JP2001516457A - 検出された表面の不整の前分類により移動するストリップの表面を検査する方法 - Google Patents

Abstract

(57)【要約】 本発明は、巻かれていないストリップの表面を検出する方法に関し、この方法は以下のステップ、即ち、イメージ化手段を用いて少なくとも１つのストリップ（１０）表面の少なくとも１つのデジタル・イメージを形成するステップと、前記少なくとも１つのデジタル・イメージをフィルタリングして表面の欠陥を検出するステップと、前記のフィルタリングされた少なくとも１つのデジタル・イメージを処理して、表面の検出された各欠陥に対応する欠陥のタイプを識別するステップとを備える。デジタル・イメージを処理するステップの前に、各欠陥に対して、表面の欠陥の特徴である所定のパラメータの値を決定し、前記パラメータの所定の値を基に、予め定めたクラスの組により、欠陥の前分類を行うことによって、欠陥を特徴付けする。前記の処理ステップは、各クラスに行われる。

Description

【発明の詳細な説明】 検出された表面の不整の前分類により移動するストリップの表面を検査する方法 本発明は、移動するストリップ、特定的には、高速で移動する圧延された金属 薄板の表面を検査する方法及びその検査方法を用いるシステムに関連する。 移動するストリップの表面を自動的に検査する従来のタイプの表面検査システ ムでは、表面は、ストリップの少なくとも１つの面の少なくとも１つのデジタル 画像を形成することにより検査され、デジタル画像は、それぞれにデジタル値が 割り当てられた画素の連続する行によって構成され、前記の少なくとも１つのデ ジタル画像は、表面の不整を検出するために、前記デジタル値における相対的な 変化を検出することによってフィルタリングされ、表面の不整は、検出された各 不整に対応する表面の欠陥のタイプを識別するように処理される。 この検査技術によると、表面不整は、一般に、検査される表面上に発生しそう な欠陥の組から、それぞれの不整に対応する欠陥を識別することによって処理さ れる。即ち、不整の分析は、検出される不整の特性と関係なく、同様にして行わ れる。 従って、このタイプの表面検査システムは、特に、多数の比較的長く且つ複雑 な計算動作を必要とする処理ステップの特性のため、その処理速度が比較的遅く なる。 本発明の目的は、それらの欠点を克服すること、及び検査される表面の特性に 関係なく、検出された表面不整の前ソート処理を行うことを可能とする表面検査 方法を提供することである。 従って、本発明は、上述のタイプの移動するストリップの表面を検査する方法 に関連し、その方法は、 − 撮影手段を用いて前記ストリップの少なくとも１つの面の少なくとも１つ のデジタル画像を形成するステップであって、前記デジタル画像が画素の連続す る行の組で構成され、各画素にはデジタル値が割り当てられる、ステップと、 − 表面の不整を検出するために、前記デジタル値における相対的な変分を検 出することによって、前記少なくとも１つのデジタル画像をフィルタリングする ステップと、 − それぞれの検出された不整に対応する表面の欠陥のタイプを識別するため に、前記のフィルタリングされた少なくとも１つのデジタル画像を処理するステ ップとを備え、 前記の前記少なくとも１つのデジタル画像を処理するステップの前に、それぞ れの不整に対して、表面の欠陥の特徴の所定のパラメータの値を決定することに よって、不整の全体的な特徴付けが行われ、且つ前記パラメータの決定された値 を基に、予め定めたクラスに従って、前記不整の前分類が行われ、且つ前記の処 理するステップが各クラスに行われる、 ことを特徴とする。 イメージ処理が行われるそれぞれのものに、クラスの組に従って、予め検出さ れた不整がクラス分けされるので、後者の方が、この前トリミング・ステップの 支援によって、かなり速度が速くなることが理解できる。 更に、この前分類は、認識エラーの発生を低減することを可能にし、従って、 識別の質を改善する。 本発明による方法は更に、１又は複数の以下の特徴を備えることができる。 − 所定の各パラメータが、次元が前記パラメータに対応する空間における一 般的基準（リファレンス）軸を表し、それぞれが前記予め定めたクラスの１つに 対応する領域が前記空間において範囲を定められ、前記前分類の前に、それぞれ の不整が、座標が前記パラメータの値である点によって、前記空間において表さ れ、且つ、前記前分類は、各点が属する領域を識別することにより、及び対応す る不整を前記領域に対応するクラスへ割り当てることにより行われる。 − 特徴パラメータの数が全体的特徴付けに対する特徴パラメータの数よりも 少ない予め定めた各クラスに対して不整の特徴付けの第２の方法が決定され、前 記前分類ステップの後に、不整が属する前記クラスに特定的なこの第２の特徴付 け方法の特徴パラメータの値が、全体的特徴付けに対する特徴パラメータの値を 基にして、検出された各不整に対して決定される。 − 不整を表すための簡略化されたリファレンス・フレームが各領域に対して 決定され、その軸の数は一般的基準軸の数よりも少なく、前記前分類ステップの 後に、リファレンス・フレームを、前記の一般的なリファレンス・フレームから 、不整が属する領域に特定的な前記簡略化されたリファレンス・フレームへ変更 するステップが、表される各不整に対して行われる。 − 前記の不整を処理するステップは、前記不整が属するクラスに特定的な欠 陥タイプの組から、各不整に対応する欠陥を識別する第１ステップと、前記の第 １の分類ステップから結果として得られた分類を確認し且つ更に正確にするため に、前記の識別された欠陥を分類する第２ステップとを含む。 − 本方法が、識別された欠陥のタイプを、確実及び／又は正確に識別された 第１タイプの欠陥と、不確実及び／又は不正確に識別された第２タイプの欠陥と について、認定するステップを含み、且つ、前記の第２の分類ステップは、不確 実及び／又は不正確と認定されたタイプの欠陥にのみ行われる。 − 本方法が、予め定めた基準の組、特定的には幾何学形状及び／又は形態の 基準、を用いて、識別された欠陥をグループ化するステップを更に含む。 − 本方法が、周期的な欠陥を検出するために、単位長さあたりの同じタイプ の識別された欠陥の数を数えるステップと、各タイプの欠陥の数と、欠陥の最小 数を表す所定のスレッショルド値であって、その値を基礎として欠陥が周期的特 徴を呈示しそうであるスレッショルド値とを比較するステップとを更に含む。 − 前記の前記パラメータの値を決定するステップの後且つ前記の前分類ステ ップの前に、エレメンタリ・クラスの組に従って不整の特定的分類が行われ、周 期的な欠陥を検出するために前記エレメンタリ・クラスのポピュレーションが分 析される。 − 前記のフィルタリングするステップの後に、不整の画素の検出に応答して 、前記撮影手段によって連続的に送られ且つ少なくとも１つの不整に対応する少 なくとも１つの画素を含む画素行のための記憶ゾーンが、メモリに定められ、各 記憶ゾーンは、少なくとも１つの表面の不整をそれぞれが有する懐疑的ゾーンに セグメント化され、連続する記憶ゾーンに含まれ且つ同じ不整に対応する懐疑的 ゾーンが対にされ、対にされた懐疑的ゾーンの画素行の合計数が、長さの長い欠 陥の検出用のスレッショルドと比較され、前記スレッショルドを超える場合には 、 前記の前記フィルタリングされた少なくとも１つのデジタル画像を処理するステ ップは、前記対にされた懐疑的ゾーンの１つにのみ行われ、その処理の結果が、 他の対にされた懐疑的ゾーンに割り当てられる。 本発明はまた、上述の方法を実施するための、移動するストリップの表面を検 査するシステムに関連し、そのシステムは、前記ストリップの少なくとも１つの 面を画像撮影する手段と、デジタル値とそれぞれが関連付けられる画素の行及び カラムの形態で、前記ストリップの少なくとも１つの画像を記憶するメモリと、 前記ストリップ上の表面の不整を検出するために、前記デジタル値における相対 的な変分を検出することによって、前記の少なくとも１つのデジタル画像をフィ ルタリングする回路と、前記フィルタリングする回路に接続され、信号を処理す るためのユニットとを備え、前記ユニットは、表面の欠陥の特徴パラメータの値 を計算する手段と、前記パラメータの値を基に、予め定められたクラスの組に従 って、検出された不整をクラス分けする手段と、各不整を、該不整に対応しそう な欠陥タイプの組から識別する手段とを備える、ことを特徴とする。 他の特徴及び利点は、単に例として示される以下の説明及び添付の図面を参照 することにより明瞭になる。 図１は、本発明による表面検査システムの一実施形態の全体を示す図である。 図２は、図１のシステムの撮影手段により送られ、メモリに記憶される画像の 一部を表す。 図３ａ〜３ｅは、画像を分割するステップの間のストリップの表面の多種の画 像を表す。 図４は、図１のシステムを動作するときの全体的な方法を示すフローチャート である。 図５は、フィルタリングされたデジタル・イメージを処理する多種のステップ を示すフローチャートである。 図６ａ及び６ｂは、半製品（ＤＫＰ）に対して及び亜鉛メッキされた製品に対 して、それぞれ、表面不整の長さ及び幅の関数として、多種のクラスの欠陥を示 す図である。 図７は、検出された表面の欠陥を分析するためのプログラムにおけるステップ を示すフローチャートである。 図１に示されたシステムは、例えば、圧延ラインから出て行く圧延された金属 薄板のような、高速で移動するストリップ１０の表面の欠陥を検出することを意 図されたものである。 金属薄板１０の表面は、ストリップの表面のデジタル画像をフィルタリング段 １４へ送り出す撮影カメラ１２を用いて検査される。 示された例示的実施形態において、このシステムは、ストリップの１つの面に 向けられた１つの撮影カメラ１２を有するが、システムに、ストリップ１０の各 表面のイメージを形成するように設計した２つのカメラを備えるようにしてもよ い。 撮影カメラ１２は、この応用に用いるのに適切な任意の形式のカメラでよく、 そのフィールド（視野）の幅がストリップ１０の検査ゾーンの幅に実質的に等し くし、この検査ゾーンは、ストリップの幅全体となるようにするとよい。従って 、カメラは、ストリップが移動する方向に関して、有限の長さの画像を送り出す １以上のマトリクス・カメラで構成するか、又は無限の長さの画像を送り出す１ 以上のリニア・カメラで構成するとよい。 ストリップの検査ゾーンの幅全体を１つのマトリクス・カメラ又はリニア・カ メラで十分にカバーできない場合には、ストリップの幅にわたって複数のカメラ を分布させて用いる。 図２を参照すると、撮影カメラ１２は、Ｍ個の画素又はピクセルＩ_i,jの行ｉ を形成し、ピクセルは、ストリップ１０の長さにわたって、画素のライン番号ｉ と、幅にわたって、カラム番号ｊとによって、該ピクセルを識別するためにアド レス指定することができ、各画素はグレイ・レベルを表すデジタル値と関連して いる。 画素の行は、管理回路２０の指示のもとに、フィルタリング段のメモリ１８に 記憶される。 第１の実施例によると、撮影カメラは、１秒あたり２０４８ピクセルの１００ ００行をメモリ１８へ供給するリニア・カラムで構成され、それらの行はメモリ の連続するアドレスへ記憶される。 別の実施例によると、撮影カメラは２つのマトリクス・カメラで構成され、そ れらは、ストリップの幅をカバーする（範囲に含むようにする）ために、ストリ ップの幅にわたって分配されて配置され、１秒あたり１０の画像を撮るように設 計されている。１つのカメラにより送られる各画像は１０２４ピクセルの１０２ ４行からなり、これがメモリ１８に送られる。 従って、画像システムは連続的に画素の行を出力し、各画素はグレイ・レベル を表すデジタル値と関連している。リニア・カメラが関係する場合にはラインに ついて同期がとられ、マトリクス・カメラが関係する場合にはライン・グループ について同期がとられることが理解されるであろう。 再度図１を参照すると、フィルタリング段１４が、表面の不整（変則な状態） を検出するために、画素又はピクセルのデジタル値における相対的変分を検出す るイメージ処理オペレータを備えるフィルタリング回路２１を更に有することが 理解できる。 フィルタリング回路は、好適には、例えば「プリウイット（Ｐｒｅｗｉｔｔ） 」タイプの検出器である輪郭検出回路を備え、この検出器は、互いに近接して位 置する画素間のグレイ・レベルにおける変分を検出して、表面不整をもつ金属薄 板１０のゾーンを検出することを可能にする。 図１に示されるように、フィルタリング回路１４の出力は信号処理ユニット２ ２に接続され、該ユニットは、デジタル画像を、それぞれがフィルタリング段１ ４で検出された表面不整を定める画素ゾーンにセグメント化する第１段２４と、 計算回路２８とそれに関連する対応するメモリ３０とを備える第２信号処理段２ ６とを含み、該メモリは、表面不整を有する各ゾーンに対しての表面の欠陥を認 識して識別する処理アルゴリズムを保持する。 図１に示されたシステムは、更に、処理ユニット２２の出力に接されたディス プレイ・デバイス３２を備え、該ディスプレイ・デバイスの１つの入力は計算回 路２８の出力に接続され、以下に説明するような、欠陥のタイプに関連する情報 と関係する検出された表面の欠陥と、それら欠陥のシビアリティ（ｓｅｖｅｒｉ ｔｙ）を表すパラメータとを表示することを可能にする。 上述のシステムの動作の方法を、図２ないし７を参照して説明する。 図３ａは、金属薄板１０の一部を表し、この金属薄板は、３４で示すような表 面の１組の不整を有する。 撮影カメラ１２のフィールドは、好適にはストリップ１０の幅全体をカバーす る。図４を参照すると、第１ステップ３６の間に、撮影カメラは、ストリップ１ ０の表面の画素の連続する行を撮り、それらの画素は、グレイ・レベル値と関連 してメモリ１８に記憶される。 この第１の画像撮影ステップ３６の間に、必要であれば、管理回路２０は、１ つの場合には、検査ゾーンの幅に対応する幅の画像をメモリ１８において得るた めに、検査ゾーンの幅全体を網羅するために複数のカメラが使用された場合にお いて、ストリップ１０の幅の方向に、連続するピクセルをグループ化することに よって、撮影カメラ１２により送られた画像をマージし、別の場合には、撮影カ メラ１２として１以上のマトリクス・カメラを用いる場合において、ストリップ １０の長さの方向に、連続して送られるピクセルの行のグループをマージするこ とにより、画像をマージする。 メモリ１８に記憶され、以下で「生画像」と呼ばれる画像は、画素Ｉ_i,jのセ ットにより構成され、ｉはメモリにおける行のアドレスを示し、これは１からＮ の範囲であり、ｊは各行の画素の番号を示し、これは１からＭの間であり、Ｍは 例えば２０４８であり、各画素はグレイ・レベル・デジタル値と関連する。 値Ｎはメモリの容量に依存することに留意されたい。この容量は、後続の処理 が行われるようにするために、十分な数の行を記憶するように構成するべきであ る。例えば、１０２４／ｍの多数の画素の行で１５ｍの長さの金属薄板に対応す る画像を記憶するためには、Ｎは好適には１５３６０行である。 メモリの容量が飽和すると、後から続いて到着する行は、以前に記憶されて通 常通りに処理された最も古いピクセルの行に代わって記憶される。 メモリの容量が飽和しているが、以前に記憶された最も古いピクセルの行がま だ処理されていない場合には、飽和アラームが発せられて、ストリップの或るゾ ーンが検査されないことを示すようにする。 この場合、例えば、ストリップの検査されなかった部分の統計的分析を行うた めに、検査されなかったゾーンは、ファイルにおいて、記憶されていない連続す る行を識別して記憶することによりストリップ上で位置付けされる。 しかしながら、ストリップが移動する平均速度及び所与のタイプのストリップ に対しての識別される表面不整の平均密度を考慮することにより、それより上で あれば処理されていない行を消去する危険性が実際にないという、平均処理速度 に対応する平均必要計算力を決定することが可能である。 従って、処理モジュールは、好適には、瞬間処理速度がこの平均速度よりも高 いように設計される。 即ち、画像をマージする機能に加えて更に、メモリ１８は、表面不整の密度の 増加により処理の作業負荷が増えた場合においての、変化、特に増加に対処可能 なようにバッファ機能を果たす。 後続のステップ３８の間に、表面不整の輪郭ラインを表す二進画像が、メモリ １８に記憶された各画像と関連付けされる。 これを行うために、このステップの間に、生画素の連続する行がフィルタリン グ回路２１によってフィルタリングされ、この回路は、上述のように、例えば、 従来のタイプの２方向プリウイット・フィルタを備え、関連する二進画像に書き 込まれる不整の輪郭を決定するために、表面不整の存在を表す生画素のグレイ・ レベルにおける変分を検出する機能を有する。 上述の実施例においては、使用するフィルタがプリウイット・フィルタである と仮定しているが、この応用に使用できる他の適当な任意のタイプのフィルタを 用いることができる。 プリウイット・フィルタは、生イメージの各行において、不整輪郭ラインに属 しそうな画素を検出することによって、表面不整の輪郭の位置を識別する。それ らの属しそうな画素を以下では「疑わしい（懐疑的）ピクセル」という。 ここで用いられるフィルタは、撮影カメラ１２から送られてきた生画像の懐疑 的ピクセルのそれぞれに関連する各二進画素にデジタル値「１」を割り当て、二 進画像の他のピクセルは０のままにされる。 即ち、このフィルタリング・ステップ３８は、メモリ１８において二進画像を 形成することを可能にする。この二進画像は、二進画素Ｂ_i,jの組からなり、そ のそれぞれに対しては、不整の輪郭に属するピクセルに対して二進値１が割り当 てられ、表面不整の輪郭に属さないピクセルに対して二進値０が割り当てられる 。 次のステップ４０の間に、従来の接続（コネクティビティ）オペレータを用い てメモリ１８に記憶された二進画像が処理され、これは、検出された輪郭のそれ ぞれに対しての連続的なラインを得るため及び規定するために、この画像にマス クを適用して、０の値を有し且つ相対的に近接した２つの懐疑的画素の間に位置 する二進画像の画素をデジタル値「１」に強制的にする。 このプロセスを行った後に、生画像及び二進画像は、範囲が特定のスレッショ ルド、例えば３×３ピクセル、よりも小さい輪郭により範囲を定められたスポッ トを除くように、クリ−ニングされる。これにより、撮影カメラ12から送られた 生画像に重ね合わされる二進画像が提供され、且つ生画像において検出された表 面不整を規定する輪郭を示す。次に、二進画像及び生画像は処理準備が完了する 。 次のステップ４２の間に、管理回路２０は、記憶された二進画像の各行を連続 的に分析し、値「１」をもつ二進エレメント、即ち、疑わしいエレメントを検出 する。いったん懐疑的ピクセルが検出されると、管理回路２０は、対応する行の 番号を識別し、ウインドウの形式でメモリ１８のその行番号から開始する所定の 容量の記憶ゾーンを開き（ステップ４４）、管理回路が後続の行において懐疑的 ピクセルを検出するまで、このウインドウを開いたままにする。 即ち、以下で「疑わしい（懐疑的）ウインドウ」と呼ばれるこのウインドウは 、懐疑的ピクセル、即ち、表面不整に属していそうなピクセルを含む。 管理回路２０は、二進画像の所定数の連続する行にわたって懐疑的ピクセルが 検出されなかった場合には、懐疑的ウインドウを再度閉じ、懐疑的ピクセルが識 別された最後の行の番号を記録する。 メモリ１８においてこのように規定された懐疑的ウインドウは、二進画像と関 連する生画像のセグメントを表し、且つ識別して認識することが望まれる少なく とも１つの表面不整を含む。 特に、ステップ４４の間に開放されたウインドウは、前記のウインドウに記憶 され且つ懐疑的ピクセルを含まない最後の方の連続する画素行の数が、連続する 二進行についての所定スレッショルド数を越えない限り、開いたままに維持され る。このスレッショルドは、少なくとも１に設定される。 次のステップ４５の間に、懐疑的ピクセルを含まない連続する画素行の数がこ のスレッショルド数と比較され、それらが等しい場合には、懐疑的ウインドウは 閉じられる（ステップ４６）。 更に、ステップ４７の間に、開いたウインドウにおいて記録された行の数が、 「長さの長いウインドウ検出」又は「長い欠陥の検出」と言われる所定のスレッ ショルドと比較される。 この所定のスレッショルドは、メモリ１８における記憶ゾーンの所定の最大容 量に対応する。 記録された行の数がこのスレッショルドよりも多い場合には、ウインドウが閉 じられ（ステップ４８）、次のステップ５０の間に、そのウインドウが「長さが 長く疑わしい」と呼ばれるウインドウであるという判断が行われ、これには表面 不整が含まれ、これについては、画素行の数が長い欠陥検出スレッショルドより も多い。 また、上述の実施例において、懐疑的ウインドウが連続的に開かれることに留 意されたい。 表面検査方法は、生画像に対応するコンポーネント又は二進画像に対応するコ ンポーネントの何れかを用いて、メモリ１８に記憶された懐疑的ウインドウをゾ ーンに分割する段階へと継続し、そのゾーンは「疑わしい（懐疑的）ゾーン」と 呼ばれ、それぞれが表面不整を有する。 これを行うために、次のステップ５８ないし６４の間に、段２４は、各生画像 又は各二進画像に対して、それぞれ、例えばソフトウエア手段のような適切な手 段を用いて、デジタル値又は二進値の累積プロフィールの計算を行うものである が、それは、一方では長手方向において且つ他方では幅方向において、表面不整 の混ざった疑わしい領域を規定するように、デジタル値又は二進値を２つの直交 する軸に沿って投影することによって及びプロフィールをスレッショルド処理す ることによって、行う。 このプロフィールの計算は、生画像の画素と関連するデジタル値を基に又は処 理後に記憶された画像の二進値を基にして行うことができるが、ここにおける以 下の説明では、画像の処理が二進画像を基にして行われるものと仮定する。 この計算動作は、懐疑的ウインドウの各々を、不整を含む懐疑的ストリップに セグメント化する段階から開始し、次に、各ストリップは１以上の懐疑的ゾーン にセグメント化される。 最初に、ステップ５８の間に、段２４は計算回路２４ａ（図１）を用いて、懐 疑的ウインドウの各行の二進値の和を計算し、Ｍカラムにわたって、ストリップ の幅方向における第１の横のプロフィールを得る。このようにして、図３ｂに表 された曲線が得られる。 次のステップ６０の間に、このプロフィールが、フレーム化回路２４ｂの入力 に与えられ、互いに近接して位置する不整の画素を分割しないようにフレーム化 がなされるようにする。 フレーム化回路２４ｂは、例えば、有限インパルス応答フィルタＦＩＲや不定 インパルス応答フィルタＩＩＲのような、任意のタイプの適当なフィルタを備え るようにするとよいが、好適には、移動ウインドウ型のフィルタを備えるように して、フレーム化されたプロフィールｒ（ｘ）を生み出せるようにする。ｒ（ｘ ）の値は以下の式によって決定される。 この式において、Ｋは移動ウインドウの幅を示し、 Ｆ（ｘ−ｉ）は、フレーム化されるプロフィールのカラム（ｘ−ｉ）の値を示 し、 Ｑは、移動ウインドウ・フィルタの係数を示し、例えば、１が選択され、 Ｘは、フレーム化されたプロフィールのカラム番号である。 このようにしてフレーム化されたプロフィールは、次に、次のステップ６２の 間に、スレッショルド回路２４ｃを用いて不整検出スレッショルド値と比較する ことにより、スレッショルド処理が行われる。 図３ｃに表されているフレーム化されスレッショルド処理されたプロフィール はこのようにして得られ、懐疑的ストリップを規定する。そのストリップは図３ ａにおいて破線を用いて表されており、それぞれが１以上の表面不整を含んでい る。 上述のように、このようにして定められた懐疑的ストリップは、次に、表面不 整を有する懐疑的ストリップへとセグメント化される。 これを行うために、次のステップ６４の間に、ステップ５８、６０、６２が再 度行われて、それぞれの懐疑的ストリップの各画素行に独立的に適用され、図３ ｄに表すような、長手方向における二進値の累積プロフィールを得るようにされ る。 この長手方向プロフィールは、次に、以前のように、フレーム化されてスレッ ショルド処理され、図３ｅに表される画像を得るようにされる。図３ｅでは、６ ６のような懐疑的ゾーンが定められ、そのような各ゾーンは検出された表面不整 の範囲を定めるが、各不整が複数の不整セグメント又はオブジェクトを含むこと も可能である。 従って、このようにして定められたそれぞれの懐疑的ゾーンは、生画像セグメ ントと、それに対応する二進画像セグメントとを含む。 このようにして範囲を定められた懐疑的ゾーン６６は、好適には、更に、スレ ッショルド回路２４ｃの出力に接続された第２計算回路２４ｄの入力に供給され 、これによって、小さいサイズの不整が除かれる。 これを行うために、次のステップ６８の間に、二進画像の各懐疑的ゾーンは、 表面不整を構成するオブジェクト（対象）の範囲を定めるために従来のラベル付 けアルゴリズムを用いて独立的に処理される。各オブジェクトは、互いに接触す る懐疑的画素の組により定められる。 次に、各オブジェクトのエリアが計算され、所与の懐疑的ゾーンに属している オブジェクトの平均エリアが計算される。 小さいサイズのオブジェクトは、処理から除かれる。これを行うために、その エリアが、計算された平均エリアの所定の割合よりも小さいオブジェクトを除去 するための判断が行われる。 これによって、計算回路２４ｄの出力で、不整を含み且つ小型のオブジェクト が除去された懐疑的ゾーンが提供される。 このようにクリーニングされた懐疑的ゾーンは、次に、図５を参照して以下に 説明する処理のために、計算回路２８のメモリ３０に記憶される。 計算回路２４ａ、フレーム化回路２４ｂ、スレッショルド回路２４ｃ、計算回 路２４ｄは従来の形式の回路であることに留意されたい。従って、それらについ ては詳細に説明しない。 前のステップ５０の間に、懐疑的ウインドウが、長い長さの懐疑的ウインドウ であると認定された場合には、画像を処理するステップに、特定の懐疑的ゾーン を処理から除く段階が先行し、これにより、計算回路２８の作業負荷を低減する ことが可能となる。 これを行うために、長さの長い懐疑的ウインドウが検出されて（ステップ４７ 、４８、５０）上述のように懐疑的ゾーンへと切断されると即座に、次のステッ プ７０の間に、このウインドウの少なくとも１つの懐疑的ゾーンであって、下の 画素行が前記ウインドウの下の画素行に属するゾーンが識別される。このように して識別されたこの懐疑的ゾーンは、次に、「ボトムカット懐疑的ゾーン」とし て認定される。 長さの長い懐疑的ウインドウに続く懐疑的ウインドウは「拡張懐疑的ウインド ウ」と認定される。 拡張懐疑的ウインドウもまた、長さの長いものであり得ることが理解できるで あろう。 上述のように、拡張懐疑的ウインドウを懐疑的ゾーンに切断の後に、このウイ ンドウのその少なくとも１つの懐疑的ゾーンであって、上の画素行が前記ウイン ドウの上の画素行に属するゾーンが、識別される。この懐疑的ゾーンは、「トッ プカット懐疑的ゾーン」又は「拡張懐疑的ゾーン」と認定される（ステップ７１ ）。 次に、長さの長いウインドウの「ボトムカット」懐疑的ゾーンと、拡張懐疑的 ウインドウの「トップカット」懐疑的ゾーン（ステップ７２）が、対にされる。 次のステップ７３の間に、拡張懐疑的ウインドウ自身が長さの長いものである か否かが判定される。長いものである場合には、このウインドウの少なくとも１ つの懐疑的ゾーンであって、下の画素行が前記ウインドウの下の画素行に属する ゾーンが識別され、次に、この懐疑的ゾーンは前と同様に「ボトムカット懐疑的 ゾーン」として認定される。更に、拡張と呼ばれる次のウインドウの「トップカ ット」懐疑的ゾーンとともにこの懐疑的ゾーンを再構成するために同様の処理が 行われる（ステップ７４）。 １つのウインドウから切断された懐疑的ゾーンを次のものと対にする又は関連 付けすることを継続すると、各欠陥の長さが更新される。次のステップ７５の間 に、処理回路２２は各欠陥の長さと、長い長さのウインドウの長さ、即ち、上述 の長い欠陥検出用のスレッショルドとを比較する。 その長さが、長い長さのウインドウの長さを超えるとすぐに、その欠陥は長い 欠陥として認定され（ステップ７６）、「長い欠陥グループ」が開かれ、これは 処理段のメモリのゾーンにより定義され、そこには、すべての連続する切断され 且つ関連付けられた懐疑的ゾーンが置かれる。それらの懐疑的ゾーンは、実際、 同じ欠陥を構成するものであり、それは「長い欠陥」と呼ばれる。 次に、「長い欠陥」グループに属するすべての拡張懐疑的ゾーンは、イメージ 処理から除かれる。即ち、各「長い欠陥」グループにおいて、イメージ処理は、 最初の懐疑的ゾーン（「ボトムカット」）にのみ行われ、処理を簡略化するため に、この処理の結果が、同じ「長い欠陥」グループのすべての拡張懐疑的ゾーン に割り当てられる。 １つのウインドウから次のものへと互いに対応する懐疑的ゾーンに関連する各 欠陥の長さを更新することにより、１つのウインドウからの切断された懐疑的ゾ ーンを次のものへ整合又は関連付けすることを継続すると、ステップ７５の間に 、この欠陥が長い欠陥ではないことを観察することができる。 そのような欠陥のセグメント化は、２つの連続するウインドウより多くにわた って行うことができない。さもなければ、それは長い欠陥として認定される。 この場合、記憶ゾーンは、「再構成」懐疑的ゾーンと呼ばれる形でメモリ３０ に開かれ、そこには、同じ欠陥の２つの切断された懐疑的ゾーンが置かれ、適切 に組み合わされ、中心合わせされる。前記のウインドウのサイズは、切断されて いない懐疑的ゾーンの場合のように前記欠陥をフレーミングするのに適合するよ うにされる（ステップ７７）。 次に、再構成懐疑的ゾーンは他のすべての懐疑的ゾーンと同様に処理される。 生画像及び二進画像を処理される懐疑的ゾーンにセグメント化する段階はここ で終了するので、次に、「長い欠陥」グループの拡張懐疑的ゾーンを除いて、ス テップ５８ないし６８の間に定義された各懐疑的ゾーンの処理が行われる。 ここで各懐疑的ゾーンの処理を図５及び７を参照して説明する。 この処理は、一般にパラメータ抽出ステップと認定される欠陥識別パラメータ を計算するステップ７８で開始する。 本質的に知られている様式で、特性がパラメータで決定され、パラメータは、 検査されるストリップの欠陥又は表面不整を特徴付けをするものであり、欠陥及 び表面不整を認識し且つ精度及び信頼性をもって識別するために必要なものであ る。 これらのパラメータを計算する方法もまた、特に、欠陥又は表面不整を含む懐 疑的ゾーンの生画像及び二進画像の画素の値を基にして、決定される。 従来の方法において、これらのパラメータは一般に、懐疑的ゾーンにおける表 面不整の長さ及び幅及びエリア、欠陥内の生画素のグレイ・レベルの平均強度、 それらグレイ・レベルの標準偏差その他を含む。 以下ではＰと呼ばれている、精度及び信頼性をもっての認識のために必要なパ ラメータの数は大変高く、例えば、６５である。 検査されるストリップのタイプに対して定義された欠陥のパラメータの計算の 特性及び方法を用いて、次に、各懐疑的ゾーンに対するＰパラメータの計算が行 われる。 各懐疑的ゾーン又は不整は、Ｐ次元空間における点により表されることができ る。 パラメータのこの高い数Ｐは、懐疑的ゾーンを認識するための時間及び処理手 段からの観点では、ハンディキャップになる。このハンディキャップを避けるた めに、又は少なくともそれを制限するために、トリミング・ステップ８０が行わ れる。このステップでは、トリミング・クラスの組に従って不整をクラス分けす ることにより、各懐疑的ゾーンの処理をかなり簡素化することを可能にする。不 整の前分類を構成する、所定クラスの組によるこのトリミング・ステップは、不 整の分析における全体的な問題を、処理が容易な問題の組に分割することを可能 にする。 特定的には、各トリミング・クラス内で、数が制限された欠陥のエレメンタリ ・クラス又はファミリの組が定義される。 トリミング・ステップを実行可能とするために、一般には本発明による方法を 行う前に、トリミング・クラスを定義し且つ、適切な場合には、それらの簡略化 された関連付けされたアイデンティフィケーションを定義する前段階を提供する ことが必要である。 この前段階は、検査されるストリップのタイプに特定的なものである。 トリミング・クラスの定義へと導く前段階の例として、以下の学習手順が導入 される。 この方法のこの段までの上述した表面の検査は、十分に大きく且つ代表的な懐 疑的ゾーンのポピュレーションを導き出すために、同じタイプのストリップの十 分な数のサンプルに対して行われ、ここにおいて、各不整は、上述のＰ次元空間 の点により表される。 因数対応分析の一般に知られた方法によると、これらの点が共に空間における 雲としてグループ化される方法が識別される。 次に、雲の範囲を定める空間における各領域が欠陥の類型を定義することを可 能とすると仮定し、従って、所与の雲における欠陥は共通のエレメントを有し、 従って、恐らく、この雲に又はこの類型に特定的な簡略化したリファレンス（基 準）・フレームで表されことができる。 類型又は所与の雲に特定的な簡略化したリファレンス・フレームの軸を定義す るために、この雲の慣性の主軸を用いることができ、その位置及び方向は本質的 に知られた様式で計算することができる。 従って、所与のクラスのすべての欠陥を、次元がＰより小さい空間における同 じ簡略化したリファレンス・フレームで表すことができる。即ち、所与のクラス のすべての欠陥を、Ｐよりも少ない減らした数のパラメータにより特徴付けする ことができる。 従来の数学モデルを用いることにより、フレーム変更（ｃｈａｎｇｅ−ｏｆ− ｆｒａｍｅ）マトリクスが確立され、これにより、Ｐ次元空間における欠陥の表 現から、次元を減らした簡略化リファレンス・フレームにおける同じ欠陥の表現 へと変換することが可能とされる。 トリミングの準備を意図したこの前段階において、欠陥の類型又は「トリミン グ・クラス」と、各トリミング・クラスに特定的な、欠陥を表すための簡略化リ ファレンス・フレームとが定義される。 特定の例において、これらのトリミング・クラスは、不整の長さ（Ｌ）又は幅 （Ｗ）を基にして定義することができる。図６ａ及び６ｂを参照すると、５及び ６のトリミング・クラスが、例えば、「ＤＫＰ」金属薄板に対して及び亜鉛メッ キ金属薄板に対してそれぞれに定義されている。即ち、それらは、小さい欠陥ク ラス（ｓｍ）、短く薄い欠陥クラス（ｓｔ）、長く薄い欠陥クラス（ｌｔ）、短 く中程度の欠陥クラス（ｓｍ）、中程度の長い欠陥クラス（ｍｌ）、広い欠陥ク ラス（ｗｉ）であり、簡略化された表現用のリファレンス・フレームは各クラス と関連する。 パラメータ抽出ステップの後に、相応な前分類又はトリミング・ステップ８０ を実施することができる。 これを行うために、懐疑的ゾーンの各欠陥または表面不整は、欠陥のＰパラメ ータの値及びこれらのクラスを定義する特性を基にして、上述の多種のトリミン グ・クラスに分配される。 このトリミング・クラスへの欠陥の前分配は、欠陥の認識を大きく簡略化する ことを可能にするが、これは、この認識を各トリミング・クラスに行うことによ りなされる。 変形例として、所与のクラスのすべての欠陥が、Ｐパラメータに適用される、 このクラスに対するフレーム変更マトリクスの使用によって、このクラスと関連 する簡略化リファレンス・フレームで表される。次に、これは、減らされた数の パラメータを用いて、すべての欠陥の簡略化した特徴付けへと導く。これは、認 識の間に行われる計算量を制限する。 処理の次のステップ８２は、各トリミング・クラスの欠陥の認識及び識別を含 む。 識別及び認識処理は各トリミング・クラスに特定的であり且つ、一般に、各ク ラスにおいて遭遇しやすい欠陥のタイプを基にして前もって定められる。 この識別及び認識処理は、例えば「クーロン球（Ｃｏｕｌｏｍｂ ｓｐｈｅｒ ｅｓ）」として知られる方法を基にする分類を含む。 判別式分析方法、デシジョン・ツリー方法、又は最も近傍の「Ｋ」を判断する ことを含む方法のような、他の既知の方法を用いることもできる。 クーロン球方法によると、所与のトリミング・クラスに特定的な欠陥の類型は 球で表され、このクラスと関連する簡略化された空間において、位置及びサイズ により識別可能である。 各球は、欠陥タイプ及び／又は欠陥識別名に対応する。 即ち、所与のトリミング・クラスの欠陥を認識及び識別するために、ステップ ８３の間に、欠陥の属している球が識別され、その球に関連する識別名が割り当 てられる（ステップ８４）。 この認識及び識別動作は、好適に高速で行われることができる。なぜなら、前 のトリミング・ステップにより球の数とパラメータの数が低減されているので、 低減された数の基準に対して分類の計算が行われるからである。 所与のトリミング・クラス内で、何れの球にも属さない欠陥に遭遇したときの ような特定の場合には、最も近い球の識別名が割り当てられる。 即ち、各不整に欠陥識別名を割り当てるステップ８４の終わりに、すべての不 整が、特定の欠陥タイプに対応するものとして識別される。 次のステップ８６は、低減された数のクラスを基にして、計算回路２８の第２ 分類段を用いて第２の分類を行うものである。このステップは、例えば、第１分 類段から与えられた結果を確認し、特定の欠陥の識別において見つけら得た特定 の不明部分を解明するために行うものであるか、又は、例えば、第１分類段では 区別しなかった同様のタイプの欠陥の間での、そのレベルでは十分な分類能力を 欠いていたものに対して、より正確な類型について区別するために行うものであ る。 この第２分類ステップ８６を実施することを可能にするために、各エレメンタ リ・クラスを限定する前段階を提供することが必要である。 この前段階において、上述の方法を用いて、欠陥の識別のために行われた分類 を有効又は無効とするために統計的処理動作が行われて、殆どの欠陥分類エラー を含むエレメンタリ・クラスを識別するようにする。 これらのエレメンタリ・クラスは、数が低減されており、最大数のクラス分類 エラーを含むものであるが、「不確定アイデンティフィケーション（識別）のエ レメンタリ・クラス」と称され、且つ、より少ない数のクラス分類エラーを含む 他のものは、「確定アイデンティフィケーション（識別）のエレメンタリ・クラ ス」と称される。 ステップ８６で実施される第２の分類は、不確定識別のエレメンタリ・クラス にクラス分類された欠陥又は不整のみに対して行われる。 第２の分類段は、例えば、上述の分類方法の１つを用いる。 それは、例えば、不確定識別のそれらのクラスの、欠陥の、メンバシップを有 効又は無効にするのに適切である。無効化の場合には、欠陥は欠陥ではなかった と考慮され、処理から除かれる。 それはまた、例えば、特定の不確定識別のエレメンタリ・クラスの欠陥を、正 確な識別のクラスに分配するためにも適切である。正確な識別のクラスは、より 精度の高い類型を用いて予め定められる。 この更なる分配は、大きく低減された数の欠陥クラスに行われ、従って、非常 に速く行われるということに留意されたい。 ステップ８０ないし８６に続いて、各欠陥は、識別及び認識される。即ち、エ レメンタリ・クラスに割り当てられる。 イメージ処理段階は、ステップ８８のデータのマージで終了し、このステップ の間に、特定の欠陥が、特に欠陥の幾何学的配列及びトポロジー（例えば、欠陥 の互いの間の距離、ストリップの上及び下の同一位置、ストリップの縁部の近接 部、その他）に関連する以前に規定された基準を用いてグループ化される。 このマージ段階は、既に確認されている結果に疑問を投げかけることなしに、 欠陥の認識の間に起こり得る特定の不正確性を改善し、幾つかの特定の混乱の問 題を解決することを可能にする。 欠陥をグループ化する判断は、他の撮影カメラ（例えば、ストリップの他方の 面に向けられたもの）によっての、例えばメートルのオーダーでの、認識される オブジェクトの近接部から発生した情報のアドレシングの後に又はストリップの 処理に関連するデータ（ストリップの特性、終点、その他）の後に行われる。 特に、名前についての曖昧さの残る欠陥を、及び同じ特性の欠陥をグループ化 するように決断される。 更に、特定の近接した関係をもつ欠陥がグループ化される。即ち、例えば、ス トリップの同じ面上又は反対側の面上の、近接して位置する欠陥や、同じ長手方 向や横方向にアライメントして横たわる欠陥をグループ化する。 例えば、亜鉛メッキ金属薄板の場合、「グレイン・ストリーク（粒状条痕）」 タイプの欠陥は、金属薄板の横側縁部の近辺に横たわる多数の表面不整を含む。 この場合、この欠陥のアイデンティフィケーション（識別）は、完全には信頼で きない。なぜなら、これらの不整の各々が「グレイン・ストリーク」に属するも のとして認識され得るか又は個々に、特に、「剥離」や「ブリスタ」のような別 のタイプの欠陥として認識され得るからである。 この特定的な場合には、金属薄板の横側縁部の近辺に横たわり且つ互いにアラ イメントされた不整がマージされ、それらは、「グレイン・ストリーク」タイプ の欠陥に属するものとして識別される。 同様に、別の例によると、金属薄板の上面及び下面の同じ位置にある欠陥は、 このマージ・ステップの間にグループ化され、同じ名前が与えられる。 このマージ・ステップの間に、及び図４のステップ７６を参照して上述したよ うに、懐疑的ウインドウを開くときに切り離された長い欠陥もまた、上述のよう にして長さの長い懐疑的ゾーンの欠陥の名前を同じグループの拡張懐疑的ゾーン の欠陥に割り当てるときに、グループ化される。 このマージ・ステップの間に、ストリップの所与の長さにわたっての各エレメ ンタリ欠陥クラスにおける集団（ポピュレーション）もまた分析される。即ち、 同じアイデンティフィケーションを有する単位長さあたりの欠陥の数が分析され る。 次に、このポピュレーションは、周期的欠陥推定スレッショルドと呼ばれる所 定のスレッショルドと比較される。このスレッショルドは、ストリップの同じ所 与の長さに対して決定される。 或るエレメンタリ・クラスのポピュレーションが前記のスレッショルドを超え ると、このクラスの欠陥が実際に周期的特徴を有するということが推定される。 この特徴を有効と評価するために、周期的欠陥を検出するための従来の方法が 用いられ得る。 例えば、このクラスの各欠陥の間の距離のヒストグラムが描かれ、このヒスト グラムが周期性（基本振動数又は倍音）を示した場合には、メモリにおいて特定 の「周期的欠陥」グループが開かれ、このクラスの周期的欠陥がこの同じグルー プへとグループ化される。 変形例によると、周期的欠陥を検出してグループ化するこのステップは、パラ メータの抽出の後に行われるとよいが、識別及び認識の前又はトリミング又は前 分類の前に行われるようにするとよい。 従って、この変形例は、比較的粗略な特定的な分類処理を前提とする。なぜな ら、それは、高い数Ｐのパラメータによる欠陥の特徴付けを基にする必要があり 、周期的欠陥を検出するために、この特定の分類で定義されたエレメンタリ・ク ラスのポピュレーションが分析されるからである。 この変形例は、認識モジュールの性能（トリミング及びアップストリーム分類 ）に依存しない結果を表示するという利点がある。 検出された不整に対応する欠陥を検出し、認識し、恐らくはグループ化した後 に、検査方法における後の段階は、そのストリップがどの程度の欠陥をもつかを 判定することを可能にするために、それらのシビアリティを判定するために欠陥 を分析することを含む。ここで、この段階を図７を参照して説明する。 事前に、この方法を実施する前に、及び欠陥の各クラス又はタイプに対して、 このタイプの欠陥に対して考えられ得る多種の固有の影響を基にして、サブクラ スの組が定義される。各サブクラスは、このタイプの欠陥の考えられ得る固有の 影響と関連付けされる。各サブクラスは、オプションで、固有シビアリティ係数 が割り当てられる。 この段で、それぞれの表面不整が識別され、従って、特性パラメータ、特に数 が少なくされたパラメータによって、特徴付けされることを理解することができ る。 欠陥を分析するこの段階の最初のステップ９０の間に、前のステップでマージ 化グループ（マージされたグループ）へとグループ化された欠陥は、「マージ化 欠陥（マージされた欠陥）」と呼ばれる１つの欠陥へと同化される。これを行う ために、これらのグループ化された欠陥に対して、マージ化欠陥を特徴付けする パラメータが、マージ化グループの各欠陥又は不整を特徴付けするパラメータの 値の線形的組み合わせによって、計算される。 グループ化されていない欠陥及びマージ化欠陥を特徴付けするパラメータの値 を基にして、次のステップ９２の間に、これらの欠陥の更なる分類が、欠陥の各 タイプに特定的なサブクラスの組に従って、行われる。 この更なる分類は、欠陥認識のときに用いたのと同じタイプの方法を用いて行 うとよい。 この更なる分類は、金属薄板の後の使用から独立している結果を導きだす。 この更なる分類に続いて、欠陥の各タイプ又は「エレメンタリ・クラス」の各 「シビアリティ」サブクラスのボピュレーションを与えるリストによって、スト リップの「固有欠陥プロフィール」が定義される。なお、このポピュレーション は、ストリップの単位長さに対して正規化されたものである。このプロフィール は、例えば、所定の順序（サブクラスを次々に、クラスを次々に）で並べて配置 された、各サブクラスのポピュレーションのヒストグラムの形態で表してもよい 。 並列的には、ストリップの所与の使用に対して、「許される（許容可能）欠陥 プロフィール」を定義するために、即ち、考えられ得る各タイプの欠陥の各「シ ビアリティ」サブクラスに対して、この所与の使用に対しての最大許容可能ポピ ュレーション（これもストリップの単位長さに対して正規化される）を定義する ために、同じ形式（例えば、同じ順序のヒストグラム）を用いることができる。 この「許容可能欠陥プロフィール」は、所与の使用に対して「一度且つ全部に 対して」というように定義されない。これは、例えばこの使用の仕様が変化する とそれに従って変化することができる。 次に、ステップ９４において、検査されたストリップの固有欠陥プロフィール は、そのストリップの意図された使用に対する許容可能欠陥プロフィールと比較 される。 即ち、ステップ９４の間に、検査されたストリップの固有欠陥プロフィールが 、このストリップの提案された使用に対しての許容可能プロフィール内にある（ 含まれる）ことが分かった場合には、このストリップは、その使用に対して受け 入れ可能又は有効であると考慮される（ステップ９６）。 そうでない場合には、この検査されたストリップは、その使用に関しては受け 入れ不可能又は「欠陥がある」と考慮される（ステップ９８）。 この検査されたストリップを廃棄するのを避けるために、この検査されたスト リップの固有欠陥プロフィールが範囲内に入る（含まれる）ような許容可能欠陥 プロフィールをもつ使用に関するサーチが行われ、このストリップはそのような 他の使用に対して割り当てされる。 これが行われるのは、所与のシビアリティ及び特定タイプの所定数の欠陥を有 する金属薄板は、或る使用については欠陥があるとされても、別の使用では欠陥 がないとされるからである。 例えば、掻き傷を有する金属薄板は、後の処理ステップの間に圧延されない場 合には、欠陥があるとされるが、それが再度圧延される場合には掻き傷が平らに されるので、欠陥がないものと考慮される。 固有欠陥プロフィールを測定することによってストリップの欠陥を比較するた めの、この方法の判断可能としたことによる利点は、この測定が、そのストリッ プの後のダウンストリームでの使用から独立していることと、その使用に対して 満足させる必要のある基準に関連する変化から独立的していることとである。 検査されたストリップの固有欠陥プロフィールは、また、例えば製造作業実行 間でのこれらのストリップの製造プロセスにおける変化及び考えられ得るドリフ トを監視するために、好適に用いることができる。即ち、例えば、圧延プラント 上流（アップストリーム）の動きにおける考えられ得るドリフトを識別すること が可能である。 また、検査されたストリップの固有欠陥プロフィールは、検査システム自体に 影響するドリフトを識別するために用いることができる。 欠陥を分析するためのこの方法の１つの考えられ得る簡略化した変形は、欠陥 のタイプの各「シビアリティ」サブクラスに、所与の使用について推定したシビ アリティに値が依存する係数を割り当てることであり、ストリップの欠陥プロフ ィールは、各サブクラスのポピュレーションの和に、対応する係数を掛けること により、定義することができる。この使用を有効とするために、次に、得られた 結果、即ちその和が、その使用に対して定義された所定値を超えないように、検 査が簡単に行われる。 係数の使用に基づく他の簡略化した変形も構想することができる。

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ， ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，Ｌ Ｕ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＭＬ，ＭＲ，ＮＥ， ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＧＭ，ＫＥ，ＬＳ，Ｍ Ｗ，ＳＤ，ＳＺ，ＵＧ，ＺＷ)，ＥＡ(ＡＭ，ＡＺ，ＢＹ ，ＫＧ，ＫＺ，ＭＤ，ＲＵ，ＴＪ，ＴＭ)，ＡＬ，ＡＭ ，ＡＴ，ＡＵ，ＡＺ，ＢＡ，ＢＢ，ＢＧ，ＢＲ，ＢＹ， ＣＡ，ＣＨ，ＣＮ，ＣＵ，ＣＺ，ＤＥ，ＤＫ，ＥＥ，Ｅ Ｓ，ＦＩ，ＧＢ，ＧＥ，ＧＨ，ＧＭ，ＧＷ，ＨＵ，ＩＤ ，ＩＬ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ， ＬＣ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，Ｍ Ｇ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＳＬ， ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＵＡ，ＵＧ，ＵＳ，ＵＺ，Ｖ Ｎ，ＹＵ，ＺＷ

Claims (1)

1. 【特許請求の範囲】 １． 表面の欠陥を検出するために、移動するストリップの表面を検査する方 法であって、 撮影手段（１２）を用いて前記ストリップ（１０）の少なくとも１つの面の少 なくとも１つのデジタル画像を形成するステップであって、前記デジタル画像が 画素（Ｉ_i,j、Ｂ_i,j）の連続する行の組で構成され、各画素にはデジタル値が割 り当てられる、ステップと、 表面の不整（３４）を検出するために、前記デジタル値における相対的な変分 を検出することによって、前記少なくとも１つのデジタル画像をフィルタリング するステップと、 それぞれの検出された不整（３４）に対応する表面の欠陥のタイプを識別する ために、前記のフィルタリングされた少なくとも１つのデジタル画像を処理する ステップとを備え、 前記の前記少なくとも１つのデジタル画像を処理するステップの前に、それぞ れの不整に対して、表面の欠陥の特徴の所定のパラメータの値を決定することに よって、不整の全体的な特徴付けが行われ、且つ前記パラメータの決定された値 を基に、予め定めたクラスに従って、前記不整の前分類が行われ、且つ前記の処 理するステップが各クラスに行われる、 ことを特徴とする方法。 ２． 請求項１に記載の方法であって、所定の各パラメータが、次元が前記パ ラメータに対応する空間における一般的基準軸を表し、それぞれが前記予め定め たクラスの１つに対応する領域が前記空間において範囲を定められ、前記前分類 の前に、それぞれの不整が、座標が前記パラメータの値である点によって、前記 空間において表され、且つ、前記前分類は、各点が属する領域を識別することに より、及び対応する不整を前記領域に対応するクラスへ割り当てることにより行 われる、ことを特徴とする方法。 ３． 請求項１に記載の方法であって、特徴パラメータの数が全体的特徴付け に対する特徴パラメータの数よりも少ない予め定めた各クラスに対して不整の特 徴付けの第２の方法が決定され、前記前分類ステップの後に、不整が属する前記 クラスに特定的なこの第２の特徴付け方法の特徴パラメータの値が、全体的特徴 付けに対する特徴パラメータの値を基にして、検出された各不整に対して決定さ れる、ことを特徴とする方法。 ４． 請求項２に記載の方法であって、不整を表すための簡略化されたリファ レンス・フレームが各領域に対して決定され、その軸の数は一般的基準軸の数よ りも少なく、前記前分類ステップの後に、リファレンス・フレームを、前記の一 般的なリファレンス・フレームから、不整が属する領域に特定的な前記簡略化さ れたリファレンス・フレームへ変更するステップが、表される各不整に対して行 われる、ことを特徴とする方法。 ５． 請求項１ないし４の何れかに記載の方法であって、前記の不整を処理す るステップは、前記不整が属するクラスに特定的な欠陥タイプの組から、各不整 に対応する欠陥を識別する第１ステップと、前記の第１の分類ステップから結果 として得られた分類を確認し且つ更に正確にするために、前記の識別された欠陥 を分類する第２ステップとを含む、ことを特徴とする方法。 ６． 請求項５に記載の方法であって、識別された欠陥のタイプを、確実及び ／又は正確に識別された第１タイプの欠陥と、不確実及び／又は不正確に識別さ れた第２タイプの欠陥とについて、認定するステップを含み、且つ、前記の第２ の分類ステップは、不確実及び／又は不正確と認定されたタイプの欠陥にのみ行 われる、ことを特徴とする方法。 ７． 請求項１ないし６の何れかに記載の方法であって、予め定めた基準の組 、特定的には幾何学形状及び／又は形態の基準、を用いて、識別された欠陥をグ ループ化するステップを更に含むことを特徴とする方法。 ８． 請求項１ないし７の何れかに記載の方法であって、周期的な欠陥を検出 するために、単位長さあたりの同じタイプの識別された欠陥の数を数えるステッ プと、各タイプの欠陥の数と、欠陥の最小数を表す所定のスレッショルド値であ って、その値を基礎として欠陥が周期的特徴を呈示しそうであるスレッショルド 値とを比較するステップとを更に含むことを特徴とする方法。 ９． 請求項１ないし７の何れかに記載の方法であって、前記の前記パラメー タの値を決定するステップの後且つ前記の前分類ステップの前に、エレメンタリ ・クラスの組に従って不整の特定的分類が行われ、周期的な欠陥を検出するため に前記エレメンタリ・クラスのポピュレーションが分析される、ことを特徴とす る方法。 １０． 請求項１ないし９の何れかに記載の方法であって、前記のフィルタリ ングするステップの後に、不整の画素の検出に応答して、前記撮影手段（１２） によって連続的に送られ且つ少なくとも１つの不整に対応する少なくとも１つの 画素を含む画素行（Ｉ_i,j、Ｂ_i,j）のための記憶ゾーンが、メモリ（１８）に定 められ、各記憶ゾーンは、少なくとも１つの表面の不整（３４）をそれぞれが有 する懐疑的ゾーン（６６）にセグメント化され、連続する記憶ゾーンに含まれ且 つ同じ不整（３４）に対応する懐疑的ゾーン（６６）が対にされ、対にされた懐 疑的ゾーン（６６）の画素行の合計数が、長さの長い欠陥の検出用のスレッショ ルドと比較され、前記スレッショルドを超える場合には、前記の前記フィルタリ ングされた少なくとも１つのデジタル画像を処理するステップは、前記対にされ た懐疑的ゾーンの１つにのみ行われ、その処理の結果が、他の対にされた懐疑的 ゾーン（６６）に割り当てられる、ことを特徴とする方法。 １１． 上記の何れかの請求項に記載の方法を実施するための、移動するスト リップの表面を検査するシステムであって、前記ストリップ（１０）の少なくと も１つの面を画像撮影する手段と、デジタル値とそれぞれが関連付けられる画素 の行及びカラム（Ｉ_i,j、Ｂ_i,j）の形態で、前記ストリップの少なくとも１つの 画像を記憶するメモリ（１８）と、前記ストリップ（１０）上の表面の不整（３ ４）を検出するために、前記デジタル値における相対的な変分を検出することに よって、前記の少なくとも１つのデジタル画像をフィルタリングする回路（２１ ）と、前記フィルタリングする回路に接続され、信号を処理するためのユニット （２２）とを備え、前記ユニットは、表面の欠陥の特徴パラメータの値を計算す る手段と、前記パラメータの値を基に、予め定められたクラスの組に従って、検 出された不整をクラス分けする手段と、各不整を、該不整に対応しそうな欠陥タ イプの組から識別する手段とを備える、ことを特徴とするシステム。 １２． 請求項１１に記載のシステムであって、前記の処理用のユニット（２ ２）は、対応するクラスの組に従って検出された不整をクラス分けするために、 検出された各不整に対しての第２特徴パラメータを計算するための第２の計算手 段を更に含み、第２特徴パラメータの数は、前記表面の欠陥の特徴パラメータの 数よりも少ない、ことを特徴とするシステム。 １３． 請求項１１及び１２の何れかに記載のシステムであって、前記の処理 用のユニット（２２）は、不整をクラス分けする第１の手段により行われた分類 を確認するために、不整をクラス分けする第２の手段を更に含む、ことを特徴と するシステム。