图像识别装置、图像识别方法及图像识别程序制造方法及图纸

提供图像识别装置、图像识别方法及图像识别程序，能高精度识别为与正解的教师图像相似度高的合格图像或与正解的教师图像相似度低的不合格图像。图像识别装置具有：分类部，根据神经网络及输入图像，计算输入图像的分类得分，神经网络具有通过基于正解及非正解的教师图像的机械学习计算表示与教师图像的相似度的分类得分而决定的各层权重系数；异常判定部，根据函数逼近器及输入图像，计算输入图像的异常得分，函数逼近器是为计算表示与正解的教师图像的差异度的异常得分而通过基于正解的教师图像的机械学习构建的；识别部，根据分类得分及异常得分，将输入图像分类为与正解的教师图像相似度高的合格图像或与正解的教师图像相似度低的不合格图像。

Image recognition device, image recognition method and image recognition program

【技术实现步骤摘要】
图像识别装置、图像识别方法及图像识别程序
本专利技术涉及一种图像识别装置、图像识别方法及图像识别程序。
技术介绍
专利文献1公开了一种预先学习被赋予了标签的教师图像的分类器。在标签赋予型的图像识别技术中，即使在教师图像与输入图像之间的特征量的差异小的情况下，也能够高精度地进行输入图像的识别。专利文献2中公开了一种自动编码器，通过预先学习教师图像，从而在对输入图像所具有的信息进行压缩之后，重构教师图像所具有的信息。通过对输入图像与由自动编码器重构后的图像进行比较，从而能够导出输入图像与教师图像的差异度。现有技术文献专利文献专利文献1：日本特开2017-084320号公报专利文献2：日本特开2016-004549号公报
技术实现思路
专利技术要解决的问题可是，在制造业中，有时使用被摄体为产品的图像来检查产品的质量。在制造工序中，有时不仅制造与设想的不合格产品类似的不合格产品，而且也制造过去史无前例的突发的不合格产品。或者，此外，由于摄像装置的不合格状况，有时未拍到被摄体的图像也成为检查对象。因此，要求基于图像的检查装置具有能够高精度地检测输入图像是属于表示合格产品的合格类别，还是属于表示合格产品以外的一切不合格产品的不合格类别的检查能力。然而，在专利文献1中所述的标签赋予型的图像识别技术中，在输入图像的特征量与多个教师图像中的任意的教师图像的特征量之间的差异显著较大的情况下，可能会产生本来应属于不合格类别的输入图像被识别为属于合格类别等、图像识别的精度降低的情况。另一方面，在专利文献2所述的异常检测型的图像识别技术中，在输入图像与教师图像之间的特征量的差异小的情况下，可能会产生本来应属于不合格类别的输入图像被识别为属于合格类别等、难以高精度地识别输入图像的合格与否的情况。由此，在专利文献1以及专利文献2所记载的技术中，根据输入图像与教师图像之间的特征量的差异的大小，可能不能高精度地识别输入图像的合格与否。本专利技术的目的在于提供一种图像识别装置，能够高精度地将输入图像识别为与正解的教师图像的相似度高的合格图像和与正解的教师图像的相似度低的不合格图像。用于解决问题的手段本专利技术所涉及的图像识别装置具有：取得部，其取得输入图像；分类部，其根据神经网络以及由取得部取得的输入图像，计算输入图像的分类得分，神经网络具有通过基于正解以及非正解的教师图像的机械学习，根据处理对象图像计算分类得分而决定的各层的权重系数，分类得分表示教师图像与处理对象图像的相似度；异常判定部，其根据函数逼近器以及由取得部取得的输入图像，计算输入图像的异常得分，函数逼近器是为了根据处理对象图像计算表示正解的教师图像与处理对象图像的差异度的异常得分而通过基于正解的教师图像的机械学习所构建的；以及识别部，其根据由分类部计算出的分类得分以及由异常判定部计算出的异常得分，将输入图像分类为与正解的教师图像的相似度高的合格图像或者与正解的教师图像的相似度低的不合格图像。专利技术效果根据本专利技术的各方面以及实施方式，能够高精度地将输入图像识别为与正解的教师图像的相似度高的合格图像和与正解的教师图像的相似度低的不合格图像。附图说明图1为示出实施方式所涉及的图像识别装置所具有的外观检查装置的概略结构的立体图。图2为示出实施方式所涉及的图像识别装置的功能的一例的框图。图3为示出图2所示的装置的硬件结构的框图。图4为分类部中的神经网络的示意图。图5为分类部中的学习以及推理的示意图。图6为异常判定部中的神经网络的示意图。图7为示出异常判定部中的神经网络的特征量的分布的图。图8为示出分类得分以及异常得分与判定结果的关系的图表。图9为学习处理的流程图。图10为分类部中的神经网络的学习处理的流程图。图11为异常判定部中的神经网络的学习处理的流程图。图12为阈值设定处理的流程图。图13为图像识别处理的流程图。图14为分类用推理处理的流程图。图15为异常检测用推理处理的流程图。图16为图像识别处理的流程图。图17为示出其它实施方式所涉及的图像识别装置的功能的一例的框图。标号说明100…外观检查装置、170…显示部、200…图像识别装置、210…教师数据取得部、220…取得部、230…分类部、231…分类学习部、232…分类推理部、240…异常判定部、241…判定学习部、242…判定推理部、250…识别部、260…显示控制部、270…受理部、280…设定部。具体实施方式以下，参照附图，对本专利技术的实施方式进行说明。另外，在以下的说明中，对相同或者相应的要素赋予相同标号，省略重复的说明。[外观检查装置的结构概要]图1为示出实施方式所涉及的图像识别装置所具有的外观检查装置的概略结构的立体图。图1所示的外观检查装置100为根据对电子元件P的外观进行拍摄而得到的图像来检查电子元件P是合格产品还是不合格产品的装置。外观检查装置100具有供给部110、搬运部120、照相机130、不合格产品排出机构140、不能识别产品排出机构150、合格产品排出机构160、显示部170、驱动控制部180以及图像识别装置200。供给部110为使作为检查对象的电子元件P对齐而依次逐个地连续供给该电子元件P的机构。供给部110具有球形进料器111以及线性进料器112。球形进料器111具有收纳多个电子元件P的碗状容器，一边利用离心力使容器内的电子元件P沿着容器的周壁对齐一边逐个地进给电子元件P。线性进料器112向搬运部120依次进给从球形进料器111进给的电子元件P。搬运部120具有转盘121。搬运部120将从供给部110供给的电子元件P载置于转盘121的上表面的周缘部而进行搬运。转盘121通过未图示的驱动电机按照一定的速度进行旋转驱动。在图1中，在转盘121上描绘的箭头表示转盘的旋转方向。电子元件P被载置于搬运部120的转盘121的上表面，通过照相机130的摄像位置，被搬运到不合格产品排出机构140、不能识别产品排出机构150或者合格产品排出机构160。照相机130对转盘121上的电子元件P进行拍摄，生成图像。照相机130具有照相机130a以及照相机130b。照相机130a设在与转盘121的上表面对置的位置。照相机130a对电子元件P的上表面进行摄像。照相机130b设置于与转盘121的外周对置的位置。照相机130b对朝向电子元件P的外周侧的面进行摄像。照相机130a和照相机130b分别配置在离开规定距离的位置处。由照相机130针对由转盘121依次搬运的电子元件P，对上述的各面依次进行摄像。不合格产品排出机构140排出由图像识别装置200判定为不合格产品的电子元件P。不合格产品排出机构140在转盘121的旋转方向上以供给部110为基准而设置在比照相机130靠下游的位置。不合格产品排出机构140具有空气喷嘴141以及回收部(sh本文档来自技高网...

【技术保护点】
1.一种图像识别装置，其中，所述图像识别装置具有：/n取得部，其取得输入图像；/n分类部，其根据神经网络以及由所述取得部取得的所述输入图像，计算所述输入图像的分类得分，所述神经网络具有通过基于正解以及非正解的教师图像的机械学习、根据处理对象图像计算所述分类得分而决定的各层的权重系数，所述分类得分表示所述教师图像与处理对象图像之间的相似度；/n异常判定部，其根据函数逼近器以及由所述取得部取得的所述输入图像，计算所述输入图像的异常得分，所述函数逼近器是为了根据处理对象图像计算表示正解的教师图像与处理对象图像的差异度的所述异常得分而通过基于正解的所述教师图像的机械学习所构建的；以及/n识别部，其根据由所述分类部计算出的所述分类得分以及由所述异常判定部计算出的所述异常得分，将所述输入图像分类为与正解的所述教师图像的相似度高的合格图像或者与正解的所述教师图像的相似度低的不合格图像。/n

【技术特征摘要】
20180828 JP 2018-1596031.一种图像识别装置，其中，所述图像识别装置具有：
取得部，其取得输入图像；
分类部，其根据神经网络以及由所述取得部取得的所述输入图像，计算所述输入图像的分类得分，所述神经网络具有通过基于正解以及非正解的教师图像的机械学习、根据处理对象图像计算所述分类得分而决定的各层的权重系数，所述分类得分表示所述教师图像与处理对象图像之间的相似度；
异常判定部，其根据函数逼近器以及由所述取得部取得的所述输入图像，计算所述输入图像的异常得分，所述函数逼近器是为了根据处理对象图像计算表示正解的教师图像与处理对象图像的差异度的所述异常得分而通过基于正解的所述教师图像的机械学习所构建的；以及
识别部，其根据由所述分类部计算出的所述分类得分以及由所述异常判定部计算出的所述异常得分，将所述输入图像分类为与正解的所述教师图像的相似度高的合格图像或者与正解的所述教师图像的相似度低的不合格图像。


2.根据权利要求1所述的图像识别装置，其中，
所述识别部根据针对所述分类得分预先确定的分类阈值以及针对所述异常得分预先确定的异常阈值，将所述输入图像分类为所述合格图像或者所述不合格图像。


3.根据权利要求2所述的图像识别装置，其中，所述图像识别装置还具有：
受理部，其受理用户操作；以及
设定部，其根据由所述受理部受理的所述用户操作，设定所述分类阈值以及所述异常阈值。


4.根据权利要求2或者3所述的图像识别装置，其中，所述图像识别装置还具有显示控制部，该显示控制部使得显示以与所述分类得分相关的分类得分评价轴和与所述异常得分相关的异常得分评价轴作为坐标轴的散布区域，
所述显示控制部使以所述输入图像的所述分类得分以及所述异常得分为坐标的数据、所述分类阈值以及所述异常阈值显示于所述散布区域。


5.根据权利要求1至4中的任一项所述的图像识别装置，其中，
所述函数逼近器是以在对处理对象图像所具有的信息进行压缩之后，重构正解的所述教师图像所具有的信息的方式进行学习的自动编码器，
所述异常判...

【专利技术属性】
技术研发人员：梅野拓马，汤浅隆史，
申请(专利权)人：株式会社摩如富，
类型：发明
国别省市：日本;JP