JP2007303830A - 塗装面品質評価方法 - Google Patents
塗装面品質評価方法 Download PDFInfo
- Publication number
- JP2007303830A JP2007303830A JP2006129219A JP2006129219A JP2007303830A JP 2007303830 A JP2007303830 A JP 2007303830A JP 2006129219 A JP2006129219 A JP 2006129219A JP 2006129219 A JP2006129219 A JP 2006129219A JP 2007303830 A JP2007303830 A JP 2007303830A
- Authority
- JP
- Japan
- Prior art keywords
- painted surface
- inspected
- image
- standard deviation
- painted
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
【課題】研磨等によって生じた微小傷群に起因する光沢感むらのような塗装面不良(白ボケ)を自動的に、かつ官能評価と相関高く判定できる塗装面品質評価方法を提供する。
【解決手段】被検査塗装面を撮像し、得られた被検査塗装面画像に前処理を施した前処理後被検査塗装面画像の輝度ヒストグラムから第1の標準偏差σ1を算出する。また、前処理後被検査塗装面画像に対してラプラシアンフィルタリング処理を行って得られた画像の輝度ヒストグラムから第2の標準偏差σ2を算出し、両標準偏差σ1,σ2に基づいて被検査塗装面の塗装面品質を判定する。σ1は塗装面の所謂ムラ感、σ2は微小傷の多さを表していると考えられ、これらσ1,σ2を主成分とした塗装面品質判定によれば、微小傷群に起因する白ボケは客観的、自動的に判定可能となる。
【選択図】図2
【解決手段】被検査塗装面を撮像し、得られた被検査塗装面画像に前処理を施した前処理後被検査塗装面画像の輝度ヒストグラムから第1の標準偏差σ1を算出する。また、前処理後被検査塗装面画像に対してラプラシアンフィルタリング処理を行って得られた画像の輝度ヒストグラムから第2の標準偏差σ2を算出し、両標準偏差σ1,σ2に基づいて被検査塗装面の塗装面品質を判定する。σ1は塗装面の所謂ムラ感、σ2は微小傷の多さを表していると考えられ、これらσ1,σ2を主成分とした塗装面品質判定によれば、微小傷群に起因する白ボケは客観的、自動的に判定可能となる。
【選択図】図2
Description
本発明は、塗装面、特に車両ボディーの塗装面の外観品質評価に好適な塗装面品質評価方法に関するものである。
車両ボディー等の塗装面、特に自動車ボディーの塗装面は、高度の外観品質が要求され、その検査は熟練検査員の目視によって行われていた。しかし、大量生産される自動車産業の現状においては、この種の塗装面の検査についても自動化が望まれることは勿論である。
そこで従来、被塗装面を撮像した画像を複数の小さな領域に分割し、各領域の平均受光量を求め、その画像における平均受光量の分散値、小さな領域を複数集めた大きな領域における平均受光量の最大と最小の差分値を求め、これらの値に基づいて塗装面の品質を検査するという方法が提案された(例えば、特許文献1)。
そこで従来、被塗装面を撮像した画像を複数の小さな領域に分割し、各領域の平均受光量を求め、その画像における平均受光量の分散値、小さな領域を複数集めた大きな領域における平均受光量の最大と最小の差分値を求め、これらの値に基づいて塗装面の品質を検査するという方法が提案された(例えば、特許文献1)。
しかしながら上記従来技術は、一般的にいうところの塗装むら、つまり、塗装条件の変動や塗装ガンの吹付けむらに起因する塗装むらを判定する技術であり、所謂白ボケと称される微小傷群に起因する光沢感むらのような塗装面不良を判定するものではなかった。
すなわち車両ボディー、特に自動車ボディーの塗装面については、塗装面の良,不良の検査は厳しく、不良と判定された場合にはその補修が施されるが、その補修工程においては二次不具合として、研磨等による微小傷群(白ボケ)が生じることがある。この微小傷群は、一般的にいうところの塗装むらとは異なるものであり、上記従来技術では評価できなかった。
すなわち車両ボディー、特に自動車ボディーの塗装面については、塗装面の良,不良の検査は厳しく、不良と判定された場合にはその補修が施されるが、その補修工程においては二次不具合として、研磨等による微小傷群(白ボケ)が生じることがある。この微小傷群は、一般的にいうところの塗装むらとは異なるものであり、上記従来技術では評価できなかった。
しかしこの微小傷群は、光沢感むらのような外観品質の低下となって現れるところから、これを塗装面不良として判定しなければならず、したがって従来、このような判定を客観的(定量的)に行え、自動的に行える方法の実現が強く望まれていた。
また、塗装面不良の自動判定の結果は官能評価の結果と相関が高いことが望ましい。しかし上記従来技術に基づく実験によれば、種々のサンプル(被検査塗装面)について、評価レベルを例えば4〜5段階程度にとり、塗装面不良の自動判定を行うと共に官能評価を行い、それらの相関をみると、塗装面が最良なレベルにおいては相関が高かったが全体としての相関は必ずしも高くはなかった。
本発明は、上記のような実情に鑑みなされたもので、研磨等によって生じた微小傷群に起因する光沢感むらのような塗装面不良を自動的に、かつ官能評価と相関高く判定することが可能な塗装面品質評価方法を提供することを目的とする。
また、塗装面不良の自動判定の結果は官能評価の結果と相関が高いことが望ましい。しかし上記従来技術に基づく実験によれば、種々のサンプル(被検査塗装面)について、評価レベルを例えば4〜5段階程度にとり、塗装面不良の自動判定を行うと共に官能評価を行い、それらの相関をみると、塗装面が最良なレベルにおいては相関が高かったが全体としての相関は必ずしも高くはなかった。
本発明は、上記のような実情に鑑みなされたもので、研磨等によって生じた微小傷群に起因する光沢感むらのような塗装面不良を自動的に、かつ官能評価と相関高く判定することが可能な塗装面品質評価方法を提供することを目的とする。
上記目的を達成するために、特許請求の範囲の請求項1に記載の塗装面品質評価方法は、被検査塗装面を撮像する撮像ステップと、この撮像ステップにより得られた被検査塗装面画像又はこの被検査塗装面画像に対して前処理を施した前処理後被検査塗装面画像の輝度ヒストグラムから第1の標準偏差を算出する第1標準偏差算出ステップと、前記被検査塗装面画像又は前処理後被検査塗装面画像に対して尖鋭化処理を行って得られた画像の輝度ヒストグラムから第2の標準偏差を算出する第2標準偏差算出ステップと、算出された前記第1の標準偏差及び第2の標準偏差に基づいて前記被検査塗装面の塗装面品質を判定する塗装面品質判定ステップとを備えることを特徴とする。
特許請求の範囲の請求項2に記載の発明は、請求項1に記載の発明において、前記尖鋭化処理には、ラプラシアンフィルタリング処理が用いられることを特徴とする。
特許請求の範囲の請求項3に記載の発明は、請求項1又は2に記載の発明において、前記前処理には、ノイズ除去処理及び/又は照度斑除去処理が用いられることを特徴とする。
特許請求の範囲の請求項4に記載の発明は、請求項3に記載の発明において、前記ノイズ除去処理には、複数枚の被検査塗装面画像に対する加算平均処理が用いられることを特徴とする。
特許請求の範囲の請求項5に記載の発明は、請求項3又は4に記載の発明において、前記照度斑除去処理には、被検査塗装面画像から、予め用意されたリファレンス画像を減算するリファレンス画像減算処理が用いられることを特徴とする。
特許請求の範囲の請求項6に記載の発明は、請求項1〜5のいずれかに記載の発明において、前記塗装面品質判定ステップは、算出された前記第1の標準偏差及び第2の標準偏差、並びに官能評価により設定された閾値に基づいて前記被検査塗装面の塗装面品質を判定することを特徴とする。
特許請求の範囲の請求項7に記載の発明は、請求項1〜6のいずれかに記載の発明において、前記被検査塗装面画像は紫外線画像であることを特徴とする。
特許請求の範囲の請求項2に記載の発明は、請求項1に記載の発明において、前記尖鋭化処理には、ラプラシアンフィルタリング処理が用いられることを特徴とする。
特許請求の範囲の請求項3に記載の発明は、請求項1又は2に記載の発明において、前記前処理には、ノイズ除去処理及び/又は照度斑除去処理が用いられることを特徴とする。
特許請求の範囲の請求項4に記載の発明は、請求項3に記載の発明において、前記ノイズ除去処理には、複数枚の被検査塗装面画像に対する加算平均処理が用いられることを特徴とする。
特許請求の範囲の請求項5に記載の発明は、請求項3又は4に記載の発明において、前記照度斑除去処理には、被検査塗装面画像から、予め用意されたリファレンス画像を減算するリファレンス画像減算処理が用いられることを特徴とする。
特許請求の範囲の請求項6に記載の発明は、請求項1〜5のいずれかに記載の発明において、前記塗装面品質判定ステップは、算出された前記第1の標準偏差及び第2の標準偏差、並びに官能評価により設定された閾値に基づいて前記被検査塗装面の塗装面品質を判定することを特徴とする。
特許請求の範囲の請求項7に記載の発明は、請求項1〜6のいずれかに記載の発明において、前記被検査塗装面画像は紫外線画像であることを特徴とする。
特許請求の範囲の請求項1〜7に記載の発明によれば、各請求項に記載した構成により、研磨等によって生じた微小傷群に起因する光沢感むらのような塗装面不良を自動的に、かつ官能評価と相関高く判定することが可能な塗装面品質評価方法を提供できる。
以下、本発明の実施の形態を図面に基づき説明する。なお、各図間において、同一符号は同一又は相当部分を示す。
図1は、本発明方法を適用した塗装面品質評価装置の構成例を示す図である。
図示するように塗装面品質評価装置は、光源1、レンズ2、カメラ3、演算処理装置4及びモニタディスプレイ5を備えてなる。
上記光源1は、被検査塗装面11を照明する光源で、ここでは紫外光(紫外線)12を照射する紫外光源である。被検査塗装面11は、ここでは自動車の塗装済みボディ、特に不良と判定されて研磨による補修が施された後の塗装面である。
図1は、本発明方法を適用した塗装面品質評価装置の構成例を示す図である。
図示するように塗装面品質評価装置は、光源1、レンズ2、カメラ3、演算処理装置4及びモニタディスプレイ5を備えてなる。
上記光源1は、被検査塗装面11を照明する光源で、ここでは紫外光(紫外線)12を照射する紫外光源である。被検査塗装面11は、ここでは自動車の塗装済みボディ、特に不良と判定されて研磨による補修が施された後の塗装面である。
レンズ2は、被検査塗装面11から反射した紫外光13をカメラ3に集光して、つまり被検査塗装面11を拡大して、カメラ3に入射させるレンズである。このカメラ3は紫外線カメラであり、拡大された被検査塗装面11の画像、詳しくは紫外線画像を撮像する。
光源1に紫外光源を用い、レンズ2及びカメラ3を紫外線用としたのは、検査(評価)対象である被検査塗装面11の微小傷群(白ボケ)が最も強調されて撮像されたのは紫外光照射によるものであった、という実験結果に基づくものである。
光源1に紫外光源を用い、レンズ2及びカメラ3を紫外線用としたのは、検査(評価)対象である被検査塗装面11の微小傷群(白ボケ)が最も強調されて撮像されたのは紫外光照射によるものであった、という実験結果に基づくものである。
演算処理装置4はカメラインタフェースを備え、カメラ3から送られてきた画像(被検査塗装面11の撮像画像)に対して種々の画像処理を行う装置である。本実施形態では、OS(Operating System)及び必要な演算、処理プログラムを搭載したパーソナルコンピュータが演算処理装置4として用いられている。
この演算処理装置4は、演算、処理プログラムとしては塗装面品質の検査用プログラムを搭載している。具体的には、画像の加算、平均、減算、減算後の画像(減算後画像)の標準偏差の算出、減算後画像の尖鋭化フィルタリング処理、尖鋭化フィルタリング処理後の画像(フィルタリング後画像)の標準偏差の算出、並びに閾値による白ボケ有無判定及び白ボケレベル判定等の演算、画像処理の実行プログラムを搭載している。
モニタディスプレイ5は、演算処理装置4に接続され、演算処理装置4に取り込まれた被検査塗装面11の撮像画像(原画像)とフィルタリング後画像、及びフィルタリング後画像が演算されるまでに得られた中間演算結果画像を表示可能である。このモニタディスプレイ5は、白ボケレベル判定等の検査、評価の結果も表示可能である。
この演算処理装置4は、演算、処理プログラムとしては塗装面品質の検査用プログラムを搭載している。具体的には、画像の加算、平均、減算、減算後の画像(減算後画像)の標準偏差の算出、減算後画像の尖鋭化フィルタリング処理、尖鋭化フィルタリング処理後の画像(フィルタリング後画像)の標準偏差の算出、並びに閾値による白ボケ有無判定及び白ボケレベル判定等の演算、画像処理の実行プログラムを搭載している。
モニタディスプレイ5は、演算処理装置4に接続され、演算処理装置4に取り込まれた被検査塗装面11の撮像画像(原画像)とフィルタリング後画像、及びフィルタリング後画像が演算されるまでに得られた中間演算結果画像を表示可能である。このモニタディスプレイ5は、白ボケレベル判定等の検査、評価の結果も表示可能である。
次に、上述した塗装面品質評価装置の動作(塗装面品質評価方法の一例)について、図2のフローチャートを併用して説明する。
図2に示すように、ステップ201においてカメラ3により撮像した被検査塗装面11の紫外線画像(被検査塗装面画像:原画像)が演算処理装置4に取り込まれると、演算処理装置4は、その原画像に対してノイズ除去処理を行う。ここでは、同じ被検査塗装面11について連続して取り込まれた複数枚の原画像に対して加算平均処理を行う。すなわち演算処理装置4は、取り込まれた各原画像の輝度値(画素値)を加算した後、その平均値を演算する処理を行い、各画素におけるノイズを除去する(ステップ202)。
なお、演算処理装置4が行う画像の演算処理は、カメラインタフェースを介して取り込まれ、デジタル化された画像(デジタル画像)に対して行われる。そして、演算処理装置4が行う画像間の上記加算、平均あるいは後述する減算等の輝度値に係る演算処理は、各画像の各々対応する画素、つまり同じ位置の画素あるいは画素群間で行われることは通常のデジタル画像の演算処理の場合と同様である。
図2に示すように、ステップ201においてカメラ3により撮像した被検査塗装面11の紫外線画像(被検査塗装面画像:原画像)が演算処理装置4に取り込まれると、演算処理装置4は、その原画像に対してノイズ除去処理を行う。ここでは、同じ被検査塗装面11について連続して取り込まれた複数枚の原画像に対して加算平均処理を行う。すなわち演算処理装置4は、取り込まれた各原画像の輝度値(画素値)を加算した後、その平均値を演算する処理を行い、各画素におけるノイズを除去する(ステップ202)。
なお、演算処理装置4が行う画像の演算処理は、カメラインタフェースを介して取り込まれ、デジタル化された画像(デジタル画像)に対して行われる。そして、演算処理装置4が行う画像間の上記加算、平均あるいは後述する減算等の輝度値に係る演算処理は、各画像の各々対応する画素、つまり同じ位置の画素あるいは画素群間で行われることは通常のデジタル画像の演算処理の場合と同様である。
ステップ203では、ステップ202でノイズ除去された被検査塗装面画像(ノイズ除去後画像)に対して照度斑除去処理を行う。ここでは、ノイズ除去後画像から、予め用意されたリファレンス画像を減算するリファレンス画像減算処理を行い、ノイズ除去後画像(ノイズ除去後の原画像)における照度斑を除去する(ステップ203)。
リファレンス画像としては、例えば被検査塗装面11について照度斑の生じない均一照明がなされた場合の、又はなされたと仮定した場合のノイズ除去後画像等が用いられる。要は、ステップ202を実行して得られたノイズ除去後画像から減算処理をした場合に、その被検査塗装面11の少なくとも微小傷群(白ボケ)等、被検査塗装面11に実際に存在する傷は残るが、被検査塗装面11が受ける照度の不均一性の影響は除くことのできる照度斑除去用画像であればよい。
ステップ202及びステップ203で実行するノイズ除去処理及び照度斑除去処理は、いずれも精度よく塗装面品質評価できるように画像を適正化するための前処理である。したがって、カメラ3で撮像される原画像の質の程度や要求される評価精度の程度等によってはこれらの処理のうちの一方又は両方を省略してもよく、あるいはこれら両処理に更に他の前処理を付加してもよい。
リファレンス画像としては、例えば被検査塗装面11について照度斑の生じない均一照明がなされた場合の、又はなされたと仮定した場合のノイズ除去後画像等が用いられる。要は、ステップ202を実行して得られたノイズ除去後画像から減算処理をした場合に、その被検査塗装面11の少なくとも微小傷群(白ボケ)等、被検査塗装面11に実際に存在する傷は残るが、被検査塗装面11が受ける照度の不均一性の影響は除くことのできる照度斑除去用画像であればよい。
ステップ202及びステップ203で実行するノイズ除去処理及び照度斑除去処理は、いずれも精度よく塗装面品質評価できるように画像を適正化するための前処理である。したがって、カメラ3で撮像される原画像の質の程度や要求される評価精度の程度等によってはこれらの処理のうちの一方又は両方を省略してもよく、あるいはこれら両処理に更に他の前処理を付加してもよい。
ステップ204では、ステップ203の処理後の被検査塗装面画像、すなわちノイズ除去・照度斑除去後画像の輝度ヒストグラム(分布)を求めてその標準偏差を算出し、これを第1の標準偏差σ1(値σ11)として記憶、保持する。
また、上記ノイズ除去・照度斑除去後画像に対してはステップ205で尖鋭化処理を行う。尖鋭化処理は、ボケのある画像をより鮮明にする処理であり、1次微分や2次微分を用いたフィルタリングや、フーリエ変換を用いた高域強調フィルタリング等の処理がある。発明者らの実験によれば、2次微分を用いた尖鋭化フィルタリング処理、すなわちラプラシアンフィルタリング処理が上記微小傷群(白ボケ)を最も鮮明に抽出できたことから、ステップ205の尖鋭化処理にはラプラシアンフィルタリング処理を用いた。
ステップ206では、ステップ205でラプラシアンフィルタリング処理して上記微小傷群が鮮明に抽出された被検査塗装面画像、すなわちノイズ除去・照度斑除去・尖鋭化後画像の輝度ヒストグラム(分布)を求めてその標準偏差を算出し、これを第2の標準偏差σ2(値σ21)として記憶、保持する。
図3はステップ204で得られた輝度ヒストグラム及びその標準偏差σ1の値σ11を例示し、図4はステップ205で実行されるラプラシアンフィルタリング処理に用いられるフィルタ構成を例示し、図5はステップ206で得られた輝度ヒストグラム及びその標準偏差σ2の値σ21を例示する。
また、上記ノイズ除去・照度斑除去後画像に対してはステップ205で尖鋭化処理を行う。尖鋭化処理は、ボケのある画像をより鮮明にする処理であり、1次微分や2次微分を用いたフィルタリングや、フーリエ変換を用いた高域強調フィルタリング等の処理がある。発明者らの実験によれば、2次微分を用いた尖鋭化フィルタリング処理、すなわちラプラシアンフィルタリング処理が上記微小傷群(白ボケ)を最も鮮明に抽出できたことから、ステップ205の尖鋭化処理にはラプラシアンフィルタリング処理を用いた。
ステップ206では、ステップ205でラプラシアンフィルタリング処理して上記微小傷群が鮮明に抽出された被検査塗装面画像、すなわちノイズ除去・照度斑除去・尖鋭化後画像の輝度ヒストグラム(分布)を求めてその標準偏差を算出し、これを第2の標準偏差σ2(値σ21)として記憶、保持する。
図3はステップ204で得られた輝度ヒストグラム及びその標準偏差σ1の値σ11を例示し、図4はステップ205で実行されるラプラシアンフィルタリング処理に用いられるフィルタ構成を例示し、図5はステップ206で得られた輝度ヒストグラム及びその標準偏差σ2の値σ21を例示する。
ステップ207〜ステップ209では、ステップ204,206で得られた第1,第2の標準偏差σ1,σ2の値σ11,σ21に基づいて上記被検査塗装面11の塗装面品質の良,不良を判定する。本実施形態では、第1,第2の標準偏差σ1,σ2の値σ11,σ21と、官能評価によって予め設定した閾値、ここでは第1の標準偏差σ1を横軸x上に、第2の標準偏差σ2を縦軸y上にとって適宜設定した直線式
σ2=−aσ1+b …(1)
から決定される、第1の標準偏差σ1の値に対する第2の標準偏差σ2の値とを、用いて被検査塗装面11の白ボケの有無を判定する。
具体的には、上記第1の標準偏差σ1の値をσ11とした場合に、上記第2の標準偏差σ2の値σ21が、
σ2≦−aσ1+b …(2)
を満たすか否かを演算し(ステップ207)、満たせば白ボケなしと判定し(ステップ208)、満たさなければ白ボケありと判定する(ステップ209)。
判定結果はモニタディスプレイ5に表示される(ステップ210)。
なお、上式(1)中のa,bは、例えば被検査塗装面11の色彩や質感等、条件が種々異なっても適正な判定結果が得られるように予め決められる定数であり、条件等の違いに応じて適宜選択される。
σ2=−aσ1+b …(1)
から決定される、第1の標準偏差σ1の値に対する第2の標準偏差σ2の値とを、用いて被検査塗装面11の白ボケの有無を判定する。
具体的には、上記第1の標準偏差σ1の値をσ11とした場合に、上記第2の標準偏差σ2の値σ21が、
σ2≦−aσ1+b …(2)
を満たすか否かを演算し(ステップ207)、満たせば白ボケなしと判定し(ステップ208)、満たさなければ白ボケありと判定する(ステップ209)。
判定結果はモニタディスプレイ5に表示される(ステップ210)。
なお、上式(1)中のa,bは、例えば被検査塗装面11の色彩や質感等、条件が種々異なっても適正な判定結果が得られるように予め決められる定数であり、条件等の違いに応じて適宜選択される。
判定に用いる閾値としては、固定した1つの数値の他に、上記のような直線式(1)等の関数式から決定される値であってもよく、また、複数の関数式を用いて表される複数の領域中のどの領域に属するかを求める関係式から決定される値であってもよい。
例えば、3つの異なる直線式σ2=−aσ1+b、σ2=−a'σ1+b'、σ2=−a''σ1+b''を設定して4つの異なる領域を設定し、第1の標準偏差σ1の値をσ11とした場合の第2の標準偏差σ2の値σ21が、それら4つの領域中のどの領域に属するかを求める関係式から決定される値を白ボケ有無判定の閾値としてもよい。この場合は、上記値σ11に対する値σ21が、上記4つの領域中のどの領域に属するかを演算して白ボケレベル判定(白ボケの程度の判定)を行うことも可能である。
白ボケ有無判定の結果は、塗装面の良,不良の検査結果が不良と判定された場合に行われた補修の合否判定に用いることができ、また、白ボケレベル判定の結果は、補修が不合格と判定された場合の補修不良レベルの判定に用いることができる。
これら補修合否判定及び補修不良レベル判定の結果はモニタディスプレイ5に表示可能である。
例えば、3つの異なる直線式σ2=−aσ1+b、σ2=−a'σ1+b'、σ2=−a''σ1+b''を設定して4つの異なる領域を設定し、第1の標準偏差σ1の値をσ11とした場合の第2の標準偏差σ2の値σ21が、それら4つの領域中のどの領域に属するかを求める関係式から決定される値を白ボケ有無判定の閾値としてもよい。この場合は、上記値σ11に対する値σ21が、上記4つの領域中のどの領域に属するかを演算して白ボケレベル判定(白ボケの程度の判定)を行うことも可能である。
白ボケ有無判定の結果は、塗装面の良,不良の検査結果が不良と判定された場合に行われた補修の合否判定に用いることができ、また、白ボケレベル判定の結果は、補修が不合格と判定された場合の補修不良レベルの判定に用いることができる。
これら補修合否判定及び補修不良レベル判定の結果はモニタディスプレイ5に表示可能である。
ここで、上記白ボケ有無判定及び白ボケレベル判定の詳細について説明する。
本塗装面品質評価方法においては、色彩や質感、つまり車色(塗色)を同じくする、量産された自動車ボディーの多数の塗装面、具体的には塗装面の良,不良の検査及び補修工程まで済んだ塗装面を被検査塗装面のサンプルとして用意する。そして、各サンプルの第1,第2の標準偏差σ1,σ2の値σ11,σ21を予め求めておく。続いて、各サンプルについての上記値σ11,σ21を、第1の標準偏差σ1については横軸x上に、第2の標準偏差σ2については縦軸y上にとってプロットし、サンプル数と同数の評価対象点(σ1,σ2)が示された散布図を得る。
他方、各評価対象点に係る実際の被検査塗装面(サンプル)の白ボケについての検査員による官能評価を行う。この官能評価の結果を、例えば図6に示すように、補修を行ったサンプルについて、最良とされるC1から、最も低い評価結果(白ボケが酷)とされるC5までの5段階(レベル)で表した散布図の例を図7に示し、この図7中の一部を拡大して図8に示す。
なお図6において、VCは上記塗装面の良,不良の検査結果が良と判定され、上記補修を行わなかった塗装面の評価結果のレベルを表す。
本塗装面品質評価方法においては、色彩や質感、つまり車色(塗色)を同じくする、量産された自動車ボディーの多数の塗装面、具体的には塗装面の良,不良の検査及び補修工程まで済んだ塗装面を被検査塗装面のサンプルとして用意する。そして、各サンプルの第1,第2の標準偏差σ1,σ2の値σ11,σ21を予め求めておく。続いて、各サンプルについての上記値σ11,σ21を、第1の標準偏差σ1については横軸x上に、第2の標準偏差σ2については縦軸y上にとってプロットし、サンプル数と同数の評価対象点(σ1,σ2)が示された散布図を得る。
他方、各評価対象点に係る実際の被検査塗装面(サンプル)の白ボケについての検査員による官能評価を行う。この官能評価の結果を、例えば図6に示すように、補修を行ったサンプルについて、最良とされるC1から、最も低い評価結果(白ボケが酷)とされるC5までの5段階(レベル)で表した散布図の例を図7に示し、この図7中の一部を拡大して図8に示す。
なお図6において、VCは上記塗装面の良,不良の検査結果が良と判定され、上記補修を行わなかった塗装面の評価結果のレベルを表す。
上掲図7及び図8から分るように、官能評価結果のレベルが同じか近いレベルとなったサンプルに係る評価対象点の散布図上の位置はおおよそ纏まっている(破線で囲む領域イ〜二及び実線,破線で区切る境界ホ,ヘ参照)。官能評価結果のレベルが比較的高い、つまりVCレベル及びC1レベル〜C2レベル程度までのサンプルに係る評価対象点については特にそうである(領域ロ〜二及び境界ホ,ヘ参照)。
つまり、図2に示した処理によって演算処理装置4で得られた第1,第2の標準偏差σ1,σ2の値σ11,σ21に基づく評価対象点と官能評価結果(レベル)の間の相関は高いことが分る。多少のばらつきがあったとしても、官能評価においてはサンプルに対する評価結果にある程度のばらつきは生じ得るので、評価対象点の散布図上の位置の少しのばらつきは上記相関が高いことの判断の妨げにはならない。
また、第1,第2の標準偏差σ1,σ2(値σ11,σ21)は演算処理装置4により得られるものであり、判定の客観化、自動化が可能であることはいうまでもない。
つまり、図2に示した処理によって演算処理装置4で得られた第1,第2の標準偏差σ1,σ2の値σ11,σ21に基づく評価対象点と官能評価結果(レベル)の間の相関は高いことが分る。多少のばらつきがあったとしても、官能評価においてはサンプルに対する評価結果にある程度のばらつきは生じ得るので、評価対象点の散布図上の位置の少しのばらつきは上記相関が高いことの判断の妨げにはならない。
また、第1,第2の標準偏差σ1,σ2(値σ11,σ21)は演算処理装置4により得られるものであり、判定の客観化、自動化が可能であることはいうまでもない。
以上述べたように、第1,第2の標準偏差σ1,σ2に基づく、すなわちそれら2変数σ1,σ2(σ1は塗装面の所謂ムラ感、σ2は微小傷の多さを表していると考える。)を主成分とした塗装面品質判定によれば、研磨等によって生じた微小傷群(白ボケ)に起因する光沢感むらのような塗装面不良を自動的に、かつ官能評価と相関高く判定可能となる。具体的には、例えば図7及び図8に示すような散布図を得、この散布図上に適宜の閾値を設定しこれを判定基準として、上記白ボケを自動的に、かつ官能評価と相関高く判定できる。
なお図9は、上記直線式σ2=−aσ1+b、σ2=−a'σ1+b'、σ2=−a''σ1+b''の設定例を図8の散布図中に示した図である。直線トはσ2=−aσ1+bを、直線チはσ2=−a'σ1+b'を、直線リはσ2=−a''σ1+b''を例示する。
これによれば、図中、直線トの左斜め下方の領域91、直線ト及び直線チで挟まれた領域92、直線チ及び直線リで挟まれた領域93、直線リの右斜め上方の領域94の4つの異なる領域を設定できる。そして、上記第1の標準偏差σ1の値がσ11である場合の上記第2の標準偏差σ2の値σ21が、4つの領域91〜94中のどの領域に属するかを求める関係式から決定される値を閾値として比較演算することによって白ボケ有無の判定が可能となる。また、上記値σ11に対する値σ21が、4つの領域91〜94中のどの領域に属するかを演算して白ボケレベル判定(白ボケの程度の判定)を行うことも可能となる。
各式中の定数a,b、a',b'、a'',b''は、被検査塗装面11の条件が異なっても適正な判定結果が得られるように予め決められる定数であり、条件の違いに応じて適宜選択される。本例のように、被検査塗装面11が自動車ボディーの塗装面であって、被検査塗装面11の色彩や質感、つまり車色(塗色)の違いによって上記評価対象点の分布傾向が異なるような場合には、車色別に定数a,b、a',b'、a'',b''が設定される。
これによれば、図中、直線トの左斜め下方の領域91、直線ト及び直線チで挟まれた領域92、直線チ及び直線リで挟まれた領域93、直線リの右斜め上方の領域94の4つの異なる領域を設定できる。そして、上記第1の標準偏差σ1の値がσ11である場合の上記第2の標準偏差σ2の値σ21が、4つの領域91〜94中のどの領域に属するかを求める関係式から決定される値を閾値として比較演算することによって白ボケ有無の判定が可能となる。また、上記値σ11に対する値σ21が、4つの領域91〜94中のどの領域に属するかを演算して白ボケレベル判定(白ボケの程度の判定)を行うことも可能となる。
各式中の定数a,b、a',b'、a'',b''は、被検査塗装面11の条件が異なっても適正な判定結果が得られるように予め決められる定数であり、条件の違いに応じて適宜選択される。本例のように、被検査塗装面11が自動車ボディーの塗装面であって、被検査塗装面11の色彩や質感、つまり車色(塗色)の違いによって上記評価対象点の分布傾向が異なるような場合には、車色別に定数a,b、a',b'、a'',b''が設定される。
図10は、判定に用いる閾値の他の設定例を説明するための散布図である。
図示するように、多数のサンプルに係る評価対象点について、VCレベルがある領域(破線ヌで囲む領域)95に集中し、白ボケなしと判定されるOKレベルが領域95の外側の領域(破線ルで囲む領域)96に分布することが官能評価結果から確認されたとする。
このような場合には、破線(楕円)ルを表すかこれに近似する関数式と、評価対象である被検査塗装面11についての値σ11に対する値σ21が上記破線ルの内側にあるか否かを判定する関係式から閾値が決定される。数式に代え、ルックアップテーブル上に閾値を設定してもよい。
図示するように、多数のサンプルに係る評価対象点について、VCレベルがある領域(破線ヌで囲む領域)95に集中し、白ボケなしと判定されるOKレベルが領域95の外側の領域(破線ルで囲む領域)96に分布することが官能評価結果から確認されたとする。
このような場合には、破線(楕円)ルを表すかこれに近似する関数式と、評価対象である被検査塗装面11についての値σ11に対する値σ21が上記破線ルの内側にあるか否かを判定する関係式から閾値が決定される。数式に代え、ルックアップテーブル上に閾値を設定してもよい。
1:光源(紫外光源)、2:レンズ、3:カメラ(紫外線カメラ)、4:演算処理装置、5:モニタディスプレイ、11:被検査塗装面、12,13:紫外光、201:被検査塗装面画像の取込みステップ(撮像ステップ)、204:第1の標準偏差の算出ステップ(第1標準偏差算出ステップ)、206:第2の標準偏差の算出ステップ(第2標準偏差算出ステップ)、207〜209:塗装面品質判定ステップ。
Claims (7)
- 被検査塗装面を撮像する撮像ステップと、
この撮像ステップにより得られた被検査塗装面画像又はこの被検査塗装面画像に対して前処理を施した前処理後被検査塗装面画像の輝度ヒストグラムから第1の標準偏差を算出する第1標準偏差算出ステップと、
前記被検査塗装面画像又は前処理後被検査塗装面画像に対して尖鋭化処理を行って得られた画像の輝度ヒストグラムから第2の標準偏差を算出する第2標準偏差算出ステップと、
算出された前記第1の標準偏差及び第2の標準偏差に基づいて前記被検査塗装面の塗装面品質を判定する塗装面品質判定ステップとを備えることを特徴とする塗装面品質評価方法。 - 前記尖鋭化処理には、ラプラシアンフィルタリング処理が用いられることを特徴とする請求項1に記載の塗装面品質評価方法。
- 前記前処理には、ノイズ除去処理及び/又は照度斑除去処理が用いられることを特徴とする請求項1又は2に記載の塗装面品質評価方法。
- 前記ノイズ除去処理には、複数枚の被検査塗装面画像に対する加算平均処理が用いられることを特徴とする請求項3に記載の塗装面品質評価方法。
- 前記照度斑除去処理には、被検査塗装面画像から、予め用意されたリファレンス画像を減算するリファレンス画像減算処理が用いられることを特徴とする請求項3又は4に記載の塗装面品質評価方法。
- 前記塗装面品質判定ステップは、算出された前記第1の標準偏差及び第2の標準偏差、並びに官能評価により設定された閾値に基づいて前記被検査塗装面の塗装面品質を判定することを特徴とする請求項1〜5のいずれかに記載の塗装面品質評価方法。
- 前記被検査塗装面画像は紫外線画像であることを特徴とする請求項1〜6のいずれかに記載の塗装面品質評価方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006129219A JP2007303830A (ja) | 2006-05-08 | 2006-05-08 | 塗装面品質評価方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006129219A JP2007303830A (ja) | 2006-05-08 | 2006-05-08 | 塗装面品質評価方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007303830A true JP2007303830A (ja) | 2007-11-22 |
Family
ID=38837890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006129219A Pending JP2007303830A (ja) | 2006-05-08 | 2006-05-08 | 塗装面品質評価方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007303830A (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010038689A (ja) * | 2008-08-04 | 2010-02-18 | Tokyu Construction Co Ltd | 廃棄物の材質判別方法および材質判別装置 |
JP2010231695A (ja) * | 2009-03-30 | 2010-10-14 | Dainippon Screen Mfg Co Ltd | ボケ画像判定方法およびボケ画像判定装置 |
JP2011097523A (ja) * | 2009-11-02 | 2011-05-12 | Canon Inc | 画像処理装置及び画像処理方法 |
JP2013069288A (ja) * | 2011-09-23 | 2013-04-18 | Boeing Co:The | 反射除去システム |
JP2014109471A (ja) * | 2012-11-30 | 2014-06-12 | Nippon Filcon Co Ltd | Ito膜の可視化方法 |
WO2017007083A1 (ko) * | 2015-07-07 | 2017-01-12 | 숭실대학교 산학협력단 | 화장품 발림성 정량평가를 위한 표준시험방법 및 그 장치 |
-
2006
- 2006-05-08 JP JP2006129219A patent/JP2007303830A/ja active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010038689A (ja) * | 2008-08-04 | 2010-02-18 | Tokyu Construction Co Ltd | 廃棄物の材質判別方法および材質判別装置 |
JP2010231695A (ja) * | 2009-03-30 | 2010-10-14 | Dainippon Screen Mfg Co Ltd | ボケ画像判定方法およびボケ画像判定装置 |
JP2011097523A (ja) * | 2009-11-02 | 2011-05-12 | Canon Inc | 画像処理装置及び画像処理方法 |
JP2013069288A (ja) * | 2011-09-23 | 2013-04-18 | Boeing Co:The | 反射除去システム |
JP2014109471A (ja) * | 2012-11-30 | 2014-06-12 | Nippon Filcon Co Ltd | Ito膜の可視化方法 |
WO2017007083A1 (ko) * | 2015-07-07 | 2017-01-12 | 숭실대학교 산학협력단 | 화장품 발림성 정량평가를 위한 표준시험방법 및 그 장치 |
KR101829216B1 (ko) | 2015-07-07 | 2018-02-14 | 숭실대학교 산학협력단 | 화장품 발림성 정량평가를 위한 표준시험방법 및 그 장치 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107490582B (zh) | 一种流水线工件检测系统 | |
JP4150390B2 (ja) | 外観検査方法及び外観検査装置 | |
JP2007303830A (ja) | 塗装面品質評価方法 | |
JP6264132B2 (ja) | 車体塗装面の検査装置および検査方法 | |
JP2007285754A (ja) | 欠陥検出方法および欠陥検出装置 | |
JP5088165B2 (ja) | 欠陥検出方法および欠陥検出装置 | |
JP2008190872A (ja) | 表面不良検出装置、方法及びプログラム | |
KR102012318B1 (ko) | 영상센서를 이용한 용접 품질 전수 검사 장치 및 그 방법 | |
KR20180115645A (ko) | 2d 영상 기반의 용접 비드 인식 장치 및 그것을 이용한 그을음 제거 방법 | |
JP3572750B2 (ja) | コンクリート欠陥の自動評価方法 | |
CN107037053B (zh) | 用于检测斑缺陷的设备和方法 | |
JP4244046B2 (ja) | 画像処理方法および画像処理装置 | |
JP2006266780A (ja) | 欠陥検査装置および方法 | |
JP2006258713A (ja) | シミ欠陥検出方法及び装置 | |
JP2009139133A (ja) | 欠陥検出方法および欠陥検出装置 | |
KR20170127883A (ko) | 영상 기반의 용접 비드 검출 방법 | |
CN111833350A (zh) | 机器视觉检测方法与系统 | |
JP2005345290A (ja) | 筋状欠陥検出方法及び装置 | |
JP2008070242A (ja) | ノイズ除去方法および装置、ムラ欠陥検査方法および装置 | |
JP2012026820A (ja) | ブラスト後の除錆度検査システム | |
JP2023056279A (ja) | 探傷試験の欠陥検出方法 | |
JP5239275B2 (ja) | 欠陥検出方法および欠陥検出装置 | |
JP2021189238A (ja) | ベルト検査システムおよびベルト検査プログラム | |
JP2005140655A (ja) | シミ欠陥の検出方法及びその検出装置 | |
JPH10232206A (ja) | 金属表面欠陥検出方法及び装置 |