JP2021111665A - 巻線検査方法、巻線検査装置、および超電導コイル装置の製造方法 - Google Patents

Abstract

【課題】充填材が塗布された線材を巻回して形成される巻線コイルにおいて、充填材のボイドをより精度よく検出する巻線検査方法を提供する。【解決手段】巻線検査方法は、充填材が塗布された線材を巻枠に巻回して形成される巻線コイルの撮像画像を取得するステップと、巻枠の回転を制御する巻線制御装置から巻枠の角速度を取得するステップと、巻枠の角速度から算出される巻線コイルの外周面の周速度に基づいて、撮像画像のブレを補正するステップと、ブレ補正後の撮像画像を解析することにより、線材間に充填された充填材のボイドを検出するステップとを含む。【選択図】図４

Description

本開示は、巻線検査方法、巻線検査装置、および超電導コイル装置の製造方法に関する。

整列巻きコイルの巻線工程では、巻線コイルが各層で等間隔に整列して巻かれる必要がある。巻線不良の有無を検査するために目視検査が実施されているが、目視検査の場合、不良の見落としの発生、および作業性低下等の問題が考えられる。

特開２０１５−２０３６１３号公報（特許文献１）は、回転電機のステータにおける巻線状態を検査する巻線検査方法を開示している。特許文献１では、サイクルタイムに影響することなく、検査対象の巻線コイルの直線性を算出でき、巻線検査の効率を向上させることを検討している。

特開２０１５−２０３６１３号公報

超電導コイル等の整列巻きコイルの巻線工程では、線材がズレないように充填材を線材間に充填する場合がある。この充填材の塗布作業は機械または人により行われるが、線材間の空隙（以下、「ボイド」とも称する。）が巻線不良の原因となり得るため、このボイドを作業途中で検出することが望ましい。特許文献１は、コイルの巻線工程において巻線の直線性不良等を検出する方法を開示しているが、充填材を線材間に充填しながら形成される巻線コイルにおいて、上記ボイドを検出することについては何ら教示または示唆されていない。

本開示のある局面における目的は、充填材が塗布された線材を巻回して形成される巻線コイルにおいて、充填材のボイドをより精度よく検出することである。

ある実施の形態に従う巻線検査方法は、充填材が塗布された線材を巻枠に巻回して形成される巻線コイルの撮像画像を取得するステップと、巻枠の回転を制御する巻線制御装置から巻枠の角速度を取得するステップと、巻枠の角速度から算出される巻線コイルの外周面の周速度に基づいて、撮像画像のブレを補正するステップと、ブレ補正後の撮像画像を解析することにより、線材間に充填された充填材のボイドを検出するステップとを含む。

他の実施の形態に従う巻線検査装置は、充填材が塗布された線材を巻枠に巻回して形成される巻線コイルの撮像画像を取得する画像取得部と、巻枠の回転を制御する巻線制御装置から巻枠の角速度を取得する情報取得部と、巻枠の角速度から算出される巻線コイルの外周面の周速度に基づいて、撮像画像のブレを補正する補正部と、ブレ補正後の撮像画像を解析することにより、線材間に充填された充填材のボイドを検出する検出部とを含む。

さらに他の実施の形態に従うと、超電導コイル装置の製造方法が提供される。製造方法は、巻枠に超電導線を巻回して巻線コイルを形成するステップと、上記巻線検査方法を用いて巻線コイルを検査するステップと、検査された複数の巻線コイルに外枠および真空槽を取り付けるステップと、真空槽を真空引きするステップと、外枠が取り付けられた巻線コイルを冷却するステップとを含む。

本開示によると、充填材が塗布された線材を巻回して形成される巻線コイルにおいて、充填材のボイドをより精度よく検出することができる。

実施の形態１に従う巻線検査装置の全体構成の一例を示す図である。 巻線工程を説明するための図である。 画像処理の対象エリアを説明するための図である。 巻線検査方法の処理手順を示すフローチャートである。 ボイド検出エリアの設定方式を説明するための図である。 ブレ補正前後のボイド検出エリアの画像を示す図である。 ブレ補正方式を説明するための図である。 ボイド検出結果の表示例を示す図である。 実施の形態に従うボイド検出工程の処理手順を示すフローチャートである。 各工程により生成される画像を模式的に示す図である。 画像処理装置および巻線制御装置のハードウェア構成の一例を示すブロック図である。 実施の形態１に従う画像処理装置の機能構成を示す模式図である。 実施の形態２に従うボイド検出工程の処理手順を示すフローチャートである。 図１３中の各工程により生成される画像を模式的に示す図である。 実施の形態３に従うボイド検出工程の処理手順を示すフローチャートである。 図１５中の各工程により生成される画像を模式的に示す図である。 実施の形態４に従う超電導コイル装置の製造方法を示すフローチャートである。

以下、図面を参照しつつ、本実施の形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。

実施の形態１．
＜全体構成＞
図１は、実施の形態１に従う巻線検査装置１の全体構成の一例を示す図である。図１を参照して、巻線検査装置１は、充填材が塗布された線材８を巻枠５に巻回して形成される巻線コイル６の検査を行なう。具体的には、巻線検査装置１は、撮像用のカメラ２と、照明３と、画像処理装置４と、出力装置１４とを含む。

カメラ２は、高画質、高精細な画像処理用のカメラである。照明３としては、例えば、バー型照明が使用される。実施の形態１では、カメラ２にはカラーカメラ、照明３には白色照明を使用して、撮像した検査対象の巻線コイル６の撮像画像を処理することにより巻線コイル６の検査を行なう。白色照明を使用する理由は、画像の情報量を減らさないためである。単色照明、例えば、赤色照明の場合には、青成分および緑成分の色の情報がなくなる。色情報が多い方がボイドの検出精度は高くなるため、白色照明およびカラーカメラが使用される。

画像処理装置４は、カメラ２で撮像された巻線コイル６の撮像画像を取得し、当該撮像画像を画像解析して、巻線コイル６における充填材のボイドを検出する。画像処理装置４は、ボイドの検出結果に基づいて検査対象の巻線コイル６の良否判定を行なう。より具体的には、画像処理装置４は、充填材の塗布状態の良否判定を行なう。

出力装置１４は、例えば、ディスプレイである。出力装置１４は、巻線検査に関する各種情報（例えば、検査条件、ボイドの検出結果、巻線コイル６の良否判定結果等）を表示する。検査員は、出力装置１４に表示された情報を確認しながら、巻線検査を行なう。

巻線制御装置１３は、巻線装置７の動作を制御して、巻線装置７に取り付けられた巻枠５を回転駆動する。すなわち、巻線制御装置１３は、巻線装置７を介して、巻枠５の回転を制御する。

＜巻線工程の概要＞
巻枠５に線材８を巻回して巻線コイル６を形成する巻線工程について、図１および図２を用いて説明する。図２は、巻線工程を説明するための図である。具体的には、図２（ａ）は、線材８を巻回する前の巻枠５を示し、図２（ｂ）は、線材８を巻回した後の巻枠５を示す。図２（ｃ）は、図２（ｂ）の範囲５００における模式断面図である。

図１を参照して、巻枠５を巻線装置７に取り付け、線材８を充填ボックス９に通して巻枠５に固定する。この状態で、巻線制御装置１３が巻線装置７に取り付けられた巻枠５を回転駆動することにより、充填材が塗布された線材８が巻枠５に巻回されていく。線材８を充填ボックス９に通すことで、線材８の全面に充填材が塗布され、線材８がより強く固定される。線材８は、例えば、超電導線のニオブチタン（ＮｂＴｉ）線である。充填材は、例えば、エポキシ樹脂である。

なお、充填ボックス９での充填材の塗布量の調整は難しい場合が多い。そのため、充填材を線材８に多めに塗布しておき、予め定められたタイミング（例えば、検査員により設定されたタイミング）でヘラ１０により余分な充填材が拭き取られる。余分な充填材を拭き取らない場合には、充填材が線材８間からはみ出て作業性が悪化し、意図しない部位に充填材が付着することで不良の原因にもなる。

図２（ａ）に示す巻枠５に充填材９ａが塗布された線材８が巻回されることで、図２（ｂ）に示すような巻線コイル６が形成される。図２（ｃ）には、線材８が、１層からｓ層まで順に積み上げられた状態が示されている。ここでは、巻線コイル６の線材８の積層数をｓとし、１層当たりのターン数をｔとする。

図２（ｃ）を参照して、１層目１ターン、１層目２ターン、・・・１層目ｔターンの順に、充填材９ａが塗布された線材８が巻き付けられる。なお、線材８は、１ターンごとに隙間を空けて巻き付けられる。ここで、１層目の巻回が終了する際（例えば、ｔターン終了後）に、ヘラ１０で充填材９ａが拭き取られる。この場合、線材８の上面（すなわち、巻枠５の中心とは反対側の面）側に付着した充填材９ａは拭き取られるが、線材８間の隙間には充填材９ａが充填された状態となる。

次に、２層目の線材８は、１層目の線材８上に巻き付けられる。具体的には、１層目とは逆側から、２層目１ターン、２層目２ターン、・・・、２層目ｔターンの順に、充填材９ａが塗布された線材８が巻き付けられる。２層目の巻回が終了する際に、ヘラ１０で充填材９ａが拭き取られると、線材８の上面側に付着した充填材９ａが拭き取られる。これを繰り返して、ｓ層目１ターン、・・・、ｓ層目ｔターンの線材８の巻回が終了し、線材８の上面の充填材９ａが拭き取られると、図２（ｃ）に示すような状態となる。

１ターンごとに充填材９ａが拭き取られるため、巻線コイル６の最も外側の層（例えば、図２（ｃ）に示すｓ層）の線材８の上面には充填材９ａが付着しておらず、各線材８の隙間には充填材９ａが充填された状態となる。そのため、巻線コイル６を外側から視認すると、図２（ｂ）に示すように、線材８と充填材９ａとが一定間隔に並んだ縞模様状に見える。典型的には、各層が完成した状態（すなわち、ｔターンの線材８の巻回が終了し、線材８の上面の充填材９ａが拭き取られた状態）をカメラ２で撮像し、その撮像画像を用いて巻線コイル６の検査が実行される。

＜巻線検査方法＞
巻線検査方法の処理手順を説明する前に、画像処理に必要な座標系を説明する。

図３は、画像処理の対象エリアを説明するための図である。具体的には、図３（ａ）は、カメラ２の撮像範囲であるカメラ視野１２を示しており、図３（ｂ）は、カメラ視野１２の拡大図である。

図３（ａ）を参照して、カメラ視野１２の水平右向きおよび垂直下向きを、それぞれＸ軸方向およびＹ軸方向とし、紙面の奥から手前向きをＺ軸方向とする。なお、Ｙ軸方向は、線材８の巻き回り方向となる。図３（ｂ）を参照して、ボイド検出エリア１２ａは、充填材９ａのボイドを検出するために画像処理が実行されるエリアとして設定される。詳細は後述するが、ボイド検出エリア１２ａは、照明３の正反射部１２ｃの下側に設定される。巻線コイル６の不良として検出されるボイド１２ｂは、充填材９ａの表面に現れるドーム形状の気泡である。そのため、カメラ２を通してボイド１２ｂを確認すると、照明３の光が反射することで白い粒状に見える。

画像処理アルゴリズムを簡易にするため、ボイド検出エリア１２ａは横長の長方形に設定される。この場合、照明３は巻枠５の幅と同じ長さのバー型照明を使用することが好ましい。なぜなら、ボイド検出エリア１２ａ内の横方向の明るさが均一になり、ボイドの検出感度が均一になるためである。なお、バー型照明の長さが巻枠５の幅よりも長い場合には、巻枠５によってボイド検出エリアの左右端に影ができてしまい、短い場合には、ボイド検出エリアの左右端に正面から光が当たらず、中心部と比べて暗くなってしまうため、好ましくない。

図４を用いて巻線検査方法の処理手順について説明する。図４は、巻線検査方法の処理手順を示すフローチャートである。

図４を参照して、ステップＳ１０の撮像工程では、カメラ２は、線材８が巻枠５に巻回されて形成された巻線コイル６の表面を撮像する。

ステップＳ２０の画像取得工程では、画像処理装置４は、カメラ２で撮像された巻線コイル６の撮像画像を取得する。

ステップＳ３０の情報取得工程では、画像処理装置４は、撮像画像取得時の線材８の巻位置情報と、巻枠５の角速度情報とを巻線制御装置１３から取得する。巻位置情報は、現在巻き付けられている線材８の位置を示す情報であり、例えば、当該線材８が巻線コイル６の何層目に位置しているのかを示す積層数を含む。なお、巻位置情報は、線材８が１層における何ターン目に位置しているのかを示すターン数を含んでいてもよい。

ステップＳ４０の検出エリア設定工程では、画像処理装置４は、取得した撮像画像において、充填材９ａのボイドを検出するためのボイド検出エリア１２ａを設定する。

図５は、ボイド検出エリアの設定方式を説明するための図である。図５を参照して、画像処理装置４は、公知のエッジ検出処理技術を用いて巻枠５の内側のエッジ１２ｄを検出し、両エッジ１２ｄ間をボイド検出エリア１２ａのＸ軸方向のエリアとして設定する。

次に、ボイド検出エリア１２ａのＸ座標領域を「ｗＬ≦Ｘ≦ｗＲ」として、Ｘ軸方向に線分（例えば、Ｙ＝ｈ，ｗＬ≦Ｘ≦ｗＲから成る線分）を引き、その線分上の画素値を積分する。この線分をＹ軸方向にスライドしていき（例えば、ｈ＝０から連続的に上昇させていき）、積分値が最大となる線分を基準線１２ｅとする。典型的には、基準線１２ｅは、照明３の正反射部１２ｃの中心に設定される。そして、基準線１２ｅから幅Ｗだけ、Ｙ軸方向に平行移動した座標がボイド検出エリア１２ａの上辺に設定される。ボイド検出エリア１２ａの下辺は、上辺から一定幅だけＹ軸方向に平行移動した座標に設定される。

画像処理装置４は、上記のように設定されたボイド検出エリア１２ａを示す画像を、撮像画像からトリミングする。トリミングされた画像は、次のブレ補正工程で用いられる。

上記のようにボイド検出エリア１２ａを設定する第１の理由は、巻枠５の寸法にバラツキがあるためである。具体的には、巻枠５および巻線コイル６を含むコイル装置は概ね円柱形状と仮定できるが、この円柱の高さ方向（すなわち、Ｘ軸方向）の寸法（例えば、メートルオーダの寸法）の精度によってカメラ２の撮像範囲（例えば、数十ｍｍオーダの範囲）に巻枠５のエッジが写り込む場合があるためである。本実施の形態では、エッジ検出処理により巻枠５のエッジの内側がボイド検出エリア１２ａに設定されるため、巻枠５のエッジが写り込むことはない。

第２の理由は、層数が多くなるにつれて照明３の正反射部１２ｃがＹ軸方向にずれることから、Ｙ軸方向に位置を固定して画像処理を続けるとボイド検出エリアの明るさが変化してしまいボイド検出感度に差が生じてしまうためである。正反射部１２ｃの適切な状態は、Ｘ軸方向に平行な角度で、ボイド検出エリア１２ａから一定幅上方または下方に映っている状態である。これにより、ボイド検出エリア１２ａ内の明るさが均等になる。なお、正反射部１２ｃをＸ軸方向に平行な角度にするためには、照明３を巻線コイル６の回転軸に対して平行に設置すればよい。

再び、図４を参照して、ステップＳ５０のブレ補正工程において、画像処理装置４は、設定されたボイド検出エリア１２ａの画像に対して、巻枠５の回転によるブレを補正する処理を実行する。

図６は、ブレ補正前後のボイド検出エリア１２ａの画像を示す図である。図６を参照して、画像６０１は、ボイド検出エリア１２ａのブレ補正前の画像を示しており、画像６０２は、ボイド検出エリア１２ａのブレ補正後の画像を示している。

巻枠５に線材８を巻回するために巻枠５は常時回転しているため、ボイド１２ｂが存在する場合には、巻線コイル６が回転している最中にボイド１２ｂをカメラ２で撮像することになる。したがって、カメラ２の露光時間中にボイド１２ｂが移動して（すなわち、ブレて）、ブレ補正前の画像６０１には縦長のボイド１２ｂが含まれる。画像６０１に対してブレ補正処理が行われた画像６０２には、ブレが補正されたボイド１２ｂが含まれる。ブレ補正を行なうことにより、ボイド検出の精度を向上させることができる。

図７は、ブレ補正方式を説明するための図である。図７を参照して、画像処理装置４は、ステップＳ１０で撮像された撮像画像では、カメラ２内のイメージセンサ１６において何ピクセル分のブレ幅ｎｂｒが生じているのかを計算する。

イメージセンサ１６の縦方向（すなわち、Ｙ軸方向）の分解能をｂ（ｍ）とする。分解能ｂは、イメージセンサ１６の１セルが撮像する巻線コイル６表面のＹ軸方向の長さを示している。カメラから巻枠５の円周表面までの距離をＷＤ（ｍ）、ステップＳ３０で得られた巻位置情報に含まれる積層数をｋ（層目）、巻線コイル６の１層あたりの厚みをｄ（ｍ）、カメラ２のＹ軸方向の画角をα（ｒａｄ）、イメージセンサ１６のＹ軸方向のセル数をｎ（ピクセル）とすると、分解能ｂ（ｍ）は以下の式（１）により表される。

ｂ＝２×ｔａｎ（α／２）×（ＷＤ−ｋ×ｄ）／ｎ ・・・（１）
次に、ステップＳ３０で得られた角速度をω（ｒａｄ／ｓ）、巻枠５の半径をｒ（ｍ）とすると、巻線コイル６表面のＹ軸方向の速度ｖ（ｍ／ｓ）は以下の式（２）により表される。

ｖ＝ω×（ｒ＋ｋ×ｄ）・・・（２）
したがって、回転によるブレ幅ｎｂｒ（ピクセル）は、式（１）と、カメラ２の露光時間ＲＴ（ｓ）とを用いて、以下の式（３）により表される。

式（３）における［］は、ガウス記号である。式（３）により、ブレ幅ｎｂｒが計算されるため、このブレ幅ｎｂｒを用いて撮像画像のブレ補正を実施することができる。なお、補正のアルゴリズムについては、デジタルカメラ等に使われているような公知の一般的な手法が用いられる。

以下に、一般的なブレ補正アルゴリズムの概要について説明する。
劣化画像（すなわち、実際に撮像された画像）をｇ（ｘ，ｙ）、元の画像（すなわち、ブレがなかったと仮定した場合の画像）をｆ（ｘ，ｙ）、光学伝達関数（ＯＴＦ：Optical Transfer Function）のフーリエペアである点像分布関数（ＰＳＦ：Point spread function）をｈ（ｘ，ｙ）とすると、以下の式（４）が成立する。

ｇ（ｘ，ｙ）＝ｈ（ｘ，ｙ）＊ｆ（ｘ，ｙ）・・・（４）
式（４）の＊はコンボリューション（例えば、畳み込み積分、積和とも称される）、（ｘ，ｙ）は撮影画像上の座標、ｇ，ｈ，ｆは画素値を示している。カラー画像であれば、それぞれ３つずつ関数が存在することになる。また、式（４）をフーリエ変換して周波数面に変換すると、以下の式（５）が得られる。

Ｇ（ｕ，ｖ）＝Ｈ（ｕ，ｖ）×Ｆ（ｕ，ｖ）・・・（５）
式（５）のＨは点像分布関数ＰＳＦ（ｈ）をフーリエ変換して得られるＯＴＦであり、Ｇは劣化画像ｇをフーリエ変換して得られた関数であり、Ｆは元の画像ｆをフーリエ変換して得られた関数である。（ｕ，ｖ）は２次元周波数面での座標である。撮影で得られた劣化画像ｇから元の画像ｆを得るには、以下の式（６）のように除算をする。

Ｇ（ｕ，ｖ）／Ｈ（ｕ，ｖ）＝Ｆ（ｕ，ｖ）・・・（６）
そして、Ｆ（ｕ，ｖ）を逆フーリエ変換することにより、元の画像ｆ（ｘ，ｙ）が回復画像として得られる。

また、１／Ｈを逆フーリエ変換したものをＲとすると、以下の式（７）のように実平面での画像に対し、コンボリューション処理を行うことで、同様に元の画像ｆ（ｘ，ｙ）を得ることもできる。

ｇ（ｘ，ｙ）＊Ｒ（ｘ，ｙ）＝ｆ（ｘ，ｙ）・・・（７）
このように、ＰＳＦ（ｈ）が分かれば、元の画像ｆを得ることができる。本実施の形態ではｙ軸方向のブレしか発生しない。例えば、そのブレ幅（すなわち、式（３）で算出したｎｂｒ）を３（ピクセル）とすると、ｈ（ｘ，ｙ）は次のように設定される。具体的には、ｈ（−１，−１）＝０、ｈ（０，−１）＝１／３、ｈ（１，−１）＝０、ｈ（−１，０）＝０、ｈ（０，０）＝１／３、ｈ（１，０）＝０、ｈ（−１，１）＝０、ｈ（０，１）＝１／３、ｈ（１，１）＝０に設定される。上記以外の場合はｈ（ｘ，ｙ）＝０に設定される。

再び、図４を参照して、ステップＳ６０のボイド検出工程において、画像処理装置４は、ブレ補正後の撮像画像を用いて、充填材９ａのボイドを検出する。ボイド検出工程の詳細については後述する。

ステップＳ７０の良否判定工程において、画像処理装置４は、ボイド検出結果に基づいて、巻線コイル６の良否（具体的には、充填材９ａの塗布状態の良否）を判定する。例えば、画像処理装置４は、検出されたボイドの個数が閾値Ｔｈ以上であれば、充填材９ａの塗布状態が不良であると判定し、当該個数が閾値Ｔｈ未満であれば、充填材９ａの塗布状態が良好であると判定する。

充填材９ａの塗布状態が不良である場合には、ステップＳ８０，Ｓ９０が実行される。ステップＳ８０の停止信号送信工程において、画像処理装置４は、巻線装置７の動作を停止（すなわち、巻枠５の回転を停止）させるための停止信号を巻線制御装置１３に送信する。巻線制御装置１３は、当該停止信号を受信して、巻線装置７の動作を停止させる。これにより、巻線工程での巻線が停止され、検査員は充填材９ａの塗布の手直しを行なうことができる。

ステップＳ９０の不良表示工程において、画像処理装置４は、図８に示すようにボイド検出結果を出力装置１４に表示する。

図８は、ボイド検出結果の表示例を示す図である。図８を参照して、出力装置１４には、カメラ視野１２の撮像画像が表示され、ボイド検出エリア１２ａにおいて検出されたボイド１２ｂを強調表示するために、ボイド１２ｂの周辺が四角１２ｇで囲まれている。なお、ボイド１２ｂの周辺の色を変更することで、ボイドの箇所を強調してもよいし、文字情報によりボイドの箇所を強調してもよい。これにより、検査員は、ボイドの箇所を即時に把握することができる。

図４のステップＳ１０〜ステップＳ９０の工程は、例えば、各層が完成した状態で実行される。なお、各工程は、例えば、ターンごとに実行する場合であってもよいし、処理が間に合わない場合には、複数層ごとに実行してもよい。

＜ボイド検出工程の詳細＞
図９および図１０を用いて、図４のステップＳ６０のボイド検出工程について具体的に説明する。図９は、実施の形態１に従うボイド検出工程の処理手順を示すフローチャートである。図１０は、各工程により生成される画像を模式的に示す図である。

図９を参照して、ステップＳ５０１のグレースケール変換工程において、画像処理装置４は、カラー画像をグレースケール画像に変換する。具体的には、図１０に示すボイド検出エリア１２ａのブレ補正後の画像６０２が、グレースケール画像６０３に変換される。

ステップＳ５０３の微分処理工程において、画像処理装置４は、グレースケール画像６０３にＹ軸方向の微分フィルタ処理を施すことにより、充填材９ａの色からボイドの白色に変化する境界を強調した後、２値化処理を行なう。これにより、図１０のグレースケール画像６０３から、２値化処理後の画像６０４が生成される。画像６０４の白領域中の線分２１は、白領域中の微分値（すなわち、輝度の変化量）が小さくなる結果生じたノイズを示している。

ステップＳ５０５のモフォロジー変換工程において、画像処理装置４は、モフォロジー処理を行なって、２値化処理後の画像６０４からノイズ（例えば、線分２１）を除去して、白領域中の分断部分をつなげることで図１０の画像６０５を生成する。画像処理装置４は、例えば、元の画像と、画素単位で移動させた画像との複数回の膨張の後に、複数回の収縮を行なうことにより画像６０５を生成する。

ステップＳ５０７のラベリング工程において、画像処理装置４は、画像６０５に対してラベリング処理を実行して図１０の画像６０６を生成する。具体的には、画像処理装置４は、座標が連続し、かつ互いに対応する色情報を有する一塊の画素群（ここでは、白画素群）に対して、固有のラベルを付与する。図１０の画像６０６では、比較的大きい白領域３１にラベルＬ１が付与され、小さい白領域３２にラベルＬ２が付与されている。ラベルが付与された白領域は、ボイド候補となる。

ステップＳ５０９のサイズフィルタ工程において、画像処理装置４は、ラベルＬ１，Ｌ２がそれぞれ付与された白領域３１，３２のうち、基準範囲Ｒｓ外のサイズを有する白領域のラベルを除去して、画像６０７を生成する。すなわち、画像処理装置４は、白領域３１，３２のうち基準範囲Ｒｓ内のサイズを有する白領域を抽出し、抽出されなかった白領域に対応するラベルを除去する。これにより、基準範囲Ｒｓの上限サイズよりも大きい白領域に対応するラベル、および下限サイズよりも小さい白領域に対応するラベルは取り除かれる。画像６０７ではラベルＬ２が除去されており、白領域３２はボイド候補から除外される。これにより、ボイドではない特異点およびノイズをボイド候補から除外することができる。

ここで、サイズは、白領域のＸ軸方向の幅、あるいは白領域のＹ軸方向の高さで規定される。また、積層数が多くなるにつれて、巻線コイル６の外周面とカメラ２との距離が近くなるため、基準範囲Ｒｓの上限サイズおよび下限サイズは、現在の積層数ｋに応じて補正した方がよい。具体的には、ｋ（層目）における上限サイズＳｋｍａｘ（ピクセル）は以下の式（８）で表され、ｋ（層目）における下限サイズＳｋｍｉｎ（ピクセル）は以下の式（９）で表される。なお、１層目における上限サイズおよび下限サイズを、それぞれＳｍａｘおよびＳｍｉｎとする。なお、［］はガウス記号である。

Ｓｋｍａｘ＝［Ｓｍａｘ×（ｒ＋ｋ×ｄ）／ｒ＋０．５］・・・（８）
Ｓｋｍｉｎ＝［Ｓｍｉｎ×（ｒ＋ｋ×ｄ）／ｒ＋０．５］・・・（９）
ステップＳ５１１のラベルカウント工程において、画像処理装置４は、ステップＳ５０９において残ったラベルをカウントして、そのカウント数を検出されたボイドの個数とみなす。このように、残ったラベルが付与された白領域がボイドとして検出される。例えば、画像処理装置４は、ボイドとして検出された白領域を強調した画像６０８を生成する。画像６０８は、検出されたボイドの個数を含んでもよい。

上記のボイド検出工程が終了すると、画像処理装置４は、図４の良否判定工程（ステップＳ７０）を実行する。

＜ハードウェア構成＞
図１１は、画像処理装置および巻線制御装置のハードウェア構成の一例を示すブロック図である。図１１を参照して、画像処理装置４は、入出力インターフェイス４ａと、メモリ４ｂと、プロセッサ４ｃとを含む。

プロセッサ４ｃは、典型的には、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Multi Processing Unit）等といった演算処理部である。典型的には、プロセッサ４ｃは、メモリ４ｂに記憶されたプログラムを読み出して実行することで、画像処理装置４の各部の動作を制御する。

メモリ４ｂは、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read-Only Memory）、フラッシュメモリなどによって実現される。メモリ４ｂは、プロセッサ４ｃによって実行されるプログラム、またはプロセッサ４ｃによって用いられるデータなどを記憶する。

入出力インターフェイス４ａは、カメラ２、巻線制御装置１３および出力装置１４と接続される。プロセッサ４ｃは、入出力インターフェイス４ａを介して、カメラ２から撮像画像を取得したり、各種情報を出力装置１４に表示したり、巻線制御装置１３に停止信号を送信したりする。

巻線制御装置１３は、入出力インターフェイス１３ａと、メモリ１３ｂと、プロセッサ１３ｃとを含む。プロセッサ１３ｃは、メモリ１３ｂに記憶されたプログラムを読み出して実行することで、巻線制御装置１３の各部の動作を制御する。メモリ１３ｂは、プロセッサ４ｃによって実行されるプログラム等を記憶する。入出力インターフェイス１３ａは、画像処理装置４と接続される。例えば、プロセッサ１３ｃは、入出力インターフェイス１３ａを介して、画像処理装置４から停止信号を受信する。

＜機能構成＞
図１２は、実施の形態１に従う画像処理装置４の機能構成を示す模式図である。図１２を参照して、画像処理装置４は、主な機能構成として、画像取得部２０１と、検出エリア設定部２０３と、情報取得部２０５と、補正部２０７と、ボイド検出部２０９と、良否判定部２１１と、停止信号送信部２１３と、出力制御部２１５とを含む。典型的には、これらの各機能は、プロセッサ４ｃがメモリ４ｂに格納されたプログラムを実行することによって実現される。なお、これらの機能の一部または全部は専用の回路を用いることによって実現されるように構成されていてもよい。

図１２を参照して、画像取得部２０１は、カメラ２により撮像された巻線コイル６の撮像画像を取得する。具体的には、画像取得部２０１は、図３に示すカメラ視野１２に対応する巻線コイル６の外周面の撮像画像を取得する。

検出エリア設定部２０３は、取得した撮像画像において、巻枠５のエッジと、巻線コイル６表面における照明３の正反射部１２ｃとを検出し、当該エッジと正反射部１２ｃとに基づいて、ボイド検出エリア１２ａを設定する。具体的には、検出エリア設定部２０３は、図５で説明した設定方式に従ってボイド検出エリア１２ａを設定する。

情報取得部２０５は、巻線制御装置１３から巻枠５の角速度（あるいは、回転速度）と、撮像画像取得時の線材８の巻位置情報（例えば、積層数、ターン数）とを取得する。情報取得部２０５は、常時、これらの情報を取得する。

補正部２０７は、巻枠５の角速度から算出される巻線コイル６の外周面の周速度（例えば、巻線コイル６表面のＹ軸方向の速度ｖ）に基づいて、撮像画像のブレを補正する。具体的には、補正部２０７は、図７で説明した補正方式に従って、撮像画像のブレを補正する。

ボイド検出部２０９は、ブレ補正後の撮像画像を解析することにより、線材８間に充填された充填材９ａのボイドを検出する。具体的には、ボイド検出部２０９は、ブレ補正後の撮像画像に対して線材８の巻き回り方向（例えば、図３のＹ軸方向）に微分処理を施すことにより得られた画像を２値化して２値化画像（例えば、図１０の画像６０４）を生成し、当該２値化画像に対してラベリング処理を実行する。ボイド検出部２０９は、ラベリング処理によりラベリングされた１以上の領域（例えば、図１０の白領域３１，３２）のうち、基準範囲Ｒｓ内のサイズを有する領域（例えば、白領域３１）を抽出する。ボイド検出部２０９は、抽出された領域をボイドとして検出する。

良否判定部２１１は、検出されたボイドの数に基づいて、充填材９ａの塗布状態の良否を判定する。例えば、良否判定部２１１は、ボイド検出エリア１２ａに対応する画像に含まれるボイドの検出個数が閾値Ｔｈ以上であれば、充填材９ａの塗布状態が不良であると判定し、当該検出個数が閾値Ｔｈ未満であれば、充填材９ａの塗布状態が良好であると判定する。なお、良否判定部２１１は、ボイド検出エリア１２ａに対応する複数の画像において、各画像に含まれるボイドの検出個数の平均値が閾値Ｔｈ以上であれば、充填材９ａの塗布状態が不良であると判定し、当該平均値が閾値Ｔｈ未満であれば充填材９ａの塗布状態が良好と判定する構成であってもよい。

停止信号送信部２１３は、良否判定部２１１の判定結果が“不良”である場合に、巻枠５の回転を停止させるための停止信号を巻線制御装置１３に出力する。

出力制御部２１５は、各種情報を出力装置１４に表示する。具体的には、出力制御部２１５は、良否判定部２１１の判定結果が“不良”である場合に、ボイドを含む画像（例えば、図８に示す画像）を表示する。

＜利点＞
実施の形態１によると、充填材を線材間に充填しながら形成される巻線コイルにおいて、充填材のボイドを精度よく検出できる。また、サイクルタイムに影響を与えることなく、検査対象の巻線コイルのボイド検出ができるため、巻線検査の効率が向上し、後工程への不良流出を防止でき、生産性を向上させることができる。

実施の形態２．
実施の形態２では、実施の形態１で説明した巻線検査方法におけるボイド検出工程の他の例について説明する。実施の形態２に従うボイド検出工程では、ディープラーニングの手法の１つである畳み込みニューラルネットワーク（ＣＮＮ：Convolutional Neural Network）が利用される。なお、実施の形態２に従う巻線検査方法は、図４で説明した各工程のうち、ボイド検出工程（ステップＳ６０）のみが実施の形態１に従う巻線検査方法と異なる。

＜ボイド検出工程＞
図１３および図１４を用いて、実施の形態２に従うボイド検出工程について具体的に説明する。図１３は、実施の形態２に従うボイド検出工程の処理手順を示すフローチャートである。図１４は、図１３中の各工程により生成される画像を模式的に示す図である。

図１３中のステップＳ５０１〜ステップＳ５０９の処理は、図１０で説明した処理と同様であるため、その詳細な説明は繰り返さない。

図１４を参照して、画像６５１は、ブレ補正前のボイド検出エリア１２ａの画像を示しており、画像６５２は、ブレ補正後のボイド検出エリア１２ａの画像を示している。画像６５３は、グレースケール工程（ステップＳ５０１）において、画像６５２がグレースケール変換された画像である。画像６５４は、微分処理工程（ステップＳ５０３）において、画像６５３に微分フィルタ処理および２値化処理が施された画像である。画像６５５は、モフォロジー変換工程（ステップＳ５０５）において、画像６５４をモフォロジー処理した画像である。画像６５５は、白領域４１，４２，４３を含む。

画像６５６は、ラベリング工程（ステップＳ５０７）において、画像６５５に対してラベリング処理が実行された後の画像である。白領域４１〜４３には、それぞれラベルＬ１〜Ｌ３が付与されている。画像６５７は、サイズフィルタ工程（ステップＳ５０９）において、基準範囲Ｒｓ内のサイズを有する白領域が抽出された後の画像である。画像６５７では、基準範囲Ｒｓ内のサイズを有する白領域として、ラベルＬ１が付与された白領域４１と、ラベルＬ２が付与された白領域４２とが抽出されている。

図１３を参照して、ステップＳ５２０のボイド判定工程において、画像処理装置４は、学習済モデルを用いて、抽出された白領域４１，４２がボイドであるか否かを判定する。具体的には、画像処理装置４は、ブレ補正後の画像６５２にラベルＬ１，Ｌ２が付与された画像６５８から、白領域４１を含む部分画像６５８ａと、白領域４２を含む部分画像６５８ｂとをトリミングする。画像処理装置４は、学習済モデルに対して、各部分画像６５８ａ，６５８ｂを入力することにより、部分画像６５８ａ，６５８ｂにそれぞれ含まれる白領域４１，４２が充填材９ａのボイドであるか否かを判定する。ここでは、画像処理装置４は、白領域４１がボイドであると判定し、白領域４２がボイドではないと判定する。

学習済モデルとしては、典型的には、ＣＮＮが用いられる。ＣＮＮは、主に、畳み込み層（Convolution Layer）、プーリング層（Pooling Layer）および全結合層（Full Connected Layer）から構成される。例えば、ＣＮＮは、畳み込み層とプーリング層とを交互に積み重ねた後、全結合層をいくつか重ねた構造を有している。

ＣＮＮで用いるフィルタは、畳み込みフィルタである。この畳み込みフィルタの形状は、例えば、正方形である。この場合、白領域４１を含む部分画像のトリミング形状は，白領域４１の上下左右の数ピクセル分マージンを取った正方形に設定される。これにより、部分画像６５８ａは、白領域４１を含む正方形の画像となる。部分画像６５８ｂについても同様である。

本実施の形態に従う学習済モデルは、トリミングされた部分画像が入力されると、当該部分画像に含まれる領域が充填材９ａのボイドであるか否かの判定結果を出力するように、学習用データセットを用いた学習処理がなされている。学習用データセットは、例えば、ボイドである白領域を含む部分画像と、ボイドと紛らわしい白領域を含む部分画像とのデータセットである。各部分画像には、白領域がボイドであるか否かを示すラベルが関連付けられる。学習済モデルの内部パラメータは、多くの学習用データセットを用いた学習処理によって、トリミングされた部分画像から、当該部分画像に含まれる領域が充填材９ａのボイドであるか否かを出力し得るように最適化されている。なお、学習済みモデルを生成するための学習手法には、他の機械学習アルゴリズムが採用され得る。一例として、当該機械学習アルゴリズムとして、全層畳み込みニューラルネットワーク（ＦＣＮ：Fully Convolutional Network）、ディープビリーフネットワーク（ＤＢＮ：Deep Belief Networks）等が採用される。

図１３のステップＳ５１１のラベルカウント工程において、画像処理装置４は、ステップＳ５２０においてボイドと判定された白領域を含むラベルをカウントして、そのカウント数を検出されたボイドの個数とする。例えば、図１４に示すように、画像処理装置４は、ボイドとして検出された白領域を強調した画像６５９を生成する。

＜機能構成＞
実施の形態２に従う画像処理装置４の機能構成は、図１２中の機能構成と比較して、ボイド検出部２０９の構成のみが異なる。具体的には、実施の形態２に従うボイド検出部２０９は、ブレ補正後の撮像画像に対して微分処理および２値化処理を施して２値化画像を生成し、当該２値化画像に対してラベリング処理を実行する。

ボイド検出部２０９は、ラベリング処理によりラベリングされた１以上の領域のうち、基準範囲Ｒｓ内のサイズを有する領域を抽出する。ボイド検出部２０９は、ブレ補正後の撮像画像（例えば、画像６５２）から、基準範囲Ｒｓ内のサイズを有する領域（例えば、白領域４１，４２）を含む部分画像（例えば、部分画像６５８ａ，６５８ｂ）をトリミングする。ボイド検出部２０９は、学習済モデルに対して、トリミングされた部分画像を入力することにより、当該部分画像に含まれる領域が充填材９ａのボイドであるか否かを判定し、充填材９ａのボイドであると判定した領域をボイドとして検出する。

＜利点＞
実施の形態２によると、実施の形態１よりも、充填材のボイドをさらに精度よく検出できる。

実施の形態３．
実施の形態３では、実施の形態１で説明した巻線検査方法のボイド検出工程のさらに他の例について説明する。実施の形態３に従うボイド検出工程では、ＳＳＤ（Single Shot MultiBox Detector）を利用してボイド検出が行われる。実施の形態３では、図４で説明した各工程のうち、ボイド検出工程（ステップＳ６０）のみが実施の形態１と異なる。

＜ボイド検出工程＞
図１５および図１６を用いて、実施の形態３に従うボイド検出工程について具体的に説明する。図１５は、実施の形態３に従うボイド検出工程の処理手順を示すフローチャートである。図１６は、図１５中の各工程により生成される画像を模式的に示す図である。

図１６を参照して、画像６８１は、ブレ補正前のボイド検出エリア１２ａの画像を示しており、画像６８２は、ブレ補正後のボイド検出エリア１２ａの画像を示している。

図１５を参照して、ステップＳ５３０のＳＳＤボイド検出工程において、画像処理装置４は、学習済モデルを用いて、ブレ補正後の画像６８２においてボイドを検出する。具体的には、画像処理装置４は、学習済モデルに対して、ブレ補正後の画像６８２を入力することにより、画像６８２中にボイドを示す白領域が含まれるか否かを判定する。画像処理装置４は、当該白領域が含まれる場合には、当該白領域をボイドとして検出する。ここでは、画像処理装置４は、白領域５１がボイドであると判定し、白領域５２，５３がボイドではないと判定する。

学習済モデルは、ブレ補正後の画像（例えば、画像６８２）から、当該画像内に存在するボイドを検出するように、学習用データセットを用いた学習処理がなされている。典型的には、学習済モデルは、ボイドである白領域を含む複数の学習用画像（すなわち、学習用データセット）に対する深層学習によって生成される。学習済みモデルの内部パラメータは、このような学習用データセットを用いた学習処理により予め最適化されている。なお、学習済モデルは、ＳＳＤとは別の種々の方法で構成されたニューラルネットワークを採用して実現されていてもよい。

図１５のステップＳ５３２のカウント工程において、画像処理装置４は、ステップＳ５３０においてボイドと検出された白領域をカウントして、そのカウント数を検出されたボイドの個数とみなす。例えば、図１６に示すように、画像処理装置４は、ボイドとして検出された白領域を強調した画像６８３を生成する。

＜機能構成＞
実施の形態３に従う画像処理装置４の機能構成は、図１２中の機能構成と比較して、ボイド検出部２０９の構成のみが異なる。具体的には、実施の形態３に従うボイド検出部２０９は、ボイドを含む複数の学習用画像に対する深層学習によって生成された学習済モデルに対して、ブレ補正後の撮像画像を入力することにより、線材８間に充填された充填材９ａのボイドを検出する。

＜利点＞
実施の形態３によると、実施の形態１と同様の利点が得られる。

実施の形態４．
実施の形態４では、上述した実施の形態１〜３に従う巻線検査方法を利用した巻線工程を含む製造方法について説明する。

図１７は、実施の形態４に従う超電導コイル装置の製造方法を示すフローチャートである。図１７を参照して、超電導コイル装置の製造方法は、巻枠準備工程（ステップＳ７０１）と、巻線検査方法を利用した巻線工程（ステップＳ７０３）と、配線接続工程（ステップＳ７０５）と、接続試験工程（ステップＳ７０７）と、組立工程（ステップＳ７０９）と、真空引き工程（ステップＳ７１１）と、冷却工程（ステップＳ７１３）と、性能試験工程（ステップＳ７１５）とを含む。なお、製造対象の超電導コイル装置は、例えば、液体冷媒（例えば、液体ヘリウム、液体窒素等）を用いて冷却される超電導コイル装置であり、ＭＲＩ（Magnetic Resonance Imaging）装置に用いられるマグネットである。

ステップＳ７０１の巻枠準備工程では、巻枠５が準備される。ステップＳ７０３の巻線工程では、巻枠５に超電導線である線材８を巻回して巻線コイル６が形成される。典型的には、小コイル用の巻線コイル６と、大コイル用の巻線コイル６とが形成される。ここで、巻線工程では、上述した実施の形態１〜３に従う巻線検査方法を用いて巻線コイル６が検査される。

ステップＳ７０５の配線接続工程では、検査後の複数の巻線コイル６と必要部材（例えば、永久電流スイッチ）とが１つの回路として配線接続される。永久電流スイッチは、超電導コイル装置の部品であり、別工程において用意される。

ステップＳ７０７の接続試験工程では、接続部分の超電導性能が検査される。ステップＳ７０９の組立工程では、配線接続された複数の巻線コイル６に外枠および真空槽が取り付けられる。例えば、複数の巻線コイル６に外枠および真空槽が溶接されてマグネット形状に組み立てられる。

ステップＳ７１１の真空引き工程では、断熱用の真空槽が真空引きされる。ステップＳ７１３の冷却工程では、液体冷媒により、外枠が取り付けられた複数の巻線コイル６が冷却される。ステップＳ７１５の性能試験工程では、マグネットとしての性能（例えば、臨界電流、磁場安定度等）試験が行われる。

なお、上述した製造方法において、巻線工程において上述した巻線検査方法を利用すること以外は、公知の工程を採用することができる。

その他の実施の形態．
（１）上述した実施の形態では、カメラ２としてカラーカメラを用いる構成について説明したが、これに限られない。カメラ２としては、カラーカメラの代わりにモノクロカメラを用いる構成であってもよい。モノクロカメラを用いる場合には、照明３として赤色照明、あるいは青色照明を用いて、ＲＧＢ値を変化させる構成が適用される。

（２）上述の実施の形態として例示した構成は、一例であり、別の公知の技術と組み合わせることも可能であるし、本実施の形態の要旨を逸脱しない範囲で、一部を省略する等、変更して構成することも可能である。また、上述した実施の形態において、他の実施の形態で説明した処理および構成を適宜採用して実施する場合であってもよい。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は、上記した説明ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１ 巻線検査装置、２ カメラ、３ 照明、４ 画像処理装置、４ａ，１３ａ 入出力インターフェイス、４ｂ，１３ｂ メモリ、４ｃ，１３ｃ プロセッサ、５ 巻枠、６ 巻線コイル、７ 巻線装置、８ 線材、９ 充填ボックス、９ａ 充填材、１０ ヘラ、１２ カメラ視野、１２ａ ボイド検出エリア、１２ｂ ボイド、１２ｃ 正反射部、１２ｄ エッジ、１２ｅ 基準線、１３ 巻線制御装置、１４ 出力装置、１６ イメージセンサ、２０１ 画像取得部、２０３ 検出エリア設定部、２０５ 情報取得部、２０７ 補正部、２０９ ボイド検出部、２１１ 良否判定部、２１３ 停止信号送信部、２１５ 出力制御部。

Claims (11)

1. 充填材が塗布された線材を巻枠に巻回して形成される巻線コイルの撮像画像を取得するステップと、
   前記巻枠の回転を制御する巻線制御装置から前記巻枠の角速度を取得するステップと、
   前記巻枠の角速度から算出される前記巻線コイルの外周面の周速度に基づいて、前記撮像画像のブレを補正するステップと、
   ブレ補正後の前記撮像画像を解析することにより、前記線材間に充填された前記充填材のボイドを検出するステップとを含む、巻線検査方法。
2. 検出された前記ボイドの数に基づいて、前記充填材の塗布状態の良否を判定するステップをさらに含む、請求項１に記載の巻線検査方法。
3. 前記充填材の塗布状態が不良である場合に、前記ボイドを含む画像を表示するステップをさらに含む、請求項２に記載の巻線検査方法。
4. 前記充填材の塗布状態が不良である場合に、前記巻枠の回転を停止させるための停止信号を前記巻線制御装置に出力するステップをさらに含む、請求項２または請求項３に記載の巻線検査方法。
5. 前記検出するステップは、
   ブレ補正後の前記撮像画像に対して前記線材の巻き回り方向に微分処理を施すことにより得られた画像を２値化して２値化画像を生成するステップと、
   前記２値化画像に対してラベリング処理を実行するステップとを含む、請求項１〜請求項４のいずれか１項に記載の巻線検査方法。
6. 前記検出するステップは、
   前記ラベリング処理によりラベリングされた１以上の領域のうち、基準範囲内のサイズを有する領域を抽出するステップと、
   抽出された前記領域を前記ボイドとして検出するステップとをさらに含む、請求項５に記載の巻線検査方法。
7. 前記検出するステップは、
   前記ラベリング処理によりラベリングされた１以上の領域のうち、基準範囲内のサイズを有する領域を抽出するステップと、
   ブレ補正後の前記撮像画像から、前記基準範囲内のサイズを有する領域を含む部分画像をトリミングするステップと、
   学習済モデルに対して、前記部分画像を入力することにより、前記部分画像に含まれる領域が前記充填材のボイドであるか否かを判定するステップとを含み、
   前記学習済モデルは、前記部分画像が入力されると、前記部分画像に含まれる領域が前記充填材のボイドであるか否かの判定結果を出力するように、学習用データセットを用いた学習処理がなされている、請求項５に記載の巻線検査方法。
8. 前記学習済モデルは、畳み込みニューラルネットワークである、請求項７に記載の巻線検査方法。
9. 前記検出するステップは、前記充填材のボイドを含む複数の学習用画像に対する深層学習によって生成された学習済モデルに対して、ブレ補正後の前記撮像画像を入力することにより、前記線材間に充填された前記充填材のボイドを検出するステップを含む、請求項１〜請求項４のいずれか１項に記載の巻線検査方法。
10. 充填材が塗布された線材を巻枠に巻回して形成される巻線コイルの撮像画像を取得する画像取得部と、
    前記巻枠の回転を制御する巻線制御装置から前記巻枠の角速度を取得する情報取得部と、
    前記巻枠の角速度から算出される前記巻線コイルの外周面の周速度に基づいて、前記撮像画像のブレを補正する補正部と、
    ブレ補正後の前記撮像画像を解析することにより、前記線材間に充填された前記充填材のボイドを検出する検出部とを含む、巻線検査装置。
11. 超電導コイル装置の製造方法であって、
    巻枠に超電導線を巻回して巻線コイルを形成するステップと、
    請求項１〜請求項９のいずれかに記載の巻線検査方法を用いて前記巻線コイルを検査するステップと、
    検査された複数の前記巻線コイルに外枠および真空槽を取り付けるステップと、
    前記真空槽を真空引きするステップと、
    前記外枠が取り付けられた前記巻線コイルを冷却するステップとを含む、超電導コイル装置の製造方法。

Images