分類器生成裝置、有缺陷/無缺陷確定裝置和方法制造方法及圖紙

本發(fā)明專利技術(shù)提供一種分類器生成裝置、有缺陷/無缺陷確定裝置和方法。為了確定檢查對象物體的外觀有缺陷還是無缺陷，分類器生成裝置基于針對具有已知的有缺陷外觀或無缺陷外觀的對象物體的、在至少兩個不同的攝像條件下拍攝的圖像，從至少兩個圖像中的各個提取特征量。分類器生成裝置從綜合地包括提取的特征量的特征量，選擇用于確定對象物體有缺陷還是無缺陷的特征量，并且，基于選擇的特征量生成用于確定對象物體有缺陷還是無缺陷的分類器?；谔崛〉奶卣髁亢头诸惼鱽泶_定對象物體的外觀有缺陷還是無缺陷。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)的方面總體上涉及一種分類器生成裝置、有缺陷/無缺陷確定方法和程序，具體地涉及基于物體的拍攝圖像來確定物體有缺陷還是無缺陷。
技術(shù)介紹
一般地，對工廠中制造的產(chǎn)品進(jìn)行檢查，并且確定基于產(chǎn)品的外觀來確定該產(chǎn)品有缺陷還是無缺陷。如果先前知道在有缺陷產(chǎn)品中缺陷如何出現(xiàn)(即，強(qiáng)度、尺寸和位置的缺陷)，則可以提供基于對檢查對象物體的拍攝圖像而執(zhí)行的圖像處理的結(jié)果來檢測檢查對象物體的缺陷的方法。然而，在很多情況下，缺陷以不確定的方式出現(xiàn)，并且強(qiáng)度、尺寸和位置的缺陷可能會以多種方式變化。因此，常規(guī)上，視覺上實(shí)施外觀檢查，而自動外觀檢查幾乎無法投入實(shí)際使用。已知一種使用大量的特征量的檢查方法，其使針對不確定的缺陷的檢查自動化。具體地，拍攝多個無缺陷產(chǎn)品和有缺陷產(chǎn)品的圖像作為學(xué)習(xí)樣本。也就是說，從這些圖像提取大量的特征量，例如，像素值的平均值、離散度、最大值和對比度，并且在多維特征量空間中創(chuàng)建用于對無缺陷產(chǎn)品和有缺陷產(chǎn)品進(jìn)行分類的分類器。然后，使用該分類器來確定實(shí)際的檢查對象物體是無缺陷產(chǎn)品還是有缺陷產(chǎn)品。如果特征量數(shù)量相對于學(xué)習(xí)樣品的數(shù)量增大，則在學(xué)習(xí)期間分類器過度地擬合為無缺陷產(chǎn)品和有缺陷產(chǎn)品的學(xué)習(xí)樣本(即，過擬合)，由此，針對檢查對象物體，諸如泛化誤差的問題增加。如果增加特征量數(shù)量，則可能包括冗余的特征量，由此學(xué)習(xí)所需的處理時間可能會增加。因此，期望采用一種能夠通過從大量的特征量當(dāng)中、選擇適當(dāng)?shù)奶卣髁繙p少泛化誤差來加速算術(shù)處理的方法。根據(jù)日本特開2005-309878號公報中討論的技術(shù)，從參考圖像提取多個特征量，并且從多個所提取的特征量中選擇用于確定檢查圖像的特征量。然后，基于所選擇的特征量從檢查圖像來確定檢查對象物體無缺陷還是有缺陷。一種用于以較高靈敏度對缺陷進(jìn)行檢查并分類的方法，包括通過在多個攝像條件下拍攝檢查對象物體的圖像來對檢查對象物體進(jìn)行檢查。根據(jù)日本特開2014-149177號公報中討論的技術(shù)，在多個攝像條件下獲取圖像，并且在這些攝像條件下提取包括缺陷候選的部分圖像。然后，獲取部分圖像中的缺陷候選的特征量，使得基于具有相同坐標(biāo)的、不同攝像條件的缺陷候選的特征量，從缺陷候選提取缺陷。一般地，攝像條件(例如，照明條件)和缺陷類型相互關(guān)聯(lián)，從而不同的缺陷在不同的攝像條件下被可視化。因此，為了以高精度確定檢查對象物體有缺陷還是無缺陷，通過在多個攝像條件下拍攝檢查對象物體的圖像和更清楚地可視化缺陷來執(zhí)行檢查。然而，在日本特開2005-309878號公報中描述的技術(shù)中，沒有在多個攝像條件下拍攝圖像。因此，難以以高的精確度確定檢查對象物體有缺陷還是無缺陷。此外，在日本特開2014-149177號公報中描述的技術(shù)中，盡管在多個攝像條件下拍攝圖像，但是不選擇用于在無缺陷產(chǎn)品與有缺陷產(chǎn)品之間進(jìn)行分離的上述特征量。在日本特開2005-309878號公報和2014-149177號公報中描述的技術(shù)一起被組合的情況下，通過在多個攝像條件下拍攝圖像來執(zhí)行檢查，由此以與攝像條件的數(shù)量一樣多的次數(shù)來執(zhí)行檢查。因此，檢查時間增加。由于不同的缺陷在不同的攝像條件下被可視化，因此不得不為各個攝像條件選擇學(xué)習(xí)對象圖像。另外，如果由于缺陷的可視化狀態(tài)而難以選擇學(xué)習(xí)對象圖像，則可以在要選擇特征量時選擇冗余的特征量。因此，這樣可能既增加檢查時間又降低用于在有缺陷產(chǎn)品和無缺陷產(chǎn)品之間進(jìn)行分離的性能。
技術(shù)實(shí)現(xiàn)思路
根據(jù)本專利技術(shù)的一方面，一種分類器生成裝置包括：學(xué)習(xí)提取單元，其被構(gòu)造為基于針對具有已知的有缺陷外觀或無缺陷外觀的對象物體的、在至少兩個不同的攝像條件下拍攝的圖像，從至少兩個圖像中的各個提取多個圖像特征量；選擇單元，其被構(gòu)造為從提取的特征量當(dāng)中選擇用于確定對象物體有缺陷還是無缺陷的特征量；以及生成單元，其被構(gòu)造為基于選擇的特征量生成用于確定對象物體有缺陷還是無缺陷的分類器。一種有缺陷/無缺陷確定裝置包括：學(xué)習(xí)提取單元，其被構(gòu)造為基于針對具有已知的有缺陷外觀或無缺陷外觀的對象物體的、在至少兩個不同的攝像條件下拍攝的圖像從至少兩個圖像中的各個提取特征量；選擇單元，其被構(gòu)造為從提取的特征量當(dāng)中選擇用于確定對象物體有缺陷還是無缺陷的特征量；生成單元，其被構(gòu)造為基于選擇的特征量生成用于確定對象物體有缺陷還是無缺陷的分類器；檢查提取單元，其被構(gòu)造為基于針對具有未知的有缺陷外觀或無缺陷外觀的對象物體的、在所述至少兩個不同的攝像條件下拍攝的圖像，從至少兩個圖像中的各個提取特征量；確定單元，其被構(gòu)造為通過將所提取的特征量和所生成的分類器進(jìn)行比較，來確定對象物體的外觀有缺陷還是無缺陷。根據(jù)下面參照附圖對示例實(shí)施例的描述，本專利技術(shù)的各方面的其他特征將變得清楚。附圖說明圖1是例示實(shí)現(xiàn)有缺陷/無缺陷確定裝置的硬件結(jié)構(gòu)的框圖。圖2是例示有缺陷/無缺陷確定裝置的功能結(jié)構(gòu)的框圖。圖3A是例示在學(xué)習(xí)期間由有缺陷/無缺陷確定裝置執(zhí)行的處理的流程圖。圖3B是例示在檢查期間由有缺陷/無缺陷確定裝置執(zhí)行的處理的流程圖。圖4A和圖4B是例示攝像裝置與對象物體之間的關(guān)系的第一示例的圖。圖5是例示照明條件的示例的圖。圖6是例示在各自的照明條件下拍攝的有缺陷部分的圖像的圖。圖7是例示學(xué)習(xí)對象圖像的結(jié)構(gòu)的圖。圖8是例示金字塔層級圖像的創(chuàng)建方法的圖。圖9是例示用于描述小波變換的像素編號的圖。圖10是例示強(qiáng)調(diào)刮痕缺陷的特征量的計算方法的圖。圖11是例示強(qiáng)調(diào)不均勻缺陷的特征量的計算方法的圖。圖12是例示特征量的列表的表格。圖13是例示組合特征量的列表的表格。圖14A和圖14B是例示使用組合特征量或不用組合特征量的操作流程的圖。圖15A和圖15B是例示攝像裝置與對象物體之間的關(guān)系的第二示例的圖。圖16是以三維形式例示了圖15A(15B)中例示的攝像裝置與對象物體之間的關(guān)系的圖。圖17A和圖17B是例示攝像裝置與對象物體之間的關(guān)系的第三示例的圖。圖18A和圖18B是例示攝像裝置與對象物體之間的關(guān)系的第四示例的圖。圖19是例示攝像裝置與對象物體之間的關(guān)系的第五示例的圖。圖20是例示攝像裝置與對象物體之間的關(guān)系的第六示例的圖。具體實(shí)施方式下文中，將參照附圖描述多個示例性實(shí)施例。在各個下述示例性實(shí)施例中，將通過使用在至少兩個不同的攝像條件下拍攝的對象物體的圖像數(shù)據(jù)來執(zhí)行學(xué)習(xí)和檢查。例如，攝像條件包括與攝像裝置有關(guān)的條件、攝像-拍攝期間與攝像裝置的周圍環(huán)境有關(guān)的條件以及與對象物體有關(guān)的條件中的至少任意一個。在第一示例性實(shí)施例中，將采用在至少兩個不同的照明條件下拍攝對象物體的圖像，作為攝像條件的第一示例。在第二示例性實(shí)施例中，將采用由至少兩個不同的攝像單元拍攝對象物體的圖像，作為攝像條件的第二示例。在第三示例性實(shí)施例中，將采用在同一圖像中拍攝對象物體中的至少兩個不同區(qū)域，作為攝像條件的第三示例。在第四示例性實(shí)施例中，將采用拍攝同一對象物體的至少兩個不同部分的圖像，作為攝像條件的第四示例。首先，將描述第一示例性實(shí)施例。在本示例性實(shí)施例中，首先，將描述有缺陷/無缺陷確定裝置的硬件結(jié)構(gòu)和功能結(jié)構(gòu)的示例。然后，將描述學(xué)習(xí)和檢查處理的各自的流程圖(步驟)。最后，將描述本示例性實(shí)施例的效果。<硬件結(jié)構(gòu)和功能結(jié)構(gòu)>在圖1中例示實(shí)現(xiàn)根據(jù)本示例性實(shí)施例的有缺陷/無缺陷確定裝置的硬件結(jié)構(gòu)的示例本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種分類器生成裝置，所述分類器生成裝置包括：學(xué)習(xí)提取單元，其被構(gòu)造為，基于針對具有已知的有缺陷外觀或無缺陷外觀的對象物體的、在至少兩個不同的攝像條件下拍攝的圖像，從至少兩個圖像中的各個提取特征量；選擇單元，其被構(gòu)造為，從提取的特征量當(dāng)中選擇用于確定對象物體有缺陷還是無缺陷的特征量；以及生成單元，其被構(gòu)造為，基于選擇的特征量，生成用于確定對象物體有缺陷還是無缺陷的分類器。

【技術(shù)特征摘要】
2015.09.04 JP 2015-174899;2016.03.28 JP 2016-064121.一種分類器生成裝置，所述分類器生成裝置包括：學(xué)習(xí)提取單元，其被構(gòu)造為，基于針對具有已知的有缺陷外觀或無缺陷外觀的對象物體的、在至少兩個不同的攝像條件下拍攝的圖像，從至少兩個圖像中的各個提取特征量；選擇單元，其被構(gòu)造為，從提取的特征量當(dāng)中選擇用于確定對象物體有缺陷還是無缺陷的特征量；以及生成單元，其被構(gòu)造為，基于選擇的特征量，生成用于確定對象物體有缺陷還是無缺陷的分類器。2.根據(jù)權(quán)利要求1所述的分類器生成裝置，所述分類器生成裝置還包括：合成單元，其被構(gòu)造為，對針對具有已知的有缺陷外觀或無缺陷外觀的對象物體的、在至少兩個不同的攝像條件下拍攝的多個圖像進(jìn)行合成，其中，基于所述拍攝圖像的至少兩個圖像，包括由所述合成單元創(chuàng)建的合成圖像和所述拍攝圖像當(dāng)中的未被選擇作為所述合成單元的合成對象的圖像中的至少任意一個。3.根據(jù)權(quán)利要求2所述的分類器生成裝置，其中，所述合成單元通過使用針對具有已知的有缺陷外觀或無缺陷外觀的對象物體，而在至少兩個不同的攝像條件下拍攝的圖像中的各個圖像的像素值、圖像的統(tǒng)計量和所述多個圖像之間的統(tǒng)計量，來執(zhí)行合成圖像的操作。4.根據(jù)權(quán)利要求1所述的分類器生成裝置，其中，所述學(xué)習(xí)提取單元基于針對具有已知的有缺陷外觀或無缺陷外觀的對象物體的所述拍攝圖像，從至少兩個圖像中的各個而生成不同頻率的多個圖像，并且，從生成的不同頻率的圖像中的各個提取特征量。5.根據(jù)權(quán)利要求4所述的分類器生成裝置，其中，所述學(xué)習(xí)提取單元使用小波變換或傅立葉變換來生成不同頻率的多個圖像。6.根據(jù)權(quán)利要求4所述的分類器生成裝置，其中，所述學(xué)習(xí)提取單元通過對不同頻率的所述多個圖像執(zhí)行統(tǒng)計運(yùn)算、卷積運(yùn)算、微分運(yùn)算或二值化處理中的至少任意一種來提取特征量。7.根據(jù)權(quán)利要求1所述的分類器生成裝置，其中，所述選擇單元計算針對綜合地包括由所述學(xué)習(xí)提取單元提取的特征量的特征量中的各個的評估值，或者針對綜合地包括由所述學(xué)習(xí)提取單元提取的特征量的特征量的組合的評估值，基于計算出的評估值，對綜合地包括由所述學(xué)習(xí)提取單元提取的特征量的特征量中的各個，或者綜合地包括由所述學(xué)習(xí)提取單元提取的特征量的特征量的組合中的各個進(jìn)行排名，并且根據(jù)所述排名選擇用于確定對象物體有缺陷還是無缺陷的特征量。8.根據(jù)權(quán)利要求7所述的分類器生成裝置，其中，針對具有已知的有缺陷外觀或無缺陷外觀的對象物體中的各個，所述選擇單元，計算包括作為參數(shù)的特征量數(shù)量的得分，所述特征量用于確定對象物體有缺陷還是無缺陷，按根據(jù)特征量數(shù)量的得分的位序來排列具有已知的有缺陷外觀或無缺陷外觀的對象物體中的各個，基于對象物體具有有缺陷外觀還是無缺陷外觀，來評估排列的對象物體的排...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：奧田洋志，
申請(專利權(quán))人：佳能株式會社，
類型：發(fā)明
國別省市：日本;JP