特開 2024-29975 Ｘ線撮影システム、および、学習済みモデル生成方法

(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】P2024029975

(43)【公開日】2024-03-07

(54)【発明の名称】Ｘ線撮影システム、および、学習済みモデル生成方法

(51)【国際特許分類】

   G01N 23/04 20180101AFI20240229BHJP

【ＦＩ】

G01N23/04

【審査請求】未請求

【請求項の数】11

【出願形態】ＯＬ

(21)【出願番号】P 2022132482

(22)【出願日】2022-08-23

(71)【出願人】

【識別番号】000001993

【氏名又は名称】株式会社島津製作所

(74)【代理人】

【識別番号】100104433

【弁理士】

【氏名又は名称】宮園 博一

(74)【代理人】

【識別番号】100202728

【弁理士】

【氏名又は名称】三森 智裕

(72)【発明者】

【氏名】津島 啓晃

(72)【発明者】

【氏名】澤田 隆二

【テーマコード（参考）】

2G001

【Ｆターム（参考）】

2G001AA01

2G001BA11

2G001CA01

2G001DA09

2G001FA29

2G001GA01

2G001HA07

2G001HA13

2G001LA11

2G001MA04

(57)【要約】

【課題】検査対象物の領域、および、検査対象物に含まれる異常部分の領域の少なくとも一方を識別するための学習済みモデルを生成する場合に、教師データの作成作業における作業負担を軽減することが可能なＸ線撮影システム、および、学習済みモデル生成方法を提供することである。
【解決手段】このＸ線撮影システム１００は、規則性を有する状態で配置された複数のはんだボールを含む教師用Ｘ線画像６０から、中心画像と端画像とを取得する。そして、Ｘ線撮影システム１００は、中心画像および端画像の各々におけるはんだボールの領域を識別するための識別情報を取得する。そして、Ｘ線撮影システム１００は、中心画像および端画像に基づく入力教師データと、識別情報に基づく出力教師データとを用いて、学習済みモデルを生成する機械学習を行う。
【選択図】図８

【特許請求の範囲】

【請求項1】

規則性を有する状態で配置された検査対象物に対してＸ線を照射するＸ線照射部と、
前記Ｘ線照射部から照射されたＸ線を検出するＸ線検出部と、
前記Ｘ線検出部により検出されたＸ線に基づいてＸ線画像を生成する画像生成部と、
前記画像生成部により生成された前記Ｘ線画像の解析を行うための学習済みモデルを生成するモデル生成部と、を備え、
前記モデル生成部は、
規則性を有する状態で配置された前記検査対象物を含む教師用Ｘ線画像から、第１部分が切り出された第１画像と、前記第１部分とは異なる第２部分が切り出された第２画像とを取得する切出画像取得部と、
前記第１画像および前記第２画像の各々における前記検査対象物の領域、および、前記検査対象物に含まれる異常部分の領域の少なくとも一方を識別するための識別情報を取得する識別情報取得部と、
前記第１画像および前記第２画像に基づく入力教師データと、前記識別情報に基づく出力教師データとを用いて、前記学習済みモデルを生成する機械学習を行う学習部と、を含む、Ｘ線撮影システム。

【請求項2】

前記切出画像取得部は、前記教師用Ｘ線画像から、前記検査対象物が含まれる対象領域の中心部分を含む前記第１部分が切り出された前記第１画像と、前記対象領域の端部分を含む前記第２部分が切り出された前記第２画像とを取得する、請求項１に記載のＸ線撮影システム。

【請求項3】

前記Ｘ線照射部は、規則性を有するように基板に格子状に並べて配置された複数のはんだ材を含む前記検査対象物に対してＸ線を照射し、
前記識別情報取得部は、前記第１画像および前記第２画像の各々における前記複数のはんだ材の領域および前記複数のはんだ材に含まれる前記異常部分の領域の少なくとも一方が識別された識別画像を前記識別情報として取得する、請求項１または２に記載のＸ線撮影システム。

【請求項4】

操作者による入力操作を受け付ける操作部をさらに備え、
前記操作部は、前記教師用Ｘ線画像において前記検査対象物が含まれる対象領域を設定する領域設定操作を受け付け、
前記切出画像取得部は、前記操作部により受け付けられた領域設定操作によって設定された前記教師用Ｘ線画像における前記対象領域に基づいて、前記教師用Ｘ線画像のうちから前記第１部分の範囲と前記第２部分の範囲とを自動的に設定する、請求項１または２に記載のＸ線撮影システム。

【請求項5】

前記教師用Ｘ線画像を表示する表示部と、
操作者による入力操作を受け付ける操作部とをさらに備え、
前記表示部は、前記教師用Ｘ線画像から切り出される前記第１部分の範囲を示す表示と、前記第２部分の範囲を示す表示とを視認可能に表示し、
前記切出画像取得部は、前記操作部により受け付けられた入力操作に基づいて、前記教師用Ｘ線画像から切り出される前記第１部分の範囲と、前記第２部分の範囲とを設定する、請求項１または２に記載のＸ線撮影システム。

【請求項6】

前記切出画像取得部は、前記操作部により受け付けられた入力操作に基づいて、所定のしきい値以上の大きさを有するように前記第１部分の範囲と前記第２部分の範囲とを設定する、請求項５に記載のＸ線撮影システム。

【請求項7】

前記モデル生成部は、前記切出画像取得部により取得された前記第１画像と前記第２画像とに基づいて、前記入力教師データを生成する教師データ生成部をさらに含み、
前記教師データ生成部は、複製された複数の前記第１画像同士を並べて配置することと、複製された複数の前記第２画像同士を並べて配置することとの少なくとも一方によって、前記入力教師データを共通の大きさにするように構成されている、請求項１または２に記載のＸ線撮影システム。

【請求項8】

前記教師データ生成部は、前記第１画像同士を反転させながら並べて配置することと、前記第２画像同士を反転させながら並べて配置することとの少なくとも一方によって、前記入力教師データを共通の大きさにするように構成されている、請求項７に記載のＸ線撮影システム。

【請求項9】

前記切出画像取得部は、前記教師用Ｘ線画像から前記検査対象物が含まれない背景部分が切り出された背景画像を取得し、
前記学習部は、前記第１画像および前記第２画像と前記背景画像とに基づく前記入力教師データを用いて前記学習済みモデルを生成するための機械学習を行う、請求項１または２に記載のＸ線撮影システム。

【請求項10】

操作者による入力操作を受け付ける操作部をさらに備え、
前記操作部は、複数の前記教師用Ｘ線画像のうちの一の前記教師用Ｘ線画像における前記第１部分の範囲と前記第２部分の範囲とを設定する範囲設定操作を受け付け、
前記切出画像取得部は、前記複数の教師用Ｘ線画像の各々から、前記一の教師用Ｘ線画像に対する範囲設定操作に基づいて設定された共通の範囲の前記第１部分が切り出された複数の前記第１画像と、前記一の教師用Ｘ線画像に対する範囲設定操作に基づいて設定された共通の範囲の前記第２部分が切り出された複数の前記第２画像とを取得する、請求項１または２に記載のＸ線撮影システム。

【請求項11】

規則性を有する状態で配置された検査対象物に対してＸ線を照射することによって生成されたＸ線画像に対応する教師用Ｘ線画像から、第１部分が切り出された第１画像と、前記第１部分とは異なる第２部分が切り出された第２画像とを取得するステップと、
前記第１画像および前記第２画像の各々における前記検査対象物の領域、および、前記検査対象物に含まれる異常部分の領域の少なくとも一方を識別するための識別情報を取得するステップと、
前記第１画像および前記第２画像に基づく入力教師データと、前記識別情報に基づく出力教師データとを用いて、前記Ｘ線画像の解析を行うための学習済みモデルを生成する機械学習を行うステップと、を含む、学習済みモデル生成方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、Ｘ線撮影システム、および、学習済みモデル生成方法に関し、特に、学習済みモデルを生成するＸ線撮影システム、および、学習済みモデル生成方法に関する。

【背景技術】

【0002】

従来、学習済みモデルを生成する装置が知られている（たとえば、特許文献１参照）。

【0003】

上記特許文献１には、解析対象画像における解析対象物の領域または位置を推定する推定処理を行う装置（画像解析装置）が開示されている。上記特許文献１では、この推定処理において、機械学習を用いた画像解析が用いられる。上記特許文献１に記載の画像解析装置は、解析対象画像と解析対象画像に対応するラベル画像とを用いて機械学習を行うことによって、学習済みモデルを作成する。そして、作成された学習済みモデルを用いて解析処理が実行される。上記特許文献１に記載の画像解析装置は、元となる解析対象画像の全体に二値化処理の加工を行うことによって、画像中の解析対象物の境界部分を数値化するとともに、数値化された加工済みの画像を合成することによってラベル画像を取得する。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】国際公開第２０２２／０７０４９１号

【発明の概要】

【発明が解決しようとする課題】

【0005】

ここで、上記特許文献１には記載されていないが、機械学習に用いられる教師データ（ラベル画像）を作成するために作業者（操作者）が元となる画像（解析対象画像）に対して手動で領域を選択する作業を行って加工を行う場合がある。その場合に、上記特許文献１に記載の画像解析装置のように、教師データを作成するために元となる複数の画像の全体に対して手動で加工を行う場合には、教師データの作成作業が操作者にとって負担となる。そのため、解析対象物（検査対象物）の領域、および、検査対象物に含まれる異常部分の領域の少なくとも一方を識別するための学習済みモデルを生成する場合に、教師データの作成作業における操作者の作業負担を軽減することが望まれている。

【0006】

この発明は、上記のような課題を解決するためになされたものであり、この発明の１つの目的は、検査対象物の領域、および、検査対象物に含まれる異常部分の領域の少なくとも一方を識別するための学習済みモデルを生成する場合に、教師データの作成作業における操作者の作業負担を軽減することが可能なＸ線撮影システム、および、学習済みモデル生成方法を提供することである。

【課題を解決するための手段】

【0007】

上記目的を達成するために、この発明の第１の局面におけるＸ線撮影システムは、規則性を有する状態で配置された検査対象物に対してＸ線を照射するＸ線照射部と、Ｘ線照射部から照射されたＸ線を検出するＸ線検出部と、Ｘ線検出部により検出されたＸ線に基づいてＸ線画像を生成する画像生成部と、画像生成部により生成されたＸ線画像の解析を行うための学習済みモデルを生成するモデル生成部と、を備え、モデル生成部は、規則性を有する状態で配置された検査対象物を含む教師用Ｘ線画像から、第１部分が切り出された第１画像と、第１部分とは異なる第２部分が切り出された第２画像とを取得する切出画像取得部と、第１画像および第２画像の各々における検査対象物の領域、および、検査対象物に含まれる異常部分の領域の少なくとも一方を識別するための識別情報を取得する識別情報取得部と、第１画像および第２画像に基づく入力教師データと、識別情報に基づく出力教師データとを用いて、学習済みモデルを生成する機械学習を行う学習部と、を含む。

【0008】

この発明の第２の局面における学習済みモデル生成方法は、規則性を有する状態で配置された検査対象物に対してＸ線を照射することによって生成されたＸ線画像に対応する教師用Ｘ線画像から、第１部分が切り出された第１画像と、第１部分とは異なる第２部分が切り出された第２画像とを取得するステップと、第１画像および第２画像の各々における検査対象物の領域、および、検査対象物に含まれる異常部分の領域の少なくとも一方を識別するための識別情報を取得するステップと、第１画像および第２画像に基づく入力教師データと、識別情報に基づく出力教師データとを用いて、Ｘ線画像の解析を行うための学習済みモデルを生成する機械学習を行うステップと、を含む。

【発明の効果】

【0009】

上記第１の局面におけるＸ線撮影システム、および、上記第２の局面における学習済みモデル生成方法では、規則性を有する状態で配置された検査対象物を含む教師用Ｘ線画像から、第１部分が切り出された第１画像と、第１部分とは異なる第２部分が切り出された第２画像とを取得する。そして、第１画像および第２画像の各々における検査対象物の領域、および、検査対象物に含まれる異常部分の領域の少なくとも一方を識別するための識別情報を取得する。これにより、教師用Ｘ線画像の第１部分が切り出された第１画像と第２部分が切り出された第２画像との各々における領域を識別するための識別情報を取得することによって、教師用Ｘ線画像の全体に対応する識別情報を取得する場合に比べて、識別情報を取得するための操作者の作業負担を軽減することができる。その結果、機械学習を行うための出力教師データを取得するための作業負担を軽減することができるので、検査対象物の領域、および、検査対象物に含まれる異常部分の領域の少なくとも一方を識別するための学習済みモデルを生成する場合に、教師データの作成作業における操作者の作業負担を軽減することができる。また、Ｘ線撮影において点光源からＸ線が照射される場合には、生成されるＸ線画像において、Ｘ線の照射中心における像と、照射中心から離間した周縁部分における像とは、互いに異なる角度方向から入射したＸ線の像となる。これに対して、本発明では、規則性を有する状態で配置された検査対象物を含む教師用Ｘ線画像から、第１部分が切り出された第１画像と、第１部分とは異なる第２部分が切り出された第２画像とを取得する。これにより、教師用Ｘ線画像における検査対象物が規則性を有する状態で配置されているので、第１画像および第２画像における検査対象物の像を、共通の配置関係を有する構造に対する投影像とすることができる。そのため、第１画像および第２画像を取得することによって、教師用Ｘ線画像のうちから、共通の配置関係を有する構造に対して互いに異なる角度方向から入射したＸ線の像を含む第１部分と第２部分とを切り出すことができる。そのため、教師用Ｘ線画像の全体ではなく一部を切り出した画像を用いる場合にも、教師用Ｘ線画像の全体の投影像を反映するように教師データを取得することができるため、機械学習により生成される学習済みモデルによる識別結果の精度が低下することを抑制することができる。その結果、教師用Ｘ線画像から切り出された第１画像と第２画像とを用いることによって、識別結果の精度が低下することを抑制しながら、学習済みモデルを生成するための教師データの作成作業における操作者の作業負担を軽減することができる。

【図面の簡単な説明】

【0010】

【図1】本発明の一実施形態によるＸ線撮影システムの全体構成を示したブロック図である。

【図2】はんだボールを含む被検体の構成を示した模式図である。

【図3】Ｘ線画像の一例を示した図である。

【図4】制御部の機能的な構成を説明するためのブロック図である。

【図5】学習済みモデルを用いた推論を説明するための図である。

【図6】学習済みモデルを用いた推論により出力される識別結果画像の一例を示した図である。

【図7】教師用Ｘ線画像における対象領域の設定を説明するための図である。

【図8】教師用Ｘ線画像における中心画像および端画像を取得するための範囲設定を説明するための図である。

【図9】教師用Ｘ線画像における背景部分の範囲設定を説明するための図である。

【図10】中心画像、端画像、および、背景画像の各々に対応する識別画像の取得を説明するための図である。

【図11】中心画像、端画像、および、背景画像に基づく入力教師データの生成を説明するための図である。

【図12】識別画像に基づく出力教師データの生成を説明するための図である。

【図13】学習済みモデルを用いたＸ線画像解析方法を説明するための図（フローチャート）である。

【図14】学習済みモデル生成方法を説明するための図（フローチャート）である。

【発明を実施するための形態】

【0011】

以下、本発明を具体化した実施形態を図面に基づいて説明する。

【0012】

（Ｘ線撮影システムの全体構成）
図１～図１２を参照して、本発明の一実施形態によるＸ線撮影システム１００について説明する。

【0013】

図１に示すように、本実施形態によるＸ線撮影システム１００は、被検体１０１を通過したＸ線を検出することによって、被検体１０１の内部を画像化するシステムである。Ｘ線撮影システム１００は、たとえば、非破壊検査用途において物体としての被検体１０１の内部の画像化に用いられる。

【0014】

図２に示すように、被検体１０１は、基板１０２を含む電子機器である。基板１０２には、電子部品１０３が両面実装されている。電子部品１０３は、複数のはんだボール１０４（バンプ）によって基板１０２に対して電気的に接続されている。複数のはんだボール１０４は、規則性を有する状態で配置されている。具体的には、複数のはんだボール１０４は、規則性を有するように基板１０２に格子状に並べて配置されている。すなわち、電子部品１０３は、ＢＧＡ（Ｂａｌｌ Ｇｒｉｄ Ａｒｒａｙ）によって基板１０２に接続されている。そして、基板１０２の表面と裏面との各々に複数のはんだボール１０４が並んで配置されている。たとえば、被検体１０１では、基板１０２の表面と裏面との各々において、縦３列および横１３列の３９個のはんだボール１０４が格子状に並んで配置されている。基板１０２の表面の複数のはんだボール１０４の各々と裏面の複数のはんだボール１０４の各々とは、基板１０２の表面に垂直な方向から見て互いに重なり合うように配置されている。電子部品１０３は、たとえば、ＩＣ（ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ：集積回路）などの電子回路を含む。Ｘ線撮影システム１００では、複数のはんだボール１０４のボイド（空孔）およびブリッジなどの異常に対する非破壊検査が行われる。また、基板１０２には、電子部品１０３の他に、表面実装された抵抗器またはコンデンサなどの電子部品１０５が実装されている。なお、複数のはんだボール１０４は、特許請求の範囲における「検査対象物」および「複数のはんだ材」の一例である。

【0015】

図１に示すように、Ｘ線撮影システム１００は、透視装置１０と、解析装置２０とを備える。透視装置１０は、被検体１０１に対してＸ線撮影を行うことにより、Ｘ線画像３０（図３参照）を生成する。解析装置２０は、生成されたＸ線画像３０に対して解析処理を行う。透視装置１０および解析装置２０の各々は、通信モジュールを有しており、ネットワークなどを介して互いに情報の送受信を行う。

【0016】

透視装置１０は、Ｘ線照射部１１、Ｘ線検出部１２、および、画像生成部１３を備えている。Ｘ線照射部１１は、複数のはんだボール１０４を含む被検体１０１に対してＸ線を照射する。Ｘ線照射部１１は、図示しない電源装置から電力が供給されることによりＸ線を照射するＸ線管を含む。Ｘ線検出部１２は、Ｘ線照射部１１から照射されたＸ線を検出する。Ｘ線検出部１２は、検出したＸ線に応じた電気信号を出力する。Ｘ線検出部１２は、たとえば、Ｘ線の検出器であるＦＰＤ（Ｆｌａｔ Ｐａｎｅｌ Ｄｅｔｅｃｔｏｒ）を含む。Ｘ線照射部１１およびＸ線検出部１２は、透視装置１０の図示しない筐体の内部に配置されている。

【0017】

図３に示すように、画像生成部１３は、Ｘ線検出部１２により検出されたＸ線に基づいてＸ線画像３０を生成する。画像生成部１３は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などのプロセッサと、情報を記憶する記憶装置とを含むコンピュータである。画像生成部１３は、透視装置１０の各部の動作を制御する。画像生成部１３は、たとえば、図示しない電源装置を制御することによってＸ線照射部１１によるＸ線の照射を制御する。そして、画像生成部１３は、生成されたＸ線画像３０を解析装置２０に対して出力する。

【0018】

Ｘ線画像３０には、規則性を有するように格子状に配置された複数のはんだボール１０４が含まれている。Ｘ線画像３０では、被検体１０１において、基板１０２の両面に複数のはんだボール１０４が設けられているため、はんだボール１０４が重なり合う部分が含まれている。なお、Ｘ線照射部１１は、点光源であるため、Ｘ線画像３０の照射中心とＸ線画像３０の端部分とでは、はんだボール１０４の重なり合いの度合いが互いに異なる。

【0019】

図１に示すように、解析装置２０は、制御部２１および記憶部２２を有している。解析装置２０は、たとえば、透視装置１０と通信可能に接続されたパーソナルコンピュータである。制御部２１は、ＣＰＵ、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）およびＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などを含む。また、制御部２１は、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）や画像処理用に構成されたＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）などのプロセッサを含んでいてもよい。なお、制御部２１は、特許請求の範囲における「モデル生成部」の一例である。

【0020】

記憶部２２は、制御部２１が実行する各種プログラム、および、パラメータを記憶するように構成されている。記憶部２２は、たとえば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、または、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）などの不揮発性のメモリを含む。

【0021】

また、解析装置２０には、表示部２３および操作部２４が接続されている。表示部２３は、たとえば、液晶モニタを含む。表示部２３は、制御部２１による制御により画像および文字情報を表示する。操作部２４は、操作者による入力操作を受け付ける。操作部２４は、たとえば、キーボード、および、マウスなどのポインティングデバイスを含む。操作部２４は、受け付けられた入力操作に基づく操作信号を制御部２１に対して出力する。

【0022】

また、図４に示すように、制御部２１は、解析処理部４１、表示処理部４２、切出画像取得部４３、識別情報取得部４４、教師データ生成部４５、および、学習部４６を含む。制御部２１は、記憶部２２に記憶されている各種のプログラム（ソフトウェア）を実行することにより、解析処理部４１、表示処理部４２、切出画像取得部４３、識別情報取得部４４、教師データ生成部４５、および、学習部４６として機能する。すなわち、図４では、解析処理部４１、表示処理部４２、切出画像取得部４３、識別情報取得部４４、教師データ生成部４５、および、学習部４６は、ソフトウェア的な機能ブロックとして図示されている。なお、これに限られずに、解析処理部４１、表示処理部４２、切出画像取得部４３、識別情報取得部４４、教師データ生成部４５、および、学習部４６の一部または全部が、専用のハードウェア的な回路により構成されていてもよい。

【0023】

（解析装置によるＸ線画像の解析）
図５に示すように、解析処理部４１は、学習済みモデル５０を用いることによってＸ線画像３０の解析を行う。具体的には、解析装置２０は、はんだボール１０４の領域を識別するための学習済みモデル５０を用いることによって、学習済みモデル５０による識別結果（推論結果）として、Ｘ線画像３０から識別結果画像３１を取得する。学習済みモデル５０は、解析装置２０の制御部２１により生成されて記憶部２２に記憶されている。学習済みモデル５０の生成の詳細は後述する。

【0024】

図６に示すように、識別結果画像３１は、Ｘ線画像３０のうちの基板１０２の両面のはんだボール１０４の各々が互いに重なり合っている部分と、重なり合わずに１つのはんだボール１０４のみが含まれる部分と、はんだボール１０４が含まれていない部分との３種類の領域に識別されたラベル画像である。識別結果画像３１では、はんだボール１０４の各々が互いに重なり合っている部分が灰色、重なり合わずに１つのはんだボール１０４のみが含まれる部分が白色、そして、はんだボール１０４が含まれていない部分が黒色に塗り分けられている。なお、図６では、灰色をハッチングによって表している。

【0025】

そして、解析処理部４１は、識別結果画像３１において識別されている領域に基づいて、Ｘ線画像３０に含まれるはんだボール１０４の異常の有無を判定する。解析処理部４１は、たとえば、識別結果画像３１に基づいて、Ｘ線画像３０における複数のはんだボール１０４の各々の領域を検出することによって、複数のはんだボール１０４の各々の面積および形状を検出する。そして、解析処理部４１は、検出された複数のはんだボール１０４の各々の面積および形状に基づいて、複数のはんだボール１０４の各々において、ボイド（空孔）、濡れ不良、ブリッジ、および、スパッタなどの異常の有無を判定する。

【0026】

表示処理部４２は、表示部２３における画像および文字情報の表示を制御する。表示処理部４２は、たとえば、Ｘ線画像３０、および、後述する教師用Ｘ線画像６０（図７参照）を表示部２３に表示させる。また、表示処理部４２は、解析処理部４１による解析結果として、Ｘ線画像３０のうちの異常が生じていると判定された部分を識別可能に表示部２３に表示させてもよい。

【0027】

〈学習済みモデルの生成〉
図５に示すように、本実施形態では、制御部２１は、画像生成部１３により生成されたＸ線画像３０の解析を行うための学習済みモデル５０を生成する。学習済みモデル５０は、入力教師データ３０ｔと出力教師データ３１ｔとをデータセットとした機械学習によって生成される。入力教師データ３０ｔは、教師用Ｘ線画像６０（図７参照）に基づいて生成される。教師用Ｘ線画像６０は、解析が行われるＸ線画像３０と同様に、透視装置１０により生成される。

【0028】

たとえば、Ｘ線撮影システム１００では、複数のはんだボール１０４を含む構成が共通している複数の被検体１０１の検査が行われる。そこで、Ｘ線撮影システム１００では、複数の被検体１０１のうちのいくつかの被検体１０１に対してＸ線を照射することにより生成された複数のＸ線画像３０が、複数の教師用Ｘ線画像６０として取得される。そして、取得された複数の教師用Ｘ線画像６０に基づいて、学習済みモデル５０が生成される。学習済みモデル５０を用いたはんだボール１０４の異常の有無の判定は、複数の被検体１０１のうちの残りの被検体１０１に対してＸ線を照射することにより生成されたＸ線画像３０に対して行われる。すなわち、解析が行われるＸ線画像３０と、学習済みモデル５０を生成するための教師用Ｘ線画像６０とは、互いに共通の構造を有する被検体１０１（はんだボール１０４）を含む画像である。

【0029】

図７に示すように、切出画像取得部４３は、学習済みモデル５０を生成するために取得された教師用Ｘ線画像６０のうちから複数のはんだボール１０４が含まれる対象領域６０ａを設定する。具体的には、操作部２４が、教師用Ｘ線画像６０から対象領域６０ａを設定する領域設定操作を受け付ける。操作者（作業者）は、表示処理部４２により表示部２３に表示された教師用Ｘ線画像６０の全体を視認しながら、操作部２４に対して対象領域６０ａを設定するための領域設定操作を行う。切出画像取得部４３は、操作部２４により受け付けられた領域設定操作によって設定された教師用Ｘ線画像６０における対象領域６０ａを取得する。この時に、設定される対象領域６０ａの範囲を示す表示として、対象領域６０ａの範囲を囲むように、教師用Ｘ線画像６０に重畳された点線の枠が表示部２３に表示される。

【0030】

そして、図８に示すように、切出画像取得部４３は、操作部２４に対する入力操作に基づいて、規則性を有する状態で配置された複数のはんだボール１０４を含む教師用Ｘ線画像６０から、対象領域６０ａの中心部分を含む部分６０ｂが切り出された中心画像６１ｂ（図１０参照）と、対象領域６０ａの部分６０ｂとは異なる端部分を含む部分６０ｃおよび部分６０ｄが切り出された２つの端画像６１ｃおよび端画像６１ｄ（図１０参照）とを取得する。なお、部分６０ｂは、特許請求の範囲における「第１部分」の一例である。また、部分６０ｃおよび部分６０ｄは、特許請求の範囲における「第２部分」の一例である。また、中心画像６１ｂは、特許請求の範囲における「第１画像」の一例である。また、端画像６１ｃおよび端画像６１ｄは、特許請求の範囲における「第２画像」の一例である。

【0031】

詳細には、切出画像取得部４３は、操作部２４により受け付けられた領域設定操作によって設定された教師用Ｘ線画像６０における対象領域６０ａに基づいて、教師用Ｘ線画像６０のうちから中心画像６１ｂの切り出し範囲である部分６０ｂの範囲と、端画像６１ｃおよび端画像６１ｄの切り出し範囲である部分６０ｃの範囲および部分６０ｄの範囲を自動的に設定する。たとえば、切出画像取得部４３は、設定された対象領域６０ａにおける中心位置から、縦の大きさが対象領域６０ａの１２０％であって、横の大きさが、対象領域６０ａの３０％である領域を、部分６０ｂの範囲として設定する。また、切出画像取得部４３は、縦の大きさが対象領域６０ａの１２０％であって、横の大きさが、対象領域６０ａの左の端から対象領域６０ａの１０％分である領域を部分６０ｃの範囲として設定する。また、切出画像取得部４３は、縦の大きさが対象領域６０ａの１２０％であって、横の大きさが、対象領域６０ａの右の端から対象領域６０ａの１０％分である領域を部分６０ｄの範囲として設定する。切出画像取得部４３は、部分６０ｃおよび部分６０ｄの大きさを互いに等しい大きさとする。たとえば、部分６０ｂ、部分６０ｃ、および、部分６０ｄの各々の範囲の大きさ（対象領域６０ａに対する割合）は、予め設定されている。

【0032】

そして、表示処理部４２の制御により、表示部２３は、教師用Ｘ線画像６０から切り出される部分６０ｂの範囲を示す表示と、部分６０ｃおよび部分６０ｄの範囲を示す表示とを視認可能に表示する。たとえば、部分６０ｂ、部分６０ｃ、および、部分６０ｄの各々の範囲を示す表示として、対象領域６０ａと同様に、教師用Ｘ線画像６０に重畳された点線の枠が表示部２３に表示される。また、切出画像取得部４３は、操作部２４により受け付けられた部分６０ｂの範囲と、部分６０ｃおよび部分６０ｄの範囲との各々を変更させる入力操作に基づいて、教師用Ｘ線画像６０から切り出される部分６０ｂの範囲と、部分６０ｃおよび部分６０ｄの範囲とを設定する。すなわち、切出画像取得部４３は、予め設定された部分６０ｂの範囲と、部分６０ｃおよび部分６０ｄの範囲を変更可能に構成されている。たとえば、操作部２４は、部分６０ｂ、部分６０ｃ、および、部分６０ｄの各々の範囲を示す表示が教師用Ｘ線画像６０と共に表示部２３に表示されている状態において、部分６０ｂ、部分６０ｃ、および、部分６０ｄの各々の範囲を設定（変更）する範囲設定操作を受け付ける。範囲の設定が変更された場合には、表示処理部４２により変更された範囲が視認可能に表示部２３に表示される。

【0033】

ここで、切出画像取得部４３は、操作部２４により受け付けられた部分６０ｂの範囲と、部分６０ｃおよび部分６０ｄの範囲との各々を変更する入力操作（範囲設定操作）に基づいて、所定のしきい値以上の大きさを有するように部分６０ｂの範囲と、部分６０ｃおよび部分６０ｄの範囲とを設定する。所定のしきい値は、予め記憶部２２に記憶されている。たとえば、中心画像６１ｂの範囲である部分６０ｂの範囲において、横の大きさが対象領域６０ａの２０％以上となるように所定のしきい値が設定されている。また、端画像６１ｃおよび端画像６１ｄの範囲である部分６０ｃおよび部分６０ｄの範囲において、横の大きさが対象領域６０ａの１０％以上となるように所定のしきい値が設定されている。また、部分６０ｂ、部分６０ｃ、および部分６０ｄの範囲の各々において、縦の大きさが対象領域６０ａの１２０％以上となるように所定のしきい値が設定されている。すなわち、切出画像取得部４３は、切り出される中心画像６１ｂと、端画像６１ｃおよび端画像６１ｄとが、所定の大きさよりも小さくならないように構成されている。

【0034】

たとえば、部分６０ｂ、部分６０ｃ、および、部分６０ｄの範囲の各々において、横の大きさの所定のしきい値は、部分６０ｂ、部分６０ｃ、および、部分６０ｄにおけるはんだボール１０４の少なくとも１つ分の大きさよりも大きい。すなわち、部分６０ｂ、部分６０ｃ、および部分６０ｄの横の大きさは、規則性を有する状態で配置された複数のはんだボール１０４における規則性の周期のうち、少なくとも１周期分よりは大きくなるように設定されている。

【0035】

また、図９に示すように、切出画像取得部４３は、部分６０ｂ、部分６０ｃ、および、部分６０ｄの範囲の設定が行われた後に、操作部２４により受け付けられた入力操作に基づいて、教師用Ｘ線画像６０からはんだボール１０４が含まれない背景部分６０ｅが切り出された背景画像６１ｅ（図１０参照）の範囲を設定する。たとえば、操作部２４は、表示処理部４２により教師用Ｘ線画像６０の全体が表示されている状態で、背景部分６０ｅの範囲を設定する範囲選択操作を受け付ける。この時、表示された教師用Ｘ線画像６０において、すでに設定されている部分６０ｂ、部分６０ｃ、および、部分６０ｄの各々の範囲が識別可能に表示されている。たとえば、部分６０ｂ、部分６０ｃ、および、部分６０ｄの各々の範囲は、灰色で塗りつぶされている。そして、設定された背景部分６０ｅの範囲を示す表示として、背景部分６０ｅの範囲を囲むように、教師用Ｘ線画像６０に重畳された点線の枠が表示部２３に表示される。背景部分６０ｅには、はんだボール１０４が含まれず、たとえば、基板１０２、および、電子部品１０５などが含まれる。

【0036】

切出画像取得部４３は、教師用Ｘ線画像６０から、上記の範囲設定操作に基づいて、設定された範囲の部分６０ｂが切り出された中心画像６１ｂと、設定された範囲の部分６０ｃおよび部分６０ｄが切り出された端画像６１ｃおよび端画像６１ｄと、設定された範囲の背景部分６０ｅが切り出された背景画像６１ｅとを取得する。

【0037】

なお、本実施形態では、複数の教師用Ｘ線画像６０の各々から中心画像６１ｂ、端画像６１ｃ、端画像６１ｄ、および、背景画像６１ｅを取得する場合に、複数の教師用Ｘ線画像６０の各々における共通の範囲の中心画像６１ｂ、端画像６１ｃ、端画像６１ｄ、および、背景画像６１ｅを取得する。具体的には、操作部２４は、複数の教師用Ｘ線画像６０のうちの一の教師用Ｘ線画像６０における部分６０ｂの範囲と、部分６０ｃおよび部分６０ｄの範囲と、背景部分６０ｅの範囲とを設定する範囲設定操作を受け付ける。そして、切出画像取得部４３は、複数の教師用Ｘ線画像６０の各々から、一の教師用Ｘ線画像６０に対する範囲設定操作に基づいて設定された共通の範囲の部分６０ｂが切り出された複数の中心画像６１ｂと、一の教師用Ｘ線画像６０に対する範囲設定操作に基づいて設定された共通の範囲の部分６０ｃおよび部分６０ｄが切り出された複数の端画像６１ｃおよび端画像６１ｄと、一の教師用Ｘ線画像６０に対する範囲設定操作に基づいて設定された共通の範囲の背景部分６０ｅが切り出された複数の背景画像６１ｅとを取得する。

【0038】

図１０に示すように、識別情報取得部４４は、操作部２４に対する入力操作に基づいて、中心画像６１ｂ、端画像６１ｃ、端画像６１ｄ、および、背景画像６１ｅの各々におけるはんだボール１０４の領域を識別するための識別情報を取得する。具体的には、識別情報取得部４４は、操作部２４に対する入力操作に基づいて、中心画像６１ｂと、端画像６１ｃおよび端画像６１ｄと、背景画像６１ｅとの各々におけるはんだボール１０４の領域が識別された識別画像６２ｂと、識別画像６２ｃおよび識別画像６２ｄと、識別画像６２ｅとを識別情報として取得する。

【0039】

詳細には、表示処理部４２は、切出画像取得部４３により取得された中心画像６１ｂ、端画像６１ｃ、端画像６１ｄ、および、背景画像６１ｅの各々を表示部２３に表示させる。そして、操作者（作業者）は、表示された中心画像６１ｂ、端画像６１ｃ、端画像６１ｄ、および、背景画像６１ｅの各々を視認しながら、中心画像６１ｂ、端画像６１ｃ、端画像６１ｄ、および、背景画像６１ｅの各々に含まれるはんだボール１０４に対応する部分を色分け（ラベル付け）する。たとえば、操作者によって、中心画像６１ｂ、端画像６１ｃ、端画像６１ｄ、および、背景画像６１ｅの各々において、基板１０２の両面のはんだボール１０４の各々が互いに重なり合っている部分を灰色、重なり合わずに１つのはんだボール１０４のみが含まれる部分を白色、そして、はんだボール１０４が含まれていない部分を黒色に塗り分けられる操作が行われることによって、識別情報取得部４４は、識別画像６２ｂ～６２ｅを取得する。なお、背景画像６１ｅには、はんだボール１０４が含まれていないため、自動的に全体が黒色の識別画像６２ｅが取得されるようにしてもよい。

【0040】

図１１に示すように、教師データ生成部４５は、切出画像取得部４３により取得された中心画像６１ｂと、端画像６１ｃおよび端画像６１ｄと、背景画像６１ｅとに基づいて、複数の入力教師データ３０ｔを生成する。具体的には、教師データ生成部４５は、複製された複数の中心画像６１ｂ同士を反転させながら並べて配置することと、複製された複数の端画像６１ｃ同士および端画像６１ｄ同士を反転させながら並べて配置することとの少なくとも一方によって、複数の入力教師データ３０ｔを共通の大きさにするように構成されている。なお、教師データ生成部４５は、背景画像６１ｅに基づいて入力教師データ３０ｔを生成する場合にも、複製された複数の背景画像６１ｅ同士を反転させながら並べて配置することによって、共通の大きさの入力教師データ３０ｔを生成する。

【0041】

たとえば、教師データ生成部４５は、切出画像取得部４３により取得された中心画像６１ｂと、端画像６１ｃおよび端画像６１ｄと、背景画像６１ｅとのうちから、縦の大きさが最も大きい画像の縦の大きさを入力教師データ３０ｔの縦の大きさとして取得する。そして、教師データ生成部４５は、切出画像取得部４３により取得された中心画像６１ｂと、端画像６１ｃおよび端画像６１ｄと、背景画像６１ｅとのうちから、横の大きさが最も大きい画像の横の大きさを入力教師データ３０ｔの横の大きさとして取得する。

【0042】

そして、教師データ生成部４５は、取得された入力教師データ３０ｔの縦と横との大きさとなるように、中心画像６１ｂと、端画像６１ｃおよび端画像６１ｄと、背景画像６１ｅとの各々を複製するとともに反転させながら並べて配置する。図１１の例では、中心画像６１ｂと、端画像６１ｃおよび端画像６１ｄと、背景画像６１ｅとにおいて、中心画像６１ｂの縦の大きさと横の大きさとが最も大きい。したがって、入力教師データ３０ｔの大きさは中心画像６１ｂの大きさとなる。そして、教師データ生成部４５は、端画像６１ｃ、端画像６１ｄ、および、背景画像６１ｅの各々の大きさを中心画像６１ｂの大きさと共通に（等しく）する。この時に、教師データ生成部４５は、端画像６１ｃ、端画像６１ｄ、および、背景画像６１ｅの各々の大きさの横の大きさを大きくする場合には、端画像６１ｃ、端画像６１ｄ、および、背景画像６１ｅの各々の左右に、それぞれ、複製されて左右反転された端画像６１ｃ、端画像６１ｄ、および、背景画像６１ｅの各々を並べて配置する。たとえば、左右の大きさの差が整数倍ではない場合には、画像の左右の両側に途中で途切れた状態の複製された画像が並べられる。また、複数回に渡って複製された画像を並べて配置する場合には、隣り合う画像同士が反転した状態となるように画像が配置される。すなわち、反転していない端画像６１ｃ、端画像６１ｄ、および、背景画像６１ｅの各々同士と、反転された端画像６１ｃ、端画像６１ｄ、および、背景画像６１ｅの各々同士とが、交互に並べて配置される。なお、教師データ生成部４５は、縦方向（上下方向）の大きさを大きくする場合にも同様に、画像を複製するとともに反転させながら並べて配置する。

【0043】

また、図１２に示すように、教師データ生成部４５は、識別画像６２ｂ、識別画像６２ｃ、識別画像６２ｄ、および、識別画像６２ｅに基づいて、複数の出力教師データ３１ｔを生成する。教師データ生成部４５は、入力教師データ３０ｔの取得と同様の処理を、識別画像６２ｂ～６２ｅに対して実行する。すなわち、教師データ生成部４５は、識別画像６２ｂ～６２ｅの各々に対応する中心画像６１ｂ、端画像６１ｃ、端画像６１ｄ、および、背景画像６１ｅと同様に、複製された複数の識別画像６２ｂ～６２ｅの各々同士を反転させながら並べて配置することによって、共通の大きさの複数の出力教師データ３１ｔを生成する。なお、背景画像６１ｅに対応する識別画像６２ｅは、全体が黒く塗りつぶされた画像であるため、上記のように反転させて並べる処理を行わずに、出力教師データ３１ｔの大きさを取得することによって、全体が黒く塗りつぶされた出力教師データ３１ｔを取得するようにしてもよい。このようにして、教師データ生成部４５は、共通の大きさを有する画像である複数の入力教師データ３０ｔおよび複数の出力教師データ３１ｔを生成する。

【0044】

図５に示すように、学習部４６は、中心画像６１ｂと、端画像６１ｃおよび端画像６１ｄと、背景画像６１ｅとに基づく入力教師データ３０ｔと、中心画像６１ｂと、端画像６１ｃおよび端画像６１ｄと、背景画像６１ｅとの各々に対応する識別画像６２ｂと、識別画像６２ｃと、識別画像６２ｄと、識別画像６２ｅとに基づく出力教師データ３１ｔとを用いて、学習済みモデル５０を生成する機械学習を行う。すなわち、学習部４６は、教師データ生成部４５により生成された複数の入力教師データ３０ｔおよび複数の出力教師データ３１ｔをデータセットとして学習済みモデル５０を生成する機械学習を行う。学習済みモデル５０は、深層学習を用いた機械学習によって生成される。学習部４６は、たとえば、全層畳み込みネットワーク（Ｆｕｌｌｙ Ｃｏｎｖｏｌｕｔｉｏｎ Ｎｅｔｗｏｒｋ：ＦＣＮ）の１種類であるＵ－Ｎｅｔをベースとした機械学習によって学習済みモデル５０を生成する。学習済みモデル５０は、入力である中心画像６１ｂと、端画像６１ｃおよび端画像６１ｄと、背景画像６１ｅとの各々における各画素に対して、はんだボール１０４の各々が互いに重なり合っている部分を灰色、重なり合わずに１つのはんだボール１０４のみが含まれる部分を白色、そして、はんだボール１０４が含まれていない部分を黒色に塗り分ける画像変換（画像再構成）を実行するように学習させることによって生成される。

【0045】

（本実施形態によるＸ線画像解析方法）
次に、図１３を参照して、本実施形態によるＸ線画像解析方法について説明する。なお、ステップ２０１～ステップ２０４における制御処理は、制御部２１によりプログラムが実行されることにより行われる。

【0046】

まず、ステップ２０１において、学習済みモデル５０を生成するための複数の教師用Ｘ線画像６０が取得される。次に、ステップ２０２において、複数の教師用Ｘ線画像６０に基づいて、学習済みモデル５０が生成される。生成された学習済みモデル５０は、記憶部２２に記憶される。次に、ステップ２０３において、解析の対象となる複数のＸ線画像３０が取得される。解析の対象となる複数のＸ線画像３０は、検査の対象となる複数の被検体１０１の各々に対してＸ線撮影が行われることにより生成される。次に、ステップ２０４において、取得された複数のＸ線画像３０に対して、ステップ２０２において生成された学習済みモデル５０を用いた解析が実行される。学習済みモデル５０を用いた解析では、解析の対象である複数のＸ線画像３０から、複数の識別結果画像３１が取得される。そして、取得された複数の識別結果画像３１に基づいて、被検体１０１に含まれる複数のはんだボール１０４の異常の有無の判定が行われる。なお、ステップ２０１における複数の教師用Ｘ線画像６０の取得と、ステップ２０３における複数のＸ線画像３０の取得とは、いずれのステップを先に行うようにしてもよい。また、取得された複数のＸ線画像３０のうちから複数の教師用Ｘ線画像６０を取得するようにしてもよい。

【0047】

（学習済みモデル生成方法）
次に、図１４を参照して、本実施形態による学習済みモデル生成方法について説明する。なお、ステップ３０１～ステップ３０９における制御処理は、図１３のステップ２０２における学習済みモデル５０の生成の制御処理を示している。また、ステップ３０１～ステップ３０９における制御処理は、制御部２１によりプログラムが実行されることにより行われる。

【0048】

まず、ステップ３０１において、取得された複数の教師用Ｘ線画像６０のうちの一の教師用Ｘ線画像６０において対象領域６０ａが設定される。対象領域６０ａは、操作部２４に対する入力操作である領域設定操作によって設定される。

【0049】

次に、ステップ３０２において、設定された対象領域６０ａに基づいて、一の教師用Ｘ線画像６０のうちから切り出される部分６０ｂ、部分６０ｃ、および、部分６０ｄの各々の範囲が自動的に設定される。

【0050】

次に、ステップ３０３において、部分６０ｂ、部分６０ｃ、および、部分６０ｄの各々の範囲を変更（設定）する入力操作である範囲設定操作が受け付けられたか否かが判断される。範囲設定操作が受け付けられたと判断された場合には、ステップ３０４に進む。範囲設定操作が受け付けられないと判断された場合には、ステップ３０５に進む。

【0051】

ステップ３０４では、範囲設定操作に基づいて、部分６０ｂ、部分６０ｃ、および、部分６０ｄの各々の範囲が新たに設定される。このとき、部分６０ｂ、部分６０ｃ、および、部分６０ｄの各々の範囲は、所定のしきい値以上の大きさとなるように設定される。すなわち、所定のしきい値よりも小さい範囲を設定する操作は受け付けられない。そして、ステップ３０５に進む。

【0052】

ステップ３０５では、操作部２４に対する入力操作に基づいて、背景部分６０ｅが設定される。なお、ステップ３０５における背景部分６０ｅの設定は省略してもよい。

【0053】

次に、ステップ３０６において、中心画像６１ｂと、端画像６１ｃおよび端画像６１ｄと、背景画像６１ｅとが取得される。具体的には、規則性を有する状態で配置された複数のはんだボール１０４に対してＸ線を照射することによって生成されたＸ線画像３０に対応する教師用Ｘ線画像６０から、部分６０ｂが切り出された中心画像６１ｂと、部分６０ｂとは異なる部分６０ｃおよび部分６０ｄが切り出された端画像６１ｃおよび端画像６１ｄと、背景部分６０ｅが切り出された背景画像６１ｅとが取得される。また、ステップ３０２またはステップ３０４において設定された部分６０ｂ、部分６０ｃ、および、部分６０ｄの各々の範囲と、ステップ３０５において、設定された背景部分６０ｅに基づいて、複数の教師用Ｘ線画像６０の各々から、一括して共通の範囲の中心画像６１ｂと、端画像６１ｃおよび端画像６１ｄと、背景画像６１ｅとが取得される。

【0054】

次に、ステップ３０７において、操作部２４に対する入力操作に基づいて、中心画像６１ｂと、端画像６１ｃと、端画像６１ｄと、背景画像６１ｅとの各々におけるはんだボール１０４の領域を識別するための識別情報が取得される。具体的には、操作部２４に対する入力操作に基づいて、中心画像６１ｂと、端画像６１ｃと、端画像６１ｄと、背景画像６１ｅとの各々に対応する識別画像６２ｂと、識別画像６２ｃと、識別画像６２ｄと、識別画像６２ｅとが取得される。

【0055】

次に、ステップ３０８において、入力教師データ３０ｔおよび出力教師データ３１ｔが生成される。具体的には、ステップ３０６において取得された中心画像６１ｂと、端画像６１ｃと、端画像６１ｄと、背景画像６１ｅとに基づいて、中心画像６１ｂと、端画像６１ｃと、端画像６１ｄと、背景画像６１ｅとの各々同士を複製して反転しながら並べて配置することによって、共通の大きさの画像である複数の入力教師データ３０ｔが生成される。また、ステップ３０７において取得された識別画像６２ｂと、識別画像６２ｃと、識別画像６２ｄと、識別画像６２ｅとに基づいて、識別画像６２ｂ～６２ｅの各々同士を複製して反転しながら並べて配置することによって、共通の大きさの画像である複数の出力教師データ３１ｔが生成される。

【0056】

次に、ステップ３０９において、学習済みモデル５０を生成する機械学習が行われる。具体的には、ステップ３０８において中心画像６１ｂと、端画像６１ｃと、端画像６１ｄと、背景画像６１ｅとに基づいて生成された複数の入力教師データ３０ｔと、ステップ３０８において識別画像６２ｂ～６２ｅに基づいて生成された複数の出力教師データ３１ｔとを用いることによって、Ｘ線画像３０の解析を行うための学習済みモデル５０を生成する深層学習による機械学習が実行される。

【0057】

（本実施形態の効果）
本実施形態では、以下のような効果を得ることができる。

【0058】

本実施形態では、上記のように、Ｘ線撮影システム１００は、規則性を有する状態で配置されたはんだボール１０４（検査対象物）を含む教師用Ｘ線画像６０から、部分６０ｂ（第１部分）が切り出された中心画像６１ｂ（第１画像）と、部分６０ｂとは異なる部分６０ｃおよび部分６０ｄ（第２部分）が切り出された端画像６１ｃおよび端画像６１ｄ（第２画像）とを取得する。そして、中心画像６１ｂと端画像６１ｃおよび端画像６１ｄとの各々におけるはんだボール１０４の領域を識別するための識別画像６２ｂ～６２ｄ（識別情報）を取得する。これにより、教師用Ｘ線画像６０の部分６０ｂが切り出された中心画像６１ｂと部分６０ｃおよび部分６０ｄが切り出された端画像６１ｃおよび端画像６１ｄとの各々における領域を識別するための識別画像６２ｂ～６２ｄを取得することによって、教師用Ｘ線画像６０の全体に対応する識別画像６２ｂ～６２ｄを取得する場合に比べて、識別画像６２ｂ～６２ｄを取得するための操作者の作業負担を軽減することができる。その結果、機械学習を行うための出力教師データ３１ｔを取得するための作業負担を軽減することができるので、はんだボール１０４の領域を識別するための学習済みモデル５０を生成するための教師データの作成作業における操作者の作業負担を軽減することができる。また、Ｘ線撮影において点光源からＸ線が照射される場合には、生成されるＸ線画像３０において、Ｘ線の照射中心における像と、照射中心から離間した周縁部分における像とは、互いに異なる角度方向から入射したＸ線の像となる。これに対して、本実施形態では、規則性を有する状態で配置されたはんだボール１０４を含む教師用Ｘ線画像６０から、部分６０ｂが切り出された中心画像６１ｂと、部分６０ｂとは異なる部分６０ｃおよび部分６０ｄが切り出された端画像６１ｃおよび端画像６１ｄとを取得する。これにより、教師用Ｘ線画像６０におけるはんだボール１０４が規則性を有する状態で配置されているので、中心画像６１ｂと端画像６１ｃおよび端画像６１ｄとにおけるはんだボール１０４の像を、共通の配置関係を有する構造に対する投影像とすることができる。そのため、中心画像６１ｂと端画像６１ｃおよび端画像６１ｄとを取得することによって、教師用Ｘ線画像６０のうちから、共通の配置関係を有する構造に対して互いに異なる角度方向から入射したＸ線の像を含む部分６０ｂと部分６０ｃおよび６０ｄとを切り出すことができる。そのため、教師用Ｘ線画像６０の全体ではなく一部を切り出した画像を用いる場合にも、教師用Ｘ線画像６０の全体の投影像を反映するように教師データを取得することができるため、機械学習により生成される学習済みモデル５０による識別結果の精度が低下することを抑制することができる。その結果、教師用Ｘ線画像６０から切り出された中心画像６１ｂと端画像６１ｃおよび端画像６１ｄとを用いることによって、識別結果の精度が低下することを抑制しながら、学習済みモデル５０を生成するための教師データの作成作業における操作者の作業負担を軽減することができる。

【0059】

また、上記実施形態では、以下のように構成したことによって、更なる効果が得られる。

【0060】

すなわち、本実施形態では、上記のように、切出画像取得部４３（制御部２１）は、教師用Ｘ線画像６０から、はんだボール１０４（検査対象物）が含まれる対象領域６０ａの中心部分を含む部分６０ｂ（第１部分）が切り出された中心画像６１ｂ（第１画像）と、対象領域６０ａの端部分を含む部分６０ｃおよび部分６０ｄ（第２部分）が切り出された端画像６１ｃおよび端画像６１ｄ（第２画像）とを取得する。ここで、Ｘ線撮影を行うことによってはんだボール１０４の非破壊検査を行う場合には、一般的に、はんだボール１０４の配置されている領域の中心の位置を照射中心としてＸ線の照射が行われる。その場合には、対象領域６０ａの中心部分と端部分との各々における像の差異が大きくなると考えられる。この点を考慮して、本実施形態では、教師用Ｘ線画像６０から、対象領域６０ａの中心部分を含む部分６０ｂが切り出された中心画像６１ｂと、対象領域６０ａの端部分を含む部分６０ｃおよび部分６０ｄが切り出された端画像６１ｃおよび端画像６１ｄとを取得する。このように構成すれば、中心画像６１ｂを取得することによって、Ｘ線の照射中心においてはんだボール１０４に対して投影される像を取得することができるとともに、端画像６１ｃおよび端画像６１ｄを取得することによって、教師用Ｘ線画像６０において最も傾いた照射方向においてはんだボール１０４に投影されるＸ線の像を取得することができる。そのため、中心画像６１ｂと、端画像６１ｃおよび端画像６１ｄとを用いることによって、教師用Ｘ線画像６０の全体の投影像をより反映するように教師データを取得することができる。その結果、機械学習により生成される学習済みモデル５０による識別結果の精度が低下することをより抑制することができる。

【0061】

また、本実施形態では、上記のように、Ｘ線照射部１１は、規則性を有するように基板１０２に格子状に並べて配置された複数のはんだボール１０４（はんだ材、検査対象物）に対してＸ線を照射し、識別情報取得部４４（制御部２１）は、中心画像６１ｂ（第１画像）および端画像６１ｃおよび端画像６１ｄ（第２画像）の各々におけるはんだボール１０４の領域が識別された識別画像６２ｂ～６２ｄを識別情報として取得する。このように構成すれば、機械学習によって、規則性を有するように基板１０２に格子状に並べて配置されたはんだボール１０４の解析を行うための学習済みモデル５０を生成する場合にも、学習済みモデル５０の生成のための作業負担を軽減することができる。

【0062】

また、本実施形態では、上記のように、操作者による入力操作を受け付ける操作部２４を備え、操作部２４は、教師用Ｘ線画像６０においてはんだボール１０４（検査対象物）が含まれる対象領域６０ａを設定する領域設定操作を受け付け、切出画像取得部４３（制御部２１）は、操作部２４により受け付けられた領域設定操作によって設定された教師用Ｘ線画像６０における対象領域６０ａに基づいて、教師用Ｘ線画像６０のうちから部分６０ｂ（第１部分）の範囲と部分６０ｃおよび部分６０ｄ（第２部分）の範囲とを自動的に設定する。このように構成すれば、教師用Ｘ線画像６０において規則性を有する状態で配置されたはんだボール１０４を含むように対象領域６０ａを設定する領域設定操作を行うことによって、教師データにおいてはんだボール１０４の規則性を反映するように部分６０ｂの範囲と部分６０ｃおよび部分６０ｄの範囲とを自動的に設定することができる。そのため、はんだボール１０４の規則性を考慮して部分６０ｂの範囲と部分６０ｃおよび部分６０ｄの範囲とを設定するための作業負担を抑制することができる。その結果、学習済みモデル５０を生成するための教師データの作成作業における操作者の作業負担をより軽減することができる。

【0063】

また、本実施形態では、上記のように、Ｘ線撮影システム１００は、教師用Ｘ線画像６０を表示する表示部２３と、操作者による入力操作を受け付ける操作部２４とを備え、表示部２３は、教師用Ｘ線画像６０から切り出される部分６０ｂ（第１部分）の範囲を示す表示と、部分６０ｃおよび部分６０ｄ（第２部分）の範囲を示す表示とを視認可能に表示し、切出画像取得部４３（制御部２１）は、操作部２４により受け付けられた入力操作に基づいて、教師用Ｘ線画像６０から切り出される部分６０ｂの範囲と、部分６０ｃおよび部分６０ｄの範囲とを設定する。このように構成すれば、操作者（作業者）は、表示部２３に表示された部分６０ｂの範囲を示す表示と、部分６０ｃおよび部分６０ｄの範囲を示す表示とを視覚的に認識しながら、部分６０ｂの範囲と部分６０ｃおよび部分６０ｄの範囲とを設定することができる。そのため、操作者は、表示部２３を視認することによって、はんだボール１０４（検査対象物）における規則性に応じて部分６０ｂの範囲と部分６０ｃおよび部分６０ｄの範囲とを容易に設定することができる。その結果、教師用Ｘ線画像６０からはんだボール１０４の規則性に応じて適切な部分が切り出された中心画像６１ｂと端画像６１ｃおよび端画像６１ｄとに基づいて教師データを取得することができるので、一部を切り出した画像に基づく教師データを用いる場合にも、機械学習により生成される学習済みモデル５０による識別結果の精度が低下することをより一層抑制することができる。

【0064】

また、本実施形態では、上記のように、切出画像取得部４３（制御部２１）は、操作部２４により受け付けられた入力操作に基づいて、所定のしきい値以上の大きさを有するように部分６０ｂ（第１部分）の範囲と部分６０ｃおよび部分６０ｄ（第２部分）の範囲とを設定する。このように構成すれば、切り出された部分６０ｂの範囲と部分６０ｃおよび部分６０ｄの範囲とが小さくなりすぎることを抑制することができる。そのため、切り出された中心画像６１ｂと、端画像６１ｃおよび端画像６１ｄとに基づく教師データを用いて学習する場合に、生成された学習済みモデル５０による識別結果の精度が低下することを抑制することができる。その結果、入力操作に基づいて部分６０ｂの範囲と部分６０ｃおよび部分６０ｄの範囲とを設定する場合に、機械学習により生成される学習済みモデル５０による識別結果の精度が低下することを効果的に抑制することができる。

【0065】

また、本実施形態では、上記のように、制御部２１（モデル生成部）は、切出画像取得部４３により取得された中心画像６１ｂ（第１画像）と端画像６１ｃおよび端画像６１ｄ（第２画像）とに基づいて、入力教師データ３０ｔを生成する教師データ生成部４５を含み、教師データ生成部４５は、複製された複数の中心画像６１ｂ同士を並べて配置することと、複製された複数の端画像６１ｃおよび端画像６１ｄの各々同士を並べて配置することとの少なくとも一方によって、入力教師データ３０ｔを共通の大きさにするように構成されている。このように構成すれば、互いに異なる部分が切り出された中心画像６１ｂと端画像６１ｃおよび端画像６１ｄとに基づいて入力教師データ３０ｔを生成する場合にも、入力教師データ３０ｔの大きさを共通の大きさとすることができるので、生成される学習済みモデル５０による識別結果の精度が低下することを抑制することができる。

【0066】

また、本実施形態では、上記のように、教師データ生成部４５（制御部２１）は、中心画像６１ｂ（第１画像）同士を反転させながら並べて配置することと、端画像６１ｃおよび端画像６１ｄ（第２画像）同士を反転させながら並べて配置することとの少なくとも一方によって、入力教師データ３０ｔを共通の大きさにするように構成されている。このように構成すれば、中心画像６１ｂ同士を反転させながら並べて配置することと、端画像６１ｃおよび端画像６１ｄの各々同士を反転させながら並べて配置することとの少なくとも一方によって、中心画像６１ｂ同士と、端画像６１ｃおよび端画像６１ｄ同士との少なくとも一方を並べて配置する場合に、並べられた画像同士の境界を滑らかにすることができる。そのため、並べられた画像が不鮮明となることを抑制することができるので、入力教師データ３０ｔを共通の大きさにする場合に、生成された学習済みモデル５０による識別結果の精度が低下することをより抑制することができる。

【0067】

また、本実施形態では、上記のように、切出画像取得部４３（制御部２１）は、教師用Ｘ線画像６０からはんだボール１０４（検査対象物）が含まれない背景部分６０ｅが切り出された背景画像６１ｅを取得し、学習部４６（制御部２１）は、中心画像６１ｂ（第１画像）および端画像６１ｃ、端画像６１ｄ（第２画像）と背景画像６１ｅとに基づく入力教師データ３０ｔを用いて学習済みモデル５０を生成するための機械学習を行う。このように構成すれば、はんだボール１０４を含む対象領域６０ａの部分６０ｂと部分６０ｃおよび部分６０ｄとに加えて、背景部分６０ｅが切り出された背景画像６１ｅを用いて機械学習を行うことができる。そのため、背景画像６１ｅを用いずにはんだボール１０４が含まれる中心画像６１ｂと端画像６１ｃおよび端画像６１ｄとだけを用いて機械学習を行う場合に比べて、背景画像６１ｅを用いて機械学習を行うことによって、生成された学習済みモデル５０による識別結果の精度を向上させることができる。

【0068】

また、本実施形態では、上記のように、操作者による入力操作を受け付ける操作部２４を備え、操作部２４は、複数の教師用Ｘ線画像６０のうちの一の教師用Ｘ線画像６０における部分６０ｂ（第１部分）の範囲と部分６０ｃおよび部分６０ｄ（第２部分）の範囲とを設定する範囲設定操作を受け付け、切出画像取得部４３（制御部２１）は、複数の教師用Ｘ線画像６０の各々から、一の教師用Ｘ線画像６０に対する範囲設定操作に基づいて設定された共通の範囲の部分６０ｂが切り出された複数の中心画像６１ｂ（第１画像）と、一の教師用Ｘ線画像６０に対する範囲設定操作に基づいて設定された共通の範囲の部分６０ｃおよび部分６０ｄ（第２部分）が切り出された複数の端画像６１ｃおよび端画像６１ｄ（第２画像）とを取得する。このように構成すれば、複数の教師用Ｘ線画像６０の各々から共通の範囲の部分６０ｂと、共通の範囲の部分６０ｃおよび部分６０ｄとを切り出すことができるので、はんだボール１０４（検査対象物）の配置が共通している複数の教師用Ｘ線画像６０を用いて機械学習を行う場合に、複数の中心画像６１ｂと複数の端画像６１ｃおよび端画像６１ｄとを一括して切り出すことができる。そのため、複数の教師用Ｘ線画像６０を用いて教師データを生成する場合に、教師データの作成作業における作業負担を軽減することができる。

【0069】

（本実施形態による学習済みモデル生成方法の効果）
本実施形態の学習済みモデル生成方法では、以下のような効果を得ることができる。

【0070】

本実施形態の学習済みモデル生成方法では、上記のように、規則性を有する状態で配置されたはんだボール１０４（検査対象物）を含む教師用Ｘ線画像６０から、部分６０ｂ（第１部分）が切り出された中心画像６１ｂ（第１画像）と、部分６０ｂとは異なる部分６０ｃおよび部分６０ｄ（第２部分）が切り出された端画像６１ｃおよび端画像６１ｄ（第２画像）とを取得する。そして、中心画像６１ｂと端画像６１ｃおよび端画像６１ｄとの各々におけるはんだボール１０４の領域を識別するための識別画像６２ｂ～６２ｄ（識別情報）を取得する。これにより、教師用Ｘ線画像６０の部分６０ｂが切り出された中心画像６１ｂと部分６０ｃおよび部分６０ｄが切り出された端画像６１ｃおよび端画像６１ｄとの各々における領域を識別するための識別画像６２ｂ～６２ｄを取得することによって、教師用Ｘ線画像６０の全体に対応する識別画像６２ｂ～６２ｄを取得する場合に比べて、識別画像６２ｂ～６２ｄを取得するための操作者の作業負担を軽減することができる。その結果、機械学習を行うための出力教師データ３１ｔを取得するための作業負担を軽減することができるので、はんだボール１０４の領域を識別するための学習済みモデル５０を生成するための教師データの作成作業における操作者の作業負担を軽減することが可能な学習済みモデル生成方法を提供することができる。また、Ｘ線撮影において点光源からＸ線が照射される場合には、生成されるＸ線画像３０において、Ｘ線の照射中心における像と、照射中心から離間した周縁部分における像とは、互いに異なる角度方向から入射したＸ線の像となる。これに対して、本実施形態では、規則性を有する状態で配置されたはんだボール１０４を含む教師用Ｘ線画像６０から、部分６０ｂが切り出された中心画像６１ｂと、部分６０ｂとは異なる部分６０ｃおよび部分６０ｄが切り出された端画像６１ｃおよび端画像６１ｄとを取得する。これにより、教師用Ｘ線画像６０におけるはんだボール１０４が規則性を有する状態で配置されているので、中心画像６１ｂと端画像６１ｃおよび端画像６１ｄとにおけるはんだボール１０４の像を、共通の配置関係を有する構造に対する投影像とすることができる。そのため、中心画像６１ｂと端画像６１ｃおよび端画像６１ｄとを取得することによって、教師用Ｘ線画像６０のうちから、共通の配置関係を有する構造に対して互いに異なる角度方向から入射したＸ線の像を含む部分６０ｂと部分６０ｃおよび６０ｄとを切り出すことができる。そのため、教師用Ｘ線画像６０の全体ではなく一部を切り出した画像を用いる場合にも、教師用Ｘ線画像６０の全体の投影像を反映するように教師データを取得することができるため、機械学習により生成される学習済みモデル５０による識別結果の精度が低下することを抑制することができる。その結果、教師用Ｘ線画像６０から切り出された中心画像６１ｂと端画像６１ｃおよび端画像６１ｄとを用いることによって、識別結果の精度が低下することを抑制しながら、学習済みモデル５０を生成するための教師データの作成作業における操作者の作業負担を軽減することが可能な学習済みモデル生成方法を提供することができる。

【0071】

［変形例］
なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施形態の説明ではなく特許請求の範囲によって示され、さらに特許請求の範囲と均等の意味および範囲内でのすべての変更（変形例）が含まれる。

【0072】

たとえば、上記実施形態では、対象領域６０ａの中心部分を含む部分６０ｂ（第１部分）が切り出された中心画像６１ｂ（第１画像）と、対象領域６０ａの端部分を含む部分６０ｃおよび部分６０ｄ（第２部分）が切り出された端画像６１ｃおよび端画像６１ｄ（第２画像）とに基づいて入力教師データ３０ｔが生成される例を示したが、本発明はこれに限られない。本発明では、対象領域のうちの中心以外の部分から第１画像を取得するとともに、対象領域の端以外の部分から第２画像を取得することによって、入力教師データが生成されるようにしてもよい。

【0073】

また、上記実施形態では、領域設定操作により対象領域６０ａが設定されたことに基づいて、部分６０ｂ（第１部分）の範囲と部分６０ｃおよび部分６０ｄ（第２部分）の範囲とが自動的に設定される例を示したが、本発明はこれに限られない。本発明では、第１部分の範囲と第２部分の範囲との各々が、入力操作に基づいて個別に直接的に設定されるようにしてもよい。

【0074】

また、上記実施形態では、入力操作に基づいて、部分６０ｂ（第１部分）の範囲と、部分６０ｃおよび部分６０ｄ（第２部分）の範囲とが変更（設定）される例を示したが、本発明はこれに限られない。本発明では、第１部分の範囲と第２部分の範囲とのいずれか、または、両方を、変更させないようにしてもよい。すなわち、対象領域６０ａが設定された場合に、自動的に第１部分および第２部分の各々の範囲が設定されるとともに、第１画像および第２画像の切り出しが行われるようにしてもよい。

【0075】

また、上記実施形態では、入力教師データ３０ｔを共通の大きさにするために、複製された画像を反転させながら並べる例を示したが、本発明はこれに限られない。本発明では、入力教師データを生成するために、画像を反転させずにそのまま並べるようにしてもよい。

【0076】

また、上記実施形態では、入力教師データ３０ｔを生成するために背景部分６０ｅを切り出した背景画像６１ｅを取得する例を示したが、本発明はこれに限られない。本発明では、背景画像を用いずに入力教師データを生成してもよい。

【0077】

また、上記実施形態では、一の教師用Ｘ線画像６０において設定された範囲に基づいて、複数の教師用Ｘ線画像６０から共通の範囲の中心画像６１ｂ（第１画像）と端画像６１ｃおよび端画像６１ｄ（第２画像）を取得する例を示したが、本発明はこれに限られない。本発明では、複数の教師用Ｘ線画像の各々において、互いに異なる範囲の第１画像と、互いに異なる範囲の第２画像とを取得するようにしてもよい。

【0078】

また、上記実施形態では、中心画像６１ｂ（第１画像）および端画像６１ｃおよび端画像６１ｄ（第２画像）の各々におけるはんだボール１０４（検査対象物、はんだ材）の領域を識別するように学習された学習済みモデル５０を生成する例を示したが、本発明はこれに限られない。本発明では、はんだボール（検査対象物、はんだ材）に含まれる異常部分の領域を識別する学習済みモデルを生成するようにしてもよい。たとえば、識別情報取得部を、異常部分として、はんだボールに含まれたボイド（空孔）の領域が識別された識別画像を識別情報として取得するように構成してもよい。また、ＢＧＡ（Ｂａｌｌ Ｇｒｉｄ Ａｒｒａｙ）のはんだボールではなく、端子が格子状に配置されたＬＧＡ（Ｌａｎｄ Ｇｒｉｄ Ａｒｒａｙ）の複数の端子の接続部分における複数のはんだ材の領域、または、複数のはんだ材に含まれる異常部分の領域を識別する学習済みモデルを生成するようにしてもよい。また、はんだ材ではなく、複数の端子の領域、または、複数の端子に含まれる異常部分の領域を識別する学習済みモデルを生成するようにしてもよい。

【0079】

また、上記実施形態では、切出画像取得部４３を、互いに大きさの等しい２つの部分６０ｃおよび部分６０ｄ（第２部分）を取得する例を示したが、本発明はこれに限られない。本発明では、切出画像取得部を、１つの第２部分を取得するようにしてもよい。また、２つの第２部分を取得する場合に、２つの第２部分の大きさを互いに異ならせるようにしてもよい。

【0080】

また、上記実施形態では、Ｘ線画像３０（教師用Ｘ線画像６０）の生成を行う画像生成部１３が、学習済みモデル５０の生成を行う制御部２１（モデル生成部）とは別個に設けられている例を示したが、本発明はこれに限られない。本発明では、Ｘ線画像の生成と学習済みモデルの生成とを共通の制御装置によって行うようにしてもよい。また、学習済みモデルを用いた解析を、学習済みモデルの生成を行うモデル生成部とは別個に設けられた制御装置によって行うようにしてもよい。

【0081】

［態様］
上記した例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。

【0082】

（項目１）
規則性を有する状態で配置された検査対象物に対してＸ線を照射するＸ線照射部と、
前記Ｘ線照射部から照射されたＸ線を検出するＸ線検出部と、
前記Ｘ線検出部により検出されたＸ線に基づいてＸ線画像を生成する画像生成部と、
前記画像生成部により生成された前記Ｘ線画像の解析を行うための学習済みモデルを生成するモデル生成部と、を備え、
前記モデル生成部は、
規則性を有する状態で配置された前記検査対象物を含む教師用Ｘ線画像から、第１部分が切り出された第１画像と、前記第１部分とは異なる第２部分が切り出された第２画像とを取得する切出画像取得部と、
前記第１画像および前記第２画像の各々における前記検査対象物の領域、および、前記検査対象物に含まれる異常部分の領域の少なくとも一方を識別するための識別情報を取得する識別情報取得部と、
前記第１画像および前記第２画像に基づく入力教師データと、前記識別情報に基づく出力教師データとを用いて、前記学習済みモデルを生成する機械学習を行う学習部と、を含む、Ｘ線撮影システム。

【0083】

（項目２）
前記切出画像取得部は、前記教師用Ｘ線画像から、前記検査対象物が含まれる対象領域の中心部分を含む前記第１部分が切り出された前記第１画像と、前記対象領域の端部分を含む前記第２部分が切り出された前記第２画像とを取得する、項目１に記載のＸ線撮影システム。

【0084】

（項目３）
前記Ｘ線照射部は、規則性を有するように基板に格子状に並べて配置された複数のはんだ材を含む前記検査対象物に対してＸ線を照射し、
前記識別情報取得部は、前記第１画像および前記第２画像の各々における前記複数のはんだ材の領域および前記複数のはんだ材に含まれる前記異常部分の領域の少なくとも一方が識別された識別画像を前記識別情報として取得する、項目１または２に記載のＸ線撮影システム。

【0085】

（項目４）
操作者による入力操作を受け付ける操作部をさらに備え、
前記操作部は、前記教師用Ｘ線画像において前記検査対象物が含まれる対象領域を設定する領域設定操作を受け付け、
前記切出画像取得部は、前記操作部により受け付けられた領域設定操作によって設定された前記教師用Ｘ線画像における前記対象領域に基づいて、前記教師用Ｘ線画像のうちから前記第１部分の範囲と前記第２部分の範囲とを自動的に設定する、項目１～３のいずれか１項に記載のＸ線撮影システム。

【0086】

（項目５）
前記教師用Ｘ線画像を表示する表示部と、
操作者による入力操作を受け付ける操作部とをさらに備え、
前記表示部は、前記教師用Ｘ線画像から切り出される前記第１部分の範囲を示す表示と、前記第２部分の範囲を示す表示とを視認可能に表示し、
前記切出画像取得部は、前記操作部により受け付けられた入力操作に基づいて、前記教師用Ｘ線画像から切り出される前記第１部分の範囲と、前記第２部分の範囲とを設定する、項目１～４のいずれか１項に記載のＸ線撮影システム。

【0087】

（項目６）
前記切出画像取得部は、前記操作部により受け付けられた入力操作に基づいて、所定のしきい値以上の大きさを有するように前記第１部分の範囲と前記第２部分の範囲とを設定する、項目５に記載のＸ線撮影システム。

【0088】

（項目７）
前記モデル生成部は、前記切出画像取得部により取得された前記第１画像と前記第２画像とに基づいて、前記入力教師データを生成する教師データ生成部をさらに含み、
前記教師データ生成部は、複製された複数の前記第１画像同士を並べて配置することと、複製された複数の前記第２画像同士を並べて配置することとの少なくとも一方によって、前記入力教師データを共通の大きさにするように構成されている、項目１～６のいずれか１項に記載のＸ線撮影システム。

【0089】

（項目８）
前記教師データ生成部は、前記第１画像同士を反転させながら並べて配置することと、前記第２画像同士を反転させながら並べて配置することとの少なくとも一方によって、前記入力教師データを共通の大きさにするように構成されている、項目７に記載のＸ線撮影システム。

【0090】

（項目９）
前記切出画像取得部は、前記教師用Ｘ線画像から前記検査対象物が含まれない背景部分が切り出された背景画像を取得し、
前記学習部は、前記第１画像および前記第２画像と前記背景画像とに基づく前記入力教師データを用いて前記学習済みモデルを生成するための機械学習を行う、項目１～８のいずれか１項に記載のＸ線撮影システム。

【0091】

（項目１０）
操作者による入力操作を受け付ける操作部をさらに備え、
前記操作部は、複数の前記教師用Ｘ線画像のうちの一の前記教師用Ｘ線画像における前記第１部分の範囲と前記第２部分の範囲とを設定する範囲設定操作を受け付け、
前記切出画像取得部は、前記複数の教師用Ｘ線画像の各々から、前記一の教師用Ｘ線画像に対する範囲設定操作に基づいて設定された共通の範囲の前記第１部分が切り出された複数の前記第１画像と、前記一の教師用Ｘ線画像に対する範囲設定操作に基づいて設定された共通の範囲の前記第２部分が切り出された複数の前記第２画像とを取得する、項目１～９のいずれか１項に記載のＸ線撮影システム。

【0092】

（項目１１）
規則性を有する状態で配置された検査対象物に対してＸ線を照射することによって生成されたＸ線画像に対応する教師用Ｘ線画像から、第１部分が切り出された第１画像と、前記第１部分とは異なる第２部分が切り出された第２画像とを取得するステップと、
前記第１画像および前記第２画像の各々における前記検査対象物の領域、および、前記検査対象物に含まれる異常部分の領域の少なくとも一方を識別するための識別情報を取得するステップと、
前記第１画像および前記第２画像に基づく入力教師データと、前記識別情報に基づく出力教師データとを用いて、前記Ｘ線画像の解析を行うための学習済みモデルを生成する機械学習を行うステップと、を含む、学習済みモデル生成方法。

【符号の説明】

【0093】

１１ Ｘ線照射部
１２ Ｘ線検出部
１３ 画像生成部
２１ 制御部（モデル生成部）
２３ 表示部
２４ 操作部
３０ Ｘ線画像
３０ｔ 入力教師データ
３１ｔ 出力教師データ
４３ 切出画像取得部
４４ 識別情報取得部
４５ 教師データ生成部
４６ 学習部
５０ 学習済みモデル
６０ 教師用Ｘ線画像
６０ａ 対象領域
６０ｂ 部分（第１部分）
６０ｃ、６０ｄ 部分（第２部分）
６０ｅ 背景部分
６１ｂ 中心画像（第１画像）
６１ｃ、６１ｄ 端画像（第２画像）
６１ｅ 背景画像
６２ｂ、６２ｃ、６２ｄ、６２ｅ 識別画像
１００ Ｘ線撮影システム
１０２ 基板
１０４ はんだボール（検査対象物、はんだ材）

【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】