特許ウォッチ

公開番号2025106648
公報種別公開特許公報(A)
公開日2025-07-16
出願番号2024000020
出願日2024-01-04
発明の名称良否判定装置、そのプログラムおよびその方法
出願人Arithmer株式会社
代理人
主分類G01N 21/88 20060101AFI20250709BHJP(測定;試験)
要約【課題】良否判定を柔軟かつ精度よく行う。
【解決手段】少量の良品の動画から画像データ形成し、前記画像データすべてに対して特徴量マップを生成して学習する学習部と、前記良品に関する画像データを用いた学習によって構築され学習モデルを参照して、動画における商品の良否を判定する判定部と、を備え、前記学習モデルは、所定のネットワーク構造に、取得した画像データを入力し、ネットワーク構造から抽出される、位置ずれせず、背景の影響を受けないで、前記画像を圧縮できる圧縮範囲の特徴量に基づいて学習される。
【選択図】図1
特許請求の範囲【請求項１】
動画から商品の良不良を判定する良否判定装置において、
少量の良品の動画から画像データ形成し、前記画像データすべてに対して特徴量マップを生成して学習する学習部と、
前記良品に関する画像データを用いた学習によって構築され学習モデルを参照して、動画における商品の良否を判定する判定部と、
を備え、
前記学習モデルは、所定のネットワーク構造に、取得した画像データを入力し、ネットワーク構造から抽出される、位置ずれせず、背景の影響を受けないで、前記画像を圧縮できる圧縮範囲の特徴量に基づいて学習されることを特徴とする良否判定装置。
続きを表示（約 1,400 文字）【請求項２】
前記判定部は、最終的な異常判定箇所を異常判定モデルで検出した箇所と前処理で求めた検出対象箇所との共通部分と判定する、
請求項１記載の良否判定装置。
【請求項３】
前記判定部は、Ｎ枚の正常画像をＮ１枚の学習用画像とＮ２枚の異常しきい値決定用の画像にランダムに分割し、次に、Ｎ１枚の正常画像データから、各領域に対応する特徴量の平均値及び共分散行列を求め、Ｎ２枚の検証画像に対しては、上記で計算した平均値と共分散行列をもとにマハラノビス距離を計算し、それをもとに異常しきい値を決定する、
請求項１または２記載の良否判定装置。
【請求項４】
動画から商品の良不良を判定する良否判定装置において、
少量の良品の動画から画像データ形成し、前記画像データすべてに対して特徴量マップを生成して学習する学習部と、
前記良品に関する画像データを用いた学習によって構築され学習モデルを参照して、動画における商品の良否を判定する判定部と、
を備え、
前記学習モデルは、所定のネットワーク構造に、取得した画像データを入力し、ネットワーク構造から抽出される、位置ずれせず、背景の影響を受けないで、前記画像を圧縮できる圧縮範囲の特徴量に基づいて学習されることを特徴とする良否判定プログラム。
【請求項５】
前記判定部は、最終的な異常判定箇所を異常判定モデルで検出した箇所と前処理で求めた検出対象箇所との共通部分と判定する、
請求項４記載の良否判定プログラム。
【請求項６】
前記判定部は、Ｎ枚の正常画像をＮ１枚の学習用画像とＮ２枚の異常しきい値決定用の画像にランダムに分割し、次に、Ｎ１枚の正常画像データから、各領域に対応する特徴量の平均値及び共分散行列を求め、Ｎ２枚の検証画像に対しては、上記で計算した平均値と共分散行列をもとにマハラノビス距離を計算し、それをもとに異常しきい値を決定する、
請求項４または５記載の良否判定プログラム。
【請求項７】
動画から商品の良不良を判定する良否判定装置において、
少量の良品の動画から画像データ形成し、前記画像データすべてに対して特徴量マップを生成して学習するステップと、
前記良品に関する画像データを用いた学習によって構築され学習モデルを参照して、動画における商品の良否を判定するステップと、
を備え、
前記学習モデルは、所定のネットワーク構造に、取得した画像データを入力し、ネットワーク構造から抽出される、位置ずれせず、背景の影響を受けないで、前記画像を圧縮できる圧縮範囲の特徴量に基づいて学習されることを特徴とする良否判定方法。
【請求項８】
前記判定部は、最終的な異常判定箇所を異常判定モデルで検出した箇所と前処理で求めた検出対象箇所との共通部分と判定する、
請求項７記載の良否判定方法。
【請求項９】
前記判定ステップは、Ｎ枚の正常画像をＮ１枚の学習用画像とＮ２枚の異常しきい値決定用の画像にランダムに分割し、次に、Ｎ１枚の正常画像データから、各領域に対応する特徴量の平均値及び共分散行列を求め、そして、Ｎ２枚の検証画像に対しては、上記で計算した平均値と共分散行列をもとにマハラノビス距離を計算し、それをもとに異常しきい値を決定する、
請求項７または８記載の良否判定装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、動画から商品の良不良を判定する良否判定装置、そのプログラムおよび方法に関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
例えば、特許文献１には、被選別物を識別して選別することが可能な、被選別物の識別方法、選別方法及び選別装置が開示されている。この選別の際、被選別物に関する良部情報、不良部情報及び背景情報が少なくとも含まれた機械学習を行い、被選別物の移送工程中及び移送工程後のうち少なくとも一方において、被選別物の画像情報を取得して、被選別物の良否判定を行う。
【先行技術文献】
【特許文献】
【０００３】
特開２０２２－０７７４４７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、特許文献１のシステムでは、機械学習する際、不良品の情報が必要であり、手間がかかり、その分データ量が増加する。
【課題を解決するための手段】
【０００５】
第１観点に係る発明は、動画から商品の良不良を判定する良否判定装置において、少量の良品の動画から画像データ形成し、前記画像データすべてに対して特徴量マップを生成して学習する学習部と、前記良品に関する画像データを用いた学習によって構築され学習モデルを参照して、動画における商品の良否を判定する判定部と、を備え、前記学習モデルは、所定のネットワーク構造に、取得した画像データを入力し、ネットワーク構造から抽出される、位置ずれせず、背景の影響を受けないで、前記画像を圧縮できる圧縮範囲の特徴量に基づいて学習されることを特徴とする。
【発明の効果】
【０００６】
本発明によれば、良品の動画に基づいて商品の良否を判定することで、様々な商品に対して、柔軟な対応が可能になる。
【図面の簡単な説明】
【０００７】
本発明の実施形態に係る判定装置２０の構成を示す模式図である。
同実施形態に係る判定装置２０の動作を説明するためのフローチャートである。
【発明を実施するための形態】
【０００８】
（１）判定装置の構成
【０００９】
図１は本実施形態に係る判定装置２０の構成を示す模式図である。便宜上、以下の説明において、商品５はペットボトルであるとする。ただし、本実施形態に係る判定装置２０の商品５はこれに限定されるものではなく、任意の対象物であってよい。
【００１０】
判定装置２０は、カメラ１５を介して商品５の動画から画像を取得し、その画像から商品５に異常が生じているか否かを判定する。また、判定装置２０は判定結果を監視者が操作するユーザ端末装置３０に送信する。このような判定装置２０は任意のコンピュータにより実現することができる。ここでは、判定装置２０は、記憶部２１、入出力部２２、通信部２３、処理部２４を備える。なお、判定装置２０は、ＬＳＩ（Large Sc ale Integration），ＡＳＩＣ（Application Specific Integrated Circuit），ＦＰＧＡ（Field-Programmable Gate Array）などを用いてハードウェアとして実現されるものでもよい。
（【００１１】以降は省略されています）

関連特許