JP2020128900A - ゴム材料の特性推定方法、システム及びプログラム - Google Patents
ゴム材料の特性推定方法、システム及びプログラム Download PDFInfo
- Publication number
- JP2020128900A JP2020128900A JP2019021037A JP2019021037A JP2020128900A JP 2020128900 A JP2020128900 A JP 2020128900A JP 2019021037 A JP2019021037 A JP 2019021037A JP 2019021037 A JP2019021037 A JP 2019021037A JP 2020128900 A JP2020128900 A JP 2020128900A
- Authority
- JP
- Japan
- Prior art keywords
- rubber material
- image
- estimating
- characteristic
- calculated
- 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
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
Description
に関する。
・ゴム材料を顕微鏡により撮像した画像を取得すること。
・前記取得した画像から、該画像の特徴を示す指標を算出すること。
・前記算出した指標に基づいて前記ゴム材料の特性を推定すること。
・前記複数の画像からそれぞれ算出される複数の前記画像特徴ベクトルに基づいて前記複数の画像ごとに関数回帰分析を行うこと。
・前記複数の画像の撮像条件ごとに前記ゴム材料の応力−ひずみ曲線を推定すること。
・複数の前記推定された応力−ひずみ曲線を統合すること。
・ゴム材料を顕微鏡により撮像した画像を取得すること。
・前記取得した画像から、該画像の特徴を示す指標を算出すること。
・前記算出した指標に基づいて前記ゴム材料の特性を推定すること。
<1.特性推定方法の概要>
ゴム材料は、弾性を有する高分子化合物であり、典型的には、複数の配合物が共に混練されることにより生成される。配合物の種類としては、例えばモノマー(ブタジエン、スチレン等)、フィラー(シリカ、カーボン等)及び架橋剤等が挙げられる。生成されるゴム材料の特性は、例えば配合物の種類及び配合量(割合)により変化する。従来は、目的とする特性を持つゴム材料を生成するため、配合物の種類や配合量といったパラメータを変更しつつゴム材料を生成し、生成されたゴム材料の特性を計測してパラメータの妥当性を検証することが繰り返されていた。
以下、ゴム材料の具体的な特性推定方法について説明する。図3は、本実施形態に係るゴム材料の特性推定方法の概要を示す図である。図3には、一例として、配合物の配合量が予め判明しているゴム材料1の特性を推定する場合が示されている。また、図4は、本実施形態に係るゴム材料1の特性推定方法の手順を示すフローチャートである。
yi(t)=xi Tw(t)+εi(t) (1)
y(t)=Rφ(t) (4)
w(t)=CTφ(t) (5)
y(t)=XCTφ(t)+ε(t) (6)
<3.特性推定システム>
本発明の一実施形態に係る特性推定方法は、ゴム材料そのものに現れる特徴(構造)を 画像化し、画像の特徴を指標化して特性を推定する。このため、各種の計測を行う負担 が削減され、ゴム材料の特性推定が効率化される。また、混練方法や配合物の情報が不 明なゴム材料や、これまでにない新しい種類のゴム材料に対しても、その特性を推定す ることができる。
以上、本発明の一実施形態について説明したが、本発明は上記実施形態に限定されるものではなく、その趣旨を逸脱しない限りにおいて、種々の変更が可能である。そして、以下に示す変形例は、適宜組合せが可能である。
上記実施形態では、画像の特徴を示す指標として、畳み込みニューラルネットワークの出力値である画像特徴ベクトルxviを算出した。しかしながら、画像の特徴を示す指標はこのような方法で算出される画像特徴ベクトルxviに限定されず、画像特徴ベクトルxviの次元数も適宜変更することができる。また、指標の算出には機械学習ではなく画像処理が利用されてもよい。例えば、上述したような濃度共起行列に関する特徴(角度別2次モーメント、コントラスト、相関、分散、逆差分モーメント等)、ローカルバイナリパターンに関する特徴(ヒストグラムの線幅、最大値及び最小値等)、ガボールウェーブレット変換により得られる特徴(係数ヒストグラムの最頻値、平均及び分散等)、又はこれらの特徴を適宜組合せたものを、画像の特徴を示す指標とすることができる。
上記実施形態では、画像特徴ベクトルxviに基づいてゴム材料1のSS曲線を推定した。しかしながら、推定されるゴム材料1の特性は、SS曲線に限定されない。例えば温度分散曲線のように、他の特性を示す曲線であってもよいし、物性値(ムーニー粘度、比重、スプリング硬さ等)であってもよい。
上記実施形態では、画像特徴ベクトルxviを説明変数として関数回帰分析を行うことによりゴム材料1の特性曲線を推定した。しかしながら、ゴム材料1の特性を推定する方法はこれに限られず、実施の形態に応じて適宜変更することができる。例えば、画像特徴ベクトルxviを入力とし、ゴム材料1の特性を出力とする機械学習モデルや深層学習モデルを構築し、ゴム材料1の特性を推定してもよい。
上記実施形態の特性推定システム100は、ハードウェアとしては汎用のコンピュータ110であったが、特性推定システム100を構成するハードウェアはこれに限定されない。例えば、指標算出部14B及び特性推定部14Cの機能は、FPGA、及びASICS等を適宜用いて実現してもよい。また、プログラム1Aは、ステップS1〜S7全てをコンピュータ110に実行させるが、少なくとも一部のステップを別のコンピュータやデバイス、インターネットを介して提供されるサービス等に分散して実行させてもよい。
ステップS4を行う順序は、上記実施形態の順序に限定されない。例えばステップS1,S2,S3のいずれかの前に行われてもよい。また、ステップS1,S2,S3のいずれかと並行して行われてもよい。
実施例1:表1に示す複数の撮像条件ごとの電子画像を取得した。取得した画像について、上記実施形態と同様のパッチ分割を行い、それぞれのパッチ画像から画像特徴ベクトルxviを算出した。上記実施形態と同様の手順で結合特徴ベクトルxVMを算出し、さらに上記実施形態と同様に複数の推定結果に対する重要度を算出してゴム材料の特性曲線を推定した。なお、結合特徴ベクトルxVMの次元削減後の特徴ベクトルxの次元dは、実施例1に係る方法で最も推定精度が高くなった100とした。
実施例2:表1に示す複数の撮像条件ごとの電子画像を取得した。取得した画像について、上記実施形態と同様のパッチ分割を行い、それぞれのパッチ画像から画像特徴ベクトルxviを算出した。画像特徴ベクトルxviについて主成分分析を行い、その後は上記実施形態と同様に複数の推定結果に対する重要度を算出してゴム材料の特性曲線を推定した。なお、主成分分析後の次元dは実施例2に係る方法で最も推定精度が高くなった100次元とした。
実施例3:表1に示す複数の撮像条件ごとの電子画像を取得した。取得した画像について、上記実施形態と同様のパッチ分割を行い、それぞれのパッチ画像から画像特徴ベクトルxviを算出した。また、上記実施形態と同様の手順で結合特徴ベクトルxVMを算出した。ゴム材料の特性曲線の推定では、複数の推定結果に対する重要度を考慮せず、単純平均により推定関数を統合した。なお、結合特徴ベクトルxVMの次元削減後の特徴ベクトルxの次元dは、実施例3に係る方法で最も推定精度が高くなった100とした。
比較例:配合特徴ベクトルxmiのみを主成分分析し、その後は上記実施形態と同様の関数回帰分析によりゴム材料の特性曲線を推定した(ただし、ゴム材料の各サンプルについて得られる推定関数は1つであるため、推定関数の表す特性曲線の統合は行っていない)。なお、主成分分析後の次元は比較例に係る方法で最も推定精度が高くなった20次元とした。
ゴム材料のサンプルごとの公差検定を行い、評価指標として平均絶対誤差MAE(Mean Absolute Error)を用いた。k(=1,2,…,K;K=65)番目のテストサンプルに対するMAEをMAEkとするとき、MAEkは以下の式(15)に基づいて算出される。
実施例1〜3及び比較例に係る方法それぞれについて、MAEkの平均を算出すると、結果は以下の表3に示すようになった。
100 特性推定システム
110 コンピュータ
Claims (9)
- ゴム材料を顕微鏡により撮像した画像を取得することと、
前記取得した画像から、該画像の特徴を示す指標を算出することと、
前記算出した指標に基づいて前記ゴム材料の特性を推定することと
を含む、
ゴム材料の特性推定方法。 - 前記画像の特徴を示す指標は、前記画像から算出される画像特徴ベクトルである、
請求項1に記載の特性推定方法。 - 前記ゴム材料の配合物の配合量を要素に有する配合特徴ベクトルを算出すること、
をさらに含み、
前記算出した指標に基づいて前記ゴム材料の特性を推定することは、前記算出した指標及び前記算出した配合特徴ベクトルに基づいて前記ゴム材料の特性を推定することを含む、
請求項1又は2に記載の特性推定方法。 - 前記ゴム材料の特性は、該ゴム材料の応力−ひずみ曲線で表される、
請求項1から3のいずれかに記載の特性推定方法。 - 前記算出した指標に基づいて前記ゴム材料の特性を推定することは、前記画像特徴ベクトルに基づいて関数回帰分析を行うことにより前記ゴム材料の応力−ひずみ曲線を推定することを含む、
請求項4に記載の特性推定方法。 - 前記ゴム材料を顕微鏡により撮像した画像は、互いに異なる撮像条件で撮像した複数の画像を含み、
前記画像特徴ベクトルに基づいて関数回帰分析を行うことにより前記ゴム材料の応力−ひずみ曲線を推定することは、
前記複数の画像からそれぞれ算出される複数の前記画像特徴ベクトルに基づいて前記複数の画像ごとに関数回帰分析を行うことと、
前記複数の画像の撮像条件ごとに前記ゴム材料の応力−ひずみ曲線を推定することと、
複数の前記推定された応力−ひずみ曲線を統合することとを含む、
請求項5に記載の特性推定方法。 - 前記顕微鏡は、電子顕微鏡である、
請求項1から6のいずれかに記載の特性推定方法。 - ゴム材料を顕微鏡により撮像した画像を取得する画像取得部と、
前記取得した画像から、該画像の特徴を示す指標を算出する指標算出部と、
前記算出した指標に基づいて前記ゴム材料の特性を推定する特性推定部と、
を備える、
ゴム材料の特性推定システム。 - ゴム材料を顕微鏡により撮像した画像を取得することと、
前記取得した画像から、該画像の特徴を示す指標を算出することと、
前記算出した指標に基づいて前記ゴム材料の特性を推定することと
をコンピュータに実行させる、
ゴム材料の特性推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019021037A JP6609387B1 (ja) | 2019-02-07 | 2019-02-07 | ゴム材料の特性推定方法、システム及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019021037A JP6609387B1 (ja) | 2019-02-07 | 2019-02-07 | ゴム材料の特性推定方法、システム及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6609387B1 JP6609387B1 (ja) | 2019-11-20 |
JP2020128900A true JP2020128900A (ja) | 2020-08-27 |
Family
ID=68611074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019021037A Active JP6609387B1 (ja) | 2019-02-07 | 2019-02-07 | ゴム材料の特性推定方法、システム及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6609387B1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7076867B1 (ja) | 2021-12-21 | 2022-05-30 | メック株式会社 | 物性値予測方法、物性値予測システム及びプログラム |
JP7078944B1 (ja) | 2021-12-21 | 2022-06-01 | メック株式会社 | 物性値予測方法、物性値予測システム及びプログラム |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7363462B2 (ja) * | 2019-12-23 | 2023-10-18 | 大同特殊鋼株式会社 | 材料評価方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5679234A (en) * | 1979-11-30 | 1981-06-29 | Denki Kagaku Kogyo Kk | Preparation of sample for scanning electron microscope |
JP2012163480A (ja) * | 2011-02-08 | 2012-08-30 | Bridgestone Corp | 高分子材料の評価方法 |
CN107356478A (zh) * | 2017-07-07 | 2017-11-17 | 吉林大学 | 长纤维增强热塑性复合材料多尺度仿真方法 |
-
2019
- 2019-02-07 JP JP2019021037A patent/JP6609387B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5679234A (en) * | 1979-11-30 | 1981-06-29 | Denki Kagaku Kogyo Kk | Preparation of sample for scanning electron microscope |
JP2012163480A (ja) * | 2011-02-08 | 2012-08-30 | Bridgestone Corp | 高分子材料の評価方法 |
CN107356478A (zh) * | 2017-07-07 | 2017-11-17 | 吉林大学 | 长纤维增强热塑性复合材料多尺度仿真方法 |
Non-Patent Citations (3)
Title |
---|
ゴム工業便覧<第四版>, JPN6019024240, 20 January 1994 (1994-01-20), pages 1246 - 1260, ISSN: 0004065171 * |
斉藤直輝、他: "複数の条件で撮像された走査型電子顕微鏡画像を用いたゴム材料の物性値推定に関する検討", 映像情報メディア学会技術報告, vol. 41, no. 29, JPN6019024239, 29 August 2017 (2017-08-29), pages 31 - 34, ISSN: 0004065170 * |
西敏夫: "ゴムの分析−構造と物性", 日本ゴム協会誌, vol. 67, no. 11, JPN6019024241, 15 November 1994 (1994-11-15), pages 736 - 743, ISSN: 0004065172 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7076867B1 (ja) | 2021-12-21 | 2022-05-30 | メック株式会社 | 物性値予測方法、物性値予測システム及びプログラム |
JP7078944B1 (ja) | 2021-12-21 | 2022-06-01 | メック株式会社 | 物性値予測方法、物性値予測システム及びプログラム |
WO2023120061A1 (ja) * | 2021-12-21 | 2023-06-29 | メック株式会社 | 物性値予測方法、及び物性値予測システム |
WO2023120057A1 (ja) * | 2021-12-21 | 2023-06-29 | メック株式会社 | 物性値予測方法、及び物性値予測システム |
JP2023091892A (ja) * | 2021-12-21 | 2023-07-03 | メック株式会社 | 物性値予測方法、物性値予測システム及びプログラム |
JP2023092019A (ja) * | 2021-12-21 | 2023-07-03 | メック株式会社 | 物性値予測方法、物性値予測システム及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6609387B1 (ja) | 2019-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Structural similarity based image quality assessment | |
CN110046673B (zh) | 基于多特征融合的无参考色调映射图像质量评价方法 | |
Bahrami et al. | A fast approach for no-reference image sharpness assessment based on maximum local variation | |
JP6609387B1 (ja) | ゴム材料の特性推定方法、システム及びプログラム | |
US20130294698A1 (en) | Image quality assessment | |
JP2007213560A (ja) | フレームシーケンス中のオブジェクトを追跡するコンピュータ化された方法 | |
JP7482470B2 (ja) | ゴム材料の物性推定方法、システム及びプログラム | |
CN106355195B (zh) | 用于测量图像清晰度值的系统及其方法 | |
CN107146220B (zh) | 一种通用型无参考图像质量评价方法 | |
CN112950631B (zh) | 基于显著图约束和x光头颅定位侧位图像的年龄估计方法 | |
Liu et al. | An efficient no-reference metric for perceived blur | |
Morzelona | Human visual system quality assessment in the images using the IQA model integrated with automated machine learning model | |
CN110910347B (zh) | 一种基于图像分割的色调映射图像无参考质量评价方法 | |
Wang et al. | A no-reference perceptual blur metric based on complex edge analysis | |
CN111724331B (zh) | 一种基于生成网络的多孔介质图像重建方法 | |
Sang et al. | Blind image quality assessment using a reciprocal singular value curve | |
Sang et al. | Image quality assessment based on quaternion singular value decomposition | |
Lu et al. | Statistical modeling in the shearlet domain for blind image quality assessment | |
Mu et al. | A radiographic image quality assessment algorithm based on network topology analysis | |
JP4238537B2 (ja) | 画像処理装置 | |
Geerdens et al. | Large sample properties of nonparametric copula estimators under bivariate censoring | |
Eldarova et al. | Comparative analysis of universal methods no reference quality assessment of digital images | |
CN106327497A (zh) | 基于超广延熵的灰度图像阈值分割方法 | |
JP6609388B1 (ja) | ゴム材料の劣化状態の診断装置 | |
Yang | Research on the single image super-resolution method based on sparse Bayesian estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190401 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190401 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190618 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190702 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190828 |
|
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: 20191008 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191025 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6609387 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |