JPH1011576A - 部品形状認識方法 - Google Patents
部品形状認識方法Info
- Publication number
- JPH1011576A JPH1011576A JP8161906A JP16190696A JPH1011576A JP H1011576 A JPH1011576 A JP H1011576A JP 8161906 A JP8161906 A JP 8161906A JP 16190696 A JP16190696 A JP 16190696A JP H1011576 A JPH1011576 A JP H1011576A
- Authority
- JP
- Japan
- Prior art keywords
- picture
- data
- neural network
- edge
- image
- 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)
Abstract
(57)【要約】
【課題】 部品形状認識に用いる画像情報間の演算量を
減らし、高速で高精度の形状認識を行える部品形状認識
方法を提供する。 【解決手段】 取込まれた部品画像の画像データを符号
化し、符号化されたデータをニューラルネットの入力と
し、該ニューラルネットからカテゴリを出力する方法で
ある。前記カテゴリは、直線エッジ、凸エッジ、凹エッ
ジ、ＮＧエッジまたは直角コーナ、Ｒ面取りコーナ、Ｃ
面取りコーナ、ＮＧコーナである。
減らし、高速で高精度の形状認識を行える部品形状認識
方法を提供する。 【解決手段】 取込まれた部品画像の画像データを符号
化し、符号化されたデータをニューラルネットの入力と
し、該ニューラルネットからカテゴリを出力する方法で
ある。前記カテゴリは、直線エッジ、凸エッジ、凹エッ
ジ、ＮＧエッジまたは直角コーナ、Ｒ面取りコーナ、Ｃ
面取りコーナ、ＮＧコーナである。
Description
【０００１】
【発明の属する技術分野】本発明はチップマウンタ等の
非常に小さな部品の形状認識技術に関する。
非常に小さな部品の形状認識技術に関する。
【０００２】
【従来の技術】チップマウンタによるチップのような小
部品をマウントする際の該小部品の形状を認識する方法
として従来から行われている方法は、撮像した電子部品
の画像を濃淡画像あるいは２値画像に変換して保存し、
保存された画像より抽出されたエッジあるいはコーナ画
像を、ランレングスコード化処理やチェーンコード化処
理等を施すことにより、エッジあるいはコーナの特徴を
計測し、その比較により部品の形状を決定するものであ
る。
部品をマウントする際の該小部品の形状を認識する方法
として従来から行われている方法は、撮像した電子部品
の画像を濃淡画像あるいは２値画像に変換して保存し、
保存された画像より抽出されたエッジあるいはコーナ画
像を、ランレングスコード化処理やチェーンコード化処
理等を施すことにより、エッジあるいはコーナの特徴を
計測し、その比較により部品の形状を決定するものであ
る。
【０００３】斯かる従来の方法では種々の演算で処理す
る情報量が多く、部品形状認識に多くの時間を費やすと
いう問題点があった。
る情報量が多く、部品形状認識に多くの時間を費やすと
いう問題点があった。
【０００４】
【発明が解決しようとする課題】本発明は上記従来技術
の問題点に鑑みなされたものであり、形状認識に用いる
画像情報間の演算量を減らし、高速で高精度の形状認識
を行える部品形状位置認識方法を提供することを目的と
するものである。
の問題点に鑑みなされたものであり、形状認識に用いる
画像情報間の演算量を減らし、高速で高精度の形状認識
を行える部品形状位置認識方法を提供することを目的と
するものである。
【０００５】
【課題を解決するための手段】本発明は、取込まれた部
品画像の画像データを符号化し、符号化されたデータを
ニューラルネットの入力とし、該ニューラルネットから
カテゴリを出力する方法である。
品画像の画像データを符号化し、符号化されたデータを
ニューラルネットの入力とし、該ニューラルネットから
カテゴリを出力する方法である。
【０００６】前記カテゴリは、直線エッジ、凸エッジ、
凹エッジ、ＮＧエッジあるいは直線コーナ、Ｒ面取りコ
ーナ、Ｃ面取りコーナ、ＮＧコーナである。
凹エッジ、ＮＧエッジあるいは直線コーナ、Ｒ面取りコ
ーナ、Ｃ面取りコーナ、ＮＧコーナである。
【０００７】
【発明の実施の形態】以下本発明の部品形状認識方法そ
の一実施例について図面に基づき詳細に説明する。
の一実施例について図面に基づき詳細に説明する。
【０００８】図１は装置の一実施例を示すブロック回路
図である。同図において１はＣＰＵ（Ｃｅｎｔｒａｌ
Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）バスであり、該ＣＰ
Ｕバス１にＣＰＵ２、メインメモリ３、フレームメモリ
４、ＤＣＴ（Ｄｉｓｃｒｅｔｅ Ｃｏｓｉｎｅ Ｔｒａ
ｎｓｆｏｒｍ）回路５、ニューラルネット６が接続され
ている。
図である。同図において１はＣＰＵ（Ｃｅｎｔｒａｌ
Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）バスであり、該ＣＰ
Ｕバス１にＣＰＵ２、メインメモリ３、フレームメモリ
４、ＤＣＴ（Ｄｉｓｃｒｅｔｅ Ｃｏｓｉｎｅ Ｔｒａ
ｎｓｆｏｒｍ）回路５、ニューラルネット６が接続され
ている。
【０００９】ここで、ＤＣＴというのは画像符号化の方
式の一つであり、画像符号化技術はデジタル画像通信・
記録の分野において、通信回線や記録媒体の効率化のた
めに必要不可欠となっているものである。
式の一つであり、画像符号化技術はデジタル画像通信・
記録の分野において、通信回線や記録媒体の効率化のた
めに必要不可欠となっているものである。
【００１０】特にＤＣＴは対象となるデータ列を余弦波
形に分解したときのシーケンシ成分（フーリエ変換の周
波数成分に相当する）を抽出するものである（例えば画
像ラボ１９９０年１０月号４１頁〜４５頁、テレビジョ
ン学会誌Ｖｏｌ．４３，Ｎｏ．１０（１９８９）ｐｐ．
１１４５〜１１５２を参照）。
形に分解したときのシーケンシ成分（フーリエ変換の周
波数成分に相当する）を抽出するものである（例えば画
像ラボ１９９０年１０月号４１頁〜４５頁、テレビジョ
ン学会誌Ｖｏｌ．４３，Ｎｏ．１０（１９８９）ｐｐ．
１１４５〜１１５２を参照）。
【００１１】次に画像入力系７で得られた部品画像は一
旦前記フレームメモリ４に記憶され、ＤＣＴ回路５によ
るＤＣＴ処理の時点でフレームメモリ４から読み出され
て、ＤＣＴ回路５に入力される。
旦前記フレームメモリ４に記憶され、ＤＣＴ回路５によ
るＤＣＴ処理の時点でフレームメモリ４から読み出され
て、ＤＣＴ回路５に入力される。
【００１２】前記ＤＣＴ回路５では図２（ａ）の左図に
示すように取込んだ部品の原画像のうち高周波成分を全
て０に置き換えて右図のような圧縮されたデータを作成
する。
示すように取込んだ部品の原画像のうち高周波成分を全
て０に置き換えて右図のような圧縮されたデータを作成
する。
【００１３】電子部品画像においては、低周波成分を多
く含むため、変換後高周波成分を無視するような処理を
行っても画像の特性はそれほど失われない。従って少な
いデータ数でも十分精度の良いデータ照合が可能であ
る。
く含むため、変換後高周波成分を無視するような処理を
行っても画像の特性はそれほど失われない。従って少な
いデータ数でも十分精度の良いデータ照合が可能であ
る。
【００１４】実際の部品画像では上記図２（ａ）は図２
（ｂ）ようになりＤＣＴ回路の出力は図２（ｂ）の右図
のような電力分布画像となる。かかる電力分布画像は数
１で表わされるＤＣＴの表式の第０シーケンシから第Ｍ
−１シーケンシ（Ｍが大きいほど高周波になる）をＸ、
Ｙ方向にマトリックス状に配置したものとなっており、
各シーケンシは図３に示すような波形になっている。
（ｂ）ようになりＤＣＴ回路の出力は図２（ｂ）の右図
のような電力分布画像となる。かかる電力分布画像は数
１で表わされるＤＣＴの表式の第０シーケンシから第Ｍ
−１シーケンシ（Ｍが大きいほど高周波になる）をＸ、
Ｙ方向にマトリックス状に配置したものとなっており、
各シーケンシは図３に示すような波形になっている。
【００１５】
【数１】
【００１６】前記ＤＣＴ回路５で処理された圧縮済みの
データは、前記ニューラルネット６の入力層の入力とな
り、該ニューラルネット６の出力層には、各エッジまた
は各コーナのカテゴリを用意し、各カテゴリに対する出
力値の大小によって取込部品のエッジまたはコーナの属
性が特定される。
データは、前記ニューラルネット６の入力層の入力とな
り、該ニューラルネット６の出力層には、各エッジまた
は各コーナのカテゴリを用意し、各カテゴリに対する出
力値の大小によって取込部品のエッジまたはコーナの属
性が特定される。
【００１７】次に本発明の部品形状認識装置の操作を図
４のフローチャートに従って説明する。まずステップＳ
１において画像入力系７により部品の画像を入力する。
入力された画像（５１２×５１２画素）は一旦フレーム
メモリ４に取込まれ、ＣＰＵ２の指令により適当なタイ
ミングで読み出され、ステップＳ１１によって特定され
たエッジまたはコーナ部分の画像が抽出される。
４のフローチャートに従って説明する。まずステップＳ
１において画像入力系７により部品の画像を入力する。
入力された画像（５１２×５１２画素）は一旦フレーム
メモリ４に取込まれ、ＣＰＵ２の指令により適当なタイ
ミングで読み出され、ステップＳ１１によって特定され
たエッジまたはコーナ部分の画像が抽出される。
【００１８】これらエッジまたはコーナ部分画像につい
て予め定められた小領域（６４×６４画素）毎にそのデ
ータを出力する（ステップＳ２）。そしてステップＳ３
で読み出された小領域毎の画像データをＤＣＴ回路５を
介してＤＣＴ変換し、高周波成分が除かれた圧縮画像
（３２×３２画素）を得る。
て予め定められた小領域（６４×６４画素）毎にそのデ
ータを出力する（ステップＳ２）。そしてステップＳ３
で読み出された小領域毎の画像データをＤＣＴ回路５を
介してＤＣＴ変換し、高周波成分が除かれた圧縮画像
（３２×３２画素）を得る。
【００１９】こうして得られた小領域毎の圧縮画像デー
タは、水平方向の走査ラインに沿ってニューラルネット
６の入力となる（ステップＳ４）。水平方向走査ライン
の任意の一列の圧縮データがニューラルネット６の入力
として入力され、ニューラルネットが起動してその入力
された走査ラインのデータが直線エッジ、凸エッジ、凹
エッジ、ＮＧエッジ（これらのどれにも該当しないエッ
ジ）にマッチするかのマッチ度が算出され、いずれのエ
ッジであるかはこのマッチ度の最も高いものとして決定
される（ステップＳ５）。
タは、水平方向の走査ラインに沿ってニューラルネット
６の入力となる（ステップＳ４）。水平方向走査ライン
の任意の一列の圧縮データがニューラルネット６の入力
として入力され、ニューラルネットが起動してその入力
された走査ラインのデータが直線エッジ、凸エッジ、凹
エッジ、ＮＧエッジ（これらのどれにも該当しないエッ
ジ）にマッチするかのマッチ度が算出され、いずれのエ
ッジであるかはこのマッチ度の最も高いものとして決定
される（ステップＳ５）。
【００２０】以上の走査が水平方向走査ライン毎に順に
実行され、全部品画像データに対する処理の後、複数個
のエッジのカテゴリが決定される。また同様にして、複
数個のコーナのカテゴリが決定される。
実行され、全部品画像データに対する処理の後、複数個
のエッジのカテゴリが決定される。また同様にして、複
数個のコーナのカテゴリが決定される。
【００２１】ところで部品画像を小領域に分割して夫々
ＤＣＴ変換すると、各領域の境界付近での画像データが
離散的になり、精度が悪くなる。このため、前記各小領
域を原画像から互いに重なりを有して分割し、各領域の
境界付近のデータを平滑処理することによって、ＤＣＴ
変換後の各領域の圧縮データに連続性を持たせることが
望ましい。
ＤＣＴ変換すると、各領域の境界付近での画像データが
離散的になり、精度が悪くなる。このため、前記各小領
域を原画像から互いに重なりを有して分割し、各領域の
境界付近のデータを平滑処理することによって、ＤＣＴ
変換後の各領域の圧縮データに連続性を持たせることが
望ましい。
【００２２】
【発明の効果】本発明は以上の説明のように、ＤＣＴに
よる圧縮されたデータによってニューラルネットを起動
し、このニューラルネットの処理によりエッジまたはコ
ーナのカテゴリを決定するため、画像データの高周波成
分の省略によるメモリの節約が行え、エッジまたはコー
ナの形状認識の高い精度が得られ、高速且つ高精度の部
品位置認識が行える効果が期待できる。
よる圧縮されたデータによってニューラルネットを起動
し、このニューラルネットの処理によりエッジまたはコ
ーナのカテゴリを決定するため、画像データの高周波成
分の省略によるメモリの節約が行え、エッジまたはコー
ナの形状認識の高い精度が得られ、高速且つ高精度の部
品位置認識が行える効果が期待できる。
【図１】本発明装置のハードウエア構成を示すブロック
図である。
図である。
【図２】（ａ）、（ｂ）はＤＣＴ処理の概念を示す図で
ある。
ある。
【図３】ＤＣＴの各シーケンシの波形（抜粋）を示す図
である。
である。
【図４】本発明方法を説明するフローチャート及びステ
ータスを示す概念図である。
ータスを示す概念図である。
【符号の説明】 １ ＣＰＵバス ２ ＣＰＵ ３ メインメモリ ４ フレームメモリ ５ ＤＣＴ回路 ６ ニューラルネット ７ 画像入力系
Claims (3)
- 【請求項１】 取込まれた部品画像の画像データを符号
化し、符号化されたデータをニューラルネットの入力と
し、該ニューラルネットからカテゴリを出力する部品形
状認識方法。 - 【請求項２】 前記カテゴリは直線エッジ、凸エッジ、
凹エッジ、ＮＧエッジである上記請求項１記載の部品形
状認識方法。 - 【請求項３】 前記カテゴリは直角コーナ、Ｒ面取りコ
ーナ、Ｃ面取りコーナ、ＮＧコーナである上記請求項１
または２記載の部品形状認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8161906A JPH1011576A (ja) | 1996-06-21 | 1996-06-21 | 部品形状認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8161906A JPH1011576A (ja) | 1996-06-21 | 1996-06-21 | 部品形状認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH1011576A true JPH1011576A (ja) | 1998-01-16 |
Family
ID=15744274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8161906A Pending JPH1011576A (ja) | 1996-06-21 | 1996-06-21 | 部品形状認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH1011576A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1887512A1 (en) * | 2005-06-02 | 2008-02-13 | Matsushita Electric Industrial Co., Ltd. | Automatic part teaching device |
| JP2018060296A (ja) * | 2016-10-03 | 2018-04-12 | グローリー株式会社 | 画像処理装置、画像処理システム及び画像処理方法 |
-
1996
- 1996-06-21 JP JP8161906A patent/JPH1011576A/ja active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1887512A1 (en) * | 2005-06-02 | 2008-02-13 | Matsushita Electric Industrial Co., Ltd. | Automatic part teaching device |
| EP1887512A4 (en) * | 2005-06-02 | 2008-08-13 | Matsushita Electric Ind Co Ltd | AUTOMATIC PIECE LEARNING DEVICE |
| US8233724B2 (en) | 2005-06-02 | 2012-07-31 | Panasonic Corporation | Automatic component teaching device |
| JP2018060296A (ja) * | 2016-10-03 | 2018-04-12 | グローリー株式会社 | 画像処理装置、画像処理システム及び画像処理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3878401B2 (ja) | 画像処理装置、画像処理方法およびそれを記録した記録媒体 | |
| JPH02277185A (ja) | 矩形座標抽出方法 | |
| JP2000165648A (ja) | 画像処理方法および装置並びに記録媒体 | |
| CN114387450A (zh) | 图片特征提取方法、装置、存储介质及计算机设备 | |
| JP3062382B2 (ja) | 画像処理装置及び方法 | |
| US20130343655A1 (en) | Apparatus and method extracting feature information of a source image | |
| JPH1011576A (ja) | 部品形状認識方法 | |
| WO2003063082A1 (fr) | Appareil de recherche concernant une image animee | |
| JPH10187978A (ja) | 部品形状認識方法 | |
| JP2993007B2 (ja) | 画像領域識別装置 | |
| JP2822792B2 (ja) | 画像ノイズ除去装置 | |
| CN113705430B (zh) | 基于检测模型的表格检测方法、装置、设备及存储介质 | |
| JP3058951B2 (ja) | 画像パターン認識装置 | |
| US20240160111A1 (en) | Digital direct recording device comprising real time analysis and correction of recorded artwork by dividing the artwork into submodules | |
| JP2713930B2 (ja) | 画像処理方法 | |
| JP2002133414A (ja) | 画像処理方法及びその装置、記憶媒体 | |
| JP2002251613A (ja) | 図形認識方法及び装置 | |
| JPH09311940A (ja) | 部品認識方法及び部品認識装置 | |
| JP2621868B2 (ja) | 画像特徴抽出装置 | |
| JPH09147099A (ja) | ディジタル画像の階調変換処理システム | |
| CN118038476A (zh) | 一种航行资料表格定位方法、系统、设备及存储介质 | |
| Hsia et al. | Real-time text detection using PAC/DUE embedded system | |
| JPH05165955A (ja) | 画像処理方法 | |
| JP3456617B2 (ja) | 領域分割装置 | |
| JP2998518B2 (ja) | パターン検査装置 |