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
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。
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
【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。
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）。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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、
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。
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、
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。
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。
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。
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。
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、
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。
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、
（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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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)
- 【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。 - 【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。
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)
| 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 |
-
1992
- 1992-10-01 JP JP4263596A patent/JPH06118018A/ja active Pending
Cited By (1)
| 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 | |
| CN115379123A (zh) | 一种用无人机巡检的变压器故障检测方法 | |
| 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 | |
| CN111833307A (zh) | 一种风力机叶片裂纹诊断方法及装置 | |
| 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 |