以下、本発明の実施例について図面を参照� ��て説明する。 
 まず、後述する各実施例としての汚損度判� ��装置が適用される紙葉類処理システムにつ� ��て説明する。

 図1は、紙葉類処理システムの構成例を概 略的に示す図である。

 図1に示す紙葉類処理システムは、検査対 象物としての紙葉類を汚損度の判定結果など に基づいて処理するものである。図1に示す� �葉類処理システムは、汚損度判定装置1(1A、1 B、1C)、搬送装置2、搬送制御装置3、種々のセ ンサS(S1、S2、…Sn)、モニタ4、および、操作� �置5などにより構成されている。

 搬送装置2は、検査対象(汚損度の判定対� �)となる紙葉類Pを搬送させる装置である。搬 送制御装置3は、搬送装置2による紙葉類Pの搬 送を制御するものである。各センサS1、S2、� �Snは、搬送装置2により搬送される紙葉類Pか� ��各種の汚損特徴を検出するためのセンサで� ��る。

 汚損度判定装置1は、検査対象物としての 紙葉類Pの汚損度を判定するものである。汚� �度判定装置1は、各センサが紙葉類Pから検出 した値(各種の汚損特徴)に基づいて紙葉類Pの 汚損度を判定する。汚損度判定装置1は、ア� �リケーションプログラムを実行することに� �りデータ処理が可能なコンピュータなどに� �り構成される。

 たとえば、汚損度判定装置1は、図1に示す� �うに、制御部6、記憶部7、および、各種のイ ンターフェース(図示しない)などを有してい� ��。汚損度判定装置1では、記憶部7に記憶さ� �ているプログラムを制御部6が実行すること� ��より、後述する各種の処理(機能)を実現し� �いる。たとえば、各実施例で説明する紙葉� �の汚損度判定処理は、記憶部7に記憶されて� ��るプログラムを制御部6が実行することによ り実現される
 また、汚損度判定装置1は、図示しない各種 のインターフェースを介して搬送制御装置3� �モニタ4、操作装置4、あるいは、各センサS� �接続されている。これにより、汚損度判定� �置1は、搬送制御装置3を介して搬送装置2に� �り搬送される紙葉類Pの搬送状態を制御した� ��、モニタ4に情報を表示したり、操作装置5� �より操作者が入力された情報を取得したり� �る。

 以下、上記のような紙葉類処理システム� ��適用される汚損度判定装置1A、1B、1Cの第1、 第2および第3の実施例について説明する。

 まず、第1の実施例について説明する。 
 図2は、第1の実施例に係る紙葉類(検査対象� ��)の汚損度判定装置1Aの構成例を概略的に示� ��ものである。

 図2に示す紙葉類の汚損度判定装置1Aは、� ��力部11、寄与度記憶部12、参照ベクトル記憶 部13、分散パラメータ記憶部14、評価部15、重 み記憶部16および判定部17を有している。

 ここで、上記寄与度記憶部12、参照ベク� �ル記憶部13、分散パラメータ記憶部14、およ� ��、重み記憶部16は、たとえば、それぞれ上� �記憶部7における記憶領域として実現される� ��評価部15および判定部17は、たとえば、記憶 部7に記憶されているプログラムを制御部6が� ��行することにより実現される機能である。

 入力部11は、紙幣等の紙葉類から得られ� �複数の汚損特徴の値(たとえば、折り目、し� ��、しみ等の度合いを示す値)を入力する。た とえば、入力部11は、各センサSにより検知し た情報を入力する。また、入力部11は、図示� ��ない外部装置が各センサSにより検知した情 報から汚損特徴を示す値を生成し、その生成 された値を入力するようにしても良い。

 寄与度記憶部12は、複数の汚損特徴ごと� �寄与度を記憶する。参照ベクトル記憶部13は 、複数の汚損特徴の分布を反映した参照ベク トルを記憶する。分散パラメータ記憶部14は� ��上記複数の汚損特徴の分布を反映した分散� ��ラメータを記憶する。寄与度記憶部12に記� �される寄与度、参照ベクトル記憶部13に記憶 される参照ベクトル、分散パラメータ記憶部 14に記憶される分散パラメータなどについて� ��、後で詳細に説明するものとする。

 評価部15は、入力部11により入力された汚 損特徴と寄与度記憶部12に記憶された寄与度� ��参照ベクトル記憶部13に記憶された参照ベ� �トルと分散パラメータ記憶部14に記憶された 分散パラメータとから評価値を算出する。ま た、評価部15は、入力部11により入力された� �種の汚損特徴ごとに評価値を算出する。重� �記憶部16は、評価値ごとの重みを記憶する。 判定部17は、評価部15により算出された評価� �と重み記憶部16に記憶された重みとに基づき 当該紙葉類に対する最終的な汚損度を判定す る。

 次に、上記のように構成される第1の実施 例としての紙葉類の汚損度判定装置による実 行される処理について説明する。

 図3は、紙葉類の汚損度判定装置1Aにおけ� ��処理全体の流れを説明するためのフローチ� ��ートである。

 まず、入力部11は、I個の汚損特徴x _i を評価部15に入力する入力処理を行う(ステッ プS1)。ここで、汚損特徴とは、紙葉類におけ る種々の汚損度合いを定量的に表現した値(� �徴量)のことを意味するものとする。たとえ� ��、汚損特徴は、折り目、しわ、または、し� ��等を数値化した値(感覚量)、あるいは、濃� �値または微分値等の計測量などである。

 図4は、I個の汚損特徴を入力する入力処� �を説明するためのフローチャートである。� �こで、図4を参照しつつ、汚損特徴の入力処� ��について説明する。

 図4に示すように、入力部11は、まず、変数i の初期値として「1」がセットされる(ステッ� ��S11)。変数iに「1」がセットされると、入力� ��11は、変数iが所定値I以下であるか否かをチ ェックする(ステップS12)。変数iがI以下でな� �場合、つまり、変数iがIよりも大きい場合(� �テップS12、NO)、入力部11は、汚損特徴x _i の入力処理を終了する。

 また、変数iがI以下であれば(ステップS12、Y ES)、入力部11は、汚損特徴x _i を入力する(ステップS13)。汚損特徴x _i を入力すると、入力部11は、変数iをインクリ メント(「i=i+1」)し(ステップS14)、ステップS12 に戻る。すなわち、入力部11は、変数iがIよ� �も大きくなるまで、上記ステップS12~S14の処� ��を繰り返し実行する。これにより、入力部1 1は、I個の汚損特徴を入力し、当該入力処理� ��終了する。

 上記入力部11による入力処理が終了すると� �評価部15は、寄与度記憶部12からI個の汚損特 徴量x _i ごとの寄与度m _i を読込む読込処理を行う(ステップS2)。ここ� �、寄与度は、汚損特徴ごとに定められてい� �ものである。言い換えれば、ある汚損特徴� �最終的な汚損度判定への寄与度は、この値� �よってのみ定まる。

 図5は、I個の寄与度を読込む処理(寄与度� ��込処理)を説明するためのフローチャートで ある。ここで、図5を参照しつつ、寄与度読� �処理について説明する。すなわち、寄与度� �込処理として、評価部15は、まず、変数iの� �期値として「1」をセットする(ステップS21)� �変数iに「1」をセットすると、評価部15は、� ��数iがI以下であるか否かをチェックする。� �数iがI以下でない場合、つまり、変数iがIよ� ��も大きい場合(ステップS22、NO)、評価部15は� ��寄与度読込処理を終了する。

 また、変数iがI以下であれば(ステップS22、Y ES)、評価部15は、寄与度m _i を読み込む(ステップS23)。寄与度m _i を読み込むと、評価部15は、変数iをインクリ メント(「i=i+1」)し(ステップS24)、ステップS22 に戻る。すなわち、評価部15は、変数iがIよ� �も大きくなるまで、上記ステップS22~S24の処� ��を繰り返し実行する。これにより、評価部1 5は、I個の寄与度を読み込んで、当該寄与度� ��込処理を終了する。

 次に、評価部15は、参照ベクトル記憶部13か らJ個のI次元の参照ベクトル

を読込む(ステップS3)。ここで、参照ベク� �ルおよび後述する分散パラメータは、I個の� ��損特徴によって張られるI次元空間での汚損 特徴の分布を反映したものである。すなわち 、汚損特徴の分布が混合分布によってモデル 化できるものとし、分布を構成する各確率密 度分布が、上記の参照ベクトルあるいは後述 する分散パラメータで表現されるものである 。

 図6は、J個のI次元参照ベクトルを読込む� ��理(参照ベクトルの読込処理)を説明するた� �のフローチャートである。ここで、図6を参� ��しつつ、参照ベクトルの読込処理について� ��明する。

 すなわち、参照ベクトルの読込処理とし� ��、評価部15は、まず、変数jの初期値として� ��1」をセットする(ステップS31)。変数jに「1� �をセットすると、評価部15は、変数jがJ以下� ��あるか否かをチェックする(ステップS32)。

 変数jがJ以下であれば(ステップS32、YES)、 評価部15は、変数iの初期値として「1」をセ� �トする(ステップS33)。変数iに「1」をセット� ��ると、評価部15は、変数iがI以下であるか否 かをチェックする(ステップS34)。

 変数iがI以下であれば(ステップS34、YES)、評 価部15は、参照ベクトルp _ji を読込む(ステップS35)。参照ベクトルp _ji を読み込むと、評価部15は、変数iをインクリ メント(「i=i+1」)し(ステップS36)、ステップS34 に戻る。

 また、変数iがI以下でない場合、つまり� �変数iがIよりも大きい場合(ステップS34、NO)� �評価部15は、変数jをインクリメント(「j=j+1� �)し(ステップS37)、ステップS32に戻る。すな� �ち、評価部15は、変数iがIよりも大きくなる� ��で、上記ステップS34~S36の処理を繰り返し実 行する。上記ステップS34~S36の処理により、� �価部15は、特定の変数jについて、I個の参照� ��クトルを読み込む。

 また、変数jがJ以下でない場合、つまり� �変数jがJよりも大きい場合(ステップS32、NO)� �評価部15は、参照ベクトルの読込処理を終了 する。すなわち、評価部15は、変数jがJより� �大きくなるまで、上記ステップS32~S37の処理� ��繰り返し実行する。上記ステップS32~S37の処 理により、評価部15は、変数jの全ての値(1~J)� ��ついて、I個の参照ベクトルを読み込む。こ の結果として、評価部15は、J×I個の参照ベク トル(J個のI次元の参照ベクトル)を読み込む� �

 次に、評価部15は、分散パラメータ記憶部14 からJ個の分散パラメータs _j を読込む(ステップS4)。 
 図7は、J個の分散パラメータを読込む処理(� ��散パラメータの読込処理)を説明するための フローチャートである。ここで、図7を参照� �つつ、分散パラメータの読込処理について� �明する。

 すなわち、分散パラメータの読込処理と� ��て、評価部15は、まず、変数jの初期値とし� ��「1」をセットする(ステップS41)。変数jに「 1」をセットすると、評価部15は、変数jが所� �の値J以下であるか否かをチェックする。変� ��jがJ以下でない場合、つまり、変数jがJより も大きい場合(ステップS42、NO)、評価部15は、 分散パラメータの読込処理を終了する。

 また、変数jがJ以下であれば(ステップS42、Y ES)、評価部15は、分散パラメータs _j を読み込む(ステップS43)。分散パラメータs _j を読み込むと、評価部15は、変数jをインクリ メント(「j=j+1」)し(ステップS44)、ステップS42 に戻る。すなわち、評価部15は、変数jがJよ� �も大きくなるまで、上記ステップS42~S44の処� ��を繰り返し実行する。これにより、評価部1 5は、J個の分散パラメータを読み込んで、当� ��分散パラメータの読込処理を終了する。

 次に、評価部15は、J個の評価値y _j を算出する評価値算出処理を行う(ステップS5 )。J個の評価値y _j は、上記汚損特徴x _i 、寄与度m _i 、参照ベクトル

、および、分散パラメータs _j に基づいて算出される。このようなJ個の評� �値y _j の算出結果は、評価部15から判定部17へ送ら� �る。

 評価値の算出式は、たとえば、以下の通り� ��ある。

 ただし、u _j は寄与度m _i による汚損特徴x _i と参照ベクトル要素p _ji との差の重み付け二乗和であるものとする。

 図8は、J個の評価値y _j を算出する評価値算出処理を説明するための フローチャートである。ここで、図8を参照� �つつ、評価値算出処理について説明する。

 すなわち、評価値算出処理として、評価� ��15は、まず、変数jの初期値として「1」をセ ットする(ステップS51)。変数jに「1」をセッ� �すると、評価部15は、変数jが所定の値J以下� ��あるか否かをチェックする(ステップS52)。

 変数jがJ以下であれば(ステップS52、YES)、評 価部15は、重み付け二乗和u _j を初期値としての「0」にセットし(ステップS 53)、変数iの初期値として「1」をセットする( ステップS54)。変数iに「1」をセットすると、 評価部15は、変数iがI以下であるか否かをチ� �ックする(ステップS55)。

 変数iがI以下であれば(ステップS55、YES)、評 価部15は、変数iの場合の重み付け二乗和u _j を計算式「u _j =u _j +m _i (x _i -p _ji ) ² 」により計算する(ステップS56)。これにより� ��変数iの場合の重み付け二乗和u _j を算出すると、評価部15は、変数iをインクリ メント(「i=i+1」)し(ステップS57)、上記ステッ プS55に戻る。

 また、変数iがI以下でない場合、つまり、� �数iがIよりも大きい場合(ステップS55、NO)、� �価部15は、変数jの場合の評価値y _j を計算式「y _j =exp(-u _j /2s _j ² )」により計算する(ステップS58)。変数jの場� �の評価値y _j を算出すると、評価部15は、変数jをインクリ メント(「j=j+1」)し(ステップS59)、ステップS52 に戻る。

 すなわち、評価部15は、変数iがIよりも大き くなるまで、上記ステップS55~S57の処理を繰� �返し、上記ステップS58により変数jの場合の� ��価値y _j を算出する。つまり、上記ステップS55~S58の� �理により、評価部15は、変数jの場合の評価� �y _j を算出する。

 また、変数jがJ以下でない場合、つまり、� �数jがJよりも大きい場合(ステップS52、NO)、� �価部15は、評価値算出処理を終了する。すな わち、評価部15は、変数jがJよりも大きくな� �まで、上記ステップS52~S59の処理を繰り返し� ��行する。これにより、評価部15は、変数jの� ��ての値(1~J)について、評価値y _j を算出する。

 次に、判定部17は、重み記憶部16からJ個の� �みw _j を読込む(ステップS6)。ここで、重みは、J個� ��評価値ごとに設定されているものである。� ��まり、重みは、混合分布モデルにおける「� ��合パラメータ」に相当するものである。

 図9は、J個の重みw _j を読込む処理(重みの読込処理)を説明するた� ��のフローチャートである。ここで、図9を参 照しつつ、重みの読込処理について説明する 。

 すなわち、重みの読込処理として、判定� ��17は、まず、変数jの初期値として「1」をセ ットする(ステップS61)。変数jに「1」をセッ� �すると、判定部17は、変数jがJ以下であるか� ��かをチェックする(ステップS62)。変数jがJ以 下でない場合、つまり、変数jがJよりも大き� ��場合(ステップS62、NO)、判定部17は、重みの� ��込処理を終了する。

 また、変数jがJ以下であれば(ステップS62、Y ES)、判定部17は、重みw _j を読み込む(ステップS63)。重みw _j を読み込むと、判定部17は、変数jをインクリ メント(「j=j+1」)し(ステップS64)、ステップS62 に戻る。すなわち、判定部17は、変数jがJよ� �も大きくなるまで、上記ステップS62~S64の処� ��を繰り返し実行する。これにより、判定部1 7は、J個の重みを読み込んで、当該重みの読� ��処理を終了する。

 次に、判定部17は、汚損度の判定対象とし� �いる1つの紙葉類に対する最終的な汚損度zを 判定する(ステップS7)。汚損度zは、評価部15� �より算出した評価値y _j と重み記憶部16から読込んだ重みw _j とに基づいて判定される。なお、この汚損度 zは、J個の評価値の重み付き線形結合である( 非線形変換は行なわない)。

 最終的な汚損度zは、たとえば、以下の算出 式により算出される。

 図10は、1つの紙葉類に対する汚損度の判� ��処理を説明するためのフローチャートであ� ��。ここで、図10を参照しつつ、汚損度の判� �処理について説明する。

 すなわち、汚損度の判定処理として、判� ��部17は、まず、変数jの初期値として「1」を セットする(ステップS71)。変数jに「1」をセ� �トすると、判定部17は、汚損度zの初期値と� �て「z=0」をセットする(ステップS72)。汚損度 zをセットすると、判定部17は、変数jがJ以下� ��あるか否かをチェックする(ステップS73)。

 また、変数jがJ以下であれば(ステップS73、Y ES)、判定部17は、汚損度zを計算式「z=z+w _j *y _j 」により算出する(ステップS74)。汚損度zを算 出すると、判定部17は、変数jをインクリメン ト(「j=j+1」)し(ステップS75)、ステップS73に戻 る。すなわち、判定部17は、変数jがJよりも� �きくなるまで、上記ステップS73~S75の処理を� ��り返し実行する。

 また、変数jがJ以下でない場合、つまり� �変数jがJよりも大きい場合(ステップS73、NO)� �判定部17は、j=Jの場合の汚損度zを当該紙葉� �に対する最終的な汚損度zと判定する(ステッ プS76)。

 以上のような処理により、第1の実施例に 関わる汚損度判定装置1Aでは、各紙葉類の汚� ��度を判定するために、各種の汚損特徴ごと� ��スタティックな寄与度を導入している。こ� ��により、汚損度判定装置1Aでは、運用形態� �応じて紙葉類の総合的な汚損度を判定する� �めの各汚損特徴に対する最適な重み付けを� �易に実現できる。

 なお、上記第1の実施例および後述する第 2、第3の実施例では、局所表現型ニューラル� ��ットの考え方をベースとしている。局所表� ��型ニューラルネットは、たとえば、下記非� ��許文献2で紹介されている。

 「J.E.Moody and C.Darken:”Fast learning in network s of locally-tuned processing units”,Neural Computati on 1,pp.281-294,1989.」(非特許文献2)
 以下、局所表現型ニューラルネットの概念� ��ついて説明する。

 図11は、局所表現型ニューラルネットを� �明するための模式図である。また、図12は、 局所表現型ニューラルネットの中間層ユニッ トの反応特性を示す図である。

 図11に示す3つの層は、それぞれ入力層、� ��間層(隠れ層)、出力層である。各層には1つ� ��上のユニットが存在する。ここでは、入力� ��ユニットの数を汚損特徴に対応する数(I個)� ��し、出力層ユニットの数を最終的な汚損度� ��対応して1個とする。なお、中間層ユニット 数については所望の性能を得るのに充分な数 (J個)とする。

 局所表現型ニューラルネットは、上記非� ��許文献1に記載されている3層パーセプトロ� �型ニューラルネットと同様に、層内の結合� �なく層間の結合のみが存在し、信号が入力� �から出力層へとフィードフォワードで伝達� �れる。入力層ユニットの反応特性xiは、入力 される汚損特徴の値そのもの(恒等関数)であ� ��。中間層ユニットの反応特性yjは、3層パー� ��プトロン型ニューラルネットで用いられる� ��グモイド関数のような特性ではなく、図12� �示すような確率密度分布型の特性となる。� �力層ユニットの反応特性zは、線形結合であ� ��。

 次に、第2の実施例について説明する。 
 図13は、第2の実施例に係る紙葉類の汚損度� ��定装置1Bの構成例を概略的に示す図である� �

 図13に示す汚損度判定装置1Bは、図2に示� �汚損度判定装置1Aの寄与度記憶部12が複数の� ��損特徴ごとの寄与度を設定する寄与度設定� ��18に置き換わった構成となっている。すな� �ち、汚損度判定装置1Bにおいて、寄与度設定 部18以外の構成は、第1の実施例で説明した汚 損度判定装置1Aと同様である。このため、汚� ��度判定装置1Bにおいて汚損度判定装置1Aと同 様な構成については、同一部分に同一符号を 付して詳細な説明を省略する。

 寄与度設定部18は、操作装置5を用いてオ� ��レータが入力する各汚損特徴ごとの寄与度� ��評価部15に対して設定するものである。な� �、寄与度設定部17は、たとえば、図1に示す� �ードウエア構成において、記憶部7に記憶さ� ��ているプログラムを制御部6が実行すること により実現可能である。

 すなわち、汚損度判定装置1Bでは、第1の� ��施例で説明した汚損度判定装置1Aのように� �損特徴ごとの寄与度の蓄積を行なわず、寄� �度設定部18がオペレータによる設定操作に応 じて各汚損特徴に対する寄与度を設定する。 言い換えると、汚損度判定装置1Bでは、オペ� ��ータが汚損度を設定(調整)することが可能� �なっている。

 図14は、第2の実施例に係る汚損度判定装� ��1Bにおける処理全体の流れを示すフローチ� �ートである。図14に示すフローチャートは、 図3に示すフローチャートにおける寄与度読� �みのステップS2が汚損度設定(調整)処理のス� ��ップS8に置き換わったものとなっている。� �のため、図14に示すフローチャートについて は、図3に示すフローチャートとの同一部分� �は同一符号を付して詳細な説明を省略する� �

 ここで、上記ステップS8の汚損度設定処� �は、オペレータが操作装置5などにより入力� ��るI個の寄与度を設定(調整)する処理である� ��図15は、I個の寄与度を設定(調整)する寄与� �設定処理を説明するためのフローチャート� �ある。以下、図15を参照しつつ、寄与度設定 処理について説明する。

 すなわち、寄与度設定処理として、寄与� ��設定部18は、まず、変数iの初期値として「1 」をセットする(ステップS81)。変数iに「1」� �セットすると、寄与度設定部18は、変数iがI� ��下であるか否かをチェックする(ステップS82 )。

 変数iがI以下であれば(ステップS82、YES)、寄 与度設定部18は、
オペレータによる操作装置5への入力操作に� �づいて、寄与度m _i を設定(調整)する(ステップS83)。寄与度m _i を設定すると、寄与度設定部18は、変数iをイ ンクリメント(「i=i+1」)し(ステップS84)、ステ ップS82に戻る。また、変数iがI以下でない場� ��、つまり、変数iがIよりも大きい場合(ステ� ��プS82、NO)、寄与度設定部18は、寄与度設定� �理を終了する。

 すなわち、寄与度設定部18は、変数iがIよ りも大きくなるまで、上記ステップS82~S84の� �理を繰り返し実行する。これにより、寄与� �設定部18は、I個の寄与度の設定処理を終了� �る。

 上記のような寄与度設定処理によりI個の 寄与度が設定されると、上記汚損度判定装置 1Bは、上記第1の実施例で説明した流れの処理 により、判定対象の紙葉類Pに対する最終的� �汚損度が判定される。

 また、第2の実施例に係る汚損度判定装置1B� ��は、寄与度m _i が、モデルを表現する参照ベクトル

あるいは、分散パラメータs _j とは独立である。つまり、汚損度判定装置1B� ��は、汚損特徴の次元ごとに寄与度がスタテ� ��ックに設定される。従って、寄与度m _i の値は、モデルの獲得(学習)によっては変化� ��ず(たとえば、∀m _i =1のように固定にしておく)、学習後(稼動時)� ��オペレータが業態に合わせて、随時、設定� ��るいは調整するようになっている。

 なお、上記第1の実施例と第2の実施例と� �組み合わせて汚損度を判定するようにして� �良い。たとえば、各汚損特徴に対する寄与� �は、一部の汚損特徴に対する寄与度のみを� �ペレータが入力する寄与度に設定し、それ� �外の汚損特徴に対する寄与度を記憶部から� �み込むようにしても良い。

 次に、第3の実施例について説明する。 
 図16は、第3の実施例に係る紙葉類の汚損度� ��定装置1Cの構成例を概略的に示す図である� �

 図16に示す汚損度判定装置1Cは、初期設定 された寄与度を判定部17の判定結果に応じて� ��ィードバック調整するフィードバック調整� ��19が上記第1の実施例で説明した図2に示す汚 損度判定装置1Aに追加された構成となってい� ��。すなわち、汚損度判定装置1Cにおいて、� �ィードバック調整部19以外の構成は、第1の� �施例で説明した汚損度判定装置1Aと同様であ る。このため、汚損度判定装置1Cにおいて汚� ��度判定装置1Aと同様な構成については、同� �部分に同一符号を付して詳細な説明を省略� �る。

 上記フィードバック調整部19は、汚損度の� �定結果に応じて寄与度を調整するものであ� �。すなわち、フィードバック調整部19は、初 期設定された(たとえば、∀m _i =1のように)汚損特徴ごとの寄与度を、汚損度 の判定結果に応じてフィードバック調整する 。たとえば、フィードバック調整部19は、汚� ��特徴ごとの影響度を算出し、影響度の小さ� ��汚損特徴の寄与度を小さくするような調整� ��行う。また、汚損特徴x _i の影響度E _i を算出するには、たとえば、以下の数式のよ うに、その汚損特徴の寄与度を一時的に零と したときの出力差を用いるものがある。

  E _i =z-z _mi=0
 なお、上記フィードバック調整部19は、た� �えば、図1に示すハードウエア構成において� ��記憶部7に記憶されているプログラムを制御 部6が実行することにより実現可能である。

 次に、汚損度判定装置1Cにおける処理に� �いて説明する。

 図17は、第3の実施例に係る汚損度判定装� ��1Cにおける処理全体の流れを示すフローチ� �ートである。

 すなわち、評価部15は、まず、寄与度記憶� �12からI個の汚損特徴ごとの寄与度m _i を読込み、読み込んだ寄与度m _i を初期値として設定する(ステップS91)。寄与� ��m _i の読込みは、前述した図3のステップS2と同様 な処理である。つまり、第3の実施例に係る� �損度判定装置1Cでは、寄与度記憶部12に記憶� ��れている各汚損特徴ごとの寄与度m _i を初期値として処理を開始する。

 次に、入力部11は、I個の汚損特徴x _i を評価部15に入力する(ステップS92)。汚損特� �x _i の入力は、前述した図3のステップS1と同様な 処理である。以降、汚損度判定装置1Cは、参� ��ベクトルの読込処理(ステップS93)、分散パ� �メータの読込処理(ステップS94)、評価値の算 出処理(ステップS95)、重みの読込処理(ステッ プS96)、汚損度判定処理(ステップS97)まで順次 行なう。これらステップS93~S97の処理は、前� �した図3のステップS3~S7と同様な処理である� �

 すなわち、上記判定部17により判定対象� �なる紙葉類の汚損度zが判定されると、フィ� ��ドバック調整部19は、判定部17の判定結果に 応じて、評価部15に設定されている汚損特徴� ��との寄与度をフィードバック調整するフォ� ��ドバック調整処理を行う(ステップS98)。こ� �フィードバック調整処理は、上述したよう� �、たとえば、汚損特徴ごとの影響度を算出� �、影響度の小さい汚損特徴の寄与度を小さ� �するように行なう。

 汚損度の調整値が算出されると、フィー� ��バック調整部19は、フィードバック調整の� �了条件(あらかじめ定められたフィードバッ� ��調整回数)に達したか否かをチェックする(� �テップS99)。フィードバック調整の終了条件� ��達していない場合、上記汚損度判定装置1C� �、ステップS92に戻って上記ステップS92~S99の� ��理を繰り返し実行する。また、フォードバ� ��ク調整の終了条件に達した場合、上記汚損� ��判定装置1Cは、当該処理を終了する。

 次に、上記フィードバック調整処理につ� ��て詳細に説明する。

 図18は、I個の寄与度をフィードバック調� ��するフィードバック調整処理を説明するた� ��のフローチャートである。以下、図18を参� �しつつ、フィードバック調整処理について� �明する。

 図18に示すように、フィードバック調整� �理において、上記フィードバック調整部19は 、まず、変数iに初期値としての「1」をセッ� ��する(ステップS101)。変数iを設定すると、フ ィードバック調整部19は、変数iがI以下であ� �か否かをチェックする(ステップS102)。

 変数iがI以下であれば(ステップS102、YES)、� �ィードバック調整部19は、汚損特徴x _i の影響度が少ないか否かをチェックする(ス� �ップS103)。

 このチェックの結果として汚損特徴x _i の影響度が少ないと判定した場合、フィード バック調整部19は、寄与度m _i の値を小さくする処理を行う。例えば、フィ ードバック調整部19は、寄与度m _i の値をδm _i をだけ減らす処理([m _i =m _i -δm _i ]とする処理)を行う(ステップS104)。寄与度m _i を小さくする処理を行うと、フィードバック 調整部19は、変数iをインクリメント(「i=i+1」 )し(ステップS105)、ステップS102に戻る。

 また、上記ステップS103におけるチェックの 結果として汚損特徴x _i の影響度が少なくないと判定した場合、フィ ードバック調整部19は、寄与度m _i を小さくする処理(つまり、ステップS104の処� ��)をジャンプして変数iをインクリメント(「i =i+1」)し(ステップS105)、ステップS102に戻る。

 すなわち、フィードバック調整部19は、� �数iがIよりも大きくなるまで、上記ステップ S102~S105の処理を繰り返し実行する。

 また、変数iがI以下でないと判定した場合� �つまり、変数iがIよりも大きいと判定した場 合(ステップS102、NO)、フィードバック調整部1 9は、全ての寄与度m _i を再正規化し(ステップS106)、正規化した全て の寄与度m _i により評価部15に設定されている全ての寄与� ��m _i を更新する。

 上述したように、第3の実施例に係る汚損 度判定装置1Cでは、各汚損特徴に対する各寄� ��度が、汚損度の判定結果に応じて最適化さ� ��る。また、上述したように、フィードバッ� ��調整された結果は、オペレータにとって分� ��りやすいものである。

 なお、第3の実施例は、これに限定される ものではなく、様々な形態で実施可能である 。たとえば、寄与度のフィードバック調整に おいては、影響度の大きい汚損特徴の寄与度 を大きくするようにしても良いし、影響度に 応じた値で寄与度を最適化するようにしても 良い。また、上記第3の実施例は、第2の実施� ��と組み合わせて実施することも可能である� ��この場合、ステップS91においてオペレータ� ��設定した寄与度を初期値とし、上述した図1 7に示すような処理を実現することも可能で� �る。

 以上説明したように、上述した各実施例� ��よれば、最終的な汚損度判定への寄与度が� ��力される汚損特徴のそれぞれに独立して定� ��される。このため、運用形態に応じた汚損� ��徴の重み付けに対応できる汚損度判定装置� ��提供できる。

 また、第2の実施例に係る汚損度判定装置 では、汚損特徴ごとの寄与度の値が、学習時 には変化しない。このため、学習後(稼動時)� ��運用形態に合わせて随時設定したり、調整� ��たりすることが可能となる。

 さらに、第3の実施例に係る汚損度判定装 置では、各汚損特徴の寄与度が汚損度判定結 果に応じて自動的に最適化される。このため 、たとえば、顧客の要求を顧客自身が把握し ていない場合などでは、サンプルを評価する だけで顧客の潜在要求が抽出でき、かつ、顧 客にとってわかりやすいものとなる。

 なお、各実施例に係る汚損度の判定装置� ��よび判定方法は、紙葉類の汚損度を判定す� ��ものに限定されるものではなく、紙葉類以� ��の汚損度を判定する装置としても適用でき� ��。さらに言えば、各実施例に係る汚損度の� ��定装置および判定方法は、汚損度を判定す� ��ものに限定されるものではない。すなわち� ��各実施例に係る判定装置および判定方法は� ��検査対象物から種々の特徴量を検出し、そ� ��らの検出された種々の特徴量に基づいて当� ��検査対象物の特徴を総合的に評価するもの� ��適用できるものである。