專(zhuān)利名稱(chēng)：檢查裝置及檢查方法
技術(shù)領(lǐng)域：
本發(fā)明涉及從所輸入的檢查對(duì)象的計(jì)測(cè)數(shù)據(jù)中提取特征量，根據(jù)提取出的特征量判定檢查對(duì)象的狀態(tài)的檢查裝置及檢查方法。
背景技術(shù)：
在汽車(chē)和家電產(chǎn)品等中非常多地使用組裝了電動(dòng)機(jī)等驅(qū)動(dòng)系統(tǒng)部件的旋轉(zhuǎn)設(shè)備。例如，在汽車(chē)中，在發(fā)動(dòng)機(jī)、動(dòng)力轉(zhuǎn)向裝置、電動(dòng)座椅、變速箱等到處都安裝有旋轉(zhuǎn)設(shè)備。并且，在家電產(chǎn)品中，在冰箱、空調(diào)、洗衣機(jī)等各種產(chǎn)品中安裝有旋轉(zhuǎn)設(shè)備。于是，在這些旋轉(zhuǎn)設(shè)備工作時(shí)，由于電動(dòng)機(jī)等的旋轉(zhuǎn)而產(chǎn)生聲音。
這種由于旋轉(zhuǎn)產(chǎn)生的聲音有伴隨正常工作而必然產(chǎn)生的聲音，也有因?yàn)槿毕荻a(chǎn)生的聲音。例如，這種伴隨缺陷的異常聲音有軸承的異常、內(nèi)部的異常接觸、不平衡、混入異物等。更加具體地講，有頻度為齒輪每旋轉(zhuǎn)一圈產(chǎn)生一次的缺齒、咬入異物、點(diǎn)缺陷、電動(dòng)機(jī)內(nèi)部的旋轉(zhuǎn)部與固定部在旋轉(zhuǎn)中的瞬間摩擦所導(dǎo)致的異常聲音。并且，例如在人可以聽(tīng)到的20Hz～20kHz范圍內(nèi)有各種聲音。作為人感覺(jué)不舒服的聲音，例如有約15kHz左右的聲音。于是，產(chǎn)生這種規(guī)定頻率成分的聲音時(shí)也屬于異常聲音。當(dāng)然，異常聲音不限于該頻率。
伴隨上述缺陷的聲音不僅僅是不舒服，也有可能產(chǎn)生更進(jìn)一步的故障。因此，以這些各種產(chǎn)品的質(zhì)量保證為目的，進(jìn)行有無(wú)異常聲音的判斷。在生產(chǎn)工廠(chǎng)中，通常由檢查員根據(jù)聽(tīng)覺(jué)和觸覺(jué)等進(jìn)行基于五官感覺(jué)的“官能檢查”。具體地講，檢查員通過(guò)用耳朵聽(tīng)、用手觸摸來(lái)確認(rèn)振動(dòng)進(jìn)行檢查。另外，官能檢查在日本官能檢查術(shù)語(yǔ)JIS Z8144中有所定義。
可是，基于檢查員的五官感覺(jué)的官能檢查需要熟練的技術(shù)。并且，官能檢查的判定結(jié)果因個(gè)人差異和時(shí)間變化等造成的偏差較大。另外，官能檢查存在判定結(jié)果的數(shù)據(jù)化和數(shù)值化困難、管理困難的問(wèn)題。因此，為了解決這種問(wèn)題，作為檢查包括驅(qū)動(dòng)系統(tǒng)部件在內(nèi)的產(chǎn)品異常的檢查裝置有異常聲音檢查裝置。異常聲音檢查裝置的目的是定量且基于明確基準(zhǔn)的穩(wěn)定的檢查。
在此前的異常聲音檢查裝置中，以消除產(chǎn)生漏檢率、降低過(guò)檢率為目的，作成/改進(jìn)了高性能的合格與否判定算法。另外，所說(shuō)漏檢是指將不合格品(異常品)錯(cuò)誤判定為合格品(正常品)。漏檢將會(huì)導(dǎo)致不合格品出廠(chǎng)，所以需要可靠地防止。所說(shuō)過(guò)檢是指將合格品錯(cuò)誤判定為不合格品。過(guò)檢將會(huì)導(dǎo)致合格品不能出廠(chǎng)而被廢棄處理等，需要防止浪費(fèi)及成品率降低。因此，增加所使用的特征量的數(shù)量，或者為了生成更好的判定規(guī)則而增加所要求的樣本數(shù)量。
另一方面，近年來(lái)消費(fèi)者對(duì)于工業(yè)產(chǎn)品質(zhì)量的要求日益嚴(yán)格。并且，在多品種小批量生產(chǎn)時(shí)代的制造業(yè)中，不僅需要確保產(chǎn)品質(zhì)量，而且如何快速地使生產(chǎn)線(xiàn)開(kāi)始工作成為重要課題。即，僅僅單純地實(shí)現(xiàn)異常聲音檢查算法的高精度化還不夠。為了向市場(chǎng)輸送質(zhì)量更好的產(chǎn)品，在生產(chǎn)現(xiàn)場(chǎng)中有以下兩種要求。
第一是檢查的自動(dòng)化。即，產(chǎn)品的尺寸和重量等生產(chǎn)工序中的檢查通常針對(duì)所生產(chǎn)產(chǎn)品的各個(gè)特性值分別確定管理標(biāo)準(zhǔn)來(lái)管理質(zhì)量。例如，在將印刷線(xiàn)路板的錫焊外觀檢查和汽車(chē)發(fā)動(dòng)機(jī)的異常聲音檢查那樣的官能檢查自動(dòng)化的檢查裝置中，從圖像和波形中提取多個(gè)質(zhì)量特性。然后，判別模型綜合判斷這些特性來(lái)判定合格與否。
第二是垂直調(diào)試(vertical start-up)。一般在生產(chǎn)現(xiàn)場(chǎng)中，在生產(chǎn)線(xiàn)調(diào)試時(shí)，經(jīng)過(guò)批量生產(chǎn)試制過(guò)程來(lái)調(diào)試批量生產(chǎn)線(xiàn)。所說(shuō)批量試制是指在研發(fā)設(shè)計(jì)后利用與批量生產(chǎn)相同的生產(chǎn)手段來(lái)制造產(chǎn)品，確定工序中有無(wú)問(wèn)題等以及可否批量生產(chǎn)。在自動(dòng)生成自動(dòng)檢查裝置的判別模型時(shí)，如果沒(méi)有采集足夠的數(shù)據(jù)，則不能建模，所以在批量生產(chǎn)開(kāi)始之前不能確定檢查標(biāo)準(zhǔn)。在該批量試制階段確定批量生產(chǎn)階段中使用的檢查標(biāo)準(zhǔn)，在開(kāi)始批量生產(chǎn)的同時(shí)開(kāi)始穩(wěn)定的檢查，這成為實(shí)現(xiàn)生產(chǎn)線(xiàn)的垂直調(diào)試的重要課題。
上述的官能檢查綜合判斷聲音的大小、高度、外觀顏色及形狀等各種質(zhì)量特性來(lái)確定合格與否。因此，官能檢查的自動(dòng)化系統(tǒng)從利用麥克風(fēng)和攝像機(jī)等傳感器獲取的數(shù)據(jù)中提取出表示質(zhì)量特性的多個(gè)特征量，利用判別函數(shù)判定合格與否的模式識(shí)別比較有效。一般，模式識(shí)別需要準(zhǔn)備用于確定判別函數(shù)的足夠數(shù)量的學(xué)習(xí)樣本。
此處，說(shuō)明基于模式識(shí)別的產(chǎn)品檢查。
圖24是表示模式識(shí)別的步驟的說(shuō)明圖。所說(shuō)模式識(shí)別是指根據(jù)從數(shù)據(jù)中提取出的特征量的模式來(lái)確定(判別)該數(shù)據(jù)所屬的群的方法。因此，模式識(shí)別需要預(yù)先在模式空間上根據(jù)已經(jīng)觀測(cè)到的數(shù)據(jù)自動(dòng)生成(學(xué)習(xí))判別函數(shù)。
并且，模式識(shí)別的方法根據(jù)分布的表現(xiàn)方法和分布的對(duì)稱(chēng)性可以分為四種。
分布的表現(xiàn)方法可以分類(lèi)為“參量判別”和“非參量判別”。參量判別利用統(tǒng)計(jì)參數(shù)表示分布，非參量判別不利用統(tǒng)計(jì)參數(shù)表示分布。
并且，分布的對(duì)稱(chēng)性可以分類(lèi)為假定分布的對(duì)稱(chēng)性的“二類(lèi)判別模型”和不假定分布的對(duì)稱(chēng)性的“一類(lèi)判別模型”。
具體地講，在學(xué)習(xí)階段中，在參量判別中，對(duì)于已經(jīng)觀測(cè)到的數(shù)據(jù)構(gòu)成的多個(gè)組(例如正常和異常)，預(yù)先估計(jì)用于規(guī)定屬于各組的數(shù)據(jù)遵從的概率密度分布的形狀的參數(shù)(例如均值、方差)。并且，在判別階段中，在觀測(cè)到新的數(shù)據(jù)時(shí)，使用估計(jì)出的參數(shù)求出對(duì)于各組的歸屬度，確定屬于哪一組。該參量判別是僅在可以假定數(shù)據(jù)遵從于可以用參數(shù)規(guī)定形狀的概率密度分布(例如正態(tài)分布)時(shí)有效的方法。
并且，在學(xué)習(xí)階段中，在非參量判別中，按照每個(gè)組直接保持已經(jīng)觀測(cè)到的所有數(shù)據(jù)或者有助于判別的一部分?jǐn)?shù)據(jù)。或者，不使用統(tǒng)計(jì)參數(shù)，而在非參量判別中直接根據(jù)數(shù)據(jù)求出密度分布。然后，在判別階段中，在觀測(cè)到新的數(shù)據(jù)時(shí)，根據(jù)所保持的數(shù)據(jù)或者與分布的類(lèi)似度或距離，求出對(duì)于各組的歸屬度，來(lái)確定屬于哪一組。該非參量判別是在不能假定數(shù)據(jù)遵從于可以用參數(shù)規(guī)定形狀的概率密度分布時(shí)也有效的方法。
另一方面，在學(xué)習(xí)階段中，在二類(lèi)判別中，使用想要判別的兩個(gè)類(lèi)(例如合格品與不合格品)雙方的樣本來(lái)學(xué)習(xí)判別函數(shù)。然后，在判別階段中，利用判別函數(shù)求出未知樣本對(duì)于兩個(gè)類(lèi)的歸屬度，進(jìn)行更屬于哪一類(lèi)的比較評(píng)價(jià)。
此外，在一類(lèi)判別中，在學(xué)習(xí)階段中，只使用一類(lèi)的學(xué)習(xí)樣本進(jìn)行密度估計(jì)。然后，在判別階段中，利用判別函數(shù)根據(jù)密度求出未知樣本的歸屬度，并進(jìn)行如果大于等于規(guī)定值則判定為屬于該類(lèi)，如果小于規(guī)定值則判定為不屬于該類(lèi)的閾值判定。
四類(lèi)模式識(shí)別的具體示例如下面所述。
(1)參量二類(lèi)判別……Bayes識(shí)別、判別分析(2)非參量二類(lèi)判別……最近鄰判別器(NN判別器)、支持向量機(jī)(SVM，support vector machine)(3)參量一類(lèi)判別……馬田系統(tǒng)(Mahalanobis-Taguchi system，MTS)(4)非參量一類(lèi)判別……直方圖法、最近鄰估計(jì)、一類(lèi)SVM、Parzen窗口法、RBF(徑向基函數(shù)(Radial Basis Function))網(wǎng)絡(luò)、核密度估計(jì)(kernel density estimation)、重抽樣自舉法(bootstrap method)等。
合格品是相同的，但不合格品各式各樣。因此，假定各個(gè)類(lèi)在特征空間上的分布對(duì)稱(chēng)性的普通的二類(lèi)判別不適于合格品/不合格品的判別。并且，在產(chǎn)品檢查中能夠收集的不合格品樣本相比于合格品樣本非常少。因此，只考慮合格品分布的一類(lèi)判別對(duì)合格品/不合格品的判別比較有效。
并且，檢查一般需要在開(kāi)始批量生產(chǎn)時(shí)同時(shí)開(kāi)始。即，需要根據(jù)在批量生產(chǎn)前得到的有限樣本來(lái)確定用于判別合格品/不合格品的判別函數(shù)。但是，在批量生產(chǎn)前也不能獲得足夠的合格品樣本。因此，需要統(tǒng)計(jì)性估計(jì)的參量判別不能以少量樣本來(lái)充分確保性能。所以在根據(jù)有限的樣本確定判別函數(shù)的情況下，不需要統(tǒng)計(jì)性估計(jì)的非參量判別比較有效。
鑒于以上情況，非參量一類(lèi)判別對(duì)在產(chǎn)品檢查中應(yīng)用的模式識(shí)別比較有效。
另外，作為與本申請(qǐng)的發(fā)明相關(guān)的現(xiàn)有技術(shù)文獻(xiàn)有下面的非專(zhuān)利文獻(xiàn)1～3。
參量判別無(wú)法利用少量樣本進(jìn)行學(xué)習(xí)或者難以確保判別性能。例如，MTS在學(xué)習(xí)樣本數(shù)量小于特征數(shù)量時(shí)不能進(jìn)行(準(zhǔn)確多重共線(xiàn)性，accuracy multicollinearity)學(xué)習(xí)。另外，在學(xué)習(xí)樣本數(shù)量大于特征數(shù)量時(shí)，如果只有少量樣本，則統(tǒng)計(jì)性估計(jì)的精度不足，有時(shí)不能確保判別性能。因此，為了確保性能，從經(jīng)驗(yàn)上講需要特征數(shù)量的3倍左右的樣本。非專(zhuān)利文獻(xiàn)1公開(kāi)的方法在樣本較少的情況下，通過(guò)使用或并用非參量判別來(lái)確保性能。
非專(zhuān)利文獻(xiàn)2公開(kāi)的方法在一類(lèi)SVM中，利用支持向量的比例為通過(guò)交叉驗(yàn)證(leave-one-out)法評(píng)價(jià)的錯(cuò)誤判別率的上限的性質(zhì)，調(diào)節(jié)參數(shù)使支持向量數(shù)為最小。但是，在該方法中，由于不評(píng)價(jià)區(qū)域的形狀，所以不能解決合格品區(qū)域可能被劃分為多個(gè)區(qū)域的問(wèn)題。
非專(zhuān)利文獻(xiàn)3公開(kāi)的方法對(duì)于被判定為合格品的所有學(xué)習(xí)樣本的組合，判定連接它們的線(xiàn)段是否脫離合格品區(qū)域，由此對(duì)屬于相同區(qū)域的學(xué)習(xí)樣本進(jìn)行聚類(lèi)。如圖25所示，通過(guò)生成利用0/1表示有無(wú)脫離的矩陣(圖25(b)、圖25(d))，可以知道屬于相同聚類(lèi)的樣本。另外，圖25(b)表示合格品區(qū)域?yàn)橐粋€(gè)時(shí)(圖25(a))的矩陣，圖25(d)表示合格品區(qū)域?yàn)閮蓚€(gè)時(shí)(圖25(c))的矩陣。
非專(zhuān)利文獻(xiàn)1田崎博、糀谷和人、中島宏，“自動(dòng)検查のための漸進(jìn)的判別モデル更新手法”，第32回知能システムシンポジウム講演輸文集，pp.243-246(2005)非專(zhuān)利文獻(xiàn)2Nello Cristianini，John Shawe-Taylor，“An Introductionto Support Vector MachinesAnd Other Kernel-Based Learning Methods”，Cambridge University Press(2000)(日譯本サポ一トベクタマシン入門(mén)，共立出版)非專(zhuān)利文獻(xiàn)3Asa Ben-Hur，David Horn，Hava T.Siegelmann，VladimirVapnik，“Support Vector Clustering”，Journal of Machine Learning Research2，pp.125-137(2001)
一般認(rèn)為產(chǎn)品的質(zhì)量特性以目標(biāo)值為中心在其周邊(起因于部件/材料的偏差和制造裝置的變動(dòng)等)具有偏差，所以產(chǎn)生合格品的區(qū)域(真正的合格品區(qū)域)形成以目標(biāo)值為中心的單一區(qū)域(圖26(a))。
并且，從有限的樣本學(xué)習(xí)得到的判別函數(shù)實(shí)際上形成與真正的合格品區(qū)域不同的合格品區(qū)域(學(xué)習(xí)合格品區(qū)域)。并且，該差異越小，判別性能越好(圖26(b))。
并且，在大多的非參量判別中，根據(jù)學(xué)習(xí)樣本的密度確定合格品區(qū)域，所以在學(xué)習(xí)樣本中存在較稀疏的部分時(shí)，合格品區(qū)域有可能被劃分為多個(gè)區(qū)域(圖27(a))。并且，在學(xué)習(xí)樣本較少時(shí)，也有可能在密度本來(lái)較大的部位，學(xué)習(xí)樣本卻較稀疏，所以存在判別性能大幅下降的風(fēng)險(xiǎn)性。
根據(jù)以上情況，可以認(rèn)為只要合格品區(qū)域是一個(gè)(圖27(b))，則與被劃分時(shí)相比更接近真正的合格品區(qū)域，所以能夠期望提高判別性能。因此，在學(xué)習(xí)后判定判別函數(shù)是否形成單一的合格品區(qū)域，并調(diào)節(jié)參數(shù)使合格品區(qū)域?yàn)閱我粎^(qū)域即可。

發(fā)明內(nèi)容
本發(fā)明就是鑒于上述問(wèn)題而提出的，其目的在于，提供一種可以支持確定在非參量一類(lèi)判別中使用的判別函數(shù)的檢查裝置、檢查方法、檢查程序、以及記錄了檢查程序的計(jì)算機(jī)可讀記錄介質(zhì)。
為了解決上述問(wèn)題，本發(fā)明的檢查裝置的特征在于，該檢查裝置具有判別函數(shù)判定單元，該判別函數(shù)判定單元判定在非參量一類(lèi)判別中使用的判別函數(shù)是否在標(biāo)繪了樣本的輸入空間中形成單一區(qū)域。
本發(fā)明的檢查方法是確定在檢查對(duì)象的狀態(tài)判別中使用的判別函數(shù)的檢查裝置執(zhí)行的檢查方法，其特征在于，上述檢查裝置具有的判別函數(shù)判定單元判定在非參量一類(lèi)判別中使用的判別函數(shù)是否在標(biāo)繪了樣本的輸入空間中形成單一的合格品區(qū)域。
根據(jù)上述結(jié)構(gòu)，可以判定在非參量一類(lèi)判別中使用的判別函數(shù)是否在標(biāo)繪了樣本的輸入空間中形成單一的合格品區(qū)域。另外，作為非參量一類(lèi)判別，具體地講，有直方圖法、最近鄰估計(jì)、一類(lèi)SVM、Parzen窗口法、RBF網(wǎng)絡(luò)、核密度估計(jì)、重抽樣自舉法等。
因此，在上述判定的結(jié)果為判別函數(shù)不形成單一的合格品區(qū)域時(shí)，即合格品區(qū)域被劃分為多個(gè)區(qū)域時(shí)，例如可以變更用于限定基函數(shù)的區(qū)域大小的區(qū)域參數(shù)，再次學(xué)習(xí)判別函數(shù)，以使判別函數(shù)形成單一的合格品區(qū)域。因此，通過(guò)使合格品區(qū)域單一化而接近真正的合格品區(qū)域，從而可以提高判別性能。
此外，本發(fā)明的檢查裝置的特征在于，該檢查裝置具有參數(shù)設(shè)定單元，該參數(shù)設(shè)定單元在通過(guò)上述判別函數(shù)判定單元判定為上述判別函數(shù)不形成上述單一的合格品區(qū)域時(shí)，設(shè)定區(qū)域參數(shù)，使得該判別函數(shù)在標(biāo)繪了樣本的輸入空間中形成單一區(qū)域，其中該區(qū)域參數(shù)規(guī)定上述判別函數(shù)，并規(guī)定作為密度函數(shù)的基礎(chǔ)的基函數(shù)的區(qū)域大小。
此外，本發(fā)明的檢查方法的特征在于，當(dāng)由上述判別函數(shù)判定單元判定為上述判別函數(shù)不形成上述單一區(qū)域時(shí)，上述檢查裝置所具有的參數(shù)設(shè)定單元設(shè)定區(qū)域參數(shù)，使得該判別函數(shù)在標(biāo)繪了樣本的輸入空間中作為單一區(qū)域形成包含被判別到類(lèi)中的樣本的區(qū)域，其中該區(qū)域參數(shù)規(guī)定在非參量一類(lèi)判別中使用的判別函數(shù)，并規(guī)定作為密度函數(shù)的基礎(chǔ)的基函數(shù)的區(qū)域大小。
根據(jù)上述結(jié)構(gòu)，可以將區(qū)域參數(shù)設(shè)定為使得該判別函數(shù)在標(biāo)繪了樣本的輸入空間中形成單一的合格品區(qū)域，其中該區(qū)域參數(shù)規(guī)定上述判別函數(shù)，并規(guī)定作為密度函數(shù)的基礎(chǔ)的基函數(shù)的區(qū)域大小。另外，作為區(qū)域參數(shù)，具體地講，在直方圖法中指超立方體的體積V，在最近鄰估計(jì)中指超球的半徑r，在一類(lèi)SVM中指高斯核的寬度σ。
因此，在判別函數(shù)不形成單一的合格品區(qū)域時(shí)，即合格品區(qū)域被劃分為多個(gè)區(qū)域時(shí)，也可以變更區(qū)域參數(shù)，并對(duì)判別函數(shù)進(jìn)行再學(xué)習(xí)，使得判別函數(shù)形成單一的合格品區(qū)域。因此，通過(guò)使合格品區(qū)域單一化而接近真正的合格品區(qū)域，可以提高判別性能。
另外，本發(fā)明的檢查裝置優(yōu)選上述非參量一類(lèi)判別的判別算法是一類(lèi)支持向量機(jī)。
在此，一般支持向量機(jī)與普通的非參量判別算法相比，具有(i)通用性(對(duì)未知樣本的判別性能)高，(ii)保證在學(xué)習(xí)途中不會(huì)陷入局部解的特點(diǎn)。并且，這些特點(diǎn)在一類(lèi)支持向量機(jī)中也相同。
因此，根據(jù)上述結(jié)構(gòu)，可以實(shí)現(xiàn)判別性能和學(xué)習(xí)效率較高的檢查裝置。
另外，本發(fā)明的檢查裝置的上述判別函數(shù)判定單元也可以判定連接被判定為合格品的各個(gè)樣本的線(xiàn)段是否脫離合格品區(qū)域(圖8(a)(b))。
另外，本發(fā)明的檢查裝置的上述判別函數(shù)判定單元也可以判定連接樣本的中心與被判定為合格品的樣本之間的線(xiàn)段是否脫離合格品區(qū)域(圖9(a)(b))。
根據(jù)上述結(jié)構(gòu)，與連接被判定為合格品的各個(gè)樣本時(shí)相比，線(xiàn)段的數(shù)量減少，所以能夠抑制計(jì)算量。
另外，本發(fā)明的檢查裝置的上述判別函數(shù)判定單元也可以判定連接各個(gè)間隔支持向量(margin support vector)的線(xiàn)段是否脫離合格品區(qū)域(圖10(a)(b))。
另外，本發(fā)明的檢查裝置的上述判別函數(shù)判定單元也可以判定連接樣本的中心與間隔支持向量之間的線(xiàn)段是否脫離合格品區(qū)域(圖11(a)(b))。
根據(jù)上述結(jié)構(gòu)，與連接各個(gè)間隔支持向量時(shí)相比，線(xiàn)段的數(shù)量減少，所以能夠抑制計(jì)算量。
另外，本發(fā)明的檢查裝置的上述判別函數(shù)判定單元也可以從上述線(xiàn)段中提取一個(gè)或多個(gè)點(diǎn)，將各個(gè)點(diǎn)代入上述判別函數(shù)，判定是否所有的點(diǎn)都被判別為合格品。
根據(jù)上述結(jié)構(gòu)，只對(duì)一個(gè)或多個(gè)點(diǎn)進(jìn)行判別函數(shù)的運(yùn)算即可，所以能夠容易地進(jìn)行線(xiàn)段是否脫離合格品區(qū)域的判定。并且，可以根據(jù)所要求的判定精度增減要提取的點(diǎn)的數(shù)量。
另外，本發(fā)明的檢查裝置的上述判別函數(shù)判定單元也可以求出上述線(xiàn)段上的上述判別函數(shù)的最小值，判定該最小值是否大于等于規(guī)定的閾值。
根據(jù)上述結(jié)構(gòu)，還判定線(xiàn)段上的上述判別函數(shù)的最小值是否大于等于規(guī)定的閾值，所以能夠高精度地進(jìn)行線(xiàn)段是否脫離合格品區(qū)域的判定。另外，為了在線(xiàn)段的范圍內(nèi)求出判別函數(shù)的最小值，可以利用牛頓法和最速下降法等非線(xiàn)性?xún)?yōu)化方法。
另外，上述檢查裝置也可以通過(guò)計(jì)算機(jī)實(shí)現(xiàn)，在該情況時(shí)，通過(guò)使計(jì)算機(jī)作為上述各個(gè)單元工作而利用計(jì)算機(jī)實(shí)現(xiàn)上述檢查裝置的檢查裝置檢查程序、及記錄了該檢查程序的計(jì)算機(jī)可讀記錄介質(zhì)也在本發(fā)明的范疇之內(nèi)。
如上所述，本發(fā)明的檢查裝置構(gòu)成為具有判別函數(shù)判定單元，該判別函數(shù)判定單元判定在非參量一類(lèi)判別中使用的判別函數(shù)是否在標(biāo)繪了樣本的輸入空間中形成單一的合格品區(qū)域。
此外，本發(fā)明的檢查方法是檢查裝置具有的判別函數(shù)判定單元判定在非參量一類(lèi)判別中使用的判別函數(shù)是否在標(biāo)繪了樣本的輸入空間中形成單一的合格品區(qū)域的方法。
因此，可以發(fā)揮以下效果，在上述判定的結(jié)果為判別函數(shù)不形成單一的合格品區(qū)域時(shí)，即合格品區(qū)域被劃分為多個(gè)區(qū)域時(shí)，例如可以變更用于規(guī)定基函數(shù)的區(qū)域大小的區(qū)域參數(shù)，對(duì)判別函數(shù)進(jìn)行再學(xué)習(xí)，使得判別函數(shù)形成單一的合格品區(qū)域。因此，通過(guò)使合格品區(qū)域單一化而接近真正的合格品區(qū)域，可以提高判別性能。
此外，本發(fā)明的檢查裝置構(gòu)成為具有參數(shù)設(shè)定單元，該參數(shù)設(shè)定單元在通過(guò)上述判別函數(shù)判定單元判定為上述判別函數(shù)不形成上述單一的合格品區(qū)域時(shí)，設(shè)定區(qū)域參數(shù)，以使該判別函數(shù)在標(biāo)繪了樣本的輸入空間中形成單一的合格品區(qū)域，該區(qū)域參數(shù)規(guī)定上述判別函數(shù)、并規(guī)定作為密度函數(shù)的基礎(chǔ)的基函數(shù)的區(qū)域大小。
此外，本發(fā)明的檢查方法是如下的方法，檢查裝置具有的參數(shù)設(shè)定單元設(shè)定區(qū)域參數(shù)，以使該判別函數(shù)在標(biāo)繪了樣本的輸入空間中形成單一的合格品區(qū)域，該區(qū)域參數(shù)規(guī)定在非參量一類(lèi)判別中使用的判別函數(shù)、并規(guī)定作為密度函數(shù)的基礎(chǔ)的基函數(shù)的區(qū)域大小。
因此，在判別函數(shù)不形成單一的合格品區(qū)域時(shí)，即合格品區(qū)域被劃分為多個(gè)區(qū)域時(shí)，可以變更區(qū)域參數(shù)，對(duì)判別函數(shù)進(jìn)行再學(xué)習(xí)，使得判別函數(shù)形成單一的合格品區(qū)域。因此，可以發(fā)揮以下效果，通過(guò)使合格品區(qū)域單一化而接近真正的合格品區(qū)域，可以提高判別性能。


圖1是表示本發(fā)明一個(gè)實(shí)施方式的檢查裝置具有的判別函數(shù)確定部的結(jié)構(gòu)的功能框圖。
圖2是表示本發(fā)明一個(gè)實(shí)施方式的檢查裝置的結(jié)構(gòu)概況的說(shuō)明圖。
圖3是表示非參量一類(lèi)判別的一例即直方圖法的說(shuō)明圖。
圖4是表示非參量一類(lèi)判別的一例即最近鄰估計(jì)的說(shuō)明圖。
圖5是表示非參量一類(lèi)判別的一例即一類(lèi)SVM的說(shuō)明圖。
圖6(a)是表示無(wú)軟間隔時(shí)的輸入空間的說(shuō)明圖，圖6(b)是表示無(wú)軟間隔時(shí)的希爾伯特空間的說(shuō)明圖。
圖7(a)是表示有軟間隔時(shí)的輸入空間的說(shuō)明圖，圖7(b)是表示有軟間隔時(shí)的希爾伯特空間的說(shuō)明圖。
圖8是圖1所示判別函數(shù)確定部的合格品區(qū)域數(shù)量判定部生成的、連接被判別為合格品的各個(gè)學(xué)習(xí)樣本的線(xiàn)段的說(shuō)明圖，(a)表示合格品區(qū)域?yàn)橐粋€(gè)的情況，(b)表示合格品區(qū)域?yàn)閮蓚€(gè)的情況。
圖9是圖1所示判別函數(shù)確定部的合格品區(qū)域數(shù)量判定部生成的、連接被判別為合格品的學(xué)習(xí)樣本的中心(均值)與被判別為合格品的學(xué)習(xí)樣本的線(xiàn)段的說(shuō)明圖，(a)表示合格品區(qū)域?yàn)橐粋€(gè)的情況，(b)表示合格品區(qū)域?yàn)閮蓚€(gè)的情況。
圖10是圖1所示判別函數(shù)確定部的合格品區(qū)域數(shù)量判定部生成的、連接各個(gè)間隔支持向量(MSV)的線(xiàn)段的說(shuō)明圖，(a)表示合格品區(qū)域?yàn)橐粋€(gè)的情況，(b)表示合格品區(qū)域?yàn)閮蓚€(gè)的情況。
圖11是圖1所示判別函數(shù)確定部的合格品區(qū)域數(shù)量判定部生成的、連接被判別為合格品的學(xué)習(xí)樣本的中心(均值)與間隔支持向量的線(xiàn)段的說(shuō)明圖，(a)表示合格品區(qū)域?yàn)橐粋€(gè)的情況，(b)表示合格品區(qū)域?yàn)閮蓚€(gè)的情況。
圖12是即使合格品區(qū)域?yàn)橐粋€(gè)但仍不合適的情況的說(shuō)明圖，(a)表示合格品區(qū)域有孔的情況，(b)表示合格品區(qū)域不為凸形狀的情況。
圖13是表示由直方圖法的超立方體的體積V大小導(dǎo)致的合格品區(qū)域大小變化的說(shuō)明圖，(a)表示體積V較大的情況，(b)表示體積V中等的情況，(c)表示體積V較小的情況。
圖14是表示由最近鄰估計(jì)的超球的半徑r大小導(dǎo)致的合格品區(qū)域大小變化的說(shuō)明圖，(a)表示半徑r較大的情況，(b)表示半徑r中等的情況，(c)表示半徑r較小的情況。
圖15是表示由一類(lèi)SVM的高斯核的寬度σ大小導(dǎo)致的合格品區(qū)域大小變化的說(shuō)明圖，(a)表示寬度σ較大的情況，(b)表示寬度σ中等的情況，(c)表示寬度σ較小的情況。
圖16是圖1所示的判別函數(shù)確定部使用的數(shù)據(jù)的說(shuō)明圖，(a)表示學(xué)習(xí)樣本，(b)表示參數(shù)候選，(c)表示判別函數(shù)。
圖17是表示圖1所示的判別函數(shù)確定部的判別函數(shù)確定處理的流程圖。
圖18是表示圖1所示的判別函數(shù)確定部的合格品區(qū)域數(shù)量判定部的合格品區(qū)域數(shù)量判定處理的流程圖。
圖19是表示在圖1所示的判別函數(shù)確定部的合格品區(qū)域數(shù)量判定部的合格品區(qū)域數(shù)量判定處理中，對(duì)于從線(xiàn)段上提取出的多個(gè)點(diǎn)確認(rèn)判別函數(shù)大于等于閾值的步驟的流程圖。
圖20是表示在圖1所示的判別函數(shù)確定部的合格品區(qū)域數(shù)量判定部的合格品區(qū)域數(shù)量判定處理中，對(duì)于從線(xiàn)段上提取出的多個(gè)點(diǎn)確認(rèn)判別函數(shù)大于等于閾值時(shí)的步驟的說(shuō)明圖，(a)表示沒(méi)有脫離的情況，(b)表示存在脫離的情況。
圖21是表示在圖1所示的判別函數(shù)確定部的合格品區(qū)域數(shù)量判定部的合格品區(qū)域數(shù)量判定處理中，對(duì)于從線(xiàn)段上提取出的多個(gè)點(diǎn)，在通過(guò)確認(rèn)判別函數(shù)大于等于閾值而判定為脫離的情況下，從線(xiàn)段上提取出點(diǎn)時(shí)生成的數(shù)據(jù)的具體示例的說(shuō)明圖，(a)表示提取出包括兩端在內(nèi)的5個(gè)點(diǎn)并登記坐標(biāo)時(shí)的示例，(b)表示省略登記線(xiàn)段兩端的數(shù)據(jù)時(shí)的示例，(c)表示線(xiàn)段的一端是被判別為合格品的學(xué)習(xí)樣本的中心的示例。
圖22是表示在圖1所示的判別函數(shù)確定部的合格品區(qū)域數(shù)量判定部的合格品區(qū)域數(shù)量判定處理中，利用優(yōu)化方法求出線(xiàn)段上判別函數(shù)的最小值，確認(rèn)該最小值大于等于閾值時(shí)的步驟的流程圖。
圖23是表示在圖1所示的判別函數(shù)確定部的合格品區(qū)域數(shù)量判定部的合格品區(qū)域數(shù)量判定處理中，利用優(yōu)化方法求出線(xiàn)段上的判別函數(shù)的最小值，確認(rèn)該最小值大于等于閾值時(shí)的步驟的說(shuō)明圖，(a)表示沒(méi)有脫離的情況，(b)表示存在脫離的情況。
圖24是表示模式識(shí)別的步驟的說(shuō)明圖。
圖25是利用0/1表示連接各個(gè)學(xué)習(xí)樣本之間的線(xiàn)段是否脫離合格品區(qū)域的矩陣的說(shuō)明圖，(b)表示合格品區(qū)域?yàn)橐粋€(gè)時(shí)的(a)矩陣，(d)表示合格品區(qū)域?yàn)閮蓚€(gè)時(shí)的(c)矩陣。
圖26是說(shuō)明合格品區(qū)域和不合格品區(qū)域的說(shuō)明圖，(a)表示合格品和不合格品的產(chǎn)生區(qū)域，(b)表示真正的合格品區(qū)域和學(xué)習(xí)合格品區(qū)域。
圖27是說(shuō)明合格品區(qū)域的數(shù)量的說(shuō)明圖，(a)表示合格品區(qū)域被劃分為多個(gè)的情況，(b)表示合格品區(qū)域?yàn)閱我坏那闆r。
具體實(shí)施例方式
以下，根據(jù)

本發(fā)明的一個(gè)實(shí)施方式。
圖2是表示本實(shí)施方式的檢查裝置100的結(jié)構(gòu)概況的說(shuō)明圖。圖1是表示檢查裝置100具有的判別函數(shù)確定部20的結(jié)構(gòu)的功能框圖。
本實(shí)施方式的檢查裝置100從所輸入的檢查對(duì)象的計(jì)測(cè)數(shù)據(jù)中提取特征量。檢查裝置100根據(jù)提取出的特征量，通過(guò)非參量一類(lèi)判別來(lái)判別樣本合格與否。并且特別是，檢查裝置100具有判別函數(shù)確定部20。該判別函數(shù)確定部20具備以下功能(1)判定在非參量一類(lèi)判別中使用的判別函數(shù)是否形成單一的合格品區(qū)域(包括被判別為屬于類(lèi)(合格品)的學(xué)習(xí)樣本的區(qū)域包括許多學(xué)習(xí)樣本的區(qū)域)的功能，(2)設(shè)定區(qū)域參數(shù)，使得該判別函數(shù)形成單一的合格品區(qū)域的功能，其中該區(qū)域參數(shù)規(guī)定在非參量一類(lèi)判別中使用的判別函數(shù)、并規(guī)定作為密度函數(shù)的基礎(chǔ)的基函數(shù)的區(qū)域大小。
以下，首先說(shuō)明判別函數(shù)確定部20的功能概況，然后說(shuō)明其裝置結(jié)構(gòu)。
(1)非參量一類(lèi)判別的基本概念非參量一類(lèi)判別是不使用統(tǒng)計(jì)參數(shù)，而估計(jì)學(xué)習(xí)樣本的密度，將密度大于等于一定閾值的區(qū)域判別為合格品、將小于一定閾值的區(qū)域判別為不合格品的方法。作為其具體的判別算法，除以下說(shuō)明的直方圖法、最近鄰估計(jì)、一類(lèi)支持向量機(jī)(SVM)外，還有Parzen窗口法、RBF網(wǎng)絡(luò)、核密度估計(jì)、重抽樣自舉法等各種算法。
(a)直方圖法圖3是表示直方圖法的說(shuō)明圖。圖3表示把學(xué)習(xí)樣本數(shù)量大于等于1設(shè)為合格品區(qū)域的情況。并且，在圖中，圓圈表示樣本，一個(gè)區(qū)段表示體積V的超立方體。
直方圖法將輸入空間劃分為體積V的超立方體，通過(guò)對(duì)所包含的樣本數(shù)量進(jìn)行計(jì)數(shù)來(lái)估計(jì)密度。并且，將所包含的學(xué)習(xí)樣本數(shù)量大于等于一定閾值的區(qū)域判別為合格品區(qū)域，在小于一定閾值時(shí)判別為不合格品區(qū)域(圖中的斜線(xiàn)部分)。
(b)最近鄰估計(jì)圖4是表示最近鄰估計(jì)的說(shuō)明圖。在圖中，圓圈表示樣本，圓弧表示以樣本為中心的半徑r的超球。
最近鄰估計(jì)將以學(xué)習(xí)樣本為中心的半徑r的超球中包含的區(qū)域判別為合格品區(qū)域，將未包含的區(qū)域判別為不合格品區(qū)域(圖中的斜線(xiàn)部分)。
(c)一類(lèi)SVM圖5是表示一類(lèi)SVM的說(shuō)明圖。在圖中，左側(cè)是作為原空間的輸入空間，右側(cè)是通過(guò)非線(xiàn)性映射φ映射了輸入空間的多維希爾伯特空間。另外，圓圈表示樣本。圖中下側(cè)示出的在學(xué)習(xí)后的希爾伯特空間中確定的識(shí)別面上的樣本是支持向量(SV)，除此以外的樣本是非支持向量(Non-SV)。將希爾伯特空間的識(shí)別面逆轉(zhuǎn)換到輸入空間上后的區(qū)域作為邊界。在一類(lèi)SVM中，將該邊界內(nèi)的區(qū)域判別為合格品區(qū)域，將邊界外的區(qū)域判別為不合格品區(qū)域(圖中的斜線(xiàn)部分)。
更加具體地講，一類(lèi)SVM對(duì)于輸入空間上的學(xué)習(xí)樣本，通過(guò)非線(xiàn)性映射φ將輸入空間映射到多維希爾伯特空間上，然后學(xué)習(xí)線(xiàn)性的識(shí)別面。
在此，使用了高斯核的核映射具有以下特點(diǎn)，即，在輸入空間上密度較稀疏的部位的學(xué)習(xí)樣本被映射于原點(diǎn)附近，較稠密部位的學(xué)習(xí)樣本被映射于遠(yuǎn)離原點(diǎn)的位置。
K(x,z)=exp(-||x-z||22σ2)]]>并且，在希爾伯特空間上將原點(diǎn)和學(xué)習(xí)樣本分離的超平面中，一類(lèi)SVM對(duì)距原點(diǎn)的距離最大的超平面(即識(shí)別面)進(jìn)行學(xué)習(xí)。把超平面上的學(xué)習(xí)樣本稱(chēng)為支持向量。
在此，把n個(gè)d維向量x＝{x1，…，xd}的集合作為學(xué)習(xí)樣本時(shí)，基于一類(lèi)SVM的判別函數(shù)表示如下，在函數(shù)值大于等于0時(shí)判別為合格品，在小于0時(shí)判別為不合格品。
f(x)=Σi(αiK(xi,x))-ρ]]>在上式中，xi表示學(xué)習(xí)樣本的標(biāo)記。αi表示被稱(chēng)為支持向量的權(quán)重的系數(shù)，通過(guò)學(xué)習(xí)而確定。并且，p表示把任意的支持向量xi(系數(shù)αi≠0的學(xué)習(xí)樣本)代入下式求出的常數(shù)。
f(x)=Σi(αiK(xi,x))-ρ]]>另外，一般在輸入空間上學(xué)習(xí)非線(xiàn)性識(shí)別面比較困難。但是，如果映射到多維空間上成為線(xiàn)性識(shí)別面，就易于在多維空間上使用線(xiàn)性判別算法進(jìn)行學(xué)習(xí)。并且，SVM是線(xiàn)性判別算法。此外，只要能夠在該學(xué)習(xí)中計(jì)算兩個(gè)向量的內(nèi)積既可。因此，不直接在輸入空間上學(xué)習(xí)非線(xiàn)性識(shí)別面，而在多維空間上通過(guò)SVM學(xué)習(xí)線(xiàn)性識(shí)別面。
在此，把利用輸入空間上的兩個(gè)向量表示多維空間上的兩個(gè)向量的內(nèi)積的函數(shù)稱(chēng)為“核函數(shù)”。并且，只要是核函數(shù)，就可以容易地學(xué)習(xí)非線(xiàn)性識(shí)別面，而且不必進(jìn)行多維空間上的計(jì)算。把這種利用核函數(shù)的計(jì)算替換多維空間上的計(jì)算的方法稱(chēng)為核技巧(kernel trick)。
(一類(lèi)SVM中的軟間隔(soft margin))在此，圖6(a)是表示無(wú)軟間隔時(shí)的輸入空間的說(shuō)明圖，圖6(b)是表示無(wú)軟間隔時(shí)的希爾伯特空間的說(shuō)明圖。并且，圖7(a)是表示有軟間隔時(shí)的輸入空間的說(shuō)明圖，圖7(b)是表示有軟間隔時(shí)的希爾伯特空間的說(shuō)明圖。
通常，一類(lèi)SVM進(jìn)行使學(xué)習(xí)樣本一個(gè)都不余留在識(shí)別面的原點(diǎn)側(cè)的學(xué)習(xí)(硬間隔)。但是，一類(lèi)SVM存在在學(xué)習(xí)樣本中包含逸出值的情況下，判別性能由于過(guò)嚴(yán)判別而下降的問(wèn)題。對(duì)此，通過(guò)允許學(xué)習(xí)樣本在識(shí)別面的原點(diǎn)側(cè)余留一定比例(軟間隔)，可以避免對(duì)于逸出值的過(guò)嚴(yán)判別。
在軟間隔中，將允許余留在原點(diǎn)側(cè)的比例v導(dǎo)入學(xué)習(xí)算法中，學(xué)習(xí)結(jié)果的判別函數(shù)利用與硬間隔時(shí)相同的形式表示。并且，在軟間隔中，不僅位于識(shí)別面上的學(xué)習(xí)樣本，而且余留在原點(diǎn)側(cè)的學(xué)習(xí)樣本也稱(chēng)為支持向量。因此，在區(qū)分識(shí)別面上的支持向量和余留在原點(diǎn)側(cè)的支持向量時(shí)，把前者稱(chēng)為間隔支持向量，例如在SVM中稱(chēng)為間隔支持向量(MSV(margin support vector)存儲(chǔ)在模型中的識(shí)別面上的樣本)，把后者稱(chēng)為有界支持向量(BSV，bounded support vector)。
(2)合格品區(qū)域?yàn)閱我坏呐卸ㄔ诤细衿穮^(qū)域不為單一、即合格品區(qū)域?yàn)槎鄠€(gè)的情況下，一定存在脫離合格品區(qū)域的線(xiàn)段。因此，例如引出下面(i)～(iv)中任一條線(xiàn)段，判定該線(xiàn)段上的點(diǎn)是否脫離合格品區(qū)域。另外，對(duì)于線(xiàn)段，只要在合格品區(qū)域?yàn)槎鄠€(gè)時(shí)具有脫離合格品區(qū)域的部分即可，不限于(i)～(iv)這四種。
(i)連接被判別為合格品的各個(gè)學(xué)習(xí)樣本的線(xiàn)段(圖8(a)(b))(ii)連接被判別為合格品的學(xué)習(xí)樣本的中心(均值)與被判別為合格品的學(xué)習(xí)樣本的線(xiàn)段(圖9(a)(b))
(iii)連接各個(gè)間隔支持向量例如SVM中的間隔支持向量(MSV)的線(xiàn)段(圖10(a)(b))(iv)連接被判別為合格品的學(xué)習(xí)樣本的中心(均值)與間隔支持向量例如SVM中的間隔支持向量的線(xiàn)段(圖11(a)(b))此處，圖8～圖11分別是上述(i)～(iv)的線(xiàn)段的說(shuō)明圖。其中，各圖(a)表示合格品區(qū)域?yàn)橐粋€(gè)的情況，各圖(b)表示合格品區(qū)域?yàn)閮蓚€(gè)的情況。并且，各圖(b)中的線(xiàn)段的粗線(xiàn)部分表示脫離合格品區(qū)域的部分。
另外，線(xiàn)段上的點(diǎn)是否脫離合格品區(qū)域，可以通過(guò)(1)對(duì)從線(xiàn)段上提取出的多個(gè)點(diǎn)確認(rèn)判別函數(shù)大于等于閾值來(lái)判定，也可以通過(guò)(2)利用優(yōu)化方法求出線(xiàn)段上的判別函數(shù)的最小值，并確認(rèn)該最小值大于等于閾值(根據(jù)函數(shù)有時(shí)會(huì)大小相反)來(lái)判定。
另外，嚴(yán)格地講，也存在即使合格品區(qū)域?yàn)橐粋€(gè)，但在區(qū)域中有孔(圖12(a))和區(qū)域不為凸形狀(圖12(b))的情況下也有產(chǎn)生脫離的可能性。因此，這些情況有可能通過(guò)參數(shù)調(diào)節(jié)被排除。在這些情況下，由于存在比合格品區(qū)域更接近目標(biāo)值的不合格品區(qū)域，所以依舊不能說(shuō)是合適的合格品區(qū)域。所以，認(rèn)為通過(guò)參數(shù)調(diào)節(jié)將這些情況排除是合理的。
(3)非參量判別的區(qū)域參數(shù)圖13～圖15是表示非參量判別的區(qū)域參數(shù)大小導(dǎo)致的合格品區(qū)域大小變化的說(shuō)明圖。其中，圖13表示直方圖法，圖14表示最近鄰估計(jì)，圖15表示一類(lèi)SVM，各圖(a)表示區(qū)域參數(shù)較大的情況，各圖(b)表示區(qū)域參數(shù)中等的情況，各圖(c)表示區(qū)域參數(shù)較小的情況。
非參量判別的判別函數(shù)具有作為密度函數(shù)的基礎(chǔ)的函數(shù)的區(qū)域參數(shù)。具體地講，在直方圖法中是超立方體的體積V，在最近鄰估計(jì)中是超球的半徑r，在一類(lèi)SVM中是高斯核的寬度σ。
具有如果基函數(shù)的區(qū)域變大則合格品區(qū)域也變大的性質(zhì)。因此，在基函數(shù)的區(qū)域過(guò)小時(shí)產(chǎn)生第一種錯(cuò)誤(將合格品判別為不合格品的錯(cuò)誤)、而過(guò)大則產(chǎn)生第二種錯(cuò)誤(將不合格品判別為合格品的錯(cuò)誤)的風(fēng)險(xiǎn)性提高。并且，在基函數(shù)的區(qū)域較小時(shí)，合格品區(qū)域被劃分為多個(gè)，而較大則容易形成單一的區(qū)域。
(區(qū)域參數(shù)的調(diào)節(jié))如圖26(b)所示，利用從有限的樣本學(xué)習(xí)得到的判別函數(shù)構(gòu)成的合格品區(qū)域(學(xué)習(xí)合格品區(qū)域)實(shí)際上與真正的合格品區(qū)域不同。在真正的合格品區(qū)域與學(xué)習(xí)合格品區(qū)域的差異較大時(shí)，錯(cuò)誤判別的風(fēng)險(xiǎn)性提高。因此，為了使學(xué)習(xí)合格品區(qū)域接近真正的合格品區(qū)域，進(jìn)行區(qū)域參數(shù)的調(diào)節(jié)。
在進(jìn)行使學(xué)習(xí)合格品區(qū)域變大的調(diào)節(jié)時(shí)，將不合格品錯(cuò)誤判別為合格品的概率增大。另一方面，在進(jìn)行使學(xué)習(xí)合格品區(qū)域變小的調(diào)節(jié)時(shí)，將合格品錯(cuò)誤判別為不合格品的概率增大。
在沒(méi)有關(guān)于真正的合格品區(qū)域的先驗(yàn)知識(shí)的情況下，調(diào)節(jié)區(qū)域參數(shù)使期望錯(cuò)誤判別率(expected error rate)(在錯(cuò)誤判別的區(qū)域出現(xiàn)未知樣本的概率)最小。并且，在學(xué)習(xí)樣本較少時(shí)，性能評(píng)價(jià)的可靠性低。因此，在區(qū)域參數(shù)的調(diào)節(jié)中，錯(cuò)誤判別率不能充分最小化的可能性較大。
另外，為了調(diào)節(jié)區(qū)域參數(shù)，可以使用把所得到的樣本的一部分用于判別性能的評(píng)價(jià)、把其余的用于學(xué)習(xí)的方法(交叉驗(yàn)證、leave-one-out法)。
如圖2所示，檢查裝置100通過(guò)放大器104放大來(lái)自與檢查對(duì)象物101接觸/接近配置的麥克風(fēng)102和加速度拾波器103的信號(hào)。接著，通過(guò)AD轉(zhuǎn)換器105轉(zhuǎn)換為數(shù)字?jǐn)?shù)據(jù)后輸入。并且，雖然省略圖示，但也可以在批量試制階段和批量生產(chǎn)開(kāi)始后，在生產(chǎn)現(xiàn)場(chǎng)從掌管實(shí)際進(jìn)行工件(產(chǎn)品)制造的控制的PLC(Programmable Logic Controller，可編程邏輯控制器)獲取動(dòng)作定時(shí)及其他數(shù)據(jù)。關(guān)于這些省略圖示。并且，檢查裝置100取得通過(guò)麥克風(fēng)102采集到的語(yǔ)音數(shù)據(jù)、和通過(guò)加速度拾波器103采集到的基于振動(dòng)數(shù)據(jù)的波形數(shù)據(jù)，提取特征量，并且進(jìn)行異常判定。
另外，檢查裝置100由具有CPU主體100a、鍵盤(pán)、鼠標(biāo)等輸入裝置100b和顯示器100c的計(jì)算機(jī)構(gòu)成。并且，根據(jù)需要，也可以構(gòu)成為具有外部存儲(chǔ)裝置，或具有通信功能，可以與外部的數(shù)據(jù)庫(kù)通信取得必要的信息。
另外，在檢查裝置100進(jìn)行異常檢測(cè)的基本算法中，根據(jù)正常的樣本生成在進(jìn)行異常判定時(shí)使用的判定知識(shí)，將符合條件的判定為合格品，將不符合條件的判定為不合格品。所說(shuō)異常檢測(cè)指將符合條件的判定為合格品，將不符合條件的判定為不合格品。
圖1是表示檢查裝置100具有的判別函數(shù)確定部20的結(jié)構(gòu)的功能框圖。
判別函數(shù)確定部20確定在檢查對(duì)象的狀態(tài)判別中使用的判別函數(shù)。具體地講，判定在非參量一類(lèi)判別中使用的判別函數(shù)是否在標(biāo)繪了樣本的輸入空間中形成單一的合格品區(qū)域。并且，如果合格品區(qū)域不為單一，則在標(biāo)繪了樣本的輸入空間中設(shè)定區(qū)域參數(shù)，使得該判別函數(shù)在標(biāo)繪了樣本的輸入空間中形成單一的合格品區(qū)域，該區(qū)域參數(shù)規(guī)定判別函數(shù)、并規(guī)定作為密度函數(shù)的基礎(chǔ)的基函數(shù)的區(qū)域大小。區(qū)域參數(shù)是規(guī)定基函數(shù)的區(qū)域大小的參數(shù)?；瘮?shù)規(guī)定判別函數(shù)。
因此，判別函數(shù)確定部20構(gòu)成為具有學(xué)習(xí)樣本存儲(chǔ)部21、學(xué)習(xí)樣本取得部22、參數(shù)候選存儲(chǔ)部23、參數(shù)設(shè)定部(參數(shù)設(shè)定單元)24、判別函數(shù)學(xué)習(xí)部25、合格品區(qū)域數(shù)量判定部(判別函數(shù)判定單元)26、判別函數(shù)輸出部27、判別函數(shù)存儲(chǔ)部28。
在學(xué)習(xí)時(shí)，學(xué)習(xí)樣本取得部22取得學(xué)習(xí)時(shí)存儲(chǔ)在學(xué)習(xí)樣本存儲(chǔ)部21中的學(xué)習(xí)樣本，輸出給判別函數(shù)學(xué)習(xí)部25。
參數(shù)設(shè)定部24設(shè)定區(qū)域參數(shù)，使得該判別函數(shù)在標(biāo)繪了樣本的輸入空間中形成單一的合格品區(qū)域，該區(qū)域參數(shù)規(guī)定在非參量一類(lèi)判別中使用的判別函數(shù)、并規(guī)定作為密度函數(shù)的基礎(chǔ)的基函數(shù)的區(qū)域大小。區(qū)域參數(shù)規(guī)定成為密度函數(shù)的基礎(chǔ)的基函數(shù)的區(qū)域大小。密度函數(shù)規(guī)定在非參量一類(lèi)判別中使用的判別函數(shù)。另外，區(qū)域參數(shù)也可以預(yù)先從存儲(chǔ)在參數(shù)候選存儲(chǔ)部23中的參數(shù)候選中選擇。
判別函數(shù)學(xué)習(xí)部25使用學(xué)習(xí)樣本取得部22獲取的學(xué)習(xí)樣本和參數(shù)設(shè)定部24選擇的區(qū)域參數(shù)，生成判別函數(shù)。例如，在非參量一類(lèi)判別的判別算法是以把一類(lèi)支持向量機(jī)識(shí)別面上的學(xué)習(xí)樣本存儲(chǔ)到模型中為特征的非參量一類(lèi)判別模型時(shí)，生成對(duì)應(yīng)于識(shí)別面的判別函數(shù)。
合格品區(qū)域數(shù)量判定部26判定在非參量一類(lèi)判別中使用的判別函數(shù)是否在標(biāo)繪了樣本的輸入空間中形成單一的合格品區(qū)域。另外，在該判定中使用與檢查時(shí)使用的判別函數(shù)相同的判別函數(shù)。
具體地講，首先，合格品區(qū)域數(shù)量判定部26從以下線(xiàn)段中選擇在判定是否脫離合格品區(qū)域時(shí)使用的線(xiàn)段。
(i)連接被判別為合格品的各個(gè)學(xué)習(xí)樣本的線(xiàn)段(圖8(a)(b))(ii)連接被判別為合格品的學(xué)習(xí)樣本的中心(均值)與被判別為合格品的學(xué)習(xí)樣本的線(xiàn)段(圖9(a)(b))(iii)連接各個(gè)間隔支持向量例如SVM中的間隔支持向量(MSV)的線(xiàn)段(圖10(a)(b))(iv)連接被判別為合格品的學(xué)習(xí)樣本的中心(均值)與間隔支持向量例如SVM中的間隔支持向量的線(xiàn)段(圖11(a)(b))然后，合格品區(qū)域數(shù)量判定部26在判定線(xiàn)段是否脫離合格品區(qū)域時(shí)，(1)從線(xiàn)段上提取出一個(gè)或多個(gè)點(diǎn)，將各個(gè)點(diǎn)代入上述判別函數(shù)，判定是否所有的點(diǎn)被判別為合格品；(2)或者，求出線(xiàn)段上的上述判別函數(shù)的最小值，判定該最小值是否大于等于規(guī)定的閾值。
另外，用戶(hù)可以利用輸入裝置100b選擇使用哪種類(lèi)型的線(xiàn)段，也可以預(yù)先設(shè)定使用哪種類(lèi)型的線(xiàn)段。并且，用戶(hù)可以使用輸入裝置100b選擇，也可以預(yù)先設(shè)定對(duì)于從線(xiàn)段上提取出的多個(gè)點(diǎn)是確認(rèn)判別函數(shù)是否大于等于閾值，還是利用優(yōu)化方法來(lái)求出線(xiàn)段上的判別函數(shù)的最小值，并判定該最小值是否大于等于規(guī)定的閾值(根據(jù)函數(shù)有時(shí)會(huì)大小相反)來(lái)進(jìn)行確認(rèn)。
在由合格品區(qū)域數(shù)量判定部26判定為判別函數(shù)學(xué)習(xí)部25生成的判別函數(shù)是形成單一的合格品區(qū)域的判別函數(shù)時(shí)，判別函數(shù)輸出部27將該判別函數(shù)存儲(chǔ)在判別函數(shù)存儲(chǔ)部28中。
參照?qǐng)D16，說(shuō)明判別函數(shù)確定部20使用的數(shù)據(jù)。
圖16(a)是表示存儲(chǔ)在學(xué)習(xí)樣本存儲(chǔ)部21中的學(xué)習(xí)樣本的數(shù)據(jù)結(jié)構(gòu)的說(shuō)明圖。如圖16(a)所示，學(xué)習(xí)樣本與用于識(shí)別樣本的樣本ID(ID#)、合格品還是不合格品的類(lèi)別(Class)及特征量(x1、x2、…)相關(guān)聯(lián)地存儲(chǔ)在學(xué)習(xí)樣本存儲(chǔ)部21中。
圖16(b)是表示存儲(chǔ)在參數(shù)候選存儲(chǔ)部23中的參數(shù)候選的示例。在圖16(b)中，作為一類(lèi)SVM的示例，示出高斯核的寬度σ的候選。
圖16(c)是存儲(chǔ)在判別函數(shù)存儲(chǔ)部28中的判別函數(shù)的示例。如圖16(c)所示，判別函數(shù)由下述規(guī)則規(guī)定，即，將在判別中使用的式(f(x))的值與閾值(O)進(jìn)行比較來(lái)判別合格品/不合格品。
下面，說(shuō)明檢查裝置100具有的判別函數(shù)確定部20確定判別函數(shù)的處理。
圖17是表示檢查裝置100具有的判別函數(shù)確定部20的判別函數(shù)確定處理的流程圖。
首先，學(xué)習(xí)樣本獲取部22從學(xué)習(xí)樣本存儲(chǔ)部21取得學(xué)習(xí)樣本，并輸出給判別函數(shù)學(xué)習(xí)部25(S1)。
接著，參數(shù)設(shè)定部24從參數(shù)候選存儲(chǔ)部23取得一個(gè)候選的區(qū)域參數(shù)，并輸出給判別函數(shù)學(xué)習(xí)部25(S2)。
接著，判別函數(shù)學(xué)習(xí)部25使用由學(xué)習(xí)樣本取得部22輸入的學(xué)習(xí)樣本和由參數(shù)設(shè)定部24輸入的區(qū)域參數(shù)，對(duì)一類(lèi)判別函數(shù)進(jìn)行學(xué)習(xí)(S3)。
接著，合格品區(qū)域數(shù)量判定部26判定作為判別函數(shù)學(xué)習(xí)部25的學(xué)習(xí)結(jié)果而生成的判別函數(shù)是否形成單一的合格品區(qū)域(S4)。該判別函數(shù)是作為判別函數(shù)學(xué)習(xí)部25的學(xué)習(xí)結(jié)果而生成的。并且，在合格品區(qū)域數(shù)量判定部26的判定結(jié)果為合格品區(qū)域大于等于2時(shí)，返回步驟S2，從選擇區(qū)域參數(shù)的處理開(kāi)始重復(fù)進(jìn)行。另一方面，在合格品區(qū)域數(shù)量判定部26的判定結(jié)果為合格品區(qū)域是1時(shí)，判別函數(shù)輸出部27將判別函數(shù)學(xué)習(xí)部25生成的判別函數(shù)、即利用前面的區(qū)域參數(shù)學(xué)習(xí)得到的判別函數(shù)，存儲(chǔ)在判別函數(shù)存儲(chǔ)部28中。
在此，期望在步驟S2中設(shè)定的區(qū)域參數(shù)從區(qū)域被劃分為多個(gè)的足夠小的參數(shù)候選開(kāi)始，依次設(shè)定較大的參數(shù)。這是因?yàn)楫?dāng)存在多個(gè)使得合格品區(qū)域?yàn)閱我粎^(qū)域的區(qū)域參數(shù)時(shí)，將采用其中最小的一個(gè)。因此，可以防止由于區(qū)域參數(shù)過(guò)大而使得第二種錯(cuò)誤(將不合格品判定為合格品的錯(cuò)誤判別)增多(圖13(a)、圖14(a)、圖15(a))。
相反，在步驟S2中設(shè)定的區(qū)域參數(shù)也可以從合格品區(qū)域的確為一個(gè)的足夠大的候選參數(shù)開(kāi)始，依次設(shè)定較小的參數(shù)，采用區(qū)域數(shù)量變?yōu)?以上的參數(shù)的前一個(gè)參數(shù)。
或者，在步驟S2中設(shè)定的區(qū)域參數(shù)也可以應(yīng)用所有參數(shù)候選，輸出多個(gè)使得合格品區(qū)域?yàn)閱我粎^(qū)域的區(qū)域參數(shù)。在該情況時(shí)，可以由人來(lái)決定實(shí)際檢查的參數(shù)，也可以按照某種標(biāo)準(zhǔn)自動(dòng)選擇在檢查中使用的參數(shù)。作為選擇的標(biāo)準(zhǔn)，期望從所輸出的參數(shù)中選擇最小的。
圖18是表示合格品區(qū)域數(shù)量判定部26的合格品區(qū)域數(shù)量判定處理(圖17中的S4)的流程圖。
首先，合格品區(qū)域數(shù)量判定部26生成線(xiàn)段，對(duì)于未確認(rèn)的線(xiàn)段，確認(rèn)是否沒(méi)有脫離(S11)。另外，關(guān)于步驟S11的具體情況將在后面敘述。
然后，在線(xiàn)段存在脫離時(shí)(S12，“是”)，判定為合格品區(qū)域具有多個(gè)區(qū)域。另一方面，在所有線(xiàn)段均沒(méi)有脫離時(shí)(S12“否”且S13“是”)，判定為合格品區(qū)域?yàn)閱我弧?br> 圖19是表示在合格品區(qū)域數(shù)量判定部26的合格品區(qū)域數(shù)量判定處理(圖17中的S4、圖18中的S11)中，對(duì)于從線(xiàn)段上提取出的多個(gè)點(diǎn)確認(rèn)判別函數(shù)大于等于閾值的步驟的流程圖。圖20是說(shuō)明該步驟的說(shuō)明圖。
首先，合格品區(qū)域數(shù)量判定部26從線(xiàn)段上提取出有限個(gè)點(diǎn)(圖20(a)(b)中的×標(biāo)記)(S21)。
接著，對(duì)于提取出的所有點(diǎn)，利用與在檢查中使用的判別函數(shù)相同的判別函數(shù)判定合格與否(S22)。并且，即使被判別為僅有1個(gè)被判別為不合格的點(diǎn)時(shí)(S23“是”，圖20(b))，也判定為存在脫離。另一方面，如果沒(méi)有被判別為不合格的點(diǎn)(S23“否”，圖20(a))，則判定為沒(méi)有脫離。
另外，在從線(xiàn)段上提取出的點(diǎn)與被判別為合格品的學(xué)習(xí)樣本(或者間隔支持向量，例如SVM中的間隔支持向量)一致時(shí)，也可以省略上述判定。此外，在把線(xiàn)段的一端作為被判別為合格品的學(xué)習(xí)樣本的中心時(shí)，在從線(xiàn)段上提取出的點(diǎn)與被判別為合格品的學(xué)習(xí)樣本的中心一致時(shí)，也可以只在最初判定一次，在各個(gè)線(xiàn)段的脫離判定中不單獨(dú)進(jìn)行判定。
在此，圖21是表示在按照?qǐng)D19所示步驟判定脫離時(shí)，在從線(xiàn)段上提取出點(diǎn)時(shí)生成的數(shù)據(jù)的具體示例的說(shuō)明圖。在圖21中，示出了將線(xiàn)段四等分時(shí)的示例。另外，這些數(shù)據(jù)由合格品區(qū)域數(shù)量判定部26生成，并存儲(chǔ)在判別函數(shù)確定部21的存儲(chǔ)器(未圖示)中。
圖21(a)表示提取包括兩端在內(nèi)的5個(gè)點(diǎn)并登記坐標(biāo)的情況的示例。如圖21(a)所示，在提取點(diǎn)的數(shù)據(jù)中，用于識(shí)別線(xiàn)段的線(xiàn)段ID(線(xiàn)段ID#)、對(duì)每個(gè)線(xiàn)段賦予連續(xù)序號(hào)的提取點(diǎn)連續(xù)序號(hào)、以及與等分生成的坐標(biāo)相應(yīng)的特征量(x1、x2、…)相關(guān)聯(lián)。這樣，在圖21(a)中，提取包括兩端在內(nèi)的5個(gè)點(diǎn)并登記坐標(biāo)。另外，作為線(xiàn)段ID，可以使用連接兩端樣本的樣本ID而成的線(xiàn)段ID。
圖21(b)表示省略登記線(xiàn)段兩端的數(shù)據(jù)的情況的示例。在省略線(xiàn)段的兩端即被判定為合格品的學(xué)習(xí)樣本的判定時(shí)，合格品區(qū)域數(shù)量判定部26也可以不在存儲(chǔ)器中登記該數(shù)據(jù)。
圖21(c)表示線(xiàn)段的一端是被判別為合格品的學(xué)習(xí)樣本的中心的情況示例。在線(xiàn)段的一端是被判別為合格品的學(xué)習(xí)樣本的中心時(shí)，合格品區(qū)域數(shù)量判定部26也可以不將其登記在每個(gè)線(xiàn)段的提取點(diǎn)中，而將中心與線(xiàn)段單獨(dú)登記。
圖22是表示在合格品區(qū)域數(shù)量判定部26的合格品區(qū)域數(shù)量判定處理中，利用優(yōu)化方法求出線(xiàn)段上的判別函數(shù)的最小值，確認(rèn)該最小值大于等于閾值(根據(jù)函數(shù)有時(shí)會(huì)大小相反)的步驟的流程圖。并且，圖23是說(shuō)明該步驟的說(shuō)明圖。
首先，合格品區(qū)域數(shù)量判定部26求出線(xiàn)段上的判別函數(shù)值為最小的點(diǎn)(S31)。
接著，合格品區(qū)域數(shù)量判定部26在作為最小點(diǎn)的判別函數(shù)值為負(fù)時(shí)(＝被判定為不合格)(S32“是”)，判定為存在脫離。另一方面，在作為最小點(diǎn)的判別函數(shù)值不為負(fù)時(shí)(S32“否”)，判定為沒(méi)有脫離。
在此，如圖23所示，線(xiàn)段上的判別函數(shù)的值成為線(xiàn)段上的位置參數(shù)t(t為x的函數(shù))的非線(xiàn)性連續(xù)函數(shù)。因此，只要在線(xiàn)段的范圍內(nèi)，利用牛頓法和最速下降法等非線(xiàn)性?xún)?yōu)化方法求出判別函數(shù)的最小值，合格品區(qū)域數(shù)量判定部26確認(rèn)其小于規(guī)定的閾值即可。例如，在判別函數(shù)的閾值為0時(shí)，如果判別函數(shù)的最小值大于等于0則判定為合格(圖23(a))，如果判別函數(shù)的最小值為負(fù)則判定為不合格(圖23(b))。
另外，上述檢查裝置100可以應(yīng)用于異常噪聲、裝配錯(cuò)誤、輸出特性的檢查領(lǐng)域。并且，可以應(yīng)用于進(jìn)行批量生產(chǎn)的在線(xiàn)(in-line)檢查，也可以應(yīng)用于進(jìn)行不同于批量生產(chǎn)的試制產(chǎn)品的檢查等的離線(xiàn)(off-line)檢查。更加具體地講，上述檢查裝置100例如可以用作汽車(chē)的發(fā)動(dòng)機(jī)(聲音)、變速器(振動(dòng))等汽車(chē)的驅(qū)動(dòng)模塊的檢查設(shè)備，以及電動(dòng)門(mén)鏡、電動(dòng)座椅、電動(dòng)方向盤(pán)(轉(zhuǎn)向裝置位置調(diào)節(jié))等汽車(chē)的電動(dòng)機(jī)致動(dòng)器模塊的檢查設(shè)備，乃至上述開(kāi)發(fā)中的異常噪聲、裝配錯(cuò)誤、輸出特性的評(píng)價(jià)裝置及開(kāi)發(fā)階段中的試制機(jī)的評(píng)價(jià)裝置。
此外，可以用作冰箱、空調(diào)室內(nèi)機(jī)和室外機(jī)、洗衣機(jī)、吸塵器、打印機(jī)等電動(dòng)機(jī)驅(qū)動(dòng)家電的檢查設(shè)備，以及上述開(kāi)發(fā)中的異常噪聲、裝配錯(cuò)誤、輸出特性的評(píng)價(jià)裝置。另外，還可以用作進(jìn)行NC加工設(shè)備、半導(dǎo)體設(shè)備、食品設(shè)備等設(shè)備的狀態(tài)判別(異常狀態(tài)/正常狀態(tài))的設(shè)備診斷機(jī)器。
在本發(fā)明的實(shí)施方式中，記載了將本發(fā)明應(yīng)用于判定合格品、不合格品的檢查裝置的內(nèi)容。但是，只要是滿(mǎn)足下述條件(1)～(3)的數(shù)據(jù)，并使用非參量一類(lèi)判別來(lái)判別特定區(qū)域及除此以外的區(qū)域，則樣本可以是任何樣本。
(1)具有目標(biāo)值的數(shù)據(jù)的樣本。
(2)在目標(biāo)值附近構(gòu)成一個(gè)群的樣本。
(3)由于環(huán)境等外部原因使得數(shù)據(jù)出現(xiàn)偏差的樣本。
此外，在本發(fā)明的實(shí)施方式中，記載了非參量一類(lèi)判別的判別算法是一類(lèi)SVM的情況。但是，只要是將識(shí)別面上的學(xué)習(xí)樣本存儲(chǔ)在模型中的非參量一類(lèi)判別模型，則判別算法可以是任何判別算法。
此外，只要在本發(fā)明的實(shí)施方式中記載的“支持向量”是“存儲(chǔ)在模型中的學(xué)習(xí)樣本”，則可以是任何樣本。
此外，只要“間隔支持向量”是“存儲(chǔ)在模型中的識(shí)別面上的學(xué)習(xí)樣本”，則可以是任何樣本。
本發(fā)明不限于上述實(shí)施方式，可以在權(quán)利要求書(shū)記載的范圍內(nèi)進(jìn)行各種變更。即，通過(guò)組合在權(quán)利要求書(shū)記載的范圍內(nèi)適當(dāng)變更形成的技術(shù)手段而得到的實(shí)施方式，也包含于本發(fā)明的技術(shù)范圍中。
本發(fā)明的檢查裝置是通過(guò)非參量一類(lèi)判別判定合格與否的檢查裝置，也可以構(gòu)成為具有在學(xué)習(xí)時(shí)確認(rèn)合格品區(qū)域?yàn)橐粋€(gè)的單元。
此外，本發(fā)明的檢查裝置是通過(guò)非參量一類(lèi)判別判定合格與否的檢查裝置，也可以構(gòu)成為具有在學(xué)習(xí)時(shí)調(diào)節(jié)參數(shù)以使合格品區(qū)域?yàn)橐粋€(gè)的單元。
另外，本發(fā)明的檢查裝置的上述非參量一類(lèi)判別的判別算法也可以是一類(lèi)SVM。
另外，在本發(fā)明的檢查裝置中，上述確認(rèn)合格品區(qū)域?yàn)橐粋€(gè)的單元可以是確認(rèn)連接被判定為合格品的各個(gè)學(xué)習(xí)樣本的線(xiàn)段沒(méi)有脫離合格品區(qū)域的單元。
另外，在本發(fā)明的檢查裝置中，上述確認(rèn)合格品區(qū)域?yàn)橐粋€(gè)的單元也可以是確認(rèn)連接學(xué)習(xí)樣本的中心與被判定為合格品的學(xué)習(xí)樣本的線(xiàn)段沒(méi)有脫離合格品區(qū)域的單元。并且，在求出中心時(shí)使用的學(xué)習(xí)樣本不需要一定是被判定為合格品的樣本。
另外，在本發(fā)明的檢查裝置中，上述確認(rèn)合格品區(qū)域?yàn)橐粋€(gè)的單元也可以是確認(rèn)連接各個(gè)間隔支持向量、例如SVM中的各個(gè)間隔支持向量(MSV)的線(xiàn)段沒(méi)有脫離合格品區(qū)域的單元。
另外，在本發(fā)明的檢查裝置中，上述確認(rèn)合格品區(qū)域?yàn)橐粋€(gè)的單元也可以是確認(rèn)連接學(xué)習(xí)樣本的中心與間隔支持向量例如SVM中的間隔支持向量(MSV)的線(xiàn)段沒(méi)有脫離合格品區(qū)域的單元。
另外，在本發(fā)明的檢查裝置中，上述確認(rèn)線(xiàn)段沒(méi)有脫離合格品區(qū)域的單元也可以是在判別從線(xiàn)段上提取出的有限的點(diǎn)時(shí)判定所有的點(diǎn)為合格品的單元。
另外，在本發(fā)明的檢查裝置中，上述確認(rèn)線(xiàn)段沒(méi)有脫離合格品區(qū)域的單元也可以是利用優(yōu)化方法求出線(xiàn)段上的判別函數(shù)的最小值，確認(rèn)該最小值大于等于閾值(根據(jù)函數(shù)有時(shí)會(huì)大小相反)的單元。
最后，檢查裝置100的各個(gè)功能塊、特別是判別函數(shù)確定部20具有的學(xué)習(xí)樣本取得部22、參數(shù)設(shè)定部24、判別函數(shù)學(xué)習(xí)部25、合格品區(qū)域數(shù)量判定部26和判別函數(shù)輸出部27可以利用硬件邏輯構(gòu)成，也可以按照下面所述使用CPU利用軟件來(lái)實(shí)現(xiàn)。
即，檢查裝置100具有執(zhí)行用于實(shí)現(xiàn)各種功能的控制程序的命令的CPU(central processing unit，中央處理單元)、存儲(chǔ)了上述程序的ROM(read only memory，只讀存儲(chǔ)器)、將上述程序展開(kāi)的RAM(randomaccess memory，隨機(jī)存取存儲(chǔ)器)、存儲(chǔ)上述程序和各種數(shù)據(jù)的存儲(chǔ)器等存儲(chǔ)裝置(記錄介質(zhì))等。并且，本發(fā)明的目的可以通過(guò)以下方式實(shí)現(xiàn)，即，將記錄了計(jì)算機(jī)可讀的、用于實(shí)現(xiàn)上述功能的軟件即檢查裝置100的控制程序的程序代碼(執(zhí)行形式程序、中間代碼程序、源程序)的記錄介質(zhì)提供給上述檢查裝置100，該計(jì)算機(jī)(或CPU或MPU)讀出記錄在記錄介質(zhì)中的程序代碼并執(zhí)行。
作為上述記錄介質(zhì)，例如，可以使用磁帶和盒式帶等磁帶系列、包括軟盤(pán)(floppy，注冊(cè)商標(biāo))/硬盤(pán)等磁盤(pán)或CD-ROM/MO/MD/DVD/CD-R等光盤(pán)的盤(pán)系列、IC卡(包括存儲(chǔ)卡)/光卡等的卡系列、或者M(jìn)ASKROM/EPROM/EEPROM/FLASH ROM等的半導(dǎo)體存儲(chǔ)器系列等。
另外，檢查裝置100也可以構(gòu)成為可以與通信網(wǎng)絡(luò)連接，通過(guò)通信網(wǎng)絡(luò)提供上述程序代碼。作為該通信網(wǎng)絡(luò)沒(méi)有特別限定，例如，可以使用因特網(wǎng)、內(nèi)部網(wǎng)、外部網(wǎng)、LAN、ISDN、VAN、CATV通信網(wǎng)、虛擬專(zhuān)用網(wǎng)(virtual private network)、電話(huà)線(xiàn)路網(wǎng)、移動(dòng)通信網(wǎng)、衛(wèi)星通信網(wǎng)等。并且，作為構(gòu)成通信網(wǎng)絡(luò)的傳輸介質(zhì)沒(méi)有特別限定，例如，可以采用IEEE1394、USB、電力線(xiàn)傳輸、有線(xiàn)電視線(xiàn)路、電話(huà)線(xiàn)、ADSL線(xiàn)路等有線(xiàn)方式，或像IrDA和遙控器那樣的紅外線(xiàn)、Bluetooth(藍(lán)牙，注冊(cè)商標(biāo))、802.11無(wú)線(xiàn)、HDR、移動(dòng)電話(huà)網(wǎng)絡(luò)、衛(wèi)星線(xiàn)路、地面波數(shù)字網(wǎng)等無(wú)線(xiàn)方式。另外，本發(fā)明也可以按照通過(guò)上述程序代碼的電子傳輸實(shí)施的、嵌入載波中的計(jì)算機(jī)數(shù)據(jù)信號(hào)的形式來(lái)實(shí)現(xiàn)。
本發(fā)明的檢查裝置可以確定在非參量一類(lèi)判別中使用的判別函數(shù)，使得在標(biāo)繪了樣本的輸入空間中形成單一的合格品區(qū)域，因此可以廣泛應(yīng)用于制造生產(chǎn)線(xiàn)中的檢查裝置和機(jī)器動(dòng)作的評(píng)價(jià)裝置。即，除產(chǎn)品檢查外，也可以用于制造裝置和電力設(shè)備等的故障檢測(cè)、人的健康狀態(tài)判定等。
權(quán)利要求
1.一種檢查裝置，其特征在于，該檢查裝置具有判別函數(shù)判定單元，該判別函數(shù)判定單元判定在非參量一類(lèi)判別中使用的判別函數(shù)是否在標(biāo)繪了樣本的輸入空間中作為單一區(qū)域而形成包含被判別到類(lèi)中的樣本的區(qū)域。
2.根據(jù)權(quán)利要求1所述的檢查裝置，其特征在于，該檢查裝置具有參數(shù)設(shè)定單元，該參數(shù)設(shè)定單元在通過(guò)上述判別函數(shù)判定單元判定為上述判別函數(shù)不形成上述單一區(qū)域時(shí)，設(shè)定區(qū)域參數(shù)，使得該判別函數(shù)在標(biāo)繪了樣本的輸入空間中形成單一區(qū)域，其中該區(qū)域參數(shù)規(guī)定上述判別函數(shù)，并規(guī)定作為密度函數(shù)的基礎(chǔ)的基函數(shù)的區(qū)域大小。
3.根據(jù)權(quán)利要求1所述的檢查裝置，其特征在于，上述非參量一類(lèi)判別的判別算法將識(shí)別面上的樣本存儲(chǔ)到模型中。
4.根據(jù)權(quán)利要求1～3中任一項(xiàng)所述的檢查裝置，其特征在于，上述判別函數(shù)判定單元判定連接被判定為包含在上述單一區(qū)域中的各個(gè)樣本的線(xiàn)段是否脫離上述單一區(qū)域。
5.根據(jù)權(quán)利要求1所述的檢查裝置，其特征在于，上述判別函數(shù)判定單元判定連接樣本的中心與被判定為包含在上述單一區(qū)域中的樣本的線(xiàn)段是否脫離上述單一區(qū)域。
6.根據(jù)權(quán)利要求3所述的檢查裝置，其特征在于，上述判別函數(shù)判定單元判定連接模型中存儲(chǔ)的識(shí)別面上的各個(gè)樣本的線(xiàn)段是否脫離上述單一區(qū)域。
7.根據(jù)權(quán)利要求3所述的檢查裝置，其特征在于，上述判別函數(shù)判定單元判定連接樣本的中心與模型中存儲(chǔ)的識(shí)別面上的樣本的線(xiàn)段是否脫離上述單一區(qū)域。
8.根據(jù)權(quán)利要求4所述的檢查裝置，其特征在于，上述判別函數(shù)判定單元從上述線(xiàn)段中提取一個(gè)或多個(gè)點(diǎn)，將各個(gè)點(diǎn)代入上述判別函數(shù)，判定是否所有的點(diǎn)都被判別為包含在上述單一區(qū)域中。
9.根據(jù)權(quán)利要求4所述的檢查裝置，其特征在于，上述判別函數(shù)判定單元求出上述線(xiàn)段上的上述判別函數(shù)的最小值，判定該最小值是否大于等于規(guī)定的閾值。
10.一種檢查方法，其由確定在檢查對(duì)象的狀態(tài)判別中使用的判別函數(shù)的檢查裝置執(zhí)行，其特征在于，上述檢查裝置所具有的判別函數(shù)判定單元判定在非參量一類(lèi)判別中使用的判別函數(shù)是否在標(biāo)繪了樣本的輸入空間中作為單一區(qū)域而形成包含被判別到類(lèi)中的樣本的區(qū)域。
11.根據(jù)權(quán)利要求10所述的檢查方法，其特征在于，當(dāng)由上述判別函數(shù)判定單元判定為上述判別函數(shù)不形成上述單一區(qū)域時(shí)，上述檢查裝置所具有的參數(shù)設(shè)定單元設(shè)定區(qū)域參數(shù)，使得該判別函數(shù)在標(biāo)繪了樣本的輸入空間中作為單一區(qū)域形成包含被判別到類(lèi)中的樣本的區(qū)域，其中該區(qū)域參數(shù)規(guī)定在非參量一類(lèi)判別中使用的判別函數(shù)，并規(guī)定作為密度函數(shù)的基礎(chǔ)的基函數(shù)的區(qū)域大小。
12.一種檢查程序，其用于利用計(jì)算機(jī)實(shí)現(xiàn)確定在檢查對(duì)象的狀態(tài)判別中使用的判別函數(shù)的檢查裝置，并使該計(jì)算機(jī)發(fā)揮作用，其特征在于，該檢查程序使計(jì)算機(jī)執(zhí)行以下處理上述檢查裝置所具有的判別函數(shù)判定單元判定在非參量一類(lèi)判別中使用的判別函數(shù)是否在標(biāo)繪了樣本的輸入空間中作為單一區(qū)域而形成包含被判別到類(lèi)中的樣本的區(qū)域。
13.一種記錄了權(quán)利要求12所述的檢查程序的計(jì)算機(jī)可讀記錄介質(zhì)。
全文摘要
本發(fā)明提供一種檢查裝置及檢查方法。其課題在于，確定判別函數(shù)使得在非參量一類(lèi)判別中使用的判別函數(shù)形成單一的合格品區(qū)域。作為解決手段，在檢查裝置的判別函數(shù)確定部(20)中，合格品區(qū)域數(shù)量判定部(26)判定在非參量一類(lèi)判別中使用的判別函數(shù)是否在標(biāo)繪了樣本的輸入空間中形成單一的合格品區(qū)域。如果合格品區(qū)域不是一個(gè)，則參數(shù)設(shè)定部(24)設(shè)定區(qū)域參數(shù)，使得該判別函數(shù)在標(biāo)繪了樣本的輸入空間中形成單一的合格品區(qū)域，其中，該區(qū)域參數(shù)規(guī)定判別函數(shù)、并規(guī)定作為密度函數(shù)的基礎(chǔ)的基函數(shù)的區(qū)域大小。
文檔編號(hào)G01M99/00GK101071076SQ20071010227
公開(kāi)日2007年11月14日 申請(qǐng)日期2007年5月9日 優(yōu)先權(quán)日2006年5月9日
發(fā)明者糀谷和人, 田崎博, 中宏, 伊藤星子 申請(qǐng)人:歐姆龍株式會(huì)社