JP7453813B2 - 検査装置、検査方法、プログラム、学習装置、学習方法、および学習済みデータセット - Google Patents
検査装置、検査方法、プログラム、学習装置、学習方法、および学習済みデータセット Download PDFInfo
- Publication number
- JP7453813B2 JP7453813B2 JP2020041487A JP2020041487A JP7453813B2 JP 7453813 B2 JP7453813 B2 JP 7453813B2 JP 2020041487 A JP2020041487 A JP 2020041487A JP 2020041487 A JP2020041487 A JP 2020041487A JP 7453813 B2 JP7453813 B2 JP 7453813B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- defect
- learning
- defect detection
- learning model
- 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
- 238000007689 inspection Methods 0.000 title claims description 57
- 238000000034 method Methods 0.000 title claims description 48
- 230000007547 defect Effects 0.000 claims description 524
- 238000001514 detection method Methods 0.000 claims description 279
- 230000002950 deficient Effects 0.000 claims description 135
- 238000012545 processing Methods 0.000 claims description 28
- 238000003384 imaging method Methods 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims 1
- 230000010365 information processing Effects 0.000 description 26
- 238000003860 storage Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 17
- 238000002360 preparation method Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
<1-1.検査装置の構成>
図1は、第1実施形態の検査装置10を示す図である。検査装置10は、対象物90の画像を解析することによって、対象物90の欠陥を検出する。対象物90は、具体的には錠剤であるが、錠剤に限定されない。検査装置10は、カメラ110と、情報処理装置120とを備える。カメラ110は、情報処理装置120と電気的に接続されている。カメラ110は、イメージセンサを備えている。カメラ110は、イメージセンサを用いて対象物90を撮像することにより得られる画像信号を、情報処理装置120へ出力する。カメラ110に撮像される対象物90は、所定の位置に停止していてもよいし、ベルトコンベアなどの搬送機構により、所定の方向へ移動していてもよい。
欠陥検出学習工程について、図4を参照しつつ説明する。図4は、本実施形態の欠陥検出学習工程S10の流れを示すフローチャートである。欠陥検出学習工程S10では、欠陥検出用学習モデル200を用いて欠陥を検出するためのパラメータ等である欠陥検出用学習済データ21を生成する。
次に、欠陥検出部20における学習済みの欠陥検出用学習モデル200を用いた欠陥検出工程S20について、図7~図9を参照しつつ説明する。この欠陥検出工程S20では、対象物90を撮像して得られた対象物画像に基づいて、対象物90の欠陥を検出する。図7は、本実施形態の欠陥検出部20における欠陥検出工程の流れを示すフローチャートである。図8および図9は、欠陥検出工程S20の各段階で得られる画像D1~D3の例を示した図である。なお、図8は、対象物90が良品である場合の例であり、図9は、対象物90が不良品である場合の例である。
欠陥判断用学習工程について、図12および図13を参照しつつ説明する。図12は、本実施形態の欠陥判断用学習工程S30の流れを示すフローチャートである。図13は、欠陥判断用学習工程S30の各段階で得られる画像D13,D4(D42)の例を示した図である。欠陥判断用学習工程S30では、欠陥判断用学習モデル300を用いて、欠陥検出部20の出力した処理データが良品の範囲に含まれるか否かを判断するためのパラメータ等である欠陥判断用学習済データ31を生成する。
最後に、検査装置10を用いて製品対象物の欠陥を検出する検査工程について、図14~図16を参照しつつ説明する。図14は、本実施形態の検査装置10を用いた検査工程S30の流れを示すフローチャートである。図15は、本実施形態の検査装置10を用いた欠陥判断工程S50の流れを示すフローチャートである。図16は、検査工程S30の各段階で得られる画像D1,D4および分類結果D5の例を示した図である。
図17は、第2実施形態の検査装置の情報処理装置120Aが備える機能的な構成を示す図である。情報処理装置120Aは、欠陥検出部20Aと、欠陥判断部30Aと、欠陥判断学習部310Aとを有する。
以上、実施形態について説明してきたが、本発明は上記のようなものに限定されるものではなく、様々な変形および組み合わせが可能である。
20,20A 欠陥検出部
21 欠陥検出用学習済データ
30,30A 欠陥判断部
31,31A 欠陥判断用学習済データ
90 対象物
200 欠陥検出用学習モデル
300,300A 欠陥判断用学習モデル
D1 対象物画像
D2 再構成画像
D3 差分画像
D4 欠陥検出部分画像
Claims (8)
- 対象物を検査する検査装置であって、
対象物を撮像して得られた対象物画像に基づいて前記対象物の欠陥を検出する欠陥検出部と、
前記欠陥検出部が検出した欠陥の真偽を判断する欠陥判断部と、
を有し、
前記欠陥検出部は、
画像を入力および出力とする欠陥検出用学習モデルと、
学習用の対象物の画像である標本画像を前記欠陥検出用学習モデルに入力し、入力された前記標本画像を次元圧縮および再現して前記標本画像の再構成画像を出力するように学習させた欠陥検出用学習済データと、
を含み、
前記欠陥検出部は、
前記欠陥検出用学習済データを適用した前記欠陥検出用学習モデルを用いて、前記対象物画像を次元圧縮および再現して前記対象物画像の再構成画像を生成する処理と、
前記対象物画像と前記再構成画像との差分である差分画像を生成する処理と、
前記差分画像に基づいて欠陥の有無を検出する処理と、
を実行し、
前記欠陥判断部は、
前記差分画像を入力とする欠陥判断用学習モデルと、
学習用の対象物の画像である標本画像の前記差分画像を入力として、前記欠陥判断用学習モデルに良品の範囲を学習させた欠陥判断用学習済データと、
を含み、
前記欠陥判断部は、
前記欠陥検出部が欠陥を検出した対象物の対象物画像の前記差分画像を、前記欠陥判断用学習済データを適用した前記欠陥判断用学習モデルに入力し、前記対象物が良品の範囲に属するか否かを判断する欠陥判断処理
を実行する、検査装置。 - 請求項1に記載の検査装置であって、
前記欠陥判断用学習済データは、良品の前記標本画像の前記差分画像のみを前記欠陥判断用学習モデルに入力して、良品の範囲を学習させた学習済データである、検査装置。 - 請求項1または請求項2に記載の検査装置であって、
前記欠陥検出用学習済データは、良品の前記対象物画像を前記欠陥検出用学習モデルに入力し、入力された前記対象物画像の再構成画像を出力するように学習させた学習済データである、検査装置。 - 対象物を検査する検査方法であって、
a)対象物を撮像して得られた対象物画像に基づいて前記対象物の欠陥を検出する欠陥検出工程と、
b)前記工程a)において検出した欠陥の真偽を判断する欠陥判断工程と、
を有し、
前記工程a)は、
前記対象物画像を、欠陥検出用学習済データを適用した欠陥検出用学習モデルに入力して、前記対象物画像を次元圧縮および再現して前記対象物画像の再構成画像を生成する工程と、
前記対象物画像と前記再構成画像との差分である差分画像を生成する工程と、
前記差分画像に基づいて欠陥の有無を検出する工程と、
を含み、
前記欠陥検出用学習モデルは、画像を入力および出力とする学習モデルであり、
前記欠陥検出用学習済データは、学習用の対象物の画像である標本画像を前記欠陥検出用学習モデルに入力し、入力された前記標本画像を次元圧縮および再現して前記標本画像の再構成画像を出力するように学習させた学習済みデータであり、
前記工程b)において、前記工程a)において欠陥を検出した対象物の対象物画像の前記差分画像を、欠陥判断用学習済データを適用した欠陥判断用学習モデルに入力して、前記対象物が良品の範囲に属するか否かを判断し、
前記欠陥判断用学習済データは、学習用の対象物の画像である標本画像の前記差分画像を欠陥判断用学習モデルに入力して、良品の範囲を学習させた学習済データである、検査方法。 - 請求項4に記載の検査方法であって、
前記欠陥判断用学習済データは、良品の前記標本画像の前記差分画像のみを欠陥判断用学習モデルに入力して、良品の範囲を学習させたモデルである、検査方法。 - コンピュータに、対象物を検査させるための検査プログラムであって、
前記コンピュータに、
a)対象物を撮像して得られた対象物画像に基づいて前記対象物の欠陥を検出する欠陥検出工程と、
b)前記工程a)において検出した欠陥の真偽を判断する欠陥判断工程と、
を実行させ、
前記工程a)は、
前記対象物画像を、欠陥検出用学習済データを適用した欠陥検出用学習モデルに入力して、前記対象物画像を次元圧縮および再現して前記対象物画像の再構成画像を生成する工程と、
前記対象物画像と前記再構成画像との差分である差分画像を生成する工程と、
前記差分画像に基づいて欠陥の有無を検出する工程と、
を含み、
前記欠陥検出用学習モデルは、画像を入力および出力とする学習モデルであり、
前記欠陥検出用学習済データは、学習用の対象物の画像である標本画像を前記欠陥検出用学習モデルに入力し、入力された前記標本画像を次元圧縮および再現して前記標本画像の再構成画像を出力するように学習させた学習済みデータであり、
前記コンピュータは、前記工程b)において、前記工程a)において欠陥を検出した対象物の対象物画像の前記差分画像を、欠陥判断用学習済データを適用した欠陥判断用学習モデルに入力して、前記対象物が良品の範囲に属するか否かを判断し、
前記欠陥判断用学習済データは、学習用の対象物の画像である標本画像の前記差分画像を欠陥判断用学習モデルに入力して、良品の範囲を学習させた学習済データである、検査プログラム。 - 対象物を検査する検査装置を構築するための学習装置であって、
学習用の対象物の画像である標本画像を欠陥検出用学習モデルに入力し、入力された前記標本画像を次元圧縮および再現した前記標本画像の再構成画像を出力するように学習させた欠陥検出用学習済データを生成する欠陥検出学習部と、
学習用の対象物の画像である標本画像と、前記標本画像から前記欠陥検出用学習モデルを用いて生成した前記再構成画像との差分である差分画像を、欠陥判断用学習モデルに入力して、良品の範囲を学習させた欠陥判断用学習済データを生成する欠陥判断学習部と、
を備える学習装置。 - 対象物を検査する検査装置を構築するための学習方法であって、
x)学習用の対象物の画像である標本画像を欠陥検出用学習モデルに入力し、入力された前記標本画像を次元圧縮および再現した再構成画像を出力するように学習させた欠陥検出用学習済データを生成する欠陥検出学習工程と、
y)学習用の対象物の画像である標本画像と、前記標本画像から前記欠陥検出用学習モデルを用いて生成した前記再構成画像との差分である差分画像を、欠陥判断用学習モデルに入力して、良品の範囲を学習させた欠陥判断用学習済データを生成する欠陥判断学習工程と、
を備える学習方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020041487A JP7453813B2 (ja) | 2020-03-11 | 2020-03-11 | 検査装置、検査方法、プログラム、学習装置、学習方法、および学習済みデータセット |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020041487A JP7453813B2 (ja) | 2020-03-11 | 2020-03-11 | 検査装置、検査方法、プログラム、学習装置、学習方法、および学習済みデータセット |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021143884A JP2021143884A (ja) | 2021-09-24 |
JP7453813B2 true JP7453813B2 (ja) | 2024-03-21 |
Family
ID=77766328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020041487A Active JP7453813B2 (ja) | 2020-03-11 | 2020-03-11 | 検査装置、検査方法、プログラム、学習装置、学習方法、および学習済みデータセット |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7453813B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102611403B1 (ko) * | 2022-02-21 | 2023-12-08 | 다겸 주식회사 | 수리 파트 결정 기능 및 수리 완성도 평가 기능을 포함하는 이상 탐지 장치 |
JP2023168966A (ja) * | 2022-05-16 | 2023-11-29 | ブラザー工業株式会社 | コンピュータプログラム、および、検査装置 |
JP2024018792A (ja) * | 2022-07-29 | 2024-02-08 | 株式会社日立産機システム | 検査装置及び方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018005773A (ja) | 2016-07-07 | 2018-01-11 | 株式会社リコー | 異常判定装置及び異常判定方法 |
JP2018120300A (ja) | 2017-01-23 | 2018-08-02 | 株式会社リコー | 情報処理装置、情報処理方法およびプログラム |
JP2018195199A (ja) | 2017-05-19 | 2018-12-06 | ヤフー株式会社 | 情報表示プログラム、情報表示方法、情報表示装置、及び配信装置 |
WO2018225745A1 (ja) | 2017-06-06 | 2018-12-13 | 株式会社デンソー | 外観検査装置、変換データ生成装置、及びプログラム |
WO2019005457A1 (en) | 2017-06-27 | 2019-01-03 | Nec Laboratories America, Inc. | RECONSTRUCTION DEVICE AND CONTRAST DEVICE FOR DETECTION OF ANOMALY |
JP2019039727A (ja) | 2017-08-23 | 2019-03-14 | 富士通株式会社 | 画像検査装置、画像検査方法および画像検査プログラム |
WO2019087803A1 (ja) | 2017-10-31 | 2019-05-09 | 日本電気株式会社 | 画像処理装置、画像処理方法及び記録媒体 |
JP2020028679A (ja) | 2018-08-24 | 2020-02-27 | 富士通株式会社 | 異常判別プログラム、異常判別方法および異常判別装置 |
JP2020085774A (ja) | 2018-11-29 | 2020-06-04 | 日本電気硝子株式会社 | 管ガラス検査方法、学習方法及び管ガラス検査装置 |
-
2020
- 2020-03-11 JP JP2020041487A patent/JP7453813B2/ja active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018005773A (ja) | 2016-07-07 | 2018-01-11 | 株式会社リコー | 異常判定装置及び異常判定方法 |
JP2018120300A (ja) | 2017-01-23 | 2018-08-02 | 株式会社リコー | 情報処理装置、情報処理方法およびプログラム |
JP2018195199A (ja) | 2017-05-19 | 2018-12-06 | ヤフー株式会社 | 情報表示プログラム、情報表示方法、情報表示装置、及び配信装置 |
WO2018225745A1 (ja) | 2017-06-06 | 2018-12-13 | 株式会社デンソー | 外観検査装置、変換データ生成装置、及びプログラム |
WO2019005457A1 (en) | 2017-06-27 | 2019-01-03 | Nec Laboratories America, Inc. | RECONSTRUCTION DEVICE AND CONTRAST DEVICE FOR DETECTION OF ANOMALY |
JP2019039727A (ja) | 2017-08-23 | 2019-03-14 | 富士通株式会社 | 画像検査装置、画像検査方法および画像検査プログラム |
WO2019087803A1 (ja) | 2017-10-31 | 2019-05-09 | 日本電気株式会社 | 画像処理装置、画像処理方法及び記録媒体 |
JP2020028679A (ja) | 2018-08-24 | 2020-02-27 | 富士通株式会社 | 異常判別プログラム、異常判別方法および異常判別装置 |
JP2020085774A (ja) | 2018-11-29 | 2020-06-04 | 日本電気硝子株式会社 | 管ガラス検査方法、学習方法及び管ガラス検査装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2021143884A (ja) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7453813B2 (ja) | 検査装置、検査方法、プログラム、学習装置、学習方法、および学習済みデータセット | |
JP2024509411A (ja) | 欠陥検出方法、装置及びシステム | |
WO2019117065A1 (ja) | データ生成装置、データ生成方法及びデータ生成プログラム | |
JP2017049974A (ja) | 識別器生成装置、良否判定方法、およびプログラム | |
TWI631638B (zh) | 由參考影像改變之檢測方式設定 | |
TW202105549A (zh) | 對樣本的缺陷檢測的方法及其系統 | |
JP2024504735A (ja) | 自動化ビジュアル検査を使用する製造品質コントロールのためのシステムおよび方法 | |
CN116542984A (zh) | 五金件缺陷检测方法、装置、计算机设备及存储介质 | |
JP2006292615A (ja) | 外観検査装置、外観検査方法、コンピュータを外観検査装置として機能させるためのプログラムおよび記録媒体 | |
JP2020139905A (ja) | 検査装置、検査方法、およびプログラム | |
JP7414629B2 (ja) | 学習用データ処理装置、学習装置、学習用データ処理方法、およびプログラム | |
JP7407670B2 (ja) | 評価システム、評価方法、および評価プログラム | |
JP7460391B2 (ja) | 学習装置、画像検査装置、プログラム、および学習方法 | |
JP7198438B2 (ja) | オブジェクト検出方法、オブジェクト検出装置及びコンピュータプログラム | |
KR20230036650A (ko) | 영상 패치 기반의 불량 검출 시스템 및 방법 | |
JP2001099625A (ja) | パターン検査装置およびパターン検査方法 | |
Oz et al. | A nested autoencoder approach to automated defect inspection on textured surfaces | |
JP7257470B2 (ja) | 欠陥検査装置、欠陥検査方法および予測モデル生成方法 | |
WO2022201968A1 (ja) | 情報処理装置、制御プログラム、および制御方法 | |
US20220270212A1 (en) | Methods for improving optical inspection and metrology image quality using chip design data | |
JP7499337B2 (ja) | 検査システム、学習方法、検査方法、及び記憶媒体 | |
US20240193758A1 (en) | Apparatus and method with image generation | |
US20230054119A1 (en) | Method and device with defect detection | |
WO2023166776A1 (ja) | 外観分析システム、外観分析方法、及びプログラム | |
Topp et al. | How can NDT 4.0 improve the Probability of Detection (POD)? |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221219 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230929 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231003 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231116 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231226 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240216 |
|
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: 20240305 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240308 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7453813 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |