JPH0447378A - 外観検査方法 - 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】 産業上の利用分野 本発明は、印刷文字などのパターンの外観検査に用いら
れるものである。

従来の技術 従来用いられている外観検査方法の一例について、図面
を参照しながら説明する。

従来例における処理の流れを第２図に示す。良品または
不良品のパターンをテレビカメラから入力し、画像信号
処理装置によって、画像信号をＡ／Ｄ変換・サンプリン
グ処理して、記憶回路に格納し、パターンの形状特微量
をコンピュータを用いて計算する。ここで、パターンの
形状特微量のうち、代表的なものは以下の通りである。

１、パターンの面積 ２、パターンの周囲長 ３、パターンの水平・垂直方向の射影長４、パターンの
重心の水平・垂直座標 ５、パターンの二次モーメント ６、パターンの部分面積 ７、パターンの部分周囲長 次に、パターンの形状特微量を用いて以下に述べるよう
にして検査基準を決定する。第３図は神経回路網と一般
に呼ばれるシステムを図示したものである。１は神経素
子であり、それぞれ自分の現在の状態を示す状態値を持
つ。２は二つの神経素子を結ぶ神経結合であり、結合の
強さを示す結合強度を持つ。また神経結合は方向性を持
ち、両端の神経素子の一方は入力側で一方は出力側であ
る。外観検査の神経回路網は、入力情報であるパターン
の形状特微量が入る入力神経素子（一つの形状特微量が
一つの入力神経素子に対応する）と、検査結果にあたる
出力神経素子と、入力側・出力側のいずれにもなる中間
神経素子から構成される。入力神経素子と出力神経素子
は、それぞれ、入力側・出力側にだけなることができる
。このシステムの動作を以下に説明する。

各神経素子の状態値Ｓは、自分と神経結合で結合された
入力側の神経素子の状態値から決まる。

入力側神経素子の個数をＮとし、各々の入力側神経素子
の状態値とそれを結合する神経結合の結合強度を Ｓｉ、Ｃｉ　　１≦ｉ≦Ｎ とすると Ｓ＝ｆ　ＩΣ（Ｓｉ＊Ｃ１）ｆ として計算される。但しｆＮは、上限値・下限値をもつ
一様増加関数である。

学習は次のように行われる。

入力神経素子の状態値を決めると、神経回路網が動作し
て出力神経素子の状態値が決まる。この状態値とあらか
じめ検査結果として与えられた値（教師信号と呼ぶ）と
比較する。良品（または不良品）の形状特徴を入力神経
素子に与えるときは、「良品（または不良品）」に対応
した値を教師信号に与える。最初は教師信号と出力神経
素子の状態値は差があるはずである。もし教師信号の方
が大きければ、出力神経素子につながった結合の結合強
度を、入力側の神経素子の状態値の大きさと比例した分
だけ小さくする。逆にもし教師信号の方が小さければ、
出力神経素子につながった結合の結合強度を、入力側の
神経素子の状態値の大きさと比例した分だけ大きくする
。これを繰り返すことによって、結合強度はだんだん変
わり、それにつれて出力神経素子の状態値は教師信号に
近づく。

充分近い値になったら学習を終了する。このようにして
得られた神経回路網を用い、検査対象パターンについて
、上記と同じように形状特徴を計算し、この値を学習工
程でつくられた神経回路網の入力とし、神経回路網が動
作して得た出力を検査結果とする。

発明が解決しようとする課題 しかしながら、従来例の方法では次のような問題点があ
る。

非常に多数の学習サンプルを必要とする。例えば、第４
図のようなサンプルについて見てみよう。欠陥部３が存
在するという情報は、欠陥が存在する部位の部分面積や
部分周囲長の形状特微量の変化にあられれる。このサン
プルが学習されたとする。第五図のサンプルは、第四図
のサンプルと同じようにパターンの一部が太（なったも
のだが、欠陥の部位が異なる。すると、欠陥の情報は上
記とは別の形状特微量に現れることになる。ということ
は、すでに学習された神経回路網を用いても、入力情報
が太き（異なるため、望ましい検査結果は得られない。

全体面積の形状特微量が第４図のサンプルと第５図のサ
ンプルで゛同じ方向に変化していればよいが、全体面積
の変動が大きいため、うまく行かない。目でみて同じよ
うに見えるパターンでも、パターンの平均太さが少し違
うため、全体面積が大きく異なることはしばしばあるの
で、全体面積はパターンの部分的な太りを検出する特徴
量としては不適当である。

さらに、神経回路網は一つ一つのパターンについて一つ
づつ用意しなければならないので、にじみの学習を行う
ためにすべてのパターンの、しかもいろんな部位の不良
をすべて学習させる必要があることになる。

課題°を解決するための手段 以上の問題点を解決するために、本発明の外観検査方法
は、良品のパターンを、カメラを用いて二値の二次元画
像として入力して、テンプレートとして記憶回路に記憶
させるテンプレート記憶工程と、良品あるいは不良品の
パターンをカメラを用いて二値の二次元画像として入力
し、すでに記憶されたテンプレートとの相違部を抽出す
る相違部抽出工程と、相違部の形状特微量を計算する特
徴抽出工程と、形状特微量を神経回路網の入力とし、パ
ターンの検査結果を教師信号として神経回路網の学習を
行う学習工程と、検査をしたい対象パターンの形状特微
量を相違部抽出工程と特徴抽出工程と同様な方法で計算
し、この形状特微量をすでに学習された神経回路網に入
力し、神経回路網の出力によって対象パターンが良品か
不良品であるかを自動的に判別する検査工程からなるも
のである。

作　　　用 本発明は、上記の構成により、より少数の学習サンプル
を用いて学習が行えるようにした。

実施例 実施例の外観検査方法の一例について、図面を参照しな
がら説明する。

実施例における処理の流れを第１図に示す。良品のパタ
ーンをテレビカメラと画像信号処理装置によって、画像
信号をＡ／Ｄ変換・サンプリング処理し、二値の二次元
画像として記憶回路に格納してテンプレートとする。次
に、良品あるいは不良品の学習用パターンを、カメラを
用いて二次元画像として入力し、すでに記憶されたテン
プレートと、二値画像の重心の重ね合わせ、あるいは、
二値画像の射影の中心の重ね合わせ、あるいは、パター
ンマツチング（残差−パターン同士を重ね合わせた時の
、画素ごと差の絶対値を加算した値が最小になる位置を
みつける方法）などによって、学習用パターンとテンプ
レートを重ね合わせ、重ならない部分を相違部とする。

相違部の連結した各部分について、形状特微量をコンピ
ュータを用いて計算する。形状特微量のうち、代表的な
ものは以下の通りである。

１、面積 ２、周囲長 ３、水平・垂直方向の射影長 ４、重心の水平・垂直座標 ５、二次モーメント ６、長手方向に対する長さ・幅 ７、テンプレート境界と共有する長さ ８、テンプレートに対して凹か凸か ９、平均濃度 このあと、検査基準を決定する学習工程と検査を行う検
査工程については、従来例と同じように神経回路網を用
いるので説明を省略する。

ただし、神経回路網への入力は、相違部の形状特微量で
あり、教師信号は相違部の連結部分ごとに決められる。

例えば第四図の３の欠陥部については、教師信号には「
不良品」の情報が与えられる。太りゃやせがあるため、
相違部が生じても、面積が小さいとか濃度差が小さいな
どのために不良までいかないものについては教師信号に
は「良品」であるという情報を与える。

なお、神経回路網の学習については、従来例の説明のと
ころで紹介した方法のほかに、Ｐｅｒｃｅｐｔｒｏｎの
学習方式や誤差逆伝播方式などが知られており、これら
を用いてもよい。

また、教師信号として、「良品」、「不良品」としたが
、別の意味を持った教師信号を用いてもよい。例えば、
出力神経素子を複数用い、それぞれに、「パターン太す
の有／無」や、「パターンやせの有／無」の情報を対応
させてもよい。

発明の効果 実施例の方法を用いることによって、従来例に比べ、学
習サンプルの数が非常に少なくてすむようになる。その
ため、サンプルを集める手間が楽になる。あるいは、従
来例では、必要な学習サンプルの数が多すぎて、集める
ことが実質的に不可能であったのが、可能になるという
効果がある。

【図面の簡単な説明】

第１図は本発明の一実施例における処理を示すため流れ
図、第２図は従来例の処理の流れ図、第３図は神経回路
網の構成図、第４図と第５図は不良品サンプル例を示す
図である。 代理人の氏名　弁理士　粟野重孝　ほか１名第 図 第 図

Claims (1)

【特許請求の範囲】
1. 良品のパターンを、カメラを用いて二値の二次元画像と
   して入力して、テンプレートとして記憶回路に記憶させ
   るテンプレート記憶工程と、良品あるいは不良品のパタ
   ーンを、カメラを用いて二値の二次元画像として入力し
   、すでに記憶されたテンプレートとの相違部を抽出する
   相違部抽出工程と、相違部の形状特微量を計算する特徴
   抽出工程と、形状特微量を神経回路網の入力とし、パタ
   ーンの検査結果を教師信号として神経回路網の学習を行
   う学習工程と、検査をしたい対象パターンの形状特微量
   を相違部抽出工程と特徴抽出工程と同様な方法で計算し
   、この形状特微量をすでに学習された神経回路網に入力
   し、神経回路網の出力によって対象パターンが良品か不
   良品であるかを判別する検査工程とからなる外観検査方
   法。