分析装置及分析方法制造方法及图纸

分析装置是使完成学习的判定装置的精度可视化的分析装置，该完成学习的判定装输出合格品标签或不合格品标签的，该分析装置具备：取得部，其取得以合格品为被摄体的合格品图像和以不合格品为被摄体的不合格品图像的图像对；提取部，其基于图像对来提取不合格品的不良部位的图像区域；生成部，其使不良部位的图像区域的特征量变化，生成多个疑似不良部位的图像区域；合成部，其将多个疑似不良部位的图像区域分别与合格品图像合成，生成特征量不同的多个合成图像；图像输出部，其向判定装置输出多个合成图像；结果取得部，其从判定装置取得分别与多个合成图像对应的标签；以及显示控制部，其按照基于特征量的排列使表示分别与多个合成图像对应的标签的对象显示出来。个合成图像对应的标签的对象显示出来。个合成图像对应的标签的对象显示出来。

【技术实现步骤摘要】
【国外来华专利技术】分析装置及分析方法


[0001]本专利技术涉及分析装置及分析方法。

技术介绍

[0002]专利文献1公开了具有如下单元的图像检查装置，该单元生成用于供神经网络学习的疑似不合格品图像。该图像检查装置提取合格品图像与不合格品图像的差分数据，并将对位置、大小进行转换得到的差分数据合成于合格品图像，由此制作多个图案的疑似不合格品图像。图像检查装置使神经网络将所生成的疑似不合格品图像作为不合格品的学习数据进行学习。图像检查装置基于神经网络来判定作为图像的被摄体的合格与否。
[0003]在先技术文献
[0004]专利文献
[0005]专利文献1：日本特开2005
‑
156334号公报

技术实现思路

[0006]专利技术所要解决的课题
[0007]然而，由专利文献1所记载的图像检查装置所生成的疑似不良图像有时包含可判断为良品的图像。专利文献1所记载的图像检查装置将疑似不良图像全部作为不合格品进行学习，因此图像检查装置的判定结果有可能与设想不同。另外，在专利文献1所记载的图像检查装置中，无法进行如下验证：即，差分数据所表示的不良状况为何种程度时应判断为合格品。
[0008]本专利技术的目的在于提供一种能够使判定装置的精度可视化的分析装置及分析方法。
[0009]用于解决课题的手段
[0010]本专利技术一个方面的分析装置使完成学习的判定装置的精度可视化，该完成学习的判定装置利用以物品为被摄体的图像输出表示所述物品为合格品的合格品标签和表示所述物品为不合格品的不合格品标签中的任意一方，其中，所述分析装置具有：取得部，其取得以所述合格品为被摄体的合格品图像和以所述不合格品为被摄体的不合格品图像的图像对；提取部，其基于所述图像对来提取所述不合格品的不良部位的图像区域；生成部，其使所述不良部位的图像区域的特征量变化，生成多个疑似不良部位的图像区域；合成部，其将所述多个疑似不良部位的图像区域分别与所述合格品图像合成，生成所述疑似不良部位的所述特征量不同的多个合成图像；图像输出部，其向所述判定装置输出所述多个合成图像；结果取得部，其从所述判定装置取得分别与所述多个合成图像对应的标签；以及显示控制部，其按照基于所述特征量的排列使表示分别与所述多个合成图像对应的所述标签的对象显示出来。
[0011]专利技术效果
[0012]根据本专利技术，能够使判定装置的精度可视化。
附图说明
[0013]图1是表示实施方式所涉及的分析装置和判定装置的功能的一个例子的框图。
[0014]图2的(A)为示出提取部的提取不良部位的图像区域的工序的一例的图。图2的(B)是表示生成部的生成疑似不良部位的图像区域的工序的一例的图。图2的(C)是表示合成部的生成合成图像的工序的一例的图。
[0015]图3是按照基于特征量的排列显示表示与多个合成图像分别对应的标签的对象的一例。
[0016]图4是按照基于特征量的排列显示表示与多个合成图像分别对应的标签的对象的另一例。
[0017]图5是表示图1所示的装置的硬件结构的一例的框图。
[0018]图6是分析方法的流程图。
[0019]图7是表示实施方式所涉及的分析装置以及判定装置的功能的其他例子的框图。
具体实施方式
[0020]以下，参照附图对本专利技术的实施方式进行说明。此外，在以下的说明中，对相同或相当的要素标注相同的符号，不重复进行重复的说明。
[0021][分析装置的功能结构][0022]图1是表示实施方式所涉及的分析装置10以及判定装置20的功能的一个例子的框图。图1所示的分析装置10是使判定装置20的精度可视化的装置。判定装置20预先进行学习，以便使用以物品为被摄体的图像来判定该物品的品质。学习完毕的判定装置20输出合格品标签和不合格品标签中的任意一方。标签是指识别预先设定的类别的信息。合格品标签表示物品为合格品，不合格品标签表示物品为不合格品。合格品是满足外观质量标准的物品，不合格品是不满足外观质量标准的物品。
[0023]判定装置20具有发挥判定功能的模型M2。在判定装置20中，向模型M2输入对象图像D2，从模型M2输出标签L2。对象图像D2是将物品作为被摄体而成为判定装置20的判定对象的图像。标签L2是合格品标签和不合格品标签中的任意一方。所输出的标签L2可以被赋予给对象图像D2。赋予是指建立关联。例如，赋予既可以是将对象图像D2与标签L2的关联性记录在表格等中，也可以是以包含标签L2的方式变更对象图像D2的属性信息，还可以是在对象图像D2自身中嵌入标签L2。
[0024]模型M2包括神经网络和参数。神经网络具有结合有多个神经元的结构。神经网络也可以是将多个神经元被分组得到的层连接而成的层级型的多层神经网络。神经网络由神经元的个数以及结合关系来定义。神经元间或层间的结合强度使用参数(权重系数等)来定义。在神经网络中，输入数据，基于多个神经元的运算结果以及参数，将数据的特征作为解而输出。模型M2使用教师图像等来学习参数，以便能够获得作为目的的能力。学习是指将参数调整为最佳值。模型M2也可以是在判定装置20的外部进行学习而得到的模型的复制。以下，以对模型M2输入以电子部件为被摄体的对象图像D2，并由模型M2输出与电子部件的品质相关的标签L2的情况为一例进行说明。在该情况下，外观品质基准根据电子部件的缺损、变色以及损伤的程度等来规定。
[0025]分析装置10使学习完毕的判定装置20对合格品以及不合格品进行判定的精度可
视化。首先，分析装置10以使与不良部位相关的图像的预先决定的特征量的大小各自不同的方式，生成以电子部件为被摄体的多个图像。接着，分析装置10将所生成的多个图像输出到判定装置20，取得与多个图像分别对应的标签。然后，分析装置10使表示所取得的标签的对象按照基于特征量的排列显示于显示装置等。由此，注解者(作业者)能够确认不良部位的特征量的大小与标签的关联性。为了实现这样的功能，分析装置10具备取得部11、提取部12、生成部13、合成部14、图像输出部15、结果取得部16以及显示控制部17。
[0026]取得部11取得图像对DP。图像对DP是将电子部件作为被摄体的2张图像。构成图像对DP的图像的被摄体是与输入到判定装置20的对象图像D2相同的物品。图像对DP的2张图像优选使用以同一视角拍摄到的图像。图像对DP由作为被摄体的电子部件为合格品的合格品图像和作为被摄体的电子部件为不合格品的不合格品图像构成。图像对DP可以从包含预先获取的合格品图像和不合格品图像的图像组中选择。可以对图像对DP赋予标签(tag)，也可以不赋予标签。
[0027]提取单元12基于图像对DP提取不合格品图像中包含的不合格品的不良部位的图像区域。不良部位是电子部件有缺损的部位、变色的部位以及有损伤的部位等。不良部位是合格品图像和不合格品图像之间的不同部分。提取单元12基于合格品图像的数据与不合格品图像的数据之间的差分来提取不良部位的图像区域。
[0028本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种分析装置，其使完成学习的判定装置的精度可视化，该完成学习的判定装置利用以物品为被摄体的图像输出表示所述物品为合格品的合格品标签和表示所述物品为不合格品的不合格品标签中的任意一方，其中，所述分析装置具有：取得部，其取得以所述合格品为被摄体的合格品图像和以所述不合格品为被摄体的不合格品图像的图像对；提取部，其基于所述图像对来提取所述不合格品的不良部位的图像区域；生成部，其使所述不良部位的图像区域的特征量变化，生成多个疑似不良部位的图像区域；合成部，其将所述多个疑似不良部位的图像区域分别与所述合格品图像合成，生成所述疑似不良部位的所述特征量不同的多个合成图像；图像输出部，其向所述判定装置输出所述多个合成图像；结果取得部，其从所述判定装置取得分别与所述多个合成图像对应的标签；以及显示控制部，其使表示分别与所述多个合成图像对应的所述标签的对象按照基于所述特征量的排列显示。2.根据权利要求1所述的分析装置，其中，所述显示控制部使所述多个合成图像和所述对象显示出来。3.根据权利要求1所述的分析装置，其中，所述分析装置具备标识部，该标识部...

【专利技术属性】
技术研发人员：横山嘉彦，加藤嗣，菊地大树，广田知司，梅野拓马，
申请(专利权)人：东京威尔斯股份有限公司，
类型：发明
国别省市：