-
公开(公告)号:CN117795321A
公开(公告)日:2024-03-29
申请号:CN202280051969.4
申请日:2022-08-01
Applicant: 株式会社F.C.C.
Inventor: 冈崎元树
IPC: G01N21/88 , G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明作为用于生成预测模型的训练数据,使用正常品用的训练数据和缺陷品用的训练数据,该正常品用的训练数据是对正常品的学习用图像赋予仅包含表示符合正常品的可能性的正常标签的正常品正解标签而成,该缺陷品用的训练数据是对缺陷品的学习用图像赋予仅包含表示符合多个缺陷种类的可能性的加权的多个缺陷种类标签的缺陷品正解标签而成,由此,在机器学习时,从被赋予了缺陷品正解标签的缺陷品的学习用图像预测为正常品时的损失值比从该学习用图像预测为正解以外的缺陷种类的缺陷品时的损失值大,能够通过误将缺陷品预测为正常品的可能性进一步降低的预测模型进行缺陷检查。