特許ウォッチ

公開番号2024170983
公報種別公開特許公報(A)
公開日2024-12-11
出願番号2023087792
出願日2023-05-29
発明の名称プログラム、および、検査装置
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 20170101AFI20241204BHJP(計算;計数)
要約【課題】検査対象物のスジ状の欠陥を検査する。
【解決手段】
光学的に読み取られた検査対象物を表す対象画像を取得する。機械学習モデルを使用して、対象画像の一部であるパッチ画像に対応付けられる結果を取得する。パッチ画像は、機械学習モデルに入力される画像の基準サイズのアスペクト比、及び、1:1のアスペクト比とは異なるアスペクト比を有している。機械学習モデルは、パッチ画像の縦方向と横方向とのうちの長い方向に延びるスジ状の欠陥であってパッチ画像によって表される検査対象物中の欠陥の有無に応じて異なる結果を出力するよう訓練されている。結果に基づき、特定処理を実行する。
【選択図】図1
特許請求の範囲【請求項１】
プログラムであって、
光学的に読み取られた検査対象物を表す対象画像を取得する第１取得機能と、
機械学習モデルを使用して、前記対象画像の一部であるパッチ画像に対応付けられる結果を取得する第２取得機能であって、前記パッチ画像は、前記機械学習モデルに入力される画像の基準サイズのアスペクト比、及び、１：１のアスペクト比とは異なるアスペクト比を有し、前記機械学習モデルは、前記パッチ画像の縦方向と横方向とのうちの長い方向に延びるスジ状の欠陥であって前記パッチ画像によって表される前記検査対象物中の前記欠陥の有無に応じて異なる結果を出力するよう訓練されている、前記第２取得機能と、
前記結果に基づき、特定処理を実行する実行機能と、
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、
前記第２取得機能は、前記長い方向に圧縮されたパッチ画像を表す前記基準サイズの画像を使用して、前記パッチ画像に対応付けられる前記結果を取得する、
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、
前記機械学習モデルは、前記基準サイズの画像の特徴量を算出するように訓練された特徴量算出部と、Ｌ個（Ｌは２以上の整数）の前記基準サイズの画像のＬ個の特徴量に対応付けられる結果であって前記Ｌ個の基準サイズの画像の全体に対応付けられる前記結果を出力するように訓練された出力部と、を含み、
前記パッチ画像は、Ｌ個のブロック画像を含み、前記Ｌ個のブロック画像は、それぞれ、前記基準サイズを有し、前記Ｌ個のブロック画像は、前記長い方向に連続する２以上のブロック画像を含み、
前記第２取得機能は、
前記特徴量算出部を使用して、前記パッチ画像の前記Ｌ個のブロック画像のＬ個の特徴量を取得し、
前記出力部と、前記Ｌ個のブロック画像の前記Ｌ個の特徴量と、を使用して、前記パッチ画像に対応付けられる前記結果を取得する、
プログラム。
【請求項４】
請求項３に記載のプログラムであって、
前記第２取得機能は、
前記パッチ画像である第１パッチ画像の前記Ｌ個のブロック画像に含まれる第１ブロック画像の特徴量に対応付けられる情報を表すデータを記憶装置に格納し、
前記対象画像の一部である第２パッチ画像であって、前記第１ブロック画像と、前記Ｌ個のブロック画像には含まれない第２ブロック画像と、を含む前記第２パッチ画像に対応付けられる結果を取得するために、前記特徴量算出部を使用する前記第１ブロック画像の前記特徴量の新たな取得を行わずに、前記記憶装置に格納される前記データによって表される前記情報を使用する、
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２取得機能は、前記機械学習モデルを使用して、前記対象画像の一部である第２パッチ画像であって前記パッチ画像である第１パッチ画像とは異なる前記第２パッチ画像に対応付けられる結果を取得し、前記第２パッチ画像は、前記第１パッチ画像の形状と同じ形状を有し、前記第２パッチ画像は、前記第１パッチ画像の一部分である第１部分と、前記対象画像のうちの前記第１パッチ画像には含まれない第２部分と、を含む、
プログラム。
【請求項６】
請求項５に記載のプログラムであって、
前記機械学習モデルは、前記基準サイズの画像を処理する第１処理部と、前記第１処理部から出力される情報に対応付けられる結果を出力する第２処理部と、を含み、
前記第２取得機能は、
前記第１パッチ画像に対応付けられる前記結果の取得のために使用される第１情報であって前記機械学習モデルの前記第１処理部から出力される情報を使用して取得される前記第１情報の一部である第２情報を、前記第２パッチ画像に対応付けられる前記結果の取得のために、前記第１処理部を使用して新たに取得せずに、再使用する、
プログラム。
【請求項７】
請求項６に記載のプログラムであって、
前記第１情報は、前記第１パッチ画像内の複数の位置にそれぞれ対応付けられる複数の特徴情報を含み、
前記第２情報は、前記複数の特徴情報のうち、前記第１パッチ画像と前記第２パッチ画像とに含まれる前記第１部分内の位置に対応付けられる特徴情報を含み、
前記第２取得機能は、
前記第２情報を表すデータを記憶装置に格納し、
前記第２パッチ画像に対応付けられる前記結果の取得のために、前記記憶装置に格納される前記データによって表される前記第２情報を使用する、
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、
前記第１パッチ画像と前記第２パッチ画像とは、それぞれ、Ｌ個（Ｌは２以上の整数）のブロック画像を含み、前記Ｌ個のブロック画像は、それぞれ、前記基準サイズを有し、前記Ｌ個のブロック画像は、前記長い方向に連続する２以上のブロック画像を含み、
前記第１パッチ画像と前記第２パッチ画像とに含まれる前記第１部分は、Ｍ個（Ｍは、１以上、Ｌ未満の整数）のブロック画像を含み、
前記第１情報に含まれる前記複数の特徴情報は、前記第１パッチ画像内のＬ個のブロック画像にそれぞれ対応付けられるＬ個の特徴情報を含み、
前記第２情報は、前記第１パッチ画像と前記第２パッチ画像とに含まれる前記第１部分内のＭ個のブロック画像に対応付けられるＭ個の特徴情報を含む、
プログラム。
【請求項９】
請求項１から８のいずれかに記載のプログラムであって、
前記パッチ画像の前記アスペクト比によって表される短辺の長さに対する長辺の長さの比率は、２以上である、
プログラム。
【請求項１０】
請求項１から８のいずれかに記載のプログラムであって、
前記検査対象物は、織物または編物であり、
前記特定処理は、前記検査対象物の搬送の停止を含む、
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、機械学習モデルを使用して検査対象物の欠陥を検査する技術に関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
画像データを使用して欠陥を検出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、微細欠陥検査部と二値化検査部とムラ検査部とスジ状欠陥検査部とにより、被検査物の欠陥が総合的に判定される。
【先行技術文献】
【特許文献】
【０００３】
特開平8-145907号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ところが、検査対象物のスジ状の欠陥の検査には、工夫の余地があった。
【０００５】
本明細書は、検査対象物のスジ状の欠陥を検査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］プログラムであって、光学的に読み取られた検査対象物を表す対象画像を取得する第１取得機能と、機械学習モデルを使用して、前記対象画像の一部であるパッチ画像に対応付けられる結果を取得する第２取得機能であって、前記パッチ画像は、前記機械学習モデルに入力される画像の基準サイズのアスペクト比、及び、１：１のアスペクト比とは異なるアスペクト比を有し、前記機械学習モデルは、前記パッチ画像の縦方向と横方向とのうちの長い方向に延びるスジ状の欠陥であって前記パッチ画像によって表される前記検査対象物中の前記欠陥の有無に応じて異なる結果を出力するよう訓練されている、前記第２取得機能と、前記結果に基づき、特定処理を実行する実行機能と、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、対象画像の一部であるパッチ画像は、機械学習モデルに入力される画像の基準サイズのアスペクト比、及び、１：１のアスペクト比とは異なるアスペクト比を有し、機械学習モデルは、パッチ画像の縦方向と横方向とのうちの長い方向に延びるスジ状の欠陥であってパッチ画像によって表される検査対象物中の欠陥の有無に応じて異なる結果を出力するよう訓練されているので、検査対象物のスジ状の欠陥の検査を適切に行うことができる。
【０００９】
なお、本明細書に開示の技術は、種々の態様で実現することが可能であり、例えば、検査方法および検査装置、それらの方法または装置の機能を実現するためのコンピュータプログラム、そのコンピュータプログラムを記録した記録媒体（例えば、一時的ではない記録媒体）、等の形態で実現することができる。
【図面の簡単な説明】
【００１０】
データ処理装置を示す説明図である。
デジタルカメラ１１０と織物７００と搬送装置９００との斜視図である。
（Ａ）－（Ｅ）は、織物７００の欠陥の例を示す説明図である。
訓練処理の例を示すフローチャートである。
（Ａ）－（Ｄ）は、訓練と検査とで処理される情報を表す図である。
横モデル３１０ｈの例を示すブロック図である。
特徴マップの概要を表す図である。
検査処理の例を示すフローチャートである。
（Ａ）－（Ｃ）は、パッチ画像と異常マップとの例を示す図である。
（Ａ）－（Ｆ）は、訓練と検査とで処理される情報を表す図である。
訓練処理の例を示すフローチャートである。
特徴マップの概要を表す図である。
検査処理の例を示すフローチャートである。
（Ａ）は、位置関係の参考例を表す図である。（Ｂ）は、横パッチ画像９１ｓの配置の例を表す図である。
検査処理の例を示すフローチャートである。
特徴マップの概要を表す図である。
検査処理の例を示すフローチャートである。
全体特徴マップの例を表す図である。
横パッチ画像９１ｓの配置の例を表す図である。
横パッチ画像の別の実施例を表す図である。
異常検知モデルの別の実施例を示すブロック図である。
「Swin Transformer」のアーキテクチャを表す図である。
（Ａ）－（Ｃ）は、処理される情報の例を表す図である。
【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