JPH06118018A - 品質検査装置 - Google Patents

品質検査装置

Info

Publication number
JPH06118018A
JPH06118018A JP4263596A JP26359692A JPH06118018A JP H06118018 A JPH06118018 A JP H06118018A JP 4263596 A JP4263596 A JP 4263596A JP 26359692 A JP26359692 A JP 26359692A JP H06118018 A JPH06118018 A JP H06118018A
Authority
JP
Japan
Prior art keywords
signal
color
point
neural network
color change
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP4263596A
Other languages
English (en)
Inventor
Masayuki Unno
雅幸 海野
Yoichi Sato
洋一 佐藤
Seiichi Kato
清一 加藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sekisui Chemical Co Ltd
Original Assignee
Sekisui Chemical Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sekisui Chemical Co Ltd filed Critical Sekisui Chemical Co Ltd
Priority to JP4263596A priority Critical patent/JPH06118018A/ja
Publication of JPH06118018A publication Critical patent/JPH06118018A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

(57)【要約】 【目的】 色変化する表面の品質状態を、人間の感性に
適合して高精度で確実に検査すること。 【構成】 被検査体の表面を撮像してその色変化の品質
状態をニューラルネットワークにて判定する品質検査装
置であって、前記検査対象からの映像信号を量子化して
色変化方向に微分処理を行ない、その垂直方向の各信号
を色変化垂直方向に積分し、積分曲線に対してスムージ
ングを行ない、着目点から隣接する点を終点とする直線
の傾きを求め、着目点を固定したまま終点を順次ずら
し、予め指定した点数の系列を得、上記系列をニューラ
ルネットワークへの入力信号とするもの。

Description

【発明の詳細な説明】
【0001】
【産業上の利用分野】本発明は、フィルム等の表面の色
変化状態の品質を検査する品質検査装置に関する。
【0002】
【従来の技術】従来、撮像領域を小領域に分割して近傍
領域との均一度を比較することによって均一な表面上に
発生するむらの有無を検査する方法がある(特開昭63-2
00278)。
【0003】
【発明が解決しようとする課題】然しながら、従来技術
には、下記、の問題点がある。 色変化するような均一性を有しない被検査体の状態を
検査することはできない。
【0004】単純なしきい値との比較だけでは、人間
の感覚に合致した微妙なランク判定ができない。
【0005】本発明は、色変化する表面の品質状態を、
人間の感性に適合して高精度で確実に検査する品質検査
装置を提供することを目的とする。
【0006】
【課題を解決するための手段】請求項1に記載の本発明
は、被検査体の表面を撮像してその色変化の品質状態を
ニューラルネットワークにて判定する品質検査装置であ
って、前記検査対象からの映像信号を量子化して色変化
方向に微分処理を行ない、その垂直方向の各信号を色変
化垂直方向に積分し、積分曲線に対してスムージングを
行ない、着目点から隣接する点を終点とする直線の傾き
を求め、着目点を固定したまま終点を順次ずらし、予め
指定した点数の系列を得、上記系列をニューラルネット
ワークへの入力信号とするようにしたものである。
【0007】請求項2に記載の本発明は、被検査体の表
面を撮像してその色変化の品質状態をニューラルネット
ワークにて判定する品質検査装置であって、前記検査対
象からの映像信号を量子化して色変化方向に微分処理を
行ない、その垂直方向の各信号を色変化垂直方向に積分
し、積分曲線に対してスムージングを行ない、着目点を
開始点とし、予め指定した点数の系列を得、上記系列を
ニューラルネットワークへの入力信号とするようにした
ものである。
【0008】然るに、本発明における「ニューラルネッ
トワーク」について説明すれば、下記(1) 〜(4) の如く
である。
【0009】(1)ニューラルネットワークは、その構造
から、図7(A)に示す階層的ネットワークと図7
(B)に示す相互結合ネットワークの2種に大別でき
る。本発明は、両ネットワークのいずれを用いて構成す
るものであっても良いが、階層的ネットワークは後述す
る如くの簡単な学習アルゴリズムが確立されているため
より有用である。
【0010】(2)ネットワークの構造 階層的ネットワークは、図8に示す如く、入力層、中間
層、出力層からなる階層構造をとる。各層は1以上のユ
ニットから構成される。結合は、入力層→中間層→出力
層という前向きの結合だけで、各層内での結合はない。
【0011】(3)ユニットの構造 ユニットは図9に示す如く脳のニューロンのモデル化で
あり構造は簡単である。他のユニットから入力を受け、
その総和をとり一定の規則(変換関数)で変換し、結果
を出力する。他のユニットとの結合には、それぞれ結合
の強さを表わす可変の重みを付ける。
【0012】(4)学習(バックプロパゲーション) ネットワークの学習とは、実際の出力を目標値(望まし
い出力)に近づけることであり、一般的には図9に示し
た各ユニットの変換関数及び重みを変化させて学習を行
なう。
【0013】また、学習のアルゴリズムとしては、例え
ば、Rumelhart, D.E.,McClelland,J.L. and the PDP Re
search Group, PARALLEL DISTRIBUTED PROCESSING, the
MIT Press, 1986.に記載されているバックプロパゲー
ションを用いることができる。
【0014】
【作用】被検査体の表面の色変化の品質状態をニューラ
ルネットワークにて判定するに際し、検査対象からの映
像信号を量子化して色変化方向に微分処理を行ない、そ
の垂直方向の各信号を色変化垂直方向に積分し、ニュー
ラルネットワークへの入力用データとして上述の積分結
果を用いるものであるから、色変化する表面の品質状態
を、人間の感性に適合して高精度で確実に検査すること
ができる。
【0015】
【実施例】図1は第1実施例を示すブロック図、図2は
微分時の注目画素を説明する模式図、図3は微分オペレ
ータの一例を示す模式図、図4は1次元信号での着目点
を説明する模式図、図5は入力パラメータを説明する模
式図、図6は第2実施例の入力パラメータを説明する模
式図、図7はニューラルネットワークを示す模式図、図
8は階層的なニューラルネットワークを示す模式図、図
9はユニットの構造を示す模式図である。
【0016】(第1実施例)(図1〜図5参照) 図1は、合わせガラス用シェイデットフィルムを検査す
る装置のブロック図である。このフィルムは表面にきわ
めて微小な凹凸を有しているため半透明であり、また一
部は着色されており、その色が一方向に徐々に薄くなっ
て無色になるという外観をなす。本発明ではこの色推移
部変化状態を検査するものである。
【0017】被検査体であるフィルム10に対し、下
方向から照明11を当て、その透過光をテレビカメラ1
2により撮像する。
【0018】A/D変換器21で例えば8ビット( 2
56階調)にて量子化し、M*N画素のデジタル画像を作
り、画像メモリ22に入力する。
【0019】この入力された画像をもとにCPU23
により表面の色推移部の品質を判定し、出力部30から
外部に伝送する。
【0020】品質判定までの流れを以下に示す。 M*N画素の画像データに対して、N方向(色推移方
向に相当する)の空間的微分値(実際には信号をデジタ
ル化してあるので差分値となる)を求める。ここでは図
2に示すような座標(i,j) における濃度f(i,j)の微分値
g(i,j)を座標(i,j) を中心とするn*3の範囲のデータ
から計算する。即ち、例えばn=5とし、図3に示すオ
ペレータを用い、 g(i,j)=-f(i-2,j-1)-f(i-1,j-1)-f(i,j-1)-f(i+1,j-1)-
f(i+2,j-1) +f(i-2,j+1)+f(i-1,j+1)+f(i,j+1)+f(i+1,
j+1)+f(i+2,j+1) とする。
【0021】N方向の各信号をM方向に積分する。こ
こではn=5としたので、
【数1】 によって、M方向の平均濃度を求め、1次元の信号とす
る。
【0022】着目点から隣接する点を終点とする直線
の傾きθk を求め、着目点を固定したまま終点を順次ず
らし、予め指定した点数(例えば48点)の系列を得る。
着目点の求め方はM*N画素の原画像データに対してN
方向(色推移方向に相当する)の各信号をM方向に積分
し、1次元信号S(j)を得、
【数2】 その中間濃度値を見つけて着目点とする(図4)。
【0023】この系列をニュートラルネットワークへ
の入力信号とし(図5参照)、そのランクを判定する。
【0024】ニューラルネットワークは3層の階層型
ネットワークで(図8参照)、入力層は上記パラメータ
数に対応するユニット数、出力層は判定するランク数と
同一とする。このネットワークは入力に対するランクに
対応する出力ユニットが1、その他は0になるように予
めバックプロパゲーションで学習しておく。
【0025】(第2実施例)(図6参照) 第2実施例は、上記第1実施例の図1に示したと同一の
品質検査装置を用いるものであり、上記第1実施例と品
質判定までの流れを異にしている。
【0026】品質判定までの流れを以下に示す。 M*N画素の画像データに対して、N方向(色推移方
向に相当する)の空間的微分値(実際には信号をデジタ
ル化してあるので差分値となる)を求める。ここでは図
2に示すような座標(i,j) における濃度f(i,j)の微分値
g(i,j)を座標(i,j) を中心とするn*3の範囲のデータ
から計算する。即ち、例えばn=5とし、図3に示すオ
ペレータを用い、 g(i,j)=-f(i-2,j-1)-f(i-1,j-1)-f(i,j-1)-f(i+1,j-1)-
f(i+2,j-1) +f(i-2,j+1)+f(i-1,j+1)+f(i,j+1)+f(i+1,
j+1)+f(i+2,j+1) とする。
【0027】N方向の各信号をM方向に積分する。こ
こではn=5としたので、
【数3】 によって、M方向の平均濃度を求め、1次元の信号とす
る。
【0028】着目点を開始点とし、予め指定した点数
(例えば48点)の系列を得る。着目点の求め方はM*N
画素の原画像データに対してN方向(色推移方向に相当
する)の各信号をM方向に積分し、1次元信号S(j)
を得、
【数4】 その中間濃度値を見つけて着目点とする(図4)。
【0029】この系列をニューラルネットワークへの
入力信号とし(図6参照)、そのランクを判定する。
【0030】ニューラルネットワークは3層の階層型
ネットワークで(図8参照)、入力層は上記パラメータ
数に対応するユニット数、出力層は判定するランク数と
同一とする。このネットワークは入力に対するランクに
対応する出力ユニットが1、その他は0になるように予
めバックプロパゲーションで学習しておく。
【0031】尚、本発明の実施において、表面の撮像に
はラインセンサを用いても同様な結果が得られることは
明らかである。
【0032】
【発明の効果】以上のように本発明によれば、色変化す
る表面の品質状態を、人間の感性に適合して高精度で確
実に検査することができる。
【図面の簡単な説明】
【図1】図1は第1実施例を示すブロック図である。
【図2】図2は微分時の注目画素を説明する模式図であ
る。
【図3】図3は微分オペレータの一例を示す模式図であ
る。
【図4】図4は1次元信号での着目点を説明する模式図
である。
【図5】図5は入力パラメータを説明する模式図であ
る。
【図6】図6は第2実施例の入力パラメータを説明する
模式図である。
【図7】図7はニューラルネットワークを示す模式図で
ある。
【図8】図8は階層的なニューラルネットワークを示す
模式図である。
【図9】図9はユニットの構造を示す模式図である。
【符号の説明】
10 フィルム(被検査体) 11 照明 12 テレビカメラ 21 A/D変換器 22 画像メモリ 23 CPU 30 出力部

Claims (2)

    【特許請求の範囲】
  1. 【請求項1】 被検査体の表面を撮像してその色変化の
    品質状態をニューラルネットワークにて判定する品質検
    査装置であって、 前記検査対象からの映像信号を量子化して色変化方向に
    微分処理を行ない、その垂直方向の各信号を色変化垂直
    方向に積分し、 積分曲線に対してスムージングを行ない、 着目点から隣接する点を終点とする直線の傾きを求め、 着目点を固定したまま終点を順次ずらし、予め指定した
    点数の系列を得、 上記系列をニューラルネットワークへの入力信号とする
    ことを特徴とする品質検査装置。
  2. 【請求項2】 被検査体の表面を撮像してその色変化の
    品質状態をニューラルネットワークにて判定する品質検
    査装置であって、 前記検査対象からの映像信号を量子化して色変化方向に
    微分処理を行ない、その垂直方向の各信号を色変化垂直
    方向に積分し、 積分曲線に対してスムージングを行ない、 着目点を開始点とし、予め指定した点数の系列を得、 上記系列をニューラルネットワークへの入力信号とする
    ことを特徴とする品質検査装置。
JP4263596A 1992-10-01 1992-10-01 品質検査装置 Pending JPH06118018A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP4263596A JPH06118018A (ja) 1992-10-01 1992-10-01 品質検査装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP4263596A JPH06118018A (ja) 1992-10-01 1992-10-01 品質検査装置

Publications (1)

Publication Number Publication Date
JPH06118018A true JPH06118018A (ja) 1994-04-28

Family

ID=17391746

Family Applications (1)

Application Number Title Priority Date Filing Date
JP4263596A Pending JPH06118018A (ja) 1992-10-01 1992-10-01 品質検査装置

Country Status (1)

Country Link
JP (1) JPH06118018A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230135654A (ko) 2022-02-15 2023-09-25 가부시키가이샤 신가와 검사 장치, 실장 장치, 검사 방법, 및 기억 매체

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230135654A (ko) 2022-02-15 2023-09-25 가부시키가이샤 신가와 검사 장치, 실장 장치, 검사 방법, 및 기억 매체

Similar Documents

Publication Publication Date Title
US6603877B1 (en) Method of and apparatus for optical imaging inspection of multi-material objects and the like
JPH09275272A (ja) 相関神経回路網を利用した半田付け検査装置およびその方法
JP2001091247A (ja) 距離データの検査方法およびその検査装置
JP4579570B2 (ja) シェーディング処理方法
JPH06118018A (ja) 品質検査装置
JPH07239938A (ja) 検査方法
JPH06118017A (ja) 品質検査装置
JPH06118016A (ja) 品質検査装置
JPH06118020A (ja) 品質検査装置
JPH06118019A (ja) 品質検査装置
Cassinis et al. Using colour information in an omnidirectional perception system for autonomous robot localization
JPH06273346A (ja) はんだ付け状態検査装置
DE102020201379A1 (de) Konturerkennungsvorrichtung, konturerkennungssystem und konturerkennungsverfahren
JP2965370B2 (ja) 欠陥検出装置
JPH06213720A (ja) 色むら検査装置
JPH06235625A (ja) 傷検査装置
JPH0650738A (ja) 画像輪郭線検出装置
JP3109237B2 (ja) 画像中の線分構成画素抽出方法および線分判定方法
JPH06201338A (ja) 外観状態検査方法
JPH05303627A (ja) はんだ付けの状態検査装置
JPH04295747A (ja) 半田の形状検査方法
CN117291992A (zh) 前分式服务平台智能制造工业物联网及控制方法
CN117853429A (zh) 一种标定图像质量评价方法
JP3173690B2 (ja) ニューラルネットワークによる外観検査装置
JP2001145132A (ja) 一重刺激画像品質評価装置