JPH0868764A - 画像判定装置および画像判定方法 - Google Patents

Abstract

(57)【要約】 【目的】 被検査体の表面欠陥の種別の同定を精度良く
行ない、合否、再検査の判別を行なって、目視検査員を
削減するとともに、検査情報を製造工程へフィードバッ
クすることが可能な画像判定装置および画像判定方法を
提供する。 【構成】 感光体ドラム２表面の検出エリア１の画像を
ＣＣＤカメラ６で読み取り、信号処理部８で信号処理し
て欠陥判定部９に入力する。欠陥判定部９内の特徴抽出
部１１は、読取画像から特徴量を抽出する。計算部１２
では、特徴量をもとに、判別関数記憶部１４内の判別関
数を選択的に用いて欠陥種別の群予測を行ない、欠陥種
別に対応した大きさの群予測を判別関数記憶部１４内の
判別関数および重回帰式記憶部１３内の重回帰式を用い
て行なう。判定部１５は、欠陥種別の群予測、欠陥の大
きさの群予測の結果から、感光体ドラム２の良、不良、
再検査を判定するとともに、欠陥の発生した工程を出力
する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、画像判定装置および画
像判定方法に関するものであり、特に被検査体の表面欠
陥の判定や、物体の形状による分類などに用いて好適な
画像判定装置および画像判定方法に関するものである。

【０００２】

【従来の技術】従来の画像判定装置、例えば、表面欠陥
検査装置としては、被検査体からの反射光を受光し、信
号処理回路で２値化処理し、欠陥の面積を求め、あらか
じめ設定された閾値と比較し、良品か、不良品かの判定
をするのが一般的である。そして、不良品の検査におい
て見逃しを回避すべく、閾値を不良品の面積の最小値に
設定して使用する。このように判定基準の厳しい閾値を
使用しているので、良品を不良品と判定する誤判定が生
じる場合がある。特に、感光体ドラムのように判定基準
の厳しい、かつ高価な被検査体の場合は、得率向上のた
めに不良品と判定された被検査体を目視により検査し、
良品を選別する必要があった。

【０００３】また、従来の画像判定装置では、上述のよ
うに扱う欠陥の特徴量が欠陥面積に限定されるため、欠
陥の種別まで同定することができない。そのため、感光
体ドラムのように欠陥の種別が多数あり、各々の欠陥種
別に応じて異なった面積の閾値を持つような被検査体の
場合には、その判定基準のうちで最も厳しい欠陥の閾値
を使用し、不良品の検査の見逃しによる工程からの流出
を防止することが一般的に行なわれている。このように
判定基準の厳しい閾値を使用すると、上述のように、良
品を不良品と判定する誤判定が生じ、得率向上のために
不良品と判定された被検査体をさらに目視により検査
し、良品を選別する必要があった。

【０００４】発生した欠陥の種別を正確に同定し、その
欠陥の種別や、欠陥の発生率を集計した検査情報などを
製造工程へリアルタイムにフィードバックすることによ
って、検査情報などを基に工程管理を行ない、生産性の
向上を図ることができる。従来の画像判定装置では、欠
陥の種別が判定できないため、このような自動化のニー
ズに応えることは不可能であった。

【０００５】このような問題を解決する手段として、欠
陥の種別を同定し、良品と不良品を精度よく判定する手
段が種々考えられている。例えば、特開平４−１６９８
０７号公報に記載されている技術では、欠陥の種類に応
じて複数の閾値を用意し、読取信号と各閾値とを比較し
て複数の２値化信号を生成し、それぞれの２値化信号に
基づいて面積を計算し、それぞれの面積閾値と比較して
良品、不良品の判定を行なうことにより、誤判定を削減
している。

【０００６】また、例えば、特開平４−１７２２３７号
公報や、精密工学開第４回外観検査の自動化ワークショ
ップ予稿集，大島ほか，「画像処理を用いて欠陥識別を
行なうインライン表面検査装置」，ｐ．６１〜６５等に
記載されている技術では、検出信号から欠陥の複数の特
徴量を算出し、算出した複数の特徴量の組み合わせによ
り欠陥などを判定することにより、誤判定を削減してい
る。この判定方式においては、木構造の判定アルコリズ
ムを使用している。この方式は複数の特徴量に対して各
々閾値を設け、あらかじめ決められた判定のステップに
基づき、順次特定の特徴量と閾値の比較を行ない、欠陥
種別の同定と合否判定を行なっていくものである。この
判定方法では、２分木構造の判定フローを用いるため、
判定の初期のステップで誤判定が発生した場合、判定結
果の修正が不可能であり、誤判定の発生が避けられず、
全く異なった種別の欠陥と判定されてしまう場合があ
る。そのため、欠陥種別により判定の閾値が異なるよう
な被検査体、例えば、感光体ドラムのようなものの検査
においては、やはりその判定基準の厳しい閾値を使用し
なければならず、前述の良品を不良品と判定する誤判定
の問題の解決の効果は期待できない。また、製造工程へ
虚偽の検査情報をフィードバックしてしまうおそれもあ
り、製造工程での不良原因改善の遅延を発生させる危険
性も持っている。

【０００７】

【発明が解決しようとする課題】本発明は、上述した事
情に鑑みてなされたもので、被検査体の検査項目につい
ての判定とその欠陥種別の同定を精度良く行ない、例え
ば、被検査体が感光体ドラムのように高価であり、得率
を重視する場合の欠陥の判別においては、良品か、不良
品か、再検査の必要があるかの判別を精度よく行なっ
て、目視検査員の削減を可能とするとともに、その検査
情報を製造工程へフィードバックすることが可能な画像
判定装置および画像判定方法を提供することを目的とす
るものである。

【０００８】

【課題を解決するための手段】本発明は、請求項１に記
載の発明においては、被検査体の表面の画像から検査項
目についての判定を行なう画像判定装置において、被検
査体の表面の画像を取り込む画像入力手段と、該画像入
力手段で取り込んだ画像から複数の特徴量を抽出する特
徴抽出手段と、該特徴抽出手段で抽出した複数の特徴量
を説明変量とし多変量解析により複数の群予測を行なう
ための関数を複数記憶する記憶手段と、前記特徴抽出手
段で抽出した複数の特徴量を説明変量として前記記憶手
段に記憶されている関数を選択的に用いて欠陥の種類の
群予測を行なうとともに該欠陥の種類の群予測の結果に
対応した欠陥の大きさの群予測を行なう群予測手段と、
該群予測手段による前記欠陥の種類の群予測の結果と前
記欠陥の大きさの群予測の結果の両者の組み合わせによ
り欠陥の合否および再検査の判別を行なう判別手段を有
することを特徴とするものである。

【０００９】請求項２に記載の発明においては、検査体
の表面の画像から検査項目についての判定を行なう画像
判定装置において、被検査体の表面の画像を取り込む画
像入力手段と、該画像入力手段で取り込んだ画像から複
数の特徴量を抽出する特徴抽出手段と、該特徴抽出手段
で抽出した複数の特徴量を説明変量とし少なくとも数量
化ＩＩ類を含む多変量解析により複数の群予測を行なう
ための関数を複数記憶する記憶手段と、前記特徴抽出手
段で抽出した複数の特徴量を説明変量として前記記憶手
段に記憶されている関数のうち少なくとも数量化ＩＩ類
の手法を用いた関数を用いて欠陥の種類の群予測を行な
うとともに該欠陥の種類の群予測の結果に対応した欠陥
の大きさの群予測を行なう群予測手段と、該群予測手段
による前記欠陥の種類の群予測の結果と前記欠陥の大き
さの群予測の結果の両者の組み合わせにより欠陥の合否
および再検査の判別を行なう判別手段を有することを特
徴とするものである。

【００１０】請求項３に記載の発明においては、被検査
体の表面の画像から検査項目についての判定を行なう画
像判定装置において、被検査体の表面の画像を取り込む
画像入力手段と、該画像入力手段で取り込んだ画像から
複数の特徴量を抽出する特徴抽出手段と、該特徴抽出手
段で抽出した複数の特徴量を説明変量とし少なくとも数
量化Ｉ類および数量化ＩＩ類を含む多変量解析により複
数の群予測を行なうための関数を複数記憶する記憶手段
と、前記特徴抽出手段で抽出した複数の特徴量を説明変
量として前記記憶手段に記憶されている関数のうち少な
くとも判別分析の手法を用いた関数を用いて欠陥の種類
の群予測を行なうとともに該欠陥の種類の群予測の結果
に対応した少なくとも重回帰分析の手法を用いた関数を
用いて欠陥の大きさの群予測を行なう群予測手段と、該
群予測手段による前記欠陥の種類の群予測の結果と前記
欠陥の大きさの群予測の結果の両者の組み合わせにより
欠陥の合否および再検査の判別を行なう判別手段を有す
ることを特徴とするものである。

【００１１】請求項４に記載の発明においては、請求項
１ないし３のいずれか１項に記載の画像判定装置におい
て、前記群予測手段による前記欠陥の種類の群予測の結
果に基づき前記被検査体の製造工程における欠陥の発生
箇所を予測する欠陥発生箇所予測手段を有することを特
徴とするものである。

【００１２】請求項５に記載の発明においては、被検査
体の表面の画像から検査項目についての判定を行なう画
像判定方法において、前記被検査体の表面の画像から得
られる複数の特徴量を説明変量とし多変量解析により複
数の群予測を行なうための関数をあらかじめ複数用意し
ておき、被検査体の表面の画像を取り込み、取り込んだ
画像から前記複数の特徴量を抽出し、抽出した前記複数
の特徴量を説明変量とし前記関数を選択的に用いて欠陥
の種類の群予測を行なうとともに、該欠陥の種類の群予
測の結果に対応した前記関数を用いて欠陥の大きさの群
予測を行ない、前記欠陥の種類の群予測の結果と前記欠
陥の大きさの群予測の結果の両者の組み合わせにより欠
陥の合否および再検査の判別を行なうことを特徴とする
ものである。

【００１３】請求項６に記載の発明においては、被検査
体の表面の画像から検査項目についての判定を行なう画
像判定方法において、前記被検査体の表面の画像から得
られる複数の特徴量を説明変量とし少なくとも数量化Ｉ
Ｉ類を含む多変量解析により複数の群予測を行なうため
の関数をあらかじめ複数用意しておき、被検査体の表面
の画像を取り込み、取り込んだ画像から前記複数の特徴
量を抽出し、抽出した前記複数の特徴量を説明変量とし
少なくとも数量化ＩＩ類の手法を用いた前記関数を選択
的に用いて欠陥の種類の群予測を行なうとともに、該欠
陥の種類の群予測の結果に対応した前記関数を用いて欠
陥の大きさの群予測を行ない、前記欠陥の種類の群予測
の結果と前記欠陥の大きさの群予測の結果の両者の組み
合わせにより欠陥の合否および再検査の判別を行なうこ
とを特徴とするものである。

【００１４】請求項７に記載の発明においては、被検査
体の表面の画像から検査項目についての判定を行なう画
像判定方法において、前記被検査体の表面の画像から得
られる複数の特徴量を説明変量とし少なくとも数量化Ｉ
類および数量化ＩＩ類を含む多変量解析により複数の群
予測を行なうための関数をあらかじめ複数用意してお
き、被検査体の表面の画像を取り込み、取り込んだ画像
から複数の特徴量を抽出し、抽出した複数の特徴量を説
明変量とし少なくとも判別分析の手法を用いた前記関数
を選択的に用いて欠陥の種類の群予測を行なうととも
に、該欠陥の種類の群予測の結果に対応した少なくとも
重回帰分析の手法を用いた前記関数を用いて欠陥の大き
さの群予測を行ない、前記欠陥の種類の群予測の結果と
前記欠陥の大きさの群予測の結果の両者の組み合わせに
より欠陥の合否および再検査の判別を行なうことを特徴
とするものである。

【００１５】請求項８に記載の発明においては、請求項
５ないし７のいずれか１項に記載の画像判定方法におい
て、さらに、前記欠陥の種類の群予測の結果に基づき前
記被検査体の製造工程における欠陥の発生箇所を予測す
ることを特徴とするものである。

【００１６】

【作用】本発明によれば、被検査体の検査項目に応じて
欠陥の種類を多変量解析により欠陥の種類の群予測、お
よび、欠陥の大きさの群予測を行なうための関数を複数
用意しておく。被検査体の表面の画像から複数の特徴量
を抽出し、抽出した複数の特徴量を説明変量とし、関数
を選択的に用いて欠陥の種類の群予測を行なうととも
に、欠陥の種類の群予測の結果に対応した関数を選択的
に用いて欠陥の大きさの群予測を行なう。被検査体に存
在する欠陥は、各々の欠陥の種別によってその物理的特
徴に差異があるので、各々の欠陥の種別の同定に寄与の
大きい特徴量が異なってくる。そのため、例えば、欠陥
の種別ごとに関数を用意しておき、各々の欠陥種別の判
定に寄与の大きい特徴量を用いて欠陥の種別の群予測を
行ない、さらに、その欠陥の種別の群予測に対応した関
数を用いて欠陥の大きさの群予測を行なう。これによ
り、各欠陥に最適な条件による群予測を行なうことがで
きる。さらに、欠陥の種類の群予測の結果と欠陥の大き
さの群予測の結果の両者の組み合わせにより欠陥の合否
および再検査の判別を行なうことにより、総合的な欠陥
の評価を行なうことができ、従来の技術と比べてより精
度の高い欠陥種別の同定および欠陥の合否および再検査
の判別を行なうことができる。

【００１７】欠陥の種類の群予測を行なうために用いる
関数としては、例えば、請求項３および７に示すよう
に、数量化ＩＩ類による判別分析の手法を用いた判別関
数を用いることができる。さらに、欠陥の大きさの群予
測を行なうために用いる関数としては、例えば、請求項
３および７に示すように、数量化Ｉ類による重回帰分析
の手法を用いた重回帰式を用いることができる。

【００１８】一方、欠陥の種別と、被検査体の製造工程
における欠陥の発生箇所とはほぼ対応関係にある。すな
わち、欠陥の種別が決定されると、被検査体にその欠陥
が発生した箇所を特定することができる。請求項１ない
し３および５ないし７に記載の発明によれば、欠陥の種
類の群予測の結果および欠陥の大きさの群予測の結果か
ら精度の高い欠陥種別の同定を行なうことができるの
で、請求項４および８においては、これを用いて前記被
検査体の製造工程における欠陥の発生箇所を予測する。
これにより、欠陥が発生した旨を欠陥の発生した工程に
フィードバックしたり、あるいは、製造工程ごとの欠陥
発生に関する統計情報などの検査情報を得ることがで
き、その検査情報を製造工程へフィードバックして、検
査情報などを基にした工程管理を行ない、生産性の向上
を図ることが可能となる。

【００１９】

【実施例】図１は、本発明の画像判定装置の一実施例を
示す概略構成図である。図中、１は検出エリア、２は感
光体ドラム、３は感光体ドラム回転用モータ、４はパル
ス信号発生器、５は光源、６はＣＣＤカメラ、７はカメ
ラ移動用モータ、８は信号処理部、９は欠陥判定部、１
１は特徴抽出部、１２は計算部、１３は重回帰式記憶
部、１４は判別関数記憶部、１５は判定部である。この
実施例では、被検査体として感光体ドラム２の場合につ
いて示している。

【００２０】光源５は、拡散光により感光体ドラム２の
表面を照明する。ＣＣＤカメラ６は、光源５により照明
された感光体ドラム２の表面からの反射光を検出し、検
出エリア１の画像を読み取る。感光体ドラム２とＣＣＤ
カメラ６は相対的に移動し、ＣＣＤカメラ６により感光
体ドラム２の表面全体の画像を読み取る。この実施例で
は、感光体ドラム２を感光体ドラム回転用モータ３によ
り矢印方向に回転させる。また、カメラ移動用モータ７
により、ＣＣＤカメラ６を感光体ドラム２の回転軸方向
に移動させる。パルス信号発生器４は、検出タイミング
を作り出す。この検出タイミングに基づき、画像の取り
込み及び感光体ドラム２の回転駆動を行なう。感光体ド
ラム２の回転と、ＣＣＤカメラ６の回転軸方向の移動に
より、感光体ドラム２の全面をＣＣＤカメラ６により読
み取ることができる。

【００２１】信号処理部８は、ＣＣＤカメラ６で読み取
った画像信号に対し、補正処理やディジタル化処理等の
信号処理を行なう。欠陥判定部９は、欠陥種別を同定
し、かつ、欠陥の大きさを分類し、感光体ドラム２の検
査の合否および再検査の判定結果を決定する。欠陥判定
部９は、特徴抽出部１１、計算部１２、重回帰式記憶部
１３、判別関数記憶部１４、判定部１５等により構成さ
れている。

【００２２】特徴抽出部１１は、信号処理部８による処
理後の画像から各種の特徴量を抽出する。計算部１２、
判定部１５は、特徴抽出部１１により抽出した特徴量を
用い、重回帰分析及び判別分析を行なう。重回帰式記憶
部１３には、あらかじめ重回帰分析によって求めた欠陥
の大きさの群を分類するための重回帰式が複数記憶され
ている。判別関数記憶部１４には、あらかじめ判別分析
によって求めた特定の欠陥の種別か否かの群に分類する
ための判別関数、および、欠陥の大きさの群を分類する
ための判別関数が複数記憶されている。

【００２３】計算部１２では、判別関数記憶部１４に格
納されている各欠陥ごとに用意された判別関数を用い、
判別スコアを計算して、感光体ドラム２上に存在する欠
陥が特定の種別の欠陥であるか否かの群予測を行なう。
また、得られた欠陥の種別の群予測に従って、重回帰式
記憶部１３および判別関数記憶部１４に格納されている
複数の重回帰式、判別関数から所定の重回帰式、判別関
数を選択して計算し、予測特性値、判別スコアを得て、
欠陥の大きさの群予測を行なう。判定部１５は、計算部
１２で得られた欠陥の種別の群予測の結果、および、欠
陥の大きさの群予測の結果の両者から、感光体ドラム２
の良、不良、再検査の必要の有無を判定する。また、判
定部１５は、感光体ドラム２の製造工程上の欠陥の発生
箇所に関する情報を有しており、欠陥の種別の群予測の
結果、および、欠陥の大きさの群予測の結果から欠陥の
種別を同定し、対応する欠陥の発生箇所に関する情報を
出力する。もちろん、欠陥の発生箇所に関する情報を出
力する機能はなくてもよい。

【００２４】上述の構成において、ＣＣＤカメラ６は、
感光体ドラム２からの散乱反射光を受光するように構成
するほか、正反射光を受光したり、感光体ドラム２以外
の被検査体においては被検査体の透過光を受光するよう
に構成してもよい。ＣＣＤカメラ６と感光体ドラム２と
の相対移動は、図１に示した方式の他、感光体ドラム２
の回転軸方向にも、感光体ドラム２を移動させたり、Ｃ
ＣＤカメラ６を感光体ドラム２の周囲を回転させるな
ど、種々の方式を用いて感光体ドラム２の表面の画像を
読み取ることが可能である。ＣＣＤカメラ６は、例え
ば、電子管式のテレビカメラや、ラインセンサなど、種
々の画像入力装置により代替可能である。また、光源５
も、感光体ドラム２全体を照明するほか、スリット光を
用いるなど、種々の照明方法を用いたり、あるいは、拡
散光の代わりにレーザ光を用いるなど、種々の変形が可
能である。

【００２５】次に、本発明の画像判定装置の一実施例に
おける欠陥判定部９の動作について説明する。欠陥判定
部９では、種々の特徴量を抽出し、多変量解析の手法を
用いて欠陥の種別の群予測と欠陥の大きさの群予測を行
なっている。ここでは、欠陥の種別の群予測を行なう手
法として、数量化ＩＩ類の判別分析を用いることとし、
また、欠陥の大きさの群予測を行なう手法として、数量
化Ｉ類の重回帰分析を用いることとする。そして、欠陥
の複数の特徴量を説明変量とし、各欠陥の種別ごとに、
その欠陥であるか否かの判定基準に応じた判別関数を判
別分析によりあらかじめ求め、判別関数記憶部１４に記
憶させている。また、欠陥の複数の特徴量を説明変量と
し、欠陥の大きさの群の分類を行なうための判別関数お
よび重回帰式を、判別分析および重回帰分析の手法によ
りあらかじめ求め、判別関数を判別関数記憶部１４に、
重回帰式を重回帰式記憶部１３にそれぞれ記憶させてい
る。

【００２６】欠陥の種別ごとに判別関数を持つ理由は、
各々の欠陥種別によってその物理的特徴に差異があるの
で、各々の欠陥種別の同定に寄与の大きい特徴量が異な
ってくるためである。欠陥種別ごとに判別関数を持つこ
とにより、各々の欠陥種別の判定に寄与の大きい特徴量
を用いた総合的な欠陥の種別の評価を行なうことができ
る。

【００２７】判別関数は、多変量解析の手法の１つであ
る数量化ＩＩ類による判別分析により求めることができ
る。判別分析は、予めクラス分けのための一次式を求め
ておき、その一次式の計算結果の正負で分類する手法で
ある。いま、説明変量ｘ₁ ，ｘ₂ ，・・・，ｘ_p を用い
た一次式 ｚ＝ａ₁ ｘ₁ ＋ａ₂ ｘ₂ ＋・・・＋ａ_p ｘ_p ＋ａ₀ を考える。この一次式を判別関数、ｚを判別スコアと呼
ぶ。この判別スコアｚの正負により、どちらの群に属す
るかを判別する。複数の判別関数を用いることにより、
３つ以上の群に分けることももちろん可能である。

【００２８】例えば、上述の感光体ドラム２上の欠陥検
査においては、群として、良品と不良品との群に分けた
り、再検査の要否を群として分けることができる。この
とき、説明変量ｘ₁ ，ｘ₂ ，・・・，ｘ_p は、抽出した
特徴量とすることができる。具体的な特徴量としては、
例えば、コントラスト変化点数、縦横長さ、縦横比、明
暗、核サイズ、外輪サイズ、平均サイズ等を用いること
ができる。また、係数ａ₀ ，ａ₁ ，ａ₂ ，・・・，ａ_p
は、予め分類されているサンプルを用いて決定しておけ
ばよい。このとき、上述のように各欠陥の種類に応じて
寄与する特徴量がかわるので、この係数が違う複数の判
別関数を用意しておくことになる。

【００２９】重回帰式は、多変量解析の手法の１つであ
る数量化Ｉ類による重回帰分析により求めることができ
る。重回帰分析は、いくつかの原因と結果を結ぶもので
ある。上述の判別分析では、質的な変数を予測するもの
であるのに対し、この重回帰分析では、重回帰式による
予測の対象が量的な変数である。いくつかの原因として
説明変量ｘ₁ ，ｘ₂ ，・・・，ｘ_p を考え、結果となる
目的変量をＹとするとき、 Ｙ＝ａ₁ ｘ₁ ＋ａ₂ ｘ₂ ＋・・・＋ａ_p ｘ_p ＋ａ₀ という一次式を用い、この一次式の値によって群を判別
するものである。ここで、説明変量ｘ₁ ，ｘ₂ ，・・
・，ｘ_p は、画像から抽出する各特徴量とすることがで
きる。係数ａ₀ ，ａ₁ ，ａ₂ ，・・・，ａ_p は、予め判
別する対象に応じて設定しておく。この係数が設定され
た一次式を重回帰式と呼ぶ。また、重回帰式により計算
される目的変量Ｙの値を予測特性値と呼ぶ。予測特性値
を予め設定されている判定基準と照合することにより、
被検査体を群に分類することができる。

【００３０】例えば、重回帰式で予測するのは量的な変
数であり、具体的には、予測特性値は欠陥の面積値であ
る。説明変数としては、判別分析の場合と同様、コント
ラスト変化点数、縦横比、明暗、核サイズ、外輪サイ
ズ、平均サイズ等である。重回帰式を決定するための係
数ａ₀ ，ａ₁ ，ａ₂ ，・・・，ａ_p は、すでに目的変量
Ｙの値が特定されている被検査体を用い、特徴量である
説明変量ｘ₁ ，ｘ₂ ，・・・，ｘ_p と目的変量Ｙの値か
ら決定する。決定の方法は周知の方法を用いればよい。
重回帰式による予測においても、欠陥の種類に応じて寄
与する特徴量が違うので、各欠陥の種類に応じて係数ａ
₀ ，ａ₁ ，ａ₂ ，・・・，ａ_p の設定された複数の重回
帰式を重回帰式記憶部１３に用意しておく。

【００３１】判別分析、重回帰分析において用いる特徴
量としては、上述のコントラスト変化点数、縦横比、明
暗、核サイズ、外輪サイズ、平均サイズ等の他、面積、
核外輪比、核外輪差、縦横長さ等や、これらの特徴量に
ついて例えば光源５による投光の方法（明視野かスリッ
ト光か等）を変化させたり、ＣＣＤカメラ６の感度、倍
率、位置等を変化させたときの値を用いることができ
る。さらに、感光体ドラム２上の検出エリア１の位置等
の情報を加味することもできる。どのような特徴量を用
いるかは、適宜、選択すればよい。例えば、これらの特
徴量の中から１０〜１１項目程度を用い、各々の判別関
数、重回帰式ごとにそれぞれの特徴量を説明変量として
用いることができる。各々の判別関数、重回帰式では、
特徴抽出部１１で抽出した特徴量すべてを用いる必要は
なく、有効ないくつかの特徴量を選択して用いることも
可能である。特徴量の中には、離散的な変量や、名義尺
度等の場合もあるが、数量化Ｉ類、ＩＩ類の手法により
数量化して多変量解析を行なうことができる。

【００３２】欠陥判定部９では、ＣＣＤカメラ６で読み
取った感光体ドラム２の表面の画像から必要な特徴量を
抽出し、上述の判別分析の手法を用いて、それぞれの欠
陥に対する判別関数から算出された判別スコアにより欠
陥の種別の群予測を行なう。さらに、上述の重回帰分析
の手法を用いて、欠陥の種別の群予測に従った重回帰式
によって欠陥の大きさの群予測を行なう。これらによっ
て得られた欠陥の種別の群予測、および、欠陥の大きさ
の群予測の結果を用いて、感光体ドラム２の良、不良、
および、再検査の必要の有無とに分類し、欠陥の判定を
行なうことができる。この判定の結果を用い、例えば、
再検査が必要と判定された感光体ドラム２のみを再検査
すればよく、従来のように、不良と判定されたものをす
べて再検査する必要はないので、目視検査員を削減する
ことが可能である。また、感光体ドラム２の製造工程上
の欠陥の発生箇所に関する情報を有する構成では、欠陥
の種別の群予測の結果、および、欠陥の大きさの群予測
の結果から欠陥の種別を同定し、対応する欠陥の発生箇
所に関する情報を出力することが可能である。

【００３３】図２は、本発明の一実施例における欠陥判
定部９の動作の一例を示すフローチャートである。ここ
では、故障Ａ〜Ｆおよびそれ以外の故障の７つの欠陥種
別を判別するものとする。そして、欠陥種別の同定は、
故障Ａ、故障Ｂまたは故障Ｃ、故障Ｂと故障Ｃの分離、
故障Ｄ、故障Ｅ、故障Ｆの順に同定する。この同定の順
序は、判別関数による群予測の結果が高い正答率を有す
る順に行なっている。

【００３４】図１に示した構成の欠陥検査装置におい
て、感光体ドラム２の欠陥信号を検出し、Ｓ２１におい
て、特徴抽出部１１で各種の特徴の抽出を行なって、欠
陥の特徴量を一時記録しておく。まず、Ｓ２２におい
て、判別関数による群予測の結果が最も高い正答率を有
する故障Ａの判別を行なう。このとき、判別関数記憶部
１４に保持されている判別関数のうちから、故障Ａを判
別するために用意されている判別関数を用いる。この判
別関数による群予測の結果、欠陥が故障Ａの群に属する
と予測される場合には、Ｓ２８において、判別関数記憶
部１４に保持されている判別関数あるいは重回帰式記憶
部１３に保持されている重回帰式のうちから故障Ａに対
応した判別関数あるいは重回帰式を用いて、故障Ａに対
応した欠陥の大きさの群予測を行なう。

【００３５】Ｓ２２において故障Ａであると判別されな
かった場合には、Ｓ２３において故障Ｂまたは故障Ｃの
判別を行なう。ここでは、故障Ｂおよび故障Ｃを１つの
群とし、欠陥が故障Ｂおよび故障Ｃの群に含まれるか否
かを、判別関数記憶部１４に保持されている故障Ｂおよ
び故障Ｃを判別するための判別関数を用いて予測する。
欠陥が故障Ｂおよび故障Ｃの群に含まれると判別される
場合には、Ｓ２４において、欠陥が故障Ｂまたは故障Ｃ
のどちらの群に含まれるかを判別する。このとき、故障
Ｂと故障Ｃの群に分けるために用意されている判別関数
を用いる。

【００３６】Ｓ２４において故障Ｂあるいは故障Ｃの群
に分けられた後、それぞれ、故障Ｂと判別された場合に
は、Ｓ２９において故障Ｂに対応する大きさの群予測を
行ない、故障Ｃと判別された場合には、Ｓ３０において
故障Ｃに対応する大きさの群予測を行なう。判別関数記
憶部１４に保持されている判別関数あるいは重回帰式記
憶部１３に保持されている重回帰式のうちから、それぞ
れ、故障Ｂ、故障Ｃに対応した判別関数あるいは重回帰
式を用いて欠陥の大きさの群予測を行なう。

【００３７】Ｓ２３において故障Ｂおよび故障Ｃではな
いと予測される場合には、Ｓ２５において、故障Ｄを判
別するための判別関数を用いて群予測を行なう。故障Ｄ
に属すると判別される場合には、Ｓ３１において故障Ｄ
に対応した判別関数あるいは重回帰式を用いて、故障Ｄ
に対応する大きさの群予測を行なう。

【００３８】Ｓ２５において故障Ｄではないと予測され
る場合には、Ｓ２６において故障Ｅを判別するための判
別関数を用いて群予測を行なう。故障Ｅに属すると判別
される場合には、Ｓ３２において故障Ｅに対応した判別
関数あるいは重回帰式を用いて、故障Ｅに対応する大き
さの群予測を行なう。

【００３９】さらに、Ｓ２６において故障Ｅではないと
予測される場合には、Ｓ２７において故障Ｆを判別する
ための判別関数を用いて群予測を行なう。故障Ｆに属す
ると判別される場合には、Ｓ３３において故障Ｆに対応
した判別関数あるいは重回帰式を用いて、故障Ｆに対応
する大きさの群予測を行なう。Ｓ２７において故障Ｆで
はないと予測される場合、すなわち、故障Ａないし故障
Ｆではない場合には、Ｓ３４において、その他の故障の
大きさの群予測を行なう。

【００４０】このようにして各故障の種別の判別結果
と、判別された故障の種別に対応した大きさの群予測の
結果を用い、Ｓ３５において故障種別ごとに閾値を設定
し、Ｓ３６において良、不良、再検査を判定する。な
お、図２に示した欠陥判定の動作は、感光体ドラム２上
に存在する欠陥ごとに実行される。

【００４１】図３は、本発明の一実施例による欠陥判定
の結果の一例の説明図である。図２に示したフローチャ
ートに従って、欠陥の判定を行なった。その結果、感光
体ドラムの検査において、各欠陥別の同定結果は、図３
に示すように、高い正答率および断定率となった。この
欠陥種別の同定結果と、欠陥の大きさの群予測の結果を
基にして、被検査体の合、不良、再検査の判定結果を得
るように実施した結果、記録画像上に実際に現われる欠
陥の大きさと、判別結果との一致度を表わす対画質サイ
ズ相関係数は、従来０．７８から０．８８であったが、
本発明の一実施例によれば、０．８４から０．９３にま
で向上するという結果が得られた。

【００４２】なお、上述の一実施例において欠陥判別に
用いた判別分析、重回帰分析は一例であって、他の他変
量解析の手法を用いることも可能である。また、被検査
体として感光体ドラムの例を示したが、他の被検査体に
対する表面検査に応用できることは明らかである。

【００４３】

【発明の効果】以上の説明から明らかなように、本発明
によれば、被検査体の欠陥の種別を正確に同定すること
ができ、良、不良とともに、再検査の必要性の有無をも
判定することにより、再検査処理数を最小限にすること
ができ、工程の合理化、検査員の削減を図ることが可能
となる。また、欠陥種別の同定結果を利用して、製造工
程の異常をいち早く正確に発見し、フィードバックする
ことが可能となり、生産性の向上に繋げることが可能と
なるという効果がある。

【図面の簡単な説明】

【図１】 本発明の画像判定装置の一実施例を示す概略
構成図である。

【図２】 本発明の一実施例における欠陥判定部９の動
作の一例を示すフローチャートである。

【図３】 本発明の一実施例による欠陥判定の結果の一
例の説明図である。

【符号の説明】

１…検出エリア、２…感光体ドラム、３…感光体ドラム
回転用モータ、４…パルス信号発生器、５…光源、６…
ＣＣＤカメラ、７…カメラ移動用モータ、８…信号処理
部、９…欠陥判定部、１１…特徴抽出部、１２…計算
部、１３…重回帰式記憶部、１４…判別関数記憶部、１
５…判定部。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 小林 和行 神奈川県南足柄市竹松1600番地 富士ゼロ ックス株式会社内

Claims (8)

【特許請求の範囲】
1. 【請求項１】 被検査体の表面の画像から検査項目につ
   いての判定を行なう画像判定装置において、被検査体の
   表面の画像を取り込む画像入力手段と、該画像入力手段
   で取り込んだ画像から複数の特徴量を抽出する特徴抽出
   手段と、該特徴抽出手段で抽出した複数の特徴量を説明
   変量とし多変量解析により複数の群予測を行なうための
   関数を複数記憶する記憶手段と、前記特徴抽出手段で抽
   出した複数の特徴量を説明変量として前記記憶手段に記
   憶されている関数を選択的に用いて欠陥の種類の群予測
   を行なうとともに該欠陥の種類の群予測の結果に対応し
   た欠陥の大きさの群予測を行なう群予測手段と、該群予
   測手段による前記欠陥の種類の群予測の結果と前記欠陥
   の大きさの群予測の結果の両者の組み合わせにより欠陥
   の合否および再検査の判別を行なう判別手段を有するこ
   とを特徴とする画像判定装置。
2. 【請求項２】 被検査体の表面の画像から検査項目につ
   いての判定を行なう画像判定装置において、被検査体の
   表面の画像を取り込む画像入力手段と、該画像入力手段
   で取り込んだ画像から複数の特徴量を抽出する特徴抽出
   手段と、該特徴抽出手段で抽出した複数の特徴量を説明
   変量とし少なくとも数量化ＩＩ類を含む多変量解析によ
   り複数の群予測を行なうための関数を複数記憶する記憶
   手段と、前記特徴抽出手段で抽出した複数の特徴量を説
   明変量として前記記憶手段に記憶されている関数のうち
   少なくとも数量化ＩＩ類の手法を用いた関数を用いて欠
   陥の種類の群予測を行なうとともに該欠陥の種類の群予
   測の結果に対応した欠陥の大きさの群予測を行なう群予
   測手段と、該群予測手段による前記欠陥の種類の群予測
   の結果と前記欠陥の大きさの群予測の結果の両者の組み
   合わせにより欠陥の合否および再検査の判別を行なう判
   別手段を有することを特徴とする画像判定装置。
3. 【請求項３】 被検査体の表面の画像から検査項目につ
   いての判定を行なう画像判定装置において、被検査体の
   表面の画像を取り込む画像入力手段と、該画像入力手段
   で取り込んだ画像から複数の特徴量を抽出する特徴抽出
   手段と、該特徴抽出手段で抽出した複数の特徴量を説明
   変量とし少なくとも数量化Ｉ類および数量化ＩＩ類を含
   む多変量解析により複数の群予測を行なうための関数を
   複数記憶する記憶手段と、前記特徴抽出手段で抽出した
   複数の特徴量を説明変量として前記記憶手段に記憶され
   ている関数のうち少なくとも判別分析の手法を用いた関
   数を用いて欠陥の種類の群予測を行なうとともに該欠陥
   の種類の群予測の結果に対応した少なくとも重回帰分析
   の手法を用いた関数を用いて欠陥の大きさの群予測を行
   なう群予測手段と、該群予測手段による前記欠陥の種類
   の群予測の結果と前記欠陥の大きさの群予測の結果の両
   者の組み合わせにより欠陥の合否および再検査の判別を
   行なう判別手段を有することを特徴とする画像判定装
   置。
4. 【請求項４】 前記群予測手段による前記欠陥の種類の
   群予測の結果に基づき前記被検査体の製造工程における
   欠陥の発生箇所を予測する欠陥発生箇所予測手段を有す
   ることを特徴とする請求項１ないし３のいずれか１項に
   記載の画像判定装置。
5. 【請求項５】 被検査体の表面の画像から検査項目につ
   いての判定を行なう画像判定方法において、前記被検査
   体の表面の画像から得られる複数の特徴量を説明変量と
   し多変量解析により複数の群予測を行なうための関数を
   あらかじめ複数用意しておき、被検査体の表面の画像を
   取り込み、取り込んだ画像から前記複数の特徴量を抽出
   し、抽出した前記複数の特徴量を説明変量とし前記関数
   を選択的に用いて欠陥の種類の群予測を行なうととも
   に、該欠陥の種類の群予測の結果に対応した前記関数を
   用いて欠陥の大きさの群予測を行ない、前記欠陥の種類
   の群予測の結果と前記欠陥の大きさの群予測の結果の両
   者の組み合わせにより欠陥の合否および再検査の判別を
   行なうことを特徴とする画像判定方法。
6. 【請求項６】 被検査体の表面の画像から検査項目につ
   いての判定を行なう画像判定方法において、前記被検査
   体の表面の画像から得られる複数の特徴量を説明変量と
   し少なくとも数量化ＩＩ類を含む多変量解析により複数
   の群予測を行なうための関数をあらかじめ複数用意して
   おき、被検査体の表面の画像を取り込み、取り込んだ画
   像から前記複数の特徴量を抽出し、抽出した前記複数の
   特徴量を説明変量とし少なくとも数量化ＩＩ類の手法を
   用いた前記関数を選択的に用いて欠陥の種類の群予測を
   行なうとともに、該欠陥の種類の群予測の結果に対応し
   た前記関数を用いて欠陥の大きさの群予測を行ない、前
   記欠陥の種類の群予測の結果と前記欠陥の大きさの群予
   測の結果の両者の組み合わせにより欠陥の合否および再
   検査の判別を行なうことを特徴とする画像判定方法。
7. 【請求項７】 被検査体の表面の画像から検査項目につ
   いての判定を行なう画像判定方法において、前記被検査
   体の表面の画像から得られる複数の特徴量を説明変量と
   し少なくとも数量化Ｉ類および数量化ＩＩ類を含む多変
   量解析により複数の群予測を行なうための関数をあらか
   じめ複数用意しておき、被検査体の表面の画像を取り込
   み、取り込んだ画像から複数の特徴量を抽出し、抽出し
   た複数の特徴量を説明変量とし少なくとも判別分析の手
   法を用いた前記関数を選択的に用いて欠陥の種類の群予
   測を行なうとともに、該欠陥の種類の群予測の結果に対
   応した少なくとも重回帰分析の手法を用いた前記関数を
   用いて欠陥の大きさの群予測を行ない、前記欠陥の種類
   の群予測の結果と前記欠陥の大きさの群予測の結果の両
   者の組み合わせにより欠陥の合否および再検査の判別を
   行なうことを特徴とする画像判定方法。
8. 【請求項８】 さらに、前記欠陥の種類の群予測の結果
   に基づき前記被検査体の製造工程における欠陥の発生箇
   所を予測することを特徴とする請求項５ないし７のいず
   れか１項に記載の画像判定方法。