JP6648252B2 - 画像処理システム及び画像処理方法 - Google Patents

Description

本発明は、カメラで部品を撮像した画像を所定の画像処理アルゴリズムを使用して処理して前記画像中の部品を特定する画像処理システム及び画像処理方法に関する発明である。

例えば、部品実装機においては、部品供給装置から供給される部品を吸着ノズルで吸着して、当該部品を下面側からカメラで撮像して、その画像を処理して当該画像中の部品を特定し、当該部品の吸着姿勢（吸着位置や吸着角度）のずれを計測して、そのずれを補正して該部品を回路基板に実装するようにしている。更に、特許文献１（特開２０１１−２１１０８８号公報）に記載されているように、画像処理の際に、部品のＣＡＤデータや設計図データから作成した画像処理用部品データ（部品の形状やボディの色等を定義したデータ）を用いて画像中の部品を特定するようにしている。

また、特許文献２（特開２００６−２１０５３１号公報）では、画像認識精度を向上させるために、画像中の部品の所定部位の明るさが目標明るさ範囲内に収まるように撮像条件（カメラのシャッタ速度等）や照明条件を調整するようにしている。

特開２０１１−２１１０８８号公報 特開２００６−２１０５３１号公報

画像処理の対象となる部品は、リード付き部品、バンプ付き部品、リードやバンプの無いチップ部品等、形状やボディの色が異なる様々な種類の部品が存在するため、これら全ての種類の部品の画像を同じ画像処理アルゴリズムで処理すると、画像中の部品の認識精度が低下して、画像処理結果が画像処理用部品データで定義された部品の形状やボディの色と合致せず、画像処理エラーとなる場合がある。そのため、画像処理を行う前に、作業者が経験と勘によって、選択可能な複数の画像処理アルゴリズムの中から画像処理に使用する画像処理アルゴリズムを部品の形状やボディの色に応じて選択するようにしている。

しかし、作業者が部品の形状やボディの色を考慮して画像処理アルゴリズムを選択しても、画像処理用部品データ（ＣＡＤデータや設計図データ）に現れない部品の輝度情報やボディへの印字等により、必ずしも、実際の部品に応じた適切な画像処理アルゴリズムが選択されるとは限らない。しかも、画像処理アルゴリズムの選択は、作業者の経験と勘によって行われるため、作業者の熟練度によって選択にばらつきが生じやすい。このため、作業者が不適切な画像処理アルゴリズムを選択して画像処理して画像中の部品を特定できない画像処理エラーが発生する場合がある。このような場合は、作業者が部品の形状や色に応じた適切な画像処理アルゴリズムを選択し直して、再度、画像処理をやり直す必要があり、この作業に手間がかかるという問題があった。

尚、特許文献１では、部品のＣＡＤデータから作成した画像処理用部品データと撮像画像から計測した部品形状データとを比較して両者の偏差が所定値を越える場合には、両者の偏差が所定値以内となる他の部品形状データを用いて画像処理用部品データを再作成するようにしている。つまり、画像中の部品の写り具合に合わせて画像処理用部品データを修正するようにしている。しかし、ユーザーによっては、画像中の部品の写り具合に合わせて画像処理用部品データを修正することに難色を示す場合がある。本来、画像処理用部品データは、部品毎に一義的に定義されるデータであり、画像中の部品の写り具合に合わせて画像処理用部品データを修正することは本末転倒であると考えるユーザーが存在するためである。

また、特許文献２では、画像中の部品の所定部位の明るさが目標明るさ範囲内に収まるように撮像条件や照明条件を調整するようにしているが、撮像条件や照明条件を調整しただけでは、画像処理アルゴリズムの調整と比較して、画像処理結果を改善する効果が小さく、画像処理の対象となる形状や色が異なる様々な種類の部品のうちの一部の部品でしか十分な効果が得られない。

上記課題を解決するために、本発明は、カメラで部品を撮像した画像を所定の画像処理アルゴリズムを使用して処理して、前記部品の形状やボディの色を定義した画像処理用部品データを用いて前記画像中の部品を特定する画像処理システムにおいて、複数の画像処理アルゴリズムが記憶された記憶部と、前記記憶部に記憶されている前記複数の画像処理アルゴリズムのうちのいずれかの画像処理アルゴリズムを使用して前記画像を処理して前記画像中の部品を特定できない画像処理エラーが発生したときに前記複数の画像処理アルゴリズムの中から使用した画像処理アルゴリズムと異なる画像処理アルゴリズムを選択して前記画像を処理する再画像処理を行って前記画像中の部品を特定する画像処理部とを備えることを第１の特徴とし、更に、前記記憶部には、撮像する部品の電極に応じて複数のグループに分類してグループ毎に２種類以上の画像処理アルゴリズムが記憶され、前記画像処理部は、前記記憶部に記憶されている前記複数のグループの中から撮像する部品の電極に応じたグループに属するいずれかの画像処理アルゴリズムを使用して前記画像を処理して前記画像処理エラーが発生したときに、その画像処理に使用した画像処理アルゴリズムと同じグループに属する他の画像処理アルゴリズムを選択して前記再画像処理を行って前記画像中の部品を特定することを第２の特徴とするものである。ここで、再画像処理は、画像中の部品の特定に成功するまで繰り返すようにすれば良い。

この構成では、画像処理部が、記憶部に記憶されている複数の画像処理アルゴリズムのうちのいずれかの画像処理アルゴリズムを使用して画像を処理して前記画像中の部品を特定できない画像処理エラーが発生したときに、前記複数の画像処理アルゴリズムの中から使用した画像処理アルゴリズムと異なる画像処理アルゴリズムを選択して前記画像を処理する再画像処理を行って前記画像中の部品を特定するようにしたので、画像処理エラー発生時に画像処理部が画像処理アルゴリズムを自動的に選択して再画像処理を行うことが可能となり、作業者が部品の形状やボディの色に応じた適切な画像処理アルゴリズムを選択し直して、再度、画像処理をやり直すという手間のかかる作業を行わずに済み、生産性を向上できる。

本発明の第２の特徴では、前記記憶部には、撮像する部品の電極に応じて複数のグループに分類してグループ毎に２種類以上の画像処理アルゴリズムが記憶され、前記画像処理部は、前記記憶部に記憶されている前記複数のグループの中から撮像する部品の電極に応じたグループに属するいずれかの画像処理アルゴリズムを使用して前記画像を処理して前記画像処理エラーが発生したときに、その画像処理に使用した画像処理アルゴリズムと同じグループに属する他の画像処理アルゴリズムを選択して前記再画像処理を行って前記画像中の部品を特定するようにしている。部品の電極に応じて複数のグループに分類してグループ毎に２種類以上の画像処理アルゴリズムを配属しておけば、画像処理の対象となる部品の電極に応じた適切な画像処理アルゴリズムを選択しやすくなる。

更に、画像処理エラーの発生原因として、比較的多いのが部品のボディの色（例えば黒色、白色等）の相違であることを考慮して、前記画像処理部は、前記画像処理エラーが発生したときに、その画像処理に使用した画像処理アルゴリズムが属するグループの中に前記画像中の部品のボディ（本体部分）の色とは異なる色のボディを持つ部品を対象とする画像処理アルゴリズムが存在する場合に、前記異なる色のボディを持つ部品を対象とする画像処理アルゴリズムを選択して前記再画像処理を行って前記画像中の部品を特定するようにしても良い。これにより、１回の再画像処理で画像中の部品の特定に成功する確率を高めることができる。

また、前記画像処理部は、前記画像処理エラーが発生したときに、その画像処理エラーの発生原因を推測できる場合にその画像処理エラーの発生原因に基づいて前記再画像処理に使用する画像処理アルゴリズムを前記複数の画像処理アルゴリズムの中から選択するようにしても良い。これにより、１回の再画像処理で画像中の部品の特定に成功する確率を高めることができる。

また、前記画像処理部は、前記画像処理エラーが発生したときに、前記複数の画像処理アルゴリズムの中から使用した画像処理アルゴリズムと異なる画像処理アルゴリズムを選択すると共に、前記画像処理用部品データに含まれる寸法許容ばらつき範囲に相当するトレランス値を変更して前記再画像処理を行うようにしても良い。このように、画像処理エラー発生時に画像処理アルゴリズムを変更することに加え、画像処理用部品データに含まれる寸法許容ばらつき範囲に相当するトレランス値を変更して（寸法許容ばらつき範囲を拡大して）、再画像処理を行うようにすれば、その再画像処理で画像中の部品の特定に成功する確率を高めることができる。

また、前記画像処理部は、前記画像処理エラーが発生したときに、前記複数の画像処理アルゴリズムの中から使用した画像処理アルゴリズムと異なる画像処理アルゴリズムを選択すると共に、前記画像中の部品のボディの外形線と交差するシークラインを生成し、そのシークライン上の輝度の変化パターンに基づいて前記画像中の部品のボディの外形線を認識するようにしても良い。このようにすれば、再画像処理で画像中の部品のボディの外形線を認識する精度を高めることができ、画像中の部品の特定に成功する確率を高めることができる。

更に、前記画像処理部は、前記画像処理エラーが発生したときに、前記複数の画像処理アルゴリズムの中から使用した画像処理アルゴリズムと異なる画像処理アルゴリズムを選択すると共に、前記カメラで部品を撮像する撮像条件（シャッタ速度、絞り値等）及び／又は照明条件（照明光度、照明方法等）を変更して撮像した画像を用いて前記再画像処理を行うようにしても良い。これにより、再画像処理で画像中の部品を認識する精度を高めることができ、１回の再画像処理で画像中の部品の特定に成功する確率を高めることができる。

本発明は、カメラで部品を撮像した画像を所定の画像処理アルゴリズムを使用して処理して、その処理結果から前記部品の形状等を定義した画像処理用部品データを用いて前記画像中の部品を特定する画像処理システムであれば、用途を問わず、広く適用可能であり、例えば、部品実装機に装備された部品撮像用のカメラを用いると共に、部品実装機の部品実装動作を制御する制御装置に前記画像処理部としての機能を搭載するようにしても良い。これにより、部品実装機の稼働中の画像処理エラーの発生回数を減少させることができ、生産性を向上できる。

図１は本発明の一実施例におけるモジュール型部品実装システムの構成を示す斜視図である。 図２は実装ヘッド、部品撮像用カメラ及び照明光源の位置関係を示す斜視図である。 図３は部品実装機の制御系の構成を示すブロック図である。 図４は画像処理プログラムの処理の流れを示すフローチャートである。 図５は画像処理アルゴリズム自動選択プログラムの処理の流れを示すフローチャートである。

以下、本発明を実施するための形態をモジュール型部品実装システムに適用して具体化した一実施例を説明する。

まず、図１乃至図３を用いてモジュール型部品実装システムの構成を説明する。
モジュール型部品実装システムのベース台１１上に、回路基板の搬送方向に隣接して複数台の部品実装機１２が入れ替え可能に整列配置されている。各部品実装機１２は、本体ベッド１３上に、テープフィーダ、トレイフィーダ等の部品供給装置１４と、回路基板を搬送するコンベア１５と、１本又は複数本の吸着ノズル２１（図２参照）を交換可能に保持する実装ヘッド１７と、この実装ヘッド１７をＸＹ方向に移動させるヘッド移動装置２２と、実装ヘッド１７の吸着ノズル２１に吸着した部品をその下面側から撮像する部品撮像用カメラ１６等を搭載して構成され、上部フレーム１８の前面部には、液晶ディスプレイ、ＣＲＴ等の表示装置１９と、操作キー、タッチパネル等の操作部２０とが設けられている。また、ヘッド移動装置２２には、回路基板の基準マークを撮像するマーク撮像用カメラ２３（図３参照）が実装ヘッド１７と一体的にＸＹ方向に移動するように取り付けられている。

図２に示すように、実装ヘッド１７は、ヘッド移動装置２２によってＸＹ方向に移動する支持ブラケット２４に回転可能に組み付けられ、ヘッド回転用のモータ２５によって実装ヘッド１７の中心軸の回りを吸着ノズル２１の配列ピッチ角度ずつ間欠的に回転する（ピッチ駆動する）ように構成され、この実装ヘッド１７の回転と一体的に吸着ノズル２１を旋回させるようになっている。この実装ヘッド１７には、吸着ノズル２１を保持する複数本のノズルホルダ２６が上下方向（Ｚ方向）に昇降可能に組み付けられ、部品吸着動作時や部品実装動作時には、実装ヘッド１７の所定の回転位置に位置する１本のノズルホルダ２６（吸着ノズル２１）がノズル昇降モータ２７を駆動源とするノズル昇降機構２８によって昇降される。各ノズルホルダ２６の吸着ノズル２１は、ノズル回転用のモータ２９によって回転（自転）するように構成され、各吸着ノズル２１に吸着した部品の水平方向（θ方向）の回転角度のずれを、部品実装前に各吸着ノズル２１の回転によって修正するようにしている。

一方、部品撮像用カメラ１６は、部品供給装置１４の部品吸着位置の近くに上向きに配置されている。図２に示すように、部品撮像用カメラ１６の上側には、レンズ３１を介して同軸落射の照明光源３２が上向きに取り付けられている。この照明光源３２は、ＬＥＤ等の発光素子を部品撮像用カメラ１６の光軸と同軸の円環状に配列して構成され、部品撮像時に実装ヘッド１７の吸着ノズル２１に吸着した部品をその下面側から照明するようになっている。

各部品実装機１２の制御装置４１は、上流側の部品実装機１２から搬送されてくる回路基板をコンベア１５によって所定位置まで搬送してクランプ機構（図示せず）で当該回路基板をクランプして位置決めした後、当該回路基板の基準マークをマーク撮像用カメラ２３で撮像して、その撮像画像を処理して当該回路基板の基準マークの位置を認識すると共に、部品供給装置１４から供給される部品を実装ヘッド１７の吸着ノズル２１で吸着して、当該部品を撮像位置へ移動させて部品撮像用カメラ１６で撮像して、その画像を所定の画像処理アルゴリズムを使用して処理して、その処理結果から、当該部品の形状やボディ（本体部分）の色を定義した画像処理用部品データを用いて当該画像中の部品を特定し、当該部品の吸着姿勢（吸着位置や吸着角度）のずれを計測して、そのずれを補正してコンベア１５上の回路基板に実装する。

ところで、画像処理の際に、画像処理の対象となる部品のＣＡＤデータや設計図データから作成した画像処理用部品データ（当該部品の形状やボディの色等を定義したデータ）を用いて画像中の部品を特定するが、画像処理の対象となる部品は、リード付き部品、バンプ付き部品、リードやバンプの無いチップ部品等、形状やボディの色が異なる様々な種類の部品が存在するため、これら全ての種類の部品の画像を同じ画像処理アルゴリズムで処理すると、画像中の部品の認識精度が低下して、画像処理結果が画像処理用部品データで定義された部品の形状やボディの色と合致せず、画像処理エラーとなる場合がある。

例えば、画像処理用部品データでは、「黒ボディ」と指定されているが、実際に部品を撮像すると、ボディが白っぽく写り、「黒ボディ」系の画像処理アルゴリズムを使用して画像処理すると、画像処理エラーとなる場合がある。このような場合は、「白ボディ」系の画像処理アルゴリズムを使用して画像処理すると、画像処理エラーとならず、画像中の部品の特定に成功するものと思われる。

そこで、本実施例では、各部品実装機１２の制御装置４１は、部品吸着動作や部品実装動作を制御すると共に、請求の範囲でいう画像処理部としても機能し、稼働中に後述する図４の画像処理プログラムを実行して、実装ヘッド１７の吸着ノズル２１に吸着した部品を撮像位置へ移動させる毎に、当該部品を部品撮像用カメラ１６で撮像して画像処理を実行すると共に、その画像処理で画像中の部品を特定できない画像処理エラーが発生したときには、図５の画像処理アルゴリズム自動選択プログラムを実行して、ハードディスク装置、フラッシュメモリ等の記憶部４２に記憶されている複数の画像処理アルゴリズムの中から使用した画像処理アルゴリズムと異なる画像処理アルゴリズムを選択して画像を処理する再画像処理を行って前記画像中の部品を特定する。ここで、再画像処理は、画像中の部品の特定に成功するまで繰り返し実行される。

本実施例では、各部品実装機１２の制御装置４１の記憶部４２には、撮像する部品の特徴部分に応じて複数のグループに分類してグループ毎に２種類以上の画像処理アルゴリズムが記憶されている。ここで、部品の特徴部分とは、部品を特定するために用いる特徴的な部分（例えば、リード、バンプ、電極等）である。部品の特徴部分に応じたグループ分けとは、例えば、リードの有無、バンプの有無、部品のボディの色等によるグループ分けである。部品の特徴部分に応じて複数のグループに分類してグループ毎に２種類以上の画像処理アルゴリズムを配属しておけば、画像処理の対象となる部品の特徴部分に応じた適切な画像処理アルゴリズムを選択しやすくなる。

各部品実装機１２の制御装置４１は、記憶部４２に記憶されている複数のグループの中から撮像した部品の特徴部分に応じたグループに属するいずれかの画像処理アルゴリズムを使用して画像を処理して画像処理エラーが発生したときに、その画像処理に使用した画像処理アルゴリズムと同じグループに属する他の画像処理アルゴリズムを選択して前記再画像処理を行って画像中の部品を特定する。

更に、画像処理エラーの発生原因として、比較的多いのが部品のボディの色（例えば黒色系、白色系等）の相違であることを考慮して、各部品実装機１２の制御装置４１は、画像処理エラーが発生したときに、その画像処理に使用した画像処理アルゴリズムが属するグループの中に画像中の部品のボディの色とは異なる色のボディを持つ部品を対象とする画像処理アルゴリズムが存在する場合に、前記異なる色のボディを持つ部品を対象とする画像処理アルゴリズムを選択して前記再画像処理を行って前記画像中の部品を特定するようにしている。これにより、１回の再画像処理で画像中の部品の特定に成功する確率を高めることができる。

また、各部品実装機１２の制御装置４１は、画像処理エラーが発生したときに、その画像処理エラーの発生原因を推測できる場合にその画像処理エラーの発生原因に基づいて前記再画像処理に使用する画像処理アルゴリズムを前記複数の画像処理アルゴリズムの中から選択するようにしている。例えば、画像処理用部品データでは、「黒ボディ」と指定されていたために、「黒ボディ」系の画像処理アルゴリズムを使用して画像処理して画像処理エラーが発生したときに、その画像処理エラーの発生原因が部品のボディの色であると推測できる場合に、「白ボディ」系の画像処理アルゴリズムを選択して再画像処理を行うようにすれば、画像中の部品の特定に成功する確率を高めることができる。

また、各部品実装機１２の制御装置４１は、上述したように、画像処理エラーが発生したときに、複数の画像処理アルゴリズムの中から使用した画像処理アルゴリズムと異なる画像処理アルゴリズムを選択する機能に加えて、使用する画像処理用部品データに含まれる一部のデータを変更して再画像処理を行う機能も備えている。

例えば、画像処理エラーが発生したときに、画像処理アルゴリズムを変更することに加え、使用する画像処理用部品データに含まれる各部の寸法許容ばらつき範囲に相当するトレランス値を変更して（寸法許容ばらつき範囲を拡大して）、再画像処理を行う機能も備えている。このように、画像処理用部品データに含まれるトレランス値を寸法許容ばらつき範囲を拡大するように変更して、再画像処理を行うようにすれば、その再画像処理で画像中の部品の特定に成功する確率を高めることができる。

また、各部品実装機１２の制御装置４１は、上述したように、画像処理エラーが発生したときに、複数の画像処理アルゴリズムの中から使用した画像処理アルゴリズムと異なる画像処理アルゴリズムを選択する機能に加えて、画像中の部品のボディの外形線と交差するシークラインを生成し、そのシークライン上の輝度の変化パターンに基づいて画像中の部品のボディの外形線を認識する機能も備えている。例えば、画像処理で部品のボディの外形線を認識できないために画像処理エラーが発生した場合に、シークラインを生成すれば、再画像処理で画像中の部品のボディの外形線を認識する精度を高めることができ、画像中の部品の特定に成功する確率を高めることができる。

また、各部品実装機１２の制御装置４１は、上述したように、画像処理エラーが発生したときに、複数の画像処理アルゴリズムの中から使用した画像処理アルゴリズムと異なる画像処理アルゴリズムを選択する機能に加えて、部品撮像用カメラ１６で部品を撮像する撮像条件（シャッタ速度、絞り値等）及び／又は照明条件（照明光度、照明方法等）を変更して撮像した画像を用いて再画像処理を行う機能も備えている。これにより、再画像処理で画像中の部品を認識する精度を高めることができ、１回の再画像処理で画像中の部品の特定に成功する確率を高めることができる。

以上説明した本実施例の画像処理は、各部品実装機１２の制御装置４１によって図４及び図５の各プログラムに従って実行される。以下、図４及び図５の各プログラムの処理内容を説明する。

［画像処理プログラム］
図４の画像処理プログラムは、各部品実装機１２の稼働中にその制御装置４１によって繰り返し実行される。本プログラムが起動されると、まず、ステップ１０１で、次に撮像する部品の画像処理用部品データを取得する。この画像処理用部品データは、部品実装システムの生産管理用コンピュータ（図示せず）等の外部のコンピュータの画像処理用部品データのデータベースから取得しても良いし、各部品実装機１２の制御装置４１が部品のＣＡＤデータや設計図データから画像処理用部品データを自動的に作成するようにしても良い。或は、作業者が部品のＣＡＤデータや設計図データから画像処理用部品データを作成して各部品実装機１２の制御装置４１に入力するようにしても良い。

この後、ステップ１０２に進み、各部品実装機１２の制御装置４１の記憶部４２に記憶されている複数のグループの中から撮像する部品の特徴部分（例えば、リードの有無、バンプの有無、部品のボディの色等）に応じたグループに属するいずれかの画像処理アルゴリズムを選択する。この際、上記ステップ１０１で取得した画像処理用部品データを考慮して画像処理アルゴリズムを選択するようにすれば良い。画像処理用部品データには、部品の特徴部分を示すデータが含まれているためである。

この後、ステップ１０３に進み、吸着ノズル２１に吸着した部品を部品撮像用カメラ１６で撮像するタイミングになるまで待機し、その撮像タイミングになった時点で、ステップ１０４に進み、吸着ノズル２１に吸着した部品を部品撮像用カメラ１６で撮像して、当該部品の画像を取得する。

そして、次のステップ１０５で、上記ステップ１０２で選択した画像処理アルゴリズムを使用して画像を処理して、その処理結果から、上記ステップ１０１で取得した画像処理用部品データを用いて当該画像中の部品を特定し、当該部品の吸着姿勢（吸着位置や吸着角度）のずれを計測する。

この後、ステップ１０６に進み、画像処理エラーが発生したか否かを判定し、画像処理エラーが発生していなければ（つまり画像中の部品の特定に成功すれば）、ステップ１０７に進み、次に撮像する部品は同じ品種の部品であるか否かを判定し、同じ品種の部品であれば、上述したステップ１０３に戻る。つまり、次に撮像する部品が同じ品種の部品であれば、画像処理用部品データや画像処理アルゴリズムを変更する必要はないため、次に撮像する部品の画像についても、同じ画像処理アルゴリズムを使用して画像処理して、同じ画像処理用部品データを用いて当該画像中の部品を特定する。

これに対し、上記ステップ１０７で、次に撮像する部品が同じ品種の部品ではないと判定されれば、上述したステップ１０１に戻る。つまり、次に撮像する部品が異なる品種の部品であれば、画像処理用部品データや画像処理アルゴリズムを変更する必要があるため、次に撮像する部品の画像処理用部品データを取得すると共に、記憶部４２に記憶されている複数のグループの中から次に撮像する部品の特徴部分に応じたグループに属するいずれかの画像処理アルゴリズムを選択して、当該画像を処理して、当該画像中の部品を特定する。

一方、上述したステップ１０６で、画像処理エラーが発生したと判定されれば、ステップ１０８に進み、後述する図５の画像処理アルゴリズム自動選択プログラムを実行して、画像処理アルゴリズムを自動選択する。この後、上記ステップ１０５に戻り、再度の画像処理である再画像処理を実行する。この再画像処理により画像中の部品の特定に成功するまで、画像処理アルゴリズムを自動選択して再画像処理を行うことを繰り返す。

［画像処理アルゴリズム自動選択プログラム］
図５の画像処理アルゴリズム自動選択プログラムは、上述した図４の画像処理プログラムのステップ１０８で実行されるサブルーチンである。本プログラムが起動されると、まず、ステップ２０１で、画像処理エラーの発生原因を推測できるか否かを判定し、画像処理エラーの発生原因を推測できれば、ステップ２０２に進み、推測した画像処理エラーの発生原因に基づいて、その画像処理に使用した画像処理アルゴリズムと同じグループに属する他の画像処理アルゴリズムを選択する。例えば、画像処理エラーの発生原因が部品のボディの色と推測できれば、その画像処理に使用した画像処理アルゴリズムが属するグループの中に画像中の部品のボディの色とは異なる色のボディを持つ部品を対象とする画像処理アルゴリズムが存在する場合に、前記異なる色のボディを持つ部品を対象とする画像処理アルゴリズムを選択する。例えば、画像処理用部品データでは、「黒ボディ」と指定されていたために、「黒ボディ」系の画像処理アルゴリズムを使用して画像処理して画像処理エラーが発生したときに、その画像処理エラーの発生原因が部品のボディの色であると推測できる場合に、「白ボディ」系の画像処理アルゴリズムを選択する。

これに対し、上記ステップ２０１で、画像処理エラーの発生原因を推測できないと判定されれば、ステップ２０３に進み、画像処理エラーが発生した画像処理に使用した画像処理アルゴリズムと同じグループに属する他の画像処理アルゴリズムを選択する。

以上のようにして、ステップ２０２又は２０３で、画像処理アルゴリズムを選択した後、ステップ２０４に進み、使用する画像処理用部品データに含まれる各部の寸法許容ばらつき範囲に相当するトレランス値を変更するか否かを判定する。ここで、トレランス値としては、例えば、リードの幅、長さ、位置のトレランス値、バンプのサイズ、位置のトレランス値、ボディのトレランス値等がある。例えば、画像処理した各部の寸法が画像処理用部品データのトレランス値の範囲内に収まらないために画像処理エラーが発生した場合には、ステップ２０４で、トレランス値を変更すると判定されて、ステップ２０５に進み、トレランス値を寸法許容ばらつき範囲を拡大するように変更して、次のステップ２０６に進む。トレランス値が原因で画像処理エラーが発生した場合に、トレランス値を寸法許容ばらつき範囲を拡大するように変更すれば、再画像処理で画像中の部品の特定に成功する確率を高めることができる。尚、上記ステップ２０４で、トレランス値を変更しないと判定されれば、トレランス値を変更せずに、ステップ２０６に進む。

このステップ２０６では、画像中の部品のボディの外形線と交差するシークラインを生成するか否かを判定する。例えば、画像処理で部品のボディの外形線を認識できないために画像処理エラーが発生した場合には、ステップ２０６で、シークラインを生成すると判定されて、ステップ２０７に進み、シークラインを生成して、次のステップ２０８に進む。画像処理で部品のボディの外形線を認識できないために画像処理エラーが発生した場合には、シークラインを生成すれば、再画像処理で画像中の部品のボディの外形線を認識する精度を高めることができ、画像中の部品の特定に成功する確率を高めることができる。尚、上記ステップ２０６で、シークラインを生成しないと判定されれば、シークラインを生成せずに、ステップ２０８に進む。

このステップ２０８では、部品撮像用カメラ１６で部品を撮像する撮像条件（シャッタ速度、絞り値等）と照明条件（照明光度、照明方法等）のどちらか一方又は両方を変更するか否かを判定する。例えば、撮像条件や照明条件が適切でないために画像認識精度が低下して画像処理エラーが発生した場合には、ステップ２０８で、撮像条件と照明条件のどちらか一方又は両方を変更すると判定されて、ステップ２０９に進み、撮像条件と照明条件のどちらか一方又は両方を変更し、吸着ノズル２１に吸着された部品を再撮像して本プログラムを終了する。撮像条件や照明条件が適切でないために画像認識精度が低下して画像処理エラーが発生した場合に、撮像条件や照明条件を変更すれば、再画像処理で画像中の部品を認識する精度を高めることができ、１回の再画像処理で画像中の部品の特定に成功する確率を高めることができる。尚、上記ステップ２０８で、撮像条件や照明条件を変更しないと判定されれば、撮像条件や照明条件を変更せずに、本プログラムを終了する。
尚、上述したステップ２０４〜２０９の処理の一部又は全部を省略したり、或は、他の処理（例えば二値化の閾値の変更等）を追加しても良い。

以上説明した本実施例によれば、各部品実装機１２の制御装置４１が、記憶部４２に記憶されている複数の画像処理アルゴリズムのうちのいずれかの画像処理アルゴリズムを使用して画像を処理して画像中の部品を特定できない画像処理エラーが発生したときに、前記複数の画像処理アルゴリズムの中から使用した画像処理アルゴリズムと異なる画像処理アルゴリズムを選択して前記画像を処理する再画像処理を行って前記画像中の部品を特定するようにしたので、画像処理エラー発生時に部品実装機１２の制御装置４１が画像処理アルゴリズムを自動的に選択して再画像処理を行うことが可能となり、作業者が部品の形状やボディの色に応じた適切な画像処理アルゴリズムを選択し直して、再度、画像処理をやり直すという手間のかかる作業を行わずに済み、生産性を向上できる。

尚、本発明は、部品実装システムに限定されず、カメラで部品を撮像した画像を所定の画像処理アルゴリズムを使用して処理して、その処理結果から前記部品の形状等を定義した画像処理用部品データを用いて前記画像中の部品を特定する画像処理システムであれば、用途を問わず、広く適用可能である等、要旨を逸脱しない範囲内で種々変更して実施できることは言うまでもない。

１２…部品実装機、１４…部品供給装置、１６…部品撮像用カメラ、１７…実装ヘッド、２１…吸着ノズル、４１…制御装置（画像処理部）、４２…記憶部

Claims (8)

1. カメラで部品を撮像した画像を所定の画像処理アルゴリズムを使用して処理して、前記部品の形状やボディの色を定義した画像処理用部品データを用いて前記画像中の部品を特定する画像処理システムにおいて、
   複数の画像処理アルゴリズムが記憶された記憶部と、
   前記記憶部に記憶されている前記複数の画像処理アルゴリズムのうちのいずれかの画像処理アルゴリズムを使用して前記画像を処理して前記画像中の部品を特定できない画像処理エラーが発生したときに前記複数の画像処理アルゴリズムの中から使用した画像処理アルゴリズムと異なる画像処理アルゴリズムを選択して前記画像を処理する再画像処理を行って前記画像中の部品を特定する画像処理部と
   を備え、
   前記記憶部には、撮像する部品の電極に応じて複数のグループに分類してグループ毎に２種類以上の画像処理アルゴリズムが記憶され、
   前記画像処理部は、前記記憶部に記憶されている前記複数のグループの中から撮像する部品の電極に応じたグループに属するいずれかの画像処理アルゴリズムを使用して前記画像を処理して前記画像処理エラーが発生したときに、その画像処理に使用した画像処理アルゴリズムと同じグループに属する他の画像処理アルゴリズムを選択して前記再画像処理を行って前記画像中の部品を特定することを特徴とする画像処理システム。
2. 前記画像処理部は、前記画像処理エラーが発生したときに、その画像処理に使用した画像処理アルゴリズムが属するグループの中に前記画像中の部品のボディの色とは異なる色のボディを持つ部品を対象とする画像処理アルゴリズムが存在する場合に、前記異なる色のボディを持つ部品を対象とする画像処理アルゴリズムを選択して前記再画像処理を行って前記画像中の部品を特定することを特徴とする請求項１に記載の画像処理システム。
3. 前記画像処理部は、前記画像処理エラーが発生したときに、その画像処理エラーの発生原因を推測できる場合にその画像処理エラーの発生原因に基づいて前記再画像処理に使用する画像処理アルゴリズムを前記複数の画像処理アルゴリズムの中から選択することを特徴とする請求項１又は２に記載の画像処理システム。
4. 前記画像処理部は、前記画像処理エラーが発生したときに、前記複数の画像処理アルゴリズムの中から使用した画像処理アルゴリズムと異なる画像処理アルゴリズムを選択すると共に、前記画像処理用部品データに含まれる寸法許容ばらつき範囲に相当するトレランス値を変更して前記再画像処理を行うことを特徴とする請求項１乃至３のいずれかに記載の画像処理システム。
5. 前記画像処理部は、前記画像処理エラーが発生したときに、前記複数の画像処理アルゴリズムの中から使用した画像処理アルゴリズムと異なる画像処理アルゴリズムを選択すると共に、前記画像中の部品のボディの外形線と交差するシークラインを生成し、そのシークライン上の輝度の変化パターンに基づいて前記画像中の部品のボディの外形線を認識することを特徴とする請求項１乃至４のいずれかに記載の画像処理システム。
6. 前記画像処理部は、前記画像処理エラーが発生したときに、前記複数の画像処理アルゴリズムの中から使用した画像処理アルゴリズムと異なる画像処理アルゴリズムを選択すると共に、前記カメラで部品を撮像する撮像条件及び／又は照明条件を変更して撮像した画像を用いて前記再画像処理を行うことを特徴とする請求項１乃至５のいずれかに記載の画像処理システム。
7. 前記カメラは、回路基板に部品を実装する部品実装機に装備された部品撮像用のカメラであり、
   前記画像処理部は、前記部品実装機の部品実装動作を制御する制御装置に搭載されていることを特徴とする請求項１乃至６のいずれかに記載の画像処理システム。
8. カメラで部品を撮像した画像を所定の画像処理アルゴリズムを使用して処理して、前記部品の形状やボディの色を定義した画像処理用部品データを用いて前記画像中の部品を特定する画像処理方法において、
   撮像する部品の電極に応じて複数のグループに分類してグループ毎に２種類以上の画像処理アルゴリズムを準備しておき、複数の画像処理アルゴリズムを準備しておき、
   前記複数のグループの中から撮像する部品の電極に応じたグループに属するいずれかの画像処理アルゴリズムを使用して前記画像を処理して前記画像中の部品を特定できない画像処理エラーが発生したときに、使用した画像処理アルゴリズムと同じグループに属する異なる画像処理アルゴリズムを選択して前記画像を処理する再画像処理を行って前記画像中の部品を特定することを特徴とする画像処理方法。

Images