[发明专利]学习处理装置及检查装置

说明书

本发明为一种学习处理装置，是根据拍摄了检查对象物的图像数据和神经网络模型而构建在检查对象物的检查中使用的神经网络模型的学习处理装置(30)，学习处理装置(30)具有：学习部(30)，其根据包含多个学习用图像的图像数据的列表，以规定的学习条件实施学习处理来构建神经网络模型，学习部(30)在每次构建神经网络模型时，在该神经网络模型中嵌入固有的模型识别数据。

技术领域

本发明涉及一种构建在检查中使用的神经网络模型的学习处理装置以及具有学习处理功能的检查装置。

背景技术

以往，已知一种为了对检查对象物进行检查而使用拍摄图像的检查装置。例如，已知一种在制造装入容器的药剂时，使用图像对药剂用容器的裂纹、容器内的异物的有无进行检查的检查装置。在该检查中使用的软件例如使用基于规则的图像识别处理，并具有将用于执行规定的检查的处理步骤以及设定的参数等作为检查处理条件进行管理的功能。例如，在制药行业中，为了使制造业者符合在适当制造规范(GMP：Good ManufacturingPractice)中规定的指导方针，软件需要能够确认生成、验证完成的检查处理条件是否与在药剂制造时使用的检查处理条件相同以及有效。

另一方面，近年来，使用了神经网络的检查装置也正在实用化。例如，在专利文献1中公开了一种检查装置，将拍摄了检查对象物的检查图像的一部分作为输入图像切出，根据检查图像中的输入图像的切出位置，将对于输入图像的检查结果产生影响的检查用标记嵌入到输入图像中，将嵌入了检查用标记的输入图像输入到神经网络中，使用神经网络的输出来判断输入图像的检查结果。

此外，在专利文献2中公开了一种图像检查装置，根据包含检查对象物的学习用图像实施神经网络的学习，构建输出学习用图像的特征量的学习完毕的神经网络，通过学习而生成根据学习完毕的神经网络输出的学习用图像的特征量判断检查对象物的良好与否的识别器，将包含检查对象物的判断用图像输入到学习完毕的神经网络并输出判断用图像的特征量，将判断用图像的特征量输入到识别器，实施检查对象物的良好与否的判断。

在先技术文献

专利文献

专利文献1：日本特开2019-505802号公报；

专利文献2：日本特开2019-87181号公报。

发明内容

发明要解决的问题

如上所述，在使用神经网络来代替基于规则的图像识别处理的检查方法的情况下，由于用户不能够理解神经网络模型的结构，所以难以对生成、验证完毕的神经网络模型与在检查阶段使用的神经网络模型是否相同、或者该神经网络模型是否为有效进行验证。

用于解决问题的方法

根据本发明的一个方式，提供了一种学习处理装置，是根据拍摄了检查对象物的图像数据和神经网络模型而构建在检查对象物的检查中使用的神经网络模型的学习处理装置，具有：学习部，其根据包含多个学习用图像的图像数据的列表，以规定的学习条件实施学习处理来构建神经网络模型，学习部在每次构建神经网络模型时，在该神经网络模型中嵌入固有的模型识别数据。

此外，根据本发明的另一个方式，提供了一种检查装置，是根据设定的检查处理条件的数据文件而对检查对象物进行检查的检查装置，具有：学习部，其根据包含多个学习用图像的图像数据的列表，以规定的学习条件实施学习处理来构建神经网络模型；处理条件设定部，其生成应用了被构建的神经网络模型的检查处理条件的数据文件；检查部，其根据检查处理条件的数据文件，并根据拍摄了检查对象物的图像数据和神经网络模型，判断检查对象物的异常，学习部在每次构建神经网络模型时，附加固有的模型识别数据来构建神经网络模型，处理条件设定部在每次应用的神经网络模型被改变时，附加固有的条件识别数据来生成检查处理条件数据。

发明的效果

如上所述，根据本发明，在使用神经网络模型来构建在检查对象的检查中使用的神经网络模型的学习处理装置中，能够容易地对生成、验证完毕的神经网络模型与在检查阶段使用的神经网络模型是否相同进行验证。