JP2013140095A - クリープ損傷を受ける金属の余寿命診断装置および余寿命診断プログラム - Google Patents

Abstract

【課題】余寿命診断の作業効率を向上させる。
【解決手段】
余寿命診断システムでは、ボイド候補抽出処理（Ｓ５）において、表面画像データに含まれる点状画像データに対し、大きさと形状に基づいてボイド画像データの候補となる候補画像データか否かを判定する。また、ボイド検出・カウント処理（Ｓ７）において、候補画像データの位置情報と粒界画像データの位置情報とに基づき、候補画像データが粒界画像データと重なっているか否かを判定し、候補画像データのうちの重なっているものをボイド画像データとして抽出する。
【選択図】図３

Description

本発明は、クリープ損傷を受ける金属の余寿命診断装置および余寿命診断プログラムに関する。

発電施設が有するボイラーやタービンといったプラント機器では、動力用蒸気などの高温高圧流体が扱われている。年単位の長時間に亘って使用されると、ボイラーやタービンを構成する金属（例えばクロムモリブデン鋼やステンレス鋼）には、クリープ損傷などの経年劣化損傷が生じる。過度な損傷は機器の破損につながるため、プラント機器を長期間に亘って安全に使用するには、金属の余寿命を診断して適切な時期にメンテナンスを行うことが求められる。

ここで、メンテナンスサイクルを短く設定すると安全率が高まるものの、メンテナンス回数が増えるのでコストが嵩んでしまう。反対に、メンテナンスサイクルを長く設定すると、メンテナンス回数が減ってコストを抑制できるものの、安全率が低くなってしまう。このため、余寿命の診断精度を向上させ、メンテナンスサイクルを適切に定めることが重要になっている。

診断精度を向上させるため、種々の余寿命診断方法が開発されている。その診断手法の一つにＡパラメータ法がある。Ａパラメータ法は非破壊診断方法の一種であり、ボイドが生じた粒界（ボイド発生粒界）の数と観察粒界の総数との比率を指標として余寿命を求める方法である。以下に示す特許文献１〜３には、Ａパラメータ法を用いた診断方法が開示されている。

また、診断手法の他の一つにＤパラメータ法がある。非特許文献１に示すように、Ｄパラメータ法では、金属表面の粒界を撮影した顕微鏡写真を用い、応力方向と垂直な方向の垂直粒界及び損傷程度の高い（ボイドが多く発生している）損傷粒界を判定し、垂直粒界の全数と損傷粒界の全数の比率を指標として余寿命を求める。

特開２０１０−１４６００号公報 特開２００８−２０９３４４号公報 特開２００３−１０６９４７号公報

菊地賢司，加治芳行，材料，４４−５０５（１９９５），１２４４

前述のＡパラメータ法及びＤパラメータ法の何れも粒界上のボイドを画像から抽出する必要があるが、コンピュータを用いて、金属表面の画像データからボイド画像データを抽出することはこれまで行われていなかった。このため、金属表面の顕微鏡画像からボイドを抽出する作業は、手作業で行われているのが現状であり、作業効率を高めることが困難という問題があった。

本発明はこのような事情に鑑みてなされたものであり、その目的は、コンピュータを用いて、金属表面の画像データからボイド画像データを抽出できるようにすることで、余寿命診断の作業効率を向上させることにある。

前記目的を達成するため、本発明は、クリープ損傷を受ける金属表面についての表面画像データを取得する表面画像データ取得手段と、取得した前記表面画像データからボイドについてのボイド画像データを抽出するボイド画像データ抽出手段と、抽出した前記ボイド画像データを用いて前記金属の余寿命を評価する余寿命診断手段とを有する余寿命診断装置であって、前記ボイド画像データ抽出手段は、前記表面画像データに含まれる点状画像データに対し、大きさと形状に基づいてボイド画像データの候補となる候補画像データか否かを判定し、前記候補画像データの位置情報と前記表面画像データに含まれる線状の粒界画像データの位置情報とに基づいて、前記候補画像データが前記粒界画像データと重なっているか否かを判定し、前記候補画像データのうちの重なっているものを前記ボイド画像データとして抽出することを特徴とする。

本発明によれば、ボイド画像データ抽出手段が、点状画像データの大きさと形状に基づいて候補画像データか否かを判定し、粒界画像データと重なっている候補画像データをボイド画像データとして抽出しているので、表面画像データからボイド画像データを抽出することができる。その結果、コンピュータによる自動化が図れ、余寿命診断の作業効率を向上させることができる。

前述の余寿命診断装置において、前記ボイド画像データ抽出手段は、前記点状画像データの面積がボイドの最大面積と最小面積の範囲内にあり、かつ、前記点状画像データの外接円に対する面積比が判断基準値以上である場合に、当該点状画像データが前記候補画像データであると判定することが好ましい。この構成では、丸くない点状画像データを候補から外すことができるので、ボイド画像データの抽出精度を高めることができる。

前述の余寿命診断装置において、前記ボイド画像データ抽出手段は、前記点状画像データの面積がボイドの最大面積と最小面積の範囲内にあり、かつ、前記点状画像データの細線化前後の面積比が判断基準値以上である場合に、当該点状画像データが前記候補画像データであると判定することが好ましい。この構成では、細い形状の点状画像データを候補から外すことができるので、ボイド画像データの抽出精度を高めることができる。

前述の余寿命診断装置において、前記ボイド画像データ抽出手段は、前記点状画像データの面積がボイドの最大面積と最小面積の範囲内にあり、かつ、前記点状画像データの面積が前記最大面積よりも小さい判定面積以下である場合に、前記点状画像データの外接円に対する面積比が判断基準値以上であるか否かで当該点状画像データが前記候補画像データであるか否かを判定し、前記点状画像データの面積がボイドの最大面積と最小面積の範囲内にあり、かつ、前記点状画像データの面積が前記判定面積よりも大きい場合に、前記点状画像データの細線化前後の面積比が判断基準値以上であるか否かで当該点状画像データが前記候補画像データであるか否かを判定することが好ましい。この構成では、点状画像データの大きさに応じて適した判定処理を選択できるので、ボイド画像データの抽出精度を高めることができる。

前述の余寿命診断装置において、前記ボイド画像データ抽出手段は、前記点状画像データの面積がボイドの最大面積以上であっても、前記点状画像データの幅が判断基準値以下である場合には、当該点状画像データが前記候補画像データであると判定することが好ましい。この構成では、複数のボイドが連続的につながったボイド群を候補にすることができ、ボイド画像データの抽出精度を高めることができる。

また、本発明は、クリープ損傷を受ける金属表面についての表面画像データを取得する表面画像データ取得ステップと、取得した前記表面画像データからボイドについてのボイド画像データを抽出するボイド画像データ抽出ステップと、抽出した前記ボイド画像データを用いて前記金属の余寿命を評価する余寿命診断ステップとをコンピュータに行わせる余寿命診断プログラムであって、前記ボイド画像データ抽出ステップでは、前記表面画像データに含まれる点状画像データに対し、大きさと形状に基づいてボイド画像データの候補となる候補画像データか否かを判定させ、前記候補画像データの位置情報と前記表面画像データに含まれる線状の粒界画像データの位置情報とに基づいて、前記候補画像データが前記粒界画像データと重なっているか否かを判定させ、前記候補画像データのうちの重なっているものを前記ボイド画像データとして抽出させることを特徴とする。

クリープ損傷を受ける金属の余寿命を診断するに際し、金属表面の画像データからボイド画像データを抽出することができ、余寿命診断の作業効率を高めることができる。

余寿命診断システムの構成を示す外観図である。 余寿命診断システムの構成を示すブロック図である。 余寿命診断手順を説明するフローチャートである。 マトリクス状に撮影された複数の表面画像データを説明する図である。 表面画像データの一部を拡大して示す図である。 大きさに基づく判定により、一部の点状画像データを除去した表面画像データを示す図である。 （ａ），（ｂ）は小さい点状画像データに対する外接円による判定を説明する図である。（ｃ），（ｄ）は大きい点状画像データに対する細線化による判定を説明する図である。 表面画像データにおける、細い点状画像データ（ＧＰ１５）が残っている部分を示す図である。 形状に基づく判定により、細い点状画像データを除去した表面画像データを示す図である。 粒界抽出処理を説明する図である。 余分な線状画像データを削除し、欠けている線状画像データを補完した粒界画像データを説明する図である。 粒界抽出処理まで終了した状態の表面画像データを説明する図である。 ボイド抽出・カウント処理で抽出されたボイド画像データと粒界画像データを説明する図である。 Ａパラメータ法での余寿命診断処理を説明する図である。

以下、本発明の実施形態について説明する。まず、余寿命診断システムについて説明する。図１に示すように、本実施形態の余寿命診断システム１は、走査型電子顕微鏡２（以下単にＳＥＭ２という）と診断用コンピュータ３とを有する。

ＳＥＭ２は、電子線を絞って電子ビームとして測定対象であるレプリカに照射し、このレプリカから放出される二次電子を検出することで、レプリカの画像データ（すなわち、金属表面の画像データ）を得る装置である。ＳＥＭ２は、例えば図２に示すように、電子銃２１と、磁界レンズ２２と、試料ステージ２３と、二次電子検出器２４とを備えている。

電子銃２１は電子線を放出する部分であり、例えば熱電子を電位差によって加速させて放出する。磁界レンズ２２は電子線を集束させる部分であり、例えば磁界を発生させるコイルを備えている。このコイルに流す電流を調整することで発生される磁界の強さを変えることができ、電子銃２１から放出された電子線の集束度合いを調整できる。試料ステージ２３は測定対象となるレプリカが載置される部分であり、レプリカの向きや高さを調整することができる。これにより、レプリカにおける所望の位置に電子線を照射することができる。二次電子検出器２４は、電子線の照射によって測定対象から放出された二次電子を検出する部分である。検出された二次電子の量に応じた画像信号が診断用コンピュータ３に送信される。

診断用コンピュータ３は、ＳＥＭ２と通信してＳＥＭ２の動作制御を行うとともに、ＳＥＭ２より受信した画像信号からＳＥＭ画像を得る装置である。そして、得られたＳＥＭ画像に基づいて余寿命診断を行う。このため、診断用コンピュータ３は、余寿命診断装置に相当する。この診断用コンピュータ３は、例えば図２に示すように、コンピュータ本体３１と、表示部３２と、入力部３３とを有する。

コンピュータ本体３１は、診断用コンピュータ３による各種制御を行う部分であり、ＣＰＵ３４と、メモリ３５と、データ記憶部３６とを有している。ＣＰＵ３４は、制御の中心となる部分であり、メモリ３５に記憶された動作プログラムに従って動作する。メモリ３５は、ＳＲＡＭやハードディスクといった各種の記憶デバイスによって構成され、動作用のプログラムを記憶する他、動作時におけるデータの記憶を行うワークエリアとしても機能する。データ記憶部３６もまた、ＳＲＡＭやハードディスクといった各種の記憶デバイスによって構成され、各種の画像データや診断用のマスターカーブ（図示せず）の基となるデータなどが記憶される。

表示部３２は、ＳＥＭ画像やＳＥＭ２に対する操作画像といった各種の画像を表示する部分であり、例えば液晶ディスプレイによって構成される。入力部３３は、作業者の各種操作を受け付ける部分であり、例えばキーボード３３ａやマウス３３ｂによって構成される。

この余寿命診断システム１では、ＳＥＭ２の動作が診断用コンピュータ３を通じて制御される。そして、診断用コンピュータ３では、ＳＥＭ２から送信された画像信号に基づいてレプリカのＳＥＭ画像データ（対象金属の表面画像データ）を取得し、対象金属の余寿命を診断する。

図３は、余寿命の診断処理を説明するフローチャートである。この診断処理は、ＣＰＵ３４がメモリ３５に記憶された動作プログラムを実行することで行われる。従って、動作プログラムは、コンピュータに余寿命の診断処理を行わせるためのコンピュータプログラムに相当する。

この診断処理では、レプリカ採取処理（Ｓ１）、ＳＥＭ観察処理（Ｓ２）、観察画像取得処理（Ｓ３）、画像前処理（Ｓ４）、ボイド候補抽出処理（Ｓ５）、粒界抽出処理（Ｓ６）、ボイド検出・カウント処理（Ｓ７）、及び余寿命診断評価（Ｓ８）が行われる。

これらの処理のうち、ステップＳ３の観察画像取得処理は、表面画像データ取得ステップに相当し、クリープ損傷を受ける金属表面についての表面画像データが取得される。この観察画像取得処理を実行するとき、コンピュータ本体３１は表面画像データ取得手段として機能する。そして、ステップＳ５からＳ７までの各処理はボイド画像データ抽出ステップに相当し、表面画像データからボイドについてのボイド画像データが抽出される。これらの各処理を実行するとき、コンピュータ本体３１はボイド画像データ抽出手段として機能する。また、ステップＳ８の余寿命診断評価は、余寿命診断ステップに相当し、ボイド画像データや粒界画像データに基づいて金属の余寿命が評価される。この余寿命診断評価を実行するとき、コンピュータ本体３１は余寿命診断手段として機能する。

なお、本実施形態では、ボイラー機器に広く使用されている２．２５％Ｃｒ−１％Ｍｏ鋼といった低合金鋼配管の溶接熱影響部（ＨＡＺ部）の余寿命を診断する場合について説明する。

レプリカ採取処理（Ｓ１）は、測定対象物における損傷が予測される対象部位（本実施形態ではＨＡＺ部）について金属表面の組織をプラスチックフィルムに転写し、レプリカ（組織が転写されたプラスチックフィルム）を採取する処理である。このレプリカ採取処理では、鋼管の診断対象部位をグラインダー等で鏡面に研磨した後にエッチングを行う。その後、プラスチックフィルムを対象部位に張り付けて組織を転写することでレプリカを採取する。

ＳＥＭ観察処理（Ｓ２）は、採取されたレプリカをＳＥＭ２で観察する処理である。このＳＥＭ観察処理では、前処理として金などの蒸着処理を行い、レプリカの表面に金などの蒸着膜を形成する。蒸着膜を形成したならば、ＳＥＭ２による観察を行う。例えば、試料ステージ２３の上に蒸着膜が形成されたレプリカを載置し、診断用コンピュータ３を操作してレプリカの表面形状、すなわち金属表面の組織を観察する。

この場合において、診断用コンピュータ３は、ＳＥＭ２から送信された画像信号に基づいてレプリカのＳＥＭ画像データを生成し、表示部３２に表示させる。作業者は、入力部３３を操作することで、粒界が表示部３２で視認できるように表示倍率を定める。また、作業者は、入力部３３を操作することで試料ステージ２３を動作させ、レプリカの観察方向を定める。例えば、ＨＡＺ部に作用する応力の方向と推定される方向が、表示部３２の表示画面において横方向となるように観察方向を定める。

観察画像取得処理（Ｓ３）では、診断用コンピュータ３が、ＳＥＭ２で撮影された観察画像に対応する画像データを取得する。例えば、作業者による入力部３３の操作によって撮影が指示されると、診断用コンピュータ３は、生成した表面画像データをデータ記憶部３６に記憶させる。このとき、診断用コンピュータ３は、ＳＥＭ２を制御して試料ステージ２３を移動させつつ画像信号を取得し、平面方向へマトリクス状（行列状）に並ぶ複数の表面画像データを得る。すなわち、複数のＳＥＭ画像が撮影される。その結果、余寿命の算出に必要な平面範囲に亘って、複数の表面画像データが取得される。この表面画像データは、表示部３２での表示画面に対応した横長矩形状範囲の画像データである。このため、表示画像と同様に、横方向が応力推定方向に相当する。

なお、本実施形態では、図４に示すように、Ａ列〜Ｇ列、及び、第１行〜第６行からなる４２枚の表面画像データを取得した場合を例に挙げて説明する。便宜上、以下の説明では、Ａ列第１行の表面画像データを表面画像データＧＲ（Ａ１）と、Ｂ列第１行の表面画像データを表面画像データＧＲ（Ｂ１）と表し、以下同様に、Ｇ列第６行の表面画像データを表面画像データＧＲ（Ｇ６）と表す。

図４に示す表面画像データＧＲにおいて、線状に描かれている部分が粒界画像データＧＬ及び線状のノイズ画像データＧＬＮである。また、点状（円形，楕円形，長円形）に描かれている部分がボイド画像データＧＰ及び点状のノイズ画像データＧＰＮである。なお、ボイド画像データＧＰ及び点状のノイズ画像データＧＰＮのうち、黒く塗りつぶされている画像データがボイド画像データＧＰを示している。そして、表面画像データＧＲに含まれる線状画像データ（粒界画像データＧＬや線状のノイズ画像データＧＬＮ）については、始点座標と終点座標のデータがコンピュータ本体３１のデータ記憶部３６に記憶される。また、点状画像データ（ボイド画像データＧＰや点状のノイズ画像データＧＰＮ）については、外周を囲む線分の座標データや面積のデータがデータ記憶部３６に記憶される。

画像前処理（Ｓ４）では、表面画像データＧＲがカラー画像データである場合にグレースケール画像データへ変換したり、表面画像データＧＲに対してボイド検出対象範囲を設定したりする。ボイド検出対象範囲の設定では、例えば、表示部３２と入力部３３によって、表面画像データＧＲにおける二点のＸＹ座標が指定され、これら二点を角部とする矩形状部分がボイド検出対象範囲として設定される。便宜上、以下の説明では、表面画像データＧＲ（Ａ１）〜ＧＲ（Ｇ６）の全てがボイド検出対象範囲であるとする。

画像前処理（Ｓ４）が終了すると、ボイド候補抽出処理（Ｓ５）及び粒界抽出処理（Ｓ６）が行われる。本実施形態では２つの処理を並行して行っているが、これに限定されない。例えば、粒界抽出処理（Ｓ６）を行った後に候補抽出処理（Ｓ５）を行ってもよく、その逆の順序としてもよい。

ボイド候補抽出処理（Ｓ５）では、取得した表面画像データＧＲに含まれる点状画像データＧＰ，ＧＰＮからボイドの候補となる候補画像データを抽出する。本実施形態では、濃度階調変換処理と、平滑化処理と、２値化処理と、除外処理とを行うことで、候補画像データを抽出している。

濃度階調変換処理では、表面画像データＧＲに対してヒストグラム均一化処理、すなわちヒストグラムの累積度数のグラフの傾きが一定になるように変換する処理が行われる。この処理よって、画像毎の画像濃度の偏りが軽減される。平滑化処理では、ヒストグラム均一化処理が行われた表面画像データＧＲに対し、ガウシアンフィルタやメディアンフィルタを適用することで、画像のノイズを軽減し、画像を滑らかにする。２値化処理では、平滑化処理が行われた表面画像データＧＲに対して所定濃度の閾値を適用して２値化し、２値化画像データを得る。

除外処理では、２値化画像データに含まれる点状画像データＧＰ，ＧＰＮの中から、大きさと形状に基づいて点状のノイズ画像データＧＰＮを除外する。本実施形態では、ボイドの大きさ（面積）が所定の範囲に収まることに着目し、点状画像データＧＰ，ＧＰＮの面積がボイドの最大面積と最小面積の範囲外である場合に、その点状画像データについてはノイズ画像データＧＰＮとして除外する。なお、最大面積と最小面積については、コンピュータ本体３１のメモリ３５やデータ記憶部３６に予め記憶されている。

図５に示す例では、４つの表面画像データＧＲ（Ａ１）〜（Ｂ２）の中に１０個の点状画像データＧＰ１〜ＧＰ１０が含まれている。これらの点状画像データＧＰ１〜ＧＰ１０のうち、点状画像データＧＰ３，ＧＰ１０については、その面積がボイドの最大面積よりも大きいとして、点状のノイズ画像データＧＰＮと判定される。また、点状画像データＧＰ７については、その面積がボイドの最小面積よりも小さいとして、同様に点状のノイズ画像データＧＰＮと判定される。その結果、図６に示すように、７個の点状画像データＧＰ１，ＧＰ２，ＧＰ４〜６，ＧＰ８，ＧＰ９が残ることになる。

大きさに基づく除外判定を行ったならば、形状に基づく除外判定を行う。形状に基づく除外判定では、発生初期の小さなボイドと十分に大きくなったボイドとで判定手法を分けている。すなわち、発生初期の小さなボイドは円形に近くなる傾向があるため、円形に近いか否かで判定をしている。また、成長したボイドは形状にばらつきが生じることから、線状に近いか否かで判定をしている。

このため、本実施形態では、ボイドの最小面積よりも大きく、最大面積よりも小さい面積の判定面積（判断基準値）を設定し、判定対象となる点状画像データＧＰ，ＧＰＮの面積が最小面積以上であって判定面積以下の場合には、小さい点状画像データと判定して前者の判定手法を適用する。また、判定対象となる点状画像データＧＰ，ＧＰＮの面積が判定面積よりも大きく最大面積以下の場合には、大きい点状画像データと判定して後者の判定手法を適用する。

すなわち、小さい点状画像データに対しては、例えば図７（ａ），（ｂ）に示すように、その点状画像データＧＰ´について外接円ＣＩＲを描き、描いた外接円ＣＩＲの面積と点状画像データＧＰ´の面積の比率を算出する。そして、算出された比率が判断基準値以下である場合に、言い換えれば点状画像データＧＰ´の形状が線形に近い場合に、ノイズ画像データＧＰＮとして除外する。この例では、図７（ａ）に示す点状画像データＧＰ´は候補画像データとして残され、図７（ｂ）に示す点状画像データＧＰ´はノイズ画像データＧＰＮとして除外される。

また、大きい点状画像データに対しては、例えば図７（ｃ），（ｄ）に示すように、その点状画像データＧＰ´に対する細線化処理を行い、細線化前後における面積の比率を算出する。そして、算出された比率が判断基準値以下である場合に、言い換えれば点状画像データＧＰ´の形状が線形に近い場合に、ノイズ画像データＧＰＮとして除外する。この例では、図７（ｃ）に示す点状画像データＧＰ´は候補画像データとして残され、図７（ｄ）に示す点状画像データＧＰ´はノイズ画像データＧＰＮとして除外される。

図８に示す例では、４つの表面画像データＧＲ（Ｄ１）〜ＧＲ（Ｅ２）の中に７個の点状画像データＧＰ１１〜ＧＰ１７が含まれている。これらの点状画像データＧＰ１〜ＧＰ１７のうち、点状画像データＧＰ１５については、その面積が最小面積以上であって判断基準値未満であり、かつ、外接円ＣＩＲに対する面積比が判断基準値以下であることから、ノイズ画像データＧＰＮと判定される。その結果、図９に示すように、６個の点状画像データＧＰ１１〜ＧＰ１４，ＧＰ１６，ＧＰ１７が候補画像データとして残ることになる。

次に、粒界抽出処理（Ｓ６）について説明する。この粒界抽出処理では、前述の２値化画像データに含まれる輪郭画像データを抽出する。この輪郭画像データは粒界の候補となる線状の画像データである。そして、前処理として、抽出した輪郭画像データを膨張（拡大）させた後に、内部の空洞部分（黒い部分）を白く塗り潰し、元の大きさまで収縮（縮小）させる。この前処理を行うことで、ノイズが低減され、ひげのように枝分かれする画像の生成を抑制できる。

前処理が行われたならば、輪郭画像データを細線化する細線化処理を行う。この細線化処理は、輪郭画像データにおける線幅を狭め、中心に位置する１画素を残す処理である。次に、細線化された輪郭画像データについて、細線化された領域を近似する多角形の頂点が求められる。図１０の例では５つの頂点Ｐ１〜Ｐ５が求められる。

頂点が求められたならば、粒界候補同士の結合を行う。ここでは、一定長さ以上の輪郭画像データを粒界候補データとして選択する。図１０の例では、１２本の粒界候補データＧＬ１〜ＧＬ１２が選択されている。そして、各粒界候補データＧＬ１〜ＧＬ１２について互いに結合を行う。この結合処理では、所定範囲内にあって方向の連続性が保たれている粒界候補データ同士を結合する。例えば、粒界候補データＧＬ１，ＧＬ２については、頂点Ｐ１に向かって方向の連続性が保たれている。このため、粒界候補データＧＬ１，ＧＬ２を頂点Ｐ１に向かって延長し、粒界候補データＧＬ３と結合する。また、粒界候補データＧＬ９については、延長しても他の粒界候補データＧＬ２，ＧＬ１０の途中に交差してしまうので、方向性に連続性がないと判定される。このため、粒界候補から除外される。

その結果、図１１に示すように、１１本の粒界候補データＧＬ１〜８，ＧＬ１０〜１２が粒界画像データＧＬとして抽出される。なお、説明は省略するが、粒界候補データから最小二乗法等を用いて生成した新たな直線を粒界画像データＧＬとしてもよい。

以上のボイド候補抽出処理（Ｓ５）及び粒界抽出処理（Ｓ６）が終了すると、ボイド検出・カウント処理（Ｓ７）が行われる。このボイド検出・カウント処理では、ボイド候補として残った候補画像データの位置情報（座標情報等）と線状の粒界画像データＧＬの位置情報（座標情報等）とに基づいて、候補画像データが粒界画像データＧＬと重なっているか否かが判定される。そして、候補画像データのうちの重なっているものがボイド画像データＧＰとして抽出される。例えば、図１２に示す候補画像データについて処理を行うと、白丸で示した候補画像データＧＰ２１〜ＧＰ２４が除外され、図１３に示すように粒界画像データＧＬと重なっている候補画像データがボイド画像データＧＰとして抽出される。そして、抽出されたボイド画像データＧＰについて個数がカウントされる。

続く余寿命診断評価（Ｓ８）では、カウントされたボイド画像データＧＰに基づいて対象金属の余寿命が診断される。この余寿命の診断評価では、Ａパラメータ法やＤパラメータ法を用いることで余寿命が診断される。

Ａパラメータ法を例に挙げて説明すると、図１４に示すように、表面画像データＧＲにおける応力推定方向に参照線データＲＬを設定する。この場合において参照線データＲＬは、応力推定方向と直交する方向に所定間隔を空けて複数本設定する。そして、参照線データＲＬの位置情報と粒界画像データＧＬの位置情報とボイド画像データＧＰの位置情報とから、参照線データＲＬと交差する粒界画像データＧＬ（便宜上、交差粒界データという）の数、及び、参照線データＲＬと交差するとともにボイド画像データＧＰが重なっている粒界画像データＧＬ（便宜上、ボイド発生粒界データという）の数を取得する。

交差粒界データ及びボイド発生粒界データの数が取得されたならば、次式（１）に基づいてＡパラメータが算出される。すなわち、ボイド発生粒界データの数を交差粒界データの数（ボイド発生粒界データの数＋未発生粒界データの数）で除することで、Ａパラメータが算出される。

次に、予め取得されたマスターカーブのデータがデータ記憶部３６から読み出され、算出されたＡパラメータがマスターカーブにあてはめられる。これにより、対象金属の余寿命が診断される。

以上の説明から明らかなように、本実施形態の余寿命診断システム１では、ボイド候補抽出処理（Ｓ５）において、表面画像データＧＲに含まれる点状画像データＧＰ，ＧＰＮに対し、大きさと形状に基づいてボイド画像データＧＰの候補となる候補画像データか否かを判定する。また、ボイド検出・カウント処理（Ｓ７）において、候補画像データの位置情報と粒界画像データＧＬの位置情報とに基づき、候補画像データが粒界画像データＧＬと重なっているか否かを判定し、候補画像データのうちの重なっているものをボイド画像データＧＰとして抽出しているので、表面画像データＧＲからボイド画像データＧＰを抽出することができる。その結果、コンピュータによる自動化が図れ、余寿命診断の作業効率を向上させることができる。

また、ボイド候補抽出処理（Ｓ５）において、点状画像データＧＰ，ＧＰＮの面積がボイドの最大面積と最小面積の範囲内にあり、かつ、点状画像データＧＰ，ＧＰＮの面積が判定面積以下である場合に、点状画像データＧＰ，ＧＰＮの外接円ＣＩＲに対する面積比が判断基準値以上であるか否かで当該点状画像データＧＰ，ＧＰＮが候補画像データであるか否かを判定し、点状画像データＧＰ，ＧＰＮの面積がボイドの最大面積と最小面積の範囲内にあり、かつ、点状画像データＧＰ，ＧＰＮの面積が判定面積よりも大きい場合に、点状画像データＧＰ，ＧＰＮの細線化前後の面積比が判断基準値以上であるか否かで当該点状画像データＧＰ，ＧＰＮが候補画像データであるか否かを判定しているので、点状画像データＧＰ，ＧＰＮの大きさに応じて適した判定処理を選択できるので、ボイド画像データＧＰの抽出精度を高めることができる。

以上の実施形態の説明は、本発明の理解を容易にするためのものであり、本発明を限定するものではない。本発明はその趣旨を逸脱することなく、変更、改良され得ると共に本発明にはその等価物が含まれる。例えば、次のように構成してもよい。

前述の実施形態では、点状画像データＧＰ，ＧＰＮの面積に基づいて外接円ＣＩＲに対する面積比を用いた判定と、細線化前後の面積比を用いた判定とを選択するようにしていたが、何れか一方の判定手法を用いてもよい。

また、ボイド候補抽出処理（Ｓ５）における大きさに基づく除外判定に関し、点状画像データＧＰ，ＧＰＮの面積がボイドの最大面積以上であっても、点状画像データＧＰ，ＧＰＮの幅が判断基準値以下である場合には、当該点状画像データＧＰ，ＧＰＮを候補画像データと判定させるようにしてもよい。このように構成することで、成長した複数のボイドが連続的につながったボイド群を候補にすることができ、ボイド画像データＧＰの抽出精度を高めることができる。

１ 余寿命診断システム
２ 走査型電子顕微鏡（ＳＥＭ）
２１ 電子銃
２２ 磁界レンズ
２３ 試料ステージ
２４ 二次電子検出器
３ 診断用コンピュータ
３１ コンピュータ本体
３２ 表示部
３３ 入力部
３３ａ キーボード
３３ｂ マウス
３４ ＣＰＵ
３５ メモリ
３６ データ記憶部
ＧＲ 表面画像データ
ＧＬ 粒界画像データ
ＧＬＮ 線状のノイズ画像データ
ＧＰ ボイド画像データ
ＧＰＮ 点状のノイズ画像データ
ＣＩＲ 外接円
ＲＬ 参照線データ

Claims (6)

1. クリープ損傷を受ける金属表面についての表面画像データを取得する表面画像データ取得手段と、取得した前記表面画像データからボイドについてのボイド画像データを抽出するボイド画像データ抽出手段と、抽出した前記ボイド画像データを用いて前記金属の余寿命を評価する余寿命診断手段とを有する余寿命診断装置であって、
   前記ボイド画像データ抽出手段は、
   前記表面画像データに含まれる点状画像データに対し、大きさと形状に基づいてボイド画像データの候補となる候補画像データか否かを判定し、
   前記候補画像データの位置情報と前記表面画像データに含まれる線状の粒界画像データの位置情報とに基づいて、前記候補画像データが前記粒界画像データと重なっているか否かを判定し、前記候補画像データのうちの重なっているものを前記ボイド画像データとして抽出する、ことを特徴とする余寿命診断装置。
2. 前記ボイド画像データ抽出手段は、
   前記点状画像データの面積がボイドの最大面積と最小面積の範囲内にあり、かつ、前記点状画像データの外接円に対する面積比が判断基準値以上である場合に、当該点状画像データが前記候補画像データであると判定することを特徴とする請求項１に記載の余寿命診断装置。
3. 前記ボイド画像データ抽出手段は、
   前記点状画像データの面積がボイドの最大面積と最小面積の範囲内にあり、かつ、前記点状画像データの細線化前後の面積比が判断基準値以上である場合に、当該点状画像データが前記候補画像データであると判定することを特徴とする請求項１に記載の余寿命診断装置。
4. 前記ボイド画像データ抽出手段は、
   前記点状画像データの面積がボイドの最大面積と最小面積の範囲内にあり、かつ、前記点状画像データの面積が前記最大面積よりも小さい判定面積以下である場合に、前記点状画像データの外接円に対する面積比が判断基準値以上であるか否かで当該点状画像データが前記候補画像データであるか否かを判定し、
   前記点状画像データの面積がボイドの最大面積と最小面積の範囲内にあり、かつ、前記点状画像データの面積が前記判定面積よりも大きい場合に、前記点状画像データの細線化前後の面積比が判断基準値以上であるか否かで当該点状画像データが前記候補画像データであるか否かを判定する、ことを特徴とする請求項１に記載の余寿命診断装置。
5. 前記ボイド画像データ抽出手段は、
   前記点状画像データの面積がボイドの最大面積以上であっても、前記点状画像データの幅が判断基準値以下である場合には、当該点状画像データが前記候補画像データであると判定することを特徴とする請求項２から４の何れか１項に記載の余寿命診断装置。
6. クリープ損傷を受ける金属表面についての表面画像データを取得する表面画像データ取得ステップと、取得した前記表面画像データからボイドについてのボイド画像データを抽出するボイド画像データ抽出ステップと、抽出した前記ボイド画像データを用いて前記金属の余寿命を評価する余寿命診断ステップとをコンピュータに行わせる余寿命診断プログラムであって、
   前記ボイド画像データ抽出ステップでは、
   前記表面画像データに含まれる点状画像データに対し、大きさと形状に基づいてボイド画像データの候補となる候補画像データか否かを判定させ、
   前記候補画像データの位置情報と前記表面画像データに含まれる線状の粒界画像データの位置情報とに基づいて、前記候補画像データが前記粒界画像データと重なっているか否かを判定させ、前記候補画像データのうちの重なっているものを前記ボイド画像データとして抽出させる、ことを特徴とする余寿命診断プログラム。

Images