特許
J-GLOBAL ID：201003082633032885
外観検査処理方法
発明者：
出願人/特許権者：
代理人 (2件)：
西川 惠清
, 森 厚夫
公報種別：公開公報
出願番号（国際出願番号）：特願2008-166272
公開番号（公開出願番号）：特開2010-008159
出願日： 2008年06月25日
公開日（公表日）： 2010年01月14日
要約：
【課題】高い検査精度の外観検査を短時間で実現する。【解決手段】色抽出部5は、正常状態の検査対象物を撮像したRGBカラー画像について、RGBの各座標値を特徴量とする学習データを画素ごとに作成する。分類部2は、各学習データを競合学習型ニューラルネットワーク1に入力して学習させ、クラスタリングマップを作成する。学習後、分類部2は、競合学習型ニューラルネットワーク1に再度入力させた学習データごとに、クラスタリングマップ上の各ニューロンにおいてユークリッド距離を求め、各ニューロンについてユークリッド距離のリストを作成する。その後、分類部2は、各ニューロンについて、上記リストの最大値を分散とし、重みベクトルを平均ベクトルとして定義したガウス関数を設定する。その後、分類部2は、学習データごとに全ニューロンのガウス関数値総和を求め、全学習データに関するガウス関数値総和の最小値を下限閾値に設定する。【選択図】図1
請求項（抜粋）：
検査対象物を撮像したカラー画像である検査対象画像の各画素における色度座標の各座標値を用いて前記検査対象物の異常の有無を判定する外観検査処理方法であって、
正常状態の検査対象物を撮像したカラー画像である正常サンプル画像の画素ごとに色度座標の各座標値を特徴量とする学習データを作成し、各学習データを競合学習型ニューラルネットワークに入力して学習させ、当該競合学習型ニューラルネットワークの出力層のニューロンをカテゴリに対応付けているクラスタリングマップを作成し、
前記競合学習型ニューラルネットワークの学習後に、各学習データを当該競合学習型ニューラルネットワークに再度入力し、前記学習データごとに、前記クラスタリングマップ上の各ニューロンにおいて、前記学習データと重みベクトルとのユークリッド距離を求め、前記クラスタリングマップ上の各ニューロンに対して、各学習データと前記重みベクトルとから求めた複数のユークリッド距離により決定した分散、及び前記重みベクトルである平均値により定義したガウス関数を設定し、
前記クラスタリングマップ上の各ニューロンに対するガウス関数の設定後に、各学習データを前記競合学習型ニューラルネットワークに再度入力し、前記学習データごとに、前記クラスタリングマップ上の全てのニューロンのガウス関数値の総和を求め、全ての学習データに関する前記ガウス関数値の総和の分布から、正常画像であるための下限閾値を設定し、
その後、前記検査対象画像の画素ごとに色度座標の各座標値を特徴量とする検査データを作成し、各検査データを前記競合学習型ニューラルネットワークに入力し、
前記検査データごとに、当該検査データに関するガウス関数値の総和を求め、当該検査データに関するガウス関数値の総和が前記下限閾値未満である場合、当該検査データに対応する画素を異常判定画素とし、
前記検査対象画像における前記異常判定画素を用いた評価条件によって前記検査対象物の異常の有無を判定する
ことを特徴とする外観検査処理方法。
IPC (4件)：
G01N 21/88
, G06T 7/00
, G06T 1/00
, G06T 1/40
G01N21/88 J
, G06T7/00 350C
, G06T1/00 300
, G06T1/40
2G051AB02
, 2G051CA04
, 2G051EA14
, 2G051EA17
, 2G051EB01
, 2G051EB02
, 2G051EB09
, 2G051EB10
, 2G051ED21
, 5B057AA01
, 5B057CA01
, 5B057CA08
, 5B057CA12
, 5B057CA16
, 5B057DA01
, 5B057DB02
, 5B057DB06
, 5B057DC40
, 5L096AA02
, 5L096AA06
, 5L096BA03
, 5L096EA39
, 5L096FA66
, 5L096GA40
, 5L096HA11
, 5L096JA22
, 5L096KA04
, 5L096MA07
出願人引用 (1件)
-
検査装置の検査方法
公報種別：公開公報
出願番号：特願平4-165485
出願人：株式会社不二越
審査官引用 (5件)
全件表示
前のページに戻る
