CN102089641A - 钢材材质判断装置及钢材材质判断方法 - Google Patents

Abstract

本发明的目的在于提供一种钢材材质判断装置以及钢材材质判断方法，能够稳定地高精度地判断钢材的碳含量。钢材材质判断装置(1)以及钢材材质判断方法的特征在于，该钢材材质判断装置(1)具备：摄像单元(2)，其连续多次拍摄摩擦钢材(102)时产生的火花(103)；检测单元(3)，其从摄像单元(2)拍摄得到的各摄像图像(6)中检测火花区域以及破裂火花区域；算出单元(4)，其针对全部摄像图像(6)，对检测单元(3)所检测出的各摄像图像(6)中的火花区域以及破裂火花区域的数量分别进行合计，来算出火花区域的总数以及破裂火花区域的总数，并算出破裂火花区域的总数相对于火花区域的总数的比例；以及判断单元(5)，其根据比例来判断钢材(102)的碳含量。

Description

钢材材质判断装置及钢材材质判断方法

技术领域

本发明涉及一种判断钢材的碳含量的钢材材质判断装置及钢材材质判断方法。

背景技术

作为判断钢材的碳含量的方法已知以下方法：检查员视觉观察利用砂轮机等摩擦钢材而产生的火花的状态，检查员根据火花的状态来判断钢材的碳含量。但是，这种方法存在以下问题：判断结果取决于检查员的个人技能，因此判断结果不够准确，并且需要熟练的检查员。

在专利文献1中公开了一种以解决这种问题为目的的钢材检查装置。专利文献1所公开的钢材检查装置拍摄利用砂轮机等摩擦钢材而产生的火花。然后，该钢材检查装置在摄像图像中设定以与该摄像图像中的破裂的各火花相对应的破裂火花区域的重心位置为中心的圆形区域。然后，该钢材检查装置根据破裂火花区域占各圆形区域的面积以及各圆形区域的外周缘与破裂火花区域进行交叉的交叉点数来判断钢材的碳含量。

专利文献1：日本专利第3482265号公报

发明内容

发明要解决的问题

然而，破裂火花区域占圆形区域的面积、圆形区域的外周缘与破裂火花区域进行交叉的交叉点数依赖于破裂火花的数量、大小等。破裂火花的数量、大小不仅依赖于钢材的碳含量，也依赖于砂轮机等对钢材的推压力、钢材与砂轮机等的接触面积等。于是，破裂火花区域占圆形区域的面积、圆形区域的外周缘与破裂火花区域进行交叉的交叉点数根据砂轮机等对钢材的推压力、钢材与砂轮机等的接触面积等而改变。于是，专利文献1所公开的钢材检查装置有时无法正确地判断钢材的碳含量。

因此，本发明的目的在于提供一种能够稳定地高精度地判断钢材的碳含量的钢材材质判断装置及钢材材质判断方法。

用于解决问题的方案

本发明提供一种钢材材质判断装置，该钢材材质判断装置的特征在于，具备：摄像单元，其连续多次拍摄摩擦钢材时产生的火花；检测单元，其从上述摄像单元拍摄得到的各摄像图像中检测火花区域以及该火花区域中具有三个以上的端部的破裂火花区域；算出单元，其针对全部摄像图像，对上述检测单元所检测出的各摄像图像中的火花区域和破裂火花区域的数量分别进行合计，算出火花区域的总数以及破裂火花区域的总数，来算出上述破裂火花区域的总数相对于上述火花区域的总数的比例；以及判断单元，其根据上述比例来判断上述钢材的碳含量。

在摩擦钢材而产生的火花中存在有破裂的破裂火花和不破裂的流线。破裂火花由于破裂而产生分支，因此具有三个以上的端部；流线不破裂，因此具有两个端部。破裂火花的数量相对于摩擦钢材时产生的火花的数量(即，(破裂火花的数量)+(流线的数量))的比例(下面称为“实际的破裂率”)依赖于钢材的碳含量。另一方面，实际的破裂率不依赖于砂轮机等对钢材的推压力、钢材与砂轮机等的接触面积等。本发明所涉及的钢材材质判断装置根据破裂火花区域的总数相对于火花区域的总数的比例(下面适当地称为“破裂率”)来判断钢材的碳含量。因此，判断结果不会受到砂轮机等对钢材的推压力、钢材与砂轮机等的接触面积等的影响。因此，本发明所涉及的钢材材质判断装置能够稳定地高精度地判断钢材的碳含量。

摄像单元拍摄得到的摄像图像中的火花区域的浓度即使在同一火花区域内在中央部与在周围部中也不同，并且火花区域彼此之间也不同。因此，在通过摄像图像的二值化来从摄像图像中检测火花区域以及破裂火花区域的情况下，当用于二值化的阈值较大时，难以检测构成火花区域的全部像素，从而难以正确地进行火花区域以及破裂火花区域的检测。另一方面，当用于二值化的阈值较小时，浓度比较大的火花区域的周围区域的浓度也大于等于该阈值，从而难以正确地进行火花区域以及破裂火花区域的检测。

从正确地进行火花区域以及破裂火花区域的检测的观点出发，优选构成为上述检测单元进行以下步骤：第一检测步骤，对一条像素线检测由浓度大于等于第一阈值且沿上述像素线连续的像素构成的火花候选像素群，其中，上述像素线是构成上述摄像单元拍摄得到的各摄像图像的像素线；第二检测步骤，检测构成上述火花候选像素群的像素的最大浓度，利用第二阈值将构成上述火花候选像素群的像素二值化，由此从构成上述火花候选像素群的像素中检测火花像素群，其中，上述第二阈值小于上述最大浓度且大于上述第一阈值并相对与所检测出的上述最大浓度具有规定的比例；以及认定步骤，通过针对构成各摄像图像的全部像素线执行上述第一检测步骤和上述第二检测步骤，制作表示上述火花像素群的二值化图像，将在该二值化图像中在任一个方向上连续的上述火花像素群认定为上述火花区域。

与火花区域分开的区域完全或者几乎不会受到火花的影响。因此，与火花区域相比，与火花区域分开的区域的浓度非常小。当将在第一检测步骤中使用的第一阈值设定为大于构成与火花区域分开的区域的像素的浓度的值时，能够从作为火花候选像素群而检测出的像素中排除构成与火花区域分开的区域的像素。另一方面，在上述优选结构中，检测浓度大于等于第一阈值且沿像素线连续的像素来作为一个火花候选像素群。因此，当将第一阈值设定为构成火花区域的像素中浓度最小的像素的浓度(下面，适当地称为最小浓度)以下的值时，检测出构成包括沿像素线连续的像素的火花区域的全部像素来作为一个火花候选像素群。但是，当将第一阈值设为最小浓度以下的值时，构成火花区域的周围区域的像素的浓度有可能大于等于第一阈值。当构成周围区域的像素的浓度大于等于第一阈值时，在火花区域及其周围区域中具有大于等于第一阈值的浓度的像素是连续的。在这种情况下，会检测出构成一个火花区域的像素以及构成其周围区域的像素而作为一个火花候选像素群。在上述结构中，对每个火花候选像素群进行第二检测步骤，在第二检测步骤中使用的第二阈值小于构成火花候选像素群的像素的最大浓度且相对于该最大浓度具有规定的比例。火花区域与其周围区域相比，火花区域的浓度更大。因此，在火花候选像素群包括构成一个火花区域的像素以及构成其周围区域的像素的情况下，通过适当地设定上述规定的比例，能够将构成周围区域的像素的浓度设为小于第二阈值。因而，根据上述优选结构，能够高精度地检测包括构成火花区域的像素的火花像素群。将该火花像素群在规定方向上连续而得到的区域认定为火花区域。于是，根据上述优选结构，能够正确地检测火花区域和破裂火花区域。

优选构成为，上述检测单元对上述二值化图像实施细线化处理，将在进行细线化处理得到的该二值化图像中在任一个方向上连续的上述火花像素群认定为上述火花区域，将所认定的火花区域中具有三个以上的端部的火花区域认定为上述破裂火花区域。

根据上述优选结构，在实施细线化处理之后，进行将具有三个以上端部的火花区域认定为破裂火花区域的处理。如果端部的认定在实施细线化处理之后进行则能够容易地进行，因此根据上述优选结构，能够容易地进行破裂火花区域的认定。

优选构成为，上述钢材为碳钢或者合金钢，上述判断单元在上述火花区域的总数小于第三阈值的情况下，判断为上述钢材是合金钢，在上述火花区域的总数大于等于上述第三阈值的情况下，判断为上述钢材是碳钢，在判断为上述钢材是碳钢的情况下，根据上述比例来判断该钢材的碳含量。

摩擦合金钢时产生的火花的数量与摩擦碳钢时产生的火花的数量相比明显少。于是，根据上述优选结构，能够判断钢材是碳钢或者合金钢。

另外，本发明还提供一种钢材材质判断方法，该钢材材质判断方法的特征在于，包括以下步骤：摄像步骤，连续多次拍摄摩擦钢材时产生的火花；检测步骤，从在上述摄像步骤中拍摄得到的各摄像图像中检测火花区域以及该火花区域中具有三个以上的端部的破裂火花区域；算出步骤，针对全部摄像图像，对在上述检测步骤中检测出的各摄像图像的火花区域以及破裂火花区域的数量分别进行合计，算出火花区域的总数以及破裂火花区域的总数，来算出上述破裂火花区域的总数相对于上述火花区域的总数的比例；以及判断步骤，根据上述比例来判断上述钢材的碳含量。

优选为，在上述摄像步骤中，对在利用2.94N以上且9.8N以下的力将摩擦部件推压到钢材的状态下由上述摩擦部件来摩擦上述钢材而产生的火花进行摄像。

当将砂轮机等摩擦部件对钢材的推压力设为2.94N以上时，利用摩擦部件摩擦钢材时产生的火花的数量较多，从而能够缩小破裂率与实际的破裂率之差。于是，根据上述优选结构，能够高精度地稳定地判断钢材的碳含量。另外，当将摩擦部件对钢材的推压力设为9.8N以下时，不会对钢材造成深的伤痕，而能够判断钢材的碳含量。

如上所述，说明了根据破裂率来判断钢材的碳含量。然而，构成钢材的材质的成分中除了包含碳成分以外，还包含由Cr、Mo、Ti、Mn等元素构成的合金成分。因此，在更高精度地判断钢材材质的情况下，不仅钢材的碳含量，钢材的合金成分含量也是重要的因素。如上所述，能够根据破裂率来高精度地判断钢材的碳含量。然而，破裂率的变化相对于钢材的合金成分含量的变化较小，因此无法根据破裂率来高精度地判断钢材的合金成分含量。

因此，优选上述判断单元根据碳含量和上述钢材的合金成分含量来判断上述钢材的材质，其中，上述碳含量是根据上述比例判断得到的，上述钢材的合金成分含量是通过不利用摩擦上述钢材时产生的火花的方法而判断得到的。

根据不利用摩擦钢材时产生的火花的方法，与根据上述比例(破裂率)来判断钢材的合金成分含量的情况相比，能够高精度地判断钢材的合金成分含量。因而，根据上述优选结构，能够更高精度地判断钢材的材质。此外，作为不利用摩擦钢材时产生的火花的方法，能够举出荧光X线分析法。另外，在钢材的合金成分由多种各元素的成分构成的情况下，钢材的合金成分含量是指构成钢材的合金成分的各元素的成分的含量。

发明的效果

本发明能够提供一种能够稳定地高精度地判断钢材的碳含量的钢材材质判断装置及钢材材质判断方法。

附图说明

图1是本实施方式所涉及的材质判断装置的示意图。

图2是摄像单元拍摄得到的摄像图像的示意图。

图3是表示构成图2示出的像素线X的各像素的浓度的图表。

图4是表示砂轮机的砂轮的圆周速度为30mm/sec时的摄像单元的曝光时间、各种火花区域的数量相对于出现在摄像图像中的火花区域的数量的比例的图表。

图5是表示实施了细线化处理的二值化图像的一部分的图。

图6是表示摩擦合金钢时产生的火花以及摩擦碳钢时产生的火花的数量的图表。

图7是表示钢材的碳含量与破裂率的关系的图表。

图8是表示砂轮机对钢材的推压力与所产生的火花的数量以及对钢材造成的伤痕的深度之间的关系的图表。

图9是表示对利用砂轮机摩擦钢材的壁部时产生的火花进行拍摄的状态的示意图。

附图标记说明

1：材质判断装置；2：摄像单元；3：检测单元；4：算出单元；5：判断单元。

具体实施方式

图1是本实施方式所涉及的钢材材质判断装置1(下面称为“材质判断装置1”)的示意图。如图1所示，本实施方式所涉及的材质判断装置1根据将砂轮机101等摩擦部件推压到钢材102而进行摩擦时产生的火花103来判断钢材102所含的碳含量。材质判断装置1具有摄像单元2、检测单元3、算出单元4、判断单元5。

摄像单元2连续多次拍摄摩擦钢材102时产生的火花103。图2是摄像单元2拍摄得到的摄像图像6的示意图。如图2所示，摄像图像6包括配置成矩阵状的M×N个像素，具有M个像素线。在摄像图像6中存在火花区域71～73、各火花区域71～73的周围区域71’～73’以及其它区域70(与火花区域71～73分开的区域)。图3是表示构成图2示出的像素线X的各像素的浓度的图表。如图3所示，各火花区域71～73的浓度大于各火花区域71～73的周围区域71’～73’的浓度，各周围区域71’～73’的浓度大于其它区域70的浓度。但是，火花在周围部的亮度小于在中央部的亮度，因此在火花区域中，周围部的浓度小于中央部的浓度。另外，火花103彼此之间的亮度不均匀，因此火花区域71～73彼此之间浓度有所不同。此外，在火花区域中存在破裂火花区域和流线火花区域。破裂火花区域是指具有三个以上的端部的火花区域。因而，图2示出的火花区域71和火花区域72是破裂火花区域。此外，火花区域71具有三个端部，火花区域72具有十三个端部。另外，流线火花区域是指具有两个端部的火花区域。因而，图2示出的火花区域73是流线火花区域73。

砂轮机101的砂轮的圆周速度越快则设定摄像单元2的曝光时间越短。这样设定摄像单元2的曝光时间是基于以下理由。砂轮机101的砂轮的圆周速度越快则火花的飞散速度越快。在火花的飞散速度很快的情况下，如果曝光时间较长，则在摄像图像中容易地重叠多个火花区域，如果重叠多个流线火花区域，则会形成具有三个以上的端部的破裂火花区域。图4是表示砂轮机101的砂轮的圆周速度为30mm/sec时的摄像单元2的曝光时间、各种火花区域的数量相对于出现在摄像图像6中的各种火花区域的数量总数的比例的图表。此外，图4示出的干扰火花区域是指多个火花区域重叠(破裂火花区域相互重叠、流线火花区域相互重叠或者破裂火花区域与流线火花区域重叠)而形成的火花区域。图4示出的破裂火花区域的数量相对于各种火花区域的数量总数的比例是没有形成干扰火花区域的破裂火花区域的数量相对于各种火花区域的数量总数的比例。图4示出的流线火花区域的数量相对于各种火花区域的数量总数的比例是没有形成干扰火花区域的流线火花区域的数量相对于各种火花区域的数量总数的比例。如图4所示，如果曝光时间变长则干扰火花区域的数量增加，流线火花区域重叠，由此形成大量的破裂火花区域。另一方面，曝光时间越短则越难以利用摄像单元2来捕捉火花破裂的瞬间，破裂火花在摄像图像上成为仅具有两个端部的流线火花区域而出现的可能性增加。于是优选为，在砂轮机101的砂轮的圆周速度较慢的情况下，形成干扰火花区域的可能性较小，因此将摄像单元2的曝光时间设为较长，而砂轮机101的砂轮的圆周速度越快则使摄像单元2的曝光时间越短。此外，在本实施方式中，曝光时间设为1/250秒。另外，摄像单元2以1/200秒为间隔进行拍摄。

检测单元3从摄像单元2拍摄得到的各摄像图像6中检测火花区域和破裂火花区域。检测单元3执行如下第一检测步骤：对在各摄像图像6中的M个像素线中的规定的一条像素线X检测火花候选像素群，该火花候选像素群包括浓度大于等于第一阈值TH1且沿像素线X连续的像素。

以下那样进行第一检测步骤。首先，如图3所示，检测单元3从构成像素线X的一端部的像素X1起依次判断构成像素线X的像素的浓度是否大于等于第一阈值TH1。在本实施方式中，第一阈值TH1设为小于等于构成火花区域71～73的全部像素以及构成周围区域71’～73’的全部像素的浓度值并且超过构成其它区域70的全部像素的浓度值的值。作为将第一阈值TH1设定为这样的值的方法，例如能够举出将如下浓度值设为第一阈值TH1的方法，该浓度值表示略超出操作员在没有产生火花时利用摄像单元2拍摄得到的摄像图像6中具有最大浓度的像素浓度的浓度。

从像素X1至构成周围区域71’的一端部(首次被判断浓度是否大于等于第一阈值TH1的像素X1所存在一侧的端部)的像素Xa为止的像素(其中不包含像素Xa)都是构成其它区域70的像素。因此，检测单元3判断为从像素X1至像素Xa的像素(其中不包含像素Xa)的浓度小于第一阈值TH1。另一方面，构成周围区域71’的像素Xa的浓度大于等于第一阈值TH1，因此检测单元3判断为该像素Xa的浓度大于等于第一阈值TH1。当判断为浓度大于等于第一阈值TH1时，检测单元3进一步在像素线X的另一侧观察各像素的浓度，检测首次发生浓度小于第一阈值TH1的像素的前一个像素Xc(构成周围区域71’的另一端部)。然后，检测单元3将包含从像素Xa至像素Xc的全部像素(包含像素Xa和像素Xc)的像素群作为火花候选像素群81来进行检测。

当检测单元3检测火花候选像素群81时，检测单元3判断与像素Xc相比靠近像素线X另一侧的像素的浓度是否大于等于第一阈值TH1，从而进行火花候选像素群的检测。在像素线X中，存在构成火花区域72、73和周围区域72’、73’的像素，这些像素的浓度大于等于第一阈值TH1。于是，检测单元3将从构成周围区域72’的一端部的像素Xd至构成周围区域72’的另一端部的像素Xe的全部像素(包含像素Xd和像素Xe)作为火花候选像素群82来进行检测；检测单元3将从构成周围区域73’的一端部的像素Xf至构成周围区域73’的另一端部的像素Xg的全部像素(包含像素Xf和像素Xg)作为火花候选像素群83来进行检测。

检测单元3当对像素线X执行了第一检测步骤时，对检测出的各火花候选像素群81～83执行第二检测步骤。在对火花候选像素群81执行的第二检测步骤中，如图3所示，检测单元3检测构成火花候选像素群81的具有最大浓度的像素的最大浓度Cmax。接着，检测单元3算出第二阈值TH2，该第二阈值TH2小于检测出的最大浓度Cmax并且大于第一阈值TH1，相对于检测出的最大浓度Cmax具有规定比例。检测单元3用所算出的第二阈值TH2对构成火花候选像素群81的像素进行二值化。然后，检测单元3将由构成火花候选像素群81的像素中的浓度大于等于第二阈值TH2的像素构成的像素群作为火花像素群91来进行检测。同样地，检测单元3对火花候选像素群82、83执行第二检测步骤，检测火花像素群92、93。

这样，对每个火花候选像素群进行第二检测步骤，在第二检测步骤中使用的第二阈值TH2小于构成各火花候选像素群的像素的最大浓度，并且相对于该最大浓度具有规定的比例。如图3所示，在火花区域71～73与其周围区域71’～73’中，火花区域71～73的浓度更大。因此，在各火花候选像素群81～83中，能够将构成周围区域71’～73’的像素的浓度设为小于第二阈值TH2。于是，通过执行第二检测步骤，能够检测包含构成火花区域的像素的火花像素群。

检测单元3通过对构成各摄像图像的全部像素线执行上述第一检测步骤和第二检测步骤，来对每个摄像图像制作表示火花像素群的二值化图像。接着，检测单元3对各摄像图像的二值化图像实施细线化处理。通过进行细线化处理，易于正确地进行对在二值化图像中出现的火花像素群的端部的认定。

检测单元3从实施了细线化处理的各摄像图像的二值化图像中检测火花区域和破裂火花区域。该火花区域的检测首先针对细线化处理后的二值化图像搜索构成火花像素群的像素。图5是表示实施了细线化处理的二值化图像的一部分的图。此外，在图5中设为，被记入斜线的像素为由检测单元3判断为是构成火花像素群的像素。如图5所示，检测单元3在检测构成火花像素群的像素(Xi，Yj)时，判断该像素(Xi，Yj)周围的八个像素是否分别是构成火花像素群的像素。如图5所示，检测单元3将周围八个像素中的像素(Xi+1，Yj-1)判断为是构成火花像素群的像素。当判断了周围八个像素是否分别是构成火花像素群的像素时，检测单元3再判断周围八个像素中已被判断为是构成火花像素群的像素(Xi+1，Yj-1)周围八个像素是否分别是构成火花像素群的像素。这样，针对已被判断为是构成火花像素群的像素(Xi+2，Yj-2)、像素(Xi+3，Yj-1)、像素(Xi+4，Yj)、像素(Xi+1，Yj-3)、像素(Xi，Yj-4)、像素(Xi-1，Yj-5)分别进行判断，检测单元3判断上述各像素周围八个像素是否是构成火花像素群的像素。

此外，针对像素(Xi，Yj)、像素(Xi+4，Yj)以及像素(Xi-1，Yj-5)，判断为其周围八个像素中仅一个像素是构成火花像素群的像素。这样的像素被判断为其周围八个像素中仅一个像素是构成火花像素群的像素，检测单元3将这样的像素认定为端部像素。

检测单元3将由在与像素线平行的方向(图5的左右方向)、正交的方向或者与像素线形成45°的方向上连续的构成火花像素群的像素(像素(Xi，Yj)、像素(Xi+1，Yj-1)、像素(Xi+2，Yj-2)、像素(Xi+3，Yj-3)、像素(Xi+4，Yj)、像素(Xi+1，Yj-3)、像素(Xi，Yj-4)、像素(Xi-1，Yj-5))构成的区域认定为火花区域。

当认定了火花区域时，检测单元3针对二值化图像的其它像素也判断是否是构成火花像素群的像素，当对二值化图像的全部像素判断了是否是构成火花像素群的像素时，结束从该二值化图像中检测火花区域。

检测单元3将所认定的各火花区域中的如下火花区域认定为破裂火花区域，该火花区域具有三个以上被认定为是端部像素的像素。

此外，由于干扰火花区域也具有三个以上的端部像素，因此检测单元3会将干扰火花也认定为破裂区域。因此，为了不产生干扰火花区域，如上所述，优选设为，砂轮机101的砂轮的圆周速度越快则摄像单元2的曝光时间越短。

算出单元4针对全部摄像图像，对由检测单元3所认定(所检测出)的细线化处理后的各摄像图像的二值化图像中的火花区域和破裂火花区域的数量分别进行合计，算出火花区域的总数α以及破裂火花区域的总数β，并算出破裂火花区域的总数β相对于火花区域的总数α的比例(即，破裂率)。

算出单元4用以下式(1)来算出破裂率Z。

[式1]

$Z=\frac{\underset{i=1}{\overset{L}{\mathrm{\Σ}}}B}{\underset{i=1}{\overset{L}{\mathrm{\Σ}}}A}\·\·\·\left(1\right)$

A：在细线化处理后的各摄像图像的二值化图像中认定的火花区域的数量

B：在细线化处理后的各摄像图像的二值化图像中认定的破裂火花区域的数量

L：摄像图像的个数

判断单元5在火花区域的总数α小于第三阈值的情况下，将钢材102判断为合金钢，在火花区域的总数α大于等于第三阈值的情况下，将钢材102判断为碳钢。能够这样根据火花区域的总数α来判断是合金钢还是碳钢的原因在于，利用砂轮机等摩擦合金钢时产生的火花的数量明显小于摩擦碳钢时产生的火花的数量。此外，在图6中示出利用砂轮机摩擦含有Cr和Mo且Cr的含量不同的多个合金钢时产生的火花的数量以及摩擦碳含量为0.1％、0.2％、0.27％、0.33％、0.44％的多个碳钢时产生的火花的数量。此外，合金钢是指满足以下条件1～4中的至少一个条件的钢。

条件1：Cr的含量在0.5％以上。

条件2：Ni的含量在0.5％以上。

条件3：Mo的含量在0.25％以上。

条件4：Cu的含量在0.25％以上。

另外，碳钢是指不满足条件1～4的全部条件的钢。

判断单元5在判断为碳钢时，根据破裂率Z来判断钢材102的碳含量。此外，判断单元5可以判断碳含量本身，也可以根据所判断的碳含量来判断钢材102的种类(钢材的成分等)。另外，判断结果也可以显示在监视器等结果显示单元51中或者存储在硬盘、存储器等存储单元52中。

如上所述，在本实施方式所涉及的材质判断装置1中，根据破裂火花区域的总数β相对于火花区域的总数α的比例、即破裂率Z来判断钢材102的碳含量。如图7所示，摩擦钢材102时产生的破裂火花的数量相对于火花的数量(即，(破裂火花的数量)+(流线的数量))的比例、即实际破裂率依赖于钢材102的碳含量，而不依赖于砂轮机101对钢材102的推压力、钢材102与砂轮机101的接触面积等。于是，材质判断装置1的判断结果不会受到砂轮机101对钢材102的推压力、钢材102与砂轮机101的接触面积等的影响，因此，材质判断装置1能够稳定地高精度地判断钢材102的碳含量。另外，如图7所示，在碳含量为0.1～0.5％之间，碳含量每相差0.1％则破裂率Z大约相差10％。因此，在碳含量为0.1～0.5％之间，材质判断装置1能够以0.1％为单位来高精度地判断碳含量。

检测单元3所进行的第一检测步骤的执行方法并不限于上述方法。例如，能够如下那样执行第一检测步骤。

首先，检测单元3从构成像素线(在此，设为图2示出的像素线X)的一端部的像素X1起依次判断构成一条像素线的像素的浓度是否大于等于第一阈值TH1，其中，上述像素线是构成由摄像单元2拍摄得到的各摄像图像6的像素线。如图3所示，检测单元3在判断为像素Xa的浓度大于等于第一阈值TH1时，将由被判断为浓度大于等于第一阈值TH1的像素Xa与在像素线X上的另一侧距该像素Xa规定像素数K的像素X(a+k)之间的像素构成的像素群(即，包含像素Xa～X(a+k-1)的像素群)作为火花候选像素群81来进行检测。检测单元3针对与火花候选像素群81相比靠近像素线X的另一侧存在的像素也判断浓度是否大于等于第一阈值TH1，进行火花候选像素群的检测。

在该方法中，通过将规定像素数K设为与火花区域的像素线X方向的大小相对应或者与比该大小稍大一些的大小相对应的像素数，例如图3所示那样能够防止在构成一个火花候选像素群81的像素中包含构成火花区域71的像素和构成火花区域72的像素。如果在构成一个火花候选像素群81的像素中包含构成火花区域71的像素和构成火花区域72的像素，则第二阈值成为相对于浓度较大的火花区域71的最大浓度Cmax具有规定比例的值，因此构成火花区域72的像素有可能小于第二阈值TH2。于是，构成火花区域72的像素无法构成火花像素群。于是，将规定像素数K设为与火花区域的像素线X方向的大小相对应或者与比该大小稍大一些的大小相对应的像素数，由此构成火花区域的全部像素都能够构成火花像素群，构成火花区域的全部像素能够成为构成由检测单元3检测出的火花区域的像素。

另外，优选砂轮机101对钢材102的推压力为2.94N以上9.8N以下。如图8所示，当将该推压力设为2.94N以上时，利用砂轮机101摩擦钢材102时产生的火花的数量较多，能够缩小破裂率Z与实际的破裂率之差。于是，能够高精度地稳定地判断钢材102的碳含量。另外，如图8所示，当将推压力设为9.8N以下时，不会对钢材102造成深的伤痕，能够利用本实施方式所涉及的材质判断装置1来判断钢材102的材质。

另外，在钢材102呈圆筒状或者圆柱状的情况下，钢材102与砂轮机101摩擦的部位优选为如图9所示那样的钢材102的轴方向的端部上的壁部，而不是钢材102的周面，这是基于如下那样的理由。是因为在钢材102的周面有时会形成碳含量不均匀的层(所谓黑皮材料)，从而判断结果不稳定。另外，也考虑到去除黑皮材料来摩擦钢材102的周面，但是当去除黑皮材料时，存在钢材102产生较大的伤痕这种问题。并且，有时在钢材102的周面涂敷有油等，如果摩擦钢材102的周面，则存在油脱落这种问题。

在构成钢材102的材质的成分中除了包含碳成分以外，还包含由Cr、Mo、Ti、Mn等元素构成的合金成分。因此，在更高精度地判断钢材102的材质的情况下，不仅钢材102的碳含量，钢材102的合金成分含量也是重要的因素。如上所述，能够根据破裂率Z来高精度地判断钢材102的碳含量。然而，破裂率的变化相对于钢材102的合金成分含量的变化较小，因此无法根据破裂率Z来高精度地判断钢材102的合金成分含量。下面说明用于更高精度地判断上述那样被判断为碳钢的钢材102的材质的优选结构。在上述优选结构中，材质判断装置1除了具备摄像单元2、检测单元3、算出单元4、判断单元5、结果显示单元51以及存储单元52，还具备荧光X线分析装置。荧光X线分析装置是对钢材102进行荧光X线分析的装置。此外，荧光X线分析装置的结构是公知的，因此，在此省略荧光X线分析装置的说明。如上所述，判断单元5在根据破裂率Z来判断钢材102为碳钢时，根据破裂率Z来判断该钢材102的碳含量，等待被输入该钢材102的荧光X线分析的分析结果。在此，利用荧光X线分析装置对由判断单元5判断为是碳钢的钢材102进行荧光X线分析，当该分析结果从荧光X线分析装置被输入到判断单元5时，判断单元5根据所输入的分析结果来判断钢材102的合金成分含量。然后，判断单元5根据该合金成分含量和碳含量来判断钢材102的材质。利用根据荧光X线分析的分析结果来判断钢材102的合金成分含量的方法，与根据破裂率Z来判断钢材102的合金成分含量的情况相比，能够更高精度地判断钢材102的合金成分含量。因而，根据上述优选结构，能够更高精度地判断钢材102的材质。

并且，根据本实施方式，即使不对被判断为是合金钢的钢材102判断碳含量，也可以如下那样由判断单元5对被判断为是合金钢的钢材102的材质进行判断。如上所述，判断单元5在根据破裂率Z判断为钢材102是合金钢时，不判断碳含量，而等待被输入该钢材102的荧光X线分析的分析结果。对该钢材102进行荧光X线分析，当输入了其分析结果时，判断单元5根据输入的分析结果来判断钢材102的合金成分含量。然后，判断单元5根据所判断的合金成分含量来判断钢材102的材质。

Claims (7)

1.一种钢材材质判断装置，其特征在于，具备：

摄像单元，其连续多次拍摄摩擦钢材时产生的火花；

检测单元，其从上述摄像单元拍摄得到的各摄像图像中检测火花区域以及该火花区域中具有三个以上的端部的破裂火花区域；

算出单元，其针对全部摄像图像，对上述检测单元所检测出的各摄像图像中的火花区域以及破裂火花区域的数量分别进行合计，算出火花区域的总数以及破裂火花区域的总数，来算出上述破裂火花区域的总数相对于上述火花区域的总数的比例；以及

判断单元，其根据上述比例来判断上述钢材的碳含量。

2.根据权利要求1所述的钢材材质判断装置，其特征在于，

上述检测单元进行以下步骤：

第一检测步骤，对一条像素线检测由浓度大于等于第一阈值且沿上述像素线连续的像素构成的火花候选像素群，其中，上述像素线是构成上述摄像单元所拍摄得到的各摄像图像的像素线；

第二检测步骤，检测构成上述火花候选像素群的像素的最大浓度，利用第二阈值将构成上述火花候选像素群的像素二值化，由此从构成上述火花候选像素群的像素中检测构成火花像素群的像素，其中，上述第二阈值小于上述最大浓度且大于上述第一阈值并相对于所检测出的上述最大浓度具有规定的比例；以及

认定步骤，通过针对构成各摄像图像的全部像素线执行上述第一检测步骤和上述第二检测步骤，制作表示上述火花像素群的二值化图像，将在该二值化图像中在任一个方向上连续的上述火花像素群认定为上述火花区域。

3.根据权利要求2所述的钢材材质判断装置，其特征在于，

上述检测单元对上述二值化图像实施细线化处理，将在进行细线化处理得到的该二值化图像中在任一个方向上连续的上述火花像素群认定为上述火花区域，将所认定的火花区域中具有三个以上的端部的火花区域认定为上述破裂火花区域。

4.根据权利要求1至3中的任一项所述的钢材材质判断装置，其特征在于，

上述钢材为碳钢或者合金钢，

上述判断单元在上述火花区域的总数小于第三阈值的情况下，判断为上述钢材是合金钢，在上述火花区域的总数大于等于上述第三阈值的情况下，判断为上述钢材是碳钢，在判断为上述钢材是碳钢的情况下，根据上述比例来判断该钢材的碳含量。

5.一种钢材材质判断方法，其特征在于，包括以下步骤：

摄像步骤，连续多次拍摄摩擦钢材时产生的火花；

检测步骤，从在上述摄像步骤中拍摄得到的各摄像图像中检测火花区域以及该火花区域中具有三个以上的端部的破裂火花区域；

算出步骤，针对全部摄像图像，对在上述检测步骤中检测出的各摄像图像中的火花区域以及破裂火花区域的数量分别进行合计，算出火花区域的总数以及破裂火花区域的总数，来算出上述破裂火花区域的总数相对于上述火花区域的总数的比例；以及

判断步骤，根据上述比例来判断上述钢材的碳含量。

6.根据权利要求5所述的钢材材质判断方法，其特征在于，

在上述摄像步骤中，对在利用2.94N以上且9.8N以下的力将摩擦部件推压到钢材的状态下由上述摩擦部件摩擦上述钢材而产生的火花进行拍摄。

7.根据权利要求1所述的钢材材质判断装置，其特征在于，

上述判断单元根据碳含量和上述钢材的合金成分含量来判断上述钢材的材质，其中，上述碳含量是根据上述比例判断得到的，上述钢材的合金成分含量是通过不利用摩擦上述钢材时产生的火花的方法而判断得到的。

Images