[发明专利]图像判定装置、图像判定方法及图像判定程序

说明书

本发明提供一种图像判定装置等，即便在进行学习模型的追加学习的情况下，也明确由学习模型的何种变更导致判定结果变化。图像判定装置包括：一个或多个特征提取器，分别基于检查对象的图像而输出表示图像的特定特征的特征数据；第一学习部，使第一判定器以下述方式进行学习，即，基于将第一学习图像输入至一个或多个特征提取器时输出的第一特征数据，输出表示与第一学习图像关联的第一标签数据的第一输出数据；第二学习部，使第二判定器以下述方式进行学习，即，基于将第二学习图像输入至一个或多个特征提取器时输出的第二特征数据，输出表示与第二学习图像关联的第二标签数据的第二输出数据；以及输出部，基于第一输出数据及第二输出数据，输出表示与图像有关的综合判定结果的输出数据。

技术领域

本发明涉及一种图像判定装置、图像判定方法及图像判定程序。

背景技术

以往，在工厂自动化(Factory Automation，FA)领域中，将使用图像处理的自动控制广泛地加以实用。例如，已实现如下工序：拍摄工件等检查对象，基于从所述拍摄的图像中提取的特征量，检查所述工件是否良好。

例如专利文献1中公开了下述装置，此装置使用识别器的输出结果来判定检查对象有无缺陷，所述识别器将在多个拍摄条件下拍摄的检查对象的图像用于学习用数据进行了学习。具体而言，专利文献1所记载的装置具有：学习用提取部件，从至少两个图像中分别提取所述图像的特征量，所述至少两个图像基于在至少两个不同的拍摄条件下对已知外观是否良好的对象物进行拍摄所得的图像；选择部件，从涵盖由所述学习用提取部件从所述至少两个图像中提取的特征量的、特征量中，选择用于判定对象物是否良好的特征量；以及生成部件，基于由所述选择部件所选择的所述特征量，生成判定对象物是否良好的识别器。

现有技术文献

专利文献

专利文献1：日本专利特开2017-49974号公报

发明内容

发明所要解决的问题

在根据检查对象的图像通过学习模型来进行缺陷有无或工件种类等的判定的情况下，有时使用新获取的图像或由学习模型进行了错误判定的图像来进行学习模型的追加学习。但是，若通过追加学习来更新学习模型的任意参数，则有时不明确通过追加学习对学习模型的何种部分施加了变更，而无法说明由学习模型的何种变更导致判定结果变化。

因此，本发明提供一种图像判定装置、图像判定方法及图像判定程序，即便在进行学习模型的追加学习的情况下，也明确由学习模型的何种变更导致判定结果变化。

解决问题的技术手段

本公开的一实施例的图像判定装置包括：一个或多个特征提取器，分别基于检查对象的图像而输出表示图像的特定特征的特征数据；第一判定器，基于从一个或多个特征提取器输出的特征数据，输出表示与图像有关的判定结果的第一输出数据；第二判定器，基于从一个或多个特征提取器输出的特征数据，输出表示与图像有关的判定结果的第二输出数据；第一学习部，使用包含第一学习图像及第一标签数据的学习数据，使第一判定器以下述方式进行学习，即，基于将第一学习图像输入至一个或多个特征提取器时输出的第一特征数据，输出表示与第一学习图像关联的第一标签数据的第一输出数据；第二学习部，在追加了包含第二学习图像及第二标签数据的新的学习数据的情况下，使第二判定器以下述方式进行学习，即，基于将第二学习图像输入至一个或多个特征提取器时输出的第二特征数据，输出表示与第二学习图像关联的第二标签数据的第二输出数据；以及输出部，基于第一输出数据及第二输出数据，输出表示与图像有关的综合判定结果的输出数据，所述第一输出数据是由第一判定器基于将图像输入至一个或多个特征提取器时输出的特征数据而输出，所述第二输出数据是由第二判定器基于将图像输入至一个或多个特征提取器时输出的特征数据而输出。

根据所述实施例，通过追加学习而新生成第二判定器并追加，并将第一判定器及第二判定器作出的判定综合，由此即便在进行学习模型的追加学习的情况下，也明确由学习模型的何种变更导致判定结果变化。