JPH085348A - ３次元形状検査方法 - Google Patents
３次元形状検査方法Info
- Publication number
- JPH085348A JPH085348A JP6137241A JP13724194A JPH085348A JP H085348 A JPH085348 A JP H085348A JP 6137241 A JP6137241 A JP 6137241A JP 13724194 A JP13724194 A JP 13724194A JP H085348 A JPH085348 A JP H085348A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- image
- inspected
- inspection
- neural network
- 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
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Input (AREA)
- Image Processing (AREA)
Abstract
(57)【要約】
【構成】パターン投影手段（９０）により検査対象物上
にパターンを形成し、画像入力手段（９１）によりパタ
ーン投影された対象物の画像をディジタル化して画像メ
モリに蓄積し、パターン位置検出手段（９２）によっ
て、各パターン検出範囲内でのパターン位置検出を行
い、ニューラルネットワークによる良否判別手段（９
３）によって検出されたパターンの位置を入力、良否判
定結果を出力とするニューラルネットワークにより判定
を行う。 【効果】面状の広がりを持つパターンより複数の情報が
得られた場合においても、それを用いて判断を行う基準
を手間をかけずに決定することが可能である。またさら
に、測定精度がよくかつ細密な位置における高さ情報を
得ることも可能となる。
にパターンを形成し、画像入力手段（９１）によりパタ
ーン投影された対象物の画像をディジタル化して画像メ
モリに蓄積し、パターン位置検出手段（９２）によっ
て、各パターン検出範囲内でのパターン位置検出を行
い、ニューラルネットワークによる良否判別手段（９
３）によって検出されたパターンの位置を入力、良否判
定結果を出力とするニューラルネットワークにより判定
を行う。 【効果】面状の広がりを持つパターンより複数の情報が
得られた場合においても、それを用いて判断を行う基準
を手間をかけずに決定することが可能である。またさら
に、測定精度がよくかつ細密な位置における高さ情報を
得ることも可能となる。
Description
【０００１】
【産業上の利用分野】この発明は、３次元形状検査方法
に関するものである。さらに詳しくは、この発明は、視
覚センサを用いて計測される３次元形状をもとに被検査
物の良否判定を行うことを特徴とする３次元形状検査方
法に関するものである。
に関するものである。さらに詳しくは、この発明は、視
覚センサを用いて計測される３次元形状をもとに被検査
物の良否判定を行うことを特徴とする３次元形状検査方
法に関するものである。
【０００２】
【従来の技術】従来より様々な分野において３次元での
形状検査が行われており、そのための方法についても工
夫がなされてきている。従来の検査方法について図面を
参照しながら説明すると、まず、図１に例示した機械部
品（１０）は、検査工程の後の工程で別の機械部品と組
み合わされるものであり、この機械部品（１０）に塗布
されるグリース（１１）は、機械部品相互の摺動部分の
潤滑に用いられる。グリース（１１）の量が適切でない
場合や、塗布される位置がずれていたりすると良好な潤
滑が得られず、機械動作時に異音を発する等の不具合が
生じる。通常、このグリース（１１）はディスペンサ
（１２）のノズルの先端より供給されるが、塗布量の変
化、塗布の位置ずれの原因として、ノズルの詰まりや、
ノズルへの気泡の混入、あるいは振動等によるノズル先
端の位置ずれ等がある。このため実際の生産工程におい
ては、塗布位置、塗布量の検査を行う必要がある。
形状検査が行われており、そのための方法についても工
夫がなされてきている。従来の検査方法について図面を
参照しながら説明すると、まず、図１に例示した機械部
品（１０）は、検査工程の後の工程で別の機械部品と組
み合わされるものであり、この機械部品（１０）に塗布
されるグリース（１１）は、機械部品相互の摺動部分の
潤滑に用いられる。グリース（１１）の量が適切でない
場合や、塗布される位置がずれていたりすると良好な潤
滑が得られず、機械動作時に異音を発する等の不具合が
生じる。通常、このグリース（１１）はディスペンサ
（１２）のノズルの先端より供給されるが、塗布量の変
化、塗布の位置ずれの原因として、ノズルの詰まりや、
ノズルへの気泡の混入、あるいは振動等によるノズル先
端の位置ずれ等がある。このため実際の生産工程におい
ては、塗布位置、塗布量の検査を行う必要がある。
【０００３】次に、図２は検査を行う装置を例示したも
のであるが、検査対象物（２０）とテレビカメラ（２
１）と照明装置（２２）と画像処理装置（２３）と外部
機器（２４）とからなっており、照明装置（２２）は、
検査対象物（２０）である塗布物に１本のスリット光を
照射する構造である。また、画像処理装置（２３）は、
テレビカメラより入力された画像に対して塗布状態の判
断を行い、塗布不良の場合はＩ／Ｏを通じて外部機器
（２４）に結果を出力し、それに対して外部機器（２
４）は再塗布等の処理を行う。図３は、図２に示した画
像処理装置（２３）に対応する装置（３０）であり、カ
メラからの信号をＡ／Ｄ変換器（３１）を通じてディジ
タル信号に変換し、画像メモリ（３２）に蓄積する。画
像のデジタル信号は、たとえばカメラの走査線と水平方
向に５１２画素、垂直方向に４８０画素となるように画
素分割を行い、明るくなるに従いその値が大きくなるよ
うな離散的な濃淡８ビット（２５６階調）のデータを持
つようにする。すなわち、カメラの走査線に水平、垂直
な方向の座標をそれぞれｘ，ｙとし、画像左隅の座標
（０，０）より右下に移動するに従いｘ，ｙのそれぞれ
の値は大きくなるものとする。このデジタル画像に対し
てマイコン（３３）により処理を行い塗布状態の判定を
行う。判定結果はＩ／Ｏ（３４）より出力される。
のであるが、検査対象物（２０）とテレビカメラ（２
１）と照明装置（２２）と画像処理装置（２３）と外部
機器（２４）とからなっており、照明装置（２２）は、
検査対象物（２０）である塗布物に１本のスリット光を
照射する構造である。また、画像処理装置（２３）は、
テレビカメラより入力された画像に対して塗布状態の判
断を行い、塗布不良の場合はＩ／Ｏを通じて外部機器
（２４）に結果を出力し、それに対して外部機器（２
４）は再塗布等の処理を行う。図３は、図２に示した画
像処理装置（２３）に対応する装置（３０）であり、カ
メラからの信号をＡ／Ｄ変換器（３１）を通じてディジ
タル信号に変換し、画像メモリ（３２）に蓄積する。画
像のデジタル信号は、たとえばカメラの走査線と水平方
向に５１２画素、垂直方向に４８０画素となるように画
素分割を行い、明るくなるに従いその値が大きくなるよ
うな離散的な濃淡８ビット（２５６階調）のデータを持
つようにする。すなわち、カメラの走査線に水平、垂直
な方向の座標をそれぞれｘ，ｙとし、画像左隅の座標
（０，０）より右下に移動するに従いｘ，ｙのそれぞれ
の値は大きくなるものとする。このデジタル画像に対し
てマイコン（３３）により処理を行い塗布状態の判定を
行う。判定結果はＩ／Ｏ（３４）より出力される。
【０００４】マイコンによる処理の概略を示したものが
図４である。「パターン検出手段」（４０）は図５に示
すパターン照射された塗布物の画像内のパターンの位置
を検出する工程である。ここでは、特にパターンの位置
変化が最大となる点の位置を検出する。検出される点は
図５では点Ｐで表される。テレビカメラと照明装置およ
び塗布物の位置関係が図６に示す状態の場合を考えてみ
る。図６では、検査対象物（６０）、テレビカメラ（６
１）、照明装置（６２）が配置されている。照射面位置
が高くなるに従ってパターン位置の移動する方向は、図
中の矢印（６３）の方向となる。図４の「高さ計算手
段」（４１）は、前工程で得られたパターンの位置より
パターンの照射されている塗布物の高さを計算する工程
である。図６において塗布物のパターン照射部の塗布面
からの高さｈは塗布物がない状態からのパターン位置の
変化量ｄ、テレビカメラと照明装置のなす角θを用いて
式１で表される。
図４である。「パターン検出手段」（４０）は図５に示
すパターン照射された塗布物の画像内のパターンの位置
を検出する工程である。ここでは、特にパターンの位置
変化が最大となる点の位置を検出する。検出される点は
図５では点Ｐで表される。テレビカメラと照明装置およ
び塗布物の位置関係が図６に示す状態の場合を考えてみ
る。図６では、検査対象物（６０）、テレビカメラ（６
１）、照明装置（６２）が配置されている。照射面位置
が高くなるに従ってパターン位置の移動する方向は、図
中の矢印（６３）の方向となる。図４の「高さ計算手
段」（４１）は、前工程で得られたパターンの位置より
パターンの照射されている塗布物の高さを計算する工程
である。図６において塗布物のパターン照射部の塗布面
からの高さｈは塗布物がない状態からのパターン位置の
変化量ｄ、テレビカメラと照明装置のなす角θを用いて
式１で表される。
【０００５】
【数１】
【０００６】ここで、θは既知であるとみなせるので、
前工程で得られれているｄを用いて式１よりｈを計算に
より求めることができる。同様に図４に示した「良否判
別手段」（４２）は、前工程で得られた高さｈより良否
の判別を行う工程である。高さのしきい値としてｈ１、
ｈ２を前もって定めておき、次の式２の条件を満たす場
合は良品、それ以外の場合は不良品と判別する。
前工程で得られれているｄを用いて式１よりｈを計算に
より求めることができる。同様に図４に示した「良否判
別手段」（４２）は、前工程で得られた高さｈより良否
の判別を行う工程である。高さのしきい値としてｈ１、
ｈ２を前もって定めておき、次の式２の条件を満たす場
合は良品、それ以外の場合は不良品と判別する。
【０００７】
【数２】
【０００８】また、「検査基準決定手段」（４３）は、
この例では前記のｈ１、ｈ２を決定することとなる。複
数の検査対象物を用意してｈを測定し、式２に示す良否
判別を実行し、判別結果が正しい結果となるようにｈ
１、ｈ２の大きさを調整する。
この例では前記のｈ１、ｈ２を決定することとなる。複
数の検査対象物を用意してｈを測定し、式２に示す良否
判別を実行し、判別結果が正しい結果となるようにｈ
１、ｈ２の大きさを調整する。
【０００９】
【発明が解決しようとする課題】しかしながら従来の方
法では、形状や位置が不定である対象物に対しては点や
一本の線上のパターンでは対象物によりパターンが隠さ
れる等の影響で情報が失われる場合もある。これらの例
を示したものが図７（ａ）、（ｂ）である。図７（ａ）
はパターンが投影された位置が対象物の高さを十分に表
しておらず、また、図７（ｂ）は対象物の変形によって
投影パターンが隠されている。投影するパターンは、た
とえば図１１のように面状に広がっていることが望まし
い。しかしながら、面状に広がりを持つパターンにより
得られる複数の高さ情報を用いて判断を行うことは、前
記の式２のような式で表されるものではなく、複数の情
報を複合的に判断する必要があり、正確な判断を行うた
めの定式化は手間がかかり困難である。また、細密な位
置における高さ情報を得るためにパターンの間隔を狭く
し、かつ高さ測定のダイナミックレンジを広くとった場
合、検出パターンと隣り合うパターンの識別ができない
という問題点がある。この点を図８を用いて説明する
と、高さ測定を行うため移動量の計測を行うパターン
（８０）の位置をパターン位置検出範囲（８１）の内部
にて検出する場合、パターンの移動方向はｘで示す方向
であるが、パターンの移動量が大きい場合には検出範囲
（８１）の内部にパターン（８０）と隣り合うパターン
（８２）が入り、このときパターン（８２）をパターン
（８０）として誤検出してしまう。従って、パターンの
移動量をできるだけ小さくする必要があり、これには式
１にて用いた角度θを小さくする必要がある。逆に高さ
測定の精度をよくするには、高さ変化に比例するパター
ンの移動量を測定する視覚センサの測定精度に限度があ
ることよりパターンの移動量を大きくする必要がある。
これにはθを大きくせねばなせず、両方の条件を兼ね備
えることはできない。
法では、形状や位置が不定である対象物に対しては点や
一本の線上のパターンでは対象物によりパターンが隠さ
れる等の影響で情報が失われる場合もある。これらの例
を示したものが図７（ａ）、（ｂ）である。図７（ａ）
はパターンが投影された位置が対象物の高さを十分に表
しておらず、また、図７（ｂ）は対象物の変形によって
投影パターンが隠されている。投影するパターンは、た
とえば図１１のように面状に広がっていることが望まし
い。しかしながら、面状に広がりを持つパターンにより
得られる複数の高さ情報を用いて判断を行うことは、前
記の式２のような式で表されるものではなく、複数の情
報を複合的に判断する必要があり、正確な判断を行うた
めの定式化は手間がかかり困難である。また、細密な位
置における高さ情報を得るためにパターンの間隔を狭く
し、かつ高さ測定のダイナミックレンジを広くとった場
合、検出パターンと隣り合うパターンの識別ができない
という問題点がある。この点を図８を用いて説明する
と、高さ測定を行うため移動量の計測を行うパターン
（８０）の位置をパターン位置検出範囲（８１）の内部
にて検出する場合、パターンの移動方向はｘで示す方向
であるが、パターンの移動量が大きい場合には検出範囲
（８１）の内部にパターン（８０）と隣り合うパターン
（８２）が入り、このときパターン（８２）をパターン
（８０）として誤検出してしまう。従って、パターンの
移動量をできるだけ小さくする必要があり、これには式
１にて用いた角度θを小さくする必要がある。逆に高さ
測定の精度をよくするには、高さ変化に比例するパター
ンの移動量を測定する視覚センサの測定精度に限度があ
ることよりパターンの移動量を大きくする必要がある。
これにはθを大きくせねばなせず、両方の条件を兼ね備
えることはできない。
【００１０】この発明は、以上の通りの事情に鑑みてな
されたものであって、従来の３次元形状検査方法の欠点
を解消し、対象物体の位置や形状に依存せずに形状の測
定ができ、さらに、高さ測定を高精度で行うことが可能
な、新しい３次元形状検査方法を提供することを目的と
している。
されたものであって、従来の３次元形状検査方法の欠点
を解消し、対象物体の位置や形状に依存せずに形状の測
定ができ、さらに、高さ測定を高精度で行うことが可能
な、新しい３次元形状検査方法を提供することを目的と
している。
【００１１】
【課題を解決するための手段】この発明は、上記の課題
を解決するものとして、パターン照射手段により被検査
物表面にパターンを形成する第一の工程と、視覚センサ
が前記の被検査物を撮像して出力した映像信号をディジ
タル化して画像データとする第二の工程と、前記画像デ
ータより画像上の特定領域内でのパターンの位置を検査
する第三の工程と、前記パターンの位置より被検査物の
良否を判別する第四の工程を有し、第四の工程では、検
査されたパターン位置を入力し、判別結果を出力するニ
ューラルネットワークにより判別を行うことを特徴とす
る３次元形状検査方法（請求項１）を提供する。またさ
らに、この発明は、パターン照射手段により被検査物表
面にパターンを形成する第一の工程と、視覚センサが前
記の被検査物を撮像して出力した映像信号をディジタル
化して画像データとする第二の工程と、前記画像データ
より画像上の特定領域内でのパターンの位置を検査する
第三の工程と、前記パターンの位置より被検査物の良否
を判別する第四の工程を有し、パターン照射手段は点滅
可能な光源とし、点灯させるこの光源を切り替えること
によって被検査物上に形成されるパターンの位置を変化
させることを特徴とする３次元形状検査方法（請求項
２）をも提供する。
を解決するものとして、パターン照射手段により被検査
物表面にパターンを形成する第一の工程と、視覚センサ
が前記の被検査物を撮像して出力した映像信号をディジ
タル化して画像データとする第二の工程と、前記画像デ
ータより画像上の特定領域内でのパターンの位置を検査
する第三の工程と、前記パターンの位置より被検査物の
良否を判別する第四の工程を有し、第四の工程では、検
査されたパターン位置を入力し、判別結果を出力するニ
ューラルネットワークにより判別を行うことを特徴とす
る３次元形状検査方法（請求項１）を提供する。またさ
らに、この発明は、パターン照射手段により被検査物表
面にパターンを形成する第一の工程と、視覚センサが前
記の被検査物を撮像して出力した映像信号をディジタル
化して画像データとする第二の工程と、前記画像データ
より画像上の特定領域内でのパターンの位置を検査する
第三の工程と、前記パターンの位置より被検査物の良否
を判別する第四の工程を有し、パターン照射手段は点滅
可能な光源とし、点灯させるこの光源を切り替えること
によって被検査物上に形成されるパターンの位置を変化
させることを特徴とする３次元形状検査方法（請求項
２）をも提供する。
【００１２】
【作用】請求項１の発明においては、面状の広がりを持
つパターンより複数の情報が得られた場合においても、
それを用いて判断を行う基準を手間をかけずに決定する
ことが可能である。またさらに、請求項２の発明におい
ては高さのダイナミックレンジが広く、測定精度がよ
く、かつ細密な位置における高さ情報を得ることが可能
である。
つパターンより複数の情報が得られた場合においても、
それを用いて判断を行う基準を手間をかけずに決定する
ことが可能である。またさらに、請求項２の発明におい
ては高さのダイナミックレンジが広く、測定精度がよ
く、かつ細密な位置における高さ情報を得ることが可能
である。
【００１３】以下、実施例を示し、さらに詳しくこの発
明について説明する。
明について説明する。
【００１４】
【実施例】実施例１ 検査対象、検査装置および画像処理装置は従来例と同様
に、各々、図１、図２、図３に例示したものとした。た
だ、照明装置の構造は従来例とは若干異なっている。こ
の点については後述する。検査対象物はテレビカメラに
対して相対的に等しい位置となるように検査の合間に順
次交換されるテレビカメラに撮像される対象物の画像は
常に同一の位置にある。テレビカメラと照明、対象物の
位置関係は、図６に示す通りである。
に、各々、図１、図２、図３に例示したものとした。た
だ、照明装置の構造は従来例とは若干異なっている。こ
の点については後述する。検査対象物はテレビカメラに
対して相対的に等しい位置となるように検査の合間に順
次交換されるテレビカメラに撮像される対象物の画像は
常に同一の位置にある。テレビカメラと照明、対象物の
位置関係は、図６に示す通りである。
【００１５】この発明の実施例における検査手順を示し
たものが図９である。そこで、以下、図９を用いて説明
する。図９の「パターン投影手段」（９０）は照明装置
により対象物上にパターンを形成する手段である。照明
装置は図１０に示す構成となっている。すなわち、照明
光源（１００）より発せられた光を凸レンズ（１０
１）、凹レンズ（１０２）により対象物上に結像する仕
組みである。照明光源（１００）と凸レンズ（１０
１）、凹レンズ（１０２）はともに鏡筒（１０３）に組
み入れられている。照明光源（１００）は図１１に示す
ような縦８×横８個のＬＥＤドット光源（１１０）によ
り構成されており、各ＬＥＤは個別に点滅可能である。
平面上に投影されるパターンは、図１２に示すような格
子点上に並んだドットマトリックスとなる。
たものが図９である。そこで、以下、図９を用いて説明
する。図９の「パターン投影手段」（９０）は照明装置
により対象物上にパターンを形成する手段である。照明
装置は図１０に示す構成となっている。すなわち、照明
光源（１００）より発せられた光を凸レンズ（１０
１）、凹レンズ（１０２）により対象物上に結像する仕
組みである。照明光源（１００）と凸レンズ（１０
１）、凹レンズ（１０２）はともに鏡筒（１０３）に組
み入れられている。照明光源（１００）は図１１に示す
ような縦８×横８個のＬＥＤドット光源（１１０）によ
り構成されており、各ＬＥＤは個別に点滅可能である。
平面上に投影されるパターンは、図１２に示すような格
子点上に並んだドットマトリックスとなる。
【００１６】また図９に示した「画像入手手段」（９
１）では、ドットパターンを投影された対象物の画像を
テレビカメラにより撮像する。撮像された画像をＡ／Ｄ
変換し、画像メモリに蓄積するまでの工程は従来例と同
様である。「パターン位置検出手段」（９２）は予め設
定された各パターン検出範囲内でのパターン検出を行
う。パターン位置は濃度のピーク点、つまりパターン検
出範囲内で最大の濃度となる画素の位置を検出する。た
とえばパターン検出範囲内の画素濃度が図１３で示され
るとおりであった場合を考えてみると、同図は、画素濃
度（１３０）を表し、最大濃度となる画素濃度値は１９
７であり、従って、図中のｘ方向のパターン位置座標は
６となる。パターン検出範囲は１つのパターンの可動範
囲を包括し、かつ他のパターンの入らない範囲となるよ
うに前もって決定しておく。これを図１４を用いて説明
する。
１）では、ドットパターンを投影された対象物の画像を
テレビカメラにより撮像する。撮像された画像をＡ／Ｄ
変換し、画像メモリに蓄積するまでの工程は従来例と同
様である。「パターン位置検出手段」（９２）は予め設
定された各パターン検出範囲内でのパターン検出を行
う。パターン位置は濃度のピーク点、つまりパターン検
出範囲内で最大の濃度となる画素の位置を検出する。た
とえばパターン検出範囲内の画素濃度が図１３で示され
るとおりであった場合を考えてみると、同図は、画素濃
度（１３０）を表し、最大濃度となる画素濃度値は１９
７であり、従って、図中のｘ方向のパターン位置座標は
６となる。パターン検出範囲は１つのパターンの可動範
囲を包括し、かつ他のパターンの入らない範囲となるよ
うに前もって決定しておく。これを図１４を用いて説明
する。
【００１７】図１４におけるパターン（１４０）、（１
４１）、（１４２）は検出されるべきパターンであり、
対象物の高さに応じてｘの方向に移動する。これらのパ
ターンのうちのパターン（１４０）の位置を検出する範
囲の設定の仕方は次の通りである。すなわち、対象物の
表面高さが最小でｈmin 、最大でｈmax となり得ると
し、ｈmin およびｈmax であった場合のそれぞれにおけ
るパターン（１４０）の位置となる画素の座標をｐmin
、ｐmax とする。つまり、パターン（１４０）の移動
範囲はｐmin 〜ｐmax である。同様にして決定されるパ
ターン（１４１）の移動範囲をｑmin 〜ｑmax 、パター
ン（１４２）の移動範囲をｒmin 〜ｒmax とする。この
とき、パターン（１４０）の検出範囲はｐmin 、ｐmax
を含み、ｑmin 、ｑmax 、ｒmin 、ｒmax を含まない範
囲として（１４３）のように設定を行う。
４１）、（１４２）は検出されるべきパターンであり、
対象物の高さに応じてｘの方向に移動する。これらのパ
ターンのうちのパターン（１４０）の位置を検出する範
囲の設定の仕方は次の通りである。すなわち、対象物の
表面高さが最小でｈmin 、最大でｈmax となり得ると
し、ｈmin およびｈmax であった場合のそれぞれにおけ
るパターン（１４０）の位置となる画素の座標をｐmin
、ｐmax とする。つまり、パターン（１４０）の移動
範囲はｐmin 〜ｐmax である。同様にして決定されるパ
ターン（１４１）の移動範囲をｑmin 〜ｑmax 、パター
ン（１４２）の移動範囲をｒmin 〜ｒmax とする。この
とき、パターン（１４０）の検出範囲はｐmin 、ｐmax
を含み、ｑmin 、ｑmax 、ｒmin 、ｒmax を含まない範
囲として（１４３）のように設定を行う。
【００１８】パターン検出範囲は対象物であるグリース
の塗布範囲に応じて、たとえば図１５のように設定す
る。投影パターン（１５０）は塗布平面上では図のよう
な位置にあり、塗布物（１５１）の存在により投影され
る高さが高くなるに比例してｘの方向に移動する。パタ
ーン検出範囲（１５２）を前記の方法に従って、高さ計
測を行う塗布物の存在範囲に応じて設定する。
の塗布範囲に応じて、たとえば図１５のように設定す
る。投影パターン（１５０）は塗布平面上では図のよう
な位置にあり、塗布物（１５１）の存在により投影され
る高さが高くなるに比例してｘの方向に移動する。パタ
ーン検出範囲（１５２）を前記の方法に従って、高さ計
測を行う塗布物の存在範囲に応じて設定する。
【００１９】図９に示した「ニューラルネットワークに
よる良否判定手段」（９３）では、各パターン検出範囲
にて検出されたパターンの位置を入力し、良否判定結果
を出力とするニューラルネットワークにより判定を行
う。判定に使用するニューラルネットワークを例示した
ものが図１６である。ニューラルネットワークは３層の
階層型で入力層（１６０）、中間層（１６１）、出力層
（１６２）であり、それぞれ入力ユニット（１６３）、
中間ユニット（１６４）、出力ユニット（１６５ａ）、
（１６５ｂ）により構成されている。入力層（１６０）
と中間層（１６１）、中間層（１６１）と出力層（１６
２）の間の各ユニットは学習により決定される重み係数
を持つ結合をしている。また、入力層（１６０）と中間
層（１６１）にそれぞれ入力を待たずに出力が常に１と
なるバイアスユニット（１６６）が１つずつ存在する。
中間層（１６１）の数は処理時間と認識性能がそれぞれ
望ましい値となるように試行錯誤で決定する。このよう
なニューラルネットワークの計算アルゴリズムについて
は、たとえば（D.E.Rumelhart,G.E.Hinton & R.J.Willi
ams : Learning representations by back-propagating
errors ; Nature, Vol.323-9, pp.533-536(1986))に報
告されているものが挙げられる。ニューラルネットワー
クのユニットにおける入力から出力を生成する伝達関数
は式３にＴ（Ｘ）で示すシグモイド関数を用いるため、
その出力値が最大値で１、最小値で０となる構造となっ
ている。
よる良否判定手段」（９３）では、各パターン検出範囲
にて検出されたパターンの位置を入力し、良否判定結果
を出力とするニューラルネットワークにより判定を行
う。判定に使用するニューラルネットワークを例示した
ものが図１６である。ニューラルネットワークは３層の
階層型で入力層（１６０）、中間層（１６１）、出力層
（１６２）であり、それぞれ入力ユニット（１６３）、
中間ユニット（１６４）、出力ユニット（１６５ａ）、
（１６５ｂ）により構成されている。入力層（１６０）
と中間層（１６１）、中間層（１６１）と出力層（１６
２）の間の各ユニットは学習により決定される重み係数
を持つ結合をしている。また、入力層（１６０）と中間
層（１６１）にそれぞれ入力を待たずに出力が常に１と
なるバイアスユニット（１６６）が１つずつ存在する。
中間層（１６１）の数は処理時間と認識性能がそれぞれ
望ましい値となるように試行錯誤で決定する。このよう
なニューラルネットワークの計算アルゴリズムについて
は、たとえば（D.E.Rumelhart,G.E.Hinton & R.J.Willi
ams : Learning representations by back-propagating
errors ; Nature, Vol.323-9, pp.533-536(1986))に報
告されているものが挙げられる。ニューラルネットワー
クのユニットにおける入力から出力を生成する伝達関数
は式３にＴ（Ｘ）で示すシグモイド関数を用いるため、
その出力値が最大値で１、最小値で０となる構造となっ
ている。
【００２０】
【数３】
【００２１】入力ユニットの数は設定されたパターン検
出範囲の数に等しく、ここでは２０である。出力ユニッ
トの数は２であり、出力ユニット（１６５ａ）からの出
力をｙok、出力ユニット（１６５ｂ）からの出力をｙng
とする。判定はｙok＞ｙngｋの場合良品、それ以外の場
合は不良品とする。ニューラルネットワークは良品と不
良品それぞれ各１通り以上の学習用の画像を提示し、良
品を撮像した画像をもとに検出された前述のパターン位
置を入力としたときに、出力ユニット（１６５ａ）から
の出力値ｙokが１、出力ユニット（１６５ｂ）からの出
力値ｙngは０となるように、逆に不良品を撮像した画像
より検出されたパターン位置を入力としたときに、出力
値ｙokが０、出力値ｙngは１となるように学習を行って
おく。学習は学習用の画像より得られるデータに関して
良品と不良品の判別を誤らなくなるまで繰り返し行う。
このように、画像の提示により内部構造の決定がなされ
ることがニューラルネットワークを用いる利点であり、
この発明での目的である面状に広がりを持つパターンよ
り複数の情報が得られた場合においても、それを用いて
判断を行う基準を手間をかけずに決定することが可能と
なる。実施例２ つぎにパターン照射手段の光源を切り換えによってパタ
ーンの間隔を広くし、表面高さ変化のダイナミックレン
ジを広くするとともに、複数回のパターン検出により検
査対象物上の細かい位置における高さ測定による正確な
判別を行った。その検査手順を例示したものが図１７で
ある。
出範囲の数に等しく、ここでは２０である。出力ユニッ
トの数は２であり、出力ユニット（１６５ａ）からの出
力をｙok、出力ユニット（１６５ｂ）からの出力をｙng
とする。判定はｙok＞ｙngｋの場合良品、それ以外の場
合は不良品とする。ニューラルネットワークは良品と不
良品それぞれ各１通り以上の学習用の画像を提示し、良
品を撮像した画像をもとに検出された前述のパターン位
置を入力としたときに、出力ユニット（１６５ａ）から
の出力値ｙokが１、出力ユニット（１６５ｂ）からの出
力値ｙngは０となるように、逆に不良品を撮像した画像
より検出されたパターン位置を入力としたときに、出力
値ｙokが０、出力値ｙngは１となるように学習を行って
おく。学習は学習用の画像より得られるデータに関して
良品と不良品の判別を誤らなくなるまで繰り返し行う。
このように、画像の提示により内部構造の決定がなされ
ることがニューラルネットワークを用いる利点であり、
この発明での目的である面状に広がりを持つパターンよ
り複数の情報が得られた場合においても、それを用いて
判断を行う基準を手間をかけずに決定することが可能と
なる。実施例２ つぎにパターン照射手段の光源を切り換えによってパタ
ーンの間隔を広くし、表面高さ変化のダイナミックレン
ジを広くするとともに、複数回のパターン検出により検
査対象物上の細かい位置における高さ測定による正確な
判別を行った。その検査手順を例示したものが図１７で
ある。
【００２２】この図１７において、「画像入力手段」
（１７１）は実施例１と同様である。また「良否判別手
段」（１７３）についても実施例１と同様でニューラル
ネットワークを用いるものとする。「パターン位置検出
手段」（１７２）においても実施例１と同様であるが、
パターン切り替えに追従してパターン検出範囲も切り替
える必要がある点が異なる。また、「パターン位置検出
手段」（１７２）は、パターン切り替え終了後の良否判
別手段の直前としてもよいが、画像データを蓄積するメ
モリの容量が十分でない場合にはパターン位置検出によ
りパターン位置のデータとした後、パターンの切り替え
を行う。「第一パターン照射手段」（１７０）および
「パターン切り替え手段」（１７４）では、たとえば図
１１に示したＬＥＤ光源を図１８（ａ）、（ｂ）に示す
ような２通りの点灯パターンにて２回に分けて照射を行
う。図１８（ａ）（ｂ）中の黒丸（１８０）は消灯、白
丸（１８１）は点灯するＬＥＤである。つまり、第一パ
ターン照射手段として（ａ）のパターンの照射を行い、
パターン切り替え手段により（ｂ）のパターンの照射を
行う。図１８（ａ）、（ｂ）の点灯パターンで投影され
るパターンは平面上ではそれぞれ図１９（ａ）、（ｂ）
に示すようなパターンとなる。それぞれパターンの検出
範囲は図２０（ａ）、（ｂ）の（２００）に示すように
広く設定することができる。なお、検査対象物の表面高
さの変化に伴いパターンはｘの方向に移動する。さらに
２回にわたって位置のずれたパターン検出を行うことに
より検査対象物上の細かな位置の高さ情報を得ることが
でき、より精密な判定を行うことができる。
（１７１）は実施例１と同様である。また「良否判別手
段」（１７３）についても実施例１と同様でニューラル
ネットワークを用いるものとする。「パターン位置検出
手段」（１７２）においても実施例１と同様であるが、
パターン切り替えに追従してパターン検出範囲も切り替
える必要がある点が異なる。また、「パターン位置検出
手段」（１７２）は、パターン切り替え終了後の良否判
別手段の直前としてもよいが、画像データを蓄積するメ
モリの容量が十分でない場合にはパターン位置検出によ
りパターン位置のデータとした後、パターンの切り替え
を行う。「第一パターン照射手段」（１７０）および
「パターン切り替え手段」（１７４）では、たとえば図
１１に示したＬＥＤ光源を図１８（ａ）、（ｂ）に示す
ような２通りの点灯パターンにて２回に分けて照射を行
う。図１８（ａ）（ｂ）中の黒丸（１８０）は消灯、白
丸（１８１）は点灯するＬＥＤである。つまり、第一パ
ターン照射手段として（ａ）のパターンの照射を行い、
パターン切り替え手段により（ｂ）のパターンの照射を
行う。図１８（ａ）、（ｂ）の点灯パターンで投影され
るパターンは平面上ではそれぞれ図１９（ａ）、（ｂ）
に示すようなパターンとなる。それぞれパターンの検出
範囲は図２０（ａ）、（ｂ）の（２００）に示すように
広く設定することができる。なお、検査対象物の表面高
さの変化に伴いパターンはｘの方向に移動する。さらに
２回にわたって位置のずれたパターン検出を行うことに
より検査対象物上の細かな位置の高さ情報を得ることが
でき、より精密な判定を行うことができる。
【００２３】
【発明の効果】以上詳しく説明した通り、この発明によ
り、面状の広がりを持つパターンより複数の情報が得ら
れた場合においても、それを用いて判断を行う基準を手
間をかけずに決定することが可能である。またさらに、
測定精度がよくかつ細密な位置における高さ情報を得る
ことも可能となる。
り、面状の広がりを持つパターンより複数の情報が得ら
れた場合においても、それを用いて判断を行う基準を手
間をかけずに決定することが可能である。またさらに、
測定精度がよくかつ細密な位置における高さ情報を得る
ことも可能となる。
【図１】従来例およびこの発明の実施例における検査対
象物を表す概略図である。
象物を表す概略図である。
【図２】従来例およびこの発明の実施例における検査装
置を表す概略図である。
置を表す概略図である。
【図３】画像処理装置の構成図である。
【図４】従来技術におけるマイコンによる処理方法の説
明図である。
明図である。
【図５】従来技術におけるパターン投影された対象物の
説明図である。
説明図である。
【図６】パターン投影された対象物の表面高さ計測の説
明図である。
明図である。
【図７】従来技術におけるパターン投影方法の第一の問
題点の説明図である。
題点の説明図である。
【図８】従来技術におけるパターン投影方法の第二の問
題点の説明図である。
題点の説明図である。
【図９】この発明の実施例における検査手順の説明図で
ある。
ある。
【図１０】この発明の実施例における照明装置の概略図
である。
である。
【図１１】この発明の実施例における照明装置内のＬＥ
Ｄ光源の説明図である。
Ｄ光源の説明図である。
【図１２】この発明の実施例における照明装置により投
影されるパターンを表す説明図である。
影されるパターンを表す説明図である。
【図１３】この発明の実施例における照射パターンを含
む画像データの説明図である。
む画像データの説明図である。
【図１４】この発明の実施例におけるパターン位置検出
範囲設定方法の説明図である。
範囲設定方法の説明図である。
【図１５】この発明の実施例における検査対象物に対す
るパターン位置検出設定例を表す説明図である。
るパターン位置検出設定例を表す説明図である。
【図１６】この発明の実施例に用いるニューラルネット
ワークの説明図である。
ワークの説明図である。
【図１７】この発明の実施例における検査手順の説明図
である。
である。
【図１８】（ａ）この発明の実施例における第一パター
ンを生成するＬＥＤの点灯パターンの図（ｂ）この発明
の実施例における第一パターンより切り替えられたＬＥ
Ｄの点灯パターンの図である。
ンを生成するＬＥＤの点灯パターンの図（ｂ）この発明
の実施例における第一パターンより切り替えられたＬＥ
Ｄの点灯パターンの図である。
【図１９】（ａ）図１８（ａ）のＬＥＤの点灯パターン
により平面上に照射されるパターン図（ｂ）図１８
（ｂ）のＬＥＤの点灯パターンにより平面上に照射され
るパターン図である。
により平面上に照射されるパターン図（ｂ）図１８
（ｂ）のＬＥＤの点灯パターンにより平面上に照射され
るパターン図である。
【図２０】（ａ）図１９（ａ）の照射パターンに対して
設定するパターン検出範囲の説明図（ｂ）図１９（ｂ）
の照射パターンに対して設定するパターン検出範囲の説
明図である。
設定するパターン検出範囲の説明図（ｂ）図１９（ｂ）
の照射パターンに対して設定するパターン検出範囲の説
明図である。
１０ 機械部品 １１ グリース １２ ディスペンサ ２０ 検査対象物 ２１ テレビカメラ ２２ 照明装置 ２３ 画像処理装置 ２４ 外部機器 ３０ 画像処理装置 ３１ Ａ／Ｄ変換器 ３２ 画像メモリ ３３ マイコン ３４ Ｉ／Ｏ ４０ パターン位置検出手段 ４１ 高さ計算手段 ４２ 良否判別手段 ４３ 検査基準決定手段 ５０ 塗布物 ５１ 照射パターン ６０ 検査対象物 ６１ テレビカメラ ６２ 照明装置 ６３ パターン移動方向 ８０ パターン ８１ パターン位置検出範囲 ８２ パターン ９０ パターン投影手段 ９１ 画像入力手段 ９２ パターン位置検出手段 ９３ ニューラルネットワークによる良否判別手段 １００ 照明光源 １０１ 凸レンズ １０２ 凹レンズ １０３ 鏡筒 １１０ ＬＥＤドット光源 １３０ 画素濃度 １４０ パターン １４１ パターン １４２ パターン １４３ パターン検出範囲 １５０ 投影パターン １５１ 塗布物 １５２ パターン検出範囲 １６０ 入力層 １６１ 中間層 １６２ 出力層 １６３ 入力ユニット １６４ 中間ユニット １６５ａ 出力ユニット １６５ｂ 出力ユニット １６６ バイアスユニット １７１ 画像入力手段 １７２ パターン位置検出手段 １７３ 良否判定手段 １７４ パターン切り替え手段 １８０ 消灯するＬＥＤ １８１ 点灯するＬＥＤ ２００ パターン検出範囲
フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０６Ｆ 15/64 Ｍ
Claims (2)
- 【請求項１】パターン照射手段により被検査物表面にパ
ターンを形成する第一の工程と、視覚センサが前記の被
検査物を撮像して出力した映像信号をディジタル化して
画像データとする第二の工程と、前記画像データより画
像上の特定領域内でのパターンの位置を検査する第三の
工程と、前記パターンの位置より被検査物の良否を判別
する第四の工程を有し、第四の工程では検査されたパタ
ーン位置を入力し、判別結果を出力するニューラルネッ
トワークにより判別を行うことを特徴とする３次元形状
検査方法。 - 【請求項２】パターン照射手段により被検査物表面にパ
ターンを形成する第一の工程と、視覚センサが前記の被
検査物を撮像して出力した映像信号をディジタル化して
画像データとする第二の工程と、前記画像データより画
像上の特定領域内でのパターンの位置を検査する第三の
工程と、前記パターンの位置より被検査物の良否を判別
する第四の工程を有し、パターン照射手段は点滅可能な
光源とし、点灯させるこの光源を切り替えることによっ
て被検査物上に形成されるパターンの位置を変化させる
ことを特徴とする３次元形状検査方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6137241A JPH085348A (ja) | 1994-06-20 | 1994-06-20 | ３次元形状検査方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6137241A JPH085348A (ja) | 1994-06-20 | 1994-06-20 | ３次元形状検査方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH085348A true JPH085348A (ja) | 1996-01-12 |
Family
ID=15194079
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6137241A Pending JPH085348A (ja) | 1994-06-20 | 1994-06-20 | ３次元形状検査方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH085348A (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005031101A (ja) * | 2000-10-20 | 2005-02-03 | Matsushita Electric Ind Co Ltd | レンジファインダ装置 |
| JP2005315728A (ja) * | 2004-04-28 | 2005-11-10 | Hiroshima Univ | 表面形状計測装置、表面形状計測方法 |
| US7237919B2 (en) | 2000-10-20 | 2007-07-03 | Matsushita Electric Industrial Co., Ltd. | Range finder, three-dimensional measuring method and light source apparatus |
| WO2012042976A1 (ja) * | 2010-09-28 | 2012-04-05 | 三洋電機株式会社 | 物体検出装置および情報取得装置 |
| JP2018092489A (ja) * | 2016-12-06 | 2018-06-14 | オムロン株式会社 | 分類装置、分類方法およびプログラム |
| JP2018163172A (ja) * | 2018-07-13 | 2018-10-18 | キヤノン株式会社 | 計測装置 |
| JP2019056612A (ja) * | 2017-09-21 | 2019-04-11 | 新日鐵住金株式会社 | 気密性検査方法及び装置 |
-
1994
- 1994-06-20 JP JP6137241A patent/JPH085348A/ja active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005031101A (ja) * | 2000-10-20 | 2005-02-03 | Matsushita Electric Ind Co Ltd | レンジファインダ装置 |
| US7237919B2 (en) | 2000-10-20 | 2007-07-03 | Matsushita Electric Industrial Co., Ltd. | Range finder, three-dimensional measuring method and light source apparatus |
| JP2005315728A (ja) * | 2004-04-28 | 2005-11-10 | Hiroshima Univ | 表面形状計測装置、表面形状計測方法 |
| WO2012042976A1 (ja) * | 2010-09-28 | 2012-04-05 | 三洋電機株式会社 | 物体検出装置および情報取得装置 |
| US8351042B1 (en) | 2010-09-28 | 2013-01-08 | Sanyo Electric Co., Ltd. | Object detecting device and information acquiring device |
| JP5138120B2 (ja) * | 2010-09-28 | 2013-02-06 | 三洋電機株式会社 | 物体検出装置および情報取得装置 |
| JP2018092489A (ja) * | 2016-12-06 | 2018-06-14 | オムロン株式会社 | 分類装置、分類方法およびプログラム |
| US11475294B2 (en) | 2016-12-06 | 2022-10-18 | Omron Corporation | Classification apparatus for detecting a state of a space with an integrated neural network, classification method, and computer readable medium storing a classification program for same |
| JP2019056612A (ja) * | 2017-09-21 | 2019-04-11 | 新日鐵住金株式会社 | 気密性検査方法及び装置 |
| JP2018163172A (ja) * | 2018-07-13 | 2018-10-18 | キヤノン株式会社 | 計測装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2733202B2 (ja) | プリント基板の自動検査方法及び検査システム | |
| US5455870A (en) | Apparatus and method for inspection of high component density printed circuit board | |
| US7202957B2 (en) | Three-dimensional visual sensor | |
| EP3388781A1 (en) | System and method for detecting defects in specular or semi-specular surfaces by means of photogrammetric projection | |
| JP3311135B2 (ja) | 検査範囲認識方法 | |
| KR20150021049A (ko) | 검사대상 물체의 표면 검사 방법 및 장치 | |
| JPS60219504A (ja) | 基板上の回路素子の高さ測定装置 | |
| US7599050B2 (en) | Surface defect inspecting method and device | |
| JPWO2021064893A1 (ja) | ワークの表面欠陥検出装置及び検出方法、ワークの表面検査システム並びにプログラム | |
| JP3493979B2 (ja) | 被検査面の欠陥検査方法およびその装置 | |
| JPH085348A (ja) | ３次元形状検査方法 | |
| JP2021056182A (ja) | ワークの表面欠陥検出装置及び検出方法、ワークの表面検査システム並びにプログラム | |
| JP2000321039A (ja) | 塗装欠陥検査装置及び方法 | |
| JPH11118730A (ja) | 被検査面の欠陥検査方法およびその装置 | |
| JP3159063B2 (ja) | 表面欠陥検査装置 | |
| JP7306620B2 (ja) | 表面欠陥検査装置及び表面欠陥検査方法 | |
| JPH05322531A (ja) | 物体の３次元形状測定装置 | |
| JP3044961B2 (ja) | 円形容器内面検査装置 | |
| JP2001280939A (ja) | 物体表面異常状態の評価方法 | |
| JP3343742B2 (ja) | 高輝度領域の属性検出方法 | |
| JP2638121B2 (ja) | 表面欠陥検査装置 | |
| JPH10105719A (ja) | 孔位置の光学的計測方法 | |
| JPH0666528A (ja) | 外観検査方法及び装置 | |
| JP3160838B2 (ja) | 表面欠陥検査装置 | |
| WO2021065349A1 (ja) | ワークの表面欠陥検出装置及び検出方法、ワークの表面検査システム並びにプログラム |