JP7110349B2 - 機械学習モデルの生成装置、方法、プログラム、検査装置及び検査方法、並びに印刷装置 - Google Patents
機械学習モデルの生成装置、方法、プログラム、検査装置及び検査方法、並びに印刷装置 Download PDFInfo
- Publication number
- JP7110349B2 JP7110349B2 JP2020532262A JP2020532262A JP7110349B2 JP 7110349 B2 JP7110349 B2 JP 7110349B2 JP 2020532262 A JP2020532262 A JP 2020532262A JP 2020532262 A JP2020532262 A JP 2020532262A JP 7110349 B2 JP7110349 B2 JP 7110349B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- data
- printed
- inspection
- machine learning
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
- B41J2/015—Ink jet characterised by the jet generation process
- B41J2/04—Ink jet characterised by the jet generation process generating single droplets or particles on demand
- B41J2/045—Ink jet characterised by the jet generation process generating single droplets or particles on demand by pressure, e.g. electromechanical transducers
- B41J2/04501—Control methods or devices therefor, e.g. driver circuits, control circuits
- B41J2/0451—Control methods or devices therefor, e.g. driver circuits, control circuits for detecting failure, e.g. clogging, malfunctioning actuator
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
- B41J2/21—Ink jet for multi-colour printing
- B41J2/2132—Print quality control characterised by dot disposition, e.g. for reducing white stripes or banding
- B41J2/2142—Detection of malfunctioning nozzles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
- B41J2/21—Ink jet for multi-colour printing
- B41J2/2132—Print quality control characterised by dot disposition, e.g. for reducing white stripes or banding
- B41J2/2146—Print quality control characterised by dot disposition, e.g. for reducing white stripes or banding for line print heads
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J29/00—Details of, or accessories for, typewriters or selective printing mechanisms not otherwise provided for
- B41J29/38—Drives, motors, controls or automatic cut-off devices for the entire printing mechanism
- B41J29/393—Devices for controlling or analysing the entire machine ; Controlling or analysing mechanical parameters involving printing of test patterns
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
- H04N1/00026—Methods therefor
- H04N1/00037—Detecting, i.e. determining the occurrence of a predetermined state
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
- H04N1/00026—Methods therefor
- H04N1/00045—Methods therefor using a reference pattern designed for the purpose, e.g. a test chart
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30144—Printing quality
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Accessory Devices And Overall Control Thereof (AREA)
Description
印刷物の検査は、検査対象の印刷物を撮像装置で読み取って検査データを取得し、検査データを検査の基準となる基準データと比較して行う。本明細書では、この比較の処理を正解データ比較方式と元データ比較方式とに分類する。
近年では機械学習の技術が大きく進歩しており、良質で膨大な学習データが存在する条件下では、人間が設計した特徴量を用いたパターン認識に比べ、深層学習等の最新の機械学習によるパターン認識の方が優れた性能を得られることがわかっている。
第1の実施形態に係る機械学習モデルの生成システムは、印刷物が撮像された撮像画像を元に取得された検査データと、印刷デジタルデータを元に取得された基準データとを、機械学習モデルで比較して印刷物の欠陥を検出するための機械学習モデルを生成する。
図1は、機械学習モデルの生成システムの構成を示すブロック図である。また、図2は、機械学習モデルの生成過程を示すフロー図である。
印刷物の欠陥の有無を示す2値の離散値とする。例えば、欠陥がない場合(欠陥が非存在の場合)を0、欠陥がある場合を1と定義し、機械学習で分類させるデータとして用いる。
欠陥の種類情報を示す3値の離散値とする。例えば、欠陥がない場合を0、スジ状の欠陥がある場合を1、ポツ状(点状、斑点状、ドット状ともいう)の欠陥がある場合を2と定義する。欠陥の種類をさらに増やしてもよい。
欠陥の強度を連続値で定義し、欠陥がない場合を0、欠陥がある場合は欠陥強度が大きいほど、即ち欠陥が視認しやすいほど大きい数とする。例えば0~10の連続値で定義する。この場合、機械学習モデルは回帰を行う。
印刷物の欠陥の位置情報を含む情報とする。例えば、位置座標を数値化したデータで定義する。又は、非欠陥位置を0、欠陥位置を1とした画像情報として定義する。
例えば、非欠陥位置を0、欠陥位置には連続値又は離散値の欠陥の強度値を設定した画像情報として定義する。
例えば、非欠陥位置を0、欠陥位置に欠陥の種類情報を設定した画像情報として定義する。
例えば、第1チャネルにスジ状の欠陥の強度情報及び位置情報を設定した画像を定義し、第2チャネルにポツ状の欠陥の強度情報及び位置情報を設定した画像を定義する。
図3は、印刷物検査装置の構成を示すブロック図である。また、図4は、機械学習モデルの使用過程を示すフロー図である。
第1の実施形態では、欠陥のない学習用検査データD2として、欠陥のない印刷物を不図示の撮像装置で撮像した撮像画像を元にするデータを使用したが、第1の学習用基準データD1を流用してもよい。これは、第1の学習用基準データD1が欠陥のない印刷物の撮像に基づいて生成されたものであるからである。
図5は、機械学習モデルの生成システムの構成を示すブロック図である。また、図6は、機械学習モデルの生成過程を示すフロー図である。尚、図1及び図2と共通する部分には同一の符号を付し、その詳細な説明は省略する。
〔比較処理(正解データ比較方式)における官能値の利用〕
印刷における欠陥は必ずしも物理量としての欠陥の有無だけでは規定できない。例えば、シングルパス方式のインクジェット印刷装置では、各ノズルの吐出曲がりにより印刷物にスジ状の欠陥が発生することがあるが、吐出曲がりの曲がり量に応じてスジの視認性が変化する。曲がり量が小さければ、微視的にはスジがあったとしても人間の目視ではスジは視認できない。一方、曲がり量が大きい場合は、人間の目視でも鋭くスジと認識される。吐出曲がりの曲がり量が皆無のノズルというものはほぼ存在しないため、視認性の度合いで欠陥かどうかを判断することが重要である。
〔学習用欠陥情報の効率的な収集方法〕
第1の学習用基準データD1及び学習用検査データD2は、共に第2の学習用基準データD4の取得元である学習用印刷デジタルデータを印刷装置に入力し、出力された印刷物を撮像装置で撮像した撮像画像を元に生成される。しかしながら、この場合、学習用検査データD2に欠陥が発生するか否かにランダム性が伴うため、データ収集効率が極めて悪い。
図9は、学習用情報生成装置を有する印刷装置の構成を示すブロック図である。図1と共通する部分には同一の符号を付し、その詳細な説明は省略する。図10は、学習用欠陥情報の収集を示すフロー図である。
例えば、印刷部88がシアン(C)、マゼンタ(M)、イエロー(Y)、及びブラック(K)のインクを吐出して印刷を行うものであり、印刷デジタルデータがCMYKの4チャネルの多値のデジタル画像であり、各チャネルの画素値がその色のインクの吐出量を表す信号である場合を例に説明する。
〔機械学習モデルを生成する印刷装置〕
印刷装置では、記録媒体として様々な用紙銘柄が使用される。また、用紙銘柄によって印字される印刷画像の特性が変化する。例えば、インクジェット印刷装置の場合、用紙によってインクの浸透性が異なり再現濃度が変化したり、紙面のインクドットサイズが変化し、画像構造に影響を及ぼしたりする。
図11は、機械学習モデルの生成を行う印刷装置の構成を示すブロック図である。また、図12は、機械学習モデルの生成を示すフロー図である。
印刷装置92は、出荷する印刷物のための印刷デジタルデータが未加工の印刷デジタルデータD13として未加工印刷デジタルデータ記憶部82に記憶されている。印刷部88は、未加工の印刷デジタルデータD13の印刷を行う。また、撮像部90は、この印刷物の撮像を行い、検査データD6として検査データ記憶部52に記憶させる。
印刷装置92を適用したインクジェット印刷装置について説明する。
図13は、インクジェット印刷装置100の全体の概略構成を示す全体構成図である。図13に示すように、インクジェット印刷装置100は、印刷媒体である枚葉の用紙Pにシアン(C)、マゼンタ(M)、イエロー(Y)、及びブラック(K)の4色のインクを吐出してカラー画像を印刷する印刷機である。
搬送部110は、不図示の給紙部から給紙された用紙Pを搬送方向(Y方向)に搬送する。搬送部110は、上流側プーリ112、下流側プーリ114、及び搬送ベルト116を備えている。
印刷部120は、用紙Pに画像を形成(印刷)する。印刷部120は、インクジェットヘッド122C、122M、122Y、及び122Kを備えている。インクジェットヘッド122Cは、シアンのインク滴をインクジェット方式で吐出する。同様に、インクジェットヘッド122M、122Y、及び122Kは、それぞれマゼンタ、イエロー、及びブラックのインク滴をインクジェット方式で吐出する。
撮像部130は、撮像部90と共通であってもよい。撮像部130は、用紙Pの印刷面の画像を取得する。撮像部130は、用紙Pの搬送方向に対して印刷部120の下流側に配置される。撮像部130は、スキャナ132を備えている。
乾燥部140は、用紙Pのインクを乾燥させる。乾燥部140は、用紙Pの搬送方向に対して撮像部130の下流側に配置される。
選別部150は、搬送ベルト116によって搬送される用紙Pに関する良否判定に応じて、印刷物を選別する。選別部150は、用紙Pの搬送方向に対して乾燥部140の下流側に配置される。選別部150は、スタンパ152を備えている。
排紙部160は、画像が形成され、乾燥された用紙P(印刷物)を回収する。排紙部160は、用紙Pの搬送方向に対して選別部150の下流側であって、搬送部110の搬送経路の終点に配置される。排紙部160は、排紙台162を備えている。
図14は、インクジェット印刷装置100の内部構成を示すブロック図である。インクジェット印刷装置100は、前述の学習用情報生成装置20、モデル生成装置40、印刷物検査装置50、搬送部110、印刷部120、撮像部130、乾燥部140、選別部150、及び排紙部160の他、ユーザインターフェース170、記憶部172、統括制御部174、搬送制御部176、印刷制御部178、撮像制御部180、乾燥制御部182、選別制御部184、及び排紙制御部186を備えている。
上記の機械学習モデルの生成方法及び検査方法は、各工程をコンピュータに実現させるためのプログラムとして構成し、このプログラムを記憶したCD-ROM(Compact Disk-Read Only Memory)等の非一時的な記録媒体を構成することも可能である。
20…学習用情報生成装置
22…第1の学習用基準データ記憶部
24…学習用検査データ記憶部
26…比較処理部
28…学習用欠陥情報記憶部
30…第2の学習用基準データ記憶部
40…モデル生成装置
42…情報取得部
44…モデル生成部
46…モデル記憶部
50…印刷物検査装置
52…検査データ記憶部
54…基準データ記憶部
56…モデル記憶部
58…欠陥検査部
60…検査結果記憶部
62…生成システム
64…生成システム
66…比較処理用モデル生成装置
68…比較処理学習用基準データ記憶部
70…比較処理学習用検査データ記憶部
72…官能評価値入力部
74…比較処理用モデル生成部
76…比較処理用モデル記憶部
80…印刷装置
82…未加工印刷デジタルデータ記憶部
84…印刷デジタルデータ加工部
86…加工済印刷デジタルデータ記憶部
88…印刷部
90…撮像部
92…印刷装置
100…インクジェット印刷装置
110…搬送部
112…上流側プーリ
114…下流側プーリ
116…搬送ベルト
120…印刷部
122C…インクジェットヘッド
122K…インクジェットヘッド
122M…インクジェットヘッド
122Y…インクジェットヘッド
130…撮像部
132…スキャナ
140…乾燥部
142…ヒータ
150…選別部
152…スタンパ
160…排紙部
162…排紙台
170…ユーザインターフェース
172…記憶部
174…統括制御部
176…搬送制御部
178…印刷制御部
180…撮像制御部
182…乾燥制御部
184…選別制御部
186…排紙制御部
D1…第1の学習用基準データ
D2…学習用検査データ
D3…学習用欠陥情報
D3D…欠陥のある学習用欠陥情報
D3N…欠陥のない学習用欠陥情報
D4…第2の学習用基準データ
D5…機械学習モデル
D6…検査データ
D7…基準データ
D8…検査結果
D9…比較処理学習用基準データ
D10…比較処理学習用検査データ
D11…官能評価値
D12…比較処理用機械学習モデル
D13…未加工の印刷デジタルデータ
D14…加工した印刷デジタルデータ
D15…調整機械学習モデル
P…用紙
P1…比較処理
P2…モデル生成処理
P3…欠陥検査処理
P4…比較処理モデル生成処理
P5…印刷撮像処理
P6…印刷撮像処理
P7…調整モデル生成処理
Claims (21)
- 印刷物が撮像された撮像画像を元に取得された検査データと、印刷デジタルデータを元に取得された基準データとを、機械学習モデルで比較して印刷物の欠陥を検出するための機械学習モデルの生成方法であって、
学習用印刷デジタルデータを元に印刷された検査対象の印刷物が撮像された撮像画像を元にする学習用検査データと、前記学習用印刷デジタルデータを元に印刷された基準となる印刷物が撮像された撮像画像を元にする第1の学習用基準データと前記学習用検査データとを比較処理することで推定された前記学習用検査データの学習用欠陥情報と、前記学習用印刷デジタルデータを元にする第2の学習用基準データであって、印刷物を撮像した撮像画像に由来するものではない第2の学習用基準データと、を取得する取得工程と、
前記学習用検査データと前記第2の学習用基準データとを学習用入力情報として少なくとも使用し、前記学習用欠陥情報を学習用出力情報として少なくとも使用することで前記機械学習モデルを生成する生成工程と
を備えた機械学習モデルの生成方法。 - 前記学習用欠陥情報は離散値を含み、
前記生成工程は、分類を行う前記機械学習モデルを生成する請求項1に記載の機械学習モデルの生成方法。 - 前記離散値は、印刷物の欠陥の有無を示す2値の離散値である請求項2に記載の機械学習モデルの生成方法。
- 前記離散値は、印刷物の欠陥の強度を示す3値以上の離散値である請求項2又は3に記載の機械学習モデルの生成方法。
- 前記学習用欠陥情報は連続値を含み、
前記生成工程は、回帰を行う前記機械学習モデルを生成する請求項1から4のいずれか1項に記載の機械学習モデルの生成方法。 - 前記学習用欠陥情報は、印刷物の欠陥の位置情報を含む請求項1から5のいずれか1項に記載の機械学習モデルの生成方法。
- 前記生成工程は、前記機械学習モデルを深層学習により生成する請求項1から6のいずれか1項に記載の機械学習モデルの生成方法。
- 前記生成工程は、前記第1の学習用基準データと前記第2の学習用基準データを学習用入力情報として少なくとも使用し、欠陥が非存在であることを示す前記学習用欠陥情報を学習用出力情報として少なくとも使用することで前記機械学習モデルを生成する請求項1から7のいずれか1項に記載の機械学習モデルの生成方法。
- 前記取得工程は、前記学習用印刷デジタルデータの少なくとも一部が加工されることで欠陥が表現された加工済印刷デジタルデータを元に印刷された印刷物を撮像した学習用検査データを少なくとも取得する請求項1から8のいずれか1項に記載の機械学習モデルの生成方法。
- 前記取得工程は、前記第1の学習用基準データを取得し、
前記学習用検査データと前記第1の学習用基準データとを比較処理を行うことで前記学習用検査データの学習用欠陥情報を推定する比較処理工程を備えた請求項1から9のいずれか1項に記載の機械学習モデルの生成方法。 - 前記比較処理工程は、比較処理用機械学習モデルによって比較処理を行う請求項10に記載の機械学習モデルの生成方法。
- 学習用印刷デジタルデータを元に印刷された基準となる第1印刷物と前記学習用印刷デジタルデータを元に印刷された比較対象の第2印刷物とを比較した官能評価値を入力する官能評価値入力工程と、
前記第1印刷物を撮像した比較処理学習用基準データと前記第2印刷物を撮像した比較処理学習用検査データとを学習用入力情報として使用し、前記官能評価値を学習用出力情報として使用することで、前記比較処理用機械学習モデルを生成する比較処理用モデル生成工程と、
を備えた請求項11に記載の機械学習モデルの生成方法。 - 印刷デジタルデータを元に印刷された検査対象の印刷物が撮像された撮像画像を元にする検査データと、前記印刷デジタルデータを元にする基準データとを取得し、請求項1から12のいずれか1項に記載の機械学習モデルの生成方法により生成された機械学習モデルで比較して前記検査対象の印刷物の欠陥を検出する欠陥検査工程を備えた検査方法。
- 印刷物が撮像された撮像画像を元に取得された検査データと、印刷デジタルデータを元に取得された基準データとを、機械学習モデルで比較して印刷物の欠陥を検出するための機械学習モデルの生成装置であって、
学習用印刷デジタルデータを元に印刷された検査対象の印刷物が撮像された撮像画像を元にする学習用検査データと、前記学習用印刷デジタルデータを元に印刷された基準となる印刷物が撮像された撮像画像を元にする第1の学習用基準データと前記学習用検査データとを比較処理することで推定された前記学習用検査データの学習用欠陥情報と、前記学習用印刷デジタルデータを元にする第2の学習用基準データであって、印刷物を撮像した撮像画像に由来するものではない第2の学習用基準データと、を取得する取得部と、
前記学習用検査データと前記第2の学習用基準データとを学習用入力情報として少なくとも使用し、前記学習用欠陥情報を学習用出力情報として少なくとも使用することで前記機械学習モデルを生成する生成部と、
を備えた機械学習モデルの生成装置。 - 請求項14に記載の機械学習モデルの生成装置と、
印刷デジタルデータを元に印刷された検査対象の印刷物が撮像された撮像画像を元にする検査データと、前記印刷デジタルデータを元にする基準データとを取得し、前記機械学習モデルの生成装置により生成された機械学習モデルで比較して前記検査対象の印刷物の欠陥を検出する欠陥検査部を備えた検査装置。 - 請求項15に記載の検査装置と、
前記印刷デジタルデータを元に印刷を行い、印刷物を生成する印刷部と、
前記印刷物を撮像するカメラと、
前記印刷物の欠陥の検出結果を出力する出力部と、
を備えた印刷装置。 - 前記学習用印刷デジタルデータの少なくとも一部を加工して欠陥を表現した加工済印刷デジタルデータを生成する加工部を備え、
前記印刷部は、前記加工済印刷デジタルデータを元に印刷を行い、欠陥印刷物を生成し、
前記カメラは、前記欠陥印刷物を撮像し、
前記取得部は、前記欠陥印刷物が撮像された撮像画像を元にするデータを前記学習用検査データとして少なくとも取得する請求項16に記載の印刷装置。 - 前記生成部は、前記カメラによって印刷物が撮像された撮像画像を元にする学習用検査データを用いて該印刷装置に適した機械学習モデルに調整された調整機械学習モデルを生成する請求項16又は17に記載の印刷装置。
- 前記印刷部は、インクジェットヘッドを用いて印刷する請求項16から18のいずれか1項に記載の印刷装置。
- 請求項1から12のいずれか1項に記載の機械学習モデルの生成方法をコンピュータに実行させるためのプログラム。
- 非一時的かつコンピュータ読取可能な記録媒体であって、前記記録媒体に格納された指令がコンピュータによって読み取られた場合に請求項20に記載のプログラムをコンピュータに実行させる記録媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018139555 | 2018-07-25 | ||
JP2018139555 | 2018-07-25 | ||
PCT/JP2019/026685 WO2020022024A1 (ja) | 2018-07-25 | 2019-07-04 | 機械学習モデルの生成装置、方法、プログラム、検査装置及び検査方法、並びに印刷装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020022024A1 JPWO2020022024A1 (ja) | 2021-08-02 |
JP7110349B2 true JP7110349B2 (ja) | 2022-08-01 |
Family
ID=69181403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020532262A Active JP7110349B2 (ja) | 2018-07-25 | 2019-07-04 | 機械学習モデルの生成装置、方法、プログラム、検査装置及び検査方法、並びに印刷装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11820132B2 (ja) |
EP (1) | EP3828819B1 (ja) |
JP (1) | JP7110349B2 (ja) |
WO (1) | WO2020022024A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7474067B2 (ja) * | 2020-02-26 | 2024-04-24 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
EP3871892B1 (de) * | 2020-02-28 | 2022-02-09 | Heidelberger Druckmaschinen AG | Makulaturoptimierte detektion |
WO2021256389A1 (ja) * | 2020-06-19 | 2021-12-23 | 富士フイルム株式会社 | 欠陥検査装置、欠陥検査方法及びプログラム、並びに印刷装置、印刷物の製造方法 |
JP7494037B2 (ja) | 2020-07-15 | 2024-06-03 | キヤノン株式会社 | 情報処理装置、判定方法、検査装置、成形装置、および物品の製造方法 |
US11483435B2 (en) | 2020-12-21 | 2022-10-25 | Xerox Corporation | Machine state and defect detection meta data to execute maintenance routines on a multi-function device |
US11240385B1 (en) * | 2020-12-21 | 2022-02-01 | Xerox Corporation | Defect detection for multi-function devices using machine learning |
CN114654884B (zh) * | 2020-12-22 | 2023-06-06 | 精工爱普生株式会社 | 印刷条件设定方法、印刷条件设定*** |
US11967055B2 (en) | 2021-06-30 | 2024-04-23 | International Business Machines Corporation | Automatically generating defect data of printed matter for flaw detection |
CN114468977B (zh) * | 2022-01-21 | 2023-03-28 | 深圳市眼科医院 | 一种眼科视力检查数据收集分析方法、***及计算机存储介质 |
JP2023180697A (ja) * | 2022-06-10 | 2023-12-21 | 日立Astemo株式会社 | 疑似欠陥画像生成装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008287378A (ja) | 2007-05-16 | 2008-11-27 | Hitachi Omron Terminal Solutions Corp | 画像識別学習装置及びそれを用いた印刷物識別装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3414844B2 (ja) * | 1994-06-08 | 2003-06-09 | 株式会社ヒューテック | 欠陥パターン種別判定方法およびその装置 |
JP6011406B2 (ja) | 2013-03-22 | 2016-10-19 | 富士ゼロックス株式会社 | 検査装置、画像形成装置及びプログラム |
-
2019
- 2019-07-04 JP JP2020532262A patent/JP7110349B2/ja active Active
- 2019-07-04 EP EP19840630.8A patent/EP3828819B1/en active Active
- 2019-07-04 WO PCT/JP2019/026685 patent/WO2020022024A1/ja active Application Filing
-
2020
- 2020-12-28 US US17/134,654 patent/US11820132B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008287378A (ja) | 2007-05-16 | 2008-11-27 | Hitachi Omron Terminal Solutions Corp | 画像識別学習装置及びそれを用いた印刷物識別装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3828819B1 (en) | 2023-10-18 |
WO2020022024A1 (ja) | 2020-01-30 |
JPWO2020022024A1 (ja) | 2021-08-02 |
EP3828819A1 (en) | 2021-06-02 |
US20210114368A1 (en) | 2021-04-22 |
EP3828819A4 (en) | 2021-09-01 |
US11820132B2 (en) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7110349B2 (ja) | 機械学習モデルの生成装置、方法、プログラム、検査装置及び検査方法、並びに印刷装置 | |
US9946944B2 (en) | Image recording device, image defect detection device, and image defect detection method | |
JP6694362B2 (ja) | 画像検査方法及び装置、プログラム並びに画像記録システム | |
JP2014071045A (ja) | 画像評価装置、画像評価方法、及びプログラム | |
JP5881576B2 (ja) | 画像評価装置、画像評価方法、画像評価システム、及びプログラム | |
US20220198638A1 (en) | Printed matter inspection device, printed matter inspection method, program, and printing apparatus | |
US20230103391A1 (en) | Defect inspection device, defect inspection method, and program, and printing device and method of manufacturing printed matter | |
JP2020186938A (ja) | 検査方法、検査装置、プログラム及び印刷装置 | |
JP5303503B2 (ja) | 画像検査装置および印刷装置、並びに、画像検査方法 | |
WO2019188911A1 (ja) | 画像形成装置及び方法、異常ノズル検出方法並びに印刷物の製造方法 | |
JP6184386B2 (ja) | 画像欠陥検出装置及び方法、画像記録装置並びにプログラム | |
WO2019142517A1 (ja) | 印刷装置、画像欠陥検出装置、方法及びプログラム | |
JP5699051B2 (ja) | 画像検査装置および画像記録装置、並びに、画像検査方法 | |
WO2020012826A1 (ja) | 印刷装置、検査装置、検査方法及びプログラム | |
JP7225068B2 (ja) | 印刷物の欠陥検査装置、欠陥検査方法及びプログラム、並びに印刷システム | |
JP6293027B2 (ja) | 画像欠陥検出装置及び方法、並びにプログラム | |
JP7256139B2 (ja) | 印刷物の欠陥検査装置、欠陥検査方法及びプログラム、並びに印刷システム | |
US11776107B2 (en) | Inspection method, program, inspection device, and printing device | |
JP7126477B2 (ja) | 画像検査方法及び装置、プログラム並びに画像記録システム | |
JP7021144B2 (ja) | 印刷物の検査方法及びプログラム、印刷物の検査装置、印刷システム | |
JP2021071299A (ja) | 画像検査装置及び画像検査システム | |
JP2021071298A (ja) | 画像検査装置及び画像検査システム | |
JP2021071300A (ja) | 画像検査装置及び画像検査システム | |
JP2021096535A (ja) | 画像検査装置及び画像検査システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201223 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201223 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220216 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220412 |
|
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: 20220705 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220720 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7110349 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |