JP6810505B2 - 教師データ作成方法及び装置並びに欠陥検査方法及び装置 - Google Patents

Description

本発明は教師データ作成方法及び装置並びに欠陥検査方法及び装置に係り、特に欠陥検査装置の学習に使用される教師データを作成する教師データ作成方法及び装置、並びに教師データを用いた学習を伴う欠陥検査方法及び装置に関する。

特許文献１には、被検物の欠陥の有無を検査する欠陥検査装置が開示されている。特許文献１では、人工欠陥画像にバンドパスフィルタを通して特定の周波数成分を検出し、人工欠陥画像をニューラルネットワーク部に学習させることにより、学習パターンのサンプル不足を補うようになっている（［００３１］から［００３２］）。

特許文献２には、繰り返しパターンを有する物体の欠陥検査装置が開示されている。特許文献２では、フーリエ変換された光から空間周波数フィルタにより繰り返しパターンを除去するようになっている（［０００８］）。

特許文献３には、被検査物を照明して撮像することにより取得した検査画像に基づいて被検査物の良否を判定する欠陥検査方法が開示されている。特許文献３では、汎化能力を持つニューラルネットワークを利用することにより、より少ない教師データで高精度な欠陥検査を行うようになっている（［００４０］）。

特開２００４−３５４２５１号公報 特開平０９−０２１７５７号公報 特開２００４−１９１１１２号公報

石油の輸送等に用いられる配管等の設備は、一度事故が発生すると社会に重大なダメージを与える。このような配管等の設備は分解して検査することが困難である。このため、このような配管等の設備に対する検査は、検査対象の配管等に対する光線又は放射線の照射を伴う非破壊検査によって行われる。非破壊検査においては、検査対象の配管等に光線又は放射線を照射することにより得られた配管等の画像を読影者が読影することにより欠陥の検査を行う。

欠陥の種類としては、シミ、ヒビ、欠け、異物及び異種金属の混入に起因する欠陥、鋳造時の鋳型への空気の混入に起因する欠陥等がある。欠陥は、個別に形状及びサイズが異なっており、かつ、一画像から多数の欠陥が検出されることがある。このため、画像中の欠陥を漏れなく検査するためにはかなりの時間がかかる。

画像を用いた欠陥の検査を効率化するために、機械学習（Machine Learning）を利用することが考えられる。

配管等の検査対象の物体（以下、被検査体という。）を撮像した画像では、被検査体の形状、肉厚及び材質等によって輝度が異なるため、同じ種類の欠陥を撮像した画像であっても、欠陥の発生箇所に応じて濃淡が異なる場合がある。このため、機械学習を利用した欠陥の検査において検査の精度を確保するためには、欠陥の種類ごとに、多様な濃淡のバリエーションに対応する欠陥のサンプル画像を多数収集する必要がある。

しかしながら、例えば、発生頻度が低い欠陥の場合、又は検査対象の物体が機密に属する場合等には、欠陥のサンプル画像を多数入手することが困難である。欠陥の中には、発生頻度は低いものの、一部品の欠陥により設備全体に重大な影響が生じ得るものもある。このため、欠陥のサンプル画像を十分に入手することができない場合であっても、欠陥を漏れなく発見することが求められる。

本発明はこのような事情に鑑みてなされたもので、教師データの作成に使用する欠陥のサンプルの数が少ない場合であっても、欠陥検査の精度を確保することが可能な教師データ作成方法及び装置並びに欠陥検査方法及び装置を提供することを目的とする。

上記課題を解決するために、本発明の第１の態様に係る教師データ作成方法は、欠陥を有する被検査体に光線又は放射線を照射することにより得られた被検査体からの反射光又は透過光に基づいて作成された受光画像を含むトレーニング用画像を取得するトレーニング用画像取得ステップと、トレーニング用画像に対して周波数分布解析を実行する周波数分布解析ステップと、周波数帯域を指定するためのパラメータの入力を受け付ける入力ステップと、パラメータにより指定された周波数帯域に従って、周波数分布解析の解析結果から周波数帯域信号を選択する周波数帯域選択ステップと、周波数帯域信号に対応する画像に対して、欠陥を示す欠陥情報を取得し、欠陥情報に基づいて、被検査体の欠陥を検査するための欠陥検査装置の学習に使用される教師データを作成する教師データ作成ステップとを備える。

第１の態様によれば、トレーニング用画像に対して周波数分布解析を実行し、周波数分布解析の解析結果から周波数帯域信号を選択することにより、選択した周波数帯域信号に対応して濃淡が規格化された画像を得ることができる。この濃淡が規格化された画像を用いることにより、教師データの作成に使用するトレーニング用画像、すなわち、欠陥のサンプルの画像の数が少ない場合であっても、欠陥検査の精度を確保することが可能になる。

本発明の第２の態様に係る教師データ作成方法は、第１の態様において、周波数帯域選択ステップにおいて選択した周波数帯域信号に対応する画像を表示部に表示する表示ステップを更に備え、教師データ作成ステップでは、表示部に表示された周波数帯域信号に対応する画像に対して、欠陥か非欠陥かを示す指示の入力を受け付け、指示に基づいて教師データを作成するようにしたものである。

第２の態様は、周波数帯域信号に対応する画像の読影者からの指示入力に基づいて、教師データを作成するものである。

本発明の第３の態様に係る教師データ作成方法は、第１の態様において、トレーニング用画像取得ステップでは、トレーニング用画像に含まれる被検査体の欠陥を示す欠陥情報がトレーニング用画像と関連づけられて記憶部に格納され、教師データ作成ステップでは、トレーニング用画像と関連づけられて格納された欠陥情報を取得して、欠陥情報に基づいて教師データを作成するようにしたものである。

本発明の第４の態様に係る教師データ作成方法は、第３の態様において、教師データ作成ステップでは、被検査体の欠陥の種類及び欠陥の位置のうちの少なくとも１つを含む欠陥情報を取得するようにしたものである。

第３及び第４の態様は、トレーニング用画像に付属していた欠陥情報に基づいて、教師データを作成するものである。

本発明の第５の態様に係る教師データ作成方法は、第１から第４の態様のいずれかにおいて、被検査体の材質及び被検査体における欠陥に対応する複数のバンドパスフィルタの登録を受け付けるステップを更に備え、入力ステップでは、複数のバンドパスフィルタの中から、周波数帯域信号の選択に使用するバンドパスフィルタを指定するパラメータの入力を受け付け、周波数帯域選択ステップでは、パラメータにより指定されたバンドパスフィルタを用いて周波数帯域信号を選択するようにしたものである。

本発明の第６の態様に係る教師データ作成方法は、第５の態様において、入力ステップでは、被検査体の材質に応じて周波数帯域信号の選択に使用するバンドパスフィルタが指定されるようにしたものである。

第５及び第６の態様によれば、被検査体の材質及び欠陥に応じてバンドパスフィルタを指定することにより、被検査体の材質及び欠陥ごとに、濃淡が規格化された画像を得ることができる。

本発明の第７の態様に係る教師データ作成方法は、第１から第６の態様のいずれかにおいて、教師データ作成ステップでは、トレーニング用画像から選択された周波数帯域信号と、欠陥情報を含む教師データが作成されるようにしたものである。

本発明の第８の態様に係る欠陥検査方法は、第１から第７の態様のうちのいずれかの態様に係る教師データ作成方法により作成された教師データを用いて欠陥検査装置における学習を行うステップと、検査対象の被検査体に光線又は放射線を照射することにより得られた検査対象の被検査体からの反射光又は透過光に基づいて作成された検査対象画像を取得するステップと、学習を行った欠陥検査装置により検査対象画像における欠陥を検出する欠陥検査ステップとを備える。

第８の態様によれば、濃淡が規格化された画像を用いることにより、教師データの作成に使用するトレーニング用画像のサンプルの数が少ない場合であっても、欠陥検査の精度を確保することが可能になる。

本発明の第９の態様に係る欠陥検査方法は、第８の態様において、欠陥検査ステップが、検査対象画像に対して周波数分布解析を実行するステップと、検査対象画像に対する周波数分布解析の解析結果から周波数帯域信号を選択するステップと、検査対象画像に対する周波数分布解析の解析結果から選択された周波数帯域信号と、教師データに基づいて、検査対象画像における欠陥を検出するステップとを備える。

第９の態様によれば、トレーニング用画像と同様に、検査対象画像の濃淡を規格化することにより、欠陥検査の精度を確保することが可能になる。

本発明の第１０の態様に係る教師データ作成装置は、欠陥を有する被検査体に光線又は放射線を照射することにより得られた被検査体からの反射光又は透過光に基づいて作成された受光画像を含むトレーニング用画像を取得するトレーニング用画像取得部と、トレーニング用画像に対して周波数分布解析を実行する周波数分布解析部と、周波数帯域を指定するためのパラメータの入力を受け付ける入力部と、パラメータにより指定された周波数帯域に従って、周波数分布解析の解析結果から周波数帯域信号を選択する周波数帯域選択部と、周波数帯域信号に対応する画像に対して、欠陥を示す欠陥情報を取得する欠陥情報取得部と、欠陥情報に基づいて、被検査体の欠陥を検査するための欠陥検査装置の学習に使用される教師データを作成する教師データ作成部とを備える。

本発明の第１１の態様に係る欠陥検査装置は、第１０の態様に係る教師データ作成装置と、検査対象の被検査体に光線又は放射線を照射することにより得られた検査対象の被検査体からの反射光又は透過光に基づいて作成された検査対象画像を取得する検査対象画像取得部と、教師データ作成装置により作成された教師データを用いて学習を行い、検査対象画像における欠陥を検出する欠陥検査部とを備える。

本発明によれば、トレーニング用画像に対して周波数分布解析を実行し、周波数分布解析の解析結果から周波数帯域信号を選択することにより、選択した周波数帯域信号に対応して濃淡が規格化された画像を得ることができる。この濃淡が規格化された画像を用いることにより、教師データの作成に使用するトレーニング用画像、すなわち、欠陥のサンプルの画像の数が少ない場合であっても、欠陥検査の精度を確保することが可能になる。

図１は、本発明の第１の実施形態に係る欠陥検査システムを示すブロック図である。 図２は、本発明の第１の実施形態に係る教師データ作成装置を示すブロック図である。 図３は、本発明の第１の実施形態に係る欠陥検査装置を示すブロック図である。 図４は、本発明の第１の実施形態に係る欠陥検査システムのうち教師データの作成及び教師データを用いた学習に係る構成を抽出して示すブロック図である。 図５は、トレーニング用画像の例を示す図である。 図６は、変換後の画像の例を示す図である。 図７は、トレーニング用画像中の欠陥の画像と変換後の画像中の欠陥の画像とを対比して示す図である。 図８は、周波数分布解析に関する説明図である。 図９は、バンドパスフィルタに関する説明図である。 図１０は、バンドパスフィルタを適用した画像の第１の例を示す図である。 図１１は、バンドパスフィルタを適用した画像の第２の例を示す図である。 図１２は、バンドパスフィルタを適用した画像の第３の例を示す図である。 図１３は、教師データを模式的に示す図である。 図１４は、教師データを簡略化して示す図である。 図１５は、撮像システムの例を示すブロック図である。 図１６は、本発明の第１の実施形態に係る教師データの作成、及び作成した教師データを用いた欠陥判定器の学習の処理の流れを示すフローチャートである。 図１７は、図１６の周波数帯域選択ステップにおける処理の流れを示すフローチャートである。 図１８は、図１６の欠陥情報取得ステップにおける処理の流れを示すフローチャートである。 図１９は、図１６の欠陥情報取得ステップにおける処理の流れの別の例を示すフローチャートである。 図２０は、本発明の第１の実施形態に係る欠陥検査方法における処理の流れを示すフローチャートである。 図２１は、本発明の第２の実施形態に係る欠陥検査システムを示すブロック図である。

以下、添付図面に従って本発明に係る教師データ作成方法及び装置並びに欠陥検査方法及び装置の実施の形態について説明する。

［第１の実施形態］
［欠陥検査システムの構成］
図１は、本発明の第１の実施形態に係る欠陥検査システムを示すブロック図である。

図１に示すように、本実施形態に係る欠陥検査システム１０は、工業製品等の検査対象の物体（以下、被検査体という。）に対して、機械学習を伴う欠陥の検査を行うものであり、教師データ作成装置１００と、欠陥検査装置２００とを備える。

教師データ作成装置１００は、トレーニング用画像Ｐ１０の入力を受け付けて、トレーニング用画像Ｐ１０に基づいて、欠陥判定器１２６（図４参照）の学習に使用する教師データ（図１３及び図１４参照）を作成する。ここで、トレーニング用画像Ｐ１０とは、欠陥の発生のサンプルを含む画像であり、欠陥検査装置２００により検査すべき被検査体ＯＢＪと、同一又は類似する工業製品等を撮像して得られた画像である。トレーニング用画像Ｐ１０は、被検査体の使用中に自然に欠陥が発生した被検査体を撮像した画像であってもよいし、人工的に欠陥を付加した被検査体を撮像した画像であってもよい。トレーニング用画像Ｐ１０としては、例えば、被検査体が取り付けられる施設等の設計者又は運営者からサンプルとして提供されるものを用いることができる。

教師データ作成装置１００は、学習後の欠陥判定器２２２（図４参照）を、学習結果として欠陥検査装置２００に転送する。

撮像システム３００は、欠陥検査装置２００により検査すべき被検査体ＯＢＪの画像を撮像する。撮像システム３００は、被検査体ＯＢＪに対して放射線を照射し、被検査体ＯＢＪによって反射された反射光又は被検査体ＯＢＪを透過した透過光に基づいて、被検査体ＯＢＪの画像を撮像する。

欠陥検査装置２００は、学習後の欠陥判定器２２２（図４参照）を用いて、撮像システム３００等によって撮像された被検査体ＯＢＪの画像である被検査体画像Ｐ３０に欠陥が含まれているかどうかを検査する。欠陥検査装置２００は、被検査体画像Ｐ３０に欠陥が含まれている場合に、学習後の欠陥判定器２２２（図４参照）を用いて、その欠陥の位置及び種類を特定する。

［教師データ作成装置の構成］
次に、本実施形態に係る教師データ作成装置１００について、図２を参照して説明する。図２は、教師データ作成装置１００を示すブロック図である。

図２に示すように、本実施形態に係る教師データ作成装置１００は、制御部１０２、操作部１０４、メモリ１０６、記録部１０８、表示部１１０、通信インターフェース（通信Ｉ／Ｆ：interface）１１２、トレーニング用画像取得部１１４、周波数分布解析部１１６、周波数帯域選択部１１８、欠陥情報取得部１２０、教師データ作成部１２２及び学習部１２４を備える。

制御部１０２は、教師データ作成装置１００の各部の動作を制御するＣＰＵ（Central Processing Unit）を含んでいる。制御部１０２は、バスＢ１０を介して、教師データ作
成装置１００の各部との間で制御信号及びデータの送受信が可能となっている。制御部１０２は、操作部１０４を介してオペレータからの操作入力を受け付け、バスＢ１０を介してこの操作入力に応じた制御信号を教師データ作成装置１００の各部に送信して各部の動作を制御する。

操作部１０４は、オペレータからの操作入力を受け付ける入力装置であり、文字入力等のためのキーボード、表示部１１０に表示されるポインタ及びアイコン等を操作するためのポインティングデバイス（例えば、マウス、トラックボール等）を含んでいる。なお、操作部１０４としては、キーボード及びポインティングデバイスに代えて、又は、キーボード及びポインティングデバイスに加えて、表示部１１０の表面にタッチパネルを設けてもよい。

メモリ１０６は、制御部１０２等により行われる各種演算のための作業領域として使用されるＲＡＭ（Random Access Memory）、及び表示部１１０に出力される画像データを一時記憶するための領域として使用されるＶＲＡＭ（Video Random Access Memory）を含んでいる。

記録部１０８は、トレーニング用画像Ｐ１０及び制御部１０２が使用する制御プログラム等を含むデータを格納する。記録部１０８としては、例えば、ＨＤＤ（Hard Disk Drive）等の磁気ディスクを含む装置、ｅＭＭＣ（embedded Multi Media Card）、ＳＳＤ（Solid State Drive）等のフラッシュメモリを含む装置等を用いることができる。

表示部１１０は、画像を表示するための装置である。表示部１１０としては、例えば、液晶モニタを用いることができる。

通信Ｉ／Ｆ１１２は、ネットワークを介して外部装置との間で通信を行うための手段である。教師データ作成装置１００と外部装置との間のデータの送受信方法としては、有線通信又は無線通信（例えば、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、インターネット接続等）を用いることができる。

トレーニング用画像取得部１１４は、通信Ｉ／Ｆ１１２を介してトレーニング用画像Ｐ１０の入力を受け付けることが可能となっている。なお、トレーニング用画像Ｐ１０を教師データ作成装置１００に入力する方法は、ネットワークを介した通信に限定されるものではない。例えば、ＵＳＢ（Universal Serial Bus）ケーブル、Bluetooth（登録商標）、赤外線通信等を用いてもよいし、トレーニング用画像Ｐ１０を、教師データ作成装置１００に着脱及び読取可能な記録媒体（例えば、メモリカード）に格納し、トレーニング用画像取得部１１４は、この記録媒体を介してトレーニング用画像Ｐ１０の入力を受け付けるようにしてもよい。

周波数分布解析部１１６は、トレーニング用画像Ｐ１０に対して周波数分布解析を実行する。周波数分布解析部１１６は、トレーニング用画像Ｐ１０に対して、フーリエ変換、例えば、ＦＦＴ（Fast Fourier Transform）、又は離散コサイン変換（ＤＣＴ：Discrete Cosine Transform）を施して、トレーニング用画像Ｐ１０を周波数成分ごとの周波数帯域信号に分解する。そして、周波数分布解析部１１６は、トレーニング用画像Ｐ１０から取得した周波数帯域信号から、大域的な濃淡の分布、例えば、低周波の濃淡の変化を除去して、欠陥に起因する濃淡差を、基準濃度（例えば、グレー５０％）を中心とした濃淡差に規格化する。

周波数帯域選択部１１８は、トレーニング用画像Ｐ１０に含まれる被検査体の材質と、被検査体において検査すべき欠陥の種類に応じて、周波数分布解析部１１６による解析結果から、教師データの作成に使用する周波数帯域信号を選択する。

欠陥情報取得部１２０は、周波数帯域選択部１１８により選択された周波数帯域信号に対応する画像に含まれる欠陥を示す欠陥情報を取得する。

教師データ作成部１２２は、欠陥情報に基づいて、変換後の画像Ｐ２０から個別の欠陥の画像Ｐ２０−１、Ｐ２０−２、Ｐ２０−３、…、Ｐ２０−ｎを切り出す。そして、教師データ作成部１２２は、個別の欠陥の画像Ｐ２０−１、Ｐ２０−２、Ｐ２０−３、…、Ｐ２０−ｎを入力とし、欠陥の種類を出力とする教師データを作成する。

学習部１２４は、教師データ作成部１２２により作成された教師データを用いて欠陥判定器１２６（図４参照）に学習を行わせる。学習部１２４は、学習後の欠陥判定器２２２（図４参照）を欠陥検査装置２００に転送する。

なお、トレーニング用画像取得部１１４、周波数分布解析部１１６、周波数帯域選択部１１８、欠陥情報取得部１２０、教師データ作成部１２２及び学習部１２４の機能の全部又は一部は、専用の電気回路により構築されていてもよいし、制御部１０２のＣＰＵにより実現される機能として構築されていてもよい。

［欠陥検査装置の構成］
次に、本実施形態に係る欠陥検査装置２００について、図３を参照して説明する。図３は、欠陥検査装置２００を示すブロック図である。

図３に示すように、本実施形態に係る欠陥検査装置２００は、制御部２０２、操作部２０４、メモリ２０６、記録部２０８、表示部２１０、通信インターフェース（通信Ｉ／Ｆ：interface）２１２、検査対象画像取得部２１４、周波数分布解析部２１６、周波数帯域選択部２１８及び欠陥検査部２２０を備える。

制御部２０２は、欠陥検査装置２００の各部の動作を制御するＣＰＵ（Central Processing Unit）を含んでいる。制御部２０２は、バスＢ２０を介して、欠陥検査装置２００
の各部との間で、制御信号及びデータの送受信が可能となっている。制御部２０２は、操作部２０４を介してオペレータからの操作入力を受け付け、バスＢ２０を介してこの操作入力に応じた制御信号を欠陥検査装置２００の各部に送信して各部の動作を制御する。

操作部２０４は、オペレータからの操作入力を受け付ける入力装置であり、文字入力等のためのキーボード、表示部２１０に表示されるポインタ及びアイコン等を操作するためのポインティングデバイス（例えば、マウス、トラックボール等）を含んでいる。なお、操作部２０４としては、キーボード及びポインティングデバイスに代えて、又は、キーボード及びポインティングデバイスに加えて、表示部２１０の表面にタッチパネルを設けてもよい。

メモリ２０６は、制御部２０２等により行われる各種演算のための作業領域として使用されるＲＡＭ（Random Access Memory）、及び表示部２１０に出力される画像データを一時記憶するための領域として使用されるＶＲＡＭ（Video Random Access Memory）を含んでいる。

記録部２０８は、検査対象の被検査体ＯＢＪを撮像して得られた被検査体画像Ｐ３０及び制御部２０２が使用する制御プログラム等を含むデータを格納する。記録部２０８としては、例えば、ＨＤＤ（Hard Disk Drive）等の磁気ディスクを含む装置、ｅＭＭＣ（embedded Multi Media Card）、ＳＳＤ（Solid State Drive）等のフラッシュメモリを含む装置等を用いることができる。

表示部２１０は、画像を表示するための装置である。表示部２１０としては、例えば、液晶モニタを用いることができる。

通信Ｉ／Ｆ２１２は、ネットワークを介して外部装置との間で通信を行うための手段である。欠陥検査装置２００と外部装置との間のデータの送受信方法としては、有線通信又は無線通信（例えば、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、インターネット接続等）を用いることができる。

検査対象画像取得部２１４は、通信Ｉ／Ｆ２１２を介して、撮像システム３００等によって撮像された被検査体ＯＢＪの画像である被検査体画像Ｐ３０の入力を受け付ける。なお、被検査体画像Ｐ３０を欠陥検査装置２００に入力する方法は、ネットワークを介した通信に限定されるものではない。例えば、ＵＳＢ（Universal Serial Bus）ケーブル、Bluetooth（登録商標）、赤外線通信等を用いてもよいし、被検査体画像Ｐ３０を、欠陥検査装置２００に着脱及び読取可能な記録媒体（例えば、メモリカード）に格納して、この記録媒体を介して欠陥検査装置２００に被検査体画像Ｐ３０を入力するようにしてもよい。

周波数分布解析部２１６は、被検査体画像Ｐ３０に対して周波数分布解析を実行する。周波数分布解析部２１６は、被検査体画像Ｐ３０に対して、フーリエ変換、例えば、ＦＦＴ（Fast Fourier Transform）、又は離散コサイン変換（ＤＣＴ：Discrete Cosine Transform）を施して、被検査体画像Ｐ３０を周波数成分ごとの周波数帯域信号に分解する。そして、周波数分布解析部２１６は、被検査体画像Ｐ３０から取得した周波数帯域信号から、大域的な濃淡の分布、例えば、低周波の濃淡の変化を除去して、欠陥に起因する濃淡差を、基準濃度（例えば、グレー５０％）を中心とした濃淡差に規格化する。

周波数帯域選択部２１８は、被検査体画像Ｐ３０に含まれる被検査体の材質と、被検査体において検査すべき欠陥の種類に応じて、周波数分布解析部２１６による解析結果から周波数帯域信号を選択する。

欠陥検査部２２０は、教師データ作成装置１００の学習部１２４から転送された欠陥判定器２２２（図４参照）を用いて欠陥の有無（欠陥又は非欠陥）及び種類の判定を行う。欠陥検査部２２０は、欠陥検査の結果を表示部２１０に表示させる。

なお、検査対象画像取得部２１４、周波数分布解析部２１６、周波数帯域選択部２１８及び欠陥検査部２２０の機能の全部又は一部は、専用の電気回路により構築されていてもよいし、制御部２０２のＣＰＵにより実現される機能として構築されていてもよい。

［教師データ作成及び学習に係る構成］
次に、教師データの作成及び教師データを用いた学習について、図４から図１４を参照して説明する。

図４は、欠陥検査システム１０のうち教師データの作成及び教師データを用いた学習に係る構成を抽出して示すブロック図である。

周波数分布解析部１１６は、トレーニング用画像取得部１１４により取得したトレーニング用画像Ｐ１０に対してＦＦＴを施す。そして、周波数分布解析部１１６は、トレーニング用画像Ｐ１０から取得した周波数帯域信号から、大域的な濃淡の分布、例えば、低周波の濃淡の変化を除去して、欠陥に起因する濃淡差を、基準濃度（例えば、グレー５０％）を中心とした濃淡差に規格化する。

周波数帯域選択部１１８は、トレーニング用画像Ｐ１０に含まれる被検査体の材質と、被検査体において検査すべき欠陥の種類に応じて、周波数分布解析部１１６による解析結果から、教師データの作成に使用する周波数帯域信号を選択する。

欠陥情報取得部１２０は、周波数帯域選択部１１８により選択された周波数帯域信号に対応する画像に含まれる欠陥を示す欠陥情報を取得する。

図５は、トレーニング用画像Ｐ１０の例を示す図であり、図６は、変換後の画像Ｐ２０の例を示す図である。図７は、トレーニング用画像Ｐ１０中の欠陥の画像と変換後の画像Ｐ２０中の欠陥の画像とを対比して示す図である。

図５に示すトレーニング用画像Ｐ１０の画像は、被検査体にＸ線を透過させた画像であり、被検体の形状、肉厚及び材質等に起因する輝度の差を含んでいる。このため、図７に示すように、トレーニング用画像Ｐ１０から切り出した欠陥の画像Ｐ１０−１、Ｐ１０−２、Ｐ１０−３、…、Ｐ１０−ｎにおいては、欠陥に起因する濃淡の変化が、被検体の形状、肉厚及び材質等に起因する輝度の差の影響を受けて変化している。したがって、トレーニング用画像Ｐ１０から切り出した欠陥の画像Ｐ１０−１、Ｐ１０−２、Ｐ１０−３、…、Ｐ１０−ｎを用いて学習を行う場合、欠陥検査の精度を確保するためには、欠陥の種類ごとに、多様な濃淡のバリエーションに対応する欠陥のサンプル画像を多数収集する必要が生じる。

これに対して、本実施形態に係る周波数分布解析部１１６は、トレーニング用画像Ｐ１０を、一例でグレー５０％を基準濃度とした２５６階調の濃淡差の画像に変換する。図６に示す変換後の画像Ｐ２０では、濃淡が規格化されており、被検体の形状、肉厚及び材質等に起因する輝度の差の影響が除去されている。このため、図７に示すように、変換後の画像Ｐ２０から切り出した欠陥の画像Ｐ２０−１、Ｐ２０−２、Ｐ２０−３、…、Ｐ２０−ｎにおいては、規格化された濃淡の下で、欠陥に起因する濃淡の変化が表れている。

本実施形態では、濃淡差が規格化された画像を用いることにより、教師データの作成に使用するトレーニング用画像Ｐ１０の数を削減しつつ、欠陥検査の精度を確保することが可能になる。

図８は、周波数分布解析に関する説明図である。図８（ａ）から図８（ｄ）において、横軸は周波数を示し、縦軸は信号の強度を示している。

図８（ａ）は、オリジナルのトレーニング用画像Ｐ１０を示す図である。図８（ａ）では、低周波の濃淡の変化等の大域的な濃淡の分布、すなわち、被検体の形状、肉厚及び材質等に起因する輝度の差が表れている。

まず、周波数分布解析部１１６は、図８（ａ）の強度分布にＦＦＴをかけて、低周波の濃淡の変化を除去する。これにより、図８（ｂ）に示すように、図８（ａ）の強度分布から、被検体の形状、肉厚及び材質等に起因する輝度の差の影響が除去される。

次に、周波数分布解析部１１６は、図８（ｂ）の強度分布において最大値及び最小値を調整する。周波数分布解析部１１６は、例えば、最大値と最小値との間の差が２５６階調となるように、強度分布の変換が行われる。この強度分布の変換は、図８（ｂ）の強度分布を縦軸方向に拡縮する線形変換により行ってもよい。

なお、線形変換では、最大値と最小値との間の微小な濃淡の変化に関する情報が失われてしまう場合には、非線形変換を行って、微小な濃淡の変化を残すようにしてもよい。具体的には、微小な濃淡の変化がある部分の縮小率を下げる一方、微小な濃淡の変化がない部分、すなわち、濃淡の変化がないか、又は単調な部分の縮小率を上げるようにしてもよい。

次に、周波数分布解析部１１６は、図８（ｃ）の強度分布を縦軸方向にシフトさせて、濃淡の最大値を２５５とし、かつ最小値を０とする。これにより、図８（ｄ）に示すように、濃淡の分布が規格化された２５６階調の濃淡差の画像が作成される。

周波数帯域選択部１１８は、２５６階調の濃淡差の画像から、被検査体の材質及び欠陥の種類に応じて周波数帯域を選択する。周波数帯域選択部１１８は、被検査体の材質及び欠陥の種類に応じて周波数帯域を選択するためのバンドパスフィルタを備えている。

図９は、バンドパスフィルタに関する説明図である。図９において、横軸は周波数（cycle/mm）、縦軸は通過させる信号の相対的な強度（通過強度又は通過率）を示している。

図９に示すように、特性１、特性２、…、特性ｎは、通過させる周波数帯域が相互に異なる特性曲線（ＬＵＴ：Look-Up Table）である。周波数帯域選択部１１８は、これらの特性曲線により表されるバンドパスフィルタを、被検査体の材質及び欠陥の種類に応じて選択する。オペレータは、操作部１０４からの操作入力により、バンドパスフィルタを指定するパラメータを入力することで、バンドパスフィルタを選択することができる。周波数帯域選択部１１８は、選択されたバンドパスフィルタを、２５６階調の濃淡差の画像にかけることにより、教師データの作成に使用する変換後の画像Ｐ２０を作成する。

周波数帯域選択部１１８は、被検査体の材質及び欠陥の種類に応じて、欠陥の検出に適した周波数帯域に関する情報をあらかじめ記憶しておいてもよい。この場合、周波数帯域選択部１１８は、被検査体の材質及び欠陥の種類の入力を受け付けるための画面（ＧＵＩ：Graphical User Interface）を表示部１１０に表示させる。操作部１０４からの操作入力により、被検査体の材質及び欠陥の種類が入力されると、周波数帯域選択部１１８は、入力された被検査体の材質及び欠陥の種類に応じて、欠陥の検出に適した周波数帯域を特定し、特定した周波数帯域の信号を通過させるバンドパスフィルタを選択する。これにより、教師データの作成に使用する変換後の画像Ｐ２０が作成される。

図１０から図１２は、バンドパスフィルタを適用した画像の例を示す図である。ここで、個別の欠陥の画像のサイズは、一例で３０ｍｍ×３０ｍｍとすることができる。図１０は、図９の特性２のバンドパスフィルタを用いて、欠陥の画像において０．５倍（２分周）周波数を強調した例を示している。図１１は、図９の特性１のバンドパスフィルタを用いて、欠陥の画像において０．２５倍（４分周）周波数を強調した例を示している。図１２は、図９の特性１及び特性２のバンドパスフィルタを用いて、欠陥の画像において０．２５倍（４分周）周波数と０．５倍（２分周）周波数とを同時に強調した例を示している。このように、トレーニング用画像Ｐ１０中の被検査体の材質、及び検出すべき欠陥の種類に応じて、バンドパスフィルタを準備しておくことにより、欠陥の検出に適した教師データ用の画像を作成することができる。

教師データ作成部１２２は、周波数帯域選択部１１８から変換後の画像Ｐ２０を取得する。

さらに、教師データ作成部１２２は、欠陥情報取得部１２０から、トレーニング用画像Ｐ１０中の欠陥の位置及び種類に関する情報を取得する。欠陥情報の取得方法については、オペレータからの入力を受け付けることにより取得する方法（１）と、トレーニング用画像Ｐ１０の付属情報から取得する方法（２）が考えられる。

方法（１）は、オペレータからの情報の入力に基づいて欠陥情報を取得する方法である。方法（１）の場合、欠陥情報取得部１２０は、周波数帯域選択部１１８により選択された周波数帯域信号に対応する画像（以下、変換後の画像Ｐ２０という。）を表示部１１０に表示させる。そして、欠陥情報取得部１２０は、操作部１０４を介して、表示部１１０に表示された変換後の画像Ｐ２０に含まれる欠陥の位置及び種類に関する情報を含む欠陥情報の入力を受け付ける（図１８参照）。

方法（２）の場合、被検査体が取り付けられる施設等の設計者又は運営者からサンプルとして提供されるトレーニング用画像Ｐ１０には、欠陥の位置及び種類に関する情報を含む欠陥情報が付属情報として関連づけられて記録されている。トレーニング用画像取得部１１４は、トレーニング用画像Ｐ１０とともに、この欠陥情報を取得し、欠陥情報取得部１２０は、この欠陥情報から、トレーニング用画像Ｐ１０中の欠陥の位置及び種類に関する情報を読み出す（図１９参照）。

教師データ作成部１２２は、欠陥情報に基づいて、変換後の画像Ｐ２０から個別の欠陥の画像Ｐ２０−１、Ｐ２０−２、Ｐ２０−３、…、Ｐ２０−ｎを切り出す。さらに、教師データ作成部１２２は、画像の濃淡の解析を行って、欠陥の画像Ｐ２０−１、Ｐ２０−２、Ｐ２０−３、…、Ｐ２０−ｎにおける特徴量をそれぞれ求める。そして、教師データ作成部１２２は、個別の欠陥の画像Ｐ２０−１、Ｐ２０−２、Ｐ２０−３、…、Ｐ２０−ｎ及び個別の欠陥の画像における特徴量を入力とし、欠陥の種類を出力とする教師データを作成する。

図１３は、教師データを模式的に示す図であり、図１４は、教師データを簡略化して示す図である。

図１３に示すように、教師データは、欠陥の画像Ｐ２０−１、Ｐ２０−２、Ｐ２０−３、…、Ｐ２０−ｎのデータ、欠陥の画像から取得した欠陥の画像における特徴量及び欠陥の種類を示す情報を含んでいる。ここで、欠陥の画像のＰ２０−１、Ｐ２０−２、Ｐ２０−３、…、Ｐ２０−ｎのサイズは、一例で３０ｍｍ×３０ｍｍとすることができる。

図１４に示すように、教師データは、「入力」としての個別の欠陥の画像Ｐ２０−１、Ｐ２０−２、Ｐ２０−３、…、Ｐ２０−ｎ及び個別の欠陥の画像における特徴量と、「出力」としての欠陥の種類を示す情報とを含んでいる。教師データにおける「出力」については、教師信号、教示信号、正解データ、又はラベルと呼ばれることもある。なお、図１４では、特徴量の図示は省略している。

図１４に示す例では、欠陥の画像Ｐ２０−１及びＰ２０−２が、被検査体の鋳造時において被検査体の材料とは別の金属（異種金属）の混入に起因する欠陥に対応しており、欠陥の画像Ｐ２０−３が、被検査体の鋳造時における空気の混入に起因する欠陥に対応している。

学習部１２４は、教師データ作成部１２２により作成された教師データを用いて欠陥判定器１２６に学習を行わせる。学習部１２４は、学習後の欠陥判定器２２２を欠陥検査装置２００に転送する。ここで、欠陥判定器１２６及び２２２としては、例えば、ニューラルネットワーク、深層学習（Deep Learning）、決定木、線形分類器、ＳＶＭ（Support Vector Machine）、判別分析等を利用するものを用いることができる。

学習部１２４では、教師データから読み出された欠陥の画像及び欠陥の画像における特徴量が学習前の欠陥判定器１２６に入力され、教師データにおいて、入力された欠陥の画像に含まれる欠陥の種類を示す情報と同じ出力が得られるように学習が行われる。ここで、欠陥の画像における特徴量としては、例えば、変換後の画像Ｐ２０における明度又は輝度の平均、欠陥の面積、周囲長及び扁平度、並びに欠陥を楕円に近似した場合の長軸の長さ及び被検査体の特徴点（例えば、被検査体の端面、中心軸等）に対する長軸の傾き等が採用される。

学習部１２４は、学習結果、すなわち、学習後の欠陥判定器２２２を欠陥検査装置２００の欠陥検査部２２０に転送する。ここで、欠陥判定器２２２とは、具体的には、欠陥判定器２２２の構造及び変数の値を示す情報を含む、欠陥検査部２２０における欠陥検査に用いられるデータである。

欠陥検査部２２０は、教師データ作成装置１００の学習部１２４から転送された欠陥判定器２２２を用いて、被検査体画像Ｐ３０に対する欠陥検査を行う。

［撮像システムの構成］
次に、被検査体ＯＢＪの画像を撮像するための撮像システム３００について、図１５を参照して説明する。図１５は、撮像システム３００の例を示すブロック図である。

撮像システム３００は、撮像室Ｒ１０内に置かれた被検査体ＯＢＪを撮像するためのものである。図１５に示すように、撮像制御部３０２、撮像操作部３０４、画像記録部３０６、表示部３０８、通信インターフェース（通信Ｉ／Ｆ：interface）３１０、ＡＤ及びＤＡ（analog to digital及びdigital to analog）変換部３１２、ステージ３１４、ステージ駆動部３１６、カメラ３１８並びに放射線源３２０及び３２２を備えている。

撮像制御部３０２は、撮像システム３００の各部の動作を制御するＣＰＵ（Central Processing Unit）を含んでおり、バスＢ３０を介して撮像システム３００の各部と接続されている。撮像制御部３０２は、撮像操作部３０４を介してオペレータ（撮像者）からの操作入力を受け付け、この操作入力に応じた制御信号を撮像システム３００の各部に送信して各部の動作を制御する。

撮像操作部３０４は、オペレータからの操作入力を受け付ける入力装置であり、文字入力のためのキーボード、表示部３０８に表示されるポインタ、アイコン等を操作するためのポインティングデバイス（例えば、マウス、トラックボール等）を含んでいる。オペレータは、撮像操作部３０４を介して、被検査体ＯＢＪに関する情報の入力、カメラ３１８に対する撮像実行の指示の入力（例えば、露出時間、焦点距離、絞り等の撮像条件、撮像角度、撮像箇所等の設定を含む）、放射線源３２０及び３２２に対する放射線の照射の指示の入力（例えば、照射開始時間、照射継続時間、照射角度、照射強度等の設定を含む）、取得した画像データを画像記録部３０６に記録する指示の入力を行うことができる。

画像記録部３０６は、カメラ３１８によって撮像された被検査体ＯＢＪの画像（被検査体画像Ｐ３０）を記録する。画像記録部３０６には、被検査体ＯＢＪを特定するための情報が画像データと関連付けられて記録される。

表示部３０８は、画像を表示するための装置である。表示部３０８としては、例えば、液晶モニタを用いることができる。

通信Ｉ／Ｆ３１０は、ネットワーク等を介して外部装置との間で通信を行うための手段である。撮像システム３００において撮像された被検査体画像Ｐ３０は、通信Ｉ／Ｆ３１０を介して、欠陥検査装置２００に転送することが可能である。

ＡＤ及びＤＡ変換部３１２は、撮像制御部３０２から出力されるデジタルの制御信号をアナログの信号に変換して、撮像室Ｒ１０内の各部、例えば、ステージ駆動部３１６、放射線源３２０及び３２２に伝達する。

ＡＤ及びＤＡ変換部３１２は、撮像室Ｒ１０内の各部から出力されるアナログの信号（例えば、ステージ駆動部３１６によって検出されたステージ３１４の位置を示す信号）をデジタルの信号に変換して、撮像制御部３０２に伝達する。撮像制御部３０２は、ステージ３１４の位置を示す信号に基づいて、例えば、ステージ３１４の移動可能範囲を表示部３０８に表示させることが可能になる。

カメラ３１８、放射線源３２０及び３２２は、撮像室Ｒ１０の内部に配置されている。放射線源３２０及び３２２は、例えば、Ｘ線源であり、撮像室Ｒ１０と外部との間の隔壁及び出入口には、Ｘ線防護材料（例えば、鉛、コンクリート等）によりＸ線防護が施されている。ここで、放射線源３２０及び３２２は、Ｘ線源に限定されるものではなく、例えば、電子線源又は可視光光源であってもよい。なお、被検査体ＯＢＪに可視光を照射して撮像を行う場合には、防護を施した撮像室Ｒ１０を用いる必要はない。

放射線源３２０及び３２２は、撮像制御部３０２からの指示に従って、撮像室Ｒ１０内のステージ３１４に載置された被検査体ＯＢＪに放射線を照射する。

カメラ３１８は、撮像制御部３０２からの撮像実行の指示にしたがって、放射線源３２０から被検査体ＯＢＪに照射されて被検査体ＯＢＪにより反射された放射線、又は放射線源３２２から被検査体ＯＢＪに照射されて被検査体ＯＢＪを透過した放射線を受光して被検査体ＯＢＪを撮像する。

被検査体ＯＢＪは、ステージ３１４に載置されている。ステージ駆動部３１６は、ステージ３１４を移動させるためのアクチュエータ又はモータ等を含んでおり、ステージ３１４を移動させることが可能となっている。また、カメラ３１８、放射線源３２０及び３２２は、撮像室Ｒ１０内において移動可能に取り付けられている。オペレータは、撮像制御部３０２を介して、被検査体ＯＢＪ、カメラ３１８、放射線源３２０及び３２２の相対位置、距離及び角度を制御可能となっており、被検査体ＯＢＪの任意の箇所を撮像可能となっている。

放射線源３２０及び３２２は、カメラ３１８による撮像の実行の終了に同期して、被検査体ＯＢＪに対する放射線の照射を終了する。

図１５に示す例では、カメラ３１８は、撮像室Ｒ１０の内部に配置されているが、外部に配置されていてもよい。

また、図１５に示す例では、カメラ３１８が１台、放射線源３２０及び３２２が２台設けられているが、カメラ及び放射線源の台数はこれに限定されるものではない。例えば、カメラ及び放射線源は、それぞれ複数台あってもよいし、１つずつであってもよい。

なお、図１５に示す例では、被検査体ＯＢＪを撮像室Ｒ１０内のステージ３１４に載置した状態で撮像を行っているが、本発明はこれに限定されるものではない。被検査体ＯＢＪが撮像室Ｒ１０内に搬送することが困難なものである場合には、オペレータが携行可能なポータブル型のＸ線発生装置とＸ線撮像装置とを備えるＸ線非破壊検査装置を用いて、被検査体画像Ｐ３０を撮像することも可能である。

［教師データ作成方法及び教師データを用いた学習］
次に、本実施形態に係る教師データ作成方法及び教師データを用いた学習について、図１６から図１９を参照して説明する。

図１６は、本発明の第１の実施形態に係る教師データの作成、及び作成した教師データを用いた欠陥判定器の学習の処理の流れを示すフローチャートである。

まず、トレーニング用画像取得部１１４は、トレーニング用画像Ｐ１０を取得する（ステップＳ１０：トレーニング用画像取得ステップ）。ここで、トレーニング用画像Ｐ１０は、被検査体が取り付けられる施設等の設計者又は運営者から欠陥画像のサンプルとして提供されたものであってもよいし、欠陥が発生した被検査体の画像を撮像システム３００によって撮像した画像であってもよい。

次に、周波数分布解析部１１６は、トレーニング用画像Ｐ１０に対して周波数分布解析を施し、トレーニング用画像Ｐ１０から取得した周波数帯域信号から、大域的な濃淡の分布、例えば、低周波の濃淡の変化を除去して、欠陥に起因する濃淡差を、基準濃度（例えば、グレー５０％）を中心とした濃淡差に規格化する（ステップＳ２０：周波数分布解析ステップ）。ステップＳ２０では、トレーニング用画像Ｐ１０に対して、フーリエ変換、例えば、ＦＦＴ（Fast Fourier Transform）、又は離散コサイン変換（ＤＣＴ：Discrete Cosine Transform）を施すようにしてもよい。

次に、周波数帯域選択部１１８は、周波数分布解析部１１６による解析結果から、教師データの作成に使用する周波数帯域信号を選択する（ステップＳ３０：周波数帯域選択ステップ）。

図１７は、図１６の周波数帯域選択ステップにおける処理の流れを示すフローチャートである。まず、周波数帯域選択部１１８は、操作部１０４を介して、被検査体の材質及び検査対象の欠陥の種類に応じた特性を有するバンドパスフィルタの指定を受け付ける（ステップＳ３２：入力ステップ）。次に、周波数帯域選択部１１８は、ステップＳ３２において指定されたバンドパスフィルタを選択する（ステップＳ３４：周波数帯域選択ステップ）。

ステップＳ３２では、例えば、周波数帯域選択部１１８は、被検査体の材質及び欠陥の種類の入力を受け付けるための画面（ＧＵＩ：Graphical User Interface）を表示部１１０に表示させ、操作部１０４を介して、被検査体の材質及び欠陥の種類の入力を受け付ける。ステップＳ３４では、周波数帯域選択部１１８は、入力された被検査体の材質及び欠陥の種類に応じて、欠陥の検出に適した周波数帯域を特定し、特定した周波数帯域の信号を通過させるバンドパスフィルタを選択する。

次に、周波数帯域選択部１１８は、トレーニング用画像Ｐ１０を、ステップＳ３０において選択した周波数帯域に対応する周波数帯域信号に変換する（ステップＳ４０）。

次に、欠陥情報取得部１２０は、ステップＳ３０において選択した周波数帯域に対応する画像について欠陥情報を取得する（ステップＳ５０：教師データ作成ステップのうち欠陥情報取得ステップ）。

次に、教師データ作成部１２２は、選択した周波数帯域に対応する画像と欠陥情報に基づいて教師データを作成する（ステップＳ６０：教師データ作成ステップ）。

次に、学習部１２４は、ステップＳ６０において作成した教師データを用いて、欠陥判定器１２６の学習を行う（ステップＳ７０：学習ステップ）。ステップＳ７０の学習後の欠陥判定器２２２は、教師データ作成装置１００から欠陥検査装置２００に転送される。

図１８は、図１６の欠陥情報取得ステップにおける処理の流れを示すフローチャートである。

まず、欠陥情報取得部１２０は、ステップＳ３０において選択した周波数帯域に対応する画像を表示部１１０に表示させる（ステップＳ５２：表示ステップ）。

次に、欠陥情報取得部１２０は、操作部１０４を介して、表示部１１０に表示された画像に含まれる欠陥の位置及び種類に関する情報を含む欠陥情報の入力を受け付ける（ステップＳ５４）。

図１９は、図１６の欠陥情報取得ステップにおける処理の流れの別の例を示すフローチャートである。

まず、欠陥情報取得部１２０は、トレーニング用画像Ｐ１０の付属情報から、トレーニング用画像Ｐ１０に含まれる欠陥の位置及び種類に関する情報を含む欠陥情報を取得する（ステップＳ５６）。

次に、欠陥情報取得部１２０は、欠陥情報に含まれる欠陥の位置及び種類に関する情報と、変換後の画像Ｐ２０における欠陥の画像及びその位置を示す座標とを関連づけて保存する（ステップＳ５８）。

図１８又は図１９に記載のプロセスにより、トレーニング用画像Ｐ１０に含まれる欠陥の位置及び種類に関する情報が教師データ作成装置１００に入力される。

［欠陥の検査］
次に、本実施形態に係る欠陥検査方法について、図２０を参照して説明する。図２０は、本発明の第１の実施形態に係る欠陥検査方法における処理の流れを示すフローチャートである。

まず、検査対象画像取得部２１４は、撮像システム３００等から被検査体画像Ｐ３０を取得する（ステップＳ１００：検査対象画像取得ステップ）。

次に、周波数分布解析部２１６は、被検査体画像Ｐ３０に対して周波数分布解析を施す（ステップＳ１０２）。ステップＳ１０２における周波数分布解析は、教師データ作成装置１００における周波数分布解析（図１６のステップＳ２０）と同様の方法で行ってもよい。

次に、被検査体画像Ｐ３０の被検査体ＯＢＪの材質に関する情報を取得する（ステップＳ１０４）。被検査体ＯＢＪの材質に関する情報は、例えば、操作部２０４を介して、オペレータからの入力を受け付けることにより取得してもよいし、あらかじめ被検査体画像Ｐ３０に付属情報として付加されていてもよい。

次に、周波数帯域選択部２１８は、検査対象の欠陥の種類の指定を受け付ける（ステップＳ１０６）。ステップＳ１０６では、周波数帯域選択部２１８は、例えば、操作部２０４を介して、欠陥の種類の指定入力をオペレータから受け付けてもよい。

次に、周波数帯域選択部２１８は、ステップＳ１０４において取得した被検査体ＯＢＪの材質に関する情報と、ステップＳ１０６において指定された欠陥の種類に応じて周波数帯域信号を選択する（ステップＳ１０８）。ここで、周波数帯域選択部２１８は、教師データ作成装置１００における周波数帯域選択部１１８と同様に、被検査体の材質及び欠陥の種類に応じて、欠陥の検出に適した周波数帯域に関する情報をあらかじめ記憶しておいてもよい。そして、周波数帯域選択部２１８は、入力された被検査体の材質及び欠陥の種類に応じて、欠陥の検出に適した周波数帯域を特定し、特定した周波数帯域の信号を通過させるバンドパスフィルタを選択するようにしてもよい。

次に、周波数帯域選択部２１８は、被検査体画像Ｐ３０を、ステップＳ１０８において選択した周波数帯域に対応する周波数帯域信号に変換する（ステップＳ１１０）。ステップＳ１１０の変換後の被検査体画像は、教師データの作成に使用する変換後の画像Ｐ２０と同様に、濃淡が規格化された２５６階調の濃淡差の画像となる。

次に、欠陥検査部２２０は、学習後の欠陥判定器２２２を用いて、ステップＳ１０８において選択した周波数帯域に対応する画像に対して欠陥検査を実行する（ステップＳ１１２：欠陥検査ステップ）。

次に、欠陥検査部２２０は、ステップＳ１１２における欠陥検査の結果を表示部２１０に表示させる（ステップＳ１１４）。

次に、制御部２０２は、すべての種類の欠陥について欠陥検査が終了したかどうかを判断する（ステップＳ１１６）。すべての種類の欠陥について欠陥検査が終了した場合には（ステップＳ１１６のＹｅｓ）、制御部２０２は、ステップＳ１１４における欠陥検査の結果の表示に加えて、すべての種類の欠陥について欠陥検査が終了したことを示す表示を表示部２１０に表示させ（ステップＳ１１８）、ステップＳ１２０に進む。一方、すべての種類の欠陥について欠陥検査が終了していない場合には（ステップＳ１１６のＮｏ）、ステップＳ１２０に進む。

次に、操作部２０４を介して、欠陥検査の終了の指示が入力された場合には（ステップＳ１２０のＹｅｓ）、プロセスを終了する。一方、欠陥検査の終了の指示が入力されない場合には（ステップＳ１２０のＮｏ）、ステップＳ１１４における欠陥検査の結果の表示が継続される。そして、操作部２０４からの操作入力に応じて、ほかの種類の欠陥の検査（ステップＳ１０６）に戻るようにしてもよい。

ステップＳ１１２では、欠陥検査部２２０は、ステップＳ１１０における変換後の被検査体画像から個別の欠陥の画像を切り出す。そして、ステップＳ１１４において、欠陥検査部２２０は、個別の欠陥の画像と、欠陥検査の結果としての欠陥の位置及び種類とを並べて表示部２１０に表示させるようにしてもよい。

さらに、変換後の被検査体画像から切り出した個別の欠陥の画像と、この画像から求められた特徴量を入力とし、欠陥の種類を出力とする教師データを作成して、この教師データを用いて欠陥判定器２２２に学習を行わせるようにしてもよい。

［第２の実施形態］
図２１は、本発明の第２の実施形態に係る欠陥検査システムを示すブロック図である。

第１の実施形態では、教師データ作成装置１００と欠陥検査装置２００とをそれぞれ独立した装置としたが、教師データ作成装置１００と欠陥検査装置２００とは、１つの装置として構成されていてもよい。

図２１に示すように、本実施形態に係る欠陥検査システム１０Ａは、図２及び図４に示した教師データ作成装置１００の構成に加えて、検査対象画像取得部２１４及び欠陥検査部２２０を備えている。本実施形態では、制御部１０２、操作部１０４、メモリ１０６、記録部１０８、表示部１１０及び通信Ｉ／Ｆ１１２は、教師データ作成と欠陥検査の両プロセスにおいて共通して用いられる。また、周波数分布解析部１１６及び周波数帯域選択部１１８は、トレーニング用画像Ｐ１０に対する処理に加えて、被検査体画像Ｐ３０に対する処理にも用いられる。

なお、教師データ作成装置１００及び欠陥検査装置２００に加えて、撮像システム３００を含むシステム全体を、同一の制御部、操作部及び表示部を介して制御可能としてもよい。

なお、本発明の各実施形態の適用範囲は、配管等の設備を撮像して得られた画像を用いた欠陥検査に限定されるものではない。本実施形態は、例えば、自動車等の塗装の欠陥の検査、及び半導体製造プロセスにおいて行われるＳＥＭ（Scanning Electron Microscope）画像を用いた自動欠陥分類（ＡＤＣ：Automatic Defect Classification）に適用することも可能である。

本発明は、コンピュータに上記の処理を実現させるプログラム（教師データ作成プログラム欠陥検査プログラム）、又は、このようなプログラムを格納した非一時的な記録媒体又はプログラムプロダクトとして実現することも可能である。このようなプログラムをコンピュータに適用することにより、コンピュータの演算手段、記録手段等に、本実施形態に係る教師データ作成方法及び欠陥検査方法の各ステップに対応する機能を実現させることが可能になる。

各実施形態において、例えば、トレーニング用画像取得部１１４、周波数分布解析部１１６、周波数帯域選択部１１８、欠陥情報取得部１２０、教師データ作成部１２２及び学習部１２４、並びに検査対象画像取得部２１４、周波数分布解析部２１６、周波数帯域選択部２１８及び欠陥検査部２２０といった各種の処理を実行する処理部（processing unit）のハードウェア的な構造は、次に示すような各種のプロセッサ（processor）として実現することが可能である。各種のプロセッサには、ソフトウェア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵ（Central Processing Unit）、ＦＰＧＡ（Field Programmable Gate Array）などの製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device：ＰＬＤ）、ＡＳＩＣ（Application Specific Integrated Circuit）などの特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路などが含まれる。

１つの処理部は、これら各種のプロセッサのうちの１つで構成されていてもよいし、同種または異種の２つ以上のプロセッサ（例えば、複数のＦＰＧＡ、あるいはＣＰＵとＦＰＧＡの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアントやサーバなどのコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアの組合せで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip：ＳｏＣ）などに代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサを１つ以上用いて構成される。

さらに、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子などの回路素子を組み合わせた電気回路（circuitry）である。

１０、１０Ａ 欠陥検査システム
１００ 教師データ作成装置
１０２ 制御部
１０４ 操作部
１０６ メモリ
１０８ 記録部
１１０ 表示部
１１２ 通信インターフェース
１１４ トレーニング用画像取得部
１１６ 周波数分布解析部
１１８ 周波数帯域選択部
１２０ 欠陥情報取得部
１２２ 教師データ作成部
１２４ 学習部
１２６ 学習前の欠陥判定器
２００ 欠陥検査装置
２０２ 制御部
２０４ 操作部
２０６ メモリ
２０８ 記録部
２１０ 表示部
２１２ 通信インターフェース
２１４ 検査対象画像取得部
２１６ 周波数分布解析部
２１８ 周波数帯域選択部
２２０ 欠陥検査部
２２２ 学習後の欠陥判定器
Ｐ１０ トレーニング用画像
Ｐ１０−１、Ｐ１０−２、Ｐ１０−３、…、Ｐ１０−ｎ トレーニング用画像中の欠陥の画像
Ｐ２０ 変換後のトレーニング用画像
Ｐ２０−１、Ｐ２０−２、Ｐ２０−３、…、Ｐ２０−ｎ 変換後のトレーニング用画像中の欠陥の画像
Ｐ３０ 被検査体画像
３００ 撮像システム
３０２ 撮像制御部
３０４ 撮像操作部
３０６ 画像記録部
３０８ 表示部
３１０ 通信インターフェース
３１２ ＡＤ及びＤＡ変換部
３１４ ステージ
３１６ ステージ駆動部
３１８ カメラ
３２０、３２２ 放射線源
ＯＢＪ 被検査体
Ｓ１０〜Ｓ７０ 教師データ作成方法の各工程
Ｓ１００〜Ｓ１２０ 欠陥検査方法の各工程

Claims (11)

1. 欠陥を有する被検査体に光線又は放射線を照射することにより得られた前記被検査体からの反射光又は透過光に基づいて作成された受光画像を含むトレーニング用画像を取得するトレーニング用画像取得ステップと、
   前記トレーニング用画像に対して周波数分布解析を実行する周波数分布解析ステップと、
   周波数帯域を指定するためのパラメータの入力を受け付ける入力ステップと、
   前記パラメータにより指定された前記周波数帯域に従って、前記周波数分布解析の解析結果から周波数帯域信号を選択する周波数帯域選択ステップと、
   前記周波数帯域信号に対応する画像に対して、欠陥を示す欠陥情報を取得し、前記欠陥情報に基づいて、前記被検査体の欠陥を検査するための欠陥検査装置の学習に使用される教師データを作成する教師データ作成ステップと、
   を備える教師データ作成方法。
2. 前記周波数帯域選択ステップにおいて選択した前記周波数帯域信号に対応する画像を表示部に表示する表示ステップを更に備え、
   前記教師データ作成ステップでは、前記表示部に表示された前記周波数帯域信号に対応する画像に対して、欠陥か非欠陥かを示す指示の入力を受け付け、前記指示に基づいて前記教師データを作成する、請求項１記載の教師データ作成方法。
3. 前記トレーニング用画像取得ステップでは、前記トレーニング用画像に含まれる前記被検査体の欠陥を示す欠陥情報が前記トレーニング用画像と関連づけられて記憶部に格納され、
   前記教師データ作成ステップでは、前記トレーニング用画像と関連づけられて格納された前記欠陥情報を取得して、前記欠陥情報に基づいて前記教師データを作成する、請求項１記載の教師データ作成方法。
4. 前記教師データ作成ステップでは、前記被検査体の欠陥の種類及び欠陥の位置のうちの少なくとも１つを含む欠陥情報を取得する、請求項３記載の教師データ作成方法。
5. 前記被検査体の材質及び前記被検査体における欠陥に対応する複数のバンドパスフィルタの登録を受け付けるステップを更に備え、
   前記入力ステップでは、前記複数のバンドパスフィルタの中から、前記周波数帯域信号の選択に使用するバンドパスフィルタを指定するパラメータの入力を受け付け、
   前記周波数帯域選択ステップでは、前記パラメータにより指定されたバンドパスフィルタを用いて前記周波数帯域信号を選択する、請求項１から４のいずれか１項記載の教師データ作成方法。
6. 前記入力ステップでは、前記被検査体の材質に応じて前記周波数帯域信号の選択に使用するバンドパスフィルタが指定される、請求項５記載の教師データ作成方法。
7. 前記教師データ作成ステップでは、前記トレーニング用画像から選択された前記周波数帯域信号と、前記欠陥情報を含む教師データが作成される、請求項１から６のいずれか１項記載の教師データ作成方法。
8. 請求項１から７のいずれか１項記載の教師データ作成方法により作成された教師データを用いて欠陥検査装置における学習を行うステップと、
   検査対象の被検査体に光線又は放射線を照射することにより得られた前記検査対象の被検査体からの反射光又は透過光に基づいて作成された検査対象画像を取得するステップと、
   前記学習を行った前記欠陥検査装置により前記検査対象画像における欠陥を検出する欠陥検査ステップと、
   を備える欠陥検査方法。
9. 前記欠陥検査ステップは、
   前記検査対象画像に対して周波数分布解析を実行するステップと、
   前記検査対象画像に対する前記周波数分布解析の解析結果から周波数帯域信号を選択するステップと、
   前記検査対象画像に対する前記周波数分布解析の解析結果から選択された周波数帯域信号と、前記教師データに基づいて、前記検査対象画像における欠陥を検出するステップと、
   を備える請求項８記載の欠陥検査方法。
10. 欠陥を有する被検査体に光線又は放射線を照射することにより得られた前記被検査体からの反射光又は透過光に基づいて作成された受光画像を含むトレーニング用画像を取得するトレーニング用画像取得部と、
    前記トレーニング用画像に対して周波数分布解析を実行する周波数分布解析部と、
    周波数帯域を指定するためのパラメータの入力を受け付ける入力部と、
    前記パラメータにより指定された前記周波数帯域に従って、前記周波数分布解析の解析結果から周波数帯域信号を選択する周波数帯域選択部と、
    前記周波数帯域信号に対応する画像に対して、欠陥を示す欠陥情報を取得する欠陥情報取得部と、
    前記欠陥情報に基づいて、前記被検査体の欠陥を検査するための欠陥検査装置の学習に使用される教師データを作成する教師データ作成部と、
    を備える教師データ作成装置。
11. 請求項１０記載の教師データ作成装置と、
    検査対象の被検査体に光線又は放射線を照射することにより得られた前記検査対象の被検査体からの反射光又は透過光に基づいて作成された検査対象画像を取得する検査対象画像取得部と、
    前記教師データ作成装置により作成された教師データを用いて学習を行い、前記検査対象画像における欠陥を検出する欠陥検査部と、
    を備える欠陥検査装置。