JPH0721380A - 画像処理による成形品形状誤差判断方法 - Google Patents
画像処理による成形品形状誤差判断方法Info
- Publication number
- JPH0721380A JPH0721380A JP5152038A JP15203893A JPH0721380A JP H0721380 A JPH0721380 A JP H0721380A JP 5152038 A JP5152038 A JP 5152038A JP 15203893 A JP15203893 A JP 15203893A JP H0721380 A JPH0721380 A JP H0721380A
- Authority
- JP
- Japan
- Prior art keywords
- shape
- input
- molded product
- image processing
- determining
- 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.)
- Granted
Links
Landscapes
- Image Input (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
(57)【要約】
【目的】 汎用性に優れた画像処理による形状誤差判断
ができるようにする。 【構成】 正しい成形品の輪郭形状を基準形状とし、成
形品の画像情報を処理してその輪郭形状を入力形状とす
る。前記基準形状の３点を基準点とし、この基準点と一
致する入力形状上の３点を算出し、その算出した入力形
状の３点と基準点を合致させるように入力形状を座標変
換して基準形状と入力形状を位置合せし、その後に基準
形状と入力形状の誤差を判断する。
ができるようにする。 【構成】 正しい成形品の輪郭形状を基準形状とし、成
形品の画像情報を処理してその輪郭形状を入力形状とす
る。前記基準形状の３点を基準点とし、この基準点と一
致する入力形状上の３点を算出し、その算出した入力形
状の３点と基準点を合致させるように入力形状を座標変
換して基準形状と入力形状を位置合せし、その後に基準
形状と入力形状の誤差を判断する。
Description
【０００１】
【産業上の利用分野】本発明は、スライドファスナーの
務歯等の成形品に対し、正常製品と異常製品の違いを画
像処理により自動的に判断させる方法に関するものであ
る。
務歯等の成形品に対し、正常製品と異常製品の違いを画
像処理により自動的に判断させる方法に関するものであ
る。
【０００２】
【従来の技術】スライドファスナーは、一対のテープに
添って多数の務歯を植つけ、この一対のテープに植え付
けられた務歯をスライダーで、噛合、離脱するものが一
般的である。この内金属スライドファスナーの務歯は、
成形機により一個毎に打ち抜き成形されている。この製
造過程において、成形機の異常等により務歯形状の異常
が現れることがあり、常に務歯形状の検査を行う必要が
ある。従来は、例えば作業者が、マイクロメーターで形
状寸法を測定したり、ルーペ等を用いて製品形状を観察
することによって、規定外寸法、務歯形状欠損、曲がり
等の加工不良を検出し、形状不良判定を行っている。
添って多数の務歯を植つけ、この一対のテープに植え付
けられた務歯をスライダーで、噛合、離脱するものが一
般的である。この内金属スライドファスナーの務歯は、
成形機により一個毎に打ち抜き成形されている。この製
造過程において、成形機の異常等により務歯形状の異常
が現れることがあり、常に務歯形状の検査を行う必要が
ある。従来は、例えば作業者が、マイクロメーターで形
状寸法を測定したり、ルーペ等を用いて製品形状を観察
することによって、規定外寸法、務歯形状欠損、曲がり
等の加工不良を検出し、形状不良判定を行っている。
【０００３】この務歯形状の判断方法はマイクロメータ
ーの取扱いや目視による観察等、検査する作業者の技術
や経験など個人的な経験による影響を受け易く、検査基
準が不安定で信頼性が悪いものとなっている。
ーの取扱いや目視による観察等、検査する作業者の技術
や経験など個人的な経験による影響を受け易く、検査基
準が不安定で信頼性が悪いものとなっている。
【０００４】一方、ＣＣＤカメラとＣＲＴと画像処理用
コンピュータを備え、成形品をＣＣＤカメラで撮影し、
その画像情報を基にコンピュータにより様々な形状を判
断する画像処理による形状判断技術が知られ、この技術
を務歯形状不良の判断に適用することによって、検査基
準が一定となって信頼性が向上する。
コンピュータを備え、成形品をＣＣＤカメラで撮影し、
その画像情報を基にコンピュータにより様々な形状を判
断する画像処理による形状判断技術が知られ、この技術
を務歯形状不良の判断に適用することによって、検査基
準が一定となって信頼性が向上する。
【０００５】
【発明が解決しようとする課題】しかしながら、従来の
画像処理による形状不良判断方法では、対象物を限定
し、対象物特有の特徴量（面積、モーメント、特定部分
の寸法、色等）を使用し、画像処理に熟知した技術者に
よるプログラムの作成によって、不良判断装置が作成さ
れていた。このため作成された形状不良判断装置は、特
定の対象物にしか使用できずに汎用性は劣るばかりでは
なく、対象物のわずかの仕様の変更でもプログラムを書
き換えるために専門の技術者を必要とし、開発の上での
大きな問題となっていた。また、不良判断の正解率を高
めるためには、できるだけの多くの特徴量を使用し、総
合判定を行うことが望ましいが、特徴量を増やすことに
より計算量が増加し、判断結果が遅くなるという言う問
題があった。
画像処理による形状不良判断方法では、対象物を限定
し、対象物特有の特徴量（面積、モーメント、特定部分
の寸法、色等）を使用し、画像処理に熟知した技術者に
よるプログラムの作成によって、不良判断装置が作成さ
れていた。このため作成された形状不良判断装置は、特
定の対象物にしか使用できずに汎用性は劣るばかりでは
なく、対象物のわずかの仕様の変更でもプログラムを書
き換えるために専門の技術者を必要とし、開発の上での
大きな問題となっていた。また、不良判断の正解率を高
めるためには、できるだけの多くの特徴量を使用し、総
合判定を行うことが望ましいが、特徴量を増やすことに
より計算量が増加し、判断結果が遅くなるという言う問
題があった。
【０００６】そこで、本発明は、既に音声認識、文字認
識の分野で知られている階層型のニューラルネット・バ
ックプロパゲーション・アルゴリスムを成形品の形状不
良認識に適用し、前述の課題を解決する為の汎用性のあ
る画像処理による成形品形状判断方法を提供することを
目的としている。
識の分野で知られている階層型のニューラルネット・バ
ックプロパゲーション・アルゴリスムを成形品の形状不
良認識に適用し、前述の課題を解決する為の汎用性のあ
る画像処理による成形品形状判断方法を提供することを
目的としている。
【０００７】
【課題を解決するための手段】成形品の汎用性のある判
断手法を実現するためには、位置ズレや回転に影響され
ない判断処理、複数の成形品に共通し、かつ、計算時間
を必要としない形状判定パラメータの選定、形状学習機
能を有することが最低限必要である。この３つの条件を
実現する手段として、 （１） 特定の成形品の輪郭線形状を基準形状とし、そ
の基準形状から任意に選択される３点以上の部位を基準
点とし、その基準点から検出される勾配差、周長差、距
離等の位置、回転に不変な特徴を基準特徴とし、また形
状判断される成形品の輪郭線形状を入力形状とし、その
入力形状を等間隔に分割した部位を入力部位とし、その
入力部位の中から基準部位に対応させて３点以上の部位
を選択し、基準特徴に対応した勾配差、周長差、距離等
の位置、回転に不変な特徴を入力特徴としたとき、入力
特徴と基準特徴とが最も近似するように３点以上の部位
を入力部位の中から検出し、検出された部位と基準部位
が重なる様な座標変換を行うことによって、基準形状と
入力形状の位置合わせを行い、次に成形品形状と行なう
画像処理による成形品形状判断方法。 （２） （１）の方法に基づき位置合わせされた入力形
状から、基準形状上で任意に設定された複数の評価領域
に含まれる部位を抽出し、その部位を関数級数近似によ
って曲線近似することにより、形状を判断するためのパ
ラメータを抽出するし、それに基づいて成形品形状判断
を行なう画像処理による成形品形状判断方法。 （３） （１）の方法に基づき位置合わせされた入力形
状から、（２）の方法に基づいて、形状を判断するため
のパラメータを抽出し、そのパラメータを階層型ニュー
ラルネットの入力データとして、成形品形状の学習及び
判断を行なうことで成形品形状判断を行なう画像処理に
よる成形品形状判断方法。の３方法を利用する。
断手法を実現するためには、位置ズレや回転に影響され
ない判断処理、複数の成形品に共通し、かつ、計算時間
を必要としない形状判定パラメータの選定、形状学習機
能を有することが最低限必要である。この３つの条件を
実現する手段として、 （１） 特定の成形品の輪郭線形状を基準形状とし、そ
の基準形状から任意に選択される３点以上の部位を基準
点とし、その基準点から検出される勾配差、周長差、距
離等の位置、回転に不変な特徴を基準特徴とし、また形
状判断される成形品の輪郭線形状を入力形状とし、その
入力形状を等間隔に分割した部位を入力部位とし、その
入力部位の中から基準部位に対応させて３点以上の部位
を選択し、基準特徴に対応した勾配差、周長差、距離等
の位置、回転に不変な特徴を入力特徴としたとき、入力
特徴と基準特徴とが最も近似するように３点以上の部位
を入力部位の中から検出し、検出された部位と基準部位
が重なる様な座標変換を行うことによって、基準形状と
入力形状の位置合わせを行い、次に成形品形状と行なう
画像処理による成形品形状判断方法。 （２） （１）の方法に基づき位置合わせされた入力形
状から、基準形状上で任意に設定された複数の評価領域
に含まれる部位を抽出し、その部位を関数級数近似によ
って曲線近似することにより、形状を判断するためのパ
ラメータを抽出するし、それに基づいて成形品形状判断
を行なう画像処理による成形品形状判断方法。 （３） （１）の方法に基づき位置合わせされた入力形
状から、（２）の方法に基づいて、形状を判断するため
のパラメータを抽出し、そのパラメータを階層型ニュー
ラルネットの入力データとして、成形品形状の学習及び
判断を行なうことで成形品形状判断を行なう画像処理に
よる成形品形状判断方法。の３方法を利用する。
【０００８】
【作 用】本発明を適用することによって、回転や位
置ズレに影響されず、形状学習能力を利用して様々な成
形品の形状不良を判断できるので、対象物や多少の仕様
変更でも画像処理に熟知した技術者がいなくても、不良
判断装置が作成できる。
置ズレに影響されず、形状学習能力を利用して様々な成
形品の形状不良を判断できるので、対象物や多少の仕様
変更でも画像処理に熟知した技術者がいなくても、不良
判断装置が作成できる。
【０００９】
【実 施 例】図１に示すように、ＣＣＤカメラ１と、
拡大レンズ２を備えた拡大ユニット３と、成形品Ａを載
置する透明なサンプルホルダ４と、そのサンプルホルダ
４の下方より光を照射する光源５と、画像処理用コンピ
ュータ６と、ＣＲＴ７とより画像処理装置を構成し、成
形品ＡをＣＣＤカメラ１で撮影し、その画像情報は画像
処理用コンピュータ６に入力されてＣＲＴ７に表示され
ると同時に情報処理される。前記成形品Ａはスライドフ
ァスナーの務歯であり、以下成形品を務歯Ａとして説明
する。
拡大レンズ２を備えた拡大ユニット３と、成形品Ａを載
置する透明なサンプルホルダ４と、そのサンプルホルダ
４の下方より光を照射する光源５と、画像処理用コンピ
ュータ６と、ＣＲＴ７とより画像処理装置を構成し、成
形品ＡをＣＣＤカメラ１で撮影し、その画像情報は画像
処理用コンピュータ６に入力されてＣＲＴ７に表示され
ると同時に情報処理される。前記成形品Ａはスライドフ
ァスナーの務歯であり、以下成形品を務歯Ａとして説明
する。
【００１０】（務歯形状判断の為の処理手順） 基準形状の入力 位置合わせ、評価領域指定の為の基準形状（図２のＡ）
を画像処理コンピュータ６に入力する。基準形状Ａは、
形状の輪郭を示すＮ個の点列からなり、それぞれｘ座標
値、Ｙ座標値を持つ。務歯形状は、通常テープ取り付け
部１０、幅狭基部１１、幅狭中間部１２、幅広先端部１
３を有し、その輪郭線形状は、一側直線部１４、一側直
線部１４とほぼ直角にらる一側面部１５、先端円弧部１
６、折曲した他側面部１７、他側直線部１８より成り立
つ。この基準形状上に、位置合わせの基準となる３個以
上の基準部位ａ，ｂ，ｃを直線上に並ばないように指定
する。また、評価の対象となる評価領域Ｂ，Ｃ，Ｄを適
当な面積を有する４角形領域として指定する。
を画像処理コンピュータ６に入力する。基準形状Ａは、
形状の輪郭を示すＮ個の点列からなり、それぞれｘ座標
値、Ｙ座標値を持つ。務歯形状は、通常テープ取り付け
部１０、幅狭基部１１、幅狭中間部１２、幅広先端部１
３を有し、その輪郭線形状は、一側直線部１４、一側直
線部１４とほぼ直角にらる一側面部１５、先端円弧部１
６、折曲した他側面部１７、他側直線部１８より成り立
つ。この基準形状上に、位置合わせの基準となる３個以
上の基準部位ａ，ｂ，ｃを直線上に並ばないように指定
する。また、評価の対象となる評価領域Ｂ，Ｃ，Ｄを適
当な面積を有する４角形領域として指定する。
【００１１】入力形状の入力 形状評価の対象となる入力形状（図３のＥ）をＣＣＤカ
メラ１により、画像処理用コンピュータ６に入力する。
入力形状Ｅも、基準形状Ａと同様に、形状の輪郭を示す
Ｘ座標値、ｙ座標値を持つＮ個の点列からなる。
メラ１により、画像処理用コンピュータ６に入力する。
入力形状Ｅも、基準形状Ａと同様に、形状の輪郭を示す
Ｘ座標値、ｙ座標値を持つＮ個の点列からなる。
【００１２】基準形状上に入力形状を位置合わせす
る。 入力された入力形状Ｅは、外観上基準形状Ａと類似して
いるが、位置、回転等のズレのためｘ，ｙ座標値が異な
っており、比較すべき評価領域を入力形状上から直接見
つけだすことは不可能である。そこで、基準形状と入力
形状の位置合わせを行い、基準形状上で指定された評価
領域に含まれる入力形状上の点列を形状評価の対象とす
る。
る。 入力された入力形状Ｅは、外観上基準形状Ａと類似して
いるが、位置、回転等のズレのためｘ，ｙ座標値が異な
っており、比較すべき評価領域を入力形状上から直接見
つけだすことは不可能である。そこで、基準形状と入力
形状の位置合わせを行い、基準形状上で指定された評価
領域に含まれる入力形状上の点列を形状評価の対象とす
る。
【００１３】前述の部分形状に基づく位置合わせは、予
め画像処理用コンピュータ６上に記憶されている基準形
状Ａにおいて予め指定された部分図２のａ，ｂ，ｃの情
報と、新たに入力された入力形状Ｂの任意の点の情報か
ら決定される評価関数ｆを最小にする点の組み合わせを
入力形状上から探しだし、探し出された点と基準形状上
の点が重なる様な座標変換のパラメータφ，ｕ，ｖを決
定して入力データを座標変換することで両者の部分形状
を一致させることによって行う。
め画像処理用コンピュータ６上に記憶されている基準形
状Ａにおいて予め指定された部分図２のａ，ｂ，ｃの情
報と、新たに入力された入力形状Ｂの任意の点の情報か
ら決定される評価関数ｆを最小にする点の組み合わせを
入力形状上から探しだし、探し出された点と基準形状上
の点が重なる様な座標変換のパラメータφ，ｕ，ｖを決
定して入力データを座標変換することで両者の部分形状
を一致させることによって行う。
【００１４】前記評価関数ｆは、基準形状上の位置ズレ
や回転によって変化しない情報として、基準形状上の基
準部位（図４、ａ，ｂ，ｃ）間の距離（図４、Ｌ１）、
周長差（図４、Ｌ２）、勾配差（図４、α１）等の基準
特徴に着目し、それらの基準特徴と、入力形状上の任意
の入力部位（図３、ｄ，ｅ，ｆ）で計測される距離（図
３、Ｌ３）、周長差（図３、Ｌ４）、勾配差（図３、α
２）等の入力特徴の差の自乗を全ての部位の組み合わせ
て計算し、足し合わせたものである。この評価関数ｆ
は、両者が一致した場合は０で、それ以外は０より大き
い値をもつので、入力部位（図３、ｄ，ｅ，ｆ）を適当
に変化させ、評価関数ｆの最小値を評価することによ
り、基準形状上の基準部位（図４、ａ，ｂ，ｃ）と条件
の最も一致する部位を入力形状上から見つけだすことが
できる。
や回転によって変化しない情報として、基準形状上の基
準部位（図４、ａ，ｂ，ｃ）間の距離（図４、Ｌ１）、
周長差（図４、Ｌ２）、勾配差（図４、α１）等の基準
特徴に着目し、それらの基準特徴と、入力形状上の任意
の入力部位（図３、ｄ，ｅ，ｆ）で計測される距離（図
３、Ｌ３）、周長差（図３、Ｌ４）、勾配差（図３、α
２）等の入力特徴の差の自乗を全ての部位の組み合わせ
て計算し、足し合わせたものである。この評価関数ｆ
は、両者が一致した場合は０で、それ以外は０より大き
い値をもつので、入力部位（図３、ｄ，ｅ，ｆ）を適当
に変化させ、評価関数ｆの最小値を評価することによ
り、基準形状上の基準部位（図４、ａ，ｂ，ｃ）と条件
の最も一致する部位を入力形状上から見つけだすことが
できる。
【００１５】この評価関数ｆを計算式で表現すると、 評価関数ｆ ＝（Σ（基準部位間の距離Ｌ１−入力部位間の距離Ｌ
３）2 ×（重み１） ＋（Σ（基準部位間の周長差Ｌ２−入力部位間の周長差
Ｌ４）2 ×（重み２） ＋（Σ（基準部位間の勾配差α１−入力部位間の勾配差
α２）2 ×（重み３） で表現できる。
３）2 ×（重み１） ＋（Σ（基準部位間の周長差Ｌ２−入力部位間の周長差
Ｌ４）2 ×（重み２） ＋（Σ（基準部位間の勾配差α１−入力部位間の勾配差
α２）2 ×（重み３） で表現できる。
【００１６】前述の評価関数ｆの最小値を評価すること
により、基準形状上の基準部位（図４、のａ，ｂ，ｃ）
と条件の最も一致すること入力形状上部位（図３、ａ，
ｂ，ｃ）を検出できる。この三点がもっとも一致するよ
うに式１に示す座標変換のパラメータφ，ｎ，ｖを最小
自乗法により決定し、入力形状の全点列に前記式１の座
標変換を行うことにより、入力形状Ｂと基準形状Ａの位
置合わせが行える。
により、基準形状上の基準部位（図４、のａ，ｂ，ｃ）
と条件の最も一致すること入力形状上部位（図３、ａ，
ｂ，ｃ）を検出できる。この三点がもっとも一致するよ
うに式１に示す座標変換のパラメータφ，ｎ，ｖを最小
自乗法により決定し、入力形状の全点列に前記式１の座
標変換を行うことにより、入力形状Ｂと基準形状Ａの位
置合わせが行える。
【００１７】
【式１】
【００１８】座標変換パラメータφ，ｎ，ｖは、基準形
状上の基準部位（図４、ａ，ｂ，ｃ）に対応するそれぞ
れの中心座標を（ｓｍｘ〔ｐi 〕、ｓｍｙ〔ｐi 〕、ｉ
＝１〜３、ｐ1 ，ｐ2 ，ｐ3 は、ａ，ｂ，ｃに対応）、
検出された入力形状上の入力部位（図３ｄ，ｅ，ｆ）に
対応するそれぞれの中心座標を（ｍｘ〔ｋi 〕、ｍｙ
〔ｋi 〕、ｉ＝１〜３、ｋ1 ，ｋ2 ，ｋ3 はｄ，ｅ，ｆ
に対応）として、以下の式２で算出される。
状上の基準部位（図４、ａ，ｂ，ｃ）に対応するそれぞ
れの中心座標を（ｓｍｘ〔ｐi 〕、ｓｍｙ〔ｐi 〕、ｉ
＝１〜３、ｐ1 ，ｐ2 ，ｐ3 は、ａ，ｂ，ｃに対応）、
検出された入力形状上の入力部位（図３ｄ，ｅ，ｆ）に
対応するそれぞれの中心座標を（ｍｘ〔ｋi 〕、ｍｙ
〔ｋi 〕、ｉ＝１〜３、ｋ1 ，ｋ2 ，ｋ3 はｄ，ｅ，ｆ
に対応）として、以下の式２で算出される。
【００１９】
【式２】
【００２０】図５はこれらの操作により入力形状Ｅと基
準形状Ａを重ね合せたものである。位置合せの精度は評
価関数の重みの規定により微妙に変化する。
準形状Ａを重ね合せたものである。位置合せの精度は評
価関数の重みの規定により微妙に変化する。
【００２１】部分的な評価領域からの評価パラメータ
の抽出 形状誤差を判断（評価）する場合、形状識別が可能な範
囲でできるだけ少ないデータで評価する方が効率的であ
る。そこで評価する領域を図５のＢ，Ｃ，Ｄに示すよう
に最も形状異常が現れ易い部分的な領域に限定し、その
領域を評価する。この評価領域に含まれるｘ座標、ｙ座
標データをそれぞれ、ｘ〔ｉ〕，ｙ〔ｉ〕で示し、公知
の最小自乗法により、下記式３のような関数級数で近似
し、その係数を評価パラメータとして抽出する。
の抽出 形状誤差を判断（評価）する場合、形状識別が可能な範
囲でできるだけ少ないデータで評価する方が効率的であ
る。そこで評価する領域を図５のＢ，Ｃ，Ｄに示すよう
に最も形状異常が現れ易い部分的な領域に限定し、その
領域を評価する。この評価領域に含まれるｘ座標、ｙ座
標データをそれぞれ、ｘ〔ｉ〕，ｙ〔ｉ〕で示し、公知
の最小自乗法により、下記式３のような関数級数で近似
し、その係数を評価パラメータとして抽出する。
【００２２】
【式３】
【００２３】この関数近似による評価パラメータ抽出を
利用することにより、形状評価の為のパラメータを大幅
に削減できる。
利用することにより、形状評価の為のパラメータを大幅
に削減できる。
【００２４】表１，表２及び図１１は、上記の近似関数
として、下記式４
として、下記式４
【００２５】
【式４】
【００２６】の様な、ｉに関する４次と７次の多項式で
近似した場合と下記式５
近似した場合と下記式５
【００２７】
【式５】
【００２８】の様な、フーリエ級数近似で近似した場合
のスライドファスナー務歯形状の判断結果の正解率を示
しており、これらの評価パラメータが成形品形状の判断
に有効であることを示している。
のスライドファスナー務歯形状の判断結果の正解率を示
しており、これらの評価パラメータが成形品形状の判断
に有効であることを示している。
【００２９】
【表１】
【００３０】
【表２】
【００３１】評価パラメータによる入力形状の形状判
断 前述ので抽出した評価パラメータを利用して、図６に
示すような三層構造の階層型ニューラルネットモデルの
アルゴリズムを利用して、コンピュータに学習判断を行
わせる。つまり、処理を学習段階と判断段階に分割し、
学習段階では評価パラメータをニューラルネットに与え
ると同時にその形状が正常であるか不良であるかと言っ
た教師情報を入力する。判断段階では、教師情報が無く
てもコンピュータが適切な判断を与えてくれる様にな
る。このニューラルネットの学習能力を利用することに
よって、汎用的な形状判断が実現できる。（ニューラル
ネットに関しては、ニューロコンピュータの基礎、中野
馨、コロナ社、１９９０初版、他多数参照） これに対して、形状から抽出される評価パラメータに基
づいてプログラムによって基礎値を設定して形状を判断
する従来の方法では汎用性に劣る。
断 前述ので抽出した評価パラメータを利用して、図６に
示すような三層構造の階層型ニューラルネットモデルの
アルゴリズムを利用して、コンピュータに学習判断を行
わせる。つまり、処理を学習段階と判断段階に分割し、
学習段階では評価パラメータをニューラルネットに与え
ると同時にその形状が正常であるか不良であるかと言っ
た教師情報を入力する。判断段階では、教師情報が無く
てもコンピュータが適切な判断を与えてくれる様にな
る。このニューラルネットの学習能力を利用することに
よって、汎用的な形状判断が実現できる。（ニューラル
ネットに関しては、ニューロコンピュータの基礎、中野
馨、コロナ社、１９９０初版、他多数参照） これに対して、形状から抽出される評価パラメータに基
づいてプログラムによって基礎値を設定して形状を判断
する従来の方法では汎用性に劣る。
【００３２】前記図６に示すにニューラルネット、１６
（１０）×３ユニットの入力層２０と１００ユニットの
中間層２１と、８ユニットの出力層２２で構成される。
入力形状から抽出された評価パラメータは、それぞれ入
力層２０のユニットに入力する。学習段階では、出力層
２２のユニットは不良パターンを割当、入力形状を与え
ると同時に対応する不良のユニットを１それ以外を０に
設定する。学習方法は、バックプロパゲーションアルゴ
リズムを使用する。判断段階では、単に入力層２０に入
力形状から抽出される評価パラメータを与え、そのとき
の出力層の反応を比較することによって、入力形状の判
断を行う。
（１０）×３ユニットの入力層２０と１００ユニットの
中間層２１と、８ユニットの出力層２２で構成される。
入力形状から抽出された評価パラメータは、それぞれ入
力層２０のユニットに入力する。学習段階では、出力層
２２のユニットは不良パターンを割当、入力形状を与え
ると同時に対応する不良のユニットを１それ以外を０に
設定する。学習方法は、バックプロパゲーションアルゴ
リズムを使用する。判断段階では、単に入力層２０に入
力形状から抽出される評価パラメータを与え、そのとき
の出力層の反応を比較することによって、入力形状の判
断を行う。
【００３３】前述〜までの処理を行うことによっ
て、汎用的な成形品の形状判断を行うことができる。表
１，表２，図１１は、正常製品サンプル（図７）、山高
すぎサンプル（図８）、山低すぎサンプル（図９）、欠
け不良サンプル（図１０）に対する判断結果を示したも
のである。近似関数の違いによる判断結果に違いはある
が、９０％以上の形状判断が実現できている。
て、汎用的な成形品の形状判断を行うことができる。表
１，表２，図１１は、正常製品サンプル（図７）、山高
すぎサンプル（図８）、山低すぎサンプル（図９）、欠
け不良サンプル（図１０）に対する判断結果を示したも
のである。近似関数の違いによる判断結果に違いはある
が、９０％以上の形状判断が実現できている。
【００３４】
【発明の効果】特定の成形品の輪郭形状を基準形状と
し、その部分形状を基にした位置合わせを行っているの
で、比較的高速に位置ズレ回転に依存しない判断処理を
行うことができる。特定の評価領域に評価対象を限定
し、関数近似により評価パラメータの削減を行っている
ので、処理量が少なく高速に判断処理が行える。ニュー
ラルネットの学習能力を利用しているので、多様な成形
品を記憶し判断するので汎用性に優れた形状判断が行え
る。
し、その部分形状を基にした位置合わせを行っているの
で、比較的高速に位置ズレ回転に依存しない判断処理を
行うことができる。特定の評価領域に評価対象を限定
し、関数近似により評価パラメータの削減を行っている
ので、処理量が少なく高速に判断処理が行える。ニュー
ラルネットの学習能力を利用しているので、多様な成形
品を記憶し判断するので汎用性に優れた形状判断が行え
る。
【図１】画像処理装置の説明図である。
【図２】正しい成形品の基本形状の説明図である。
【図３】成形品の画像情報を処置した入力形状の説明図
である。
である。
【図４】基本形状の基準点と距離、周長、勾配差の説明
図である。
図である。
【図５】基本形状の入力形状を位置合せした状態の説明
図である。
図である。
【図６】ニューラルネットワークの構造説明図である。
【図７】正常の務歯形状の説明図である。
【図８】務歯の形状不良の説明図である。
【図９】務歯の形状不良の説明図である。
【図１０】務歯の形状不良の説明図である。
【図１１】４分類で学習率と自乗誤差量を示す図表であ
る。
る。
フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０６Ｆ 15/64 Ｃ
Claims (3)
- 【請求項１】 特定の成形品の輪郭線形状を基準形状と
し、その基準形状から任意に選択される３点以上の部位
を基準点とし、その基準点から検出される勾配差、周長
差、距離等の位置、回転に不変な特徴を基準特徴とし、
また形状判断される成形品の輪郭線形状を入力形状と
し、その入力形状を等間隔に分割した部位を入力部位と
し、その入力部位の中から基準部位に対応させて３点以
上の部位を選択し、基準特徴に対応した勾配差、周長
差、距離等の位置、回転に不変な特徴を入力特徴とした
とき、入力特徴と基準特徴とが最も近似するように３点
以上の部位を入力部位の中から検出し、検出された部位
と基準部位が重なる様な座標変換を行うことによって、
基準形状と入力形状の位置合わせを行い、次に成形品形
状判断を行なうことを特徴とする画像処理による成形品
形状判断方法。 - 【請求項２】 請求項１の方法に基づき位置合わせされ
た入力形状から、基準形状上で任意に設定された複数の
評価領域に含まれる部位を抽出し、その部位を関数級数
近似によって曲線近似することにより、形状を判断する
ためのパラメータを抽出し、次に成形品形状判断を行な
うことを特徴とする画像処理による成形品形状判断方
法。 - 【請求項３】 請求項１の方法に基づき位置合わせされ
た入力形状から、請求項２の方法に基づいて、形状を判
断するためのパラメータを抽出し、そのパラメータを階
層型ニューラルネットの入力データとして、成形品形状
の学習及び判断を行うことで成形品形状判断を行うこと
を特徴とする画像処理による成形品形状判断方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5152038A JP2987670B2 (ja) | 1993-06-23 | 1993-06-23 | 画像処理による成形品形状誤差判断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5152038A JP2987670B2 (ja) | 1993-06-23 | 1993-06-23 | 画像処理による成形品形状誤差判断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0721380A true JPH0721380A (ja) | 1995-01-24 |
| JP2987670B2 JP2987670B2 (ja) | 1999-12-06 |
Family
ID=15531703
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5152038A Expired - Fee Related JP2987670B2 (ja) | 1993-06-23 | 1993-06-23 | 画像処理による成形品形状誤差判断方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2987670B2 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008276743A (ja) * | 2000-04-28 | 2008-11-13 | Orametrix Inc | 表面を走査し三次元物体を作製するための方法及びシステム |
| JP2009210559A (ja) * | 2008-02-08 | 2009-09-17 | Toshiba Corp | 印刷物の汚損度判定装置および印刷物の汚損度判定方法 |
| WO2019064599A1 (ja) * | 2017-09-29 | 2019-04-04 | 日本電気株式会社 | 異常検知装置、異常検知方法、及びコンピュータ読み取り可能な記録媒体 |
-
1993
- 1993-06-23 JP JP5152038A patent/JP2987670B2/ja not_active Expired - Fee Related
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008276743A (ja) * | 2000-04-28 | 2008-11-13 | Orametrix Inc | 表面を走査し三次元物体を作製するための方法及びシステム |
| JP2009210559A (ja) * | 2008-02-08 | 2009-09-17 | Toshiba Corp | 印刷物の汚損度判定装置および印刷物の汚損度判定方法 |
| US8294945B2 (en) | 2008-02-08 | 2012-10-23 | Kabushiki Kaisha Toshiba | Defacement degree determination apparatus and defacement degree determination method |
| WO2019064599A1 (ja) * | 2017-09-29 | 2019-04-04 | 日本電気株式会社 | 異常検知装置、異常検知方法、及びコンピュータ読み取り可能な記録媒体 |
| JPWO2019064599A1 (ja) * | 2017-09-29 | 2020-10-22 | 日本電気株式会社 | 異常検知装置、異常検知方法、及びプログラム |
| US11151714B2 (en) | 2017-09-29 | 2021-10-19 | Nec Corporation | Anomaly detection apparatus, anomaly detection method, and computer-readable recording medium |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2987670B2 (ja) | 1999-12-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6714679B1 (en) | Boundary analyzer | |
| US6999623B1 (en) | Apparatus and method for recognizing an object and determining its position and shape | |
| CN107609557A (zh) | 一种指针式仪表读数识别方法 | |
| CN1094158A (zh) | 用于检验几何形状的方法及装置 | |
| CN110766095A (zh) | 基于图像灰度特征的缺陷检测方法 | |
| US7340089B2 (en) | Geometric pattern matching using dynamic feature combinations | |
| US6987875B1 (en) | Probe mark inspection method and apparatus | |
| CN106920245A (zh) | 一种边界检测的方法及装置 | |
| JP2520397B2 (ja) | 接触部品を区別するための視覚システム | |
| JP2001143073A (ja) | 物体の位置姿勢決定の方法 | |
| JP2003216931A (ja) | 特定パターン認識方法、特定パターン認識プログラム、特定パターン認識プログラム記録媒体および特定パターン認識装置 | |
| JP2987670B2 (ja) | 画像処理による成形品形状誤差判断方法 | |
| JP3443083B2 (ja) | 半導体装置のパターンの危険箇所情報の評価方法 | |
| JPH065545B2 (ja) | 図形認識装置 | |
| JP2003022454A (ja) | データの座標変換方法 | |
| Sahoo et al. | A robotic assistance machine vision technique for an effective inspection and analysis | |
| JPH085333A (ja) | ３次元位置姿勢認識装置 | |
| JP2000207557A (ja) | 位置ずれ量計測方法 | |
| Gadelmawla et al. | On-line measurement of product dimensions using computer vision | |
| CN111008628A (zh) | 一种对光照鲁棒的指针式仪表自动读数方法及装置 | |
| Puda et al. | Use of Industrial System Solutions for Image Processing | |
| JPH07104931B2 (ja) | 線図形折線化方法 | |
| JP3384617B2 (ja) | 物体計測装置及びその方法 | |
| JP2658154B2 (ja) | 文字識別方式 | |
| JPS59142664A (ja) | コ−ナ位置検出装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |