装置１は、撮影装置２および記憶装置３に接続され、撮影装置２によって検査対象が撮影された画像を入力し、入力した画像と、記憶装置３に記憶されたデータとを用いて、検査対象の異常を判定する。
　撮影装置２は、検査対象を撮影するカメラであり、例えば、ネットワークカメラ、アナログカメラ、ＵＳＢカメラまたはＨＤ－ＳＤＩカメラである。記憶装置３は、画像検査装置１によって行われた画像検査処理において利用または生成されたデータを記憶する記憶装置であり、メインメモリ３ａおよび補助メモリ３ｂを備える。
　補助メモリ３ｂには、画像生成ネットワークである学習済みモデル、学習済みモデルの構成を規定するモデル情報といったパラメータ情報、検査対象の位置合わせに使用される第１の参照画像、画像生成ネットワークに入力される画像の作成に使用される第２の参照画像、検査対象の異常判定に使用される閾値情報、および、検査対象の位置と画像中の領域といったアノテーション情報が記憶されている。補助メモリ３ｂに記憶されている情報は、メインメモリ３ａに読み込まれて画像検査装置１に使用される。
　画像検査装置１は、図２に示すように、画像取得部１１、幾何変換処理部１２、画像復元処理部１３および異常判定部１４を備える。画像取得部１１は、撮影装置２によって検査対象が撮影された画像を、入力インタフェース（Ｉ／Ｆ）を介して取得する。撮影装置２によって検査対象が撮影された画像は、検査対象である被写体が撮影装置２の撮影視野に対して正対した状態のみならず、正対していない状態である場合も含まれる第１の画像である。
　幾何変換処理部１２は、画像取得部１１によって取得された画像における検査対象の位置を、検査対象の位置が既知である第１の参照画像に合わせる幾何変換パラメータを推定する。そして、幾何変換処理部１２は、推定した幾何変換パラメータを用いて、画像取得部１１によって取得された画像を幾何変換することにより、検査対象の位置が第１の参照画像に合わされた画像を生成する。
　第１の参照画像は、検査対象の位置が既知の画像であり、検査対象が撮影装置２の撮影視野に対して正対した状態で撮影されたものである。例えば、図１Ａに示した部品Ｂａが検査対象である場合に、部品Ｂａの位置が既知な画像Ａは、第１の参照画像として用いることができる。幾何変換処理部１２によって生成される画像は、検査対象の位置が第１の参照画像に合わされた第２の画像である。
　画像復元処理部１３は、画像取得部１１によって取得された画像を用いて生成された入力画像を画像生成ネットワークへ入力することにより、当該入力画像から、検査対象の位置が第１の参照画像に合わされた画像を復元する。画像生成ネットワークの入力画像は、画像取得部１１により取得された検査対象の画像を用いて生成された第３の画像であり、例えば、画像取得部１１によって取得された検査対象の画像と、検査対象の位置が既知である第２の参照画像との差分画像である。
　画像生成ネットワークは、画像復元処理部１３によって生成された入力画像を入力し、正解画像として、検査対象の位置が第１の参照画像に合わされた画像を推論する学習済みモデルである。例えば、画像生成ネットワークは、幾何変換処理によって生成された正常な検査対象が撮影された画像である正解画像（出力画像）と画像復元処理部１３によって生成された正常な検査対象に関する画像である入力画像との複数のペアを学習用データとして、入力画像と出力画像との間の画像変換が学習されたものである。
　異常判定部１４は、幾何変換処理部１２によって幾何変換された検査対象の画像と、画像復元処理部１３によって復元された検査対象の画像との差分画像を算出し、差分画像を用いて、検査対象の異常を判定する。例えば、異常判定部１４は、検査対象の位置とその画像内の領域を示すアノテーション情報に基づいて差分画像における検査対象を特定し、特定した検査対象の差分画像領域を閾値情報と比較した結果に基づいて、検査対象の異常を判定する。差分画像は、例えば、振幅画像、位相画像または強度画像である。閾値情報は、振幅、位相または強度の閾値である。
　実施の形態１に係る画像検査方法は、以下の通りである。
　図３は実施の形態１に係る画像検査方法を示すフローチャートであり、画像検査装置１によって実行される画像検査の一連の処理を示している。
　検査対象である製品は、撮影装置２の撮影視野内に配置され、撮影装置２によって撮影される。撮影装置２によって撮影された検査対象の画像は、「検査対象画像」である。画像取得部１１は、撮影装置２によって順次撮影された検査対象画像を取得する（ステップＳＴ１）。画像取得部１１によって取得された検査対象画像は、幾何変換処理部１２へ出力される。
　幾何変換処理部１２は、検査対象画像における検査対象の位置を、検査対象の位置が既知である第１の参照画像に合わせる幾何変換パラメータを推定し、幾何変換パラメータを用いて検査対象画像を幾何変換することで、検査対象の位置が第１の参照画像に合わされた画像を生成する（ステップＳＴ２）。例えば、幾何変換処理部１２は、画像レジストレーション処理によって幾何変換パラメータを推定する。
　画像レジストレーションは、注目画像と参照画像から抽出された特徴点の類似度または注目画像と参照画像の間で画像変換された画像領域の類似度に基づいて、注目画像と参照画像の間の幾何変換パラメータを推定する処理である。幾何変換処理には、例えば、線形変換であるユークリッド変換、アフィン変換またはホモグラフィ変換がある。また、幾何変換処理は、画像回転、画像反転またはクロップの少なくとも一つであってもよい。
　記憶装置３が備える補助メモリ３ｂには、検査対象が撮影装置２の撮影視野に正対した状態で撮影された検査対象画像が第１の参照画像として記憶されている。第１の参照画像には、検査対象画像における検査対象の位置とその画像領域を示す情報がアノテーションされている。例えば、図１Ａに示した画像Ａが、第１の参照画像として記憶装置３に保存され、個々の第１の参照画像には、部品Ｂａの位置とその画像領域を示すアノテーション情報が付与される。
　幾何変換処理部１２は、撮影装置２によって撮影された検査対象画像における検査対象の位置を、第１の参照画像に付与されたアノテーション情報に基づいて特定された位置に合わせる画像レジストレーション処理を実行し、位置合わせに必要な幾何変換パラメータを推定する。そして、幾何変換処理部１２は、撮影装置２によって撮影された検査対象の画像に対して幾何変換パラメータを用いた幾何変換処理を行うことで、第１の参照画像と同じような位置姿勢で撮影された検査対象の画像を生成する。以下、幾何変換処理部１２によって生成された画像は、「位置合わせ済み画像」である。
　画像復元処理部１３は、画像生成ネットワークへの入力画像を生成する（ステップＳＴ３）。例えば、Ｕ－ｎｅｔのように、画像生成ネットワークが、複数のレイヤーを跨いだスキップコネクションを有したニューラルネットワークであると、スキップコネクションされる経路の重みが大きくなるように学習される。このため、画像生成ネットワークは、入力画像をそのまま出力するように学習してしまい、位置合わせ済み画像と出力画像との差分を抽出しづらくなる。
　そこで、画像復元処理部１３は、検査対象画像を加工した画像を、入力画像として画像生成ネットワークに入力する。検査対象画像を加工した画像は、例えば、検査対象画像と第２の参照画像との差分画像であってもよい。第２の参照画像には、例えば、正常な検査対象が撮影された複数の検査対象画像の平均画像が用いられ、補助メモリ３ｂに記憶される。なお、スキップコネクションを有さない画像生成ネットワークであれば、入力画像は位置合わせ済み画像であってもよい。
　画像復元処理部１３は、前述のようにして生成した入力画像を画像生成ネットワークに入力することにより、位置合わせ済み画像を復元する（ステップＳＴ４）。例えば、画像生成ネットワークは、検査対象画像と第２の参照画像との差分画像を入力し、位置合わせ済み画像を推論（復元）する。
　異常判定部１４は、幾何変換処理部１２によって幾何変換された検査対象画像と、画像復元処理部１３によって復元された位置合わせ済み画像との差分画像を用いて、検査対象の異常を判定する（ステップＳＴ５）。例えば、異常判定部１４は、幾何変換された検査対象画像と復元された位置合わせ済み画像との差分画像を抽出した場合、第１の参照画像に付与されたアノテーション情報に基づいて、抽出した差分画像がどの検査対象の位置と画像領域であるかを特定できる。異常判定部１４は、位置および画像領域を特定した検査対象に異常があると判定する。
　差分画像の抽出方法としては、一定の領域ごと（例えば、画像内の部品領域ごとまたは一定サイズの画素ブロックごと）に画素値の絶対差分の総和または平均値を用いる方法がある。また、差分画像の抽出方法には、一定の領域ごとの画像の構造類似度（ＳＳＩＭ、またはＰＳＮＲ）を用いる方法がある。異常判定部１４は、差分画像における注目画素値が閾値よりも大きい場合、差分画像領域に対応する検査対象に異常があると判定する。
　画像検査装置１の機能を実現するハードウェア構成は、以下の通りである。
　図４Ａは、画像検査装置１の機能を実現するハードウェア構成を示すブロック図である。図４Ｂは、画像検査装置１の機能を実現するソフトウェアを実行するハードウェア構成を示すブロック図である。図４Ａおよび図４Ｂにおいて、入力Ｉ／Ｆ１００は、撮影装置２によって撮影された映像入力を受け付けるインタフェースである。ファイルＩ／Ｆ１０１は、記憶装置３との間でやり取りされるデータを中継するインタフェースである。
　画像検査装置１が備える、画像取得部１１、幾何変換処理部１２、画像復元処理部１３および異常判定部１４の機能は、処理回路により実現される。すなわち、画像検査装置１は、図３に示したステップＳＴ１からステップＳＴ５の処理を実行するための処理回路を備える。処理回路は、専用のハードウェアであってもよいが、メモリに記憶されたプログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）であってもよい。
　処理回路が図４Ａに示す専用のハードウェアの処理回路１０２である場合に、処理回路１０２は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、または、これらを組み合わせたものが該当する。画像検査装置１が備える、画像取得部１１、幾何変換処理部１２、画像復元処理部１３および異常判定部１４の機能は、別々の処理回路で実現されてもよく、これらの機能がまとめて１つの処理回路で実現されてもよい。
　処理回路が図４Ｂに示すプロセッサ１０３である場合、画像検査装置１が備える、画像取得部１１、幾何変換処理部１２、画像復元処理部１３および異常判定部１４の機能は、ソフトウェア、ファームウェアまたはソフトウェアとファームウェアとの組み合わせにより実現される。なお、ソフトウェアまたはファームウェアは、プログラムとして記述されてメモリ１０４に記憶される。
　プロセッサ１０３は、メモリ１０４に記憶されたプログラムを読み出して実行することにより、画像検査装置１が備える、画像取得部１１、幾何変換処理部１２、画像復元処理部１３および異常判定部１４の機能を実現する。例えば、画像検査装置１は、プロセッサ１０３によって実行されるときに、図３に示したステップＳＴ１からステップＳＴ５までの処理が結果的に実行されるプログラムを記憶するメモリ１０４を備える。これらのプログラムは、画像取得部１１、幾何変換処理部１２、画像復元処理部１３および異常判定部１４の手順または方法をコンピュータに実行させる。メモリ１０４は、コンピュータを、画像取得部１１、幾何変換処理部１２、画像復元処理部１３および異常判定部１４として機能させるためのプログラムが記憶されたコンピュータ可読記憶媒体であってもよい。
　メモリ１０４は、例えば、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、フラッシュメモリ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ－ＥＰＲＯＭ）などの不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤなどが該当する。
　画像検査装置１が備える、画像取得部１１、幾何変換処理部１２、画像復元処理部１３および異常判定部１４の機能の一部が専用のハードウェアで実現され、残りの一部がソフトウェアまたはファームウェアで実現されてもよい。例えば、画像取得部１１は、専用のハードウェアである処理回路１０２によって機能が実現され、幾何変換処理部１２、画像復元処理部１３および異常判定部１４は、プロセッサ１０３がメモリ１０４に記憶されたプログラムを読み出して実行することによって機能が実現される。このように、処理回路は、ハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせによって、上記機能を実現することができる。
　以上のように、実施の形態１に係る画像検査装置１において、検査対象および撮影装置２の位置姿勢に変化が生じた場合であっても、検査対象の位置が既知な第１の参照画像を用いた幾何変換によって検査対象画像上の検査対象が位置合わせされる。検査対象が位置合わせされた位置合わせ済み画像を正解画像として推論する画像生成ネットワークを用いて、位置合わせ済み画像が復元される。幾何変換によって位置合わせされた検査対象画像と復元された位置合わせ済み画像との差分画像を用いて、検査対象の異常が判定される。これにより、画像検査装置１は、検査対象および撮影装置の位置姿勢の変化に頑健な画像検査を行うことができる。
実施の形態２．
　図５は、実施の形態２に係る画像検査装置１Ａの構成を示すブロック図である。図５において、画像検査装置１Ａは、撮影装置２および記憶装置３に接続されており、撮影装置２によって検査対象が撮影された画像を入力し、入力した画像と記憶装置３に記憶されたデータを用いて、検査対象の異常を判定する。画像検査装置１Ａは、画像取得部１１Ａ、幾何変換処理部１２Ａ、画像復元処理部１３Ａおよび異常判定部１４Ａを備える。
　画像取得部１１Ａは、撮影装置２によって検査対象が撮影された検査対象画像を、入力Ｉ／Ｆを介して取得し、取得した画像を幾何変換処理部１２Ａおよび画像復元処理部１３Ａに出力する。画像取得部１１Ａによって取得された検査対象画像は、検査対象である被写体が撮影装置２の撮影視野に対して正対した状態のみならず、正対していない状態である場合も含まれる第１の画像である。
　幾何変換処理部１２Ａは、画像取得部１１Ａによって取得された検査対象画像における検査対象の位置を、検査対象の位置が既知である第１の参照画像に合わせる幾何変換パラメータを推定し、幾何変換パラメータを用いて検査対象画像を幾何変換することにより、検査対象の位置が第１の参照画像に合わされた位置合わせ済み画像を生成する。
　画像復元処理部１３Ａは、画像取得部１１Ａによって取得された検査対象画像（第１の画像）を画像生成ネットワークへ入力することにより、当該入力画像から位置合わせ済み画像を復元する。異常判定部１４Ａは、幾何変換処理部１２Ａによって幾何変換された検査対象画像と画像復元処理部１３Ａによって復元された位置合わせ済み画像との差分画像を算出し、差分画像を用いて検査対象の異常を判定する。
　実施の形態２に係る画像検査方法は、以下の通りである。
　図６は、実施の形態２に係る画像検査方法を示すフローチャートであり、画像検査装置１Ａによって実行される画像検査の一連の処理を示している。画像取得部１１Ａは、撮影装置２によって順次撮影された検査対象画像を取得する（ステップＳＴ１ａ）。画像取得部１１Ａによって取得された検査対象画像は、幾何変換処理部１２Ａおよび画像復元処理部１３Ａへ出力される。
　幾何変換処理部１２Ａは、検査対象画像における検査対象の位置を、検査対象の位置が既知である第１の参照画像に合わせる幾何変換パラメータを推定し、幾何変換パラメータを用いて検査対象画像を幾何変換することにより、検査対象の位置が第１の参照画像に合わされた、位置合わせ済み画像を生成する（ステップＳＴ２ａａ）。なお、幾何変換処理部１２Ａは、実施の形態１における幾何変換処理部１２と同様に、例えば、画像レジストレーション処理によって幾何変換パラメータを推定し、画像取得部１１Ａによって取得された検査対象画像に対して幾何変換パラメータを用いた幾何変換処理を行うことにより、位置合わせ済み画像を生成する。
　また、画像復元処理部１３Ａは、画像取得部１１Ａによって取得された検査対象画像をそのまま画像生成ネットワークに入力することで、位置合わせ済み画像を復元する（ステップＳＴ２ａｂ）。例えば、画像生成ネットワークは、幾何変換処理部１２Ａによって生成された位置合わせ済み画像を正解画像（出力画像）と、画像取得部１１Ａによって取得された、位置合わせされていない検査対象画像を入力画像との複数のペアを学習用データとして、入力画像と出力画像との間の画像変換が学習されたものである。なお、画像生成ネットワークによる学習対象の画像変換には、位置合わせされていない検査対象画像における検査対象の位置を、検査対象の位置が既知である第１の参照画像に合わせる幾何変換も含まれる。
　異常判定部１４Ａは、幾何変換処理部１２Ａによって幾何変換された検査対象画像と、画像復元処理部１３Ａによって復元された位置合わせ済み画像との差分画像を用いて、検査対象の異常を判定する（ステップＳＴ３ａ）。例えば、異常判定部１４Ａは、幾何変換された検査対象画像と復元された位置合わせ済み画像との差分画像を抽出した場合、第１の参照画像に付与されたアノテーション情報に基づいて、抽出した差分画像がどの検査対象の位置と画像領域であるかを特定できる。異常判定部１４Ａは、位置および画像領域を特定した検査対象に異常があると判定する。
　なお、画像検査装置１Ａが備える画像取得部１１Ａ、幾何変換処理部１２Ａ、画像復元処理部１３Ａおよび異常判定部１４Ａの機能は、処理回路により実現される。すなわち、画像検査装置１Ａは、図６に示したステップＳＴ１ａからステップＳＴ３ａまでの処理を実行するための処理回路を備えている。処理回路は、図４Ａに示した専用のハードウェアの処理回路１０２であってもよいし、図４Ｂに示したメモリ１０４に記憶されたプログラムを実行するプロセッサ１０３であってもよい。
　以上のように、実施の形態２に係る画像検査装置１Ａにおいて、画像生成ネットワークへの入力画像は、撮影装置２によって撮影された検査対象画像である。画像生成ネットワークは、検査対象画像を入力し、位置合わせ済み画像を推論する。画像復元処理部１３Ａは、上記画像生成ネットワークを用いて、位置合わせ済み画像を復元する。これにより、画像検査装置１Ａは、検査対象および撮影装置の位置姿勢の変化に頑健な画像検査を行うことができる。また、画像生成ネットワークへの入力画像の生成処理が省略されるので、実施の形態１に係る画像検査方法よりも演算処理量が削減される。さらに、幾何変換処理と画像復元処理とを並列に行うことが可能であるため、画像検査のタクトタイムを短縮できる。
　なお、各実施の形態の組み合わせまたは実施の形態のそれぞれの任意の構成要素の変形もしくは実施の形態のそれぞれにおいて任意の構成要素の省略が可能である。
　本開示に係る画像検査装置は、例えば、製品の異常検査に利用可能である。
　１，１Ａ　画像検査装置、２　撮影装置、３　記憶装置、３ａ　メインメモリ、３ｂ　補助メモリ、１１，１１Ａ　画像取得部、１２，１２Ａ　幾何変換処理部、１３，１３Ａ　画像復元処理部、１４，１４Ａ　異常判定部、１００　入力Ｉ／Ｆ、１０１　ファイルＩ／Ｆ、１０２　処理回路、１０３　プロセッサ、１０４　メモリ。

Claims (6)

  1. 　検査対象が撮影された第１の画像を取得する画像取得部と、
    　前記第１の画像における前記検査対象の位置を、前記検査対象の位置が既知である第１の参照画像に合わせる幾何変換パラメータを推定し、推定した前記幾何変換パラメータを用いて前記第１の画像を幾何変換することにより、前記第１の画像における前記検査対象の位置が前記第１の参照画像に合わされた第２の画像を生成する幾何変換処理部と、
    　前記第１の画像を用いて生成した第３の画像を入力し正解画像として前記第２の画像を推論する画像生成ネットワークを用いて、前記第２の画像を復元する画像復元処理部と、
    　前記第１の画像の幾何変換によって得られた前記第２の画像と、復元された前記第２の画像との差分画像を用いて、前記検査対象の異常を判定する異常判定部と、
    　を備えたことを特徴とする画像検査装置。
  2. 　前記第３の画像は、前記第１の画像と前記検査対象の位置が既知である第２の参照画像との差分画像であること
    　を特徴とする請求項１記載の画像検査装置。
  3. 　前記第３の画像は、前記第１の画像であり、
    　前記画像生成ネットワークは、前記第１の画像を入力し前記第２の画像を推論するものであり、
    　前記画像復元処理部は、前記画像生成ネットワークを用いて前記第２の画像を復元すること
    　を特徴とする請求項１記載の画像検査装置。
  4. 　前記幾何変換処理部は、前記第１の参照画像に対する画像レジストレーションによって前記第１の画像を幾何変換することにより前記第２の画像を生成すること
    　を特徴する請求項１記載の画像検査装置。
  5. 　前記幾何変換処理部は、前記第１の画像に対して、画像回転、画像反転またはクロップの少なくとも一つを行って前記第２の画像を生成すること
    　を特徴する請求項１記載の画像検査装置。
  6. 　画像取得部が、検査対象が撮影された第１の画像を取得するステップと、
    　幾何変換処理部が、前記第１の画像における前記検査対象の位置を、前記検査対象の位置が既知である第１の参照画像に合わせる幾何変換パラメータを推定し、推定した前記幾何変換パラメータを用いて前記第１の画像を幾何変換することにより、前記第１の画像における前記検査対象の位置が前記第１の参照画像に合わされた第２の画像を生成するステップと、
    　画像復元処理部が、前記第１の画像を用いて生成した第３の画像を入力し正解画像として前記第２の画像を推論する画像生成ネットワークを用いて、前記第２の画像を復元するステップと、
    　異常判定部が、前記第１の画像の幾何変換によって得られた前記第２の画像と、復元された前記第２の画像との差分画像を用いて、前記検査対象の異常を判定するステップと、
    　を備えたことを特徴とする画像検査方法。
PCT/JP2020/017946 2020-04-27 2020-04-27 画像検査装置および画像検査方法 WO2021220336A1 (ja)

Priority Applications (7)

Application Number Priority Date Filing Date Title
DE112020006786.6T DE112020006786T5 (de) 2020-04-27 2020-04-27 Bilduntersuchungsvorrichtung und Bilduntersuchungsverfahren
JP2022516605A JP7101918B2 (ja) 2020-04-27 2020-04-27 画像検査装置および画像検査方法
PCT/JP2020/017946 WO2021220336A1 (ja) 2020-04-27 2020-04-27 画像検査装置および画像検査方法
KR1020227035761A KR20220146666A (ko) 2020-04-27 2020-04-27 화상 검사 장치 및 화상 검사 방법
CN202080099769.7A CN115398474A (zh) 2020-04-27 2020-04-27 图像检查装置和图像检查方法
TW109141987A TW202141351A (zh) 2020-04-27 2020-11-30 影像檢查裝置以及影像檢查方法
US17/894,275 US20230005132A1 (en) 2020-04-27 2022-08-24 Image inspection device and image inspection method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/017946 WO2021220336A1 (ja) 2020-04-27 2020-04-27 画像検査装置および画像検査方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/894,275 Continuation US20230005132A1 (en) 2020-04-27 2022-08-24 Image inspection device and image inspection method

Publications (1)

Publication Number Publication Date
WO2021220336A1 true WO2021220336A1 (ja) 2021-11-04

Family

ID=78332352

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/017946 WO2021220336A1 (ja) 2020-04-27 2020-04-27 画像検査装置および画像検査方法

Country Status (7)

Country Link
US (1) US20230005132A1 (ja)
JP (1) JP7101918B2 (ja)
KR (1) KR20220146666A (ja)
CN (1) CN115398474A (ja)
DE (1) DE112020006786T5 (ja)
TW (1) TW202141351A (ja)
WO (1) WO2021220336A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023095250A1 (ja) * 2021-11-25 2023-06-01 株式会社日立国際電気 異常検知システム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008219800A (ja) * 2007-03-07 2008-09-18 Osaka Prefecture Univ 書込み抽出方法、書込み抽出装置および書込み抽出プログラム
JP6241576B1 (ja) * 2016-12-06 2017-12-06 三菱電機株式会社 検査装置及び検査方法
JP2017219529A (ja) * 2016-06-07 2017-12-14 株式会社豊田中央研究所 外観異常検査装置、方法、及びプログラム
WO2019064599A1 (ja) * 2017-09-29 2019-04-04 日本電気株式会社 異常検知装置、異常検知方法、及びコンピュータ読み取り可能な記録媒体
WO2019159853A1 (ja) * 2018-02-13 2019-08-22 日本電気株式会社 画像処理装置、画像処理方法及び記録媒体
WO2019186915A1 (ja) * 2018-03-29 2019-10-03 三菱電機株式会社 異常検査装置および異常検査方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008219800A (ja) * 2007-03-07 2008-09-18 Osaka Prefecture Univ 書込み抽出方法、書込み抽出装置および書込み抽出プログラム
JP2017219529A (ja) * 2016-06-07 2017-12-14 株式会社豊田中央研究所 外観異常検査装置、方法、及びプログラム
JP6241576B1 (ja) * 2016-12-06 2017-12-06 三菱電機株式会社 検査装置及び検査方法
WO2019064599A1 (ja) * 2017-09-29 2019-04-04 日本電気株式会社 異常検知装置、異常検知方法、及びコンピュータ読み取り可能な記録媒体
WO2019159853A1 (ja) * 2018-02-13 2019-08-22 日本電気株式会社 画像処理装置、画像処理方法及び記録媒体
WO2019186915A1 (ja) * 2018-03-29 2019-10-03 三菱電機株式会社 異常検査装置および異常検査方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023095250A1 (ja) * 2021-11-25 2023-06-01 株式会社日立国際電気 異常検知システム

Also Published As

Publication number Publication date
JP7101918B2 (ja) 2022-07-15
KR20220146666A (ko) 2022-11-01
US20230005132A1 (en) 2023-01-05
DE112020006786T5 (de) 2023-01-12
CN115398474A (zh) 2022-11-25
TW202141351A (zh) 2021-11-01
JPWO2021220336A1 (ja) 2021-11-04

Similar Documents

Publication Publication Date Title
US20150262346A1 (en) Image processing apparatus, image processing method, and image processing program
JP5096303B2 (ja) 撮像装置
KR20140109439A (ko) 잡음에 강한 영상 정합 방법 및 시스템
KR101524548B1 (ko) 영상 정합 장치 및 방법
EP1932114A2 (en) Image processing apparatus and image processing program
US20140037212A1 (en) Image processing method and device
WO2013190862A1 (ja) 画像処理装置及び画像処理方法
KR102256583B1 (ko) 3d 포인트 클라우드를 이용한 2d 영상에서의 피사체 위치 계측 시스템
JP6656035B2 (ja) 画像処理装置、撮像装置および画像処理装置の制御方法
CN111524091B (zh) 信息处理装置、信息处理方法和存储介质
KR20190059639A (ko) 콘크리트 표면 균열 측정 장치 및 방법
KR102481896B1 (ko) 이미지 스티칭을 이용한 구조물 외관 조사망도 구축 시스템 및 방법
JPWO2007074605A1 (ja) 画像処理方法、画像処理プログラム、画像処理装置、及び撮像装置
JP6347589B2 (ja) 情報処理装置、情報処理方法及びプログラム
WO2021220336A1 (ja) 画像検査装置および画像検査方法
Attard et al. Image mosaicing of tunnel wall images using high level features
WO2021230157A1 (ja) 情報処理装置、情報処理方法、および情報処理プログラム
WO2021059765A1 (ja) 撮像装置、画像処理システム、画像処理方法及びプログラム
US11393116B2 (en) Information processing apparatus, method thereof, and non-transitory computer-readable storage medium
WO2020158726A1 (ja) 画像処理装置、画像処理方法、及びプログラム
US20120033888A1 (en) Image processing system, image processing method, and computer readable medium
KR20200016508A (ko) 영상 합성 방법 및 장치
JP4865204B2 (ja) 画像処理方法、画像処理装置及び半導体検査装置
Bowman Image stitching and matching tool in the Automated Iterative Reverse Engineer (AIRE) integrated circuit analysis suite
Petrou et al. Super-resolution in practice: the complete pipeline from image capture to super-resolved subimage creation using a novel frame selection method

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: 20932915

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022516605

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20227035761

Country of ref document: KR

Kind code of ref document: A

122 Ep: pct application non-entry in european phase

Ref document number: 20932915

Country of ref document: EP

Kind code of ref document: A1