[發明專利]信息處理裝置、信息處理方法、信息處理程序、學習方法以及已學習模型

在審

• 申請號: 201980077404.1
• 申請日: 2019-11-08
• 公開（公告）號: CN113168686A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 猿渡健;岡本悟史
• 申請（專利權）人: 株式會社斯庫林集團
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 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;金慧善

1.一種信息處理裝置，其使用正常的檢查對象物的圖像數據的集合來檢測出有缺陷的異常的檢查對象物，其特征在于，所述信息處理裝置具備：

圖像復原部，其從檢查圖像的一部分被隱藏的圖像數據，生成復原了所述被隱藏的一部分的復原圖像，所述檢查圖像是對不確定是正常還是異常的檢查對象物進行拍攝而得的圖像；

判定部，其將所述復原圖像與所述檢查圖像進行比較，來判定檢查對象物是正常還是異常；以及

輸出部，其輸出所述判定部的判定結果，

所述圖像復原部通過深度學習來完成學習，以便能夠從多個學習圖像各自的一部分被隱藏的圖像數據，高精度地生成復原了所述被隱藏的一部分的復原圖像，所述學習圖像是對正常的檢查對象物進行拍攝而得的圖像。

2.根據權利要求1所述的信息處理裝置，其特征在于，

所述圖像復原部依次變更所述圖像數據中的所述被隱藏的一部分的位置的同時，生成多個所述復原圖像，

所述判定部通過將多個所述復原圖像分別與所述檢查圖像進行比較，來判定檢查對象物是正常還是異常。

3.根據權利要求2所述的信息處理裝置，其特征在于，

在所述復原圖像與所述檢查圖像的差異大于預定的容許值的情況下，所述判定部將所述被隱藏的一部分的位置決定為所述缺陷的位置，

所述輸出部還輸出與所述缺陷的位置相關的信息。

4.根據權利要求1～3中的任意一項所述的信息處理裝置，其特征在于，

所述圖像復原部執行如下處理：

編碼處理，從所述檢查圖像提取出特征來生成潛在變量；以及

解碼處理，從所述潛在變量生成所述復原圖像。

5.根據權利要求4所述的信息處理裝置，其特征在于，

在所述學習中，所述圖像復原部通過卷積神經網絡調整了所述編碼處理和所述解碼處理的參數。

6.一種信息處理方法，使用正常的檢查對象物的圖像數據的集合來檢測出有缺陷的異常的檢查對象物，其特征在于，所述信息處理方法包括如下步驟：

a)通過深度學習來學習如下處理：從多個學習圖像各自的一部分被隱藏的圖像數據，生成復原了所述被隱藏的一部分的復原圖像，所述學習圖像是對正常的檢查對象物進行拍攝而得的圖像；

b)將復原圖像與檢查圖像進行比較，來判定檢查對象物是正常還是異常，所述復原圖像是使用在所述步驟a)中學習的處理，從檢查圖像的一部分被隱藏的圖像數據復原的圖像，所述檢查圖像是對不確定是正常還是異常的檢查對象物進行拍攝而得的圖像；

c)輸出所述步驟b)的判定結果。

7.一種信息處理程序，使用正常的檢查對象物的圖像數據的集合來檢測出有缺陷的異常的檢查對象物，其特征在于，所述信息處理程序使計算機進行如下處理：

a)圖像復原處理，從檢查圖像的一部分被隱藏的圖像數據，生成復原了所述被隱藏的一部分的復原圖像，所述檢查圖像是對不確定是正常還是異常的檢查對象物進行拍攝而得的圖像；

b)判定處理，將所述復原圖像與所述檢查圖像進行比較，來判定檢查對象物是正常還是異常；以及

c)輸出處理，輸出所述判定處理的判定結果，

在所述圖像復原處理中，通過深度學習來完成學習，以便能夠從多個學習圖像各自的一部分被隱藏的圖像數據，高精度地生成復原了所述被隱藏的一部分的復原圖像，所述學習圖像是對正常的檢查對象物進行拍攝而得的圖像。

8.一種學習方法，其特征在于，為了檢測出有缺陷的異常的檢查對象物，通過深度學習來學習如下處理：

從多個學習圖像各自的一部分被隱藏的圖像數據，生成復原了所述被隱藏的一部分的復原圖像，所述學習圖像是對正常的檢查對象物進行拍攝而得的圖像。

9.一種已學習模型，其特征在于，

通過深度學習來學習如下處理：為了檢測出有缺陷的異常的檢查對象物，從多個學習圖像各自的一部分被隱藏的圖像數據，生成復原了所述被隱藏的一部分的復原圖像，所述學習圖像是對正常的檢查對象物進行拍攝而得的圖像。