异常检查系统、异常检查方法以及程序与流程

技术特征：
1.一种异常检查系统，具备：取得部，其以在连续的多个拍摄数据的各自不同的区域中包含部件的同一部位的方式，取得所述部件的拍摄数据；以及判定部，其检测连续的所述多个拍摄数据中有无异常，在全部的所述多个拍摄数据中都检测出异常的情况下，判定所述部件为异常。2.根据权利要求1所述的异常检查系统，其中，所述判定部通过将连续的所述多个拍摄数据输入到第一学习模型，来检测有无异常，所述第一学习模型是将所述部件的拍摄数据用作训练数据进行学习而得的模型。3.根据权利要求2所述的异常检查系统，其中，所述判定部将由所述取得部取得的1个拍摄数据输入到所述第一学习模型，在根据所述第一学习模型的输出结果判定为在所述1个拍摄数据中检测到异常时，将与所述1个拍摄数据连续地拍摄到的其他拍摄数据输入到所述第一学习模型，由此检测全部的所述多个拍摄数据中有无异常。4.根据权利要求3所述的异常检查系统，其中，所述第一学习模型是将所述部件的外观上的异常的类别作为输出结果的模型，所述判定部根据连续的所述多个拍摄数据在所述第一学习模型中的输出结果所表示的所述部件的外观上的异常的类别，判定所述部件有无异常。5.根据权利要求2至4中任一项所述的异常检查系统，其中，所述判定部通过将由所述取得部取得的所述拍摄数据输入到第二学习模型，来判定有无异常的嫌疑，通过将包含被判定为有异常的嫌疑的拍摄数据的、连续的所述多个拍摄数据输入到所述第一学习模型，来判定有无异常，所述第二学习模型是通过将所述部件的拍摄数据用作训练数据进行学习而得的、与所述第一学习模型不同的模型。6.根据权利要求5所述的异常检查系统，其中，所述判定部将由所述取得部取得的1个拍摄数据输入到所述第二学习模型，在根据所述第二学习模型的输出结果判定为在所述1个拍摄数据中检测到外观上的异常时，将与所述1个拍摄数据连续地拍摄到的其他拍摄数据输入到所述第二学习模型，在所述其他拍摄数据中也检测到外观上的异常的情况下，判定为有异常的嫌疑。7.根据权利要求1至6中任一项所述的异常检查系统，其中，所述取得部以使所述部件的同一部位至少包含在连续的3个拍摄数据中的方式，取得所述部件的拍摄数据。8.根据权利要求1至7中任一项所述的异常检查系统，其中，所述取得部取得在通过旋转机构使所述部件旋转的状态下拍摄的所述部件的曲面部的拍摄数据，所述旋转机构对所述部件进行轴支承而使其旋转。9.一种异常检查方法，其使异常检查系统执行以下步骤：取得步骤，以在连续的多个拍摄数据的各自不同的区域中包含部件的同一部位的方式，取得所述部件的拍摄数据；以及判定步骤，检测连续的所述多个拍摄数据中有无异常，在全部的所述多个拍摄数据中都检测出异常的情况下，判定所述部件为异常。10.一种程序，其使计算机执行以下步骤：
取得步骤，以在连续的多个拍摄数据的各自不同的区域中包含部件的同一部位的方式，取得所述部件的拍摄数据；以及判定步骤，检测连续的所述多个拍摄数据中有无异常，在全部的所述多个拍摄数据中都检测出异常的情况下，判定所述部件为异常。

技术总结
一个实施方式所涉及的异常检查系统(S1)具备：图像取得部(244)，其以在连续的多个拍摄数据的各自不同的区域中包含部件的同一部位的方式，取得部件的拍摄数据；以及判定部(245)，其检测连续的多个拍摄数据中有无异常，在全部的多个拍摄数据中都检测出异常的情况下，判定部件为异常。判定部件为异常。判定部件为异常。


技术研发人员：梶野晃裕 田井遥
受保护的技术使用者：丰田自动车株式会社
技术研发日：2022.07.05
技术公布日：2023/2/6