JPH04367982A - 画像処理アルゴリズムの自動生成方法 - 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】

【０００１】

【産業上の利用分野】本発明は射出成形品等の品質検査
に際し、検査を画像処理により自動化するための画像処
理アルゴリズムの自動生成方法に関する。

【０００２】

【従来の技術】一般に、射出成形によって成形される成
形品、例えば、プラスチック製の電子部品用成形品で、
特に、コネクターのように一面に複数の矩形状升目部を
有する電子部品用成形品の品質は、該成形品の矩形状升
目部に、ショートショットによる凹み、バリ、ひけ、そ
り等が生じた際に、特に不良の問題が生じる。

【０００３】図７は成形品の一例を示し、図７（ａ）は
良品を、図７（ｂ）は凹みによる欠陥が生じた不良品を
示している。従来、このような電子部品用成形品の良否
検査は、オペレータの目視検査によって行われるのが普
通であった。しかしながら、最近のこの種の製品検査の
分野では、人手不足及び検査コストの低減化の要求から
検査行程の自動化が進められつつある。このような要求
に対し、画像処理を用いた検査装置が提案されている（
例えば、特願平２−１１６８５８号）。

【０００４】

【発明が解決しようとする課題】この種の検査装置では
汎用性を得るため、成形品を撮影して得た画像とあらか
じめ記憶された基準画像とのパターンマッチングを行う
ことにより検査をする方式が一般的である。しかし、こ
のような基準との相対的な比較方式では、汎用化は実現
しやすいが、何を基準として記憶するかによって検査結
果が大きく左右されるという問題がある。それ故、本発
明の課題は成形品等の品質検査に際し、オペレータに画
像処理に関する知識が無くとも検査を画像処理の組み合
わせにより自動化することのできる画像処理アルゴリズ
ムの自動生成方法を提供しようとするものである。

【０００５】

【課題を解決するための手段】本発明は、画像入力部と
データ入力部及びＮ（Ｎは正の整数）種類の画像処理モ
ジュールをＭ段の直列結合の形式でツリー状に組み合わ
せ、かつ最終段の前記画像処理モジュールには特徴抽出
モジュールを組み合わせてなる多数の検査アルゴリズム
を内蔵したアルゴリズム処理部とを有し、オペレータは
、前記画像入力部より良品、不良品、及び中間グレード
のサンプル画像を入力すると共に、前記データ入力部よ
り判別能力評価基準として、望ましい検査結果を相関モ
デルとして入力し、前記アルゴリズム処理部は、前記画
像入力部と前記データ入力部からのデータを受け、前記
判別能力評価基準にもとづいて限界効用値を用いること
で前記ツリー状の組み合わせの中から最適な組み合わせ
を探索することを特徴とする画像処理アルゴリズムの自
動生成方法である。

【０００６】

【実施例】以下に、図面を参照して本発明の実施例につ
いて説明する。本発明は、周知のデータ処理装置、デー
タ入力装置、画像入力装置、ディスプレイ等を含むアル
ゴリズム探索支援システムにより実施される。画像処理
による製品検査では、ほとんどの場合、適当な照明条件
下で得られた画像上の検査したい部品にウインドウを設
け、このウインドウ領域に対して、何らかの形で良品と
欠陥との間の明暗パターンの差を検出することによって
検査を行っている。すなわち、画像処理の立場から見れ
ば、欠陥検査とは、良品と欠陥との明暗パターンを判別
することであると言える。

【０００７】そこで、本方法では、欠陥検査アルゴリズ
ムを、図１に示すように、探索支援システムにおけるデ
ィスプレイの入力画像のウインドウ領域に対して、いく
つかの画像処理モジュールを直列に作用させた後、特徴
抽出モジュールによって、１つの特徴量を抽出する構造
としてモデル化した。また、検査は、その特徴量を尺度
として、その尺度上の基準により行うものとする。画像
処理モジュールの種類をＮ種類、処理段数をＭ段とする
と画像処理の組合せは、ＮＭ通り存在する。

【０００８】これをツリー状の有向グラフとして表現し
たものを図２に示す。ノードで示される画像処理モジュ
ールをルートノードから任意のアークで結ぶと、ひとつ
の画像処理アルゴリズムが表現できる。更に、各ノード
には特徴抽出モジュールが連結されており、これをＬ種
類とすると、検査アルゴリズムの組合せは全部でＮＭ　
＊Ｌ通りとなる。本発明では、このような多数の検査ア
ルゴリズムの組み合わせがデータ処理装置におけるアル
ゴリズム処理部（図示せず）に登録されており、アルゴ
リズム処理部はこの組み合わせの中から最適な検査アル
ゴリズムを自動的に見つけだす。

【０００９】次に、本システムにおける処理の流れを図
３を参照して説明する。ステップＳ１では、オペレータ
が探索支援システムにおける画像入力装置から事前に良
品、不良品および中間グレードのサンプル画像を入力す
る。オペレータはまた、ステップＳ２において、画像入
力装置及びデータ入力装置を使用してディスプレイを見
ながら判別能力評価基準として、望ましい検査結果を相
関モデルとして定義し、入力する。ステップＳ３では、
アルゴリズム処理部が、画像処理モジュールの直列結合
と特徴抽出モジュールとの組み合わせとしてモデル化さ
れた多数の検査アルゴリズムに対し良品、不良品の判別
能力及び実現可能性の２つを評価基準とする評価、探索
を行う。アルゴリズム処理部は更に、ステップＳ４にお
いて、上記の評価値に基づく限界公用値を用い、図２に
示す如きアルゴリズム木の中で、最適な組み合わせを見
付け出す。

【００１０】本実施例では、前述したように、事前に人
間の判断した良品、不良品およびその中間のグレードの
サンプル画像をいくつか入力しておく。検査は、良品お
よび不良品を判別することが目的であるが、実際の製品
には、良品と不良品にはっきり分けられないあいまいな
中間のグレードが存在する。すなわち、不良に近い良品
、良品に近い不良品と言うのがこれに当たる。欠陥検査
においては、この中間のグレードをどう取り扱うかによ
って、不良率、歩留まりが決定する。このため判別能力
の高い検査アルゴリズムを生成するには、この中間グレ
ードを認識できるアルゴリズムを選ぶ必要がある。本実
施例では、これを評価する基準として、人間が判断した
各製品グレードと、生成されたアルゴリズムが出力する
特徴量との関係をグラフとして入力する。これを相関モ
デルと呼ぶ。図４に、その１例を示す。

【００１１】この相関モデルの形を任意に選ぶことによ
って、検査アルゴリズムの特性を変えることが可能であ
る。検査アルゴリズムの評価値（Ｅ）は、判別能力と実
現可能性の関数として以下のように算出する。 Ｅ＝Ｍ・Ｅｄ・Ｅｍ ただし、Ｍは、相関モデルとのマッチ度で、アルゴリズ
ムの判別能力を表す。またＥｄは良品、不良品間の量子
化可能数、Ｅｍは、分離余裕であり、それぞれアルゴリ
ズムの実現可能性を表す。Ｍ、Ｅｄ、Ｅｍはそれぞれ以
下の数式（１）、（２）、（３）で表される。

【００１２】

【数１】

【００１３】

【数２】

【００１４】

【数３】

【００１５】ここで、　　　　ｉ：製品のグレードＮ：
製品の全グレード数 但し、Ｅμｉ，Ｅσｉはそれぞれ相関モデルとして入力
された特徴量の各製品グレードにおける平均，分散値μ
ｉ，σｉ：検査アルゴリズムによって抽出された特徴量
の各製品グレードにおける平均，分散値α，β：パラメ
ータ μｇ，μｂ：良品グレード，不良品グレードの平均値ｑ
：量子化係数 σｂ，σｇ：不良品，良品の分散値

【００１６】ここで、検査アルゴリズムの探索法につい
て言えば、検査アルゴリズムの探索は、前述したアルゴ
リズム木の、各ノードにおける効用値（Ａｄｉ）と画像
処理コスト（Ｃｄｉ）から決まる限界効用値（Ｌｄｉ）
に基づいて行う。各値はそれぞれ、以下の式（４）、（
５）、（６）に従う。

【００１７】

【数４】

【００１８】

【数５】

【００１９】

【数６】

【００２０】ここで、　　　　ｄ：アルゴリズム木の階
層ｉ：同一階層内のノードｉｄ Ｎ：製品の全グレード数 Ｅｎｄｉ：ノードｎｄｉの評価値 Ｃｎｄｉ：ノードｎｄｉの画像処理コストＣ（ｄ＋１）
ｉ：子ノードの中で評価値が一番高いもののコスト総和 ΔＡｄｉ，ΔＣｄｉ：１回の探索による効用，コスト総
和の増加分

【００２１】探索戦略は、アルゴリズム処理部があるノ
ードにおいて、 （ａ）初回の探索では子ノード全てについて評価値、コ
ストを求め、それらを式（４），（５），（６）に従い
、上位ノードに伝播する。 （ｂ）次回からの探索では、同じ階層の中で、式（６）
の限界効用値が一番大きいノードを選び、その下位ノー
ドの探索を行う。 （ｃ）上記（ａ）、（ｂ）の手順をルートノードから順
次繰り返す。 （ｄ）最上位の階層において、限界効用値が全て０にな
った場合に探索を打ち切る。

【００２２】一例として、射出成形機によって生産され
るハーフピッチコネクタの欠陥検査アルゴリズムの生成
について簡単に説明する。この場合に対象とした欠陥は
、図７に示したように、ピン穴間の薄肉部に微小な欠け
として発生するショートショットと呼ばれる欠陥で、単
純な２値化の画像処理のみでは検出は難しい。

【００２３】本システムを用いて生成されたアルゴリズ
ム候補を図５に示す。ここでは、処理段数は３、画像処
理モジュールの種類は１４、特徴抽出モジュールの種類
は８としている。図６は、第１候補の特徴量分布を示す
。この図より、良品、不良品は完全に分離できることが
わかる。また、中間のグレードも特徴量の軸の上でもそ
の中間に位置されており、前述した評価値の有効性が示
されている。

【００２４】

【発明の効果】以上説明してきたように本発明によれば
、成形品等の品質検査を画像処理により自動化すること
ができ、しかもオペレータは画像処理に関する知識が無
くても操作できるので、オペレータの作業軽減化に寄与
する効果は大である。

【図面の簡単な説明】

【図１】　　本発明による欠陥検査アルゴリズムのモデ
ルを示した図。

【図２】　　図１に示された欠陥検査アルゴリズムにお
ける画像処理モジュールの組み合わせの一部をアルゴリ
ズム木の形で示した図。

【図３】　　本発明の処理の流れを示した図。

【図４】　　本発明においてあらかじめ入力される相関
モデルの一例を示した図。

【図５】　　本発明において生成された検査アルゴリズ
ムの候補例を示した図。

【図６】　　本発明において得られた検査アルゴリズム
の第１候補の特徴量分布を示す。

【図７】　　本発明の対象部品であるコネクタを良品、
不良品について示した図。

Claims (1)

【特許請求の範囲】
1. 【請求項１】　　画像入力部とデータ入力部及びＮ（Ｎ
   は正の整数）種類の画像処理モジュールをＭ段の直列結
   合の形式でツリー状に組み合わせ、かつ最終段の前記画
   像処理モジュールには特徴抽出モジュールを組み合わせ
   てなる多数の検査アルゴリズムを内蔵したアルゴリズム
   処理部とを有し、オペレータは、前記画像入力部より良
   品、不良品、及び中間グレードのサンプル画像を入力す
   ると共に、前記データ入力部より判別能力評価基準とし
   て、望ましい検査結果を相関モデルとして入力し、前記
   アルゴリズム処理部は、前記画像入力部と前記データ入
   力部からのデータを受け、前記判別能力評価基準にもと
   づいて限界効用値を用いることで前記ツリー状の組み合
   わせの中から最適な組み合わせを探索することを特徴と
   する画像処理アルゴリズムの自動生成方法。