特許ウォッチ

公開番号2025093810
公報種別公開特許公報(A)
公開日2025-06-24
出願番号2023209697
出願日2023-12-12
発明の名称画像検査装置、及び画像検査プログラム
出願人株式会社キーエンス
代理人
主分類G06T 7/00 20170101AFI20250617BHJP(計算;計数)
要約【課題】機械学習モデルを用いた画像検査において安定した検出が見込まれる検出対象物のオブジェクトの目安となる情報を容易且つ適切に提供できるようにする。
【解決手段】入力された検査対象画像に基づいて特徴マップを生成する機械学習モデルを有し、特徴マップ情報に基づいて検査対象画像に含まれる検出対象物を検出する画像検査装置において、機械学習モデルを記憶する学習部と、検査対象画像の全部または一部である検査対象領域のサイズと、前記検査対象領域に基づいて前記機械学習モデルにより生成された特徴マップのサイズとに基づいて、前記検査対象領域において安定した検出が見込まれる検出対象物のオブジェクトサイズを算出し、前記オブジェクトサイズに対応する目安オブジェクトを、前記検査対象領域とともに表示部に表示させる制御部と、を備えるように構成する。
【選択図】図3
特許請求の範囲【請求項１】
入力された検査対象画像に基づいて特徴マップを生成する機械学習モデルを有し、前記特徴マップに基づいて前記検査対象画像に含まれる検出対象物を検出する画像検査装置であって、
前記機械学習モデルを記憶する記憶部と、
前記検査対象画像の全部または一部である検査対象領域のサイズと、前記検査対象領域に基づいて前記機械学習モデルにより生成された特徴マップのサイズとに基づいて、前記検査対象領域において安定した検出が見込まれる検出対象物のオブジェクトサイズを算出し、前記オブジェクトサイズに対応する目安オブジェクトを、前記検査対象領域とともに表示部に表示させる制御部と、
を備える画像検査装置。
続きを表示（約 1,800 文字）【請求項２】
前記記憶部は、前記特徴マップのサイズが異なる複数の機械学習モデルを記憶し、
前記画像検査装置は、前記複数の機械学習モデルの中から使用する1つの機械学習モデルを選択する選択部を更に有し、
前記制御部は、前記検査対象領域のサイズと、選択された前記機械学習モデルにより前記検査対象領域に基づいて生成された特徴マップのサイズとに基づいて、前記オブジェクトサイズを算出する
請求項１に記載の画像検査装置。
【請求項３】
前記複数の機械学習モデルを学習する学習部を更に備え、
前記選択部は、前記複数の機械学習モデルの学習結果に基づいて、前記複数の機械学習モデルの中から使用する機械学習モデルを選択する
請求項２に記載の画像検査装置。
【請求項４】
前記検査対象画像中の前記検査対象領域の指定およびサイズ変更を受け付ける検査対象領域受付部と、
使用する機械学習モデルの指定を受け付けるモデル受付部と、を更に備え、
前記選択部は、前記モデル受付部により受け付けた機械学習モデルを使用する機械学習モデルとして選択し、
前記制御部は、変更を受け付けた前記検査対象領域のサイズと、選択された前記機械学習モデルにより前記検査対象領域に基づいて生成された特徴マップのサイズとに基づいて、前記オブジェクトサイズを算出し、前記オブジェクトサイズに対応する新たな目安オブジェクトを、サイズ変更を受け付けた前記検査対象領域と対応させて前記表示部に表示させる
請求項２に記載の画像検査装置。
【請求項５】
前記検査対象画像中の前記検査対象領域の指定およびサイズ変更を受け付ける検査対象領域受付部を更に備え、
前記制御部は、変更を受け付けた前記検査対象領域のサイズと、前記機械学習モデルにより前記検査対象領域に基づいて生成された特徴マップのサイズとに基づいて、前記オブジェクトサイズを算出し、前記オブジェクトサイズに対応する新たな目安オブジェクトを、サイズ変更を受け付けた前記検査対象領域と対応させて前記表示部に表示させる
請求項１に記載の画像検査装置。
【請求項６】
前記制御部は、
前記検査対象領域に対応する検査領域画像のサイズを調整して、所定サイズの画像であるモデル入力画像を生成し、
前記モデル入力画像を前記機械学習モデルに入力して前記特徴マップを生成するように構成される
請求項１に記載の画像検査装置。
【請求項７】
前記制御部は、前記検査領域画像から前記モデル入力画像への調整率と、前記モデル入力画像から前記特徴マップへの縮小率とに基づいて、前記オブジェクトサイズを算出する
請求項６に記載の画像検査装置。
【請求項８】
前記制御部は、前記検査領域画像の縦方向又は横方向の少なくともいずれか一方のサイズが、前記モデル入力画像の対応する方向のサイズよりも大きい場合に、前記検査領域画像のアスペクト比を維持したまま前記所定サイズ以下に縮小し、かつ、前記所定サイズに不足する部分を所定の画素でパディングすることにより前記モデル入力画像に調整する
請求項６に記載の画像検査装置。
【請求項９】
前記制御部は、
前記検査領域画像の縦方向又は横方向のいずれか一方のサイズが、前記モデル入力画像の対応する方向のサイズよりも大きい場合であって、前記検査領域画像のアスペクト比を維持したまま前記所定サイズ以下に縮小すると、縦方向又は横方向の短い方向のサイズが所定の条件を満たしてしまう場合に、前記検査領域画像の縦方向及び横方向に対する縮小率を異ならせてアスペクト比を変更するとともに、前記短い方向のサイズが前記所定の条件を満たさないように前記検査領域画像を前記所定サイズ以下に縮小し、かつ、前記所定サイズに不足する部分を所定の画素でパディングすることにより前記モデル入力画像に調整する
請求項８に記載の画像検査装置。
【請求項１０】
前記所定の条件は、前記モデル入力画像を前記特徴マップに縮小すると、当該特徴マップの前記短い方向に対応するサイズが所定の閾値未満となってしまうことである
請求項９に記載の画像検査装置。
（【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】
本発明は、特徴情報を抽出する機械学習モデルを有し、機械学習モデルによる特徴情報に基づいて検査対象領域に含まれる検出対象物を検出する技術に関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
従来、画像検査技術として、ルールベースによる画像検査技術が知られている。ルールベースによる画像検査技術では、例えば、１画素ごとのデータを使って、周囲画素からの明るさの変化を欠陥（例えば、傷、汚れ、異物、錆）として検出する。このため、画素分解能の高い画像を使えば細かい欠陥を検出できる一方で、画像について１画素単位ですべての処理を実行すると膨大な処理時間がかかる上に、ノイズが結果に影響することもある。
【０００３】
そこで、欠陥検出では数画素の小単位（セグメント）の平均値を使って処理することが行われている。
【０００４】
処理に使用するセグメントサイズを、検出したい傷のサイズと同程度のサイズにすると、安定して欠陥を検出できる。例えば、セグメントサイズが大きすぎると、検出対象の欠陥を検出できるレベルが低下し、見逃しが発生してしまう虞がある。一方、セグメントサイズが小さすぎると、細かいノイズ成分を誤検出してしまう虞がある。
【０００５】
したがって、セグメントサイズは、検出対象の欠陥のサイズに合わせて適切に設定する必要がある。そこで、欠陥検出を行うための画像検査ツールでは、例えば、特許文献１に示すように、ユーザからセグメントサイズを受け付けている。このような画像検査ツールでは、ユーザへの参考情報として検出できる欠陥の目安サイズとして、検査画像上にセグメントサイズが表示されていた。
【０００６】
近年では、画像検査技術として、ＡＩ（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）を用いた画像検査（ＡＩ画像検査）技術が用いられるようになっている。
【０００７】
ＡＩ画像検査においては、どのようなサイズの欠陥が検出されるかについては、検査画像だけでなく、ＡＩとして用いる機械学習モデルの設計（例えば、畳み込み層の数、畳み込みフィルタのサイズ、ストライドの大きさ、プーリング方法）等に依存し、ルールベースのようにユーザからセグメントサイズを直接受け付ける必要はない。
【先行技術文献】
【特許文献】
【０００８】
特開２０２０－１６４７１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００９】
例えば、ルールベースによる画像検査技術では、ユーザがセグメントサイズを指定する必要があり、このセグメントサイズに従って検出できる検出対象物の目安サイズが表示されている。一方、ＡＩ画像検査においては、ユーザがセグメントサイズを指定する必要がなく、ユーザに対してどのようなサイズの検出対象物が検出されるのかについての目安となる情報が提供されていなかった。
【００１０】
本発明は、上記事情に鑑みなされたものであり、その目的は、機械学習モデルを用いた画像検査において安定した検出が見込まれる検出対象物のオブジェクトサイズの目安となる情報を容易且つ適切に提供できる技術を提供することにある。
【課題を解決するための手段】
（【００１１】以降は省略されています）

関連特許