JPH10302049A - 画像識別装置および方法および画像識別装置を備えた画像検出識別装置ならびに画像識別用プログラムを記録した媒体 - Google Patents

Abstract

(57)【要約】 【課題】 簡単に高精度の画像識別を実現する。 【解決手段】 画像取り込み部１０により欠点画像を取
り込む。例外検出部２２により欠点画像について例外処
理信号（白黒信号ｉ２２１，無欠点信号ｉ２２２，密集
信号ｉ２２３）を検出する。特徴量抽出部２３により欠
点画像について特徴量を抽出する。特徴量に基づき識別
部により欠点画像の識別を行い、この識別結果を判定部
により判定する。すなわち、識別結果が白黒信号ｉ２２
１の内容と一致していない場合、無欠点信号ｉ２２２ま
たは密集信号ｉ２２３が入力された場合には、識別不能
として識別部による識別結果を出力しない。よって、例
外処理信号を用いた判定部により識別が補助され、識別
精度が簡単に向上する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、種々の画像を識別
する画像識別装置および方法および画像識別装置を備え
た画像検出識別装置ならびに画像識別用プログラムを記
録した媒体に関する。

【０００２】

【従来の技術】布や紙などの各種製造工程、あるいは印
刷工程などにおいては、品質を保持するために異物付着
やきずや印刷漏れなどの欠点の有無について検査を行っ
ている。従来、この検査では、被対象物の反射光や透過
光などにより得られた画像情報を予め用意した標準画像
と比較するなどして欠点の有無を検出し、検査の省力化
および自動化が図られていた。

【０００３】また、欠点の有無を検出するのみでなく、
欠点の種類をも識別することにより、それを直ちに製造
工程などにフィードバックし、その欠点の発生原因に応
じた対応を取ることができるようにした画像識別手段も
提案されている。例えば、標準画像と比較して得た欠点
画像から特徴量を抽出し、その特徴量に基づいてファジ
ィ推論およびニーラルネットワークを用い欠点の種類を
識別するようにしたものである（特開平７−３３３１７
０参照）。

【０００４】

【発明が解決しようとする課題】しかしながら、この画
像識別手段では欠点画像から抽出した特徴量に基づいて
ファジィ推論を行うので、“大きい”“細い”などの言
語表現をもって作業者が設定を行う必要があり、作業が
煩雑であるという問題があった。また、ファジィ推論と
ニーラルネットワークのみで欠点の種類を識別している
ので、データベースに無い欠点が入力された場合や欠点
を誤検出した場合に登録済みの欠点の種類のうちの１つ
として出力してしまう可能性が高いという問題もあっ
た。

【０００５】また、他の画像識別手段としては、画像の
輝度情報に関する平均を算出し、ファジィ推論とハイブ
リット・ニューラルネットワーク（すなわち階層型ネッ
トワークと対向伝搬ネットワークとを組み合わせたも
の）を用いて牛肉の肉色と脂肪色とを識別するものが提
案されている（特開平６−３１８２４４参照）。しか
し、この画像識別手段は、構造が複雑であり簡単に識別
することができないという問題があった。

【０００６】本発明はかかる問題点に鑑みてなされたも
ので、その第１の目的は、簡単に高精度の識別をするこ
とができる画像識別装置および方法および画像識別装置
を備えた画像検出識別装置ならびに画像識別用プログラ
ムを記録した媒体を提供することにある。

【０００７】第２の目的は、容易に効率良く識別するこ
とができる画像識別装置および方法および画像識別装置
を備えた画像検出識別装置ならびに画像識別用プログラ
ムを記録した媒体を提供することにある。

【０００８】第３の目的は、画像の識別に必要なデータ
の設定などを容易に行うことができる画像識別装置およ
び方法および画像識別装置を備えた画像検出識別装置な
らびに画像識別用プログラムを記録した媒体を提供する
ことにある。

【０００９】

【課題を解決するための手段】請求項１記載の画像識別
装置は、画像を取り込む画像取り込み手段と、この画像
取り込み手段により取り込んだ画像について特徴量を抽
出し特徴量信号として出力する特徴量抽出手段と、前記
画像取り込み手段により取り込んだ画像について識別を
補助するための例外処理信号を検出し出力する例外検出
手段と、前記特徴量抽出手段から出力された特徴量信号
と、前記例外検出手段から出力された例外処理信号とに
基づき画像を識別する判断処理手段とを備えるようにし
たものである。

【００１０】この画像識別装置では、画像取り込み手段
により画像を取り込み、その画像について特徴量抽出手
段により特徴量を抽出し、例外検出手段により例外処理
信号を検出する。この特徴量と例外処理信号とに基づき
判断処理手段により画像を識別する。すなわち、例外処
理信号により識別を補助する。

【００１１】この画像識別装置は、また、前記特徴量抽
出手段が識別対象画像に基づいて特徴量を抽出する画像
内特徴量抽出手段を有するようにしてもよい。更に、識
別対象画像と背景画像とを含む画像に基づいて特徴量を
抽出する背景含有画像特徴量抽出手段を更に有するよう
にすれば、より多くの異なった性質の情報を抽出するこ
とができるので好ましい。

【００１２】請求項４記載の画像識別装置は、請求項１
乃至３のいずれか１に記載のものにおいて、前記判断処
理手段が、前記特徴量抽出手段から出力された特徴量信
号に基づき画像を識別する識別手段と、この識別手段に
より識別した結果を前記例外検出手段から出力された例
外処理信号に基づき判定する判定手段とを備えるように
したものである。

【００１３】この画像識別装置では、特徴量信号に基づ
いて識別手段により画像を識別し、判定手段によりこの
識別結果を例外処理信号に基づいて判定する。すなわ
ち、判定手段により識別手段の識別を補助する。よっ
て、識別手段において扱う情報を削減することができ
る。

【００１４】請求項６記載の画像識別装置は、請求項３
記載のものにおいて、前記判断処理手段が、前記画像内
特徴量抽出手段から出力された特徴量信号に基づき画像
を識別する１次識別手段と、この１次識別手段により識
別した結果を前記例外検出手段から出力された例外処理
信号に基づき判定する判定手段と、この判定手段の判定
結果に応じて、前記背景含有画像特徴量抽出手段から出
力された特徴量信号に基づき画像を識別する２次識別手
段とを備えるようにしたものである。

【００１５】この画像識別装置では、１次識別手段によ
り画像を識別し、判定手段によりこの識別結果を判定す
る。また、その判定結果に応じて、２次識別手段により
画像を識別する。すなわち、判定手段および必要に応じ
て２次識別手段により１次識別手段の識別を補助する。
よって、１次識別手段において扱う情報が少なくても高
精度の識別を行うことができる。

【００１６】この画像識別装置は、また、前記判断処理
手段が、前記１次識別手段としての機能と前記２次識別
手段としての機能とを有する識別手段を備えると共に、
前記識別手段について１次識別手段としての機能と２次
識別手段としての機能との切り替えを行う識別切り替え
手段を備えるようにしてもよい。

【００１７】この画像識別装置では、１次識別手段とし
ての識別手段により画像を識別し、判定手段によりこの
識別結果を判定する。また、その判定結果に応じて、切
り替え手段により識別手段の機能を２次識別手段に切り
替え、２次識別手段としての識別手段により画像を識別
する。

【００１８】請求項１０記載の画像識別装置は、請求項
１乃至９のいずれか１に記載のものにおいて、更に、画
像の識別において基準となるデータを保持するデータ保
持手段を備えており、前記判断処理手段は特徴量信号と
例外処理信号と前記データ保持手段に保持されたデータ
とに基づいて画像を判断するようにしたものである。

【００１９】この画像識別装置では、データ保持手段に
より画像の識別において基準となるデータを保持する。
判断処理手段では、特徴量信号と例外処理信号とデータ
保持手段に保持されたデータとに基づいて画像を判断す
る。

【００２０】請求項１１記載の画像識別装置は、請求項
１０記載のものにおいて、更に、画像の識別において基
準となるデータを学習して前記データ保持手段に保持さ
せる学習手段を備えるようにしたものである。

【００２１】この画像識別装置では、学習手段により画
像の識別において基準となるデータを学習してデータ保
持手段に保持させることができる。

【００２２】請求項１２記載の画像識別装置は、請求項
１乃至１１のいずれか１に記載のものにおいて、更に、
入力手段と表示手段とを有し画像の識別において必要と
なるデータの設定を手動で行うためのマンマシンインタ
ーフェース部を備えるようにしたものである。

【００２３】この画像識別装置では、画像の識別におい
て必要となるデータの設定をマンマシンインターフェー
ス部を介して手動で行うことができる。

【００２４】請求項１３記載の画像識別方法は、画像を
取り込む画像取り込み工程と、この画像取り込み工程に
より取り込んだ画像について特徴量を抽出する特徴量抽
出工程と、前記画像取り込み工程により取り込んだ画像
について識別を補助するための例外処理信号を検出する
例外処理信号検出工程と、前記特徴量抽出工程により抽
出した特徴量と、前記例外処理信号検出工程により検出
した例外処理信号とに基づき画像を識別する判断処理工
程とを含むようにしたものである。

【００２５】この画像識別方法では、画像取り込み工程
により画像を取り込んだのち、特徴量抽出工程により画
像について特徴量を抽出すると共に、例外処理信号検出
工程により画像について例外処理信号を検出する。その
のち、この特徴量と例外処理信号とに基づき判断処理工
程により画像を識別する。

【００２６】請求項１８記載の画像検出識別装置は、撮
像画像から特定の画像を検出し識別する画像検出識別装
置であって、請求項１乃至１２のいずれか１に記載の画
像識別装置を備えるようにしたものである。

【００２７】この画像検出識別装置では、撮像画像から
特定の画像が検出され、これを本発明に係る画像識別装
置により識別する。

【００２８】請求項１９記載の画像識別用プログラムを
記録した媒体は、コンピュータによって画像を識別する
ためのものであって、画像識別用プログラムが、コンピ
ュータに画像を取り込む画像取り込み手順と、この画像
取り込み手順により取り込んだ画像について特徴量を抽
出する特徴量抽出手順と、前記画像取り込み手順により
取り込んだ画像について識別を補助するための例外処理
信号を検出する例外処理信号検出手順と、前記特徴量抽
出手順により抽出した特徴量と、前記例外処理信号検出
手順により検出した例外処理信号とに基づき画像を識別
する判断処理手順とを含むようにしたものである。

【００２９】この画像識別用プログラムを記録した媒体
では、この媒体に記録された画像識別用プログラムによ
り実行される画像取り込み手順によってコンピュータに
画像が取り込まれ、媒体に記録された画像識別用プログ
ラムにより実行される特徴量抽出手順によって特徴量が
抽出され、媒体に記録された画像識別用プログラムによ
り実行される例外処理信号検出手順によって例外処理信
号が検出される。また、媒体に記録された画像識別用プ
ログラムにより実行される判断処理手順によって抽出さ
れた特徴量と検出された例外処理信号とに基づき画像が
識別される。

【００３０】

【発明の実施の形態】以下、本発明の実施の形態につい
て図面を参照して詳細に説明する。

【００３１】図１は、本発明の第１の実施の形態に係る
画像識別装置の概略構成を表すものである。この画像識
別装置は各種画像の識別に用いられるものであるが、こ
こでは、紙や布などの製造工程において被対象物に虫な
どの異物付着や穴や油じみなどの欠点が有るか否かを検
査する際に、被対象物の撮像画像から検出した欠点画像
を識別する場合について説明する。なお、この欠点画像
は撮像画像から欠点があると思われる部分を抽出したも
のであり、階調を持つ濃淡画像で、識別対象画像である
欠点部分と共にその背景も有するものである。

【００３２】この画像識別装置は、欠点画像などの画像
を取り込む画像取り込み部１０と、この画像取り込み部
１０により取り込んだ欠点画像などの画像を処理する画
像処理部２０と、この画像処理部２０により処理した結
果に基づき欠点画像を識別する判断処理部３０とを備え
ている。この判断処理部３０には、メモリ素子などの適
宜な記憶媒体よりなるデータ保持部４０が接続されてい
る。このデータ保持部４０には、識別において基準とな
るデータが保持されており、識別に際し参照されるよう
になっている。

【００３３】なお、判断処理部３０は、欠点画像を識別
する判断処理手段としての機能に加えて、識別において
基準となるデータを学習してデータ保持部４０に保持さ
せる学習手段としての機能も有している。判断処理部３
０が学習手段として機能する場合には、予め判明してい
る欠点を撮像した画像（基準画像）を画像取り込み部１
０により取り込み、それを画像処理部２０により処理し
て、その結果に基づき判断処理部３０により学習を行う
ようになっている。また、画像取り込み部１０，画像処
理部２０および判断処理部３０は、マウスやキーボード
などの適宜な入力部６１およびモニタなどの表示部６２
を備えたマンマシンインターフェース部６０にそれぞれ
接続されている。

【００３４】図２は、画像処理部２０の構成を表すもの
である。画像処理部２０は、画像取り込み部１０から入
力された画像について適宜な前処理を行う画像前処理部
２１と、画像の識別を補助するための例外処理信号を検
出し出力する例外検出部２２と、画像を識別するための
特徴量を抽出し特徴量信号として出力する特徴量抽出部
２３とにより構成されている。

【００３５】画像前処理部２１は、濃度ヒストグラム作
成部２１１と平均濃度算出部２１２とにより構成されて
おり、濃度ヒストグラム作成部２１１により画像の濃度
ヒストグラムを作成すると共に、平均濃度算出部２１２
により濃度ヒストグラムにおける平均濃度を算出するよ
うになっている。

【００３６】例外検出部２２は、画像について白黒判定
を行い例外処理信号として白黒信号ｉ２２１を出力する
白黒判定部２２１と、画像中に含まれる欠点を検出し検
出できない場合に例外処理信号として無欠点信号ｉ２２
２を出力する無欠点判定部２２２と、画像から欠点部分
のみを表す欠点内画像を作成する欠点内画像作成部２２
３と、画像中に含まれる欠点の個数を計測し欠点の個数
が２個以上の場合には例外処理信号として密集信号ｉ２
２３を出力する個数計測部２２４とにより構成されてい
る。この例外検出部２２から出力される例外処理信号
は、特徴量抽出部２３により抽出された特徴量に基づき
識別された欠点画像の識別結果を判定するために用いら
れるものである。

【００３７】白黒判定部２２１は、濃度ヒストグラム作
成部２１１により作成された濃度ヒストグラムの黒側平
均値（重心値）および白側平均値（重心値）を平均濃度
算出部２１２により算出された平均濃度値とそれぞれ比
較し、どちらの方が平均濃度値との濃度差（すなわち距
離）が大きいかに基づいて白黒判定を行うものである。
具体的には、黒側平均値の方が平均濃度値との濃度差が
大きい場合には平均濃度値よりも濃度が高いと判断し黒
欠点信号を白黒信号ｉ２２１として判断処理部３０に出
力し、白側平均値の方が大きい場合には平均濃度値より
も濃度が低いと判断し白欠点信号を白黒信号ｉ２２１と
して判断処理部３０に出力するようになっている。

【００３８】無欠点判定部２２２は、画像取り込み部１
０により取り込んだ画像を２値化して２値画像を作成す
ると共に、この２値画像について孤立点を除去したのち
欠点に接して囲み込む矩形状の外接ウインドウを設定し
て、外接ウインドウが正しく設定できない場合には欠点
が無いと判断し、設定できた場合には欠点が有ると判断
するものである。

【００３９】欠点内画像作成部２２３は、無欠点判定部
２２２により外接ウインドウが正しく設定された場合
に、欠点部分を黒で表した外接ウインドウと同じ大きさ
の欠点内白黒画像と、欠点部分を濃淡で表した外接ウイ
ンドウと同じ大きさの欠点内濃淡画像とを欠点内画像と
して作成するものである。例えば、図３に示したような
虫が付着した欠点画像Ｘａが取り込まれた場合には、欠
点内画像として、図４に示したような欠点内白黒画像Ｘ
ｂと図５に示したような欠点内濃淡画像Ｘｃを作成する
ようになっている。すなわち、欠点画像Ｘａは欠点部分
の画像と背景画像とを有するものであるのに対し、欠点
内白黒画像Ｘｂおよび欠点内濃淡画像Ｘｃは欠点部分の
みの画像である。

【００４０】個数計測部２２４は、欠点内画像作成部２
２３により作成された欠点内白黒画像Ｘｂに基いて欠点
の個数を計測し、それに応じて密集信号ｉ２２３を出力
するものである。なお、この密集信号ｉ２２３は、欠点
が複数ある場合の判断処理部３０における処理順序を設
定する際に用いるようにしてもよい。

【００４１】特徴量抽出部２３は、欠点内画像作成部２
２３により作成された欠点内白黒画像Ｘｂに基づいて欠
点の幾何形状に関する特徴量を抽出する幾何形状特徴量
抽出部２３１と、欠点内濃淡画像Ｘｃに基づいて欠点部
分の濃度パターンヒストグラムを作成する欠点内濃度パ
ターンヒストグラム作成部２３２と、作成した欠点内濃
度パターンヒストグラムから欠点部分の濃度パターンに
関する特徴量を抽出する欠点内濃度パターン特徴量抽出
部２３３とにより構成されている。すなわち、この特徴
量抽出部２３は、欠点内画像に基づいて（識別対象画像
である欠点部分の画像に基づいて）特徴量を抽出する画
像内特徴量抽出手段により構成されている。

【００４２】幾何形状特徴量抽出部２３１は、欠点内白
黒画像Ｘｂから欠点の幾何形状を特定するための項目を
抽出し、それに基づいて欠点の幾何形状特徴量を算出し
て、それを特徴量信号の幾何形状信号ｉ２３１として出
力するようになっている。抽出する項目は、例えば表１
に示したように、面積Ｓ，周囲長Ｌ，外接長方形（Ｏ
ｘ，Ｏｙ），図形重心位置（Ｇｘ，Ｇｙ），最大径ＭＡ
ＸＰである。なお、外接長方形（Ｏｘ，Ｏｙ）というの
は、図５に示したように、欠点に各辺が接して囲み込む
長方形のＸ軸方向の長さとＹ軸方向の長さである。図形
重心位置（Ｇｘ，Ｇｙ）というのは、図５に示したよう
に、欠点の重心位置をＸＹ座標で表したものである。最
大径ＭＡＸＰというのは、図５に示したように、欠点に
接する最大円の直径である。

【００４３】

【表１】

【００４４】また、幾何形状特徴量は、例えば表２に示
したように、面積Ｓ，面積比ＳＲ，円形度ＣＲ，フェレ
比ＦＲ，丸さ度合ｒｏｕｇｈ＿Ｒ，伸長度ｌｅｎｇｔｈ
である。これらの各幾何形状特徴量は、表２に示した計
算式によりそれぞれ算出される。なお、伸長度ｌｅｎｇ
ｔｈは、適宜設定される。

【００４５】

【表２】

【００４６】欠点内濃度パターンヒストグラム作成部２
３２により作成する欠点内濃度パターンヒストグラムと
いうのは、例えば図６に示したように、欠点部分の濃度
頻度をグラフ化したものである。欠点内濃度パターン特
徴量抽出部２３３により抽出する欠点内濃度パターン特
徴量は、例えば表３に示したように、白／黒の別（Ｗ／
Ｂ），濃度（Ｉ），濃度分散（σ），濃度パターン
（Ｐ）である。これらの各欠点内濃度パターン特徴量
は、表３に示した計算式によりそれぞれ算出される。な
お、ｈmax は最大濃度頻度値であり、Ｉwidth は濃度値
の広がり幅であり、ｇmax は複数濃度パターン間のギャ
ップの幅である。欠点内濃度パターン特徴量抽出部２３
３は、これらの欠点内濃度パターン特徴量を特徴量信号
の欠点内濃度パターン信号ｉ２３３として出力するよう
になっている。

【００４７】

【表３】

【００４８】図７は判断処理部３０の構成を表すもので
ある。判断処理部３０は、特徴量抽出部２３から出力さ
れた特徴量信号ｉ２３１，ｉ２３３に基づき欠点を識別
する識別部３１と、この識別部３１により識別した結果
が正しいか否かを判定する判定部３２とにより構成され
ている。なお、識別部３１は、欠点を識別する識別手段
としての機能に加えて、学習手段としての機能も有して
いる。

【００４９】識別部３１は、特徴量信号ｉ２３１，ｉ２
３３をデータ保持部４０に予め学習により記憶させてお
いた識別用データ４１と単純に比較する比較回路や、フ
ァジィ回路などの計算回路により構成される。ファジィ
回路としては、例えば、ニューラルネットワークによる
入力の重みとしきい値を用いた回路や、ニューラルネッ
ト・プロセッサ（ＮＮＰ）素子とメモリとにより重みと
履歴値とを用い重み付けを経験に応じて変化させること
ができる回路など、種々の回路を用いることができる。
識別部３１に入力される特徴量信号ｉ２３１，ｉ２３３
の信号形式は、識別部３１の構成に応じて適宜に選択さ
れ、アナログ信号でもデジタル信号でもよい。

【００５０】また、識別用データ４１というのは、例え
ば表４に示したように、識別のための重みとしきい値，
欠点名と出力番号および特徴量名と入力番号がそれぞれ
関連づけられたものである。すなわち、識別部３１は、
識別手段として機能する場合には、識別用データ４１の
特徴量名と入力番号およびそれに対応した重みとしきい
値とを参照して欠点を識別し、その結果を欠点名がそれ
ぞれ対応されたいずれかの出力端子から識別信号ｉ３１
１〜ｉ３１ｎとして出力するようになっている。この識
別信号ｉ３１１〜ｉ３１ｎは、出力番号により欠点名を
表し、信号の大きさにより可能性の度合いを表してい
る。よって、１つの欠点名に特定できた場合には、対応
する出力番号の出力端子から１つの識別信号ｉ３１１を
出力し、１つに特定できず２以上の欠点名を選択した場
合には、対応する各出力番号の各出力端子から各々任意
の大きさの識別信号ｉ３１１〜ｉ３１ｎを出力するよう
になっている。

【００５１】

【表４】

【００５２】識別部３１は、また、学習手段として機能
する場合には、特徴量抽出部２３から出力された特徴量
信号ｉ２３１，ｉ２３３に基づき所定の学習動作を行っ
ていずれかの出力端子から識別信号ｉ３１１〜ｉ３１ｎ
を出力するようになっている。この出力端子の出力番号
は、入力部６１から入力される欠点名や、その他必要な
データと共にデータ保持部４０に記憶され、識別用デー
タ４１を構成する。なお、識別用データ４１は、その一
部もしくは全部をデータ保持部４０にではなく識別部３
１内に必要に応じて保持させるようにしてもよい。

【００５３】判定部３２は、識別部３１から出力された
各識別信号ｉ３１１〜ｉ３１ｎの入力先をそれぞれ切り
替える切り替え部３２１と、各識別信号ｉ３１１〜ｉ３
１ｎの入力に応じて識別結果の確信度を計算する確信度
計算部３２２と、確信度計算部３２２からの出力に基づ
き識別部３１で識別した結果を判定する判定結果出力部
３２３とにより構成されている。

【００５４】切り替え部３２１は、識別部３１の出力端
子の数に対応した複数のスイッチ回路３２１１〜３２１
ｎと、各スイッチ回路３２１１〜３２１ｎの切り替え動
作をそれぞれ制御する切り替え制御部３２１Ａとを有し
ている。切り替え制御部３２１Ａは、マンマシンインタ
ーフェース部６０からの指示に応じて、識別部３１が識
別手段として機能する時と学習手段として機能する時と
で異なった制御をするようになっている。

【００５５】すなわち、識別部３１が識別手段として機
能する時には、画像処理部２０から出力された例外処理
信号である白黒信号ｉ２２１，無欠点信号ｉ２２２およ
び密集信号ｉ２２３と、データ保持部４０に予め学習に
より記憶させておいた例外制御用データ４２とに基づき
各スイッチ回路３２１１〜３２１ｎをそれぞれ制御する
ようになっている。一方、識別部３１が学習手段として
機能する時には、各スイッチ回路３２１１〜３２１ｎを
動作させずに“ｏｐｅｎ”の状態とすると共に、必要に
応じて例外処理信号を例外制御用データ４２としてデー
タ保持部４０に記憶させるようになっている。なお、例
外制御用データ４２というのは、表５に示したように、
全欠点の白黒信号値である。

【００５６】

【表５】

【００５７】また、識別部３１が識別手段として機能す
る時の各スイッチ回路３２１１〜３２１ｎの制御条件
は、例えば表６に示したように設定されている。すなわ
ち、無欠点信号ｉ２２２が入力された（例えば“１”が
入力された）場合には、欠点画像にはもともと欠点が含
まれていなかった誤検出として、各スイッチ回路３２１
１〜３２１ｎを接点ａにも接点ｂにも接続せず“ｏｐｅ
ｎ”の状態とするように設定されている。また、無欠点
信号ｉ２２２が入力されない（例えば“０”が入力され
た）場合には、例外処理信号の白黒信号ｉ２２１と例外
制御用データ４２の白黒信号値が共に“白”の時に接点
ａを閉じ、共に“黒”の時に接点ｂを閉じ、それ以外の
時（すなわち一致しない時）に“ｏｐｅｎ”の状態とす
るように設定されている。なお、密集信号ｉ２２３が入
力された場合には、欠点が複数あるとして判定動作を繰
り返し行うか、判定不能として処理するか、あるいは密
集欠点として処理するように制御されている。

【００５８】

【表６】

【００５９】確信度計算部３２２は、各スイッチ回路３
２１１〜３２１ｎの接点ａにそれぞれ接続された白欠点
確信度計算部３２２１と、接点ｂにそれぞれ接続された
黒欠点確信度計算部３２２２とにより構成されている。
すなわち、確信度計算部３２２では、各スイッチ回路３
２１１〜３２１ｎの動作に応じて各識別信号ｉ３１１〜
ｉ３１ｎが白欠点確信度計算部３２２１にそれぞれ入力
されるか、黒欠点確信度計算部３２２２にそれぞれ入力
されるか、またはどちらにも入力されないようになって
いる。また、白欠点確信度計算部３２２１および黒欠点
確信度計算部３２２２は、入力された識別信号ｉ３１１
〜ｉ３１ｎに基づいて適宜の計算を行い、識別部３１に
よる識別結果の確からしさを表す確信度を算出するもの
である。この確信度は、例えば、識別部３１からの出力
全体に対する１つの出力（すなわち１つの欠点名に関す
る出力）の割合で表される。

【００６０】判定結果出力部３２３における判定の条件
は、白欠点確信度計算部３２２１または黒欠点確信度計
算部３２２２により計算された各欠点名の確信度と、そ
れらを評価するための２つの基準（評価値１，評価値
２）との関係に応じて、例えば表７に示したように設定
されている。すなわち、１つの欠点名の確信度１のみが
高い場合（パターンＡ）は“欠点有り”と判定し、高い
確信度のものがなくやや高いものが複数ある場合、ある
いは高い確信度のものが複数ある場合（パターンＢ）は
“未確定”と判定し、その他の場合（パターンＣ）は
“未登録”と判定するように設定されている。判定結果
出力部３２３は、判定が“欠点有り”の場合にはその確
信度が高かった欠点名およびその他必要な情報を出力
し、“未確定”および“未登録”の場合には識別不能と
して出力するようになっている。

【００６１】

【表７】

【００６２】また、図１に示したこのマンマシンインタ
ーフェース部６０は、データ設定機能と動作設定・結果
表示機能とを有している。データ設定機能としては、表
８に示したように、（イ）予め学習によりデータ保持部
４０に識別用データ４１を記憶させるに際し欠点名など
を手動で設定する機能、（ロ）画像処理部２０で画像を
処理する際などの各種パラメータを変更調整する機能、
（ハ）統計処理などにおける評価表示のためのデータシ
ートを作成する機能がある。なお、これらのデータ設定
は、モニタ６２の画面を見ながら入力手段６１によって
行うことができるようになっている。

【００６３】

【表８】

【００６４】動作設定・結果表示機能としては、表９に
示したように、（イ）学習・識別などのモード切り替え
およびスタートの設定機能、（ロ）判断処理部３０にお
いて判定した結果とその関連データを表示する機能があ
る。例えば、この学習・識別切り替えにより学習モード
に設定すれば、判断処理部３０（すなわち識別部３１お
よび判定部３２）における動作結果および関連の情報が
データ保持部４０に記憶され、識別モードに設定すれ
ば、判定結果などが表示され必要な情報が記録されるよ
うになっている。

【００６５】

【表９】

【００６６】このような構成を有する画像識別装置は、
次のようにして動作する。なお、本発明の画像識別方法
は、この画像識別装置が動作することにより実行され
る。よって、ここでは、画像識別装置の動作を説明する
ことにより本発明の画像識別方法の説明に代える。

【００６７】図８はこの画像識別装置の全体動作（すな
わち本実施の形態に係る画像識別方法における各工程）
を表す概略流れ図である。この画像識別装置および方法
においては、まず、学習・識別切り替えにより学習モー
ド（学習ステップＡ）あるいは識別モード（識別ステッ
プＢ）のどちらかが選択される（ステップＳ１０１）。
ここでは、欠点画像の識別動作に先立ち、欠点を識別す
る際に識別の基準となるデータをデータ保持部４０に記
憶させる必要があるので、まずは、マンマシンインター
フェース部６０を介して手動により学習モードを選択す
る。

【００６８】（学習モード）学習モードに切り替えられ
たのち、画像取り込み部１０により、基準画像（予め判
明している欠点を例えばＣＣＤカメラなどで撮像した画
像；例えば図３に示したような虫が付着した画像）を取
り込む（ステップＳ１０２Ａ）。次いで、この基準画像
について画像前処理部２１により前処理を行う（ステッ
プＳ１０３Ａ）。すなわち、濃度ヒストグラム作成部２
１１により濃度ヒストグラムを作成し、平均濃度算出部
２１２により平均濃度を算出する。

【００６９】続いて、例外検出部２２により例外処理信
号の検出と欠点内画像の作成を行う（ステップＳ１０４
Ａ）。図９に例外検出部２２における動作の流れ図を示
す。例外検出部２２では、まず、白黒判定部２２１にお
いて濃度ヒストグラム作成部２１１により作成した濃度
ヒストグラムの黒側平均値および白側平均値を平均濃度
算出部２１２により算出した平均濃度とそれぞれ比較し
て、黒側平均値の方が白側平均値よりも平均濃度値との
差が大きい場合には黒と判定し、白側平均値の方が差が
大きい場合には白と判断する（ステップＳ１０４１
Ａ）。これにより、黒と判断した場合には例外処理信号
の白黒信号ｉ２２１として黒欠点信号を切り替え部３２
１に出力し、白と判断した場合には例外処理信号の白黒
信号ｉ２２１として白欠点信号を切り替え部３２１に出
力する（ステップＳ１０４２Ａ）。

【００７０】次いで、無欠点判定部２２２において画像
取り込み部１０により取り込んだ基準画像の２値化を行
い２値画像を作成する（ステップＳ１０４３Ａ）。続い
て、この２値画像について孤立点の除去を行い（ステッ
プＳ１０４４Ａ）、欠点を囲む外接ウインドウを設定す
る（ステップＳ１０４５Ａ）。ここで、外接ウインドウ
を正しく設定できなかった場合には（ステップＳ１０４
６Ａ；Ｎ）、例外処理信号として無欠点信号ｉ２２２を
切り替え部３２１に出力する（ステップＳ１０４２
Ａ）。一方、外接ウインドウを正しく設定できた場合に
は（ステップＳ１０４６Ａ；Ｙ）、欠点内画像作成部２
２３において欠点内白黒画像Ｘｂ（図４参照）と欠点内
濃淡画像Ｘｃ（図５参照）を作成する（ステップＳ１０
４７Ａ）。

【００７１】そののち、個数計測部２２４においてこの
欠点内白黒画像Ｘｂに基づき欠点の個数を計測する（ス
テップＳ１０４８Ａ）。欠点の個数が２個以上であった
場合には（ステップＳ１０４９Ａ；Ｙ）、例外処理信号
として密集信号ｉ２２３を切り替え部３２１に出力する
（ステップＳ１０４２Ａ）。一方、欠点の個数が１個で
あった場合には（ステップＳ１０４９Ａ；Ｎ）、例外検
出部２２における動作を終了する。

【００７２】このように例外検出部２２により欠点内画
像の作成がされたのち、この欠点内画像に基づいて特徴
量抽出部２３により欠点の特徴量を抽出する（ステップ
Ｓ１０５Ａ）。すなわち、幾何形状特徴量抽出部２３１
により表１に示した項目を抽出し、それに基づき表２に
示した幾何形状特徴量を算出する。また、欠点内濃度パ
ターンヒストグラム作成部２３２により欠点内濃度パタ
ーンヒストグラム（図６参照）を作成し、これに基づき
欠点内濃度パターン特徴量抽出部２３３により表３に示
した欠点内濃度パターン特徴量を抽出する。そののち、
これら抽出した幾何形状特徴量および欠点内濃度パター
ン特徴量を、特徴量信号の幾何形状信号ｉ２３１および
欠点内濃度パターン信号ｉ２３３として識別部３１にそ
れぞれ出力する。

【００７３】識別部３１では、特徴量信号が入力される
と、この特徴量に基づいて適宜の学習動作を行い、いず
れかの出力端子から識別信号ｉ３１１〜ｉ３１ｎを出力
する。この出力端子の出力番号は、基準画像の欠点名
（例えば虫）を対応させてデータ保持部４０に識別用デ
ータ４１として登録し記憶させる（ステップＳ１０６
Ａ）。なお、特徴量の選択や欠点名の設定などは入力手
段６１を介して手動により行う。

【００７４】一方、切り替え部３２１では、切り替え制
御部３２１Ａにより各スイッチ回路３２１１〜３２１ｎ
を制御して動作させずに“ｏｐｅｎ”の状態とする。ま
た、識別部３１における動作と並行してまたはそれと前
後して、入力された例外処理信号（ここでは白黒信号ｉ
２２１）を必要に応じてデータ保持部４０に例外制御用
データ４２として登録し記憶させる（ステップＳ１０７
Ａ）。

【００７５】以上の動作を繰り返すことにより、種々の
基準画像に関するデータをデータ保持部４０に記憶させ
る。このようにして学習モードが終了したら、マンマシ
ンインターフェース部６０を介して手動により識別モー
ド（識別ステップＢ）に切り替える（ステップＳ１０
１）。

【００７６】（識別モード）識別モードに切り替えられ
たのち、画像取り込み部１０により識別対象を含む欠点
画像（例えば図３に示したような虫が付着した画像）を
取り込む（ステップＳ１０２Ｂ；画像取り込み工程）。
次いで、学習モードと同様にして、この欠点画像につい
て画像前処理部２１により前処理（濃度ヒストグラムの
作成，平均濃度の算出）を行う（ステップＳ１０３
Ｂ）。

【００７７】続いて、学習モードと同様にして、例外検
出部２２により例外処理信号の検出と欠点内画像の作成
を行う（ステップＳ１０４Ｂ（図９参照）；例外処理信
号検出工程）。すなわち、白・黒欠点判断を行い白黒信
号ｉ２２１を出力すると共に、欠点画像の２値化を行い
孤立点を除去したのち、外接ウインドウの設定を行う。
この外接ウインドウが正しく設定できた場合には欠点内
画像（欠点内白黒画像Ｘｂ（図４参照），欠点内濃淡画
像Ｘｃ（図５参照））を作成し、設定できなかった場合
には無欠点信号ｉ２２２を出力する。そののち、欠点内
画像に基づいて欠点の個数を計測し、欠点の個数が２個
以上であった場合には密集信号ｉ２２３を出力する。

【００７８】例外検出部２２により欠点内画像の作成が
されたのち、学習モードと同様にして、この欠点内画像
に基づいて特徴量抽出部２３により欠点の特徴量（幾何
形状特徴量，欠点内濃度パターン特徴量）を抽出する
（ステップＳ１０５Ｂ；特徴量抽出工程）。そののち、
抽出した特徴量（幾何形状特徴量，欠点内濃度パターン
特徴量）を、特徴量信号（幾何形状信号ｉ２３１，欠点
内濃度パターン信号ｉ２３３）として識別部３１に出力
する。

【００７９】識別部３１では、特徴量信号が入力される
と、この特徴量に基づいて識別用データ４１を参照し欠
点の識別を行う（ステップＳ１０６Ｂ；識別工程）。す
なわち、特徴量と識別用データ４１とを単純に比較し、
あるいは適宜な計算処理をして、欠点画像の欠点が識別
用データ４１に記憶されているいずれかの欠点（例えば
虫）あるいはそれに類似した欠点であると識別する。こ
の識別結果は、識別信号ｉ３１１〜ｉ３１ｎとして欠点
名が対応された１つあるいは複数の出力端子から切り替
え部３２１に出力される。

【００８０】一方、切り替え部３２１では、識別部３１
における動作と並行してまたはそれと前後して、入力さ
れた例外処理信号に基づいて例外制御用データ４２を参
照し、表６に示したように各スイッチ回路３２１１〜３
２１ｎの設定を行う（ステップＳ１０７Ｂ）。すなわ
ち、無欠点信号ｉ２２２が入力された場合には“ｏｐｅ
ｎ”の状態とし、入力されない場合には例外処理信号の
白黒信号ｉ２２１と例外制御用データ４２の白黒信号値
が共に“白”の時に接点ａを閉じ、共に“黒”の時に接
点ｂを閉じる。ここで、切り替え部３２１が“ｏｐｅ
ｎ”の状態である場合には、判定不能の信号を確信度計
算部３２２を介して判定結果出力部３２３に出力する。
接点ａまたは接点ｂが閉じられた場合には、識別信号ｉ
３１１〜ｉ３１ｎを白欠点確信度計算部３２２１または
黒欠点確信度計算部３２２２のいずれかに出力する。ま
た、密集信号ｉ２２３が入力された場合には、判定動作
を繰り返し行うか判定不能の信号あるいは密集欠点の信
号を判定結果出力部３２３に出力する。

【００８１】識別信号ｉ３１１〜ｉ３１ｎが確信度計算
部３２２に入力された場合には（ステップＳ１０７Ｂ；
接続）、白欠点確信度計算部３２２１または黒欠点確信
度計算部３２２２のいずれかにより確信度を算出し判定
結果出力部３２３に出力する（ステップＳ１０８Ｂ）。
そののち、判定結果出力部３２３により確信度を所定の
評価値と比較して表７に示したように判断を行う（ステ
ップＳ１０９Ｂ；Ｓ１０７Ｂから以上判定工程）。

【００８２】ここで、“欠点有り”と判定した場合には
（ステップＳ１０９Ｂ；有）、識別信号ｉ３１１〜ｉ３
１ｎが出力された出力端子の出力番号に対応する欠点名
（例えば虫）をその他必要な情報と共に出力する（ステ
ップＳ１１０Ｂ）。一方、“未登録”または“未確定”
と判定した場合には（ステップＳ１０９Ｂ；未）、識別
不能として出力する（ステップＳ１１０Ｂ）。また、切
り替え部３２１より判定不能の信号が入力された場合に
は識別不能と出力し、密集欠点の信号が入力された場合
には欠点名と共に密集欠点であることを出力する（ステ
ップＳ１１０Ｂ）。この出力結果はモニタ６２により表
示されると共に、必要に応じて記録される。これによ
り、欠点画像の識別が終了する。

【００８３】このように本実施の形態に係る識別装置お
よび方法によれば、画像処理部２０において特徴量とし
ての幾何形状特徴量および欠点内濃度パターン特徴量を
抽出するに加え、例外処理信号（白黒信号ｉ２２１，無
欠点信号ｉ２２２，密集信号ｉ２２３）を検出するよう
にしたので、例外処理信号により識別を補助することが
できる。よって、特徴量に基づいて行った識別が誤って
いても例外処理信号によりそれを検出することができ、
識別精度を向上させることができる。

【００８４】また、識別部３１により特徴量に基づいて
画像の識別を行うと共に、判定部３２により例外処理信
号に基づいて識別部３１による識別結果の判定を行うよ
うにしたので、判定部３２による判定により識別を補助
することができる。よって、例えば画像の白黒判定が容
易となり、識別部３１において扱う特徴量および識別部
３１の処理内容を削減することができる。すなわち、識
別を容易に効率よく行うことができる。

【００８５】更に、識別に必要なデータの設定などを手
動により行うためのマンマシンインターフェース部６０
を備えるようにしたので、学習モードにおける各種設定
を容易に行うことができる。

【００８６】（第２の実施の形態）図１０は、本発明の
第２の実施の形態に係る画像識別装置における識別部１
０３１の構成を表すものである。この画像識別装置は、
識別部１０３１および識別用データ１０４１の構成が異
なっていることを除き、他は第１の実施の形態に係る画
像識別装置と同一の構成を有している。よって、ここで
は、第１の実施の形態と同一の構成要素には同一の符号
を付し、その詳細な説明を省略する。

【００８７】識別部１０３１は、入力層１０３１１と中
間層１０３１２と出力層１０３１３の３層構造よりなる
ニューラルネットワークにより構成されている。入力層
１０３１１，中間層１０３１２および出力層１０３１３
の各層内部における各ニューロン間の結合は無く、下位
層の各ニューロンは上位層の全てのニューロンと結合し
ている。各ニューロンの出力値Ｏｉは数１に示した式で
表される。

【００８８】

【数１】Ｏｉ＝ｆ（ΣＷij×Ｉij−θ） Ｗij ； 下位層のｊ番目のニューロンとの結合重み Ｉij ； ｊ番目のニューロンからの入力値 θ ； しきい値 ｆ ； 非線形関数（いわゆるシグモイド関数）

【００８９】このニューラルネットワークの学習則は、
教師有りのバックプロパゲーション学習則となってい
る。バックプロパゲーション学習というのは、誤差逆伝
搬法とも呼ばれ、各教師信号値とそれに対応する出力ニ
ューロンの出力値の誤差の総和が最小となるように各ニ
ューロンの重みとしきい値を繰り返し演算により決定す
るものである。学習した重みおよびしきい値は、データ
保持部１０４０に識別用データ１０４１として記憶され
る。この識別用データ１０４１は、表１０に示したよう
に、ニューロンの重みとしきい値，欠点名と出力番号お
よび特徴量名と入力番号がそれぞれ関連づけられたもの
である。

【００９０】

【表１０】

【００９１】すなわち、この識別部１０３１は、特徴量
抽出部２３から入力層１０３１１に特徴量信号が入力さ
れると、各ニューロンにおいて式１に示した計算を行
い、出力層１０３１３の１つあるいは複数のニューロン
から識別結果としての識別信号ｉ３１１〜ｉ３１ｎを判
定部３２に出力するようになっている。この識別信号ｉ
３１１〜ｉ３１ｎは、出力番号（すなわち出力したニュ
ーロンの番号）により欠点名を表し、信号の大きさによ
り可能性の度合いを表している。

【００９２】このような構成を有する画像識別装置は、
識別部１０３１における具体的な識別動作が異なること
を除き、第１の実施の形態と同様にして動作する。

【００９３】このように本実施の形態に係る画像識別装
置および方法によれば、識別部１０３１をニューラルネ
ットワークにより構成しニューラルネットワークを用い
て識別を行うようにしたので、多くの入力ポートによっ
て多くの特徴量を容易に扱うことができる。また、重み
としきい値を学習により最適化することができる。よっ
て、精度良い識別を容易に行うことができる。

【００９４】（第３の実施の形態）図１１は、本発明の
第３の実施の形態に係る画像識別装置における画像処理
部２０２０の構成を表すものである。この画像識別装置
は、第１の実施の形態に加えて例外検出部２０２２が背
景含有画像作成部２２５を備えると共に、特徴量抽出部
２０２３が背景含有濃度パターンヒストグラム作成部２
３４および背景含有濃度パターン特徴量抽出部２３５を
備えたことを除き、他は第１の実施の形態に係る画像識
別装置と同一の構成を有している。すなわち、この画像
識別装置は、第１の実施の形態に加えて、背景含有画像
に基づく特徴量を抽出し用いるようにしたものである。
よって、ここでは、第１の実施の形態と同一の構成要素
には同一の符号を付し、その詳細な説明を省略する。

【００９５】例外検出部２０２２は、白黒判定部２２
１，無欠点判定部２２２，欠点内画像作成部２２３およ
び個数計測部２２４に加えて、欠点部分の画像と背景画
像とを含む背景含有画像を作成する背景含有画像作成部
２２５を備えている。この背景含有画像作成部２２５
は、無欠点判定部２２２により外接ウインドウが正しく
設定された場合に、欠点部分および背景を濃淡で表した
外接ウインドウと同じ大きさの背景含有濃淡画像を作成
するものである。例えば、図３に示したような虫が付着
した欠点画像Ｘａが取り込まれた場合には、図１２に示
したような背景含有濃淡画像Ｘｄを作成するようになっ
ている。すなわち、背景含有濃淡画像Ｘｄは欠点部分と
外接ウインドウで囲まれた部分の背景とを有する画像で
ある。

【００９６】特徴量抽出部２０２３は、幾何形状特徴量
抽出部２３１，欠点内濃度パターンヒストグラム作成部
２３２および欠点内濃度パターン特徴量抽出部２３３に
加えて、背景含有濃淡画像Ｘｄに基づいて背景も含めた
欠点に関する濃度パターンヒストグラムを作成する背景
含有濃度パターンヒストグラム作成部２３４と、作成し
た背景含有濃度パターンヒストグラムから濃度パターン
に関する特徴量を抽出する背景含有濃度パターン特徴量
抽出部２３５とを備えている。

【００９７】すなわち、この特徴量抽出部２０２３は、
幾何形状特徴量抽出部２３１と欠点内濃度パターンヒス
トグラム作成部２３２と欠点内濃度パターン特徴量抽出
部２３３とからなり欠点内画像（識別対象画像である欠
点部分の画像）に基づいて特徴量を抽出する画像内特徴
量抽出部２０２３Ａと、背景含有濃度パターンヒストグ
ラム作成部２３４と背景含有濃度パターン特徴量抽出部
２３５とからなり背景含有画像（識別対象である欠点部
分の画像と背景画像とを含む画像）に基づいて特徴量を
抽出する背景含有特徴量抽出部２０２３Ｂとにより構成
されている。

【００９８】背景含有濃度パターンヒストグラム作成部
２３４により作成する背景含有濃度パターンヒストグラ
ムというのは、例えば図１３に示したように、欠点部分
と外接ウインドウで囲まれた背景部分における濃度と頻
度とをグラフ化したものである。この背景含有濃度パタ
ーンヒストグラムは背景部分の情報を含んでいるので、
欠点内濃度パターンヒストグラム（図６参照）とは異な
った形状となる。

【００９９】背景含有濃度パターン特徴量抽出部２３５
により抽出する背景含有濃度パターン特徴量は、欠点内
濃度パターン特徴量と同じように、白／黒の別（Ｗ／
Ｂ），濃度（Ｉ），濃度分散（σ），濃度パターン
（Ｐ）である（表３参照）。但し、欠点内濃度パターン
特徴量とは異なった値が抽出される。背景含有濃度パタ
ーン特徴量抽出部２３５は、この背景含有濃度パターン
特徴量を特徴量信号の背景含有濃度パターン信号ｉ２２
５として識別部３１に出力するようになっている。すな
わち、本実施の形態に係る画像識別装置は、識別に関す
る情報を第１の実施の形態に係る画像識別装置よりも多
く識別部３１に与え、性質の異なった特徴量としての情
報に基づき識別を行うようになっている。

【０１００】このような構成を有する画像識別装置は、
次のようにして動作する。

【０１０１】図１４はこの画像識別装置の全体動作（す
なわち本実施の形態に係る画像識別方法の各工程）を表
す概略流れ図である。ここでは、まず、マンマシンイン
ターフェース部６０を介して手動により学習モード（学
習ステップＡ）に切り替える（ステップＳ１０１）。

【０１０２】（学習モード）学習モードに切り替えられ
たのち、第１の実施の形態と同様にして、画像取り込み
部１０により基準画像を取り込み（ステップＳ１０２
Ａ）、画像前処理部２１により前処理を行う（ステップ
Ｓ１０３Ａ）。次いで、第１の実施の形態と同様にし
て、例外検出部２２により例外処理信号の検出と欠点内
画像の作成を行う（ステップＳ１０４Ａ）。但し、無欠
点判定部２２２において外接ウインドウを設定できた場
合には、欠点内画像の作成と並行してあるいはそれと前
後して、背景含有画像作成部２２５により背景含有画像
Ｘｄも作成する（ステップＳ２０１Ａ）。

【０１０３】続いて、第１の実施の形態と同様にして、
特徴量抽出部２３（幾何形状特徴量抽出部２３１，欠点
内濃度パターンヒストグラム作成部２３２，欠点内濃度
パターン特徴量抽出部２３３）により欠点内画像に基づ
く特徴量（幾何形状特徴量，欠点内濃度パターン特徴
量）を抽出し、特徴量信号の幾何形状信号ｉ２３１およ
び欠点内濃度パターン信号ｉ２３３として識別部３１に
それぞれ入力する（ステップＳ１０５Ａ）。

【０１０４】また、欠点内画像に基づく特徴量の抽出と
並行してあるいはそれと前後して、特徴量抽出部２３
（背景含有濃度パターンヒストグラム作成部２３４，背
景含有濃度パターン特徴量抽出部２３５）により、背景
含有画像に基づく特徴量を抽出する（ステップＳ２０２
Ａ）。すなわち、背景含有濃度パターンヒストグラム作
成部２３４により背景含有濃度パターンヒストグラム
（図１３参照）を作成し、これに基づき背景含有濃度パ
ターン特徴量抽出部２３５により表３に示した背景含有
濃度パターン特徴量を抽出する。そののち、この背景含
有濃度パターン特徴量を特徴量信号の背景含有濃度パタ
ーン信号ｉ２３５として識別部３１に出力する。

【０１０５】識別部３１では、特徴量信号（幾何形状信
号ｉ２３１，欠点内濃度パターン信号ｉ２３３，背景含
有濃度パターン信号ｉ２３５）が入力されると、第１の
実施の形態と同様にこの特徴量に基づいて適宜の学習動
作を行い、その結果を１つの出力端もしくは複数の出力
端から識別信号ｉ３１１〜ｉ３１ｎとして出力する。そ
の出力端子の出力番号は欠点名を対応させてデータ保持
部４０に識別用データ４１として登録し記憶させる（ス
テップＳ２０３Ａ）。

【０１０６】一方、切り替え部３２１では、第１の実施
の形態と同様にして、各スイッチ回路３２１１〜３２１
ｎを動作させずに“ｏｐｅｎ”の状態とすると共に、入
力された例外処理信号を必要に応じてデータ保持部４０
に例外制御用データ４２として登録し記憶させる（ステ
ップＳ１０７Ａ）。

【０１０７】このようにして学習モードが終了したら、
マンマシンインターフェース部６０を介して手動により
識別モード（識別ステップＢ）に切り替える（ステップ
Ｓ１０１）。

【０１０８】（識別モード）識別モードに切り替えられ
たのち、第１の実施の形態と同様にして、画像取り込み
部１０により識別対象を含む欠点画像（例えば図３参
照）を取り込み（ステップＳ１０２Ｂ；画像取り込み工
程）、画像前処理部２１により前処理を行う（ステップ
Ｓ１０３Ｂ）。次いで、第１の実施の形態と同様にして
例外検出部２２により例外処理信号の検出と欠点内画像
の作成を行うと共に（ステップＳ１０４Ｂ；例外処理信
号検出工程）、学習モードと同様にして背景含有画像Ｘ
ｄを作成する（ステップＳ２０１Ｂ）。

【０１０９】続いて、第１の実施の形態と同様にして、
特徴量抽出部２３（幾何形状特徴量抽出部２３１，欠点
内濃度パターンヒストグラム作成部２３２，欠点内濃度
パターン特徴量抽出部２３３）により欠点内画像に基づ
く特徴量（幾何形状特徴量，欠点内濃度パターン特徴
量）を抽出し、特徴量信号（幾何形状信号ｉ２３１，欠
点内濃度パターン信号ｉ２３３）として識別部３１に出
力する（ステップＳ１０５Ｂ；画像内特徴量抽出工
程）。また、学習モードと同様にして、特徴量抽出部２
３（背景含有濃度パターンヒストグラム作成部２３４，
背景含有濃度パターン特徴量抽出部２３５）により背景
含有画像に基づく特徴量を抽出し、特徴量信号の背景含
有濃度パターン信号ｉ２３５として識別部３１に出力す
る（ステップＳ２０２Ｂ；背景含有画像特徴量抽出工
程）。

【０１１０】識別部３１では、特徴量信号（幾何形状信
号ｉ２３１，欠点内濃度パターン信号ｉ２３３，背景含
有濃度パターン信号ｉ２３５）が入力されると、この特
徴量に基づいて識別用データ４１を参照し欠点の識別を
行う（ステップＳ２０３Ｂ；識別工程）。この識別結果
は、１つもしくは複数の出力端から識別信号ｉ３１１〜
ｉ３１ｎとして切り替え部３２１に出力される。

【０１１１】一方、切り替え部３２１では、第１の実施
の形態と同様にして、各スイッチ回路３２１１〜３２１
ｎの設定をする（ステップＳ１０７Ｂ）。これにより、
スイッチ回路３２１１〜３２１ｎが動作し、確信度計算
部３２２に識別信号ｉ３１１〜ｉ３１ｎが入力された場
合には（ステップＳ１０７Ｂ；接続）、第１の実施の形
態と同様にして、確信度計算部３２２により確信度を算
出し（ステップＳ１０８Ｂ）、判定結果出力部３２３に
より比較判定を行う（ステップＳ１０９Ｂ；Ｓ１０７Ｂ
から以上判定工程）。判定結果出力部３２３は、その判
定結果および切り替え部３２１からの出力に基づいて所
定の出力を行う（ステップＳ１１０Ｂ）。これにより、
欠点画像の識別が終了する。

【０１１２】このように本実施の形態に係る画像識別装
置および方法によれば、幾何形状特徴量および欠点内濃
度パターン特徴量に加えてそれらとは性質の異なった背
景含有濃度パターン特徴量を抽出し、それらに基づき識
別を行うようにしたので、多くの情報に基づいて識別を
することができ、識別精度を向上させることができる。

【０１１３】なお、第３の実施の形態においては、第１
の実施の形態と同様に、識別部３１の構成を特に限定し
ないで説明したが、第２の実施の形態のようにニューラ
ルネットワークにより構成するようにしてもよい。この
ように、識別部３１をニューラルネットワークにより構
成するようにすれば、多くの入力ポートを持つことがで
き、多くの特徴量信号を容易に扱うことができる。よっ
て、第１の実施の形態に比べて特徴量信号が多くても、
容易に識別処理をすることができる。すなわち、精度良
い識別を容易に行うことができる。

【０１１４】（第４の実施の形態）図１５は本発明の第
４の実施の形態に係る画像識別装置における判断処理部
３０３０の構成を表すものである。図１６は判断処理部
３０３０の２次識別部３３の構成を表すものである。こ
の画像識別装置は、第３の実施の形態に加えて、判断処
理部３０３０が２次識別部３３および総合判定出力部３
４を備え、データ保持部３０４０が２次識別用データ４
３を備えたことを除き、他は第３の実施の形態に係る画
像識別装置と同一の構成を有している。なお、第３の実
施の形態は、第１の実施の形態に加えて、背景含有画像
に基づく特徴量を抽出するようにしたものである（図１
１参照）。よって、ここでは、第１および第３の実施の
形態と同一の構成要素には同一の符号を付し、その詳細
な説明を省略する。

【０１１５】判断処理部３０３０は、１次識別部として
の識別部３１，切り替え部３２１，確信度計算部３２２
および判定結果出力部３２３に加えて、特徴量信号の背
景含有濃度パターン信号ｉ２３５に基づき欠点を識別す
る２次識別部３３と、判定結果出力部３２３からの出力
および２次識別部３３からの出力に基づいて識別結果を
総合的に判定する総合判定出力部３４とを備えている。

【０１１６】なお、識別部３１には、第３の実施の形態
とは異なり、特徴量信号のうち欠点内画像に基づく幾何
形状信号ｉ２３１と欠点内濃度パターン信号ｉ２３３の
みが入力され、背景含有画像に基づく背景含有濃度パタ
ーン信号ｉ２３５は入力されないようになっている。判
定結果出力部３２３は、“欠点有り”および“未登録”
と判定した場合には識別結果などを総合判定出力部３４
に出力し、“未確定”と判定した場合には２次識別部３
３に識別を行うように指示を与えると共に、無欠点信号
ｉ２２２の入力による判定不能の信号あるいは密集信号
ｉ２２３の入力による判定不能および密集欠点の信号が
入力された場合にはその旨を総合判定出力部３４に出力
するようになっている。

【０１１７】２次識別部３３は、入力層３３１と出力層
３３２の２層構造よりなるニューラルネットワークによ
り構成されている。入力層３３１には、背景含有濃度パ
ターンヒストグラムの各濃度値における頻度値が背景含
有濃度パターン信号ｉ２３５として各ニューロンに入力
されるようになっている。また、出力層３３２には、識
別部３１による識別で確信度が比較的高かった複数の欠
点が１つのニューロンに対して１つづつ割り当てられ
る。出力層３３２の各ニューロンの重みには、対応する
欠点の濃度パターンヒストグラムにおける各頻度値が用
いられる。なお、この重みは、表１１に示したように、
予め学習によりデータ保持部４０に２次識別用データ４
３として欠点名と関連づけて記憶されている。

【０１１８】

【表１１】

【０１１９】また、出力層３３２の各ニューロンの出力
値Ｔｏは数２に示した式で表される。すなわち、この２
次識別部３３は、入力された背景含有濃度パターンヒス
トグラムと２次識別用データ４３の重み（すなわち学習
しておいた濃度パターンヒストグラム）との相関度を調
べ、相関度が最も高い（すなわち出力値Ｔｏが最小の）
ニューロンの欠点名を出力するようになっている。

【０１２０】

【数２】

【０１２１】総合判定出力部３４における判定の条件
は、表１２に示したように設定されている。すなわち、
判定結果出力部３２３から欠点名が入力された場合には
確実な欠点種別と判定してその旨と欠点名を出力し、識
別不能の入力がされた場合には学習されていない欠点種
別と判定してその旨出力し、無欠点信号ｉ２２２の入力
が有った旨の入力がされた場合には欠点無しと判定して
その旨出力し、密集信号ｉ２２３の入力が有った旨の入
力がされた場合には密集欠点と判定してその旨出力し、
２次識別部３３から欠点名が入力された場合にはやや確
信度が下がる欠点種別と判定してその旨と欠点名を出力
するようになっている。

【０１２２】

【表１２】

【０１２３】このような構成を有する画像識別装置は、
次のようにして動作する。

【０１２４】図１７はこの画像識別装置の全体動作（す
なわち本実施の形態に係る画像識別方法の各工程）を表
す概略流れ図である。ここでは、まず、マンマシンイン
ターフェース部６０を介して手動により学習モード（学
習ステップＡ）に切り替える（ステップＳ１０１）。

【０１２５】（学習モード）学習モードに切り替えられ
たのち、第１の実施の形態と同様にして、画像取り込み
部１０により基準画像を取り込み（ステップＳ１０２
Ａ）、画像前処理部２１により前処理を行う（ステップ
Ｓ１０３Ａ）。次いで、第１の実施の形態と同様にし
て、例外検出部２２により例外処理信号の検出と欠点内
画像の作成を行う（ステップＳ１０４Ａ）と共に、第３
の実施の形態と同様に用いて、背景含有画像Ｘｄの作成
を行う（ステップＳ２０１Ａ）。

【０１２６】続いて、第１の実施の形態と同様にして、
特徴量抽出部２３（幾何形状特徴量抽出部２３１，欠点
内濃度パターンヒストグラム作成部２３２，欠点内濃度
パターン特徴量抽出部２３３）により欠点内画像に基づ
く特徴量（幾何形状特徴量，欠点内濃度パターン特徴
量）を抽出し、特徴量信号の幾何形状信号ｉ２３１およ
び欠点内濃度パターン信号ｉ２３３として識別部３１に
それぞれ出力する（ステップＳ１０５Ａ）。

【０１２７】識別部３１では、欠点内画像に基づく特徴
量信号（幾何形状信号ｉ２３１，欠点内濃度パターン信
号ｉ２３３）が入力されると、第１の実施の形態と同様
にして、この特徴量に基づいて適宜の学習動作を行い、
その結果を１つの出力端もしくは複数の出力端から識別
信号ｉ３１１〜ｉ３１ｎとして出力する。その出力端子
の出力番号は欠点名を対応させてデータ保持部４０に識
別用データ４１として登録し記憶させる（ステップＳ１
０６Ａ）。

【０１２８】一方、切り替え部３２１では、第１の実施
の形態と同様にして、各スイッチ回路３２１１〜３２１
ｎを動作させずに“ｏｐｅｎ”の状態とすると共に、入
力された例外処理信号を必要に応じてデータ保持部４０
に例外制御用データ４２として登録し記憶させる（ステ
ップＳ１０７Ａ）。

【０１２９】２次識別部３３では、背景含有画像に基づ
く特徴量信号（背景含有濃度パターン信号ｉ２３５）が
入力されると、その背景含有濃度パターンヒストグラム
の各濃度値に対する頻度値を出力層３３２の１つのニュ
ーロンの重みとして欠点名と共に設定する。そののち、
設定した欠点名と出力ニューロンの重みを関連づけて２
次識別用データ４３としてデータ保持部４０に登録し記
憶させる（ステップＳ３０１Ａ）。

【０１３０】このようにして学習モードが終了したら、
マンマシンインターフェース部６０を介して手動により
識別モード（識別ステップＢ）に切り替える（ステップ
Ｓ１０１）。

【０１３１】（識別モード）識別モードに切り替えられ
たのち、第１の実施の形態と同様にして、画像取り込み
部１０により識別対象を含む欠点画像を取り込み（ステ
ップＳ１０２Ｂ；画像取り込み工程）、画像前処理部２
１により前処理を行う（ステップＳ１０３Ｂ）。次い
で、第１の実施の形態と同様にして、例外検出部２２に
より例外処理信号の検出と欠点内画像の作成を行う（ス
テップＳ１０４Ｂ；例外処理信号検出工程）と共に、第
３の実施の形態と同様にして、背景含有画像Ｘｄを作成
する（ステップＳ２０１Ｂ）。

【０１３２】続いて、第１の実施の形態と同様にして、
特徴量抽出部２３（幾何形状特徴量抽出部２３１，欠点
内濃度パターンヒストグラム作成部２３２，欠点内濃度
パターン特徴量抽出部２３３）により欠点内画像に基づ
く特徴量（幾何形状特徴量，欠点内濃度パターン特徴
量）を抽出し、特徴量信号の幾何形状信号ｉ２３１およ
び欠点内濃度パターン信号ｉ２３３として識別部３１に
それぞれ出力する（ステップＳ１０５Ｂ；画像内特徴量
抽出工程）。

【０１３３】識別部３１では、欠点内画像に基づく特徴
量信号（幾何形状信号ｉ２３１，欠点内濃度パターン信
号ｉ２３３）が入力されると、第１の実施の形態と同様
にして欠点の識別を行い、識別結果を切り替え部３２１
に出力する（ステップＳ１０６Ｂ；１次識別工程）。

【０１３４】一方、切り替え部３２１では、第１の実施
の形態と同様にして、各スイッチ回路３２１１〜３２１
ｎの設定をする（ステップＳ１０７Ｂ）。これにより、
スイッチ回路３２１１〜３２１ｎが動作し、確信度計算
部３２２に識別信号ｉ３１１〜ｉ３１ｎが入力された場
合には（ステップＳ１０７Ｂ；接続）、第１の実施の形
態と同様にして、確信度計算部３２２により確信度を算
出し（ステップＳ１０８Ｂ）、判定結果出力部３２３に
より比較判定を行う（ステップＳ１０９Ｂ；Ｓ１０７Ｂ
から以上判定工程）。

【０１３５】ここで、“欠点有り”と判定した場合には
（ステップＳ１０９Ｂ；有）、総合判定出力部３４に欠
点名などを出力する。“未登録”と判定した場合には
（ステップＳ１０９Ｂ；未登）、総合判定出力部３４に
識別不能と出力する。“未確定”と判定した場合には
（ステップＳ１０９Ｂ；未確）、特徴量抽出部２３（背
景含有濃度パターンヒストグラム作成部２３４，背景含
有濃度パターン特徴量抽出部２３５）により背景含有画
像に基づく特徴量を抽出し、背景含有濃度パターン信号
ｉ２３５を２次識別部３３に出力する（ステップＳ２０
２Ｂ；背景含有特徴量抽出工程）。

【０１３６】２次識別部３３では、背景含有画像に基づ
く特徴量信号（背景含有濃度パターン信号ｉ２３５）が
入力されると、その背景含有濃度パターンヒストグラム
の各濃度値に対する頻度値を入力層３３１の入力とし、
２次識別用データ４３を参照して所定の計算を行い、相
関度が最も高い欠点名を総合判定出力部３４に出力する
（ステップＳ３０１Ｂ；２次識別工程）。

【０１３７】総合判定出力部３４では、判定結果出力部
３２３，切り替え部３２１および２次識別部３３からの
出力に基づき判定を行い（表１２参照）、所定の出力を
行う（ステップＳ３０２Ａ）。これにより、欠点画像の
識別が終了する。

【０１３８】このように本実施の形態に係る画像識別装
置および方法によれば、欠点内画像に基づく特徴量によ
り識別を行う１次識別部３１と、背景含有画像に基づく
特徴量により識別を行う２次識別部３３とを備えると共
に、１次識別部３１による識別結果を確定することがで
きない場合に２次識別部３３による識別を行うようにし
たので、２次識別部３３により１次識別を補助すること
ができる。よって、１次識別部３１において用いる特徴
量が少なくても精度良く識別することができる。すなわ
ち、識別の時間を短縮することができ、迅速に効率良く
識別することができる。

【０１３９】なお、第４の実施の形態においては、第１
の実施の形態と同様に、識別部３１の構成を特に限定し
ないで説明したが、第２の実施の形態のようにニューラ
ルネットワークにより構成するようにしてもよい。

【０１４０】また、この画像識別装置の効果を確認する
ために、この画像識別装置により数種類の欠点画像につ
いて識別実験を行った。ちなみに、識別部３１には、第
２の実施の形態において説明したニューラルネットワー
クよりなる識別部１０３１を用いた。また、識別に先立
ち、同一の欠点画像を用いて学習を行った。

【０１４１】その結果を図１８に示す。このように、１
次識別部３１のみによる識別では虫の識別精度が低いの
に対し、１次識別部３１と２次識別部３３による識別で
は改善されている。すなわち、虫のように複雑な欠点に
ついては、１次識別部３１のみの識別では十分な識別精
度を得ることができず、２次識別部３３により改善でき
ることが分かる。

【０１４２】（第５の実施の形態）図１９は本発明の第
５の実施の形態に係る画像識別装置における判断処理部
４０３０の構成を表すものである。この画像識別装置
は、第４の実施の形態に加えて、判断処理部３０３０が
識別切り替え部３５を備え、識別部３１が１次識別部と
しての機能と２次識別部としての機能とを有するように
したことを除き、他は第４の実施の形態に係る画像識別
装置と同一の構成を有している。よって、ここでは、第
４の実施の形態と同一の構成要素には同一の符号を付
し、その詳細な説明を省略する。

【０１４３】判断処理部４０３０は、１次識別部および
２次識別部としての識別部３１，切り替え部３２１，確
信度計算部３２２，判定結果出力部３２３および総合判
定出力部３４に加えて、識別部３１について１次識別部
としての機能と２次識別部としての機能との切り替えを
行う識別切り替え部３５を備えている。

【０１４４】識別切り替え部３５は、特徴量抽出部２３
と識別部３１との接続を切り替える特徴量切り替え部３
５１と、データ保持部３０４０と識別部３１との接続を
切り替えるデータ切り替え部３５２とを有している。特
徴量切り替え部３５１は、特徴量抽出部２３の幾何形状
特徴量抽出部２３１，欠点内濃度パターン特徴量抽出部
２３３および背景含有濃度パターン特徴量抽出部２３５
を識別部３１にそれぞれ接続するものである。また、デ
ータ切り替え部３５２は、１次識別用データとしての識
別用データ４１と２次識別用データ４３を識別部３１に
それぞれ接続するものである。

【０１４５】特徴量切り替え部３５１とデータ切り替え
部３５２は、判定結果出力部３２３からの指示により連
動して制御されている。判定結果出力部３２３から切り
替えの指示が入力されない時は、特徴量切り替え部３５
１により欠点内画像に基づく特徴量を抽出する幾何形状
特徴量抽出部２３１と欠点内濃度パターン特徴量抽出部
２３３とを識別部３１に接続し、データ切り替え部３５
２により識別用データ４１を識別部３１に接続して、識
別部３１を１次識別部として機能させるようになってい
る。一方、判定結果出力部３２３から切り替えの指示が
入力された時は、特徴量切り替え部３５１により背景含
有画像に基づく特徴量を抽出する背景含有濃度パターン
特徴量抽出部２３５を識別部３１に接続し、データ切り
替え部３５２により２次識別用データ４３を識別部３１
に接続して、識別部３１を２次識別部として機能させる
ようになっている。

【０１４６】このような構成を有する画像識別装置は、
判定結果出力部３２３からの指示により識別切り替え部
３５が切り替わり、識別部３１の機能が１次識別部と２
次識別部とで切り替わることを除き、第４の実施の形態
と同様にして動作する。

【０１４７】このように本実施の形態に係る画像識別装
置によれば、識別切り替え部３５により識別部３１を１
次識別部と２次識別部とで共用するようにしたので、装
置を小型化および簡素化することができる。

【０１４８】（第６の実施の形態）図２０は本発明の第
６の実施の形態に係る画像検出識別装置の構成を表すも
のである。この画像検出識別装置は、例えば、布や紙の
製造工程などにおいて被対象物に虫などの異物付着や穴
や油じみなどの欠点があるかを検査する際に、被対象物
を撮像した画像からそれらの欠点画像を検出しその識別
を行うものであって、欠点画像を識別する画像識別装置
１を備えている。この画像識別装置１には、第１乃至第
５の実施の形態において説明した画像識別装置を適用す
ることができる。

【０１４９】この画像検出識別装置は、また、被対処物
を撮像するＣＣＤビデオカメラやラインセンサなどから
なる撮像装置２と、この撮像装置２により撮像した撮像
画像から異物付着や穴などの欠点画像を検出する画像検
出装置３とを備えている。この画像検出装置３は、例え
ば、撮像装置２により撮像された撮像画像を欠点の無い
標準画像と比較することにより標準画像に無い画像を欠
点画像として検出するようになっている。撮像装置２と
画像検出装置３および画像検出装置３と画像識別装置１
の画像取り込み部１０とはそれぞれオンラインで接続さ
れている。この画像検出識別装置は、更に、画像検出装
置３および画像識別装置１の画像取り込み部１０にそれ
ぞれ接続されており、画像検出装置３により検出された
欠点画像および画像識別装置１により識別された欠点画
像を画像格納ディスクなどの記録装置５に記録させる画
像記録システム装置４を備えている。

【０１５０】この画像検出識別装置では、撮像装置２に
より被対象物を撮像し、撮像画像を画像検出装置３に出
力する。画像検出装置３は、この撮像画像について欠点
画像を検出し、画像識別装置１に出力する。画像識別装
置１は、画像取り込み部１０を介してこの欠点画像を取
り込み、識別を行って、欠点であると識別された欠点画
像など特定の欠点画像とその識別結果を画像取り込み部
１０を介して画像録画システム装置４に出力する。画像
録画システム装置４は、画像識別装置１から出力された
欠点画像を識別結果などと共に記録装置５に記録させ
る。

【０１５１】この画像検出識別装置では、また、画像検
出装置３によって検出した欠点画像を画像識別装置１に
よってリアルタイムで識別処理できない場合、欠点画像
を画像検出装置３から画像録画システム装置４に出力す
る。画像録画システム装置４は、画像検出装置３から出
力された欠点画像を記録装置５に記録させる。一方、画
像識別装置１は、画像記録システム装置４を介して記録
装置５から欠点画像を読み出し、識別を行って、特定の
欠点画像とその識別結果を画像録画システム装置４に出
力する。画像録画システム装置４は、それらを記録装置
５に記録させる。

【０１５２】このように本実施の形態に係る画像検出識
別装置によれば、本発明に係る画像識別装置１を備える
ようにしたので、迅速に高精度の識別をすることがで
き、識別した特定の欠点画像のみを必要に応じて記録さ
せることができる。よって、リアルタイム処理する場合
など特に画像の記録量を削減することができ、データ管
理が容易となる。すなわち、この画像検出識別装置を用
いた生産工程の生産管理を容易とすることができる。

【０１５３】（第７の実施の形態）上記画像識別装置
は、具体的にはコンピュータにより実現することができ
る。図２１はその構成を表すものである。すなわち、こ
のコンピュータは、ＣＰＵ（中央処理装置）７１と、キ
ーボードやマウスなどの入力装置とＣＲＴ（陰極線管）
やプリンタなどの出力装置からなる入出力装置７２と、
記憶装置７３と、これらが接続されたバス７４とを備え
ている。記憶装置７３は、例えば、プログラムを記録す
る媒体７３ａであるハードディスクや、プログラムを記
録する媒体７３ｂであるＣＤ（コンパクトディスク）−
ＲＯＭ，フロッピィディスク，光磁気ディスク，相変化
型光ディスクなどとそれらを駆動するディスクドライブ
とにより構成される。この記憶装置７３には、本発明に
係る画像識別装置および方法を実現するための手順を含
む画像識別用プログラムが格納されている。

【０１５４】このコンピュータでは、入出力装置７２か
らの指示により、記憶装置７３から画像識別用プログラ
ムが読み出され、この画像識別用プログラムに従ってＣ
ＰＵ７１により前述のような画像の識別動作が実行され
る。

【０１５５】以上、実施の形態を挙げて本発明を説明し
たが、本発明は上記実施の形態に限定されるものではな
く、種々の変形が可能である。例えば、上記各実施の形
態では、画像識別装置を、紙や布などの製造工程におい
て被対象物に虫などの異物付着や穴や油じみなどの欠点
が有るか否かを検査する際に用いて、被対象物の撮像画
像から検出した欠点画像を識別する場合について説明し
たが、その他の種々の画像を識別する場合についても同
様にして用いることができる。

【０１５６】また、上記各実施の形態では、被対象物の
撮像画像から抽出された欠点が含まれると思われる欠点
画像について識別を行う場合について説明したが、撮像
画像について識別を行うようにしてもよい。更に、本発
明に係る画像識別装置は、オンラインにより画像を取り
込むようにしてもよく、記録装置に録画された画像を取
り込むようにしてもよい。

【０１５７】加えて、本発明に係る画像識別装置は、生
産工程において発生する欠点の判別をオフラインでシミ
ュレートし、その判別能力を予め確認し検証するシミュ
ーレーション装置の一部としても用いることができる。

【０１５８】更にまた、上記各実施の形態では、判断処
理部３０，３０３０が学習手段としての機能を有し、識
別用データ４１，１０４１などを学習によりデータ保持
部４０，１０４０，３０４０に記憶させる場合について
説明したが、本発明に係る画像識別装置は、学習手段を
備えないものも含んでいる。この場合、例えば、シミュ
レーション装置などにより検証して得られた識別用デー
タ４１，１０４１などをＲＯＭなどの記録媒体に記憶さ
せ、それをデータ保持部４０，１０４０，３０４０とし
て利用したり、その記録媒体からデータ保持部４０，１
０４０，３０４０にデータ取り込み手段によりデータを
取り込んだりすればよい。

【０１５９】加えてまた、上記各実施の形態では、判断
処理部３０，３０３０が判断処理手段としての機能に加
えて学習手段としての機能も有する場合について説明し
たが、本発明に係る画像識別装置は、判断処理部３０，
３０３０とは別に学習手段を備えるようにしてもよい。

【０１６０】

【発明の効果】以上説明したように請求項１乃至１２の
いずれか１に記載の画像識別装置，請求項１３乃至１７
のいずれか１に記載の画像識別方法または請求項１９乃
至２３のいずれか１に記載の画像識別用プログラムを記
録した媒体によれば、画像について特徴量を抽出すると
共に例外処理信号検出するようにしたので、例外処理信
号により識別を補助することができる。よって、特徴量
に基づいて行った識別が誤っていても例外処理信号によ
りそれを検出することができ、識別精度を向上させるこ
とができるという効果を奏する。

【０１６１】また、請求項４乃至１２のいずれか１に記
載の画像識別装置，請求項１６または１７に記載の画像
識別方法または請求項２２または２３に記載の画像識別
用プログラムを記録した媒体によれば、特徴量に基づい
て画像の識別を行うと共に、例外処理信号に基づいてそ
の識別結果の判定を行うようにしたので、判定により識
別を補助することができ、識別において用いる特徴量お
よび識別における処理内容を削減することができる。す
なわち、識別を容易に効率よく行うことができるという
効果を奏する。

【０１６２】更に、請求項６乃至１２のいずれか１に記
載の画像識別装置，請求項１７記載の画像識別方法また
は請求項２３記載の画像識別用プログラムを記録した媒
体によれば、１次識別の結果を判定すると共に、この判
定結果に応じて２次識別を行うようにしたので、判定お
よび必要に応じて２次識別により１次識別を補助するこ
とができる。よって、１次識別において用いる特徴量が
少なくても精度良く識別することができる。すなわち、
識別の時間を短縮することができ、迅速に効率良く識別
することができるという効果を奏する。

【０１６３】加えて、請求項１２に記載の画像識別装置
によれば、画像の識別において必要となるデータの設定
を手動で行うためのマンマシンインターフェース部を備
えるようにしたので、データの設定を容易に行うことが
できる。すなわち、画像の識別を容易に行うことができ
るという効果を奏する。

【０１６４】更にまた、請求項１８に記載の画像検出識
別装置によれば、本発明に係る画像識別装置を備えるよ
うにしたので、迅速に高精度の識別をすることができ、
識別した特定の欠点画像のみを必要に応じて記録させる
ことができる。よって、リアルタイム処理する場合など
特に画像の記録量を削減することができ、データ管理を
容易とすることができるという効果を奏する。

【図面の簡単な説明】

【図１】本発明の第１の実施の形態に係る画像識別装置
を表す概略構成図である。

【図２】図１に示した画像識別装置における画像処理部
の構成図である。

【図３】画像識別装置により識別する欠点画像の一例を
表す図である。

【図４】図３に示した欠点画像に関する欠点内白黒画像
を表す図である。

【図５】図３に示した欠点画像に関する欠点内濃淡画像
を表す図である。

【図６】図５に示した欠点内濃淡画像に関する欠点内濃
度パターンヒストグラムを表す図である。

【図７】図１に示した画像識別装置における判断処理部
の構成図である。

【図８】図１に示した画像識別装置の全体動作を表す流
れ図である。

【図９】図１に示した画像識別装置における例外検出部
の動作を表す流れ図である。

【図１０】本発明の第２の実施の形態に係る画像識別装
置における識別部の構成図である。

【図１１】本発明の第３の実施の形態に係る画像識別装
置における画像処理部の構成図である。

【図１２】図３に示した欠点画像に関する背景含有濃淡
画像を表す図である。

【図１３】図１２に示した背景含有濃淡画像に関する背
景含有濃度パターンヒストグラムを表す図である。

【図１４】図１１に示した画像識別装置の全体動作を表
す流れ図である。

【図１５】本発明の第４の実施の形態に係る画像識別装
置における判断処理部の構成図である。

【図１６】図１５に示した画像識別装置における２次識
別部の構成図である。

【図１７】図１５に示した画像識別装置の全体動作を表
す流れ図である。

【図１８】図１５に示した画像識別装置による識別実験
結果を表す図である。

【図１９】本発明の第５の実施の形態に係る画像識別装
置における判断処理部の構成図である。

【図２０】本発明の第６の実施の形態に係る画像検出識
別装置の構成図である。

【図２１】本発明の第７の実施の形態に係る画像識別用
プログラムを記録した媒体を用いて画像の識別を実行す
るコンピュータの構成図である。

【符号の説明】

１ 画像識別装置 １０ 画像取り込み部 ２０，２０２０ 画像処理部 ２１ 画像前処理部 ２１１ 濃度ヒストグラム作成部 ２１２ 平均濃度算出部 ２２，２０２２ 例外検出部 ２２１ 白黒判定部 ２２２ 無欠点判定部 ２２３ 欠点内画像作成部 ２２４ 個数計測部 ２２５ 背景含有画像作成部 ２３，２０２３ 特徴量抽出部 ２０２３Ａ 画像内特徴量抽出部 ２０２３Ｂ 背景含有特徴量抽出部 ２３１ 幾何形状特徴量抽出部 ２３２ 欠点内濃度パターンヒストグラム作成部 ２３３ 欠点内濃度パターン特徴量抽出部 ２３４ 背景含有濃度パターンヒストグラム作成部 ２３５ 背景含有濃度パターン特徴量抽出部 ３０，３０３０ 判断処理部 ３１，１０３１ 識別部（１次識別部） ３２ 判定部 ３２１ 切り替え部 ３２１Ａ 切り替え制御部 ３２１１〜３２１ｎ スイッチ回路 ３２２ 確信度計算部 ３２２１ 白欠点確信度計算部 ３２２２ 黒欠点確信度計算部 ３２３ 判定結果出力部 ３３ ２次識別部 ３４ 総合判定出力部 ３５ 識別切り替え部 ３５１ 特徴量切り替え部 ３５２ データ切り替え部 ４０，１０４０，３０４０ データ保持部 ４１，１０４１ 識別用データ ４２ 例外制御用データ ４３ ２次識別用データ ６０ マンマシンインターフェース部 ６１ 入力部 ６２ 表示部 ７１ ＣＰＵ ７２ 入出力装置 ７３ 記憶装置

Claims (23)

【特許請求の範囲】
1. 【請求項１】 画像を取り込む画像取り込み手段と、 この画像取り込み手段により取り込んだ画像について特
   徴量を抽出し特徴量信号として出力する特徴量抽出手段
   と、 前記画像取り込み手段により取り込んだ画像について識
   別を補助するための例外処理信号を検出し出力する例外
   検出手段と、 前記特徴量抽出手段から出力された特徴量信号と、前記
   例外検出手段から出力された例外処理信号とに基づき画
   像を識別する判断処理手段とを備えたことを特徴とする
   画像識別装置。
2. 【請求項２】 前記特徴量抽出手段は、識別対象画像に
   基づいて特徴量を抽出する画像内特徴量抽出手段を有し
   ていることを特徴とする請求項１記載の画像識別装置。
3. 【請求項３】 前記特徴量抽出手段は、更に、識別対象
   画像と背景画像と含む画像に基づいて特徴量を抽出する
   背景含有画像特徴量抽出手段を有していることを特徴と
   する請求項２記載の画像識別装置。
4. 【請求項４】 前記判断処理手段は、 前記特徴量抽出手段から出力された特徴量信号に基づき
   画像を識別する識別手段と、 この識別手段により識別した結果を前記例外検出手段か
   ら出力された例外処理信号に基づき判定する判定手段と
   を備えたことを特徴とする請求項１乃至３のいずれか１
   に記載の画像識別装置。
5. 【請求項５】 前記識別手段は、ニューラルネットワー
   クにより構成されたことを特徴とする請求項４記載の画
   像識別装置。
6. 【請求項６】 前記判断処理手段は、 前記画像内特徴量抽出手段から出力された特徴量信号に
   基づき画像を識別する１次識別手段と、 この１次識別手段により識別した結果を前記例外検出手
   段から出力された例外処理信号に基づき判定する判定手
   段と、 この判定手段の判定結果に応じて、前記背景含有画像特
   徴量抽出手段から出力された特徴量信号に基づき画像を
   識別する２次識別手段とを備えたことを特徴とする請求
   項３記載の画像識別装置。
7. 【請求項７】 前記判断処理手段は、前記１次識別手段
   としての機能と前記２次識別手段としての機能とを有す
   る識別手段を備えると共に、更に、前記識別手段につい
   て１次識別手段としての機能と２次識別手段としての機
   能との切り替えを行う識別切り替え手段を備えたことを
   特徴とする請求項６記載の画像識別装置。
8. 【請求項８】 前記１次識別手段は、ニューラルネット
   ワークにより構成されたことを特徴とする請求項６また
   は７に記載の画像識別装置。
9. 【請求項９】 前記２次識別手段は、ニューラルネット
   ワークにより構成されたことを特徴とする請求項６乃至
   ８のいずれか１に記載の画像識別装置。
10. 【請求項１０】 更に、画像の識別において基準となる
    データを保持するデータ保持手段を備えており、前記判
    断処理手段は特徴量信号と例外処理信号と前記データ保
    持手段に保持されたデータとに基づいて画像を判断する
    ことを特徴とする請求項１乃至９のいずれか１に記載の
    画像識別装置。
11. 【請求項１１】 更に、画像の識別において基準となる
    データを学習して前記データ保持手段に保持させる学習
    手段を備えたことを特徴とする請求項１０記載の画像識
    別装置。
12. 【請求項１２】 更に、入力手段と表示手段とを有し画
    像の識別において必要となるデータの設定を手動で行う
    ためのマンマシンインターフェース部を備えたことを特
    徴とする請求項１乃至１１のいずれか１に記載の画像識
    別装置。
13. 【請求項１３】 画像を取り込む画像取り込み工程と、 この画像取り込み工程により取り込んだ画像について特
    徴量を抽出する特徴量抽出工程と、 前記画像取り込み工程により取り込んだ画像について識
    別を補助するための例外処理信号を検出する例外処理信
    号検出工程と、 前記特徴量抽出工程により抽出した特徴量と、前記例外
    処理信号検出工程により検出した例外処理信号とに基づ
    き画像を識別する判断処理工程とを含むことを特徴とす
    る画像識別方法。
14. 【請求項１４】 前記特徴量抽出工程は、識別対象画像
    に基づいて特徴量を抽出する画像内特徴量抽出工程を含
    むことを特徴とする請求項１３記載の画像識別方法。
15. 【請求項１５】 前記特徴量抽出工程は、更に、識別対
    象画像と背景画像とを含む画像に基づいて特徴量を抽出
    する背景含有画像特徴量抽出工程を含むことを特徴とす
    る請求項１４記載の画像識別方法。
16. 【請求項１６】 前記判断処理工程は、 前記特徴量抽出工程により抽出した特徴量に基づき画像
    を識別する識別工程と、 この識別工程により識別した結果を前記例外処理信号検
    出工程により検出した例外処理信号に基づき判定する判
    定工程とを含むことを特徴とする請求項１３乃至１５の
    いずれか１に記載の画像識別方法。
17. 【請求項１７】 前記判断処理工程は、 前記画像内特徴量抽出工程により抽出した特徴量に基づ
    き画像を識別する１次識別工程と、 この１次識別工程により識別した結果を前記例外処理信
    号検出工程により検出した例外処理信号に基づき判定す
    る判定手段と、 この判定工程の判定結果に応じて、前記背景含有画像特
    徴量抽出工程により抽出した特徴量に基づき画像を識別
    する２次識別工程とを含むことを特徴とする請求項１５
    記載の画像識別方法。
18. 【請求項１８】 撮像画像から特定の画像を検出し識別
    する画像検出識別装置であって、 請求項１乃至１２のいずれか１に記載の画像識別装置を
    備えたことを特徴とする画像検出識別装置。
19. 【請求項１９】 コンピュータによって画像を識別する
    ための画像識別用プログラムを記録した媒体であって、 画像識別用プログラムは、コンピュータに画像を取り込
    む画像取り込み手順と、この画像取り込み手順により取
    り込んだ画像について特徴量を抽出する特徴量抽出手順
    と、前記画像取り込み手順により取り込んだ画像につい
    て識別を補助するための例外処理信号を検出する例外処
    理信号検出手順と、前記特徴量抽出手順により抽出した
    特徴量と、前記例外処理信号検出手順により検出した例
    外処理信号とに基づき画像を識別する判断処理手順とを
    含むことを特徴とする画像識別用プログラムを記録した
    媒体。
20. 【請求項２０】 前記特徴量抽出手順は、識別対象画像
    に基づいて特徴量を抽出する画像内特徴量抽出手順を含
    むことを特徴とする請求項１９記載の画像識別用プログ
    ラムを記録した媒体。
21. 【請求項２１】 前記特徴量抽出手順は、更に、識別対
    象画像と背景画像とを含む画像に基づいて特徴量を抽出
    する背景含有画像特徴量抽出手順を含むことを特徴とす
    る請求項２０記載の画像識別用プログラムを記録した媒
    体。
22. 【請求項２２】 前記判断処理手順は、 前記特徴量抽出手順により抽出した特徴量に基づき画像
    を識別する識別手順と、 この識別手順により識別した結果を前記例外処理信号検
    出手順により検出した例外処理信号に基づき判定する判
    定工程とを含むことを特徴とする請求項１９乃至２１の
    いずれか１に記載の画像識別用プログラムを記録した媒
    体。
23. 【請求項２３】 前記判断処理手順は、 前記画像内特徴量抽出手順により抽出した特徴量に基づ
    き画像を識別する１次識別手順と、 この１次識別手順により識別した結果を前記例外処理信
    号検出手順により検出した例外処理信号に基づき判定す
    る判定手順と、 この判定手順の判定結果に応じて、前記背景含有画像特
    徴量抽出手順により抽出した特徴量に基づき画像を識別
    する２次識別手順とを含むことを特徴とする請求項２１
    記載の画像識別用プログラムを記録した媒体。