特許ウォッチ

公開番号2025130968
公報種別公開特許公報(A)
公開日2025-09-09
出願番号2024028393
出願日2024-02-28
発明の名称画像検査装置、分類修正方法、および分類修正プログラム
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G06T 7/00 20170101AFI20250902BHJP(計算;計数)
要約【課題】分類モデルの学習に用いる画像に関連付けられる分類ラベルの適切な修正を支援する画像検査装置、分類修正方法および分類修正プログラムを提供する。
【解決手段】検査システム100において、被検査対象の画像を分類する分類モデルを用いて画像検査を行う画像検査装置13は、異常推定部32と、提示部36と、変更部38とを備える。異常推定部32は、被検査対象の画像を分類する分類モデルの教師候補画像として分類ラベルが関連付けられた複数の画像の各々の異常の推定を、異常検知モデルを用いて行う。提示部36は、異常推定部32による推定結果に基づいて、複数の画像のうちの少なくとも一部の画像を提示する。変更部38は、提示部36によって提示された少なくとも一部の画像のうち分類ラベルの変更操作が行われた画像の分類ラベルを変更する。
【選択図】図2
特許請求の範囲【請求項１】
被検査対象の画像を分類する分類モデルを用いて画像検査を行う画像検査装置において、
前記分類モデルの教師候補画像として分類ラベルが関連付けられた複数の画像の各々の異常の推定を行う異常推定部と、
前記異常推定部による推定結果に基づいて、前記複数の画像のうちの少なくとも一部の画像を提示する提示部と、
前記提示部によって提示された前記少なくとも一部の画像のうち前記分類ラベルの変更操作が行われた画像の前記分類ラベルを変更する変更部と、を備える、画像検査装置。
続きを表示（約 1,500 文字）【請求項２】
前記変更部によって前記分類ラベルが変更された前記画像を含む前記複数の画像を用いて前記分類モデルの学習を行う学習部を備える、請求項１に記載の画像検査装置。
【請求項３】
前記異常推定部は、
前記分類モデルによって分類されるクラスの正解画像群の特徴量と前記複数の画像の各々の特徴量との差に基づいて、前記複数の画像の各々の異常の推定を行う、請求項１または２に記載の画像検査装置。
【請求項４】
前記異常推定部は、
異常検知モデルを用いて前記複数の画像の各々の異常スコアを推定し、
前記提示部は、
前記異常推定部によって推定された前記異常スコアに基づいて、前記複数の画像をソートするソート処理部と、
前記ソート処理部によるソート結果に基づいて、前記少なくとも一部の画像を提示する提示処理部と、を備える、請求項１または２に記載の画像検査装置。
【請求項５】
前記分類モデルを用いて前記複数の画像の各々の分類スコアを推定する分類スコア推定部と、
前記分類モデルによる分類精度に関する情報である分類精度情報を取得する分類精度情報取得部と、を備え、
前記ソート処理部は、
前記分類精度情報取得部によって取得された前記分類精度情報に基づいて、前記異常推定部によって推定された前記異常スコアに基づくソートから、前記分類スコア推定部によって推定された前記分類スコアに基づくソートに、前記複数の画像のソート方法を切り替える、請求項４に記載の画像検査装置。
【請求項６】
前記分類モデルを用いて前記複数の画像の各々の分類スコアを推定する分類スコア推定部を備え、
前記ソート処理部は、
前記異常推定部によって推定された前記異常スコアと前記分類スコア推定部によって推定された前記分類スコアとに基づいて算出される評価スコアに基づいて、前記複数の画像をソートする、請求項４に記載の画像検査装置。
【請求項７】
前記複数の画像の各々の前記異常スコアは、
画素単位の異常度の最大値を示す第１異常スコアと、前記異常度が閾値以上の領域の画像全体の領域に対する割合を示す第２異常スコアとを含み、
前記ソート処理部は、
前記第１異常スコアを正規化した第１スコアと前記第２異常スコアを正規化した第２スコアと前記分類スコアを正規化した第３スコアとを含む複数のスコアの重み付け加算によって前記複数の画像の各々の前記評価スコアを算出する、請求項６に記載の画像検査装置。
【請求項８】
前記分類モデルの分類精度に関する情報である分類精度情報を取得する分類精度情報取得部を備え、
前記ソート処理部は、
前記分類精度情報に応じた重みを用いた前記複数のスコアの重み付け加算によって前記複数の画像の各々の前記評価スコアを算出する、請求項７に記載の画像検査装置。
【請求項９】
前記提示処理部は、
前記第１スコア、前記第２スコア、および前記第３スコアの各々の前記分類精度情報に応じた重みを示す情報と、前記分類精度情報で示される分類精度に関する情報とを提示する、請求項８に記載の画像検査装置。
【請求項１０】
前記提示処理部は、
前記分類精度情報で示される分類精度に関する情報を時系列に示す情報を提示する、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】
本開示は、画像検査装置、分類修正方法、および分類修正プログラムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
機械学習によって得られる分類モデルの性能を引き出すには、十分な質と量のデータを用いて分類モデルの学習を行う必要があるが、学習に用いるデータが適切であるかをすべて人が確認するには、膨大な時間と労力がかかる。
【０００３】
そこで、特許文献１には、複数の教師候補画像の各々について分類モデルを用いて分類スコアを推定し、推定した分類スコアが低い順に複数の教師候補画像をソートした分類結果をオペレータに提示する技術が提案されている。
【先行技術文献】
【特許文献】
【０００４】
特開２０２０－２４５３４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上記特許文献１に記載の技術では、例えば、分類モデルの初期学習直後などのように分類モデルの性能が低い場合、分類モデルの学習に用いる画像の候補を適切にソートできず、分類ラベルを適切に修正することが難しいといった課題がある。
【０００６】
本開示は、分類モデルの学習に用いる画像に関連付けられる分類ラベルの適切な修正を支援す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】
【０００７】
本開示の一態様による画像検査装置は、被検査対象の画像を分類する分類モデルを用いて画像検査を行う画像検査装置であって、異常推定部と、提示部と、変更部とを備える。異常推定部は、被検査対象の画像を分類する分類モデルの教師候補画像として分類ラベルが関連付けられた複数の画像の各々の異常の推定を、異常検知モデルを用いて行う。提示部は、異常推定部による推定結果に基づいて、複数の画像のうちの少なくとも一部の画像を提示する。変更部は、提示部によって提示された少なくとも一部の画像のうち分類ラベルの変更操作が行われた画像の分類ラベルを変更する。
【発明の効果】
【０００８】
本開示によれば、分類モデルの学習に用いる画像に関連付けられる分類ラベルの適切な修正を支援することができる。
【図面の簡単な説明】
【０００９】
図１は、実施形態に係る分類修正処理の一例を示す図である。
図２は、実施形態に係る検査システムの構成の一例を示すブロック図である。
図３は、高次元の特徴量空間におけるクラスの典型的画像群の特徴量の分布と、そのクラスの異常な画像群の特徴量の分布との関係を示す図である。
図４は、実施形態に係る画像検査装置の処理部における提示部によって表示装置に表示される検査画面の一例を示す図である。
図５は、実施形態に係る画像検査装置の処理部におけるソート処理部による各スコアの重みと評価指標の値との関係の一例を示す図である。
図６は、実施形態に係る画像検査装置の処理部における提示処理部によって表示装置に表示される管理画面の一例を示す図である。
図７は、実施形態に係る画像検査装置の処理部における提示部によって表示装置に表示される追加情報画面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の処理部における提示部によって表示装置に表示される追加情報画面の他の例を示す図である。
図９は、実施形態に係る画像検査装置の処理部による情報処理の一例を示すフローチャートである。
図１０は、実施形態に係る画像検査装置の処理部による外観検査処理の一例を示すフローチャートである。
図１１は、実施形態に係る画像検査装置の処理部による分類修正処理の一例を示すフローチャートである。
図１２は、実施形態に係る画像検査装置の処理部による評価スコア決定処理の一例を示すフローチャートである。
図１３は、実施形態に係る画像検査装置における処理部のハードウェアの構成例を示す図である。
【発明を実施するための形態】
【００１０】
以下に、本願の開示する画像検査装置、分類修正方法、および分類修正プログラムの実施形態を図面に基づいて詳細に説明する。なお、この実施形態により開示技術が限定されるものではない。
（【００１１】以降は省略されています）

関連特許