特許ウォッチ

公開番号2025143929
公報種別公開特許公報(A)
公開日2025-10-02
出願番号2024043449
出願日2024-03-19
発明の名称画像検査装置、再調整要否提示方法および再調整要否提示プログラム
出願人ニデック株式会社
代理人弁理士法人酒井国際特許事務所
主分類G01N 21/88 20060101AFI20250925BHJP(測定;試験)
要約【課題】製品の撮像画像と学習モデルとを用いた外観検査において、撮像条件の再調整の要否をユーザに把握させる。
【解決手段】第1取得部は、外観検査の対象となる製品を撮像した撮像画像を学習モデルへ入力して学習モデルによる検査結果を取得する。第2取得部は、上記撮像画像に基づいて上記製品の撮像条件の変化量を取得する。クラスタリング部は、上記検査結果および上記変化量を含むクラスタリングによる第1クラスタ群を生成する。算出部は、上記学習モデルの教師データを用いたクラスタリングによる第2クラスタ群、および、上記第1クラスタ群の各クラスタにおける重心の誤差である重心誤差を算出する。判定部は、上記重心誤差に基づいて上記撮像条件の再調整の要否を判定する。提示部は、判定部により判定された上記再調整の要否をユーザへ提示する。
【選択図】図2
特許請求の範囲【請求項１】
外観検査の対象となる製品を撮像した撮像画像を学習モデルへ入力して該学習モデルによる検査結果を取得する第１取得部と、
前記撮像画像に基づいて前記製品の撮像条件の変化量を取得する第２取得部と、
前記検査結果および前記変化量を含むクラスタリングによる第１クラスタ群を生成するクラスタリング部と、
前記学習モデルの教師データを用いたクラスタリングによる第２クラスタ群、および、前記第１クラスタ群の各クラスタにおける重心の誤差である重心誤差を算出する算出部と、
前記重心誤差に基づいて前記撮像条件の再調整の要否を判定する判定部と、
前記判定部により判定された前記再調整の要否をユーザへ提示する提示部と、
を備える画像検査装置。
続きを表示（約 1,500 文字）【請求項２】
前記判定部は、
前記重心誤差が第１閾値を超える場合に、前記再調整を要する可能性があると判定し、
前記重心誤差が前記第１閾値以下である場合に、前記再調整は不要であると判定する、
請求項１に記載の画像検査装置。
【請求項３】
前記算出部は、
前記重心誤差が前記第１閾値を超える場合における前記重心誤差に対する前記検査結果および前記変化量それぞれの寄与率を算出し、
前記提示部は、
前記変化量の前記寄与率が第２閾値を超える場合に、前記再調整を要することを前記ユーザへ提示し、
前記変化量の前記寄与率が前記第２閾値以下である場合に、前記学習モデルの追加学習を提案する旨を前記ユーザへ提示する、
請求項２に記載の画像検査装置。
【請求項４】
前記算出部は、
前記変化量における前記撮像条件に含まれる項目ごとの前記寄与率を算出し、
前記提示部は、
前記再調整を要する場合に、前記項目ごとの前記寄与率を前記ユーザへ提示する、
請求項３に記載の画像検査装置。
【請求項５】
前記提示部は、
前記再調整を要する場合に、前記項目のうち相対的に前記寄与率が高い前記項目を前記ユーザへ明示する、
請求項４に記載の画像検査装置。
【請求項６】
前記項目は、少なくとも前記撮像画像における前記製品の位置、角度および明度を含む、
請求項４または５に記載の画像検査装置。
【請求項７】
前記項目はさらに、前記撮像画像におけるホワイトバランスおよびフォーカスを含む、
請求項６に記載の画像検査装置。
【請求項８】
コンピュータが実行する再調整要否提示方法であって、
外観検査の対象となる製品を撮像した撮像画像を学習モデルへ入力して該学習モデルによる検査結果を取得する第１取得工程と、
前記撮像画像に基づいて前記製品の撮像条件の変化量を取得する第２取得工程と、
前記検査結果および前記変化量を含むクラスタリングによる第１クラスタ群を生成するクラスタリング工程と、
前記学習モデルの教師データを用いたクラスタリングによる第２クラスタ群、および、前記第１クラスタ群の各クラスタにおける重心の誤差である重心誤差を算出する算出工程と、
前記重心誤差に基づいて前記撮像条件の再調整の要否を判定する判定工程と、
前記判定工程により判定された前記再調整の要否をユーザへ提示する提示工程と、
を含む再調整要否提示方法。
【請求項９】
外観検査の対象となる製品を撮像した撮像画像を学習モデルへ入力して該学習モデルによる検査結果を取得する第１取得手順と、
前記撮像画像に基づいて前記製品の撮像条件の変化量を取得する第２取得手順と、
前記検査結果および前記変化量を含むクラスタリングによる第１クラスタ群を生成するクラスタリング手順と、
前記学習モデルの教師データを用いたクラスタリングによる第２クラスタ群、および、前記第１クラスタ群の各クラスタにおける重心の誤差である重心誤差を算出する算出手順と、
前記重心誤差に基づいて前記撮像条件の再調整の要否を判定する判定手順と、
前記判定手順により判定された前記再調整の要否をユーザへ提示する提示手順と、
をコンピュータに実行させる再調整要否提示プログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、画像検査装置、再調整要否提示方法および再調整要否提示プログラムに関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
従来、製品の検査工程において、機械学習によって学習された学習モデルに対し製品を撮像した撮像画像を入力することで、製品が良品であるか不良品であるかを検査する技術が知られている。また、このような技術においては、実稼働時における検査結果等の傾向の変化に応じて学習モデルの再学習を行うことで、検査精度を保つことができることが知られている。
【０００３】
例えば、特許文献１に開示の技術では、実稼働時において撮像画像を学習モデルへ入力することで抽出される画像特徴量の、学習モデルの学習直後を基準とした経時的な変化量に基づいて再学習を行うか否かを判定している。
【先行技術文献】
【特許文献】
【０００４】
特開２０２２－０８６１４９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、実稼働時においては、カメラの取り付け状態や照明の当たり方など、製品の撮像条件が経時的に変化する場合もある。上述した従来技術は、こうした撮像条件の変化については考慮していない。
【０００６】
このため、上述した従来技術を用いた場合、学習モデルの再学習よりも撮像条件の再調整が必要な状況であるにも関わらず、撮像条件が変化したことによる画像特徴量の変化量に基づいて再学習が行われてしまうおそれがある。また、再学習が行われた場合、学習モデルは本来の撮像条件とは異なる撮像条件に適合してしまうため、検査精度が低下するおそれがある。
【０００７】
本開示は、製品の撮像画像と学習モデルとを用いた外観検査において、撮像条件の再調整の要否をユーザに把握させることができる技術を提供する。
【課題を解決するための手段】
【０００８】
本開示の一態様による画像検査装置は、第１取得部と、第２取得部と、クラスタリング部と、算出部と、判定部と、提示部と、を備える。前記第１取得部は、外観検査の対象となる製品を撮像した撮像画像を学習モデルへ入力して該学習モデルによる検査結果を取得する。前記第２取得部は、前記撮像画像に基づいて前記製品の撮像条件の変化量を取得する。前記クラスタリング部は、前記検査結果および前記変化量を含むクラスタリングによる第１クラスタ群を生成する。前記算出部は、前記学習モデルの教師データを用いたクラスタリングによる第２クラスタ群、および、前記第１クラスタ群の各クラスタにおける重心の誤差である重心誤差を算出する。前記判定部は、前記重心誤差に基づいて前記撮像条件の再調整の要否を判定する。前記提示部は、前記判定部により判定された前記再調整の要否をユーザへ提示する。
【発明の効果】
【０００９】
本開示によれば、製品の撮像画像と学習モデルとを用いた外観検査において、撮像条件の再調整の要否をユーザに把握させることができる。
【図面の簡単な説明】
【００１０】
図１は、実施形態に係る再調整要否提示方法の概要説明図である。
図２は、実施形態に係る画像検査装置の構成例を示すブロック図である。
図３は、撮像条件の項目の一例を示す図である。
図４は、ワークの位置および角度の変化量の取得例を示す図である。
図５は、撮像条件の変化量の提示例を示す図である。
図６は、画像検査装置が提示する提示レイアウトの一例を示す図である。
図７は、撮像条件変化量表示部のレイアウトの一例を示す図である。
図８は、実施形態に係る画像検査装置が実行する処理手順を示すフローチャートである。
図９は、変形例に係る再調整要否提示方法の概要説明図である。
図１０は、変形例に係る画像検査装置が実行する処理手順を示すフローチャートである。
図１１は、画像検査装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許