特許ウォッチ

公開番号2024163476
公報種別公開特許公報(A)
公開日2024-11-22
出願番号2023079103
出願日2023-05-12
発明の名称プログラム、および、判断装置
出願人ブラザー工業株式会社
代理人鳳国際弁理士法人
主分類G06T 7/00 20170101AFI20241115BHJP(計算;計数)
要約【課題】生地の欠陥の有無を適切に判断する。
【解決手段】
対象生地の読取画像の補正処理を行い、処理済の画像を機械学習モデルに入力する。ここで、補正処理は、第1パターンが規則的に並ぶ第1方向の角度を第1特定角度に近づける第1補正を含んでよい。補正処理は、対象生地を表す画像中の対象生地の歪みを補正する歪み補正を含んでよい。あるいは、読取画像を機械学習モデルに入力する。ここで、機械学習モデルの訓練に使用される複数の訓練画像は、複数の訓練画像の複数の第1方向の第1基準方向に対する角度の分布範囲が第1角度範囲であるように構成されてよい。機械学習モデルは、生地を表す第1種画像に、歪みの付与を含む画像処理を実行することによって得られる第2種画像を使用して訓練されてよい。
【選択図】図1
特許請求の範囲【請求項１】
織物または編物である生地の欠陥の有無を判断するコンピュータのためのプログラムであって、
光学的に読み取られた対象生地の画像である読取画像のデータを取得する機能と、
前記読取画像の補正処理を行う補正機能であって、前記補正処理は、前記対象生地を表す画像中の、糸によって形成される第１パターンが規則的に並ぶ方向である第１方向の第１基準方向に対する角度を第１特定角度に近づける第１補正を含む、前記補正機能と、
前記補正処理による処理済の画像を機械学習モデルに入力して前記対象生地の欠陥の有無を判断する判断機能であって、前記機械学習モデルは、前記第１方向の角度が前記第１特定角度である生地の画像を使用して訓練されている、前記判断機能と、
をコンピュータに実現させるプログラム。
続きを表示（約 2,200 文字）【請求項２】
請求項１に記載のプログラムであって、
前記機械学習モデルは、生地を表す複数の訓練画像を使用して訓練されており、
前記複数の訓練画像は、前記複数の訓練画像の複数の第１方向の角度の分布範囲が前記第１特定角度を含む特定範囲であるように、構成され、
前記特定範囲は、前記対象生地の読取のために前記対象生地を搬送する搬送装置によって支持される生地の読取画像を使用して推定される前記生地の回転と斜行との一方または両方に基づく前記第１方向の角度の分布を使用して、決定される、
プログラム。
【請求項３】
請求項１に記載のプログラムであって、
前記補正処理は、前記対象生地を表す画像中の、糸によって形成される第２パターンが規則的に並ぶ方向である第２方向の第２基準方向に対する角度をアフィン変換の剪断によって第２特定角度に近づける第２補正を含み、
前記機械学習モデルは、生地を表す複数の訓練画像を使用して訓練されており、
前記複数の訓練画像は、訓練画像の第２方向の前記第２基準方向に対する角度を前記アフィン変換の剪断によって前記第２特定角度に近づける補正による補正済の複数の訓練画像を含む、
プログラム。
【請求項４】
請求項１に記載のプログラムであって、
前記機械学習モデルは、生地を表す複数の訓練画像を使用して訓練されており、
前記複数の訓練画像は、前記複数の訓練画像の複数の第２方向の角度の分布範囲が角度範囲であるように、構成され、前記第２方向は、生地の画像中の糸によって形成される第２パターンが規則的に並ぶ方向であり、
前記角度範囲は、前記対象生地の読取のために前記対象生地を搬送する搬送装置によって支持される生地の読取画像を使用して推定される前記生地の回転と斜行との一方または両方に基づく前記第２方向の角度の分布を使用して、決定される、
プログラム。
【請求項５】
請求項１に記載のプログラムであって、
前記第１特定角度は、前記対象生地の読取のために前記対象生地を搬送する搬送装置によって支持される生地の読取画像を使用して推定される前記生地の回転と斜行との一方または両方に基づく前記第１方向の角度の分布を使用して、決定される、
プログラム。
【請求項６】
織物または編物である生地の欠陥の有無を判断するコンピュータのためのプログラムであって、
光学的に読み取られた対象生地の画像である読取画像のデータを取得する機能と、
前記読取画像を機械学習モデルに入力して前記対象生地の欠陥の有無を判断する判断機能と、
をコンピュータに実現させ、
前記機械学習モデルは、生地を表す複数の訓練画像を使用して訓練されており、
前記複数の訓練画像は、前記複数の訓練画像の複数の第１方向の第１基準方向に対する角度の分布範囲が第１角度範囲であるように、構成され、前記第１方向は、生地の画像中の糸によって形成される第１パターンが規則的に並ぶ方向であり、
前記第１角度範囲は、前記対象生地の読取のために前記対象生地を搬送する搬送装置によって支持される生地の読取画像を使用して推定される前記生地の回転と斜行との一方または両方に基づく前記第１方向の角度の分布を使用して、決定される、
プログラム。
【請求項７】
織物または編物である生地の欠陥の有無を判断するコンピュータのためのプログラムであって、
光学的に読み取られた対象生地の画像である読取画像のデータを取得する機能と、
前記読取画像の補正処理を行う補正機能であって、前記補正処理は、前記対象生地を表す画像中の前記対象生地の歪みを補正する歪み補正を含む、前記補正機能と、
前記補正処理による処理済の画像を機械学習モデルに入力して前記対象生地の欠陥の有無を判断する判断機能と、
をコンピュータに実現させるプログラム。
【請求項８】
請求項７に記載のプログラムであって、
前記歪み補正は、歪みを補正する機械学習モデルである歪み補正モデルによる歪みの補正を含み、
前記歪み補正モデルは、生地を表す第１種画像に歪みを付与することによって得られる第２種画像から、前記第１種画像を生成するように、訓練されている、
プログラム。
【請求項９】
請求項８に記載のプログラムであって、
前記第１種画像は、生地を表す画像の一部分に欠陥の画像を追加することによって得られ、
前記第２種画像は、前記第１種画像によって表される前記欠陥と同じ欠陥を表している、
プログラム。
【請求項１０】
請求項８または９に記載のプログラムであって、
前記歪みの付与は、前記第１種画像内に配置された複数の制御点のそれぞれの変位ベクトルに従って、行われ、
前記複数の制御点の複数の変位ベクトルは、隣り合う制御点の変位ベクトルの間の差違が基準以下となるように、構成されている、
プログラム。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本明細書は、織物または編物である生地の欠陥の有無を判断する技術に関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
材料表面の欠陥を識別するために機械学習を使用する技術が提案されている。例えば、特許文献１に記載の技術では、対象材料表面の画像をニューラルネットワークに入力して欠陥低減バージョンが生成され、欠陥低減バージョンと入力された画像とを比較して差異が識別され、識別された差異の位置で対象材料表面の欠陥が識別される。
【先行技術文献】
【特許文献】
【０００３】
特開２０２０－１８７７３５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
織物または編物である生地の欠陥の有無を判断するために、生地の読取画像と機械学習モデルとが使用されてよい。ところが、生地の読取画像が使用される場合、種々の原因に起因して、機械学習モデルを使用して得られる判断結果の精度が低下し得る。例えば、読取画像中の生地の向きが、機械学習モデルに適する向きからズレ得る。このような生地の向きのズレは、判断結果の精度を低下させ得る。また、生地は、金属、硬質樹脂、ガラスなどの硬質な部材と比べて、変形し易い。例えば、生地が搬送される場合、生地には、斜行、歪み、などの変形が生じ得る。読取画像中の生地の変形は、判断結果の精度を低下させ得る。
【０００５】
本明細書は、生地の欠陥の有無を適切に判断する技術を開示する。
【課題を解決するための手段】
【０００６】
本明細書に開示された技術は、以下の適用例として実現することが可能である。
【０００７】
［適用例１］織物または編物である生地の欠陥の有無を判断するコンピュータのためのプログラムであって、光学的に読み取られた対象生地の画像である読取画像のデータを取得する機能と、前記読取画像の補正処理を行う補正機能であって、前記補正処理は、前記対象生地を表す画像中の、糸によって形成される第１パターンが規則的に並ぶ方向である第１方向の第１基準方向に対する角度を第１特定角度に近づける第１補正を含む、前記補正機能と、前記補正処理による処理済の画像を機械学習モデルに入力して前記対象生地の欠陥の有無を判断する判断機能であって、前記機械学習モデルは、前記第１方向の角度が前記第１特定角度である生地の画像を使用して訓練されている、前記判断機能と、をコンピュータに実現させるプログラム。
【０００８】
この構成によれば、読取画像によって表される生地によって示される第１方向の角度が第１特定角度からずれている場合であっても、生地の欠陥の有無を適切に判断できる。
【０００９】
［適用例２］織物または編物である生地の欠陥の有無を判断するコンピュータのためのプログラムであって、光学的に読み取られた対象生地の画像である読取画像のデータを取得する機能と、前記読取画像を機械学習モデルに入力して前記対象生地の欠陥の有無を判断する判断機能と、をコンピュータに実現させ、前記機械学習モデルは、生地を表す複数の訓練画像を使用して訓練されており、前記複数の訓練画像は、前記複数の訓練画像の複数の第１方向の第１基準方向に対する角度の分布範囲が第１角度範囲であるように、構成され、前記第１方向は、生地の画像中の糸によって形成される第１パターンが規則的に並ぶ方向であり、前記第１角度範囲は、前記対象生地の読取のために前記対象生地を搬送する搬送装置によって支持される生地の読取画像を使用して推定される前記生地の回転と斜行との一方または両方に基づく前記第１方向の角度の分布を使用して、決定される、プログラム。
【００１０】
この構成によれば、読取画像によって表される生地によって示される第１方向の角度が変化する場合であっても、生地の欠陥の有無を適切に判断できる。
（【００１１】以降は省略されています）

関連特許