JP2009133843A - 表面欠陥の分布形態解析装置、方法、及びプログラム - Google Patents
表面欠陥の分布形態解析装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP2009133843A JP2009133843A JP2008278634A JP2008278634A JP2009133843A JP 2009133843 A JP2009133843 A JP 2009133843A JP 2008278634 A JP2008278634 A JP 2008278634A JP 2008278634 A JP2008278634 A JP 2008278634A JP 2009133843 A JP2009133843 A JP 2009133843A
- Authority
- JP
- Japan
- Prior art keywords
- distribution
- cluster
- coordinate data
- matrix
- surface defect
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
【解決手段】薄板コイルのプロセスラインや検査ラインに設置された自動疵検査装置で測定された疵データ(座標データを含む)を入力する疵データ入力部101と、疵データ入力部101によって入力された疵データに基づいて、例えばK-means法を用いて、薄板コイルの疵の分布形態を表わす初期クラスタを生成する初期クラスタ生成部103aと、初期クラスタ生成部103aによって生成された初期クラスタから散発的な分布をなすデータを分離して、集中的な分布をなすデータを含むクラスタを生成する分離部103cと、分離部103cによって生成された集中的な分布をなすデータを含むクラスタ同士を結合する結合部103dとを備える。
【選択図】図1
Description
本発明の表面欠陥の分布形態解析方法は、薄板に発生する表面欠陥の分布形態を解析する表面欠陥の分布形態解析方法において、少なくとも解析対象の薄板の表面欠陥の発生位置に関する座標データを入力する入力手順と、前記入力手順によって入力された集中的な分布と散発的な分布が混在した表面欠陥の座標データに基づいて、所定のクラスタリング手法を用いて、前記薄板の表面欠陥の分布形態を表わす初期クラスタを生成する初期クラスタ生成手順と、生成したクラスタの良さを評価する指標である圧縮コストを、クラスタの分布形態に応じて座標データの情報圧縮を行った際の情報量として算出する圧縮コスト算出手順と、前記初期クラスタ生成手順によって生成された初期クラスタを、前記圧縮コストに基づいて、集中的な分布と散発的な分布をなす座標データの組み合わせに分離したクラスタを生成する分離手順と、前記分離手順によって生成された集中的な分布をなす座標データを含むクラスタ同士を、前記圧縮コストを結合判断基準に用いて結合する結合手順とを有し、前記分離手順においてクラスタから分離された散発的な分布をなす座標データを、新規の又は別のクラスタの集中的な分布をなす座標データとして組み入れることを特徴とする。
本発明のプログラムは、薄板に発生する表面欠陥の分布形態を解析する処理をコンピュータに実行させるためのプログラムにおいて、少なくとも解析対象の薄板の表面欠陥の発生位置に関する座標データを入力する入力処理と、前記入力処理によって入力された集中的な分布と散発的な分布が混在した表面欠陥の座標データに基づいて、所定のクラスタリング手法を用いて、前記薄板の表面欠陥の分布形態を表わす初期クラスタを生成する初期クラスタ生成処理と、生成したクラスタの良さを評価する指標である圧縮コストを、クラスタの分布形態に応じて座標データの情報圧縮を行った際の情報量として算出する圧縮コスト算出処理と、前記初期クラスタ生成処理によって生成された初期クラスタを、前記圧縮コストに基づいて、集中的な分布と散発的な分布をなす座標データの組み合わせに分離したクラスタを生成する分離処理と、前記分離処理によって生成された集中的な分布をなす座標データを含むクラスタ同士を、前記圧縮コストを結合判断基準に用いて結合する結合処理とをコンピュータに実行させ、前記分離処理においてクラスタから分離された散発的な分布をなす座標データを、新規の又は別のクラスタの集中的な分布をなす座標データとして組み入れることを特徴とする。
図1は、本実施の形態の薄板の表面欠陥の分布形態解析装置の構成の一例を示す図である。以降では、欠陥を疵と記す。101は疵データ入力部であり、鉄鋼製品である薄板コイルのプロセスラインや検査ラインに設置された自動疵検査装置で測定された少なくとも発生位置情報(座標データ)を含む疵データを、コンピュータネットワークやコンピュータ読み取り可能な記録媒体を介して本装置に入力するための入力手段として機能する。疵データには、薄板コイルの二次元平面内のある基準位置を原点とする疵の発生位置に関する座標データが含まれる。薄板コイルの圧延方向の座標をx、幅方向の座標をyとし、当該薄板コイル内にN個の欠陥が発生した場合、座標データは、N行2列の行列で表現することができる。また、疵データには、各疵が薄板コイルの表面、及び裏面のいずれに発生しているかを識別するための情報や、薄板コイルの圧延方向の長さや幅等、疵が発生したコイルに関する寸法情報が含まれている。更に、疵の圧延方向の寸法値と幅方向の寸法値、疵の種類、及び疵の有害度等の情報が含まれる場合もある。
(M1)外れ点の存在下におけるクラスタ形状のロバストな評価
(M2)圧縮コストに基づく外れ点の識別、分離
(M3)圧縮コストに従った結合によるクラスタの構築
というアルゴリズムを実行する。
圧縮コストは、情報量圧縮方法の1つのハフマン符号化(非特許文献3を参照)を利用し、圧縮前の符号の出現確率を用いて圧縮した場合に平均符号長(単位はビット)が最小となる特長を応用したものである。
ことを示す。
ことができる。
小さい整数にはより少ないビット数で、大きい整数にはより多いビット数で符号化を行う為に1進数表記にて整数の符号化を行う。1進数表記における基本の表記方法は、自然数の大きさに応じて零を並べるものである。本願では0と1を用いた1進数表記法であるイライアスコード或いはSelf-delimiting法と呼ばれる1進数符号化(非特許文献2を参照)を用いる。これらの符号化の方法では、正の整数iをO(log(i))のビット数を使用して表わすために、整数値が一定量変化しても符号化後のビット数の変化は変化前の整数値が小さいほど大きく変化する。下記の表1に示すように符号化できる。1進数表記では、整数iの符号化した長さ(符号長)を示す部分と、符号化した値(符号値)を示す部分からなる。ここで注意すべきことは、符号値の最初のビットを常に「1」で示すことである。整数iの符号化後の長さを示す符号長は連続する零のビット数で示すために、符号値を示す部分はビットが最初に「1」となる部分から符号長の零と同じビット数の範囲である。正の整数ではない零を扱うためには、値に1を加えて符号化を行うことで扱える。また、負の数を扱うためには、値の正負を示すビットを追加することで拡張できる。
各クラスタCには、クラスタ無相関化の必要性の有無を示すフラグRと、無相関化を行う行列Σ*、クラスタのデータ分布の形状を示すフラグT(形状は任意の確率分布を予め用意する。例えば、ガウス分布、ラプラス分布、一様分布)とその中心座標及びデータ分布のパラメータが関係する。一旦、点PがクラスタCに属すると決定すれば、点PがクラスタCの分布に従うことを利用して、点の座標を符号化できる。点Pのi番目の座標Piの確率の値がpである場合、座標の符号化によってO(log(1/p))ビットを必要とする。
ここで、クラスタCの圧縮コストを以下の4つの定義に沿って定義する。
・定義1(点x→の圧縮コストE)
x→∈RdがクラスタCに属するとし、pdf→(x→)はクラスタCの確率密度関数のd次元のベクトルである。各座標の確率密度関数pdfi(xi)は、対応するパラメータ(すなわち、PDF={pdfカ゛ウス(ui,σi),pdf一様(lbi,ubi),pdfラフ゜ラス(ai,bi),・・・}、平均ui、下限lbi、上限ubi、片側平均ai∈R、標準偏差σi、√2の標準偏差bi∈R+)を有する1セットの予め定められた確率密度関数から選択される。γをグリッド定数(グリッドの分解能、すなわちグリッド間の距離)とし、点x→の座標軸iでの圧縮コストEiは下式(1)で表わされ、点x→の圧縮コストは下式(2)で表わされる。
次に、クラスタCにどの確率密度関数を割り当てるかを示す。最終的な目的は圧縮コスト(ビット数)の最小化である。従って、各座標軸にクラスタの圧縮コストを最小化する確率密度関数pdf(及び対応するパラメータ)を選択する必要がある。ガウス分布等の確率密度関数pdfについては、最適なパラメータがデータ集合の統計量(例えば平均、分散σi 2、上下限値)に相当することが知られている。
Cを点x→∈Cからなるクラスタとする。Stat=(ui、σi、lbi、ubi・・・)を予め用意した確率密度関数PDFで必要とされる統計量とする。このとき、pdf→は下式(3)に示すように、pdfi∈PDFから圧縮コストが最小となる確率密度関数が選択される。
クラスタが異なる座標軸で互いに相関のあるクラスタである場合、すなわち、クラスタの点のある座標値が少なくとも1つの他の座標値に依存する場合、無相関化行列により新たな座標軸に変換することで圧縮コストを縮小することができる場合がある。無相関化行列は、例えばクラスタの分散共分散行列Σの主成分分析(PCA)で算出する主成分からなる行列やクラスタの分散共分散行列Σの固有行列Vとして計算することができる。外れ点(1つの座標軸に着目すれば外れ値)に影響されにくいロバストな方法での分散共分散行列の評価方法は後述する。
無相関化行列は、Cを点x(無相関化を行っていない元々の座標)から成るクラスタとし、クラスタCの共分散行列Σとしたときに、クラスタCの主成分分析(PCA)で算出する主成分(Σ=VΛVT)からなる行列VΛ-1/2とする。若しくは、クラスタCの分散共分散行列Σの固有値と固有行列による対角化(Σ=VΛVT)で得られた行列を無相関化行列Vと定めるとする。Yを無相関化された点yの集合、すなわちy→∈Y:y→=VT・x→として表わされるものとする。pdf→(x→)を元々の座標系の、pdf→(y→)を無相関化された集合Yを特徴付ける確率密度関数(確率分布)とする。最終的に用いられる無相関化行列は、圧縮コストを基準に定まり、クラスタCの無相関化行列dec(C)は下式(4)で、それに対応する圧縮コストは下式(5)で表わされる。
定義4は上述した事項を総括したものである。クラスタCを符号化する際には無相関化行列dec(C)及び無相関化された各座標y→を代表する確率密度関数pdf→(y→)を用いて行う。クラスタCの圧縮コストは、下式(6)で表わす。
本願では、従来手法で得られるクラスタを2つの部分集合からなるとして捉える。一つは集中的な分布の中核をなすを示すデータ(中核点)の集合、もう一方は散発的な分布をなすデータ(外れ点)の集合である。
行列が直接算出できない場合は、主成分分析(PCA)による主成分を用いる等して、これに変わる行列を算出する。また、別の方法としてクラスタCiに属する点の分散共分散行列Σを固有値による対角行列を用いて表すと、固有ベクトルからなる正規直交行列Vが
得られる。この行列Vが上記で述べた無相関化行列である。無相関化行列Vは、クラスタCiの点が含まれる空間(新たな座標軸)を定め、固有値は後で述べる等距離からなる境界の楕円(楕円球)の形状を決める。また、対角行列∧の全固有値は正である為、分散共分散行列Σ及びその逆行列Σ-1は半正定行列である。すなわち、2点間を結ぶベクトルを
xとしたときにxtΣ-1xの様に、2次形式で表した際に必ず正となり、多次元空間にお
いても、あたかも2点間の距離ような値(擬距離)を定めることができる。例えば、クラスタの構造(共分散)を考慮して、2つの点であるx→及びy→間の距離を、下式(7)に示すようにマハラノビス距離として定義できる。
中心を定めるに際して、外れ点に影響されにくいという意味でのロバストさのある中心を、各座標のα調整平均を独立して決定する。ここでα調整平均は、対象データからデータ数の上位α/2%と下位α/2%に相当するデータを除いた部分を用いて平均を行う方法である。すなわち中央値はαを100に近づけてゆき最後の1点だけが残る場合に相当する。αの値は、想定される初期クラスタに占める中核点の比率に設定するとよい。これにより、中央値によるデータの原点(μR→)が、全点の中心(μ→)に比べて、クラスタの中核点の中心の近傍となる。
同様に、ロバス分散ト共分散行列(ΣR)ijは、クラスタの全点x→についての(xi−μRi)・(xj−μRj)のα調整平均により生成されるようにしている。調整平均とは、平均を算出しようとする数値を大きさ順に並べ、先頭又は最後尾から一定割合αのデータを除き中央値付近のデータを用いて求める平均である。αの値は、初期クラスタに占める中核点の想定される割合の2乗に設定するとよい。行列ΣRには、算術平均による共分散行列と比較して、中核点の共分散が反映されることが期待できる。
上記では、分散共分散行列を元に距離を定めて中核点を距離の短い順に選択する為、クラスタ(中核点)の外形となる境界が楕円(楕円球)となる。そのため、直線等、楕円で表現しにくい形状のクラスタ(中核点)を分離する際に、外れ点を一部分離しきれない場合がある。本願では、クラスタ(中核点)の圧縮コスト算出に用いる確率分布に応じた重み行列の変換方法を提供する。
下式(10)と示す。
Σ=V∧VT・・・(10)
た単位行列φ・Iを付加する。値φは、この操作で各固有値間の比率が、それほど変化しない程度にする。
次に、中核点と外れ点との分離について述べる。上述した各種分散共分散行列を重み行列として用いて距離を定める。次に、中心から定めた距離(境界)までを中核点、それ以外を外れ点として仮に定め、それぞれ境界を変化させた場合において圧縮コストを算出することを繰り返す。その中で、最も圧縮コストが最小となる境界を用いて中核点と外れ点に分離する。
クラスタの結合は、任意のクラスタリング・アルゴリズム(例えばK-means法)による分割位置及び分割数を変更することである。アルゴリズムに起因するクラスタの欠点により、本来は別のクラスタの一部である点を含んだクラスタが生成されることがある。そこで、従来のクラスタリング手法に起因する間違った分割をクラスタ結合により修正する手法について説明する。
上述した実施形態の機能を実現するべく各種のデバイスを動作させるように、該各種デバイスと接続された装置あるいはシステム内のコンピュータに対し、前記実施形態の機能を実現するためのソフトウェアのプログラムコードを供給し、そのシステム或いは装置のコンピュータ(CPU又はMPU)に格納されたプログラムに従って前記各種デバイスを動作させることによって実施したものも、本発明の範疇に含まれる。
102 疵データ蓄積部
103 演算部
103a 初期クラスタ生成部
103b 圧縮コスト算出部
103c 分離部
103d 結合部
104 解析結果表示部
Claims (10)
- 薄板に発生する表面欠陥の分布形態を解析する表面欠陥の分布形態解析装置において、
少なくとも解析対象の薄板の表面欠陥の発生位置に関する座標データを入力する入力手段と、
前記入力手段によって入力された集中的な分布と散発的な分布が混在した表面欠陥の座標データに基づいて、所定のクラスタリング手法を用いて、前記薄板の表面欠陥の分布形態を表わす初期クラスタを生成する初期クラスタ生成手段と、
生成したクラスタの良さを評価する指標である圧縮コストを、クラスタの分布形態に応じて座標データの情報圧縮を行った際の情報量として算出する圧縮コスト算出手段と、
前記初期クラスタ生成手段によって生成された初期クラスタを、前記圧縮コストに基づいて、集中的な分布と散発的な分布をなす座標データの組み合わせに分離したクラスタを生成する分離手段と、
前記分離手段によって生成された集中的な分布をなす座標データを含むクラスタ同士を、前記圧縮コストを結合判断基準に用いて結合する結合手段とを備え、
前記分離手段においてクラスタから分離された散発的な分布をなす座標データを、新規の又は別のクラスタの集中的な分布をなす座標データとして組み入れることを特徴とする表面欠陥の分布形態解析装置。 - 前記各手段によって生成されたクラスタの重心位置、空間サイズ及び個数密度のうち少なくともいずれか一つを特徴量として算出する特徴量算出手段と、
前記特徴量算出手段による算出結果を表示する解析結果表示手段とを更に備えたことを特徴とする請求項1に記載の表面欠陥の分布形態解析装置。 - 前記分離手段は、集中的な分布をなす座標データを選択する手順として、個々の座標データについて集中的か散発的な分布に属するかを指定して得られる組み合わせから選択することを特徴とする請求項1又は2に記載の表面欠陥の分布形態解析装置。
- 前記分離手段は、クラスタ内の座標データの調整平均によって求めた座標を中心とし、クラスタ内の座標データのばらつきを示す重み行列を用いて中心からの距離を定め、集中的な分布をなす座標データを距離が短い順に選択することを特徴とする請求項1又は2に記載の表面欠陥の分布形態解析装置。
- 前記分離手段は、前記重み行列にクラスタ内の座標データの分散共分散行列の逆行列を用いることを特徴とする請求項4に記載の表面欠陥の分布形態解析装置。
- 前記分離手段は、前記重み行列に行列要素が2つの変数を用いて平均からの偏差の積を求めた値の調整平均である行列の逆行列を用いることを特徴とする請求項4に記載の表面欠陥の分布形態解析装置。
- 前記分離手段は、前記重み行列を固有行列と固有値を対角要素とする行列とに分解し、前記圧縮コスト算出時に用いるクラスタの分布形態に応じた関数により固有値を変換した値を用いて再構成した行列を用いることを特徴とする請求項4〜6のいずれか1項に記載の表面欠陥の分布形態解析装置。
- 前記結合手段は、結合するクラスタの候補をクラスタの隣接関係を示すドロネー図に基づいて決めることを特徴とする請求項1〜7のいずれか1項に記載の表面欠陥の分布形態解析装置。
- 薄板に発生する表面欠陥の分布形態を解析する表面欠陥の分布形態解析方法において、
少なくとも解析対象の薄板の表面欠陥の発生位置に関する座標データを入力する入力手順と、
前記入力手順によって入力された集中的な分布と散発的な分布が混在した表面欠陥の座標データに基づいて、所定のクラスタリング手法を用いて、前記薄板の表面欠陥の分布形態を表わす初期クラスタを生成する初期クラスタ生成手順と、
生成したクラスタの良さを評価する指標である圧縮コストを、クラスタの分布形態に応じて座標データの情報圧縮を行った際の情報量として算出する圧縮コスト算出手順と、
前記初期クラスタ生成手順によって生成された初期クラスタを、前記圧縮コストに基づいて、集中的な分布と散発的な分布をなす座標データの組み合わせに分離したクラスタを生成する分離手順と、
前記分離手順によって生成された集中的な分布をなす座標データを含むクラスタ同士を、前記圧縮コストを結合判断基準に用いて結合する結合手順とを有し、
前記分離手順においてクラスタから分離された散発的な分布をなす座標データを、新規の又は別のクラスタの集中的な分布をなす座標データとして組み入れることを特徴とする表面欠陥の分布形態解析方法。 - 薄板に発生する表面欠陥の分布形態を解析する処理をコンピュータに実行させるためのプログラムにおいて、
少なくとも解析対象の薄板の表面欠陥の発生位置に関する座標データを入力する入力処理と、
前記入力処理によって入力された集中的な分布と散発的な分布が混在した表面欠陥の座標データに基づいて、所定のクラスタリング手法を用いて、前記薄板の表面欠陥の分布形態を表わす初期クラスタを生成する初期クラスタ生成処理と、
生成したクラスタの良さを評価する指標である圧縮コストを、クラスタの分布形態に応じて座標データの情報圧縮を行った際の情報量として算出する圧縮コスト算出処理と、
前記初期クラスタ生成処理によって生成された初期クラスタを、前記圧縮コストに基づいて、集中的な分布と散発的な分布をなす座標データの組み合わせに分離したクラスタを生成する分離処理と、
前記分離処理によって生成された集中的な分布をなす座標データを含むクラスタ同士を、前記圧縮コストを結合判断基準に用いて結合する結合処理とをコンピュータに実行させ、
前記分離処理においてクラスタから分離された散発的な分布をなす座標データを、新規の又は別のクラスタの集中的な分布をなす座標データとして組み入れることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008278634A JP5262582B2 (ja) | 2007-11-02 | 2008-10-29 | 表面欠陥の分布形態解析装置、方法、及びプログラム |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007286659 | 2007-11-02 | ||
JP2007286659 | 2007-11-02 | ||
JP2008278634A JP5262582B2 (ja) | 2007-11-02 | 2008-10-29 | 表面欠陥の分布形態解析装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009133843A true JP2009133843A (ja) | 2009-06-18 |
JP5262582B2 JP5262582B2 (ja) | 2013-08-14 |
Family
ID=40865833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008278634A Active JP5262582B2 (ja) | 2007-11-02 | 2008-10-29 | 表面欠陥の分布形態解析装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5262582B2 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013010110A (ja) * | 2011-06-28 | 2013-01-17 | Jfe Steel Corp | 冷間圧延機のチャタリング検出方法 |
JP2013524167A (ja) * | 2010-03-26 | 2013-06-17 | ザ・ボーイング・カンパニー | 透明部材内の光学的欠陥の検出 |
JP2015178981A (ja) * | 2014-03-19 | 2015-10-08 | アイシン精機株式会社 | 距離測定装置及び距離測定方法 |
CN105737787A (zh) * | 2016-01-29 | 2016-07-06 | 广东工业大学 | 一种基于平均曲率差值比的水火弯板曲面成形评价方法 |
JP2016151469A (ja) * | 2015-02-17 | 2016-08-22 | 三菱電機株式会社 | 信号処理装置 |
CN114253168A (zh) * | 2020-09-22 | 2022-03-29 | 南亚科技股份有限公司 | 机台监控系统与机台监控方法 |
CN117114510A (zh) * | 2023-10-20 | 2023-11-24 | 厦门欧贝传动科技股份有限公司 | 一种轴承防护涂层评价方法及系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104399776B (zh) * | 2014-11-28 | 2017-07-07 | 广东工业大学 | 一种基于高斯曲率差值比的水火弯板曲面成形评价方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11203415A (ja) * | 1998-01-16 | 1999-07-30 | Fuji Xerox Co Ltd | 類似パターンカテゴリ識別辞書作成装置および方法 |
JP2001307067A (ja) * | 2000-04-20 | 2001-11-02 | Nippon Steel Corp | 欠陥検査装置 |
JP2002090308A (ja) * | 2000-09-19 | 2002-03-27 | Nippon Denro Kk | 画像処理を用いた鋼材表面の劣化度評価システム |
JP2002278762A (ja) * | 2001-03-19 | 2002-09-27 | Nippon Steel Corp | データクラスタリング方法 |
JP2004163416A (ja) * | 2002-10-23 | 2004-06-10 | Nippon Steel Corp | 欠陥検査装置 |
JP2004338366A (ja) * | 2003-04-25 | 2004-12-02 | Fuji Xerox Co Ltd | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
JP2005257660A (ja) * | 2004-02-13 | 2005-09-22 | Nippon Steel Corp | 薄板の表面欠陥の分布形態解析装置、薄板の表面欠陥の分布形態解析方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 |
-
2008
- 2008-10-29 JP JP2008278634A patent/JP5262582B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11203415A (ja) * | 1998-01-16 | 1999-07-30 | Fuji Xerox Co Ltd | 類似パターンカテゴリ識別辞書作成装置および方法 |
JP2001307067A (ja) * | 2000-04-20 | 2001-11-02 | Nippon Steel Corp | 欠陥検査装置 |
JP2002090308A (ja) * | 2000-09-19 | 2002-03-27 | Nippon Denro Kk | 画像処理を用いた鋼材表面の劣化度評価システム |
JP2002278762A (ja) * | 2001-03-19 | 2002-09-27 | Nippon Steel Corp | データクラスタリング方法 |
JP2004163416A (ja) * | 2002-10-23 | 2004-06-10 | Nippon Steel Corp | 欠陥検査装置 |
JP2004338366A (ja) * | 2003-04-25 | 2004-12-02 | Fuji Xerox Co Ltd | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
JP2005257660A (ja) * | 2004-02-13 | 2005-09-22 | Nippon Steel Corp | 薄板の表面欠陥の分布形態解析装置、薄板の表面欠陥の分布形態解析方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 |
Non-Patent Citations (1)
Title |
---|
JPN6012038227; Christian Bohm 他: 'Robust information-theoretic clustering' KDD '06 Proceedings of the 12th ACM SIGKDD international conference on Knowledge discovery and data , 2006, Pages 65-75, the Association for Computing Machinery * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013524167A (ja) * | 2010-03-26 | 2013-06-17 | ザ・ボーイング・カンパニー | 透明部材内の光学的欠陥の検出 |
JP2013010110A (ja) * | 2011-06-28 | 2013-01-17 | Jfe Steel Corp | 冷間圧延機のチャタリング検出方法 |
JP2015178981A (ja) * | 2014-03-19 | 2015-10-08 | アイシン精機株式会社 | 距離測定装置及び距離測定方法 |
JP2016151469A (ja) * | 2015-02-17 | 2016-08-22 | 三菱電機株式会社 | 信号処理装置 |
CN105737787A (zh) * | 2016-01-29 | 2016-07-06 | 广东工业大学 | 一种基于平均曲率差值比的水火弯板曲面成形评价方法 |
CN114253168A (zh) * | 2020-09-22 | 2022-03-29 | 南亚科技股份有限公司 | 机台监控系统与机台监控方法 |
CN117114510A (zh) * | 2023-10-20 | 2023-11-24 | 厦门欧贝传动科技股份有限公司 | 一种轴承防护涂层评价方法及系统 |
CN117114510B (zh) * | 2023-10-20 | 2023-12-15 | 厦门欧贝传动科技股份有限公司 | 一种轴承防护涂层评价方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
JP5262582B2 (ja) | 2013-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5262582B2 (ja) | 表面欠陥の分布形態解析装置、方法、及びプログラム | |
CN107085716B (zh) | 基于多任务生成对抗网络的跨视角步态识别方法 | |
Scrucca | Dimension reduction for model-based clustering | |
US20150235109A1 (en) | Learning method and apparatus for pattern recognition | |
JP5567448B2 (ja) | 画像領域分割装置、画像領域分割方法および画像領域分割プログラム | |
KR100263808B1 (ko) | 후보테이블을이용하여분류를행하는패턴인식장치및방법 | |
JP5333589B2 (ja) | 代表特徴抽出システムおよび方法 | |
Lim et al. | Beyond the birkhoff polytope: Convex relaxations for vector permutation problems | |
JP2019045894A (ja) | 検索プログラム、検索方法、及び、検索プログラムが動作する情報処理装置 | |
CN111476100B (zh) | 基于主成分分析的数据处理方法、装置及存储介质 | |
EP1246124B1 (en) | Image space display method and apparatus | |
CN108561127B (zh) | 一种基于随机模拟的地层压力预测方法 | |
CN113436223B (zh) | 点云数据的分割方法、装置、计算机设备和存储介质 | |
CN108921853A (zh) | 基于超像素和免疫稀疏谱聚类的图像分割方法 | |
Böhm et al. | Ric: Parameter-free noise-robust clustering | |
CN110717547A (zh) | 一种基于回归超图的学习算法 | |
US9953458B2 (en) | Method and apparatus for generating shape descriptor of a model | |
Gauraha | Stability feature selection using cluster representative lasso | |
Bronstein et al. | A multigrid approach for multidimensional scaling | |
Rital | Hypergraph cuts & unsupervised representation for image segmentation | |
Theiler et al. | Design issues for hardware implementation of an algorithm for segmenting hyperspectral imagery | |
Gehre et al. | Feature Curve Co‐Completion in Noisy Data | |
Chawathe | Classification of dry beans using image features | |
CN113535527A (zh) | 一种面向实时流数据预测性分析的降载方法及系统 | |
Lahmar et al. | A self adaptive fcm cluster forests based feature selection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110215 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120614 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120724 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120920 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130415 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5262582 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |