ホーム > 特許ランキング > ブラザー工業株式会社
(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】P2024157684
(43)【公開日】2024-11-08
(54)【発明の名称】生成プログラム、生成方法、および、生成装置
(51)【国際特許分類】
G06T 7/00 20170101AFI20241031BHJP
G06T 5/77 20240101ALI20241031BHJP
G06T 1/00 20060101ALI20241031BHJP
【ＦＩ】
G06T7/00 350B
G06T5/00 720
G06T1/00 500A
【審査請求】未請求
【請求項の数】13
【出願形態】ＯＬ
(21)【出願番号】P 2023072179
(22)【出願日】2023-04-26
(71)【出願人】
【識別番号】000005267
【氏名又は名称】ブラザー工業株式会社
(74)【代理人】
【識別番号】110001058
【氏名又は名称】鳳国際弁理士法人
(72)【発明者】
【氏名】尾野藤 祥司
【テーマコード（参考）】
5B057
5L096
【Ｆターム（参考）】
5B057AA11
5B057BA02
5B057CA08
5B057CA12
5B057CA16
5B057CB08
5B057CB12
5B057CB16
5B057CC01
5B057CE04
5L096AA06
5L096BA03
5L096CA02
5L096DA01
5L096FA32
5L096FA33
5L096FA67
5L096FA69
5L096GA08
5L096HA11
5L096KA04
5L096MA03
(57)【要約】
【課題】ブラーを有する画像を処理する機械学習モデルの訓練に適する訓練画像を生成する。
【解決手段】
対象物の静止画像データを取得する。対象物の搬送時における搬送速度と、搬送中の対象物を撮影するための撮像装置の露光時間と、撮像装置の分解能と、から選択される１以上のパラメータを含む入力パラメータセットの入力を受け付ける。静止画像データを使用して生成処理を実行することによって訓練画像データを生成する。生成処理は、入力パラメータセットを使用するブラーの追加処理であるブラー処理を含む。
【選択図】 図５
【解決手段】
対象物の静止画像データを取得する。対象物の搬送時における搬送速度と、搬送中の対象物を撮影するための撮像装置の露光時間と、撮像装置の分解能と、から選択される１以上のパラメータを含む入力パラメータセットの入力を受け付ける。静止画像データを使用して生成処理を実行することによって訓練画像データを生成する。生成処理は、入力パラメータセットを使用するブラーの追加処理であるブラー処理を含む。
【選択図】 図５
【特許請求の範囲】
【請求項1】
機械学習モデルの訓練データの生成プログラムであって、
対象物の静止画像データを取得する取得機能と、
前記対象物の搬送時における搬送速度と、搬送中の対象物を撮影するための撮像装置の露光時間と、前記撮像装置の分解能と、から選択される１以上のパラメータを含む入力パラメータセットの入力を受け付ける受付機能と、
前記静止画像データを使用して生成処理を実行することによって訓練画像データを生成する生成機能であって、前記生成処理は、前記入力パラメータセットを使用するブラーの追加処理であるブラー処理を含む、前記生成機能と、
をコンピュータに実現させる生成プログラム。
対象物の静止画像データを取得する取得機能と、
前記対象物の搬送時における搬送速度と、搬送中の対象物を撮影するための撮像装置の露光時間と、前記撮像装置の分解能と、から選択される１以上のパラメータを含む入力パラメータセットの入力を受け付ける受付機能と、
前記静止画像データを使用して生成処理を実行することによって訓練画像データを生成する生成機能であって、前記生成処理は、前記入力パラメータセットを使用するブラーの追加処理であるブラー処理を含む、前記生成機能と、
をコンピュータに実現させる生成プログラム。
【請求項2】
請求項１に記載の生成プログラムであって、
前記入力パラメータセットは、さらに、前記対象物に対する搬送方向を含み、
前記ブラー処理は、前記対象物に対する前記搬送方向に平行な方向である基準方向のブラーの追加処理を含む、
生成プログラム。
前記入力パラメータセットは、さらに、前記対象物に対する搬送方向を含み、
前記ブラー処理は、前記対象物に対する前記搬送方向に平行な方向である基準方向のブラーの追加処理を含む、
生成プログラム。
【請求項3】
請求項１に記載の生成プログラムであって、
前記対象物は、製品に対して配置された状態で前記製品とともに搬送され、
前記入力パラメータセットは、前記製品に対する搬送方向と、前記製品に対する前記対象物の向きと、を含み、
前記ブラー処理は、前記製品に対する前記搬送方向と、前記製品に対する前記対象物の前記向きと、の組み合わせに対応付けられる前記対象物に対する搬送方向に平行な方向である基準方向のブラーの追加処理を含む、
生成プログラム。
前記対象物は、製品に対して配置された状態で前記製品とともに搬送され、
前記入力パラメータセットは、前記製品に対する搬送方向と、前記製品に対する前記対象物の向きと、を含み、
前記ブラー処理は、前記製品に対する前記搬送方向と、前記製品に対する前記対象物の前記向きと、の組み合わせに対応付けられる前記対象物に対する搬送方向に平行な方向である基準方向のブラーの追加処理を含む、
生成プログラム。
【請求項4】
請求項２または３に記載の生成プログラムであって、さらに、
前記静止画像データを使用して第１追加生成処理を実行することによって追加の訓練画像データを生成する第１追加生成機能を、コンピュータに実現させ
前記第１追加生成処理は、前記基準方向を９０度、１８０度、２７０度のいずれかの角度で回転して得られるＮ個（Ｎは１以上、３以下の整数）の方向のブラーのＮ個の追加処理を含み、
前記第１追加生成機能は、前記Ｎ個の方向にそれぞれ対応付けられるＮ種類の追加の訓練画像データをそれぞれ生成する、
生成プログラム。
前記静止画像データを使用して第１追加生成処理を実行することによって追加の訓練画像データを生成する第１追加生成機能を、コンピュータに実現させ
前記第１追加生成処理は、前記基準方向を９０度、１８０度、２７０度のいずれかの角度で回転して得られるＮ個（Ｎは１以上、３以下の整数）の方向のブラーのＮ個の追加処理を含み、
前記第１追加生成機能は、前記Ｎ個の方向にそれぞれ対応付けられるＮ種類の追加の訓練画像データをそれぞれ生成する、
生成プログラム。
【請求項5】
請求項４に記載の生成プログラムであって、
前記対象物は、織物であり、
前記Ｎは１であり、
前記Ｎ個（Ｎ＝１）の方向は、前記基準方向を１８０度の角度で回転して得られる方向である、
生成プログラム。
前記対象物は、織物であり、
前記Ｎは１であり、
前記Ｎ個（Ｎ＝１）の方向は、前記基準方向を１８０度の角度で回転して得られる方向である、
生成プログラム。
【請求項6】
請求項２または３に記載の生成プログラムであって、
前記ブラー処理は、前記基準方向に垂直な方向のブラーの追加処理を含み、
前記基準方向のブラー量は、前記垂直な方向のブラー量よりも、大きい、
生成プログラム。
前記ブラー処理は、前記基準方向に垂直な方向のブラーの追加処理を含み、
前記基準方向のブラー量は、前記垂直な方向のブラー量よりも、大きい、
生成プログラム。
【請求項7】
請求項２または３に記載の生成プログラムであって、さらに、
前記静止画像データを使用して第２追加生成処理を実行することによって追加の訓練画像データを生成する第２追加生成機能を、コンピュータに実現させ、
前記第２追加生成処理は、前記基準方向との９０度未満の差違を有するＭ個（Ｍは２以上の整数）の方向のブラーのＭ個の追加処理を含み、
前記第２追加生成機能は、前記Ｍ個の方向にそれぞれ対応付けられるＭ種類の追加の訓練画像データをそれぞれ生成する、
生成プログラム。
前記静止画像データを使用して第２追加生成処理を実行することによって追加の訓練画像データを生成する第２追加生成機能を、コンピュータに実現させ、
前記第２追加生成処理は、前記基準方向との９０度未満の差違を有するＭ個（Ｍは２以上の整数）の方向のブラーのＭ個の追加処理を含み、
前記第２追加生成機能は、前記Ｍ個の方向にそれぞれ対応付けられるＭ種類の追加の訓練画像データをそれぞれ生成する、
生成プログラム。
【請求項8】
請求項１から３のいずれかに記載の生成プログラムであって、
前記機械学習モデルは、前記対象物の欠陥検査に使用され、
前記生成処理は、前記対象物の画像の一部分に欠陥の画像を追加する欠陥追加処理を含み、
前記ブラー処理は、前記欠陥追加処理によって前記欠陥の前記画像が追加された画像に対して実行され、
前記生成機能は、欠陥を有する対象物のぼやけた画像を表す前記訓練画像データを生成する、
生成プログラム。
前記機械学習モデルは、前記対象物の欠陥検査に使用され、
前記生成処理は、前記対象物の画像の一部分に欠陥の画像を追加する欠陥追加処理を含み、
前記ブラー処理は、前記欠陥追加処理によって前記欠陥の前記画像が追加された画像に対して実行され、
前記生成機能は、欠陥を有する対象物のぼやけた画像を表す前記訓練画像データを生成する、
生成プログラム。
【請求項9】
請求項８に記載の生成プログラムであって、
前記機械学習モデルは、欠陥を有する対象物のぼやけた画像から、欠陥の無い同じ対象物のぼやけた画像を生成するモデルであり、
前記生成プログラムは、さらに、
前記静止画像データを使用して対応生成処理を実行することによって、前記訓練画像データに対応付けられる対応訓練画像データを生成する対応生成機能を、コンピュータに実現させ、前記対応生成処理は、前記欠陥追加処理を含まずに、前記生成処理に含まれる前記ブラー処理と同じブラー処理を含み、前記対応訓練画像データは、欠陥の無い対応対象物のぼやけた画像を表し、前記対応対象物は、前記訓練画像データによって表される前記対象物と同じ対象物である、
生成プログラム。
前記機械学習モデルは、欠陥を有する対象物のぼやけた画像から、欠陥の無い同じ対象物のぼやけた画像を生成するモデルであり、
前記生成プログラムは、さらに、
前記静止画像データを使用して対応生成処理を実行することによって、前記訓練画像データに対応付けられる対応訓練画像データを生成する対応生成機能を、コンピュータに実現させ、前記対応生成処理は、前記欠陥追加処理を含まずに、前記生成処理に含まれる前記ブラー処理と同じブラー処理を含み、前記対応訓練画像データは、欠陥の無い対応対象物のぼやけた画像を表し、前記対応対象物は、前記訓練画像データによって表される前記対象物と同じ対象物である、
生成プログラム。
【請求項10】
請求項１から３のいずれかに記載の生成プログラムであって、
前記訓練画像データは、前記搬送中の対象物の撮影画像であってモーションブラーを有する前記撮影画像を模した画像を表す、
生成プログラム。
前記訓練画像データは、前記搬送中の対象物の撮影画像であってモーションブラーを有する前記撮影画像を模した画像を表す、
生成プログラム。
【請求項11】
請求項１から３のいずれかに記載の生成プログラムであって、
前記ブラー処理は、前記搬送速度と前記露光時間と前記分解能とのうち前記入力パラメータセットに含まれる前記１以上のパラメータを使用してブラー量を決定する処理を含む、
生成プログラム。
前記ブラー処理は、前記搬送速度と前記露光時間と前記分解能とのうち前記入力パラメータセットに含まれる前記１以上のパラメータを使用してブラー量を決定する処理を含む、
生成プログラム。
【請求項12】
機械学習モデルの訓練データの生成方法であって、
対象物の静止画像データを取得する取得工程と、
前記対象物の搬送時における搬送速度と、搬送中の対象物を撮影するための撮像装置の露光時間と、前記撮像装置の分解能と、から選択される１以上のパラメータを含む入力パラメータセットの入力を受け付ける受付工程と、
前記静止画像データを使用して生成処理を実行することによって訓練画像データを生成する生成工程であって、前記生成処理は、前記入力パラメータセットを使用するブラーの追加処理であるブラー処理を含む、前記生成工程と、
を備える、生成方法
対象物の静止画像データを取得する取得工程と、
前記対象物の搬送時における搬送速度と、搬送中の対象物を撮影するための撮像装置の露光時間と、前記撮像装置の分解能と、から選択される１以上のパラメータを含む入力パラメータセットの入力を受け付ける受付工程と、
前記静止画像データを使用して生成処理を実行することによって訓練画像データを生成する生成工程であって、前記生成処理は、前記入力パラメータセットを使用するブラーの追加処理であるブラー処理を含む、前記生成工程と、
を備える、生成方法
【請求項13】
機械学習モデルの訓練データの生成装置であって、
対象物の静止画像データを取得する取得部と、
前記対象物の搬送時における搬送速度と、搬送中の対象物を撮影するための撮像装置の露光時間と、前記撮像装置の分解能と、から選択される１以上のパラメータを含む入力パラメータセットの入力を受け付ける受付部と、
前記静止画像データを使用して生成処理を実行することによって訓練画像データを生成する生成部であって、前記生成処理は、前記入力パラメータセットを使用するブラーの追加処理であるブラー処理を含む、前記生成部と、
を備える、生成装置
対象物の静止画像データを取得する取得部と、
前記対象物の搬送時における搬送速度と、搬送中の対象物を撮影するための撮像装置の露光時間と、前記撮像装置の分解能と、から選択される１以上のパラメータを含む入力パラメータセットの入力を受け付ける受付部と、
前記静止画像データを使用して生成処理を実行することによって訓練画像データを生成する生成部であって、前記生成処理は、前記入力パラメータセットを使用するブラーの追加処理であるブラー処理を含む、前記生成部と、
を備える、生成装置
【発明の詳細な説明】
【技術分野】
【0001】
本明細書は、訓練画像データを生成する技術に関する。
【背景技術】
【0002】
ラベルシートなどの対象物の外観の検査に、種々の機械学習モデルが使用され得る。特許文献１に開示の技術では、不具合を有するラベルシートを表す画像データから、不具合の無いラベルシートを表す画像データを生成するように、オートエンコーダが訓練される。訓練済のオートエンコーダに、注目ラベルシートを表す画像が入力される。オートエンコーダに入力される画像とオートエンコーダによって生成される画像との間の差分画像は、注目ラベルシートの不具合の度合いの算出に使用される。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２２－１７４５１６号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
ところで、対象物の撮影画像は、種々の原因に起因するブラーを有し得る。例えば、デジタルカメラなどの撮像装置と、対象物と、の間の相対的な動きに起因して、撮影画像にブラーが生じ得る。ところが、機械学習モデルは、ブラーを有する画像を適切に処理できない場合があった。
【0005】
本明細書は、ブラーを有する画像を処理する機械学習モデルの訓練に適する訓練画像を生成する技術を開示する。
【課題を解決するための手段】
【0006】
本明細書に開示された技術は、以下の適用例として実現することが可能である。
【0007】
［適用例１］機械学習モデルの訓練データの生成プログラムであって、対象物の静止画像データを取得する取得機能と、前記対象物の搬送時における搬送速度と、搬送中の対象物を撮影するための撮像装置の露光時間と、前記撮像装置の分解能と、から選択される１以上のパラメータを含む入力パラメータセットの入力を受け付ける受付機能と、前記静止画像データを使用して生成処理を実行することによって訓練画像データを生成する生成機能であって、前記生成処理は、前記入力パラメータセットを使用するブラーの追加処理であるブラー処理を含む、前記生成機能と、をコンピュータに実現させる生成プログラム。
【0008】
この構成によれば、生成処理は、搬送速度と露光時間と分解能とから選択される１以上のパラメータを含む入力パラメータセットを使用するブラーの追加処理であるブラー処理を含むので、搬送速度と露光時間と分解能とから選択される１以上のパラメータに関連するブラーを有する画像を処理する機械学習モデルの訓練に適する訓練画像データを生成できる。
【0009】
なお、本明細書に開示の技術は、種々の態様で実現することが可能であり、例えば、訓練画像データの生成方法および生成装置、それらの方法または装置の機能を実現するためのコンピュータプログラム、そのコンピュータプログラムを記録した記録媒体（例えば、一時的ではない記録媒体）、等の形態で実現することができる。
【図面の簡単な説明】
【0010】
【図1】一実施例としてのデータ処理装置を示す説明図である。
【図2】デジタルカメラ１１０と複合機９００とベルト１９０との斜視図である。
【図3】（Ａ）は、ラベルシートの例を示す概略図である。（Ｂ）は、基準画像Ｉ１０の例を示す概略図である。（Ｃ）、（Ｄ）は、パラメータの例を示す図である。
【図4】画像生成モデル３００の例を示すブロック図である。
【図5】訓練画像データの生成処理の例を示すフローチャートである。
【図6】（Ａ）、（Ｂ）は、ブラーフィルタの例を示す図である。
【図7】（Ａ）－（Ｄ）は、中間画像データの例を示す図である。
【図8】（Ａ）－（Ｄ）は、訓練画像データの例を示す図である。
【図9】訓練処理の例を示すフローチャートである。
【図10】（Ａ）、（Ｂ）は、訓練画像データ生成処理の別の実施例のフローチャートの一部である。
【図11】第２種訓練画像データの例を示す図である。
【図12】訓練画像データ生成処理の別の実施例のフローチャートの一部である。
【図13】（Ａ）、（Ｂ）は、訓練画像データの例を示す図である。
【図14】（Ａ）、（Ｂ）は、搬送方向Ｄｔを取得する処理の別の実施例を示す図である。
【図15】（Ａ）、（Ｂ）は、対象物の別の例を示す図である。
【発明を実施するための形態】
【0011】
Ａ．第１実施例：
Ａ１．装置構成：
図１は、一実施例としてのデータ処理装置を示す説明図である。データ処理装置２００は、例えば、パーソナルコンピュータである。データ処理装置２００は、対象物（例えば、複合機などの製品に設けられたラベルシート）の外観の検査のための種々のデータ処理を行う。以下、複合機９００に設けられたラベルシート８００の外観が検査されることとする。
Ａ１．装置構成：
図１は、一実施例としてのデータ処理装置を示す説明図である。データ処理装置２００は、例えば、パーソナルコンピュータである。データ処理装置２００は、対象物（例えば、複合機などの製品に設けられたラベルシート）の外観の検査のための種々のデータ処理を行う。以下、複合機９００に設けられたラベルシート８００の外観が検査されることとする。
【0012】
データ処理装置２００は、プロセッサ２１０と、記憶装置２１５と、表示部２４０と、操作部２５０と、通信インタフェース２７０と、を備えている。これらの要素は、バスを介して互いに接続されている。記憶装置２１５は、揮発性記憶装置２２０と、不揮発性記憶装置２３０と、を含んでいる。
【0013】
プロセッサ２１０は、データ処理を行うように構成された装置であり、例えば、Central Processing Unit（ＣＰＵ）、または、System on a chip（ＳｏＣ）である。揮発性記憶装置２２０は、例えば、ＤＲＡＭであり、不揮発性記憶装置２３０は、例えば、フラッシュメモリである。不揮発性記憶装置２３０は、生成プログラム２３１と、訓練プログラム２３２と、検査プログラム２３３と、基準画像データＩ１０ｄと、画像生成モデル３００と、のそれぞれのデータを格納している。本実施例では、画像生成モデル３００は、機械学習モデルを形成するプログラムモジュールである。プログラム２３１－２３３と、基準画像データＩ１０ｄと、画像生成モデル３００との詳細については、後述する。
【0014】
表示部２４０は、液晶ディスプレイ、有機ＥＬディスプレイなどの、画像を表示するように構成された装置である。操作部２５０は、ボタン、レバー、表示部２４０上に重ねて配置されたタッチパネルなどの、ユーザによる操作を受け取るように構成された装置である。表示部２４０と操作部２５０とは、いわゆるタッチスクリーンを形成してよい。ユーザは、操作部２５０を操作することによって、種々の要求と指示とをデータ処理装置２００に入力可能である。通信インタフェース２７０は、他の装置と通信するためのインタフェースである（例えば、ＵＳＢインタフェース、有線ＬＡＮインタフェース、IEEE802.11の無線インタフェース）。通信インタフェース２７０には、デジタルカメラ１１０が接続される。デジタルカメラ１１０は、ラベルシート８００の撮影に使用される。
【0015】
図２は、デジタルカメラ１１０と複合機９００とベルト１９０との斜視図である。本実施例では、複合機９００が、ベルトコンベアのベルト１９０によって搬送される。図中には、ベルト１９０の一部が示されている。ベルト１９０は、平らな上面１９１を形成する。本実施例では、上面１９１上に、複合機９００の底面９０９が載せられる。ベルトコンベアは、複合機９００がデジタルカメラ１１０の前を搬送方向Ｄ１９０に移動するように、構成されている。搬送方向Ｄ１９０は、デジタルカメラ１１０の撮影方向Ｄ１１０に交差する方向である（例えば、搬送方向Ｄ１９０は、撮影方向Ｄ１１０におおよそ垂直である）。複合機９００の第１側面９０１には、ラベルシート８００が貼られている。デジタルカメラ１１０は、ラベルシート８００を撮影するように、配置される。
【0016】
Ａ２．ラベルシート：
図３（Ａ）は、ラベルシートの例を示す概略図である。本実施例では、ラベルシート８００は、矩形状のシートである。ラベルシート８００は、種々のオブジェクトを表し得る（例えば、ロゴタイプ、マーク、説明文、等）。
図３（Ａ）は、ラベルシートの例を示す概略図である。本実施例では、ラベルシート８００は、矩形状のシートである。ラベルシート８００は、種々のオブジェクトを表し得る（例えば、ロゴタイプ、マーク、説明文、等）。
【0017】
図３（Ｂ）は、基準画像データＩ１０ｄによって表される基準画像Ｉ１０の例を示す概略図である。基準画像は、欠陥の無い対象物（本実施例では、ラベルシート８００）の画像である。基準画像Ｉ１０は、第１方向Ｄｘに平行な２辺と、第１方向Ｄｘに垂直な第２方向Ｄｙに平行な２辺と、を有する矩形状の画像である。基準画像Ｉ１０内で、ラベルシート８００は、傾かないように、配置されている。すなわち、基準画像Ｉ１０内で、ラベルシート８００の輪郭のうち、上辺８００Ｕと下辺８００Ｄとは、第１方向Ｄｘと平行であり、左辺８００Ｌと右辺８００Ｒとは、第２方向Ｄｙと平行である。
【0018】
本実施例では、ラベルシート８００は、ラベルシート８００の画像をシートに印刷することによって、製造される。基準画像Ｉ１０は、印刷すべきラベルシート８００の画像である対象物画像８００ｉを表している。ラベルシート８００の製造では、対象物画像８００ｉを表す版下データを使用して、対象物画像８００ｉがシート上に印刷される。基準画像データＩ１０ｄとしては、版下データが採用されてよい。本実施例では、基準画像データＩ１０ｄは、画素毎のＲ（赤）、Ｇ（緑）、Ｂ（青）のそれぞれの色成分を表すカラーのビットマップデータである。なお、基準画像データＩ１０ｄのデータ形式は、他の種々の形式であってよい。
【0019】
Ａ３．画像生成モデル３００：
図４は、画像生成モデル３００の例を示すブロック図である。入力画像データＩ１ｄは、画像生成モデル３００に入力される画像データである。生成画像データＩ２ｄは、画像生成モデル３００によって生成される画像データである。画像データＩ１ｄ、Ｉ２ｄは、それぞれ、ビットマップデータである。画像データＩ１ｄ、Ｉ２ｄの画像Ｉ１、Ｉ２は、それぞれ、第１方向Ｄｘに平行な２辺と、第１方向Ｄｘに垂直な第２方向Ｄｙに平行な２辺と、を有する矩形状の画像である。第１方向Ｄｘの画素数と、第２方向Ｄｙの画素数とは、それぞれ、予め決められており、画像データＩ１ｄ、Ｉ２ｄに共通である。画像データＩ１ｄ、Ｉ２ｄは、複数の画素のそれぞれのＲ、Ｇ、Ｂの色値を表している。なお、画像データＩ１ｄ、Ｉ２ｄの画像Ｉ１、Ｉ２の各画素の色は、Ｒ、Ｇ、Ｂの３色成分に限らず、他の任意の色成分で表されてよい（例えば、輝度値）。基準画像データＩ１０ｄ（図３（Ｂ））は、画像データＩ１ｄ、Ｉ２ｄの色成分と同じ色成分を表すことが好ましい。
図４は、画像生成モデル３００の例を示すブロック図である。入力画像データＩ１ｄは、画像生成モデル３００に入力される画像データである。生成画像データＩ２ｄは、画像生成モデル３００によって生成される画像データである。画像データＩ１ｄ、Ｉ２ｄは、それぞれ、ビットマップデータである。画像データＩ１ｄ、Ｉ２ｄの画像Ｉ１、Ｉ２は、それぞれ、第１方向Ｄｘに平行な２辺と、第１方向Ｄｘに垂直な第２方向Ｄｙに平行な２辺と、を有する矩形状の画像である。第１方向Ｄｘの画素数と、第２方向Ｄｙの画素数とは、それぞれ、予め決められており、画像データＩ１ｄ、Ｉ２ｄに共通である。画像データＩ１ｄ、Ｉ２ｄは、複数の画素のそれぞれのＲ、Ｇ、Ｂの色値を表している。なお、画像データＩ１ｄ、Ｉ２ｄの画像Ｉ１、Ｉ２の各画素の色は、Ｒ、Ｇ、Ｂの３色成分に限らず、他の任意の色成分で表されてよい（例えば、輝度値）。基準画像データＩ１０ｄ（図３（Ｂ））は、画像データＩ１ｄ、Ｉ２ｄの色成分と同じ色成分を表すことが好ましい。
【0020】
画像生成モデル３００には、デジタルカメラ１１０（図２）によって撮影されたラベルシート８００の撮影画像を表す画像データが、入力される。入力画像データＩ１ｄの入力画像Ｉ１は、ラベルシート８００の撮影画像である。本実施例では、複合機９００（ひいては、ラベルシート８００）の搬送中に、ラベルシート８００が撮影される。すなわち、デジタルカメラ１１０に対してラベルシート８００が移動する状態で、ラベルシート８００が撮影される。従って、入力画像Ｉ１は、搬送方向に沿ってぼやけたラベルシート８００を表している（このようなぼやけは、モーションブラーとも呼ばれる）。
【0021】
ラベルシート８００は、欠陥を含み得る。図４のラベルシート８００は、欠陥８０１（ここでは、線状の傷）を含んでいる。画像生成モデル３００は、入力画像Ｉ１のデータＩ１ｄから、欠陥８０１の無い同じラベルシート８００を表す生成画像Ｉ２のデータＩ２ｄを生成するように、訓練される。生成画像Ｉ２内のラベルシート８００の位置と大きさとは、入力画像Ｉ１内のラベルシート８００の位置と大きさと、それぞれ同じである。なお、生成画像Ｉ２は、入力画像Ｉ１と同様に、モーションブラーを有している。
【0022】
差分画像Ｉ３は、入力画像Ｉ１と生成画像Ｉ２との間の差分を表している。差分画像Ｉ３の各画素は、２枚の画像Ｉ１、Ｉ２の間の対応する画素の色値の差を示している。差分画像Ｉ３の複数の画素のうち、欠陥８０１に対応する複数の画素は、大きな差を示し得る。残りの複数の画素は、小さな差（例えば、ゼロに近い値）を示し得る。本実施例では、差分画像Ｉ３は、ラベルシート８００の欠陥検査に使用される。
【0023】
画像生成モデル３００は、欠陥を有するラベルシート８００のぼやけた画像から、欠陥の無い同じラベルシート８００のぼやけた画像を生成する種々のモデルであってよい。本実施例では、画像生成モデル３００は、いわゆる変分オートエンコーダ（Variational auto-encoder : VAE）である。画像生成モデル３００は、エンコーダ３０２とデコーダ３０７とを有している。エンコーダ３０２は、入力画像データＩ１ｄに対して次元削減処理を実行して、入力画像Ｉ１の特徴を示す潜在データ３０５を生成する。デコーダ３０７は、潜在データ３０５に対して次元復元処理を実行して、生成画像データＩ２ｄを生成する。エンコーダ３０２とデコーダ３０７とのそれぞれの構成は、種々の構成であってよい。例えば、エンコーダ３０２は、入力画像データＩ１ｄを使用して平均と標準偏差とを算出する１以上の全結合層と、平均と標準偏差とを使用して潜在データ３０５を生成する層と、を有してよい。潜在データ３０５の生成では、いわゆる「Reparameterization trick」によって、ノイズが導入されてよい。そして、デコーダ３０７は、潜在データ３０５を使用して生成画像データＩ２ｄを算出する１以上の全結合層を有してよい。潜在データ３０５の次元数は、画像データＩ１ｄ、Ｉ２ｄの次元数よりも小さい種々の値であってよい。平均と標準偏差は、潜在データ３０５の要素毎に算出されてよい。
【0024】
Ａ４．訓練画像データ生成処理：
図５は、画像生成モデル３００の訓練に使用される訓練画像データの生成処理の例を示すフローチャートである。本実施例では、プロセッサ２１０（図１）は、基準画像データＩ１０ｄ（図３（Ｂ））を使用して、撮影画像に類似する画像（ここでは、図４の入力画像Ｉ１のようにモーションブラーを有する画像）を表す複数の訓練画像データを生成する。本実施例では、プロセッサ２１０は、ラベルシート８００（図２）に対する搬送方向が変更され得ることを考慮し、種々の角度で基準画像Ｉ１０を回転させることによって、複数の訓練画像データを生成する。プロセッサ２１０は、生成プログラム２３１に従って、図５の処理を実行する。
図５は、画像生成モデル３００の訓練に使用される訓練画像データの生成処理の例を示すフローチャートである。本実施例では、プロセッサ２１０（図１）は、基準画像データＩ１０ｄ（図３（Ｂ））を使用して、撮影画像に類似する画像（ここでは、図４の入力画像Ｉ１のようにモーションブラーを有する画像）を表す複数の訓練画像データを生成する。本実施例では、プロセッサ２１０は、ラベルシート８００（図２）に対する搬送方向が変更され得ることを考慮し、種々の角度で基準画像Ｉ１０を回転させることによって、複数の訓練画像データを生成する。プロセッサ２１０は、生成プログラム２３１に従って、図５の処理を実行する。
【0025】
Ｓ１１０では、プロセッサ２１０は、不揮発性記憶装置２３０から基準画像データＩ１０ｄを取得する。図３（Ｂ）に示すように、基準画像データＩ１０ｄは、動かずに静止した状態のラベルシート８００の画像を表している。基準画像Ｉ１０は、ラベルシート８００の静止画像の例である。
【0026】
Ｓ１２０では、プロセッサ２１０は、パラメータセットの入力を受け付ける（入力されるパラメータセットを、入力パラメータセットとも呼ぶ）。パラメータセットは、後述するブラー量の決定に使用される。本実施例では、作業者は、操作部２５０（図１）を操作することによって、パラメータセットを入力する。プロセッサ２１０は、入力されたパラメータセットを、操作部２５０からの情報を参照して取得する。
【0027】
図３（Ｃ）、図３（Ｄ）は、パラメータの例を示す図である。本実施例では、パラメータセットは、搬送速度Ｖと、露光時間ＴＭと、画素分解能ＲＳ（単に、分解能ＲＳとも呼ぶ）と、搬送方向Ｄｔと、を含んでいる。図３（Ｃ）は、パラメータＶ、ＴＭ、ＲＳを示している。搬送速度Ｖは、ラベルシート８００（図２）の撮影時における、デジタルカメラ１１０に対するラベルシート８００の移動速度である（単位は、例えば、ｍｍ／ｓｅｃ）。搬送速度Ｖは、ベルト１９０の移動速度が速いほど、速い。本実施例では、ベルト１９０の移動速度、すなわち、搬送速度Ｖは、一定であることとする。露光時間ＴＭは、ラベルシート８００の撮影のためのデジタルカメラ１１０の露光時間である（単位は、例えば、ｓｅｃ）。露光時間ＴＭは、デジタルカメラ１１０のシャッタースピードが遅いほど、長い。画素分解能ＲＳは、撮影画像の１画素当たりの対象物の長さである（単位は、例えば、ｍｍ／画素）。画素分解能ＲＳは、デジタルカメラ１１０とラベルシート８００との間の距離を短くすることによって、増大し得る。また、画素分解能ＲＳは、デジタルカメラ１１０の画角を増大することによって、増大し得る。
【0028】
これらのパラメータＶ、ＴＭ、ＲＳは、ラベルシート８００の撮影のための条件に従って、決定される。本実施例では、撮影のための条件は、ベルト１９０の移動速度と、デジタルカメラ１１０の動作設定（シャッタースピード、画角、など）と、ラベルシート８００とデジタルカメラ１１０との間の撮影時の距離と、を含んでいる。本実施例では、パラメータＶ、ＴＭ、ＲＳは、予め決められている。作業者は、パラメータＶ、ＴＭ、ＲＳのそれぞれの値を、操作部２５０を介して入力する。
【0029】
図３（Ｄ）は、搬送方向Ｄｔの候補である候補方向Ｄ１０ａ－Ｄ１０ｄを示している。本実施例では、複数の候補方向Ｄ１０ａ－Ｄ１０ｄは、ラベルシート８００の基準線８００ｍに基づいて、決定される。本実施例では、ラベルシート８００のうちの予め選択された部分が、基準線８００ｍとして使用される。ここで、ラベルシート８００の上辺８００Ｕが、基準線８００ｍであることとする。第１候補方向Ｄ１０ａは、ラベルシート８００の中心から基準線８００ｍへ向かう方向である。本実施例では、第１候補方向Ｄ１０ａは、第２方向Ｄｙの反対方向である。以下、第２方向Ｄｙを、＋Ｄｙ方向とも呼び、＋Ｄｙ方向の反対方向を、－Ｄｙ方向とも呼ぶ。他の方向についても、同様である。注目方向の符号の先頭に「＋」を追加した符号は、注目方向と同じ方向を示し、注目方向の符号の先頭に「－」を追加した符号は、注目方向の反対方向を示している。例えば、＋Ｄｘ方向は、第１方向Ｄｘと同じ方向を示し、－Ｄｘ方向は、第１方向Ｄｘの反対方向を示している。
【0030】
他の候補方向Ｄ１０ｂ－Ｄ１０ｄは、第１候補方向Ｄ１０ａを９０度ずつ時計回り方向に回転させることによって、得られる。
【0031】
作業者は、これらの候補方向Ｄ１０ａ－Ｄ１０ｄから１つの候補方向を選択し、選択した候補方向を示す情報を、操作部２５０を介して入力する。プロセッサ２１０は、入力された候補方向を、搬送方向Ｄｔとして使用する。ここで、候補方向Ｄ１０ｂが選択されることとする。
【0032】
なお、ラベルシート８００の撮影のための条件は、変更され得る。パラメータＶ、ＴＭ、ＲＳのそれぞれの値は、撮影のための条件の変更によって、変更され得る。また、搬送方向Ｄｔも、変更され得る。例えば、複合機９００（図２）のうち、ベルト１９０の上面１９１上に載せられる部分は、底面９０９から側面９０８に変更され得る。この場合、搬送方向Ｄｔ（図３（Ｄ））は、第２候補方向Ｄ１０ｂから第３候補方向Ｄ１０ｃへ、変更される。Ｓ１２０（図５）では、作業者は、最新の条件に対応付けられるパラメータＶ、ＴＭ、ＲＳ、Ｄｔを入力する。
【0033】
Ｓ１３０では、プロセッサ２１０は、ラベルシート８００に対するブラー基準方向Ｄｓを決定する。ブラー基準方向Ｄｓは、後述するＳ２００で追加されるモーションブラーの基準方向である。プロセッサ２１０は、ブラー基準方向Ｄｓを、搬送方向Ｄｔの反対方向に決定する。
【0034】
Ｓ１４０では、プロセッサ２１０は、ブラー量を決定する。ブラー量は、後述するＳ２００で追加されるブラーの量である。図６（Ａ）、図６（Ｂ）は、ブラーを追加するためのフィルタ（ブラーフィルタと呼ぶ）の例を示す図である。方向Ｄｂ１は、ブラーの方向である（ブラー方向Ｄｂ１とも呼ぶ）。ブラー方向Ｄｂ１は、ブラー基準方向Ｄｓ（Ｓ１３０（図５））に設定され得る。方向Ｄｂ２は、ブラー方向Ｄｂ１に垂直な方向である（垂直方向Ｄｂ２とも呼ぶ）。
【0035】
本実施例では、図６（Ａ）の第１ブラーフィルタＢＦａが使用される（単に、第１フィルタＢＦａとも呼ぶ）。第１フィルタＢＦａは、注目画素ＰＸｉの色値の決定に使用される複数の画素ＰＸのそれぞれの重みを示している（このようなフィルタは、カーネル、畳込マトリクス、または、マスク、とも呼ばれる）。第１値Ｂ１は、第１フィルタＢＦａのブラー方向Ｄｂ１のサイズである（単位は、画素数）。第２値Ｂ２は、第１フィルタＢＦａの垂直方向Ｄｂ２のサイズである（単位は、画素数）。注目画素ＰＸｉは、第１フィルタＢＦａのうち、－Ｄｂ１方向の端、かつ、垂直方向Ｄｂ２の中心に、位置している。第１フィルタＢＦ１は、注目画素ＰＸｉからブラー方向Ｄｂ１に延びるように、構成されている。
【0036】
注目画素ＰＸｉの色値は、第１フィルタＢＦａによって示される複数の画素ＰＸの複数の色値の重み付き平均値に、設定される（色値の算出は、色成分毎に行われる）。本実施例では、各画素ＰＸの重みは、均等である。これに代えて、画素ＰＸの位置に応じて重みが異なってよい（例えば、注目画素ＰＸｉに近いほど、重みが大きくてよい）。
【0037】
第１フィルタＢＦａの第１値Ｂ１が大きいほど、第１フィルタＢＦａによって追加されるブラー方向Ｄｂ１のブラー量は大きい。第１値Ｂ１は、ブラー方向Ｄｂ１のブラー量を示している（第１値Ｂ１を、第１ブラー量Ｂ１とも呼ぶ）。同様に、第２値Ｂ２が大きいほど、第１フィルタＢＦａによって追加される垂直方向Ｄｂ２のブラー量は大きい。第２値Ｂ２は、垂直方向Ｄｂ２のブラー量を示している（第２値Ｂ２を、第２ブラー量Ｂ２とも呼ぶ）。
【0038】
図３（Ｃ）には、ブラー量Ｂ１、Ｂ２の算出式の例が示されている。プロセッサ２１０は、第１ブラー量Ｂ１を、「Ｖ＊ＴＭ／ＲＳ」に第１係数ｋ１を乗じることによって算出する（「＊」は乗算記号）。「Ｖ＊ＴＭ／ＲＳ」は、ラベルシート８００（図２）が搬送方向Ｄｔに一定の速度で移動する場合の、撮影画像上のラベルシート８００の露光時間ＴＭ内の移動量を示している（単位は、画素数）。「Ｖ＊ＴＭ／ＲＳ」は、理論的なモーションブラーの量を示している。現実には、撮影画像上のラベルシート８００は、理論的なブラー量よりも大きくぼやけ得る。そこで、本実施例では、１以上の第１係数ｋ１を「Ｖ＊ＴＭ／ＲＳ」に乗じることによって、第１ブラー量Ｂ１が算出される。第１係数ｋ１は、第１フィルタＢＦａによって追加されるブラーの量が、現実の撮影画像のモーションブラーの量と同程度であるように、予め実験的に決定される。このように、第１フィルタＢＦａは、ブラー方向Ｄｂ１のモーションブラーを画像に追加するように、構成されている。
【0039】
プロセッサ２１０は、第２ブラー量Ｂ２を、第１ブラー量Ｂ１に第２係数ｋ２を乗じることによって算出する。ラベルシート８００（図２）が搬送方向Ｄｔへ移動する場合、理論的には、垂直方向Ｄｂ２のブラー量はゼロである。現実には、搬送中の複合機９００（ひいては、ラベルシート８００）の振動などにより、撮影画像上のラベルシート８００は、垂直方向Ｄｂ２にぼやけ得る。そこで、本実施例では、ゼロより大きい第２係数ｋ２を第１ブラー量Ｂ１に乗じることによって、第２ブラー量Ｂ２が算出される。通常は、垂直方向Ｄｂ２のブラー量は、ブラー方向Ｄｂ１のブラー量よりも小さい。そこで、第２係数ｋ２は、１未満の値に、設定される。第２係数ｋ２は、第１フィルタＢＦａによるブラーが、現実の撮影画像のブラーと同程度であるように、予め実験的に決定される。
【0040】
なお、本実施例では、ブラー量Ｂ１、Ｂ２は、画素数を示している。プロセッサ２１０は、整数に丸められた値を、ブラー量Ｂ１、Ｂ２として採用してよい。
【0041】
Ｓ１５０－Ｓ１９０（図５）では、プロセッサ２１０は、基準画像データＩ１０ｄを使用して中間画像データを取得し、中間画像データを記憶装置２１５（ここでは、不揮発性記憶装置２３０）に格納する。中間画像データは、第１ブラーフィルタＢＦａによるブラーの追加の対象の画像データである。図７（Ａ）－図７（Ｄ）は、中間画像データの例を示す図である。本実施例では、プロセッサ２１０は、基準画像データＩ１０ｄに、第１角度Ｒによる回転と、第２角度Ｒｆによる回転とを行うことによって、中間画像データを生成する（角度Ｒ、Ｒｆは、時計回り方向の回転角度を示すこととする）。以下、画像を表す符号の末尾に「ｄ」を追加して得られる符号は、その画像を表すデータを示すこととする。例えば、基準画像Ｉ１０は、画像データＩ１０ｄによって表される。
【0042】
第１角度Ｒは、０、９０、１８０、２７０（単位は度）から選択される。図７（Ａ）－図７（Ｄ）は、それぞれ、Ｒ＝０、９０、１８０、２７０に対応している。図２で説明したように、複合機９００のうち、ベルト１９０の上面１９１上に載せられる部分は、底面９０９から他の面（例えば、側面９０８）に変更され得る。この変更によって、ラベルシート８００（図３（Ｄ）））に対する搬送方向Ｄｔは、変化し得る。搬送方向Ｄｔは、例えば、９０度刻みで変化し得る。第１角度Ｒは、このような搬送方向Ｄｔの変化に対応している。
【0043】
第２角度Ｒｆは、搬送方向Ｄｔに対するラベルシート８００の小さい傾きに対応している。第２角度Ｒｆは、９０度よりも小さい角度に設定される。本実施例では、第２角度Ｒｆは、－１０度から＋１０度まで１度刻みで変化する。図７（Ａ）－図７（Ｄ）のそれぞれには、左から順番に、Ｒｆ＝０、正、負の３種類の中間画像の例が示されている。
【0044】
図５のＳ１５０－Ｓ１９０では、プロセッサ２１０は、第１角度Ｒと第２角度Ｒｆとの全ての組み合わせのそれぞれの中間画像データを生成する。最初のＳ１５０では、第１角度Ｒと第２角度Ｒｆとは、ゼロに設定される。プロセッサ２１０は、Ｒ＝Ｒｆ＝０に対応付けられる基準画像データＩ１０ｄ（図７（Ａ））を、中間画像データとして記憶装置２１５に格納する。図７（Ａ）には、方向Ｄｓ、Ｄｓ０が示されている。方向Ｄｓは、Ｓ１３０で決定されるブラー基準方向Ｄｓであり、搬送方向Ｄｔの反対方向である。方向Ｄｓ０は、Ｒ＝Ｒｆ＝０の場合のブラー基準方向Ｄｓを示している（対象方向Ｄｓ０と呼ぶ）。本実施例では、対象方向Ｄｓ０は、－Ｄｘ方向である。
【0045】
Ｓ１６０では、プロセッサ２１０は、第２角度Ｒｆの回転が必要か否かを判断する。現行の第１角度Ｒに対応付けられる未処理の第２角度Ｒｆが残っている場合、判断結果はＹｅｓである。この場合、Ｓ１７０で、プロセッサ２１０は、第２角度Ｒｆを未処理の角度に設定し、基準画像データＩ１０ｄの回転によって中間画像データを生成する（回転の角度は、Ｒ＋Ｒｆ）。図７（Ａ）の画像Ｉ１１、Ｉ１２に示すように、プロセッサ２１０は、Ｒｆ＝０の画像Ｉ１０内において、ラベルシート８００を第２角度Ｒｆ回転させることによって、中間画像Ｉ１１、Ｉ１２のデータＩ１１ｄ、Ｉ１２ｄを生成する。図示するように、ラベルシート８００とともにブラー基準方向Ｄｓも回転する。対象方向Ｄｓ０は、変化しない。
【0046】
Ｓ１７０（図５）の後、Ｓ１５０で、プロセッサ２１０は、生成した中間画像データを不揮発性記憶装置２３０に格納する。プロセッサ２１０は、現行の第１角度Ｒに対応する全ての第２角度Ｒｆが処理されるまで、Ｓ１７０とＳ１５０とを繰り返す。
【0047】
現行の第１角度Ｒに対応する全ての第２角度Ｒｆが処理済である場合（Ｓ１６０：Ｎｏ）、Ｓ１８０で、プロセッサ２１０は、第１角度Ｒの回転が必要か否かを判断する。未処理の第１角度Ｒが残っている場合、判断結果はＹｅｓである。この場合、Ｓ１９０で、プロセッサ２１０は、第１角度Ｒを未処理の角度に設定し、基準画像データＩ１０ｄの回転によって中間画像データを生成する。ここで、第２角度Ｒｆはゼロに設定されることとする。この場合、回転の角度は、Ｒである。
【0048】
図７（Ｂ）－図７（Ｄ）の画像Ｉ２０、Ｉ３０、Ｉ４０は、Ｓ１９０で生成される画像を示している（ここで、Ｒｆ＝０）。図示するように、プロセッサ２１０は、基準画像Ｉ１０の全体を回転することによって、中間画像Ｉ２０、Ｉ３０、Ｉ４０のデータＩ２０ｄ、Ｉ３０ｄ、Ｉ４０ｄを生成する。これに代えて、プロセッサ２１０は、基準画像Ｉ１０内において、ラベルシート８００を回転させることによって、中間画像Ｉ２０、Ｉ３０、Ｉ４０のデータＩ２０ｄ、Ｉ３０ｄ、Ｉ４０ｄを生成してよい。この場合、基準画像Ｉ１０の第１方向Ｄｘの長さと第２方向Ｄｙの長さとは、画像Ｉ１０、Ｉ２０、Ｉ３０、Ｉ４０からラベルシート８００がはみ出ないように、十分に大きい長さに設定されることが好ましい。
【0049】
Ｓ１９０の後、Ｓ１５０で、プロセッサ２１０は、生成した中間画像データを不揮発性記憶装置２３０に格納する。そして、プロセッサ２１０は、Ｓ１７０とＳ１９０とを繰り返すことによって、第１角度Ｒと第２角度Ｒｆとの全ての組み合わせの中間画像データを生成する。図７（Ｂ）の画像Ｉ２１、Ｉ２２は、Ｒｆ＝０の画像Ｉ２０内において、ラベルシート８００を第２角度Ｒｆ回転させることによって、生成される。図７（Ｃ）の画像Ｉ３１、Ｉ３２は、Ｒｆ＝０の画像Ｉ３０内において、ラベルシート８００を第２角度Ｒｆ回転させることによって、生成される。図７（Ｄ）の画像Ｉ４１、Ｉ４２は、Ｒｆ＝０の画像Ｉ４０内において、ラベルシート８００を第２角度Ｒｆ回転させることによって、生成される。
【0050】
第１角度Ｒと第２角度Ｒｆとの全ての組み合わせの中間画像データが生成済である場合（図５：Ｓ１８０：Ｎｏ）、Ｓ２００で、プロセッサ２１０は、複数の中間画像データのそれぞれにブラーを追加することによって、複数の訓練画像データを生成する。
【0051】
図８（Ａ）－図８（Ｄ）は、訓練画像データの例を示す図である。図８（Ａ）－図８（Ｄ）は、それぞれ、図７（Ａ）－図７（Ｄ）に対応している。訓練画像の符号は、対応する中間画像の符号の先頭の文字を「Ｉ」から「Ｔ」に置換して得られる符号である。例えば、訓練画像Ｔ１１（図８（Ａ））は、中間画像Ｉ１１（図７（Ａ））にブラーを追加することによって生成される画像である。
【0052】
本実施例では、プロセッサ２１０は、第１ブラーフィルタＢＦａ（図６（Ａ））を使用して、中間画像にブラーを追加する。プロセッサ２１０は、第１ブラーフィルタＢＦａのブラー方向Ｄｂ１を、対象方向Ｄｓ０（図７（Ａ）－図７（Ｄ））に設定する。これにより、各訓練画像（図８（Ａ）－図８（Ｄ））には、対象方向Ｄｓ０（ここでは、－Ｄｘ方向）のブラーが、追加される。図６（Ａ）で説明したように、追加されるブラーの量は、現実の撮影画像のブラーの量と、同程度である。また、各訓練画像には、ブラー方向Ｄｂ１に垂直な垂直方向Ｄｂ２のブラーも追加される。図６（Ａ）で説明したように、垂直方向Ｄｂ２のブラー量は、ブラー方向Ｄｂ１のブラー量よりも、小さい。
【0053】
図７（Ａ）－図７（Ｄ）で説明したように、ラベルシート８００のブラー基準方向Ｄｓは、対象方向Ｄｓ０を「Ｒ＋Ｒｆ」の角度で回転した方向である。従って、図８（Ａ）－図８（Ｄ）の各訓練画像Ｔ１０－Ｔ１２、Ｔ２０－Ｔ２２、Ｔ３０－Ｔ３２、Ｔ４０－Ｔ４２において、ブラー方向Ｄｂ１は、ラベルシート８００に対するブラー基準方向Ｄｓを「－Ｒ－Ｒｆ」の角度で回転した方向である。
【0054】
このように、Ｓ１５０－Ｓ２００（図５）の処理によって、プロセッサ２１０は、複数の訓練画像データを生成する。Ｓ２１０では、プロセッサ２１０は、生成した複数の訓練画像データを、記憶装置２１５（ここでは、不揮発性記憶装置２３０）に格納する。そして、プロセッサ２１０は、図５の処理を終了する。
【0055】
なお、プロセッサ２１０は、いわゆるデータオーグメンテーションによって、訓練画像データの総数を増大してよい。データオーグメンテーションで使用される処理は、平行移動、拡大、縮小など、種々の処理を含んでよい。
【0056】
Ａ５．画像生成モデル３００の訓練処理：
図９は、画像生成モデル３００（図４）の訓練処理の例を示すフローチャートである。本実施例では、画像生成モデル３００は、訓練画像のデータが画像生成モデル３００に入力される場合に、入力される訓練画像と同じ画像を示す生成画像のデータを生成するように、訓練される。プロセッサ２１０（図１）は、訓練プログラム２３２に従って、図９の処理を実行する。
図９は、画像生成モデル３００（図４）の訓練処理の例を示すフローチャートである。本実施例では、画像生成モデル３００は、訓練画像のデータが画像生成モデル３００に入力される場合に、入力される訓練画像と同じ画像を示す生成画像のデータを生成するように、訓練される。プロセッサ２１０（図１）は、訓練プログラム２３２に従って、図９の処理を実行する。
【0057】
Ｓ３１０では、プロセッサ２１０は、図５の処理で生成された複数の訓練画像データから、複数の訓練画像データで構成されるサブセットを取得する。サブセットとしては、未処理の訓練画像データが選択される。サブセットの訓練画像データの総数は、予め決められている。
【0058】
Ｓ３２０では、プロセッサ２１０は、サブセットの訓練画像データを画像生成モデル３００に入力することによって、生成画像データを生成する。プロセッサ２１０は、画像生成モデル３００の各層の演算パラメータを使用して各層の演算を行うことによって、生成画像データを生成する。生成画像データの生成は、サブセットに含まれる訓練画像データ毎に行われる。
【0059】
なお、訓練画像の幅（第１方向Ｄｘの画素数）は、画像生成モデル３００によって受け付け可能な画像の幅と異なり得る。この場合、プロセッサ２１０は、訓練画像の第１方向Ｄｘの解像度変換処理を実行することによって、訓練画像の幅を画像生成モデル３００に適する幅に変換してよい。訓練画像の高さ（第２方向Ｄｙの画素数）についても、同様である。プロセッサ２１０は、訓練画像の第２方向Ｄｙの解像度変換処理を実行することによって、訓練画像の高さを画像生成モデル３００に適する高さに変換してよい。
【0060】
Ｓ３３０では、プロセッサ２１０は、訓練画像データと生成画像データとを使用して評価値を算出する。評価値の算出は、訓練画像データ毎に行われる。そして、プロセッサ２１０は、サブセットに含まれる複数の訓練画像データから算出される複数の評価値を使用して、損失を算出する。損失は、例えば、複数の評価値の合計値であってよい。
【0061】
評価値の算出方法は、画像生成モデル３００の訓練に適する任意の方法であってよい。本実施例では、画像生成モデル３００は変分オートエンコーダである。この場合、評価値としては、いわゆる変分下限の最大化を可能にする種々の値を採用可能である。例えば、評価値は、再構成誤差と、正則化誤差と、の和であってよい。再構成誤差は、訓練画像と生成画像との間の差を示すパラメータであり、例えば、交差エントロピー誤差である。正則化誤差は、例えば、潜在データ３０５の算出に使用される平均と標準偏差の組み合わせと、標準正規分布と、の間の差を示すパラメータである。正則化誤差は、例えば、計算式「－（１＋ｌｏｇ（ｓ２）－ｍ２－ｓ２）／２」を使用して算出されてよい（ｍは平均であり、ｓは標準偏差である）。この計算式は、潜在データ３０５の１個の要素の誤差を示している。正則化誤差は、潜在データ３０５の各要素の誤差の和であってよい。
【0062】
Ｓ３４０では、プロセッサ２１０は、損失が小さくなるように、画像生成モデル３００の複数の演算パラメータを調整する。複数の演算パラメータを調整するためのアルゴリズムとしては、例えば、誤差逆伝播法と勾配降下法とを使用したアルゴリズムが採用されてよい。ここで、いわゆるＡｄａｍの最適化が行われてよい。
【0063】
Ｓ３５０では、プロセッサ２１０は、訓練終了条件が満たされるか否かを判断する。訓練終了条件は、画像生成モデル３００が適切に訓練されたことを示す任意の条件であってよい。本実施例では、訓練終了条件は、作業者からの終了指示が入力されることである。プロセッサ２１０は、複数の訓練画像データから訓練に使用されていない所定数の訓練画像データをランダムに取得する。プロセッサ２１０は、取得した複数の訓練画像データのそれぞれを画像生成モデル３００に入力し、複数の生成画像データを取得する。プロセッサ２１０は、訓練画像と生成画像との複数のペアを、表示部２４０に表示する。作業者は、表示部２４０を観察して、生成画像が訓練画像を適切に表しているか否かを確認する。作業者は、確認結果に応じて、操作部２５０を操作して、訓練の終了指示、または、継続指示を入力する。
【0064】
なお、訓練の終了条件は、他の条件であってよい。例えば、終了条件は、訓練に使用されていない所定数の訓練画像データを使用して算出される損失が、所定の損失閾値以下であることであってよい。
【0065】
訓練が終了していないと判断される場合（Ｓ３５０：Ｎｏ）、プロセッサ２１０は、Ｓ３１０へ移行し、新たなサブセットの処理を実行する。訓練が終了したと判断される場合（Ｓ３５０：Ｙｅｓ）、Ｓ３６０で、プロセッサ２１０は、訓練済の画像生成モデル３００のデータを、記憶装置２１５（ここでは、不揮発性記憶装置２３０）に格納する。そして、プロセッサ２１０は、図９の処理を終了する。
【0066】
このように、画像生成モデル３００は、不具合の無いラベルシート８００の画像を表す訓練画像データを使用して、同じラベルシート８００、すなわち、不具合の無いラベルシート８００の画像を表す生成画像データを生成するように、訓練される。画像生成モデル３００に入力される画像のラベルシート８００が不具合を有する場合、画像生成モデル３００は、その不具合を示す部分画像から不具合のない部分画像を再構成し、不具合の無いラベルシート８００の画像を表す生成画像データを生成する。
【0067】
本実施例では、図５のＳ２００、図８（Ａ）－図８（Ｄ）で説明したように、複数の訓練画像のそれぞれは、現実の撮影画像のブラーと同様のブラーを有している。訓練済の画像生成モデル３００に現実の撮影画像が入力される場合、画像生成モデル３００は、入力された撮影画像と同様のブラーを有する生成画像を生成できる。
【0068】
Ａ６．検査処理：
訓練済の画像生成モデル３００（図１）は、ラベルシート８００の外観の検査に使用される。プロセッサ２１０は、検査プログラム２３３に従って、検査処理を実行する。検査処理は、ラベルシート８００の外観を検査する種々の処理であってよい。例えば、プロセッサ２１０は、デジタルカメラ１１０（図２）から、ラベルシート８００の撮影画像のデータを取得する。ここで、プロセッサ２１０は、撮影画像の第１方向Ｄｘの解像度変換処理を実行することによって、撮影画像の幅を画像生成モデル３００に適する幅に変換してよい。また、プロセッサ２１０は、撮影画像の第２方向Ｄｙの解像度変換処理を実行することによって、撮影画像の高さを画像生成モデル３００に適する高さに変換してよい。プロセッサ２１０は、画像生成モデル３００（図４）の演算を撮影画像のデータを使用して実行することによって、生成画像データを生成する。プロセッサ２１０は、撮影画像と生成画像との間の差分を表す差分画像のデータを生成する。プロセッサ２１０は、差分画像を使用して、ラベルシート８００が欠陥を有するか否かを判断する。ラベルシート８００が欠陥を有すると判断するための判断条件は、種々の条件であってよい。判断条件は、例えば、所定の第１閾値よりも大きい差分を示す画素を差分画像が含むこと、であってよい。また、判断条件は、所定の第２閾値よりも大きい差分を示す画素の総数が第３閾値よりも多いことであってよい。
訓練済の画像生成モデル３００（図１）は、ラベルシート８００の外観の検査に使用される。プロセッサ２１０は、検査プログラム２３３に従って、検査処理を実行する。検査処理は、ラベルシート８００の外観を検査する種々の処理であってよい。例えば、プロセッサ２１０は、デジタルカメラ１１０（図２）から、ラベルシート８００の撮影画像のデータを取得する。ここで、プロセッサ２１０は、撮影画像の第１方向Ｄｘの解像度変換処理を実行することによって、撮影画像の幅を画像生成モデル３００に適する幅に変換してよい。また、プロセッサ２１０は、撮影画像の第２方向Ｄｙの解像度変換処理を実行することによって、撮影画像の高さを画像生成モデル３００に適する高さに変換してよい。プロセッサ２１０は、画像生成モデル３００（図４）の演算を撮影画像のデータを使用して実行することによって、生成画像データを生成する。プロセッサ２１０は、撮影画像と生成画像との間の差分を表す差分画像のデータを生成する。プロセッサ２１０は、差分画像を使用して、ラベルシート８００が欠陥を有するか否かを判断する。ラベルシート８００が欠陥を有すると判断するための判断条件は、種々の条件であってよい。判断条件は、例えば、所定の第１閾値よりも大きい差分を示す画素を差分画像が含むこと、であってよい。また、判断条件は、所定の第２閾値よりも大きい差分を示す画素の総数が第３閾値よりも多いことであってよい。
【0069】
いずれの場合も、上述したように、画像生成モデル３００は、ブラーを有する撮影画像から、同様のブラーを有する生成画像を生成する。従って、プロセッサ２１０は、欠陥の有無を、適切に判断できる。
【0070】
以上のように、本実施例では、プロセッサ２１０（図１）は、生成プログラム２３１に従って、以下の処理を実行する。Ｓ１１０（図５）では、プロセッサ２１０は、対象物の例であるラベルシート８００の基準画像データＩ１０ｄを取得する。取得される基準画像データＩ１０ｄ（図３（Ｂ））は、静止した状態のラベルシート８００を表している。基準画像データＩ１０ｄは、ラベルシート８００の静止画像を表す静止画像データの例である。
【0071】
Ｓ１２０（図５）では、プロセッサ２１０は、パラメータセットの入力を受け付ける。本実施例では、プロセッサ２１０は、操作部２５０からの情報を参照して、パラメータセットを表すデータを取得する。Ｓ１２０で説明したように、本実施例では、パラメータセットは、ラベルシート８００の搬送時における搬送速度Ｖと、搬送中のラベルシート８００を撮影するためのデジタルカメラ１１０の露光時間ＴＭと、デジタルカメラ１１０の分解能ＲＳと、を含んでいる。
【0072】
Ｓ１２０（図５）の後、プロセッサ２１０は、基準画像データＩ１０ｄを使用して生成処理ＳＧを実行することによって訓練画像データを生成する。Ｒ＝Ｒｆ＝０に対応するＳ１３０－Ｓ２００の処理は、生成処理ＳＧの例である。本実施例では、生成処理ＳＧは、ブラー処理ＳＢを含んでいる。ブラー処理ＳＢは、Ｓ１３０、Ｓ１４０、Ｓ２００を含んでいる。
【0073】
図４で説明したように、画像生成モデル３００は、ラベルシート８００の撮影画像を処理する。図３（Ｃ）、図４で説明したように、撮影画像は、搬送速度Ｖと露光時間ＴＭと分解能ＲＳとに関連するブラーを有している。Ｓ２００（図５）では、プロセッサ２１０は、搬送速度Ｖと露光時間ＴＭと分解能ＲＳとを含むパラメータセットを使用するブラーの追加処理を実行する。このように、訓練画像データの生成のためのブラー処理ＳＢでは、画像生成モデル３００によって処理される撮影画像に含まれるブラーに関連するパラメータＶ、ＴＭ、ＲＳを含むパラメータセットが使用される。従って、プロセッサ２１０は、画像生成モデル３００の訓練に適する訓練画像データを生成できる。
【0074】
また、本実施例では、図５のＳ１２０で説明したように、パラメータセットは、ラベルシート８００に対する搬送方向Ｄｔを含んでいる。図５の生成処理ＳＧのためのＳ２００は、Ｒ＝Ｒｆ＝０に対応付けられる画像Ｉ１０（図７（Ａ））にブラーを追加する処理を含んでいる。図８（Ａ）の訓練画像Ｔ１０に示されるように、このブラーの追加処理は、ラベルシート８００に対する搬送方向Ｄｔに平行なブラー基準方向Ｄｓのブラーの追加処理である。この追加処理によって追加されるブラーは、搬送方向Ｄｔに移動するラベルシート８００を表す撮影画像に含まれるモーションブラーを、適切に表すことができる。このように、プロセッサ２１０は、このようなモーションブラーを有する撮影画像を処理する画像生成モデル３００の訓練に適する訓練画像データを生成できる。
【0075】
また、本実施例では、Ｓ２００（図５）の処理は、Ｒ＝９０、１８０、２７０に対応付けられる画像Ｉ２０、Ｉ３０、Ｉ４０（図７（Ｂ）－図７（Ｄ））にブラーを追加する処理を含んでいる。対応する訓練画像Ｔ２０、Ｔ３０、Ｔ４０（図８（Ｂ）－図８（Ｄ））に示されるように、これらのブラーの追加処理では、ブラー方向Ｄｂ１は、ブラー基準方向Ｄｓを、反時計回りに、９０、１８０、２７０度のいずれかの角度で回転して得られる方向である。
【0076】
このように、Ｓ１２０（図５）の後、プロセッサ２１０は、基準画像データＩ１０ｄを使用して第１追加生成処理ＳＧ１ａを実行することによって、追加の訓練画像データＴ２０ｄ、Ｔ３０ｄ、Ｔ４０ｄを生成する。Ｒ＝９０、１８０、２７０とＲｆ＝０とに対応するＳ１３０－Ｓ２００の処理は、第１追加生成処理ＳＧ１ａの例である。第１追加生成処理ＳＧ１ａは、Ｓ１９０とＳ２００とを含んでいる。第１追加生成処理ＳＧ１ａのためのＳ２００は、ブラー基準方向Ｄｓを９０度、１８０度、２７０度のいずれかの角度で回転して得られる３個のブラー方向Ｄｂ１の３個のブラー追加処理を含んでいる（図８（Ｂ）－図８（Ｄ））。そして、Ｓ２００では、プロセッサ２１０は、ブラー基準方向Ｄｓに対する３個のブラー方向Ｄｂ１にそれぞれ対応付けられる３種類の追加の訓練画像データＴ２０ｄ、Ｔ３０ｄ、Ｔ４０ｄを生成する。図２で説明したように、ラベルシート８００の撮影時において、ラベルシート８００を有する複合機９００の向きは、変更され得る。追加の訓練画像データＴ２０ｄ、Ｔ３０ｄ、Ｔ４０ｄは、機械学習モデル（例えば、画像生成モデル３００）の訓練であって、このような変更に対応するための訓練に使用可能である。
【0077】
また、本実施例では、図６（Ａ）に示すように、第１ブラーフィルタＢＦａは、ブラー方向Ｄｂ１のブラーに加えて、垂直方向Ｄｂ２のブラーを画像に追加する。すなわち、第１ブラーフィルタＢＦａを使用するブラーの追加処理は、ブラー方向Ｄｂ１のブラーの追加処理と、垂直方向Ｄｂ２のブラーの追加処理と、を含んでいる。そして、ブラー方向Ｄｂ１のブラー量Ｂ１は、垂直方向Ｄｂ２のブラー量Ｂ２よりも大きい。例えば、Ｒ＝Ｒｆ＝０に対応付けられる画像Ｉ１０（図７（Ａ））にブラーを追加する処理は、ブラー基準方向Ｄｓ（図８（Ａ））に垂直な方向のブラーの追加処理を含んでいる。そして、ブラー基準方向Ｄｓのブラー量Ｂ１は、垂直な方向のブラー量Ｂ２よりも大きい。現実には、撮影画像上のラベルシート８００は、搬送方向Ｄｔに垂直な方向に、ぼやけ得る（ただし、垂直な方向のブラー量は、搬送方向Ｄｔに平行な方向のブラー量よりも、小さい）。本実施例では、プロセッサ２１０は、このような撮影画像のブラーと類似するブラーを有する訓練画像（例えば、訓練画像Ｔ１０）のデータを、生成できる。
【0078】
また、本実施例では、Ｓ２００（図５）の処理は、－１０度から＋１０度までの範囲の複数の第２角度Ｒｆに対応付けられる複数の画像（例えば、画像Ｉ１１、Ｉ１２（図７（Ａ）））にブラーを追加する処理を含んでいる。対応する訓練画像（例えば、訓練画像Ｔ１１、Ｔ１２（図８（Ａ）））に示されるように、これらのブラーの追加処理では、ブラー方向Ｄｂ１としては、ブラー基準方向Ｄｓとの第２角度Ｒｆの差違を有するＭ個（本実施例では、Ｍ＝２０）の方向が使用される。
【0079】
このように、Ｓ１２０（図５）の後、プロセッサ２１０は、基準画像データＩ１０ｄを使用して第２追加生成処理ＳＧ２ａを実行することによって、追加の訓練画像データ（例えば、訓練画像データＴ１１ｄ、Ｔ１２ｄ（図８（Ａ）））を生成する。ゼロとは異なる第２角度ＲｆとＲ＝０とに対応するＳ１３０－Ｓ２００の処理は、第２追加生成処理ＳＧ２ａの例である。第２追加生成処理ＳＧ２ａは、Ｓ１７０とＳ２００とを含んでいる。第２追加生成処理ＳＧ２ａのためのＳ２００は、ブラー基準方向Ｄｓとの９０度未満の差違（ここでは、第２角度Ｒｆ）を有するＭ個のブラー方向Ｄｂ１のＭ個のブラー追加処理を含んでいる。本実施例では、Ｍ個のブラー方向Ｄｂ１は、－１０度から＋１０度までの２０個の差違（ゼロ度を除く）に対応する２０個の方向である。そして、Ｓ２００では、プロセッサ２１０は、Ｍ個のブラー方向Ｄｂ１に対応付けられるＭ種類の追加の訓練画像データ（例えば、訓練画像データＴ１１ｄ、Ｔ１２ｄ）をそれぞれ生成する。複合機９００（図２）に対するラベルシート８００の向きは、誤差を含み得る。また、ベルト１９０の移動方向に対する複合機９００の向き（すなわち、ラベルシート８００の向き）は、誤差を含み得る。すなわち、撮影画像中のブラーの方向は、ラベルシート８００に対する搬送方向Ｄｔに平行な方向からズレ得る。追加の訓練画像データ（例えば、訓練画像データＴ１１ｄ、Ｔ１２ｄ）は、機械学習モデル（例えば、画像生成モデル３００）の訓練であって、ブラー方向のこのようなズレに対応するための訓練に使用可能である。
【0080】
なお、ブラー方向のこのようなズレの大きさは、通常は、９０度未満である。第２角度Ｒｆの大きさは、９０度未満の種々の値であってよい。例えば、複数の第２角度Ｒｆは、－２０度から＋２０度までの４度刻みで設定されてよい。いずれの場合も、複数の第２角度Ｒｆは、時計回り方向と反時計回り方向とに対称に設定されることが好ましい。
【0081】
また、本実施例では、図４、図８（Ａ）－図８（Ｄ）等で説明したように、訓練画像データによって表される訓練画像は、ラベルシート８００を表すとともに、撮影画像のモーションブラーと類似するモーションブラーを有している。すなわち、訓練画像データは、搬送中のラベルシート８００の撮影画像であってモーションブラーを有する撮影画像を模した画像を表している。このような訓練画像データを使用して機械学習モデル（例えば、画像生成モデル３００）が訓練される場合、訓練済の機械学習モデルは、モーションブラーを有する撮影画像を適切に処理することができる。従って、機械学習モデルに入力される画像のブラーを低減する処理（ブレ補正とも呼ばれる）は、省略可能である。
【0082】
また、本実施例では、ブラー処理ＳＢ（図５）は、Ｓ１４０を含んでいる。Ｓ１４０では、プロセッサ２１０は、パラメータセットに含まれる搬送速度Ｖと露光時間ＴＭと分解能ＲＳとを使用してブラー量Ｂ１を決定する。このように、ブラー処理ＳＢは、搬送速度Ｖと露光時間ＴＭと分解能ＲＳとのうちパラメータセットに含まれる１以上のパラメータを使用してブラー量を決定する処理を含んでいる。この構成によれば、プロセッサ２１０は、パラメータセットを使用して、適切なブラー量Ｂ１を決定できる。
【0083】
Ｂ．第２実施例：
図１０（Ａ）、図１０（Ｂ）は、訓練画像データ生成処理の別の実施例のフローチャートの一部である。図１０（Ａ）には、図５のＳ１５０とＳ１６０との間に挿入されるＳ１５２、Ｓ１５４が示されている。図１０（Ｂ）には、図５のＳ２１０に代えて実行されるＳ２１０ｂが示されている。本実施例の訓練画像データ生成処理は、Ｓ１５２、Ｓ１５４の追加と、Ｓ２１０からＳ２１０ｂへの変更とを、図５の訓練画像データ生成処理に対して行って得られる処理と同じである。本実施例では、プロセッサ２１０は、欠陥の無いラベルシート８００を表す複数の第１種訓練画像データと、欠陥を有するラベルシート８００を表す複数の第２種訓練画像データとを、生成する。第１種訓練画像データは、図５の実施例で生成される訓練画像データ（図８（Ａ）－図８（Ｄ））と同じである。
図１０（Ａ）、図１０（Ｂ）は、訓練画像データ生成処理の別の実施例のフローチャートの一部である。図１０（Ａ）には、図５のＳ１５０とＳ１６０との間に挿入されるＳ１５２、Ｓ１５４が示されている。図１０（Ｂ）には、図５のＳ２１０に代えて実行されるＳ２１０ｂが示されている。本実施例の訓練画像データ生成処理は、Ｓ１５２、Ｓ１５４の追加と、Ｓ２１０からＳ２１０ｂへの変更とを、図５の訓練画像データ生成処理に対して行って得られる処理と同じである。本実施例では、プロセッサ２１０は、欠陥の無いラベルシート８００を表す複数の第１種訓練画像データと、欠陥を有するラベルシート８００を表す複数の第２種訓練画像データとを、生成する。第１種訓練画像データは、図５の実施例で生成される訓練画像データ（図８（Ａ）－図８（Ｄ））と同じである。
【0084】
Ｓ１５０（図１０（Ａ））は、図５のＳ１５０と同じである。Ｓ１５０では、プロセッサ２１０は、中間画像データを不揮発性記憶装置２３０に格納する。この中間画像データは、図７（Ａ）－図７（Ｄ）に示すように、欠陥の無いラベルシート８００を表している（第１種中間画像データと呼ぶ）。
【0085】
Ｓ１５２では、プロセッサ２１０は、第１種中間画像データのラベルシート８００の画像の一部分に、欠陥の画像を追加することによって、第２種中間画像データを生成する。図１０（Ａ）のＳ１５２を示すボックス内には、欠陥の画像の例が示されている。第１欠陥画像Ｉ９１は、線状の傷を表している。第２欠陥画像Ｉ９２は、汚れを表している。本実施例では、互いに異なる欠陥を表す複数の欠陥画像のデータが、予め準備される。
【0086】
Ｓ１５２では、プロセッサ２１０は、以下の処理を実行する。プロセッサ２１０は、使用可能な複数の欠陥画像から、欠陥画像をランダムに選択する。プロセッサ２１０は、Ｓ１５０で不揮発性記憶装置２３０に格納される第１種中間画像データのラベルシート８００の画像内から、位置をランダムに決定する。そして、プロセッサ２１０は、決定した位置に、選択した欠陥画像を追加することによって、第２種中間画像データを生成する。
【0087】
Ｓ１５４では、プロセッサ２１０は、Ｓ１５２で生成した第２種中間画像データを、第２種中間画像データの生成のために参照した第１種中間画像データと対応付けて、不揮発性記憶装置２３０に格納する。互いに対応付けられる第１種中間画像と第２種中間画像との間の差違は、第２種中間画像に欠陥画像が追加されている点だけである。Ｓ１５４の後、プロセッサ２１０は、Ｓ１６０へ移行する。プロセッサ２１０は、Ｓ１５０－Ｓ１５４の処理を繰り返すことによって、第１種中間画像と第２種中間画像との複数のペアを生成する。
【0088】
図１０（Ｂ）に示すように、Ｓ１８０の判断結果がＮｏである場合（すなわち、角度Ｒ、Ｒｆの全ての組み合わせの処理が完了する場合）、Ｓ２００で、プロセッサ２１０は、複数の中間画像データのそれぞれにブラーを追加することによって、複数の訓練画像データを生成する。第１種中間画像データから生成される第１種訓練画像データは、図８（Ａ）－図８（Ｄ）で説明した訓練画像データと同じである。
【0089】
図１１は、第２種中間画像データから生成される第２種訓練画像データの例を示す図である。図１１には、図８（Ａ）の第１種訓練画像Ｔ１０、Ｔ１１、Ｔ１２にそれぞれ対応する第２種訓練画像Ｕ１０、Ｕ１１、Ｕ１２が表されている。第２種訓練画像の符号は、対応する第１種訓練画像の符号の先頭の文字を「Ｔ」から「Ｕ」に置換して得られる符号である。例えば、第２種訓練画像Ｕ１１（図１１）は、第１種訓練画像Ｔ１１（図８（Ａ））に対応している。
【0090】
互いに対応付けられる第１種訓練画像と第２種訓練画像との間の差違は、第２種訓練画像が欠陥画像を有する点である（画像内のラベルシート８００の位置と大きさとは、互いに対応付けられる第１種訓練画像と第２種訓練画像とに共通である）。例えば、第１種訓練画像Ｔ１０（図８（Ａ））と第２種訓練画像Ｕ１０（図１１）との間の差違は、第２種訓練画像Ｕ１０が欠陥画像Ｉ９１０を有している点である。第１種訓練画像と第２種訓練画像との他のペアについても、同様である（図１１の第２種訓練画像Ｕ１１、Ｕ１２は、欠陥画像Ｉ９１１、Ｉ９１２をそれぞれ有している）。Ｓ２００（図１０（Ｂ））では、プロセッサ２１０は、第１種中間画像データと第２種中間画像データとの複数のペアから、第１種訓練画像データと第２種訓練画像データとの複数のペアを生成する。
【0091】
Ｓ２１０ｂ（図１０（Ｂ））では、プロセッサ２１０は、第１種訓練画像データと第２種訓練画像データとを対応付けて、不揮発性記憶装置２３０に格納する。例えば、プロセッサ２１０は、第１種訓練画像データと第２種訓練画像データとの複数のペアのそれぞれを表すデータを、不揮発性記憶装置２３０に格納する。そして、プロセッサ２１０は、訓練画像データ生成処理を終了する。：
【0092】
第１種訓練画像と第２種訓練画像とのペア（訓練画像ペアと呼ぶ）は、種々の機械学習モデルの訓練に使用可能である。複数の訓練画像ペアは、例えば、画像生成モデル３００（図４）の訓練に使用されてよい。ここで、図９の訓練処理は、以下のように変更されてよい。Ｓ３２０－Ｓ３３０では、以下の２種類の損失が算出されてよい。
（１）第１種損失：欠陥の無い第１種訓練画像データを画像生成モデル３００に入力することによって得られる生成画像データと、画像生成モデル３００に入力される第１種訓練画像データと、を使用して算出される損失
（２）第２種損失：欠陥を有する第２種訓練画像データを画像生成モデル３００に入力することによって得られる生成画像データと、画像生成モデル３００に入力される第２種訓練画像データに対応付けられる第１種訓練画像データと、を使用して算出される損失
（１）第１種損失：欠陥の無い第１種訓練画像データを画像生成モデル３００に入力することによって得られる生成画像データと、画像生成モデル３００に入力される第１種訓練画像データと、を使用して算出される損失
（２）第２種損失：欠陥を有する第２種訓練画像データを画像生成モデル３００に入力することによって得られる生成画像データと、画像生成モデル３００に入力される第２種訓練画像データに対応付けられる第１種訓練画像データと、を使用して算出される損失
【0093】
第１種損失は、図９の実施例の損失と同じである。第１種損失により、欠陥の無いラベルシート８００の画像から、欠陥の無いラベルシート８００の画像を生成するように、画像生成モデル３００は訓練される。
【0094】
第２種損失は、撮影画像中のラベルシート８００が欠陥を有する場合のための損失である。第２種損失により、欠陥を有するラベルシート８００の画像から、欠陥の無いラベルシート８００の画像を生成するように、画像生成モデル３００が訓練される。
【0095】
画像生成モデル３００（図４）が、第１種損失に加えて第２種損失を使用して訓練される場合、訓練済の画像生成モデル３００は、欠陥を有するラベルシート８００の撮影画像（例えば、入力画像Ｉ１）から、欠陥の無いラベルシート８００の画像（例えば、生成画像Ｉ２）を、適切に生成できる。従って、画像生成モデル３００を使用する検査処理において、誤判断の可能性を低減できる。
【0096】
以上のように、本実施例では、画像生成モデル３００は、ラベルシート８００の欠陥検査に使用される。プロセッサ２１０は、基準画像データＩ１０ｄを使用して生成処理ＳＧｂ（図１０（Ａ）、図１０（Ｂ））を実行することによって訓練画像データを生成する。Ｒ＝Ｒｆ＝０に対応する第２種訓練画像データを生成するためのＳ１３０－Ｓ２００（図５、図１０（Ａ）、図１０（Ｂ））の処理は、生成処理ＳＧｂの例である。生成処理ＳＧｂは、Ｓ１５２（図１０（Ａ））と、ブラー処理ＳＢｂと、を含んでいる。ブラー処理ＳＢｂは、Ｓ１３０、Ｓ１４０（図５）、Ｓ２００（図１０（Ｂ））を含んでいる。
【0097】
Ｓ１５２では、プロセッサ２１０は、ラベルシート８００の画像の一部分に欠陥の画像を追加する。ブラー処理ＳＢｂのためのＳ２００（図１０（Ｂ））は、Ｓ１５２によって欠陥の画像が追加された第２種中間画像に対してブラーを追加する処理を含んでいる。これにより、プロセッサ２１０は、欠陥を有するラベルシート８００のぼやけた画像を表す第２種訓練画像データを生成する。第２種訓練画像データは、欠陥を有するラベルシート８００のぼやけた撮影画像と類似する画像を表している。第２種訓練画像データは、そのような撮影画像を処理する種々の機械学習モデル（例えば、画像生成モデル３００）の訓練に、使用可能である。
【0098】
また、本実施例では、画像生成モデル３００は、図４で説明したように、欠陥を有するラベルシート８００のぼやけた画像から、欠陥の無い同じラベルシート８００のぼやけた画像を生成するモデルである。Ｓ２００（図１０（Ｂ））の処理は、欠陥の無い第１種中間画像データにブラーを追加する処理を含んでいる。このように、プロセッサ２１０は、基準画像データＩ１０ｄを使用して対応生成処理ＳＧ３ｂ（図１０（Ｂ））を実行することによって、欠陥を表す第２種訓練画像データに対応付けられる第１種訓練画像データ（対応訓練画像データとも呼ぶ）を生成する。Ｒ＝Ｒｆ＝０に対応する第１種訓練画像データを生成するためのＳ１３０－Ｓ２００（図５、図１０（Ａ）、図１０（Ｂ））の処理は、対応生成処理ＳＧ３ｂの例である。対応生成処理ＳＧ３ｂは、欠陥を追加するＳ１５２（図１０（Ａ））を含まずに、Ｓ２００を含んでいる。対応生成処理ＳＧ３ｂのためのＳ２００は、生成処理ＳＧｂに含まれるブラー処理ＳＢｂ（すなわち、第２種訓練画像データの生成のためのブラー処理）と同じブラー処理を含んでいる。対応訓練画像データ（すなわち、第１種訓練画像データ）は、図８（Ａ）－図８（Ｄ）に示すように、欠陥の無いラベルシート８００のぼやけた画像を表している。そして、対応訓練画像データによって表されるラベルシート８００（例えば、図８（Ａ）の訓練画像Ｔ１０－Ｔ１２のラベルシート８００）は、対応する第２種訓練画像データによって表されるラベルシート８００（例えば、図１１の第２種訓練画像Ｕ１０－Ｕ１２のラベルシート８００）と同じラベルシート８００である。欠陥を有するラベルシート８００を表す第２種訓練画像データと、欠陥の無いラベルシート８００を表す対応訓練画像データと、のペアは、欠陥を有するラベルシート８００のぼやけた画像から、欠陥の無い同じラベルシート８００のぼやけた画像を生成する機械学習モデル（例えば、画像生成モデル３００）の訓練に、使用可能である。例えば、図９を参照して説明したように、欠陥を表す第２種訓練画像から、欠陥の無い対応訓練画像を生成するように、機械学習モデルは訓練されてよい。
【0099】
【0100】
Ｃ．第３実施例：
図１２は、訓練画像データ生成処理の別の実施例のフローチャートの一部である。図５の実施例との差違は、角度Ｒ、Ｒｆによって、ラベルシート８００の画像に代えて、ブラー方向Ｄｂ１が回転する点だけである。図１２には、Ｓ１４０の後のステップＳ１５０ｃ－Ｓ２１０が示されている。図示を省略するが、Ｓ１４０から前の処理は、図５のＳ１１０－Ｓ１４０と同じである。
図１２は、訓練画像データ生成処理の別の実施例のフローチャートの一部である。図５の実施例との差違は、角度Ｒ、Ｒｆによって、ラベルシート８００の画像に代えて、ブラー方向Ｄｂ１が回転する点だけである。図１２には、Ｓ１４０の後のステップＳ１５０ｃ－Ｓ２１０が示されている。図示を省略するが、Ｓ１４０から前の処理は、図５のＳ１１０－Ｓ１４０と同じである。
【0101】
図１３（Ａ）、図１３（Ｂ）は、訓練画像データの例を示す図である。本実施例では、第１角度Ｒと第２角度Ｒｆとに従って、ブラー方向Ｄｂ１が回転する（角度Ｒ、Ｒｆは、時計回り方向の回転角度を示すこととする）。第１角度Ｒは、ブラー基準方向Ｄｓからの回転の角度を示している。図５の実施例と同様に、第１角度Ｒは、０、９０、１８０、２７０（単位は度）から選択される。図１３（Ａ）、図１３（Ｂ）は、それぞれ、Ｒ＝０、９０に対応している（Ｒ＝１８０、２７０の場合の図示は、省略）。第２角度Ｒｆは、－１０度から＋１０度まで１度刻みで変化する。図１３（Ａ）、図１３（Ｂ）のそれぞれには、左から順番に、Ｒｆ＝０、正、負の３種類の訓練画像の例が示されている。
【0102】
Ｓ１５０ｃ（図１２）では、プロセッサ２１０は、現行のブラー方向Ｄｂ１を示すデータを、記憶装置２１５（例えば、不揮発性記憶装置２３０）に格納する。ブラー方向Ｄｂ１を示すデータは、例えば、「Ｒ＋Ｒｆ」を表すデータであってよい。最初のＳ１５０ｃでは、Ｒ＝Ｒｆ＝ゼロであることとする。
【0103】
Ｓ１６０は、図５のＳ１６０と同じである。未処理の第２角度Ｒｆが残っている場合（Ｓ１６０：Ｙｅｓ）、Ｓ１７０ｃで、プロセッサ２１０は、第２角度Ｒｆを未処理の角度に設定し、新たなブラー方向Ｄｂ１の角度を「Ｒ＋Ｒｆ」に設定する。Ｓ１７０ｃの後、Ｓ１５０で、プロセッサ２１０は、新たなブラー方向Ｄｂ１を示すデータを、不揮発性記憶装置２３０に格納する。プロセッサ２１０は、現行の第１角度Ｒに対応する全ての第２角度Ｒｆが処理されるまで、Ｓ１７０ｃとＳ１５０ｃとを繰り返す。
【0104】
現行の第１角度Ｒに対応する全ての第２角度Ｒｆが処理済である場合（Ｓ１６０：Ｎｏ）、プロセッサ２１０は、Ｓ１８０へ移行する。Ｓ１８０は、図５のＳ１８０と同じである。未処理の第１角度Ｒが残っている場合（Ｓ１８０：Ｙｅｓ）、Ｓ１９０ｃで、プロセッサ２１０は、第１角度Ｒを未処理の角度に設定し、新たなブラー方向Ｄｂ１の角度を「Ｒ＋Ｒｆ」に設定する。ここで、第２角度Ｒｆはゼロに設定されてよい。この場合、ブラー方向Ｄｂ１の角度は、Ｒである。Ｓ１９０ｃの後、Ｓ１５０ｃで、プロセッサ２１０は、新たなブラー方向Ｄｂ１を示すデータを、不揮発性記憶装置２３０に格納する。
【0105】
プロセッサ２１０は、Ｓ１７０ｃとＳ１９０ｃとを繰り返すことによって、第１角度Ｒと第２角度Ｒｆとの全ての組み合わせを使用して、ブラー方向Ｄｂ１の複数の角度を生成する。
【0106】
第１角度Ｒと第２角度Ｒｆとの全ての組み合わせが処理済である場合（Ｓ１８０：Ｎｏ）、Ｓ２００ｃで、プロセッサ２１０は、基準画像データＩ１０ｄにブラーを追加する処理を、ブラー方向Ｄｂ１毎に行うことによって、複数の訓練画像データを生成する。
【0107】
図１３（Ａ）は、「Ｒ＝０」の場合の３種類の訓練画像Ｔ５０、Ｔ５１、Ｔ５２を示している。各訓練画像Ｔ５０、Ｔ５１、Ｔ５２のブラー方向Ｄｂ１と、第１角度Ｒによって決まる方向（ここでは、ブラー基準方向Ｄｓ）と、のなす角度は、９０度未満である。図１３（Ｂ）は、「Ｒ＝９０」の場合の３種類の訓練画像Ｔ６０、Ｔ６１、Ｔ６２を示している。各訓練画像Ｔ６０、Ｔ６１、Ｔ６２のブラー方向Ｄｂ１と、第１角度Ｒによって決まる方向（ここでは、－Ｄｙ方向）と、のなす角度は、９０度未満である。図示を省略するが、Ｒ＝１８０、２７０の場合も同様に、ブラー方向Ｄｂ１と、第１角度Ｒによって決まる方向と、のなす角度は、９０度未満である。
【0108】
Ｓ２１０（図１２）は、図５のＳ２１０と同じである。プロセッサ２１０は、生成した複数の訓練画像データを、記憶装置２１５（ここでは、不揮発性記憶装置２３０）に格納する。そして、プロセッサ２１０は、図１２の処理を終了する。
【0109】
以上のように、本実施例では、プロセッサ２１０は、基準画像データＩ１０ｄを使用して生成処理ＳＧｃ（図１２）を実行することによって訓練画像データを生成する。Ｒ＝Ｒｆ＝０に対応するＳ１３０－Ｓ２００ｃ（図５、図１２）の処理は、生成処理ＳＧｃの例である。生成処理ＳＧｃは、ブラー処理ＳＢｃを含んでいる。ブラー処理ＳＢｃは、Ｓ１３０、Ｓ１４０（図５）、Ｓ２００ｃ（図１２）を含んでいる。Ｓ２００ｃの処理は、Ｒ＝０、９０、１８０、２７０に対応付けられるブラー方向Ｄｂ１にブラーを追加する処理を含んでいる。Ｒ＝９０、１８０、２７０に対応するブラー方向Ｄｂ１は、それぞれ、ブラー基準方向Ｄｓを時計回りに、９０、１８０、２７０度の角度で回転して得られる方向である。
【0110】
このように、Ｓ１２０（図５）の後、プロセッサ２１０は、基準画像データＩ１０ｄを使用して第１追加生成処理ＳＧ１ｃ（図１２）を実行することによって、追加の訓練画像データを生成する。Ｒ＝９０、１８０、２７０とＲｆ＝０とに対応するＳ１３０－Ｓ２００ｃ（図５、図１２）の処理は、第１追加生成処理ＳＧ１ｃの例である。第１追加生成処理ＳＧ１ｃは、Ｓ１９０ｃとＳ２００ｃとを含んでいる。第１追加生成処理ＳＧ１ｃのためのＳ２００ｃは、ブラー基準方向Ｄｓを９０度、１８０度、２７０度のいずれかの角度で回転して得られる３個のブラー方向Ｄｂ１の３個のブラー追加処理を含んでいる。そして、Ｓ２００ｃでは、プロセッサ２１０は、３個のブラー方向Ｄｂ１にそれぞれ対応付けられる３種類の追加の訓練画像データを生成する。例えば、図１３（Ｂ）の訓練画像Ｔ６０は、Ｒ＝９０に対応する追加の訓練画像の例である（Ｒ＝１８０、２７０に対応する追加の訓練画像については、図示省略）。図２で説明したように、ラベルシート８００の撮影時において、ラベルシート８００を有する複合機９００の向きは、変更され得る。追加の訓練画像データ（例えば、訓練画像Ｔ６０のデータ）は、機械学習モデル（例えば、画像生成モデル３００）の訓練であって、このような変更に対応するための訓練に使用可能である。なお、ラベルシート８００を有する複合機９００の向きが変更される場合、デジタルカメラ１１０の向きも、複合機９００の向きと同じ向きに変更されてよい。
【0111】
また、本実施例では、Ｓ２００（図１２）の処理は、－１０度から＋１０度までの範囲の複数の第２角度Ｒｆに対応付けられる複数のブラー方向Ｄｂ１（例えば、図１３（Ａ）の複数のブラー方向Ｄｂ１）のブラーを追加する処理を含んでいる。対応する訓練画像（例えば、訓練画像Ｔ５１、Ｔ５２）に示されるように、これらのブラーの追加処理では、ブラー方向Ｄｂ１としては、ブラー基準方向Ｄｓとの第２角度Ｒｆの差違を有するＭ個（本実施例では、Ｍ＝２０）の方向が使用される。
【0112】
このように、Ｓ１２０（図５）の後、プロセッサ２１０は、基準画像データＩ１０ｄを使用して第２追加生成処理ＳＧ２ｃを実行することによって、追加の訓練画像データ（例えば、訓練画像Ｔ５１、Ｔ５２のデータ（図１３（Ａ）））を生成する。ゼロとは異なる第２角度ＲｆとＲ＝０とに対応するＳ１３０－Ｓ２００ｃ（図５、図１２）の処理は、第２追加生成処理ＳＧ２ｃの例である。第２追加生成処理ＳＧ２ｃは、Ｓ１７０ｃとＳ２００ｃとを含んでいる。第２追加生成処理ＳＧ２ｃのためのＳ２００ｃは、ブラー基準方向Ｄｓとの９０度未満の差違（ここでは、第２角度Ｒｆ）を有するＭ個のブラー方向Ｄｂ１のＭ個のブラー追加処理を含んでいる。本実施例では、Ｍ個のブラー方向Ｄｂ１は、－１０度から＋１０度までの２０個の差違（ゼロ度を除く）に対応する２０個の方向である。そして、Ｓ２００ｃでは、プロセッサ２１０は、Ｍ個のブラー方向Ｄｂ１に対応付けられるＭ種類の追加の訓練画像データ（例えば、訓練画像Ｔ５１、Ｔ５２のデータ）をそれぞれ生成する。上述したように、撮影画像中のブラーの方向は、ラベルシート８００に対する搬送方向Ｄｔに平行な方向からズレ得る。追加の訓練画像データ（例えば、訓練画像Ｔ５１、Ｔ５２のデータ）は、機械学習モデル（例えば、画像生成モデル３００）の訓練であって、ブラー方向のこのようなズレに対応するための訓練に使用可能である。
【0113】
なお、本実施例の訓練画像データ生成処理は、ラベルシート８００の画像に代えてブラー方向Ｄｂ１が回転する点を除いて、図５の実施例の訓練画像データ生成処理と同様である。従って、本実施例は、図５の実施例のものと同じ種々の利点を有する。
【0114】
また、図１２の実施例は、図１０（Ａ）、図１０（Ｂ）の実施例に適用されてよい。すなわち、図１０（Ａ）、図１０（Ｂ）の実施例において、プロセッサ２１０は、ラベルシート８００の画像を回転させる代わりに、ブラー方向Ｄｂ１を回転させてよい。
【0115】
Ｄ．第４実施例：
図１４（Ａ）、図１４（Ｂ）は、ラベルシート８００に対する搬送方向Ｄｔを取得する処理の別の実施例を示す図である。図３（Ｄ）の実施例とは異なり、搬送方向Ｄｔは、製品搬送方向Ｄｔ９と対象物方向Ｄｍとを使用して、決定される。製品搬送方向Ｄｔ９は、複合機９００に対する搬送方向である。対象物方向Ｄｍは、複合機９００に対するラベルシート８００の向きを示す方向である。本実施例では、Ｓ１２０（図５）で入力されるパラメータセットは、製品搬送方向Ｄｔ９と対象物方向Ｄｍとを含んでいる。本実施例の搬送方向Ｄｔの決定は、上記の任意の実施例の訓練画像データ生成処理に適用可能である。
図１４（Ａ）、図１４（Ｂ）は、ラベルシート８００に対する搬送方向Ｄｔを取得する処理の別の実施例を示す図である。図３（Ｄ）の実施例とは異なり、搬送方向Ｄｔは、製品搬送方向Ｄｔ９と対象物方向Ｄｍとを使用して、決定される。製品搬送方向Ｄｔ９は、複合機９００に対する搬送方向である。対象物方向Ｄｍは、複合機９００に対するラベルシート８００の向きを示す方向である。本実施例では、Ｓ１２０（図５）で入力されるパラメータセットは、製品搬送方向Ｄｔ９と対象物方向Ｄｍとを含んでいる。本実施例の搬送方向Ｄｔの決定は、上記の任意の実施例の訓練画像データ生成処理に適用可能である。
【0116】
図１４（Ａ）は、製品搬送方向Ｄｔ９の候補と対象物方向Ｄｍの候補とを示している。図中には、複合機９００のうちのラベルシート８００が設けられる面と、候補方向Ｄ９ａ－Ｄ９ｄとが、示されている。本実施例では、候補方向Ｄ９ａ－Ｄ９ｄは、複合機９００の底面９０９を基準に、予め決められている。下向きの候補方向Ｄ９ｃは、複合機９００の中心から底面９０９へ向かう方向である。他の候補方向Ｄ９ｄ、Ｄ９ａ、Ｄ９ｂは、候補方向Ｄ９ｃを９０度ずつ時計回り方向に回転させることによって、得られる。
【0117】
Ｓ１２０（図５）では、作業者は、選択した製品搬送方向Ｄｔ９と対象物方向Ｄｍとを示す情報を、操作部２５０（図１）を介して入力する。作業者は、候補方向Ｄ９ａ－Ｄ９ｄから１つの候補方向を、製品搬送方向Ｄｔ９として選択する。ここで、候補方向Ｄ９ｂが、製品搬送方向Ｄｔ９として選択されることとする。また、作業者は、候補方向Ｄ９ａ－Ｄ９ｄから１つの候補方向を、対象物方向Ｄｍとして選択する。対象物方向Ｄｍは、ラベルシート８００の中心から基準線８００ｍへ向かう方向である。ここで、候補方向Ｄ９ｄが、対象物方向Ｄｍとして選択されることとする。プロセッサ２１０は、入力された製品搬送方向Ｄｔ９と対象物方向Ｄｍとを使用して、ラベルシート８００に対する搬送方向Ｄｔを決定する。
【0118】
図１４（Ｂ）は、図３（Ｄ）と同じ、搬送方向Ｄｔの候補方向Ｄ１０ａ－Ｄ１０ｄを示している。第１候補方向Ｄ１０ａは、ラベルシート８００の中心から基準線８００ｍへ向かう方向である。プロセッサ２１０は、対象物方向Ｄｍと製品搬送方向Ｄｔ９との関係を、第１候補方向Ｄ１０ａに適用することによって、ラベルシート８００に対する搬送方向Ｄｔを決定する。例えば、Ｄｍ＝Ｄ９ｄ、Ｄｔ９＝Ｄ９ｂである場合、Ｄｔ＝Ｄ１０ｃである。
【0119】
このように、本実施例では、ラベルシート８００は、製品の例である複合機９００に対して配置された状態で複合機９００とともに搬送される（図２参照）。Ｓ１２０（図５）で受け付けられるパラメータセットは、複合機９００に対する搬送方向である製品搬送方向Ｄｔ９と、複合機９００に対するラベルシート８００の向きを表す対象物方向Ｄｍと、を含んでいる。Ｓ２００（図５、図１０（Ｂ））、Ｓ２００ｃ（図１２）は、Ｒ＝Ｒｆ＝０に対応付けられる方向のブラーを追加する処理を含んでいる。図８（Ａ）、図１３（Ａ）の訓練画像Ｔ１０、Ｔ５０に示されるように、このブラーの追加処理は、ラベルシート８００に対する搬送方向Ｄｔに平行なブラー基準方向Ｄｓのブラーの追加処理である。ここで、搬送方向Ｄｔは、製品搬送方向Ｄｔ９と対象物方向Ｄｍとの組み合わせに対応付けられるラベルシート８００に対する搬送方向である。この追加処理によって追加されるブラーは、搬送方向Ｄｔに移動するラベルシート８００を表す撮影画像に含まれるモーションブラーを、適切に表すことができる。このように、プロセッサ２１０は、このようなモーションブラーを有する撮影画像を処理する画像生成モデル３００の訓練に適する訓練画像データを生成できる。
【0120】
Ｅ．第５実施例：
図１５（Ａ）、図１５（Ｂ）は、対象物の別の例を示す図である。本実施例では、対象物は、織物７００である。図１５（Ａ）に示すように、織物７００は、図示しない搬送装置によって、搬送方向Ｄ７００に搬送される。デジタルカメラ１１０は、搬送中の織物７００を撮影することによって、織物７００の撮影画像データを生成する。
図１５（Ａ）、図１５（Ｂ）は、対象物の別の例を示す図である。本実施例では、対象物は、織物７００である。図１５（Ａ）に示すように、織物７００は、図示しない搬送装置によって、搬送方向Ｄ７００に搬送される。デジタルカメラ１１０は、搬送中の織物７００を撮影することによって、織物７００の撮影画像データを生成する。
【0121】
本実施例では、プロセッサ２１０（図１）は、上記の各実施例と同様に、織物７００の撮影画像と画像生成モデル３００（図４）とを使用して、織物７００の外観を検査する。プロセッサ２１０は、画像生成モデル３００の訓練のために、複数の訓練画像データを生成する。訓練画像データ生成処理としては、上記の任意の実施例の訓練画像データ生成処理を採用可能である（図５、図１０（Ａ）－図１０（Ｂ）、図１２）。いずれの場合も、訓練画像データは、動かずに静止した状態の織物７００を表す基準画像データを使用して、生成される。
【0122】
図１５（Ｂ）は、基準画像Ｉ９０の例を示している。基準画像Ｉ９０は、織物７００の細かいパターンを表している。図１５（Ｂ）の下部には、織物７００のパターンの例が示されている。織物７００は、経糸Ｗｐと緯糸Ｗｆとを使用して、織られている。織物７００の織り方は、種々の織り方であり得る。図中のパターンＷ１、Ｗ２、Ｗ３は、「平織」、「綾織」、「朱子織」のパターンを、それぞれ示している。基準画像Ｉ９０は、経糸Ｗｐと緯糸Ｗｆとによって形成されるパターンを、表している。
【0123】
基準画像Ｉ９０のデータＩ９０ｄは、種々の方法によって生成され得る。例えば、動かずに静止した状態の織物７００をデジタルカメラ１１０によって撮影することによって、基準画像Ｉ９０のデータＩ９０ｄが取得されてよい。
【0124】
なお、図示を省略するが、検査処理においてデジタルカメラ１１０（図１５（Ａ））によって生成される撮影画像も、経糸Ｗｐと緯糸Ｗｆとによって形成されるパターンを表している。ただし、検査用の撮影画像は、基準画像Ｉ９０とは異なり、モーションブラーを有している。
【0125】
訓練画像データ生成処理のＳ１２０（図５）では、作業者は、織物７００に対する搬送方向Ｄｔを示す情報を、操作部２５０を介して入力する。図１５（Ｂ）には、搬送方向Ｄｔの候補方向Ｄ９０ａ、Ｄ９０ｂが示されている。織物７００は、通常は、経糸Ｗｐの延びる方向に平行な方向に、搬送される。基準画像Ｉ９０内では、経糸Ｗｐは、第２方向Ｄｙに延びることとする。本実施例では、第１候補方向Ｄ９０ａは、－Ｄｙ方向であり、第２候補方向Ｄ９０ｂは、＋Ｄｙ方向である。作業者は、これらの候補方向Ｄ９０ａ、Ｄ９０ｂから１つの候補方向を選択し、選択した候補方向を示す情報を、操作部２５０を介して入力する。プロセッサ２１０は、入力された候補方向を、搬送方向Ｄｔとして使用する。ここで、候補方向Ｄ９０ｂが選択されてよい。Ｓ１３０では、プロセッサ２１０は、ブラー基準方向Ｄｓを、搬送方向Ｄｔの反対方向に決定する。
【0126】
Ｓ１３０（図５）に続く処理は、上記の任意の実施例の訓練画像データ生成処理の対応する処理であってよい（図５、図１０（Ａ）－図１０（Ｂ）、図１２）。いずれの場合も、プロセッサ２１０は、第１角度Ｒと第２角度Ｒｆとの複数の組み合わせに対応する複数の訓練画像データを生成する。ここで、織物７００は、搬送方向が逆向きとなるように、搬送装置（図示せず）に取り付けられ得る。この場合も、織物７００は、経糸Ｗｐの延びる方向に平行な方向に、搬送される。通常は、緯糸Ｗｆの延びる方向に平行な方向に織物７００が搬送される可能性は小さい。そこで、本実施例では、第１角度Ｒとして、０度と１８０度との２つの角度が使用される。
【0127】
このように、本実施例では、対象物は、織物７００である。図１５（Ｂ）に示されるように、０度以外の第１角度Ｒとしては、１個の角度（ここでは、１８０度）が使用される。すなわち、Ｓ２００（図５、図１０（Ｂ））の処理、または、Ｓ２００ｃ（図１２）の処理は、Ｒ＝０に対応付けられるブラー方向Ｄｂ１（すなわち、ブラー基準方向Ｄｓ）にブラーを追加する処理に加えて、Ｒ＝１８０に対応付けられるブラー方向Ｄｂ１にブラーを追加する処理を含んでいる。図１５（Ｂ）に示すように、Ｒ＝１８０に対応付けられるブラー方向Ｄｂ１は、Ｒ＝０に対応付けられるブラー基準方向Ｄｓを１８０度の角度で回転して得られる方向である。
【0128】
Ｓ１２０（図５）の後、プロセッサ２１０は、上述の第１追加生成処理ＳＧ１ａ、ＳＧ１ｃ（図５、図１２）のいずれかを実行することによって、追加の訓練画像データを生成する。第１追加生成処理ＳＧ１ａ、ＳＧ１ｃのためのＳ２００、Ｓ２００ｃでは、プロセッサ２１０は、ブラー基準方向Ｄｓを１８０度の角度で回転して得られる１個のブラー方向Ｄｂ１に対応付けられる１種類の追加の訓練画像データを生成する。第１追加生成処理ＳＧ１ａ（図５）が実行される場合、追加の訓練画像データは、織物７００の基準画像Ｉ９０（図１５（Ｂ））を１８０度の角度で回転して得られる画像にブラーを追加することによって得られる画像である。第１追加生成処理ＳＧ１ｃ（図１２）が実行される場合、追加の訓練画像データは、織物７００の基準画像Ｉ９０（図１５（Ｂ））に、ブラー基準方向Ｄｓとは反対方向のブラーを追加することによって得られる画像である。
【0129】
以上のように、プロセッサ２１０は、第１追加生成処理ＳＧ１ａ、ＳＧ１ｃのいずれかによって、追加の訓練画像データを生成する。上述したように、織物７００の搬送方向は、逆向きに変更され得る。追加の訓練画像データは、機械学習モデル（例えば、画像生成モデル３００）の訓練であって、このような変更に対応するための訓練に使用可能である。
【0130】
また、Ｓ１２０（図５）の後、プロセッサ２１０は、上述の第２追加生成処理ＳＧ２ａ、ＳＧ２ｃ（図５、図１２）のいずれかを実行することによって、追加の訓練画像データを生成する。第２追加生成処理ＳＧ２ａ、ＳＧ２ｃのためのＳ２００、Ｓ２００ｃでは、プロセッサ２１０は、Ｍ個のブラー方向Ｄｂ１に対応付けられるＭ種類の追加の訓練画像データをそれぞれ生成する（Ｍ個のブラー方向Ｄｂ１は、ブラー基準方向Ｄｓとの９０度未満の差違（ここでは、第２角度Ｒｆ）を有する）。第２追加生成処理ＳＧ２ａ（図５）が実行される場合、追加の訓練画像データは、基準画像Ｉ９０（図１５（Ｂ））内において、織物７００の画像を第２角度Ｒｆで回転して得られる画像にブラーを追加することによって得られる画像である。第２追加生成処理ＳＧ２ｃ（図１２）が実行される場合、追加の訓練画像データは、織物７００の基準画像Ｉ９０（図１５（Ｂ））に、第２角度Ｒｆによって示されるブラー方向Ｄｂ１のブラーを追加することによって得られる画像である。
【0131】
以上のように、プロセッサ２１０は、第２追加生成処理ＳＧ２ａ、ＳＧ２ｃのいずれかによって、追加の訓練画像データを生成する。搬送装置（図示せず）に対する織物７００のパターン（例えば、パターンＷ１－Ｗ３）の向きは、誤差を含み得る。すなわち、撮影画像中のブラーの方向は、織物７００に対する搬送方向Ｄｔに平行な方向からズレ得る。追加の訓練画像データは、機械学習モデル（例えば、画像生成モデル３００）の訓練であって、ブラー方向のこのようなズレに対応するための訓練に使用可能である。
【0132】
Ｆ．変形例：
（１）訓練画像データ生成処理のために入力されるパラメータセット（図５：Ｓ１２０）は、１以上の種々のパラメータで構成されてよい。入力パラメータセットは、搬送速度Ｖと露光時間ＴＭと分解能ＲＳとから選択される１以上のパラメータを含むことが好ましい。入力パラメータセットからは、パラメータＶ、ＴＭ、ＲＳのうちの１個または２個のパラメータが省略されてよい。省略されるパラメータの値としては、予め決められた値が使用されてよい。
（１）訓練画像データ生成処理のために入力されるパラメータセット（図５：Ｓ１２０）は、１以上の種々のパラメータで構成されてよい。入力パラメータセットは、搬送速度Ｖと露光時間ＴＭと分解能ＲＳとから選択される１以上のパラメータを含むことが好ましい。入力パラメータセットからは、パラメータＶ、ＴＭ、ＲＳのうちの１個または２個のパラメータが省略されてよい。省略されるパラメータの値としては、予め決められた値が使用されてよい。
【0133】
また、搬送方向Ｄｔは、入力パラメータセットから省略されてよい。この場合、搬送方向Ｄｔとしては、予め決められた方向が使用されてよい。また、図１４（Ａ）、図１４（Ｂ）の実施例のように、搬送方向Ｄｔの決定に、製品搬送方向Ｄｔ９と対象物方向Ｄｍとが使用されてよい。ここで、方向Ｄｔ９、Ｄｍのいずれか１つは、入力パラメータセットから省略されてよい。省略された方向としては、予め決められた方向が使用されてよい。
【0134】
（２）入力パラメータセットの入力方法は、操作部２５０を使用する方法に代えて、他の任意の方法であってよい。入力パラメータセットの入力方法は、データ処理装置２００の外部からデータ処理装置２００に入力パラメータセットを入力する種々の方法であってよい。例えば、作業者は、入力パラメータセットを表す入力データを準備し、入力データをデータ処理装置２００の不揮発性記憶装置２３０に格納してよい。Ｓ１２０（図５）では、プロセッサ２１０は、不揮発性記憶装置２３０から入力データを読み取ることによって、入力パラメータセットを取得してよい。このように、記憶装置への入力データの格納によって、入力パラメータセットが入力されてよい。
【0135】
（３）上記の各実施例において、ブラーフィルタとしては、第１ブラーフィルタＢＦａ（図６（Ａ））に代えて、第２ブラーフィルタＢＦｂ（図６（Ｂ））が使用されてよい。第２ブラーフィルタＢＦｂは、第１ブラーフィルタＢＦａの第２ブラー量Ｂ２を「１」に設定することによって得られるフィルタである。このように、垂直方向Ｄｂ２のブラーの追加は、省略されてよい。第２ブラーフィルタＢＦｂが使用される場合も、第１ブラーフィルタＢＦａが使用される場合と同様に、プロセッサ２１０は、ブラー方向Ｄｂ１の適切なブラーを画像に追加できる。なお、ブラーフィルタＢＦａ、ＢＦｂの各画素ＰＸの重みは、種々の値であってよい。例えば、画素ＰＸが注目画素ＰＸｉに近いほど、画素ＰＸの重みが大きくてよい。
【0136】
ブラーを追加する処理は、ブラーフィルタを使用する処理に代えて、他の種々の処理であってよい。例えば、プロセッサ２１０は、露光時間ＴＭ内の撮影画像上の対象物の移動の軌跡に従って、対象物のうちの注目画素ＰＸｉに対応する部分の色値を積分することによって、注目画素ＰＸｉの色値を算出してよい。
【0137】
いずれの場合も、ブラー量としては、露光時間ＴＭ内の画像上の移動量を示す種々の値を採用可能である。注目画素ＰＸｉの色値の算出にブラーフィルタが使用される場合、ブラーフィルタのサイズ（単位は、画素数）は、ブラー量として使用可能である。
【0138】
（４）図５のＳ１８０、Ｓ１９０と、図１２のＳ１８０、Ｓ１９０ｃとで使用される第１角度Ｒは、９０、１８０、２７０（度）から任意に選択される１以上の角度を含んでよい。また、各実施例と各変形例とにおいて、ゼロ以外の第１角度Ｒのための処理（例えば、図５のＳ１８０、Ｓ１９０と、図１２のＳ１８０、Ｓ１９０ｃ）は、省略されてよい。
【0139】
（５）図５のＳ１６０、Ｓ１７０と、図１２のＳ１６０、Ｓ１７０ｃとで使用される第２角度Ｒｆの総数Ｍは、２以上の種々の数であってよい。いずれの場合も、第２角度Ｒｆは、９０度未満の種々の角度を含んでよい。なお、各実施例と各変形例とにおいて、第２角度Ｒｆのための処理（例えば、図５のＳ１６０、Ｓ１７０と、図１２のＳ１６０、Ｓ１７０ｃ）は、省略されてよい。
【0140】
（６）訓練画像データ生成処理は、各実施例と各変形例との処理に代えて、他の種々の処理であってよい。例えば、図５のＳ１７０、Ｓ１９０で、プロセッサ２１０は、画像の回転と、回転済の画像に対するブラーの追加と、を行ってよい。図１２のＳ１７０ｃ、Ｓ１９０ｃで、プロセッサ２１０は、ブラー方向Ｄｂ１の回転と、回転済のブラー方向Ｄｂ１のブラーの追加と、を行ってよい。
【0141】
（７）機械学習モデルは、変分オートエンコーダ（図４）などのオートエンコーダに代えて、他の種々のモデルであってよい。例えば、機械学習モデルは、欠陥の種類を分類する分類モデルであってよい。分類モデルは、欠陥の種類を「欠陥有」と「欠陥無」との２つのクラスから選択するモデルであってよい。分類モデルは、欠陥の種類を複数の種類（例えば、「欠陥無」と「傷」と「汚れ」）から選択するモデルであってよい。また、機械学習モデルは、PaDiM（a Patch Distribution Modeling Framework for Anomaly Detection and Localization）、または、FastFlow (Unsupervised Anomaly Detection and Localization via 2D Normalizing Flows)と呼ばれる異常検知技術で使用される特徴抽出モデルであってよい。特徴抽出モデルとしては、種々の分類モデル、または、種々の物体検出モデルを、採用可能である（例えば、畳込ニューラルネットワーク）。
【0142】
いずれの場合も、機械学習モデルは、欠陥の無い対象物を表す訓練画像データを使用して訓練されてよい。また、機械学習モデルは、欠陥を有する対象物を表す訓練画像データを使用して訓練されてよい。また、機械学習モデルは、欠陥の無い対象物を表す訓練画像データと、欠陥を有する対象物を表す訓練画像データと、の両方を使用して訓練されてよい。訓練方法は、機械学習モデルに適する種々の方法であってよい。
【0143】
（８）対象物は、製品に設けられるラベルシートと織物とに代えて、製品に塗装された模様、銘板（例えば、立体的な銘）、編物など、種々の対象物であってよい。製品は、複合機９００に代えて、スキャナ、プリンタ、ミシン、カッティングマシン、工作機械、スマートフォンなど、任意の製品であってよい。
【0144】
（９）訓練画像データの生成に使用される対象物の静止画像データとしては、版下データなどの対象物の設計画像を表すデータが使用されてよい。これに代えて、静止画像データとしては、動かずに静止した状態の対象物の撮影画像のデータが使用されてよい。
【0145】
（１０）検査処理における対象物の搬送方法は、任意の方法であってよい。例えば、複合機９００（図２）は、ベルト１９０に代えて、台に乗せられてよい。そして、台が移動することによって、複合機９００（ひいては、ラベルシート８００）が搬送されてよい。また、検査処理では、撮影画像から対象物を表す領域を抽出することによって、機械学習モデルに入力するための画像データが生成されてよい。
【0146】
また、検査処理には、複数のデジタルカメラが使用されてよい。複数のデジタルカメラは、同じ製品の互いに異なる部分を撮影してよい。例えば、第１デジタルカメラは、デジタルカメラ１１０（図２）と同様に、複合機９００のうちのラベルシート８００を含む部分を撮影し、第２デジタルカメラは、複合機９００の上面を撮影してよい。複数のデジタルカメラによって生成される複数の撮影画像は、それぞれ、複合機９００の検査に使用されてよい。
【0147】
（１１）訓練画像データを生成する生成装置は、パーソナルコンピュータとは異なる種類の装置（例えば、デジタルカメラ、スキャナ、スマートフォン）であってよい。また、ネットワークを介して互いに通信可能な複数の装置（例えば、コンピュータ）が、訓練画像データの生成処理の機能を一部ずつ分担して、全体として、訓練画像データの生成処理の機能を提供してもよい（これらの装置を備えるシステムが生成装置に対応する）。また、機械学習モデルの訓練は、訓練画像データの生成装置とは異なる装置（例えば、コンピュータ）によって、行われてよい。また、機械学習モデルを使用する検査処理は、訓練画像データの生成装置とは異なる装置（例えば、コンピュータ）によって、行われてよい。
【0148】
上記各実施例において、ハードウェアによって実現されていた構成の一部をソフトウェアに置き換えるようにしてもよく、逆に、ソフトウェアによって実現されていた構成の一部あるいは全部をハードウェアに置き換えるようにしてもよい。例えば、ブラーの追加（例えば、図５、図１２のＳ２００、Ｓ２００ｃ）の機能を、専用のハードウェア回路によって実現してもよい。
【0149】
また、本開示の機能の一部または全部がコンピュータプログラムで実現される場合には、そのプログラムは、コンピュータ読み取り可能な記録媒体（例えば、一時的ではない記録媒体）に格納された形で提供することができる。プログラムは、提供時と同一または異なる記録媒体（コンピュータ読み取り可能な記録媒体）に格納された状態で、使用され得る。「コンピュータ読み取り可能な記録媒体」は、メモリーカードやＣＤ－ＲＯＭのような携帯型の記録媒体に限らず、各種ＲＯＭ等のコンピュータ内の内部記憶装置や、ハードディスクドライブ等のコンピュータに接続されている外部記憶装置も含み得る。
【0150】
上記の実施例と変形例とは、適宜に組み合わせることができる。また、上記の実施例と変形例とは、本開示の理解を容易にするためのものであり、本発明を限定するものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得ると共に、本発明にはその等価物が含まれる。
【符号の説明】
【0151】
１１０…デジタルカメラ、１９０…ベルト、１９１…上面、２００…データ処理装置、２１０…プロセッサ、２１５…記憶装置、２２０…揮発性記憶装置、２３０…不揮発性記憶装置、２３１…生成プログラム、２３２…訓練プログラム、２３３…検査プログラム、２４０…表示部、２５０…操作部、２７０…通信インタフェース、３００…画像生成モデル、３０２…エンコーダ、３０５…潜在データ、３０７…デコーダ、７００…織物、８００…ラベルシート、８００Ｄ…下辺、８００Ｌ…左辺、８００Ｒ…右辺、８００Ｕ…上辺、８００ｉ…対象物画像、８００ｍ…基準線、８０１…欠陥、９００…複合機、９０１…第１側面、９０８…側面、９０９…底面、Ｉ１０ｄ…基準画像データ
【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】
【図14】
【図15】