JP2022186406A - 評価方法、評価装置及びコンピュータプログラム - Google Patents

評価方法、評価装置及びコンピュータプログラム Download PDF

Info

Publication number
JP2022186406A
JP2022186406A JP2021094610A JP2021094610A JP2022186406A JP 2022186406 A JP2022186406 A JP 2022186406A JP 2021094610 A JP2021094610 A JP 2021094610A JP 2021094610 A JP2021094610 A JP 2021094610A JP 2022186406 A JP2022186406 A JP 2022186406A
Authority
JP
Japan
Prior art keywords
image data
coating film
evaluation
blister
evaluation method
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
Application number
JP2021094610A
Other languages
English (en)
Other versions
JP7157355B1 (ja
Inventor
有佳里 本多
Yukari Honda
安利 中谷
Yasutoshi Nakatani
秀人 山縣
Hideto Yamagata
景子 山▲崎▼
Keiko Yamazaki
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.)
Daikin Industries Ltd
Original Assignee
Daikin Industries Ltd
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 Daikin Industries Ltd filed Critical Daikin Industries Ltd
Priority to JP2021094610A priority Critical patent/JP7157355B1/ja
Priority to CN202280039595.4A priority patent/CN117480382A/zh
Priority to PCT/JP2022/021696 priority patent/WO2022255239A1/ja
Priority to KR1020237037772A priority patent/KR20230164723A/ko
Priority to TW111120311A priority patent/TW202305349A/zh
Application granted granted Critical
Publication of JP7157355B1 publication Critical patent/JP7157355B1/ja
Publication of JP2022186406A publication Critical patent/JP2022186406A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • 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
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • 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
    • 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
    • G01N21/8422—Investigating thin films, e.g. matrix isolation method
    • G01N2021/8427—Coatings
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8861—Determining coordinates of flaws
    • G01N2021/8864—Mapping zones of defects
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

【課題】塗膜のブリスターを定量的に評価する。【解決手段】物体上に形成された塗膜のブリスターを評価する評価方法が、（ａ）同軸照明装置で光照射された塗膜の表面の画像データを撮影装置によって取得し、（ｂ）画像データに少なくとも二値化処理を施して、塗膜の表面に存在するブリスターの領域を検出し、および（ｃ）画像データの評価対象の領域においてブリスターの領域が占める面積率を求めることを含む。【選択図】図１

Description

本開示は、塗膜のブリスターを評価する評価方法、評価装置及びコンピュータプログラムに関する。
塗膜の表面（以下、本明細書において単に「塗装面」とも言う）の状態を評価する方法として、塗装面の傷や凹凸等の状態を用いることがある。塗装面の傷や凹凸の検出は、光の照射方法によっても異なるため、例えば、特許文献１では、塗装面への照射光の角度を調整し、５０μｍ程度の小さな傷であっても検出することが記載される。
ところで、現在、物体（被塗物）上に形成された塗膜の劣化の評価方法の１つとして、JIS K5600-8-2に規定されているように、塗膜の膨れ（「ブリスター」）を評価する方法が知られている。JIS K5600-8-2に規定されている評価方法では、塗膜の表面状態を、複数の基準図版による等級見本と比較し、どの等級見本に近いかを目視で判断することによって、ブリスターの程度（密度および大きさ）を等級付けしている。
特開２００６－１０５６７２号公報
上述したような目視による評価方法では、塗膜のブリスターを定量的に評価することができない。
したがって、本開示は、塗膜のブリスターを定量的に評価可能な方法および装置ならびにコンピュータプログラムを提供することを目的とする。
本開示の評価方法は、物体上に形成された塗膜のブリスターを評価する評価方法であって、（ａ）同軸照明装置で光照射された前記塗膜の表面の画像データを撮影装置によって取得し、（ｂ）前記画像データに少なくとも二値化処理を施して、前記塗膜の表面に存在するブリスターの領域を検出し、および（ｃ）前記画像データの評価対象の領域において前記ブリスターの領域が占める面積率を求めることを含む。
前記評価方法は、前記塗膜の表面に存在するブリスターのサイズ、前記塗膜の表面の粗度、および前記塗膜の光沢度からなる群より選択される少なくとも１つに基づいて、前記（ａ）における前記画像データを取得する第１条件、および前記（ｂ）における前記ブリスターの領域を検出する第２条件が選択されることができる。
前記評価方法は、前記第１条件が、前記同軸照明装置のハーフミラーと前記塗膜の表面の有効視野までの間の最短距離を含み、前記第２条件が、前記二値化処理における閾値の設定方法を含むことができる。
前記評価方法は、前記（ｂ）が、（ｉ）前記画像データをトリミングして、前記評価対象の領域に対応するトリミングされた画像データを得、（ｉｉ）前記トリミングされた画像データに、平滑化処理を施した後、または平滑化処理を施さずに、前記二値化処理を施す、ことを含むことができる。
前記評価方法は、前記第２条件が、前記平滑化処理の平滑化フィルタに用いるカーネル値を含むことができる。
前記評価方法は、前記（ａ）の前に、前記塗膜を有する前記物体を耐蝕性試験に付すことを更に含むことができる。
前記評価装置は、物体上に形成された塗膜のブリスターを評価する評価装置であって、 同軸照明装置で光照射され、撮影装置で撮影された前記塗膜の表面の画像データを取得する取得部と、前記画像データに少なくとも二値化処理を施して、前記塗膜の表面に存在するブリスターの領域を検出する検出部と、前記画像データの評価対象の領域において前記ブリスターの領域が占める面積率を求める算出部と、を含む。
コンピュータプログラムは、前記評価方法をコンピュータに実行させる。
これらの概括的かつ特定の態様は、システム、方法、及びコンピュータプログラム、並びに、それらの組み合わせにより、実現されてもよい。
本開示の評価方法、評価装置及びコンピュータプログラムによれば、塗膜のブリスターを定量的に評価することができる。
評価装置の構成を示すブロック図である。 同軸照明を説明する概念図であり、同軸照明装置および撮影装置を合わせて示す。 照射光と反射光の関係の一例を示す概念図である。 照射光と反射光の関係の他の例を示す概念図である。 ブリスターのある塗膜（ワーク）の表面と照射光及び反射光の関係を示す概念図である。 ブリスターサイズ、光沢度及び表面粗度から、評価手法を選択する判断を示す分岐図である。 塗膜の表面が撮影された画像データの一例である。 図６Ａの画像データを平滑化した画像データの一例である。 図６Ｂの画像データを二値化した画像データの一例である。 塗膜の表面が撮影された画像データの他の例である。 図７Ａの画像データを平滑化した後に二値化した画像データの一例である。 塗膜の表面における照明範囲の一例を示す図である。 塗膜の表面が撮影された画像データの他の例である。 図９Ａの画像データを平滑化した画像データの一例である。 図９Ｂの画像データを二値化した画像データの一例である。 評価方法の処理を説明するフローチャートである。
以下に、図面を参照して実施形態に係る評価方法、評価装置及びコンピュータプログラムについて説明する。本開示の評価方法、評価装置及びコンピュータプログラムは、塗膜のブリスターを評価するものである。また、以下の説明では、同一の構成について、同一の符号を付して説明を省略する。
本開示において、「塗膜」とは、物体（被塗物）上に形成された膜であって、塗料に由来する膜をいう。
「塗料」とは、被塗物である物体の表面を、保護、装飾、その他の種々の目的で被覆するために使用される材料をいう。
塗料およびこれに由来して形成される塗膜の各材料、塗膜の形成方法、塗膜の厚さ、塗膜が形成される物体（少なくともその表面）を構成する材料および形状等は、特に限定されない。
「物体」としては、例えば平板、円筒、棒等の形状のものが挙げられる。
「物体」の材質としては、例えば金属、樹脂、ゴム、セラミック等が挙げられる。金属としてはアルミニウム、ステンレス、鉄を含む単体金属、合金が挙げられる。
塗膜の成分としては、含フッ素ポリマーを含むことが好ましい。上記含フッ素ポリマーは、フッ素樹脂であってもよく、フッ素ゴムであってもよく、フッ素樹脂であることが好ましい。
上記フッ素樹脂としては、ポリテトラフルオロエチレン〔ＰＴＦＥ〕、テトラフルオロエチレン〔ＴＦＥ〕／ヘキサフルオロプロピレン〔ＨＦＰ〕共重合体〔ＦＥＰ〕、ＴＦＥ／パーフルオロ（アルキルビニルエーテル）〔ＰＡＶＥ〕共重合体〔ＰＦＡ〕、ＴＦＥ／ＨＦＰ／ＰＡＶＥ共重合体〔ＥＰＡ〕、ポリクロロトリフルオロエチレン〔ＰＣＴＦＥ〕、ＴＦＥ／クロロトリフルオロエチレン〔ＣＴＦＥ〕共重合体、ＴＦＥ／エチレン〔Ｅｔ〕共重合体〔ＥＴＦＥ〕、ＴＦＥ／ＣＴＦＥ／Ｅｔ共重合体〔ＥＣＴＦＥ〕、ポリビニリデンフルオライド〔ＰＶＤＦ〕等が挙げられる。
上記フッ素ゴムとしては、ビニリデンフルオライド［ＶｄＦ］系フッ素ゴム、テトラフルオロエチレン［ＴＦＥ］／プロピレン［Ｐｒ］系フッ素ゴム、ＴＦＥ／Ｐｒ／ＶｄＦ系フッ素ゴム、エチレン［Ｅｔ］／ヘキサフルオロプロピレン［ＨＦＰ］系フッ素ゴム、Ｅｔ／ＨＦＰ／ＶｄＦ系フッ素ゴム、Ｅｔ／ＨＦＰ／ＴＦＥ系フッ素ゴム、フルオロシリコーン系フッ素ゴム、フルオロホスファゼン系フッ素ゴム等が挙げられる。
塗料成分として、上記含フッ素ポリマー以外の成分としては、例えば、液状媒体が挙げられる。上記液状媒体としては、水、有機溶媒、水と有機溶媒との混合溶媒等が挙げられる。
上記含フッ素ポリマー以外の成分としては、また、バインダー樹脂も挙げられる。上記バインダー樹脂は、耐熱性樹脂（但し、含フッ素ポリマーを除く）であることが好ましい。「耐熱性」とは、１５０℃以上の温度における連続使用が可能である性質を意味する。
上記耐熱性樹脂としては、ポリアミドイミド樹脂（ＰＡＩ）、ポリイミド樹脂（ＰＩ）、ポリエーテルスルホン樹脂（ＰＥＳ）、ポリエーテルイミド樹脂、芳香族ポリエーテルケトン樹脂、芳香族ポリエステル樹脂、ポリアリレンサルファイド樹脂等が挙げられる。
上記含フッ素ポリマー以外の成分としては、また、界面活性剤、分散剤、粘度調整剤、製膜助剤、造膜剤、消泡剤、乾燥遅延剤、チキソ性付与剤、ｐＨ調整剤、顔料、導電剤、帯電防止剤、レベリング剤、はじき防止剤、つや消し剤、ブロッキング防止剤、熱安定剤、酸化防止剤、耐摩耗剤、充填剤、防錆剤、硬化剤、受酸剤、紫外線吸収剤、光安定剤、防黴剤、抗菌剤等の添加剤も挙げられる。
塗膜の形成方法としては、例えばスプレー塗装、ディップ塗装、ロールコート、カーテンフローコート、スクリーン印刷、ディスペンサー塗装、電着塗装、静電塗装、流動浸漬、ロトライニング、ロトモールド等が挙げられる。
塗膜の厚みとしては、１～５０００μｍが好ましい。
「ブリスター」とは、塗膜の膨れである。ブリスターは、種々の原因により発生し得、塗膜の劣化による場合には、塗膜と被塗物との間にて、ガスが発生（例えば塗膜中の成分や外部から侵入した液体成分が気化）することで生じ得る。ブリスターは、例えば、塗膜の自然な劣化によって生じ得、また、塗膜の耐蝕性を評価する目的で塗膜を耐蝕性試験に付すことで生じ得る。
「塗装面のブリスターの評価」は、現在の塗膜の表面状態の評価（塗膜形成後の使用を経ている場合は、劣化評価と同義）、および（塗膜形成後で、かつ、使用を経ていない）塗膜の耐蝕性の評価を含む。
「（塗膜の表面の）粗度」（または「塗膜粗度」）とは、塗膜の表面の凹凸を測定した粗さであり、例えば、算術平均粗さＲａである。
「塗膜の表面を示す値」とは、ブリスターのサイズ、塗膜の表面の粗度、塗膜の光沢度等、評価対象の塗膜の表面に関連して得られた値をいう。
《同軸照明》
始めに、評価装置で用いる画像データの取得の際の照明について説明する。図１を用いて後述する評価装置１は、撮影装置２によって撮影された塗膜の表面（塗装面）の画像データを用いる。ここで、撮影装置２は、塗装面の撮影に同軸照明を利用する。同軸照明は、撮影装置の撮影軸（カメラ軸）と同軸上に光を照射する照明方法であり、図２に一例を示すように、撮影装置２のレンズ２１の光路内に光源３１からの照射光が組み込まれた照明方法であり得る。具体的には、同軸照明は、図２に示すように、光源３１からの光を、ハーフミラー３２によって反射させてワーク（即ち、評価対象、本開示では塗膜が形成された物体であり、ワークの表面が塗膜の表面に対応する）Ｗに照射させる照明方法である。このとき、ハーフミラー３２からワークＷの有効視野までの最短距離を距離ＬＷＤ（mm）とする。ここでは、この同軸照明に用いる光源３１と、ハーフミラー３２とを含む構成を同軸照明装置３とする。
図３Ａに一例を示すように、仮に、表面が平坦なワークＷと撮影装置２のレンズ２１とが対面しており、光源３１により、ワークＷに対して斜め方向から照射光Ｌ１を照射したとする。この場合、照射光Ｌ１の反射で得られる反射光Ｌ２は、レンズ２１とは異なる方向へ進む。したがって、図３Ａに示すように、撮影装置２のレンズ２１が反射光Ｌ２の光路と異なる方向に配置される場合、撮影装置２において撮影されるワークＷの画像は、拡散反射光を捉えたものとなる。
これに対し、図３Ｂに示すように、図３Ａと同一のワークＷ、および、レンズ２１を用いる例で、仮に、ワークＷに対してレンズ２１の光軸と同一の方向から照射光Ｌ１を照射したとする。この場合、反射光Ｌ２は、撮影装置２のレンズ２１の方向へ進む。したがって、図３Ｂに示すように、撮影装置２のレンズ２１が反射光Ｌ２の光路と同一の方向に配置される場合、撮影装置２は、正反射光を捉えた画像を得ることができる。
図４に示すように、塗膜の表面にブリスターＢが発生したワークＷを同軸照明により撮影するとする。図４の例でも、ワークＷと撮影装置２とが対面している。なお、図４ではワークＷの表面に形成される塗膜の図示は省略する。図４の場合、ブリスターＢが生じていないワークＷ上の塗膜の表面部分Ｐ１に照射光Ｌ１を照射すると、その反射光Ｌ２は、撮影装置２のレンズ２１に向かう。したがって、画像データ上で塗膜の表面部分Ｐ１は、明るく写る。また、ブリスターＢの頂点部分Ｐ２に照射された照射光Ｌ１により得られる反射光Ｌ２は、レンズ２１に向かう。したがって、画像データ上でブリスターＢの頂点部分Ｐ２は、明るく写る。一方、ブリスターＢの他の部分（例えば、Ｐ３）に照射された照射光Ｌ１により得られる反射光Ｌ２は、照射光Ｌ１が照射された部分（例えば、Ｐ３）の傾斜に応じた方向に向かう。したがって、画像データ上で、塗膜が形成されるワークＷに対して傾斜が生じたブリスターＢ等の部分は、暗く写る。
このように、同軸照明を用いて撮影することにより、塗膜部分である平坦な部分が明るく、凸部分であるブリスターＢ等の傾斜が生じた部分が暗い画像データを得ることができる。すなわち、画像データにおいて、白い部分を塗膜の表面とし、黒い部分をブリスターＢが生じた部分とし、全体におけるブリスターの領域を抽出することができる。しかしながら、実際には、塗膜の性質やブリスターの状態等の評価対象の塗膜の表面を示す値により、同一の方法で簡単にブリスターＢの領域を抽出することはできない。したがって、後述するように、塗膜の表面を示す値に応じて選択された評価手法を用いて画像データを取得し、取得された画像データを処理してブリスターＢの領域を抽出する。
〈評価装置〉
続いて、図１を参照して、実施形態に係る評価装置１について説明する。評価装置１は、物体上に形成された塗膜のブリスターを評価する評価装置であって、
同軸照明装置３で光照射され、撮影装置２で撮影された塗膜の表面の画像データを取得する取得部１１２と、
画像データに少なくとも二値化処理を施して、塗膜の表面に存在するブリスターの領域を検出する検出部１１３と、
画像データの評価対象の領域においてブリスターの領域が占める面積率を求める算出部１１４と、
を含む。
評価装置１は、制御部１１と、記憶部１２と、通信部１３とを備える情報処理装置である。制御部１１は、評価装置１全体の制御を司るコントローラである。例えば、制御部１１は、記憶部１２に記憶される評価プログラムＰを読み出して実行することにより、選択部１１１、取得部１１２、検出部１１３、算出部１１４、および、結果処理部１１５としての処理を実現する。また、制御部１１は、ハードウェアとソフトウェアの協働により所定の機能を実現するものに限定されず、所定の機能を実現する専用に設計されたハードウェア回路でもよい。すなわち、制御部１１は、ＣＰＵ、ＭＰＵ、ＧＰＵ、ＦＰＧＡ、ＤＳＰ、ＡＳＩＣ等、種々のプロセッサで実現することができる。
記憶部１２は種々の情報を記録する記録媒体である。記憶部１２は、例えば、ＲＡＭ、ＲＯＭ、フラッシュメモリ、ＳＳＤ（Solid State Drive）、ハードディスク、その他の記憶デバイス又はそれらを適宜組み合わせて実現される。記憶部１２には、制御部１１が実行する評価プログラムＰの他、種々のデータ等が格納される。例えば、記憶部１２は、画像データ１２１、結果データ１２２、および、評価プログラムＰを記憶する。
通信部１３は、ネットワーク４を介して外部の装置とのデータ通信を可能とするためのインタフェース回路（モジュール）である。例えば、通信部１３は、画像データを撮影する撮影装置２とデータ通信を実行してもよい。また、通信部１３は、外部の他の装置とデータ通信を実行してもよい。
評価装置１は、入力部１４、および、出力部１５を備えることができる。入力部１４は、操作信号やデータの入力に利用される操作ボタン、マウス、キーボード等の入力手段である。出力部１５は、処理結果やデータの出力等に利用されるディスプレイ等の出力手段である。
ここで、評価装置１は、１台のコンピュータにより実現されてもよいし、ネットワークを介して接続される複数台のコンピュータの組み合わせにより実現されてもよい。また、図示を省略するが、例えば、記憶部１２に記憶されるデータの全部又は一部が、ネットワークを介して接続される外部の記録媒体に記憶され、評価装置１は、外部の記録媒体に記憶されるデータを使用するように構成されていてもよい。
選択部１１１は、塗膜の表面に存在するブリスターのサイズ、塗膜の表面の粗度、および塗膜の光沢度からなる群より選択される少なくとも１つに基づいて、後述の取得部１１２で画像データを取得する第１条件、および後述の検出部１１３でブリスターの領域を検出する第２条件を選択する。具体的には、選択部１１１は、評価対象とする塗膜の表面を示す値として『ブリスターサイズ』、『光沢度』、および、『表面粗度』の少なくともいずれかを受け付ける。また、選択部１１１は、受け付けた塗膜の表面を示す値に応じて画像データの取得に関する第１条件、および、画像処理に関する第２条件を規定する『評価手法』を選択する。
ブリスターサイズは、例えば、オペレータが定規を用いて目視で計測した値を利用することができる。このとき、評価対象部分のブリスターサイズの平均値を用いることが好ましい。例えば、ブリスターのサイズの計測の際には、塗膜の評価対象部分からランダムに５つのブリスターを計測し、その平均値を用いてもよい。これにより、１つのブリスターのサイズのみに応じた偏った評価手法が選択されることを防ぐことができる。
塗膜の光沢度は、例えば、光沢計を用いて計測した値を利用することができる。
塗膜の表面粗度は、例えば、表面粗さ測定器を用いて計測した値を利用することができる。
例えば、オペレータが、上述したように計測したこれらのブリスターサイズ、光沢度、および、表面粗度の各値を、入力部１４を介して評価装置１に入力することにより、選択部１１１が評価手法を選択する。例えば、選択部１１１は、ブリスターサイズ、光沢度、および、表面粗度を取得した場合、表１に示すような基準で評価手法を選択する。また、表１に示す評価手法の選択の各値の判断の分岐を、図５に示す。表１及び図５の例では、ブリスターサイズＳが０．５ｍｍ以上、６０°で計測された光沢度Ｇが５５以上、かつ、表面粗度Ｒａが０．２μｍ以上である場合、選択部１１１は、評価手法ａを選択する。また、ブリスターサイズＳが０．５ｍｍ未満の場合、選択部１１１は、評価手法ｈを選択する。
Figure 2022186406000002
評価装置１では、選択部１１１で選択された評価手法毎に、後述の画像取得で利用する第１の条件であるパラメータ、および、画像処理で利用する第２の条件であるパラメータが設定される。第１条件は、同軸照明装置３のハーフミラー３２と塗膜の表面の有効視野までの間の最短距離ＬＷＤを特定するパラメータである。第２条件は、撮影された画像データから評価対象の領域をトリミングする際の画像サイズをパラメータとして含む。また、第２条件は、二値化処理における閾値の設定に用いるパラメータを含む。さらに、第２条件は、平滑化処理の中央値フィルタに用いるカーネル値をパラメータとして含む。
以下に、塗膜の表面を示す各値に応じて選択される評価手法毎のパラメータについて説明する。なお、以下では、説明を簡略化するため、塗膜の表面を示す値毎に各パラメータを決定する一例をそれぞれ挙げるが、以下の例に限定されない。具体的には、選択部１１１は、複数種の塗膜の表面を示す値を総合して評価手法を選択する。また、評価装置１では、選択部１１１が選択した評価手法毎に、予め定められる各パラメータを用いて、画像データの取得処理及び画像処理を実行する。
《ブリスターサイズに応じた調整》
図６Ａは、塗膜の表面を撮影した画像データの一例である。また、図６Ｂは、図６Ａの画像データを平滑化処理して得られた画像データである。さらに、図６Ｃは、図６Ｂの画像データを二値化処理して得られた画像データである。平滑化処理、および、二値化処理は、ブリスターの領域を精度良く検出することを目的とする画像処理であり、後述する検出部１１３で実行される。例えば、ブリスターのサイズが比較的大きい場合、図６Ｃに示すように、ブリスターの中央付近において強い反射光を反射する部分が広くなり、画像データにおいて白くなることがある（例えば、図６Ｃ中のＡ１の部分）。このようにブリスターの一部について白くなった場合、白くなった部分についてはブリスターの領域ではないとされ、正確に評価することができない。したがって、このようにブリスターのサイズが所定の値よりも大きい場合、例えば、平滑化フィルタにおいて、ブリスターのサイズが所定の値よりも小さい場合と比較して、各画素に対して広い領域の画素を用いて平滑化処理を施すことにより、ブリスターＢ部分を抽出しやすくなる。評価装置１では、ブリスターＢのサイズに応じて、パラメータである平滑化フィルタで用いるカーネル値を調整し、ブリスターＢの抽出精度を向上させる。
一方、ブリスターＢのサイズが小さい場合、例えば、同軸照明のハーフミラー３２と塗膜の表面の有効視野との間の最短距離である距離ＬＷＤを短くすることにより、ブリスターＢ部分を抽出しやすくなる。すなわち、ブリスターＢのサイズが小さい場合、画像データにおける塗膜の表面とブリスターＢ部分とのコントラストが小さくなる傾向があり、ブリスターＢの領域を検出しにくくなる。そのため、ブリスターが小さい場合、ブリスターＢの検出が困難になる。したがって、例えば、ブリスターのサイズが所定のサイズよりも小さい場合、パラメータである距離ＬＷＤを短くすることでブリスターＢ部分を抽出しやすくなる。評価装置１では、ブリスターＢのサイズに応じて、パラメータである距離ＬＷＤを調整し、ブリスターＢの抽出精度を向上させる。
《表面粗度に応じた調整》
例えば、表面粗度が大きく、塗膜の表面にブリスター以外の凸部が存在する塗膜の表面を評価する場合、二値化することにより、ブリスター以外の部分も黒くなることがある（例えば、図６Ｃ中のＡ２の部分）。このような場合、ブリスター以外の部分がブリスターとして検出される恐れがある。このように塗膜の表面に存在するブリスター以外の凸部が誤ってブリスターとして検出されると、正確に評価することができなくなる。したがって、このように表面粗度が所定の値よりも大きい場合、例えば、平滑化フィルタにおいて、各画素に対して広い周囲領域の画素を用いてぼかすことにより、ブリスターＢ以外の凸部を除去しやすくなる。これは、このようなブリスターＢ以外の凸部は、通常、ブリスターＢ自体よりも小さいためである。このように、評価装置１では、表面粗度に応じて、パラメータである平滑化フィルタで用いるカーネル値を調整し、ブリスターＢの抽出精度を向上させる。
《塗膜の光沢度に応じた調整》
図７Ａは、光沢度が高い塗膜の表面を撮影した画像データの一例である。例えば、塗膜の光沢度が高い場合、表面上の傷において反射光が散乱する等により、反射光Ｌ２が弱くなることがある。それにより、平滑化かつ二値化することにより、図７Ｂに示すように、画像データにおいてこのような傷等の部分（図７Ｂ中のＡ３の部分）が暗くなることがある。この場合、通常と同様の二値化処理によって、ブリスターＢの領域を抽出する方法では、ブリスターＢ以外の傷の部分についても黒くなることにより、ブリスターＢとして検出されるおそれがある。したがって、このように二値化された画像データで傷が表れやすい光沢度の高い塗膜の場合、閾値を黒側に設定して二値化処理することで、傷を目立ちにくくすることができる。具体的には、２５６階調において、「０」が黒を示す値であり、「２５５」が白を示す値である。そして、閾値を黒側にシフトさせるため、所定の方法で設定された閾値に、光沢度の程度に応じて設定されるパラメータの値をマイナスして、新たな閾値とすることで、傷を目立ちにくくすることができる。
取得部１１２は、選択部１１１で選択された評価手法で定められるパラメータを用いて、評価対象領域を含む画像データ１２１を取得する。具体的には、取得部１１２は、評価手法で定められるパラメータの距離ＬＷＤを用いて、画像データ１２１を取得する。また、取得部１１２は、取得した画像データ１２１を記憶部１２に記憶させる。例えば、取得部１１２は、撮影装置２と接続され、撮影装置２に撮影操作信号を送信し、撮影装置２で撮影された画像データ１２１を取得する。
検出部１１３は、（ｉ）画像データをトリミングして、評価対象の領域に対応するトリミングされた画像データを得、（ｉｉ）トリミングされた画像データに、平滑化処理を施した後、または平滑化処理を施さずに、二値化処理を施す、ことを含むことができる。具体的には、検出部１１３は、選択部１１１が選択した評価手法で定められる各パラメータを用いて、取得部１１２で取得した画像データ１２１を画像処理し、評価対象領域に含まれるブリスター領域を検出する。具体的には、検出部１１３は、画像処理として、『グレースケール化』、『トリミング』、『平滑化』、および、『二値化』の処理を実行する。具体的には、取得部１１２が取得したカラー画像データである画像データ１２１を第１画像データとする。検出部１１３は、第１画像データをグレースケール化処理し、処理後の画像データを第２画像データとする。また、検出部１１３は、第２画像データから、評価の対象領域を抽出（トリミング）する。続いて、検出部１１３は、トリミングされた対象領域の第２画像データに平滑化処理（ぼかし処理）を施し、得られた平滑化画像データを第３画像データとする。さらに、検出部１１３は、第３画像データに二値化処理を施し、得られた二値化画像データを第４画像データとする。その後、検出部１１３は、第４画像データから、ブリスター領域を検出する。なお、仮に、撮影装置２が撮影する画像データ１２１がカラー画像データでなく、グレースケール画像データである場合、グレースケール化の処理は不要であって、検出部１１３は、取得した画像データ１２１をトリミング処理すればよい。また、グレースケール化については、評価手法毎に設定されたパラメータを用いた処理ではなく、一般的なカラー画像からグレースケール画像への変換である。
以下に、評価装置１で実行される、評価手法毎に定められる各パラメータを用いたトリミング、平滑化、および、二値化の処理について説明する。
《トリミング》
トリミングは、評価の対象領域の抽出である。検出部１１３は、選択部１１１において、塗膜の表面を示す各値の少なくともいずれかに応じて、選択された評価手法で定められるパラメータであるトリミングの画像サイズで、第２画像データから画像処理の対象の領域をトリミングする。このとき、撮影装置２で撮影される画像データ１２１は、例えば、図８に示すように、光源３１からの照射光が当たる一部の領域のみ明るく、照射光の当たらない領域は暗くなる。したがって、トリミングする際には、第２画像データのうち、明るい領域内でトリミングする必要がある。トリミング後の第２画像データは、拡大すると、例えば、図９Ａに示すような画像データである。なお、トリミングの画像サイズは、塗膜に光を照射した際の光の広がりに応じて、画像解析に使用可能な範囲を抽出することにより決定する。
《平滑化》
続いて、平滑化の一例を説明する。図９Ｂは、図９Ａの画像データを平滑化処理して得られた画像データである。検出部１１３は、評価手法に応じて設定されたパラメータであるカーネル値を用いた平滑化フィルタによって、トリミングされた第２画像データに平滑化処理を実行する。平滑化処理により得られた画像データは、第３画像データである。平滑化処理をすることで、例えば、ブリスターのサイズが大きい場合にブリスターの領域を抽出しやすくしたり、塗膜の粗度による影響を軽減することができる。
検出部１１３は、平滑化フィルタとして、例えば、ガウシアンフィルタを用いることができる。ガウシアンフィルタは、ガウス分布を利用して注目画素の中心部分の重みを大きくするフィルタである。この場合、選択部１１１で設定されたパラメータは、ガウシアンフィルタで用いるカーネル値である。検出部１１３は、ガウシアンフィルタの他、平滑化フィルタとして、平滑化フィルタ、中央値フィルタ（メディアンフィルタ）、バイラテラルフィルタ等を用いても良い。
《二値化》
次に、二値化の一例を説明する。図９Ｃは、図９Ｂの画像データを二値化処理して得られた画像データである。図９Ｃの画像データは、基材に発生したブリスター領域が検出できた例である。具体的には、図９Ｃにおける黒色部分がブリスター領域である。しかしながら、画像取得および画像処理に利用するパラメータによっては、図９Ｃに示すように、ブリスター領域が検出できる画像データばかりであるとは限らない。したがって、検出部１１３は、ブリスター領域を正確に検出できるように、選択部１１１で選択された評価手法に応じて設定されたパラメータの値で調整した閾値により、平滑化された第３画像データに二値化処理を実行する。二値化処理により得られた画像データは、第４画像データである。二値化処理することで、例えば、塗膜の表面状態の影響を除去してブリスター領域を検出することができる。
検出部１１３は、二値化処理に、例えば、画像中の小領域ごとに閾値の値を計算する適応的二値化処理を用いることができる。ここで、選択部１１１で設定されたパラメータは、二値化処理で設定される閾値の調整に用いる値である。上述したように、具体的には、０～２５５の間で閾値が設定されるが、パラメータは、設定された閾値を例えば、白側（「２５５」寄り）にシフトさせる階調数を示す値である。これにより、表面状態による影響を除去してブリスターの領域を区別可能な二値化画像データを取得することができる。その他、検出部は、二値化処理に、判別分析法（大津の二値化）、反復閾値選択、Ｐタイル法等の種々の方法を利用してもよい。
このように、評価装置１においては、上述したように、塗膜の表面の『ブリスターのサイズ』、『粗度』、および、『光沢度』の少なくともいずれかの値に応じて、評価手法を選択する。また、選択された評価手法に定められるパラメータを用いて、『トリミング』、『平滑化』、および、『二値化』の処理を実行し、正確にブリスターの領域を検出することができる。したがって、評価装置１では、このブリスターの領域を用いて、塗膜のブリスターを定量的に評価することができる。
算出部１１４は、検出部１１３でトリミングされた画像サイズの対象領域に対して、検出されたブリスター領域が占める面積率を評価値として算出する。具体的には、算出部１１４で算出された面積率が小さい場合、塗膜の性能が高いと評価される。逆に、算出部１１４で算出された面積率が大きい場合、塗膜の性能が低いと評価される。このように、評価装置１では、算出部１１４において求める評価値を、耐蝕性を数値化した値とすることにより、評価者が目視により塗膜の耐蝕性を評価する場合と比較して、塗膜のブリスターを定量的に評価値することが可能となる。なお、図９Ｃの例では、ブリスター領域の面積率は４２．６３％と算出された。
結果処理部１１５は、算出部１１４で算出されたブリスター領域の面積率を結果データ１２２とし、画像データ１２１に関連付けて記憶部１２に記憶させる。また、結果処理部１１５は、評価値を出力部１５に出力してもよい。結果処理部１１５は、求めた評価値を、結果データ１２２として記憶部１２に登録する。このとき、結果処理部１１５は、取得部１１２で得られた各種の画像データや、検出部１１３で得られた二値化後の各種画像データを元の画像データ１２１と関連付けて記憶部１２に記憶させてもよい。また、結果処理部１１５は、画像データ１２１に関連する各種のデータを画像データ１２１と関連付けて記憶部１２に記憶させてもよい。
評価装置１は、上述したように、決定された評価手法毎のパラメータを用いて処理を実行する。これにより、画像データに含まれる塗料の性能とは関係のない影響を除くことが可能となり、ブリスターの面積率の数値計算に基づき、塗膜のブリスターを定量的に評価することができる。例えば、塗料には、様々な樹脂や顔料を用いることがあるが、上述した処理を利用することにより、塗膜のブリスターを定量的に評価することができる。
〈評価方法〉
実施形態に係る評価方法は、物体上に形成された塗膜のブリスターを評価する評価方法であって、
（ａ）同軸照明装置で光照射された塗膜の表面の画像データを撮影装置によって取得し、
（ｂ）画像データに少なくとも二値化処理を施して、塗膜の表面に存在するブリスターの領域を検出し、および
（ｃ）画像データの評価対象の領域において前記ブリスターの領域が占める面積率を求める。
以下、図１０に示すフローチャートを参照して評価装置１を用いた評価方法について説明する。
まず、評価装置１は、評価手法の選択のためのデータである塗膜の表面を示す値の入力を受け付ける（Ｓ０１）。例えば、評価装置１は、ユーザによって入力部１４を用いた操作により、塗膜の表面を示す値として、ブリスターサイズ、光沢度、および、表面粗度の値が入力されると、評価に用いる評価手法が選択される。
評価装置１は、ステップＳ０１で選択された評価手法の第１条件で設定されるパラメータを用いて、評価対象のワークＷ上の塗膜の表面の画像データを取得する（Ｓ０２）。具体的には、評価装置１は、選択された評価手法の第１条件で定められるパラメータを用いて同軸照明装置のハーフミラー３２からワークＷの表面の有効視野までの最短距離ＬＷＤを設定し、画像データを取得する。ステップＳ０２で取得された画像データは、第１画像データである。また、評価装置１は、取得した第１画像データを記憶部１２に記憶させる。
評価装置１は、ステップＳ０２で取得した第１画像データをグレースケール化する（Ｓ０３）。ステップＳ０３でグレースケール化された画像データは、第２画像データである。また、評価装置１は、グレースケール化した第２画像データを記憶部１２に記憶させる。
評価装置１は、ステップＳ０３でグレースケール化された第２画像データから、ステップＳ０１で選択された評価手法の第２条件で設定されるパラメータに応じた画像サイズで評価対象となる領域を抽出（トリミング）する（Ｓ０４）。具体的には、評価装置１は、ステップＳ０２における取得の際のワークＷへの光の照射位置に応じて、対象領域の位置を設定する。
評価装置１は、ステップＳ０４で抽出された対象領域の第２画像データに、平滑化処理を施す（Ｓ０５）。このとき、評価装置１は、ステップＳ０１で選択された評価手法の第２条件で設定されるパラメータに応じたカーネル値を利用する平滑化フィルタを用いて、対象領域の第２画像データに平滑化処理を施す。
評価装置１は、ステップＳ０５の平滑化処理で得られた第３画像データに、二値化処理を施す（Ｓ０６）。このとき、評価装置１は、ステップＳ０１で選択された評価手法の第２条件で設定されるパラメータを利用して二値化に利用する閾値を調整し、第３画像データの各画素の輝度値が調整された閾値以上である場合に白、閾値未満である場合に黒として二値化処理を施す。
評価装置１は、ステップＳ０６の二値化処理で得られた第４画像データから、ブリスター領域を検出する（Ｓ０７）。上述したように、画像データにおいて、平坦な部分は明るくなり、凸部分は暗くなる。したがって、二値化画像データでは、本来のワークＷ部分が平坦であるため白くなり、凸部分であるブリスターＢ部分が黒となる。そのため、二値化画像データから、黒い領域をブリスター領域として検出する。
評価装置１は、ステップＳ０７で検出されたブリスター領域を用いて、評価対象である対象領域に対するブリスター領域の面積率を算出する（Ｓ０８）。具体的には、評価装置１は、トリミングされた対象領域の二値化画像データの画素数に対する、ブリスター領域の画素数を算出する。また、評価装置１は、算出した面積率を、評価結果として記憶部１２に記憶させる。
評価装置１は、ステップＳ０８で得られた結果を、出力部１５に出力する（Ｓ０９）。
例えば、評価装置１において評価する塗膜は、耐蝕性を評価する目的で、耐蝕性試験に付した後に、塗膜のブリスターを評価することができる。したがって、耐蝕性試験に付された塗膜を評価する場合、上述した評価装置１おける評価の処理が開始される前に、耐蝕性試験が実施される。なお、塗膜の耐蝕性試験の条件は、塗膜や評価の目的等に応じて適宜選択され得る。
例えば塗膜の耐蝕性試験には樹脂ライニングの耐蝕性試験で一般的に用いられているライニングテスタ（商品名：山崎式ライニングテスタＬＡ－１５、株式会社山崎精機研究所製）が挙げられる。ライニングテスタでは試験片の内外面に温度勾配を与え、加速試験を行うことができる。具体的には、図９Aに示した塗膜は、SUS304基材上に、製膜後の膜厚が300μｍとなるようフッ素樹脂塗料を塗装し、試験片の内側に環境液として１００℃の水を用い、外側に３０℃の水を流し、２４時間試験を行った後の液相部分を撮影したものである。
このように、塗膜の表面を示す各値に応じて選択された評価手法毎のパラメータを用いて画像取得及び画像処理を実行する。これにより、ブリスターの面積率を正確に算出し、塗膜のブリスターを定量的に評価することができる。
〈効果及び補足〉
以上のように、本出願において開示する技術の例示として、上記実施形態を説明した。しかしながら、本開示における技術は、これに限定されず、適宜、変更、置き換え、付加、省略などを行った実施形態にも適用可能である。
本開示の全請求項に記載の評価方法、評価装置及びコンピュータプログラムは、ハードウェア資源、例えば、プロセッサ、メモリ、及びプログラムとの協働などによって、実現される。
本開示の評価方法、評価装置及びコンピュータプログラムは、塗膜の表面の状態の定量的な評価に有用である。
１ 評価装置
１１ 制御部
１１１ 選択部
１１２ 取得部
１１３ 検出部
１１４ 算出部
１１５ 結果処理部
１２ 記憶部
１２１ 画像データ
１２２ 結果データ
Ｐ 評価プログラム
１３ 通信部
１４ 入力部
１５ 出力部
２ 撮影装置
３ 同軸照明装置
Ｗ ワーク（塗膜が形成された物体）

Claims (8)

  1. 物体上に形成された塗膜のブリスターを評価する評価方法であって、
    （ａ）同軸照明装置で光照射された前記塗膜の表面の画像データを撮影装置によって取得し、
    （ｂ）前記画像データに少なくとも二値化処理を施して、前記塗膜の表面に存在するブリスターの領域を検出し、および
    （ｃ）前記画像データの評価対象の領域において前記ブリスターの領域が占める面積率を求める
    ことを含む、評価方法。
  2. 前記塗膜の表面に存在するブリスターのサイズ、前記塗膜の光沢度、および前記塗膜の表面の粗度からなる群より選択される少なくとも１つに基づいて、前記（ａ）における前記画像データを取得する第１条件、および前記（ｂ）における前記ブリスターの領域を検出する第２条件が選択される、請求項１に記載の評価方法。
  3. 前記第１条件が、前記同軸照明装置のハーフミラーと前記塗膜の表面の有効視野までの間の最短距離を含み、前記第２条件が、前記二値化処理における閾値の設定方法を含む、請求項２に記載の評価方法。
  4. 前記（ｂ）が、
    （ｉ）前記画像データをトリミングして、前記評価対象の領域に対応するトリミングされた画像データを得、
    （ｉｉ）前記トリミングされた画像データに、平滑化処理を施した後、または平滑化処理を施さずに、前記二値化処理を施す、
    ことを含む、請求項２又は３のいずれかに記載の評価方法。
  5. 前記第２条件が、前記平滑化処理の平滑化フィルタに用いるカーネル値を含む、請求項４に記載の評価方法。
  6. 前記（ａ）の前に、
    前記塗膜を有する前記物体を耐蝕性試験に付す
    ことを更に含む、請求項１～５のいずれかに記載の評価方法。
  7. 物体上に形成された塗膜のブリスターを評価する評価装置であって、
    同軸照明装置で光照射され、撮影装置で撮影された前記塗膜の表面の画像データを取得する取得部と、
    前記画像データに少なくとも二値化処理を施して、前記塗膜の表面に存在するブリスターの領域を検出する検出部と、
    前記画像データの評価対象の領域において前記ブリスターの領域が占める面積率を求める算出部と、
    を含む評価装置。
  8. 請求項１～５のいずれかに記載の評価方法をコンピュータに実行させるためのコンピュータプログラム。
JP2021094610A 2021-06-04 2021-06-04 評価方法、評価装置及びコンピュータプログラム Active JP7157355B1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2021094610A JP7157355B1 (ja) 2021-06-04 2021-06-04 評価方法、評価装置及びコンピュータプログラム
CN202280039595.4A CN117480382A (zh) 2021-06-04 2022-05-27 评价方法、评价装置和计算机程序
PCT/JP2022/021696 WO2022255239A1 (ja) 2021-06-04 2022-05-27 評価方法、評価装置及びコンピュータプログラム
KR1020237037772A KR20230164723A (ko) 2021-06-04 2022-05-27 평가 방법, 평가 장치 및 컴퓨터 프로그램
TW111120311A TW202305349A (zh) 2021-06-04 2022-05-31 評估方法、評估裝置及電腦程式

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021094610A JP7157355B1 (ja) 2021-06-04 2021-06-04 評価方法、評価装置及びコンピュータプログラム

Publications (2)

Publication Number Publication Date
JP7157355B1 JP7157355B1 (ja) 2022-10-20
JP2022186406A true JP2022186406A (ja) 2022-12-15

Family

ID=83691003

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021094610A Active JP7157355B1 (ja) 2021-06-04 2021-06-04 評価方法、評価装置及びコンピュータプログラム

Country Status (5)

Country Link
JP (1) JP7157355B1 (ja)
KR (1) KR20230164723A (ja)
CN (1) CN117480382A (ja)
TW (1) TW202305349A (ja)
WO (1) WO2022255239A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116152247B (zh) * 2023-04-20 2023-08-25 江苏三纳科技材料有限公司 一种聚氨酯涂膜的质量评估方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05256775A (ja) * 1992-03-11 1993-10-05 Nissan Motor Co Ltd 塗装面性状検査装置
JPH06160300A (ja) * 1992-11-17 1994-06-07 Nissan Motor Co Ltd ウェット鮮映性測定装置
JPH08145906A (ja) * 1994-09-19 1996-06-07 Nissan Motor Co Ltd 被検査面の欠陥検査方法およびその装置
WO2005075961A1 (ja) * 2004-02-03 2005-08-18 Kansai Paint Co., Ltd. 光輝感評価方法および光輝感評価装置
JP2006105672A (ja) * 2004-10-01 2006-04-20 Toyota Motor Corp 塗装面検出装置
JP2006343185A (ja) * 2005-06-08 2006-12-21 Daihatsu Motor Co Ltd 表面欠陥検査装置
WO2008123604A1 (ja) * 2007-03-29 2008-10-16 Toyota Jidosha Kabushiki Kaisha 表面検査装置
JP2010538258A (ja) * 2007-09-03 2010-12-09 コリア エクスプレスウェイ コーポレイション 映像処理方法を用いた鋼橋の塗膜検査システム及びその処理方法
JP2014032058A (ja) * 2012-08-02 2014-02-20 Jfe Steel Corp 表面欠陥検査方法
JP2022013285A (ja) * 2020-07-03 2022-01-18 トヨタ自動車株式会社 機械学習方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05256775A (ja) * 1992-03-11 1993-10-05 Nissan Motor Co Ltd 塗装面性状検査装置
JPH06160300A (ja) * 1992-11-17 1994-06-07 Nissan Motor Co Ltd ウェット鮮映性測定装置
JPH08145906A (ja) * 1994-09-19 1996-06-07 Nissan Motor Co Ltd 被検査面の欠陥検査方法およびその装置
WO2005075961A1 (ja) * 2004-02-03 2005-08-18 Kansai Paint Co., Ltd. 光輝感評価方法および光輝感評価装置
JP2006105672A (ja) * 2004-10-01 2006-04-20 Toyota Motor Corp 塗装面検出装置
JP2006343185A (ja) * 2005-06-08 2006-12-21 Daihatsu Motor Co Ltd 表面欠陥検査装置
WO2008123604A1 (ja) * 2007-03-29 2008-10-16 Toyota Jidosha Kabushiki Kaisha 表面検査装置
JP2010538258A (ja) * 2007-09-03 2010-12-09 コリア エクスプレスウェイ コーポレイション 映像処理方法を用いた鋼橋の塗膜検査システム及びその処理方法
JP2014032058A (ja) * 2012-08-02 2014-02-20 Jfe Steel Corp 表面欠陥検査方法
JP2022013285A (ja) * 2020-07-03 2022-01-18 トヨタ自動車株式会社 機械学習方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"自動車の自動外観検査システム", 第２０回画像センシングシンポジウム講演論文集, vol. pp. 1-6, JPN6022026482, June 2014 (2014-06-01), JP, ISSN: 0004813139 *

Also Published As

Publication number Publication date
JP7157355B1 (ja) 2022-10-20
WO2022255239A1 (ja) 2022-12-08
KR20230164723A (ko) 2023-12-04
CN117480382A (zh) 2024-01-30
TW202305349A (zh) 2023-02-01

Similar Documents

Publication Publication Date Title
Malarvel et al. An improved version of Otsu's method for segmentation of weld defects on X-radiography images
JP5727629B2 (ja) 顕微鏡撮像における高速自動焦点合わせ
CN106030653A (zh) 用于生成高动态范围图像的图像处理系统和图像处理方法
JP6264132B2 (ja) 車体塗装面の検査装置および検査方法
JP6598850B2 (ja) 画像処理装置、画像処理方法および画像処理プログラム
WO2022255239A1 (ja) 評価方法、評価装置及びコンピュータプログラム
Wu et al. Automated visual inspection of surface mounted chip components
WO2021153633A1 (ja) 金属組織の相の分類方法、金属組織の相の分類装置、金属組織の相の学習方法、金属組織の相の学習装置、金属材料の材料特性予測方法および金属材料の材料特性予測装置
CN115272256A (zh) 亚像素级传感光纤路径高斯提取方法及系统
CN113176270A (zh) 一种调光方法、装置及设备
KR102012318B1 (ko) 영상센서를 이용한 용접 품질 전수 검사 장치 및 그 방법
CN116612112B (zh) 一种水桶表面缺陷视觉检测方法
JP2007303830A (ja) 塗装面品質評価方法
JP4534795B2 (ja) 塗膜評価装置及び方法
CN111968143A (zh) 基于关联成像的边缘图像提取方法及系统
Jalilian et al. Deep learning based automated Vickers hardness measurement
JP6603709B2 (ja) 画像処理装置、画像処理方法および画像処理プログラム
TW201600223A (zh) 工具檢查方法及工具檢查裝置
KR101024598B1 (ko) 표면 밝기 분포의 분산 산출 알고리즘을 이용한 대상물 표면의 영상 검사방법
JP2019533140A (ja) 偏析分析装置及び方法
Qi et al. Quantitative detection of minor defects in metal materials based on variation coefficient of CT image
Sills et al. Defect identification on specular machined surfaces
JP2018115937A (ja) 検査システム
CN111213372B (zh) 成像设备的动态范围的评估
CN108986080B (zh) 一种射线数字图像调制度确定方法及应用

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220527

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220628

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220825

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: 20220906

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220919

R151 Written notification of patent or utility model registration

Ref document number: 7157355

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151