JP5176372B2 - 疵検査方法、疵検査装置、及びコンピュータプログラム - Google Patents

Description

本発明は、疵検査方法、疵検査装置、及びコンピュータプログラムに関し、特に、疵検査対象物を画像化して疵検査を行うために用いて好適なものである。

従来から、例えば、鋼板等の圧延ラインにおいては、圧延ロールの表面に欠けや凹みが生じたり異物が付着したりしていることにより、それらが被圧延材に転写され、被圧延材の圧延方向に周期性のある有害な疵（所謂ロール疵）が被圧延材に生じてしまうことがあった。そこで、被圧延材の表面を照明して得られる反射光を検知して撮像することにより画像化して、被圧延材に生じているロール疵を検査することが行われている。特許文献１では、圧延ロールの１回転分に相当する長さの被圧延材表面の画像を連続的に複数枚格納し、格納した複数毎の画像を重ね合わせた合成画像を疵検査画像として生成して、ロール疵のＳ／Ｎ比を高める。そして、疵検査画像の輝度値を閾値と比較して、ロール疵を検出するようにしている。

特開平６−３２４００５号公報

ところで、前述したような圧延ロールの表面においては、例えば圧延ロールの表面に生じている模様や肌荒れ等により小さな粗度変化が生じている場合がある。このような粗度変化があると、圧延ロールの外周長を周期とする周期性を有した粗度変化が、被圧延材に転写されることになる。このような粗度変化は無害であるので、前述したロール疵とは区別されるべきである。
しかしながら、従来の技術では、圧延ロールの１回転分に相当する画像を重ね合わせているに過ぎない。このため、圧延ロールの表面に生じている模様や肌荒れ等により生じている無害な粗度変化も、疵検査画像にＳ／Ｎ比が高く表れることになる。

また、圧延ロールの表面に生じている模様や肌荒れ等により生じている「周期性のある無害な粗度変化（周期性のある外乱ノイズ）」と、「ロール疵（周期性のある疵）」は、画像上その形態が非常に似ている場合があり、画像上の特徴を用いてそれらを識別することが困難であるという問題点があった。すなわち、従来の技術では、周期性のある外乱ノイズを、誤って疵と判定してしまう虞があった。
本発明はこのような問題点に鑑みてなされたものであり、周期性のある有害疵と、その有害疵と同じような周期性・形態を有する外乱ノイズとが混在している場合でも、周期性のある有害疵を従来よりも高精度に検出することができるようにすることを目的とする。

本発明の疵検査方法は、移動する疵検査対象物の表面の撮像画像を記憶媒体に記憶する画像記憶ステップと、前記撮像画像から、周期性を有する疵の周期の長さで切り出した画像を生成する画像切り出しステップと、前記画像切り出しステップにより切り出された画像であって、互いに異なる撮像画像に基づく複数の切り出し画像を記憶媒体に記憶する切り出し画像記憶ステップと、前記切り出し画像記憶ステップにより記憶された複数の切り出し画像のうちの、疵検査対象の画像を除く過去に得られた画像に同位相で含まれる成分を、周期性を有する外乱ノイズとして抽出する外乱ノイズ抽出ステップと、新たに前記画像切り出しステップにより、疵検査対象の切り出し画像が生成されるとき、前記疵検査対象の切り出し画像から前記外乱ノイズ抽出ステップによって抽出された外乱ノイズを差し引くことで、前記疵検査対象の切り出し画像に含まれている、周期性を有する外乱ノイズを低減する外乱ノイズ低減ステップと、前記外乱ノイズ低減ステップにより外乱ノイズが低減された、前記疵検査対象の切り出し画像を用いて、前記疵検査対象物の表面に形成されている疵を検出する疵検出ステップとを有することを特徴とする。

本発明の疵検査装置は、移動する疵検査対象物の表面の撮像画像を記憶媒体に記憶する画像記憶手段と、前記撮像画像から、周期性を有する疵の周期の長さで切り出した画像を生成する画像切り出し手段と、前記画像切り出し手段により切り出された画像であって、互いに異なる撮像画像に基づく複数の切り出し画像を記憶媒体に記憶する切り出し画像記憶手段と、前記切り出し画像記憶手段により記憶された複数の切り出し画像のうちの、疵検査対象の画像を除く過去に得られた画像に同位相で含まれる成分を、周期性を有する外乱ノイズとして抽出する外乱ノイズ抽出手段と、新たに前記画像切り出し手段により、疵検査対象の切り出し画像が生成されるとき、前記疵検査対象の切り出し画像から前記外乱ノイズ抽出手段によって抽出された外乱ノイズを差し引くことで、前記疵検査対象の切り出し画像に含まれている、周期性を有する外乱ノイズを低減する外乱ノイズ低減手段と、前記外乱ノイズ低減手段により外乱ノイズが低減された、前記疵検査対象の切り出し画像を用いて、前記疵検査対象物の表面に形成されている疵を検出する疵検出手段とを有することを特徴とする。

本発明のコンピュータプログラムは、移動する疵検査対象物の表面の撮像画像を記憶媒体に記憶する画像記憶ステップと、前記撮像画像から、周期性を有する疵の周期の長さで切り出した画像を生成する画像切り出しステップと、前記画像切り出しステップにより切り出された画像であって、互いに異なる撮像画像に基づく複数の切り出し画像を記憶媒体に記憶する切り出し画像記憶ステップと、前記切り出し画像記憶ステップにより記憶された複数の切り出し画像のうちの、疵検査対象の画像を除く過去に得られた画像に同位相で含まれる成分を、周期性を有する外乱ノイズとして抽出する外乱ノイズ抽出ステップと、新たに前記画像切り出しステップにより、疵検査対象の切り出し画像が生成されるとき、前記疵検査対象の切り出し画像から前記外乱ノイズ抽出ステップによって抽出された外乱ノイズを差し引くことで、前記疵検査対象の切り出し画像に含まれている、周期性を有する外乱ノイズを低減する外乱ノイズ低減ステップと、前記外乱ノイズ低減ステップにより外乱ノイズが低減された、前記疵検査対象の切り出し画像を用いて、前記疵検査対象物の表面に形成されている疵を検出する疵検出ステップとをコンピュータに実行させることを特徴とする。

本発明によれば、周期性のある有害疵と、その有害疵と同じような周期性のある外乱ノイズとが混在している場合でも、周期性のある有害疵を従来よりも高精度に検出することができる。

以下、図面を参照しながら、本発明の一実施形態を説明する。
図１は、本実施形態における表面疵検査システムの概略構成の一例を示した図である。尚、本実施形態では、図１に示すように、疵検査を行う疵検査対象物として、ワークロール７ａ、中間ロール７ｂ、及びバックアップロール７ｃを備えた仕上圧延機７で仕上圧延された後の帯状鋼板１を例に挙げて説明する。尚、以下の説明では、帯状鋼板１を鋼板１と略称する。

図１において、鋼板１は、搬送ロール２ａ〜２ｃによって、鋼板１の長手方向（図１の矢印の方向）に搬送（移動）される。また、搬送ロール２ａ〜２ｃの回転は、夫々ロータリーエンコーダ３により検出されるようにしている。
このような圧延鋼板製造ラインに設置される表面疵検査システムは、照明装置４と、撮像装置５と、情報処理装置６とを有している。

照明装置４は、例えばハロゲンランプ等、好ましくは高い輝度を有する光を出射する発光部と、集光レンズ等の集光部とを有する。ハロゲンランプ等から出射される光が集光部で線状に集光されることにより、鋼板１の表面がその幅方向で線状に照明される。尚、本実施形態では、鋼板１の幅方向の全てが確実に線状に照明されるように、鋼板１の幅方向の長さよりも長い線状の光束を照明装置４が照射するようにしている。

撮像装置５は、照明装置４により照明された鋼板１の疵検査範囲を撮像して画像信号を生成する機能を有している。撮像装置５は、図１に示すように照明装置４に鋼板１の疵検査範囲を挟んで対向する位置、すなわち、照明装置４から照射され、鋼板１に当たって反射される光の光路上に配置される。この撮像装置５は、画像をフレーム単位で読み取るエリアカメラ（センサ）と、画像をライン単位で読み取るラインカメラ（センサ）との何れであってもよく、又ＣＣＤ撮像素子やＣＭＯＳ撮像素子等のカメラでも良い。また、撮像画像は、白黒濃淡画像とカラー画像との何れであってもよい。
ここでは、撮像装置５として、白黒濃淡画像を出力するラインカメラを使用した場合を例として挙げて説明する。具体的に撮像装置５は、鋼板１の幅方向に細長い疵検査範囲の濃淡画像を撮像し、例えば白黒２５６階調の情報を撮像画像として出力するものとする。

移動する鋼板１の表面を、所定の空間分解能で隙間なく連続して撮像装置５が撮像できるように、ロータリーエンコーダ３は、鋼板１の搬送速度に応じた制御タイミング信号（パルス信号）を撮像装置５に出力する。撮像装置５は、このロータリーエンコーダ３から出力される制御タイミング信号に従って、撮像と撮像画像の転送とを繰り返す。

疵検査装置として設けられる情報処理装置６は、例えばＰＣ（Personal Computer）である。情報処理装置６は、ＣＰＵ、ＲＯＭ、ＲＡＭ、ハードディスク、キーボードやマウスからなるユーザインターフェース、及びデータ入出力制御装置等を有している。尚、ＣＰＵ、ＲＯＭ、ＲＡＭ、ハードディスク、ユーザインターフェース、及びデータ入出力制御装置は、夫々通信バスに接続されており、互いに通信することが可能である。

また、情報処理装置６の記憶媒体の一つであるハードディスクには、後述するようにして疵検査を行うための疵検用アプリケーションプログラムや、その疵検用アプリケーションプログラムで使用されるデータが記憶されている。この他、情報処理装置６のハードディスクには、撮像装置５で撮像され、データ入出力制御装置で処理された画像データ等も記憶されている。ここで、データ入出力制御装置は、撮像装置５から出力されたライン毎の画像データを、例えば、２０４８（幅）×５１２（長さ）の画素数を有する画像データに構成する処理を行って、ＲＡＭに転送する。尚、ここでは、説明の便宜上、１画素は、鋼板１の表面の１ｍｍ×１ｍｍの撮像画像を表すものとする。すなわち、２０４８（幅）×５１２（長さ）の画素数で構成される画像は、鋼板１の幅が２０４８ｍｍ、長さが５１２ｍｍの範囲の撮像画像を表すものとする。

情報処理装置６のＣＰＵ等は、ユーザインターフェースのユーザによる操作等に基づいて、疵検用アプリケーションプログラムを起動する。そして、ＣＰＵ等は、疵検用アプリケーションプログラムを実行して、疵検査を行うための処理を実行する。
表示装置８は、例えばＬＣＤ（Liquid Crystal Display）等を備えており、情報処理装置６により実行された疵検査の結果を示す画像を表示するためのものである。

図２は、表面疵検査システムに設けられた情報処理装置６が有する機能構成の一例を示すブロック図である。
図２において、画像入力部２１は、撮像装置５で撮像されたライン毎の画像データを入力し、連続して入力した複数のライン毎の画像データ（２０４８×１画素）を用いて、例えば、２０４８（幅）×５１２（長さ）の画素数を有する画像データを構成する。そして、画像入力部２１は、その画像データをＲＡＭに記憶する。
画像入力部２１は、例えば、画像入力ボードで構成するデータ入出力制御装置を用いることにより実現される。

シェーディング補正部２２は、画像入力部２１で得られた「２０４８（幅）×５１２（長さ）の画素数を有する画像データ」全体が一様な明るさになるように、その画像データに対して、シェーディング補正を行う。そして、シェーディング補正部２２は、シェーディング補正を行った画像データを、ＲＡＭ（記憶媒体）に記憶する。本実施形態では、予め設定された長さの画像データがＲＡＭに記憶されるようにしている。例えば、３ｍ分の鋼板１の画像データを保存する場合、シェーディング補正が行われる度に、記憶していた最も古い「長さ５１２ｍｍ分の画像データ」を破棄し、シェーディング補正が終わった長さ５１２ｍｍ分の画像データを追加する。このようにすることによって、常に最新の「長さ３ｍ分のシェーディング補正後の画像データ」がＲＡＭに記憶されることになる。

シェーディング補正部２２は、例えば、情報処理装置６のＣＰＵ、ＲＯＭ、ＲＡＭ、及びハードディスクを用いることにより実現される。
以上のように本実施形態では、例えば、シェーディング補正部２２が、ＲＡＭに記憶されている最も古い画像データを破棄し、シェーディング補正を行った画像データを追加して、所定の長さの画像データをＲＡＭに形成することにより画像記憶手段が実現される。また、本実施形態では、例えば、ＲＡＭに記憶されている「予め設定された長さの画像データ」が、移動する検査対象物の表面の撮像画像として実現される。

加算平均画像導出部２３は、シェーディング補正部２２によりシェーディング補正が行われて、ＲＡＭに記憶された「長さ３ｍ分の画像データ」を、その画像データの長手方向に分割して切り出す。そして、加算平均画像導出部２３は、切り出した画像データそれぞれの互いに対応する位置の画素の値を加算（以下では「画素を加算」と記す）して加算平均画像データを生成する。更に、加算平均画像導出部２３は、その加算平均画像データの輝度値の分散を演算する。

具体的には、加算平均画像導出部２３は、画像切り出し部２３ａと、加算処理部２３ｂと、輝度分散演算部２３ｃとを有している。以下、図３を参照しながら、加算平均画像導出部２３の処理の一例を説明する。図３は、加算平均画像導出部２３、加算平均画像選択部２４、及び加算平均画像バッファ部２５で行われる処理の一例を概念的に示す図である。

画像切り出し部２３ａは、シェーディング補正部２２によりシェーディング補正が行われて、ＲＡＭに記憶された「長さ３ｍ分の画像データ」を、その画像データの長手方向に分割して切り出す。具体的に画像切り出し部２３ａは、ワークロール７ａの外周長（すなわち、ロール疵等の「周期性を有する疵」の周期）を中心として、±数画素（例えば２画素）単位で切り出す長さ（ピッチ）Ｌｉを変えて、「長さ３ｍ分の画像データ」を切り出す。

図３（ａ）に示すように、画像切り出し部２３ａは、シェーディング補正部２２によりシェーディング補正が行われた「長さ３ｍ分の画像データ４１」を、長さＬ１、Ｌ２、・・・、Ｌｐ（ｐは２以上の自然数）毎に分割して切り出す。これにより、図３（ｂ）に示すように、Ｑ（Ｑは２以上の自然数）枚の画像データからなるｐ個の画像データ群が生成される。本実施形態では、ワークロール７ａの外周長の設計値と、ワークロール７ａの外周長の設計値を±数画素ずつ増減させた長さで、シェーディング補正が行われた「長さ３ｍ分の画像データ４１」から切り出すようにしている。

鋼板１をワークロール７ａで圧延するときにワークロール７ａの表面の粗度や凹凸の状態が、鋼板１の表面に転写されるので、「長さ３ｍ分の画像データ」に含まれている「周期性を有する疵」の周期は、ワークロール７ａの外周長の設計値に対応した長さを有している。したがって、ワークロール７ａの外周長の設計値毎に「長さ３ｍ分の画像データ」を切り出せば、周期性を有する疵の周期の単位で「長さ３ｍ分の画像データ」を切り出すことができる。しかしながら、ワークロール７ａが磨り減ってしまうこと等により、ワークロール７ａの外周長の設計値と、長さ３ｍ分の画像データに含まれている「周期性を有する疵」の周期との間には、誤差が生じる。したがって、ワークロール７ａの外周長の設計値と、長さ３ｍ分の画像データに含まれている「周期性を有する疵」の周期とが正確に一致することは稀である。

そこで、本実施形態では、ワークロール７ａの外周長の設計値だけでなく、ワークロール７ａの外周長の設計値を±数画素ずつ増減させた長さで「長さ３ｍ分の画像データ」を切り出すようにしている。これにより、切り出したｐ個の画像データ群４２ａ〜４２ｃの中から、長さ３ｍ分の画像データに含まれている「周期性を有する疵」の周期に最も合う画像データを選択できるようにしている。
以上のように本実施形態では、例えば、画像切り出し部２３ａが、ワークロール７ａの外周長の設計値と、ワークロール７ａの外周長の設計値を±数画素ずつ増減させた長さで、「長さ３ｍ分の画像データ」をその長手方向に分割して切り出して、ｐ個の画像データ群４２ａ〜４２ｃを撮像画像群として生成することにより、画像切り出し手段が実現される。

このように、本実施形態では、ワークロール７ａの外周長の設計値を、長さ３ｍ分の画像データに含まれている「周期性を有する疵」の周期の中心値と見立てて処理を行うようにしている。ただし、必ずしもこのようにする必要はない。例えば、シェーディング補正が行われた「長さ３ｍ分の画像データ」に対してパターンマッチングを行って、長さ３ｍ分の画像データに含まれている「周期性を有する疵」の周期を求め、求めたものを、ワークロール７ａの外周長の設計値の代わりに使用することができる。

図２に説明を戻し、加算処理部２３ｂは、画像切り出し部２３ａにより切り出されたｐ個の画像データ群４２ａ〜４２ｃの夫々について、対応する画素を加算して加算平均画像データを生成する。具体的に加算処理部２３ｂは、以下の（１）式の計算を、画像切り出し部２３ａにより切り出されたｐ個の画像データ群４２ａ〜４２ｃの夫々について行う。

ここで、Ｇ（ｋ，ｌ）は、加算平均画像データである。Ｑは、画像データの切り出し枚数である。Ｆｕ（ｋ，ｌ）は、切り出した画像データを表す。（ｋ，ｌ）は、画像データの各画素の位置を表す。
以上のようにして、図３（ｃ）に示すように、ｐ個の加算平均画像データ４３ａ〜４３ｃが得られる。

輝度分散演算部２３ｃは、加算処理部２３ｂにより得られたｐ個の加算平均画像データ４３ａ〜４３ｃの夫々について、以下の（２）式の計算を行って、輝度値の分散σ²を演算する。

ここで、Ｘは、鋼板１の幅方向の画素数を表す。Ｙは、鋼板１の長手方向の画素数（すなわち、画像データの切り出し長さ）を表す。（ｋ，ｌ）は、加算平均画像データ４３の各画素の位置を表す。
尚、加算平均画像導出部２３は、例えば、情報処理装置６のＣＰＵ、ＲＯＭ、ＲＡＭ、及びハードディスクを用いることにより実現される。

加算平均画像選択部２４は、加算処理部２３ｂにより得られたｐ個の加算平均画像データ４３ａ〜４３ｃのうち、輝度分散演算部２３ｃで演算された分散σ²が最も大きいものを選択する。このようにするのは、次の理由による。
画像切り出し部２３ａによる画像データの切り出し長さが、その画像データに含まれている「周期性を有する疵」の周期とかけ離れる程、ランダムな輝度値をもつ画素同士を、加算処理部２３ｂで加算することになる。このような場合、加算処理部２３ｂで得られる加算平均画像データ４３は、一様な輝度値を有する画像データとなり、その分散σ²は小さくなる。言い換えると、画像データに含まれている「周期性を有する疵」の周期に近い長さを有する加算平均画像データ４３である程、その分散σ²は大きくなる。

よって、最大の分散σ²を与える加算平均画像データ４３を選択すれば、画像データに含まれている「周期性を有する疵」の周期に最も近い加算平均画像データ４３を選択できる。図３（ｄ）では、長さＬ２で切り出された画像データに基づく加算平均画像データ４３ｂが選択された場合を例に挙げて示している。
加算平均画像選択部２４は、例えば、情報処理装置６のＣＰＵ、ＲＯＭ、ＲＡＭ、及びハードディスクを用いることにより実現される。

尚、加算平均画像選択部２４で選択された加算平均画像データ４３の長さ方向の画素数に、その加算平均画像データ４３の分解能を乗じて長さに変換した値が、周期性のある疵や、周期性のある外乱ノイズの実際の周期に対応するものになる。ただし、本実施形態では、１画素が、鋼板１の表面の１ｍｍ×１ｍｍの撮像画像を表すものとしている。したがって、このような変換を行わなくても、周期性のある疵や、周期性のある外乱ノイズの実際の周期を得ることができる。

また、以下の説明では、画像入力部２１が、ｎ（ｎは２以上の自然数）個のコイル（鋼板１）の画像データを入力し、シェーディング補正部２２、加算平均画像導出部２３、及び加算平均画像選択部２４が、それらｎ個のコイルの画像データに対して前述した処理を行い、ｎ個の加算平均画像データ４３が、加算平均画像選択部２４で選択されるものとする。

加算平均画像バッファ部２５は、図３（ｅ）に示すように、加算平均画像選択部２４で選択されたｎ個の加算平均画像データ４３を一時的に記憶するバッファ（記憶媒体）である。
加算平均画像バッファ部２５は、例えば、情報処理装置６のバッファ（例えばＲＡＭ）を用いることにより実現される。

起点合わせ部２６は、加算平均画像バッファ部２５に、ｎ個の加算平均画像データ４３が記憶されているか否かを判定し、記憶されている場合に、それらｎ個の加算平均画像データ４３の起点を合わせる。以下、図４を参照しながら、起点合わせ部２６により行われる処理の一例を説明する。図４は、起点合わせ部２６により行われる処理の一例を概念的に示す図である。

図４（ａ）及び図４（ｂ）に示すように、ワークロール７ａの外周上の位置Ａが、鋼板１の表面１ａに位置してから、位置Ａが次に鋼板１の表面１ａに位置するまで（すなわち、ワークロール７ａが、位置Ａを起点として１周したとき）に、加算平均画像データ４３ｘが得られたとする。この場合、加算平均画像データ４３ｘの起点は、ワークロール７ａの外周上の位置Ａに対応する位置となる。

一方、図４（ｃ）及び図４（ｄ）に示すように、ワークロール７ａの外周上の位置Ｂが、鋼板１の表面１ａに位置してから、位置Ｂが次に鋼板１の表面１ａに位置するまで（すなわち、ワークロール７ａが、位置Ｂを起点として１周したとき）に、加算平均画像データ４３ｙが得られたとする。この場合、加算平均画像データ４３ｙの起点は、ワークロール７ａの外周上の位置Ｂに対応する位置となる。

前述したように本実施形態では、ｎ個のコイルに対するｎ個の加算平均画像データ４３が、加算平均画像バッファ部２５により記憶されている。したがって、それらｎ個の加算平均画像データ４３の起点は、図４（ｂ）及び図４（ｄ）に示したようにずれている（可能性が極めて高い）。そこで、起点合わせ部２６は、例えば図４（ｂ）に示した加算平均画像データ４３ｘと、図４（ｄ）に示した加算平均画像データ４３ｙとでパターンマッチングを行い、加算平均画像データ４３ｘ、４３ｙの起点を合わせる。

具体的に起点合わせ部２６は、起点合わせの対象となる加算平均画像データ４３について、基準となる加算平均画像データ４３との間における正規化相関係数が最も大きくなるパターンを見つけ出す。そして、起点合わせ部２６は、見つけ出したパターンになるように、起点合わせの対象となる加算平均画像データ４３を再構成することにより、基準となる加算平均画像データ４３と起点合わせの対象となる加算平均画像データ４３との起点を合わせるようにする。

図４（ｅ）では、加算平均画像データ４３ｙが、起点合わせの対象となる加算平均画像データ４３であり、加算平均画像データ４３ｘが、基準となる加算平均画像データ４３である場合を例に挙げて示している。すなわち、図４（ｅ）では、加算平均画像データ４３ｙの起点を、加算平均画像データ４３ｘの起点に合わせて、加算平均画像データ４３ｙ´が生成された場合を例に挙げて示している。

起点合わせ部２６は、例えば、情報処理装置６のＣＰＵ、ＲＯＭ、ＲＡＭ、及びハードディスクを用いることにより実現される。
尚、加算平均画像バッファ部２５に記憶されているｎ個の加算平均画像データ４３の起点を合わせる方法は、前述したものに限定されない。例えば、基準となる加算平均画像データ４３の画素の値と、起点合わせの対象となる加算平均画像データ４３の画素の値との差の絶対値を、加算平均画像データ４３の全ての画素について算出する。そして、算出した画素の値の差の絶対値の和が最も小さくなるパターンになるように、起点合わせの対象となる加算平均画像データ４３を再構成するようにしてもよい。
以上のように本実施形態では、例えば、起点合わせ部２６が、加算平均画像データ４３ｙの起点を、加算平均画像データ４３ｘの起点に合わせて、加算平均画像データ４３ｙ´を生成することにより、起点合わせ手段が実現される。

図２に説明を戻し、周期性外乱成分抽出部２７は、起点あわせ部２６により起点が合わせられたｎ個の加算平均画像データ４３に共通して存在する「周期性のある無害な粗度変化（周期性のある外乱ノイズ）」を抽出する。
具体的に周期性外乱成分抽出部２７は、まず、疵検査対象であるｎ番目に（最新に）得られた第ｎの加算平均画像データ４３を除く、１番目〜（ｎ−１）番目に（過去に）得られた第１〜第（ｎ−１）の加算平均画像データ４３の平均画像データＩ₀を算出する。すなわち、周期性外乱成分抽出部２７は、以下の（３）式の計算を行う。

ここで、Ｉ₁〜Ｉ_n-1は、夫々第１〜第（ｎ−１）の加算平均画像データ４３を示す。
次に、周期性外乱成分抽出部２７は、第１〜第（ｎ−１）の加算平均画像データ４３（Ｉ₁〜Ｉ_n-1）と、それらの平均画像データＩ₀との差を示す差分画像データＩ_i´を算出する。すなわち、周期性外乱成分抽出部２７は、以下の（４）式の計算を行う。
Ｉ_i´＝Ｉ_i−Ｉ₀ （ｉ＝１，２，・・・，（ｎ−１）） ・・・（４）

次に、周期性外乱成分抽出部２７は、差分画像データＩ_i´(i=0〜n-1)を列ベクトルに変形し、それら列ベクトルを横に並べて行列Ｐを生成する。そして、周期性外乱成分抽出部２７は、主成分分析により、以下の（５）式のように、行列Ｐを特異値分解によって対角化する。

ここで、行列Ｐと、行列Ｍ、Ｎとの関係は、以下の（６）式、（７）式のように表される。
Ｍ＝ＰＰ^T ・・・（６）
Ｎ＝Ｐ^TＰ ・・・（７）
また、ｒは、Ｍ、Ｎのランクである。
更に、σ_iは、Ｍの０でない固有値λ_i（ｉ＝１，２，・・・，ｒ）の平方根である。

また、行列Ｕ、Ｖは、以下の（８）式、（９）式のようにして表すことができる。
Ｕ＝（ｕ₁，ｕ₂，・・・，ｕ_r） ・・・（８）
Ｖ＝（ｖ₁，ｖ₂，・・・，ｖ_r） ・・・（９）
ここで、ｕ_iは、λ_iに対応するＭの固有ベクトルであり、ｖ_iは、λ_iに対応するＮの固有ベクトルである。

そして、周期性外乱成分抽出部２７は、（５）式により得られた行列Ｕ（（ｕ₁，ｕ₂，・・・，ｕ_r））の各列（各列ベクトル）を、加算平均画像データ４３と同じ画素数の大きさに再構成して、固有画像Ｊ_iを生成する。この固有画像Ｊ_iは、正規直交系の基底となっている。よって、疵検査対象である第ｎの加算平均画像データ４３（Ｉ_n）は、この固有画像Ｊ_iを用いると、以下の（１０）式に示すような線形結合によって表される。

ここで、係数α₀は、以下の（１１）式のように、１である。α_i（ｉ＝１，２，・・・，ｒ）は、以下の（１２）式のように、第ｎの加算平均画像データ４３（Ｉ_n）と、固有画像Ｊ_iとの内積で表される。
α₀＝１ ・・・（１１）
α_i＝（Ｉ_n,Ｊ_i） ・・・（１２）
尚、（１０）式において、係数α_i、固有画像Ｊ_iは、対応する固有値λ_iが大きいものから順に並んでいるものとする。すなわち、固有値λ_iは、λ₁、λ₂、・・・、λ_rの順に大きいものとする。

また、（１０）式において、第１〜第（ｎ−１）の加算平均画像データ４３（Ｉ₁〜Ｉ_n-1）に共通して存在する「周期性のある外乱ノイズ」は、過去に得られた第１〜第（ｎ−１）の加算平均画像データ４３の平均画像データＩ₀と、相対的に大きな固有値λ_iに対応する固有画像Ｊ_iに抽出される。すなわち、本実施形態では、周期性外乱成分抽出部２７は、（１０）式を求めることにより、第１〜第ｎ−１の加算平均画像データ４３（Ｉ₁〜Ｉ_n-1）に共通して存在する「周期性のある外乱ノイズ」を抽出するようにしている。
以上のように本実施形態では、例えば、周期性外乱成分抽出部２７が、（１０）式を求めることにより、外乱ノイズ抽出手段が実現される。
周期性外乱成分抽出部２７は、例えば、情報処理装置６のＣＰＵ、ＲＯＭ、ＲＡＭ、及びハードディスクを用いることにより実現される。

周期性外乱成分低減部２８は、疵検査対象である第ｎの加算平均画像データ４３（Ｉ_n）から、周期性外乱成分抽出部２７により抽出された「周期性のある外乱ノイズ」を低減した加算平均画像データ４３（Ｉ_n´）を求める。
具体的に周期性外乱成分低減部２８は、（１０）式において、係数α₀を０（ゼロ）にした後、係数α_iを係数α₁から順に、対応する固有値λ_iとハードディスク等に予め記憶されている閾値λ_Tと比較する。周期性外乱成分低減部２８は、その比較の結果、固有値λ_iが、閾値λ_T以上である場合には、その係数α_iを０（ゼロ）に設定する。一方、固有値λ_iが、閾値λ_T未満である場合、周期性外乱成分低減部２８は、その係数α_iの値として、周期性外乱成分抽出部２７で求められられた値を採用する。
尚、閾値λ_Tは、例えば、「疵検査対象物の材質・形状」と、「周期性のある無害な粗度変化を発生するロールの材質・大きさ・形状・圧下」と、「どの程度の粗度変化であれば無害と見なせるかを示す情報」等に基づいて、実験的に（経験的に）求められる。

前述したように、第１〜第（ｎ−１）の加算平均画像データ４３（Ｉ₁〜Ｉ_n-1）に共通して存在する「周期性のある外乱ノイズ」は、第１〜第（ｎ−１）の加算平均画像データ４３の平均画像データＩ₀と、相対的に大きな固有値λ_iに対応する固有画像Ｊ_iに抽出される。したがって、（１０）式において、α₀を０（ゼロ）にすることによって、第１〜第（ｎ−１）の加算平均画像データ４３の平均画像データＩ₀の寄与を除去でき、周期性のある外乱ノイズを低減できる。

更に、前述したように、固有値λ_iは、λ₁、λ₂、・・・、λ_rの順に大きいものとしている。従って、固有値λ_iが、閾値λ_T以上である場合に、その係数α_iを０（ゼロ）にすることで、相対的に大きい固有値λ_iに対応する固有画像Ｊ_iの寄与を除去でき、周期性のある外乱ノイズを低減できる。

周期性外乱成分低減部２８は、以上のようにして設定した係数α_iと、その係数α_iに対応する固有画像Ｊ_iとを、以下の（１３）式の右辺に代入する。これにより、疵検査対象である第ｎの加算平均画像データ４３（Ｉ_n）から、周期性のある無害な粗度変化を低減した加算平均画像データ４３（Ｉ_n´）が算出される。

以上のように本実施形態では、周期性外乱成分低減部２８が、（１３）式を用いて、周期性のある無害な粗度変化を低減した加算平均画像データ４３（Ｉ_n´）を算出することにより、外乱ノイズ低減手段が実現される。
周期性外乱成分低減部２８は、例えば、情報処理装置６のＣＰＵ、ＲＯＭ、ＲＡＭ、及びハードディスクを用いることにより実現される。尚、以下の説明では、疵検査対象である第ｎの加算平均画像データ４３（Ｉ_n）から、周期性のある無害な粗度変化を低減した加算平均画像データ４３（Ｉ_n´）を、必要に応じて、周期性のある無害な粗度変化を低減した加算平均画像データ４３（Ｉ_n´）と称する。

二値化処理部２９は、周期性のある無害な粗度変化を低減した加算平均画像データ４３（Ｉ_n´）に対して、二値化処理を行う。具体的に説明すると、二値化処理部２９は、例えば、周期性のある無害な粗度変化を低減した加算平均画像データ４３（Ｉ_n´）の各画素の値が、ハードディスク等に予め設定された閾値よりも大きいか否かを判定する。そして、閾値よりも大きい画素の値を「１」、そうでない画素の値を「０」にして、画素の値（輝度値）として「０」か「１」しか持たない２値画像を生成する。
二値化処理部２９は、例えば、情報処理装置６のＣＰＵ、ＲＯＭ、ＲＡＭ、及びハードディスクを用いることにより実現される。

ラベリング／特徴量計算部３０は、二値化処理部２９により得られた２値画像に対してラベリング処理及び特徴量計算を行い、疵候補を抽出する。ここで、ラベリング処理とは、特徴量計算の前に行う処理であり、２値画像中において幾何的に連結して一つの塊となっている図形（連結図形）毎に、異なった番号（ラベル）を割り当てる処理である。
また、特徴量計算（特徴抽出）とは、図形の形状に関する特徴量を求める処理である。この特徴量計算で求める特徴量は、例えば、「疵候補の位置」と、「疵候補に外接する長方形の幅・長さ・長さと幅の比・最大長・周囲長」と、「疵候補の輝度分布」等の中から選択される１又は２以上の組み合わせである。
ラベリング／特徴量計算部３０は、例えば、情報処理装置６のＣＰＵ、ＲＯＭ、ＲＡＭ、及びハードディスクを用いることにより実現される。

疵判定部３１は、抽出した疵候補に対して最終的な疵判定を行う。例えば、製品の品質に影響を与えるロール疵であれば有害疵と判定する。そして、有害疵については、疵の種類、及び疵のグレードも判定する。一方、油、水滴、軽い汚れ等が鋼板表面に付着したものであり、製品の品質に影響を与えないものであれば無害疵と判定する。尚、疵判定は、疵候補の位置、大きさ、形状、輝度等の特徴量、又は、周期性のある無害な粗度変化を低減した加算平均画像データ４３（Ｉ_n´）そのものに基づいて行うことができる。
以上のように本実施形態では、例えば、ラベリング／特徴量計算部３０による「ラベリング処理及び特徴量計算」と、疵判定部３１による「疵判定」とにより、疵検出手段が実現される。
疵判定部３１は、例えば、情報処理装置６のＣＰＵ、ＲＯＭ、ＲＡＭ、及びハードディスクを用いることにより実現される。

疵判定結果表示部３２は、疵判定部３１による疵判定の結果（有害疵か無害疵かの判定結果、疵の種類の判定結果、及び疵のグレードの判定結果）と、ラベリング／特徴量計算部３０で求められた特徴量とを示す疵検出画像データを生成し、表示装置８に表示する。本実施形態では、疵判定結果表示部３２は、鋼板１を模した画像の上に、疵を模した画像を重ね合わせた疵検出画像データ（マップ）を生成する。これにより、鋼板１のどの場所にどのような疵が生じているのかを視覚的にユーザに認識させることができる。
疵判定結果表示部３２は、例えば、情報処理装置６のＣＰＵ、ＲＯＭ、ＲＡＭ、及びハードディスクを用いることにより実現される。

次に、図５のフローチャートを参照しながら、画像入力部２１が画像データを入力してから、加算平均画像バッファ部２５が加算平均画像データ４３を一時的に記憶するまでの情報処理装置６における動作の一例を説明する。
まず、ステップＳ１において、画像入力部２１は、撮像装置５で撮像された所定数のラインの画像データを入力するまで待機する。そして、撮像装置５で撮像された所定数（例えば５１２）のラインの画像データを入力すると、ステップＳ２に進む。ステップＳ２に進むと、画像入力部２１は、入力した所定数のラインの画像データを用いて、所定の画素数（例えば、２０４８（幅）×５１２（長さ））の画像データを構成する。

次に、ステップＳ３において、シェーディング補正部２２は、ステップＳ２で得られた画像データに対して、シェーディング補正を行う。そして、シェーディング補正部２２は、シェーディング補正を行った画像データを、ＲＡＭに追加（記憶）する。これにより、予め設定された長さ（例えば３ｍ）分の最新の画像データが、ＲＡＭに記憶される。
次に、ステップＳ４において、画像切り出し部２３ａは、変数Ｓを「１」に設定する。
次に、ステップＳ５において、画像切り出し部２３ａは、ＲＡＭに記憶されている画像データを、第Ｓの長さ（ピッチ）毎に切り出して、画像データ群４２を生成する。前述したように、本実施形態において、第Ｓの長さ（ピッチ）は、例えば、ワークロール７ａの外周長の設計値、又はワークロール７ａの外周長の設計値を±数画素ずつ増減させた長さである。

次に、ステップＳ６において、加算処理部２３ｂは、ステップＳ５で得られた画像データ群４２について、対応する画素の値（輝度値）を加算して（（１）式の計算を行って）、加算平均画像データ４３を生成する。
次に、ステップＳ７において、輝度分散演算部２３ｃは、ステップＳ６で得られた加算平均画像データ４３について、（２）式の計算を行って、輝度値の分散σ²を演算する。
次に、ステップＳ８において、画像切り出し部２３ａは、変数Ｓが、ｐであるか否かを判定する。尚、ｐは、図３（ｃ）に示すように、画像切り出し部２３ａにより生成する画像データ群４２の数に対応するものであり、ハードディスク等に予め設定されている。

この判定の結果、変数Ｓが、ｐでない場合には、ステップＳ９に進む。ステップＳ９に進むと、画像切り出し部２３ａは、変数Ｓに「１」を加算する。そして、ステップＳ５に戻る。そして、ＲＡＭに記憶されている画像データを、第（Ｓ＋１）のピッチ毎に切り出して得られた画像データ群４２を用いて、加算平均画像データ４３の生成と、その加算平均画像データ４３における輝度値の分散σ²の演算とを行う。

そして、変数Ｓがｐとなり、ｐ個の加算平均画像データ４３における輝度値の分散σ²が得られると、ステップＳ１０に進む。ステップＳ１０に進むと、加算平均画像選択部２４は、ｐ個の加算平均画像データ４３ａ〜４３ｃのうち、分散σ²が最も大きいものを選択する。
次に、ステップＳ１１において、加算平均画像選択部２４は、ステップＳ１０で選択した加算平均画像データ４３を、加算平均画像バッファ部２５に記憶する。前述したように、本実施形態では、ｎ個の加算平均画像データ４３が選択され、加算平均画像バッファ部２５に記憶されるまで、図５のフローチャートを繰り返し行う。

次に、図６のフローチャートを参照しながら、起点合わせ部２６が、加算平均画像バッファ部２５に記憶された加算平均画像データ４３を読み出してから、疵判定結果表示部３２が疵検出画像データを表示装置８に表示するまでの情報処理装置６における動作の一例を説明する。
まず、ステップＳ２１において、起点合わせ部２６は、加算平均画像バッファ部２５に、第１〜第ｎ（ｎ個）の加算平均画像データ４３が記憶されるまで待機する。そして、加算平均画像バッファ部２５に、第１〜第ｎ（ｎ個）の加算平均画像データ４３が記憶されると、ステップＳ２２に進む。

ステップＳ２２に進むと、起点合わせ部２６は、前述したようにして第１〜第ｎ（ｎ個）の加算平均画像データ４３の起点を合わせる（図４を参照）。
次に、ステップＳ２３において、周期性外乱成分抽出部２７は、疵検査対象であるｎ番目に得られた第ｎの加算平均画像データ４３を除く、第１〜第（ｎ−１）の加算平均画像データ４３の各画素を加算して平均画像データＩ₀を求める。すなわち、周期性外乱成分抽出部２７は、（３）式の計算を行う。

次に、ステップＳ２４において、周期性外乱成分抽出部２７は、第１〜第（ｎ−１）の加算平均画像データ４３（Ｉ₁〜Ｉ_n-1）と、それらの平均画像データＩ₀との差を示す差分画像データＩ_i´を算出する（（４）式を参照）。そして、周期性外乱成分抽出部２７は、差分画像データＩ_i´を列ベクトルに変形し、それら列ベクトルを横に並べて行列Ｐを生成し、特異値分解により対角化する（（５）式を参照）。そして、周期性外乱成分抽出部２７は、（５）式により得られた行列Ｕ（（ｕ₁，ｕ₂，・・・，ｕ_r））の各列（各列ベクトル）を、加算平均画像データ４３と同じ画素数の大きさに再構成して、固有画像Ｊ_iを求める。

次に、ステップＳ２５において、周期性外乱成分抽出部２７は、ステップＳ２３で求めた平均画像データＩ₀と、ステップＳ２４で求めた固有画像Ｊ_iとを用いて、疵検査対象である第ｎの加算平均画像データ４３（Ｉ_n）を線形分解する（（１０）式を参照）。
次に、ステップＳ２６において、周期性外乱成分低減部２８は、線形分解した加算平均画像データ４３（Ｉ_n）を用いて、周期性のある無害な粗度変化（周期性のある外乱ノイズ）を低減した加算平均画像データ４３（Ｉ_n´）を求める（（１３）式を参照）。このステップＳ２６の詳細については、図７を用いて後述する。

次に、ステップＳ２７において、二値化処理部２９は、ステップＳ２６で求めた「周期性のある無害な粗度変化（周期性のある外乱ノイズ）を低減した加算平均画像データ４３（Ｉ_n´）」に対して２値化処理を行い、２値画像を求める。
次に、ステップＳ２８において、ラベリング／特徴量計算部３０は、ステップＳ２７で得られた２値画像に対してラベリング処理及び特徴量計算を行い、疵候補を抽出する。
次に、ステップＳ２９において、疵判定部３１は、ステップＳ２８で得られた特徴量等に基づく疵判定を行う。
次に、ステップＳ３０において、疵判定結果表示部３２は、その疵判定の結果に基づく検出画像データを生成して表示装置８に表示させる。

次に図７のフローチャートを参照しながら、図６のステップＳ２６の詳細を説明する。
まず、ステップＳ４１において、周期性外乱成分低減部２８は、周期性外乱成分抽出部２７により求められた（１０）式における係数α₀を０（ゼロ）に設定する。
次に、ステップＳ４２において、周期性外乱成分低減部２８は、変数ｉを「１」に設定する。

次に、ステップＳ４３において、周期性外乱成分低減部２８は、固有値λ_iが、閾値λ_Tよりも小さいか否かを判定する。この判定の結果、固有値λ_iが、閾値λ_Tよりも小さい場合、係数α_iに係る固有画像Ｊ_iには、周期性のある無害な粗度変化（周期性のある外乱ノイズ）が抽出されていないと判定し、ステップＳ４４〜Ｓ４６を省略して、後述するステップＳ４７に進む。

一方、固有値λ_iが、閾値λ_T以上である場合、係数α_iに係る固有画像Ｊ_iには、周期性のある無害な粗度変化（周期性のある外乱ノイズ）が抽出されていると判定し、ステップＳ４４に進む。ステップＳ４４に進むと、周期性外乱成分低減部２８は、その係数α_iを「０」に設定する。これにより、その係数α_iに係る固有画像Ｊ_iの、疵検査対象となる加算平均画像データ４３への寄与を除去することができる。
次に、ステップＳ４５において、周期性外乱成分低減部２８は、変数ｉに「１」を加算する。

次に、ステップＳ４６において、周期性外乱成分低減部２８は、変数ｉが、ランクｒよりも大きいか否かを判定する。この判定の結果、変数ｉが、ランクｒ以下である場合には、ステップＳ４３に戻り、次の係数α_iに対して、ステップＳ４３以降の処理を行う。そして、変数ｉが、ランクｒよりも大きくなると、ステップＳ４７に進み、周期性外乱成分低減部２８は、ステップＳ４１〜Ｓ４６における処理の結果に基づいて、係数α₀〜α_rの値を決定する。
次に、ステップＳ４８において、周期性外乱成分低減部２８は、ステップＳ４６で決定した係数α_i（α₀〜α_r）と、その係数α_iに対応する固有画像Ｊ_iとを、（１３）式の右辺に代入する。これにより、周期性外乱成分低減部２８は、疵検査対象である第ｎの加算平均画像データ４３（Ｉ_n）から、周期性のある無害な粗度変化を低減した加算平均画像データ４３（Ｉ_n´）を算出する。

以上のように本実施形態では、周期性のある「無害な粗度変化やロール疵」の発生要因となるワークロール７ａの外周長の設計値を、鋼板１の撮像画像データに含まれている「周期性を有する疵」の周期と見立てる。そして、そのワークロール７ａの外周長の設計値を基にしたｐ個の長さ（ピッチ）で、鋼板１の撮像画像データをＱ枚ずつ切り出して、ｐ個の画像データ群４２ａ〜４２ｃを得る。その後、ｐ個の画像データ群４２の夫々について、各画像データの、互いに対応する画素の値（輝度値）を加算して、ｐ個の加算平均画像データ４３ａ〜４３ｃを得る。このようにして得られたｐ個の加算平均画像データ４３ａ〜４３ｃのうち、分散σ²が最も大きいものを選択する。

このように、ワークロール７ａの外周長の設計値を基にしたｐ個の長さ（ピッチ）で、鋼板１の画像を切り出すようにし、それらｐ個の長さ（ピッチ）毎に加算平均画像データ４３ａ〜４３ｃを求め、求めた加算平均画像データ４３ａ〜４３ｃの中から、分散σ²が最も大きいものを選択する。したがって、例えば、ワークロール７ａの磨耗等により周期性のある有害疵の周期が変化しても、複雑且つ面倒な設定や調整を行うことなく、周期性のある有害疵（特に周期性のある軽微な有害疵）を高精度に且つ迅速に検出できる。

また、本実施形態では、以上のようにして切り出されたｐ個の画像データを加算して得られた加算平均画像データ４３ａ〜４３ｃの中から、分散σ²が最も大きい加算平均画像データ４３を選択することを、複数のコイルについて行い記憶しておく。その後、疵検査対象の加算平均画像データ４３が求められると、過去に求めておいた複数のコイルにおける加算平均画像データ４３（Ｉ₁〜Ｉ_n-1）と、疵検出対象の加算平均画像データ４３（Ｉ_n）との全ての起点を合わせる。そして、過去に求めておいた複数のコイルにおける加算平均画像データ４３（Ｉ₁〜Ｉ_n-1）の平均画像データＩ₀と、それら加算平均画像データ４３（Ｉ₁〜Ｉ_n-1）の固有値λ_iに対応する固有画像Ｊ_iとを用いて、疵検査対象である加算平均画像データ４３（Ｉ_n）を線形結合して、周期性のある外乱ノイズを抽出する。そして、線形結合した平均画像データＩ₀と、固有画像Ｊ_iとのうち、周期性のある外乱ノイズを含むものを除去して、周期性のある無害な粗度変化を低減した加算平均画像データ４３（Ｉ_n´）を求める。

したがって、周期性のある外乱ノイズの影響が低減された加算平均画像データ４３を、疵検査を行うための画像として用いることができる。よって、ロール疵等の周期性のある有害疵と、その有害疵と同じような周期性のある外乱ノイズとが混在している場合であっても、周期性のある有害疵（特に周期性のある軽微な有害疵）を高精度に且つ迅速に検出することができる。

尚、本実施形態では、ワークロール７ａにより生じる「周期性のある外乱ノイズ」が鋼板１の画像データに含まれている場合を例に挙げて説明した。しかしながら、画像データに含まれる「周期性のある外乱ノイズ」は、ワークロール７ａにより生じるものでなくてもよい。例えば、搬送ロール２により生じたものであってもよいし、「周期性のある外乱ノイズ」が鋼板１の画像に与えるものであれば、ロール以外のものにより生じたものであってもよい。

また、疵検査対象物は、本実施形態で説明した鋼板１でなくてもよい。疵検査対象物の形状は、例えば、本実施形態のように帯状であってもよいし、その他柱状であってもよい。また、疵検査対象物の材質は、鋼材以外の種々の金属材料を用いることができる。
更に本実施形態では、主成分分析（固有画像法）を使った成分抽出を行って、疵検査対象である加算平均画像データ４３（Ｉ_n）から、周期性のある外乱ノイズを抽出して低減する場合を例に挙げて説明した。しかしながら、周期性のある外乱ノイズを抽出して低減する方法は、このような方法に限定されるものではない。

また、本実施形態では、図１に示すように、鋼板１の一方の面のみの疵を検出する場合を例に挙げて説明したが、鋼板１の両面の疵を検出するようにしてもよい。このようにする場合には、図１において、鋼板１の他方の面にも、照明装置４と撮像装置５とを設定するようにする。図１に示した例では、鋼板１の他方の面は、搬送ロール２とワークロール７ａとが接するので、周期性を有する外乱ノイズには、これら搬送ロール２とワークロール７ａの双方によるものが存在することになる。すなわち、「周期性を有する疵」として、搬送ロール２によるものと、ワークロール７ａによるものとの双方が存在することになる。よって、例えば、搬送ロール２に起因する「周期性を有する疵」の周期を基に切り出した画像データと、ワークロール７ａに起因する「周期性を有する疵」の周期を基に切り出した画像データとの夫々に対して、図５〜図７の処理を行うことになる。

また、本実施形態では、複数のコイルにおける加算平均画像データ４３（Ｉ₁〜Ｉ_n-1）の平均画像データＩ₀と、それら加算平均画像データ４３（Ｉ₁〜Ｉ_n-1）の固有値λ_iに対応する固有画像Ｊ_iとを用いて、疵検査対象である加算平均画像データ４３（Ｉ_n）を線形結合するようにした（（１０）式を参照）。しかしながら、必ずしも、複数のコイルにおける加算平均画像データ４３を用いなくてもよい。例えば、同一のコイルにおける、互いに異なる撮像画像データに基づく複数の加算平均画像データを用いるようにしてもよい。このようにした場合、撮像画像データを連続して取得することが可能であれば、それら連続して取得した撮像画像データに基づく加算平均画像データの起点は元々合っているので、加算平均画像データの起点を合わせる処理を別途行う必要がなくなる。

尚、以上説明した本発明の実施形態は、コンピュータがプログラムを実行することによって実現することができる。また、プログラム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を記録したＣＤ−ＲＯＭ等のコンピュータ読み取り可能な記録媒体、又はかかるプログラムを伝送する伝送媒体も本発明の実施の形態として適用することができる。また、前記プログラムを記録したコンピュータ読み取り可能な記録媒体などのプログラムプロダクトも本発明の実施の形態として適用することができる。前記のプログラム、コンピュータ読み取り可能な記録媒体、伝送媒体及びプログラムプロダクトは、本発明の範疇に含まれる。
また、前述した実施形態は、何れも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその技術思想、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。

本発明の実施形態を示し、表面疵検査システムの概略構成の一例を示した図である。 本発明の実施形態を示し、表面疵検査システムに設けられた情報処理装置が有する機能構成の一例を示すブロック図である。 本発明の実施形態を示し、加算平均画像導出部、加算平均画像選択部、及び加算平均画像バッファ部で行われる処理の一例を概念的に示す図である。 本発明の実施形態を示し、起点合わせ部により行われる処理の一例を概念的に示す図である。 本発明の実施形態を示し、画像入力部が画像データを入力してから、加算平均画像バッファが加算平均画像データを一時的に記憶するまでの情報処理装置における動作の一例を説明するフローチャートである。 本発明の実施形態を示し、起点合わせ部が、加算平均画像バッファに記憶された加算平均画像データを読み出してから、疵判定結果表示部が疵検出画像データを表示装置に表示するまでの情報処理装置６における動作の一例を説明するフローチャートである。 本発明の実施形態を示し、図６のステップＳ２６の詳細を説明するフローチャートである。

符号の説明

１ 鋼板
２ 搬送ロール
３ ロータリーエンコーダ
４ 照明装置
５ 撮像装置
６ 情報処理装置
７ 仕上圧延機
７ａ ワークロール
７ｂ 中間ロール
７ｃ バックアップロール
８ 表示装置

Claims (7)

1. 移動する疵検査対象物の表面の撮像画像を記憶媒体に記憶する画像記憶ステップと、
   前記撮像画像から、周期性を有する疵の周期の長さで切り出した画像を生成する画像切り出しステップと、
   前記画像切り出しステップにより切り出された画像であって、互いに異なる撮像画像に基づく複数の切り出し画像を記憶媒体に記憶する切り出し画像記憶ステップと、
   前記切り出し画像記憶ステップにより記憶された複数の切り出し画像のうちの、疵検査対象の画像を除く過去に得られた画像に同位相で含まれる成分を、周期性を有する外乱ノイズとして抽出する外乱ノイズ抽出ステップと、
   新たに前記画像切り出しステップにより、疵検査対象の切り出し画像が生成されるとき、前記疵検査対象の切り出し画像から前記外乱ノイズ抽出ステップによって抽出された外乱ノイズを差し引くことで、前記疵検査対象の切り出し画像に含まれている、周期性を有する外乱ノイズを低減する外乱ノイズ低減ステップと、
   前記外乱ノイズ低減ステップにより外乱ノイズが低減された、前記疵検査対象の切り出し画像を用いて、前記疵検査対象物の表面に形成されている疵を検出する疵検出ステップとを有することを特徴とする疵検査方法。
2. 新たに前記画像切り出しステップにより、疵検査対象の切り出し画像が生成されるとき、前記切り出し画像記憶ステップによりそれまでに記憶された複数の切り出し画像のうち、少なくとも２つの切り出し画像の起点を、それら少なくとも２つの切り出し画像の輝度値に基づいて合わせる起点合わせステップを有し、
   前記外乱ノイズ抽出ステップは、前記起点合わせステップにより起点が合わせられた少なくとも２つの切り出し画像のうちの、疵検査対象の画像を除く過去に得られた画像に同位相で含まれる成分を、前記疵検査対象の切り出し画像に含まれている、周期性を有する外乱ノイズとして抽出することを特徴とする請求項１に記載の疵検査方法。
3. 前記疵検査対象物は、鋼材であり、
   前記周期性を有する疵の周期と、前記周期性を有する外乱ノイズの周期は、前記鋼材を搬送するロール、又は前記鋼材を圧延するロールの外周長に対応した長さを有していることを特徴とする請求項１又は２に記載の疵検査方法。
4. 移動する疵検査対象物の表面の撮像画像を記憶媒体に記憶する画像記憶手段と、
   前記撮像画像から、周期性を有する疵の周期の長さで切り出した画像を生成する画像切り出し手段と、
   前記画像切り出し手段により切り出された画像であって、互いに異なる撮像画像に基づく複数の切り出し画像を記憶媒体に記憶する切り出し画像記憶手段と、
   前記切り出し画像記憶手段により記憶された複数の切り出し画像のうちの、疵検査対象の画像を除く過去に得られた画像に同位相で含まれる成分を、周期性を有する外乱ノイズとして抽出する外乱ノイズ抽出手段と、
   新たに前記画像切り出し手段により、疵検査対象の切り出し画像が生成されるとき、前記疵検査対象の切り出し画像から前記外乱ノイズ抽出手段によって抽出された外乱ノイズを差し引くことで、前記疵検査対象の切り出し画像に含まれている、周期性を有する外乱ノイズを低減する外乱ノイズ低減手段と、
   前記外乱ノイズ低減手段により外乱ノイズが低減された、前記疵検査対象の切り出し画像を用いて、前記疵検査対象物の表面に形成されている疵を検出する疵検出手段とを有することを特徴とする疵検査装置。
5. 新たに前記画像切り出し手段により、疵検査対象の切り出し画像が生成されるとき、前記切り出し画像記憶手段によりそれまでに記憶された複数の切り出し画像のうち、少なくとも２つの切り出し画像の起点を、それら少なくとも２つの切り出し画像の輝度値に基づいて合わせる起点合わせ手段を有し、
   前記外乱ノイズ抽出手段は、前記起点合わせ手段により起点が合わせられた少なくとも２つの切り出し画像のうちの、疵検査対象の画像を除く過去に得られた画像に同位相で含まれる成分を、前記疵検査対象の切り出し画像に含まれている、周期性を有する外乱ノイズとして抽出することを特徴とする請求項４に記載の疵検査装置。
6. 前記疵検査対象物は、鋼材であり、
   前記周期性を有する疵の周期と、前記周期性を有する外乱ノイズの周期は、前記鋼材を搬送するロール、又は前記鋼材を圧延するロールの外周長に対応した長さを有していることを特徴とする請求項４又は５に記載の疵検査装置。
7. 移動する疵検査対象物の表面の撮像画像を記憶媒体に記憶する画像記憶ステップと、
   前記撮像画像から、周期性を有する疵の周期の長さで切り出した画像を生成する画像切り出しステップと、
   前記画像切り出しステップにより切り出された画像であって、互いに異なる撮像画像に基づく複数の切り出し画像を記憶媒体に記憶する切り出し画像記憶ステップと、
   前記切り出し画像記憶ステップにより記憶された複数の切り出し画像のうちの、疵検査対象の画像を除く過去に得られた画像に同位相で含まれる成分を、周期性を有する外乱ノイズとして抽出する外乱ノイズ抽出ステップと、
   新たに前記画像切り出しステップにより、疵検査対象の切り出し画像が生成されるとき、前記疵検査対象の切り出し画像から前記外乱ノイズ抽出ステップによって抽出された外乱ノイズを差し引くことで、前記疵検査対象の切り出し画像に含まれている、周期性を有する外乱ノイズを低減する外乱ノイズ低減ステップと、
   前記外乱ノイズ低減ステップにより外乱ノイズが低減された、前記疵検査対象の切り出し画像を用いて、前記疵検査対象物の表面に形成されている疵を検出する疵検出ステップとをコンピュータに実行させることを特徴とするコンピュータプログラム。

Images