特許ウォッチ

公開番号2025089172
公報種別公開特許公報(A)
公開日2025-06-12
出願番号2023204223
出願日2023-12-01
発明の名称検査方法及び検査装置
出願人株式会社島津製作所
代理人弁理士法人京都国際特許事務所
主分類G06V 10/82 20220101AFI20250605BHJP(計算;計数)
要約【課題】検査対象物の正常と異常を判定する手間とコストを抑える。
【解決手段】機械学習により構築された、一部に欠損領域を有する画像から該欠損領域を補完した画像を生成させる画像生成器を保存する画像生成器記憶部(31)と、検査対象画像が保存された画像記憶部(32)と、前記検査対象画像から、予め決められた形状及び大きさのウィンドウ(62)の内部領域を欠損させた欠損画像(63)を生成する欠損画像生成部(44)と、前記欠損画像を前記画像生成器に入力することによって前記ウィンドウの内部領域を補完した補完画像(64)を生成する補完画像生成部(45)と、前記検査対象画像と前記補完画像の差分(65)を求める差分取得部(46)と、前記差分を予め決められた基準と比較することにより前記ウィンドウの内部領域の正常と異常を判定する判定部(47)とを備える検査装置(1)。
【選択図】図1
特許請求の範囲【請求項１】
機械学習により、一部に欠損領域を有する画像から該欠損領域を補完した画像を生成する画像生成器を準備する画像生成器準備工程と、
検査対象画像を準備する検査画像準備工程と、
前記検査対象画像から、該検査対象画像の一部を予め決められた形状及び大きさのウィンドウで指定し、指定された内部領域を欠損させた欠損画像を生成する欠損画像生成工程と、
前記欠損画像を前記画像生成器に入力することによって前記ウィンドウの内部領域を補完した補完画像を生成する補完画像生成工程と、
前記検査対象画像と前記補完画像の差分を求める差分取得工程と、
前記差分を予め決められた基準と比較することにより前記ウィンドウの内部領域の正常と異常を判定する判定工程と
を備える検査方法。
続きを表示（約 620 文字）【請求項２】
機械学習により構築された、一部に欠損領域を有する画像から該欠損領域を補完した画像を生成させる画像生成器が保存された画像生成器記憶部と、
検査対象画像が保存された画像記憶部と、
前記検査対象画像から、予め決められた形状及び大きさのウィンドウの内部領域を欠損させた欠損画像を生成する欠損画像生成部と、
前記欠損画像を前記画像生成器に入力することによって前記ウィンドウの内部領域を補完した補完画像を生成する補完画像生成部と、
前記検査対象画像と前記補完画像の差分を求める差分取得部と、
前記差分を予め決められた基準と比較することにより前記ウィンドウの内部領域の正常と異常を判定する判定部と
を備える検査装置。
【請求項３】
前記画像生成器が、敵対的学習において識別器とともに用いられる生成器によって構成されている、請求項２に記載の検査装置。
【請求項４】
前記ウィンドウが、前記検査対象画像の複数の異なる位置のそれぞれに、該ウィンドウの一部が重なり合うように設定される、請求項２に記載の検査装置。
【請求項５】
前記補完画像生成部は、1つの前記欠損画像に対して複数の補完画像を生成し、
前記差分取得部は、前記検査対象画像と前記複数の補完画像のそれぞれの差分を求める
ものである、請求項２に記載の検査装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、検査対象物を撮影した画像に基づいて、その正常と異常を判定する検査技術に関する。
続きを表示（約 2,500 文字）【背景技術】
【０００２】
工場で製造される製品の出荷時には、その製品に異常がないかを確認するための出荷時検査が行われている。こうした検査では、例えば、製品を撮影した画像を検査者が目視で、製品に欠陥部分が含まれていないか又は異物が混入していないかを確認して製品の正常と異常を判定（良否判定）している。しかし、工場で製造される多数の製品の画像を検査者が目視で検査しようとすると、不良品を見逃してしまう、人件費がかかる、検査速度に限界がある、といった問題がある。
【０００３】
そこで、正常と異常を判定済みの製品の多数の画像を教師データとして用いた機械学習を行うことにより構築された学習済モデルを識別器として用いることにより、検査対象の製品の画像から当該製品の良否判定を行う試みがなされている。
【先行技術文献】
【非特許文献】
【０００４】
"AIを用いた不良品画像生成技術をRUTILEAが開発～外観検査の教師用画像の不足を解決します～",[online],2023年5月11日,株式会社RUTILEA,[2023年11月10日検索],インターネット<URL:https://rutilea.com/info/2278/>
"敵対的生成ネットワーク (GAN) の学習",[online],The MathWorks, Inc.,[2023年11月13日検索],インターネット<URL:https://jp.mathworks.com/help/deeplearning/ug/train-generative-adversarial-network.html>
"画像生成AIのしくみ[後編] AIの絵筆はどんな形？「画像生成器」について知る",[online],2023年3月30日,株式会社技術評論社,[2023年11月13日検索],インターネット<URL:https://gihyo.jp/article/2023/03/how-ai-image-generator-work-02>
【発明の概要】
【発明が解決しようとする課題】
【０００５】
製品に現れる異常の態様は一様でないため、機械学習によって構築された学習済モデルを用いた識別器の精度は、その機械学習において用いられた教師データのバリエーション、具体的には、識別対象である異常部分のバリエーションに依存する。多くの異常に対応するためには、それらを含む更に多様な態様の異常を有する製品の画像を教師データとして用いた機械学習を行わなければならない。一般に、工場で製造される製品の大半は正常なものであり、様々な態様の異常を有する製品の画像を取得することは困難である。様々な態様の異常を意図的に設けた製品を作製したり、非特許文献１に記載のように専用のソフトウェアを用いて異常を有する製品の画像を生成したりすることは可能であるが、そうした作業には手間とコストがかかるという問題があった。
【０００６】
ここでは工場で製造される製品の検査を行う場合を例に説明したが、工業製品以外の検査対象物の正常と異常を判定する際にも上記同様の問題があった。
【０００７】
本発明が解決しようとする課題は、検査対象物の正常と異常を判定する手間とコストを抑えることである。
【課題を解決するための手段】
【０００８】
上記課題を解決するために成された本発明の一態様に係る検査方法は、
機械学習により、一部に欠損領域を有する画像から該欠損領域を補完した画像を生成する画像生成器を準備する画像生成器準備工程と、
検査対象画像を準備する検査画像準備工程と、
前記検査対象画像から、該検査対象画像の一部を予め決められた形状及び大きさのウィンドウで指定し、指定された内部領域を欠損させた欠損画像を生成する欠損画像生成工程と、
前記欠損画像を前記画像生成器に入力することによって前記ウィンドウの内部領域を補完した補完画像を生成する補完画像生成工程と、
前記検査対象画像と前記補完画像の差分を求める差分取得工程と、
前記差分を予め決められた基準と比較することにより前記ウィンドウの内部領域の正常と異常を判定する判定工程と
を備える。
【０００９】
上記課題を解決するために成された本発明の別の一態様に係る検査装置は、
機械学習により構築された、一部に欠損領域を有する画像から該欠損領域を補完した画像を生成させる画像生成器が保存された画像生成器記憶部と、
検査対象画像が保存された画像記憶部と、
前記検査対象画像から、予め決められた形状及び大きさのウィンドウの内部領域を欠損させた欠損画像を生成する欠損画像生成部と、
前記欠損画像を前記画像生成器に入力することによって前記ウィンドウの内部領域を補完した補完画像を生成する補完画像生成部と、
前記検査対象画像と前記補完画像の差分を求める差分取得部と、
前記差分を予め決められた基準と比較することにより前記ウィンドウの内部領域の正常と異常を判定する判定部と
を備える。
【発明の効果】
【００１０】
本発明では、機械学習により、一部に欠損領域を有する画像から該欠損領域を補完した画像を生成させる画像生成器を予め準備しておく。本発明で用いる画像生成器は画像生成AIと呼ばれるものであり、画像に含まれる欠損領域に含まれるべき正常な画像を該欠損領域の周辺の画像から推定するなどして欠損領域を補完する機能を有する。この画像生成器は、正常な物体（好ましくは検査対象物）の画像を用いた機械学習によって構築され、検査対象画像の欠損領域に正常な物体（検査対象物）の画像を補完する。
（【００１１】以降は省略されています）

関連特許