JP2019015654A - 機械学習装置、検査装置及び機械学習方法 - Google Patents
機械学習装置、検査装置及び機械学習方法 Download PDFInfo
- Publication number
- JP2019015654A JP2019015654A JP2017134508A JP2017134508A JP2019015654A JP 2019015654 A JP2019015654 A JP 2019015654A JP 2017134508 A JP2017134508 A JP 2017134508A JP 2017134508 A JP2017134508 A JP 2017134508A JP 2019015654 A JP2019015654 A JP 2019015654A
- Authority
- JP
- Japan
- Prior art keywords
- image
- learning
- mark
- machine learning
- defect
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8803—Visual inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- 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
- G06T2207/30204—Marker
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
Description
(A)対象物が映った画像中で、人間がその画像を見ながら欠陥の箇所を指定する。
(B)対象物の各部位を分割して複数枚の画像を取得し、人間がその複数枚の画像の中から欠陥が映っている画像を探し出し、その画像にNGのラベルを付ける。
まず、検査員が、実際の検査対象物上の欠陥部分に特定の印をマーキングする。上記従来の画像処理を用いて検査する場合と同様の手法で、画像を撮像し、上記印をマーキングした検査対象物の画像を取得する。取得した画像から特定の印を探し出し、印がマーキングされている部分を欠陥として登録する。欠陥として登録する場合は、その画像にNGのラベルを付与して登録することもできる。
除去手法1としては、検査対象物にマーキングする印として、特定の形状や、特定の色を用いた印を利用する。この場合、画像中に特定の形状や特定の色の印があれば、それを画像処理で取り除くことによって、その画像を学習用の画像として用いることができる。また、画像中に特定の形状や色の印があれば、機械学習中にその部分を使わないようにすることもできる。
(1)本発明は、機械学習に用いる学習データを作成する機械学習装置(例えば、後述の機械学習装置40)であって、欠陥を示す印がマーキングされた検査対象物(例えば、後述の検査対象物12)を撮像して得られた画像を入力する画像入力部(例えば、後述の画像入力部42)と、前記入力した画像に基づき前記学習データを作成する作成部(例えば、後述の作成部44)と、を備え、前記作成部は、入力した前記画像中に前記印がない場合は、入力した前記画像そのものである学習用画像と、欠陥がないことを表すOKの値を保持するラベルと、からなる学習データを作成し、入力した前記画像中に前記印がある場合は、入力した前記画像を元に生成された学習用画像と、欠陥があることを表すNGの値を保持するラベルと、からなる学習データを作成する機械学習装置に関する。
[検査装置]
図1は、検査対象物を検査する検査装置10を利用して検査対象物12を検査する様子を示す説明図である。同図に示すように、検査装置10には、検査対象物12を撮像する視覚センサ14が接続されている。視覚センサ14は、検査対象物12を撮像し、その画像を検査装置10に提供する。また、検査対象物12は、加工等を行う作業台16の上に載置されている。検査装置10は、視覚センサ14から提供された画像に基づき、検査対象物12に欠陥があるか否かを検査し、その結果を外部に出力する。視覚センサ14は、検査対象物12を撮像できるカメラであればどのような装置でもよい。
図2に示すように、検査装置10内の機械学習装置40は、記憶部33に記憶された学習データ群に基づいて入力した画像データ(学習用画像)とラベル(OK又はNG)からOK、NGを適切に判別するための判断結果を出力するように機械学習を行って学習モデルを取得することができる。学習データは、本実施形態では、少なくとも学習用画像と、欠陥の有無を表すラベルと、から構成される。これら学習データに基づき、学習部46は学習を行い、学習モデルを形成する。
図3には、学習データに新たな学習用画像とラベルのペアを追加する手順を表すフローチャートが示されている。
ステップS3−1において、検査員は、検査対象物12の検査を目視で行う。
このマーキングの様子が図4に示されている。マーキングは、所定の印(マーク)22を検査対象物12の欠陥20の部位を示すための所定の印(マーク)22を、その部位に付すこと(マーキングすること)で行われる。図4に示すように、検査員は、検査対象物12の表面を、目視で検査し、見つけた欠陥20の部位を示すように印22を、検査対象物12に対して付する(マーキングする)。印22は、文字通り欠陥20の部位を示すマークであり、例えば所定の塗料を、欠陥20を囲むようにペイントすることによって、マーキングが行われる。所定の色彩のペンで例えば矩形を描いてもよいし、丸を描いてもよい。ペン以外でも、スタンプ、筆、刷毛、スプレー等種々の手段を使用することができる。また、上では「塗料」としたが、各種顔料、染料、等を用いることができる。また、可視光では透明の塗料ではあるが、紫外線に反応し所定の蛍光を発するような蛍光塗料を用いてもよい。このような塗料を用いれば、通常は肉眼では印22が付されたことを認識できないので、検査対象物12の外観を損なうことなく、欠陥の有無を認識することができる。また、他の波長の光に反応する他の蛍光材料を含む塗料を用いてもよい。
また、図6に示すように、ロボット50のアーム(やハンド52)の先端に視覚センサ14を設置し、視覚センサ14の位置姿勢を変えられるように構成してもよい。そして、検査をするときと同じように検査対象物12の撮像を行う。
この場合、検査装置10は、ロボット制御装置54を用いてロボット50及びそのハンド52を制御して視覚センサ14を所望の位置姿勢に制御することができる。また、図6に示す例では、視覚センサ14側を動かしているので、検査対象物12の位置姿勢は固定であり、図1と同様に検査対象物12を作業台16上に載置している。
この図6の例においては、検査対象物12の任意の検査箇所を撮像する場合には、ロボット50がそのハンド52上の視覚センサ14を、検査対象物12の表面上を移動させて、検査対象物12の各検査箇所の撮像を行う。
また、図5や図6の構成によれば、検査対象物12又は視覚センサ14のいずれかを動かすことによって、複数の検査箇所の撮像を行うことができる。複数の画像を撮像した場合の様子が図8に示されている。図8の例では。画像24a、24b、24c、24dの4枚の画像がオーバーラップしながら撮像されている様子が示されている。
図5では、視覚センサ14の出力データは、ロボット制御装置54を介して検査装置10に接続されている。また、図6では、視覚センサ14の出力データは、直接検査装置に接続されている。このようにして、視覚センサ14が撮像した画像は、検査装置10に供給され、検査装置10内の機械学習装置40(の作成部44)が処理を行う。この処理の詳細は次のステップS3−4において説明する。
またさらに、その画像に対して欠陥の位置やサイズ等の情報を紐付けてもよい。このようにして、機械学習のための学習データが作成される。学習データは、少なくとも、画像(例えば、上述した画像24a、24b、24c、24d)と、それら画像に対して紐付けたラベル(OK又はNGの値を保持する)と、を含むデータである。この学習データには、欠陥の様々な情報を含めてもよい。上述した欠陥の位置やサイズの他、欠陥の種類等様々な情報を含めてもよい。この学習データを構成する上記画像が学習用画像である。ここでは、撮像して入力した画像そのものを学習用画像としてそのまま使用する。このように、入力した画像を元にして生成された画像を学習用画像として使用してよい。入力した画像を元にして生成された画像とは、入力した画像そのものを含み、その他に例えば、印22の除去、トリミング、拡大等の各種の画像処理を施した画像も含む意味である。
このステップS3−4の上記処理は、検査装置10内の機械学習装置40(の作成部44)が実行する。具体的には、機械学習装置40は、視覚センサ14が撮像した画像を、画像入力部42を介して入力する。画像入力部42は、例えばコンピュータの外部入力インターフェース等を利用することができる。
この機械学習装置40の学習部46は、記憶部33中の学習データに基づき学習を行ってその学習結果(学習モデル)に基づいて、入力された画像に対して欠陥があるか否かの判断を行う。
本実施形態の機械学習装置40において特徴的なことは、与えられた画像に基づき自分で学習データを作成し、それに基づいて学習を行う動作モードを備えていることである。したがって、従来、人間が学習データを作成していたのに比べて、人間の労力を軽減させることが可能である。
さて、学習のための十分な数の学習用画像とラベルのペア(学習データ)が作成された場合、学習用画像を入力、ラベルを教師データとして学習を行うことができる。機械学習装置40は、文字通り機械学習を行う装置であるので、従来と同様に学習を実行することができる。機械学習装置40の構成はすでに図2に示されている。既に学習がある程度進んでいる学習部46に追加学習させてもよい。本実施形態では、学習部46の学習が完了したら、学習部46を検査で使用することができる。すなわち、学習(学習モード)が終了した後は、上述した判断モードで使用することができる。
なお、学習した結果である学習モデルは、他の機械学習装置40の学習部46で共有してもよい。すなわち、学習を行わせる学習部46は1台のみで、学習した結果を、他の機械学習装置40でそのまま流用し共有してもよい。
上述した図3の例では、ステップS3−5において、印22(マーク)を除去する例を説明したが。印22を除去する手法は種々存在する。以下では画像から印22を除去する方法を説明する。
図4のように矩形にペイントすることによってマーキングされた場合は、印22の内側のみを切り抜いて学習用画像とすることができる。この様子が図9に示されている。この処理は、上述した作成部44が、ステップS3−5において実行する処理である。ある境界(ここでは、印22)で囲まれた領域を、その境界(印22)を含まないように選択することは、画像処理の一種として知られているので、作成部44がそのような画像処理を行って、学習用画像を作成すればよい。
印22の部分を構成する画素を、その周囲の画素の情報を使って置き換え(周囲の画素で置換し)たものを学習用画像とすることができる。この様子が図10に示されている。この処理は、上述した作成部44が、ステップS3−5において実行する処理である。ある領域(ここでは、印22)を、その境界の周囲の画素で置き換えることによって、消滅させることは、画像処理の一種として知られているので、作成部44がそのような画像処理を行って、学習用画像を作成すればよい。印22の領域であるかどうかは、その形状、色彩などから判別することができる。
特定の波長の光をあてたときにのみ見える特殊な塗料でマーキングすることができる。ここでは紫外線をあてたときにのみ(蛍光が発せられて)見える塗料を用いてマーキングする例を説明する。この塗料は、可視光的には透明であり、自然光の下では、見えない(透明)塗料である例を説明する。
本実施形態における紫外線は、請求の範囲の印22が見える波長の光の好適な一例であるが、他の種類の塗料であれば、他の波長の光が用いられてもよい。本実施形態における可視光は、請求の範囲における印22が見えない波長の光の好適な一例であるが、他の種類の塗料であれば、他の波長の光を用いてもよい。
この場合、画像を撮像するときに、可視光照明を当てて撮像を行い、次に紫外線照明をあてて撮像を行う。それにより、可視光照明で撮像した場合は、図11Aのように欠陥のみが映った画像が得られる。他方、紫外線照明のみで撮像した場合は、図11Bのように印22のみが映った画像が得られる。ここで、検査対象物12は、紫外線に対して発光するような部位はないものとする。
したがって、印22の検出は紫外線照明をあてた画像(図11B)で行い、学習用画像としては可視光照明をあてた画像(図11A)を利用することができる。このような処理も人間が手作業で照明15を調整して実行してもよいし。検査装置10が照明15を制御して順にそれぞれの画像を撮像してもよい。このような方法をとることができれば、図12に示すように、欠陥20の上に印22を重畳してマーキングすることでき、欠陥の位置、形状等の情報をより正確に表すこと(表現すること)ができる。図12では、欠陥20と重ねて印22がマーキングされている。
図3で説明したステップS3−5では、印22を除去して学習用画像を作成したが、学習用画像から印22を除去するのではなく、学習時に印22が存在することを考慮する方法も考えられる。
まず、印22をそのまま残した画像を学習用画像として用いる。このような学習用画像の例が図13Aに示されている。
印22の存在も学習部46に与えるため、印22のみを含むマスク画像を作成する。画像から印22を検出するときに、印22の部分の画素値だけを1、それ以外の画素値を0とするマスク画像を生成する。このようなマスク画像が図13Bに示されている。
学習時には、学習用画像(図13A)とともに、マスク画像(図13B)も学習部46に入力することによって、学習部46が印22の存在を考慮して学習することができる。そのようにする場合には、欠陥がない検査対象物12にも印22をつけて、ラベルはOKとしたものを学習部46に入力する必要がある。そのようにすることで、印22がついていても直ちにNGとは判断しないようにできる。
12 検査対象物
14 視覚センサ
15 照明
16 作業台
20 欠陥
22 印(マーク)
24 画像
33 記憶部
40 機械学習装置
42 画像入力部
44 作成部
46 学習部
50 ロボット
52 ハンド
54 ロボット制御装置
Claims (14)
- 機械学習に用いる学習データを作成する機械学習装置であって、
欠陥を示す印がマーキングされた検査対象物を撮像して得られた画像を入力する画像入力部と、
前記入力した画像に基づき前記学習データを作成する作成部と、を備え、
前記作成部は、
入力した前記画像中に前記印がない場合は、入力した前記画像そのものである学習用画像と、欠陥がないことを表すOKの値を保持するラベルと、からなる学習データを作成し、
入力した前記画像中に前記印がある場合は、入力した前記画像を元に生成された学習用画像と、欠陥があることを表すNGの値を保持するラベルと、からなる学習データを作成する機械学習装置。 - 前記作成部は、
入力した前記画像中に前記印がある場合は、入力した前記画像を元に生成された学習用画像と、前記印で示された欠陥の位置と、前記NGの値を保持するラベルと、からなる学習データを作成する請求項1記載の機械学習装置。 - 前記欠陥を示す前記印は、前記欠陥の種類に応じて異なる印であり、
前記作成部は、
入力した前記画像中に前記印がある場合は、入力した前記画像を元に生成された学習用画像と、前記印で示された欠陥の種類と、前記NGの値を保持するラベルと、からなる学習データを作成する請求項1記載の機械学習装置。 - 前記欠陥には、前記検査対象物の傷、汚れ及び欠けが含まれる請求項3記載の機械学習装置。
- 前記異なる印は、互いに反射光波長が異なる印である請求項3記載の機械学習装置。
- 前記作成部は、
入力した前記画像中に前記印がある場合は、入力した前記画像を元に生成された画像から、前記印を除去して学習用画像を生成し、
生成した前記学習用画像と、前記NGの値を保持するラベルと、からなる学習データを作成する請求項1記載の機械学習装置。 - 前記作成部は、
入力した前記画像中に前記印がある場合は、入力した前記画像から前記印で示された領域の内側のみを切り抜いて学習用画像を生成する請求項6記載の機械学習装置。 - 前記作成部は、
入力した前記画像中に前記印がある場合は、入力した前記画像から前記印を構成する画素を、前記印の周囲の画素で置換して学習用画像を生成する請求項6記載の機械学習装置。 - 前記作成部は、
入力した前記画像中に前記印がある場合は、入力した前記画像を元に生成された学習用画像と、欠陥があることを表すNGの値を保持するラベルと、前記印をマスクするマスク画像と、からなる学習データを作成する請求項1記載の機械学習装置。 - 前記マスク画像は、前記印を構成する画素を1、前記印以外の画素を0とした画像である請求項9記載の機械学習装置。
- 前記画像入力部は、欠陥を示す印がマーキングされた検査対象物を、前記印が見える波長の光で照明した状態で撮像して得られたマーキング画像と前記印が見えない波長の光で照明した状態で撮像して得られた学習用画像とを入力し、
前記作成部は、前記マーキング画像から取得した欠陥の情報と、前記学習用画像と、からなる学習データを作成する請求項1に記載の機械学習装置。 - 請求項1から11のいずれか1項に記載の機械学習装置と、
前記機械学習装置が作成した学習データを記憶する記憶部と、を備えた検査装置であって、
前記機械学習装置は、前記記憶部が記憶する学習データで学習した学習部であって、前記画像入力部が入力した前記検査対象物の画像に基づき欠陥の判断結果を出力する学習部を備える検査装置。 - 請求項11に記載の機械学習装置と、
前記機械学習装置が作成した学習データを記憶する記憶部と、を備えた検査装置であって、
前記画像入力部は、欠陥を示す前記印が見えない波長の光で照明した状態で撮像して得られた画像を入力し、
前記機械学習装置は、前記記憶部が記憶する学習データで学習した学習部であって、前記画像入力部が入力した前記検査対象物の画像に基づき欠陥の判断結果を出力する学習部を備える検査装置。 - 機械学習に用いる学習データを作成する機械学習方法であって、
欠陥を示す印がマーキングされた検査対象物を撮像して得られた画像を入力するステップと、
前記入力した画像に基づき前記学習データを作成するステップと、を含み、
前記学習データを作成するステップは、
入力した前記画像中に前記印がない場合は、入力した前記画像そのものである学習用画像と、欠陥がないことを表すOKの値を保持するラベルと、からなる学習データを作成するステップと、
入力した前記画像中に前記印がある場合は、入力した前記画像を元に生成された学習用画像と、欠陥があることを表すNGの値を保持するラベルと、からなる学習データを作成するステップと、を含む機械学習方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017134508A JP6705777B2 (ja) | 2017-07-10 | 2017-07-10 | 機械学習装置、検査装置及び機械学習方法 |
CN201810736105.1A CN109242820B (zh) | 2017-07-10 | 2018-07-06 | 机器学习装置、检查装置以及机器学习方法 |
DE102018211212.6A DE102018211212A1 (de) | 2017-07-10 | 2018-07-06 | Maschinelles-Lernen-Vorrichtung, Prüfvorrichtung und Maschinelles-Lernen-Verfahren |
US16/029,827 US10891520B2 (en) | 2017-07-10 | 2018-07-09 | Machine learning device, inspection device and machine learning method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017134508A JP6705777B2 (ja) | 2017-07-10 | 2017-07-10 | 機械学習装置、検査装置及び機械学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019015654A true JP2019015654A (ja) | 2019-01-31 |
JP6705777B2 JP6705777B2 (ja) | 2020-06-03 |
Family
ID=64666481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017134508A Active JP6705777B2 (ja) | 2017-07-10 | 2017-07-10 | 機械学習装置、検査装置及び機械学習方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10891520B2 (ja) |
JP (1) | JP6705777B2 (ja) |
CN (1) | CN109242820B (ja) |
DE (1) | DE102018211212A1 (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020184069A1 (ja) * | 2019-03-08 | 2020-09-17 | 日本電気株式会社 | 画像処理方法、画像処理装置、プログラム |
WO2020251172A1 (ko) * | 2019-06-10 | 2020-12-17 | 주식회사 수아랩 | 데이터 생성 방법 |
WO2021010269A1 (ja) * | 2019-07-18 | 2021-01-21 | 三菱電機株式会社 | 検査装置、検査方法及びプログラム |
JP2021099261A (ja) * | 2019-12-23 | 2021-07-01 | セイコーエプソン株式会社 | 付着物判定方法、付着物判定装置、及び付着物判定プログラム |
JP7036477B1 (ja) | 2021-10-18 | 2022-03-15 | 株式会社Anamorphosis Networks | 欠陥検出方法、欠陥検出システム、及び、欠陥検出プログラム |
WO2022137748A1 (ja) * | 2020-12-23 | 2022-06-30 | 株式会社前川製作所 | 対象検出装置、機械学習実行装置、対象検出プログラム及び機械学習実行プログラム |
JP2022100239A (ja) * | 2020-12-23 | 2022-07-05 | トランスポーテーション アイピー ホールディングス,エルエルシー | 機器検査のためのシステムおよび方法 |
WO2022215559A1 (ja) * | 2021-04-05 | 2022-10-13 | パナソニックIpマネジメント株式会社 | ハイブリッドモデル作成方法、ハイブリッドモデル作成装置、及び、プログラム |
DE112021002846T5 (de) | 2020-05-18 | 2023-03-02 | Fanuc Corporation | Maschinenlernvorrichtung und Maschinenlernsystem |
US11956353B2 (en) | 2021-12-01 | 2024-04-09 | Eaglys Inc. | Machine learning device, machine learning system, and machine learning method |
Families Citing this family (65)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6333871B2 (ja) * | 2016-02-25 | 2018-05-30 | ファナック株式会社 | 入力画像から検出した対象物を表示する画像処理装置 |
KR101992239B1 (ko) * | 2017-08-24 | 2019-06-25 | 주식회사 수아랩 | 훈련 데이터를 생성하는 방법, 장치 및 컴퓨터-판독가능 저장 매체에 저장된 컴퓨터 프로그램 |
US10810501B1 (en) | 2017-10-20 | 2020-10-20 | Amazon Technologies, Inc. | Automated pre-flight and in-flight testing of aerial vehicles by machine learning |
US10346969B1 (en) * | 2018-01-02 | 2019-07-09 | Amazon Technologies, Inc. | Detecting surface flaws using computer vision |
US11240441B2 (en) * | 2018-03-05 | 2022-02-01 | Omron Corporation | Method, device, system and computer-program product for setting lighting condition and storage medium |
JP6863946B2 (ja) * | 2018-10-31 | 2021-04-21 | ファナック株式会社 | 画像処理装置 |
US11468553B2 (en) * | 2018-11-02 | 2022-10-11 | Kla Corporation | System and method for determining type and size of defects on blank reticles |
JP6630912B1 (ja) * | 2019-01-14 | 2020-01-15 | 株式会社デンケン | 検査装置及び検査方法 |
JP7262232B2 (ja) * | 2019-01-29 | 2023-04-21 | 東京エレクトロン株式会社 | 画像認識システムおよび画像認識方法 |
US10611497B1 (en) | 2019-02-18 | 2020-04-07 | Amazon Technologies, Inc. | Determining vehicle integrity using vibrometric signatures |
US20200289889A1 (en) | 2019-03-11 | 2020-09-17 | Rom Technologies, Inc. | Bendable sensor device for monitoring joint extension and flexion |
US11471729B2 (en) | 2019-03-11 | 2022-10-18 | Rom Technologies, Inc. | System, method and apparatus for a rehabilitation machine with a simulated flywheel |
JP7263074B2 (ja) * | 2019-03-22 | 2023-04-24 | キヤノン株式会社 | 情報処理装置、及びその制御方法、プログラム、記憶媒体 |
CN111861966B (zh) * | 2019-04-18 | 2023-10-27 | 杭州海康威视数字技术股份有限公司 | 模型训练方法、装置及缺陷检测方法、装置 |
CN110006923B (zh) * | 2019-04-23 | 2021-07-09 | Oppo广东移动通信有限公司 | 一种标牌品质检测方法、装置及计算机可读存储介质 |
US11957960B2 (en) | 2019-05-10 | 2024-04-16 | Rehab2Fit Technologies Inc. | Method and system for using artificial intelligence to adjust pedal resistance |
US11801423B2 (en) | 2019-05-10 | 2023-10-31 | Rehab2Fit Technologies, Inc. | Method and system for using artificial intelligence to interact with a user of an exercise device during an exercise session |
US11433276B2 (en) | 2019-05-10 | 2022-09-06 | Rehab2Fit Technologies, Inc. | Method and system for using artificial intelligence to independently adjust resistance of pedals based on leg strength |
US11904207B2 (en) | 2019-05-10 | 2024-02-20 | Rehab2Fit Technologies, Inc. | Method and system for using artificial intelligence to present a user interface representing a user's progress in various domains |
US11361423B2 (en) | 2019-06-17 | 2022-06-14 | RecognAIse Technologies Inc. | Artificial intelligence-based process and system for visual inspection of infrastructure |
DE102019209408A1 (de) * | 2019-06-27 | 2020-12-31 | MTU Aero Engines AG | Verfahren zum Erkennen von Fehlstellen in einem Bauteil, Verfahren zum Trainieren eines maschinellen Lernsystems, Computerprogrammprodukt, computerlesbares Medium und System zum Erkennen von Fehlstellen in einem Bauteil |
JP7372076B2 (ja) * | 2019-08-07 | 2023-10-31 | ファナック株式会社 | 画像処理システム |
US11071597B2 (en) | 2019-10-03 | 2021-07-27 | Rom Technologies, Inc. | Telemedicine for orthopedic treatment |
US11701548B2 (en) | 2019-10-07 | 2023-07-18 | Rom Technologies, Inc. | Computer-implemented questionnaire for orthopedic treatment |
US11955221B2 (en) | 2019-10-03 | 2024-04-09 | Rom Technologies, Inc. | System and method for using AI/ML to generate treatment plans to stimulate preferred angiogenesis |
US11270795B2 (en) | 2019-10-03 | 2022-03-08 | Rom Technologies, Inc. | Method and system for enabling physician-smart virtual conference rooms for use in a telehealth context |
US11282604B2 (en) | 2019-10-03 | 2022-03-22 | Rom Technologies, Inc. | Method and system for use of telemedicine-enabled rehabilitative equipment for prediction of secondary disease |
US11075000B2 (en) | 2019-10-03 | 2021-07-27 | Rom Technologies, Inc. | Method and system for using virtual avatars associated with medical professionals during exercise sessions |
US20210128080A1 (en) | 2019-10-03 | 2021-05-06 | Rom Technologies, Inc. | Augmented reality placement of goniometer or other sensors |
US11923065B2 (en) | 2019-10-03 | 2024-03-05 | Rom Technologies, Inc. | Systems and methods for using artificial intelligence and machine learning to detect abnormal heart rhythms of a user performing a treatment plan with an electromechanical machine |
US11961603B2 (en) | 2019-10-03 | 2024-04-16 | Rom Technologies, Inc. | System and method for using AI ML and telemedicine to perform bariatric rehabilitation via an electromechanical machine |
US12020800B2 (en) | 2019-10-03 | 2024-06-25 | Rom Technologies, Inc. | System and method for using AI/ML and telemedicine to integrate rehabilitation for a plurality of comorbid conditions |
US11101028B2 (en) | 2019-10-03 | 2021-08-24 | Rom Technologies, Inc. | Method and system using artificial intelligence to monitor user characteristics during a telemedicine session |
US20210127974A1 (en) | 2019-10-03 | 2021-05-06 | Rom Technologies, Inc. | Remote examination through augmented reality |
US11955222B2 (en) | 2019-10-03 | 2024-04-09 | Rom Technologies, Inc. | System and method for determining, based on advanced metrics of actual performance of an electromechanical machine, medical procedure eligibility in order to ascertain survivability rates and measures of quality-of-life criteria |
US11282608B2 (en) | 2019-10-03 | 2022-03-22 | Rom Technologies, Inc. | Method and system for using artificial intelligence and machine learning to provide recommendations to a healthcare provider in or near real-time during a telemedicine session |
US11325005B2 (en) | 2019-10-03 | 2022-05-10 | Rom Technologies, Inc. | Systems and methods for using machine learning to control an electromechanical device used for prehabilitation, rehabilitation, and/or exercise |
US11515021B2 (en) | 2019-10-03 | 2022-11-29 | Rom Technologies, Inc. | Method and system to analytically optimize telehealth practice-based billing processes and revenue while enabling regulatory compliance |
US20210134412A1 (en) | 2019-10-03 | 2021-05-06 | Rom Technologies, Inc. | System and method for processing medical claims using biometric signatures |
US20210134458A1 (en) | 2019-10-03 | 2021-05-06 | Rom Technologies, Inc. | System and method to enable remote adjustment of a device during a telemedicine session |
US12020799B2 (en) | 2019-10-03 | 2024-06-25 | Rom Technologies, Inc. | Rowing machines, systems including rowing machines, and methods for using rowing machines to perform treatment plans for rehabilitation |
US11887717B2 (en) | 2019-10-03 | 2024-01-30 | Rom Technologies, Inc. | System and method for using AI, machine learning and telemedicine to perform pulmonary rehabilitation via an electromechanical machine |
US11955220B2 (en) | 2019-10-03 | 2024-04-09 | Rom Technologies, Inc. | System and method for using AI/ML and telemedicine for invasive surgical treatment to determine a cardiac treatment plan that uses an electromechanical machine |
US11978559B2 (en) | 2019-10-03 | 2024-05-07 | Rom Technologies, Inc. | Systems and methods for remotely-enabled identification of a user infection |
US11955223B2 (en) | 2019-10-03 | 2024-04-09 | Rom Technologies, Inc. | System and method for using artificial intelligence and machine learning to provide an enhanced user interface presenting data pertaining to cardiac health, bariatric health, pulmonary health, and/or cardio-oncologic health for the purpose of performing preventative actions |
US11756666B2 (en) | 2019-10-03 | 2023-09-12 | Rom Technologies, Inc. | Systems and methods to enable communication detection between devices and performance of a preventative action |
US11139060B2 (en) | 2019-10-03 | 2021-10-05 | Rom Technologies, Inc. | Method and system for creating an immersive enhanced reality-driven exercise experience for a user |
US11282599B2 (en) | 2019-10-03 | 2022-03-22 | Rom Technologies, Inc. | System and method for use of telemedicine-enabled rehabilitative hardware and for encouragement of rehabilitative compliance through patient-based virtual shared sessions |
US20210142893A1 (en) | 2019-10-03 | 2021-05-13 | Rom Technologies, Inc. | System and method for processing medical claims |
US11337648B2 (en) | 2020-05-18 | 2022-05-24 | Rom Technologies, Inc. | Method and system for using artificial intelligence to assign patients to cohorts and dynamically controlling a treatment apparatus based on the assignment during an adaptive telemedical session |
US11515028B2 (en) | 2019-10-03 | 2022-11-29 | Rom Technologies, Inc. | Method and system for using artificial intelligence and machine learning to create optimal treatment plans based on monetary value amount generated and/or patient outcome |
US11830601B2 (en) | 2019-10-03 | 2023-11-28 | Rom Technologies, Inc. | System and method for facilitating cardiac rehabilitation among eligible users |
US11915816B2 (en) | 2019-10-03 | 2024-02-27 | Rom Technologies, Inc. | Systems and methods of using artificial intelligence and machine learning in a telemedical environment to predict user disease states |
US20210134425A1 (en) | 2019-10-03 | 2021-05-06 | Rom Technologies, Inc. | System and method for using artificial intelligence in telemedicine-enabled hardware to optimize rehabilitative routines capable of enabling remote rehabilitative compliance |
US20210134432A1 (en) | 2019-10-03 | 2021-05-06 | Rom Technologies, Inc. | Method and system for implementing dynamic treatment environments based on patient information |
US11317975B2 (en) | 2019-10-03 | 2022-05-03 | Rom Technologies, Inc. | Method and system for treating patients via telemedicine using sensor data from rehabilitation or exercise equipment |
US11915815B2 (en) | 2019-10-03 | 2024-02-27 | Rom Technologies, Inc. | System and method for using artificial intelligence and machine learning and generic risk factors to improve cardiovascular health such that the need for additional cardiac interventions is mitigated |
US11069436B2 (en) | 2019-10-03 | 2021-07-20 | Rom Technologies, Inc. | System and method for use of telemedicine-enabled rehabilitative hardware and for encouraging rehabilitative compliance through patient-based virtual shared sessions with patient-enabled mutual encouragement across simulated social networks |
US11826613B2 (en) | 2019-10-21 | 2023-11-28 | Rom Technologies, Inc. | Persuasive motivation for orthopedic treatment |
US20210150127A1 (en) | 2019-11-19 | 2021-05-20 | Salesforce.Com, Inc. | Systems and methods including a rapid pictorial demonstration (rpd) controller for creating and editing interactive demonstration presentations for an envisioned software product |
KR102268909B1 (ko) * | 2020-04-10 | 2021-06-23 | 코그넥스코오포레이션 | Edge Field와 딥러닝 기반 검사 방법 |
CN114092382A (zh) * | 2020-08-07 | 2022-02-25 | 富泰华工业(深圳)有限公司 | 产品瑕疵标记装置和方法 |
CN112505049B (zh) * | 2020-10-14 | 2021-08-03 | 上海互觉科技有限公司 | 基于蒙版抑制的精密零组件表面缺陷检测方法和*** |
FR3133924A1 (fr) * | 2022-03-24 | 2023-09-29 | Psa Automobiles Sa | Procede de detection et de marquage de defauts sur une piece et installation pour la mise en œuvre du procede |
EP4325206A1 (en) | 2022-08-18 | 2024-02-21 | F. Hoffmann-La Roche AG | Method for compensating defective partitions of a microfluidic chip |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0274848A (ja) * | 1988-09-09 | 1990-03-14 | Omron Tateisi Electron Co | 基板検査装置における教示方法 |
JPH06148097A (ja) * | 1992-11-13 | 1994-05-27 | Toshiba Corp | 欠陥検査装置 |
JPH11153551A (ja) * | 1997-11-20 | 1999-06-08 | Nkk Corp | 金属板の疵手入範囲教示装置 |
JP2002508071A (ja) * | 1997-07-18 | 2002-03-12 | アウディ アーゲー | ボディ・シェルの表面欠陥を自動的に認識する方法およびこの方法を実施する装置 |
JP2003530680A (ja) * | 1999-02-11 | 2003-10-14 | オリジナル・ソリューションズ・インコーポレイテッド | プリント回路基板上の構成部品の極性、存在、整合及びショートの検査方法 |
JP2014032122A (ja) * | 2012-08-03 | 2014-02-20 | Omron Corp | 部品実装検査のための検査基準情報の設定方法および検査基準情報の作成システム |
JP2017102865A (ja) * | 2015-12-04 | 2017-06-08 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3070774B2 (ja) | 1991-03-28 | 2000-07-31 | マツダ株式会社 | ワークの表面状態監視方法 |
JP2001331784A (ja) * | 2000-05-18 | 2001-11-30 | Hitachi Ltd | 欠陥分類方法及びその装置 |
US6975754B2 (en) * | 2000-10-26 | 2005-12-13 | Hitachi, Ltd. | Circuit pattern inspection method and apparatus |
JP4155496B2 (ja) * | 2002-04-25 | 2008-09-24 | 大日本スクリーン製造株式会社 | 分類支援装置、分類装置およびプログラム |
US6998616B2 (en) * | 2002-08-28 | 2006-02-14 | Wayne State University | System and method for acoustic chaos and sonic infrared imaging |
JP4163654B2 (ja) * | 2004-04-19 | 2008-10-08 | 株式会社日立ハイテクノロジーズ | 走査電子顕微鏡 |
US7462809B2 (en) * | 2004-10-22 | 2008-12-09 | Northrop Grumman Corporation | Spectral filter system for infrared imaging of substrates through coatings |
JP4750444B2 (ja) * | 2005-03-24 | 2011-08-17 | 株式会社日立ハイテクノロジーズ | 外観検査方法及びその装置 |
WO2007073879A1 (de) * | 2005-12-16 | 2007-07-05 | Automation W + R Gmbh | Verfahren und anornung zur erkennung von materialfehlern, in werkstücken |
WO2007074770A1 (ja) * | 2005-12-26 | 2007-07-05 | Nikon Corporation | 画像解析によって欠陥検査を行う欠陥検査装置 |
JP4862765B2 (ja) | 2007-06-29 | 2012-01-25 | 関東自動車工業株式会社 | 表面検査装置及び表面検査方法 |
US8126255B2 (en) * | 2007-09-20 | 2012-02-28 | Kla-Tencor Corp. | Systems and methods for creating persistent data for a wafer and for using persistent data for inspection-related functions |
JP5217781B2 (ja) * | 2008-08-26 | 2013-06-19 | セイコーエプソン株式会社 | 検査装置および検査システム |
JP5287178B2 (ja) * | 2008-11-27 | 2013-09-11 | 富士通セミコンダクター株式会社 | 欠陥レビュー装置 |
JP5340717B2 (ja) * | 2008-12-16 | 2013-11-13 | 株式会社イシダ | X線検査装置 |
JP5201416B2 (ja) | 2009-04-13 | 2013-06-05 | 株式会社アイティーティー | 写真計測用画像処理装置、それを用いた現場記録システム、荷物記録システム並びにレーザ加工システム |
JP5479782B2 (ja) * | 2009-06-02 | 2014-04-23 | 株式会社日立ハイテクノロジーズ | 欠陥画像処理装置、欠陥画像処理方法、半導体欠陥分類装置および半導体欠陥分類方法 |
KR20150023907A (ko) * | 2012-06-28 | 2015-03-05 | 펠리칸 이매징 코포레이션 | 결함있는 카메라 어레이들, 광학 어레이들 및 센서들을 검출하기 위한 시스템들 및 방법들 |
EP2731051A1 (en) * | 2012-11-07 | 2014-05-14 | bioMérieux | Bio-imaging method |
CA2892576C (en) * | 2012-11-28 | 2020-12-15 | Saint-Gobain Glass France | Method and system for identifying defects in glass |
EP2832908B1 (de) * | 2013-07-30 | 2023-01-04 | Stäubli Sargans AG | Überwachungsvorrichtung für eine Webmaschine, Webmaschine und Verfahren zur Überwachung |
JP2016058465A (ja) * | 2014-09-08 | 2016-04-21 | 株式会社日立ハイテクノロジーズ | 欠陥定量化方法、欠陥定量化装置、および欠陥評価値表示装置 |
WO2017027748A1 (en) * | 2015-08-12 | 2017-02-16 | Kla-Tencor Corporation | Determining a position of a defect in an electron beam image |
US20170069075A1 (en) * | 2015-09-04 | 2017-03-09 | Canon Kabushiki Kaisha | Classifier generation apparatus, defective/non-defective determination method, and program |
US20170212829A1 (en) * | 2016-01-21 | 2017-07-27 | American Software Safety Reliability Company | Deep Learning Source Code Analyzer and Repairer |
CN106127780B (zh) * | 2016-06-28 | 2019-01-18 | 华南理工大学 | 一种曲面表面缺陷自动检测方法及其装置 |
US10503998B2 (en) * | 2016-11-07 | 2019-12-10 | Gracenote, Inc. | Recurrent deep neural network system for detecting overlays in images |
WO2018208791A1 (en) * | 2017-05-08 | 2018-11-15 | Aquifi, Inc. | Systems and methods for inspection and defect detection using 3-d scanning |
-
2017
- 2017-07-10 JP JP2017134508A patent/JP6705777B2/ja active Active
-
2018
- 2018-07-06 DE DE102018211212.6A patent/DE102018211212A1/de active Pending
- 2018-07-06 CN CN201810736105.1A patent/CN109242820B/zh active Active
- 2018-07-09 US US16/029,827 patent/US10891520B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0274848A (ja) * | 1988-09-09 | 1990-03-14 | Omron Tateisi Electron Co | 基板検査装置における教示方法 |
JPH06148097A (ja) * | 1992-11-13 | 1994-05-27 | Toshiba Corp | 欠陥検査装置 |
JP2002508071A (ja) * | 1997-07-18 | 2002-03-12 | アウディ アーゲー | ボディ・シェルの表面欠陥を自動的に認識する方法およびこの方法を実施する装置 |
JPH11153551A (ja) * | 1997-11-20 | 1999-06-08 | Nkk Corp | 金属板の疵手入範囲教示装置 |
JP2003530680A (ja) * | 1999-02-11 | 2003-10-14 | オリジナル・ソリューションズ・インコーポレイテッド | プリント回路基板上の構成部品の極性、存在、整合及びショートの検査方法 |
JP2014032122A (ja) * | 2012-08-03 | 2014-02-20 | Omron Corp | 部品実装検査のための検査基準情報の設定方法および検査基準情報の作成システム |
JP2017102865A (ja) * | 2015-12-04 | 2017-06-08 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7095798B2 (ja) | 2019-03-08 | 2022-07-05 | 日本電気株式会社 | 画像処理方法、画像処理装置、プログラム |
WO2020184069A1 (ja) * | 2019-03-08 | 2020-09-17 | 日本電気株式会社 | 画像処理方法、画像処理装置、プログラム |
JPWO2020184069A1 (ja) * | 2019-03-08 | 2021-11-25 | 日本電気株式会社 | 画像処理方法、画像処理装置、プログラム |
WO2020251172A1 (ko) * | 2019-06-10 | 2020-12-17 | 주식회사 수아랩 | 데이터 생성 방법 |
JPWO2021010269A1 (ja) * | 2019-07-18 | 2021-11-25 | 三菱電機株式会社 | 検査装置、検査方法及びプログラム |
WO2021010269A1 (ja) * | 2019-07-18 | 2021-01-21 | 三菱電機株式会社 | 検査装置、検査方法及びプログラム |
JP2021099261A (ja) * | 2019-12-23 | 2021-07-01 | セイコーエプソン株式会社 | 付着物判定方法、付着物判定装置、及び付着物判定プログラム |
DE112021002846T5 (de) | 2020-05-18 | 2023-03-02 | Fanuc Corporation | Maschinenlernvorrichtung und Maschinenlernsystem |
JP2022100239A (ja) * | 2020-12-23 | 2022-07-05 | トランスポーテーション アイピー ホールディングス,エルエルシー | 機器検査のためのシステムおよび方法 |
WO2022137748A1 (ja) * | 2020-12-23 | 2022-06-30 | 株式会社前川製作所 | 対象検出装置、機械学習実行装置、対象検出プログラム及び機械学習実行プログラム |
JP7340580B2 (ja) | 2020-12-23 | 2023-09-07 | トランスポーテーション アイピー ホールディングス,エルエルシー | 機器検査のためのシステムおよび方法 |
WO2022215559A1 (ja) * | 2021-04-05 | 2022-10-13 | パナソニックIpマネジメント株式会社 | ハイブリッドモデル作成方法、ハイブリッドモデル作成装置、及び、プログラム |
JP7036477B1 (ja) | 2021-10-18 | 2022-03-15 | 株式会社Anamorphosis Networks | 欠陥検出方法、欠陥検出システム、及び、欠陥検出プログラム |
WO2023067829A1 (ja) * | 2021-10-18 | 2023-04-27 | 株式会社Anamorphosis Networks | 欠陥検出方法、欠陥検出システム、及び、欠陥検出プログラム |
JP2023060515A (ja) * | 2021-10-18 | 2023-04-28 | 株式会社Anamorphosis Networks | 欠陥検出方法、欠陥検出システム、及び、欠陥検出プログラム |
JP2023060798A (ja) * | 2021-10-18 | 2023-04-28 | 株式会社Anamorphosis Networks | 欠陥検出方法、欠陥検出システム、及び、欠陥検出プログラム |
US11956353B2 (en) | 2021-12-01 | 2024-04-09 | Eaglys Inc. | Machine learning device, machine learning system, and machine learning method |
Also Published As
Publication number | Publication date |
---|---|
US20190012579A1 (en) | 2019-01-10 |
JP6705777B2 (ja) | 2020-06-03 |
US10891520B2 (en) | 2021-01-12 |
CN109242820A (zh) | 2019-01-18 |
CN109242820B (zh) | 2021-06-08 |
DE102018211212A1 (de) | 2019-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6705777B2 (ja) | 機械学習装置、検査装置及び機械学習方法 | |
JP5228490B2 (ja) | 画像解析によって欠陥検査を行う欠陥検査装置 | |
JP2020502490A (ja) | 空気試料の自動分析を実行するためのシステム及び方法 | |
EP3007022A2 (en) | System and method for inspecting a composite part during manufacture | |
JP5661833B2 (ja) | 線状パターンを含む対象物の外観検査装置及び外観検査方法 | |
JP2022507678A (ja) | 自動目視検査プロセスにおけるセットアップ段階の最適化 | |
JP2010139461A (ja) | 目視検査システム | |
JP6757517B2 (ja) | 目視確認支援装置及び目視確認支援方法 | |
JP7484091B2 (ja) | 立体物の外観検査装置および立体物の外観検査方法 | |
JP2012145427A (ja) | 基板検査システム、表示装置及び表示方法 | |
JP4602087B2 (ja) | 着色型眼用部品の自動化検査 | |
AU2018101327A4 (en) | System and method for performing automated analysis of air samples | |
JP2009258069A (ja) | 紡糸口金の孔内異物の検査装置および検査方法 | |
US20220284699A1 (en) | System and method of object detection using ai deep learning models | |
JP7215218B2 (ja) | 分光検査方法、画像処理装置、及びロボットシステム | |
JP6359363B2 (ja) | 容器検査装置および容器検査方法 | |
JP2007271507A (ja) | 欠陥検出方法、欠陥検出装置、及び欠陥検出プログラム | |
US20220238396A1 (en) | Laser repair method and laser repair device | |
JP2015200554A (ja) | 目視検査方法及び目視検査支援装置 | |
JP2006300678A (ja) | 製品の外観検査方法と外観検査補助装置 | |
KR101704690B1 (ko) | 세포 분석 장치 및 방법 | |
JP2006145228A (ja) | ムラ欠陥検出方法及び装置 | |
JPH04223262A (ja) | 蛍光磁粉探傷における画像処理方法 | |
JP2005024565A (ja) | ウェハ外観検査装置およびウェハ外観検査方法 | |
JP2012141223A (ja) | 表面欠陥検出・指示システムおよび表面処理の伴う加工物の製造方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180918 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20181211 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190326 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190611 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190805 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20191105 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200128 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20200204 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200414 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200514 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6705777 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |