Deep Convolutional Auto-encoderによる生成画像を用いた電子部品欠陥検査感度の評価手法の検討

抄録

高感度化の要求は絶えることなく、検査装置の検出能力を超える小さい欠陥で学習することにより機械学習に必要な感度を確保できると考える。そこで、専門家の目視基準に従って、実在する欠陥の寸法を変えた生成画像を学習データに反映する。具体的にはDeep Convolutional Auto-encoder(DCAE)により得られた潜在変数を欠陥と良品のもので内挿して画像を生成する。ここでは、Support vector machineの入力をDCAEの潜在変数とした欠陥検査手法によって欠陥検査感度を評価した。