JP5206697B2 - 連続欠陥判定方法、連続欠陥判定装置及びプログラム - Google Patents
連続欠陥判定方法、連続欠陥判定装置及びプログラム Download PDFInfo
- Publication number
- JP5206697B2 JP5206697B2 JP2010003872A JP2010003872A JP5206697B2 JP 5206697 B2 JP5206697 B2 JP 5206697B2 JP 2010003872 A JP2010003872 A JP 2010003872A JP 2010003872 A JP2010003872 A JP 2010003872A JP 5206697 B2 JP5206697 B2 JP 5206697B2
- Authority
- JP
- Japan
- Prior art keywords
- cluster
- continuous
- surface defects
- band
- continuous defect
- 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.)
- Active
Links
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
上記薄鋼板に発生した複数の表面欠陥それぞれの発生位置について長手方向座標及び短手方向座標を含む座標データを、上記表面欠陥検出装置から取得する取得ステップと、
上記薄鋼板の少なくとも一面を上記薄鋼板の短手方向で、予め設定された間隔を有する複数の帯状領域に分割する分割ステップと、
上記分割ステップで分割された複数の帯状領域それぞれに対して、該帯状領域に含まれた複数の表面欠陥の座標データによって規定される分布形態に基づいて、少なくとも一部の上記表面欠陥を含むクラスタを、上記複数の帯状領域毎に1ずつ特定するクラスタ特定ステップと、
上記帯状領域に含まれる複数の表面欠陥のうちの、上記クラスタ特定ステップで特定されたクラスタに含まれる複数の表面欠陥の分布形態に基づいて、該クラスタに含まれる複数の表面欠陥が上記連続欠陥に該当するか否かを判定する判定ステップと、
を有することを特徴とする、連続欠陥判定方法が提供される。
上記クラスタ特定ステップ及び上記判定ステップでは、複数の上記分割位置それぞれの上記複数の帯状領域に対して、上記クラスタの特定及び上記連続欠陥に該当するか否かの判定を行ってもよい。
該帯状領域の長手方向及び短手方向それぞれに対して、予め与えられた複数の分布形態候補のうちから選択された分布形態が1ずつ設定された1のクラスタを仮定するクラスタ仮定ステップと、
上記クラスタ仮定ステップで仮定されたクラスタについて、該帯状領域に含まれるそれぞれの表面欠陥に対する、該クラスタに設定された分布形態の一致の程度を表す評価指標を算出する評価指標算出ステップと、
上記評価指標算出ステップで算出される評価指数が最小になるように、該帯状領域に含まれる表面欠陥から上記クラスタに含むべき表面欠陥を選択するクラスタ調整ステップと、
が行われ、
上記クラスタ仮定ステップでは、上記帯状領域の長手方向及び短手方向それぞれの分布形態として、上記分布形態候補の全ての組み合わせが順次選択されて上記クラスタに設定され、
上記評価指標算出ステップ及び上記クラスタ調整ステップは、当該分布形態候補の組み合わせが設定された全てのクラスタについて行われ、
上記評価指標が最小となる長手方向及び短手方向の分布形態が設定された1のクラスタが、該帯状領域に対して特定されてもよい。
上記薄鋼板に発生した複数の表面欠陥それぞれの発生位置について長手方向座標及び短手方向座標を含む座標データを、上記表面欠陥検出装置から取得する取得部と、
上記薄鋼板の少なくとも一面を上記薄鋼板の短手方向で、予め設定された間隔を有する複数の帯状領域に分割する分割部と、
上記分割部により分割された複数の帯状領域それぞれに対して、該帯状領域に含まれた複数の表面欠陥の座標データによって規定される分布形態に基づいて、少なくとも一部の上記表面欠陥を含むクラスタを、上記複数の帯状領域毎に1ずつ特定するクラスタ特定部と、
上記帯状領域に含まれる複数の表面欠陥のうちの、上記クラスタ特定部により特定されたクラスタに含まれる複数の表面欠陥の分布形態に基づいて、該クラスタに含まれる複数の表面欠陥が上記連続欠陥に該当するか否かを判定する判定部と、
を有することを特徴とする、連続欠陥判定装置が提供される。
上記クラスタ特定部及び上記判定部は、複数の上記分割位置それぞれの上記複数の帯状領域に対して、上記クラスタの特定及び上記連続欠陥に該当するか否かの判定を行ってもよい。
上記複数の帯状領域それぞれに対して、該帯状領域の長手方向及び短手方向それぞれに対して、予め与えられた複数の分布形態候補のうちから選択された分布形態が1ずつ設定された1のクラスタを仮定するクラスタ仮定部と、
上記複数の帯状領域それぞれに対して、上記クラスタ仮定部により仮定されたクラスタについて、該帯状領域に含まれるそれぞれの表面欠陥に対する、該クラスタに設定された分布形態の一致の程度を表す評価指標を算出する評価指標算出部と、
上記複数の帯状領域それぞれに対して、上記評価指標算出部により算出される評価指数が最小になるように、該帯状領域に含まれる表面欠陥から上記クラスタに含むべき表面欠陥を選択するクラスタ調整部と、
を有し、
上記クラスタ仮定部は、上記帯状領域の長手方向及び短手方向それぞれの分布形態として、上記分布形態候補の全ての組み合わせを順次選択して上記クラスタに設定し、
上記評価指標算出部及び上記クラスタ調整部は、当該分布形態候補の組み合わせが設定された全てのクラスタについて、上記評価指標の算出及び上記クラスタの調整を行い、
上記クラスタ特定部は、上記評価指標が最小となる長手方向及び短手方向の分布形態が設定された1のクラスタを、該帯状領域に対して特定してもよい。
コンピュータに、
上記薄鋼板に発生した複数の表面欠陥それぞれの発生位置について長手方向座標及び短手方向座標を含む座標データを、上記表面欠陥検出装置から取得する取得機能と、
上記薄鋼板の少なくとも一面を上記薄鋼板の短手方向で、予め設定された間隔を有する複数の帯状領域に分割する分割機能と、
上記分割機能により分割された複数の帯状領域それぞれに対して、該帯状領域に含まれた複数の表面欠陥の座標データによって規定される分布形態に基づいて、少なくとも一部の上記表面欠陥を含むクラスタを、上記複数の帯状領域毎に1ずつ特定するクラスタ特定機能と、
上記帯状領域に含まれる複数の表面欠陥のうちの、上記クラスタ特定機能により特定されたクラスタに含まれる複数の表面欠陥の分布形態に基づいて、該クラスタに含まれる複数の表面欠陥が上記連続欠陥に該当するか否かを判定する判定機能と、
を実現させるためのプログラムが提供される。
1.連続欠陥の概要
2.本発明の第1実施形態に係る連続欠陥判定方法
3.連続欠陥判定方法で使用される応用されたクラスタリング手法
4.本発明の第1実施形態に係る連続欠陥判定装置
5.本発明の第1実施形態に係る連続欠陥判定方法等による実施例及び効果例
6.本発明の第1実施形態に係る連続欠陥判定方法の変更例
7.本発明の第2実施形態に係る連続欠陥判定方法および連続欠陥判定装置
8.本発明の第2実施形態に係る連続欠陥判定方法等による実施例及び効果例
図1は、本発明の各実施形態に係る連続欠陥判定方法が検出する連続欠陥の概要について説明するための説明図である。
図2は、本発明の第1実施形態に係る連続欠陥判定方法について説明するための説明図である。まず、図2を参照しつつ、この連続欠陥判定方法の概要について説明した後、図3〜図7を適宜参照しつつ、各処理について詳しく説明する。
本実施形態に係る連続欠陥判定方法では、図2に示すように、薄鋼板Fに発生した複数の表面欠陥それぞれの座標データ(つまりベクトルxn)を、表面欠陥検出装置から取得するステップS01(取得ステップの一例)と、予め設定された間隔で短手方向の分割位置を決定するステップS03とが処理された後、薄鋼板Fの全領域をその分割位置で複数の帯状領域に分割するステップS05が処理される。このステップS03とステップS05は、分割ステップの一例である。
次に、図2と共に図3〜図6を適宜参照しつつ、各処理の具体的な内容について説明する。
[ステップS01(取得ステップの一例)]
ステップS01では、一の薄鋼板Fに発生した複数の表面欠陥それぞれの座標データ(ベクトルxn,但しn=1〜N)が、製造ラインに設置された表面欠陥検出装置(表面欠陥検出装置10)から取得される。表面欠陥検出装置と、本連続欠陥判定方法を実現する連続欠陥判定装置(連続欠陥判定装置100)とは、工場内情報ネットワークで接続され、情報の授受がこのネットワーク経由で行われる。ただし、この際、表面欠陥検出装置が検出した上記座標データは、一旦、他の記憶部(表面欠陥記憶部20)に記録され、この記録された座標データを、連続欠陥判定装置が取得してもよい。このように取得された座標データには、少なくとも短手方向座標xn1と長手方向座標xn2とが含まれる。また、ここでは説明の便宜上、一の薄鋼板Fに対する表面欠陥の座標データが取得されるが、複数の薄鋼板Fに対する座標データを同時に取得してもよい。しかしながら、一の薄鋼板Fに対する複数の座標データは一纏めとして取り扱うため、ここでは一の薄鋼板Fに対してのみ座標データを取得する場合を例示している。この一の薄鋼板Fに対する複数の表面欠陥の座標データを、ここでは座標データの「全集合G0」として扱うこととする。
ステップS03では、この薄鋼板Fの短手方向における分割位置を特定し、ステップS05では、ステップS03で特定された分割位置を用いて、薄鋼板Fの全領域を短手方向で複数の帯状領域Tに分割する。
ステップS07では、ステップS01で取得された座標データ、特にこの座標データで規定される帯状領域Tに含まれる複数の表面欠陥の分布形態に基づいて、ステップS03及びステップS05で分割された一の帯状領域Tに含まれた複数の表面欠陥のうち、座標データが相互に関連した少なくとも一部の表面欠陥を含むクラスタが、複数の帯状領域T毎に1ずつ特定される。そして、特定されたクラスタに含まれる複数の表面欠陥の座標データの関連性を表す分布形態が抽出される。この際、使用される応用クラスタリング手法については、詳しく後述するが、クラスタを表す表面欠陥の分布形態として、上述の通り、各帯状領域T毎に確率密度関数等が得られることになる。
ステップS09では、ステップS07で特定されたクラスタCに含まれる複数の表面欠陥の分布形態に基づいて、そのクラスタCに含まれる表面欠陥が連続欠陥に該当するか否かが判定される。
この場合、更に、パラメータ等により、連続欠陥を絞り込むことも可能である。例えば、短手方向座標x1のラプラス分布pdfCに対して、その標準偏差が閾値以下(例えば0.8mm)である場合に連続欠陥に該当すると判定すると言うような制限を設けることも可能である。この場合、ラプラス分布を取るものの、連続欠陥と判定するには分布幅が太すぎるような複数の表面欠陥の集合を、誤って連続欠陥と判定することを防止できる。
更に、そのクラスタCに含まれる表面欠陥の個数に閾値(例えば6個)を設定し、その閾値未満である場合には、クラスタCは連続欠陥ではないと判定することも可能である。このように個数に制限を設けることにより、連続欠陥と言えるほどの頻度で発生していない複数の表面欠陥の集合を、誤って連続欠陥と判定することを防止できる。
ただし、上記のように長手方向に一様分布をとり、短手方向にラプラス分布を取るようなクラスタCを、連続欠陥であると判定する場合、実際に連続欠陥を検出する精度を向上させて、誤った集合欠陥などを連続欠陥と判定するなどの誤判定をより高精度に防止することが可能である。
ステップS11では、全ての帯状領域TについてステップS09の判定処理が行われたか否かが確認される。そして、全ての帯状領域TについてステップS09の判定処理が行われていない場合には、ステップS09の処理が繰り返されて、全ての帯状領域TのクラスタCについて、連続欠陥が含まれるか否かが判定されることとなる。一方、全ての帯状領域TについてステップS09の判定処理が行われた場合には、ステップS13に進む。このステップS03〜ステップS11の一連の処理により、薄鋼板Fの全域について少なくとも1度以上、連続欠陥の検出が行われる。
ステップS13では、分割位置が異なるように、所定の複数回、分割が行われたか否かが判定される。つまり、薄鋼板Fの全域について連続欠陥の検出が所定の複数回数行われ、かつ、各検出時の帯状領域Tが薄鋼板Fの異なる位置で分割されているか否かが確認される。そして、複数回分割が行われていない場合、ステップS03以降の処理が繰り返される。
ステップS15では、他の薄鋼板Fに対しても検出を行う必要があるか否かを確認し、他の薄鋼板Fが存在しない場合には、連続欠陥判定方法における処理を終了する。一方、他の薄鋼板Fが存在する場合には、ステップS01以降の処理が繰り返されることとなる。
図8は、本実施形態に係る連続欠陥判定方法のクラスタ特定処理について説明するための説明図である。
このクラスタリング手法は、上述のように、ステップS03及びステップS05で分割された各帯状領域T毎に行われ、各帯状領域Tに含まれた複数の表面欠陥の座標データにより規定される分布形態に基づいて、各帯状領域Tそれぞれに対して1のクラスタCを特定する。この特定されるクラスタCからは、そのクラスタCに含まれる複数の表面欠陥の分布形態を抽出することができるため、このクラスタリング手法の処理後は、そのクラスタCに含まれる複数の表面欠陥の分布形態(つまり短手方向及び長手方向それぞれの確率密度関数)が得られることとなる。
図8に示すように、図2に記載のステップS07(クラスタ特定ステップの一例)では、ステップS101〜ステップS141が処理される。この各処理について具体的に説明する。
まず、ステップS101が処理される。このステップS101では、図2のステップS03及びステップS05で分割された複数の帯状領域Tから1の帯状領域Tが選択される。この選択された1の帯状領域Tの例を図9に示す。このステップS101の処理後はステップS103に進む。
ステップS103では、ステップS101で選択された帯状領域Tに含まれる複数の表面欠陥における中心位置(ベクトルx0=(x01,x02)、平均値とも言う。)が算出される。説明の便宜上、この帯状領域Tに含まれる部分集合Gq(q=1〜Q;G0=G1+G2+…+GQ)をここでは単に「部分集合G」とする。ここでは、帯状領域Tに含まれる散発欠陥が極力除かれた連続欠陥の中心位置を求めることが望ましい。従って、この中心位置を算出する際に、中心位置に対する散発欠陥の影響を低減するために、部分集合Gの中心を求めるのではなく、その部分集合Gの端に位置する表面欠陥が除かれた部分集合gp(p=1,2)に対して中心を求めることが望ましい。つまり、ここでは「調整平均」が取られることが望ましい。調整平均により中心位置を求める場合、その中心位置から、帯状領域Tの端部T’に位置する表面欠陥が除かれるため、より正確な中心位置を算出することが可能となる。なお、部分集合Gの端に位置する表面欠陥が除かれた部分集合gp(p=1,2)は、ここでは部分集合Gに含まれる複数の表面欠陥(ベクトルxn=(xn1,xn2))をx1座標及びx2座標それぞれについて独立して扱い、各複数の表面欠陥のx1座標又はx2座標の帯状領域Tにおける端部を取り除いたx1座標又はx2座標の部分的な集合を意味する。この調整平均が計算される場合を例に挙げてステップS103についてより具体的に説明する。
ステップS105では、図9に示すように、上記ステップS103で抽出した短手方向の部分集合g1と、長手方向の部分集合g2とのそれぞれについて、各要素を構成する表面欠陥の標準偏差σ1,σ2が算出される。標準偏差σ1,σ2は、例えば以下の式3−2で算出することができる。なお、このステップS105又は上記のステップS103では、中心位置と標準偏差σ1,σ2だけでなく、例えば、幅(最小値及び最大値)等の他の必要なパラメータも算出・抽出されることが望ましい。
ステップS107では、ステップS105で求められた中心位置から各表面欠陥の座標データまでの距離dnが計算される。この際、この距離dnは、部分集合g1,g2に含まれた表面欠陥に対してだけでなく、部分集合G、つまり帯状領域Tに含まれる全ての表面欠陥に対して算出されることが望ましい。また、距離dnとしては、長手方向と短手方向が長さにおいて等価なユークリッド距離ではなく、長手方向に引き伸ばされ、短手方向に縮められたような「重み付き距離」を使用する。より具体的に式を用いて説明し、かつ、図10を参照して概念的にも説明する。
ステップS111では、ステップS101で選択された1の帯状領域Tに1のクラスタCが仮定される。つまり、予め与えられた複数の分布形態候補(確率密度関数の種類の候補)から、帯状領域Tの短手方向(x1座標)に、1種類の確率密度関数が選択されて設定(仮定)され、長手方向(x2座標)にも、1種類の確率密度関数が選択されて設定(仮定)され、その結果、その帯状領域に、2の確率密度関数の種類の組み合わせが設定されたクラスタCが仮定される。この際、仮定される確率密度関数のパラメータの初期値として、ステップS103及びステップS105で算出された中心位置及び標準偏差が使用されてもよい。また、クラスタCに設定される短手方向の確率密度関数の種類と長手方向の確率密度関数の種類とは同じであってもよく、異なっていてもよい。但し、ここで使用される確率密度関数の種類の候補は、予め選択されておくことが望ましい。なお、ここでは、この確率密度関数の候補として、図5に例示した一様分布pdfAと正規分布pdfBとラプラス分布pdfCとが使用される場合を例に挙げて説明する。図11には、短手方向にラプラス分布pdfCが仮定され、長手方向に一様分布pdfAが仮定された場合を例示している。
なお、後続の各処理の内容を説明した後に、ステップS121〜ステップS133における処理の概念的な内容についても説明することとする。
ステップS121では、帯状領域Tに含まれる全ての表面欠陥が、散発欠陥であると仮定される。つまり、帯状領域Tに含まれる表面欠陥の部分集合Gが、散発欠陥の散発集合GRAと等しいと仮定される。
ステップS123では、ステップS111で仮定されたクラスタCについて、そのクラスタCに含まれた少なくとも一部の表面欠陥の実際の分布形態と、そのクラスタCに設定された分布形態(つまり仮定された確率密度関数の組み合わせとそのパラメータ)との一致の程度を表す評価指標が算出される。なお、評価指標は、定量的な値として算出され、その値の大小により、仮定されたクラスタCの、実際の分布形態に対する一致度合を表すことができる。また、仮定されたクラスタCの一致度合(確からしさともいう。)には、そのクラスタCに含めた表面欠陥の分布がクラスタCに仮定された分布と一致しているか否かだけでなく、クラスタCに含まれなかった表面欠陥の分布が、クラスタC(つまりクラスタ集合GC)ではなく散発集合GRAに含まれるとして、その散発集合GRAの一様分布pdfAと一致しているか否かの度合も含まれることになる。従って、ステップS121の後に処理されるステップS123では、評価指標は、散発集合GRAに含まれた全ての表面欠陥(部分集合Gの全ての表面欠陥)の実際の分布形態の、帯状領域Tの全域に設定された一様分布pdfAに対する一致度合をも表すことになる。しかしながら、言い換えれば、この場合の評価指標は、仮定されたクラスタCに表面欠陥が含まれないことの確からしさを表すこととなり、裏を返せば、その仮定されたクラスタCの確からしさを表していると言える。つまり、この評価指標は、帯状領域T内の全ての表面欠陥の分布形態と、クラスタC及び非クラスタCへ分類された全ての表面欠陥の分布形態との一致の度合を表すことになる。なお、このステップS123は、ステップS127等の処理後にも行われ、このステップS127では、表面欠陥が1ずつクラスタCのクラスタ集合GCへと移される。よって、ステップS127等の処理後のステップS123は、正に、クラスタCの確からしさ(一致の程度)を表すこととなる。
1の表面欠陥(ベクトルxn)に対する座標xiにおける確率密度関数をpdfni(xni)とすると、上記VACni(xni)は、以下の式3−8で表される。
ステップS125では、ステップS123で算出されたVACが、最小値に達しているか否かが確認される。そして、最小値に達していない場合には、ステップS127に進み、最小値に達している場合には、ステップS131に進む。
つまり、VACが最小となった状態は、仮定されたクラスタCの確率密度関数の組み合わせについて、その最適なパラメータが得られた状態を意味する。従って、VACが最小となった際のパラメータは、記憶装置(図示せず)に記録される。
ステップS127では、散発集合GRAに分類されている表面欠陥のうち、ステップS107で算出された重み付き距離dnが最も短い1の表面欠陥(ベクトルxn)を、散発集合GRAからクラスタ集合GCへと変更する。つまり、図12に示すように、ステップS121では、全ての表面欠陥が散発集合GRAに含まれると仮定しているが、このステップS127が処理されるたびに、中心位置からの重み付き距離dnが短い表面欠陥から順に1つずつクラスタ集合GCへと移されていくことになる。この際、重み付き距離dnが使用されるため、図12の破線で示したような、長手方向が短手方向よりも長い略楕円に含まれる表面欠陥が、クラスタ集合GCへと移されていく。その結果、連続欠陥である可能性が高い表面欠陥がクラスタ集合GCへと移されるので、連続欠陥がクラスタCに含まれる可能性を向上させることができる。
ステップS129では、クラスタCのパラメータが変更される。つまり、ステップS121で仮定された確率密度関数に対するパラメータは、ステップS121の処理後のステップS123では、ステップS103及びステップS105で算出されたパラメータが使用される。その一方、ステップS127では、クラスタC(つまりクラスタ集合GC)に含まれる表面欠陥が追加されるため、このステップS129では、そのクラスタCにおける中心位置・標準偏差・幅などのパラメータを新たに算出し、変更することとなる。その結果、その後に処理されるステップS121では、ステップS129で変更されたパラメータが使用される。
これに対して、上述の通り、ステップS125でVACが最小となった場合には、ステップS131に進む。
ステップS131では、ステップS111において仮定されるクラスタCとして、予め用意された確率密度関数の種類の候補の全ての組み合わせが仮定されたか否かが確認される。そして、全ての組み合わせが仮定されていない場合には、ステップS111以降の処理が繰り返される。一方、全ての組み合わせが仮定されている場合には、ステップS133に進む。
ステップS133では、VACが最小となる分布形態、つまり確率密度関数の種類の組み合わせとそのパラメータにより、ステップS101で選択された帯状領域TのクラスタCを特定する。つまり、このステップS133により、帯状領域TのクラスタCが特定され、そのクラスタCに設定されていた確率密度関数の種類の組み合わせと、そのパラメータが、そのクラスタCに含まれる複数の表面欠陥の分布形態として抽出されることになる。より具体的には、ステップS111〜ステップS131の繰り返し処理により、短手方向及び長手方向それぞれの確率密度関数の全組み合わせのそれぞれについて、VACが最小となるパラメータが決定される。このパラメータが決定した確率密度関数の組み合わせの中で、VACが最小となる組み合わせを選択することにより、これらの組み合わせで最もクラスタCが実際の表面欠陥の分布と一致した組み合わせを選択することができる。そして、この選択された確率密度関数の組み合わせと、そのパラメータとにより、帯状領域TのクラスタCが特定される。結果、この選択された確率密度関数の組み合わせと、そのパラメータが抽出・特定されることになる。つまり、VACは、どの確率密度関数の組み合わせが適しているのかの判断にも使用されることなる。
ステップS141では、全ての帯状領域TについてクラスタCが1ずつ特定されたか否かが確認される。全ての帯状領域TにクラスタCが1ずつ特定されていない場合には、ステップS101以降の処理が繰り返されて他の帯状領域Tが選択される一方、全ての帯状領域TにクラスタCが1ずつ特定されている場合には、このクラスタ特定ステップを終了し、図2に示すステップS09に進むこととなる。
ここで上述の通り、ステップS121〜ステップS133における処理の概念的な内容について図12及び図13を参照しつつ説明する。
次に、図14を参照しつつ、本発明の第1実施形態に係る連続欠陥判定装置について説明する。図14は、本実施形態に係る連続欠陥判定装置について説明するための説明図である。
図14に示すように、本発明の第1実施形態に係る連続欠陥判定装置100は、取得部110と、分割部120と、クラスタ特定部130と、判定部140とを有する。
クラスタ特定部130は、上述の動作をするために、初期状態抽出部131と、重み付き距離算出部132と、クラスタ仮定部133と、VAC算出部134と、クラスタ調整部135とを有する。
以上、本発明の第1実施形態に係る連続欠陥判定方法等について説明した。
この連続欠陥判定方法等によれば、薄鋼板Fを短手方向で複数の帯状領域Tに分割した後、各帯状領域T毎に、座標データが相互に関連した少なくとも一部の表面欠陥が含まれるクラスタCを1ずつ特定する。そして、その特定されたクラスタCに含まれた複数の表面欠陥の分布形態を抽出する。従って、長手方向に連続的に連なって発生する連続欠陥は、短手方向で分割された各帯状領域Tの1のクラスタCに含まれる一方、連続欠陥以外の散発欠陥や集中欠陥は、帯状領域Tの分割位置により分割されクラスタCに含まれる可能性が低減される。そして、このように連続欠陥が含まれる可能性が高まったクラスタCに含まれる複数の表面欠陥の分布形態に基づいて、そのクラスタCが連続欠陥であるか否かを判定する。よって、この連続欠陥判定方法等は、確実かつ高精度に連続欠陥の有無を判定することが可能である。
ステップS03及びステップS05における帯状領域Tの幅ΔTは、12mmに設定した。なお、この12mmは、6mm幅の直線欠陥を測定対象としたために設定された値である。一方、分割回数は2回とし、各分割では分割位置をΔOFF=ΔT/2=6mmだけずらした。また、ステップS09における判定では、(条件1)長手方向の確率密度関数が一様分布pdfAとなり短手方向の確率密度分布がラプラス分布pdfCとなり、(条件2)クラスタにおけるパラメータのうち短手方向の標準偏差が0.8以下であり、(条件3)クラスタCに含まれる表面欠陥の個数が6点以上という条件を設定した。
ここで本発明の第1実施形態に係る連続欠陥判定方法の変更例を幾つか説明する。なお、ここで説明する変更例は、あくまで一例であり、その他様々な変更が可能であることは言うまでもない。
上記実施形態では、クラスタCに設定される分布形態や、クラスタCに含まれる複数の表面欠陥の座標データの関連性を表す分布形態として、確率密度関数を使用する場合について説明した。しかしながら、上述の通り、分布形態を表す確率密度関数には、一般的な確率密度関数だけでなく、広義の意味で累積確率密度関数・度数密度関数・累積度数密度関数が含まれる。例えば累積確率密度関数を使用する場合、図5に示した各分布の確率密度関数の変りに、累積確率密度関数cdfを使用することになる。この場合、VACni(xni)を算出する上記式3−8の変りに、下記式6−1を使用することが可能である。
上記実施形態では、連続欠陥の有無を確実かつ迅速に判定するために、薄鋼板Fを複数の帯状領域Tへと短手方向で分割した。この際、帯状領域Tの幅ΔTを適切な値に設定することにより、長手方向から薄鋼板Fの面内である程度傾いた連続欠陥の有無をも判定することが可能である。これに対して、連続欠陥が大きく傾いた場合にも、連続欠陥の検出精度を落とさないために、複数の座標データについて、無相関化処理を行うことも可能である。
上記実施形態では、連続欠陥の位置が帯状領域Tへの分割位置と重なる場合等を考慮して、分割位置を違えた複数回の分割が行われる。このような複数回の分割を行うことと、その分割間隔(幅ΔT)を適切な値に設定することにより、連続欠陥の検出精度を飛躍的に向上させることが可能である。これに対して、更に連続欠陥の検出精度を高め、かつ、検出過程で抽出される連続欠陥のパラメータ(特徴量)の特定精度を高めるために、2以上の相隣接する帯状領域Tに連続欠陥が含まれた場合、その連続欠陥が1の連続欠陥であるか否かを判定し、1の連続欠陥である場合、両者を結合して1の連続欠陥の分布形態を抽出することも可能である。
例えば、図6に示すように、1の連続欠陥が2以上の帯状領域Tにまたがり、別々の連続欠陥であると検出されることがある。この場合、上記実施形態では、図7に示すように、分割位置がずらされた複数回の分割が行われることにより、1の連続欠陥を1のクラスタに含めることが可能である。これに対して、例えば、複数回の分割によっても尚、連続欠陥の位置がその複数回の分割位置と重なり、常に連続欠陥が分断されることが考えられる。この例のような場合、連続欠陥として正確なパラメータや分布関数が特定可能なように、例えば、以下のように2以上の連続欠陥を連結してもよい。
次に、本発明の第2の実施形態について説明する。前述した第1の実施形態では、欠陥の発生数が多くはない場合を例に挙げて説明した。これに対し、本実施形態では、欠陥の発生数が多く、連続欠陥とそれ以外の欠陥を区別するのが難しい場合を例に挙げて説明する。区別するのが難しい場合として、集中欠陥や散発欠陥の一部を切り取った状態(単独の帯状領域に限定して解析する場合)で、発生量や密度の僅かな濃淡が連続欠陥に類似していることで誤って連続欠陥として抽出する場合がある。このように本実施形態と前述した第1の実施形態では、各帯状領域の連続欠陥の有無を事前判定する処理が主として異なる。したがって、本実施形態の説明において、前述した第1の実施形態と同一の部分については、図2及び図14に付した符号と同一の符号を付す等して詳細な説明を省略する。
図16は、本発明の第2実施形態に係る連続欠陥判定方法について説明するための説明図である。まず、図16を参照しつつ、この連続欠陥判定方法の概要について説明した後、各処理について詳しく説明する。ここで、第1実施形態に対して新たに追加されたのは、ステップS06とステップS08であり、他のステップの処理は、第1実施形態と同じである。
ステップS05の処理後、本実施形態に係る連続欠陥判定方法では、各帯状領域及びその近傍の帯状領域に含まれた複数の表面欠陥の数に基づいて、各帯状領域に連続欠陥(直線欠陥)が無いことを事前判定するステップS06が処理される(帯状領域事前判定ステップの一例)。
このステップS06で行われる判定に用いる指標(以降、簡易連続欠陥判定指標と呼ぶ)については詳しく後述するが、ステップS07のクラスタ特定ステップで詳細に行われる、各帯状領域に対する連続欠陥の候補となるクラスタの特定に先立ち、各帯状領域及びその近傍の複数の帯状領域に存在する表面欠陥の数により、連続欠陥の無いことを事前判定するものである。
この事前判定によって連続欠陥無しと判定された場合は、ステップS11に進む。
[ステップS06(帯状領域事前判定ステップの一例)]
ステップS06では、ステップS01で取得された座標データ、特にこの座標データで規定される帯状領域Tqとその近傍の帯状領域Tq+i(i=±1,±2,…)に含まれる複数の表面欠陥の数に基づいて、ステップS03及びステップS05で分割された一の帯状領域Tに含まれた複数の表面欠陥のうち、座標データが相互に関連した少なくとも一部の表面欠陥を含むクラスタが帯状領域T毎に1ずつ連続欠陥として特定できる可能性が有るかの判定を簡易連続欠陥判定指標を用いて行う。
その為、帯状領域Tqの欠陥の数に比べ、その近傍の帯状領域Tq+iの欠陥がどの程度存在するかを指標化して、連続欠陥有無の判定に用いる。
連続欠陥が存在しないと判定した領域の処理は、ステップS11に進む。
近傍の範囲を示すnは、nで指定された連続する帯状領域に連続欠陥のクラスタが複数存在しないことを前提としており、その範囲でnは大きいほど良い。連続欠陥が密集して発生する場合、nは小さな値となる。薄鋼板の連続欠陥判定に用いる場合には、一般に1ないし3の範囲の値にするのが良い。
ここで、本実施の形態についてのこれまでの説明では、近傍の範囲を示すnを帯状領域の数を表す整数として扱ってきたが、nを正の実数に拡張して近傍の範囲を規定することも可能である。その場合は、簡易連続欠陥判定指標の分母の帯状領域Tqを中心とした領域の幅が、帯状領域の幅×(2n+1)となる範囲の欠陥数(これをNrangeと呼ぶことにする)を用いればよい。
ステップS08では、ステップS07で特定されたクラスタについて、クラスタの属する帯状領域Tに加え、その近傍の帯状領域Tq+iの表面欠陥の存在個数に基づいて、特定されたクラスタが連続欠陥で無いことを事前判定する。
図18は、第2実施形態に係る連続欠陥判定装置200について説明するための説明図である。図18に示すように、本発明の第2実施形態に係る連続欠陥判定装置200は、取得部110と、分割部120と、帯状領域事前判定部125と、クラスタ特定部130と、クラスタ事前判定部138と、判定部140とを有する。帯状領域事前判定部125とクラスタ事前判定部138以外は、本発明の第1実施形態に係る連続欠陥判定装置と同じである。
この連続欠陥判定方法等によれば、薄鋼板Fを短手方向で複数の帯状領域Tに分割した後、各帯状領域T毎のクラスタの特定に先立ち領域Tと近傍の帯状領域の表面欠陥数から連続欠陥有無の事前判定を簡易連続欠陥判定指標により行い、連続欠陥が有る可能性ありと判定した帯状領域は以降の処理を継続する。各帯状領域T毎に、座標データが相互に関連した少なくとも一部の表面欠陥が含まれるクラスタCを1ずつ特定する。そして、その特定されたクラスタCに含まれた複数の表面欠陥の分布形態を抽出する。従って、長手方向に連続的に連なって発生する連続欠陥は、短手方向で分割された各帯状領域Tの1のクラスタCに含まれる一方、連続欠陥以外の散発欠陥や集中欠陥は、帯状領域Tの分割位置により分割されクラスタCに含まれる可能性が低減される。ここで、クラスタCとその近傍の表面欠陥の数から連続欠陥判定指標にてクラスタCが連続欠陥でないことを事前判定する。そして、このように連続欠陥が含まれる可能性が高まったクラスタCに含まれる複数の表面欠陥の分布形態に基づいて、そのクラスタCが連続欠陥であるか否かを判定する。よって、この連続欠陥判定方法等は、確実かつ高精度に連続欠陥の有無を判定することが可能である。
連続欠陥の有無が既に判明している薄鋼板Fについて、その薄鋼板Fの複数の表面欠陥の座標データ(約1万点ほど)を教師データとして用意して、上記連続欠陥判定方法等による連続欠陥判定結果を、下記表2に示す。
ステップS03及びステップS05における帯状領域Tの幅ΔTは、12mmに設定した。なお、この12mmは、6mm幅の直線欠陥を測定対象としたために設定された値である。一方、分割回数は2回とし、各分割では分割位置をΔOFF=ΔT/2=6mmだけずらした。ステップS06、ステップS08における判定では、簡易連続欠陥判定指標と連続欠陥判定指標の閾値に0.33を予め設定した。また、ステップS09における判定では、(条件1)長手方向の確率密度関数が一様分布pdfAとなり短手方向の確率密度分布がラプラス分布pdfCとなり、(条件2)クラスタにおけるパラメータのうち短手方向の標準偏差が0.8以下であり、(条件3)クラスタCに含まれる表面欠陥の個数が6点以上という条件を設定した。
C クラスタ
G0 全集合
ΔT 幅
T 帯状領域
10 表面欠陥検出装置
20 表面欠陥記憶部
30 判定結果記憶部
100 連続欠陥判定装置
110 取得部
120 分割部
125 帯状領域事前判定部
130 クラスタ特定部
131 初期状態抽出部
132 重み付き距離算出部
133 クラスタ仮定部
134 VAC算出部
135 クラスタ調整部
138 クラスタ事前判定部
140 判定部
200 連続欠陥判定装置
Claims (15)
- 複数の製造工程における処理を経て製造される薄鋼板に発生し、表面欠陥検出装置により検出された複数の表面欠陥に関する情報を基に、該複数の表面欠陥の分布形態を解析して、該薄鋼板の長手方向に連続して発生した連続欠陥の有無を判定する連続欠陥判定方法であって、
前記薄鋼板に発生した複数の表面欠陥それぞれの発生位置について長手方向座標及び短手方向座標を含む座標データを、前記表面欠陥検出装置から取得する取得ステップと、
前記薄鋼板の少なくとも一面を前記薄鋼板の短手方向で、予め設定された間隔を有する複数の帯状領域に分割する分割ステップと、
前記分割ステップで分割された複数の帯状領域それぞれに対して、該帯状領域に含まれた複数の表面欠陥の座標データによって規定される分布形態に基づいて、少なくとも一部の前記表面欠陥を含むクラスタを、前記複数の帯状領域毎に1ずつ特定するクラスタ特定ステップと、
前記帯状領域に含まれる複数の表面欠陥のうちの、前記クラスタ特定ステップで特定されたクラスタに含まれる複数の表面欠陥の分布形態に基づいて、該クラスタに含まれる複数の表面欠陥が前記連続欠陥に該当するか否かを判定する判定ステップと、
を有することを特徴とする、連続欠陥判定方法。 - 前記分割ステップでは、前記薄鋼板の少なくとも一面を前記複数の帯状領域へと、分割位置を前記短手方向でずらしつつ複数回分割し、
前記クラスタ特定ステップ及び前記判定ステップでは、複数の前記分割位置それぞれの前記複数の帯状領域に対して、前記クラスタの特定及び前記連続欠陥に該当するか否かの判定を行うことを特徴とする、請求項1に記載の連続欠陥判定方法。 - 前記判定ステップでは、前記クラスタ特定ステップで特定されたクラスタに含まれた複数の表面欠陥の分布形態を表す前記長手方向の確率密度関数の種類と前記短手方向の確率密度関数の種類との組み合わせ、及び、該確率密度関数における特徴量の少なくとも一方に基づいて、当該クラスタに含まれる複数の表面欠陥が前記連続欠陥に該当するか否かを判定することを特徴とする、請求項1又は2に記載の連続欠陥判定方法。
- 前記判定ステップでは、前記クラスタの長手方向の確率密度関数が一様分布であり、前記短手方向の確率密度関数がラプラス分布である場合に、当該クラスタに含まれる複数の表面欠陥が前記連続欠陥に該当すると判定することを特徴とする、請求項3に記載の連続欠陥判定方法。
- 前記クラスタ特定ステップでは、前記複数の帯状領域それぞれに対して、
該帯状領域の長手方向及び短手方向それぞれに対して、予め与えられた複数の分布形態候補のうちから選択された分布形態が1ずつ設定された1のクラスタを仮定するクラスタ仮定ステップと、
前記クラスタ仮定ステップで仮定されたクラスタについて、該帯状領域に含まれるそれぞれの表面欠陥に対する、該クラスタに設定された分布形態の一致の程度を表す評価指標を算出する評価指標算出ステップと、
前記評価指標算出ステップで算出される評価指数が最小になるように、該帯状領域に含まれる表面欠陥から前記クラスタに含むべき表面欠陥を選択するクラスタ調整ステップと、
が行われ、
前記クラスタ仮定ステップでは、前記帯状領域の長手方向及び短手方向それぞれの分布形態として、前記分布形態候補の全ての組み合わせが順次選択されて前記クラスタに設定され、
前記評価指標算出ステップ及び前記クラスタ調整ステップは、当該分布形態候補の組み合わせが設定された全てのクラスタについて行われ、
前記評価指標が最小となる長手方向及び短手方向の分布形態が設定された1のクラスタが、該帯状領域に対して特定されることを特徴とする、請求項1〜4のいずれか1項に記載の連続欠陥判定方法。 - 前記クラスタ特定ステップで特定された前記各クラスタに対して、該クラスタに含まれる表面欠陥の数を、該クラスタが特定された帯状領域と該帯状領域の予め設定された範囲の近傍に存在する帯状領域とに含まれる表面欠陥の数の和で除算することで算出される連続欠陥判定指標に基づいて、該クラスタに含まれる複数の表面欠陥が前記連続欠陥に該当しないことを判定するクラスタ事前判定ステップを更に有することを特徴とする、請求項1〜5のいずれか1項に記載の連続欠陥判定方法。
- 前記分割ステップで分割された各帯状領域に対して、該帯状領域に含まれる表面欠陥の数を、該帯状領域と該帯状領域の予め設定された範囲の近傍に存在する帯状領域とに含まれる表面欠陥の数の和で除算することで算出される簡易連続欠陥判定指標に基づいて、該帯状領域に含まれる表面欠陥が前記連続欠陥に該当しないことを判定する帯状領域事前判定ステップを更に有することを特徴とする、請求項1〜6のいずれか1項に記載の連続欠陥判定方法。
- 複数の製造工程における処理を経て製造される薄鋼板に発生し、表面欠陥検出装置により検出された複数の表面欠陥に関する情報を基に、該複数の表面欠陥の分布形態を解析して、該薄鋼板の長手方向に連続して発生した連続欠陥の有無を判定する連続欠陥判定装置であって、
前記薄鋼板に発生した複数の表面欠陥それぞれの発生位置について長手方向座標及び短手方向座標を含む座標データを、前記表面欠陥検出装置から取得する取得部と、
前記薄鋼板の少なくとも一面を前記薄鋼板の短手方向で、予め設定された間隔を有する複数の帯状領域に分割する分割部と、
前記分割部により分割された複数の帯状領域それぞれに対して、該帯状領域に含まれた複数の表面欠陥の座標データによって規定される分布形態に基づいて、少なくとも一部の前記表面欠陥を含むクラスタを、前記複数の帯状領域毎に1ずつ特定するクラスタ特定部と、
前記帯状領域に含まれる複数の表面欠陥のうちの、前記クラスタ特定部により特定されたクラスタに含まれる複数の表面欠陥の分布形態に基づいて、該クラスタに含まれる複数の表面欠陥が前記連続欠陥に該当するか否かを判定する判定部と、
を有することを特徴とする、連続欠陥判定装置。 - 前記分割部は、前記薄鋼板の少なくとも一面を前記複数の帯状領域へと、分割位置を前記短手方向でずらしつつ複数回分割し、
前記クラスタ特定部及び前記判定部は、複数の前記分割位置それぞれの前記複数の帯状領域に対して、前記クラスタの特定及び前記連続欠陥に該当するか否かの判定を行うことを特徴とする、請求項8に記載の連続欠陥判定装置。 - 前記判定部は、前記クラスタ特定部により特定されたクラスタに含まれた複数の表面欠陥の分布形態を表す前記長手方向の確率密度関数の種類と前記短手方向の確率密度関数の種類との組み合わせ、及び、該確率密度関数における特徴量の少なくとも一方に基づいて、当該クラスタに含まれる複数の表面欠陥が前記連続欠陥に該当するか否かを判定することを特徴とする、請求項8又は9に記載の連続欠陥判定装置。
- 前記判定部は、前記クラスタの長手方向の確率密度関数が一様分布であり、前記短手方向の確率密度関数がラプラス分布である場合に、当該クラスタに含まれる複数の表面欠陥が前記連続欠陥に該当すると判定することを特徴とする、請求項10に記載の連続欠陥判定装置。
- 前記クラスタ特定部は、
前記複数の帯状領域それぞれに対して、該帯状領域の長手方向及び短手方向それぞれに対して、予め与えられた複数の分布形態候補のうちから選択された分布形態が1ずつ設定された1のクラスタを仮定するクラスタ仮定部と、
前記複数の帯状領域それぞれに対して、前記クラスタ仮定部により仮定されたクラスタについて、該帯状領域に含まれるそれぞれの表面欠陥に対する、該クラスタに設定された分布形態の一致の程度を表す評価指標を算出する評価指標算出部と、
前記複数の帯状領域それぞれに対して、前記評価指標算出部により算出される評価指数が最小になるように、該帯状領域に含まれる表面欠陥から前記クラスタに含むべき表面欠陥を選択するクラスタ調整部と、
を有し、
前記クラスタ仮定部は、前記帯状領域の長手方向及び短手方向それぞれの分布形態として、前記分布形態候補の全ての組み合わせを順次選択して前記クラスタに設定し、
前記評価指標算出部及び前記クラスタ調整部は、当該分布形態候補の組み合わせが設定された全てのクラスタについて、前記評価指標の算出及び前記クラスタの調整を行い、
前記クラスタ特定部は、前記評価指標が最小となる長手方向及び短手方向の分布形態が設定された1のクラスタを、該帯状領域に対して特定することを特徴とする、請求項8〜11のいずれか1項に記載の連続欠陥判定装置。 - 前記クラスタ特定部により特定された前記各クラスタに対して、該クラスタに含まれる表面欠陥の数を、該クラスタが特定された帯状領域と該該帯状領域の予め設定された範囲の近傍に存在する帯状領域とに含まれる表面欠陥の数の和で除算することで算出される連続欠陥判定指標に基づいて、該クラスタに含まれる複数の表面欠陥が前記連続欠陥に該当しないことを判定するクラスタ事前判定部を更に有することを特徴とする、請求項8〜12のいずれか1項に記載の連続欠陥判定装置。
- 前記分割部により分割された各帯状領域に対して、該帯状領域に含まれる表面欠陥の数を、該帯状領域と該帯状領域の予め設定された範囲の近傍に存在する帯状領域とに含まれる表面欠陥の数の和で除算することで算出される簡易連続欠陥判定指標に基づいて、該帯状領域に含まれる表面欠陥が前記連続欠陥に該当しないことを判定する帯状領域事前判定部を更に有することを特徴とする、請求項8〜13のいずれか1項に記載の連続欠陥判定装置。
- コンピュータに、複数の製造工程における処理を経て製造される薄鋼板に発生し、表面欠陥検出装置により検出された複数の表面欠陥に関する情報を基に、該複数の表面欠陥の分布形態を解析して、該薄鋼板の長手方向に連続して発生した連続欠陥の有無を判定する連続欠陥判定機能を実現させるためのプログラムであって、
コンピュータに、
前記薄鋼板に発生した複数の表面欠陥それぞれの発生位置について長手方向座標及び短手方向座標を含む座標データを、前記表面欠陥検出装置から取得する取得機能、
前記薄鋼板の少なくとも一面を前記薄鋼板の短手方向で、予め設定された間隔を有する複数の帯状領域に分割する分割機能、
前記分割機能により分割された複数の帯状領域それぞれに対して、該帯状領域に含まれた複数の表面欠陥の座標データによって規定される分布形態に基づいて、少なくとも一部の前記表面欠陥を含むクラスタを、前記複数の帯状領域毎に1ずつ特定するクラスタ特定機能、
前記帯状領域に含まれる複数の表面欠陥のうちの、前記クラスタ特定機能により特定されたクラスタに含まれる複数の表面欠陥の分布形態に基づいて、該クラスタに含まれる複数の表面欠陥が前記連続欠陥に該当するか否かを判定する判定機能、
を実現させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010003872A JP5206697B2 (ja) | 2009-01-15 | 2010-01-12 | 連続欠陥判定方法、連続欠陥判定装置及びプログラム |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009006992 | 2009-01-15 | ||
JP2009006992 | 2009-01-15 | ||
JP2010003872A JP5206697B2 (ja) | 2009-01-15 | 2010-01-12 | 連続欠陥判定方法、連続欠陥判定装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010185868A JP2010185868A (ja) | 2010-08-26 |
JP5206697B2 true JP5206697B2 (ja) | 2013-06-12 |
Family
ID=42766599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010003872A Active JP5206697B2 (ja) | 2009-01-15 | 2010-01-12 | 連続欠陥判定方法、連続欠陥判定装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5206697B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170073988A (ko) * | 2015-12-21 | 2017-06-29 | 주식회사 포스코 | 열간 압연롤성 결함 검출방법 |
JP7441145B2 (ja) | 2020-09-11 | 2024-02-29 | 株式会社Fuji | 対基板作業機 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5796430B2 (ja) * | 2011-09-15 | 2015-10-21 | 日本電気硝子株式会社 | 板ガラス検査装置、板ガラス検査方法、板ガラス製造装置、及び板ガラス製造方法 |
CN109142383B (zh) * | 2018-08-10 | 2021-07-09 | 惠州太初科技有限公司 | 一种基于形态学的字符缺陷检测方法 |
EP3904868A4 (en) * | 2018-12-25 | 2023-01-25 | JFE Steel Corporation | LEARNED PATTERN GENERATION PROCESS, LEARNED PATTERN, SURFACE DEFECT INSPECTION PROCESS, STEEL FABRICATION PROCESS, PASS/FAIL DETERMINATION PROCESS, QUALITY DETERMINATION PROCESS, SURFACE DEFECT DETERMINATION PROGRAM, PASS/FAIL DETERMINATION PROGRAM, DETERMINATION SYSTEM, AND STEEL FABRICATION EQUIPMENT |
JP7211265B2 (ja) * | 2019-05-22 | 2023-01-24 | 日本製鉄株式会社 | 識別モデル生成装置、識別モデル生成方法及び識別モデル生成プログラム、並びに鋼材疵判定装置、鋼材疵判定方法及び鋼材疵判定プログラム |
CN114066796A (zh) * | 2020-07-27 | 2022-02-18 | 阿里巴巴集团控股有限公司 | 一种表面缺陷检测方法、设备及存储介质 |
CN114154896B (zh) * | 2021-12-09 | 2022-08-26 | 苏州捷布森智能科技有限公司 | 基于mes的智能工厂产品质量监控方法及系统 |
JP7559795B2 (ja) * | 2022-03-30 | 2024-10-02 | Jfeスチール株式会社 | 棒鋼の表面疵評価方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4414658B2 (ja) * | 2003-02-14 | 2010-02-10 | 株式会社メック | 欠陥検査装置および欠陥検査方法 |
JP4516777B2 (ja) * | 2004-02-13 | 2010-08-04 | 新日本製鐵株式会社 | 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 |
-
2010
- 2010-01-12 JP JP2010003872A patent/JP5206697B2/ja active Active
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170073988A (ko) * | 2015-12-21 | 2017-06-29 | 주식회사 포스코 | 열간 압연롤성 결함 검출방법 |
KR101913413B1 (ko) * | 2015-12-21 | 2018-10-31 | 주식회사 포스코 | 열간 압연롤성 결함 검출방법 |
JP7441145B2 (ja) | 2020-09-11 | 2024-02-29 | 株式会社Fuji | 対基板作業機 |
Also Published As
Publication number | Publication date |
---|---|
JP2010185868A (ja) | 2010-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5206697B2 (ja) | 連続欠陥判定方法、連続欠陥判定装置及びプログラム | |
US11816579B2 (en) | Method and apparatus for detecting defect pattern on wafer based on unsupervised learning | |
CN111914090B (zh) | 一种企业行业分类识别及其特征污染物识别的方法及装置 | |
US7653235B2 (en) | Surface anomaly detection system and method | |
US20130166267A1 (en) | Diagnostic factor set determination apparatus and method | |
US11494690B2 (en) | Apparatus and method of high dimensional data analysis in real-time | |
CN111060014A (zh) | 一种基于机器视觉的在线自适应烟丝宽度测量方法 | |
JP6183449B2 (ja) | システム分析装置、及び、システム分析方法 | |
US11132790B2 (en) | Wafer map identification method and computer-readable recording medium | |
KR20150082573A (ko) | 계측 타겟 특성화 | |
CN112905412A (zh) | 关键性能指标数据的异常检测方法及装置 | |
CN102663065A (zh) | 一种广告位异常数据识别和筛选方法 | |
CN113342906A (zh) | 一种对晶圆量测数据分布形态的分类方法以及装置 | |
JP6244260B2 (ja) | 欠陥分析装置及び欠陥分析方法 | |
CN115100188A (zh) | 一种层次化缺陷分析的钢板表面质量自动分级与判定方法 | |
JP6135192B2 (ja) | 時系列データの異常監視装置、異常監視方法及びプログラム | |
CN117152149B (zh) | 用于晶圆切割的边缘平滑度检测方法及系统 | |
JP5251890B2 (ja) | 操業分析装置、操業分析方法、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憶媒体 | |
JP2007188471A (ja) | 品質解析方法、品質解析装置、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憶媒体 | |
CN109767430B (zh) | 有价票据的质量检测方法及质量检测系统 | |
CN112765219B (zh) | 一种跳过平稳区域的流数据异常检测方法 | |
CN112418313B (zh) | 一种大数据在线噪声过滤系统与方法 | |
CN115482417A (zh) | 多目标检测模型及其训练方法、装置、介质及设备 | |
KR101725605B1 (ko) | 표면결함 정보를 이용한 강판의 연속결함 검출방법 및 기록매체 | |
US20220067426A1 (en) | Separation distance between feature vectors for semi-supervised hotspot detection and classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120209 |
|
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: 20130122 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130123 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130204 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160301 Year of fee payment: 3 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5206697 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: 20160301 Year of fee payment: 3 |
|
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 |