特許ウォッチ

公開番号2025127787
公報種別公開特許公報(A)
公開日2025-09-02
出願番号2024024693
出願日2024-02-21
発明の名称検査装置および検査方法
出願人アンリツ株式会社
代理人弁理士法人栄光事務所
主分類G01N 21/88 20060101AFI20250826BHJP(測定;試験)
要約【課題】物品の検査において、学習モデルの再学習のコストおよび生産ダウンタイムを削減する。
【解決手段】検査装置が、被検査物Wを撮像して第1の画像データを取得するカメラと、画像データを入力とし、被検査物の品質を示す判定結果を出力する画像推論手段と、第1の画像データと、第1の画像データの分布を示すメタデータとに基づいて、画像推論手段の生成に用いられた画像データの分布に適応化させた適応化画像データを出力するドメイン適応手段と、を備える。
【選択図】図2
特許請求の範囲【請求項１】
被検査物を撮像して第１の画像データを取得するカメラ（１３）と、
画像データを入力とし、前記被検査物の品質を示す判定結果を出力する画像推論手段（１１１）と、
前記第１の画像データと、前記第１の画像データの分布を示すメタデータとに基づいて、前記画像推論手段の生成に用いられた画像データの分布に適応化させた適応化画像データを出力するドメイン適応手段（１１２）と、
を備える、検査装置。
続きを表示（約 800 文字）【請求項２】
前記カメラが、搬送手段（２）によって搬送される前記被検査物を撮像する、
請求項１に記載の検査装置。
【請求項３】
前記メタデータが、前記カメラが前記被検査物を撮像する際の撮像条件を示す情報を含む、
請求項１に記載の検査装置。
【請求項４】
前記撮像条件を示す情報が、前記被検査物の撮像時における光源の特性を示す値または前記被検査物の撮像時におけるカメラの設定値を含む、請求項３に記載の検査装置。
【請求項５】
前記ドメイン適応手段が、前記第１の画像データおよび前記メタデータを入力とし、前記適応化画像データを出力するニューラルネットワークを備える、
請求項１に記載の検査装置。
【請求項６】
前記ニューラルネットワークが、前記メタデータに基づいて予め定められた校正パラメータを埋め込むための埋込ネットワークを含む、請求項５に記載の検査装置。
【請求項７】
前記第１の画像データと、前記適応化画像データのうちいずれを前記画像推論手段への入力データとするかを決定する、選択手段（１１３）をさらに備える、
請求項１から請求項６のうちいずれか一項に記載の検査装置。
【請求項８】
検査装置による、被検査物の検査方法であって、
カメラが被検査物を撮像して得られた第１の画像データを取得するステップと、
前記第１の画像データと、前記第１の画像データの分布を示すメタデータとに基づいて、画像推論手段の生成に用いられた画像データの分布に適応化させた適応化画像データを出力するドメイン適応ステップと、
前記画像推論手段に前記適応化画像データを入力して、前記被検査物の品質を示す判定結果を出力する画像推論ステップと、
を有する、検査方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は検査装置および検査方法に関する。
続きを表示（約 2,200 文字）【背景技術】
【０００２】
製品などの物品の検査方法として、撮像に基づく検査画像を用いるものがある。物品がコンベアを流れる様子をカメラで撮像し、撮像によって得られた検査画像に異物が映り込んでいないかを検査する。
【０００３】
特許文献１には検査装置が記載されている。該検査装置は、被検査物Ｗに対して入力系統が異なる複数の画像を各入力系統に応じた所定の撮像条件で撮像し、該撮像によって得られる前記被検査物の複数の画像を組とした複検査画像を記憶する画像記憶部と、前記画像記憶部に記憶された前記複検査画像に対し、該複検査画像と同じ撮像条件の画像を用いて予め学習により作成した学習モデルに基づき画素ごとに処理して品質不良度合を求め、該品質不良度合と予め設定した閾値との比較により前記被検査物の品質状態を判定する判定部と、を備えている。
【先行技術文献】
【特許文献】
【０００４】
特開２０２３－１１４８２８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
被検査物の撮像に基づく検査画像を学習モデルに入力して判定結果を得るタイプの検査装置においては、学習モデルの作成時とは異なる撮像条件で被検査物を撮像して検査することが多い。学習モデルの作成場所と、実際の検査を行う工場などの現場とは異なり得る。そのため、被検査物を撮像する際の照明の明るさが異なったり、カメラの設定値が異なったりする。
【０００６】
ここで、学習モデルの性能は一般的に、未知データの一般化能力で測定される。未知データと機械学習に用いたデータとは、全ての可能な濃度分布と比較すると、特定の分布に属している。そうすると、学習モデルに入力した画像の分布が大きく変わってしまった場合、学習モデルの出力結果が高い精度を保つことが出来ない場合がある。そのため、入力画像の分布が大きく変わった場合でも高い精度を保つために、学習モデルの再学習が必要になることがある。
【０００７】
しかしながら、検査装置が工場などの現場に一旦実装された後に再学習をするとなると、新しい分布に属する検査画像を取得しての作業となるので非常に時間とコストがかかる。また、その再学習が終わるまでの間は工場などの現場での検査ができなくなるので、生産ダウンタイムが発生する。
【０００８】
本発明は上記事情に鑑みてなされたものであって、再学習のコストおよび生産ダウンタイムを削減できる検査装置および検査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】
【０００９】
前述した目的を達成するために、本発明は、下記［１］～［８］を特徴としている。
［１］
被検査物を撮像して第１の画像データを取得するカメラ（１３）と、
画像データを入力とし、前記被検査物の品質を示す判定結果を出力する画像推論手段（１１１）と、
前記第１の画像データと、前記第１の画像データの分布を示すメタデータとに基づいて、前記画像推論手段の生成に用いられた画像データの分布に適応化させた適応化画像データを出力するドメイン適応手段（１１２）と、
を備える、検査装置。
［２］
前記カメラが、搬送手段（２）によって搬送される前記被検査物を撮像する、
［１］に記載の検査装置。
［３］
前記メタデータが、前記カメラが前記被検査物を撮像する際の撮像条件を示す情報を含む、
［１］に記載の検査装置。
［４］
前記撮像条件を示す情報が、前記被検査物の撮像時における光源の特性を示す値または前記被検査物の撮像時におけるカメラの設定値を含む、［３］に記載の検査装置。
［５］
前記ドメイン適応手段が、前記第１の画像データおよび前記メタデータを入力とし、前記適応化画像データを出力するニューラルネットワークを備える、
［１］に記載の検査装置。
［６］
前記ニューラルネットワークが、前記メタデータに基づいて予め定められた校正パラメータを埋め込むための埋込ネットワークを含む、［５］に記載の検査装置。
［７］
前記第１の画像データと、前記適応化画像データのうちいずれを前記画像推論手段への入力データとするかを決定する、選択手段（１１３）をさらに備える、
［１］から［６］のうちいずれか一項に記載の検査装置。
［８］
検査装置による、被検査物の検査方法であって、
カメラが被検査物を撮像して得られた第１の画像データを取得するステップと、
前記第１の画像データと、前記第１の画像データの分布を示すメタデータとに基づいて、画像推論手段の生成に用いられた画像データの分布に適応化させた適応化画像データを出力するドメイン適応ステップと、
前記画像推論手段に前記適応化画像データを入力して、前記被検査物の品質を示す判定結果を出力する画像推論ステップと、
を有する、検査方法。
【発明の効果】
【００１０】
本発明によれば、再学習のコストおよび生産ダウンタイムを削減できる検査装置および検査方法を提供することができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許