CN108931536B - 用于评估涂覆表面质量的方法和装置 - Google Patents

用于评估涂覆表面质量的方法和装置 Download PDF

Info

Publication number
CN108931536B
CN108931536B CN201810477095.4A CN201810477095A CN108931536B CN 108931536 B CN108931536 B CN 108931536B CN 201810477095 A CN201810477095 A CN 201810477095A CN 108931536 B CN108931536 B CN 108931536B
Authority
CN
China
Prior art keywords
image
value
values
region
pixels
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810477095.4A
Other languages
English (en)
Other versions
CN108931536A (zh
Inventor
M·德罗普曼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Grob-Werke GmbH and Co KG
Original Assignee
Grob-Werke GmbH and Co KG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Grob-Werke GmbH and Co KG filed Critical Grob-Werke GmbH and Co KG
Publication of CN108931536A publication Critical patent/CN108931536A/zh
Application granted granted Critical
Publication of CN108931536B publication Critical patent/CN108931536B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/95Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956Inspecting patterns on the surface of objects
    • G01N21/95607Inspecting patterns on the surface of objects using a comparative method
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • G01B11/30Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8806Specially adapted optical and illumination features
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08Investigating permeability, pore-volume, or surface area of porous materials
    • G01N15/0806Details, e.g. sample holders, mounting samples for testing
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08Investigating permeability, pore-volume, or surface area of porous materials
    • G01N15/088Investigating volume, surface area, size or distribution of pores; Porosimetry
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/8422Investigating thin films, e.g. matrix isolation method
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/001Industrial image inspection using an image reference approach
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/8422Investigating thin films, e.g. matrix isolation method
    • G01N2021/8427Coatings
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dispersion Chemistry (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

根据本公开,提供了一种用于评估气缸孔的涂层质量的方法和装置,其中通过捕获和分析所述涂层的多个单独图像来实时确定所述涂层的不同区域中的孔隙比例和氧化物比例。根据对于孔隙比例和氧化物比例所计算的数值对,生成可用于质量评估的相应平均值。

Description

用于评估涂覆表面质量的方法和装置
技术领域
本公开涉及评估涂覆表面质量的方法和装置。这种方法和/或这样的装置优选地用于对例如内燃机的气缸孔(气缸支承表面)的涂覆表面进行孔隙测量和氧化物测量。
背景技术
例如,气缸体(发动机缸体)通常制造成铸造部件。气缸的内表面是在铸造过程中直接制造的,并且通常不能实现(满足)几何要求和/或对于例如内燃机在运行过程中活塞在其上或其内滑动的气缸孔的表面特性的要求。
出于这个原因,内表面已经符合要求或者在插入后被适当处理的气缸套被插入到气缸中,或者涂层被施加到气缸的内表面上。这种涂层可以例如使用热喷涂法涂覆。
已知的用于施加热喷涂涂层的方法例如包括等离子体传输线弧方法(“PTWA”方法,Plasma Transferred Wire Arc method)、电弧丝喷涂方法(“EAWS”方法,Electric ArcWire Spray method)和GROB®热喷涂方法(“GTS”方法,其中包括旋转单线(“RSW”,Rotating Single Wire)方法和大气等离子喷涂(“APS2”方法,Atmospheric PlasmaSpray))。在后者中,自动供应的线材的一端形成阳极; 从阴极发出的等离子束撞击线材的该端部,从而导致线材的该端部熔化。然后,熔化的线材(例如铁(Fe)或含铁金属材料)通过输送气体混合物雾化并朝向要被涂覆的气缸孔(例如铝合金结构)加速。从而,夹带在输送气体混合物中的金属颗粒被施加到气缸孔上(伴随着颗粒的变形)并且形成涂层,所述涂层可选地可以例如通过珩磨或通过替代的精加工方法进行后处理。
在使用这种热喷涂涂层的批量生产及其开发中,质量控制是非常重要的。喷涂涂层的质量由一组必须进行分析以评估喷涂涂层质量的涂层性能来确定。为此,根据评估方法的要求,在三个空间平面上生成抛光样本,随后使用光学(光)显微镜进行评估。在大多数情况下,光学(光)显微镜配备有一个摄像头,可以捕获(拍摄)单独视图作为图像数据。可以使用适当的图像处理程序分析这些图像(图像数据),以执行涂层性能的分析和评估。
用于评估热施加涂层(特别是根据GTS方法施加的涂层)的质量的两个重要性质是涂层中的孔隙的比例(孔隙比例)和氧化物的比例(氧化物比例)。
孔隙是材料中的空腔和/或是相对于材料表面的凹部或开口。在微孔、中孔和大孔之间进行区分。在本公开中,优选地确定微孔(例如1-5微米范围内的孔)的孔隙比例。在去除位于空腔/孔隙之上的层之后,空腔/孔隙作为凹部出现。因此,孔隙比例尤其是决定了与表面的摩擦性能有关(有助于确定表面的摩擦性能)的表面的油保留体积(oil retentionvolume)。
在本公开中,氧化物通常是当金属(例如,热施涂涂层材料中的铁(Fe))与氧或另一种氧化剂反应时产生的金属氧化物。与石墨相似,金属氧化物也是与表面的摩擦性能相关的(有助于确定表面的摩擦性能)。
优选地分析具有均匀层特性的区域内的孔隙比例和氧化物比例,即涂布了工艺参数和环境参数基本恒定的涂层的区域。对于涂覆气缸孔的情况,基本上位于围绕(环绕)气缸纵向轴线的相同圆周上的涂层的区域基本上是均匀的。取决于制造技术,涂层可能会出现差异,特别是在气缸的不同纵向位置处。
由于即使在具有均匀层特性的区域内,孔隙比例和氧化物比例也可以大幅度变化,所以必须实施(执行)统计验证和/或分析。为此目的,从彼此不同的各种(图像)部分,优选地从不同的单独图像产生各自具有孔隙比例和氧化物比例的数值对,并且产生数值对的平均值。各种(图像)部分优选地描绘具有均匀层特性的区域。
发明内容
本发明的一个目的是提供一种方法和装置,利用该方法和装置可以快速和简单地执行用于进行涂层质量评估的孔隙测量和氧化物测量。
该目的通过根据权利要求1的方法和根据权利要求13的装置来实现。在从属权利要求中提供了进一步的改进。
根据权利要求1的方法,捕获具有部件表面的不同区域(每个区域优选地包括(包含)具有表面的孔隙区域和氧化物区域的热施加涂层)的单独图像的图像序列(即,以优选恒定的帧速率捕获的视频)。(视频的)捕获的单独图像或每个捕获的单独图像的部分区域被实时处理(作为实时图像、在线地、实时预览等),以便从一个或优选多个单独的捕获图像生成多个(图像)分析区域的数值对。然后,这些数值对可以存储在存储单元中,并且该数值对直接地(在捕获图像之后实时地、在线地、即时地)指明在各个单独图像中捕获的涂层的部分中的孔隙含量(比例)和氧化物含量(比例),或者所述孔隙含量(比例)和氧化物含量(比例)可以从中直接导出。优选地,不存在(视频的)图像序列的中间存储或永久存储,从而把数据存储要求降到最低。也就是说,在计算并存储特定的单独图像的数值对之后,该单独图像被丢弃(不存储)。涂层材料表面的孔隙比例(含量)和氧化物比例(含量)的平均值可以从存储的数值对中计算得出,也可以实时(在线)地更新。因此,(一个)数值对的每个值优选为基本上与该数值对的另一个值同时或同步生成。
在本教导的一些实施例中,每个数值对可以直接地或即时地(即,实时地、在线地、可实时预览地)显示(视觉显示)在所述数值所源自的同一实时(预览)图像(捕获的单独图像)中。也就是说,第一值和第二值同时显示在生成所述数值的实时图像(捕获的单独图像)中。
一方面,可以实现(执行)要存储的数值对的直接、可视化监视。另一方面,在确定平均值之后,多个单独图像中的具有与一个或两个平均值最为匹配或最接近的孔隙比例和/或氧化物比例的一个图像可以以最简单的方式定位(识别、选择)。然后可以将该选择的图像可选地作为参考图像与所存储的值和平均值相关联或者与之一起存储,例如用于稍后的视觉评估。
在上面描述的实施例中,其中捕获的单独图像不与其数值对一起存储(即,在计算其数值对之后丢弃所捕获的单独图像的实施例中),该方法可进一步涉及在计算第一值的平均值和/或第二值的平均值之后,捕获涂层表面的额外(新)的单独图像,然后基于平均值从新捕获的图像中选择代表性图像。该代表性图像可以通过根据适当的标准在新捕获的单独图像中搜索来进行选择,例如第一平均值与每个新捕获的单独图像的第一值的接近度,第二平均值与每个新捕获的单独图像的第二值的接近度,或者第一平均值和第二平均值与每个新捕获的单独图像的第一值和第二值的接近度。
在另一实施例中,所捕获的单独图像与其数值对一起存储。 在这样的实施例中,可以通过选择具有接近地表示所有捕获的单独图像的平均值的数值对的存储的单独图像中的一个,来从存储的单独图像中选择代表性图像。 类似于前述实施例,可通过根据上述标准在存储的单独图像中搜索来选择代表性图像,例如第一平均值与每个存储的单独图像的第一值的接近度,第二平均值与每个存储的单独图像的第二值的接近度,或者第一平均值和第二平均值与每个存储的单独图像的第一值和第二值的接近度。
可以使用显示的实时图像和/或实时数值对来手动选择待存储的数值对,或者也可以根据由图像处理装置执行的程序自动选择待存储的数值对。自动存储或获取表格(存储器)中的当前值的触发器可以是例如(i)与先前的分析区域不同的新分析区域的确认(识别),(ii) 时间间隔的期满等。
此外,根据权利要求1的方法,因为孔隙区域和氧化物区域以它们可彼此区分(在同一图像中)的方式被标记(区分)(例如标记的、视觉上可区分的等等),所以像素的数量(图像点或图像元素的数量)被标记为孔隙区域和氧化物区域可以很容易地计算出来。另外,也可以通过例如将具有相同标记、标签等的相邻像素识别为连续区域来估计单个孔隙区域和氧化物区域的大小。可以根据形成这样的连续区域的像素的数量来估计每个单独的孔隙区域和氧化物区域的大小。
具有大致相同的孔隙和氧化物性质的区域的测量值优选地存储在表格中,自动根据测量的数量对其进行统计评估。可以自动输出(存储、传输和/或显示)该评估的结果,例如平均值和/或标准偏差和/或最大和最小测量结果。
使用权利要求1所述的方法和/或被配置为执行权利要求1所述的方法的装置,质量控制过程可以以确保涂层的孔隙比例和/或氧化物比例落入规定的极限值(规定范围)内的方式进行。此外, 如果涂层的孔隙比例和/或氧化物比例超出规定的极限值(范围)或者如果它们的标准偏差超过规定值而使得平均值在测量的数量上没有统计学验证,则可以生成报错信号(产品缺陷警报)。
根据权利要求1的方法,通过(优选自动地)生成数值对、计算数值对的平均值并且视情况需要而使用计算机将这些数据链接到参考图像区域或参考图像,与传统方法相比可以节省质量控制过程的时间。由于节省了时间,在负面质量评估的情况下,制造过程中的反应时间也可以减少,由此可以减少不合格品和/或后处理。由于进行实时处理(和可选的实时预览显示),可以直接生成相关数据,视情况可不用存储用于生成数据的单独图像。从而可以降低计算能力和存储的需求。此外,由于自动获取计算值并将其用作分析的基础,质量中的错误率会降低。
由于将测量结果直接存储或链接到对应的参考图像或图像区域的图像数据中,可以避免关联的丢失。
通过使用并行化(parallelization)和矢量化(vectorization)可以确保可视化的较短的计算时间和最小的延迟。
附图说明
下面借助于以下附图更详细地描述本发明的示例性实施例和进一步改进:
图1是气缸体的示例性部分,
图2是测试样本的示例性视图,
图3是测试样本的局部透视图,
图4是根据第一实施例的装置的示例性视图,
图5是直方图的示例性视图,
图6是根据第一实施例的经处理的单独图像及其显示的示例性视图,
图7是根据第一实施例的方法的示例性流程图。
具体实施方式
根据本教导的第一实施例的下述方法和装置可以优选地用于通过测量部件的涂覆表面内(表面中、表面上)的孔隙比例和氧化物比例来对表面进行质量监测,所述表面优选具有形成在其上的涂层。
这样的部件例如是图1中以示例性方式部分地描绘的气缸体10。这种气缸体10尤其包括一个或多个气缸12。如在上面介绍中所述, 在铸造这种气缸体10之后,例如通过在气缸12的内表面16上涂覆涂层14(见图2)来处理(每个)气缸孔(气缸支承表面、气缸滑动表面)。在本实例中,涂层由铁(Fe)或优选根据上述GTS方法施加的含铁金属材料制成。此涂层的质量尤其由表面内(表面中、表面上)的孔隙比例和氧化物比例决定。因此,测量孔隙的比例和氧化物的比例以确保质量。
为了能够有利地执行孔隙测量和氧化物测量,优选地首先制造待测量的表面(涂层)的抛光样本18(参见图4)。为此目的,首先从气缸体10上切下(参见图1中的虚线)如图2和图3中所示的测试样本20。随后从测试样本20制成抛光样本18。抛光样本18优选由从测试样本20切出的立方体部分或长方体部分(例如参见图2和图3中的长方体部件22)制成。对于立方体部分或立方体部分的包括涂层的待测量表面,通过研磨和抛光而进行制备以准备测量。为此,每个立方体部分或长方体部分22被铸造(嵌入、放置)在合成树脂块(嵌入介质;未示出)中以更好地处理,使得待测量表面暴露在合成树脂块的顶面上。例如,在以此方式暴露的表面中的切痕通过(使用)不同粒度进行上述研磨和抛光而被去除,并且待测量表面变成像原始形式一样平滑。待测量的表面例如是图2的平面中的横截面(X-Z平面),或者是沿着如图2所示的线A-A(X-Y平面)或者线B-B(Y-Z平面)的与上述横截面垂直的横截面。例如,每个立方体或长方体部分22具有在1cm至4cm范围内的边缘长度。
图4示出了根据第一实施例的用于执行孔隙和氧化物测量的示例性装置24。 在本实施例中,装置24包括测量台26,抛光样本18可以优选地放置在测量台26上的预定位置处。
图像捕获装置28设置在测量台26的上方。可以使用图像捕获装置28捕获(拍摄)包括单独图像的图像序列(即,视频)。图像捕获装置28的光学器件(透镜) 被布置和构造成使得可以捕获(拍摄)在所示示例中面向图像捕获装置的抛光样本18的待测量表面。 尤其是,图像捕获装置28可以聚焦在待测量的表面上。此外,测量台26可以相对于图像捕获装置28移动,或者图像捕获装置28可以相对于测量台26移动。例如,测量台26可以通过驱动器(马达)30(例如,手动或电子操作的线性致动器,例如线性马达)水平或垂直地移动。
图像捕获装置28优选地包括例如具有各种放大光学器件(透镜)的电子光学(光)显微镜以及生成数字图像数据的照相机(例如,CCD照相机或CMOS照相机)。 图像捕获装置28可以手动或自动聚焦在待测量表面上。 图像俘获装置28进一步配置以使得具有单独图像的图像序列(即,视频)可被实时捕获并传输到数据处理单元32(例如,包括具有一个或多个例如微处理器这样的中央处理单元 (CPU)和存储器(例如RAM、EEPROM、闪存)等的计算单元)。
数据处理单元32被配置为实时处理从图像捕获装置28获得的包含各个图像的图像序列,下面将进行更详细的描述。
此外,装置24包括存储单元(计算机存储器,例如随机存取存储器(RAM)、电可擦可编程只读存储器(EEPROM)、闪存(flash)等)34,其中可以存储由数据处理单元32生成的数据。
此外,在本实施例中还设置有例如显示器(屏幕)形式的显示装置36、操作者输入单元38和输出单元40。 使用显示装置36,可以在视觉上输出(显示)数据处理单元32中生成的数据、使用图像捕获装置28捕获的图像和图像序列以及存储单元34中存储的数据。使用操作者输入单元38(例如,键盘、小键盘、计算机鼠标、触摸屏等),操作者可以输入用于调整测量台26的命令、用于控制图像捕获装置28和数据处理单元32的命令以及用于控制显示装置36的命令。 输出单元40(例如USB端口、串行端口、无线通信端口等)被配置为将数据处理单元32中生成的数据和/或存储单元34中存储的数据输出(传送)到其它(外部) 装置。
由图像捕获装置28捕获的每个单独图像在其捕获后立即被发送到数据处理单元32。 数据的这种传输可以以数字方式和/或以模拟方式进行,其中在模拟传输的情况下,例如在数据处理单元32中执行模数转换。
为了确认(识别)每个单独图像中的孔隙区域和氧化物区域,数据处理单元32还适于(配置、编程等)对数字化单独图像的处理区域(其可以包括整个单独图像或仅其一部分)应用阈值(图像处理)方法,以例如使用存储在数据处理单元32中或存储单元34中的程序来将每个单独图像分割(图像分割)成孔隙区域和氧化物区域。使用这样的阈值(图像处理)方法,例如取决于(根据)其灰度值,将单独图像的处理区域的像素分类为不同类型的结构。像素的灰度值是其纯亮度值;因此,在当前的处理中不考虑更多的颜色信息,或者甚至没有在最初捕获颜色信息。
在本实施例中,黑色/深色像素被分类为表示孔隙的像素,比孔隙的像素颜色更浅的灰色像素被分类为表示氧化物的像素,并且比氧化物的像素颜色更浅的浅灰色像素被分类为代表基底(涂层)材料基体(例如被涂覆到铝气缸体上的铁(Fe)基体)的像素。换句话说,根据其灰度值,可以为每个像素指定三个标签或标记(即孔隙、氧化物或Fe基体)中的一个。
因为在待测量的涂层材料(即除了上述三种结构类型(即孔隙、氧化物和Fe基体)之外)中不存在额外的明显或相关的结构类型,并且因为考虑到干涉信号或电平差异,不是一种类别(孔隙、氧化物或Fe基体)所有的像素都具有相同的灰度值,因此可以使用阈值方法设置灰度值范围以执行此像素分类。然后,使用针对不同类别(结构类型)的灰度值范围集合将每个像素与相应的相关像素类别(即孔隙、氧化物或Fe基体)相关联(识别)。
在本实施例中,为了使用阈值方法执行(图像)分割,针对像素的灰度值设置至少两个阈值S1和S2。 通过使用至少两个阈值S1和S2,每个单独图像的像素可以基于每个像素的特定灰度值分别与三个区域(孔隙、氧化物和Fe基体区域)之一相关联, 下面将进一步进行解释。
阈值S1和S2的设定可以预先输入(执行),即存储在存储单元34中,或者可以由操作者经由操作者输入单元38输入。
或者,阈值S1和S2可以例如由操作者或软件(程序)如下进行确定:图5示出了具有孔隙区域和氧化物区域的涂层的一个单独图像的示例性灰度值直方图。 图5中的分析区域仅包括由含铁(Fe)材料构成的涂层; 即,图5中的分析区域不包括合成树脂嵌入材料或气缸体10的铝结构。每个单独灰度值的发生率在直方图中沿垂直方向指示(即,更大数量的灰度值 在垂直方向上表示为更高的值),并且灰度值从左(即,相对暗/黑)向右(即,相对浅/白)变浅。
第一阈值S1和第二阈值S2相应地界定了三个灰度值范围R1、R2和R3,并且如下进行选择。在相对较暗的灰度值范围(直方图的左半部分)中,两个相对最大值M1、M2显著地突出。代表孔隙的像素的灰度值范围R1被设置在第一相对最大值M1附近。该区域R1的左侧由直方图的左边缘(其中灰度值等于黑色)界定,右侧由第一阈值S1界定。从第一相对最大值M1开始,第一阈值S1沿着较浅方向(即向右)设置在一定距离处和/或位于第一相对最大值M1和第二(下一个最浅的)相对最大值M2之间的相对最小值位置。因此,代表氧化物的像素的灰度值范围R2与代表孔隙的像素的灰度值范围R1直接相邻(沿较浅方向指的是图5中的右侧)。对应于孔隙的最浅像素的灰度值的上述第一阈值S1还精确地描述了不再被认为是氧化物的像素的最暗灰度值。类似于阈值S1,第二阈值S2也被布置在相对于最大值M2的较浅方向上的特定距离处和/或位于最大值M2与对应于涂层Fe基体的较浅像素的第三最大值M3之间的相对最小值处。第二阈值S2定义了向落入灰度值范围R3中的涂层Fe基体的像素的灰度值的转变。
或者,作为已知阈值方法的“大津(Otsu)法/最大类间方差法” 可以与本教导一起使用以执行基于模式的直方图的分量的自动识别和计算。 在本实施例中,阈值方法优选地根据大津法识别孔隙、氧化物和Fe基体区域的重叠的相似灰度值分布,并计算作为这些区域(类别)之间边界的阈值。
在第一实施例中,为了执行单独图像的氧化物测量和孔隙测量,将整个单独图像设置为处理区域(即,要分析的涂层的区域)。 在数据处理单元32中,基于预先设定的阈值(边界)S1 、S2,特定单独图像的每个像素(图像点或图像元素)与三个类别(孔隙、氧化物或Fe基体)中的一个相关联,并用对应的类别或对应于该类别的标记(标签)进行标记(用标签标明)。 例如,一个类别的每个像素可以采用预定颜色来描绘。 例如,分类(标记)为孔隙的像素可以标记(视觉地描绘)为红色,分类(标记)为氧化物的像素可以标记(视觉地描绘)为蓝色。 对于孔隙和氧化物的测量,不需要考虑涂层的Fe基体的像素。
对数据处理单元32还适于(配置、编程等)计算每个类别的像素数量,即在对应于处理区域或落入其内的分析区域中的标记为孔隙(例如标记/描绘为红色)的像素的数量和标记为氧化物(例如标记/描绘为蓝色)的像素的数量,并输出这些数量和/或将它们存储在存储单元34或RAM存储器中。这样确定的分析区域中的类别的像素的值,即,表示孔隙区域的像素和表示氧化物区域的像素可以相对于存在于分析区域中的像素的总数量来分别考虑,以获得分析区域中的表示孔隙区域的像素的相对百分比(比例)和/或氧化物区域的相对百分比(比例)。
在本实施例中,在包括整个单独图像的处理区域内选择分析区域。因此,由图像捕获装置28捕获的整个单独图像(单独图像也可以显示该部件在特定区域穿过涂覆区域的横截面)不被处理和评估,而仅仅是其特定的分析 区域。在单独图像的分析区域中,仅仅优选地描绘/呈现涂层的表面。
分析区域的位置和大小可以由操作者预先设定(在涂层的已知位置处),例如,可以使用实时图像手动调整。 或者,分析区域可以例如基于所使用的分辨率或基于可取决于待测量表面的曲率的聚焦范围或通过相关区域的自动识别(例如使用阈值方法)来自动计算。分析区域可以是单独图像的子部分(一部分),也可以是整个单独图像(例如,如果仅捕获涂层的表面)。 分析区域优选地由采样框54设定(见图6)。
为了确定在涂层表面内(表面上、表面内)的孔隙率(比例)和氧化物率(比例),选择采样框54,或更确切地说是选择分析区域,使得当计算这些值时,至多只考虑抛光样本的单独图像的显示涂层的那些区域,即分析区域仅包括涂层的一部分并且不覆盖其它结构,例如气缸体的铝结构或嵌入抛光样本18的树脂。以这种方式,可以避免由于孔隙和氧化物区域或在涂覆部件的主体的横截面中具有相似灰度值的区域而导致的计算值的失真。 由于与其中一个类别相关联的单独图像的每个像素基本上(近似地)对应于抛光样本的对应真实区域,所以计算出的值也与真实(实际)值大致相一致。
以这种方式针对单个单独图像或分析区域计算出的值可以作为数值对(valuepair)存储在存储单元34中。
使用图像捕获装置28当前捕获的图像序列在显示装置36(例如计算机屏幕)上显示给用户。即,表示孔隙区域的像素和表示氧化物区域的像素以与其相关的各个颜色被显示(优选为同时显示)。尤其是,在图像序列中由图像捕获装置28当前捕获的单独图像在数据处理单元32中被实时处理,使得单独图像被(以图像捕获装置28的实时图像)实时显示在显示装置36上,其中根据阈值方法将像素进行分割(颜色编码或着色)。
图6示出了示例性屏幕视图42,正如它在装置24的运行期间所描绘的显示装置36上的实时图像。术语“实时图像”是指,如上所述由图像捕获装置28所捕获的图像几乎在与其捕获的同时被描绘成已经处理(分割)的形式。
以单独图像(实时图像)(图6)示出的抛光样本18的区域例如通过垂直于沿着图2中的线B-B(Y-Z平面)的视图平面研磨的嵌入在嵌入介质(树脂)中的立方体来产生。在图6的图示中,存在三个依次垂直布置的区域44、46、48。 更具体地说,中部区域46描绘了涂层14的横截面图,上部区域44以示例性方式描绘了测试样本20的涂覆区域(即气缸12的涂覆壁的一部分)的横截面图,下部区域48以示例性方式描绘了抛光样本18的嵌入材料的横截面图。
测试样本20的涂布区域(不是涂层本身)的横截面图44和嵌入材料的横截面图以简化的方式描绘而没有任何结构。在中部区域46中,即在涂层的横截面图中,孔隙区域50被描绘为例如红色(在图6中,孔隙区域50被填充为黑色以更好地区分),而氧化物区域52被描绘为例如蓝色(在图6中,氧化物区域52显示为具有黑色边缘和白色内部以更好地区分)。
此外,用于选择要分析的分析区域的上述采样框54也在图6中示出。采样框54的尺寸和位置可以例如通过操作者输入单元38或者自动使用由数据处理单元32执行的软件来设置。此外,优选地设置有名称栏56和比例栏58,其中在名称栏56指明了由操作者输入的或自动生成的图像序列或测量序列的名称,而在比例栏58中显示了当前使用的比例。
采样框54内部(即存在于分析区域中)的孔隙和氧化物的比例(比率)(相对于采样框54中的像素总数分别被标识为孔隙或氧化物的红色或蓝色像素的数量)优选地显示在(当前)值显示区域60中。因此,分割的单独图像与对应于(从)单独图像(所计算)的比值(数值对)一起实时(可实时预览地)显示在显示装置36上。
数据处理单元32还适于(配置、编程等)将当前计算的第一值和第二值的数值对存储在存储单元34中,例如在表格中自动地(例如,以时间相关的方式或者在预定的(最小)变化的检测(识别)之后)或者基于由操作者通过操作者输入单元38提出的请求。视情况需要,可以将所存储的值(即表格)显示在在屏幕视图的相应显示区域中。
例如,在改变抛光样本18相对于图像捕获装置28的位置和抛光样本18的捕获区域的相关变化之后,和/或在改变采样框54的尺寸和/或位置之后和在单独图像中待分析的分析区域的相关变化之后,由另一个第一值和另一个第二值所组成的另一个数值对(其在当前再次被计算并显示在屏幕视图42或显示装置36中)自动地或者由操作者通过操作者输入单元38输入请求而存储在同一表格的存储单元34中。可以以相同的方式获得和存储更多的数值对。
数据处理单元32还优选地适于(配置、编程等)分析存储在表格中的值。具体而言,优选地计算和存储第一值的第一平均值(平均数)和第二值的第二平均值(平均数),并且优选地将其显示在屏幕视图42中的平均值显示区域62中。这里,可以从第一个数值对开始显示平均值,并用每个存储数值对来更新平均值。此外,还可以计算、存储和视需要而显示其他值,例如第一值和第二值的标准偏差和/或最大值和最小值。
在完成测量序列之后,即在数值对的存储结束之后,为这个测量序列所确定的第一平均值和第二平均值是可用的。数据处理单元32还适于(配置、编程等)使得可以自动地或由操作者生成(选择)参考图像。为此目的,抛光样本18相对于图像捕获装置28的位置被手动或自动地改变,和/或采样框54的尺寸和/或位置以及待分析的分析范围的相关改变被手动或自动地改变,以寻求(定位)与计算的第一平均值接近或一致的当前测量的第一值。当找到(定位到)具有这样的当前测量的第一值的相应采样框(即,单独图像的分析区域)所定义的图像区域时,其被存储为涂层的参考图像(代表性图像)。或者,具有尽可能接近第二平均值的当前测量的第二值或具有尽可能接近第一平均值和第二平均值的当前测量的第一值和第二值的图像区域,可以被选作涂层的参考图像(代表性图像)。根据其他值之一(例如最大值或类似的值)的选择也是可能的。此外,与分析区域相对应的整个单独图像与分析区域是否遍布整个单独图像无关,也可以优选地被存储为参考图像。
所存储的值(第一值和第二值以及平均值)与参考图像一起存储(例如,存储在公共目录中或存储在参考图像的元数据中)和/或彼此链接,使得可以确保随后的数据与参考图像的关联。优选地,诸如图像序列或测量序列的名称等附加属性被存储和/或链接。
使用如此配置的装置,可以优选地执行图7中描绘的以及下面描述的方法。
在第一步骤S1中,操作人员将抛光后的样本18相对于图像捕获装置28定位(参见图7中的具有“B”的圆圈),使得图像捕获装置28可以捕获(数字地拍摄) 抛光样本18的表面,特别是表示穿过涂层14的横截面的抛光样本18的表面区域。
在第二步骤S2中,开始进行使用图像捕获装置28捕获(拍摄)包括多个单独图像的图像序列的过程。此外,将所生成的数据(每个图像数据)发送到数据处理单元32。
在第三步骤S3中,当在数据处理单元32中接收每个捕获的单独图像时,每个捕获的单独图像(在本实施例中为整个图像)的处理区域相对于捕获实时地(即现场或在线地)处理。在步骤S3中基于灰度值范围执行分割(图像分割),使得表示孔隙区域的像素可以与表示氧化物区域的像素区分开来,例如根据不同的颜色标记或通过基于像素灰度值而仅仅将每个像素标记为(例如通过仅仅将存储的像素值标记为以下当中的一个)孔隙区域、氧化物区域或Fe基体。
因此,用于执行该步骤的代表性非限制性算法可以包括(i)确定每个像素的灰度值,(ii)确定该灰度值是否大于第一预定阈值S1(更暗),(iii) 如果是,则将该像素标记为孔隙区域,(iv)如果不是,则确定该灰度值是否小于(更浅,更偏向右侧)第二预定阈值S2,(v)如果是,则将该像素标记为Fe基体,以及(vi)如果不是,则将该像素标记为氧化物区域。
当然,第三步骤S3的像素标记也可以以各种其他方式执行,例如使用已知的图像分割方法,例如大津法。
在第四步骤S4中,以这种方式处理的每个单独图像被实时地(现场地或可实时预览地)显示在显示装置36上(见图7中的具有“A”的矩形),使得经处理的单独图像与其捕获同时地依次显示。
在第五步骤S5中,操作者通过在屏幕视图42中设置采样框54,使用操作者输入单元38在单独图像中选择要分析的第一分析区域,同时屏幕视图连续不断地显示处理后的图像。此外,这里由操作员或自动完成(执行)聚焦。
或者,在第五步骤S5中,也可以例如通过由数据处理单元32执行的软件来自动设置第一分析区域的选择。用于自动执行步骤S5的代表性的非限制性算法可以例如包括,将采样框54移动到仅存在涂层的区域,该区域例如通过分割算法来确定。当然,根据实际应用,步骤S5中的分析区域的选择也可以以各种其他方式来执行。
通过采样框54的设置,数据处理单元32在第六步骤S6中针对每个经处理的图像连续地计算作为第一值的采样框54内显示的代表孔隙区域的像素在采样帧54内的像素总数中所占的比率(比例、百分比),以及作为第二值的采样框54内显示的表示氧化物区域的像素在采样框54内的像素总数中所占的比率(比例、百分比)。这些第一值和第二值(比率)形成数值对。
用于执行步骤S6的代表性非限制性算法可以包括(i)对分析区域中标记为孔隙区域的像素的数量进行计数,(ii)对分析区域中标记为氧化物区域的像素的数量进行计数 ,(iii)对存在于分析区域中的像素的总数进行计数,(iv)将分析区域中标记为孔隙区域的像素的数量除以分析区域中的像素的总数,并设置 该值作为第一值,以及(v)将分析区域中标记为氧化物区域的像素的数量除以分析区域中的像素的总数,并将该值设置为第二值。
或者,第六步骤S6可以通过仅仅执行上述步骤(i)和(ii)来执行,从而将分析区域中标记为孔隙区域的像素的数量设置为第一值,并且将分析区域中标记为氧化物区域的像素的数量设置为第二值。
同样,只要第一值和第二值分别表示或对应于分析区域中的孔隙区域和氧化物区域的量或比率,也可以使用用于设置第一值和第二值的其他算法而没有限制。
在第七步骤S7中,使用显示装置36与经处理的图像一起显示(优选为同时显示)计算的第一值和计算的第二值以及视需要还可显示对应的平均值。
在第八步骤S8中,当经由操作者输入单元38输入命令时(参见图7中的具有“S”的矩形),计算的第一值和计算的第二值被存储在存储单元34中。对于所有存储的数值对,计算、存储和显示第一值的第一平均值(算数平均值),并计算、存储和显示第二值的第二平均值(算数平均值)。
用于执行第八步骤S8的代表性的非限制性算法包括(i)对所有存储的第一值的数值求和,并将该总和除以所存储的第一值的总数量,以及(ii)将所有存储的第二值数值求和,并将该总和除以所存储的第二值的总数量。 或者,步骤S8可以通过计算几何平均值、调和平均值、加权算术平均值等来执行,根据本教导,其各自的数值旨在落入“平均值”的范围内,除非另有说明。
在第九步骤S9中,由操作者改变抛光样本18相对于图像捕获装置28的位置和/或采样框54的位置和/或大小,使得与第一分析区域不相同(优选为不重叠)的另一分析区域可以由采样框54选择。
随着抛光样本18位置的改变,该方法返回到步骤S5。 因此再次选择要分析的区域(步骤S5)。 在随后的步骤S6中,随后计算并存储另一个第一值和另一个第二值(即,另一个数值对)。如果只改变同一个所捕获的单独图像内的选择框54的位置和/或大小,则该方法返回到步骤S6。
步骤S5至S9按照需要来进行,直到在步骤S9中操作者输入结束命令,例如,当达到统计学评价所需的测量次数时。或者,数据处理单元32可以在已经执行了预定次数的测量时(例如,当预定数量的第一值和第二值(数值对)已经被存储时)自动终止数据采集步骤。
在步骤S10中,手动或自动地改变抛光样本18相对于图像捕获装置28的位置,和/或手动或自动地改变采样框54的位置和/或大小,直到使用采样框54选择的分析区域的当前测量的第一值尽可能接近或等于第一值的计算平均值,和/或直到使用采样框54选择的分析区域的当前测量的第二值尽可能接近或等于计算出的第二值的平均值。
用于执行步骤S10的代表性非限制性算法可以包括(i)根据步骤S6计算所选分析区域的第一值,(ii)从所存储的第一平均值当中减去所选分析区域的所计算的第一值以确定差值,(iii)如果不是零,则取该差值的绝对值,(iv)将该差值与预定接近值进行比较,(v)如果该差值小于预定接近值(即,所计算的第一值至少与所存储的第一平均值“基本相等”),然后将所选分析区域或包含所选分析区域的单独图像的一部分或整个单独图像设置为参考图像,以及(vi)如果该差值大于预定接近值,则例如根据步骤S9选择新的分析区域。该算法可以被修改以根据步骤S6计算所选分析区域的第二值,并且从所存储的第二平均值中减去所选分析区域的所计算的第二值以确定差值,然后执行上述步骤(iii) - (iv),以便确定所计算的第二值是否至少基本上等于所存储的第二平均值。这里,术语“基本相等”可以理解为例如在所存储的平均值的10%以内,更优选地在所存储的平均值的5%以内,并且甚至更优选地在所存储的平均值的2%以内的含义。
在步骤S11中,在步骤S10中设置(选择)为参考图像的图像区域与所存储的值(例如该参考图像的所选分析区域的数值对和/或在步骤S8中所计算的第一平均值和第二平均值)一起进行存储或与以其他方式与所存储的值链接。此后,该方法结束。
在本教导的一个特别有利的实施例中,当实际值超过或低于平均值或者单独值的预定极限值(范围)或计算出的标准偏差或类似值时,可以输出报错信号,从而表明测试样本20含有带缺陷的或不符合标准的涂层。
以下描述对上述装置和/或上述方法的修改,如果未另外描述,其可以单独地或者与针对第一实施例描述的或者包含在权利要求中的特征一起组合。
以下描述的第二实施例对应于第一实施例,除了不同地描述的装置特征和方法步骤之外。
如果确保环境条件几乎保持恒定并且抛光样本的位置和定向可精确地重复,则可以实现(实施)完全自动化的测量过程并进行一些修改。在这种情况下,显示装置可以省略。在根据这种第二实施例的装置中,测量台26可使用驱动装置30电子地移动(例如,线性致动器30被电驱动),即由数据处理单元32控制。 此外,图像捕获装置28可以优选地包括在一些已知的图像捕获软件中可用的自动对焦功能。
在该实施例中,将抛光样本18放置在测量台26上,例如位于预定位置。随后在数据处理单元32的控制下移动测量台26,使得可以使用图像捕获装置28捕获抛光样本18的待测量表面的图像序列。为了确定期望位置,数据处理单元32可以根据使用图像捕获装置28捕获的图像序列(例如,借助于图像分割方法)来确定抛光样本18的实际(当前)位置并且可以控制测量台26,从而达到目标位置。搜索功能可以补偿嵌入抛光样本中的涂层的位置和定向的小偏差。
如在第一实施例中那样,在到达目标位置之后,实时执行各个图像的分割(图像分割)以计算第一值和第二值。像素灰度值的直方图的自动分析补偿了实时图像的照度/亮度的波动。阈值以及灰度值范围可以自动确定(例如使用大津法)。如果由于层质量或边界条件改变而导致最大或最小偏移,则软件重新调整孔隙和/或氧化物的灰度阈值。
为了确定在单独图像内要测量的分析区域,即,定位采样框54以使得仅涂层的表面被测量,例如可以执行根据灰度值的进一步分割,其将涂层表面(即部件的涂层区域)的横截面与涂层本身区分开来。或者,抛光样本18和相对于图像捕获装置28的定位可以彼此协调,使得涂层总是布置在与采样框54的位置对应的预定位置。
利用采样框54的设置,第一数值对可以被捕获并存储。随后通过测量台26移动抛光样本18,使得采样框捕获与第一分析区域不同的另一分析区域。例如,测量台可以沿着预定路径移动。
在下一步骤中,下一个数值对被捕获并存储。在捕获了预定数量的数值对之后,计算相应的平均值。随后,数据处理单元32可以移动测量台26,使得分析区域被捕获,并且存储由其定义的图像区域,该分析区域的第一值接近第一平均值,并且可以存储该选择的分析区域作为参考图像。测量数据和计算出的平均值可以与参考图像一起存储或与其链接。
视需要,如此获得的数据(图像区域和相关联的测量数据)可以经由输出单元40传送到其他系统和/或使用显示装置来显示。
在本教导的一个特别有利的实施例中,当实际值超过或低于平均值或单个值的规定极限值或计算出的标准偏差时,可以输出报错信号。
可以与以上实施例或权利要求中描述的特征组合的以下进一步修改是可能的:
在上述实施例中,处理区域被设置为使其包括被捕获的整个单独图像。这具有以下优点:为了选择分析区域,可以使用孔隙和氧化物区域容易地确定涂层开始的地方。然而,为了节省计算功率,处理区域可以优选地被选择为使得其仅包括单独图像的显示涂层表面的区域。在这种情况下,分析区域优选为对应于处理区域。或者,处理区域可以优选地包含至少所有显示涂层表面的区域,例如矩形框。在这种情况下,分析区域必须再次落入处理区域内。
以类似于分析区域的方式,可以由操作者手动地或由数据处理单元自动地选择或预先定义处理区域。
数值对的存储例如可以在单独图像被聚焦并且可选地存在的采样框被设置时自动发生。 例如,当识别出另一个分析区域被捕获时,另一个数值对的存储可以自动发生。例如,这可以通过比较图像序列的各个图像来识别。可以预设要捕获的最小数量的数值对。
图像中可以自动包含两个值“孔隙比例”和“氧化物比例”的属性(层名称、日期、比例尺和统计分析结果)并存储。因此,参考图像和层分析的结果一起存储。从而可以避免错误。
除了移动测量台之外,抛光样本和图像捕获装置之间的相对移动也可以通过使用适当的移动装置(例如驱动器)移动图像捕获装置来实现。
测量台和图像捕获装置都可以以电动、气动或液压操作的方式移动。
各个单元和装置可以彼此分离地和/或一体地形成。例如,显示装置和/或数据处理单元可以与图4中示意性示出的装置24在空间上分离地形成。数据处理单元又可以与图像捕获装置和/或显示单元一体地形成。
除了表示孔隙区域和氧化物区域的像素比率之外,数据处理单元还可以计算或者可以仅计算像素的数量并将其输入到表格中。然后可以根据例如表示涂层的像素的总数设置这些数字或它们的平均值。或者,对于单独图像中涂层的已知或恒定尺寸,也可以通过仅使用所计算的像素数量来实现质量评估。
测量数值对的目标数量优选为5到50个测量数值对,更优选为7到30个测量数值对,并且还更优选为10到15个测量数值对,例如对于具有大致相同层特性的每个区域有10、12或15个测量值对。
单独图像被捕获的频率优选在1Hz至100Hz之间,更优选在10Hz至30Hz之间,并且还更优选在25Hz至30Hz之间,例如25Hz或30Hz。
取决于设计要求,本公开的数据处理单元32的示例性实施例可以用硬件和/或软件来实现。 数据处理单元32可以使用数字存储介质进行配置,例如ROM(只读存储器)、PROM(可编程序只读存储器)、EPROM(电可编程序只读存储器)、EEPROM(电可擦可编程只读存储器)、闪存等中的一个或多个,其上存储有电子可读的控制信号(程序代码 - 指令 ),其与一个或多个可编程硬件组件交互或可以与之交互以执行编程功能。
(每个)可编程硬件组件可以由处理器构成,该处理器可以包括计算机处理器(CPU=中央处理单元)、专用集成电路(ASIC)、集成电路(IC)、计算机、系统级芯片 (SoC)、可编程逻辑元件和/或现场可编程门阵列(FGPA)。 根据本教导,微处理器是数据处理单元32或处理器的典型组件。
因此,数字存储介质可以是机器可读或计算机可读的。 因此,一些示例性实施例包括数据载体或非暂时性计算机可读介质,其包括能够与可编程计算机系统或可编程硬件组件交互的电子可读控制信号,从而执行本文描述的方法或功能之一。 因此,示例性实施例是记录有用于执行本文所描述的方法之一的程序的数据载体(或数字存储介质或非暂时性计算机可读介质)。
通常,本公开的示例性实施例(特别是数据处理单元32或处理器)被实现为程序、固件、计算机程序、包括程序的计算机程序产品、或者数据,其中当程序在处理器或可编程硬件组件上运行(由其执行)时,程序代码或数据可用于执行这些方法中的一个。 程序代码或数据例如也可以存储在机器可读的载体或数据载体上,例如上述任何类型的数字存储介质。程序代码或数据可以是源代码、机器代码、字节代码或其他中间代码等。
根据示例性实施例的程序可以在其执行期间实现所述方法或功能中的一个,例如使得该程序读取存储位置和/或将一个或多个数据元素写入这些存储位置,其中在晶体管结构、放大器结构或其他电气、电子、光学、磁性部件或基于另一功能或物理原理的部件中诱发切换操作或其他操作。相应地,可以通过读取存储位置来捕获、确定或测量数据、值、传感器值或其他程序信息。通过读取一个或多个存储位置,程序可以通过写入一个或多个存储位置来捕获、确定或测量大小、值、变量和其他信息,以及引起、诱导或执行动作,以及控制其他设备、机器和部件,并且因此例如也可执行空气压缩机可设计为执行的任何复杂的过程。
尽管已经针对装置或设备描述了本教导的一些方面,但是应该理解的是,这些方面也表示相应方法的描述,使得装置或设备的模块或组件也可以被理解为相应的方法步骤或方法步骤的特征。以类似的方式,已经在方法步骤的情形中或作为方法步骤描述的方面也表示相应装置的对应模块或细节或特征的描述。
如上所述,电子图像捕获装置28可以优选地包括诸如CMOS(互补金属氧化物半导体)照相机或CCD(电荷耦合器件)照相机这样的数字照相机,这些都是本领域所公知的,并与已知的光学(光)显微镜一起使用。还优选使用黑白(单色)照相机,而不是彩色(RGB)照相机。 通过捕获单色图像(即,作为灰度或亮度值),在将像素与各种表面分类相关联的步骤中(例如,将像素标记为孔隙、氧化物和基体等等),可以直接或在相对最小的处理之后使用所得到的数据。当然,也可以使用彩色照相机,但是在像素分类步骤之前需要执行额外的信号处理以将彩色(RGB)数据转换为灰度值。
涂层表面的照明可以例如是宽光谱白光或一个或多个离散波长或一个或多个波长范围。滤光器可用于在照射光照到涂层表面之前过滤照明光和/或在到达照相机之前过滤从涂层表面反射回来的光。
为了提高像素分类的精度,可以适当地选择像素的尺寸和/或图像的分辨率。照相机的分辨率优选地选择为使得孔隙的表面部分在所有孔隙的表面部分的子像素范围内可以忽略不计。由于1-5微米(µm)范围内的小孔占据了可根据本教导分析的典型涂层的全部孔隙表面的显著部分(约10%),因此基于所使用的放大率,照相机的像素尺寸优选为小于0.5 µm。例如,具有500万像素(2560×1920)的照相机可以放大使用,从而观察到640×480µm的像场。利用这样的配置,像素尺寸为0.25 µm并且像场足够大,从而可以获得统计上显著的结果。因此,特别是在本教导的用于评估气缸体涂层的应用中,像素尺寸优选为0.5 µm或更小,更优选为0.25 µm或更小,甚至更优选为0.1 µm或更小。
本公开的其它方面包括但不限于:
1. 评估部件的涂层的表面的质量的方法,包括以下步骤:
使用电子图像捕获装置(28)捕获(或开始捕获)包括所述部件的所述涂层的所述表面的不同区域(或者是相同和不同区域)的多个单独图像的图像序列(实时视频),
在数据处理单元(32)中实时(在捕获图像后实况地或即时地)处理所捕获的(实时视频的)每个所述单独图像的处理区域(例如与图像序列的捕获并行),使得所述涂层的孔隙区域(50)和氧化物区域(52)以彼此可区分的方式被标记在经处理的图像中,其中所述孔隙区域(50)和所述氧化物区域(52)存在于所述处理区域中,
(计算并)在存储单元(34)中存储针对多个经处理的所述单独图像的数值对,每个数值对包括第一值和第二值,其中所述第一值指定第一像素数量,其表示当前正在处理的所述单独图像(42)的对应于所述处理区域或位于其中的分析区域中的孔隙区域(50),或所述第一像素数量占所述分析区域中的像素总数的比率,所述第二值指定第二像素数量,其表示当前正在处理的所述单独图像(42)的所述分析区域中的氧化物区域(52),或者所述第二像素数量占所述分析区域中的像素总数的比率,以及
在所述数据处理单元(32)中计算所述第一值的第一平均值和所述第二值的第二平均值,并且将计算出的所述平均值存储在所述存储单元(34)中。
2. 根据方面1所述的方法,还包括以下步骤:
在显示装置(36)上(以实时预览的方式)实时(实况)显示每个(捕获和)处理过的图像,使得标记的所述孔隙区域(50)和标记的所述氧化物区域(52)以彼此可区分的方式显示在所显示的所述单独图像(42)中(以实时预览的方式)。
3. 根据方面2所述的方法,其中,
在所述显示装置(36)上实时(实况地或可实时预览地)显示所述第一值和所述第二值,并且显示每个经处理的单独图像(42),所述第一值和所述第二值基于分别显示的所述单独图像(42)中的所述分析区域进行计算。
4. 用于评估部件的涂层的表面的质量的图像处理装置,包括:
电子图像捕获装置(28),其被配置为捕获包括所述部件(18)的所述涂层的所述表面的不同区域(或者是相同和不同区域)的多个单独图像的图像序列(实时视频),
数据处理单元(32),其配置为:
实时(在捕获图像后实况地或即时地)处理所捕获的(实时视频的)每个所述单独图像的处理区域,使得存在于所述处理区域中的所述涂层的孔隙区域(50)和氧化物区域(52)以彼此可区分的方式被标记在经处理的图像中,
针对(多个)不同的经处理的单独图像计算(并存储)各自包括第一值和第二值的数值对,其中所述第一值指定第一像素数量,其表示当前正在处理的所述单独图像(42)的对应于所述处理区域或位于其中的分析区域中的孔隙区域(50),或所述第一像素数量占所述分析区域中的像素总数的比率,所述第二值指定第二像素数量,其表示当前正在处理的所述单独图像(42)的所述分析区域中的氧化物区域(52),或者所述第二像素数量占所述分析区域中的像素总数的比率,以及
计算(并存储)所述第一值的第一平均值和所述第二值的第二平均值,以及
存储单元(34),其配置为存储所述数值对和所述平均值。
5. 根据方面4所述的图像处理装置,还包括:
显示装置(36),被配置为实时(实况地或可实时预览地)显示每个(捕获和)处理后的所述图像,使得所述孔隙区域和所述氧化物区域以彼此可区分的方式在所显示的所述图像中被标记,
其中可选地,所述第一值和所述第二值与每个经处理的单独图像(42)在所述显示装置(36)上实时(实况地或可实时预览地)显示,所述第一值和所述第二值基于分别显示的所述单独图像(42)中的所述分析区域进行计算。
6. 一种评估部件的涂层的表面的质量的方法,包括:
(a)使用电子图像捕获装置捕获所述涂层的所述表面的一部分的图像,
(b)在数据处理单元中实时处理所捕获图像的至少一部分,以识别与所捕获图像的分析区域中的孔隙区域相对应的第一像素,并且识别与所捕获图像的分析区域中的氧化物区域相对应的第二像素,所述分析区域在尺寸上等于所捕获图像或小于所捕获的第一图像,
(c)计算所捕获图像的分析区域的第一值,该第一值表示以下当中的一个:(i)所捕获图像的分析区域中的第一像素的总数,或(ii)第一像素的总数与所捕获图像的分析区域中的像素总数的比率,
(d)计算所捕获图像的分析区域的第二值,所述第二值表示以下当中的一个:(i)所捕获图像的分析区域中的第二像素的总数,或(ii)第二像素的总数与所捕获图像的分析区域中的像素总数的比率,
(e)将所计算的第一值和第二值作为所捕获图像的分析区域的数值对存储在存储单元中,
(f)针对多个进一步捕获的图像执行步骤(a)至(e),
(g)在数据处理单元中计算所存储的第一值的第一平均值和所存储的第二值的第二平均值,以及
(h)将计算出的第一平均值和第二平均值存储在存储单元中。
7.根据方面6所述的方法,还包括:
在显示设备上实时显示每个处理过的捕获图像,使得对应于孔隙区域的第一像素与对应于氧化物区域的第二像素在视觉上可区分。
8.根据方面7所述的方法,还包括:
将所计算的第一值和所计算的第二值与所捕获图像的各个分析区域中的每一个一起实时显示在显示装置上。
9.根据方面6所述的方法,还包括:
在步骤(h)之后,捕获用于选择涂层表面的不同部分的附加分析区域的附加图像,
对每个所选分析区域执行步骤(b)
对每个所选分析区域执行步骤(c)或步骤(d)中的至少一个,
进行以下的至少一个:(i) 将所选择的每个分析区域的计算出的第一值与所存储的第一平均值进行比较,或者(ii)将所选择的每个分析区域的计算出的第二值与所存储的第二平均值进行比较,
从附加选择的分析区域中选择所述分析区域中的一个,所选择的分析区域具有与所存储的第一平均值相等或基本相等的计算的第一值,或者具有与所存储的第二平均值相等或基本相等的计算的第二值,和
将所选择的分析区域或与所选择的分析区域相对应的所捕获的附加图像中的一个与所述第一平均值和第二平均值链接或存储在一起,以生成参考图像。
10.根据方面6所述的方法,其中,步骤(e)还包括:
不将所述分析区域或所捕获图像与用于分析区域的相应数值对一起存储。
11.根据方面6所述的方法,还包括:
选择所述分析区域,使得所述分析区域仅包含所述部件的涂层。
12.根据方面6所述的方法,还包括:
当所述第一平均值和第二平均值中的至少一个高于预定上限值或低于预定下限值时输出报错信号。
13.根据方面6所述的方法,还包括:
计算并将以下至少一项与所述参考图像的元数据存储或与所述参考图像链接:
第一个值的标准偏差;
第一值的最大值和最小值,
第二个值的标准偏差,或
第二值的最大值和最小值。
14.根据方面6所述的方法,其中:
具有在第一灰度值范围内的灰度值的像素被标记为孔隙区域,
具有在第二灰度值范围内的灰度值的像素被标记为氧化物区域,
第一灰度值范围不重叠,并且比第二灰度值范围更暗。
15.根据方面6所述的方法,其中所述部件是涂覆的气缸体的气缸孔的抛光样本,并且所述涂层是金属氧化物涂层。
16.根据方面6所述的方法,还包括:
通过以下方式中的一种来选择所捕获图像中的分析区域以计算第一值和第二值:(i)通过操作者输入单元手动输入所选择的分析区域,或者(ii)在所述数据处理单元中执行阈值方法以自动选择分析区域。
17.根据方面6所述的方法,其中步骤(b)还包括对所捕获图像的至少一部分的像素执行阈值方法,以分割所述第一像素和所述第二像素。
18.一种用于评估部件的涂层的表面的质量的图像处理装置,包括:
电子图像捕获装置,
至少一个处理器,
至少一个存储单元;和
包括计算机可读指令的非暂时性计算机可读介质,所述计算机可读指令在由所述至少一个处理器执行时使所述至少一个处理器:
(a)使所述电子图像捕获装置捕获所述涂层的表面的一部分的图像,
(b)实时处理所捕获的图像的至少一部分,以识别与所捕获的图像的分析区域中的孔隙区域相对应的第一像素,并且识别与所捕获的图像的分析区域中的氧化物区域相对应的第二像素,所述分析区域的大小等于所捕获的图像或小于所捕获的图像,
(c)计算所捕获的图像的分析区域的第一值,所述第一值表示以下当中的一个:(i)所捕获图像的分析区域中的第一像素的总数,或(ii)第一像素的总数与所捕获图像的分析区域中的像素总数的比率,
(d)计算所捕获的图像的分析区域的第二值,所述第二值表示以下当中的一个:(i)所捕获图像的分析区域中的第二像素的总数,或(ii)第二像素的总数与所捕获图像的分析区域中的像素的总数的比率,
(e)将所计算的第一值和第二值作为所捕获图像的分析区域的数值对存储在至少一个存储单元中,
(f)针对多个进一步捕获的图像执行步骤(a)至(e),
(g)计算所存储的第一值的第一平均值和所存储的第二值的第二平均值,以及
(h)将计算出的第一平均值和第二平均值存储在至少一个存储单元中。
19.根据方面18所述的图像处理装置,还包括:
显示装置,
其中所述非暂时性计算机可读介质还包含计算机可读指令,所述计算机可读指令在由所述至少一个处理器执行时使得所述至少一个处理器:
在所述显示装置上实时地依次显示每个处理过的捕获图像以及分别从所述分析区域计算出的数值对,使得所述孔隙区域与所述氧化物区域在视觉上可区分。
20. 根据方面18所述的图像处理装置,其中,所述非暂时性计算机可读介质还包括计算机可读指令,所述计算机可读指令在由所述至少一个处理器执行时使得所述至少一个处理器:
当所述第一平均值或第二平均值中的一个高于预定上限值或低于预定下限值时,产生并输出报错信号。
上述捕获图像并实时处理它们以及存储至少多个处理后图像的数值对的方法的一个(非限制性)基本或一般概念,与常规数字照相机中使用的已知图像处理方法大体上相似,其中所述常规数字照相机具有能够显示当前由电子捕获装置(例如CCD或CMOS数字成像器)捕获的图像序列(实况视频)的实时预览的显示器。也就是说,在照相机启动之后,以特定频率捕获一系列图像,这例如与上述方面1相似。图像序列的每个捕获图像立即被实时处理,并且在常规相机的显示器上实时地或可实况预览地显示,例如与以上方面2类似。如果常规相机被编程为执行例如面部检测,则面部检测过程被包括在实时处理中,使得那些被识别的面孔在实时预览中被永久更新的标记框标记(参见上面的方面2)。这种面部检测与根据本教导的图像分割和阈值处理相当,其中孔隙和氧化物被标记/标明并显示在显示器中。但是,在常规的数码相机中,当用户按下快门开关时,整个图像被存储。另一方面,在根据本教导的当前描述的(非限制性)基本或一般概念的图像处理中,只有在捕获图像的预选分析区域内的孔隙和氧化物的数值对(即两个数值)根据用户的输入而进行存储(例如,在上述方面1中)。从中导出数值对的捕获图像因此被丢弃,即不存储,从而减少了进一步的图像处理和存储需求。当然,除了为存储图像而按压快门开关外,常规数码相机还可以包括用于在所检测的脸部中检测到笑脸之后自动存储图像的功能。与此类似,也可以在满足预定条件(例如,在上述方面12中)之后自动存储数值对。
这里需要明确强调的是,为了原始公开的目的以及为了限制所要求保护的发明,说明书和/或权利要求中公开的所有特征应该被认为是彼此分离和相互独立的,不依赖与实施例和/或权利要求中的特征的组合。需要明确指出的是,为了原始公开内容的目的以及为了限制所要求保护的发明(特别是范围规格的限制),所有范围规格或单位组的规格都公开了每个可能的中间值或单位的子组。
附图标记列表
10 气缸体
12 气缸
14 涂层
16 内表面
18 抛光样本
20 测试样本
22 长方体部分
24 装置
26 测量台
28 图像捕获装置
30 驱动器(驱动装置)
32 数据处理单元
34 存储单元
36 显示装置
38 操作者输入单元
40 输出单元
S1 第一阈值
S2 第二阈值
R1 第一个灰度值范围
R2 第二个灰度值范围
R3 第三个灰度值范围
M1 第一最大值
M2 第二最大值
M3 第三最大值
42 屏幕视图(显示单独图像)
44 涂层部分横截面图
46 涂层横截面图
48 嵌入材料横截面图
50 孔隙区域
52 氧化物区域
54 采样框
56 名称栏
58 比例栏
60 值显示区域
62 平均值显示区域

Claims (15)

1.用于评估部件的涂层的表面的质量的方法,包括以下步骤:
使用电子图像捕获装置(28)捕获包括所述部件的所述涂层的所述表面的不同区域的多个单独图像的图像序列,
在数据处理单元(32)中实时处理所捕获的每个所述单独图像的处理区域,使得所述涂层的孔隙区域(50)和氧化物区域(52)以彼此可区分的方式被标记在经处理的图像中,其中所述孔隙区域(50)和所述氧化物区域(52)存在于所述处理区域中,
在存储单元(34)中存储针对多个经处理的所述单独图像的数值对,每个数值对包括第一值和第二值,其中所述第一值指定第一像素数量,其表示当前正在处理的所述单独图像(42)的对应于所述处理区域或位于其中的分析区域中的孔隙区域(50),或所述第一像素数量占所述分析区域中的像素总数的比率,所述第二值指定第二像素数量,其表示当前正在处理的所述单独图像(42)的所述分析区域中的氧化物区域(52),或者所述第二像素数量占所述分析区域中的像素总数的比率,以及
在所述数据处理单元(32)中计算所述第一值的第一平均值和所述第二值的第二平均值,并且将计算出的所述平均值存储在所述存储单元(34)中。
2.根据权利要求1所述的方法,还包括以下步骤:
在显示装置(36)上实时显示每个处理过的图像,使得标记的所述孔隙区域(50)和标记的所述氧化物区域(52)以彼此可区分的方式显示在所显示的所述单独图像(42)中。
3.根据权利要求2所述的方法,其中,
在所述显示装置(36)上实时显示所述第一值和所述第二值,并且显示每个经处理的单独图像(42),所述第一值和所述第二值基于分别显示的所述单独图像(42)中的所述分析区域进行计算。
4.根据权利要求1至3当中任一项所述的方法,还包括以下步骤:
选择分析区域,其第一值对应于或接近所述第一平均值,或者其第二值对应于或接近所述第二平均值,
将所选择的所述分析区域或对应于所述分析区域的所述单独图像作为参考图像与所述第一平均值和所述第二平均值链接或存储在一起。
5.根据权利要求4所述的方法,其中,
每个参考图像存储有以下至少一个:测量序列的名称、表面、捕获日期或者比例。
6.根据权利要求1所述的方法,还包括以下步骤:
存储每个单独图像(42),所述单独图像(42)中存储有数值对,以及
将每个存储的单独图像链接到对应的所述数值对。
7.根据权利要求1所述的方法,其中:
所述单独图像没有被存储,其中所述单独图像的所述数值对已经被存储,或者所述单独图像没有被永久地存储在所述存储单元(34)中,其中所述单独图像的所述数值对已经被存储,和/或
所述处理区域包括整个捕获的图像,和/或
所述分析区域是专门表示所述涂层的所述单独图像的区域。
8.根据权利要求1所述的方法,还包括以下步骤:
使用由所述数据处理单元(32)控制的驱动装置,相对于所述图像捕获装置(28)移动所述部件或反之亦然,以使用所述图像捕获装置(28)捕获具有所述部件的所述表面的不同区域的所述单独图像的所述图像序列,和/或
所述图像捕获装置(28)自动对焦,和/或
当所述平均值中的一个高于特定的预定上限值或低于特定的预定下限值时输出报错信号。
9.根据权利要求1所述的方法,还包括以下步骤:
计算并存储所述第一值的标准偏差和/或存储第一值的最大值和最小值,和/或计算并存储所述第二值的标准偏差和/或存储第二值的最大值和最小值,以及可选地将所述平均值和/或所述标准偏差和/或所述最大值和最小值存储在所述参考图像的元数据中或者将其与所述参考图像链接起来。
10.根据权利要求1所述的方法,其中:
所述孔隙区域(50)具有比所述氧化物区域(52)更暗的灰度值,所述氧化物区域(52)具有比所述表面的所述区域的其他区域更暗的灰度值,
为了在每个捕获的单独图像的处理过程中标记所述孔隙区域(50)和所述氧化物区域(52),将第一灰度值范围内的像素标记为孔隙区域(50),并将第二灰度值范围内的像素标记为氧化物区域(52),并且
所述灰度值范围或它们的极限值根据大津法选择性地确定。
11.根据权利要求1所述的方法,其中,
所述部件是气缸体(10)的气缸孔的抛光样本(18),所述气缸孔设置有涂层,并且在使用所述图像捕获装置(28)捕获的区域中,所述抛光样本(18)的所述表面至少部分地由所述涂层形成,
选择性地实现待捕获的所述区域的自动检测。
12.根据权利要求1所述的方法,还包括以下步骤:
使用操作者输入单元(38)选择所述单独图像中的所述分析区域,对于所述分析区域计算所述第一值和所述第二值,或者
使用在所述数据处理单元(32)中执行的阈值方法自动选择所述单独图像中的所述分析区域,对于所述分析区域计算所述第一值和所述第二值。
13.用于评估部件的涂层的表面的质量的图像处理装置,包括:
电子图像捕获装置(28),其被配置为捕获包括所述部件(18)的所述涂层的所述表面的不同区域的多个单独图像的图像序列,
数据处理单元(32),其配置为:
实时处理所捕获的每个所述单独图像的处理区域,使得存在于所述处理区域中的所述涂层的孔隙区域(50)和氧化物区域(52)以彼此可区分的方式被标记在经处理的图像中,
针对不同的经处理的单独图像计算各自具有第一值和第二值的数值对,其中所述第一值指定第一像素数量,其表示当前正在处理的所述单独图像(42)的对应于所述处理区域或位于其中的分析区域中的孔隙区域(50),或所述第一像素数量占所述分析区域中的像素总数的比率,所述第二值指定第二像素数量,其表示当前正在处理的所述单独图像(42)的所述分析区域中的氧化物区域(52),或者所述第二像素数量占所述分析区域中的像素总数的比率,以及
计算所述第一值的第一平均值和所述第二值的第二平均值,以及
存储单元(34),其配置为存储所述数值对和所述平均值。
14.根据权利要求13所述的图像处理装置,还包括:
显示装置(36),被配置为实时显示每个处理后的所述图像,使得所述孔隙区域和所述氧化物区域以彼此可区分的方式在所显示的所述图像中被标记,
其中可选地,所述第一值和所述第二值与每个经处理的单独图像(42)在所述显示装置(36)上实时显示,所述第一值和所述第二值基于分别显示的所述单独图像(42)中的所述分析区域进行计算。
15.根据权利要求13或14所述的图像处理装置,其中,
所述数据处理单元(32)被配置为当所述第一平均值或所述第二平均值中的一个平均值高于特定的预定上限值时或低于特定的预定下限值时产生报错信号并将所述报错信号输出到所述显示装置(36)和/或输出单元(40)。
CN201810477095.4A 2017-05-18 2018-05-18 用于评估涂覆表面质量的方法和装置 Active CN108931536B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP17171668.1A EP3404403B1 (de) 2017-05-18 2017-05-18 Verfahren und vorrichtung zur prüfung der qualität von beschichteten oberflächen
EP17171668.1 2017-05-18

Publications (2)

Publication Number Publication Date
CN108931536A CN108931536A (zh) 2018-12-04
CN108931536B true CN108931536B (zh) 2021-08-06

Family

ID=58715095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810477095.4A Active CN108931536B (zh) 2017-05-18 2018-05-18 用于评估涂覆表面质量的方法和装置

Country Status (4)

Country Link
US (1) US10677590B2 (zh)
EP (1) EP3404403B1 (zh)
CN (1) CN108931536B (zh)
HU (1) HUE042725T2 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109580569A (zh) * 2018-12-28 2019-04-05 蜂巢能源科技有限公司 涂覆浆料的检测装置
DE102019113033A1 (de) * 2019-05-17 2019-09-05 Gehring Technologies Gmbh Vorrichtung zur Herstellung von beschichteten Oberflächen, insbesondere von reibungsarmen Zylinderbohrungen für Verbrennungsmotoren
CN111008967B (zh) * 2019-12-04 2023-05-12 华北电力大学 一种绝缘子rtv涂层缺陷识别方法
KR102256181B1 (ko) * 2019-12-30 2021-05-27 한국과학기술원 강구조물의 도막 상태 검사 및 평가 방법과 이를 위한 시스템
CN113063793B (zh) * 2021-03-25 2022-01-07 中山大学 一种钛合金表面涂层服役情况的图形化处理分析方法及其应用
CN114713398A (zh) * 2022-04-25 2022-07-08 广东云筹科技有限公司 金属表面涂层色差控制方法、装置、电子设备及存储介质
CN116912243B (zh) * 2023-09-12 2023-11-21 吉林大学第一医院 一种用于医疗用管的涂层质量检测方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009155720A (ja) * 2007-12-05 2009-07-16 Nissan Motor Co Ltd 鉄系溶射被膜、その形成方法及び摺動部材
CN102183223A (zh) * 2011-01-13 2011-09-14 新兴铸管股份有限公司 一种判定金属锈蚀面积的方法
CN103234487A (zh) * 2013-03-29 2013-08-07 吉林大学 植物叶片面积及叶片表面病斑面积的测量方法
CN103308530A (zh) * 2012-03-09 2013-09-18 致茂电子(苏州)有限公司 表面花纹的检测方法
CN103575212A (zh) * 2012-08-09 2014-02-12 厦门钨业股份有限公司 一种pcb微型铣刀参数检测方法
CN203908956U (zh) * 2013-10-25 2014-10-29 重庆锦和鸿科技有限公司 一种用于检测工件表面缺陷的系统
CN104203430A (zh) * 2012-03-28 2014-12-10 阿克佐诺贝尔国际涂料股份有限公司 施涂粉末涂料的方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1164527C (zh) * 2000-07-28 2004-09-01 株式会社村田制作所 陶瓷糊浆组合物、陶瓷成形体和陶瓷电子元件
JP5648309B2 (ja) * 2010-03-31 2015-01-07 Jfeスチール株式会社 溶融亜鉛系めっき鋼板の製造方法
JP2012155010A (ja) * 2011-01-24 2012-08-16 Keyence Corp 顕微鏡システム、表面状態観察方法および表面状態観察プログラム
KR101297175B1 (ko) * 2011-03-10 2013-08-21 삼성에스디아이 주식회사 리튬 이차전지용 양극 활물질, 이의 제조방법 및 이를 이용한 리튬 이차전지
KR101826390B1 (ko) * 2011-06-29 2018-02-06 캐논 가부시끼가이샤 자성 캐리어 및 2성분 현상제
CN104919076B (zh) * 2013-01-18 2017-03-08 福吉米株式会社 带有含金属氧化物的膜的物品
EP2977364B1 (en) * 2013-03-19 2021-08-11 NGK Insulators, Ltd. Joined body, and production method therefor
CN105579167A (zh) * 2013-09-30 2016-05-11 日立化成株式会社 铝系多孔质体及其制造方法
KR101730787B1 (ko) * 2014-07-08 2017-04-27 닛산 지도우샤 가부시키가이샤 결함 검사 장치 및 생산 시스템
US9908815B2 (en) * 2014-10-03 2018-03-06 Ngk Insulators, Ltd. Heat-resistant member and method for producing the same
JP6438048B2 (ja) * 2014-12-25 2018-12-12 オリンパス株式会社 骨接合用インプラントとその製造方法
JP6434836B2 (ja) * 2015-03-20 2018-12-05 日本碍子株式会社 複合体、ハニカム構造体及び複合体の製造方法
MX2018003118A (es) * 2015-09-28 2018-06-06 Nippon Steel & Sumitomo Metal Corp Punzon y su metodo de manufactura.
JP7013871B2 (ja) * 2015-10-28 2022-02-01 住友金属鉱山株式会社 非水系電解質二次電池用正極活物質とその製造方法、非水系電解質二次電池用正極合材ペーストおよび非水系電解質二次電池
MY189794A (en) * 2016-03-31 2022-03-08 Jx Nippon Mining & Metals Corp Ferromagnetic material sputtering target

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009155720A (ja) * 2007-12-05 2009-07-16 Nissan Motor Co Ltd 鉄系溶射被膜、その形成方法及び摺動部材
CN102183223A (zh) * 2011-01-13 2011-09-14 新兴铸管股份有限公司 一种判定金属锈蚀面积的方法
CN103308530A (zh) * 2012-03-09 2013-09-18 致茂电子(苏州)有限公司 表面花纹的检测方法
CN104203430A (zh) * 2012-03-28 2014-12-10 阿克佐诺贝尔国际涂料股份有限公司 施涂粉末涂料的方法
CN103575212A (zh) * 2012-08-09 2014-02-12 厦门钨业股份有限公司 一种pcb微型铣刀参数检测方法
CN103234487A (zh) * 2013-03-29 2013-08-07 吉林大学 植物叶片面积及叶片表面病斑面积的测量方法
CN203908956U (zh) * 2013-10-25 2014-10-29 重庆锦和鸿科技有限公司 一种用于检测工件表面缺陷的系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
泡沫混凝土孔结构的表征及其对性能的影响;庞超明;《建筑材料学报》;20170228 *

Also Published As

Publication number Publication date
US10677590B2 (en) 2020-06-09
CN108931536A (zh) 2018-12-04
EP3404403A1 (de) 2018-11-21
HUE042725T2 (hu) 2019-07-29
EP3404403B1 (de) 2019-03-27
US20180335301A1 (en) 2018-11-22

Similar Documents

Publication Publication Date Title
CN108931536B (zh) 用于评估涂覆表面质量的方法和装置
JP4558047B2 (ja) 顕微鏡システム、画像生成方法、及びプログラム
TWI729186B (zh) 晶圓中開口尺寸之光學量測
TW201019237A (en) Method and system for item identification
US20090016650A1 (en) Handheld image processing apparatus
JP2020067308A (ja) 画像処理方法および画像処理装置
US20150260973A1 (en) Focus determination apparatus, focus determination method, and imaging apparatus
JP2019043727A (ja) 携帯端末装置、部品劣化判定プログラム
JP5530126B2 (ja) 三次元細胞画像解析システム及びそれに用いる三次元細胞画像解析装置
WO2015146744A1 (ja) 工具検査方法及び工具検査装置
KR100517868B1 (ko) 시료 표면의 결함 측정 및 평가 방법
JP6031821B2 (ja) 変位量測定方法および材料試験機
JP2023043178A (ja) カラーチャンネルを利用するワーク検査及び欠陥検出システム
JP2014157158A (ja) 細胞観察方法、三次元細胞画像解析システム及びそれに用いる三次元細胞画像解析装置
JP3338625B2 (ja) 物体識別装置
JP7272419B2 (ja) 画像撮影装置
CN110868586A (zh) 一种摄像头缺陷自动化检测方法
KR101622291B1 (ko) 소결광 성분의 정량화 방법
TWI790758B (zh) 應用軸向色差的對焦方法及使用該方法的光學檢測架構
JPH01259243A (ja) 不透明鉱物等の顕微鏡画像の自動定量測定方法および装置
JP2017194352A (ja) 画像処理装置、画像処理方法、およびプログラム
JP5852858B2 (ja) 端子検査装置及び端子検査方法
JP2020003359A (ja) 鋼材成分識別装置及びそのプログラム
JP6550341B2 (ja) 病理標本の染色標準化方法
Baraghini et al. Improving 3D inline computational imaging of textureless objects using pattern illumination

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant