特許 7576772 データ生成装置、データ生成方法、及び、データ生成プログラム

(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】2024-10-24

(45)【発行日】2024-11-01

(54)【発明の名称】データ生成装置、データ生成方法、及び、データ生成プログラム

(51)【国際特許分類】

   G06T 7/00 20170101AFI20241025BHJP

【ＦＩ】

G06T7/00 350C

【請求項の数】 6

(21)【出願番号】P 2020213641

(22)【出願日】2020-12-23

(65)【公開番号】P2022099696

(43)【公開日】2022-07-05

【審査請求日】2023-09-21

(73)【特許権者】

【識別番号】314012076

【氏名又は名称】パナソニックＩＰマネジメント株式会社

(74)【代理人】

【識別番号】110002000

【氏名又は名称】弁理士法人栄光事務所

(72)【発明者】

【氏名】清水 楓

(72)【発明者】

【氏名】川添 健治

(72)【発明者】

【氏名】川村 信

【審査官】山田 辰美

(56)【参考文献】

【文献】特開２０２０－０３８６６６（ＪＰ，Ａ）

【文献】特開２０２０－１４４６８８（ＪＰ，Ａ）

【文献】特開２０１９－１１４１１６（ＪＰ，Ａ）

【文献】特開２０２０－０２７４２４（ＪＰ，Ａ）

【文献】片山 隼多，他，画像検査システムの評価のための模擬検査画像生成の検討，第２３回 画像センシングシンポジウム ＳＳＩＩ２０１７ ［ＵＳＢ］，日本，画像センシング技術研究会，2017年06月07日，「Abstract」、「3 提案手法」、「4.3 ＣＮＮを用いた評価」

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｔ ７／００－７／９０

(57)【特許請求の範囲】

【請求項1】

物体を撮像した画像から前記物体に検出対象の部位が含まれるか否かを識別する識別器の学習に用いるデータを生成するデータ生成装置であって、
第１の学習画像に含まれる第１の部位を抽出した第１の部位画像から、第２の部位を含む第２の部位画像を生成する部位画像生成部と、
前記第１の部位画像の前記第１の部位に関する情報を含む第１の部位ラベルから、前記第２の部位画像の第２の部位に関する情報を含む第２の部位ラベルを生成する部位ラベル生成部と、
前記物体の画像の少なくとも一部に前記第２の部位画像を合成して第２の学習画像を生成する学習画像生成部と、
前記第２の学習画像の前記第２の部位画像が合成された位置に関する情報と前記第２の部位ラベルとに基づいて、前記第２の学習画像における前記第２の部位の検出の正解を示す新たな正解ラベルを生成する正解ラベル生成部と、
前記第１の学習画像における前記第１の部位の検出の正解を示す元の正解ラベルから前記第１の部位に関する情報を抽出して前記第１の部位ラベルを生成する部位抽出部と、を備え、
前記元の正解ラベルは、前記第１の学習画像における前記第１の部位を囲む枠の位置及び形状を示す情報であり、
前記新たな正解ラベルは、前記第２の学習画像における前記第２の部位を囲む枠の位置及び形状を示す情報であり、
前記第１の部位ラベルは、前記第１の部位を囲む枠の形状を示す情報を含み、
前記第２の部位ラベルは、前記第２の部位を囲む枠の形状を示す情報を含む、
データ生成装置。

【請求項2】

前記部位ラベル生成部は、前記第１の部位画像から前記第２の部位画像への変形に応じて、前記第１の部位ラベルの枠の形状を示す情報を変換して前記第２の部位ラベルを生成する、
請求項１に記載のデータ生成装置。

【請求項3】

前記部位画像生成部は、前記第１の部位画像を変形させて、前記第２の部位を含む前記第２の部位画像を生成し、
前記部位ラベル生成部は、前記第１の部位画像から前記第２の部位画像への変形に基づいて、前記第１の部位ラベルに含まれる前記第１の部位に関する情報を前記第２の部位に関する情報に変換し、前記第２の部位ラベルを生成する、
請求項１に記載のデータ生成装置。

【請求項4】

前記元の正解ラベル及び前記第１の部位ラベルは、前記第１の部位の種類を示す部位種類情報を含み、
前記部位ラベル生成部は、前記第１の部位ラベルに含まれる前記部位種類情報を前記第２の部位ラベルに含める、
請求項１から３のいずれか１項に記載のデータ生成装置。

【請求項5】

物体を撮像した画像から前記物体に検出対象の部位が含まれるか否かを識別する識別器の学習に用いるデータを生成するデータ生成方法であって、
第１の学習画像に含まれる第１の部位を抽出した第１の部位画像から、第２の部位を含む第２の部位画像を生成し、
前記第１の部位画像の前記第１の部位に関する情報を含む第１の部位ラベルから、前記第２の部位画像の第２の部位に関する情報を含む第２の部位ラベルを生成し、
前記物体の画像の少なくとも一部に前記第２の部位画像を合成して第２の学習画像を生成し、
前記第２の学習画像の前記第２の部位画像が合成された位置に関する情報と前記第２の部位ラベルとに基づいて、前記第２の学習画像における前記第２の部位の検出の正解を示す新たな正解ラベルを生成し、
前記第１の学習画像における前記第１の部位の検出の正解を示す元の正解ラベルから前記第１の部位に関する情報を抽出して前記第１の部位ラベルを生成し、
前記元の正解ラベルは、前記第１の学習画像における前記第１の部位を囲む枠の位置及び形状を示す情報であり、
前記新たな正解ラベルは、前記第２の学習画像における前記第２の部位を囲む枠の位置及び形状を示す情報であり、
前記第１の部位ラベルは、前記第１の部位を囲む枠の形状を示す情報を含み、
前記第２の部位ラベルは、前記第２の部位を囲む枠の形状を示す情報を含む、
データ生成方法。

【請求項6】

物体を撮像した画像から前記物体に検出対象の部位が含まれるか否かを識別する識別器の学習に用いるデータを生成するデータ生成プログラムであって、
第１の学習画像に含まれる第１の部位を抽出した第１の部位画像から、第２の部位を含む第２の部位画像を生成し、
前記第１の部位画像の前記第１の部位に関する情報を含む第１の部位ラベルから、前記第２の部位画像の第２の部位に関する情報を含む第２の部位ラベルを生成し、
前記物体の画像の少なくとも一部に前記第２の部位画像を合成して第２の学習画像を生成し、
前記第２の学習画像の前記第２の部位画像が合成された位置に関する情報と前記第２の部位ラベルとに基づいて、前記第２の学習画像における前記第２の部位の検出の正解を示す新たな正解ラベルを生成し、
前記第１の学習画像における前記第１の部位の検出の正解を示す元の正解ラベルから前記第１の部位に関する情報を抽出して前記第１の部位ラベルを生成し、
前記元の正解ラベルは、前記第１の学習画像における前記第１の部位を囲む枠の位置及び形状を示す情報であり、
前記新たな正解ラベルは、前記第２の学習画像における前記第２の部位を囲む枠の位置及び形状を示す情報であり、
前記第１の部位ラベルは、前記第１の部位を囲む枠の形状を示す情報を含み、
前記第２の部位ラベルは、前記第２の部位を囲む枠の形状を示す情報を含む、
ことをコンピュータに実行させるデータ生成プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、データ生成装置、データ生成方法、及び、データ生成プログラムに関する。

【背景技術】

【0002】

ニューラルネットワークによって構成された識別器に検査対象の物体を撮像した画像を入力し、物体に不良の部位が含まれるか否かを識別させる技術が知られている。識別器は、不良の部位を含む物体を撮像した学習画像を用いて学習されることにより、物体に不良の部位が含まれるか否かを識別できるようになる。しかし、不良の部位を含む物体を多数用意することが難しい場合がある。そこで、特許文献１では、不良の部位を含む画像と、不良の部位を含まない画像との差分データを抽出し、不良の部位を含まない画像に差分データを合成して不良の部位を含む疑似的な学習画像を作成している。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２００５－１５６３３４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、識別器の学習を行うためには、学習画像だけでは不十分であり、学習画像に加えて、学習画像における不良の部位の検出の正解を示す正解ラベルを用意する必要がある。

【0005】

本開示の目的は、識別器の学習に用いられる学習画像及び正解ラベルを効率的に生成することにある。

【課題を解決するための手段】

【0006】

本開示の一態様に係るデータ生成装置は、物体を撮像した画像から前記物体に検出対象の部位が含まれるか否かを識別する識別器の学習に用いるデータを生成するデータ生成装置であって、第１の学習画像に含まれる第１の部位を抽出した第１の部位画像から、第２の部位を含む第２の部位画像を生成する部位画像生成部と、前記第１の部位画像の前記第１の部位に関する情報を含む第１の部位ラベルから、前記第２の部位画像の第２の部位に関する情報を含む第２の部位ラベルを生成する部位ラベル生成部と、前記物体の画像の少なくとも一部に前記第２の部位画像を合成して第２の学習画像を生成する学習画像生成部と、前記第２の学習画像の前記第２の部位画像が合成された位置に関する情報と前記第２の部位ラベルとに基づいて、前記第２の学習画像における前記第２の部位の検出の正解を示す新たな正解ラベルを生成する正解ラベル生成部と、を備える。

【0007】

本開示の一態様に係るデータ生成方法は、物体を撮像した画像から前記物体に検出対象の部位が含まれるか否かを識別する識別器の学習に用いるデータを生成するデータ生成方法であって、第１の学習画像に含まれる第１の部位を抽出した第１の部位画像から、第２の部位を含む第２の部位画像を生成し、前記第１の部位画像の前記第１の部位に関する情報を含む第１の部位ラベルから、前記第２の部位画像の第２の部位に関する情報を含む第２の部位ラベルを生成し、前記物体の画像の少なくとも一部に前記第２の部位画像を合成して第２の学習画像を生成し、前記第２の学習画像の前記第２の部位画像が合成された位置に関する情報と前記第２の部位ラベルとに基づいて、前記第２の学習画像における前記第２の部位の検出の正解を示す新たな正解ラベルを生成するデータ生成方法。

【0008】

本開示の一態様に係るデータ生成プログラムは、物体を撮像した画像から前記物体に検出対象の部位が含まれるか否かを識別する識別器の学習に用いるデータを生成するデータ生成プログラムであって、第１の学習画像に含まれる第１の部位を抽出した第１の部位画像から、第２の部位を含む第２の部位画像を生成し、前記第１の部位画像の前記第１の部位に関する情報を含む第１の部位ラベルから、前記第２の部位画像の第２の部位に関する情報を含む第２の部位ラベルを生成し、前記物体の画像の少なくとも一部に前記第２の部位画像を合成して第２の学習画像を生成し、前記第２の学習画像の前記第２の部位画像が合成された位置に関する情報と前記第２の部位ラベルとに基づいて、前記第２の学習画像における前記第２の部位の検出の正解を示す新たな正解ラベルを生成することをコンピュータに実行させる。

【0009】

なお、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム又は記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。

【発明の効果】

【0010】

本開示によれば、識別器の学習に用いられる学習画像及び正解ラベルを効率的に生成することができる。

【図面の簡単な説明】

【0011】

【図1】一実施の形態に係る検査システムの構成例を示す模式図

【図2A】正解ラベルに含まれる部位位置情報が矩形枠を示す場合の一例を説明するための図

【図2B】正解ラベルに含まれる部位位置情報がセグメント領域を示す場合の一例を説明するための図

【図3】一実施の形態に係るデータ生成装置及び学習装置の構成例を示すブロック図

【図4】第１の学習データから第２の学習データを生成する処理を説明するための図

【図5】データ生成装置及び学習装置が実行する処理の一例を示すフローチャート

【図6】本開示に係るデータ生成装置及び学習装置のハードウェア構成の一例を示す図

【発明を実施するための形態】

【0012】

以下、図面を適宜参照して、本開示の実施の形態について、詳細に説明する。ただし、必要以上に詳細な説明は省略する場合がある。例えば、すでによく知られた事項の詳細説明及び実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。なお、添付図面及び以下の説明は、当業者が本開示を十分に理解するために提供されるのであって、これらにより特許請求の記載の主題を限定することは意図されていない。

【0013】

（一実施の形態）
＜検査システムの構成＞
図１は、一実施の形態に係る検査システム１０の構成例を示す模式図である。次に、図１を参照して、一実施の形態に係る検査システム１０の構成について説明する。

【0014】

検査システム１０は、撮像装置１１、検査装置１２、データ生成装置１００、及び、学習装置２００を備える。なお、撮像装置１１及び検査装置１２は１つの装置として構成されてもよい。データ生成装置１００及び学習装置２００は１つの装置として構成されてもよい。

【0015】

撮像装置１１は、有線通信又は無線通信によって検査装置１２に接続される。撮像装置１１は、検査対象の物体１を撮像し、物体画像を生成する。撮像装置１１は、生成した物体画像を検査装置１２へ送信する。検査対象の物体１の例として、自動車のボディー、ギア、ネジなどの金属加工部品、ＩＣチップ、プリント基板などの電気部品といった製品の製造に用いられる部品が挙げられる。

【0016】

検査装置１２は、撮像装置１１から物体画像を受信する。検査装置１２は、識別器３００を用いて、物体画像に存在する不良部位２を検出する。不良部位２の例として、キズ、色むら、汚れ、欠け、クラック、バリ、異物、印字のかすれ、印字の位置ずれといった、正常な物体１には存在しない部位が挙げられる。なお、本実施の形態では不良とされる部位を検出する場合について説明するが、検出対象は不良とされる部位に限られない。例えば、検出対象は、特定の特徴を有する部位であれば、どのような部位であってもよい。

【0017】

識別器３００は、物体画像に不良部位２が含まれているか否かを検出する機械学習モデルであってよい。識別器３００は、物体画像が入力された場合、当該物体画像に不良部位２が含まれている否かを示す検出結果情報を出力するように構成されてよい。また、識別器３００は、当該物体画像に不良部位２が含まれている場合、当該物体画像における不良部位２の位置を示す情報（以下、部位位置情報という）を検出結果情報として出力するように構成されてよい。また、識別器３００は、当該物体画像に不良部位２が含まれている場合、その不良部位２の種類を示す情報（以下、部位種類情報という）を検出結果情報として出力するように構成されてよい。不良部位２の種類の例として、キズ、色むら、汚れ、欠け、クラック、バリ、異物、印字のかすれ、印字の位置ずれが挙げられる。

【0018】

識別器３００は、ニューラルネットワーク又はディープニューラルネットワークの一例であるＣＮＮ（Convolutional Neural Network）として構成されてよい。なお、識別器３００は、ＣＮＮに限られず、例えば、ＲＮＮ（Recurrent Neural Network）、ＳＶＭ（Support Vector Machine）として構成されてもよい。また、識別器３００は、学習器、分類器、ＡＩ（Artificial intelligence）といった他の用語に読み替えられてもよい。

【0019】

学習装置２００は、複数の学習データを用いて、識別器３００の学習を行う。学習データは、不良部位２を含む物体画像に相当する学習画像と、当該学習画像における不良部位２の位置を示す正解ラベルとを含む。すなわち、学習画像及び正解ラベルは、学習データによって関連付けられる。学習データは、教師データと読み替えられてもよい。例えば、学習装置２００は、学習画像を識別器３００に入力し、識別器３００から出力される検出結果情報を得てよい。そして、学習装置２００は、その検出結果情報と、入力した学習画像に関連付けられている正解ラベルとを比較し、その検出結果情報と正解ラベルとのずれ（差分）が小さくなるように識別器３００の各パラメータを調整してよい。学習装置２００は、複数の学習データを用いて、当該識別器３００のパラメータ調整を行うことにより、識別器３００が不良部位２を検出する精度を向上させてよい。なお、学習装置２００の詳細については後述する。

【0020】

ここで、学習画像と正解ラベルの一例について説明する。図２Ａは、正解ラベルに含まれる部位位置情報が矩形枠を示す場合の一例を説明するための図である。図２Ｂは、正解ラベルに含まれる部位位置情報がセグメント領域を示す場合の一例を説明するための図である。セグメント領域は、物体画像における不良部位２をセグメンテーションした領域であってよい。

【0021】

図２Ａに示すように、部位位置情報が矩形枠１４１を示す情報である場合、部位位置情報は、学習画像における不良部位２を囲んだ矩形枠１４１の左上頂点の座標点と右下頂点の座標点とを示す情報であってよい。この場合、部位位置情報は、不良部位２を含む枠１４１の位置及び形状（例えば横長の長方形又は縦長の長方形等）、不良の種類を示す情報（部位種類情報）であるともいえる。なお、不良部位２を囲む枠は、矩形の枠に限られず、例えば、楕円又は多角形等であってもよい。

【0022】

図２Ｂに示すように、部位位置情報がセグメント領域１４２を示す情報である場合、部位位置情報は、学習画像における不良部位２の画素を塗り潰した二値画像であってよい。この場合、部位位置情報は、不良部位２の位置及び形状、不良の種類を示す情報（部位種類情報）であるともいえる。なお、セグメンテーションの場合、ピクセルの色情報で不良の種類を示す情報を付与してもよい。セグメント領域１４２は、二値画像として示される場合に限られず、例えば、三値以上の画像、又は、セグメント領域の輪郭を示す画像等であってもよい。

【0023】

本実施の形態では、図２Ｂに示す、部位位置情報がセグメント領域１４２を示す場合を例に説明する。しかし、本実施の形態は、図２Ａに示す部位位置情報が矩形枠１４１を示す場合であっても当然実施可能である。

【0024】

データ生成装置１００は、学習装置２００において識別器３００の学習に用いられる学習データを生成する。なお、データ生成装置１００の詳細については後述する。

【0025】

＜データ生成装置及び学習装置の詳細＞
図３は、一実施の形態に係るデータ生成装置１００及び学習装置２００の構成例を示すブロック図である。図４は、第１の学習データから第２の学習データを生成する処理を説明するための図である。次に、図３、図４を参照して、一実施の形態に係るデータ生成装置１００及び学習装置２００の構成について詳細に説明する。

【0026】

＜＜データ生成装置＞＞
図３に示すように、データ生成装置１００は、第１の学習画像入力部１０１、ラベル条件設定部１０２、再学習データ入力部１０３、第１の正解ラベル生成部１０４、第１の学習データ格納部１０５、部位抽出部１０６、第１の部位データ格納部１０７、第１の部位データ選択部１０８、第２の部位画像生成部１０９、第２の部位ラベル生成部１１０、正常画像入力部１１１、第２の学習画像生成部１１２、第２の正解ラベル生成部１１３、第２の学習データ格納部１１４、及び、学習データ追加部１１５を備える。なお、第１の学習画像入力部１０１、ラベル条件設定部１０２、再学習データ入力部１０３、第１の正解ラベル生成部１０４、部位抽出部１０６、第１の部位データ選択部１０８、第２の部位画像生成部１０９、第２の部位ラベル生成部１１０、正常画像入力部１１１、第２の学習画像生成部１１２、第２の正解ラベル生成部１１３、及び、学習データ追加部１１５は、図６に示すプロセッサ１００１がメモリ１００２と協調動作してコンピュータプログラムを実行することにより実現される機能であってよい。したがって、本実施の形態において、これらの機能を主体として説明する処理は、プロセッサ１００１を主体とする処理に読み替えることができる。また、第１の学習データ格納部１０５、第１の部位データ格納部１０７、及び、第２の学習データ格納部１１４は、図６に示すメモリ１００２及びストレージ１００３の少なくとも１つに構築されてよい。

【0027】

第１の学習画像入力部１０１は、第１の学習画像の入力を受け付ける。例えば、ユーザは、入力装置１００４（図６参照）を操作して、第１の学習画像を第１の学習画像入力部１０１に入力する。第１の学習画像入力部１０１は、入力された第１の学習画像を第１の正解ラベル生成部１０４へ出力する。

【0028】

ラベル条件設定部１０２は、第１の正解ラベルを生成するにあたっての条件（ラベル条件）の入力を受け付ける。例えば、ユーザは、入力装置１００４を操作して、第１の正解ラベルに含まれる部位位置情報を矩形枠１４１又はセグメント領域１４２の何れとするかを、ラベル条件設定部１０２に入力する。例えば、ユーザは、入力装置１００４（図６参照）を操作して、第１の正解ラベルに含まれる部位種類情報を何れの種類とするかを、ラベル条件設定部１０２に入力する。ラベル条件設定部１０２は、入力されたラベル条件を第１の正解ラベル生成部１０４に設定する。

【0029】

再学習データ入力部１０３は、再学習データの入力を受け付ける。再学習データは、後述する再学習データ抽出部２０８から入力されてよい。再学習データ入力部１０３は、入力された再学習データに含まれる正解ラベルを、第１の正解ラベルとして第１の正解ラベル生成部１０４へ出力する。また、再学習データ入力部１０３は、入力された再学習データに含まれる評価画像を、第１の学習画像として第１の正解ラベル生成部１０４へ出力する。

【0030】

第１の正解ラベル生成部１０４は、ラベル条件設定部１０２から設定されたラベル条件に基づいて、第１の学習画像入力部１０１又は再学習データ入力部１０３から入力された第１の学習画像に関連付ける第１の正解ラベルを生成する。なお、第１の正解ラベルは、元の正解ラベルと読み替えられてもよい。

【0031】

例えば、部位位置情報を矩形枠１４１とするラベル条件が入力された場合、第１の正解ラベル生成部１０４は、第１の学習画像を出力装置１００５（図６参照）に表示し、ユーザに第１の学習画像における不良部位２を矩形枠で囲ませる。第１の正解ラベル生成部１０４は、ユーザによって囲まれた矩形枠１４１の左上頂点の座標と右下頂点の座標を示す情報を部位位置情報として生成する。第１の正解ラベル生成部１０４は、その部位位置情報を含む第１の正解ラベルを生成する。

【0032】

例えば、部位位置情報をセグメント領域１４２とするラベル条件が設定された場合、第１の正解ラベル生成部１０４は、第１の学習画像を出力装置１００５（図６参照）に表示し、ユーザに第１の学習画像における不良部位２を塗り潰させる。第１の正解ラベル生成部１０４は、ユーザに塗り潰された領域を示す二値画像データを部位位置情報として生成する。

【0033】

例えば、部位種類情報を「キズ」とするラベル条件が設定された場合、第１の正解ラベル生成部１０４は、「キズ」を示す部位種類情報を生成する。

【0034】

第１のラベル生成部は、上記で生成した部位位置情報及び部位種類情報を含む第１の正解ラベルと、第１の学習画像とを関連付けて第１の学習データを生成し、第１の学習データ格納部１０５に出力する。

【0035】

第１の学習データ格納部１０５は、第１の正解ラベル生成部１０４から入力された第１の学習データを格納する。すなわち、第１の学習データ格納部１０５は、第１の学習データによって関連付けられている第１の学習画像及び第１の正解ラベルを格納する。また、第１の学習データ格納部１０５は、後述するように学習データ追加部１１５から入力された第２の学習データを第１の学習データとして格納する。

【0036】

部位抽出部１０６は、第１の学習データ格納部１０５から第１の学習データを取得し、次の処理を行う。

【0037】

部位抽出部１０６は、図４に示すように、第１の学習データに含まれる第１の学習画像から、当該第１の学習画像における不良部位２を含む領域を抽出する。例えば、部位抽出部１０６は、第１の学習データ格納部１０５に格納されている第１の学習データのリストを出力装置１００５（図６参照）に表示し、ユーザに第１の学習データを１つ選択させる。そして、部位抽出部１０６は、第１の学習画像から、選択された第１の学習データに含まれる第１の正解ラベルが示す矩形枠の画像を抽出し、第１の部位画像とする。

【0038】

また、部位抽出部１０６は、図４に示すように、第１の学習データに含まれる第１の正解ラベルから、上記で抽出された第１の部位画像に対応する領域の情報を、第１の部位ラベルとして抽出する。なお、部位抽出部１０６は、第１の正解ラベルから、部位種類情報を抽出し、第１の部位ラベルに含めてもよい。

【0039】

例えば、第１の正解ラベルの不良部位情報がセグメント領域１４２を示す二値画像データである場合、部位抽出部１０６は、当該二値画像データから、第１の部位画像に対応する領域の画像を、第１の部位ラベルとして抽出する。この場合、第１の部位ラベルは、二値画像データであってよい。

【0040】

例えば、第１の正解ラベルの不良部位情報が矩形枠１４１の左上頂点の座標と右下頂点の座標を示す情報である場合、部位抽出部１０６は、矩形枠１４１の左上頂点の座標に対する右下頂点の相対的な座標を、第１の部位ラベルとして抽出する。この場合、第１の部位ラベルは、矩形枠の左上頂点に対する右下頂点の相対的な座標を示す情報であってよい。

【0041】

部位抽出部１０６は、上記で生成した第１の部位画像と第１の部位ラベルとを関連付けて第１の部位データを生成し、第１の部位データ格納部１０７に出力する。

【0042】

このように、ユーザが第１の学習画像から第１の部位画像を抽出する操作を行うと、部位抽出部１０６は、第１の学習画像に関連付けられている第１の正解ラベルから、第１の部位画像に関連付ける第１の部位ラベルを自動的に抽出する。これにより、第１の部位画像に関連付ける第１の部位ラベルをユーザが手動で作成するといった手間が省かれ、第２の学習データの生成効率が向上する。

【0043】

第１の部位データ格納部１０７は、部位抽出部１０６から入力された第１の部位データを格納する。

【0044】

第１の部位データ選択部１０８は、第１の部位データ格納部１０７から第１の部位データを選択する。例えば、第１の部位データ選択部１０８は、第１の部位データ格納部１０７に含まれる複数の第１の部位画像を出力装置１００５（図６参照）に表示し、ユーザに第１の部位画像を１つ選択させる。第１の部位データ選択部１０８は、選択された第１の部位画像を第２の部位画像生成部１０９へ出力する。加えて、第１の部位データ選択部１０８は、選択された第１の部位画像に関連付けられている第１の部位ラベルを第２の部位ラベル生成部１１０へ出力する。

【0045】

第２の部位画像生成部１０９は、第１の部位データ選択部１０８から入力された第１の部位画像から第２の部位画像を生成する。例えば、第２の部位画像生成部１０９は、第１の部位画像を出力装置１００５（図６参照）に表示し、ユーザから当該第１の部位画像に対する変形の操作を受け付ける。変形の操作の例として、画像の拡大、縮小、回転、反転、歪曲、トリミング、色変更、明るさ変更、彩度変更、及び、コントラスト変更等が挙げられる。第２の部位画像生成部１０９は、ユーザによる変形の操作に基づいて、第１の部位画像を変形し、第２の部位画像を生成する。例えば、図４に示すように、第２の部位画像生成部１０９は、第１の部位画像に対して回転の操作が行われた場合、第１の部位画像を回転させて第２の部位画像を生成する。なお、第２の部位画像生成部１０９は、第１の部位画像に対する変形の操作が行われなかった場合、第１の部位画像を変形せずにそのまま第２の部位画像としてもよい。第２の部位画像生成部１０９は、生成した第２の部位画像を第２の学習画像生成部１１２へ出力する。

【0046】

第２の部位ラベル生成部１１０は、第１の部位データ選択部１０８から入力された第１の部位ラベルと、第２の部位画像生成部１０９における第１の部位画像から第２の部位画像への変形に基づいて、第１の部位ラベルを変換し第２の部位ラベルを生成する。

【0047】

例えば、図４に示すように、第２の部位画像生成部１０９が第１の部位画像を回転させて第２の部位画像を生成した場合、第２の部位ラベル生成部１１０は、第１の部位ラベル（例えば二値画像又は矩形枠）を同じく回転させて第２の部位ラベルを生成する。

【0048】

例えば、第２の部位画像生成部１０９が第１の部位画像を反転させて第２の部位画像を生成した場合、第２の部位ラベル生成部１１０は、第１の部位ラベル（例えば二値画像又は矩形枠）を同じく反転させて第２の部位ラベルを生成する。

【0049】

例えば、第２の部位画像生成部１０９が第１の部位画像をある割合で拡大（又は縮小）して第２の部位画像を生成した場合、第２の部位ラベル生成部１１０は、第１の部位ラベル（例えば二値画像又は矩形枠）を同じ割合で拡大（又は縮小）して第２の部位ラベルを生成する。

【0050】

例えば、第２の部位画像生成部１０９が第１の部位画像をトリミングし第２の部位画像を生成した場合、第２の部位ラベル生成部１１０は、第１の部位ラベルを同様にトリミングして第２の部位ラベルを生成する。

【0051】

また、第２の部位ラベル生成部１１０は、第１の部位ラベルに含まれる部位種類情報を、第２の部位ラベルに含めてもよい。

【0052】

第２の部位ラベル生成部１１０は、生成した第２の部位ラベルを第２の正解ラベル生成部１１３へ出力する。

【0053】

このように、ユーザが第１の部位画像に変形の操作を行って第２の部位画像を生成すると、第２の部位ラベル生成部１１０は、その第１の部位画像に対応する第１の部位ラベルにも同様の変形を行って自動的に第２の部位ラベルを生成する。これにより、第２の部位画像に関連付ける第２の部位ラベルをユーザが手動で作成するといった手間が省かれ、第２の学習データの生成効率が向上する。

【0054】

正常画像入力部１１１は、不良を含まない物体（つまり正常な物体）を撮像した画像（正常画像という）の入力を受け付ける。例えば、ユーザは、入力装置１００４を操作して、正常画像を正常画像入力部１１１に入力する。正常画像入力部１１１は、入力された正常画像を第２の学習画像生成部１１２へ出力する。ただし、正常画像は、不良部位２を含む画像であってもよい。この場合、第２の学習画像生成部１１２は、不良部位２を含む正常画像に、第２の部位画像を合成してよい。

【0055】

第２の学習画像生成部１１２は、正常画像入力部１１１から入力された正常画像と、第２の部位画像生成部１０９から入力された第２の部位画像とを合成し、第２の学習画像を生成する。例えば、第２の学習画像生成部１１２は、正常画像を出力装置１００５（図６参照）に表示し、ユーザに、正常画像に対して第２の部位画像を合成させる位置を入力させる。そして、第２の学習画像生成部１１２は、正常画像に対して、ユーザから入力された位置に第２の部位画像を合成し、第２の学習画像を生成する。第２の学習画像は、疑似的な不良部位を含む物体画像と読み替えられてもよい。なお、第２の学習画像生成部１１２は、アルファブレンド及びポアソン画像合成の少なくとも１つ、又は、他の方法によって正常画像と第２の部位画像とを合成してよい。第２の学習画像生成部１１２は、生成した第２の学習画像を第２の正解ラベル生成部１１３へ出力する。

【0056】

第２の正解ラベル生成部１１３は、第２の部位ラベル生成部１１０から入力された第２の部位ラベルと、第２の学習画像生成部１１２から入力された第２の学習画像とに基づいて、第２の正解ラベルを生成する。例えば、第２の正解ラベル生成部１１３は、第２の部位ラベルに、第２の学習画像において第２の部位画像が合成されている位置を示す情報を加えて、第２の正解ラベルを生成する。当該加えられた情報は、第２の正解ラベルにおける部位位置情報となってよい。なお、第２の正解ラベルは、新たな正解ラベルと読み替えられてもよい。

【0057】

また、第２の正解ラベル生成部１１３は、第２の部位ラベルに含まれる部位種類情報を、第２の正解ラベルに加えてもよい。

【0058】

第２の正解ラベル生成部１１３は、生成した第２の正解ラベルを第２の学習画像に関連付けて第２の学習データを生成する。第２の正解ラベル生成部１１３は、生成した第２の学習データを第２の学習データ格納部１１４へ出力する。

【0059】

このように、ユーザが正常画像に第２の部位画像を合成して第２の学習画像を生成すると、第２の正解ラベル生成部１１３は、第２の部位ラベルに、第２の部位画像が合成された位置を示す情報を加えて、自動的に第２の正解ラベルを生成する。これにより、第２の学習画像に関連付ける第２の正解ラベルをユーザが手動で作成するといった手間が省かれ、第２の学習データの生成効率が向上する。

【0060】

また、第２の正解ラベル生成部１１３は、そのように自動的に生成した第２の正解ラベルを、第２の学習画像に自動的に関連付ける。よって、ユーザは、第２の学習画像に含まれる第２の部位画像の領域を指定して第２の学習画像の正解ラベルを手動で作成することを行わなくてよい。すなわち、本実施の形態によれば、第２の学習データの生成効率が向上する。

【0061】

第２の学習データ格納部１１４は、第２の正解ラベル生成部１１３から入力された第２の学習データを格納する。

【0062】

学習データ追加部１１５は、第２の学習データ格納部１１４に格納されている第２の学習データを、第１の学習データ格納部１０５へ出力する。これにより、上述したように、第２の学習データが、第１の学習データ格納部１０５に格納される。

【0063】

＜＜学習装置の構成＞＞
図３に示すように、学習装置２００は、学習条件設定部２０１、識別器学習部２０２、識別器格納部２０３、評価条件設定部２０４、評価画像入力部２０５、識別器評価部２０６、評価結果格納部２０７、及び、再学習データ抽出部２０８を備える。なお、学習条件設定部２０１、識別器学習部２０２、評価条件設定部２０４、評価画像入力部２０５、識別器評価部２０６、及び、再学習データ抽出部２０８は、図６に示すプロセッサ１００１がメモリ１００２と協調動作してコンピュータプログラムを実行することにより実現される機能であってよい。したがって、本実施の形態において、これらの機能を主体として説明する処理は、プロセッサ１００１を主体とする処理に読み替えることができる。また、識別器格納部２０３、及び、評価結果格納部２０７は、図６に示すメモリ１００２及びストレージ１００３の少なくとも１つに構築されてよい。

【0064】

学習条件設定部２０１は、識別器３００の学習に用いる第１の学習データの選択を受け付ける。例えば、学習条件設定部２０１は、第１の学習データ格納部１０５に格納されている第１の学習データを出力装置１００５（図６参照）に表示し、ユーザに、識別器３００の学習に用いる第１の学習データを選択させる。加えて、学習条件設定部２０１は、識別器３００の学習条件の入力を受け付ける。学習条件の例として、エポック数、学習率、及び、バッチサイズ等が挙げられる。例えば、学習条件設定部２０１は、ユーザに、エポック数、学習率、及び、バッチサイズの少なくとも１つを入力させる。学習条件設定部２０１は、選択された第１の学習データの識別情報、及び、入力された学習条件を、識別器学習部２０２に設定する。

【0065】

識別器学習部２０２は、学習条件設定部２０１から設定された第１の学習データの識別情報に対応する第１の学習データを、第１の学習データ格納部１０５から取得する。識別器学習部２０２は、取得した第１の学習データを用いて、識別器３００の学習を行う。その際、識別器学習部２０２は、学習条件設定部２０１から設定された学習条件に基づいて、識別器３００の学習を行う。

【0066】

識別器３００がＣＮＮとして構成される場合、識別器学習部２０２は、例えば、次の（Ａ１）から（Ａ３）の処理によって識別器３００の学習を行ってよい。
（Ａ１）識別器学習部２０２は、第１の学習データに含まれる第１の学習画像を識別器３００（ＣＮＮ）に入力し、識別器３００（ＣＮＮ）から出力される検出結果情報を得る。
（Ａ２）識別器学習部２０２は、その検出結果情報と当該第１の学習データに含まれる第１の正解ラベルとを比較し、その検出結果情報と第１の正解ラベルとのずれ（差分）が小さくなるように識別器３００（ＣＮＮ）の各パラメータを調整する。
（Ａ３）識別器学習部２０２は、第１の学習データ格納部１０５から取得した各第１の学習データについて、上記（Ａ１）及び（Ａ２）の処理を行う。

【0067】

識別器学習部２０２は、学習を完了した識別器３００を識別器格納部２０３へ出力する。

【0068】

識別器格納部２０３は、識別器学習部２０２から入力された識別器３００を格納する。

【0069】

評価条件設定部２０４は、評価対象の識別器３００の選択を受け付ける。例えば、評価条件設定部２０４は、識別器格納部２０３に格納されている識別器３００のリストを出力装置１００５（図６参照）に表示し、ユーザに評価対象の識別器３００を選択させる。加えて、評価条件設定部２０４は、識別器３００の評価条件の入力を受け付ける。評価条件の例として、識別器３００から出力された検出結果情報が正解か否かを判定するための評価用閾値、検出結果情報から得られる検出個数、面積又は寸法等に対する閾値、並びに、評価結果情報の出力先が挙げられる。例えば、ユーザは、入力装置１００４を操作して、評価条件設定部２０４に評価条件を入力する。評価条件設定部２０４は、選択された評価対象の識別器３００の識別情報と、設定された評価条件とを、識別器評価部２０６に設定する。

【0070】

評価画像入力部２０５は、識別器３００の評価に用いる評価画像の入力を受け付ける。ここで、評価画像は、第１の学習画像及び第２の学習画像とは異なる評価用の物体画像であってよい。評価画像には、不良部位２が含まれてもよいし、不良部位２が含まれなくてもよい。例えば、ユーザは、入力装置１００４（図６参照）を操作して、評価画像入力部２０５に評価画像を入力する。評価画像入力部２０５は、入力された評価画像を識別器評価部２０６へ出力する。

【0071】

識別器評価部２０６は、評価条件設定部２０４から入力された識別器３００の識別情報に対応する識別器３００（つまり評価対象の識別器３００）を、識別器格納部２０３から取得する。識別器評価部２０６は、評価画像入力部２０５から入力された評価画像をその識別器３００に入力し、その識別器３００から出力された検出結果情報を得る。識別器評価部２０６は、入力した評価画像と、出力された検出結果情報と、当該評価画像に予め関連付けられている正解ラベルとを含む評価結果情報を、評価結果格納部２０７へ出力する。

【0072】

評価結果格納部２０７は、識別器評価部２０６から出力された評価結果情報を格納する。

【0073】

再学習データ抽出部２０８は、評価結果格納部２０７に格納されている評価結果情報の中から、再学習に用いる評価結果情報を抽出する。例えば、再学習データ抽出部２０８は、検出結果情報と正解ラベルとのずれ（差分）が評価用閾値以上（つまり検出結果情報が不正解）である評価結果情報を抽出する。再学習データ抽出部２０８は、抽出した評価結果情報を、再学習データとして、再学習データ入力部１０３へ出力する。すなわち、再学習データ抽出部２０８は、評価対象の識別器３００にて不良部位２の検出に失敗した評価画像及び正解ラベルを、再学習データ入力部１０３へ出力する。これにより、不良部位２の検出に失敗した評価画像及び正解ラベルが、再学習データ入力部１０３及び第１の正解ラベル生成部１０４を通じて、第１の学習画像及び第１の正解ラベルとして第１の学習データ格納部１０５に格納され、識別器学習部２０２において識別器３００の再学習に用いられる。この再学習により、識別器３００の各パラメータが、一度は不良部位２の検出に失敗した評価画像についても検出できるように調整されるので、識別器３００の不良部位２の検出精度が向上する。

【0074】

＜データ生成装置及び学習装置が実行する処理＞
図５は、データ生成装置１００及び学習装置２００が実行する処理の一例を示すフローチャートである。

【0075】

Ｓ１０１として、第１の正解ラベル生成部１０４は、ユーザの操作に基づいて、第１の学習画像に関連付ける第１の正解ラベルを生成する。加えて、第１の正解ラベル生成部１０４は、第１の学習画像に第１の正解ラベルを関連付けて第１の学習データを生成し、第１の学習データ格納部１０５に格納する。

【0076】

Ｓ１０２として、部位抽出部１０６は、ユーザの操作に基づいて、第１のデータ格納部の第１の学習画像から第１の部位画像を抽出する。そして、部位抽出部１０６は、その第１の学習画像に対する第１の部位画像の抽出に基づいて、当該第１の学習画像に関連付けられている第１の正解ラベルから第１の部位ラベルを抽出する。

【0077】

Ｓ１０３として、第２の部位画像生成部１０９は、ユーザによる変形の操作に基づいて、第１の部位画像を変形して第２の部位画像を生成する。

【0078】

Ｓ１０４として、第２の部位ラベル生成部１１０は、Ｓ１０３における第１の部位画像から第２の部位画像への変形に基づいて、第１の部位ラベルを変換し第２の部位ラベルを生成する。

【0079】

Ｓ１０５として、第２の学習画像生成部１１２は、正常画像に対して、ユーザから入力された位置に、Ｓ１０３にて生成された第２の部位画像を合成して第２の学習画像を生成する。

【0080】

Ｓ１０６として、第２の正解ラベル生成部１１３は、Ｓ１０４にて生成された第２の部位ラベルと、Ｓ１０５にて生成された第２の学習画像とに基づいて、第２の正解ラベルを生成する。例えば、第２の正解ラベル生成部１１３は、第２の学習画像に対して第２の部位画像が合成されている位置を示す情報を第２の部位ラベルに加えて、第２の正解ラベルを生成する。

【0081】

Ｓ１０７として、第２の正解ラベル生成部１１３は、Ｓ１０６にて生成された第２の正解ラベルを第２の学習画像に関連付けて第２の学習データを生成し、第２の学習データ格納部１１４に格納する。

【0082】

Ｓ１０８として、学習データ追加部１１５は、第２の学習データ格納部１１４に格納されている第２の学習データを、第１の学習データとして第１の学習データ格納部１０５に格納する。

【0083】

Ｓ１０９として、識別器学習部２０２は、第１の学習データ格納部１０５に格納されている第１の学習データを用いて、識別器３００の学習を行う。

【0084】

Ｓ１１０として、識別器評価部２０６は、評価画像及び正解ラベルを用いて識別器３００の評価を行い、評価結果情報を評価結果格納部２０７に格納する。

【0085】

Ｓ１１１として、再学習データ抽出部２０８は、評価結果格納部２０７に格納されている評価結果情報のうち、識別器３００の再学習に用いる評価結果情報が存在するか否かを判定する。ここで、識別器３００の再学習に用いる評価結果情報とは、検出結果情報と正解ラベルとが異なる（つまり不良部位２の検出結果が不正解である）評価結果情報であってよい。識別器３００の再学習に用いる評価結果情報が存在しないと判定された場合（Ｓ１１１：ＮＯ）、本処理は終了される。

【0086】

識別器３００の再学習に用いる評価結果情報が存在すると判定された場合（Ｓ１１１：ＹＥＳ）、再学習データ抽出部２０８は、その識別器３００の再学習に用いる評価結果情報に含まれる評価画像及び正解ラベルを、再学習データ入力部１０３へ出力する。そして、Ｓ１０１の処理が実行される。この場合、Ｓ１０１にて、評価画像及び正解ラベルがそれぞれ第１の学習画像及び第１の正解ラベルとして第１の学習データ格納部１０５に格納され、Ｓ１０９にて識別器３００の再学習が行われるので、識別器３００の不良部位２の検出精度を向上させることができる。また、Ｓ１０２からＳ１０８にて、不良部位２の検出結果が不正解であった評価画像から複数の第２の学習画像を派生させることができる。よって、このように評価画像から派生させた複数の第２の学習データも用いて、Ｓ１０９にて識別器３００の再学習を行うことにより、識別器３００の不良部位２の検出精度をさらに向上させることができる。

【0087】

＜ハードウェア構成＞
図６は、本開示に係るデータ生成装置１００及び学習装置２００のハードウェア構成の一例を示す図である。データ生成装置１００及び学習装置２００は、図６に示すコンピュータ１０００として構成されてもよい。この場合、上述したデータ生成装置１００及び学習装置２００が有する機能ブロックは、コンピュータ１０００がコンピュータプログラムの一例であるデータ生成プログラムを実行することにより実現されてよい。

【0088】

コンピュータ１０００は、プロセッサ１００１、メモリ１００２、ストレージ１００３、入力装置１００４、出力装置１００５、通信装置１００６、ＧＰＵ（Graphics Processing Unit）１００７、読取装置１００８、及び、バス１００９を備える。プロセッサ１００１、メモリ１００２、ストレージ１００３、入力装置１００４、出力装置１００５、通信装置１００６、ＧＰＵ１００７、読取装置１００８は、バス１００９に接続され、当該バス１００９を介して双方向にデータを送受信できる。

【0089】

プロセッサ１００１は、メモリ１００２に記憶されたコンピュータプログラムを実行し、上述した機能ブロックを実現する装置である。プロセッサ１００１の例として、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、コントローラ、ＬＳＩ（Large Scale Integration）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field-Programmable Gate Array）が挙げられる。

【0090】

メモリ１００２は、コンピュータ１０００が取り扱うコンピュータプログラム及びデータを記憶する装置である。メモリ１００２は、ＲＯＭ（Read-Only Memory）及びＲＡＭ（Random Access Memory）を含んでよい。

【0091】

ストレージ１００３は、不揮発性記憶媒体で構成され、コンピュータ１０００が取り扱うコンピュータプログラム及びデータを記憶する装置である。ストレージ１００３の例として、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フラッシュメモリが挙げられる。

【0092】

入力装置１００４は、プロセッサ１００１に入力するデータを受け付ける装置である。入力装置１００４の例として、キーボード、マウス、タッチパッド、マイクが挙げられる。

【0093】

出力装置１００５は、プロセッサ１００１が生成したデータを出力する装置である。出力装置１００５の例として、ディスプレイ、スピーカーが挙げられる。例えば、ユーザは、出力装置１００５に表示されたＵＩ（User Interface）を、入力装置１００４を通じて操作することにより、所望のデータを入力又は選択してよい。

【0094】

通信装置１００６は、サーバ又は端末に代表される他の装置と、通信ネットワークを介して、データを送受信する装置である。通信装置１００６は、データを送信する送信部とデータを受信する受信部とを含んでよい。通信装置１００６は、有線通信及び無線通信の何れに対応してもよい。有線通信の例として、Ｅｔｈｅｒｎｅｔ（登録商標）が挙げられる。無線通信の例として、ＩＥＥＥ８０２．１１、Ｂｌｕｅｔｏｏｈ、ＬＴＥ（Long Term Evolution）、４Ｇ、５Ｇが挙げられる。

【0095】

ＧＰＵ１００７は、画像描写を高速に処理する装置である。なお、ＧＰＵ１００７は、ＡＩの処理に利用されてもよい。例えば、ＧＰＵ１００７は、識別器３００の学習処理、及び／又は、識別器３００による検出処理に利用されてよい。

【0096】

読取装置１００８は、ＤＶＤ－ＲＯＭ（Digital Versatile Disk Read Only Memory）又はＵＳＢ（Universal Serial Bus）メモリといった記録媒体からデータを読み取る装置である。

【0097】

なお、データ生成装置１００、学習装置２００及び検査装置１２の少なくとも１つの機能ブロックは、集積回路であるＬＳＩとして実現されてもよい。少なくとも１つの機能ブロックは、個別に１チップ化されてもよいし、一部又は全てを含むように１チップ化されてもよい。ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。さらには、半導体技術の進歩又は派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。

【0098】

（本開示のまとめ）
本開示の内容は以下のように表現できる。

【0099】

＜表現１＞
物体１を撮像した画像から物体１に検出対象の部位２が含まれるか否かを識別する識別器３００の学習に用いるデータを生成するデータ生成装置１００は、第１の学習画像に含まれる第１の部位を抽出した第１の部位画像から、第２の部位を含む第２の部位画像を生成する第２の部位画像生成部１０９と、第１の部位画像の第１の部位に関する情報を含む第１の部位ラベルから、第２の部位画像の第２の部位に関する情報を含む第２の部位ラベルを生成する第２の部位ラベル生成部１１０と、物体の画像の少なくとも一部に第２の部位画像を合成して第２の学習画像を生成する第２の学習画像生成部１１２と、第２の学習画像の第２の部位画像が合成された位置に関する情報と第２の部位ラベルとに基づいて、第２の学習画像における第２の部位の検出の正解を示す第２の正解ラベルを生成する第２の正解ラベル生成部１１３と、を備える。

【0100】

表現１の構成によれば、第２の学習画像における第２の部位の検出の正解を示す第２の正解ラベルが自動的に生成される。よって、第２の学習画像に関連付ける第２の正解ラベルをユーザが作成する手間が省け、識別器３００の学習に用いるデータの生成効率が向上する。

【0101】

＜表現２＞
また、表現１の記載において、第１の学習画像における第１の部位の検出の正解を示す第１の正解ラベルから第１の部位に関する情報を抽出して第１の部位ラベルを生成する部位抽出部、をさらに備えてよい。

【0102】

表現２の構成によれば、第１の正解ラベルから第１の部位ラベルが自動的に生成される。よって、第１の部位画像に関連付ける第１の部位ラベルをユーザが作成する手間が省け、識別器３００の学習に用いるデータの生成効率が向上する。

【0103】

＜表現３＞
また、表現２の記載において、第２の部位画像生成部１０９は、第１の部位画像を変形させて、第２の部位を含む前記第２の部位画像を生成し、第２の部位ラベル生成部１１０は、第１の部位画像から第２の部位画像への変形に基づいて、第１の部位ラベルに含まれる第１の部位に関する情報を第２の部位に関する情報に変換し、第２の部位ラベルを生成してよい。

【0104】

表現２の構成によれば、第１の部位画像から第２の部位画像への変形に基づいて、第１の部位ラベルから第２の部位ラベルが自動的に生成される。よって、第２の部位画像に関連付ける第２の部位ラベルをユーザが作成する手間が省け、識別器３００の学習に用いるデータの生成効率が向上する。

【0105】

＜表現４＞
また、表現３の記載において、第１の正解ラベルは、第１の学習画像における第１の部位をセグメント領域として示す画像であり、第２の正解ラベルは、第２の学習画像における第２の部位をセグメント領域として示す画像であり、第１の部位ラベルは、第１の部位画像における第１の部位をセグメント領域として示す画像を含み、第２の部位ラベルは、第２の部位画像における第２の部位をセグメント領域として示す画像を含んでよい。

【0106】

＜表現５＞
また、表現４の記載において、第２の部位ラベル生成部１１０は、第１の部位画像から第２の部位画像への変形に応じて、第１の部位ラベルの画像を変換して第２の部位ラベルを生成してよい。

【0107】

表現４及び５の構成によれば、第１の部位ラベルが第１の部位をセグメント領域として示す画像情報である場合において、第１の部位ラベルから第２の部位ラベルが自動的に生成される。よって、第２の部位画像に関連付ける第２の部位ラベルをユーザが作成する手間が省け、識別器３００の学習に用いるデータの生成効率が向上する。

【0108】

＜表現６＞
また、表現２の記載において、第１の正解ラベルは、第１の学習画像における第１の部位を囲む枠の位置及び形状を示す情報であり、第２の正解ラベルは、第２の学習画像における第２の部位を囲む枠の位置及び形状を示す情報であり、第１の部位ラベルは、第１の部位を囲む枠の形状を示す情報を含み、第２の部位ラベルは、第２の部位を囲む枠の形状を示す情報を含んでよい。

【0109】

＜表現７＞
また、表現６の記載において、第２の部位ラベル生成部１１０は、第１の部位画像から第２の部位画像への変形に応じて、第１の部位ラベルの枠の形状を示す情報を変換して第２の部位ラベルを生成してよい。

【0110】

表現６及び７の構成によれば、第１の部位ラベルが第２の部位を囲む枠の位置及び形状を示す情報である場合において、第１の部位ラベルから第２の部位ラベルが自動的に生成される。よって、第２の部位画像に関連付ける第２の部位ラベルをユーザが作成する手間が省け、識別器３００の学習に用いるデータの生成効率が向上する。

【0111】

＜表現８＞
また、表現１から７のいずれか１つの記載において、第１の正解ラベル及び第１の部位ラベルは、第１の部位の種類を示す部位種類情報を含み、第２の部位ラベル生成部１１０は、第１の部位ラベルに含まれる部位種類情報を第２の部位ラベルに含めてよい。

【0112】

表現８の構成によれば、第１の部位ラベルに含まれる部位種類情報が第２の部位ラベルに引き継がれる。よって、第２の部位画像に関連付ける第２の部位ラベルの部位種類情報をユーザが作成する手間が省け、識別器３００の学習に用いるデータの生成効率が向上する。

【0113】

以上、添付図面を参照しながら実施の形態について説明したが、本開示はかかる例に限定されない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例、修正例、置換例、付加例、削除例、均等例に想到し得ることは明らかであり、それらについても本開示の技術的範囲に属すると了解される。また、発明の趣旨を逸脱しない範囲において、上述した実施の形態における各構成要素を任意に組み合わせてもよい。

【産業上の利用可能性】

【0114】

本開示の技術は、例えば、不良品の検出に有用である。

【符号の説明】

【0115】

１ 物体
２ 不良部位
１０ 検査システム
１１ 撮像装置
１２ 検査装置
１００ データ生成装置
１０１ 第１の学習画像入力部
１０２ ラベル条件設定部
１０３ 再学習データ入力部
１０４ 第１の正解ラベル生成部
１０５ 第１の学習データ格納部
１０６ 部位抽出部
１０７ 第１の部位データ格納部
１０８ 第１の部位データ選択部
１０９ 第２の部位画像生成部
１１０ 第２の部位ラベル生成部
１１１ 正常画像入力部
１１２ 第２の学習画像生成部
１１３ 第２の正解ラベル生成部
１１４ 第２の学習データ格納部
１１５ 学習データ追加部
１４１ 矩形枠
１４２ セグメント領域
２００ 学習装置
２０１ 学習条件設定部
２０２ 識別器学習部
２０３ 識別器格納部
２０４ 評価条件設定部
２０５ 評価画像入力部
２０６ 識別器評価部
２０７ 評価結果格納部
２０８ 再学習データ抽出部
３００ 識別器
１０００ コンピュータ
１００１ プロセッサ
１００２ メモリ
１００３ ストレージ
１００４ 入力装置
１００５ 出力装置
１００６ 通信装置
１００７ ＧＰＵ
１００８ 読取装置
１００９ バス

【図1】

【図2A】

【図2B】

【図3】

【図4】

【図5】

【図6】