JP2005114671A - 欠陥検査方法 - Google Patents
欠陥検査方法 Download PDFInfo
- Publication number
- JP2005114671A JP2005114671A JP2003352318A JP2003352318A JP2005114671A JP 2005114671 A JP2005114671 A JP 2005114671A JP 2003352318 A JP2003352318 A JP 2003352318A JP 2003352318 A JP2003352318 A JP 2003352318A JP 2005114671 A JP2005114671 A JP 2005114671A
- Authority
- JP
- Japan
- Prior art keywords
- image
- crack
- fuzzy
- line segment
- inspected
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000007547 defect Effects 0.000 claims abstract description 85
- 230000008569 process Effects 0.000 claims abstract description 39
- 238000007689 inspection Methods 0.000 claims description 89
- 230000002950 deficient Effects 0.000 claims description 12
- 238000002347 injection Methods 0.000 description 23
- 239000007924 injection Substances 0.000 description 23
- 239000002184 metal Substances 0.000 description 19
- 230000006870 function Effects 0.000 description 17
- 238000001514 detection method Methods 0.000 description 16
- 238000000605 extraction Methods 0.000 description 16
- 238000011156 evaluation Methods 0.000 description 12
- 230000008901 benefit Effects 0.000 description 9
- 238000005286 illumination Methods 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 9
- 239000000284 extract Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000006247 magnetic powder Substances 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 239000000919 ceramic Substances 0.000 description 3
- 239000006249 magnetic particle Substances 0.000 description 3
- 239000011347 resin Substances 0.000 description 3
- 229920005989 resin Polymers 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【課題】 画像処理による欠陥検査方法であり、被検査体の表面状態に依存することなく、クラック等の欠陥の有無の検出が自動的に精度よく検査できる欠陥検査方法を提供することを目的とするものである。
【解決手段】 被検査体に発生するクラック等の欠陥の有無を検査する欠陥検査方法において、被検査体1の入力画像をファジィ画像とし、該ファジィ画像からノイズ成分を除去した後、二値化処理してクラック候補線分を抽出し、クラック候補線分の特徴量から該クラック候補線分がクラック等の欠陥があるか否かをファジィマッチングにより判定し、該被検査体の良否を検査することを特徴とする欠陥検査方法である。
【選択図】 図1
【解決手段】 被検査体に発生するクラック等の欠陥の有無を検査する欠陥検査方法において、被検査体1の入力画像をファジィ画像とし、該ファジィ画像からノイズ成分を除去した後、二値化処理してクラック候補線分を抽出し、クラック候補線分の特徴量から該クラック候補線分がクラック等の欠陥があるか否かをファジィマッチングにより判定し、該被検査体の良否を検査することを特徴とする欠陥検査方法である。
【選択図】 図1
Description
本発明は、金属構造体等の欠陥を検査する欠陥検査方法に関し、詳しくは焼結金属や鋳造物等の金属構造体、セラミックス或いは樹脂成形品等の被検査体を撮像しその撮影画像を画像処理してクラック等の欠陥の有無を検査する欠陥検査方法に関するものである。
周知のように、例えば金属構造体の表面傷を探傷方法には、渦流探傷方法や超音波探傷方法等の方法がある。渦流探傷方法は、渦流探傷プローブを被検査体に近接させて渦電流の乱れによりクラックを検出する方法である(例えば、特許文献1参照)。また、超音波探傷方法は、超音波探傷プローブにより超音波を発信し被検査体からの反射を受信してクラックを検出する方法である(例えば、特許文献2参照)。
さらに、他の探傷方法には蛍光磁粉探傷方法があり、この探傷方法は蛍光磁粉を被検査材の表面に付着させた後に磁化すると、表面傷から漏れる磁束により磁粉がその傷部分に集まり、紫外線を照射すると、磁粉が集まっている部分が発光する。磁粉の集まり部分の発光により傷の有無を検査する方法である(例えば、特許文献3参照)。
従来の渦流探傷方法ではコイルを用いて磁界を発生させ、また超音波探傷方法では超音波発振子を用いて金属構造体の傷の有無を検査しており、これらの探傷方法は、比較的大型の金属構造体等に効果的であるが、小型の金属構造体には探傷プローブを小型にすることに限界があり、発生した微細なクラックの検査には適さない欠点がある。また、蛍光磁粉探傷方法においても蛍光磁粉の粒子に依存することとなり、最良の探傷方法とはいえず改良の余地があった。また、画像処理による欠陥検査方法があるが、この欠陥検査方法では、検査対象物の表面が粗面或いは光学的に粗面であったりして、特徴抽出が困難な場合があり、改善の余地があった。
本発明は、上記問題を解決するためになされたもので、画像処理による欠陥検査方法であり、被検査体の表面状態に依存することなく、クラック等の欠陥の有無の検出が自動的に精度よく検査できる欠陥検査方法を提供することを目的とするものである。
本発明は、上記課題を解消したものであって、請求項1の発明は、被検査体に発生する欠陥の有無を検査する欠陥検査方法において、被検査体の入力画像をファジィ画像とし、該ファジィ画像からノイズ成分を除去した後、二値化処理してクラック候補線分を抽出し、クラック候補線分の特徴量から該クラック候補線分がクラック等の欠陥があるか否かをファジィマッチングにより判定し、該被検査体の良否を検査することを特徴とする欠陥検査方法であり、この検査方法では、被検査体の入力画像をファジィ画像とみなして画像処理した画像からクラック候補線分を抽出し、クラック候補線分からクラック等の欠陥の判定のための特徴量の適合度をファジィ推論によるファジィマッチングにより判定して被検査体の良否を検査する検査方法であり、被検査体は金属焼結体等の金属構造体に限定されることなく、鋳造物、セラミックス或いは樹脂成形品にも適応することができる。なお、特徴量とは欠陥を特定するためのクラック候補線分の情報量であり、また、クラックには被検査対象の特徴的欠陥或いは損傷を含むものとする。
また、請求項2の発明は、前記ファジィ画像からのノイズ成分の除去がファジィモルフォロジ演算処理によることを特徴とする請求項1に記載の欠陥検査方法であり、被検査体の入力画像をファジィ画像とみなし、このファジィ画像から構造要素による適合度に基づいて、ノイズ成分を除去するファジィモルフォロジ演算処理によって、必要とする画像成分のみを残してクラックの特徴成分であるクラック候補線分を抽出する。
また、請求項3の発明は、前記二値化処理による特徴画像の抽出を行った後、再二値化処理を行ってクラック候補線分を抽出することを特徴とする請求項1又は2に記載の欠陥検査方法であり、二値化画像を再二値化処理する際に、検査画像領域内の画素の平均濃度値と最低濃度値との平均値を閾値に設定してクラック候補線分を抽出する。
また、請求項4の発明は、前記クラック候補線分から目的の欠陥以外の特徴を有する線分候補を排除した後、前記ファジィマッチングを行うことを特徴とする請求項1,2又は3に記載の欠陥検査方法であり、被検査体のクラック候補線分には、クラック以外の特徴を有する候補線分が含まれているので、クラック候補線分からクラック以外の特徴を有する候補線分を排除して、残りのクラック候補線分に対してクラックの特徴量に基づいてファジィ推論を行ってクラックの有無を判定する。なお、上記目的の欠陥とは、直線等の特徴ある欠陥、例えば代表例としてクラックがあるが、クラックに限定するものではない。
また、請求項5の発明は、前記クラック候補線分のファジィマッチングが、被検査体に発生する欠陥の特徴量の適合度をファジィ推論して不良品の有無を判定することを特徴とする請求項1乃至4の何れかに記載の欠陥検査方法であり、クラック等の欠陥をファジィ推論するための特徴量の適合度の総和である最終的なメンバーシップ値と予め定められた値と比較してクラック等の欠陥の有無を判定して被検査体の良否を判定する。
また、請求項6の発明は、前記入力画像が、乱反射する粗面或いは光学的に粗面の前記被検査体を上方から撮影して得られた画像であることを特徴とする請求項1乃至5の何れかに記載の欠陥検査方法であり、乱反射する粗面面或いは光学的に粗面である被検査体を、例えばLED(発光ダイオード)照明手段で照明することによって、被検査体の表面に発生したクラック等の欠陥を明確にすることができる。
以下、本発明における付加的事項を記載する。本発明は、被検査体に発生するクラックの有無を検査する欠陥検査装置を構成する場合、被検査体を撮影する撮像手段と、前記撮像手段による被検査体の入力画像をファジィ画像としてノイズ成分をファジィモルフォロジフィルタにより除去するノイズ除去手段と、前記ノイズ除去手段により処理画像を二値化処理してクラック候補線分を抽出するクラック候補線分抽出手段と、前記クラック候補線分抽出手段によるクラック候補線分によりクラックを判定するファジィマッチング手段とを備え、前記ファジィマッチング手段による適合度から前記被検査体の良否を判定することを特徴とする欠陥検査装置であり、撮像手段は例えばCCDカメラが好ましく、また、被検査体は波長の揃った光源、例えば発光ダイオードによるLED照明手段が好ましい。なお、クラック候補線分抽出手段には細線化処理が含まれるが、検査対象画像によっては省略することができる。
また、本発明は上記装置において、前記クラック候補線分抽出手段が、前記ノイズ除去手段による処理画像を再二値化処理してクラック候補線分を抽出した後、該クラック候補線分のうちクラック候補線分の角度成分からクラック成分以外を排除する角度評価手段を有することを特徴とする欠陥検査装置である。上記クラック成分とは、特徴として抽出可能な欠陥を意味している。
また、本発明は上記装置において、前記ファジィマッチング手段が、クラック候補線分の全長、直線度、最大線分長の各メンバーシップ関数によって判定する欠陥検査装置である。
また、本発明は上記装置において、前記被検査体が乱反射する表面を有し、該被検査体をLED照明手段により照明する欠陥検査装置である。
請求項1の発明によれば、被検査体に発生する欠陥の有無を検査する欠陥検査方法において、被検査体の入力画像をファジィ画像とし、該ファジィ画像からノイズ成分を除去した後、二値化処理してクラック候補線分を抽出し、クラック候補線分によるクラックの特徴量からクラック候補線分がクラック等の欠陥があるか否かをファジィマッチングにより判定し、被検査体の良否を検査することを特徴とする欠陥検査方法であるので、被検査体の入力画像をファジィ画像とみなして画像処理によりノイズ成分を除去することによって、入力画像から検査対象の特徴を抽出することが可能であり、かつクラック候補線分からクラック等の欠陥の発生した被検査体を判別することが可能であって、検査員が目視検査で良否判定を行っていた検査作業を自動化することができるとともに、大量に生産される被検査体を精度良く良否判定ができる利点があり、また、肉眼では時間を要する小型の被検査体の検査が極めて短い処理時間で良否を判定することができる。
また、請求項2の発明によれば、前記ファジィ画像からのノイズ成分の除去がファジィモルフォロジ演算処理によることを特徴とする請求項1に記載の欠陥検査方法であるので、被検査体の入力画像をファジィ画像とみなし、このファジィ画像をファジィモルフォロジ演算処理による適合型構造要素の適合度に基づいて、ファジィ画像からノイズ成分を除去することができ、曖昧な画像から必要とする画像成分のみを残して二値化処理することが可能であり、特徴画像抽出(クラック候補線分抽出)が容易となる利点がある。
また、請求項3の発明によれば、前記二値化処理による特徴画像の抽出を行った後、再二値化処理を行ってクラック候補線分を抽出することを特徴とする請求項1又は2に記載の欠陥検査方法であるので、細線化処理によりクラック候補線分の画素数を最少に抑えて抽出することが可能であり、クラック候補線分の追跡が容易となり、かつ特徴量の抽出が短時間に達成できる利点がある。
また、請求項4の発明によれば、前記クラック候補線分から目的とする欠陥以外の特徴を有する線分候補を排除した後、前記ファジィマッチングを行うことを特徴とする請求項1,2又は3に記載の欠陥検査方法であるので、ファジィ推論を行うための特徴量を絞り込むことが可能であり、ファジィ演算処理の速度を高めることができる利点がある。
また、請求項5の発明によれば、前記クラック候補線分のファジィマッチングが、被検査体に発生するクラック等の欠陥の特徴量の適合度をファジィ推論して良否を判定することを特徴とする請求項1乃至4の何れかに記載の欠陥検査方法であるので、特徴ある欠陥欠陥(例えば、クラック)をファジィ推論するための特徴量の適合度の総和を、最終的なメンバーシップ値と比較して、被検査体の良否を判定することができる利点があり、熟練した作業者と同様な選別が可能となる。
また、請求項6の発明によれば、前記入力画像が、乱反射する粗面或いは光学的に粗面の前記被検査体を上方から撮影して得られた画像であることを特徴とする請求項1乃至5の何れかに記載の欠陥検査方法であるので、焼結金属体等の被検査体のように表面が乱反射したり、或いは肉眼では視認できないような光学的に粗面である表面を有する被検査体を、被検査体表面をLED(発光ダイオード)照明手段で照明してCCDカメラ等の撮像手段で撮影することにより、クラック等の欠陥と表面との境界が明確な画像を得ることができ、焼結金属体等のような検査対象物に対しても極めて効果的である。また、被検査体の側面を被検査対象面とすると、被検査体の少なくとも2面を検査しなければならないが、被検査体の上方からCCDカメラ等の撮像手段で撮影することによって、クラック等の欠陥の有無を容易に検査することができる利点がある。
一方、本発明の欠陥検査方法を実施可能な最良の装置は、撮像手段により被検査体を撮影し、前記撮像手段による被検査体の入力画像をファジィ画像としてファジィモルフォロジフィルタによるノイズ除去手段によりノイズ成分を除去し、前記ノイズ除去手段により処理画像を二値化処理し、クラック候補線分抽出手段によりクラック候補線分を抽出し、ファジィマッチング手段によりクラック候補線分の適合度からクラック等の欠陥の有無を判定し、被検査体の良否を検査することができるので、ノイズ成分を除去した画像からクラック候補線分を抽出して被検査体からクラック等の欠陥の有無を検査することができ、クラック候補線分からファジィマッチングによりクラック等の欠陥の有無を判定しており、検査員が目視で検査する際の個人差や疲労などによる判定のバラツキが解消される利点がある。
また、本発明における最良の上記装置によれば、前記クラック候補線分抽出手段が、前記ノイズ除去手段による処理画像を再二値化処理してクラック候補線分を抽出した後、該クラック候補線分のうちクラック候補線分の角度成分からクラック成分以外を排除する角度評価手段を有する欠陥検査装置であるので、ファジィ推論による必要のない特徴量は所定閾値で判定して、クラック以外の特徴量をファジィ推論することができ、ファジィ推論のための演算処理を必要な特徴量に限定して実行することができ、判定のための処理時間も短縮することができる利点がある。
また、本発明における最良の上記装置によれば、前記ファジイマッチング手段が、クラック候補線分の全長、直線度、最大線分長の各メンバーシップ関数によって判定する欠陥検査装置であるので、全長、直線度、最大線分長の各メンバーシップ関数によるファジイマッチング手段によって、被検査体に発生したクラックの有無を確実に判定することができる利点がある。
また、本発明における最良の上記装置によれば、乱反射する表面或いは光学的に粗面である前記被検査体の表面をLED照明手段により照明して欠陥の有無を検査する装置であるので、被検査体の表面が粗面或いは光学的に粗面であってもLED照明手段により照明することによって、撮像画像によるクラックの検査が容易となる利点がある。
以下、本発明に係る欠陥検査方法の実施の形態について図面を参照して説明する。なお、図1は本発明に適用される欠陥検査装置の実施形態を示す概略図であり、図2(a)は被検査体、例えば噴射ノズルの斜視図であり、同図(b)はその正面図である。図3は本実施形態の欠陥検査方法を説明するための処理フローを示す図である。図4は、再二値化処理における閾値設定の説明図であり、図5,図6は細線化処理ための説明図であり、図7はクラック候補線分の特徴量を求めるための説明図であり、図8は特徴量の算出を説明するための説明図である。図9〜図11は各メンバーシップ関数を示す図である。
先ず、本発明に適応される欠陥検査装置の実施形態について図1を参照し説明する。本実施形態の欠陥検査装置は、被検査体1が搬送ベルト2に載置されて矢印方向に搬送され、搬送ベルト2で搬送される被検査体1を照明装置3で照らし、撮像装置(CCDカメラ)4により撮影してその画像入力信号を画像処理してクラックなどの欠陥(以下、特徴ある欠陥として、金属欠陥であるクラックについて説明する。)の有無を検査する検査装置であり、主な構成は被検査体1を撮影する撮像装置4と画像処理部5とからなる。画像処理部5は、CPU(中央演算処理装置)と画像メモリ等により構成され、撮像装置4による被検査体1の撮影画像をデジタル化した入力画像から被検査体1の特徴を抽出して判定し検査結果を出力する装置であり、特徴強調手段6と特徴量抽出手段7と角度評価手段8とファジィ推論手段9とから構成されている。
特徴強調手段6には、撮像画像をデジタル化した入力画像からノイズ成分を除去するノイズ除去手段6aと、ノイズ除去手段6aによる処理画像を二値化処理する二値化処理手段6bと、二値化処理された画像からクラック候補線分を抽出するクラック候補線分抽出手段6cが設けられている。なお、二値化処理手段6bには再二値化処理を含むが、検査対象によっては省略することができる。
特徴量抽出手段7は、クラック候補線分抽出手段6cにより得られたクラック候補線分がクラックであるか否かを判定する際の特徴量を抽出する手段であり、クラック候補の線分追跡により、クラック候補線分の「角度」,「全長」,「曲がり」,「連続性」の4つ観点に基づく特徴量を抽出する。なお、特徴量とはクラック候補線分がクラックであるか否かを判定するための情報量である。
角度評価手段8は、特徴量抽出手段7により抽出されたクラック候補線分の始点と終点を直線で結んで抽出したクラックの角度θに基づいて、金属欠陥によるクラック候補線分であるか否かを判定し、クラックではないと判定されたクラック候補線分を排除する手段である。
ファジィ推論手段9は、特徴量からクラック候補線分がクラックであるか否かを判定する最終的なメンバーシップ値を出力するファジィマッチング手段9aと、クラック有無判定手段9bによる判定結果に基づいて、被検査体1にクラックが発生しているか否かを判定し検査結果を出力するクラック有無判定手段9bとが設けられ、この検査結果に基づいて、クラックが発生している被検査体1は搬送コンベア2から排除され良品のみが自動的に選別される。ファジィマッチング手段9aでは、クラック候補線分がクラックであるか否かを判定する特徴量として、「全長」,「曲がり」,「連続性」を対象としおり、クラック候補線分の「全長」,「曲がり」,「連続性」の各メンバーシップ関数により適合度を算出し、最終的なメンバーシップ値を求め、クラック有無判定手段9bにより最終的なメンバーシップ値と予め定められた値とを比較してクラックの有無を判定し、被検査体1の良否を検査している。
次に、本実施形態の処理フローについて図3を参照して説明する。画像処理部5では、入力画像が入力されて制御機能(制御プログラム)に基づいて画像処理が行われる。先ず、ステップS1では、検査範囲を限定するために、入力画像の検査ウィンドウが設定される。ステップS2では、ステップS1で設定された検査範囲の画像をファジィ画像とみなして、ノイズ除去手段6aによりファジィ画像からノイズ成分の除去が行われ、ステップS3に進む。ステップS3では、二値化処理手段6bによりノイズ除去が行われた画像を二値化処理し、さらに再二値化処理をして検査範囲の画像を抽出してステップS4に進む。ステップS4では、クラック候補線分抽出手段6cによって、二値化処理された画像を細線化処理しクラック候補線分を抽出し、ステップS5に進む。
ステップS5では、特徴量抽出手段7により、被検査体1のクラックと推定されるクラック候補線分の特徴量(「角度」,「全長」,「曲がり」,「連続性」の情報量)を求め、ステップS6に進む。ステップS6では、特徴量の内、ファジィ推論の対象外の特徴量(「角度」)に対して閾値による角度評価手段8により判定し、ファジィ推論評価対象外の特徴量を排除して検査対象を絞り込む。ステップS6において、クラック無しと判定された場合、ステップS10に進み、次の被検査体1のクラックの特徴量(「角度」)の評価を行う。また、ステップS6において、クラック候補有りと判定された場合(「OK」)、ステップS7に進む。ステップS7では、他の特徴量(「全長」,「曲がり」,「連続性」)をファジィマッチング手段9aによりファジィ推論を行ってクラックの有無の判定を行って、ステップS8に進み、クラック有無判定手段9bによりクラックの有無を比較判定し、クラック有りと判定された場合(「OK」)、ステップS9に進み、クラック無しと判定された場合(「NG」)、ステップS10に進み、それぞれ判定結果を出力する。ステップS9,S10に後、ステップS1に戻りクラックの有無の判定を繰り返し実行する。
なお、ステップS1からステップS6までは全ての検査対象1が順番に実行されるステップであるので、搬送ベルト2上を搬送される全ての被検査体1の特徴量を抽出して、それぞれの被検査体1の特徴量のデータを記憶装置に記憶し、記憶装置に記憶された個々の被検査体1の特徴量のデータに基づいて、ステップS6により角度評価を実行し、続いてステップS7からS10の処理フローに基づいて、特徴量の評価を実行し、ステップS6において、「NG」の場合は、ステップS10に進んで、ステップS6に戻り、次の検査対象の「角度」の評価を実行するようにしてもよい。
以下、本実施形態について詳細に説明する。被検査体1として、図2(a),(b)に示した噴射ノズルを例示して説明する。噴射ノズル1は、例えば焼結金属により形成された被検査体であり、径の異なる円管状部1a,1bで構成され、円管状部1aに対面する位置に貫通長孔1cが形成され、円管状部1bに対設方向に突起部1dが設けられている。噴射ノズル1の上部の円管状部1aの外径Daは3.5mm、内径Dbが1.9mm程度の小型の焼結金属体である。また、噴射ノズル1の円管状部1aの先端部分(クラックCの発生部分)がテーパ状となっている。この噴射ノズル1は、クラックCが特定に位置に発生する頻度が高く、例えば貫通長孔1cから円管状部1aの先端へとクラックCが発生することが多い。噴射ノズル1の良否の判定は、噴射ノズル1を上面から撮影することによりクラックCの発生の有無を検査している。
このように被検査体である噴射ノズル1ではクラック等の金属欠陥が特定位置に発生することが多く、撮影画像の特定の領域を検査ウィンドウに設定して特定の画像領域を高速に処理することができる。搬送コンベア2に載置して搬送される噴射ノズル1の特定位置に照明装置3により照明して撮影し、その撮影画像を画像処理することによりクラックの有無を検査する。照明装置3は、噴射ノズル1のクラックCが浮かび上がるような位置に配置して照明する。例えば、照明装置3には、発光ダイオードによるLED照明が用いられ、このLED照明は光軸に対する被検査体1の照射面のなす角(照明角度)θは55°に設定され、撮像装置4のレンズ入射面と照射面との距離Aは50mmとし、照射面と照明装置3の発光面との距離Bを25mmとして、被検査体1の直上から撮像装置4で噴射ノズル1の上端部を撮影する。撮像装置4の撮影画像信号はデジタル信号に変換されて入力画像信号とし画像処理部5に入力される。
画像処理部5には、画像入力からノイズ成分を除去してクラックの判別を容易なものとするためノイズ除去手段6aが備えられている。ノイズ除去手段6aは、検査対象である画像入力の濃淡画像を2次元配列表現として横方向座標をX1 、縦方向座標をY2 とし、濃淡画像の濃度値を[0,1]に正規化し、画素(x1 ,y2 )の濃度値をメンバーシップ関数μ(x1 ,y2 )で表して、濃淡画像を座標空間x1 ×y2 上のメンバーシップ関数μ(x1 ,y2 )を持つファジィ集合であると見なすことができる。つまり、ファジィ画像上の各メンバーシップ値は、その画像に属する度合いを表しており、検査対象画像の適合度からノイズ成分を除去することができる。
ノイズ除去手段6aとしては、入力画像をファジィ画像とみなすことで、ファジィモルフォロジフィルタを用いることができる。ファジィモルフォロジは、画像をファジイ画像としてモルフォロジ演算における構造要素と原画像との演算結果にファジィ適合の概念を導入した演算である。例えば、2値モルフォロジ演算では、構造要素が画像に適合するか否かを調べ、もし適合すれば出力値は1となり、適合しなければ0となる。即ち、ファジィモルフォロジでは、構造要素が注目画素に対して完全に適合しなくとも出力値を与えることができるので、曖昧な画像から的確に対象要素(特徴)を抽出することができる。
また、ファジィモルフォロジは、基本的に4つの演算、Fuzzy erosion,Fuzzy dilation,Fuzzy opening,Fuzzy closingで構成されている。対象とするファジィ画像をAとし、構造要素をBとする。x,yはそれぞれA,Bに属する要素で座標を表すベクトルとし、和演算をTC 、積演算をTI とすると、Fuzzy dilationD,Fuzzy erosionEはそれぞれ次のように定義することができる。
また、Fuzzy openingO,Fuzzy closingCは、次式のように定義することができる。
但し、本実施形態では、ノイズよりも大きい5×5の円形構造要素(メンバーシップ値μ=1.0)によるFuzzy openingを行ってノイズ成分の除去を行った。ノイズ除去が行われた処理画像は画像メモリに記憶される。このFuzzy openingでは、構造要素Bを円形構造要素とすることにより、ノイズ成分が除去されて検査対象を明確にすることができる。
二値化処理手段6bでは、ノイズ除去後の画像に対してクラック領域と背景とを区別するために二値化処理が行われる。次式の閾値処理により行われる。ノイズ除去後の画像をfで表記すると、画像fの各画素の濃度値はf(i,j)と表され、二値化は次式の閾値処理によって行われる。
二値化処理は、被検査体である噴射ノズル1の表面を撮影した際、金属表面の粗さなどの状態や金属そのものの色及び噴射ノズルの形状によって、画像濃度の違いが生じるので、特徴を明確にするためのに行われる。二値化の閾値thは、図4に図示したように、検査領域のウィンドウ内平均濃度値ave(i,j)とウィンドウ内最低濃度値min(i,j)とを用いて求めることができる。閾値thを求める演算式を(6)式に示した。
さらに、二値化処理された画像に対して再二値化処理を行う。再二値化処理では、図5に示した中心画素P0 を含めて9画素(P1 〜P8 )に対して改めて閾値th2を下記式のように設定して再度二値化処理を行う。クラック領域内ではクラックの濃度の変化が少なく抽出が困難であるので、再二値化処理によって、クラックの推測を容易なものとすることができる。再二値化処理された画像は記憶装置に記憶される。
クラック候補線分抽出手段6cは、二値化処理手段6bで得られた二値化処理画像(再二値化処理画像)から画像の連結性を変えることなく、中心線を抽出してクラック候補線分を抽出する細線化処理である。詳しくは、画像中の境界点の中から、消去可能要素でありかつ線の端点ではない画素をすべて消去する。図6を参照して説明すると、同図(a)から同図(b)の画像として線成分を強調することができる。線成分を強調は、図6に示すように、例えば画像中の境界点を含む近傍の4画素の内、1つでも0−画素をもつ画素の中から、消去可能要素でありかつ線の端点ではない画素をすべて消去することによって、線成分を強調することができる。或いは、境界点の近傍8画素の内、1−画素の個数が2以下のであって、線の端点ではない画素をすべて消去して線成分を強調するようにしてもよい。
図5に示したように、二値化処理画像Bの画素の中心画像をP0 とし、その近傍画素を下記(8)式のように表し、下記〔式7〕は二値画像Bに対する細線化の手順を示す。
二値画像Bに対する細線化のステップ1では、二値化画像Bの境界画素を調べていき、画素P0 に関して下記〔式7〕に示した4条件〔(i )〜(iv)〕を満たすならば、画素P0 にフラグを付けて記憶する。すべての画素Piについてこの処理が終わると、印をつけた画素値B(P)を0にする。ステップ2ではステップ1に条件〔(iii),(iv)〕を下記〔式7〕に示した〔(iii′),(iv′)〕の条件に変えて同様の処理を行うことによって、線幅1のクラック候補線分が抽出される。
さらに、細線化処理を行った画像に対して、線分追跡を行い、クラック候補線分を抽出する。線分追跡とは、始点より一定の範囲内にある点を連結し、線分を追跡していく演算処理である。本実施形態の手法を図7を参照して説明する。入力2次元画像をI×Jとすると、次の条件を満たす画素のうち任意の画素を線分追跡始点画素(i0 ,j0 )として選択する。その条件は、(1)対象画像領域のウィンドウ下端から例えばウィンドウ幅31画素以内上方に存在する画素、(2)(1)の条件を満たす画素のうち1−画素(黒画素)である。
続いて、(i0 ,j0 +1)を注目点として、横(I)方向近傍6画素について左右交互に1−画素(黒画素)が存在するかを検索する。もし、存在する場合には、その画素にフラグを付け、線分追跡注目点(i1 ,j1 )とする。存在しない場合には、Y座標j+6まで同様の処理を行い、1−画素(黒画素)を検索する。黒画素が存在しない場合はこの処理を終了する。続いて、新たな注目点(i1 ,j1 +1)から同様の操作を繰り返し、1−画素(黒画素)が検索された場合にフラグを付与して記憶し、検査領域画像におけるクラック候補線分を抽出する。また、1−画素(黒画素)が検索できなかった時点の線分追跡注目点(in ,jn )を線分の終点とする。このような処理によって、所定の線幅のクラック候補線分を抽出した後、特徴量抽出手段7に進む。
特徴量抽出手段7では、被検査体(噴射ノズル)1の上面からの画像からから得られたクラック候補線分からクラックの有無をファジィ推論するために特徴量が演算処理されて求められる。クラックの特徴は、図2に示した噴射ノズル1では、クラックの特徴的形態として、(a)クラックが中心線となす角度が大きくなく、(b)クラックの長さが長く、(c)クラックに曲がりがほとんどなく、(d)クラックは連続性があるという特徴が抽出された。即ち、噴射ノズル1のクラックには、「角度が大きくない」,「長さが長い」,「曲がりがほとんどない」,「連続性がある」という4つの特徴があり、簡略化した表現として「角度」,「全長」,「曲がり」,「連続性」の4つの特徴を抽出することによって、クラックの有無を判定することができる。
図8を参照して、「角度」,「全長」,「曲がり」,「連続性」について、説明すると、「角度」は抽出したクラック候補線分の始点と終点とを直線で結び、画像領域のX軸方向とのなす角度θであり、「全長」はクラック候補線分の始点と終点とを直線で結んだときのその直線のピクセル数より全長Lを求める。「曲がり」は直線度Stから求められ、曲がりが大きければ直線度は小さくなり、曲がりが小さければ直線度は大きくなる。直線度Slは、全長をTlとし総和長Slとすると、St=Sl/Tl×100で表される。総和長Slは線分Aと線分Bとを加算した値である。また、「連続性」はクラック候補線分を求める際に、その線分を構成する線分のうち最大の長さをもつ最大線線分長lmax で表す。クラック候補線分を構成する線分のうち、最大線分長が長ければ長いほど連続性があると判定される。クラック候補線分が抽出された179個の噴射ノズル1を調査し、表1に示す結果が得られた。この結果からクラック候補線分には良品と不良品が含まれることが判明した。
クラック候補線分の評価について説明する。先ず、クラック候補線分の「角度θ」の評価が角度評価手段8により行われる。角度評価手段8では、次の表2の条件を満たすか否かを評価し、次の条件を満たすとき、噴射ノズル1が良品であるとしてクラック候補から除外する。クラック候補線分の始点をX座標として、クラック候補線分が表2の条件を満たすか否かで判定する。
角度評価手段8による評価が終了すると、次のファジィ推論手段9に進む。ファジィ推論手段9では、「全長」,「曲がり」,「連続性」の各ファジィ命題を定義するファジィ集合に基づいて、ファジィ推論が行われる。ファジィ推論は、実験的に得られた値からクラックの発生を推論するメンバーシップ関数が求められる。図9乃至図11は各メンバーシップ関数を表している。図9は全長のメンバーシップ関数を示し、全長が0.10[pixel]であれば、メンバーシップ値(度合い)が0.0であり、全長が0.14[pixel]であれば、メンバーシップ値(度合い)が0.8であり、全長が0.20[pixel]であれば、メンバーシップ値(度合い)が1.0である。
また、図10は曲がりのメンバーシップ関数を示し、直線度が80.0%では約50%が良品であり、直線度が100%では約30%が良品であり、その直線度のメンバーシップ値が0.8であり、80%以上では76%が不良品である。直線度が100.0%では100%が不良品である。
また、図11は最大線分長[pixel]による連続性のメンバーシップ関数であり、0.12[pixel]以下であればメンバーシップ値は0.0であり、0.13[pixel]以上であればメンバーシップ値は1.0である。
ファジィマッチング手段9aでは、図9乃至図11に示した各メンバーシップ関数からそれぞれの値を入力してメンバーシップ値(μ1 ,μ2,μ3 )を求め、これらのメンバーシップ値に対し、重み付けを行って判定する。最終的なメンバーシップ値μは次式で求められる。但し、μ1は全長のメンバーシップ値、μ2は曲がりのメンバーシップ値、μ3は直線度のメンバーシップ値を示し、α,β,γは特徴量に対する重み付けする定数である。
上記式において、例えば、α=0.4,β=0.2,γ=0.4の値に設定する。この時の最終的なメンバーシップ値μが、μ≧tの条件を満たした場合、噴射ノズルは不良品と判定される。例えばtを0.89に設定する。従って、最終的なメンバーシップ値が、例えば0.9であれば、クラック有無判定手段9bは噴射ノズルにクラックが発生していると判定して、搬送ラインから自動的に排除され、クラックの無い良品の噴射ノズル1を選別することができる。
本発明の欠陥検査方法は、上記実施形態において、噴射ノズルを例示して説明したが、噴射ノズルに限定することなく、クラック等の欠陥が発生する金属構造体全てに適用することができる。さらに、金属構造体以外、例えば鋳造物,セラミックス,樹脂成形品等の表面が乱反射する被検査体に適用することができる。また、欠陥が特徴あるものであれば、クラック以外の欠陥の検査に適用できる。
1 被検査体(噴射ノズル)
2 搬送コンベア
3 照明装置(LED照明装置)
4 撮像装置
5 画像処理部
6 特徴強調手段
6a ノイズ除去手段
6b 二値化処理手段
6c クラック候補線分抽出手段
7 特徴量抽出手段
8 角度評価手段
9 ファジィ推論手段
9a ファジィマッチング手段
9b クラック有無判定手段
2 搬送コンベア
3 照明装置(LED照明装置)
4 撮像装置
5 画像処理部
6 特徴強調手段
6a ノイズ除去手段
6b 二値化処理手段
6c クラック候補線分抽出手段
7 特徴量抽出手段
8 角度評価手段
9 ファジィ推論手段
9a ファジィマッチング手段
9b クラック有無判定手段
Claims (6)
- 被検査体に発生した欠陥の有無を検査する欠陥検査方法において、
被検査体の入力画像をファジィ画像とし、該ファジィ画像からノイズ成分を除去した後、二値化処理してクラック候補線分を抽出し、クラック候補線分の特徴量から該クラック候補線分がクラック等の欠陥があるか否かをファジィマッチングにより判定し、該被検査体の良否を検査することを特徴とする欠陥検査方法。 - 前記ファジィ画像からのノイズ成分の除去がファジィモルフォロジ演算処理によることを特徴とする請求項1に記載の欠陥検査方法。
- 前記二値化処理による特徴画像の抽出を行った後、再二値化処理を行ってクラック候補線分を抽出することを特徴とする請求項1又は2に記載の欠陥検査方法。
- 前記クラック候補線分から目的とする欠陥以外の特徴を有する線分候補を排除した後、前記ファジィマッチングを行うことを特徴とする請求項1,2又は3に記載の欠陥検査方法。
- 前記クラック候補線分のファジィマッチングが、被検査体に発生する欠陥の特徴量の適合度をファジィ推論して不良品の有無を判定することを特徴とする請求項1乃至4の何れかに記載の欠陥検査方法。
- 前記入力画像が、乱反射する粗面或いは光学的に粗面の前記被検査体を上方から撮影して得られた画像であることを特徴とする請求項1乃至5の何れかに記載の欠陥検査方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003352318A JP2005114671A (ja) | 2003-10-10 | 2003-10-10 | 欠陥検査方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003352318A JP2005114671A (ja) | 2003-10-10 | 2003-10-10 | 欠陥検査方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005114671A true JP2005114671A (ja) | 2005-04-28 |
Family
ID=34543294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003352318A Withdrawn JP2005114671A (ja) | 2003-10-10 | 2003-10-10 | 欠陥検査方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2005114671A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011078374A2 (ja) * | 2009-12-22 | 2011-06-30 | 日清紡メカトロニクス株式会社 | 太陽電池の検査装置、太陽電池の検査方法およびプログラム |
JP2012137424A (ja) * | 2010-12-27 | 2012-07-19 | Sumitomo Metal Mining Co Ltd | 表面検査装置及び表面検査方法 |
JP2018036226A (ja) * | 2016-09-02 | 2018-03-08 | 富士通株式会社 | 画像処理プログラム、画像処理方法および画像処理装置 |
JP2020056706A (ja) * | 2018-10-03 | 2020-04-09 | 日本製鉄株式会社 | き裂進展評価方法 |
WO2022007125A1 (zh) * | 2020-07-07 | 2022-01-13 | 蒋梦兰 | 瓷器表面裂纹修复鉴定系统 |
-
2003
- 2003-10-10 JP JP2003352318A patent/JP2005114671A/ja not_active Withdrawn
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011078374A2 (ja) * | 2009-12-22 | 2011-06-30 | 日清紡メカトロニクス株式会社 | 太陽電池の検査装置、太陽電池の検査方法およびプログラム |
WO2011078374A3 (ja) * | 2009-12-22 | 2011-09-15 | 日清紡メカトロニクス株式会社 | 太陽電池の検査装置、太陽電池の検査方法およびプログラム |
JP2012137424A (ja) * | 2010-12-27 | 2012-07-19 | Sumitomo Metal Mining Co Ltd | 表面検査装置及び表面検査方法 |
JP2018036226A (ja) * | 2016-09-02 | 2018-03-08 | 富士通株式会社 | 画像処理プログラム、画像処理方法および画像処理装置 |
CN107817246A (zh) * | 2016-09-02 | 2018-03-20 | 富士通株式会社 | 存储图像处理程序的介质、图像处理方法及图像处理装置 |
US10229338B2 (en) | 2016-09-02 | 2019-03-12 | Fujitsu Limited | Medium storing image processing program, image processing method, and image processing device |
CN107817246B (zh) * | 2016-09-02 | 2020-06-19 | 富士通株式会社 | 存储图像处理程序的介质、图像处理方法及图像处理装置 |
JP2020056706A (ja) * | 2018-10-03 | 2020-04-09 | 日本製鉄株式会社 | き裂進展評価方法 |
JP7115201B2 (ja) | 2018-10-03 | 2022-08-09 | 日本製鉄株式会社 | き裂進展評価方法 |
WO2022007125A1 (zh) * | 2020-07-07 | 2022-01-13 | 蒋梦兰 | 瓷器表面裂纹修复鉴定系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Landstrom et al. | Morphology-based crack detection for steel slabs | |
CN109859177B (zh) | 基于深度学习的工业射线影像评定方法及装置 | |
JP5263291B2 (ja) | 欠陥検査のための画像データの処理装置および方法、これらを用いた欠陥検査装置および方法、これらを用いた板状体の製造方法、並びに記録媒体 | |
JP4765890B2 (ja) | 異物検出装置 | |
JP5074998B2 (ja) | 透明フィルムの外観検査方法およびその装置 | |
JP6697302B2 (ja) | 探傷装置、及び探傷装置による欠陥検出方法 | |
CN107709977B (zh) | 表面缺陷检测装置及表面缺陷检测方法 | |
JP6753553B1 (ja) | 表面欠陥検出方法、表面欠陥検出装置、鋼材の製造方法、鋼材の品質管理方法、鋼材の製造設備、表面欠陥判定モデルの生成方法、及び表面欠陥判定モデル | |
Rathod et al. | A comparative study of different segmentation techniques for detection of flaws in NDE weld images | |
Xia et al. | An automatic machine vision-based algorithm for inspection of hardwood flooring defects during manufacturing | |
JP2005114671A (ja) | 欠陥検査方法 | |
Golkar et al. | Ceramic tile border defect detection algorithms in automated visual inspection system | |
JP2020037356A (ja) | 架線摩耗検査装置 | |
CN116843640A (zh) | 瓷砖表面凹坑缺陷检测方法、系统及存储介质 | |
JP2007071789A (ja) | 栗の品質検査方法 | |
JPH07333197A (ja) | 表面疵自動探傷装置 | |
JP2001209794A (ja) | 外観検査方法 | |
JPH0718811B2 (ja) | 欠陥検査方法 | |
JP2686053B2 (ja) | 外観検査による欠陥検査方法 | |
JPH0882616A (ja) | 磁粉探傷方法及びその装置 | |
JPH06103275B2 (ja) | 外観検査による欠陥抽出方法 | |
CN113393440A (zh) | 基于磁光成像的焊缝缺陷自动增强及识别方法 | |
JPH10208066A (ja) | 被検査物のエッジライン抽出方法及びこの方法を用いた外観検査方法 | |
JP5346304B2 (ja) | 外観検査装置、外観検査システムおよび外観検査方法 | |
JPH08190633A (ja) | 欠陥判別方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20070109 |