JP2007298525A - 波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法及びプログラム - Google Patents

波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法及びプログラム Download PDF

Info

Publication number
JP2007298525A
JP2007298525A JP2007156993A JP2007156993A JP2007298525A JP 2007298525 A JP2007298525 A JP 2007298525A JP 2007156993 A JP2007156993 A JP 2007156993A JP 2007156993 A JP2007156993 A JP 2007156993A JP 2007298525 A JP2007298525 A JP 2007298525A
Authority
JP
Japan
Prior art keywords
sample line
waveform pattern
pattern data
length
spectral waveform
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2007156993A
Other languages
English (en)
Other versions
JP4253024B2 (ja
Inventor
Shoichi Tejima
昌一 手島
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to JP2007156993A priority Critical patent/JP4253024B2/ja
Publication of JP2007298525A publication Critical patent/JP2007298525A/ja
Application granted granted Critical
Publication of JP4253024B2 publication Critical patent/JP4253024B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

【課題】 スペクトル波形の各ピーク部の形状等に関する性質を代表するスペクトル波形パターンデータの特徴抽出方法を提供することである。
【解決手段】 スペクトル波形パターンデータを横軸方向に１又は複数の範囲に分割する第１ステップと、分割した複数の範囲におけるスペクトル波形パターンデータについて、１本又は複数本の標本線をそれぞれ定める第２ステップと、定められた標本線上における、スペクトル波形パターンデータの変化量、存在量、存在量の最小値、存在量の最大値、波形パターンの開始点、又は波形パターンの終了点のうち一部又は全部を抽出する第３ステップとを含むことを特徴とする方法が提供される。
【選択図】 図１

Description

本発明は、スペクトル波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法及びプログラムに関する。
蛍光管等のような製品は、スペクトル波形パターンによってその特性を表すことができる。すなわち、蛍光管は、図３に示されるように、波長ごとに光エネルギに大小があり、スペクトル波形によって蛍光管の発光特性が表される。このような蛍光管の発光特性は、良品か不良品かを判定する基準の１つとして利用されており、例えば、登録されている良品のスペクトル波形群と同等か否かによって判定される。すなわち、図３（ａ）と図３（ｂ）では殆どの個所で同じ性質の波形パターンとみなすことができるが、＜４＞の山の形状が図３（ａ）と図３（ｂ）とでは相違しており、スペクトル波形の同一性に疑義が生ずることになる。また、蛍光管の他にも化学薬品や医薬品等の分野において、良品か不良品かの判定にスペクトル波形が利用されている。
従来は、上述のような良品・不良品の判定は、人間によって行われていたが、近年、このような作業をコンピュータに実行させることが増加している。作業をコンピュータに実行させる場合には、スペクトル波形パターンから、その性質を代表する「数値としての特徴」を的確かつ十分に抽出することが重要となる。このような作業の際に要求される特徴は、（１）対象とするスペクトル波形パターンデータの固有の特徴（例えば、周波数、振幅など）に関する特徴を代表すること、及び（２）各ピークの位置や高さ及び各ピークの形状に関する特徴を代表すること、が必要とされる。また、このような必要事項を満足する特徴を、コンピュータが短時間で処理することができることが望ましい。
従来のスペクトル波形パターンデータについて抽出される特徴として、各ピークの横軸位置、ピーク高さ、ピークの半値幅、ピーク部の面積等があげられる。また、近年、簡単な処理により波形パターンの特徴を抽出する手段として、微分特性及び積分特性という概念が提案されており（例えば、非特許文献１参照）、それらの応用例についても発表されている（例えば、非特許文献２参照）。
ここで、図７を参照して、微分特性及び積分特性について簡単に説明する。一定範囲の波形に対して、適当な本数（図７（ａ）では５本）の横線（以下「標本線」という）を引いた状態を考えると、微分特性とは、標本線と波形とが交差する個所の数であり（図７（ａ）の例では、微分特性は９）であり、積分特性とは、標本線より上（即ち、ｙ軸方向に大きい側）に波形が存在する範囲（図７（ｂ）において太線で図示）の長さの和である。換言すると、微分特性は、波形の標本線上における変化量、積分特性は、波形の標本線上における存在量と考えることができる（以下、微分特性及び積分特性を意味する語として「変化量」及び「存在量」という用語を使用する）。これらの特性を標本線＜１＞〜＜５＞について求めた結果が、図７（ｃ）に示されている。これにより、図７（ａ）、（ｂ）の波形パターンが、図７（ｃ）に示される１０個の数値として表現されたことになる。
田口玄一，「音声のパターン認識」，品質工学，品質工学会，１９９５年１０月，第３巻，第５号，ｐ．３−７ 手島昌一他，「マハラノビス・タグチ・システム法を適用した外観検査技術の研究」，品質工学，品質工学会，１９９７年１０月，第５巻，第５号，ｐ．３８−４５ 鴨下他，「マハラノビスの距離による多次元情報システムの最適化−火災報知システムの場合−」，品質工学，品質工学会，１９９６年６月，第４巻，第３号，ｐ．５４−６８
しかしながら、従来のスペクトル波形パターンデータの特徴抽出方法では、上述の（１）及び（２）の条件を満たすのには十分ではなく、対象とする問題によっては、何らかのパターン認識手段（例えば、統計的手段、ニューラルネットワーク等）で認識しても、目的とする認識結果が不十分となることがあった。
例えば、上述の特徴量、即ち、各ピークの横軸位置、ピーク高さ、ピークの半値幅、ピーク部の面積等では、ピークの立ち上り位置、即ち平坦部又は非ピーク部からピーク開始部分を明確に定義することは困難であり、その定義の仕方により特徴値が大きく変動し、データとしての信頼性に問題が生ずることがあった。また、例えば、図３（ａ）、（ｂ）のピーク部＜４＞における形状の相違を捉えるための情報が不十分であり、スペクトル波形パターンから良品であるか不良品であるかを判定するための情報としては不十分であるという課題があった。
本発明は、このような事情に鑑みて案出されたものであって、スペクトル波形の各ピーク部の形状等に関する性質を代表するスペクトル波形パターンデータの特徴抽出方法及びプログラムを提供することを目的としている。
本願請求項１に記載のスペクトル波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法は、スペクトル波形パターンデータを横軸方向に１又は複数の範囲に分割する第１ステップと、分割した複数の範囲におけるスペクトル波形パターンデータについて、１本又は複数本の標本線をそれぞれ定める第２ステップと、前記スペクトル波形パターンデータと前記定められた標本線とが交差する箇所の数によって定義される前記標本線上における変化量、前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さの和によって定義される前記標本線上における存在量、前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最小長さの箇所の長さによって定義される前記標本線上における存在量の最小値、前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最大長さの箇所の長さによって定義される前記標本線上における存在量の最大値、前記定められた標本線の開始位置から、前記標本線上で最初にスペクトル波形パターンデータが存在し始める位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの開始点、又は前記定められた標本線の開始位置から、前記標本線上でスペクトル波形パターンデータが終了する位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの終了点のうち一部又は全部を抽出する第３ステップとを含むことを特徴とするものである。
本願請求項２に記載のスペクトル波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法は、スペクトル波形パターンデータを平準化する第１ステップと、平準化されたスペクトル波形パターンデータを横軸方向に１又は複数の範囲に分割する第２ステップと、分割した複数の範囲におけるスペクトル波形パターンデータについて、１本又は複数本の標本線をそれぞれ定める第３ステップと、前記スペクトル波形パターンデータと前記定められた標本線とが交差する箇所の数によって定義される前記標本線上における変化量、前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さの和によって定義される前記標本線上における存在量、前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最小長さの箇所の長さによって定義される前記標本線上における存在量の最小値、前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最大長さの箇所の長さによって定義される前記標本線上における存在量の最大値、前記定められた標本線の開始位置から、前記標本線上で最初にスペクトル波形パターンデータが存在し始める位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの開始点、又は前記定められた標本線の開始位置から、前記標本線上でスペクトル波形パターンデータが終了する位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの終了点のうち一部又は全部を抽出する第４ステップとを含むことを特徴とするものである。
本願請求項３に記載のスペクトル波形パターンデータから製品の良品・不良品の検査のための特徴を抽出するプログラムは、スペクトル波形パターンデータを横軸方向に１又は複数の範囲に分割して記憶装置に格納するステップと、分割した複数の範囲におけるスペクトル波形パターンデータについて、１本又は複数本の標本線をそれぞれ定めて記憶装置に格納するステップと、前記スペクトル波形パターンデータと前記定められた標本線とが交差する箇所の数によって定義される前記標本線上における変化量、前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さの和によって定義される前記標本線上における存在量、前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最小長さの箇所の長さによって定義される前記標本線上における存在量の最小値、前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最大長さの箇所の長さによって定義される前記標本線上における存在量の最大値、前記定められた標本線の開始位置から、前記標本線上で最初にスペクトル波形パターンデータが存在し始める位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの開始点、又は前記定められた標本線の開始位置から、前記標本線上でスペクトル波形パターンデータが終了する位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの終了点のうち一部又は全部を抽出して記憶装置に格納するステップとをコンピュータに実行させることを特徴とするものである。
本願請求項４に記載のスペクトル波形パターンデータから製品の良品・不良品の検査のための特徴を抽出するプログラムは、スペクトル波形パターンデータを平準化して記憶装置に格納するステップと、平準化されたスペクトル波形パターンデータを横軸方向に１又は複数の範囲に分割して記憶装置に格納する第２ステップと、分割した複数の範囲におけるスペクトル波形パターンデータについて、１本又は複数本の標本線をそれぞれ定めて記憶装置に格納するステップと、前記スペクトル波形パターンデータと前記定められた標本線とが交差する箇所の数によって定義される前記標本線上における変化量、前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さの和によって定義される前記標本線上における存在量、前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最小長さの箇所の長さによって定義される前記標本線上における存在量の最小値、前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最大長さの箇所の長さによって定義される前記標本線上における存在量の最大値、前記定められた標本線の開始位置から、前記標本線上で最初にスペクトル波形パターンデータが存在し始める位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの開始点、又は前記定められた標本線の開始位置から、前記標本線上でスペクトル波形パターンデータが終了する位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの終了点のうち一部又は全部を抽出して記憶装置に格納するステップとをコンピュータに実行させることを特徴とするものである。
本発明によれば、スペクトル波形パターンから、スペクトル波形の各ピーク部の形状等に関する性質を代表する波形パターンの特徴を抽出することができ、これにより製品の良品・不良品の検査を精度良く行うことが可能となる。
次に図面を参照して、本発明の好ましい実施の形態について詳細に説明する。スペクトル波形パターンには、始点と終点とがある。本実施の形態では、図３に示される蛍光管のスペクトル波形のような波形パターンを例にして説明する。まず、スペクトル波形パターンを複数個の範囲に分割する（ステップＢ１）。分割数や範囲設定の方法については種々考えられるが、正常な蛍光管のスペクトル波形パターンは、その形状がほぼ決まっており、複数の波長個所にほぼ一定高さで一定形状のピークが現れる。したがって、スペクトル波形パターンをピークの存在する個所毎に分割する。すなわち、図４に示されるように、範囲＜１＞〜＜７＞に分割する。
分割は、図４に示されるように各範囲が重複しないように定義してもよいし、或いは重複するように定義してもよい。この際、対象とする波長の全範囲にわたって、定義されていない個所がないように分割するのが好ましいが、定義されていない個所が存在するように分割してもかまわない。なお、ピークが１個の場合等のように、分割が不要な場合もある。
次いで、分割したスペクトル波形パターンについて、Ｌｈ本の標本線を定める（ステップＢ２）。標本線の数Ｌｈは、スペクトル波形パターンからどの程度詳細な特徴を抽出するかに応じて決定し、範囲＜１＞〜＜７＞で一律であってもよいし、各範囲毎に設定してもよい。
次いで、各範囲毎に、標本線Ｌ＝１〜Ｌｈにおける変化量、存在量、存在量の最小値、存在量の最大値、波形の開始点、又は波形の終了点のうち一部又は全部を求める（ステップＢ３）。変化量及び存在量については、上述の通りである。他の特徴、即ち、存在量の最小値、存在量の最大値、波形パターンの開始点、及び波形パターンの終了点について、図５（ａ）を参照して説明する。
図５においては、説明を容易にするため、図４の範囲＜１＞〜＜３＞が１つの範囲として示されている。まず、存在量の最小値とは、例えば図５（ａ）の標本線ロにおける区間ｃ−ｄの長さである。すなわち、標本線ロでは、標本線上に波形が存在する個所はｃ−ｄとｅ−ｆであるが、そのうち最小長さの個所ｃ−ｄの長さが存在量の最小値となる。これに対し、存在量の最大値とは、区間ｅ−ｆの長さである。また、波形パターンの開始点とは、標本線上で最初に波形が存在し始める位置、即ち、図５（ａ）の標本線ロについてはｃ点であり、標本線ロの開始位置ｓ点からｃ点までの長さになる。これに対し、波形パターンの終了点とは、標本線上で波形が終了する位置、即ち、図５（ａ）の標本線ロについてはｆ点であり、標本線ロの開始位置ｓ点からｆ点までの長さになる。波形の開始点パターン、及び波形パターンの終了点は、図５（ａ）の標本線イについては、それぞれ位置ａ、位置ｂであり、それぞれの値は、ｓ′−ａ、ｓ′−ｂの長さとなる。
図４のスペクトル波形パターンの範囲＜４＞を取り出して描いた図６を参照して、これらの特徴について更に説明する。図６（ａ）、（ｂ）のようなスペクトル波形パターンの特徴を図６（ｃ）、（ｄ）に示す。図６（ｃ）、（ｄ）は、図６（ａ）、（ｂ）の標本線の下から順に１，２，・・・と番号を付した場合における存在量、波形の開始点、及び波形の終了点をそれぞれ示したものである。図６（ａ）と図６（ｂ）では、ピーク位置やピーク部の面積はほぼ同等であるが、山の形状は相違している。その相違している状況が、図６（ｃ）、（ｄ）の標本線６〜９における各特徴に現れていることが分かる。また、ピーク位置は、１０番目の標本線の開始位置や終了位置として得られており、ピーク部の面積も各標本線の存在量に内包されている。すなわち、ここに示される特徴により、ピーク部の形状の相違を数値の相違として表現することが可能となる。なお、図６（ｃ）、（ｄ）では、標本線１１以降の特徴は全て「０」となっているが、これは、特徴の初期値を「０」とし、波形が存在しない標本線では初期値のままとしているからである。図６（ｃ）、（ｄ）では、３種類の特徴のみが示されているが、良品・不良品の相違の検出目的に応じて、変化量等の他の特徴を使用することもできる。
以上のようにして、図４の全範囲＜１＞〜＜７＞について特徴を求め、図６（ｄ）のように一連の特徴群とすることによって、スペクトル波形パターン全体の特徴が得られる。本例における特徴の総数は、例えば、標本線数が２０本、各標本線における特徴が変化量、存在量等の６種類であるとすると、２０×６＝１２０個ずつとなる。したがって、範囲＜１＞〜＜７＞において同数の特徴を抽出する場合には、全特徴数は、１２０×７＝８４０個となる。
なお、本発明の特徴抽出方法においては、スペクトル波形パターンデータを平準化する前処理ステップを含んでもよい。平準化の手段として、例えば、データの移動平均の算出があげられる。この前処理ステップを実施する場合には、前処理ステップによって得られた平準化されたスペクトル波形パターンデータについて、上述のステップＢ１〜ステップＢ３を実施する。
さらに、本発明の特徴抽出方法においても、他の特徴（例えば、ピーク位置など従来用いられている特徴）を抽出するステップを含んでもよい（ステップＢ４）。ステップＢ３、ステップＢ４で得られた特徴は好ましくは、認識システムに入力される（ステップＢ５）。なお、認識システムとしては、統計理論を適用したもの、ニューラルネットワーク等の人工知能理論を適用したもの等、種々のシステムが適用可能である。
次に、コンピュータに上述のステップ（即ち、ステップＢ１〜ステップＢ３）を実行させるためのプログラムについて説明する。本プログラムが実行されるコンピュータは、バスによって相互に接続されたＣＰＵ（中央処理装置）、メモリ、ハードディスク等の記憶装置、キーボード等の入力装置、表示装置、及び出力装置（いずれも図示せず）を有する一般的な形式のものでよいし、或いはマイクロチップ形式の処理装置等でもよい。
まず、入力装置によって入力されたスペクトル波形パターンデータがメモリに格納される。メモリに格納されたスペクトル波形パターンデータは、予め入力装置から入力されている「分割数」に従ってＣＰＵにおいて分割され、分割されたスペクトル波形パターンデータがメモリに格納される（ステップＢ１）。
次いで、分割されたスペクトル波形パターンデータについて、予め入力された「標本線数」に従ってＣＰＵにおいて１本又は複数本の標本線が定められ、標本線が定められた分割されたスペクトル波形パターンデータがメモリに格納される（ステップＢ２）。
次いで、メモリに格納された標本線が定められたスペクトル波形パターンデータについて、変化量、存在量等の特徴がＣＰＵにおいて計算・抽出され、このようにして抽出された特徴がメモリに格納される（ステップＢ３）。
また、メモリに格納されたスペクトル波形パターンデータをＣＰＵにおいて平準化し、平準化したスペクトル波形パターンデータを一旦メモリに格納し、この平準化したスペクトル波形パターンデータについてステップＢ１を実行してもよい。ステップＢ３によって得られたデータは、出力装置等から、認識システムに入力される。なお、上述の例では、データがメモリに格納されるものとして説明したが、データ量が多い場合には、ハードディスク等の大容量記憶装置に格納される。
本発明は、以上の発明の実施の形態に限定されることなく、特許請求の範囲に記載された発明の範囲内で、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることはいうまでもない。
例えば、前記実施の形態では、標本線は、水平な直線として示されているが、傾斜した直線（図５（ｂ）参照）、上方に凸の曲線（図５（ｃ）参照）、下方に凸の曲線（図示せず）、非平行線等、任意の線を使用してよい。
本発明の好ましい実施の形態に係るスペクトル波形パターンの特徴抽出方法の構成を示したフロー図である。 図１の特徴抽出方法のうち一部の手順を詳細に示したフロー図である。 スペクトル波形パターンを示したグラフである。 複数の範囲に分割されたスペクトル波形パターンを示したグラフである。 標本線の種類及び特徴を説明するためのグラフである。 （ａ）、（ｂ）は一定範囲におけるスペクトル波形パターン及び標本線を示したグラフ、（ｃ）、（ｄ）は（ａ）、（ｂ）における特徴をそれぞれ示した表、（ｅ）は一連の特徴群を示した概念図である。 変化量及び存在量を説明するための図表である。

Claims (4)

  1. スペクトル波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法であって、
    スペクトル波形パターンデータを横軸方向に１又は複数の範囲に分割する第１ステップと、
    分割した複数の範囲におけるスペクトル波形パターンデータについて、１本又は複数本の標本線をそれぞれ定める第２ステップと、
    前記スペクトル波形パターンデータと前記定められた標本線とが交差する箇所の数によって定義される前記標本線上における変化量、
    前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さの和によって定義される前記標本線上における存在量、
    前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最小長さの箇所の長さによって定義される前記標本線上における存在量の最小値、
    前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最大長さの箇所の長さによって定義される前記標本線上における存在量の最大値、
    前記定められた標本線の開始位置から、前記標本線上で最初にスペクトル波形パターンデータが存在し始める位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの開始点、
    又は前記定められた標本線の開始位置から、前記標本線上でスペクトル波形パターンデータが終了する位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの終了点
    のうち一部又は全部を抽出する第３ステップと、
    を含むことを特徴とする方法。
  2. スペクトル波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法であって、
    スペクトル波形パターンデータを平準化する第１ステップと、
    平準化されたスペクトル波形パターンデータを横軸方向に１又は複数の範囲に分割する第２ステップと、
    分割した複数の範囲におけるスペクトル波形パターンデータについて、１本又は複数本の標本線をそれぞれ定める第３ステップと、
    前記スペクトル波形パターンデータと前記定められた標本線とが交差する箇所の数によって定義される前記標本線上における変化量、
    前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さの和によって定義される前記標本線上における存在量、
    前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最小長さの箇所の長さによって定義される前記標本線上における存在量の最小値、
    前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最大長さの箇所の長さによって定義される前記標本線上における存在量の最大値、
    前記定められた標本線の開始位置から、前記標本線上で最初にスペクトル波形パターンデータが存在し始める位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの開始点、
    又は前記定められた標本線の開始位置から、前記標本線上でスペクトル波形パターンデータが終了する位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの終了点
    のうち一部又は全部を抽出する第４ステップと、
    を含むことを特徴とする方法。
  3. スペクトル波形パターンデータから製品の良品・不良品の検査のための特徴を抽出するプログラムであって、
    スペクトル波形パターンデータを横軸方向に１又は複数の範囲に分割して記憶装置に格納するステップと、
    分割した複数の範囲におけるスペクトル波形パターンデータについて、１本又は複数本の標本線をそれぞれ定めて記憶装置に格納するステップと、
    前記スペクトル波形パターンデータと前記定められた標本線とが交差する箇所の数によって定義される前記標本線上における変化量、
    前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さの和によって定義される前記標本線上における存在量、
    前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最小長さの箇所の長さによって定義される前記標本線上における存在量の最小値、
    前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最大長さの箇所の長さによって定義される前記標本線上における存在量の最大値、
    前記定められた標本線の開始位置から、前記標本線上で最初にスペクトル波形パターンデータが存在し始める位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの開始点、
    又は前記定められた標本線の開始位置から、前記標本線上でスペクトル波形パターンデータが終了する位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの終了点
    のうち一部又は全部を抽出して記憶装置に格納するステップと、
    をコンピュータに実行させるためのプログラム。
  4. スペクトル波形パターンデータから製品の良品・不良品の検査のための特徴を抽出するプログラムであって、
    スペクトル波形パターンデータを平準化して記憶装置に格納するステップと、
    平準化されたスペクトル波形パターンデータを横軸方向に１又は複数の範囲に分割して記憶装置に格納するステップと、
    分割した複数の範囲におけるスペクトル波形パターンデータについて、１本又は複数本の標本線をそれぞれ定めて記憶装置に格納するステップと、
    前記スペクトル波形パターンデータと前記定められた標本線とが交差する箇所の数によって定義される前記標本線上における変化量、
    前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さの和によって定義される前記標本線上における存在量、
    前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最小長さの箇所の長さによって定義される前記標本線上における存在量の最小値、
    前記スペクトル波形パターンデータが前記定められた標本線より上に存在する範囲の水平方向長さのうち最大長さの箇所の長さによって定義される前記標本線上における存在量の最大値、
    前記定められた標本線の開始位置から、前記標本線上で最初にスペクトル波形パターンデータが存在し始める位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの開始点、
    又は前記定められた標本線の開始位置から、前記標本線上でスペクトル波形パターンデータが終了する位置までの長さによって定義される前記標本線上におけるスペクトル波形パターンの終了点
    のうち一部又は全部を抽出して記憶装置に格納するステップと、
    をコンピュータに実行させるためのプログラム。
JP2007156993A 2007-06-14 2007-06-14 波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法及びプログラム Expired - Lifetime JP4253024B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2007156993A JP4253024B2 (ja) 2007-06-14 2007-06-14 波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2007156993A JP4253024B2 (ja) 2007-06-14 2007-06-14 波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法及びプログラム

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2002274268A Division JP3995569B2 (ja) 2002-09-20 2002-09-20 波形パターンデータから設備の診断・監視のための特徴を抽出する方法及びプログラム

Publications (2)

Publication Number Publication Date
JP2007298525A true JP2007298525A (ja) 2007-11-15
JP4253024B2 JP4253024B2 (ja) 2009-04-08

Family

ID=38768103

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2007156993A Expired - Lifetime JP4253024B2 (ja) 2007-06-14 2007-06-14 波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法及びプログラム

Country Status (1)

Country Link
JP (1) JP4253024B2 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010061424A (ja) * 2008-09-04 2010-03-18 Angle Try Kk 波形パターンデータから特徴を抽出する方法及びプログラム
JP2010216890A (ja) * 2009-03-13 2010-09-30 Toshiba Solutions Corp 異種製品検出装置及び異種製品検出方法
EP2372481A2 (en) 2010-03-29 2011-10-05 Yokogawa Electric Corporation Operational state analysis system and operational state analysis method
JP2021148677A (ja) * 2020-03-23 2021-09-27 田中精密工業株式会社 検査対象物の異常検出装置及び検査対象物の異常検出方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010032470A1 (ja) 2008-09-19 2010-03-25 パナソニック株式会社 電流抑制素子、記憶素子、記憶装置および電流抑制素子の製造方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010061424A (ja) * 2008-09-04 2010-03-18 Angle Try Kk 波形パターンデータから特徴を抽出する方法及びプログラム
JP2010216890A (ja) * 2009-03-13 2010-09-30 Toshiba Solutions Corp 異種製品検出装置及び異種製品検出方法
EP2372481A2 (en) 2010-03-29 2011-10-05 Yokogawa Electric Corporation Operational state analysis system and operational state analysis method
JP2011209798A (ja) * 2010-03-29 2011-10-20 Yokogawa Electric Corp 運転状態解析システムおよび運転状態解析方法
JP2021148677A (ja) * 2020-03-23 2021-09-27 田中精密工業株式会社 検査対象物の異常検出装置及び検査対象物の異常検出方法

Also Published As

Publication number Publication date
JP4253024B2 (ja) 2009-04-08

Similar Documents

Publication Publication Date Title
JP5071475B2 (ja) 重回帰分析による予測モデルの作成方法、作成装置、作成プログラム
US10482590B2 (en) Method and system for defect classification
JP2022031709A (ja) 工業プロセス施設に対する工業プロセスパフォーマンスを測定するシステム及びコンピュータ実装方法
JP4253024B2 (ja) 波形パターンデータから製品の良品・不良品の検査のための特徴を抽出する方法及びプログラム
Kim et al. Automated peak picking using region‐based convolutional neural network for operational modal analysis
JP2001274209A (ja) 半導体検査装置、半導体欠陥解析装置、半導体設計データ修正装置、半導体検査方法、半導体欠陥解析方法、半導体設計データ修正方法およびコンピュータ読み取り可能な記録媒体
US8938695B1 (en) Signature analytics for improving lithographic process of manufacturing semiconductor devices
JP2008146648A (ja) 文章集合に基づいて単語間の連関度を測定する方法及びこの方法を実行するシステム
JP2004110602A (ja) 波形パターンデータから設備の診断・監視又は製品の良品・不良品検査のための特徴を抽出する方法及びプログラム
JP6349333B2 (ja) パターン計測装置、自己組織化リソグラフィに用いられる高分子化合物の評価方法、及びコンピュータープログラム
CN102985887B (zh) 用于晶片检查或度量设置的数据扰乱
JP5348977B2 (ja) 波形パターンデータから特徴を抽出する方法及びプログラム
He et al. Statistics pattern analysis: a statistical process monitoring tool for smart manufacturing
KR101777387B1 (ko) 고장발생기간 기반 데이터 분석 장치
US9864834B2 (en) High-resolution melt curve classification using neural networks
Stasiak et al. FlatDTW–Dynamic Time Warping optimization for piecewise constant templates
JP4837520B2 (ja) スペクトル波形パターンの領域分割方法およびプログラム
Macziewski et al. Validation of toolmark comparisons made at different vertical and horizontal angles
Hatua et al. Information diffusion on twitter: pattern recognition and prediction of volume, sentiment, and influence
Bian et al. Early warning for spatial ecological system: Fractal dimension and deep learning
JP4166247B2 (ja) 半導体設計データ修正方法
CN103678111A (zh) 源代码类似度评价方法以及源代码类似度评价装置
JP5177949B2 (ja) スペクトル波形パターンのピーク位置補正方法およびプログラム
US20190331604A1 (en) Method for identifying raman spectrogram and electronic apparatus
US8234001B2 (en) Tool commonality and stratification analysis to enhance a production process

Legal Events

Date Code Title Description
A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20080428

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20080508

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20080527

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20080626

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20081001

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20081121

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20081030

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20081224

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20090119

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20090122

R150 Certificate of patent or registration of utility model

Ref document number: 4253024

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120130

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130130

Year of fee payment: 4

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130130

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20140130

Year of fee payment: 5

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S201 Request for registration of exclusive licence

Free format text: JAPANESE INTERMEDIATE CODE: R314201

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

EXPY Cancellation because of completion of term