[發明專利]缺陷檢查裝置、缺陷檢查方法及其程序

在審

• 申請號: 201980053565.7
• 申請日: 2019-11-13
• 公開（公告）號: CN112567229A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 池田泰之;栗田真嗣
• 申請（專利權）人: 歐姆龍株式會社
• 主分類號: G01N21/88
• 分類號: G01N21/88;G06T7/00
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 楊貝貝;臧建明

缺陷檢查裝置包括：獲取部，獲取檢查對象物的檢查圖像；圖像生成部，通過對檢查圖像適用以使用學習用的圖像數據提取特征的方式進行了事先學習的已學習識別器，而生成一個以上的特征提取圖像；檢查部，基于用以判定檢查對象物中有無檢測對象部位的一個以上的判定用參數及以特征提取圖像而生成的二值化圖像來確定與缺陷對應的區域；以及設定部，在基于已事先學習的特征來確定與缺陷對應的區域的情況下，當與特征對應的學習用的圖像數據的數未滿閾值時，以來自用戶的事后調整為前提而臨時設定判定用參數，在基于已事先學習的特征以外的特征來確定與缺陷對應的區域的情況下，根據來自用戶的指定來設定判定用參數。

技術領域

本發明涉及一種能夠執行使用通過機械學習而生成的識別器的缺陷檢測處理的缺陷檢查裝置、缺陷檢查方法及其程序(program)。

背景技術

在工廠自動化(Factory Automation，FA)領域，使用圖像測量處理的自動控制已得到廣泛實用化。例如實現如下所述的工序，即：對工件(work)等檢查對象進行拍攝，并基于從所拍攝的圖像中提取的特征量來對關于此工件的良否進行檢查。

例如，在專利文獻1中公開了一種裝置，其基于將在多個拍攝條件下拍攝的檢查對象的圖像用于學習用數據而進行了學習的識別器的輸出結果，來判定檢查對象有無缺陷。具體而言，專利文獻1所記載的裝置具有：學習用提取部件，針對已知外觀的良否的對象物，從基于在至少兩個不同的拍攝條件下拍攝的圖像的至少兩個圖像中分別提取此圖像的特征量；選擇部件，從跨越由所述學習用提取部件從所述至少兩個圖像中提取的特征量的特征量中，選擇用以判定對象物的良否的特征量；以及生成部件，基于由所述選擇部件所選擇的所述特征量，生成判定對象物的良否的識別器。

現有技術文獻

專利文獻

專利文獻1：日本專利特開2017-49974號公報

發明內容

發明所要解決的問題

像專利文獻1所記載的那樣的先前的識別器是學習基于圖像的特征量來檢測有無缺陷。然而，生產線上流動的工件的種類或攝影條件等檢查條件根據生產線而多種多樣，未必與學習時的條件一致。因此，在將經事先學習的識別器實際地用于生產線的情況下，識別器的輸出結果有時會受到噪聲(noise)等的影響。噪聲例如是因光的反射或陰影等而混入至圖像中的不需要的特征量。由此，為了基于識別器的輸出結果來判定有無缺陷，優選可調整判定用的參數，以將噪聲與缺陷切分。另一方面，由于所述調整需要工夫，因此存在導致生產性下降的情況。

本發明是鑒于所述情況而成，目的在于提供一種在使用經事先學習的識別器所輸出的結果來檢查有無缺陷的檢查裝置中，恰當且簡單地對用以判別有無缺陷的判定用參數進行設定的技術。

解決問題的技術手段

為了解決所述課題，本發明采用以下的結構。

本發明的一方面的缺陷檢查裝置包括：獲取部，獲取檢查對象物的檢查圖像；圖像生成部，通過對檢查圖像適用以使用學習用的圖像數據提取一個以上的特征的方式進行了事先學習的已學習識別器，而生成一個以上的特征提取圖像；檢查部，基于用以判定檢查對象物中有無檢測對象部位的一個以上的判定用參數及以特征提取圖像而生成的二值化圖像來確定與缺陷對應的區域；以及設定部，在基于已事先學習的特征來確定與缺陷對應的區域的情況下，當與特征對應的學習用的圖像數據的數未滿閾值時，以來自用戶的事后調整為前提而臨時設定判定用參數，在基于已事先學習的特征以外的特征來確定與缺陷對應的區域的情況下，根據來自用戶的指定來設定判定用參數。由此，可恰當且簡單地對用以判別有無缺陷的判定用參數進行設定，并抑制缺陷檢測的誤判定。

在基于已事先學習的特征來確定與缺陷對應的區域的情況下，當與特征對應的學習用的圖像數據的數為閾值以上時，設定部可自動設定判定用參數。由此，可恰當且簡單地對用以判別有無缺陷的判定用參數進行設定。