特許ウォッチ

公開番号2023056405
公報種別公開特許公報(A)
公開日2023-04-19
出願番号2021165744
出願日2021-10-07
発明の名称外観検査方法
出願人株式会社プロテリアル
代理人
主分類G06T 7/00 20170101AFI20230412BHJP(計算;計数)
要約【課題】画素毎に良品及び不良品を判別する分類器を用いることにより、欠陥の箇所を詳細に抽出することで、高精度な欠陥の良否判定をすることが可能な外観検査方法及び外観検査装置を提供する。
【解決手段】方法は、評価用被検査物の評価用画像を一つ以上読み込み、評価用画像から、評価用画像を構成する画素毎に評価領域を切り出して、評価領域から評価用特徴量を抽出する評価用特徴量抽出ステップと、評価特徴量を、学習済み分類モデルに入力することによって、評価領域毎に、評価用被検物に生じた欠陥を予測する欠陥予測ステップとを有する。
【選択図】図1
特許請求の範囲【請求項１】
評価用被検査物の評価用画像を一つ以上の読み込み、前記評価用画像から、前記評価用画像を構成する画素毎に評価領域を切り出して、前記評価領域から評価用特徴量を抽出する評価用特徴量抽出ステップと、
前記評価用特徴量を、学習済み分類モデルに入力することによって、前記評価領域毎に、前記評価用被検査物に生じた欠陥を予測する欠陥予測ステップと、
を有することを特徴とする外観検査方法。
続きを表示（約 360 文字）【請求項２】
一つ以上の学習用材料を撮像して得られた、複数の学習用画像からなる学習用画像群を読み込み、前記学習用画像から、前記学習用画像を構成する画素毎に学習領域を切り出す学習領域分割ステップと、
前記学習領域から学習用特徴量を抽出する学習用特徴量抽出ステップと、
前記学習用特徴量から前記学習用材料の外観に生じた欠陥を学習して前記学習済み分類モデルとする機械学習ステップと
をさらに有することを特徴とする請求項１に記載の外観検査方法。
【請求項３】
前記欠陥予測ステップの後に、前記欠陥予測ステップにおいて前記欠陥と予測された画素あるいは領域に対して、更なる欠陥判別処理をする欠陥判別ステップをさらに有することを特徴とする請求項１又は請求項２に記載の外観検査方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、外観検査方法に関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
従来から、製品や製品部品等の被検査物を撮像した画像を用いて、被検査物の外観を検査する技術が知られている。
特に、最近は、良品及び不良品を含む複数枚の学習用画像から、機械学習、とりわけ深層学習によって抽出された特徴量を分類して、被検査物を撮像した画像に含まれる被検査物の特徴量と比較評価することによって、人を介さずに自動で被検査物の良否を判定する技術が注目されて、開発が進んでいる（例えば、特許文献１参照）。
この際、通常、良品や不良品の分類する際に分類モデル（分類器）を用いるが、分類モデルの分類精度を向上するために、欠陥の画像を含む複数の学習用画像を基にした深層学習による分類モデルの生成が行われている（例えば、特許文献２参照）。
【先行技術文献】
【特許文献】
【０００３】
特開２０２０－１８７６５６号公報
特開２０１８－００５６４０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかし、分類器による良品及び不良品の判別において、明瞭に良品と不良品の判別することは困難な場合が多く、分類器による判別の後に、その他処理と組み合わせて判別すること場合が多くある。
その際、分類器による判別の後で行われる処理では、分類器での良品及び不良品と分類した箇所に着目して処理を施す必要があるが、分類器では画像全体に対して分類が実施されるため、詳細な着目箇所を抽出することができず、分類器とそのほかの処理を組み合わせても高精度な欠陥の良否判定ができないという課題があった。
【０００５】
そこで本発明では、画素毎に、良品及び不良品を判別する分類器を用いることにより、欠陥の箇所を詳細に抽出することで、高精度な欠陥の良否判定をすることが可能な外観検査方法を提供する。
【課題を解決するための手段】
【０００６】
本発明の外観検査方法は、評価用被検物の評価用画像を一つ以上読み込み、前記評価用画像から、前記評価用画像を構成する画素毎に評価領域を切り出して、前記評価領域から評価用特徴量を抽出する評価用特徴量抽出ステップと、前記評価用特徴量を、学習済み分類モデルに入力することによって、前記評価領域毎に、前記評価用被検物に生じた欠陥を予測する欠陥予測ステップとを有する。
【０００７】
また、一つ以上の学習用材料を撮像して得られた、複数の学習用画像からなる学習用画像群を読み込み、前記学習用画像から、前記学習用画像を構成する画素毎に学習領域を切り出す学習領域分割ステップと、前記学習領域から学習用特徴量を抽出する学習用特徴量抽出ステップと、前記学習用特徴量から前記学習用材料の外観に生じた欠陥を学習して前記学習済み分類モデルとする機械学習ステップとをさらに有することが好ましい。
【０００８】
また、前記欠陥予測ステップの後に、前記欠陥予測ステップにおいて前記欠陥と予測された画素あるいは領域に対して、更なる欠陥判別処理をする欠陥判別ステップをさらに有することが好ましい。
【発明の効果】
【０００９】
本発明によれば、外観検査方法において、画像内での詳細な欠陥位置の特定が可能となり、その位置を、欠陥か否か判断することで判定精度を向上させることができる。
【図面の簡単な説明】
【００１０】
本発明の第一の実施形態の外観検査方法に関するフローチャートである。
本発明の第二の実施形態の外観検査方法に関するフローチャートである。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許