[发明专利]机器学习装置、检查装置以及机器学习方法

说明书

本发明提供一种机器学习装置、检查装置以及机器学习方法，能够更加高效地生成用于机器学习的学习数据。生成用于机器学习的学习数据的机器学习装置具备：图像输入部，其输入拍摄标记了表示缺陷的记号的检查对象物而得到的图像；以及生成部，其根据所输入的图像来生成学习数据，在图像中没有记号的情况下，生成部生成由作为输入的图像本身的学习用图像和保持表示没有缺陷的无缺陷值的标签组成的学习数据，在输入的图像中有标记的情况下，生成部生成由以输入的上述图像为基础而生成的学习用图像和保持表示有缺陷的有缺陷值的标签组成的学习数据。

技术领域

本发明涉及机器学习装置以及机器学习方法。特别涉及能够高效地生成用于机器学习的学习数据的机器学习装置以及机器学习方法。另外，涉及使用了该机器学习装置以及机器学习方法的检查装置。

背景技术

目前，已知一种系统，其通过视觉传感器取得检查对象物的图像，并且通过图像处理来检查所取得的图像。在通过图像处理进行检查对象物的检查时，有一种使用机器学习的方法来判别OK(良品)、NG(发现了某些缺陷的所谓不良品)的方法。

为了进行该机器学习，需要由检查对象物的图像和指定该图像中拍摄的检查对象物是OK还是NG的标签组成的学习数据。这样，如果大量地准备检查对象物的图像和具有“OK”或“NG”值的标签的学习数据的组，则能够使用这些学习数据的组进行机器学习。之后，(进行了机器学习的)机器学习装置能够根据机器学习到的内容对检查对象物的新输入图像判别OK、NG。

在进行机器学习之前，OK、NG的判断大多由人来进行，其判断结果被用作上述学习数据。另外，即使在进行了机器学习后，机器学习装置有时也会错误判定，因此需要人来进行其订正。

在这种情况下，需要将人进行的判断和订正提供给进行机器学习的装置等。作为提供的一个方法，考虑在通过视觉传感器得到的检查对象物的图像上由人附加OK、NG的标签。其结果，能够容易地得到检查对象物的图像与具有“OK”或“NG”的值的标签的组。作为关于这种技术的内容，列举有专利文献1～2。

在专利文献1中公开以下技术，即在被检查物的表面检查装置中针对进行被检查面的摄像的位置进行学习。该学习是指将进行摄像的顺序与摄像位置进行关联。即，在该专利文献1中没有示出机器学习。

专利文献2公开以下技术，即检查员通过目视检查车体的涂装，在缺陷位置附加标记。通过下游工序检测附加了标记的位置，将其作为缺陷部位进行研磨。在该专利文献2中，对付加了标记的位置进行修正处理。

在由人判断OK、NG时，大多观察实际的检测对象物(工件)来判断OK、NG。这样在人实际观察了检查对象物后再观察图像并附加OK、NG的标签可以说是繁琐的作业。这里，例如考虑以下两种情况。

(A)在拍摄了对象物的图像中，人一边观察该图像一边指定缺陷的位置。

(B)分割对象物的各部位来取得多张图像，人从该多张图像中找出拍摄了缺陷的图像，并对该图像附加NG标签。

在(A)的情况下，首先由人在实际的检查对象物上发现缺陷后，人再次从通过视觉传感器得到的图像找出与缺陷部分对应的位置，在该图像上指定缺陷部位，并且赋予NG标签。但是，需要在实际的检查对象物上找到缺陷部位的作业和在图像上找到缺陷部位的作业的二次操作，容易成为繁琐的作业。

在(B)的情况下，首先由人在实际的检查对象物上发现缺陷后，人从多张图像中找出与该缺陷部位对应的图像，对该图像赋予NG标签。因此，需要在实际的检查对象物上找到缺陷部位的作业和寻找包括该缺陷部位的图像的作业的二次操作，容易成为繁琐的作业。另外，当图像的数量较多时，作业量会与此成正比地增大。

以上，直接使用由人观察检查对象物而发现的缺陷来用在用于机器学习的学习数据中即可，但是现状是还不知道这样的技术。

专利文献1：日本特开2009-14357号公报