JP4516777B2 - Thin plate surface defect distribution form analysis apparatus, thin plate surface defect distribution form analysis method, computer program, and computer-readable recording medium - Google Patents
Thin plate surface defect distribution form analysis apparatus, thin plate surface defect distribution form analysis method, computer program, and computer-readable recording medium Download PDFInfo
- Publication number
- JP4516777B2 JP4516777B2 JP2004112225A JP2004112225A JP4516777B2 JP 4516777 B2 JP4516777 B2 JP 4516777B2 JP 2004112225 A JP2004112225 A JP 2004112225A JP 2004112225 A JP2004112225 A JP 2004112225A JP 4516777 B2 JP4516777 B2 JP 4516777B2
- Authority
- JP
- Japan
- Prior art keywords
- wrinkle
- group
- distribution
- data
- cocoon
- 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.)
- Expired - Fee Related
Links
- 238000009826 distribution Methods 0.000 title claims description 212
- 230000007547 defect Effects 0.000 title claims description 68
- 238000004458 analytical method Methods 0.000 title claims description 40
- 238000004590 computer program Methods 0.000 title claims description 9
- 230000037303 wrinkles Effects 0.000 claims description 257
- 238000000034 method Methods 0.000 claims description 59
- 238000011156 evaluation Methods 0.000 claims description 41
- 238000004364 calculation method Methods 0.000 claims description 39
- 238000005096 rolling process Methods 0.000 claims description 37
- 230000005484 gravity Effects 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 14
- 229910000831 Steel Inorganic materials 0.000 claims description 12
- 239000010959 steel Substances 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 5
- 238000012854 evaluation process Methods 0.000 claims 1
- 210000000744 eyelid Anatomy 0.000 description 32
- 230000006870 function Effects 0.000 description 26
- 239000004071 soot Substances 0.000 description 16
- 238000007689 inspection Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 4
- 238000005098 hot rolling Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 229910001335 Galvanized steel Inorganic materials 0.000 description 3
- 239000008397 galvanized steel Substances 0.000 description 3
- 239000010409 thin film Substances 0.000 description 3
- 238000000137 annealing Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 241001290864 Schoenoplectus Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005246 galvanizing Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002436 steel type Substances 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
本発明は、薄板の表面欠陥の分布形態解析装置、薄板の表面欠陥の分布形態解析方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体に関し、特に、自動車や家電製品の外板など、良好な外観を要求される薄板製品に発生する疵や汚れ等の表面欠陥について、その発生個数や発生位置、更にはその分布形態から、表面欠陥の発生要因を分析するために用いて好適な技術に属する。 TECHNICAL FIELD The present invention relates to a thin plate surface defect distribution form analysis apparatus, a thin plate surface defect distribution form analysis method, a computer program, and a computer-readable recording medium, and in particular, a good appearance such as an outer plate of an automobile or a home appliance. As for surface defects such as wrinkles and dirt that occur in thin plate products that require the above-mentioned properties, they belong to a suitable technique that is used for analyzing the generation factors of surface defects from the number and position of occurrence and the distribution form thereof.
従来、薄板コイルのような鉄鋼製品に発生する表面疵や汚れ等の欠陥の発生要因を分析するに際しては、欠陥発生部位を切り出したサンプルを採取するようにしていた。具体的に説明すると、個々の疵や汚れの寸法情報、線状・面状などの形状情報、色などの外観情報、欠陥断面の顕微鏡写真による組織分析情報、及び欠陥に含まれる元素成分や酸化物の分析から得られる情報を、上記採取したサンプルから収集する。 Conventionally, when analyzing the cause of defects such as surface flaws and dirt generated in steel products such as thin coil, a sample in which the defect occurrence site is cut out is collected. Specifically, the size information of individual wrinkles and stains, shape information such as lines and planes, appearance information such as color, structure analysis information by micrograph of the defect cross section, and elemental components and oxidation contained in the defect Information obtained from the analysis of the object is collected from the collected sample.
そして、これらの情報を手がかりに、過去に発生した欠陥に関する経験や、鉄鋼プロセスに関する知識を基にした分析から、疵の発生要因の推定が行う。この際、上述の欠陥に関する諸情報に加え、欠陥の発生している部位に関する情報、例えば「熱延工程を通過した際のコイル上面に疵が集中している」、或いは「幅方向の特定の位置(センタ、或いはエッジから300[mm]内側など)に疵が集中している」といった情報は、欠陥発生要因推定の有効な手がかりとなる。このことから、従来は、検定員が検査ラインにて疵発生部位を観察して結果を記録し、記録した結果を他の情報と合せて、疵の発生要因を分析するようにしている。 Then, using these information as clues, the cause of flaws is estimated from analysis based on past experience of defects and knowledge on steel processes. At this time, in addition to the various information on the defect described above, information on the part where the defect has occurred, for example, “the wrinkles are concentrated on the upper surface of the coil when passing through the hot rolling process” or “specific in the width direction” Information such as “the wrinkles are concentrated at the position (center or edge 300 [mm] inside)” is an effective clue for estimating the cause of the defect. For this reason, conventionally, the examiner observes the wrinkle occurrence site on the inspection line, records the result, and combines the recorded result with other information to analyze the wrinkle occurrence factor.
このような疵の発生部位情報を、より大量に且つ高精度に収集するために、例えば光学式の自動疵検査装置を用いて、プロセスラインを通過するコイルの表面欠陥を検出し、検出したコイルの表面欠陥に関する情報を、疵の発生部位の座標情報と共に、計算機のハードディスク上に保存し、保存した情報を、疵の発生要因を分析する際に、欠陥発生部位情報として使用する方法も行われている。 In order to collect such flaw occurrence site information in a large amount and with high accuracy, for example, an optical automatic wrinkle inspection device is used to detect a surface defect of the coil passing through the process line, and the detected coil Information on surface defects is stored on the computer's hard disk together with the coordinate information of the defect occurrence site, and the saved information is used as defect occurrence site information when analyzing the cause of the defect occurrence. ing.
しかしながら、疵の発生部位に関する情報を検定員が観察によって記録する方法では、検査ラインを通過したコイルしか観察することができない。また、コイルの生産性を維持するようライン速度を確保しなくてはならないという制約もある。これらのことから、高速で移動する薄板コイルの欠陥発生位置の検出精度が検定員によってばらつき、信頼性の高い情報が得難いという問題点があった。 However, in the method in which the examiner records information on the wrinkle generation site by observation, only the coil that has passed through the inspection line can be observed. There is also a restriction that the line speed must be secured to maintain coil productivity. For these reasons, there is a problem that the detection accuracy of the defect occurrence position of the thin coil that moves at high speed varies depending on the examiner, and it is difficult to obtain highly reliable information.
また、自動疵検査装置で検出されたコイル全長に渡る欠陥発生部の座標情報を保存して分析に使用する方法では、人手による収集よりも精度の高い疵発生位置の座標データを用いた分析が可能となる。
しかしながら、表面欠陥が大量に発生した場合や、同様の鋼種や操業条件で製造されたコイルの全ての疵データを大量に収集して疵分布状況を解析したい場合には、人手によってコイル1本づつの疵分布を分析する必要があり、解析に時間を要するという問題点があった。
Also, in the method of storing and using the coordinate information of the defect occurrence part over the entire length of the coil detected by the automatic flaw inspection device for analysis, analysis using the coordinate data of the flaw occurrence position with higher accuracy than manual collection is possible. It becomes possible.
However, when a large number of surface defects occur, or when it is desired to analyze the distribution of defects by collecting a large amount of all defects data of coils manufactured under the same steel types and operating conditions, one coil at a time. It was necessary to analyze the wrinkle distribution, and it took time to analyze.
本発明は、上記のような問題点に鑑みてなされたものであり、薄板コイルに発生し、自動疵検査装置等によって収集・蓄積された疵の座標データから、疵の分布形態に関する情報を定量的な指標として自動的に抽出し、提示することによって、大量のコイルに関する欠陥分布情報を活用した発生要因分析が行えるようにすることで、迅速な要因解明と対策アクションの立案を支援し、欠陥発生率の低減と製品の歩留の向上とに寄与することを目的とする。 The present invention has been made in view of the above problems, and quantitatively quantifies information on the distribution pattern of wrinkles from the coordinate data of wrinkles generated in a thin plate coil and collected and accumulated by an automatic wrinkle inspection device or the like. By automatically extracting and presenting it as a general index, it is possible to perform cause analysis using defect distribution information on a large number of coils, thereby supporting rapid cause elucidation and planning of countermeasure actions. The purpose is to contribute to reduction of the incidence rate and improvement of product yield.
本発明の表面欠陥の分布形態解析装置は、鉄鋼製品である薄板コイルに発生する表面欠陥の分布形態を解析して、その発生要因を分析する薄板の表面欠陥の分布形態解析装置であって、前記薄板コイルの表面疵の発生位置に関する座標データを入力する疵データ入力手段と、前記疵データ入力手段によって入力された表面疵の座標データを蓄積する疵データ蓄積手段と、前記疵データ蓄積手段によって蓄積された表面疵の座標データに基づいて、前記薄板コイルの疵分布形態を、定量的な数値として特徴量化する演算処理を行う疵分布特徴量算出手段と、前記疵分布特徴量算出手段によって演算処理された疵分布形態の特徴量の解析結果を、ユーザに提示する為の解析結果表示手段とを備え、前記疵分布特徴量算出手段は、(A)予め設定された疵グループの初期個数分の疵グループ重心初期位置を作成する疵グループ初期重心位置作成手段と、(B)疵グループの重心位置の座標と、各疵の座標データとを用いて、重心位置と疵との距離を算出する疵−重心間距離計算手段と、(C)前記疵−重心間距離計算手段によって算出された距離に基づいて、互いに近接していると見なせる疵同士をグループ化して、1つ又は複数の疵グループを作成する疵グループ作成手段と、(D)前記疵グループ作成手段によって作成された各疵グループに属する各疵データについて、該疵データからの該疵データが属する疵グループに最も近い疵グループに属する疵データまでの平均距離と、該疵データからの該疵データと同じ疵グループに属する疵データまでの平均距離との差異が大きいほど大きな値を示す指標を、全疵グループに属する全疵データについて計算した平均値を最適性評価指標として求めて、前記最適性評価指標が増加しなくなるまで、前記疵グループの個数を1つ増して前記(A)から(D)の計算を行うという手順を繰り返して、該最適性評価指標が最も大きい場合の疵グループの個数を最適な疵グループの個数であると評価する最適疵グループ個数評価手段とを有し、前記疵グループ作成手段によって作成された各疵グループに基づいて、疵グループの重心座標値と、疵グループの空間サイズ値と、疵グループ内の疵個数密度値とを特徴量として計算するようにしたことに特徴を有する。
本発明の表面欠陥の分布形態解析装置の他の特徴とするところは、前記疵分布特徴量算出手段は、疵グループの重心座標に中心を持つ正規分布関数を用いて、薄板コイルの疵の分布形態を表現し、その分布形態を用いて、前記薄板コイルの疵分布形態を、定量的な数値として特徴量化するようにした点にある。
また、本発明の表面欠陥の分布形態解析装置の他の特徴とするところは、前記疵分布特徴量算出手段は、コイルの圧延方向、及び板巾方向の疵個数分布を算出する圧延/巾方向疵個数分布作成手段と、前記圧延/巾方向疵個数分布作成手段によって作成された疵個数分布に関する情報に基づいて、疵が直線状に分布する領域が複数個存在し、かつ互いに直交している直線状の疵分布が存在しているか否かを判定する直線状疵分布直交判定手段と、前記直線状疵分布直交判定手段によって、互いに直交している直線状の疵分布の構成要素であると判定された疵データを、他の疵データとは別個の疵グループと見なし、その別個の疵グループの代表形状として重心の代わりに直線を用いて疵グループ化の処理を行う直線状疵グループ作成手段とを有し、前記互いに直交する直線状の疵分布を構成要素としない疵データを抽出して、前記疵グループ初期重心位置作成手段に引き渡すようにした点にある。
The surface defect distribution form analysis apparatus of the present invention is a thin film surface defect distribution form analysis apparatus that analyzes the distribution form of surface defects generated in a thin coil that is a steel product, and analyzes the generation factors thereof. By the wrinkle data input means for inputting the coordinate data relating to the occurrence position of the surface flaw of the thin coil, the wrinkle data storage means for accumulating the coordinate data of the surface flaw inputted by the wrinkle data input means, and the wrinkle data storage means Based on the accumulated surface wrinkle coordinate data, wrinkle distribution feature amount calculating means for performing a calculation process for converting the wrinkle distribution form of the thin coil into a characteristic value as a quantitative value, and calculation by the wrinkle distribution feature amount calculating means Analysis result display means for presenting the analysis result of the feature value of the processed soot distribution form to the user, wherein the soot distribution feature value calculating means includes: (A) a preset value疵 group initial centroid position creation means for creating 手段 group centroid initial position for the initial number of cocoon groups, (B) centroid position using 座標 group centroid position coordinates and coordinate data of each heel (C) Based on the distance calculated by the heel-center of gravity distance calculation means, groups the heels that can be considered to be close to each other. (1 ) 疵 group creation means for creating one or more heel groups; (D) for each 疵 data belonging to each 疵 group created by the 疵 group creation means, the 疵 data from the 疵 data belongs to The larger the difference between the average distance to the heel data belonging to the heel group closest to the group and the average distance from the heel data to the heel data belonging to the same heel data An index indicating a critical value is obtained as an optimality evaluation index, which is an average value calculated for all the pot data belonging to the all pot group, and the number of pot groups is increased by one until the optimality evaluation index does not increase. Then, the procedure of calculating (A) to (D) is repeated, and the number of cocoon groups when the optimality evaluation index is the largest is evaluated as the optimum number of cocoon groups. And a centroid coordinate value of the cocoon group, a space size value of the cocoon group, and a cocoon number density value in the cocoon group based on each cocoon group created by the cocoon group creating means. It is characterized in that it is calculated as.
Another feature of the surface defect distribution pattern analyzer according to the present invention is that the wrinkle distribution feature amount calculating means uses a normal distribution function centered on the barycentric coordinates of the wrinkle group to distribute the wrinkle distribution of the thin coil. The form is expressed, and the distribution form is used to characterize the wrinkle distribution form of the thin coil as a quantitative value.
Further, another feature of the surface defect distribution form analyzing apparatus of the present invention is that the wrinkle distribution feature amount calculating means calculates the number distribution of wrinkles in the coil rolling direction and the sheet width direction in the rolling / width direction. Based on the information about the number distribution of wrinkles created by the wrinkle number distribution creating means and the rolling / width-direction wrinkle number distribution creating means, there are a plurality of areas where the wrinkles are distributed in a straight line and are orthogonal to each other. The linear wrinkle distribution orthogonality determining means for determining whether or not a linear wrinkle distribution exists and the linear wrinkle distribution orthogonality determining means being components of the linear wrinkle distribution orthogonal to each other A straight cocoon group creating unit that regards the determined cocoon data as a cocoon group separate from other cocoon data, and performs cocoon grouping processing using a straight line instead of the center of gravity as a representative shape of the separate cocoon group And And the extracts flaw data not as components linear flaw distribution orthogonal to each other, lies in that as delivered to the defect groups initial centroid position creation means.
本発明における表面欠陥の分布形態解析方法は、鉄鋼製品である薄板コイルに発生する表面欠陥の分布形態を解析して、その発生要因を分析する薄板の表面欠陥の分布形態解析方法であって、前記薄板コイルの表面疵の発生位置に関する座標データを入力する疵データ入力工程と、前記疵データ入力工程によって入力された表面疵の座標データを蓄積する疵データ蓄積工程と、前記疵データ蓄積工程によって蓄積された表面疵の座標データに基づいて、前記薄板コイルの疵分布形態を、定量的な数値として特徴量化する演算処理を行う疵分布特徴量算出工程と、前記疵分布特徴量算出工程によって演算処理された疵分布形態の特徴量の解析結果を、ユーザに提示する解析結果表示工程とを備え、前記疵分布特徴量算出手段は、(A)予め設定された疵グループの初期個数分の疵グループ重心初期位置を作成する疵グループ初期重心位置作成手段と、(B)疵グループの重心位置の座標と、各疵の座標データとを用いて、重心位置と疵との距離を算出する疵−重心間距離計算手段と、(C)前記疵−重心間距離計算手段によって算出された距離に基づいて、互いに近接していると見なせる疵同士をグループ化して、1つ又は複数の疵グループを作成する疵グループ作成手段と、(D)前記疵グループ作成手段によって作成された各疵グループに属する各疵データについて、該疵データからの該疵データが属する疵グループに最も近い疵グループに属する疵データまでの平均距離と、該疵データからの該疵データと同じ疵グループに属する疵データまでの平均距離との差異が大きいほど大きな値を示す指標を、全疵グループに属する全疵データについて計算した平均値を最適性評価指標として求めて、前記最適性評価指標が増加しなくなるまで、前記疵グループの個数を1つ増して前記(A)から(D)の計算を行うという手順を繰り返して、該最適性評価指標が最も大きい場合の疵グループの個数を最適な疵グループの個数であると評価する最適疵グループ個数評価手段とを有し、前記疵グループ作成手段によって作成された各疵グループに基づいて、疵グループの重心座標値と、疵グループの空間サイズ値と、疵グループ内の疵個数密度値とを特徴量として計算するようにした点にある。
また、本発明の表面欠陥の分布形態解析方法の他の特徴とするところは、前記疵分布特徴量算出工程は、コイルの圧延方向、及び板巾方向の疵個数分布を算出する圧延/巾方向疵個数分布作成工程と、前記圧延/巾方向疵個数分布作成工程によって作成された疵個数分布に関する情報に基づいて、疵が直線状に分布する領域が複数個存在し、かつ互いに直交している直線状の疵分布が存在しているか否かを判定する直線状疵分布直交判定工程と、前記直線状疵分布直交判定工程によって、互いに直交している直線状の疵分布の構成要素であると判定された疵データを、他の疵データとは別個の疵グループと見なし、その別個の疵グループの代表形状として重心の代わりに直線を用いて疵グループ化の処理を行う直線状疵グループ作成工程とを有し、前記互いに直交する直線状の疵分布を構成要素としない疵データを抽出して、前記疵グループ初期重心位置作成工程に引き渡すようにした点にある。
The surface defect distribution form analysis method in the present invention is a thin film surface defect distribution form analysis method for analyzing the cause of the distribution of surface defects generated in a thin coil that is a steel product, By a wrinkle data input step for inputting coordinate data relating to the occurrence position of the surface wrinkles of the thin coil, a wrinkle data storage step for storing the coordinate data of the surface wrinkles input by the wrinkle data input step, and the wrinkle data accumulation step Based on the coordinate data of the accumulated surface wrinkles, a wrinkle distribution feature amount calculating step for calculating a wrinkle distribution form of the thin coil as a quantitative value is calculated by the wrinkle distribution feature amount calculating step and the wrinkle distribution feature amount calculating step. An analysis result display step of presenting the analysis result of the feature value of the processed soot distribution form to the user, wherein the soot distribution feature value calculating means includes: (A) presetting疵 group initial centroid position creating means for creating 疵 group centroid initial position for the initial number of cocoon groups, and (B) centroid position using 座標 group centroid position coordinates and coordinate data of each heel (C) Based on the distance calculated by the heel-center of gravity distance calculation means, groups the heels that can be considered to be close to each other. (1 ) 疵 group creation means for creating one or more heel groups; (D) for each 疵 data belonging to each 疵 group created by the 疵 group creation means, the 疵 data from the 疵 data belongs to The difference between the average distance to the heel data belonging to the heel group closest to the group and the average distance from the heel data to the heel data belonging to the same heel group is larger. An index indicating a large value is obtained as an optimality evaluation index by calculating an average value calculated for all the pot data belonging to the all pot group, and the number of pot groups is increased by one until the optimality evaluation index does not increase. Optimum cocoon group number evaluation means for repeating the procedure of calculating (A) to (D) and evaluating the number of cocoon groups when the optimality evaluation index is the largest as the number of optimal cocoon groups Based on each cocoon group created by the cocoon group creating means, the centroid coordinate value of the cocoon group, the space size value of the cocoon group, and the cocoon number density value in the cocoon group are used as feature quantities. It is in the point which was made to calculate.
Another feature of the surface defect distribution pattern analysis method according to the present invention is that the wrinkle distribution feature amount calculating step calculates the number distribution of wrinkles in the coil rolling direction and the plate width direction. Based on information on the number distribution of wrinkles and the information on the number distribution of wrinkles created in the rolling / width direction number distribution generation process, there are a plurality of regions in which wrinkles are distributed in a straight line and are orthogonal to each other. A linear wrinkle distribution orthogonality determining step for determining whether or not a linear wrinkle distribution exists and a linear wrinkle distribution orthogonality determining step that is a component of the linear wrinkle distribution orthogonal to each other A straight cocoon group creation process in which the determined cocoon data is regarded as a cocoon group separate from other cocoon data, and a cocoon grouping process is performed using a straight line instead of the center of gravity as the representative shape of the separate cocoon group And And the extracts flaw data not as components linear flaw distribution orthogonal to each other, lies in that as delivered to the defect groups initial centroid position creation process.
本発明のコンピュータプログラムは、鉄鋼製品である薄板コイルに発生する表面欠陥の分布形態を解析して、その発生要因を分析し、薄板の表面欠陥を解析することをコンピュータに実行させるコンピュータプログラムであって、前記薄板コイルの表面疵の発生位置に関する座標データを入力する疵データ入力ステップと、前記疵データ入力ステップによって入力された表面疵の座標データを蓄積する疵データ蓄積ステップと、前記疵データ蓄積ステップによって蓄積された表面疵の座標データに基づいて、前記薄板コイルの疵分布形態を、定量的な数値として特徴量化する演算処理を行う疵分布特徴量算出ステップと、前記疵分布特徴量算出ステップによって演算処理された疵分布形態の特徴量の解析結果を、ユーザに提示する解析結果表示ステップとをコンピュータに実行させ、前記疵分布特徴量算出ステップは、(A)予め設定された疵グループの初期個数分の疵グループ重心初期位置を作成する疵グループ初期重心位置作成ステップと、(B)疵グループの重心位置の座標と、各疵の座標データとを用いて、重心位置と疵との距離を算出する疵−重心間距離計算ステップと、(C)前記疵−重心間距離計算ステップによって算出された距離に基づいて、互いに近接していると見なせる疵同士をグループ化して、1つ又は複数の疵グループを作成する疵グループ作成ステップと、(D)前記疵グループ作成ステップによって作成された各疵グループに属する各疵データについて、該疵データからの該疵データが属する疵グループに最も近い疵グループに属する疵データまでの平均距離と、該疵データからの該疵データと同じ疵グループに属する疵データまでの平均距離との差異が大きいほど大きな値を示す指標を、全疵グループに属する全疵データについて計算した平均値を最適性評価指標として求めて、前記最適性評価指標が増加しなくなるまで、前記疵グループの個数を1つ増して前記(A)から(D)の計算を行うという手順を繰り返して、該最適性評価指標が最も大きい場合の疵グループの個数を最適な疵グループの個数であると評価する最適疵グループ個数評価ステップとを有し、前記疵グループ作成ステップによって作成された各疵グループに基づいて、疵グループの重心座標値と、疵グループの空間サイズ値と、疵グループ内の疵個数密度値とを特徴量として計算するようにしたことを特徴とする。
本発明のコンピュータ読み取り可能な記録媒体は、前記記載のコンピュータプログラムを記録したことを特徴とする。
The computer program of the present invention is a computer program that analyzes a distribution form of surface defects generated in a thin coil that is a steel product, analyzes the generation factor, and causes the computer to analyze the surface defects of the thin plate. A heel data input step for inputting coordinate data relating to the position of occurrence of surface creases in the thin coil, a heel data storage step for accumulating the surface heel coordinate data input in the heel data input step, and the heel data accumulation. A wrinkle distribution feature amount calculating step for performing a calculation process for characterizing the wrinkle distribution form of the thin plate coil as a quantitative value based on the coordinate data of the surface wrinkles accumulated in the step, and the wrinkle distribution feature amount calculating step Analysis result table that presents the analysis result of the feature value of the wrinkle distribution form calculated by And the step is executed by a computer, the flaw distribution characteristic amount calculation step includes: a flaw groups initial centroid position generating step of generating a defect group centroid initial position of the initial number fraction of preset flaw Group (A), (B ) A heel-centroid distance calculation step for calculating the distance between the centroid position and the heel using the coordinates of the centroid position of the heel group and the coordinate data of each heel, and (C) the heel-centroid distance calculation step. A cocoon group creating step of creating one or more cocoon groups by grouping together cocoons that can be considered to be close to each other based on the distance calculated by: (D) created by the cocoon group creating step For each tile data belonging to each tile group, from the tile data to the tile data belonging to the tile group closest to the tile group to which the tile data belongs An average value calculated for all tile data belonging to all tile groups is an index that indicates a larger value as the difference between the average distance and the average distance from the tile data to the tile data belonging to the same tile group as the tile data increases. Is calculated as an optimality evaluation index, and the procedure of (A) to (D) is repeated by increasing the number of cocoon groups by one until the optimality evaluation index does not increase, and the optimality evaluation index is obtained. An optimal kit group number evaluation step for evaluating the number of kit groups when the sex evaluation index is the largest as the number of kit groups, and based on each kit group created by the kit group creation step. The centroid coordinate value of the cocoon group, the space size value of the cocoon group, and the cocoon number density value in the cocoon group are calculated as feature quantities.
A computer-readable recording medium according to the present invention records the computer program described above.
本発明によれば、自動疵検査装置で採取された大量の疵データに関する疵分布形態に関する情報を、高速に且つ精度良く抽出することができる。従って、その疵分布形態に関する解析結果を用いて、類似した疵分布形態を有するコイルを見出し、更にそれらが製造された時の製造条件を分析することによって、表面欠陥の発生要因の解明や、欠陥が発生しない操業条件の探索を行うことが出来る。 ADVANTAGE OF THE INVENTION According to this invention, the information regarding the wrinkle distribution form regarding a large amount of wrinkle data collected by the automatic wrinkle inspection apparatus can be extracted at high speed and with high accuracy. Therefore, by using the analysis results on the wrinkle distribution form, by finding coils having similar wrinkle distribution forms and analyzing the manufacturing conditions when they are manufactured, It is possible to search for an operating condition in which no occurrence occurs.
以下に、図面を参照して、本発明の薄板の表面欠陥の分布形態解析装置、薄板の表面欠陥の分布形態解析方法、コンピュータプログラム及びコンピュータ読み取り可能な記録媒体の実施の形態について説明する。 DESCRIPTION OF EMBODIMENTS Embodiments of a thin plate surface defect distribution form analysis apparatus, a thin plate surface defect distribution form analysis method, a computer program, and a computer-readable recording medium will be described below with reference to the drawings.
(第1の実施の形態)
まず、本発明の第1の実施の形態について説明する。
図1は、本実施の形態の薄板の表面欠陥の分布形態解析装置の構成の一例を示す図である。図2は、薄板コイルに発生している疵のデータ(疵データ)の一例を示す図である。
(First embodiment)
First, a first embodiment of the present invention will be described.
FIG. 1 is a diagram showing an example of the configuration of a thin plate surface defect distribution pattern analyzer according to the present embodiment. FIG. 2 is a diagram illustrating an example of wrinkle data (haze data) generated in the thin plate coil.
図1の101は、疵データ入力部であり、鉄鋼製品である薄板コイルのプロセスラインや検査ラインに設置された自動疵検査装置で測定された疵データを、コイル1本単位で入力する。
この疵データには、薄板コイルの二次元平面内のある基準位置を原点Oとした、疵発生部の座標に相当する数値データが含まれている。図2に示すように、薄板コイル201の圧延方向の座標をx、幅方向の座標をyとし、当該薄板コイル201内にN個の欠陥が発生した場合、座標データは、以下の式(1)のように、N行2列の行列で表現することが出来る。
101 of FIG. 1 is a saddle data input part, and inputs the saddle data measured by the automatic saddle inspection apparatus installed in the process line and inspection line of the thin coil which is a steel product per coil.
This wrinkle data includes numerical data corresponding to the coordinates of the wrinkle generating portion with a certain reference position in the two-dimensional plane of the thin plate coil as the origin O. As shown in FIG. 2, when the
ここで、添字1〜Nは、図2に示すように、各疵に付された番号である。また、図2において、○は、薄板コイル201のおもて面に発生している疵を表し、×は、薄板コイル201の裏面に発生している疵を表している。
また、疵データは、各疵が薄板コイル201のおもて面、及び裏面の何れに発生しているかを識別するための情報も有している。例えば、疵が薄板コイル201のおもて面にある場合を0と表現し、裏面にある場合を1と表現することにすれば、各疵の発生面情報は、以下の式(2)のように、N次のベクトルとなる。
Here, the
The wrinkle data also includes information for identifying whether each wrinkle is generated on the front surface or the back surface of the
ここで、Tは、行列の転置を表す。
上記のデータに加え、疵データには、薄板コイル201の圧延方向の長さや幅など、疵が発生したコイルに関する寸法情報も含まれている。更には、疵の圧延方向の寸法値と幅方向の寸法値、疵の種類、及び疵の有害度等の情報が、個々の疵データに含まれている場合もある。
Here, T represents transposition of the matrix.
In addition to the above data, the wrinkle data includes dimensional information about the coil in which wrinkles have occurred, such as the length and width of the
102は、疵データ蓄積部であり、前記疵データ入力部101より入力された疵データを保存する。そして、解析を行う際に、外部から入力される疵分布出力指示に応じて、コイル単位で疵データを取り出す機能を有している。また、薄板コイル201のおもて面と裏面とで、疵データをそれぞれ別個に解析したい場合には、例えば式(2)の形式で保存された、薄板コイル201の各疵の発生面情報(疵が表面及び裏面の何れにあるかに関する情報)を用いて、疵データを分離することによって、解析したい面の情報のみを取り出す。
103は、疵グループ初期重心位置作成部であり、疵グループを作成する上での重心座標の初期値を作成する。作成すべき初期重心の個数は、予め設定されているが、コイル単位で解析を行う際に、外部より入力しても良い。また、重心座標の作成方法としては、例えば乱数発生器等を用いて、薄板コイル201の圧延方向及び幅方向の寸法内に位置する任意の点を初期重心の個数だけ生成し、初期重心とする方法がある。本実施形態では、重心の個数をkとした場合、重心座標を、以下の式(3)のように表すものとする。
104は、疵−重心間距離計算部であり、前記疵データ蓄積部102から取り出されたコイル単位の疵データにおける、式(1)で表される疵座標データと、疵グループの重心座標との距離dを算出する。距離dの算出は、各疵について、全ての初期重心座標との距離計算が行われる。例えば、番号iが付された疵については、k個の疵グループ重心との距離(di1,di2・・・dik)が算出されることになる。
また、距離の計算方法としては、例えば、式(4)で定義されるユークリッド距離を用いる方法がある。
104 is a heel-center-of-gravity distance calculation unit, and the heel coordinate data represented by Equation (1) in the heel data of the coil unit extracted from the heel
Further, as a distance calculation method, for example, there is a method of using the Euclidean distance defined by the equation (4).
ここで添字iは疵番号であり、jは疵グループに付された疵グループ番号である。式(4)における距離dijは、疵iと疵グループjの中心座標との距離に相当する。また、他の距離の計算方法としては、例えば、"宮本定明著,「クラスタ分析入門」,森北出版(1999年)"の84ページに記載されたマハラノビス距離を用いても良く、また2つの変数間の距離評価手法として提案された計算手法であれば、そのいずれを用いても良い。 Here, the subscript i is the kite number, and j is the kite group number assigned to the kite group. The distance d ij in equation (4) corresponds to the distance between 疵 i and the center coordinates of 疵 group j. As another distance calculation method, for example, the Mahalanobis distance described on page 84 of “Masamoto Sadaaki,“ Introduction to Cluster Analysis ”, Morikita Publishing (1999)” may be used. Any calculation method proposed as a method for evaluating the distance between variables may be used.
105は、疵グループ作成部であり、前記疵−重心間距離計算部104で算出された距離dijに基づいて、各疵について最も距離が近い疵グループ中心位置を選択し、この疵が属する疵グループ番号を、各疵に対して付与する。全ての疵に対して、疵グループ番号が付与されたら、同一の疵グループ番号が付与された疵データを抽出し、これらを一つの疵グループとしてまとめる処理を行う。 105 is a kite group creation unit, which selects the kite group center position with the closest distance for each kite based on the distance dij calculated by the kite-centroid distance calculation unit 104, and the kite to which the kite belongs A group number is assigned to each bag. When the cocoon group number is assigned to all the cocoons, the cocoon data to which the same cocoon group number is assigned is extracted, and a process of collecting them into one cocoon group is performed.
106は、重心位置最適性評価部である。前記疵グループ作成手段105において作成された疵グループが、初期疵グループ重心座標であった場合、各疵グループについて、以下の式(5)を用いて、その疵グループに属する疵データの座標の平均値を求め、この平均値を疵グループにおける新たな重心座標として更新する処理を行った上で、前記疵−重心間距離計算部104と疵グループ作成部105の処理を反復して実行する。
Reference numeral 106 denotes a center-of-gravity position optimality evaluation unit. When the cocoon group created by the cocoon group creating means 105 is the initial cocoon group barycentric coordinate, the average of the coordinates of the cocoon data belonging to the cocoon group is calculated for each cocoon group using the following equation (5). After obtaining a value and updating the average value as a new barycentric coordinate in the heel group, the processes of the heel-centroid distance calculating unit 104 and the heel
また、前記疵グループ作成部105において作成された疵グループが、既に疵グループ重心位置の更新処理を経ている場合は、一つ前の反復過程において作成された疵グループと今回の疵グループとを比較する。そして、疵グループの分類結果が異なっている場合には、式(5)による疵グループ重心位置の更新処理を行い、反復計算を実行する。疵グループの分類結果が、全く同一の場合は、最適な重心位置に収束したと判定し、次の処理を実行する。
In addition, when the cocoon group created by the cocoon
図3に、疵グループの初期重心位置の計算から重心位置の最適性評価までに実行される処理を概念の一例を示す。
まず、図3(a)において、疵グループ初期重心位置作成部103は、疵データ蓄積部102に蓄積された疵データ(図3では×で示す)に対して、疵グループの個数k(初期重心の個数;図3では3個)を設定し、k個の疵グループの初期重心の座標を乱数などを用いて決定する。なお、図3では、クラスタ初期中心位置(初期重心)を丸付き数字で表している。
FIG. 3 shows an example of a concept of processing executed from the calculation of the initial center of gravity position of the eyelid group to the evaluation of the optimum center of gravity position.
First, in FIG. 3A, the eyelid group initial center-of-gravity
次に、図3(b)において、疵−重心間距離計算部104は、疵データと、疵グループの重心座標との距離dを評価する、そして、疵グループ作成部105は、最も距離が近い中心の疵グループに属するとして、疵データを分類する。なお、図3(b)では、同じ疵グループに分類されたものを曲線で囲っている。
Next, in FIG. 3B, the heel-centroid distance calculation unit 104 evaluates the distance d between the heel data and the centroid coordinates of the heel group, and the heel
次に、図3(c)において、重心位置最適性評価部106は、疵グループに属すると評価された疵データの座標の平均値を求め、その平均値(座標)を新たな疵グループ重心位置とする。この処理によって、疵グループの重心位置が更新される。 Next, in FIG. 3C, the center-of-gravity position optimality evaluation unit 106 obtains an average value of coordinates of the eyelid data evaluated to belong to the eyelid group, and uses the average value (coordinates) as a new eyelid group center-of-gravity position. And By this processing, the barycentric position of the eyelid group is updated.
次に、図3(d)において、疵データの分類結果が変化するか否かを判定し、疵データの分類結果が変化しなくなるまで、図3(b)と図3(c)との処理を繰り返す。そして、疵データの分類結果が変化しなくなった時点で疵グループの重心位置の更新を終了する。 Next, in FIG. 3D, it is determined whether or not the classification result of the eyelid data changes, and the processes of FIGS. 3B and 3C are performed until the classification result of the eyelid data no longer changes. repeat. Then, the update of the center-of-gravity position of the eyelid group ends when the classification result of the eyelid data no longer changes.
図2に説明を戻し、107は、最適疵グループ個数評価部である。最適疵グループ個数評価部107は、前記重心位置最適性評価部106までの反復処理で作成された疵グループの個数が、予め設定された疵グループ初期個数である場合は、この初期個数で作成された疵グループの最適性を評価する指標を計算した上で、疵グループの個数を1つ増加し、前記疵グループ初期重心位置作成部103以降の処理を反復して実行する。
Returning to FIG. 2,
また、前記重心位置最適性評価部106までの反復処理で作成された疵グループの個数が、既に疵グループの個数を増分する処理を経ている場合には、最適疵グループ個数評価部107は、今回の反復結果で得られた疵グループの最適性評価指標を計算し、疵グループの個数が1つ少ない前回の反復過程で得られた最適性評価指標と比較する。その結果、今回のグループ個数が良好であったと評価された場合、更にグループ個数を一つ増やして、反復処理を継続する。前回のグループ個数の方が良好であったと評価された場合、前回の反復で得られた結果が最適であると判定し、次の処理を実行する。
If the number of eyelid groups created by the iterative processing up to the center-of-gravity position optimality evaluation unit 106 has already undergone a process of incrementing the number of eyelid groups, the optimum eyelid group
疵グループの最適性を評価する手法としては、例えば、"L. Kaufman&P.J. Rousseeuw著,Finding Groups in Data,John Wiley & Sons出版(1990年)"に記載されたシルエット値を用いる方法がある。 As a method for evaluating the optimality of a cocoon group, for example, there is a method using a silhouette value described in “L. Kaufman & P.J. Rousseeuw, Finding Groups in Data, published by John Wiley & Sons (1990)”. .
ここで、図4を用いて、シルエット値の概念を説明する。図4は、二次元平面における疵データの分布を模式的に示したものであり、図には、疵グループの数を2とした場合(図4(a))と、疵グループの数を3とした場合(図4(b))の疵グループを線で囲んで示してある。図4に示した例では、疵グループの数を3にすると、図に点i1、i2として○で示してある疵グループの境界線に近い領域に存在する点が発生する。 Here, the concept of the silhouette value will be described with reference to FIG. FIG. 4 schematically shows the distribution of wrinkle data in a two-dimensional plane. FIG. 4 shows the case where the number of wrinkle groups is 2 (FIG. 4A) and the number of wrinkle groups is 3. In this case (FIG. 4B), the bag group is surrounded by a line. In the example shown in FIG. 4, when the number of cocoon groups is 3, points i1 and i2 exist in a region near the boundary of the cocoon group indicated by ◯ as points i1 and i2.
このような境界線上の点は、疵グループA、Bの重心座標の僅かな差によって、属する疵グループが容易に変わり得るという意味で、あいまいな疵データと言える。この図4の例では、疵グループの個数を2から3に増加させることで、あいまいなデータが発生しており、疵グループの個数が2個の方が良好である、と判断できる。
シルエット値は、各疵データについて、このあいまいさを定量的に評価する指標であり、疵iに対するシルエット値は、式(6)で計算される。
Such a point on the boundary line can be said to be ambiguous eyelid data in the sense that the eyelid group to which it belongs can be easily changed by a slight difference in the barycentric coordinates of eyelid groups A and B. In the example of FIG. 4, by increasing the number of heel groups from 2 to 3, ambiguous data is generated, and it can be determined that the number of heel groups is two is better.
The silhouette value is an index for quantitatively evaluating the ambiguity for each heel data, and the silhouette value for に 対 す る i is calculated by Expression (6).
ここで、a(i)は、疵iが属する疵グループAを構成する他の疵データとの平均距離である。b(i)は、疵iに最も近い別の疵グループBに属する疵データとの平均距離である。max(a(i),b(i))は、平均距離a(i)、b(i)の内、大きい方の値をとることを示す。このようなシルエット関数は、疵Iが疵グループA(の境界線)に近い場合には、シルエット値S(i)は、1(S(i)≒1)と見なせ、疵グループB(の境界線)に近い場合には、シルエット値S(i)は、0(S(i)≒0)と見なせる。従って、疵グループの境界線の近傍にあいまいな疵データが発生すると、小さいシルエット値の疵データの個数が増加する。 Here, a (i) is an average distance from other bag data constituting the bag group A to which the bag i belongs. b (i) is an average distance from the heel data belonging to another heel group B closest to に i. max (a (i), b (i)) indicates that the larger one of the average distances a (i) and b (i) is taken. In such a silhouette function, when 疵 I is close to 疵 group A (the boundary line), the silhouette value S (i) can be regarded as 1 (S (i) ≈1), and 疵 group B ( When it is close to the boundary line, the silhouette value S (i) can be regarded as 0 (S (i) ≈0). Therefore, when ambiguous wrinkle data is generated near the boundary of the wrinkle group, the number of wrinkle data having a small silhouette value increases.
前記最適疵グループ個数評価部107では、疵グループ個数を1つ増分して得られた疵グルーピングの結果に対して、全ての疵のシルエット値S(i)を式(6)で評価し、その平均値を算出する。そして、算出した平均値を、疵グループの個数が一つ少ない前回の疵グルーピング結果のシルエット値の平均値と比較することで、グルーピング個数の良好性を判別することが出来る。
The optimal heel group
108は、疵グループ重心位置抽出部であり、前記最適疵グループ個数評価部までの過程で最適と評価された疵グルーピング結果に対し、各疵グループの重心座標を疵分布特徴量として抽出する処理を実行する。 108 is a cocoon group barycentric position extraction unit, which extracts a barycentric coordinate of each cocoon group as a cocoon distribution feature value for the cocoon grouping result evaluated as optimal in the process up to the optimum cocoon group number evaluation unit. Execute.
109は、疵グループ空間サイズ値計算部である。疵グループ空間サイズ値計算部109は、各疵グループの空間サイズを求める。例えば、疵グループを囲む外接長方形を求め、その圧延方向及び幅方向の寸法を算出することで求めることが出来る。しかしながら、薄板コイルにおける実際の疵データを観察したところ、直線状の疵分布と散発的な分布形態が混在していることが明らかになった。
図5に、薄板コイルに発生した疵分布の一例を示す。具体的に、図5は、亜鉛メッキ鋼板ラインに設置された自動疵検査装置によって採取された疵データの、薄板コイル内の位置情報をプロットしてグラフ化したものである。図5に示すように、圧延方向の直線状分布と、コイル尾端近傍の幅方向直線分布とに加え、散発的な疵分布が認められる。多数の薄板コイルの疵分布形態を観察した結果、散発的な疵分布形態が得られた場合、疵の密度が最も高い位置にグループの中心を設定し、円形若しくは楕円状に分布を近似した方が、人間の感覚に近い適切なグルーピングを得ることが出来る。但し、直線状の分布と楕円状の分布とが混在した状況を統一した指標で扱うことが出来れば便利であることから、直線と楕円とを近似的に表現しえる手法として、各疵グループの分布形態を、以下の式(7)で示す二次元のガウス関数で表現する方法が有効である。 FIG. 5 shows an example of wrinkle distribution generated in the thin coil. Specifically, FIG. 5 is a graph obtained by plotting position information in the thin coil of the wrinkle data collected by the automatic wrinkle inspection apparatus installed in the galvanized steel plate line. As shown in FIG. 5, in addition to the linear distribution in the rolling direction and the linear distribution in the width direction near the coil tail end, a sporadic wrinkle distribution is observed. When sporadic wrinkle distribution forms are obtained as a result of observing wrinkle distribution forms of a large number of thin coil coils, the group center is set at the position where the wrinkle density is the highest, and the distribution is approximated in a circle or ellipse However, it is possible to obtain an appropriate grouping that is close to the human sense. However, since it is convenient if we can handle the situation where the linear distribution and the elliptical distribution are mixed with a unified index, as a method to approximate the straight line and the ellipse, A method of expressing the distribution form by a two-dimensional Gaussian function expressed by the following equation (7) is effective.
ここで、σx,σyは、それぞれ薄板コイルの圧延方向及び幅方向の標準偏差であり、この標準偏差σが、疵グループの空間サイズ指標となる。例えば、疵グループが圧延方向に直線状の分布形態をしている場合は、標準偏差σyが小さな値となることで、近似的に直線分布を表現する。 Here, σ x and σ y are standard deviations in the rolling direction and width direction of the thin coil respectively, and this standard deviation σ is a space size index of the cocoon group. For example, when the ridge group has a linear distribution form in the rolling direction, the standard deviation σ y is a small value, so that a linear distribution is approximately expressed.
この二次元のガウス関数の標準偏差を決定する方法としては、例えば、前出の"宮本定明著,「クラスタ分析入門」,森北出版(1999年)"の第4章に記載されたEMアルゴリズムがある。このEMアルゴリズムは、数理統計学の研究より提案された手法で、ある確率分布関数の形を仮定して、その関数に含まれるパラメータの値を、与えられたデータから推定する為のアルゴリズムである。特に、確率分布関数が、混合密度分布と呼ばれる式(7)のガウス関数の線形結合である以下の式(8)の形式をした場合については、そのパラメータの算出手順が知られている。 As a method for determining the standard deviation of this two-dimensional Gaussian function, for example, the EM algorithm described in Chapter 4 of the above-mentioned “Miyamoto Sadaaki,“ Introduction to Cluster Analysis ”, Morikita Publishing (1999)”. This EM algorithm is a method proposed by mathematical statistics research, and assumes the form of a certain probability distribution function, and estimates the parameter values included in the function from given data. In particular, when the probability distribution function is in the form of the following equation (8), which is a linear combination of the Gaussian function of equation (7) called a mixed density distribution, the parameter calculation procedure is known. ing.
ここで、aiは、ガウス関数を線形結合する際の係数である。
EMアルゴリズムによれば、疵データの集中の度合いに応じてガウス関数のパラメータσを決定することが可能である。図6は、1次元の空間上に疵グループが2つある場合を例にした、EMアルゴリズムによるσ算出の概念を説明するものである。
Here, a i is a coefficient for linearly combining Gaussian functions.
According to the EM algorithm, it is possible to determine the parameter σ of the Gaussian function according to the degree of concentration of soot data. FIG. 6 illustrates the concept of σ calculation by the EM algorithm, taking as an example the case where there are two cocoon groups in a one-dimensional space.
まず、図6(a)に示すように、1次元の空間上に2つの疵グループA、Bを作成する。
次に、図6(b)に示すように、各疵グループの重心に中心を持つガウス関数を設定する。そして、標準偏差σの初期値を仮定し、各疵データに対応する確率密度Piを評価し、EMアルゴリズムに基づいて各疵グループの標準偏差σを更新する反復処理を行う。
そうすると、図6(c)に示すように、標準偏差σA、σBが求められる。
First, as shown in FIG. 6A, two eyelid groups A and B are created on a one-dimensional space.
Next, as shown in FIG. 6B, a Gaussian function having a center at the center of gravity of each eyelid group is set. Then, assuming an initial value of the standard deviation σ, the probability density P i corresponding to each piece of data is evaluated, and an iterative process is performed to update the standard deviation σ of each piece group based on the EM algorithm.
Then, standard deviations σ A and σ B are obtained as shown in FIG.
本実施形態では、上記のように各疵グループの分布形態をガウス関数で表現し、EMアルゴリズムによってガウス関数のパラメータσx、σyを求め、このパラメータσx、σyを、疵分布特徴量である疵グループの空間サイズ値として抽出を行っている。 In the present embodiment, a distribution form of Kakukizu groups as above expressed by a Gaussian function, parameter sigma x of the Gaussian function by EM algorithm determines the sigma y, the parameter sigma x, the sigma y, flaw distribution characteristic quantity It is extracted as the space size value of the cocoon group.
110は、疵グループ内の疵個数密度計算部であり、以下の式(9)にて、各疵グループの疵個数密度ajを算出する。 110 is a cocoon number density calculation unit in the cocoon group, and calculates the cocoon number density a j of each cocoon group by the following equation (9).
ここで、Njは、疵グループjに属する疵の個数、Ajは、疵グループの空間サイズである。疵グループの分布形態をガウス関数で表現した場合、その面積は、以下の式(10)で求めることが出来る。 Here, N j is the number of cocoons belonging to the cocoon group j, and A j is the space size of the cocoon group. When the distribution form of the cocoon group is expressed by a Gaussian function, the area can be obtained by the following equation (10).
ここで、σjは、疵グループjに関する標準偏差であることを示す。 Here, σ j indicates a standard deviation with respect to the cocoon group j.
111は、解析結果表示部であり、指定された薄板コイルに関する疵分布特徴量の算出結果に基づいて、疵の発生要因を分析するための情報を表示する。 Reference numeral 111 denotes an analysis result display unit, which displays information for analyzing the cause of wrinkle generation based on the calculation result of the wrinkle distribution feature amount regarding the designated thin plate coil.
(第2の実施の形態)
次に、本発明の第2の実施の形態について説明する。なお、以下の説明において、上述した第1の実施の形態と同一の部分については、図1〜図6に付した符号と同一の符号を付すなどして詳細な説明を省略する。
(Second Embodiment)
Next, a second embodiment of the present invention will be described. In the following description, the same parts as those in the first embodiment described above are denoted by the same reference numerals as those in FIGS.
図8は、本実施の形態の薄板の表面欠陥の分布形態解析装置の構成の一例を示す図である。図8に示すように、本実施の形態では、疵の分布状況によっては、図1に示した疵分布特徴量算出部において、前処理を付与した構成とすることによって、人間の感覚に近い、より適切な特徴量抽出を行うことができるようにしている。 FIG. 8 is a diagram showing an example of the configuration of the thin plate surface defect distribution pattern analyzer according to the present embodiment. As shown in FIG. 8, in this embodiment, depending on the distribution state of wrinkles, the wrinkle distribution feature amount calculation unit shown in FIG. More appropriate feature amount extraction can be performed.
図9は、亜鉛メッキ鋼板に設置された疵検査装置にて検出された表面疵データ(薄板コイルに発生した疵分布)の一例を示す図である。図9において、疵データは、その有害度に応じて○、◇、×の記号でコイル展開図中にプロットしてある。このコイル(亜鉛メッキ鋼板)では、圧延方向の座標が約1200m位置よりコイル尾端に向けて、巾方向座標が約300mm位置に直線状の疵分布が発生している一方で、コイル尾端部には巾方向に沿って同じく直線状の疵分布が発生し、両者はコイル尾端部で直交している。このような疵分布に対して、上述した第1の実施の形態の分布形態解析装置によって、特徴量を算出した結果を、図9に疵グループの楕円形状をプロットすることで示す。図9によれば、圧延方向の直線状の疵分布の前半部(1200m〜2200m)を一つのグループと見なし、同圧延方向の直線状の疵分布の後半部とコイル尾端の巾方向の直線状の疵分布とをまとめたものをもう一つのグループと見なしている。これは、明らかに誤ったグルーピングであり、人間がグルーピングを行えば、圧延方向直線状疵分布と、巾方向直線状分布とを区別してグルーピングが行われる。図9のような誤ったグルーピングの結果となる原因は、人間は直線的な分布には意味があると判断して選択的に抽出を行うのに対し、上述した第1の実施の形態の分布形態解析装置では、単純に距離に基づいてグルーピングを行う為、図9の例では、コイルの尾端部では巾方向の分布と圧延方向の分布とを同一と見なした方が、評価指標であるグループの中心からの距離の総和が最小になる、と判断される為である。図8に示す分布形態解析装置は、上述の問題を解決し、圧延方向と巾方向との直線状分布が交差している場合においても、各直線状の分布を選択的にグルーピングするためのものである。以下に各構成要素について、説明する。 FIG. 9 is a diagram showing an example of surface wrinkle data (wrinkle distribution generated in a thin coil) detected by a wrinkle inspection device installed on a galvanized steel sheet. In FIG. 9, the wrinkle data is plotted in the coil development diagram with symbols of ○, ◇, and × according to the degree of harmfulness. In this coil (galvanized steel sheet), while a coordinate in the rolling direction is directed from the position of about 1200 m toward the tail of the coil, and a linear wrinkle distribution is generated at a position in the width direction of about 300 mm, the coil tail end Similarly, a straight wrinkle distribution is generated along the width direction, and both are perpendicular to each other at the coil tail end. For such a wrinkle distribution, the result of calculating the feature amount by the distribution form analyzing apparatus of the first embodiment described above is shown by plotting the ellipse shape of the wrinkle group in FIG. According to FIG. 9, the first half (1200 m to 2200 m) of the straight wrinkle distribution in the rolling direction is regarded as one group, and the second half of the straight wrinkle distribution in the rolling direction and the straight line in the width direction of the coil tail end. A group of cocoon distributions is considered as another group. This is clearly an erroneous grouping. When a person performs grouping, the grouping is performed by distinguishing between the rolling direction linear wrinkle distribution and the width direction linear distribution. The cause of the erroneous grouping as shown in FIG. 9 is that humans judge that the linear distribution is meaningful and selectively extract it, whereas the distribution of the first embodiment described above. In the form analysis device, grouping is simply performed based on the distance. Therefore, in the example of FIG. 9, in the tail end portion of the coil, the distribution in the width direction and the distribution in the rolling direction are considered to be the same as the evaluation index. This is because it is determined that the sum of the distances from the center of a certain group is minimized. The distribution form analysis apparatus shown in FIG. 8 is for solving the above-described problem and selectively grouping each linear distribution even when the linear distribution in the rolling direction and the width direction intersect. It is. Each component will be described below.
図8において、120は、圧延/巾方向疵分布作成部であり、前記疵データ蓄積部102より取り出された疵データに基づいて(図10(a)を参照)、圧延方向及び巾方向の一次元軸での疵個数の分布を算出する(図10(b)、図10(c)を参照)。具体的な算出の方法としては、例えば、圧延方向についての分割サイズを与えて、コイルを圧延方向にメッシュ分割し、このメッシュ分割した圧延方向の座標情報と、式(1)の疵座標データとを用いて、各メッシュ内の疵個数を評価した上で、同じ処理を板巾方向についても行う方法がある。図10は、圧延方向には50m、板巾方向には20mmの分割サイズで分割した各メッシュ内の疵個数の分布を評価したものであるが、一次元軸での疵個数の密度のグラフに示されるように、直線状の疵分布が存在する位置には、急峻な疵個数のピークが生ずるため、この情報を利用して、互いに直交した直線状の疵分布が発生しているか否かを判定することができる。 In FIG. 8, 120 is a rolling / width direction wrinkle distribution creation unit, which is based on the wrinkle data extracted from the wrinkle data storage unit 102 (see FIG. 10 (a)), and is the primary in the rolling direction and the width direction. The distribution of the number of wrinkles on the original axis is calculated (see FIGS. 10B and 10C). As a specific calculation method, for example, by giving a division size in the rolling direction, the coil is meshed in the rolling direction, the coordinate information of the rolling direction obtained by mesh division, and the heel coordinate data of Expression (1) Is used to evaluate the number of wrinkles in each mesh and perform the same processing in the sheet width direction. FIG. 10 is an evaluation of the distribution of the number of wrinkles in each mesh divided by a division size of 50 m in the rolling direction and 20 mm in the sheet width direction. As shown, since a steep number of peaks appear at the position where the linear wrinkle distribution exists, this information is used to determine whether or not a linear wrinkle distribution perpendicular to each other is generated. Can be determined.
121は、直線状疵分布直交判断部であり、前記圧延/巾方向疵分布作成部120で算出された一次元軸での疵個数密度情報から、コイル内に圧延方向の疵分布と巾方向の疵分布とが直交するように発生しているか否かを判定する処理を行う。具体的な判定処理としては、例えば次のような方法がある。まず、各軸での疵個数密度情報から最も密度が高いメッシュの疵個数を抽出する。次に、当該メッシュに隣接するメッシュが、指定した閾値の範囲内で同程度の疵個数と見なせるか評価し、同程度の疵個数の場合は、これらをまとめる処理を行う。次に、この最大疵個数のメッシュ(最も密度が高いメッシュ)と、他のメッシュとの疵個数比を評価して、この疵個数比が閾値以上の場合は、この最大疵個数メッシュ内に、直線状の疵分布が存在すると判断する。
Reference numeral 121 denotes a linear wrinkle distribution orthogonality determining unit, which uses the wrinkle number density information on the one-dimensional axis calculated by the rolling / width direction wrinkle
そして、直線状の疵分布が、圧延方向と巾方向の両方に存在する場合、直線状の疵分布が直交していると判定し、直線状疵グループ作成部122の処理を行う。一方、圧延方向、或いは巾方向の一方向にしか直線状の分布がない場合には、図9のような問題は生じない為、前記疵グループ初期重心位置作成部103の処理を行う。
And when a linear wrinkle distribution exists in both the rolling direction and the width direction, it is determined that the straight wrinkle distribution is orthogonal, and the processing of the straight wrinkle
122は、直線状疵グループ作成部であり、前記直線状疵分布直交判断部121で判定された疵分布に対して、直線状の疵分布を選択的に抽出し、グルーピングする処理を行う。具体的に、直線状の疵分布を選択的に抽出する方法としては、例えば、"J.C.Bezdek著,Pattern Recognition with Fuzzy Objective Function Algorithms,Plenum出版(1981年)"に記載された直線状グルーピング手法がある。
直線状のグルーピングを行う手法においては、式(3)のグループの重心座標の代わりに、図11に示すような直線で、疵分布グループを代表させる。疵グループIを代表する直線Lは、バラメータβを用いて、以下の式(11)のように表される。
L=wi+βsi ・・・(11)
ここで、wiは直線Lが通る点、siは直線Lの方向を示す長さが1のベクトル(以下単位ベクトルと称する)であり、それぞれ以下の式(12)、式(13)ように表される。
wi=(wix,wiy) ・・・式(12)
si=(cosθi,sinθi) ・・・(13)
但し、θiは、単位ベクトルsiが疵座標データの軸と成す角度である。座標rj(=(xj,yj))に位置する疵データと、式(11)の直線Lとの距離の2乗は、三平方の定理より、以下の式(14)で算出することができる。
Dij=|rj−wi|2−[(rj−wi)・si]2 ・・・(14)
図12は、座標rj(=(xj,yj))に位置する疵データと直線Lとの距離を算出する際の概念を説明するための図である。
各疵データに対して、式(14)で算出される距離Lに基づいて、最も近い直線状の疵グループを選択して、この疵が属する直線状疵グループ番号を付与する。
In the method of performing linear grouping, the wrinkle distribution group is represented by a straight line as shown in FIG. 11 instead of the barycentric coordinates of the group of the expression (3). A straight line L representative of the heel group I is expressed by the following equation (11) using the parameter β.
L = wi + βsi (11)
Here, wi is a point through which the straight line L passes, and si is a vector having a length of 1 indicating the direction of the straight line L (hereinafter referred to as a unit vector), and is expressed by the following equations (12) and (13), respectively. Is done.
wi = (wix, wiy) (12)
si = (cosθi, sinθi) (13)
Here, θi is an angle formed by the unit vector si with the axis of the coordinate data. The square of the distance between the heel data located at the coordinate rj (= (xj, yj)) and the straight line L in the equation (11) can be calculated by the following equation (14) from the three-square theorem. .
Dij = | rj−wi | 2 − [(rj−wi) · si] 2 (14)
FIG. 12 is a diagram for explaining the concept when calculating the distance between the eyelid data located at the coordinate rj (= (xj, yj)) and the straight line L.
For each wrinkle data, the closest straight wrinkle group is selected based on the distance L calculated by equation (14), and the straight wrinkle group number to which this wrinkle belongs is assigned.
全ての疵に対して、直線状疵グループ番号が付与されたら、同一の疵グループ番号が付与された疵データを抽出し、これらを一つの疵グループとしてまとめる処理を行う。但し、図9からも判るように、実際の疵分布においては、直線状の疵分布と散発的な疵分布とが混在していることから、直線状グルーピングのみで、全ての疵グループを表現するのは適切でない。そこで、式(14)で評価される直線Lとの距離が、いずれの直線状疵グループからも指定した閾値より大きい場合、この疵データは、直線状疵グループには属さないと判断して、直線状疵グループ番号を付与する対象から除外する。 When the straight wrinkle group number is assigned to all the wrinkles, the wrinkle data to which the same wrinkle group number is assigned is extracted, and a process of collecting them as one wrinkle group is performed. However, as can be seen from FIG. 9, in the actual wrinkle distribution, since the straight wrinkle distribution and the sporadic wrinkle distribution are mixed, all the wrinkle groups are expressed only by the linear grouping. Is not appropriate. Therefore, when the distance from the straight line L evaluated by the equation (14) is larger than the threshold value specified from any of the straight wrinkle groups, it is determined that the wrinkle data does not belong to the straight wrinkle group, It excludes from the object which gives a straight cocoon group number.
次に、同じ直線状疵グループ番号が付与された疵データを用いて、直線Lが通る点wiと、直線Lの方向を示す単位ベクトルsiとを更新する。直線Lが通る点wiについては、式(6)と同様の考え方で、以下の式(15)によって更新する。 Next, the point wi through which the straight line L passes and the unit vector si indicating the direction of the straight line L are updated using the wrinkle data to which the same straight wrinkle group number is assigned. The point wi through which the straight line L passes is updated by the following equation (15) based on the same idea as the equation (6).
また、直線Lの方向を示す単位ベクトルsiは、以下の式(16)に示すような、i番目の疵グループに属すると判定された疵データの座標(xi i,yi i)と、直線Lが通る点wiとの差分量から導出される行列を、i番目の疵グループに属する全ての疵データについて加算した行列Giについて、線形代数理論に基づいて固有値を求め、最も値の大きい固有値に対応する固有ベクトルを新たな単位ベクトルsiとして採用することで、直線Lが通る点wiと、直線Lの方向を示す単位ベクトルsiとを更新する。 Further, the unit vector si indicating the direction of the straight line L has coordinates (x i i , y i i ) of the eyelid data determined to belong to the i-th eyelid group, as shown in the following equation (16): An eigenvalue is obtained based on linear algebra theory for a matrix G i obtained by adding a matrix derived from a difference amount with respect to the point wi through which the straight line L passes for all the 疵 data belonging to the i-th 疵 group, and the largest value is obtained. By adopting the eigenvector corresponding to the eigenvalue as a new unit vector si, the point wi through which the straight line L passes and the unit vector si indicating the direction of the straight line L are updated.
直線Lが通る点wiと、直線Lの方向を示す単位ベクトルsiとの更新処理を行った後、再度式(14)に基づく、距離Lを評価する処理と疵グループ番号を付与する処理とを実行する。更新後の直線Lが通る点wiと、直線Lの方向を示す単位ベクトルsiとを用いて付与された疵グループ番号が、前回付与された疵グループ番号と同一であった場合(グルーピングの結果が同一であった場合)には、グルーピング判定は収束したとして、次の処理を行う。一方、グルーピングの結果が異なる場合は、直線Lが通る点wiと、直線Lの方向を示す単位ベクトルsiとの更新以降の処理を反復して行う。 After updating the point wi through which the straight line L passes and the unit vector si indicating the direction of the straight line L, the process of evaluating the distance L and the process of assigning the heel group number again based on the equation (14) Execute. When the kite group number assigned using the point wi through which the straight line L after the update passes and the unit vector si indicating the direction of the straight line L is the same as the kite group number assigned last time (the grouping result is If they are the same), the grouping determination has converged and the following processing is performed. On the other hand, when the grouping results are different, the processes after the update of the point wi through which the straight line L passes and the unit vector si indicating the direction of the straight line L are repeated.
123は、非直線状分布疵データ抽出部であり、前記直線状疵グループ作成部122において、直線状の疵グループから、指定した閾値以上離れており、直線状の疵グループには属さないと判断された疵データのみを抽出して、疵特徴量抽出部103へ引き渡す処理を行う。
123 is a non-linear distribution wrinkle data extraction unit, and the straight wrinkle
前記直線状疵グループ作成部122で作成された直線状疵グループのデータと、疵グループ初期重心位置作成部103から疵グループ重心座標値抽出部108までの処理を経て得られた楕円状の疵グループのデータは、何れも前記疵グループ空間サイズ値計算部109に入力され、式(7)に示した二次元のガウス関数の表現にて、空間サイズが算出される。従って、直線状のグルーピング法を用いて抽出された疵グループも、この段階で、直線に近い形状ではあるが楕円形の特徴量に変換されることになる。
The straight cocoon group data created by the straight cocoon
図13に、本実施の形態の分布形態解析装置にて、図9に示した疵データの特徴量を算出した結果を示す。図13に示すように、直線状の疵分布が交差している部分においても、それぞれ別個の直線分布として抽出されており、また散発的な分布に対しては疵の粗密を反映して、3つの楕円上分布で表現されている。このことから、本実施の形態では、人間の感覚により近い良好な特徴量を抽出することができる。 FIG. 13 shows the result of calculating the feature amount of the wrinkle data shown in FIG. 9 by the distribution form analyzing apparatus of the present embodiment. As shown in FIG. 13, even in the portion where the linear wrinkle distributions intersect, each is extracted as a separate straight line distribution, and the sporadic distribution is reflected by the density of wrinkles. It is expressed with two distributions on the ellipse. Thus, in the present embodiment, it is possible to extract a good feature amount that is closer to a human sense.
以上に述べた第1及び第2の実施の形態による薄板の表面欠陥の分布形態解析装置によれば、自動疵検査装置で採取された疵データの位置座標に基づいて、互いに近い距離にある疵同士を自動的にグループ化し、疵グループの重心位置や空間サイズ、疵個数密度といった疵分布に係わる特徴量抽出を高速かつ大量に行うことが出来る。疵グループの個数とグルーピング結果は、評価指標に基づいて最適となるように計算処理が行われる為、人間による分析処理に比べて、再現性の高い客観的かつ定量的な特徴量を抽出することが可能である。このため、疵の発生位置と操業条件の相関解析など、大量の疵分布データを用いた解析を迅速に行うことが出来る。 According to the thin-film surface defect distribution pattern analyzer according to the first and second embodiments described above, the wrinkles that are close to each other are based on the position coordinates of the wrinkle data collected by the automatic wrinkle inspection apparatus. By automatically grouping them together, it is possible to extract a large amount of feature quantities related to the wrinkle distribution such as the center of gravity position, the space size, and the wrinkle number density.為 Since the number of groups and grouping results are calculated so as to be optimized based on the evaluation index, objective and quantitative feature quantities that are more reproducible than human analysis are extracted. Is possible. For this reason, analysis using a large amount of soot distribution data, such as correlation analysis between soot generation position and operating conditions, can be quickly performed.
(本発明の他の実施形態)
上述した実施形態の機能を実現するべく各種のデバイスを動作させるように、該各種デバイスと接続された装置あるいはシステム内のコンピュータに対し、前記実施形態の機能を実現するためのソフトウェアのプログラムコードを供給し、そのシステムあるいは装置のコンピュータ(CPUあるいはMPU)に格納されたプログラムに従って前記各種デバイスを動作させることによって実施したものも、本発明の範疇に含まれる。
(Other embodiments of the present invention)
In order to operate various devices to realize the functions of the above-described embodiments, program codes of software for realizing the functions of the above-described embodiments are provided to an apparatus or a computer in the system connected to the various devices. What is implemented by operating the various devices according to a program supplied and stored in a computer (CPU or MPU) of the system or apparatus is also included in the scope of the present invention.
また、この場合、前記ソフトウェアのプログラムコード自体が上述した実施形態の機能を実現することになり、そのプログラムコード自体、およびそのプログラムコードをコンピュータに供給するための手段、例えば、かかるプログラムコードを格納した記録媒体は本発明を構成する。かかるプログラムコードを記憶する記録媒体としては、例えばフレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、CD−ROM、磁気テープ、不揮発性のメモリカード、ROM等を用いることができる。 Further, in this case, the program code of the software itself realizes the functions of the above-described embodiment, and the program code itself and means for supplying the program code to the computer, for example, the program code is stored. The recorded medium constitutes the present invention. As a recording medium for storing the program code, for example, a flexible disk, a hard disk, an optical disk, a magneto-optical disk, a CD-ROM, a magnetic tape, a nonvolatile memory card, a ROM, or the like can be used.
また、コンピュータが供給されたプログラムコードを実行することにより、上述の実施形態の機能が実現されるだけでなく、そのプログラムコードがコンピュータにおいて稼働しているOS(オペレーティングシステム)あるいは他のアプリケーションソフト等と共同して上述の実施形態の機能が実現される場合にもかかるプログラムコードは本発明の実施形態に含まれることは言うまでもない。 Further, by executing the program code supplied by the computer, not only the functions of the above-described embodiments are realized, but also the OS (operating system) or other application software in which the program code is running on the computer, etc. It goes without saying that the program code is also included in the embodiment of the present invention even when the functions of the above-described embodiment are realized in cooperation with the embodiment.
さらに、供給されたプログラムコードがコンピュータの機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに格納された後、そのプログラムコードの指示に基づいてその機能拡張ボードや機能拡張ユニットに備わるCPU等が実際の処理の一部または全部を行い、その処理によって上述した実施形態の機能が実現される場合にも本発明に含まれることは言うまでもない。 Further, after the supplied program code is stored in the memory provided in the function expansion board of the computer or the function expansion unit connected to the computer, the CPU provided in the function expansion board or function expansion unit based on the instruction of the program code Needless to say, the present invention includes a case where the functions of the above-described embodiment are realized by performing part or all of the actual processing.
以下では、亜鉛メッキライン及び連続焼鈍ラインに設置された疵の分布形態を解析して、疵発生要因の分析を行った実施例について説明する。
図7は、製品の最終検査の結果、不合格となった自動車用外板向けメッキ鋼板に発生した疵の分布の一例を示す図である。この期間、当該鋼種の表面欠陥発生による不合格率が増加した為、亜鉛めっきライン及び連続焼鈍ラインを通過して、自動疵検査装置による疵データが収集されている、ほぼ同時期に生産された薄板コイル428本について、その疵分布特徴量を算出した。
Below, the Example which analyzed the distribution form of the soot installed in the galvanization line and the continuous annealing line, and analyzed the cause of soot generation is described.
FIG. 7 is a diagram showing an example of the distribution of wrinkles generated on a plated steel sheet for an automotive outer sheet that has been rejected as a result of the final inspection of the product. During this period, because the failure rate due to surface defects of the steel grade increased, it passed through the galvanizing line and continuous annealing line, and the soot data by the automatic soot inspection device was collected, and it was produced almost at the same time The wrinkle distribution feature amount was calculated for 428 thin plate coils.
表1に、図7に示した薄板コイルの疵分布特徴量の抽出結果を示す。図7及び表1に示すように、疵分布は、薄板コイルの幅方向のセンタよりも上側に偏っており、かつほぼ薄板コイルの全長に渡って疵が発生している。また、疵の発生密度は平方メートル当たり0.05個〜0.1個の水準である。 Table 1 shows the extraction result of the wrinkle distribution feature amount of the thin plate coil shown in FIG. As shown in FIG. 7 and Table 1, the wrinkle distribution is biased to the upper side of the center in the width direction of the thin coil, and wrinkles are generated almost over the entire length of the thin coil. In addition, the generation density of the soot is a level of 0.05 to 0.1 per square meter.
この疵分布特徴量を用いて、他の428本のコイルについて、類似の特徴量を有する薄板コイル、すなわち同様の疵分布形態を有している薄板コイルを抽出することが出来る。このようにして抽出された同様の疵分布を有するコイルの操業条件を分析したところ、全て、熱延工程を通板した際の同じサイドに疵が発生しており、かつ、特定の日以降に熱延工程を通過した薄板コイルのみに、疵が発生していることが明らかとなった。この結果に基づいて、熱延工程における設備点検を実施したところ、薄板コイルの表面の酸化物(スケール)除去設備に不良が生じ、特定のサイドのスケール除去能力が劣化していたことが判明し、この不良部の交換・修理することで、表面欠陥の発生率が低下し、歩留まりの向上、製品手入れの省力化、及び納期遅れの回避などの効果を得ることができた。 Using this wrinkle distribution feature amount, it is possible to extract a thin plate coil having a similar feature amount with respect to the other 428 coils, that is, a thin plate coil having a similar wrinkle distribution form. As a result of analyzing the operating conditions of the coil having the same soot distribution extracted in this way, all the soot is generated on the same side when the hot rolling process is passed, and after a specific date It was revealed that wrinkles were generated only in the thin coil that passed through the hot rolling process. Based on this result, when equipment inspection was performed in the hot rolling process, it was found that the oxide (scale) removal equipment on the surface of the thin coil had a defect, and the scale removal capability of a specific side had deteriorated. By exchanging and repairing this defective part, the occurrence rate of surface defects was reduced, and it was possible to obtain effects such as improvement in yield, labor saving in product maintenance, and avoidance of delay in delivery.
なお、今回の実施例では、コンピュータ上のプログラムとして分析装置を実現したが、演算装置、メモリ等を組み合わせたハードウェアによって構成されるものであっても良い。
また、本発明の薄板の表面欠陥の分布形態解析装置は、複数の機器から構成されるものであっても、一つの機器から構成されるものであっても良い。
また、上述した実施の形態は、コンピュータのCPU或いはMPU、RAM、ROM等で構成されるものであり、RAMやROMに記録されたプログラムが動作することで実施される。したがって、前記実施の形態の機能を実現するためのソフトウェアのプログラムコードをコンピュータに供給するための手段、例えばかかるプログラムコードを格納した記録媒体は本発明の範疇に含まれる。
In the present embodiment, the analysis device is realized as a program on a computer. However, the analysis device may be configured by hardware combining an arithmetic device, a memory, and the like.
The thin plate surface defect distribution form analyzing apparatus of the present invention may be composed of a plurality of devices or a single device.
Further, the above-described embodiment is constituted by a CPU or MPU of a computer, a RAM, a ROM, etc., and is implemented by operating a program recorded in the RAM or ROM. Therefore, means for supplying software program codes for realizing the functions of the above-described embodiments to a computer, for example, recording media storing such program codes are included in the scope of the present invention.
本技術は、鉄鋼製品の薄板製品の製造における表面欠陥起因の不良品発生原因を解析することに利用される。 This technology is used to analyze the cause of defective products due to surface defects in the manufacture of steel sheet products.
101 疵データ入力部
102 疵データ蓄積部
103 疵グループ初期重心位置作成部
104 疵−重心間距離計算部
105 疵グループ作成部
106 重心位置最適性評価部
107 最適疵グループ個数評価部
108 疵グループ重心座標値抽出部
109 疵グループ空間サイズ値計算部
110 疵グループ内の疵個数密度計算部
111 解析結果表示部
120 圧延/巾方向疵個数分布作成部
121 直線状疵分布直交判断部
122 直線状疵グループ作成部
123 非直線状分布疵データ抽出部
101 疵
Claims (8)
前記薄板コイルの表面疵の発生位置に関する座標データを入力する疵データ入力手段と、
前記疵データ入力手段によって入力された表面疵の座標データを蓄積する疵データ蓄積手段と、
前記疵データ蓄積手段によって蓄積された表面疵の座標データに基づいて、前記薄板コイルの疵分布形態を、定量的な数値として特徴量化する演算処理を行う疵分布特徴量算出手段と、
前記疵分布特徴量算出手段によって演算処理された疵分布形態の特徴量の解析結果を、ユーザに提示する為の解析結果表示手段とを備え、
前記疵分布特徴量算出手段は、
(A)予め設定された疵グループの初期個数分の疵グループ重心初期位置を作成する疵グループ初期重心位置作成手段と、
(B)疵グループの重心位置の座標と、各疵の座標データとを用いて、重心位置と疵との距離を算出する疵−重心間距離計算手段と、
(C)前記疵−重心間距離計算手段によって算出された距離に基づいて、互いに近接していると見なせる疵同士をグループ化して、1つ又は複数の疵グループを作成する疵グループ作成手段と、
(D)前記疵グループ作成手段によって作成された各疵グループに属する各疵データについて、該疵データからの該疵データが属する疵グループに最も近い疵グループに属する疵データまでの平均距離と、該疵データからの該疵データと同じ疵グループに属する疵データまでの平均距離との差異が大きいほど大きな値を示す指標を、全疵グループに属する全疵データについて計算した平均値を最適性評価指標として求めて、
前記最適性評価指標が増加しなくなるまで、前記疵グループの個数を1つ増して前記(A)から(D)の計算を行うという手順を繰り返して、該最適性評価指標が最も大きい場合の疵グループの個数を最適な疵グループの個数であると評価する最適疵グループ個数評価手段とを有し、
前記疵グループ作成手段によって作成された各疵グループに基づいて、疵グループの重心座標値と、疵グループの空間サイズ値と、疵グループ内の疵個数密度値とを特徴量として計算するようにしたことを特徴とする薄板の表面欠陥の分布形態解析装置。 A distribution form analyzer for surface defects of a thin plate that analyzes the distribution form of surface defects generated in a thin coil, which is a steel product, and analyzes the generation factors,
Wrinkle data input means for inputting coordinate data relating to the occurrence position of surface wrinkles of the thin coil,
疵 data storage means for storing coordinate data of surface ridges input by the heel data input means;
Based on the coordinate data of the surface defects accumulated by the defect data accumulating means, the defect distribution feature amount calculating means for performing a calculation process for characterizing the defect distribution form of the thin plate coil as a quantitative numerical value;
Analysis result display means for presenting the analysis result of the feature value of the wrinkle distribution form calculated by the wrinkle distribution feature value calculating means to the user,
The wrinkle distribution feature amount calculation means includes:
(A)疵 group initial centroid position creating means for creating 手段 group centroid initial positions corresponding to a predetermined initial number of cocoon groups;
(B)疵 -centroid distance calculating means for calculating the distance between the centroid position and the heel using the coordinates of the centroid position of the heel group and the coordinate data of each heel;
(C)疵 group creation means for grouping heels that can be regarded as close to each other based on the distance calculated by the heel-centroid distance calculation means, and creating one or more heel groups;
(D) For each bag data belonging to each bag group created by the bag group creating means, an average distance from the bag data to the bag data belonging to the bag group closest to the bag group to which the bag data belongs, An index indicating a larger value as the difference from the average data to the average data belonging to the same average group as the average data is larger, and an average value calculated for all average data belonging to the total average group is an optimality evaluation index. Asking
Until the optimality evaluation index does not increase, the number of the wrinkle groups is increased by one and the procedures of (A) to (D) are repeated until the optimality evaluation index is the largest. An optimal 疵 group number evaluation means for evaluating the number of groups as the optimal number of疵 groups,
Based on each cocoon group created by the cocoon group creating means, the centroid coordinate value of the cocoon group, the space size value of the cocoon group, and the cocoon number density value in the cocoon group are calculated as feature quantities. An apparatus for analyzing the distribution pattern of surface defects of a thin plate.
前記圧延/巾方向疵個数分布作成手段によって作成された疵個数分布に関する情報に基づいて、疵が直線状に分布する領域が複数個存在し、かつ互いに直交している直線状の疵分布が存在しているか否かを判定する直線状疵分布直交判定手段と、
前記直線状疵分布直交判定手段によって、互いに直交している直線状の疵分布の構成要素であると判定された疵データを、他の疵データとは別個の疵グループと見なし、その別個の疵グループの代表形状として重心の代わりに直線を用いて疵グループ化の処理を行う直線状疵グループ作成手段とを有し、
前記互いに直交する直線状の疵分布を構成要素としない疵データを抽出して、前記疵グループ初期重心位置作成手段に引き渡すようにしたことを特徴とする請求項1又は2に記載の薄板の表面欠陥の分布形態解析装置。 The wrinkle distribution feature amount calculating means includes a rolling / width direction wrinkle number distribution creating means for calculating a wrinkle number distribution in the rolling direction of the coil and the sheet width direction,
Based on information on the number distribution of wrinkles created by the rolling / width direction wrinkle number distribution creating means, there are a plurality of areas in which wrinkles are distributed in a straight line, and there is a straight wrinkle distribution perpendicular to each other. Straight wrinkle distribution orthogonality determining means for determining whether or not
The wrinkle data determined by the straight wrinkle distribution orthogonality determining means to be components of a linear wrinkle distribution orthogonal to each other is regarded as a wrinkle group separate from other wrinkle data, and the separate wrinkle data A straight ridge group creating means for performing heel grouping processing using a straight line instead of the center of gravity as a representative shape of the group,
The surface of the thin plate according to claim 1 or 2, wherein wrinkle data that does not include the linear wrinkle distribution orthogonal to each other is extracted and delivered to the wrinkle group initial centroid position creation means. Defect distribution pattern analyzer.
前記薄板コイルの表面疵の発生位置に関する座標データを入力する疵データ入力工程と、
前記疵データ入力工程によって入力された表面疵の座標データを蓄積する疵データ蓄積工程と、
前記疵データ蓄積工程によって蓄積された表面疵の座標データに基づいて、前記薄板コイルの疵分布形態を、定量的な数値として特徴量化する演算処理を行う疵分布特徴量算出工程と、
前記疵分布特徴量算出工程によって演算処理された疵分布形態の特徴量の解析結果を、ユーザに提示する解析結果表示工程とを備え、
前記疵分布特徴量算出工程は、
(A)予め設定された疵グループの初期個数分の疵グループ重心初期位置を作成する疵グループ初期重心位置作成工程と、
(B)疵グループの重心位置の座標と、各疵の座標データとを用いて、重心位置と疵との距離を算出する疵−重心間距離計算工程と、
(C)前記疵−重心間距離計算工程によって算出された距離に基づいて、互いに近接していると見なせる疵同士をグループ化して、1つ又は複数の疵グループを作成する疵グループ作成工程と、
(D)前記疵グループ作成工程によって作成された各疵グループに属する各疵データについて、該疵データからの該疵データが属する疵グループに最も近い疵グループに属する疵データまでの平均距離と、該疵データからの該疵データと同じ疵グループに属する疵データまでの平均距離との差異が大きいほど大きな値を示す指標を、全疵グループに属する全疵データについて計算した平均値を最適性評価指標として求めて、
前記最適性評価指標が増加しなくなるまで、前記疵グループの個数を1つ増して前記(A)から(D)の計算を行うという手順を繰り返して、該最適性評価指標が最も大きい場合の疵グループの個数を最適な疵グループの個数であると評価する最適疵グループ個数評価工程とを有し、
前記疵グループ作成工程によって作成された各疵グループに基づいて、疵グループの重心座標値と、疵グループの空間サイズ値と、疵グループ内の疵個数密度値とを特徴量として計算するようにしたことを特徴とする薄板の表面欠陥の分布形態解析方法。 This is a method for analyzing the distribution pattern of surface defects on a thin plate by analyzing the distribution pattern of surface defects generated in a thin coil, which is a steel product,
A wrinkle data input step for inputting coordinate data relating to the occurrence position of the surface wrinkle of the thin coil;
A wrinkle data accumulation step for accumulating the coordinate data of the surface flaws input by the wrinkle data input step;
A wrinkle distribution feature amount calculating step for performing a calculation process for characterizing the wrinkle distribution form of the thin plate coil as a quantitative value based on the coordinate data of the surface wrinkle accumulated in the wrinkle data accumulation step;
An analysis result display step of presenting the analysis result of the feature amount of the wrinkle distribution form calculated by the wrinkle distribution feature amount calculation step to the user,
The wrinkle distribution feature amount calculating step includes:
(A)疵 group initial centroid position creating step of creating 疵 group centroid initial positions for the initial number of cocoon groups set in advance;
(B) A step of calculating the distance between the center of gravity and the center of gravity by calculating the distance between the center of gravity and the center of gravity using the coordinates of the center of gravity of the center group and the coordinate data of each base;
(C) based on the distance calculated by the distance calculation step between the heel and the center of gravity, grouping the heels that can be regarded as close to each other to create one or a plurality of heel groups,
(D) For each bag data belonging to each bag group created by the bag group creation step, an average distance from the bag data to the bag data belonging to the bag group closest to the bag group to which the bag data belongs, An index indicating a larger value as the difference from the average data to the average data belonging to the same average group as the average data is larger, and an average value calculated for all average data belonging to the total average group is an optimality evaluation index. Asking
Until the optimality evaluation index does not increase, the number of the wrinkle groups is increased by one and the procedures of (A) to (D) are repeated until the optimality evaluation index is the largest. An optimal cocoon group number evaluation process for evaluating the number of groups as the optimal number of cocoon groups,
Based on each cocoon group created by the cocoon group creation step, the centroid coordinate value of the cocoon group, the space size value of the cocoon group, and the cocoon number density value in the cocoon group are calculated as feature quantities. A method for analyzing the distribution pattern of surface defects of a thin plate.
前記圧延/巾方向疵個数分布作成工程によって作成された疵個数分布に関する情報に基づいて、疵が直線状に分布する領域が複数個存在し、かつ互いに直交している直線状の疵分布が存在しているか否かを判定する直線状疵分布直交判定工程と、
前記直線状疵分布直交判定工程によって、互いに直交している直線状の疵分布の構成要素であると判定された疵データを、他の疵データとは別個の疵グループと見なし、その別個の疵グループの代表形状として重心の代わりに直線を用いて疵グループ化の処理を行う直線状疵グループ作成工程とを有し、
前記互いに直交する直線状の疵分布を構成要素としない疵データを抽出して、前記疵グループ初期重心位置作成工程に引き渡すようにしたことを特徴とする請求項4又は5に記載の薄板の表面欠陥の分布形態解析方法。 The wrinkle distribution feature amount calculating step includes a rolling / width direction wrinkle number distribution creating step for calculating a wrinkle number distribution in the rolling direction of the coil and the sheet width direction,
Based on the information on the number distribution of wrinkles created in the rolling / width direction wrinkle number distribution creating step, there are a plurality of regions where wrinkles are distributed in a straight line, and there is a straight wrinkle distribution perpendicular to each other. Straight wrinkle distribution orthogonality determining step for determining whether or not
The wrinkle data determined by the straight wrinkle distribution orthogonality determining step as a component of the linear wrinkle distribution orthogonal to each other is regarded as a wrinkle group separate from other wrinkle data, and the separate wrinkle distribution is determined. A straight cocoon group creating process for performing cocoon grouping processing using a straight line instead of the center of gravity as the representative shape of the group,
6. The surface of a thin plate according to claim 4 or 5, wherein wrinkle data that does not include the linear wrinkle distribution orthogonal to each other is extracted and delivered to the wrinkle group initial center of gravity position creation step. Defect distribution pattern analysis method.
前記薄板コイルの表面疵の発生位置に関する座標データを入力する疵データ入力ステップと、
前記疵データ入力ステップによって入力された表面疵の座標データを蓄積する疵データ蓄積ステップと、
前記疵データ蓄積ステップによって蓄積された表面疵の座標データに基づいて、前記薄板コイルの疵分布形態を、定量的な数値として特徴量化する演算処理を行う疵分布特徴量算出ステップと、
前記疵分布特徴量算出ステップによって演算処理された疵分布形態の特徴量の解析結果を、ユーザに提示する解析結果表示ステップとをコンピュータに実行させ、
前記疵分布特徴量算出ステップは、
(A)予め設定された疵グループの初期個数分の疵グループ重心初期位置を作成する疵グループ初期重心位置作成ステップと、
(B)疵グループの重心位置の座標と、各疵の座標データとを用いて、重心位置と疵との距離を算出する疵−重心間距離計算ステップと、
(C)前記疵−重心間距離計算ステップによって算出された距離に基づいて、互いに近接していると見なせる疵同士をグループ化して、1つ又は複数の疵グループを作成する疵グループ作成ステップと、
(D)前記疵グループ作成ステップによって作成された各疵グループに属する各疵データについて、該疵データからの該疵データが属する疵グループに最も近い疵グループに属する疵データまでの平均距離と、該疵データからの該疵データと同じ疵グループに属する疵データまでの平均距離との差異が大きいほど大きな値を示す指標を、全疵グループに属する全疵データについて計算した平均値を最適性評価指標として求めて、
前記最適性評価指標が増加しなくなるまで、前記疵グループの個数を1つ増して前記(A)から(D)の計算を行うという手順を繰り返して、該最適性評価指標が最も大きい場合の疵グループの個数を最適な疵グループの個数であると評価する最適疵グループ個数評価ステップとを有し、
前記疵グループ作成ステップによって作成された各疵グループに基づいて、疵グループの重心座標値と、疵グループの空間サイズ値と、疵グループ内の疵個数密度値とを特徴量として計算するようにしたことを特徴とするコンピュータプログラム。 A computer program for causing a computer to analyze a distribution form of surface defects generated in a thin coil that is a steel product, analyze the generation factor, and analyze the surface defects of the thin plate,
A wrinkle data input step for inputting coordinate data relating to the occurrence position of the surface wrinkle of the thin coil;
疵 data storage step for storing the surface heel coordinate data input by the heel data input step;
A wrinkle distribution feature amount calculating step for performing a calculation process for characterizing the wrinkle distribution form of the thin plate coil as a quantitative numerical value based on the coordinate data of the surface wrinkle accumulated by the wrinkle data accumulation step;
Causing the computer to execute an analysis result display step of presenting the analysis result of the feature amount of the wrinkle distribution form calculated by the wrinkle distribution feature amount calculation step to the user;
The wrinkle distribution feature amount calculating step includes:
(A)疵 group initial centroid position creation step for creating 疵 group centroid initial positions for a predetermined initial number of cocoon groups;
(B) a step of calculating a distance between the center of gravity and the center of gravity by calculating the distance between the center of gravity and the center of gravity using the coordinates of the center of gravity of the center group and the coordinate data of each base;
(C) A cocoon group creation step of grouping cocoons that can be considered to be close to each other based on the distance calculated by the heel-centroid distance calculation step , and creating one or a plurality of cocoon groups;
(D) For each bag data belonging to each bag group created by the bag group creation step, an average distance from the bag data to the bag data belonging to the bag group closest to the bag group to which the bag data belongs, An index indicating a larger value as the difference from the average data to the average data belonging to the same average group as the average data is larger, and an average value calculated for all average data belonging to the total average group is an optimality evaluation index. Asking
Until the optimality evaluation index does not increase, the number of the wrinkle groups is increased by one and the procedures of (A) to (D) are repeated until the optimality evaluation index is the largest. An optimal 疵 group number evaluation step for evaluating the number of groups as the optimal number of疵 groups,
Based on each cocoon group created by the cocoon group creation step, the centroid coordinate value of the cocoon group, the space size value of the cocoon group, and the cocoon number density value in the cocoon group are calculated as feature quantities. A computer program characterized by the above.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004112225A JP4516777B2 (en) | 2004-02-13 | 2004-04-06 | Thin plate surface defect distribution form analysis apparatus, thin plate surface defect distribution form analysis method, computer program, and computer-readable recording medium |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004036164 | 2004-02-13 | ||
JP2004112225A JP4516777B2 (en) | 2004-02-13 | 2004-04-06 | Thin plate surface defect distribution form analysis apparatus, thin plate surface defect distribution form analysis method, computer program, and computer-readable recording medium |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2005257660A JP2005257660A (en) | 2005-09-22 |
JP4516777B2 true JP4516777B2 (en) | 2010-08-04 |
Family
ID=35083501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004112225A Expired - Fee Related JP4516777B2 (en) | 2004-02-13 | 2004-04-06 | Thin plate surface defect distribution form analysis apparatus, thin plate surface defect distribution form analysis method, computer program, and computer-readable recording medium |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4516777B2 (en) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2007049555A1 (en) * | 2005-10-24 | 2009-04-30 | 国立大学法人京都大学 | CMOS model creation apparatus, method, program of the method, and recording medium |
JP4531733B2 (en) | 2006-09-14 | 2010-08-25 | シャープ株式会社 | Decorative product fixing structure of thin image display device |
CN101517580B (en) * | 2006-09-14 | 2016-04-06 | 奥林巴斯株式会社 | Sample data method for evaluating reliability and sample data reliability evaluation device |
JP5262582B2 (en) * | 2007-11-02 | 2013-08-14 | 新日鐵住金株式会社 | Surface defect distribution form analysis apparatus, method, and program |
JP5206697B2 (en) * | 2009-01-15 | 2013-06-12 | 新日鐵住金株式会社 | Continuous defect determination method, continuous defect determination device, and program |
JP5996475B2 (en) * | 2013-04-01 | 2016-09-21 | 株式会社神戸製鋼所 | Support system for estimation of abnormal processes |
JP7468558B2 (en) * | 2021-03-19 | 2024-04-16 | Jfeスチール株式会社 | System for identifying the cause of surface defects and manufacturing method for industrial products |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001156135A (en) * | 1999-11-29 | 2001-06-08 | Hitachi Ltd | Method and device for sorting defective image and manufacturing method of semiconductor device using them |
JP2002090308A (en) * | 2000-09-19 | 2002-03-27 | Nippon Denro Kk | Evaluation system for degree of surface degradation of steel using image processing |
JP2002310927A (en) * | 2001-04-10 | 2002-10-23 | Matsushita Electric Ind Co Ltd | Pattern discriminating method and device thereof |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02129536A (en) * | 1988-11-09 | 1990-05-17 | Togami Electric Mfg Co Ltd | Discriminating device for laver |
JP4132229B2 (en) * | 1998-06-03 | 2008-08-13 | 株式会社ルネサステクノロジ | Defect classification method |
-
2004
- 2004-04-06 JP JP2004112225A patent/JP4516777B2/en not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001156135A (en) * | 1999-11-29 | 2001-06-08 | Hitachi Ltd | Method and device for sorting defective image and manufacturing method of semiconductor device using them |
JP2002090308A (en) * | 2000-09-19 | 2002-03-27 | Nippon Denro Kk | Evaluation system for degree of surface degradation of steel using image processing |
JP2002310927A (en) * | 2001-04-10 | 2002-10-23 | Matsushita Electric Ind Co Ltd | Pattern discriminating method and device thereof |
Also Published As
Publication number | Publication date |
---|---|
JP2005257660A (en) | 2005-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | iVAT and aVAT: enhanced visual analysis for cluster tendency assessment | |
JP5167442B2 (en) | Image identification apparatus and program | |
US9336430B2 (en) | Computer-assisted karyotyping | |
CN109657567B (en) | Weak supervision characteristic analysis method and system based on 3D fingerprint image | |
JP2007140694A (en) | Device and method for analyzing relevance of operation and quality in manufacturing process, computer program and computer-readable recording medium | |
CN107609590B (en) | Multi-scale mouse track feature extraction method, device and system | |
Richardson et al. | Extracting scar and ridge features from 3D-scanned lithic artifacts | |
JP4516777B2 (en) | Thin plate surface defect distribution form analysis apparatus, thin plate surface defect distribution form analysis method, computer program, and computer-readable recording medium | |
CN103177266A (en) | Intelligent stock pest identification system | |
CN114972882B (en) | Wear surface damage depth estimation method and system based on multi-attention mechanism | |
CN112785420A (en) | Credit scoring model training method and device, electronic equipment and storage medium | |
JP4653547B2 (en) | Apparatus and method for analyzing relation between operation and quality in manufacturing process, computer program, and computer-readable recording medium | |
CN109556533B (en) | Automatic extraction method for multi-line structured light stripe image | |
CN105740399B (en) | Time series data curve processing method and apparatus | |
CN104239895B (en) | SAR target identification method based on feature dimension reduction | |
JP4299508B2 (en) | Operation and quality related analysis device in manufacturing process, related analysis method, and computer-readable storage medium | |
JP4772613B2 (en) | Quality analysis method, quality analysis apparatus, computer program, and computer-readable storage medium | |
Yu et al. | An automatic recognition method of journal impact factor manipulation | |
Biju et al. | A genetic algorithm based fuzzy C mean clustering model for segmenting microarray images | |
CN114529759B (en) | Thyroid nodule classification method and device and computer readable medium | |
CN112949614B (en) | Face detection method and device for automatically allocating candidate areas and electronic equipment | |
CN114004877A (en) | Method, system and equipment for judging object sparsity in visual scene | |
Wu et al. | Significance test in operational ROC analysis | |
CN107924549A (en) | Technical Overflow effect analysis method | |
Nguyen et al. | An automatic body ROI determination for 3D visualization of a fetal ultrasound volume |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060907 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090303 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090721 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090915 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100223 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100413 |
|
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: 20100511 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100517 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 4516777 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130521 Year of fee payment: 3 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130521 Year of fee payment: 3 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140521 Year of fee payment: 4 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |