画像検査方法及び画像検査装置
【課題】被検査画像中に特徴量の急峻な変化がある場合でも精度よく検査できる画像検査方法及び画像検査装置を提供すること。
【解決手段】予め良品画像を複数の良品分割画像に分割して、良品分割画像ごとのマハラノビス距離を算出して基準空間を作成して、被検査画像の良否判定を行うための良否判定基準値を設定する。被検査画像を取得して（Ｓ４１）、画像処理を施す（Ｓ４２）。次いで、その被検査画像を、複数の被検査分割画像に分割する（Ｓ４３）。次いで、個々の被検査分割画像の所定の特徴量を抽出する（Ｓ４４）。次いで、各被検査分割画像のマハラノビス距離を算出して信号空間を作成する（Ｓ４５）。被検査分割画像ごとに、対応する信号空間のマハラノビス距離を、同一位置にある良品分割画像における良否判定基準値と比較することによって、被検査画像の良否判定を行う（Ｓ４６〜Ｓ４８）。
【解決手段】予め良品画像を複数の良品分割画像に分割して、良品分割画像ごとのマハラノビス距離を算出して基準空間を作成して、被検査画像の良否判定を行うための良否判定基準値を設定する。被検査画像を取得して（Ｓ４１）、画像処理を施す（Ｓ４２）。次いで、その被検査画像を、複数の被検査分割画像に分割する（Ｓ４３）。次いで、個々の被検査分割画像の所定の特徴量を抽出する（Ｓ４４）。次いで、各被検査分割画像のマハラノビス距離を算出して信号空間を作成する（Ｓ４５）。被検査分割画像ごとに、対応する信号空間のマハラノビス距離を、同一位置にある良品分割画像における良否判定基準値と比較することによって、被検査画像の良否判定を行う（Ｓ４６〜Ｓ４８）。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、例えば検査対象とされる製品の欠陥の有無を判定するために、その製品の外観を示した被検査画像の良否の判定を行う画像検査方法及び画像検査装置に関する。
【背景技術】
【０００２】
従来、検査対象とされる製品の欠陥の有無を、その製品の外観を撮影して、その撮影画像である被検査画像から判定する方法が知られている。その方法の一つとして、マハラノビス・タグチ法を用いて被検査画像の良否を検査する方法がある。このマハラノビス・タグチ法による画像検査の基本的な進め方は以下の通りである。
【０００３】
１）最も正常な状態にある複数の製品画像から、その状態を表す複数の項目に従い特徴量を抽出する。このように、正常品や良品のデータ群を基準空間と呼び、マハラノビス・タグチ法で判定、診断、予測を行う際の基準となる。
２）各項目ごとに算出した特徴量の平均値と標準偏差を用いて各特徴量を規準化する。
３）規準化した特徴量間の全ての相関を算出して、相関行列を作成する。
４）規準化した特徴量と、相関行列の逆行列を用いて、最も正常な状態にある製品の集団である基準空間のマハラノビス距離を算出する。なお、この基準空間のマハラノビス距離の平均値は約１となる。
５）状態が不明である製品画像（被検査画像）に対して、上記と同様の手順を用いて、マハラノビス距離を算出する。
６）予め設定したハマラノビス距離の閾値（良否判定基準値）に基づき、状態が不明な製品の状態を判定する。マハラノビス・タグチ法では、異常の程度が大きくなるほどマハラノビス距離が大きくなるので、基準値よりマハラノビス距離が大きくなる場合、その製品は異常な状態（不良）にあると判定をする。このように、基準空間に属さないもののデータを信号空間と呼び、そのマハラノビス距離の大小で、そのものの状態を判定、診断、予測する。
【０００４】
このように、マハラノビス・タグチ法は多変量解析の手法を用いて製品の状態を判定するので、作業員が目視で製品の状態を判定する目視検査と同様に、様々な情報（特徴量）を基にした総合的な判定を行うことができる。そして、その良否を精度よく検査するために、各種方法が提案されている（例えば、特許文献１、２参照）。
【０００５】
例えば特許文献１には、被検査画像全体の良否を精度良く検査するために、マハラノビス距離の算出に使用する画像特徴量として、輝度、濃度等の一次パラメータや、一次パラメータの平均値や標準偏差等の二次パラメータではなく、被検査画像全体の輝度分布などの特徴量分布を用いている。これは、被検査画像全体の情報を含んだ特徴量に基づいてマハラノビス距離を算出することにより、被検査画像の一部の特徴量で検査するときよりも、被検査画像全体の良否を精度良く検査できることを狙ったものである。
【０００６】
また、特許文献２には、被検査画像を小領域に分割し、各小領域から特徴量を抽出し、抽出した特徴量と所定の特徴量基準値との統計的距離尺度（マハラノビス距離等）を用いて被検査画像の良否を検査する方法であって、分割する小領域の大きさを複数レベル設ける方法が記載されている。これによって、局所的な欠陥だけでなく大域的な欠陥も精度よく検出できることを狙ったものである。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００５−２５２４５１号公報
【特許文献２】特開２００７−１３２７５７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、特許文献１に記載の方法は、輝度分布を基にマハラノビス距離を算出するため、この方法を製品の外観検査、特に外観の変動が大きい製品中の欠陥や、外観中で特徴量の急峻な変化がある製品中の欠陥の外観検査に使用した場合、欠陥が持つ特徴量がノイズに隠れてしまい、精度良く検査できないという問題点があった。また、欠陥の位置を特定できないため、検査結果を前工程にフィードバックするなど、検査結果を二次的に有効活用できないという問題点があった。
【０００９】
また、特許文献２に記載の方法は、欠陥があるにも関わらず、マハラノビス距離が小さいために欠陥の判定がされない場合があり、そのために、マハラノビス距離による判定の他に第２の判定を追加している。そのために、検査方法が複雑化するという問題点があった。
【００１０】
本発明は上記問題点に鑑みてなされたものであり、第２の判定を追加することなく簡易に検査することができ、被検査画像中に特徴量の急峻な変化がある場合でも精度よく検査できる画像検査方法及び画像検査装置を提供することを第一の課題とする。
【００１１】
また、検査結果を前工程にフィードバックすることができる画像検査方法及び画像検査装置を提供することを第二の課題とする。
【課題を解決するための手段】
【００１２】
上記課題を解決するために、本発明は、画像の良否の判定を行う画像検査方法であって、
良品画像を複数の画像（以下、「良品分割画像」という）に分割したときの、それら良品分割画像ごとのマハラノビス距離からなる基準空間を取得する基準空間取得ステップと、
被検査画像を取得する被検査画像取得ステップと、
前記被検査画像を複数の画像（以下、「被検査分割画像」という）に分割する被検査画像分割ステップと、
前記被検査分割画像の特徴量と前記良品分割画像の特徴量とに基づいて、前記被検査分割画像ごとのマハラノビス距離からなる信号空間を作成する信号空間作成ステップと、
前記被検査分割画像ごとに、対応する前記信号空間のマハラノビス距離を、同一位置にある前記良品分割画像における前記基準空間のマハラノビス距離に基づいて定まる良否判定基準値と比較することによって、前記被検査画像の良否判定を行う良否判定ステップと、を含むことを特徴とする。
【００１３】
これによれば、被検査画像を被検査分割画像に分割しているので、被検査画像に欠陥があった場合に、被検査分割画像における欠陥が占める割合は、被検査画像全体における欠陥が占める割合よりも大きくなる。そして、被検査分割画像ごとに良否判定をしているので、外観中で特徴量の急峻な変化がある製品の欠陥を検査する場合であっても、その欠陥を検出しやすくできる。よって、精度良く検査できる。
【００１４】
また、被検査分割画像ごとのマハラノビス距離からなる信号空間を、被検査画像の特徴量と良品分割画像の特徴量とに基づいて作成しているので、その信号空間のマハラノビス距離は、被検査分割画像と良品分割画像の特徴量の差分が反映されたものであるといえる。したがって、欠陥があるにも関わらず、マハラノビス距離が小さいために欠陥の判定がされないということが軽減される。よって、マハラノビス距離による判定の他に第２の判定を追加する必要がないので、簡易に検査することができる。
【００１５】
また、本発明の画像検査方法は、前記良否判定ステップで不良と判定された前記被検査分割画像の前記被検査画像上での位置を記録する欠陥位置記録ステップを含む。
【００１６】
これによって、記録された欠陥位置を参照することによって、検査結果を前工程にフィードバックすることができる。
【００１７】
また、本発明の画像検査方法において、前記基準空間取得ステップは、
前記良品画像を取得する良品画像取得ステップと、
前記良品画像を前記良品分割画像に分割する良品画像分割ステップと、
前記良品分割画像ごとのマハラノビス距離を算出して前記基準空間を作成する基準空間作成ステップと、を含む。
【００１８】
これによって、信号空間と対応した基準空間を取得することができる。
【００１９】
また、本発明の画像検査方法において、前記良品画像取得ステップは、複数の良品画像を取得し、
前記基準空間作成ステップは、
前記良品分割画像ごとに、所定の複数の特徴量を抽出する第一の抽出ステップと、
それら特徴量を規準化して良品規準特徴量を算出する第一の規準化ステップと、
前記複数の良品画像間で同じ位置にある前記良品分割画像ごとに、前記複数の良品規準特徴量間の相関係数からなる良品相関係数行列を算出する第一の行列算出ステップと、
前記良品分割画像ごとに、前記良品規準特徴量と前記良品相関係数行列とに基づいて、前記基準空間のマハラノビス距離を算出する第一の距離算出ステップと、を含む。
【００２０】
これにより、基準空間を作成できるとともに、その際、複数の良品画像を用いて基準空間を作成しているので、基準空間の信頼性を高くできる。
【００２１】
また、本発明の画像検査方法において、前記複数の良品画像間で同じ位置にある前記良品分割画像の前記マハラノビス距離のうちの最大値に基づいて、前記良品分割画像ごとの前記良否判定基準値を設定する基準値設定ステップを含む。
【００２２】
このように、複数の良品画像間で同じ位置にある良品分割画像のマハラノビス距離のうちの最大値に基づいて、良否判定基準値を設定しているので、より一層、良否判定の精度を向上できる。
【００２３】
また、本発明の画像検査方法において、前記信号空間作成ステップは、
前記被検査分割画像ごとに、前記第一の抽出ステップで抽出する特徴量と同じ特徴量を抽出する第二の抽出ステップと、
前記良品分割画像の特徴量を基準として、前記第二の抽出ステップで抽出した特徴量を規準化して被検査規準特徴量を算出する第二の規準化ステップと、
前記被検査規準特徴量と前記良品相関係数行列とに基づいて、前記信号空間のマハラノビス距離を算出する第二の距離算出ステップと、を含む。
【００２４】
このように、良品分割画像の特徴量を基準として、被検査規準特徴量を算出し、被検査規準特徴量と良品相関係数行列とに基づいて、信号空間のマハラノビス距離を算出しているので、被検査分割画像と良品分割画像の特徴量の差分が反映された信号空間を作成することができる。
【００２５】
また、本発明の画像検査方法において、前記第一、第二の抽出ステップは、前記特徴量を取得する各画像の輝度波形に対して、特定の横線を引いたときに、その横線と輝度波形との交点数である微分値、その横線よりも上の前記輝度波形の区間である積分値、輝度最大値と輝度最小値の差分の少なくとも一つを前記特徴量として抽出するステップである。
【００２６】
これによれば、横線と輝度波形との交点数である微分値は、画像の特徴量の変動の回数の指標とすることができる。すなわち、微分値が大きいほど、画像中に、特徴量が変動する部位が多く含まれているといえる。よって、この微分値を特徴量として用いることにより、特徴量が変動する部位が多く含まれている画像でも、その特徴量が精度よく反映された基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができる。
【００２７】
また、横線よりも上の輝度波形の区間である積分値は、画像において一定以上の特徴量を有している部位が占める割合の指標とすることができる。すなわち、積分値が大きいほど、画像中に、一定以上の特徴量を有している部位が多く含まれているといえる。よって、この積分値を特徴量として用いることにより、一定以上の特徴量を有している部位が多く含まれている画像でも、その特徴量が精度よく反映された基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができる。
【００２８】
また、輝度最大値と輝度最小値の差分は、画像中の特徴量の変動の大きさの指標とすることができる。すなわち、輝度最大値と輝度最小値の差分が大きいほど、画像中に特徴量が大きく変動する部位が含まれているといえる。よって、この差分を特徴量として用いることにより、特徴量が大きく変動する部位が含まれている画像でも、その特徴量が精度よく反映された基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができる。
【００２９】
また、その横線の位置を可変としてもよい。これにより、複雑に特徴量が変動する画像でも、その特徴量が精度よく反映された基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができる。
【００３０】
また、本発明の画像検査方法において、前記被検査画像の欠陥を検出しやすくするために、前記被検査画像に所定の画像処理を施す被検査画像処理ステップと、
前記良品画像に前記画像処理と同じ画像処理を施す良品画像処理ステップと、を含む。
【００３１】
これによれば、被検査画像に所定の画像処理を施しているので、被検査画像に欠陥があった場合に、その欠陥の持つ特徴量をより良く抽出することができる。そして、良品画像にも同じ画像処理を施しており、同じ条件下で基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができる。
【００３２】
また、本発明の画像検査方法において、前記良品画像取得ステップは、出現頻度が最も高い画像群に含まれる画像を前記良品画像として取得するステップである。
【００３３】
これによれば、出現頻度が最も高い画像群を良品画像としているので、良品画像としての信頼性が高いといえる。
【００３４】
また、本発明の画像検査方法において、前記被検査画像は、外観検査される製品の外観を示した画像であり、
その製品の外観は、想定される欠陥が持つ特徴量が隠れる程度に、大きく特徴量が変動する外観である。
【００３５】
このように、大きく特徴量が変動する外観の製品検査に本発明を適用すると好適である。
【００３６】
本発明は、画像の良否の判定を行う画像検査装置であって、
良品画像を複数の画像（以下、「良品分割画像」という）に分割したときの、それら良品分割画像ごとのマハラノビス距離からなる基準空間を取得する基準空間取得手段と、
被検査画像を取得する被検査画像取得手段と、
前記被検査画像を複数の画像（以下、「被検査分割画像」という）に分割する被検査画像分割手段と、
前記被検査分割画像の特徴量と前記良品分割画像の特徴量とに基づいて、前記被検査分割画像ごとのマハラノビス距離からなる信号空間を作成する信号空間作成手段と、
前記被検査分割画像ごとに、対応する前記信号空間のマハラノビス距離を、同一位置にある前記良品分割画像における前記基準空間のマハラノビス距離に基づいて定まる良否判定基準値と比較することによって、前記被検査画像の良否判定を行う良否判定手段と、を備えることを特徴とする。
【００３７】
これによれば、本発明の画像検査方法と同じ効果が得られる。
【図面の簡単な説明】
【００３８】
【図１】画像検査装置１の外観図である。
【図２】ワーク４の表面を示した図である。
【図３】基準空間を作成するための基本的なフローチャートである。
【図４】被検査画像のマハラノビス距離を算出し、良否判定を行うための基本的なフローチャートである。
【図５】基準空間を作成するための詳細なフローチャートである。
【図６】良品画像４１の分割方法を説明するための図である。
【図７】複数の良品画像４１間で同じ位置にある良品分割画像４１１を示した図である。
【図８】被検査画像のマハラノビス距離を算出し、良否判定を行うための詳細なフローチャートである。
【図９】被検査画像の例示として、不良品である被検査画像４２と良品である被検査画像４３を示した図である。
【発明を実施するための形態】
【００３９】
以下、図面を参照しつつ、この発明の実施の最良形態につき説明する。図１に、本発明の画像検査装置１の外観図を示す。その画像検査装置１は、図１に示すワーク４の欠陥の有無を判定して、ワーク４の良否判定をする装置である。その画像検査装置１は、図１に示すように、カメラ２、照明３、電子計算機５及び表示装置６を備えている。
【００４０】
カメラ２はワーク４の外観を撮像するものであり、ＣＣＤカメラ、ＣＭＯＳカメラ、アナログカメラなどを使用することができる。この例では、カメラ２として、ＣＣＤカメラを使用している。
【００４１】
照明３は、カメラ２によりワーク４の外観を撮像する際に、ワーク４の撮像箇所の明るさを調整するものであり、ファイーバー照明、ＬＥＤ照明、リング照明、同軸落射照明などを使用することができる。この例では、照明３として、ＬＥＤリング照明を使用している。カメラ２で撮像された画像データは、電子計算機５に送られ、電子計算機５でデータ処理を施した後に良否判定が行われ、その結果が表示装置６に表示される。
【００４２】
一方、ワーク４は検査対象となる製品である。この例では、ワーク４は切削加工した金属部品であり、ワーク４表面にある、傷、バリ、異物などの欠陥の有無を検査するものである。図２は、ワーク４の表面を示した図である。図２に示すように、ここで例示する検査対象ワーク４は様々な特徴４５０（例えば、模様、形状）を持った部位が外観中に存在する。そのため、外観中でその特徴４５０で示される特徴量の急峻な変化があるワークである。
【００４３】
そして、画像検査装置１は、ワーク４の良否判定を、マハラノビス・タグチ法を用いて判定する。ここで、図３、図４に、電子計算機５で行われる基本的なデータ処理のフローチャートを示す。図３は、最も正常な状態にある複数の製品画像、つまり出現頻度が最も高くなる良品画像群のマハラノビス距離を算出する、つまり基準空間を作成するためのフローチャートである。まず、良品の原画像を入力して、必要に応じて、入力した画像に対してフィルタリングやエッジ強調などの画像処理を施す（Ｓ１１）。そして、入力画像を分割して後（Ｓ１２）、各分割画像から特徴量を抽出し（Ｓ１３）、複数の画像間で同じ位置にある分割画像ごとにマハラノビス距離を算出する（Ｓ１４）。
【００４４】
一方図４は、被検査画像のマハラノビス距離を算出し、良否判定を行うためのフローチャートである。まず、検査品の被検査画像を入力して、必要に応じて、入力した画像に対してフィルタリングやエッジ強調などの画像処理を施し、欠陥を検出しやすくする（Ｓ２１）。そして、被検査画像を分割して（Ｓ２２）、各分割画像から特徴量を抽出（Ｓ２３）、マハラノビス距離を算出する（Ｓ２４）。算出されたマハラノビス距離を良否判定の基準値と比較し（Ｓ２５）、算出されたマハラノビス距離が基準値よりも小さければ良品と判定し、結果を表示装置６に表示をする（Ｓ２６）。その後、図４のフローチャートの処理を終了する。一方、算出されたマハラノビス距離が基準値よりも大きければ不良品と判定し（Ｓ２７）、欠陥が存在する位置を特定して、その情報を電子計算機５の記憶装置（不図示）に格納すると共に、結果を表示装置６に表示する（Ｓ２８）。その後、図４のフローチャートの処理を終了する。
【００４５】
このように、本発明は分割画像ごとで良否判定をするものである。そして、本発明は、マハラノビス距離の算出方法に特徴がある。以下、本発明のマハラノビス距離の算出方法について、その詳細を説明する。
【００４６】
最初に、図５に示すフローチャート及び図６を参照して、基準空間の作成方法を説明する。先ず、最も正常な状態にある複数のワーク４の製品画像をカメラ２で撮像し、その画像データを電子計算機５の記憶装置（不図示）に格納する（Ｓ３１）。ここで、最も正常な状態にある製品画像とは、画像検査の場合は、最も出現頻度が高くなる良品群の画像とする。出現頻度が高ければ、ワーク４は、正常、良品である確率が高いといえるからである。また、入力する良品画像の数をして、ｎ個の良品画像を入力している。なお、ステップＳ３１が本発明の「良品画像取得ステップ」に相当する。
【００４７】
そして、Ｓ３１で入力した個々の良品画像に対してフィルタリング、エッジ強調などの画像処理を施す（Ｓ３２）。ここでは、エッジ強調処理を施している。本来、この画像処理は被検査画像に欠陥がある場合、その欠陥を検出しやすくするためのものであるが、良品、不良品に関わらず、同じ条件下で検査を行う必要があるため、欠陥がないと判っている良品画像に対しても画像処理を施している。なお、ステップＳ３２が本発明の「良品画像処理ステップ」に相当する。
【００４８】
次いで、図６に示すように、画像処理を施した個々の良品画像４１を、任意の方向に、任意のサイズで分割する（Ｓ３３）。分割方向は欠陥の発生方向、分割サイズは検出対象となる欠陥のサイズを加味して決めれば良いが、ここでは、２１０×１３２０ピクセルの原画像４１を、１０×１３２０ピクセルの良品分割画像４１１（１）〜４１１（Ｎ）に分割する。すなわち、良品画像４１を、その縦幅をＮ分割する。なお、ステップＳ３３が本発明の「良品画像分割ステップ」に相当する。
【００４９】
次いで、個々の良品分割画像４１１（１）〜４１１（Ｎ）に演算処理を施し、予め規定した項目に基づいて特徴量を抽出する（Ｓ３４）。この項目はワーク４の状態を表している必要があるが、ここでは、各良品分割画像４１１（１）〜４１１（Ｎ）の輝度波形に対して任意の横線を引いた時に、横線と輝度波形の交点数である微分値、横線よりも上に来る輝度波形の区間総和である積分値、輝度最大値と輝度最小値の差分など、輝度情報をもととした特徴量を使用している。
【００５０】
ここで、横線と輝度波形との交点数である微分値は、画像の特徴量の変動の回数の指標とすることができる。すなわち、微分値が大きいほど、画像中に、特徴量が変動する部位が多く含まれているといえる。よって、この微分値を特徴量として用いることにより、特徴量が変動する部位が多く含まれている画像でも、その特徴量が精度よく反映された基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができると考えられる。
【００５１】
また、横線よりも上の輝度波形の区間である積分値は、画像において一定以上の特徴量を有している部位が占める割合の指標とすることができる。すなわち、積分値が大きいほど、画像中に、一定以上の特徴量を有している部位が多く含まれているといえる。よって、この積分値を特徴量として用いることにより、一定以上の特徴量を有している部位が多く含まれている画像でも、その特徴量が精度よく反映された基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができると考えられる。
【００５２】
また、輝度最大値と輝度最小値の差分は、画像中の特徴量の変動の大きさの指標とすることができる。すなわち、輝度最大値と輝度最小値の差分が大きいほど、画像中に特徴量が大きく変動する部位が含まれているといえる。よって、この差分を特徴量として用いることにより、特徴量が大きく変動する部位が含まれている画像でも、その特徴量が精度よく反映された基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができると考えられる。
【００５３】
また、Ｓ３４において、上記横線の位置を可変として、特徴量を抽出している。これにより、複雑に特徴量が変動する画像でも、その特徴量が精度よく抽出することができる。
【００５４】
そして、Ｓ３４において各良品分割画像４１１（１）〜４１１（Ｎ）より特徴量Ｘｇｉｊを抽出した結果、表１に示す通りになった。
【００５５】
【表１】
【００５６】
なお、表１には、ｎ個の良品画像４１ごとの、各良品分割画像４１１（１）〜４１１（Ｎ）の特徴量Ｘｇｉｊを示している。また、抽出した特徴量Ｘｇｉｊの項目はｋ種類（輝度波形の微分値、輝度波形の積分値、輝度最大値と輝度最小値の差分等）であり、表１には各項目ごとの特徴量Ｘｇｉｊを示している。例えば、良品画像４１の画像Ｎｏが「ｂ」で、分割画像のＮｏが「１」、項目Ｎｏが「２」の特徴量は、表１に示すように、「Ｘｂ１２」である。つまり、表１において、特徴量Ｘｇｉｊに付された下付文字のうち、一番左の文字ｇは良品画像４１の画像Ｎｏを示し、真ん中の文字ｉは良品分割画像４１１のＮｏを示し、一番右の文字ｊは項目Ｎｏを示している。なお、以下、文字ｇを良品画像４１の画像Ｎｏ、文字ｉを良品分割画像４１１のＮｏ、文字ｊを項目Ｎｏとして使用する。なお、ステップＳ３４が本発明の「第一の抽出ステップ」に相当する。
【００５７】
次いで、各良品分割画像４１１（１）〜４１１（Ｎ）のマハラノビス距離を算出して、基本空間を作成する（Ｓ３５）。具体的には、良品画像４１ごとの項目ｊごとに特徴量Ｘｇｉｊの平均値ｘｇｊと標準偏差σｇｊを算出する。例えば、画像Ｎｏがｇ＝「ｂ」の良品画像４１で、項目Ｎｏがｊ＝「１」の特徴量Ｘｂｉ１の平均値ｘｇｊ、標準偏差σｇｊは、表１の画像Ｎｏ「ｂ」、項目Ｎｏ「１」の特徴量Ｘｂ１１〜Ｘｂｎ１を用いて算出する。
【００５８】
そして、算出した平均値ｘｇｊと標準偏差σｇｊを下記の式（１）に代入して、特徴量Ｘｇｉｊを規準化する（Ｓ３５）。
【００５９】
【数１】
【００６０】
その規準化した特徴量ｘｇｉｊ（良品規準特徴量）は、表２に示す通りになった。なお、表２では、複数の良品画像４１間で同じ位置にある分割画像４１１（１）〜４１１（Ｎ）ごとに規準化した特徴量ｘｇｉｊを並べている。
【００６１】
【表２】
【００６２】
例えば、各良品画像４１の分割画像Ｎｏが「１」で、項目「１」の特徴量ｘｇｉｊは、表２に示すように、ｘａ１１、ｘｂ１１、・・・、ｘｎ１１となる。
【００６３】
そして、図７に示すように複数の良品画像４１間で同じ位置にある良品分割画像４１１（１）〜４１１（Ｎ）ごとに、下記の式（２）により、項目ｐと項目ｑの相関係数ｒｐｑを算出する（Ｓ３５）。そして、その相関係数ｒｐｑを下記式（３）のように、行列化して相関係数行列Ｒを算出する（Ｓ３５）。
【００６４】
【数２】
【００６５】
【数３】
【００６６】
例えば、良品分割画像４１１（１）における項目１（ｐ＝１）と項目２（ｑ＝２）の相関係数ｒ１２は、上記式（２）より、下記式（４）により算出することになる。つまり、この場合、表２の分割画像Ｎｏ「１」で、項目Ｎｏ「１」、「２」の特徴量ｘｇｉｊを用いて相関係数ｒ１２を算出することになる。
【００６７】
【数４】
【００６８】
このように、良品分割画像４１１（１）〜４１１（Ｎ）ごとで相関係数ｒｐｑを算出して、良品分割画像４１１（１）〜４１１（Ｎ）ごとで式（３）に示す相関係数行列Ｒを算出する。
【００６９】
そして、下記の式（５）により、ｉ番目の良品分割画像４１１（ｉ）の、ｇ番目の良品画像４１のマハラノビス距離ＭＤｉｇを算出する。なお、式（５）において、Ａは、良品分割画像４１１（ｉ）の相関係数行列Ｒの逆行列である。
【００７０】
【数５】
【００７１】
そして、式５により、全ての良品画像４１の全ての良品分割画像４１１に対してマハラノビス距離ＭＤｉｇを算出する（Ｓ３５）。全ての良品分割画像４１１に対してマハラノビス距離ＭＤｉｇを算出した結果、ここでは表３に示す通りになった。なお、表３には、各良品分割画像４１１におけるマハラノビス距離ＭＤｉｇの最大値も示しており、例えば、良品分割画像４１１（１）のマハラノビス距離ＭＤｉｇの最大値は「１．１」となっている。
【００７２】
【表３】
【００７３】
なお、ステップＳ３５が本発明の「第一の規準化ステップ」、「第一の行列算出ステップ」及び「第一の距離算出ステップ」に相当する。また、ステップＳ３４及びＳ３５が本発明の「基準空間作成ステップ」に相当する。また、ステップＳ３１〜Ｓ３５が本発明の「基準空間取得ステップ」に相当し、ステップＳ３１〜Ｓ３５を実行する電子計算機５が本発明の「基準空間取得手段」に相当する。
【００７４】
次いで、Ｓ３５で算出したマハラノビス距離ＭＤｉｇに基づいて、被検査画像の良否判定の基準となるマハラノビス距離基準値（良品判定基準値）を良品分割画像４１１ごとで設定する（Ｓ３６）。具体的には、各良品分割画像４１１におけるマハラノビス距離ＭＤｉｇの最大値を基準に、表４に示すようにマハラノビス距離基準値を設定した。なお、表４では、マハラノビス距離基準値＝マハラノビス距離ＭＤｉｇの最大値＋０．３となっている。その後、このマハラノビス距離基準値を電子計算機５の記憶装置（不図示）に格納し、図５のフローチャートの処理を終了する。なお、ステップＳ３６が本発明の「基準値設定ステップ」に相当する。
【００７５】
【表４】
【００７６】
次に、被検査画像のマハラノビス距離を算出して良否判定をする方法を説明する。ここで、図８は、被検査画像の良否判定をするときの電子計算機５が実行する処理を示したフローチャートである。この、被検査画像のマハラノビス距離を算出する方法は、入力画像は一つである点と、規準化に用いる項目ごとの平均値、標準偏差と、マハラノビス距離の算出に用いる相関係数行列Ｒの逆行列Ａは基準空間作成時の値を使用する点を除いては、基準空間の作成方法と同様である。この点を踏まえて、以下、図８のフローチャートを参照して、被検査画像の良否判定の方法を説明する。
【００７７】
先ず、検査対象のワーク４の製品画像を被検査画像としてカメラ２で撮像し、その画像データを電子計算機５の記憶装置（不図示）に格納する（Ｓ４１）。なお、ステップＳ４１が本発明の「被検査画像取得ステップ」に相当し、ステップＳ４１を実行する電子計算機５が本発明の「被検査画像取得手段」に相当する。
【００７８】
そして、Ｓ４１で入力した被検査画像に対してフィルタリング、エッジ強調などの画像処理を施す（Ｓ４２）。なお、ステップＳ４２が本発明の「被検査画像処理ステップ」に相当する。
【００７９】
次いで、画像処理を施した被検査画像を、良品画像４１と同じ方向に、同じサイズで分割する（Ｓ４３）。すなわち、２１０×１３２０ピクセルの被検査画像を、１０×１３２０ピクセルの被検査分割画像に分割する。なお、ステップＳ４３が本発明の「被検査画像分割ステップ」に相当し、ステップＳ４３を実行する電子計算機５が本発明の「被検査画像分割手段」に相当する。
【００８０】
次いで、個々の被検査分割画像に演算処理を施し、基準空間を作成したときと同じ項目に基づいて特徴量Ｙｉｊを抽出する（Ｓ４４）。つまり、被検査分割画像の輝度波形に対して任意の横線を引いた時に、横線と輝度波形の交点数である微分値、横線よりも上に来る輝度波形の区間総和である積分値、輝度最大値と輝度最小値の差分など、輝度情報をもととした特徴量Ｙｉｊを抽出する。なお、ステップＳ４４が本発明の「第二の抽出ステップ」に相当する。
【００８１】
次いで、基準空間を作成したときと同じ方法（Ｓ３５）で、各被検査分割画像のマハラノビス距離を算出して、信号空間を作成する（Ｓ４５）。具体的には、下記の式（６）により、被検査分割画像ごとの項目ｊごとの特徴量Ｙｉｊを規準化（被検査規準特徴量）する（Ｓ４５）。この際、基準空間を作成したときの平均値ｘｊと標準偏差σｊを使用する。
【００８２】
【数６】
【００８３】
そして、下記の式（７）により、ｉ番目の被検査分割画像のマハラノビス距離ＭＤ‘ｉを算出する。この際、相関係数行列Ｒの逆行列Ａは、基準空間を作成したときのものを使用する。
【００８４】
【数７】
【００８５】
なお、ステップＳ４５が本発明の「第二の規準化ステップ」及び「第二の距離算出ステップ」に相当する。また、ステップＳ４４及びＳ４５が本発明の「信号空間作成ステップ」に相当し、ステップＳ４４及びＳ４５を実行する電子計算機５が本発明の「信号空間作成手段」に相当する。
【００８６】
次いで、算出されたマハラノビス距離ＭＤ‘ｉごとに、表４の対応する良否判定の基準値と比較する（Ｓ４６）。そして、全てのマハラノビス距離ＭＤ‘ｉが基準値よりも小さければ良品と判定し、結果を表示装置６に表示をする（Ｓ４７）。その後、図８のフローチャートの処理を終了する。一方、算出されたマハラノビス距離ＭＤ‘ｉが一つでも基準値よりも大きければ不良品と判定し（Ｓ４８）、欠陥が存在する位置を特定して、その情報を電子計算機５の記憶装置（不図示）に格納すると共に、結果を表示装置６に表示する（Ｓ４９）。なお、欠陥が存在する位置を特定する情報として、例えば、基準値よりも大きいと判定されたマハラノビス距離ＭＤ‘ｉに対応する被検査分割画像のＮｏを用いる。その後、図８のフローチャートの処理を終了する。なお、ステップＳ４６〜４８が本発明の「良否判定ステップ」に相当し、ステップＳ４６〜４８を実行する電子計算機５が本発明の「良否判定手段」に相当する。また、ステップＳ４９が本発明の「欠陥位置記録ステップ」に相当する。
【００８７】
ここで、良否を検査する被検査画像が、図９に示す、被検査画像４２と被検査画像４３の場合の良否判定結果について説明する。図９（ａ）に示す被検査画像４２には、欠陥７０が存在しており、不良品である。そして、その欠陥７０は、図９（ａ）に示すように、被検査画像４２の被検査分割画像４２１（１）〜（Ｎ）に含まれることとなり、特に、被検査分割画像４２１（１０）に多く含まれるとする。一方、図９（ｂ）に示す被検査画像４３には欠陥がなく良品である。そのため、被検査画像４３の被検査分割画像４３１（１）〜（Ｎ）には当然に欠陥は含まれていない。
【００８８】
この被検査画像４２、４３に対して、被検査分割画像４２１、４３１ごとにマハラノビス距離を算出したところ、表５に示す通りとなった。
【００８９】
【表５】
【００９０】
表５に示すように、被検査画像４２では、分割画像Ｎｏ．１０内の位置に欠陥７０があるため、分割画像Ｎｏ．１０のマハラノビス距離が、表４に示す分割画像Ｎｏ．１０の基準値１．９よりも大きくなっている。よって、被検査画像４２は不良品であると判定された。一方、被検査画像４３は、全ての被検査分割画像４３１のマハラノビス距離が、表４に示す基準値以下であるため、良品であると判定された。
【００９１】
以上説明したように、本発明では、被検査画像を複数の被検査分割画像に分割しているので、被検査画像に欠陥があった場合に、被検査分割画像における欠陥が占める割合は、被検査画像全体における欠陥が占める割合よりも大きくなる。そして、被検査分割画像ごとに良否判定をしているので、外観中で特徴量の急峻な変化がある製品の欠陥を検査する場合であっても、その欠陥を検出しやすくできる。よって、精度良く検査できる。
【００９２】
また、被検査分割画像ごとのマハラノビス距離からなる信号空間を、基準空間を作成したときの平均値ｘｊ、標準偏差σｊ、逆行列Ａを用いて作成しているので、その信号空間のマハラノビス距離ＭＤ‘ｉは、被検査分割画像と良品分割画像の特徴量の差分が反映されたものであるといえる。したがって、欠陥があるにも関わらず、マハラノビス距離が小さいために欠陥の判定がされないということが軽減される。よって、マハラノビス距離による判定の他に第２の判定を追加する必要がないので、簡易に検査することができる。
【００９３】
また、本発明では、被検査画像が不良品と判定した場合に、その欠陥の位置を記録しているので、記録された欠陥位置を参照することによって、検査結果を前工程にフィードバックすることができる。
【００９４】
なお、本発明の画像検査装置、画像検査方法は上記実施形態に限定されず、特許請求の範囲の記載を逸脱しない範囲で種々変形することができる。例えば、マハラノビス・タグチ法では項目選択と呼ばれる方法があり、本発明にこの方法を適用して、検査精度に寄与する項目を選択するようにしてもよい。これにより、より一層、検査精度を向上できる。
【００９５】
なお、この項目選択は、品質工学の考え方であるＳＮ比（機能がばらつかない程度）に基づいて、検査精度に寄与する項目を選択するものである。項目選択の基本的な進め方は以下の通りである。
【００９６】
１）予め規定した複数の項目を、水準１：項目を使用する、水準２：項目を使用しないとして直交表に割付ける。
２）直交表の各条件に基づいて、被検査画像から特徴量を抽出する。
３）抽出した特徴量から、直交表の各条件のマハラノビス距離を算出する。
４）算出したマハラノビス距離から、各項目のＳＮ比を算出する。
５）水準２のＳＮ比よりも、水準１のＳＮ比の方が大きくなる項目を、検査精度に寄与する項目として選択する。必要に応じて（検査仕様に合わせて）選択した項目の中から、さらに項目を選択する。
【符号の説明】
【００９７】
１ 画像検査装置
２ カメラ
３ 照明
４ ワーク
５ 電子計算機
６ 表示装置
４１ 良品画像
４１１ 良品分割画像
４２、４３ 被検査画像
４２１、４３１ 被検査分割画像
７０ 欠陥
Ｓ３１ 良品画像取得ステップ
Ｓ３２ 良品画像処理ステップ
Ｓ３３ 良品画像分割ステップ
Ｓ３４ 第一の抽出ステップ
Ｓ３５ 第一の規準化ステップ、第一の行列算出ステップ、第一の距離算出ステップ
Ｓ３４、Ｓ３５ 基準空間作成ステップ
Ｓ３１〜Ｓ３５ 基準空間取得ステップ、基準空間取得手段
Ｓ３６ 基準値設定ステップ
Ｓ４１ 被検査画像取得ステップ、被検査画像取得手段
Ｓ４２ 被検査画像処理ステップ
Ｓ４３ 被検査画像分割ステップ、被検査画像分割手段
Ｓ４４ 第二の抽出ステップ
Ｓ４５ 第二の規準化ステップ、第二の距離算出ステップ
Ｓ４４、Ｓ４５ 信号空間作成ステップ、信号空間作成手段
Ｓ４６〜Ｓ４８ 良否判定ステップ、良否判定手段
Ｓ４９ 欠陥位置記録ステップ
【技術分野】
【０００１】
本発明は、例えば検査対象とされる製品の欠陥の有無を判定するために、その製品の外観を示した被検査画像の良否の判定を行う画像検査方法及び画像検査装置に関する。
【背景技術】
【０００２】
従来、検査対象とされる製品の欠陥の有無を、その製品の外観を撮影して、その撮影画像である被検査画像から判定する方法が知られている。その方法の一つとして、マハラノビス・タグチ法を用いて被検査画像の良否を検査する方法がある。このマハラノビス・タグチ法による画像検査の基本的な進め方は以下の通りである。
【０００３】
１）最も正常な状態にある複数の製品画像から、その状態を表す複数の項目に従い特徴量を抽出する。このように、正常品や良品のデータ群を基準空間と呼び、マハラノビス・タグチ法で判定、診断、予測を行う際の基準となる。
２）各項目ごとに算出した特徴量の平均値と標準偏差を用いて各特徴量を規準化する。
３）規準化した特徴量間の全ての相関を算出して、相関行列を作成する。
４）規準化した特徴量と、相関行列の逆行列を用いて、最も正常な状態にある製品の集団である基準空間のマハラノビス距離を算出する。なお、この基準空間のマハラノビス距離の平均値は約１となる。
５）状態が不明である製品画像（被検査画像）に対して、上記と同様の手順を用いて、マハラノビス距離を算出する。
６）予め設定したハマラノビス距離の閾値（良否判定基準値）に基づき、状態が不明な製品の状態を判定する。マハラノビス・タグチ法では、異常の程度が大きくなるほどマハラノビス距離が大きくなるので、基準値よりマハラノビス距離が大きくなる場合、その製品は異常な状態（不良）にあると判定をする。このように、基準空間に属さないもののデータを信号空間と呼び、そのマハラノビス距離の大小で、そのものの状態を判定、診断、予測する。
【０００４】
このように、マハラノビス・タグチ法は多変量解析の手法を用いて製品の状態を判定するので、作業員が目視で製品の状態を判定する目視検査と同様に、様々な情報（特徴量）を基にした総合的な判定を行うことができる。そして、その良否を精度よく検査するために、各種方法が提案されている（例えば、特許文献１、２参照）。
【０００５】
例えば特許文献１には、被検査画像全体の良否を精度良く検査するために、マハラノビス距離の算出に使用する画像特徴量として、輝度、濃度等の一次パラメータや、一次パラメータの平均値や標準偏差等の二次パラメータではなく、被検査画像全体の輝度分布などの特徴量分布を用いている。これは、被検査画像全体の情報を含んだ特徴量に基づいてマハラノビス距離を算出することにより、被検査画像の一部の特徴量で検査するときよりも、被検査画像全体の良否を精度良く検査できることを狙ったものである。
【０００６】
また、特許文献２には、被検査画像を小領域に分割し、各小領域から特徴量を抽出し、抽出した特徴量と所定の特徴量基準値との統計的距離尺度（マハラノビス距離等）を用いて被検査画像の良否を検査する方法であって、分割する小領域の大きさを複数レベル設ける方法が記載されている。これによって、局所的な欠陥だけでなく大域的な欠陥も精度よく検出できることを狙ったものである。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００５−２５２４５１号公報
【特許文献２】特開２００７−１３２７５７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、特許文献１に記載の方法は、輝度分布を基にマハラノビス距離を算出するため、この方法を製品の外観検査、特に外観の変動が大きい製品中の欠陥や、外観中で特徴量の急峻な変化がある製品中の欠陥の外観検査に使用した場合、欠陥が持つ特徴量がノイズに隠れてしまい、精度良く検査できないという問題点があった。また、欠陥の位置を特定できないため、検査結果を前工程にフィードバックするなど、検査結果を二次的に有効活用できないという問題点があった。
【０００９】
また、特許文献２に記載の方法は、欠陥があるにも関わらず、マハラノビス距離が小さいために欠陥の判定がされない場合があり、そのために、マハラノビス距離による判定の他に第２の判定を追加している。そのために、検査方法が複雑化するという問題点があった。
【００１０】
本発明は上記問題点に鑑みてなされたものであり、第２の判定を追加することなく簡易に検査することができ、被検査画像中に特徴量の急峻な変化がある場合でも精度よく検査できる画像検査方法及び画像検査装置を提供することを第一の課題とする。
【００１１】
また、検査結果を前工程にフィードバックすることができる画像検査方法及び画像検査装置を提供することを第二の課題とする。
【課題を解決するための手段】
【００１２】
上記課題を解決するために、本発明は、画像の良否の判定を行う画像検査方法であって、
良品画像を複数の画像（以下、「良品分割画像」という）に分割したときの、それら良品分割画像ごとのマハラノビス距離からなる基準空間を取得する基準空間取得ステップと、
被検査画像を取得する被検査画像取得ステップと、
前記被検査画像を複数の画像（以下、「被検査分割画像」という）に分割する被検査画像分割ステップと、
前記被検査分割画像の特徴量と前記良品分割画像の特徴量とに基づいて、前記被検査分割画像ごとのマハラノビス距離からなる信号空間を作成する信号空間作成ステップと、
前記被検査分割画像ごとに、対応する前記信号空間のマハラノビス距離を、同一位置にある前記良品分割画像における前記基準空間のマハラノビス距離に基づいて定まる良否判定基準値と比較することによって、前記被検査画像の良否判定を行う良否判定ステップと、を含むことを特徴とする。
【００１３】
これによれば、被検査画像を被検査分割画像に分割しているので、被検査画像に欠陥があった場合に、被検査分割画像における欠陥が占める割合は、被検査画像全体における欠陥が占める割合よりも大きくなる。そして、被検査分割画像ごとに良否判定をしているので、外観中で特徴量の急峻な変化がある製品の欠陥を検査する場合であっても、その欠陥を検出しやすくできる。よって、精度良く検査できる。
【００１４】
また、被検査分割画像ごとのマハラノビス距離からなる信号空間を、被検査画像の特徴量と良品分割画像の特徴量とに基づいて作成しているので、その信号空間のマハラノビス距離は、被検査分割画像と良品分割画像の特徴量の差分が反映されたものであるといえる。したがって、欠陥があるにも関わらず、マハラノビス距離が小さいために欠陥の判定がされないということが軽減される。よって、マハラノビス距離による判定の他に第２の判定を追加する必要がないので、簡易に検査することができる。
【００１５】
また、本発明の画像検査方法は、前記良否判定ステップで不良と判定された前記被検査分割画像の前記被検査画像上での位置を記録する欠陥位置記録ステップを含む。
【００１６】
これによって、記録された欠陥位置を参照することによって、検査結果を前工程にフィードバックすることができる。
【００１７】
また、本発明の画像検査方法において、前記基準空間取得ステップは、
前記良品画像を取得する良品画像取得ステップと、
前記良品画像を前記良品分割画像に分割する良品画像分割ステップと、
前記良品分割画像ごとのマハラノビス距離を算出して前記基準空間を作成する基準空間作成ステップと、を含む。
【００１８】
これによって、信号空間と対応した基準空間を取得することができる。
【００１９】
また、本発明の画像検査方法において、前記良品画像取得ステップは、複数の良品画像を取得し、
前記基準空間作成ステップは、
前記良品分割画像ごとに、所定の複数の特徴量を抽出する第一の抽出ステップと、
それら特徴量を規準化して良品規準特徴量を算出する第一の規準化ステップと、
前記複数の良品画像間で同じ位置にある前記良品分割画像ごとに、前記複数の良品規準特徴量間の相関係数からなる良品相関係数行列を算出する第一の行列算出ステップと、
前記良品分割画像ごとに、前記良品規準特徴量と前記良品相関係数行列とに基づいて、前記基準空間のマハラノビス距離を算出する第一の距離算出ステップと、を含む。
【００２０】
これにより、基準空間を作成できるとともに、その際、複数の良品画像を用いて基準空間を作成しているので、基準空間の信頼性を高くできる。
【００２１】
また、本発明の画像検査方法において、前記複数の良品画像間で同じ位置にある前記良品分割画像の前記マハラノビス距離のうちの最大値に基づいて、前記良品分割画像ごとの前記良否判定基準値を設定する基準値設定ステップを含む。
【００２２】
このように、複数の良品画像間で同じ位置にある良品分割画像のマハラノビス距離のうちの最大値に基づいて、良否判定基準値を設定しているので、より一層、良否判定の精度を向上できる。
【００２３】
また、本発明の画像検査方法において、前記信号空間作成ステップは、
前記被検査分割画像ごとに、前記第一の抽出ステップで抽出する特徴量と同じ特徴量を抽出する第二の抽出ステップと、
前記良品分割画像の特徴量を基準として、前記第二の抽出ステップで抽出した特徴量を規準化して被検査規準特徴量を算出する第二の規準化ステップと、
前記被検査規準特徴量と前記良品相関係数行列とに基づいて、前記信号空間のマハラノビス距離を算出する第二の距離算出ステップと、を含む。
【００２４】
このように、良品分割画像の特徴量を基準として、被検査規準特徴量を算出し、被検査規準特徴量と良品相関係数行列とに基づいて、信号空間のマハラノビス距離を算出しているので、被検査分割画像と良品分割画像の特徴量の差分が反映された信号空間を作成することができる。
【００２５】
また、本発明の画像検査方法において、前記第一、第二の抽出ステップは、前記特徴量を取得する各画像の輝度波形に対して、特定の横線を引いたときに、その横線と輝度波形との交点数である微分値、その横線よりも上の前記輝度波形の区間である積分値、輝度最大値と輝度最小値の差分の少なくとも一つを前記特徴量として抽出するステップである。
【００２６】
これによれば、横線と輝度波形との交点数である微分値は、画像の特徴量の変動の回数の指標とすることができる。すなわち、微分値が大きいほど、画像中に、特徴量が変動する部位が多く含まれているといえる。よって、この微分値を特徴量として用いることにより、特徴量が変動する部位が多く含まれている画像でも、その特徴量が精度よく反映された基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができる。
【００２７】
また、横線よりも上の輝度波形の区間である積分値は、画像において一定以上の特徴量を有している部位が占める割合の指標とすることができる。すなわち、積分値が大きいほど、画像中に、一定以上の特徴量を有している部位が多く含まれているといえる。よって、この積分値を特徴量として用いることにより、一定以上の特徴量を有している部位が多く含まれている画像でも、その特徴量が精度よく反映された基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができる。
【００２８】
また、輝度最大値と輝度最小値の差分は、画像中の特徴量の変動の大きさの指標とすることができる。すなわち、輝度最大値と輝度最小値の差分が大きいほど、画像中に特徴量が大きく変動する部位が含まれているといえる。よって、この差分を特徴量として用いることにより、特徴量が大きく変動する部位が含まれている画像でも、その特徴量が精度よく反映された基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができる。
【００２９】
また、その横線の位置を可変としてもよい。これにより、複雑に特徴量が変動する画像でも、その特徴量が精度よく反映された基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができる。
【００３０】
また、本発明の画像検査方法において、前記被検査画像の欠陥を検出しやすくするために、前記被検査画像に所定の画像処理を施す被検査画像処理ステップと、
前記良品画像に前記画像処理と同じ画像処理を施す良品画像処理ステップと、を含む。
【００３１】
これによれば、被検査画像に所定の画像処理を施しているので、被検査画像に欠陥があった場合に、その欠陥の持つ特徴量をより良く抽出することができる。そして、良品画像にも同じ画像処理を施しており、同じ条件下で基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができる。
【００３２】
また、本発明の画像検査方法において、前記良品画像取得ステップは、出現頻度が最も高い画像群に含まれる画像を前記良品画像として取得するステップである。
【００３３】
これによれば、出現頻度が最も高い画像群を良品画像としているので、良品画像としての信頼性が高いといえる。
【００３４】
また、本発明の画像検査方法において、前記被検査画像は、外観検査される製品の外観を示した画像であり、
その製品の外観は、想定される欠陥が持つ特徴量が隠れる程度に、大きく特徴量が変動する外観である。
【００３５】
このように、大きく特徴量が変動する外観の製品検査に本発明を適用すると好適である。
【００３６】
本発明は、画像の良否の判定を行う画像検査装置であって、
良品画像を複数の画像（以下、「良品分割画像」という）に分割したときの、それら良品分割画像ごとのマハラノビス距離からなる基準空間を取得する基準空間取得手段と、
被検査画像を取得する被検査画像取得手段と、
前記被検査画像を複数の画像（以下、「被検査分割画像」という）に分割する被検査画像分割手段と、
前記被検査分割画像の特徴量と前記良品分割画像の特徴量とに基づいて、前記被検査分割画像ごとのマハラノビス距離からなる信号空間を作成する信号空間作成手段と、
前記被検査分割画像ごとに、対応する前記信号空間のマハラノビス距離を、同一位置にある前記良品分割画像における前記基準空間のマハラノビス距離に基づいて定まる良否判定基準値と比較することによって、前記被検査画像の良否判定を行う良否判定手段と、を備えることを特徴とする。
【００３７】
これによれば、本発明の画像検査方法と同じ効果が得られる。
【図面の簡単な説明】
【００３８】
【図１】画像検査装置１の外観図である。
【図２】ワーク４の表面を示した図である。
【図３】基準空間を作成するための基本的なフローチャートである。
【図４】被検査画像のマハラノビス距離を算出し、良否判定を行うための基本的なフローチャートである。
【図５】基準空間を作成するための詳細なフローチャートである。
【図６】良品画像４１の分割方法を説明するための図である。
【図７】複数の良品画像４１間で同じ位置にある良品分割画像４１１を示した図である。
【図８】被検査画像のマハラノビス距離を算出し、良否判定を行うための詳細なフローチャートである。
【図９】被検査画像の例示として、不良品である被検査画像４２と良品である被検査画像４３を示した図である。
【発明を実施するための形態】
【００３９】
以下、図面を参照しつつ、この発明の実施の最良形態につき説明する。図１に、本発明の画像検査装置１の外観図を示す。その画像検査装置１は、図１に示すワーク４の欠陥の有無を判定して、ワーク４の良否判定をする装置である。その画像検査装置１は、図１に示すように、カメラ２、照明３、電子計算機５及び表示装置６を備えている。
【００４０】
カメラ２はワーク４の外観を撮像するものであり、ＣＣＤカメラ、ＣＭＯＳカメラ、アナログカメラなどを使用することができる。この例では、カメラ２として、ＣＣＤカメラを使用している。
【００４１】
照明３は、カメラ２によりワーク４の外観を撮像する際に、ワーク４の撮像箇所の明るさを調整するものであり、ファイーバー照明、ＬＥＤ照明、リング照明、同軸落射照明などを使用することができる。この例では、照明３として、ＬＥＤリング照明を使用している。カメラ２で撮像された画像データは、電子計算機５に送られ、電子計算機５でデータ処理を施した後に良否判定が行われ、その結果が表示装置６に表示される。
【００４２】
一方、ワーク４は検査対象となる製品である。この例では、ワーク４は切削加工した金属部品であり、ワーク４表面にある、傷、バリ、異物などの欠陥の有無を検査するものである。図２は、ワーク４の表面を示した図である。図２に示すように、ここで例示する検査対象ワーク４は様々な特徴４５０（例えば、模様、形状）を持った部位が外観中に存在する。そのため、外観中でその特徴４５０で示される特徴量の急峻な変化があるワークである。
【００４３】
そして、画像検査装置１は、ワーク４の良否判定を、マハラノビス・タグチ法を用いて判定する。ここで、図３、図４に、電子計算機５で行われる基本的なデータ処理のフローチャートを示す。図３は、最も正常な状態にある複数の製品画像、つまり出現頻度が最も高くなる良品画像群のマハラノビス距離を算出する、つまり基準空間を作成するためのフローチャートである。まず、良品の原画像を入力して、必要に応じて、入力した画像に対してフィルタリングやエッジ強調などの画像処理を施す（Ｓ１１）。そして、入力画像を分割して後（Ｓ１２）、各分割画像から特徴量を抽出し（Ｓ１３）、複数の画像間で同じ位置にある分割画像ごとにマハラノビス距離を算出する（Ｓ１４）。
【００４４】
一方図４は、被検査画像のマハラノビス距離を算出し、良否判定を行うためのフローチャートである。まず、検査品の被検査画像を入力して、必要に応じて、入力した画像に対してフィルタリングやエッジ強調などの画像処理を施し、欠陥を検出しやすくする（Ｓ２１）。そして、被検査画像を分割して（Ｓ２２）、各分割画像から特徴量を抽出（Ｓ２３）、マハラノビス距離を算出する（Ｓ２４）。算出されたマハラノビス距離を良否判定の基準値と比較し（Ｓ２５）、算出されたマハラノビス距離が基準値よりも小さければ良品と判定し、結果を表示装置６に表示をする（Ｓ２６）。その後、図４のフローチャートの処理を終了する。一方、算出されたマハラノビス距離が基準値よりも大きければ不良品と判定し（Ｓ２７）、欠陥が存在する位置を特定して、その情報を電子計算機５の記憶装置（不図示）に格納すると共に、結果を表示装置６に表示する（Ｓ２８）。その後、図４のフローチャートの処理を終了する。
【００４５】
このように、本発明は分割画像ごとで良否判定をするものである。そして、本発明は、マハラノビス距離の算出方法に特徴がある。以下、本発明のマハラノビス距離の算出方法について、その詳細を説明する。
【００４６】
最初に、図５に示すフローチャート及び図６を参照して、基準空間の作成方法を説明する。先ず、最も正常な状態にある複数のワーク４の製品画像をカメラ２で撮像し、その画像データを電子計算機５の記憶装置（不図示）に格納する（Ｓ３１）。ここで、最も正常な状態にある製品画像とは、画像検査の場合は、最も出現頻度が高くなる良品群の画像とする。出現頻度が高ければ、ワーク４は、正常、良品である確率が高いといえるからである。また、入力する良品画像の数をして、ｎ個の良品画像を入力している。なお、ステップＳ３１が本発明の「良品画像取得ステップ」に相当する。
【００４７】
そして、Ｓ３１で入力した個々の良品画像に対してフィルタリング、エッジ強調などの画像処理を施す（Ｓ３２）。ここでは、エッジ強調処理を施している。本来、この画像処理は被検査画像に欠陥がある場合、その欠陥を検出しやすくするためのものであるが、良品、不良品に関わらず、同じ条件下で検査を行う必要があるため、欠陥がないと判っている良品画像に対しても画像処理を施している。なお、ステップＳ３２が本発明の「良品画像処理ステップ」に相当する。
【００４８】
次いで、図６に示すように、画像処理を施した個々の良品画像４１を、任意の方向に、任意のサイズで分割する（Ｓ３３）。分割方向は欠陥の発生方向、分割サイズは検出対象となる欠陥のサイズを加味して決めれば良いが、ここでは、２１０×１３２０ピクセルの原画像４１を、１０×１３２０ピクセルの良品分割画像４１１（１）〜４１１（Ｎ）に分割する。すなわち、良品画像４１を、その縦幅をＮ分割する。なお、ステップＳ３３が本発明の「良品画像分割ステップ」に相当する。
【００４９】
次いで、個々の良品分割画像４１１（１）〜４１１（Ｎ）に演算処理を施し、予め規定した項目に基づいて特徴量を抽出する（Ｓ３４）。この項目はワーク４の状態を表している必要があるが、ここでは、各良品分割画像４１１（１）〜４１１（Ｎ）の輝度波形に対して任意の横線を引いた時に、横線と輝度波形の交点数である微分値、横線よりも上に来る輝度波形の区間総和である積分値、輝度最大値と輝度最小値の差分など、輝度情報をもととした特徴量を使用している。
【００５０】
ここで、横線と輝度波形との交点数である微分値は、画像の特徴量の変動の回数の指標とすることができる。すなわち、微分値が大きいほど、画像中に、特徴量が変動する部位が多く含まれているといえる。よって、この微分値を特徴量として用いることにより、特徴量が変動する部位が多く含まれている画像でも、その特徴量が精度よく反映された基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができると考えられる。
【００５１】
また、横線よりも上の輝度波形の区間である積分値は、画像において一定以上の特徴量を有している部位が占める割合の指標とすることができる。すなわち、積分値が大きいほど、画像中に、一定以上の特徴量を有している部位が多く含まれているといえる。よって、この積分値を特徴量として用いることにより、一定以上の特徴量を有している部位が多く含まれている画像でも、その特徴量が精度よく反映された基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができると考えられる。
【００５２】
また、輝度最大値と輝度最小値の差分は、画像中の特徴量の変動の大きさの指標とすることができる。すなわち、輝度最大値と輝度最小値の差分が大きいほど、画像中に特徴量が大きく変動する部位が含まれているといえる。よって、この差分を特徴量として用いることにより、特徴量が大きく変動する部位が含まれている画像でも、その特徴量が精度よく反映された基準空間や信号空間を作成することができるので、被検査画像の良否を精度良く判定することができると考えられる。
【００５３】
また、Ｓ３４において、上記横線の位置を可変として、特徴量を抽出している。これにより、複雑に特徴量が変動する画像でも、その特徴量が精度よく抽出することができる。
【００５４】
そして、Ｓ３４において各良品分割画像４１１（１）〜４１１（Ｎ）より特徴量Ｘｇｉｊを抽出した結果、表１に示す通りになった。
【００５５】
【表１】
【００５６】
なお、表１には、ｎ個の良品画像４１ごとの、各良品分割画像４１１（１）〜４１１（Ｎ）の特徴量Ｘｇｉｊを示している。また、抽出した特徴量Ｘｇｉｊの項目はｋ種類（輝度波形の微分値、輝度波形の積分値、輝度最大値と輝度最小値の差分等）であり、表１には各項目ごとの特徴量Ｘｇｉｊを示している。例えば、良品画像４１の画像Ｎｏが「ｂ」で、分割画像のＮｏが「１」、項目Ｎｏが「２」の特徴量は、表１に示すように、「Ｘｂ１２」である。つまり、表１において、特徴量Ｘｇｉｊに付された下付文字のうち、一番左の文字ｇは良品画像４１の画像Ｎｏを示し、真ん中の文字ｉは良品分割画像４１１のＮｏを示し、一番右の文字ｊは項目Ｎｏを示している。なお、以下、文字ｇを良品画像４１の画像Ｎｏ、文字ｉを良品分割画像４１１のＮｏ、文字ｊを項目Ｎｏとして使用する。なお、ステップＳ３４が本発明の「第一の抽出ステップ」に相当する。
【００５７】
次いで、各良品分割画像４１１（１）〜４１１（Ｎ）のマハラノビス距離を算出して、基本空間を作成する（Ｓ３５）。具体的には、良品画像４１ごとの項目ｊごとに特徴量Ｘｇｉｊの平均値ｘｇｊと標準偏差σｇｊを算出する。例えば、画像Ｎｏがｇ＝「ｂ」の良品画像４１で、項目Ｎｏがｊ＝「１」の特徴量Ｘｂｉ１の平均値ｘｇｊ、標準偏差σｇｊは、表１の画像Ｎｏ「ｂ」、項目Ｎｏ「１」の特徴量Ｘｂ１１〜Ｘｂｎ１を用いて算出する。
【００５８】
そして、算出した平均値ｘｇｊと標準偏差σｇｊを下記の式（１）に代入して、特徴量Ｘｇｉｊを規準化する（Ｓ３５）。
【００５９】
【数１】
【００６０】
その規準化した特徴量ｘｇｉｊ（良品規準特徴量）は、表２に示す通りになった。なお、表２では、複数の良品画像４１間で同じ位置にある分割画像４１１（１）〜４１１（Ｎ）ごとに規準化した特徴量ｘｇｉｊを並べている。
【００６１】
【表２】
【００６２】
例えば、各良品画像４１の分割画像Ｎｏが「１」で、項目「１」の特徴量ｘｇｉｊは、表２に示すように、ｘａ１１、ｘｂ１１、・・・、ｘｎ１１となる。
【００６３】
そして、図７に示すように複数の良品画像４１間で同じ位置にある良品分割画像４１１（１）〜４１１（Ｎ）ごとに、下記の式（２）により、項目ｐと項目ｑの相関係数ｒｐｑを算出する（Ｓ３５）。そして、その相関係数ｒｐｑを下記式（３）のように、行列化して相関係数行列Ｒを算出する（Ｓ３５）。
【００６４】
【数２】
【００６５】
【数３】
【００６６】
例えば、良品分割画像４１１（１）における項目１（ｐ＝１）と項目２（ｑ＝２）の相関係数ｒ１２は、上記式（２）より、下記式（４）により算出することになる。つまり、この場合、表２の分割画像Ｎｏ「１」で、項目Ｎｏ「１」、「２」の特徴量ｘｇｉｊを用いて相関係数ｒ１２を算出することになる。
【００６７】
【数４】
【００６８】
このように、良品分割画像４１１（１）〜４１１（Ｎ）ごとで相関係数ｒｐｑを算出して、良品分割画像４１１（１）〜４１１（Ｎ）ごとで式（３）に示す相関係数行列Ｒを算出する。
【００６９】
そして、下記の式（５）により、ｉ番目の良品分割画像４１１（ｉ）の、ｇ番目の良品画像４１のマハラノビス距離ＭＤｉｇを算出する。なお、式（５）において、Ａは、良品分割画像４１１（ｉ）の相関係数行列Ｒの逆行列である。
【００７０】
【数５】
【００７１】
そして、式５により、全ての良品画像４１の全ての良品分割画像４１１に対してマハラノビス距離ＭＤｉｇを算出する（Ｓ３５）。全ての良品分割画像４１１に対してマハラノビス距離ＭＤｉｇを算出した結果、ここでは表３に示す通りになった。なお、表３には、各良品分割画像４１１におけるマハラノビス距離ＭＤｉｇの最大値も示しており、例えば、良品分割画像４１１（１）のマハラノビス距離ＭＤｉｇの最大値は「１．１」となっている。
【００７２】
【表３】
【００７３】
なお、ステップＳ３５が本発明の「第一の規準化ステップ」、「第一の行列算出ステップ」及び「第一の距離算出ステップ」に相当する。また、ステップＳ３４及びＳ３５が本発明の「基準空間作成ステップ」に相当する。また、ステップＳ３１〜Ｓ３５が本発明の「基準空間取得ステップ」に相当し、ステップＳ３１〜Ｓ３５を実行する電子計算機５が本発明の「基準空間取得手段」に相当する。
【００７４】
次いで、Ｓ３５で算出したマハラノビス距離ＭＤｉｇに基づいて、被検査画像の良否判定の基準となるマハラノビス距離基準値（良品判定基準値）を良品分割画像４１１ごとで設定する（Ｓ３６）。具体的には、各良品分割画像４１１におけるマハラノビス距離ＭＤｉｇの最大値を基準に、表４に示すようにマハラノビス距離基準値を設定した。なお、表４では、マハラノビス距離基準値＝マハラノビス距離ＭＤｉｇの最大値＋０．３となっている。その後、このマハラノビス距離基準値を電子計算機５の記憶装置（不図示）に格納し、図５のフローチャートの処理を終了する。なお、ステップＳ３６が本発明の「基準値設定ステップ」に相当する。
【００７５】
【表４】
【００７６】
次に、被検査画像のマハラノビス距離を算出して良否判定をする方法を説明する。ここで、図８は、被検査画像の良否判定をするときの電子計算機５が実行する処理を示したフローチャートである。この、被検査画像のマハラノビス距離を算出する方法は、入力画像は一つである点と、規準化に用いる項目ごとの平均値、標準偏差と、マハラノビス距離の算出に用いる相関係数行列Ｒの逆行列Ａは基準空間作成時の値を使用する点を除いては、基準空間の作成方法と同様である。この点を踏まえて、以下、図８のフローチャートを参照して、被検査画像の良否判定の方法を説明する。
【００７７】
先ず、検査対象のワーク４の製品画像を被検査画像としてカメラ２で撮像し、その画像データを電子計算機５の記憶装置（不図示）に格納する（Ｓ４１）。なお、ステップＳ４１が本発明の「被検査画像取得ステップ」に相当し、ステップＳ４１を実行する電子計算機５が本発明の「被検査画像取得手段」に相当する。
【００７８】
そして、Ｓ４１で入力した被検査画像に対してフィルタリング、エッジ強調などの画像処理を施す（Ｓ４２）。なお、ステップＳ４２が本発明の「被検査画像処理ステップ」に相当する。
【００７９】
次いで、画像処理を施した被検査画像を、良品画像４１と同じ方向に、同じサイズで分割する（Ｓ４３）。すなわち、２１０×１３２０ピクセルの被検査画像を、１０×１３２０ピクセルの被検査分割画像に分割する。なお、ステップＳ４３が本発明の「被検査画像分割ステップ」に相当し、ステップＳ４３を実行する電子計算機５が本発明の「被検査画像分割手段」に相当する。
【００８０】
次いで、個々の被検査分割画像に演算処理を施し、基準空間を作成したときと同じ項目に基づいて特徴量Ｙｉｊを抽出する（Ｓ４４）。つまり、被検査分割画像の輝度波形に対して任意の横線を引いた時に、横線と輝度波形の交点数である微分値、横線よりも上に来る輝度波形の区間総和である積分値、輝度最大値と輝度最小値の差分など、輝度情報をもととした特徴量Ｙｉｊを抽出する。なお、ステップＳ４４が本発明の「第二の抽出ステップ」に相当する。
【００８１】
次いで、基準空間を作成したときと同じ方法（Ｓ３５）で、各被検査分割画像のマハラノビス距離を算出して、信号空間を作成する（Ｓ４５）。具体的には、下記の式（６）により、被検査分割画像ごとの項目ｊごとの特徴量Ｙｉｊを規準化（被検査規準特徴量）する（Ｓ４５）。この際、基準空間を作成したときの平均値ｘｊと標準偏差σｊを使用する。
【００８２】
【数６】
【００８３】
そして、下記の式（７）により、ｉ番目の被検査分割画像のマハラノビス距離ＭＤ‘ｉを算出する。この際、相関係数行列Ｒの逆行列Ａは、基準空間を作成したときのものを使用する。
【００８４】
【数７】
【００８５】
なお、ステップＳ４５が本発明の「第二の規準化ステップ」及び「第二の距離算出ステップ」に相当する。また、ステップＳ４４及びＳ４５が本発明の「信号空間作成ステップ」に相当し、ステップＳ４４及びＳ４５を実行する電子計算機５が本発明の「信号空間作成手段」に相当する。
【００８６】
次いで、算出されたマハラノビス距離ＭＤ‘ｉごとに、表４の対応する良否判定の基準値と比較する（Ｓ４６）。そして、全てのマハラノビス距離ＭＤ‘ｉが基準値よりも小さければ良品と判定し、結果を表示装置６に表示をする（Ｓ４７）。その後、図８のフローチャートの処理を終了する。一方、算出されたマハラノビス距離ＭＤ‘ｉが一つでも基準値よりも大きければ不良品と判定し（Ｓ４８）、欠陥が存在する位置を特定して、その情報を電子計算機５の記憶装置（不図示）に格納すると共に、結果を表示装置６に表示する（Ｓ４９）。なお、欠陥が存在する位置を特定する情報として、例えば、基準値よりも大きいと判定されたマハラノビス距離ＭＤ‘ｉに対応する被検査分割画像のＮｏを用いる。その後、図８のフローチャートの処理を終了する。なお、ステップＳ４６〜４８が本発明の「良否判定ステップ」に相当し、ステップＳ４６〜４８を実行する電子計算機５が本発明の「良否判定手段」に相当する。また、ステップＳ４９が本発明の「欠陥位置記録ステップ」に相当する。
【００８７】
ここで、良否を検査する被検査画像が、図９に示す、被検査画像４２と被検査画像４３の場合の良否判定結果について説明する。図９（ａ）に示す被検査画像４２には、欠陥７０が存在しており、不良品である。そして、その欠陥７０は、図９（ａ）に示すように、被検査画像４２の被検査分割画像４２１（１）〜（Ｎ）に含まれることとなり、特に、被検査分割画像４２１（１０）に多く含まれるとする。一方、図９（ｂ）に示す被検査画像４３には欠陥がなく良品である。そのため、被検査画像４３の被検査分割画像４３１（１）〜（Ｎ）には当然に欠陥は含まれていない。
【００８８】
この被検査画像４２、４３に対して、被検査分割画像４２１、４３１ごとにマハラノビス距離を算出したところ、表５に示す通りとなった。
【００８９】
【表５】
【００９０】
表５に示すように、被検査画像４２では、分割画像Ｎｏ．１０内の位置に欠陥７０があるため、分割画像Ｎｏ．１０のマハラノビス距離が、表４に示す分割画像Ｎｏ．１０の基準値１．９よりも大きくなっている。よって、被検査画像４２は不良品であると判定された。一方、被検査画像４３は、全ての被検査分割画像４３１のマハラノビス距離が、表４に示す基準値以下であるため、良品であると判定された。
【００９１】
以上説明したように、本発明では、被検査画像を複数の被検査分割画像に分割しているので、被検査画像に欠陥があった場合に、被検査分割画像における欠陥が占める割合は、被検査画像全体における欠陥が占める割合よりも大きくなる。そして、被検査分割画像ごとに良否判定をしているので、外観中で特徴量の急峻な変化がある製品の欠陥を検査する場合であっても、その欠陥を検出しやすくできる。よって、精度良く検査できる。
【００９２】
また、被検査分割画像ごとのマハラノビス距離からなる信号空間を、基準空間を作成したときの平均値ｘｊ、標準偏差σｊ、逆行列Ａを用いて作成しているので、その信号空間のマハラノビス距離ＭＤ‘ｉは、被検査分割画像と良品分割画像の特徴量の差分が反映されたものであるといえる。したがって、欠陥があるにも関わらず、マハラノビス距離が小さいために欠陥の判定がされないということが軽減される。よって、マハラノビス距離による判定の他に第２の判定を追加する必要がないので、簡易に検査することができる。
【００９３】
また、本発明では、被検査画像が不良品と判定した場合に、その欠陥の位置を記録しているので、記録された欠陥位置を参照することによって、検査結果を前工程にフィードバックすることができる。
【００９４】
なお、本発明の画像検査装置、画像検査方法は上記実施形態に限定されず、特許請求の範囲の記載を逸脱しない範囲で種々変形することができる。例えば、マハラノビス・タグチ法では項目選択と呼ばれる方法があり、本発明にこの方法を適用して、検査精度に寄与する項目を選択するようにしてもよい。これにより、より一層、検査精度を向上できる。
【００９５】
なお、この項目選択は、品質工学の考え方であるＳＮ比（機能がばらつかない程度）に基づいて、検査精度に寄与する項目を選択するものである。項目選択の基本的な進め方は以下の通りである。
【００９６】
１）予め規定した複数の項目を、水準１：項目を使用する、水準２：項目を使用しないとして直交表に割付ける。
２）直交表の各条件に基づいて、被検査画像から特徴量を抽出する。
３）抽出した特徴量から、直交表の各条件のマハラノビス距離を算出する。
４）算出したマハラノビス距離から、各項目のＳＮ比を算出する。
５）水準２のＳＮ比よりも、水準１のＳＮ比の方が大きくなる項目を、検査精度に寄与する項目として選択する。必要に応じて（検査仕様に合わせて）選択した項目の中から、さらに項目を選択する。
【符号の説明】
【００９７】
１ 画像検査装置
２ カメラ
３ 照明
４ ワーク
５ 電子計算機
６ 表示装置
４１ 良品画像
４１１ 良品分割画像
４２、４３ 被検査画像
４２１、４３１ 被検査分割画像
７０ 欠陥
Ｓ３１ 良品画像取得ステップ
Ｓ３２ 良品画像処理ステップ
Ｓ３３ 良品画像分割ステップ
Ｓ３４ 第一の抽出ステップ
Ｓ３５ 第一の規準化ステップ、第一の行列算出ステップ、第一の距離算出ステップ
Ｓ３４、Ｓ３５ 基準空間作成ステップ
Ｓ３１〜Ｓ３５ 基準空間取得ステップ、基準空間取得手段
Ｓ３６ 基準値設定ステップ
Ｓ４１ 被検査画像取得ステップ、被検査画像取得手段
Ｓ４２ 被検査画像処理ステップ
Ｓ４３ 被検査画像分割ステップ、被検査画像分割手段
Ｓ４４ 第二の抽出ステップ
Ｓ４５ 第二の規準化ステップ、第二の距離算出ステップ
Ｓ４４、Ｓ４５ 信号空間作成ステップ、信号空間作成手段
Ｓ４６〜Ｓ４８ 良否判定ステップ、良否判定手段
Ｓ４９ 欠陥位置記録ステップ
【特許請求の範囲】
【請求項１】
画像の良否の判定を行う画像検査方法であって、
良品画像を複数の画像（以下、「良品分割画像」という）に分割したときの、それら良品分割画像ごとのマハラノビス距離からなる基準空間を取得する基準空間取得ステップと、
被検査画像を取得する被検査画像取得ステップと、
前記被検査画像を複数の画像（以下、「被検査分割画像」という）に分割する被検査画像分割ステップと、
前記被検査分割画像の特徴量と前記良品分割画像の特徴量とに基づいて、前記被検査分割画像ごとのマハラノビス距離からなる信号空間を作成する信号空間作成ステップと、
前記被検査分割画像ごとに、対応する前記信号空間のマハラノビス距離を、同一位置にある前記良品分割画像における前記基準空間のマハラノビス距離に基づいて定まる良否判定基準値と比較することによって、前記被検査画像の良否判定を行う良否判定ステップと、を含むことを特徴とする画像検査方法。
【請求項２】
前記良否判定ステップで不良と判定された前記被検査分割画像の前記被検査画像上での位置を記録する欠陥位置記録ステップを含むことを特徴とする請求項１に記載の画像検査方法。
【請求項３】
前記基準空間取得ステップは、
前記良品画像を取得する良品画像取得ステップと、
前記良品画像を前記良品分割画像に分割する良品画像分割ステップと、
前記良品分割画像ごとのマハラノビス距離を算出して前記基準空間を作成する基準空間作成ステップと、を含むことを特徴とする請求項１又は２に記載の画像検査方法。
【請求項４】
前記良品画像取得ステップは、複数の良品画像を取得し、
前記基準空間作成ステップは、
前記良品分割画像ごとに、所定の複数の特徴量を抽出する第一の抽出ステップと、
それら特徴量を規準化して良品規準特徴量を算出する第一の規準化ステップと、
前記複数の良品画像間で同じ位置にある前記良品分割画像ごとに、前記複数の良品規準特徴量間の相関係数からなる良品相関係数行列を算出する第一の行列算出ステップと、
前記良品分割画像ごとに、前記良品規準特徴量と前記良品相関係数行列とに基づいて、前記基準空間のマハラノビス距離を算出する第一の距離算出ステップと、を含むことを特徴とする請求項３に記載の画像検査方法。
【請求項５】
前記複数の良品画像間で同じ位置にある前記良品分割画像の前記マハラノビス距離のうちの最大値に基づいて、前記良品分割画像ごとの前記良否判定基準値を設定する基準値設定ステップを含むことを特徴とする請求項４に記載の画像検査方法。
【請求項６】
前記信号空間作成ステップは、
前記被検査分割画像ごとに、前記第一の抽出ステップで抽出する特徴量と同じ特徴量を抽出する第二の抽出ステップと、
前記良品分割画像の特徴量を基準として、前記第二の抽出ステップで抽出した特徴量を規準化して被検査規準特徴量を算出する第二の規準化ステップと、
前記被検査規準特徴量と前記良品相関係数行列とに基づいて、前記信号空間のマハラノビス距離を算出する第二の距離算出ステップと、を含むことを特徴とする請求項４又は５に記載の画像検査方法。
【請求項７】
前記第一、第二の抽出ステップは、前記特徴量を取得する各画像の輝度波形に対して、特定の横線を引いたときに、その横線と輝度波形との交点数である微分値、その横線よりも上の前記輝度波形の区間である積分値、輝度最大値と輝度最小値の差分の少なくとも一つを前記特徴量として抽出するステップであることを特徴とする請求項６に記載の画像検査方法。
【請求項８】
前記横線の位置を可変としたことを特徴とする請求項７に記載の画像検査方法。
【請求項９】
前記被検査画像の欠陥を検出しやすくするために、前記被検査画像に所定の画像処理を施す被検査画像処理ステップと、
前記良品画像に前記画像処理と同じ画像処理を施す良品画像処理ステップと、を含むことを特徴とする請求項１〜８のいずれか１項に記載の画像検査方法。
【請求項１０】
前記良品画像取得ステップは、出現頻度が最も高い画像群に含まれる画像を前記良品画像として取得するステップであることを特徴とする請求項３〜９のいずれか１項に記載の画像検査方法。
【請求項１１】
前記被検査画像は、外観検査される製品の外観を示した画像であり、
その製品の外観は、想定される欠陥が持つ特徴量が隠れる程度に、大きく特徴量が変動する外観であることを特徴とする請求項１〜１０のいずれか１項に記載の画像検査方法。
【請求項１２】
画像の良否の判定を行う画像検査装置であって、
良品画像を複数の画像（以下、「良品分割画像」という）に分割したときの、それら良品分割画像ごとのマハラノビス距離からなる基準空間を取得する基準空間取得手段と、
被検査画像を取得する被検査画像取得手段と、
前記被検査画像を複数の画像（以下、「被検査分割画像」という）に分割する被検査画像分割手段と、
前記被検査分割画像の特徴量と前記良品分割画像の特徴量とに基づいて、前記被検査分割画像ごとのマハラノビス距離からなる信号空間を作成する信号空間作成手段と、
前記被検査分割画像ごとに、対応する前記信号空間のマハラノビス距離を、同一位置にある前記良品分割画像における前記基準空間のマハラノビス距離に基づいて定まる良否判定基準値と比較することによって、前記被検査画像の良否判定を行う良否判定手段と、を備えることを特徴とする画像検査装置。
【請求項１】
画像の良否の判定を行う画像検査方法であって、
良品画像を複数の画像（以下、「良品分割画像」という）に分割したときの、それら良品分割画像ごとのマハラノビス距離からなる基準空間を取得する基準空間取得ステップと、
被検査画像を取得する被検査画像取得ステップと、
前記被検査画像を複数の画像（以下、「被検査分割画像」という）に分割する被検査画像分割ステップと、
前記被検査分割画像の特徴量と前記良品分割画像の特徴量とに基づいて、前記被検査分割画像ごとのマハラノビス距離からなる信号空間を作成する信号空間作成ステップと、
前記被検査分割画像ごとに、対応する前記信号空間のマハラノビス距離を、同一位置にある前記良品分割画像における前記基準空間のマハラノビス距離に基づいて定まる良否判定基準値と比較することによって、前記被検査画像の良否判定を行う良否判定ステップと、を含むことを特徴とする画像検査方法。
【請求項２】
前記良否判定ステップで不良と判定された前記被検査分割画像の前記被検査画像上での位置を記録する欠陥位置記録ステップを含むことを特徴とする請求項１に記載の画像検査方法。
【請求項３】
前記基準空間取得ステップは、
前記良品画像を取得する良品画像取得ステップと、
前記良品画像を前記良品分割画像に分割する良品画像分割ステップと、
前記良品分割画像ごとのマハラノビス距離を算出して前記基準空間を作成する基準空間作成ステップと、を含むことを特徴とする請求項１又は２に記載の画像検査方法。
【請求項４】
前記良品画像取得ステップは、複数の良品画像を取得し、
前記基準空間作成ステップは、
前記良品分割画像ごとに、所定の複数の特徴量を抽出する第一の抽出ステップと、
それら特徴量を規準化して良品規準特徴量を算出する第一の規準化ステップと、
前記複数の良品画像間で同じ位置にある前記良品分割画像ごとに、前記複数の良品規準特徴量間の相関係数からなる良品相関係数行列を算出する第一の行列算出ステップと、
前記良品分割画像ごとに、前記良品規準特徴量と前記良品相関係数行列とに基づいて、前記基準空間のマハラノビス距離を算出する第一の距離算出ステップと、を含むことを特徴とする請求項３に記載の画像検査方法。
【請求項５】
前記複数の良品画像間で同じ位置にある前記良品分割画像の前記マハラノビス距離のうちの最大値に基づいて、前記良品分割画像ごとの前記良否判定基準値を設定する基準値設定ステップを含むことを特徴とする請求項４に記載の画像検査方法。
【請求項６】
前記信号空間作成ステップは、
前記被検査分割画像ごとに、前記第一の抽出ステップで抽出する特徴量と同じ特徴量を抽出する第二の抽出ステップと、
前記良品分割画像の特徴量を基準として、前記第二の抽出ステップで抽出した特徴量を規準化して被検査規準特徴量を算出する第二の規準化ステップと、
前記被検査規準特徴量と前記良品相関係数行列とに基づいて、前記信号空間のマハラノビス距離を算出する第二の距離算出ステップと、を含むことを特徴とする請求項４又は５に記載の画像検査方法。
【請求項７】
前記第一、第二の抽出ステップは、前記特徴量を取得する各画像の輝度波形に対して、特定の横線を引いたときに、その横線と輝度波形との交点数である微分値、その横線よりも上の前記輝度波形の区間である積分値、輝度最大値と輝度最小値の差分の少なくとも一つを前記特徴量として抽出するステップであることを特徴とする請求項６に記載の画像検査方法。
【請求項８】
前記横線の位置を可変としたことを特徴とする請求項７に記載の画像検査方法。
【請求項９】
前記被検査画像の欠陥を検出しやすくするために、前記被検査画像に所定の画像処理を施す被検査画像処理ステップと、
前記良品画像に前記画像処理と同じ画像処理を施す良品画像処理ステップと、を含むことを特徴とする請求項１〜８のいずれか１項に記載の画像検査方法。
【請求項１０】
前記良品画像取得ステップは、出現頻度が最も高い画像群に含まれる画像を前記良品画像として取得するステップであることを特徴とする請求項３〜９のいずれか１項に記載の画像検査方法。
【請求項１１】
前記被検査画像は、外観検査される製品の外観を示した画像であり、
その製品の外観は、想定される欠陥が持つ特徴量が隠れる程度に、大きく特徴量が変動する外観であることを特徴とする請求項１〜１０のいずれか１項に記載の画像検査方法。
【請求項１２】
画像の良否の判定を行う画像検査装置であって、
良品画像を複数の画像（以下、「良品分割画像」という）に分割したときの、それら良品分割画像ごとのマハラノビス距離からなる基準空間を取得する基準空間取得手段と、
被検査画像を取得する被検査画像取得手段と、
前記被検査画像を複数の画像（以下、「被検査分割画像」という）に分割する被検査画像分割手段と、
前記被検査分割画像の特徴量と前記良品分割画像の特徴量とに基づいて、前記被検査分割画像ごとのマハラノビス距離からなる信号空間を作成する信号空間作成手段と、
前記被検査分割画像ごとに、対応する前記信号空間のマハラノビス距離を、同一位置にある前記良品分割画像における前記基準空間のマハラノビス距離に基づいて定まる良否判定基準値と比較することによって、前記被検査画像の良否判定を行う良否判定手段と、を備えることを特徴とする画像検査装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【公開番号】特開２０１１−５８９２５（Ｐ２０１１−５８９２５Ａ）
【公開日】平成２３年３月２４日（２０１１．３．２４）
【国際特許分類】
【出願番号】特願２００９−２０８１３４（Ｐ２００９−２０８１３４）
【出願日】平成２１年９月９日（２００９．９．９）
【出願人】（０００００６９３２）リコーエレメックス株式会社 (708)
【Ｆターム（参考）】
【公開日】平成２３年３月２４日（２０１１．３．２４）
【国際特許分類】
【出願日】平成２１年９月９日（２００９．９．９）
【出願人】（０００００６９３２）リコーエレメックス株式会社 (708)
【Ｆターム（参考）】
[ Back to top ]