异常检查装置及异常检查方法制造方法及图纸

具有：图像取得部(11)，其取得拍摄到检查对象的对象物(3)的判定对象图像；学习结果取得部(123)，其取得将拍摄到正常状态的对象物(3)的正常图像作为教师数据而进行的、图像的域正变换或者图像的域逆变换的机械学习的结果；判定对象图像解析部(122)，其针对判定对象图像，使用机械学习的结果而依次进行域正变换及域逆变换，取得域变换后图像；以及判定部(14)，其将判定对象图像和域变换后图像进行比较，对在判定对象图像中所拍摄到的对象物(3)是否发生了异常进行判定。

【技术实现步骤摘要】
【国外来华专利技术】异常检查装置及异常检查方法
本专利技术涉及对在物体中是否发生了异常进行检查的异常检查装置及异常检查方法。
技术介绍
对通过照相机等拍摄物体而得到的图像进行解析，由此机械自动地检查在物体中是否发生了异常的技术，例如是为了使在工业产品的制造过程中进行的通过目视实施的外观检查实现自动化或者省力化的重要技术。例如，在专利文献1中公开了下述检查装置，即，关于从同一规格的多个对象物中的规定数单独地取得的数字图像，针对具有同一坐标的每个像素而计算特性的统计量，创建设定良好像素范围，针对从所要检查的对象物取得的数字图像，针对每个像素对特性是否属于设定良好像素范围进行判定。专利文献1：日本特开2013－32995号公报
技术实现思路
在以专利文献1所公开的技术为代表的现有技术中，拍摄对象物时的对象物和照相机的位置关系必须始终恒定。另外，全部图像必须高精度地对位。因此，在进行异常判定时，存在会受到由拍摄条件的差异、或者正常范围内的波动引起的图像间的差异所造成的影响这一课题。本专利技术就是为了解决上述这样的课题而提出的，其本文档来自技高网...

【技术保护点】
1.一种异常检查装置，其具有：/n图像取得部，其取得拍摄到检查对象的对象物的判定对象图像；/n学习结果取得部，其取得将拍摄到正常状态的所述对象物的正常图像作为教师数据而进行的、图像的域正变换或者图像的域逆变换的机械学习的结果；/n判定对象图像解析部，其针对由所述图像取得部取得的所述判定对象图像，使用由所述学习结果取得部取得的机械学习的结果而依次进行域正变换及域逆变换，取得域变换后图像；以及/n判定部，其将由所述图像取得部取得的所述判定对象图像和由所述判定对象图像解析部取得的所述域变换后图像进行比较，对在所述判定对象图像中拍摄到的对象物是否发生了异常进行判定。/n

【技术特征摘要】
【国外来华专利技术】1.一种异常检查装置，其具有：
图像取得部，其取得拍摄到检查对象的对象物的判定对象图像；
学习结果取得部，其取得将拍摄到正常状态的所述对象物的正常图像作为教师数据而进行的、图像的域正变换或者图像的域逆变换的机械学习的结果；
判定对象图像解析部，其针对由所述图像取得部取得的所述判定对象图像，使用由所述学习结果取得部取得的机械学习的结果而依次进行域正变换及域逆变换，取得域变换后图像；以及
判定部，其将由所述图像取得部取得的所述判定对象图像和由所述判定对象图像解析部取得的所述域变换后图像进行比较，对在所述判定对象图像中拍摄到的对象物是否发生了异常进行判定。


2.根据权利要求1所述的异常检查装置，其特征在于，
所述图像取得部在所述判定对象图像的基础上，能够取得拍摄到正常状态的所述对象物的正常图像，
该异常检查装置还具有正常图像解析部，该正常图像解析部将由该图像取得部取得的正常图像作为教师数据而进行所述机械学习，
所述学习结果取得部取得由所述正常图像解析部进行的所述机械学习的结果。


3.根据权利要求1所述的异常检查装置，其特征在于，
所述判定部使用神经网络而进行所述域正变换或者所述域逆变换。


4.根据权利要求1所述的异常检查装置，其特征在于，
所述判定部生成将分别构成所述判定对象图像和所述域变换后图像的多个像素中的、处于彼此对应的位置处的多个像素中的各像素的像素值间的差分通过绝对值表示的差分图像，将通过该差分图像的多个像素中的所...

【专利技术属性】
技术研发人员：宫泽一之，杉本和夫，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：日本;JP