JPH06347239A - 外観検査方法 - Google Patents
外観検査方法Info
- Publication number
- JPH06347239A JPH06347239A JP16025193A JP16025193A JPH06347239A JP H06347239 A JPH06347239 A JP H06347239A JP 16025193 A JP16025193 A JP 16025193A JP 16025193 A JP16025193 A JP 16025193A JP H06347239 A JPH06347239 A JP H06347239A
- Authority
- JP
- Japan
- Prior art keywords
- calculated
- maximum length
- dimensional image
- image pattern
- grade
- 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.)
- Granted
Links
Abstract
(57)【要約】
【目的】 対象物の傾きやアフィン変換時の量子化誤差
に影響されず対象物の最大値、最大幅を正確に算出す
る。階級判定、等級判定に用いる最適な幾何学的特徴量
を導入し、分類、仕分け作業の精度を高める。 【構成】 対象物を分類・仕分けするために、その外観
形状の２次元画像パターンから対象物の幾何学的特徴量
を算出し、この特徴量を基準値と比較して階級判定及び
等級判定を行う外観検査方法である。２次元画像パター
ンから対象物の輪郭部の包絡点を抽出し、包絡点相互間
の距離から対象物の最大長Ｌ及び最大幅ＤMAXを求め
る。最大幅Ｌと最大長ＤMAXと定数Ｋとの積により対象
物の近似的体積Ｖを算出し、この近似的体積Ｖを特徴量
として対象物の階級判定を行う。更に、等級判定に用い
る特徴量として、対象物の首部の太さの度合いや全体的
な太さの度合いを示す形状率、曲がりの度合いを示す対
称率を導入する。
に影響されず対象物の最大値、最大幅を正確に算出す
る。階級判定、等級判定に用いる最適な幾何学的特徴量
を導入し、分類、仕分け作業の精度を高める。 【構成】 対象物を分類・仕分けするために、その外観
形状の２次元画像パターンから対象物の幾何学的特徴量
を算出し、この特徴量を基準値と比較して階級判定及び
等級判定を行う外観検査方法である。２次元画像パター
ンから対象物の輪郭部の包絡点を抽出し、包絡点相互間
の距離から対象物の最大長Ｌ及び最大幅ＤMAXを求め
る。最大幅Ｌと最大長ＤMAXと定数Ｋとの積により対象
物の近似的体積Ｖを算出し、この近似的体積Ｖを特徴量
として対象物の階級判定を行う。更に、等級判定に用い
る特徴量として、対象物の首部の太さの度合いや全体的
な太さの度合いを示す形状率、曲がりの度合いを示す対
称率を導入する。
Description
【０００１】
【産業上の利用分野】本発明は、農水産物等の対象物を
自動的に分類し、仕分けするために、ＩＴＶカメラによ
り撮像した２次元画像パターンの画像処理によってその
幾何学的特徴量を算出し、この特徴量に基づき対象物の
大きさに関する階級判定及び品質に関する等級判定を行
う外観検査方法に関する。
自動的に分類し、仕分けするために、ＩＴＶカメラによ
り撮像した２次元画像パターンの画像処理によってその
幾何学的特徴量を算出し、この特徴量に基づき対象物の
大きさに関する階級判定及び品質に関する等級判定を行
う外観検査方法に関する。
【０００２】
【従来の技術】従来、この種の外観検査においては、Ｉ
ＴＶカメラにより対象とする農水産物の平面形状を撮像
し、その形状の長さや投影面積等の幾何学的特徴量を抽
出して農水産物の階級・等級判定を行い、これらの判定
結果に応じて分類・仕分けを行っている。すなわち、具
体的には、農水産物をバケット上に載せてベルトコンベ
アにより搬送し、これが所定位置に到達したことをタイ
ミングセンサにより検出すると共に、所定の撮像タイミ
ングにおいてＩＴＶカメラにより農水産物の外観形状を
撮像する。
ＴＶカメラにより対象とする農水産物の平面形状を撮像
し、その形状の長さや投影面積等の幾何学的特徴量を抽
出して農水産物の階級・等級判定を行い、これらの判定
結果に応じて分類・仕分けを行っている。すなわち、具
体的には、農水産物をバケット上に載せてベルトコンベ
アにより搬送し、これが所定位置に到達したことをタイ
ミングセンサにより検出すると共に、所定の撮像タイミ
ングにおいてＩＴＶカメラにより農水産物の外観形状を
撮像する。
【０００３】この撮像により得られた２次元画像パター
ンをラスタ方向へ走査し、対象物輪郭の立ち上がり点及
び立ち下がり点を求め、図６に示すように、立ち上り点
と立ち下がり点との間の長さＬ（これをセグメントと呼
ぶ）を積算することにより対象物の投影面積を求め、ま
た、各セグメントの中で最大のものを対象物の最大長Ｌ
maxとすることにより、対象物の投影面積と最大長とを
算出していた。なお、図６は対象物である茄子の２次元
画像パターンを示している。
ンをラスタ方向へ走査し、対象物輪郭の立ち上がり点及
び立ち下がり点を求め、図６に示すように、立ち上り点
と立ち下がり点との間の長さＬ（これをセグメントと呼
ぶ）を積算することにより対象物の投影面積を求め、ま
た、各セグメントの中で最大のものを対象物の最大長Ｌ
maxとすることにより、対象物の投影面積と最大長とを
算出していた。なお、図６は対象物である茄子の２次元
画像パターンを示している。
【０００４】この方法によると、図６のごとく、対象物
が画像視野内でラスタ走査の水平方向に沿って置かれて
いる場合には、比較的正確な最大長を得ることができる
が、図７に示すように、対象物が水平方向に対し回転し
て（傾いて）いる場合には、図中の長さＬmax′を最大
長として誤認してしまうため、真の最大長Ｌmaxに対し
て誤差が大きくなるという問題があった。
が画像視野内でラスタ走査の水平方向に沿って置かれて
いる場合には、比較的正確な最大長を得ることができる
が、図７に示すように、対象物が水平方向に対し回転し
て（傾いて）いる場合には、図中の長さＬmax′を最大
長として誤認してしまうため、真の最大長Ｌmaxに対し
て誤差が大きくなるという問題があった。
【０００５】この問題に対し、従来から行われている他
の方法として、対象物の２次元画像パターンを回転（ア
フィン変換）した後、前述のようにセグメントを抽出し
て最大長及び投影面積を求める方法がある。図８はこの
方法を示すもので、もとの２次元画像パターンを例えば
角度θだけ回転してからセグメントを抽出し、真の最大
長Ｌmax及び投影面積を求めている。
の方法として、対象物の２次元画像パターンを回転（ア
フィン変換）した後、前述のようにセグメントを抽出し
て最大長及び投影面積を求める方法がある。図８はこの
方法を示すもので、もとの２次元画像パターンを例えば
角度θだけ回転してからセグメントを抽出し、真の最大
長Ｌmax及び投影面積を求めている。
【０００６】ここで、アフィン変換は、原画像をｆ
（ｒ）、アフィン変換後の画像をｇ（ｒ）、ｒを空間座
標、ａを平行移動距離、Λを恒等行列とすると、一般に
数式１によって与えられる。そして、アフィン変換によ
る画像の回転時には、ａ＝０とし、恒等行列Λは数式２
により表される。
（ｒ）、アフィン変換後の画像をｇ（ｒ）、ｒを空間座
標、ａを平行移動距離、Λを恒等行列とすると、一般に
数式１によって与えられる。そして、アフィン変換によ
る画像の回転時には、ａ＝０とし、恒等行列Λは数式２
により表される。
【０００７】
【数１】ｇ（ｒ）＝ｆ（Λ-1（ｒ−ａ））
【０００８】
【数２】
【０００９】
【発明が解決しようとする課題】アフィン変換による画
像の回転処理では、上述した演算が必要であり、これを
リアルタイムで実行させるためには、専用のアフィン変
換プロセッサが必要であるため高価になる。また、アフ
ィン変換による方法は、画像データが水平・垂直方向に
沿った直交座標系での量子化であるため、回転角度によ
って量子化誤差が生ずるという問題があった。
像の回転処理では、上述した演算が必要であり、これを
リアルタイムで実行させるためには、専用のアフィン変
換プロセッサが必要であるため高価になる。また、アフ
ィン変換による方法は、画像データが水平・垂直方向に
沿った直交座標系での量子化であるため、回転角度によ
って量子化誤差が生ずるという問題があった。
【００１０】更に、アフィン変換も含めた従来の方法で
は、セグメントの中から最大のものを抽出することによ
り最大長を求めているが、最大幅（最大長に対して直交
する方向の最大長さ）を求める場合には、各セグメント
データを再度走査しなければならないという問題もあ
る。加えて従来の方法では、図７に示したような最大長
の誤認、アフィン変換時の量子化誤差等に起因して最大
長及び最大幅が正確に求められないため、対象物の全体
的な太さの度合いや、くびれの度合いが正確に算出でき
なかった。
は、セグメントの中から最大のものを抽出することによ
り最大長を求めているが、最大幅（最大長に対して直交
する方向の最大長さ）を求める場合には、各セグメント
データを再度走査しなければならないという問題もあ
る。加えて従来の方法では、図７に示したような最大長
の誤認、アフィン変換時の量子化誤差等に起因して最大
長及び最大幅が正確に求められないため、対象物の全体
的な太さの度合いや、くびれの度合いが正確に算出でき
なかった。
【００１１】一方、対象物の曲がりの度合いを検出する
場合、従来では次に述べるような方法がとられている。
例えば、図９に示すように、セグメントデータの中から
最も端にある２点を抽出し、それら２点を結ぶ線分Ｌ1
から対象物の端までの距離Ｌ2を算出することにより、
対象物の曲がりの度合いを算出していた。しかし、これ
によると、図１０に示すごとく、対象物である農水産物
では良く見られる端部形状の出っ張りＰにより、最も端
にある２点の位置が対象物の曲がりとは無関係に様々な
位置をとるので、同じ程度の曲がりでも距離Ｌ2が異な
る場合があり、曲がりの度合いを正確に把握できないと
いう欠点があった。
場合、従来では次に述べるような方法がとられている。
例えば、図９に示すように、セグメントデータの中から
最も端にある２点を抽出し、それら２点を結ぶ線分Ｌ1
から対象物の端までの距離Ｌ2を算出することにより、
対象物の曲がりの度合いを算出していた。しかし、これ
によると、図１０に示すごとく、対象物である農水産物
では良く見られる端部形状の出っ張りＰにより、最も端
にある２点の位置が対象物の曲がりとは無関係に様々な
位置をとるので、同じ程度の曲がりでも距離Ｌ2が異な
る場合があり、曲がりの度合いを正確に把握できないと
いう欠点があった。
【００１２】本発明は上記種々の問題点を解決するため
になされたもので、その目的とするところは、対象物の
最大長及び最大幅を正確に算出すると共に、対象物の階
級判定、等級判定に用いる幾何学的特徴量として、従来
の最大長や投影面積だけでなく、対象物の全体的な太さ
の度合いやくびれの度合い、曲がりの度合いのように外
観形状をより正確に把握できる特徴量を導入して対象物
の分類・仕分け作業を容易にした外観検査方法を提供す
ることにある。
になされたもので、その目的とするところは、対象物の
最大長及び最大幅を正確に算出すると共に、対象物の階
級判定、等級判定に用いる幾何学的特徴量として、従来
の最大長や投影面積だけでなく、対象物の全体的な太さ
の度合いやくびれの度合い、曲がりの度合いのように外
観形状をより正確に把握できる特徴量を導入して対象物
の分類・仕分け作業を容易にした外観検査方法を提供す
ることにある。
【００１３】
【課題を解決するための手段】上記目的を達成するた
め、第１の発明は、ＩＴＶカメラにより撮像して得た２
次元画像パターンから対象物の輪郭部の包絡点を抽出
し、これらの包絡点の相互間の距離から対象物の最大長
及びこの最大長に直交する方向の最大幅を求めると共
に、最大幅と最大長と定数との積により対象物の近似的
体積を算出し、この近似的体積を幾何学的特徴量として
対象物の階級判定を行うものである。
め、第１の発明は、ＩＴＶカメラにより撮像して得た２
次元画像パターンから対象物の輪郭部の包絡点を抽出
し、これらの包絡点の相互間の距離から対象物の最大長
及びこの最大長に直交する方向の最大幅を求めると共
に、最大幅と最大長と定数との積により対象物の近似的
体積を算出し、この近似的体積を幾何学的特徴量として
対象物の階級判定を行うものである。
【００１４】第２の発明は、対象物の最大幅と対象物の
首部の幅との差と、最大長との比率により対象物のくび
れの度合いに関する形状率を算出し、この形状率を幾何
学的特徴量として対象物の等級判定を行うものである。
首部の幅との差と、最大長との比率により対象物のくび
れの度合いに関する形状率を算出し、この形状率を幾何
学的特徴量として対象物の等級判定を行うものである。
【００１５】第３の発明は、対象物の最大幅と最大長と
の比率により対象物の全体的な太さの度合いに関する形
状率を算出し、この形状率を幾何学的特徴量として対象
物の等級判定を行うものである。
の比率により対象物の全体的な太さの度合いに関する形
状率を算出し、この形状率を幾何学的特徴量として対象
物の等級判定を行うものである。
【００１６】第４の発明は、対象物の長さ方向に沿った
中心線から対象物の幅方向に沿って算出した両端までの
距離の差と、最大長との比率により対象物の曲がりの度
合いに関する対称率を算出し、この対称率を幾何学的特
徴量として対象物の等級判定を行うものである。
中心線から対象物の幅方向に沿って算出した両端までの
距離の差と、最大長との比率により対象物の曲がりの度
合いに関する対称率を算出し、この対称率を幾何学的特
徴量として対象物の等級判定を行うものである。
【００１７】
【作用】第１の発明においては、対象物の２次元画像パ
ターンを画像処理し、その包絡点を抽出して少なくとも
対象物の最大長及び最大幅を算出する。そして、最大幅
の部分における断面積により対象物各断面の断面積を代
表させ、最大長と最大幅と定数との積により、対象物の
近似的体積を算出する。この近似的体積を対象物の大き
さを示す幾何学的特徴量として基準値との比較により階
級判定を行う。
ターンを画像処理し、その包絡点を抽出して少なくとも
対象物の最大長及び最大幅を算出する。そして、最大幅
の部分における断面積により対象物各断面の断面積を代
表させ、最大長と最大幅と定数との積により、対象物の
近似的体積を算出する。この近似的体積を対象物の大き
さを示す幾何学的特徴量として基準値との比較により階
級判定を行う。
【００１８】第２の発明においては、２次元画像パター
ンに基づく画像処理により、少なくとも対象物の最大長
及び最大幅を算出すると共に、対象物の首部の幅を算出
する。そして、最大幅と首部の幅との差と、最大長との
比率により第１の形状率を算出し、この形状率を対象物
のくびれの度合いを示す幾何学的特徴量として、基準値
との比較により品質に関する等級判定を行う。
ンに基づく画像処理により、少なくとも対象物の最大長
及び最大幅を算出すると共に、対象物の首部の幅を算出
する。そして、最大幅と首部の幅との差と、最大長との
比率により第１の形状率を算出し、この形状率を対象物
のくびれの度合いを示す幾何学的特徴量として、基準値
との比較により品質に関する等級判定を行う。
【００１９】第３の発明においては、２次元画像パター
ンに基づく画像処理により、少なくとも対象物の最大幅
及び最大長を算出する。そして、これらの比率を第２の
形状率として算出し、この形状率を対象物の全体的な太
さの度合いを示す幾何学的特徴量として、基準値との比
較により等級判定を行う。
ンに基づく画像処理により、少なくとも対象物の最大幅
及び最大長を算出する。そして、これらの比率を第２の
形状率として算出し、この形状率を対象物の全体的な太
さの度合いを示す幾何学的特徴量として、基準値との比
較により等級判定を行う。
【００２０】第４の発明においては、２次元画像パター
ンに基づく画像処理により、少なくとも、対象物の長さ
方向に沿った中心線から対象物の幅方向に沿って算出し
た両端までの距離の差と、最大長とを算出する。そし
て、これらの比率を対称率として算出し、この対称率を
対象物の曲がりの度合い（左右対称性）を示す幾何学的
特徴量として、基準値との比較により等級判定を行う。
ンに基づく画像処理により、少なくとも、対象物の長さ
方向に沿った中心線から対象物の幅方向に沿って算出し
た両端までの距離の差と、最大長とを算出する。そし
て、これらの比率を対称率として算出し、この対称率を
対象物の曲がりの度合い（左右対称性）を示す幾何学的
特徴量として、基準値との比較により等級判定を行う。
【００２１】
【実施例】以下、図に沿って本発明の実施例を説明す
る。この実施例は、本発明を茄子の外観形状及び色によ
る自動選果システムに適用した場合のものである。な
お、対象物の色を認識して分類・仕分けを行うのは本発
明の要旨ではないが、以下では必要に応じてこれらにつ
いても触れることとする。
る。この実施例は、本発明を茄子の外観形状及び色によ
る自動選果システムに適用した場合のものである。な
お、対象物の色を認識して分類・仕分けを行うのは本発
明の要旨ではないが、以下では必要に応じてこれらにつ
いても触れることとする。
【００２２】まず、図１は実施例が適用される画像処理
装置の構成を示すブロック図である。この画像処理装置
は、その本体１０内に、補助メモリを備えた制御ＣＰＵ
部１１と、Ａ／Ｄ変換器、フレームメモリ等を備えた画
像入出力部１２と、各種画像処理を高速に実行するため
のパイプラインイメージプロセッサを搭載した画像処理
部１３と、制御ＣＰＵ部１１に接続されたＤＩＯ（ディ
ジタル入出力）カード１４及びＩＣメモリカード１５等
を備え、これら各部は国際標準バスであるマルチバス I
I（システムバス及びローカルバス）並びに高速画像転
送バスにより接続されている。なお、本体１０には、必
要に応じてＲＩＳＣ（縮小命令セットコンピュータ）用
のプロセッサ１６や、外部のプログラマブルコントロー
ラ等との間でリアルタイムのデータ伝送を行うためのネ
ットワーク部１７が増設可能である。
装置の構成を示すブロック図である。この画像処理装置
は、その本体１０内に、補助メモリを備えた制御ＣＰＵ
部１１と、Ａ／Ｄ変換器、フレームメモリ等を備えた画
像入出力部１２と、各種画像処理を高速に実行するため
のパイプラインイメージプロセッサを搭載した画像処理
部１３と、制御ＣＰＵ部１１に接続されたＤＩＯ（ディ
ジタル入出力）カード１４及びＩＣメモリカード１５等
を備え、これら各部は国際標準バスであるマルチバス I
I（システムバス及びローカルバス）並びに高速画像転
送バスにより接続されている。なお、本体１０には、必
要に応じてＲＩＳＣ（縮小命令セットコンピュータ）用
のプロセッサ１６や、外部のプログラマブルコントロー
ラ等との間でリアルタイムのデータ伝送を行うためのネ
ットワーク部１７が増設可能である。
【００２３】前記画像入出力部１２には、照明Ｌにより
照らされた茄子などの対象物Ｍを撮像する２台のＩＴＶ
カメラ１８，１９が接続されている。これらのカメラ
は、幾何学的特徴量を抽出するためにモノクロカメラが
用いられ、色彩的な特徴量を抽出するためにカラーカメ
ラが用いられる。ここで、前記モノクロカメラには、コ
ンベア上の茄子を静止画像で捉えるために電子シャッタ
機能（１／１０００秒程度）を備えたＣＣＤカメラが使
用される。なお、２０は撮像された画像を映し出すモニ
タテレビである。更に、制御ＣＰＵ部１１には、対象物
Ｍの形状等の解析データや階級・等級判定、分類・仕分
け結果等がリアルタイムで伝送されるＦＡパソコン２１
が接続されている。また、２２は操作指令等を入力する
ハンドヘルドキーボードである。
照らされた茄子などの対象物Ｍを撮像する２台のＩＴＶ
カメラ１８，１９が接続されている。これらのカメラ
は、幾何学的特徴量を抽出するためにモノクロカメラが
用いられ、色彩的な特徴量を抽出するためにカラーカメ
ラが用いられる。ここで、前記モノクロカメラには、コ
ンベア上の茄子を静止画像で捉えるために電子シャッタ
機能（１／１０００秒程度）を備えたＣＣＤカメラが使
用される。なお、２０は撮像された画像を映し出すモニ
タテレビである。更に、制御ＣＰＵ部１１には、対象物
Ｍの形状等の解析データや階級・等級判定、分類・仕分
け結果等がリアルタイムで伝送されるＦＡパソコン２１
が接続されている。また、２２は操作指令等を入力する
ハンドヘルドキーボードである。
【００２４】上記構成の画像処理装置では、対象物Ｍを
撮像した２次元画像パターンから、対象物Ｍの輪郭部の
包絡点、最大長、投影面積、最大幅のみならず近似的体
積等も、対象物Ｍが置かれている位置や向きに影響され
ずに抽出することができる。以下に、本実施例による対
象物Ｍの外観検査処理、具体的には幾何学的特徴量の抽
出処理を図１、図２を参照しつつ説明する。
撮像した２次元画像パターンから、対象物Ｍの輪郭部の
包絡点、最大長、投影面積、最大幅のみならず近似的体
積等も、対象物Ｍが置かれている位置や向きに影響され
ずに抽出することができる。以下に、本実施例による対
象物Ｍの外観検査処理、具体的には幾何学的特徴量の抽
出処理を図１、図２を参照しつつ説明する。
【００２５】まず、対象物ＭをＩＴＶカメラ（例えば１
８）により撮像した後、画像データを画像入出力部１２
から画像処理部１３に高速転送し、画像のノイズ除去等
を行うと共に画像データの２値化を行い、対象物Ｍの輪
郭部分の包絡点データ及び対象物Ｍの投影面積（２次元
画像パターンの面積）Ｓを抽出する。ここで、面積Ｓは
包絡点データの相互間の距離を積算することにより算出
可能である。次に、包絡点データの相互間の距離を比較
し、図２に示すように最大長（以下では便宜的にＬで表
す）及び最大長Ｌに直交する方向の最大幅ＤMAXを算出
する。
８）により撮像した後、画像データを画像入出力部１２
から画像処理部１３に高速転送し、画像のノイズ除去等
を行うと共に画像データの２値化を行い、対象物Ｍの輪
郭部分の包絡点データ及び対象物Ｍの投影面積（２次元
画像パターンの面積）Ｓを抽出する。ここで、面積Ｓは
包絡点データの相互間の距離を積算することにより算出
可能である。次に、包絡点データの相互間の距離を比較
し、図２に示すように最大長（以下では便宜的にＬで表
す）及び最大長Ｌに直交する方向の最大幅ＤMAXを算出
する。
【００２６】一般に、ほぼ円柱形状（円筒形状）に近い
茄子などの農水産物の場合は、各断面（農水産物の長さ
方向に直交する断面）の面積値を最大幅ＤMAXの部分に
おける断面積で代表させることにより、幾何学的特徴量
である近似的体積Ｖの計算式として数式３を用いること
ができる。なお、数式３において、Ｋは比例定数であ
る。この数式３により、基本的には、茄子の最大幅Ｄ
MAXと最大長Ｌと定数Ｋとの積によって茄子の近似的体
積Ｖを算出し、この近似的体積Ｖを幾何学的特徴量とし
て茄子の大きさに関する階級判定に用いることができ
る。上記近似的体積の算出手段方法が第１の発明の実施
例に相当する。
茄子などの農水産物の場合は、各断面（農水産物の長さ
方向に直交する断面）の面積値を最大幅ＤMAXの部分に
おける断面積で代表させることにより、幾何学的特徴量
である近似的体積Ｖの計算式として数式３を用いること
ができる。なお、数式３において、Ｋは比例定数であ
る。この数式３により、基本的には、茄子の最大幅Ｄ
MAXと最大長Ｌと定数Ｋとの積によって茄子の近似的体
積Ｖを算出し、この近似的体積Ｖを幾何学的特徴量とし
て茄子の大きさに関する階級判定に用いることができ
る。上記近似的体積の算出手段方法が第１の発明の実施
例に相当する。
【００２７】
【数３】Ｖ≒π（ＤMAX／２）2×Ｌ≒Ｋ・ＤMAX・Ｌ
【００２８】更に、円柱形状の歪みを補正するために、
数式３を数式４のように変形する。この数式４における
Ｖ0は数式５により表され、これらの数式４，数式５に
おいてＤCは茄子の首部分の太さ、Ｋ0，Ｋ1，Ｋ2は比例
定数と定義する。
数式３を数式４のように変形する。この数式４における
Ｖ0は数式５により表され、これらの数式４，数式５に
おいてＤCは茄子の首部分の太さ、Ｋ0，Ｋ1，Ｋ2は比例
定数と定義する。
【００２９】
【数４】Ｖ＝Ｋ1｛Ｖ0＋Ｋ2（ＤC 2×Ｌ／３）｝
【００３０】
【数５】Ｖ0＝Ｋ0｛Ｓ×（ＤMAX＋ＤC）／２｝
【００３１】従って、上記数式４を一層正確な近似体積
式として、階級判定に用いることができる。
式として、階級判定に用いることができる。
【００３２】また、茄子の品質を判定する等級判定のた
めの幾何学的特徴量として、茄子の首部分の太さの度合
い（くびれの度合い）判定用に第１の形状率ＲS1を数式
６により定義し、茄子の全体的な太さ判定用に第２の形
状率ＲS2を数式７により定義する。
めの幾何学的特徴量として、茄子の首部分の太さの度合
い（くびれの度合い）判定用に第１の形状率ＲS1を数式
６により定義し、茄子の全体的な太さ判定用に第２の形
状率ＲS2を数式７により定義する。
【００３３】
【数６】ＲS1＝（ＤMAX−ＤC）／Ｌ
【００３４】
【数７】ＲS2＝ＤMAX／Ｌ
【００３５】ただし、数式６におけるＤCは、図２に示
すごとく最大長Ｌに沿った所定位置における首部の幅
（太さ）である。すなわち数式６を用いて、茄子の最大
幅と首部の幅との差（ＤMAX−ＤC）と、最大長Ｌとの比
率を算出して茄子のくびれの度合いに関する第１の形状
率ＲS1を求め、数式７を用いて、最大幅ＤMAXと最大長
Ｌとの比率を算出して茄子の全体的な太さの度合いに関
する第２の形状率ＲS2を求める。よって、これらの形状
率ＲS1，ＲS2を幾何学的特徴量として茄子の等級判定を
行うことができる。ここで、上記形状率ＲS1，ＲS2の算
出方法が第２、第３の発明の実施例に相当する。
すごとく最大長Ｌに沿った所定位置における首部の幅
（太さ）である。すなわち数式６を用いて、茄子の最大
幅と首部の幅との差（ＤMAX−ＤC）と、最大長Ｌとの比
率を算出して茄子のくびれの度合いに関する第１の形状
率ＲS1を求め、数式７を用いて、最大幅ＤMAXと最大長
Ｌとの比率を算出して茄子の全体的な太さの度合いに関
する第２の形状率ＲS2を求める。よって、これらの形状
率ＲS1，ＲS2を幾何学的特徴量として茄子の等級判定を
行うことができる。ここで、上記形状率ＲS1，ＲS2の算
出方法が第２、第３の発明の実施例に相当する。
【００３６】更に、等級判定のための別の幾何学的特徴
量として、茄子の曲がり具合（左右対称性）の判定用に
対称率Ｔを数式８により定義する。なお、数式８におい
て、Ｗ1〜Ｗ4は茄子の中心線ＡＢから幅方向に沿って算
出した両端までの距離である。すなわち数式８により、
距離Ｗ1，Ｗ2及びＷ3，Ｗ4のそれぞれの差の加算値（｜
Ｗ1−Ｗ2｜＋｜Ｗ3−Ｗ4｜）と、最大長Ｌとの比率を算
出して茄子の曲がり具合に関する対称率Ｔを得ることが
でき、この対称率Ｔを幾何学的特徴量として茄子の等級
判定を行うことができる。上記対称率Ｔの算出方法が第
４の発明の実施例に相当する。
量として、茄子の曲がり具合（左右対称性）の判定用に
対称率Ｔを数式８により定義する。なお、数式８におい
て、Ｗ1〜Ｗ4は茄子の中心線ＡＢから幅方向に沿って算
出した両端までの距離である。すなわち数式８により、
距離Ｗ1，Ｗ2及びＷ3，Ｗ4のそれぞれの差の加算値（｜
Ｗ1−Ｗ2｜＋｜Ｗ3−Ｗ4｜）と、最大長Ｌとの比率を算
出して茄子の曲がり具合に関する対称率Ｔを得ることが
でき、この対称率Ｔを幾何学的特徴量として茄子の等級
判定を行うことができる。上記対称率Ｔの算出方法が第
４の発明の実施例に相当する。
【００３７】
【数８】Ｔ＝（｜Ｗ1−Ｗ2｜＋｜Ｗ3−Ｗ4｜）／Ｌ
【００３８】図３は、幾何学的特徴量である近似的体積
Ｖ、第１の形状率ＲS1、第２の形状率ＲS2及び対称率Ｔ
と、色彩的な特徴量である色をパラメータとして、茄子
の階級判定及び等級判定を行う場合の判定基準と検出方
法をまとめたものである。なお、茄子の色の認識につい
ては、カラーカメラによって撮像された特定色の面積の
比率（カラー比率）により、赤茄子、青ガク、白ガク等
の不良茄子を判定する。
Ｖ、第１の形状率ＲS1、第２の形状率ＲS2及び対称率Ｔ
と、色彩的な特徴量である色をパラメータとして、茄子
の階級判定及び等級判定を行う場合の判定基準と検出方
法をまとめたものである。なお、茄子の色の認識につい
ては、カラーカメラによって撮像された特定色の面積の
比率（カラー比率）により、赤茄子、青ガク、白ガク等
の不良茄子を判定する。
【００３９】図４は、近似的体積Ｖによる茄子の階級仕
分けのための基準値の一例を、また、図５は等級仕分け
のための基準値の一例を示すものであり、階級について
は４Ｌ〜２Ｓの範囲で、等級については□（カク）から
Ｂ及び格外の範囲で仕分けられる。上記各基準値は茄子
のでき具合等により毎日変更する必要があるので、図１
に示したＦＡパソコン２１によりその都度設定するもの
とする。
分けのための基準値の一例を、また、図５は等級仕分け
のための基準値の一例を示すものであり、階級について
は４Ｌ〜２Ｓの範囲で、等級については□（カク）から
Ｂ及び格外の範囲で仕分けられる。上記各基準値は茄子
のでき具合等により毎日変更する必要があるので、図１
に示したＦＡパソコン２１によりその都度設定するもの
とする。
【００４０】なお、本実施例が適用される画像処理装置
では、大半の濃淡処理・画像演算処理・特徴抽出処理を
ビデオレート（１／３０秒）で実行することができ、こ
の画像処理装置を６条のコンベアからなる茄子自動選果
システムに適用した場合、１条あたり毎秒３個の仕分け
性能が得られ、システム全体としては毎秒１８個で１日
に３１．４５トンの茄子を分類・仕分け処理することが
可能である。
では、大半の濃淡処理・画像演算処理・特徴抽出処理を
ビデオレート（１／３０秒）で実行することができ、こ
の画像処理装置を６条のコンベアからなる茄子自動選果
システムに適用した場合、１条あたり毎秒３個の仕分け
性能が得られ、システム全体としては毎秒１８個で１日
に３１．４５トンの茄子を分類・仕分け処理することが
可能である。
【００４１】上記実施例において、近似的体積Ｖの補正
値算出（数式４、数式５参照）を除いては、形状率
ＲS1，ＲS2及び対称率Ｔの算出に茄子の投影面積Ｓが用
いられていないが、茄子の階級判定に際し幾何学的特徴
量として投影面積Ｓを加味することも勿論可能である。
値算出（数式４、数式５参照）を除いては、形状率
ＲS1，ＲS2及び対称率Ｔの算出に茄子の投影面積Ｓが用
いられていないが、茄子の階級判定に際し幾何学的特徴
量として投影面積Ｓを加味することも勿論可能である。
【００４２】
【発明の効果】以上のように本発明によれば、対象物の
傾きやアフィン変換の量子化誤差等に影響されずに対象
物の最大長や最大幅等を正確に算出することができ、こ
れらに基づいて算出した近似的体積、全体的な太さの度
合いやくびれの度合いに関する形状率、曲がりの度合い
に関する対称率を幾何学的特徴量として階級判定、等級
判定に用いることにより、単に最大長や投影面積のみを
用いる場合に比べて外観形状の認識、階級・等級判定を
一層正確に行うことができ、農水産物のような対象物を
高精度かつ迅速に分類し、仕分けることが可能になる。
傾きやアフィン変換の量子化誤差等に影響されずに対象
物の最大長や最大幅等を正確に算出することができ、こ
れらに基づいて算出した近似的体積、全体的な太さの度
合いやくびれの度合いに関する形状率、曲がりの度合い
に関する対称率を幾何学的特徴量として階級判定、等級
判定に用いることにより、単に最大長や投影面積のみを
用いる場合に比べて外観形状の認識、階級・等級判定を
一層正確に行うことができ、農水産物のような対象物を
高精度かつ迅速に分類し、仕分けることが可能になる。
【図１】本発明の実施例が適用される画像処理装置のブ
ロック図である。
ロック図である。
【図２】実施例における２次元画像パターンの各部の長
さ等を示す図である。
さ等を示す図である。
【図３】実施例において茄子の階級判定及び等級判定を
行う場合のパラメータ、判定基準及び検出方法を示す図
である。
行う場合のパラメータ、判定基準及び検出方法を示す図
である。
【図４】実施例における近似的体積による茄子の階級判
定のための基準値の説明図である。
定のための基準値の説明図である。
【図５】実施例における茄子の等級判定のための基準値
の説明図である。
の説明図である。
【図６】２次元画像パターンから最大長を算出する場合
の説明図である。
の説明図である。
【図７】２次元画像パターンから最大長を算出する場合
の説明図である。
の説明図である。
【図８】２次元画像パターンから最大長を算出する場合
の説明図である。
の説明図である。
【図９】対象物の曲がり具合を検出する場合の説明図で
ある。
ある。
【図１０】対象物の曲がり具合を検出する場合の説明図
である。
である。
１０ 本体 １１ 制御ＣＰＵ部 １２ 画像入出力部 １３ 画像処理部 １４ ＤＩＯカード １５ ＩＣメモリカード １６ ＲＩＳＣプロセッサ １７ ネットワーク部 １８，１９ ＩＴＶカメラ ２０ モニタテレビ ２１ ＦＡパソコン ２２ ハンドヘルドキーボード Ｍ 対象物 Ｌ 照明
Claims (4)
- 【請求項１】 対象物を分類・仕分けするために、その
外観形状をＩＴＶカメラにより撮像して得た２次元画像
パターンから対象物の幾何学的特徴量を算出し、この特
徴量を基準値と比較して対象物の大きさに関する階級判
定及び品質に関する等級判定を行う外観検査方法におい
て、 前記２次元画像パターンから対象物の輪郭部の包絡点を
抽出し、これらの包絡点の相互間の距離から対象物の最
大長及びこの最大長に直交する方向の最大幅を求めると
共に、最大幅と最大長と定数との積により対象物の近似
的体積を算出し、この近似的体積を幾何学的特徴量とし
て対象物の階級判定を行うことを特徴とする外観検査方
法。 - 【請求項２】 対象物を分類・仕分けするために、その
外観形状をＩＴＶカメラにより撮像して得た２次元画像
パターンから対象物の幾何学的特徴量を算出し、この特
徴量を基準値と比較して対象物の大きさに関する階級判
定及び品質に関する等級判定を行う外観検査方法におい
て、 前記２次元画像パターンから対象物の輪郭部の包絡点を
抽出し、これらの包絡点の相互間の距離から対象物の最
大長及びこの最大長に直交する方向の最大幅を求めると
共に、最大幅と対象物の首部の幅との差と、最大長との
比率により対象物のくびれの度合いに関する形状率を算
出し、この形状率を幾何学的特徴量として対象物の等級
判定を行うことを特徴とする外観検査方法。 - 【請求項３】 対象物を分類・仕分けするために、その
外観形状をＩＴＶカメラにより撮像して得た２次元画像
パターンから対象物の幾何学的特徴量を算出し、この特
徴量を基準値と比較して対象物の大きさに関する階級判
定及び品質に関する等級判定を行う外観検査方法におい
て、 前記２次元画像パターンから対象物の輪郭部の包絡点を
抽出し、これらの包絡点の相互間の距離から対象物の最
大長及びこの最大長に直交する方向の最大幅を求めると
共に、最大幅と最大長との比率により対象物の全体的な
太さの度合いに関する形状率を算出し、この形状率を幾
何学的特徴量として対象物の等級判定を行うことを特徴
とする外観検査方法。 - 【請求項４】 対象物を分類・仕分けするために、その
外観形状をＩＴＶカメラにより撮像して得た２次元画像
パターンから対象物の幾何学的特徴量を算出し、この特
徴量を基準値と比較して対象物の大きさに関する階級判
定及び品質に関する等級判定を行う外観検査方法におい
て、 前記２次元画像パターンから対象物の輪郭部の包絡点を
抽出し、これらの包絡点の相互間の距離から対象物の最
大長を求めると共に、 対象物の長さ方向に沿った中心線から対象物の幅方向に
沿って算出した両端までの距離の差と、最大長との比率
により対象物の曲がりの度合いに関する対称率を算出
し、この対称率を幾何学的特徴量として対象物の等級判
定を行うことを特徴とする外観検査方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP16025193A JP3371915B2 (ja) | 1993-06-04 | 1993-06-04 | 外観検査方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP16025193A JP3371915B2 (ja) | 1993-06-04 | 1993-06-04 | 外観検査方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06347239A true JPH06347239A (ja) | 1994-12-20 |
| JP3371915B2 JP3371915B2 (ja) | 2003-01-27 |
Family
ID=15710968
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP16025193A Expired - Lifetime JP3371915B2 (ja) | 1993-06-04 | 1993-06-04 | 外観検査方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3371915B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015041975A (ja) * | 2013-08-23 | 2015-03-02 | ブラザー工業株式会社 | 処理装置、および、コンピュータプログラム |
| WO2016133175A1 (ja) * | 2015-02-19 | 2016-08-25 | 株式会社ガオチャオエンジニアリング | 莢果選別システム、莢果選別装置及び莢果選別方法 |
-
1993
- 1993-06-04 JP JP16025193A patent/JP3371915B2/ja not_active Expired - Lifetime
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015041975A (ja) * | 2013-08-23 | 2015-03-02 | ブラザー工業株式会社 | 処理装置、および、コンピュータプログラム |
| WO2016133175A1 (ja) * | 2015-02-19 | 2016-08-25 | 株式会社ガオチャオエンジニアリング | 莢果選別システム、莢果選別装置及び莢果選別方法 |
| JPWO2016133175A1 (ja) * | 2015-02-19 | 2018-01-25 | 株式会社ガオチャオエンジニアリング | 莢果選別システム、莢果選別装置及び莢果選別方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3371915B2 (ja) | 2003-01-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10373305B2 (en) | Positioning method for searching a previously registered standard pattern out of an inspection target image | |
| CN101770582B (zh) | 图像匹配系统及方法 | |
| US5081689A (en) | Apparatus and method for extracting edges and lines | |
| US4574393A (en) | Gray scale image processor | |
| US9410898B2 (en) | Appearance inspection device, appearance inspection method, and program | |
| EP1430446B1 (en) | Image processing method for appearance inspection | |
| US6226399B1 (en) | Method and system for identifying an image feature and method and system for determining an optimal color space for use therein | |
| US8315457B2 (en) | System and method for performing multi-image training for pattern recognition and registration | |
| US5208870A (en) | Image inspection methods and apparatus | |
| JP2000163579A (ja) | 外観検査方法およびその装置 | |
| JP3371915B2 (ja) | 外観検査方法 | |
| CN112069841B (zh) | X光违禁品包裹跟踪方法及装置 | |
| JPH02242382A (ja) | 欠陥検査方法 | |
| US6915010B2 (en) | Real time object localization and recognition from silhouette images | |
| CA2230197C (en) | Strand orientation sensing | |
| US6240202B1 (en) | Appearance inspection method for electronic parts | |
| JP2841961B2 (ja) | 視覚認識装置 | |
| JP2000194861A (ja) | 画像認識方法及び装置 | |
| JP6864722B2 (ja) | 検査装置、検査方法およびプログラム | |
| JP2710685B2 (ja) | 外観検査による欠陥検出方法 | |
| CN114897827B (zh) | 基于机器视觉的烟叶包装箱状态检测方法 | |
| JPS61156485A (ja) | 視覚装置のスライスレベル決定方式 | |
| JP2959017B2 (ja) | 円形画像判別方法 | |
| CN117611524A (zh) | 基于多源图像的快件安检方法 | |
| JPH0420225B2 (ja) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20021023 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071122 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081122 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091122 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091122 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101122 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111122 Year of fee payment: 9 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111122 Year of fee payment: 9 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111122 Year of fee payment: 9 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111122 Year of fee payment: 9 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121122 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131122 Year of fee payment: 11 |
|
| EXPY | Cancellation because of completion of term |