特許ウォッチ

公開番号2025045363
公報種別公開特許公報(A)
公開日2025-04-02
出願番号2023153298
出願日2023-09-20
発明の名称異物検査装置及び異物検査方法
出願人東芝ライテック株式会社
代理人弁理士法人鈴榮特許綜合事務所
主分類G01N 21/3563 20140101AFI20250326BHJP(測定;試験)
要約【課題】コストを削減可能な異物検査装置及び検査方法を提供する
【解決手段】実施形態によれば、異物検査装置1は、対象物TGに紫外光を照射した状態で撮像された第1画像IMG_UV、可視光を照射した状態で撮像された第2画像IMG_VL、及び赤外光を照射した状態で撮像された第3画像IMG_IRを取得する画像取得部231と、第1画像から1つのチャンネルの第1抽出画像IMG_EUを抽出し、第2画像から1つのチャンネルの第2抽出画像IMG_EVを抽出し、第3画像から1つのチャンネルの第3抽出画像IMG_EIを抽出する抽出部232と、第1抽出画像、第2抽出画像、及び第3抽出画像を合成して、合成画像IMG_CMを生成する合成部233と、合成画像IMG_CMを用いて異物を判定する判定部234とを含む。
【選択図】図6

特許請求の範囲【請求項１】
対象物に紫外光を照射した状態で撮像された第１画像、前記対象物に可視光を照射した状態で撮像された第２画像、及び前記対象物に赤外光を照射した状態で撮像された第３画像を取得する画像取得部と、
前記第１画像から１つのチャンネルの第１抽出画像を抽出し、前記第２画像から１つのチャンネルの第２抽出画像を抽出し、前記第３画像から１つのチャンネルの第３抽出画像を抽出する抽出部と、
前記第１抽出画像、前記第２抽出画像、及び前記第３抽出画像を合成して、合成画像を生成する合成部と、
前記合成画像を用いて前記対象物における異物を判定する判定部と
を備える、
異物検査装置。
続きを表示（約 740 文字）【請求項２】
前記判定部は、前記合成画像を入力とした深層学習モデルを使用することにより、前記異物の判定を実施するように構成される、
請求項１に記載の異物検査装置。
【請求項３】
前記第１抽出画像は、前記第１画像のＢチャンネルの画像であり、
前記第２抽出画像は、前記第２画像のＲチャンネルの画像であり、
前記第３抽出画像は、前記第３画像のグレースケールの画像である、
請求項１に記載の異物検査装置。
【請求項４】
前記対象物に前記紫外光、前記可視光、及び前記赤外光を照射可能に構成された光源部と、
前記対象物を撮像する撮影部と
を更に備える、
請求項１に記載の異物検査装置。
【請求項５】
対象物に紫外光を照射した状態で撮像された第１画像、前記対象物に可視光を照射した状態で撮像された第２画像、及び前記対象物に赤外光を照射した状態で撮像された第３画像を取得することと、
前記第１画像から１つのチャンネルの第１抽出画像を抽出することと、
前記第２画像から１つのチャンネルの第２抽出画像を抽出することと、
前記第３画像から１つのチャンネルの第３抽出画像を抽出することと、
前記第１抽出画像、前記第２抽出画像、及び前記第３抽出画像を合成して、３つのチャンネルの合成画像を生成することと、
前記合成画像を用いて前記対象物における異物を判定することと
を備える、
異物検査方法。
【請求項６】
前記判定することは、前記合成画像を入力とした深層学習モデルを使用する、
請求項５に記載の異物検査方法。

発明の詳細な説明【技術分野】
【０００１】
本発明の実施形態は、異物検査装置及び異物検査方法に関する。
続きを表示（約 2,300 文字）【背景技術】
【０００２】
画像検査に用いられる深層学習モデルとして、可視光源を用いて撮像されたＲＧＢ画像の赤（Ｒｅｄ）、緑（Ｇｒｅｅｎ）、青（Ｂｌｕｅ）の３チャンネルを入力として実装・学習されたモデルが知られている。
【０００３】
或るタスクに対して大量の画像データを使用して学習された深層学習モデルは、他のタスクにおいても、比較的少量の学習データで比較的高いスコアが出せることが知られている。このような学習方法は、転移学習とも呼ばれる。
【０００４】
例えば、異物検査の１つとして、精肉から異物として軟骨を検出する検査がある。精肉の表面画像検査の場合、可視光源により撮像された画像検査では、異物判定の精度が十分に得られないことがある。例えば、精肉の赤身と脂肪及び軟骨との判別は比較的容易である。しかし、脂肪と軟骨とは、色合いが類似しているため、判別しづらい。このような場合、可視光源だけでなく他の波長の光源を用いて撮像された画像データも異物検査の入力データとして使用され得る。しかし、画像データの撮像に複数の光源が使用されると、入力データとして用いられる画像データのチャンネル数が増加する。画像データのチャンネル数が３チャンネルより多くなると、特殊な入力に対応した深層学習モデルを新たに構築する必要がある。その場合、前述の大量の画像データを使用して学習された、３チャンネルの入力に対応した深層学習モデルを使用することができず、新たにモデルを構築する等、異物検査装置のコストが増大する虞がある。
【先行技術文献】
【特許文献】
【０００５】
特開２０１８－０６６６４９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
本発明が解決しようとする課題は、コストを削減可能な異物検査装置及び検査方法を提供することである。
【課題を解決するための手段】
【０００７】
実施形態によれば、異物検査装置は、対象物に可視光を照射した状態で撮像された第１画像、対象物に紫外光を照射した状態で撮像された第２画像、及び対象物に赤外光を照射した状態で撮像された第３画像を取得する画像取得部と、第１画像から１つのチャンネルの第１抽出画像を抽出し、第２画像から１つのチャンネルの第２抽出画像を抽出し、第３画像から１つのチャンネルの第３抽出画像を抽出する抽出部と、第１抽出画像、第２抽出画像、及び第３抽出画像を合成して、合成画像を生成する合成部と、合成画像を用いて対象物における異物を判定する判定部とを含む。
【発明の効果】
【０００８】
本発明によれば、コストを削減可能な異物検査装置及び異物検査方法を提供できる。
【図面の簡単な説明】
【０００９】
図１は、第１実施形態に係る異物検査装置の構成の一例を示すブロック図である。
図２は、第１実施形態に係る異物検査装置のハードウェア構成の一例を示すブロック図である。
図３は、第１実施形態に係る異物検査装置の光源部に含まれる紫外光源の一例を示す概略図である。
図４は、第１実施形態に係る異物検査装置に含まれる処理部の機能構成の一例を示すブロック図である。
図５は、第１実施形態に係る異物検査装置に含まれる判定処理部の機能構成及び記憶部の構成の一例を示すブロック図である。
図６は、第１実施形態に係る異物検査装置における合成画像生成の流れを示す概念図である。
図７は、第１実施形態に係る異物検査装置における撮影画像、抽出画像、及び合成画像の第１具体例を示す図である。
図８は、第１実施形態に係る異物検査装置における撮影画像、抽出画像、及び合成画像の第２具体例を示す図である。
図９は、第１実施形態に係る異物判定処理の流れの一例を示すフローチャートである。
図１０は、第２実施形態に係る異物検査装置の構成の一例を示すブロック図である。
図１１は、第２実施形態に係る異物検査装置のハードウェア構成の一例を示すブロック図である。
図１２は、第２実施形態に係る異物検査装置の光源部に含まれる紫外光源の一例を示す概略図である。
図１３は、第３実施形態に係る異物検査装置のハードウェア構成の一例を示すブロック図である。
【発明を実施するための形態】
【００１０】
実施形態の異物検査装置（１）は、対象物（ＴＧ）に紫外光を照射した状態で撮像された第１画像（ＩＭＧ＿ＵＶ）、対象物（ＴＧ）に可視光を照射した状態で撮像された第２画像（ＩＭＧ＿ＶＬ）、及び対象物（ＴＧ）に赤外光を照射した状態で撮像された第３画像（ＩＭＧ＿ＩＲ）を取得する画像取得部（２３１）と、第１画像（ＩＭＧ＿ＵＶ）から１つのチャンネルの第１抽出画像（ＩＭＧ＿ＥＵ）を抽出し、第２画像（ＩＭＧ＿ＶＬ）から１つのチャンネルの第２抽出画像（ＩＭＧ＿ＥＶ）を抽出し、第３画像（ＩＭＧ＿ＩＲ）から１つのチャンネルの第３抽出画像（ＩＭＧ＿ＥＩ）を抽出する抽出部（２３２）と、第１抽出画像（ＩＭＧ＿ＥＵ）、第２抽出画像（ＩＭＧ＿ＥＶ）、及び第３抽出画像（ＩＭＧ＿ＥＩ）を合成して、合成画像（ＩＭＧ＿ＣＭ）を生成する合成部（２３３）と、合成画像（ＩＭＧ＿ＣＭ）を用いて対象物（ＴＧ）における異物を判定する判定部（２３４）とを含む。これにより、異物検査装置（１）は、３チャンネルの合成画像（ＩＭＧ＿ＣＭ）を入力とした異物検査を実行できる。
（【００１１】以降は省略されています）

関連特許