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】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-08-29
(45)【発行日】2024-09-06
(54)【発明の名称】検査装置、及び検査方法
(51)【国際特許分類】
G01N 21/88 20060101AFI20240830BHJP
G06T 7/00 20170101ALI20240830BHJP
【ＦＩ】
G01N21/88 J
G06T7/00 350B
【請求項の数】
5
(21)【出願番号】P 2020002460
(22)【出願日】2020-01-09
(65)【公開番号】P2021110629
(43)【公開日】2021-08-02
【審査請求日】2022-12-13
(73)【特許権者】
【識別番号】000001133
【氏名又は名称】株式会社小糸製作所
(74)【代理人】
【識別番号】100143764
【弁理士】
【氏名又は名称】森村 靖男
(72)【発明者】
【氏名】栗田 直人
【審査官】平田 佳規
(56)【参考文献】
【文献】特開２０１３－１６７５９６（ＪＰ，Ａ）
【文献】特開２００６－０９８１５２（ＪＰ，Ａ）
【文献】特開２００９－００８５６４（ＪＰ，Ａ）
【文献】国際公開第２０１７／１６４３３８（ＷＯ，Ａ１）
【文献】特開２０１０－１９８４７６（ＪＰ，Ａ）
【文献】特開２００４－２１２３１１（ＪＰ，Ａ）
【文献】特開２０１９－０２３８４３（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０１Ｎ ２１／８４ － Ｇ０１Ｎ ２１／９５８
Ｇ０１Ｂ １１／００ － Ｇ０１Ｂ １１／３０
Ｇ０６Ｎ ２０／００ － Ｇ０６Ｎ ２０／２０
Ｇ０６Ｔ １／００ － Ｇ０６Ｔ １／４０
Ｇ０６Ｔ ３／００ － Ｇ０６Ｔ ３／６０
Ｇ０６Ｔ ５／００ － Ｇ０６Ｔ ５／５０
Ｇ０６Ｔ ７／００ － Ｇ０６Ｔ ７／９０
Ｇ０６Ｔ ９／００ － Ｇ０６Ｔ ９／４０
Ｇ０６Ｖ １０／００ － Ｇ０６Ｖ １０／９８
Ｇ０６Ｖ ２０／００ － Ｇ０６Ｖ ２０／９０
Ｇ０６Ｖ ３０／４１８
Ｇ０６Ｖ ４０／１６
Ｇ０６Ｖ ４０／２０
(57)【特許請求の範囲】
【請求項1】
被検査物が撮像された画像において所定の特徴量に基づいて１つ以上の欠陥候補を抽出する欠陥候補抽出部と、抽出された前記欠陥候補に対して前記画像のうち当該欠陥候補の少なくとも一部が含まれる判断領域を抽出する判断領域抽出部と、
抽出された前記判断領域について機械学習によって構築される学習モデルを用いて欠陥の有無を判断する判断部と、
前記欠陥候補抽出部によって抽出された前記欠陥候補に対して当該欠陥候補の図心と他の前記欠陥候補の図心との距離のうち最小の距離を算出する距離算出部と、
を備え、
前記判断領域抽出部は、算出された前記最小の距離が所定の距離以上となる前記欠陥候補に対して、前記画像のうち当該欠陥候補の少なくとも一部が含まれる所定の大きさの第１判断領域を抽出するとともに、算出された前記最小の距離が前記所定の距離未満となる前記欠陥候補に対して、前記画像のうち当該欠陥候補の少なくとも一部が含まれ前記第１判断領域より小さい第２判断領域を抽出し、
前記判断部は、前記被検査物の欠陥の少なくとも一部を含み特定の大きさの複数の第１欠陥画像を含む学習用画像を機械学習することによって構築される第１学習モデルを用いて、前記第１判断領域について欠陥の有無を判断するとともに、前記被検査物の欠陥の少なくとも一部を含み前記第１欠陥画像より小さい複数の第２欠陥画像を含む学習用画像を機械学習することによって構築される第２学習モデルを用いて、前記第２判断領域について欠陥の有無を判断し、
前記第１欠陥画像を含む前記学習用画像と前記第１判断領域とは概ね同じ大きさであり、前記第２欠陥画像を含む前記学習用画像と前記第２判断領域とは概ね同じ大きさである
ことを特徴とする検査装置。
【請求項2】
前記判断領域抽出部は、前記判断領域の中心が前記欠陥候補の図心またはその近傍に位置するように当該判断領域を抽出することを特徴とする請求項１に記載の検査装置。
【請求項3】
前記欠陥候補抽出部は、前記画像のうち輝度値が所定の輝度値より大でありかつ所定の面積より大である領域、または前記画像のうち輝度値が所定の輝度値より小でありかつ前記所定の面積より大である領域を前記欠陥候補として抽出することを特徴とする請求項１または２に記載の検査装置。
【請求項4】
被検査物が撮像された画像において所定の特徴量に基づいて１つ以上の欠陥候補を抽出する欠陥候補抽出工程と、抽出された前記欠陥候補に対して前記画像のうち当該欠陥候補の少なくとも一部が含まれる判断領域を抽出する判断領域抽出工程と、
抽出された前記判断領域について機械学習によって構築される学習モデルを用いて欠陥の有無を判断する判断工程と、
前記欠陥候補抽出工程によって抽出された前記欠陥候補に対して当該欠陥候補の図心と他の前記欠陥候補の図心との距離のうち最小の距離を算出する距離算出工程と、
を備え、
前記判断領域抽出工程では、算出された前記最小の距離が所定の距離以上となる前記欠陥候補に対して、前記画像のうち当該欠陥候補の少なくとも一部が含まれる所定の大きさの第１判断領域を抽出するとともに、算出された前記最小の距離が前記所定の距離未満となる前記欠陥候補に対して、前記画像のうち当該欠陥候補の少なくとも一部が含まれ前記第１判断領域より小さい第２判断領域を抽出し、
前記判断工程では、前記被検査物の欠陥の少なくとも一部を含み特定の大きさの複数の第１欠陥画像を含む学習用画像を機械学習することによって構築される第１学習モデルを用いて、前記第１判断領域について欠陥の有無を判断するとともに、前記被検査物の欠陥の少なくとも一部を含み前記第１欠陥画像より小さい複数の第２欠陥画像を含む学習用画像を機械学習することによって構築される第２学習モデルを用いて、前記第２判断領域について欠陥の有無を判断し、
前記第１欠陥画像を含む前記学習用画像と前記第１判断領域とは概ね同じ大きさであり、前記第２欠陥画像を含む前記学習用画像と前記第２判断領域とは概ね同じ大きさである
ことを特徴とする検査方法。
【請求項5】
前記判断領域抽出工程では、前記判断領域の中心が前記欠陥候補の図心またはその近傍に位置するように当該判断領域を抽出することを特徴とする請求項４に記載の検査方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、被検査物の欠陥の有無を検査する検査装置、及び検査方法に関する。
【背景技術】
【0002】
被検査物の欠陥の有無を検査する検査装置として、例えば、被検査物が撮像された画像に基づいて欠陥の有無を検査する検査装置が知られている。下記特許文献１には、機械学習によって構築される学習モデルを用いて被検査物が撮像された画像から被検査物の外観不良箇所を推定する推定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】
【文献】実用新案登録第３２２３２４８号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
上記特許文献１に記載の検査装置のように、機械学習によって構築される学習モデルを用いて画像から欠陥の有無を判断する場合、学習モデルを用いないで画像から欠陥の有無を判断する場合と比べて、欠陥の検出確度が高くなる傾向にあるものの、欠陥の有無を判断するのにかかる時間が長くなる傾向にある。
【0005】
そこで、本発明は、欠陥の検出確度が低下することを抑制しつつ、欠陥の有無の検査にかかる時間を短縮し得る検査装置、及び検査方法を提供することを目的とする。
【課題を解決するための手段】
【0006】
上記目的の達成のため、本発明の検査装置は、被検査物が撮像された画像において所定の特徴量に基づいて１つ以上の欠陥候補を抽出する欠陥候補抽出部と、抽出された前記欠陥候補に対して前記画像のうち当該欠陥候補の少なくとも一部が含まれる判断領域を抽出する判断領域抽出部と、抽出された前記判断領域について機械学習によって構築される学習モデルを用いて欠陥の有無を判断する判断部と、を備えることを特徴とする。
【0007】
また、上記目的の達成のため、本発明の検査方法は、被検査物が撮像された画像において所定の特徴量に基づいて１つ以上の欠陥候補を抽出する欠陥候補抽出工程と、抽出された前記欠陥候補に対して前記画像のうち当該欠陥候補の少なくとも一部が含まれる判断領域を抽出する判断領域抽出工程と、抽出された前記判断領域について機械学習によって構築される学習モデルを用いて欠陥の有無を判断する判断工程と、を備えることを特徴とする。
【0008】
この検査装置、及び検査方法では、学習モデルを用いて被検査物が撮像された画像のうち欠陥候補の少なくとも一部が含まれる判断領域について欠陥の有無を判断する。従って、この検査装置、及び検査方法は、学習モデルを用いないで欠陥の有無を判断する場合と比べて、欠陥の検出確度が低下することを抑制し得る。また、この検査装置、及び検査方法は、学習モデルを用いて被検査物が撮像された画像の全体について欠陥の有無を判断する場合と比べて、欠陥の有無の検査にかかる時間を短縮し得る。
【0009】
前記判断領域抽出部は、前記判断領域の中心が前記欠陥候補の図心またはその近傍に位置するように当該判断領域を抽出することとしてもよい。
【0010】
被検査物が撮像された画像に基づいて欠陥の有無を検査するための学習モデルは、一般的に、被検査物の欠陥を含む複数の欠陥画像を含む学習用画像を機械学習することによって構築される。この検査装置では、上記のように、欠陥の有無の判断がされる判断領域は、当該判断領域の中心が欠陥候補の図心またはその近傍に位置するように抽出される。このため、この検査装置は、欠陥の図心が画像の外縁側に位置する欠陥画像を含まない学習用画像を機械学習することによって学習モデルを構築したとしても、欠陥の検出確度が低下することを抑制し得る。このため、この検査装置は、学習モデルを構築するのにかかる時間を短縮し得る。
【0011】
上記の検査装置は、前記欠陥候補抽出部によって抽出された前記欠陥候補に対して当該欠陥候補の図心と他の前記欠陥候補の図心との距離のうち最小の距離を算出する距離算出部を更に備え、前記判断領域抽出部は、算出された前記最小の距離が所定の距離以上となる前記欠陥候補に対して、前記画像のうち当該欠陥候補の少なくとも一部が含まれる所定の大きさの第１判断領域を抽出するとともに、算出された前記最小の距離が前記所定の距離未満となる前記欠陥候補に対して、前記画像のうち当該欠陥候補の少なくとも一部が含まれ前記第１判断領域より小さい第２判断領域を抽出し、前記判断部は、前記被検査物の欠陥の少なくとも一部を含み特定の大きさの複数の第１欠陥画像を含む学習用画像を機械学習することによって構築される第１学習モデルを用いて、前記第１判断領域について欠陥の有無を判断するとともに、前記被検査物の欠陥の少なくとも一部を含み前記第１欠陥画像より小さい複数の第２欠陥画像を含む学習用画像を機械学習することによって構築される第２学習モデルを用いて、前記第２判断領域について欠陥の有無を判断することとしてもよい。
【0012】
この検査装置では、上記のように、距離算出部は、欠陥候補抽出部によって抽出された欠陥候補に対して当該欠陥候補の図心と他の欠陥候補の図心との距離のうち最小の距離を算出する。また、判断領域抽出部は、算出された最小の距離が所定の距離以上となる欠陥候補に対して、画像のうち当該欠陥候補の少なくとも一部が含まれる所定の大きさの第１判断領域を抽出するとともに、算出された最小の距離が所定の距離未満となる欠陥候補に対して、画像のうち当該欠陥候補の少なくとも一部が含まれ第１判断領域より小さい第２判断領域を抽出する。このため、この検査装置では、欠陥候補に対して第１判断領域または第１判断領域より小さい第２判断領域が抽出され、これら判断領域に他の欠陥候補が含まれないようにし得る。このため、この検査装置は、欠陥候補に対して所定の大きさの判断領域を抽出する場合と比べて、判断領域について欠陥の有無を判断する際の当該判断領域に対応する欠陥候補と異なる欠陥候補の影響を小さくし得る。従って、この検査装置は、欠陥の検出確度が低下することをより抑制し得る。なお、学習モデルの大きさは、機械学習する学習用画像の大きさに応じて大きくなる傾向にあり、学習モデルが大きくなると、当該学習モデルを用いた欠陥の有無の判断にかかる時間が長くなる傾向にある。上記のように、判断部は、複数の第１欠陥画像を含む学習用画像を機械学習することによって構築される第１学習モデルを用いて第１判断領域について欠陥の有無を判断し、第１欠陥画像より小さい複数の第２欠陥画像を含む学習用画像を機械学習することによって構築される第２学習モデルを用いて第２判断領域について欠陥の有無を判断する。このため、この検査装置は、判断領域の大きさに応じた学習モデルを用いて欠陥の有無を判断し得るため、欠陥の有無の検査にかかる時間をより短縮し得る。
【0013】
或いは、上記の検査装置は、前記欠陥候補抽出部によって抽出された前記欠陥候補の最大の幅を算出する幅算出部を更に備え、前記判断領域抽出部は、算出された前記最大の幅が所定の幅以上となる前記欠陥候補に対して、前記画像のうち当該欠陥候補の少なくとも一部が含まれる所定の大きさの第３判断領域を抽出するとともに、算出された前記最大の幅が前記所定の幅未満となる前記欠陥候補に対して、前記画像のうち当該欠陥候補の少なくとも一部が含まれ前記第３判断領域より小さい第４判断領域を抽出し、前記判断部は、前記被検査物の欠陥の少なくとも一部を含み特定の大きさの複数の第１欠陥画像を含む学習用画像を機械学習することによって構築される第３学習モデルを用いて、前記第３判断領域について欠陥の有無を判断するとともに、前記被検査物の欠陥の少なくとも一部を含み前記第１欠陥画像より小さい複数の第２欠陥画像を含む学習用画像を機械学習することによって構築される第４学習モデルを用いて、前記第４判断領域について欠陥の有無を判断することとしてもよい。
【0014】
この検査装置では、上記のように、幅算出部は、欠陥候補抽出部によって抽出された欠陥候補の最大の幅を算出する。また、判断領域抽出部は、算出された最大の幅が所定の幅以上となる欠陥候補に対して、画像のうち当該欠陥候補の少なくとも一部が含まれる第３判断領域を抽出するとともに、算出された最大の幅が所定の幅未満となる欠陥候補に対して、画像のうち当該欠陥候補の少なくとも一部が含まれ第３判断領域より小さい第４判断領域を抽出する。このため、この検査装置は、所定の大きさ以上の欠陥候補に対して第３判断領域を抽出するとともに、所定の大きさ未満の欠陥候補に対して第３判断領域より小さい第４判断領域を抽出するようにし得る。つまり、この検査装置は、大きな欠陥かもしれない欠陥候補に対して大きな第３判断領域を抽出するとともに、小さな欠陥かもしれない欠陥候補に対して小さな第４判断領域を抽出するようにし得る。ところで、欠陥の大きさに応じて欠陥の特徴が異なる場合がある。上記のように、判断部は、複数の第１欠陥画像を含む学習用画像を機械学習することによって構築される第３学習モデルを用いて第３判断領域について欠陥の有無を判断し、第１欠陥画像より小さい複数の第２欠陥画像を含む学習用画像を機械学習することによって構築される第４学習モデルを用いて第４判断領域について欠陥の有無を判断する。このため、この検査装置は、大きな欠陥かもしれない欠陥候補が含まれる判断領域に対する欠陥の有無を判断する学習モデルと、小さな欠陥かもしれない欠陥候補が含まれる判断領域に対する欠陥の有無を判断する学習モデルとが互いに異なる。従って、この検査装置は、１つの学習モデルを用いて欠陥の有無を判断する場合と比べて、欠陥の検出確度が低下することをより抑制し得る。
【0015】
前記欠陥候補抽出部は、前記画像のうち輝度値が所定の輝度値より大でありかつ所定の面積より大である領域、または前記画像のうち輝度値が所定の輝度値より小でありかつ前記所定の面積より大である領域を前記欠陥候補として抽出することとしてもよい。
【0016】
欠陥があることによって光の反射、屈折、吸収等が変化するため、画像において欠陥を暗部や明部として映し出すことができる。この検査装置では、画像において、所定の面積より大である暗部や明部を欠陥候補として抽出するため、欠陥とは異なる小さな埃等に起因する暗部や明部を欠陥候補として抽出しないようにし得る。従って、この検査装置は、判断領域の数が多くなることを抑制し得、欠陥の有無の検査にかかる時間を短縮し得る。
【発明の効果】
【0017】
以上のように本発明によれば、欠陥の検出確度が低下することを抑制しつつ、欠陥の有無の検査にかかる時間を短縮し得る検査装置、及び検査方法を提供できる。
【図面の簡単な説明】
【0018】
【図1】本発明の第１実施形態における検査装置を概略的に示す図である。
【図2】撮像部によって被検査物が撮像された画像の一例の一部を模式的に示す図である。
【図3】本発明の第１実施形態における検査方法を示すフローチャートである。
【図4】本発明の第２実施形態における検査装置を概略的に示す図である。
【図5】撮像部によって被検査物が撮像された画像の別の一例の一部を模式的に示す図である。
【図6】本発明の第２実施形態における検査方法を示すフローチャートである。
【図7】本発明の第３実施形態における検査装置を概略的に示す図である。
【図8】撮像部によって被検査物が撮像された画像の更に別の一例の一部を模式的に示す図である。
【図9】本発明の第３実施形態における検査方法を示すフローチャートである。
【発明を実施するための形態】
【0019】
以下、本発明に係る検査装置、及び検査方法を実施するための形態が添付図面とともに例示される。以下に例示する実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、以下の実施形態から変更、改良することができる。なお、以下で参照する図面では、理解を容易にするために、各部材の寸法を変えて示したり、参照符号を省略したりする場合がある。
【0020】
（第１実施形態）
図１は、本発明の第１実施形態における検査装置を概略的に示す図である。図１に示すように、本実施形態の検査装置１は、照明部１０と、撮像部２０と、検査部３０と、記憶部４０と、表示部５０と、制御部ＣＯと、を主な構成として備える。本実施形態における検査装置１によって検査される被検査物６０は、車両用灯具における光を透過するアウターカバーとされる。検査装置１は、被検査物６０の表面の欠陥、例えば表面に付着する異物等の有無を検査する。なお、理解を容易にするため、図１では、被検査物６０は鉛直断面によって示されている。
図１は、本発明の第１実施形態における検査装置を概略的に示す図である。図１に示すように、本実施形態の検査装置１は、照明部１０と、撮像部２０と、検査部３０と、記憶部４０と、表示部５０と、制御部ＣＯと、を主な構成として備える。本実施形態における検査装置１によって検査される被検査物６０は、車両用灯具における光を透過するアウターカバーとされる。検査装置１は、被検査物６０の表面の欠陥、例えば表面に付着する異物等の有無を検査する。なお、理解を容易にするため、図１では、被検査物６０は鉛直断面によって示されている。
【0021】
アウターカバーである本実施形態の被検査物６０は、一方の面６０Ｓ１側に凸状に湾曲する透光性を有する板状部材とされる。被検査物６０の外周縁には、他方の面６０Ｓ２側に突出する透光性を有するリブ６１が設けられ、当該リブ６１は被検査物６０の外周縁の全周に亘って延在している。この被検査物６０は、一方の面６０Ｓ１側に設けられる不図示のハードコート層と、他方の面６０Ｓ２側に設けられる不図示の防曇コート層とを含む。このハードコート層の外側の面が被検査物６０における一方の面６０Ｓ１であり、この防曇コート層の外側の面が被検査物６０における他方の面６０Ｓ２である。例えば、ハードコート層や防曇コート層を形成する際にこれらの層に埃等の異物が付着してこの異物が被検査物６０の表面の欠陥となることがある。本実施形態の検査装置１は、被検査物６０における一方の面６０Ｓ１や他方の面６０Ｓ２の欠陥の有無を検査する。
【0022】
制御部ＣＯは、例えば、マイクロコントローラ、ＩＣ（Integrated Circuit）、ＬＳＩ（Large-scale Integrated Circuit）、ＡＳＩＣ（Application Specific Integrated Circuit）などの集積回路やＮＣ（Numerical Control）装置を用いることができる。また、制御部ＣＯは、ＮＣ装置を用いた場合、機械学習器を用いたものであってもよく、機械学習器を用いないものであってもよい。以下に説明するように、検査装置１の幾つかの構成が制御部ＣＯによって制御される。
【0023】
本実施形態の照明部１０は、被検査物６０の上方に配置され、被検査物６０の一方の面６０Ｓ１に白色の光を照射する。なお、図１では、照明部１０から出射する光が二点鎖線で示されている。上記のように被検査物６０は透光性を有するため、照明部１０から出射する光は被検査物６０の一方の面６０Ｓ１側から他方の面６０Ｓ２側に向かって被検査物６０を透過する。照明部１０は、制御部ＣＯからの制御信号により、光の出射と非出射とを切り替える。照明部１０として、例えば、複数のＬＥＤ（Light Emitting Diode）が所定の方向に並列されたライン照明、複数のＬＥＤが二次元配列された面状照明等が挙げられる。また、照明部１０の数は特に限定されるものではなく、照明部１０は１つであってもよく、２つ以上であってもよい。
【0024】
本実施形態の撮像部２０は、照明部１０と対向するように被検査物６０の下方に配置され、照明部１０からの光が透過している状態の被検査物６０を撮像する。つまり、撮像部２０は、被検査物６０を基準として照明部１０側と反対側に配置され、照明部１０からの光が透過している状態の被検査物６０を撮像する。このため、被検査物６０を透過する光が撮像部２０によって撮像される。制御部ＣＯは、撮像部２０を制御して、撮像部２０に被検査物６０の他方の面６０Ｓ２の全体が含まれる二次元の画像を撮像させ、当該画像を検査部３０に出力させる。撮像部２０として、例えば、ラインセンサカメラ、エリアセンサカメラ等が挙げられる。なお、撮像部２０がラインセンサカメラとされる場合、例えば、照明部１０と撮像部２０との間を横切るように被検査物６０を移動させ、当該被検査物６０を所定の時間間隔で撮像部２０によって撮像する。
【0025】
ここで、被検査物６０の一方の面６０Ｓ１や他方の面６０Ｓ２に異物等の欠陥がある場合、照明部１０によって被検査物６０に照射される光のうち欠陥に入射する光の多くは欠陥で吸収されたり欠陥で反射したりする。一方、欠陥に入射しない光の多くは被検査物６０を一方の面６０Ｓ１側から他方の面６０Ｓ２側に向かって透過する。本実施形態では、照明部１０から出射して被検査物６０を透過する光が撮像部２０に入射するとともに、照明部１０から出射して欠陥で反射する光が撮像部２０に入射しにくくなるように、照明部１０と撮像部２０と被検査物６０との位置関係が調整される。このため、撮像部２０によって撮像された被検査物６０の画像において、欠陥は輝度値が所定の値より低い暗部として映し出され得、欠陥ではない部分は輝度値が所定の値より高い明部として映し出され得る。
【0026】
本実施形態の検査部３０は、撮像部２０から入力される二次元の画像に基づいて、被検査物６０の一方の面６０Ｓ１及び他方の面６０Ｓ２における欠陥の有無を検査し、検査結果に応じた信号を制御部ＣＯに出力する。このような検査部３０の構成として、例えば、制御部ＣＯと同様の構成が挙げられる。
【0027】
また、検査部３０には、記憶部４０が接続されている。記憶部４０は、情報を記憶し、当該記憶した情報を読み出し可能に構成される。この記憶部４０には、欠陥の有無を判断する処理を実行するための検査プログラムや当該処理に必要な情報が記憶され、検査部３０は記憶部４０に記憶される検査プログラムや情報を読み出す。記憶部４０として、例えばＲＯＭ等の半導体メモリ、磁気ディスク等が挙げられる。
【0028】
本実施形態の検査部３０は、記憶部４０から検査プログラムを読み出した状態において、検査領域抽出部３１、欠陥候補抽出部３２、判断領域抽出部３３、及び判断部３４を備え、欠陥の有無を判断する処理を実行する。
【0029】
検査領域抽出部３１は、撮像部２０から入力される被検査物６０が撮像された画像において、欠陥の有無の検査する検査領域を抽出する。本実施形態では、検査領域抽出部３１は、撮像部２０から入力される画像における所定の領域を検査領域として抽出する。この所定の領域は、被検査物６０のうちリブ６１が含まれない領域であり、所定の領域の外縁はリブ６１から概ね所定の距離だけ離隔している。つまり、所定の領域がこのような領域となるように、被検査物６０に対する撮像部２０の位置や向き等が調節されている。
【0030】
欠陥候補抽出部３２は、撮像部２０から入力される被検査物６０が撮像された画像において、所定の特徴量に基づいて１つ以上の欠陥候補を抽出する。上記のように、本実施形態では、撮像部２０によって撮像された被検査物６０の画像において、欠陥は輝度値が所定の値より低い暗部として映し出され得る。このため、本実施形態では、欠陥候補抽出部３２は、撮像部２０から入力される被検査物６０が撮像された画像のうち、検査領域抽出部３１によって抽出された検査領域において、輝度値に基づいて１つ以上の欠陥候補を抽出する。具体的には、欠陥候補抽出部３２は、検査領域において、輝度値が所定の輝度値より小でありかつ所定の面積より大である領域を欠陥候補として抽出する。
【0031】
判断領域抽出部３３は、欠陥候補抽出部３２によって抽出された欠陥候補に対して、撮像部２０から入力される被検査物６０が撮像された画像のうち当該欠陥候補の少なくとも一部が含まれる判断領域を抽出する。本実施形態では、図２に示すように、欠陥候補抽出部３２によって抽出された欠陥候補７０に対して、撮像部２０から入力される被検査物６０が撮像された画像のうち、検査領域抽出部３１によって抽出された検査領域において、当該欠陥候補７０の少なくとも一部が含まれる所定の大きさの判断領域７１を抽出する。なお、図２は、撮像部２０によって被検査物６０が撮像された画像の一例の一部を模式的に示す図であり、検査領域抽出部３１によって抽出された検査領域の一部を模式的に示す図である。図２では、欠陥候補７０にハッチングが施され、判断領域７１の外縁は破線で示されている。本実施形態では、判断領域７１の外形は正方形とされ、判断領域７１の中心が欠陥候補７０の図心７０Ｆまたはその近傍に位置する。つまり、判断領域抽出部３３は、このような判断領域７１を抽出する。なお、近傍とは、例えば、図心７０Ｆとの距離が判断領域７１の最大幅の１０％以下となる領域とされる。また、判断領域７１の外形は特に限定されるものではなく、例えば、長方形や円形であってもよい。また、判断領域７１の中心は欠陥候補７０の図心７０Ｆまたはその近傍に位置していなくてもよい。
【0032】
判断部３４は、判断領域抽出部３３によって抽出された判断領域７１について機械学習によって構築される学習モデルを用いて欠陥の有無を判断する。本実施形態の学習モデルは、被検査物６０の欠陥の少なくとも一部を含み判断領域７１と概ね同じ大きさの複数の欠陥画像を含む学習用画像をよって構築され、当該学習モデルを構築する機械学習は教師あり学習である。そして、判断部３４は、判断領域抽出部３３によって抽出された判断領域７１のいずれかに欠陥があると判断する場合、欠陥があることを示す信号を制御部ＣＯに出力する。一方、判断部３４は、判断領域抽出部３３によって抽出された判断領域７１の全てに欠陥がないと判断する場合または欠陥候補抽出部３２によって欠陥候補７０が抽出されない場合、欠陥がないことを示す信号を制御部ＣＯに出力する。なお、上記の学習用画像は、被検査物６０の欠陥の少なくとも一部を含む複数の欠陥画像を含んでいればよい。学習用画像は、例えば、これら欠陥画像とともに、被検査物６０の欠陥を含まない複数の良品画像を含んでいてもよい。
【0033】
このように、検査領域抽出部３１、欠陥候補抽出部３２、判断領域抽出部３３、及び判断部３４を備える検査部３０は、撮像部２０から入力される二次元の画像に基づいて、被検査物６０の一方の面６０Ｓ１及び他方の面６０Ｓ２における欠陥の有無を検査し、検査結果に応じた信号を制御部ＣＯに出力する。
【0034】
表示部５０は、検査部３０による欠陥の有無の検査結果を表示する。表示部５０として、例えば液晶ディスプレイが挙げられる。
【0035】
次に、本実施形態における被検査物６０の欠陥の有無を検査する検査方法について説明する。
【0036】
図３は、本実施形態における検査方法を示すフローチャートである。本実施形態の検査方法によって、検査装置１を用いて被検査物６０の一方の面６０Ｓ１及び他方の面６０Ｓ２における欠陥の有無が検査される。図３に示すように、本実施形態の検査方法は、撮像工程Ｐ１と、検査領域抽出工程Ｐ２と、欠陥候補抽出工程Ｐ３と、判断領域抽出工程Ｐ４と、判断工程Ｐ５と、を主な工程として備える。
【0037】
＜撮像工程Ｐ１＞
本工程は、被検査物６０を撮像する工程である。本実施形態では、照明部１０は、制御部ＣＯからの制御信号により、光を出射する。照明部１０から出射する光は被検査物６０の一方の面６０Ｓ１側から他方の面６０Ｓ２側に向かって被検査物６０を透過する。また、撮像部２０は、制御部ＣＯからの制御信号により、照明部１０からの光が透過している状態の被検査物６０を撮像し、被検査物６０の他方の面６０Ｓ２の全体が含まれる二次元の画像を検査部３０に出力する。本実施形態では、被検査物６０の欠陥は輝度値が所定の値より低い暗部として映し出され、被検査物６０の欠陥ではない部分は輝度値が所定の値より高い明部として映し出されるように、被検査物６０を撮像する。
本工程は、被検査物６０を撮像する工程である。本実施形態では、照明部１０は、制御部ＣＯからの制御信号により、光を出射する。照明部１０から出射する光は被検査物６０の一方の面６０Ｓ１側から他方の面６０Ｓ２側に向かって被検査物６０を透過する。また、撮像部２０は、制御部ＣＯからの制御信号により、照明部１０からの光が透過している状態の被検査物６０を撮像し、被検査物６０の他方の面６０Ｓ２の全体が含まれる二次元の画像を検査部３０に出力する。本実施形態では、被検査物６０の欠陥は輝度値が所定の値より低い暗部として映し出され、被検査物６０の欠陥ではない部分は輝度値が所定の値より高い明部として映し出されるように、被検査物６０を撮像する。
【0038】
＜検査領域抽出工程Ｐ２＞
本工程は、被検査物６０が撮像された画像において、欠陥の有無の検査する検査領域を抽出する工程である。本実施形態では、検査部３０の検査領域抽出部３１によって、撮像部２０から検査部３０に入力される被検査物６０が撮像された画像において検査領域を抽出する。具体的には、撮像部２０から入力される画像における所定の領域を検査領域として抽出する。この所定の領域は、被検査物６０のうちリブ６１が含まれない領域であり、所定の領域の外縁はリブ６１から概ね所定の距離だけ離隔している。つまり、撮像工程Ｐ１において、所定の領域がこのような領域となるように、被検査物６０を撮像する。
本工程は、被検査物６０が撮像された画像において、欠陥の有無の検査する検査領域を抽出する工程である。本実施形態では、検査部３０の検査領域抽出部３１によって、撮像部２０から検査部３０に入力される被検査物６０が撮像された画像において検査領域を抽出する。具体的には、撮像部２０から入力される画像における所定の領域を検査領域として抽出する。この所定の領域は、被検査物６０のうちリブ６１が含まれない領域であり、所定の領域の外縁はリブ６１から概ね所定の距離だけ離隔している。つまり、撮像工程Ｐ１において、所定の領域がこのような領域となるように、被検査物６０を撮像する。
【0039】
＜欠陥候補抽出工程Ｐ３＞
本工程は、被検査物６０が撮像された画像において所定の特徴量に基づいて１つ以上の欠陥候補を抽出する工程である。本実施形態では、検査部３０の欠陥候補抽出部３２によって、撮像部２０から検査部３０に入力される被検査物６０が撮像された画像のうち、検査領域抽出工程Ｐ２で抽出された検査領域において、輝度値に基づいて１つ以上の欠陥候補を抽出する。具体的には、この検査領域において、輝度値が所定の輝度値より小でありかつ所定の面積より大である領域を欠陥候補として抽出する。
本工程は、被検査物６０が撮像された画像において所定の特徴量に基づいて１つ以上の欠陥候補を抽出する工程である。本実施形態では、検査部３０の欠陥候補抽出部３２によって、撮像部２０から検査部３０に入力される被検査物６０が撮像された画像のうち、検査領域抽出工程Ｐ２で抽出された検査領域において、輝度値に基づいて１つ以上の欠陥候補を抽出する。具体的には、この検査領域において、輝度値が所定の輝度値より小でありかつ所定の面積より大である領域を欠陥候補として抽出する。
【0040】
＜判断領域抽出工程Ｐ４＞
本工程は、欠陥候補抽出工程Ｐ３において抽出された欠陥候補に対して、被検査物６０が撮像された画像のうち当該欠陥候補の少なくとも一部が含まれる判断領域７１を抽出する工程である。本実施形態では、図３に示すように、検査部３０の判断領域抽出部３３によって、欠陥候補７０の少なくとも一部が含まれる所定の大きさの判断領域７１を抽出する。判断領域７１の外形は正方形とされ、判断領域７１の中心が欠陥候補７０の図心７０Ｆまたはその近傍に位置する。つまり、このような判断領域７１を抽出する。
本工程は、欠陥候補抽出工程Ｐ３において抽出された欠陥候補に対して、被検査物６０が撮像された画像のうち当該欠陥候補の少なくとも一部が含まれる判断領域７１を抽出する工程である。本実施形態では、図３に示すように、検査部３０の判断領域抽出部３３によって、欠陥候補７０の少なくとも一部が含まれる所定の大きさの判断領域７１を抽出する。判断領域７１の外形は正方形とされ、判断領域７１の中心が欠陥候補７０の図心７０Ｆまたはその近傍に位置する。つまり、このような判断領域７１を抽出する。
【0041】
＜判断工程Ｐ５＞
本工程は、判断領域抽出工程Ｐ４において抽出された判断領域７１について機械学習によって構築される学習モデルを用いて欠陥の有無を判断する工程である。本実施形態では、検査部３０の判断部３４によって、判断領域抽出工程Ｐ４で抽出された判断領域７１について機械学習によって構築される学習モデルを用いて欠陥の有無を判断する。そして、判断部３４は、抽出された判断領域７１のいずれかに欠陥があると判断する場合、欠陥があることを示す信号を制御部ＣＯに出力する。一方、判断部３４は、抽出された判断領域７１の全てに欠陥がないと判断する場合または欠陥候補抽出部３２によって欠陥候補７０が抽出されない場合、欠陥がないことを示す信号を制御部ＣＯに出力する。制御部ＣＯは、検査部３０の判断部３４から入力する信号に応じた制御信号を表示部５０に出力し、当該表示部５０に検査結果を表示させる。このようにして、被検査物６０の一方の面６０Ｓ１及び他方の面６０Ｓ２における欠陥の有無が検査される。
本工程は、判断領域抽出工程Ｐ４において抽出された判断領域７１について機械学習によって構築される学習モデルを用いて欠陥の有無を判断する工程である。本実施形態では、検査部３０の判断部３４によって、判断領域抽出工程Ｐ４で抽出された判断領域７１について機械学習によって構築される学習モデルを用いて欠陥の有無を判断する。そして、判断部３４は、抽出された判断領域７１のいずれかに欠陥があると判断する場合、欠陥があることを示す信号を制御部ＣＯに出力する。一方、判断部３４は、抽出された判断領域７１の全てに欠陥がないと判断する場合または欠陥候補抽出部３２によって欠陥候補７０が抽出されない場合、欠陥がないことを示す信号を制御部ＣＯに出力する。制御部ＣＯは、検査部３０の判断部３４から入力する信号に応じた制御信号を表示部５０に出力し、当該表示部５０に検査結果を表示させる。このようにして、被検査物６０の一方の面６０Ｓ１及び他方の面６０Ｓ２における欠陥の有無が検査される。
【0042】
以上説明したように、本実施形態の検査装置１は、欠陥候補抽出部３２と、判断領域抽出部３３と、判断部３４と、を備える。欠陥候補抽出部３２は、被検査物６０が撮像された画像において所定の特徴量に基づいて１つ以上の欠陥候補７０を抽出する。判断領域抽出部３３は、欠陥候補７０に対して被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれる判断領域７１を抽出する。判断部３４は、抽出された判断領域７１について機械学習によって構築される学習モデルを用いて欠陥の有無を判断する。
【0043】
また、本実施形態の検査方法は、欠陥候補抽出工程Ｐ３と、判断領域抽出工程Ｐ４と、判断工程Ｐ５と、を備える。欠陥候補抽出工程Ｐ３では、被検査物６０が撮像された画像において所定の特徴量に基づいて１つ以上の欠陥候補７０を抽出する。判断領域抽出工程Ｐ４では、抽出された欠陥候補７０に対して前記画像のうち当該欠陥候補の少なくとも一部が含まれる判断領域を抽出する。判断工程Ｐ５では、抽出された判断領域７１について機械学習によって構築される学習モデルを用いて欠陥の有無を判断する。
【0044】
本実施形態の検査装置１、及び検査方法では、上記のように、学習モデルを用いて被検査物６０が撮像された画像のうち欠陥候補７０の少なくとも一部が含まれる判断領域７１について欠陥の有無を判断する。従って、本実施形態の検査装置１、及び検査方法は、学習モデルを用いないで欠陥の有無を判断する場合と比べて、欠陥の検出確度が低下することを抑制し得る。また、本実施形態の検査装置１、及び検査方法は、学習モデルを用いて被検査物６０が撮像された画像の全体について欠陥の有無を判断する場合と比べて、欠陥の有無の検査にかかる時間を短縮し得る。
【0045】
ここで、被検査物６０が撮像された画像に基づいて欠陥の有無を検査するための学習モデルは、一般的に、被検査物６０の欠陥を含む複数の欠陥画像を含む学習用画像を機械学習することによって構築される。本実施形態の検査装置１、及び検査方法では、上記のように、欠陥の有無の判断がされる判断領域７１は、当該判断領域７１の中心が欠陥候補７０の図心７０Ｆまたはその近傍に位置するように抽出される。このため、本実施形態の検査装置、及び検査方法は、欠陥の図心が画像の外縁側に位置する欠陥画像を含まない学習用画像を機械学習することによって学習モデルを構築したとしても、欠陥の検出確度が低下することを抑制し得る。このため、本実施形態の検査装置１、及び検査方法は、学習モデルを構築するのにかかる時間を短縮し得る。
【0046】
また、本実施形態の検査装置１、及び検査方法では、被検査物６０が撮像された画像のうち輝度値が所定の輝度値より小でありかつ所定の面積より大である領域を欠陥候補７０として抽出する。このため、本実施形態の検査装置１、及び検査方法は、欠陥とは異なる小さな埃等に起因する暗部を欠陥候補として抽出しないようにし得る。従って、本実施形態の検査装置１、及び検査方法は、判断領域７１の数が多くなることを抑制し得、欠陥の有無の検査にかかる時間を短縮し得る。
【0047】
なお、上記のように、被検査物６０の一方の面６０Ｓ１や他方の面６０Ｓ２に異物等の欠陥がある場合、照明部１０によって被検査物６０に照射される光のうち欠陥に入射する光の多くは欠陥で吸収されたり欠陥で反射したりし、欠陥に入射しない光の多くは被検査物６０を一方の面６０Ｓ１側から他方の面６０Ｓ２側に向かって透過する。このため、照明部１０から出射して欠陥で反射する光が撮像部２０に入射し、照明部１０から出射して被検査物６０を透過する光が撮像部２０に入射しにくくなるように、照明部１０と撮像部２０と被検査物６０との位置関係が調整される場合、撮像部２０によって撮像された被検査物６０の画像において、欠陥は輝度値が所定の値より高い明部として映し出され得、欠陥ではない部分は輝度値が所定の値より高い暗部として映し出され得る。この場合、欠陥候補抽出工程Ｐ３では、検査部３０の欠陥候補抽出部３２によって、被検査物６０が撮像された画像のうち輝度値が所定の輝度値より大でありかつ所定の面積より大である領域を欠陥候補７０として抽出する。このような構成の検査装置１、及び検査方法であっても、上記のように、欠陥とは異なる小さな埃等に起因する明部を欠陥候補として抽出しないようにして判断領域７１の数が多くなることを抑制し得、欠陥の有無の検査にかかる時間を短縮し得る。
【0048】
（第２実施形態）
次に、本発明の第２実施形態について図４を参照して詳細に説明する。なお、第１実施形態と同一又は同等の構成要素については、特に説明する場合を除き、同一の参照符号を付して重複する説明は省略する。
次に、本発明の第２実施形態について図４を参照して詳細に説明する。なお、第１実施形態と同一又は同等の構成要素については、特に説明する場合を除き、同一の参照符号を付して重複する説明は省略する。
【0049】
【0050】
本実施形態の検査領域抽出部３１は第１実施形態の検査領域抽出部３１と同じであり、本実施形態の欠陥候補抽出部３２は第１実施形態の欠陥候補抽出部３２と同じである。このため、本実施形態の検査領域抽出部３１及び欠陥候補抽出部３２の説明は省略する。
【0051】
距離算出部３５は、欠陥候補抽出部３２によって抽出された欠陥候補７０に対して、当該欠陥候補７０の図心７０Ｆと他の欠陥候補７０の図心７０Ｆとの距離のうち最小の距離を算出する。
【0052】
本実施形態の判断領域抽出部３３は、図５に示すように、距離算出部３５によって算出された最小の距離が所定の距離以上となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれる所定の大きさの第１判断領域７１Ａを抽出する。また、本実施形態の判断領域抽出部３３は、距離算出部３５によって算出された最小の距離が所定の距離未満となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれ第１判断領域７１Ａより小さい第２判断領域７１Ｂを抽出する。なお、図５は、撮像部２０によって被検査物６０が撮像された画像の別の一例の一部を模式的に示す図であり、検査領域抽出部３１によって抽出された検査領域の一部を模式的に示す図である。図５では、欠陥候補７０にハッチングが施され、第１判断領域７１Ａ及び第２判断領域７１Ｂの外縁は破線で示されている。本実施形態では、第１判断領域７１Ａ及び第２判断領域７１Ｂの外形は正方形とされる。また、上記の所定の距離は第１判断領域７１Ａの対辺間の距離の半値とされ、第２判断領域７１Ｂの対辺間の距離は第１判断領域７１Ａの対辺間の距離の半値とされる。また、第１判断領域７１Ａの中心が、最小の距離が所定の距離以上となる欠陥候補７０の図心７０Ｆまたはその近傍に位置し、第２判断領域７１Ｂの中心が、最小の距離が所定の距離未満となる欠陥候補７０の図心７０Ｆまたはその近傍に位置する。つまり、判断領域抽出部３３は、このような第１判断領域７１Ａ及び第２判断領域７１Ｂを抽出する。なお、上記の所定の距離は特に限定されるものではない。また、最小の距離が所定の距離以上となる欠陥候補７０の図心７０Ｆの近傍とは、例えば、この図心７０Ｆとの距離が第１判断領域７１Ａの最大幅の１０％以下となる領域とされる。また、小の距離が所定の距離未満となる欠陥候補７０の図心７０Ｆまたはその近傍とは、例えば、この図心７０Ｆとの距離が第２判断領域７１Ｂの最大幅の１０％以下となる領域とされる。また、第１判断領域７１Ａ及び第２判断領域７１Ｂの外形は特に限定されるものではなく、例えば、長方形や円形であってもよい。また、第１判断領域７１Ａの外形と第２判断領域７１Ｂの外形とは互いに異なっていてもよく、この場合、例えば、第１判断領域７１Ａの面積は第２判断領域７１Ｂの面積より大とされる。また、第１判断領域７１Ａの中心は、算出された最小の距離が所定の距離以上となる欠陥候補７０の図心７０Ｆまたはその近傍に位置していなくてもよい。また、第２判断領域７１Ｂの中心は、算出された最小の距離が所定の距離未満となる欠陥候補７０の図心７０Ｆまたはその近傍に位置していなくてもよい。
【0053】
本実施形態の判断部３４は、被検査物６０の欠陥の少なくとも一部を含み特定の大きさの複数の第１欠陥画像を含む学習用画像を機械学習することによって構築される第１学習モデルを用いて、第１判断領域７１Ａについて欠陥の有無を判断する。また、本実施形態の判断部３４は、被検査物６０の欠陥の少なくとも一部を含み上記の第１欠陥画像より小さい複数の第２欠陥画像を含む学習用画像を機械学習することによって構築される第２学習モデルを用いて、第２判断領域７１Ｂについて欠陥の有無を判断する。本実施形態では、第１欠陥画像を含む学習用画像のそれぞれは第１判断領域７１Ａと概ね同じ大きさとされ、第２欠陥画像を含む学習用画像のそれぞれは第２判断領域７１Ｂと概ね同じ大きさとされる。そして、判断部３４は、第１判断領域７１Ａ及び第２判断領域７１Ｂのいずれかに欠陥があると判断する場合、欠陥があることを示す信号を制御部ＣＯに出力する。一方、判断部３４は、第１判断領域７１Ａ及び第２判断領域７１Ｂの全てに欠陥がないと判断する場合または欠陥候補抽出部３２によって欠陥候補７０が抽出されない場合、欠陥がないことを示す信号を制御部ＣＯに出力する。そして、制御部ＣＯは、検査部３０から入力する信号に応じた制御信号を表示部５０に出力し、当該表示部５０に検査結果を表示させる。なお、第１学習モデルを構築するための学習用画像は、上記の複数の第１欠陥画像を含んでいればよく、例えば、これら第１欠陥画像とともに、被検査物６０の欠陥を含まない複数の良品画像を含んでいてもよい。また、第２学習モデルを構築するための学習用画像は、上記の複数の第２欠陥画像を含んでいればよく、例えば、これら第２欠陥画像とともに、被検査物６０の欠陥を含まない複数の良品画像を含んでいてもよい。
【0054】
次に、本実施形態における被検査物６０の欠陥の有無を検査する検査方法について説明する。
【0055】
【0056】
本実施形態の撮像工程Ｐ１は第１実施形態の撮像工程Ｐ１と同じであり、本実施形態の検査領域抽出工程Ｐ２は第１実施形態の検査領域抽出工程Ｐ２と同じあり、本実施形態の欠陥候補抽出工程Ｐ３は第１実施形態の欠陥候補抽出工程Ｐ３と同じである。このため、本実施形態の撮像工程Ｐ１、検査領域抽出工程Ｐ２、及び欠陥候補抽出工程Ｐ３の説明は省略する。
【0057】
＜距離算出工程Ｐ６＞
本工程は、欠陥候補抽出工程Ｐ３によって抽出された欠陥候補７０に対して、当該欠陥候補７０の図心７０Ｆと他の欠陥候補７０の図心７０Ｆとの距離のうち最小の距離を算出する工程である。本実施形態では、検査部３０の距離算出部３５によって、この最小の距離を算出する。
本工程は、欠陥候補抽出工程Ｐ３によって抽出された欠陥候補７０に対して、当該欠陥候補７０の図心７０Ｆと他の欠陥候補７０の図心７０Ｆとの距離のうち最小の距離を算出する工程である。本実施形態では、検査部３０の距離算出部３５によって、この最小の距離を算出する。
【0058】
＜判断領域抽出工程Ｐ４＞
本実施形態の判断領域抽出工程Ｐ４では、検査部３０の判断領域抽出部３３によって、距離算出工程Ｐ６で算出された最小の距離が所定の距離以上となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれる所定の大きさの第１判断領域７１Ａを抽出する。また、本実施形態の判断領域抽出工程Ｐ４では、検査部３０の判断領域抽出部３３によって、距離算出工程Ｐ６で算出された最小の距離が所定の距離未満となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれ第１判断領域７１Ａより小さい第２判断領域７１Ｂを抽出する。本実施形態では、第１判断領域７１Ａ及び第２判断領域７１Ｂの外形は正方形とされる。また、上記の所定の距離は第１判断領域７１Ａの対辺間の距離の半値とされ、第２判断領域７１Ｂの対辺間の距離は第１判断領域７１Ａの対辺間の距離の半値とされる。また、第１判断領域７１Ａの中心が、最小の距離が所定の距離以上となる欠陥候補７０の図心７０Ｆまたはその近傍に位置し、第２判断領域７１Ｂの中心が、最小の距離が所定の距離未満となる欠陥候補７０の図心７０Ｆまたはその近傍に位置する。つまり、このような第１判断領域７１Ａ及び第２判断領域７１Ｂを抽出する。
本実施形態の判断領域抽出工程Ｐ４では、検査部３０の判断領域抽出部３３によって、距離算出工程Ｐ６で算出された最小の距離が所定の距離以上となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれる所定の大きさの第１判断領域７１Ａを抽出する。また、本実施形態の判断領域抽出工程Ｐ４では、検査部３０の判断領域抽出部３３によって、距離算出工程Ｐ６で算出された最小の距離が所定の距離未満となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれ第１判断領域７１Ａより小さい第２判断領域７１Ｂを抽出する。本実施形態では、第１判断領域７１Ａ及び第２判断領域７１Ｂの外形は正方形とされる。また、上記の所定の距離は第１判断領域７１Ａの対辺間の距離の半値とされ、第２判断領域７１Ｂの対辺間の距離は第１判断領域７１Ａの対辺間の距離の半値とされる。また、第１判断領域７１Ａの中心が、最小の距離が所定の距離以上となる欠陥候補７０の図心７０Ｆまたはその近傍に位置し、第２判断領域７１Ｂの中心が、最小の距離が所定の距離未満となる欠陥候補７０の図心７０Ｆまたはその近傍に位置する。つまり、このような第１判断領域７１Ａ及び第２判断領域７１Ｂを抽出する。
【0059】
＜判断工程Ｐ５＞
本実施形態の判断工程Ｐ５では、検査部３０の判断部３４によって、被検査物６０の欠陥の少なくとも一部を含み特定の大きさの複数の第１欠陥画像を含む学習用画像を機械学習することによって構築される第１学習モデルを用いて、第１判断領域７１Ａについて欠陥の有無を判断する。また、本実施形態の判断工程Ｐ５では、検査部３０の判断部３４によって、被検査物６０の欠陥の少なくとも一部を含み上記の第１欠陥画像より小さい複数の第２欠陥画像を含む学習用画像を機械学習することによって構築される第２学習モデルを用いて、第２判断領域７１Ｂについて欠陥の有無を判断する。本実施形態では、第１欠陥画像を含む学習用画像のそれぞれは第１判断領域７１Ａと概ね同じ大きさとされ、第２欠陥画像を含む学習用画像のそれぞれは第２判断領域７１Ｂと概ね同じ大きさとされる。そして、判断部３４は、第１判断領域７１Ａ及び第２判断領域７１Ｂのいずれかに欠陥があると判断する場合、欠陥があることを示す信号を制御部ＣＯに出力する。一方、判断部３４は、第１判断領域７１Ａ及び第２判断領域７１Ｂの全てに欠陥がないと判断する場合または欠陥候補抽出部３２によって欠陥候補７０が抽出されない場合、欠陥がないことを示す信号を制御部ＣＯに出力する。制御部ＣＯは、検査部３０の判断部３４から入力する信号に応じた制御信号を表示部５０に出力し、当該表示部５０に検査結果を表示させる。このようにして、被検査物６０の一方の面６０Ｓ１及び他方の面６０Ｓ２における欠陥の有無が検査される。
本実施形態の判断工程Ｐ５では、検査部３０の判断部３４によって、被検査物６０の欠陥の少なくとも一部を含み特定の大きさの複数の第１欠陥画像を含む学習用画像を機械学習することによって構築される第１学習モデルを用いて、第１判断領域７１Ａについて欠陥の有無を判断する。また、本実施形態の判断工程Ｐ５では、検査部３０の判断部３４によって、被検査物６０の欠陥の少なくとも一部を含み上記の第１欠陥画像より小さい複数の第２欠陥画像を含む学習用画像を機械学習することによって構築される第２学習モデルを用いて、第２判断領域７１Ｂについて欠陥の有無を判断する。本実施形態では、第１欠陥画像を含む学習用画像のそれぞれは第１判断領域７１Ａと概ね同じ大きさとされ、第２欠陥画像を含む学習用画像のそれぞれは第２判断領域７１Ｂと概ね同じ大きさとされる。そして、判断部３４は、第１判断領域７１Ａ及び第２判断領域７１Ｂのいずれかに欠陥があると判断する場合、欠陥があることを示す信号を制御部ＣＯに出力する。一方、判断部３４は、第１判断領域７１Ａ及び第２判断領域７１Ｂの全てに欠陥がないと判断する場合または欠陥候補抽出部３２によって欠陥候補７０が抽出されない場合、欠陥がないことを示す信号を制御部ＣＯに出力する。制御部ＣＯは、検査部３０の判断部３４から入力する信号に応じた制御信号を表示部５０に出力し、当該表示部５０に検査結果を表示させる。このようにして、被検査物６０の一方の面６０Ｓ１及び他方の面６０Ｓ２における欠陥の有無が検査される。
【0060】
上記のように、本実施形態の検査装置１、及び検査方法では、抽出された欠陥候補７０に対して当該欠陥候補７０の図心７０Ｆと他の欠陥候補７０の図心７０Ｆとの距離のうち最小の距離を算出する。また、本実施形態の検査装置１、及び検査方法では、算出された最小の距離が所定の距離以上となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれる所定の大きさの第１判断領域７１Ａを抽出する。また、本実施形態の検査装置１、及び検査方法では、算出された最小の距離が所定の距離未満となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれ第１判断領域７１Ａより小さい第２判断領域７１Ｂを抽出する。このため、本実施形態の検査装置１、及び検査方法では、欠陥候補７０に対して第１判断領域７１Ａまたは第１判断領域７１Ａより小さい第２判断領域７１Ｂが抽出され、これら判断領域７１Ａ，７１Ｂに他の欠陥候補７０が含まれないようにし得る。このため、本実施形態の検査装置１、及び検査方法は、欠陥候補７０に対して所定の大きさの判断領域を抽出する場合と比べて、判断領域７１Ａ，７１Ｂについて欠陥の有無を判断する際の当該判断領域７１Ａ，７１Ｂに対応する欠陥候補７０と異なる欠陥候補７０の影響を小さくし得る。従って、本実施形態の検査装置１、及び検査方法は、欠陥の検出確度が低下することをより抑制し得る。
【0061】
なお、学習モデルの大きさは、機械学習する学習用画像の大きさに応じて大きくなる傾向にあり、学習モデルが大きくなると、当該学習モデルを用いた欠陥の有無の判断にかかる時間が長くなる傾向にある。上記のように、本実施形態の判断工程Ｐ５では、判断部３４によって、複数の第１欠陥画像を含む学習用画像を機械学習することによって構築される第１学習モデルを用いて第１判断領域７１Ａについて欠陥の有無を判断し、第１欠陥画像より小さい複数の第２欠陥画像を含む学習用画像を機械学習することによって構築される第２学習モデルを用いて第２判断領域７１Ｂについて欠陥の有無を判断する。このため、本実施形態の検査装置１、及び検査方法は、判断領域７１Ａ，７１Ｂの大きさに応じた学習モデルを用いて欠陥の有無を判断し得るため、欠陥の有無の検査にかかる時間をより短縮し得る。
【0062】
また、本実施形態の判断領域抽出工程Ｐ４では、判断領域抽出部３３によって、第１判断領域７１Ａの中心が、最小の距離が所定の距離以上となる欠陥候補７０の図心７０Ｆまたはその近傍に位置するように、第１判断領域７１Ａを抽出する。また、判断領域抽出部３３によって、第２判断領域７１Ｂの中心が、最小の距離が所定の距離未満となる欠陥候補７０の図心７０Ｆまたはその中心に位置するように、第２判断領域７１Ｂを抽出する。このため、本実施形態の検査装置１、及び検査方法は、第１学習モデルを構築するための複数の第１欠陥画像に欠陥の図心が画像の外縁側に位置する欠陥画像が含まれない場合であっても、欠陥の検出確度が低下することを抑制し得る。また、本実施形態の検査装置１、及び検査方法は、第２学習モデルを構築するための複数の第２欠陥画像に欠陥の図心が画像の外縁側に位置する欠陥画像が含まれない場合であっても、欠陥の検出確度が低下することを抑制し得る。このため、本実施形態の検査装置１、及び検査方法は、第１学習モデル及び第２学習モデルを構築するのにかかる時間を短縮し得る。
【0063】
（第３実施形態）
次に、本発明の第３実施形態について図７を参照して詳細に説明する。なお、第１実施形態と同一又は同等の構成要素については、特に説明する場合を除き、同一の参照符号を付して重複する説明は省略する。
次に、本発明の第３実施形態について図７を参照して詳細に説明する。なお、第１実施形態と同一又は同等の構成要素については、特に説明する場合を除き、同一の参照符号を付して重複する説明は省略する。
【0064】
【0065】
本実施形態の検査領域抽出部３１は第１実施形態の検査領域抽出部３１と同じであり、本実施形態の欠陥候補抽出部３２は第１実施形態の欠陥候補抽出部３２と同じである。このため、本実施形態の検査領域抽出部３１及び欠陥候補抽出部３２の説明は省略する。
【0066】
幅算出部３６は、欠陥候補抽出部３２によって抽出された欠陥候補７０の最大の幅を算出する。
【0067】
本実施形態の判断領域抽出部３３は、図８に示すように、幅算出部３６によって算出された最大の幅が所定の幅以上となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれる所定の大きさの第３判断領域７１Ｃを抽出する。また、本実施形態の判断領域抽出部３３は、幅算出部３６によって算出された最小の幅が所定の距離未満となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれ第３判断領域７１Ｃより小さい第４判断領域７１Ｄを抽出する。なお、図８は、撮像部２０によって被検査物６０が撮像された画像の更に別の一例の一部を模式的に示す図であり、検査領域抽出部３１によって抽出された検査領域の一部を模式的に示す図である。図８では、欠陥候補７０にハッチングが施され、第３判断領域７１Ｃ及び第４判断領域７１Ｄの外縁は破線で示されている。本実施形態では、第３判断領域７１Ｃ及び第４判断領域７１Ｄの外形は正方形とされる。また、上記の所定の幅は第３判断領域７１Ｃの対辺間の距離の半値とされ、第４判断領域７１Ｄの対辺間の距離は第３判断領域７１Ｃの対辺間の距離の半値とされる。また、第３判断領域７１Ｃの中心が、最大の幅が所定の幅以上となる欠陥候補７０の図心７０Ｆまたはその近傍に位置する。また、第４判断領域７１Ｄの中心が、最大の幅が所定の幅未満となる欠陥候補７０の図心７０Ｆまたはその近傍に位置する。つまり、判断領域抽出部３３は、このような第３判断領域７１Ｃ及び第４判断領域７１Ｄを抽出する。なお、上記の所定の幅は特に限定されるものではない。また、最大の幅が所定の幅以上となる欠陥候補７０の図心７０Ｆの近傍とは、例えば、この図心７０Ｆとの距離が第３判断領域７１Ｃの最大幅の１０％以下となる領域とされる。また、最大の幅が所定の幅未満となる欠陥候補７０の図心７０Ｆの近傍とは、例えば、この図心７０Ｆとの距離が第４判断領域７１Ｄの最大幅の１０％以下となる領域とされる。また、第３判断領域７１Ｃ及び第４判断領域７１Ｄの外形は特に限定されるものではなく、例えば、長方形や円形であってもよい。また、第３判断領域７１Ｃの外形と第４判断領域７１Ｄの外形とは互いに異なっていてもよく、この場合、例えば、第３判断領域７１Ｃの面積は第４判断領域７１Ｄの面積より大とされる。また、第３判断領域７１Ｃの中心は、算出された最大の幅が所定の幅以上となる欠陥候補７０の図心７０Ｆまたはその近傍に位置していなくてもよく、第４判断領域７１Ｄの中心は、算出された最大の幅が所定の幅未満となる欠陥候補７０の図心７０Ｆまたはその近傍に位置していなくてもよい。
【0068】
本実施形態の判断部３４は、第２実施形態の判断部３４と同様に、被検査物６０の欠陥の少なくとも一部を含み特定の大きさの複数の第１欠陥画像を含む学習用画像を機械学習することによって構築される第３学習モデルを用いて、第３判断領域７１Ｃについて欠陥の有無を判断する。また、本実施形態の判断部３４は、被検査物６０の欠陥の少なくとも一部を含み上記の第１欠陥画像より小さい複数の第２欠陥画像を含む学習用画像を機械学習することによって構築される第４学習モデルを用いて、第４判断領域７１Ｄについて欠陥の有無を判断する。本実施形態では、第１欠陥画像を含む学習用画像のそれぞれは第３判断領域７１Ｃと概ね同じ大きさとされ、第２欠陥画像を含む学習用画像のそれぞれは第４判断領域７１Ｄと概ね同じ大きさとされる。そして、判断部３４は、第３判断領域７１Ｃ及び第４判断領域７１Ｄのいずれかに欠陥があると判断する場合、欠陥があることを示す信号を制御部ＣＯに出力する。一方、検査部３０は、第３判断領域７１Ｃ及び第４判断領域７１Ｄの全てに欠陥がないと判断する場合または欠陥候補抽出部３２によって欠陥候補７０が抽出されない場合、欠陥がないことを示す信号を制御部ＣＯに出力する。そして、制御部ＣＯは、検査部３０から入力する信号に応じた制御信号を表示部５０に出力し、当該表示部５０に検査結果を表示させる。なお、第３学習モデルを構築するための学習用画像は、上記の複数の第１欠陥画像を含んでいればよく、例えば、これら第１欠陥画像とともに、被検査物６０の欠陥を含まない複数の良品画像を含んでいてもよい。また、第４学習モデルを構築するための学習用画像は、上記の複数の第２欠陥画像を含んでいればよく、例えば、これら第２欠陥画像とともに、被検査物６０の欠陥を含まない複数の良品画像を含んでいてもよい。
【0069】
次に、本実施形態における被検査物６０の欠陥の有無を検査する検査方法について説明する。
【0070】
【0071】
本実施形態の撮像工程Ｐ１は第１実施形態の撮像工程Ｐ１と同じであり、本実施形態の検査領域抽出工程Ｐ２は第１実施形態の検査領域抽出工程Ｐ２と同じあり、本実施形態の欠陥候補抽出工程Ｐ３は第１実施形態の欠陥候補抽出工程Ｐ３と同じである。また、本実施形態の判断工程Ｐ５は第１実施形態の判断工程Ｐ５と同じである。このため、本実施形態の撮像工程Ｐ１、検査領域抽出工程Ｐ２、欠陥候補抽出工程Ｐ３、及び判断工程Ｐ５の説明は省略する。
【0072】
＜幅算出工程Ｐ７＞
本工程は、欠陥候補抽出工程Ｐ３によって抽出された欠陥候補７０の最大の幅を算出する工程である。本実施形態では、検査部３０の幅算出部３６によって、この最大の幅を算出する。
本工程は、欠陥候補抽出工程Ｐ３によって抽出された欠陥候補７０の最大の幅を算出する工程である。本実施形態では、検査部３０の幅算出部３６によって、この最大の幅を算出する。
【0073】
＜判断領域抽出工程Ｐ４＞
本実施形態の判断領域抽出工程Ｐ４では、検査部３０の判断領域抽出部３３によって、幅算出工程Ｐ７で算出された最大の幅が所定の幅以上となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれる所定の大きさの第３判断領域７１Ｃを抽出する。また、本実施形態の判断領域抽出工程Ｐ４では、検査部３０の判断領域抽出部３３によって、幅算出工程Ｐ７で算出された最小の幅が所定の距離未満となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれ第３判断領域７１Ｃより小さい第４判断領域７１Ｄを抽出する。本実施形態では、第３判断領域７１Ｃ及び第４判断領域７１Ｄの外形は正方形とされる。また、上記の所定の幅は第３判断領域７１Ｃの対辺間の距離の半値とされ、第４判断領域７１Ｄの対辺間の距離は第３判断領域７１Ｃの対辺間の距離の半値とされる。また、第３判断領域７１Ｃの中心が、最大の幅が所定の幅以上となる欠陥候補７０の図心７０Ｆまたはその近傍に位置する。また、第４判断領域７１Ｄの中心が、最大の幅が所定の幅未満となる欠陥候補７０の図心７０Ｆまたはその近傍に位置する。つまり、このような第３判断領域７１Ｃ及び第４判断領域７１Ｄを抽出する。
本実施形態の判断領域抽出工程Ｐ４では、検査部３０の判断領域抽出部３３によって、幅算出工程Ｐ７で算出された最大の幅が所定の幅以上となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれる所定の大きさの第３判断領域７１Ｃを抽出する。また、本実施形態の判断領域抽出工程Ｐ４では、検査部３０の判断領域抽出部３３によって、幅算出工程Ｐ７で算出された最小の幅が所定の距離未満となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれ第３判断領域７１Ｃより小さい第４判断領域７１Ｄを抽出する。本実施形態では、第３判断領域７１Ｃ及び第４判断領域７１Ｄの外形は正方形とされる。また、上記の所定の幅は第３判断領域７１Ｃの対辺間の距離の半値とされ、第４判断領域７１Ｄの対辺間の距離は第３判断領域７１Ｃの対辺間の距離の半値とされる。また、第３判断領域７１Ｃの中心が、最大の幅が所定の幅以上となる欠陥候補７０の図心７０Ｆまたはその近傍に位置する。また、第４判断領域７１Ｄの中心が、最大の幅が所定の幅未満となる欠陥候補７０の図心７０Ｆまたはその近傍に位置する。つまり、このような第３判断領域７１Ｃ及び第４判断領域７１Ｄを抽出する。
【0074】
上記のように、本実施形態の検査装置１、及び検査方法では、抽出された欠陥候補７０の最大の幅を算出する。また、本実施形態の検査装置１、及び検査方法では、算出された最大の幅が所定の幅以上となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれる所定の大きさの第３判断領域７１Ｃを抽出する。また、本実施形態の検査装置１、及び検査方法では、算出された最大の幅が所定の幅未満となる欠陥候補７０に対して、被検査物６０が撮像された画像のうち当該欠陥候補７０の少なくとも一部が含まれ第３判断領域７１Ｃより小さい第４判断領域７１Ｄを抽出する。このため、本実施形態の検査装置１、及び検査方法は、所定の大きさ以上の欠陥候補７０に対して第３判断領域７１Ｃを抽出し、所定の大きさ未満の欠陥候補７０に対して第３判断領域７１Ｃより小さい第４判断領域７１Ｄを抽出するようにし得る。つまり、本実施形態の検査装置１、及び検査方法は、大きな欠陥かもしれない欠陥候補７０に対して大きな第３判断領域７１Ｃを抽出し、小さな欠陥かもしれない欠陥候補７０に対して小さな第４判断領域７１Ｄを抽出するようにし得る。ところで、欠陥の大きさに応じて欠陥の特徴が異なる場合がある。本実施形態の検査装置１、及び検査方法では、第２実施形態の検査装置１、及び検査方法と同様に、複数の第１欠陥画像を含む学習用画像を機械学習することによって構築される第３学習モデルを用いて第３判断領域７１Ｃについて欠陥の有無を判断し、第１欠陥画像より小さい複数の第２欠陥画像を含む学習用画像を機械学習することによって構築される第４学習モデルを用いて第４判断領域７１Ｄについて欠陥の有無を判断する。このため、本実施形態の検査装置１、及び検査方法は、大きな欠陥かもしれない欠陥候補７０が含まれる判断領域に対する欠陥の有無を判断する学習モデルと、小さな欠陥かもしれない欠陥候補７０が含まれる判断領域に対する欠陥の有無を判断する学習モデルとが互いに異なる。従って、本実施形態の検査装置１、及び検査方法は、検査部３０が１つの学習モデルを用いて欠陥の有無を判断する場合と比べて、欠陥の検出確度が低下することをより抑制し得る。
【0075】
また、本実施形態の判断領域抽出工程Ｐ４では、判断領域抽出部３３によって、第３判断領域７１Ｃの中心が、最大の幅が所定の幅以上となる欠陥候補７０の図心７０Ｆまたはその近傍に位置するように第３判断領域７１Ｃを抽出する。また、判断領域抽出部３３によって、第２判断領域７１Ｂの中心が、最大の幅が所定の幅未満となる欠陥候補７０の図心７０Ｆまたはその近傍に位置するように、第４判断領域７１Ｄを抽出する。このため、本実施形態の検査装置１、及び検査方法は、第１学習モデルを構築するための複数の第１欠陥画像に欠陥の図心が画像の外縁側に位置する欠陥画像が含まれない場合であっても、欠陥の検出確度が低下することを抑制し得る。また、本実施形態の検査装置１、及び検査方法は、第２学習モデルを構築するための複数の第２欠陥画像に欠陥の図心が画像の外縁側に位置する欠陥画像が含まれない場合であっても、欠陥の検出確度が低下することを抑制し得る。このため、本実施形態の検査装置１、及び検査方法は、第１学習モデル及び第２学習モデルを構築するのにかかる時間を短縮し得る。
【0076】
以上、本発明について、上記実施形態を例に説明したが、本発明はこれらに限定されるものではない。
【0077】
例えば、上記実施形態では、外周縁の全周に亘ってリブ６１が設けられたアウターカバーである被検査物６０を例に説明した。しかし、被検査物６０は、特に限定されるものではなく、透光性を有さなくてもよい。被検査物６０が透光性を有さない場合、撮像部２０は、被検査物６０を基準として照明部１０側に配置され、被検査物６０における照明部１０からの光が照射される面を撮像する。このような場合、被検査物６０の表面における傷や凹みや突起等の欠陥での照明部１０からの光の反射方向は、欠陥がない場合の当該部位での照明部１０からの光の反射方向と異なる。このため、欠陥で反射した照明部１０からの光が撮像部２０に入射しないようにすることで、撮像部２０によって撮像された被検査物６０の画像において、欠陥は輝度値が所定の値より低い暗部として映し出され得る。従って、上記実施形態における検査装置１は、被検査物６０が透光性を有さなくても当該被検査物６０の表面における欠陥の有無を検査し得る。
【0078】
また、上記実施形態では、撮像部２０から入力される被検査物６０が撮像された画像において、輝度値に基づいて１つ以上の欠陥候補を抽出する欠陥候補抽出部３２を例に説明した。しかし、欠陥候補抽出部３２は、撮像部２０から入力される被検査物６０が撮像された画像において、所定の特徴量に基づいて１つ以上の欠陥候補を抽出すればよく、所定の特徴量は輝度値に限定されるものではない。例えば、所定の特徴量は色とされてもよい。
【0079】
また、上記実施形態では、検査領域抽出部３１を備える検査部３０を例に説明した。しかし、検査部３０は、検査領域抽出部３１を備えなくてもよい。検査部３０が検査領域抽出部３１を備えない場合、例えば、撮像部２０によって撮像される画像が検査領域のみが映し出だされる画像となるように、被検査物６０に対する撮像部２０の位置や向きや検査領域の位置等を調節する。また、検査部３０が検査領域抽出部３１を備えない場合、例えば、撮像部２０によって撮像される被検査物６０の画像の全体を検査領域としてもよい。この場合、照明部１０から出射してリブ６１で反射した光が検査領域に映し出されることがあるため、この光に起因して判断部３４による欠陥の有無の判断がしにくくなることがある。しかし、例えば、被検査物６０の欠陥の少なくとも一部を含む複数の欠陥画像及び被検査物６０の欠陥を含まない複数の良品画像を含む学習用画像を機械学習することによって学習モデルを構築することで、判断部３４による欠陥の有無の判断がしにくくなることを抑制し得る。
【0080】
また、上記実施形態では、白色の光を被検査物６０に照射する照明部１０を例に説明した。しかし、照明部１０が被検査物６０に照射する光の色は特に限定されるものではない。なお、被検査物６０における一部が無色透明であり、被検査物６０における他の一部が有色透明である場合、照明部１０が被検査物６０に照射する光の色は、被検査物６０における有色透明な部位の色と概ね同じ色とされることが好ましい。このような構成にすることで、色の違いに起因して撮像部２０によって撮像される画像の輝度にムラが生じることが抑制され、被検査物６０の欠陥の検出確度が低下することを抑制し得る。
【0081】
また、検査装置は、判断部３４が用いる学習モデルを構築する学習モデル構築部を備えていてもよい。このような構成にすることで、学習モデルを変更することができる。
【0082】
また、検査装置は、照明部１０、撮像部２０、及び制御部ＣＯを備えていなくてもよい。この場合、例えば、検査装置とは異なる撮像装置によって撮像された被検査物６０の画像が検査部３０に入力されるように検査装置を構成する。
【産業上の利用可能性】
【0083】
本発明によれば、欠陥の検出確度が低下することを抑制しつつ、欠陥の有無の検査にかかる時間を短縮し得る検査装置、及び検査方法が提供され、灯具の表面の検査装置などの分野において利用可能である。
【符号の説明】
【0084】
１・・・検査装置
１０・・・照明部
２０・・・撮像部
３０・・・検査部
３１・・・検査領域抽出部
３２・・・欠陥候補抽出部
３３・・・判断領域抽出部
３４・・・判断部
３５・・・距離算出部
３６・・・幅算出部
４０・・・記憶部
５０・・・表示部
６０・・・被検査物
７０・・・欠陥候補
７０Ｆ・・・図心
７１・・・判断領域
７１Ａ・・・第１判断領域
７１Ｂ・・・第２判断領域
７１Ｃ・・・第３判断領域
７１Ｄ・・・第４判断領域
ＣＯ・・・制御部
Ｐ１・・・撮像工程
Ｐ２・・・検査領域抽出工程
Ｐ３・・・欠陥候補抽出工程
Ｐ４・・・判断領域抽出工程
Ｐ５・・・判断工程
Ｐ６・・・距離算出工程
Ｐ７・・・幅算出工程
１０・・・照明部
２０・・・撮像部
３０・・・検査部
３１・・・検査領域抽出部
３２・・・欠陥候補抽出部
３３・・・判断領域抽出部
３４・・・判断部
３５・・・距離算出部
３６・・・幅算出部
４０・・・記憶部
５０・・・表示部
６０・・・被検査物
７０・・・欠陥候補
７０Ｆ・・・図心
７１・・・判断領域
７１Ａ・・・第１判断領域
７１Ｂ・・・第２判断領域
７１Ｃ・・・第３判断領域
７１Ｄ・・・第４判断領域
ＣＯ・・・制御部
Ｐ１・・・撮像工程
Ｐ２・・・検査領域抽出工程
Ｐ３・・・欠陥候補抽出工程
Ｐ４・・・判断領域抽出工程
Ｐ５・・・判断工程
Ｐ６・・・距離算出工程
Ｐ７・・・幅算出工程
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】