特許ウォッチ

公開番号2025126766
公報種別公開特許公報(A)
公開日2025-08-29
出願番号2024023175
出願日2024-02-19
発明の名称不良検出学習装置、画像検査装置、画像検査システム、不良検出学習方法、及びプログラム
出願人株式会社日立製作所
代理人弁理士法人磯野国際特許商標事務所
主分類G06T 7/00 20170101AFI20250822BHJP(計算;計数)
要約【課題】識別精度の向上を図った不良検出学習装置等を提供する。
【解決手段】不良検出学習装置10は、検査対象物の良品画像を用いて、検査対象物の疑似不良画像を生成する疑似不良画像生成部と、良品画像と疑似不良画像とを識別する識別タスクを行うように識別ネットワーク15kを学習する識別ネットワーク学習部と、識別ネットワーク15kから抽出される良品画像の正常基準特徴量を不良検出タスクに適応させるように所定の特徴量変換を行う適応ネットワーク15mを学習する適応ネットワーク学習部と、不良検出タスクへの適応後の正常基準特徴量に基づき、検査対象物の不良品の検出を行う不良検出部と、を備え、疑似不良画像には、所定の不良条件でターゲット不良として設定されるものが含まれ、ターゲット不良の疑似不良画像の数と、ターゲット不良とは異なる他の疑似不良画像の数と、の比率が、入力部13を介した操作で調整される。
【選択図】図1
特許請求の範囲【請求項１】
検査対象物の良品画像を用いて、前記検査対象物の疑似不良画像を生成する疑似不良画像生成部と、
前記良品画像と前記疑似不良画像とを識別する識別タスクを行うように識別ネットワークを学習する識別ネットワーク学習部と、
前記識別ネットワークから抽出される前記良品画像の正常基準特徴量を前記検査対象物の不良検出タスクに適応させるように所定の特徴量変換を行う適応ネットワークを学習する適応ネットワーク学習部と、
前記不良検出タスクへの適応後の前記正常基準特徴量に基づき、前記検査対象物の撮像画像を用いて不良品の検出を行う不良検出部と、を備え、
前記疑似不良画像には、所定の不良条件でターゲット不良として設定されるものが含まれ、
前記ターゲット不良の前記疑似不良画像の数と、前記ターゲット不良とは異なる他の前記疑似不良画像の数と、の比率が、入力部を介した操作で調整される、不良検出学習装置。
続きを表示（約 1,100 文字）【請求項２】
前記ターゲット不良の前記疑似不良画像の数は、前記ターゲット不良とは異なる他の前記疑似不良画像の各種類のそれぞれの数よりも多いこと
を特徴とする請求項１に記載の不良検出学習装置。
【請求項３】
前記疑似不良画像は、前記良品画像の一部に所定の画像模様が合成された画像であり、
前記疑似不良画像生成部は、前記画像模様ごとに複数種類の前記ターゲット不良の前記疑似不良画像を生成し、
複数種類の前記ターゲット不良の前記疑似不良画像において、前記画像模様の輪郭の形状が共通であること
を特徴とする請求項１に記載の不良検出学習装置。
【請求項４】
前記ターゲット不良の疑似不良画像を表示部に表示させるとともに、前記ターゲット不良の検出性能を示す不良検出率の推移を前記表示部に表示させる表示制御部を備えること
を特徴とする請求項１に記載の不良検出学習装置。
【請求項５】
前記適応ネットワーク学習部は、前記良品画像の異常度が所定閾値以下になるように前記適応ネットワークを学習すること
を特徴とする請求項１に記載の不良検出学習装置。
【請求項６】
前記適応ネットワーク学習部は、前記ターゲット不良の前記疑似不良画像に対して不良検出を行い、当該不良検出における検出性能の評価に基づいて、前記適応ネットワークの学習を終了すること
を特徴とする請求項１に記載の不良検出学習装置。
【請求項７】
前記適応ネットワーク学習部は、前記適応ネットワークによる特徴量変換後の前記良品画像の特徴量と、前記適応ネットワークによる特徴量変換後の前記疑似不良画像の特徴量と、の間の差異度合が大きくなるように、前記適応ネットワークを学習すること
を特徴とする請求項１に記載の不良検出学習装置。
【請求項８】
前記適応ネットワーク学習部は、前記正常基準特徴量の属性情報の信頼度に基づいて、前記正常基準特徴量の除外及び追加を行うこと
を特徴とする請求項１に記載の不良検出学習装置。
【請求項９】
前記適応ネットワーク学習部は、複数の前記疑似不良画像に対する検出性能の評価を統合した結果に基づいて、前記適応ネットワークの学習を終了すること
を特徴とする請求項１に記載の不良検出学習装置。
【請求項１０】
前記画像模様の種類の数である不良バリエーション数の複数の候補のうち、前記ターゲット不良の検出性能が最も高いものに基づいて、前記識別ネットワーク及び前記適応ネットワークが学習されること
を特徴とする請求項３に記載の不良検出学習装置。
（【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、不良検出学習装置等に関する。
続きを表示（約 2,500 文字）【背景技術】
【０００２】
検査対象物の画像に基づいて、その検査対象物が良品・不良品のうちのいずれであるかをコンピュータが識別する技術として、例えば、特許文献１に記載の技術が知られている。すなわち、特許文献１には、「転写画像及び他の検査対象物における所定の特徴量を取得する特徴量取得ステップと、前記特徴量取得ステップにおいて得られた前記所定の特徴量の計測結果に基づき、計測後に新たに前記検査対象物を良品と不良品に分別するための閾値を自動で算出する自動算出ステップと、」を含む画像検査方法について記載されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２３－５１１０２号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１に記載の技術では、過去に不良品と判別された画像の不良箇所を良品画像に転写することで、不良品の画像を疑似的に作成するようにしているが、不良品等の識別精度を高める上で改善の余地がある。
【０００５】
そこで、本開示は、識別精度の向上を図った不良検出学習装置等を提供することを課題とする。
【課題を解決するための手段】
【０００６】
前記した課題を解決するために、本開示に係る不良検出学習装置は、検査対象物の良品画像を用いて、前記検査対象物の疑似不良画像を生成する疑似不良画像生成部と、前記良品画像と前記疑似不良画像とを識別する識別タスクを行うように識別ネットワークを学習する識別ネットワーク学習部と、前記識別ネットワークから抽出される前記良品画像の正常基準特徴量を前記検査対象物の不良検出タスクに適応させるように所定の特徴量変換を行う適応ネットワークを学習する適応ネットワーク学習部と、前記不良検出タスクへの適応後の前記正常基準特徴量に基づき、前記検査対象物の不良検出を行う不良検出部と、を備え、前記疑似不良画像には、所定の不良条件でターゲット不良として設定されるものが含まれ、前記ターゲット不良の前記疑似不良画像の数と、前記ターゲット不良とは異なる他の前記疑似不良画像の数と、の比率が、入力部を介した操作で調整されることとした。
【発明の効果】
【０００７】
本開示によれば、識別精度の向上を図った不良検出学習装置等を提供できる。
【図面の簡単な説明】
【０００８】
第１実施形態に係る不良検出学習装置を含む機能ブロック図である。
第１実施形態に係る不良検出学習装置のハードウェア構成を示す説明図である。
第１実施形態に係る不良検出学習装置の処理部の機能ブロック図である。
第１実施形態に係る不良検出学習装置における検査対象物や不良条件等の設定に関する表示画面の例である。
第１実施形態に係る不良検出学習装置における良品画像や疑似不良画像の例を示す説明図である。
第１実施形態に係る不良検出学習装置の不良検出に関する処理の流れを示すフローチャートである。
第１実施形態に係る不良検出学習装置が備える識別ネットワークの説明図である。
第１実施形態に係る不良検出学習装置が備える適応ネットワークの説明図である。
第１実施形態に係る不良検出学習装置において、適応ネットワークでの特徴量変換が行われていない状態の良品画像の特徴量と、正常基準特徴量と、の関係を示す説明図である。
第１実施形態に係る不良検出学習装置において、適応ネットワークでの特徴量変換が行われた状態の良品画像の特徴量と、正常基準特徴量と、の関係を示す説明図である。
第１実施形態に係る不良検出学習装置における疑似不良画像の生成に関するフローチャートである。
第１実施形態に係る不良検出学習装置における疑似不良画像の生成に関するフローチャートである。
第１実施形態に係る不良検出学習装置の適応ネットワークの学習に関するフローチャートである。
第２実施形態に係る不良検出学習装置の適応ネットワークの学習に関するフローチャートである。
第３実施形態に係る不良検出学習装置の適応ネットワークの学習に関するフローチャートである。
第４実施形態に係る不良検出学習装置における不良条件の探索に関するフローチャートである。
第５実施形態に係る不良検出学習装置における統合検出性能の算出に関するフローチャートである。
第６実施形態に係る不良検出学習装置の不良検出に関する処理の流れを示すフローチャートである。
第７実施形態に係る画像検査システムの機能ブロック図である。
【発明を実施するための形態】
【０００９】
≪第１実施形態≫
＜不良検出学習装置の構成＞
図１は、第１実施形態に係る不良検出学習装置１０を含む機能ブロック図である。
不良検出学習装置１０は、検査対象物の不良品の検出に用いられる所定のデータを学習するための装置である。なお、検査対象物の種類として、例えば、工業製品や日用品や食品の他、人・動物の細胞や血管や臓器（Ｘ線画像等）が挙げられるが、これに限定されるものではない。すなわち、撮像装置２０で撮像可能なものであれば、検査対象物とすることが可能である。
【００１０】
このような不良検出学習装置１０として、パーソナルコンピュータやタブレットやスマートフォンといったコンピュータが用いられてもよい。また、複数台のコンピュータが通信線やネットワークを介して所定に接続されることで、不良検出学習装置１０が構成されるようにしてもよい。例えば、クラウドサーバやエッジサーバといった複数台のコンピュータに不良検出学習装置１０の機能が分散されるようにしてもよい。なお、検査対象物の撮像画像に基づいて、検査対象物の不良品を検出することを「不良検出」という。
（【００１１】以降は省略されています）

関連特許