JP7016179B2

JP7016179B2 - 検査装置およびプログラム

Info

Publication number: JP7016179B2
Application number: JP2020028236A
Authority: JP
Inventors: 幸寛中川
Original assignee: 株式会社システムスクエア
Priority date: 2020-02-21
Filing date: 2020-02-21
Publication date: 2022-02-04
Anticipated expiration: 2040-02-21
Also published as: JP2021131364A; WO2021166441A1

Description

本発明は、検査対象物に電磁波を照射し、透過量に基づき異物等の検査を行う検査装置に関する。

検査対象物にＸ線、紫外線、可視光線、赤外線、又はマイクロ波などの電磁波を照射し透過量を検出すると、検査対象物内の異物の有無や異物の材質等に起因する透過量の強弱の分布が得られる。この強弱の分布がそれぞれの画素の色調（色彩の明暗・濃淡・強弱などの調子）により表現された二次元画像を生成することで、外観からは知りえない検査対象物内部の状況を可視化することができる。

前述のように透過量の強弱は、検査対象物内の異物の有無や異物の材質等に起因するが、異物と非異物との組み合わせによっては、両者の透過量の差異が非常に小さく、生成された二次元画像からの両者の識別が難しい場合がある。

そのような課題の解決策として、近時、機械学習された学習済モデルを用いる方法が提案されている。例えば、検出したい異物を含む検査対象物の透過量の分布を示す画像等のデータを多数収集し、これを学習用データとして、当該検査対象物に含まれる当該異物を検出するための学習済モデルを機械学習により生成する。この学習済モデルに検査対象物の透過量の分布を示す画像等のデータを入力することで、異物を非異物と区別して精度よく検出することが可能になる。

例えば、複数の物品が重なり合っている状態の商品のＸ線検査画像を学習画像として用いる機械学習を実行し、これにより得られた特徴量を用いて商品をＸ線検査することで、互いに重なり合うことがある複数の物品を含む商品の検査精度の低下を抑制可能とする検査装置が特許文献１に開示されている。

また、検査装置で収集した学習用データを、別のコンピュータ装置に機械学習させて得られた学習済モデルを、再度検査装置に適用して検査を行う方法も提案されている。

特許第６５３７００８号公報

新しく得た学習用データを用いて再学習を繰り返すことにより判定の精度を改善された新たな学習済モデルを検査装置に反映させる場合、これまでは検査装置による検査を停止して、学習済モデルの入替作業を行う必要があった。検査装置による検査を停止している間は検査が実行できず、当該検査装置が導入されている生産ラインの生産性が低下してしまう。また、例えばＸ線検査装置におけるＸ線源は、起動から暫くの間は出力するＸ線の強度が安定しないため、検査装置を停止して学習済モデルの変更・入れ替えが済んだとしても、すぐに検査を再開することができず、生産ラインの生産性がより低下してしまう場合がある。

本発明は上記の課題に鑑みてなされたものであり、検査対象物の検査を行うための学習済モデルを効率よく入れ替えることができる検査装置を提供することを目的とする。

本発明の検査装置は、検査対象物を搬送する搬送部と、搬送部が搬送する検査対象物の画像を順次生成する画像生成部と、機械学習により生成された、検査対象物の画像から検査対象物の異常を検出するための学習済モデルを少なくとも１つ記憶する記憶部と、画像生成部が生成した画像に対し、学習済モデルを用いて検査対象物における異常を検出するＡＩ検査を実行する異常検出部と、記憶部に記憶されている学習済モデルのうち、異常検出部による検査に用いられていない学習済モデルを、新たな学習済モデルで上書きすることにより学習済モデルの入れ替えを行う学習済モデル入替部とを備える

本発明では、記憶部は１つの学習済モデルのみを記憶してもよい。この場合、異常検出部は、学習済モデルを用いるＡＩ検査に加え、学習済モデルを用いない非ＡＩ検査を実施可能に構成するとよい。そして、学習済モデル入替部が学習済モデルを入れ替える際に、異常検出部は、ＡＩ検査を無効としつつ、非ＡＩ検査を継続して実施するとよい。

本発明では、記憶部は、２つ以上の学習済モデルを記憶可能に構成されてもよい。この場合、異常検出部は、２つ以上の学習済モデルのうちの選択された１つをＡＩ検査に用いるとよく、学習済モデル入替部は、２つ以上の学習済モデルのうちＡＩ検査に用いられていないものを新たな学習済モデルで上書きすることにより学習済モデルの入れ替えを行うとよい。

本発明では、検査装置は、搬送部により搬送される検査対象物に対し、電磁波を照射する電磁波照射部と、電磁波照射部が照射した電磁波の透過量を検出する透過量検出部とをさらに備えるとよい。そして、画像生成部は、透過量検出部が検出した電磁波の透過量に基づいて画像を生成し、学習済モデル入替部は、電磁波照射部が電磁波を照射しているか否かに関わらず、学習済モデルの入れ替えを行うことを可能とするとよい。

本発明の他の形態に係るプログラムは、検査対象物を搬送する搬送部と、搬送部が搬送する検査対象物の画像を順次生成する画像生成部と、機械学習により生成された、検査対象物の画像から検査対象物の異常を検出するための学習済モデルを少なくとも１つ記憶する記憶部と、画像生成部が生成した画像に対し、学習済モデルを用いて検査対象物における異常を検出するＡＩ検査を実行する異常検出部と、を備える検査装置における、記憶部に記憶された学習済モデルを入れ替える処理をコンピュータに実行させるプログラムである。当該プログラムは、記憶部に記憶されている学習済モデルのうち、異常検出部による検査に用いられていない学習済モデルを、新たな学習済モデルで上書きすることにより学習済モデルの入れ替えを行う。

本発明では、検査装置において、記憶部は１つの学習済モデルのみを記憶し、異常検出部は、学習済モデルを用いるＡＩ検査に加え、学習済モデルを用いない非ＡＩ検査を実施可能に構成するとよい。そして異常検出部によるＡＩ検査を無効とさせつつ、非ＡＩ検査を継続して実施させながら学習済モデルを入れ替えるとよい。

あるいは、検査装置において、記憶部は、２つ以上の学習済モデルを記憶可能に構成され、異常検出部は、２つ以上の学習済モデルのうちの選択された１つをＡＩ検査に用いてもよい。そして、２つ以上の学習済モデルのうちＡＩ検査に用いられていないものを新たな学習済モデルで上書きすることにより学習済モデルの入れ替えを行うとよい。

検査装置１００の構成を示すブロック図である。検査部１１０の構成の一例を、記憶部１３０とともに示す図である。第１実施形態における学習済モデルの入れ替えの手順を示すフローチャートである。第２実施形態における学習済モデルの入れ替えの手順を示すフローチャートである。

以下、本発明の実施形態を図面に基づいて説明する。なお、以下の説明では、同一の部材には同一の符号を付し、一度説明した部材については適宜その説明を省略する。

〔第１実施形態〕
図１は、本発明の第１実施形態における検査装置１００の機能構成例を示している。検査装置１００は、検査部１１０、制御部１２０、記憶部１３０、表示部１４０、入力部１５０、及び通信部１６０を備える。

検査部１１０は、電磁波照射部１１１、搬送部１１２、透過量検出部１１３、画像生成部１１４及び異常検出部１１５を備える。図２に検査部１１０の物理的構成例を示す。

電磁波照射部１１１は、搬送部１１２に載置されて図２におけるＹ軸方向に搬送される検査対象物Ｗに、Ｘ線、紫外線、可視光線、赤外線などの電磁波を照射する、所定の電磁波照射源である。

搬送部１１２は、３次元直交座標系においてＸＹ平面をなす搬送面に載置された検査対象物Ｗを、Ｙ軸方向に所定の速度で搬送する任意の搬送機構である。搬送部１１２は、検査対象物Ｗを透過した電磁波が極力減衰せずに透過量検出部１１３に届くよう、電磁波の透過性が高いものであることが望ましい。

透過量検出部１１３は、検査対象物Ｗを透過した電磁波の透過量を検出し出力する。透過量検出部１１３の構成方法は任意であり、例えば、Ｘ軸方向に並べられた複数の検出素子からなるラインセンサとして構成してもよい。あるいは、透過量検出部１１３は、複数の検出素子がＸ軸方向及びＹ軸方向にマトリクス状に並べられたエリアセンサとして構成してもよい。

画像生成部１１４は、透過量検出部１１３が出力する電磁波の透過量の情報に基づいて、検査対象物Ｗ全体についての透過量の分布を可視化した画像を生成する。そして、画像生成部１１４は、生成した画像を記憶部１３０に格納する。例えば透過量検出部１１３がラインセンサである場合、画像生成部１１４は、透過量検出部１１３が周期的に出力するＸ軸方向における透過量の分布に応じて、Ｘ軸方向に並ぶ画素の色調（色彩の明暗・濃淡・強弱などの調子）を決定し、このＸ軸方向に並ぶ画素列を時系列に沿ってＹ軸方向に並べることで、透過量検出部１１３上を通過した検査対象物Ｗ全体についての透過量の分布を得る。画像生成部１１４は、画素の輝度や色彩を当該画素に対応する位置の透過量に応じて決定し、透過量の分布を可視化した画像とする。

異常検出部１１５は、画像生成部１１４が生成し記憶部１３０に格納された画像に基づき検査対象物Ｗにおける所定の異常を検出する。所定の異常としては、例えば、検査対象物Ｗが包装物である場合における、内部の異物の存在や内容物の形状の異常や内容物のシール部への噛み込み等のほか、検査対象物Ｗ自体の形状の異常や割れ・欠け等が挙げられる。

本実施形態の異常検出部１１５は、学習済モデルＭを用いた検査（以下、ＡＩ検査という）を行うＡＩ検査部１１６と、ＡＩ検査以外の検査を行う非ＡＩ検査部１１７とを備える。非ＡＩ検査部１１７が実施するＡＩ検査以外の検査の例としては、機械学習を用いずに画像処理、判定閾値等の諸条件をユーザが定義して行う検査が挙げられる。

ＡＩ検査部１１６が実行するＡＩ検査で用いられる学習済モデルＭは、記憶部１３０に格納されている。学習済モデルＭは、予め学習データを用いて、異常がある検査対象物Ｗの画像が入力されると異常有り（ＮＧ）、異常がない検査対象物Ｗの画像が入力されると異常なし（ＯＫ）と判定されるように学習を実行することにより生成される。ＡＩ検査部１１６における異常の有無の判定は、例えば、学習済モデルＭへの画像入力により、異常がある可能性を示す推論値が出力されるようにし、出力された推論値と所定の閾値との対比により行ってもよい。より具体的には例えば、異常がある可能性が極めて低い場合を０、異常がある可能性が極めて高い場合を１とした０～１の範囲で推論値を定義し、出力された推論値が一定の値（例えば０．６）以上である場合に異常があると判定してもよい。

異常検出部１１５は、画像生成部１１４で生成された検査対象物Ｗの画像をＡＩ検査部１１６及び非ＡＩ検査部１１７に入力することにより、検査対象物Ｗにおける所定の異常を検出する。ＡＩ検査部１１６及び非ＡＩ検査部１１７は、それぞれ個別に検査対象物Ｗの異常を検出し、ＡＩ検査部１１６及び非ＡＩ検査部１１７の少なくとも一方が異常を検出した場合、異常検出部１１５は検査対象物Ｗに異常があると判定する。

異常検出部１１５は、単体の機能部としてハードウェアとして実現してもよいし、上記の機能が記述されたプログラムを記憶部１３０に予め記憶させておき、これを制御部１２０が実行されることにより実現してもよい。

制御部１２０は、ＣＰＵ（Central Processing Unit）等により実現される。制御部１２０は、検査装置１００を動作させるための各種プログラムを記憶部１３０から読み出して実行する。

記憶部１３０は、例えば、ＨＤＤ、フラッシュメモリ等の記憶媒体、不揮発性メモリ、揮発性メモリ等、あるいはこれらの組み合わせにより実現される。なお、記憶部１３０は、その一部又は全部を、検査装置１００に設けた通信部を介して接続されたクラウドストレージなどにより検査装置１００の外部に設けてもよい。

記憶部１３０は、画像生成部１１４が生成した画像を蓄積する。また、記憶部１３０は、制御部１２０が実行するプログラム、および当該プログラムで用いる各種データを記憶する。記憶部１３０は、例えば、検査部１１０の各構成要素（電磁波照射部１１１、搬送部１１２、透過量検出部１１３等）を制御する制御プログラム、ＡＩ検査部１１６でのＡＩ検査で用いられる学習済モデルＭ、非ＡＩ検査部１１７での非ＡＩ検査を規定する検査プログラム、学習済モデルＭの入れ替え時の制御を規定する学習済モデル入替プログラム等を記憶する。なお、本実施形態では、記憶部１３０は、学習済モデルＭを１つだけ記憶し、ＡＩ検査部１１６は記憶部１３０が唯一記憶する学習済モデルＭをＡＩ検査に適用する。制御部１２０が学習済モデル入替プログラムを実行することにより学習済モデル入替部１２２が実現される。

表示部１４０は、制御部１２０の制御により、検査装置１００における各種指示入力のための入力インタフェース、検査状況、異物検出結果などを表示する表示手段である。表示部１４０は、検査装置１００の本体に内蔵されていてもよいし、外付けされていてもよい。

入力部１５０は、装置利用者が必要に応じ情報の入力をするポインティングデバイス、キーボードなどの入力手段である。表示部１４０にタッチパネルディスプレイを採用し、これを入力部１５０としてもよい。

通信部１６０は、外部のコンピュータ、クラウドストレージ、サーバ等と通信を行う通信インタフェースである。通信部１６０の通信方法は、無線通信及び有線通信のいずれであってもよい。

続いて、以上の構成を備える検査装置１００の起動後の動作を説明する。

検査装置１００が起動されると、起動時に自動実行される起動プログラムが記憶部１３０から読み出されて制御部１２０で実行され、検査装置１００の選択可能な操作メニューを含んだ入力インタフェース画面が表示部１４０に表示される。

入力インタフェース画面には、例えば、検査条件の設定、検査実行、学習済モデルの入れ替え、等のメニューが表示される。ユーザは入力部１５０を操作してメニュー項目の選択等の操作を行う。

検査条件の設定メニューでは、検査の実行に先立ち検査の諸条件（例えば、電磁波の強度、搬送速度、画像サイズ、非ＡＩ検査の諸条件等）を、ユーザが設定する操作インタフェースが提供される。

検査実行メニューでは、電磁波照射のオン／オフ、検査の開始／停止等をユーザが設定する操作インタフェースが提供される。検査装置１００での検査は、この検査実行メニューにおいて、電磁波照射をオンにし、検査の開始を指示することで開始される。検査が開始されると、検査部１１０は、搬送部１１２により検査対象物Ｗを搬送しつつ透過量検出部１１３及び画像生成部１１４により検査対象物Ｗの電磁波透過画像を順次生成する。そして、非ＡＩ検査部１１７は、生成された画像に対してＡＩ検査部１１６によるＡＩ検査と非ＡＩ検査部１１７による非ＡＩ検査を適用して、検査対象物Ｗにおける以上の有無を判定する。検査対象物Ｗに異常が見つかると、当該検査対象物は搬送部１１２の下流に設けられる選別機により排除される。

学習済モデルの入れ替えメニューでは、学習済モデル入替プログラムを実行するための操作インタフェースが提供される。本実施形態では、制御部１２０が学習済モデル入替プログラムを実行することにより実現される学習済モデル入替部１２２は、電磁波を照射中か否か及び検査実行中か否かに関わらず、記憶部１３０に記憶されている学習済モデルＭを入れ替えられるように、以下で説明する制御を行う。

図３は、第１実施形態における学習済モデルの入れ替えの手順を示すフローチャートである。はじめに、学習済モデル入替部１２２は、ユーザによる新たな学習済モデルＭの選択を受け付ける（ステップＳ１０）。このとき、学習済モデル入替部１２２は、通信部１６０を介して外部のコンピュータやクラウドストレージの記憶手段にアクセスし、当該記憶手段に格納されている学習済モデルＭのリストを取得して選択可能にユーザに提示し、ユーザによる選択を受け付けるとよい。続いて、検査実行中か否かを判定（ステップＳ２０）。検査実行中で無い場合（ステップＳ２０；Ｎｏ）、処理をステップＳ４０に移す。
一方、検査実行中である場合（ステップＳ２０；Ｙｅｓ）、ＡＩ検査部１１６によるＡＩ検査を無効化し（ステップＳ３０）、処理をステップＳ４０に移す。ＡＩ検査が無効化されている間も検査部１１０は検査対象物Ｗの検査を継続するが、この間、異常検出部１１５は、非ＡＩ検査部１１７での非ＡＩ検査のみにより検査対象物Ｗの異常を判定する。

続いて、学習済モデル入替部１２２は、記憶部１３０に格納されている学習済モデルＭを、ステップＳ１０で選択された新たな学習済モデルＭで上書きする（ステップＳ４０）。そして、検査実行中である場合には（ステップＳ５０；Ｙｅｓ）、ＡＩ検査を有効化し（ステップＳ６０）新たな学習済モデルＭを用いたＡＩ検査を以後の検査に適用し、処理を終了する。一方、検査実行中で無い場合には（ステップＳ５０；Ｎｏ）、そのまま処理を終了する。

本実施形態に係る検査装置１００では、以上で説明した学習済モデル入替部１２２による制御により、電磁波の照射や実施中の検査を止めることなく、学習済モデルを入れ替えることができる。電磁波としてＸ線を用いるＸ線検査装置のように、電磁波照射を開始してから電磁波源の出力が安定するまでに時間を要する検査装置においては、学習済モデルを短時間で入れ替えられたとしても、いったん電磁波の照射を停止すると検査再開には学習済モデルＭの入れ替え時間以上の時間がかかってしまうが、本実施形態の構成によれば、このような不都合を回避することができる。

〔第２実施形態〕
本発明の第２実施形態における検査装置１００Ａは、記憶部１３０が学習済モデルＭを複数格納できる点、および記憶部１３０に記憶されている学習済モデルＭを入れ替えるための学習済モデル入替部１２２による制御等が第１実施形態における検査装置１００と異なっている。以下では、第１実施形態における検査装置１００と共通である部分については説明を省略し、第１実施形態と異なる部分について詳述する。

本実施形態における検査装置１００Ａは、図１に示された第１実施形態における検査装置１００と同様、検査部１１０、制御部１２０、記憶部１３０、表示部１４０、入力部１５０、及び通信部１６０を備える。

記憶部１３０は、複数の学習済モデルＭを記憶できるように構成される。複数の学習済モデルＭのうち何れをＡＩ検査部１１６でのＡＩ検査に用いるかは、検査条件の設定メニューで設定可能とされる。

また、ＡＩ検査部１１６は、検査対象物Ｗの検査を連続的に実施している最中に、検査に用いている学習済モデルＭを、記憶部１３０に記憶されている別の学習済モデルＭに変更可能に構成するとよい。例えば、ＡＩ検査部１１６は、学習済モデルの記憶部１３０における格納場所を示すポインタにより、検査に用いる学習済モデルＭを特定するように構成し、制御部１２０による制御により当該ポインタを書き換えることにより検査に用いる学習済モデルＭを瞬時に切り替えられるようにするとよい。

本実施形態では、制御部１２０が学習済モデル入替プログラムを実行することにより実現される学習済モデル入替部１２２は、電磁波を照射中か否か及び検査実行中か否かに関わらず、記憶部１３０に記憶されている学習済モデルＭを入れ替えられるように、以下で説明する制御を行う。

図４は、第２実施形態における学習済モデルの入れ替えの手順を示すフローチャートである。はじめに、学習済モデル入替部１２２は、ユーザによる新たな学習済モデルＭの選択を受け付ける（ステップＳ１１０）。このとき、学習済モデル入替部１２２は、通信部１６０を介して外部のコンピュータやクラウドストレージの記憶手段にアクセスし、当該記憶手段に格納されている学習済モデルＭのリストを取得して選択可能にユーザに提示し、ユーザによる選択を受け付けるとよい。続いて、学習済モデル入替部１２２は、記憶部１３０に記憶されている学習済モデルＭのうちＡＩ検査に用いるものとして設定されていないものを入替対象モデルとして特定する（ステップＳ１２０）。このとき、ＡＩ検査に用いるものとして設定されていない学習済モデルＭが２つ以上ある場合に、いずれを入替対象モデルにするかをユーザが選択できるようにしてもよい。続いて、学習済モデル入替部１２２は、ステップＳ１２０で特定された入替対象モデルを、ステップＳ１１０で選択された新たな学習済モデルで上書きして（ステップＳ１３０）、処理を終了する。以上で説明した学習済モデルの入れ替えの処理が行われる際に、検査が実行中である場合、検査部１１０は、検査対象物Ｗの適用中の学習済モデルＭによるＡＩ検査も含む全ての検査を継続する。

本実施形態に係る検査装置１００では、以上で説明した学習済モデル入替部１２２による制御により、電磁波の照射や実施中の検査を止めることなく、学習済モデルＭを入れ替えることができる。電磁波としてＸ線を用いるＸ線検査装置のように、電磁波照射を開始してから電磁波源の出力が安定するまでに時間を要する検査装置においては、学習済モデルＭを短時間で入れ替えられたとしても、いったん電磁波の照射を停止すると検査再開には単に学習済モデルＭの入れ替え時間以上の時間がかかってしまうが、本実施形態の構成によれば、このような不都合を回避することができる。また上記の処理ではＡＩ検査部１１６によるＡＩ検査で用いる学習済モデルＭは入れ替えの対象にはならないため、入れ替え処理が行われている間も、ＡＩ検査を含めた検査を、実施することができる。

なお、上記に本実施形態を説明したが、本発明はこれらの例に限定されるものではない。例えば、上記の各実施形態では、検査装置１００の表示部１４０に表示される入力インタフェース画面と入力部１５０とにより、学習済モデル入替プログラムを実行させる操作を実施したが、外部のコンピュータからの操作を通信部１６０を介して受け付けて、学習済モデル入替プログラムを実行するように構成してもよい。

また、前述の各実施形態に対して、当業者が適宜、構成要素の追加、削除、設計変更を行ったものや、各実施形態の特徴を適宜組み合わせたものも、本発明の要旨を備えている限り、本発明の範囲に含有される。

１００検査装置
１１０検査部
１１１電磁波照射部
１１２搬送部
１１３透過量検出部
１１４画像生成部
１１５異常検出部
１１６ＡＩ検査部
１１７非ＡＩ検査部
１２０制御部
１２２学習済モデル入替部
１３０記憶部
１４０表示部
１５０入力部
１６０通信部
Ｗ検査対象物

Claims

検査対象物を搬送する搬送部と、
前記搬送部が搬送する前記検査対象物の画像を順次生成する画像生成部と、
機械学習により生成された、検査対象物の画像から前記検査対象物の異常を検出するための学習済モデルを記憶する記憶部と、
前記画像生成部が生成した前記画像に対し、前記学習済モデルを用いて前記検査対象物における異常を検出するＡＩ検査を実行する異常検出部と、
前記学習済モデルを、新たな学習済モデルで上書きすることにより学習済モデルの入れ替えを行う学習済モデル入替部と
を備え、
前記異常検出部は、前記学習済モデルを用いるＡＩ検査に加え、前記学習済モデルを用いない非ＡＩ検査を実施可能に構成され、前記学習済モデル入替部が前記学習済モデルを入れ替える際に、前記ＡＩ検査を無効としつつ、検査を前記非ＡＩ検査により継続して実施することを特徴とする検査装置。
検査対象物を搬送する搬送部と、
前記搬送部が搬送する前記検査対象物の画像を順次生成する画像生成部と、
機械学習により生成された、検査対象物の画像から前記検査対象物の異常を検出するための学習済モデルを２つ以上記憶する記憶部と、
前記画像生成部が生成した前記画像に対し、前記記憶部に記憶されている学習済モデルのうち選択された１つを用いて前記検査対象物における異常を検出するＡＩ検査を実行する異常検出部と、
前記記憶部に記憶されている学習済モデルのうち、前記異常検出部による検査に用いられていない少なくとも１つの学習済モデルを、新たな学習済モデルで上書きすることにより学習済モデルの入れ替えを行う学習済モデル入替部と
を備えることを特徴とする検査装置。
前記搬送部により搬送される前記検査対象物に対し、電磁波を照射する電磁波照射部と、
前記電磁波照射部が照射した電磁波の透過量を検出する透過量検出部と
をさらに備え、
前記画像生成部は、前記透過量検出部が検出した電磁波の透過量に基づいて画像を生成し、
前記学習済モデル入替部は、前記電磁波照射部が前記電磁波を照射しているか否かに関わらず、前記学習済モデルの入れ替えを行うことが可能とされることを特徴とする請求項１又は２に記載の検査装置。
検査対象物を搬送する搬送部と、
前記搬送部が搬送する前記検査対象物の画像を順次生成する画像生成部と、
機械学習により生成された、検査対象物の画像から前記検査対象物の異常を検出するための学習済モデルを記憶する記憶部と、
前記画像生成部が生成した前記画像に対し、前記学習済モデルを用いて前記検査対象物における異常を検出するＡＩ検査を実行する異常検出部と、
を備え、前記異常検出部が、前記学習済モデルを用いるＡＩ検査に加え、前記学習済モデルを用いない非ＡＩ検査を実施可能に構成された検査装置における、前記記憶部に記憶された前記学習済モデルを入れ替える処理をコンピュータに実行させるプログラムであって、
前記異常検出部による前記ＡＩ検査を無効とさせつつ、検査を前記非ＡＩ検査により継続して実施させながら、前記学習済モデルを新たな学習済モデルで上書きすることにより学習済モデルの入れ替えを行うプログラム。
検査対象物を搬送する搬送部と、
前記搬送部が搬送する前記検査対象物の画像を順次生成する画像生成部と、
機械学習により生成された、検査対象物の画像から前記検査対象物の異常を検出するための学習済モデルを２つ以上記憶する記憶部と、
前記画像生成部が生成した前記画像に対し、前記記憶部に記憶されている学習済モデルのうち選択された１つを用いて前記検査対象物における異常を検出するＡＩ検査を実行する異常検出部と、
を備える検査装置における、前記記憶部に記憶された前記学習済モデルを入れ替える処理をコンピュータに実行させるプログラムであって、
前記記憶部に記憶されている学習済モデルのうち、前記異常検出部による検査に用いられていない少なくとも１つの学習済モデルを、新たな学習済モデルで上書きすることにより学習済モデルの入れ替えを行うプログラム。