JP6418739B2 - 評価装置、表面実装機、評価方法 - Google Patents

Description

本発明は、認識アルゴリズムの適否を評価する技術に関する。

例えば、表面実装機や印刷機などでは、認識アルゴリズムを利用して、搭載する電子部品やプリント基板上のマークを認識している（下記特許文献１参照）。

特許第３９９３１０７号公報

認識アルゴリズムは、認識対象の種類に応じて用意されていることに加え、同じ種類の認識対象であっても認識方法の異なるものが用意されている場合もあり、実際に認識処理を行う場合には、用意された複数の認識アルゴリズムの中から、認識に最適なアルゴリズムを選択することが必要であるが、ユーザのスキルが十分でない場合には、どの認識アルゴリズムが最適か、選択することが難しかった。

本発明は上記のような事情に基づいて完成されたものであって、認識に最適な認識アルゴリズムの選択を容易、又は自動化することを目的とする。

本発明に係る、認識アルゴリズムの適否を評価する評価装置は、認識対象の画像に変化を与える画像処理を実行する画像処理部と、前記画像処理部にて変化を与えた画像を、各認識アルゴリズムを用いて、それぞれ認識させる認識部と、各認識アルゴリズムの認識結果から、認識対象に対する認識の適否を評価する評価部とを含む。この構成では、認識に最適な認識アルゴリズムの選択を容易、又は自動化できる。

本発明の実施態様として、以下の構成が好ましい。
・前記画像処理部は、認識対象の画像の明るさを変化させる処理を実行し、前記評価部は、認識アルゴリズムの明るさの変化に対するロバスト性を評価する。明るさの変化に対するロバスト性を評価することで、認識対象を撮影する際の照明光量の変動や、外乱光等の影響を受け難い認識データを作成可能な認識アルゴリズムが選択可能となる。尚、ロバストとは、変化（外乱）に対して頑強であることを意味する。

・前記画像処理部は、認識対象の画像のサイズを変化させる処理を実行し、前記評価部は、認識アルゴリズムのサイズの変化に対するロバスト性を評価する。サイズの変化に対するロバスト性を評価することで、認識対象の個体差によるサイズの変化の影響を受け難い認識データを作成可能な認識アルゴリズムが選択可能となる。

・前記画像処理部は、認識対象の画像の位置を変化させる処理を実行し、前記評価部は、認識アルゴリズムの位置変化に対する追従性を評価する。位置変化に対する追従性を評価することで、認識対象の位置変化（例えば、電子部品の吸着位置の変化）に正しく追従する、より高精度な認識データを作成可能な認識アルゴリズムが選択可能となる。

・前記画像処理部は、認識対象の画像の角度を変化させる処理を実行し、前記評価部は、認識アルゴリズムの角度変化に対する追従性を評価する。角度変化に対する追従性を評価することで、認識対象の角度変化（例えば、電子部品の吸着角度の変化）に正しく追従する、より高精度な認識データを作成可能な認識アルゴリズムが選択可能となる。

・前記画像処理部は、画像の明るさを変化させる処理と、画像のサイズを変化させる処理と、画像の位置を変化させる処理と、画像の角度を変化させる処理のうち、少なくとも２以上の処理を実行し、前記評価部は、各変化に対する各認識アルゴリズムの認識結果に基づいて、認識の適否を評価する。この構成では、明るさの変化、サイズ変化、位置変化等に対して、認識結果が総合的に高い認識アルゴリズムが選択可能となる。

・前記画像処理部は、各認識アルゴリズムが認識に要する時間を計測する計測部を含み、前記評価部は、変化に対する各認識アルゴリズムの認識結果と、各認識アルゴリズムの認識時間とに基づいて、認識の適否を評価する。認識時間を評価することで、タクトロスの少ない認識アルゴリズムが選択可能となる。

・前記評価結果に基づいて、認識に適した認識アルゴリズムを自動選択する選択部を含む。この構成では、認識に適した認識アルゴリズムを自動的に選択出来るので、ユーザの手間を省くことが出来る。

・前記画像処理部と、前記認識部と、前記評価部とを含む、制御部を有する。更に、前記制御部は、認識に適した認識アルゴリズムを自動選択する選択部を含む。画像処理専用のハード回路等を、別回路として持つ必要がなく、装置の構成を簡素化できるというメリットがある。

・表示部を備え、前記制御部は、前記評価結果を前記表示部に表示させる。表示された評価結果を参照することで、認識に適した認識アルゴリズムを、ユーザが選択し易くなる。

本発明に係る表面実装機は、電子部品をプリント基板上に実装する実装部と、前記電子部品又は前記プリント基板を撮影する撮影部と、本発明に係る評価装置と、を含み、前記認識対象は、前記電子部品又は、前記プリント基板上に設けられたマークを含む。この構成では、電子部品や、プリント基板上に設けられたマークの認識に、最適な認識アルゴリズムの選択を容易、又は自動化できる。

本発明に係る認識アルゴリズムの適否を評価する評価方法は、認識対象の画像に変化を与える画像処理ステップと、前記画像処理ステップにて変化を与えた画像を、各認識アルゴリズムを用いて、それぞれ認識させる認識ステップと、各認識アルゴリズムの認識結果から、認識対象に対する認識の適否を評価する評価ステップとを含む。この方法では、認識に最適な認識アルゴリズムの選択を容易、又は自動化できる。

本発明によれば、認識に最適な認識アルゴリズムの選択を容易、又は自動化できる。

実施形態１において、認識データを示す図 電子部品の種類を示す図 画像の変化パターンを示す図（サイズの変化を示す） 画像の変化パターンを示す図（位置の変化を示す） 画像の変化パターンを示す図（角度の変化を示す） 画像の変化パターンを示す図（明るさの変化を示す） 位置変化の追従性の評価結果を示す図 位置変化の追従性の評価結果を示す図 認識アルゴリズム自動選択装置の電気的構成を示すブロック図 評価シーケンスの処理の流れを示すフローチャート図 認識アルゴリズム候補選択処理の流れを示すフローチャート図 画像変化認識処理の流れを示すフローチャート図 最適アルゴリズム選択処理の流れを示すフローチャート図 入力画像を示す図 評価結果を示す図 実施形態２に係る認識アルゴリズム自動選択装置の電気的構成を示すブロック図 認識アルゴリズムの評価項目を示す図 実施形態３に係る表面実装機の平面図 表面実装機の電気的構成を示すブロック図 プリント基板に付された位置マークを示す図

＜実施形態１＞
本発明の実施形態１を図１ないし図１５によって説明する。
１．概要説明
「認識アルゴリズム」とは、認識対象を画像認識するアルゴリズムであり、例えば、プリント基板に実装する電子部品の画像認識等に使用される。認識アルゴリズムによる認識内容は、認識対象の形状等であり、認識対象がリード付きの電子部品５０の場合、図１にて示すように、電子部品５０の画像からリード等を検出してリード幅ｄ、リード間のピッチＰ、リード５１の先端間距離Ｌ１、リード先端座標、リード本数、リード長Ｌ２、検出閾値等を画像認識する。また、これら認識結果から電子部品５０の中心座標Ｏや傾きθを検出することが出来る。電子部品５０の中心座標Ｏや傾きθは、得られた認識結果から演算できるほか、部品の基準データが存在する場合には、基準データと認識結果を照合して位置のズレを求めることでも検出できる。

図２に示すように、プリント基板に搭載される電子部品には、チップ部品や、ボール部品、ＩＣ部品や、コネクタ部品等の種類があり、更に、各種の部品は、より細かく種類が細分化されている。例えば、ＩＣ部品であれば、２端子部品、ミニトランジスタ、パワートランジスタ、ＳＯＰ（Small Outline Package）、ＳＯＪ（Small Outline J-leaded）、ＱＦＰ（Quad Flat Package）、ＰＬＣＣ（Plastic leaded chip carrier）等がある。

認識アルゴリズムは、電子部品の種類ごと、例えば、ＩＣ部品であれば、２端子部品、トランジスタ、ＳＯＰ、ＳＯＪ、ＱＦＰ、ＰＬＣＣごとに設けられている。そして、同じ種類の電子部品でも、エッジ（明るさの変化点）の検出方法や、認識条件の違い等により、複数の認識アルゴリズムが設けられている。

本認識アルゴリズム自動選択装置１０は、そうした複数の認識アルゴリズムについて、認識対象に対する適否を評価し、得られた評価結果から、認識対象に適した認識アルゴリズムを自動選択する装置である。尚、以下の説明において、「認識データ」を作成するとは、認識対象を画像認識した結果から認識対象の形状や位置等のデータ（電子部品５０の場合であれば、リード幅ｄ、リード間のピッチＰ、リード５１の先端間距離Ｌ１、リード先端座標、リード本数、リード長Ｌ２、検出閾値等のデータ）を作成することを意味する。

２．認識アルゴリズムの適否を評価する評価方法
認識アルゴリズムの適否を評価する評価方法は、以下の（ａ）〜（ｃ）の３ステップから構成されている。

（ａ）画像処理（図１２：Ｓ３２）
（ｂ）認識処理（図１２：Ｓ３４）
（ｃ）評価処理（図１３：Ｓ４１、Ｓ４３）

画像処理は、認識対象の画像データに対して、変化を加える処理である。変化の種類には、認識対象の画像の「明るさ」の変化、認識対象の画像の「サイズ」の変化（図３参照）、認識対象の画像の「位置」の変化（図４参照）、認識対象の画像の「角度」の変化（図５参照）がある。

認識処理は、変化を加えた各画像を、各認識アルゴリズムを用いて、認識する処理である。そして、評価処理は、各認識アルゴリズムの認識結果から、認識対象に対する認識の適否を評価する処理である。

具体的に説明すると、画像の「明るさ」を変化させる場合、「明るさ」を変化させた画像データを認識アルゴリズムで認識し、認識アルゴリズムの「明るさ」の変化に対する耐性（ロバスト性）を評価する。そして、明るさの変化に対する耐性が高い程、認識対象の画像認識に適していると判断する。

例えば、図６の例では、画像の明るさを「２０」％、「６０」％、「１００」％（明るさの基準）、「１４０」％、「１８０」％の４段階に変化させた画像を、認識アルゴリズムＡと、認識アルゴリズムＢの２種で認識している。

認識結果は、図６に示すように、認識アルゴリズムＡでは「２０」％、「６０」％、「１８０」％の３つで認識エラーになるのに対して、認識アルゴリズムＡでは「２０」％だけが認識エラーになっている。また、図６に示す下段の欄の数値は、認識データから算出した中心座標の誤差率を示しており、明るさを同じ割合変化させた場合に、認識アルゴリズムＢの方が、認識アルゴリズムＡよりも中心座標の誤差率が小さい。この場合、認識アルゴリズムＢの方が、「明るさ」の変化に対する耐性（ロバスト性）に優れていることから、認識アルゴリズムＢの方が、認識対象の画像認識に適していると判断出来る。尚、「明るさ」の変化に対して耐性に違いが生じる理由は、認識アルゴリズムが用いているエッジの検出方法や、閾値の設定の違いにあると考えられる。

また、認識対象の画像の「サイズ」を変化させる場合は、「サイズ」を変化させた画像データを認識アルゴリズムで認識し、認識アルゴリズムの「サイズ」の変化に対する耐性（ロバスト性）を評価する。そして、サイズの変化に対する耐性が高い程、認識対象の画像認識に適していると判断する。

尚、「サイズ」の変化に対する耐性を評価するには、画像の「サイズ」を変化させた時の認識データから、認識対象の中心座標（認識値）や角度（認識値）を算出する。そして、算出した認識対象の中心座標（認識値）や角度（認識値）を、サイズ変化前の認識対象の画像の中心座標や角度と比較することにより評価できる。すなわち、「サイズ」の変化に対して「中心座標」や「角度」の変化が小さいほど、「サイズ」の変化に対する耐性が高いと評価できる。

また、認識対象の画像の「位置」を変化させる場合は、「位置」を変化させた画像データを認識アルゴリズムで認識し、認識アルゴリズムの「位置」の変化に対する追従性を評価する。そして、位置変化に対する追従性が高い程、認識対象の画像認識に適していると判断する。

尚、位置変化の追従性を評価するには、「位置」を変化させた画像データを認識アルゴリズムで認識し、得られる認識データから、認識対象の中心座標の移動量（認識値）を求める。そして、画像データの「位置」の変化量に対する移動量（認識値）の誤差を算出することで、位置変化に対する追従性を評価できる。

図７、図８は、画像の「位置」を、図４に示す斜め方向に直線的に変化させた場合の、認識値の変化の推移をグラフで示しており、図７に示すように認識値が階段状に変化する場合は、追従性は低く、図８に示すように認識値が概ね直線的に変化する場合は、追従性が高い。

また、認識対象の画像の「角度」を変化させる場合は、「角度」を変化させた画像データを認識アルゴリズムで認識し、認識アルゴリズムの角度変化に対する追従性を評価する。そして、角度変化に対する追従性が高い程、認識対象の画像認識に適していると判断する。

尚、角度変化の追従性を評価するには、「角度」を変化させた画像データを認識アルゴリズムで認識し、得られる認識データから、認識対象の角度の変化量（認識値）を求める。そして、画像データの「角度」の変化量に対する角度の変化量（認識値）の誤差を算出することで、角度変化に対する追従性を評価できる。

また、画像の「位置」や「角度」を変化させた時に、認識アルゴリズムの種類によって、追従性に違いが出来る理由の一つは、認識対象に適さない認識アルゴリズムは、認識対象の位置や角度によって、認識の仕方が変わってしまうからである。

例えば、図１５の例は、「ＳＯＰ」を、ＱＦＰ認識用の認識アルゴリズム１で認識した場合と、ＳＯＰ認識用の認識アルゴリズム２で認識した場合と、トランジスタ認識用の認識アルゴリズム３で認識した場合の認識結果を示しており、画像認識されたリードを「白抜きの枠Ｋ」にて示している。

認識アルゴリズム２は、「ＳＯＰ」認識用であり、左右両側のリードを本数に関係なく画像認識することから、図中に示すように、左右７本のリードが正しく画像認識される。そのため、画像の「位置」や「角度」を変化させても、同じように、左右７本のリードが正しく認識される。認識アルゴリズムは、リードの位置を検出して、その電子部品の位置や傾きを算出することから、リードを正確に認識できる認識アルゴリズム２は、画像の「位置」や「角度」の変化に対して、画像認識される変化量もリニアに変化することになる。

一方、認識アルゴリズム３は、トランジスタ認識用であり、上下に配置された３本のリードだけを認識する。図１５の例では、左右７本のリードのうち、枠Ｋ１と枠Ｋ２で示す上側の２本と、枠Ｋ３で示す下側の１本をリードとして認識している。そして、画像の「位置」や「角度」を変化させた場合には、例えば、枠Ｋ１で示す上側１本と、枠Ｋ３、枠Ｋ４で示す下側の２本のリードなど、当初とは異なる３本のリードを認識することがある。このように認識されるリードが、画像の「位置」や「角度」の変化によって変わるため、認識アルゴリズム３は、画像の「位置」や「角度」の変化に対して、画像認識される変化量がリニアに変化しない。

要するところ、種類が異なるなど、認識対象に不適な認識アルゴリズムで認識を行うと、その認識アルゴリズムは、プログラムされた認識対象の特徴に一致するように無理やり画像認識する。そのため、画像に変化を加えると、認識結果が極端に変化する場合があり、変化に対する追従性が低くなる。

そして、本実施形態では、図１５に示すように、「明るさ」の変化に対する耐性と、「サイズ」の変化に対する耐性と、「位置」の変化に対する追従性と、「角度」の変化に対する追従性を数値化して評価点を算出し、それら４項目の評価点から総合評価点を算出して、認識アルゴリズムの適否を評価する。そして、評価点が最も高い認識アルゴリズムを、その認識対象に最適なアルゴリズムであるとして、自動選択する。

３．認識アルゴリズム自動選択装置の電気的構成
認識アルゴリズム自動選択装置１０は、図９に示すように、ＣＰＵ（本発明の「制御部」の一例）２１、入力部２３、ＲＡＭ３１、画像メモリ３３、ＲＯＭ３５、表示部３７などから構成されている。入力部２３は、カメラ４１、スキャナ４３、メディア４５等の外部機器から認識対象の画像データ（入力画像）を受け付ける機能を果たす。

ＲＯＭ３５は、複数の認識アルゴリズムや、評価シーケンスの実行プログラムを記憶している。ＲＡＭ３１は、ＣＰＵ２１のワークキングメモリである。そして、ＣＰＵ２１は、上記した画像処理（図１２：Ｓ３２）を実行する画像処理部２１Ａと、認識処理（図１２：Ｓ３４）を実行する認識部２１Ｂと、評価処理（図１３：Ｓ４１、Ｓ４３）を実行する評価部２１Ｃと、認識対象に適した認識アルゴリズムを自動選択する選択処理を実行する選択部２１Ｄを含む。

４．評価シーケンス
次に、ＣＰＵ２１により実行される認識アルゴリズムの評価シーケンスについて、図１０〜図１５を参照して説明を行う。認識アルゴリズムの評価シーケンスは、図１０に示すように、Ｓ１０〜Ｓ５０の処理から構成されている。尚、以下の説明において、ＲＯＭ３５に対して、電子部品用の認識アルゴリズムとして、全Ｎ個が記憶されているものとして説明を行う。

認識アルゴリズムの評価シーケンスを実行する場合、まず、ユーザによる画像データの入力が行われる（Ｓ１０）。画像データの入力とは、認識対象の画像（この例では、図１４に示す「ＳＯＰ」の画像Ａ）を、入力部２３に対して入力する処理である。入力された画像は、ＣＰＵ２１により画像メモリ３３に記憶される。

画像データの入力が行われると、次に、認識アルゴリズム候補を選択する処理が、ＣＰＵ２１により実行される（Ｓ２０）。具体的に説明すると、認識アルゴリズム候補を選択する処理は、図１１に示すＳ２１〜Ｓ２９の処理から構成されている。まず、Ｓ２１では、ＲＯＭ３５に記憶されているＮ個の認識アルゴリズムから一の認識アルゴリズムｎを選択する処理（読み出す処理）が実行される。１回目の処理は、１番目の認識アルゴリズム１が選択されることになる。

続く、Ｓ２３では、選択された認識アルゴリズムｎ（ここでは、１番目の認識アルゴリズム１）を用いて、認識対象の画像（この例では、図１４に示す「ＳＯＰ」の画像Ａ）を、認識する処理がＣＰＵ２１の認識部２１Ｂにより実行される。

続く、Ｓ２５では、認識に成功したか否かを判定する処理がＣＰＵ２１により実行される。認識処理に成功していれば、Ｓ２７に移行して、その認識アルゴリズムｎを候補として登録する処理と、認識アルゴリズムｎにより読み取った認識データを保存する処理が実行される。従って、ここでは、認識処理に成功していれば、１番目の認識アルゴリズム１を登録する処理と、１番目の認識アルゴリズム１により読み取った認識データを保存する処理が実行される。一方、認識処理に成功しない場合は、Ｓ２７の処理はスキップされる。

その後、処理は、Ｓ２９に移行し、全Ｎ個の認識アルゴリズムについて認識処理を終了したか、判定する処理が行われる。全Ｎ個の認識アルゴリズムについて認識処理が終了していない場合には、Ｓ２１に戻り、次の認識アルゴリズムを選択する処理が行われることになる。そのため、２回目にＳ２１の処理を行う場合には、２番目の認識アルゴリズム２が選択されることになる。その後、Ｓ２３では、２番目の認識アルゴリズム２を用いて、認識対象の画像（ここでは、図１４に示す「ＳＯＰ」の画像Ａ）を、認識する処理がＣＰＵ２１の認識部２１Ｂにより実行される。

そして、Ｓ２５では、認識に成功したか否かを判定する処理がＣＰＵ２１により実行される。認識処理に成功していれば、Ｓ２７に移行して、その認識アルゴリズムｎを登録する処理と、認識アルゴリズムｎにより読み取った認識データを保存する処理が実行される。従って、認識処理に成功していれば、２番目の認識アルゴリズム２を候補として登録する処理と、２番目の認識アルゴリズム２により読み取った認識データを保存する処理が実行される。そして、全Ｎ個の認識アルゴリズムについて認識処理が終了すると、Ｓ２９にてＹＥＳ判定され、Ｓ２０の処理は終了する。

このＳ２０の処理を行うことで、ＲＯＭ３５に格納された全Ｎ個の認識アルゴリズムの中から、認識処理に失敗した認識アルゴリズムは候補から除外され、認識に成功した認識アルゴリズムｎが候補として登録されることになる。尚、「候補」とは、認識対象（この例では、図１４に示す「ＳＯＰ」）の画像認識に適した認識アルゴリズムの候補という意味である。

そして、認識アルゴリズム候補が選択されると、次はＳ３０に移行して画像変化認識処理がＣＰＵ２１にて処理が実行されることになる。画像変化認識処理とは、先に説明したように、認識対象の画像データ（この例では、図１４に示す「ＳＯＰ」の画像Ａ）に対して画像処理により変化を加え、変化させた画像を、Ｓ２０にて候補として選択した各認識アルゴリズムｎに認識させる処理である。

本例では、変化のパターンとして、画像の「明るさ」の変化、画像の「サイズ」の変化、画像の「位置」の変化、画像の「角度」の変化の４パターンを用意しており、画像変化認識処理１で、認識対象の画像データ（この例では、図１４に示す「ＳＯＰ」の画像Ａ）に「明るさ」の変化を加え、その画像データを、Ｓ２０にて候補として選択した認識アルゴリズムｎに認識させる処理を行う。また、画像変化認識処理２で、認識対象の画像データ（この例では、図１４に示す「ＳＯＰ」の画像Ａ）に「サイズ」の変化を加え、その画像データを、Ｓ２０にて候補として選択した認識アルゴリズムｎに認識させる処理を行う。

また、画像変化認識処理３で、認識対象の画像データ（この例では、図１４に示す「ＳＯＰ」の画像Ａ）に「位置」の変化を加え、その画像データを、Ｓ２０にて候補として選択した認識アルゴリズムｎに認識させる処理を行う。また、画像変化認識処理４で、認識対象の画像データ（この例では、図１４に示す「ＳＯＰ」の画像Ａ）に「角度」の変化を加え、その画像データを、Ｓ２０にて候補として選択した各認識アルゴリズムｎに認識させる処理を行う。

尚、Ｓ３０の画像変化認識処理は、図１２に示すＳ３１〜Ｓ３７の処理から構成されており、まず、Ｓ３１では、画像変化条件を更新する処理がＣＰＵ２１により実行される。例えば、画像の「明るさ」を、「２０」％、「６０」％、「１４０」％、「１８０」％の４段階で変化させる場合であれば、Ｓ３１にて「明るさ」のレベルが「２０」％、「６０」％、「１４０」％、「１８０」％の順に更新されることになる。

そして、Ｓ３２では変化画像を作成する処理、すなわち、Ｓ１０で入力された画像データ（この例では、図１４に示す「ＳＯＰ」の画像Ａ）を、Ｓ３１で更新した条件に従って、変化させた画像データを作成する処理が、ＣＰＵ２１の画像処理部２１Ａにて、実行される。従って、１回目のＳ３２の処理では、Ｓ１０で入力された画像データ（この例では、図１４に示す「ＳＯＰ」の画像Ａ）の明るさを、「１００」％から「２０」％に加工した画像データをソフト的に作成する処理が、ＣＰＵ２１の画像処理部２１Ａにて実行される。

その後、Ｓ３３では、Ｓ２０にて候補として選択された認識アルゴリズムｎから認識アルゴリズムを１つ読み出す処理が実行される。そして、Ｓ３４では、Ｓ３２にて作成した変化画像（明るさを「２０」％に下げた画像）を、Ｓ３３で読み出した認識アルゴリズムを用いて認識する処理が、ＣＰＵ２１の認識部２１Ｂにて実行される。

従って、Ｓ３３で認識アルゴリズム１を読み出した場合、Ｓ３４では、Ｓ３２にて作成した変化画像を、認識アルゴリズム１で認識する処理が実行されることになる。その後、Ｓ３５では、その認識データを保存する処理が実行される。

続く、Ｓ３６では、全認識アルゴリズ候補ｎについて、変化画像を認識する処理が終了したか判定する処理がＣＰＵ２１にて実行される。全認識アルゴリズ候補ｎについて処理が終了していない場合は、Ｓ３３に戻り、次の認識アルゴリズム候補２が読み出される。そして、Ｓ３４では、Ｓ３２にて作成した変化画像を、認識アルゴリズム候補２で認識する処理が実行され、その後、Ｓ３５にて、その認識データを保存する処理が実行される。
このような処理が、認識アルゴリズムを１つずつ読み出して繰り返し行われる。

そして、明るさを、「２０」％に加工した変化画像を、Ｓ２０にて候補として選択された全ｎ個の認識アルゴリズムで認識する処理が終了すると、Ｓ３６にてＹＥＳ判定され、Ｓ３７に移行する。Ｓ３７では、全ての画像変化条件について変化画像を認識する処理が終了したか、判定する処理がＣＰＵ２１にて実行される。終了していない場合、Ｓ３７でＮＯ判定されることから、Ｓ３１に戻って、画像変化条件を更新する処理がＣＰＵ２１により実行される。従って、２回目のＳ３１の処理では「明るさ」のレベルが「４０」％に更新される。

その後の処理は、先に説明した通りであり、２回目に行うＳ３２の処理では、Ｓ１０で入力された画像データ（この例では、図１４に示す「ＳＯＰ」の画像Ａ）の明るさを、「４０」％に加工した画像データをソフト的に作成する処理が、ＣＰＵ２１の画像処理部２１Ａにて実行される。

その後、Ｓ３３〜Ｓ３６では、Ｓ２０にて候補として選択された全ｎ個の認識アルゴリズムから認識アルゴリズムを１つずつ読み出して、Ｓ３２にて作成した変化画像（明るさを「４０」％に下げた画像）を認識する処理（Ｓ３４）と、その認識データを保存する処理（Ｓ３５）が実行される。

その後、「明るさ」のレベルを「１４０」％に加工した画像データ、「１８０」％に加工した画像データについて同様の処理が行われ、「２０」％、「６０」％、「１４０」％、「１８０」％の４パターンについて、明るさを変化させた画像を、全ｎ個の認識アルゴリズムで認識する処理が終了すると、Ｓ３７にてＹＥＳ判定される。これにて、画像の「明るさ」を変化させるパターンについて、Ｓ３０の画像変化認識処理が終了する。

先に説明したように、本例では、変化のパターンとして、「明るさ」の変化、「サイズ」の変化、「位置」の変化、「角度」の変化の４パターンが用意されているため、本例では、これら４つの変化パターンについて、Ｓ３０に示す画像変化認識処理がそれぞれ実行されることになる。

そして、４つの変化パターンについて、Ｓ３０に示す画像変化認識処理が実行されると、次に、認識対象（この例では、図１４に示す「ＳＯＰ」）の画像認識に最適な最適アルゴリズムを選択する処理がＣＰＵ２１にて実行される（図１０に示すＳ４０）。

Ｓ４０の最適アルゴリズムの選択処理は、図１３に示すようにＳ４１、Ｓ４３、Ｓ４５の３つの処理から構成されている。Ｓ４１では、ｎ個の認識アルゴリズムについて、各変化パターンごとに評価点を算出する処理がＣＰＵ２１の評価部２１Ｃにより実行される。評価点は、変化画像の認識結果より算出される。

例えば、画像の「明るさ」を変化させた場合であれば、明るさを同じ割合変化させた場合の認識データの誤差率や、認識データから算出される中心座標Ｏ、傾きθの誤差率、認識エラーの有無を数値化することで、「明るさの変動耐性（明るさの変化に対するロバスト性）」の「評価点」を求めることが出来る。

また、例えば、画像の「サイズ」を変化させた場合であれば、サイズを同じ割合変化させた場合の、認識データ、中心座標Ｏ、傾きθ等の誤差率等を数値化することで、「サイズの変動耐性（サイズの変化に対するロバスト性）」の「評価点」を求めることが出来る。

また、例えば、画像の「位置」を変化させた場合であれば、画像データの「位置」の変化量に対する移動量（認識値）の誤差率を数値化することで、位置追従性の評価点を求めることが出来る。

また、例えば、画像の「角度」を変化させた場合であれば、画像データの「角度」の変化量に対する移動量（認識値）の誤差率を数値化することで、回転追従性の評価点を求めることが出来る。

図１５は、図１４に示す「ＳＯＰ」の画像データに変化を加え、その画像データを、３種類の認識アルゴリズム１〜３で画像認識した場合の評価点を示している。認識アルゴリズム（ＱＦＰ認識用）１は、明るさの変動耐性に対する評価点は「７０」点であり、サイズの変動耐性に対する評価点は「８０」点、位置追従性に対する評価点は「８０」点、回転追従性に対する評価点は「７５」点である。

また、認識アルゴリズム（ＳＯＰ認識用）２は、明るさの変動耐性に対する評価点は「７０」点であり、サイズの変動耐性に対する評価点は「７５」点、位置追従性に対する評価点は「９５」点、回転追従性に対する評価点は「９０」点である。

また、認識アルゴリズム（トランジスタ認識用）３は、明るさの変動耐性に対する評価点は「６０」点であり、サイズの変動耐性に対する評価点は「５０」点、位置追従性に対する評価点は「５０」点、回転追従性に対する評価点は「２５」点である。

そして、Ｓ４３では、ＣＰＵ２１の評価部２１Ｃにて、Ｓ４１にて算出した各変化パターンの評価点より、ｎ個の認識アルゴリズムについて、総合評価点が算出される。総合評価点は、各変化パターンの評価点の平均値である。図１５の例（ｎ＝３）では、認識アルゴリズム１の総合評価点は「７６」点であり、認識アルゴリズム２の総合評価点は「８３」点であり、認識アルゴリズム３の総合評価点は「４６」点である。

そして、Ｓ４５では、ＣＰＵ２１の選択部２１Ｄにて、最適な認識アルゴリズムが選択される。具体的には、Ｓ４３にて算出した総合評価点が高い認識アルゴリズムが最適な認識アルゴリズムとして選択される。したがって、図１５の例では、総合評価点の最も高い認識アルゴリズム２が、図１４に示す「ＳＯＰ」の認識に最適な認識アルゴリズムに選択される。

その後、Ｓ５０では、評価結果を出力する処理がＣＰＵ２１により実行される。この例では、表示部３７に対して図１５に示す評価結果（各評価点と、総合評価点）が表示され、最適な認識アルゴリズムとして、認識アルゴリズム２が選択された旨の表示が併せて行われる。

５．効果
ユーザのスキルが十分でない場合には、電子部品等を画像認識するにあたり、どの認識アルゴリズムが最適か選択することが難しかった。この点、本実施形態では、認識に最適な認識アルゴリズムを自動選択できるので、ユーザが認識アルゴリズムを誤って選択したり、選択に戸惑うことがない。

加えて、本実施形態では、認識アルゴリズムの評価を、明るさの変動耐性、サイズの変動耐性、位置追従性、回転追従性の４項目について行っているので、１項目だけで、評価を行う場合に比べて、信頼性の高い選択結果が得られる。

また、明るさの変動耐性を評価することで、電子部品を撮影する際の照明光量の変動や、外乱光等の影響を受け難い認識データを作成可能な認識アルゴリズムを自動的に選択可能となる。

また、サイズの変動耐性を評価することで、部品個体差によるサイズの変化の影響を受け難い認識データを作成可能な認識アルゴリズムを自動的に選択可能となる。

また、位置追従性や回転追従性を評価することで、電子部品の吸着位置の変化に正しく追従するより高精度な認識データを作成可能な認識アルゴリズムを自動的に選択可能となる。

また、本実施形態では、評価点や総合評価点を表示するので、評価点や総合評価点が各認識アルゴリズムで、どの程度異なるかを、知らせることが可能である。

また、本実施形態では、ＣＰＵ２１に対して画像処理部２１Ａ、認識部２１Ｂ、評価部２１Ｃ、選択部２１Ｄを設けており、１つのＣＰＵ２１で、画像処理、認識処理、評価処理、選択処理を全て行うことができる。そのため、画像処理専用のハード回路等を、別回路として持つ必要がなく、装置の構成を簡素化できるというメリットがある。

＜実施形態２＞
次に本発明の実施形態２を、図１６、図１７を参照して説明する。
実施形態１では、認識アルゴリズムの適否の評価項目として、「明るさの変動耐性」、「サイズ変動耐性」、「位置追従性」、「回転追従性」の４項目を挙げた。

実施形態２の認識アルゴリズム自動選択装置１０Ａでは、図１６に示すように、ＣＰＵ２１に計測部２１Ｅを設けている。計測部２１Ｅは、認識アルゴリズムが、認識対象の認識に要する認識時間を計測する。

実施形態２では、図１７に示すように、これら４項目に「認識時間」を加えて、認識アルゴリズムの適否を、「明るさの変動耐性」、「サイズ変動耐性」、「位置追従性」、「回転追従性」、「認識時間」の５項目によって評価する。

そして、実施形態２のように、認識時間を、評価項目に加えることで、タクトロスを抑えることが可能となる。

＜実施形態３＞
次に、本発明の実施形態３を図１８〜図２０を参照して説明する。
実施形態３は、実施形態１の認識アルゴリズム自動選択装置１０を、表面実装機１００の一部に組み込んでいる。

表面実装機１００は基台１１０上にコンベア１２０や、部品搭載装置（本発明の「実装部」の一例）１３０、部品認識カメラ（本発明の「撮影部」の一例）１８０、基板認識カメラ（本発明の「撮影部」の一例）１９０等の各種装置を配置している。

表面実装機１００は、図１８に示す右側が入り口となっており、プリント基板Ｇは図１８に示す右側よりコンベア１２０を通じて機内へと搬入される。搬入されたプリント基板Ｇは、コンベア２０により基台中央の作業位置（図１８中の二点鎖線で示す位置）まで運ばれ、そこで停止する。

一方、作業位置の周囲には部品供給部１１５が４箇所設けられている。これら各部品供給部１１５には、フィーダ１７０が横並び状に多数設置されている。

部品搭載装置１３０は、基台上を移動可能なヘッドユニット１６０を備えている。ヘッドユニット１６０には、実装動作を行う吸着ヘッド１６３が列状をなして複数個搭載されている。そして、フィーダ１７０を通じて供給される電子部品Ｗを、吸着ヘッド１６３がフィーダ１５０上の部品供給位置から取り出して、作業位置に停止したプリント基板Ｇ上に実装する構成となっている。その後、実装処理を終えたプリント基板Ｇはコンベア１２０を通じて図１８における左方向に運ばれ、機外に搬出される。

部品認識カメラ１８０は、基台１１０の中央部にて、撮影面を上に向けた状態で固定されており、吸着ヘッド１６３により取り出された電子部品Ｗの画像を撮像する。本実装機１００では、画像認識により、電子部品Ｗの向きや傾きが検出しており、傾きを補正して、プリント基板Ｇ上に電子部品Ｗを実装する。

また、基板認識カメラ１９０は、ヘッドユニット１６０に撮像面を下に向けた状態で固定されており、ヘッドユニット１６０と共に一体的に移動する構成とされている。基板認識カメラ１９０は、作業位置上にあるプリント基板Ｇ上の任意の位置の画像を撮像する。プリント基板Ｇには、図２０に示すように位置マークＭが付されており、位置マークＭを画像認識することで、作業位置におけるプリント基板Ｐの位置や傾きを認識することが出来る。

次に、表面実装機１００の電気的構成について説明する。表面実装機１００は、図１９に示すように、ＣＰＵ２１、ＲＡＭ３１、画像メモリ３３、ＲＯＭ３５、表示部３７、部品認識カメラ１８０、基板認識カメラ１９０、コンベア１２０、部品搭載装置１３０などから構成されている。

ＣＰＵ２１は、プリント基板ＧをＸ方向に搬送するコンベア１２０を制御する。また、プリント基板Ｇに電子部品Ｗを実装する部品搭載装置１３０の各モータ１５７、１４７、１６７、モータ１６９を制御する。

また、ＣＰＵ２１は、画像処理部２１Ａと、認識部２１Ｂと、評価部２１Ｃと、選択部２１Ｄを含んでおり、ＲＯＭ３５に記憶された複数の認識アルゴリズムから、電子部品Ｗの認識に適した認識アルゴリズムを自動的に選択する。

すなわち、ＣＰＵ２１は、部品認識カメラ１８０で撮影した電子部品Ｗの画像を認識対象として、実施形態１で説明した認識アルゴリズムの評価シーケンス（図１０〜図１３）を実行することにより、電子部品Ｗの認識に適した認識アルゴリズムを自動選択する。

尚、電子部品Ｗの認識アルゴリズムを自動選択する処理は、例えば、生産するプリント基板Ｇの品種を切り換える場合や、電子部品Ｗの基準データ（いわゆる部品データ）を作成する際に行われる。

また、ＣＰＵ２１は、基板認識カメラ１９０で撮影した、プリント基板Ｇ上の位置マークＭの画像を認識対象として、実施形態１で説明した認識アルゴリズムの評価シーケンス（図１０〜図１３）を実行することにより、位置マークＭの認識に適した認識アルゴリズムを自動選択する。

尚、位置マークＭの認識アルゴリズムを自動選択する処理は、例えば、生産するプリント基板Ｇの品種を切り換える場合や、プリント基板Ｇの基準データ（いわゆる基板データ）を作成する際に行われる。

＜他の実施形態＞
本発明は上記記述及び図面によって説明した実施形態に限定されるものではなく、例えば次のような実施形態も本発明の技術的範囲に含まれる。

（１）実施形態１では、認識アルゴリズムの認識対象として、「ＳＯＰ」等の電子部品を例示したが、認識対象は、例えば、図１７に示すように、プリント基板１００上に付された位置検出用の位置マークＭであってもよい。

（２）実施形態１では、最適な認識アルゴリズムを自動選択する例を示したが、例えば、図１５に示す評価結果の一欄を表示して、認識アルゴリズムの選択はユーザに委ねるようにしてもよい。

（３）実施形態１では、総合評価点は、各評価項目の平均値としてが、評価項目に重みを付けて評価するようにしてもよい。

（４）実施形態１では、「明るさの変動耐性」、「サイズ変動耐性」、「位置追従性」、「回転追従性」の４項目に基づいて、認識アルゴリズムの適否を評価したが、必ずしも４項目の全てを評価する必要はなく、４項目の中から一部の項目を選択して、認識アルゴリズムの適否を評価するようにしてもよい。

（５）実施形態１では、ＣＰＵ２１の内部に、画像処理部２１Ａ、認識部２１Ｂ、評価部２１Ｃ、選択部２１Ｄを設けた例を示したが、例えば、画像処理部２１ＡをＣＰＵ２１とは別の画像処理専用のハード回路で構成してもよい。また、画像処理部２１Ａ、認識部２１Ｂ、評価部２１Ｃ、選択部２１Ｄは必ずしも、ＣＰＵ内に設けられている必要はなく、独立した構成してもよい。

（６）認識アルゴリズム自動選択装置１０は、実施形態３にて説明したようにプリント基板Ｇに電子部品Ｗを実装する表面実装機１００の一部として組み込む構成以外に、表面実装機１００とは独立した装置としてもよい。また、入力画像についても、表面実装機１００に付属するカメラ４１で撮影した画像データ（オンラインのデータ）の他、図９に示すように、ハンドスキャナ４３等で撮影した画像データや画像ファイル４５等、オフラインのデータであってもよい。

１０...認識アルゴリズム自動選択装置（本発明の「評価装置」の一例）
２１...ＣＰＵ（本発明の「制御部」の一例）
２１Ａ...画像処理部
２１Ｂ...認識部
２１Ｃ...評価部
２１Ｄ...選択部
２１Ｅ...計測部
２３...入力部
３１...ＲＡＭ
３３...画像メモリ
３５...ＲＯＭ
３７...表示部
１００...表面実装機
１３０...部品搭載装置（本発明の「実装部」の一例）
１８０...部品認識カメラ（本発明の「撮影部」の一例）
１９０...基板認識カメラ（本発明の「撮影部」の一例）
Ｗ...電子部品
Ｍ...位置マーク（本発明の「マーク」の一例）

Claims (6)

1. 認識アルゴリズムの適否を評価する評価装置であって、
   認識対象の画像に変化を与える画像処理を実行する画像処理部と、
   前記画像処理部にて変化を与えた画像を、複数の認識アルゴリズムを用いて、それぞれ認識する認識部と、
   各認識アルゴリズムの認識結果から、認識対象に対する認識の適否を評価する評価部と、
   前記評価部による評価結果に基づいて、認識に適した認識アルゴリズムを自動選択する選択部を含み、
   前記画像処理部は、画像の明るさを変化させる処理と、画像のサイズを変化させる処理と、画像の位置を変化させる処理と、画像の角度を変化させる処理のうち、少なくとも２以上の処理を実行し、
   前記評価部は、各変化に対する各認識アルゴリズムの評価点をそれぞれ算出し、
   前記選択部は、各変化に対する各認識アルゴリズムの評価点に基づいて、前記複数の認識アルゴリズムの中から、認識に適した認識アルゴリズムを自動選択する、評価装置。
2. 各認識アルゴリズムが認識に要する時間を計測する計測部を含み、
   前記評価部は、変化に対する各認識アルゴリズムの認識結果と、各認識アルゴリズムの認識時間とに基づいて、認識の適否を評価する請求項１に記載の評価装置。
3. 前記画像処理部と、前記認識部と、前記評価部と、前記選択部とを含む、制御部を有する請求項１又は請求項２に記載の評価装置。
4. 表示部を備え、
   前記制御部は、前記評価結果を前記表示部に表示させる請求項３に記載の評価装置。
5. 電子部品をプリント基板上に実装する実装部と、
   前記電子部品又は前記プリント基板を撮影する撮影部と、
   請求項１ないし請求項４のいずれか一項に記載の評価装置と、を含み、
   前記認識対象は、前記電子部品又は、前記プリント基板上に設けられたマークを含む、表面実装機。
6. 認識アルゴリズムの適否を評価する評価方法であって、
   認識対象の画像に変化を与える画像処理ステップと、
   前記画像処理ステップにて変化を与えた画像を、複数の認識アルゴリズムを用いて、それぞれ認識させる認識ステップと、
   各認識アルゴリズムの認識結果から、認識対象に対する認識の適否を評価する評価ステップと、
   前記評価ステップでの評価結果に基づいて、認識に適した認識アルゴリズムを自動選択する選択ステップと、を含み、
   前記画像処理ステップでは、画像の明るさを変化させるステップと、画像のサイズを変化させるステップと、画像の位置を変化させるステップと、画像の角度を変化させるステップのうち、少なくとも２以上のステップを実行し、
   前記評価ステップでは、各変化に対する各認識アルゴリズムの評価点をそれぞれ算出し、
   前記選択ステップでは、各変化に対する各認識アルゴリズムの評価点に基づいて、前記複数の認識アルゴリズムの中から、認識に適した認識アルゴリズムを自動選択する、評価方法。

Images