ホーム > 特許ランキング > 日立Ａｓｔｅｍｏ株式会社
知財求人 - 知財ポータルサイト「IP Force」
(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】P2024171362
(43)【公開日】2024-12-12
(54)【発明の名称】検査装置および判定モデル生成方法
(51)【国際特許分類】
G01N 21/88 20060101AFI20241205BHJP
G06T 7/00 20170101ALI20241205BHJP
【ＦＩ】
G01N21/88 J
G06T7/00 350B
G06T7/00 610C
【審査請求】未請求
【請求項の数】13
【出願形態】ＯＬ
(21)【出願番号】P 2023088315
(22)【出願日】2023-05-30
(71)【出願人】
【識別番号】509186579
【氏名又は名称】日立Ａｓｔｅｍｏ株式会社
(74)【代理人】
【識別番号】110002549
【氏名又は名称】弁理士法人綾田事務所
(72)【発明者】
【氏名】仁藤 拓実
(72)【発明者】
【氏名】小林 康彦
(72)【発明者】
【氏名】細谷 直樹
(72)【発明者】
【氏名】渡邊 高志
(72)【発明者】
【氏名】一ノ瀬 正寿
【テーマコード（参考）】
2G051
5L096
【Ｆターム（参考）】
2G051AA07
2G051AB02
2G051CA04
2G051DA07
2G051EA12
2G051EB05
5L096AA06
5L096BA03
5L096CA02
5L096DA01
5L096DA02
5L096EA06
5L096FA04
5L096FA66
5L096FA67
5L096FA69
5L096GA10
5L096GA51
5L096GA55
5L096HA11
5L096KA04
(57)【要約】
【課題】 検査の判定精度を向上した検査装置および判定モデル生成方法を提供することにある。
【解決手段】 検査装置は、欠陥部分を模擬した疑似欠陥要素画像を合成することで、疑似欠陥対象画像を生成する疑似欠陥対象画像生成部であって、疑似欠陥要素画像を合成する正常対象画像の合成位置と合成位置の状態と、疑似欠陥要素画像の状態に応じて、前記疑似欠陥要素画像の状態、前記正常対象画像の合成位置、合成位置の状態の少なくとも１つを変更して、疑似欠陥要素画像を正常対象画像の合成位置に合成する疑似欠陥対象画像生成部と、疑似欠陥対象画像を機械学習させて判定モデルを作成する学習処理部と、判定モデルを利用して被検査物を撮影した対象画像から欠陥を検出する判定処理部を有する。
【選択図】 図２
【解決手段】 検査装置は、欠陥部分を模擬した疑似欠陥要素画像を合成することで、疑似欠陥対象画像を生成する疑似欠陥対象画像生成部であって、疑似欠陥要素画像を合成する正常対象画像の合成位置と合成位置の状態と、疑似欠陥要素画像の状態に応じて、前記疑似欠陥要素画像の状態、前記正常対象画像の合成位置、合成位置の状態の少なくとも１つを変更して、疑似欠陥要素画像を正常対象画像の合成位置に合成する疑似欠陥対象画像生成部と、疑似欠陥対象画像を機械学習させて判定モデルを作成する学習処理部と、判定モデルを利用して被検査物を撮影した対象画像から欠陥を検出する判定処理部を有する。
【選択図】 図２
【特許請求の範囲】
【請求項1】
被検査物を撮影した対象画像を用いて、前記被検査物の欠陥を検出する検査装置において、
正常対象画像に対して、欠陥部分を模擬した疑似欠陥要素画像を合成することで、疑似欠陥対象画像を生成する疑似欠陥対象画像生成部であって、
前記疑似欠陥要素画像を合成する前記正常対象画像の合成位置と合成位置の状態と、前記疑似欠陥要素画像の状態に応じて、前記疑似欠陥要素画像の状態、前記正常対象画像の合成位置、合成位置の状態の少なくとも１つを変更して、前記疑似欠陥要素画像を前記正常対象画像の合成位置に合成する、前記疑似欠陥対象画像生成部と、
前記疑似欠陥対象画像を機械学習させて判定モデルを作成する学習処理部と、
前記判定モデルを利用して前記被検査物を撮影した対象画像から欠陥を検出する判定処理部と、
を有する、
ことを特徴とする検査装置。
正常対象画像に対して、欠陥部分を模擬した疑似欠陥要素画像を合成することで、疑似欠陥対象画像を生成する疑似欠陥対象画像生成部であって、
前記疑似欠陥要素画像を合成する前記正常対象画像の合成位置と合成位置の状態と、前記疑似欠陥要素画像の状態に応じて、前記疑似欠陥要素画像の状態、前記正常対象画像の合成位置、合成位置の状態の少なくとも１つを変更して、前記疑似欠陥要素画像を前記正常対象画像の合成位置に合成する、前記疑似欠陥対象画像生成部と、
前記疑似欠陥対象画像を機械学習させて判定モデルを作成する学習処理部と、
前記判定モデルを利用して前記被検査物を撮影した対象画像から欠陥を検出する判定処理部と、
を有する、
ことを特徴とする検査装置。
【請求項2】
請求項１に記載の検査装置において、
前記正常対象画像の合成位置の状態は、前記正常対象画像の合成位置の輝度、輝度ばらつき、領域境界からの距離、領域境界からの角度、表面の種類のうちの少なくとも１つである、
ことを特徴とする検査装置。
前記正常対象画像の合成位置の状態は、前記正常対象画像の合成位置の輝度、輝度ばらつき、領域境界からの距離、領域境界からの角度、表面の種類のうちの少なくとも１つである、
ことを特徴とする検査装置。
【請求項3】
請求項１に記載の検査装置において、
前記疑似欠陥要素画像の状態は、前記疑似欠陥要素画像の種類、大きさ、アスペクト比、角度、輝度のうちの少なくとも１つである、
ことを特徴とする検査装置。
前記疑似欠陥要素画像の状態は、前記疑似欠陥要素画像の種類、大きさ、アスペクト比、角度、輝度のうちの少なくとも１つである、
ことを特徴とする検査装置。
【請求項4】
請求項２に記載の検査装置において、
前記正常対象画像の合成位置の状態は輝度であって、
前記正常対象画像の合成位置の輝度である背景輝度に応じて前記疑似欠陥要素画像の輝度を変更して前記合成位置に合成する、
ことを特徴とする検査装置。
前記正常対象画像の合成位置の状態は輝度であって、
前記正常対象画像の合成位置の輝度である背景輝度に応じて前記疑似欠陥要素画像の輝度を変更して前記合成位置に合成する、
ことを特徴とする検査装置。
【請求項5】
請求項４に記載の検査装置において、
前記正常対象画像の合成位置の背景輝度が低い場合の、前記背景輝度と前記疑似欠陥要素画像の変更後の輝度の輝度差よりも、
前記正常対象画像の合成位置の背景輝度が高い場合の、前記背景輝度と前記疑似欠陥要素画像の変更後の輝度の輝度差を大きくして合成する、
ことを特徴とする検査装置。
前記正常対象画像の合成位置の背景輝度が低い場合の、前記背景輝度と前記疑似欠陥要素画像の変更後の輝度の輝度差よりも、
前記正常対象画像の合成位置の背景輝度が高い場合の、前記背景輝度と前記疑似欠陥要素画像の変更後の輝度の輝度差を大きくして合成する、
ことを特徴とする検査装置。
【請求項6】
請求項２に記載の検査装置において、
前記正常対象画像の合成位置の状態は輝度であって、
前記正常対象画像の合成位置の輝度である背景輝度が閾値以上である場合に、
前記正常対象画像の合成位置に前記疑似欠陥要素画像を合成する、
ことを特徴とする検査装置。
前記正常対象画像の合成位置の状態は輝度であって、
前記正常対象画像の合成位置の輝度である背景輝度が閾値以上である場合に、
前記正常対象画像の合成位置に前記疑似欠陥要素画像を合成する、
ことを特徴とする検査装置。
【請求項7】
請求項２に記載の検査装置において、
前記正常対象画像の合成位置の状態は表面の種類であって、
前記表面の種類に応じて前記合成位置にフィルタ処理をしてから、
前記合成位置に前記疑似欠陥要素画像を合成する、
ことを特徴とする検査装置。
前記正常対象画像の合成位置の状態は表面の種類であって、
前記表面の種類に応じて前記合成位置にフィルタ処理をしてから、
前記合成位置に前記疑似欠陥要素画像を合成する、
ことを特徴とする検査装置。
【請求項8】
請求項７に記載の検査装置において、
前記フィルタは、前記正常対象画像の合成位置を平滑化する平滑化フィルタである、
ことを特徴とする検査装置。
前記フィルタは、前記正常対象画像の合成位置を平滑化する平滑化フィルタである、
ことを特徴とする検査装置。
【請求項9】
請求項２に記載の検査装置において、
前記正常対象画像の合成位置の状態は前記領域境界からの距離であって、
前記疑似欠陥要素画像の一部が前記領域境界にかかる距離にあり、かつ、前記疑似欠陥要素画像が長径と短径を有する楕円形状の場合、前記長径方向軸線が前記領域境界に対して所定角度よりも大きい角度を持つように合成する、
ことを特徴とする検査装置。
前記正常対象画像の合成位置の状態は前記領域境界からの距離であって、
前記疑似欠陥要素画像の一部が前記領域境界にかかる距離にあり、かつ、前記疑似欠陥要素画像が長径と短径を有する楕円形状の場合、前記長径方向軸線が前記領域境界に対して所定角度よりも大きい角度を持つように合成する、
ことを特徴とする検査装置。
【請求項10】
請求項１に記載の検査装置において、
前記正常対象画像の合成位置や前記正常対象画像の合成位置の状態や前記疑似欠陥要素画像の状態を履歴として保存し、
前記履歴に基づき、前記正常対象画像の合成位置や前記正常対象画像の合成位置の状態や前記疑似欠陥要素画像の状態を変更して、
前記正常対象画像の合成位置に前記疑似欠陥要素画像を合成する、
ことを特徴とする検査装置。
前記正常対象画像の合成位置や前記正常対象画像の合成位置の状態や前記疑似欠陥要素画像の状態を履歴として保存し、
前記履歴に基づき、前記正常対象画像の合成位置や前記正常対象画像の合成位置の状態や前記疑似欠陥要素画像の状態を変更して、
前記正常対象画像の合成位置に前記疑似欠陥要素画像を合成する、
ことを特徴とする検査装置。
【請求項11】
請求項１に記載の検査装置において、
前記正常対象画像が複数ある場合には、
前記複数の正常対象画像のそれぞれにおいて、特徴点となる場所および形状を抽出し、
前記複数の正常対象画像のそれぞれの前記特徴点の位置を基準として、前記複数の正常対象画像の全体位置を修正し、前記疑似欠陥要素画像を合成する位置を求める、
ことを特徴とする検査装置。
前記正常対象画像が複数ある場合には、
前記複数の正常対象画像のそれぞれにおいて、特徴点となる場所および形状を抽出し、
前記複数の正常対象画像のそれぞれの前記特徴点の位置を基準として、前記複数の正常対象画像の全体位置を修正し、前記疑似欠陥要素画像を合成する位置を求める、
ことを特徴とする検査装置。
【請求項12】
請求項１に記載の検査装置において、
前記正常対象画像に領域境界の近傍の境界位置指定マスクを設定し、
前記疑似欠陥要素画像の一部が前記境界位置指定マスクの領域境界にかかるように合成する、
ことを特徴とする検査装置。
前記正常対象画像に領域境界の近傍の境界位置指定マスクを設定し、
前記疑似欠陥要素画像の一部が前記境界位置指定マスクの領域境界にかかるように合成する、
ことを特徴とする検査装置。
【請求項13】
被検査物を撮影した対象画像を用いて、前記被検査物の欠陥を検出する検査方法において、
疑似欠陥要素画像を合成する正常対象画像の合成位置と合成位置の状態と、前記疑似欠陥要素画像の状態に応じて、前記疑似欠陥要素画像の状態、前記正常対象画像の合成位置、合成位置の状態の少なくとも１つを変更して、前記疑似欠陥要素画像を前記正常対象画像の合成位置に合成する合成ステップと、
前記疑似欠陥対象画像を機械学習させて判定モデルを作成する判定モデル作成ステップと、
前記判定モデルを利用して、前記被検査物を撮影した対象画像から欠陥を検出する判定ステップと、
を有する、
ことを特徴とする検査方法。
疑似欠陥要素画像を合成する正常対象画像の合成位置と合成位置の状態と、前記疑似欠陥要素画像の状態に応じて、前記疑似欠陥要素画像の状態、前記正常対象画像の合成位置、合成位置の状態の少なくとも１つを変更して、前記疑似欠陥要素画像を前記正常対象画像の合成位置に合成する合成ステップと、
前記疑似欠陥対象画像を機械学習させて判定モデルを作成する判定モデル作成ステップと、
前記判定モデルを利用して、前記被検査物を撮影した対象画像から欠陥を検出する判定ステップと、
を有する、
ことを特徴とする検査方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、検査装置および判定モデル生成方法に関する。
【背景技術】
【0002】
特許文献１には、被検査物の良否判定を、不良部データ、良品データ、生成パラメータに基づいて、良品画像に不良部画像を合成した学習画像の画像データである学習データを生成する学習データ生成部を備える検査装置が開示されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２０－２７４２４号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、特許文献1の検査装置では、生成パラメータはランダムに選択生成か、事前ルールに従って生成か、ユーザの入力により生成されるために、良品画像あるいは不良部画像の状態を考慮していないため、被検査物の良否判定の精度が悪くなる恐れがあるという課題を有している。
本発明の目的の一つは、検査の判定精度を向上した検査装置および判定モデル生成方法を提供することにある。
本発明の目的の一つは、検査の判定精度を向上した検査装置および判定モデル生成方法を提供することにある。
【課題を解決するための手段】
【0005】
本発明の一実施形態における検査装置は、欠陥部分を模擬した疑似欠陥要素画像を合成することで、疑似欠陥対象画像を生成する疑似欠陥対象画像生成部であって、疑似欠陥要素画像を合成する正常対象画像の合成位置と合成位置の状態と、疑似欠陥要素画像の状態に応じて、前記疑似欠陥要素画像の状態、前記正常対象画像の合成位置、合成位置の状態の少なくとも１つを変更して、疑似欠陥要素画像を正常対象画像の合成位置に合成する疑似欠陥対象画像生成部と、疑似欠陥対象画像を機械学習させて判定モデルを作成する学習処理部と、判定モデルを利用して被検査物を撮影した対象画像から欠陥を検出する判定処理部を有する。
【発明の効果】
【0006】
よって、本発明にあっては、検査の判定精度を向上することができる。
【図面の簡単な説明】
【0007】
【図1】実施形態１の検査装置の全体図である。
【図2】実施形態１のコンピュータの内部を示すブロック図である。
【図3】実施形態１における疑似欠陥対象画像生成部の動作を説明するフローチャートである。
【図4】実施形態１における正常対象画像の合成位置の状態パラメータを説明する図である。
【図5】実施形態１における疑似欠陥要素画像の状態パラメータを説明する図である。
【図6】実施形態１における正常対象画像の合成位置の輝度と疑似欠陥要素画像の最適輝度の関係を示すグラフである。
【図7】実施形態１における正常対象画像の合成位置の輝度と疑似欠陥要素画像の最適輝度との輝度差を示すグラフである。
【図8】実施形態１における状態パラメータ履歴記憶部の状態パラメータ履歴による状態パラメータ処理部の動作を説明する図である。
【図9】実施形態１における特徴点を用いた状態パラメータ処理部の動作を説明する図である。
【図10】実施形態１における設定する境界指定マスク画像を用いた状態パラメータ処理部の動作を説明する図である。
【図11】実施形態２における正常対象画像の合成位置の状態パラメータを説明する図である。
【図12】実施形態２における疑似欠陥要素画像の領域境界での合成位置にて角度の変更を説明する図である。
【図13】実施形態３における正常対象画像の合成位置のフィルタ処理を説明する図である。
【発明を実施するための形態】
【0008】
〔実施形態１〕
図１は、実施形態１の検査装置の全体図である。
図１は、実施形態１の検査装置の全体図である。
【0009】
実施形態１の検査装置1は、カメラ２、ロボット３、コンピュータ４および判定結果表示部６を備える。
カメラ２は、ピストン（被検査物）５の冠面５ａの画像を撮影する。
なお、ピストン５の冠面５ａは、表面性状が大きく異なる切削痕を有する加工面（表面の種類、状態）と鋳肌面（表面の種類、状態）を有している。
ロボット３は、カメラ２に対するピストン５の相対姿勢を変化させる。
コンピュータ４は、例えばパーソナルコンピュータである。
判定結果表示部６は、カメラ２で撮影したピストン５の冠面５ａの対象画像の欠陥を判定した判定結果を表示する。
カメラ２は、ピストン（被検査物）５の冠面５ａの画像を撮影する。
なお、ピストン５の冠面５ａは、表面性状が大きく異なる切削痕を有する加工面（表面の種類、状態）と鋳肌面（表面の種類、状態）を有している。
ロボット３は、カメラ２に対するピストン５の相対姿勢を変化させる。
コンピュータ４は、例えばパーソナルコンピュータである。
判定結果表示部６は、カメラ２で撮影したピストン５の冠面５ａの対象画像の欠陥を判定した判定結果を表示する。
【0010】
図２は、実施形態１のコンピュータの内部を示すブロック図である。
【0011】
（コンピュータの構成）
コンピュータ４は、カメラ２で撮影した複数の正常対象画像を記憶する正常対象画像記憶部４０１と、正常対象画像合成位置状態パラメータ検出処理部４０２と状態パラメータ処理部４０３と状態パラメータ履歴記憶部４０４と疑似欠陥要素画像生成処理部４０５と疑似欠陥要素画像記憶部４０６と疑似欠陥要素画像状態パラメータ検出処理部４０７と境界指定マスク画像設定・記憶部４０８と合成処理部４０９と疑似欠陥対象画像記憶部４１０とアノテーションデータ記憶部４１１と学習処理部４１２と判定モデル記憶部４１３と、カメラ２で撮影したピストン５の冠面５ａの対象画像の欠陥を検出する良否判定を行い（判定ステップ）、判定結果表示部６へ判定結果を送信する判定処理部４１４を備える。
正常対象画像合成位置状態パラメータ検出処理部４０２と状態パラメータ処理部４０３と状態パラメータ履歴記憶部４０４と疑似欠陥要素画像生成処理部４０５と疑似欠陥要素画像記憶部４０６と疑似欠陥要素画像状態パラメータ検出処理部４０７と境界指定マスク画像設定・記憶部４０８と合成処理部４０９と疑似欠陥対象画像記憶部４１０とアノテーションデータ記憶部４１１とにより、疑似欠陥対象画像生成部４ａを構成する。
学習処理部４１２は、アノテーションデータ記憶部４１１に記憶された疑似欠陥対象画像の座標データと疑似欠陥対象画像記憶部４１０に記憶された疑似欠陥対象画像により、機械学習を実行し、判定モデル記憶部４１３に機械学習結果を記憶させる（判定モデル作成ステップ）。
この機械学習は、例えば、ニューラルネットワークを用いた学習であって、実施形態１では、ニューラルネットワークの多層化版である深層学習を採用している。
コンピュータ４は、カメラ２で撮影した複数の正常対象画像を記憶する正常対象画像記憶部４０１と、正常対象画像合成位置状態パラメータ検出処理部４０２と状態パラメータ処理部４０３と状態パラメータ履歴記憶部４０４と疑似欠陥要素画像生成処理部４０５と疑似欠陥要素画像記憶部４０６と疑似欠陥要素画像状態パラメータ検出処理部４０７と境界指定マスク画像設定・記憶部４０８と合成処理部４０９と疑似欠陥対象画像記憶部４１０とアノテーションデータ記憶部４１１と学習処理部４１２と判定モデル記憶部４１３と、カメラ２で撮影したピストン５の冠面５ａの対象画像の欠陥を検出する良否判定を行い（判定ステップ）、判定結果表示部６へ判定結果を送信する判定処理部４１４を備える。
正常対象画像合成位置状態パラメータ検出処理部４０２と状態パラメータ処理部４０３と状態パラメータ履歴記憶部４０４と疑似欠陥要素画像生成処理部４０５と疑似欠陥要素画像記憶部４０６と疑似欠陥要素画像状態パラメータ検出処理部４０７と境界指定マスク画像設定・記憶部４０８と合成処理部４０９と疑似欠陥対象画像記憶部４１０とアノテーションデータ記憶部４１１とにより、疑似欠陥対象画像生成部４ａを構成する。
学習処理部４１２は、アノテーションデータ記憶部４１１に記憶された疑似欠陥対象画像の座標データと疑似欠陥対象画像記憶部４１０に記憶された疑似欠陥対象画像により、機械学習を実行し、判定モデル記憶部４１３に機械学習結果を記憶させる（判定モデル作成ステップ）。
この機械学習は、例えば、ニューラルネットワークを用いた学習であって、実施形態１では、ニューラルネットワークの多層化版である深層学習を採用している。
【0012】
（疑似欠陥画像生成部の動作）
図３は、実施形態１における疑似欠陥対象画像生成部の動作（合成ステップ）を説明するフローチャートである。
図３は、実施形態１における疑似欠陥対象画像生成部の動作（合成ステップ）を説明するフローチャートである。
【0013】
ステップＳ１では、カメラ２で撮影した正常対象画像を入手し、正常対象画像記憶部４０１に記憶する。
ステップＳ２では、境界指定マスク画像設定・記憶部４０８にて、境界指定マスク画像を設定し、記憶する。
ステップＳ３では、状態パラメータ履歴記憶部４０４に記憶されている状態パラメータ履歴を処理する。
ステップＳ４では、正常対象画像記憶部４０１に記憶した正常対象画像が複数あるか否かを確認する。
複数の正常対象画像がない場合には、ステップＳ５へ進み、複数の正常対象画像がある場合には、ステップＳ１２へ進む。
ステップＳ５では、疑似欠陥要素画像生成処理部４０５が生成し、疑似欠陥要素画像記憶部４０６に記憶された欠陥部分を模擬した疑似欠陥要素画像を入手し、疑似欠陥要素画像状態パラメータ検出処理部４０７により、疑似欠陥要素画像の状態パラメータ（状態）を検出し、状態パラメータ処理部４０３へ送信する。
ステップＳ６では、正常対象画像記憶部４０１に記憶した正常対象画像を入手し、合成位置候補があるか否かを確認する。
合成位置候補がある場合には、ステップＳ７へ進み、合成位置候補がない場合には、ステップＳ１へ戻る。
ステップＳ７では、正常対象画像合成位置状態パラメータ検出処理部４０２により、正常対象画像の合成位置の状態パラメータ（状態）を検出し、状態パラメータ処理部４０３へ送信する。
ステップＳ８では、正常対象画像の合成位置の状態パラメータにより、合成が可能か否かを確認する。
合成が可能であれば、ステップＳ９へ進み、合成が可能でなければ、ステップＳ１へ戻る。
ステップＳ９では、状態パラメータ処理部４０３が、正常対象画像の合成位置の状態パラメータと境界指定マスク画像設定・記憶部４０８に記憶された境界位置指定マスク画像に応じて、正常対象画像の合成位置の状態パラメータまたは疑似欠陥要素画像の状態パラメータを変更する。
なお、状態パラメータ処理部４０３は、正常対象画像の合成位置、正常対象画像の合成位置の状態パラメータおよび変更した疑似欠陥要素画像の状態パラメータを状態パラメータ履歴記憶部４０４へ送信し、記憶させる。
ステップＳ１０では、合成処理部４０９にて正常対象画像の合成位置に疑似欠陥要素画像を合成処理し、疑似欠陥対象画像を生成する。
ステップ１１では、生成した疑似欠陥対象画像を疑似欠陥対象画像記憶部４１０に、生成した疑似欠陥対象画像の座標データをアノテーションデータ記憶部４１１に記憶させる。
ステップＳ２では、境界指定マスク画像設定・記憶部４０８にて、境界指定マスク画像を設定し、記憶する。
ステップＳ３では、状態パラメータ履歴記憶部４０４に記憶されている状態パラメータ履歴を処理する。
ステップＳ４では、正常対象画像記憶部４０１に記憶した正常対象画像が複数あるか否かを確認する。
複数の正常対象画像がない場合には、ステップＳ５へ進み、複数の正常対象画像がある場合には、ステップＳ１２へ進む。
ステップＳ５では、疑似欠陥要素画像生成処理部４０５が生成し、疑似欠陥要素画像記憶部４０６に記憶された欠陥部分を模擬した疑似欠陥要素画像を入手し、疑似欠陥要素画像状態パラメータ検出処理部４０７により、疑似欠陥要素画像の状態パラメータ（状態）を検出し、状態パラメータ処理部４０３へ送信する。
ステップＳ６では、正常対象画像記憶部４０１に記憶した正常対象画像を入手し、合成位置候補があるか否かを確認する。
合成位置候補がある場合には、ステップＳ７へ進み、合成位置候補がない場合には、ステップＳ１へ戻る。
ステップＳ７では、正常対象画像合成位置状態パラメータ検出処理部４０２により、正常対象画像の合成位置の状態パラメータ（状態）を検出し、状態パラメータ処理部４０３へ送信する。
ステップＳ８では、正常対象画像の合成位置の状態パラメータにより、合成が可能か否かを確認する。
合成が可能であれば、ステップＳ９へ進み、合成が可能でなければ、ステップＳ１へ戻る。
ステップＳ９では、状態パラメータ処理部４０３が、正常対象画像の合成位置の状態パラメータと境界指定マスク画像設定・記憶部４０８に記憶された境界位置指定マスク画像に応じて、正常対象画像の合成位置の状態パラメータまたは疑似欠陥要素画像の状態パラメータを変更する。
なお、状態パラメータ処理部４０３は、正常対象画像の合成位置、正常対象画像の合成位置の状態パラメータおよび変更した疑似欠陥要素画像の状態パラメータを状態パラメータ履歴記憶部４０４へ送信し、記憶させる。
ステップＳ１０では、合成処理部４０９にて正常対象画像の合成位置に疑似欠陥要素画像を合成処理し、疑似欠陥対象画像を生成する。
ステップ１１では、生成した疑似欠陥対象画像を疑似欠陥対象画像記憶部４１０に、生成した疑似欠陥対象画像の座標データをアノテーションデータ記憶部４１１に記憶させる。
【0014】
ステップＳ１２では、疑似欠陥要素画像生成処理部４０５が生成し、疑似欠陥要素画像記憶部４０６に記憶された欠陥部分を模擬した複数の正常対象画像に対応した疑似欠陥要素画像を入手し、疑似欠陥要素画像状態パラメータ検出処理部４０７により、疑似欠陥要素画像の状態パラメータを検出し、状態パラメータ処理部４０３へ送信する。
ステップＳ１３では、正常対象画像記憶部４０１に記憶した複数の正常対象画像を入手し、それぞれ合成位置候補があるか否かを確認する。
合成位置候補がある場合には、ステップＳ１４へ進み、合成位置候補がない場合には、ステップＳ１へ戻る。
ステップＳ１４では、複数の正常対象画像の共通の特徴点となる場所および形状を抽出する。
ステップＳ１５では、特徴点となる場所および形状の位置を基準として、複数の正常対象画像の全体位置を修正する。
ステップＳ１６では、正常対象画像合成位置状態パラメータ検出処理部４０２により、複数の正常対象画像の合成位置の状態パラメータを検出し、状態パラメータ処理部４０３へ送信する。
ステップＳ１７では、正常対象画像の合成位置の状態パラメータにより、合成が可能か否かを確認する。
合成が可能であれば、ステップＳ１８へ進み、合成が可能でなければ、ステップＳ１へ戻る。
ステップＳ１８では、それぞれの正常対象画像の合成位置の状態パラメータと境界指定マスク画像設定・記憶部４０８に記憶された境界位置指定マスク画像に応じて、状態パラメータ処理部４０３にて、それぞれの正常対象画像の合成位置の状態パラメータまたは疑似欠陥要素画像の状態パラメータを変更する。
ステップＳ１９では、合成処理部４０９にて正常対象画像の合成位置に疑似欠陥要素画像を合成処理し、疑似欠陥対象画像を生成する。
ステップ２０では、生成した疑似欠陥対象画像を疑似欠陥対象画像記憶部４１０に、生成した疑似欠陥対象画像の座標データをアノテーションデータ記憶部４１１に記憶させる。
このように、正常対象画像の合成位置の状態パラメータを検出し、正常対象画像の合成位置の状態パラメータに応じて、正常対象画像の合成位置の状態パラメータまたは疑似欠陥要素画像の状態パラメータを変更し、疑似欠陥要素画像を正常対象画像の合成位置に合成し、疑似欠陥対象画像を生成するようにしたので、実際の欠陥に近い疑似欠陥対象画像を生成することができ、検査の判定精度を向上することができる。
ステップＳ１３では、正常対象画像記憶部４０１に記憶した複数の正常対象画像を入手し、それぞれ合成位置候補があるか否かを確認する。
合成位置候補がある場合には、ステップＳ１４へ進み、合成位置候補がない場合には、ステップＳ１へ戻る。
ステップＳ１４では、複数の正常対象画像の共通の特徴点となる場所および形状を抽出する。
ステップＳ１５では、特徴点となる場所および形状の位置を基準として、複数の正常対象画像の全体位置を修正する。
ステップＳ１６では、正常対象画像合成位置状態パラメータ検出処理部４０２により、複数の正常対象画像の合成位置の状態パラメータを検出し、状態パラメータ処理部４０３へ送信する。
ステップＳ１７では、正常対象画像の合成位置の状態パラメータにより、合成が可能か否かを確認する。
合成が可能であれば、ステップＳ１８へ進み、合成が可能でなければ、ステップＳ１へ戻る。
ステップＳ１８では、それぞれの正常対象画像の合成位置の状態パラメータと境界指定マスク画像設定・記憶部４０８に記憶された境界位置指定マスク画像に応じて、状態パラメータ処理部４０３にて、それぞれの正常対象画像の合成位置の状態パラメータまたは疑似欠陥要素画像の状態パラメータを変更する。
ステップＳ１９では、合成処理部４０９にて正常対象画像の合成位置に疑似欠陥要素画像を合成処理し、疑似欠陥対象画像を生成する。
ステップ２０では、生成した疑似欠陥対象画像を疑似欠陥対象画像記憶部４１０に、生成した疑似欠陥対象画像の座標データをアノテーションデータ記憶部４１１に記憶させる。
このように、正常対象画像の合成位置の状態パラメータを検出し、正常対象画像の合成位置の状態パラメータに応じて、正常対象画像の合成位置の状態パラメータまたは疑似欠陥要素画像の状態パラメータを変更し、疑似欠陥要素画像を正常対象画像の合成位置に合成し、疑似欠陥対象画像を生成するようにしたので、実際の欠陥に近い疑似欠陥対象画像を生成することができ、検査の判定精度を向上することができる。
【0015】
図４は、実施形態１における正常対象画像の合成位置の状態パラメータを説明する図である。
【0016】
実施形態１では、正常対象画像合成位置状態検出処理部４０２による正常対象画像の合成位置の状態パラメータ（状態）として、正常対象画像７の合成位置Ｇの輝度（背景輝度）ｋａを使用している。
検出された合成位置Ｇと合成位置Ｇの輝度ｋａは、状態パラメータ処理部４０３に送信される。
なお、輝度ｋａに代えて、輝度のばらつきΔｋを使用してもよい。
検出された合成位置Ｇと合成位置Ｇの輝度ｋａは、状態パラメータ処理部４０３に送信される。
なお、輝度ｋａに代えて、輝度のばらつきΔｋを使用してもよい。
【0017】
図５は、実施形態１における疑似欠陥要素画像の状態パラメータを説明する図である。
【0018】
疑似欠陥要素画像状態パラメータ検出処理部４０７による疑似欠陥要素画像８の状態パラメータ（状態）として、種類（穴、キズ）、長径ａ（大きさ）、短径ｂ（大きさ）、アスペクト比（＝長径ａ：短径ｂ）、長径方向軸線αの角度θ１、輝度ｋｂのいずれか１つあるいは複数を組み合わせて使用することができる。
実施形態１では、疑似欠陥要素画像８の状態パラメータとして、輝度ｋｂを使用している。
実施形態１では、疑似欠陥要素画像８の状態パラメータとして、輝度ｋｂを使用している。
【0019】
図６は、実施形態１における正常対象画像の合成位置の輝度と疑似欠陥要素画像の最適輝度の関係を示すグラフである。
【0020】
正常対象画像７の合成位置Ｇの輝度ｋａに対する疑似欠陥要素画像８の最適輝度（変更後の輝度）ｋｃとは、回帰式により所定の関係が成立している。
このため、正常対象画像７の合成位置Ｇの輝度ｋａを検出し、検出した正常対象画像７の合成位置Ｇの輝度ｋａから、疑似欠陥要素画像８の最適輝度ｋｃを回帰式により算出する。
そして、検出した実際の疑似欠陥要素画像８の輝度ｋｂと疑似欠陥要素画像８の最適輝度ｋｃに輝度差がある場合には、実際の疑似欠陥要素画像８の輝度ｋｂを疑似欠陥要素画像８の最適輝度ｋｃに変更し、輝度を変更した疑似欠陥要素画像８を正常対象画像の合成位置に合成し、疑似欠陥対象画像を生成する。
これにより、より実際の欠陥に近い画像を効率的に生成することができる。
このため、正常対象画像７の合成位置Ｇの輝度ｋａを検出し、検出した正常対象画像７の合成位置Ｇの輝度ｋａから、疑似欠陥要素画像８の最適輝度ｋｃを回帰式により算出する。
そして、検出した実際の疑似欠陥要素画像８の輝度ｋｂと疑似欠陥要素画像８の最適輝度ｋｃに輝度差がある場合には、実際の疑似欠陥要素画像８の輝度ｋｂを疑似欠陥要素画像８の最適輝度ｋｃに変更し、輝度を変更した疑似欠陥要素画像８を正常対象画像の合成位置に合成し、疑似欠陥対象画像を生成する。
これにより、より実際の欠陥に近い画像を効率的に生成することができる。
【0021】
図７は、実施形態１における正常対象画像の合成位置の輝度と疑似欠陥要素画像の最適輝度との輝度差を示すグラフである。
【0022】
正常対象画像７の合成位置Ｇの輝度ｋａが大きいほど、疑似欠陥要素画像８の最適輝度ｋｃは大きくなる。
すなわち、正常対象画像７の合成位置Ｇの輝度ｋａが大きいほど、正常対象画像７の合成位置Ｇの輝度ｋａと疑似欠陥要素画像８の最適輝度ｋｃの輝度差ｋｄが大きくなる。
これにより、正常対象画像７の合成位置Ｇの輝度ｋａが大きいほど、実際の疑似欠陥要素画像８の輝度ｋｂとのコントラストが鮮明になるが、実際の疑似欠陥要素画像８の輝度ｋｂを疑似欠陥要素画像８の最適輝度ｋｃに大きくすることにより、疑似欠陥要素画像８が鮮明になりすぎず、さらに実際の欠陥に近い画像を効率的に生成することができる。
すなわち、正常対象画像７の合成位置Ｇの輝度ｋａが大きいほど、正常対象画像７の合成位置Ｇの輝度ｋａと疑似欠陥要素画像８の最適輝度ｋｃの輝度差ｋｄが大きくなる。
これにより、正常対象画像７の合成位置Ｇの輝度ｋａが大きいほど、実際の疑似欠陥要素画像８の輝度ｋｂとのコントラストが鮮明になるが、実際の疑似欠陥要素画像８の輝度ｋｂを疑似欠陥要素画像８の最適輝度ｋｃに大きくすることにより、疑似欠陥要素画像８が鮮明になりすぎず、さらに実際の欠陥に近い画像を効率的に生成することができる。
【0023】
また、正常対象画像７の合成位置Ｇの輝度ｋａが閾値ｓ以上の場合には、疑似欠陥要素画像８の合成を行い、正常対象画像７の合成位置Ｇの輝度ｋａが閾値ｓ未満の場合には、疑似欠陥要素画像８の合成を行わないようにしている。
これにより、正常対象画像７の合成位置Ｇの輝度ｋａが閾値ｓ未満の場合には、疑似欠陥要素画像８の輝度ｋｂとの輝度差ｋｄが小さく、正確な検査の判定ができなくなるので、これを防止して検査の判定精度を向上することができる。
これにより、正常対象画像７の合成位置Ｇの輝度ｋａが閾値ｓ未満の場合には、疑似欠陥要素画像８の輝度ｋｂとの輝度差ｋｄが小さく、正確な検査の判定ができなくなるので、これを防止して検査の判定精度を向上することができる。
【0024】
図８は、実施形態１における状態パラメータ履歴記憶部の状態パラメータ履歴による状態パラメータ決定処理部の動作を説明する図である。
【0025】
状態パラメータ処理部４０３は、状態パラメータ履歴記憶部４０４に記憶された正常対象画像７の合成位置Ｇの履歴により、切削痕を有する加工面１０と鋳肌面１１との領域境界Ｒ１の加工面１０の過去の合成位置を履歴対象画像９にて確認し、合成されていない優先合成エリアを特定する（図３のステップＳ３）。
これにより、正常対象画像７の合成位置Ｇを優先合成エリア内に変更して、疑似欠陥対象画像を生成するようにしているので、疑似欠陥要素画像８の網羅性を向上することができる。
なお、優先合成エリアは、領域境界Ｒ１内の加工面１０に限らず、鋳肌面１１あるいは領域境界Ｒ１に設定することもできる。
また、正常対象画像７の合成位置Ｇに代えて、正常対象画像７の合成位置Ｇの状態パラメータや疑似欠陥要素画像８の状態パラメータの履歴を使用してもよい。
これにより、正常対象画像７の合成位置Ｇを優先合成エリア内に変更して、疑似欠陥対象画像を生成するようにしているので、疑似欠陥要素画像８の網羅性を向上することができる。
なお、優先合成エリアは、領域境界Ｒ１内の加工面１０に限らず、鋳肌面１１あるいは領域境界Ｒ１に設定することもできる。
また、正常対象画像７の合成位置Ｇに代えて、正常対象画像７の合成位置Ｇの状態パラメータや疑似欠陥要素画像８の状態パラメータの履歴を使用してもよい。
【0026】
図９は、実施形態１における特徴点を用いた状態パラメータ処理部の動作を説明する図である。
【0027】
状態パラメータ処理部４０３は、正常対象画像が複数ある場合には、鋳型によるリング状の凹みＴ（特徴点）を抽出し、鋳型によるリング状の凹みＴ（特徴点）を基準として、複数の正常対象画像が同じ全体位置になるように複数の正常対象画像の全体位置の修正を行うようにしている（図３のステップＳ１４、Ｓ１５）。
これにより、撮影によるずれが発生し複数の正常対象画像の全体位置が微妙にずれている状態を修正することができるので、後述する境界指定マスク画像設定・記憶部４０８に記憶された境界位置指定マスク画像（境界位置指定マスク）Ｍを複数の正常対象画像に流用することができ、実際の欠陥に近い画像を効率的に生成することができる。
これにより、撮影によるずれが発生し複数の正常対象画像の全体位置が微妙にずれている状態を修正することができるので、後述する境界指定マスク画像設定・記憶部４０８に記憶された境界位置指定マスク画像（境界位置指定マスク）Ｍを複数の正常対象画像に流用することができ、実際の欠陥に近い画像を効率的に生成することができる。
【0028】
図１０は、実施形態１における設定する境界指定マスク画像を用いた状態パラメータ処理部の動作を説明する図である。
【0029】
状態パラメータ処理部４０３は、境界指定マスク画像設定・記憶部４０８に記憶された加工面１０と鋳肌面１１との領域境界Ｒ１とピストン５の冠面５ａの外周を示す領域境界Ｒ２を有する境界位置指定マスク画像（境界位置指定マスク）Ｍにより、疑似欠陥要素画像８の一部が領域境界Ｒ１にかかるように、正常対象画像７の合成位置Ｇに疑似欠陥要素画像８を合成するようにしている（図３のステップＳ９、Ｓ１８）。
このように、判定の難易度が高い領域境界Ｒ１に疑似欠陥要素画像８を配置することができるので、より効率的に検査の判定精度を向上することができる。
このように、判定の難易度が高い領域境界Ｒ１に疑似欠陥要素画像８を配置することができるので、より効率的に検査の判定精度を向上することができる。
【0030】
次に、実施形態１の作用効果を説明する。
実施形態１では、以下のような作用効果を奏する。
実施形態１では、以下のような作用効果を奏する。
【0031】
（１）正常対象画像の合成位置の状態パラメータとしての輝度を検出し、正常対象画像の合成位置の状態パラメータとしての輝度に応じて、疑似欠陥要素画像の状態パラメータとしての輝度を変更し、状態パラメータとしての輝度を変更した疑似欠陥要素画像を正常対象画像の合成位置に合成し、疑似欠陥対象画像を生成するようにした。
よって、実際の欠陥に近い疑似欠陥対象画像を生成することができ、検査の判定精度を向上することができる。
よって、実際の欠陥に近い疑似欠陥対象画像を生成することができ、検査の判定精度を向上することができる。
【0032】
（２）検出した実際の疑似欠陥要素画像８の輝度ｋｂと回帰式により算出した疑似欠陥要素画像８の最適輝度ｋｃに輝度差がある場合には、実際の疑似欠陥要素画像８の輝度ｋｂを疑似欠陥要素画像８の最適輝度ｋｃに変更し、輝度を変更した疑似欠陥要素画像８を正常対象画像の合成位置に合成し、疑似欠陥対象画像を生成するようにした。
よって、より実際の欠陥に近い疑似欠陥対象画像を効率的に生成することができる。
よって、より実際の欠陥に近い疑似欠陥対象画像を効率的に生成することができる。
【0033】
（３）正常対象画像７の合成位置Ｇの輝度ｋａが大きいほど、正常対象画像７の合成位置Ｇの輝度ｋａと疑似欠陥要素画像８の最適輝度ｋｃの輝度差ｋｄが大きくなるようにした。
よって、正常対象画像７の合成位置Ｇの輝度ｋａが大きいほど、実際の疑似欠陥要素画像８の輝度ｋｂとのコントラストが鮮明になるが、実際の疑似欠陥要素画像８の輝度ｋｂを疑似欠陥要素画像８の最適輝度ｋｃに大きくすることにより、疑似欠陥要素画像８が鮮明になりすぎず、さらに実際の欠陥に近い疑似欠陥対象画像を効率的に生成することができる。
よって、正常対象画像７の合成位置Ｇの輝度ｋａが大きいほど、実際の疑似欠陥要素画像８の輝度ｋｂとのコントラストが鮮明になるが、実際の疑似欠陥要素画像８の輝度ｋｂを疑似欠陥要素画像８の最適輝度ｋｃに大きくすることにより、疑似欠陥要素画像８が鮮明になりすぎず、さらに実際の欠陥に近い疑似欠陥対象画像を効率的に生成することができる。
【0034】
（４）正常対象画像７の合成位置Ｇの輝度ｋａが閾値ｓ以上の場合には、疑似欠陥要素画像８の合成を行い、正常対象画像７の合成位置Ｇの輝度ｋａが閾値ｓ未満の場合には、疑似欠陥要素画像８の合成を行わないようにした。
よって、正常対象画像７の合成位置Ｇの輝度ｋａが閾値ｓ未満の場合には、疑似欠陥要素画像８の輝度ｋｂとの輝度差ｋｄが小さく、正確な検査の判定ができなくなるので、これを防止して検査の判定精度を向上することができる。
よって、正常対象画像７の合成位置Ｇの輝度ｋａが閾値ｓ未満の場合には、疑似欠陥要素画像８の輝度ｋｂとの輝度差ｋｄが小さく、正確な検査の判定ができなくなるので、これを防止して検査の判定精度を向上することができる。
【0035】
（５）状態パラメータ処理部４０３は、状態パラメータ履歴記憶部４０４に記憶された正常対象画像７の合成位置Ｇの履歴により、加工面１０と鋳肌面１１との領域境界Ｒ１の加工面１０の過去の合成位置を履歴対象画像９にて確認し、合成されていない優先合成エリアを特定し、疑似欠陥要素画像８の合成位置を優先合成エリア内に変更し、疑似欠陥対象画像を生成するようにした。
よって、疑似欠陥対象画像の網羅性を向上することができる。
よって、疑似欠陥対象画像の網羅性を向上することができる。
【0036】
（６）状態パラメータ処理部４０３は、正常対象画像が複数ある場合には、鋳型によるリング状の凹みＴ（特徴点）を抽出し、鋳型によるリング状の凹みＴ（特徴点）を基準として、複数の正常対象画像が同じ全体位置になるように複数の正常対象画像の全体位置の修正を行うようにした。
よって、撮影によるずれが発生し複数の正常対象画像の全体位置が微妙にずれている状態を修正することができるので、境界指定マスク画像設定・記憶部４０８に記憶された境界位置指定マスク画像を複数の正常対象画像に流用することができ、実際の欠陥に近い疑似欠陥対象画像を効率的に生成することができる。
よって、撮影によるずれが発生し複数の正常対象画像の全体位置が微妙にずれている状態を修正することができるので、境界指定マスク画像設定・記憶部４０８に記憶された境界位置指定マスク画像を複数の正常対象画像に流用することができ、実際の欠陥に近い疑似欠陥対象画像を効率的に生成することができる。
【0037】
（７）状態パラメータ処理部４０３は、境界指定マスク画像設定・記憶部４０８に記憶された加工面１０と鋳肌面１１との領域境界Ｒ１とピストン５の冠面５ａの外周を示す領域境界Ｒ２を有する境界位置指定マスク画像Ｍにより、疑似欠陥要素画像８の一部が領域境界Ｒ１にかかるように、正常対象画像７の合成位置Ｇに疑似欠陥要素画像８を合成して、疑似欠陥対象画像を生成するようにした。
よって、判定の難易度が高い領域境界Ｒ１に疑似欠陥要素画像８を配置することができるので、より効率的に検査の判定精度を向上することができる。
よって、判定の難易度が高い領域境界Ｒ１に疑似欠陥要素画像８を配置することができるので、より効率的に検査の判定精度を向上することができる。
【0038】
〔実施形態２〕
図１１は、実施形態２における正常対象画像の合成位置の状態パラメータを説明する図である。
図１１は、実施形態２における正常対象画像の合成位置の状態パラメータを説明する図である。
【0039】
実施形態１では、正常対象画像合成位置状態検出処理部４０２による正常対象画像の合成位置の状態パラメータ（状態）として、正常対象画像７の合成位置Ｇの輝度ｋａを使用していたが、実施形態２では、正常対象画像の合成位置の状態パラメータ（状態）として、正常対象画像７の合成位置Ｇの切削痕１０ａを有する加工面１０と鋳肌面１１との領域境界Ｒ１からの距離cと領域境界Ｒ１との角度θ２を使用するようにしている。
その他の構成は、実施形態１と同じ構成であるため、同じ構成には同一符号を付して、説明は省略する。
その他の構成は、実施形態１と同じ構成であるため、同じ構成には同一符号を付して、説明は省略する。
【0040】
図１２は、実施形態２における疑似欠陥要素画像の領域境界での合成位置にて角度の変更を説明する図である。
【0041】
疑似欠陥要素画像８の長径方向軸線αが切削痕１０ａを有する加工面１０と鋳肌面１１との領域境界Ｒ１の真上にある場合は、領域境界Ｒ１と疑似欠陥要素画像８と区別がつきづらくなり検査の判定精度が悪化するため、疑似欠陥要素画像８の長径方向軸線αを領域境界Ｒ１に対し、所定角度θａよりも大きい角度θ３回転させた正常対象画像の合成位置にて、疑似欠陥要素画像８を合成し、疑似欠陥対象画像を生成するようにしている。
例えば、所定角度θａは４５°である。
よって、実施形態２では、実施形態１の作用効果に加え、領域境界Ｒ１近傍においてもより実際の欠陥に近い疑似欠陥対象画像を生成することができるという作用効果を奏する。
例えば、所定角度θａは４５°である。
よって、実施形態２では、実施形態１の作用効果に加え、領域境界Ｒ１近傍においてもより実際の欠陥に近い疑似欠陥対象画像を生成することができるという作用効果を奏する。
【0042】
〔実施形態３〕
図１３は、実施形態３における正常対象画像の合成位置のフィルタ処理を説明する図である。
図１３は、実施形態３における正常対象画像の合成位置のフィルタ処理を説明する図である。
【0043】
実施形態１では、ピストン５の冠面５ａの切削痕１０ａを有する加工面１０の正常対象画像７の合成位置Ｇに、そのまま、輝度を変更した疑似欠陥要素画像８を合成するようにしていたが、実施形態３では、切削痕１０ａを有する加工面（表面の種類）１０の正常対象画像７の合成位置Ｇに平滑化する平滑化フィルタ処理（フィルタ処理）をして切削痕をなくし、表面の状態を変更してから疑似欠陥要素画像８を合成し、疑似欠陥対象画像を生成するようにしている。
その他の構成は、実施形態１と同じ構成であるため、同じ構成には同一符号を付して、説明は省略する。
これにより、加工面１０の切削痕１０ａの影響を受けないので、より実際の欠陥に近い疑似欠陥対象画像を生成することができる。
よって、実施形態３では、実施形態１の作用効果に加え、加工面１０の切削痕の影響を受けない疑似欠陥対象画像を生成でき、より実際の欠陥に近い画像を生成することができるという作用効果を奏する。
その他の構成は、実施形態１と同じ構成であるため、同じ構成には同一符号を付して、説明は省略する。
これにより、加工面１０の切削痕１０ａの影響を受けないので、より実際の欠陥に近い疑似欠陥対象画像を生成することができる。
よって、実施形態３では、実施形態１の作用効果に加え、加工面１０の切削痕の影響を受けない疑似欠陥対象画像を生成でき、より実際の欠陥に近い画像を生成することができるという作用効果を奏する。
【0044】
〔他の実施形態〕
以上、本発明を実施するための実施形態を説明したが、本発明の具体的な構成は実施形態の構成に限定されるものではなく、発明の要旨を逸脱しない範囲の設計変更等があっても本発明に含まれる。
例えば、被検査物は、ピストンに限らないし、機械学習は、ニューラルネットワークの多層化板である深層学習に限らない。
また、姿勢制御部は、ロボットによりピストンの姿勢変化を行っているが、カメラの位置を変更することにより行ってもよい。
以上、本発明を実施するための実施形態を説明したが、本発明の具体的な構成は実施形態の構成に限定されるものではなく、発明の要旨を逸脱しない範囲の設計変更等があっても本発明に含まれる。
例えば、被検査物は、ピストンに限らないし、機械学習は、ニューラルネットワークの多層化板である深層学習に限らない。
また、姿勢制御部は、ロボットによりピストンの姿勢変化を行っているが、カメラの位置を変更することにより行ってもよい。
【符号の説明】
【0045】
１ 検査装置、４ａ 疑似欠陥対象画像生成部、４１２ 学習処理部、４１４ 判定処理部、５ ピストン（被検査物）、７ 正常対象画像、８ 疑似欠陥要素画像、１０ 加工面（表面の種類、状態）、１１ 鋳肌面（表面の種類、状態）、ａ 長径（大きさ、状態）、ｂ 短径（大きさ、状態）、c 正常対象画像の合成位置の領域境界からの距離（状態）、α 長径方向軸線、θ１ 長径方向軸線の角度（状態）、θ２ 正常対象画像の合成位置の領域境界との角度（状態）、θａ 長径方向軸線の所定角度、Ｇ 正常対象画像の合成位置、ｋａ 正常対象画像の合成位置の輝度（背景輝度、状態）、ｋｂ 実際の疑似欠陥要素画像の輝度（状態）、ｋｃ 疑似欠陥要素画像の最適輝度（変更後の疑似欠陥要素画像の輝度）、ｋｄ 正常対象画像の合成位置の輝度と疑似欠陥要素画像の最適輝度との輝度差、Ｒ１ 領域境界、ｓ 正常対象画像の合成位置の輝度の閾値
【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】