JP2013210244A - 良否判別システム - Google Patents

良否判別システム Download PDF

Info

Publication number
JP2013210244A
JP2013210244A JP2012079863A JP2012079863A JP2013210244A JP 2013210244 A JP2013210244 A JP 2013210244A JP 2012079863 A JP2012079863 A JP 2012079863A JP 2012079863 A JP2012079863 A JP 2012079863A JP 2013210244 A JP2013210244 A JP 2013210244A
Authority
JP
Japan
Prior art keywords
determination
discrimination
unit
judgment
weighting information
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.)
Pending
Application number
JP2012079863A
Other languages
English (en)
Inventor
Ryuichi Nawa
隆一 名和
Hajime Inai
肇 稲井
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.)
Sony Corp
Original Assignee
Sony Corp
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 Sony Corp filed Critical Sony Corp
Priority to JP2012079863A priority Critical patent/JP2013210244A/ja
Publication of JP2013210244A publication Critical patent/JP2013210244A/ja
Pending legal-status Critical Current

Links

Images

Abstract

【課題】複数の判別アルゴリズムを設けた場合に、より正確な良否判別を行う。
【解決手段】判別対象データが入力されるデータ入力部と、このデータ入力部に入力された判別対象データに対し、特定の指標を用いて良否を判断する複数の判別部を備える。さらに、この複数の判別部の各々に対する重み付け情報を記録する重み付け情報記録部と、複数の判別部の各々の判断結果に、重み付け情報記録部に記録された判別部ごとの重み付け情報を反映して集計し、最終的な良否判断を行う総合判断部と、を備える。
【選択図】図1

Description

本開示は、検査対象物の良否を判別する場合に適用して好適な良否判別システムに関する。
従来の画像処理を用いた良否判別システムでは、特定の指標(ムラ等の評価の場合であれば輝度、色度、3刺激値など)に特化した判断アルゴリズムを作成し、その特定の指標に対する閾値に基づいて良否の判別を行っていた。
その従来の技術を発展させたものとして、複数の判断アルゴリズムを設けて多数決で判断する技術があった。
また、レーザ光を透過可能なシートが情報信号部上に貼り合わされた構成を有する光ディスクのシートの貼りズレを検出するシート貼りズレ検出方法が開示されている(特許文献1を参照)。この方法は、光ディスクにおけるシートが貼り合わされた側の一主面に光を照射し、一主面により反射された光を受光部で受光し、受光した光に応じて受光部から出力される信号に基づき、受光した光の光量に応じた全光量信号と、光の受光位置に応じた位置信号とを生成する。そして、全光量信号が所定レベルとなる区間内において、位置信号が所定レベルとなったか否かを判別することにより、当該シートの貼りズレを検出する。
特開2004−070985号公報
しかしながら、従来の技術の場合、例えば前者の特定の指標を用いた場合は、選択した指標が最適な判断指標でない場合があった。また後者の発展形の場合は、効果の少ない指標を効果のある指標と同じように扱うため、結果的に良否判別能力が低下(判別率低下)する場合があった。
またこれらの2つの方法では、検査対象物の環境の変化(ロット変更や照明器具の交換など)には追従できず、判別率低下が生じた時にその都度対応しなくてはならなかった。
以上の状況から、複数の判別アルゴリズムを設けた場合に、より正確な良否判別を行える手法が望まれていた。
本開示の良否判別システムの一側面は、判別対象データが入力されるデータ入力部と、このデータ入力部に入力された判別対象データに対し、特定の指標を用いて良否を判断する複数の判別部を備える。さらに、この複数の判別部の各々に対する重み付け情報を記録する重み付け情報記録部と、複数の判別部の各々の判断結果に、重み付け情報記録部に記録された判別部ごとの重み付け情報を反映して集計し、最終的な良否判断を行う総合判断部と、を備える。
本開示の一側面によれば、各判別部における判断の効果の度合い(重み付け)を反映して総合的な良否の判断を行うので、より正確な良否の判断が期待できる。
本開示によれば、複数の判別部(判別アルゴリズム)を設けた場合に、より正確な良否判別が行える。
本開示の一実施形態に係る良否判別システムの構成例を示すブロック図である。 良否判別に用いられる重み付けについて説明するための図である。 良否判別システムによる良否判別処理を説明するフローチャートである。 パーソナルコンピュータの構成例を示すブロック図である。
以下、本発明を実施するための形態(以下、実施形態という)の例について説明する。なお、説明は以下の順序で行う。
1.良否判別システムの構成例(複数の判別部に重み付けをした例)
2.重み付けの説明
3.良否判別処理の説明
<1.良否判別システムの構成例>
以下、本開示の一実施形態に係る良否判別システムについて、図面を参照しながらその詳細を説明する。
図1は、本開示の一実施形態に係る良否判別システムのブロック構成図である。
良否判別システム10は、データ入力部1、複数の判別部2−1〜2−n、総合判断部3、重み付け情報記録部4、重み付け情報見直し部5を備えて構成される。
データ入力部1は、入力された判別対象データのデータ形式を、後段の判別部2−1〜2−nで読み取れるデータ形式に変換し、各判別部2−1〜2−nに送信する。
判別部2−1〜2−n(nは3以上の自然数)は、特定の指標に基づいて、検査対象物の良否について判断を下す。本システムでは、複数の判別部の結果を総合的に判断して良否を判別するため、3つ以上の判断部を持つ。なお、以下の説明において判別部2−1〜2−nを区別しない場合は、判別部2と称することもある。
総合判断部3は、判別部2−1〜2−nの各々による結果と、重み付け情報記録部4の重み付け情報を利用して、検査対象物の良否について総合的な判断を下す。
重み付け情報記録部4は、半導体メモリ等の記録媒体であり、判別部2−1〜2−nの各々の重み付け情報が記録されている。
重み付け情報見直し部5は、判別部2−1〜2−nの各々の判断結果と、総合判断部3による判断結果を利用して、重み付け情報の修正を行う。
一般的な良否判別では、データ入力部を経て、判別部に判別対象データが入力され、判別部が1つの場合はその判断結果が、判別部が複数ある場合はその総合判断(多数決など)の結果が使われる。
これに対し、本開示に係る良否判別システム10では、判別部2−1〜2−nの判断結果からすぐに判断を下すには至らず、予めシステム内に記録されている重み付け情報を加味して判断に至る。
ここで、重み付け情報とは、判別部2−1〜2−nの各々の判断結果を加味するときの度合いをいい、この度合いは、過去の判断の正解具合に基づいて決定される。
また、この重み付け情報は、判別部2に判別対象データが入力される度に見直しが行われる。例えば、ある判別部の判断が正解であれば判断結果を加味する度合いを増やす方向に、不正解であれば判断結果を加味する度合いを減らす方向に調整される。
<2.重み付けの説明>
次に、本開示に係る良否判別システムの動作について、具体的な例を挙げてその動作を説明する。特に、本開示の技術の特徴の一つである重み付けを中心に説明する。
図2は、良否判別に用いられる重み付けについて説明するための図である。
この例では、判別部(アルゴリズム)は7つ、重み付け情報は少数2桁の数字(重み付け係数)、総合判断を下すときは各判別部が「OK」と判断したときには1.0を、「NG」と判断した時には−1.0を重み付け係数に掛け、その和の符号で判断することとする。なお、良否判別システム10の起動時には、判別部2−1〜2−nの実績がわからないため、初期設定として一律に重み付け係数を1.0とする。
1個目の判別対象データ(検査データ)が入力されたた時点で、判別部2−1〜2−nの各々は自身のアルゴリズムに従って計算を行い、「OK」あるいは「NG」の判断を下す。その後、その判断結果に重み付け係数を掛け、その総和を求める。この総和が正なら総合判断は「OK」、負なら総合判断は「NG」となる。
図2の例では、1個目の判別対象データに対する演算の合計が−3.0で負となるので、総合判断は「NG」となる。
その後、重み付け係数の見直しが行われる。この例の場合は、1個目の判別対象データに対してアルゴリズム1,3,4,5,7が総合判断と同じ「NG」の判断を下したため、これらのアルゴリズムの重み付け係数には0.01が加算され、1.01となる。
一方、アルゴリズム2,6は総合判断と異なった判断を下したため、0.01が減算され、0.99となる。2個目の判別対象データ以降も同様の処理が行われて、重み付け係数は毎回見直される。
図2において、判別対象データがm個目の事例は1つの可能性として示した例であり、m個に至るまでの実績で各アルゴリズムの重み付け係数に大きな差が生じた場合を示している。
この例の場合、3つの「OK」の判断に対して「NG」の判断が4つのため、従来の単純な多数決による判断では「NG」となるが、良否判別システム10では「OK」の判断が下される。これは重み付け係数が1.0以下のアルゴリズム2,6,7をどの様に扱うかで差が出た場合で、良否判別システム10では、重み付け係数を利用することにより、判別対象データがm個目に至るまでの判断で誤判断の多かったアルゴリズム2,6,7の影響を排除している。
この様に、良否判断の度に毎回重み付け係数は見直されるため、検査対象物のロットの変更や製造環境の変化に追従することも可能となる。なお、この場合の追従具合は、重み付け係数の加減する量で調整が可能なので、一般の運用ではある期間の良否判別実績を参考に決定してもよい。
<3.良否判別処理の説明>
次に、良否判別システム10を実際の装置に組み込む場合の例について説明する。
図3は、良否判別システム10による良否判別処理を説明するフローチャートである。
実際の運用では、判別対象データの形式には制限はない。一般的に、異なったアルゴリズムでは入力データ形式(データフォーマット)が異なる場合があり、必要に応じてデータ入力部1による形式変換を経て判別部2に入力される(ステップS1,S2)。
また、良否判別システム10における判別部2(アルゴリズム)の個数にも制限はない。この個数は、各アルゴリズムの計算時間とタクトタイムから決定される。
なお、良否判別システム10の構造から考えた場合、各アルゴリズムが判断の対象にする部分は異なっていた方が、正確な良否判別を行う上で効果的であるといえる。例えば、入力画像から良否判別の判断を下す事例では、一般的な輝度、色度、3刺激値などが判断の指標に使われるが、人間の感性が良否判断に影響を与える場合などは、前者(輝度、色度、3刺激値などの指標)と後者(人の感性によるもの、錯覚など)をバランスよく加味する必要がある。良否判別システム10はそのような場合でも、フレキシブルに対応が可能である。
その後、各判別部2で判断が下されると、総合判断部3が各判断部2の判断結果を取得し(ステップS3)、その各判別部2の判断結果に重み付け係数が掛けられる(ステップS4,S5)。良否判別システム10は、判別部2の個数だけステップS2〜S6のループ処理を行う。
そして、総合判断部3において、各判別部2の判断結果から総合的に良否の判断が下される(ステップS7)。
この時点で良否判別システム10としては判断を下しているため、その結果が出力として、表示装置等に供給される(ステップS8)。ここで、例えば、総合判断が「OK」なら次の工程へ、「NG」なら該当検査対象物を改修(回収)行程などへ進んでもよい。
その後、良否判別システム10は、重み付け情報の見直し工程に進む。重み付け見直しは、直前の別対象データに対する判断を参考に行われる。具体的には、直前の判別対象データの判断と各判別部2の結果を比較し(ステップS9,S10,S11)、両者が一致したときには該当判別部2の重み付け係数の増加(ステップS12)、不一致のときには減少を行う(ステップS13)。
これらの重み付け係数は、予め重み付け情報記録部4に記録されているため、その重み付け情報記録部4に記録されている重み付け係数に対して更新が行われる(ステップS14,S15)。良否判別システム10は、判別部2の個数だけステップS9〜S16のループ処理を行う。
上述した一実施形態に係る良否判別システム10によれば、各判別部2における判断の効果の度合い(重み付け)を反映して総合的な良否の判断を行うので、より正確な良否の判断が期待できる。特に、複数の判別部2において判断が割れたときに、判断の信頼度が低い判別部の影響度を小さく出来るため、最終的に総合判断の精度が向上する。
また、判別対象データが入力される度に、各判断部2の判断と総合判断の結果を参考にして各判断部の重み付けを見直すので、ロット(検査対象物)の変更や製造環境等の変化に短い時間で追従できる。この追従する早さは、重み付けの加減具合で調整が可能である。
[その他]
なお、本開示は以下のような構成も取ることができる。
(1)
判別対象データが入力されるデータ入力部と、
前記データ入力部に入力された判別対象データに対し、特定の指標を用いて良否を判断する複数の判別部と、
前記複数の判別部の各々に対する重み付け情報を記録する重み付け情報記録部と、
前記複数の判別部の各々の判断結果に、前記重み付け情報記録部に記録された判別部ごとの重み付け情報を反映して集計し、最終的な良否判断を行う総合判断部と、を備える
良否判別システム。
(2)
前記複数の判別部の各々の判断結果と、前記総合判断部の判断結果に基づいて、各判別部に対する前記重み付け情報を更新する重み付け情報見直し部と、を更に備える
前記(1)に記載の良否判別システム。
[コンピュータのハードウェアの構成例]
上述した一連の処理は、ハードウェアにより実行することもできるし、ソフトウェアにより実行することもできる。一連の処理をソフトウェアにより実行する場合には、そのソフトウェアを構成するプログラムが、専用のハードウェアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどに、プログラム記録媒体からインストールされる。
図4は、上述した一連の処理をプログラムにより実行するコンピュータのハードウェアの構成例を示すブロック図である。
コンピュータにおいて、CPU101,ROM(Read Only Memory)102,RAM103は、バス104により相互に接続されている。
バス104には、さらに、入出力インターフェース105が接続されている。入出力インターフェース105には、キーボード、マウス、マイクロホンなどよりなる入力部106、ディスプレイ、スピーカなどよりなる出力部107、ハードディスクや不揮発性のメモリなどよりなる記録部108、ネットワークインターフェースなどよりなる通信部109、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブルメディア111を駆動するドライブ110が接続されている。
以上のように構成されるコンピュータでは、CPU101が、例えば、記録部108に記録されているプログラムを、入出力インターフェース105及びバス104を介して、RAM103にロードして実行することにより、上述した一連の処理が行われる。
コンピュータ(CPU101)が実行するプログラムは、例えば、磁気ディスク(フレキシブルディスクを含む)、光ディスク(CD−ROM(Compact Disc−Read Only Memory),DVD(Digital Versatile Disc)等)、光磁気ディスク、もしくは半導体メモリなどよりなるパッケージメディアであるリムーバブルメディア111に記録して、あるいは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供される。
そして、プログラムは、リムーバブルメディア111をドライブ110に装着することにより、入出力インターフェース105を介して、記録部108にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部109で受信し、記録部108にインストールすることができる。その他、プログラムは、ROM102や記録部108に、あらかじめインストールしておくことができる。
なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
なお、本開示の実施の形態は、上述した実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲において種々の変更が可能である。
1…データ入力部、2−1〜2−n…判別部、3…総合判断部、4…重み付け情報記録部、5…重み付け情報見直し部、10…良否判別システム

Claims (2)

  1. 判別対象データが入力されるデータ入力部と、
    前記データ入力部に入力された判別対象データに対し、特定の指標を用いて良否を判断する複数の判別部と、
    前記複数の判別部の各々に対する重み付け情報を記録する重み付け情報記録部と、
    前記複数の判別部の各々の判断結果に、前記重み付け情報記録部に記録された判別部ごとの重み付け情報を反映して集計し、最終的な良否判断を行う総合判断部と、を備える
    良否判別システム。
  2. 前記複数の判別部の各々の判断結果と、前記総合判断部の判断結果に基づいて、各判別部に対する前記重み付け情報を更新する重み付け情報見直し部と、を更に備える
    請求項1に記載の良否判別システム。
JP2012079863A 2012-03-30 2012-03-30 良否判別システム Pending JP2013210244A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2012079863A JP2013210244A (ja) 2012-03-30 2012-03-30 良否判別システム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012079863A JP2013210244A (ja) 2012-03-30 2012-03-30 良否判別システム

Publications (1)

Publication Number Publication Date
JP2013210244A true JP2013210244A (ja) 2013-10-10

Family

ID=49528213

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012079863A Pending JP2013210244A (ja) 2012-03-30 2012-03-30 良否判別システム

Country Status (1)

Country Link
JP (1) JP2013210244A (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016016973A1 (ja) * 2014-07-30 2016-02-04 株式会社Ubic 実績評価装置、実績評価装置の制御方法、および実績評価装置の制御プログラム
JP2019164156A (ja) * 2018-02-14 2019-09-26 株式会社イシダ 検査装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016016973A1 (ja) * 2014-07-30 2016-02-04 株式会社Ubic 実績評価装置、実績評価装置の制御方法、および実績評価装置の制御プログラム
JP5905651B1 (ja) * 2014-07-30 2016-04-20 株式会社Ubic 実績評価装置、実績評価装置の制御方法、および実績評価装置の制御プログラム
JP2019164156A (ja) * 2018-02-14 2019-09-26 株式会社イシダ 検査装置
US11977036B2 (en) 2018-02-14 2024-05-07 Ishida Co., Ltd. Inspection device

Similar Documents

Publication Publication Date Title
US8612372B2 (en) Detection rule-generating facility
US10641681B2 (en) Structure abnormality detection system, structure abnormality detection method, and storage medium
US7486196B1 (en) Using audio to detect changes to the performance of an application
US20110208679A1 (en) Trouble pattern creating program and trouble pattern creating apparatus
Yu et al. Experience in predicting fault-prone software modules using complexity metrics
WO2011155308A1 (ja) 契約違反予測システム、契約違反予測方法および契約違反予測プログラム
JP2006190166A (ja) 作業時間管理システム、作業時間管理方法、作業時間管理プログラム、及び、そのプログラムを記録した記録媒体
US20100325489A1 (en) Fault analysis apparatus, fault analysis method, and recording medium
US10697861B2 (en) Structure abnormality detection device, structure abnormality detection method, storage medium, and structure abnormality detection system
US10996861B2 (en) Method, device and computer product for predicting disk failure
US20200272906A1 (en) Discriminant model generation device, discriminant model generation method, and discriminant model generation program
KR20170097535A (ko) 비관심 아이템을 활용한 아이템 추천 방법 및 장치
KR101932595B1 (ko) 영상에서 투명 오브젝트를 검출하는 영상 처리 장치 및 방법
US11777982B1 (en) Multidimensional security situation real-time representation method and system and applicable to network security
WO2019026457A1 (ja) 画像監視装置、画像監視方法、画像監視プログラムおよび記録媒体
JP2013210244A (ja) 良否判別システム
CN109919442A (zh) 基于评价数据的汽修厂分类方法、装置及电子设备
JP6158967B1 (ja) 環境汚染予測システム及び方法
US20200012780A1 (en) Composite challenge task generation and deployment
JP2018014107A (ja) ヘテロジニアスシステムにおけるアプリケーション性能の近似計算
Panteghini A critical appraisal of experimental factors influencing the definition of the 99th percentile limit for cardiac troponins
KR20220017648A (ko) 콘크리트 균열 학습 장치 및 방법
CN117499621B (zh) 视频采集设备的检测方法、装置、设备及介质
US8655467B2 (en) Audio testing system and method
EP3982297A1 (en) Methods and systems for training a machine learning method