JP2021043095A - 磁粉探傷装置 - Google Patents

磁粉探傷装置 Download PDF

Info

Publication number
JP2021043095A
JP2021043095A JP2019166088A JP2019166088A JP2021043095A JP 2021043095 A JP2021043095 A JP 2021043095A JP 2019166088 A JP2019166088 A JP 2019166088A JP 2019166088 A JP2019166088 A JP 2019166088A JP 2021043095 A JP2021043095 A JP 2021043095A
Authority
JP
Japan
Prior art keywords
image
magnetic powder
magnetic particle
unit
magnetic
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
Application number
JP2019166088A
Other languages
English (en)
Inventor
雄貴 荒井
Yuki Arai
雄貴 荒井
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
JTEKT Corp
Original Assignee
JTEKT Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by JTEKT Corp filed Critical JTEKT Corp
Priority to JP2019166088A priority Critical patent/JP2021043095A/ja
Priority to US17/008,951 priority patent/US20210080521A1/en
Priority to EP20194340.4A priority patent/EP3792620A1/en
Priority to CN202010948199.6A priority patent/CN112485324A/zh
Publication of JP2021043095A publication Critical patent/JP2021043095A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
    • G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
    • G01N27/83—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields
    • G01N27/84—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields by applying magnetic powder or magnetic ink
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/91—Investigating the presence of flaws or contamination using penetration of dyes, e.g. fluorescent ink
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N15/0205—Investigating particle size or size distribution by optical means
    • G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/12—Measuring magnetic properties of articles or specimens of solids or fluids
    • G01R33/1276—Measuring magnetic properties of articles or specimens of solids or fluids of magnetic particles, e.g. imaging of magnetic nanoparticles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • G01N2021/8918—Metal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/759—Region-based matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Electrochemistry (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Nanotechnology (AREA)
  • Dispersion Chemistry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

【課題】磁粉探傷の精度向上。【解決手段】磁化された被検体２００に磁粉２０１を付着させ、磁粉２０１を撮像して得られる画像、および画像を二値化した二値化画像を取得する画像取得部１１０と、画像から一塊の磁粉２０１である磁粉群２０２を囲む磁粉群領域２０３を決定する領域特定部１２０と、磁粉群領域２０３内における輝度を統計処理して得られる輝度情報、および二値化画像から得られる磁粉群２０２の形状に関する形状情報を教師有り学習により得られた人工知能で処理し、傷を検出する検出部１３０と、を備える磁粉探傷装置１００。【選択図】図２

Description

エッジを有する被検体の傷の有無を判定する磁粉探傷装置に関する。
鉄鋼材料など強磁性材料の被検体の表面に存在する割れなどを含む傷を検出するために磁粉探傷が行われている。磁粉探傷検査では、被検体に付着させた磁粉により傷を目立たせて、目視などにより傷を検出する。
例えば特許文献１では、磁粉付着後の被検査物をカメラによって撮影し、得られた画像を解析することにより傷の有無を判断する技術が開示されている。
特開２０１７−１７３２５１号公報
ところが、特許文献１に記載の画像解析に基づく磁粉探傷では、被検体が連続する歯（ラック）を備えたラックシャフトなどの場合、探傷する部分に歯に基づくエッジが多数存在し、傷とエッジとを判別して傷のみを検出することは困難である。また、被検体のエッジの位置を認識させてエッジ部分を除外することが考えられるが、エッジと重なるようについた傷の検出が困難である。
また、傷およびエッジは、漏洩磁束の大きさが近しいため、付着した磁粉の状態も近似し、目視によっても傷の有無を確認することは困難である。
本発明は、上記課題に鑑みなされたものであり、傷候補である磁粉群から“傷とエッジの判別に優位な“特定の特徴量を抽出し、人工知能により、エッジに付着した磁粉群か傷に付着した磁粉群かを判別する。
上記目的を達成するために、本発明の１つである磁粉探傷装置は、磁化された被検体に磁粉を付着させ、前記被検体を撮像して得られる画像、および前記画像の全部、または部分を二値化した二値化画像を取得する画像取得部と、前記画像または前記二値化画像の少なくとも一方に基づき一塊の磁粉である磁粉群を囲む磁粉群領域を決定する領域特定部と、特定された前記磁粉群領域内における複数の微小領域の輝度を統計処理して得られる輝度情報、および前記二値化画像から得られる磁粉群の形状に関する形状情報を教師有り学習により得られた人工知能で処理し、傷を検出する検出部と、を備える。
本発明によれば、画像内に被検体のエッジが含まれる場合であっても被検体の傷の検出精度を向上させることができる。
発光する磁粉を付着させた被検体の一部の表面を示す画像である。 磁粉探傷装置の機能構成を示すブロック図である。 領域特定部により特定された磁粉群領域を示すイメージ図である。 探傷モデル学習装置の機能構成を示すブロック図である。
以下に、本発明に係る磁粉探傷装置の実施の形態について、図面を参照しつつ説明する。なお、以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の位置関係、および接続状態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下では複数の発明を一つの実施の形態として説明する場合があるが、請求項に記載されていない構成要素については、その請求項に係る発明に関しては任意の構成要素であるとして説明している。また、図面は、本発明を説明するために適宜強調や省略、比率の調整を行った模式的な図となっており、実際の形状や位置関係、比率とは異なる場合がある。
図１は、発光する磁粉を付着させた被検体の一部の表面を示す画像である。なお、同図に示す画像は、二値化処理された後の画像である。画像には、被検体２００、および被検体２００のエッジ、傷などに付着した発光状態の磁粉２０１の像が含まれている。
被検体２００は、磁化が可能であり磁化後の表面に磁粉２０１を付着させることができる強磁性材料の物であれば、特に限定されるものではない。本実施の形態の場合、被検体２００として車両の操舵装置に用いられる鉄鋼材料からなるラックシャフトを例示している。ラックシャフトは、長尺棒状の部材の一部に複数の歯（ラック）を備えている。複数の歯は、長手方向に並んで形成されている。各歯は、長手方向におよそ交差する方向に沿って延びている。
被検体２００の表面に発生する傷の原因は種々考えられるが、例えば焼き入れ等の熱処理により発生する割れが表面に発生する傷となる場合がある。また、熱処理によって生じた変形を元に戻す際にも割れが生じる場合がある。
磁粉２０１は、磁化された被検体２００に付着させる事ができる微小な粒子である。また、磁粉２０１は、撮像された画像において被検体２００の表面に対し高い識別性を備えるものが好ましい。本実施の形態の場合、磁粉２０１は、表面に蛍光物質が付着したいわゆる蛍光磁粉であり、磁粉２０１が発光することにより被検体２００の表面に比べて高い輝度で撮像することができるものとなっている。磁粉２０１の発光色は特に限定されるものではなく、撮像可能な発光色であれば、可視光ばかりでなく赤外光や紫外光などであってもかまわない。また、磁粉２０１は、蓄光するものでもよく、ブラックライトなどの励起光を照射している間のみ光を放射するものであってもかまわない。
図２は、実施の形態に係る磁粉探傷装置の機能構成を示すブロック図である。同図に示すように、磁粉探傷装置１００は、磁粉２０１が付着した被検体２００の表面の画像に基づき傷を検出する装置であって、画像取得部１１０と、領域特定部１２０と、検出部１３０と、を備えている。本実施の形態の場合、磁粉探傷装置１００は、表示装置１６０と、二値化部１５０と、を備えている。
画像取得部１１０は、磁化された被検体２００に磁粉２０１を付着させ、発光状態の磁粉２０１を撮像して得られる画像、および前記画像を二値化部１５０により二値化した二値化画像を取得する。本実施の形態の場合、画像取得部１１０は、被検体２００を撮像した撮像装置２１０から連続階調のデジタル画像と、前記デジタル画像に基づく二値化画像を取得する。
撮像装置２１０は、例えばＣＣＤイメージセンサ、ＣＭＯＳイメージセンサなどのイメージセンサと、光学系とを備えた装置であり、被検体２００表面の発光状態の磁粉２０１を二次元のデジタル画像として取得する。具体的には、撮像装置２１０は、被検体２００に付着した磁粉２０１を個別に識別可能な解像度で被検体２００を撮影する。このように撮影された画像では、例えば、１画素のサイズが磁粉２０１のサイズ以下となることが望ましい。なお、本実施の形態の場合、磁粉２０１のサイズは、数マイクロメートル程度である。
また、撮像装置２１０が低解像度カメラである場合、撮像装置２１０は、被検体２００の画像を複数の領域に分割して撮影してもよい。例えば、撮像装置２１０は、被検体２００に対して相対的に移動しながら撮影してもよい。また、撮像装置２１０がラインセンサであって、被検体２００をスキャンすることにより撮像してもかまわない。
本実施の形態の場合、撮像装置２１０は、同種の被検体２００に対し同じ姿勢で撮像できる様に被検体２００を固定する治具に対して固定的に取り付けられている。
撮像装置２１０が取得する画像のデータ形式は、特に限定されるものではない。また、画像は、カラーデータ、白黒データ（グレースケール）のいずれでもかまわない。
本実施の形態の場合、磁粉探傷装置１００は、撮像装置２１０から得られる連続階調の画像を二値化する二値化部１５０を備えている。二値化部１５０が画像を２階調化する方法は特に限定されるものではないが、例えば撮像装置２１０から得られる画像がカラー画像の場合、二値化部１５０は、カラー画像をグレースケール化した後に濃淡を示す二値化閾値に基づきデジタル画像を二値化する。本実施の形態の場合、磁粉２０１からの光を撮像した部分は白、それ以外は黒として二値化している。
なお、二値化部１５０は、画像全体を二値化する場合ばかりでなく、領域特定部１２０が画像から特定した磁粉群領域２０３（図３参照）内について二値化を実行してもかまわない。また、二値化部１５０は、磁粉探傷装置１００が備えることなく、他の装置、例えば撮像装置２１０などが備えていてもかまわない。
図３は、領域特定部１２０により特定された磁粉群領域２３０を示すイメージ図である。なお、図３は、画像取得部１１０が取得した画像そのものを示すものではなく、また、二値化部１５０が二値化した後の画像を示すものではない。また図３は、得られた画像の一部を示すものであり、１つの画像内に複数の磁粉群２０２が存在する場合もある。
領域特定部１２０は、撮像装置２１０から取得した画像、および二値化部１５０から得ら二値化画像の少なくとも一方に基づき一塊の磁粉２０１である磁粉群２０２を囲む磁粉群領域２０３を決定する処理を行う。
磁粉群２０２とは画像において空間的に連続した状態の複数の磁粉２０１を意味している。空間的に連続するとは、隣り合う磁粉２０１が所定距離未満で配置されていることを意味する。所定距離は、特に限定されるものではないが、本実施の形態の場合、所定距離は０が採用されている。つまり、重なった状態の一塊の磁粉２０１全体が磁粉群２０２となる。
具体的に例えば領域特定部１２０は、二値化画像を画像解析して、磁粉２０１、または磁粉群２０２として撮像された白色の部分の外形線を特定し、外形線で囲まれた部分の面積を算出する。そして算出された面積が面積閾値以上の部分を磁粉群２０２として特定する。なお、領域特定部１２０は、人工知能モデルを用いて磁粉群２０２を特定してもかまわない。
磁粉群領域２０３とは、画像内において磁粉群２０２の全体を所定の形状によって取り囲む事ができる領域である。磁粉群領域２０３の形状は、特に限定されるものではないが、本実施の形態の場合、領域特定部１２０は、磁粉群領域２０３の形状を矩形の領域としている。また、領域特定部１２０は、画像内における姿勢も一定となるように磁粉群領域２０３を特定する。具体的に例えば、領域特定部１２０は、矩形の磁粉群領域２０３の一辺が画像の一辺と平行になるように磁粉群領域２０３を決定する。また、領域特定部１２０は、特定された磁粉群２０２を取り囲む事ができる最小面積の領域を磁粉群領域２０３として決定する。
なお、磁粉群２０２の特定、および磁粉群領域２０３の決定は、デジタル画像、および二値化画像の少なくとも一方を用いればよい。また、一方の画像に基づき磁粉群領域２０３を決定した場合でも他方の画像の同じ位置に磁粉群領域２０３が対応付けられる。また、領域特定部１２０は、磁粉群領域２０３の中から磁粉群２０２を構成しない磁粉２０１を除外する操作を行ってもかまわない。
検出部１３０は、特定された磁粉群領域２０３内における複数の微小領域の輝度を統計処理して得られる輝度情報、および二値化画像から得られる磁粉群２０２の形状に関する形状情報を教師有り学習により得られた人工知能モデルで処理し、傷を検出する。本実施の形態の場合、検出部１３０は、統計処理部１３１と、形状情報生成部１３２と、人工知能部１３３とを備えている。なお、検出部１３０において、人工知能部１３３に入力するパラメータを生成する処理部は、統計処理部１３１、形状情報生成部１３２以外にも存在する場合があり、図２における破線、および点線はその可能性を示唆するものとして記載している。
統計処理部１３１は、領域特定部１２０により特定された磁粉群領域２０３を微小な領域に分割し、各領域から得られる数値を統計処理して人工知能部１３３に入力されるパラメータを算出する。統計処理部１３１は、各微小領域の輝度の平均値、および各微小領域の輝度の標準偏差の少なくとも１つを算出する。本実施の形態の場合、統計処理部１３１は、画像の１ピクセルを微小領域として各領域の輝度の平均値、および各領域の輝度の標準偏差を算出している。
なお、統計処理部１３１は、輝度に加えて、各微小領域の彩度、明度、色相などを統計処理して人工知能部１３３に入力するパラメータを算出してもかまわない。
形状情報生成部１３２は、二次元の二値化画像から得られる磁粉群２０２の形状に関する形状情報を人工知能部１３３に入力されるパラメータとして算出する。本実施の形態の場合、形状情報生成部１３２は、正規化慣性モーメント、および伸長因子の少なくとも１つを算出する。
慣性モーメントとは、画像における磁粉群２０２を微小領域（例えば１ピクセル）に分割し、各微小領域に一定の質量があると仮定した場合の慣性モーメントである。画像における慣性モーメントは、磁粉群２０２の重心に対する磁粉群２０２に含まれる磁粉２０１の分布を表す値である。慣性モーメントは、磁粉群領域２０３の一辺をｘ軸、ｘ軸に交差する他の辺をｙ軸とした場合、Ｉｘｘ、Ｉｙｙ、Ｉｘｙ、Ｉｙｘという値が存在するが、本実施の形態の場合、Ｉｘｘ、およびＩｙｙをパラメータとして採用している。なお、Ｉｘｘ、Ｉｙｙは、それぞれｘ軸、ｙ軸に関する慣性モーメント係数であり、Ｉｘｙは、慣性乗積である。
正規化慣性モーメントとは、慣性モーメントを磁粉群領域２０３の面積で正規化した値である。
伸長因子とは、磁粉群２０２の最大フェレー直径を等価長方形の短辺で割った値である。等価長方形とは、最大フェレー径を長辺として面積が磁粉群２０２と同じになるようにした長方形である。
なお、形状情報生成部１３２は、領域特定部１２０において磁粉群２０２を特定する際に用いた画像解析により得られる磁粉群２０２の形状を用いて形状情報を生成してもかまわない。
人工知能部１３３は、人工知能モデルを備え、取得したパラメータを人工知能モデルに入力することで、磁粉群２０２が傷か傷でないかを判断する。人工知能部１３３が備える人工知能モデルの種類は、特に限定されるものではないが、例えば機械学習を用いれば良い。具体的なモデルとしては、ニューラルネットワークを例示する事ができる。
なお、検出部１３０は、統計処理部１３１、形状情報生成部１３２以外にも、人工知能モデルに入力するパラメータを生成する処理部を備えていてもかまわない。
また、人工知能部１３３に組み込まれる人工知能モデルは、例えば図４に示すような探傷モデル学習装置３００を用いて学習したモデルが採用される。探傷モデル学習装置３００については後述する。
表示装置１６０は、検出部１３０の検出結果を報知するための装置である。表示装置１６０は、傷の有無だけを報知しても良い。また、傷が検知された場合には、傷の数、傷の大きさ（長さ）などを報知しても良い。さらに、画像取得部１１０が取得した画像と共に、傷の位置について色などを変えて表示してもかまわない。
図４に示す探傷モデル学習装置３００は、画像取得部１１０と、領域特定部１２０と、二値化部１５０と、学習部３１０と、を備えている。探傷モデル学習装置３００は、磁粉探傷装置１００と共通する構成を備えており、同じ機能を有する処理部については同一の符号を付し説明を省略する場合がある。
学習部３１０は、統計処理部１３１と、形状情報生成部１３２と、教師部３１２と、モデル形成部３１１とを備えている。なお、学習部３１０において、モデル形成部３１１に入力するパラメータを生成する処理部は、統計処理部１３１、形状情報生成部１３２以外にも存在する場合があり、図４における破線、および点線はその可能性を示唆するものとして記載している。
教師部３１２は、領域特定部１２０により特定され、統計処理部１３１、および形状情報生成部１３２によりパラメータが算出された磁粉群２０２が傷か傷でないかを示す傷情報を磁粉群２０２に対応付けてモデル形成部３１１に入力する処理部である。
具体的に例えば、傷の存在が確認されている被検体２００を撮像装置２１０により撮像し、得られた画像に基づき領域特定部１２０が特定した複数の磁粉群２０２に対し傷であるか傷でないかを作業者が紐付ける。教師部３１２は、作業者が紐付けた傷情報を取得して、各磁粉群２０２が傷であるか傷でないかを入力する。
モデル形成部３１１は、磁粉探傷装置１００と同種の人工知能モデルを備え、磁粉群２０２と同種の統計処理部１３１、形状情報生成部１３２などから取得したパラメータ、および傷情報を人工知能モデルに入力することで、磁粉群２０２が傷か傷でないかを高確率で判断する事ができる人工知能モデルを形成していく。
探傷モデル学習装置３００は、所定数の被検体２００に基づいて教師有り学習を実行し、形成された人工知能モデルを磁粉探傷装置１００の人工知能部１３３に提供する。
以上のように、本実施の形態に係る磁粉探傷装置１００は、画像全体をディープラーニングなどにより学習させて、傷の検出をするのではなく、傷の可能性がある部分である磁粉群２０２を画像から抽出し、磁粉群２０２と、磁粉群２０２を取り囲む磁粉群領域２０３から得られるパラメータに基づきエッジなどを除外して探傷を行っている。従って、傷の未検出率を低く抑えることができ、傷の誤検出率も低く抑えることができる。
例えば、輝度の平均値、輝度の標準偏差、正規化慣性モーメント、および伸長因子をパラメータに含めることにより、傷の未検出率を５％以下、傷の誤検出率を１０％以下にすることが可能となる。さらに、人工知能モデルの学習量の増加、パラメータの種類の追加などにより傷の未検出率０％、傷の誤検出率５％以下を目指すことも可能である。
なお、本発明は、上記実施の形態に限定されるものではない。例えば、本明細書において記載した構成要素を任意に組み合わせて、また、構成要素のいくつかを除外して実現される別の実施の形態を本発明の実施の形態としてもよい。また、上記実施の形態に対して本発明の主旨、すなわち、請求の範囲に記載される文言が示す意味を逸脱しない範囲で当業者が思いつく各種変形を施して得られる変形例も本発明に含まれる。
例えば、上記実施の形態では、磁粉２０１は、蛍光磁粉が用いられていたが、所定の色に着色された非蛍光磁粉が用いられてもよい。所定の色は、被検体２００の表面と異なる色であればよく、被検体の色に応じて例えば赤、黒又は白等を用いることができる。非蛍光磁粉が用いられる場合、磁粉探傷装置１００は、ブラックライトの代わりに可視光を照射するライトを備えてもよい。この場合、画像からの磁粉２０１の認識は、所定の色に基づいて行われればよい。例えば、非蛍光磁粉が赤色を有する場合、ＲＧＢ画像においてＲの輝度値に基づいて非蛍光磁粉が検出されてもよい。このように非蛍光磁粉が用いられることにより、発光する蛍光磁粉よりも個々の磁粉２０１を鮮明に撮影することができ、磁粉群２０２から得られる情報の精度を高めることができる場合がある。
また、磁粉探傷装置１００は、表示装置１６０に検出結果が出力されていたが、これに限らない。例えば、検出結果は、ランプ、スピーカなどで通知されてもよい。この場合、磁粉探傷装置１００は、表示装置１６０を備えなくてもよい。
また、磁粉探傷装置１００により検査される被検体２００は、ラックシャフトに限定されるものではなく、磁粉探傷が可能な強磁性体であれば、歯車、軸受の部品など任意の部材が対象となる。
磁粉探傷検査を行うためのシステム及び装置として利用することができる。
１００…磁粉探傷装置、１１０…画像取得部、１２０…領域特定部、１３０…検出部、１３１…統計処理部、１３２…形状情報生成部、１３３…人工知能部、１５０…二値化部、１６０…表示装置、２００…被検体、２０１…磁粉、２０２…磁粉群、２０３…磁粉群領域、２１０…撮像装置、３００…探傷モデル学習装置、３１０…学習部、３１１…モデル形成部、３１２…教師部

Claims (3)

  1. 磁化された被検体に磁粉を付着させ、前記被検体を撮像して得られる画像、および前記画像の全部、または部分を二値化した二値化画像を取得する画像取得部と、
    前記画像または前記二値化画像の少なくとも一方に基づき一塊の磁粉である磁粉群を囲む磁粉群領域を決定する領域特定部と、
    特定された前記磁粉群領域内における複数の微小領域の輝度を統計処理して得られる輝度情報、および前記二値化画像から得られる磁粉群の形状に関する形状情報を教師有り学習により得られた人工知能で処理し、傷を検出する検出部と、
    を備える磁粉探傷装置。
  2. 前記輝度情報は、輝度の平均値、および輝度の標準偏差の少なくとも一方である
    請求項１に記載の磁粉探傷装置。
  3. 前記形状情報は、正規化慣性モーメント、および伸長因子の少なくとも一方である
    請求項１または２に記載の磁粉探傷装置。
JP2019166088A 2019-09-12 2019-09-12 磁粉探傷装置 Pending JP2021043095A (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2019166088A JP2021043095A (ja) 2019-09-12 2019-09-12 磁粉探傷装置
US17/008,951 US20210080521A1 (en) 2019-09-12 2020-09-01 Magnetic particle inspection device
EP20194340.4A EP3792620A1 (en) 2019-09-12 2020-09-03 Magnetic particle inspection device
CN202010948199.6A CN112485324A (zh) 2019-09-12 2020-09-10 磁性粒子检查装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019166088A JP2021043095A (ja) 2019-09-12 2019-09-12 磁粉探傷装置

Publications (1)

Publication Number Publication Date
JP2021043095A true JP2021043095A (ja) 2021-03-18

Family

ID=72355894

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019166088A Pending JP2021043095A (ja) 2019-09-12 2019-09-12 磁粉探傷装置

Country Status (4)

Country Link
US (1) US20210080521A1 (ja)
EP (1) EP3792620A1 (ja)
JP (1) JP2021043095A (ja)
CN (1) CN112485324A (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117451830B (zh) * 2023-10-26 2024-03-29 江阴市精成数控有限公司 荧光磁粉喷砂轴承工件缺陷检测系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04297961A (ja) * 1991-03-27 1992-10-21 Toyota Motor Corp 磁粉探傷データ処理装置
JPH07333197A (ja) * 1994-06-09 1995-12-22 Nippon Steel Corp 表面疵自動探傷装置
JP3492509B2 (ja) * 1998-02-04 2004-02-03 株式会社神戸製鋼所 表面欠陥探傷装置及び蛍光磁粉探傷方法
JP6697302B2 (ja) 2016-03-25 2020-05-20 マークテック株式会社 探傷装置、及び探傷装置による欠陥検出方法

Also Published As

Publication number Publication date
CN112485324A (zh) 2021-03-12
US20210080521A1 (en) 2021-03-18
EP3792620A1 (en) 2021-03-17

Similar Documents

Publication Publication Date Title
CN108445007B (zh) 一种基于图像融合的检测方法及其检测装置
CN108090890B (zh) 检查装置以及检查方法
JP4150390B2 (ja) 外観検査方法及び外観検査装置
US20200265575A1 (en) Flaw inspection apparatus and method
JP2008170325A (ja) シミ欠陥検出方法およびシミ欠陥検出装置
JP2015143656A (ja) 検査装置および検査方法
WO2015100284A1 (en) Measuring apparatus, system, and program
JP2014066657A (ja) 自動車車体の表面検査装置および表面検査方法
CN105787429B (zh) 采用机器视觉用于检查物体的方法和设备
JP2011013007A (ja) 磁粉探傷装置
JP2014020926A (ja) 表面欠陥検査装置及び表面欠陥検査方法
JP2021043095A (ja) 磁粉探傷装置
JP4279833B2 (ja) 外観検査方法及び外観検査装置
JP3344995B2 (ja) 錠剤表面検査装置
JP2019200775A (ja) 表面欠陥検査装置及び表面欠陥検査方法
JP6647903B2 (ja) 画像検査装置、画像検査プログラム及びコンピュータで読み取り可能な記録媒体並びに記録した機器
JP5331661B2 (ja) 画像処理方法および画像処理装置
JP2009236760A (ja) 画像検出装置および検査装置
JP2005241304A (ja) 外観検査方法
JP2013011950A (ja) 画像処理装置、画像処理方法及びプログラム
JP2013114582A (ja) 物体検出装置
CN106855948A (zh) 一种检测答题卡扫描产生二次污染的方法及装置
KR101293546B1 (ko) 듀얼 카메라를 이용한 홀 검출 장치 및 방법
JPS62156547A (ja) 表面欠陥検出方法
JP2020118572A (ja) 表面欠陥検査装置及び表面欠陥検査方法