[發明專利]檢查裝置

在審

• 申請號: 201910318236.2
• 申請日: 2019-04-19
• 公開（公告）號: CN110388879A
• 公開（公告）日: 2019-10-29
• 發明（設計）人: 太田悠介;瀧澤象太
• 申請（專利權）人: 發那科株式會社
• 主分類號: G01B11/24
• 分類號: G01B11/24
• 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;文志

本發明提供一種檢查裝置，其具有不依賴人工的自動的外觀檢查結果的妥當性確認功能。使用拍攝檢查對象而得到的多個圖像進行外觀檢查的檢查裝置具備判定部，該判定部根據預先定義的圖像與檢查結果的關系模型，推定分別與多個圖像相關的檢查結果，根據與多個圖像相關的檢查結果各自的可靠度，計算綜合的檢查結果。

技術領域

本發明涉及檢查裝置，特別是涉及一種具有不依賴人工的自動的外觀檢查結果的妥當性確認功能的檢查裝置。

背景技術

在檢查對象(加工后的工件等)的外觀檢查工序中，以前通過人的目視進行檢查。近年來廣泛地進行以下的檢查，即使用照相機拍攝檢查對象的圖像并處理該圖像由此進行檢查。

最近，將機器學習例如深度學習用于外觀檢查。通過使用機器學習，能夠準確地進行損傷、凹陷的判定等人無法用數值細致地規定判定基準的檢查。

在日本特開2011-007553號公報中，記載了針對每個缺陷種類改變光學條件，通過多個檢測部檢測各自不同的散射光，將檢測出的光與學習數據進行對照來進行異常檢測。在日本特開2011-007553號公報中還公開了在檢測異常時，能夠通過OR(邏輯或)、多數決定來綜合地判定多個識別器的結果。

在日本特開2009-103508號公報中，記載了多個檢測器在各自不同的角度檢測散射光，與通過學習獲得的分類器進行對照，只要存在即使在一個位置超過了閾值的檢測器，則判定為缺陷。

但是，對于使用了機器學習的檢查結果是否正確，現在需要手動地進行檢查。例如，將機器學習的檢查結果與現有的基于人的目視的檢查結果進行對照，來檢查機器學習的檢查結果。機器學習的檢查結果受到拍攝條件等的影響。由此，需要一邊試錯地多次改變拍攝條件，一邊手動地評價機器學習的檢查結果的可靠性。

發明內容

本發明用于解決這樣的問題，其目的在于，提供一種具有不依賴人工的自動的外觀檢查結果的妥當性確認功能的檢查裝置。

本發明的一個實施方式的檢查裝置是使用拍攝檢查對象而得到的多個圖像進行外觀檢查的檢查裝置，其具備學習部，該學習部根據預先定義的上述圖像和檢查結果的關系模型，推定分別與多個上述圖像相關的檢查結果，根據與多個上述圖像相關的上述檢查結果各自的可靠度，計算綜合的檢查結果。

在本發明一個實施方式的檢查裝置中，上述學習部在上述綜合的檢查結果的可靠度未滿足一定的條件的情況下，輸出再次拍攝上述圖像的指令，使用再次拍攝到的上述圖像，再次計算上述綜合的檢查結果。

在本發明的一個實施方式的檢查裝置中，上述學習部在上述綜合的檢查結果的可靠度未滿足一定的條件的情況下，輸出再次拍攝上述圖像的指令，使用再次拍攝到的上述圖像和直到上次為止拍攝到的上述圖像，再次計算上述綜合的檢查結果。

本發明的一個實施方式的檢查裝置還具備拍攝條件決定部，該拍攝條件決定部決定上述圖像的拍攝條件，上述拍攝條件決定部相對于上次拍攝時的拍攝條件變更上述再次拍攝時的拍攝條件。

在本發明的一個實施方式的檢查裝置中，上述拍攝條件決定部對于上述檢查結果的可靠度未滿足一定的條件的檢查部位，相對于上次拍攝時的拍攝張數增加上述再次拍攝時的拍攝張數。

在本發明的一個實施方式的檢查裝置中，上述拍攝條件決定部對于上述檢查結果不合格的檢查部位，相對于上次拍攝時的拍攝張數增加上述再次拍攝時的拍攝張數。

在本發明的一個實施方式的檢查裝置中，上述學習部具有多個上述關系模型，根據多個上述圖像使用不同的上述關系模型來推定上述檢查結果。

在本發明的一個實施方式的檢查裝置中，上述學習部具有多個上述關系模型，對于上述再次拍攝時的上述圖像，使用與上次拍攝時的上述圖像不同的上述關系模型來推定上述檢查結果。