特許ウォッチ

公開番号2025145087
公報種別公開特許公報(A)
公開日2025-10-03
出願番号2024045093
出願日2024-03-21
発明の名称画像検査装置、画像分割方法、および画像分割プログラム
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 20170101AFI20250926BHJP(計算;計数)
要約【課題】深層学習を用いた外観検査を適切に行うこと。
【解決手段】本開示の一態様による画像検査装置は、検査対象の外観を撮像する撮像部によって撮像された画像の画像データに基づいて、検査対象の画像検査を行う画像検査装置であって、圧縮部と、決定部と、生成部とを備える。圧縮部は、画像データに写る検査対象を別の表現方法に置換して画像データを圧縮する。決定部は、圧縮部によって圧縮された画像データである圧縮画像から分割位置を決定する。生成部は、決定部によって決定された分割位置で画像データを分割した複数の分割画像を生成する。
【選択図】図1
特許請求の範囲【請求項１】
検査対象の外観を撮像する撮像部によって撮像された画像の画像データに基づいて、前記検査対象の画像検査を行う画像検査装置であって、
前記画像データに写る前記検査対象を別の表現方法に置換して前記画像データを圧縮する圧縮部と、
前記圧縮部によって圧縮された前記画像データである圧縮画像から分割位置を決定する決定部と、
前記決定部によって決定された前記分割位置で前記画像データを分割した複数の分割画像を生成する生成部と
を備える、画像検査装置。
続きを表示（約 1,200 文字）【請求項２】
前記決定部は、
圧縮画像から複数の前記分割画像それぞれの解像度を決定し、
前記生成部は、
前記決定部によって決定された前記解像度の前記分割画像を生成する
請求項１に記載の画像検査装置。
【請求項３】
前記決定部は、
学習段階において、前記圧縮画像の前記分割位置と、前記分割画像における前記検査対象の検査結果との関係性を学習した学習モデルに対して、前記圧縮画像を入力して得られる出力結果に基づいて前記分割位置を決定する
請求項２に記載の画像検査装置。
【請求項４】
前記学習モデルは、
複数の前記分割画像それぞれの解像度と、前記分割画像における前記検査対象の検査結果との関係性をさらに学習したモデルであって、
前記決定部は、
前記学習モデルを用いて、複数の前記分割画像それぞれの前記解像度を決定する
請求項３に記載の画像検査装置。
【請求項５】
前記圧縮部は、
前記画像データから前記検査対象の特徴点を抽出し、前記画像データに写る前記検査対象を前記特徴点に置換し、
前記決定部は、
前記画像データに写る前記検査対象が特徴点に置換された前記圧縮画像に基づいて前記分割位置を決定する
請求項１に記載の画像検査装置。
【請求項６】
前記決定部は、
前記特徴点の分布を示す特徴量画像を前記圧縮画像として、前記分割位置を決定する
請求項５に記載の画像検査装置。
【請求項７】
前記特徴点の数を所定領域ごとに集計する集計部
を備え、
前記決定部は、
前記集計部によって集計された前記特徴点の数が閾値以下である領域を背景領域として決定し、前記検査対象の画像検査の対象から除外する
請求項５に記載の画像検査装置。
【請求項８】
前記決定部は、
前記画像データに写る前記検査対象を輝度変化に応じた周波数情報へ置換した前記圧縮画像から前記分割位置を決定する
請求項１に記載の画像検査装置。
【請求項９】
前記画像データと前記分割画像とをユーザによる操作に応じて切り替えて表示部に表示させる表示処理部
を備える請求項１に記載の画像検査装置。
【請求項１０】
検査対象の外観を撮像する撮像部によって撮像された画像の画像データに基づいて、前記検査対象の画像検査を行う画像分割方法であって、
前記画像データに写る前記検査対象を別の表現方法に置換して前記画像データを圧縮する圧縮工程と、
前記圧縮工程によって圧縮された前記画像データである圧縮画像から分割位置を決定する決定工程と、
前記決定工程によって決定された前記分割位置で前記画像データを分割した複数の分割画像を生成する生成工程と
を含む、画像分割方法。
（【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、画像分割方法、および画像分割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、検査工程において、生産された製品を撮像して得られる製品の画像データに基づいて、製品が良品であるか欠陥品であるかを判定する技術が知られている。特許文献１には、人工知能や、ディープラーニングと呼ばれる深層学習を用いて、画像データから商品の欠陥を判別する技術が開示されている。
【０００３】
特許文献１に記載の技術では、画像データを複数の解像度で分割し、分割した画像データを用いて製品の欠陥を判別することで、大きさが異なる欠陥の判別を可能としている。
【先行技術文献】
【特許文献】
【０００４】
特開２０２２－９０６３３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、解像度を変更する数が増えると、分割後の画像データの数量が増えるので深層学習による処理回数が増加する。そのため、上記特許文献１に記載の技術では、処理時間が遅延するという課題がある。また、解像度が高い画像データを深層学習によって作成されたモデルに入力すると、画像データを一時的に格納するメモリの容量が足りなくなり処理が止まる可能性もある。
【０００６】
本開示は、深層学習を用いた外観検査を適切に行う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】
実施形態に係る一態様による画像検査装置は、検査対象の外観を撮像する撮像部によって撮像された画像の画像データに基づいて、前記検査対象の画像検査を行う画像検査装置であって、圧縮部と、決定部と、生成部とを備える。圧縮部は、前記画像データに写る前記検査対象を別の表現方法に置換して前記画像データを圧縮する。決定部は、前記圧縮部によって圧縮された前記画像データである圧縮画像から分割位置を決定する。生成部は、前記決定部によって決定された前記分割位置で前記画像データを分割した複数の分割画像を生成する。
【０００８】
実施形態に係る一態様によれば、画像データを別の表現に置換して圧縮した結果を用いて分割位置を決定することが出来る。このように分割位置を決めた場合、検査対象が中途半端な位置で分断されにくくなるため、誤検出を低下させることが出来る。また、このようにして決定した位置で画像データが分割されるので、分割された１枚当たりの画像データのサイズが、分割される前の画像データよりも小さくなる。１枚当たりの画像データのサイズが小さくなると、たとえば深層学習によって作成されたモデルに入力する際に、画像データを一時的に格納するメモリを通常のサイズよりも大きくすることなく、学習/分類の処理を完了させることが出来る。このように、実施形態に係る一態様によれば、分割画像データを入力する深層学習を用いた外観検査を適切に行うことができる。
【発明の効果】
【０００９】
本開示によれば、深層学習を用いた外観検査を適切に行うことができる。
【図面の簡単な説明】
【００１０】
図１は、実施形態に係る画像検査処理に用いる決定モデルの概要説明図である。
図２は、実施形態に係る画像検査処理の概要説明図である。
図３は、実施形態に係る画像検査装置の構成の一例を示すブロック図である。
図４は、実施形態に係る特徴点画像の一例を示す図である。
図５は、実施形態に係る分割画像表示モードの一例を示す図である。
図６は、実施形態に係る全体画像表示モード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よる情報処理の一例を示すフローチャートである。
図８は、圧縮画像の他の例を示す図である。
図９は、周波数画像に含まれる周波数と処理との関係性の一例を示す図である。
図１０は、特徴点画像の特徴点密度と処理との関係性の一例を示す図である。
図１１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】
（【００１１】以降は省略されています）

関連特許