机器学习装置、检查装置以及机器学习方法制造方法及图纸

本发明专利技术提供一种机器学习装置、检查装置以及机器学习方法，能够更加高效地生成用于机器学习的学习数据。生成用于机器学习的学习数据的机器学习装置具备：图像输入部，其输入拍摄标记了表示缺陷的记号的检查对象物而得到的图像；以及生成部，其根据所输入的图像来生成学习数据，在图像中没有记号的情况下，生成部生成由作为输入的图像本身的学习用图像和保持表示没有缺陷的无缺陷值的标签组成的学习数据，在输入的图像中有标记的情况下，生成部生成由以输入的上述图像为基础而生成的学习用图像和保持表示有缺陷的有缺陷值的标签组成的学习数据。

【技术实现步骤摘要】
机器学习装置、检查装置以及机器学习方法
本专利技术涉及机器学习装置以及机器学习方法。特别涉及能够高效地生成用于机器学习的学习数据的机器学习装置以及机器学习方法。另外，涉及使用了该机器学习装置以及机器学习方法的检查装置。
技术介绍
目前，已知一种系统，其通过视觉传感器取得检查对象物的图像，并且通过图像处理来检查所取得的图像。在通过图像处理进行检查对象物的检查时，有一种使用机器学习的方法来判别OK(良品)、NG(发现了某些缺陷的所谓不良品)的方法。为了进行该机器学习，需要由检查对象物的图像和指定该图像中拍摄的检查对象物是OK还是NG的标签组成的学习数据。这样，如果大量地准备检查对象物的图像和具有“OK”或“NG”值的标签的学习数据的组，则能够使用这些学习数据的组进行机器学习。之后，(进行了机器学习的)机器学习装置能够根据机器学习到的内容对检查对象物的新输入图像判别OK、NG。在进行机器学习之前，OK、NG的判断大多由人来进行，其判断结果被用作上述学习数据。另外，即使在进行了机器学习后，机器学习装置有时也会错误判定，因此需要人来进行其订正。在这种情况下，需要将人进行的判断和订正提供给进行机本文档来自技高网...

【技术保护点】
1.一种机器学习装置，生成用于机器学习的学习数据，其特征在于，该机器学习装置具备：图像输入部，其输入拍摄标记了表示缺陷的记号的检查对象物而得到的图像；以及生成部，其根据所输入的上述图像来生成上述学习数据，在所输入的上述图像中没有上述记号的情况下，上述生成部生成由作为输入的上述图像本身的学习用图像和保持表示没有缺陷的无缺陷值的标签组成的学习数据，在所输入的上述图像中有上述记号的情况下，上述生成部生成由以输入的上述图像为基础而生成的学习用图像和保持表示有缺陷的有缺陷值的标签组成的学习数据。

【技术特征摘要】
2017.07.10 JP 2017-1345081.一种机器学习装置，生成用于机器学习的学习数据，其特征在于，该机器学习装置具备：图像输入部，其输入拍摄标记了表示缺陷的记号的检查对象物而得到的图像；以及生成部，其根据所输入的上述图像来生成上述学习数据，在所输入的上述图像中没有上述记号的情况下，上述生成部生成由作为输入的上述图像本身的学习用图像和保持表示没有缺陷的无缺陷值的标签组成的学习数据，在所输入的上述图像中有上述记号的情况下，上述生成部生成由以输入的上述图像为基础而生成的学习用图像和保持表示有缺陷的有缺陷值的标签组成的学习数据。2.根据权利要求1所述的机器学习装置，其特征在于，在所输入的上述图像中有上述记号时，上述生成部生成由以输入的上述图像为基础而生成的学习用图像、通过上述记号表示的缺陷的位置以及保持上述有缺陷值的标签组成的学习数据。3.根据权利要求1所述的机器学习装置，其特征在于，表示上述缺陷的上述记号是根据上述缺陷的种类而不同的记号，在所输入的上述图像中有上述记号时，上述生成部生成由以输入的上述图像为基础而生成的学习用图像、通过上述记号表示的缺陷的种类以及保持上述有缺陷值的标签组成的学习数据。4.根据权利要求3所述的机器学习装置，其特征在于，上述缺陷中包括上述检查对象物的伤痕、污垢以及缺损。5.根据权利要求3所述的机器学习装置，其特征在于，上述不同的记号是反射光波长互不相同的记号。6.根据权利要求1所述的机器学习装置，其特征在于，在所输入的上述图像中有上述记号时，上述生成部从以输入的上述图像为基础而生成的图像中去除上述记号来生成学习用图像，并生成由所生成的上述学习用图像、保持上述有缺陷值的标签组成的学习数据。7.根据权利要求6所述的机器学习装置，其特征在于，在所输入的上述图像中有上述记号时，上述生成部从所输入的上述图像中只切下通过上述记号表示的区域的内侧来生成学习用图像。8.根据权利要求6所述的机器学习装置，其特征在于，在所输入的上述图像中有上述记号时，上述生成部从所输入的上述图像中用上述记号周围的像素置换构成上述记号的像素来生成学习用图像。9.根据权...

【专利技术属性】
技术研发人员：并木勇太，
申请(专利权)人：发那科株式会社，
类型：发明
国别省市：日本,JP