【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、格子状穴から押し出し成形後にペレット状に細断して造粒される前記ヌードル状成形品の品質を高速で評価するための押し出し造粒品の高速品質評価方式に関する。

【０００２】

【従来の技術】製造された物体の良否を判断する視覚検査の分野においては、検査対象である物品が剛体等のようにその形状が既知である場合には、その幾何学的特徴から所謂モデルマッチング等によりパターン分類が可能である。 しかし、形状が必ずしも一定でない非剛体の物品を検査対象とした場合には、その形状を検査パラメータとして用いることは難しく、テクスチャ解析などの他の手法を用いる必要がある。

【０００３】また、この種の検査分野では、剛体、非剛体を問わず、実時間でかつ検査系に影響を及ぼさずに高速で処理できることが必要条件である。 特に、格子状孔から押し出し成形されたヌードル状成形品は、その断面が略々円形の非剛体は任意の曲率で湾曲しており、任意の向きで互いに接触し、あるいは重なり合う状態で存在する。

【０００４】このような対象物体の品質検査は、熟練した作業員が視覚的に、すなわち非接触で良否を評価している。 すなわち、この種の物体の品質の度合いは、その表面の粗さと強い相関関係があり、上記視覚的な評価では、この表面状態から品質を推定している。 このように、従来においては、ヌードル状成形品の品質評価はその表面状態を視覚的に観察する熟練した作業員によって行われており、このような作業を自動化した事例は知られていない。 一方、画像符号化処理の分野においては、
画像を周波数帯域ごとに分離することが可能なウエーブレット（Ｗａｖｅｌｅｔ）変換が知られているが、本発明の当該分野においては、ウエーブレット変換を用いて２次元画像の表面状態を抽出または強調する方式は提案されていない。 また、任意の向きの輪郭が持つ高周波成分を少ないフィルタで抽出できるものとしてステーラブル（Ｓｔｅｅｒａｂｌｅ）フィルタが知られているが、
当該分野においてはステーラブルフィルタを用いて、互いに接触した物体を高速に分離する方式も提案されていない。

【０００５】また、物体の亀裂を検査するために、亀裂そのものを階層化方式で測定するものが提案されている。 これは種々の亀裂を２値化して抽出するものであり、亀裂の幅などを精度よく測定できるようにしたものである。 なお、上記ウエーブレット変換については、エス． ジー． マレー著「ア セオリー フォア マルチレゾリューション シグナル デコンポジション：ザ ウエーブレット レプレゼンテーション」（Ｓ．Ｇ．Ｍａ
ｌｌｅｔ「Ａ Ｔｈｅｏｒｙ ｆｏｒ Ｍｕｌｔｉｒｅ
ｓｏｌｕｔｉｏｎ Ｓｉｇｎａｌ Ｄｅｃｏｍｐｏｓｉ
ｔｉｏｎ：Ｔｈｅ Ｗａｖｅｌｅｔ Ｒｅｐｒｅｓｅｎ
ｔａｔｉｏｎ」ＩＥＥＥ Ｔｒａｎｓ． Ｐｔｔｅｒｎ
Ａｎａｌ． ＆ Ｍａｃｈ． Ｉｎｔｅｌｌ． ，ＰＡＭＩ−
１１，７，ｐｐ． ６７４−６９３，Ｊｕｌｙ １９８
９）に、またステーラブルフィルタに関しては、ダブリュー． ティー． フリーマンおよびイー． エイチ． アンデルセン著「ザ デザイン アンド ユース オブ ステーラブル フィルタ」（Ｗ．Ｔ．Ｆｒｅｅｍａｎ ＆
Ｅ． Ｈ． Ａｎｄｅｌｓｏｎ「Ｔｈｅ Ｄｅｓｉｇｎ ａ
ｎｄ Ｕｓｅ ｏｆ Ｓｔｅｅｒａｂｌｅ Ｆｉｌｔｅ
ｒ」（ＩＥＥＥ Ｔｒａｎｓ．Ｐａｔｔｅｒｎ Ａｎａ
ｌ． ＆ Ｍａｃｈ． Ｉｎｔｅｌｌ． ，ＰＡＭＩ−１３，
９，ｐｐ． ８９１−９０６，Ｓｅｐ． １９９１）に、さらに上記亀裂の検査については特開平３−１３８７７５
号公報の開示がある。

【０００６】

【発明が解決しようとする課題】上記従来の技術において、対象物体の表面状態を評価する技術は開発されておらず、またステーラブルフィルタを用いた輪郭データを高速分離する技術も開発されていない。 さらに、亀裂を画像データの階層化で測定するものでは、亀裂の幅を精度良く想定できるが、対象物体の表面状態を評価することはできない。

【０００７】本発明は、対象物体の表面の滑らかさの程度を定量的に評価し当該対象物体の表面の亀裂や凹凸の度合いを物体単位で、予め学習した作業者の評価基準を基に判定し、品質ごとに分類可能にしたものである。 特に、格子状等の穴から押し出し成形されるヌードル状成形品は、画像上で明確に分離されて見えるものもあるが、それらが互いに接触した状態にあり、また直線状のものや任意の曲率で湾曲し、さらにはその大きさもまちまちであるのが一般的であるため、当該物体を画像上で強制的に分離する必要がある。

【０００８】そのため、この種の物体を典型的モデルと衝合するモデルマッチングの手法を適用することはできない。 物体の品質は、当該物体の表面状態から推定できるが、亀裂などの抽出を行う前記高域通過フィルタを用いたものでは処理に時間がかかり、高速処理するには向いていない。

【０００９】また、評価対象の品種が変わった場合に、
その都度フィルタ係数を変更しなければならず、対処能力に欠ける。 さらに、処理時間の節約と不要雑音の抑制のために、対象物体の領域外は処理対象外とする必要があるが、従来のフィルタ処理では処理時間の節約と実空間と周波数空間とを同時に扱うことも困難である。

【００１０】対象物体の品質とその表面状態との関係は、物体の品種により少しずつ異なり、品質と表面状態とは線形な関係にはない。 そして、この関係を定式化したものがなく、現状では作業者の経験に依存している。
このことから、従来の線形パターン分類の方式を格子状穴から押し出し造粒されるような物体の品質に適用することは適当ではない。

【００１１】すなわち、本発明の目的は、上記従来技術の諸問題を解消し、格子状等の穴から押し出し成形されるヌードル状成形品の品質を画像処理により高速で自動評価し、分類する評価システムを提供するものである。

【００１２】

【課題を解決するための手段】上記目的を達成するために、本発明は、まず、評価対象となる物体（ヌードル状成形品）をビデオカメラで撮像し、その画像データをウエーブレット変換により階層化する。 階層化した各階層の画像の持つ周波数成分に基づいて背景分離と特徴抽出を行う。

【００１３】また、階層化した上位層の画像を基に当該物体の輪郭を抽出し、互いに接触する物体を画像上で分離して、それぞれの物体毎に特徴抽出された画像の輝度分布を求め、これに基づいて品質の推定を行うようにしたものである。 すなわち、請求項１に記載の発明は、図１に示したように、ヌードル状成形品１を撮像してその表面状態を二次元画像データに変換するビデオカメラ２
と、前記ビデオカメラ２の撮像信号を二次元離散ウエーブレット変換により空間周波数が異なる空間周波数帯域毎の階層構造を作成する階層化手段３と、前記階層化構造を用いて前記ヌードル状成形品１の背景を分離して当該ヌードル状成形品１の画像データを抽出する背景分離／特徴抽出手段４と、前記階層化構造の上位層を基にして逆ウエーブレット変換を施すことにより前記ヌードル状成形品１の輪郭を抽出する輪郭抽出手段５と、前記輪郭抽出手段５で抽出された輪郭内の画素について前記階層構造の最下層の解像度まで逆ウエーブレット変換を施して前記ヌードル状成形品１の各々を切り離した再生画像データを得る画像再合成手段６と、前記画像再合成手段６で再構成された画像について前記ヌードル状成形品１の表面状態を評価する多層パーセプトロン型ニューラルネットワークを有する品質推定手段７とを備え、格子状穴から押し出し成形されるヌードル状成形品の品質の良否をその表面状態から評価することを特徴とする。

【００１４】なお、上記発明における検査対象物体は、
格子状等の穴から押し出し成形されるヌードル状成形品に限るものではなく、押し出されたヌードル状成形品を細断してペレット状としたもの、および表面状態から品質評価が可能な他の物体にも同様に適用できる。

【００１５】

【発明の実施の形態】ビデオカメラ２は、ＣＣＤ撮像素子あるいは撮像管、そのたの光電変換素子を有し、格子状等の穴から押し出しで成形されるヌードル状成形品１
を撮像してその表面状態を二次元画像データに変換する。 階層化手段３は、前記ビデオカメラ２の撮像信号を二次元離散ウエーブレット変換により空間周波数が異なる空間周波数帯域毎の階層構造を作成する。

【００１６】ウエーブレット変換による階層化は次のように実行される。 ここでは、説明の簡単のために１次元で説明する。 すなわち、ビデオカメラ２からの入力信号をｉ（ｘ）とし、その低周波成分を持つ出力をＯ
_L （ｘ）、高周波成分をもつ出力をＯ _H （ｘ）とすると、Ｏ _L （ｘ）、Ｏ _H （ｘ）は

【００１７】

【数１】

【数２】

【数３】

【数４】

【００１８】は高周波特性を有する。 図２はウエーブレット変換による階層化手段の構成を説明する模式図であって、ここでは階層数を３としてあり、１は原画像、２
ａ，２ｂは水平ダウンサンプラー、３ａ，３ｂ，３ｃ，
３ｄは垂直ダウンサンプラー、４は第１層、５ａ，５ｂ
は水平ダウンサンプラー、６ａ，６ｂ，６ｃ，６ｄは垂直ダウンサンプラー、７は第２層である。

【００１９】同図において、原画像１の画素数をＮとすると、この原画像１を低周波および高周波ウエーブレット変換係数を用いてそれぞれ水平ダウンサンプラー２
ａ，２ｂによりサンプリングした後、サンプリングした各画像をさらに同様に垂直ダウンサンプラー３ａ，３
ｂ，３ｃ，３ｄによりサンプリングして画素数がＮ／２
の４枚の画像からなる第１層を得る。

【００２０】そして、この第１層の画像のうち水平低周波画像および垂直低周波画像にウエーブレット変換を施して水平ダウンサンプラー５ａ，５ｂを通し、さらに同様にウエーブレット変換を施して垂直ダウンサンプラー６ａ，６ｂ，６ｃ，６ｄでサンプリングすることにより、画素数がＮ／２ ²の４枚の画像からなる第２層７を得る。

【００２１】図３は逆ウエーブレット変換による画像再合成手段の構成を説明する模式図であって、前記図２で説明した４枚の画像の第２層７のそれぞれを垂直アップサンプラー８ａ，８ｂ，８ｃ，８ｄによりサンプリングし、これを低周波および高周波のウエーブレット変換係数で逆ウエーブレット変換して加算器９ａ，９ｂで加算する。

【００２２】この逆変換した２枚同士をさらに水平アップサンプラー１０ａ，１０ｂを通し、これを低周波および高周波のウエーブレット変換係数で逆ウエーブレット変換して加算器１１で加算して再合成第１層１２を得る。 そして、この再合成第１層の２枚の画像を垂直アップサンプラー１３ａ，１３ｂ，１３ｃ，１３ｄでサンプリングして同様に逆ウエーブレット変換した２枚を加算器１４ａ，１４ｂで加算する。

【００２３】上記変換後の２枚を水平アップサンプラー１５ａ，１５ｂでサンプリングして同様に逆ウエーブレット変換した２枚を加算器１６で加算して再合成画像１
７を得る。 図４は階層化構造の各階層が持つ周波数成分の説明図であって、ウエーブレット変換により得た画像は、それぞれが持つ周波数帯域は独立しており、原画像を最下層とした階層数が３である場合は各画像のもつ周波数成分は図示したとおりとなる。

【００２４】同図において、ＨＬ ^jは階層ｊにおける水平周波数成分は高周波域、垂直周波数成分は低周波域、
ω _xは水平周波数帯域、ω _yは垂直周波数帯域を示す。
背景分離／特徴抽出手段４は前記階層化構造を用いて前記ヌードル状成形品１の背景を分離して当該ヌードル状成形品１の画像データを抽出する。 上記階層化構造の最上位は最低分解能であり、下位の層ほど高い分解能である。 また、ある階層Ｊにおける低周波画像（前記式（１）のＯ _Lに相当）は、その階層より下位の層における画像が有する高周波成分は有しない。

【００２５】そこで、画像の再合成を行う際に、必要な階層Ｊの必要な周波数成分に該当する画像を有効とし、
それ以外は無効とすることで、必要な周波数帯域だけからなる情報を抽出する。 低周波画像において対象物体の表面の亀裂や凹凸が十分減衰している階層Ｊにおいて、
低周波画像Ｉ _LL ^j （ｘ，ｙ）を、閾値ＴＨにより、 Ｉ _LL ^j （ｘ，ｙ）＝０， when Ｉ _LL ^j （ｘ，ｙ）＜ＴＨ ・・・（２） とし、それより下位の層においては、 Ｉ _LL ^j-1 （ｘ，ｙ）＝０， when Ｉ _LL ^j （ｘ，ｙ）＜ＴＨ，ａｎｄ Ｉ _LL ^j （ｘ／２，ｙ／２）＜ＴＨ ・・・（３） とする。

【００２６】この変換をしながら再合成を行うことにより、対象物体の表面と背景や影を分離する。 次に、階層ｊの画像を、その画像が含む周波数帯域に対応させてＩ
_HL ^j ，Ｉ _LH ^j ，Ｉ _HH ^j ，Ｉ _LL ^jとする。

【００２７】各画像の持つ帯域幅ω _HL ^j ，ω _LH ^j ，ω _HH
^j ，ω _LL ^jは、水平周波数帯域ω _xと垂直周波数帯域ω
_yを用いて、 ω _HL ^j ＝((1/2) ^j π≦ω _x ＜(1/2) ^j-1 π, ０≦ω _y ＜(1/2) ^j π) ω _LH ^j ＝( ０≦ω _x ＜(1/2) ^j π,(1/2) ^j π≦ω _y ＜(1/2) ^j-1 π) ω _HH ^j ＝((1/2) ^j π≦ω _x ＜(1/2) ^j-1 π,(1/2) ^j π≦ω _y ＜(1/2) ^j-1 π) ω _LL ^j ＝( ０ ≦ω _x ＜(1/2) ^j π, ０≦ω _y ＜(1/2) ^j π) ・・・・・（４） と表される。 また、ω _LL ^jは１階層上の画像との間に、 ω _LL ^j-1 ＝ω _HL ^j ＋ω _LH ^j ＋ω _HH ^j ＋ω _LL ^j・・・・・（５） の関係がある。

【００２８】そこで、除去したい周波数帯域を持つ画像の除去したい空間領域を０とし、再合成することで亀裂や凹凸による特徴を強調する。 輪郭抽出手段５は、前記階層化構造の上位層を基にして逆ウエーブレット変換を施すことにより前記ヌードル状成形品１の輪郭を抽出し、画像再構成手段６は前記輪郭抽出手段５で抽出された輪郭内の画素について前記階層構造の最下層の解像度まで逆ウエーブレット変換を施して前記ヌードル状成形品１の各々を切り離した再生画像データを得る。

【００２９】図５はステーラブフィルタの構成例の説明図であって、２０ａ〜２０ｃはそれぞれθが０°、６０
°、１２０°の二次元フィルタ、２１ａ〜２１ｃは乗算器、２２は加算器、２３はルックアップテーブルである。 また、図６はエッジの傾きに応じたウインドウと傾き推定の概念図、図７はエッジに垂直なウインドウの概念図である。

【００３０】ここで、向きθのエッジを強調するステーラブルフィルタを、ガウシアン関数Ｇ（ｘ，ｙ）のＮ次導関数Ｇ _Nを用いて、 ［Ｇ _N ⁽ θ ⁾ ］＝［Σ ^(M) _(r=1) ］ｋ _r （θ）［Ｇ _N ⁽ θr ⁾ ］ ・・・・（６） とする。

【００３１】ここで、［Ｇ _N ⁽ θ ⁾ ］、
［Σ ^(M) _(r=1) ］、［Ｇ _N ⁽ θr ⁾ ］は、それぞれ

【数５】

_N

⁽ θ

⁾ ］とそのヒルベルト変換対［Ｈ

_N

⁽ θ

⁾ ］を用いて、向きθｍ（０°≦θｍ≦３６０°

の任意に選んだ離散値）のエネルギーを次式により求める。

【００３２】 ［Ｅ ⁽ θm ⁾ ］＝（（Ｉ _LL ^J ※［Ｇ ⁽ θｍ ⁾ ］） ² ＋（Ｉ _LL ^J ※［Ｈ ⁽ θ ｍ ⁾ ］ ² ） ^1/2・・・・・（７） ここで、※は畳み込み積分を示し、［Ｅ ⁽ θｍ ⁾ ］、
［Ｇ ⁽ θｍ ⁾ ］、［Ｈ ⁽ θｍ ⁾ ］は、それぞれ、

【数６】

【００３３】図６に示した向きθｍを中心軸とする扇形状の領域ＷＨにおいて、エネルギー集中度Ｓ（θｍ）
を次式により求める。 Ｓ（θｍ）＝∫ _WH ［Ｅ ⁽ θｍ ⁾ ］ｄｘｄｙ ・・・・（８） このＳが最大となるθｍを推定エッジ向きθｅとする。

【００３４】θｅに垂直な向きθ⊥について、図７に示した向きθ⊥を中心軸とする領域ＷＶにおいて、エネルギーが局所最大でかつ一定の閾値ＴＨ以上であればエッジ点とする。

【００３５】各画素毎の空間位相［φ ⁽ θe ⁾ ］を、 ［φ ⁽ θe ⁾ ］＝ｔａｎ ^-1 （Ｉ※［Ｈ ⁽ θｅ ⁾ ］／Ｉ※［Ｇ ⁽ θｅ ⁾ ］ ・・・・（９） により計算する。ここで、［φ ⁽ θe ⁾ ］、［Ｈ ⁽ θｅ
⁾ ］、［Ｇ ⁽ θｅ ⁾ ］は、それぞれ、

【数７】

【００３６】計算結果がχ／２ｒａｄ． と３χ／２ｒａ
ｄ． 付近であればステップ状エッジと見做す。 また、０
ｒａｄ． とχｒａｄ． 付近であればパルス状エッジと見做す。 エッジ点において、ステップ状エッジの場合は輪郭とする。 また、エッジがパルス状の場合、［Ｅ ⁽ θｅ
⁾ ］が一定の閾値ＴＨ２以上で、かつＳ（θｍ）が十分大きく、さらに向きθ⊥に存在する最も近いエッジとの距離がＬ以上であれば輪郭とする。 ここで、Ｌは対象の形状により設定する距離の閾値である。

【００３７】ここで、［Ｅ ⁽ θe ⁾ ］は、

【数８】

【００３８】を意味する。 任意の画像を中心とする任意の向きθの領域ＷＨについて、その両側に輪郭点があり、各側にある輪郭の向きの平均値がθ±Δθであれば、その画像をエッジとする。 このエッジの向きθに垂直なθ⊥について、中心にあるエッジを輪郭とする。

【００３９】次に、階層Ｊより下位の層ｊ（０≦ｊ＜
Ｊ）において、Ｉ _LL ^j+1 （ｘ／２，ｙ／２）が輪郭である座標（ｘ，ｙ）で上記の〜を実行する。 これを再下位の層（ｊ＝０）まで繰り返す。 品質推定手段７は、
前記画像再構成手段６で再構成された画像について前記ヌードル状造粒品１の表面状態を評価する多層パーセプトロン型ニューラルネットワークを用いて格子状穴から押し出し成形されるヌードル状成形品の品質の良否をその表面状態から評価する。

【００４０】すなわち、品質推定手段７はパーセプトロン型ニューラルネットワークを用いて、対象物体であるヌードル状成形品の表面の状態ごとに品質を推定し、分類する。 品質推定手段７の入力は物体ごとの輝度分布とし、出力は品質ランクとする。 まず、事前に品質を分類する数（ランク数）を設定する。 そして、従来、目視分類を行ってきた作業者に入力画像フレームを提示し、１
画素平均の品質を分類させる。

【００４１】次に、１画像中の物体領域の平均輝度分布を入力とし、この分類結果を教師信号とする。 この学習を最も悪い品質から良い品質のものまで一様に行う。 このようにして得た学習結果を用いて、格子状穴から押し出し成形されるヌードル状成形品の品質の良否がその表面状態から自動的に評価される。

【００４２】

【実施例】以下、本発明の実施例につき、図面を参照して詳細に説明する。 本実施例では、対象物体として有機ゴム薬品を例として構成した高速品質評価システムについて説明する。 この有機ゴム薬品を多数の格子状穴から押し出してヌードル状成形品としたもので、その直径は約１ｍｍであり、これをビデオカメラにより拡大撮像する。

【００４３】図８と図９は本発明による押し出し造粒品の高速品質評価方式の１実施例を説明するシステム構成図であって、両図は図示の都合で分割してあり、図中丸Ａ、丸Ｂ、丸Ｃ同士で結合して１図面となる。 図８、９
において、３０はビデオカメラで撮像して得た対象物体の画像データを階層化するウエーブレット変換を用いた階層化部（ウエーブレット階層化部）、３１は背景分離／特徴抽出部、３３は画像再合成／輝度分布演算部、３
４はニューラルネット品質推定部である。

【００４４】入力画像はウエーブレット階層化部３０においてウエーブレット変換により多解像度に分解される。 ここでは、入力画像は５１２×５１２画素とし、最上位階層は６４×６４画素とする。 また、分解能は２５
６階調とする。 ビデオカメラで拡大撮像された画像信号は、まずウエーブレット階層化部３０で階層化されるが、本実施例では、階層は原画像を除き３階層である。

【００４５】各階層の各画像Ｉ _HL ^j ，Ｉ _LH ^j ，Ｉ _HH ^jおよび最上位階層のＩ _LL ^jは、背景分離／特徴抽出部３１
に入力する（ｊ＝１〜３）。 背景分離／特徴抽出部３１
では物体と背景とを識別し、物体の領域については不要な周波数成分を除去する。 この結果はマスクビットＭＢ
^j （ＭＢ ^j _LL ，ＭＢ ^j _HH 、ＭＢ ^j _LH ，ＭＢ ^j _HL 、ｊ＝１
〜３）として画像再合成／輝度分布演算部に出力される。

【００４６】また、輪郭抽出部３２では物体の輪郭が抽出され、この結果はマスクビットＭＣ ^j （ｊ＝１〜３）
として画像再合成／輝度分布演算部３３に出力される。
画像再合成／輝度分布演算部３３ではマスクビットＭＢ
^jとマスクビットＭＣ ^jが”１”であれば画像再合成過程において該当画素の該当する周波数成分が除去される。

【００４７】また、この画像再合成で得られた結果から、輝度を変数とする頻度分布が演算される。 その演算結果はニューラルネット品質推定部３４に入力されて、
予め学習させた輝度分布と品質との関係から当該物体の品質が推定される。 以下、上記システム構成における各部について、さらに説明する。 図１０と図１１は背景分離／特徴抽出部の構成図であって、３１ａ，３１ｂは１
階層再合成部、３１ｃ，３１ｄ，３１ｅは比較器、３１
ｆ，３１ｇ，３１ｈは論理積回路、３１ｉは除去帯域選択器、３１ｊ〜３１ｓは論理和回路である。

【００４８】同図において、階層化された画像を入力とし、１階層再合成部３１ａ，３１ｂによりＩ ^j _LL （ｊ≧
１）が求められる。 図１２は１階層再合成部の構成例を説明する回路図であって、３１ｄ ₁ ，３１ｄ ₃は水平ｈ
フィルタ、３１ｄ ₂ ，３１ｄ ₄は水平ｇフィルタ、３１
ｄ ₅ ，３１ｄ ₆ ，３１ｄ ₁₁は加算器、３１ｄ ₇ ，３１ｄ
₈は水平アップサンプラー、３１ｄ ₉は垂直ｈフィルタ、３１ｄ ₁₀は垂直ｇフィルタ、３１ｄ ₁₂は垂直アップサンプラーである。

【００４９】Ｉ ^J _LLにおいて、輝度が閾値ＴＨより低い画素は背景と認識され、より低分解能の画像においても背景であれば背景フラグＢ ^J _LL （Ｊ＝１〜３）がセットされる。 この背景フラグＢ ^J _LLと帯域除去選択器３１ｉ
により選択された帯域からフラグＭＢ ^J _LL （Ｊ＝１〜
３）がセットされる。 この場合、選択された帯域に相当する画像においては全域をマスクすることになる。

【００５０】図１３は輪郭抽出部の構成例を説明する回路図であって、３２ａ，３２ｃ，３２ｆは階層選択器、
３２ｂは１階層再合成部、３２ｄは論理積回路、３２ｅ
は１階層輪郭抽出部、３２ｇは階層を選択するためのレイヤー信号を出力する階層管理部である。 この輪郭抽出部において、最初に階層選択器３２ａ，３２ｃ，３２ｆ
は階層管理部３２ｇからの層選択信号Ｌａｙｅｒで第３
層が指定される。

【００５１】これにより、Ｉ ³ _ll 、Ｉ ³ _LH 、Ｉ ³ _Hl 、
Ｉ ³ _HHが１階層再合成部３２ｂに入力する。 １階層再合成部３２ｂからはＩ ^j-1 _LLすなわちＩ ² _LLが出力される。 一方、層選択信号Ｌａｙｅｒにより現在の層においては階層選択器３２ｃの入力は常に１であるため、Ｉ ³
_llはそのまま１階層輪郭抽出部３２ｅに出力される。 １
階層輪郭抽出部３２ｅからは抽出された輪郭が画素毎にフラグＭＣ ³として出力される。

【００５２】この階層の処理が終了すると、階層管理部３２ｇは層選択信号Ｌａｙｅｒを階層選択器３２ａ，３
２ｃ，３２ｆに与え第２層を選択させる。 １階層再合成部３２ｂの入力部には、Ｉ ² _LH 、Ｉ ² _Hl 、Ｉ ² _HHと前の階層で合成されたＩ ² _llが入力する。 また、１階層輪郭抽出部３２ｅへは前の層で抽出された輪郭に対応する画素だけが論理積回路３２ｄを通って入力する。

【００５３】そして、上記と同様にして第１階層までの処理が繰り返されて、フラグＭＣ ² 、フラグＭＣ ¹が出力される。 図１４、図１５および図１６は１階層輪郭抽出部の構成例を説明する回路図であって、図示の都合上３分割してある。 同各図において、３２１ａはステーラブルフィルタの実部、３２１ｂは同虚部、３２２ａ ₁ 〜
３２２ａ _mは第１入力の二乗と第２入力の二乗の平方根演算回路、３２２ｂ ₁ 〜３２２ｂ _mは第１入力と第２入力のｔａｎ ^-1の演算回路、３２３ａ，３２３ｂは向きθ
選択器、３２４はウインドウＷＨ内θの平均値演算回路、３２５はウインドウＷＶ内の局所最大エネルギー検出回路、３２６は位相判定回路、３２７ａ ₁ 〜３２７ａ
₃はそれぞれ閾値ＴＨ１，ＴＨ２，ＴＨ３判定回路、３
２８ａ ₁ ，３２８ａ ₂は論理積回路、３２８ａ ₃は論理和回路、３２９は距離Ｌ内のエッジ探索回路、３３０はウインドウＷＨ内の輪郭検出回路、３３１はウインドウＷＶ内の中心判定回路、３３２は論理積回路、３３３は論理和回路である。

【００５４】図１７は図１４における１階層輪郭抽出回路のステーラブルフィルタの実部の構成例を説明する回路図である。 同図において、３２１０ａ，３２１０ｂ，
３２１０ｃはそれぞれ向きθが０°，６０°，１２０°
の２次元フィルタ、３２１１ａ，３２１１ｂ・・・３２
１１ｍは演算部であり、この動作は前記図５、図６、図７で説明した通りである。

【００５５】図１８は画像再合成／輝度分布演算部の構成図であって、３３１０ａ，３３１１ａ〜３３１１ｃ，
３３１２ａ〜３３１２ｃ，３３１３ａ〜３３１３ｃは論理積回路、３３１４は層選択器、３３１５は１階層再合成部、３３１６は階層管理部、３３１７は輝度分布算出部である。 この画像再合成／輝度分布演算部には階層化された画像とフラグＭＢ ^J 、ＭＣ ^Jが入力され、階層管理部３３１６からの層選択信号によりフラグＭＢ ^J 、Ｍ
Ｃ ^Jセットしている画素は輝度０としている。

【００５６】先ず、階層管理部３３１６からの層選択信号Ｌａｙｅｒにより層選択器３３１４は第３層を選択し、第３層の画像が１階層再合成部３３１５に入力される。 次に、層選択器３３１４により第２層が選択され、
第２層の画像が１階層再合成部３３１５に入力される。
以下、第１層まで繰り返されて１階層再合成部３３１５
から特徴抽出画像が出力される。

【００５７】この特徴抽出画像は、輝度分布算出部３３
１７に入力され、輝度２５６階調の各階調の出現頻度が算出される。 算出された結果は、階調を変数とする輝度分布として品質推定手段に与えられ、ニューロネットワークにより評価される。 ニューロネットワークそのものの構成と動作は既知であるので、ここでは詳しい説明は省略する。 本実施例では、当該ヌードル状成形品の品質評価に従事していた熟練の作業者による目視評価結果を教師データとした学習を施して置く。

【００５８】本システムの運用時には、上記画像再合成／輝度分布演算部からの輝度分布出力を入力として、上記学習の結果構築されたニューラルネットワークを用いて品質の評価を行わせる。 評価の動作は前記発明の実施の態様で説明した通りである。 図１９は本発明による押し出し造粒品の高速品質評価方式の全体構成を説明する概略図であって、１００は押し出し造粒機、１０１は原料供給管、１０２は添加剤Ａ供給管、１０３は添加剤Ｂ
供給管、１０４は成形品搬送装置、１０５はビデオカメラ、１０６は高速品質評価装置、１０７はファジイ演算装置、１０８は制御盤、１０９，１１０は電磁バルブである。

【００５９】押し出し造粒機１００は原料と添加剤を混練して粒状に成形する造粒機構と、格子状に配列された多数の穴を有し、この格子状穴から上記混練物を押し出すことによりヌードル状の成形品を製造する。 押し出し造粒機１００から押し出されたヌードル状成形品は造粒品搬送装置１０４で次の工程へ搬送される。 なお、この成形品搬送装置１０４に上記ヌードル状成形品を適宜の長さに細断してペレット状とする機能、あるいはヌードル状成形品もしくはペレット状成形品をビデオカメラ下で整列させる機能を持たせることもできる。

【００６０】ビデオカメラ１０５は成形品搬送装置１０
４で搬送される造粒品のを拡大撮像し、その画像信号（画像データ）を高速品質評価装置１０６に与える。 高速品質評価装置１０６では、前記した構成に基づいて非接触で、熟練作業者の評価と同等の品質評価を非定量的に推定し実行する。 高速品質評価装置１０６で推定された品質評価値はファジイ演算装置１０７に与えられ、所謂曖昧処理で添加剤の流量を演算し、これを制御盤１０
８に出力する。

【００６１】制御盤１０８はファジイ演算装置１０７からの入力に基づいて電磁バルブ１０９、１１０の開閉を制御して添加剤の量をコントロールすると共に、押し出し造粒機１００の混練条件の制御を行う。 なお、制御盤１０８は造粒品搬送装置１０４の搬送の制御も行う。 図２０は良品のヌードル状成形品の表面状態の一例を説明する写真の模写図と画像処理で得られた輝度分布の説明図であって、（ａ）はヌードル状成形品の写真の模写図、（ｂ）はその１個の輝度分布図である。

【００６２】同図（ａ）に示されたように、良品と評価されるヌードル状成形品の表面には亀裂や凹凸が視認されず、その画像処理によって得られた輝度は（ｂ）に示したように分布する。 図２１は不良品のヌードル状成形品の表面状態の一例を説明する写真の模写図と画像処理で得られた輝度分布の説明図であって、（ａ）はヌードル状成形品の写真の模写図、（ｂ）はその１個の輝度分布図である。

【００６３】同図（ａ）に示されたように、不良品と評価されるヌードル状成形品の表面には亀裂や凹凸が多く視認され、その画像処理によって得られた輝度は（ｂ）
に示したように分布する。 このような輝度分布の相違に基づいて、前記多層パーセプトロン型ニューラルネットワークを有する品質推定手段を備えた高速品質評価装置１０６が造粒品搬送装置１０４を搬送されるヌードル状成形品の良否を推定する。

【００６４】これにより、品質評価を行う作業者を必要としないで、高速で品質の評価が実行され、その評価結果を押し出し造粒機に供給する添加物の量あるいは造粒条件にフィードバックすることにより、高品質の造粒品を製造することができる。 なお、図１９では、ヌードル状成形品を成形品搬送装置１０４で搬送しながら、あるいは搬送を停止した状態で、その表面状態を撮像する構成としているが、これに代えて、押し出し造粒機１００
の成形品出口にビデオカメラの視野を向け、成形直後のヌードル状成形品を撮像する構成としてもよい。

【００６５】さらに、本発明は上記実施例で説明したヌードル状成形品に限るものではなく、ヌードル状物体をさらに短く切断してペレット状としたもの、その他、表面の状態から品質の良否が判定可能な全ての物体の評価に適用できるものであることは言うまでもない。

【００６６】

【発明の効果】以上説明したように、本発明によれば、
対象物体、特に格子状穴から押し出し造粒されるヌードル状物体の表面の滑らかさの程度を定量的に評価し当該対象物体の表面の亀裂や凹凸の度合いを物体単位で、予め学習した作業者の評価基準を基に判定し、品質ごとに高速で自動評価し、分類する評価することが可能な押し出し造粒品の高速品質評価方式を提供することができる。

【図面の簡単な説明】

【図１】本発明による押し出し造粒品の高速品質評価方式の基本構成を説明するブロック図である。

【図２】ウエーブレット変換による階層化手段の構成を説明する模式図である。

【図３】逆ウエーブレット変換による画像再合成手段の構成を説明する模式図である。

【図４】階層化構造の各階層が持つ周波数成分の説明図である。

【図５】ステーラブルフィルタの構成例の説明図である。

【図６】エッジの傾きに応じたウインドウと傾き推定の概念図である。

【図７】エッジに垂直なウインドウの概念図である。

【図８】本発明による押し出し造粒品の高速品質評価方式の１実施例を説明するシステム構成の部分図である。

【図９】本発明による押し出し造粒品の高速品質評価方式の１実施例を説明するシステム構成の図８に接続する部分図である。

【図１０】背景分離／特徴抽出部の部分構成図である。

【図１１】背景分離／特徴抽出部の図１０に接続する部分構成図である。

【図１２】１階層再合成部の構成例を説明する回路図である。

【図１３】輪郭抽出部の構成例を説明する回路図である。

【図１４】１階層輪郭抽出部の構成例を説明する部分回路図である。

【図１５】１階層輪郭抽出部の構成例を説明する図１４
に接続する部分回路図である。

【図１６】１階層輪郭抽出部の構成例を説明する図１５
に接続する部分回路図である。

【図１７】図１４における１階層輪郭抽出回路のステーラブルフィルタの実部の構成例を説明する回路図である。

【図１８】画像再合成／輝度分布演算部の構成図である。

【図１９】本発明による押し出し造粒品の高速品質評価方式の１実施例の全体構成を説明する概略図である。

【図２０】良品のヌードル状造粒品の表面状態の一例を説明する写真の模写図と画像処理で得られた輝度分布の説明図である。

【図２１】不良品のヌードル状造粒品の表面状態の一例を説明する写真の模写図と画像処理で得られた輝度分布の説明図である。

【符号の説明】

１ ヌードル状造粒品 ２ ビデオカメラ ３ 階層化手段 ４ 背景分離／特徴抽出手段 ５ 輪郭抽出手段 ６ 画像再合成手段 ７ 品質推定手段。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 谷口 規久夫 山口県宇部市上宇部山門1099−１ (72)発明者 堺 敏明 山口県熊毛郡平生町大野北316番地の11