特許ウォッチ

公開番号2025084326
公報種別公開特許公報(A)
公開日2025-06-03
出願番号2023198154
出願日2023-11-22
発明の名称情報処理システム、情報処理装置および機械学習方法
出願人キヤノン株式会社
代理人弁理士法人谷・阿部特許事務所
主分類G06T 7/00 20170101AFI20250527BHJP(計算;計数)
要約【課題】表現精度が高い教師画像を二次的に生成することを可能とする情報処理システム、情報処理装置および機械学習方法を提供する。
【解決手段】撮像画像を分割する分割手段と、分割された撮像画像の分割領域ごとに、当該分割領域の画像を表現する特徴量に基づいて補正式を作成する補正式作成手段と、分割領域ごとの補正式に従い分割領域ごとに、特徴量で表現された類推画像を作成する類推画像作成手段と、類推画像を教師データとし、撮像画像を入力データとする学習モデルに対する機械学習を実行する学習手段と、を備えることを特徴とする。
【選択図】図9
特許請求の範囲【請求項１】
撮像画像を分割する分割手段と、
分割された撮像画像の分割領域ごとに、当該分割領域の画像を表現する特徴量に基づいて補正式を作成する補正式作成手段と、
前記分割領域ごとの補正式に従い前記分割領域ごとに、前記特徴量で表現された類推画像を作成する類推画像作成手段と、
前記類推画像を教師データとし、撮像画像を入力データとする学習モデルに対する機械学習を実行する学習手段と、
を備えることを特徴とする情報処理システム。
続きを表示（約 700 文字）【請求項２】
前記機械学習が済んだ学習モデルを用いて、撮像して得られる検査画像について推論する推論手段と、
前記推論手段による推論に基づいて、前記検査画像を判定する判定手段と、
をさらに備えることを特徴とする請求項１に記載の情報処理システム。
【請求項３】
前記学習モデルは、前記入力データを機械学習によって認識した結果として出力データを出力することを特徴とする請求項１に記載の情報処理システム。
【請求項４】
前記撮像画像は、赤外光を用いて撮像されることを特徴とする請求項１に記載の情報処理システム。
【請求項５】
前記補正式は、被写体の厚み、表面粗さ、屈折率を可変した３つ以上の撮像画像から作成することを特徴とする請求項１に記載の情報処理システム。
【請求項６】
前記撮像画像は、可視光を用いて撮像されることを特徴とする請求項１に記載の情報処理システム。
【請求項７】
前記補正式が、ＲＧＢ補正で得られた画像データから作成されることを特徴とする請求項１に記載の情報処理システム。
【請求項８】
前記補正式が２値化補正で得られた画像データから作成されることを特徴とする請求項１に記載の情報処理システム。
【請求項９】
前記補正式が１次補正にて算出することを特徴とする請求項７に記載の情報処理システム。
【請求項１０】
前記補正式が、多項式近似補正にて算出することを特徴とする請求項７に記載の情報処理システム。
（【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】
本開示は、情報処理システム、情報処理装置および機械学習方法に関し、詳しくは、画像に基づく検査を行う情報処理システムにおける機械学習技術に関する。
続きを表示（約 2,200 文字）【背景技術】
【０００２】
画像に基づき検査対象の欠陥等を検査するシステムでは、例えば、画像認識の機械学習において、クラス分類された画像を教師データとして学習させる。また、そのクラス分類は、画像から特徴を抽出し、その特徴に基づいて行う。そして、クラス分類された教師画像との誤差を０に近づける様に学習を繰り返すことで学習された検査システムを生成し検査における分類精度を高めている。特許文献１には、この教師画像について、複数種の特徴量からなる特徴量空間において実際の欠陥画像から得られる教師画像が占める点から所定の距離以内に対応する点を疑似的（二次的）な教師画像として作成することが記載されている。すなわち、二次的に教師画像としての欠陥画像を作成し、機械学習における教師データの数を増やしている。
【先行技術文献】
【特許文献】
【０００３】
特開２０１４－１７８２２９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、実際に得られる画像によっては、例えば、画像における領域ごとに、輝度やコントラストが異なることがある。この場合、特許文献１では、求めた特徴量が領域ごとの輝度やコントラストを精度よく反映したものにならない。結果として、二次的に生成される教師画像はその表現精度が低いものになるおそれがある。
【０００５】
そこで、本開示は、表現精度が高い教師画像を二次的に生成することを可能とする情報処理システム、情報処理装置および機械学習方法を提供することを目的とする。
【課題を解決するための手段】
【０００６】
本開示は、撮像画像を分割する分割手段と、分割された撮像画像の分割領域ごとに、当該分割領域の画像を表現する特徴量に基づいて補正式を作成する補正式作成手段と、分割領域ごとの補正式に従い分割領域ごとに、特徴量で表現された類推画像を作成する類推画像作成手段と、類推画像を教師データとし、撮像画像を入力データとする学習モデルに対する機械学習を実行する学習手段と、を備えることを特徴とする。
【発明の効果】
【０００７】
本開示によれば、表現精度が高い教師画像を二次的に生成することを可能とする。
【図面の簡単な説明】
【０００８】
処理システムの構成を示す図である。
クラウドサーバー、エッジサーバーの構成を示すブロック図である。
スマートフォンの外観図である。
プリンタを示す図である。
図３に示すスマートフォンの構成を示すブロック図である。
図４に示したプリンタの構成を示すブロック図である。
処理システムのソフトウェア構成を示す図である。
学習モデル、学習済モデルを利用する際の入出力の構造を示す概念図である。
本開示の第１の実施形態に係る学習処理を示すフローチャートである。
撮像画像を示す図である。
本開示の第１の実施形態の領域分割された撮像画像を示す図である。
輝度およびにコントラストの補正を説明する図である。
輝度補正された類推画像を示す図である。
コントラスト補正された類推画像を示す図である。
本開示の第１の実施形態の推論フローを示す図である。
本開示の第２の実施形態の学習フローを示す図である。
本開示の第２の実施形態の領域分割された類推画像の組合せを示す図である。
本開示の第２の実施形態の推論フローを示す図である。
本開示の第３の実施形態の領域分割された撮像画像を示す図である。
本開示の第３の実施形態の領域分割された類推画像の組合せを示す図である。
【発明を実施するための形態】
【０００９】
以下、本開示の実施の形態について詳細に説明する。なお、この実施の形態に記載されている構成要素は、本開示の例としての形態を示すものであり、この開示の範囲をそれらのみに限定するものではない。
【００１０】
＜第１の実施形態＞
（処理システムの構成）
図１は、本開示の一実施形態である処理システム１００の構成を示す図である。本処理システム１００は、ローカルエリアネットワーク１０２およびインターネット１０４で接続された、クラウドサーバー２００、エッジサーバー３００およびデバイス４００から構成される。クラウドサーバー２００は図７等で後述されるように、機械学習に係る構成を有し、また、エッジサーバー３００は同じく図７等で後述されるように、学習済みモデルによる推論に係る構成を有する。すなわち、本実施形態の処理システム１００は、基板を撮像した画像に基づいて基板検査に係る機械学習を実行し、また、機械学習による学習済みモデルによって検査に係る推論を行う情報処理システムとして機能する。また、クラウドサーバー２００は上記のとおり、教師データ（教師画像）を生成するとともに、生成した教師データを用いて学習を実行する情報処理装置として機能する。
（【００１１】以降は省略されています）

関連特許