特開 2023-109552 欠陥検査装置、欠陥検査方法およびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023109552

(43)【公開日】2023-08-08

(54)【発明の名称】欠陥検査装置、欠陥検査方法およびプログラム

(51)【国際特許分類】

   G01N 21/88 20060101AFI20230801BHJP

   G06T 7/00 20170101ALI20230801BHJP

   G06T 7/62 20170101ALI20230801BHJP

   G01N 21/958 20060101ALN20230801BHJP

【ＦＩ】

G01N21/88 J

G06T7/00 350B

G06T7/00 610

G06T7/62

G01N21/958

【審査請求】未請求

【請求項の数】9

【出願形態】ＯＬ

(21)【出願番号】P 2022011119

(22)【出願日】2022-01-27

(71)【出願人】

【識別番号】000001133

【氏名又は名称】株式会社小糸製作所

(74)【代理人】

【識別番号】110004060

【氏名又は名称】弁理士法人あお葉国際特許事務所

(74)【代理人】

【識別番号】100077986

【弁理士】

【氏名又は名称】千葉 太一

(74)【代理人】

【識別番号】100139745

【弁理士】

【氏名又は名称】丹波 真也

(74)【代理人】

【識別番号】100187182

【弁理士】

【氏名又は名称】川野 由希

(74)【代理人】

【識別番号】100207642

【弁理士】

【氏名又は名称】簾内 里子

(72)【発明者】

【氏名】籾山 拓三

(72)【発明者】

【氏名】栗田 直人

【テーマコード（参考）】

2G051

5L096

【Ｆターム（参考）】

2G051AA86

2G051AB01

2G051AB12

2G051BA08

2G051BA20

2G051BB03

2G051CA03

2G051CA04

2G051CB02

2G051EB01

2G051EB05

2G051EC01

2G051ED09

2G051ED21

5L096AA06

5L096BA03

5L096CA02

5L096CA17

5L096DA02

5L096EA31

5L096FA02

5L096FA06

5L096FA59

5L096GA51

5L096HA11

5L096JA11

5L096JA24

5L096KA04

(57)【要約】

【課題】 欠陥の判定精度を向上した欠陥検査装置を提供する。
【解決手段】 欠陥検査装置１００は、被検査体９０を照明して撮像した画像の輝度値の大きさに基いて欠陥を検出する欠陥検査装置であって、輝度値の大きさが所定の範囲を逸脱する領域Ｒの面積Ｓ_Ｒが、第１の面積閾値Ｘ以上となる場合に、領域Ｒが欠陥候補であると判定する欠陥候補判定部５３と、欠陥候補領域の形状が中実の円形状である場合に、領域がＲ欠陥であると判定する欠陥判定部５４と、を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

被検査体を照明して撮像した画像の輝度の大きさに基いて欠陥を検出する欠陥検査装置であって、
前記輝度の大きさが所定の範囲を逸脱する領域の面積が、第１の面積閾値以上となる場合に、前記領域が欠陥候補であると判定する欠陥候補判定部と、
欠陥候補であるとされた前記領域の形状が中実の円形状である場合に、前記領域が欠陥であると判定する欠陥判定部と、
を備えることを特徴とする欠陥検査装置。

【請求項2】

前記欠陥判定部は、前記画像から算出した前記領域の幅および高さを、それぞれ幅および高さとする楕円の面積に対する、前記領域が占める面積の比率である楕円比率が所定の閾値以上である場合に、前記領域が中実の円形状であると判定することを特徴とする請求項１に記載の欠陥検査装置。

【請求項3】

前記欠陥判定部は、前記領域の面積が第２の面積閾値以上となる場合に、前記領域が欠陥であると判定することを特徴とする請求項１または２に記載の欠陥検査装置。

【請求項4】

前記楕円比率の閾値は、０．７６～０．９５であることを特徴とする請求項２または請求項２に従属する請求項３に記載の欠陥検査装置。

【請求項5】

前記楕円比率の閾値は、０．８６～０．９０であることを特徴とする請求項４に記載の欠陥検査装置。

【請求項6】

前記欠陥は、ブツ不良およびタレ不良であることを特徴とする請求項１または２に記載の欠陥検査装置。

【請求項7】

前記欠陥判定部は、前記領域が中実の円形状であるとする判定を、被検査体を照明して撮像した学習用画像と、前記学習用画像内の輝度の大きさが所定の範囲を逸脱する領域が中実の円形状であるか否かとが対応付けられた学習用データを機械学習して生成された学習済モデルを用いて実行することを特徴とする請求項１に記載の欠陥検査装置。

【請求項8】

被検査体を照明して撮像した画像の輝度の大きさに基いて欠陥を判定する欠陥検査方法であって、
前記輝度の大きさが所定の範囲を逸脱する領域の面積が、第１の面積閾値以上となる場合に、前記領域が欠陥候補であると判定し、
欠陥候補であるとされた前記領域の形状が中実の円形状である場合に、前記領域が欠陥であると判定する
ことを特徴とする欠陥検査方法。

【請求項9】

コンピュータに、請求項８に記載の方法を実行させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、欠陥検査装置、欠陥検査方法およびプログラムに関し、より詳細には、透光性樹脂部材の表面を検査する欠陥検査装置、欠陥検査方法およびプログラムに関する。

【背景技術】

【0002】

従来、透光性樹脂部材の表面を検査する欠陥検査装置として、照明光を被検査体である透光性樹脂部材に照射して、その画像を撮像し、画像における輝度の大きさに基いて表面欠陥の有無を検査する欠陥検査装置が知られている（例えば、特許文献１参照）。

【0003】

従来の欠陥検査装置では、画像のうち輝度値が所定の範囲を逸脱した領域の面積が所定の面積閾値以上となる場合に該領域が欠陥であると判定する。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０２０－９１１３２号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかし、輝度値が所定の範囲を逸脱する領域の面積が所定の面積閾値以上となることを判定条件とする従来の検査装置では、良品として許容されるレベルの塗装ムラなどの品質のばらつきを、欠陥と誤判定してしまう場合があるという問題があった。

【0006】

図１３を参照して具体的に説明する。図１３は、従来の検査装置における欠陥判定条件を説明する図である。従来の装置では、領域Ｒの面積を画素数で算出し、面積が所定の面積閾値（図示の例では４０ピクセル）以上となる場合に領域Ｒが欠陥であると判定する。しかし、２欄（右欄）に示すような、実際には、欠陥でない場合でも、領域Ｒの面積Ｓ_Ｒが所定の面積閾値を以上となれば、欠陥であると判定し、誤判定となっていた。

【0007】

発明者らが鋭意検討した結果、誤判定が起こる場合は、良品レベルの塗装ムラがある場合に起こり、この塗装ムラと、欠陥であるブツ不良、タレ不良では、撮像した画像における、輝度値が所定の範囲を逸脱する領域の形状に違いがあることわかった。具体的には、欠陥であるブツ不良、タレ不良では、図１３の１欄（左欄）や図６のサンプルＮｏ．６～１０に示すような、中実の略円または略楕円形状である。一方、誤判定を引き起こすような塗装ムラでは、図１３の２欄（右欄）や図６のサンプルＮｏ．1～５に示すような、中実の円形状とは言えない歪な形状であることが分かった。そこで、この差異を考慮して欠陥であるか否かを判定することで欠陥の判定精度が向上することを見出した。

【0008】

このように、本発明は、欠陥の判定精度を向上した欠陥検査装置、欠陥検査方法およびプログラムを提供することを目的とする。

【課題を解決するための手段】

【0009】

上記目的を達成するために、本発明の１つの態様に係る欠陥検査装置は、被検査体を照明して撮像した画像の輝度の大きさに基いて欠陥を検出する欠陥検査装置であって、前記輝度の大きさが所定の範囲を逸脱する領域の面積が、第１の面積閾値以上となる場合に、前記領域が欠陥候補であると判定する欠陥候補判定部と、欠陥候補であるとされた前記領域の形状が中実の円形状である場合に、前記領域が欠陥であると判定する欠陥判定部と、を備えることを特徴とする。

【0010】

ここで、中実の円形状とは中実の略円または略楕円形状をいい、矩形の画素から構成されるため外縁部が滑らかであることを要さない。

【0011】

従来の方法では、輝度の大きさが所定の範囲を逸脱する領域の面積が第１の面積閾値以上となる場合に、欠陥であると判定するため、良品レベルの塗装ムラでも第１の面積閾値以上であれば欠陥であると誤判定されていた。上記の通り面積に加えて形状で判断することにより、領域Ｒの形状が中実の円形状でなければ、誤判定を防ぎ、欠陥検出の精度を向上することができる。

【0012】

また、上記態様において、前記欠陥判定部は、前記画像から算出した前記領域の幅および高さを、それぞれ幅および高さとする楕円の面積に対する、前記領域が占める面積の比率である楕円比率が所定の閾値以上である場合に、前記領域が中実の円形状であると判定することも好ましい。

【0013】

また、上記態様において、前記欠陥判定部は、前記領域の面積が第２の面積閾値以上となる場合に、前記欠陥候補領域が欠陥であると判定することも好ましい。

【0014】

上記態様において、前記楕円比率の閾値は、０．７６～０．９５であることも好ましい。

【0015】

上記態様において、前記楕円比率の閾値は、０．８６～０．９０であることも好ましい。

【0016】

上記態様において、前記欠陥は、ブツ不良およびタレ不良であることも好ましい。

【0017】

上記態様において、前記欠陥判定部は、前記領域が中実の円形状であるとする判定を、被検査体を照明して撮像した学習用画像と、前記学習用画像内の輝度の大きさが所定の範囲を逸脱する領域が中実の円形状であるか否かとが対応付けられた学習用データを機械学習して生成された学習済モデルを用いて実行することも好ましい。

【0018】

また、本発明の別の態様に係る欠陥検査方法は、被検査体を照明して撮像した画像の輝度の大きさに基いて欠陥を判定する欠陥検査方法であって、前記輝度の大きさが所定の範囲を逸脱する領域の面積が、第１の面積閾値以上となる場合に、前記領域が欠陥候補であると判定し、欠陥候補であるとされた前記領域の形状が中実の円形状である場合に、前記領域が欠陥であると判定することを特徴とする。

【0019】

また、本発明の別の態様に係るプログラムは、上記態様に係る欠陥検査方法をコンピュータに実行させるためのプログラムである。

【発明の効果】

【0020】

上記態様によれば、欠陥の判定精度を向上した欠陥検査装置、欠陥検査方法およびプログラムを提供することができる。

【図面の簡単な説明】

【0021】

【図1】第１の実施の形態に係る欠陥検査装置の全体構成を示す図である。

【図2】（Ａ）～（Ｃ）は、同欠陥検査装置による欠陥検出方法を説明する図である。

【図3】同欠陥検査装置による欠陥判定方法を説明する図である。

【図4】同欠陥検査装置における検査の処理のフローチャートである。

【図5】同欠陥検査装置による欠陥候補領域判定および欠陥判定の処理のフローチャートである。

【図6】同欠陥検査装置を用いた実験結果を示す図である。

【図7】同欠陥検査装置の変形例による欠陥候補領域判定および欠陥判定の処理のフローチャートである。

【図8】同変形例に係る欠陥検査装置による欠陥判定方法を説明する図である。

【図9】第２の実施の形態に係る欠陥検査装置の全体構成を示す図である。

【図10】同欠陥検査装置による欠陥判定のための学習モデル生成の概要を説明する図である。

【図11】同欠陥検査装置による欠陥候補領域判定および欠陥判定の処理のフローチャートである。

【図12】第３の実施の形態に係る欠陥検査装置の全体構成を示す図である。

【図13】従来の欠陥検査装置による欠陥判定方法を説明する図である。

【発明を実施するための形態】

【0022】

以下、本発明の好適な実施の形態を、図面を参照しながら説明する。実施の形態は、本発明を限定するものではなく、例示であって、実施の形態に記述されるすべての特徴やその組み合わせは、必ずしも発明の本質的なものであるとは限らない。また、以下の説明において、同一の機械構成を備える構成要素には同一の名称を付し、さらに同一の機能を備える構成要素には同一の符号を付して重複する説明は適宜省略する。なお、各図において、構成要素は、発明の主題を変更しない範囲で簡略化して図示されている。また、説明の便宜のため、部材間の寸法比が変更されている場合がある。

【0023】

（第１の実施の形態）
（欠陥検査装置１００の構成）
図１は、第１の実施の形態に係る欠陥検査装置１００の全体構成を示す図である。

【0024】

欠陥検査装置１００は、本発明を、車両用前照灯の前面カバーを被検査体（ワーク９０）として、ワーク９０の表面の欠陥を検査する装置として適用したものである。欠陥検査装置１００は、概略として、照明部１０、撮像部２０、治具３０、および検査部４０を備える。

【0025】

ワーク９０は、箱状のランプボディ（図示せず）の開口を覆う蓋状の形状を有し、ポリカーボネートやポリメタクリル酸メチル等の透光性樹脂で構成された、透光性樹脂部材である。図１では、ワーク９０が鉛直断面によって示されている。

【0026】

ワーク９０には、透明着色塗料、ハードコート塗料、防曇コート塗料等による塗装が施される場合がある。欠陥検査装置１００は、主として、ワーク９０の表面に生じるブツ不良やタレ不良を検出する。ブツ不良とは、塗料に混入したゴミや顔料の凝集物等の異物や、塗装後に付着した異物（砂埃、糸くず等）により塗装面に生じる凸部である。タレ不良とは、塗装時に塗料が流れ、局所的に生じる塗膜厚が不均一となる部分である。

【0027】

照明部１０は、ワーク９０の下方に配置され、ワーク９０の一方の面９２に白色の光を照射する。照明部１０から出射される光は、ワーク９０の一方の面９２から他方の面９１側に向かってワーク９０を透過する。照明部１０としては、例えば、複数のＬＥＤ（Ｌｉｇｈｔ・Ｅｍｉｔｔｉｎｇ・Ｄｉｏｄｅ）が所定の方向に並列されたライン照明や、複数のＬＥＤが二次元配列された面状照明等が挙げられる。また、照明部１０の数は特に限定されず、１つであってもよく、２つ以上であってもよい。

【0028】

撮像部２０は、いわゆるデジタルカメラである。撮像部２０は、ワーク９０の上方に、ワーク９０を介して照明部１０と対向するように配置されている。撮像部２０は、照明部１０が点灯している状態で、ワーク９０を撮像し、照明部１０からの光を透過している状態のワーク９０の検査領域全体の画像を取得して制御演算部４１に出力する。撮像部２０としては、例えば、フォトダイオードを備えるＣＣＤ（Ｃｈａｒｇｅ・Ｃｏｕｐｌｅｄ・Ｄｅｖｉｃｅ）や、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒ・Ｍｅｔａｌ・Ｏｘｉｄｅ・Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）等の固体撮像素子を直線状に配列したラインセンサカメラや、固体撮像素子を２次元状に配列したエリアセンサカメラを用いることができる。

【0029】

撮像部２０がエリアセンサカメラである場合、照明部１０には面状照明を採用し、ワーク９０の検査領域全体の画像を取得するように構成される。また、撮像部２０がラインセンサカメラである場合、照明部１０にはライン照明を採用し、照明部１０と、撮像部２０との間を横切るようにワーク９０を相対移動させながら、撮像部２０が所定の時間間隔で撮像することで、検査領域全体の画像を取得するように構成される。

【0030】

治具３０は、撮像部２０と照明部１０との間で、ワーク９０の検査対象領域が撮像部２０に向かうように保持している。この時、検査対象であるワーク９０の表面９１または９２が、撮像部２０の焦点の範囲に入るようになっている。

【0031】

検査部４０は、制御演算部４１と、記憶部４２と、操作部４３と、表示部４４とを備える。検査部４０は、所謂情報処理装置であり、典型的にはパーソナルコンピュータとして構成されている。

【0032】

制御演算部４１は、例えば、少なくとも１つのプロセッサ（例えば、ＣＰＵ(Central・Processing・Unit)とメモリ（例えば、ＤＲＡＭ（Dynamic・Ramdom・Access・Memory)，ＳＲＡＭ(Static・RAM)等）を備えるマイクロコンピュータである。この時、制御演算部４１は、画像処理のためにＧＰＵ(Graphical・Processing・Unit)を備えていてもよい。制御演算部４１の機能がソフトウェア的に実現される場合、制御演算部４１は、記憶部４２に記憶されたプログラムおよびデータを読み出してメモリにロードするとともに、メモリに読み出されたプログラムのコマンドに基づいて以下に説明する機能部の機能を実行する。

【0033】

あるいは、制御演算部４１を、各機能部の機能を実施する演算プログラムをハードウェアで構築したＦＰＧＡ(Field・Programmable・Gate・Array）等のハードウェアで構成してもよい。

【0034】

制御演算部４１は、機能部として、画像取得部５１と、画像処理部５２と、欠陥候補判定部６３と、欠陥判定部６４とを備える。

【0035】

画像取得部５１は、照明部１０の点消灯および撮像部２０を制御して、照明されたワーク９０の被検査領域の画像を取得する。

【0036】

画像処理部５２は、取得された画像に、ノイズ除去、γ補正、階調値の部分拡大強調等を実施して、正常領域と、欠陥候補領域との輝度差を強調する処理を行う。このような処理は、ワーク９０を照明して画像を取得し、輝度値に基づいて欠陥を検査する分野において公知であるので詳細な説明は省略する。

【0037】

欠陥候補判定部５３は、検査領域全体の画像から、欠陥候補領域を検出する。

【0038】

欠陥判定部５４は、欠陥候補であると判定された領域Ｒが欠陥であるか否かを判定する。欠陥候補判定部５３および欠陥判定部５４の詳細な処理は後述する。

【0039】

記憶部４２は、ハードディスク、フラッシュメモリ等の１以上の不揮発性記憶装置を含んで構成されるコンピュータ読取可能な記憶媒体である。記憶部４２は、制御演算部４１の各機能部がソフトウェア的に構成されている場合に、各機能部の処理を実行するためのプログラムを記憶する。また、記憶部４２は、撮像部で取得した画像データ、および欠陥検査結果データ等を記憶する。

【0040】

操作部４３は、例えば、キーボード等であり、ユーザからの操作を受け付ける。表示部４４は、例えば、液晶ディスプレイ、ＥＬ（Ｅｌｅｃｔｒｏｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ等であり、画像取得部５１で取得される画像データ、欠陥判定部５４での検査結果、欠陥検査装置１００を操作するための操作画面等を表示する。

【0041】

（欠陥判定方法の詳細）
本欠陥検査装置１００による欠陥判定方法の詳細を、図２、３を参照しながら説明する。図２（Ａ）は、欠陥検査装置１００でワーク９０を撮像する際の光の挙動を説明する図である。図２（Ｂ）は、得られる検査領域全体の画像６０を模式的に示す図である。図２（Ｃ）は、画像６０における図２（Ｂ）のＩＩＣ－ＩＩＣ線と対応する位置の輝度プロファイルを示す図である。図３は、欠陥検査装置１００による欠陥候補判定条件および欠陥判定条件を説明する図である。

【0042】

図２（Ａ）に示すように、照明部１０から照射される光Ｌがワーク９０に入射すると、ワーク９０を透過して撮像部２０に入射し、図２（Ｂ）に模式的に示す、検査領域全体の画像６０として取得される。欠陥９３のない検査領域全体は、明るい領域として撮像される。

【0043】

画像６０の各ピクセルには輝度値が割り当てられている。図２（Ｃ）に示すように、画像６０の明るい領域では、輝度値が、所定の閾値Ｔｈ_１～Ｔｈ_２の範囲に収まるようになっている。ワーク９０の一方の表面９１に欠陥９３がある場合、欠陥９３では、ワーク９０に入射した光が吸収されたり、反射したり、屈折したりする。この結果、検査領域全体の画像６０において、欠陥９３に対応する部分６１は、輝度値が所定の範囲から逸脱した領域Ｒとして検出される。

【0044】

そこでまず、図３に示すように、この輝度値が所定の範囲から逸脱した領域Ｒの面積Ｓ_Ｒが、所定の面積閾値（第１の面積閾値）Ｘ以上となることを、欠陥候補判定の条件とする。領域Ｒの面積は、撮像部２０とワーク９０との位置関係等の撮像条件、判定に先立って施される輝度差を強調させるための画像処理の条件により変動する。このため、面積閾値Ｘは、撮像条件、画像処理条件、および検出対象とする欠陥の大きさに応じて決定される。

【0045】

領域Ｒが欠陥候補であると判定されると、次に領域Ｒを含む最小の矩形の領域を欠陥候補領域６２（図２（Ｂ））として抽出し、欠陥候補領域６２毎に、領域Ｒが欠陥であるか否かを判定する。欠陥判定の条件は、領域Ｒの形状が中実の円形状でないことを条件とする。本実施の形態では、中実の円形状であるか否かは、領域Ｒの楕円比率ＥＲが所定の閾値Ｚ以上であるか否かで判定する。

【0046】

ここで、楕円比率ＥＲは、輝度値が所定の範囲から逸脱した領域Ｒの幅Ｗおよび高さＨをそれぞれ幅および高さとする楕円（図３に破線で示す楕円Ｅ_１，Ｅ_２）の面積Ｓ_Ｅに対する、領域Ｒが占める面積Ｓ_Ｒの比率であり、以下の式１で表される。
ＥＲ＝Ｓ_Ｒ/Ｓ_Ｅ
＝Ｓ_Ｒ×４/Ｗ×Ｈ×π （式１）
（ここで、Ｓ_Ｒは輝度値が所定の範囲から逸脱した領域Ｒの面積、Ｓ_Ｅは領域Ｒの幅Ｗおよび高さＨをそれぞれ幅および高さとする楕円の面積、Ｗは領域Ｒの幅、Ｈは領域Ｒの高さである。）

【0047】

所定の閾値Ｚは、０．７６～０．９５であると好ましく、０．８０～０．９０であるとより好ましい。同じ大きさの不良または塗装ムラであっても、面積閾値Ｘの設定値等により楕円比率ＥＲが変動する場合がある。様々な条件において、楕円比率ＥＲの閾値Ｚを、０．７６～０．９５の範囲で設定することで、欠陥判定の正確さを従来の方法と比較して高めることができるからである。特に、楕円比率ＥＲの閾値Ｚを０．８０～０．９０の範囲で設定することで、より確実に欠陥判定の確度を高めることが可能となるからである。

【0048】

図３の例では、例えば、面積閾値Ｘを４０に、閾値Ｚを０．８５に設定することで、図１３の従来の方法では不良であると誤判定されていた２欄の領域Ｒが、正常であると正しく判定することが可能となる。

【0049】

（検査部の処理のフロー）
図４は、欠陥検査装置１００を用いた欠陥検査方法における検査部４０の処理の概略的なフローチャートである。

【0050】

検査を開始すると、ステップＳ０１で、画像取得部５１が、照明部１０と、撮像部２０とを制御して、検査領域全体の画像を取得する。上述の通り、撮像部２０がエリアセンサカメラである場合、照明部１０を点灯してワーク９０の検査領域全体の画像を撮像し、照明部１０を消灯する。撮像部２０がラインセンサカメラである場合、照明部１０を点灯して、照明部１０と、撮像部２０との間を横切るようにワーク９０を相対移動させながら、撮像部２０が所定の時間間隔で撮像することで、検査領域全体の画像６０を取得する。その後、照明部１０を消灯する。

【0051】

次に、ステップＳ０２で、画像処理部５２が、取得された画像６０に、ノイズ除去、γ補正、階調値の部分拡大強調等を実施して、正常領域と、欠陥領域との輝度差を強調する処理を行う。

【0052】

次に、ステップＳ０３で、欠陥候補判定部５３が、画像６０から欠陥候補となる領域を検出する。

【0053】

次に、ステップＳ０４で、欠陥判定部５４が、欠陥候補領域が中実の円形状であるかどうかを判定して欠陥であるか否かを判定する。

【0054】

図５は、上記ステップＳ０３，Ｓ０４の詳細な処理を示すフローチャートである。ステップＳ１１，Ｓ１２およびＳ１５がステップＳ０３と、ステップＳ１３，Ｓ１４およびＳ１５がステップＳ０４と対応する。

【0055】

ステップＳ０３を開始すると、ステップＳ１１で、欠陥候補判定部５３が、全体の画像６０において、輝度値が所定の範囲を逸脱する領域Ｒの面積Ｓ_Ｒが面積閾値Ｘ以上であるかどうかを判定する。

【0056】

面積Ｓ_Ｒが面積閾値Ｘ以上である場合（Ｙｅｓ）、ステップＳ１２で、欠陥候補判定部５３は領域Ｒが欠陥候補であると判定する。また、領域Ｒを含む最小のまたは領域Ｒの周辺の所定距離の範囲を含む矩形領域を欠陥候補領域６２として抽出する。一方、面積Ｓ_Ｒが面積閾値Ｘよりも小さい場合（Ｎｏ）、ステップＳ１５で領域Ｒは欠陥候補ではない、すなわち正常であると判定する。

【0057】

次に、ステップＳ１３では、欠陥判定部５４は、領域Ｒの楕円比率ＥＲが閾値Ｚ以上であるかどうかを判定する。

【0058】

楕円比率ＥＲが閾値Ｚ以上である場合（Ｙｅｓ）、ステップＳ１４で、欠陥判定部５４は、領域Ｒが欠陥であると判定する。一方、楕円比率ＥＲが閾値Ｚ未満の場合、ステップＳ１５で、領域Ｒは正常であると判定する。

【0059】

[実験]
実施の形態に係る欠陥検査装置１００の効果を検証するために実験を行った。図６は、被検査体として車両用前照灯の前面カバーを撮像し、ブツ不良およびタレ不良の欠陥部分と良品レベルの塗装ムラ部分を、実施の形態に係る欠陥検査方法と、従来の欠陥検査方法により検査を行った結果を示す図である。

【0060】

実施例では、欠陥検査装置１００は、照明部１０にライン照明を、撮像部２０にラインセンサカメラを採用して、照明部１０と撮像部２０が正対する配置のユニットとして構成し、ユニットをライン照明の配列方向と直交する方向に移動することで、被検査体を走査し、検査領域全体の画像６０を取得するように構成したものを用いた。
そして、画像６０を
（１）輝度値が所定の範囲を逸脱する領域Ｒの面積Ｓ_Ｒの面積閾値Ｘを２９３pixとして、欠陥候補領域を判定し、
（２）領域Ｒの楕円比率ＥＲの閾値Ｚを０．８６として、欠陥を判定した。
比較例では、同じ条件で取得した画像６０について、
（３）輝度値が所定の範囲を逸脱する領域Ｒの面積Ｓ_Ｒの面積閾値Ｘを２９３pixとして、欠陥を判定した。

【0061】

図６は、このようにして実施した実験の結果を示す図である。サンプルＮｏ．１～１０は、いずれも領域Ｒの面積が２９３ピクセル以上となる部分の画像を抽出したものである。サンプルＮｏ．１～５は、良品レベルの塗装ムラの部分を、サンプルＮｏ．６～８は、ブツ不良の部分、サンプルＮｏ．９，１０は、タレ不良の部分である。

【0062】

図中、原画像は、ステップＳ０１で取得された画像である。強調画像は、原画像にステップＳ０２の輝度差を強調する画像処理を施した後の画像である。検出画像は、強調画像において検出される、輝度値が所定の範囲を逸脱する領域Ｒを塗りつぶして示したものである。

【0063】

比較例では、Ｎｏ．１～１０の全てで欠陥であると判定され、良品レベルの塗装ムラであるＮｏ．１～５では誤判定となった。一方、楕円比率０．８６以上を欠陥であると判定する実施例では、Ｎｏ．1～５は正常、Ｎｏ．６～１０は欠陥であると、全て正しく判定された。

【0064】

このように、本実施の形態に係る欠陥検査装置１００では、輝度値の大きさが所定の範囲を逸脱する領域Ｒの面積Ｓ_Ｒの大きさに加えて、領域Ｒが中実の円形状であることを判断することにより、誤判定を防ぎ、欠陥検出の確度を向上することができることが分かった。特に、中実の円形状であるか否かは、面積閾値により欠陥候補であると判定された、輝度値の大きさが所定の範囲を逸脱する領域Ｒの幅および高さを、それぞれ幅および高さとする楕円の面積に対する、前記欠陥候補領域が占める面積の比率である楕円比率を用いて、判定することで、形状を数値化することができ、判定結果の再現性が向上した。
また、図示は省略するが、種々の透光性樹脂部材について、それぞれブツ不良およびタレ不良の欠陥部分と良品レベルの塗装ムラ部分を含む多数の検査体を撮像し、従来方法と、本実施の形態に係る方法とにより、実験を実施した。その結果、いずれの場合も、撮像条件、透光性樹脂部材の種類等に応じて、楕円比率ＥＲの閾値Ｚを０．７６～０．９５の間で設定することで、誤判定が低減し、判定の正確性が改善されることが分かった。特に、楕円比率ＥＲの閾値Ｚを０．８６～０．９０の間で設定することが好適であった。

【0065】

［変形例］
本実施の形態に係る欠陥検査装置１００の変形例として、欠陥候補判定部５３Ａ（図示せず），欠陥判定部５４Ａ（図示せず）の実行するステップＳ０３，Ｓ０４の詳細な処理を図７に示すように変更してもよい。この場合、ステップＳ２１，Ｓ２２，Ｓ２５，Ｓ２６がステップＳ０３に対応し、ステップＳ２３～Ｓ２６が、ステップＳ０４に対応する。

【0066】

すなわち、ステップＳ０３を開始すると、ステップＳ２１，Ｓ２２では、ステップＳ１１，Ｓ１２と同様に、欠陥候補判定部５３Ａが全体の画像において、輝度値が所定の範囲を逸脱する領域Ｒの面積Ｓ_Ｒが、所定の面積閾値Ｘ以上であるかどうかを判定し、所定の面積閾値Ｘ以上である場合（Ｙｅｓ）、領域Ｒが欠陥候補であると判定する。次に、ステップＳ２３で、欠陥判定部５４Ａは、領域Ｒの面積Ｓ_Ｒが、所定の面積閾値Ｙ以上となるか否かを判定する。所定の面積閾値Ｙ以上となる場合（Ｙｅｓ）、欠陥判定部５４Ａは、ステップＳ２５で領域Ｒが欠陥であると判定する。一方、ステップＳ２３で、所定の面積閾値Ｙ未満となる場合（Ｎｏ）、欠陥判定部５４Ａは、ステップＳ２４で、領域Ｒの楕円比率ＥＲが、所定の閾値Ｚ以上となるか否かを判定する。楕円比率ＥＲが、所定の閾値Ｚ以上となる場合（Ｙｅｓ）、ステップＳ２５で、欠陥判定部５４Ａは、領域Ｒが欠陥であると判定する。

【0067】

一方、ステップＳ２１で領域Ｒの面積Ｓ_Ｒが、面積閾値Ｘ未満である場合（Ｎｏ）およびステップＳ２４で楕円比率ＥＲが閾値Ｚ未満である場合（ＮＯ）は、ステップＳ２６で、領域Ｒは正常であると判断される。ステップＳ２３およびＳ２４はこの順序に限らず、ステップＳ２３に先行して、ステップＳ２４を行い、ステップＳ２４で楕円比率ＥＲが閾値Ｚ未満である場合（Ｎ）に、ステップＳ２３を実行してもよい。

【0068】

上記フローチャートの説明で述べたように、本変形例では、欠陥候補判定条件が領域Ｒの面積が所定の面積閾値Ｘ以上であること、欠陥判定条件が、楕円比率ＥＲが所定の閾値Ｚ以上であることに加えて、領域Ｒの面積閾値がＹ以上であることを含んでいる。すなわち、楕円比率ＥＲが所定の閾値Ｚ以上であるかどうかに関わらず、領域Ｒの面積が、面積閾値Ｙ以上であるときに、領域Ｒが欠陥であると判定される。

【0069】

そこで、図８を用いて面積閾値Ｘを４０ピクセル、面積閾値Ｙを８０ピクセル、閾値Ｚを０．８５とした場合に、変形例に係る欠陥検査方法と、従来の検査方法と、上記実施の形態１に説明した検査方法による判定結果を説明する。

【0070】

１欄に模式的に示す検出画像は、図３と同様の、小さなブツ不良に対応する画像の模式図であり、２欄の検出画像は、図３と同様の小さな塗装ムラ（良品レベル）を示す。また、３欄の検出画像は、大きいブツ不良（糸くず）に対応する画像の模式図を示す。

【0071】

図８に示すように従来の方法では、領域Ｒの面積が面積閾値Ｘ以上となる場合に欠陥であると判定するため、２欄，３欄のように、領域Ｒの面積が所定の面積閾値Ｘ以上であれば、欠陥であると判定し、良品レベルのムラであるにも関わらず欠陥であると誤判定してしまう。また、第１の実施の形態に係る方法では、良品レベルのムラを正常であると正しく判定するが、欄３の大きいブツ不良も、正常であると誤判定してしまう。一方、変形例に係る欠陥検査装置では、領域面積Ｒの面積Ｓ_Ｒが面積閾値Ｙ以上になれば楕円比率ＥＲ、すなわち形状に関わらず欠陥であると判定する。この結果欄１～３のいずれも正しく判定することが可能となる。

【0072】

なお、ピクセル数で示される面積閾値Ｙの値は、面積閾値Ｘと同様に、撮像部２０とワーク９０との位置関係等の撮像条件や、判定に先立って施される輝度差を強調させるための画像処理の条件により変動する。面積閾値Ｙの値は、おおむね直径１～数ｍｍ以上のブツ不良/タレ不良に対応する数値であるとよい。このような大きさの欠陥は、中実の円形状でないことが多いからである。

【0073】

このように、領域Ｒの大きさが大きくなれば、ブツ不良、タレ不良と良品レベルの塗装ムラの形状の差異が小さくなり、ブツ不良、タレ不良であっても楕円比率ＥＲが小さくなる。第２の面積閾値Ｙを用いて楕円比率が小さくても欠陥であると判定することで、誤判定を防ぎ判定の精度をさらに向上させることが可能となる。

【0074】

［第２の実施の形態］
図８は、第２の実施の形態に係る欠陥検査装置２００の全体構成図である。欠陥検査装置２００は、概略として欠陥検査装置１００と同様の機械構成を備えるが、検査部２４０の制御演算部２４１が、欠陥判定部５４に代えて欠陥判定部２５４を備える点で異なる。また、記憶部２４２が学習済モデル７１を備える点で異なる。

【0075】

欠陥判定部２５４は、ワーク９０を照明して撮像した学習用画像と、学習用画像内の輝度値が所定の範囲を逸脱する領域Ｒが、中実の円形状であるか否かとが、対応付けられた学習用データを機械学習して生成された学習済モデル７１を用いて実行する。

【0076】

記憶部２４２は、学習済モデル７１を記憶する。学習済モデル７１は、ワーク９０を照明して撮像した画像内の輝度値が所定の範囲を逸脱する領域Ｒを含む部分の画像を入力すると、その画像における輝度値が所定の範囲を逸脱する領域Ｒが、欠陥であるか否かを判定する。

【0077】

学習済モデル７１は、学習済モデル生成装置７０により、ワーク９０を照明して撮像した学習用画像と、学習用画像内の輝度値が所定の範囲を逸脱する領域Ｒが、中実の円形状であるか否かとが、対応付けられた学習用データを機械学習して生成される。

【0078】

学習済モデル生成装置７０は、図示しないが、制御演算部、記憶部、操作部、表示部を備える情報処理装置である。制御演算部、記憶部、操作部、表示部のハードウェア構成は、例えば検査部４０と同様である。このように、学習済モデル生成装置７０は、典型的には、パーソナルコンピュータ、サーバコンピュータ等として構成される。

【0079】

図１０は学習済モデル生成の概要を示す図である。まず、学習用データ（教師データ）について説明する。

【0080】

学習用データは、例えば、以下の様に生成する。まず、欠陥検査装置２００と同じ構成の欠陥検査装置を用い、多数のワーク９０の検査領域全体の画像６０を取得し、画像処理を施し、輝度値が所定の範囲から逸脱する領域Ｒが所定の面積閾値Ｘ以上となるものを含む欠陥候補領域６２の画像を収集する。欠陥候補領域６２は、上述の通り領域Ｒを含む最小のまたは領域Ｒの周辺の所定距離の範囲を含む矩形領域である。

【0081】

欠陥候補領域６２の画像を、画像における領域Ｒの形状が、中実の円形状であるか否かのクラスに分類し、各データに「０.中実の円形状」，「１．中実の円形状でない」のようにラベルする。中実の円形状であるか否かの分類は、楕円比率ＥＲが所定の閾値Ｚ以上になるか否かにより判断して自動的に行ってもよく、あるいは作業者が目視により判断したものであってもよい。

【0082】

このように収集したデータを教師データとして、制御演算部で機械学習することにより、検出画像として、領域Ｒを含む欠陥候補領域６２の画像を入力したときに、領域Ｒの形状が、中実の円形状であるか否かを出力する学習済モデル７１が生成される。学習済モデル７１は、ワーク９０の種類、ワークに施された表面処理の種類等毎に生成してもよい。

【0083】

なお、機械学習は、例えば、ロジスティック回帰、ＳＶＭ（Support・Vector・Machine）、ランダムフォレスト、ＣＮＮ（Convolutional・Neural・Network），ＲＮＮ（Recurrent・Neural・Network）等のニューラルネットワーク等を用いて実施することができる。

【0084】

図１１は、欠陥検査装置２００における欠陥候補判定および欠陥判定の処理のフローチャートである。ステップＳ３１，Ｓ３２およびＳ３６は、ステップＳ０３に対応し、ステップＳ３３～Ｓ３６は、ステップＳ０４に対応する。

【0085】

ステップＳ０３を開始すると、ステップＳ３１，Ｓ３２では、ステップＳ１１，Ｓ１２と同様に欠陥候補判定部２５３が全体の画像において、輝度値が所定の範囲を逸脱する領域Ｒの面積Ｓ_Ｒが、所定の面積閾値Ｘ以上であるか否かを判定し、大きい場合（Ｙｅｓ）、領域Ｒが欠陥候補であると判定する。次に、ステップＳ３３で、欠陥判定部２５４が、欠陥候補であると判定された領域Ｒを欠陥候補領域６２として抽出し、これを検出画像として、記憶部２４２から読み出した学習済モデル７１に入力する。そして、ステップＳ３４で、領域Ｒが中実の円形状であるか否かを判定する。領域Ｒが中実の円形状となる場合（Ｙｅｓ）、ステップＳ３５で、欠陥判定部２５４は、領域Ｒが欠陥であると判定する。

【0086】

一方、ステップＳ３１で領域Ｒの面積Ｓ_Ｒが、面積閾値Ｘ未満である場合（Ｎｏ）、およびステップＳ３４で領域Ｒが中実の円形状でない場合（Ｎo）欠陥候補判定部２５３は、領域Ｒは正常であると判断する。

【0087】

このように、機械学習により生成した学習済モデルを用いることによっても、実施の形態１と同様に、欠陥検出の正確さを向上させることが可能となる。

【0088】

[第３の実施の形態]
図１２は、第３の実施の形態に係る欠陥検査装置３００の全体構成図である。欠陥検査装置３００は、概略として欠陥検査装置１００と同様の機械構成を備える。しかし、欠陥検査装置１００において、照明部１０と撮像部２０が、ワーク９０を介して正対するように配置されているのに対して、本欠陥検査装置３００は、照明部３１０と撮像部３２０がいずれもワーク９０上方に配置されている。そして、照明部３１０と撮像部３２０は、照明部３１０から出射された照明光が、ワーク９０の表面で反射して、撮像部３２０に入射するように配置されている。また、照明部３１０と撮像部３２０は、位置関係を維持しながら、ワーク９０と相対的に移動しながら所定の間隔で撮像することにより、検査領域全体の画像６０を取得できるようになっている。

【0089】

したがって、撮像部３２０により取得される検査領域全体の画像は、明るい画像となる。一方、本実施の形態が目的とする欠陥は、ブツ不良、タレ不良等、照明光の、反射や拡散により明るい画像の中で暗く認識される。このように、明視野の中で欠陥を観察するような欠陥検査装置であれば、第１の実施の形態と同等の効果を奏することが可能となる。また、例えば第１の実施の形態において、照明部１０と撮像部２０を上下反転する配置としても同等の効果を奏することが可能である。

【符号の説明】

【0090】

５３ ５３Ａ ：欠陥候補判定部
５４ ５４Ａ ：欠陥判定部
６０ ：画像
６２ ：欠陥候補領域
６３ ：欠陥候補判定部
６４ ：欠陥判定部
７１ ：学習済モデル
９３ ：欠陥
１００ ２００ ３００ ：欠陥検査装置
２４３ ：欠陥候補判定部
２５３ ：欠陥候補判定部
２５４ ：欠陥判定部
Ｅ１ ：楕円
Ｅ２ ：楕円
ＥＲ ：楕円比率
Ｈ ：高さ
Ｒ ：領域

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】