检查装置、学习模型生成方法及检查方法与流程

本发明涉及一种检查对被检查物所要求的品质状态的检查装置、学习模型生成方法及检查方法。

背景技术：

1、作为通过x射线检查对被检查物所要求的品质状态的装置，例如已知有下述专利文献1中所公开的x射线检查装置。该专利文献1中所公开的x射线检查装置将来自x射线检测器的x射线图像数据存储于x射线图像存储部，以与学习对象品种相关的包含规定能带的不同的多个能带的x射线图像数据的学习结果为基础，通过虚拟图像生成模型虚拟生成其他能带的x射线图像数据，以被检查物的x射线图像数据为基础，通过虚拟图像生成模型并由图像制作部制作其他能带下的虚拟透射图像，根据被检查物的规定能带的x射线图像数据及由图像制作部制作出的其他能带下的虚拟透射图像，判定部判定被检查物的品质状态。

2、专利文献1：日本特开2021—148486号公报

3、然而，在上述专利文献1中所公开的以往的检查装置中，判定中所使用的透射图像为灰色标度的1个图像，用于判定的信息量少，因此若要实现被检查物的品质状态的检查精度的提高，则存在界限。

技术实现思路

1、因此，本发明是鉴于上述问题点而完成的，其目的在于提供一种能够实现提高被检查物的品质状态的检查精度的检查装置、学习模型生成方法及检查方法。

2、为了实现上述目的，本发明的第1方式的检查装置的特征在于，具备：图像存储部21，存储在与各输入系统相对应的规定的摄像条件下拍摄相对于被检查物w而输入系统不同的多个图像，并且将通过该拍摄而获得的所述被检查物的多个图像设为一组的重叠检查图像；及判定部24，根据使用与该重叠检查图像相同的摄像条件的图像并通过预先学习制作出的学习模型22，对存储于所述图像存储部的所述重叠检查图像求出品质不良程度，通过该品质不良程度与预先设定的阈值的比较判定所述被检查物的品质状态。

3、本发明的第2方式的检查装置在第1方式的检查装置中，特征在于，所述规定的摄像条件至少包含表示每个所述输入系统的所述被检查物的摄像位置的位置信息。

4、本发明的第3方式的检查装置在第1方式的检查装置中，特征在于，在所述学习模型中建立关联有与学习中所使用的图像相关的所述摄像条件。

5、本发明的第4方式的检查装置在第1方式的检查装置中，特征在于，所述学习模型为对至少包含品质不良的图像的与所述重叠检查图像相同的摄像条件的图像按所述被检查物的每个品种进行学习的模型。

6、本发明的第5方式的检查装置在第1方式至第4方式的检查装置中，特征在于，所述重叠检查图像为对透射所述被检查物的光进行分光而获得的图像。

7、本发明的第6方式的学习模型生成方法的特征在于，包括：获取被检查物w的合格品图像及仅该被检查物的品质不良的图像作为学习用图像；制作使用所述学习用图像在所述被检查物的合格品图像中合成有仅所述品质不良的图像的学习用品质不良合成图像及表示该学习用品质不良合成图像中的品质不良位置的学习用品质不良标签的步骤；及进行所述学习用品质不良合成图像的机器学习而制作学习模型22。

8、本发明的第7方式的检查方法的特征在于，包括如下步骤：在与各输入系统相对应的规定的摄像条件下拍摄相对于被检查物w而输入系统不同的多个图像，根据通过权利要求6的学习模型制作方法并使用与该重叠检查图像相同的摄像条件的图像制作出的学习模型22，对将通过该拍摄而获得的所述被检查物的多个图像设为一组的重叠检查图像求出品质不良程度，通过该品质不良程度与预先设定的阈值的比较判定所述被检查物的品质状态。

9、根据本发明，根据多种图像学习判定，并且能够实现提高所输送的被检查物的品质检查的检查精度。

技术特征：

1.一种检查装置，其特征在于，具备：

2.根据权利要求1所述的检查装置，其特征在于，

3.根据权利要求1所述的检查装置，其特征在于，

4.根据权利要求1所述的检查装置，其特征在于，

5.根据权利要求1至4中任一项所述的检查装置，其特征在于，

6.一种学习模型制作方法，其特征在于，包括如下步骤：

7.一种检查方法，其特征在于，包括如下步骤：

技术总结
本发明实现提高被检查物的品质状态的检查精度。检查装置(1)具备：图像存储部(21)，存储在与各输入系统相对应的规定的摄像条件下拍摄相对于被检查物(W)而输入系统不同的多个图像而获得的将被检查物(W)的多个图像设为一组的重叠检查图像；及判定部(24)，根据使用与重叠检查图像相同的摄像条件的图像并通过预先学习制作出的学习模型(22)，对存储于图像存储部(21)的重叠检查图像求出品质不良程度，通过品质不良程度与预先设定的阈值的比较判定被检查物(W)的品质状态。

技术研发人员：角田光悦,山崎健史
受保护的技术使用者：安立股份有限公司
技术研发日：
技术公布日：2024/1/14