本发明专利技术提供一种可有效地去除放射线图像的噪声的放射线图像处理方法、学习完毕模型、放射线图像处理模块、放射线图像处理程序及放射线图像处理系统。控制装置(20)具备：输入部(201)，其接收照射X射线并拍摄对象物(F)时的X射线的产生源的动作条件、或表示任意的拍摄对象物(F)时的拍摄条件的条件信息的输入；算出部(202)，其基于条件信息，算出与透过对象物(F)的X射线相关的平均能量；及筛选部(203)，其基于平均能量，从预先使用图像数据通过机器学习分别构建的多个学习完毕模型(206)中，筛选学习完毕模型(206)的候选。学习完毕模型(206)的候选。学习完毕模型(206)的候选。
【技术实现步骤摘要】
【国外来华专利技术】放射线图像处理方法、学习完毕模型、放射线图像处理模块、放射线图像处理程序、放射线图像处理系统及机器学习方法
[0001]实施方式的一个方面涉及一种放射线图像处理方法、学习完毕模型、放射线图像处理模块、放射线图像处理程序、放射线图像处理系统及机器学习方法。
技术介绍
[0002]目前已知以图像数据为对象进行使用了通过深度学习等机器学习而构建的学习完毕的模型噪声去除的方法(例如，参照下述专利文献1)。根据该方法，由于自动地去除来自图像数据的噪声，因此可高精度地观察对象物。
[0003]现有技术文献
[0004]专利文献
[0005]专利文献1：日本特开2019
‑
91393号公报
技术实现思路
[0006]专利技术要解决的技术问题
[0007]在如上述的现有的方法中，在将通过使X射线等放射线透过对象物而产生的放射线图像作为对象的情况下，有时噪声的去除不充分。例如，存在如下倾向：根据X射线源等放射线产生源的条件、所使用的滤波器(filter)的种类等条件，图像的亮度与噪声的关系容易变动，无法有效地去除噪声。
[0008]因此，实施方式的一个方面是鉴于上述问题而完成的，其问题在于，提供一种可有效地去除放射线图像的噪声的放射线图像处理方法、学习完毕模型、放射线图像处理模块、放射线图像处理程序、放射线图像处理系统及机器学习方法。
[0009]解决课题的技术手段
[0010]实施方式的一个方面的放射线图像处理方法具备：输入照射放射线并拍摄对象物时的放射线的产生源的条件、或表示任意的拍摄条件的条件信息的步骤；基于条件信息，算出与透过对象物的放射线相关的平均能量的步骤；及基于平均能量，从预先使用图像数据通过机器学习分别构建的多个学习完毕模型中，筛选学习完毕模型的候选的步骤。
[0011]或者，实施方式的其他方面的学习完毕模型，是用于上述的放射线图像处理方法的学习完毕模型，该学习完毕模型使用图像数据通过机器学习而构建，使处理器执行从对象物的放射线图像去除噪声的图像处理。
[0012]或者，实施方式的其他方面的放射线图像处理模块具备：输入部，其接收照射放射线并拍摄对象物时的放射线的产生源的条件、或表示任意的拍摄条件的条件信息的输入；算出部，其基于条件信息，算出与透过对象物的放射线相关的平均能量；及筛选部，其基于平均能量，从预先使用图像数据通过机器学习分别构建的多个学习完毕模型中，筛选学习完毕模型的候选。
[0013]或者，实施方式的其他方面的放射线图像处理程序使处理器作为输入部、算出部、
筛选部发挥功能，该输入部，其接收照射放射线并拍摄对象物时的放射线的产生源的条件、或表示任意的拍摄条件的条件信息的输入；该算出部，其基于条件信息，算出与透过对象物的放射线相关的平均能量；及该筛选部，其基于平均能量，从预先使用图像数据通过机器学习分别构建的多个学习完毕模型中，筛选学习完毕模型的候选。
[0014]或者，实施方式的其他方面的放射线图像处理系统具备：上述的放射线图像处理模块；产生源，其向对象物照射放射线；及拍摄装置，其拍摄透过对象物的放射线并取得放射线图像。
[0015]或者，实施方式的其他方面的机器学习方法具备：通过机器学习构建学习完毕模型的构建步骤，该学习完毕模型将训练图像用作训练数据，并输出基于训练图像去除了噪声的图像数据，其中，该训练图像为与平均能量对应的对象物的放射线图像，该平均能量是与基于照射放射线并拍摄对象物时的放射线的产生源的条件、或表示任意的拍摄条件的条件信息而算出的平均能量，并且与透过对象物的放射线相关。
[0016]根据上述一个方面或者其他方面的任一方面，基于取得对象物的放射线图像时的放射线的产生源的条件或拍摄条件，算出透过对象物的放射线的平均能量。并且，基于该平均能量，从预先构建的学习完毕模型中筛选用于噪声去除的学习完毕模型的候选。由此，将与拍摄对象的放射线的平均能量对应的学习完毕模型用于噪声去除，因此，可实现与放射线图像的亮度与噪声的关系对应的噪声去除。其结果为，可有效地去除放射线图像的噪声。
[0017]专利技术的效果
[0018]根据实施方式，可有效地去除对象物的放射线图像的噪声。
附图说明
[0019]图1是实施方式的图像取得装置1的概略结构图。
[0020]图2是示出图1的控制装置20的硬件结构的一例的框图。
[0021]图3是示出图1的控制装置20的功能结构的框图。
[0022]图4是示出用于图3的学习完毕模型206的构建的示教数据即图像数据的一例的图。
[0023]图5是示出用于图3的学习完毕模型206的构建的示教数据即图像数据的制作顺序的流程图。
[0024]图6是示出图3的选择部204的解析对象的X射线透过图像的一例的图。
[0025]图7是示出图3的选择部204所取得的厚度
‑
亮度的特性曲线图的一例的图。
[0026]图8是示出图3的选择部204所取得的亮度
‑
SNR的特性曲线图的一例的图。
[0027]图9是示出用于说明由图3的选择部204执行的基于图像特性的学习完毕模型的选择功能的图。
[0028]图10是示出用于由图3的选择部204执行的分辨率的评估的X射线透过图像的一例的图。
[0029]图11是示出用于由图3的选择部204执行的亮度
‑
噪声比的评估的的治具的结构的一例的立体图。
[0030]图12是示出以图11的治具为对象而获得的噪声去除处理后的X射线透过图像的图。
[0031]图13是示出使用图像取得装置1的观察处理的顺序的流程图。
[0032]图14是示出由图像取得装置1取得的噪声去除处理的前后的X射线透过图像的例的图。
[0033]图15是示出由图像取得装置1取得的噪声去除处理的前后的X射线透过图像的例的图。
[0034]图16是示出本公开的变形例的控制装置20A的功能结构的框图。
[0035]图17是示出使用变形例的图像取得装置1的观察处理的顺序的流程图。
具体实施方式
[0036]以下，参照附图，详细地说明本专利技术的实施方式。此外，在说明中，对相同要素或具有相同功能的要素使用相同符号，并且省略重复的说明。
[0037]图1是本实施方式的放射线图像处理系统即图像取得装置1的结构图。如图1所示，图像取得装置1，对沿搬送方向TD搬送的对象物F照射X射线(放射线)，并取得基于透过对象物F的X射线而拍摄了对象物F的X射线透过图像(放射线图像)的装置。图像取得装置1使用X射线透过图像，进行以对象物F为对象的异物检查、重量检查、检验品检查等，作为用途，可列举食品检查、随身行李检查、基板检查、电池检查、材料检查等。图像取得装置1构成为具备：带式输送机(搬送机构)60、X射线照射器(放射线产生源)50、X射线检测相机(拍摄装置)10、控制装置(放射线图像处理模块)2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】1.一种放射线图像处理方法，其具备：输入照射放射线并拍摄对象物时的所述放射线的产生源的条件、或表示任意的拍摄条件的条件信息的步骤；基于所述条件信息，算出与透过所述对象物的所述放射线相关的平均能量的步骤；及基于所述平均能量，从预先使用图像数据通过机器学习分别构建的多个学习完毕模型中，筛选学习完毕模型的候选的步骤。2.根据权利要求1所述的放射线图像处理方法，其中，还具备：使用所述候选，执行从所述对象物的放射线图像去除噪声的图像处理的步骤。3.根据权利要求1或2所述的放射线图像处理方法，其中，在所述筛选步骤中，通过比较所述平均能量与根据所述图像数据而确定的平均能量，来筛选所述候补。4.根据权利要求1至3中任一项所述的放射线图像处理方法，其中，在所述条件信息中至少包含：所述产生源的管电压、用于所述对象物的拍摄的相机所具备的滤波器的信息、所述产生源所具备的滤波器的信息、所述相机所具备的闪烁器的信息、所述产生源与拍摄装置之间的距离、与用于所述对象物的拍摄的X射线检测相机相关的信息、及与所述对象物相关的信息中的任一个。5.根据权利要求1至4中任一项所述的放射线图像处理方法，其中，还具备：照射放射线并拍摄治具而取得放射线图像，基于该放射线图像的图像特性，从所述候选选择学习完毕模型的步骤。6.根据权利要求1至5中任一项所述的放射线图像处理方法，其中，所述机器学习是深度学习。7.一种学习完毕模型，其中，是用于权利要求1至6中任一项所述的放射线图像处理方法的学习完毕模型，所述学习完毕模型使用图像数据通过机器学习而构建，使处理器执行从所述对象物的放射线图像去除噪声的图像处理。8.一种放射线图像处理模块，其具备：输入部，其接收照射放射线并拍摄对象物时的所述放射线的产生源的条件、或表示任意的拍摄条件的条件信息的输入；算出部，其基于所述条件信息，算出与透过所述对象物的所述放射线相关的平均能量；及筛选部，其基于所述平均能量，从预先使用图像数据通过机器学习分别构建的多个学习完毕模型中，筛选学习完毕模型的候...
【专利技术属性】
技术研发人员：大西达也，须山敏康，
申请(专利权)人：浜松光子学株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。