特許 7599165 検査システム、検査方法、モデル生成システム、判定システム、モデル生成方法、及び、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】2024-12-05

(45)【発行日】2024-12-13

(54)【発明の名称】検査システム、検査方法、モデル生成システム、判定システム、モデル生成方法、及び、プログラム

(51)【国際特許分類】

   G01N 21/27 20060101AFI20241206BHJP

【ＦＩ】

G01N21/27 A

【請求項の数】 15

(21)【出願番号】P 2023529625

(86)(22)【出願日】2022-03-30

(86)【国際出願番号】 JP2022016280

(87)【国際公開番号】W WO2022264644

(87)【国際公開日】2022-12-22

【審査請求日】2023-12-06

(31)【優先権主張番号】P 2021101896

(32)【優先日】2021-06-18

(33)【優先権主張国・地域又は機関】JP

(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】110002527

【氏名又は名称】弁理士法人北斗特許事務所

(72)【発明者】

【氏名】加藤 貴広

(72)【発明者】

【氏名】川口 蓉子

(72)【発明者】

【氏名】相川 恒

【審査官】井上 徹

(56)【参考文献】

【文献】特開２０１７－０９０１３０（ＪＰ，Ａ）

【文献】特開２０１６－２１７８９９（ＪＰ，Ａ）

【文献】特開２０２１－０５８３６１（ＪＰ，Ａ）

【文献】特開２００３－１８５５８８（ＪＰ，Ａ）

【文献】特開２０１８－０６６６０８（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｊ ３／００－ ４／０４

Ｇ０１Ｊ ７／００－ ９／０４

Ｇ０１Ｎ ２１／００－２１／０１

Ｇ０１Ｎ ２１／１７－２１／６１

Ｇ０１Ｎ ２１／８４－２１／９５８

Ｇ０６Ｖ １０／１４３

Ｇ０１Ｂ １１／００－１１／３０

Ｈ０１Ｌ ２１／６４－２１／６６

Ｇ０６Ｔ ７／００－ ７／９０

Ｈ０４Ｎ ２３／００－２３／９５９

ＪＳＴＰｌｕｓ／ＪＭＥＤＰｌｕｓ／ＪＳＴ７５８０（ＪＤｒｅａｍＩＩＩ）

(57)【特許請求の範囲】

【請求項1】

検査対象と背景とを含む被写体が４以上の波長域で撮像されて得られた検査対象画像を取得する検査画像取得部と、
前記検査対象画像における前記検査対象の像のスペクトルである第１のスペクトルに、前記背景の像のスペクトルに基づく補正を行って第２のスペクトルを生成するスペクトル補正部と、
前記第２のスペクトルに基づいて、前記検査対象が第１の物質か否かを判定するスペクトル判定部と、
前記スペクトル判定部の判定の結果を出力する結果出力部と、を備え、
前記スペクトル補正部は、第１の参照スペクトルと、第２の参照スペクトルと、に基づいて、前記第１のスペクトルに前記補正を行って前記第２のスペクトルを生成し、
前記第１の参照スペクトルは、第１参照画像における第２の物質の像のスペクトルであり、
前記第２の参照スペクトルは、第２参照画像における前記第２の物質の像のスペクトルであり、
前記第１参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が閾値未満である部分を含む前記第２の物質が撮像されて得られ、
前記第２参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が前記閾値以上である前記第２の物質が撮像されて得られる、
検査システム。

【請求項2】

前記第１の物質と、前記第２の物質とは異なる物質である、
請求項１に記載の検査システム。

【請求項3】

前記第１参照画像は、前記第２の物質の粒子が撮像されて得られた画像である、
請求項１又は２に記載の検査システム。

【請求項4】

前記第２参照画像は、前記第２の物質の粒子が撮像されて得られた画像である、
請求項３に記載の検査システム。

【請求項5】

前記第１参照画像は、前記第２の物質を含むＴＥＧパターンが撮像されて得られた画像である、
請求項１又は２に記載の検査システム。

【請求項6】

前記第２参照画像は、前記第２の物質を含むＴＥＧパターンが撮像されて得られた画像である、
請求項５に記載の検査システム。

【請求項7】

前記結果出力部は、前記第１の参照スペクトルと前記第２の参照スペクトルとのうち少なくとも一方を出力する、
請求項１から６のいずれか１項に記載の検査システム。

【請求項8】

前記結果出力部は、前記第２のスペクトルを出力する、
請求項１から７のいずれか１項に記載の検査システム。

【請求項9】

前記結果出力部は、前記第１のスペクトルを出力する、
請求項１から８のいずれか１項に記載の検査システム。

【請求項10】

寸法、形状、及び、配置のうち少なくとも１つが既知である所定の物質と、背景とが、４以上の波長域で撮像されて得られた第１参照画像と第２参照画像とを取得する参照画像取得部と、
前記第１参照画像における前記所定の物質の像のスペクトルである第１の参照スペクトルと、前記第２参照画像の前記所定の物質の像のスペクトルである第２の参照スペクトルと、に基づく教師データを用いて、スペクトル補正モデルを生成する補正モデル生成部と、を備え、
前記第１参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が閾値未満である部分を含む前記所定の物質が撮像されて得られ、
前記第２参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が前記閾値以上である前記所定の物質が撮像されて得られ、
前記スペクトル補正モデルは、検査対象と背景とを含む被写体が４以上の波長域で撮像されて得られた検査対象画像において、前記検査対象の像のスペクトルに、前記背景の像のスペクトルに基づく補正を行うための機械学習モデルである、
モデル生成システム。

【請求項11】

請求項１０に記載のモデル生成システムからスペクトル補正モデルを取得する補正モデル取得部と、
検査対象と背景とを含む被写体が４以上の波長域で撮像されて得られた検査対象画像を取得する検査画像取得部と、
前記スペクトル補正モデルを用いて、前記検査対象画像における前記検査対象の像のスペクトルである第１のスペクトルを補正して第２のスペクトルを生成するスペクトル補正部と、
前記第２のスペクトルに基づいて、前記検査対象が第１の物質か否かを判定するスペクトル判定部と、
前記スペクトル判定部の判定の結果を出力する結果出力部と、を備える、
判定システム。

【請求項12】

検査対象と背景とを含む被写体が４以上の波長域で撮像されて得られた検査対象画像を取得し、
前記検査対象画像における前記検査対象の像のスペクトルである第１のスペクトルに、前記背景の像のスペクトルに基づく補正を行って第２のスペクトルを生成し、
前記第２のスペクトルに基づいて、前記検査対象が所定の物質か否かを判定し、
前記判定の結果を出力する、検査方法であって、
前記第２のスペクトルを生成する際に、第１の参照スペクトルと、第２の参照スペクトルと、に基づいて、前記第１のスペクトルに前記補正を行って前記第２のスペクトルを生成し、
前記第１の参照スペクトルは、第１参照画像における第２の物質の像のスペクトルであり、
前記第２の参照スペクトルは、第２参照画像における前記第２の物質の像のスペクトルであり、
前記第１参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が閾値未満である部分を含む前記第２の物質が撮像されて得られ、
前記第２参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が前記閾値以上である前記第２の物質が撮像されて得られる、
検査方法。

【請求項13】

請求項１２に記載の検査方法を、１又は複数のプロセッサに実行させる、
プログラム。

【請求項14】

寸法、形状、及び、配置のうち少なくとも１つが既知である所定の物質と、背景とが、４以上の波長域で撮像されて得られる第１参照画像と第２参照画像とを取得し、
前記第１参照画像における前記所定の物質の像のスペクトルである第１の参照スペクトルと、前記第２参照画像における前記所定の物質の像のスペクトルである第２の参照スペクトルと、に基づく教師データを用いて、スペクトル補正モデルを生成する、モデル生成方法であって、
前記第１参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が閾値未満である部分を含む前記所定の物質が撮像されて得られ、
前記第２参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が前記閾値以上である部分を含む前記所定の物質が撮像されて得られ、
前記スペクトル補正モデルは、検査対象と背景とを含む被写体が４以上の波長域で撮像されて得られた検査対象画像において、前記検査対象の像のスペクトルに、前記背景の像のスペクトルに基づく補正を行うための機械学習モデルである、
モデル生成方法。

【請求項15】

請求項１４に記載のモデル生成方法を、１又は複数のプロセッサに実行させる、
プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、検査システム、検査方法、モデル生成システム、判定システム、モデル生成方法、及び、プログラムに関し、特に、４以上の波長域のデータを含む画像を用いた検査システム、検査方法、モデル生成システム、判定システム、モデル生成方法、及び、プログラムに関する。

【背景技術】

【0002】

三原色のＲＧＢを用いた通常のカラー画像や肉眼による目視では判別が困難な物質を見分ける方法として、多くの波長域におけるデータを含む画像を用いる方法が利用されている（例えば、特許文献１参照）。通常のカラー画像は、Ｒ、Ｇ、Ｂのそれぞれに対応した波長域におけるデータを含む。つまり、通常のカラー画像は、３つの波長域におけるデータを含む。これに対し、いわゆる、マルチスペクトル画像やハイパースペクトル画像は、４以上の波長域におけるデータを含む。マルチスペクトル画像やハイパースペクトル画像は、可視光領域の波長域、紫外領域における波長域、赤外領域において４以上の波長域におけるデータを含む。例えば、特許文献１に開示のハイパースペクトル画像は、複数の波長域におけるデータを含んでいる。

【0003】

特許文献１に記載された従来のシステムにおける、多くの波長域におけるデータを含む画像を用いて物質を見分ける方法では、被写体の反射スペクトルと、画像データにおいて被写体の像に含まれる画素のスペクトルとが同一であると仮定して、物質の同定を行う。被写体は、検査対象と背景とを含む。しかしながら、被写体である検査対象と背景とが撮像された検査対象画像において、検査対象の像と背景の像とが十分に分離されていない場合がある。すなわち、検査対象の像に含まれる画素のスペクトルに、背景の反射スペクトルが混じることがある。したがって、検査対象の像に含まれる画素のスペクトルと、検査対象の物質本来のスペクトルとの間に差異が生じ、検査対象の物質の同定の精度が低下する場合がある。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２０１０－２５６３０３号公報

【発明の概要】

【0005】

本開示は上記の点に鑑みてなされたものであり、検査対象と背景とが撮像された検査対象画像を用いた検査システム、検査方法、モデル生成システム、判定システム、モデル生成方法、及び、プログラムにおいて、検査対象の物質の同定の精度を向上させることを目的とする。

【0006】

本開示の一態様に係る検査システムは、検査画像取得部と、スペクトル補正部と、スペクトル判定部と、結果出力部と、を備える。前記検査画像取得部は、検査対象画像を取得する。前記検査対象画像は、検査対象と背景とを含む被写体が４以上の波長域で撮像されて得られる。前記スペクトル補正部は、第１のスペクトルに、背景の像のスペクトルに基づく補正を行って第２のスペクトルを生成する。前記第１のスペクトルは、前記検査対象画像における前記検査対象の像のスペクトルである。前記スペクトル判定部は、前記第２のスペクトルに基づいて、前記検査対象が第１の物質か否かを判定する。前記結果出力部は、前記スペクトル判定部の判定の結果を出力する。前記スペクトル補正部は、第１の参照スペクトルと、第２の参照スペクトルと、に基づいて、前記第１のスペクトルに前記補正を行って前記第２のスペクトルを生成する。前記第１の参照スペクトルは、第１参照画像における第２の物質の像のスペクトルである。前記第２の参照スペクトルは、第２参照画像における前記第２の物質の像のスペクトルである。前記第１参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が閾値未満である部分を含む前記第２の物質が撮像されて得られる。前記第２参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が前記閾値以上である前記第２の物質が撮像されて得られる。

【0007】

本開示の一態様に係るモデル生成システムは、参照画像取得部と、補正モデル生成部と、を備える。前記参照画像取得部は、第１参照画像と第２参照画像とを取得する。前記第１参照画像と前記第２参照画像とは、寸法、形状、及び、配置のうち少なくとも１つが既知である所定の物質と、背景とが、４以上の波長域で撮像されて得られる。前記補正モデル生成部は、第１の参照スペクトルと、第２の参照スペクトルと、に基づく教師データを用いて、スペクトル補正モデルを生成する。前記第１の参照スペクトルは、前記第１参照画像における前記所定の物質の像のスペクトルである。前記第２の参照スペクトルは、前記第２参照画像の前記所定の物質の像のスペクトルである。前記第１参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が閾値未満である部分を含む前記所定の物質が撮像されて得られる。前記第２参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が前記閾値以上である前記所定の物質が撮像されて得られる。前記スペクトル補正モデルは、検査対象画像において、検査対象の像のスペクトルに、背景の像のスペクトルに基づく補正を行うための機械学習モデルである。前記検査対象画像は、前記検査対象と前記背景とを含む被写体を４以上の波長域で撮像されて得られる。

【0008】

本開示の一態様に係る判定システムは、補正モデル取得部と、検査画像取得部と、スペクトル補正部と、スペクトル判定部と、結果出力部と、を備える。前記補正モデル取得部は、前記モデル生成システムからスペクトル補正モデルを取得する。前記検査画像取得部は、検査対象と背景とを含む被写体が４以上の波長域で撮像されて得られた検査対象画像を取得する。前記スペクトル補正部は、前記スペクトル補正モデルを用いて、前記検査対象画像における前記検査対象の像のスペクトルである第１のスペクトルを補正して第２のスペクトルを生成する。前記スペクトル判定部は、前記第２のスペクトルに基づいて、前記検査対象が第１の物質か否かを判定する。前記結果出力部は、前記スペクトル判定部の判定の結果を出力する。

【0009】

本開示の一態様に係る検査方法は、検査対象画像を取得し、前記検査対象画像における検査対象の像のスペクトルである第１のスペクトルに、背景の像のスペクトルに基づく補正を行って第２のスペクトルを生成し、前記第２のスペクトルに基づいて、前記検査対象が所定の物質か否かを判定し、判定の結果を出力する。前記検査対象画像は、前記検査対象と前記背景とを含む被写体が４以上の波長域で撮像されて得られる。前記第２のスペクトルを生成する際に、第１の参照スペクトルと、第２の参照スペクトルと、に基づいて、前記第１のスペクトルに前記補正を行って前記第２のスペクトルを生成する。前記第１の参照スペクトルは、第１参照画像における第２の物質の像のスペクトルである。前記第２の参照スペクトルは、第２参照画像における前記第２の物質の像のスペクトルである。前記第１参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が閾値未満である部分を含む前記第２の物質が撮像されて得られる。前記第２参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が前記閾値以上である前記第２の物質が撮像されて得られる。

【0010】

本開示の一態様に係るプログラムは、前記検査方法を、１又は複数のプロセッサに実行させる、プログラムである。

【0011】

本開示の一態様に係るモデル生成方法は、第１参照画像と第２参照画像とを取得し、第１の参照スペクトルと、第２の参照スペクトルと、に基づく教師データを用いて、スペクトル補正モデルを生成する。前記第１参照画像と前記第２参照画像とは、寸法、形状、及び、配置のうち少なくとも１つが既知である所定の物質と、背景とが、４以上の波長域で撮像されて得られる。前記第１の参照スペクトルは、前記第１参照画像における前記所定の物質の像のスペクトルである。前記第２の参照スペクトルは、前記第２参照画像における前記所定の物質の像のスペクトルである。前記第１参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が閾値未満である部分を含む前記所定の物質が撮像されて得られる。前記第２参照画像は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が前記閾値以上である部分を含む前記所定の物質が撮像されて得られる。前記スペクトル補正モデルは、検査対象画像において、検査対象の像のスペクトルに、背景の像のスペクトルに基づく補正を行うための機械学習モデルである。前記検査対象画像は、前記検査対象と前記背景とを含む被写体を４以上の波長域で撮像されて得られる。

【0012】

本開示の一態様に係るプログラムは、前記モデル生成方法を、１又は複数のプロセッサに実行させる、プログラムである。

【図面の簡単な説明】

【0013】

【図1】図１は、実施の形態に係る検査システムの機能ブロック図である。

【図2】図２は、第１の物質と、背景とが撮像されて得られた画像を示す模式図である。

【図3】図３Ａは、第１の物質の反射スペクトルと、背景の反射スペクトルとを示すグラフである。図３Ｂは、図２に示す画像の１画素のスペクトルと、第１の物質の反射スペクトルと、背景の反射スペクトルとを示すグラフである。図３Ｃは、図２に示す画像の図３Ｂとは異なる１画素のスペクトルと、第１の物質の反射スペクトルと、背景の反射スペクトルとを示すグラフである。

【図4】図４Ａは、第１参照画像の被写体の一例を示す模式図である。図４Ｂは、第２参照画像の被写体の一例を示す模式図である。

【図5】図５Ａは、図４Ａの被写体が撮像されて得られた第１参照画像を示す模式図である。図５Ｂは、図４Ｂの被写体が撮像されて得られた第２参照画像を示す模式図である。図５Ｃは、第１の参照スペクトルと第２の参照スペクトルの例を示すグラフである。

【図6】図６は、第１参照画像の物体の像と、物体の寸法、形状、及び、配置との関係を示す模式図である。

【図7】図７は、検査対象を含む被写体の一例を示す模式図である。

【図8】図８Ａは、図７の被写体が撮像されて得られた検査対象画像を示す模式図である。図８Ｂは、図８Ａの検査対象画像における第１のスペクトルと、第２のスペクトルとの関係を示すグラフである。

【図9】図９は、同上の検査システムの動作を示すフローチャートである。

【図10】図１０は、変形例１に係る検査システムの機能ブロック図である。

【図11】図１１は、変形例２に係るモデル生成システムの機能ブロック図である。

【図12】図１２は、教師画像の被写体の一例を示す模式図である。

【図13】図１３Ａは、図１２の被写体が撮像されて得られた教師画像を示す模式図である。図１３Ｂは、教師画像における第１のスペクトルと、第２のスペクトルとの関係を示すグラフである。

【図14】図１４は、同上のモデル生成システムの動作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】

【0014】

以下、実施の形態に係る検査システム、検査方法、モデル生成システム、判定システム、モデル生成方法、及び、プログラムについて、図面を参照して説明する。

【0015】

（実施の形態）
１．検査システムの概要
実施の形態に係る検査システム１００の構成について、図面を参照して説明する。

【0016】

１．１ 検査システムの構成要素
実施の形態に係る検査システム１００は、図１に示すように、学習部１０と、モデル格納部２０と、処理部３０とを備える。学習部１０と、処理部３０とのそれぞれは、撮像装置２に接続される。

【0017】

検査システム１００は、撮像装置２から第１参照画像と第２参照画像とを取得し、スペクトル補正モデルを生成する。また、検査システム１００は、撮像装置２から検査対象画像を取得し、スペクトル補正モデルに基づくスペクトル補正を行い、検査対象画像の被写体の物質を判定する。第１参照画像、第２参照画像、検査対象画像のそれぞれは、４以上の波長域の光強度情報を含む、いわゆる、マルチスペクトル画像、又は、ハイパースペクトル画像である。

【0018】

１．２ 撮像装置
撮像装置２は、互いに重複しない４以上の波長域の光強度情報を含む画像を生成するカメラである。撮像装置２は、例えば、被写体からの光を４以上に分光する分光器を備える分光カメラである。撮像装置２は、例えば、いわゆる、マルチスペクトルカメラ、又は、ハイパースペクトルカメラである。

【0019】

撮像装置２が光強度を検知し画像に反映する波長域は、検査システム１００の検査対象である第１の物質を特定するために必要な波長域を含む。第１の物質を特定するために必要な波長域は、例えば、第１の物質の吸収スペクトルのピーク波長、又は、第１の物質の反射スペクトルのピーク波長を含む。又は、第１の物質を特定するために必要な波長域は、例えば、第１の物質の反射スペクトルと、第１の物質との区別が必要な他の物質の反射スペクトルと、の差異が大きい波長域である。

【0020】

撮像装置２が光強度を検知し画像として保存する波長域のそれぞれは、可視光波長でもよく、又は、紫外線波長又は赤外線波長であってもよい。例えば、アルミニウムの近傍に存在し得る銀を検査対象とする場合、アルミニウムの反射スペクトルと銀の反射スペクトルとの差が顕著な３００μｍ～４００μｍの波長範囲、及び／又は、８００μｍ～９００μｍの波長範囲の一部を含むとしてもよい。

【0021】

撮像装置２は、被写体が撮像装置２によって撮像された画像を出力する。画像は、画素のそれぞれにおける各波長域の光強度情報を含む。以下、ある画素における各波長域の光強度情報を、その画素のスペクトルと呼ぶ。

【0022】

２．検査システムの各構成要素
以下、検査システム１００の構成要素である、学習部１０と、モデル格納部２０と、処理部３０と、結果出力部４０とのそれぞれについて、より詳細に説明する。

【0023】

２．１ 学習部
以下、学習部１０の構成と動作について、より詳細に説明する。

【0024】

２．１．１ 画像のスペクトルの補正
図２は、検査対象の物質である第１の物質と、背景とを含む被写体が撮像されてなる検査対象画像２１０を示す模式図である。図２に示す検査対象画像２１０は、第１の物質の像２１１、２１２を黒で示し、背景の像２０９を白で示している。図３Ａは、第１の物質の反射スペクトル３１１と、背景の反射スペクトル３１２を示すグラフである。図３Ｂは、図２に示す検査対象画像２１０における第１の物質の像２１１に含まれる画素のスペクトル３１３を、反射スペクトル３１１と反射スペクトル３１２との対比で示すグラフである。図３Ｃは、図２に示す検査対象画像２１０における第１の物質の像２１２に含まれる画素のスペクトル３１４を、反射スペクトル３１１と反射スペクトル３１２との対比で示すグラフである。

【0025】

図３Ｂ及び図３Ｃに示すように、第１の物質の像２１１における画素のスペクトル３１３及び第１の物質の像２１２における画素のスペクトル３１４は、第１の物質の反射スペクトル３１１とは必ずしも一致しない。かつ、図３Ｂ及び図３Ｃに示すように、像２１１と像２１２が、いずれも第１の物質の像であっても、像２１１における画素のスペクトル３１３と像２１２における画素のスペクトル３１４とは、必ずしも一致しない。その理由は、検査対象画像２１０において、２種類の物質の像の境界付近の画素では、２種類の物質からの反射光が混合しているためである。

【0026】

すなわち、第１の物質の像２１１と背景の像２０９との境界又はその近傍の画素のスペクトルは、第１の物質の反射スペクトル３１１と、背景の反射スペクトル３１２とが混合した状態である。そして、第１の物質の反射スペクトル３１１と、背景の反射スペクトル３１２との混合の程度は、第１の物質の寸法、形状、及び、配置に依存して変化する。

【0027】

例えば、第１の物質の寸法が小さいほど、第１の物質の像２１１、２１２と背景の像２０９との境界及びその近傍の画素において、スペクトルの混合が大きい。その理由は、スペクトルの混合は第１の物質の像２１１、２１２と背景の像２０９との境界に近いほど強いため、第１の物質の寸法が小さいと、第１の物質の像２１１、２１２の占める面積に対してスペクトルの混合の発生領域の面積が広いからである。

【0028】

また、同様の理由により、第１の物質の形状により、スペクトルの混合の程度が異なる。すなわち、第１の物質の像２１１、２１２と背景の像２０９との境界が長い形状ほど、第１の物質の像２１１、２１２と背景の像２０９との境界及びその近傍の画素において、スペクトルの混合の影響が大きくなる。したがって、例えば、第１の物質の形状において、短軸方向の長さに対する、長軸方向の長さの比が大きいほど、第１の物質の像２１１、２１２と背景の像２０９との境界及びその近傍の画素において、スペクトルの混合が大きい。

【0029】

さらに、背景に直交する方向以外から光が入射している場合、第１の物質の形状の長軸方向と、光の入射方向のなす角度に依存して、検査対象画像２１０においてスペクトル混合が発生する領域の形状や位置が異なる。

【0030】

学習部１０は、上記理由に鑑みて、検査対象を含む被写体が撮像されてなる検査対象画像２１０において、各画素のスペクトルから、背景のスペクトルの影響を軽減するための補正モデルを作成する。

【0031】

２．１．２ 学習部の構成と機能
以下、学習部１０の各構成要素について説明する。

【0032】

学習部１０は、図１に示すように、参照画像取得部１１と、補正モデル生成部１２とを含む。参照画像取得部１１は、例えば、プロセッサと、メモリと、プログラムとの組み合わせである。また、補正モデル生成部１２は、例えば、プロセッサと、メモリと、プログラムとの組み合わせである。なお、参照画像取得部１１のプロセッサと、補正モデル生成部１２のプロセッサは、同一のプロセッサでもよい。プロセッサは、例えば、ＣＰＵ（Central Processing Unit）、又は、ＧＰＵ（Graphics Processing Unit）である。

【0033】

（１） 参照画像取得部の概要
参照画像取得部１１は、以下の条件を満たす第１参照画像、第２参照画像、及び、第３参照画像のそれぞれを取得する。以下、第１参照画像、第２参照画像、及び、第３参照画像を総称して参照する際には「参照画像」と呼ぶ。参照画像取得部１１は、参照画像から補正モデルの生成に必要な情報を取得し、補正モデル生成部１２に出力する。

【0034】

（１．１） 第１参照画像の詳細
参照画像取得部１１は、以下の条件を満たす第１参照画像４２１を、撮像装置２から取得する。第１参照画像４２１（図５Ａ参照）は、第２の物質２１３と背景２１５とを含む被写体４１１（図４Ａ参照）が、撮像装置２によって撮像された画像である。第１参照画像４２１は、補正モデルを作成するための教師データを作成するために用いられる。第２の物質は、補正モデルを作成するための教師データを作成するために用いる物質である。第２の物質は、例えば、第１の物質と同一の物質である。なお、後述するように、第２の物質は、第１の物質と異なる物質でもよい。

【0035】

また、第１参照画像４２１は、第２の物質からなる物体２１３（図４Ａ参照）の像を１以上含む。物体２１３は、短軸方向の長さ（幅）が閾値未満である。閾値は、以下のように定められる。第２の物質からなり短軸方向の長さ（幅）が閾値以上である物体と、背景とが隣接する状態を撮像した画像において、物体の像に含まれる画素のスペクトルにおける背景の反射スペクトルの混合の程度を第１の混合程度とする。第２の物質からなり短軸方向の長さ（幅）が閾値未満である物体と、背景とが隣接する状態を撮像した画像において、物体の像に含まれる画素のスペクトルにおける背景の反射スペクトルの混合の程度を、第２の混合程度とする。第２の混合程度は、第１の混合程度より大きい。閾値は、例えば、１ｍｍである。

【0036】

なお、第１参照画像４２１は、物体２１３の像を複数含んでもよい。図４Ａは、第１参照画像４２１（図５Ａ参照）の被写体４１１の例を示す。被写体４１１は、物体２１３－１～２１３－２５を含み、物体２１３－１～２１３－２５のそれぞれは、上述の物体２１３の条件を満たす。図５Ａは、被写体４１１（図４Ａ参照）が撮像されてなる第１参照画像４２１を示す。第１参照画像４２１は、複数の像２２１－１～２２１－２５を含む。複数の像２２１－１～２２１－２５は、物体２１３－１～２１３－２５のそれぞれの像である。以下、物体２１３－１～２１３－２５の各々を区別しない場合には「物体２１３」という。また、像２２１－１～２２１－２５の各々を区別しない場合は「像２２１」という。

【0037】

なお、物体２１３は、第２の物質からなり、短軸方向の長さ（幅）が閾値未満であれば、その形状は限定されない。物体２１３は、例えば、図４Ａに示すように、第２の物質の粒子でもよい。又は、例えば、物体２１３は、短軸方向の長さ（幅）が閾値未満である第２の物質を含む、ＴＥＧ（Test Element Group）パターンでもよい。

【0038】

また、第１参照画像４２１において、物体２１３の寸法、形状、及び、配置を示すパラメータが既知である。

【0039】

寸法を示すパラメータは、例えば、最大対角線距離である。最大対角線距離は、最大対角線の長さである。図６に示すように、最大対角線２３１は、撮像装置２からの平面視において、物体２１３と背景２１５との境界に存在する任意の２点を結んだ線分のうち、長さが最大となる線分である。例えば、撮像装置２からの平面視において、物体２１３の形状が楕円形である場合、最大対角線は、楕円の長径である。又は、例えば、撮像装置２からの平面視において、物体２１３の形状が平行四辺形である場合、最大対角線は、平行四辺形の２つの対角線のうち、長さの長い方の対角線である。

【0040】

形状を示すパラメータは、例えば、撮像装置２からの平面視において、物体２１３の面積を、最大対角線距離の二乗で割った面積率である。例えば、撮像装置２からの平面視において、物体２１３の形状が正方形である場合、面積率は５０％である。また、例えば、撮像装置２からの平面視において、物体２１３の形状が縦横比３：１の長方形である場合、面積率は３０％である。撮像装置２からの平面視において、物体２１３の形状が、面積に対する外周長の比が大きい形状であるほど、面積率は低くなる。

【0041】

配置を示すパラメータは、例えば、第１参照画像４２１の向きに対する、最大対角線２３１の向きを指す値である。例えば、最大対角線の方向と第１参照画像４２１のｘ軸となる方向とのなす角度θが２０°である場合、向きを指す値は２０°である。

【0042】

（１．２）第１参照画像に対する処理
参照画像取得部１１は、上述の条件を満たす第１参照画像４２１を取得する。また、参照画像取得部１１は、第１参照画像４２１の被写体である物体２１３のそれぞれについて、物体２１３の寸法、形状、及び、配置を示すパラメータを取得する。参照画像取得部１１は、例えば、物体２１３を準備する際にあらかじめ取得された、物体２１３の寸法、形状、及び、配置のそれぞれを示すパラメータをデータベース（図示せず）から取得する。又は、参照画像取得部１１は、後述するように、画像処理によって物体２１３の寸法、形状、及び、配置を示すパラメータを算出してもよい。

【0043】

参照画像取得部１１は、第１参照画像４２１の像２２１に含まれる画素のスペクトルデータを、第１の参照スペクトル３２１（図５Ｃ参照）として取得する。参照画像取得部１１は、像２２１ごとに、第１の参照スペクトル３２１を物体２１３の寸法、形状、及び、配置と対応付けて、補正モデル生成部１２に出力する。なお、参照画像取得部１１は、像２２１を複数含む第１参照画像４２１について、像２２１のそれぞれについて、像２２１の第１の参照スペクトル３２１を、物体２１３の寸法、形状、及び、配置と対応付けて、補正モデル生成部１２に出力する。また、参照画像取得部１１は、複数の第１参照画像４２１を取得した場合、各第１参照画像４２１について、上述の処理を行う。

【0044】

（１．３）物体の寸法、形状、及び、配置を示すパラメータの算出方法
参照画像取得部１１は、第１参照画像４２１に対して画像処理を行い、第１参照画像４２１の解像度を用いて、物体２１３の寸法、形状、及び、配置のそれぞれを示すパラメータを算出してもよい。画像処理は、例えば、以下の通りである。

【0045】

参照画像取得部１１は、例えば、エッジ抽出処理により像２２１を第１参照画像４２１から抽出する。次に、参照画像取得部１１は、像２２１の最大対角線像を検出する。最大対角線像は、像２２１の外周上の任意の２点を結ぶ線分のうち、長さが最大となる線分である。最大対角線像は最大対角線２３１の像であるから、最大対角線像の長さと第１参照画像４２１の解像度とに基づいて、参照画像取得部１１は最大対角線距離を算出する。

【0046】

また、参照画像取得部１１は、以下のように、形状を示すパラメータを算出する。例えば、参照画像取得部１１は、像２２１に含まれる画素数を計測し、計測した画素数を、最大対角線像のピクセル単位の長さの二乗で除算して、像２２１の面積率を算出する。物体２１３の像２１１に含まれる画素数は、物体２１３の面積に比例する。また、最大対角線像の長さの二乗は、最大対角線距離の長さの二乗に比例する。さらに、物体２１３の像２１１に含まれる画素数と物体２１３の面積との比は、最大対角線像の長さの二乗と、最大対角線距離の長さの二乗との比と等しい。したがって、像２１１の面積率は、物体２１３の面積率と等しい。参照画像取得部１１は、物体２１３の面積率に替えて、同じ値である像２１１の面積率を算出する。

【0047】

また、参照画像取得部１１は、以下のように、配置を示すパラメータを算出する。例えば、参照画像取得部１１は、最大対角線像の両端となる２つの第１参照画像４２１上の座標を算出する。そして、参照画像取得部１１は、２つの第１参照画像４２１上の座標におけるｙ座標の差を、最大対角線像の長さで除算し、最大対角線像の方向と第１参照画像４２１のｘ軸とのなす角度θの正弦（ｓｉｎθ）の値を算出する。参照画像取得部１１は、算出した正弦の値ｓｉｎθから最大対角線像の方向と第１参照画像４２１のｘ軸とのなす角度θを算出する。

【0048】

（１．４）第２参照画像及び第３参照画像
参照画像取得部１１は、以下の条件を満たす第２参照画像４２２を、撮像装置２から取得する。図４Ｂは、第２参照画像４２２の被写体４１２の例を示す。被写体４１２は、物体２１４を含む。第２参照画像４２２は、図５Ｂに示すように、物体２１４の像２２２を含む。物体２１４は、撮像装置２からの平面視において、物体２１４の短軸方向の長さ（幅）が閾値以上である。すなわち、物体２１４は、撮像装置２からの平面視において、物体２１４の幅が必ず閾値以上である。上述したように、被写体の短軸方向の長さが閾値以上の物体は、被写体の短軸方向の長さが閾値未満の物体より背景のスペクトルの影響が小さい。すなわち、物体２１４の像２２２のスペクトルにおける背景２１５のスペクトルの影響は、第１参照画像４２１の像２２１の背景２１５のスペクトルの影響より小さい。

【0049】

なお、物体２１４は、撮像装置２からの平面視において、物体２１４の短軸方向の長さ（幅）が閾値以上であればよい。したがって、物体２１４は、例えば、撮像装置２からの平面視において、一辺が閾値の正方形を包含するような平板であってもよい。すなわち、物体２１４は、図４Ｂに示す被写体４１２のようなバルクであってもよい。なお、物体２１４は、物体２１４の短軸方向の長さ（幅）が閾値以上であれば、粒子状であってもよく、ＴＥＧパターンであってもよい。

【0050】

参照画像取得部１１は、第２参照画像４２２に含まれる物体２１４の像２２２に含まれる画素のスペクトルデータを、第２の参照スペクトル３２２（図５Ｃ参照）として取得する。

【0051】

参照画像取得部１１は、以下の条件を満たす第３参照画像を、撮像装置２から取得する。本実施の形態では、図４Ａ及び図５Ａに示すように、背景２１５を含む被写体４１１が撮像された第１参照画像４２１を第３参照画像としても使用する。第３参照画像は、背景２１５の像２２３を含む。参照画像取得部１１は、第３参照画像における背景２１５の像２２３に含まれる画素のスペクトルデータを、背景の反射スペクトル３２３（図５Ｃ参照）として抽出する。

【0052】

（２）補正モデル生成部の概要
補正モデル生成部１２は、以下の手順により、スペクトルデータにおける背景の反射スペクトルの影響を推定する。第１参照画像４２１のいずれかの物体２１３－ｎの像２２１－ｎに含まれる画素の第１の参照スペクトル３２１をスペクトルＡ１（ｎ）とする。インデックスｎは、いずれの物体２１３を示すかを示すインデックスである。また、第２の参照スペクトル３２２をスペクトルＡ２とする。さらに、背景２１５の反射スペクトル３２３をスペクトルＡ３とする。そして、以下の等式を満たす値αを、物体２１３－ｎにおける背景スペクトルの影響αとする。

【0053】

Ａ１（ｎ）＝α×Ａ３＋（１－α）×Ａ２ …（式１）

【0054】

したがって、以下の式により影響αの値が求まる。

【0055】

α＝｛Ａ１（ｎ）－Ａ２｝／｛Ａ３－Ａ２｝ …（式２）

【0056】

補正モデル生成部１２は、インデックスｎごとに算出した影響αの値を、物体２１３－ｎの寸法、形状、及び、配置のそれぞれを示すパラメータと関連付ける。そして、補正モデル生成部１２は、物体２１３の寸法、形状、及び、配置を入力値とし、影響αの値を正解データとする、機械学習の教師データを作成する。補正モデル生成部１２は、作成した教師データを用いて機械学習を行い、補正モデルを生成する。機械学習の手法は、例えば、サポートベクタマシン、又は、ランダムフォレストを用いることができる。なお、機械学習の手法は、教師データを用いた学習手法であれば任意の手法でよく、例えば、ニューラルネットワークでもよい。教師データを用いた機械学習により、物体２１３の寸法、形状、及び、配置を入力として、物体２１３における背景スペクトルの影響αを出力する補正モデルが生成される。

【0057】

補正モデル生成部１２は、生成した補正モデルを、補正モデル保持部２１に出力する。

【0058】

２．２ モデル格納部
モデル格納部２０は、補正モデル保持部２１と、判定モデル保持部２２とを含む。

【0059】

補正モデル保持部２１は、上述した、補正モデル生成部１２が生成した補正モデルを保持する記憶媒体である。なお、補正モデル保持部２１は、他のシステムから取得した補正モデルを保持してもよい。他のシステムは、例えば、補正モデル生成部１２を備える。又は、他のシステムは、例えば、補正モデル保持部２１を備える。すなわち、補正モデル保持部２１は、補正モデル生成部１２が生成した補正モデル、又は、他のシステムが生成した補正モデルを保持する。

【0060】

判定モデル保持部２２は、判定モデルを保持する記憶媒体である。判定モデルは、後述するように、検査対象２１６（図７参照）が撮像された検査対象画像４２０（図８参照）において、検査対象の像２２４に含まれる画素のスペクトルを補正したスペクトルに基づき、検査対象２１６の物質を特定するためのモデルである。

【0061】

２．３ 処理部
処理部３０は、図１に示すように、検査画像取得部３１と、スペクトル補正部３２と、スペクトル判定部３３とを含む。検査画像取得部３１、スペクトル補正部３２、スペクトル判定部３３のそれぞれは、例えば、プロセッサを備えるコンピュータと、プログラムとで実現される。なお、検査画像取得部３１、スペクトル補正部３２、スペクトル判定部３３のいずれか２つ又は全てを、単一のプロセッサを用いて実現してもよいし、単一のコンピュータを用いて実現してもよい。

【0062】

（１）検査画像取得部
検査画像取得部３１は、図８Ａに示すような、検査対象２１６の像２２４と背景２１７の像２２５とを含む検査対象画像４２０を撮像装置２から取得する。検査対象画像４２０は、例えば、図７に示す被写体４１０を撮像した画像である。被写体４１０は、検査対象２１６と背景２１７とを含む。検査対象画像４２０は、検査対象２１６の像２２４と、背景２１７の像２２５とを含む。

【0063】

検査画像取得部３１は、例えば、エッジ抽出により、１以上の検査対象２１６の像２２４と、背景２１７の像２２５のそれぞれを抽出する。検査画像取得部３１は、検査対象２１６の像２２４のそれぞれについて、参照画像取得部１１と同様の手法により、像２２４の寸法を示すパラメータ、形状を示すパラメータ、及び、配置を示すパラメータを算出する。検査画像取得部３１は、検査対象画像４２０に含まれる検査対象２１６の像２２４に含まれる画素のスペクトルを、第１のスペクトル３１５（図８Ｂ参照）として取得する。検査画像取得部３１は、検査対象画像４２０に含まれる検査対象２１６の像２２４のそれぞれについて、第１のスペクトル３１５を、像２２４の寸法、形状、及び、配置のそれぞれを示すパラメータと対応付けて、スペクトル補正部３２に出力する。また、検査画像取得部３１は、検査対象画像４２０における背景２１７の像２２５に含まれる画素のスペクトル３１６を、背景の反射スペクトルとして、スペクトル補正部３２に出力する。また、検査画像取得部３１は、検査対象画像４２０の全体を、スペクトル補正部３２に出力する。

【0064】

（２）スペクトル補正部
スペクトル補正部３２は、検査対象画像４２０における検査対象２１６の像２２４に含まれる画素の第１のスペクトル３１５について、補正モデルに基づいて、背景の反射スペクトル３１６の影響を軽減するための補正を行って、第２のスペクトル３１７を生成する。

【0065】

スペクトル補正部３２は、補正モデル保持部２１から、補正モデルを取得する。スペクトル補正部３２は、検査対象画像４２０の検査対象２１６の像２２４のそれぞれについて、像２２４の寸法、形状、及び、配置のそれぞれを示すパラメータの組み合わせと、補正モデルとに基づいて、背景スペクトルの影響αの値を推定する。この処理により、第１参照画像４２１と検査対象画像４２０との間で、被写体の寸法、形状、及び、配置の特徴が同様であれば背景スペクトルの影響αも同様であるとの推定に基づき、像２２４における背景スペクトルの影響αの値が算出される。検査対象画像４２０の検査対象２１６の像２２４に含まれる画素の第１のスペクトル３１５をスペクトルＡ４（ｍ）とする。インデックスｍは、複数の像２２４のいずれを示すかを示すインデックスである。スペクトルＡ３は、背景２１７の像２２５のスペクトル３１６である。また、背景スペクトルの影響を軽減した第２のスペクトル３１７をスペクトルＡ５とすると、式１と同様、以下の等式が成立する。

【0066】

Ａ４（ｍ）＝α×Ａ３＋（１－α）×Ａ５ …（式３）

【0067】

したがって、以下の式により、第２のスペクトル３１７が算出できる。

【0068】

Ａ５＝｛Ａ４（ｍ）－α×Ａ３｝／（１－α） …（式４）

【0069】

スペクトル補正部３２は、検査対象画像４２０において、いずれかの検査対象２１６の像２２４に含まれるすべての画素について、背景スペクトルの影響αの算出と、第２のスペクトル３１７であるスペクトルＡ５の算出とを行う。この処理により、図８Ｂに示すように、検査対象画像４２０の像２２４について、像２２４に含まれる画素の第１のスペクトル３１５と背景２１７の像２２５に含まれる画素のスペクトル３１６に基づく、補正後の第２のスペクトル３１７が算出される。第２のスペクトル３１７は、第２参照画像４２２に含まれる像２２２の第２の参照スペクトル３２２と同程度に、背景のスペクトルの影響が低い。

【0070】

スペクトル補正部３２は、検査対象画像４２０に対し、いずれかの検査対象２１６の像２２４に含まれる画素の全てについて、第１のスペクトル３１５を第２のスペクトル３１７に置き換えて補正後画像を生成する。スペクトル補正部３２は、生成した補正後画像をスペクトル判定部３３に出力する。

【0071】

なお、スペクトル補正部３２は、他のシステムから、補正モデルを取得してもよい。他のシステムは、例えば、補正モデル保持部２１を有する。又は、スペクトル補正部３２は、補正モデルを保持する記憶部を内部に備え、補正モデル保持部２１又は他のシステムから取得した補正モデルを保持してもよい。

【0072】

（３）スペクトル判定部
スペクトル判定部３３は、補正後画像について、検査対象２１６の像２２４に含まれる画素の第２のスペクトル３１７に基づいて、検査対象２１６の物質を特定する。

【0073】

スペクトル判定部３３は、スペクトル補正部３２から補正後画像を取得する。スペクトル判定部３３は、検査対象２１６の像２２４に含まれる画素の第２のスペクトル３１７を、補正後画像から取得する。スペクトル判定部３３は、判定モデル保持部２２から判定モデルを取得する。判定モデルは、検査対象２１６の像２２４に含まれる画素の第２のスペクトル３１７に基づいて、検査対象２１６の物質を判定するためのモデルである。判定モデルは、例えば、既知の物質の反射スペクトルを入力値とし、物質を特定する情報を正解とする教師データを用いて、予め生成された機械学習モデルである。物質を特定する情報は、例えば、物質の名称、又は、略称である。又は、物質を特定する情報は、例えば、所定の物質と一致するか否かの情報でもよい。スペクトル判定部３３は、判定モデルと、検査対象２１６の像２２４に含まれる画素の第２のスペクトル３１７とから、検査対象２１６の物質を判定する。

【0074】

２．４ 結果出力部
結果出力部４０は、検査対象画像４２０にその像２２４が含まれる検査対象２１６の物質の判定結果をユーザーに示すデバイスである。結果出力部４０は、例えば、ディスプレイ装置である。

【0075】

結果出力部４０は、例えば、検査対象画像４２０における検査対象２１６の像２２４を、検査対象２１６の物質の種類によって異なる色に彩色して表示する。また、例えば、結果出力部４０は、検査対象画像４２０の画素ごとの第２のスペクトルを表示してもよい。例えば、結果出力部４０はタッチパネルであり、検査対象画像４２０のいずれかの画素にタッチされると、タッチされた画素の第２のスペクトル３１７を示してもよい。又は、例えば、結果出力部４０はタッチパネルであり、検査対象画像４２０のいずれかの画素にタッチされると、タッチされた画素の検査対象画像４２０の第１のスペクトル３１５と、第２のスペクトル３１７とを比較可能な態様で示してもよい。また、例えば、結果出力部４０は、第１参照画像４２１における物体２１３の像に含まれる画素の第１の参照スペクトル３２１と、第２の参照スペクトル３２２との一方または両方を表示してもよい。

【0076】

なお、結果出力部４０はディスプレイ装置に限られず、例えば、スペクトル判定部３３による検査対象２１６の物質の判定結果を保存するデータベース、又は、記憶媒体でもよい。

【0077】

３．検査システムの動作
以下、検査システム１００の動作について説明する。図９は、実施の形態に係る検査システム１００の動作を示すフローチャートである。

【0078】

検査システム１００は、参照画像の取得を行う（ステップＳ１）。検査システム１００の参照画像取得部１１は、上述した条件を満たす第１参照画像４２１、第２参照画像４２２、第３参照画像のそれぞれを取得する。参照画像取得部１１は、物体２１３の像２２１を含む画像を、第１参照画像４２１として取得する。なお、補正モデルの精度を向上させるために、第１参照画像４２１から取得可能な物体２１３の像２２１の数は、複数であることが好ましい。したがって、参照画像取得部１１は、物体２１３の像２２１を含む第１参照画像４２１を、複数取得する。又は、参照画像取得部１１は、物体２１３の像２２１を複数含む第１参照画像４２１を取得する。また、参照画像取得部１１は、物体２１４の像２２２を含む画像を、第２参照画像４２２として取得する。

【0079】

なお、参照画像取得部１１は、物体２１３の像２２１と物体２１４の像２２２とを含む画像を、第１参照画像４２１として取得し、かつ、第２参照画像４２２として取得してもよい。また、参照画像取得部１１は、背景２１５の像２２３を含む画像を、第３参照画像として取得する。なお、参照画像取得部１１は、物体２１３の像２２１と背景２１５の像２２３とを含む画像を、第１参照画像４２１として取得し、かつ、第３参照画像として取得してもよい。又は、参照画像取得部１１は、物体２１４の像２２２と背景２１５の像２２３とを含む画像を、第２参照画像４２２として取得し、かつ、第３参照画像として取得してもよい。又は、参照画像取得部１１は、物体２１３の像２２１と物体２１４の像２２２と背景２１５の像２２３とを含む画像を、第１参照画像４２１、第２参照画像４２２、及び、第３参照画像として取得してもよい。

【0080】

参照画像取得部１１は、例えば、撮像装置２から、参照画像のそれぞれを取得する。又は、参照画像取得部１１は、撮像装置２が撮像した画像を保持している画像保持システムから、参照画像を取得してもよい。

【0081】

次に、検査システム１００は、参照画像の情報抽出を行う（ステップＳ２）。検査システム１００の参照画像取得部１１は、１または複数の第１参照画像４２１から、複数の物体２１３の像２２１を特定する。参照画像取得部１１は、複数の物体２１３のそれぞれについて、物体２１３の寸法、形状、及び、配置を示すパラメータを取得する。参照画像取得部１１は、物体２１３の寸法、形状、及び、配置を示すパラメータを、上述したように、物体２１３の像２２１を含む第１参照画像４２１に対する上述した画像処理を行い、第１参照画像４２１の解像度を用いて算出する。又は、例えば、参照画像取得部１１は、物体２１３の寸法、形状、及び、配置を示すパラメータの１以上について、ユーザーからの入力を受け付けてもよい。又は、例えば、参照画像取得部１１は、物体２１３の寸法、形状、及び、配置を示すパラメータの１以上について、参照画像とともに、画像保持システムから取得してもよい。

【0082】

参照画像取得部１１は、複数の物体２１３のそれぞれについて、物体２１３の寸法、形状、及び、配置を示すパラメータに、物体２１３の像２２１に含まれる画素のスペクトルである第１の参照スペクトル３２１を対応付けて、補正モデル生成部１２に出力する。また、参照画像取得部１１は、第２参照画像４２２における物体２１４の像２２２に含まれる画素のスペクトルを、第２の参照スペクトル３２２として、補正モデル生成部１２に出力する。また、参照画像取得部１１は、第３参照画像における背景２１５の像２２３に含まれる画素のスペクトルを、補正モデル生成部１２に出力する。なお、検査システム１００は、第２の参照スペクトル３２２に替えて、第２の物質の既知の反射スペクトルを補正モデル生成部１２に出力してもよい。また、検査システム１００は、第３参照画像における背景２１５の像２２３の画素のスペクトルに替えて、背景２１５の既知の反射スペクトルを補正モデル生成部１２に出力してもよい。

【0083】

次に、検査システム１００は、補正モデルの生成を行う（ステップＳ３）。検査システム１００の補正モデル生成部１２は、物体２１３のそれぞれにおける、第１の参照スペクトル３２１の背景スペクトルの影響αを算出する。補正モデル生成部１２は、背景スペクトルの影響αを、第２の参照スペクトル３２２と、第３参照画像における背景２１５の像２２３の画素のスペクトルと、第１の参照スペクトル３２１とを用いて算出する。そして、補正モデル生成部１２は、複数の物体２１３のそれぞれについて、物体２１３の寸法、形状、及び、配置を示すパラメータに、第１の参照スペクトル３２１の背景スペクトルの影響αを関連付ける。この処理により、物体２１３の寸法、形状、及び、配置を示すパラメータを入力値として、背景スペクトルの影響αを正解データとする、機械学習のための教師データが生成される。補正モデル生成部１２は、教師データを用いて機械学習を行い、補正モデルを生成する。補正モデル生成部１２は、生成した補正モデルを、補正モデル保持部２１に出力する。

【0084】

次に、検査システム１００は、検査対象画像４２０を取得する（ステップＳ４）。検査システム１００の検査画像取得部３１は、検査対象２１６の像２２４を含む画像を、検査対象画像４２０として撮像装置２から取得する。

【0085】

次に、検査システム１００は、検査対象画像４２０の情報抽出を行う（ステップＳ５）。検査システム１００の検査画像取得部３１は、検査対象画像４２０から、１以上の検査対象２１６の像２２４と、背景２１７の像２２５のそれぞれを抽出する。検査画像取得部３１は、検査対象２１６のそれぞれについて、参照画像取得部１１と同様の手法により、検査対象２１６の像２２４に基づき、検査対象２１６の寸法を示すパラメータ、形状を示すパラメータ、及び、配置を示すパラメータを算出する。検査画像取得部３１は、検査対象２１６のそれぞれについて、検査対象２１６の寸法、形状、及び、配置のそれぞれを示すパラメータと、検査対象２１６の像２２４に含まれる画素の第１のスペクトル３１５との組み合わせを、スペクトル補正部３２に出力する。また、検査画像取得部３１は、検査対象画像４２０の背景２１７の像２２５に含まれる画素のスペクトルを、背景２１７の像２２５のスペクトル３１６としてスペクトル補正部３２に出力する。また、検査画像取得部３１は、検査対象画像４２０の全体を、スペクトル補正部３２に出力する。

【0086】

次に、検査システム１００は、スペクトルの補正を行う（ステップＳ６）。検査システム１００のスペクトル補正部３２は、補正モデル保持部２１から、補正モデルを取得する。スペクトル補正部３２は、検査対象画像４２０の検査対象２１６のそれぞれについて、補正モデルを用いて、検査対象２１６の寸法、形状、及び、配置のそれぞれを示すパラメータから、第１のスペクトル３１５における背景スペクトルの影響αを推定する。スペクトル補正部３２は、推定した背景スペクトルの影響αに基づき、検査対象２１６のそれぞれについて、検査対象２１６の像２２４に含まれる画素の第１のスペクトル３１５を補正して第２のスペクトル３１７を生成する。第２のスペクトル３１７は、背景スペクトルの影響αだけ背景のスペクトル３１６が第２のスペクトル３１７に影響を及ぼすことで、検査対象２１６の像２２４に含まれる画素の第１のスペクトル３１５が構成されるとの仮定に基づいて生成される。すなわち、第２のスペクトル３１７は、像２２４に含まれる画素の第１のスペクトル３１５から、背景のスペクトル３１６の影響を、第２の参照スペクトルと同程度に軽減したスペクトルである。

【0087】

スペクトル補正部３２は、検査対象画像４２０について、検査対象２１６の像２２４に含まれるすべての画素の第１のスペクトル３１５を第２のスペクトル３１７に置き換えた画像である補正後画像を生成する。スペクトル補正部３２は、補正後画像をスペクトル判定部３３に出力する。

【0088】

次に、検査システム１００は、検査対象２１６の同定を行う（ステップＳ７）。検査システム１００のスペクトル判定部３３は、補正後画像について、検査対象２１６の像２２４に含まれる画素の第２のスペクトル３１７に基づいて、検査対象２１６の物質を特定する。上述したように、第２のスペクトル３１７は、背景のスペクトル３１６の影響を第１の参照スペクトルと同程度に軽減したスペクトルである。したがって、第２のスペクトル３１７は、第１のスペクトル３１５よりも、検査対象２１６を構成する物質の反射スペクトルに近い。物質の特定の方法は、例えば、機械学習による判定モデルを用いる手法である。又は、物質の特定の方法は、例えば、既知の物質の反射スペクトルとの照合でもよい。

【0089】

以上の処理により、検査対象２１６の物質の判定が行われる。

【0090】

４．効果
実施の形態に係る検査システム１００は、４以上の波長域の光強度情報を含む画像に基づいて検査対象２１６の物質を判定する。４以上の波長域は、その１以上が、紫外領域と赤外領域のいずれか一方に含まれてもよい。したがって、例えば、異種金属の近傍に存在する金属の物質の判定、異種樹脂の近傍に存在する樹脂の物質の判定など、目視で判別し辛い物質について検査を行うことができる。

【0091】

また、実施の形態に係る検査システム１００は、スペクトル補正部３２が、補正モデルに基づいて、検査対象画像４２０における検査対象２１６の像２２４に含まれる画素の第１のスペクトル３１５を補正する。したがって、スペクトル判定部３３は、背景のスペクトル３１６の影響が軽減された第２のスペクトル３１７に基づいて、検査対象２１６の物質を判定することができる。したがって、検査対象２１６の像２２４の第１のスペクトル３１５への背景のスペクトル３１６の混合による、検査対象２１６の物質の判定の精度低下を防ぐことができる。したがって、検査対象２１６の判定の精度を向上させることができる。

【0092】

また、実施の形態に係る学習部１０は、物体２１３の寸法、形状、及び、配置のそれぞれを示すパラメータの組み合わせを入力とし、背景スペクトルの影響αを出力とする補正モデルを生成する。すなわち、第１参照画像４２１と検査対象画像４２０について、被写体の寸法、形状、及び、配置が類似していれば背景スペクトルの影響αが類似しているとの推定に基づき、検査対象２１６の像２２４における背景スペクトルの影響αの値が算出される。したがって、補正モデルを生成するための教師用データを多種多様に揃えることで、容易に補正の精度を向上させることができ、検査対象２１６の物質の判定精度を向上させることができる。

【0093】

また、実施の形態に係る検査システム１００では、第１参照画像４２１における物体２１３の像２２１の第１の参照スペクトル３２１における背景スペクトルの影響αについて、第１の参照スペクトル３２１に対する背景のスペクトルの比率で示す。すなわち、背景スペクトルの影響αは、第１の物質の反射スペクトル３１１の特徴や強度に依存しない。したがって、背景スペクトルの影響αが同程度であると推定できれば、第１参照画像４２１の被写体である第２の物質と、検査対象画像４２０の被写体である検査対象２１６の同定の対象である第１の物質とが、同一の物質でなくてもよい。例えば、背景の物質が樹脂であり、第２の物質と第１の物質とがいずれも金属材料である場合、第１の物質と第２の物質とが異種の金属であっても、背景スペクトルの影響αが同程度であると推定できる。すなわち、例えば、第２の物質として鉄を用いて生成した補正モデルを用いることで、第１の物質が銀である場合にも、スペクトル補正部３２によるスペクトル補正により、背景の反射スペクトルの影響の軽減が可能と考えられる。したがって、第１の物質の種類ごとに、同種の物質を第２の物質とする補正モデルを生成する必要がなく、補正モデルの生成を省力化することができる。

【0094】

また、実施の形態に係る検査システム１００では、スペクトル判定部３３が、背景のスペクトル３１６の影響が軽減された第２のスペクトル３１７に基づいて、検査対象２１６の物質を判定することができる。したがって、判定モデルを機械学習で作成する場合において、同様に背景のスペクトル３１６の影響が小さい、短軸方向の幅が閾値以上である試料のスペクトルを使用することで、容易に判定精度を向上できる。また、判定モデルを作成するための教師データを作成する際に、短軸方向の幅が閾値未満である部分を含む試料のスペクトルを用いなくてよいため、判定モデルの生成を省力化することができる。さらに、背景のスペクトル３１６の影響が大きいスペクトルを入力として含む教師データを用いないことで、判定モデルの精度が低下することを防ぐことができる。

【0095】

なお、実施の形態に係るスペクトル判定部３３では、補正後画像の検査対象２１６の像に含まれる各画素の第２のスペクトル３１７において、背景のスペクトル３１６の影響は少ない。したがって、判定モデルは機械学習により形成されたものに限られない。例えば、判定モデル保持部２２は、既知の物質の反射スペクトルを保持する。スペクトル判定部３３は、補正後画像の検査対象２１６の像に含まれる各画素の第２のスペクトル３１７と、判定モデル保持部２２に保持された既知の物質の反射スペクトルとの一致度を算出する。スペクトル判定部３３は、一致度が所定の閾値以上であれば、検査対象２１６が既知の物質であると判定する。一致度の判定は、例えば、相関処理を用いることができる。このような処理によっても、検査対象２１６の物質を特定することができる。

【0096】

（変形例１）
変形例１に係る検査システム１３０は、図１０に示すように、判定システム１１０と、モデル生成システム１２０とを備える点で、実施の形態に係る検査システム１００（図１参照）と異なる。

【0097】

モデル生成システム１２０は、図１０に示すように、学習部１０と、モデル格納部２３とを含む。学習部１０は、実施の形態に係る検査システム１００の学習部１０（図１参照）と同じ機能を有する。したがって、学習部１０について、詳細な説明を省略する。モデル格納部２３は、補正モデル保持部２１を含む。補正モデル保持部２１は、実施の形態に係る検査システム１００の補正モデル保持部２１（図１参照）と同じ機能を有する。したがって、補正モデル保持部２１について、詳細な説明を省略する。すなわち、モデル生成システム１２０は、検査システム１００から、処理部３０と、判定モデル保持部２２とを除いた構成と同一である。モデル生成システム１２０は、検査システム１００における、第１参照画像４２１、第２参照画像４２２、第３参照画像を用いて補正モデルを生成する動作を行う。すなわち、モデル生成システム１２０は、図９のフローチャートにおける、ステップＳ１からＳ３までの動作を行う。

【0098】

判定システム１１０は、図１０に示すように、処理部３０と、結果出力部４０と、補正モデル取得部５０と、モデル格納部２４とを含む。結果出力部４０は、実施の形態に係る検査システム１００の結果出力部４０（図１参照）と同じ機能を有する。したがって、結果出力部４０について、詳細な説明を省略する。また、処理部３０は、スペクトル補正部３２が補正モデルを補正モデル保持部２１ではなく補正モデル取得部５０から取得することを除き、検査システム１００の処理部３０（図１参照）と同じ機能を有する。モデル格納部２４は、判定モデル保持部２２を含む。判定モデル保持部２２は、検査システム１００に係る判定モデル保持部２２（図１参照）と同じ機能を有する。補正モデル取得部５０は、モデル生成システム１２０の補正モデル保持部２１から補正モデルを取得する機能ブロックであり、例えば、モデル生成システム１２０の補正モデル保持部２１と通信可能な通信デバイスである。すなわち、判定システム１１０は、検査システム１００から、学習部１０と、補正モデル保持部２１を除き、補正モデル取得部５０を追加した構成である。判定システム１１０は、検査システム１００における、補正モデルを用いて検査対象画像４２０のスペクトルを補正し、検査対象２１６の物質を判定する動作を行う。すなわち、判定システム１１０は、図９のフローチャートにおける、ステップＳ４からＳ７までの動作を行う。

【0099】

以上説明したように、変形例１に係る検査システム１３０は、補正モデルの生成をモデル生成システム１２０で行い、判定システム１１０は補正モデルを利用した検査対象２１６の物質の判定を実施する。すなわち、実施の形態に係る検査システム１００の動作を、判定システム１１０と、モデル生成システム１２０とで協働して行う。

【0100】

本変形例によっても、実施の形態に係る検査システム１００と同様の効果を得ることができる。また、本変形例によれば、例えば、１つのモデル生成システム１２０によって形成された補正モデルを、複数の判定システム１１０で利用することができる。したがって、判定システム１１０ごとに補正モデルを作成する必要がなく、補正モデルの生成を省力化することができる。

【0101】

なお、変形例１では、モデル生成システム１２０が補正モデル保持部２１を有し、判定システム１１０が補正モデル取得部５０を有する。この構成に替えて、モデル生成システム１２０が補正モデル送信部を有し、判定システム１１０が補正モデル保持部２１を有する構成をとることができる。又は、例えば、検査システム１３０はモデル格納システムを含み、モデル生成システム１２０はモデル格納システムに補正モデルを出力し、判定システム１１０はモデル格納システムから補正モデルを取得する構成をとることもできる。モデル格納システムは、例えば、ネットワーク上のサーバである。又は、モデル格納システムは、例えば、記憶媒体である。

【0102】

（変形例２）
１．構成
変形例２に係るモデル生成システム１５０は、図１１に示すように、判定モデル生成システム１４０をさらに含む点で、変形例１に係るモデル生成システム１２０（図１０参照）と異なる。

【0103】

変形例２に係るモデル生成システム１５０は、補正モデル生成システム１２０と、判定モデル生成システム１４０とを含む。補正モデル生成システム１２０は、変形例１に係るモデル生成システム１２０と同一である。したがって、詳細な説明は省略する。

【0104】

判定モデル生成システム１４０は、図１１に示すように、モデル格納部２４と、補正モデル取得部５０と、学習部６０とを備える。

【0105】

学習部６０は、検査対象が撮像された教師画像を取得して、判定モデルを生成する。学習部６０は、教師画像取得部６１と、スペクトル補正部６２と、判定モデル生成部６３とを備える。

【0106】

教師画像取得部６１は、教師画像４３０（図１３Ａ参照）を取得する。教師画像４３０は、第１の物質２１８と背景２１９とを含む被写体４１３（図１２参照）が、撮像装置２で撮像されてなる画像である。教師画像取得部６１は、例えば、エッジ抽出により、１以上の第１の物質２１８の像２２６と、背景２１９の像２２７のそれぞれを抽出する。教師画像取得部６１は、第１の物質２１８のそれぞれについて、参照画像取得部１１と同様の手法により、第１の物質２１８の寸法を示すパラメータ、形状を示すパラメータ、及び、配置を示すパラメータを算出する。教師画像取得部６１は、第１の物質２１８のそれぞれについて、教師画像４３０における第１の物質２１８の像２２６に含まれる画素のスペクトルを、第１のスペクトル３１９として取得する。教師画像取得部６１は、第１の物質２１８のそれぞれについて、第１のスペクトル３１９を、第１の物質２１８の寸法、形状、及び、配置のそれぞれを示すパラメータと対応付けて、スペクトル補正部６２に出力する。また、教師画像取得部６１は、教師画像４３０における背景２１９の像２２７に含まれる画素のスペクトルを、背景の反射スペクトル３１８（図１３Ｂ参照）として、スペクトル補正部６２に出力する。また、教師画像取得部６１は、教師画像４３０の全体を、スペクトル補正部６２に出力する。

【0107】

スペクトル補正部６２は、実施の形態に係るスペクトル補正部３２と同様、教師画像４３０における第１の物質２１８の像２２６の第１のスペクトル３１９を補正する。スペクトル補正部６２は、第１の物質２１８の像２２６のそれぞれについて、第１の物質２１８の寸法、形状、及び、配置のそれぞれを示すパラメータの組み合わせと、補正モデルとに基づいて、背景スペクトルの影響αの値を推定する。この処理により、第１参照画像４２１と教師画像４３０との間で、被写体の寸法、形状、及び、配置のそれぞれが同様であれば同様の背景スペクトルの影響αが存在するとの推定に基づき、教師画像４３０における背景スペクトルの影響αの値が算出される。

【0108】

スペクトル補正部６２は、教師画像４３０において、いずれかの第１の物質２１８の像２２６に含まれるすべての画素について、背景スペクトルの影響αの算出を行う。スペクトル補正部６２は、スペクトル補正部３２と同様に、背景の反射スペクトル３１８と、画素ごとの、背景スペクトルの影響α及び画素の第１のスペクトル３１９とに基づき、画素ごとの第２のスペクトル３２０を算出する。スペクトル補正部６２は、教師画像４３０に含まれる画素のうち、いずれかの第１の物質２１８の像２２６に含まれる画素の全てについて、第１のスペクトル３１９を第２のスペクトル３２０に置き換えた画像を、補正後画像として判定モデル生成部６３に出力する。

【0109】

判定モデル生成部６３は、補正後画像における第１の物質２１８の像２２６に含まれる画素の第２のスペクトル３２０を入力データ、第１の物質を示す情報を正解とする教師データを作成する。判定モデル生成部６３は、上述の教師データを用いて機械学習を行い、判定モデルを生成する。機械学習としては、例えば、サポートベクタマシン、ランダムフォレストを用いることができる。なお、機械学習はこれに限られず、教師データを用いる機械学習であれば任意のものを用いてよく、例えば、ニューラルネットワークであってもよい。判定モデル生成部６３は、生成した判定モデルを判定モデル保持部２２に出力する。

【0110】

２．動作
以下、モデル生成システム１５０の動作について説明する。図１４は、変形例２に係るモデル生成システム１５０の動作を示すフローチャートである。なお、図９に示す検査システム１００の動作と同じ動作については同じステップ番号を付し、詳細な説明を省略する。

【0111】

モデル生成システム１５０は、参照画像の取得を行う（ステップＳ１）。モデル生成システム１５０の参照画像取得部１１は、第１参照画像４２１、第２参照画像４２２、第３参照画像のそれぞれを取得する。詳細は実施の形態１と同じであるので省略する。

【0112】

次に、モデル生成システム１５０は、参照画像の情報抽出を行う（ステップＳ２）。モデル生成システム１５０の参照画像取得部１１は、第１参照画像４２１、第２参照画像４２２、第３参照画像のそれぞれから、補正モデルの生成に必要な情報を抽出する。詳細は実施の形態１と同じであるので省略する。

【0113】

次に、モデル生成システム１５０は、補正モデルの生成を行う（ステップＳ３）。モデル生成システム１５０の補正モデル生成部１２は、参照画像から抽出された情報に基づき、補正モデルを生成する。詳細は実施の形態１と同じであるので省略する。

【0114】

次に、モデル生成システム１５０は、教師画像４３０の取得を行う（ステップＳ８）。モデル生成システム１５０の教師画像取得部６１は、第１の物質２１８と背景２１９とを含む被写体４１３が撮像されてなる教師画像４３０を撮像装置２から取得する。

【0115】

次に、モデル生成システム１５０は、教師画像４３０の情報抽出を行う（ステップＳ９）。モデル生成システム１５０の教師画像取得部６１は、教師画像４３０から、１以上の第１の物質２１８の像２２６と、背景２１９の像２２７のそれぞれを抽出する。教師画像取得部６１は、第１の物質２１８のそれぞれについて、像２２６に基づいて、第１の物質２１８の寸法、形状、及び、配置、のそれぞれを示すパラメータを算出する。教師画像取得部６１は、第１の物質２１８のそれぞれについて、教師画像４３０における第１の物質２１８の像２２６に含まれる画素のスペクトルを、第１のスペクトル３１９として取得する。教師画像取得部６１は、第１の物質２１８のそれぞれについて、第１のスペクトル３１９を、第１の物質２１８の寸法、形状、及び、配置のそれぞれを示すパラメータと対応付けて、スペクトル補正部６２に出力する。また、教師画像取得部６１は、教師画像４３０における背景２１９の像２２７に含まれる画素のスペクトルを、背景の反射スペクトル３１８として、スペクトル補正部６２に出力する。また、教師画像取得部６１は、教師画像４３０の全体を、スペクトル補正部６２に出力する。

【0116】

次に、モデル生成システム１５０は、スペクトルの補正を行う（ステップＳ１０）。モデル生成システム１５０のスペクトル補正部６２は、第１の物質２１８のそれぞれについて、第１の物質２１８の寸法、形状、及び、配置のそれぞれを示すパラメータの組み合わせと、補正モデルとに基づいて、背景スペクトルの影響αの値を推定する。スペクトル補正部６２は、背景２１９の反射スペクトル３１８と、画素ごとの、背景スペクトルの影響α及び画素の第１のスペクトル３１９とに基づき、画素ごとの第２のスペクトル３２０を算出する。スペクトル補正部６２は、教師画像４３０に含まれる画素のうち、いずれかの第１の物質２１８の像２２６に含まれる画素の全てについて、第１のスペクトル３１９を第２のスペクトル３２０に置き換えた画像を、補正後画像として判定モデル生成部６３に出力する。

【0117】

次に、モデル生成システム１５０は、判定モデルの作成を行う（ステップＳ１１）。モデル生成システム１５０の判定モデル生成部６３は、補正後画像における第１の物質２１８の像２２６に含まれる画素の第２のスペクトル３２０を入力データ、第１の物質を示す情報を正解とする教師データを作成する。判定モデル生成部６３は、上述の教師データを用いて機械学習を行い、判定モデルを生成する。

【0118】

以上の処理により、第２のスペクトル３２０を入力として第１の物質の判定を行う判定モデルが生成される。

【0119】

３．効果
変形例２に係る判定モデルは、第２のスペクトル３２０に基づいて第１の物質の判定を行う機械学習モデルである。したがって、実施の形態に係る検査システム１００、又は、変形例１に係る判定システム１１０において変形例２に係る判定モデルを用いることで、第１の物質の判定精度を向上させることができる。特に、判定モデルを生成するための第２のスペクトル３２０と、判定システムにおける第２のスペクトル３１７とで同様の補正が行われているため、背景のスペクトルの影響を小さくすることができる。

【0120】

また、実施の形態１と同様に、スペクトル補正部６２によって補正が行われた後の第２のスペクトル３２０は、教師画像４３０の各画素の第１のスペクトル３１９と比べて、背景のスペクトル３１８の影響が、第２の参照スペクトルと同程度に軽減されている。すなわち、判定モデルの教師データにおける入力は、背景のスペクトル３１８の影響が小さい。したがって、判定モデルにおける背景スペクトルの影響を軽減することができる。すなわち、判定モデルの精度を向上させることができる。

【0121】

（実施の形態に係るその他の変形例）
（１）実施の形態および変形例では、参照画像取得部１１は、第２の物質２１３について、寸法として最大対角線距離、形状として面積率、配置として最大対角線とｘ軸とがなす角度を算出する。補正モデル生成部１２は、寸法、形状、及び、配置を入力とする補正モデルを生成する。検査画像取得部３１は、検査対象２１６の像２２４に基づいて、検査対象２１６の寸法、形状、及び、配置を算出し、スペクトル補正部３２は、検査対象２１６の寸法、形状、及び、配置を用いてスペクトルの補正を行う。

【0122】

しかしながら、補正モデルへの入力は、上述した例に限られない。補正モデルへの入力は、第１参照画像４２１の第２の物質２１３の像２２１の第１の参照スペクトル、又は、検査対象画像４２０の検査対象２１６の像２２４の第１のスペクトルに対して、背景のスペクトルの影響αの値に影響を及ぼす任意の要素であってよい。また、補正モデルへの入力として用いる要素は、寸法、形状、及び、配置の１以上でもよいし、これ以外の要素であってもよい。

【0123】

（２）実施の形態および各変形例では、補正モデル生成部１２は、第２参照画像４２２における物体２１４の像２２２のスペクトル３２２を、第２の物質の反射スペクトルとする。また、補正モデル生成部１２は、第３参照画像における背景２１５の像２２３のスペクトル３２３を、背景の反射スペクトルとする。しかしながら、補正モデル生成部１２は、既知のデータである、第２の物質の反射スペクトルと、背景の反射スペクトルとを利用してもよい。この場合において、参照画像取得部１１は、第２参照画像４２２における物体２１４の像についても、物体２１４の寸法、形状、及び、配置のそれぞれを示すパラメータと組み合わせて出力してもよい。また、補正モデル生成部１２は、第２参照画像４２２における物体２１４の像についても、背景スペクトルの影響αを算出し、補正モデルを生成するための教師データの一部として用いてもよい。

【0124】

（まとめ）
第１の態様に係る検査システム（１００；１３０）は、検査画像取得部（３１）と、スペクトル補正部（３２）と、スペクトル判定部（３３）と、結果出力部（４０）と、を備える。検査画像取得部（３１）は、検査対象画像（４２０）を取得する。検査対象画像（４２０）は、検査対象（２１６）と背景（２１７）とを含む被写体（４１０）が４以上の波長域で撮像されて得られる。スペクトル補正部（３２）は、第１のスペクトル（３１５）に、背景（２１７）の像（２２５）のスペクトル（３１６）に基づく補正を行って第２のスペクトル（３１７）を生成する。第１のスペクトル（３１５）は、検査対象画像（４２０）における検査対象（２１６）の像（２２４）のスペクトルである。スペクトル判定部（３３）は、第２のスペクトル（３１７）に基づいて、検査対象（２１６）が第１の物質か否かを判定する。

【0125】

第１の態様に係る検査システム（１００；１３０）によれば、背景（２１７）の像（２２５）のスペクトル（３１６）が、検査対象（２１６）が第１の物質か否かを判定する精度に与える影響を軽減することができる。したがって、検査対象（２１６）の特定精度を向上することができる。

【0126】

第２の態様に係る検査システム（１００；１３０）では、第１の態様において、スペクトル補正部（３２）は、第１の参照スペクトル（３２１）と、第２の参照スペクトル（３２２）と、に基づいて、第１のスペクトル（３１５）の補正を行って第２のスペクトル（３１７）を生成する。第１の参照スペクトル（３２１）は、第１参照画像（４２１）における第２の物質（２１３）の像（２２１）のスペクトルである。第２の参照スペクトル（３２２）は、第２参照画像（４２２）における第２の物質（２１４）の像（２２２）のスペクトルである。第１参照画像（４２１）は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が閾値未満である部分を含む第２の物質（２１３）が撮像されて得られる。第２参照画像（４２２）は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が閾値以上である第２の物質（２１４）が撮像されて得られる。

【0127】

第２の態様に係る検査システム（１００；１３０）によれば、材質が同一で寸法が異なる２つのスペクトルである第１の参照スペクトル（３２１）と第２の参照スペクトル（３２２）とに基づいて背景（２１７）のスペクトル（３１６）の影響を軽減する補正を行う。したがって、背景（２１７）のスペクトル（３１６）の影響を精度良く軽減することができる。

【0128】

第３の態様に係る検査システム（１００；１３０）では、第２の態様において、第１の物質と、第２の物質とは異なる物質である。

【0129】

第３の態様に係る検査システム（１００；１３０）によれば、第１参照画像（４２１）及び第２参照画像（４２２）の被写体である第２の物質と、検査対象画像（４２０）の被写体に含まれ得る第１の物質とが同一である必要がない。したがって、第１の物質ごとに補正モデルを生成する必要がなく、補正モデルの生成を省力化することができる。

【0130】

第４の態様に係る検査システム（１００；１３０）では、第２又は第３の態様において、第１参照画像（４２１）は、第２の物質の粒子（２１３）が撮像されて得られた画像である。

【0131】

第４の態様に係る検査システム（１００；１３０）によれば、粒子状の第２の物質（２１３）を撮像して第１参照画像（４２１）を生成することができる。したがって、容易に補正モデルを生成することができる。また、粒子状の被写体（４１０）に適したスペクトル補正モデルが生成されるため、検査対象（２１６）が粒子状である場合に、スペクトルの補正を高精度で行うことができ、検査対象（２１６）の特定精度を向上することができる。

【0132】

第５の態様に係る検査システム（１００；１３０）では、第４の態様において、第２参照画像（４２２）は、第２の物質の粒子（２１４）が撮像されて得られた画像である。

【0133】

第５の態様に係る検査システム（１００；１３０）によれば、粒子状の第２の物質を撮像して第２参照画像（４２２）を生成することができる。したがって、粒径の異なる第２の物質を撮像することで第１参照画像（４２１）と第２参照画像（４２２）を容易に準備することができる。

【0134】

第６の態様に係る検査システム（１００；１３０）では、第２又は第３の態様において、第１参照画像（４２１）は、第２の物質を含むＴＥＧパターン（２１３）が撮像されて得られた画像である。

【0135】

第６の態様に係る検査システム（１００；１３０）によれば、ＴＥＧパターンである被写体（４１０）に適したスペクトル補正モデルが生成される。したがって、検査対象（２１６）がＴＥＧパターンである場合に、スペクトルの補正を高精度で行うことができ、検査対象（２１６）の特定精度を向上することができる。

【0136】

第７の態様に係る検査システム（１００；１３０）では、第６の態様において、第２参照画像（４２２）は、第２の物質を含むＴＥＧパターン（２１４）が撮像されて得られた画像である。

【0137】

第７の態様に係る検査システム（１００；１３０）によれば、幅の異なる２種類のＴＥＧパターンを第２の物質を用いて試料を作成し、試料を撮像することで容易に第１参照画像（４２１）と第２参照画像（４２２）とを準備することができる。

【0138】

第８の態様に係る検査システム（１００；１３０）では、第２から第７のいずれか１つの態様において、結果出力部（４０）は、第１の参照スペクトル（３２１）と第２の参照スペクトル（３２２）とのうち少なくとも一方を出力する。

【0139】

第８の態様に係る検査システム（１００；１３０）によれば、第１の参照スペクトル（３２１）と第２の参照スペクトル（３２２）の一方又は両方をユーザーが確認することができる。したがって、スペクトル補正部（３２）によるスペクトル補正が適切か否かをユーザーが確認することができる。

【0140】

第９の態様に係る検査システム（１００；１３０）では、第１から第８のいずれか１つの態様において、結果出力部（４０）は、第２のスペクトル（３１７）を出力する。

【0141】

第９の態様に係る検査システム（１００；１３０）によれば、第２のスペクトル（３１７）をユーザーが確認することができる。したがって、スペクトル補正部（３２）によるスペクトル補正が適切か否か、及び、スペクトル判定部（３３）による判定が適切か否か、の少なくとも一方をユーザーが確認することができる。

【0142】

第１０の態様に係る検査システム（１００；１３０）では、第１から第９のいずれか１つの態様において、結果出力部（４０）は、第１のスペクトル（３１５）を出力する。

【0143】

第１０の態様に係る検査システム（１００；１３０）によれば、第１のスペクトル（３１５）をユーザーが確認することができる。したがって、スペクトル補正部（３２）によるスペクトル補正が適切か否かをユーザーが確認することができる。

【0144】

第１１の態様に係るモデル生成システム（１２０）は、参照画像取得部（１１）と、補正モデル生成部（１２）と、を備える。参照画像取得部（１１）は、第１参照画像（４２１）と第２参照画像（４２２）とを取得する。第１参照画像（４２１）と第２参照画像（４２２）とは、寸法、形状、及び、配置のうち少なくとも１つが既知である所定の物質と、背景（２１５）とが、４以上の波長域で撮像されて得られる。補正モデル生成部（１２）は、第１の参照スペクトル（３２１）と、第２の参照スペクトル（３２２）と、に基づく教師データを用いて、スペクトル補正モデルを生成する。第１の参照スペクトル（３２１）は、第１参照画像（４２１）における所定の物質（２１３）の像（２２１）のスペクトルである。第２の参照スペクトル（３２２）は、第２参照画像（４２２）の所定の物質（２１４）の像（２２２）のスペクトルである。第１参照画像（４２１）は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が閾値未満である部分を含む所定の物質（２１３）が撮像されて得られる。第２参照画像（４２２）は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が閾値以上である所定の物質（２１４）が撮像されて得られる。スペクトル補正モデルは、検査対象画像（４２０）において、検査対象（２１６）の像（２２４）のスペクトル（３１５）に、背景（２１７）の像（２２５）のスペクトル（３１６）に基づく補正を行うための機械学習モデルである。検査対象画像（４２０）は、検査対象（２１６）と背景（２１７）とを含む被写体（４１０）を４以上の波長域で撮像されて得られる。

【0145】

第１１の態様に係るモデル生成システム（１２０）によれば、材質が同一で寸法が異なる２つのスペクトルである第１の参照スペクトル（３２１）と第２の参照スペクトル（３２２）とに基づいて、補正モデルが生成される。本補正モデルを使用することで、検査対象（２１６）の像（２２４）のスペクトル（３１５）における背景（２１７）の像（２２５）のスペクトル（３１６）の影響を軽減する補正を行うことができる。

【0146】

第１２の態様に係る判定システム（１１０）は、補正モデル取得部（５０）と、検査画像取得部（３１）と、スペクトル補正部（３２）と、スペクトル判定部（３３）と、結果出力部（４０）と、を備える。補正モデル取得部（５０）は、第１１の態様に係るモデル生成システム（１２０）からスペクトル補正モデルを取得する。検査画像取得部（３１）は、検査対象（２１６）と背景（２１７）とを含む被写体（４１０）が４以上の波長域で撮像されて得られた検査対象画像（４２０）を取得する。スペクトル補正部（３２）は、スペクトル補正モデルを用いて、検査対象画像（４２０）における検査対象（２１６）の像（２２４）のスペクトルである第１のスペクトル（３１５）を補正して第２のスペクトル（３１７）を生成する。スペクトル判定部（３３）は、第２のスペクトル（３１７）に基づいて、検査対象（２１６）が第１の物質であるか否かを判定する。結果出力部（４０）は、スペクトル判定部（３３）の判定の結果を出力する。

【0147】

第１２の態様に係る判定システム（１１０）によれば、背景（２１７）の像（２２５）のスペクトル（３１６）が、検査対象（２１６）が第１の物質か否かを判定する精度に与える影響を軽減することができる。したがって、検査対象（２１６）の特定精度を向上することができる。

【0148】

第１３の態様に係る検査方法は、検査対象画像（４２０）を取得し、検査対象画像（４２０）における検査対象（２１６）の像（２２４）のスペクトルである第１のスペクトル（３１５）に、背景（２１７）の像（２２５）のスペクトル（３１６）に基づく補正を行って第２のスペクトル（３１７）を生成し、第２のスペクトル（３１７）に基づいて、検査対象（２１６）が所定の物質か否かを判定し、判定の結果を出力する。検査対象画像（４２０）は、検査対象（２１６）と背景（２１７）とを含む被写体（４１０）が４以上の波長域で撮像されて得られる。

【0149】

第１３の態様に係る検査方法によれば、背景（２１７）の像（２２５）のスペクトル（３１６）が、検査対象（２１６）が第１の物質か否かを判定する精度に与える影響を軽減することができる。したがって、検査対象（２１６）の特定精度を向上することができる。

【0150】

第１４の態様に係るプログラムは、第１３の態様に係る検査方法を、１又は複数のプロセッサに実行させる、プログラムである。

【0151】

第１４の態様に係るプログラムによれば、プログラムを実行するプロセッサが、検査システム（１００；１３０）として機能する。したがって、プロセッサが実行する検査方法により、背景（２１７）の像（２２５）のスペクトル（３１６）が、検査対象（２１６）が第１の物質か否かを判定する精度に与える影響を軽減することができる。したがって、検査対象（２１６）の特定精度を向上することができる。

【0152】

第１５の態様に係るモデル生成方法は、第１参照画像（４２１）と第２参照画像（４２２）とを取得し、第１の参照スペクトル（３２１）と、第２の参照スペクトル（３２２）と、に基づく教師データを用いて、スペクトル補正モデルを生成する。第１参照画像（４２１）と第２参照画像（４２２）とは、寸法、形状、及び、配置のうち少なくとも１つが既知である所定の物質と、背景（２１５）とが、４以上の波長域で撮像されて得られる。第１の参照スペクトル（３２１）は、第１参照画像（４２１）における所定の物質（２１３）の像（２２１）のスペクトルである。第２の参照スペクトル（３２２）は、第２参照画像（４２２）における所定の物質（２１４）の像（２２２）のスペクトルである。第１参照画像（４２１）は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が閾値未満である部分を含む所定の物質（２１３）が撮像されて得られる。第２参照画像（４２２）は、寸法、形状、及び、配置のうち少なくとも１つが既知であって、かつ、幅が閾値以上である部分を含む所定の物質（２１４）が撮像されて得られる。スペクトル補正モデルは、検査対象画像（４２０）において、検査対象（２１６）の像（２２４）のスペクトル（３１５）に、背景（２１７）の像（２２５）のスペクトル（３１６）に基づく補正を行うための機械学習モデルである。検査対象画像（４２０）は、検査対象（２１６）と背景（２１７）とを含む被写体（４１０）を４以上の波長域で撮像されて得られる。

【0153】

第１５の態様に係るモデル生成方法によれば、材質が同一で寸法が異なる２つのスペクトルである第１の参照スペクトル（３２１）と第２の参照スペクトル（３２２）とに基づいて、補正モデルが生成される。本補正モデルを使用することで、検査対象（２１６）の像（２２４）のスペクトル（３１５）における背景（２１７）の像（２２５）のスペクトル（３１６）の影響を軽減する補正を行うことができる。

【0154】

第１６の態様に係るプログラムは、第１５の態様に係るモデル生成方法を、１又は複数のプロセッサに実行させる、プログラムである。

【0155】

第１６の態様に係るプログラムによれば、プログラムを実行するプロセッサが、モデル生成システム（１２０）として機能する。したがって、プロセッサが実行するモデル生成方法により、材質が同一で寸法が異なる２つのスペクトルである第１の参照スペクトル（３２１）と第２の参照スペクトル（３２２）とに基づいて、補正モデルが生成される。本補正モデルを使用することで、検査対象（２１６）の像（２２４）のスペクトル（３１５）における背景（２１７）の像（２２５）のスペクトル（３１６）の影響を軽減する補正を行うことができる。

【符号の説明】

【0156】

１００、１３０ 検査システム
１１０ 判定システム
１２０ モデル生成システム
１１ 参照画像取得部
１２ 補正モデル生成部
１１０ 判定システム
３１ 検査画像取得部
３２ スペクトル補正部
３３ スペクトル判定部
４０ 結果出力部
５０ 補正モデル取得部
２１３、２１４ 第２の物質（所定の物質）
２１６ 検査対象
２１５、２１７ 背景
２２１、２２２ 第２の物質の像
２２４ 検査対象の像
２２３、２２５ 背景の像
３１５ 第１のスペクトル
３１６ 背景の像のスペクトル
３１７ 第２のスペクトル
３２１ 第１の参照スペクトル
３２２ 第２の参照スペクトル
４１０ 被写体
４２０ 検査対象画像
４２１ 第１参照画像
４２２ 第２参照画像

【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】