JP2014215177A

JP2014215177A - 検査装置及び検査方法

Info

Publication number: JP2014215177A
Application number: JP2013092784A
Authority: JP
Inventors: 山田　英一郎; Eiichiro Yamada; 英一郎山田; 彰紀木村; Akinori Kimura
Original assignee: Sumitomo Electric Industries Ltd
Current assignee: Sumitomo Electric Industries Ltd
Priority date: 2013-04-25
Filing date: 2013-04-25
Publication date: 2014-11-17
Also published as: US20140319351A1

Abstract

【課題】より高い精度で異種品や不良品の検出を行う。【解決手段】検査装置１００及びこの検査装置１００を用いた検査方法によれば、分析ユニット３０において、まず、検出ユニット２０において取得された各画素のスペクトルデータから、検査対象物を撮像した対象画素を抽出し、さらに、同一の検査対象物を撮像した複数の対象画素のスペクトルデータを予めグループ化して、グループ化した対象物スペクトルを用いて検査対象物の分類が行われる。したがって、同一の検査対象物を撮像した複数の対象画素のスペクトルデータを用いて検査対象物の分類を行うことから、特定の画素に含まれるノイズ等に由来する誤判定の可能性を低減することができ、より高い精度で異種品や不良品の検出を行うことが可能となる。【選択図】図１

Description

本発明は、検査装置に関し、特に、同一形状を有する複数の検査対象物の中から異種品又は不良品を検出する検査装置及びこの検査装置による検査方法に関する。

従来から、加工ライン上を流れる検査対象物に混在する異種品や不良品の検知を目的とした検出装置が知られている。例えば、特許文献１では、照射手段を用いて近赤外光を検査対象物に対して照射し、検査対象物からの反射光を平面分光器により平面分光した後撮像することで反射光スペクトルデータを取得し、この反射スペクトルデータを主成分分析法により分析することで異種品を検出する構成が開示されている

国際公開第２００５／０３８４４３号

特許文献１記載の主成分分析法を用いて異物や不良品を検出する場合、スペクトルを構成する各プロットの分散が最大になるように主成分を決定して分析を行う。したがって、仮に、ノイズ成分の割合が高い状態で測定したスペクトルを用いたために、検査対象物のスペクトルに対する異物や不良品のスペクトルの差が微弱である場合には、この微弱なスペクトルの差を用いて主成分が決定されるため、異物や不良品の判別性能が低下してしまう可能性がある。
本発明は上記を鑑みてなされたものであり、より高い精度で異種品や不良品の検出を行うことが可能な検出装置及びこの検出装置を用いた検出方法を提供することを目的とする。

上記目的を達成するため、本発明に係る検査装置は、近赤外光を撮像領域に対して出射する光源と、前記光源からの前記近赤外光を照射されることで前記撮像領域から出射される光を入射して分光する分光手段と、前記分光手段によって分光された光の分光画像を撮像し、画素毎のスペクトルデータを出力する撮像手段と、前記撮像手段によって出力された前記画素毎のスペクトルデータに基づいて解析対象となる画素である対象画素を抽出する画素抽出手段と、前記画素抽出手段によって抽出された前記対象画素を近接する複数の画素毎にグループ化し、グループ化された対象画素のスペクトルデータに基づいて検査対象物のスペクトルを算出するスペクトル算出手段と、前記スペクトル算出手段によって算出されたスペクトルに基づいて、検査対象物を分類する分類手段と、を備えることを特徴とする。

また、本発明に係る検査方法は、光源から近赤外光を照射されることで撮像領域から出射される光を入射して分光する分光ステップと、前記分光ステップによって分光された光の分光画像を撮像し、画素毎のスペクトルデータを出力する撮像ステップと、前記撮像ステップにおいて出力された前記画素毎のスペクトルデータに基づいて解析対象となる画素である対象画素を抽出する画素抽出ステップと、前記画素抽出ステップにおいて抽出された前記対象画素を近接する複数の画素毎にグループ化し、グループ化された対象画素のスペクトルデータに基づいて検査対象物のスペクトルを算出するスペクトル算出ステップと、前記スペクトル算出ステップにおいて算出されたスペクトルに基づいて、検査対象物を分類する分類ステップと、を備えることを特徴とする。

上記の検査装置及びこの検査装置を用いた検査方法によれば、まず、取得された各画素のスペクトルデータから検査対象物を撮像した対象画素を抽出し、さらに、同一の検査対象物を撮像した複数の対象画素のスペクトルデータを予めグループ化して、グループ化した対象物スペクトルを用いて検査対象物の分類が行われる。したがって、同一の検査対象物を撮像した複数の対象画素のスペクトルデータを用いて検査対象物の分類を行うことから、特定の画素に含まれるノイズ等に由来する誤判定の可能性を低減することができ、より高い精度で異種品や不良品の検出を行うことが可能となる。

ここで、前記スペクトル算出手段は、前記対象画素に含まれる特定の画素を中心とした所定の範囲に含まれる画素を当該特定の画素と同一グループであると判断することで、複数の画素毎にグループ化する態様とすることができる。

このように、特定の画素を中心とした所定の範囲に含まれる画素を当該特定の画素と同一グループであると判断することで、複数の画素毎にグループ化する構成とするため、同一の検査対象物を撮像したと推測される対象画素をより簡素な方法でグループ化することができ、高精度での異種品や不良品の検出をより簡素に実施することができる。

本発明によれば、より高い精度で異種品や不良品の検出を行うことが可能な検出装置及びこの検出装置を用いた検出方法が提供される。

本実施形態に係る検査装置の構成を示す図である。ハイパースペクトル画像についてその概略を説明する図である。本実施形態に係る検査方法についてのフローチャートである。対象画素のグループ化の第一の例について説明する図である。対象画素のグループ化の第二の例について説明する図である。対象画素のグループ化の第三の例について説明する図である。ＰＣＡ分析の結果を示す図である。ＰＣＡ分析の結果を示す図である。ＰＣＡ分析の結果を示す図である。

以下、添付図面を参照して、本発明を実施するための形態を詳細に説明する。なお、図
面の説明においては同一要素には同一符号を付し、重複する説明を省略する。

（検査装置の構成）
本発明に係る画像データ分析装置を含んで構成される検査装置１００について図１を用いて説明する。本実施形態に係る検査装置１００は、ベルトコンベア２上に分散載置された検査対象物３に混入した異種品や検査対象物３の不良等を検査することを主な目的とした装置である。

本実施形態に係る検査装置１００の検査対象物３としては、食品や医薬品等の原材料や製品等が挙げられる。その中でも、特に、本実施形態に係る検査装置１００は、医薬品（錠剤、カプセル剤等）、ゴム栓、食品、容器に入った飲料等のように、ある一つの固定した形を持つ検査対象物３に、異種品又は不良品が混入していないかどうかを検査する技術に好適に用いられる。ここでいう不良品とは、錠剤の欠けのような形状的な不良ではなく、例えば、酸化や吸湿等による物性の変化による不良が生じたものをいう。また、検査装置１００では、搬送される検査対象物をインラインで全数検査することに対して好適に用いられる。なお、錠剤とは、素錠（または裸錠）、糖衣錠、フィルムコート錠（腸溶錠等）等が挙げられ、カプセル剤としては、硬カプセル剤、軟カプセル剤等が挙げられる。なお、図１の検査装置１００では、検査対象物３が搬送容器３１によって搭載された錠剤であって、搬送容器３１内に異種品又は不良品の錠剤が混合しているかを検査する場合について説明する。

検査装置１００は、近赤外光である測定光を検査対象物３に対して照射することにより得られる拡散反射光のスペクトルを測定し、そのスペクトルに基づいて検査対象物３を検査する。このため、検査装置１００は、光源ユニット１０、検出ユニット２０（撮像手段）、及び分析ユニット３０（画素抽出手段、スペクトル算出手段、分類手段）を備える。

光源ユニット１０は、近赤外光である測定光を、ベルトコンベア２上における所定の照射領域Ａ１へ向けて照射する。光源ユニット１０が照射する測定光の波長範囲は、検査対象物３によって適宜選択される。検査対象物が特に錠剤である場合、測定光としては、具体的には、波長範囲が８００ｎｍ〜２５００ｎｍの光が好適に用いられ、特に１０００ｎｍ〜２３００ｎｍの光が好適に用いられる。なお、本実施形態では、ハロゲンランプ光源１１を含む光源ユニット１０について説明する

照射領域Ａ１とは、検査対象物３を載置するベルトコンベア２の表面（載置面２ｂ）の一部の領域である。この照射領域Ａ１は、載置面２ｂの進行方向２ａ（図１のｙ軸方向）と垂直な幅方向（ｘ軸方向）に広がり、載置面２ｂの一方の端から他方の端までを覆うライン状に延びる領域である。そして、照射領域Ａ１の延在方向に垂直な方向（ｙ軸方向）における照射領域Ａ１の幅はx軸方向よりも狭いとされる。

光源ユニット１０は、ハロゲンランプ光源１１と、照射部１２と、光源１１と照射部１２とを接続する光ファイバ１３と、を備える。光源１１は、近赤外光発生させる。

光源１１により発生された近赤外光は、光ファイバ１３の一方の端面へ入射される。この近赤外光は、光ファイバ１３のコア領域を導波し、もう一方の端面から照射部１２に対して出射される。

照射部１２は、光ファイバ１３の端面から出射される近赤外光を検査対象物３が載置される照射領域Ａ１に対して照射する。照射部１２は、光ファイバ１３から出射される近赤外光を入射して、照射領域Ａ１に対応した１次元のライン状に出射するため、照射部１２としてシリンドリカルレンズが好適に用いられる。このように照射部１２においてライン状に整形された近赤外光Ｌ１が、照射部１２から照射領域Ａ１に対して照射される。

光源ユニット１０から出力された近赤外光Ｌ１は、照射領域Ａ１上に載置された検査対象物３により拡散反射される。そして、その一部が、拡散反射光Ｌ２として検出ユニット２０に入射する。

検出ユニット２０は、ハイパースペクトル画像を取得するハイパースペクトルセンサとしての機能を有する。ここで、本実施形態におけるハイパースペクトル画像について図２を用いて説明する。図２は、ハイパースペクトル画像についてその概略を説明する図である。図２に示すように、ハイパースペクトル画像とは、Ｎ個の画素Ｐ_１〜Ｐ_Ｎにより構成されている画像である。図２ではそのうちの一例として２個の画素Ｐ_ｎ及びＰ_ｍについて具体的に示している。画素Ｐ_ｎ及びＰ_ｍには、それぞれ複数の強度データからなるスペクトル情報Ｓ_ｎ及びＳ_ｍが含まれている。この強度データとは、特定の波長（又は波長帯域）におけるスペクトル強度を示すデータであり、図２では、１５個の強度データがスペトル情報Ｓ_ｎ及びＳ_ｍとして保持されていて、これらを重ね合わせた状態で示している。このように、ハイパースペクトル画像Ｈは、画像を構成する画素毎に、それぞれ複数の強度データを持つという特徴から、画像としての二次元的要素と、スペクトルデータとしての要素をあわせ持った三次元的構成のデータである。なお、本実施形態では、ハイパースペクトル画像Ｈとは、１画素あたり少なくとも５つの波長帯域における強度データを保有している画素によって構成された画像のことをいう。

図２では検査対象物３もあわせて示している。すなわち、図２においてＰ_ｎは検査対象物３を撮像した画素であり、Ｐ_ｍは背景（例えば、ベルトコンベアや搬送容器）を撮像した画素である。このように、検出ユニット２０では、検査対象物３だけでなく背景を撮像した画像も取得される。

図１に戻り、本実施形態に係る検出ユニット２０は、カメラレンズ２４と、スリット２１と、分光器２２と、受光部２３と、を備える。この検出ユニット２０は、その視野領域２０ｓ（撮像領域）がベルトコンベア２の進行方向２ａと垂直な方向（ｘ軸方向）に延びている。検出ユニット２０の視野領域２０ｓは、載置面２ｂの照射領域Ａ１に含まれるライン状の領域であって、スリット２１を通過した拡散反射光Ｌ２が受光部２３上に像を結ぶ領域である。

スリット２１は、照射領域Ａ１の延在方向（ｘ軸方向）と平行な方向に開口が設けられる。検出ユニット２０のスリット２１に入射した拡散反射光Ｌ２は、分光器２２へ入射する。

分光器２２は、スリット２１の長手方向、すなわち照射領域Ａ１の延在方向に垂直な方向（ｙ軸方向）に拡散反射光Ｌ２を分光する。分光器２２により分光された光は、受光部２３によって受光される。

受光部２３は、複数の受光素子が２次元に配列された受光面を備え、各受光素子が光を受光する。これにより、受光部２３がベルトコンベア２上の幅方向（ｘ軸方向）に沿った各位置で反射した拡散反射光Ｌ２の各波長の光をそれぞれ受光することとなる。各受光素子は、受光した光の強度に応じた信号を位置と波長とからなる二次元平面状の一点に関する情報として出力する。この受光部２３の受光素子から出力される信号が、ハイパースペクトル画像に係る画素毎のスペクトルデータとして、検出ユニット２０から分析ユニット３０に送られる。

分析ユニット３０は、入力された信号により拡散反射光Ｌ２のスペクトルを得て、この得られた画素毎のスペクトルデータを用いて、検査対象物３の評価を行う。検査対象物３に含まれる異物を検出する場合は、次のような原理で検査を行う。検査対象物３が、本来想定されている種類とは異なる種類（異種品）である場合や、想定されている種類の製品であっても何らかの特性変化等が生じている場合には、当該検査対象物３に対して近赤外光を照射して得られるスペクトルデータは、想定されている種類の製品から得られるスペクトルデータと比較してその形状が異なっていると考えられる。そこで、スペクトルデータを解析してその形状が異なる場合には、検査対象物３が想定されていたものとは異なると判定し、当該検査対象物を他の検査対象物から分類する。

この分析ユニット３０は、ＣＰＵ（Central Processing Unit）、主記憶装置であるＲＡＭ（RandomAccess Memory）及びＲＯＭ（Read Only Memory）、検出ユニット等の他の機器との間の通信を行う通信モジュール、並びにハードディスク等の補助記憶装置等のハードウェアを備えるコンピュータとして構成される。そして、これらの構成要素が動作することにより、分析ユニット３０としての機能が発揮される。その分析ユニット３０による分析処理の概要やその具体的な手法については後述する。

次に、上記の検査装置１００を用いた検査方法について、図３を参照しながら説明する。図３に示すように、まず、ベルトコンベア２上に載置されて移動する検査対象物３を含む照射領域Ａ１に対して光源ユニット１０から近赤外光Ｌ１を出力することで、検査対象物３により拡散反射された光を含む拡散反射光Ｌ２を検出ユニット２０において受光することで、視野領域２０ｓ（撮像領域）の撮像を行う（Ｓ０１：撮像ステップ）。これによって、検出ユニット２０において得られた画素毎のスペクトルデータは、検出ユニット２０から分析ユニット３０に送られ、分析ユニット３０において取得される（Ｓ０２）。なお検出ユニット２０においてベルトコンベア２の移動に対応して連続して撮像を行い、これを分析ユニット３０に対して蓄積することで、分析ユニット３０では、各画素が二次元に配置されたハイパースペクトル画像として取得される。

分析ユニット３０では、これらの画素のうち、検査対象物３を撮像した画素、すなわち、解析対象となる画素（対象画素）を抽出する（Ｓ０３：画素抽出ステップ）。

まず、対象画素であるか否かを判定する方法としては、例えば以下の方法が挙げられる。具体的には、各画素のスペクトルデータにおいて、ある特定の波長のデータが予め決定しておいた閾値内にあるかどうかを判定する方法が挙げられる。これは、背景と検査対象物３とを比較したときに、検査対象物３が特定の成分を含んでいる等の場合に有効である。また、第１の波長における反射光強度データと、それとは別の第２の波長における反射光強度データに対して四則演算を行うことで当該画素に係る得点を算出し、算出された得点が予め決定しておいた閾値内にあるかどうかによって、当該画素が対象画素となるか否かを判定する方法が挙げられる。

また、予め取得しておいた検査対象物３やベルトコンベア、搬送容器についての１次元ベクトルデータと、撮像された画素毎のスペクトルデータを下記の数式（１）を用いてに線形結合計算することによって画素毎の得点算出を行い、得点が予め決定しておいた閾値内にあるかどうか判定しても良い。
Ｓ＝Ｘ・Ｌa …（１）
Ｓ：得点Ｘ：スペクトルデータＬa：１次元ベクトルデータ

上記の１次元ベクトルデータは、例えば、検査対象物やベルトコンベア、搬送容器のスペクトルデータを予め取得した後に、スペクトル解析に有効なケモメトリックスの一つである主成分分析（ＰＣＡ）やＰＬＳ回帰分析（ＰａｒｔｉａｌＬｅａｓｔＳｑｕａｒｅ）、優れたパターン認識性能を持つＳＶＭ（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ）を用いることで、得ることができる。

ＳＶＭを用いた分析とは、特定の検出対象の有無の判定を行う手法であり、区別したい２つの対象のサンプルの画像データを学習用データとして学習することによって、それらに対する識別境界を生成する公知の識別アルゴリズムである。そして、ＳＶＭには、識別境界が特徴量に関する線形関数で表現される線形ＳＶＭ（Linear Support Vector Machines：ＬＳＶＭ）と、非線形関数で表現される非線形ＳＶＭ（Kernel Support Vector Machines：ＫＳＶＭ）の２種類があるが、線形ＳＶＭによる識別は計算量が小さいため、リアルタイム処理に適用しやすい。本実施形態の分析ユニット３０においてＳＶＭを用いる場合には、線形ＳＶＭを用いることにより、分析を行うことができる。

なお、対象画素を抽出するために用いる四則演算（数式）や、１次元ベクトルデータの算出、対象画素か否かを判定するための閾値は、予め対象画素を好適に分類できるように決定しておく。また、対象画素を抽出するために用いられる演算や判定基準は、上述の複数種類の判定方法のうちのいくつかを組み合わせて用いてもよい。また、同じ判定方法を用いる場合であっても、複数回の演算を行ってもよいし、複数の閾値を判定に用いてもよい。また、画素毎のスペクトルデータに対して、規格化、平滑化、微分などの処理を行った後に、対象画素か否かの判定を行う演算を行っても良い。

このようにして各画素について対象画素か否かを判定し、その結果抽出された対象画素について、グループ化を行う（Ｓ０４：スペクトル算出ステップ）。この処理は、例えば検査対象物３が錠剤である場合、１錠の錠剤が複数個の画素によって撮像されると考えられるため、同一の錠剤を撮像したと推測される対象画素を１つのグループとすることを目的として行われる。

グループ化を行う方法について、以下いくつか例示する。まず、グループ化を行う方法の第一の例について、図４を用いて説明する。図４は、検出ユニット２０において取得された画素を、２次元的に配置したものである。このうち、対象画素の抽出のステップ（Ｓ０３）において、対象画素であると判定された画素を斜線で示している。ここで、例えば、特定の画素に対して特定の画素を中心とした所定の範囲に含まれる画素を当該特定の画素と同一グループであると判断するとする。所定の範囲を、一例として、３画素（Ｘ方向）×３画素（Ｙ方向）と考えると、例えば、画素Ｒ１を中心に考えると、画素Ｒ２〜Ｒ５は、画素Ｒ１を含む３画素×３画素に含まれるので同一グループと考えられる。そして、当該グループに含まれる画素Ｒ４（もしくは画素Ｒ５）を中心に考えると、画素Ｒ６も同一グループであると考えられる。画素Ｒ１〜Ｒ６のそれぞれを中心に考えた時に、画素Ｒ１〜Ｒ６以外に３画素×３画素の範囲に含まれる対象画素はないので、画素Ｒ１〜Ｒ６が同一グループとあると判断し、同一の検査対象物３’に係る対象画素であると判断する。このようなグループ化の作業を繰り返すことで、同一の検査対象物を撮像した対象画素をそれぞれ同一のグループにまとめることができる。

グループ化を行う方法の第二の例について、図５を用いて説明する。図５は、は、図４と同様に、検出ユニット２０において取得された画素を、２次元的に配置したものである。このうち、対象画素の抽出のステップ（Ｓ０３）において、対象画素であると判定された画素を斜線で示している。第二の例では２次元配置された複数の画素を搬送方向（ｙ方向）に沿った複数のエリア（Ａ、Ｂ、Ｃ,・・・）に区切っておく。そして、搬送方向と直交する方向（ｘ方向）に関しては、同一エリア内に存在する対象画素すべてを、同一グループに属していると判断する。搬送方向に関しては、第一の例と同様に一つの対象画素に対して当該画素を中心とした所定の範囲に含まれる対象画素を当該画素と同一グループに属していると判断する。

さらに、グループ化を行う方法の第三の例について、図６を用いて説明する。図６は、、検出ユニット２０において取得された画素を２次元的に配置したものであり、対象画素の抽出のステップ（Ｓ０３）において、対象画素であると判定された画素を斜線で示している。第三の例では２次元配置された複数の画素を複数のエリア（Ａ１、Ａ２、Ａ３、・・・、Ｂ１、Ｂ２、Ｂ３、・・・、Ｃ１、Ｃ２、Ｃ３,・・・）に区切っておく。そして、同一エリア内に存在する対象画素すべてを、同一グループに属していると判断する。なお、グループ化の方法は、上記に限定されず適宜変更ができる。

このように抽出してグループ化された対象画素のスペクトルデータに基づいて、検査対象物のスペクトルの算出が行われる（Ｓ０５：スペクトル算出ステップ）。

検査対象物のスペクトルの算出とは、同一のグループに含まれる画素のスペクトルデータに基づいて、１つのスペクトルデータの算出を行うことである。この過程においては、以下の処理の中から適宜選択して検査対象物のスペクトルデータの算出が行われる。

（空間軸平均化処理）
グループ化された対象画素のスペクトルデータの全数を用いて、各波長の反射光の平均値を求める。この処理によって、対象物の一点のみの反射光ではなく、対象物の複数個所における反射光の平均値に基づいたスペクトルデータを得ることができる。

（規格化処理）
スペクトルデータに対して、以下のような規格化の少なくとも何れかの処理を行うことで規格化を行う。なお、この処理は、前述の空間軸平均化処理の前に各画素のスペクトルデータ全数を用いることでもよい。また、後述の平滑化処理の後に規格化処理を行う構成としてもよい。

（Ａ）ホワイト補正
予め基準対象物（例えば、近赤外波長域で反射率が略均一な素材）のスペクトルデータをホワイト値として測定しておき、検査対象物のスペクトルデータをホワイト値で除算する。これにより、反射率スペクトルを得ることができる。

（Ｂ）ダーク補正
予め遮光状態で撮像したスペクトルデータをダーク値として測定しておき、スペクトルデータからダーク値を減算する。

（Ｃ）疑似ダーク補正
（Ｂ）のようにダーク補正のための遮光スペクトルデータを別途準備するのではなく、スペクトルデータのうち、感度が微小な波長の強度を疑似ダーク値として定義し、疑似ダーク値をスペクトルデータから減算する。複数の波長の強度を平均化して疑似ダーク値を設定してもよい。

（Ｄ）ダーク・ホワイト補正
スペクトルデータからダーク値もしくは疑似ダーク値を減算した後、ホワイト値からダーク値もしくは疑似ダーク値を減算した値で除算する。すなわち、反射率スペクトルとなる。

（Ｅ）ＳＮＶ
スペクトルデータの平均値を各波長のデータより減算し、その後スペクトルデータの標準偏差で各波長のデータを除算して、各スペクトルデータ間の強度のバラツキの影響を除外する処理である。

（平滑化処理）
対象物のスペクトルデータのうち、近隣の複数波長における反射率の移動平均もしくは重み付け移動平均をとり、スペクトル波形に含まれる微小なノイズの影響を減少させる。

（微分処理／一次微分もしくは二次微分）
スペクトルデータの吸収ピークを強調させる為に、一次微分もしくは二次微分を求める。また、ノイズの影響を減少させる為に、数ポイント〜数十ポイント毎に平滑化をかける。算出に際しては、例えばSavitzky-Golay法を用いることができる。

以上に示すような処理を行うことで、同一のグループに含まれる複数の画素のスペクトルデータから、検査対象物３の分類に用いられる対象物のスペクトルデータを抽出することができる。

次に、算出された検査対象物のスペクトルデータに基づいて、分類、すなわち、個々の検査対象物３が異種品又は不良品であるか否かの判断が行われる（Ｓ０６：分類ステップ）。この判断の際には、例えば、対象画素の算出のときと同様に、スペクトルデータにおいて、ある波長のデータと、それとは別波長のデータに対して四則演算を行い、得点算出を行い、得点が閾値以上か否かで判断する方法や、１次元ベクトルデータを用いて、上記の数式（１）で示した線形結合計算することにより、得点算出を行い、得点が閾値以上か否かで判断する方法等を用いることができる。なお、対象画素の抽出のときと同様に、１次元ベクトルは、ＰＣＡやＰＬＳ、ＳＶＭの１次元ベクトルが複数種類混在していてもよいし、１種類の解析手法において複数の１次元ベクトルを利用する方法であってもよい。

また、例えば検査対象物を２種類（例えば、良品と不良品）に区別するだけではなく、３種類以上に分類する場合、一つの判定条件だけでは識別できない場合がある。この場合は、条件分岐処理にて複数回判定を行うこととしてもよい。条件分岐処理とは、１回目の判定条件で特定の種類の品目だけを検出し、残りの品目について１回目とは異なる判定条件で判定する処理方式である。これを繰り返すことで、複数種類の分類を行うことが可能となる。

このようにして、異種品又は不良品であるか否かの判断結果は、モニタ等によって外部に出力される（Ｓ０７）。以上で、検査装置１００を用いた検査方法が終了する。なお、検査装置１００をインラインで用いる場合には、撮像（Ｓ０１）、測定データの取得（Ｓ０２）及び対象画素の抽出（Ｓ０３）までは、検出ユニット２０による１ラインの撮像毎に行うことができるが、それ以降（Ｓ０４〜）の処理については、関連する画素の情報を収集してから行われることから、画素毎のスペクトルデータを分析ユニット３０において所定数以上分バッファリングしておくことが好ましい。

ここで、本実施形態に係る検査装置を用いて、搬送容器に搭載（６列）された６種類の錠剤品目（Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ）を検査対象物として適用した実施例を示す。検査装置としては図１に示す構成を用い、検出ユニット２０についてはより具体的には、平面分光器（フィンランドSpecim社製）と、近赤外線カメラ（住友電気工業株式会社製）とを用いて撮像を行った。

まず、得点算出処理用の１次元ベクトルデータを算出するために、各品目それぞれについて、５００錠の錠剤を検査対象物として適用し、以下の条件において、ハイパースペクトル画像の取得を行った。
使用レンズ：ｆ＝３０．７ｍｍ
統計処理波長：１１２０〜２２７０ｎｍ

その後、搬送容器に搭載された検査対象物の錠剤を撮像し、得られた画素毎のスペクトルデータについてホワイト・ダーク補正を行った後に、補正後のスペクトルデータに基づいて対象画素の抽出を行った。このとき以下の６つの条件を全て満たす画素を対象画素として抽出した。
・0.3052＜1168nmの反射率＜1
・0.3052＜1369nmの反射率＜1
・0.3052＜1594nmの反射率＜1
・0.2442＜2131nmの反射率＜1
・1369nmの反射率／1594nmの反射率＞0.5
・1168nmの反射率／2131nmの反射率＞1.0

次に、抽出された対象画素について、近接する画素を同一グループとしてグループ化する処理を行った。この時の条件は、５画素（搬送幅方向＝Ｘ方向）×５画素（搬送方向＝Ｙ方向）内に対象画素が９画素以上あれば、それらは同一グループとして判定して、グループを形成した。

次に、グループ化された画素のスペクトルデータそれぞれについて、ＳＮＶ処理を行った後に、平均化を行った。そして得られた平均のスペクトルデータについて２次微分を算出した。２次微分については、Savitzky-Golay法を用いて行い、特定のポイントに対して前後３ポイントを含む７つの値を用いて計算を行った。

以上の処理によって、分類対象となる各錠剤についての対象物スペクトルを取得した。

一方、品目Ａ〜Ｆ全ての対象画素のスペクトルデータに基づいて、ＰＣＡによって３つの１次元ベクトルデータ（ＰＣ１，ＰＣ２，ＰＣ３）を得る。２つの１次元ベクトルデータ（ＰＣ１とＰＣ２）を採用し、各錠剤の対象物スペクトルデータとの線形結合を行って得点を算出した結果を図５に示す。図５のように、ＰＣ１とＰＣ２とを用いた場合、領域Ａは他の領域Ｂ〜Ｆと重複がないので、品目Ａは明確に識別できることが確認された。

次に、２つの１次元ベクトルデータ（ＰＣ２とＰＣ３）を採用し、品目Ｂ〜Ｆに係る各錠剤の対象物スペクトルデータとの線形結合を行って得点を算出すると、図６の結果になった。この場合は、領域Ｂ，Ｆは他の領域Ｃ〜Ｅと重複していないので、品目Ｂ，Ｆはこの分析により明確に識別できることが確認された。

さらに、識別が困難な品目Ｃ〜Ｅがある場合には、条件分岐処理を用いて、別の判定条件を追加するとよい。

具体的には、品目Ｃ〜Ｅのスペクトルデータ（横軸が波長軸）に基づいて、ＰＣＡによって２つの１次元ベクトルデータ（ＰＣ１，ＰＣ２）を採用し、各錠剤の対象物スペクトルデータとの線形結合を行って得点を算出すると、図７のような結果を示す。図７では、領域Ｃ〜Ｅは重複がないので、品目Ｃ〜Ｅはこの分析により明確に識別できることが確認された。

このように、２種類のＰＣＡにより、Ａ〜Ｆの全品目を識別することができることが確認された。すなわち、条件分岐処理を用いて複数回の判定を行うことで、複数種類の品目を分類することが可能であることが確認された。なお、領域Ａ〜Ｆを特定する際に、上記の実施例では、各領域の大きさを得点の標準偏差の６倍としたが、これに限るものではない。

また、上記では、ＰＣＡを用いて１次元ベクトルデータの算出を行ったが、ＰＣＡに限るものではなく、ＰＬＳ、ＳＶＭでも算出することができ、対象物によって使い分けることができる。また、明らかにスペクトル形状が異なる場合、１次元ベクトルデータによる線形結合を用いずに、四則演算による簡易的な判定条件を採用することができる。

以上のように、本発明に係る検査装置１００及びこの検査装置１００を用いた検査方法によれば、まず、取得された各画素のスペクトルデータから検査対象物を撮像した対象画素を抽出し、さらに、同一の検査対象物を撮像した複数の対象画素のスペクトルデータを予めグループ化して、グループ化した対象物スペクトルを用いて検査対象物の分類が行われる。したがって、同一の検査対象物を撮像した複数の対象画素のスペクトルデータを用いて検査対象物の分類を行うことから、特定の画素に含まれるノイズ等に由来する誤判定の可能性を低減することができ、より高い精度で異種品や不良品の検出を行うことが可能となる。

また、対象画素に含まれる特定の画素を中心とした所定の範囲に含まれる画素を当該特定の画素と同一グループであると判断することで、複数の画素毎にグループ化する構成とするため、同一の検査対象物を撮像したと推測される対象画素をより簡素な方法でグループ化することができ、高精度での異種品や不良品の検出をより簡素に実施することができる。

また、上記の検査方法において、分析ユニット３０において用いられる分類のアルゴリズムは計算量が少ないため、計算処理に要するサイクルタイムが短く、例えば、１回の処理を数十μ秒で終わらせることができる。したがって、条件分岐処理を行って判定処理を多数回繰り返しても、短時間で十分上記の目的を達することができる。

また、上記で説明した各処理のうち、空間軸平均化処理は、対象画素の抽出後に行われるが、その他の処理（補正処理・規格化処理等）は、各画素のスペクトルデータに対して適用することもできる。

１００…検査装置、２…ベルトコンベア、３…検査対象物、１０…光源ユニット、１１，１１Ａ…光源、１２…照射部、１３…光ファイバ、
２０…検出ユニット、２１…スリット、２２…分光器、２３…受光部、２４…カメラレン
ズ、３０…分析ユニット。

Claims

近赤外光を撮像領域に対して出射する光源と、
前記光源からの前記近赤外光を照射されることで前記撮像領域から出射される光を入射して分光する分光手段と、
前記分光手段によって分光された光の分光画像を撮像し、画素毎のスペクトルデータを出力する撮像手段と、
前記撮像手段によって出力された前記画素毎のスペクトルデータに基づいて解析対象となる画素である対象画素を抽出する画素抽出手段と、
前記画素抽出手段によって抽出された前記対象画素を近接する複数の画素毎にグループ化し、グループ化された対象画素のスペクトルデータに基づいて検査対象物のスペクトルを算出するスペクトル算出手段と、
前記スペクトル算出手段によって算出されたスペクトルに基づいて、検査対象物を分類する分類手段と、
を備えることを特徴とする検査装置。
前記スペクトル算出手段は、
前記対象画素に含まれる特定の画素を中心とした所定の範囲に含まれる画素を当該特定の画素と同一グループであると判断することで、複数の画素毎にグループ化する
ことを特徴とする請求項１記載の検査装置。
光源から近赤外光を照射されることで撮像領域から出射される光を入射して分光する分光ステップと、
前記分光ステップによって分光された光の分光画像を撮像し、画素毎のスペクトルデータを出力する撮像ステップと、
前記撮像ステップにおいて出力された前記画素毎のスペクトルデータに基づいて解析対象となる画素である対象画素を抽出する画素抽出ステップと、
前記画素抽出ステップにおいて抽出された前記対象画素を近接する複数の画素毎にグループ化し、グループ化された対象画素のスペクトルデータに基づいて検査対象物のスペクトルを算出するスペクトル算出ステップと、
前記スペクトル算出ステップによって算出されたスペクトルに基づいて、検査対象物を分類する分類ステップと、
を備えることを特徴とする検査方法。