JP3399681B2 - 画像認識方法 - Google Patents
画像認識方法Info
- Publication number
- JP3399681B2 JP3399681B2 JP01411795A JP1411795A JP3399681B2 JP 3399681 B2 JP3399681 B2 JP 3399681B2 JP 01411795 A JP01411795 A JP 01411795A JP 1411795 A JP1411795 A JP 1411795A JP 3399681 B2 JP3399681 B2 JP 3399681B2
- Authority
- JP
- Japan
- Prior art keywords
- recognition
- search
- order
- image
- learning
- 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.)
- Expired - Fee Related
Links
Landscapes
- Supply And Installment Of Electrical Components (AREA)
- Image Analysis (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、電子部品の実装、部品
の組立、加工等において、認識対象物を撮像しその位置
を認識する画像認識方法に関し、特に、テンプレートマ
ッチングによる画像認識方法に関するものである。
の組立、加工等において、認識対象物を撮像しその位置
を認識する画像認識方法に関し、特に、テンプレートマ
ッチングによる画像認識方法に関するものである。
【０００２】
【従来の技術】近年、ＩＣの高集積化、ＩＣパターンの
微細化により、２値化テンプレートマッチングによる認
識方法では、認識視野内で特徴的なパターンを選択する
ことが困難となり、誤認識や認識エラー発生の可能性が
高くなっている。このために、最近の技術では、濃淡画
像によるテンプレートマッチングが広く使用されるよう
になっている。
微細化により、２値化テンプレートマッチングによる認
識方法では、認識視野内で特徴的なパターンを選択する
ことが困難となり、誤認識や認識エラー発生の可能性が
高くなっている。このために、最近の技術では、濃淡画
像によるテンプレートマッチングが広く使用されるよう
になっている。
【０００３】ところが、多階調のデータの処理が必要に
なる濃淡画像のテンプレートマッチングでは、２値化の
場合に比べてマッチングのための計算量が多くなり認識
時間が長くなる傾向があり、認識時間を短縮するため
に、ハードウエアを増やすことによるマッチングの並列
処理やパイプライン処理が行われている。又、テンプレ
ートと認識対象画像とのマッチングを全画素の比較で行
わず、画素を間引きして行う方法もある。更に、カメラ
視野内全体をサーチせずに、認識対象物の位置ずれ範囲
にサーチエリアを絞る方法もある。
なる濃淡画像のテンプレートマッチングでは、２値化の
場合に比べてマッチングのための計算量が多くなり認識
時間が長くなる傾向があり、認識時間を短縮するため
に、ハードウエアを増やすことによるマッチングの並列
処理やパイプライン処理が行われている。又、テンプレ
ートと認識対象画像とのマッチングを全画素の比較で行
わず、画素を間引きして行う方法もある。更に、カメラ
視野内全体をサーチせずに、認識対象物の位置ずれ範囲
にサーチエリアを絞る方法もある。
【０００４】
【発明が解決しようとする課題】しかし、上記のハード
ウエアを増やすことによる認識の高速化は認識装置のコ
ストアップになるという問題点がある。
ウエアを増やすことによる認識の高速化は認識装置のコ
ストアップになるという問題点がある。
【０００５】又、マッチングの画素を間引きして行う認
識の高速化は認識率や認識精度の劣化を招くという問題
点がある。
識の高速化は認識率や認識精度の劣化を招くという問題
点がある。
【０００６】更に、サーチエリアを絞ることによる認識
の高速化はサーチエリアから外れた認識対象物を認識で
きなくなり、最適なサーチエリアサイズの決定が困難な
場合が多いという問題点がある。
の高速化はサーチエリアから外れた認識対象物を認識で
きなくなり、最適なサーチエリアサイズの決定が困難な
場合が多いという問題点がある。
【０００７】以上の方法は、それらの特徴に合わせて使
い分けられているが、何れの方法でも問題点が残る。
い分けられているが、何れの方法でも問題点が残る。
【０００８】本発明は、上記の問題点を解決し、コスト
アップが少なく、認識率や認識精度の劣化が無く、認識
対象物がサーチエリアから外れることが無く、平均認識
時間が短いテンプレートマッチングによる画像認識方法
の提供を課題とする。
アップが少なく、認識率や認識精度の劣化が無く、認識
対象物がサーチエリアから外れることが無く、平均認識
時間が短いテンプレートマッチングによる画像認識方法
の提供を課題とする。
【０００９】
【課題を解決するための手段】本願第１発明の画像認識
方法は、上記の課題を解決するために、テンプレートマ
ッチングによる画像認識方法において、サーチすべき画
像を複数のサーチエリアに分割し、各サーチエリアを所
定のサーチ順でサーチするように教示する教示工程と、
前記サーチエリアとサーチ順とに基づいて認識対象物の
画像位置をサーチする認識工程と、前記認識結果を記録
する記録工程と、所定認識回数後に、過去の認識結果に
基づいて認識対象画像の検出頻度が高い順に前記サーチ
エリアを並べるように学習する学習工程と、先に教示さ
れているサーチ順を、前記の学習された順に並べ替える
サーチ順変更工程とを有することを特徴とする。
方法は、上記の課題を解決するために、テンプレートマ
ッチングによる画像認識方法において、サーチすべき画
像を複数のサーチエリアに分割し、各サーチエリアを所
定のサーチ順でサーチするように教示する教示工程と、
前記サーチエリアとサーチ順とに基づいて認識対象物の
画像位置をサーチする認識工程と、前記認識結果を記録
する記録工程と、所定認識回数後に、過去の認識結果に
基づいて認識対象画像の検出頻度が高い順に前記サーチ
エリアを並べるように学習する学習工程と、先に教示さ
れているサーチ順を、前記の学習された順に並べ替える
サーチ順変更工程とを有することを特徴とする。
【００１０】本願第２発明の画像認識方法は、上記の課
題を解決するために、テンプレートマッチングによる画
像認識方法において、サーチすべき画像を複数のサーチ
エリアに分割し、各サーチエリアを所定のサーチ順でサ
ーチするように教示する教示工程と、前記サーチエリア
とサーチ順とに基づいて認識対象物の画像位置をサーチ
する認識工程と、前記認識結果を記録する記録工程と、
所定認識回数後に、先に教示されているサーチエリア
を、過去の認識対象画像検出位置の統計的分布に合わせ
るように学習する第１の学習工程と、所定認識回数後
に、前記統計的分布に合わせて設定されたサーチエリア
を過去の認識結果に基づいて認識対象画像の検出頻度が
高い順に並べるように学習する第２の学習工程と、先に
教示されているサーチエリアとサーチ順とを、前記の学
習されたサーチエリアとサーチ順とに入れ替えるサーチ
エリア・サーチ順変更工程とを有することを特徴とす
る。
題を解決するために、テンプレートマッチングによる画
像認識方法において、サーチすべき画像を複数のサーチ
エリアに分割し、各サーチエリアを所定のサーチ順でサ
ーチするように教示する教示工程と、前記サーチエリア
とサーチ順とに基づいて認識対象物の画像位置をサーチ
する認識工程と、前記認識結果を記録する記録工程と、
所定認識回数後に、先に教示されているサーチエリア
を、過去の認識対象画像検出位置の統計的分布に合わせ
るように学習する第１の学習工程と、所定認識回数後
に、前記統計的分布に合わせて設定されたサーチエリア
を過去の認識結果に基づいて認識対象画像の検出頻度が
高い順に並べるように学習する第２の学習工程と、先に
教示されているサーチエリアとサーチ順とを、前記の学
習されたサーチエリアとサーチ順とに入れ替えるサーチ
エリア・サーチ順変更工程とを有することを特徴とす
る。
【００１１】本願第３発明の画像認識方法は、上記の課
題を解決するために、本願第２発明において、第１の学
習工程で学習されたサーチエリアを徐々に大きくしたり
小さくしたりして、過去の認識結果で、平均認識時間が
最も短くなるサーチエリアのサイズとサーチ順とを学習
する第３の学習工程を付加することを特徴とする。
題を解決するために、本願第２発明において、第１の学
習工程で学習されたサーチエリアを徐々に大きくしたり
小さくしたりして、過去の認識結果で、平均認識時間が
最も短くなるサーチエリアのサイズとサーチ順とを学習
する第３の学習工程を付加することを特徴とする。
【００１２】
【作用】本願第１発明の画像認識方法は、テンプレート
マッチングによる画像認識方法において、サーチすべき
画像を複数のサーチエリアに分割し、各サーチエリアを
所定のサーチ順でサーチするように教示する教示工程に
より、例えば、認識対象物が特定位置を中心にして置か
れる傾向がある場合には、その特定位置に合わせてサー
チエリアとサーチ順とを教示することができ、平均認識
時間を短くできる。
マッチングによる画像認識方法において、サーチすべき
画像を複数のサーチエリアに分割し、各サーチエリアを
所定のサーチ順でサーチするように教示する教示工程に
より、例えば、認識対象物が特定位置を中心にして置か
れる傾向がある場合には、その特定位置に合わせてサー
チエリアとサーチ順とを教示することができ、平均認識
時間を短くできる。
【００１３】そして、所定認識回数後に、過去の認識結
果に基づいて認識対象画像の検出頻度が高い順に前記サ
ーチエリアを並べるように学習する学習工程と、先に教
示されているサーチ順を、前記の学習された順に並べ替
えるサーチ順変更工程とにより、始めに教示したサーチ
エリアを使用する場合の平均認識時間を短くしていくこ
とができる。
果に基づいて認識対象画像の検出頻度が高い順に前記サ
ーチエリアを並べるように学習する学習工程と、先に教
示されているサーチ順を、前記の学習された順に並べ替
えるサーチ順変更工程とにより、始めに教示したサーチ
エリアを使用する場合の平均認識時間を短くしていくこ
とができる。
【００１４】又、ハードウエアを特に増やすことも無い
ので、コスト安である。
ので、コスト安である。
【００１５】更に、認識するまでサーチするので、サー
チ漏れが無く、画素の間引きが無いので認識率や認識精
度の劣化も無い。
チ漏れが無く、画素の間引きが無いので認識率や認識精
度の劣化も無い。
【００１６】本願第２発明の画像認識方法は、本願第１
発明の作用に加えて、所定認識回数後に、先に教示され
ているサーチエリアを、過去の認識対象画像検出位置の
統計的分布に合わせるように学習する第１の学習工程
と、所定認識回数後に、前記統計的分布に合わせて設定
されたサーチエリアを過去の認識結果に基づいて認識対
象画像の検出頻度が高い順に並べるように学習する第２
の学習工程と、先に教示されているサーチエリアとサー
チ順とを、前記の学習されたサーチエリアとサーチ順と
に入れ替えるサーチエリア・サーチ順変更工程とによ
り、例えば、認識対象物が特定位置を中心にして置かれ
る傾向がある場合に、始めに教示したサーチエリアのサ
イズを、置かれる位置の位置ずれの傾向に合わせて変更
しながら、平均認識時間を合理的に短くしていくことが
できる。
発明の作用に加えて、所定認識回数後に、先に教示され
ているサーチエリアを、過去の認識対象画像検出位置の
統計的分布に合わせるように学習する第１の学習工程
と、所定認識回数後に、前記統計的分布に合わせて設定
されたサーチエリアを過去の認識結果に基づいて認識対
象画像の検出頻度が高い順に並べるように学習する第２
の学習工程と、先に教示されているサーチエリアとサー
チ順とを、前記の学習されたサーチエリアとサーチ順と
に入れ替えるサーチエリア・サーチ順変更工程とによ
り、例えば、認識対象物が特定位置を中心にして置かれ
る傾向がある場合に、始めに教示したサーチエリアのサ
イズを、置かれる位置の位置ずれの傾向に合わせて変更
しながら、平均認識時間を合理的に短くしていくことが
できる。
【００１７】本願第３発明の画像認識方法は、本願第２
発明の作用に加えて、第１の学習工程で学習されたサー
チエリアを徐々に大きくしたり小さくしたりして、過去
の認識結果で、平均認識時間が最も短くなるサーチエリ
アのサイズとサーチ順とを学習する第３の学習工程によ
り、例えば、認識対象物が特定位置を中心にして置かれ
る傾向がある場合に、始めに教示したサーチエリアのサ
イズとサーチ順とを、置かれる位置の位置ずれの傾向に
合わせて細かく変更しながら、平均認識時間を最も合理
的に短くしていくことができる。
発明の作用に加えて、第１の学習工程で学習されたサー
チエリアを徐々に大きくしたり小さくしたりして、過去
の認識結果で、平均認識時間が最も短くなるサーチエリ
アのサイズとサーチ順とを学習する第３の学習工程によ
り、例えば、認識対象物が特定位置を中心にして置かれ
る傾向がある場合に、始めに教示したサーチエリアのサ
イズとサーチ順とを、置かれる位置の位置ずれの傾向に
合わせて細かく変更しながら、平均認識時間を最も合理
的に短くしていくことができる。
【００１８】
【実施例】本発明の第１実施例を図１〜図３に基づいて
説明する。
説明する。
【００１９】図１は本発明方法を使用する電子回路実装
設備における画像認識装置の構成を示すブロック図であ
り、１はＣＰＵと画像メモリと画像信号の入出力回路等
で構成される画像認識装置本体、２はカメラ、３はモニ
タテレビ、４は基板や部品等の認識対象物、５は認識対
象物を移動させるロボット、６はロボットのコントロー
ラ、７は操作盤である。
設備における画像認識装置の構成を示すブロック図であ
り、１はＣＰＵと画像メモリと画像信号の入出力回路等
で構成される画像認識装置本体、２はカメラ、３はモニ
タテレビ、４は基板や部品等の認識対象物、５は認識対
象物を移動させるロボット、６はロボットのコントロー
ラ、７は操作盤である。
【００２０】本実施例の各教示工程を示す図２のステッ
プ＃１の標準サンプルセット工程において、基板や部品
等の認識対象物４の基準サンプルをロボット５に載置
し、操作盤７を操作して、前記基準サンプルをカメラ２
の視野内にセットし、ステップ＃２に進む。
プ＃１の標準サンプルセット工程において、基板や部品
等の認識対象物４の基準サンプルをロボット５に載置
し、操作盤７を操作して、前記基準サンプルをカメラ２
の視野内にセットし、ステップ＃２に進む。
【００２１】ステップ＃２の位置合わせ点教示工程にお
いて、モニタテレビ３の画面に映し出された認識対象物
４の位置の基準となる点（以下、位置合わせ点と呼ぶ）
を、モニタテレビ３の画面上のグラフィックス十字マー
クを操作盤７で操作して画面上に教示し、ステップ＃３
に進む。
いて、モニタテレビ３の画面に映し出された認識対象物
４の位置の基準となる点（以下、位置合わせ点と呼ぶ）
を、モニタテレビ３の画面上のグラフィックス十字マー
クを操作盤７で操作して画面上に教示し、ステップ＃３
に進む。
【００２２】ステップ＃３のサーチエリア・サーチ順教
示工程において、操作盤７を操作して、モニタテレビ３
の画面を、複数のサーチエリアに、例えば、図５に示す
ように、９エリアに分割し所定の順（１）〜（９）にサ
ーチするように教示し、ステップ＃４に進む。
示工程において、操作盤７を操作して、モニタテレビ３
の画面を、複数のサーチエリアに、例えば、図５に示す
ように、９エリアに分割し所定の順（１）〜（９）にサ
ーチするように教示し、ステップ＃４に進む。
【００２３】前記図５において、８はモニタ画面、９は
サーチエリアで、図中の（１）〜（９）の番号がサーチ
エリアのサーチ順である。
サーチエリアで、図中の（１）〜（９）の番号がサーチ
エリアのサーチ順である。
【００２４】ステップ＃４のテンプレート教示工程にお
いて、操作盤７でモニタテレビ３の画面上のグラフィッ
クスウインドウを操作して、モニタテレビ３の画面に映
し出された認識対象物４の画像の特定の小領域をテンプ
レートデータとして画像認識装置本体１に登録し、各教
示工程を終了する。
いて、操作盤７でモニタテレビ３の画面上のグラフィッ
クスウインドウを操作して、モニタテレビ３の画面に映
し出された認識対象物４の画像の特定の小領域をテンプ
レートデータとして画像認識装置本体１に登録し、各教
示工程を終了する。
【００２５】本実施例の認識動作を図３に基づいて説明
する。
する。
【００２６】図３のステップ＃５の認識工程において、
現用のサーチエリアとサーチ順とに基づいて、認識対象
物４の画像の位置認識を行い、ステップ＃６に進む。
現用のサーチエリアとサーチ順とに基づいて、認識対象
物４の画像の位置認識を行い、ステップ＃６に進む。
【００２７】ステップ＃６の認識結果の記録工程におい
て、前記位置合わせ点の検出位置（ｘ、ｙ）を画像認識
装置本体１に記録し、ステップ＃７に進む。
て、前記位置合わせ点の検出位置（ｘ、ｙ）を画像認識
装置本体１に記録し、ステップ＃７に進む。
【００２８】ステップ＃７の学習実行要否判断工程にお
いて、学習を実行するか否かを判断し、予め決められた
学習実行回数に達していればステップ＃８に進んで学習
し、達していなければ、ステップ＃１０に進む。
いて、学習を実行するか否かを判断し、予め決められた
学習実行回数に達していればステップ＃８に進んで学習
し、達していなければ、ステップ＃１０に進む。
【００２９】ステップ＃８の学習工程において、過去の
一定回数の前記位置合わせ点の検出位置（ｘ、ｙ）の各
サーチエリアに対する分布状態から、各サーチエリアを
検出個数の多いものから順に並べ直し、求められた
（１）〜（９）の順を所定のサーチ順とし、ステップ＃
９に進む。
一定回数の前記位置合わせ点の検出位置（ｘ、ｙ）の各
サーチエリアに対する分布状態から、各サーチエリアを
検出個数の多いものから順に並べ直し、求められた
（１）〜（９）の順を所定のサーチ順とし、ステップ＃
９に進む。
【００３０】ステップ＃９のサーチ順変更工程におい
て、ステップ♯８の学習工程で求められたサーチ順を、
これまでのサーチ順と入れ替えて画像認識装置本体に登
録し、ステップ＃１０に進む。
て、ステップ♯８の学習工程で求められたサーチ順を、
これまでのサーチ順と入れ替えて画像認識装置本体に登
録し、ステップ＃１０に進む。
【００３１】ステップ＃１０の生産終了か否かの判断工
程において、生産終了でなければ、ステップ＃５に戻
り、生産終了であれば終了する。
程において、生産終了でなければ、ステップ＃５に戻
り、生産終了であれば終了する。
【００３２】図１に示す画像認識装置を使用する本発明
の第２実施例を、図２、図４に基づいて説明する。
の第２実施例を、図２、図４に基づいて説明する。
【００３３】図１と図２とは、第１実施例と同様なので
説明を省略する。
説明を省略する。
【００３４】又、図４においてもステップ＃１１〜ステ
ップ＃１３の工程は、第１実施例のステップ＃５〜ステ
ップ＃７と同様なので説明を省略し、ステップ＃１４の
第１、第２、第３学習工程以後を説明する。
ップ＃１３の工程は、第１実施例のステップ＃５〜ステ
ップ＃７と同様なので説明を省略し、ステップ＃１４の
第１、第２、第３学習工程以後を説明する。
【００３５】ステップ＃１４の第１、第２、第３学習工
程において、第１学習工程で、過去の一定回数の前記位
置合わせ点の検出位置（ｘ、ｙ）のＸ座標、Ｙ座標の平
均値と標準偏差とを求め、座標平均値（Ｍｘ、Ｍｙ）を
中心とし、標準偏差（Ｓｘ、Ｓｙ）を含むようにサイズ
を決めた第１分割サーチエリア（１）を図６に示すよう
に仮決定する。図６において、８はモニタ画面、９はサ
ーチエリア、１０は位置合わせ点の検出位置である。
程において、第１学習工程で、過去の一定回数の前記位
置合わせ点の検出位置（ｘ、ｙ）のＸ座標、Ｙ座標の平
均値と標準偏差とを求め、座標平均値（Ｍｘ、Ｍｙ）を
中心とし、標準偏差（Ｓｘ、Ｓｙ）を含むようにサイズ
を決めた第１分割サーチエリア（１）を図６に示すよう
に仮決定する。図６において、８はモニタ画面、９はサ
ーチエリア、１０は位置合わせ点の検出位置である。
【００３６】次いで、第２学習工程で、第２分割サーチ
エリア（２）から第９分割サーチエリア（９）までを、
図６に示すように、第１分割サーチエリア（１）を囲む
位置に設定し、各分割サーチエリア内の過去の位置検出
回数の多い順に、サーチ順を並び替える。
エリア（２）から第９分割サーチエリア（９）までを、
図６に示すように、第１分割サーチエリア（１）を囲む
位置に設定し、各分割サーチエリア内の過去の位置検出
回数の多い順に、サーチ順を並び替える。
【００３７】次いで、第３学習工程で、前記で設定した
分割サーチエリア（１）〜（９）を使用した場合に、過
去の一定回数分の位置認識の平均認識時間がどのように
なるかを、下記の計算式（１）又は（２）に基づいて計
算する。
分割サーチエリア（１）〜（９）を使用した場合に、過
去の一定回数分の位置認識の平均認識時間がどのように
なるかを、下記の計算式（１）又は（２）に基づいて計
算する。
【００３８】
【数１】
【００３９】ＶD ：分割サーチエリアの平均認識時間
ＶW ：全サーチエリアの認識時間
ＳD (i) ：分割サーチエリア（ｉ）の面積
ＳW ：全サーチエリアの面積
ＲD (i) ：分割サーチエリア（ｉ）内の検出個数
ＲW ：全検出個数
注 分割サーチエリア(i) は検出個数の多いものから順
番に整列されているものとする。
番に整列されているものとする。
【００４０】式（１）は、近似計算式であるが、計算時
間が短く、充分に使用可能である。
間が短く、充分に使用可能である。
【００４１】式（２）は正規の計算式である。そして、
これらの計算式を使用し、第１分割サーチエリア（１）
のサイズを徐々に大きくしたり小さくしたりし、且つ、
各サーチエリアのサーチ順を変えてサーチした場合の平
均認識時間を計算する。計算が終われば、ステップ＃１
５に進む。尚、上記の計算式については、勿論、正規の
計算式を使用しても良いが、必ずしも必要ではなく、傾
向を判断することができる近似計算式を使用して計算時
間を短縮し、生産性を向上することができる。従って、
計算式は実施例で使用したものに限らず、条件に合わせ
て設計すれば良い。
これらの計算式を使用し、第１分割サーチエリア（１）
のサイズを徐々に大きくしたり小さくしたりし、且つ、
各サーチエリアのサーチ順を変えてサーチした場合の平
均認識時間を計算する。計算が終われば、ステップ＃１
５に進む。尚、上記の計算式については、勿論、正規の
計算式を使用しても良いが、必ずしも必要ではなく、傾
向を判断することができる近似計算式を使用して計算時
間を短縮し、生産性を向上することができる。従って、
計算式は実施例で使用したものに限らず、条件に合わせ
て設計すれば良い。
【００４２】ステップ＃１５のサーチエリアとサーチ順
変更工程において、学習工程で求められた平均認識時間
が最も短くなるサーチエリアの分割サイズとサーチ順と
を、これまでのサーチエリアの分割サイズとサーチ順と
に替えて画像認識装置本体に登録し、ステップ＃１６に
進む。
変更工程において、学習工程で求められた平均認識時間
が最も短くなるサーチエリアの分割サイズとサーチ順と
を、これまでのサーチエリアの分割サイズとサーチ順と
に替えて画像認識装置本体に登録し、ステップ＃１６に
進む。
【００４３】ステップ＃１６の生産終了か否かの判断工
程において、生産終了でなければ、ステップ＃１１に戻
り、生産終了であれば終了する。
程において、生産終了でなければ、ステップ＃１１に戻
り、生産終了であれば終了する。
【００４４】尚、実施例においては、サーチエリアを９
分割しているが、分割数は自由に設定することができ
る。又、認識対象物４が複数の場合は、それぞれ別個に
サーチエリアを設定すると好適である。
分割しているが、分割数は自由に設定することができ
る。又、認識対象物４が複数の場合は、それぞれ別個に
サーチエリアを設定すると好適である。
【００４５】
【発明の効果】本発明の画像認識方法は、認識用カメラ
の視野を複数のサーチエリアに分割し、学習によって、
認識対象物の位置を検出するまで、認識対象物が検出さ
れる確率が高い順に、前記サーチエリアを走査するの
で、平均的に最も短時間に認識対象物の位置を検出する
ことができ、且つ、サーチ漏れが無いので、生産性が向
上し、且つ、高信頼性を維持できるという効果を奏す
る。
の視野を複数のサーチエリアに分割し、学習によって、
認識対象物の位置を検出するまで、認識対象物が検出さ
れる確率が高い順に、前記サーチエリアを走査するの
で、平均的に最も短時間に認識対象物の位置を検出する
ことができ、且つ、サーチ漏れが無いので、生産性が向
上し、且つ、高信頼性を維持できるという効果を奏す
る。
【００４６】更に、学習によって、サーチエリアのサイ
ズを変更し、どのようなサイズのサーチエリアが、平均
的に最も短時間に認識対象物の位置を検出するかを求め
るので、更に短い平均認識時間で、サーチ漏れなく、認
識対象物の位置を検出でき、生産性が向上するるという
効果を奏する。
ズを変更し、どのようなサイズのサーチエリアが、平均
的に最も短時間に認識対象物の位置を検出するかを求め
るので、更に短い平均認識時間で、サーチ漏れなく、認
識対象物の位置を検出でき、生産性が向上するるという
効果を奏する。
【図１】本発明の画像認識方法を使用する電子回路実装
設備の構成の一例を示すブロック図である。
設備の構成の一例を示すブロック図である。
【図２】本発明の教示工程の一例を示すフローチャート
である。
である。
【図３】本発明の第１実施例の工程を示すフローチャー
トである。
トである。
【図４】本発明の第２実施例の工程を示すフローチャー
トである。
トである。
【図５】本発明の分割サーチエリアの一例を示す図であ
る。
る。
【図６】本発明の分割サーチエリアの他の例を示す図で
ある。
ある。
１ 画像認識装置本体
２ カメラ
３ モニタテレビ
４ 認識対象物
５ ロボット
６ コントローラ
７ 操作盤
８ モニタ画面
９ サーチエリア
１０ 位置合わせ点の検出位置
─────────────────────────────────────────────────────
フロントページの続き
(72)発明者 南雲 孝夫
大阪府門真市大字門真1006番地 松下電
器産業株式会社内
(56)参考文献 特開 平２−159682（ＪＰ，Ａ)
特開 平６−160042（ＪＰ，Ａ)
特開 平８−136235（ＪＰ，Ａ)
特開 昭63−14278（ＪＰ，Ａ)
(58)調査した分野(Int.Cl.7，ＤＢ名)
H05K 13/08
G06T 7/00 300
Claims (3)
- 【請求項１】 テンプレートマッチングによる画像認識
方法において、サーチすべき画像を複数のサーチエリア
に分割し、各サーチエリアを所定のサーチ順でサーチす
るように教示する教示工程と、前記サーチエリアとサー
チ順とに基づいて認識対象物の画像位置をサーチする認
識工程と、前記認識結果を記録する記録工程と、所定認
識回数後に、過去の認識結果に基づいて認識対象画像の
検出頻度が高い順に前記サーチエリアを並べるように学
習する学習工程と、先に教示されているサーチ順を、前
記の学習された順に並べ替えるサーチ順変更工程とを有
することを特徴とする画像認識方法。 - 【請求項２】 テンプレートマッチングによる画像認識
方法において、サーチすべき画像を複数のサーチエリア
に分割し、各サーチエリアを所定のサーチ順でサーチす
るように教示する教示工程と、前記サーチエリアとサー
チ順とに基づいて認識対象物の画像位置をサーチする認
識工程と、前記認識結果を記録する記録工程と、所定認
識回数後に、先に教示されているサーチエリアを、過去
の認識対象画像検出位置の統計的分布に合わせるように
学習する第１の学習工程と、所定認識回数後に、前記統
計的分布に合わせて設定されたサーチエリアを過去の認
識結果に基づいて認識対象画像の検出頻度が高い順に並
べるように学習する第２の学習工程と、先に教示されて
いるサーチエリアとサーチ順とを、前記の学習されたサ
ーチエリアとサーチ順とに入れ替えるサーチエリア・サ
ーチ順変更工程とを有することを特徴とする画像認識方
法。 - 【請求項３】 請求項２に記載の画像認識方法におい
て、第１の学習工程で学習されたサーチエリアを徐々に
大きくしたり小さくしたりして、過去の認識結果で、平
均認識時間が最も短くなるサーチエリアのサイズとサー
チ順とを学習する第３の学習工程を付加することを特徴
とする画像認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP01411795A JP3399681B2 (ja) | 1995-01-31 | 1995-01-31 | 画像認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP01411795A JP3399681B2 (ja) | 1995-01-31 | 1995-01-31 | 画像認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH08204400A JPH08204400A (ja) | 1996-08-09 |
| JP3399681B2 true JP3399681B2 (ja) | 2003-04-21 |
Family
ID=11852185
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP01411795A Expired - Fee Related JP3399681B2 (ja) | 1995-01-31 | 1995-01-31 | 画像認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3399681B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005093623A (ja) * | 2003-09-17 | 2005-04-07 | Juki Corp | 基板マークの認識方法及び装置 |
| US7732320B2 (en) * | 2007-02-05 | 2010-06-08 | Suss Microtec Ag | Apparatus and method for semiconductor wafer bumping via injection molded solder |
| JP2009079915A (ja) * | 2007-09-25 | 2009-04-16 | Hitachi Kokusai Electric Inc | 微小寸法測定方法および測定装置 |
| JP6066587B2 (ja) * | 2012-05-25 | 2017-01-25 | 富士機械製造株式会社 | 基板の検査方法、検査プログラム、および検査装置 |
| JP6608130B2 (ja) * | 2014-11-06 | 2019-11-20 | キヤノン株式会社 | 計測装置、リソグラフィ装置、及び物品の製造方法 |
-
1995
- 1995-01-31 JP JP01411795A patent/JP3399681B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH08204400A (ja) | 1996-08-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7409081B2 (en) | Apparatus and computer-readable medium for assisting image classification | |
| CN111583183B (zh) | 一种用于pcb板图像缺陷检测的数据增强方法和系统 | |
| CN110176028B (zh) | 一种基于事件相机的异步角点检测方法 | |
| JP3399681B2 (ja) | 画像認識方法 | |
| CN114255212A (zh) | 一种基于cnn的fpc表面缺陷检测方法及其系统 | |
| JP3266429B2 (ja) | パターン検出方法 | |
| US8045790B2 (en) | Method for automatically de-skewing of multiple layer wafer for improved pattern recognition | |
| JP3243916B2 (ja) | 円形状パターン計測・位置認識装置 | |
| JP2768344B2 (ja) | パターン検査装置およびその検査方法 | |
| CN116843620A (zh) | 一种基于非范例类增量学习的印刷电路板缺陷检测方法 | |
| US7027637B2 (en) | Adaptive threshold determination for ball grid array component modeling | |
| JP2001148014A (ja) | テンプレートパターンの自動決定方法 | |
| JPH06160047A (ja) | パターンマッチング方法 | |
| US6208756B1 (en) | Hand-written character recognition device with noise removal | |
| JP3342582B2 (ja) | 画像認識方法 | |
| JPH06232240A (ja) | 画像認識位置合わせ装置 | |
| Chang et al. | Deep Learning-based AOI System for Detecting Component Marks | |
| JPH0935000A (ja) | 手書き文字認識方法及び装置 | |
| JP4530723B2 (ja) | パターンマッチング方法、パターンマッチング装置、および電子部品実装方法 | |
| JP3371307B2 (ja) | 画像処理装置及び画像処理方法 | |
| EP4303810A1 (en) | Image processing method and system thereof | |
| JP6173715B2 (ja) | 文字認識装置、文字認識方法及びプログラム | |
| JP3437087B2 (ja) | 特徴点追跡方法及び装置、並びに特徴点追跡プログラムを記録した記録媒体 | |
| JPH06201603A (ja) | 電子部品の欠品検査における検査データの作成方法および電子部品の欠品検査方法 | |
| JPH11328404A (ja) | 画像認識装置および画像認識方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |