JP2019045235A

JP2019045235A - 画像検査システム、画像検査方法及び画像検査用プログラム

Info

Publication number: JP2019045235A
Application number: JP2017166679A
Authority: JP
Inventors: 済今井; Wataru Imai; 洋幸山口; Hiroyuki Yamaguchi; 一将鈴木; Kazumasa Suzuki
Original assignee: IHI Corp; IHI Aerospace Co Ltd
Current assignee: IHI Corp; IHI Aerospace Co Ltd
Priority date: 2017-08-31
Filing date: 2017-08-31
Publication date: 2019-03-22

Abstract

【課題】良品検査対象物のＸ線画像の総数が少ない検査対象物に対しても高い精度で検査対象物の良品判定をすることが可能な画像検査方法、画像検査システム及び画像検査用プログラムを提供する。【解決手段】画像検査システムは、検査対象物のＸ線画像を用いて検査対象物の良品判定をする画像検査システムであって、良品検査対象物のＸ線画像から抽出済の良品Ｘ線画像領域に基づいて、複数領域に分割された検査対象物のＸ線画像群から抽出されたＸ線画像抽出領域を、複数領域に分割する分割手段と、該Ｘ線画像抽出領域における該複数領域の該各領域が、該良品Ｘ線画像領域を複数領域に分割したときの各領域における当該領域と当該領域の近傍領域との間の輝度勾配及び相関値に基づいて作成された良品判定基準を満足するかを判定する判定手段と、を有する。【選択図】図２

Description

本発明は、画像検査システム、画像検査方法及び画像検査用プログラムに関する。

従来、医学等で用いられるＸ線検査においては、磁気共鳴画像法（ＭＲＩ）スキャナ、コンピュータ断層撮影法（ＣＴ）スキャナなどによって大量の画像データが取得されており、特定の疾患の判定に対する何らかの関連した洞察を提供することが望まれている。そのために、スキャンされた医用画像を解釈する処理の一部又は全部を自動化できる画像処理技術の開発が望まれている。

これに対して、幾何学的特徴の自動算出方法や画像解釈システムが提案されている（特許文献１参照。）。

この幾何学的特徴の自動算出方法は、幾何学的特徴を自動的に算出する方法であって、（ｉ）デジタル画像ソースから少なくとも１つのデジタル医用画像を受信し、（ｉｉ）プロセッサによって、前記デジタル医用画像内で前記幾何学的特徴の演算に関連する複数の測定要素を自動的に識別し、前記複数の測定要素の少なくとも１つは、解剖学的構造の中心線を含み、前記解剖学的構造は胴を含み、前記複数の測定要素を自動的に識別することは、背骨に沿った曲線を検出することを含み、（ｉｉｉ）前記プロセッサによって、前記複数の測定要素に基づいて前記幾何学的特徴を自動的に演算し、（ｉｖ）ユーザの検討のために当該ユーザに前記測定要素を提供し、（ｖ）ユーザが前記測定要素を修正した場合、前記プロセッサによってユーザが修正した測定要素に基づいて最終的な幾何学的特徴を演算し、前記複数の測定要素を自動的に識別することは、学習済の分類器を適用して前記画像の１つ又は複数のその他の解剖学的または病理学的構造によって遮られているまたは欠落している測定要素を推定する１つ又は複数の支援目印を認識することを含む。

また、画像解釈システムは、コンピュータ可読プログラムコードを記憶するメモリ装置と、前記メモリ装置と通信し、前記コンピュータ可読プログラムコードで動作するプロセッサとを含み、前記プロセッサは、（ｉ）デジタル画像ソースから少なくとも１つのデジタル医用画像を受信し、（ｉｉ）前記デジタル医用画像内で前記幾何学的特徴の演算に関連する複数の測定要素を自動的に識別し、前記複数の測定要素の少なくとも１つは、解剖学的構造の中心線を含み、前記解剖学的構造は胴を含み、前記複数の測定要素を自動的に識別することは、背骨に沿った曲線を検出することを含み、（ｉｉｉ）前記複数の測定要素に基づいて前記幾何学的特徴を自動的に演算し、（ｉｖ）ユーザの検討のために当該ユーザに前記測定要素を提供し、（ｖ）ユーザが前記測定要素を修正した場合、ユーザが修正した測定要素に基づいて最終的な幾何学的特徴を演算し、前記複数の測定要素を自動的に識別することは、学習済の分類器を適用して前記画像の１つ又は複数のその他の解剖学的または病理学的構造によって遮られているまたは欠落している測定要素を推定する１つ又は複数の支援目印を認識する。

特許第５８３７６０４号公報

しかしながら、特許文献１に記載された幾何学的特徴の自動算出方法や画像解釈システムにあっては、一般的な機械学習を利用しているため、多くの健全画像データ及び異常画像データを学習する必要がある。

また、Ｘ線画像の総数が少ない検査対象物においては、十分な機械学習をすることができず、精度が低くなる。そのため、胸部Ｘ線画像等の医用画像への適用など用途が限られている。

本発明は、このような従来技術が有する課題に鑑みてなされたものである。そして、本発明は、良品検査対象物のＸ線画像の総数が少ない検査対象物に対しても高い精度で検査対象物の良品判定をすることが可能な画像検査方法、画像検査システム及び画像検査用プログラムを提供することを目的とする。

本発明者らは、上記目的を達成するため鋭意検討を重ねた。その結果、良品検査対象物のＸ線画像から抽出済の良品Ｘ線画像領域に基づいて、複数領域に分割された検査対象物のＸ線画像群から抽出されたＸ線画像抽出領域について、複数領域に分割したときの各領域における当該領域と当該領域の近傍領域との間の輝度勾配及び相関値に基づいて作成された良品判定基準を用いて判定することにより、上記目的が達成できることを見出し、本発明を完成するに至った。

すなわち、本発明の画像検査システムは、検査対象物のＸ線画像を用いて検査対象物の良品判定をする画像検査システムであって、良品検査対象物のＸ線画像から抽出済の良品Ｘ線画像領域に基づいて、複数領域に分割された検査対象物のＸ線画像群から抽出されたＸ線画像抽出領域を、複数領域に分割する分割手段と、該Ｘ線画像抽出領域における該複数領域の該各領域が、該良品Ｘ線画像領域を複数領域に分割したときの各領域における当該領域と当該領域の近傍領域との間の輝度勾配及び相関値に基づいて作成された良品判定基準を満足するかを判定する判定手段と、を有する。

また、本発明の画像検査方法は、検査対象物のＸ線画像を用いて検査対象物の良品判定をする画像検査方法であって、良品検査対象物のＸ線画像から抽出済の良品Ｘ線画像領域に基づいて、複数領域に分割された検査対象物のＸ線画像群から抽出されたＸ線画像抽出領域を、複数領域に分割する工程と、該Ｘ線画像抽出領域における該複数領域の該各領域が、該良品Ｘ線画像領域を複数領域に分割したときの各領域における当該領域と当該領域の近傍領域との間の輝度勾配及び相関値に基づいて作成された良品判定基準を満足するかを判定する工程と、を含む。

さらに、本発明の画像検査用プログラムは、画像検査システムに、良品検査対象物のＸ線画像から抽出済の良品Ｘ線画像領域に基づいて、複数領域に分割された検査対象物のＸ線画像群から抽出されたＸ線画像抽出領域を、複数領域に分割する工程と、該Ｘ線画像抽出領域における該複数領域の該各領域が、該良品Ｘ線画像領域を複数領域に分割したときの各領域における当該領域と当該領域の近傍領域との間の輝度勾配及び相関値に基づいて作成される良品判定基準を満足するかを判定する工程と、を実行させるためのものである。

本発明の画像検査システムによれば、良品検査対象物のＸ線画像の総数が少ない検査対象物に対しても高い精度で検査対象物の良品判定をすることが可能である。

また、本発明の画像検査方法によれば、良品検査対象物のＸ線画像の総数が少ない検査対象物に対しても高い精度で検査対象物の良品判定をすることが可能である。

さらに、本発明の画像検査用プログラムによれば、良品検査対象物のＸ線画像の総数が少ない検査対象物に対しても高い精度で検査対象物の良品判定をすることが可能である。

図１は、本発明の一実施形態に係る画像検査システムのハードウェア構成の一例を示す構成図である。図２は、本発明の一実施形態に係る画像検査システムの機能構成の一例を示すブロック図である。図３は、本発明の一実施形態に係る画像検査方法の一例を示すフロー図である。図４は、良品判定基準の一例を示すグラフ図である。

以下、本発明の一実施形態に係る画像検査システム、画像検査方法及び画像検査用プログラムについて詳細に説明する。

なお、本明細書及び特許請求の範囲において、「Ｘ線画像」とは、例えば、可視のＸ線画像（ビデオ画面上に表示されているものなど）又はＸ線画像のデジタル化された表現（Ｘ線検出装置の画素出力に対応するファイルなど）を意味する。

また、検査対象物は、特に限定されるものではないが、大量生産されるものではなく、良品のＸ線画像の総数が少ないものの一例であるロケットモータの圧力容器を好適例として挙げることができる。異なる材料が接合されたロケットモータの圧力容器は、内部における異材同士の界面部の欠陥を外部から観察することができない。このような場合、詳しくは後述する良品Ｘ線画像領域を、検査対象物の内部における異材同士の界面部を含むものとすることによって、本発明を好適に適用することができる。

まず、本実施形態の画像検査システムは、検査対象物のＸ線画像を用いて検査対象物の良品判定をする画像検査システムであって、分割手段と、判定手段とを有する。そして、分割手段は、良品検査対象物のＸ線画像から抽出済の良品Ｘ線画像領域に基づいて、複数領域に分割された検査対象物のＸ線画像群から抽出されたＸ線画像抽出領域を、複数領域に分割する。また、判定手段は、Ｘ線画像抽出領域における複数領域の各領域が、良品Ｘ線画像領域を複数領域に分割したときの各領域における当該領域と当該領域の近傍領域との間の輝度勾配及び相関値に基づいて作成された良品判定基準を満足するかを判定する。

そして、本実施形態の画像検査システムによれば、良品検査対象物のＸ線画像の総数が少ない検査対象物に対しても高い精度で検査対象物の良品判定をすることが可能である。

また、本実施形態の画像検査システムは、検査対象物のＸ線画像を用いて検査対象物の良品判定をする画像検査方法であって、分割工程と、判定工程とを含む。そして、分割工程は、良品検査対象物のＸ線画像から抽出済の良品Ｘ線画像領域に基づいて、複数領域に分割された検査対象物のＸ線画像群から抽出されたＸ線画像抽出領域を、複数領域に分割する工程である。また、判定工程は、Ｘ線画像抽出領域における複数領域の各領域が、良品Ｘ線画像領域を複数領域に分割したときの各領域における当該領域と当該領域の近傍領域との間の輝度勾配及び相関値に基づいて作成された良品判定基準を満足するかを判定する工程である。

さらに、本実施形態の画像検査用プログラムは、画像検査システムに、良品検査対象物のＸ線画像から抽出済の良品Ｘ線画像領域に基づいて、複数領域に分割された検査対象物のＸ線画像群から抽出されたＸ線画像抽出領域を、複数領域に分割する工程と、該Ｘ線画像抽出領域における該複数領域の該各領域が、該良品Ｘ線画像領域を複数領域に分割したときの各領域における当該領域と当該領域の近傍領域との間の輝度勾配及び相関値に基づいて作成された良品判定基準を満足するかを判定する工程と、を実行させるためのものである。

そして、本実施形態の画像検査用プログラムによれば、良品検査対象物のＸ線画像の総数が少ない検査対象物に対しても高い精度で検査対象物の良品判定をすることが可能である。

以下、本発明の一実施形態に係る画像検査システム、画像検査方法及び画像検査用プログラムについて図面を参照しながら詳細に説明する。

まず、本発明の一実施形態に係る画像検査システムのハードウェア構成について図面を参照しながら詳細に説明する。図１は、本発明の一実施形態に係る画像検査システムのハードウェア構成の一例を示す構成図である。

図１に示すように、本実施形態の画像検査システム１は、検査対象物のＸ線画像を用いて検査対象物の良品判定をするものであって、コンピュータ１０を備えている。そして、コンピュータ１０は、特に限定されるものではないが、例えば、図１に示すように、Ｘ線画像取得装置５０にバス（外部バス）Ｂ_ＯＵＴのような有線で接続されている。なお、図示しないが、コンピュータは、例えば、Ｘ線画像取得装置に無線で接続されていてもよい。また、図示しないが、コンピュータは、Ｘ線画像取得装置に内蔵されていてもよい。

コンピュータ１０は、特に限定されるものではないが、例えば、パーソナルコンピュータ等である。そして、コンピュータには、画像検査システムに画像検査方法を実行させるための画像検査用プログラムがインストールされている。また、コンピュータは、画像検査用プログラムの指令によって、Ｘ線画像取得装置で検査対象物を撮像することによって入力されたＸ線画像から検査対象物の良品判定をすることができる。

また、図１に示すように、本実施形態におけるコンピュータ１０は、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）１１と、ＨＤＤ（ＨａｒｄＤｉｓｋＤｒｉｖｅ）１２と、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）１３と、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）１４とを備えている。また、コンピュータ１０は、特に限定されるものではないが、例えば、表示装置１５と外部Ｉ／Ｆ１６とを備えている。さらに、コンピュータ１０は、特に限定されるものではないが、例えば、通信Ｉ／Ｆ１７を備えていてもよい。これらの各部はバス（内部バス）Ｂ_ＩＮで接続されている。

そして、ＣＰＵ１１は、ＨＤＤ１２やＲＯＭ１４等の記憶装置からプログラムやデータをＲＡＭ１３上に読み出し、処理を実行することによって、コンピュータ１０全体の制御や機能を実現する演算装置である。

また、ＨＤＤ１２は、プログラムやデータを格納している不揮発性の記憶装置である。格納されるプログラムやデータには、例えば、コンピュータ１０全体を制御する基本ソフトウェアであるＯＳ（ＯｐｅｒａｔｉｎｇＳｙｓｔｅｍ）、ＯＳ上において各種機能を提供するアプリケーションソフトウェア（例えば、画像検査用プログラム）等がある。ＨＤＤ１２は格納しているプログラムやデータを所定のファイルシステムやＤＢ（データベース）によって管理している。なお、コンピュータ１０は、ＨＤＤ１２の代わりに又はＨＤＤ１２と併せて、ＳＳＤ（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）等を備えていてもよい。

さらにＲＡＭ１３は、プログラムやデータを一時保持する揮発性の半導体メモリ（記憶装置）である。

また、ＲＯＭ１４は、電源を切ってもプログラムやデータを保持することができる不揮発性の半導体メモリ（記憶装置）である。

さらに、表示装置１５は、コンピュータ１０による処理結果を表示する装置である。表示装置１５は、特に限定されるものではないが、例えば、ディスプレイ等である。

また、外部Ｉ／Ｆ１６は、外部装置とのインターフェースである。外部装置としては、例えば、ＵＳＢ（ＵｎｉｖｅｒｓａｌＳｅｒｉａｌＢｕｓ）メモリ、ＳＤカード、ＣＤ、ＤＶＤ等を挙げることができる。

さらに、通信Ｉ／Ｆ１７は、例えば、Ｘ線画像取得装置５０と有線又は無線でデータ通信を行うためのインターフェースである。

そして、本実施形態の画像検査システム１は、上記ハードウェアの構成を有することにより、詳しくは後述する各種処理を実現することができる。

次に、本発明の一実施形態に係る画像検査システムの機能構成について図面を参照しながら詳細に説明する。図２は、本発明の一実施形態に係る画像検査システムの機能構成の一例を示すブロック図である。

図２に示すように、本実施形態の画像検査システム１は、入力部２１と、分割部２２と、判定部２３とを有する。これらの各部は、例えば、ＣＰＵ１１が画像検査用プログラムを実行させることにより実現される。

入力部２１は、良品検査対象物のＸ線画像１００及び検査対象物のＸ線画像２００を入力する。ここで、入力部２１は、良品検査対象物のＸ線画像１００を、例えば外部Ｉ／Ｆを介して外部装置から、又はＨＤＤ１２やＲＯＭ１４から入力する。また、入力部２１は、検査対象物のＸ線画像２００をＸ線画像取得装置５０から入力する。

ここで、良品検査対象物のＸ線画像１００は、判定部２３の学習に用いる。良品検査対象物のＸ線画像１００は、欠陥のない良品検査対象物を撮像することにより得られたものである。

一方で、検査対象物のＸ線画像２００は、判定部２３により良品であるかが判定されるものである。すなわち、検査対象物のＸ線画像２００は、例えば、画像検査システム１のユーザによってＸ線画像取得装置５０で撮像された、良品であるかを判定したい検査対象物を被写体とするものである。

分割部２２は、例えば、良品検査対象物のＸ線画像１００から抽出済の良品Ｘ線画像領域１１０、１２０に基づいて、検査対象物のＸ線画像２００が複数領域に分割された検査対象物のＸ線画像群２１０〜２６０から抽出されたＸ線画像抽出領域２１０、２２０を、複数領域に分割する。

具体的には、例えば、検査対象物のＸ線画像２００をＸ線画像群２１０〜２６０の６グループに分類し、良品Ｘ線画像領域１１０、１２０を用いて、対応するＸ線画像抽出領域２１０、２２０を抽出し、これらを更に複数領域に分割する。

判定部２３は、Ｘ線画像抽出領域２１０、２２０における複数領域の各領域が、良品判定基準を満足するかを判定する。

具体的には、Ｘ線画像抽出領域２１０、２２０における複数領域の各領域における当該領域と当該領域の近傍領域との間の輝度勾配及び勾配方向、周辺の欠陥候補点との相関値といった特徴量を算出し、これらの値が、良品判定基準の良品と判定し得る領域内に含まれるかを判定する。なお、良品判定基準は、良品Ｘ線画像領域１１０、１２０における複数領域の各領域における当該領域と当該領域の近傍領域との間の輝度勾配及び相関値といった特徴量を算出して作成される。

次に、本発明の一実施形態に係る画像検査方法について図面を参照しながら詳細に説明する。図３は、本発明の一実施形態に係る画像検査方法の一例を示すフロー図である。

図３に示すように、本実施形態の画像検査方法は、下記のステップ１（以下「Ｓ１」のように記載する（以下同様。）。）〜１５を有する。

まず、Ｓ１においては、画像を読み込む。具体的には、Ｘ線画像取得装置で撮像された検査対象物のＸ線画像を読み込む。次いで、Ｓ２に進む。

次いで、Ｓ２においては、画像一覧を表示する。具体的には、読み込まれたＸ線画像を複数領域に分割して、Ｘ線画像群を表示する。次いで、Ｓ３に進む。

次いで、Ｓ３においては、判定パラメータを入力する。具体的には、予めＸ線画像取得装置で撮像された良品検査対象物のＸ線画像から抽出済の良品Ｘ線画像領域を読み込む。

ここで、この良品Ｘ線画像領域としては、良品検査対象物のＸ線画像１枚において複数に分割された領域（２００ピクセル×２００ピクセル＝約２０ｍｍ×２０ｍｍ）の全てについて輝度勾配及び勾配方向、周辺の欠陥候補点との相関値といった特徴量を計算し、専用プログラムによって６グループに分類し、各グループ毎に輝度勾配及び勾配方向、周辺の欠陥候補点との相関値といった特徴量を平均したものを適用した。また、上記６グループは全て健全部であるが、画像に急峻な輝度変化がみられるグループ（例えば、「外部エッジ部」という。）、画像に急峻な輝度変化がみられるグループ（例えば、「内部エッジ部」という。）、画像における隙間がわずかに周囲より暗く、右側に行くほど輝度値が大きくなるグループ（例えば、「隙間部」という。）、画像における界面左右でわずかに輝度変化があり、界面以外は滑らかでほぼ輝度変化がないグループ（例えば、「第１界面部（剥離なし）」という。）、画像における界面がわずかに暗いグループ（例えば、「第２界面部（剥離なし）」という。）、画像において輝度値の増減を繰り返すグループ（例えば、「溝部」という。）、といったものである。また、この良品Ｘ線画像領域は、外部装置や、ＨＤＤ、ＲＯＭなどに保持しておけばよい。なお、この良品Ｘ線画像領域が、上述したＸ線画像群と比較可能なものであることは言うまでもない。次いで、Ｓ４に進む。

次いで、Ｓ４においては、検査を実行する。次いで、Ｓ５に進む。

次いで、Ｓ５においては、検査範囲を指定する。具体的には、検査対象となるＸ線画像には真っ暗な領域等の判定不要な領域がある。その領域は検査の必要がないため、画像の中で検査不要領域を除いて検査しなければいけない領域を指定する。その領域をＸ線画像抽出領域として指定する。次いで、Ｓ６に進む。

次いで、Ｓ６においては、ノイズを除去する。具体的には、バイラテラルフィルタによって処理するノイズ除去を挙げることができる。次いで、Ｓ７に進む。

次いで、Ｓ７においては、位置を合わせる。これは、特徴量を抽出する際に、Ｘ線画像から周辺部と比べて急激に輝度差がある領域を取り出すが、輝度差を取り出す方向が大事なので基準画像をあらかじめ用意しておき、検査対象のＸ線画像を基準画像と同じ向き（同じ形）にできるだけ近づけることで欠陥の検出精度があがる。そのために位置合わせを実行している。なお、特に限定されるものではないが、例えば、着目点から見て周り８画素について、どっちの方向に対して輝度の差を取ったときにどれくらいの輝度差（値）があるかを見ればよい。次いで、Ｓ８に進む。

次いで、Ｓ８においては、暗影領域を検出する。具体的には、移動平均フィルタによって処理する前画像と後画像との差分を取る。次いで、Ｓ９に進む。

次いで、Ｓ９においては、欠陥候補領域を抽出する。具体的には、所定の閾値以上の輝度差がある領域を欠陥候補領域とする。次いで、Ｓ１０に進む。なお、欠陥を見逃さないようにするためには、輝度の低下部の全てを抽出する過検出とすることが好ましい。

ここで、Ｓ８及びＳ９を一般的に動的２値化処理という。また、動的２値化処理した画像については、必要に応じて、クロージングやオープニングを行うモフォロジー処理によってノイズ除去をしてもよい。

次いで、Ｓ１０においては、先の領域分割よりも相対的に小さいサイズに領域を細分化する。具体的には、１６ピクセル×１６ピクセル＝約１．６ｍｍ×１．６ｍｍ（又は８ピクセル×８ピクセル＝約０．８ｍｍ×０．８ｍｍ）の複数領域に分割する。次いで、Ｓ１１に進む。

次いで、Ｓ１１においては、特徴量を計算する。具体的には、分割された複数領域における欠陥候補領域について輝度勾配及び勾配方向、周辺の欠陥候補点との相関値といった特徴量（横方向（圧力容器の場合には周方向とすることが好ましい。）の輝度勾配強度、近傍の暗影領域との相関値）を計算する。

ここで、横方向の輝度勾配強度は、Ｘ線画像上の水平方向を横、鉛直方向を縦として横方向における輝度の落ち込み量の絶対値及び落ち込み量の正負（ν１）と定義することができる。

また、近傍の暗影領域との相関値（ν２）は、下記の式（１）で定義することができる。

次いで、Ｓ１２に進む。

次いで、Ｓ１２においては、クラスタリング（分類）する。具体的には、横方向の輝度勾配であるＸ線画像上の横方向における輝度の落ち込み量（ν１）と近傍の暗影領域との相関値（ν２）とで、外部エッジ部、内部エッジ部、隙間部、第１界面部（剥離なし）、第２界面部（剥離なし）、溝部といったグループに分類する。次いで、Ｓ１３に進む。

次いで、Ｓ１３においては、機械学習による判定をする。具体的には、事前に良品検査対象物のＸ線画像から抽出済の良品Ｘ線画像領域に基づいて抽出された欠陥候補領域を細分化したものから図４に示すような境界線（判定基準）を含む良品判定基準を作成しておき、クラスタリングされたデータを当てはめる。なお、ν１が小さく、ν２が薄いグループは、良品領域を構成する。一方、ν１が大きく、ν２が薄いグループと、ν１が小さく、ν２が濃いグループと、ν１が大きく、ν２が濃いグループは、不良品領域を構成する。次いで、Ｓ１４に進む。

更に、Ｓ１４においては、結果を表示する。具体的には、例えば、ディスプレイに結果を示す。次いで、Ｓ１５に進む。

しかる後、Ｓ１５においては、検査員により判定をする。具体的には、例えば、ディスプレイに表示された結果に基づいて良品であると判定する。

なお、上記の例においては、Ｓ６のノイズ除去、Ｓ７の位置合わせ、Ｓ８の暗影領域検出及びＳ９の欠陥候補抽出をＳ５の検査範囲指定の後に実行しているが、Ｓ１の画像読み込みとＳ２の画像一覧表示とは間に実行してもよい。

以上、本発明を若干の実施形態によって説明したが、本発明はこれらに限定されるものではなく、本発明の要旨の範囲内で種々の変形が可能である。

１画像検査システム
１０コンピュータ
１１ＣＰＵ
１２ＨＤＤ
１３ＲＡＭ
１４ＲＯＭ
１５表示装置
１６外部Ｉ／Ｆ
１７通信Ｉ／Ｆ
２１入力部
２２分割部
２３判定部
５０Ｘ線画像取得装置
１００良品検査対象物のＸ線画像
１１０，１２０良品Ｘ線画像領域
２００検査対象物のＸ線画像
２１０，２２０，２３０，２４０，２５０，２６０Ｘ線画像群
２１０，２２０Ｘ線画像抽出領域

Claims

検査対象物のＸ線画像を用いて検査対象物の良品判定をする画像検査システムであって、
良品検査対象物のＸ線画像から抽出済の良品Ｘ線画像領域に基づいて、複数領域に分割された検査対象物のＸ線画像群から抽出されたＸ線画像抽出領域を、複数領域に分割する分割手段と、
上記Ｘ線画像抽出領域における上記複数領域の上記各領域が、上記良品Ｘ線画像領域を複数領域に分割したときの各領域における当該領域と当該領域の近傍領域との間の輝度勾配及び相関値に基づいて作成された良品判定基準を満足するかを判定する判定手段と、を有する
画像検査システム。
検査対象物のＸ線画像を用いて検査対象物の良品判定をする画像検査方法であって、
良品検査対象物のＸ線画像から抽出済の良品Ｘ線画像領域に基づいて、複数領域に分割された検査対象物のＸ線画像群から抽出されたＸ線画像抽出領域を、複数領域に分割する工程と、
上記Ｘ線画像抽出領域における上記複数領域の上記各領域が、上記良品Ｘ線画像領域を複数領域に分割したときの各領域における当該領域と当該領域の近傍領域との間の輝度勾配及び相関値に基づいて作成された良品判定基準を満足するかを判定する工程と、を含む
画像検査方法。
画像検査システムに、良品検査対象物のＸ線画像から抽出済の良品Ｘ線画像領域に基づいて、複数領域に分割された検査対象物のＸ線画像群から抽出されたＸ線画像抽出領域を、複数領域に分割する工程と、該Ｘ線画像抽出領域における該複数領域の該各領域が、該良品Ｘ線画像領域を複数領域に分割したときの各領域における当該領域と当該領域の近傍領域との間の輝度勾配及び相関値に基づいて作成された良品判定基準を満足するかを判定する工程と、を実行させるための画像検査用プログラム。