專利名稱：圖像處理設(shè)備的制作方法
技術(shù)領(lǐng)域：
本實用新型涉及一種圖像處理設(shè)備。
背景技術(shù)：
目前，通過拍攝對象物如瓶口的外觀，獲取拍攝圖像，以獲取的圖像為基礎(chǔ)來檢查是否有異物的混入、破損、缺口以及污垢等缺陷的技術(shù)非常多，但這些只將獲取的圖像數(shù)據(jù)用一定的閾值進行2值化，并測試2值化數(shù)據(jù)的黑色或白色面積(面積比)，以此來檢查有無缺陷，這種單純的2值化方法有時很難提高檢查的可靠性；有的圖像處理設(shè)備能夠判定
玻璃瓶口等局部形狀特征明顯的特定部分是否合格，能夠迅速而準確地進行檢查，但是玻璃瓶以外的對象，因為沒有這種明顯的局部特征，因此無法檢查；有的圖像處理設(shè)備雖然能夠以圖像信息所表現(xiàn)出來的顏色、形狀、結(jié)構(gòu)、尺寸等各種參數(shù)為基礎(chǔ)，自動判斷對象物的屬性，但對顯示在每個裁取部分的狀態(tài)無法判斷，這就嚴重影響判斷結(jié)果的準確性。
發(fā)明內(nèi)容為了克服上述缺陷，本實用新型提供了一種圖像處理設(shè)備，該圖像處理設(shè)備能夠從拍攝到的對象物圖像中，快速準確的判斷對象物的狀態(tài)是否良好。本實用新型為了解決其技術(shù)問題所采用的技術(shù)方案是一判斷對象物狀態(tài)的圖像處理設(shè)備，對具有一定形態(tài)的對象物進行拍攝，從拍攝到的對象圖像中判斷對象物的狀態(tài)，其包括拍攝裝置拍攝對象物并獲取對象圖像；參照圖像存儲單元基于對象圖像判斷對象物狀態(tài)時，把基準參照圖像的相關(guān)信息參數(shù)化，并作為參照物形狀參數(shù)進行存儲；提取對象物形狀參數(shù)的單元從拍攝裝置獲取的對象圖像中，提取出對象物形狀參數(shù)，作為和參照物形狀參數(shù)相比較的比較對象；置信度計算單元置信度就是把對象物形狀參數(shù)和參照物形狀參數(shù)的近似度數(shù)值化；狀態(tài)判斷單元以置信度計算單元算出的置信度為基準，判斷對象物的狀態(tài)。這里所說的形狀參數(shù)是，把圖像中裁取的形狀、顏色、紋理、大小等參數(shù)化，以多維向量的形式表現(xiàn)出來。通過上述圖像處理設(shè)備，狀態(tài)判斷單元是以置信度計算單元算出的置信度為基準、來判斷對象物的狀態(tài)是否良好等，因此能快速準確的判斷出對象物的狀態(tài)。由于置信度是從形狀參數(shù)相關(guān)的比較結(jié)果計算出來的，在根據(jù)照片等圖像判斷對象物狀態(tài)是否良好時，即便是存在抽象的概念模糊的對象，也能快速準確的進行比較，然后使用精度較高的置信度，判斷對象物的狀態(tài)。作為本實用新型的進一步改進，還配備了用來提取參照物形狀參數(shù)的參照物形狀參數(shù)提取單元，通過圖像處理設(shè)備獲取樣本圖像，把樣本圖像的相關(guān)信息參數(shù)化以后，存放在參照圖像存儲單元里。在這種情況下，在參照物形狀參數(shù)提取單元，利用拍攝裝置，可從拍攝到的樣本圖像創(chuàng)建參照物形狀參數(shù)。作為本實用新型的進一步改進，置信度計算單元分別算出第一置信度和第二置信度，兩個置信度的參照基準是不同的。狀態(tài)判斷單元，依據(jù)第一置信度和第二置信度，判斷對象物的狀態(tài)。這樣，依據(jù)不同的基準從多個方面進行判斷，能較準確的判斷對象物的狀態(tài)。作為本實用新型的進一步改進，所述參照圖像存儲單元，在表示不合格品狀態(tài)的圖像相關(guān)信息和表示合格品狀態(tài)的圖像相關(guān)信息中，會記住參照物形狀參數(shù)中至少一項信息。這樣，在參照圖像存儲單元，根據(jù)存儲信息，就能判斷對象物是不合格品狀態(tài)還是合格品狀態(tài)。作為本實用新型的進一步改進，參照圖像存儲單元既包括反映不合格品狀態(tài)的圖像信息，又包括反映合格品狀態(tài)的圖像信息。僅從不合格品中抽樣，抽樣獲取的不合格品的參照圖像模板構(gòu)成反映不合格品狀態(tài)的圖像信息；僅從合格品中抽樣，抽樣獲取的合格品的參照圖像模板構(gòu)成反映合格品狀態(tài)的圖像信息。這樣情況下，根據(jù)不合格品的參照圖像
模板，可算出關(guān)于不合格品狀態(tài)的置信度；根據(jù)合格品的參照圖像模板，可算出關(guān)于合格品狀態(tài)的置信度。然后從不合格品狀態(tài)和合格品狀態(tài)兩個方面測算出置信度，這樣可信度就比較聞O作為本實用新型的進一步改進，狀態(tài)判斷單元以兩個閾值為基準判斷對象物的狀態(tài)判斷時，和置信度相關(guān)的第一個閾值，為優(yōu)先判斷基準；當出現(xiàn)比第一個閾值小的值時，使用第一個閾值便不能判斷了，要使用第二個閾值作為基準。這樣，可進行多級判斷，這樣，可在一定程度上保證可靠性，還可以減少不能判斷的概率。作為本實用新型的進一步改進，在參照圖像存儲單元，參照物形狀參數(shù)至少包含外形參數(shù)、顏色參數(shù)、結(jié)構(gòu)參數(shù)及大小參數(shù)中的一個。這種情況下，在有關(guān)圖像的外形，顏色，結(jié)構(gòu)或是大小這些信息中，例如根據(jù)對象的屬性和判斷目標，以相應(yīng)對象所表現(xiàn)出來的明顯狀態(tài)為基礎(chǔ)，生成參照物形狀參數(shù)。因此即使是判斷像照片圖像具有抽象模糊概念區(qū)域的圖像，也很可靠。作為本實用新型的進一步改進，還配備了學習單元。對于存儲在參照圖像存儲單元的參照圖像，通過更新參照圖像的相關(guān)信息進行學習。這樣，通過學習單元的學習，不僅可以修改參照圖像的相關(guān)信息，還可以提高置信度及判斷的可靠性。作為本實用新型的進一步改進，在包含這樣一些參照圖像(作為判斷同一種狀態(tài)的基準而被參照的參照圖像)相關(guān)信息的參照物形狀參數(shù)中，學些單元會從所有參照物形狀參數(shù)的平均中，使用發(fā)散度(指偏離、發(fā)散的程度)，刪除那些超出預(yù)定值的參數(shù)。這種情況下，作為基準不被采用的信息，就能從參照圖像的相關(guān)信息中排除。也就是，可以蓄積符合意圖的參照物形狀參數(shù)，提高判斷的可靠性。本實用新型的有益效果是通過上述圖像處理設(shè)備，狀態(tài)判斷工序是以置信度計算單元算出的置信度為基準、來判斷對象物的狀態(tài)是否良好等，因此能快速準確的判斷出對象物的狀態(tài)。由于置信度是從形狀參數(shù)相關(guān)的比較結(jié)果計算出來的，在根據(jù)照片等圖像判斷對象物狀態(tài)是否良好時，即便是存在抽象的概念模糊的對象，也能快速準確的進行比較，然后使用精度較高的置信度，判斷對象物的狀態(tài)。

圖I為本實用新型所述圖像處理設(shè)備構(gòu)造模塊示意圖；[0017]圖2為使用圖I的圖像處理設(shè)備的方法流程圖；圖3A為創(chuàng)建不合格品參照圖像模板的工序流程圖；圖3B為創(chuàng)建合格品參照圖像模板的工序流程圖；圖4為使用圖2中修改后的示例圖像處理設(shè)備的方法流程圖；圖5為使用圖2中修改后的示例圖像處理設(shè)備創(chuàng)建不合格品參照圖像模板的工序流程圖；圖6為用于判斷對象物是否良好的工序流程圖；圖7為判斷修改后的示例是否良好的工序流程圖；圖8為圖7中不合格品類型判斷處理的流程圖；圖9A-9B為第三實施例中的圖像處理設(shè)備來自動分割圖像的示意圖；圖IOA為創(chuàng)建不合格品參照分割圖像模板的工序流程圖；圖IOB為創(chuàng)建合格品參照分割圖像模板的工序流程圖；圖11為使用第三實施例的圖像處理設(shè)備的方法流程圖；圖12為自動分割圖像的示意圖；圖13為使用第四實施例的圖像處理設(shè)備的方法流程圖；圖14為使用第五實施例的圖像處理設(shè)備的方法流程圖。
具體實施方式
實施例I :下面將參照附圖，對與本實施例的第一實施形態(tài)相關(guān)的圖像處理設(shè)備進行說明。如圖I所示，與本實用新型相關(guān)的圖像處理設(shè)備包括拍攝裝置I、參照圖像存儲單元2、置信度計算單元3和狀態(tài)判斷單元4。狀態(tài)判斷單元收到輸入指令后，從參照圖像存儲單元讀出指定的程序和數(shù)據(jù)，然后根據(jù)這些程序和數(shù)據(jù)做各種相應(yīng)的處理。具體來說，狀態(tài)判斷單元在對象物(需判斷其狀態(tài)的對象)的圖像數(shù)據(jù)，以及拍攝裝置所拍攝到的圖像信息的基礎(chǔ)上，把對象物狀態(tài)是否良好和預(yù)先存儲在參照圖像存儲單元的圖像數(shù)據(jù)相比較，從而作出判斷并輸出判斷結(jié)果。舉例來說，狀態(tài)判斷單元可以把判斷結(jié)果顯示在顯示設(shè)備上，還可以通過輸出設(shè)備打印。拍攝裝置I內(nèi)部裝有由CCD等組成的固體拍攝裝置。該固體拍攝裝置檢測出的圖像可作為數(shù)字圖像信號輸出。拍攝裝置I對作為判斷對象的對象物進行拍攝，經(jīng)數(shù)字處理制作出可以判斷其狀態(tài)的對象圖像。參照圖像存儲單元里有程序存儲區(qū)域和數(shù)據(jù)臨時存儲區(qū)域。程序存儲區(qū)域用來存儲多個可運行圖像處理設(shè)備的各種程序，數(shù)據(jù)臨時存儲區(qū)域可臨時存放輸入指令、輸入數(shù)據(jù)、處理結(jié)果等。在測算拍攝裝置所拍攝圖像的近似性時，為了便于比較，存儲設(shè)備里存儲了各種程序。比如，參數(shù)化程序，把從圖像裁取的形狀等參數(shù)化。置信度計算單元里設(shè)有置信度計算程序，通過比較參數(shù)化圖像相關(guān)的圖像數(shù)據(jù)，把那些近似性高的數(shù)值化，計算出置信度。另外，參照圖像存儲單元里還存放有典型圖像信息的參照圖像模板等各種信息，這些信息是指，為了判斷對象物狀態(tài)，在比較時，作為基準的是否良好的狀態(tài)。例如，將拍攝裝置所拍攝的圖像作為參照圖像進行提取，把參數(shù)化程序參數(shù)化后的圖像數(shù)據(jù)，作為參照圖像模板(典型的顯示狀態(tài)是否良好的圖像)的參照物形狀參數(shù)進行保存。置信度計算單元根據(jù)需要從參照圖像存儲單元讀出參照物形狀參數(shù)，比較對象物形狀參數(shù)和參照圖現(xiàn)狀參數(shù)，算出近似性較高的指數(shù)，狀態(tài)判斷單元判斷對象物是否良好。且在進行圖像處理設(shè)備判斷對象物狀態(tài)良否的操作之前，參照圖像模板已經(jīng)預(yù)先準備好了。圖像相關(guān)的各種信息數(shù)據(jù)化后，包含在上述形狀參數(shù)中。形狀參數(shù)作為圖像信息，以多維向量的形式表現(xiàn)出來。例如符合圖像中的顏色、形狀、紋理、尺寸等相關(guān)參數(shù)，并以這些特性為基礎(chǔ)判斷對象物狀態(tài)。關(guān)于顏色參數(shù)，可以制作成RGB三色的平均值、中位數(shù)、顏色的直方圖，得出的偏差在測量近似高度的基礎(chǔ)上，可作為判斷基準。關(guān)于形狀參數(shù)，在測量輪廓(邊緣)裁取圖形的圓度、復(fù)雜度、峰度以及力矩的近似高度的基礎(chǔ)上，可作為判斷基準。此處的圓度為根據(jù)裁取圖形的縱橫比決定的指數(shù)；復(fù)雜度為根據(jù)裁取圖形是否有空洞、空洞的個數(shù)或者外側(cè)輪廓的屈曲度決定的指數(shù)。峰度根據(jù)直線距離和輪廓線的距離比、輪廓線的中心角和像素數(shù)的比例決定；力矩根據(jù)裁取圖形的形狀決定。關(guān)于紋理參數(shù)，將通過一維投影法獲取的模式相關(guān)數(shù)據(jù)偏差在測量近似高度的基礎(chǔ)上，可作為判斷基準。關(guān)于
尺寸即大小的參數(shù)，在測量輪廓(邊緣)裁取圖形的面積、周長以及弗雷特直徑(縱向或橫向)的近似高度的基礎(chǔ)上，可作為判斷基準?；谶\用圖I所示圖像處理設(shè)備的圖像處理方法，下面將對判斷對象物的主要操作的一個例子進行說明。圖2為流程說明圖，是對圖像處理方法的抽象說明。在此作為基準判斷是否良好的參照圖像模板已經(jīng)創(chuàng)建，保存在參照圖像存儲單元中，也就是對為判斷做準備的東西進行說明。關(guān)于參照圖像模板的準備過程，后面會在圖3A里面進行詳細說明。首先，拍攝裝置運行拍攝程序，提取要判斷的圖像(SI)。其次，拍攝裝置對拍攝的判斷對象圖像進行定位(S2)。例如，假設(shè)判斷對象圖像為具有外框的圖像的，那么就可把沿著外框的輪廓作為定位的基準。其次，參照圖像存儲單元讀出參數(shù)化程序，從判斷對象圖像中抽取形狀參數(shù)(S3)，保存到參照圖像存儲單元中。通過以上步驟，判斷對象可數(shù)據(jù)化為可判斷的狀態(tài)。狀態(tài)判斷單元根據(jù)從參照圖像存儲單元讀取的判斷程序進行比較判斷。首先，在事先存儲在參照圖像存儲單元的作為判斷基準的參照圖像模板中，置信度計算單元從不合格品參照圖像模板讀取形狀參數(shù)(S4a)。然后，置信度計算單元把來自不合格品參照圖像模板的形狀參數(shù)(也即參照物形狀參數(shù))，和S3中抽取出的判斷對象的形狀參數(shù)相比較(S5a);依據(jù)S5a中的比較結(jié)果，從判斷對象圖像中，可算出判斷對象圖像或?qū)ο笪餇顟B(tài)和典型不合格品的接近程度，也即置信度，并把該置信度作為第一置信度(S6a)。下面就把該第一置信度稱作為不合格品置信度。關(guān)于不合格品置信度，依據(jù)圖像的顏色、形狀等相關(guān)的形狀參數(shù)，需考慮到使用各種不同的算法對其進行規(guī)定的情況。比如，從向量方面考慮形狀參數(shù)的差，以向量各成分的差所規(guī)定的距離為基礎(chǔ)，可確定出不合格品置信度。和S5a、S6a中比較、計算求得的典型不合格品比較，把近似度(比如上述向量的距離)的高低數(shù)值化(下文中，把數(shù)值化后的數(shù)據(jù)稱為不合格品指數(shù))，把不合格品指數(shù)作為不合格品置信度。也就是，不合格品指數(shù)越高，就把其判斷為不合格品。比如當獲得的圖像數(shù)據(jù)的參數(shù)和最典型的不合格品的圖像數(shù)據(jù)參數(shù)完全相同的話，就把不合格品指數(shù)定為最大值100%。這里，對于像上面規(guī)定的不合格品指數(shù)值，通過提供的第一閾值及第二閾值，判斷對象物是否為不合格品。第一閾值被設(shè)定為比較高的值，作為不合格品判斷，是滿足確定范圍的值。第二閾值設(shè)定的比第一閾值小，通過設(shè)定一定程度上較高的值，像超過第二閾值為不合格品的可能性仍然比較高的那些值就成為了第二閾值。第一閾值和第二閾值，作為關(guān)于已知對象物的不合格品判斷，是在確定范疇內(nèi)被指定的值?？梢詼蚀_判斷的閾值，在對象物位置的情況下，最好還是確定出閾值，比如可以通過反復(fù)調(diào)試進行調(diào)整。關(guān)于第一以及第二閾值的設(shè)定下面舉一個以不合格品性確信度的偏差值為基礎(chǔ)來規(guī)定閾值的例子。首先，從不合格品性確信度從高到低的所有對象中隨機抽取標本(第一標本)，計算標本在分布上的標準偏差，這種情況下，把偏差值高于規(guī)定時的不合格品性確信度的值規(guī)定為第一閾值。通過規(guī)定上述的第一閾值，在超過第一閾值的情況，那么把這個值作為準確判斷對象為不合格品的數(shù)值來應(yīng)用。此外，例如計算典型劣質(zhì)圖像的集合即從不合格品性確信度相對較高的對象中隨機抽取的標本(第二標本)在分布上的標準偏差，這種情況下，雖然偏差值比第二標本的平均值要低，但是在某種程度上也有高于平均值的，把高于上述第一標本平均值的偏差值規(guī)定為第二閾值。在典型劣質(zhì)圖像的集合中，因為具有某種程度的不合格品性確信度，所以把該值作為判斷不合格品或然性比較高的數(shù)值來
應(yīng)用。根據(jù)每個標本的分布特性，規(guī)定第一以及第二閾值，來提高判斷具有抽象模糊概念區(qū)域?qū)ο蟮目煽啃浴４送?，通過設(shè)定上述的第一以及第二閾值，在調(diào)整第一閾值時，可以將要判斷的對象限制在更加準確的范圍，然后在進行判斷。另外一方面，在調(diào)整第二閾值時，盡可能地可以判斷更多與之相應(yīng)的對象。通過適當?shù)卣{(diào)整第一以及第二閾值，可以根據(jù)必要的精確度進行設(shè)定。與上述S4a_S6a并行，參照圖像存儲單元從合格品參照圖像模板讀取形狀參數(shù)(S4b)。然后，置信度計算單元把來自合格品參照圖像模板的形狀參數(shù)(也即參照物形狀參數(shù))，和S3中抽取出的判斷對象的形狀參數(shù)相比較(S5b);其次，從判斷對象圖像中，算出和合格品的接近程度，也即置信度，并把該置信度作為第一置信度(S6b)。下面就把該第二置信度稱作為合格品置信度。比如當獲得的圖像數(shù)據(jù)的參數(shù)和最典型的合格品的圖像數(shù)據(jù)參數(shù)完全相同的話，那么合格品指數(shù)就定為最大值100%。對于規(guī)定的值，就像上述不合格品參照圖像模板的形狀參數(shù)中規(guī)定的第一或第二閾值那樣，在合格品參照圖像模板的形狀參數(shù)中也設(shè)定閾值，然后由此閾值判斷對象物是否為合格品。但是，超出閾值仍為合格品的可能性還是比較高的。如上所述，這里可以從第一置信度和第二置信度兩個方面對判斷對象物進行判斷。依據(jù)不同的基準從多個方面進行判斷，可以比較準確的判斷對象物的狀態(tài)。比如，使用第一置信度把一個對象物判斷為不合格品，如果使用第二置信度又沒有把它判斷為合格品，那么就可以斷定該對象物為不合格品的可能性非常高。如果S6a算出的不合格品置信度超出了第一閾值,并且S6b算出的合格品置信度又判斷為沒有超出閾值(S7a :Yes)，狀態(tài)判斷單元就把該判斷對象圖像(判斷對象物)判斷為不合格品(S8)。另一方面,如果在S7a中，不合格品置信度為第一閾值以下,合格品置信度為閾值以上(S7a No);那么狀態(tài)判斷單元就會作出這樣的判斷合格品置信度超出了閾值，不合格品置信度有沒有超出閾值(S7b)。在這里如果合格品置信度超出閾值，且不合格品置信度沒有超出第I閾值(S7b :Yes)，那么就把該判斷對象圖像或判斷對象物判斷為合格品(S9)。另一方面,如果在S7b中，合格品置信度為閾值以下或不合格品置信度為第一閾值以上(S7b No);那么狀態(tài)判斷單元就會作出這樣的判斷不合格品置信度超出了第一閾值，合格品置信度有沒有超出閾值(S7c)。在這里，如果不合格品置信度超出第一閾值，且合格品置信度也超出了閾值(S7c :Yes)，那么比起作為第二置信度的合格品置信度，第一置信度的不合格品置信度要優(yōu)先使用，把該判斷對象圖像或判斷對象物判斷為不合格品
(S8)。如果在S7c中，合格品置信度為閾值以下或不合格品置信度為第一閾值以下(S7c No);那么狀態(tài)判斷單元就會作出這樣的判斷不合格品置信度是否超出了第二閾值(S7d)。在這里，如果不合格品置信度超出了第二閾值(S7d:Yes)，優(yōu)先使用不合格品置信度，把該判斷對象圖像或判斷對象物判斷為不合格品(S8)。狀態(tài)判斷單元在S7d判斷不合格品確信度低于第二閾值(S7d No)，以統(tǒng)計比例為
基礎(chǔ)，進行良否判斷(SQ)。在此所謂的統(tǒng)計比例為在檢查判斷對象物中統(tǒng)計所知的合格品和不合格品的比例。在S7d判斷為No的情況下，判斷對象圖像即對象物的合格品確信度和不合格品確信度都不高，所以通過上述S7d之前的方法是不可能判斷的，可以說判斷良否是非常困難的。在SQ中對處于這種情況的對象物使用隨機數(shù)等，通過與統(tǒng)計比例相應(yīng)的比例來決定是合格品還是不合格品。例如，在檢查對象物時，大概地了解不合格品和合格品的比例為q (1-q)，狀態(tài)判斷單元在SQ以q X 100%的概率判斷對象物為合格品，以(1-q) X 100%的概率判斷對象為不合格品。接受來自狀態(tài)判斷單元的指令后，上述S8或S9的判斷結(jié)果可在一顯示設(shè)備上顯示。此時，也可以一起顯示不合格品確信度和合格品確信度等數(shù)值計算結(jié)果。下面將運用圖3A及圖3B，說明如何創(chuàng)建作為判斷基準的參照圖像模板。流程說明圖3A是對不合格品參照圖像模板創(chuàng)建工序的說明，流程說明圖3B是對合格品參照圖像模板創(chuàng)建工序的說明。也就是說，圖3A所示的工序是在提供圖2的S4a里讀出的形狀參數(shù)。圖3B所示的工序是在提供圖2的S4b里讀出的形狀參數(shù)。首先，在圖3A中，為了創(chuàng)建不合格品參照圖像模板，準備了多個(或一個)典型的明顯為不合格品的樣品。然后，參照圖像存儲單元從中讀出參數(shù)化程序，從參照圖像中抽取形狀參數(shù)(S103a)。也就是說參照圖像存儲單元有參照物形狀參數(shù)抽取單元的功能。最后，對于那些包含已抽取的形狀參數(shù)信息的參照圖像，參照圖像存儲單元將這些參照圖像的相關(guān)信息保存在其上的特定區(qū)域內(nèi)(S104a)。通過上述操作，參照圖像模板就創(chuàng)建好了。因為通常要準備多個典型樣品，需重復(fù)上述的S101a_S104a的操作，對各樣品進行參數(shù)化。另外，如圖3B所示，合格品參照圖像模板的創(chuàng)建，和上述不合格品參照圖像模板的創(chuàng)建是一樣的，通過人眼就能判別出的典型的樣品就可以了。通過上述S101b-S104b的操作，即可創(chuàng)建參照圖像模板。上面的樣品為相當于現(xiàn)實判斷對象物的實實在在的事物也好，為圖像樣品也好。這種情況下，圖像樣品如數(shù)碼圖像一樣可以通過參照圖像存儲單元進行處理，不需要由拍攝裝置來獲取圖像。樣品成為被參數(shù)化的數(shù)據(jù)，這種情況下直接將該數(shù)據(jù)存儲在參照圖像存儲單元即可。在該操作前的調(diào)試階段中，判斷結(jié)果有誤的情況會有很多，這種情況下需要重復(fù)上述學習，直到能夠恰當準確地判斷。與本實施例有關(guān)的圖像處理設(shè)備，置信度計算單元以預(yù)先提供的參照圖像模板為基準，確定出反映與不合格品或合格品近似度高低的置信度，然后依據(jù)該置信度，狀態(tài)判斷單元判斷對象物的狀態(tài)是否良好。因此，即使是對有抽象模糊概念區(qū)域的對象物，也能像處理對象物圖像那樣，進行準備迅速的判斷。在上述中，即使是不進行基于SQ所示的統(tǒng)計比列的良否判斷也可以。例如在S7d，當不合格品置信度被判斷為低于第二閾值(S7d:No)，狀態(tài)判斷單元把判斷對象圖像或判斷對象物判斷為合格品也是可以的。有很多對象進行到SQ卻無法判斷，也有很多錯誤的判斷，當類似這種判斷精確度低下的狀況持續(xù)時，可以通過調(diào)整各個閾值來解決。但是希望在運行圖像處理設(shè)備的前一個階段即試運行階段之前進行閾值的調(diào)整。在本操作中，當?shù)竭_S7d甚至SQ的情況下，例如已經(jīng)儲存了到達這些步驟的形狀參數(shù)的信息，可以用人眼去觀察這些形狀參數(shù)相關(guān)的圖像，確認是否為合格品，然后以這樣圖像為樣本，強制性地重新創(chuàng)建如圖3A或圖3B所示的參照圖像模板，也是可以的。 另外，如果到達SQ的情況比較少的話，在SQ不做判斷也可以。這種情況下，對于到達SQ的圖像，考慮不使用設(shè)備自動判斷，而是使用比如人眼這樣的方法進行判斷。下面將參照流程圖圖4，對與修改示例相關(guān)的圖像處理設(shè)備進行說明。由于本修改示例中的圖像處理設(shè)備的構(gòu)成，和圖I相同，這里就不對圖示及說明進行敘述了。在上述的一個例子中，參照圖像模板為，運行圖像處理設(shè)備前的預(yù)先準備或事先學習的東西。在本修改示例中，比如在操作過程中，通過適當?shù)貙W習，更新參照圖像模板，可實現(xiàn)改善、修改、發(fā)展判斷基準的目標。圖4是對圖2的其中一部分做修改得到的，它反映了通過進行和圖2所示的相同操作，在S8判斷為不合格品或在S9判斷為合格品之后，更新參照圖像的工序(也可以說是學習工序)(SlOa、SlOb)。具體地說，如果在S8被判斷為不合格品，CPUlO首先確認判斷對象物的形狀參數(shù)的判斷過程；在S7中如果有判斷為Yes、被判斷為不合格品的情況，那么該形狀參數(shù)的信息，將被作為新的不合格品參照圖像模板的一部分進行添加(SlOa)。其中，在step S7a里被判斷為Yes的對象物，也就是如所述的那樣，為不合格品置信度超過第一閾值且合格品置信度沒有超過閾值的對象物。把這樣的圖像作為不合格品參照圖像模板進行添加，可以提高不合格品參照圖像模板的可靠性，換言之，也就是可以提高S6a算出的不合格品置信度的可靠性。同樣地，如果在S9被判斷為優(yōu)良，狀態(tài)判斷單元首先確認判斷對象物的形狀參數(shù)的判斷過程；在S7中如果有判斷為Yes、被判斷為合格品的情況，那么該形狀參數(shù)的信息，將被作為新的合格品參照圖像模板的一部分進行添加(SlOb)。通過這樣可以提高S6a算出的合格品置信度的可靠性。如上，在本修改示例中，為了提高不合格品置信度及合格品置信度的可靠性，通過更新參照圖像相關(guān)信息，參照圖像存儲單元發(fā)揮著學習單元的作用。有關(guān)SlOa以及SlOb的學習操作，除了在本操作中每次進行的情況外還包括在本操作中間接性進行的等各種時間所進行的操作。在作為參照圖像模板的一部分進行添加時，例如通過比較不合格品置信度進行等級排名，排除低等級，在參照圖像模板中進行數(shù)據(jù)的添加、變更、刪除，統(tǒng)一保存該數(shù)據(jù)。實施例2 下面將通過圖5等，說明與本實用新型的第2實施例相關(guān)的圖像處理設(shè)備。[0068]圖5，是對創(chuàng)建本實施形態(tài)中作為判斷基準而使用的參照圖像模板的說明。如圖示所示，提高了多種不合格品相關(guān)的參照圖像模板。例如，一般認為合格品有典型的樣式，通過準備多個或是單個的樣品也就是說收集平均標準的數(shù)據(jù)，可以生成能夠準確判斷合格品近似性的參照圖像模板。但是，根據(jù)對象物的屬性等不同，不合格品產(chǎn)生的原因有多個。作為不合格品所表現(xiàn)出來的形狀等在每一個原因上都有很大的不同。作為產(chǎn)生不合格品的原因，例如有錯位、異物的混入、破裂、缺口以及污點等各種原因。根據(jù)這些原因的不同，表現(xiàn)在對象物上的形狀，顏色，大小等的差異也有很大不同，形狀參數(shù)所表現(xiàn)出來的特征也會有差異。盡管是這樣的情況，但是歸納關(guān)于這些多種類的典型不合格品的參照物形狀參數(shù)生成一個模板的話，那么參數(shù)太過于混亂，就可能不能恰當?shù)嘏袛嗯c不合格品之間的近似性。對此，如圖5所示，本實施例將每個不合格品產(chǎn)生的原因即類型分別分類為多個不同的樣品，將這些被分類的樣品一個一個地生成有關(guān)不合格品的參照圖像模板，把這些作為判斷的基準。例如，收集有關(guān)對象物的破裂這樣
的不合格品樣品，作為類型1，生成一個模板(S201a-S204a);收集有關(guān)對象物的缺口這樣的不合格品樣品，作為類型2，生成一個模板(S201b-S204b)。下面進行同樣的操作，制作出多組參照圖像模板。圖6為說明有關(guān)多種不合格品的參照圖像模板被準備的情況下，判斷對象物方法的一個例子的流程圖。在此，有關(guān)一種不合格品的參照圖像模板和有關(guān)(L-I)中不合格品的參照圖像被準備好。發(fā)生劣質(zhì)的不同類型有L種，這些當中參照圖像模板準備的典型劣質(zhì)類型有(L-I)種，把發(fā)生劣質(zhì)的類型不屬于這些當中任何一個的類型作為最后的第L種。首先，置信度計算單元以有關(guān)(L-I)類不合格品的參照圖像模板為基礎(chǔ)，算出不合格品確信度(S26a)。置信度計算單元以有關(guān)合格品的參照圖像模板為基礎(chǔ)，跟S26a同步算出合格品確信度(S26b)。其次，如果狀態(tài)判斷單元作出如下判斷S26a算出的各類型不合格品確信度全都大于第一閾值、且S26b算出的合格品確信度沒有超過閾值(S27a :Yes)、可把判斷對象圖像即判斷對象物判斷為為不合格品(S28)。如果狀態(tài)判斷單元作出如下判斷S27a中，各類型不合格品確信度全都小于第一閾值、或合格品確信度大于閾值(S27a :No);合格品確信度大于閾值、且不合格品確信度全度小于第一閾值(S27b Yes);可把判斷對象圖像即判斷對象物判斷為合格品(S29)。如果狀態(tài)判斷單元作出如下判斷S27b中，不合格品確信度全都大于第一閾值、或合格品確信度小于閾值(S27b No);合格品確信度大于閾值、且不合格品確信度全度大于第一閾值(S27c Yes);此時優(yōu)先使用不合格品置信度進行判斷，把判斷對象圖像即判斷對象物判斷為為不合格品(S28)。如果狀態(tài)判斷單元作出如下判斷S27c中，不合格品確信度全都小于第一閾值、或合格品確信度小于閾值(S27c No);不合格品確信度全度大于第二閾值(S27d:Yes);此時優(yōu)先使用不合格品置信度進行判斷，把判斷對象圖像即判斷對象物判斷為為不合格品(S28)。如果狀態(tài)判斷單元作出如下判斷S27d中，不合格品確信度全都小于第二閾值(S27d :No)，依據(jù)統(tǒng)計比例進行狀態(tài)判斷(SQ)，判斷是合格品還是不合格品(S28，29)。圖7是對與本實施例中修改示例相管的參照圖像模板進行說明的。在圖7所示的例子中，關(guān)于圖6中S28被判斷為不合格品的判斷對象圖像，進一步對不合格品的類型進行分類處理(SR)。下面，通過圖8說明圖7中SR的不合格品分類處理的一個例子。首先，狀態(tài)判斷單元對在S28被判斷為不合格品的判斷對象圖像進行各類型中是否有不合格品確信度超過第一閾值的情況(SRl)。在SRl判斷任意一種類型超過第一閾值，(SRI :YES)、該判斷對象圖像相應(yīng)的對象物被判斷為該類的不合格品(SJl)。一個判斷對象圖像的多個類型超過第一閾值，這種情況下，可以判斷與該對象相應(yīng)的所有類型都為不合格品。例如，類型I表示有關(guān)對象物破裂的不合格品確信度，類型2表示有關(guān)對象物缺口的不合格品確信度，這種情況如果某個判斷對象圖像的類型I以及2雙方都超過第一閾值的話，那么把與這個判斷對象圖像相應(yīng)的判斷對象物作為發(fā)生了破裂以及缺口的兩種劣質(zhì)性的對象物來處理。一方面，在SRl判斷所有類型的不合格品確信度沒有超過第I閾值(SRI N0)、判斷類型I-類型(L-I)的不合格品確信度是否超過第2閾值(SR2)。在SR2，判斷類型I-類型(1-1)的不合格品確信度是否超過第二閾值(SR2 :YES)、判斷與該判斷對象圖像相應(yīng)的判斷對象物類型I-類型(L-I)中與之相應(yīng)類型的不合格品(SJ2)。有關(guān)多個類型超過第二閾值的情況下，判斷為與之相應(yīng)的所有類型的不合格品。另一方面，在SR2，判斷類型I-類型(L-I)的不合格品確信度低于第二閾值(SR2 NO)，與該判斷對象圖像相應(yīng)的判斷對象物為類型L的不合格品(SJ3)。也就是說，參照圖像模板不屬于被準備的(L-I)種典型不合格品中的任何一個，為第L種不合格品。上面分類處理了 SR的不合格品。在此把在SRl被判斷為超過第一閾值的判斷對象圖像作為有關(guān)不合格品的參照圖像模板進行添加(SK)。也就是說添加SK的學習工序，以此提高每種劣質(zhì)類型的不合格品確信度的可靠性。本實施例對于具有抽象模糊概念區(qū)域的對象的判斷，也能像對對象物圖像一樣準確迅速的進行。特別是，本實施例對于存在多個不合格品產(chǎn)生類型的判斷對象也適用。還有，如果發(fā)生第L個不合格品的情況比較多的話，可以把它添加到新類型的參照圖像模板中。在上述S27a等中，除了可以依據(jù)每個(L_l)類型的不合格品置信度的閾值進行狀態(tài)判斷，還可以依據(jù)多個類型的平均值進行判斷。比如，把K個類型的不合格品置信度假定為A1-AK，把各類型的不合格品產(chǎn)生率即頻度定為a I-α K，加權(quán)不合格品置信度設(shè)定為Σ a iXAi，此時就可以依據(jù)該加權(quán)不合格品置信度，進行狀態(tài)判斷。具體來說，也可以設(shè)定加權(quán)不合格品置信度相關(guān)的閾值，根據(jù)SQ的統(tǒng)計比例進行替代處理，如果Σ QiXAi的值大于上述閾值，則判斷為不合格品；反之，如果小于上述閾值，則判斷為合格品。由于產(chǎn)生不合格品的類型存在多個，需要提供多個類型的參照圖像模板。對于合格品，雖然僅提供一個類型的參照圖像模板就夠了，但是最好還是提供多個類型的合格品參照模板。另外，提供多個類型的不合格品參照模板，而對與不合格品僅提供一個類型的參照模板，這種情況也是可能存在的。實施例3 下面將通過圖9A等，說明與本實用新型的第3實施例相關(guān)的圖像處理設(shè)備。圖9A、圖9B是對本實施例中的圖像處理進行說明的。如圖所示，拍攝裝置(參照圖I)獲取的圖9A所示的所有圖像PH，通過自動分割，如圖9B所示，切分為Pl-Pm，使用各分割圖像制作出模板(以下簡稱為參照分割圖像模板)作為判斷基準以供使用。圖9A、圖9B的例子中，拍攝存放在盒子等里面的m個瓶BTl-BTm(圖中是6行8列，也就是m = 6X8=48)，圖像如示意圖所示。這種情況下，m個瓶的排列是事先定好的，根據(jù)這種排列，統(tǒng)一按照劃定區(qū)域的分割線LL，反映出從之前所有的圖像PH，自動切分包含各個瓶的m個分割圖像Pl-Pm的樣子。本實施例中，對于自動分割的分割圖像，分別制作出參照分割圖像模板，然后依次作為判斷對象物的基準。關(guān)于上述自動分割操作，比如參照圖像存儲單元(參照圖I)在保存分割線LL相關(guān)的數(shù)據(jù)時，依據(jù)被保存的數(shù)據(jù)，可以保存進行自動分割的分割程序；然后參照圖像存儲單元會讀出這些相應(yīng)的數(shù)據(jù)及程序，進行圖像分割操作。下面將通過圖10A、圖10B，對參照分割圖像模板的制作進行說明。首先，為了制作不合格品參照分割圖像模板，圖IOA中實現(xiàn)提供了多個(或單個)明顯的典型的不合格品樣本。拍攝裝置(參照圖I)對樣本進行拍攝，然后把拍攝到的參照圖像作為整體圖像PH讀取來(S301a)，然后對整體圖像PH進行定位(S302a)及區(qū)域劃分(S303a)。具體來講，從參照圖像存儲單元讀取自動分割的數(shù)據(jù)及程序，依據(jù)分割線LL劃定的區(qū)域，把整體圖像PH劃分為m個分割圖像Pl-Pm。接著，讀取參數(shù)化程序，分別抽取出各分割圖像Pl-Pm的形狀參數(shù)(S304a)。最后，把包含上述形狀參數(shù)的參照分割圖像的圖像信息，保存到參照圖像存儲單元的特定區(qū)域中(S305a)。到此，就制作出了不合格品參照分割圖像模板。如圖IOB所示，合格品參照分割圖像模板的制作，和上述不合格品參照分割圖像模板的制作相同。通過S301b-S305b的操作，即可制作出合格品參照分割圖像模板。關(guān)于使用上述操作提高的參照分割圖像模板的對象物判斷方法，流程說明圖圖11對該判斷方法的一個示例進行說明，它和第I實施例的圖2是相對應(yīng)的。首先，拍攝裝置把整體圖像作為判斷對象圖像讀取來(SI)，然后進行定位(S2)。然后參照圖像存儲單元讀取自動分割的數(shù)據(jù)及程序，把相應(yīng)的整體圖像自動分割成m個判斷對象分割圖像(S401)。其次，參照圖像存儲單元讀取參數(shù)化程序，從個判斷對象分割圖像中分別抽取出形狀參數(shù)(S403)。置信度計算單元，從不合格品參照分割圖像模板讀取形狀參數(shù)(S404a)，和判斷對象物的形狀參數(shù)進行比較(S405a)，算出不合格品置信度(S406a)。和上述S404a_S406a同步，置信度計算單元從合格品參照分割圖像模板中讀取形狀參數(shù)，和判斷對象物的形狀參數(shù)進行比較，計算出合格品置信度(S404b-S406b)。和圖2所示的情況相同，狀態(tài)判斷單元將根據(jù)不合格品置信度及合格品置信度，對各判斷對象分割圖像(即判斷對象物的各個分割部分)進行是否為合格品的判斷(S407a-S407d, SQ,S8, S9)。在本實施例中，即便是針對那些具有抽象模糊概念區(qū)域的圖像，也能像處理對象物圖像那樣進行快速準確的判斷。特別是，本實施例中，可以對整體對象物的每一個分割部分進行優(yōu)劣判斷。這樣的話，如果整體中的一部分存在劣質(zhì)區(qū)域，就可以把那部分劣質(zhì)區(qū)域特別指定出來。關(guān)于自動分割現(xiàn)再舉一個例子。如圖12所示，把便當?shù)仁褂玫氖称魅萜髯鳛閷ο笪锸占{在容器TR中，依據(jù)容器TR里劃分的收納空間SP1-SP6，可以進行區(qū)域劃分。圖11的示例是通過分割線LL進行統(tǒng)一分割的，這里卻可以分割成各個形狀、大小各異的區(qū)域。本實施形態(tài)中也設(shè)置了學習單元，用來提高合格品置信度及不合格品置信度的可靠性。實施例4:下面將通過圖13，說明與本實用新型的第4實施例相關(guān)的圖像處理設(shè)備。該圖像處理設(shè)備，是第I實施例的變形例。關(guān)于設(shè)備的構(gòu)造，因為和圖I所示的第I實施形態(tài)中的圖像處理設(shè)備相同，所以這里對圖示及說明就不作敘述了。圖13為圖像處理方法的抽象化流程說明圖。本實施例中，僅把不合格品參照圖像
模板作為基準參照圖像模板，而不使用合格品參照圖像模板，在這一點上和第I實施形態(tài)是不同的。也就是說，通過S1-S3抽取出判斷對象圖像的形狀參數(shù)后，通過S4及S5把抽取到的形狀參數(shù)僅和不合格品參照圖像模板的形狀參數(shù)進行比較，然后利用S6算出不合格品指數(shù)(不合格品置信度)。如果該不合格品置信度大于閾值(S7a:Yes)，把判斷對象物判斷為不合格品(S8);如果該不合格品置信度不大于閾值(S7a:No)，則把判斷對象物判斷為合格品(S9)。在本實施例中，即便是針對那些具有抽象模糊概念區(qū)域的圖像，也能像處理對象物圖像那樣進行快速準確的判斷。以上是僅用了不合格品參照圖像模板，沒有使用合格品參照圖像模板。相反，僅使用合格品參照圖像模板，而不使用不合格品參照圖像模板的情況也是存在的。本實施例中也設(shè)置了學習單元，用來提高合格品置信度及不合格品置信度的可靠性。實施例5 下面將通過圖14，說明與本實用新型的第5實施例相關(guān)的圖像處理設(shè)備。該圖像處理設(shè)備，就是第I實施形態(tài)-第4實施例的變形例。關(guān)于設(shè)備的構(gòu)造，因為和圖I所示的第I實施例的圖像處理設(shè)備相同，所以這里對圖示及說明就不作敘述了。本實施例的圖像處理設(shè)備，和第I實施例-第4實施例相同，通過任意一個實施形態(tài)中所示的圖像處理，反復(fù)進行優(yōu)劣判斷。并且在優(yōu)劣判斷操作中，更新參照圖像模板。也就是要進行學習操作。這種情況下，在更新參照圖像模板時，有可能把不合適的參照圖像模板的一部分作為參照基準吸收了。或者是，通過更新參照圖像模板更改判斷基準時，要考慮到是否有把合適的參照圖像模板當成不合適的來進行處理的情況。本實施形態(tài)中，設(shè)計了監(jiān)察單元功能，監(jiān)查參照圖像模板，以確定合適的參照圖像模板，作為通常的判斷基準來使用。如圖14所示，首先，狀態(tài)判斷單元進行優(yōu)劣判斷(S701)。在S701操作中，如果參照圖像模板被更新了，置信度計算單元就會從各形狀參數(shù)的平均中算出發(fā)散度(step S702)。這里所說的發(fā)散度，是反映相對于某參照圖像模板包括的形狀參數(shù)的平均發(fā)散程度的值。t匕如，在合格品參照圖像模板包括的形狀參數(shù)中，對于顏色、形狀、紋理、尺寸等表現(xiàn)出來的所有的多維向量，要考慮到把所有的多維向量囊括到某個范疇內(nèi)的向量值中。因此，假如原本不屬于合格品參照圖像模板的形狀參數(shù)卻混入到了合格品參照圖像模板中，則把混入的形狀參數(shù)的多維向量當作和其它形狀參數(shù)的多維向量相異的向量來考慮。按照一定的法貝U，把合格品參照圖像模板包括的所有形狀參數(shù)數(shù)值化，然后把數(shù)值化后得到的值和所有形狀參數(shù)平均值求差，求的差定義為各形狀參數(shù)的發(fā)散度，然后利用發(fā)散度指定出應(yīng)該排除的形狀參數(shù)。置信度計算單元計算出發(fā)散度超過規(guī)定值的形狀參數(shù)的個數(shù)(S703)。置信度計算單元會一直監(jiān)察參照圖像模板，直到S70計算出的形狀參數(shù)的個數(shù)達到規(guī)定的個數(shù)(S704)。如果在S704中作出了已達到規(guī)定書的判斷，置信度計算單元就會從參照圖像模板中刪除相應(yīng)的形狀參數(shù)(S705)。置信度計算單元一直重復(fù)上述操作，直到優(yōu)劣判斷處理結(jié)束(S706)。在上述步驟中，置信度計算單元發(fā)揮著監(jiān)察參照圖像模板的監(jiān)察單元的作用。對于上述各形狀參數(shù)的數(shù)值化后的值，可以使用合格品置信度。參照圖像模板的形狀參數(shù)，全部都是典型的不合格品或合格品相關(guān)的信息，不合格品置信度和合格品置信度應(yīng)該都非常的高。因此，求出置信度分布的標準偏差，參數(shù)中如果有極其偏離平均值的偏差值，也即如果有發(fā)散度非常大的偏差值存在的話，就把該參數(shù)排除，這樣可以作為判斷基準確保合
適的狀態(tài)。超過發(fā)散度相關(guān)規(guī)定值的情況，就是拒絕把其歸入置信度遵從正常分布的情況的區(qū)域。在本實施例中，即便是針對那些具有抽象模糊概念區(qū)域的圖像，也能像處理對象物圖像那樣進行快速準確的判斷。特別是，本實施例通過更新參照圖像模板或進行判斷基準相關(guān)的學習，對參照圖像模板作為常用的判斷基準是否合適，可是進行監(jiān)察。結(jié)合以上各實施例說明本實用新型，但是本實用新型并不只是限定于上述的各實施例。例如，關(guān)于不合格品性確信度，考慮到了以關(guān)于圖像的顏色、形狀等的形狀參數(shù)為基礎(chǔ)，通過各種計算方法來規(guī)定的情況、根據(jù)判斷對象物的性質(zhì)可以對此進行各種調(diào)整。例如，對顏色、形狀等各種參數(shù)可以進行加權(quán)。具體地說，判斷對象是否良好，由于判斷對象物的顏色差異而表現(xiàn)出來巨大不同，這種情況下比起其它的要素要加大顏色參數(shù)要素的判斷比重，優(yōu)先處理顏色參數(shù)，以此可以更加準確地進行判斷。在上述個實施例中，為了檢測出缺陷品，關(guān)于置信度，采用不合格品置信度和合格品置信度，雖然用第一置信度和第二置信度進行了規(guī)定，但是不應(yīng)該僅針對不合格品和合格品，而應(yīng)針對不同的判斷對象和判斷目的等，從多種觀點進行規(guī)定。比如，使用顯微鏡觀察生命體的部位，識別特定形狀的情況、探查出森林里有特殊形狀害蟲的情況、獲取的圖像中特定的形狀是否存在、特定形狀的東西存在多少個等等都需要判斷，要采用復(fù)合這些判斷需求的置信度。也就是說，像上述那樣的不合格品、合格品，要從其它的觀點計算置信度。還有，不能單單使用一個置信度(僅從不合格品置信度得出)，或兩個置信度(從不合格品置信度和合格品置信度得出)進行判斷，而應(yīng)用三個以上的置信度進行判斷。另外，不能局限于單一的圖像，應(yīng)能對合成加工獲得的單一圖像或多張圖像進行判斷。
權(quán)利要求1.一種圖像處理設(shè)備，該圖像處理設(shè)備可從拍攝具有一定形態(tài)的對象物所獲得的圖像中判斷該對象物的狀態(tài)，它包括 拍攝裝置(I)，對具有一定形態(tài)的對象物進行拍攝并獲取其圖像； 參照圖像存儲單元(2)，基于對象圖像判斷對象物狀態(tài)時，把基準參照圖像的相關(guān)信息參數(shù)化，并作為參照物形狀參數(shù)進行存儲； 置信度計算單元(3)，把對象物形狀參數(shù)相對于參考物形狀參數(shù)的近似性的高度用數(shù)值來表示，計算出置信度； 狀態(tài)判斷單元(4)，基于置信度計算單元算出的置信度，判斷對象物的狀態(tài)。
2.根據(jù)權(quán)利要求I所述的圖像處理設(shè)備，其特征在于所述參照圖像存儲單元里還具有參照物形狀參數(shù)提取單元，通過所述拍攝裝置拍攝樣品，將獲取的樣品圖像的信息參數(shù)化，將所述參照圖像存儲單元中應(yīng)存儲的所述參照物形狀參數(shù)提取出來。
3.根據(jù)權(quán)利要求I或2所述的圖像處理設(shè)備，其特征在于所述置信度計算單元分別計算出第一置信度以及與該第一置信度不同標準下的第二置信度，所述狀態(tài)判斷單元根據(jù)該第一置信度和第二置信度判斷所述對象物的狀態(tài)。
4.根據(jù)權(quán)利要求3所述的圖像處理設(shè)備，其特征在于所述參照圖像存儲單元，至少會將表示不合格品狀態(tài)的圖像相關(guān)信息和表示合格品狀態(tài)的圖像相關(guān)信息中的一個作為所述參照物形狀參數(shù)記錄下來。
5.根據(jù)權(quán)利要求4所述的圖像處理設(shè)備，其特征在于所述參照圖像存儲單元既包括反映不合格品狀態(tài)的圖像信息，又包括反映合格品狀態(tài)的圖像信息；反映不合格品狀態(tài)的圖像信息由僅從不合格品中抽樣獲取的不合格品的參照圖像模板組成；反映合格品狀態(tài)的圖像信息，由僅從合格品中抽樣獲取的合格品的參照圖像模板構(gòu)成。
6.根據(jù)權(quán)利要求3所述的圖像處理設(shè)備，其特征在于所述狀態(tài)判斷單元以兩個閾值為基準判斷對象物的狀態(tài)時，與所述置信度相關(guān)的第一個閾值，為優(yōu)先判斷基準；當出現(xiàn)比所述第一個閾值小的值時，使用第二個閾值作為基準。
7.根據(jù)權(quán)利要求3所述的圖像處理設(shè)備，其特征在于所述參照物形狀參數(shù)至少包含外形參數(shù)、顏色參數(shù)、結(jié)構(gòu)參數(shù)及大小參數(shù)中的一個參數(shù)。
8.根據(jù)權(quán)利要求3所述的圖像處理設(shè)備，其特征在于該圖像處理設(shè)備還包括學習單元，該學習單元通過更新存儲在所述參照圖像存儲單元里的所述參照圖像信息進行學習。
9.根據(jù)權(quán)利要求8所述的圖像處理設(shè)備，其特征在于所述學習單元從參照圖像信息中包含的所述參照物形狀參數(shù)中刪除超過規(guī)定值的發(fā)散度，作為同類型狀態(tài)的判斷標準。
專利摘要本實用新型公開了一種圖像處理設(shè)備，通過置信度計算單元，以預(yù)先準備的參照圖像模板為基準，規(guī)定反映不合格品或合格品近似度高低的置信度，依據(jù)相關(guān)置信度，對對象物的狀態(tài)進行優(yōu)劣判斷。這樣，即使是對有抽象模糊概念區(qū)域的對象物，也能像處理對象物圖像那樣，進行準備迅速的判斷。
文檔編號G06K9/62GK202584162SQ201220195299
公開日2012年12月5日 申請日期2012年5月4日 優(yōu)先權(quán)日2012年5月4日
發(fā)明者門洪濤 申請人:蘇州比特速浪電子科技有限公司