JPH087104A

JPH087104A - 良否判別しきい値決定方法

Info

Publication number: JPH087104A
Application number: JP6137240A
Authority: JP
Inventors: Shinya Nakao; 真也中尾; Hiroyasu Kubo; 泰康久保
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1994-06-20
Filing date: 1994-06-20
Publication date: 1996-01-12

Abstract

(57)【要約】【目的】視覚センサより得られる検査対象物の画像デ
ータより検査対象物の良否判定を行う検査において、正
規分布に従わない分布に対しても誤判別の少ない判別し
きい値の決定を可能とする。【構成】良否判別しきい値が２つ必要でない場合には
良・不良品の度数分布算出工程８５により算出される１
つの度数分布、２つ必要である場合には良・不良品の度
数分布算出工程８６、良・不良品分布の代表値計算工程
８７、良・不良品分布の分散計算工程８８、特徴量範囲
分割工程８９により算出される２つの度数分布を得る良
・不良品の度数分布算出工程８０と、良・不良品分布の
代表値計算工程８１と、良・不良品の累積度数分布計算
工程８２と、累積度数分布の荷重和計算工程８３と、累
積度数分布荷重和の最小値検出工程８４からなり、累積
度数分布荷重和の最小値検出工程８４より検出される最
小値と対応する特徴量値を良否判定しきい値とする。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、良否判別しきい値決
定方法に関するものである。さらに詳しくは、この発明
は、テレビカメラなどの視覚センサを用いて得られる検
査対象物の特徴量をもとに検査対象物の良否判定を行う
場合に有用なしきい値決定方法に関するものである。

【０００２】

【従来の技術】従来の各種産業分野において生産工程等
での自動化が進められており、これら自動化工程におい
ては、製品、中間製品等の良否判定を行う検査工程が重
要な役割を果している。このような検査工程について
は、これまでにも様々な工夫がなされてきているが、な
かでも、テレビカメラ等の視覚センサを用いて良否判別
を行う方法が普及している。

【０００３】従来の検査方法について図面を参照しなが
ら説明すると、まず図１において検査対象としての機械
部品（１０）は検査工程の後の工程で別の機械部品と組
み合わされる。この機械部品（１０）にはグリース（１
１）が塗布され、機械部品相互の摺動部分の潤滑に用い
られる。このグリース（１１）の量が適切でない場合
や、塗布される位置がずれていたりすると良好な潤滑が
得られず、機械動作時に異音を発する等の不具合が生じ
る。通常、グリース（１１）はディスペンサ（１２）の
ノズルの先端より供給される。この塗布工程では、塗布
量の変化、塗布位置ずれ等の不都合が生じるが、その原
因としてはグリースの粘度の変化、ノズルの詰まり、あ
るいはノズルに気泡が入ることや、振動等によりノズル
先端の位置がずれる場合等がある。このためどうしても
塗布位置、塗布量の検査を行うことが必要となる。図２
はその検査のための装置を示したものであって、検査対
象物（２０）、ディスペンサ（２１）、テレビカメラ
（２２）、画像処理装置（２３）が配置され、テレビカ
メラ（２２）より入力された画像に対して塗布状態の判
断を行い、塗布不良の場合はＩ／Ｏを通じて外部の機器
に結果を出力し、それに対して外部機器は再塗布等の処
理を行う。図３は、この図２に示した画像処理装置（２
３）を具体的に示したもので全体を装置（３０）として
示している。装置（３０）の構成である。カメラからの
信号をＡ／Ｄ変換器（３１）を通じてデジタル信号に変
換し、画像メモリ（３２）に蓄積する。画像デジタル信
号は、たとえばカメラの走査線と水平方向に５１２画
素、垂直方向に４８０画素となるように画素分割を行
い、明るくなるに従いその値が大きくなるような離散的
な濃淡８ビット（２５６階調）のデータを持つようにす
る。そして、カメラの走査線に水平、垂直な方向の座標
をそれぞれｘ，ｙとし、画像左上隅の座標（０，０）よ
り右下に移動するに従いｘ，ｙのそれぞれの値は大きく
なるものとする。このデジタル画像をマイコン（３３）
により処理を行い塗布状態の判定を行う。判定結果はＩ
／Ｏ（３４）より出力される。図４は、マイコンによる
処理の概略を示したものである。２値化（４０）は前も
って決められたしきい値より画素濃度が小さい（したが
って暗い）画素の値を１、その他を０として設定する。
この手順で得られた画像は２値画素とよばれ、これによ
りグリース塗布部分の画素値が１、その他が０となる。
特徴量計算（４１）は２値化により分離されたグリース
塗布部分の特徴量の計算を行う。特徴量は塗布面積（画
素数）および塗布領域重心によって決定され、塗布面積
の計算式は次式の通りとなる。

【０００４】

【数１】

【０００５】ただし、式中のａは塗布面積、ｂ（ｘ，
ｙ）は座標（ｘ，ｙ）における２値画像の画素値であ
る。また、塗布領域重心の計算式は次式の通りとなる。

【０００６】

【数２】

【０００７】式中の（ｇｘ，ｇｙ）は重心座標である。
良否判別手段（４２）は図５に示す手順により実現され
る。つまり各特徴量について予め決定された上下限しき
い値の範囲内に特徴量があれば良品、１つでも上下限範
囲外の特徴量があれば不良品とする。図４に示した検査
基準決定手段（４３）は試行錯誤、あるいは特徴量デー
タの分布より統計的手法を用いて決定する方法等がとら
れる。試行錯誤による方法では、人間が判別結果をもと
に上下限しきい値を変化させ、正しいと思われる判別を
行わせるものである。統計的手法では良品と不良品の特
徴量分布が正規分布であるとの仮定より、それぞれの分
布の平均値からしきい値までの差異をそれぞれの分布の
標準偏差で正規化した値が等しくなるしきい値を求める
方法が多く採用されている。検査対象物の良品と不良品
の分布の各々の平均をそれぞれｍ０、ｍ１、良品の分布
の標準偏差をσ０、不良品の分布の標準偏差をσ１、し
きい値をｔとすると以下の式が成り立つ。この式により
ｔが求められる。

【０００８】

【数３】

【０００９】

【発明が解決しようとする課題】しかしながら、このよ
うな従来の試行錯誤による方法、あるいは特徴量データ
の分布より統計的手法を用いて決定する方法に代表され
る検査基準決定手段は、その精度という点で必ずしも満
足できる状況でない。つまり、試行錯誤による方法では
人間が介在することによる手間、および個人差の影響が
避けられない。さらに、上下限しきい値が得られる特徴
量の時間的な変化に左右されることがある。つまり、図
６に示すように、特徴量に対する良品（６０）と不良品
（６１）の度数分布が示されるとすると、特徴量値がｘ
である場合はほとんどの場合不良品であるが、時間的に
最も新しいデータが良品であったとするとその特徴量値
では良品となってしまう場合がある。

【００１０】一方、統計的手法では特徴量の分布が正規
分布に従わない場合が多くある。たとえば図７に例示し
たように、良品の度数分布（７０）および不良品の分布
（７１）が正規分布に従わない場合には、検査対象物の
精度の高い良否判別が行えない。なお、この図７におい
て、ｍ１、ｍ２はそれぞれ良品および不良品の分布の平
均値、σ１、σ２は標準偏差の大きさ、ｔは前記の式３
の条件を満たす判別しきい値を示している。

【００１１】この発明は、以上の通りの事情に鑑みてな
されたものであって、従来の良否判別方法の欠点を解消
し、個人差の影響がなく、さらに特徴量が正規分布に従
わなくとも、精度良く検査対象物の良否判断を行うこと
を可能とする良否判別しきい値決定方法を提供すること
を目的としている。

【００１２】

【課題を解決するための手段】この発明は、上記の課題
を解決するものとして、被検査物を視覚センサが撮像し
て映像信号を出力し、前記映像信号をディジタル化して
得られる画像データより被検査物の特徴量を計算し、前
記特徴量と良否判別しきい値との大小比較により良否を
判別する検査において、良品と不良品それぞれについて
特徴量の値に対する度数分布を計算する第１の工程と、
前記度数分布より良品と不良品のそれぞれの分布につい
て特徴量の代表値を計算する第２の工程と、前記代表値
の大小関係に応じて代表値が大となる分布については特
徴量が小より大となる方向、代表値が小となる分布につ
いては特徴量が大より小となる方向にそれぞれの累積度
数を計算する第３の工程と、前記の良品と不良品の各累
積度数に荷重係数を乗じた後にそれらの和を計算する第
４の工程と、前記の和の最小値を検出する第５の工程を
備え、第５の工程で得られる和が最小となる特徴量の値
を良否判別しきい値とすることを特徴とする良否判別し
きい値決定方法（請求項１）を提供する。

【００１３】また、この発明は、良否判別しきい値が２
つ必要である前記に記載の検査において、良品と不良品
それぞれについて特徴量の値に対する度数分布を計算す
る工程と、前記度数分布より良品と不良品のそれぞれの
分布について特徴量の代表値を計算する工程と、前記度
数分布より良品と不良品それぞれの分布の分散を計算す
る工程と、前記分散が小となる分布の代表値を境として
特徴量が大となる範囲と小となる範囲に分離した２つの
度数分布を得る工程により構成される第１の工程を備え
ることを特徴とする前記の良否判別しきい値決定方法
（請求項２）を提供する。

【００１４】さらにこの発明においては、不良品の累積
度数に乗ずる係数が良品の累積度数に乗ずる係数よりも
大となる荷重係数を乗じたうえで累積度数の和を計算す
る第４の工程を備えることを特徴とする前記の良否判別
しきい値決定方法（請求項３）をも提供する。

【００１５】

【作用】請求項１の発明によれば、試行錯誤の手間や検
査基準の個人差の影響を受けない、また正規分布に従わ
ない分布に対しても誤判別の少ない良否判別しきい値の
決定が可能となる。また、請求項２の発明では、しきい
値が２つ必要である場合にも良否判別しきい値の決定が
可能である。さらに、請求項３の発明では、不良品を良
品と誤りにくい良否判別しきい値の決定を可能とする。

【００１６】以下、実施例を示し、さらに詳しくこの発
明の方法について説明する。

【００１７】

【実施例】実施例１（良否判別しきい値が１の場合の良否判別しきい値の決
定方法）検査対象、検査装置および画像処理装置は、従
来例と同じでありそれぞれ図１、図２、図３に示されて
いる。マイコンによる処理の概略は図４と同様である
が、検査基準設定手段が従来例と異なっており、図８
は、その流れ図を示したものである。すなわち、良・不
良品の度数分布算出工程（８０）、良・不良品分布の代
表値計算工程（８１）、良・不良品の累積度数分布計算
工程（８２）、累積度数分布の荷重和計算工程（８
３）、累積度数分布荷重和の最小値検出工程（８４）か
らなり、良品・不良品の度数分布算出工程（８０）は良
否判別しきい値が２つ必要か否かで処理が分岐する。つ
まり良否判別しきい値が２つ必要でない場合には良・不
良品の度数分布算出工程（８５）により１つの度数分布
を算出するが、２つ必要である場合には良・不良品の度
数分布算出工程（８６）、良・不良品分布の代表値計算
工程（８７）、良・不良品分布の分散計算工程（８
８）、特徴量範囲分割工程（８９）により２つの度数分
布を算出する。

【００１８】計算される特徴量は、たとえば塗布領域の
面積および重心とすることができる。これらの特徴量の
内、面積について検査基準としての判定しきい値を決定
する手順を例にとって以下に説明する。まず複数の対象
物に対して従来例と同様の画像入力から塗布面積計算ま
での処理を行い、面積値をメモリに蓄積しておく。さら
に、各面積値に対応させて良否判定結果も同様にメモリ
に蓄積しておく。ただし良否判定結果は人間が対象物を
見て判断した結果とする。次に、メモリ内の面積値およ
び良否判定結果を用いて処理を行う。たとえば縦軸を面
積に取った場合の検査対象物の良品と不良品の度数分布
がたとえば図９に示した分布であるとすると、必要とな
るしきい値は１つであり、図８のフローではしきい値が
２つ必要とならない条件分岐を行う。

【００１９】すなわち、まず図８の良・不良品の度数分
布算出工程（８５）では、図９に示したように良品の度
数分布（９０）と不良品の度数分布（９１）を算出す
る。仮にここで判定しきい値がｔで示す値であったとる
すと、良品を不良品に、あるいは不良品を良品に誤判定
する度数は、図９の斜線部にて示される。次に、良・不
良品分布の代表値計算工程（８１）では各分布の代表値
を計算する。代表値はここでは平均値を用いることとす
る。図９においてＭ０は良品の面積の平均、Ｍ１は不良
品の面積の平均を示している。

【００２０】さらに累積度数分布計算工程（８２）では
各分布の累積度数を計算する。この工程においては、良
・不良品分布の代表値計算工程（８１）にて計算された
各分布の代表値の大小関係はＭ０＜Ｍ１であり、この場
合良品の分布については面積が小となる方向、不良品の
分布については面積が大となる方向に累積度数を取る。
この累積度数分布は、たとえば図１０に示した通りであ
り、この図において良品の累積度数分布は（１００）で
不良品の累積度数分布は（１０１）で示されている。図
９に示した斜線部は、この図１０ではｔにおける分布の
高さの和、つまり、ｍ０＋ｍ１で表される。

【００２１】累積度数分布の荷重和計算工程（８３）で
は各分布の累積度数に荷重係数を乗じたものの和を計算
する。この荷重係数は良品、および不良品共に１とした
場合に累積度数の荷重和が誤判定の度数となる。累積度
数分布計算工程（８２）で得られたそれぞれの分布の累
積度数について荷重係数を共に１としたときの和を取っ
た場合の分布は、たとえば図１１に例示した通りであ
り、この図においては、前記図９および図１０に示した
しきい値ｔを同様に用いている。前記図１０に示したｍ
０＋ｍ１は、図１１においてはｎとなる。ｎはしきい値
をｔとしたときの誤判定する度数であるので、ｎが最低
となるしきい値が誤判定の最も少なくなるしきい値であ
る。つまり、この図１１に例示したように、累積度数和
を最小とするように、ｔ′をしきい値とした場合に誤判
定の最も少なくなる判定を行うことができる。つまり累
積度数分布和の最小値検出工程（８４）において、累積
度数の和が最小となる特徴量の値を求めることによって
最適判別しきい値を求めることができる。実施例２（良否判別しきい値が２つの場合のこの発明の良否判別
しきい値の決定方法）検査対象や特徴量の意味合いによ
っては特徴量値の良否判別に上下限が必要となり、良品
と不良品の面積値の度数分布がたとえば図１２に示すと
おりである場合を考える。

【００２２】この図１２においては、良品の度数分布は
（１２０）で不良品の度数分布は（１２１）（１２２）
を示されている。この場合しきい値が２つ必要となる。
検査基準設定の手順は図８に示したとおりであり、しき
い値が２つ必要となる条件分岐を行う。つまり、良・不
良品の度数分布算出工程（８６）、良・不良品分布の代
表値計算工程（８７）は、それぞれ前記の良・不良品の
度数分布算出工程（８５）、良品・不良品分布の代表値
計算（８１）と同様の処理を行う。さらに良・不良品分
布の分散計算工程（８８）は、良品と不良品の各度数分
布より分散を計算する工程である。分散は次式より求め
られる。

【００２３】

【数４】

【００２４】式中のｄは分散、ｎは特徴量データの数、
ｆ（ｉ）はｉ番目の特徴量の値でありｉは１からｎまで
の整数値である。ｍは特徴量の平均値であり、これは次
式にて求められる。

【００２５】

【数５】

【００２６】特徴量範囲分割工程（８９）は分岐の大小
関係より特徴量の範囲を２つに分割する工程である。こ
の特徴量範囲の分割は分散の小さい方の代表値を境界と
してよく、このことは分散の小さい方の分布が２つのし
きい値の間に分布するとみなすことができ、このときそ
の代表値よりも特徴量の大きい範囲および小さい範囲に
それぞれ判別しきい値が存在する。この特徴量範囲の分
割の手順をたとえば図１２を用いて示す。この図１２に
例示したように、良品の度数分布の平均値、および不良
品の度数分布の平均が、ｍ０、ｍ１である場合、良品の
度数分布の分散ｄ０は不良品の度数分布の分散ｄ１に較
べて小さいことは明らかである。この場合、良品の度数
分布の平均ｍ０において特徴量範囲の分割を行う。この
分割された特徴量範囲における度数分布は、たとえば図
１３に示した通りであり、この図において（ａ）はｍ０
を境として下位の特徴量範囲、（ｂ）は上位の特徴量範
囲における度数分布である。この図１３では、不良品の
度数分布（１３０）（１３１）および良品の度数分布
（１３２）（１３３）を示している。このように分割さ
れたそれぞれの範囲の度数分布に対して、実施例１に示
した各工程を適用し、良否判別しきい値を決定すること
によって２つのしきい値を求めることができる。実施例３実際の製品の生産においては良品を不良品に誤判定する
場合と不良品を良品に誤判定する場合とでは意味合いが
違っている。つまり不良品を良品に誤判定した場合、本
来では不良品となる製品を良品として生産、出荷するこ
とになるのでこの誤判定は避けなければならない。逆に
良品を不良品と誤判定する場合はこのような危険性はな
いためにある程度までは許される。この実施例３では、
たとえば上述のような不良品を良品に誤判定しにくい判
定しきい値を決定する。この実施例においては、前記図
８に例示したように、累積度数分布計算工程（８２）ま
では実施例１と同様の手順で行う。そしてこの発明にお
いては、累積度数分布の荷重和計算工程（８３）で、不
良品の累積度数に対して良品の累積度数よりも大なる荷
重係数を乗じることを大きな特徴としている。つまり、
図１０に示した累積度数分布において、良品の累積度数
に対しては１、不良品の累積度数に対しては２を乗じた
荷重累積度数とし、これは図１４に示されている。この
図において１４０は良品、１４１は不良品の分布を示し
ている。以下の工程は実施例１と同様で荷重累積度数の
和をとり、その最小値を見つけることで判定しきい値を
決定する。この荷重累積度数の和は、たとえば図１５に
示すことができ、決定された判定しきい値はｔｗにて示
されている。実施例１に示したｍ０＋ｍ１を最小とする
判別しきい値ｔ′に対して、このｍ０−ｍ１×２を最小
とする判別しきい値ｔｗでは、不良品を良品と誤る数の
ｍ１が小さくなる。このように不良品の度数分布に対し
て良品の度数分布よも大きい荷重係数を乗じることによ
って不良品を良品に誤判定しにくい判定しきい値を決定
することができる。

【００２７】なお、この例では、実施例１に沿ってしき
い値を決定しているが、もちろんこれに限定されること
はない。実施例２に沿って決定することもできる。

【００２８】

【発明の効果】以上詳しく説明した通り、この発明によ
れば、個人差の影響がなく、さらに特徴量が正規分布に
従わなくとも、精度高く検査対象物の良否判別を行うこ
とが可能となる。さらにこの発明においては、不良品の
度数分布に対して良品の度数分布よりも大きい荷重係数
を乗じることによって不良品を良品に誤判定しにくい判
定しきい値を決定することも可能となり、不良品を良品
とする誤判定を大幅に、減少することができる。

【図面の簡単な説明】

【図１】従来の方法とこの発明の実施例における検査対
象物の説明図である。

【図２】従来の方法とこの発明の実施例における検査装
置の説明図である。

【図３】図２の画像処理装置の構成の説明図である。

【図４】従来の方法とこの発明の実施例におけるマイコ
ンによる処理の概略説明図である。

【図５】従来の方法における良否判定手段の説明図であ
る。

【図６】従来の方法における問題点を示した第１の説明
図である。

【図７】従来の方法における問題点を示した第２の説明
図である。

【図８】この発明の実施例における良否判別しきい値決
定方法の説明図である。

【図９】この発明の実施例１における良品と不良品の度
数分布の説明図である。

【図１０】この発明の実施例１における良品と不良品の
累積度数分布の説明図である。

【図１１】この発明の実施例１における累積度数荷重和
の説明図である。

【図１２】この発明の実施例２における良品と不良品の
度数分布の説明図である。

【図１３】（ａ）この発明の実施例２における分割され
た下位の特徴量範囲における度数分布の説明図である。（ｂ）この発明の実施例２における分割された上位の特
徴量範囲における度数分布の説明図である。

【図１４】この発明の実施例３における荷重累積度数の
説明図である。

【図１５】この発明の実施例３における荷重累積度数の
和を示した説明図である。

【符号の説明】

１０機械部品１１グリース１２ディスペンサ２０検査対象物２１ディスペンサ２２テレビカメラ２３画像処理装置３０画像処理装置３１Ａ／Ｄ変換器３２画像メモリ３３マイコン３４Ｉ／Ｏ４０２値化４１特徴量計算４２良否判別手段４３検査基準決定手順６０良品の度数分布６１不良品の度数分布７０良品の度数分布７１不良品の度数分布８０良・不良品の度数分布算出工程８１良・不良品分布の代表値計算工程８２良・不良品の累積度数分布計算工程８３累積度数分布の荷重和計算工程８４累積度数分布荷重和の最小値検出工程８５良・不良品の度数分布算出工程８６良・不良品の度数分布算出工程８７良・不良品分布の代表値計算工程８８良・不良品分布の分散計算工程８９特徴量範囲分割工程９０良品の度数分布９１不良品の度数分布１００良品の累積度数分布１０１不良品の累積度数分布１２０良品の度数分布１２１不良品の度数分布１２２不良品の度数分布１３０不良品の度数分布１３１良品の度数分布１３２良品の度数分布１３３不良品の度数分布１４０良品の荷重累積度数分布１４１不良品の荷重累積度数分布

Claims

【特許請求の範囲】

【請求項１】被検査物を視覚センサが撮像して映像信
号を出力し、前記映像信号をディジタル化して得られる
画像データより被検査物の特徴量を計算し、前記特徴量
と良否判別しきい値との大小比較により良否を判別する
検査において、良品と不良品それぞれについて特徴量の
値に対する度数分布を計算する第１の工程と、前記度数
分布より良品と不良品のそれぞれの分布について特徴量
の代表値を計算する第２の工程と、前記代表値の大小関
係に応じて代表値が大となる分布については特徴量が小
より大となる方向、代表値が小となる分布については特
徴量が大より小となる方向にそれぞれの累積度数を計算
する第３の工程と、前記の良品と不良品の各累積度数に
荷重係数を乗じた後にそれらの和を計算する第４の工程
と、前記の和の最小値を検出する第５の工程を備え、第
５の工程で得られる和が最小となる特徴量の値を良否判
別しきい値とすることを特徴とする良否判別しきい値決
定方法。
【請求項２】良否判別しきい値が２つ必要である請求
項１に記載の検査において、良品と不良品それぞれにつ
いて特徴量の値に対する度数分布を計算する工程と、前
記度数分布より良品と不良品のそれぞれの分布について
特徴量の代表値を計算する工程と、前記度数分布より良
品と不良品それぞれの分布の分散を計算する工程と、前
記分散が小となる分布の代表値を境として特徴量が大と
なる範囲と小となる範囲に分離した２つの度数分布を得
る工程により構成される第１の工程を備えることを特徴
とする請求項１の良否判別しきい値決定方法。
【請求項３】不良品の累積度数に乗ずる係数が良品の
累積度数に乗ずる係数よりも大となる荷重係数を乗じた
うえで累積度数の和を計算する第４の工程を備えること
を特徴とする請求項１または２の良否判別しきい値決定
方法。
【請求項４】良品と不良品のそれぞれの分布の代表値
がそれぞれの分布の特徴量の平均値とする第２の工程を
備えることを特徴とする請求項１または２の良否判別し
きい値決定方法。
【請求項５】良品と不良品のそれぞれの分布の代表値
がそれぞれの分布の度数が最大となる特徴量の値とする
第２の工程を備えることを特徴とする請求項１または２
の良否判別しきい値決定方法。
【請求項６】良品と不良品のそれぞれの分布の代表値
がそれぞれの分布の度数の中央となる特徴量の値とする
第２の工程を備えることを特徴とする請求項１または２
の良否判別しきい値決定方法。