JPH06500872A - 対象物を分類する電子システム - 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】 対象物を分類する電子システム 技術分野 本発明は対象物を予め定められた分類へ自動的に分類するシステム及び方法に関 する。より詳細には、対象物から引き出された信号の周波数領域プロセス化を用 いる分類システムに関する。これらの信号は、一般に対象物の照度あるいは対象 物への呼び掛けから音響的信号及び／又は電磁的信号として引き出されるが、対 象物に関連する歪み、圧力、振動、あるいは他の現象を測定するセンサからも引 き出される。

本システムは、対ｔｃ物から引き出されたビデオ信号が品質管理又は機械制御の 目的のためプロセスされる製造あるいは包装環境におけるリアルタイムの“マシ ンビジョン７に適する。しかしながら、本発明は製造以外に種々の適用性を持っ ている１例えば細胞学的標本における正常ｍ胞型の認識、細菌コロニーの同定、 害虫被害の定量化、穀粒サンプルの破砕・別品種の混入、及び蛋白質・遺伝学的 分析のための電気泳動パターンの認識等がある０本発明はまた太陽フレア又は雲 の写真等のシーンの分類あるいは既設定シーンの変化が認識される監視・警備シ ステムにも適用できる３本明細書中において、分類される対象物には、あらゆる 形のシーン又は信号パターンが含まれる。

かかる対象物への走査又は呼び掛けから引き出される信号は、一般的に時間変化 型又は時間領域型であり、画素ベースのパターン認識方法によって処理すること ができる。しかしながら、時間領域信号を周波数領域へ変換するための多数の他 のアルゴリズムがあるけれども、かかる時間領域信号はフーリエ解析を受け、元 の時間領域信号の周波数及び／又は位相特性を表す周波数領域信号へと変換され ることがよく知られている０時間領域信号自体のように、その周波数領域変換は 、対象物ごとに識別を行うパターン認識方法の適用を受けることができる多次元 形式又は画像に表示できる１本発明はかかる周波数領域パターン認識＜ＦＤＰＲ ）方法に関する。

最後に、本発明に従って形成された分類システムは、多くのオンライン制御状態 での使用に十分速く作動できるので実時間作動に適するとしても、その適用は実 時ｒＷＪ制御に決して制限されるものではない。

発明の背景 画像処理あるいはパターン認識を含まないアナログ技術によってサイズ、色、及 び重量等の単純な特徴に従って対象物を分類するための実時間電子ソーティング ・グレージングシステムは周知かつ広く使用されているが、本システムは識別が 微細かつ複雑な特徴に基づく場合は一般的に適しない、このような場合、なんら かの形でディジタル信号処理及びパターン認識が必要とされる。しかしこれらの 方法は計算が非常に繁雑なので、これらの方法は、厳密に限定された少数の識別 基準に柔軟性なく適合させられるか、あるいは容認できる費用で実時間で使用で きない。

多数の微細な識別作業が、時間領域画像処理方法を使用するよりもＦＤＰＲ方法 を使用してより容易に達成できる限り、時間領域画像の周波数領域への変換を引 き出す付加的作業は既に超過した計算的負担を殆ど加重しない。

要するに、計算的行き詰まりが、識別基準が作業者に明確であるが、適当なソフ トウェアアルゴリズムへの転換が難しいか、あるいは検査作業自体がしばしば変 更される現実の検査作業において、価値のある実時間電子的対象物分類システム の開発の試みへ到達させている。計算的負担の重要な部分は画像処理機能（時間 領域か、あるいは周波数領域か、オンラインか、あるいはオフラインか）にある としても、重大な部分は特定の分類又は識別機能をもたらすアブリゲーション限 定のコンピュータソフトウェアによって評価される。

光学的変換及びＦＤＰＲの使用が、この行き詰まりを迂回するための手段として 提案されている０周波数領域変換はディジタル計算を必要とせずに殆ど瞬間的に 光学的方法によって起こすことができので、より効率的なＦＤＰＲｍ別方法への 迅速なアクセスを提供する。変換の特性ゆえに、所望の識別を（平均的程度に） 果たすため、検査を必要とする変換画像の部分だけを選択するのに単純なマスク が使用でき、これによりさらに計算的負担を減じている。

この型のシステムは、バーニック氏らによって、応用光学、１９７８年、１月（ 第１７巻、ページ２１−３４＞に“コヒーレントな光学的処理を用いた頚部細胞 サンプルのスクリーニングとして開示された。サンプルをガラス製顕微鏡スライ ド上に順に置き、コヒーレントな光で照明し、形成された回折画像を光学的に変 換し、マスクし、商業的に入手可能で、両側に放射状空間があるリング状の検出 器素子及び円周状の空間がある弓形の検出器素子を有する光電検出器を用いてフ ーリエ平面で検出した（１９７２年米国特許、ニコラス・ジョージを参照）、検 出器素子の組み合わせ（即ちマスクのパターン）は、正常及び悪性細胞を識別す る作業に最も適するように手動制御で選択された。

ＦＤＰＲ技術の実時開の工業用マシンビジョンシステムへの適用は、米国特許第 ４，８７８，７３６号においてグローバル・ホロネティック・コーポレーション （ＧＨＣ）によって開示された。コヒーレントな光を用いた検査で、対象を照明 し及び光学変換システムでの使用に満足な画像を生じるため、反射され伝送され た光の十分量を捕獲する代わりに、ＧＨＣシステムは、ビデオカメラの出力から 透明画像表示を行うなめ空間光変調器（ＳＬＭ）を用いた。この画像は、次にコ ヒーレント光によって照明され、光学変換システムを通して投射された。パーニ ック氏らと同様に、ウェッジ・リングマスキング技術が使用されたが、しかしこ れは各対象物の変換画像を継承する３２種のマスクの固定したセットを用い、か つ各画像を通して伝送された光の強さを平均化し、それにより検出される各対象 物の興なる輝度の特徴的シグニチュアを作ることによってなされた。同じクラス の対象物間の類似点、異なるクラスの対象物の相違点は、適当な識別アルゴリズ ムによって識別した。

検査問題へのＧＨＣシステムの適用は、以下の一連の論文：“マシンビジョンに よる検査のための光学的特徴抽出器”、Ｄ、クラーク、Ｐｒｏｃ、ＳＭＥ″ビジ ョン８７年会ＩＩ”、１９８７年−″高速検査用光学的特徴抽出器”、Ｄ、クラ ーク及びキャサセント、知能ロボットシステム会議における５ＰＩＥの進歩、１ ９８７年、１１月；及び“自動化された検査におけるニューラルネット”、Ｄ。

グローバー、５ｙｎａｐｓｅ　Ｃｏｎｎｅｃｔｉｏｎ、１９８８年、６／７月に おいて開示された。最後に挙げた論文は、各分類作業へ獣納されるコンピュータ プログラムの使用に代わって、対象物シグニチュアを比較し、オペレータにより 練習されるシステムを与えるため、人工ニューラルネットワーク（ＡＮＮ）の使 用を開示した。

この練習は必然的に、手動で点検するシステムへ対象物を提供し、対象物が所属 するクラスを手動で表示し、十分な識別が達成されるか、あるいは試みが中断さ れるまで必要な区別を行うための本システムの能力を点検するオペレータを必要 とした。

本技術は、実時間の検査システムの開発が直面している計算的行き詰まりを攻撃 する重要な方向を提供しているが、実用的であるとの立証はない、光学コンピュ ータは本質的に、温度、振動、及び埃に非常に敏感なアナログ計器であるが、要 求されるタイプである高品位ＳＬＭは、高価格で、繊細で、作動が遅く、精細度 が限られている。これらの問題は、ＦＤＰＲ方法の固有の識別力を慎重に限定す るため本出顧人によって判断される。しかしおそらく最も重要なことは、以前の ディジタルシステムは、一つの重要な視点において柔軟性を欠く問題を持ってい る。即ち、識別処理は本質的に容易であっても困難でも、適切であっても不適切 でも、同一の作業であり変更できないことである。

発明の目的 したがって、本発明の一般的な目的は、対象物の自動的分類のための改善された 方法及び電子装置を提供することである。より詳細には、但しそこに限定するこ となしに、人工ニューラルネットワークあるいは類似の制御装置による制御下で 広範囲の作業へその画像処理及び識別手順を適合させることができる工業的使用 に適する実時間ＦＤＰＲ対象物分類システムを提供することが望ましい。本発明 のシステムは、柔軟性と適合性を維持する限り、光学変換システムに伴う不利益 を負うことなく、ディジタルＦＤＰＲシステムを特徴づけている画像処理の行き 詰まりを迂回することを意図するものである。

発明の概要 本発明は、ＦＤＰＲシステムが対象物に関する包括的な情報を取り扱うため、対 象物を識別するのに役立つ１又はそれ以上のバラ−メーターを変更するかどうか をシステム自体が決定できるべきであるという認識に基づいている。もしそうで あれば、システムはスピードと識別レベルに関してあらゆる分類作業のため、そ れ自身を効率的に利用できるべきである。

この視点から、本発明は、予め定められたクラスへ対象物を自動的に分類するシ ステムにおいて、 対象物の予め定められた分類を表すクラス表示信号を受信する入力手段と、 対象物から引き出された時間領域信号を受信し、前記対象物に対応する周波数領 域変換ベクトルを発生し、出力するように構成されている変換手段と、 前記変換ベクトルを受信すると共に、前記対応する対象物の分類を評価し、前記 評価された分類を表示する出力信号を発生するように構成された分類手段と、 各対象物の前記予め定められ評価された分類を受信して比較すると共に、前記分 類間で得られる一致度を表示する出力を生成するように構成された比較手段と、 前記比較手段の出力を受信すると共に、システムパラメータを反復して調整し、 同じ対象物の分類の反復された評価に基づいて、前記対象物の予め定められ評価 されたクラス間で得られる一致度を連続的に修正するように構成された制御手段 とを備え、未知の分類の類似の対象物を分類するように構成されているシステム を構成する。制御手段はまた対象物の分類評価に要する時間を減少させるため、 システムパラメータを反復して調整するのにも適合しており、達成されるべきク ラスの組み合わせの容認可能レベルが特定され内蔵される。

本発明は、対象物の部分集合のクラス適合条件が予め定められており、対象物の 集団の部分を予め定められたクラスへ分類する方法において、 対象物の部分集合から引き出された時間領域信号の周波数領域変換ベクトルを引 き出すステップと、 対象物の各部分集合の分類を評価する変換ベクトルを比較するステップと、 対象物の部分集合の評価され予め定められた分類間の一致度を決定するステップ と、 先行するステップを反復することにより、システムパラメータを反復して調整し 、対象物の部分集合の評価され予め定められた分類間の一致度を改良するステッ プと、 対象物の集団の残りの部分集合の分類を評価すると共に、前記改良された一致度 に対応するパラメータの設定を獲得するステラ１とを有している方法を構成する 。

識別及び／又はスピードを改善するための自動最適化の四つのレベルが本発明に 従って試みられ、最適化は単独で、あるいは時間領域信号を調整すること、特定 の作業のために適当な変換又は変換パラメータを選択すること、クラスシグニチ ュアを作るため結果として生じた変換の最も価値ある部分を選択すること、及び 対象物のクラスを評価するため対象物とクラスシグニチュアを比較する効率的識 別方法を採用することとの所望の組み合わせで用いられる。これらすべての最適 化機能が適応して働き、システムが類似の対象物の興なるクラスを識別するよう 迅速に訓練され、識別のスピードと正確性が手動の分類作業の要求に適合するこ とが好ましい。

時間領域信号のための制御手段は、例えばフレームグラバ及び索引表（ＬＵＴｓ ＞の使用を通してグレースゲールの制御を与え、−力変換手段は制御される一定 の時間領域入力から発生する変換のタイプ及び／又はサイズを与える可変変換発 生器を含んでいる。特徴抽出器手段（これにより変換の価値ある部分が見分けら れる）及び識別器／分順器は、クラスシグニチュアの発生のため及びクラスシグ ニチュアと対象物シグニチュアの比較のためＡＮＮの制御下に置くことが好まし い。

以下の説明及び特許請求の範囲から明らかになるように、前記システム及び方法 の多数の変形及び変更が本発明範囲から離れることなく可能である。

実施例の説明 本発明の特徴を概略的に描き、そのいくつかの模範的な実施態様をここで図示し ながら説明する。以下の説明において、添付の図面を参照する。

第１図は、生産ラインにおける対象物の実時間検査のためのシステムを構成する 本発明の最初の実施ｉｓの概括的ブロック図である；第２図は、第２の実施態様 のより詳細なブロック図である；第３図は、第２図のシステムでの使用に適する 回路を調整する信号の詳細ブロック図である： 第４図は、制御可能な変換エンジン及び第２図の特徴抽出回路双方の実施に適す るディジタル信号処理ボードの一般的機能ブロック図である。

本発明の第１の実施態様は、生産ラインにおいて、合格クラスと不合格クラス（ 見分けられる欠陥のタイプによる）へ対象物を実時間で類別するのに使用するマ シンビジョンシステムである。このようなシステムは秒当り数対象物の速度で対 象物を類別することができる必要がある。この最初の例では対象物は視覚的デー タ、つまりビデオカメラによって捕らえられる可視画像のみに基づいて評価され る。

第１図を参照すると、分類される対象物１０はストローブランプ１６によって照 明を受ける分類ステーション１４を通ってコンベヤ上に運ばれ、その画像はカメ ラ１７によって作られ、回路１８によって保存され、ディジタル化され、調整さ れ、回路１８の出力は分類揺回路２０への入力として取り込まれる０分類器２０ の出力２２は対象物が属すると判定されるクラスを示し、後に適宜対象物を転換 するのに使用される（手段の記載なし）。位置１４で各対象物の標準化形を確保 するため、簡単な“インポジション”センサが用いられ、その状態は分類各回路 ２０ヘライン２５によって信号される。

第１図から理解されるように、分類揺回路２０は基本的に画像捕獲回路１８のデ ィジタル化された出力を受信するため、及びその出力シグニチュアをコンパレー タ２８へ指示するために接続された変換ベクトル発生器２６から構成される。ベ クトル発生器２６は各時間領域入力信号のための興なるシグニチュアの一領域を 、その入力時間領域信号の基本的なく変更なしの）周波数領域変換の特徴を選び 、強調し、及び／又は強調を解除するように調整して出力できる。

マイクロプロセッサ制御ユニット３０により二つの択一的な方法で、即ち持続的 な方式で制御ライン３２を介して直接的に、又はメモリ３４から決まった設定に より間接的に制御できる。同様に、コンパレーター２８のパラメータは、制御ユ ニット３０により直接的に又はメモリ３４に記録された設定から間接的に設定さ れる。

制御ユニット３０は、また、センサ１４から“インポジション”信号を受信する ためファイアストロボ１６に接続され、画像捕獲回路１８を同調制御し、検出器 ２８に閾値レベルを設定し、インポジション対象物１０の評価されたクラスを示 す出力信号２２を受信する。最後に、記録のプログラムのもとで作動するコンピ ュータから又は単純にマニュアル制御パネル（図面記載なし）から入力バス３６ を介した外部信号によってそれ自身が制御される。これは二つの別個のモード又 は位相で作動されるシステムを許容し、その中にクラスシグニチュアが引き出さ れる組み立て又は練習モード及びパラメータ設定が、メモリ３４中に作られ保存 される。

組み立て段階では、既知クラスの対象物のカメラ１７からの生の画像が制御器３ ０によってメモリ（記載なし）内に記録され（クラス指定とともに）、クラス指 定は入力バス３６を介して＃御ユニット３０へ信号されている。それから制御器 ３０は連続して記録された対象物画像を、ディジタル化（必要ならば）及び規格 化のため回路１８を通し、変換及びベクトル発生のため回路２６を通して伝送す る。外部発見的プログラム又は単純な内部ルーチンの制御下で、制御器３０はベ クトル発生器２６及びコンパレータ２８のパラメータを、探索ルーチンにより、 出力２２が検査ステーション１４で対象の正しいクラスを一貫して表すまで変化 させる。これらの設定はメモリ３４に記録される。これはクラスシグニチュアエ ンベロープ、即ちクラスーシグニチュアを創出し、その中に対象物のすべてのシ ダニチュアが当て嵌められる。探索ルーチンはまた、クラスーシグニチュアが小 さく互いに区別できることを確保するために設計することができる。

操作段階では、パラメータ設定がメモリ３４から正しく組み立てられた回路２６ ．２８ヘロードされ、類似の対象物１０（但しクラスは未定）がコンベヤ１２に 沿って連続して送られ、それらの変換シダニチュアが作られ、（評価された）分 類を決定するめために記録されたクラスシグニチュアと比較される。

もし望むならば、画像捕獲ユニット１８のパラメータはまた、システムの性能を 増強するなめ時間領域信号を前処理するために制御されることもでき、これらの パラメータはまた回路２６．２８用のパラメータに沿ってプリセットメモリ３４ 中に記録されることができる。制御器３０及びメモリ３４からの必要な制ｍ信号 のためのバスが第１図に点線で示されている。この方法で変化する重要なパラメ ータの一つは捕獲されたディジタル画像のグレースゲールである。

第２の実施態ＩＩ！（第２図から図５を参照して説明されるべきである）の分類 システムは、第１図の場合と同じ基本的方式で構成され作動されるが、生産ライ ン検査には適合されていない。

第２図から理解されるように、練習又は組み立てモードでのシステムの作動は、 以下のようである０分類される対象物（図面に記載なし）の呼び掛けは、Ａ／Ｄ 変換器１０２へのライン１００から入力されるアナログデータ、及びディジタル インタフェース１０６へのライン１０４から入力されるディジタルデータ、ホス トプロセッサインタフェース１１２へのライン１１０上の入力トリガ信号の受信 、及び回路１０６．１０２へのライン１１４．１１６上のイネーブル信号の結果 的活性化に基づいて、上記回路からライン１０９によりデータメモリ１０８へ伝 送された生の時間領域データを、インタフェース１１２からメモリ１０８への書 き込み／読取りライン上の書き込み信号と伴に生じる。イネーブルライン１１４ ，１１６の活性化はまた、それ以上のデータの回路１０２．１０６への受け入れ からメモリ１０８への伝送が完了するまで、それ以上のデータを妨害するのが常 であった。呼び掛は状態の既知のクラスの対象物は、入力ライン１１８を介して インタフェース１１２へ信号され、適当なタッグがライン１２０によりメモリ１ ０８へ伝送され、そこで適当な画像データファイルに記録される。

制御器３００は、インタフェース１１２を介したホストプロセッサ１２２、モー ド指定ライン１４２、及び制御ライン１４４によって練習モードとして組み立て られたものである。練習段階の初めで、スウィッチ１４０は、インタフェース１ １２からコンパレータ２８２へのライン１５２を介して分類器から出力されたデ ータを指示するように活性化される。

練習対象からのすべてのデータが（適当なりラスタッグを付けて）記録された後 で５ホストプロセツサ１２２は前処理回路１２４（これの調節可能なパラメータ はそれらの不履行値に対して設定される）を介して伝送エンジン１２６（また不 履行状態にある）によって周波数領域への変換のため時間領域データセットの連 続伝送を行う。

生じた変換は、すべてのシグニチュアが（割り当てられた予め定められたクラス タッグとともに）収集されるまでそれが保存される分類器回路１３０へ順に伝送 されたシグニチュア又はベクトルを生じる特徴抽出器１２８（不履行状態のパラ メータをもつ）によって処理される。この時、制御器３００はベクトルの反復し た試験的分類及び各タッグされた予め定められたクラスに適合する試験を開始す る。

最初の反復の終了時に、分類器１３０はそこに含まれる不履行な識別データと比 較するために識別データをコンパレータ２８２へ出力する。もし、識別のレベル が不十分であれば、不履行データは引き出された識別データにより置き換えられ 、そうでなければ維持される。比較の結果は制御器３００へ信号され、制御器は それに応じてインタフェース１１８へ信号し、そして同じデータセットが再び第 ２の反復を始めるためメモリ１１８から読み出される。しかし、それが起こる前 に制御器３００はプリセットメモリ３４０からパラメータ設定の１セツトを回収 し、それに応じて回路１２４から１３０を設定する。生じた識別データはコンパ レータ２８２のそれと再び比較し、もしそれがより良い性能を示すならば既存の データを再び置き換える。この手順は不履行又は識別レベルのユーザー特異の標 準が達成されたとき（又はすべての可能な解決が尽きたとき）まで反復される。

ユーザーはまた、要する最大数の反復又は時間に関して条件を課すことができる 。

・　所望の識別標準をもたらすシステムパラメータの組み合わせが見出だされた 時、それらはプリセットメモリ３４０へ（作業を見分けるフラグとともに）ロー ドされる。このメモリ３４０は、インタフェース１４６を介してメモリ３４０ヘ ロードされるプリセットデータを与えるために備えられた読みだし／書き込みラ イン１４８．ライン１４６によってインタフェース１２２から制御されている。

この方法で組み立てられた種々の作業のための事前設定の収集は、ホストプロセ ッサ１２２によって都合よく記録される０分類作業が事前設定が記録されている 対象物の集合について行われる場合は、事前設定はホストプロセッサ１２２から プリセットメモリ３４０ヘロードされ、次に回路モジュール１２４〜１３０へ印 加され、そしてシステムの操作のために読み出される。入力トリガ信号１１０が 対象物の位置を表示するために受信された時は、その対象物に関する時間領域デ ータがメモリ１０８を介して最適化回路１２４〜１３０を通して処理するために ロードされる。生じたクラス割り当て及び分類器１３０からの対象物ベクトル出 力は、記録のためホストプロセッサへ報告され、必要な外部作用を開始するため システムインタフェース１３２を経由する。

第３図に示される前処理回路１２４は、データ・トランスレーション（ＵＳＡ） から市販購入できるフレームグラバ・ボードである。

但し他の類似の市販品も適合する。入力ビデオ信号３５０はビデオＡ／Ｄモジュ ール３５２（事実上、第２図の回路１０２の機能を果たす）及び回路の剰余を入 力ビデオ信号と同調するのを常としていた位相同期ループ３５１へ送られる。変 換器３５２によって一旦ディジタル化されれば、入力ＬＵＴ操作がＬＵＴ３５３ によってディジタル化信号に対して行われ、その後生じた画像は二つのフレーム グラバ３５４．３５５の一つに保存することができる。ディジタル化された信号 は、次にＤ／Ａ変換器３５７（各色に一つ）によってアナログ形に再変換される 。ディジタル化された画像を高速ディジタルインタフェース３６１を通して入力 し、それらをフレームグラバから外部装置へ出力ボート３６０を介して伝送する ことが可能である。フレームグラバの活動は、ホストコンピュータからＩ１０制 御３５８及びホストインタフェースバス３５９を介して制御される。

第４図は米国シラン・コーポレーション製造の万能ＤＳＰパネル（シランＺＲ３ ４１６１ベクトル信号処理機）の機能ブロック図である。このようなパネルは、 制御器３００からロードされ、あるいはオンボードメモリ内に保持されそして制 御器によって活性化されるため、フーリエ、ハダマード、ハールスはメロンのよ うな多数の変換のための核を与える。（各変換アルゴリズムのために別個のパネ ルを用いるのはもちろん可能だが高価である。）データメモリからの画像データ は、インタフェース４１５を通してロードできるか、又は特別の高速データイン タフェース（図示なし）を通して直接メモリ４０８へロードできる。プログラム 指令はまた制御器インタフェースを通してプログラムメモリ４０９ヘロードでき る。制御器３００は変換探索手順を予め作成するため８０２８６マイクロプロセ ツサ４１０に必要な情報とともに８０２８６制御レジスタ４１１をロードし、イ ンタフェースバス４０１及び内部バス４１３を介してパネルのプログラムメモリ へ所望の変換器をロードする。平行して、制御器はまた８０２８６バス４１４を 介して制御レジスタをロードする０次に処理されるべきデータが双対ポートメモ リ４０３ヘロードされ、一旦開始すればベクトル信号処理機４０５は、画像デー タをロードし状態レジスタ４０６を監視することだけに働く処理機４１０の介入 なしに変換を実施する。変換が完了した後で、変換されたデータは画像メモリ４ ０８からＡＴバスインタフェース４０７を介して特徴抽出モジュール１２８によ りさらに処理を行うためロードすることができる。

多数の既知の特徴抽出アルゴリズムもまた使用でき、その最も一般的なものはＧ ＨＣによって使用されるウェッジ／リング技術である。ｍは正準分析、主成分分 析、及びカルネン・ループ変換のようなその変形である。変換自体と同様に、特 徴抽出は第４図のそれと同様に万能ＤＳＰパネルにおいても実施できる。

同様に、多種類のアルゴリズム及び方法が第２図の分類器１３０を実施するため に有効である。鋳型合わせ的、直線的、及び最適な識別機能のような方法は、特 定のデータセットが取得できる識別量の計算に使用できる。もう一つのアルゴリ ズムのクラスは、バーセプトロン、ボルツマン、又はホップフィールド・ネップ のようなＡＮＮである。このＡＮＮは、ネットのサイズ及び接続・層の数に関し てはそれ自体を最適化することができる。既に示したように、ＡＮＮは本発明の システムにおける多数の場面で使用することができる。

コンパレータ２８２は、好都合に、多次元データを比較し、入力データが目標値 よりも良いかどうかを決定する単純な公知の基準となることができる。

最後に、制御器３００は本技術分野で公知の多数の興なる方法でもまた実施でき 、最も明らかな方法は、パラメータ設定のすべての順列の徹底的探索である。遺 伝アルゴリズム、クリスプ論理及びファジー論理アルゴリズム、及びＡＮＮを含 む多数の商業的に入手可能なアルゴリズムが適する。（参照二制御システムにお けるファジー論理：ファジー論理制御機−パート１、システムにおけるＩＥＥＥ 処理、人間とサイバネチフス、第２０巻、第２号、ベージ４０４−４１８、及び 第２巻、ベージ４１９−４３５、ＩＥＥＥ３月／４月、１９９０年）。

国際調査報告 １詣♂淑ミｊ１〜ワ罰 フロントページの続き （８１）指定国　ＥＰ（ＡＴ、ＢＥ、ＣＨ，ＤＥ。

ＤＫ、　ＥＳ、　ＦＲ，ＧＢ、　ＧＲ，ＩＴ、　ＬＵ、　ＮＬ、　ＳＥ）、０Ａ （ＢＦ、ＢＪ、ＣＦ、ＣＧ、ＣＩ、ＣＭ、ＧＡ、〜ｆＬ、ＭＲ，ＳＮ、ＴＤ、Ｔ Ｇ）、ＡＴ、ＡＵ、ＢＢ、　ＢＧ、　ＢＲ，ＣＡ、　ＣＨ，ＤＥ、　ＤＫ、　Ｅ Ｓ、　ＦＩ。

ＧＢ、ＨＵ、ＪＰ、ＫＰ、ＫＲ，ＬＫ、ＬＵ、ＭＣ，ＭＧ、　ＭＷ、　ＮＬ、　 Ｎｏ、　ＲＯ，ＳＤ、　ＳＥ、　ＳＵ、　ＵＳ（７２）発明者　グローバー　デ ィピッド　ニーシーンアメリカ合衆国、アイオワ　５２５５６、フェアフィール ド、イースト　ジェファーソンストリート、９０９ （７２）発明者　ヘラカー　ローランド　ミシエール　チオトラス アメリカ合衆国、アイオワ　５２５５６、フェアフィールド、ウェスト　フィル モア、（７２）発明者　ラドホール　ニドワードアメリカ合衆国、アイオワ　５ ０２１９、ベラマリオン　アベニュー、１１０７ （７２）発明者　バック　ロパート　ディピッドアメリカ合衆国、アイオワ　５ ２５５６、フェアフィールド、クロムウェル、５１

Claims (19)

【特許請求の範囲】
1. １．予め定められたクラスへ対象物を自動的に分類するシステムにおいて、 対象物の予め定められた分類を表すクラス表示信号を受信する入力手段と、 対象物から引き出された時間領域信号を受信し、前記対象物に対応する周波数領 域変換ベクトルを発生し、出力するように構成されている変換手段と、 前記変換ベクトルを受信すると共に、前記対応する対象物の分類を評価し、前記 評価された分類を表示する出力信号を発生するように構成された分類手段と、 各対象物の前記予め定められ評価された分類を受信して比較すると共に、前記分 類間で得られる一致度を表示する出力を生成するように構成された比較手段と、 前記比較手段の出力を受信すると共に、システムパラメータを反復して調整し、 同じ対象物の分類の反復された評価に基づいて、前記対象物の予め定められ評価 されたクラス間で得られる一致度を連続的に修正するように構成された制御手段 とを備え、未知の分類の類似の対象物を分類するように構成されているシステム 。
2. ２．請求の範囲第１項記載のシステムにおいて、前記変換手段は、前記時間領域 信号の周波数領域変換を生成する変換発生器を含み、 前記変換発生器は、前記制御手段によって調整可能なパラメータを含み、変換ア ルゴリズム及び／又は交換サイズを変化させるシステム。
3. ３．請求の範囲第１項又は第２項記載のシステムにおいて、前記変換手段は、 前記時間領域信号の周波数領域変換を生成する変換発生器と、前記交換を受け取 ると共に、前記変換から変換ベクトルを引き出すように構成された特徴抽出器と を含み、前記特徴抽出器は、前記制御手段によって調整可能なパラメータを含み 、前記ベクトルが前記変換から引き出される方法を変化させ、及び／又は、前記 各交換から引き出された異なるベクトルの数を変化させるシステム。
4. ４．請求の範囲第３項記載のシステムにおいて、前記ベクトルが引き出される方 法を制御するための人工ニューラルネットワーク、ファジー論理、及び／又は、 クリスプ論理アルゴリズムを含み、前記ネットワークは、前記制御手段により調 整可能なパラメータを有しているシステム。
5. ５．先行するいずれの請求の範囲に記載のシステムにおいて、前記分類手段は、 前記制御手段によって調整可能なパラメータを含み、前記分類手段によって用い られる分類方法を変更するシステム。
6. ６．請求の範囲第５項記載のシステムにおいて、前記分類方法を決定するための 人工ニューラルネットワーク、ファジー論理、及び／又は、クリスプ論理アルゴ リズムを含み、前記ネットワークは、前記制御手段により調整可能なパラメータ を有しているシステム。
7. ７．先行するいずれの請求の範囲に記載のシステムにおいて、前記比較手段は、 前記制御手段によって調整可能なパラメータを含み、前記分類手段によって用い られる比較方法を変更するシステム。
8. ８．請求の範囲第７項記載のシステムにおいて、前記比較方法を決定するための 人工ニューラルネットワーク、ファジー論理、及び／又は、クリスプ論理アルゴ リズムを含み、前記ネットワークは、前記制御手段により調整可能なパラメータ を有しているシステム。
9. ９．先行するいずれの請求の範囲に記載のシステムにおいて、前記変換手段に前 記時間領域信号を出力するように接続された先行調整回路手段を有し、 前記先行調整回路手段は、前記制御手段によって調整可能なパラメータを含み、 前記信号を構成する、画素のグレースケール、画素数又はパターンノイズを変更 するシステム。
10. １０．先行するいずれの請求の範囲に記載のシステムにおいて、前記制御手段は 、前記システムパラメータを反復して調整し、前記対象物の分類を評価するのに 要する時間を最小化するように構成され、獲得されるべき予め定められたクラス 適合レベルが与えられているシステム。
11. １１．先行するいずれの請求の範囲に記載のシステムにおいて、前記制御システ ムは、前記パラメータの調整を実行するための人工ニューラルネットワーク、フ ァジー論理、及び／又は、クリスプ論理アルゴリズムを含んでいるシステム。
12. １２．対象物の部分集合のクラス適合条件が予め定められており、対象物の集団 の部分を予め定められたクラスへ分類する方法において、 対象物の部分集合から引き出された時間領域信号の周波数領域変換ベクトルを引 き出すステップと、 対象物の各記分集合の分類を評価する交換ベクトルを比較するステップと、 対象物の部分集合の評価され予め定められた分類間の一致度を決定するステップ と、 先行するステップを反復することにより、システムパラメータを反復して調整し 、対象物の部分集合の評価され予め定められた分類間の一致度を改良するステッ プと、 対象物の集団の残りの部分集合の分類を評価すると共に、前記改良された一致度 に対応するパラメータの設定を獲得するステップとを有していることを特徴とす る方法。
13. １３．請求の範囲第１２項記載の方法において、少なくとも一つの調整可能なシ ステムパラメータの制御下で、前記時間領域信号から周波数領域変換を引き出す ステップと、前記交換から変換ベクトルを引き出すステップとを有していること を特徴とする方法。
14. １４．請求の範囲第１２項又は第１３項記載の方法において、前記時間領域信号 から周波数領域変換を引き出すステップと、少なくとも一つの調整可能なシステ ムパラメータの制御下で、前記交換から前記交換ベクトルを引き出すステップと を有していることを特徴とする方法。
15. １５．請求の範囲第１２項乃至第１４項のいずれかに記載の方法において、 人工ニューラルネットワーク、ファジー論理、及び／又はクリスプ論理アルコリ ズムの操作により、及び／又は、少なくとも一つの調整可能なシステムパラメー タにより、前記ベクトルの引き出しを制御するステップを有していることを特徴 とする方法。
16. １６．請求の範囲第１２項乃至第１５項のいずれかに記載の方法において、 人工ニューラルネットワーク、ファジー論理、及び／又はクリスプ論理アルゴリ ズムの操作により、及び／又は、少なくとも一つの調整可能なシステムパラメー タにより、前記変換ベクトルを比較すろステップを有していることを特徴とする 方法。
17. １７．請求の範囲第１２項乃至第１６項のいずれかに記載の方法において、 人工ニューラルネットワーク、ファジー論理、及び／又はクリスプ論理アルゴリ ズムの操作により、及び／又は、少なくとも一つの調整可能なシステムパラメー タにより、前記一致度を決定するステップを有していることを特徴とする方法。
18. １８．請求の範囲第１６項記載の方法において、人工ニューラルネットワーク、 ファジー論理、及び／又はクリスプ論理アルゴリズムの操作により、前記一致度 を決定するステップと、 順に少なくとも一つの調整可能なシステムパラメータによって前記ネットワーク を制御するステップとを有していることを特徴とする方法。
19. １９．請求の範囲第１２項乃至第１８項のいずれかに記載の方法において、 前記システムパラメータを反復して調整し、前記対象物の分類を評価するのに要 する時間を最小化するステップを有していることを特徴とする方法。