勞工安全衛生研究季刊民國 101 年 3 月第 20 卷第 1 期第頁論文機器視覺問卷輸入影像系統開發蒲永仁李素幸董思廷長榮大學職業安全與衛生學系摘要對許多職業安全衛生領域的研究者來說, 透過問卷調查來進行定量訊息的收集是相當重要的, 在大型的問卷調查中為了讓問卷分析的資料

Size: px

Start display at page:

Download "勞工安全衛生研究季刊民國 101 年 3 月第 20 卷第 1 期第頁論文機器視覺問卷輸入影像系統開發蒲永仁李素幸董思廷長榮大學職業安全與衛生學系摘要對許多職業安全衛生領域的研究者來說, 透過問卷調查來進行定量訊息的收集是相當重要的, 在大型的問卷調查中為了讓問卷分析的資料"

锦李
4 years ago
Views:

1 勞工安全衛生研究季刊民國 101 年 3 月第 20 卷第 1 期第頁論文機器視覺問卷輸入影像系統開發蒲永仁李素幸董思廷長榮大學職業安全與衛生學系摘要對許多職業安全衛生領域的研究者來說, 透過問卷調查來進行定量訊息的收集是相當重要的, 在大型的問卷調查中為了讓問卷分析的資料能有較高的準確性和代表性, 數據的收集與管理往往會相當龐大, 也使得問卷輸入成為研究過程裡的重要關卡本研究發展一套資料收集的技術, 可運用在職業安全衛生或其他學科的課題上, 以提高問卷調查資料輸入的準確率及效率本研究問卷辨識系統整合多項軟硬體模組, 問卷經由送紙裝置逐一送出, 透過攝像鏡頭擷取問卷的影像, 利用圖控式程式語言, 進行即時影像處理, 並將分析後數據儲存成檔案在準確率實驗中則針對筆的顏色及劃記形狀進行測試, 經統計分析顯示黑紅藍綠及鉛筆等大眾常用顏色之辨識率並無顯著差異 ; 打勾及劃斜線之辨識率顯著高於劃叉或劃圈, 整體而言, 各顏色之辨識率均高達 99.63%~99.77%, 而各形狀之辨識率亦達 95.7%~99.9% 此外分別對空白及填答問卷進行辨識, 其辨識平均時間分別為 ms 和 785.5ms, 即在 0.8 秒內軟體可以辨識一張填畢問卷這些初步成果展現出快速及準確的辨識功能, 為問卷輸入影像系統的開發奠定了良好的基礎關鍵詞 : 問卷機器視覺影像處理民國 100 年 10 月 21 日投稿, 民國 101 年 1 月 9 日修改, 民國 101 年 1 月 12 日接受通訊作者 : 李素幸, 長榮大學職業安全與衛生學系, 電子郵件 :suhsing@mail.cjcu.edu.tw 70

2 機器視覺問卷輸入影像系統開發前言問卷調查係專家學者採用的重要研究方法之一, 特別是公共安全衛生的各個領域經常利用問卷來進行計量性研究, 其歷史悠久且應用廣泛, 理論的基礎相當成熟 [1] 問卷的發展有其嚴謹的步驟, 從設計製作初評, 到發放回收, 都有一定的過程, 為求分析資料的準確性或代表程度, 通常希望回收的問卷數量在一定的數目以上, 多則數千或數萬份, 因此問卷輸入成為整個研究流程的重要關卡, 不僅要求精確, 亦希望能夠快速完成, 以便繼續進入到分析的步驟為求分析資料的便利性, 大部分問卷填答均採用塗滿或勾選空格的方式進行, 問卷輸入即可利用人工鍵入或讀卡機讀取後, 製作成電腦檔案人工作業工作量非常大, 耗時且昂貴, 國外有專門的公司訓練員工輸入的技巧, 來承攬此種業務, 論問項多寡計酬, 為講求快速, 公司希望問卷設計力求整齊以方便目視鍵入資料, 或多或少影響頁面之編排 ; 另外讀卡機輸入者則需使用專用的卡紙, 並需委外印刷, 問卷回收後研究者仍必須租用讀卡機, 利用光學劃記符號辨識 (Optical Mark Recognition, OMR) 進行讀卡 [2], 成本自然增加因此, 若能將問卷從設計印製收集後之資料輸入, 都不假他人之手, 同時問卷的版面設計及紙張材料亦無任何限制, 一定能降低研究工作的成本, 縮短時程, 增加效率因此, 研究者能夠在自身研究室完成大量地自動化輸入, 即成為吾人研究之方向影像處理發展已有數十年的歷史, 在商業醫療業自動化及保全業應用非常廣泛, 其應用的例子包括 : 特徵擷取診斷畸形偵測機械視覺與控制以及人臉辨識等 [3] 影像分析之流程包含影像輸入前處理影像強化影像區分特徵擷取及影像描述等部分在影像分析之前, 為了使影像容易辨識, 需要經過多項處理, 使得影像資料變得簡易且一致性影像前處理過程中, 常用的方法如影像二值化 (Binarization) 濾波(Filtering) 與型態分析 (Morphology analysis), 而後者常用之方法為侵蝕 (Erosion) 膨脹(Dilation) 與二者之組合 [4] 影像在前處理以後, 將物件的輪廓勾勒出來 ( 即為影像強化 ), 從背景中區隔出物件的部分, 留下物件輪廓內的內容, 這就是影像區分從物件的內容中找出特徵並擷取出來, 此為特徵擷取的部分最後讓辨識模組可以由這些特徵來瞭解辨識其中所表達的含意, 即為整個影像分析的流程人眼辨識文字是相當容易的事情, 但若是由機器來辨識文件影像的文字, 尤其是對於手寫文字的辨識卻不容易文件經由設備輸入電腦後即為圖形資料並非文字資料, 所以在辨識上需要擷取文字部分來進行辨識, 印刷和手寫文字兩者之間的結構和字體大小不同, 且手寫較印刷者彎曲傾斜, 變異性較大, 辨識上較困難 [5] 對於不受到讀卡機限制格式的問卷, 近年來多有發展, 國外已有利用擷取裝置墊在問卷下方來側錄筆跡, 快速得到多重紙張問卷的輸入結果 [6], 但需現場操作, 無法大量發放與回收問卷印刷文字有利用垂直線 (Vertical Bar Pattern) 來辨識者 [7], 係為擷取每個單位字元的上下末端點所連成的直線, 成為文件影像中的特徵向量, 並量測影像中特徵向量的相似性來進行文字辨識國內學者已有使用應用軟體設計一套紙本手寫是非選擇題答案辨識系統 [8], 利用掃描器獲得紙本的影像, 並以影像處理方式來分辨是非與選擇題的答案, 對較潦草及傾斜字體有相當高的容忍度另外在 [9] 的研究中, 則是利用 71

勞工安全衛生研究季刊民國 101 年 3 月第 20 卷第 1 期第 70-77 頁 OMR 與既有套裝軟體進行問卷輸入, 用來提高研究調查的品質與降低問卷調查的成本, 直接透過圖形介面操作方式來直接作辨識結果校正的工作, 但其問卷輸入方法係由掃描器或傳真機掃描成圖檔, 較佔硬碟空間如何讓問卷頁面的設計編排及問卷紙張材質不受限制, 並將問卷系統自動化,

3 勞工安全衛生研究季刊民國 101 年 3 月第 20 卷第 1 期第頁 OMR 與既有套裝軟體進行問卷輸入, 用來提高研究調查的品質與降低問卷調查的成本, 直接透過圖形介面操作方式來直接作辨識結果校正的工作, 但其問卷輸入方法係由掃描器或傳真機掃描成圖檔, 較佔硬碟空間如何讓問卷頁面的設計編排及問卷紙張材質不受限制, 並將問卷系統自動化, 且能讓研究人員在自身研究室快速完成大量的問卷分析, 無須佔用過多的電腦硬體空間, 即成為吾人研究之方向實驗設備與方法本研究開發機器視覺問卷輸入影像辨識系統, 搭配自動送紙裝置 CCD(Charge- Coupled Device) 攝影鏡頭及影像介面卡, 藉由此辨識系統檢視是否能快速有效地辨識問卷完成資料輸入, 及其準確率有多高做影像處理得出框內區域, 進行填答辨識, 所得結果最後儲存成文字檔輸出, 即完成單張問卷之辨識, 並進入下一張問卷辨識流程, 直到所有問卷完成後, 程式即可關閉本系統之影像處理演算法及相關參數之取得係參照 [10] 2. 系統架構本系統使用多項硬體模組, 硬體系統架構如圖 1 所示首先由電腦將控制程式燒入至 8051 單晶片, 由單晶片把送紙命令傳達給送紙裝置, 進行送紙動作, 接著利用 CCD 攝像鏡頭擷取問卷影像, 經由 1394 影像介面卡將其影像數位化, 傳輸至電腦由影像處理程式分析並儲存結果, 如此週而復始進行, 直到問卷分析完成 1. 辨識原理本研究使用 1394 CCD 攝影機攝取問卷影像, 針對問卷所有空格分別分割成等量的關注區域 (Region Of Interest, ROI) 進行辨識並輸出填答結果, 由於 CCD 攝像特性與進紙機構連續送紙之影響, 影像傾斜 (Skew) 與魚眼效果 (Fisheye) 勢必將造成問卷影像扭曲變形, 使得所有 ROI 的定位座標與實際問卷的座標位置有些許的偏差, 程式必須透過座標轉換和魚眼效果修正, 方能將定位座標轉換成參考座標, 提供程式在辨識後續問卷時, 得以找尋所有方框的位置 [10] 因此設計上需要進行初始定位模式一次, 爾後方可辨識多張之問卷在自動辨識模式時, 填畢之問卷係由送紙機構依序將影像擷取至程式中, 先搜尋問卷所在的位置與角度, 透過還原魚眼效果及座標轉換, 得到每個空格框心的實際座標, 即可對該張問卷空格圖 1 系統硬體構示意圖 3. 軟體開發本研究軟體部分, 採用 NI(NATIONAL INSTRUMENTS) 公司所開發之圖控式程式語言 LabVIEW(Laboratory Virtual Instrument Engineering Workbench),LabVIEW 和傳統程式語言不同的地方, 在於將程式語言圖形化, 利用圖形的方式來取代撰寫的文字程式, 並用資料流 (Dataflow) 的觀念來執行程式 72

1394 Interface, 如圖 2( 上左 ) 所示作業系統 :Microsoft Windows XP SP2 (2) 單晶片單晶片由 INTEL 公司所開發出來, 目前在市面上使用很普及的單晶片微處理器之一, 普遍地應用在工業界中

而從上方水平送出, 故適合 CCD 鏡頭由上方擷取問卷影像送紙裝置所使用的馬達有兩只, 如圖 3 所示左側方為步進馬達 (PM55L-048-HP69) 其功能為帶動捲筒送紙, 右側下方之 DC(Direct Current) 馬達,

故安裝一只長臂極限開關控制其位置圖 2 ( 上左 )IEEE 1394 介面卡,( 上右 ) 影像輸入裝置,( 下 ) 單晶片控制電路板 (1) 1394 CCD 攝影機由於一般攝影機解析度約在 30 萬畫素, 在攝距 30 公分擷取 3 mm 2

4 機器視覺問卷輸入影像系統開發 4. 硬體系統設備本研究電腦系統硬體設備如下所示 : 電腦硬體 :DualCore Intel Core 2 Duo E8300 CPU, 2833 MHz 2G DDR2-800 RAM IEEE 1394 介面卡 :NI PCI-8252, IEEE 1394 Interface, 如圖 2( 上左 ) 所示作業系統 :Microsoft Windows XP SP2 (2) 單晶片單晶片由 INTEL 公司所開發出來, 目前在市面上使用很普及的單晶片微處理器之一, 普遍地應用在工業界中本研究使用的廠牌型號為 Winbond W78E65P-40, 如圖 2( 下 ) 所示, 主要將送紙信號輸出至送紙裝置 (3) 送紙裝置架構本研究利用 HP DeskJet 610C 印表機, 改裝成系統所需之送紙裝置其送紙方向由下方水平進入, 而從上方水平送出, 故適合 CCD 鏡頭由上方擷取問卷影像送紙裝置所使用的馬達有兩只, 如圖 3 所示左側方為步進馬達 (PM55L-048-HP69) 其功能為帶動捲筒送紙, 右側下方之 DC(Direct Current) 馬達, 則以時規皮帶驅動墨水匣座從右至左側盡頭, 擠壓勾桿令離合器齒輪來咬合捲筒齒輪, 再以捲筒的力道抬起紙盤並夾起紙張進行送紙 DC 馬達會在捲夾成功後隨即反轉使墨水匣座脫離勾桿而放低底盤, 因本研究未使用墨水匣, 而為了使墨水匣持續固定在左側, 故安裝一只長臂極限開關控制其位置圖 2 ( 上左 )IEEE 1394 介面卡,( 上右 ) 影像輸入裝置,( 下 ) 單晶片控制電路板 (1) 1394 CCD 攝影機由於一般攝影機解析度約在 30 萬畫素, 在攝距 30 公分擷取 3 mm 2 之方格, 僅能得到 6 6 之像素, 無法進行精細的辨識因此本研究採用 AVT&GUPPY_F146B 1394 CCD 攝影機, 架設在 copy stand 上, 如圖 2( 上右 ) 所示, 其解析度提高為四倍, 單一空格擷取像素可達 12 12, 以利於影像辨識圖 3 HP DeskJet 610C 印表機馬達位置感紙裝置是藉由滾輪上方的感紙槓桿遮蔽光電開關而動作, 如圖 4 所示無紙張時, 光電開關無遮蔽, 則為常閉狀態, 當紙張通過時, 槓桿垂下遮蔽光電開關則為開路狀態此開關狀態作為步進馬達開關動作之控制 73

勞工安全衛生研究季刊民國 101 年 3 月第 20 卷第 1 期第 70-77 頁圖 4 感紙槓桿及控制電路板圖 5 ( 左 ) 送紙裝置後側控制電路板,( 右 ) 送紙裝置控制電路板 (4) 送紙裝置控制電路板本研究將送紙裝置的兩只馬達驅動電路以及極限與光電開關電路, 整合於印表機後側做為單一控制電路板, 如圖 5( 左 ) 所示控制電路板的接點, 如圖 5( 右 ) 所示, 分別為

8051 紙信號的輸入與極限開關分別控制開啟或關閉步進馬達 IC 則由兩只 555 計時器 IC 串聯產生相反的脈波信號, 經 7404 反相器 IC 整流後, 推動二組四相步進馬達作動, 其開啟是利用另一只 555 計時器 IC 作為延遲, 搭配光電開關之感紙信號輸入, 當信號消失則關閉 (5) 實驗方法為了測試填答用筆之顏色對問卷辨識率的影響, 第一組實驗使用大眾常用的黑色藍色淺藍色

5 勞工安全衛生研究季刊民國 101 年 3 月第 20 卷第 1 期第頁圖 4 感紙槓桿及控制電路板圖 5 ( 左 ) 送紙裝置後側控制電路板,( 右 ) 送紙裝置控制電路板 (4) 送紙裝置控制電路板本研究將送紙裝置的兩只馬達驅動電路以及極限與光電開關電路, 整合於印表機後側做為單一控制電路板, 如圖 5( 左 ) 所示控制電路板的接點, 如圖 5( 右 ) 所示, 分別為 :A-24VDC 電源 ;B- 五線式步進馬達接頭 ; C- 極限開關接頭 ;D-DC 馬達接頭 ;E- 送紙信號輸入 ;F- 光電開關接頭裝置中所使用晶片有 UDN2916B 馬達驅動 IC(Integrated Circuit) 555 計時器 IC 7404 反相器 IC, 其中 DC 馬達 IC 利用一只 555 計時器 IC 與一只 7404 反相器 IC 來控制正反轉, 而由單晶片 8051 紙信號的輸入與極限開關分別控制開啟或關閉步進馬達 IC 則由兩只 555 計時器 IC 串聯產生相反的脈波信號, 經 7404 反相器 IC 整流後, 推動二組四相步進馬達作動, 其開啟是利用另一只 555 計時器 IC 作為延遲, 搭配光電開關之感紙信號輸入, 當信號消失則關閉 (5) 實驗方法為了測試填答用筆之顏色對問卷辨識率的影響, 第一組實驗使用大眾常用的黑色藍色淺藍色紫色紅色及綠色共六種顏色的原子筆及 2B 鉛筆進行填答, 每種筆個別填寫 40 張問卷, 每張問卷上有 75 格空格, 空格內容為打勾塗抹或空白三種標記平均分佈測試用的原子筆皆為 0.5mm 中性筆, 全部測試之問卷影像總計共 280 張單一問卷辨識率計算公式如下 : 辨識率 = ( 總空格個數 - 辨識失敗個數 ) 100% 總空格個數 (1) 填答問卷空格的變化因數除了上述用筆的顏色外, 填答者標記的形狀也會影響影像的辨識度, 因此第二組實驗接著利用 0.5mm 的黑色中性筆填答問卷, 使用的符號分別為國人常用的打勾英國人常用的劃斜線美國人常用的劃叉及劃圈四種空格填法, 上述四種形狀所填答的問卷亦各為 40 張, 每張問卷上有 75 格空格, 問卷空格內只有填答或空白兩種結果, 問卷辨識率計算公式同上採用式 (1) 在顏色與形狀標記之分組實驗後, 進行 74

6 機器視覺問卷輸入影像系統開發統計分析, 首先計算各分組的辨識率及標準差, 接著利用單因子變異數分析 (One-Way Analysis of Variance, One-Way ANOVA) 檢定各組間是否具有顯著差異, 若有差異則進一步利用 Scheffe 法找出相異的組別, 上述資料之計算以 SAS(Statistics Analysis System) 統計軟體進行實驗結果 1. 顏色對辨識率的測試第一組實驗使用黑色藍色淺藍色紫色紅色及綠色的原子筆及 2B 鉛筆填答問卷, 每種顏色各填答 40 張問卷, 測試結果列於表 1 結果顯示經程式辨識各種顏色所勾選的問卷辨識率範圍在 99.63% 到 99.77% 之間, 且 ANOVA 統計檢定顯示各組間辨識率並無顯著差異 (F=0.20, p=0.98), 因此可知上述顏色對問卷辨識率不致造成影響, 由於這些顏色幾乎含括所有的大眾用筆, 未來發放問卷給大眾填答時將會十分方便至於各顏色均未能達到 100% 辨識率的誤差原因, 在檢視無法辨識的填答空格後發現, 原因可能與填答者劃記的品質有關, 若其打勾符號落筆過高或過偏, 僅有下端或側方小部分進入空格內, 亦或是髒污及折痕落入空格, 均會造成辨識錯誤表 1 辨識各種顏色之筆所填答問卷的結果問卷張數辨識率 / 標準差 (%) F 值 /p 值 * 辨識問卷的類型 0.20 / 0.98 黑色原子筆 /0.67 紅色原子筆 /0.62 紫色原子筆 /0.51 藍色原子筆 /0.56 淺藍色原子筆 /0.81 綠色原子筆 /0.72 鉛筆 /0.72 * ANOVA test 2. 各種形狀的填答符號對辨識率的測試第二組實驗試驗打勾劃斜線劃叉及劃圈這四種形狀的填答標記對辨識率之影響, 測試結果如表 2 所示結果顯示打勾劃斜線劃叉及劃圈的辨識率分別為 99.93% 99.90% 96.5% 及 95.7%,ANOVA 統計檢定顯示至少有一組間有差異 (F=41.57; p<0.0001), 因此進一步以 Scheffe 法分析, 得知打勾與劃斜線間之辨識率並無差異, 劃叉與劃圈間之辨識率亦無差異, 但打勾及劃斜線分別與劃叉及劃圈間之辨識率有顯著不同究其原因, 此差異可能因為劃叉和劃圈的圖形其黑色像素佔框內區域較高, 使得有些圖形水平投影出來的結果會超出辨識程式所設定的塗抹門檻值, 因此會造成辨識錯誤的情形而打勾和劃斜線的圖形, 其黑點像素分布的情形相似且較簡潔, 使得程式辨識問卷會比其他二種標記圖形還要準確表 2 辨識各種形狀之填答符號所填答問卷的結果問卷張數辨識率 / 標準差 (%) F 值 /p 值 * 事後檢定 ** 辨識問卷的類型 41.57/< (1) 打勾 /0.29 (1) > (3) (2) 劃斜線 /0.36 (1) > (4) (3) 劃叉 /2.71 (2) > (3) (4) 劃圈 /3.40 (2) > (4) * ANOVA test; **Scheffe 法 3. 辨識時間測試結果表 3 問卷辨識速度 ( 單位 :ms) 空白問卷填畢問卷單張問卷平均辨識時間單一空格平均辨識時間程式辨識完一張問卷所需的平均時間紀錄在表 3 中, 實驗結果發現辨識空白問卷單 75

7 勞工安全衛生研究季刊民國 101 年 3 月第 20 卷第 1 期第頁張所需的平均時間為 ms, 單一空格只需 8.37ms; 填畢問卷單張所需的辨識時間為 785.5ms, 單一空格只需 10.47ms, 即在不到 0.8 秒的時間內軟體可以辨識一張問卷結論本研究藉由圖控式程式語言撰寫問卷辨識程式, 將回收問卷的影像輸入, 手動定位空格, 進行影像分析處理, 可快速地獲得填答結果並記錄成文字檔輸出, 其問卷的版面設計及紙張材質也無任何限制, 可以降低問卷紙張的設計要求與成本在性能方面的測試, 本研究對不同顏色及不同形狀之符號所填答的問卷進行辨識率測試, 結果發現所有顏色的打勾符號辨識率皆在 99.6% 以上, 辨識成果相當準確, 而且使用黑紅藍綠及鉛筆等常用筆間之辨識率並無差異, 實際應用方便而在填答符號的比較上, 不同形狀之符號其黑色像素數佔框內區域的比率有所差異, 因此影響到程式辨識結果, 使得有些標記的辨識率下降, 但是均在 95.7% 以上, 而以打勾及劃斜線為高, 因此本研究開發之程式頗符合國內問卷填答的習慣而在問卷辨識速度上, 在 0.8 秒內軟體可以辨識一張填畢問卷, 具備快速影像資料辨識功能, 為未來自動化機器視覺問卷輸入系統之完成奠定了良好的基礎致謝本研究承蒙行政院國家科學委員會經費支持, 作者們謹此致謝參考文獻 [1] Oppenheim AN. Questionnaire design, interviewing and attitude measurement. Pinter Publishers Ltd; [2] Poor DDS. Image capture and storage techniques in association with optical mark reading. United States Patent 1995; 5,452,379. [3] Gonzalez RC, Woods RE. Digital image processing. 2nd ed. New Jersey: Prentice Hall; [4] National Instruments Corporation (US). IMAQ vision concepts manual. Austin (TX): The Corporation; [5] Xu WR, Zhang HG, Guo J, Chen G. Discrimination between printed and handwritten characters for cheque OCR system. Machine Learning and Cybernetics 2002; 2: [6] Tunney WP. Method and system for identifying multiple questionnaire pages. United States Patent 2006; 7,031,520 B2. [7] Huang WC, Tan L, Sung SY, Xu Y. Vertical bar detection for gauging text similarity of document images. Document Analysis and Recognition 2001; [8] 林瑞明 : 手寫紙本是非及選擇題答案辨識系統之實作國立台中師範學院教育測驗統計研究所, 碩士論文 ;2002 [9] 曾文憲 : 光學標誌辨識技術為基礎之整合簡易式紙本資料自動收集輔助系統國立陽明大學衛生資訊與決策研究所, 碩士論文 ;2005 [10] Pu YR, Lee SH, Kuo CL. Calibration of the camera used in a questionnaire input system by computer vision. Information Technology Jounal 2011; 10:

8 Development of the Automatic Questionnaire Input System by Machine Vision Research Articles Development of the Automatic Questionnaire Input System by Machine Vision Yong-Ren Pu Su-Hsing Lee Si-Ting Dong Department of Occupational safety and Health, Chang Jung Christian University Abstract For many researchers in the area of occupational safety and health, it is very important to collect the quantitative information though questionnaire surveys. Hoping that the data of the questionnaire analysis can be more accurate and representative, people always collect and control a huge amount of data in a large-scale survey. Therefore, the questionnaire input becomes an important step in the analytical process. This study is designed to develop a technology to collect data for the occupational safety and health or other issues by improving the accuracy and efficiency in the questionnaire input. This developing system integrates a number of hardware and software modules. Each questionnaire sent by a paper feeder is captured by a camera, and analyzed in the graphical user interface in real time. The data acquired after image processing are then saved as a text file. In the first two experiments, we found by statistical analyses that the accuracies of the software to recognize the checkboxes filled with checks in various colors ranged from 99.63% to 99.77%; and that to recognize other checkboxes answered with different marks were around 95.7%~99.9%. In the last experiment, we identified that the average processing time for a blank questionnaire was ms, and for an answered one was 785.5ms, which means that the developed software is capable of processing a questionnaire during 0.8 second. These preliminary results demonstrate that the software functions in a speedy and accurate manner, which has laid the firm groundwork for the automatic questionnaire input system in the near future. Keywords: Questionnaire, Machine vision, Image processing Accepted 12 January, 2012 Corresponding to: Su-Hsing Lee, Department of Occupational Safety and Health, Chang-Jong Christian University, suhsing@mail.cjcu.edu.tw 77

(Pattern Recognition) 1 1. CCD

********************************* ********************************* (Pattern Recognition) 1 1. CCD 2. 3. 4. 1 ABSTRACT KeywordsMachine Vision, Real Time Inspection, Image Processing The purpose of this