JP4687614B2

JP4687614B2 - 故障診断システム、画像形成装置及び故障診断方法

Info

Publication number: JP4687614B2
Application number: JP2006233203A
Authority: JP
Inventors: 康二足立; 紀一山田; 薫安川; 英悟中川; 弘毅上床; 哲一里永
Original assignee: Fuji Xerox Co Ltd; Fujifilm Business Innovation Corp
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2005-09-20
Filing date: 2006-08-30
Publication date: 2011-05-25
Anticipated expiration: 2026-08-30
Also published as: JP2007116670A

Description

本発明は、複写機やプリンタ等の画像形成装置の故障箇所を特定する故障診断システム、画像形成装置及び故障診断方法に関する。

電子写真方式の複写機やプリンタは、高圧電源による帯電・現像・転写、高温での定着、高分子製トナーの飛散、高速の用紙搬送、用紙の紙粉発生等、非常に厳しい機内環境で動作するよう構成されているため、良好な品質を維持するためには定期的にメンテナンスを入れる必要がある。従来、電子写真方式の複写機やプリンタのメンテナンスには、専門のサービスマンが派遣され、メンテナンスが実施されてきたが、電子写真方式の複写機やプリンタの価格低下に比較して、専門のサービスマンの派遣にかかるサービス費用が相対的に大きくなってきている。この課題に対して、電子写真方式の複写機やプリンタのユーザが故障箇所を診断し、簡単な故障であればユーザがパーツ交換や修復する、或いは正確な故障情報をサービスマンに連絡することにより、サービス費用を低減したいという要求が高くなっている。このような要求を満たすものとして、故障を引き起こす因果関係をモデル化した故障診断モデルに基づく推論処理を行うベイジアンネットワーク（ＢａｙｅｓｉａｎＮｅｔｗｏｒｋ）を利用した故障診断システムがある（特許文献１）。

このようなベイジアンネットワークによる画像形成装置の故障診断システムでは、画像形成装置における故障発生状態情報、画像形成装置を構成する部品状態情報、画像形成装置の使用履歴情報、画像形成装置が使用されている環境情報、用紙やトナー等の消耗材情報、画像形成装置の仕様情報等に基づき故障箇所を特定することができる。また、ユーザ操作によりテストパターンを出力し、このテストパターンに基づく情報を入力することにより故障箇所の推定を行うこともできる。

また、画像読取部故障と画像出力部故障を自動切り分けして故障箇所を特定する技術として、例えば、特許文献２、特許文献３の提案がある。特許文献２は、原稿画像データの画像読取において原稿画像の文字方向の判別可否によって、画像読取部の故障判定を行うものである。また、特許文献３は、ノズルを用いたインク噴射形式のスキャナープリンタに関するもので、プリントヘッドで出力されたテストパターンをスキャナー入力し、テストパターンデータとスキャナー入力画像データの差分画像特徴量に基づき、スキャナー不良とプリントヘッド不良を診断するものである。

特開２００１−７５８０８号公報特開平１１−２１３０８８号公報特開２００１−７９６９号公報

しかしながら、特許文献１に開示された技術を利用する場合であっても、以下のような不都合が生じると考えられる。すなわち、より正確な故障箇所推定を行うためには、ユーザ操作によるテストパターン出力が必要となるが、このテストパターンを出力させる操作や、複数のテストパターンの管理が煩わしいと感じられることがある。特に、これらの操作や管理をサービスマンではなくユーザに求めた場合には正確な故障診断を期する上でも問題となることがある。

例えば、画像読取部と画像出力部の両方で故障が発生する可能性が高い場合に、テストパターンを画像読取部のプラテン上に載置して画像形成を行うとともに、テストパターンを９０度回転させた後、再び画像形成を行うことで、故障箇所が画像読取部か、画像出力部かを判定するための判断情報を取得し、この判断情報を故障診断モデルに提供することによって故障箇所の特定を行うことができる。すなわち、テストパターンを９０度回転させる前後で欠陥発生方向が９０度変化していれば画像読取部における故障、欠陥発生方向の変化が無ければ画像出力部における故障箇所である確率が高いと判断することができる。

ところが、上記ユーザ操作は、テストパターンを９０度回転させる動作を伴う２回の出力動作の後、さらに画像欠陥の発生状況の確認及び判断情報の診断モデルへの入力が必要となり、ユーザに大きな負担を与えることになる。さらに、専門知識の乏しいユーザから間違った判断情報が入力される可能性がある。また、故障診断のための複数のテストチャートをユーザが管理しなければならないという問題もある。さらに、元来サービスマンが実施する故障診断をユーザに行わせることによる顧客満足度の低下という問題も発生する。また、サービスマンの負担もできるだけ軽減されることが望まれる。

また、特許文献２に開示された技術では、診断可能な故障対象が大幅に限定されるという課題がある。また、特許文献３に開示された技術は、構造が単純で故障モードが限定されるインク噴射形式のスキャナープリンタには適用可能であるが、構造が複雑で故障モードが多岐にわたる電子写真方式の画像形成装置には適用できないという課題がある。

そこで、本発明は、サービスマンも含めたユーザの負担を軽減できるとともに、精度よく故障箇所の特定をすることができる故障診断システムを提供することを課題とする。

かかる目的を達成するための、本発明の故障診断システムは、原稿を電子化するための画像読取手段と、空スキャンデータを記憶する空スキャンデータ記憶部と、前記原稿データ又は予め記憶された画像データに基づいて画像形成を行う画像出力手段とを備えた画像形成装置の故障診断システムであって、数種類のテストパターンの集合である基準画像データ群を予め記憶した基準画像データ群記憶手段と、前記基準画像データ群から、選択された画質トラブルに応じて白紙ベースのチャート又は全面ハーフトーンのチャートを選択する基準画像データ選択部と、前記画像読取手段によってプラテン上に原稿を載置しない状態で画像読取動作を行うことによって得られる空スキャンデータを取得する読取画像データを取得する読取画像データ取得手段と、前記基準画像データ群から画質トラブルに応じて選択された基準画像データと、当該選択された基準画像データに基づいて前記画像出力手段により出力される診断画像を前記画像読取手段によってスキャン入力して電子化した診断画像データとを比較して欠陥画像パターンを抽出する欠陥画像パターン抽出手段と、前記欠陥画像パターンと前記空スキャンデータとの一致度を算出するパターンマッチングを行う欠陥画像パターンマッチング手段と、前記欠陥画像パターン抽出手段が抽出した情報から欠陥箇所判定情報を抽出する欠陥画像特徴量抽出部と、前記欠陥画像特徴量抽出部によって抽出された前記欠陥箇所判定情報と、前記欠陥画像パターンマッチング手段から出力される故障個所判定情報を含むマッチング結果を故障診断モデルに反映させて故障発生箇所の選定を行う手段と、を有する。

そして、前記読取画像データ取得手段は、前記選択された基準画像データの前記画像出力手段による出力と同時に前記空スキャンデータを取得し、前記基準画像データ群から選択された基準画像データが白紙ベースのチャートであるときは、前記画像読取手段によって前記空スキャンデータを取得する際のシェーディング補正をオン状態とし、前記基準画像データ群から選択された基準画像データが全面ハーフトーンのチャートであるときは、前記画像読取手段によって前記空スキャンデータを取得する際のシェーディング補正をオフ状態とすることを特徴とすることを特徴としている。

このような構成の故障診断システムでは、先ず発生した画像欠陥状態、症状をユーザが入力することにより、画像欠陥状態に適した基準画像データが基準画像データ群の中から選択される。この基準画像データはテストパターンとなるもので予めシステム内に記憶されており、自動的に選択される。すなわち、ユーザは画像欠陥状態や症状を入力するだけでよく、基準画像データの選択自体は行わなくてもよい。この基準画像データが選択されると、この基準画像データに基づいて画像出力手段により診断画像が出力され、この診断画像を電子化し、診断画像データを作製する。ここで、ユーザは出力された診断画像（テストパターン画像）を画像読取部にてスキャン入力させ、診断画像を電子化する操作が求められることがあるが、ユーザが求められる操作はここまでであり、以後は、故障診断システムが自動的に故障診断を行う。

電子化された診断画像データは欠陥画像パターン抽出手段に取り込まれ、選択されている基準画像データとの差分画像が検出され、欠陥画像パターンが抽出される。すなわち、基準画像データとその基準画像データを一旦出力して再び電子化した診断画像データとから欠陥画像パターンを抽出する。

次に、抽出された欠陥画像パターンを原稿データ記憶手段に蓄積された原稿データとパターンマッチングすることにより、抽出された欠陥画像パターンが原稿データに存在するか否かを検出する。抽出された欠陥画像パターンと原稿データの一致度が高い場合、欠陥画像パターンは画像読取部で発生した可能性が高くなる。逆に抽出された欠陥画像パターンと原稿データの一致度が低い場合、欠陥画像パターンは画像読取部で発生した可能性が低くなる。

以上のようにユーザは基準画像データを選択するための情報入力及び診断画像を電子化するためのスキャン入力操作を行うのみで故障箇所が画像読取部か、画像出力部かを判定するための判定情報を故障診断モデルに提供することが可能となる。また、基準画像として画像形成装置に内蔵されているテストパターンを利用することができるため、ユーザは複数のテストチャートの管理から開放される。

この故障診断システムでは、欠陥画像パターンとパターンマッチングを行う対象を原稿データではなく、読取画像データとしている。この読取画像データは、プラテン上に原稿を載置しない状態で画像読取動作を行うことによって得られるデータ、いわゆる空スキャンデータである。この空スキャンデータの読み取りの対象はプラテンカバーであるため、一般原稿のように文字や図形などの印刷データが含まれておらず、より精度の良いパターンマッチング結果を得ることができる。

ここで、読取画像データ取得手段は、前記欠陥画像パターン抽出手段による欠陥画像パターンの抽出に伴って前記読取画像データを取得する構成とすることができる。例えば、読取画像データ取得手段は、テストパターンとなる診断画像の出力動作とリンクさせて自動で画像読取手段を動作させ、これにより読取画像データを取得する構成とすることができる。このような構成とすれば、予め他の原稿をスキャンして保存しておくという煩わしさがない。

本明細書開示の故障診断システムは、前記基準画像データ群から選択された基準画像データが白紙ベースのチャートであるときは、前記画像読取手段によって前記空スキャンデータを取得する際のシェーディング補正をオン状態とする。また、前記基準画像データ群から選択された基準画像データが全面ハーフトーンのチャートであるときは、前記画像読取手段によって前記空スキャンデータを取得する際のシェーディング補正をオフ状態とする。このような構成とすれば、白抜けや濃度ムラなど、ハーフトーン画像部に表れるような欠陥が発生し、ハーフトーン画像で構成される基準画像（テストパターン）が選択出力された場合に、シェーディング補正機能をオフとすることで、画像読取部に白抜けや濃度ムラを引き起こす不具合が発生していた時には欠陥部とのコントラストを出すことができる。従って、白抜けや濃度ムラなど、ハーフトーン画像部に表れるような欠陥が発生した場合でも、自動スキャンによる診断が可能となる。

また、このような故障診断システムでは、前記欠陥画像パターン抽出手段における欠陥画像パターンの抽出は、前記基準画像データを複数の領域に分割した小領域毎に比較処理を行って抽出する構成とすることができる。このような構成とすれば、画像出力部の歪（例えば、副走査方向感光体ドラム回転ムラ、主走査方向光走査装置走査ムラ等）に基づく出力画像の歪を大幅に軽減することができ、精度の高い差分画像の検出、精度の高い欠陥画像パターンの抽出が可能となる。また、抽出された欠陥画像パターンは、欠陥画像が含まれる小領域のみとなるため、後の行程での欠陥画像パターンと原稿データとパターンマッチングにおける処理負荷を大幅に軽減することができる。

また、このような故障診断システムでは、前記欠陥画像パターンマッチング手段におけるパターンマッチングは、前記画像読取手段に予め規定した原点を基準として、前記小領域毎に行う構成とすることができる。これは、画像欠陥の原因となる故障が画像読取部にある場合、多くの故障原因において、スキャン入力される原稿及び画像出力手段により出力された診断画像の載置位置によらず、スキャン後の画像データ（原稿データ及び診断画像データ）の同一位置から欠陥画像パターンが抽出される。従って、欠陥画像パターンとして検出された小領域の座標を画像読取手段の原点を基準として、原稿データとのパターンマッチングを行うことにより、高精度にパターンマッチングを行うことが可能となる。また、処理負荷を大幅に軽減することが可能となる。

このような故障診断を行うための故障診断モデルは、種々のモデルを採用することができるが、画像欠陥診断に関するベイジアンネットワークによる推論モデルとすることができる。ベイジアンネットワークを利用することにより、故障箇所が画像読取部か、画像出力部かを判定するための判断情報（証拠情報）を０か１かといった二値情報としてではなく、多値レベルの証拠情報として扱うことができる。これにより、他の証拠情報を含めて、総合的に故障箇所を特定することが可能となる。なお、ベイジアンネットワークとしては従来、一般的に知られている基本的な構成をベースに構築し、利用することができる。

なお、以上説明したような故障診断システムを種々の画像形成装置に搭載すれば、本発明の画像形成装置を構成することができる。

また、本明細書開示の故障診断方法は、数種類のテストパターンの集合である基準画像データ群から画質トラブルに応じて白紙ベースのチャート又は全面ハーフトーンのチャートを基準画像データとして選択する行程と、当該選択された基準画像データと、当該基準画像データに基づいて画像出力手段により出力される診断画像を画像読取手段によってスキャン入力して電子化した診断画像データとを比較して欠陥画像パターンを抽出する行程と、当該欠陥画像パターンを抽出する行程と同時にプラテン上に原稿を載置しない状態で前記画像読取手段により画像読取動作を行うことによって得られる空スキャンデータを取得する行程と、前記欠陥画像パターンと前記空スキャンデータとの一致度を算出するパターンマッチングを行う欠陥画像パターンマッチング行程と、前記欠陥画像パターンマッチング行程により抽出された情報から欠陥箇所判定情報を抽出する行程と、前記欠陥箇所判定情報と、前記欠陥画像パターンマッチング行程により抽出された故障個所判定情報を含むマッチング結果を故障診断モデルに反映させて故障発生箇所の選定を行う行程と、を有し、前記基準画像データ群から選択された基準画像データが白紙ベースのチャートであるときは、前記画像読取手段によって前記空スキャンデータを取得する際のシェーディング補正をオン状態とし、前記基準画像データ群から選択された基準画像データが全面ハーフトーンのチャートであるときは、前記画像読取手段によって前記空スキャンデータを取得する際のシェーディング補正をオフ状態とすることを特徴としている。このような故障診断方法は、例えば、本発明の故障診断システムを稼動させることによって実施することができる。

本発明によれば、予めシステム内に記憶した基準画像データと、この基準画像データに基づいて画像出力手段により出力される診断画像を電子化した診断画像データとを比較して欠陥画像パターンを抽出し、この欠陥画像パターンと原稿データとのパターンマッチングを行って故障箇所の選定を行うようにしたので、ユーザの操作を軽減し、さらに、故障診断の精度を向上させることができる。
また、欠陥画像パターンとパターンマッチングを行う対象を、読取画像データとし、この読取画像データの取得を欠陥画像パターン抽出手段による欠陥画像パターンの抽出に伴って行うようにしたので最小限のユーザ操作で、より診断精度の高い故障診断を行うことができる。

以下、本発明を実施するための最良の形態を図面と共に詳細に説明する。

図１は本発明が適用される故障診断システムが搭載される画像形成装置１の概略構成図の一例である。図１の画像形成装置１は、本発明における画像出力手段に相当する画像出力部１０、画像読取手段に相当する画像読取部３０、操作パネル部４０で構成されている。操作パネル部４０は、画像形成装置の動作指示入力、装置情報表示、診断操作等、画像形成装置と使用者とのユーザインターフェースとなる。以下、図１に基づいて、画像出力部１０、画像読取部３０の構成を説明しつつ画像形成装置１における画像記録の動作を説明する。

画像出力部１０は、光走査装置（ラスタ出力スキャン:ＲＯＳ）を利用した画像記録装置である画像形成部をＫ、Ｙ、Ｍ、Ｃの各色に対応するように４組備えたいわゆるタンデム構成のものである。この画像出力部は、一方向に順次一定間隔をおいて並置されたＫ、Ｙ、Ｍ、Ｃの各色の画像形成部と、中間転写ベルト１７とを備える。また、画像形成部は、図示されない半導体レーザと、半導体レーザから発せられたレーザ光（レーザビーム）を感光性部材の一例である感光体ドラムロール１３に向けて反射させるポリゴンミラー（回転多面鏡）１１とを有する光走査装置を備えている。また、画像出力部１０下部には、給紙トレイ２１から用紙を中間転写ベルト側へ搬送するため、用紙搬送路上には、ロール部材として、ピックアップロール２２、複数の搬送ロール群２３が設けられている。

このような構成の画像出力部１０においては先ず、たとえばブラック(Ｋ)系の画像形成部では、先ず半導体レーザは、図示されない画像処理部からのブラックの画像形成信号によって駆動されることで、ブラックの画像形成信号を光信号に変換し、この変換されたレーザ光をポリゴンミラー１１に向けて照射する。このレーザ光は、さらに反射ミラー群１２Ｋを介して一次帯電器１４Ｋによって帯電された感光体ドラムロール１３Ｋ上を走査することで、感光体ドラムロール１３Ｋ上に静電潜像を形成する。この静電潜像は、ブラックのトナーが供給される現像器１５Ｋよってトナー像とされ、このトナー像は、中間転写ベルト１７が感光体ドラムロール１３Ｋを通過する間に一次転写帯電器１６Ｋによって中間転写ベルト１７上に転写される。そして転写後は、クリーナ１８Ｋによって感光体ドラムロール１３Ｋ上から余分なトナーが除去される。同様に、画像処理部からブラックの画像形成信号に対して順次一定間隔をおいて得られる対応するＹ、Ｍ、Ｃ各色の画像形成信号によって感光体ドラムロール１３Ｙ、１３Ｍ、１３Ｃ上に静電潜像が形成され、各静電潜像は、各色のトナーが供給される現像器１５Ｙ、１５Ｍ、１５Ｃによって順次トナー像とされる。各トナー像は、中間転写ベルト１７が対応する感光体ドラムロール１３Ｙ、１３Ｍ、１３Ｃを通過する間に対応する一次転写帯電器１６Ｙ、１６Ｍ、１６Ｃによって中間転写ベルト１７上に順次転写される。

Ｋ、Ｙ、Ｍ、Ｃの各色のトナー像が順次多重転写された中間転写ベルト１７上のトナーは、二次転写帯電器１９によって中間転写ベルト１７上から剥離され、定着ローラ２０によってトナーが定着されて、複写機の外部に排出される。定着ローラ２０の後流側には、用紙を機外に排出する排出路が設けられ、画像出力部１０にて印刷用紙上に画像形成された印刷済み用紙を機外にて受け取るための排紙トレイ２４も設けられる。

画像読取部３０は、読取対象となるシート状の原稿から、その原稿上に描かれた画像を光学的に読み取るものであり、プラテンカバー３２を備える。また、画像読取部３０は、読取対象となる原稿が載置されるプラテンガラス３１を有し、その下部に、原稿を読み取る受光部３６を含む光学系や、画像読取部側の画像処理部を有している。また、画像読取部３０は、プラテンガラス３１の下方に、プラテンガラス３１の原稿載置面と反対側の面に向かって光を照射する光源３３を含むとともに、この光源３３から発せられた光をプラテンガラス３１側に反射させる反射笠、反射鏡、プラテンガラス３１側からの反射光をプラテンガラス３１に略平行の方向に偏向する反射ミラー３４などを有するフルレートキャリッジを備える。光源３３としては、主走査方向（図における紙面直交方向）を長手方向とする蛍光ランプが使用されている。光源３３から発せられる照明光の色としては、受光部３６を構成する各ラインセンサの分光光学特性に合わせたものが使用され、たとえば白色光や緑色光が使用される。また、画像読取部３０は、筐体内に、ハーフレートキャリッジの反射ミラー３４により偏向された反射光を所定の焦点位置に集光するレンズ３５を備える。受光部３６は、レンズ３５で収束された反射光を受光して副走査方向と略直交する主走査方向に画像を読み取り、濃度に応じた画像信号を順次出力する。画像読取部３０からの画像信号は読取画像処理部５０（図２参照）を経由して、本発明における原稿データ記憶手段に相当する原稿データ記憶部６０（図２参照）に画像信号を順次出力する。原稿データ記憶部６０に格納された原稿データは、操作パネル部４０から入力された画像形成装置の動作指示（多数枚、帳合、Ｎアップ、両面、冊子両面、拡大連写等）に基づいて、画像出力部１０に順次出力される。

図２に本実施例の故障診断システム１００の概略構成図を示す。故障診断システム１００は、テストパターンとなる基準画像のデータを選択するための基準画像データ選択部１０１、この基準データ選択部によって選択されるテストパターンの集合である基準画像データ群を記憶している本発明における基準画像データ群記憶手段に相当する基準画像データ群記憶部１０２、診断画像データ記憶部１０３、本発明における欠陥画像パターン抽出手段に相当する欠陥画像パターン抽出部１０４、本発明における欠陥画像パターンマッチング手段に相当する欠陥画像パターンマッチング部１０５、欠陥画像特徴量抽出部１０６、本発明における故障診断手段に相当する故障診断部１０７、故障箇所表示部１０８とから構成されている。以下、図２の概略構成図及び、図３に示した故障診断のフローチャートに基づいて、故障診断システム１００の故障診断処理の動作を説明する。

故障診断システム１００を稼働させ、画質トラブルを診断したい場合、ユーザは画像形成装置１の操作パネル部４０の操作により基準画像データ選択部１０１に対する指令を行えるように操作モードを切り替え、故障診断モードに入る。図４に診断対象選択のためのユーザインターフェースの例を示す。図４において、まず左側に示す診断対象情報入力画面にて診断対象を選択する。本発明に係わる画質トラブルが選択されると、図４において右側に配置された画質トラブルに関する詳細診断対象情報入力画面にて、対象とする画質トラブルを選択する。故障診断システム１００は、この詳細診断対象情報に基づいて、基準画像データ記憶部１０２に格納されている複数のテストパターン（基準画像）から、対象とする画質トラブル、即ち画像欠陥に最適なテストパターンを選択し、画像出力部１０を介してテストパターンを印刷出力する（ステップＳ１）。

基準画像データ記憶部１０２は、上記したように複数の画像欠陥に適した複数のテストパターンの集合である基準画像データ群を記憶している。例えば、線・帯／黒点・色点に関しては白地パターンデータ、白抜け画像に関してはグレイ中間調パターンデータ、地汚れに関しては文字パターンデータを備えている。

画像出力部１０より印刷出力されたテストパターン出力用紙は、ユーザによって画像読取部３０のプラテンガラス３１上に設置され、スキャン入力される。画像読取部３０スキャン入力されて電子化することによって作製された診断画像データは、診断画像データ記憶部１０３に格納される（ステップＳ２）。

欠陥画像パターン抽出部１０４では、診断画像データ記憶部１０３に一時記憶された診断画像データと基準画像データ記憶部１０２に記憶された基準画像データ群の中から選択された基準画像データとの差分検出により、欠陥画像パターンを抽出する。欠陥画像パターン抽出部１０４では、診断画像データ、基準画像データを所定の解像度に変換した後、小領域に分割し、差分画像検出を行う。差分検出は、小領域毎の正規化相関係数に基づくパターンマッチングによる差分領域の検出、検出された差分領域に対する差分画像の検出の２段階で行われる（ステップＳ３）。

図５に、対象欠陥が黒線である場合の差分画像検出の様子を示す概念図を示す。図５に示すように、欠陥画像パターン抽出部１０４では欠陥画像領域と差分画像（欠陥画像パターン）が検出、抽出される。また、欠陥画像領域は、後段の欠陥画像パターンマッチング部１０５でのパターンマッチングのために図５に示した読取画像データ領域の左上を原点とする座標に変換される。欠陥画像パターンマッチング部１０５では、原稿データ記憶部６０に格納されている原稿データと欠陥画像パターン抽出部１０４で検出された欠陥画像領域と差分画像に対し、パターンマッチングを行い、故障箇所判定情報を後段の故障診断部１０７に出力する。欠陥画像パターンマッチング部１０５では、まず欠陥画像領域に関し、原稿データ記憶部６０に格納されている複数の原稿データから、テストパターンデータ（基準画像データ）と類似度の高い原稿データを抽出する。次に抽出された原稿データに対し、欠陥画像パターン抽出部１０４で検出された欠陥画像領域と差分画像によるパターンマッチングが行われる。パターンマッチングは、（１）小領域毎の正規化相関係数の算出、（２）連続した小領域を同一画像欠陥としてグループ化し、グループ毎の平均正規化相関係数の算出、の２段階で行われる。グループ毎の平均正規化相関係数が、故障箇所判定情報として故障診断部１０７に出力される（ステップＳ４）。

図６に、図５の差分画像に対応する欠陥画像パターンマッチングの様子を示す概念図を示す。図６において、黒線の正規化相関係数は０.８５で、画像読取部が故障箇所である可能性が高いことを示している。欠陥画像特徴量抽出部１０６は、欠陥画像パターン抽出部１０４で検出された欠陥画像領域と差分画像データから、故障診断モデル選択情報、欠陥の周期情報、線幅情報、欠陥サイズ情報、輪郭情報、色情報、長さ情報、縁消しエリア発生有無情報を抽出し、故障診断部１０７に出力する（ステップＳ５）。

故障診断部１０７では、欠陥画像パターンマッチング部１０５から出力される故障発生箇所判定情報、欠陥画像特徴量抽出部１０６から出力される欠陥画像特徴量情報等の「欠陥箇所判定情報」、その他カウンタ情報、環境情報等に基づいて、ベイジアンネットワーク故障診断モデルにより、画像形成装置の構成部材の故障確率を推論する。

図７に、線・帯欠陥診断に関する従来のベイジアンネットワーク故障診断モデルの一例を示す。ベイジアンネットワーク故障診断モデルでは、図７に示すように各ノードが「原因」→「結果」の関係になるように結線されているとともに、各ノードが、親ノードが所定の確率の際、子ノードに発生する状態の確率を表す条件確率テーブルを備えており、証拠情報(欠陥画像特徴量情報、装置状態情報等)に基づいて状態確率を再計算することにより、故障箇所の推論が行われる。ここで、図７に示す従来のベイジアンネットワーク診断モデルでは、画像読取部３０、画像出力部１０の証拠情報（判断情報）はユーザ操作情報になっており、テストチャートを９０度回転させて行う２回の出力及び画像欠陥の発生状況の確認動作により得られた情報が証拠情報となる。

これに対し、本発明の故障診断に用いる線・帯欠陥診断に関するベイジアンネットワーク故障診断モデルを図８示す。図８おいて、画像読取部３０、画像出力部１０の判断情報（証拠情報）は、本発明に関する欠陥箇所判定情報である。故障診断部１０７は、これらの情報を加味したベイジアンネットワーク故障診断モデルによる推論処理を行い、故障発生原因レベルの故障確率を出力する。例えば、線・帯欠陥の場合、画像読取部３０の故障原因候補としては、プラテンガラス３１の傷・汚れ、反射ミラー３４の汚れ、受光部３６の汚れ、オートドキュメントフィーダーのベルトの汚れ、オートドキュメントフィーダートランスポートの曲がり等がある。故障箇所表示部１０８は、操作パネル部４０上に、故障原因確率が高い上位のものを表示する（ステップＳ６）。

図９は、操作パネル上の故障診断結果表示のためのユーザインターフェースの一例を示したものである。図９に示した例では、故障確率が高い上位３つの故障原因を、故障確率、処置情報とともに表示している。ユーザやサービスマンはこれらの表示に従って点検、修理等を行うことができる。

次に本発明の実施例２について説明する。ここでは、実施例１と異なる部分についてのみ説明する。
図１０に本実施例の故障診断システム１００の概略構成図を示す。図２に示した実施例１の概略構成図に対し、原稿データ記憶部６０が空スキャンデータ記憶部６１に置き換えられている点が異なる。この空スキャンデータ記憶部６１、画像読取部３０は、本発明における読取画像データ取得手段に含まれる。以下、図１０および図１１に示した本実施例の故障診断のフローチャートに基づいて、故障診断システム１００の故障診断処理の動作を説明する。

まず、実施例１の場合と同様に図４に示す診断対象選択画面にて、対象とする画質トラブルを選択する。故障診断システム１００は、この詳細診断対象情報に基づいて、基準画像データ記憶部１０２に格納されている複数のテストパターン（基準画像）から、対象とする画質トラブル、即ち画像欠陥に最適なテストパターンを選択し、画像出力部１０を介してテストパターンを印刷出力する（ステップＳ１１０１）。この時、図４で選択された故障診断対象情報が「線・帯」、「黒点・色点」、「地汚れ」のように用紙の白紙部分に発生する画質トラブルであった場合、テストパターンは白紙ベースのチャートが出力される。一方、「白抜け」のように画像のある部分に発生する画質トラブルが選択された場合、テストパターンは全面ハーフトーン画像のように「白抜け」を判別しやすい画像パターンからなるチャートが出力される。

故障診断システム１００は、テストパターンを出力すると同時に画像読取部３０を動作させて、原稿がセットされていない状態の読取画像から読取画像データ、すなわち、空スキャンデータを取得する。この時、先に選択されたテストパターンが白紙ベースのチャートの場合は、画像読取部３０が備えるシェーディング補正機能をオン状態（通常設定のまま）で画像読取部３０が動作する。先に選択されたテストパターンが全面ハーフトーン画像のような画像パターンからなるチャートの場合は、シェーディング補正機能をオフ状態にして画像読取部３０が動作する。取得された画像は図１０の空スキャンデータ記憶部６１に格納される（ステップＳ１１０２）。なお、画像読取部３０は、前記のようにテストパターンの出力と同時に動作開始させるようにしてもよいが、テストパターンを出力した直後に動作際開始させるようにしてもよい。

画像出力部１０より印刷出力されたテストパターン出力用紙は、ユーザによって画像読取部３０のプラテンガラス３１上に設置され、スキャン入力される。画像読取部３０スキャン入力されて電子化することによって作製された診断画像データは、診断画像データ記憶部１０３に格納される（ステップＳ１１０３）。

欠陥画像パターン抽出部１０４では、診断画像データ記憶部１０３に一時記憶された診断画像データと基準画像データ記憶部１０２に記憶された基準画像データ群の中から選択された基準画像データとの差分検出により、欠陥画像パターンを抽出する。欠陥画像パターン抽出部１０４では、診断画像データ、基準画像データを所定の解像度に変換した後、小領域に分割し、差分画像検出を行う。差分検出は、小領域毎の正規化相関係数に基づくパターンマッチングによる差分領域の検出、検出された差分領域に対する差分画像の検出の２段階で行われる（ステップＳ１１０４）。

欠陥画像パターンマッチング部１０５では、空スキャンデータ記憶部６１に格納されている空スキャンデータと欠陥画像パターン抽出部１０４で検出された欠陥画像領域と差分画像に対し、パターンマッチングを行い、故障箇所判定情報を後段の故障診断部１０７に出力する。欠陥画像パターンマッチング部１０５では、テストパターン出力時に生成したからスキャン画像に対し、欠陥画像パターン抽出部１０４で検出された欠陥画像領域と差分画像によるパターンマッチングが行われる。パターンマッチングは、（１）小領域毎の正規化相関係数の算出、（２）連続した小領域を同一画像欠陥としてグループ化し、グループ毎の平均正規化相関係数の算出、の２段階で行われる。グループ毎の平均正規化相関係数が、故障箇所判定情報として故障診断部１０７に出力される（ステップＳ１１０５）。

欠陥画像特徴量抽出部１０６は、欠陥画像パターン抽出部１０４で検出された欠陥画像領域と差分画像データから、故障診断モデル選択情報、欠陥の周期情報、線幅情報、欠陥サイズ情報、輪郭情報、色情報、長さ情報、縁消しエリア発生有無情報を抽出し、故障診断部１０７に出力する（ステップＳ１１０６）。

故障診断部１０７では、欠陥画像パターンマッチング部１０５から出力される故障発生箇所判定情報、欠陥画像特徴量抽出部１０６から出力される欠陥画像特徴量情報等の「欠陥箇所判定情報」、その他カウンタ情報、環境情報等に基づいて、ベイジアンネットワーク故障診断モデルにより、画像形成装置の構成部材の故障確率を推論する。ベイジアンネットワークによる診断の詳細は実施例１で説明したので、ここでは省略する。故障箇所表示部１０８は、操作パネル部４０上に、故障原因確率が高い上位のものを表示する（ステップＳ１１０７）。
ユーザやサービスマンはこれらの表示に従って点検、修理等を行うことができる。

なお、上記実施例は本発明を実施するための例にすぎず、本発明はこれらに限定されるものではなく、これらの実施例を種々変形することは本発明の範囲内であり、更に本発明の範囲内において、他の様々な実施例が可能であることは上記記載から自明である。

故障診断システムが含まれる画像形成装置の概略構成を示す構成図である。実施例１の故障診断システムの概略構成を示す構成図である。実施例１の故障診断システムを用いた故障診断のフローチャートである。診断対象選択のためのユーザインターフェースを示す図である。対象欠陥が黒線の差分画像検出を説明する概念図である。図５で示す差分画像に対応する欠陥画像パターンマッチングを説明する概念図である。従来の故障診断システムで用いるベイジアンネットワーク故障診断モデルを示す図である。実施例１、実施例２の故障診断システムで用いる線・帯欠陥診断に関するベイジアンネットワーク故障診断モデルを示す図である。故障診断結果表示のためのユーザインターフェースを示す図である。実施例２の故障診断システムの概略構成を示す構成図である。実施例２の故障診断システムを用いた故障診断のフローチャートである。

符号の説明

１画像形成装置
１０画像出力部
３０画像読取部
５０読取画像処理部
６０原稿データ記憶部
６１空スキャンデータ記憶部
１００故障診断システム
１０１基準画像データ選択部
１０２基準画像データ群記憶部
１０３診断画像データ記憶部
１０４欠陥画像パターン抽出部
１０５欠陥画像パターンマッチング部
１０６欠陥画像特徴量抽出部
１０７故障診断部
１０８故障箇所表示部

Claims

原稿を電子化するための画像読取手段と、空スキャンデータを記憶する空スキャンデータ記憶部と、前記原稿データ又は予め記憶された画像データに基づいて画像形成を行う画像出力手段とを備えた画像形成装置の故障診断システムであって、
数種類のテストパターンの集合である基準画像データ群を予め記憶した基準画像データ群記憶手段と、
前記基準画像データ群から、選択された画質トラブルに応じて白紙ベースのチャート又は全面ハーフトーンのチャートを選択する基準画像データ選択部と、
前記画像読取手段によってプラテン上に原稿を載置しない状態で画像読取動作を行うことによって得られる空スキャンデータを取得する読取画像データを取得する読取画像データ取得手段と、
前記基準画像データ群から画質トラブルに応じて選択された基準画像データと、当該選択された基準画像データに基づいて前記画像出力手段により出力される診断画像を前記画像読取手段によってスキャン入力して電子化した診断画像データとを比較して欠陥画像パターンを抽出する欠陥画像パターン抽出手段と、
前記欠陥画像パターンと前記空スキャンデータとの一致度を算出するパターンマッチングを行う欠陥画像パターンマッチング手段と、
前記欠陥画像パターン抽出手段が抽出した情報から欠陥箇所判定情報を抽出する欠陥画像特徴量抽出部と、
前記欠陥画像特徴量抽出部によって抽出された前記欠陥箇所判定情報と、前記欠陥画像パターンマッチング手段から出力される故障個所判定情報を含むマッチング結果を故障診断モデルに反映させて故障発生箇所の選定を行う手段と、
を有し、
前記読取画像データ取得手段は、前記選択された基準画像データの前記画像出力手段による出力と同時に前記空スキャンデータを取得し、前記基準画像データ群から選択された基準画像データが白紙ベースのチャートであるときは、前記画像読取手段によって前記空スキャンデータを取得する際のシェーディング補正をオン状態とし、前記基準画像データ群から選択された基準画像データが全面ハーフトーンのチャートであるときは、前記画像読取手段によって前記空スキャンデータを取得する際のシェーディング補正をオフ状態とすることを特徴とする故障診断システム。
請求項１に記載の故障診断システムにおいて、
前記欠陥画像パターン抽出手段における欠陥画像パターンの抽出は、前記基準画像データを複数の領域に分割した小領域毎に比較処理を行って抽出することを特徴とした故障診断システム。
請求項２に記載の故障診断システムにおいて、
前記欠陥画像パターンマッチング手段におけるパターンマッチングは、前記画像読取手段に予め規定した原点を基準として、前記小領域毎に行うことを特徴とした故障診断システム。
請求項１乃至３のいずれか一項に記載の故障診断システムにおいて、
前記故障診断モデルは、画像欠陥診断に関するベイジアンネットワークによる推論モデルであることを特徴とした故障診断システム。
請求項１乃至４のいずれか一項に記載の故障診断システムを搭載したことを特徴とする画像形成装置。
数種類のテストパターンの集合である基準画像データ群から画質トラブルに応じて白紙ベースのチャート又は全面ハーフトーンのチャートを基準画像データとして選択する行程と、
当該選択された基準画像データと、当該基準画像データに基づいて画像出力手段により出力される診断画像を画像読取手段によってスキャン入力して電子化した診断画像データとを比較して欠陥画像パターンを抽出する行程と、
当該欠陥画像パターンを抽出する行程と同時にプラテン上に原稿を載置しない状態で前記画像読取手段により画像読取動作を行うことによって得られる空スキャンデータを取得する行程と、
前記欠陥画像パターンと前記空スキャンデータとの一致度を算出するパターンマッチングを行う欠陥画像パターンマッチング行程と、
前記欠陥画像パターンマッチング行程により抽出された情報から欠陥箇所判定情報を抽出する行程と、
前記欠陥箇所判定情報と、前記欠陥画像パターンマッチング行程により抽出された故障個所判定情報を含むマッチング結果を故障診断モデルに反映させて故障発生箇所の選定を行う行程と、
を有し、
前記基準画像データ群から選択された基準画像データが白紙ベースのチャートであるときは、前記画像読取手段によって前記空スキャンデータを取得する際のシェーディング補正をオン状態とし、前記基準画像データ群から選択された基準画像データが全面ハーフトーンのチャートであるときは、前記画像読取手段によって前記空スキャンデータを取得する際のシェーディング補正をオフ状態とすることを特徴とした故障診断方法。