特許ウォッチ

公開番号2025076679
公報種別公開特許公報(A)
公開日2025-05-16
出願番号2023188441
出願日2023-11-02
発明の名称画像処理装置、画像処理方法およびプログラム
出願人オムロン株式会社,株式会社デンソー
代理人弁理士法人深見特許事務所
主分類G06T 7/00 20170101AFI20250509BHJP(計算;計数)
要約【課題】利用者が独自に作成したAIモデルを用いた画像処理を行なうことが可能な画像処理装置を提供する。
【解決手段】画像処理装置は、複数の処理項目の中から実行対象の1以上の処理項目を選択し、1以上の処理項目の実行順序を設定することにより、画像処理フローを作成するフロー作成部と、画像処理フローを実行する画像処理部とを備える。複数の処理項目は、少なくとも1つのAI処理項目を含む。少なくとも1つのAI処理項目の各々は、外部で作成されたAIモデルを取得することと、AIモデルに対象画像を入力することにより得られる推論結果、および、前記推論結果から生成される出力情報の少なくとも一方を出力することとを定義する。
【選択図】図1
特許請求の範囲【請求項１】
画像処理装置であって、
複数の処理項目の中から実行対象の１以上の処理項目を選択し、前記１以上の処理項目の実行順序を設定することにより、画像処理フローを作成するフロー作成部と、
前記画像処理フローを実行する画像処理部とを備え、
前記複数の処理項目は、少なくとも１つのＡＩ処理項目を含み、
前記少なくとも１つのＡＩ処理項目の各々は、
外部で作成されたＡＩモデルを取得することと、
前記ＡＩモデルに対象画像を入力することにより得られる推論結果、および、前記推論結果から生成される出力情報の少なくとも一方を出力することとを定義する、画像処理装置。
続きを表示（約 1,600 文字）【請求項２】
前記少なくとも１つのＡＩ処理項目の各々は、
前記ＡＩモデルの入力画像形式を示す第１パラメータを取得することと、
前記第１パラメータを用いて、前記入力画像形式を満たすように前記対象画像を変換することと、
変換後の前記対象画像を前記ＡＩモデルに入力することとを定義する、請求項１に記載の画像処理装置。
【請求項３】
前記少なくとも１つのＡＩ処理項目は、各画素が浮動小数点型の値を有する出力画像を前記推論結果として出力する第１ＡＩモデルを用いる第１ＡＩ処理項目を含み、
前記第１ＡＩ処理項目は、
前記出力画像に対して１以上の画像処理を実行することと、
前記１以上の画像処理が実施された前記出力画像を前記出力情報として出力することとを定義し、
前記１以上の画像処理は、各画素の値を整数に変換する第１処理、および、各画素の値を正規化する第２処理の少なくとも１つを含む、請求項１に記載の画像処理装置。
【請求項４】
前記出力画像の各画素の値は、特定クラスの所属確率を表し、
前記第１ＡＩ処理項目は、
前記特定クラスへの分類を判定するために最適化された閾値と所定値との差を表す第２パラメータを取得することと、
前記第２パラメータを用いて前記第２処理を実行することとを定義する、請求項３に記載の画像処理装置。
【請求項５】
前記少なくとも１つのＡＩ処理項目は、前記対象画像に対してオートエンコーダを行なうことにより復元画像を前記推論結果として出力する第２ＡＩモデルを用いる第２ＡＩ処理項目を含み、
前記第２ＡＩ処理項目は、
前記対象画像と前記復元画像との差分画像を生成することと、
前記差分画像、または、前記差分画像に対して１以上の画像処理を実行することにより得られる処理済画像を前記出力情報として出力することとを定義する、請求項１に記載の画像処理装置。
【請求項６】
前記１以上の画像処理は、各画素の値を整数に変換する第１処理、および、各画素の値を正規化する第２処理の少なくとも１つを含む、請求項５に記載の画像処理装置。
【請求項７】
前記第２ＡＩ処理項目は、
前記差分画像から異常部分を検知するために最適化された閾値と所定値との差を表す第２パラメータを取得することと、
前記第２パラメータを用いて前記第２処理を実行することとを定義する、請求項６に記載の画像処理装置。
【請求項８】
前記フロー作成部は、
前記少なくとも１つのＡＩ処理項目のうちの対象ＡＩ処理項目が前記１以上の処理項目として選択されたことに応じて、前記対象ＡＩ処理項目において用いられるＡＩモデルの指定を受け付け、
指定されたＡＩモデルが前記対象ＡＩ処理項目に適合するか否かを判定する、請求項１から７のいずれか１項に記載の画像処理装置。
【請求項９】
前記少なくとも１つのＡＩ処理項目は、出力画像を前記推論結果として出力する第３ＡＩモデルを用いる第３ＡＩ処理項目を含み、
前記第３ＡＩ処理項目は、
前記出力画像に対して第１画像処理を行なうことにより得られる第１処理済画像と前記出力画像に対して第２画像処理を行なうことにより得られる第２処理済画像とを生成することと、
前記第２処理済画像をディスプレイに表示させることと、
前記第１処理済画像を前記１以上の処理項目のうちの後段の処理項目に出力することとを定義する、請求項１に記載の画像処理装置。
【請求項１０】
前記ＡＩモデルを再学習後のＡＩモデルに更新する更新部をさらに備え、前記再学習後のＡＩモデルは、前記対象画像を用いて前記ＡＩモデルを再学習することにより得られる、請求項１に記載の画像処理装置。
（【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】
本開示は、画像処理装置、画像処理方法およびプログラムに関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
製品を製造する場面では、部品、中間品または製品などの対象物を撮影し、得られた画像に基づいて対象物の外観に関する属性を自動的に判別する技術が開発されている。具体的には、属性が既知である対象物の写る複数の画像を用いた機械学習を行なうことにより得られたモデルを用いて対象物の属性が判別される。
【０００３】
特開２０２２－１３６５６３号公報（特許文献１）は、学習部と、分類部とを備える画像処理装置を開示している。学習部は、学習用画像の特徴量と学習用画像の分類を示すラベルデータとを用いた機械学習を行なうことにより、モデルを生成する。分類部は、モデルに計測対象の画像の特徴量を入力し、モデルから計測対象の画像の分類を出力する。
【先行技術文献】
【特許文献】
【０００４】
特開２０２２－１３６５６３号公報
【非特許文献】
【０００５】
Mike Van Ness, Madeleine Udell, "CDF Normalization for Controlling the Distribution of Hidden Nodes", I (Still) Can’t Believe It’s Not Better Workshop at NeurIPS 2021 (2021年10月19日）
【発明の概要】
【発明が解決しようとする課題】
【０００６】
特許文献１に記載の技術では、画像処理装置が備える学習部によってモデルが生成される。学習部は、画像処理装置を提供する企業によって採用された学習アルゴリズムに従ってモデルを生成する。
【０００７】
近年、いわゆる「ＡＩ（Artificial Intelligence）の民主化」が進んでいる。そのため、画像処理装置の利用者は、独自のＡＩモデル（学習済モデル）を作成し得る。しかしながら、画像処理装置の利用者は、画像処理装置の内部処理の詳細を知らないため、画像処理装置の学習部によって生成されるモデルの代わりに独自に作成したＡＩモデルを使用できない。
【０００８】
本開示は、このような実情を鑑みてなされたものであり、その目的は、利用者が独自に作成したＡＩモデルを用いた画像処理を行なうことが可能な画像処理装置、画像処理方法およびプログラムを提供することである。
【課題を解決するための手段】
【０００９】
本開示の一側面に係る画像処理装置は、フロー作成部と、画像処理部とを備える。フロー作成部は、複数の処理項目の中から実行対象の１以上の処理項目を選択し、１以上の処理項目の実行順序を設定することにより、画像処理フローを作成する。画像処理部は、画像処理フローを実行する。複数の処理項目は、少なくとも１つのＡＩ処理項目を含む。少なくとも１つのＡＩ処理項目の各々は、外部で作成されたＡＩモデルを取得することと、ＡＩモデルに対象画像を入力することにより得られる推論結果、および、推論結果から生成される出力情報の少なくとも一方を出力することとを定義する。
【００１０】
この開示によれば、画像処理装置は、利用者が独自に作成したＡＩモデルを用いた画像処理を行なうことができる。
（【００１１】以降は省略されています）

関連特許