【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、例えば電線のような線状材の線色あるいは線径の違いによる線状材の種類を判別する線状材の判別方法および装置に関する。

【０００２】

【従来の技術】従来、ワイヤーハーネス製造工程では、
自動切断圧着機を使用して、規格に応じた所定の線色と線径の電線に所定の端子を圧着する加工処理が行われている。 この自動切断圧着機では多種規格製品の製造が行われており、製造製品の種類の切替え時には、規格どおりの製品が自動切断圧着機で製造されているか検査を行う必要がある。 このとき、長さ１４０ｍｍ程度のダミー線（試打線）を自動切断圧着機で試作し、このダミー線の検査をすることで、自動切断圧着機の切替え作業をスムーズに行うようにしている。

【０００３】

【発明が解決しようとする課題】ところで、このダミー線の線色、線径、端子が規格どおり製造されているかの検査は人手により目視で行われていた。 この作業は、特に線径が小さい場合には、時間を要し、労力もかかるという問題があった。 例えば、線色は１０数色の基本色を用いて、１色のベースに他の色の細線（ストライプ）を入れた２色組み合わせのものや単一色で無地のものなどがある。 また、線径は１ｍｍ程度のものがあり、目視では、特に線色パターンの判定、線径の判定が困難であった。

【０００４】本発明は、電線のような線状材を対象として、その線色あるいは線径の違いによる線状材の種類を自動的に判別できる線状材の判別方法および装置を提供することを目的とする。

【０００５】

【課題を解決するための手段】上記の課題を解決するためになした本発明の線状材の判別方法は、予め決められた複数の基本色のうち、単一色の線色をもつ線状材、または、単色の線色および複数の基本色で軸方向にストライプを構成した線色をもつ線状材、または、上記ストライプを構成した線色をもつ線状材のいずれかについて、
該線状材の線色を判定して任意の線状材の種類を判別する線状材の判別方法であって、前記線状材の表面を撮像し、該撮像した画像における画素のＲ，Ｇ，Ｂデータを色データに変換して線状材の軸と直交する方向の画素についての色データを求め、該色データを前記基本色についての色データにおける画素分布と照合し、該撮像した線状材の前記線色を判定するようにしたことを特徴とする。

【０００６】また、本発明の線状材の判別装置は、予め決められた複数の基本色のうち、単一色の線色をもつ線状材、または、単色の線色および複数の基本色で軸方向にストライプを構成した線色をもつ線状材、または、上記ストライプを構成した線色をもつ線状材のいずれかについて、該線状材の線色を判定して任意の線状材の種類を判別する線状材の判別装置であって、前記線状材の表面を撮像して該撮像した画像における画素のＲ，Ｇ，Ｂ
データを得る撮像手段と、前記基本色についての色データにおける画素分布を記憶している記憶手段と、前記Ｒ，Ｇ，Ｂデータを色データに変換して線状材の軸と直交する方向の画素についての色データを求め、該色データと前記記憶手段に記憶されている画素分布とを照合して該撮像した線状材の前記線色を判定する線色判定手段とを備えたことを特徴とする。

【０００７】また、本発明の線状材の判別装置は、予め決められた複数の基本色のうち、単一色の線色をもつ線状材、または、単色の線色および複数の基本色で軸方向にストライプを構成した線色をもつ線状材、または、上記ストライプを構成した線色をもつ線状材のいずれかについて、該線状材の線色を判定して任意の線状材の種類を判別する線状材の判別装置であって、前記線状材と直交するように該線状材の背景に配された基準線と、前記基準線と前記線状材の表面を撮像して該撮像した画像における画素のＲ，Ｇ，Ｂデータを得る撮像手段と、前記基本色についての色データにおける画素分布を記憶している記憶手段と、前記撮像手段で撮像した画像における前記線状材の両側について、該画像における前記基準線と交差する方向に画素を検索して該画素の輝度データから該基準線を検出し、該検出した基準線に沿って画素を検索して該画素の輝度データから該基準線と前記線状材との交点を求め、該線状材の両側の交点の位置に基づいて該線状材の線径を判定する線径判定手段と、前記Ｒ，
Ｇ，Ｂデータを色データに変換して線状材の軸と直交する方向の画素についての色データを求め、該色データと前記記憶手段に記憶されている画素分布とを照合して該撮像した線状材の前記線色を判定する線色判定手段とを備えたことを特徴とする。

【０００８】

【作用】本発明の線状材の判別方法および装置によれば、線状材の表面が撮像され、該撮像された画像における画素のＲ，Ｇ，Ｂデータが色データに変換され、線状材の軸と直交する方向の画素についての色データが求められる。 そして、この求められた色データと基本色についての色データにおける画素分布とが照合されて、該撮像した線状材の種類が判別される。

【０００９】また、前記基準線を備えた本発明の線状材の判別装置によれば、撮像手段で撮像した画像における線状材の両側で、先ず、基準線と交差する方向に画素を検索してその輝度データから基準線を検出し、この基準線に沿って画素を検索してその輝度データから基準線と線状材との交点が求められ、この線状材の両側の交点の位置に基づいて線状材の線径が判定される。 そして、前記色データと画素分布の照合とこの線径の判定結果に基づいて線状材の種類が判別される。

【００１０】

【発明の実施の形態】図１４は本発明実施例の判定装置が対象とするダミー線の一例を示す図である。 ダミー線は、導線１０ａに絶縁材１０ｂを被覆した電線１０を用いその両端に端子２０ａ，２０ｂを圧着したものである。 このダミー線は、次表１に示したような線色、線径および端子の種類の各組み合わせに応じて多種類存在する。

【００１１】

【表１】

【００１２】なお、「線色」とは電線１０の単色であるパターンおよび２色であるパターンの種類を指しており、この線色を構成する表１の１３色の色自体を指すときは以後「基本色」という。 また、表１において、線径については導線１０ａの断面積で示してあるが、実際の線径は表１の値をＳとすると２×√（Ｓ／π）である。

【００１３】図１は本発明を適用したダミー線の判別装置の要部を示す図である。 この判別装置は、ダミー線Ａ
をセットする検査部１、検査部１に照明光を照射する照明部２、ダミー線Ａを撮像するカメラヘッド３、カメラヘッド３の出力信号を処理するカメラ本体４、ダミー線Ａの種類の判別処理等を行うパーソナルコンピュータ５
およびカメラヘッド３への電源供給等を行うカメラアダプター６から構成されている。 なお、検査部１、照明部２およびカメラヘッド３は図示しない部材に固定されている。

【００１４】図２は検査部１の斜視図であり、検査部１
は、アルミ蒸着により２面の全反射平面ミラー１１ａ，
１１ｂが形成された角度付き反射ミラー１１、白色地に黒色の基準線１２ａが印された基準板１２、および、ダミー線Ａの両端の端子部のそれぞれ背景となる黒色系の背景板１３を備えている。 角度付き反射ミラー１１の全反射平面ミラー１１ａ，１１ｂは１２０度の角度を成して谷線Ｖで会合しており、角度付き反射ミラー１１は、
谷線Ｖが前記カメラヘッド３の光軸Ｚに対して直角となるように配設されている。 また、基準板１２はその基準線１２ａが谷線Ｖおよび光軸Ｚにそれぞれ直角に交差するように配設されている。

【００１５】以上の構成において、ダミー線Ａを光軸Ｚ
に直交させ、かつ、全反射平面ミラー１１ａ，１１ｂの谷線Ｖに平行となるように配置し、カメラヘッド３でこのダミー線Ａを撮像する。 このとき、ダミー線Ａの背後に基準板１２とその基準線１２ａが位置し、全反射平面ミラー１１ａ，１１ｂによりダミー線Ａの裏側が２方向のアングルで映し出される。

【００１６】図３は照明部２を示す斜視図であり、照明部２は、乳白色アクリル板で断面形状半円型のドーム型拡散板２１と、２本の円形の高周波蛍光灯２２ａ，２２
ｂを同心円状に配設したリング照明２２とを備えている。 リング照明２２はドーム型拡散板２１に対して検査部１と反対側から接近して配設されており、この照明部２は、リング照明２２の白色光をドーム型拡散板２１で拡散して検査部１を均一に照らし出す。 ドーム型拡散板２１の中央には円形の撮像用窓２１ａが形成されており、前記カメラヘッド３により、リング照明２２の中央空間および撮像用窓２１ａを介して検査部１側の像が撮像される。

【００１７】カメラヘッド３は単板式ＲＧＢカラーＣＣ
Ｄカメラであり、５１２×５１２画素の解像度で各画素のＲ，Ｇ，Ｂ輝度信号をカメラ本体４に出力する。 また、カメラヘッド３は、画素の垂直の配列方向が検査部１における基準線１２ａと光学的に平行になるように設定されている。 カメラ本体４は、各画素のＲ，Ｇ，Ｂ輝度信号をＡ／Ｄ変換して各々０〜２５５レベルの数値データであるＲ，Ｇ，Ｂデータ（デジタルデータ）を出力する。 すなわち、このＲ，Ｇ，Ｂデータは各画素におけるＲ，Ｇ，Ｂの各々の輝度を２５６階調で表したデータとなる。 そして、パーソナルコンピュータ５は、この各画素に対応するＲ，Ｇ，Ｂデータを読み取り、後述説明するように、ダミー線の線径、線色および端子を判定してダミー線の種類を判別する。

【００１８】図４は実施例におけるダミー線の撮像画像の一例を示す図である。 なお、同図はダミー線の太さを誇張して示してある。 また、同図および以下の説明において、混同のおそれがないかぎり、各部材の画像を指すときも対応する部材と同名で表記し、対象が画像であることを示す符号として、対応する部材の符号に「′」記号をつけた符号を用いる。

【００１９】図４(A) ，(C) は左右の端子２０ａ，２０
ｂの部分に対応する抽出画像、図４(B) は電線１０の中央部分に対応する抽出画像であり、これらの抽出画像はカメラヘッド３の画角に対応する５１２×５１２画素の画像から抽出したものである。 なお、このような部分的な抽出画像は、検査部１とカメラヘッド３との位置関係が固定されているので、予め画素位置を決めておくことにより容易に抽出することができる。

【００２０】図４(B) に示した抽出画像において、電線１０′の背景の片側には基準板１２′とその基準線１２
ａ′が存在し、その横には全反射平面ミラー１１ａ′，
１１ｂ′とこれに映る電線１０′（裏面）が上下両側に存在する。 そして、前記照明部２からの照明光は白色光であるとともに、基準板１２は白地で、全反射平面ミラー１１ａ，１１ｂは鏡面であるので、基準線１２′と電線１０′の周囲は白色となる。 また、図４(A) ，(C) に示した抽出画像においては、左右の端子２０ａ′，２０
ｂ′の周囲に黒色系の背景板１３′が存在する。

【００２１】パーソナルコンピュータ５は、以上のような画像におけるＲ，Ｇ，Ｂデータを１フレーム分読み取って画像メモリに記憶し、このＲ，Ｇ，Ｂデータと対応する画素の座標（位置情報）に基づいて、線径の判定、
線色の判定および端子の判定を行う。

【００２２】（線径の判定）図５は線径の判定を行う検査フローを説明する図である。 先ず、図５(A) の矢印のように、予め決められた画素から基準線１２ａ′に向かって水平方向に順次画素を検索し、各画素のＲ，Ｇ，
Ｂデータを読み出してこのＲ，Ｇ，Ｂデータから得られる画素の輝度データ（明るさ）が予め設定されたしきい値ＴＨ１以下になったか否かを判定して基準線１２ａ′
の位置（画素の水平座標）を検出する。 すなわち、水平方向の画素の輝度データを求めると、この輝度データは例えば図５(B) のように基準線１２ａ′に対応する画素で輝度データがしきい値ＴＨ１より低くなるので、この輝度データから基準線１２ａ′の位置を検出する。

【００２３】基準線１２ａ′の位置を検出すると、図５
(A) の矢印のように、基準線１２ａ′を下方に辿りながら画素の輝度データを検索して電線１０′の上端位置（垂直座標）を検出してその垂直座標の値を記憶する。
すなわち、図５(C) のよう電線１０′に対応する画素の輝度データは基準板１２′の背景部分の輝度データ（図５(B) ）より低くなるので（暗い電線色の場合）、後述説明するようにこの輝度データの違いから電線１０′の上端位置を検出する。

【００２４】次に、図５(A) の矢印のように、予め決められた画素から基準線１２ａ′の方向に画素の輝度データを検索して基準線１２ａ′の位置を検出し、さらに、矢印のように基準線１２ａ′を上方に辿りながら画素の輝度データを検索して電線１０′の下端位置を検出してその垂直座標の値を記憶する。

【００２５】図６は電線１０′の上端位置を検出するロジックを説明する図である。 なお、以下の説明では、画像の水平方向の画素の並びを「ライン」という。 図６
(A) のように基準線１２ａ′から左右水平に一定画素数の検出幅を設け、基準線１２ａ′に沿って、各ライン毎に検出幅に含まれる画素の輝度データを検索していき、
このとき１ラインおきの２ラインの輝度データの差分（絶対値）を順次求める。 そして、この差分が予め設定したしきい値ＴＨ２以上になると、その２ラインの間のラインの垂直座標を電線１０′の上端位置として決定する。

【００２６】すなわち、図６(A) に示した(i−2)，(i−
1)，(i) ，(i＋1)の各ラインにおける輝度データは図６
(B) ，(C) ，(D) ，(E) のようになり、電線１０′部分での輝度データが背景部分の輝度データより低くなる。
そこで、電線１０′の無い状態で基準線１２ａ′のみが含まれている検査幅について各ラインの輝度データの差分を算出し、その最大値×αをしきい値ＴＨ２として採用する。 なお、αは、＋２以上の整数でしきい値ＴＨ２
が例えば図６(E) における輝度データと図６(B) ，(C)
，(D) における輝度データとの差を越えないような値とする。 このようにしきい値ＴＨ２を設定しておき、２
ライン(i−1)，(i＋1)の輝度データの差分がしきい値Ｔ
Ｈ２以上になると、電線１０′が検出されたと判定し、
その２ライン(i−1)，(i＋1)の間のライン(i) の垂直座標を電線１０′の上端位置として決定する。 なお、電線１０′の下端位置も同様のロジックで検出する。

【００２７】そして、電線１０′の上端位置の垂直座標と下端位置の垂直座標の差分（絶対値）から線径を求める。 すなわち、検査部１とカメラヘッド３との位置関係は固定されているので、この位置関係に基づいて設定した換算係数等により画像における座標系の距離を実際の空間距離に換算して線径を求める。 そして、前表１のどの種類であるかを判定する。 なお、画像における電線１
０′の線径は２０〜３０画素程度である。

【００２８】（線色の判定）図７は線色の判定を行う検査フローを説明する図である。 線色の判定では画像中の３本の電線１０′についてＲ，Ｇ，Ｂデータをサンプリングする。 しかし、電線１０にはベース色とストライプ色の線色の他に、例えば図７に示したようにバンドマークと呼ばれる銀色のマークが印刷されているものがあり、この部分のサンプリングデータでは線色の判定が不可能となる。 そこで、図７の矢印およびのように、
バンドマークの間隔より広い間隔のデータサンプリングラインを設定し、この２か所でサンプリングを行う。

【００２９】先ず、図７の、の順にＲ，Ｇ，Ｂデータを垂直に２本分サンプリングし、サンプリングした各画素に対応するＲ，Ｇ，Ｂデータを各々の画素に対応する色データに変換する。 この色データは、輝度を示すＹ
データ、彩度を示すＳデータおよび色相を示すＨデータであり、次式（１）に基づいてＲ，Ｇ，Ｂデータから算出する。 なお、Ｒ，Ｇ，Ｂ，Ｙ，Ｓは０〜２５５のレベルであり、Ｈは０〜３６０のレベルである。

【００３０】

【数１】

【００３１】以上のようにしてデータサンプリングライン上の各画素のＲ，Ｇ，ＢデータをＹ，Ｓ，Ｈの色データに変換すると、次に、電線１０′の部分のみの色データを抽出する。 すなわち、電線１０′以外の部分のデータは白色に対応してＹが２５５に近く、Ｓが０に近い値となるので、これらの値に基づいて全体のデータ群から電線１０′以外の部分のデータを削除して電線１０′の部分のみの色データを抽出する。 次に、線色の判定が可能な１方のデータサンプリングラインの色データ、すなわちバンドマーク部分でない方の色データを選択する。
そして、後述説明するように、選択した色データを予め記憶している各基本色についての画素分布と照合して線色の判定を行う。

【００３２】一つのデータサンプリングライン中で電線１０′部分の画素は複数点あるのでサンプリングしたＲ，Ｇ，Ｂデータはデータ群を成しており、各画素毎に変換したＹ，Ｓ，Ｈデータもデータ群を成す。 そして、
このＹ，Ｓ，Ｈの各々のデータ群において同じデータ値の画素同志を集計すると、図８(A) ，(B) ，(C) に示したようにそれぞれＹ，Ｓ，Ｈに対応する正規分布状の画素分布となる。 なお、このようにＹ，Ｓ，Ｈが分散するのは線色が単色の場合であっても照明の加減や電線１０
の表面の反射角度の差などにより、画素によってＹ，
Ｓ，Ｈデータの値が異なるためである。 また、線色が２
色の場合は当然に分散する。

【００３３】このような３つ一組の画素分布は、線色が基本色の単色である電線１０毎に得ることができ、これらの画素分布は、少なくともＹ，Ｓ，Ｈの３つを一組としてみると基本色毎に異なったものとなる。 各画素分布における最小点と最大点との間を色領域、最多データ点を色重心とすると、この色領域を示す最小点データと最大点データおよび色重心データは各画素分布の特徴を表している。

【００３４】そこで、各基本色についてＹ，Ｓ，Ｈの画素分布を予め求め、各基本色に対応する最小点データ、
最大点データおよび色重心データを予めメモリに登録しておく。 例えば図９に画素分布の一例として基本色の内の赤，緑，青の各色についてのＹ，Ｓ，Ｈの各画素分布を示す。 実際には、Ｙ，Ｓ，Ｈの各々について基本色の１３色分の画素分布があり、これらのデータを登録する。 そして、線色の判定時に撮像画像から得たＹ，Ｓ，
Ｈデータすなわち未知データと登録してある基本色のデータとを比較して線色を判定する。

【００３５】図１０はパーソナルコンピュータ５における色領域マッピング方法を適用した線色の判定ロジックを示すフローチャートであり、同図に基づいて線色の判定ロジックについて説明する。 なお、すでに、判別対象のダミー線についてのＹ，Ｓ，Ｈデータが未知データとして得られているものとする。 先ず、ステップＳ１で次のように白データの補正を行う。 線色には白色があるが、白色は線色部分以外のデータとなってしまい、色としての検出が不可能となる。 このため、電線１０′の部分のみの色データを抽出した際に、線径検査で得た線径に対応する画素数の約３倍（反射ミラーによる２本の電線１０′と直接画像の電線１０′）のデータ数に満たない線色の未知データ数を得た場合は、不足分を白色と判断して白色の色データを補充する。

【００３６】ところで、一つの画素のＹ，Ｓ，ＨデータはＹ，Ｓ，Ｈの３次元色空間内の１点に対応し、基本色１３色の各色重心（Ｙ，Ｓ，Ｈデータ）は３次元色空間内の１３個の点にそれぞれ対応する。 また、未知データ全体は、その未知データの画素分布に対応してその色重心データに対応する点の周りに分布する。 そこで、この３次元色空間における未知データと基本色１３色の各色重心との位置関係に基づいて、ステップＳ２以降で色重心距離比較方法および色領域マッピング方法により、線色を判定する。

【００３７】（色重心距離比較方法）先ず、ステップＳ
２で、この３次元色空間における未知データに対応する点と基本色１３色の各色重心に対応する１３個の点との距離（以下、「色重心距離」という。）をそれぞれ求めて、各未知データ毎に色重心距離が最小値となる基本色を求め、基本色毎に、その基本色に対して色重心距離が最小値となる未知データ（以後、「基本色に属する未知データ」という。）の個数（画素数）を計数する。

【００３８】例えば、未知データがａ組（１画素でＹ，
Ｓ，Ｈの１組）ある場合、ｉ番目のＹ，Ｓ，Ｈの未知データをＤ _Yi ，Ｄ _Si ，Ｄ _Hi 、ｊ番目の基本色のＹ，Ｓ，Ｈ
の色重心をＧ _Yj ，Ｇ _Sj ，Ｇ _Hj 、ｊ番目の基本色との色重心距離をＧＬ _j 、ｊ番目の基本色に属する未知データの個数の計数値をＣ _jとし、次式（２）を計算する。

【００３９】

【数２】

【００４０】次に、ＧＬ _jが最小値となるｊに対して次式（３）の代入式を実行する。 なお、式（３）は、Ｃ _j
を１増加させた値をＣ _jに記憶することを意味する。

【００４１】

【数３】

【００４２】そして、以上の計算と計数をｉ＝１〜ａまで繰り返す。

【００４３】次に、ステップＳ３で、未知データ全体に対して距離的に最も近い基本色を求め、その基本色に属する未知データが未知データ全体に対して占める割合を求める。 例えば、Ｃ _jの大きい方から順にＣ _OUT1 ，Ｃ
_OUT2 ，Ｃ _OUT3に代入して上位３色を決定し、次式（４）
を計算する。

【００４４】

【数４】

【００４５】次に、ステップＳ４で、最も近い基本色の割合が９０％以上であるか否かを判定し、９０％以上であれば、ステップＳ５でダミー線の線色はその最も近い基本色の単色であると判定して処理を終了する。 また、
９０％以上でなければ、ステップＳ６以降で色領域マッピング方法により、線色を判定する。

【００４６】（色領域マッピング方法）先ず、ステップＳ６で、割合の高いものから上位３色を選択し、この上位３色に対応する基本色に属する未知データのみを抽出し、ステップＳ７で、この上位３色に対応する基本色に属する未知データと上位３色の基本色の色領域とのマッピングを行う。 例えば、Ｃ _OUT1 ，Ｃ _OUT2 ，Ｃ _OUT3で選択した上位３色の登録色領域の最小値および最大値を、Ｃ
_Y-MIN,k 、Ｃ _Y-MAX,k 、Ｃ _S-MIN,k 、Ｃ _S-MAX,k 、Ｃ
_H-MIN,k 、Ｃ _H-MAX,k （ｋ＝１，２，３）、上位３色に対応する基本色に属する未知データ（ｂ組）の全てをＤ
_Ym ，Ｄ _Sm ，Ｄ _Hm （ｍ＝１，２，…，ｂ）、上位３色の基本色のうちのｋ番目の基本色の色領域に含まれる未知データの個数の計数値をＣ _kとし、次式（５）の条件式を実行する。

【００４７】

【数５】

【００４８】そして、以上の計算と計数をｋ＝１，２，
３についてｍ＝１〜ｂまで繰り返し、基本色の色領域に含まれる未知データの個数を求める。

【００４９】次に、ステップＳ８で、基本色の色領域に含まれる未知データの個数の多い順序を決定し、その割合を求める。 例えば、Ｃ _kの大きい方から順にＣ _OUT1 ，
Ｃ _{OU T2} ，Ｃ _OUT3に代入して、次式（６）を計算する。

【００５０】

【数６】

【００５１】次に、ステップＳ９で、最も割合の高い基本色の割合が９０％以上であるか否かを判定し、９０％
以上であれば、ステップＳ１０でダミー線の線色はその割合の最も高い基本色の単色であると判定して処理を終了する。 また、９０％以上でなければ、ステップＳ１１
で、ダミー線の線色は、割合の最も高い基本色がベースで割合が二番目に高い基本色がストライプ色であると判定し、処理を終了する。

【００５２】以上の線色の判定では色重心距離比較方法の後に色領域マッピング方法により線色を判定するようにしているが、次の例のように色重心距離比較方法の後に色領域ファジーマッピング方法により線色を判定するようにしてもよい。

【００５３】図１１は色領域ファジーマッピング方法を適用した線色の判定ロジックを示すフローチャートである。 先ず、ステップＳ１′で前記同様に白データの補正を行い、ステップＳ２′で、前記同様に未知データと基本色１３色の各色重心との色重心距離をそれぞれ求めて、各未知データ毎に色重心距離が最小値となる基本色を求め、基本色毎に、その基本色に属する未知データの個数（画素数）を計数する。 例えば、前記同様に式（２），（３）を計算して基本色に属する未知データの個数（画素数）Ｃ _jを計数する。

【００５４】次に、ステップＳ３′で、未知データ全体に対して距離的に最も近い基本色を求め、その基本色に属する未知データが未知データ全体に対して占める割合を求める。 例えば、Ｃ _jの大きい方から順にＣ _OUT1 ，Ｃ
_OUT2 ，Ｃ _OUT3 ，Ｃ _OUT4に代入して上位４色を決定し、次式（７）を計算する。

【００５５】

【数７】

【００５６】次に、ステップＳ４′で、最も近い基本色の割合が９０％以上であるか否かを判定し、９０％以上であれば、ステップＳ５′でダミー線の線色はその最も近い基本色の単色であると判定して処理を終了する。 また、９０％以上でなければ、ステップＳ６′以降で色領域ファジーマッピング方法により、線色を判定する。

【００５７】（色領域ファジーマッピング方法）この色領域ファジーマッピング方法では、例えば図１２に示したように、基本色の画素分布の色領域に対応させてメンバーシップ関数を設定する。 このメンバーシップ関数は、画素分布の重心のグレードが“１”で色領域の両端の最小点と最大点のグレードが“０”となるように設定したものであり、未知データが属するメンバーシップ関数からその未知データのその基本色のＹ，Ｓ，Ｈの各色領域に属するグレード FUZZY _Y ， FUZZY _S ， FUZZY _Hを求める。 そして、このグレードの積を基本色について累算し、その累算値に基づいて線色を判定する。

【００５８】先ず、ステップＳ６′で、未知データ全体に対して距離的に近い基本色の内Ｃ _jの割合の高いものから上位４色を選択し、この上位４色に対応する基本色に属する未知データのみを抽出し、ステップＳ７′で、
この上位４色に対応する基本色に属する未知データと上位４色の基本色の色領域とのファジーマッピングを行う。 例えば、Ｃ _OUT1 ，Ｃ _OUT2 ，Ｃ _OUT3 ，Ｃ _OUT4で選択した上位４色の登録色領域の最小値および最大値を、Ｃ
_Y-MIN,k 、Ｃ _Y-MAX,k 、Ｃ _S-MIN,k 、Ｃ _S-MAX,k 、Ｃ
_H-MIN,k 、Ｃ _H-MAX,k （ｋ＝１，２，３，４）、色重心をＧ _Y,k 、Ｇ _S,k 、Ｇ _H,k 、上位４色に対応する基本色に属する未知データ（ｂ組）の全てをＤ _Ym ，Ｄ _Sm ，Ｄ _Hm
（ｍ＝１，２，…，ｂ）、上位４色の基本色のうちのｋ
番目の基本色の色領域に含まれる未知データのグレードの累積値をＣ _FUZZ,kとし、次式（８），（９），（１
０）の条件式および計算式を実行する。

【００５９】

【数８】

【００６０】

【数９】

【００６１】

【数１０】

【００６２】そして、以上の計算とグレードの累積をｋ
＝１，２，３，４についてｍ＝１〜ｂまで繰り返し、４
つの基本色の色領域に対する未知データのグレードの累算値Ｃ _FUZZ,kを求める。

【００６３】次に、ステップＳ８′で、基本色の色領域に対する未知データのグレードの累算値の大きい順序を決定し、その割合を求める。 例えば、Ｃ _FUZZ,kの大きい方から順にＣ _OUT1 ，Ｃ _OUT2 ，Ｃ _OUT3 ，Ｃ _OUT4に代入して、次式（１１）を計算する。

【００６４】

【数１１】

【００６５】次に、ステップＳ９′で、最も割合の高い基本色の割合が９０％以上であるか否かを判定し、９０
％以上であれば、ステップＳ１０′でダミー線の線色はその割合の最も高い基本色の単色であると判定して処理を終了する。 また、９０％以上でなければ、ステップＳ
１１′で、ダミー線の線色は、割合の最も高い基本色がベースで割合が二番目に高い基本色がストライプ色であると判定し、処理を終了する。

【００６６】以上のように線色の判定の仕方について２
種類説明したが、この線色の判定が終了すると、図４
(A) ，(C) に示した抽出画像に基づいて端子種類の判定を行う。 この端子種類の判定は、例えば図１３(A) ，
(B) に示したように、背景板１３′の予め決められた画素から矢印のように垂直に複数本スキャンして最高輝度データを検索し、この最高輝度データからしきい値を求めて、各画素の輝度データをこのしきい値で二値化する。 そして、この画素の二値化データに基づいて、図１
３(C) ，(D) のように端子２０ａ′，２０ｂ′の周囲をトレースし、このときの変化点の位置は距離情報から端子２０ａ′，２０ｂ′の種類を判定する。

【００６７】以上のようにして得られた線径、線色および端子の種類の各判定結果は、ＣＲＴあるいはプリンター等により出力する。

【００６８】このように、線色を判定するとき、各画素に対応する色データを基本色の色データについての画素分布と照合して線色を判定するので、ベース色とストライプ色からなる線色でも各々の色を判定することができる。

【００６９】また、ストライプを有するダミー線では、
周囲１８０度の位置に２本のストライプがあるので、カメラヘッドで片側だけを撮像しても良いが、上記の実施例では、全反射平面ミラー１１ａ，１１ｂによってダミー線Ａの裏側が２方向のアングルで映し、ダミー線Ａの全週の画像に基づいて線色を判定するようにしているので、ストライプの位置に関わりなくより正確な判定が可能となる。

【００７０】

【発明の効果】以上説明したように本発明の請求項１の線状材の判別方法または請求項５の線状材の判別装置によれば、線状材の表面を撮像し、該撮像した画像における画素のＲ，Ｇ，Ｂデータを色データに変換して線状材の軸と直交する方向の画素についての色データを求め、
この求められた色データと基本色についての色データにおける画素分布とを照合して、撮像した線状材の種類を判別するようにしたので、電線のような線状材を対象として、その線色の違いによる線状材の種類を自動的に判別することができる。

【００７１】また、本発明の請求項７の線状材の判別装置によれば、線状材の表面を撮像し、該撮像した画像における画素のＲ，Ｇ，Ｂデータを色データに変換して線状材の軸と直交する方向の画素についての色データを求め、この求められた色データと基本色についての色データにおける画素分布とを照合し、さらに、画像における基準線と交差する方向に画素を検索して輝度データから基準線を検出し、この基準線に沿って輝度データから基準線と線状材との交点を求めて線状材の線径を判定し、
前記色データと画素分布の照合とこの線径の判定結果に基づいて線状材の種類を判別するようにしたので、電線のような線状材を対象として、その線色および線径の違いによる線状材の種類を自動的に判別することができる。

【図面の簡単な説明】

【図１】本発明を適用したダミー線の判別装置の要部を示す図である。

【図２】実施例における検査部の斜視図である。

【図３】実施例における照明部の斜視図である。

【図４】実施例におけるダミー線の撮像画像の一例を示す図である。

【図５】実施例における線径の判定を行う検査フローを説明する図である。

【図６】実施例における電線の画像の上端位置を検出するロジックを説明する図である。

【図７】実施例における線色の判定を行う検査フローを説明する図である。

【図８】実施例における色データの画素分布を説明する図である。

【図９】実施例における基本色の色データの画素分布の一例を示す図である。

【図１０】実施例におけるパーソナルコンピュータの色領域マッピング方法を適用した線色の判定ロジックを示すフローチャートである。

【図１１】実施例におけるパーソナルコンピュータの色領域ファジーマッピング方法を適用した線色の判定ロジックを示すフローチャートである。

【図１２】実施例における色領域ファジーマッピング方法を説明する図である。

【図１３】実施例における端子種類の判定処理を説明する図である。

【図１４】本発明実施例の判定装置が対象とするダミー線の一例を示す図である。

【符号の説明】

１…検査部、２…照明部、３…カメラヘッド、４…カメラ本体、５…パーソナルコンピュータ、１１…角度付き反射ミラー、１１ａ，１１ｂ…全反射平面ミラー、１２
…基準板、１２ａ…基準線。