JP2007132757A - 外観検査方法および同装置 - Google Patents

Abstract

【課題】 局所的な欠陥だけでなく大域的な欠陥も検出することができる外観検査方法を提供する
【解決手段】被検査物を撮影して得た検査画像を分割した各小領域の欠陥判定により、まず比較的小さい点キズや線キズ等の局所的な欠陥を検出する。そして前記各小領域の濃度平均値を用いて低解像度の新たな検査画像を作成し、この低解像度の新たな検査画像を分割した各小領域の欠陥判定により、比較的大きい染みや汚れ、色むら、柄感不良、色段差等の大域的な欠陥を検出する。
【選択図】 図９

Description

本発明は、布帛等の表面欠陥を検出する外観検査方法および同装置に関する。

繊維、織物、紙などロール状の製品若しくはカラーベストや瓦などの板状の建材などの品質管理では、製造工程内における作業者の目視による欠陥判定が行われてきた。

ところが、人の視覚は長時間同じ色や柄を観察しているとその周期や明度に順応し、順応した周期や明度と異なるレベルの異常は検出しやすいが、同じレベルの異常は見逃しやすくなる特性がある。

従って、作業者の目視による欠陥判定は作業者の経験や視覚能力の差などに伴って欠陥判定基準が変動し、製品の品質がばらつくという問題があった。

そこで最近では、画像センサおよび画像処理システムを用いた自動外観検査が検討されつつある。

たとえば、下記特許文献１では、異なる方向、角度から複数の光を織物に照射し、目飛び、糸抜け、糸吊り等の欠陥検出を行う織物検査装置が開示されている。また、下記特許文献２では、フラット平面を持つシート状の被検査物に対し、グレースケール画像の正規化相関に基づく異物や汚れなどの検査方法も開示されている。

これらの方法では、染色された織物や組織柄を有する織物に対し、正常な画像および検査時における画像から抽出した特徴量をテンプレートマッチング法、相関法、周波数解析法等により比較し、その不具合を抽出することを主たる特徴としている。
特開２００３−１３８４６８号公報 特開２００４−１７７１７０号公報

しかしながら、布帛等における表面欠陥には、点キズ、線キズ、欠け等の局所的な欠陥と、しわ、色段差、カスレ、汚れ、柄感不良等の大域にわたる大域的な欠陥が存在する。

ところが、従来の上記のような検査装置や検査方法では、点キズや線キズ等の局所的な欠陥については、製品表面の欠陥の定量化が可能になり検出精度の向上が期待できるものの、色段差や柄感不良、カスレ等の大域的な欠陥については定量化が困難で、検出することが困難であった。

本発明は、かかる問題を解決すべくなされたものであり、局所的な欠陥だけでなく大域的な欠陥も検出することができる外観検査方法および同装置を提供することを目的とする。

本発明は、下記の手段を提供する。すなわち、
［１］被検査物を撮影して検査画像を得る撮影ステップと、
前記検査画像を複数の小領域に分割する領域分割ステップと、
各小領域について濃度平均値を含む特徴量を抽出する特徴量抽出ステップと、
抽出した前記特徴量と所定の特徴量基準値とを照合することで欠陥判定を行う良否判定ステップと、
前記各小領域をその濃度平均値を有する画素として扱った低解像度の新たな検査画像を作成する低解像度化ステップと、を有し、
前記低解像度化ステップによって作成された低解像度の新たな検査画像に基づいて、前記領域分割ステップ、前記特徴量抽出ステップおよび前記良否判定ステップをさらに１回以上繰り返すことを特徴とする外観検査方法。

［２］前記領域分割ステップでは、隣接する小領域が互いに重複部分を有するように分割する前項１に記載の外観検査方法。

［３］前記領域分割ステップ、前記特徴量抽出ステップおよび前記良否判定ステップの繰り返し回数を、前記撮影ステップの撮像により得られた検査画像に基づく１回目を含めて、合計３回以上とする前項１または２に記載の外観検査方法。

［４］複数回行われる前記良否判定ステップには、互いに異なる種類の前記特徴量を用いるものが含まれる前項１〜３のいずれかに記載の外観検査方法。

［５］２回目以降に行われる前記良否判定ステップには、前記特徴量として周波数分析結果を用いる回を含む前項１〜４のいずれかに記載の外観検査方法。

［６］前記特徴量抽出ステップでは、前記濃度平均値に加えて、濃度上限値、濃度下限値、濃度分散値、濃度ヒストグラムおよびテクスチャ特徴量の少なくとも１つを含む複数種類の特徴量を抽出し、
前記良否判定ステップでは、これら複数種類の特徴量に基づいて欠陥判定を行う前項１〜５のいずれかに記載の外観検査方法。

［７］複数の良品を撮影した画像から抽出した複数種類の特徴量に基づいて、前記良否判定ステップにおける前記特徴量基準値を設定する前項１〜６のいずれかに記載の外観検査方法。

［８］複数の良品を撮影したの画像から抽出した複数種類の特徴量を多次元ベクトルとして表現し、その平均値ベクトルおよび共分散行列を前記良否判定ステップにおける前記特徴量基準値に設定する前項１〜６のいずれかに記載の外観検査方法。

［９］前記良否判定ステップでは、各小領域について抽出した前記特徴量と前記特徴量基準値との統計的距離尺度に基づいて欠陥判定を行う前項８に記載の外観検査方法。

［１０］前記良否判定ステップでは、各小領域毎にその特徴量と前記特徴量基準値との照合結果を数値化し、各小領域とその近傍の小領域との前記照合結果の差に基づいて欠陥判定を行う前項１〜９のいずれかに記載の外観検査方法。

［１１］前記良否判定ステップでは、各小領域と隣接する小領域との前記照合結果の最大偏差に基づいて欠陥判定を行う前項１０に記載の外観検査方法。

［１２］前記撮影ステップでは、被検査物をカラー撮影する前項１〜１１のいずれかに記載の外観検査方法。

［１３］被検査物が布帛である前項１〜１２のいずれかに記載の外観検査方法。

［１４］被検査物が周期性を有する柄物である前項１〜１３のいずれかに記載の外観検査方法。

［１５］被検査物を撮影して検査画像を得る撮影手段と、
前記検査画像を複数の小領域に分割する領域分割手段と、
各小領域について濃度平均値を含む特徴量を抽出する特徴量抽出手段と、
抽出した前記特徴量と所定の特徴量基準値とを照合することで欠陥判定を行う良否判定手段と、
前記各小領域をその濃度平均値を有する画素として扱った低解像度の新たな検査画像を作成する低解像度化手段と、を有し、
前記領域分割手段、前記特徴量抽出手段および前記良否判定手段は、前記低解像度化手段によって作成された低解像度の新たな検査画像に基づいて、小領域の分割処理、特徴量の抽出処理および欠陥判定処理をさらに１回以上繰り返すことを特徴とする外観検査装置。

上記発明［１］によると、段階的に大きさの異なる小領域を設定しながら欠陥判定を行うことにより、大きさの異なる欠陥を検出することができる。すなわち、被検査物を撮影して得た検査画像を分割した各小領域の欠陥判定により、まず比較的小さい点キズや線キズ等の局所的な欠陥を検出することができる。そして前記各小領域の濃度平均値を用いて低解像度の新たな検査画像を作成し、この低解像度の新たな検査画像を分割した各小領域の欠陥判定により、比較的大きい染みや汚れ、色むら、柄感不良、色段差等の大域的な欠陥をも検出することができる。

上記発明［２］によると、隣接する小領域が互いに重複部分を有するように分割するため、各小領域の境界付近に存在する欠陥も感度良く検出することができる。

上記発明［３］によると、大きさの異なる小領域を３段階以上設定して欠陥判定を行うため、より多様な大きさの異なる欠陥を確実に検出することができる。

上記発明［４］によると、各回の良否判定ステップ毎に、検出対象となる欠陥の大きさに応じて検出に適した特徴量を用いて、多様な大きさの欠陥をより確実に検出することができる。

上記発明［５］によると、比較的大きな欠陥の検出に適した特徴量である周波数分析結果を２回目以降に行われる良否判定ステップに用いることで、大域的な欠陥をより確実に検出することができる。

上記発明［６］によると、複数種類の特徴量に基づいて欠陥判定を行うため、種々の欠陥をより正確に検出することができる。

上記発明［７］によると、複数の良品画像から抽出した複数種類の特徴量に基づいて前記特徴量基準値を設定するための良品の特徴をより的確に表現した基準値を設定することができ、これにより適切な良否判定を行うことができる。

上記発明［８］によると、複数の良品画像から抽出した複数種類の特徴量に基づいて前記特徴量基準値を設定するための良品の特徴をより的確に表現した基準値を設定することができ、これにより適切な良否判定を行うことができる。

上記発明［９］によると、統計的距離尺度に基づいて欠陥判定を行うため、各小領域の良否の程度を具体的に表現しながら欠陥判定を行うことができる。

上記発明［１０］によると、近傍の小領域との照合結果の差に基づいて欠陥判定を行うため、各小領域毎の特徴量喜寿運地との照合だけでは検出できない欠陥であっても、近傍の小領域と比較してより大きく特徴量基準値から外れている欠陥を検出することができる。

上記発明［１１］によると、各小領域と隣接する小領域との前記照合結果の最大偏差に基づいて欠陥判定を行うため、近傍の小領域と比較して特徴量基準値から外れている程度を正確に捉えて欠陥判別を行うことができる。

上記発明［１２］によると、被検査物をカラー撮影するため、カラー画像に基づいてより正確に欠陥判別を行うことができる。

上記発明［１３］によると、布帛における大きさの異なる欠陥を検出することができる。

上記発明［１４］によると、局所的な欠陥だけでなく、大域的な欠陥の柄感不良等も検出することができる。

上記発明［１５］によると、段階的に大きさの異なる小領域を設定しながら欠陥判定を行うことにより、大きさの異なる欠陥を検出することができる。すなわち、被検査物を撮影して得た検査画像を分割した各小領域の欠陥判定により、まず比較的小さい点キズや線キズ等の局所的な欠陥を検出することができる。そして前記各小領域の濃度平均値を用いて低解像度の新たな検査画像を作成し、この低解像度の新たな検査画像を分割した各小領域の欠陥判定により、比較的大きい染みや汚れ、色むら、柄感不良、色段差等の大域的な欠陥をも検出することができる。

以下、本発明の実施形態を図面に基づいて説明する。

図１は、この実施形態にかかる外観検査装置の構成説明図である。図２は、同外観検査装置の機能ブロック図である。

この外観検査装置の被検査物１は、検査対象部位が平面状の形態を有するたとえば織物等の布帛であり、この実施形態では、図１に示すように、ロール状に巻かれた長尺物として供されている。

［外観検査装置］
外観検査装置は、図１および図２に示すように、被検査物１を所定の撮影領域に送り込む搬送装置２と、被検査物１を撮影するカメラ３と、被検査物１を照明する照明４と、カメラ３によって撮像された画像に基づいて検査を行う画像解析装置５とを備えている。

搬送装置２は、ロール状に巻かれた被検査物１を従動ローラ２１で回転自在に支持し、一端側から順次、駆動源２３を備えた駆動ローラ２２に巻き取っていくことで、被検査物１を長手方向に搬送して、被検査物１の各部を両ローラ２１，２２間に設定される所定の撮影領域３１に送り込むようになっている。

この搬送装置２は、画像解析装置５が備える後述の撮影制御手段５１に被検査物１を搬送駆動した距離を伝達するようになっており、この搬送駆動した距離に応じて撮影制御手段５１が搬送装置２を駆動制御するようになっている。

カメラ３は、前記撮影領域３１に送り込まれた被検査物１を撮影して検査画像を取得するものであり、具体的には、ＣＣＤ等の撮像素子を備えたエリアセンサカメラ又はラインセンサから構成されている。この実施形態では、複数台（たとえば３台）のカメラ３…が被検査物１の搬送方向に直交する幅方向に並べて配置されており、これにより各カメラ３…を移動させることなく、被検査物１の全幅を切れ目なく撮影できるようになっている。

このカメラ３もまた、画像解析装置５が備える後述の撮影制御手段５１によって駆動制御され、被検査物１が搬送装置２によって撮影領域３１の長さを越えない所定の距離を搬送される毎に、検査画像を取り込むようになっており、これにより被検査物１の搬送方向（長手方向）についても切れ目なく撮影できるようになっている。

照明４は、撮影領域３１に送り込まれた被検査物１に照明光を照射するものであり、具体的には、蛍光灯等から構成されている。

この照明４もまた、画像解析装置５が備える後述の撮影制御手段５１によって駆動制御され、所定のタイミングで点灯および消灯されるとともに、被検査物１に応じた照明強度が設定されるようになっている。

なお、以上の搬送装置２、カメラ３、照明４および画像解析装置５の撮影制御手段５１は、被検査物１を撮影して検査画像を得る撮影手段として機能する。

画像解析装置５は、カメラ３によって撮像された画像を解析して欠陥判定を行うものである。この画像解析装置５は、具体的には、ＣＰＵ、ＲＡＭ、ＲＯＭ、ハードディスク装置等の記憶装置、キーボード等の入力装置、モニタ等の出力装置を備えたコンピュータからなり、このコンピュータ上に、上記撮影動作を制御する撮影制御手段５１と、前記検査画像を複数の小領域に分割する領域分割手段５２と、各小領域について濃度平均値を含む特徴量を抽出する特徴量抽出手段５３と、抽出した前記特徴量と所定の特徴量基準値とを照合することで欠陥判定を行う良否判定手段５４と、前記各小領域をその濃度平均値を有する画素として扱った低解像度の新たな検査画像を作成する低解像度化手段５５と、前記所定の特徴量基準値を設定する基準値設定手段５６と、が機能的に構成されている。

そして、後述するように、実際の検査時等には、前記領域分割手段５２、前記特徴量抽出手段５３および前記良否判定手段５４は、前記低解像度化手段５５によって作成された低解像度の新たな検査画像に基づいて、小領域の分割処理、特徴量の抽出処理および欠陥判定処理をさらに１回以上繰り返すようになっている。

これら各手段５１〜５６の具体的な機能および動作については後述する。

［外観検査方法］
以下、この外観検査装置を用いて行われる外観検査方法について説明する。

この実施形態にかかる外観検査方法では、実際の製品等を被検査物１とする検査に先だって、欠陥判定の判定基準とする基準値（特徴量基準値）の設定を行い、こうして設定した基準値を用いて実際の製品等に対する検査を行うようになっている。そこで、まず基準値の設定処理について説明し、その後、実際の製品等を被検査物１とする検査処理について説明する。

（特徴量基準値の設定）
図３は、本発明の一実施形態における特徴量基準値の設定処理の流れを示すフローチャートである。

この実施形態では、多数の良品を撮影した画像から特徴量基準値を設定する。

この特徴量基準値の設定処理においても、後述する実際の製品等を被検査物１とする検査と同様の手順により、撮影画像から段階的に低解像度の画像が作成され、各段階の画像を分割した小領域の統計的な特徴量の抽出が行われる。そして、特徴量基準値の設定処理では、多数の良品を撮影し、そうして得た良品画像から抽出された統計的な特徴量に基づいて、特徴量基準値の設定が行われるようになっている。

なお、以下においては、撮影画像を対象とした１回目（１段階目）の特徴量の抽出処理等をレベル０、撮影画像を順次低解像度化して得られた低解像度画像を対象とした２回目（２段階目）以降の特徴量の抽出処理等をレベル１，レベル２…と称する。

特徴量基準値の設定処理では、まず複数の良品の撮影が行われる（ステップＳ１２）。この複数の良品には合格限度品が含まれ、良品と判断されるべき被検査物１の多様な特徴が含まれるようになっている。この撮影は、画像解析装置５の撮影制御手段５１によって搬送装置２，カメラ３および照明４が駆動制御することによって行われる。

＜小領域の分割＞
こうして複数の良品から撮影された各画像は、領域分割手段５２によってそれぞれ複数の小領域に分割する領域分割処理が行われる（ステップＳ１４）。

図４は、領域分割処理の一例を示す説明図である。この例では、撮影によって得られた画像ｘ０を、縦Ｎ個、横Ｍ個の小領域ｒ０に分割している。各小領域ｒ０は、いずれも同じサイズ（画素数）に設定されている。具体的には、各小領域ｒ０は縦横とも同じ画素数（ｎ₀×ｎ₀画素）に設定されている。

また、各小領域ｒ０は、隣接する小領域ｒ０が互いに重複部分を有するように設定されている。仮に重複部分なく領域分割を行うと、各小領域ｒ０の境界に跨る欠陥が分断されて各小領域ｒ０に含まれることになり、各小領域ｒ０内で異常として検出されるために十分な大きさを保てない場合がある。これに対し、本実施形態のように、隣接する小領域ｒ０が互いに重複部分を有するように設定すれば、各小領域ｒ０の境界付近に存在する欠陥は少なくともいずれかの小領域ｒ０に大きく含まれやすくなり、このような欠陥を感度良く検出することができる。

各小領域ｒ０の重複部分は、各小領域ｒ０を分割していく際のサンプリング間隔によって決定され、この例では、重複部分（画素数ｍ₀）は、各小領域ｒ０の半分以下の領域サイズ（０≦ｍ₀≦ｎ₀／２）に設定している。

＜特徴量の抽出＞
次に分割された各小領域ｒ０に対して、特徴量抽出手段５３により、濃度平均値を含む統計的な特徴量を抽出する特徴量の抽出処理が行われる（ステップＳ１６）。

このような統計的な特徴量としては、各小領域ｒ０を構成する各画素（ｎ₀×ｎ₀）の濃度値（階調値）を統計的に処理して抽出される各種の特徴量を採用することができ、たとえば濃度ヒストグラムから算出される各種の特徴量やテクスチャ特徴量、周波数分析結果等を挙げることができる。

そして、このような多様な特徴量から、複数種類の特徴量を用いると、多様な欠陥をいずれかの特徴量に反映させることができ、欠陥の検出性を高めることができる。

この実施形態では、撮影画像を分割した小領域ｒ０に対する第１段階の特徴量抽出処理では、図５に示すような濃度ヒストグラムに関する特徴量として、濃度平均値μ、濃度標準偏差σ、濃度最小値ｘ_min、濃度最大値ｘ_maxをの４種類の特徴量を採用している。縦方向についてｉ番目、横方向についてｊ番目の位置（ｉ，ｊ）にある小領域ｒ０の特徴量は、下記式によって算出することができる。

この実施形態では、このように抽出された複数種類の特徴量を要素とする多次元ベクトルを、各小領域ｒ０の特徴量を表現する下記特徴ベクトルｐ_r0を定義し、これにより各小領域ｒ０の特徴量を表現する。

なお、ＲＧＢ等の各色毎に濃度値（階調値）を有するカラー画像を用いる場合には、上記各種の特徴量は各色毎に算出することができる。

＜基準値の設定＞
次に抽出された各小領域ｒ０の特徴量に基づいて、基準値設定手段５６により、欠陥判定に用いられる特徴量基準値が設定される（ステップＳ１８）。この特徴量基準値の設定は、被検査物１の検査対象となる領域における柄の有無によって異なる。

まず、図６に示すように、被検査物１の検査対象領域に柄がなく全体が一様であれば、各小領域ｒ０の特徴ベクトルは統計的にみてそれぞれの位置（ｉ，ｊ）に依存せず、同等に扱うことができる。そこで、このような場合、この実施形態では、複数の良品を撮影した画像から得られた全ての小領域ｒ０の特徴ベクトルを用いて平均ベクトルを算出するとともに、共分散行列を算出し、これら平均ベクトルおよび共分散行列を、特徴量基準値として設定する。

具体的に、被検査物１に柄のない場合の特徴量基準値である平均ベクトルｐ_r0aveおよび共分散行列Ｃ_r0は、複数の良品を撮影して得られた良品画像がＷ枚得られているとすると、下記式によって算出することができる。

一方、図７に示すように、被検査物１の検査対象領域に周期性を有する柄が存在する場合、各小領域ｒ０の特徴ベクトルは、検査対象領域内で周期的に繰り返されるため、同じ位置（位相）のものは同等に扱うことができる。そこで、このような場合、この実施形態では、繰り返し単位となる縦方向および横方向の１周期分に相当する領域（１周期領域）Ｓを想定して、この領域Ｓ内における各位置の各小領域ｒ０毎に特徴量基準値を設定する。

具体的には、小領域ｒ０のサイズを単位としたとき、被検査物１の柄が縦方向に周期Ｕ₀、横方向に周期Ｖ₀を持つとすると、前記１周期領域Ｓに含まれる各小領域ｒ０の特徴ベクトルは、特徴集合Ｐ_R0として下記式で表すことができる。

そして、複数の良品を撮影して得られた良品画像から、Ｗ個の前記１周期領域が取り出せたとすると、Ｗ個の前記１周期領域Ｓ内の同じ位置（ｉ，ｊ）に属する小領域ｒ０の特徴ベクトルｐ_r0（ｉ，ｊ）を平均して、下記式により各位置（ｉ，ｊ）の小領域ｒ０の特徴量基準値とする平均ベクトルｐ_r0ave（ｉ，ｊ）を算出するとともに、共分散行列Ｃ_r0（ｉ，ｊ）を算出する。

こうして算出される前記１周期領域内の各位置に属する小領域ｒ０毎の特徴量基準値を用いると、各位置の特徴量基準値を要素とした前記特徴集合Ｐ_R0に対応する平均ベクトル集合Ｐ_R0aveおよび共分散行列集合Ｃ_R0は、下記式で表すことができる。

なお、被検査物１の検査対象となる領域の各部位が位置に依存した色や柄を有する場合には、複数の良品から得た画像から、同じ位置に相当する小領域ｒ０毎に、特徴量基準値を設定すればよい。具体的には、同じ位置の小領域ｒ０の特徴量ベクトルの平均値を算出するとともに、こうして算出される特徴量ベクトルから共分散行列を求めればよい。

こうして特徴量基準値が設定されれば、上述したように段階的に行う低解像度化が予め設定された所定のレベルまで完了したかが判断され（ステップＳ２０）、完了していれば（ステップＳ２０でＹＥＳ）、基準値の設定処理は終了する。

＜低解像度画像の作成＞
完了していなければ（ステップＳ２０でＮＯ）、低解像度化手段５５により、低解像度画像の作成処理が行われる（ステップＳ２２）。

この実施形態では、複数の良品の撮影により得られた画像に基づく１回目（１段階目）のレベル０と、この１回目の小領域ｒ０を用いて作成された低解像度画像に基づく２回目（２段階目）のレベル１と、さらにこの２回目の小領域ｒ１を用いて作成された低解像度画像に基づく３回目（３段階目）のレベル２との合計３回の特徴量基準値の設定を行うものとする。

１回目（１段階目）のレベル０における特徴量基準値が上述のようにして設定されると、２回目（２段階目）のレベル１における特徴量基準値を設定するべく、レベル０における各小領域ｒ０をその濃度平均値μを有する画素として扱った低解像度の新たな画像ｘ１が作成される。

このように、レベル０における特徴量の算出により既に計算されている各小領域ｒ０の濃度平均値を用いて次のレベル１の低解像度画像を作成するため、画素数の多い最初の撮影画像から直接レベル１の検査画像を作成する場合と比較して、計算負荷を軽減することができる。

こうして作成される低解像度の画像ｘ１は、レベル０の撮影画像ｘ０における複数の画素（ｎ₀×ｎ₀）を有する各小領域ｒ０それぞれを画素扱いするものであるから、微細な欠陥の影響が捨象されたものとなり、より大域的な欠陥検出に適している。

続いて２段階目のレベル１の画像ｘ１に基づいて、上述した小領域の分割処理（ステップＳ１４）、特徴量の抽出処理（ステップＳ１６）および基準値の設定処理（ステップＳ１８）が繰り返し行われる。

図８は、レベル１における領域分割処理の一例を示す説明図である。この例では、低解像度化画像ｘ１を、縦Ｌ個、横Ｋ個の小領域ｒ１（ｎ₁×ｎ₁画素）に分割している。また隣接する小領域ｒ１が互いに重複部分（ｍ₁画素）を有するように設定され、各小領域ｒ１の境界付近に存在する欠陥も感度良く検出できるようにされている。

レベル１における各小領域ｒ１から抽出する特徴量として、この実施形態では、上述した濃度平均値μと、周波数分析結果を示す特徴量として各小領域ｒ１のフーリエ・パワースペクトルｓとを採用する。このように、大域的な欠陥検出に適したレベル１において、比較的大きな欠陥の検出に適した周波数分析結果を特徴量に用いることで、大域的な欠陥の特徴をより明確に捉えることができる。このような各小領域ｒ１の特徴量を多次元ベクトルで表現した特徴ベクトルｐ_r1は下記式に表される。

こうして各小領域ｒ１の特徴量が抽出されれば、上述したレベル０と同様に、柄がない場合には、全ての小領域ｒ１に共通の特徴量基準値として平均ベクトルｐ_r1aveおよび共分散行列Ｃ_r1が設定され、周期性を有する柄がある場合には、柄の１周期領域内の各位置の小領域ｒ１毎に特徴量基準値が設定され、それを集合として表現した平均ベクトル集合Ｐ_R1aveおよび共分散行列集合Ｃ_R1が設定される。

こうして２回目（２段階目）のレベル１における特徴量基準値の設定が完了すれば、引き続き３回目（３段階目）のレベル２における特徴量の設定が繰り返される。

この３回目のレベル２は、より大域的な欠陥検出に適しており、上述した２回目のレベル１と同様に、特徴量として周波数分析結果を示すフーリエパワースペクトルを採用するようになっており、上述した２回目のレベル１と同様の手順により、柄がない場合には、全ての小領域ｒ２に共通の特徴量基準値として平均ベクトルｐ_r2aveおよび共分散行列Ｃ_r2が設定され、周期性を有する柄がある場合には、柄の１周期領域内の各位置の小領域ｒ２毎に特徴量基準値が設定され、それを集合として表現した平均ベクトル集合Ｐ_R2aveおよび共分散行列集合Ｃ_R2が設定される。

この実施形態では、上述したように３段階（レベル０〜２）の特徴量の抽出に留めるが、以上のように分割された各小領域ｒの濃度平均値μを用いて順次画像を低解像度化するとともに、その領域サイズに適した特徴量を抽出することが可能である。

（製品の検査）
次に、上述のようにして設定された特徴量基準値を用いて行われる実際の製品等を被検査物１とした検査の手順について説明する。

図９は、本発明の一実施形態における検査処理の流れを示すフローチャートである。

実際の製品等を被検査物１とする検査処理では、まず被検査物１の撮影が行われる（ステップＳ３２）。

続いて被検査物１を撮影して得られた検査画像ｘ０に対し、領域分割手段５２によって複数の小領域ｒ０に分割する領域分割処理が行われるとともに（ステップＳ３４）、特徴量抽出手段５３によって各小領域ｒ０の統計的な特徴量ｐ_r0の抽出処理が行われる（ステップＳ３６）。これらの領域分割処理および特徴量の抽出処理は、上述した特徴量基準値の設定処理における処理と同じである。

続いて、良否判定手段５４により、抽出された特徴量ｐ_r0に基づいて欠陥判定処理が行われる（ステップＳ３８）。この欠陥判定処理については後で詳述する。

この欠陥判定処理において欠陥が発見されれば（ステップＳ４０でＹＥＳ）、画像解析装置５のモニタ画面等に欠陥個所の表示が行われるとともに（ステップＳ４２）、欠陥の位置や種類等の欠陥情報が記憶装置等に記録される（ステップＳ４４）
そして、段階的に行う欠陥判定処理が予め設定された所定のレベルまで完了したかが判断される（ステップＳ４６）。上述した特徴量基準値の設定と同様に、この実施形態では、３回目（３段階目）のレベル２まで低解像度化を行うため、被検査物１を撮影した検査画像に基づくレベル０の欠陥検出が完了した時点、およびレベル１の欠陥検出が完了した時点であれば、低解像度画像の作成処理を行い（ステップＳ４８）、上述した領域分割処理（ステップＳ３４）、特徴量の抽出処理（ステップＳ３６）および欠陥判定処理（ステップＳ３８）が繰り返される。

一方、レベル２の欠陥検出が完了すれば（ステップＳ４６でＹＥＳ）、被検査物１の検査対象とすべき全領域の検査が完了したかが判断され（ステップＳ５０）、完了していなければ（ステップＳ５０でＮＯ）、未検査領域の撮影のために被検査物１を搬送して被検査物１の撮影（ステップＳ３２）に戻る。全領域の検査が完了していれば（ステップＳ５０でＹＥＳ）、一連の検査処理を終了する。

＜欠陥判定＞
次に、上記フローチャートのステップＳ３８で行われる欠陥判定処理について詳述する。

この欠陥判定処理では、各レベル０〜２において、被検査物１から抽出された各小領域ｒ０〜ｒ２の特徴量ｐ_r0〜ｐ_r2と、上述の基準値の設定処理によって設定された各レベル０〜２の特徴量基準値とを照合することによって行われる。

図１０は、各レベルにおいて検出される欠陥の大きさを概念的に示した説明図である。

各レベル０〜２では、それぞれ特徴量が抽出される小領域ｒ０〜ｒ２の大きさが異なっているため、たとえば比較的小さい点キズや線キズ等の局所的欠陥が各レベルの小領域ｒ０〜ｒ２に存在する場合を想定すると、レベル０の小さな小領域ｒ０であれば、その局所的欠陥による影響が特徴量ｐ_r0に大きな影響を与えるが、レベル１、レベル２の比較的大きな小領域ｒ１，ｒ２の特徴量ｐ_r1，ｐ_r2に与える影響は小さい。このためこのような局所的な欠陥の検出は小領域が小さいレベルが適している。

一方、比較的大きい染みや汚れ、色むら、柄感不良、色段差等の大域的な欠陥は、良品等と比較すると濃度値の差異は小さくてもその大きさのために欠陥と認識される場合がある。このような場合、たとえばレベル０等の小さな小領域ｒ０では、ノイズレベルに紛れてしまって異常とは判定できないことがある。このため、このような大域的な欠陥の検出は小領域が比較的大きなレベルが適している。

この実施形態では、上述したように、小領域の大きさの異なる３つのレベル０〜２のそれぞれにおいて欠陥判別を行うため、局所的な欠陥から大域的な欠陥まで多様な種類の欠陥を好適に検出することができる。

この実施形態においては、抽出された特徴量と特徴量基準値との照合の尺度として、両者の統計的距離尺度を用いる。このような統計的距離尺度を用いることにより、各小領域ｒ０〜ｒ２が基準値から外れている程度、すなわち良否の程度を具体的に表現しながら欠陥判定を行うことができる。このような統計的距離尺度としては、ユークリッド距離、ミンコフスキー距離、マハラノビス距離などを挙げることができる。ここでは、具体例として、マハラノビス距離Ｍｈを採用した場合について説明する。

さらに、この実施形態においては、各小領域ｒ０〜ｒ２の前記統計的距離尺度の大きさだけでなく、その近傍の小領域ｒ０〜ｒ２における前記統計的距離尺度との差に基づいて第２の欠陥判定を合わせて行うようになっている。ここでは具体例として各小領域ｒ０〜ｒ２毎に、隣接する小領域ｒ０〜ｒ２とのマハラノビス距離Ｍｈの最大偏差Ｄｒ、すなわち、各小領域ｒ０〜ｒ２のマハラノビス距離Ｍｈと、隣接する全ての小領域ｒ０〜ｒ２におけるマハラノビス距離Ｍｈとの差の最大値を求め、その大きさによって、第２の欠陥判定を行う。この最大偏差Ｄｒは、各小領域ｒ０〜ｒ２のマハラノビス距離Ｍｈの局所的な変動の大きさを示しており、この値が大きいほど欠陥が存在する確率が高くなるものである。

この欠陥判定処理の具体的手順は、上述した特徴量基準値の設定処理と同様に、被検査物の検査対象領域における柄の有無によって異なるため、それぞれの場合について順に説明する。

まず、被検査物１の検査対象領域に柄がない場合、上述したように特徴量基準値は各小領域ｒ０〜ｒ２の位置に依存しないため、各レベル０〜２毎に同じ特徴量基準値としての平均ベクトルｐ_r0ave，ｐ_r1ave，ｐ_r2aveおよび共分散行列Ｃ_r0，Ｃ_r1，Ｃ_r2が設定されている。

このとき、各小領域に欠陥が存在するか否かを判定するしきい値をマハラノビス距離Ｍｈの大きさで、各レベル０〜２毎にγ_m0，γ_m1，γ_m2とすると、たとえばレベル０の各小領域ｒ０であれば、下記式によってマハラノビス距離Ｍｈ₀を算出するとともに、欠陥の有無を判定することができる。

このマハラノビス距離Ｍｈの値は特徴量基準値から外れるあらゆる種類の欠陥を検出することができる。しかしながら、このマハラノビス距離Ｍｈは、各小領域の特徴量それぞれが特徴量基準値からの乖離していないかを判定するものであるから、各小領域毎に見ればマハラノビス距離Ｍｈの大きさがしきい値以下の場合の欠陥は検出できない。たとえばマハラノビス距離Ｍｈの大きさがしきい値以下であっても、近傍の小領域との間で特徴量の差が大きければ、色段差や、柄感不良、トラ段等の大域的な欠陥として認識される場合がある。

そこでこの実施形態では、上述したように、各小領域ｒ０〜ｒ２毎に、隣接する小領域ｒ０〜ｒ２とのマハラノビス距離Ｍｈの最大偏差Ｄｒを求め、その大きさによって、第２の欠陥判定を行う。具体的には、欠陥が存在するか否かを判定するしきい値を最大偏差の大きさで、各レベル０〜２毎にγ_d0，γ_d1，γ_d2とすると、たとえばレベル０の各小領域ｒ０であれば、下記式によって最大偏差Ｄ_r0を算出するとともに、欠陥の有無を判定することができる。

図１１は、近傍の小領域との最大偏差による欠陥検出の概念説明図である。同図（ａ）に示すような小領域に分割されている部分に濃度変化の小さい染み状の欠陥が存在しても、同図（ｂ）に示すように各小領域毎のマハラノビス距離は大きな値とならず、いずれの小領域でもしきい値（この例では５０）となって検出できない場合を想定している。しかしながらこの例では、同図（ｃ）に示すように隣接する小領域との最大偏差を求めることにより、欠陥の存在する小領域はその近傍の小領域との比較においては明瞭な差異を示し、この例では、しきい値（この例では２０）を越えて検出可能となっている。

図１２は、この方法により実際に欠陥検出を行った事例であり、（ａ）は検出された欠陥の位置を示す欠陥マップ、（ｂ）は撮影された実画像における位置表示である。この図に示すように、いずれのレベルの欠陥も安定して検出できることが確認できた。

一方、被検査物１の検査対象領域に周期性を有する柄が存在する場合、特徴量基準値は柄の周期に相当する１周期領域Ｓに含まれる各小領域ｒ０〜ｒ２の特徴ベクトルの集合である平均ベクトル集合Ｐ_R0ave，Ｐ_R1ave，Ｐ_R2ave、および共分散行列の集合の集合であるび共分散行列集合Ｃ_R0，Ｃ_R1，Ｃ_R2として設定されている。

このため、このような周期性を有する柄が存在する場合、柄の周期性に基づいて検査画像と特徴量基準値との位置合わせが必要となる。そこで、この実施形態では、検査画像の開始位置（通常画像の左上隅に設定する）が特徴量基準値である特徴集合Ｐ_R0aveのどの位置にあるかを決定する。具体的には、下記式に基づいて検査画像の各小領域と、特徴量基準値における各小領域との相関値が最も大きくなるオフセット量ｕ₀、ｖ₀を求めればよい。

ただし、

こうしてオフセット量ｕ₀，ｖ₀をが求められれば、これを用いて位置合わせを行うことにより、たとえばレベル０における欠陥は下記式によって判定することができる。

図１３は、この方法により実際に欠陥検出を行った事例であり、（ａ）は検出された欠陥の位置を示す欠陥マップ、（ｂ）は撮影された実画像における位置表示である。この図に示すように、いずれのレベルの欠陥も安定して検出できることが確認できた。

なお、被検査物１の検査対象となる領域の各部位が位置に依存した色や柄を有する場合には、上述した周期性を有する柄の場合と同様に、検査画像と特徴量基準値との位置合わせを行ってから特徴量基準値と照合して欠陥判定を行えばよい。

［その他の実施形態］
以上、本発明を一実施形態に基づいて説明したが、本発明は上記実施形態に限定されるものではなく発明の要旨を変更しない範囲で適宜変更可能であり、たとえば下記のように変形してもよい。

（１）上記実施形態では、ロール状に巻かれた形態の被検査物を対象としたが、平板状等種々の形態の被検査物を対象とすることができる。

（２）上記実施形態では、特徴量基準値を複数の良品を撮影した画像から抽出した特徴量に基づいて設定したが、求められる製品等の良否判定基準に基づいて設定しても良い。

（３）上記実施形態では、欠陥判定処理をレベル０〜２の３回繰り返すようにしたが、２回だけ、あるいは４回以上繰り返すようにしても良い。

（４）上記実施形態では、全てのレベルの欠陥判定において、統計的距離尺度（マハラノビス距離）の大きさと、統計的距離尺度の隣接領域との最大偏差との２つの欠陥判定を行ったが、各レベルによっていずれか一方のみとしてもよい。たとえば、最大偏差による欠陥判定は大域的欠陥の検出に適しているため、大域的欠陥の検出に適したレベル１以上（２回目以降）の欠陥判定においてのみ採用するようにして、局所的欠陥の検出に適したレベル０の欠陥判定においては、統計的距離尺度による欠陥判定のみを行うようにしても良い。このようにすると、小領域の数が最も多いレベル０の欠陥判定を簡素化して、計算負荷を効率的に軽減することができる。

（５）上記実施形態では、各小領域の特徴量と特徴量基準値との照合結果を近傍の小領域と比較する際、統計的距離尺度を用いたが、照合結果を表す尺度であれば、任意の尺度を採用してもよい。

（６）上記実施形態では、各小領域の特徴量と特徴量基準値との照合欠陥を近傍の小領域と比較する際、各小領域に隣接する小領域とのみ比較したが、この比較対象には、隣接しない近傍の小領域も含めても良い。

本発明の一実施形態にかかる外観検査装置の構成説明図である。 同外観検査装置の機能ブロック図である。 本発明の一実施形態における特徴量基準値の設定処理の流れを示すフローチャートである。 領域分割処理の一例を示す説明図である。 濃度ヒストグラムに関する特徴量の説明図である。 柄を有しない被検査物の撮影画像の一例である。 周期性を有する柄が存在する被検査物の撮影画像の一例である。 レベル１における領域分割処理の一例を示す説明図である。 本発明の一実施形態における検査処理の流れを示すフローチャートである。 各レベルにおいて検出される欠陥の大きさを概念的に示した説明図である。 近傍の小領域との最大偏差による欠陥検出の概念説明図である。 柄の存在しない被検査物に対して実際に欠陥検出を行った事例である。 周期性を有する柄が存在する被検査物に対して実際に欠陥検出を行った事例である。

符号の説明

１ 被検査物
２ 搬送装置
３ カメラ
３１ 撮影領域
４ 照明装置
５ 画像解析装置
５１ 撮影制御手段
５２ 領域分割手段
５３ 特徴量抽出手段
５４ 良否判定手段
５５ 低解像度化手段
５６ 基準値設定手段

Claims (15)

1. 被検査物を撮影して検査画像を得る撮影ステップと、
   前記検査画像を複数の小領域に分割する領域分割ステップと、
   各小領域について濃度平均値を含む特徴量を抽出する特徴量抽出ステップと、
   抽出した前記特徴量と所定の特徴量基準値とを照合することで欠陥判定を行う良否判定ステップと、
   前記各小領域をその濃度平均値を有する画素として扱った低解像度の新たな検査画像を作成する低解像度化ステップと、を有し、
   前記低解像度化ステップによって作成された低解像度の新たな検査画像に基づいて、前記領域分割ステップ、前記特徴量抽出ステップおよび前記良否判定ステップをさらに１回以上繰り返すことを特徴とする外観検査方法。
2. 前記領域分割ステップでは、隣接する小領域が互いに重複部分を有するように分割する請求項１に記載の外観検査方法。
3. 前記領域分割ステップ、前記特徴量抽出ステップおよび前記良否判定ステップの繰り返し回数を、前記撮影ステップの撮像により得られた検査画像に基づく１回目を含めて、合計３回以上とする請求項１または２に記載の外観検査方法。
4. 複数回行われる前記良否判定ステップには、互いに異なる種類の前記特徴量を用いるものが含まれる請求項１〜３のいずれかに記載の外観検査方法。
5. ２回目以降に行われる前記良否判定ステップには、前記特徴量として周波数分析結果を用いる回を含む請求項１〜４のいずれかに記載の外観検査方法。
6. 前記特徴量抽出ステップでは、前記濃度平均値に加えて、濃度上限値、濃度下限値、濃度分散値、濃度ヒストグラムおよびテクスチャ特徴量の少なくとも１つを含む複数種類の特徴量を抽出し、
   前記良否判定ステップでは、これら複数種類の特徴量に基づいて欠陥判定を行う請求項１〜５のいずれかに記載の外観検査方法。
7. 複数の良品を撮影した画像から抽出した複数種類の特徴量に基づいて、前記良否判定ステップにおける前記特徴量基準値を設定する請求項１〜６のいずれかに記載の外観検査方法。
8. 複数の良品を撮影したの画像から抽出した複数種類の特徴量を多次元ベクトルとして表現し、その平均値ベクトルおよび共分散行列を前記良否判定ステップにおける前記特徴量基準値に設定する請求項１〜６のいずれかに記載の外観検査方法。
9. 前記良否判定ステップでは、各小領域について抽出した前記特徴量と前記特徴量基準値との統計的距離尺度に基づいて欠陥判定を行う請求項８に記載の外観検査方法。
10. 前記良否判定ステップでは、各小領域毎にその特徴量と前記特徴量基準値との照合結果を数値化し、各小領域とその近傍の小領域との前記照合結果の差に基づいて欠陥判定を行う請求項１〜９のいずれかに記載の外観検査方法。
11. 前記良否判定ステップでは、各小領域と隣接する小領域との前記照合結果の最大偏差に基づいて欠陥判定を行う請求項１０に記載の外観検査方法。
12. 前記撮影ステップでは、被検査物をカラー撮影する請求項１〜１１のいずれかに記載の外観検査方法。
13. 被検査物が布帛である請求項１〜１２のいずれかに記載の外観検査方法。
14. 被検査物が周期性を有する柄物である請求項１〜１３のいずれかに記載の外観検査方法。
15. 被検査物を撮影して検査画像を得る撮影手段と、
    前記検査画像を複数の小領域に分割する領域分割手段と、
    各小領域について濃度平均値を含む特徴量を抽出する特徴量抽出手段と、
    抽出した前記特徴量と所定の特徴量基準値とを照合することで欠陥判定を行う良否判定手段と、
    前記各小領域をその濃度平均値を有する画素として扱った低解像度の新たな検査画像を作成する低解像度化手段と、を有し、
    前記領域分割手段、前記特徴量抽出手段および前記良否判定手段は、前記低解像度化手段によって作成された低解像度の新たな検査画像に基づいて、小領域の分割処理、特徴量の抽出処理および欠陥判定処理をさらに１回以上繰り返すことを特徴とする外観検査装置。