| 研究概要 |
本研究は,画像処理を用いてドリルのチゼルエッジ,切れ刃,外周コーナ等を測定し,ドリル形状の重要なパラメータ,すなわちチゼル角,逃げ角等を自動的に計測するシステムを開発することが目的である.
本年度は,測定精度に最も影響する直線検出に,ニューラルネットワークを応用する改良を行った.
昨年度までに,チゼル角,逃げ角等を求めるために,外乱による影響を受けにくい直線(エッジ)検出アルゴリズムを開発した.これは,撮影した画像を一次微分した値の分布と,明るさの分布のそれぞれより適当な範囲を選び,2つの範囲の一致した画素をとることで,エッジを構成する画素を抽出する.さらにそれらをHough変換および最小自乗法で処理し直線を決定する方法である.
この方法では,欠けやゴミなどの外乱に対しては安定した結果が得られたが,照明,表面反射率の変化(コーティングの有無)に対しては多少の影響を受けた.
そこで,各分布から抽出する範囲選択について,画像の特徴により場合分けを行っていたものを,ニューラルネットワークでいくつかの画像について学習を行い,範囲の選択に,この学習したネットワークを用いた.その結果,照明,反射率変化に対する安定性が増し実用化できる結果が得られた.
また,照明装置については,当初予定していたリング型の照明ではなく,3方向からの光ファイバを用いた照明装置を使用して,各光度をコントロールすることにより必要な照明が実現できた.
工具識別については,工具端面の3次元形状を,レンズの焦点面において画像の微分値の総和が最大となる,という原理を用いた方法で検出し,識別を試みたが十分な成果が得られなかった.
|
