本发明涉及用于进行自动检查对象物个数的处理的被用于机器学习的学习模型的生成方法以及生成程序。
背景技术:
1、在通过机器人等进行拾取收容在盘(容器)中的元件(对象物)等时,有时会进行确认收容在该盘中的元件的个数的检查,或者进行确认是否有所需个数的元件收容在容器中的检查。此情况下,有时会采用如下的方法:拍摄收容有元件的盘,并且通过图像识别处理而自动地确定所述盘内的元件个数。为了可靠地进行所述图像识别,可考虑将多个收容有元件的盘的图像作为教师图像数据来进行机器学习,生成检查用的学习模型。
2、专利文献1中公开了如下的技术:以实际拍摄到收容有元件的盘的实际图像为基础,生成元件的位置、朝向等不同的多个教师图像数据,并进行机器学习。然而,各元件未必清晰地可被识别地映现在实际图像中。例如,在通过边缘提取处理来对元件进行图像识别的情况下,若相应的边缘不清晰或者元件彼此重叠,会降低识别性能。因此,即使利用以实际图像为基础而生成的教师图像数据来进行机器学习,有时也不能够得到可靠的学习模型。
3、现有技术文献
4、专利文献
5、专利文献1:日本专利公开公报特开2020-126414号
技术实现思路
1、本发明的目的在于提供一种能够可靠地生成用于进行检查对象物个数的处理的被用于机器学习的学习模型的学习模型生成方法。
2、本发明一个方面所涉及的对象物个数检查用学习模型生成方法是用于进行自动检查被收容在容器内的对象物的个数的处理的被用于机器学习的学习模型的生成方法,其使所述学习模型的生成装置执行如下步骤:输入以图像表示所述容器及对象物的形状的模型数据的步骤;通过利用所述模型数据,生成多个随意配置有多个对象物的单位配置体,并且将所述单位配置体随意配置在与所述容器对应的容器区域内,来生成以任意的密集度收容着所述对象物的所述容器的形状图像数据的步骤;以及,对所述形状图像数据施加赋予实际的所述容器及所述对象物的质感的处理,生成在构建所述学习模型时所使用的教师图像数据的步骤。
3、本发明另一个方面所涉及的对象物个数检查用学习模型生成程序是用于使指定的学习模型生成装置生成用于进行自动检查被收容在容器内的对象物的个数的处理的被用于机器学习的学习模型的程序,其使所述学习模型生成装置执行如下步骤:受理以图像表示所述容器及对象物的形状的模型数据的输入的步骤;通过利用所述模型数据,生成多个随意配置有多个对象物的单位配置体,并且将所述单位配置体随意配置在与所述容器对应的容器区域内,来生成以任意的密集度收容着所述对象物的所述容器的形状图像数据的步骤;以及,对所述形状图像数据施加赋予实际的所述容器及所述对象物的质感的处理,生成在构建所述学习模型时所使用的教师图像数据的步骤。
1.一种对象物个数检查用学习模型生成方法,是用于进行自动检查被收容在容器内的对象物的个数的处理的被用于机器学习的学习模型的生成方法,其特征在于使所述学习模型的生成装置执行如下步骤:
2.根据权利要求1所述的对象物个数检查用学习模型生成方法,其特征在于,
3.根据权利要求2所述的对象物个数检查用学习模型生成方法,其特征在于,
4.根据权利要求2或3所述的对象物个数检查用学习模型生成方法,其特征在于,
5.根据权利要求1所述的对象物个数检查用学习模型生成方法,其特征在于,
6.根据权利要求1至5中任一项所述的对象物个数检查用学习模型生成方法,其特征在于,
7.根据权利要求1至6中任一项所述的对象物个数检查用学习模型生成方法,其特征在于,
8.根据权利要求1至7中任一项所述的对象物个数检查用学习模型生成方法,其特征在于,
9.根据权利要求1至8中任一项所述的对象物个数检查用学习模型生成方法,其特征在于,
10.一种对象物个数检查用学习模型生成程序,是用于使指定的学习模型生成装置生成用于进行自动检查被收容在容器内的对象物的个数的处理的被用于机器学习的学习模型的程序,其特征在于使所述学习模型生成装置执行如下步骤: