JP2006337152A

JP2006337152A - 教示用画像生成方法および装置、画像処理アルゴリズム生成方法および装置、画像検査方法および装置、プログラムならびに記録媒体

Info

Publication number: JP2006337152A
Application number: JP2005161636A
Authority: JP
Inventors: Masakazu Yanase; 正和柳瀬
Original assignee: Sharp Corp
Current assignee: Sharp Corp
Priority date: 2005-06-01
Filing date: 2005-06-01
Publication date: 2006-12-14

Abstract

【課題】教示過程において自己発展的に目標となる処理を習得するアルゴリズムに高速に処理させることが可能な教示用画像を生成することが可能な教示用画像生成方法および装置、プログラムならびに記録媒体と、優良な画像処理アルゴリズムを高速に生成することが可能な画像処理アルゴリズム生成方法および装置、プログラムならびに記録媒体と、適切に検査対象画像の良否を判定可能な画像検査方法および装置、プログラムならびに記録媒体とを提供する。
【解決手段】検査領域を有する教示用画像において、指定された検査領域内の検査領域画像の特徴量を算出し、算出された画像を配置する位置に、検査領域画像の特徴量を変化させた変化検査領域画像を配置した新規欠陥追加教示用画像を生成する。
【選択図】図５

Description

本発明は、教示用画像生成方法および装置、画像処理アルゴリズム生成方法および装置、画像検査方法および装置、プログラムならびに記録媒体に関し、特に、画像データから所望の領域を抽出するための教示用画像生成方法および装置、画像処理アルゴリズム生成方法および装置、画像検査方法および装置、プログラムならびに記録媒体に関する。

近年、ＣＣＤ等の画像撮像デバイスやパーソナルコンピュータ等の画像処理機器の低価格化により、画像処理の適用分野が広がりつつある。とりわけ、産業分野における欠陥検査への画像処理の適用は広範に渡り、製品やデバイスの歩留まり、品質の向上や目視検査員削減によるコストダウンのためにますますその必要性を高めている。したがって、現状では欠陥検査のために、画像処理技術を適用した多種多様な欠陥検査装置が開発されている。

このような画像処理型欠陥検査装置においては、対象とする製品やデバイスによって多種多様な欠陥が存在するため、技術者が欠陥対象毎に画像処理アルゴリズムや欠陥分類アルゴリズムを専用設計することが一般的である。しかし、画像処理型欠陥検査装置の専用設計は、技術者の経験に頼るところが多く、その開発・導入において非常に多くの工数を要する。

このような課題に対して、近年、学習機能を有する画像処理型欠陥検査装置が開発されている。画像処理型欠陥検査装置で利用される学習アルゴリズムとしては、ニューラルネットワークや進化的手法などの最適化手法が挙げられる。

特許第３４７６９１３号公報（特許文献１）（以下においては、従来技術Ａとも称する）には、ニューラルネットワークを適用した学習型欠陥種別判定装置に関する技術（以下においては、従来技術Ａとも称する）が開示されている。従来技術Ａの装置においては、まず学習前に、学習用教示画像である入力画像に対して画像処理を行なうことで欠陥が抽出し、抽出した欠陥の欠陥情報（面積、重心位置、フェレ径、欠陥の明るさ等）を検出している。

また、従来技術Ａの装置においては、学習器であるニューラルネットワークの入力層には抽出した欠陥の欠陥情報を割り当て、出力層には欠陥の種類（キズ、ゴミ、露光不良、現像不良など数十種類）を割り当てている。すなわち、従来技術Ａの装置においては、入力された欠陥情報と出力される欠陥の種類の対応が適切になるように、ニューラルネットワークの中間層を最適化することで学習するものである。

しかしながら、従来技術Ａの学習型欠陥種別判定装置では、学習用教示画像の欠陥種別判定に特化したものとなり、学習用教示画像と少しだけ異なる検査対象画像に対する欠陥種別判定であっても精度が著しく低下するという過学習状態になりやすいことが知られている。

このような課題に対する対応策の技術として、特開平１１−２８２８２２号公報（特許文献２）に開示されている画像処理プログラム合成方法の技術（以下においては、従来技術Ｂとも称する）がある。従来技術Ｂでは、進化的手法の一手法である遺伝的アルゴリズムを用いて画像処理アルゴリズムを自動生成している。また、従来技術Ｂでは、自動生成に用いる教示用画像に、画像変換をかけた画像を新規教示用画像として追加することで教示用画像と類似した検査対象画像の欠陥種別判定精度が向上したことが報告されている。

また、特開平５−１４９７２８号公報（特許文献３）には、良品サンプルを撮像して得られたサンプル画像に、画像メモリに保存されている不良パターンから選択したもの一つを合成して教示用画像を作成する技術（以下においては、従来技術Ｃとも称する）が開示されている。従来技術Ｃでは、作業員がビデオモニタに表示された良品サンプルと不良パターンの合成画像を見ながら、入力装置を用いて、不良パターンの位置、回転角度、倍率、濃度、色などの情報を入力することで教示用画像を作成している。

さらにまた、従来技術Ｃに開示されている教示用画像の作成方法としては、良品サンプルを撮像して得られたサンプル画像に、作業員が、入力装置としての例えばマウスやライトペンなどを用いた描画ツールでもって直接画像を編集する方法がある。
特許第３４７６９１３号公報特開平１１−２８２８２２号公報特開平５−１４９７２８号公報

前述したように、従来技術Ａでは、学習用教示画像の欠陥種別判定に特化したものとなり、教示画像と少しだけ異なる検査対象画像に対する欠陥種別判定であっても精度が著しく低下するという過学習状態になりやすいという課題がある。

また、従来技術Ｂにおいては、教示用画像に画像変換をかけた画像を新規教示用画像として追加している。当該画像変換は具体的には明度変更、コントラスト変更、幾何学変更などが含まれる。

ここで、たとえば、実環境における照明変動を考慮した教示用画像の明度変更によって作成した新規教示用画像を追加することに関して説明する。実際には教示用画像の各画素の濃度を一定オフセット値αだけ加えることで明度変更を行っている。

たとえば、αが“５”、“１０”、“２０”の３つの場合に対する欠陥種別判定精度の向上を行ないたい場合には、各画素に濃度値“５”を加えた第１の新規教示用画像と、各画素に濃度値“１０”を加えた第２の新規教示用画像２と、各画素に濃度値“２０”を加えた第３の新規教示用画像との３枚の教示用画像を追加する必要がある。すなわち、画像変換をかけた変化量の種類に応じて追加すべき新規教示用画像の数が増加する。

さらにまた、明度変更以外のコントラスト変更に着目しても同様に、変化量の種類に応じて追加すべき新規教示用画像の数が増加する。これはつまり、画像変換の種類とそれぞれの画像変換の変化量の種類の積に相当する数の新規教示用画像を追加する必要があることを意味する。

このように追加する教示用画像も含めた全ての教示用画像の数が多くなればなるほど、画像処理アルゴリズムの学習に要する時間が増大するという問題がある。

従来技術Ｃは、良品サンプルを撮像して得られたサンプル画像に、画像メモリに保存されている不良パターンから選択したもの一つを合成して作成した教示用画像を新規教示用画像として追加する方法である。したがって、追加する不良パターンの数だけ新規教示用画像を追加する必要があるため、追加する教示用画像も含めた全ての教示用画像の数が多くなればなるほど、画像処理アルゴリズムの学習に要する時間が増大するという問題がある。

さらにまた、従来技術Ｃにおいては、作業員がビデオモニタに表示された良品サンプルと不良パターンの合成画像を見ながら、入力装置を用いて、不良パターンの位置、回転角度、倍率、濃度、色などの情報を入力する必要があるため、１枚の教示用画像を作成することに対する作業員への負担が大きく、時間とコストが増大する。

また、従来技術Ｃに開示されているもう一つの教示用画像の作成方法は、良品サンプルを撮像して得られたサンプル画像に、作業員が、入力装置としての例えばマウスやライトペンなどを用いた描画ツールでもって直接画像を編集するという方法である。すなわち、当該方法は人為的であるため、実際の欠陥とのコントラストなどの差が大きくなり、学習結果として得られたものの信頼性が低下する可能性があるという課題がある。

本発明は、上述の問題点を解決するためになされたものであって、その目的は、教示過程において自己発展的に目標となる処理を習得するアルゴリズムに高速に処理させることが可能な教示用画像を生成することが可能な教示用画像生成方法および装置を提供することである。

本発明の他の目的は、教示過程において自己発展的に目標となる処理を習得するアルゴリズムに高速に処理させることが可能な教示用画像を生成することが可能なプログラムおよび当該プログラムを記録した記録媒体を提供することである。

本発明のさらに他の目的は、優良な画像処理アルゴリズムを高速に生成することが可能な画像処理アルゴリズム生成方法および装置を提供することである。

本発明のさらに他の目的は、優良な画像処理アルゴリズムを高速に生成することが可能なプログラムおよび当該プログラムを記録した記録媒体を提供することである。

本発明のさらに他の目的は、適切に検査対象画像の良否を判定可能な画像検査方法および装置を提供することである。

本発明のさらに他の目的は、適切に検査対象画像の良否を判定可能なプログラムおよび当該プログラムを記録した記録媒体を提供することである。

上述の課題を解決するために、この発明のある局面に従うと、教示過程において自己発展的に目標となる処理を習得するアルゴリズムに処理させるための、検査領域を有する教示用画像を生成する教示用画像生成方法は、検査領域を有する教示用画像を入力する工程と、検査領域を指定する工程と、指定された検査領域内の検査領域画像の特徴量を算出する工程と、教示用画像内で画像を配置する位置を算出する工程と、検査領域画像の特徴量を変化させた変化検査領域画像を生成する工程と、算出された画像を配置する位置に変化検査領域画像を配置した新規欠陥追加教示用画像を生成する工程とを含む。

好ましくは、所定の終了条件は、ユーザによる指示を受付ける工程をさらに含み、検査領域を指定する工程は、受付けたユーザの指示に基づいて、検査領域を指定する。

好ましくは、画像を配置する位置は、検査領域画像と重ならない位置である。
好ましくは、検査領域画像の特徴量を算出する工程は、検査領域画像の重心位置を算出する工程を含み、画像を配置する位置を算出する工程は、画像を配置する位置を、算出された検査領域画像の重心位置を中心に近傍から探索して算出する。

好ましくは、検査領域が抽出すべき領域であるか否かを判定する工程をさらに含み、変化検査領域画像を生成する工程は、検査領域が抽出すべき領域であると判定された場合、検査領域画像の面積を縮小させた変化検査領域画像を生成する。

好ましくは、検査領域が抽出すべき領域であるか否かを判定する工程をさらに含み、変化検査領域画像を生成する工程は、検査領域が抽出すべき領域でないと判定された場合、検査領域画像の面積を拡大させた変化検査領域画像を生成する。

好ましくは、検査領域が抽出すべき領域であるか否かを判定する工程をさらに含み、検査領域画像の特徴量を算出する工程は、検査領域画像の重心位置を算出する工程を含み、教示用画像を入力する工程は、検査領域が抽出すべき領域であると判定された場合、新たに、検査領域を有する新規教示用画像を入力し、新規欠陥追加教示用画像を生成する工程は、新規教示用画像内の、検査領域画像の重心位置と対応する位置に、変化検査領域画像を配置した新規欠陥追加教示用画像を生成する。

好ましくは、検査領域が抽出すべき領域であるか否かを判定する工程をさらに含み、検査領域画像の特徴量を算出する工程は、検査領域画像の重心位置を算出する工程を含み、教示用画像を入力する工程は、検査領域が抽出すべき領域であると判定された場合、新たに、検査領域を有する新規教示用画像を入力し、新規教示用画像の検査領域が抽出すべき領域であるか否かを判定する工程をさらに含み、新規欠陥追加教示用画像を生成する工程は、新規教示用画像の検査領域が抽出すべき領域でないと判定された場合、新規教示用画像内の、検査領域画像の重心位置と対応する位置に、変化検査領域画像を配置した新規欠陥追加教示用画像を生成する。

好ましくは、変化検査領域画像を生成する工程は、検査領域が抽出すべき領域であると判定された場合、検査領域画像の面積を縮小させた変化検査領域画像を生成する。

好ましくは、変化検査領域画像を生成する工程は、検査領域が抽出すべき領域でないと判定された場合、検査領域画像の面積を拡大させた変化検査領域画像を生成する。

好ましくは、検査領域画像および変化検査領域画像の周囲に、それぞれ、第１および第２検査周囲領域を設定する工程と、検査領域画像の第１濃度値と、第１検査周囲領域内の領域であって検査領域画像以外の背景領域の第１背景画像の第２濃度値と、第２検査周囲領域内の領域であって変化検査領域画像以外の背景領域の第２背景画像の第３濃度値とに基づいて、変化検査領域画像の第４濃度値を算出する工程とをさらに含む。

好ましくは、第１濃度値は、検査領域画像の全画素の平均濃度値であり、第２濃度値は、第１背景画像の全画素の平均濃度値であり、第３濃度値は、第２背景画像の全画素の平均濃度値であり、検査領域画像を、変化検査領域画像と同じサイズおよび形状にする工程と、変化検査領域画像の第４濃度値を算出する工程は、変化検査領域画像の全画素の濃度値を、変化検査領域画像と同じサイズおよび形状にされた検査領域画像の全画素の濃度値にそれぞれ設定する工程と、設定された変化検査領域画像の全画素の濃度値の平均値と第３濃度値との差の値と、第１濃度値と第２濃度値との差の値との差の値の絶対値が、所定値以下でない場合、所定値以下となるように、設定された変化検査領域画像の全画素の濃度値に、絶対値を加算または減算する工程とをさらに含む。

この発明の他の局面に従うと、教示過程において自己発展的に目標となる処理を習得するアルゴリズムに処理させるための、検査領域を有する教示用画像を生成する教示用画像生成装置は、検査領域を有する教示用画像を入力する画像入力部と、検査領域を指定する検査領域指定部と、指定された検査領域内の検査領域画像の特徴量を算出する特徴量算出部と、教示用画像内で画像を配置する位置を算出する位置算出部と、検査領域画像の特徴量を変化させた変化検査領域画像を生成する変化検査領域画像生成部と、算出された画像を配置する位置に変化検査領域画像を配置した新規欠陥追加教示用画像を生成する画像生成部とを備える。

好ましくは、ユーザによる指示を受付ける入力部をさらに備え、検査領域指定部は、受付けたユーザの指示に基づいて、検査領域を指定する。

好ましくは、画像を配置する位置は、検査領域画像と重ならない位置である。
好ましくは、特徴量算出部は、検査領域画像の重心位置を算出し、位置算出部は、画像を配置する位置を、算出された検査領域画像の重心位置を中心に近傍から探索して算出する。

好ましくは、検査領域が抽出すべき領域であるか否かを判定する検査領域判定部をさらに備え、変化検査領域画像生成部は、検査領域が抽出すべき領域であると判定された場合、検査領域画像の面積を縮小させた変化検査領域画像を生成する。

好ましくは、検査領域が抽出すべき領域であるか否かを判定する検査領域判定部をさらに備え、変化検査領域画像生成部は、検査領域が抽出すべき領域でないと判定された場合、検査領域画像の面積を拡大させた変化検査領域画像を生成する。

好ましくは、検査領域が抽出すべき領域であるか否かを判定する検査領域判定部をさらに備え、特徴量算出部は、検査領域画像の重心位置を算出し、画像入力部は、検査領域が抽出すべき領域であると判定された場合、新たに、検査領域を有する新規教示用画像を入力し、画像生成部は、新規教示用画像内の、検査領域画像の重心位置と対応する位置に、変化検査領域画像を配置した新規欠陥追加教示用画像を生成する。

好ましくは、検査領域が抽出すべき領域であるか否かを判定する第１検査領域判定部をさらに備え、特徴量算出部は、検査領域画像の重心位置を算出し、画像入力部は、検査領域が抽出すべき領域であると判定された場合、新たに、検査領域を有する新規教示用画像を入力し、新規教示用画像の検査領域が抽出すべき領域であるか否かを判定する第２検査領域判定部をさらに備え、画像生成部は、新規教示用画像の検査領域が抽出すべき領域でないと判定された場合、新規教示用画像内の、検査領域画像の重心位置と対応する位置に、変化検査領域画像を配置した新規欠陥追加教示用画像を生成する。

好ましくは、検査領域画像および変化検査領域画像の周囲に、それぞれ、第１および第２検査周囲領域を設定する領域設定部と、検査領域画像の第１濃度値と、第１検査周囲領域内の領域であって検査領域画像以外の背景領域の第１背景画像の第２濃度値と、第２検査周囲領域内の領域であって変化検査領域画像以外の背景領域の第２背景画像の第３濃度値とに基づいて、変化検査領域画像の第４濃度値を算出する濃度値算出部とをさらに備える。

この発明のさらに他の局面に従うと、教示過程において自己発展的に目標となる処理を習得するアルゴリズムに処理させるための、検査領域を有する教示用画像を生成する処理をコンピュータに実行させるための教示用画像生成プログラムは、検査領域を有する教示用画像を入力するステップと、検査領域を指定するステップと、指定された検査領域内の検査領域画像の特徴量を算出するステップと、教示用画像内で画像を配置する位置を算出するステップと、検査領域画像の特徴量を変化させた変化検査領域画像を生成するステップと、算出された画像を配置する位置に変化検査領域画像を配置した新規欠陥追加教示用画像を生成するステップとをコンピュータに実行させる。

この発明のさらに他の局面に従うと、記録媒体は、教示用画像生成プログラムを記録した媒体である。

この発明のさらに他の局面に従うと、予め準備された複数種類の画像処理フィルタを用いて、教示用画像生成方法により生成された、１以上の検査領域を有する新規欠陥追加教示用画像に対して予め準備された目標画像に相当する画像を生成するような１以上の最終画像処理アルゴリズムを生成する画像処理アルゴリズム生成方法は、複数の画像処理アルゴリズムを生成する工程を、所定の終了条件を満たすまで世代を変えながら繰り返す工程を含み、所定の終了条件が満たされた世代で生成された画像処理アルゴリズムは、１以上の最終画像処理アルゴリズムであり、複数の画像処理アルゴリズムの各々は、複数種類の画像処理フィルタから重複を妨げないで選択した複数の選択画像処理フィルタを、ランダムな順序で使用するアルゴリズムであり、Ｎ（自然数）＋１世代の複数の画像処理アルゴリズムを生成する工程は、新規欠陥追加教示用画像に、Ｎ世代の複数の画像処理アルゴリズムの処理をそれぞれ施したＮ世代の複数の処理後画像を生成する工程と、Ｎ世代の複数の画像処理アルゴリズムの各々に対し、目標画像と、対応するＮ世代の処理後画像とに基づいて、評価の基準となる評価値を算出する工程と、Ｎ世代の複数の画像処理アルゴリズムのうち、所定値以上の評価値が算出されたＮ世代の画像処理アルゴリズムを１以上選択する工程と、選択された１以上のＮ世代の複数の画像処理アルゴリズムの各々を、評価値が高くなるように変化させた画像処理アルゴリズムをＮ＋１世代の画像処理アルゴリズムとして生成する工程とを含む。

好ましくは、所定の終了条件は、Ｎ世代の選択された１以上の画像処理アルゴリズムのいずれかの評価値が、所定値以上となる条件である。

好ましくは、複数の画像処理アルゴリズムのうち、Ｎ世代の選択された１以上の画像処理アルゴリズム以外の１以上の画像処理アルゴリズムを、進化的手法を用いてＮ＋１世代の１以上の画像処理アルゴリズムとして生成する工程をさらに含む。

好ましくは、進化的手法は、遺伝的アルゴリズムである。
好ましくは、教示用画像生成方法により生成された新規欠陥追加教示用画像の数が、新規欠陥追加教示用画像内の検査領域の数よりも多い。

この発明のさらに他の局面に従うと、予め準備された複数種類の画像処理フィルタを用いて、教示用画像生成方法により生成された、１以上の検査領域を有する新規欠陥追加教示用画像に対して予め準備された目標画像に相当する画像を生成するような１以上の最終画像処理アルゴリズムを生成する画像処理アルゴリズム生成装置は、複数の画像処理アルゴリズムを生成するための画像処理アルゴリズム生成部を備え、画像処理アルゴリズム生成部は、複数の画像処理アルゴリズムを生成する処理を、所定の終了条件を満たすまで世代を変えながら繰り返し、所定の終了条件が満たされた世代で生成された画像処理アルゴリズムは、１以上の最終画像処理アルゴリズムであり、複数の画像処理アルゴリズムの各々は、複数種類の画像処理フィルタから重複を妨げないで選択した複数の選択画像処理フィルタを、ランダムな順序で使用するアルゴリズムであり、Ｎ（自然数）＋１世代の複数の画像処理アルゴリズムを生成する工程は、新規欠陥追加教示用画像に、Ｎ世代の複数の画像処理アルゴリズムの処理をそれぞれ施したＮ世代の複数の処理後画像を生成する画像データ変換部と、Ｎ世代の複数の画像処理アルゴリズムの各々に対し、目標画像と、対応するＮ世代の処理後画像とに基づいて、評価の基準となる評価値を算出する画像処理アルゴリズム性能評価部とをさらに備え、画像処理アルゴリズム性能評価部は、Ｎ世代の複数の画像処理アルゴリズムのうち、所定値以上の評価値が算出されたＮ世代の画像処理アルゴリズムを１以上選択し、画像処理アルゴリズム生成部は、選択された１以上のＮ世代の複数の画像処理アルゴリズムの各々を、評価値が高くなるように変化させた画像処理アルゴリズムをＮ＋１世代の画像処理アルゴリズムとして生成する。

好ましくは、複数の画像処理アルゴリズムのうち、Ｎ世代の選択された１以上の画像処理アルゴリズム以外の１以上の画像処理アルゴリズムを、進化的手法を用いてＮ＋１世代の１以上の画像処理アルゴリズムとして生成する進化的画像処理アルゴリズム生成部をさらに備える。

好ましくは、教示用画像生成方法により生成された新規欠陥追加教示用画像の数が、新規欠陥追加教示用画像内の検査領域の数よりも多い。

この発明のさらに他の局面に従うと、予め準備された複数種類の画像処理フィルタを用いて、教示用画像生成プログラムにより生成された、１以上の検査領域を有する新規欠陥追加教示用画像に対して予め準備された目標画像に相当する画像を生成するような１以上の最終画像処理アルゴリズムを生成する処理をコンピュータに実行させるための画像処理アルゴリズム生成プログラムは、複数の画像処理アルゴリズムを生成するステップと、複数の画像処理アルゴリズムを生成するステップを、所定の終了条件を満たすまで世代を変えながら繰り返すステップとをコンピュータに実行させ、所定の終了条件が満たされた世代で生成された画像処理アルゴリズムは、１以上の最終画像処理アルゴリズムであり、複数の画像処理アルゴリズムの各々は、複数種類の画像処理フィルタから重複を妨げないで選択した複数の選択画像処理フィルタを、ランダムな順序で使用するアルゴリズムであり、Ｎ（自然数）＋１世代の複数の画像処理アルゴリズムを生成するステップは、新規欠陥追加教示用画像に、Ｎ世代の複数の画像処理アルゴリズムの処理をそれぞれ施したＮ世代の複数の処理後画像を生成するステップと、Ｎ世代の複数の画像処理アルゴリズムの各々に対し、目標画像と、対応するＮ世代の処理後画像とに基づいて、評価の基準となる評価値を算出するステップと、Ｎ世代の複数の画像処理アルゴリズムのうち、所定値以上の評価値が算出されたＮ世代の画像処理アルゴリズムを１以上選択するステップと、選択された１以上のＮ世代の複数の画像処理アルゴリズムの各々を、評価値が高くなるように変化させた画像処理アルゴリズムをＮ＋１世代の画像処理アルゴリズムとして生成するステップとを含む。

この発明のさらに他の局面に従うと、記録媒体は、画像処理アルゴリズム生成プログラムを記録した媒体である。

この発明のさらに他の局面に従うと、画像検査方法は、画像処理アルゴリズム生成方法により生成された画像処理アルゴリズムを用いて、検査対象画像の良否を判定する工程を含む。

この発明のさらに他の局面に従うと、画像検査装置は、画像処理アルゴリズム生成方法により生成された画像処理アルゴリズムを用いて、検査対象画像の良否を判定する画像良否判定部を含む。

この発明のさらに他の局面に従うと、画像検査プログラムは、画像処理アルゴリズム生成プログラムにより生成された画像処理アルゴリズムを用いて、検査対象画像の良否を判定するステップをコンピュータに実行させる。

この発明のさらに他の局面に従うと、記録媒体は、画像検査プログラムを記録した媒体である。

本発明に係る教示用画像生成方法は、検査領域を有する教示用画像において、指定された検査領域内の検査領域画像の特徴量を算出し、算出された画像を配置する位置に、検査領域画像の特徴量を変化させた変化検査領域画像を配置した新規欠陥追加教示用画像を生成する。

したがって、教示過程において自己発展的に目標となる処理を習得するアルゴリズムに処理させるための、本発明により生成された教示用画像は、複数種類の検査領域画像を有するので、複数種類の検査領域画像の各々を有する教示用画像を使用するよりも、当該アルゴリズムに高速に処理させることができるという効果を奏する。

本発明に係る教示用画像生成装置は、検査領域を有する教示用画像において、指定された検査領域内の検査領域画像の特徴量を算出し、算出された画像を配置する位置に、検査領域画像の特徴量を変化させた変化検査領域画像を配置した新規欠陥追加教示用画像を生成する。

本発明に係る教示用画像生成プログラムは、検査領域を有する教示用画像において、指定された検査領域内の検査領域画像の特徴量を算出し、算出された画像を配置する位置に、検査領域画像の特徴量を変化させた変化検査領域画像を配置した新規欠陥追加教示用画像を生成する。

本発明に係る記録媒体は、教示用画像生成プログラムを記録する。教示用画像生成プログラムは、検査領域を有する教示用画像において、指定された検査領域内の検査領域画像の特徴量を算出し、算出された画像を配置する位置に、検査領域画像の特徴量を変化させた変化検査領域画像を配置した新規欠陥追加教示用画像を生成する。

本発明に係る画像処理アルゴリズム生成方法は、教示用画像生成方法により生成された、処理効率のいい検査領域画像を使用して画像処理アルゴリズムを生成する。

したがって、所定値以上の評価値の画像処理アルゴリズムを高速に生成することができる。

本発明に係る画像処理アルゴリズム生成装置は、教示用画像生成方法により生成された、処理効率のいい検査領域画像を使用して画像処理アルゴリズムを生成する。

本発明に係る画像処理アルゴリズム生成プログラムは、教示用画像生成プログラムにより生成された、処理効率のいい検査領域画像を使用して画像処理アルゴリズムを生成する。

本発明に係る記録媒体は、画像処理アルゴリズム生成プログラムを記録する。画像処理アルゴリズム生成プログラムは、教示用画像生成プログラムにより生成された、処理効率のいい検査領域画像を使用して画像処理アルゴリズムを生成する。

本発明に係る画像検査方法は、画像処理アルゴリズム生成方法により生成された画像処理アルゴリズムを用いて、検査対象画像の良否を判定する。

したがって、適切に検査対象画像の良否を判定できる。
本発明に係る画像検査装置は、画像処理アルゴリズム生成方法により生成された画像処理アルゴリズムを用いて、検査対象画像の良否を判定する。

したがって、適切に検査対象画像の良否を判定できる。
本発明に係る画像検査プログラムは、画像処理アルゴリズム生成プログラムにより生成された画像処理アルゴリズムを用いて、検査対象画像の良否を判定する。

したがって、適切に検査対象画像の良否を判定できる。
本発明に係る記録媒体は、画像検査プログラムを記録する。画像検査プログラムは、画像処理アルゴリズム生成プログラムにより生成された画像処理アルゴリズムを用いて、検査対象画像の良否を判定する。

したがって、適切に検査対象画像の良否を判定できる。

以下、図面を参照しつつ、本発明の実施の形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。

＜第１の実施の形態＞
図１は、本実施の形態における教示用画像生成装置５００の内部の構成を示すブロック図である。教示用画像生成装置５００は、たとえば、ＰＣ（Personal Computer）やワークステーション等のコンピュータである。なお、図１には、説明のために、記録媒体５５５、画像データ入力部６００も示している。記録媒体５５５には、後述する教示用画像生成プログラム１８０が記録されている。すなわち、教示用画像生成プログラム１８０は、媒体等に記録されてプログラム製品として流通される。

画像データ入力部６００は、詳細は後述するが、教示用画像生成装置５００に画像データを送信する機能を有する。

図１を参照して、教示用画像生成装置５００には、表示部５３０と、マウス５４２と、キーボード５４４とが接続される。

表示部５３０は、ユーザに各種情報を、文字や画像等で表示する機能を有する。表示部５３０は、教示用画像生成装置５００から出力された画像データに基づいた画像を表示する。表示部５３０は、液晶ディスプレイ（ＬＣＤ（Liquid Crystal Display））、ＣＲＴ（Cathode Ray Tube）、ＦＥＤ（Field Emission Display）、ＰＤＰ（Plasma Display Panel）、有機ＥＬディスプレイ（Organic Electro luminescence Display）、ドットマトリクス等その他の画像表示方式の表示機器のいずれであってもよい。

マウス５４２は、ユーザが教示用画像生成装置５００を操作するためのインターフェースである。キーボード５４４は、ユーザが教示用画像生成装置５００を操作するためのインターフェースである。なお、表示部５３０およびキーボード５４４は、教示用画像生成装置５００の内部に設けられる構成であってもよい。また、マウス５４２は、たとえば、タッチパッド等として、教示用画像生成装置５００の内部に設けられる構成であってもよい。また、教示用画像生成装置５００には、ペンタブレットが入力機器として接続されていてもよい。

教示用画像生成装置５００は、制御部５１０と、データ一時記憶部５２２と、記憶部５２０と、通信部５６０と、通信部５６２と、ＶＤＰ（Video Display Processor）５３２と、ＣＧＲＯＭ（Character Graphic Read Only Memory）５３４と、ＶＲＡＭ（Video Random Access Memory）５３６と、入力部５４０と、記録媒体アクセス部５５０とを含む。

ＣＧＲＯＭ５３４には、フォントデータ、図形データなど、ＶＤＰ５３２が、表示部５３０で表示される画像を生成するための画像データが記憶されている。

記憶部５２０には、制御部５１０に後述する処理を行なわせるための教示用画像生成プログラム１８０、画像処理アルゴリズムに学習させるための教示用画像データベース１８２、その他各種プログラムおよびデータ等が記憶されている。記憶部５２０は、制御部５１０によってデータアクセスされる。なお、教示用画像データベース１８２は、各々が異なる複数種類の教示用画像のデータから構成されるデータベースである。なお、教示用画像についての詳細は後述する。

記憶部５２０は、大容量のデータを記憶可能なハードディスクである。なお、記憶部５２０は、ハードディスクに限定されることなく、電源を供給されなくてもデータを保持可能な媒体（たとえば、フラッシュメモリ）であればよい。

すなわち、記憶部５２０は、記憶の消去・書き込みを何度でも行えるＥＰＲＯＭ（Erasable Programmable Read Only Memory）、電気的に内容を書き換えることができるＥＥＰＲＯＭ（Electronically Erasable and Programmable Read Only Memory）、紫外線を使って記憶内容の消去・再書き込みを何度でも行えるＵＶ−ＥＰＲＯＭ（Ultra-Violet Erasable Programmable Read Only Memory）、その他、不揮発的にデータを記憶保持可能な構成を有する回路のいずれであってもよい。

制御部５１０は、記憶部５２０に記憶された教示用画像生成プログラム１８０に従って、教示用画像生成装置５００の内部の各機器に対する各種処理や、演算処理等を行なう機能を有する。制御部５１０は、マイクロプロセッサ（Microprocessor）、プログラミングすることができるＬＳＩ（Large Scale Integration）であるＦＰＧＡ（Field Programmable Gate Array）、特定の用途のために設計、製造される集積回路であるＡＳＩＣ（Application Specific Integrated Circuit）、その他の演算機能を有する回路のいずれであってもよい。

また、制御部５１０は、記憶部５２０に記憶された教示用画像生成プログラム１８０に従って、ＶＤＰ５３２に対し、画像を生成させ、当該画像を表示部５３０に表示させる指示（以下においては、「描画指示」とも称する）をだす。

ＶＤＰ５３２は表示部５３０と接続されている。ＶＤＰ５３２は、制御部５１０からの描画指示に応じて、ＣＧＲＯＭ５３４から必要な画像データを読出し、ＶＲＡＭ５３６を利用して画像を生成する。そして、ＶＤＰ５３２は、ＶＲＡＭ５３６に記憶された画像データを読出し、表示部５３０に、当該画像データに基づく画像を表示させる。

ＶＲＡＭ５３６は、ＶＤＰ５３２が生成した画像を一時的に記憶する機能を有する。
データ一時記憶部５２２は、制御部５１０によってデータアクセスされ、一時的にデータを記憶するワークメモリとして使用される。

データ一時記憶部５２２は、データを一時的に記憶可能なＲＡＭ（Random Access Memory）、ＳＲＡＭ（Static Random Access Memory）、ＤＲＡＭ（Dynamic Random Access Memory）、ＳＤＲＡＭ（Synchronous DRAM）、ダブルデータレートモードという高速なデータ転送機能を持ったＳＤＲＡＭであるＤＤＲ−ＳＤＲＡＭ（Double Data Rate SDRAM）、Rambus社が開発した高速インターフェース技術を採用したＤＲＡＭであるＲＤＲＡＭ（Rambus Dynamic Random Access Memory）、Ｄｉｒｅｃｔ−ＲＤＲＡＭ（Direct Rambus Dynamic Random Access Memory）、その他、データを揮発的に記憶保持可能な構成を有する回路のいずれであってもよい。

入力部５４０には、マウス５４２と、キーボード５４４とが接続されている。ユーザは、マウス５４２またはキーボード５４４を利用して、教示用画像生成装置５００に指示を与える。マウス５４２またはキーボード５４４からの入力指示は、入力部５４０を介して制御部５１０に伝達される。制御部５１０は、入力部５４０からの入力指示に基づいて所定の処理を行なう。

記録媒体アクセス部５５０は、教示用画像生成プログラム１８０が記録された記録媒体５５５から、教示用画像生成プログラム１８０を読出す機能を有する。記録媒体５５５に記憶されている教示用画像生成プログラム１８０は、制御部５１０の動作（インストール処理）により、記録媒体アクセス部５５０から読み出され、記憶部５２０に記憶される。

このインストール処理用プログラムは、予め、記憶部５２０に格納されており、インストール処理は、制御部５１０が、インストール処理用プログラムに基づいて行なう。

なお、記憶部５２０には、教示用画像生成プログラム１８０がインストールされていなくてもよい。この場合、制御部５１０は、記録媒体アクセス部５５０を介して、記録媒体５５５に記憶された教示用画像生成プログラム１８０を読み出して、教示用画像生成プログラム１８０に基づいた所定の処理を行なう。

記録媒体５５５は、ＤＶＤ−ＲＯＭ（Digital Versatile Disk Read Only Memory）、ＣＤ−ＲＯＭ（Compact Disk Read Only Memory）、ＭＯ（Magneto Optical Disk）、フロッピー（登録商標）ディスク、ＣＦ(Compact Flash) カード、ＳＭ（Smart Media（登録商標））、ＭＭＣ（Multi Media Card）、ＳＤ（Secure Digital）メモリーカード、メモリースティック（登録商標）、ｘＤピクチャーカードおよびＵＳＢメモリ、磁気テープ、その他不揮発性メモリのいずれであってもよい。

通信部５６０は、制御部５１０とデータの授受を行なう。また、通信部５６０は、画像データ入力部６００と有線または無線で、データの授受を行なう。

制御部５１０は、通信部５６０を介して、画像データ入力部６００を制御するための制御データを送信する。また、制御部５１０は、画像データ入力部６００から、通信部５６０を介して、送信した制御データに応じたデータを受信する。

通信部５６０は、ＵＳＢ（Universal Serial Bus）１．１、ＵＳＢ２．０、その他シリアル転送を行なう通信用インターフェースのいずれであってもよい。また、通信部５６０は、イーサネット（登録商標）を利用した通信用インターフェースであってもよい。また、通信部５６０は、セントロニクス仕様、ＩＥＥＥ１２８４（Institute of Electrical and Electronic Engineers 1284）、その他パラレル転送を行なう通信用インターフェースのいずれであってもよい。また、通信部５６０は、ＩＥＥＥ１３９４、その他ＳＣＳＩ規格を利用した通信用インターフェースのいずれであってもよい。

また、通信部５６０は、無線ＬＡＮの規格であるＩＥＥＥ８０２．１１ａ、ＩＥＥＥ８０２．１１ｂ、ＩＥＥＥ８０２．１１ｇ、その他無線技術を利用してデータ通信を行なう通信用インターフェースのいずれであってもよい。

通信部５６２は、制御部５１０と、データの授受を行なう。通信部５６２は、通信部５６０と同様なので詳細な説明は繰り返さない。

通信部６１０は、通信部５６２およびネットワーク６２０とデータの授受を行なう。ネットワーク１５０は、インターネットなどの外部のネットワークである。通信部６１０は、イーサネット（登録商標）を利用した通信用インターフェース（たとえば、ルータ）である。また、通信部６１０と、ネットワーク１５０とは、無線または有線でデータの授受を行なう。当該有線は、たとえば、電話線、光ファイバケーブル等である。

したがって、本実施の形態における教示用画像生成装置５００は、ネットワーク１５０から、通信部６１０および通信部５６２を介して、プログラムをダウンロード処理を行ない、記憶部５２０に格納することもできる。この場合、当該ダウンロードしたプログラムは、教示用画像生成プログラム１８０である。

制御部５１０は、ネットワーク１５０からダウンロードしたプログラム（教示用画像生成プログラム１８０）に従って、所定の処理を行なう。このダウンロード用プログラムは、予め、記憶部５２０に格納されており、ダウンロード処理は、制御部５１０が、ダウンロード用プログラムに基づいて行なう。

以上の構成の教示用画像生成装置５００により、教示用画像が生成される。
図２は、画像データ入力部６００の内部構成を示すブロック図である。なお、図２には、説明のために、教示用画像生成装置５００内の通信部５６０も示している。

図２を参照して、画像データ入力部６００は、ステージ６４０に設置された検査対象となる検査対象物６５０に光を当てて、検査対象物６５０の反射光をデータに変換する機能を有する。検査対象物６５０は、液晶パネル、半導体、電子部品、プラスチック、金属、木材、紙、布等のいずれであってもよい。

画像データ入力部６００は、制御部６１０と、光源６２０と、カメラ６３０とを含む。制御部６１０は、教示用画像生成装置５００内の通信部５６０とデータの授受を行なう。制御部６１０は、前述の制御部５１０と同様な構成および機能を有する。制御部６１０は、通信部５６０を介して、制御部５１０から受信した制御データに基づいて、光源６２０と、カメラ６３０とを制御する。

光源６２０は、制御部６１０の制御により、光を検査対象物６５０に当てる。
カメラ６３０は、制御部６１０の制御により、検査対象物６５０からの反射光を撮像する機能を有する。カメラ６３０は、（Charge Coupled Devices）ＣＣＤ方式、（Complementary Metal Oxide Semiconductor）ＣＭＯＳ方式、または他の方式のカメラのいずれであってもよい。

また、カメラ６３０は、撮像したデータを画像データとして、制御部６１０へ送信する。制御部６１０は、受信した画像データを、通信部５６０を介して、制御部５１０へ送信する。制御部５１０は、受信した画像データを後述する教示用原画像として記憶部５２０に記憶させる。制御部５１０は、当該受信した画像データを、表示部５３０に表示させる処理を行なう。検査員（ユーザ）は、表示部５３０に表示された画像（以下においては、検査画像とも称する）を参照することで、検査対象物６５０が不良品であるか否かが判定可能となる。なお、検査員（ユーザ）は、直接、検査対象物６５０を見て、不良品であるか否かを判定してもよい。

ここで、以下に使用する用語の定義を行なう。まず、検査対象物６５０が不良品であると検査員（ユーザ）が判定する要因となる真正の欠陥のことを真欠陥とする。一方、検査工程で抽出される欠陥ではあるが、検査員（ユーザ）が検査対象物６５０を不良品と判定するには至らず、検査対象が良品であると判定可能な欠陥のことを擬似欠陥とする。

次に、検査対象物６５０を撮像した画像のうち、画像中に擬似欠陥の有無に係わらず真欠陥が一つも存在しない画像を良品画像とし、画像中に擬似欠陥の有無に係わらず真欠陥が一つでも存在する画像を欠陥画像とする。良品画像と欠陥画像とはそれぞれ教示用画像となり得るものとする。

以下の実施の形態で使用する画像のサイズは、たとえば、横６４０画素、縦４８０画素であるとする。なお、以下の実施の形態で使用する画像のサイズは、横６４０画素、縦４８０画素に限定されることはなく、任意のサイズ（たとえば、横３２０画素、縦２４０画素）であってもよい。

また、以下の実施の形態で使用する画像の画素の有する濃度値は、“０”〜“２５５”の範囲の値である。また、濃度値が“０”の場合、対応する画素は黒であるとする。また、濃度値が“２５５”の場合、対応する画素は白であるとする。なお、以下の実施の形態で使用する画像の画素の有する濃度値は、“０”〜“２５５”の範囲の値に限定されることはなく、任意の範囲の値であってもよい。

図３は、一例としての教示用画像６００を示す図である。
図３を参照して、教示用画像６００は、欠陥領域６６０を含む。欠陥領域６６０は欠陥自体領域６２０を含む。ここで、欠陥自体領域とは、欠陥そのものを示す領域である。欠陥自体領域は、真欠陥を示す領域である真欠陥自体領域と、擬似欠陥を示す領域である擬似欠陥自体領域とに分類される。以下においては、真欠陥自体領域を単に真欠陥とも称する。また、擬似欠陥自体領域を単に擬似欠陥とも称する。また、真欠陥および擬似欠陥を総括的に欠陥とも称する。

教示用画像６００内の欠陥自体領域６２０以外の領域が背景領域である。すなわち、教示用画像６００は、背景領域と欠陥領域とから構成される。また、欠陥領域６６０内の欠陥自体領域６２０以外の領域が欠陥背景領域６６２である。本実施の形態においては、欠陥領域は矩形領域とする。なお、欠陥領域の形状は、矩形に限定されることなく、たとえば、円や楕円等であってもよい。

また、欠陥領域６６０は、欠陥自体領域６２０の重心を矩形領域の中心として、画像中の横方向縦方向ともに欠陥自体領域６２０のフェレ径の２倍のサイズの矩形領域とする。ただし、画像の端部に欠陥領域６６０が存在する場合においては、画像の端部を優先し、欠陥領域６６０である矩形領域はフェレ径の２倍のサイズよりも小さくなる。

また、教示用画像は、教示用原画像と教示用目標画像とに分類される。真欠陥の有無に係わらず、検査対象物６５０を撮像した画像を教示用原画像とし、教示用原画像中の真欠陥自体領域に関する情報を画像で与えたものを教示用目標画像と呼ぶこととする。なお、教示用原画像と、教示用原画像に対応する教示用目標画像とは、対応づけられて記憶部５２０に記憶される。

ここで、教示用原画像とは、画像処理アルゴリズムによる画像処理の対象となる画像である。教示用目標画像とは、教示用原画像に対して画像処理アルゴリズムによる画像処理を行なった画像が一致または近似することが望まれる画像である。

本実施の形態における教示用目標画像は各画素の濃度値が“０”または“２５５”、すなわち、黒または白の２値画像とする。教示用目標画像は、教示用目標画像中の欠陥の画素のみが白く、その他の画素が黒い画像とする。

図４は、一例としての教示用原画像７００および教示用目標画像７００Ａを示す図である。

図４（Ａ）は、一例としての教示用原画像７００を示す。教示用原画像７００は、真欠陥７２０と、擬似欠陥７１０とを含む。

図４（Ｂ）は、一例としての教示用目標画像７００Ａを示す。教示用目標画像７００Ａは、真欠陥７２０に対応した真欠陥対応画像７２０Ａを含む。

次に、教示用画像生成装置５００により教示用原画像内の欠陥を利用して、教示用原画像に欠陥をさらに追加した画像を生成する処理について説明する。以下においては、教示用原画像に追加する元となる欠陥を追加元教示用欠陥とも称する。また、追加元教示用欠陥に基づいて新たに追加される欠陥を新規追加教示用欠陥とも称する。また、教示用原画像内の追加元教示用欠陥を利用して、教示用原画像に新規追加教示用欠陥を追加した画像を新規欠陥追加教示用画像とも称する。新規欠陥追加教示用画像を生成する処理を新規欠陥追加教示用画像生成処理とも称する。

次に、新規欠陥追加教示用画像生成処理について説明する。
図５は、新規欠陥追加教示用画像生成処理のフローチャートである。

図５を参照して、ステップＳ１００では、制御部５１０が、記憶部５２０から教示用原画像データを読み出す。なお、制御部５１０は、検査対象物６５０を撮像した画像である教示用原画像データを画像データ入力部６００から入力してもよい。読み出した教示用原画像は、たとえば、図４の教示用原画像７００であるとする。

以下においては、このステップＳ１００において読み出した教示用原画像７００に含まれる欠陥（たとえば、真欠陥７２０および擬似欠陥７１０の各々に対応する欠陥）を初期教示用欠陥と呼ぶことにする。また、真欠陥である初期教示用欠陥を初期教示用真欠陥と呼ぶこととする。また、擬似欠陥である初期教示用欠陥を初期教示用擬似欠陥と呼ぶことととする。

本実施の形態においては、教示用原画像を１枚入力した場合について説明する。しかし、本実施の形態は、これに限定されることなく、必要に応じて複数枚の教示用原画像を入力してもよい。この場合、以下に説明する処理が、教示用原画像の枚数分繰り返される。

ステップＳ１００の処理が終了すると、ステップＳ１０２に進む。
ステップＳ１０２では、制御部５１０が、表示部５３０に、教示用原画像７００を表示させるための描画指示をＶＤＰ５３２に送る。ＶＤＰ５３２は、当該描画指示に基づいて、表示部５３０に教示用原画像７００を表示させる。その後、ステップＳ１０４に進む。

ステップＳ１０４では、追加教示用欠陥選択処理が行なわれる。追加教示用欠陥選択処理では、制御部５１０が、ステップＳ１００で読み出した教示用原画像７００中の真欠陥７２０および擬似欠陥７１０を選択する。具体的には、ユーザが、表示部５３０に表示された教示用原画像７００を参照して、マウス５４２等の入力装置を利用して、たとえば、真欠陥７２０および擬似欠陥７１０のそれぞれの輪郭部分に、たとえば、線を引くことで欠陥を囲んで、２つの欠陥を選択する選択処理を行なう。制御部５１０は、当該選択処理に基づいて、２つの欠陥をそれぞれ囲む線のデータ（以下においては、線データとも称する）を記憶部５２０に記憶させる。

なお、当該選択処理は、制御部５１０が、教示用原画像７００に基づいて、自動的に上記の線データを作成してもよい。ステップＳ１０４の処理により選択された真欠陥７２０および擬似欠陥７１０は追加元教示用欠陥である。なお、全初期教示用欠陥は、真欠陥に対応する初期教示用真欠陥と、擬似欠陥に対応する初期教示用擬似欠陥とに分類される。その後、ステップＳ１０６に進む。

ステップＳ１０６では、追加元教示用欠陥指定画像生成処理が行なわれる。追加元教示用欠陥指定画像生成処理では、制御部５１０が、記憶部５２０から線データを読出し、当該線データに基づいて、追加元教示用欠陥指定画像を生成する。制御部５１０は、記憶部５２０に追加元教示用欠陥指定画像のデータを教示用原画像と対応付けて記憶させる。なお、ステップＳ１０６の処理は行なわれなくてもよい。

図６は、教示用原画像７００と、教示用原画像７００に基づいて生成された追加元教示用欠陥指定画像７０５Ａを示す。

図６（Ａ）は、教示用原画像７００を示す。
図６（Ｂ）は、追加元教示用欠陥指定画像７０５Ａを示す。追加元教示用欠陥指定画像７０５Ａは、白と黒の２値画像である。追加元教示用欠陥指定画像７０５Ａは、真欠陥７２０に対応した真欠陥対応画像７２０Ａと、擬似欠陥７１０Ａに対応した擬似欠陥対応画像７１０Ａとを含む。真欠陥対応画像７２０Ａは、ユーザが、真欠陥７２０の輪郭部分に引いた線に基づくものである。擬似欠陥対応画像７１０Ａは、ユーザが、擬似欠陥７１０の輪郭部分に引いた線に基づくものである。

再び、図５を参照して、ステップＳ１０６の処理が終了すると、ステップＳ１０８に進む。

ステップＳ１０８では、欠陥領域設定処理が行なわれる。欠陥領域設定処理では、制御部５１０が、真欠陥対応画像７２０Ａおよび擬似欠陥対応画像７１０Ａの各々のフェレ径を算出する。そして、制御部５１０は、当該算出したフェレ径に基づいて、教示用原画像７００の真欠陥７２０および擬似欠陥７１０の各々に対し、欠陥領域を設定する。

図７は、教示用原画像７００に対し欠陥領域を設定した欠陥領域設定画像である。
図７を参照して、教示用原画像７００には、欠陥領域７６０と欠陥領域７５０が設定される。欠陥領域７６０は、真欠陥７２０に対して設定された領域である。欠陥領域７５０は、擬似欠陥７１０に対して設定された領域である。

再び、図５を参照して、ステップＳ１０８の処理が終了すると、ステップＳ１１０に進む。

ステップＳ１１０では、特徴量算出処理が行なわれる。特徴量算出処理では、制御部５１０が、欠陥領域７６０および欠陥領域７５０の各々の特徴量を算出する。当該特徴量は、欠陥領域内の欠陥における、画像上での重心位置、面積、角度（回転角度）、コントラスト等である。

たとえば、欠陥領域７６０の特徴量は、追加元教示用欠陥指定画像７０５Ａ内の、真欠陥対応画像７２０Ａに基づいて、制御部５１０が、画像上での重心位置、面積、角度（回転角度）を算出する。

なお、本実施の形態におけるコントラストとは、欠陥領域における欠陥自体領域の平均濃度値と、欠陥背景領域の平均濃度値との差の絶対値とする。

制御部５１０が、たとえば、欠陥領域７６０のコントラストを算出する場合、欠陥領域７６０において、欠陥自体領域である欠陥７２０の全画素の平均濃度値（以下においては、欠陥自体領域平均濃度値とも称する）と、欠陥領域７６０内の前述した欠陥背景領域内の画像の全画素の平均濃度値（以下においては、欠陥背景領域平均濃度値とも称する）とを算出する。

そして、制御部５１０は、欠陥自体領域平均濃度値と欠陥背景領域平均濃度値との差の絶対値を求め、当該絶対値を欠陥領域７６０のコントラストとする。制御部５１０は、算出した欠陥領域７６０および欠陥領域７５０の各々の特徴量を、記憶部５２０に、欠陥領域に対応付けて記憶させる。その後、ステップＳ１１２に進む。

ステップＳ１１２では、新規追加欠陥数決定処理が行なわれる。新規追加欠陥数決定処理では、ステップＳ１０４において選択した追加元教示用欠陥（真欠陥７２０および擬似欠陥７１０）の各々に対し、追加元教示用欠陥のどの特徴量をどの程度変化させた欠陥を教示用原画像７００に新たに追加するのかを決定することで追加する欠陥の数を決定する処理が行なわれる。当該処理は、記憶部５２０に記憶された新規追加教示用欠陥の数を設定するための特徴量変化設定データを制御部５１０が読み出して行なう。

特徴量変化設定データにより、変化させる特徴量が、たとえば、面積であって、追加元教示用欠陥の面積をそれぞれ２％および４％減少させる場合、教示用原画像７００に新たに追加される新規追加教示用欠陥は２つとなる。

特徴量変化設定データにより、変化させる特徴量が、たとえば、コントラストであって、追加元教示用欠陥のコントラストをそれぞれ２％および４％減少させる場合、教示用原画像７００に新たに追加される新規追加教示用欠陥は２つとなる。

つまり、選択した特徴量とそれぞれの変化量を指定することで、新規追加教示用欠陥の数が決定される。

制御部５１０は、決定された欠陥の数の情報を記憶部５２０に記憶させる。
なお、当該処理は、設定データを使用せず、ユーザが、表示部５３０に表示されたＧＵＩ（Graphical User Interface）において、マウス５２４またはキーボード５４４等の入力機器を用いて、特徴量変化設定データに対応するようなデータを入力することで行なわれてもよい。その後、ステップＳ１１４に進む。

ステップＳ１１４では、新規追加教示用欠陥リスト作成処理が行なわれる。新規追加教示用欠陥リスト作成処理では、制御部５１０が、追加元教示用欠陥としての真欠陥７２０および擬似欠陥７１０にそれぞれ追加元教示用欠陥ＩＤ１，２を割り当てる。そして、制御部５１０が、ステップＳ１１２で読み出された特徴量変化設定データおよび追加する欠陥の数に基づいて、全新規追加教示用欠陥について、任意の順番に新規追加教示用欠陥ＩＤを、たとえば、１〜４まで割り当てて、新規追加教示用欠陥リストテーブルを作成する。作成された新規追加教示用欠陥リストテーブルは、制御部５１０が、記憶部５２０に記憶させる。

図８は、一例としての新規追加教示用欠陥リストテーブルＴ１００を示す図である。
図８を参照して、新規追加教示用欠陥リストテーブルＴ１００は、追加元教示用欠陥に対して同時に変化させる特徴量の数が２つである場合の例を示している。なお、変化させる特徴量は、３つ以上であってもよい。

新規追加教示用欠陥リストテーブルＴ１００は、たとえば、追加元教示用欠陥ＩＤ１，ＩＤ２がそれぞれ割り当てられた２つの追加元教示用欠陥の各々に対し追加する欠陥の数が２つである場合のリストを示す。

新規追加教示用欠陥リストテーブルＴ１００は、複数の新規追加教示用欠陥ＩＤの各々と、追加元教示用欠陥ＩＤと、変化させる特徴量と、特徴量の変化量とを対応づけたリストテーブルである。以下においては、各新規追加教示用欠陥ＩＤに割り当てられたデータを新規追加教示用欠陥データとも称する。したがって、新規追加教示用欠陥リストテーブルＴ１００は、複数の新規追加教示用欠陥データから構成される。

再び、図５を参照して、ステップＳ１１４の処理が終了すると、ステップＳ１２０に進む。

ステップＳ１２０では、新規追加教示用欠陥リストテーブルＴ１００から読み出すデータを特定するためのカウンタｋに“１”が設定される。その後、ステップＳ１２２に進む。

ステップＳ１２２では、制御部５１０が、カウンタｋに対応した新規追加教示用欠陥データを記憶部５２０から読み出す。カウンタｋが“１”である場合、制御部５１０は、新規追加教示用欠陥リストテーブルＴ１００の新規追加教示用欠陥ＩＤが“１”に対応する新規追加教示用欠陥データを記憶部５２０から読み出す。

この場合、新規追加教示用欠陥データに基づく新規追加教示用欠陥は、追加元教示用欠陥ＩＤ“１”に対応する欠陥の面積のみを５％小さくした欠陥となる。

なお、カウンタｋが“４”である場合、制御部５１０は、新規追加教示用欠陥リストテーブルＴ１００の新規追加教示用欠陥ＩＤが“４”に対応する新規追加教示用欠陥データを記憶部５２０から読み出す。

この場合、新規追加教示用欠陥データに基づく新規追加教示用欠陥は、追加元教示用欠陥ＩＤ“２”に対応する欠陥の面積を５％小さくするとともに、コントラストを５％低下させた欠陥となる。ステップＳ１２２の処理が終了すると、ステップＳ１３０の処理に進む。

ステップＳ１３０では、新規追加教示用欠陥の描画位置を決定する新規追加欠陥描画位置決定処理が行なわれる。新規追加教示用欠陥の描画位置は欠陥の重心位置で表現するものとする。また、新規追加教示用欠陥の描画位置は、教示用原画像内において、新規追加教示用欠陥が、教示用原画像内の初期教示用欠陥、または、すでに追加された新規追加教示用欠陥の一部とも重ならない位置に決定される。さらに、新規追加教示用欠陥の描画位置は、新規追加教示用欠陥が、教示用原画像内に収まる位置に決定される。

図９は、新規追加欠陥描画位置決定処理のフローチャートである。以下に説明する処理においては、たとえば、図４の教示用原画像７００が使用されるものとする。

図９を参照して、ステップＳ１３１では、初期設定処理が行なわれる。初期設定処理では、制御部５１０が、ユーザがあらかじめ設定しておいた描画位置設定データを記憶部５２０から読み出す。そして、読み出した描画位置設定データに基づき、初期設定を行なう。

描画位置設定データには、新規追加教示用欠陥の描画位置の選択を、追加元教示用欠陥の近傍から行なうか否かを示す近傍選択データが含まれる。近傍選択データが、たとえば、“１”に設定されている場合、新規追加教示用欠陥の描画位置の選択は、追加元教示用欠陥の近傍から行なわれる。

また、描画位置設定データには、追加元教示用欠陥が配置された描画位置が、背景の濃度値に対して妥当な位置であるかを判定するときに、濃度値の分散値を使用するか否かを示す分散値使用許可データが含まれる。分散値使用許可データが、たとえば、“１”に設定されている場合、当該判定の際、濃度値の分散値を使用する。

ステップＳ１３１の処理が終了すると、ステップＳ１３２に進む。
ステップＳ１３２では、制御部５１０が、新規追加教示用欠陥の描画位置の選択を、追加元教示用欠陥の近傍から行なうか否かを判定する。具体的には、読み出した近傍選択データが“１”であるか否かを判定する。ステップＳ１３２において、ＹＥＳならば、ステップＳ１３３に進む。一方、ステップＳ１３２において、ＮＯならば、ステップＳ１３３Ａに進む。

ステップＳ１３３では、制御部５１０が、新規追加教示用欠陥の描画位置の選択を、追加元教示用欠陥の近傍から行なう。具体的には、制御部５１０は、教示用原画像７００の追加元教示用欠陥（たとえば、真欠陥７２０）の重心位置から、たとえば、４画素離れた位置を描画位置に決定する。なお、制御部５１０は、ステップＳ１３３の処理が行なわれる毎に、たとえば、螺旋上に、前回決めた描画位置から４画素離れた位置を描画位置に決定する。なお、描画位置の決め方は、螺旋上に限定されることはない。また、描画位置を決定する際の４画素離れた位置というのは、一例であって、たとえば、８画素離れた位置であってもよい。その後、ステップＳ１３３Ｂに進む。

ステップＳ１３３Ａでは、制御部５１０が、新規追加教示用欠陥の描画位置の選択をランダムに行なう。制御部５１０は、教示用原画像７００の追加元教示用欠陥（たとえば、真欠陥７２０）の位置に関係なく、ランダムに、新規追加教示用欠陥の描画位置を決定する。その後、ステップＳ１３３Ｂに進む。

なお、新規追加教示用欠陥の描画位置の選択処理は、ステップＳ１３３，Ｓ１３３Ａの処理に限定されることはない。たとえば、新規追加教示用欠陥の描画位置の選択処理は、画像の左上の画素から画像の右端に向かって順番に行なわれてもよい。

ステップＳ１３３Ｂでは、新規追加教示用欠陥作成処理が行なわれる。新規追加教示用欠陥作成処理では、制御部５１０が、ステップＳ１２２で読み出した新規追加教示用欠陥データに基づいて新規追加教示用欠陥のサイズおよび形状を決定する。

なお、制御部５１０が新規追加教示用欠陥データに基づいて作成する新規追加教示用欠陥の面積やフェレ径などのサイズが追加元教示用欠陥と異なる場合、制御部５１０は、画像処理の一般的技術を用いて拡大・縮小、縦横比変更処理を行なうことにより、新規追加教示用欠陥のサイズおよび形状を決定する。

また、制御部５１０が新規追加教示用欠陥データに基づいて作成する新規追加教示用欠陥が追加元教示用欠陥に対して回転する場合、制御部５１０は、画像処理の一般的技術を用いて回転変換を行なうことにより、新規追加教示用欠陥のサイズおよび形状を決定する。なお、新規追加教示用欠陥の全画素の濃度値は、後述する処理により算出される。

図１０は、教示用原画像７００に新規追加教示用欠陥を配置した新規欠陥追加教示用画像７０５を示す。

図１０を参照して、新規欠陥追加教示用画像７０５は、ステップＳ１３３またはＳ１３３Ａの処理により決定された描画位置に、新規追加教示用欠陥７２４を配置した画像の一例である。

再び、図９を参照して、ステップＳ１３３Ｂの処理が終了すると、ステップＳ１３４に進む。

ステップＳ１３４では、制御部５１０が、ステップＳ１３３またはステップＳ１３３Ａで決定された追加教示用欠陥の描画位置に配置された追加教示用欠陥が、他の欠陥と重なるか否かを判定する。

具体的には、制御部５１０が、追加元教示用欠陥の位置および新規追加教示用欠陥のサイズ等に基づいて定められている、新規追加教示用欠陥を構成する複数の画素の各々座標と、追加元教示用欠陥またはすでに追加された新規追加教示用欠陥を構成する複数の画素の各々の座標とが重なっているか否かを判定する。

ステップＳ１３４において、ＹＥＳならば、再度、ステップＳ１３２の処理が行なわれる。一方、ステップＳ１３４において、ＮＯならば、ステップＳ１３５に進む。

ステップＳ１３５では、欠陥領域設定処理が行なわれる。欠陥領域設定処理では、制御部５１０が、新規追加教示用欠陥７２４に対して欠陥領域を設定する。具体的には、制御部５１０は、追加教示用欠陥７２４の描画位置、面積およびフェレ径情報から得られるサイズ情報に基づいて、欠陥領域の横幅の画素数と縦幅の画素数とを算出し、新規追加教示用欠陥７２４に対して欠陥領域を設定する。

図１１は、教示用原画像７０５に対し欠陥領域を設定した欠陥領域設定画像である。
図１１を参照して、教示用原画像７０５には、欠陥領域７６２が設定される。欠陥領域７６２は、新規追加教示用欠陥７２４に対して設定された領域である。

再び、図９を参照して、次に、制御部５１０は、欠陥領域７６２内の画素から、新規追加教示用欠陥７２４の画素部分を除くことで、欠陥領域７６２に対応する新規追加教示用欠陥背景領域の画素を算出する。その後、ステップＳ１３６に進む。

ステップＳ１３６では、平均濃度値比較処理が行なわれる。平均濃度値比較処理では、制御部５１０が、新規追加教示用欠陥背景領域内の全画素の濃度値の平均値（以下においては、新規追加教示用欠陥背景領域平均濃度値とも称する）を算出する。その後、ステップＳ１３６Ａに進む。

ステップＳ１３６Ａでは、制御部５１０が、ステップＳ１１０で算出された欠陥領域７６０内の欠陥背景領域平均濃度値と、ステップＳ１３６で算出された新規追加教示用欠陥背景領域平均濃度値との差の絶対値が、所定値（たとえば、６０）以下であるか否かを判定する。

すなわち、ステップＳ１３６，Ｓ１３６Ａの処理では、ステップＳ１３３またはＳ１３３Ａの処理により決定された新規追加教示用欠陥の描画位置が適切な位置であるか否かが判定される。

ステップＳ１３６Ａにおいて、ＹＥＳならば、ステップＳ１３７の処理に進む。一方、ステップＳ１３６Ａにおいて、ＮＯならば、再度、ステップＳ１３２の処理が行なわれる。

ステップＳ１３７では、制御部５１０が、ステップＳ１３３またはＳ１３３Ａの処理により決定された新規追加教示用欠陥の描画位置が背景の濃度値に対して妥当な位置であるかを判定するときに、濃度値の分散値を使用するか否かを判定する。具体的には、制御部５１０は、分散値使用許可データが“１”であるか否かを判定する。ステップＳ１３７において、ＹＥＳならば、ステップＳ１３７Ａに進む。一方、ステップＳ１３７において、ＮＯならば、この新規追加欠陥描画位置決定処理の処理は終了し、再度、新規欠陥追加教示用画像生成処理に戻り、ステップＳ１３０の次のステップＳ１４０に進む。

ステップＳ１３７Ａでは、濃度値分散比較処理が行なわれる。濃度値分散比較処理では、制御部５１０が、欠陥領域７６０内の欠陥背景領域の全画素の濃度値の分散値（以下においては、追加元教示用欠陥背景領域分散値とも称する）を算出する。

次に、制御部５１０が、新規追加教示用欠陥背景領域の全画素の濃度値の分散値（以下においては、新規追加教示用欠陥背景領域分散値とも称する）を算出する。その後、ステップＳ１３７Ｂに進む。

ステップＳ１３７Ｂでは、制御部５１０が、ステップＳ１３７Ａで算出された追加元教示用欠陥背景領域分散値と、ステップＳ１３７Ａで算出された新規追加教示用欠陥背景領域分散値との差の絶対値が、所定値（たとえば、６０）以下であるか否かを判定する。

すなわち、ステップＳ１３７Ａ，Ｓ１３７Ｂの処理では、ステップＳ１３３またはＳ１３３Ａの処理により決定された新規追加教示用欠陥の描画位置が、ステップＳ１３６，Ｓ１３６Ａの処理の処理よりも、さらに適切な位置であるか否かが判定される。

ステップＳ１３７Ｂにおいて、ＹＥＳならば、この新規追加欠陥描画位置決定処理の処理は終了し、再度、新規欠陥追加教示用画像生成処理に戻り、ステップＳ１３０の次のステップＳ１４０に進む。一方、ステップＳ１３７Ｂにおいて、ＮＯならば、再度、ステップＳ１３２の処理が行なわれる。

以上の新規追加欠陥描画位置決定処理により、新規追加教示用欠陥の描画位置が決定される。

再び、図５を参照して、ステップＳ１３０の処理の後、ステップＳ１４０の処理が行なわれる。

ステップＳ１４０では、新規追加教示用欠陥描画処理が行なわれる。新規追加教示用欠陥描画処理では、制御部５１０およびＶＤＰ５３２の処理により、表示部５３０に表示させる画像データを記憶するためのＶＲＡＭ５３６に、教示用原画像７００が描画される。

次に、新規追加教示用欠陥７２４の全画素の濃度値が算出される。具体的には、新規追加教示用欠陥７２４と、追加元教示用欠陥７２０とのサイズおよび形状が同じである場合、制御部５１０は、新規追加教示用欠陥７２４の全画素の濃度値を、欠陥７２０の濃度値に設定する。

新規追加教示用欠陥７２４が拡大、縮小、回転等の処理を施され、新規追加教示用欠陥７２４と、追加元教示用欠陥７２０とのサイズおよび形状が異なる場合、制御部５１０は、追加元教示用欠陥７２０を、新規追加教示用欠陥７２４と同じサイズおよび形状になるように拡大、縮小、回転等の処理をすることで形状を変更する。そして、新規追加教示用欠陥７２４の全画素の濃度値を、形状が変更された欠陥７２０の全画素の濃度値にそれぞれ設定する。

次に、制御部５１０は、新規追加教示用欠陥７２４の全画素の平均値（以下においては、新規追加教示用欠陥平均濃度値とも称する）を算出する。次に、制御部５１０は、新規追加教示用欠陥平均濃度値と、前述した新規追加教示用欠陥背景領域平均濃度値との差の絶対値（以下においては、新規追加教示用欠陥コントラストとも称する）を求める。

次に、制御部５１０は、新規追加教示用欠陥コントラストと、前述の欠陥領域７６０のコントラストとの差の絶対値が、所定値（たとえば、０．４）以下であれば、設定した新規追加教示用欠陥７２４の全画素の濃度値を、最終的な濃度値とする。なお、所定値は、“０”であってもよい。

また、制御部５１０は、新規追加教示用欠陥コントラストと、欠陥領域７６０のコントラストとの差の絶対値が、所定値より大きければ、新規追加教示用欠陥コントラストが、所定値以下となるように、当該求めた差の絶対値（オフセット値）を、新規追加教示用欠陥７２４の全画素の濃度値に加算または減算することで、最終的な新規追加教示用欠陥７２４の全画素の濃度値を算出する。

次に、制御部５１０およびＶＤＰ５３２の処理により、ＶＲＡＭ５３６上の、新規追加欠陥描画位置決定処理により決定された新規追加教示用欠陥の描画位置に、ステップＳ１３３Ｂで形状が生成され、上記処理で濃度値が決定された新規追加教示用欠陥７２４を描画する。その後、ステップＳ１５０に進む。

ステップＳ１５０では、制御部５１０が、ステップＳ１１２の処理で決定された新規追加元教示用欠陥の数と、ステップＳ１４０で描画した新規追加教示用欠陥の数とが等しいか否かを判定する。ステップＳ１５０において、ＹＥＳならば、ステップＳ１６０に進む。一方、ステップＳ１５０において、ＮＯならば、ステップＳ１５２に進む。

ステップＳ１５２では、制御部５１０が、カウンタｋを“１”インクリメントする。その後、再度、ステップＳ１２２の処理が行なわれる。

ステップＳ１６０では、制御部５１０が、ＶＲＡＭ５３６に記憶された画像データ（新規欠陥追加教示用画像のデータ）を、記憶部５２０に記憶させる。そして、この新規欠陥追加教示用画像生成処理は終了する。

以上説明した新規欠陥追加教示用画像生成処理により新規欠陥追加教示用画像が生成される。

図１２は、本実施の形態における教示用画像生成装置５００の機能ブロック図である。
図１２を参照して、教示用画像生成装置５００は、教示用画像生成管理部として動作する。教示用画像生成装置５００には、画像データ入力部６００および表示部５３０が接続されている。

教示用画像生成装置５００は、制御部５１０を含む。
制御部５１０は、画像入力部５１１、欠陥選択部５１２、画像処理演算部５１３、新規追加教示用欠陥描画部５１４、教示用画像生成完了判定部５１６として動作する。教示用画像データベース１８２は、記憶部５２０に記憶されている。教示用画像データベース１８２は、画像データ入力部６００から入力された教示用原画像を含む。

画像入力部５１１は、前述のステップＳ１００の処理を行なう機能を有する。
欠陥選択部５１２は、前述のステップＳ１０４の処理を行なう機能を有する。

画像処理演算部５１３は、前述のステップＳ１０８，Ｓ１１０，Ｓ１１２，Ｓ１１４，Ｓ１２０，Ｓ１２２，Ｓ１３０，Ｓ１５２の処理を行なう機能を有する。

新規追加教示用欠陥描画部５１４は、前述のステップＳ１４０の処理を行なう機能を有する。

教示用画像生成完了判定部５１６は、前述のステップＳ１５０の処理を行なう機能を有する。

記憶部５２０は、新規欠陥追加教示用画像生成処理により新規欠陥追加教示用画像を記憶する教示用画像記憶部として動作する。

以上説明したように、本実施の形態では、検査対象物６５０を撮像した教示用原画像から追加元教示用欠陥を決定し、追加元教示用欠陥の特徴量を変化させた新規追加教示用欠陥を、教示用原画像に追加した新規欠陥追加教示用画像を生成する。したがって、新規欠陥追加教示用画像は、人為的に教示用原画像に新規追加教示用欠陥を描画して追加する場合と比較して、より実環境における欠陥の特徴量を反映した新規追加教示用欠陥が配置された画像となるという効果を奏する。

また、本実施の形態では、１枚の教示用原画像上に複数の新規追加教示用欠陥を追加する。したがって、１つの新規追加教示用欠陥を配置した画像を、複数作成して、記憶部５２０に記憶させておく必要がないため、記憶部５２０へのアクセス時間を短縮できるという効果を奏する。

また、複数の新規追加教示用欠陥が配置された画像を記憶部５２０に記憶させることで、記憶部５２０の使用する記憶領域を少なくすることができ、結果としてコストダウンを実現することが可能となるという効果を奏する。

また、新規追加教示用欠陥の描画位置を、教示用原画像内の追加元教示用欠陥の重心位置を中心にして探索することにより決定する。これにより、新規追加教示用欠陥の描画位置が、追加元教示用欠陥の重心位置の近い位置に決定された場合、新規追加教示用欠陥の欠陥背景領域は、追加元教示用欠陥の欠陥背景領域と似通ったものとなる。したがって、検査対象の場所に依存する欠陥の出現性を反映することが可能となるという効果を奏する。

また、追加元教示用欠陥の濃度値を変更した新規追加教示用欠陥を生成する場合、新規追加教示用欠陥の平均濃度値と、追加元教示用欠陥の平均濃度値との差分のオフセットを新規追加教示用欠陥の画素に加算または減算する。

すなわち、追加元教示用欠陥の濃度分布形状を保持したまま濃度軸に沿って平行移動したものが、新規追加教示用欠陥の濃度分布形状となる。したがって、追加元教示用欠陥の濃度分布と同じ濃度分布であるが面積や出現位置が異なる新規追加教示用欠陥を作成することができる。

その結果、人為的に教示用原画像に新規追加教示用欠陥を追加する場合と比較して、より実環境における欠陥の特徴量を反映した新規追加教示用欠陥を教示用原画像に追加することができるという効果を奏する。

＜第２の実施の形態＞
本実施の形態では、第１の実施の形態よりも、より学習に適した新規欠陥追加教示用画像を生成する処理について説明する。以下においては、学習に適した新規欠陥追加教示用画像を生成する処理を、新規欠陥追加教示用画像生成処理Ａとも称する。

図１３は、本実施の形態における教示用画像生成装置５００Ａの内部の構成を示すブロック図である。

図１３を参照して、教示用画像生成装置５００Ａは、教示用画像生成装置５００と比較して、記録媒体５５５の代わりに記録媒体５５５Ａにデータアクセスする点と、記憶部５２０に、教示用画像生成プログラム１８０の代わりに教示用画像生成プログラム１８０Ａが記録されている点と、記録媒体５５５Ａに教示用画像生成プログラム１８０Ａが記録されている点とが異なる。それ以外の構成および機能は教示用画像生成装置５００と同様なので詳細な説明は繰り返さない。

図１４は、新規欠陥追加教示用画像生成処理Ａのフローチャートである。
図１４を参照して、新規欠陥追加教示用画像生成処理Ａは図５の新規欠陥追加教示用画像生成処理と比較して、ステップＳ１０２と、ステップＳ１０４との処理の間にステップＳ１０３Ａの処理が行なわれる点と、ステップＳ１１２の代わりにステップＳ１１２Ａの処理が行なわれる点と、ステップＳ１１４の代わりにステップＳ１１４Ａの処理が行なわれる点と、ステップＳ１２０の代わりにステップＳ１２０Ａの処理が行なわれる点と、ステップＳ１２２の代わりにステップＳ１２２Ａの処理が行なわれる点とが異なる。それ以外の処理は、新規欠陥追加教示用画像生成処理と同様なので詳細な説明は繰り返さない。

なお、新規欠陥追加教示用画像生成処理ＡのステップＳ１００において読み出した教示用原画像は、たとえば、図４の教示用原画像７００であるとする。

新規欠陥追加教示用画像生成処理Ａでは、ステップＳ１０２の処理の後、ステップＳ１０３Ａに進む。

ステップＳ１０３Ａでは、欠陥判定処理が行なわれる。欠陥判定処理では、制御部５１０が、ステップＳ１００で読み出した教示用原画像７００中の欠陥が、真欠陥または擬似欠陥のいずれであるかを判定する。

具体的には、ユーザが、表示部５３０に表示された教示用原画像７００を参照して、教示用原画像７００内の欠陥を真欠陥または擬似欠陥のいずれかに設定する。当該設定は、ユーザが、マウス５４２またはキーボード５４４等の入力装置を利用して、制御部５１０に指示を与えることで行なわれる。

制御部５１０は、当該指示に基づいて、前述の欠陥判定処理を行なう。本実施の形態では、教示用原画像７００の欠陥７２０が真欠陥に設定され、欠陥７１０が擬似欠陥に設定されたとする。以下においては、当該欠陥の設定情報を示すデータを欠陥設定データとも称する。欠陥設定データは、制御部５１０が、記憶部５２０に記憶させる。

ステップＳ１１２Ａでは、新規追加欠陥数決定処理Ａが行なわれる。新規追加欠陥数決定処理Ａでは、ステップＳ１０４において選択した追加元教示用欠陥（真欠陥７２０および擬似欠陥７１０）の各々に対し、追加元教示用欠陥のどの特徴量をどの程度変化させた欠陥を教示用原画像７００に新たに追加するのかを決定することで追加する欠陥の数を決定する処理が行なわれる。当該処理は、記憶部５２０に記憶された新規追加教示用欠陥の数を設定するための特徴量変化設定データを制御部５１０が読み出して行なう。

本実施の形態における特徴量変化設定データは、追加元教示用欠陥が真欠陥である場合、追加元教示用欠陥の面積を減少させた新規追加教示用欠陥の数を特定するためのデータである。

また、特徴量変化設定データは、追加元教示用欠陥が擬似欠陥である場合、追加元教示用欠陥の面積を増加させた新規追加教示用欠陥の数を特定するためのデータである。

ここで、特徴量変化設定データは、真欠陥である追加元教示用欠陥に対しては、変化させる特徴量が、面積のみであって、たとえば、当該面積を１０，２０％それぞれ減少させるデータである。したがって、真欠陥としての新規追加教示用欠陥の数は２つとなる。

また、特徴量変化設定データは、擬似欠陥である追加元教示用欠陥に対しては、変化させる特徴量が、面積のみであって、たとえば、当該面積を１０，２０％それぞれ増加させるデータでもある。したがって、擬似欠陥としての新規追加教示用欠陥の数は２つとなる。

具体的には、制御部５１０は、記憶部５２０から欠陥設定データを読出し、真欠陥および擬似欠陥の数を認識し、特徴量変化設定データに基づいて、新規追加教示用欠陥の数を決定する。本実施の形態においては、欠陥設定データは、１つの真欠陥と、１つの擬似欠陥の情報を示すので、制御部５１０は、前述の特徴量変化設定データに基づいて、真欠陥としての新規追加教示用欠陥の数を２つに決定し、擬似欠陥としての新規追加教示用欠陥の数を２つに決定する。制御部５１０は、決定した欠陥の数の情報を記憶部５２０に記憶させる。なお、欠陥設定データは、１つの真欠陥と、１つの擬似欠陥の情報を示すデータに限定されることはない。欠陥設定データは、たとえば、２つ以上の真欠陥と、２つ以上の擬似欠陥の情報を示すデータであってもよい。すなわち、欠陥設定データは、ステップＳ１００により読み出された教示用原画像に応じて変わる。

ステップＳ１１４Ａでは、新規追加教示用欠陥リスト作成処理Ａが行なわれる。新規追加教示用欠陥リスト作成処理Ａでは、制御部５１０が、ステップＳ１１０により算出された欠陥の面積に基づいて、面積が大きい欠陥から、追加元教示用欠陥ＩＤ１，２を割り当てる。真欠陥７２０は、擬似欠陥７１０よりも大きいので、真欠陥７２０および擬似欠陥７１０にそれぞれ、追加元教示用欠陥ＩＤ１，２が割り当てられる。

次に、制御部５１０が、ステップＳ１１２Ａで読み出された特徴量変化設定データおよび追加する欠陥の数に基づいて、全新規追加教示用欠陥について、新規追加教示用欠陥ＩＤを、たとえば、１〜４まで割り当てて、新規追加教示用欠陥リストテーブルを作成する。作成された新規追加教示用欠陥リストテーブルは、制御部５１０が、記憶部５２０に記憶させる。

図１５は、一例としての新規追加教示用欠陥リストテーブルＴ２００を示す図である。
図１５を参照して、新規追加教示用欠陥リストテーブルＴ２００は、追加元教示用欠陥ＩＤ１，ＩＤ２がそれぞれ割り当てられた２つの追加元教示用欠陥の各々に対し追加する欠陥の数が２つである場合のリストを示す。

再び、図１４を参照して、ステップＳ１１４Ａの処理の後、ステップＳ１２０Ａに進む。

ステップＳ１２０Ａでは、制御部５１０が、新規追加教示用欠陥リストテーブルＴ２００から読み出すデータを特定するためのカウンタｋを“１”に設定する。その後、ステップＳ１２２Ａに進む。

ステップＳ１２２Ａでは、制御部５１０が、カウンタｋに対応した新規追加教示用欠陥データを記憶部５２０から読み出す。カウンタｋが、たとえば、“１”である場合、制御部５１０は、新規追加教示用欠陥リストテーブルＴ２００の新規追加教示用欠陥ＩＤが“１”に対応する新規追加教示用欠陥データを記憶部５２０から読み出す。

そして、図５の新規欠陥追加教示用画像生成処理と同様に、ステップＳ１２２Ａ，Ｓ１３０，Ｓ１４０，Ｓ１５２の処理が、ステップＳ１５０の条件を満足するまで繰り返されることにより、新規欠陥追加教示用画像が生成される。

図１６は、本実施の形態で生成された新規欠陥追加教示用画像７００Ｂを示す図である。

図１６を参照して、新規欠陥追加教示用画像７００Ｂには、追加元教示用欠陥としての真欠陥７２０に対し、面積を１０，２０％それぞれ減少させた、真欠陥としての新規追加教示用欠陥７２２、７２４が配置される。また、新規欠陥追加教示用画像７００Ｂには、追加元教示用欠陥としての擬似欠陥７１０に対し、面積を１０，２０％それぞれ増加させた、擬似欠陥としての新規追加教示用欠陥７１２、７１４が配置される。

なお、前述したステップＳ１３６Ａにおいて、制御部５１０が、追加教示用欠陥に対応する欠陥領域のコントラストが、追加元教示用欠陥に対応する欠陥領域のコントラストとほぼ等しくなるように、新規追加教示用欠陥平均濃度値を変化させる処理を行なったとする。

新規追加教示用欠陥７２４の新規追加教示用欠陥背景領域平均濃度値は、追加元教示用欠陥としての真欠陥７２０の背景領域の平均濃度値よりも高い。したがって、新規追加教示用欠陥平均濃度値を変化させる処理により、前述の新規追加教示用欠陥７２４の平均濃度値は、真欠陥７２０の平均濃度値より高く設定される。

新規追加教示用欠陥７１４も、新規追加教示用欠陥７２４と同様に設定される。
以上説明したように、本実施の形態では、追加元教示用欠陥が真欠陥である場合、追加元教示用欠陥の面積を減少させた新規追加教示用欠陥を生成する。追加元教示用欠陥が擬似欠陥である場合、追加元教示用欠陥の面積を増加させた新規追加教示用欠陥を生成する。

したがって、新規欠陥追加教示用画像を学習させるアルゴリズムに対し、真欠陥は小さくなればなるほど検出しにくく、擬似欠陥は大きくなればなるほど検出してはいけないのに検出してしまうという問題を反映させることができる。すなわち、より学習に適した教示用画像としての新規欠陥追加教示用画像を生成することができるという効果を奏する。

また、本実施の形態によれば、教示用画像として必要性の低い大きい真欠陥や小さい擬似欠陥である新規追加教示用欠陥を追加することがないので、教示用画像作成に要する時間を短縮することができるという効果を奏する。

＜第３の実施の形態＞
第１および第２の実施の形態の新規欠陥追加教示用画像生成処理または新規欠陥追加教示用画像生成処理Ａでは、教示用原画像の追加元教示用欠陥を利用して、教示用原画像に新規欠陥追加教示用画像を追加していた。本実施の形態では、教示用原画像が真欠陥が存在する欠陥画像である場合、新たに画像データを読み込んで、当該読み込んだ画像に対し、新規欠陥追加教示用画像を追加する処理について説明する。以下においては、当該処理を新規欠陥追加教示用画像生成処理Ｂとも称する。

図１７は、本実施の形態における教示用画像生成装置５００Ｂの内部の構成を示すブロック図である。

図１７を参照して、教示用画像生成装置５００Ｂは、図１の教示用画像生成装置５００と比較して、記録媒体５５５の代わりに記録媒体５５５Ｂにデータアクセスする点と、記憶部５２０に、教示用画像生成プログラム１８０の代わりに教示用画像生成プログラム１８０Ｂが記録されている点と、記録媒体５５５Ｂに教示用画像生成プログラム１８０Ｂが記録されている点とが異なる。それ以外の構成および機能は教示用画像生成装置５００と同様なので詳細な説明は繰り返さない。

図１８は、新規欠陥追加教示用画像生成処理Ｂのフローチャートである。
図１８を参照して、ステップＳ３００では、図５のステップＳ１００と同様に、制御部５１０が、教示用原画像データを読み出す。読み出した教示用原画像は、たとえば、図４の教示用原画像７００であるとする。その後、ステップＳ３０２に進む。

ステップＳ３０２では、ステップＳ１０２と同様な処理が行なわれるので詳細な説明は繰り返さない。その後、ステップＳ３０３に進む。

ステップＳ３０３では、ステップＳ１０３Ａと同様に欠陥判定処理が行なわれる。すなわち、制御部５１０が、教示用原画像７００中の欠陥が、真欠陥または擬似欠陥のいずれであるかを判定する。当該判定の具体的な処理は、ステップＳ１０３Ａと同様なので詳細な説明は繰り返さない。

次に、制御部５１０は、教示用原画像７００中に真欠陥があると判定すると、その教示用原画像を欠陥画像と判定する。一方、制御部５１０は、教示用原画像７００中に擬似欠陥があっても、真欠陥がないと判定すると、その教示用原画像を良品画像と判定する。制御部５１０は、教示用原画像が、欠陥画像または良品画像のいずれかである情報を示す画像判定データと、欠陥設定データとを、記憶部５２０に記憶させる。その後、ステップＳ３１０に進む。

ステップＳ３１０では、制御部５１０が、ステップＳ３００で読み込んだ教示用原画像がステップＳ３０３の処理により欠陥画像であるか否かを判定する。ステップＳ３１０において、ＹＥＳならば、ステップＳ３１２に進む。一方、ステップＳ３１０において、ＮＯならば、ステップＳ３１４に進む。

ステップＳ３１２では、新規欠陥追加用画像のデータを入力する。具体的には、制御部５１０が、図５のステップＳ１００と同様に、教示用原画像データを新たに読み出す。以下においては、この処理において、新たに読み出した教示用原画像データに基づく教示用原画像を新規欠陥追加用画像とも称する。

図１９は、本実施の形態における新規欠陥追加用画像および新規欠陥追加教示用画像を示す。

図１９（Ａ）は、ステップＳ３１２の処理で読み出された新規欠陥追加用画像８００を示す図である。新規欠陥追加用画像８００は、一例として、擬似欠陥８１０はあるものの、真欠陥はない、良品画像であるとする。

図１９（Ｂ）は、新規欠陥追加教示用画像生成処理Ｂにより生成された新規欠陥追加教示用画像８００Ａを示す図である。

再び、図１８を参照して、ステップＳ３１２の処理の後、ステップＳ３１３に進む。
ステップＳ３１３では、教示用原画像としての新規欠陥追加用画像に対し、ステップＳ３０３と同様な欠陥判定処理が行なわれる。すなわち、制御部５１０は、新規欠陥追加用画像を欠陥画像または良品画像のいずれであるかを判定する。そして、制御部５１０は、新規欠陥追加用画像が、欠陥画像または良品画像のいずれかである情報を示す画像判定データと、欠陥設定データとを、記憶部５２０に記憶させる。その後、ステップＳ３１４に進む。

ステップＳ３１４では、ステップＳ１０４と同様な処理が行なわれるので詳細な説明は繰り返さない。その後、ステップＳ３１６に進む。

ステップＳ３１６では、ステップＳ１０６と同様な処理が行なわれるので詳細な説明は繰り返さない。その後、ステップＳ３１８に進む。

ステップＳ３１８では、ステップＳ１０８と同様な処理が行なわれるので詳細な説明は繰り返さない。その後、ステップＳ３２０に進む。

ステップＳ３２０では、ステップＳ１１０と同様な処理が行なわれるので詳細な説明は繰り返さない。その後、ステップＳ３２２に進む。

ステップＳ３２２では、ステップＳ１１２Ａと同様な処理が行なわれるので詳細な説明は繰り返さない。その後、ステップＳ３２４に進む。

ステップＳ３２４では、ステップＳ１１４Ａと同様な処理が行なわれるので詳細な説明は繰り返さない。その後、ステップＳ３３０に進む。

ステップＳ３３０では、ステップＳ１２０Ａと同様な処理が行なわれるので詳細な説明は繰り返さない。その後、ステップＳ３３２に進む。

ステップＳ３３２では、ステップＳ１２２Ａと同様な処理が行なわれるので詳細な説明は繰り返さない。その後、ステップＳ３３４に進む。

ステップＳ３３４では、ステップＳ３１３の処理により判定された新規欠陥追加用画像に対応する画像判定データに基づいて、新規欠陥追加用画像が、良品画像であるか否かを判定する。ステップＳ３３４において、ＹＥＳならば、ステップＳ３４０に進む。一方、ステップＳ３３４において、ＮＯならば、ステップＳ３３６に進む。

ステップＳ３３６では、ステップＳ１３０と同様な処理が行なわれるので詳細な説明は繰り返さない。その後、ステップＳ３４０に進む。

ステップＳ３４０では、新規追加教示用欠陥描画処理Ｂが行なわれる。新規追加教示用欠陥描画処理Ｂでは、ステップＳ３３４の処理により、新規欠陥追加用画像が良品画像であると判定された場合、制御部５１０およびＶＤＰ５３２の処理により、表示部５３０に表示させる画像データを記憶するためのＶＲＡＭ５３６に、新規欠陥追加用画像８００が描画される（図１９（Ａ）参照）。そして、制御部５１０およびＶＤＰ５３２の処理により、ＶＲＡＭ５３６上の、ステップＳ３２０で算出された教示用原画像７００の真欠陥７２０の重心位置に、教示用原画像７００の真欠陥７２０と同じ新規追加教示用欠陥８２０が描画される（図１９（Ｂ）参照）。

なお、新規追加教示用欠陥描画処理Ｂでは、ステップＳ３３４の処理により、新規欠陥追加用画像が欠陥画像であると判定された場合、ステップＳ１４０の処理と同様に、制御部５１０およびＶＤＰ５３２の処理により、ＶＲＡＭ５３６に、教示用原画像７００が描画される。そして、さらに、制御部５１０およびＶＤＰ５３２の処理により、ＶＲＡＭ５３６上の、ステップＳ３３６の新規追加欠陥描画位置決定処理により決定された新規追加教示用欠陥の描画位置に、ステップＳ１３３Ｂで生成された追加教示用欠陥を描画する。その後、ステップＳ３５０に進む。

ステップＳ３５０では、制御部５１０が、ステップＳ３２２の処理で決定された新規追加元教示用欠陥の数と、ステップＳ３４０で描画した新規追加教示用欠陥の数とが等しいか否かを判定する。ステップＳ３５０において、ＹＥＳならば、ステップＳ３６０に進む。一方、ステップＳ３５０において、ＮＯならば、ステップＳ３５２に進む。

ステップＳ３５２では、制御部５１０が、カウンタｋを“１”インクリメントする。その後、再度、ステップＳ３３２の処理が行なわれる。

ステップＳ３６０では、制御部５１０が、ＶＲＡＭ５３６に記憶された画像データ（新規欠陥追加教示用画像のデータ）を、記憶部５２０に記憶させる。そして、この新規欠陥追加教示用画像生成処理Ｂは終了する。

以上説明した新規欠陥追加教示用画像生成処理Ｂにより新規欠陥追加教示用画像が生成される。

再び、図１９を参照して、本実施の形態では、ステップＳ３１２の処理で読み込んだ新規欠陥追加用画像は、良品画像である新規欠陥追加用画像８００あるので、新規欠陥追加教示用画像生成処理Ｂにより新規欠陥追加教示用画像８００Ａが生成される。

以上説明したように、本実施の形態では、入力した最初の教示用原画像が欠陥画像である場合、教示用原画像データを新たに読み出し、新規欠陥追加用画像とする。そして、新規欠陥追加用画像が良品画像である場合、新規欠陥追加用画像内における、最初の教示用原画像の真欠陥の重心位置と対応する位置に、最初の教示用原画像の真欠陥と同じ新規追加教示用欠陥を追加した新規欠陥追加教示用画像を生成する。

したがって、新規欠陥追加教示用画像は、最初の教示用原画像の追加元教示用欠陥と背景が同じ環境での欠陥の面積やコントラスト変動を再現することが可能となるという効果を奏する。

なお、新規欠陥追加用画像が真欠陥を有する欠陥画像である場合で、かつ、新規欠陥追加用画像の追加元教示用欠陥の重心位置が、新規追加教示用欠陥の描画位置と同じとなった場合、追加元教示用欠陥と、新規追加教示用欠陥とが重なるので新規追加教示用欠陥を新規欠陥追加用画像に描画ができない。

しかし、新規欠陥追加用画像が良品画像である場合には、上記のような問題はなく、新規追加教示用欠陥を教示用原画像としての新規欠陥追加用画像に描画することができるという効果を奏する。

＜第４の実施の形態＞
次に、前述の第１〜第３の実施の形態の処理により生成された教示用画像としての新規欠陥追加教示用画像を学習アルゴリズムに学習させ、画像処理アルゴリズムを生成する画像処理アルゴリズム生成処理について説明する。

図２０は、本実施の形態における画像処理アルゴリズム生成装置５００Ｃの内部の構成を示すブロック図である。

図２０を参照して、画像処理アルゴリズム生成装置５００Ｃは、図１の教示用画像生成装置５００と比較して、記録媒体５５５の代わりに記録媒体５５５Ｃにデータアクセスする点と、記憶部５２０に、教示用画像生成プログラム１８０の代わりに画像処理アルゴリズム生成プログラム１８０Ｃが記録されている点と、記録媒体５５５Ｃに画像処理アルゴリズム生成プログラム１８０Ｃが記録されている点とが異なる。それ以外の構成および機能は教示用画像生成装置５００と同様なので詳細な説明は繰り返さない。以上の構成の画像処理アルゴリズム生成装置５００Ｃにより、画像処理アルゴリズムが生成される。

次に、画像処理アルゴリズム生成装置５００Ｃにより画像処理アルゴリズムを生成するための処理について説明する。本実施の形態においては、画像処理フィルタの組合せを探索する組合せ最適化問題としてとらえ、進化的手法の一つである遺伝的アルゴリズムを用いて画像処理フィルタの組合せの最適化を行なう。すなわち、最適な画像処理フィルタの組合せ（局所解）を探索する。これらの画像処理フィルタの組合せである画像処理アルゴリズムを遺伝的アルゴリズムの１つの個体で表現する。以下においては、画像処理アルゴリズムを個体とも称する。

図２１は、画像処理アルゴリズム生成処理のフローチャートである。
図２１を参照して、ステップＳ４００では、制御部５１０が、初期パラメータの設定を行なう。詳細は後述するが、初期パラメータには、Ｎ世代の個体数ｍ、交叉確率Ｐｃ、突然変異確率Ｐｍ、終了条件、Ｎ＋１世代に追加する優良個体数ｇ１、Ｎ＋１世代に追加するランダム生成個体数ｇ２、Ｎ＋１世代に追加するＮ世代の最良の個体を考慮した確率的生成個体数ｇ３、Ｎ＋１世代に追加するＮ世代の最良の個体を考慮した確率的生成時の確率変動割合、確率変動割合の変化率、１つの個体の画像処理フィルタ長の最大値Ｌ等がある。本実施の形態では、Ｎ世代の個体数ｍは、たとえば、“１００”に設定されたとする。

なお、上記パラメータでは、ｇ１＋ｇ２＋ｇ３≦ｍが成立する。優良個体数ｇ１、ランダム生成個体数ｇ２、確率的生成個体数ｇ３は、個体数ｍに対し、５％以下の個数であることが望ましい。

本実施例における終了条件は、最良の個体の評価値が、所定値（たとえば、１０００）以上となる条件、または、後述する世代交代処理を繰り返す回数が所定回数（たとえば、１００回）となる条件である。その後、ステップＳ４０１の処理が行なわれる。

ステップＳ４０１では、制御部５１０が、最初（１世代）の画像処理アルゴリズムをランダムにｍ個生成する。本実施の形態では、画像処理アルゴリズムは、予め準備された複数種類の画像処理フィルタの組合せによるものである。

図２２は、フィルタテーブルＴ３００を示す。フィルタテーブルＴ３００は、画像処理フィルタの種類を特定するためのフィルタＩＤと画像処理フィルタの対応付けを示す。フィルタＩＤ“１”，“２”，“３” ，“４” ，“５” ，“６”には、それぞれ、平滑化フィルタ、中間値フィルタ、最大値フィルタ、最小値フィルタ、Ｓｏｂｅｌ（ゾーベル）フィルタおよびラプラシアンフィルタが対応付けられている。

たとえば、平滑化フィルタは、注目画素とその近傍領域の画素の有する濃度値の平均値で注目画素の濃度値を置き換える処理を行なうフィルタである。また、平滑化フィルタの持つパラメータとしては、たとえば近傍領域を規定するパラメータ等がある。当該パラメータの値が、たとえば、“３”の場合は、フィルタサイズは３画素×３画素と規定される。この場合は注目画素とその近傍の８画素がフィルタ処理の対象となる。なお、平滑化フィルタ、中間値フィルタ、最大値フィルタが使用するフィルタサイズは、３画素×３画素に限定されることはなく任意のサイズ（たとえば、５画素×５画素）であってもよい。

なお、本実施の形態で使用されるフィルタは、上記フィルタに限定されることなく、他のフィルタ（たとえば、ガウシアンフィルタ）であってもよい。また、本実施の形態においては、画素の有する濃度値は、“０”〜“２５５”の範囲の値である。また、濃度値が“０”の場合、対応する画素は黒であるとする。また、濃度値が“２５５”の場合、対応する画素は白であるとする。また、画像処理アルゴリズムは種々の画像処理モジュール（フィルタ）の組合せと、各画像処理モジュールの持つパラメータ値によって表現される。

再び、図２１を参照して、ステップＳ４０１では、制御部５１０が、１つの個体の画像処理フィルタ長の最大値Ｌに基づいて、上記フィルタを組み合わせた個体を生成する。ここで、最大値Ｌとは、フィルタを組み合わせる最大の数を示す。本実施の形態では、最大値Ｌは、たとえば、“８”であるとする。なお、最大値Ｌは“８”に限定されることなく任意の値（たとえば、“１０”）であってもよい。最大値Ｌは、ユーザが経験的に決める値であり、個体の処理する難易度が高いほど、最大値Ｌを大きく設定することが望ましい。

制御部５１０は、生成する個体毎に、フィルタの個数を、“１”〜“８”の範囲でランダムに決定する。そして、制御部５１０は、生成する個体毎に決定されたフィルタの個数に基づいて、複数種類（図２２の６種類）のフィルタの中から使用する画像処理フィルタを重複を妨げないでランダムに選択する。

図２３は、本実施の形態において生成された個体を示す図である。
図２３（Ａ）は、ステップＳ４０１により、ランダムに生成されたｍ個の個体Ｉ（Ｎ）＿１〜Ｉ（Ｎ）＿ｍを示す。ステップＳ４０１により、ｍ個の個体Ｉ（Ｎ）＿１〜Ｉ（Ｎ）＿ｍの各々が使用するフィルタの個数はランダムとなる。各個体を構成する番号は、フィルタＩＤを示す。たとえば、個体Ｉ（Ｎ）＿１では、処理対象画像に対して、フィルタＩＤ“１”，“３”，“１”，“６”，“５”にそれぞれ対応するフィルタによる処理が順に行なわれる。すなわち、個体Ｉ（Ｎ）＿１の一番左側に対応するフィルタＩＤが、処理対象画像に対して、一番最初に使用されるフィルタである。個体Ｉ（Ｎ）＿１の一番右側に対応するフィルタＩＤが、処理対象画像に対して、一番最後に使用されるフィルタである。以下においては、処理対象画像に対して、個体Ｉ（Ｎ）＿ｋ（自然数）の画像処理が行なわれた画像を処理後画像とも称する。

再び、図２１を参照して、ステップＳ４０１の処理が終了するとステップＳ４０２に進む。

ステップＳ４０２では、制御部５１０が、記憶部５２０に記憶された教示用画像データベース１８２の中から教示用画像としての処理対象画像データを選択し、記憶部５２０から処理対象画像データを読み出す。当該読み出される処理対象画像は、前述の第１〜第３の実施の形態のうち、たとえば、第２の実施の形態の処理により生成された新規欠陥追加教示用画像であるとする。なお、当該読み出される処理対象画像は、第１および第３の実施の形態の処理により生成された新規欠陥追加教示用画像であってもよい。教示用画像データベース１８２は、各々が異なる複数種類の教示用画像データを含むデータベースである。

本実施の形態では、教示用画像は、処理対象画像と教示用目標画像とに分類される。教示用目標画像とは、処理対象画像に対して画像処理アルゴリズムによる画像処理を行なった画像が一致または近似することが望まれる画像である。処理対象画像に対して画像処理アルゴリズムによる画像処理を行なった画像が、前述の教示用目標画像に近い程、当該画像処理アルゴリズムの画像の認識率が高いといえる。

また、教示用目標画像は、２値画像に限定されることなく、たとえば、濃度値が“０”、“１２８”、“２５５”からなる３値画像であってもよい。この場合、濃度値が、たとえば、“１２８”付近の画素のみを抽出することになる。教示用目標画像は、たとえば、所望の抽出領域が配置された画像である。

図２４は、本実施の形態における処理対象画像７００Ｂおよび教示用目標画像７００Ｃを示す図である。

図２４（Ａ）は、処理対象画像７００Ｂを示す図である。処理対象画像７００Ｂには、真欠陥７２０，７２２，７２４と、擬似欠陥７１０，７１２，７１４とが含まれる。

図２４（Ｂ）は、教示用目標画像７００Ｃを示す図である。教示用目標画像７００Ｃは、所望の抽出領域７２０Ｃ，７２２Ｃ，７２４Ｃを有する。教示用目標画像７００Ｃは、抽出領域７２０Ｃ，７２２Ｃ，７２４Ｃの画素のみが白く、抽出領域７２０Ｃ，７２２Ｃ，７２４Ｃ以外の画素が黒い画像とする。なお、処理対象画像７００Ｂと、処理対象画像に対応する教示用目標画像７００Ｃとは、対応づけられて記憶部５２０に記憶される。

再び、図２１を参照して、ステップＳ４０２の処理が終了するとステップＳ４０３Ａに進む。

ステップＳ４０３Ａでは、制御部５１０が、個体Ｉ（Ｎ）＿ｍにおいて、世代を表す世代番号Ｎを“１”に設定する。世代番号Ｎは、後述する世代交代処理が行なわれる毎に“１”インクリメントされる。その後、ステップＳ４０３Ｂに進む。

ステップＳ４０３Ｂでは、制御部５１０が、ｍ個の個体Ｉ（Ｎ）＿１〜Ｉ（Ｎ）＿ｍの各々に対し後述の処理を実行するために使用するカウンタｋを“１”に設定する。その後、ステップＳ４０４に進む。

ステップＳ４０４では、制御部５１０が、ステップＳ４０１において生成されたｍ個の個体Ｉ（Ｎ）＿１〜Ｉ（Ｎ）＿ｍのうち、ｋ番目の個体Ｉ（Ｎ）＿ｋによる画像処理を、処理対象画像に対して行ない、処理後画像を生成する。

たとえば、ｋ＝１のときは、個体Ｉ（Ｎ）＿１による画像処理を、処理対象画像に対して行なうことになる。この場合、処理対象画像には、フィルタＩＤ“１”，“３”，“１”，“６”，“５”にそれぞれ対応するフィルタによる処理が順に行なわれる。処理対象画像に個体Ｉ（Ｎ）＿１による画像処理が行なわれた画像が、個体Ｉ（Ｎ）＿１の処理後画像となる。ステップＳ４０４の処理が終了すると、ステップＳ４０５に進む。

ステップＳ４０５では、制御部５１０が、処理後画像から個体（画像処理アルゴリズム）の評価値を算出する。本実施の形態では、ステップＳ４０２において読み出された教示用画像データに含まれるデータに基づく、教示用目標画像と、処理後画像との、各画素間の濃度値の差の絶対値を全ての画素分求める。そして、各画素に対して求めた絶対値を全ての画素分加算した値（以下においては、画像差分値とも称する）を求め、所定値（たとえば、２０００）から減算する。本実施の形態では、当該減算することにより求められた値を、画像処理アルゴリズムの評価値とする。

したがって、画像差分値が小さいほど、すなわち、評価値が大きいほど、対応する個体（画像処理アルゴリズム）によって生成された処理後画像は教示用目標画像に近いものとなる。すなわち、当該個体（画像処理アルゴリズム）は、処理対象画像を、教示用目標画像と認識する認識率が高いといえる。すなわち、個体（画像処理アルゴリズム）の評価値が大きいほど、優良な（認識率の高い）画像処理アルゴリズムであるといえる。ステップＳ４０５の処理が終了すると、ステップＳ４０６に進む。

ステップＳ４０６では、制御部５１０が、カウンタｋを１インクリメントする。その後、ステップＳ４０７に進む。

ステップＳ４０７では、制御部５１０が、カウンタｋが個体の数ｍより大きいか否かを判定する。ステップＳ４０７において、ＹＥＳならば、ステップＳ４０８に進む。一方、ステップＳ４０７において、ＮＯならば、再度、ステップＳ４０４の処理が行なわれる。すなわち、ｍ個全ての個体の評価値の算出が完了した場合、ステップＳ４０８に進む。

ステップＳ４０８では、制御部５１０が、ｍ個全ての個体の中から最良の個体（画像処理アルゴリズム）を決定する。この場合、算出された評価値が最も大きい個体（画像処理アルゴリズム）が最良の個体となる。その後、ステップＳ４０９に進む。

ステップＳ４０９では、制御部５１０が、前述の終了条件を満たしているか否かを判定する。ステップＳ４０９において、ＹＥＳならば、この画像処理アルゴリズム生成処理は終了する。画像処理アルゴリズム生成処理が終了するのは、たとえば、ある世代の最良の個体（画像処理アルゴリズム）の評価値が１０００以上の場合である。または、世代番号Ｎが、１００以上の値となった場合である。すなわち、後述する世代交代処理が、１００回行なわれた場合である。世代交代処理が１００回行なわれると、その世代の最良の個体（画像処理アルゴリズム）の評価値が１０００未満であっても、画像処理アルゴリズム生成処理が終了する。

この画像処理アルゴリズム生成処理が終了したときの世代（以下においては、最終世代とも称する）における、ｍ個全ての個体（画像処理アルゴリズム）またはステップＳ４０８で決定された最終世代の最良の個体（画像処理アルゴリズム）が、最終的な個体（画像処理アルゴリズム）、すなわち、最終画像処理アルゴリズムである。

一方、ステップＳ４０９において、ＮＯならば、ステップＳ４１０の処理が行なわれる。

ステップＳ４１０では、進化的手法による次世代画像処理アルゴリズム生成処理が行なわれる。なお、以下に説明する次世代画像処理アルゴリズム生成処理は、進化的手法では、世代交代処理または遺伝的操作と呼ばれる。なお、遺伝的アルゴリズムにおいても、以下に説明する次世代画像処理アルゴリズム生成処理は世代交代処理または遺伝的操作と呼ばれる。

図２５は、次世代画像処理アルゴリズム生成処理のフローチャートである。
図２５を参照して、ステップＳ５１０では、制御部５１０が、世代番号Ｎ、すなわち、Ｎ世代のｍ個の個体（画像処理アルゴリズム）に対し、対応する評価値に基づいて順位付けを行なう。本実施の形態では、評価値が最も大きい個体を最良（１番目）の個体とし、評価値が最も小さい個体がｍ番目の個体となる。なお、評価値が全く同じ個体が複数存在する場合には、その複数の個体間の順位の前後は任意とする。その後、ステップＳ５２０に進む。

ステップＳ５２０では、ステップＳ５１０において順位付けられたｍ個の個体のうち、前述のステップＳ４００で設定した優良個体数ｇ１に基づいて、１番目からｇ１番目の個体を、変化させることなくＮ＋１世代に追加する。

ここで、優良個体数ｇ１とは、Ｎ世代のｍ個の個体のうち、変化させることなくＮ＋１世代に追加させる個体の数である。本実施の形態では、優良個体数ｇ１は“１”であるとする。すなわち、本実施の形態では、１番目の個体のみをＮ＋１世代に追加する。具体的には、制御部５１０が、当該１番目の個体（画像処理アルゴリズム）を記憶部５２０に記憶させる。なお、Ｎ＋１世代には、最初、個体はないものとする。なお、優良個体数ｇ１は“１”に限定されることなく任意の値（たとえば、“２”）であってもよい。

再び、図２３を参照して、図２３（Ｂ）は、Ｎ＋１世代の個体を示す図である。なお、本実施の形態では、Ｎ＋１世代の個体を生成する場合、個体数ｍは変化しないものとする。ステップＳ５２０の処理により、Ｎ世代の個体Ｉ（Ｎ）＿１は、変化せず、すなわち、フィルタの組合せが変化することなく、Ｎ＋１世代に追加され、個体Ｉ（Ｎ＋１）＿１となる。

再び、図２５を参照して、ステップＳ５２０の処理が終了すると、ステップＳ５３０に進む。

ステップＳ５３０では、Ｎ世代の最良な画像処理アルゴリズムを考慮した確率的生成処理が行なわれる。確率的生成処理では、制御部５１０が、ステップＳ５１０において行なわれたｍ個の個体の順位付け、前述のステップＳ４００で設定した確率的生成個体数ｇ３、確率変動割合および確率変動割合の変化率に基づいて、ｇ３個の個体を生成し、Ｎ＋１世代に追加する。

確率的生成処理における個体の生成方法では、Ｎ＋１世代の個体において、複数種類のフィルタの中からフィルタを選択する選択確率を、Ｎ世代の最良の個体で使用されるフィルタに基づいて変化させる。

ここで、確率的生成個体数ｇ３とは、Ｎ＋１世代に追加するＮ世代の最良の個体を考慮した個体の数である。確率変動割合Ｐｆは、Ｎ＋１世代に追加するＮ世代の最良の個体を考慮した確率的生成時の確率である。確率的生成個体数ｇ３、確率変動割合および変化率は、ユーザが経験的に決める値である。

本実施の形態では、確率的生成個体数ｇ３は、“２”であるとする。なお、確率的生成個体数ｇ３は、“２”に限定されることなく任意の値であってもよい。

再び、図２３（Ｂ）を参照して、ステップＳ５３０により、個体Ｉ（Ｎ＋１）＿２および個体Ｉ（Ｎ＋１）＿３がＮ＋１世代に追加される。

再び、図２５を参照して、ステップＳ５３０の処理の後、ステップＳ５４０に進む。
ステップＳ５４０では、前述のステップＳ４００で設定したランダム生成個体数ｇ２に基づいて、ステップＳ４０１と同様の方法により、ランダムにｇ２個の個体を生成し、Ｎ＋１世代に追加する。ここで、ランダム生成個体数ｇ２とは、ランダムに生成し、Ｎ＋１世代に追加する個体の数である。本実施の形態では、ランダム生成個体数ｇ２は“１”であるとする。なお、ランダム生成個体数ｇ２は“１”に限定されることなく任意の値（たとえば、“２”）であってもよい。

再び、図２３（Ｂ）を参照して、ステップＳ５４０により、個体Ｉ（Ｎ＋１）＿４がＮ＋１世代に追加される。なお、個体Ｉ（Ｎ＋１）＿４は、個体Ｉ（Ｎ）＿４と同じになる場合もある。

再び、図２５を参照して、ステップＳ５４０の処理が終了すると、ステップＳ５５０に進む。

ステップＳ５５０では、Ｎ世代のｍ（１００）個の個体から、遺伝的操作の一つである交叉によりｍ−（ｇ１＋ｇ２＋ｇ３）個の個体を生成する。すなわち、Ｎ世代のｍ（１００）個の個体から、交叉により１００−（１＋１＋２）＝９６個の個体を生成する。

図２６は、本実施の形態における交叉または突然変異のための個体の選択手法の一例を示す図である。

図２６を参照して、まず、制御部５１０が、１００個の１０％である１０個を、１００個の個体の中からランダムに選択する（図２６（Ｂ））。そして、制御部５１０は、ランダム選択した１０個の個体のうち、最も評価値の高い個体を最優良個体として選択する（図２６（Ｃ））。制御部５１０は、以上の処理を２回繰り返すことにより、１００個の個体の中から２個の個体（以下においては、交叉対象２個体とも称する）をランダムに選択する。

そして、制御部５１０は、前述の交叉確率Ｐｃに基づいて、交叉対象２個体を交叉させ、２つの個体を生成する。ここで、交叉確率Ｐｃとは、交叉対象２個体を交叉させる確率である。本実施の形態では、交叉確率Ｐｃは、０．９（９０％）であるとする。なお、交叉確率Ｐｃは、０．９に限定されることはない。交叉は、以下に説明する手法により行なわれる。

図２７は、交叉、突然変異を説明するための図である。
図２７（Ａ）および図２７（Ｂ）は、交叉を説明するための図である。

図２７（Ａ）および図２７（Ｂ）を参照して、交叉とは、互いに隣り合う２つの構成要素を任意の位置（以下においては、交叉点）で切断し、切断された一方を互いに交換することで、第Ｎ＋１世代の２つの新しい個体を生成するものである。

以上の交叉の処理を繰り返すことにより、Ｎ世代のｍ（１００）個の個体から、９６個の個体を生成する。

再び、図２５を参照して、ステップＳ５５０の処理が終了すると、ステップＳ５６０に進む。

ステップＳ５６０では、ステップＳ５５０で生成した９６個の個体（以下においては、突然変異対象個体とも称する）に対して、前述の突然変異確率Ｐｍに基づいて遺伝的操作の一つである突然変異を施す（以下においては、突然変異処理とも称する）。ここで、突然変異確率Ｐｍとは、９６個の突然変異対象個体に対して、突然変異を行なう確率である。本実施の形態では、突然変異確率Ｐｍは、０．０５（５％）であるとする。なお、突然変異確率Ｐｍは、０．０５に限定されることはない。本実施の形態では、突然変異は、制御部５１０が、以下に説明する手法を９６個の突然変異対象個体の各々に対し５％の確率で行なう。

再び、図２７を参照して、図２７（Ｃ）は、突然変異を説明するための図である。
図２７（Ｃ）を参照して、突然変異とは、第Ｎ世代の１つの個体の任意の位置（突然変異部）を選択し、突然変異部に対応する個体（画像処理フィルタ）の種類をランダムに任意の個体（画像処理フィルタ）に変更することで第Ｎ＋１世代の新しい個体を生成するものである。なお、突然変異部は、複数であってもよい。

そして、制御部５１０は、突然変異処理が行なわれた９６個の個体をＮ＋１世代に追加する。具体的には、制御部５１０が、生成した９６個の個体（画像処理アルゴリズム）を記憶部５２０に記憶させる。以上の処理により、Ｎ＋１世代の個体の数は、Ｎ世代と同じ個体の数となる。すなわち、記憶部５２０に記憶された個体（画像処理アルゴリズム）の数は１００個となる。そして、この次世代画像処理アルゴリズム生成処理は終了し、図２１の画像処理アルゴリズム生成処理の処理に戻り、ステップＳ４１２に進む。

なお、本実施の形態における次世代画像処理アルゴリズム生成処理内のステップＳ５２０，Ｓ５３０，Ｓ５４０，Ｓ５５０，Ｓ５６０の処理の順序は、前述の順番に限定されることはなく、任意である。たとえば、ステップＳ５３０の処理が、ステップＳ５２０の処理よりも先に行なわれてもよい。

ステップＳ４１２では、制御部５１０が、世代番号Ｎを１インクリメントする。その後、再度、ステップＳ４０３Ｂの処理が行なわれる。

そして、ステップＳ４０９で、終了条件が満たされたと判定されるまで、ステップＳ４０３Ｂ，Ｓ４０４，Ｓ４０５，Ｓ４０６，Ｓ４０７，Ｓ４０８，Ｓ４１０，Ｓ４１２の処理が繰り返される。以上の処理により、世代が交代するにつれてｍ個の個体（画像処理アルゴリズム）が、優秀な（認識率の高い）ｍ個の個体（画像処理アルゴリズム）に変化していく。そして、ステップＳ４０９で終了条件が満たされたときには、記憶部５２０には、優良な１００個の個体（画像処理アルゴリズム）が記憶される。

以上、本実施の形態においては、最適化手法として遺伝的アルゴリズムを使用したが、遺伝的プログラミングや進化的アルゴリズムなど他の進化的手法を用いてもよいし、ニューラルネットワークなどの進化的手法以外の最適化手法を用いてもよいものとする。

また、画像処理フィルタとして図２２に挙げたものは一例であり、ノイズ除去や２値化処理なども画像処理フィルタに含めても構わないものとする。

図２８は、本実施の形態における画像処理アルゴリズム生成装置５００Ｃの機能ブロック図である。

図２８を参照して、画像処理アルゴリズム生成装置５００Ｃは、画像処理アルゴリズム管理部として動作する。画像処理アルゴリズム生成装置５００Ｃには、画像データ入力部６００および表示部５３０が接続されている。

画像処理アルゴリズム生成装置５００Ｃは、制御部５１０を含む。
制御部５１０は、初期パラメータ設定部５１１Ｃ、目標画像設定部５１２Ｃ、画像処理アルゴリズム生成部５１３Ｃ、画像データ変換部５１４Ｃ、画像処理アルゴリズム性能評価部５１５Ｃ、画像処理アルゴリズム生成完了判断部５１６Ｃとして動作する。教示用画像データベース１８２は、記憶部５２０に記憶されている。教示用画像データベース１８２は、画像データ入力部６００から入力された処理対象画像を含む。

初期パラメータ設定部５１１Ｃは、ユーザがあらかじめ設定されている初期パラメータを変更したい際に、マウス５２４またはキーボード５４４等の入力機器を用いたユーザからの指示に基づいて、初期パラメータを変更する機能を有する。初期パラメータ設定部５１１Ｃは、前述のステップＳ４００の処理を行なう機能を有する。

目標画像設定部５１２Ｃは、ユーザが、教示用画像データベース１８２を構成する教示用画像データの処理対象画像を表示部５３０で参照して、マウス５２４またはキーボード５４４等の入力機器を用いたユーザからの指示の基づいて、所望の抽出領域を配置した教示用目標画像を生成する機能を有する。

画像処理アルゴリズム生成部５１３は、前述のステップＳ４０１、Ｓ４１０の処理を行なう機能を有する。

画像データ変換部５１４Ｃは、前述のステップＳ４０４の処理を行なう機能を有する。
画像処理アルゴリズム性能評価部５１５Ｃは、前述のステップＳ４０５，Ｓ４０８の処理を行なう機能を有する。

画像処理アルゴリズム生成完了判断部５１６Ｃは、前述のステップＳ４０９の処理を行なう機能を有する。

記憶部５２０は、画像処理アルゴリズム生成完了判断部５１６Ｃで優良な個体（画像処理アルゴリズムの）生成が完了と判断された時、当該優良な個体（画像処理アルゴリズム）を記憶する画像処理アルゴリズム記憶部として動作する。

図２９は、従来手法および本実施の形態のそれぞれで１００世代目の画像処理アルゴリズムを生成するのに要した時間を測定したシミュレーション結果である。シミュレーション条件は、使用する画像サイズを横６４０画素、縦４８０画素とし、各世代の個体数ｍを１００とし、使用するフィルタの最大値Ｌを８とした。

図２９を参照して、従来手法では、１枚の処理対象画像（教示用画像）に対し、欠陥の特徴量を変化させた画像を９枚作成し、トータルで処理対象画像１０枚を、本実施の形態の画像処理アルゴリズム生成処理で使用した。

本実施の形態では、第２の実施の形態の方法で、１つの追加元教示用欠陥に基づいて生成した９個の新規追加教示用欠陥を追加することにより作成された新規欠陥追加教示用画像を１枚を、本実施の形態の画像処理アルゴリズム生成処理で使用した。

従来手法では、世代交代処理を１００回繰り返すのに要する時間は、４２６９秒であったが、本実施の形態では８０１秒と大幅に時間を短縮することができた。

以上説明したように、本実施の形態では、１つの追加元教示用欠陥に基づいて生成した複数個の新規追加教示用欠陥を追加することにより作成された新規欠陥追加教示用画像を１枚を処理対象画像として、画像処理アルゴリズムを生成することで、複数種類の処理対象画像を使用して画像処理アルゴリズムを生成する従来手法より、画像処理を施す回数を低減できる。

したがって、画像処理アルゴリズム生成に要する時間を短縮することができるという効果を奏する。

また、本実施の形態では、大域的探索手法である進化的手法を利用することで、画像処理フィルタの組合せが膨大である場合にも効率的に探索が可能であり、画像処理アルゴリズム生成に要する時間を短縮できるという効果を奏する。

＜第５の実施の形態＞
次に、第４の実施の形態で生成された画像処理アルゴリズムを使用して、画像検査を行なう処理について説明する。

図３０は、本実施の形態における画像検査装置５００Ｄの内部の構成を示すブロック図である。

図３０を参照して、画像検査装置５００Ｄは、図１の教示用画像生成装置５００と比較して、記録媒体５５５の代わりに記録媒体５５５Ｄにデータアクセスする点と、記憶部５２０に、教示用画像生成プログラム１８０の代わりに画像検査プログラム１８０Ｄが記録されている点と、記録媒体５５５Ｄに画像検査プログラム１８０Ｄが記録されている点と、記憶部５２０に画像処理アルゴリズムデータベース１８４がさらに記録されている点が異なる。それ以外の構成および機能は教示用画像生成装置５００と同様なので詳細な説明は繰り返さない。

画像処理アルゴリズムデータベース１８４は、第４の実施の形態で生成された複数の画像処理アルゴリズムからなるデータベースである。ここで、画像処理アルゴリズムとは、１つ以上の画像処理フィルタにより構成されるものである。以上の構成の画像検査装置５００Ｄにより、画像検査処理が行なわれる。

次に、画像検査処理について説明する。
図３１は、画像検査処理のフローチャートである。

図３１を参照して、ステップＳ６０１では、初期パラメータ設定処理が行なわれる。初期パラメータ設定処理では、制御部５１０が、初期パラメータを設定する。初期パラメータとしては、後述するステップＳ６０３にて選択する画像処理アルゴリズムのＩＤ、真欠陥か擬似欠陥であるかを判断するための欠陥面積の閾値などがある。この閾値以上の面積の欠陥を有する検査対象物６５０は、不良品であり、この閾値よりも大きい面積の欠陥が一つも存在しない検査対象物６５０は良品である。

特に、この閾値を１とすることで、後述する画像処理アルゴリズム適用結果の出力である２値化画像に濃度値が２５５（白）の画素が一つでも存在すれば検査対象物６５０を不良品と判定することができる。その後、ステップＳ６０２に進む。

ステップＳ６０２では、画像データ入力部６００を用いて検査対象物６５０を撮像することにより検査対象画像を入力する。また、オフライン画像検査を行なう場合には、教示用画像データベース１８２より、処理対象画像としての検査対象画像を選択することにより画像を入力する。その後、ステップＳ６０３に進む。

ステップＳ６０３では、制御部５１０が、記憶部５２０に記憶されている画像処理アルゴリズムデータベース１８４より、ステップＳ６０１で指定したＩＤを有する画像処理アルゴリズムを選択し、当該選択した画像処理アルゴリズムを記憶部５２０から読み出す。

なお、ある検査対象画像に対して画像処理アルゴリズムを適用した結果の出力画像は濃度値が０か２５５かの２値化画像であるものとする。特に、本実施の形態においては、欠陥候補画素の濃度値のみが２５５（白）となるものとする。その後、ステップＳ６０４に進む。

ステップＳ６０４では、制御部５１０が、ステップＳ６０２で入力した検査対象画像に対して、ステップＳ６０３で読み出した画像処理アルゴリズムを施し、画像処理結果としての２値化画像を出力する。その後、ステップＳ６０５に進む。

ステップＳ６０５では、制御部５１０が、ステップＳ６０４により得られた２値化画像に対してラベリング手法を用いて全ての欠陥候補の特徴量を算出する。ここで、特徴量は、たとえば、面積である。その後、ステップＳ６０６に進む。

ステップＳ６０６では、制御部５１０が、ステップＳ６０１において設定した検査対象物６５０が良品か不良品であるかを判断するための欠陥面積の閾値を用いて、各欠陥候補が真欠陥であるか擬似欠陥であるかを判定する。制御部５１０は、当該判定に基づき、一つでも真欠陥がある検査対象物６５０を不良品であると判定する。以下においては、当該判定結果を良品／不良品判定結果とも称する。その後、ステップＳ６０７に進む。

ステップＳ６０７では、制御部５１０およびＶＤＰ５３２が、ステップＳ６０６での良品／不良品判定結果を表示部５３０に出力する。

以上により、この画像検査処理は終了する。
図３２は、本実施の形態における画像検査装置５００Ｄの機能ブロック図である。

図３２を参照して、画像検査装置５００Ｄは、画像検査管理部として動作する。画像検査装置５００Ｄには、画像データ入力部６００および表示部５３０が接続されている。

画像検査装置５００Ｄは、制御部５１０と、画像検査結果出力部５１０Ｄと、記憶部５２０とを含む。

制御部５１０は、初期パラメータ設定部５１１Ｄ、画像処理アルゴリズム選択部５１２Ｄ、画像データ変換部５１３Ｄ、欠陥候補特徴量算出部５１４Ｄ、良品／不良品判定部５１５Ｄとして動作する。

記憶部５２０には、教示用画像データベース１８２および画像処理アルゴリズムデータベース１８４が記憶されている。教示用画像データベース１８２は、画像データ入力部６００から入力された処理対象画像を含む。

画像検査結果出力部５１０Ｄは、制御部５１０およびＶＤＰ５３２の動作を行なう。
画像検査装置５００Ｄは、検査対象画像を画像データ入力部６００から取得する。オフライン画像検査を行なう場合には、検査前に画像データ入力部６００によって取得された少なくとも１枚以上の検査対象画像データを、記憶部５２０に記憶させ、検査時に記憶部５２０の教示用画像データベース１８２より検査対象画像データを取得する。

初期パラメータ設定部５１１Ｄでは、ユーザがあらかじめ設定されている初期パラメータを変更したい際に、マウス５４２またはキーボード５４４等の入力装置を用いて、初期パラメータを変更する機能を提供する。初期パラメータ設定部５１１Ｄでは図３１のステップＳ６０１の処理を行なう機能を有する。

画像処理アルゴリズム選択部５１２Ｄは、ステップＳ６０３の処理を行なう機能を有する。すなわち、画像処理アルゴリズムデータベース１８４に記憶されている複数の画像処理アルゴリズムの中から所望の画像処理アルゴリズムを選択する。

画像データ変換部５１３Ｄは、ステップＳ６０４の処理を行なう機能を有する。
欠陥候補特徴量算出部５１４Ｄは、ステップＳ６０５の処理を行なう機能を有する。

良品／不良品判定部５１５Ｄは、ステップＳ６０６の処理を行なう機能を有する。
画像検査結果出力部５１０Ｄは、ステップＳ６０７の処理を行なう機能を有する。

次に、異なる２つの画像処理アルゴリズムをそれぞれ使用した画像検査処理を行なった場合について説明する。

図３３は、ステップＳ６０３で選択される画像処理アルゴリズムを生成するために使用した異なる２つの処理対象画像を示す図である。

図３３（Ａ）は、処理対象画像９００である。処理対象画像９００は、検査対象物６５０を撮像することで得られた画像である。処理対象画像９００には、真欠陥８２０が含まれる。

図３３（Ｂ）は、処理対象画像９００Ａである。処理対象画像９００Ａは、処理対象画像９００を使用して、第１および２の実施の形態の方法により生成した画像である。処理対象画像９００Ａは、真欠陥８２０の面積およびコントラストを２５％低下させた新規追加教示用欠陥８２４を、真欠陥として生成して、追加した画像である。

図３４は、異なる２つの画像処理アルゴリズムをそれぞれ使用した画像検査処理を行なった結果を示す表Ｔ４００である。

図３４を参照して、画像処理アルゴリズムＡは、第４の実施の形態の画像処理アルゴリズム生成処理において、処理対象画像を処理対象画像９００として、生成された最良の画像処理アルゴリズムである。

画像処理アルゴリズムＢは、第４の実施の形態の画像処理アルゴリズム生成処理において、処理対象画像を処理対象画像９００Ａとして、生成された最良の画像処理アルゴリズムである。

○は、検査対象物６５０を撮像することで得られた検査対象画像が、真欠陥を含む欠陥画像である場合、ステップＳ６０６で、検査対象物６５０を不良品であると正しく判定されたことを示す。すなわち、欠陥画像が真欠陥を含む場合、欠陥画像に含まれる欠陥候補が、真欠陥と正しく判定されたことを示す。

×は、検査対象物６５０を撮像することで得られた検査対象画像が、真欠陥を含む欠陥画像である場合、ステップＳ６０６で、検査対象物６５０を不良品であると正しく判定できなかったことを示す。すなわち、欠陥画像が真欠陥を含む場合、欠陥画像に含まれる欠陥候補が、真欠陥と正しく判定されなかったことを示す。

図３５は、異なる２つの画像処理アルゴリズムをそれぞれ使用した画像検査処理で使用した一例としての検査対象画像９５０を示す図である。

図３５を参照して、検査対象画像９５０は、真欠陥９５２を含む。真欠陥９５２は、図３３（Ａ）の処理対象画像９００の真欠陥８２０の面積またはコントラストを変化させた欠陥である。なお、検査対象画像９５０の背景画像と、処理対象画像９００の背景画像との濃度分布は同じである。

変動特徴量の行の、５〜３５は、それぞれ、対応する特徴量を低下させた％を示す。
まず、処理対象画像９００を利用して、処理対象画像９００の真欠陥８２０の面積のみを５〜３５％それぞれ低下した複数の検査対象画像を生成して、複数の検査対象画像の各々に対しステップＳ６０４で画像処理アルゴリズムＡを施し、画像検査処理を行なった。当該画像検査処理では、１５％まで真欠陥８２０の面積を低下させた真欠陥に対しても、検査対象画像は、欠陥画像と正しく判定された。すなわち、検査対象物６５０が不良品であると正しく判定された。

また、処理対象画像９００を利用して、処理対象画像９００の真欠陥８２０のコントラストのみを５〜３５％それぞれ低下した複数の検査対象画像を生成して、複数の検査対象画像の各々に対しステップＳ６０４で画像処理アルゴリズムＡを施し、画像検査処理を行なった。当該画像検査処理では、２０％まで真欠陥８２０のコントラストを低下させた真欠陥に対しても、検査対象画像は、欠陥画像と正しく判定された。すなわち、検査対象物６５０が不良品であると正しく判定された。

また、処理対象画像９００を利用して、処理対象画像９００の真欠陥８２０の面積のみを５〜３５％それぞれ低下した複数の検査対象画像を生成して、複数の検査対象画像の各々に対しステップＳ６０４で画像処理アルゴリズムＢを施し、画像検査処理を行なった。当該画像検査処理では、２５％まで真欠陥８２０の面積を低下させた真欠陥に対しても、検査対象画像は、欠陥画像と正しく判定された。すなわち、検査対象物６５０が不良品であると正しく判定された。

また、処理対象画像９００を利用して、処理対象画像９００の真欠陥８２０のコントラストのみを５〜３５％それぞれ低下した複数の検査対象画像を生成して、複数の検査対象画像の各々に対しステップＳ６０４で画像処理アルゴリズムＢを施し、画像検査処理を行なった。当該画像検査処理では、３５％まで真欠陥８２０のコントラストを低下させた真欠陥に対しても、検査対象画像は、欠陥画像と正しく判定された。すなわち、検査対象物６５０が不良品であると正しく判定された。

以上により、欠陥を追加した画像（処理対象画像９００Ａ）を利用して生成した画像処理アルゴリズムＢを使用した画像検査処理の方が、欠陥が追加されていない画像（処理対象画像９００）を利用して生成した画像処理アルゴリズムＡを使用した画像検査処理より、処理対象画像９００を利用して、処理対象画像９００の真欠陥８２０の特徴量をそれぞれ変化させた複数の検査対象画像のうち、欠陥画像と正しく判定できる画像の数が多かった。

以上説明したように、本実施の形態では、画像検査処理時に、第１および２の実施の形態で生成された処理対象画像を使用した第４の実施の形態で生成された画像処理アルゴリズムＢを使用している。

したがって、画像検査処理時で使用する画像処理アルゴリズムＢは、教示用原画像上に存在する欠陥の特徴量が変化した新規欠陥の特徴も学習しているため、照明条件やカメラパラメータが異なる場合などの環境の変化に対しても、信頼性の高い検査が可能となるという効果を奏する。

なお、本実施の形態では、良品／不良品の判断基準として、欠陥候補の面積を使用したが、本実施の形態はこれに限定されることはない。良品／不良品の判断基準は、検査対象を良品か不良品かのどちらであるかを判断できる基準となるもの（たとえば、欠陥候補の形状）であれば何であってもよい。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

本発明は、画像検査装置、画像変換装置、画像認識装置、パターンマッチング装置、画像を用いた位置決め装置、画像認識機能付自律ロボット、画像認識機能付産業用ロボットなどに利用される。

本実施の形態における教示用画像生成装置の内部の構成を示すブロック図である。画像データ入力部の内部構成を示すブロック図である一例としての教示用画像を示す図である。一例としての教示用原画像および教示用目標画像を示す図である。新規欠陥追加教示用画像生成処理のフローチャートである。教示用原画像と、教示用原画像に基づいて生成された追加元教示用欠陥指定画像を示す。教示用原画像に対し欠陥領域を設定した欠陥領域設定画像である。一例としての新規追加教示用欠陥リストテーブルを示す図である。新規追加欠陥描画位置決定処理のフローチャートである。教示用原画像に新規追加教示用欠陥を配置した新規欠陥追加教示用画像を示す。教示用原画像に対し欠陥領域を設定した欠陥領域設定画像である。本実施の形態における教示用画像生成装置の機能ブロック図である。本実施の形態における教示用画像生成装置の内部の構成を示すブロック図である。新規欠陥追加教示用画像生成処理Ａのフローチャートである。一例としての新規追加教示用欠陥リストテーブルを示す図である。本実施の形態で生成された新規欠陥追加教示用画像を示す図である。本実施の形態における教示用画像生成装置の内部の構成を示すブロック図である。新規欠陥追加教示用画像生成処理Ｂのフローチャートである。本実施の形態における新規欠陥追加用画像および新規欠陥追加教示用画像を示す。本実施の形態における画像処理アルゴリズム生成装置の内部の構成を示すブロック図である。画像処理アルゴリズム生成処理のフローチャートである。フィルタテーブルを示す。本実施の形態において生成された個体を示す図である。本実施の形態における処理対象画像および教示用目標画像を示す図である。次世代画像処理アルゴリズム生成処理のフローチャートである。本実施の形態における交叉または突然変異のための個体の選択手法の一例を示す図である。交叉、突然変異を説明するための図である。本実施の形態における画像処理アルゴリズム生成装置の機能ブロック図である。従来手法および本実施の形態のそれぞれで１００世代目の画像処理アルゴリズムを生成するのに要した時間を測定したシミュレーション結果である。本実施の形態における画像検査装置の内部の構成を示すブロック図である。画像検査処理のフローチャートである。本実施の形態における画像検査装置の機能ブロック図である。画像処理アルゴリズムを生成するために使用した異なる２つの処理対象画像を示す図である。異なる２つの画像処理アルゴリズムをそれぞれ使用した画像検査処理を行なった結果を示す表Ｔ４００である。異なる２つの画像処理アルゴリズムをそれぞれ使用した画像検査処理で使用した一例としての検査対象画像を示す図である。

符号の説明

１８０，１８０Ａ，１８０Ｂ教示用画像生成プログラム、１８０Ｃ画像処理アルゴリズム生成プログラム、１８０Ｄ画像検査プログラム、１８２教示用画像データベース、１８４画像処理アルゴリズムデータベース、５００，５００Ａ，５００Ｂ教示用画像生成装置、５００Ｃ画像処理アルゴリズム生成装置、５００Ｄ画像検査装置、５１０制御部、５２０記憶部、５３０表示部、５３２ＶＤＰ、５５５，５５５Ａ，５５５Ｂ，５５５Ｃ記録媒体、６００画像データ入力部。

Claims

教示過程において自己発展的に目標となる処理を習得するアルゴリズムに処理させるための、検査領域を有する教示用画像を生成する教示用画像生成方法であって、
前記検査領域を有する教示用画像を入力する工程と、
前記検査領域を指定する工程と、
前記指定された検査領域内の検査領域画像の特徴量を算出する工程と、
前記教示用画像内で画像を配置する位置を算出する工程と、
前記検査領域画像の特徴量を変化させた変化検査領域画像を生成する工程と、
前記算出された画像を配置する位置に前記変化検査領域画像を配置した新規欠陥追加教示用画像を生成する工程とを含む、教示用画像生成方法。
ユーザによる指示を受付ける工程をさらに含み、
前記検査領域を指定する工程は、前記受付けたユーザの指示に基づいて、前記検査領域を指定する、請求項１に記載の教示用画像生成方法。
前記画像を配置する位置は、前記検査領域画像と重ならない位置である、請求項１または請求項２に記載の教示用画像生成方法。
前記検査領域画像の特徴量を算出する工程は、
前記検査領域画像の重心位置を算出する工程を含み、
前記画像を配置する位置を算出する工程は、前記画像を配置する位置を、算出された前記検査領域画像の重心位置を中心に近傍から探索して算出する、請求項１〜請求項３のいずれかに記載の教示用画像生成方法。
前記検査領域が抽出すべき領域であるか否かを判定する工程をさらに含み、
前記変化検査領域画像を生成する工程は、前記検査領域が前記抽出すべき領域であると判定された場合、前記検査領域画像の面積を縮小させた前記変化検査領域画像を生成する、請求項１〜請求項４のいずれかに記載の教示用画像生成方法。
前記検査領域が抽出すべき領域であるか否かを判定する工程をさらに含み、
前記変化検査領域画像を生成する工程は、前記検査領域が前記抽出すべき領域でないと判定された場合、前記検査領域画像の面積を拡大させた前記変化検査領域画像を生成する、請求項１〜請求項４のいずれかに記載の教示用画像生成方法。
前記検査領域が抽出すべき領域であるか否かを判定する工程をさらに含み、
前記検査領域画像の特徴量を算出する工程は、
前記検査領域画像の重心位置を算出する工程を含み、
前記教示用画像を入力する工程は、前記検査領域が前記抽出すべき領域であると判定された場合、新たに、前記検査領域を有する新規教示用画像を入力し、
前記新規欠陥追加教示用画像を生成する工程は、前記新規教示用画像内の、前記検査領域画像の重心位置と対応する位置に、前記変化検査領域画像を配置した新規欠陥追加教示用画像を生成する、請求項１〜請求項３のいずれかに記載の教示用画像生成方法。
前記検査領域が抽出すべき領域であるか否かを判定する工程をさらに含み、
前記検査領域画像の特徴量を算出する工程は、
前記検査領域画像の重心位置を算出する工程を含み、
前記教示用画像を入力する工程は、前記検査領域が前記抽出すべき領域であると判定された場合、新たに、前記検査領域を有する新規教示用画像を入力し、
前記新規教示用画像の前記検査領域が前記抽出すべき領域であるか否かを判定する工程をさらに含み、
前記新規欠陥追加教示用画像を生成する工程は、前記新規教示用画像の前記検査領域が前記抽出すべき領域でないと判定された場合、前記新規教示用画像内の、前記検査領域画像の重心位置と対応する位置に、前記変化検査領域画像を配置した新規欠陥追加教示用画像を生成する、請求項１〜請求項３のいずれかに記載の教示用画像生成方法。
前記変化検査領域画像を生成する工程は、前記検査領域が前記抽出すべき領域であると判定された場合、前記検査領域画像の面積を縮小させた前記変化検査領域画像を生成する、請求項７または請求項８に記載の教示用画像生成方法。
前記変化検査領域画像を生成する工程は、前記検査領域が前記抽出すべき領域でないと判定された場合、前記検査領域画像の面積を拡大させた前記変化検査領域画像を生成する、請求項７または請求項８に記載の教示用画像生成方法。
前記検査領域画像および前記変化検査領域画像の周囲に、それぞれ、第１および第２検査周囲領域を設定する工程と、
前記検査領域画像の第１濃度値と、前記第１検査周囲領域内の領域であって前記検査領域画像以外の背景領域の第１背景画像の第２濃度値と、前記第２検査周囲領域内の領域であって前記変化検査領域画像以外の背景領域の第２背景画像の第３濃度値とに基づいて、前記変化検査領域画像の第４濃度値を算出する工程とをさらに含む、請求項１〜請求項１０のいずれかに記載の教示用画像生成方法。
前記第１濃度値は、前記検査領域画像の全画素の平均濃度値であり、
前記第２濃度値は、前記第１背景画像の全画素の平均濃度値であり、
前記第３濃度値は、前記第２背景画像の全画素の平均濃度値であり、
前記検査領域画像を、前記変化検査領域画像と同じサイズおよび形状にする工程と、
前記変化検査領域画像の前記第４濃度値を算出する工程は、前記変化検査領域画像の全画素の濃度値を、前記変化検査領域画像と同じサイズおよび形状にされた前記検査領域画像の全画素の濃度値にそれぞれ設定する工程と、
前記設定された前記変化検査領域画像の全画素の濃度値の平均値と前記第３濃度値との差の値と、前記第１濃度値と前記第２濃度値との差の値との差の値の絶対値が、所定値以下でない場合、前記所定値以下となるように、前記設定された前記変化検査領域画像の全画素の濃度値に、前記絶対値を加算または減算する工程とをさらに含む、請求項１１に記載の教示用画像生成方法。
教示過程において自己発展的に目標となる処理を習得するアルゴリズムに処理させるための、検査領域を有する教示用画像を生成する教示用画像生成装置であって、
前記検査領域を有する教示用画像を入力する画像入力部と、
前記検査領域を指定する検査領域指定部と、
前記指定された検査領域内の検査領域画像の特徴量を算出する特徴量算出部と、
前記教示用画像内で画像を配置する位置を算出する位置算出部と、
前記検査領域画像の特徴量を変化させた変化検査領域画像を生成する変化検査領域画像生成部と、
前記算出された画像を配置する位置に前記変化検査領域画像を配置した新規欠陥追加教示用画像を生成する画像生成部とを備える、教示用画像生成装置。
ユーザによる指示を受付ける入力部をさらに備え、
前記検査領域指定部は、前記受付けたユーザの指示に基づいて、前記検査領域を指定する、請求項１３に記載の教示用画像生成装置。
前記画像を配置する位置は、前記検査領域画像と重ならない位置である、請求項１３または請求項１４に記載の教示用画像生成装置。
前記特徴量算出部は、前記検査領域画像の重心位置を算出し、
前記位置算出部は、前記画像を配置する位置を、算出された前記検査領域画像の重心位置を中心に近傍から探索して算出する、請求項１３〜請求項１５のいずれかに記載の教示用画像生成装置。
前記検査領域が抽出すべき領域であるか否かを判定する検査領域判定部をさらに備え、
前記変化検査領域画像生成部は、前記検査領域が前記抽出すべき領域であると判定された場合、前記検査領域画像の面積を縮小させた前記変化検査領域画像を生成する、請求項１３〜請求項１６のいずれかに記載の教示用画像生成装置。
前記検査領域が抽出すべき領域であるか否かを判定する検査領域判定部をさらに備え、
前記変化検査領域画像生成部は、前記検査領域が前記抽出すべき領域でないと判定された場合、前記検査領域画像の面積を拡大させた前記変化検査領域画像を生成する、請求項１３〜請求項１６のいずれかに記載の教示用画像生成装置。
前記検査領域が抽出すべき領域であるか否かを判定する検査領域判定部をさらに備え、
前記特徴量算出部は、前記検査領域画像の重心位置を算出し、
前記画像入力部は、前記検査領域が前記抽出すべき領域であると判定された場合、新たに、前記検査領域を有する新規教示用画像を入力し、
前記画像生成部は、前記新規教示用画像内の、前記検査領域画像の重心位置と対応する位置に、前記変化検査領域画像を配置した新規欠陥追加教示用画像を生成する、請求項１３〜請求項１５のいずれかに記載の教示用画像生成装置。
前記検査領域が抽出すべき領域であるか否かを判定する第１検査領域判定部をさらに備え、
前記特徴量算出部は、前記検査領域画像の重心位置を算出し、
前記画像入力部は、前記検査領域が前記抽出すべき領域であると判定された場合、新たに、前記検査領域を有する新規教示用画像を入力し、
前記新規教示用画像の前記検査領域が前記抽出すべき領域であるか否かを判定する第２検査領域判定部をさらに備え、
前記画像生成部は、前記新規教示用画像の前記検査領域が前記抽出すべき領域でないと判定された場合、前記新規教示用画像内の、前記検査領域画像の重心位置と対応する位置に、前記変化検査領域画像を配置した新規欠陥追加教示用画像を生成する、請求項１３〜請求項１５のいずれかに記載の教示用画像生成装置。
前記検査領域画像および前記変化検査領域画像の周囲に、それぞれ、第１および第２検査周囲領域を設定する領域設定部と、
前記検査領域画像の第１濃度値と、前記第１検査周囲領域内の領域であって前記検査領域画像以外の背景領域の第１背景画像の第２濃度値と、前記第２検査周囲領域内の領域であって前記変化検査領域画像以外の背景領域の第２背景画像の第３濃度値とに基づいて、前記変化検査領域画像の第４濃度値を算出する濃度値算出部とをさらに備える、請求項１３〜請求項２０のいずれかに記載の教示用画像生成装置。
教示過程において自己発展的に目標となる処理を習得するアルゴリズムに処理させるための、検査領域を有する教示用画像を生成する処理をコンピュータに実行させるための教示用画像生成プログラムであって、
前記検査領域を有する教示用画像を入力するステップと、
前記検査領域を指定するステップと、
前記指定された検査領域内の検査領域画像の特徴量を算出するステップと、
前記教示用画像内で画像を配置する位置を算出するステップと、
前記検査領域画像の特徴量を変化させた変化検査領域画像を生成するステップと、
前記算出された画像を配置する位置に前記変化検査領域画像を配置した新規欠陥追加教示用画像を生成するステップとをコンピュータに実行させる、教示用画像生成プログラム。
請求項２１に記載の教示用画像生成プログラムを記録した、記録媒体。
予め準備された複数種類の画像処理フィルタを用いて、請求項１〜１２のいずれかの教示用画像生成方法により生成された、１以上の検査領域を有する新規欠陥追加教示用画像に対して予め準備された目標画像に相当する画像を生成するような１以上の最終画像処理アルゴリズムを生成する画像処理アルゴリズム生成方法であって、
複数の画像処理アルゴリズムを生成する工程を、所定の終了条件を満たすまで世代を変えながら繰り返す工程を含み、
前記所定の終了条件が満たされた世代で生成された画像処理アルゴリズムは、前記１以上の最終画像処理アルゴリズムであり、
前記複数の画像処理アルゴリズムの各々は、前記複数種類の画像処理フィルタから重複を妨げないで選択した複数の選択画像処理フィルタを、ランダムな順序で使用するアルゴリズムであり、
Ｎ（自然数）＋１世代の前記複数の画像処理アルゴリズムを生成する工程は、
前記新規欠陥追加教示用画像に、Ｎ世代の前記複数の画像処理アルゴリズムの処理をそれぞれ施したＮ世代の複数の処理後画像を生成する工程と、
前記Ｎ世代の複数の画像処理アルゴリズムの各々に対し、前記目標画像と、対応するＮ世代の処理後画像とに基づいて、評価の基準となる評価値を算出する工程と、
前記Ｎ世代の複数の画像処理アルゴリズムのうち、所定値以上の前記評価値が算出されたＮ世代の画像処理アルゴリズムを１以上選択する工程と、
前記選択された１以上のＮ世代の複数の画像処理アルゴリズムの各々を、前記評価値が高くなるように変化させた画像処理アルゴリズムをＮ＋１世代の画像処理アルゴリズムとして生成する工程とを含む、画像処理アルゴリズム生成方法。
前記所定の終了条件は、前記Ｎ世代の選択された１以上の画像処理アルゴリズムのいずれかの前記評価値が、所定値以上となる条件である、請求項２４に記載の画像処理アルゴリズム生成方法。
前記複数の画像処理アルゴリズムのうち、前記Ｎ世代の選択された１以上の画像処理アルゴリズム以外の１以上の画像処理アルゴリズムを、進化的手法を用いてＮ＋１世代の１以上の画像処理アルゴリズムとして生成する工程をさらに含む、請求項２４または請求項２５に記載の画像処理アルゴリズム生成方法。
前記進化的手法は、遺伝的アルゴリズムである、請求項２６に記載の画像処理アルゴリズム生成方法。
請求項１〜１２のいずれかの教示用画像生成方法により生成された新規欠陥追加教示用画像の数が、新規欠陥追加教示用画像内の検査領域の数よりも多い、請求項２４〜請求項２７に記載の画像処理アルゴリズム生成方法。
予め準備された複数種類の画像処理フィルタを用いて、請求項１〜１１のいずれかの教示用画像生成方法により生成された、１以上の検査領域を有する新規欠陥追加教示用画像に対して予め準備された目標画像に相当する画像を生成するような１以上の最終画像処理アルゴリズムを生成する画像処理アルゴリズム生成装置であって、
複数の画像処理アルゴリズムを生成するための画像処理アルゴリズム生成部を備え、
前記画像処理アルゴリズム生成部は、前記複数の画像処理アルゴリズムを生成する処理を、所定の終了条件を満たすまで世代を変えながら繰り返し、
前記所定の終了条件が満たされた世代で生成された画像処理アルゴリズムは、前記１以上の最終画像処理アルゴリズムであり、
前記複数の画像処理アルゴリズムの各々は、前記複数種類の画像処理フィルタから重複を妨げないで選択した複数の選択画像処理フィルタを、ランダムな順序で使用するアルゴリズムであり、
Ｎ（自然数）＋１世代の前記複数の画像処理アルゴリズムを生成する工程は、
前記新規欠陥追加教示用画像に、Ｎ世代の前記複数の画像処理アルゴリズムの処理をそれぞれ施したＮ世代の複数の処理後画像を生成する画像データ変換部と、
前記Ｎ世代の複数の画像処理アルゴリズムの各々に対し、前記目標画像と、対応するＮ世代の処理後画像とに基づいて、評価の基準となる評価値を算出する画像処理アルゴリズム性能評価部とをさらに備え、
前記画像処理アルゴリズム性能評価部は、前記Ｎ世代の複数の画像処理アルゴリズムのうち、所定値以上の前記評価値が算出されたＮ世代の画像処理アルゴリズムを１以上選択し、、
前記画像処理アルゴリズム生成部は、前記選択された１以上のＮ世代の複数の画像処理アルゴリズムの各々を、前記評価値が高くなるように変化させた画像処理アルゴリズムをＮ＋１世代の画像処理アルゴリズムとして生成する、画像処理アルゴリズム生成装置。
前記所定の終了条件は、前記Ｎ世代の選択された１以上の画像処理アルゴリズムのいずれかの前記評価値が、所定値以上となる条件である、請求項２９に記載の画像処理アルゴリズム生成装置。
前記複数の画像処理アルゴリズムのうち、前記Ｎ世代の選択された１以上の画像処理アルゴリズム以外の１以上の画像処理アルゴリズムを、進化的手法を用いてＮ＋１世代の１以上の画像処理アルゴリズムとして生成する進化的画像処理アルゴリズム生成部をさらに備える、請求項２９または請求項３０に記載の画像処理アルゴリズム生成装置。
請求項１〜１２のいずれかの教示用画像生成方法により生成された新規欠陥追加教示用画像の数が、新規欠陥追加教示用画像内の検査領域の数よりも多い、請求項２９〜請求項３１に記載の画像処理アルゴリズム生成装置。
予め準備された複数種類の画像処理フィルタを用いて、請求項２２の教示用画像生成プログラムにより生成された、１以上の検査領域を有する新規欠陥追加教示用画像に対して予め準備された目標画像に相当する画像を生成するような１以上の最終画像処理アルゴリズムを生成する処理をコンピュータに実行させるための画像処理アルゴリズム生成プログラムであって、
複数の画像処理アルゴリズムを生成するステップと、
前記複数の画像処理アルゴリズムを生成するステップを、所定の終了条件を満たすまで世代を変えながら繰り返すステップとをコンピュータに実行させ、
前記所定の終了条件が満たされた世代で生成された画像処理アルゴリズムは、前記１以上の最終画像処理アルゴリズムであり、
前記複数の画像処理アルゴリズムの各々は、前記複数種類の画像処理フィルタから重複を妨げないで選択した複数の選択画像処理フィルタを、ランダムな順序で使用するアルゴリズムであり、
Ｎ（自然数）＋１世代の前記複数の画像処理アルゴリズムを生成するステップは、
前記新規欠陥追加教示用画像に、Ｎ世代の前記複数の画像処理アルゴリズムの処理をそれぞれ施したＮ世代の複数の処理後画像を生成するステップと、
前記Ｎ世代の複数の画像処理アルゴリズムの各々に対し、前記目標画像と、対応するＮ世代の処理後画像とに基づいて、評価の基準となる評価値を算出するステップと、
前記Ｎ世代の複数の画像処理アルゴリズムのうち、所定値以上の前記評価値が算出されたＮ世代の画像処理アルゴリズムを１以上選択するステップと、
前記選択された１以上のＮ世代の複数の画像処理アルゴリズムの各々を、前記評価値が高くなるように変化させた画像処理アルゴリズムをＮ＋１世代の画像処理アルゴリズムとして生成するステップとを含む、画像処理アルゴリズム生成プログラム。
請求項３３に記載の画像処理アルゴリズム生成プログラムを記録した、記録媒体。
請求項２４〜２８のいずれかに記載の画像処理アルゴリズム生成方法により生成された画像処理アルゴリズムを用いて、検査対象画像の良否を判定する工程を含む、画像検査方法。
請求項２４〜２８のいずれかに記載の画像処理アルゴリズム生成方法により生成された画像処理アルゴリズムを用いて、検査対象画像の良否を判定する画像良否判定部を含む、画像検査装置。
請求項３３に記載の画像処理アルゴリズム生成プログラムにより生成された画像処理アルゴリズムを用いて、検査対象画像の良否を判定するステップをコンピュータに実行させる、画像検査プログラム。
請求項３７に記載の画像検査プログラムを記録した、記録媒体。