JP2968442B2 - 溶接欠陥の評価システム - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】開示技術は、構造物の溶接継手等
の溶接欠陥に対処するためにＸ線等の放射線検査による
フイルム画像やイメージインテンシファイヤの画像から
検出された欠陥候補像からブローホールや融合不良等の
欠陥を計算機を介し確実に判定する技術分野に属する。

【０００２】

【従来の技術】従来、例えば、発電所設備の配管等の大
型構造物の溶接継手部分等の溶接部位にエックス線等の
放射線を照射して当該溶接部分の透過像を得て、該透過
像に現われる溶接欠陥を所定の計器により計測し、その
大きさや位置、傾き等の欠陥特徴量を計算して数量的な
データとし、該データを所定に処理してブローホールや
融合不良等の溶接欠陥の種類をフイルム画像から推定す
る方法に関する技術が種々開発され、例えば、特開平３
−２０９５８２号発明にみられるような技術が開発され
ており、特に、該欠陥特徴量相互の関係を溶接欠陥の種
類ごとにデータの知識ベースとして構築し、所定数複数
のルールを作成し、溶接欠陥を検出する溶接部位のフイ
ルム画像からの欠陥特徴量により所定のデータ処理を行
い、欠陥推定ルールとし選択的な照合の結果、所定の欠
陥推定ルールを満足する処理データに対しては直接的に
確信度を付与し、或いは、直接的に確信度が付与出来な
い場合は溶接者や検査員が当該溶接に関して保有してい
るユーザインプット情報としてのエキスパートシステム
（以下ＥＳと略称）と併せて総合的に設定されたその推
定ルールと照合し、総合的に判断して最終的な確信度を
付与し、当該溶接欠陥の種類を推定する方法に係る手法
が開発されている。

【０００３】該種従来の技術にあっては放射線を透過し
た試験フイルム上の画像はテレビカメラにより画像デー
タとして計測機器等に取り込まれ、次いで、かくして取
り込んだ画像データから画像処理により欠陥候補像を検
出して画像処理時に算出された特徴パラメータを用いて
ヒストグラムや相関分布等の統計的手法を用いて欠陥と
非欠陥の識別や当該欠陥の種類の識別を行うようにして
いる。

【０００４】

【発明が解決しようとする課題】しかしながら、画像処
理により検出した欠陥候補像の中には溶接内部に存在す
る欠陥像以外に溶接部表面のくぼみ等の表面形状に起因
する濃度異常領域も検出されていることがあり、これに
対し、従来技術にあっては画像処理時に算出された特徴
パラメータを用いて統計的手段等により欠陥と非欠陥の
分類、及び、当該欠陥の種類の識別を行うようにしてい
るために、欠陥候補像の数が多い場合はコンピュータ等
での計算量が欠陥候補像の数に対して比較的に増大して
処理時間が多大にかかるという欠点があり、又、上記異
常濃度領域の検出結果に対して判定が出来ない難点があ
る。

【０００５】又、従来の技術にあっては画像処理時に算
出された特徴パラメータを用いて単純な統計処理によっ
て欠陥，非欠陥の識別を行うために、検査員の識別能力
を利用することが出来ず、その結果、誤検出や過検出が
多くなるという不都合さがあった。

【０００６】このような欠陥種類識別に用いる各種製品
の欠陥の形状や濃度等をパラメータ化して計算機により
当該欠陥を識別することによる時間的ロスや多大なエネ
ルギーを使うことに対しては近時人間の神経細胞を模擬
した素子（ニューロン）を組み合わせて１つのネックワ
ークを構成し、該ネットワークにある規則を学習させる
ことにより、人間の判断と同じような情報処理機能を装
置として実現しようとする神経回路網（以下ＮＮと略
称）を介して計算速度の低下や誤検出や過検出を防ごう
とする開発技術が、例えば、特開平３−１４４３５０号
公報，特開平３−６８８４５号公報，特開平４−２２２
０６４号公報，特願昭５１−１４６８８６号公報等に開
示されてはいる。

【０００７】しかしながら、これらのＮＮ等の先行技術
にあっては単純な統計処理では分類出来ない複雑な多変
数の相関関係を該ＮＮにサンプルデータを学習させるこ
とによっては短時間でそれらの相関関係を解析出来るも
のではなく、又、欠陥，非欠陥の分類や当該欠陥の種類
や異常濃度検出データや表面の傷検出データの識別を高
精度で実現するには至ってはいないネックがあるもので
ある。

【０００８】特に、特開平３−１４４３５０号公報にあ
ってはＮＮを用いることによる欠陥と非欠陥とのしきい
値を容易に決定出来る等のメリットはあるものの、又、
鋼板表面の傷等の検査については誤検出と過検出を共に
最適に抑えることが出来る等の利点はありはするが、放
射線透過試験を用いた異常濃度領域検出の識別等溶接欠
陥の種類判別に該ＮＮを使用することは出来ない欠点が
ある。

【０００９】

【発明の目的】この出願の発明の目的は上述従来技術に
基づく各種溶接構造物の溶接欠陥、及び、非欠陥、並び
に、該欠陥の種類の識別を行う問題点を解決すべき技術
的課題とし、ＮＮへの入力データとして特徴パラメータ
を用い、構造物の溶接部の欠陥と（濃度異常部やワーク
表面形状などの）非欠陥、更には該欠陥の種類の識別を
も、高精度で行うことが出来るようにし、更にはこれま
で構築されているＥＳを併用させて推定ルールと照合し
て溶接欠陥の種類識別を高能率で精度良く実現するＮＮ
を介しての溶接欠陥の評価システムを提供せんとするも
のである。

【００１０】

【課題を解決するための手段】上述目的に沿い先述特許
請求の範囲を要旨とするこの出願の発明の構成は、前述
課題を解決するために、溶接部位に対する放射線照射に
よって得られる処理画像から算出した溶接欠陥特徴パラ
メータを入力データとし溶接部の欠陥と非欠陥、そして
欠陥の種類を識別する評価システムにおいて、上記画像
をテレビカメラにより画像データとして取り込んで、次
いで、計算機とエキスパートシステムを介して画像処理
により、欠陥と欠陥でない濃度異常部やワークの表面の
形状像等を含む欠陥候補画像を検出し、検出した欠陥候
補画像の特徴パラメータを計算機により算出し、該特徴
パラメータに溶接方法，板厚，材料等の溶接条件をも特
徴パラメータとして加え、これに対し予め識別すべき欠
陥の種類、非欠陥の特徴パラメータ間の相関関係を学習
記憶させたニューラルネットワークを介して欠陥と非欠
陥、加えて、該欠陥の種類を二段階的に判別するように
するように、更に、溶接部位に対する放射線照射によっ
て得られるフイルム上の処理画像から算出した溶接欠陥
特徴パラメータを入力データとし溶接部の欠陥と非欠
陥、そして欠陥の種類を識別する評価システムにおい
て、上記画像をテレビカメラにより画像データとして取
り込んで、次いで計算機を介して画像処理により、欠陥
と欠陥でない濃度異常部やワーク表面の形状像等を含む
欠陥候補画像を検出し、検出した欠陥候補画像の特徴パ
ラメータを計算機により算出し、該特徴パラメータに溶
接方法，板厚，材料等の溶接条件をも特徴パラメータと
して加え、これに対し予め識別すべき欠陥、非欠陥の特
徴パラメータ間の相関関係を学習記憶させた神経回路網
を介して欠陥と非欠陥を識別し、該非欠陥を除いて該欠
陥データについてのみ欠陥種類を識別するに際し、ＥＳ
の推定ルールと照合してより高度に当該溶接欠陥の種類
をも推定するようにする技術的手段を講じたものであ
る。

【００１１】

【作用】このように学習記憶させたＮＮは単純な積和の
式で表せるために計算速度は従来の推論処理に比し、溶
接欠陥の種類の推定方法の処理速度が著しく向上し、更
にこれまで構築されていたＥＳを併用させて用い推定ル
ールと照合させることにより該欠陥種類識別能力の高度
化，正確化を可能にするようにするものである。

【００１２】

【発明が実施しようとする形態】この出願の発明の実施
しようとする形態を実施例の態様として図１〜図１０を
参照して説明すれば以下の通りである。

【００１３】まず、この出願の発明において能力的に作
用するＮＮについて１実施例の態様として説明すると、
図８に示す様に、入力層の素子数は１５、中間層の素子
数は８、そして、出力層の素子数は２の構造とされてお
り、該ＮＮの構造は体積状欠陥候補像（第１種欠陥候補
像），面状欠陥候補像（第２種欠陥候補像）に対して同
一のものが用いられるようにされている。

【００１４】而して、学習については図９に示す様に、
入力層には画像データに算出された形状，濃度等の特徴
パラメータ、及び、溶接条件等の特徴パラメータを入力
し出力層には非欠陥ならば（１，０）、欠陥ならば
（０，１）を２値化して出力するように行うようにされ
る。

【００１５】而して、欠陥と非欠陥の識別方法は予め学
習記憶させておいた第１種，第２種欠陥候補像専用のＮ
Ｎで行うが、実際の欠陥候補像の特徴パラメータを入力
した場合、出力層から出力される値は非欠陥について
（１，０）、欠陥について（０，１）にはならず、その
ため欠陥，非欠陥の識別については図１０に示す様に、
２つの出力値の対象関係を比較することによって行う。

【００１６】即ち、出力値が（ａ，ｂ）であった場合、
ａ＞ｂならば非欠陥、ａ≦ｂならば欠陥とする方法で識
別を行うようにされている。

【００１７】上述の操作により溶接欠陥と非欠陥の識別
をＮＮにより行い、設計によって当該欠陥と識別された
欠陥候補像のみを次の欠陥種類に対する識別ＥＳを併用
することによって、より正確な評価が可能となるように
するために、計算量の軽減による処理速度の向上、及
び、ＥＳの直列的併用処理により検査能力の高度化が可
能となるものである。

【００１８】図１，図２はＮＮのみで溶接構造物の溶接
欠陥の種類，非欠陥の種類を識別する実施例を示す態様
であり、図１はこの出願の発明の要旨の中心を成す溶接
欠陥のＮＮを介しての評価システムを示すものであり、
現場に於ける被試験単位に対する放射線撮影された放射
線透過試験フイルム２に対しＩＴＶカメラ３によってそ
の画像をデータとして取り込み、次にコンピュータ等に
よる画像処理装置４を介してフイルム２よりの画像デー
タからの濃度異常領域をも欠陥候補像として検出し、
又、検出した該欠陥候補像の形状，濃度等の特徴パラメ
ータを算出し、予め識別すべき欠陥，欠陥の種類、非欠
陥の特徴パラメータを学習記憶させたＮＮ５により欠陥
と非欠陥とを識別し、更には欠陥の種類をも識別するよ
うにした態様である。

【００１９】この場合、ＩＴＶカメラ３により放射線透
過試験フイルム２からの画像信号を画像処理装置４に取
り込み、画像処理をすることで溶接欠陥と溶接部のくぼ
み部分の表面形状に起因する単なる濃度異常領域の情報
をも特徴パラメータとして定量化し、ＮＮ５によって溶
接欠陥と非欠陥との識別を行うが、予め学習記憶させた
該ＮＮ５は単純な積和の式で表せるため計算速度は従来
の複雑な推論過程に比して数段速いものである。

【００２０】尚、欠陥と非欠陥を識別するＮＮ５は予め
欠陥，非欠陥について画像処理より算出した特徴パラメ
ータと結果を入力して学習記憶させておくものであり、
当該特徴パラメータについては図６，図７に示す様な欠
陥候補像の形状，濃度等の情報が多種類算出されている
ものである。

【００２１】そして、コンピュータ４により算出された
欠陥候補像の特徴量のパラメータを予め学習させた欠
陥，非欠陥を識別するＮＮ５に入力する。

【００２２】尚、第１種の体積欠陥候補像、及び、第２
種の面状欠陥候補像の分離は形状データをもとに行うも
のである。

【００２３】上述実施例はＮＮのみで欠陥の種類，非欠
陥の種類を識別する態様であるが、次に、図３，図４，
図５に示す実施例は上述ＮＮによる欠陥，非欠陥の識別
後のデータの第１種の欠陥，第２種の欠陥についてＥＳ
を併用して行うものであり、或いは、ＮＮの欠陥，非欠
陥の識別後の第１種の欠陥，第２種の欠陥に対しＥＳに
よる推定ルールと照合して欠陥種類分類、及び、フイル
ム自体の合否判定を行う態様である。

【００２４】まず、図３，図５に示す態様はＮＮ１と前
記特開平３−２０９５８２号直列併用処理形式の１つで
あり、まず、現場に於ける被試験体を放射線撮影された
フイルム２に対してＩＴＶカメラ３によりその画像デー
タをアナログ信号とし取り込むようにし、しかも、該画
像データから欠陥候補像の特徴パラメータの計算を行う
コンピュータ４に入力し、欠陥候補像の特徴パラメータ
のデータは検出した欠陥候補像の形状，濃度等の情報を
各欠陥候補像ごとに上述図８に示したＮＮの入力層に１
５素子の各特徴パラメータを入力するようにする。

【００２５】そして、コンピュータ４により算出された
欠陥候補像の特徴パラメータを予め学習させた欠陥，非
欠陥を識別するＮＮ１に入力する。

【００２６】而して、該ＮＮ１から導出した欠陥データ
のみを次のステップである特開平３−２０９５８２号に
示すＥＳに引き渡し、当該ＥＳの推定ルールと照合する
ことにより欠陥の種類の識別検査結果の出力を行う。

【００２７】又、更に、欠陥，非欠陥の識別能力を向上
させるべく、図４に示す実施例のようにコンピュータ４
により導出された欠陥候補像の特徴パラメータを予め学
習させた第１種の体積欠陥候補像，第２種の面状欠陥候
補像各々専用のＮＮ２，ＮＮ３に入力するようにする。

【００２８】そして、当該各ＮＮ２，ＮＮ３により検出
した欠陥データのみを次のステップである前述特開平３
−２０９５８２号に示すＥＳに引き渡し、当該ＥＳの推
定ルールとの照合により欠陥の種類の識別検査の出力を
行うようにする。

【００２９】このようにする後者の実施態様によれば、
更に、欠陥，非欠陥の識別能力が向上する。

【００３０】尚、上述各実施例のフローチャートは図１
２，図１３に示す通りである。

【００３１】ＥＳとＮＮを併用し、欠陥識別に適用した
結果、表１に示す様に、放射線透過試験フイルム２００
枚に対し、画像処理により検出した欠陥候補像１１５２
個のうち、排除出来ない非欠陥を５５個に減少させるこ
とにより、ＥＳの処理時間は１１５分から４１分に短縮
出来ることが分る。

【００３２】又、識別結果はＥＳのみの処理では排除出
来ない非欠陥数が２１１個であるのに対してＮＮを併用
することにより５５個に減少し、識別結果が向上してい
ることが分る。

【００３３】

【表１】

【００３４】当該実施例によれば、基本的に溶接製品の
溶接欠陥と非欠陥の識別を効率的に行い、設計としては
欠陥と識別された欠陥候補像のみを次の欠陥種類識別Ｅ
Ｓと併用させることが出来るため計算量のロード軽減に
より処理速度の向上、及び、特開平３−２０９５８２の
直列併用処理によって識別能力の高度化が実現される。

【００３５】

【発明の効果】従来の特開平３−２０９５８２号公報の
手法においては、放射線透過試験フイルムをテレビカメ
ラにより画像データとして取り込み、次に、取り込んだ
画像データから画像処理により欠陥候補像を検出し、画
像処理時に算出された特徴量パラメータを用いてヒスト
グラムや相関分布等の統計的手法を利用した複数の推論
ルールを用いたＥＳで、欠陥の種類識別を行っているた
めに、欠陥候補像の量が多くなる場合には、コンピュー
タ等の計算機器での計算量が欠陥候補像の数に比例して
増大し、処理時間に膨大な量がかかる。欠陥候補像のな
かには、溶接部に存在する欠陥像以外に溶接部のくぼみ
等の表面形状に起因する濃度異常領域等の非欠陥像が多
数あり、予め識別すべき欠陥、非欠陥の特徴パラメータ
を学習記憶させたＮＮによって当該非欠陥像を除いて、
当該欠陥像データのみＥＳで欠陥の種類を識別すること
により、該ＥＳの計算量を軽減させ欠陥データの判定ま
での時間を短縮させ、更には、予め識別すべき欠陥（欠
陥の種類）、非欠陥の特徴パラメータ間の相互間系を学
習軽億させたＮＮにより欠陥と非欠陥を識別し、更には
欠陥の種類をも識別することが極めて短時間に能率良く
できるという優れた効果がある。

【００３６】又、処理速度における効果のみならず、上
述の実施例の具体的な効果として提示した表２に示す通
り、欠陥識別能力の高度化に寄与する効果がある。

【００３７】即ち、ＮＮを適用した場合、これに適用し
ない場合に比べてＥＳで不可能であった欠陥候補像を欠
陥とそれ以外の非欠陥とに分類する能力が向上する優れ
た効果が奏される。

【００３８】上述の操作により、溶接欠陥と非欠陥の識
別をＮＮにより行い、設計によって当該欠陥と識別され
た欠陥候補像のみを次の欠陥種類に対する識別ＥＳを併
用することによって、計算量の軽減による処理速度の向
上、及び、ＥＳの直列的併用処理により検査能力の高度
化が可能となるものである。

【００３９】

【表２】

【００４０】このように本手法を用いることにより構造
物の溶接部の検査に出される放射線透過試験によって得
られる像の数が多くなれば、検査員の作業量、及び、検
査時間が増加し、欠陥データの判定が遅くなることが避
けられなかったのが避けられ、又、欠陥の識別能力の向
上という優れた効果が奏される。

【００４１】又、溶接欠陥像の抽出については専門検査
員の識別能力をＮＮを用いた技術に対して、更に特開平
３−２０９５８２号に示されているＥＳを併用させて欠
陥種類の識別、及び、等級分類による合否判定の能力向
上がＮＮを用いることのみでは異常濃度の検出データの
判別が不可能であるとか処理機能アップが出来るという
優れた効果が奏される。

【００４２】このようにする実施態様によれば、更に、
欠陥、非欠陥の識別能力が向上する。

【００４３】請求項１の発明によれば、ＮＮを用いるこ
とにより情報の入力から出力までの時間が著しく短縮さ
れ、処理の能率がアップするという効果がある。

【００４４】又、各欠陥種類毎の分析が不要であること
から構築手続きを大幅に軽減することが出来るという効
果もある。

【００４５】非欠陥と各種欠陥の相関分析が容易になる
ことから欠陥と非欠陥の分類が欠陥種類判別と同時に行
うことが可能となる効果もある。

【００４６】更に、非欠陥を排除し、該非欠陥を欠陥と
する過検出を防ぐことが出来る利点もある。

【００４７】又、請求項２の発明においては、ＮＮとＥ
Ｓを併用することにより欠陥と非欠陥の分類を行った
後、非欠陥を除去し欠陥のみをＥＳにて当該欠陥の種類
を分類することが出来る効果もある。

【００４８】膨大な欠陥候補像データを単純積和計算の
ＮＮを用いて欠陥非欠陥の分類を行った後に欠陥データ
のみについて予め構築したＥＳを用いることによって複
数の推論ルールで処理するデータの絶対数が減少し、Ｅ
Ｓ単独の使用に比し処理時間のアップが図れるという効
果がある。

【００４９】更に、欠陥候補像の物理的な第一種の丸み
を帯びた欠陥や第二種の長い欠陥等の物理的なグループ
毎にＮＮによる欠陥非欠陥の分類を行い、ＥＳで欠陥の
種類分けを行うことが出来ることから高度な分類が可能
であり、バリエーションが豊富で目的に合致した使用方
法が採用可能であるという優れた効果が奏される。

【図面の簡単な説明】

【図１】この出願の発明の１実施例の模式フロー図であ
る。

【図２】同、フローチャート図である。

【図３】他の実施例の模式フロー図である。

【図４】同、他の実施例の変形模式フロー図である。

【図５】同、両実施例のフローチャート図である。

【図６】ＮＮの入力特徴量の模式図である。

【図７】図６の続葉図である。

【図８】ＮＮの模式構造図である。

【図９】同、学習の模式図である。

【図１０】ＮＮによる識別方法の模式図である。

【図１１】学習終了を判断するためのフローチャート図
である。

【図１２】この出願の発明のシステムのフローチャート
図である。

【図１３】同、図１２図の続葉図である。

【符号の説明】

２ 放射線透過試験フィルム ３ ＩＴＶカメラ ４ 画像処理装置（コンピュータ） ５，５´ ，５´´，５´´´ 神経回路網 ６ エキスパートシステム（ＥＳ）

フロントページの続き (51)Int.Cl.⁶ 識別記号 ＦＩ Ｈ０４Ｎ 7/18 Ｈ０４Ｎ 7/18 Ｂ (72)発明者 川野 征士郎 兵庫県神戸市中央区東川崎町３丁目１番 １号 川崎重工業株式会社 神戸工場内 (72)発明者 神岡 光浩 兵庫県神戸市中央区東川崎町３丁目１番 １号 川崎重工業株式会社 神戸工場内 (72)発明者 杉本 幸治 兵庫県明石市川崎町１番１号 川崎重工 業株式会社 明石工場内 (72)発明者 井内 貞夫 兵庫県明石市川崎町１番１号 川崎重工 業株式会社 明石工場内 (56)参考文献 特開 平３−209582（ＪＰ，Ａ) 特開 平３−144350（ＪＰ，Ａ) 特開 平４−361387（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁶，ＤＢ名) G06T 7/00 G06T 1/00 G01N 21/88

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】溶接部位に対する放射線照射によって得ら
   れる処理画像から算出した溶接欠陥特徴パラメータを入
   力データとし溶接部の欠陥と非欠陥、そして欠陥の種類
   を識別する評価システムにおいて、上記画像をテレビカ
   メラにより画像データとして取り込んで、次いで計算機
   を介して画像処理により、欠陥と欠陥でない濃度異常部
   やワーク表面の形状像等を含む欠陥候補画像を検出し、
   検出した欠陥候補画像の特徴パラメータを計算機により
   算出し、該特徴パラメータに溶接方法，板厚，材料等の
   溶接条件をも特徴パラメータとして加え、これに対し予
   め識別すべき欠陥、非欠陥の特徴パラメータ間の相関関
   係を学習記憶させた神経回路網を介して欠陥と非欠陥を
   識別し、該非欠陥を除いて該欠陥データについてのみ欠
   陥種類を識別するに際し、エキスパートシステムの推定
   ルールと照合してより高度に当該溶接欠陥の種類をも推
   定するようにすることを特徴とする溶接欠陥の評価シス
   テム。