CN120084830A - X射线检查装置 - Google Patents

Abstract

一种X射线检查装置。X射线检查装置（1）具备输送部（5）、X射线照射部（6）、X射线检测部（7）、以及基于X射线透过图像来检查物品（A）中是否包括异物的控制部（10），控制部（10）实施使用预定的阈值来检查物品（A）中是否包括X射线的衰减率比物品（A）低的异物的第一检查，并实施使用机器学习算法来检查物品（A）的内部是否包括异物的第二检查，在物品（A）中包括第一检查以及第二检查的各个检查结果所共有的异物的情况下，判定为物品（A）中包括异物。

Description

X射线检查装置

技术领域

本发明涉及X射线检查装置。

背景技术

X射线检查装置具备：输送部，输送物品；X射线照射部，对由输送部输送的物品照射X射线；X射线检测部，检测透过了物品的X射线；以及检查部，根据由X射线检测部检测到的X射线生成X射线透过图像，基于X射线透过图像进行物品的检查（例如，参照国际公开第2006/001107号）。

发明内容

在X射线检查装置中，要求将在物品的内部包括的树脂等异物判定为异常的检查。在X射线检查装置中，在使用机器学习算法（已学习模型）进行该异物的检查的情况下，由于难以区分在物品的内部形成的空洞（空隙）与异物，因此可能会将并非异常的空洞判定为异常，将合格品误检测为残次品。此外，在X射线检查装置中，在通过图像处理（能量分析）进行上述异物的检查的情况下，当要提高灵敏度时，可能会将噪声等判定为异物，将合格品误检测为残次品。

本发明的一方面的目的在于提供能够抑制异物的误检测的发生的X射线检查装置。

（1）本发明的一方面的X射线检查装置具备：输送部，输送物品；X射线照射部，对由输送部输送的物品照射X射线；X射线检测部，检测由X射线照射部照射并透过了物品的X射线；X射线透过图像生成部，基于由X射线检测部检测出的X射线，生成X射线透过图像；以及检查部，基于由X射线透过图像生成部所生成的X射线透过图像，检查物品中是否包括异物，检查部实施第一检查，该第一检查使用预定的阈值来检查物品中是否包括X射线的衰减率比物品低的异物，检查部实施第二检查，该第二检查使用机器学习算法来检查物品的内部是否包括异物，在物品中包括第一检查以及第二检查的各个检查结果所共有的异物的情况下，判定为物品中包括异物。

在本发明的一方面的X射线检查装置中，在物品中包括第一检查以及第二检查的各个检查结果所共有的异物的情况下，检查部判定为物品中包括异物。由此，在X射线检查装置中，通过利用两个检查结果，例如即使在第二检查中将空洞判定为异物的情况下，在第一检查中判定为不包括异物的情况下，也不判定为物品中包括异物。因此，在X射线检查装置中，能够抑制异物的误检测的发生。

（2）在上述（1）的X射线检查装置中，也可以在检查部判定为在第一检查以及第二检查的至少一方的检查结果中物品中包括异物的情况下，基于在X射线透过图像中异物所占的区域，判定物品中是否包括异物。在第一检查中，当要提高灵敏度时，微小的噪声的影响变大，而可能会进行误检测。因此，检查部基于在X射线透过图像中异物所占的区域来判定物品中是否包括异物。由此，在X射线检查装置中，能够排除微小的噪声。因此，在X射线检查装置中，能够实现检测精度的提升，并且抑制误检测的发生。

（3）在上述（1）或（2）的X射线检查装置中，X射线检测部也可以检测透过了物品的第一能量带的X射线、以及透过了物品的第二能量带的X射线，X射线透过图像生成部生成基于第一能量带的X射线的X射线透过图像、以及基于第二能量带的X射线的X射线透过图像，检查部基于由X射线透过图像生成部所生成的多个X射线透过图像的差值图像，判定物品中是否包括异物。在该结构中，由于使用基于两个不同的能量带的多个X射线透过图像的差值图像，因此能够更加高精度地检测异物。

（4）在上述（1）~（3）中任一项的X射线检查装置中，检查部也可以使用已学习模型来实施第二检查，所述已学习模型基于包括X射线的衰减率比物品低的异物的图像而进行了机器学习。在该结构中，能够高精度地检测在物品的内部存在的树脂等异物。

（5）在上述（1）~（4）中任一项的X射线检查装置中，异物的比重也可以比物品小。在物品（被检查物）的内部存在的树脂等异物的比重比物品小。在X射线检查装置中，通过上述结构能够高精度地检测在物品的内部存在的树脂等异物。

根据本发明的一方面，能够抑制异物的误检测的发生。

附图说明

图1是一实施方式所涉及的X射线检查装置的结构图。

图2是图1所示的屏蔽箱的内部的结构图。

图3（a）以及图3（b）是示出透过图像的图。

图4是示意性地示出差值图像的亮度分布的一例的图表。

具体实施方式

以下，参照附图对本发明的优选的实施方式详细进行说明。另外，在附图的说明中，对相同或相当的要素标注相同的附图标记，并省略重复的说明。

如图1所示，X射线检查装置1具备装置主体2、支承腿3、屏蔽箱4、输送部5、X射线照射部6、X射线检测部7、显示操作部8和控制部10。在本实施方式中，例如，X射线检查装置1在软糖等物品A中对存在于物品A的内部的异物进行检查。作为异物，例如是树脂等。

X射线检查装置1输送物品A，并且生成物品A的X射线透过图像，并基于该X射线透过图像进行物品A的检查（异物混入检查）。检查前的物品A通过送入输送机51送入X射线检查装置1。检查后的物品A通过送出输送机52从X射线检查装置1送出。由X射线检查装置1判定为残次品的物品A通过配置在送出输送机52的下游的分配装置（省略图示）分配到生产线外。由X射线检查装置1判定为合格品的物品A直接穿过该分配装置。

装置主体2容纳有控制部10等。支承腿3支承装置主体2。屏蔽箱4设置于装置主体2。屏蔽箱4防止X射线向外部泄漏。在屏蔽箱4的内部设置有利用X射线实施物品A的检查的检查区域R。在屏蔽箱4形成有送入口4a以及送出口4b。检查前的物品A从送入输送机51经由送入口4a送入检查区域R。检查后的物品A从检查区域R经由送出口4b送出到送出输送机52。在送入口4a以及送出口4b分别设置有防止X射线的泄漏的X射线屏蔽帘（省略图示）。

输送部5配置在屏蔽箱4内。输送部5从送入口4a经由检查区域R沿着输送方向D将物品A输送至送出口4b。输送部5例如是在送入口4a与送出口4b之间架设的带式输送机。

如图1以及图2所示，X射线照射部6配置在屏蔽箱4内。X射线照射部6对由输送部5输送的物品A照射X射线。X射线照射部6例如具有射出X射线的X射线管、以及将从X射线管射出的X射线在与输送方向D垂直的面内呈扇形散布的准直器。

X射线检测部7是检测电磁波的传感器12。X射线检测部7既可以能够检测特定的能量带的X射线，也可以能够以光子计数方式检测X射线。X射线检测部7既可以是直接转换型检测部，也可以是间接转换型检测部。在本实施方式中，X射线检测部7是能够以光子计数方式检测X射线的直接转换型检测部，例如包括对透过物品A的多个能量带的各个X射线进行检测的传感器（多能量传感器）。该传感器例如至少在与输送部5的输送方向以及上下方向正交的方向（宽度方向）上排列。该元件不仅在上述宽度方向上排列，还可以在上述输送方向上排列。即，X射线检测部7既可以包括行式传感器，也可以包括二维地配置的传感器组。传感器12例如是CdTe半导体检测器等光子检测型传感器。

如图1所示，显示操作部8设置于装置主体2。显示操作部8显示各种信息，并且接受各种条件的输入。显示操作部8例如是液晶显示器，显示作为触摸面板的操作画面。在该情况下，操作人员能够经由显示操作部8输入各种条件。

控制部10配置在装置主体2内。控制部10控制X射线检查装置1的各部分的动作。控制部10由CPU（CentralProcessingUnit：中央处理部）、ROM（ReadOnlyMemory：只读存储器）、RAM（RandomAccessMemory：随机存取存储器）等构成。从X射线检测部7的传感器12（参照图2）向控制部10输入低能量带（第一能量带）的X射线的检测结果，并且从X射线检测部7的传感器12（参照图2）向控制部10输入高能量带（第二能量带）的X射线的检测结果。控制部10基于检测结果，生成X射线透过图像。控制部10作为基于由X射线检测部7检测出的X射线而生成X射线透过图像的X射线透过图像生成部发挥功能。此外，控制部10作为基于X射线透过图像来检查物品A中是否包括异物F（参照图3（a）等）的检查部发挥功能。

控制部10实施第一检查以及第二检查，检查物品A的内部是否包括异物F。控制部10实施第一检查，该第一检查使用预定的阈值来检查物品A中是否包括X射线的衰减率比物品A低的异物F。控制部10实施第二检查，该第二检查使用机器学习算法来检查物品A的内部是否包括异物F。在物品A中包括第一检查以及第二检查的各个检查结果所共有的异物F的情况下，控制部10判定为物品A中包括异物F。物品A的内部是指在物品A的表面（在输送时，朝向上方的面）与背面（在输送时，与输送面对置的面）之间X射线透过的路径上的部分。

[第一检查]

首先，对控制部10中的第一检查进行说明。控制部10被输入X射线检测部7的检测结果。在本实施方式中，从X射线检测部7的传感器12向控制部10输入低能量带的X射线的检测结果以及高能量带的X射线的检测结果。控制部10基于由X射线检测部7检测出的多个能量带每一个的X射线，生成多个X射线透过图像。

如图3（a）所示，控制部10基于低能量带的X射线的检测结果，生成作为X射线透过图像的第一透过图像P1。如图3（b）所示，控制部10基于高能量带的X射线的检测结果，生成作为X射线透过图像的第二透过图像P2。在第一透过图像P1和第二透过图像P2分别至少映现出物品A和该物品A以外的背景。如图3（a）所示的一例那样，第一透过图像P1与第二透过图像P2比较，整体变暗。另一方面，如图3（b）所示的一例那样，第二透过图像P2与第一透过图像P1比较，整体变亮。第一透过图像P1与第二透过图像P2的明亮程度的比较相当于第一透过图像P1所显示的物品A的明亮程度与第二透过图像P2所显示的物品A的明亮程度的比较。

控制部10通过对第一透过图像P1以及第二透过图像P2实施包括减影处理的图像处理，而生成提取了第一透过图像P1与第二透过图像P2的差异的差值图像。例如，控制部10结合在第一透过图像P1与第二透过图像P2之间与物品A对应的部分的亮度值（浓淡值），进行计算这些各像素的亮度值的差值的差值处理，获取以使得对应于异物F的像素的亮度值和不对应于异物F的像素的亮度值的差异变大的方式加工而得的差值图像。这里的控制部10也可以使用图像处理算法，对第一透过图像P1以及第二透过图像P2的至少一方实施图像处理。

图像处理算法由一个图像处理滤波器或多个图像处理滤波器的组合构成。图像处理算法能够经由互联网等网络从外部获取。图像处理算法也能够从USB存储器或可移动硬盘等外部存储介质获取。图像处理算法能够采用应用了生物界中的遗传以及进化机制的方法即遗传算法（GA=Genetic Algorithms），基于X射线检查装置1的规格或检查条件等，从多个图像处理滤波器自动生成。图像处理算法也能够是用户经由显示操作部8适当设定。

图4是示意性地示出差值图像的亮度分布的一例的图表。在图4中，纵轴与亮度对应，横轴与沿着输送方向D的位置（差值图像的各像素）对应。控制部10基于所生成的差值图像，进行与有无物品A所包括的异物F相关的检查。控制部10基于差值图像中的亮度分布来检测异物F。控制部10使用第一阈值来检测比重比物品A高（重）的第一异物，并且使用与第一阈值不同的第二阈值来检测比重比物品A低（轻）的第二异物。具体而言，在差值图像的亮度分布中，在有比第一阈值大的亮度值的情况下，控制部10检测第一异物。在差值图像的亮度分布中，在有比第二阈值小的亮度值的情况下，控制部10检测第二异物。

如图4所示，第一阈值是比与物品A对应的亮度值即基准亮度值大的亮度值。基準輝度値例如为零，也与差值图像的背景对应。第一阈值是有无第一异物的判定用的异物判定阈值。第二阈值是有无第二异物的判定用的异物判定阈值。第二阈值是比基准亮度值小的亮度值。第一阈值以及第二阈值能够经由显示操作部8单独设定。第一阈值以及第二阈值也可以根据物品A的性质，通过试验等适当设定。例如，第一阈值的绝对值也可以比第二阈值的绝对值大。

第一异物例如是在物品A的内部存在的金属等，由比物品A的元素重的元素构成。第一异物例如与在差值图像中较亮地映现的部分对应。第二异物例如是在物品A的内部存在的塑料的树脂等，由比物品A的元素轻的元素构成。第二异物例如与在差值图像中较暗地映现的部分对应。

在图4所示的例子中，在差值图像的亮度分布中，亮度值变得比第一阈值大（也就是说，在差值图像中存在明显亮的部分），能够判定为此处包括第一异物。此外，在差值图像的亮度分布中，亮度值变得比第二阈值小（也就是说，在差值图像中存在明显暗的部分），能够判定为此处包括第二异物。另外，在差值图像的亮度分布中，在亮度值为第一阈值以下且第二阈值以上的情况下（也就是说，在差值图像的明亮程度与背景为同样的明亮程度的情况下），能够判定为此处无异物。

[第二检查]

接着，对第二检查进行说明。控制部10使用已学习模型，判定物品A中是否包括异物F。已学习模型是基于包括X射线的衰减率比物品A低的异物F的图像而进行了机器学习的已学习模型。已学习模型也能够从USB存储器或可移动硬盘等外部存储介质获取。控制部10例如将第二透过图像P2输入已学习模型，判定物品A中是否包括异物F。控制部10使异物F的检查结果存储在存储部。

[异物判定]

在物品A中包括第一检查的检查结果和第二检查的检查结果所共有的异物F（第二异物）的情况下，控制部10判定为物品A中包括异物F。在判定为在第一检查以及第二检查的至少一方的检查结果中物品A中包括异物F的情况下，控制部10基于在X射线透过图像中异物F所占的区域，判定物品A中是否包括异物F。该阈值也可以根据异物F的性质（大小等），通过试验等适当设定。在本实施方式中，在物品A中包括第一检查的检查结果和第二检查的检查结果所共有的异物F，且异物F的面积为阈值以上的情况下，控制部10判定为物品A中包括异物F。

控制部10在异物检测的判定后使检查结果显示于显示操作部8。在显示操作部8例如显示检查结果图像以及检查结果“OK（合格品）或“NG（残次品）”。在显示操作部8中，将包括异物F的区域包围而显示。此外，在判定为物品A中包括异物F的情况下，控制部10对分配装置输出对该物品A的分配进行指示的指示信号。

如以上所说明的那样，在本实施方式的X射线检查装置1中，在物品A中包括第一检查以及第二检查的各个检查结果所共有的异物F的情况下，控制部10判定为物品A中包括异物F。由此，在X射线检查装置1中，通过利用两个检查结果，例如即使在第二检查中在将空洞判定为异物F的情况下，在第一检查中在判定为不包括异物F的情况下，也不判定为物品A中包括异物F。因此，在X射线检查装置1中，能够抑制异物F的误检测的发生。

在本实施方式所涉及的X射线检查装置1中，在判定为在第一检查以及第二检查的至少一方的检查结果中物品A中包括异物F的情况下，控制部10基于在X射线透过图像中异物F所占的区域，判定物品A中是否包括异物F。在第一检查中，当要提高灵敏度时，微小的噪声的影响变大，而可能会进行误检测。因此，控制部10基于在X射线透过图像中异物F所占的区域来判定物品A中是否包括异物F。由此，在X射线检查装置1中，能够排除微小的噪声。因此，在X射线检查装置1中，能够实现检测精度的提升，并且抑制误检测的发生。

在本实施方式所涉及的X射线检查装置1中，X射线检测部7检测透过了物品A的高能量带的X射线以及透过了物品A的低能量带的X射线。控制部10生成基于高能量带的X射线的第一透过图像P1以及基于低能量带的X射线的第二透过图像P2。控制部10基于第一透过图像P1以及第二透过图像P2的差值图像，判定物品A中是否包括异物F。在该结构中，由于使用基于两个不同的能量带的多个X射线透过图像的差值图像，因此能够更加高精度地检测异物F。

在本实施方式所涉及的X射线检查装置1中，控制部10使用已学习模型来实施第二检查，该已学习模型基于包括X射线的衰减率比物品A低的异物F的图像而进行了机器学习。在该结构中，能够高精度地检测在物品A的内部存在的树脂等异物F。

以上，对本发明的实施方式进行了说明，但本发明未必限定于上述实施方式，能够在不脱离其主旨的范围内进行各种变更。

在上述实施方式中，X射线检测部7构成为检测两个频带的X射线，但不限于此。例如，X射线检测部7也可以构成为检测三个以上频带的X射线。在该情况下，X射线检测部7也可以使用三个以上频带的X射线来判定有无物品A中包括的异物。

在上述实施方式中，作为X射线检测部7，以所谓的光子计数方式的传感器的方式为一例进行了说明。但是，X射线检测部7也可以具有第一行式传感器和第二行式传感器。第一行式传感器以及第二行式传感器分别由沿着与输送方向D垂直的水平方向一维地排列的X射线检测元件（未图示）构成。第一行式传感器检测透过了物品A以及输送部5的输送带的低能量带的X射线。第二行式传感器检测透过了物品A、输送部5的输送带以及第一行式传感器的高能量带的X射线。此外，X射线检测部7既可以是具有一个行式传感器的结构，也可以是使用其他传感器的结构。

在上述实施方式中，以生成第一透过图像P1以及第二透过图像P2，并基于提取了第一透过图像P1与第二透过图像P2的差异的差值图像来判定物品A中是否包括异物F的方式为一例进行了说明。但是，也可以在不检测多个能量带的X射线的结构中，基于X射线透过图像来判定物品A中是否包括异物F。

在上述实施方式中，以将X射线的衰减率比物品A低的异物F的检查作为目的，在第二检查中使用基于包括X射线的衰减率比物品A低的异物F的图像而进行了机器学习的已学习模型的方式为一例进行了说明。但是，已学习模型并不限定于此。例如，也可以在第二检查中使用基于包括X射线的衰减率比物品A高的异物F的图像而进行了机器学习的已学习模型。在使用该已学习模型的情况下，能够将金属等检测为异物F。具体而言，在物品A中包括第一检查的检查结果和第二检查的检查结果所共有的异物F（第一异物）的情况下，判定为物品A中包括异物F。

在上述实施方式中，X射线检查装置1具有控制部10，但不限于此。例如，控制部10的至少一部分的功能也可以安装在能够与X射线检查装置1有线通信或无线通信的外部的控制装置（膝上型PC、平板、服务器等）。上述实施方式或上述变形例中的各结构能够任意地应用于其他实施方式或其他变形例中的各结构。

Claims (5)

1.一种X射线检查装置，具备：

输送部，输送物品；

X射线照射部，对由所述输送部输送的所述物品照射X射线；

X射线检测部，检测由所述X射线照射部照射并透过了所述物品的X射线；

X射线透过图像生成部，基于由所述X射线检测部检测出的X射线，生成X射线透过图像；以及

检查部，基于由所述X射线透过图像生成部所生成的所述X射线透过图像，检查所述物品中是否包括异物，

所述检查部实施第一检查，所述第一检查使用预定的阈值，来检查所述物品中是否包括所述X射线的衰减率比所述物品低的所述异物，

所述检查部实施第二检查，所述第二检查使用机器学习算法，来检查所述物品的内部是否包括所述异物，

在所述物品中包括所述第一检查以及所述第二检查的各自的检查结果所共有的所述异物的情况下，所述检查部判定为所述物品中包括所述异物。

2.根据权利要求1所述的X射线检查装置，其中，

在判定为在所述第一检查以及所述第二检查的至少一方的检查结果中所述物品中包括所述异物的情况下，所述检查部基于在所述X射线透过图像中所述异物所占的区域，判定所述物品中是否包括异物。

3.根据权利要求1或2所述的X射线检查装置，其中，

所述X射线检测部检测透过了所述物品的第一能量带的所述X射线、以及透过了所述物品的第二能量带的所述X射线，

所述X射线透过图像生成部生成基于所述第一能量带的所述X射线的所述X射线透过图像、以及基于所述第二能量带的所述X射线的所述X射线透过图像，

所述检查部基于由所述X射线透过图像生成部所生成的多个所述X射线透过图像的差值图像，判定所述物品中是否包括异物。

4.根据权利要求1或2所述的X射线检查装置，其中，

所述检查部使用已学习模型来实施第二检查，所述已学习模型基于包括所述X射线的衰减率比所述物品低的所述异物的图像而进行了机器学习。

5.根据权利要求1或2所述的X射线检查装置，其中，

所述异物的比重比所述物品小。