JP2014142213A - 撮影パラメータ決定装置及びその制御方法 - Google Patents

Abstract

【課題】 良品と不良品との分別するためのデフォーカス量を定量的に得ることができる。
【解決手段】
撮影パラメータ決定部は、良品、不良品として既知の対象物それぞれに対し、予め設定された範囲内のデフォーカス量Ｐ０乃至ＰＮの１つを撮影パラメータとして画像撮影部に順次設定し、撮影を行う。そして、撮影パラメータ決定部は、撮影による画像から、良品の対象物のデフォーカス量Ｐ０乃至ＰＮの特徴量Ｔ_OK(0)乃至Ｔ_OK(N)と、不良品の対象物のデフォーカス量Ｐ０乃至ＰＮの特徴量Ｔ_NG(0)乃至Ｔ_NG(N)を算出する。そして、撮影パラメータ決定部は、算出した特徴量のペア「ＴOK()、ＴNG()」間の不一致度が最大となるデフォーカス量Ｐｉ（０≦ｉ≦Ｎ）を、物品検査装置へ設定する撮影手段の撮影パラメータとして判定する。
【選択図】 図１

Description

本発明は、検査対象物の良否判定のための撮像パラメータの決定技術に関するものである。

工場におけるベルトコンベア上の部品の検出や、キズ検査に用いられるマシンビジョンにおいては、対象物を撮影するための撮影パラメータがいくつか存在し、この撮影パラメータ設定が、良否判定精度に大きく影響する。撮影パラメータの例として、カメラのデフォーカス量、絞り、ズーム、光源の照度、その他カメラ照明の配置といったものが存在する。これらパラメータを最適に設定することにより、外観検査では検査対象物の欠陥が強調され、また部品認識では部品の姿勢を見分けるべき重要領域を可視化することができる。

マシンビジョン処理に適した画像は、一般的にはコントラストが高く、合焦している位置で撮影した方が良いと思われるが、特許文献１で開示されているように、意図的にデフォーカスさせて欠陥を大きく見せて強調するという手法もある。しかしながら、この文献では目視によるデフォーカス量の設定をおこなっているだけで、どの程度デフォーカスすればよいといった指標の開示はない。

これに対し、合焦の位置を定量的に設定する手法として、特許文献２で開示されている手法がある。特許文献２では、検査対象物の局所領域を設定し、局所領域の画素値を基に撮影パラメータと特徴量との相関量を計算し、相関量の極小点を合焦の位置としていた。

特開２０１１−２７４４３ 特開２０１１−４４８２０

本発明は上記課題に鑑みなされたものであり、物品検査にかかるパラメータ、特に、より良いデフォーカス量を決定しえる技術を提供しようとするものである。

この課題を解決するため、例えば本発明の撮影パラメータ決定装置は以下の構成を備える。すなわち、
撮影手段の撮影パラメータを決定する撮影パラメータ決定装置であって、
予め設定された範囲内から撮影パラメータを選択し、該選択された撮影パラメータを前記撮影手段に順次設定し、対象物の撮影を行う撮影制御手段と、
前記撮影制御手段による撮影による画像から、特徴量を取得する取得手段と、
前記取得される特徴量に基づいて、前記撮影手段の撮影パラメータを決定する決定手段とを有する。

本発明によれば、良品と不良品との分別するためのデフォーカス量を定量的に得ることができるようになる。

第１の実施形態における撮影パラメータ決定装置の構成を示した図。 第１の実施形態における撮影パラメータ決定部の詳細図。 第１の実施形態における撮影パラメータ決定部の処理を示すフローチャート。 第１の実施形態における検査装置の概略図。 第１の実施形態における撮影パラメータ決定方法を示す概略図。 第２の実施形態における撮影パラメータ決定部の処理を示すフローチャート。 第２の実施形態におけるHaar Wavelet変換の概略図。 第２の実施形態における評価値算出方法を示す概略図。 第３の実施形態における撮影パラメータ決定部の処理を示すフローチャート。 図９のＳ９０７の詳細を示すフローチャート。 第３の実施形態におけるＧＵＩの概略図。 第３の実施形態における、画像上の欠陥と局所特徴量における注視領域、大域特徴量における注視領域の表示例を示す図。

以下、添付図面に従って本発明に係る実施形態を詳細に説明する。

［第１の実施形態］
本実施形態では、検査対象物品がガラス板（例えばレンズフィルター）を例として、説明を行う。

図１は、第１の実施形態における不図示の検査装置に設定する撮像パラメータを決定する撮影パラメータ決定装置の構成を示した図である。なお、実施形態の撮像パラメータ決定装置が撮像パラメータを決定した後に本装置が検査装置として機能しても構わない。

図中、１０１は、撮影パラメータの決定を行う撮影パラメータ決定部である。撮影パラメータ決定部１０１には、後述の撮影パラメータ設定部１０２で設定されたパラメータと画像撮影部１０３で撮影された画像が入力される。

１０２は撮影パラメータ設定部である。この撮影パラメータ設定部１０２は、予め設定された範囲内から撮影パラメータを選択し、該選択された撮影パラメータを順次設定し、対象物の撮影を行わせる。１０３は、撮影制御部として機能する画像撮影部であって、撮影パラメータ設定部１０２で設定されたパラメータに基づいて、画像の順次撮影を行う。１０４は、撮影パラメータを表示するための表示部１０４である。表示部１０４はモニタなどから構成され、撮影パラメータ決定部１０１から送信される撮影パラメータも表示する。

１０５は、検査対象物であるガラス板を示し、１０６は光源を示す。欠陥が含まれるかどうかの検査を行うために、光源１０６からガラス板１０５に光を照射し、画像撮影部１０３で画像を撮影する。

なお、撮影パラメータ決定部１０１、撮影パラメータ設定部１０２、表示部１０４は、パーソナルコンピュータに代表される情報処理装置で実現できる。この画像撮影部１０３は、例えばＰＣに接続するカメラで代用できる。

本実施形態における撮影パラメータ決定部１０１をより詳しく示した図が図２である。

図中、２０１は特徴量算出部で、画像撮影部１０３により撮影された撮像画像から所定の特徴量の抽出処理（取得処理）を行う（特徴量については後述する）。２０２は、特徴量算出部２０１で算出された特徴量と、設定された撮影パラメータとの相関を反映する評価値を算出する評価値算出部である。２０３は、撮影パラメータ決定部であって、評価値算出部２０２で求めた評価値に基づき、撮影パラメータを決定する。

以下に、本実施形態における撮像パラメータ決定部１０１の処理を図３のフローチャートに従って説明する（不図示のハードディスク等の記憶手段にプログラムとして格納されているものとする）。なお、撮影パラメータを決定する際の撮影対象物は、既に良品か不良品かの検査が済みであって、少なくとも良品と判定されたガラス板、不良品と判定されたガラス板の２つを含む。

ステップＳ３０１（撮影パラメータの設定）では、撮影パラメータを設定する。最初の段階では、初期値としても撮影パラメータＰ０を設定し、このステップＳ３０１を再帰的に実行する際には従前の撮影パラメータにΔＰを加算することで撮影パラメータを変更していくものとする。実施形態では、「Ｐ０」乃至「Ｐ０＋ＫΔＰ］までの「Ｋ＋１」個の撮影パラメータ範囲の中から最適な撮影パラメータを求めるものとする。

ステップＳ３０２（対象物の画像を撮影）では、ステップＳ３０１で設定した撮像パラメータで、各対象物を撮影する。

ステップＳ３０３（クラスごとの特徴量を算出）では、ステップＳ３０２で撮影パラメータで撮影された良品用の画像と不良品用の画像から特徴量を算出する。具体的な特徴量については後述する。

ステップＳ３０４（すべての撮影パラメータで撮影したかを確認）では、ステップＳ３０２での候補となっているすべての撮影パラメータで、撮影したかどうかを判定し、すべての撮影パラメータで撮影したと判定した場合には、ステップＳ３０５に進む。すべての撮影パラメータで撮影していないようであれば、ステップＳ３０１に戻り、従前の撮像パラメータに対して微小量だけ変更し、上記処理を繰りかえす。

予め設定された範囲内での撮像パラメータによる撮像と特徴量の算出を終えると、ステップＳ３０５に進む。このステップＳ３０５（異なるクラスの特徴量の比率を計算）では、不良品画像から求めた特徴量と良品画像から求めた特徴量を用いて撮影パラメータの評価値を算出する。

ステップＳ３０６（撮影パラメータの決定）では、ステップＳ３０４で求めた評価の最も良いと判定された撮影パラメータを選択し、これを検査用の撮影パラメータとして決定する。

以下に、撮影パラメータの例として、デフォーカス量を想定し、このデフォーカス量を評価するタスクを例に、上記のステップＳ３０４、ステップＳ３０５、ステップＳ３０６の処理を説明する。

図４に示すようなガラス板の欠陥検査のための、撮影系を考える。光源１０６、検査対象のガラス板１０５、画像撮影部１０３が光軸上に並んでおり、画像撮影部１０３の中にカメラレンズ４０４、センサ４０５がある。画像撮影部１０３を動かすことにより、センサ４０５において結像する位置をかえ、デフォーカスを生じさせる。デフォーカス量を適切に生じさせることにより、ガラス板に写っているキズ等の欠陥を大きく強調させることができる。なお、実施形態における検査対象物はガラス板を想定して考えたが、検査対象は他の物体としてもよい。ガラス板のような透明な対象物ではない場合には、反射光を利用して撮影することになる。

＜ステップＳ３０４の処理の詳細＞
ステップＳ３０４では、ステップＳ３０２で撮影された異なる撮影パラメータにより撮影された良品画像と不良品画像それぞれから特徴量の算出を行う（撮影対象は既に良品、不良品が既知であることは既に説明した）。特徴量は、例えば、統計特徴量のひとつであるコントラストを用いる。今回はコントラストを用いたが、他の統計特徴量の例として最大値、最大値―最小値、平均、分散、尖度、歪度、相乗平均といった統計量のうちを用いてもよい。特徴量算出式の例としては以下に示す式１乃至式８を示すことができる。画素値のコントラストは式１、最大値は式２に、最大値―最小値は式３に、平均は式４に、分散は式５に、尖度は式６に、歪度は式７に、相乗平均は式８で算出する。式１乃至８それぞれを、良品、不良品の撮像結果に対して適用し、演算する。なお、画像のサイズは垂直方向ａ画素、水平方向ｂ画素の画像とし、水平i番目、垂直j番目の画素値をp(i, j)と表す。

＜ステップＳ３０５の処理の詳細＞
ステップＳ３０５では、ステップＳ３０４で算出された特徴量を用いてデフォーカス量の評価値を算出する。評価値は、ある撮影パラメータ値の時の良品クラスと不良品クラスの判別性能を示す指標であり、本実施形態では、デフォーカス量毎の良品クラスの特徴量値と、不良品クラスの特徴量値の比率（＝不良品の特徴量／良品の特徴量）とする。この２クラスの特徴量値と、評価値の関係を図５に示す。図５(a)は、撮影パラメータと或る１種類の特徴量の関係を示す図であり、５０１は、良品データに対する撮影パラメータと特徴量の関係を示す。５０２は、不良品データに対する撮影パラメータと特徴量の関係を示す。また図５(b)は、撮影パラメータと評価値の関係（比率）を示す。５０３は不良品データの特徴量の値と良品データの特徴量の比を示す。図示の場合、デフォーカス量が「Ｐ」のとき、該当する特徴量の評価値が最大になることを示している。

実施形態では、先に示した式１乃至式８の複数種類の特徴量を算出するものであるので、最大値もそれに応じた数になり、その中の最大値が求める撮影パラメータになる。

＜ステップＳ３０６の処理の詳細＞
ステップＳ３０６では、ステップＳ３０５で求めた評価値５０３が最大となる撮影パラメータを最適な撮影パラメータとして決定する。

例えば、最大値となるのが、式１を用いた場合であって、且つ、撮影パラメータＰがＰ０＋ｋΔＰ（ここで、ｋは０，１，２，…、Ｋのいずれか）であった場合、その際の撮影パラメータＰ０＋ｋΔＰを、実際の良品／不良品の選別検査時の撮影パラメータとして決定する。

上記実施形態では、評価値として、良品の画像から得られた特徴量と不良品の画像から得られた特徴量の比を基準に、撮影パラメータを求めた。要するに、良品の画像から得られた特徴量と不良品の画像から得られた特徴量とが一致度ではなく、不一致の度合を求めれば良いわけであるから、上記の比はその一例であると言える。

このように第１の実施形態にかかる撮影パラメータ決定方法によれば、異なるクラスの画像に対して算出された特徴量と撮像パラメータの関係から複数の異なるクラスを分離させるような撮影パラメータを適切に決定することができる。そして、結果として異なるクラスの判別を容易にすることができる。

なお、本実施形態では撮影パラメータとしてデフォーカス量を用いて説明したが、パラメータはこれにかぎらず、例えば、光量等も加味しても構わない。つまり、撮影パラメータの種類をデフォーカス、光量の２種類とする場合、その２つの組合わせに対して評価することになる。この場合、図５(c)に示すようにデフォーカス量と光量に対して評価を行い、２＋１の３次元空間での最適な撮影パラメータを決定することができる。また、デフォーカスに加える他の光量以外のパラメータとしては、ズーム値、絞り値、シャッター速度等を含めても構わない。係る点は、以下に説明する第２の実施形態以降でも同様である。

［第２の実施形態］
第１の実施形態では、異なる画像クラスの特徴量から求めた評価値に基づいて撮影パラメータを決定した。

それに対し、第２の実施形態では、異なるクラスの多数の特徴量の分布から求めた評価値に基づいて撮影パラメータを決定する。

本第２の実施形態における撮影パラメータ決定部１０１の処理のフローチャートを図６に示す。なお、第２の実施形態で示した図６のステップＳ６０１、ステップＳ６０２、ステップＳ６０４と第１の実施形態で示した図３のステップＳ３０１、ステップＳ３０２、ステップＳ３０４は同じであるので説明は省略する。

ステップＳ６０２では、撮影パラメータ設定手段２０２で設定された撮影パラメータをかえて良品と不良品の画像を撮影し、ステップＳ６０３では、その画像データから複数の特徴量もしくは高次の特徴量を算出する。特徴量に関しては後述する。

ステップＳ６０５（特徴量ごとのスコアを算出）では、ステップＳ６０３で算出した特徴量の性能を示すスコアを算出する。

ステップＳ６０６（スコアが高い順に特徴量を選択）では、ステップＳ６０５で求めたスコアが高い順にＭ個の特徴量を選択する。

ステップＳ６０７（評価値を算出し、最適パラメータを決定）では、ステップＳ６０６で選択されたＭ個の特徴量を利用した特徴空間上において、マハラノビス距離（距離があるほど、不一致度が大きいと言える）に基づく評価値を求め、最適なパラメータを決定する。

以下に、図６の各処理の詳細を述べる。

＜ステップＳ６０３の処理の詳細＞
このステップＳ６０３では、撮影パラメータを変えながら、撮影された良品画像データと不良品の画像データから特徴抽出を行う。そして、撮影した画像から、画像の注目領域に対して特徴量を抽出する。この際、複数の統計的特徴量やHOGといった高次元の特徴量を算出する。ここで、HOGとは、文献「Navneet D.: Histograms of Oriented Gradients for Human Detection, Proc. CVPR 2005.」に記載の、輝度の勾配をヒストグラムで表した画像特徴量である。

複数の統計的特徴量を用いる場合は、たとえば対象画像の注目領域に対して、Haar Wavelet変換をかけて、階層的に画像を生成する。Haar Wavelet変換は、簡単に述べると、位置情報を保持したまま周波数変換できる処理である。図７にHaar Wavelet変換の概略図を示す。まず、対象画像に対して、次に示す４種類のフィルタを用意する。

一つ目のフィルタが垂直方向高周波数成分フィルタ、二つ目のフィルタが水平方向高周波数成分フィルタ、三つ目のフィルタが対角方向高周波数成分フィルタ、四つ目のフィルタが低周波数成分フィルタを示す。対象画像の２×２の領域に対して、上記のフィルタで内積をとる。２×２の領域を重ね合わせることなく、移動させて、解像度が２分の１になるように、垂直方向高周波成分画像、水平方向高周波成分画像、対角方向高周波成分画像、低周波成分画像の四種類の画像を生成する。この際、解像度を２分の１するので、たとえばHaar Wavelet変換を７回するのであれば、画像サイズは２の７乗の倍数に設定しておくのが好ましい。算出された低周波成分画像から四種類のフィルタを用意して、さらに解像度が２分の１となるような、次の階層に当たる水平方向高周波成分画像、垂直方向高周波成分画像、対角方向高周波成分画像、低周波成分画像の四種類の画像を生成する。さらに低周波数成分画像にフィルタをかけ続けることにより、階層的に画像を生成する。ここでは１階層から７階層までの２８画像と原画像を加えた２９画像を用意する。

Haar Wavelet変換を行っていない変換前の画像、Haar Wavelet変換をかけた各階層画像の29種類の画像から、式１から式８までの特徴量を算出する。良品クラスと不良品クラスの画像データから算出された29種類の画像に対して、マクロな特徴量を8種類算出する。よって、特徴量を29×8×2＝464個（以下、Ｎ個とする）抽出する。

＜ステップＳ６０５の処理の詳細＞
ステップＳ６０５では、ステップＳ６０３で求めた特徴量の中から、撮影パラメータの評価値算出に用いるスコアを算出する。

特徴選択には、大きく分けてラッパー法とフィルタ法の２種類存在する。ラッパー法とは、訓練データを訓練用と評価用にわけ認識結果から、性能結果が最も良くなるような特徴量を決定する。一般的に、最適な特徴量を求めることができるが、識別処理をおこなうため、特徴量を選択するのに膨大な計算時間がかかる。これに対し、フィルタ法は特徴量ごとにスコアを求め、算出されたスコアが良い順に特徴量を選択する。本実施形態では、異なるクラス間の特徴量に基づいて算出されたスコアを基に特徴量を評価するので、フィルタ法に該当する。

具体的には、不良品クラスと良品クラスの特徴量の比の最大値をスコアとして用いる。この比が高ければ、良品と不良品の判別がしやすいと考えられるためである。

＜ステップＳ６０６の処理の詳細＞
ステップＳ６０６では、ステップＳ６０５で算出された特徴量ごとのスコアが高い順にＭ個の特徴量を選択する。なお、ステップＳ６０６では、Ｍ個の特徴量を選択する処理を行うと述べたが、選択せずに求めた特徴量を全て使用して、ステップＳ６０７を行ってもよい。

＜ステップＳ６０７の処理の詳細＞
ステップＳ６０７では、ステップＳ６０６で選択された特徴量を利用して、撮影パラメータの評価値を算出する。選択した特徴量Ｍ個に対して、Ｍ次の特徴空間上のマハラノビス距離を求める。良品データのマハラノビス距離と良品の分布に対する不良品データのマハラノビス距離を求め、それぞれのデータのマージンを評価値とする。良品のマハラノビス距離Ｄ_{M_OK}(x) の求め方と良品の分布に対する不良品のマハラノビス距離Ｄ_{M_NG}(x) の求め方は、例えば次式10、式11である。

ここで、良品データ特徴ベクトルがＸ_ok、不良品データ特徴ベクトルがＸ_NG、良品の平均ベクトルがμ_OK 、良品の共分散行列がΣ_OK ^-1 である。

式１２にあるように評価値を算出する。すべての不良品データに対してマハラノビス距離を求め、その最小値を求める。次に、すべての良品データに対してマハラノビス距離を求め、その最大値を求める。不良品データから求められたマハラノビス距離の最小値から良品データから求められたマハラノビス距離の最大値を引いて、分布のマージンを求めて、これを評価値とする。

図８にマハラノビス距離に基づくヒストグラムを示す。図８には、良品と不良品における２群の分布が描かれおり、２群の分布のマージンを利用することにより、評価値を算出する。

良品と不良品のデータが重なっていれば、式１２で求められる評価値は負の値となり、良品と不良品のデータが分離していれば、式１２で求められる評価値は正の値となる。値が高ければ高いほど、良い撮影パラメータに近いといえる。今回、撮影パラメータがデフォーカス量であるので、評価値が最大となる値を撮影パラメータとして決定する。

今回はマージンで評価値を算出したが、式１３に示したようなベイズ誤り確率を用いて、良品画像すべてから求められた確率分布と、不良品画像すべてから求められた確率分布から評価値を求める方法もある。

なお、このベイズ誤り確率を用いて評価値を算出する方法も当然、本発明の範疇とする。このように第２の実施形態によれば、特徴量と撮影パラメータの関係から特徴量ごとのスコアを算出し、スコアに基づく特徴選択を利用して評価値を求めることにより、適切な撮影パラメータを決定することができる。

［第３の実施形態］
第３の実施形態では、第２の実施形態で選択された特徴量が欠陥に対応しているかどうか、撮影パラメータにとって特徴量が有効であるかどうかを確認する方法について述べる。

以下では、第２の実施形態で示した図６のステップＳ６０６までの処理で特徴選択結果が得られるとして、図９を用いて説明する。

本第３の実施形態における処理のフローチャートを図９に示す。なお、第３の実施形態で示した図９のステップＳ９０１、ステップＳ９０２、ステップＳ９０３、ステップＳ９０４、ステップＳ９０５、ステップＳ９０６、ステップＳ９０８は、それぞれ図６のステップＳ６０１、ステップＳ６０２、ステップＳ６０３、ステップＳ６０４、ステップＳ６０５、ステップＳ６０６、ステップＳ６０７は同じであるので説明は省略し、以下ではステップＳ９０７について説明する。

＜ステップＳ９０７（ユーザによる特徴量評価部）＞
このステップＳ９０７において、第２の実施形態で選択された特徴量が評価値算出のために有効であるかどうかをＧＵＩを介して評価する。このステップＳ９０７の詳細を、図１０の処理のフローチャートを用いて説明する。

ステップＳ１００１において、ユーザが評価値を求めるためのセットされた特徴量を第２の実施形態で算出された評価値を基に、追加するか、削除するか決定する。良品と不良品のデータ数に対して、選択された特徴量が少なく、ステップＳ６０７で求めるマハラノビス距離に基づく評価値が負の値になるときは、特徴量の追加を行う。また、良品と不良品のデータ数に対して、選択された特徴量の数が多く、評価値を求める際に次元が多くなる可能性がある場合は特徴量の削除を行う。

ステップＳ１００２において、ステップＳ１００１で選択された特徴量を追加すると決定していれば、第２の実施形態の特徴選択でスコアが悪かった順に選択されなかった特徴量をセットする。ステップＳ１００１で特徴量を削除すると決定すれば、第２の実施形態の特徴選択で選択された特徴量をスコアが良かった順にひとつセットする。

ステップＳ１００３において、ステップＳ１００２でセットした特徴量が画像の局所領域から算出される局所特徴量であるならば、ＧＵＩを介して撮影パラメータをかえたときの、良品の画像データと不良品の画像データを表示する。これにより、それらの見えが異なるかどうかをオペレータが目視で判定できるようになる。また、ステップＳ１００２でセットした特徴量が画像全体から算出される大域特徴量であるならば、ＧＵＩを介して撮影パラメータをかえたときの、良品の画像データと不良品の画像データの見えが異なるかどうかをオペレータが目視で判定する。

具体的には、図１１にあるようなＧＵＩを介して目視で判定する。図１１のＧＵＩは、撮影パラメータを自由に変更できる撮影パラメータ調整部１１０１と、良品と不良品の画像の表示部１１０２からなる。また、撮影パラメータ調整部１１０１により撮影パラメータを変えたときの、良品と不良品の画像及びそれぞれの画像の注視領域が表示される。ステップＳ１００３でセットした特徴量が局所特徴量であるならば、特徴量算出のための画像上の１点もしくは局所領域に対応する。よって、オペレータが撮影パラメータ調整部１１０１で撮影パラメータを変更して、良品クラスの注視領域と不良品クラスの注視領域において画像の見え方の違いが異なるかどうかを目視で判定する。

図１２は、特徴量を局所特徴量あるいは大域特徴量による表示される注視領域の違いを示す。図１２(a)は、画像上の欠陥１２０１と局所特徴量における注視領域１２０２の関係を示し、図１２(b)は、画像上の欠陥１２０３と大域特徴量における注視領域１２０４が表示される。局所特徴量は、特徴量算出のために利用される領域は画像上の１点もしくは局所領域であるので、画像上の注視領域１２０２は画像上の１点もしくは局所領域に対応する。それに対し、大域特徴量は、特徴量算出のために、利用される領域は画像全体の領域であるので、注視領域１２０４は画像全体の領域に対応する。

ステップＳ１００４において、ステップＳ１００１で特徴量の追加と決定し、ステップＳ１００３で特徴量を確認して、オペレータが撮影パラメータ調整部で撮影パラメータを変更して、良品クラスの画像全体の領域と不良品クラスの画像全体の領域において画像の見え方の違いが異なると目視で判定すれば、評価値を求めるための特徴量にステップＳ１００２でセットした特徴量を追加する。

ステップＳ１００１で特徴量の削除と決定し、ステップＳ１００３で特徴量を確認したとする。ここで、オペレータが撮影パラメータ調整部で撮影パラメータを変更して、良品クラスの画像全体の領域と不良品クラスの画像全体の領域において画像の見え方の違いが同じだと目視で判定したとする。この場合は、評価値を求めるための特徴量からステップＳ１００２でセットした特徴量を削除する。

ステップＳ１００５では、セットすべき特徴量をすべてセットしたかを確認して、すべてセットしたのであれば、図６のステップＳ６０７からの処理を行い、評価値を算出し、算出された評価値に基づき撮影パラメータを決定する。また、セットすべき特徴量をすべてセットしたかを確認し、すべてセットしていないのであれば、ステップＳ１００２に戻る。

このように第３の実施形態にかかるパラメータ決定装置によれば、ＧＵＩを通じて目視で特徴量の善し悪しを確認することにより、より選ばれた特徴量を用いて評価値を求めることが可能となり、結果として適切な撮影パラメータを決定することができる。

（その他の実施例）
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

Claims (14)

1. 撮影手段の撮影パラメータを決定する撮影パラメータ決定装置であって、
   予め設定された範囲内から撮影パラメータを選択し、該選択された撮影パラメータを前記撮影手段に順次設定し、対象物の撮影を行う撮影制御手段と、
   前記撮影制御手段による撮影による画像から、特徴量を取得する取得手段と、
   前記取得される特徴量に基づいて、前記撮影手段の撮影パラメータを決定する決定手段と
   を有することを特徴とする撮影パラメータ決定装置。
2. 前記決定手段は、
   前記特徴量に基づいて、前記撮影パラメータを評価する評価手段を更に備え、
   前記評価手段によって評価される結果に基づいて、前記撮影手段の撮影パラメータを決定することを特徴とする請求項１に記載の撮影パラメータ決定装置。
3. 前記評価手段は、順次撮影される画像を、それぞれ識別するための指標を評価することを特徴とする請求項２に記載の撮影パラメータ決定装置。
4. 前記評価手段は、それぞれの撮像画像から取得される、それぞれの特徴量の比を評価することを特徴とする請求項３に記載の撮影パラメータ決定装置。
5. 前記撮影制御手段は、良品、不良品として既知の対象物に対して、それぞれ異なる撮影パラメータで撮影を行うことを特徴とする請求項１乃至４のいずれか１項に記載の撮影パラメータ決定装置。
6. 前記撮影制御手段は、複数の撮影パラメータを制御し、該複数の撮影パラメータを組み合わせて、前記対象物を順次撮影を行うことを特徴とする請求項１乃至５のいずれか１項に記載の撮影パラメータ決定装置。
7. 前記取得手段は、撮影されるそれぞれの画像に対して複数の特徴量を取得することを特徴とする請求項１乃至６のいずれか１項に記載の撮影パラメータ決定装置。
8. 前記撮影パラメータは、デフォーカス量であることを特徴とする請求項１乃至７のいずれか１項に記載の撮影パラメータ決定装置。
9. 前記撮影パラメータは、ズーム値であることを特徴とする請求項１乃至７のいずれか１項に記載の撮影パラメータ決定装置。
10. 前記撮影パラメータは、絞り値であることを特徴とする請求項１乃至７のいずれか１項に記載の撮影パラメータ決定装置。
11. 前記撮影パラメータは、光量であることを特徴とする請求項１乃至７のいずれか１項に記載の撮影パラメータ決定装置。
12. 撮影手段の撮影パラメータを決定する撮影パラメータ決定装置の制御方法であって、
    撮影制御手段が、予め設定された範囲内から撮影パラメータを選択し、該選択された撮影パラメータを前記撮影手段に順次設定し、対象物の撮影を行う撮影制御工程と、
    取得手段が、前記撮影制御工程による撮影による画像から、特徴量を取得する取得工程と、
    決定手段が、前記取得される特徴量に基づいて、前記撮影手段の撮影パラメータを決定する決定工程と
    を有することを特徴とする撮影パラメータ決定装置の制御方法。
13. コンピュータが読み込み実行することで、前記コンピュータを、撮影手段の撮影パラメータを決定する撮影パラメータ決定装置として機能させるためのプログラムであって、
    前記コンピュータを、
    予め設定された範囲内から撮影パラメータを選択し、該選択された撮影パラメータを前記撮影手段に順次設定し、対象物の撮影を行う撮影制御手段、
    前記撮影制御手段による撮影による画像から、特徴量を取得する取得手段、
    前記取得される特徴量に基づいて、前記撮影手段の撮影パラメータを決定する決定手段
    として機能させるためのプログラム。
14. 請求項１３に記載のプログラムを格納したことを特徴とするコンピュータが読み取り可能な記憶媒体。

Images