[发明专利]图像判定装置、学习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，也明确着眼于图像的何种特征获得了判定结果。图像判定装置包括：一个或多个特征提取器，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；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输出数据；以及学习部，使用包含学习图像及标签数据的学习数据，使判定器以下述方式进行学习，即，基于将学习图像输入至一个或多个特征提取器时输出的特征数据，输出表示与学习图像关联的标签数据的输出数据，并且学习部使用新的学习数据，使判定器以下述方式进行追加学习，即，由判定器输出表示与图像关联的标签数据的输出数据。

技术领域

本发明涉及一种图像判定装置、学习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，有时明确着眼于图像的何种特征获得了判定结果。但是，在使用新获得的学习数据进行学习模型的追加学习的情况下，不明确是否着眼于当初设想的特征进行判定，有时无法说明着眼于图像的何种特征获得了判定结果。

因此，本发明提供一种图像判定装置、学习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，也明确着眼于图像的何种特征获得了判定结果。

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；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输出数据；以及学习部，使用包含学习图像及标签数据的学习数据，使判定器以下述方式进行学习，即，基于将学习图像输入至一个或多个特征提取器时输出的特征数据，输出表示与学习图像关联的标签数据的输出数据，并且学习部使用新的学习数据，使判定器以下述方式进行追加学习，即，基于将新的学习数据所含的检查对象的图像输入至一个或多个特征提取器时输出的特征数据，由判定器输出表示与图像关联的标签数据的输出数据。

根据所述实施例，一个或多个特征提取器分别提取图像的特定特征，因而即便通过追加学习而更新了判定器，也明确着眼于图像的何种特征获得了判定结果。由此，即便在进行学习模型的追加学习的情况下，也明确着眼于图像的何种特征获得了判定结果。

所述实施例中，学习部也可通过执行判定器的参数的更新以及输入至判定器的特征数据的权重的更新中的至少任一个，从而进行判定器的追加学习。

根据所述实施例，可通过追加学习以更高精度地获得判定结果的方式更新判定器。

所述实施例中，学习部也可与判定器的追加学习一并，更新一个或多个特征提取器的一部分特征提取器的参数。