JP2023090960A - 学習装置、検査装置、学習方法および検査方法 - Google Patents
学習装置、検査装置、学習方法および検査方法 Download PDFInfo
- Publication number
- JP2023090960A JP2023090960A JP2023078363A JP2023078363A JP2023090960A JP 2023090960 A JP2023090960 A JP 2023090960A JP 2023078363 A JP2023078363 A JP 2023078363A JP 2023078363 A JP2023078363 A JP 2023078363A JP 2023090960 A JP2023090960 A JP 2023090960A
- Authority
- JP
- Japan
- Prior art keywords
- physical property
- category
- learning
- property information
- teacher
- 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.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title description 81
- 238000000034 method Methods 0.000 title description 22
- 238000010801 machine learning Methods 0.000 claims abstract description 16
- 230000000704 physical effect Effects 0.000 claims description 122
- 238000012549 training Methods 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000003287 optical effect Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 46
- 230000002950 deficient Effects 0.000 description 31
- 238000004519 manufacturing process Methods 0.000 description 26
- 238000001228 spectrum Methods 0.000 description 21
- 238000003860 storage Methods 0.000 description 18
- 239000010949 copper Substances 0.000 description 17
- 230000007547 defect Effects 0.000 description 13
- 239000012535 impurity Substances 0.000 description 11
- 239000000463 material Substances 0.000 description 11
- 238000000985 reflectance spectrum Methods 0.000 description 9
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000000513 principal component analysis Methods 0.000 description 7
- 239000000126 substance Substances 0.000 description 7
- 229910052802 copper Inorganic materials 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 229910052782 aluminium Inorganic materials 0.000 description 5
- 235000015278 beef Nutrition 0.000 description 5
- 238000001941 electron spectroscopy Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000002023 wood Substances 0.000 description 5
- 229910052709 silver Inorganic materials 0.000 description 4
- 239000004332 silver Substances 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 239000004033 plastic Substances 0.000 description 3
- 229920003023 plastic Polymers 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 238000007792 addition Methods 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- -1 hair Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 206010024796 Logorrhoea Diseases 0.000 description 1
- 238000002441 X-ray diffraction Methods 0.000 description 1
- 238000000333 X-ray scattering Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- FSJWWSXPIWGYKC-UHFFFAOYSA-M silver;silver;sulfanide Chemical compound [SH-].[Ag].[Ag+] FSJWWSXPIWGYKC-UHFFFAOYSA-M 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—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
- G06V10/70—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
- G06V10/7747—Organisation of the process, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
- G01N2021/8845—Multiple wavelengths of illumination or detection
-
- 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
- G01N2021/8854—Grading and classifying of flaws
-
- 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
- G01N21/8851—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
- G01N2021/8887—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 based on image processing techniques
-
- 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
- G01N2021/8887—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 based on image processing techniques
- G01N2021/889—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 based on image processing techniques providing a bare video image, i.e. without visual measurement aids
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
Description
製造工程を経て完成した製品は、通常、所望の品質を有するか否かについて検査を受ける。製品に意図しない不純物が混入しもしくは傷が付いている場合、または試薬などの製品の純度が規定の値に達しておらず所望のグレードに達していない場合、製品は所望の品質に達していないと判断されなければならない。また、野菜または鮮魚などの商食品に対しても、異物の混入および傷の有無、鮮度などについて調査し、所望の品質を有するか否かについての検査が行われる。
[1-1.構成]
図2は、実施の形態1に係る学習システム1の構成を示す図である。学習システム1は、学習装置100とカメラ101と物性情報取得部102とを備える。図3は、実施の形態1における学習装置により実施される学習モデル生成方法を説明するための模式図である。本実施の形態では、教師データを得るための教師サンプル10をカメラ101で撮像して画像データを得るとともに、物性情報取得部102によって教師サンプル10の物性情報を取得する。実施の形態1では物性情報取得部102はハイパースペクトルカメラであり、教師サンプル10の物性情報として反射スペクトル情報を取得する。次に、物性情報に基づいて、画像データに自動的にカテゴリ項目の複数のカテゴリのうちの1つのカテゴリを付与して教師データを作成する。教師データは、画像データと、その画像データに付与されたカテゴリとを含む。このようにして、多数の教師データを自動的に作成することができる。そして、学習装置(コンピュータ)は、多数の教師データを用いて、機械学習用のモデルを学習して学習モデルを生成する。
図5は、ルール情報106の例を説明するための模式図である。教師サンプル10を物性情報取得部102であるハイパースペクトルカメラで測定すると、教師サンプル10上の背景(例えば基板)および不純物(例えば、Cu、Alまたは酸化物)のハイパースペクトルデータが得られる。
図7Aから図9Bは、教師データ107の例を示す模式図である。教師データ107は、カメラ101によって撮像された教師サンプル10の画像(入力画像)と、教師サンプル10に付与されるべきカテゴリとを対応付けたデータである。
図10は、本実施の形態の学習システム1による学習処理の流れを示すフローチャートである。図2および図10を参照して、本実施の形態の学習システム1による学習処理について説明する。
以上のように、本実施の形態において、学習装置100は、教師サンプル10を撮像して画像データを取得するカメラ101と、教師サンプル10の物性情報を取得する物性情報取得部102と、学習モデル110を生成する演算部104と、を備える。演算部104は、物性情報とカテゴリとを関連付けるルール情報106に基づいて、教師サンプル10のカテゴリを特定し、特定したカテゴリと画像データとを関連付けて教師データ107を生成し、教師データ107を用いた機械学習によって、サンプルの画像データの入力に対してサンプルのカテゴリを出力する学習モデル110を生成する。
図12は、実施の形態2に係る学習システム2の構成を示す図である。実施の形態1と異なり、学習システム2は、物性情報取得部102の代わりに物性情報取得部202を備える。物性情報取得部202は表面形状測定部である。本実施の形態では、物性情報は、教師サンプル10の表面の凹凸などの表面形状を示す物理的または光学的情報である。
図15は、実施の形態3に係る学習システム3の構成を示す図である。実施の形態1、2と異なり、学習システム3は、物性情報取得部102、202の代わりに、物性情報取得部302を備える。物性情報取得部302はX線電子分光装置である。
図17は、実施の形態4に係る学習システム4の構成を示す図である。実施の形態1~3と異なり、学習システム4は、物性情報取得部102、202、302の代わりに、高速カメラである物性情報取得部402を備える。本実施の形態では、物性情報は、フレームレートの高い高速カメラである物性情報取得部402によって得られる教師サンプル10の光学的情報である。
図19は、実施の形態5に係る検査システム5の構成を示す図である。検査システム5は、実施の形態1~4の学習システム1~4により生成された学習モデルのうちの1つを用いて検査ライン2000を流れる被検査サンプル20を検査し、例えば被検査サンプル20にカテゴリを付与し、または被検査サンプル20を良品と不良品とに分類する。
図21は、実施の形態6における検査システム6の構成を示す図である。検査システム6は検査装置600を備える。検査装置600は、検査ライン3000において被検査サンプル30の物性情報を取得して教師データ607を生成し、学習モデル610を生成できる。
以上のように、本出願において開示する技術の例示として、実施の形態1~6を説明した。しかしながら、本開示における技術は、これに限定されず、適宜、変更、置き換え、付加、省略などを行った実施の形態にも適用可能である。また、上記実施の形態1~6で説明した各構成要素を組み合わせて、新たな実施の形態とすることも可能である。そこで、以下、他の実施の形態を例示する。
10 教師サンプル
20 被検査サンプル
30 サンプル
100 学習装置
101 カメラ
102 物性情報取得部
103 入力部
104 演算部
105 記憶部
106 ルール情報
107 教師データ
110 学習モデル
202 物性情報取得部
302 物性情報取得部
402 物性情報取得部
500 検査装置
501 カメラ
503 入力部
504 検査部
505 記憶部
506 ルール情報
507 教師データ
508 表示部
510 学習モデル
602 物性情報取得装置
Claims (8)
- 物性情報とカテゴリとに関する情報に基づいて、対象物の画像の画素における前記カテゴリを特定して教師データを生成し、
前記画像の入力に対して前記画素のカテゴリを出力する学習済みモデルを、前記教師データを用いた機械学習によって生成する、
ように構成された演算部を備えた学習装置。 - 前記演算部は、前記対象物の画像の各画素における前記カテゴリを特定して教師データを生成する、
請求項1に記載の学習装置。 - 前記演算部は、前記物性情報と前記カテゴリに関するルール情報に基づいて前記カテゴリを特定して教師データを生成する、
請求項2に記載の学習装置。 - 前記物性情報は、4つ以上の波長域に分光された光に対する前記対象物の光学的情報である、
請求項3に記載の学習装置。 - 前記物性情報は、ハイパースペクトル情報である、
請求項4に記載の学習装置。 - 前記教師データは、セグメンテーション化され、前記各画素のカテゴリが前記画像に対応付けられている、
請求項5に記載の学習装置。 - 物性情報とカテゴリとに関する情報に基づいて、対象物の画像の画素における前記カテゴリを特定して教師データを生成することと、
前記画像の入力に対して前記画素のカテゴリを出力する学習済みモデルを、前記教師データを用いた機械学習によって生成することと、
を含む、学習済みモデルの生成方法。 - コンピュータに、
物性情報とカテゴリとに関する情報に基づいて、対象物の画像の画素における前記カテゴリを特定して教師データを生成することと、
前記画像の入力に対して前記画素のカテゴリを出力する学習済みモデルを、前記教師データを用いた機械学習によって生成することと、
を実行させるためのプログラム。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018105352 | 2018-05-31 | ||
JP2018105352 | 2018-05-31 | ||
PCT/JP2019/018946 WO2019230356A1 (ja) | 2018-05-31 | 2019-05-13 | 学習装置、検査装置、学習方法および検査方法 |
JP2020521830A JP7320704B2 (ja) | 2018-05-31 | 2019-05-13 | 学習装置、検査装置、学習方法および検査方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020521830A Division JP7320704B2 (ja) | 2018-05-31 | 2019-05-13 | 学習装置、検査装置、学習方法および検査方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023090960A true JP2023090960A (ja) | 2023-06-29 |
Family
ID=68697242
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020521830A Active JP7320704B2 (ja) | 2018-05-31 | 2019-05-13 | 学習装置、検査装置、学習方法および検査方法 |
JP2023078363A Pending JP2023090960A (ja) | 2018-05-31 | 2023-05-11 | 学習装置、検査装置、学習方法および検査方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020521830A Active JP7320704B2 (ja) | 2018-05-31 | 2019-05-13 | 学習装置、検査装置、学習方法および検査方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11977033B2 (ja) |
JP (2) | JP7320704B2 (ja) |
WO (1) | WO2019230356A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6858377B1 (ja) * | 2019-12-16 | 2021-04-14 | Assest株式会社 | 魚の品質判別プログラム及びシステム |
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 |
JP7445956B2 (ja) | 2019-12-27 | 2024-03-08 | 有限会社電マーク | 鶏の雛の雌雄鑑別のための情報処理方法並びにシステム及びプログラム並びに鶏の雛の雌雄鑑別方法 |
JP7130267B2 (ja) * | 2020-09-03 | 2022-09-05 | 株式会社リガク | 全反射蛍光x線分析装置及び推定方法 |
JPWO2022075094A1 (ja) * | 2020-10-05 | 2022-04-14 | ||
CN116802481A (zh) * | 2021-02-12 | 2023-09-22 | 松下知识产权经营株式会社 | 光学装置 |
IT202100017702A1 (it) * | 2021-07-05 | 2023-01-05 | Microtec Srl | Apparecchiatura e metodo per eseguire una analisi non distruttiva di una tavola di legno |
CN113706527B (zh) * | 2021-10-27 | 2021-12-21 | 南通宝田包装科技有限公司 | 一种化妆品包装的质量检测方法及*** |
DE102021130143B3 (de) * | 2021-11-18 | 2022-04-28 | Audi Aktiengesellschaft | Verfahren zum Bereitstellen von Lerndaten für ein KI-System und Verarbeitungssystem |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4220595B2 (ja) | 1998-08-10 | 2009-02-04 | 株式会社日立製作所 | 欠陥の分類方法並びに教示用データ作成方法 |
JP3731672B2 (ja) | 2004-02-05 | 2006-01-05 | 秋田県 | パターン抽出装置 |
JP3834041B2 (ja) | 2004-03-31 | 2006-10-18 | オリンパス株式会社 | 学習型分類装置及び学習型分類方法 |
JP4176041B2 (ja) | 2004-04-14 | 2008-11-05 | オリンパス株式会社 | 分類装置及び分類方法 |
JP5075070B2 (ja) | 2008-09-19 | 2012-11-14 | 大日本スクリーン製造株式会社 | 教師データ作成方法、並びに、画像分類方法および画像分類装置 |
JP5246066B2 (ja) * | 2009-06-30 | 2013-07-24 | Jfeスチール株式会社 | カテゴリ判定ルールの作成方法、装置およびコンピュータプログラム |
FR2952216B1 (fr) | 2009-10-29 | 2011-12-30 | Galderma Res & Dev | Procede et dispositif d'analyse d'images hyper-spectrales |
US9996745B2 (en) * | 2012-11-19 | 2018-06-12 | Altria Client Services Llc | Blending of agricultural products via hyperspectral imaging and analysis |
US10062008B2 (en) * | 2013-06-13 | 2018-08-28 | Sicpa Holding Sa | Image based object classification |
KR102634161B1 (ko) | 2015-10-28 | 2024-02-05 | 스펙트랄 엠디, 인크. | 조직 분류를 위한 반사 모드 멀티스펙트럴 시간 분해된 광학 이미징 방법들 및 장치들 |
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 |
JP6910792B2 (ja) | 2016-12-13 | 2021-07-28 | ソニーセミコンダクタソリューションズ株式会社 | データ処理装置、データ処理方法、プログラム、および電子機器 |
US20180232689A1 (en) * | 2017-02-13 | 2018-08-16 | Iceberg Luxembourg S.A.R.L. | Computer Vision Based Food System And Method |
US20220240783A1 (en) * | 2017-03-02 | 2022-08-04 | Spectral Md, Inc. | Machine learning systems and techniques for multispectral amputation site analysis |
-
2019
- 2019-05-13 JP JP2020521830A patent/JP7320704B2/ja active Active
- 2019-05-13 WO PCT/JP2019/018946 patent/WO2019230356A1/ja active Application Filing
- 2019-05-13 US US17/053,107 patent/US11977033B2/en active Active
-
2023
- 2023-05-11 JP JP2023078363A patent/JP2023090960A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
JP7320704B2 (ja) | 2023-08-04 |
JPWO2019230356A1 (ja) | 2021-06-24 |
WO2019230356A1 (ja) | 2019-12-05 |
US11977033B2 (en) | 2024-05-07 |
US20210233232A1 (en) | 2021-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7320704B2 (ja) | 学習装置、検査装置、学習方法および検査方法 | |
Mahendran et al. | Application of computer vision technique on sorting and grading of fruits and vegetables | |
WO2019151393A1 (ja) | 食品検査システム、食品検査プログラム、食品検査方法および食品生産方法 | |
WO2019059011A1 (ja) | 教師データ作成方法及び装置並びに欠陥検査方法及び装置 | |
US8649580B2 (en) | Image processing method, image processing apparatus, and computer-readable recording medium storing image processing program | |
JP2022522348A (ja) | 基板上の膜の検査のための装置及び方法 | |
KR20160032593A (ko) | 초분광영상화 기법을 이용한 글라스(Glass) 결함 검출 방법 및 장치 | |
Salvucci et al. | Fast olive quality assessment through RGB images and advanced convolutional neural network modeling | |
Ettalibi et al. | AI and Computer Vision-based Real-time Quality Control: A Review of Industrial Applications | |
JP6970112B2 (ja) | 概観画像をセグメント化することにより分散オブジェクトを検査するための方法 | |
PP et al. | Automated quality assessment of cocoons using a smart camera based system | |
Saafin et al. | Pre-processing techniques for colour digital pathology image analysis | |
Portalés et al. | An image-based system to preliminary assess the quality of grape harvest batches on arrival at the winery | |
US9519963B2 (en) | Device and method for analysis of coating additive performance | |
US10627351B2 (en) | Inspection of components for imperfections | |
Markovic et al. | Application of statistical indicators for digital image analysis and segmentation in sorting of agriculture products | |
JP2011232302A (ja) | 画像検査方法及び画像検査装置 | |
US20060231779A1 (en) | Exterior inspection apparatus and exterior inspection method | |
EP4010873B1 (en) | Use of an hdr image in a visual inspection process | |
Shelke et al. | Detection of Artificially Ripened Fruits using Machine Learning | |
JP7411155B2 (ja) | 色ムラ検査装置および色ムラ検査方法 | |
JP7423368B2 (ja) | 不良検出装置及び不良検出方法 | |
Menon et al. | Digital grading and sorting of fruits | |
Alie et al. | Quality checking and inspection based on machine vision technique to determine tolerancevalue using single ceramic cup | |
Peng et al. | Maturity analysis of citrus based on machine vision and android mobile platform technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230512 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20231208 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20231218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240305 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240424 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240716 |