检查装置、检查方法、机器学习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提高铸模的外观的检查精度的检查装置、检查方法、机器学习装置以及机器学习方法。检查装置(1)具备执行检查步骤的一个或多个处理器，检查步骤是使用通过机器学习构建出的学习完毕模型(LM)来检查铸模(9)的外观的步骤。学习完毕模型(LM)的输入包含拍摄铸模(9)的外观而得到的检查图像。学习完毕模型(LM)的输出是表示铸模(9)的外观的检查结果的信息。的信息。的信息。

【技术实现步骤摘要】
检查装置、检查方法、机器学习装置以及机器学习方法


[0001]本专利技术涉及一种检查铸模的外观的技术。

技术介绍

[0002]专利文献1中记载了一种检查铸模的外观的检查装置。该检查装置生成拍摄铸模而得到的检查图像与预先设定的基准图像的差分图像，并基于所生成的差分图像来判定铸模是否正常。
[0003]现有技术文献
[0004]专利文献
[0005]专利文献1：国际公开第2018/216495号(2018年11月29日国际公开)

技术实现思路

[0006]专利技术要解决的问题
[0007]上述的检查装置有可能将实际上正常的铸模判定为不正常，或者将实际上不正常的铸模判定为正常，因此检查精度还有提高的余地。
[0008]例如，上述的检查装置在去除了对差分图像进行分析而得到的缺陷之中的伪缺陷的基础上，判定铸模是否正常。伪缺陷中例如存在由于摄像时照射的光反射到附着于铸模的脱模剂而产生的伪缺陷。上述的检查装置通过预先定义这样的伪缺陷的特征来去除伪缺陷。然而，难以将伪缺陷的特征全部事先进行定义。因此，上述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检查装置，其特征在于，具备执行检查步骤的一个或多个处理器，所述检查步骤是使用通过机器学习构建出的学习完毕模型来检查铸模的外观的步骤，其中，所述学习完毕模型的输入包含拍摄所述铸模的外观而得到的检查图像，所述学习完毕模型的输出是表示所述铸模的外观的检查结果的信息。2.根据权利要求1所述的检查装置，其特征在于，所述铸模的外观是所述铸模的产品表面的外观。3.根据权利要求1或2所述的检查装置，其特征在于，所述一个或多个处理器还执行选择步骤，所述选择步骤是选择与在所述铸模的造模中使用的模型的种类相应的学习完毕模型的步骤，在所述检查步骤中，所述一个或多个处理器使用在所述选择步骤中选择出的学习完毕模型，来检查所述铸模的外观。4.根据权利要求1～3中的任一项所述的检查装置，其特征在于，所述学习完毕模型的输入还包含拍摄正常的铸模的外观而得到的基准图像。5.根据权利要求1～4中的任一项所述的检查装置，其特征在于，所述学习完毕模型的输入还包含表示构成所述铸模的型砂的砂信息、表示所述铸模的造模状况的造模信息、表示所述铸模的搬送状况的搬送信息以及环境信息之中的一部分或全部。6.根据权利要求1～5中的任一项所述的检查装置，其特征在于，所述学习完毕模型的输出至少表示所述铸模的外观有无缺陷...

【专利技术属性】
技术研发人员：杉野刚大，园原猛史，
申请(专利权)人：新东工业株式会社，
类型：发明
国别省市：