JP7486652B1 - 煙画像生成装置、煙検知システム、煙画像生成方法、異常画像生成装置、およびプログラム - Google Patents
煙画像生成装置、煙検知システム、煙画像生成方法、異常画像生成装置、およびプログラム Download PDFInfo
- Publication number
- JP7486652B1 JP7486652B1 JP2023145311A JP2023145311A JP7486652B1 JP 7486652 B1 JP7486652 B1 JP 7486652B1 JP 2023145311 A JP2023145311 A JP 2023145311A JP 2023145311 A JP2023145311 A JP 2023145311A JP 7486652 B1 JP7486652 B1 JP 7486652B1
- Authority
- JP
- Japan
- Prior art keywords
- smoke
- image
- images
- learning
- input information
- 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
- 239000000779 smoke Substances 0.000 title claims abstract description 387
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000005856 abnormality Effects 0.000 title claims abstract description 16
- 239000002699 waste material Substances 0.000 claims abstract description 110
- 238000012549 training Methods 0.000 claims abstract description 88
- 238000010801 machine learning Methods 0.000 claims abstract description 22
- 238000003384 imaging method Methods 0.000 claims description 14
- 238000013135 deep learning Methods 0.000 claims description 10
- 239000010849 combustible waste Substances 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000001052 transient effect Effects 0.000 description 6
- 239000000428 dust Substances 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 239000004576 sand Substances 0.000 description 5
- 239000007921 spray Substances 0.000 description 5
- 238000002485 combustion reaction Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000000855 fermentation Methods 0.000 description 3
- 230000004151 fermentation Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- -1 dirt Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
そこで、本開示は、画像生成モデルを用いることにより、より少ない手間で大量の学習用煙画像を生成することができる煙画像生成装置、煙検知システム、煙画像生成方法、煙検知方法、異常画像生成装置、およびプログラムを提供することを目的とする。
以下、図面を参照し、本開示の煙画像生成装置、煙検知システム、煙画像生成方法、煙検知方法、異常画像生成装置、およびプログラムの第1実施形態について説明する。本開示の煙画像生成装置、煙検知システム、煙画像生成方法、煙検知方法、およびプログラムは、ごみ処理施設の廃棄物貯留ピットにて、煙が発生したか否かを検知し、煙が発生した位置を検出するためのものである。廃棄物貯留ピットとは、ごみ収集車等が収集したごみを一時的に貯蔵するための施設である。廃棄物貯留ピットは、国内に1500カ所以上存在するが、ある会社1社が自由に映像を取得できる廃棄物貯留ピットの数は数十カ所程度しか存在しない。煙画像生成するための学習を安定して行うためには、数千枚の教師画像を基に学習することが望ましい。しかし、廃棄物貯留ピットの背景パターンが数十カ所しかないため、同一背景パターンの廃棄物貯留ピットの画像を大量(数百枚レベル)に使用せざるを得ない。その場合、学習の精度が不十分となることがある。煙検知システムに用いる学習モデルを十分に学習させるために、大量の教師画像となる学習用煙画像が必要であるという前提がある。
煙画像生成装置が、画像生成モデルを用いて学習用煙画像を生成することで、大量の学習用煙画像を少ない手間で用意することができる。
追加学習することで、煙画像生成装置は、煙発生時の廃棄物貯留ピットの画像をより確実に生成することができる画像生成モデルを得ることができる。
上述した入力情報を入力することで、画像生成モデルに煙非発生時の廃棄物貯留ピットを学習させる負担が軽減され、煙画像生成装置は、様々な位置に煙が発生している煙発生時の廃棄物貯留ピットの学習用煙画像を生成することができる。
追加学習することで、画像生成モデルは、様々な煙の画像のみならず、数が限られる廃棄物貯留ピットを含む、煙発生時の廃棄物貯留ピットの学習用煙画像を生成できる。
上述した入力情報を入力することで、画像生成モデルは、様々な位置に煙が発生している廃棄物貯留ピットの学習用煙画像を生成できる。
上述した入力情報を入力することで、画像生成モデルは、廃棄物貯留ピットの種類に応じた学習用煙画像を生成可能となる。
上述した入力情報を入力することで、画像生成モデルは、廃棄物貯留ピットで発生する煙の種類に応じた学習用煙画像を生成可能となる。
複数の領域情報を入力することで、画像生成モデルは、複数の位置に煙が発生している廃棄物貯留ピットの画像を生成することができる。
アノテーション部を備えることで、アノテーション作業を手作業で実施する手間を軽減できる。
生成部が、様々な異なる背景である学習用煙画像を生成することで、背景が同じである学習用煙画像を学習する学習モデルが、背景を特徴部だと判断することを抑制できる。
生成部が、様々な異なる廃棄物貯留ピットの壁が背景である学習用煙画像を生成することで、廃棄物貯留ピットの壁が同じである学習用煙画像を学習する学習モデルが、類似した廃棄物貯留ピットの壁を含む背景を特徴部だと判断することを抑制できる。
生成部が、燃焼炉に廃棄物を投入する様々なクレーンを背景に含む学習用煙画像を生成することで、同じクレーンを背景として含む学習用煙画像を学習する学習モデルが、クレーンを特徴部だと判断することを抑制できる。
生成部が、攪拌された廃棄物の画像を含む複数の学習用煙画像を生成することで、攪拌された廃棄物の学習用煙画像を生成しやすくなり、攪拌された廃棄物を含む学習用煙画像を学習する学習モデルが攪拌された廃棄物を特徴部だと判断することを抑止することができる。
上述した煙検知システムは、画像生成モデルにより生成される複数の学習用煙画像による機械学習で生成された学習モデルを用い、廃棄物貯留ピットにおいて発生する煙の種別を精度よく判定することができる。
上記ステップを実行することで、画像生成モデルを用いて学習用煙画像を生成するため、大量の煙画像を少ない手間で用意することができ、用意した画像をディープラーニングで学習させることで学習モデルを得ることができる。学習用煙画像を選別し正しい学習用煙画像を学習モデルに学習させることで、検知精度が向上する。
上述した煙の種類情報を入力することで、ディープラーニングで得られる学習モデルの検知精度が向上する。
上述した炎の画像部分を含む学習用煙画像を選別することで、ディープラーニングで得られる学習モデルの検知精度が向上する。
画像生成モデルが、煙の画像のみならず、数が限られる廃棄物貯留ピットの画像も含む学習用煙画像を生成することで、生成される学習用煙画像を学習に用いることができ、ディープラーニングで得られる学習モデルの検知精度が向上する。
図10は、第2実施形態の構成図である。第1実施形態との違いは、煙画像生成装置100が画像生成モデル210を保持していることである。記憶部150は、選別モデル152と画像生成モデル210を記憶する。第1実施形態では、煙画像生成装置100と、画像生成サーバ200が通信を行い、画像生成モデル210を生成したが、煙画像生成装置100内で完結することができる。第2実施形態によれば、第1実施形態と同様の効果を奏することができる。
110 取得部
120 アノテーション部
130 生成部
140 選別部
150 記憶部
152 選別モデル
160 入出力装置
200 画像生成サーバ
210 画像生成モデル
220 情報源
300 学習装置
310 モデル生成部
320 記憶部
322 学習モデル
400 煙検知システム
410 撮像部
420 判定部
430 報知部
440 記憶部
NW ネットワーク
Claims (20)
- 廃棄物貯留ピットであって煙発生時の前記廃棄物貯留ピットの画像である学習用煙画像であって、画像が入力されると煙の画像部分の存在に関する情報を出力する学習モデルの学習に用いられる学習用煙画像を、互いに異なる複数の画像であって前記廃棄物貯留ピット及び煙以外の画像を含む画像を用いる機械学習によって得られる画像生成モデルにより生成する煙画像生成装置であって、
入力情報は前記学習用煙画像における煙の位置を示す情報であって、
外部から入力される前記入力情報を取得する取得部と、
前記入力情報を前記画像生成モデルに入力することで、複数の前記学習用煙画像を前記画像生成モデルに生成させる生成部と、を備え、
前記画像生成モデルは、前記入力情報と前記画像生成モデルが生成したものでない煙画像とを用いて追加学習される、
煙画像生成装置。 - 前記入力情報は、前記画像生成モデルにより背景画像として用いられる画像であって、煙非発生時の前記廃棄物貯留ピットの画像と、前記煙非発生時の前記廃棄物貯留ピットの画像における領域であって、煙を発生させる領域を示す領域情報と、を含む、
請求項1に記載の煙画像生成装置。 - 前記画像生成モデルは、前記入力情報と前記画像生成モデルが生成したものでない煙画像と煙非発生時の廃棄物貯留ピットの画像とを用いて追加学習される、
請求項1に記載の煙画像生成装置。 - 前記入力情報は、前記画像生成モデルによって生成される前記学習用煙画像における領域であって、煙を発生させる領域を示す領域情報と、を含む、
請求項3に記載の煙画像生成装置。 - 廃棄物貯留ピットであって煙発生時の前記廃棄物貯留ピットの画像である学習用煙画像であって、画像が入力されると煙の画像部分の存在に関する情報を出力する学習モデルの学習に用いられる学習用煙画像を、互いに異なる複数の画像であって前記廃棄物貯留ピット及び煙以外の画像を含む画像を用いる機械学習によって得られる画像生成モデルにより生成する煙画像生成装置であって、複数種類の前記廃棄物貯留ピットに対応可能な煙画像生成装置であって、
入力情報は前記学習用煙画像における煙の位置を示す情報であって、
外部から入力される前記入力情報を取得する取得部と、
前記入力情報を前記画像生成モデルに入力することで、複数の前記学習用煙画像を前記画像生成モデルに生成させる生成部と、を備え、
前記入力情報は、煙非発生時の前記廃棄物貯留ピットの種類を示すピット種類情報を含む、
煙画像生成装置。 - 複数種類の煙に対応可能な煙画像生成装置であって、
前記入力情報は、前記煙の種類を示す煙種類情報を含む、
請求項1から5のうちいずれか1項に記載の煙画像生成装置。 - 複数の領域情報を前記入力情報として前記画像生成モデルに入力する、
請求項1、4、または5に記載の煙画像生成装置。 - 複数種類の前記煙に対応可能な煙画像生成装置であって、
前記入力情報は、前記煙の種類を示す煙種類情報を含み、
複数の前記学習用煙画像において前記煙が発生している領域を、前記入力情報と領域情報とを用いて、アノテーションするアノテーション部を更に備える、
請求項2、4、または5に記載の煙画像生成装置。 - 前記生成部は、複数の学習用煙画像のそれぞれについて、異なる背景を生成する、
請求項1から5のうちいずれか1項に記載の煙画像生成装置。 - 前記生成部は、前記背景に前記廃棄物貯留ピットの壁を含む前記学習用煙画像を生成する、
請求項9に記載の煙画像生成装置。 - 前記生成部は、前記背景にクレーンを含む前記学習用煙画像を生成する、
請求項9に記載の煙画像生成装置。 - 前記生成部は、攪拌された廃棄物の画像を含む複数の学習用煙画像を生成する、
請求項1から5のうちいずれか1項に記載の煙画像生成装置。 - 可燃性の廃棄物が貯留される廃棄物貯留ピットにおいて発生する煙を検知する煙検知システムであって、
前記廃棄物貯留ピットにおける貯留状態の廃棄物の上面の画像を撮像する撮像部と、
前記撮像部によって撮像された画像に煙の画像部分が存在するか否かを判定する判定部と、
前記判定部による判定結果に応じた報知を行う報知部と、を備え、
前記判定部は、学習モデルに、前記撮像部にて撮像された画像を入力し、前記学習モデルから出力された、前記煙の画像部分の存在の確度を示す確度パラメータによって前記判定を行い、
前記学習モデルは、前記廃棄物貯留ピットにおける前記貯留状態の廃棄物の上面の画像であって、前記煙の画像部分が存在する画像を含む複数の教師画像を入力データ、前記教師画像のそれぞれに含まれる前記煙の画像部分の判定結果を出力パラメータとする入出力データセットを教師データとして、機械学習によって予め生成された学習モデルであって、
前記入力データは、外部からの第1入力情報と前記煙の画像とを用いる機械学習により得られる画像生成モデルによって生成されたものであり、
前記判定結果は、前記画像生成モデルに入力される情報であって、
前記教師画像のそれぞれは、第1種類の煙の画像部分、第2種類の煙の画像部分、および、第3種類の煙の画像部分、の少なくとも2つ以上を含むものであって、
前記判定結果は、前記教師データのそれぞれが含む前記煙の画像部分に対応する煙が前記第1種類の煙であるのか、前記第2種類の煙であるのか、前記第3種類の煙であるのかを判定した結果であり、
前記画像生成モデルは、互いに異なる複数の画像であって前記廃棄物貯留ピット及び煙以外の画像を含む画像を用いる機械学習によって得られ、かつ、入力情報と前記画像生成モデルが生成したものでない煙画像とを用いて追加学習される、
煙検知システム。 - 煙画像生成装置が、
廃棄物貯留ピットで煙が発生していることを検知可能な学習モデルを、互いに異なる複数の画像であって前記廃棄物貯留ピット及び煙以外の画像を含む画像を用いる機械学習で得られる画像生成モデルに基づき、生成する煙検知用学習モデルの生成方法であって、
外部からの第1入力情報と前記煙の画像とを用いる追加学習により前記画像生成モデルを取得する取得ステップを行い、
外部からの第2入力情報に基づき、前記煙が発生している前記廃棄物貯留ピットの画像である学習用煙画像を、前記取得ステップにて取得される前記画像生成モデルを用い、複数生成する生成ステップを行い、
前記生成ステップにて複数生成される前記学習用煙画像を選別する選別ステップを行い、
前記選別ステップにて選別された前記学習用煙画像を用いるディープラーニングによって前記学習モデルを得るディープラーニングステップを行う、
煙画像生成方法。 - 前記煙の種類は、複数あって、
前記第1入力情報および前記第2入力情報のそれぞれは、前記煙の種類を示す種類情報を含む、
請求項14に記載の煙画像生成方法。 - 前記選別ステップは、前記生成ステップにて複数生成される前記学習用煙画像に炎の画像部分が含まれているか否かを判定し、
前記炎の画像部分が含まれていないと判定された前記学習用煙画像を、前記生成ステップにて複数生成される前記学習用煙画像の中から、選別する、
請求項15に記載の煙画像生成方法。 - 前記取得ステップは、外部からの前記第1入力情報と前記第2入力情報に基づいて前記廃棄物貯留ピットの画像と前記煙の画像とを用いる追加学習により画像生成モデルを取得する、
請求項14から16のうちいずれか1項に記載の煙画像生成方法。 - 煙画像生成装置が、
廃棄物貯留ピットで煙が発生していることを検知可能な学習モデルを、互いに異なる複数の画像であって前記廃棄物貯留ピット及び煙以外の画像を含む画像を用いる機械学習で得られる画像生成モデルに基づき、生成する煙検知用学習モデルの生成方法であって、
外部からの第1入力情報と前記煙の画像とを用いる追加学習により前記画像生成モデルを取得する取得ステップを行い、
外部からの第2入力情報に基づき、前記煙が発生している前記廃棄物貯留ピットの画像である学習用煙画像を、前記取得ステップにて取得される前記画像生成モデルを用い、複数生成する生成ステップを行い、
前記生成ステップにて複数生成される前記学習用煙画像を選別する選別ステップを行い、
前記選別ステップにて選別された前記学習用煙画像を用いるディープラーニングによって前記学習モデルを得るディープラーニングステップを行い、
前記選別ステップは、前記生成ステップにて複数生成される前記学習用煙画像に廃棄物貯留ピットの画像部分が含まれているか否かを判定し、
前記廃棄物貯留ピットの画像部分が含まれていると判定された学習用煙画像を、前記生成ステップにて複数生成される前記学習用煙画像の中から、選別する、
煙画像生成方法。 - 被写体であって異常発生時の前記被写体の画像である異常発生時画像を、互いに異なる複数の画像であって前記被写体及び異常以外の画像を含む画像を用いる機械学習により得られる画像生成モデルにより、生成させる異常画像生成装置であって、
外部から入力される入力情報に基づき、前記異常発生時画像を前記画像生成モデルに複数生成させる生成部と、
複数の前記異常発生時画像において異常が発生している領域を、前記入力情報を用いてアノテーションするアノテーション部と、を備え、
前記画像生成モデルは、前記入力情報と前記異常発生時画像と異常非発生時の前記被写体の画像とを用いて追加学習され、
前記入力情報は、前記画像生成モデルによって生成される前記異常発生時画像における領域であって、異常を発生している領域を示す領域情報、を含む、
異常画像生成装置。 - 廃棄物貯留ピットであって煙発生時の前記廃棄物貯留ピットの画像である学習用煙画像であって、画像が入力されると煙の画像部分の存在に関する情報を出力する学習モデルの学習に用いられる学習用煙画像を、互いに異なる複数の画像であって前記廃棄物貯留ピット及び煙以外の画像を含む画像を用いる機械学習によって得られる画像生成モデルにより生成する画像生成装置のプロセッサが、
外部から入力される煙の量と種類を示す入力情報を取得する処理と、
前記入力情報を前記画像生成モデルに入力することで、複数の前記学習用煙画像を前記画像生成モデルに生成させる処理と、
前記画像生成モデルに、前記入力情報と前記画像生成モデルが生成したものでない煙画像とを用いて追加学習させる処理を、
実行するためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023145311A JP7486652B1 (ja) | 2023-09-07 | 2023-09-07 | 煙画像生成装置、煙検知システム、煙画像生成方法、異常画像生成装置、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023145311A JP7486652B1 (ja) | 2023-09-07 | 2023-09-07 | 煙画像生成装置、煙検知システム、煙画像生成方法、異常画像生成装置、およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7486652B1 true JP7486652B1 (ja) | 2024-05-17 |
Family
ID=91067390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023145311A Active JP7486652B1 (ja) | 2023-09-07 | 2023-09-07 | 煙画像生成装置、煙検知システム、煙画像生成方法、異常画像生成装置、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7486652B1 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018088630A (ja) | 2016-11-29 | 2018-06-07 | ホーチキ株式会社 | 火災監視システム |
JP2018101317A (ja) | 2016-12-21 | 2018-06-28 | ホーチキ株式会社 | 異常監視システム |
JP2019079446A (ja) | 2017-10-27 | 2019-05-23 | ホーチキ株式会社 | 火災監視システム |
JP2019092972A (ja) | 2017-11-27 | 2019-06-20 | ホーチキ株式会社 | 放水型消火設備 |
JP2021018788A (ja) | 2019-07-19 | 2021-02-15 | ジーワイ ネットワークス カンパニー リミテッドGynetworks Co.,Ltd. | 火炎判断のための神経網モデルの学習および検出方法、並びにこれを行うシステム、記録媒体 |
JP2021103345A (ja) | 2019-12-24 | 2021-07-15 | Jfeエンジニアリング株式会社 | 煙検知システム、煙検知方法およびプログラム |
-
2023
- 2023-09-07 JP JP2023145311A patent/JP7486652B1/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018088630A (ja) | 2016-11-29 | 2018-06-07 | ホーチキ株式会社 | 火災監視システム |
JP2018101317A (ja) | 2016-12-21 | 2018-06-28 | ホーチキ株式会社 | 異常監視システム |
JP2019079446A (ja) | 2017-10-27 | 2019-05-23 | ホーチキ株式会社 | 火災監視システム |
JP2019092972A (ja) | 2017-11-27 | 2019-06-20 | ホーチキ株式会社 | 放水型消火設備 |
JP2021018788A (ja) | 2019-07-19 | 2021-02-15 | ジーワイ ネットワークス カンパニー リミテッドGynetworks Co.,Ltd. | 火炎判断のための神経網モデルの学習および検出方法、並びにこれを行うシステム、記録媒体 |
JP2021103345A (ja) | 2019-12-24 | 2021-07-15 | Jfeエンジニアリング株式会社 | 煙検知システム、煙検知方法およびプログラム |
Non-Patent Citations (1)
Title |
---|
中島 和樹,Deep Learningを用いた屋内火災及び煙検知の基礎検討,電気学会研究会資料,日本,電気学会,2018年07月30日,PI-18-051/IIS-18-032,P.11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100562878C (zh) | 缺陷检查***及缺陷检查方法 | |
JP2019106112A (ja) | 情報処理装置、識別システム、設定方法及びプログラム | |
JP6869490B2 (ja) | 欠陥検査装置、欠陥検査方法、及びそのプログラム | |
US20180365557A1 (en) | Information processing method and information processing apparatus | |
CN102662942B (zh) | 元数据生成***和方法 | |
JP2019091249A (ja) | 欠陥検査装置、欠陥検査方法、及びそのプログラム | |
JP2019159889A (ja) | 欠陥検査装置、欠陥検査方法、及びそのプログラム | |
JP2019109563A (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 | |
JP4442042B2 (ja) | 画像処理プログラム作成方法およびそのシステム | |
JP6607261B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
JP2006337152A (ja) | 教示用画像生成方法および装置、画像処理アルゴリズム生成方法および装置、画像検査方法および装置、プログラムならびに記録媒体 | |
JP2021086379A (ja) | 情報処理装置、情報処理方法、プログラム及び学習モデルの生成方法 | |
WO2019176989A1 (ja) | 検査システム、識別システム、及び学習データ生成装置 | |
JP2020042001A (ja) | 評価装置、評価方法、評価プログラム、及び検査装置 | |
Choudhary et al. | Autonomous visual detection of defects from battery electrode manufacturing | |
JP7486652B1 (ja) | 煙画像生成装置、煙検知システム、煙画像生成方法、異常画像生成装置、およびプログラム | |
JP2007025902A (ja) | 画像処理装置、画像処理方法 | |
JP2023127106A (ja) | 印刷画像の欠陥判別装置、および判別方法 | |
JP6177649B2 (ja) | データ処理装置、測長システム、欠陥検査システム、画像トラッキングシステム、及びデータ処理方法 | |
JP3869554B2 (ja) | 検査データ作成方法及び装置及びこれを用いた部品実装基板外観検査装置 | |
US11663761B2 (en) | Hand-drawn diagram recognition using visual arrow-relation detection | |
JP7419121B2 (ja) | 画像生成システム | |
JP2007199865A (ja) | 画像処理アルゴリズム評価装置、画像処理アルゴリズムの生成装置および画像検査装置ならびに画像処理アルゴリズム評価方法、画像処理アルゴリズムの生成方法および画像検査方法 | |
JP2021182372A (ja) | プログラム提供方法、プログラム提供装置及びコンピュータプログラム | |
JP2023003207A (ja) | プログラム、情報処理装置、情報処理方法及び学習モデルの生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230908 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230908 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231024 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20231214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20240201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240226 |
|
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 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240507 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7486652 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |