JPS62245390A - 物体等認識装置 - Google Patents

物体等認識装置

Info

Publication number
JPS62245390A
JPS62245390A JP8714986A JP8714986A JPS62245390A JP S62245390 A JPS62245390 A JP S62245390A JP 8714986 A JP8714986 A JP 8714986A JP 8714986 A JP8714986 A JP 8714986A JP S62245390 A JPS62245390 A JP S62245390A
Authority
JP
Japan
Prior art keywords
matrix
standard
data
answer
tolerance
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
JP8714986A
Other languages
English (en)
Inventor
Hideo Otsuki
大月 秀夫
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.)
SOFUTEMU KK
Original Assignee
SOFUTEMU KK
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 SOFUTEMU KK filed Critical SOFUTEMU KK
Priority to JP8714986A priority Critical patent/JPS62245390A/ja
Publication of JPS62245390A publication Critical patent/JPS62245390A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 これからの情報と制御の時代わハイテク技術の急速な成
長に支えられ、未来の人類に意識革命をもたらし、又そ
の福祉生活を急速に向上させるものと期待されています
このような情報と制御の時代の創造にまず必要とされる
基本的課題わ情報認識の手段であります。
情報認識に対する我々の基本的な知見として、いわゆる
、不確定性原理を上げることが出来ます。
しかしながら、これわもっばらミクロの世界の理論と考
えられている訳でありますが、これがマクロのIjjW
でどのような展開と宿命を持つのかわ認識の基本問題と
して我々により明確に認識と位置ずけを与えられるべき
重要なテーマでありまず。
本発明わ、私自身の長年に亘たる認識の研究の結果とし
ての°°認識の不確定性パにたいする理論と回路構成技
術により°°認識の手段゛と”認識の不確定性=認識の
正しさく間違い)の確率”を同時に判定し、出力するこ
とができる装置にかかわるものであります。
この様な認識の手段が、以後の行動に対する意志の決定
原理として本来不可欠であることわよく理解されるとこ
ろであります。
上記の様な観点から本装置の応用される範囲わ各種自動
装置、ロボット、物体の選別、選択、分類作業、各種自
動管理システム、装置、等等と広範な技術、産業の分野
にわたるものでありまず。
本装置わ主として、データーマトリックス作成装置(]
)、標準マトリックス出力装置(2)、許容誤差マトリ
ックス出力装置(3)、比較演算装置(4)、および制
御装置(5)とから構成されるものである。
次に本装置の構成と機能に就いて説明する。<1)わデ
ーターマトリックス作成装置であって認識しようとする
物体の有する物理量、化学It(寸法、形状、温度、圧
力、濃度、色、波長、時間等)を測定、し予め定められ
た形式に従ってデーターマトリックス[x、)コとして
f構成、出力する。(2)わ標準マトリックス出力装置
であって上記と同様の形式に従ってあらかじめ設定され
た標準マトリックス[S、iを出力する。(4)上記デ
ーターマトリックスと標準マトリックスを比較演算し、
その結果のアンサ−マトリックス[、A、、−]を予め
指定された許容誤差マトリッス [Δ1.]と比較し。
<i)    [A、、]≦[Δ、・]の場合”YEへ
と         リ S゛を出力する。
(ii )    [A、、] > [△4..]の場
合”N。
″を出力してつぎの過程に[X、、 ] 、及び[S、
、]を送る。
上記”NO”の信号を受けた制御装置(4)でわ次の2
通りの機能を行う。
(i)予め指定された方法(プログラム)によるフィー
ドバック制御信号を(1)に送る。このフィードバック
信号わ(1)のデーターマトリックス作成装置に対して
データー作成方法の変更を指示する。
(ii)しA、−が最小となる方向を与える位相変換マ
トリックス[T、、]を求めて出力してデーターマトリ
ックスに作月ル、[X、、] * [T、]→しX、]
、とする、ここに[X、、J、わ変換後デークーマトリ
ックスを示す。
又予め位相変換マトリックス[黒、]が標準マトリック
スに作用するように指定されている場合にわ[8,J 
* [刀つ]→[3,、、]。
ここで[S、、]、わ交換後標準マトリックスを示しt す、このように変換された各変換後マトリックスわ再び
比較演算部に送られ以後同様のプロセスを繰り返す事と
なる。
上記のプロセスで予め用意されたプログラムの範囲角で
総て°°NO°°である場合、および極値計算での鼓車
ア〉・サーフ1−リックスで’ No’“である場合最
終的に’ No’”を出力する。
次に容袋;ηの構成、機能、原理及び理論について詳細
な説明を行う。
データーマトリックス作成部 一般に、物理量、化学量の測定をおこなう場合その空間
的、またわ時間豹変fヒが含む最大周波数をfとすれば
、元の波形わ2fの周波数によってサンプリングされた
データー系列によ−)で再現される。a用足系に要求さ
れる精度や再現性によりしっつさいの測定でわ必要、十
分な範囲で省略し、簡略化される。
この様にして測定されたデーターわ上記の様に数値化さ
れ、これを一定の配列基準に従ってマトリックスとして
表示することが出来る。たとえば写真等によって得られ
る映像わ横i*縦jの数値マトリックスとして、各ドツ
トのサンプリングデーターのマトリックスで示される。
この各ドツトの性質に従い、次のような例が考えられる
くi) 同一物理量よたわ化学量の単一型。
(ii)  異なった物理量、化学量混在型。
(iii )  同一物理量、化学量等をフィルター等
で分離し、またわ、異なる物理量、化学量を別別のマト
リックスとする分離多重型。
このような各種の作成方法わ全認識プロセスでの無駄時
間、重複、等を避けてより効率的、効果的な構成に有効
用ある。
認識判定演算部と認識の不確定性 認識判定の次の2つの方法、及びその併用とが考えられ
る。
(i)  差分法 [Δ、、] = [X、、 ] −[S、; ]<ii
i  化分法 [X  ]/[S、]=1+rΔ2.]値 さて、一般に物体の物理的特性わ、それ自体、分布した
範囲を持つ物である。一方認識のプロセスでも測定に用
いる媒体、手段等により測定誤差や量子化誤差お佳う。
従って各データーマトリックのニレメンl−xわ真値X
、の周辺に成る分布をする。
これをf(x−x、、t)とする。
一般的な物理量でわf(x−x、、t)わ正規分布に成
ると言われている。従ってXがX、土△の中に入る確率
P(Δ)わ λ6++& 5  f (x−x、 、t) dx で与えられる。
従って、本認識系(測定系〜出力系)での各種アナログ
誤差、量子化誤差等お1番目のエレメントにたいしてf
、  (X、−X、、 、t)とすればx/  S  
 f (x、−x、、 、t)dx従って単一エレメン
トで考えると、△、を定めればX、をxl、と判定する
にわ2通りの考えかたが有ることが理解される。
(i)  Xh(X、でないのにX、とする誤り。
(ii)  XわX、であるのにX、でわないとする誤
り。
一般的にわ、各エレメントの誤差の分布関数をf、。
(X、1、t)とすれば、各事象わ多重相互相関事象で
あるから [X、、]が[X、、]、±[Δ、Jの範囲に発生すし
−1−レC る確率わ −X・  ・し)dx  ・・・dx二よ、、dx、。
であたえられる、勿論この場合の認識誤差(限界)マト
リックス[Δ、−である。
このように認識の確かされ誤認識の発生と表裏一体の関
係にあり、これを認識の”不確定性原理”呼ぶことにす
る。
以上の事から本認識装置自体の誤差関数を予め求め、検
定しておく事により、[Δ ]をさだめて、おけば本装
置により認識と同時にその確かさの確率も合わせて知る
事が出来る。
分布が正規でない場合も X:r dx、ま ただし Δ、−H−Δ。、わ正値 Δゆ。、、矢、わ負値 であたえられる。
制御機構 制御機構の機能の内で最も重要なものわアンサ−マトリ
ックス[A  ]を最小の方向に向わせるように作用す
る、位相変換マトリックスを求める事である。
必要な位相変換マトリックスの機能を θ 、i=1〜p として、各マトリックス要素X、の変換後の値をx/r
Lとすれば X、、jz=Jj 、、 tx、、e  、 、 、 
e、 1峙   寸     − なる、i *jMの関数があたえられなければならない
、ただし p=i*jとする。
この方法としてわ、要求される問題に適合する極値計算
の各種の方法を適用すればよい、具体的にわ、リニヤ−
プログラミング、ダイナミック10グラミグ、最大原理
、直接極値計算等が有る。
又その全過程の効率化のためにわ、プログラム追跡と極
値計算の繰り返し適用がよいと考えられるが、特に一つ
の重要な機能わブタ−マトリックスと標準マトリックス
の整合化を行う事である。
各図面に於いて、111.データーマトリックス作成装
置、2.、、標準マトリックス出力装置、301.許容
誤差マj・リックス出力装置、4.、、比較演算装置、
598.制御装置、をしめし、6わ被認識物体等、7及
び7′わそれぞれ変換マトリックスを演算fIP用させ
る演算部、8わデータマトリックス(またわその変換後
)と標準マトリックス(またわその変換後)を比較する
演算部、を示す。
又第3図9わ計算された判定の正しさくまたわ誤り)の
確率の表示部を示す。
又同時に記入されている記号わ、[X、i、、。
データマトリックス、[X、、]、、、、変変換後−タ
ーマトリックス、[S、、] 、、、a準マトリックス
、LS−] 、、、、変換t&標準マトリックス、[A
、、] 、、、比較後のアンンサーマトリックス、そし
て、[△;、J 、 、 、許容誤差マトリックスをし
めず。
1、ν詐出願人 株式会社 ソフテム 代表取締役 大月 玲子 図−1 図−2

Claims (1)

  1. 【特許請求の範囲】 1 認識しようとする物体の物理的、化学的特性値を測
    定し、これを定められた形式のデーターマトリクックス
    (行列式)に作成して出力する装置と、上記と同じ形式
    で用意された標準物体を示す標準マトッリクスを出力す
    る装置との間に、上記2つのマトリックスを比較演算す
    る装置を設ける。 上記の比較演算によって得られた答えお示めすアンサー
    マトリックスが、別に示される理論によって、その認識
    の確からしさ、すなはち認識の正しさの確率を指定する
    ことによって与えられる許容誤差を示すところの許容誤
    差マトリックスの範囲内にある場合にわ被認識体わ標準
    物体と同一の母集団に属する物体として判定して出力し
    、上記の誤差マトッリクスの範囲お越える場合わ予め与
    えられたプログラムにしたがってデーターマトリッスの
    作成の方法お変更し、そして、またわデーターマトッリ
    クスと標準マトリックスの差 、すなはちアンサーマトリックスが最小の方向に向かう
    様に作用する変換マトッリクスを原データーマトリック
    スの近傍に求め(極値解析)、これおフィードバックし
    てデーターマトッリクスまたわ標準マトッリクスに演算
    し、この変換後データーマトリクッスまたわ変換後標準
    マトッリックスを前記の比較演算装置に更めて入力させ
    る制御装置を有し、これによって再び比較演算装置にお
    いて得られるアンサーマリトックスが許容誤差マトリッ
    クスの範囲内に成ったとき、被認識物体わ標準物体と同
    一の母集団に属すると判定し、出力する。 又上記の繰り返しによるアン−マトリックスの最小計算
    値が誤差マトリックス内に入らない場合、被認識物体わ
    標準物体と同一の母集団にわ属さないと測定し、出力す
    る装置。 2 前記の装置において許容誤差マトリックスを指定せ
    ず(またわ許容誤差マトリックスを0と指定)に作動さ
    せることにより得られるアンサーマトリッリックスの最
    小計算値をもとめる。 次に、別に示される理論により上記最小アンサーマトリ
    ックス値に対応する、予め与えられた標準マトリックス
    の発生確率分布関数から計算される誤差マトリックスに
    対応する、被認識物体が標準と同一の母集団に属する確
    率を求め、本データーマトリックッスが、標準データー
    マトリックスと同一母集団に属すると判断される確率を
    計算して、その結果を出力する装置を前記1の発明に付
    加した装置。
JP8714986A 1986-04-17 1986-04-17 物体等認識装置 Pending JPS62245390A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP8714986A JPS62245390A (ja) 1986-04-17 1986-04-17 物体等認識装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP8714986A JPS62245390A (ja) 1986-04-17 1986-04-17 物体等認識装置

Publications (1)

Publication Number Publication Date
JPS62245390A true JPS62245390A (ja) 1987-10-26

Family

ID=13906918

Family Applications (1)

Application Number Title Priority Date Filing Date
JP8714986A Pending JPS62245390A (ja) 1986-04-17 1986-04-17 物体等認識装置

Country Status (1)

Country Link
JP (1) JPS62245390A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6487143A (en) * 1987-09-29 1989-03-31 Olympus Optical Co Method and device of centering lens at centering machine

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6487143A (en) * 1987-09-29 1989-03-31 Olympus Optical Co Method and device of centering lens at centering machine

Similar Documents

Publication Publication Date Title
US4837708A (en) Process and apparatus for determining flow rate of a flow medium in a flow line
US8868985B2 (en) Supervised fault learning using rule-generated samples for machine condition monitoring
US6321216B1 (en) Method for analysis and display of transient process events using Kohonen map
JPS5833105A (ja) 要素識別装置
CN108614071A (zh) 分布式室外大气质量监测精度校正系统及参数更新方法
CN111160838A (zh) 一种基于bim技术的3d可视化建筑项目管理系统及方法
Koivo et al. Identification of mathematical models for DO and BOD concentrations in polluted streams from noise corrupted measurements
Klass et al. Lifelong performance monitoring of PEM fuel cells using machine learning models
JPS62245390A (ja) 物体等認識装置
CN113723701A (zh) 森林火灾监测预测方法及系统、电子设备及存储介质
CN117804553A (zh) 一种基于NB-IoT技术的智能燃气表
CN117877011A (zh) 一种基于神经网络的仪表动态追踪与识别方法和系统
WO2020028894A1 (en) System for monitoring grating formation
Guo et al. Using modular neural networks to monitor accident conditions in nuclear power plants
CN115575330A (zh) 一种空间分区偏振调制光源及基于该光源的缪勒矩阵成像系统
CN117746345B (zh) 一种基于大数据的物资状态监控系统与方法
CN115082824B (zh) 基于多种神经网络协同识别fcb机组汽包水位的方法
CN117270709B (zh) 鼠标指针控制方法
CN114780940B (zh) 跨系统数据共享交互的项目运行监控及预警方法、系统
CN115329906B (zh) 一种基于图正则化网络的故障诊断方法及装置
JPH01106103A (ja) プロセス制御装置
Murakami A new direct analysis method for measuring particle size and location by inline hologram
JPS6095613A (ja) プラントの診断方法
CN116907450A (zh) 一种排污口污染物溯源方法和装置
Kämmerer Incorporating uncertainty in neural networks