[发明专利]图像处理方法以及图像处理装置

说明书

提供一种图像处理方法以及图像处理装置，在应用了机器学习的图像处理方法中兼顾了检测精度和处理速度。本公开所涉及的图像处理方法包括以下步骤：获取拍摄到对象物的规定范围的不同部分的多个图像(S2)；应用使用机器学习获取到的规定的图像处理方法来进行多个图像各自是否包含检测对象的特征的个别评价(S3)；以及进行综合评价。在综合评价中，在构成规定范围或作为规定范围的一部分的部分范围的多个图像的数量Y1与Y1个图像中的在个别评价中被评价为包含特征的图像的数量X1之比X1/Y1为第一规定值以上(S4)的情况下，评价为对象物包含检测对象的特异部(S5)。

技术领域

本发明涉及一种图像处理方法以及图像处理装置。

背景技术

已知一种用于检查某种异常状态或是否存在具有其它部位不同的特征的部位的缺陷检查系统、异常检查系统或特异部探测系统。近年来，提出了一种用于使用机器学习来评价是否存在包含缺陷等的具有与其它大部分区域不同的特征的部位(以下称为“特异部”。)的方法。

在专利文献1中记载了如下一种特异部探测系统：从利用摄像部拍摄到的对象物的摄像图像中提取包含具有任意特征的特异部的特异部图像，通过以特异部图像为输入的机器学习来识别特异部的类别。

现有技术文献

专利文献

专利文献1：国际公开第2019/003813号

发明内容

发明要解决的问题

作为检测对象的特异部可能具有各种形状。在特异部具有大的形状或形成为长条状的情况下，从摄影图像提取的特异部图像也变大。

然而，如果想要通过机器学习来检测这样的特异部，则会导致生成学习完毕模型所需的学习时间变长。另外，会导致使用学习完毕模型检测特异部所需的运算时间增加。虽然预计这样的问题会通过使用运算能力高的信息处理装置得到解决，但由于导致成本增加，因此在例如线上检查等用途中成为安装于生产线时的弊端。

另外，在特异部图像的尺寸比被设定为要应用机器学习的图像尺寸的图像尺寸大的情况下，不得不以不包含特异部的一部分的方式提取特异部图像，因此导致特异部的检测精度降低这一结果。

因此，为了解决上述问题，本发明的目的在于提供一种在应用了机器学习的图像处理方法中兼顾了检测精度和处理速度的图像处理方法以及图像处理装置。

用于解决问题的方案

本公开所涉及的图像处理方法包括以下步骤：获取多个图像，所述多个图像是拍摄到对象物的图像，所述多个图像各自是拍摄到所述对象物的规定范围的不同部分的图像；针对所述多个图像分别应用使用机器学习获取到的规定的图像处理方法，来进行所述多个图像各自是否包含检测对象的特征的个别评价；以及基于是否在所述多个图像中的2个以上的图像中包含所述特征，来进行所述对象物是否包含检测对象的特异部的综合评价。在此，在所述综合评价中，在构成所述规定范围或作为所述规定范围的一部分的部分范围的所述多个图像的数量Y1与Y1个所述图像中的在所述个别评价中被评价为包含所述特征的图像的数量X1之比X1/Y1为第一规定值以上的情况下，评价为所述对象物包含检测对象的特异部。