特許ウォッチ

公開番号2024179573
公報種別公開特許公報(A)
公開日2024-12-26
出願番号2023098530
出願日2023-06-15
発明の名称検査装置
出願人株式会社アイシン
代理人弁理士法人酒井国際特許事務所
主分類G06V 10/778 20220101AFI20241219BHJP(計算;計数)
要約【課題】学習モデルの再学習を効率的に実施可能な検査装置を提供する。
【解決手段】実施形態の検査装置は、教師データを用いて行われる機械学習によりパラメータが設定され、検査対象物に関するセンサデータの入力に対して検査対象物が特定の状態であることの確からしさを示す指標値を出力する学習モデルを用いて、検査対象物の状態を推定する推定部と、予め定められた再学習条件が満たされた場合に、学習モデルのパラメータを再設定するための機械学習である再学習を行う再学習部と、再学習後の学習モデルが予め定められた評価基準を満たさない場合に、再学習の方法を変化させた場合に再学習の結果がどのように変化するかを示す予測情報を生成する予測部と、予測情報を出力し、出力された予測情報を利用して行われるユーザの操作を受け付ける入出力部と、ユーザの操作に基づいて再学習の方法を変更する変更部と、を備える。
【選択図】図2
特許請求の範囲【請求項１】
教師データを用いて行われる機械学習によりパラメータが設定され、検査対象物に関するセンサデータの入力に対して前記検査対象物が特定の状態であることの確からしさを示す指標値を出力する学習モデルを用いて、前記検査対象物の状態を推定する推定部と、
予め定められた再学習条件が満たされた場合に、前記学習モデルの前記パラメータを再設定するための前記機械学習である再学習を行う再学習部と、
前記再学習後の前記学習モデルが予め定められた評価基準を満たさない場合に、前記再学習の方法を変化させた場合に前記再学習の結果がどのように変化するかを示す予測情報を生成する予測部と、
前記予測情報を出力し、出力された前記予測情報を利用して行われるユーザの操作を受け付ける入出力部と、
前記ユーザの操作に基づいて前記再学習の方法を変更する変更部と、
を備える検査装置。
続きを表示（約 500 文字）【請求項２】
前記予測情報は、前記再学習で用いられる前記教師データの変化に応じて前記再学習後の前記学習モデルから出力される指標値の分布がどのように変化するかを示す情報を含む、
請求項１に記載の検査装置。
【請求項３】
前記予測情報は、前記再学習で用いられる前記教師データにおける、前記再学習条件が満たされた時点より前の予め定められた期間に取得された前記センサデータである直近データの含有率の変化に応じて前記再学習後の前記学習モデルから出力される指標値の分布がどのように変化するかを示す情報を含む、
請求項１に記載の検査装置。
【請求項４】
前記予測情報は、前記再学習で用いられる前記教師データから特定のセンサデータを除外した場合に前記再学習後の前記学習モデルから出力される指標値の分布がどのように変化するかを示す情報を含む、
請求項１に記載の検査装置。
【請求項５】
前記予測情報は、前記再学習におけるエポック数と、前記再学習後の前記学習モデルの推定精度と、の関係を示す情報を含む、
請求項１に記載の検査装置。

発明の詳細な説明【技術分野】
【０００１】
本実施形態は、検査装置に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
工業製品等の検査対象物の異常（例えばバリ、打痕、キズ、変形、汚れ等）を発見する検査を行う際に、検査対象物を撮像した撮像画像から検査対象物の状態（例えば正常状態であるか異常状態であるか等）を推定する学習モデル（学習済みモデル）が利用されている。このような学習モデルは、正常状態にある検査対象物の撮像画像及び異常状態にある検査対象物の撮像画像を含む教師データを用いて事前に行われる機械学習（深層学習）により生成される。
【先行技術文献】
【特許文献】
【０００３】
特許第６０６１７１３号公報
特開２０２２－１８４４７５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
上記のような手法においては、コンセプトドリフト等の要因により学習モデルの推定精度が低下する可能性がある。コンセプトドリフトとは、学習モデルが推定しようとする目的変数の統計学的特性が時間の経過とともに変化することを意味し、その原因としては、例えばカメラレンズの汚れ、照明装置の劣化、気温等の環境の変化、前工程の変化等が考えられる。このようなコンセプトドリフト等により学習モデルの推定精度の低下が生じた場合には、新たな教師データを用いて学習モデルを再学習する必要がある。
【０００５】
しかしながら、再学習を行っても学習モデルの推定精度が十分回復しない場合がある。そのため、再学習の効果が十分に認められない場合には、教師データの変更等の再学習方法の修正を行った上で、再度再学習を行うことが必要となる。
【０００６】
そこで、本実施形態が解決しようとする課題の一つは、学習モデルの再学習を効率的に実施可能な検査装置を提供することである。
【課題を解決するための手段】
【０００７】
本実施形態の検査装置は、教師データを用いて行われる機械学習によりパラメータが設定され、検査対象物に関するセンサデータの入力に対して検査対象物が特定の状態であることの確からしさを示す指標値を出力する学習モデルを用いて、検査対象物の状態を推定する推定部と、予め定められた再学習条件が満たされた場合に、学習モデルのパラメータを再設定するための機械学習である再学習を行う再学習部と、再学習後の学習モデルが予め定められた評価基準を満たさない場合に、再学習の方法を変化させた場合に再学習の結果がどのように変化するかを示す予測情報を生成する予測部と、予測情報を出力し、出力された予測情報を利用して行われるユーザの操作を受け付ける入出力部と、ユーザの操作に基づいて再学習の方法を変更する変更部と、を備える。
【０００８】
上記構成によれば、再学習後の学習モデルが予め定められた評価基準を満たさない場合、再学習の方法を変化させた場合に再学習の結果がどのように変化するかを示す予測情報がユーザに提示され、ユーザは、当該予測情報に基づいて再学習の方法を適切に変更できる。これにより、学習モデルの再学習を効率的に実施することが可能となる。
【図面の簡単な説明】
【０００９】
図１は、第１実施形態の検査システムの構成の一例を示す図である。
図２は、第１実施形態の検査装置の機能構成の一例を示す図である。
図３は、第１実施形態の再学習で用いられる教師データの構成の一例を示す図である。
図４は、第１実施形態の予測情報の生成方法の一例を示す図である。
図５は、第１実施形態の予測表示画面の一例を示す図である。
図６は、第１実施形態の検査装置における処理の一例を示すフローチャートである。
図７は、第２実施形態の予測表示画面の構成の一例を示す図である。
図８は、第３実施形態の予測情報の生成方法の一例を示す図である。
図９は、第３実施形態の予測表示画面の一例を示す図である。
【発明を実施するための形態】
【００１０】
以下、本発明の例示的な実施形態が開示される。以下に示される実施形態の構成、並びに当該構成によってもたらされる作用、結果及び効果は、一例である。本発明は、以下の実施形態に開示される構成以外によって実現可能であると共に、基本的な構成に基づく種々の効果や派生的な効果のうち少なくとも１つを得ることが可能である。
（【００１１】以降は省略されています）

関連特許