JPH11232462A - 印字検査装置 - Google Patents

印字検査装置

Info

Publication number
JPH11232462A
JPH11232462A JP10046213A JP4621398A JPH11232462A JP H11232462 A JPH11232462 A JP H11232462A JP 10046213 A JP10046213 A JP 10046213A JP 4621398 A JP4621398 A JP 4621398A JP H11232462 A JPH11232462 A JP H11232462A
Authority
JP
Japan
Prior art keywords
feature
image quality
vector
digital image
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
Application number
JP10046213A
Other languages
English (en)
Inventor
Masaaki Imaizumi
昌明 今泉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Inc
Original Assignee
Canon Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Canon Inc filed Critical Canon Inc
Priority to JP10046213A priority Critical patent/JPH11232462A/ja
Publication of JPH11232462A publication Critical patent/JPH11232462A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Accessory Devices And Overall Control Thereof (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

(57)【要約】 【課題】 印字された用紙を光学的に読み取り、自動的
かつ定量的に印字の検査を行うことのできる印字検査装
置を提供する。 【解決手段】 印字された用紙を撮像素子で光学的に読
み取り、この信号をデジタル画像信号に変換して、蓄積
手段に蓄える。また、デジタル画像信号から複数の特徴
量を計測し、この計測した複数の特徴量から選択して特
徴量ベクトルを作成する。そして、作成した特徴量ベク
トルに基づき、画質の判定を行う。また、画質の判定を
行うための基準としての基準ベクトルをデータベースに
格納しておくき、この基準ベクトルと特徴量ベクトルと
を用いて画質の判定を行う。これにより、作業員の個人
差や疲労を伴わない定量的な検査を行うことを可能とす
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、プリンタ等によっ
て印字した用紙の画質を判定するための印字検査装置お
よび印字検査方法に関する。
【0002】
【従来の技術】図3は、従来の印字検査の作業の様子を
示す説明図である。
【0003】図3の301は検査作業員、205は印字
された用紙、210は印字の限度見本である。検査員3
01は、印字された用紙205と印字の限度見本210
とを見比べて印字された用紙205が印字の限度見本2
10よりも良い場合は合格、印字された用紙205が印
字限度見本210よりも悪い場合は不合格とする。
【0004】
【発明が解決しようする課題】しかしながら、図3で説
明した人の目視による方法では、定量的な検査ができな
い上に、作業員の個人差や作業員の疲労等の影響がでや
すいという問題である。
【0005】本発明は、印字された用紙を光学的に読み
取り、自動的かつ定量的に印字の検査を行うことのでき
る印字検査装置を提供することを目的とする。
【0006】
【課題を解決するための手段】上記目的を達成するため
に、本発明の印字検査装置は、印字された用紙を光学的
に読み取る撮像素子と、撮像素子の出力をデジタル化す
るA/D変換手段と、デジタル化された画像を蓄積する
蓄積手段と、デジタル画像から画質を判定するための特
徴量を計測する特徴計測手段と、それらの特徴量を検査
の目的に応じて有効であると考えられる特徴を選ぶ特徴
量選択手段と、特徴量選択手段で選ばれた特徴量ベクト
ルを用いて画質の善し悪しを判定する画質判定手段で画
質の判定を行うものである。
【0007】また、本発明の印字検査装置は、印字され
た用紙を光学的に読み取る撮像素子と、撮像素子の出力
をデジタル化するA/D変換手段と、デジタル化された
画像を蓄積する蓄積手段と、デジタル画像から画質を判
定するための特徴量を計測する特徴計測手段と、それら
の特徴量を検査の目的に応じて有効であると考えられる
特徴を選ぶ特徴量選択手段と、予めサンプルデータを基
に学習をしておいた画質判定手段で特徴量選択手段で選
ばれた特徴量ベクトルを用いて画質の善し悪しを判定す
る画質判定手段で画質の判定を行うものである。画像の
任意の位置を検査する場合は、XYステージによってそ
の位置を決める。そして、これらの―連の動作はCPU
によって管理されている。
【0008】上記構成により、撮像素子のアナログの画
像信号はデジタル信号に変換され、この変換されたデジ
タル信号により様々な特徴量ベクトルの抽出が可能とな
り、画質の判定が可能となるので、作業員の個人差や疲
労を伴わない定量的な検査を行うことを可能とする。
【0009】
【発明の実施の形態および実施例】以下、本発明の実施
例を図面に基づいて説明する。図1は、本発明の第1実
施例の印字検査装置の構成を示すブロック図である。
【0010】図1において、撮像素子1は、印字された
用紙を光学的に読み取るものであり、A/D変換部2
は、撮像素子1のアナログ出力をデジタル化するもので
ある。画像データ蓄積部3は、デジタル化された画像デ
ータを蓄えるものであり、特徴計測部4は、画像データ
蓄積部3に蓄積された画像データを用いて様々な特徴量
を計測するものである。
【0011】特徴量選択部5は、検査の目的に応じて特
徴計測部4で計測された複数の特徴量群から検査に適し
た特徴量を選択するものである。画質判定部6は、特徴
量選択部5で選択された特徴量を基に画質の判定を行う
ものであり、この画質判定部6から検査結果が出力され
る。
【0012】次に、図1の構成をさらに詳細に説明す
る。撮像素子1は、印字用紙205を光学的に読み取
る。図4(A)、(B)はこのときの印字用紙の説明図
であり、印字機の―画素毎に白黒で印字しており、
(A)は印字用紙201のように正常に印字されている
例を示し、図4(B)は印字用紙202のように―部が
太くつぶれて印字されている例を示す。この撮像素子1
の出力は、アナログの画像信号であるので、これをA/
D変換部2でデジタル信号に変換する。そして、この変
換されたデジタル信号は画像データ蓄積部3に蓄積され
る。
【0013】図6は、特徴量計測部4の構成を示すブロ
ック図である。画像蓄積部2から読み出されたデータは
検査する領域を特定するために領域分割部41に送られ
て領域を分割する。そのデータは、FFT解析部42、
エッジ検出部43、濃度検出部44、色検出部45、ヒ
ストグラム検出部46に送られてそれぞれの演算を行
う。
【0014】それぞれの特徴量計測結果を図1の特徴量
選択部5に転送する。特徴量選択部5は、予め検査項目
毎に図6のどの特徴量を用いるか記憶させてあり、検査
項目により特徴量計測部4の出力を選択する。
【0015】画質判定部6は、その入力された項目と値
に応じて画質の合格、不合格を判定し、出力する。
【0016】図8は、画質判定部6の構成を説明するた
めの説明図である。
【0017】図8に示すように、本実施例の画質判定部
6は、階層構造のニューラルネットを採用したものであ
る。このニューラルネットは、入力層61、出力層6
3、中間層(隠れ層)62の3層構造からなる。2つの
ニューロンの各相互接続されたニューロンの関係の強さ
および方向(正または負)を定義する重みwが割り当て
られる。wには−1から+1の実数値が組み込まれてい
る。
【0018】ここでニューラルネットは下記のような形
態をとるものとする。すなわち、 入力層:j=5(j個の特徴量を入力する) 中間層:n個 (i番目のニューロンをiと表す) 出力層:k=3(判定の分類数に対応し、本実施例では
3) となる。なお、このような形態としては、上記のものに
限定されるものではない。
【0019】以降の記述において、中間層、入力層およ
び出力層のニューロンの個数に関して、記号をi、j、
kを用いるものとする。たとえば、図6の例は、i=
n、j=5、k=3となる。
【0020】中間層におけるi番目のニューロンiの出
力H(i)は下記のように計算される。
【0021】 H(i)=f1 (Σ[I(j)*w(i,j)]) ただし、f1 (x)はシグモイド関数(sigmoid functi
on)のような連続関数であることが望ましい。シグモイ
ド関数は以下のようにあらわされる。
【0022】f1 (x)=tanh(x)=(ex −e
-x)/(ex +e-x) 上記の式においてI(j)は、入力層61の第j番目の
ニューロンjの値、w(i,j)は入力層61のニュー
ロンjおよび中間層62のi番目のニューロンiの相互
接続の重みである。そして、出力層63におけるk番目
のニューロンkの出力値OUT(k)は下記のように計
算される。
【0023】 OUT(k)=f2 (Σ[H(i)*w(k,i)]) ただし、f2 (x)はシグモイド関数のような連続関数
が望ましく、w(k,i)は出力層63のk番目のニュ
ーロンkと中間層62のニューロンiとの相互接続の重
みである。本実施例では、f1 (x)、f2 (x)は同
―関数を選択する。
【0024】本実施例では、入力層61の入力1、入力
2、入力3、入力4、入力5をそれぞれFFT解析結
果、エッジ検出結果、濃度検出結果、色検出結果、ヒス
トグラム検出結果とする。また出力1、出力2、出力3
をそれぞれ、良品、不良品、判定不能とする。
【0025】各ニューロンの重み係数は予め良品、不良
品のサンプル群により予めバックプロパゲーション等の
学習方法でにより決定しておく。
【0026】図2は、本発明の第2実施例の印字検査装
置の構成を示すブロック図である。図2において、撮像
素子1は、印字された用紙205を光学的に読み取るも
のであり、A/D変換部2は、撮像素子1のアナログ出
力をデジタル化するものである。
【0027】画像データ蓄積部3は、A/D変換部2で
デジタル化された画像データを蓄えるものであり、特徴
量測定部4は、画像データ蓄積部3に蓄えられた画像デ
ータの特徴量を測定するものであり、特徴量選択部5
は、特徴量測定部4で測定された特徴量群の中で検査に
使う特徴量群を選択するものである。
【0028】データ格納部7は、予め印字画像の検査項
目と特徴量群との関係を調べておくことにより作成され
た判定基準のデータを格納するものである。このよう
に、本実施例では、予め判定基準作成のためのデータベ
ースを作成することにより、印字画像の評価の判定を作
業員の個人差や疲労を伴わない定量的な検査を可能とす
るものである。
【0029】画質判定部6は、特徴量選択部5で選択さ
れた特徴量群と判定基準のデータ格納部7とを用いて画
質の判定を行うものであり、この画質判定部6から判定
結果が出力される。なお、画質判定部6の構造は、第1
実施例で説明したものと同じ構造である。
【0030】XYステージ9は、印字された用紙205
を乗せX方向およびY方向に移動するものであり、CP
U8は、撮像素子1、A/D変換部2、画像データ蓄積
部3、特徴量計測部4、特徴量選択部、画質判定部6、
判定基準データ格納部7およびXYステージ9をコント
ロールするものである。
【0031】次に、図2の構成をさらに詳しく説明す
る。ここでは、画質の滑らかさを検査する場合を例に説
明する。
【0032】画像の滑らかさを検査する場合に、テスト
パターンは図4の領域ABCDである。図4の(A)、
(B)はこのときの説明図であり、白から黒へ連続して
変化しているテストパターンが描かれている。図4
(A)は印字用紙201のように正常に印字されている
例を示し、図4(B)は印字用紙202のように白から
黒へ階段状に変化して印字されている例を示している。
この場合、図2のCPU8はXYステージ9に検査する
領域の座標A(X1,Y1)、B(X2,Y2)、C
(X3,Y3)、D(X4,Y4)を指令し、撮像素子
1を用いて検査領域の画像データを取るように移動させ
る。
【0033】これをA/D変換部2でデジタル信号に変
換する。変換されたデジタル信号は画像データ蓄積部3
に蓄積される。画像蓄積部2から読み出されたデータは
検査する領域を特定するために領域分割部41に送られ
て領域を分割する。この場合領域ABCDを示してい
る。画像データは、FFT解析部42、エッジ検出部4
3、濃度検出部44、色検出部45、ヒストグラム検出
部46に送られてそれぞれの演算を行う。CPU8は、
特徴量選択部5に指令し、図6のヒストグラム検出部4
6のデータを画像判定部6に送る。
【0034】ヒストグラム検出部46では図7のような
結果が出力される。画質の滑らかさを検査する場合、図
2の特徴量選択部5では、図7の結果から(A)の画像
は滑らかで、(B)は滑らかでないことが判定基準のデ
ータ格納部7に登録されており、そのデータと特徴量選
択部5からのデータとから(A)は合格、(B)は不合
格という結果を出力する。
【0035】次に、人の肌色が忠実に再現されているか
否かを検査する場合を例にとり説明する。
【0036】人の肌色が忠実に再現されているか検査す
る場合、テストパターンは図5の領域A’B’C’D’
である。図5の(A)、(B)は、このときの説明図で
あり、人の顔のテストパターンが描かれている。図5
(A)は印字用紙203のように正常に印字されている
例を示し、図5(B)は印字用紙204のように白から
黒へ階段状に変化して印字されている例を示している。
【0037】この場合、図2のCPU8は、XYステー
ジ9に検査する領域の座標A’(X1’,Y1’)、
B’(X2’,Y2’)、C’(X3’,Y3’)、
D’(X4’,Y4’)を指令し、撮像素子1を用いて
検査領域の画像データを取るように移動させる。
【0038】これをA/D変換部2でデジタル信号に変
換する。変換されたデジタル信号は画像データ蓄積部3
に蓄積される。画像蓄積部2から読み出されたデータは
検査する領域を特定するために領域分割部41に送られ
て領域を分割する。この場合領域ABCDを示してい
る。画像データはFFT解析部42、エッジ検出部4
3、濃度検出部44、色検出部45、ヒストグラム検出
部46に送られて、それぞれの演算を行う。CPU8
は、特徴量選択部5に指令し、図6のFFT解析部41
の解析結果データを画像判定部6に送る。
【0039】人の肌色が忠実に再現されているか検査す
る場合、図2の特徴量選択部5は、図5(A)の画像は
滑らかで、(B)は滑らかでないことが判定基準のデー
タ格納部7に登録されており、そのデータと特徴量選択
部5からのデータとから(A)は合格、(B)は不合格
という結果を出力する。
【0040】
【発明の効果】以上説明したように、本発明によれば、
撮像素子のアナログ画像信号をデジタル信号に変換し、
このデジタル信号により様々な特徴量ベクトルを抽出し
て画質の判定を行うことができるので、印字検査を行う
場合に、作業員の個人差や疲労を伴わず、定量的な検査
が可能となる。
【図面の簡単な説明】
【図1】本発明の第1実施例の印字検査装置を示すブロ
ック図である。
【図2】本発明の第2実施例の印字検査装置を示すブロ
ック図である。
【図3】従来の印字検査作業を説明する説明図である。
【図4】印字用紙の一例を示す説明図である。
【図5】印字用紙の他の例を示す説明図である。
【図6】上記第1実施例の印字検査における特徴計測部
を示すブロック図である。
【図7】本発明の実施例の滑らかさ検査におけるヒスト
グラム検出部の結果出力例を示す説明図である。
【図8】本発明の実施例における画質判定部を示すブロ
ック図である。
【符号の説明】
1…撮像素子、 2…A/D変換部、 3…画像データ蓄積部、 4…特徴量計測部、 5…特徴量選択部、 6…画質判定部、 7…データ格納部、 8…CPU、 9…XYステージ。

Claims (6)

    【特許請求の範囲】
  1. 【請求項1】 印字された用紙を光学的に読み取る撮像
    素子と、 前記撮像素子の出力をデジタル画像信号に変換するA/
    D変換手段と、 前記A/D変換手段のデジタル画像信号を蓄える蓄積手
    段と、 デジタル画像信号から複数の特徴量を計測する計測手段
    と、 前記計測手段による複数の特徴量から選択して特徴量ベ
    クトルを作成する作成手段と、 前記作成手段による特徴量ベクトルに基づき、画質の判
    定を行う画質判定手段とを有し、 印字された画質の判定を行うことを特徴とする印字検査
    装置。
  2. 【請求項2】 印字された用紙を光学的に読み取る撮像
    素子と、 前記撮像素子の出力をデジタル画像信号に変換するA/
    D変換手段と、 前記A/D変換手段のデジタル画像信号を蓄える蓄積手
    段と、 前記デジタル画像信号から複数の特徴量を計測する計測
    手段と、 画質の判定を行うための基準としての基準ベクトルを格
    納するデータ格納手段と、 計測する領域を設定する設定手段と、 前記計測手段による特徴量から特徴量ベクトルを作成す
    る作成手段と、 前記特徴量ベクトルと前記基準ベクトルとを用いて画質
    の判定を行う画質判定手段とを有し、 印字された画質の判定を行うことを特徴とする印字検査
    装置。
  3. 【請求項3】 請求項2において、 前記設定手段は、XYステージであることを特徴とする
    印字検査装置。
  4. 【請求項4】 請求項1〜3のいずれか1項において、 前記画質判定手段は、階層構造をもつニューラルネット
    から構成され、予め良品と不良品のサンプル群によりト
    レーニングを行い、判別が可能となるように調整されて
    いることを特徴とする印字検査装置。
  5. 【請求項5】 印字された用紙を撮像素子によって光学
    的に読み取る撮像工程と、 前記撮像素子の出力をデジタル画像信号に変換するA/
    D変換工程と、 前記A/D変換工程によるデジタル画像信号を蓄える蓄
    積工程と、 デジタル画像信号から複数の特徴量を計測する計測工程
    と、 前記計測工程による複数の特徴量から選択して特徴量ベ
    クトルを作成する作成工程と、 前記作成工程による特徴量ベクトルに基づき、画質の判
    定を行う画質判定工程とを有し、 印字された画質の判定を行うことを特徴とする印字検査
    方法。
  6. 【請求項6】 印字された用紙を撮像素子によって光学
    的に読み取る撮像手段と、 前記撮像素子の出力をデジタル画像信号に変換するA/
    D変換工程と、 前記A/D変換工程によるデジタル画像信号を蓄える蓄
    積工程と、 前記デジタル画像信号から複数の特徴量を計測する計測
    工程と、 画質の判定を行うための基準としての基準ベクトルを格
    納するデータ格納工程と、 計測する領域を設定する設定工程と、 前記計測工程による特徴量から特徴量ベクトルを作成す
    る作成工程と、 前記特徴量ベクトルと前記基準ベクトルとを用いて画質
    の判定を行う画質判定工程とを有し、 印字された画質の判定を行うことを特徴とする印字検査
    方法。
JP10046213A 1998-02-12 1998-02-12 印字検査装置 Pending JPH11232462A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP10046213A JPH11232462A (ja) 1998-02-12 1998-02-12 印字検査装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP10046213A JPH11232462A (ja) 1998-02-12 1998-02-12 印字検査装置

Publications (1)

Publication Number Publication Date
JPH11232462A true JPH11232462A (ja) 1999-08-27

Family

ID=12740832

Family Applications (1)

Application Number Title Priority Date Filing Date
JP10046213A Pending JPH11232462A (ja) 1998-02-12 1998-02-12 印字検査装置

Country Status (1)

Country Link
JP (1) JPH11232462A (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006026943A (ja) * 2004-07-12 2006-02-02 Seiko Epson Corp ノイズ検出装置、ノイズ検出プログラム、ノイズ検出方法、特異領域検出装置、特異領域検出プログラム、特異領域検出方法、キャリブレーション装置、キャリブレーションプログラムおよびキャリブレーション方法
JP2006026942A (ja) * 2004-07-12 2006-02-02 Seiko Epson Corp ノイズ検出装置、ノイズ検出プログラム、ノイズ検出方法、キャリブレーション装置、キャリブレーションプログラムおよびキャリブレーション方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006026943A (ja) * 2004-07-12 2006-02-02 Seiko Epson Corp ノイズ検出装置、ノイズ検出プログラム、ノイズ検出方法、特異領域検出装置、特異領域検出プログラム、特異領域検出方法、キャリブレーション装置、キャリブレーションプログラムおよびキャリブレーション方法
JP2006026942A (ja) * 2004-07-12 2006-02-02 Seiko Epson Corp ノイズ検出装置、ノイズ検出プログラム、ノイズ検出方法、キャリブレーション装置、キャリブレーションプログラムおよびキャリブレーション方法
JP4543796B2 (ja) * 2004-07-12 2010-09-15 セイコーエプソン株式会社 キャリブレーション装置、キャリブレーションプログラムおよびキャリブレーション方法
JP4543795B2 (ja) * 2004-07-12 2010-09-15 セイコーエプソン株式会社 キャリブレーション装置、キャリブレーションプログラムおよびキャリブレーション方法

Similar Documents

Publication Publication Date Title
Tsai et al. Applying an artificial neural network to pattern recognition in fabric defects
CN111862067B (zh) 一种焊接缺陷检测方法、装置、电子设备以及存储介质
US4965725A (en) Neural network based automated cytological specimen classification system and method
CN109285139A (zh) 一种基于深度学习的x射线成像焊缝检测方法
JP3581149B2 (ja) 境界ピクセル・パラメータの規則正しいシーケンスを用いた物体を識別するための方法及び装置
JP7293842B2 (ja) 生成方法、プログラム、生成装置、出力装置及び送信装置
IE56706B1 (en) Production of an image model and inspection of a pixel representation of an image
JPH06229942A (ja) ピンホール検査装置
JP3414844B2 (ja) 欠陥パターン種別判定方法およびその装置
JPH11232462A (ja) 印字検査装置
JPH11110560A (ja) 画像検査方法および画像検査装置
JP3648728B2 (ja) 自己組織化特徴マップを用いた鋼材表面の劣化度評価システム
JPH0623968A (ja) 印刷物の汚損度判別装置
JP2758260B2 (ja) 欠陥検査装置
JP3140226B2 (ja) 自動色調判定方法
Liao Fuzzy reasoning based automatic inspection of radiographic welds: weld recognition
JPH06222002A (ja) 光沢むらおよび印刷むら測定方法および装置
US5619319A (en) Apparatus for acquiring data used to evaluate and reproduce the color of a sample on the basis of the chroma and glossiness of the sample
KR20210000656A (ko) 외관 검사 관리 시스템, 외관 검사 관리 장치, 외관 검사 관리 방법 및 프로그램
JPH08272971A (ja) 対象物認識方法
JP7354063B2 (ja) 分類システム、プログラム及び学習システム
Tchan et al. Development of an automated system for the analysis of print-quality variables
Hueter Neural networks automate inspections
KR20240037426A (ko) 인조 가죽 원단 표면 하자 자동 검수 방법 및 장치
Paliwal et al. AE—Automation and emerging technologies: Evaluation of neural network architectures for cereal grain classification using morphological features