异常检查系统、异常检查方法以及程序技术方案

一个实施方式所涉及的异常检查系统(S1)具备：图像取得部(244)，其以在连续的多个拍摄数据的各自不同的区域中包含部件的同一部位的方式，取得部件的拍摄数据；以及判定部(245)，其检测连续的多个拍摄数据中有无异常，在全部的多个拍摄数据中都检测出异常的情况下，判定部件为异常。判定部件为异常。判定部件为异常。

【技术实现步骤摘要】
异常检查系统、异常检查方法以及程序


[0001]本专利技术涉及异常检查系统、异常检查方法以及程序。

技术介绍

[0002]工业用部件需要进行检查，以防止在其生产工序中出厂低质量的部件。例如，在日本特开2020
‑
149578中，记载了使用通过机器学习而学习到的学习模型来判定部件的规格分类的技术。

技术实现思路

[0003]作为一例，对部件进行检查的检查装置能够通过拍摄部件并解析其拍摄数据来判定部件表面的异常。然而，对于液滴、刷子痕迹等实质上不能说是部件异常的部件表面的部位，检查装置也有可能误检测为异常。
[0004]本专利技术提供一种能够准确地检测部件的异常的异常检查系统、异常检查方法以及程序。
[0005]本专利技术的例示性的一个方式所涉及的异常检查系统具备：取得部，其以在连续的多个拍摄数据的各自不同的区域中包含部件的同一部位的方式，取得部件的拍摄数据；以及判定部，其检测连续的多个拍摄数据中有无异常，在全部的多个拍摄数据中都检测出异常的情况下，判定部件为异常。异常检查系统利用与部件的同一部位在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常检查系统，具备：取得部，其以在连续的多个拍摄数据的各自不同的区域中包含部件的同一部位的方式，取得所述部件的拍摄数据；以及判定部，其检测连续的所述多个拍摄数据中有无异常，在全部的所述多个拍摄数据中都检测出异常的情况下，判定所述部件为异常。2.根据权利要求1所述的异常检查系统，其中，所述判定部通过将连续的所述多个拍摄数据输入到第一学习模型，来检测有无异常，所述第一学习模型是将所述部件的拍摄数据用作训练数据进行学习而得的模型。3.根据权利要求2所述的异常检查系统，其中，所述判定部将由所述取得部取得的1个拍摄数据输入到所述第一学习模型，在根据所述第一学习模型的输出结果判定为在所述1个拍摄数据中检测到异常时，将与所述1个拍摄数据连续地拍摄到的其他拍摄数据输入到所述第一学习模型，由此检测全部的所述多个拍摄数据中有无异常。4.根据权利要求3所述的异常检查系统，其中，所述第一学习模型是将所述部件的外观上的异常的类别作为输出结果的模型，所述判定部根据连续的所述多个拍摄数据在所述第一学习模型中的输出结果所表示的所述部件的外观上的异常的类别，判定所述部件有无异常。5.根据权利要求2至4中任一项所述的异常检查系统，其中，所述判定部通过将由所述取得部取得的所述拍摄数据输入到第二学习模型，来判定有无异常的嫌疑，通过将包含被判定为有异常的嫌疑的拍摄数据的、连续的所述多个拍摄数据输入到所述第一学习模型，来判定有无异常，所述第二学习模型是通过将所述部件的拍摄数据用作训练数...

【专利技术属性】
技术研发人员：梶野晃裕，田井遥，
申请(专利权)人：丰田自动车株式会社，
类型：发明
国别省市：