图像处理系统技术方案

本发明专利技术提供一种即便在现场配置了低功能装置的情况下也能够提高判定准确度的图像处理系统。图像处理系统是使用低功能装置以及运算能力高于低功能装置的高功能装置对至少一个对象物进行判定。低功能装置包括：输出对于对象物的拍摄图像应用第一卷积神经网络而识别对象物的第一判定结果的单元；以及如果第一判定结果符合规定条件，那么将拍摄图像输出到高功能装置的单元。高功能装置包括，输出对拍摄图像应用第二卷积神经网络而识别对象物的第二判定结果的单元，该第二卷积神经网络利用至少一部分与第一卷积神经网络共通的样本进行过事先学习。

image processing system

The present invention provides an image processing system which can improve the judgment accuracy even when a low-function device is disposed in the field. The image processing system uses a low-function device and a high-function device with higher computing power than a low-function device to determine at least one object. The low-function device includes: the unit that outputs the first decision result of identifying the object by applying the first convolution neural network to the photographed image of the object; and the unit that outputs the photographed image to the high-function device if the first decision result meets the prescribed conditions. The high-function device includes a unit that outputs a second decision result of identifying an object by applying a second convolution neural network to the photographed image. The second convolution neural network uses at least a portion of the samples common to the first convolution neural network for prior learning.

【技术实现步骤摘要】
图像处理系统
本专利技术涉及一种图像处理系统，尤其涉及一种使用神经网络的图像处理系统。
技术介绍
在工厂自动化(FA，FactoryAutomation)领域中，广泛地应用了使用图像测量处理的自动控制。例如，实现如下检查步骤：通过对工件等被检查对象进行拍摄并根据所拍摄到的图像算出缺陷等特征值，而检查该工件是否良好。作为此种图像测量处理的一例，卷积神经网络(以下，也简称为“CNN”)受到关注。例如，如非专利文献1所示，CNN是具有卷积层与池化层(PoolingLayer)交替配置的多层化结构的网络。[
技术介绍
文献][非专利文献][非专利文献1]″ImageNetClassificationwithDeepConvolutionalNeuralNetworks″，A.Krizhevsky，I.Sutskever，andG.E.Hinton，InAdvancesinNeuralInformationProcessingSystems，2012
技术实现思路
[专利技术欲解决的课题]如所述非专利文献1中公开的方法所示，在使用CNN执行图像分析等的情况下，通过使用多个学习图像进行学习而构筑CNN，本文档来自技高网...

【技术保护点】
1.一种图像处理系统，使用至少一个第一装置以及运算能力高于所述至少一个第一装置的第二装置对至少一个对象物进行判定，其特征在于，所述至少一个第一装置包括：输出对所述至少一个对象物的拍摄图像应用第一神经网络而识别所述至少一个对象物的第一判定结果的单元；以及如果所述第一判定结果符合规定条件，将所述拍摄图像输出到所述第二装置的单元；所述第二装置包括，输出对所述拍摄图像应用第二神经网络而识别所述至少一个对象物的第二判定结果的单元，所述第二神经网络利用至少一部分与所述第一神经网络共通的样本进行过事先学习，所述第一神经网络及所述第二神经网络具有如下网络结构，存在中间层且具有至少一部分共通的部分。

【技术特征摘要】
2017.08.04 JP 2017-1512911.一种图像处理系统，使用至少一个第一装置以及运算能力高于所述至少一个第一装置的第二装置对至少一个对象物进行判定，其特征在于，所述至少一个第一装置包括：输出对所述至少一个对象物的拍摄图像应用第一神经网络而识别所述至少一个对象物的第一判定结果的单元；以及如果所述第一判定结果符合规定条件，将所述拍摄图像输出到所述第二装置的单元；所述第二装置包括，输出对所述拍摄图像应用第二神经网络而识别所述至少一个对象物的第二判定结果的单元，所述第二神经网络利用至少一部分与所述第一神经网络共通的样本进行过事先学习，所述第一神经网络及所述第二神经网络具有如下网络结构，存在中间层且具有至少一部分共通的部分。2.一种图像处理系统，使用至少一个第一装置以及运算能力高于所述至少一个第一装置的第二装置对至少一个对象物进行判定，其特征在于，所述至少一个第一装置包括：输出对所述至少一个对象物的拍摄图像应用第一神经网络而识别所述至少一个对象物的第一判定结果的单元；以及如果所述第一判定结果符合规定条件，将所述第一神经网络的中间阶段的数据信号输出到所述第二装置的单元；所述第二装置包括，输出使用至少一部分与所述第一神经网络共通的第二神经网络而识别所述至少一个对象物的所述第二判定结果的单元，所述第一神经网络及所述第二神经网络具有如下网络结构，存在中间层且具有至少一部分共通的部分，输出所述第二判定结果的单元是从与所述第一神经网络的所述中...

【专利技术属性】
技术研发人员：黄载煜，藤枝紫朗，池田泰之，吉冈和志，
申请(专利权)人：欧姆龙株式会社，
类型：发明
国别省市：日本,JP