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
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。
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
【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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
-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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
ック図である。
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)
- 【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。 - 【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。 - 【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。 - 【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。 - 【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。 - 【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。
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)
| 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 |
-
1998
- 1998-02-12 JP JP10046213A patent/JPH11232462A/ja active Pending
Cited By (4)
| 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 |