JPH04130206A - 外観検査装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 この発明は、例えば碍子のように周期的な形状を特徴と
した被検査物体の外観異状を検出するための外観検査装
置に関するものである。

〔従来の技術〕

第２７図は例えば特願平２−５９０５６号明細書に記載
の従来の外観検査装置を示すブロック構成図であり、図
において、（２）はカメラ（視覚装置）、（４）は画像
人力手段、（５）は方向性微分回路（濃度勾配検出手段
）、（６）は投影データ生成回路（計数手段）、（７）
は異常検出手段、（８）はプロセッサ（情報処理手段）
、（９）はＪ己憶手段である。

また第２８図は特願平２−５６８６０号明細書に記載の
別の従来の外観検査装置を示すブロック構成図であり、
図において、（２０）は画像処理手段で、入力画像メモ
リ（１２）　、画像入力手段（４）で得られた画像の白
黒濃度差の大きい部分を抽出して線画像化する画像処理
部（１３）及び画像処理部（１３）による画像処理結果
を格納する画像メモリ（１４）から構成される。（２１
）は画像欠陥検出手段で、それぞれ線画像中の周期性を
評価する周期性評価手段（１５）　、連続性を評価する
連続性評価手段（１６）及び傾きの変化を評価する傾き
変化評偏手段（１７）から成っている。（１８）は画像
欠陥検出手段（２１）からの情報を元に異常の有無を判
定する異常判定手段である。（１１）は領域設定手段、
（１９）は出力手段である。

また、第２９図は第３の従来の外観検査装置であり、図
において、（４）は視覚装置、例えばカメラ（２）から
の出力信号を取込んで量子化する画像入力手段、（５）
は量子化された画像信号から予め決められた方向の濃度
勾配を検出する微分回路、（２２）は濃度勾配の絶対値
が一定以上の画素を１としその他の画素は０に変換する
二値化回路、（２３）は上記二値化回路（２３）によっ
て得られる二値化画像を予め決められた方向に対して細
線化処理を行う細線化回路、（２４）は上記細線化回路
（２３）によって得られる細線化画像からひたエツジ領
域を切り出すひたエツジ領域切出し手段、（２５）は上
記ひたエツジ領域切り出し手段（２４）で切り出した２
つの領域を比較する曲線比較手段、（２６）は上記曲線
比較手段（２５）で比較した２つの曲線の一致度と不一
致度を評価する一致度／不一致度評価手段、（１８）は
上記一致度／不一致度評価手段（２６）で得られた評価
結果から異状を判定する異状判定手段、（１９）は上記
異状判定手段（１８）で得られた判定結果を作業者に知
らせる出力手段、（２０）は上記回路（５）　　（２２
）（２３）で構成された画像処理手段、（２１）は上記
回路（１８）　　（２４）　　（２５）　　（２６）で
構成された画像欠陥検出手段である。

次に第３０図は第４の従来の外観検査装置であり、図に
おいて、（４）は視覚装置、例えばカメラ（２）からの
出力信号を取込む画像人力手段、（２８）は検査領域を
ひだの周期ごとに区切り小領域に分割するひた領域分割
手段、（２７）は小領域ごとに画像の濃度ヒストグラム
を求める画像処理手段としての濃度ヒストグラム算出回
路、（２９）は２つの小領域間の濃度ピストグラムの相
関値を求める相関値演算回路、（９）は異状判定に必要
な情報などを格納する記憶手段、（１８）は記憶手段（
９）に格納しである情報と相関値演算回路（２９）で求
めた相関値から異状を判定する異状判定手段、（１９）
は上記異状判定手段（１８）で得られた判定結果を作業
者に知らせる出力手段、（２１）は上記各回路（２８）
　、　　（２９）　、　　（９）　。

（１８）で構成される画像欠陥検出手段である。

次に第３１図は第５の従来の外観検査装置であり、図に
おいて、（４）は視覚装置、たとえばカメラ（２）から
の出力信号を取込む画像人力手段、（９）は基準線を設
定する間隔なとの情報や異状判定を行うために必要な情
報などが格納されている記憶手段、（３０）は記憶手段
（９）からの情報をもとにして基準線を作る基準線設定
手段、（１４）は画像データを格納する画像処理手段（
２０）としての画像メモリ、（２９）は２つの基準線上
の画像の濃度列を画像メモリ（１４）から受取り、その
相関値を計算する相関値演算回路、（１８）は記憶装置
（９）に格納しである情報と相関値演算回路（２９）で
求めた相関値とから異状を判定する異状判定手段、（１
９）は上記異状判定手段（１８）で得られた判定結果を
作業者に知らせる出力手段、（２１）は上記各回路（３
０）　、　　（２９）　。

（９）、　　（１ｓ）で構成された画像欠陥検出手段で
ある。

次に第３２図は第６の従来の外観検査装置であり図にお
いて、（４）は視覚装置、たとえばカメラ（２）からの
出力信号を取込む画像入力手段、（９）は基準線を設定
する間隔などの情報や異状判定を行うために必要な情報
などが格納されている記憶手段、（３０）は記憶手段（
９）からの情報をもとにして基準線を作る基準線設定手
段、（２８）は検査領域をひだの周期ごとに区切り、小
領域に分割するひた領域分割手段、（１４）は画像デー
タを格納する画像処理手段（２０）としての画像メモリ
、（２９）は２つの基準線線上の画像の濃度列を画像メ
モリ（１４）から受取り、その相関値を計算する相関値
演算回路、（１８）は記憶手段（９）に格納しである情
報と相関値演算回路（２９）で求めた相関値とから異状
を判定する異状判定手段、（１９）は上記異状判定手段
（１８）で得られた判定結果を作業者に知らせる出力手
段、（２１）は上記各回路（３０）　、　　（２８）　
、　　（２９）　。

（１ｇ）、　　（９）で構成される画像欠陥検出手段で
ある。

次に第１の従来例の動作について説明する。まず、最初
に検査対象の碍子をカメラ（２）で撮像し、ディジタル
の画像人力データを外観検査装置（１０）の画像入力手
段（４）に取込む。その入力画像より碍子のヒダ方向の
濃度勾配を検出して方向成分を抽出する。そのために一
定の方向性を持った方向性微分回路（５）で微分処理を
行う。

この微分画像に対し、微分値の絶対値が所定のしきい値
以上の画素について、微分値の正負別々にヒダと平行な
方向に画素数を計数する。

そこでこの投影データにだいし、計数値ｎが所定のしき
い値以上の領域をヒダのエツジ領域とし、ピーク座標Ｐ
　ＲＪ（ｎ　ＲＪＩ　　Ｙ　ＲＪ）　ｌ　　Ｐ　ＬＪ（
ｎＬｊ＋　ＶＬｉ＞と、ピーク値３／　ＲＪＩ　’／　
ＬＪにたいし所定の高さにおける投影像の幅ＷＲｊ、Ｗ
Ｌｊと、ピーク座標間距離ＤＲＪ＝　（ｎ＊Ｊ−ｎ＊ｊ
＊＋）　＋　ＤＬｊ＝（ｎ　ＬＪ−ｎ　ＬＪ＋１）と、
正負のエツジ間距離ＨＪを求め、式（１）の値を評価値
とし、異常の検出を行う。

ΔＤ　Ｒ＝　ａｂｓ　（Ｄ　Ｒ１−Ｄ　＊＝　）ΔＤ　
Ｌ　＝　ａｂｓ（Ｄ　Ｌ４−　Ｄ　ｔ、Ｊ）ΔＹ　Ｒ＝
　ａｂｓ（ｙ　Ｒｉ−ｙＲＪ）ΔｙＬ　＝ａｂｓ（ｙＬ
ｔ−ｙＬＪ）　　　　　　　　（１）ΔＷＲ＝ａｂＳ（
Ｗ＊ｔ−Ｗ＊Ｊ） ΔＷ　Ｌ　＝　ａｂｓ　（Ｗ　Ｌ　ｔ　−Ｗ　ＬＪ）Δ
Ｈ＝　ａｂｓ　（Ｈ□−ＨＪ） そして、予め記憶手段（９）に格納された夫々の許容誤
差、例えば、ピーク座標間距離Ｄ、ピーク値ｙ、投影像
の幅Ｗ、正負のエツジ間距離Ｈと（１）式の検出値とを
比較する。例えば（１）式の評価値がすべて所定の容認
誤差を越えないならば正常と評価し、容認誤差を越えた
場合には、異常箇所として検出する。

次に第２の従来例の動作について説明する。先ず、被検
査物である襞を有する碍子の画像が画像入力手段（４）
により画像化されて入力画像メモリ（１２）に格納され
る。撮像の位置と方向が予め定められているので、領域
設定手段（１１）により人力画像の検査領域を画像処理
部（１３）に指示する。画像処理部（１３）は指示され
た領域のみ、微分処理、２値化処理、細線化処理を順次
施して線画像化し、画像メモリ（１４）に格納する。碍
子の襞のエツジに対応する部分は直線になっているが、
欠は部はその線が他に比べて形が変形したり余分な線が
生じたり、或いは欠は具合と日照条件の組合せによって
は一部の線が消失したりする。

周期性評価手段（１５）は、線画像に対して領域設定手
段（１１）で指示される検査領域内に、適当な間隔で縦
方向にサンプリング線を設け、各サンプリング線上で碍
子の襞に対応する直線と交わる点の間の距離を計測し、
異常判定手段（１８）にそのデータを引き渡す。

連続性評価手段（１６）は、線画像に対して、領域設定
手段（１１）で指示される検査領域の左端から、多襞の
エツジに対応する直線を右方向へ検査領域の右端に到達
するまで追跡し、途切れない一本の線であったか、途中
で途切れたか、或いは分岐したかを調べ、そのデータを
異常判定手段（１８）に引き渡す。

傾き変化評価手段（１７）は、線画像に対して多襞に対
応する直線毎に、サンプリング線上の各点で襞に対応す
る線の傾きを求め、更に隣接する２点での傾きの差を求
めて、その差の絶対値か最大になる位置とその傾きの差
の値を異常判定手段（１８）に引き渡す。これは多襞に
対応する直線の角度が最も大きく変化している点を探し
たことになる。襞の線の各点における傾きは、例えばそ
の点の３画素右側の襞線上の点のＹ座標と、３画素左側
の襞線上の点のＹ座標の差を６で割ることで得られる。

異常判定手段（１８）は、画像欠陥検出手段（２１）か
らの出力データを受けて、碍子の多襞に異常があるか否
かを判定する。例えば、襞の間隔が周期性評価手段（１
５）で計測した値の平均値より、−元以上大きい或いは
小さい部分があれば異常とする。また、襞の線が途中で
途切れていたり、分岐していれば異常とする。更に襞の
線が所定値以上に大きな角度で曲っていれば異常と判定
する。

異常判定手段（１８）で異常と判定された場合は、出力
手段（１９）により警報を発する。

次に第３の従来例の動作について説明する。

検査対象の碍子をカメラ（２）で撮像し、画像入力手段
（４）に入力する。次にこの入力画像より碍子のひだの
配列方向の濃度勾配を検出して方向成分を抽出する。そ
のために一定の方向性を持った微分回路（５）で微分処
理を行う。

この微分オペレータはひだ等のエツジの正負方向成分を
検出できればよい。

次にこの微分画像に対し微分値の絶対値が所定のしきい
値以上の画素を濃度１として残し、それ以外の画素は全
て濃度０とする。そのために、二値化回路（２２）で二
値化処理を行う。

次にその二値化画像を細線化する検査領域を碍子のひだ
の周期にあわせて区切り複数の小領域を作る。この小領
域の中から２つの小領域を選ぶ。小領域を評価するとき
は、不一致箇所の画素数Ｕと輪郭線上で輪郭線と一致す
る画素数Ｃとを数える。

次に、−数画素数Ｃと不一致画素数Ｕを輪郭線の全長℃
で割り、１００をかけて、それぞれＣＵ　とする。

すなわち、 ｃ　　＝ｃ／ｊ２Ｘ１００　　（％〕 ｕ’　＝ｕ／ｊｉ！Ｘ１００　　（％）を求め、これを
小領域の評価値とする。

次に、評価値ｃ’　、ｕ’をもとに異状判定を行う。す
なわち、予め設定した一致度のしきい値ｔｈｅとＣとを
比較し、Ｃｏの方が小さいときは、小領域は異状である
と判定され、出力手段（１９）によって作業者に報告さ
れる。

不一致度についても同様に、予め設定した不一致度しき
い値ｔｈｕとＵｏとを比較し、Ｕｏの方が大きいときは
、小領域は異状であると判定され、不一致箇所と、判定
結果が出力手段（１９）によって作業者に報告される。

次に第４の従来例の動作について説明する。

カメラ（２）で検査対象の碍子を撮像し、画像入力手段
（４）に人力する。この入力画像の検査領域を設定し、
さらにこの中をひだの周期に合わせた小領域に分割する
。次に濃度ヒストグラム算出回路（２７）を用いてこれ
ら小領域を領域ごとに濃度ヒストグラムを求める。

ここで得られた濃度ヒストグラムはデータ数に依存して
いるので、各小領域ごとの画素数で割り正規化する。

次に小領域の中から２つの小領域を選び、この２つの小
領域の濃度ヒストグラムの相関値ｒを相関値演算回路（
２９）で計算し、これを小領域の評価値とする。次に記
憶手段（９）に予め格納しである相関値の異状しきい値
ｔｈｒをとり出し、これと相関値演算回路（２９）で求
めた相関値ｒとを比較し、ｒの方が小さい時は小領域は
異状であると判定され、出力手段（１９）によフて作業
者に報告される。

次に第５の従来例の動作について説明する。

カメラ（２）で検査対象の碍子を撮像し、画像入力手段
（４）に入力する。その入力画像を画像メモリ（２０）
に格納する。次に予め記憶手段（９）に格納した位置に
基準線を設定する。基準線は碍子のひだの周期変化が基
準線上にあられれるように設定する。

次に、この基準線上の画像の濃度を画像メモリ（２０）
からとり出し濃度列を作る。

この濃度列のうち、２本の行列を選び、相関値演算回路
（２９）で相関値を求め評価値とする。

記憶手段（９）に予め格納しである相関値の異状しきい
値ｔｈｒをとり出し、これと相関値演算回路（２９）で
求めた相関値ｒを比較し、ｒの方が小さい時は基準線は
異状であると判定され、出力手段（１９）によって作業
者に報告する。

次に第６の従来例の動作について説明する。

まず、カメラ（２）で検査対象の碍子を撮像し、画像入
力手段（４）に入力する。次にこの入力画像を画像メモ
リ（２０）に格納する。次に予め記憶手段（９）に格納
した位置に基準線を設定する。

基準線は碍子のひだの周期変化が基準線上にあられれる
ように設定する。

次に、この基準線上の画像の濃度を画像メモリ（１４）
からとり出し濃度列を作る。

この濃度列のうち、１本の行列を選び、これをひだの周
期に合わせて小濃度列としての小領域に分割する。この
中から２つの領域を選び、その範囲の２つの小濃度列の
相関値を相関値演算回路で求める。この相関値ｒを小領
域の評価値とする。

次に、記憶手段（９）に予め格納しである相関値の異状
しきい値ｔｈｒをとり出し、これと相関値演算回路（２
９）で求めた相関値ｒとを比較し、ｒの方が小さい時は
小領域は異状であると判定されており、第１の従来の外
観検査装置はひだごとに評価するので、微細な不良を検
出できない。

また、第２の従来の外観検査装置は各ひだのエツジに対
応する直線を追跡してその途切れや分岐を調べることに
よって検査を行うので、ノイズの影響を受けやすく、安
定した評価ができない。

さらに第３の従来の外観検査装置はひだの輪郭線の形状
を評価することによって検査を行うので、不良部が輪郭
線上以外の位置にあったとき、検出できない。

次に、第４の従来の外観検査装置は、ひたごとの濃度ヒ
ストグラムを求め、隣接するひた領域の濃度ヒストグラ
ムとの相関値を求め、その相関値からひた領域の評価を
行うので、第１の従来の外観検査装置と同様で微細な不
良を検出できない。

次に第５及び第６の従来の外観検査装置は、検査部に基
準線を設け、基準線上の濃度列を作り、相異なる濃度列
の相関値から、基準線上の評価を行うので、不良部が基
準線上以外の位置にあったとき検出できないといった問
題点が各々あった。

この発明は上記のような問題点を解消するためになされ
たもので、不良部の大きさや位置に関係なく検査できる
とともに、ノイズの影響を受けにくい信頼性の高い検査
ができる装置を得ることを目的とする。

〔課題を解決するための手段〕

この発明に係る外観検査装置は、周期的な形状を有する
被検査物体を撮像して得られる画像信号を量子化する画
像入力手段と、画像入力手段で量子化された画像信号か
ら被検査物体の形状的特徴を複数個抽出する特徴量抽出
手段と、特徴量抽出手段で抽出された特徴量から被検査
物体の異状の尺度となる異状評価値を求める異状評価値
演算手段と、異状評価値演算手段で求めた異状評価値か
ら異状確信度及び正常確信度を演算する確信度演算手段
と、確信度演算手段で求めた複数個の確信度から総合判
定値を演算する総合判定手段とを備えたものである。

〔作用〕

周期的な形状を有する被検査物体を撮像して得られる画
像信号を量子化し、量子化された画像信号から被検査物
体の形状的特徴を複数個抽出し、特徴量から被検査物体
の異状の尺度となる異状評価値を求め異状評価値から異
状確信度及び正常確信度を演算し、複数個の確信度から
総合判定値を演算することによって被検査物体の検査を
行うので不良部の大きさや位置に関係なく検査できると
ともに、ノイズの影響を受けにくい信頼性の高い検査が
できる。

（実施例） 以下、この発明の一実施例を図について説明する。

第１図はこの発明の一実施例による外観検査装置のシス
テムを示す構成図であり、第１図において（２）は視覚
装置、たとえばＣＯＤカメラ、（１）は被検査物体で、
この実施例では変電所や発電所等に設けられた碍子（１
）が用いられている。この碍子（１）は複数の同じ形状
が周期的に配列された外観形状を有するもので、後述す
る第３図にも示されるように、周期的形状毎にひた（１
ａ）を有している。

また、（４）は視覚装置、例えばカメラ（２）からの出
力信号を取込んで量子化する画像入力手段、（３１）は
量子化された画像信号を予め決められたアルゴリズムに
もとづいて処理し、特徴量を抽出する特徴抽出手段であ
り、複数個備えである。（３２）は抽出された特徴量を
異状評価値に変換する異状評価値演算手段、（３３）は
異状評価値から異状確信度と正常確信度を求める異状／
正常確信度演算手段である。（３４）は２個以上、本実
施例では６種の特徴量から導かれた１５個の異状確信度
と１５個の正常確信度の値をもとに総合判定を行う総合
判定手段、（１９）はその結果を必要に応じて出力する
出力手段である。

第２図は外観を検査するための動作順序を示すフローチ
ャートである。また、第３図は入力画像の一例であり、
（３５）は碍子（１）に付着した付着物、（３６）は検
査領域である。

次に第　図〜第　図を参照して動作について説明する。

まず、最初に第２図を用いて全体の流れを説明する。ま
ず、検査対象の碍子（１）をカメラ（２）で撮像し、画
像人力手段（４）に人力する（ステップ５１））。第３
図は入力画像の一例であり、碍子（１）の右側に付着物
（３５）が付着している不良状態を表わしている。

次にこの入力画像に対して個別手法による評価（ＳＴｉ
）を行う。個別手法による評価プロセス（ＳＴＩ）は複
数の手法１　（Ｓｒ１−１）〜手法６　（Ｓｒ１−６）
によって成り立フている。各手法は特徴量の抽出するス
テップ（Ｓ２）、異状評価値を求めるステップ（Ｓ３）
、異状／正常確信度を求めるステップ（Ｓ４）の３つの
処理から構成されており（各々（Ｓ２−１）（Ｓ３−１
）（Ｓ３−４）（Ｓ２−２）（Ｓ３−２）・・・・（Ｓ
４−６）と記す）、入力画像に適当な処理を施すことに
よって確信度としての評価結果を出力する。

また、第２図では、手法１　（Ｓｒ１−１）、手法２　
（Ｓｒ１−２）、−−−−、手法ｎ（Ｓｒ１−ｎ）の順
に処理を行っているが、この順序は変更可能である。

次に個別の手法について説明する。

まず第１の手法を第４図のフローチャートに示す。第４
図をもとに第１の手法について説明する。まず、特徴量
を抽出する処理手順（Ｓ２−１）について説明する。第
３図に示す様な入力画像より碍子のヒダ方向の成分を抽
出するために、方向性を持った微分処理を行う（Ｓ２−
１−１）。例えばヒダが水平な場合、第５図（ｃ）の様
な微分オペレータを用いる。この微分オペレータは、ヒ
ダ等のエツジの方向成分を検出できればよく、方向成分
を検出可能なオペレータであれば、問題ない。この微分
画像に対し、微分値の絶対値が所定のしきい値以上の画
素について、微分値の正負別々にヒダと平行な方向に画
素数を計数する。第６図は、計数された投影データであ
る。

正常時は、＄６図にも示したように規則性のある投影デ
ータが得られるが、′ｓ３図に示すように異常がある場
合、その投影データも規則性を失う。

（第７図）。

そこでこの投影データにだいし、計数値ｎが所定のしき
い値以上の領域をヒダのエツジ領域とし、これをもとに
ひだの領域分割を行う。各領域の座標をａｉからａｌ＋
１の間として持フておく。

第８図に示すようにピーク座Ｊｌｘ＋　と、ピーク値ｙ
Ｉにないし所定の高さにあける投影像の幅Ｗｉを求め特
徴量とする。次にこれらの特徴量から異状評価値を求め
る（ステップ（Ｓ３−１））。特徴量は対象画像の大き
さや種類または日照条件などによって変化するので、そ
のままでは異状評価値として扱えない。すなわち、デー
タの標準化と相対化を行って異状評価値に変換する必要
がある。

そこで次のように異状評価値を定義する。

ひだの間隔の周期性を評価するために、測定されたひだ
の位置Ｘｉ　　（ｉ＝１．２−、ｍ）からｄ　Ｘ　１　
＝　Ｘ　１　＋　１−　Ｘ　（を求め、全てのｄｘ、の
中で最も多い値を基準ひだ間隔ｄｘとする。次に基準ひ
だ間隔ｄｘを用いて基準ひた位置Ｘ、を求める。この基
準ひた位置Ｘ、と測定されたひだの位置Ｘ、を比較する
ことによって異状評価値を定義する。すなわち、 Ｘｉ　　−Ｘ。

ｋ＋（ｉ）＝　　　　　　　　　　　　　　　　（ｅｌ
）ｄｘ と定義する。ｄｘで除しているのはデータを標準化また
は正規化するためである。

また、隣接したひたの間隔と比較することによフて異状
評価値を次のように定義する。

ｘ ここでｄ　ｄ　ｘ　Ｈ＝　ｄ　Ｘ　１４１−　ｄ　ｘ　
＋である。

また、投影のピーク値の周期性を評価するために、測定
された投影のピーク値ｙ＋（ｘ＝１゜２、−−−、ｍ）
から最も多い値を基準ピーク値ｙとする。ピーク値に関
する異状評価を次の式で定義する。

ｋ３（ｉ）＝ｙニー９ （ｅ３） また隣接した投影のピーク値と比較することによフて異
状評価を行う。

ｋ４（ｉ）＝ｄ１ワ” （ｅ４） 但し、 ｃｉｃｔｃｔｙム＝ ｄｙ１＋１　　　　＋ 　ｙｉ ｙ　Ｉ令２−３’ｌ＋１ ＋ ｙ　１◆＋−ｙｉ である。

さらに、投影の各ピークの幅についても同様にＷ　□　
−Ｗ ｋｓ（ｉ）＝　　　　−（ｅ　５　） ｄｄｄｗ。

ｋ６（ｉ）＝　　　　−（ｅ　６　） を異状評価値として定義する。

ここでＷは基準投影幅、Ｗｌは測定された投影幅、 ｄｄｄｗ、＝　ｌ　ｄｗ、＋、ｉ＋　ｌｄｗ。

＝Ｗ、◆２−Ｗ１◆、＋Ｗｉ◆ｌ−ｗ。

である。

ここまでを異状評価値演算プロセス（ステップ（Ｓ３−
１））とする。

次に異状／正常確信度を求める（ステップ（Ｓ４−１）
）。

異状確信度は第９図（ａ）のようなメンバーシップ関数
で定義する。

例えば第９図（ａ）のように異状評価値がｋｌ（ｉ）で
与えられている時、異状確信度はｃ、（ｉ）が得られる
。

このメンバーシップ関数は異状評価値の２点の値に＋（
ｓ）、　ｋｌ（ｅ）を与えることによって定義する。

すなわち、 異状評価値に１＜ｋｌ（Ｓ）の時異状確信度ｃ　、−０
，０ｋ　１（Ｓ）　＜　ｋ　１＜　ｋ　ｒ　（ｅ）の時
異状確信度に、２に１（ｅ）の時異状確信度ｃ、＝１．
０となる。

次に正常確信度を第９図（ｂ）のようなメンバーシップ
関数で定義する。

例えば第９図（ｂ）中のように異状評価値がｋ　ｌ　（
ｉ）で与えられている時、正常確信度は５ｌ（ｉ）が得
られる。

このメンバーシップ関数はｓ　ｔ（ｓ）、　　ｋｌ（ｅ
）の２つの値を与えることによって定義する。

すなわち、 異状評価値ｋ　（＜　ｋ　ｔ（ｅ）のときｋ＞　ｋｌ（
ｅ）のとき 正常確信度ｓ、　＝Ｑ となる。

第９図（ａ）（ｂ）を１つのグラフで表現すると第９図
（ｃ）になる。

メンバーシップ関数の定義は第９図のグラフに限らず評
価値の条件によって例えば第１０図のように定義しても
よい。

同様に式（ｅ２）〜（ｅ６）で与えられた異状評価値に
２（ｉ）〜ｋｓ（ｔ）に対しても確信度のメンバーシッ
プ関数を定義しておき、異状／正常確信度を求める。

異状評価値ｋ　２　（ｔ）から異状確信度ｃ　２（ｉ）
正常確信度Ｓ　２　（ｉ）を求める。

）ｃ＋（ｉ）　　　　　／／　　　Ｃ３（ｉ）　　　／
／　　　５ｓ（ｉ）　　　／／に４（ｉ）〃ｃ４（ｉ）
〃５４（ｉ）〃ｋｓ（ｉ）　　　　　　　　／／　　　
　　ｃｓ（ｉ）　　　　　／／　　　　　５ｓ（ｉ）　
　　　　ツノに６（ｉ）〃ｃ６（ｉ）〃５６（ｉ）〃以
上のようにして異状評価値から異状確信度と正常確信度
を求めるのがステップ（Ｓ４−１）である。

以上で手法１に関する処理（ステップ （ＳＴ２−１　））は終了する。

次に第２の手法について説明する。第２の手法のフロー
チャートを第１１図に示す。第１１図をもとに処理の流
れを説明する。

まず、特微量を抽出する手順について説明する（ステッ
プ（Ｓ２−２））。

手法１と同様に方向性を持った微分処理を行う。

例えばヒダが水平な場合第５図（Ｃ）の様な微分オペレ
ータを用いる。この微分オペレータは、ヒダ等のエツジ
の方向成分を検出できればよく、方向成分を検出可能な
オペレータであれば問題ない（ステップ（Ｓ２−２−１
））。

この微分画像に対し微分値の絶対値が所定のしきい値以
上の画素について、微分値の正負別々に分け２値化画像
を作る（ステップ（Ｓ２−２−２））。

この２値化画像に細線化処理を行い、細線画像を作る（
ステップ（Ｓ２−２−３））。

第１の手法で投影値のピークをもとにひだの領域分割が
できているので、その座標データａ、と同じ領域分割を
行い、その領域ごとに評価を行う（ステップ（Ｓ２−２
−４））。

第１２図に示されるように適当な間隔でひだに対して垂
直方向この場合縦方向にサンプリング線（（３７）（ａ
）〜（ｅ））を設は各サンプリング線上でひだのエツジ
として抽出されている線との交点を求める。ここで領域
ｉ内のサンプリング線ｊとエツジとの交点をｐ（ｉ、ｊ
）とする（ステップ（Ｓ２−２−６））。

各交点ｐ（ｉ、ｊ）をスタート点として右方向に向って
追跡する。右端まで追跡したら今度は左端に向って追跡
を行う。途中で途切れたり、分岐したり、追跡方向がひ
だの方向と大きくずれていないかをチエツクし、その座
標と現象を記憶しておく（ステップ（Ｓ２−２−７））
。

以上を手法２における特徴量抽出処理（ステップ（Ｓ２
−２））とする。

次にこれらの特微量から異状評価値を求める手順につい
て説明する（ステップ（Ｓ３−２））。

まず、追跡処理（ステップ（Ｓ２−２−７））の結果か
ら、小領域（ｉ、ｊ）内で追跡方向の異状や分岐点があ
れば、異状評価値ｋｙ　　（ｉ、ｊ）＝１とする。

すなわち、 ０　正常のとき と定義する（ステップ（Ｓ３−２−１）〜（Ｓ３−２−
３））。

さらに途中で途切れているかどうかを評価するためにに
８を次式で定義する。

基準長は領域（ｉ、ｊ）の幅であり、測定長は領域内の
エツジの長さである（ステップ（Ｓ３−２−４））。

さらにエツジとサンプリング線の交点ｐ（ｉ。

ｊ）から、エツジの周期性を評価する。このエツジの間
隔は、正常時は手法１における投影のピークの間隔と同
じであるので、手法１で求めた基準ひた位置Ｘ＋と基準
ひだ間隔ｄｘを用いて、と定義し、異状評価を行う（ス
テップ（Ｓ３−２−５））。

また隣接したエツジの間隔との比較を行うための次式を
定義する。

但し、ｄ　Ｐ　Ｐ　（ｉ、ｊ）　−１ｄ　Ｐ　（ｉ＋１
．ｊ）−ｄ　ｐ　（ｉ、ｊ）＝　　ｌ　　ｐ　（ｉ＋２
．ｊ）　　−ｐ　（ｉ＋１．ｊ）−ｌ　　ｐ　（ｉ＋１
．ｊ）　　−ｐ　（ｉ、ｊ）ステップ（Ｓ３−２−６）
〜（Ｓ３−２−７））以上を手法２における異状評価値
の演算処理（ステップ（Ｓ３−２））とする。

手法１のときと同様に各異状評価値に７〜に１゜に対す
る異状／正常確信度をメンバーシップ関数をそれぞれ定
義しておき、これから ｋｙ（ｉ、ｊ）から異状確信度Ｃｔ（ｉ、ｊ）と正常確
信度３７（ＩＩＪ）ｋａ（ｉ＋ｊ）　　　　”　　　　
ｃ　ａ（ｉ、ｊ）　　　　”　　　ｓ　ａ（ｉ、ｊ）ｋ
ｓ（ｉｊ）　　　　ｔｔ　　　　ｃ　、（ｉ、ｊ）　　
　　ｔｔ　　　ｓ　ｓ（ｉ、ｊ）ｋ　ｔｏ（１，Ｊ）　
　　”　　　　Ｃｔｏ（ｉ、ｊ）　　　”　　　Ｓ　ｔ
ｅｌ（ｉ、ｊ）を求める。

以上で手法２に関する処理（ステップ （ＳＴ２−２））は終了する。

次に第３の手法について説明する。第３の手法のフロー
チャートを第１３図に示す第１３図をもとに処理の流れ
を説明する。

まず特徴量を抽出する手順について説明する（ステップ
（Ｓ２−３））。

人力画像より碍子（１）のひた（１ａ）の配列方向く図
では上方から下方）の濃度勾配を検出して方向成分を抽
出する。そのために一定の方向性を持った微分回路で微
分処理を行う（ステップ（Ｓ２−３−１））。例えば、
ひた（１ａ）が水平に周期的に並んでいる場合は、第５
図（ｃ）に示すような微分オペレータを用いる。

この微分オペレータはひた等のエツジの正負方向成分を
検出できればよい。第５図の場合、同図（ａ）のハツチ
ングは対象物の画像を示すもので、例えば、同図（Ｃ）
の微分オペレータで微分処理を施す。同図（ａ）のＸｉ
、Ｙｌ、Ｚｌの３線上での濃度勾配は、同図（ｂ）のＸ
２゜Ｙ２，２２のような電気信号として得られる。この
電気信号の符号は方向性、濃度は濃度勾配の強さを表わ
す。従って、微分オペレータは正負方向成分を検出可能
なオペレータであればよい。

次にこの微分画像に対し微分値の絶対値所定のしきい値
以上の画素を濃度１として残し、それ以外の画素は全て
濃度０とする。そのために、二値化回路で二値化処理を
行う（ステップ（Ｓ２−３−２））。次にその二値化画
像を細線化する（ステップ（２−３−３））。

第１４図は第３図のような人力画像に対して検査領域を
図中（３６）の範囲として設定し、微分処理（ステップ
（Ｓ２−３−１））、二値化処理（ステップ（Ｓ２−３
−２））、細線化処理（ステップ（Ｓ２−３−３））を
施した結果得られた細線化画像の例である。この第１４
図の実線（３８）は白い画素から黒い画素への濃度勾配
による輪郭線を表している。その中でも白い画素から黒
い画素への濃度勾配による輪郭線（３８）のみをとり出
したのが第１５図である。

検査領域（３６）を碍子（１）のひだ（１ａ）の周期に
あわせて区切り複数の小領域を作る。この小領域の中か
ら２つの小領域（４０ａ）と（４０ｂ　）とを選ぶ（ス
テップ（Ｓ２−３−４）、（Ｓ２−３−５））、小領域
（４０ａ　）と（４０ｂ　）とを切り出し、重ね合わせ
た図が第１６図の（４０ｃ　）である（ステップ（Ｓ２
−３−６））。ここで、（４１ａ）と（４１ｂ　）は輪
郭線（４０ａ　）と（４０ｂ　）の不一致箇所である。

すなわち、（４１ａ　）は輪郭線（３８ａ）が存在する
が、輪郭線（３８ｂ　）が存在しない箇所であり、（４
１ｂ　）は輪郭線（３８ｂ）が存在するが、輪郭線（３
８ａ　）が存在しない箇所である。小領域（４０ｂ）を
評価するときは、不一致箇所（４１ｂ　）の画素数Ｕと
輪郭線（３８ｂ）上で輪郭線（３８ａ　）と一致する画
素数Ｃとを数える（ステップ（Ｓ２−３−７））。以上
が手法３における特徴量抽出処理（ステップ（Ｓ２−３
））である。次にこれら特徴量から以上評価値を求める
手順（ステップ（Ｓ３−３））について□説明する。

−数画素数Ｃと不一致画素数Ｕを輪郭線（３８ｂ）の全
長１で割り異状評価を行う。

すなわち、 Ｋ　＋＋（ｉ）−１−ｃ　／　１１　　　　　　　　　
（ｅ　１１）にｔｚ（ｉ）＝ｕ　／　ｉｔ　　　　　　
　　　　　（ｅ　１２）を求め、これを小領域（４０ｂ
　）の評価値とする（ステップ（Ｓ３−３−１）、（５
３−３−２））。

全ての輪郭線について同様に処理する。

なお、ここでは被検査物体の周期ごとに検査領域（３６
）を区切り、小領域を作り小領域の中から２つの領域（
４０ａ　）　、　　（４０ｂ　）を選び、２つの領域を
重ね合わせ一致箇所と不一致箇所を抽出したが、輪郭線
（３８ａ）を含む最小の矩形領域をテンプレートとし、
小領域（４０ｂ　）の中を順次テンプレートをずらしな
がら最も一致する箇所を求め、その位置での一致点と不
一致点を数えて欠陥部を抽出してもよい。

手法１のときと同様に各異状評価値ｋｌｌ〜ｋ１２に対
する異状／正常確信度をメンバーシップ関数をそれぞれ
定義しておき、こわから １１（ｉ、ｊ）から異状確信度ｃ＋＋（ｔ、ｊ）と正常
確信度Ｓ　１１（１，Ｊ）＋２（１，ｊ）　　　　〃Ｃ
１゜（ｉ、、ｊ）　　　　／／　　　Ｓ　＋２（ｉ、ｊ
）を求める。

以上で手法３に関する処理（ステップ （Ｓｒ１−３））は終了する。

次に第４の手法について説明する。第４の手法のフロー
チャートを第１７図に示す。第１７図をもとに処理の流
れを説明する。

まず特徴量を抽出する手順について説明する。

（ステップ（Ｓ２−４））。

入力画像の検査領域の中を第１の手段で求めたひた領域
分割の座標ａ１をもとにひだ１ａの周期に合わせた小領
域に分割する。分割は手法１．２と同じ分は方をする。

第１８図は検査領域（３６）内をひた領域分割により小
領域（４０ａ　）〜（４０ｉ）に分けた例を示す（ステ
ップ（Ｓ２−４−１））。小領域（４０ａ　）〜（４０
ｉ　）を領域ごとに濃度ピストグラムを求める（ステッ
プ（Ｓ　２−４−２））。第１８図のひた分割によって
得た小頭１（４０ａ）〜（４０ｉ　）の濃度ヒストクラ
ムをグラフにしたものを第１９図（ａ）〜（ｉ）に示す
。

ここで得られた濃度ヒストグラムはデータ数に依存して
いるので、各小領域ごとの画素数で割り正規化する。た
とえば、画素数ｎに対して２５６階調の濃度ピストグラ
ム（ｈｏ、　ｈｌ＋　ｈ２゜ｎ）。これを全て正規化す
る。

すなわち、ｈ゛、＝１″　として、その濃度が全体に占
める割合で濃度ヒストグラムテータを持っておく（ステ
ップ（Ｓ２−４−３））。これを全ての小領域（４０ａ
　）〜（４０ｉ　）に対して行う。

次に小領域（４０ｅ　）〜（４０ｉ）の中から隣接２つ
の小領域、たとえば（４０ｅ　）と（４０ｆ　）とを選
び、この２つの小領域（４０ｅ　）　、　　（４ｏｆ　
）の濃度ヒストグラムの相関値ｒを計算する（ステップ
（Ｓ２−４−４））。

相関値ｒは 以上が手法４における特徴量抽出処理（ステップ（Ｓ２
−４））である。

次に相関値ｒから異状評価値を求める（ステップ（Ｓ３
−４）　）。

異状評価値ｓｃ＋３（ｔ）を次式（ｅ　−１３）で定義
する。

ｋ　＋３（ｉ）　＝　１−　ｒ　（（ｉ−１）、（ｉ）
）　　　　　　（ｅ　１３）全ての小領域について同様
に処理する。

以上を手法４における異状評価値の演算処理（ステップ
（Ｓ３−４））とする。

手法１のときと同様に各異状評価値ｋ１３に対する異状
／正常確信度をメンバーシップ関数を定義しておき、こ
れから に＋ａ（ｉ、ｊ）から異状確信度Ｃ＋３（ｉ、ｊ）と正
常確信度ｓ　＋３（ｉ、ｊ）を求める。

以上で手法４に関する処理（ステップ （Ｓｒ１−４））は終了する。

次に第５の手法について説明する。第５の手法のフロー
チャートを第２０図に示す。第２０図をもとに処理の流
れを説明する。

まず特徴量を抽出する手順について説明する（ステップ
（Ｓ２−５））。

手法のステップ（Ｓ２−２−６）で行ったように適当な
間隔でひだに対して垂直方向にサンプリング線（３７）
を設ける（ステップ（Ｓ２−５−１））。これを第２１
図に示す。

次にこのサンプリング線（３７（ａ））〜（３７（ｄ）
）上の画像の濃度をとり出し濃度列を作る（ステップ（
Ｓ２−５−２））。

この濃度列をグラフにしたのが第２２図の（４３ａ）〜
（４３ｄ　）で示す濃度変化のグラフである。

実際には高い値と低い値が周期的に交互に現れる濃度の
行列である。

この濃度列（４３ａ　）〜（４３ｄ　）のうち、隣接す
る２本の行列を選び（ステップ（Ｓ２−５−３）、相関
値を求める（ステップ（Ｓ２−５−４））。

たとえば、濃度列（４３ｃ　）と（４３ｄ　）を選んで
相関値ｒを求める（ステップ（Ｓ２−５−４））。

以上が手法５における特徴量抽出処理（ステップ（Ｓ２
−５））である。

相関値ｒは、 次に相関値ｒから異状評価値を求める（ステップ（Ｓ３
−５））。

異状評価値に＋４（１）を次式（Ｃ１４）で定義する。

ｋ　ｚ（ｉ）　＝　１−　ｒ　（（ｉ−１）、　　（ｉ
））　　　　　（ｅ　１４）全ての小領域について同様
に処理する。

手法１のときと同様に各異状評価値に、４に対する異状
／正常確信度をメンバーシップ関数を定義しておき、こ
れから に＋４（ｉ、ｊ）から異状確信度Ｃ１４（ｉ、ｊ）と正
常確信度ｓ　＋４（ｉ、ｊ）を求める。

以上で手法５に関する処理（ステップ（ＳＴ２−５））
は終了する。

次に第６の手法について説明する。第６の手法のフロー
チャートを第２３図に示す。第２３図をもとに処理の流
れを説明する。

まず特徴量を抽出する手順について説明する。

（ステップ（Ｓ２−６））。

手法２のステップ（Ｓ２−２−６）で行ったように適当
な間隔でひたに対して垂直方向にサンプリング線（３７
）を設ける（ステップ（Ｓ２−６−１））。

次にこのサンプリング線（３７（ａ）　）〜（３７（ｄ
））上の画像の濃度をとり出し濃度列を作る（ステップ
（Ｓ２−６−２））。実際には高い値と低い値が周期的
に交互に現れる濃度の行列である。

この濃度列のうち、１本の行列を選び（ステップ（Ｓ２
−６−３））、これをひた（１ａ）の周期に合わせて小
濃度列（４４（ａ）　）〜（４０（ｉ）　）としての小
領域に分割する（ステップ（Ｓ　２−６−４））。分割
の仕方は手法１で求めたａｌにもとづく。第２２図の濃
度列（４３ｄ　）をとり出し、ひた（ｔａ）の周期に合
わせて分割した状態を第２４図に示す。分割された小領
域を（４０ａ）〜（４０ｉ）とする。この中から２つの
領域、たとえば（４０ｂ）と（４０ｆ　）とを選び、そ
の範囲の２つの小濃度列の相関値を求める（ステップ（
Ｓ２−６−５））。

他の小濃度列間でも同様に相関値から評価を行う。さら
に他の基準線の濃度列も同様に処理し、全ての領域につ
いて検査を行う。

相関値ｒは 以上か手法６における特徴量抽出処理（ステップ（Ｓ２
−６））である。

次に相関値ｒから異状評価値を求める（ステップ（Ｓ３
−６））。

異状評価値ｉｃ＋５（ｉ）を次式（ｅ　−１５）で定義
する。

ｋ　＋５（ｉ）　　＝　１−　ｒ　（（ｉ−１））　、
（ｉ））　　　　　　　（ｅ　１５）全ての小領域につ
いて同様に処理する。

手法１のときと同様に各異状評価値に□５に対する異状
／正常確信度をメンバーシップ関数を定義しておき、こ
れから、 ｋ　＋ｓ（ｉ、ｊ）から異状確信度ｃ　＋ｓ（ｉ、ｊ）
と正常確信度Ｓ　＋ｓ（１，Ｊ）を求める。

手法１から手法６の処理でｃ、〜ｃｌｓ＋　Ｓ　Ｈ〜ｓ
ｒｓを得た。

次に、これらの確信度から総合判定を行う（ステップ（
Ｓ５））。総合判定処理を第２５図のフローチャートを
もとにして説明する。

まず、異状確信度ｃｌ　ｓ　　２　ｓ　””　　Ｃ１％
の中から最大値のものを選んでｃ　ｓａｗとする（ステ
ップ（Ｓ５−１））　　。

Ｃ１□と予め設定したしきい値ｔｈｌと比較しｃｏつ＞
ｔｈｌならば異状ありと判定する（ステップ（Ｓ５−２
）、（Ｓ５−３））。

Ｃ□、＜ｔｈｌのときは次の処理へ進む。

次に正常確信度Ｓ　ｌ　＋　３２　＊　””＋　Ｓ　Ｌ
５の中がら最小値のものを選んでＳ　ａａｉｎとする（
ステップ（Ｓ５−４））。

Ｓ□ゎと予め設定したしきい値ｔｈ２と比較し、Ｓ□。

＞　ｔｈ２ならば正常箇所であると判定し、Ｓ□。＜　
ｔｈ２のときは結果不明と判定する。

このｔｈｌ　、　ｔｈ２は検査に対する要求に応じて変
化させればよい。

これを小頭域全てについておこない全検査を終了する。

また、次のような総合判定法が考えられる。

゛ごの第２の総合判定処理を第２６図のフローチャート
をもとにして説明する。

まず異状確信度の和を求めｃ３゜とする（ステップ（Ｓ
５−８））。

Ｃ，。＝１とする。

ｃ、ｕ、、、か１を越えた時は 即ち、 但し、△はアンドを表す 次に正常確信度の横を求めＳ□１とする（ステップ（Ｓ
５−９））。

Ｃ，Ｊｕ、と予め設定したしきい値ｔｈｌをＳ　１ａｕ
ｌとｔｈ２をそれぞれ比較して、 Ｃ３゜＞ｔｈｌかつＳ　ｍｕｌ　＜　ｊｌ１２ならば異
状ｃ３゜＞　ｔｈｌ　　　ｓ　ｆｆ１ｕｔ　＞　ｔｈ２
　　／／　　不明ｃｓｕｍ＜ｔｈ２　　　ｓ−ｕ＋＜ｔ
ｈ２　　ｔｔ　　正常Ｃｇｕｍ　＜　ｔｈ２　　　Ｓ　
＠ｕｌ　＞　ｔｈ２　　／’　　不明と判定する。

これを全小領域についておこない、全検査を終了する。

なお、上記各実施例では、碍子（１）のひだに異物（３
５）が付着した場合について説明したが、ひた（１ａ）
に欠けがある場合の異状も同様に検出できる。

また、上記各実施例では、検査領域（３６）のみを評価
したが、碍子（１）の周囲で撮像位置を変えて上記各実
施例と同様の検査を行うことにより、碍子（１）の全周
面について検査が行われる。

また上北各実施例では、碍子（１）の検査について説明
したが、階段、梯子、電線等の同一方向成分が周期的に
繰り返される物体についても、同様に適用できる。

〔発明の効果〕

以上のように、この発明によれば、周期的な形状を有す
る被検査物体を撮像して得られる画像信号を量子化上記
画像入力手段で量子化された画像信号から被検査物体の
形状的特徴を複数個抽出し、被検査物体の異状の尺度と
なる異状評価値を求め、異状確信度及び正常確信度を演
算し、複数個の確信度から総合判定値を演算することに
よって検査を行うので、１つの評価尺度で良否判定を行
うよりも信頼性の高い検査ができる。また、異状評価値
から確信度を計算し、確信度から総合判定値を決定する
ので、人間の間隔に近い表現が可能であり、装置を使用
する作業者の負担を軽くする効果がある。

【図面の簡単な説明】

第１図はこの発明の一実施例による外観検査装置のシス
テムを示す構成図、第２図はこの発明の一実施例による
外観検査装置の動作を示すフローチャート、第３図は人
力画像を示す説明図、第４図はこの発明の一実施例に係
わる手法１を示すフローチャート、第５図（ａ）（ｂ）
（ｃ）は微分オペレータを説明する説明図、第６図は正
常な物体を処理したときの投影を説明する説明図、第７
図は異常な物体を処理したときの投影を説明する説明図
、第８図は手法１における特徴量を説明する説明図、第
９図は（ａ）（ｂ）（ｃ）は各々手法１における異状正
常確信度を定義するメンバーシップ関数を説明する説明
図、第１０図は手法１における別の異状正常確信度を定
義するメンバーシップ関数を説明する説明図、第１１図
はこの発明の一実施例に係わる手法２を示すフローチャ
ート、第１２図はエツジ追跡を説明する説明図、第１３
図はこの発明の一実施例に係わる手法３を示すフローチ
ャート、第１４図は細線化画像を示す説明図、第１５図
はひたエツジ領域の切り出し方を説明する説明図、第１
６図は２つの領域を比較する処理を説明する説明図、第
１７図はこの発明の一実施例に係わる手法４を示すフロ
ーチャート、第１８図は検査領域をひだごとの小領域に
分割した説明図、第１９図（ａ）〜（ｉ）は各々濃度ヒ
ストグラムを説明する説明図、第２０図はこの発明の一
実施例に係わる手法５を示すフローチャート、第２１図
は検査領域に基準線を設定した説明図、第２２図はサン
プリング線上の濃度変化の現象を説明する説明図、第２
３図はこの発明の一実施例に係わる手法６を示すフロー
チャート、第２４図はサンプリング線上の濃度列をひだ
の周期ごとに分割して小領域を作る処理を説明する説明
図、第２５図はこの発明の一実施例に係わる総合判定動
作を示すフローチャート、第２６図はこの発明の他の実
施例に係わる総合判定動作を示すフローチャート、第２
７図は従来の外観検査装置の構成を示すブロック構成図
、及び第２８図ないし第３２図は各々他の従来の外観検
査装置の構成を示すブロック構成図である。 図において（１）は碍子、（２）はカメラ、（４）は画
像人力手段、（１９）は出力手段、（３１）は特徴抽出
手段、（３２）は異状評価値演算手段、（３３）は異状
／正常確信度演算手段、（３４）は総合判定手段である
。 なお、図中、同一符号は同−又は相当部分を示す。

Claims (1)

【特許請求の範囲】
1. 周期的な形状を有する比検査物体を撮像して得られる画
   像信号を量子化する画像入力手段と、上記被検査物体の
   形状的特徴を複数個抽出する特徴量抽出手段と、上記特
   徴量抽出手段で抽出された特徴量から上記被検査物体の
   異状の尺度となる異状評価値を求める異状評価値演算手
   段と、上記異状評価値演算手段で求めた異状評価値から
   異状確信後及び正常確信度を演算する確信度演算手段と
   、上記確信度演算手段で求めた複数個の確信度から総合
   判定値を演算する総合判定手段とを備えた外観検査装置
   。