JPH0644410A - 移動するウエブにおける文字を分離するための神経ネットワーク光学式の文字認識装置及び方法 - Google Patents

Abstract

(57)【要約】 【目的】 移動するウエブ上の文字を識別するための神
経ネットワーク準拠形光学式文字認識技法を提供する。 【構成】 画像獲得装置（３８）は、移動ウエブ（１
０）上に印刷された文字が画像化されるように移動ウエ
ブが通過する画像化窓を規定している。分類データは画
像化窓を通過する各印刷ウエブ文字について抽出されて
累積される。光源（５０）は画像化されているときのウ
エブの透過照明を与える。累積分類データを処理して各
対応する画像化文字を表示する印刷文字分類情報を生成
するために画像獲得装置に神経ネットワーク加速器（７
０，１２８）が結合される。分類情報を適当なＡＳＣＣ
ＩＩ文字コードに変換するために加速器に処理装置（１
３０）が結合される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は一般に光学式文字認識
の分野に、且つ特に、神経ネットワークアルゴリズムを
使用して半透明又は透明材料の移動ウエブ上の縁部標識
付き文字を認識する光学式の文字認識装置及び方法に関
係している。

【０００２】

【従来の技術及び発明が解決しようとする課題】縁部標
識付け（エッジマーキング）は、フィルムベース又はウ
エブの長手方向縁部に識別番号の形式で人間にも機械に
も読取り可能な文字を印刷することを含んでいる。ウエ
ブは非写真又は写真材料、例えばアセテート又はＥｓｔ
ａｒ（登録商標）フィルムベース、でよい。一つの典型
的な実施は、整合標識からなる一連の文字で構成された
縁部標識を増分的ロール番号及びフィート数数字と共に
レーザプリントすることである。例えば、写真フィルム
産業においては、製造工程中に半透明フィルムベースの
一方の縁部に種々の事前規定の長さで縁部標識が印刷さ
れることがある。縁部標識はフィルム製造産業において
は製造工程の種々の段階中におけるロール同一性及び欠
陥場所の確認を可能にする「内蔵の」ロール識別を与え
るために使用される。縁部標識は、大抵の場合フィルム
ベースの縁部に沿って配置された突起模様上に部分的に
又は完全に重ね合わされることができる。種々の縁部標
識付けシステムが例として米国特許番号４８５４６９
６，４８６５８７２，４５０８４３８，４５１９７０１
及び４５４８４９２に記述されている。

【０００３】通常の書類処理システムは白色背景上の黒
色印刷情報を光学的に読み取るように設計されている。
又、異なった印刷字体を区別するために及び特定の個々
の文字を識別するために既知の技術においては多くの光
学的文字認識（ＯＣＲ）技法が利用されている。（ここ
で使用されたように「文字」の語は数字及び英数字文字
並びにバーコードデータ又は他の類似の指標を含むべき
である。文字は、一般に連続プリントと呼ばれる連続形
式で、又はドット（点）の行及び列が文字を規定するド
ットマトリックス印刷形式で印刷されることができる。

【０００４】文字認識は文字と関連した多くのパラメー
タを関係させるので、文字が連続しているか又はドット
マトリックス印刷により表現されているかは文字を認識
する際の重要な情報部分である。種々の特徴認識アルゴ
リズムが連続形文字の光学式文字認識のために利用可能
である。加えて、テンプレート認識のための種々のマス
クがしばしばドットマトリックス印刷を認識するために
利用される。一般に、ドットマトリックス印刷の認識は
文字の破断した性質のために連続形文字の認識よりも困
難である。

【０００５】ドットマトリックス文字を認識する際の別
の複雑性は多くの場合、文字が印刷されているウエブの
材料から生じる。既に述べたように、写真材料産業にお
いては、例えば、ドットマトリックス文字はＥｓｔａｒ
及び／又はアセテートフィルムウエブに施されることが
ある。それゆえ、結果として生じる文字は（連結形であ
ればドットマトリックス形であれ）一般に、白色紙上の
黒色文字と同じ品質のものではない。せいぜい、白色紙
上の黒色文字のための最高技術水準の光学式文字認識
（ＯＣＲ）技法は、Ｅｓｔａｒ及びアセテートフィルム
ウエブにおいて見つけられるような良くない品質の背景
材料上の連続形文字を読み取るために使用されたときに
はわずかに機能する。更に、利用可能な技法を用いる半
透明のＥｓｔａｒ及びアセテートウエブ上の高度に異常
なレーザ印刷ドットマトリックス文字の光学式文字認識
は実際上全く動作不可能である。ドットマトリックス印
刷は、多くの場所で不連続である（且つことによると透
明又は半透明の形式で施されることさえもある）ので、
白色紙上の標準的黒色文字よりもかなり大きい認識問題
を提供する。付加的な問題は明らかに、例えば、ウエブ
の縁部におけるぎざぎざに起因する、文字が印刷されて
いる材料の「雑音の多い」性質に関係していることがあ
る。

【０００６】今日市場へ出ているＯＣＲ装置は一般に、
半透明の、雑音の多い背景材料上のドットマトリックス
形印刷（又は連続形印刷でさえも）については十分に機
能しないので、そのような文字の認識に対する新しい人
工的神経ネットワーク・アプローチがここで提案されて
いる。神経ネットワークは、ＯＣＲ、パターン認識、機
械学習、プロセス制御及び音声認識に限定はされない
が、これらを与えるように特定の方法で相互接続された
大規模に並列のニューロン形素子である。人工的神経ネ
ットワークシステムにおける最も普通の構造は非線形処
理素子のネットワークであって、この場合「ノード（接
続点）」は情報チャネル又は「重み」により複数の入力
に相互接続されている。各ノードは多数の入力及び重み
を処理することができ且つそれぞれ一つの出力信号を持
っている。ネットワークは多くの場合多数の層を持つこ
とができ、この場合最初の層に続く層は前の層の出力か
ら入力を受ける。ネットワークにおける最後の層は一般
に出力刺激を与える。

【０００７】神経ネットワークは非常に基本的なレベル
において、生物学的神経系を模擬することができる。生
物学的神経系の利点の多くは、広い許容範囲及び環境を
一般化し、適応させて処理し、大規模並列形式で動作し
て実効上実時間レートで機能する能力、障害耐性、又は
ネットワーク自体の内部の誤りを処理する能力、前例に
より学習する能力、を含んでいる。神経ネットワークは
有効な結果が得られるようになる前に訓練を必要とす
る。しかしながら、多くの応用においては、ネットワー
クの一度のバッチの後方伝達訓練で十分である。訓練さ
れると、結果として生じる「重み」は記憶されて、後程
の使用のために非訓練試験モード又は「前方モード」動
作で検索される。

【０００８】ここに開示されているのは、移動する雑音
の多いウエブ背景（例えばＥｓｔａｒ及びアセテートウ
エブ）上の連続形又はドットマトリックス形の文字を実
時間で認識するための神経ネットワーク準拠形光学式文
字認識技法である。

【０００９】

【課題を解決するための手法】簡単に記述すると、この
発明は一態様において、移動する材料のウエブ上に配置
された文字を抽出して分類するための新規な神経ネット
ワーク光学式の文字認識装置を含んでいる。この文字認
識装置には移動する材料のウエブが通過させられる画像
化窓を規定する画像獲得装置がある。この画像獲得装置
は画像化窓を通過している各印刷ウエブ文字について画
像データを抽出して蓄積する。ウエブが規定の画像化窓
を通過するときにウエブを照明するために光源が準備さ
れている。画像化窓を通過する各ウエブ文字についての
蓄積画像データを処理するために画像獲得装置に神経ネ
ットワーク加速器板が結合されている。この処理は事前
定義の神経ネットワークアルゴリズムに従って行われ
る。ネットワーク加速器は画像データから印刷文字分類
情報を生成する。神経ネットワーク加速器に結合された
分類装置は次に、神経ネットワーク加速器により生成さ
れた対応する印刷文字分類情報を用いて各印刷ウエブ文
字を明確に分類する。

【００１０】望ましくは、認識装置内に使用される神経
ネットワーク加速器は事前定義の多層神経ネットワーク
後方伝搬形アルゴリズムを実現する新規な神経ネットワ
ーク加速器板を含んでいる。この板は第１部分及び第２
部分に分割された記憶装置を含んでいて、入力データは
最初それの第１部分に保持されている。複数の並列接続
処理ノードがそれに結合されていて、各ノードは記憶装
置の両方の部分へのアクセスを備えている。各処理ノー
ドは又、二重ポート式記憶装置の第１部分か又は第２部
分にそれの出力データを送るように接続されている。多
層後方伝搬形神経ネットワークの第１層においては、複
数の並列接続処理ノードからの出力データは二重ポート
式記憶装置の第２部分へ記憶される。第１層処理の後、
スイッチング装置が活動化されて第２記憶装置部分を複
数の並列接続処理ノードのそれぞれの入力に結合するの
で、そこに記憶されたデータは次にネットワークアルゴ
リズムに従って第２層処理のために使用されることがで
きる。第２層においては、処理ノードからの出力データ
は二重ポート式記憶装置の第１部分へオーバライトされ
る、データの記憶及び検索は、多層神経ネットワークア
ルゴリズムが処理されてしまうまで記憶装置の第１部分
と第２部分との間で交番するように接続される。認識装
置に対する更なる特定の改良も又この明細書において記
述され且つ請求されている。

【００１１】別の態様においては、神経ネットワークを
用いて移動する材料のウエブ上に配置された文字を抽出
して分類するための方法が提供されている。この方法
は、移動するウエブを事前規定の画像化窓を通過させて
これと同時に窓内のウエブを照明すること、ウエブが画
像化窓を通過するときにこの窓内のウエブの画像を獲得
すること、画像化窓に配置された任意の文字についての
画像データを抽出して蓄積すること、及び事前規定の神
経ネットワークを用いて蓄積画像データを処理し且つこ
れから文字分類情報を生成すること、を含んでいる。望
ましくは、この分類情報は次に、記憶、外部システムへ
の伝送、及び／又は表示のためにＡＳＣＩＩ符号に変換
される。認識装置についてと同様に、特定の改良式プロ
セス段階も又この明細書において記述され且つ請求され
ている。

【００１２】要約すると、神経ネットワークを使用して
移動する材料のウエブ上の縁部標識形文字を認識する新
規な文字認識装置及び方法が述べられている。述べられ
た技法は移動する透明又は半透明材料、例えばＥｓｔａ
ｒ又はアセテート材料のウエブ上の高度に変形したドッ
トマトリックス数字文字を識別することができる。更
に、任意のソフトウエア準拠式文字認識実施法に比べて
改善された性能を明らかに提供することの外に、任意の
これまでの知られた加速器板に比べてかなり改善された
性能が可能である新規な神経ネットワーク加速器板が提
供されている。提供されているのは、移動するウエブ上
の縁部標識付き文字の認識に対する実用的神経ネットワ
ーク応用である。この技法を用いると、文字が肉眼では
認識不可能であるような良くない品質のものであるかも
しれないにもかかわらず文字を適当に認識することがで
きる。説明された文字認識装置及び方法は生成データに
ついて実時間で動作する。この技法は神経ネットワーク
に基づいているので、この認識装置／方法は、一般化を
行うこと、環境における広い寛容度に適応し且つ処理す
ること、大規模並列形式で動作して実時間レートで実効
上動作すること、障害耐性、又はネットワーク自体の外
部の誤りを処理する能力を与えること、及び例によって
学習すること、ができる。

【００１３】

【実施例】今度は諸図面に言及が行われるが、この諸図
面においては同様又は類似の構成部分を示すために種々
の図面を通して同じ参照数字が使用されている。

【００１４】総括的に１０で示された、移動する材料の
ウエブの一つの部分的実施例が図１に描かれている。上
述のように、ウエブ１０は任意の連続的に移動する、非
写真材料（例えば紙）又は写真材料、例えばアセテート
若しくはＥｓｔａｒフィルムベース、のウエブからなる
ことができる。ウエブが写真材料からなっている場合に
は、市松模様の浮出しパターン又は突起模様１２が一般
的にウエブ１０の縁部１４に沿って使用されている。
（典型的には、写真材料では、乳剤被膜がウエブの各長
手方向縁部から事前規定の距離内には現れないので、ウ
エブはその縁部の近くでは半透明である。突起模様１２
はこの区域内に生じるものと仮定されている。） ウエブ速度は特定の範囲（例えば、静止から１０００ｆ
ｔ．／Ｍｉｎ．まで）内で変化するものと仮定されてい
て、進行は右から左である。長手方向の縁部標識１６は
突起模様１２の一つの部分に部分的に重なり合って示さ
れており、従って重なり合った文字の人間による認識及
び機械による認識は困難である。ちり、表面の非一様
性、及び複屈折は半透明背景材料の品質を更に劣化させ
るように機能する。図示の例においては、縁部標識１６
は、機械番号、増分式ロール番号及び／又はフィート数
数字情報からなっているような複数の数字文字２０が後
続している特定の整合標識１８を含んでいる。

【００１５】縁部標識１６のような縁部標識付けは典型
的にはウエブ１０の縁部に沿って等間隔に印刷されてい
る。縁部標識の「分類」の適当な識別は製品管理ループ
又はプロセス制御ループにおけるフィードバックとして
使用されることができる。例えば、縁部標識は製造工程
の任意の段階中における欠陥場所と共に、ロール特定の
直接の確認を可能にする。一採択形式の縁部標識付けに
おいては、標識１６はドットマトリックス式文字の小長
円ピットのＣＯ₂ レーザ印刷系列からなっているが、連
続的に移動するウエブの事前選択場所に指標を集束させ
るために種々の形式の別の機器が利用可能である。ここ
で与えられる説明は良くない品質の印刷を仮定してお
り、これは文字が施されている雑音の多い背景材料に部
分的に又は完全に起因することがあり、従って、全部で
はないとしても大抵の現存する文字認識機器は不満足な
結果を生じる。ここに説明される例においては、移動す
るＥｓｔａｒウエブ上の高度に変形したドットマトリッ
クス文字が配置されていて分類されることになっている
ものと仮定されている。そのような場合には、文字は典
型的には半透明であり、フィルムベースは透明又は半透
明であるので、肉眼では特定の文字分類を識別すること
ができない。しかしながら、文字を分類するためにこの
発明に従って構成された神経ネットワークシステムによ
って使用され得る関連の分類情報がなおそれに存在す
る。

【００１６】文字は「０，１，２，３，４，５，６，
７，８，９」のようなある種の数字分類内に入るように
定義されている。ドットマトリックス数字文字像１６は
ウエブ１０の縁部１４に非常に接近して印刷されること
ができる。文字メッセージ書式は固定されていてウエブ
の縁部に沿って実質上一定に隔置されているものと仮定
されている。文字間の一定の長さ及び文字の一定の大き
さは既知であると仮定されている。更に、文字は大き
さ、形状及び書式が実質上一定にとどまっていて決して
重なり合わない。しかしながら、メッセージ間の距離は
メッセージごとに変わることがある。

【００１７】図２に言及すると、総括的に３０で示され
た、この発明による神経ネットワーク準拠形光学式の文
字認識装置の一実施例が示されている。やはり、文字認
識装置３０は、それ自体透明又は半透明であるような材
料１０の、移動する連続ウエブにおける、半透明である
ようなドットマトリックス数字文字像を走査するように
設計されている。提供された文字認識装置は、他の場合
には人間の目には認識不可能であるかもしれない特定の
文字を抽出して分類することができる。文字認定装置３
０はコンピュータ３２を含んでおり、これは下で説明さ
れるように、この発明による神経ネットワークを実現す
る。コンピュータ３２は標準入力インターフェース装
置、例えばキーボード３４又はタッチスクリーン、並び
に出力インタフェース装置、例えばビデオ表示装置３６
及び／又は直列ポート３１、を備えていればよい。文字
認識装置３０は又カメラ３８を備えており、これは望ま
しくは、ウエブ上の縁部標識１６を画像化するためにウ
エブ１０の縁部１４の上方に適当に配置されたＣＣＤ線
装置カメラからなっている。透過照明源（図示されてい
ない）が移動ウエブの下に配置されており、且つ符号器
４０も又準備されている。カメラ３８、照明源、及び符
号器４０はそれぞれ適当な線接続部３７、３９、４１に
よってコンピュータ３２に結合されている。

【００１８】文字認識装置３０に対する種々のハードウ
エア成分のあるものが図３に幾分詳細に描かれている。
移動する連続ウエブ１０を透過照明するために赤外線照
明源５０が示されている。ウエブ照明は線走査カメラ３
８の画像化窓として規定された画像化窓内で行われる。
ウエブ移送装置はカメラ３８の画像化窓に直角にウエブ
１０を移動させるためにローラ５２を含んでいる。カメ
ラ３８には縁部標識を画像化するためにウエブ１０の適
当な縁部に沿ってトラッキング装置（図示されていな
い）が配置されている。ウエブは移送装置におけるサー
ボモータ（図示されていない）を用いて未知の変化する
速度で推進される。ウエブは２７０°光学式軸符号器ロ
ーラ５４を含む数個のローラの周りに巻きついている。
このローラの軸５６は回転式光学軸符号器（図示されて
いない）に取り付けられている。光学式軸符号器は１回
転当り２００００パルスの分解能を持つことができ、ウ
エブ１０の運動又は移動を監視するためにこの発明に従
って使用される。

【００１９】又図３に示されているように、文字認識装
置３０はＣＣＤカメラ３８の観察レンズ６０に近接して
配置された（ＩＲ光だけを通過させることのできる）白
色光フィルタ５８を備えている。フィルタ５８のすぐ下
には空間スリップフィルタ（図示されていない）が取り
付けられることが望ましい。コンピュータ６２は、ＣＰ
Ｕ６２及びＰＣデータ／制御母線６３のような標準的計
算用構成部分の外に、この発明に従って、フレームグラ
ッバ板６４（これは線接続部３７によってカメラ３８に
結合されている）、前処理板６８、神経ネットワーク加
速器板７０、符号器板７２、及び直列通信板７４を備え
ている。板６４、６８、７０、７２及び７４はそれぞれ
下で詳細に説明される。

【００２０】光学式軸符号器は相互接続ケーブル４１に
よって符号器板７２に結合されている。ウエブ１０が移
動するにつれて光学式軸符号器から符号器パルスで発生
され、これは線４１により符号器板７１にインタフェー
ス接続される。板７２はこれらのパルスを係数し、ｎ
（ここでｎはパルス計数の事前プログラムされた数であ
る）のパルス計数が（例えば、値ｎを事前記憶した計数
器を減分することによって）達成されると、符号器板は
フレームグラッバ板６４（すなわち、線走査処理板）に
トリガパルスを放出する。ウエブが支援するべきである
ならば、板７２はウエブが後程前方へ移動するときに次
の文字場所を正しく識別するために逆方向にパルスの数
を計数してこれらを減分されるべき計数器に加算するよ
うにプログラムされる。トリガパルスは外部トリガ入力
６７において受信される。板６４はそこでカメラ３８を
トリガして、所定数の画素（例えば、３２画素）からな
る移動ウエブのグレースケール線画像を捕獲してこれを
外部母線３７により板６４に伝送する。結果として生じ
る画像はＲＡＭ６５に保持されて、専用の外部母線６９
により前処理板６８に転送され、そしてここで線走査画
像の各画像の各画素はしきい値設定されて１ビット値に
変換される。

【００２１】図４は前処理板６８の実施例を更に詳細に
示している。

【００２２】図示されたように、しきい値設定を受けた
後、画像化画素値は６４ビット先入れ先出し（ＦＩＦ
Ｏ）バッファ８０へ押し込まれる。バッファ８０は二つ
の３２ビット列を備えており、各列は二つの隣接した捕
獲線走査式画像の一つを受ける。一たん二つの線画像が
捕獲されると、ＦＩＦＯにおけるデータは１６の並列接
続４入力ＯＲゲート８２を用いて同時に処理される。こ
の方法で、走査情報は一つの新規な段階で拡大され且つ
又圧縮される。ＯＲゲート８２からの結果として生じる
１６ビットのデータは１６語の深さの記憶配列８４によ
って１６ビット幅へパイプラインされる。

【００２３】記憶配列８４は、パイプライン式ＲＡＭと
も呼ばれる、移動窓画像バッファのように機能する。配
列の内容がコンピュータスクリーンに表示されるとした
ならば、ウエブがカメラの下を移動するときにウエブの
１６列幅の複製物が移動することになるであろう。画像
前処理板における付加的な回路構成はその場合完全な１
６×１６の配列をとり、各ビットをこれの規準化１６ビ
ット、２の補数同値数へ変換する。例えば、ビットが１
であるならば、それは１０２４として取り扱われ、従っ
てそれの規準化１６ビット整数２の関数は００００ ０
１００ ００００ ００００である。別の場合として、
ビットが０であるならば、それは負の１０２４として取
り扱われ、それの規準化２の補数は１１１１ １１００
００００、００００である。変換が完成されると、各
結果は専用母線８６か又は主ｐｃ母線６３により神経ネ
ットワーク加速器板７０（図３）に送られる。

【００２４】図５はこの発明による神経ネットワーク加
速器板７０の一実施例を示している。画像前処理板（図
３）からの各規準化２の補数は最初に連続的順序で二重
ポート入力ＲＡＭ９０の第１部分に記憶される。（第１
ＲＡＭ部分は図５の低バンクＲＡＭ部分からなってい
る。）情報は、専用のデータ入力線８６か又はＰＣ母線
−データ入力／出力６３から信号を受けるように結合さ
れたＭＵＸ９２を介してＲＡＭ９０に転送される。画像
データの全２５６ビット（すなわち、１６×１６配列）
を受けると、トリガ信号が画像前処理板６８から神経ネ
ットワーク加速器板７０に送られて入力データ画像が処
理され且つ分類される。下で詳細に説明されるように、
神経ネットワーク加速器板７０は次に一連の計算を行
い、この計算はこの発明の数字文字実施例に従って、各
数字０〜９について一つずつの、１０の１６ビット出力
値を生じる結果になる。これらの出力値は記憶装置９０
における二つのＲＡＭ場所の一つに記憶されて、ネット
ワークの出力と呼ばれる。ネットワーク出力結果はＣＰ
Ｕ６２（図３）によって読み取られ、対応するＡＳＣＩ
Ｉ符号に合わせて復号化されることが望ましい。表１は
一つの可能な復号化形態を記載している。代わりの復号
化形態はしきい値付き「勝者全量取得方式（ｗｉｎｎｅ
ｒ ｔａｋｅ ａｌｌ ａｐｐｒｏａｃｈ）」であろ
う。このような復号化形態においては、最高の出力値は
残りの出力値の大多数がＨｉ−Ｔｈｒｅｓｈｏｌｄ（高
しきい値）より下にあるという条件で文字を識別する。
すべての出力がＨｉ−Ｔｈｒｅｓｈより小さければ、文
字は識別されたとは考えられない。

【００２５】

【表１】 ここで、Ｈｉ−Ｔｈｒｅｓｈ及びＬｏ−Ｔｈｒｅｓｈは
経験的に事前決定される。

【００２６】文字が見つけられないと仮定して、文字認
識装置はウエブから付加的な線画像を捕獲し、この画像
を処理して各画像窓を神経ネットワーク加速器板に転送
し、この板をトリガし、そしてこの板への出力を復号化
することへと移行して、ついには特別のメッセージ整合
文字１８（図１）が見つけられる。一たん文字１８が見
つけられると、事前規定の文字フィールドメッセージに
おける各文字画像の場所が知られる。（ウエブにおける
各文字は高い精度で機械印刷されることが望ましいの
で、文字間の間隔は既知で固定されていると仮定されて
いる。）この情報は縁部標識における各文字が存在する
はずである整合文字から線走査列の数を決定するために
使用されることができる。

【００２７】特別の整合文字の分類後、ソフトウェアを
用いて特別の復号化「ホールドオフ」変数及び特別の
「メッセージ長ホールドオフ」変数を設定することがで
きる。「ホールドオフ」変数はメッセージにおける最初
の数字の開始までの列の数を含んでおり、又「メッセー
ジ長ホールドオフ」変数はメッセージ内の文字認識装置
の現在の場所を識別する。カメラシステムが新しい線に
おいて読取りを行い、この線を事前処理板及び神経ネッ
トワーク加速器板により処理するたびごとに、ホールド
オフ変数は減分される。変数が０に達すると、文字画像
が画像化窓内で中心に配置されるはずであり、神経ネッ
トワークＲＡＭ９０（図５）の出力層における対応する
情報は縁部標識における現在の文字を表現している。こ
の時点で、ソフトウエアは神経ネットワーク入力ＲＡＭ
を検査して文字がほとんど又は完全に存在しているのか
どうかを決定することとが望ましい。文字が存在するな
らば、技術に通じた者は、方形畳込みを用いて小さい窓
ディザリング調整を行って窓内の文字の正確な場所を決
定することができ、且つ小調整も又必要に応じて行うこ
とができることを認めるであろう。

【００２８】例として、図６（ａ）〜６（ｃ）はカメラ
規定の画像化窓１００への縁部標識付き文字１０４の右
から左への移動を描いている。ウエブ１０４はウエブの
縁部１０２を含んでおり、これは図６（ａ）、６（ｂ）
及び６（ｃ）のウエブ進行中ほぼ一定の位置にとどまる
ように示されている。上述のような光学式符号器（図
３）の使用は、文字１０４が観察窓１００内にあるとき
にデータが処理されることを保証し、これによって文字
を首尾よく抽出して分類する機械を最大化する。神経ネ
ットワークは又画像化窓１００内のウエブ進み方を認識
するように訓練されることが望ましい。このことに関し
て、図７（ａ）はウエブの画像化窓通過のための好適な
場所を描いている。図７（ｂ）及び図７（ｃ）は画像化
窓内の移動ウエブの、それぞれ下方進行及び上方進行を
描いている。望ましくは、神経ネットワークは主題の文
字を画像化窓内のそれの位置に無関係に認識するように
訓練される。ウエブは移動しているので、それの縁部１
０２は画像化窓内で上又は下に移動することがある。
（ネットワークはより大きい画像化窓内のどこでも文字
を認識するように事前訓練されている。注意されるべき
ことであるが、印刷文字はウエブ場所に関して移動する
ことがある。） 一たん妥当な数字文字が復号化され（そして、例えば、
その結果が文字認識装置３０（図３）に結合されたＩ／
Ｏ装置、例えば直列ポート及び／又はビデオ（すなわ
ち、直列通信ボード７４を経由して）、並列ポート又は
ディスク駆動機構）に送られると、ホールドオフ変数
は、縁部標識における次の文字までの既知の列の数にリ
セットされる。文字が復号化されない場合には、ホール
ドオフ変数は零にセットされ且つ文字認識装置は次の特
別のメッセージ整合文字１８（図１）を捜索し始める。
この処理ループは文字認識装置がソフトウエアインタフ
ェースを経由してコンピュータ操作員により終了するよ
うに命令されるまで継続する。図５に戻って、技術的知
識のある人は気が付くことであろうが、与えられた神経
ネットワーク加速器板は多数の処理ノードに分割されて
いる。ノード分割が利用されているので、幾つかの処理
装置は同時に個別のノード計算について動作することが
できる。すべての処理装置（すなわち、乗算／累算器）
がそのそれぞれのノード計算を完了すると、その結果は
シグモイド（Ｓｉｇｍｏｉｄ）ＬＵＴ（探索表）へ送ら
れ、そしてデータはこれから二重ポート入力／出力記憶
装置ＲＡＭ９０の一方の側に再び書き込まれて、多層後
方伝搬形神経ネットワークアルゴリズムの第１層につい
てのすべてのノード計算が完了するまで記憶される。第
１層ノードが計算されると、それらの記憶された値は次
に第２層のノード計算のための入力として使用される。
第２層ノード計算の結果は二重ポート式入力ＲＡＭ９０
の高／低記憶領域の他方に記憶される。この交番式プロ
セスは神経ネットワーク「出力層」に到達するまで続行
される。すべての演算は１６ビット整数２の補数形式で
実施されることができる。整数計算を利用すると、安価
な高速乗算器及び累算器をノード処理装置として使用す
ることが可能である。前方モードにおいて神経ネットワ
ークのソフトウエアシミュレーション中浮動点計算を用
いても改善は見られず、又訓練モードにおいてさえもあ
る研究者たちは４ビットのような少ないビットでの整数
計算だけを用いて好結果の訓練を報告していることに注
目することが重要である。

【００２９】この特定の設計においては、１６の並列処
理装置が実現されていて、各処理装置は一度に一つのノ
ードを計算する。（「出力層」ネットワーク処理のため
には１６のノードのうちの１０だけが必要であるが、こ
れはここで論述されている実施例においては特別の整合
文字の外には数字文字（０〜９）だけが縁部標識に存在
するものと仮定されているからである。）各並列処理ノ
ードは各クロックサイクルにおいてそれぞれの累算器に
対して一つの入力重み乗算及び加算を行う。典型的なク
ロックサイクルは４０ＭＨｚであろう。図示された特定
の設計は完全接続式計算（に限定されてはいないが）の
ための能力を備えており、これは層ｎ＋１における各ノ
ードが重みを介して層ｎにおけることごとくのノードに
接続されているということである。そのような実施例に
おいては、前方モード計算速度は６．４億相互接続／秒
の程度になるように決定されている。

【００３０】加速器板はネットワークにおけるアドレス
・制御論理回路９８の制御レジスタ９９を適当にロード
することによって制御される。一つの制御レジスタはネ
ットワークにおける層の番号「層レジスタの番号」を保
持する。現在、ネットワーク層の番号は４まで（及びあ
る制限付きで８まで）行くことができる。各層につい
て、Ｉ／Ｏ場所はその層についての入力の番号を保持
し、且つ別値のＩ／Ｏ場所はノードの番号、ｉ＝１・・
・４における、「入力層ｉの番号」、「ノード層ｉの番
号」を保持する。これは板に対するネットワークの構造
を定義するのに必要な情報の大部分である。

【００３１】各処理装置は、後方伝搬アルゴリズムのそ
れぞれの層に対する所定の重み値、すなわち重みＲＡＭ
１、重みＲＡＭ２、・・・・重みＲＡＭ１６、を記憶す
るためにそれと関連した記憶装置９５を持っている。慣
例上、処理ノードは乗算器・累算器１、乗算器・累算器
２・・・・乗算器・累算器１６として標識付けされてい
る。最初の１６ノードが処理された後、処理ノードは次
の神経ネットワークの主部層のノード１７ないし３２に
ついて動作する。このプロセスは所与の層におけるすべ
てのノードが処理されるまで繰り返される。すなわち、
処理装置番号１はノード１，１７，３３などについて動
作し、又処理装置番号２はノード２，１８，３４につい
て動作する。処理されるべき層が１６未満の処理ノード
を含んでいるか又は１６未満のノードが処理されるため
に残っている場合には、不必要な処理装置９４の結果は
単に無視される。図８は処理ノード１についての重み値
記憶のための一実施例を示している。重み記憶装置は低
いアドレスから高いアドレスまで重み、ノード及び層の
順序でロードされる。並列に動作するネットワークにお
いては１６の処理ノードがあるのでノード順序は１６だ
け飛び越すことに注意せよ。

【００３２】入力をロードするには二つの方法がある。
文字認識のための入力をロードする主要な方法は、前処
理装置及びネットワーク板にインタフェース接続をする
ように設計された専用の並列入力ポート８６を通してで
ある。このインタフェースは、前処理装置板が書込みパ
ルスと共に１６ビットデータ及び１２ビットアドレスを
供給するポートを備えている。書込みハンドシェーキン
グなしで非同期的に行われる。特定の例として、前処理
装置板からの入力書込みは２０ＭＨｚで動作することが
できる。神経ネットワーク加速器のマルチプレクサ９２
は又主ＰＣ母線６３による入力ＲＡＭのローディングを
可能にする。入力ＲＡＭがロードされると、加速器板は
ソフトウエア開始指令又はハードウエアパルスによって
トリガされる。

【００３３】神経ネットワーク加速器板は加え合わされ
た１６ビット整数入力を非線形的に変換する処理ユニッ
トで構成されている。一つのユニットを別のユニットに
連結する連結強度すなわち重みは、第１ユニットの第２
ユニットの出力に及ぼす刺激的又は抑制的影響を表して
いる。正又は負の１６ビット整数であることができる。
各ユニットは又加合せ入力から減算されるしきい値を持
っている。このしきい値は１０２４の固定値を持ってい
るユニットからの重みとして実現され、従って同じ表記
及び学習アルゴリズムが又重みはもとよりしきい値にも
適用され得る。ｉ番目のユニットの出力はそれの入力の
すべてをまず加え合わせ、

【００３４】

【式１】 但し、ｗｉｊはｊ番目からｉ番目までのユニットの重み
である、そして次にシグモイド変換を適用する、すなわ
ち Ｐｉ＝Ｐ（Ｅｉ）＝ｔａｎｈ（Ｅｉ） 但し、ｔａｎｈ（Ｅｉ）は１５ビット・シグモイド接続
探索表ＲＡＭにおいて実現される、ことによって決定さ
れる。

【００３５】使用された神経ネットワーク加速器板は多
数の層のノードに階層的に配列されていて情報はネット
ワークを下部から上部へ流れる。

【００３６】処理装置Σ_wij ☆Ｉ_j の計算で終わった
後、この和は探索表９６ＲＡＭに送られてシグモイド関
数、例えはｔａｎｈ関数を計算する。（ジグモイド関数
探索表９６はノード出力について動作するように望まれ
た任意の伝達関数で事前プログラムされることができ
る。）ｔａｎｈ探索表の出力結果は現在の層の計算のた
めに使用されていない二重ポート入力ＲＡＭの交互の部
分に記憶される。例えば、初期入力が入力ＲＡＭ９０の
低バンク９０ｂへロードされたときには、第１の組のノ
ード計算が完了すると出力はＲＡＭ９０の高バンクＲＡ
Ｍ９０ａの開始アドレスで記憶される。第１層ノード計
算全体が完了すると、入力は高ＲＡＭ区域にシフトし
（トグルし）、第２層についての完了ノードは再び低バ
ンク９０ｂＲＡＭに書き込まれる。この交番プロセスは
すべての最終層計算が完了するまで継続する。明らか
に、奇数の層又は偶数の層のどちらが存在するかが、最
終結果が入力ＲＡＭの高又は低バンクのどちらに配置さ
れるかを決定する。又、この機能は入力ＲＡＭ空間が記
憶されるべき最大数の単一層入力の大きさの少なくとも
２倍であることを必要とすることに注意せよ。多くの場
合に、ネットワークの入力層は神経ネットワークにおけ
る最大層であることがわかる。

【００３７】多数の方法のいずれか一つを用いる、ネッ
トワークがその計算を完了したかどうかを決定すること
ができる。第１の、最も簡単な方法は加速器板に対する
最大時間より長い遅延を挿入してネットワークを計算し
て次に出力を読み取ることである。第２の方法は規定の
ネットワーク完了ビットについてネットワーク状態ポー
トを監視することであり、このビットは板がその計算を
完了するとセットされるであろう。なお別の代替例とし
て、板における割込み要求線を使用して割込み駆動形ソ
フトウエアルーチンを生成し、加速器板の出力を読み取
ることができる。

【００３８】システムの動作を要約すると、すべての周
辺板がオペレーティングシステムソフトウエアによって
初期設定された後、走査が非周期的に始まる。ソフトウ
エア制御式システムは、抽出されて特徴化されるべき縁
部標識を有する移動する材料のウエブの縁部の上方に適
当に配置された高速度線走査カメラで構成されている。
材料が感光性である場合には、透過赤外照明がカメラ入
力側の適当な白色光フィルタと共に利用される。カメラ
及び赤外線光学系は周期的間隔でウエブを観察してウエ
ブ上の数字文字の画像をディジタル的に捕獲する。これ
らの画像はフレームグラッバ板におけるＲＡＭに一度に
１線走査ずつ記憶される。捕獲又は走査のレート及びタ
イミングは光学式軸符号器及び対応する符号器板によっ
て制御される。光学式軸符号器はウエブ移送システムに
おけるローラに取り付けられている。

【００３９】高電力形赤外線照明ユニットがＥｓｔａｒ
ウエブを照明するために使用されている。しかしなが
ら、高電力形ＩＲ ＬＥＤは安定な空間的及び時間的方
法で多量の赤外線光子を供給する能力において周知のよ
うに不安定である。これは大部分電流がＩＲ ＬＥＤを
通過するときのこれにおける温度変化に起因している。
室温の環境において所要の電力レベルで冷却されないま
まであるならばＬＥＤは容易に１２０°Ｆに達する。こ
の時間的に変化する光強度は線走査カメラにより捕獲さ
れた画像を明るさ及びコントラストにおいて激烈に変化
させる。大抵の場合画像はＩＲ ＬＥＤが十分高い明る
さを達成したならば単に洗い流される。その結果とし
て、ＩＲ ＬＥＤの輝度変動を制御するために装置が開
発された。これらの装置はＬＥＤを通る一定電流を維持
すること及びＬＥＤのための一定設定温度を維持するこ
とを含んでいる。

【００４０】二つの要因がＬＥＤ変動に対して主として
責任がある。すなわち １．ＬＥＤ温度が変化すると、ＬＥＤ内部抵抗が変化す
る。定電圧電源がＬＥＤに給電するために使用された場
合には、ＬＥＤ抵抗値が変化すると、電流が変化する。
ＬＥＤの光出力強度は到来電流にほぼ比例するので、Ｌ
ＥＤにより放出される光の量は定電圧源が使用されたな
らば時間と共に変化する。

【００４１】２．ＬＥＤ温度が変化すると、ＬＥＤの空
間的光出力パターンが変化する、すなわちＬＥＤの出力
角度輝度が移動する。これは、輝度プロファイルの明る
い帯域が大抵の場合線走査カメラから離れて移動するこ
とになるので、問題を生じる。このために、光強度にお
ける減少がカメラによって観察される。

【００４２】大部分は定電圧源電力供給を定電流源電力
供給に置き換えると最初に記憶した問題は解決する。

【００４３】定電流源ではＬＥＤの全パワー出力は時間
について有意には変化しないが、しかし温度は変化す
る。温度が変化すると空間的パターンが移動する。この
問題は熱電気冷却器（ＴＥＣ）及び温度フィードバック
を備えたＴＥＣ制御器を用いて処理される。ＩＲ照明ユ
ニットの説明が後続する。

【００４４】赤外線光源ユニットは赤外線ＬＥＤ、レン
ズ、レンズ取付具、アルミニウム熱シンク、固体熱電気
冷却器（ＴＥＣ）、サーミスタ、ＴＥＣ電力供給制御
器、及び定電流源からなっている。

【００４５】ガラスレンズはＩＲ ＬＥＤの発光側のす
ぐ上方に、光が半透明Ｅｓｔａｒ材料を通じて光る平行
ビームへと一様にコリメートされるような方法で取り付
けられている。ＩＲ ＬＥＤは９４０ｎｍでピーク照明
を発生する。レンズ取付具はアルミニウムで作られてい
て二つの構成部分に分割されている。第１の構成部分は
ＬＥＤハウジング（ＬＥＤカソード）の上部に乗ってお
り、且つ第２の（より小さい）アルミニウム熱シンク／
取付具はＩＲ ＬＥＤスタッド（アノード）に取り付け
られている。第２の、より小さい熱シンクの表面のすぐ
上方及び上でスタッドの適当な場所に接着されているの
は小形サーミスタである。サーミスタは電気抵抗性温度
検出素子である。サーミスタの二つの線はＴＥＣ電力供
給制御器に接続されている。この制御器はサーミスタか
ら信号を温度フィードバック情報として使用してＩＲ
ＬＥＤ温度を監視している。

【００４６】ほぼ０．５インチ×０．５インチ×０．０
８５インチのＴＥＣ素子は第２のより小さい熱シンクの
下にこれと接触して配置されている。ＴＥＣは電流を利
用してＴＥＣの一方の側から他方の側へ熱を伝達する固
体冷却器である。このためにサーミスタに最も近い小熱
シンクの側は冷却され且つ反対の側は加熱される。ＴＥ
Ｃからの二つの電線はＴＥＣ電力供給制御器の電流供給
源に接続されている。電力供給制御器はＩＲ ＬＥＤ温
度を所望の温度に、この場合には９５°Ｆに維持するよ
うにプログラムされている。

【００４７】ＴＥＣの加熱側はその熱を伝達するために
熱シンク、例えば大きいアルミニウムブロック、を持た
なければならず、さもないと加熱することになる。それ
ゆえに、ＴＥＣ表面のすぐ下でこれと接触しているのは
大きいアルミニウムの取付板である。

【００４８】今度は図９に言及すると、画像１２０を捕
獲した後、フレームグラッバ板における２５６−８ビッ
トディジタル画像画素の最初の３２ビットはソフトウエ
ア制御により前処理板に転送される。これら３２の画素
は利用可能な画素データの列内の関心事の区域に対応し
ている。二つの画素列を受けた後、前処理板はこの画像
データを取って数百ナノ秒内にそれについて簡単な画像
処理動作を行う。これらの動作はしきい値設定１２２、
拡張１２４及び基準化１２６を含んでいる。拡張及び基
準化は既述の新規な論理的実施例においては実質上同時
に行われる。

【００４９】結果として生じる１６ビットの画素データ
は次にパイプライン式ＲＡＭ（図４の８４）へ押し込ま
れる。パイプライン式ＲＡＭは画像の１６×１６移動画
素窓全体が記憶される動的画像窓記憶回路として機能す
る。前処理回路からの結果として生じるデータは次に２
の補数変換器回路に送られ、そしてこの回路は情報を神
経ネットワーク加速器板に外部母線を通して転送する前
に画像データをその最終形成に変換する。神経ネットワ
ークはこのデータを受けてこれを分類し始める。分類さ
れた結果は処理装置復号化１３０のための通信ポートか
ら、例えば記憶／及び表示のために対応するＡＳＣＩＩ
文字へと送られる。

【００５０】光学式の文字認識装置は移動するウエブを
事実上連続的方法で走査するように設計され且つ構成さ
れている。例えば、ことごとくの０．００８５インチの
ウエブ運動により文字認識装置は新しい走査線の画像画
素データを捕獲し且つ前処理板のパイプライン式二重ポ
ートＲＡＭに記憶された画像を解析する。妥当な数字一
文字が存在しなければ、情報は直列通信ポートから送ら
れない。文字が最終的にカメラの下に落ちてパイプライ
ン式ＲＡＭを満たすときには、文字認識装置は通信線か
ら妥当な文字を送る。この方法で、各文字に対する個別
の数字一文字整合装置は必要とされない。

【００５１】この発明の幾つかの実施例が添付の諸図面
に図解され且つ前述の詳細な説明において記述されたけ
れども、この発明はここで記述された特定の実施例に限
定されず、この発明の範囲から外れることなく多くの再
配列、変更及び置換が可能であることは理解されること
であろう。次の諸請求項はすべてのそのような変更を包
含するように意図されている。

【００５２】

【発明の効果】技術に通じた者は上に与えられた文字認
識装置／方法がここで最初に述べられた諸利点を与える
ことを認識するであろう。明確には、神経ネットワーク
を使用して移動する材料のウエブ上の縁部標識付き文字
を認識するようにした新規な文字認識方式が記述されて
いる。この技法は透明又は半透明材料の移動するウエブ
上の高度に変形したドットマトリックス数字文字を識別
することができる。更に、任意のソフトウエア準拠式文
字認識実現例に比べて改善された性能の外に、任意の従
来既知の加速器板に比べて有意に高められた性能が可能
である新規な神経ネットワーク加速器板が提供されてい
る。移動するウエブ上の縁部標識付き文字の認識に対す
る実用的神経ネットワーク応用として提供されている。
この技法を用いると、文字は、肉眼には認識不可能であ
るような良くない品質のものであるような場合にもかか
わらず、正しく認識されることができる。既述の文字認
識装置及び方法は生成されたデータについて実時間で動
作する。

【図面の簡単な説明】

【図１】この発明に従って抽出され且つ分類されるべき
縁部標識を備えた移動する材料のウエブの部分的平面図
である。

【図２】この発明による神経ネットワーク光学式文字認
識装置の一実施例の簡単化された透視図である。

【図３】図２の神経ネットワーク光学式文字認識装置の
ある特徴部のより詳細なブロック図表現である。

【図４】図３の前処理板の一実施例のより詳細な表現で
ある。

【図５】図３の神経ネットワーク加速器板の一実施例の
ブロック図表現である。

【図６】（ａ）〜（ｃ）はこの発明による神経ネットワ
ーク光学式文字認識装置における規定の画像化窓を通る
移動ウエブ上の文字の進行を図示している。

【図７】（ａ）〜（ｃ）はウエブが規定の画像化窓を通
過するときの縁部標識付きウエブの種々の可能な位置を
図示している。

【図８】図５の神経ネットワーク加速器板実施例におけ
る一つの処理ノードのための記憶重み情報の一実施例を
図示している。

【図９】この発明による神経ネットワーク光学式文字認
識装置の主処理機能の一実施例の動作上の概観図を図示
している。

【符号の説明】

１０ ウエブ， １２ 市松模様の浮出しパターン又は突起模様， １４ 縁部， １６ 縁部標識， １８ 整合標識， ２０ 数字文字， ３０ 光学式文字認識装置， ３１ 直列ポート， ３２ コンピュータ， ３４ キーボード， ３６ ビデオ表示装置， ３７ 線接続部， ３８ カメラ， ３９ 線接続部， ４０ 符号器， ４１ 相互接続用ケーブル， ５０ 赤外線照明源， ５２ ローラ， ５４ 符号器ローラ， ５６ ローラ軸， ５８ フィルタ， ６０ 観察用レンズ， ６２ ＣＰＵ， ６３ ＰＣデータ／制御母線， ６４ フレームグラッバ板， ６５ ＲＡＭ， ６７ 外部トリガ入力， ６８ 前処理板， ６９ 外部母線， ７０ 神経ネットワーク加速器板， ７２ 符号器板， ７４ 直列通信板， ８０ バッファ， ８２ 四入力ＯＲゲート， ８４ 記憶配列， ８６ 専用母線， ９０ ＲＡＭ， ９２ マルチプレクサ， ９４ 乗算器・累算器， ９５ 記憶装置， ９６ 探索表， ９８ アドレス発生器・制御論理回路， １００ 画像化窓， １０２ 縁部， １０４ 縁部標識形文字， １２０ 捕獲画像， １２２ しきい値， １２４ 拡張， １２６ 基準化， １２８ 神経ネットワーク， １３０ 処理装置復号化。

Claims (39)

【特許請求の範囲】
1. 【請求項１】 移動する材料のウエブ上に配置された文
   字を抽出して分類するための神経ネットワーク準拠形光
   学式の文字認識装置であって、 画像化窓を規定する画像獲得装置であって、前記のウエ
   ブ文字が前記の規定の画像化窓を通過するように配置可
   能であり、前記の画像化窓を通過する各ウエブ文字につ
   いての画像データを抽出して蓄積する前記の画像獲得装
   置、 前記のウエブが前記の規定の画像化窓を通過するときに
   前記のウエブの照明を与えるための光源、 前記の画像獲得装置に結合されていて、前記の画像化窓
   を通過する前記のウエブ文字のそれぞれについての前記
   の蓄積画像データを事前定義の神経ネットワークアルゴ
   リズムに従って処理することができ且つそれから文字分
   類情報を生成することができる神経ネットワーク加速器
   装置、 前記の神経ネットワーク加速器装置に結合されていて、
   前記の画像獲得装置により画像化された前記のウエブ文
   字のそれぞれを前記の神経ネットワーク加速器装置によ
   り生成された対応する文字分類情報を用いて分類するこ
   とができる分類装置、を備えている前記の文字認識装
   置。
2. 【請求項２】 前記の画像獲得装置が、前記の画像化窓
   を規定するために役立つ観察レンズを備えた線走査ＣＣ
   Ｄカメラを含んでおり、且つ前記のウエブが前記のカメ
   ラレンズに実質上直交する前記の規定の画像化窓を通過
   し、且つ又前記の神経ネットワーク加速器装置が、これ
   の入力に結合された二重ポート式記憶装置を含んでい
   て、前記の記憶装置が第１部分及び第２部分を有してお
   り、前記の二重ポート式記憶装置の前記の第１部分が、
   前記の事前定義の神経ネットワークアルゴリズムによる
   同時処理のために多数の走査線からの蓄積画像データを
   収容する、請求項１の文字認識装置。
3. 【請求項３】 前記の神経ネットワークアルゴリズムが
   完全相互接続式多層前方モードアルゴリズムからなって
   いる、請求項２の文字認識装置。
4. 【請求項４】 前記のネットワーク加速器装置が、前記
   の多層ネットワークアルゴリズムにおける入力層の種々
   のノードにおける画像データを同時に処理するように並
   列に接続されたｎの処理ノードを含んでいて、各ノード
   の出力が前記の記憶装置の前記の第２部分に記憶され
   る、請求項２の文字認識装置。
5. 【請求項５】 前記の多層ネットワークアルゴリズムの
   前記の入力層におけるすべてのノードの処理が完了され
   ると、前記の並列処理ノードへの入力と前記の二重ポー
   ト式記憶装置の前記の第１部分からそれの前記の第２部
   分に切り換えるための装置を更に備えている、請求項４
   の文字認識装置。
6. 【請求項６】 前記の多層ネットワークアルゴリズムの
   第２層処理中の各処理ノードの出力が前記の記憶装置の
   前記の第１部分へオーバライトされる、請求項５の文字
   認識装置。
7. 【請求項７】 前記の多層ネットワークの各層のための
   前記の並列接続処理ノードの出力が前記の二重ポート式
   記憶装置の前記の第１部分及び前記の第２部分に記憶さ
   れ、選択された記憶装置部分が前記の層のための並列処
   理ノードへの入力データを収容した前記の二重ポート式
   記憶装置の前記の部分以外であり、前記の層のための前
   記の入力データが多層ネットワークアルゴリズムにおけ
   る前記の層のための記憶された処理ノード出力を含んで
   いる、請求項６の文字認識装置。
8. 【請求項８】 前記の処理ノードの出力が、前記の記憶
   装置に記憶される前にデータ押込みのためにシグモイド
   関数処理装置を通過させられる、請求項４の文字認識装
   置。
9. 【請求項９】 前記の蓄積画像データを前記の画像獲得
   装置から前記の神経ネットワーク加速器装置の前記の二
   重ポート式記憶装置に転送するための専用の並列構成式
   母線を更に備えている、請求項２の文字認識装置。
10. 【請求項１０】 マルチプレクサ及びシステムデータ母
    線を更に備えていて、前記のマルチプレクサが前記の神
    経ネットワーク加速器装置内に配置され且つ前記の専用
    並列入力母線及び前記のシステムデータ母線のそれぞれ
    に接続されていて前記の母線のどちらか一つからの画像
    データの前記の記憶装置への多重化を可能にする、請求
    項９の文字認識装置。
11. 【請求項１１】 前記のｎの並列接続式処理ノードのそ
    れぞれが、二つの入力及び一つの出力を有する乗算器／
    累算器論理回路を備えていて、前記の入力の第１のもの
    が前記の記憶装置に接続され且つ前記の入力の第２のも
    のが、多層神経ネットワークのそれぞれの層における対
    応する処理ノードのための事前規定の重み付け係数を収
    容している独特のシステム記憶アドレスに接続されてい
    る、請求項４の文字認識装置。
12. 【請求項１２】 前記の神経ネットワーク加速器装置内
    のデータの流れを制御するための制御論理回路を更に備
    えていて、前記の神経ネットワーク加速器装置が神経ネ
    ットワーク加速器板を含んでいる、請求項２の文字認識
    装置。
13. 【請求項１３】 前記の画像獲得装置により蓄積された
    前記の画像データを前記の神経ネットワーク加速器装置
    による前記のデータの処理前に前処理するための装置を
    更に備えていて、前記の前処理装置が雑音フィルタリン
    グのための装置及び前記の画像データを書式化するため
    の装置を含んでいる、請求項３の文字認識装置。
14. 【請求項１４】 前記の前処理装置の前記の雑音フィル
    タリング装置及び書式化装置が、 妥当でない画像データ情報をフィルタするためのしきい
    値設定装置、 前記の蓄積画像データを拡張圧縮形式で同時に表現する
    ための拡張・圧縮装置、及び前記の神経ネットワーク加
    速器装置による受領のために事前規定の形式に前記の圧
    縮画像データを変換するための装置、を含んでいる、請
    求項１３の文字認識装置。
15. 【請求項１５】 前記の同時拡張・圧縮装置が複数の多
    入力ＯＲゲートを含んでいる、前記のＯＲゲートのそれ
    ぞれが前記の走査線から入力画素を受けるように接続さ
    れている、請求項１４の文字認識装置。
16. 【請求項１６】 前記のＯＲゲートのそれぞれが隣接し
    た走査線から四つの入力画素を受けるように接続されて
    いて、前記の入力画素の二つが前記の走査線のそれぞれ
    から得られる、請求項１５の文字認識装置。
17. 【請求項１７】 前記の画像獲得装置がフレームグラッ
    バ記憶装置を含んでいて、前記のフレームグラッバ記憶
    装置が前記の前処理装置の入力に結合されており、前記
    のフレームグラッバ装置が前記の前処理装置により前処
    理されるべき蓄積画像データを受ける、請求項１３の文
    字認識装置。
18. 【請求項１８】 前記の移動する材料のウエブが移動す
    る写真材料のウエブからなっており、且つ前記のウエブ
    が前記の規定の画像化窓を通過するときに前記の光源が
    前記のウエブに赤外線透過照明を与える、請求項１の文
    字認識装置。
19. 【請求項１９】 前記の移動する材料のウエブに配置さ
    れた前記の文字が縁部標識を含んでいて、この縁部標識
    のそれぞれが複数の群分けの一つへと集められ、この群
    分けのそれぞれが特別のメッセージ文字で標識付けされ
    ており、前記のそれぞれの特別のメッセージ文字から各
    文字までの各群における距離が知られており、且つ前記
    の文字認識装置が更に、 前記の特別のメッセージ文字を識別するための装置、及
    び各識別された特別のメッセージ文字からのウエブ距離
    をクロックするための符号器装置であって、前記の特別
    のメッセージ文字からある文字までの既知の距離が達成
    されると前記の画像獲得装置に画像収集トリガ信号を供
    給する前記の符号器、を備えている、請求項１の文字認
    識装置。
20. 【請求項２０】 前記の符号器装置が前記の移動する材
    料のウエブと連絡して配置された光学式文字符号器を含
    んでいる、請求項１９の文字認識装置。
21. 【請求項２１】 前記の分類装置が前記の神経ネットワ
    ーク加速器装置により生成された前記の分類情報をＡＳ
    ＣＩＩ符号へと書式化するための処理装置を含んでお
    り、且つ前記の文字認識装置が更に、少なくとも一つの
    プロセス計算及びプロセス制御のためにホストコンピュ
    ータに前記のＡＳＣＩＩ符号化分類情報を転送すること
    を容易にするための通信装置を備えている、請求項１の
    文字認識装置。
22. 【請求項２２】 前記の文字認識装置が更に、前記の分
    類ウエブ文字を観察するための少なくとも一つの表示装
    置、及び前記のウエブ文字についての前記の分類情報を
    記憶するための記憶装置を備えている、請求項１の文字
    認識装置。
23. 【請求項２３】 前記の文字がドットマトリックス形印
    刷文字からなっている、請求項１の文字認識装置。
24. 【請求項２４】 抽出されて分類されるべき前記の印刷
    文字が前記のウエブ上で縁部標識付けされており、且つ
    前記の移動する材料のウエブのための機械情報、ロール
    情報及びフィート数情報の少なくとも一つを含んでい
    る、請求項２３の文字認識装置。
25. 【請求項２５】 前記の材料のウエブが写真材料からな
    っており、且つ前記のドットマトリックス印刷文字が半
    透明であり且つ前記の写真材料が半透明である、請求項
    ２４の文字認識装置。
26. 【請求項２６】 前記の文字が機械印刷の数字文字から
    なっている、請求項２５の文字認識装置。
27. 【請求項２７】 神経ネットワークを用いて移動する材
    料のウエブに配置された文字を抽出して分類するための
    方法であって、 （ａ） 事前規定の画像化窓を通して前記の移動するウ
    エブを進行させる段階、 （ｂ） 前記の画像化窓内の前記のウエブを前記の進行
    段階（ａ）と同時に照明する段階、 （ｃ） 前記の画像化窓内の前記のウエブの画像を前記
    の進行段階（ａ）と同時に獲得する段階、 （ｄ） 前記の段階（ｃ）において画像化された前記の
    ウエブに配置された文字についての画像データを抽出し
    て蓄積する段階、及び （ｅ） 前記の神経ネットワークを利用して前記の段階
    （ｃ）において蓄積された画像データを処理し、前記の
    神経ネットワークが前記の蓄積画像データに基づいて文
    字分類情報を生成する段階、 を含んでいる前記の方法。
28. 【請求項２８】 前記の文字分類情報を対応するＡＳＣ
    ＩＩ符号へと処理する段階を更に含んでいる、請求項２
    ７の方法。
29. 【請求項２９】 多層後方伝搬訓練技法を用いて前記の
    段階（ｃ）において利用される前記の神経ネットワーク
    を事前定義する段階を更に含んでいる、請求項２７の方
    法。
30. 【請求項３０】 前記の段階（ｃ）が前記の画像化窓内
    の前記のウエブの光学的画像を前記の進行段階（ａ）と
    同時に獲得することを含んでいる、請求項２７の方法。
31. 【請求項３１】 前記の神経ネットワークが完全相互接
    続式多層神経ネットワークからなっている、請求項２７
    の方法。
32. 【請求項３２】 前記の利用段階（ｅ）が前記の多層神
    経ネットワークの各層についてこれのｎのノードを並列
    に処理することを含んでいる、請求項３１の方法。
33. 【請求項３３】 前記の利用段階（ｅ）が、前記の多層
    神経ネットワークの種々の層に対する入力データを収容
    するために第１部分及び第２部分を有する記憶装置を利
    用することを含んでおり、且つ前記の方法が更に、 前記の段階（ｄ）において蓄積された前記の画像データ
    を前記の記憶装置の第１部分に記憶する段階、 前記の多層神経ネットワークの入力層処理中、前記のｎ
    の処理ノードの出力を前記の記憶装置の前記の第２部分
    へ記憶する段階、及び前記の入力層に続く各ネットワー
    ク層について、前記のｎの並列処理ノードの出力を、そ
    れへの入力データを収容していない各記憶部分の他方へ
    記憶する段階、 を含んでいる、請求項３２の方法。
34. 【請求項３４】 前記の段階（ｅ）の前に前記の画像デ
    ータを前処理する段階を更に含んでいて、前記の前処理
    が前記の画像データを拡張圧縮形式に実質上同時に拡張
    し圧縮することを含んでいる、請求項２７の方法。
35. 【請求項３５】 前記の同時拡張・圧縮が前記の画像デ
    ータを複数の並列配置式ＯＲゲートに通すことを含んで
    いる、請求項３４の方法。
36. 【請求項３６】 前記のウエブが写真材料からなってお
    り且つ前記の照明段階（ｂ）が前記の事前規定の画像化
    窓内の前記のウエブを赤外線透過照明で照明することを
    含んでいる、請求項２７の方法。
37. 【請求項３７】 事前定義の多層神経ネットワークに従
    って入力データを処理するための神経ネットワーク加速
    器であって、 第１部分及び第２部分に分割されていて、前記の入力デ
    ータが最初に前記の第１部分により受け取られるように
    なっている記憶装置、 前記の第１記憶部分に記憶された前記の入力データを処
    理するためのｎの並列接続式処理ノードであって、これ
    の各ノードが記憶のために前記の記憶装置の前記の第２
    部分への出力データに結合されている、前記のｎの並列
    接続式処理ノード、並びに、 前記のｎの並列接続式処理ノードによる入力層処理の完
    了時に処理ノード入力を前記の記憶装置の第１部分から
    前記の記憶装置の第２部分へ切り換えるための装置、を
    備えている前記の神経ネットワーク加速器。
38. 【請求項３８】 前記の多層神経ネットワークの第２層
    処理中の、前記のｎの並列接続式処理ノードの出力が前
    記の記憶装置の前記の第１部分へオーバライトされる、
    請求項３７の神経ネットワーク加速器。
39. 【請求項３９】 前記の切換装置が更に、前記のｎの並
    列接続式処理ノードによる前記の多層神経ネットワーク
    の第３層処理の間処理ノード入力を前記の第２記憶部分
    から前記の第１記憶部分へ切り換えるための装置を含ん
    でいる、請求項３８の神経ネットワーク加速器。