■  HALCON の分類法

ロールtoロールのWEB検査などでは、FPGAなどを用いて高速に検出して切り出された欠陥画像に対して、欠陥の種類を特定するというニーズがあります。定形ではない欠陥に対して人の感覚に近い形で分類するには、学習を用いたHALCONの分類法が非常に有用であり、多くの検査装置メーカーで採用されています。

HALCONでは、ニューラルネットワーク(MLP)をはじめ、サポートベクターマシン(SVM)など4種類の分類法をサポートしています。その特長ごとに使い分けが重要になってきますが、特に分類精度に優れるSVMとMLPに対して、HALCON12ではさらにその機能が強化されています。

■  サポートベクターマシン：　スコアの出力

分類精度の高さからサポートベクターマシン（SVM）を選択されるケースは多いですが、従来のSVMでは分類結果のみしか得ることができず、分類された結果がどの程度確からしいものかを判断する術がありませんでした。

HALCON12 では、トレーニングしたサンプルと同じクラスか異なるクラスかを判別する、"排他クラス"モードに対して、スコアを取得できるようになりました。登録したクラスに属している場合には1.0より大きなスコアが、属していない場合には1.0より小さなスコアが取得されます。

判断が難しいサンプルに対しては1.0付近のスコアが返ることになります。これにより、誤って同じ/異なるクラスとして判断されてしまうような判断が難しいサンプルに対して、さらなる追加検証を行うといった使い方も可能になります。

■  ニューラルネットワーク：　感性に近いスコアの出力

ニューラルネットワーク(MLP)は、HALCONのOCRでも標準的に採用されている分類手法です。MLPでは分類結果に加えてスコアも取得することができますが、従来のOCRでは、スコアが人間の感覚から離れており、判断基準として使用するには難しいものがありました。

HALCON12のOCRでは、より認識率が高く、人間の感性に近いスコアを返すようなアルゴリズムが搭載されています。

例えば右は、"h"と書かれた、解像度が低く不明瞭なチャレンジ画像に対する、HALCON11と12のOCRの結果を上位2つまで示したものです。

"h"とも"b"とも見て取れる画像ですが、HALCON 11では、もっともスコアの高いものが"b"と誤認識し、そのスコアは第一位と第二位で大きな差があります。一方HALCON12では、"h"と"b"の両方で高いスコアが見られ、どちらかというと"h"という人間の感覚に近いスコアが得られているのが確認できます。

例えば、トレーサビリティなどの観点では、事前に読まなければならない文字列の情報が既知であるケースが考えられます。OCRをした結果が、既知の情報と相違ないかという照合をとる場合、第一位では合致しなかった場合に第二位、第三位と確認することが有効ですが、その判断基準にスコアも加味して検査することが可能になります。

※LinX Express 配信の中止・アドレスの変更をご希望の方は、お手数ですが右の「ご登録内容変更」よりお問い合わせください。