JPH0843315A

JPH0843315A - 塗膜劣化自動診断方法

Info

Publication number: JPH0843315A
Application number: JP6174523A
Authority: JP
Inventors: Teruzou Sugano; 照造菅野; Sadao Degawa; 定男出川; Yukihiro Kono; 幸弘河野; Takaaki Akai; 隆晃赤井; Hiroshi Fujiwara; 博藤原
Original assignee: BOSHOKU ENG KK; IHI Corp
Current assignee: BOSHOKU ENG KK; IHI Corp
Priority date: 1994-07-26
Filing date: 1994-07-26
Publication date: 1996-02-16
Anticipated expiration: 2018-04-14
Also published as: JP3396960B2

Abstract

(57)【要約】【目的】コンピュータに取り込んだ画像情報から塗装
面の劣化部を評価するにおいて、自動的に濃淡しきい値
の設定が行える塗膜劣化自動診断方法を提供する。【構成】鋼橋等の構造物に施された塗装面の画像を画
像入力装置に取り込み、その画像の中の塗装面から濃淡
モフォロジィ処理にて劣化部３１を抽出し、その抽出し
た劣化部３１を診断する方法において、濃淡モフォロジ
ィ画像の濃度の平均値と標準偏差の値を用いて画像の正
規化を行い、他方予め構造物の塗装色に基づく平均濃度
値と濃淡しきい値の回帰式を求めておき、上記処理画像
の濃度平均から上記回帰式より濃淡しきい値３６を求
め、その求めた濃淡しきい値３６に基づいた正規化した
画像から劣化部３１を抽出するようにしたことを特徴と
している。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、鋼橋等の構造物の塗装
面の劣化度を検出するための塗膜劣化自動診断方法に関
するものである。

【０００２】

【従来の技術】鋼橋等の構造物を構成する鋼材には、防
錆のために塗装が施されるが、施された塗装面は、年数
が経つにつれて劣化し、塗膜の割れ、ハガレ、サビ等が
生じるため、定期的に塗膜面の劣化を検査し、その検査
に基づいて再塗装などのメンテナンスを行うようにして
いる。

【０００３】従来、塗装面の検査は、検査対象となる塗
装面を目視観察することにより、劣化度を判定していた
が、担当者によって個人差をなくすことができず、客観
性に欠ける問題がある。

【０００４】そこで、塗装面の画像情報を利用して、塗
膜劣化診断システムを開発する試みが提案されている。

【０００５】この塗膜劣化診断システムは、特願平４−
２７１８４７号（発明の名称：塗膜劣化診断方法及び装
置）に提案されるように、検査対象とする塗装面をＣＣ
Ｄカメラなどで撮像し、この画像情報をコンピュータに
取り込み、画像から劣化部を抽出すると共にその劣化部
を、予め定めた判定基準データベースを基に劣化度を診
断するようにしたものである。特に、取り込んだ画像に
は光の明暗、例えば、影等によって生じる塗装面の濃淡
差など、撮影上及び塗装面の構造上生じるシェーディン
グの影響を受けるため、先願の診断システムでは、画像
に濃淡モフォロジィ処理を行ってシーディングの影響を
除いて、塗装面より純粋に、割れ、ハガレ、サビ等によ
り生じる濃淡変化領域を個別変状部として抽出し、その
個別変状部（劣化部）の面積、平均濃淡値に対する濃
淡値の差などを算出すると共に上述のデータベースと比
較して塗装面の劣化度を診断するものである。

【０００６】

【発明が解決しようとする課題】この先願の発明におい
て、劣化部の抽出は、原画像を濃淡モフォロジィ処理し
て得られた、フィルタ画像から原画像を差し引いた画像
（これを濃淡モフォロジィ画像という）に対して二値化
処理することによって行うが、劣化部と正常部とを区分
けする濃淡しきい値は、操作員が設定しなければ、正確
な劣化部の評価が行えない問題を残していた。

【０００７】すなわち、構造物の塗装色は、多種類（現
状代表的な塗装色は６色）あり、実状にあった濃淡しき
い値の設定には、どうしても操作員が設定を行う必要が
ある。

【０００８】そこで、本発明の目的は、上記課題を解決
し、コンピュータに取り込んだ画像情報から塗装面の劣
化部を評価するにおいて、自動的に濃淡しきい値の設定
が行える塗膜劣化自動診断方法を提供することにある。

【０００９】

【課題を解決するための手段】上記目的を達成するため
に、本発明は、鋼橋等の構造物に施された塗装面の画像
を画像入力装置に取り込み、その画像の中の塗装面から
濃淡モフォロジィ処理にて劣化部を抽出し、その抽出し
た劣化部を診断する方法において、濃淡モフォロジィ画
像の濃淡値の平均値と標準偏差の値を用いて画像の正規
化を行い、他方予め構造物の塗装色に基づく平均濃度値
と濃淡しきい値の回帰式を求めておき、上記処理画像の
濃度平均から上記回帰式より濃淡しきい値を求め、その
求めた濃淡しきい値に基づいて正規化した画像を二値化
処理することによって劣化部を抽出するようにしたもの
である。

【００１０】

【作用】上記構成によれば、濃淡しきい値を設定するに
当たり、予め構造物の塗装色毎の濃度平均値と濃淡しき
い値との回帰直線法を求めておき、診断を行う際に、そ
の色を指定することで、濃淡モフォロジィ処理画像の濃
度平均より濃淡しきい値を設定することで、塗装色に対
応した正確な劣化部の抽出と診断が行える。

【００１１】

【実施例】以下、本発明の一実施例を添付図面に基づい
て詳述する。

【００１２】本システムの主な構成を図１により説明す
る。

【００１３】先ず、１は、構造物の塗装面２を含む塗装
面画像を示し、その塗装面画像１が画像入力装置３に取
り込まれる。この画像入力装置３は、コンピュータの画
像処理装置４に入力するものであればいかなる形式のも
のでもよく、例えば画像を画像処理装置４に直接入力す
るＣＣＤカメラ、塗装面画像を撮影したＶＴＲテープを
ビデオデッキの再生画像から画像処理装置４に入力する
形式のものでも、塗装面画像１の写真をスキャナなどで
読み取って画像処理装置４に入力しても或いは写真のネ
ガをフォトＣＤに納め、そのフォトＣＤをＣＤ−ＲＯＭ
ドライブで再生し、その画像信号を画像処理装置４に入
力する形式のものでも、さらにパソコン通信にて画像処
理装置４に取り込む等、いずれの形式のものでもよい。

【００１４】画像入力装置３からの画像情報は、コンピ
ュータの画像処理装置４に取り込まれ、画像処理装置４
により種々の画像処理がなされて、劣化部の抽出、塗装
面２の特徴部分であるエッジ２ａを検出、検出したエッ
ジ２ａの幅ｈの検出等がなされる。画像処理装置４に取
り込まれた画像は、画像フレームメモリ５と演算・診断
装置６に送られる。

【００１５】画像フレームメモリ５は、画像処理装置４
と演算・診断装置６につながっており、コンピュータに
取り込まれた複数枚の画像を管理すると共に画像処理装
置４側にある原画像、画像処理後の結果画像等を演算・
診断装置６からも参照できるようになっている。

【００１６】演算・診断装置６には、キーボード７が接
続されると共に表示装置８が接続される。この演算・診
断装置６は、対象構造物データーベース９、検査履歴デ
ータベース１０、判定基準データベース１１とアクセス
でき、画像処理装置４からの画像より実寸法キャリブレ
ーション処理、処理範囲の設定、劣化部の幾何学的特徴
量及び劣化度の評価処理を行うようになっており、また
これら検査結果を表、グラフ、画像の形で表示装置８に
表示するようになっている。また処理結果のデータは、
逐次検査履歴データベース１０、判定基準データベース
１１に蓄積され、以後の検査のデータベースとして格納
するようになっている。

【００１７】対象構造物データーベース９は、検査対象
となる構造物の塗装面における鋼材の特徴部分の寸法、
例えばＩ形鋼材のフランジ部の寸法や設置環境等の情報
を記録しており、演算・診断装置６は、このデーターベ
ース９からの情報と画像処理装置４からの特徴部分の寸
法データより、実キャリブレーション、処理範囲の設定
を行うと共に、劣化部の抽出、劣化度の評価にも使用す
る。

【００１８】判定基準データベース１１は、劣化部の幾
何学的特徴量を基に、劣化度を評価するための判定基準
が格納しており、劣化度の評価において使用される。

【００１９】検査履歴データベース１０は、検査に用い
た原画像、処理後の画像、及び検査結果等を記録したも
のであり、演算・診断装置６による診断時には過去の検
査結果も参照できるようになっている。

【００２０】次に、本発明の診断方法の図２に示した処
理フローチャートに基づいて説明する。

【００２１】図２（ａ）に示すように診断の制御が開始
２０されると、画像入力２１が行われ、入力された画像
に対して濃淡モフォロジィ処理２２がなされ、次に濃度
平均，分散の算出２３がなされ、図２（ｂ）に示す濃淡
モフォロジィ処理２２で求めた各画像の濃度平均より画
像の正規化処理２４がなされる。

【００２２】この正規化処理２４がなされた後、予め代
表的な塗装色毎に、固定しきい値を用いるか、回帰式よ
りしきい値算出２６を行い、その回帰式で求めたしきい
値を基に劣化部抽出２７を行うかをｓｔｅｐ１の判断で
塗装色に応じた最適な手法を選択して劣化部抽出を行
い、診断を終了２８する。

【００２３】次に、図２のフローチャートの各処理をさ
らに詳しく説明する。

【００２４】画像入力２１：現場で撮影した塗装面の写
真、ビデオテープから、或いは直接現場から、塗装面の
画像情報を画像入力装置３を介してシステムに入力す
る。入力する画像情報が複数枚ある場合には、一括して
入力する。また図１では、画像処理装置４に入力される
ようになっているが、画像フレームメモリ５を介して複
数枚の画像を入力し、その画像を順次画像処理装置４に
送るようにしてもよい。

【００２５】入力された画像は、画像処理後、画像フレ
ームメモリ５に転送される。

【００２６】また画像処理装置４は、塗装面である鋼材
の両端エッジ部を抽出し、その寸法ｈを対象構造物デー
タベース９からの実寸法を参照して、キャリブレーショ
ンを行う、すなわち画素が実寸法で何ｍｍに当たるかの
換算を行い、次にエッジ部の内側の塗装面を劣化診断の
ための処理範囲を設定する。

【００２７】濃淡モフォロジィ処理２２：画像処理装置
４は、入力した塗装面の原画像と画像フレームメモリ５
上の処理範囲マスク画像を基に、塗装面画像の処理範囲
内部に対して、画像処理技術を用いることによって、劣
化部を抽出する。

【００２８】劣化部の抽出方法の例としては、鋼材など
の影などのような照射ムラの影響を受けずに劣化部を抽
出するため、周囲に比べて局所的に暗い部分のみ抽出す
る濃淡モフォロジィ処理を適用する。

【００２９】濃淡モフォロジィ処理は、濃淡画像情報よ
り濃淡値の偏りが特定範囲の広がりを持つ部分を有意の
濃淡変化部として検出する処理であり、これにより画像
の濃淡が急変する部位を劣化部として抽出するものであ
る。

【００３０】この濃淡モフォロジィ処理は、画像処理パ
ラメータとして、劣化部の種類、フィルタサイズ、
濃淡しきい値を使用している。これらのパラメータを
適切に設定することによって、塗膜劣化部分を精度良く
抽出することができる。

【００３１】本発明は、この劣化部を自動的に抽出する
において、画像パラメータの最適値を自動的に求めるよ
うにしたものである。

【００３２】劣化部の種類濃淡モフォロジィ処理には、周囲より局所的に明るい部
分を抽出するOpening処理と暗い部分を抽出するClosing
処理の２種類がある。例えば、サビや割れなどの劣化
部分は、明るさがなだらかに変化している周囲の正常部
分に比べて相対的に暗くなっているため、このような劣
化部を抽出する場合は暗部のみを採用する。

【００３３】フィルタサイズフィルタサイズとは、濃淡モフォロジィ処理を行う際
に、対象となる画素の近傍(neighbor)の大きさを表す。
濃淡モフォロジィ処理では、原理的にこのフィルタサイ
ズよりも小さい変状部を劣化部として抽出する。良好に
劣化部を抽出するためには、予めフィルタサイズを抽出
している劣化部の大きさよりも大きく設定しておけば良
い。

【００３４】本発明においては、フィルタサイズのデフ
ォルト値として、略全部の劣化部を抽出できるサイズ、
例えば画素で１６×１６ドットのサイズを採用してい
る。このフィルタサイズは、取り込む画像の大きさにも
よるが、例えば実寸法３００ｍｍとすると４００画素数
で、１画素当たり約１．３３ｍｍ、フィルタサイズで、
約２１×２１ｍｍとなる。

【００３５】なお、デフォルト値（１６）で十分に劣化
部を抽出できなければ、初期設定でデフォルト値のフィ
ルタサイズをより大きな値となるように設定を変更する
ことができる。

【００３６】濃淡しきい値濃淡しきい値は、Opening 処理あるいはClosing 処理を
行った結果と、原画像との差画像に対して、劣化部と正
常部とを区別するためのしきい値である。

【００３７】先願においては、この濃淡しきい値は、操
作員が設定したが、本発明においては、このパラメータ
も自動設定できるようになっている。

【００３８】以下これを順に説明する。

【００３９】先ず、濃淡モフォロジィ処理による劣化部
の抽出において、取り込んだ原画像の処理範囲中の任意
の一走査における位置での明るさの濃淡分布３０が、図
１（ａ）に示すように変化しているとする。この場合、
明るさは、例えば２５６階調のモノクロで表されている
とし、全体には図示の右の位置に行くほど暗くなってい
る例を示しており、分布３０中、谷状の部分３１，３１
が、その谷の幅が予め定められた範囲内の幅（濃淡モフ
ォロジィ処理におけるフィルタサイズ以下）であるなら
ば、変状部として認識される。また中央の山形状の部分
３２は、明るい部分であり、自動処理では暗部のみ選択
しているために、変状部とは認識されない。

【００４０】図３（ａ）の原画像に最大フィルタ処理を
施したものが、図３（ｂ）である。次に、図３（ｂ）に
最小値フィルタ処理を施したものが図３（ｃ）である。

【００４１】次に、フィルタ画像分布３３から濃淡分布
３０を差し引いた変化分布３５が図３（ｄ）である。こ
のような処理を画像全体に対して施して濃淡モフォロジ
ィ処理画像が得られる。

【００４２】この処理は、画像にシェーディングがかか
っている場合でも、その影響を取り除くことができ、良
好に劣化部を抽出できる。従って、鋼橋写真のように種
々の周辺構造物の影響によって照度条件が大きく異なっ
ているものに対しても有効である。

【００４３】また図３（ｄ）の破線部３６は、以下に説
明する本発明で求めた濃淡しきい値であり、図で破線部
３６より上方が劣化部として認識される。

【００４４】正規化処理濃淡モフォロジィ画像の濃度平均、標準偏差の値を用い
て、画像の正規化を行う。ここで、正規化処理とは、次
式のように濃度平均値ｍ、標準偏差σのヒストグラム
を、濃度平均値ｍ₀、標準偏差σ₀に変換する処理をい
う。

【００４５】Ｚ´＝（σ₀／σ）（Ｚ−ｍ）＋ｍ₀ …（１）Ｚ：正規化前の画素値Ｚ´：正規化後の画素値但し、Ｚ，Ｚ´は、０〜２５５の値を取り、ｍ₀＝１２
８、σ₀＝４０としている。

【００４６】この正規化処理によって、代表的な塗装色
毎に回帰直線法で求めた、濃淡モフォロジィ画像の濃度
平均と最適なしきい値との間には、図４に示すように高
い相関関係が見られ、しきい値の設定が可能となる。

【００４７】図４においての点は、専門家による評価値
であり、回帰式により求めたシステム算出値は専門家に
優るとも劣らないほどの精度が得られる。

【００４８】回帰直線法を用いた回帰式の作成塗装色毎
に、対象画像の濃淡モフォロジィ処理画像の濃度平均
（ｍ）濃度分散（σ²）と最適なしきい値（ｔ）との間
には、一定の相関があり、最少２乗法による線形回帰分
析により、（ｔ−ｍ）／σ² ＝ａ・ｍ＋ｂ …（２）という関係が強いことが予備試験で明らかとなった。

【００４９】そこで、予め、各塗装色毎に、上記式
（２）の係数ａ，ｂを求めておけば、実際の濃度平均
値、濃度分散から濃淡しきい値を上記式（２）から求め
ることができる。

【００５０】表１は、基本的な６色の塗装色（赤色、青
色、緑色、黄色、灰色、アイボリ）の固定しきい値と、
上述の回帰直線法による係数ａ，ｂを示したものであ
る。

【００５１】

【表１】

【００５２】正規化処理画像からの劣化部抽出塗装色を指定して、上記表１より塗装色毎に設定されて
いる係数ａ，ｂを回帰式（２）に代入すると共に濃淡モ
フォロジィ処理画像の濃度平均値（ｍ）を代入して、濃
淡しきい値（ｔ）を算出する。

【００５３】但し、回帰式の傾きが十分小さい場合に
は、塗装色毎に設定した固定しきい値で正規化処理画像
を自動的に二値化し、劣化部を抽出することも可能であ
る。

【００５４】次に回帰式で算出した濃淡しきい値（ｔ）
を用いて、正規化処理画像を図３（ｄ）に示すように二
値化し、劣化部分を抽出する。

【００５５】このようにして劣化部を抽出した後は、そ
の劣化部の診断を行う。

【００５６】特徴量算出：劣化部画像を基に、劣化度評
価に必要な各種幾何学的特徴量、及びその統計量を算出
する。基本手順は、以下の通りである。

【００５７】劣化部画像に対してラベリング処理を
施す。

【００５８】各ラベル毎に面積、周囲長、円形度の
幾何学的特徴量を求める。

【００５９】上記各種特徴量について、最大値、最
小値、平均値、分散などの統計量、及び劣化部の個数を
求める。

【００６０】処理領域全体の面積と劣化部全体の面
積から劣化部の面積占有率を求める。

【００６１】ラベル毎に粒径を求め、粒径毎に劣化
部の面積占有率を求める。

【００６２】画像単位の劣化度の評価：判定基準データ
ベースの内容と得られた各種特徴量を比較することによ
って、画像１枚についての劣化度を評価する。劣化度の
評価基準の例としては、画像全体に占める劣化部分の面
積占有率や劣化部を粒径毎に分類し、各グループ毎の面
積占有率を基に評価する。

【００６３】劣化度の総合評価：先ず、鋼材単位で評価
し、次に構造物全体について評価する。

【００６４】鋼材単位の評価は、同一鋼材に含まれる複
数枚の画像の判定結果を統計処理することによって算出
する。この時、判定結果が平均値から偏差が著しい画像
については、劣化部の抽出などの処理が適切に行われて
いないと判断して鋼材の評価から除外する。必要に応じ
て、操作員が画像の良否を判断できるようにもなってい
る。

【００６５】

【表２】

【００６６】表２は、塗膜の劣化度判定基準の一例を示
したもので、例えばサビの場合、粒径分布を６段階で求
め、また評価をＡ〜Ｅの５段階で自動的に表示装置８に
表示できるようにしたものである。

【００６７】これにより、操作員は劣化部の画面を見る
ことなく、簡単に構造物の塗装面の状態を把握すること
が可能となる。

【００６８】構造物全体の評価は、対象構造物データベ
ース９からの各鋼材の重要性の度合いを表した重み計数
を入手し、鋼材毎の重み付け平均などの統計処理をする
ことによって算出する。これによって構造物全体の劣化
度を偏りなく評価できると共に、各鋼材ごとの評価も行
っているため部分塗替えなどの判定も行うことができ
る。

【００６９】検査した塗装面の画像情報、及び検査情報
は、表示装置８上に表示すると共に検査履歴データベー
ス１０に蓄積する。

【００７０】検査履歴データベース１０には、検査対象
となった鋼材の各塗装面の評価結果が表２に示した判定
基準で格納されており、同一撮影箇所の塗装面の過去の
検査結果を検査毎に蓄積されるようになっており、定期
検査によるデータの蓄積で、過去の検査結果と現在の検
査結果とを１つのデータベースとして蓄積することがで
き、過去の履歴と現在の検査結果から、将来の劣化度を
推定でき、これによりその部分の塗替え時期を予測でき
ると共に、構造物全体に対してもその塗替え時期も予測
できるようになっている。

【００７１】

【発明の効果】以上要するに本発明によれば、濃淡しき
い値を設定するに当たり、予め構造物の塗装色毎の濃度
平均値と濃淡しきい値とを回帰直線により求めておき、
診断を行う際に、その色を指定することで、濃淡モフォ
ロジィ処理画像の濃度平均より濃淡しきい値を設定する
ことで、塗装色に対応した正確な劣化部の抽出と診断が
行える。

【図面の簡単な説明】

【図１】本発明の一実施例を示すシステム構成図であ
る。

【図２】本発明の処理フローの概略図である。

【図３】本発明において、塗装面の原画像から濃淡モフ
ォロジィ処理を行い、さらに劣化部を抽出する際の説明
図である。

【図４】本発明において、回帰直線法により求めた濃度
平均値と濃淡しきい値の関係を示す図である。

【符号の説明】

２塗装面３画像入力装置４画像処理装置６演算・診断装置３１劣化部３６濃淡しきい値

───────────────────────────────────────────────────── フロントページの続き (72)発明者河野幸弘東京都江東区豊洲三丁目１番15号石川島播磨重工業株式会社東二テクニカルセンター内 (72)発明者赤井隆晃東京都江東区豊洲三丁目１番15号石川島播磨重工業株式会社東二テクニカルセンター内 (72)発明者藤原博東京都三鷹市下連雀１丁目19番５号

Claims

【特許請求の範囲】

【請求項１】鋼橋等の構造物に施された塗装面の画像
を画像入力装置に取り込み、その画像の中の塗装面から
濃淡モフォロジィ処理にて劣化部を抽出し、その抽出し
た劣化部を診断する方法において、濃淡モフォロジィ画
像の濃度値の平均値と標準偏差の値を用いて画像の正規
化を行い、他方予め構造物の塗装色に基づく平均濃度値
と濃淡しきい値の回帰式を求めておき、上記処理画像の
濃度平均から上記回帰式より濃淡しきい値を求め、その
求めた濃淡しきい値に基づいて正規化した画像から劣化
部を抽出することを特徴とする塗膜劣化自動診断方法。