[發明專利]機器學習裝置、檢查裝置以及機器學習方法

有效

• 申請號: 201810736105.1
• 申請日: 2018-07-06
• 公開（公告）號: CN109242820B
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 并木勇太
• 申請（專利權）人: 發那科株式會社
• 主分類號: G06T7/00
• 分類號: G06T7/00;G01N21/88
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 范勝杰;曹鑫

本發明提供一種機器學習裝置、檢查裝置以及機器學習方法，能夠更加高效地生成用于機器學習的學習數據。生成用于機器學習的學習數據的機器學習裝置具備：圖像輸入部，其輸入拍攝標記了表示缺陷的記號的檢查對象物而得到的圖像；以及生成部，其根據所輸入的圖像來生成學習數據，在圖像中沒有記號的情況下，生成部生成由作為輸入的圖像本身的學習用圖像和保持表示沒有缺陷的無缺陷值的標簽組成的學習數據，在輸入的圖像中有標記的情況下，生成部生成由以輸入的上述圖像為基礎而生成的學習用圖像和保持表示有缺陷的有缺陷值的標簽組成的學習數據。

技術領域

本發明涉及機器學習裝置以及機器學習方法。特別涉及能夠高效地生成用于機器學習的學習數據的機器學習裝置以及機器學習方法。另外，涉及使用了該機器學習裝置以及機器學習方法的檢查裝置。

背景技術

目前，已知一種系統，其通過視覺傳感器取得檢查對象物的圖像，并且通過圖像處理來檢查所取得的圖像。在通過圖像處理進行檢查對象物的檢查時，有一種使用機器學習的方法來判別OK(良品)、NG(發現了某些缺陷的所謂不良品)的方法。

為了進行該機器學習，需要由檢查對象物的圖像和指定該圖像中拍攝的檢查對象物是OK還是NG的標簽組成的學習數據。這樣，如果大量地準備檢查對象物的圖像和具有“OK”或“NG”值的標簽的學習數據的組，則能夠使用這些學習數據的組進行機器學習。之后，(進行了機器學習的)機器學習裝置能夠根據機器學習到的內容對檢查對象物的新輸入圖像判別OK、NG。

在進行機器學習之前，OK、NG的判斷大多由人來進行，其判斷結果被用作上述學習數據。另外，即使在進行了機器學習后，機器學習裝置有時也會錯誤判定，因此需要人來進行其訂正。

在這種情況下，需要將人進行的判斷和訂正提供給進行機器學習的裝置等。作為提供的一個方法，考慮在通過視覺傳感器得到的檢查對象物的圖像上由人附加OK、NG的標簽。其結果，能夠容易地得到檢查對象物的圖像與具有“OK”或“NG”的值的標簽的組。作為關于這種技術的內容，列舉有專利文獻1～2。

在專利文獻1中公開以下技術，即在被檢查物的表面檢查裝置中針對進行被檢查面的攝像的位置進行學習。該學習是指將進行攝像的順序與攝像位置進行關聯。即，在該專利文獻1中沒有示出機器學習。

專利文獻2公開以下技術，即檢查員通過目視檢查車體的涂裝，在缺陷位置附加標記。通過下游工序檢測附加了標記的位置，將其作為缺陷部位進行研磨。在該專利文獻2中，對付加了標記的位置進行修正處理。

在由人判斷OK、NG時，大多觀察實際的檢測對象物(工件)來判斷OK、NG。這樣在人實際觀察了檢查對象物后再觀察圖像并附加OK、NG的標簽可以說是繁瑣的作業。這里，例如考慮以下兩種情況。

(A)在拍攝了對象物的圖像中，人一邊觀察該圖像一邊指定缺陷的位置。

(B)分割對象物的各部位來取得多張圖像，人從該多張圖像中找出拍攝了缺陷的圖像，并對該圖像附加NG標簽。

在(A)的情況下，首先由人在實際的檢查對象物上發現缺陷后，人再次從通過視覺傳感器得到的圖像找出與缺陷部分對應的位置，在該圖像上指定缺陷部位，并且賦予NG標簽。但是，需要在實際的檢查對象物上找到缺陷部位的作業和在圖像上找到缺陷部位的作業的二次操作，容易成為繁瑣的作業。

在(B)的情況下，首先由人在實際的檢查對象物上發現缺陷后，人從多張圖像中找出與該缺陷部位對應的圖像，對該圖像賦予NG標簽。因此，需要在實際的檢查對象物上找到缺陷部位的作業和尋找包括該缺陷部位的圖像的作業的二次操作，容易成為繁瑣的作業。另外，當圖像的數量較多時，作業量會與此成正比地增大。

以上，直接使用由人觀察檢查對象物而發現的缺陷來用在用于機器學習的學習數據中即可，但是現狀是還不知道這樣的技術。

專利文獻1：日本特開2009-14357號公報