特許ウォッチ

公開番号2025005766
公報種別公開特許公報(A)
公開日2025-01-17
出願番号2023106106
出願日2023-06-28
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G01N 23/18 20180101AFI20250109BHJP(測定;試験)
要約【課題】計算資源を増大化させることなく検査対象物の異常を高精度に検出可能な検査装置を提供する。
【解決手段】検査装置は、検査対象物の異なる部分を撮像した複数の画像を取得する取得部と、機械学習により重みが設定された学習済みモデルを用いて部分毎に画像の特徴量を出力する特徴抽出部と、それぞれが部分毎に設定されたパラメータを有する複数の推論モデルを含み、特徴量を当該特徴量に対応する部分に対応する推論モデルに入力することにより、部分毎に異常が存在することの確からしさを示す指標値を出力する推論部と、それぞれが部分毎に設定された閾値を有する複数の判定モデルを含み、指標値を当該指標値に対応する部分に対応する判定モデルに入力することにより、部分毎に異常の有無を示す部分判定結果を出力する部分判定部と、複数の部分判定結果に基づいて検査対象物の異常の有無を判定する統合判定部と、を備える。
【選択図】図4
特許請求の範囲【請求項１】
検査対象物の異なる部分を撮像した複数の画像を取得する取得部と、
機械学習により重みが設定された学習済みモデルを用いて前記部分毎に前記画像の特徴量を出力する特徴抽出部と、
それぞれが前記部分毎に設定されたパラメータを有する複数の推論モデルを含み、前記特徴抽出部から出力された前記特徴量を当該特徴量に対応する前記部分に対応する前記推論モデルに入力することにより、前記部分毎に異常が存在することの確からしさを示す指標値を出力する推論部と、
それぞれが前記部分毎に設定された閾値を有する複数の判定モデルを含み、前記推論部から出力された前記指標値を当該指標値に対応する前記部分に対応する前記判定モデルに入力することにより、前記部分毎に異常の有無を示す部分判定結果を出力する部分判定部と、
前記部分判定部から出力された複数の前記部分判定結果に基づいて前記検査対象物の異常の有無を判定する統合判定部と、
を備える検査装置。
続きを表示（約 480 文字）【請求項２】
前記部分は、前記検査対象物の内部を分割する階層であり、
前記画像は、各前記階層における前記検査対象物の内部構造を示すＸ線画像である、
請求項１に記載の検査装置。
【請求項３】
前記学習済みモデルに所定のデータセットを入力して得られる出力に基づいて複数の前記部分のうちの１つである第１部分に対応する前記推論モデルの前記パラメータを算出し、当該算出されたパラメータを有する前記推論モデルに所定のデータセットを入力して得られる出力に基づいて前記第１部分に対応する前記判定モデルの前記閾値を算出する学習処理部、
を更に備える請求項１に記載の検査装置。
【請求項４】
前記学習処理部は、前記検査対象物以外の物体を撮像した画像を含むデータセットを用いて前記学習済みモデルの重みを算出する、
請求項３に記載の検査装置。
【請求項５】
前記推論部は、特徴毎に正規化された距離を用いて、前記特徴量の入力に対して前記指標値を出力する、
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】
本発明の実施形態は、検査装置に関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
工業製品等の検査対象物の異常（欠陥や不良等）を検出する技術として、検査対象物の内部や表面を撮像した画像を解析することにより検査対象物を破壊することなくその異常を検出可能な非破壊検査が利用されている。このような非破壊検査における画像解析処理に機械学習（深層学習）により生成された学習済みモデルが利用される場合がある。
【先行技術文献】
【特許文献】
【０００３】
特開２０２０－２４２０１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
上記のような非破壊検査において、１つの検査対象物について複数の部分を撮像した複数の画像（例えば、検査対象物の内部構造を複数の階層に分割して撮像した複数の断面画像等）を取得し、これらの画像のそれぞれについて画像解析処理を行う場合がある。このような場合、部分（例えば階層等）毎に異なる画像解析処理を行う必要があるが、部分毎に異なる学習済みモデルを使用すると、多大な計算資源（メモリ容量や処理能力等）が必要となる。
【０００５】
そこで、本発明の実施形態が解決しようとする課題の一つは、計算資源を増大化させることなく検査対象物の異常を高精度に検出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】
【０００６】
実施形態の検査装置は、検査対象物の異なる部分を撮像した複数の画像を取得する取得部と、機械学習により重みが設定された学習済みモデルを用いて部分毎に画像の特徴量を出力する特徴抽出部と、それぞれが部分毎に設定されたパラメータを有する複数の推論モデルを含み、特徴抽出部から出力された特徴量を当該特徴量に対応する部分に対応する推論モデルに入力することにより、部分毎に異常が存在することの確からしさを示す指標値を出力する推論部と、それぞれが部分毎に設定された閾値を有する複数の判定モデルを含み、推論部から出力された指標値を当該指標値に対応する部分に対応する判定モデルに入力することにより、部分毎に異常の有無を示す部分判定結果を出力する部分判定部と、部分判定部から出力された複数の部分判定結果に基づいて検査対象物の異常の有無を判定する統合判定部と、を備える。
【０００７】
上記構成によれば、１つの学習済みモデルと、部分毎に設定されたパラメータを有する複数の推論モデルと、部分毎に設定された閾値を有する複数の判定モデルと、を用いて検査対象物の異常が検出される。そして、複数の推論モデルの各パラメータ及び複数の判定モデルの各閾値をそれぞれ対応する部分に適合するように設定（最適化）することにより、大きな計算資源を必要とする学習済みモデルを複数用いることなく、複数の画像を部分毎に異なる状況に合わせて適切に解析することが可能となる。これにより、計算資源を増大化させることなく高精度な非破壊検査を実施することが可能となる。
【図面の簡単な説明】
【０００８】
図１は、実施形態の検査装置の構成の一例を示す図である。
図２は、実施形態の検査対象物及び画像の一例を示す図である。
図３は、実施形態の階層と画像との関係の一例を示す図である。
図４は、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５は、実施形態の検査装置による検査処理の一例を示すフローチャートである。
図６は、実施形態の学習処理の一例を示すフローチャートである。
【発明を実施するための形態】
【０００９】
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。
【００１０】
図１は、実施形態の検査装置１の構成の一例を示す図である。本実施形態の検査装置１は、所定の検査対象物Ｏの異常を、検査対象物Ｏを破壊することなく検出する非破壊検査が可能な装置である。検査対象物Ｏは、特に限定されるべきものではないが、例えば半導体デバイス、車載部品、その他各種の工業製品等であり得る。
（【００１１】以降は省略されています）

関連特許