JPH04346187A - 被検出物の良否判定方法 - Google Patents
被検出物の良否判定方法Info
- Publication number
- JPH04346187A JPH04346187A JP3118484A JP11848491A JPH04346187A JP H04346187 A JPH04346187 A JP H04346187A JP 3118484 A JP3118484 A JP 3118484A JP 11848491 A JP11848491 A JP 11848491A JP H04346187 A JPH04346187 A JP H04346187A
- Authority
- JP
- Japan
- Prior art keywords
- defective
- character
- feature amount
- defective products
- group
- 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
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000002950 deficient Effects 0.000 claims abstract description 66
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000003384 imaging method Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Character Discrimination (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。
め要約のデータは記録されません。
Description
【0001】
【産業上の利用分野】本発明は、文字図形の認識装置等
に適用され、特に、文字図形パターンの良否を効率よく
判別し得る被検出物の良否判定方法に関するものである
。
に適用され、特に、文字図形パターンの良否を効率よく
判別し得る被検出物の良否判定方法に関するものである
。
【0002】
【従来の技術】各種電子部品等に印刷された文字図形を
認識してその良否を判別する場合、文字図形を読み取り
量子化して得られたデータから文字図形パターンの幾何
学的な特徴を抽出して識別を行う方法が採用されている
。
認識してその良否を判別する場合、文字図形を読み取り
量子化して得られたデータから文字図形パターンの幾何
学的な特徴を抽出して識別を行う方法が採用されている
。
【0003】この一例として、図4及び図5に示す印刷
文字「T」の良否を判別する場合について説明する。図
において斜線部分は文字領域であり、図4が良品5、図
5はにじみ6aを有する不良品6を示している。このに
じみ6aを不良であると判定するには、撮像装置からの
画像情報を画像2値化部により2値化し、この2値画像
を形状特徴量計算部に与えて形状特徴量を計算する。そ
して、得られたデータから被検出物である印刷文字「T
」の良否を判別する。この判別方法においては、複数の
画像特徴量を計算して良否を判別するのであるが、通常
は下記9種類の特徴量が用いられる。
文字「T」の良否を判別する場合について説明する。図
において斜線部分は文字領域であり、図4が良品5、図
5はにじみ6aを有する不良品6を示している。このに
じみ6aを不良であると判定するには、撮像装置からの
画像情報を画像2値化部により2値化し、この2値画像
を形状特徴量計算部に与えて形状特徴量を計算する。そ
して、得られたデータから被検出物である印刷文字「T
」の良否を判別する。この判別方法においては、複数の
画像特徴量を計算して良否を判別するのであるが、通常
は下記9種類の特徴量が用いられる。
【0004】■ 文字部分の面積
■ 文字部分の周囲長
■ 文字部分の骨格長
■ 文字部分の周囲角度分布
■ 文字部分の骨格角度分布
■ 文字部分のX軸に対する射影長
■ 文字部分のY軸に対する射影長
■ 文字部分の重心を通るX’軸回りの2次モーメン
ト■ 文字部分の重心を通るY’軸回りの2次モーメ
ントここで、上記各特徴量について説明すると、■の文
字部分の面積とは、画像情報のデータの単位である画素
が文字部分において占める画素数である。■の文字部分
の周囲長とは、図6に示す実線7が文字「T」の周囲で
あり、周囲長は1画素間の長さを1としたときの周囲の
長さである。■の文字部分の骨格長とは、図7に示す破
線8内の実線9が文字「T」の骨格であり、骨格長は、
1画素間の長さを1としたときの線分の長さである。そ
して、■の文字部分の周囲角度分布及び■の文字部分の
骨格角度分布とは、前記文字部分の周囲長並びに骨格長
について、図8(a)〜(d)のように、隣接する画素
A,Aを横、縦、右傾斜及び左傾斜の4方向に結ぶ回数
をそれぞれ集計し、これらの分布を示すものである。ま
た、■の文字部分のX軸に対する射影長及び■の文字部
分のY軸に対する射影長とは、文字図形パターンのX軸
方向の線分もしくはY軸方向の線分と、文字図形パター
ン外のある一点とを結ぶ直線の長さを求めたものである
。さらに、■の文字部分の重心を通るX’軸回りの2次
モーメントとは、図4に示す重心GとX’軸方向の線分
との差の2乗の平均であり、X’軸方向への分散を示す
ものである。また、■の文字部分の重心を通るY’軸回
りの2次モーメントとは、同図の重心GとY’軸方向の
線分との差の2乗の平均であり、Y’軸方向への分散を
示している。
ト■ 文字部分の重心を通るY’軸回りの2次モーメ
ントここで、上記各特徴量について説明すると、■の文
字部分の面積とは、画像情報のデータの単位である画素
が文字部分において占める画素数である。■の文字部分
の周囲長とは、図6に示す実線7が文字「T」の周囲で
あり、周囲長は1画素間の長さを1としたときの周囲の
長さである。■の文字部分の骨格長とは、図7に示す破
線8内の実線9が文字「T」の骨格であり、骨格長は、
1画素間の長さを1としたときの線分の長さである。そ
して、■の文字部分の周囲角度分布及び■の文字部分の
骨格角度分布とは、前記文字部分の周囲長並びに骨格長
について、図8(a)〜(d)のように、隣接する画素
A,Aを横、縦、右傾斜及び左傾斜の4方向に結ぶ回数
をそれぞれ集計し、これらの分布を示すものである。ま
た、■の文字部分のX軸に対する射影長及び■の文字部
分のY軸に対する射影長とは、文字図形パターンのX軸
方向の線分もしくはY軸方向の線分と、文字図形パター
ン外のある一点とを結ぶ直線の長さを求めたものである
。さらに、■の文字部分の重心を通るX’軸回りの2次
モーメントとは、図4に示す重心GとX’軸方向の線分
との差の2乗の平均であり、X’軸方向への分散を示す
ものである。また、■の文字部分の重心を通るY’軸回
りの2次モーメントとは、同図の重心GとY’軸方向の
線分との差の2乗の平均であり、Y’軸方向への分散を
示している。
【0005】ところで、上記各特徴量を用いて前記文字
パターン「T」の良否を判別する場合、例えば、面積の
特徴量が図4に示す良品5と図5に示すにじみ6aを有
する不良品6とでは殆ど差異がなくても、実線部分であ
る周囲長は良品5よりも不良品6の方が大きくなるので
、面積の特徴量だけでは良否が困難であるが、次の文字
部分の周囲長を基準とすることで略判別可能である。 これは、他の種類についても同様であるため、それぞれ
に特徴量を計算して良否を判定する必要が生じることに
なる。
パターン「T」の良否を判別する場合、例えば、面積の
特徴量が図4に示す良品5と図5に示すにじみ6aを有
する不良品6とでは殆ど差異がなくても、実線部分であ
る周囲長は良品5よりも不良品6の方が大きくなるので
、面積の特徴量だけでは良否が困難であるが、次の文字
部分の周囲長を基準とすることで略判別可能である。 これは、他の種類についても同様であるため、それぞれ
に特徴量を計算して良否を判定する必要が生じることに
なる。
【0006】
【発明が解決しようとする課題】しかし、このような良
否判定においては、定量的な基準が与えられていないこ
とが多いため、どのような特徴量を用いれば適切な判定
ができるか分らないので、良品5と不良品6との差異が
明確となるまで多くの種類の特徴量を計算せざるを得な
いことになる。従って、計算時間が長くなるうえ大容量
のコンピュータが必要になるといった問題があった。ま
た、この種の被検出物の良否判別には、従来よりニュー
ラルネット方式が採用されているが、このニューラルネ
ット方式は、回路構成が複雑な階層型であるため入力部
に与える画像特徴量の種類が増すと、バックプロパゲー
ション法による学習時間も増大することになる。特に、
入力情報量が多すぎると結論に向けての学習が収束しな
い場合もあり、処理不能を惹起する問題が残されていた
。
否判定においては、定量的な基準が与えられていないこ
とが多いため、どのような特徴量を用いれば適切な判定
ができるか分らないので、良品5と不良品6との差異が
明確となるまで多くの種類の特徴量を計算せざるを得な
いことになる。従って、計算時間が長くなるうえ大容量
のコンピュータが必要になるといった問題があった。ま
た、この種の被検出物の良否判別には、従来よりニュー
ラルネット方式が採用されているが、このニューラルネ
ット方式は、回路構成が複雑な階層型であるため入力部
に与える画像特徴量の種類が増すと、バックプロパゲー
ション法による学習時間も増大することになる。特に、
入力情報量が多すぎると結論に向けての学習が収束しな
い場合もあり、処理不能を惹起する問題が残されていた
。
【0007】本発明は、上記課題を解決することを目的
としている。
としている。
【0008】
【課題を解決するための手段】本発明においては、上記
目的を達成するため、撮像装置からの画像情報を画像2
値化手段により2値化し、この2値画像についての形状
特徴量を形状特徴量計算手段で計算して、得られたデー
タから被検出物の良品と不良品とを判別するにあたり、
演算処理手段が複数の特徴量の算出データについて良品
群と不良品群との2集合間のマハラノビスの汎距離をそ
れぞれ求め、この汎距離が大きい特徴量を優先的に採用
して良品と不良品との判別を行うことを特徴とする。
目的を達成するため、撮像装置からの画像情報を画像2
値化手段により2値化し、この2値画像についての形状
特徴量を形状特徴量計算手段で計算して、得られたデー
タから被検出物の良品と不良品とを判別するにあたり、
演算処理手段が複数の特徴量の算出データについて良品
群と不良品群との2集合間のマハラノビスの汎距離をそ
れぞれ求め、この汎距離が大きい特徴量を優先的に採用
して良品と不良品との判別を行うことを特徴とする。
【0009】
【作用】予め良品群と不良品群とのサンプルを撮像装置
で撮像すると、その画像情報が画像2値化手段により2
値化される。そして、この2値画像が形状特徴量計算手
段に与えられると複数の形状特徴量が計算される。各々
の形状特徴量を、各自の良品群と不良品群を合わせた群
の標準偏差で割って、すべての形状特徴量の分散が等し
くなるよう正規化する。続いて、演算処理手段が各特徴
量について良品群と不良品群との2集合間のマハラノビ
スの汎距離をそれぞれ求める。この際、マハラノビスの
汎距離が大きい程、良品群と不良品群との識別が明確と
なるから、前記各特徴量の中でマハラノビスの汎距離の
大きいものを優先的に採用し、以下順位付けを行ってお
く。
で撮像すると、その画像情報が画像2値化手段により2
値化される。そして、この2値画像が形状特徴量計算手
段に与えられると複数の形状特徴量が計算される。各々
の形状特徴量を、各自の良品群と不良品群を合わせた群
の標準偏差で割って、すべての形状特徴量の分散が等し
くなるよう正規化する。続いて、演算処理手段が各特徴
量について良品群と不良品群との2集合間のマハラノビ
スの汎距離をそれぞれ求める。この際、マハラノビスの
汎距離が大きい程、良品群と不良品群との識別が明確と
なるから、前記各特徴量の中でマハラノビスの汎距離の
大きいものを優先的に採用し、以下順位付けを行ってお
く。
【0010】つぎに、被検出物の良否を判別する場合、
検査対象物を撮像すると、上記と同様に画像情報が2値
化された後、形状特徴量計算手段に与えられて複数の形
状特徴量が算出される。
検査対象物を撮像すると、上記と同様に画像情報が2値
化された後、形状特徴量計算手段に与えられて複数の形
状特徴量が算出される。
【0011】この後、演算処理手段が被検出物の良否を
判別するにあたり、前記優先順位に従って形状特徴量を
選択すると、全特徴量を対象とするまでもなく最初の数
段階で良品と不良品との判別が可能となるから、被検出
物の良否を短時間で判定できるものである。
判別するにあたり、前記優先順位に従って形状特徴量を
選択すると、全特徴量を対象とするまでもなく最初の数
段階で良品と不良品との判別が可能となるから、被検出
物の良否を短時間で判定できるものである。
【0012】
【実施例】以下、本発明の実施例について、図面を参照
しながら説明する。
しながら説明する。
【0013】この発明に係る被検出物の良否判定方法は
、各種電子部品等に印刷された文字図形を認識してその
良否を判別するもので、図1に示す形状特徴量計算部3
にて算出された形状特徴量のデータから良品群と不良品
群とのマハラノビスの汎距離を求めて形状特徴量の選択
を行う構成となっている。
、各種電子部品等に印刷された文字図形を認識してその
良否を判別するもので、図1に示す形状特徴量計算部3
にて算出された形状特徴量のデータから良品群と不良品
群とのマハラノビスの汎距離を求めて形状特徴量の選択
を行う構成となっている。
【0014】但し、この実施例においては図4及び図5
に示す印刷文字「T」の良否を判別する場合について説
明するものとし、従来と同様に図5に示す印刷文字「T
」がにじみ6aを有するために不良であると判定するに
際しては、前記9種類の特徴量が用意され、この中から
優先的な選択を行うようになっている。
に示す印刷文字「T」の良否を判別する場合について説
明するものとし、従来と同様に図5に示す印刷文字「T
」がにじみ6aを有するために不良であると判定するに
際しては、前記9種類の特徴量が用意され、この中から
優先的な選択を行うようになっている。
【0015】図1において、1は印刷文字「T」を撮像
する撮像装置からの画像情報が導かれる画像入力部であ
り、その出力は画像を2値化する画像2値化部2に与え
られている。この画像2値化部2の出力は、前記形状特
徴量(9種類)を計算する形状特徴量計算部3に送出さ
れる。この形状特徴量計算部3の出力データは、演算処
理部4に与えられており、この演算処理部4で良品群と
不良品群との間のマハラノビスの汎距離を算出するとと
もに、この汎距離の大きい形状特徴量を優先的に採用す
る処理の後、被検出物の良否判別を行うようになってい
る。
する撮像装置からの画像情報が導かれる画像入力部であ
り、その出力は画像を2値化する画像2値化部2に与え
られている。この画像2値化部2の出力は、前記形状特
徴量(9種類)を計算する形状特徴量計算部3に送出さ
れる。この形状特徴量計算部3の出力データは、演算処
理部4に与えられており、この演算処理部4で良品群と
不良品群との間のマハラノビスの汎距離を算出するとと
もに、この汎距離の大きい形状特徴量を優先的に採用す
る処理の後、被検出物の良否判別を行うようになってい
る。
【0016】まず、良品群と不良品群とのサンプルを多
数個用意し、撮像装置で撮像すると前記画像入力部1か
らの画像情報によって形状特徴量計算部3より9種類の
形状特徴量■〜■が得られる。各々の形状特徴量を、各
自の良品群と不良品群を合わせた群の標準偏差で割って
、すべての形状特徴量の分散が等しくなるよう正規化す
る。
数個用意し、撮像装置で撮像すると前記画像入力部1か
らの画像情報によって形状特徴量計算部3より9種類の
形状特徴量■〜■が得られる。各々の形状特徴量を、各
自の良品群と不良品群を合わせた群の標準偏差で割って
、すべての形状特徴量の分散が等しくなるよう正規化す
る。
【0017】つぎに、上述のようにして得られた9種類
の特徴量について、演算処理部4により良品群Iと不良
品群IIとの2集合間のマハラノビスの汎距離Dを求め
る。
の特徴量について、演算処理部4により良品群Iと不良
品群IIとの2集合間のマハラノビスの汎距離Dを求め
る。
【0018】ここで、文字部分の面積を一例に図2を参
照してマハラノビスの汎距離Dを説明する。
照してマハラノビスの汎距離Dを説明する。
【0019】図2において、X軸を文字部分の面積、Y
軸をサンプルの度数としたとき、面積の特徴量における
良品群Iと不良品群IIとが図示のような分布であると
、マハラノビスの汎距離Dは、この良品群Iの重心Gと
不良品群IIの重心Gとを結ぶ直線距離で表される。
軸をサンプルの度数としたとき、面積の特徴量における
良品群Iと不良品群IIとが図示のような分布であると
、マハラノビスの汎距離Dは、この良品群Iの重心Gと
不良品群IIの重心Gとを結ぶ直線距離で表される。
【0020】このマハラノビスの汎距離Dは、2集合間
の分離状態を明らかにするものであり、下式(1)にて
計算する。
の分離状態を明らかにするものであり、下式(1)にて
計算する。
【0021】即ち、良品群Iと不良品群IIとをΣ(1
),Σ(2) とおいたとき、Σ(1) =Σ(2)
とみなされる場合を前提として、2集合間のマハラノビ
スの汎距離Dは、
),Σ(2) とおいたとき、Σ(1) =Σ(2)
とみなされる場合を前提として、2集合間のマハラノビ
スの汎距離Dは、
【0022】
【数1】
【0023】よって、D2 の平方根を計算すると、良
品群Iと不良品群IIとの重心間の距離が求められ、マ
ハラノビスの汎距離Dが得られる。
品群Iと不良品群IIとの重心間の距離が求められ、マ
ハラノビスの汎距離Dが得られる。
【0024】但し、Σは分散共分散行列、Σ −1 は
Σの逆行列、μ(1) は良品群Iの重心、μ(2)
は不良品群IIの重心、(μ(2) − μ(1)
)’は(μ(2) − μ(1) )の転逆行列であ
る。
Σの逆行列、μ(1) は良品群Iの重心、μ(2)
は不良品群IIの重心、(μ(2) − μ(1)
)’は(μ(2) − μ(1) )の転逆行列であ
る。
【0025】この結果、各特徴量に対するマハラノビス
の汎距離Dが、次の値になったものとする。
の汎距離Dが、次の値になったものとする。
【0026】
■ 文字部分の面積・・・・・・・・・・・・・・・
・・・・・12.4 ■ 文字部分の周囲長・・・・・・・・・・・・・・
・・・・・ 5.4 ■ 文字部分の骨格長・・・・・・・・・・・・・・
・・・・・ 3.8 ■ 文字部分の周囲角度分布・・・・・・・・・・・
・・・・・21.2 ■ 文字部分の骨格角度分布・・・・・・・・・・・
・・・・・ 4.7 ■ 文字部分のX軸に対する射影長・・・・・・・・
・・・・・ 9.9 ■ 文字部分のY軸に対する射影長・・・・・・・・
・・・・・17.3 ■ 文字部分の重心を通るX’軸回りの2次モーメン
ト・・・・ 7.4 ■ 文字部分の重心を通るY’軸回りの2次モーメン
ト・・・・ 6.1 このようにして得られたマハラノビスの汎距離Dは、2
集合間の分離状態を示すものであるから、この中から最
大の値をとるものが良品と不良品との識別を最も明確に
し得る。よって、単純には最大値が21.2であるから
、■の文字部分の周囲角度分布を選択し、つぎに、■の
文字部分のY軸に対する射影長を採用すればよい。
・・・・・12.4 ■ 文字部分の周囲長・・・・・・・・・・・・・・
・・・・・ 5.4 ■ 文字部分の骨格長・・・・・・・・・・・・・・
・・・・・ 3.8 ■ 文字部分の周囲角度分布・・・・・・・・・・・
・・・・・21.2 ■ 文字部分の骨格角度分布・・・・・・・・・・・
・・・・・ 4.7 ■ 文字部分のX軸に対する射影長・・・・・・・・
・・・・・ 9.9 ■ 文字部分のY軸に対する射影長・・・・・・・・
・・・・・17.3 ■ 文字部分の重心を通るX’軸回りの2次モーメン
ト・・・・ 7.4 ■ 文字部分の重心を通るY’軸回りの2次モーメン
ト・・・・ 6.1 このようにして得られたマハラノビスの汎距離Dは、2
集合間の分離状態を示すものであるから、この中から最
大の値をとるものが良品と不良品との識別を最も明確に
し得る。よって、単純には最大値が21.2であるから
、■の文字部分の周囲角度分布を選択し、つぎに、■の
文字部分のY軸に対する射影長を採用すればよい。
【0027】しかし、よりよく良否の判定を行うために
は、優先順位1の特徴量を基準にし、これに他の8種類
の特徴量を組合せ、マハラノビスの汎距離Dを求める方
法により優先順位2の特徴量を決定するのが好ましい。 このときのマハラノビスの汎距離Dについて、図3を参
照して説明すると、優先順位1である■の文字部分の周
囲角度分布をX軸に、Y軸には対応する特徴量、例えば
■の文字部分の面積が置かれ、Z軸には(X,Y)のそ
れぞれについての度数が置かれる。この場合は、それぞ
れの分布が3次元で現れマハラノビスの汎距離Dは良品
群Iの重心Gと不良品群IIの重心Gとを結ぶ直線距離
となる。
は、優先順位1の特徴量を基準にし、これに他の8種類
の特徴量を組合せ、マハラノビスの汎距離Dを求める方
法により優先順位2の特徴量を決定するのが好ましい。 このときのマハラノビスの汎距離Dについて、図3を参
照して説明すると、優先順位1である■の文字部分の周
囲角度分布をX軸に、Y軸には対応する特徴量、例えば
■の文字部分の面積が置かれ、Z軸には(X,Y)のそ
れぞれについての度数が置かれる。この場合は、それぞ
れの分布が3次元で現れマハラノビスの汎距離Dは良品
群Iの重心Gと不良品群IIの重心Gとを結ぶ直線距離
となる。
【0028】なお、このマハラノビスの汎距離Dは、そ
れぞれの良品群Iと不良品群IIとが、Σ(1)(2)
, Σ(1)(3), Σ(2)(3)と置かれ、上式
(1)の変形により3次元的処理が行われる。
れぞれの良品群Iと不良品群IIとが、Σ(1)(2)
, Σ(1)(3), Σ(2)(3)と置かれ、上式
(1)の変形により3次元的処理が行われる。
【0029】この結果、各特徴量■〜■、■〜■に対す
るマハラノビスの汎距離Dが、次の値であったとする。
るマハラノビスの汎距離Dが、次の値であったとする。
【0030】
■ 文字部分の面積・・・・・・・・・・・・・・・
・・・・・35.4 ■ 文字部分の周囲長・・・・・・・・・・・・・・
・・・・・23.3 ■ 文字部分の骨格長・・・・・・・・・・・・・・
・・・・・25.8 ■ 文字部分の骨格角度分布・・・・・・・・・・・
・・・・・28.8 ■ 文字部分のX軸に対する射影長・・・・・・・・
・・・・・31.2 ■ 文字部分のY軸に対する射影長・・・・・・・・
・・・・・39.4 ■ 文字部分の重心を通るX’軸回りの2次モーメン
ト・・・・29.3 ■ 文字部分の重心を通るY’軸回りの2次モーメン
ト・・・・26.4 上記のように算出されたマハラノビスの汎距離Dの中で
値の大きいものは、39.4であり優先順位2の特徴量
として■の文字部分のY軸に対する射影長を選択する。
・・・・・35.4 ■ 文字部分の周囲長・・・・・・・・・・・・・・
・・・・・23.3 ■ 文字部分の骨格長・・・・・・・・・・・・・・
・・・・・25.8 ■ 文字部分の骨格角度分布・・・・・・・・・・・
・・・・・28.8 ■ 文字部分のX軸に対する射影長・・・・・・・・
・・・・・31.2 ■ 文字部分のY軸に対する射影長・・・・・・・・
・・・・・39.4 ■ 文字部分の重心を通るX’軸回りの2次モーメン
ト・・・・29.3 ■ 文字部分の重心を通るY’軸回りの2次モーメン
ト・・・・26.4 上記のように算出されたマハラノビスの汎距離Dの中で
値の大きいものは、39.4であり優先順位2の特徴量
として■の文字部分のY軸に対する射影長を選択する。
【0031】この後、上記選択されなかった7種類のう
ちの1つと、選択済の特徴量■及び■とを組み合わせて
マハラノビスの汎距離Dを求めるといった処理を繰り返
し、次に採用すべき特徴量の順位付けを行う。
ちの1つと、選択済の特徴量■及び■とを組み合わせて
マハラノビスの汎距離Dを求めるといった処理を繰り返
し、次に採用すべき特徴量の順位付けを行う。
【0032】以上のような処理手順で特徴量の順位付け
ができるので、例えば、上位から3番目位までの特徴量
を用いて外観検査を行うことができる。
ができるので、例えば、上位から3番目位までの特徴量
を用いて外観検査を行うことができる。
【0033】次に、被検出物である前記文字「T」の外
観検査として、良否を判別する。まず、文字「T」を撮
像すると、画像入力部1からの画像情報が画像2値化部
2により2値化される。そして、この2値画像が形状特
徴量計算部3に与えられると、選択された複数の特徴量
についての計算が行われる。
観検査として、良否を判別する。まず、文字「T」を撮
像すると、画像入力部1からの画像情報が画像2値化部
2により2値化される。そして、この2値画像が形状特
徴量計算部3に与えられると、選択された複数の特徴量
についての計算が行われる。
【0034】この後、演算処理部4において文字「T」
の良否を判別するにあたり、上記の優先順位に従って各
特徴量の計算値の比較判定が行われ、全特徴量を対象と
するまでもなく最初の数段階の処理で良品と不良品との
判別がなされる。従って、前記文字「T」について良品
5と不良品6との良否を短時間で判定できるものである
。
の良否を判別するにあたり、上記の優先順位に従って各
特徴量の計算値の比較判定が行われ、全特徴量を対象と
するまでもなく最初の数段階の処理で良品と不良品との
判別がなされる。従って、前記文字「T」について良品
5と不良品6との良否を短時間で判定できるものである
。
【0035】なお、特徴量計算のための計算時間が許容
時間内で最も大きい値となるように、前記順位Nを決め
ることができる。この際、特徴量の数を増せば正しく判
定できる率が逓増するため、正しく判定する率がある一
定値以上になるように予めNを決めておくのが好ましい
。
時間内で最も大きい値となるように、前記順位Nを決め
ることができる。この際、特徴量の数を増せば正しく判
定できる率が逓増するため、正しく判定する率がある一
定値以上になるように予めNを決めておくのが好ましい
。
【0036】
【発明の効果】以上のように、本発明によれば、撮像装
置よりの画像情報を量子化して得られたデータから被検
出物の良品と不良品とを判別するにあたり、複数の特徴
量の算出データについて良品群と不良品群との2集合間
のマハラノビスの汎距離をそれぞれ求め、この汎距離が
大きい特徴量を優先的に採用して、良品と不良品との判
別を行うので、各種電子部品等に印刷された文字図形等
を判別するような場合には、良否の判定を短時間で効率
よく行うことができる。
置よりの画像情報を量子化して得られたデータから被検
出物の良品と不良品とを判別するにあたり、複数の特徴
量の算出データについて良品群と不良品群との2集合間
のマハラノビスの汎距離をそれぞれ求め、この汎距離が
大きい特徴量を優先的に採用して、良品と不良品との判
別を行うので、各種電子部品等に印刷された文字図形等
を判別するような場合には、良否の判定を短時間で効率
よく行うことができる。
【図1】本発明に係る被検出物の良否判定方法を説明す
るための構成図である。
るための構成図である。
【図2】良品群と不良品群との間のマハラノビスの汎距
離を示す説明図である。
離を示す説明図である。
【図3】複数の特徴量間におけるマハラノビスの汎距離
を示す説明図である。
を示す説明図である。
【図4】検査対象の良品を示す文字パターンである。
【図5】検査対象の不良品を示す文字パターンである。
【図6】文字パターンの周囲長を示す説明図である。
【図7】文字パターンの骨格長を示す説明図である。
【図8】文字パターンの周囲長と骨格長とを示す説明図
である。
である。
2 画像2値化手段
3 形状特徴量計算手段
4 演算処理手段
5 良品
6 不良品
D マハラノビスの汎距離
Claims (1)
- 【請求項1】 撮像装置からの画像情報を画像2値化
手段により2値化し、この2値画像についての形状特徴
量を形状特徴量計算手段で計算して、得られたデータか
ら被検出物の良品と不良品とを判別するにあたり、演算
処理手段が複数の特徴量の算出データについて良品群と
不良品群との2集合間のマハラノビスの汎距離をそれぞ
れ求め、この汎距離が大きい特徴量を優先的に採用して
良品と不良品との判別を行うことを特徴とする被検出物
の良否判定方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3118484A JPH04346187A (ja) | 1991-05-23 | 1991-05-23 | 被検出物の良否判定方法 |
US07/885,837 US5392364A (en) | 1991-05-23 | 1992-05-20 | Object inspection method employing selection of discerning features using mahalanobis distances |
KR1019920008762A KR920022146A (ko) | 1991-05-23 | 1992-05-23 | 피 검출물의 양부 판정 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3118484A JPH04346187A (ja) | 1991-05-23 | 1991-05-23 | 被検出物の良否判定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH04346187A true JPH04346187A (ja) | 1992-12-02 |
Family
ID=14737820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP3118484A Pending JPH04346187A (ja) | 1991-05-23 | 1991-05-23 | 被検出物の良否判定方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US5392364A (ja) |
JP (1) | JPH04346187A (ja) |
KR (1) | KR920022146A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003346209A (ja) * | 2002-05-22 | 2003-12-05 | Mars Inc | 貨幣評価装置 |
KR100514021B1 (ko) * | 2001-03-27 | 2005-09-13 | 가부시끼가이샤 도시바 | 장치에 관한 신호에 기초하여 그 장치의 고장을 진단하는장치 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2300746B (en) * | 1995-05-09 | 1999-04-07 | Mars Inc | Validation |
AU756923B2 (en) * | 1995-05-09 | 2003-01-30 | Mei, Incorporated | Validation |
GB9510678D0 (en) * | 1995-05-25 | 1995-07-19 | At & T Global Inf Solution | Method and apparatus for authenticating documents |
US5742522A (en) * | 1996-04-01 | 1998-04-21 | General Electric Company | Adaptive, on line, statistical method and apparatus for detection of broken bars in motors by passive motor current monitoring and digital torque estimation |
JP3349455B2 (ja) * | 1998-09-30 | 2002-11-25 | 宮崎沖電気株式会社 | 半導体製造装置のための管理方法および管理システム |
JP4878085B2 (ja) * | 2001-04-20 | 2012-02-15 | ラピスセミコンダクタ株式会社 | 製造工程のための管理方法 |
EP1324280A1 (en) * | 2001-12-28 | 2003-07-02 | Mars Incorporated | Method and apparatus for classifying currency articles |
US20040013301A1 (en) * | 2002-07-18 | 2004-01-22 | Dedrick Eric Martin | Method for rectangle localization in a digital image |
US8331682B2 (en) * | 2008-08-27 | 2012-12-11 | Northrop Grumman Systems Corporation | System and method for single stroke character recognition |
JP6037125B2 (ja) * | 2013-02-18 | 2016-11-30 | 株式会社サタケ | 光学式粒状物選別機 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL165863C (nl) * | 1975-06-02 | 1981-05-15 | Nederlanden Staat | Inrichting voor het herkennen van tekens. |
US4441205A (en) * | 1981-05-18 | 1984-04-03 | Kulicke & Soffa Industries, Inc. | Pattern recognition system |
US4658429A (en) * | 1983-12-29 | 1987-04-14 | Hitachi, Ltd. | System and method for preparing a recognition dictionary |
US5046111A (en) * | 1989-02-09 | 1991-09-03 | Philip Morris Incorporated | Methods and apparatus for optically determining the acceptability of products |
FR2649510B1 (fr) * | 1989-07-06 | 1991-12-20 | Collot Richard | Procede et systemes de verification de signatures a optimisation de parametres statiques |
US5161204A (en) * | 1990-06-04 | 1992-11-03 | Neuristics, Inc. | Apparatus for generating a feature matrix based on normalized out-class and in-class variation matrices |
-
1991
- 1991-05-23 JP JP3118484A patent/JPH04346187A/ja active Pending
-
1992
- 1992-05-20 US US07/885,837 patent/US5392364A/en not_active Expired - Lifetime
- 1992-05-23 KR KR1019920008762A patent/KR920022146A/ko not_active Application Discontinuation
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100514021B1 (ko) * | 2001-03-27 | 2005-09-13 | 가부시끼가이샤 도시바 | 장치에 관한 신호에 기초하여 그 장치의 고장을 진단하는장치 |
JP2003346209A (ja) * | 2002-05-22 | 2003-12-05 | Mars Inc | 貨幣評価装置 |
JP4537017B2 (ja) * | 2002-05-22 | 2010-09-01 | エムイーアイ インコーポレーテッド | 貨幣評価装置 |
Also Published As
Publication number | Publication date |
---|---|
US5392364A (en) | 1995-02-21 |
KR920022146A (ko) | 1992-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1977286B (zh) | 对象识别方法及其设备 | |
US5253306A (en) | Method of matching patterns and apparatus therefor | |
US20060029276A1 (en) | Object image detecting apparatus, face image detecting program and face image detecting method | |
CN110766095B (zh) | 基于图像灰度特征的缺陷检测方法 | |
WO1996024114A2 (en) | Method and apparatus for separating foreground from background in images containing text | |
JPH11110561A (ja) | 画像情報処理装置 | |
JPH04346187A (ja) | 被検出物の良否判定方法 | |
KR20230127933A (ko) | 결함 감지 방법 및 시스템 | |
JP3533722B2 (ja) | 不良検査方法およびその装置 | |
US20030185432A1 (en) | Method and system for image registration based on hierarchical object modeling | |
JPH1038542A (ja) | 物体認識方法及び装置並びに記録媒体 | |
JP3627249B2 (ja) | 画像処理装置 | |
CN115374517A (zh) | 布线软件的测试方法、装置、电子设备及存储介质 | |
JPH0620054A (ja) | パターンデータ決定方法及び装置 | |
JP2790101B2 (ja) | 粒子凝集パターン判定装置 | |
CN114441554B (zh) | 检测方法 | |
JPH05225336A (ja) | 境界抽出方法および装置 | |
US11640535B2 (en) | Probability acquisition apparatus and probability acquisition method | |
JP3557814B2 (ja) | 画像検査装置および方法 | |
US7876964B2 (en) | Method for associating a digital image with a class of a classification system | |
JPH08185477A (ja) | 画像分類装置 | |
JPH02134548A (ja) | パターン検査方法 | |
JP3061899B2 (ja) | 印刷物の検査装置 | |
JP3048718B2 (ja) | 頂点検出装置 | |
JPH11351835A (ja) | 工具の撮像画像処理による刃先部輪郭線抽出方法 |