JP6201922B2

JP6201922B2 - Rust detection device for vehicle, rust detection system for vehicle, and rust detection method for vehicle

Info

Publication number: JP6201922B2
Application number: JP2014149377A
Authority: JP
Inventors: 尊元中本; 貴和山根; 敏彦原; 輝翔山川
Original assignee: Mazda Motor Corp
Current assignee: Mazda Motor Corp
Priority date: 2014-07-23
Filing date: 2014-07-23
Publication date: 2017-09-27
Anticipated expiration: 2034-07-23
Also published as: JP2016024100A

Description

この発明は、撮像手段により撮像した画像を用いた車両用錆検出装置、車両用錆検出システム、及び車両用錆検出方法に関する。 The present invention relates to a vehicle rust detection device, a vehicle rust detection system, and a vehicle rust detection method using an image captured by an imaging means.

自動車は様々な環境の下で走行するため、車両の特に、床下の車両部品（懸架装置、フロア、排気管等）やフロアは、通常は、泥等で薄汚れているが、このような泥等は、例えば、軽く水で洗い流しただけでは、乾燥するとまた白くくすんだ状態となるなど、完全に除去し難しいという実情があった。 Since automobiles run in various environments, vehicles such as under-floor vehicle parts (suspension devices, floors, exhaust pipes, etc.) and floors are usually dirty with mud. For example, there is a fact that it is difficult to remove completely, for example, if it is lightly rinsed with water and becomes dry and dull again after drying.

このような泥等の要因により、目視により錆を確認しようとしても、車体や車両部品の表面において錆を正確に検出することができず、特殊な能力や経験によらずに錆検出を客観的に行うことが困難であるという課題があった。 Due to such factors as mud, it is not possible to accurately detect rust on the surface of the vehicle body or vehicle parts even if it is attempted to visually confirm rust, and objective detection of rust is possible regardless of special ability or experience. There was a problem that it was difficult to do.

また、上述したように、例えば、泥を水で洗い流しただけでは、薄汚れを除去できず、泥等を完全に除去するにはスチーム洗浄や高圧洗浄、ブラッシングなど念入りに洗浄する必要があるが、このような念入りな洗浄は、工数やコストが嵩むという新たな課題が生じていた。 Further, as described above, for example, by simply washing off mud with water, thin dirt cannot be removed, and in order to completely remove mud and the like, it is necessary to wash carefully such as steam washing, high-pressure washing, and brushing. Such careful cleaning has created a new problem of increasing man-hours and costs.

一方、車両用に関わらず、従来より様々な錆検出装置、又は錆検出方法が提案されている。
例えば、特許文献１には、撮影した撮像対象の撮像画像を数値化して、画像中から解析に必要な対象物を切り出し、切り出した画像から錆等の劣化部と健全部を輝度の違い等に基づいて画像処理により分別し、劣化部の面積率を計算することにより劣化度を評価する建物屋根材の劣化評価方法が開示されている。 On the other hand, irrespective of vehicles, various rust detection devices or rust detection methods have been proposed.
For example, in Patent Document 1, a captured image of a captured imaging target is digitized, and an object necessary for analysis is cut out from the image, and a deteriorated portion such as rust and a healthy portion are made to have a difference in luminance from the cut out image. There is disclosed a method for evaluating deterioration of a building roof material, which is classified based on image processing and evaluates the degree of deterioration by calculating the area ratio of the deteriorated portion.

また、特許文献２には、表面に特定の波長域を有する光を照射し、その光の反射光の強度に基づいて錆等の異常を判定する表面異常判定方法および装置が開示されている。 Patent Document 2 discloses a surface abnormality determination method and apparatus that irradiates light having a specific wavelength range on the surface and determines abnormality such as rust based on the intensity of reflected light of the light.

しかし、特許文献１の建物屋根材の劣化評価方法の場合、例えば、泥の厚みや色の濃淡によって劣化部と健全部とを誤って分別してしまうおそれがあり、また、特許文献２の表面異常判定方法および装置の場合、泥の有無、付着量、或いは泥の組成等の違いにより誤判定するおそれがあり、いずれも錆検出の際の泥による検出誤差の影響について考慮されているとはいえず、泥と錆とを混同するおそれがあった。 However, in the case of the method for evaluating deterioration of building roof materials disclosed in Patent Document 1, for example, there is a risk that the deteriorated part and the healthy part may be mistakenly classified due to mud thickness or color shading. In the case of the judgment method and device, there is a risk of misjudgment due to differences in the presence or absence of mud, the amount of adhesion, or the composition of the mud, all of which are considered the influence of detection error due to mud when detecting rust. There was a risk of confusing mud and rust.

このため、特許文献１，２に例示されるような従来の錆検出装置、又は錆検出方法の場合、泥領域を錆領域として過大検出するなどして正確に錆検出することが困難であった。 For this reason, in the case of the conventional rust detection apparatus or the rust detection method exemplified in Patent Documents 1 and 2, it is difficult to accurately detect rust by excessively detecting the mud area as a rust area. .

特開平０７−３１８５１０号公報JP 07-318510 A 特開２００７−２１２３６４号公報JP 2007-212364 A

そこでこの発明は、車体、或いは例えば、サスペンションアームや排気管等の車両に搭載する車両部品に有する錆をたとえ泥等で薄汚れた状態のままでも泥等の影響を受けずに正確に検出できる車両用錆検出装置、車両用錆検出システム、及び車両用錆検出方法の提供を目的とする。 Therefore, the present invention can accurately detect rust on a vehicle body or a vehicle part mounted on a vehicle such as a suspension arm or an exhaust pipe, without being affected by mud even if it is still dirty with mud. An object is to provide a vehicle rust detection device, a vehicle rust detection system, and a vehicle rust detection method.

この発明による車両用錆検出装置は、車体、或いは車両に配設する車両部品における錆検出対象エリアを撮像する撮像手段と、前記撮像手段により撮像した撮像画像を記憶する記憶手段と、前記撮像画像を基に画像処理する画像処理手段と、前記画像処理手段により画像処理した画像処理データを基に、錆検出結果を出力する錆検出結果出力手段とを備え、前記画像処理手段は、ＲＧＢ形式で表される前記撮像画像の中のＲ成分とＧ成分とＢ成分の重みを、１：０：１とすることを特徴とする。 The vehicle rust detection device according to the present invention includes an imaging means for imaging a rust detection target area in a vehicle body or a vehicle component disposed in the vehicle, a storage means for storing a captured image captured by the imaging means, and the captured image. Image processing means for image processing based on the image processing means, and rust detection result output means for outputting a rust detection result based on the image processing data image processed by the image processing means, the image processing means in RGB format The weights of the R component, the G component, and the B component in the captured image represented are set to 1: 0: 1 .

上記構成によれば、前記画像処理手段によって、ＲＧＢ形式で表される前記撮像画像の中のＲ成分とＧ成分とＢ成分の重みを１：０：１とするため、錆検出対象エリアがたとえ泥により薄汚れていても、泥と錆とを混同することなく、入念な洗浄等により薄汚れを完全に除去した場合と同様に、赤錆を正確に検出することができる。 According to the above configuration, since the weights of the R component, G component, and B component in the captured image expressed in RGB format are set to 1: 0: 1 by the image processing means, the rust detection target area is, for example, Even if mud is thinly soiled, red rust can be accurately detected in the same manner as when thin soiling is completely removed by careful washing or the like without confusing mud and rust .

上記の構成によれば、前記画像処理手段は、前記撮像画像のＲ成分とＧ成分の重みを、１：０とすることを特徴とする。 According to the above configuration, the image processing means sets the weight of the R component and the G component of the captured image to 1: 0.

これにより、赤錆は茶色であり（Ｒ成分：Ｇ成分＝２：１）、赤錆には青成分が少ないことに着目し、Ｇ成分のみを減少するように重み付け処理することで、演算を高速化することができつつ、Ｒ成分が強調されることにより、錆検出対象エリアがたとえ泥により薄汚れていても、洗浄等により薄汚れを除去した場合と同様に、赤錆を正確に検出することができる。 As a result, red rust is brown (R component: G component = 2: 1), and attention is paid to the fact that red rust has a small blue component, and weighting processing is performed to reduce only the G component, thereby speeding up the calculation. Although the R component is emphasized, red rust can be detected accurately even when the rust detection target area is lightly soiled by mud, as in the case where the light soil is removed by washing or the like. it can.

またこの発明の一態様においては、前記画像処理手段では、前記重み付け処理したＲＧＢの各成分に基づく値と所定の階調の閾値との比較により前記撮像画像において赤錆エリアを抽出する赤錆エリア抽出処理を行うことができる。 Also, in one aspect of the present invention, the image processing means extracts a red rust area extraction process for extracting a red rust area in the captured image by comparing a value based on the weighted RGB components and a predetermined gradation threshold value. It can be performed.

上記構成によれば、重み付け処理したＲＧＢの各成分に基づく値と所定の階調の閾値とを比較することにより、赤錆を検出するうえでノイズとなる成分を除去することができ、赤錆をより強調することができる。また、重み付け処理を行う過程で、重み付け処理後のＲＧＢの各成分の値が例えば、マイナス値になるなど実際にはあり得ない値になった場合でも実際に則した値へと整合をとることができるため、確実に、赤錆検出を行うことができる。 According to the above configuration, by comparing a value based on each weighted RGB component and a threshold value of a predetermined gradation, it is possible to remove a component that causes noise in detecting red rust. Can be emphasized. Also, in the process of weighting, even if the value of each component of RGB after weighting becomes a negative value such as a negative value, it is matched to the value that actually complies. Therefore, it is possible to reliably detect red rust.

またこの発明の一態様においては、前記画像処理手段による前記重み付け処理の前処理として、前記撮像画像における前記錆検出対象エリアの中から錆検出対象となる車両部品に関する部品エリアを強調する部品エリア強調手段を備え、前記画像処理手段は、ＲＧＢ形式で表される前記撮像画像の代わりに、前記部品エリア強調手段により取得したＲＧＢ形式で表される部品エリア強調画像に基づいて該部品エリア強調画像の中の前記部品エリアに対して前記重み付け処理、及び前記赤錆エリア抽出処理を行うことを特徴とする。 Moreover, in one aspect of the present invention, as pre-processing of the weighting processing by the image processing means, component area emphasis that emphasizes a component area related to a vehicle component that is a rust detection target in the rust detection target area in the captured image The image processing means includes a component area emphasized image based on a component area emphasized image expressed in RGB format obtained by the component area emphasized means instead of the captured image expressed in RGB format. The weighting process and the red rust area extraction process are performed on the component area inside.

上記構成によれば、前記部品エリア強調手段により、前記重み付け処理の前処理として、前記撮像画像の中から部品エリアを正確に強調し、前記画像処理手段では、この強調した部品エリアに対して前記重み付け処理、及び前記赤錆エリア抽出処理を行うことで、前記重み付け処理、及び前記赤錆エリア抽出処理を部品エリアに対して集中して行うことができるため、正確に、且つ、処理速度を高速化して錆検出を行うことができる。 According to the above configuration, as the pre-processing of the weighting process, the component area emphasizing unit accurately emphasizes the component area from the captured image, and the image processing unit performs the enhancement on the emphasized component area. By performing the weighting process and the red rust area extraction process, the weighting process and the red rust area extraction process can be performed in a concentrated manner on the component area, so that the processing speed can be accurately increased. Rust detection can be performed.

またこの発明の一態様においては、前記部品エリア強調画像と、前記画像処理手段により取得した赤錆エリア抽出画像とのＡＮＤ処理に基づいて目視錆評価用画像を取得する目視錆評価用画像取得手段を備え、前記錆検出結果出力手段は、前記目視錆評価用画像を出力することができる。 Further, in one aspect of the present invention, there is provided a visual rust evaluation image acquisition unit that acquires a visual rust evaluation image based on an AND process between the component area emphasized image and the red rust area extraction image acquired by the image processing unit. The rust detection result output means can output the visual rust evaluation image.

上記構成によれば、前記目視錆評価用画像取得手段、及び前記錆検出結果出力手段により、前記目視錆評価用画像を出力するができるため、錆検出対象エリアが薄汚れた状態であっても、オペレータは、錆の部分とそれ以外の部分との違いを明確に識別することができ、部品の劣化を客観的に認識することができる。
従って、錆検出の熟練者でなくても、容易に、且つ正確に劣化の状態を認識することができる。 According to the above configuration, since the visual rust evaluation image can be output by the visual rust evaluation image acquisition means and the rust detection result output means, even if the rust detection target area is in a lightly dirty state. The operator can clearly identify the difference between the rust portion and the other portions, and can objectively recognize the deterioration of the parts.
Therefore, even if it is not an expert of rust detection, the state of deterioration can be recognized easily and correctly.

またこの発明の一態様においては、前記画像処理手段により取得した前記赤錆エリア抽出画像を基に、前記赤錆エリアの錆面積と、前記部品エリアに対する前記赤錆エリアの錆面積率とのうち少なくとも一方を演算する演算手段を備え、前記錆検出結果出力手段は、前記錆面積と前記錆面積率とのうち少なくとも一方を出力することができる。 In one aspect of this invention, on the basis of the red rust area extracted image obtained by the image processing unit, a rust area of the red rust area, at least one of the rust area ratio of the red rust area for the component area Computation means for computing is provided, and the rust detection result output means can output at least one of the rust area and the rust area rate.

上記構成によれば、前記演算手段、及び前記錆検出結果出力手段により、前記錆面積と前記錆面積率とのうち少なくとも一方を出力することができるため、部品の劣化の状態を示す客観的な結果として出力することができる。 According to the above configuration, since at least one of the rust area and the rust area rate can be output by the calculation means and the rust detection result output means, it is an objective that indicates a state of deterioration of the component. As a result, it can be output.

従って、錆検出の熟練者でなくても、容易に、且つ、正確に劣化の状態を認識することができ、例えば、錆に対する対策を講じる際の正確な判断材料に活かすことができる。 Therefore, even if it is not an expert of rust detection, the state of deterioration can be recognized easily and correctly, for example, it can utilize for the accurate judgment material at the time of taking the countermeasure with respect to rust.

またこの発明の車両用錆検出システムは、車体、或いは車両に配設する車両部品における錆検出対象エリアを撮像する撮像手段と、前記撮像手段により撮像した撮像画像を通信回線を通じて受信する通信手段と、前記撮像画像を基に画像処理する画像処理手段と、前記画像処理手段により画像処理した画像処理データを基に、錆検出結果を出力する錆検出結果出力手段とを備え、前記画像処理手段は、ＲＧＢ形式で表される前記撮像画像の中のＲ成分とＧ成分とＢ成分の重みを、１：０：１とすることを特徴とする。 Further, the vehicle rust detection system of the present invention includes an imaging means for imaging a rust detection target area in a vehicle body or a vehicle part disposed in the vehicle, and a communication means for receiving a captured image captured by the imaging means through a communication line. , Image processing means for image processing based on the captured image, and rust detection result output means for outputting a rust detection result based on the image processing data image processed by the image processing means, the image processing means The weights of the R component, the G component, and the B component in the captured image expressed in RGB format are set to 1: 0: 1 .

前記通信回線は、専用線や既存の一般公衆回線を利用して構築された通信ネットワークであり、ＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）等の様々な回線形態を適用することが可能であり、例えば、公衆無線回線網、ＩＳＤＮ回線網、電話回線網、通信衛星回線、ＣＡＴＶ回線網等の各種通信ネットワーク網と、ＩＰネットワーク等が含まれ、有線、又は無線を問わないものとする。 The communication line is a communication network constructed using a dedicated line or an existing general public line, and various line forms such as a LAN (Local Area Network) and a WAN (Wide Area Network) can be applied. For example, it includes various communication network networks such as a public wireless network, an ISDN network, a telephone network, a communication satellite network, a CATV network, etc., an IP network, etc., regardless of whether they are wired or wireless. .

またこの発明の車両用錆検出方法は、車体、或いは車両に配設する車両部品における錆検出対象エリアを撮像する撮像ステップと、前記撮像ステップにより撮像した撮像画像を記憶する記憶ステップと、前記撮像画像を基に画像処理する画像処理ステップと、前記画像処理ステップにより画像処理した画像処理データを基に、錆検出結果を出力する錆検出結果出力ステップとを行い、前記画像処理ステップは、ＲＧＢ形式で表される前記撮像画像の中のＲ成分とＧ成分とＢ成分の重みを、１：０：１とすることを特徴とする。 The vehicle rust detection method of the present invention, the vehicle body, or an imaging step for imaging the rust detection target area in the vehicle components disposed on the vehicle, a storage step of storing the captured image captured by the imaging step, the imaging An image processing step for image processing based on an image, and a rust detection result output step for outputting a rust detection result based on the image processing data image-processed by the image processing step, wherein the image processing step is in RGB format The weight of the R component, the G component, and the B component in the captured image represented by the formula is set to 1: 0: 1 .

またこの発明の一態様においては、前記画像処理ステップでは、前記重み付け処理したＲＧＢの各成分に基づく値と所定の階調の閾値との比較により前記撮像画像において赤錆エリアを抽出する赤錆エリア抽出処理を行うことができる。 In one aspect of the present invention, in the image processing step, a red rust area extraction process is performed in which a red rust area is extracted from the captured image by comparing a value based on the weighted RGB components and a predetermined gradation threshold value. It can be performed.

またこの発明の一態様においては、前記画像処理ステップによる前記重み付け処理の前処理として、前記撮像画像における前記錆検出対象エリアの中から錆検出対象となる車両部品に関する部品エリアを強調する部品エリア強調ステップを行い、前記画像処理ステップでは、ＲＧＢ形式で表される前記撮像画像の代わりに、前記部品エリア強調ステップにより取得したＲＧＢ形式で表される部品エリア強調画像に基づいて該部品エリア強調画像の中の前記部品エリアに対して前記重み付け処理、及び前記赤錆エリア抽出処理を行うことを特徴とする。 Moreover, in one aspect of the present invention, as pre-processing of the weighting process in the image processing step, a part area enhancement that emphasizes a part area related to a vehicle part that is a rust detection target from the rust detection target area in the captured image. In the image processing step, instead of the captured image represented in the RGB format, the component area enhanced image is based on the component area enhanced image represented in the RGB format obtained in the component area enhancing step . The weighting process and the red rust area extraction process are performed on the component area inside.

またこの発明の一態様においては、前記部品エリア強調画像と、前記赤錆エリア抽出処理により取得した赤錆エリア抽出画像とのＡＮＤ処理に基づいて目視錆評価用画像を取得する目視錆評価用画像取得ステップを行い、前記錆検出結果出力ステップでは、前記目視錆評価用画像を出力することができる。 Further, in one aspect of the present invention, a visual rust evaluation image acquisition step of acquiring a visual rust evaluation image based on an AND process of the component area emphasized image and the red rust area extraction image acquired by the red rust area extraction process. In the rust detection result output step, the visual rust evaluation image can be output.

またこの発明の一態様においては、前記画像処理ステップにより取得した前記赤錆エリア抽出画像を基に、前記赤錆エリアの錆面積と、前記部品エリアに対する前記赤錆エリアの錆面積率とのうち少なくとも一方を演算する演算ステップを行い、前記錆検出結果出力ステップでは、前記錆面積と前記錆面積率とのうち少なくとも一方を出力することができる。 In one aspect of this invention, on the basis of the red rust area extracted image obtained by the image processing step, the rust area of the red rust area, at least one of the rust area ratio of the red rust area for the component area An operation step of calculating is performed, and at the rust detection result output step, at least one of the rust area and the rust area rate can be output.

この発明によれば、車体、或いは例えば、サスペンションアームや排気管等の車両に搭載する車両部品に有する錆をたとえ泥等で薄汚れた状態のままでも泥等の影響を受けずに正確に検出できる効果がある。 According to the present invention, rust in a vehicle body or a vehicle part mounted on a vehicle such as a suspension arm or an exhaust pipe can be accurately detected without being affected by mud even if it remains in a dirt state with mud or the like. There is an effect that can be done.

車両用錆検出システムのハードウェア構成の概略図。The schematic diagram of the hardware constitutions of the rust detection system for vehicles. パーソナルコンピュータのブロック図。The block diagram of a personal computer. 車両用錆検出処理を示すフローチャート。The flowchart which shows the rust detection process for vehicles. 撮影画像の説明図。Explanatory drawing of a picked-up image. トリミング画像の説明図。Explanatory drawing of a trimming image. クラスタリング２値化処理画像の説明図。Explanatory drawing of a clustering binarization process image. 第１実施形態の赤錆エリア抽出画像の説明図。Explanatory drawing of the red rust area extraction image of 1st Embodiment. 目視錆評価用画像の説明図。Explanatory drawing of the image for visual rust evaluation. 錆検出対象エリアごとの車両部品に対する錆面積率を示すテーブル。The table which shows the rust area ratio with respect to the vehicle components for every rust detection object area. 第２実施形態の赤錆エリア抽出画像の説明図。Explanatory drawing of the red rust area extraction image of 2nd Embodiment.

この発明の一実施例を以下図面に基づいて詳述する。
（第１実施形態）
第１実施形態の車両用錆検出システム１は、図１に示すように、リフタ装置１０とカメラ２０と照明装置３０とパーソナルコンピュータ４０とプリンタ５０とサーバ６０とを構成要素としている。
なお、パーソナルコンピュータ４０とサーバ６０とは、インターネット７０を介して相互に接続されている。 An embodiment of the present invention will be described in detail with reference to the drawings.
(First embodiment)
As shown in FIG. 1, the vehicle rust detection system 1 according to the first embodiment includes a lifter device 10, a camera 20, a lighting device 30, a personal computer 40, a printer 50, and a server 60.
Note that the personal computer 40 and the server 60 are connected to each other via the Internet 70.

リフタ装置１０は、車幅方向の両外側で立設した支柱１１と支持台１２とを備えた構成であり、支持台１２により、車両Ｃを車体下面から支持し、油圧等により、車両Ｃの底面を撮影可能な高さと床面との間で車両Ｃを昇降可能に構成している。 The lifter device 10 includes a support column 11 and a support base 12 which are erected on both outer sides in the vehicle width direction. The support base 12 supports the vehicle C from the lower surface of the vehicle body, and hydraulically or the like. The vehicle C is configured to be movable up and down between a height at which the bottom surface can be photographed and the floor surface.

照明装置３０は、ストロボ装置で構成しているが、瞬間光に限らず、定常光を利用する装置、或いは双方を利用する装置であってもよく、例えば、蛍光灯、白熱灯、ＬＥＤ照明などで構成することができる。カメラ２０は、デジタルカメラ、或いはデジタルビデオカメラで構成することができる。
なお、照明装置３０は、カメラ２０と別体に限らず、一体であってもよく、一体のものと別体のものの双方を備えてもよい。 The illuminating device 30 is composed of a strobe device, but is not limited to instantaneous light, and may be a device that uses steady light, or a device that uses both. For example, a fluorescent lamp, an incandescent lamp, LED lighting, etc. Can be configured. The camera 20 can be composed of a digital camera or a digital video camera.
In addition, the illuminating device 30 is not restricted to the camera 20, but may be integrated, and may be provided with both an integrated device and a separate device.

印刷手段としてのプリンタ５０は、モノトーンプリンタ、セピアトーンプリンタ、又はカラープリンタで構成することができる。 The printer 50 as a printing unit can be configured by a monotone printer, a sepia tone printer, or a color printer.

パーソナルコンピュータ４０は、図２に示すように、ＣＰＵ４１、画像データ入力部４２、入力操作部４３、モニタ４４（表示部）、通信部４５、及び記憶部４６を備え、それぞれバス４７を介して接続されている。 As shown in FIG. 2, the personal computer 40 includes a CPU 41, an image data input unit 42, an input operation unit 43, a monitor 44 (display unit), a communication unit 45, and a storage unit 46, each connected via a bus 47. Has been.

ＣＰＵ４１は、記憶部４６に記憶されたプログラムデータ４６１等に基づいて各種処理を実行する。
画像データ入力部４２は、例えば、ＵＳＢなどで接続される有線、又は無線の通信インターフェース部で構成することができるが、これに限らず、メモリカードなどの外部記憶媒体（リムーバブルディスク）の読み書きを行うメディアインターフェース部を採用してもよく、若しくは、これら態様の適宜の組み合わせであってもよい。 The CPU 41 executes various processes based on the program data 461 and the like stored in the storage unit 46.
The image data input unit 42 can be configured by, for example, a wired or wireless communication interface unit connected by USB or the like, but is not limited thereto, and can read and write to an external storage medium (removable disk) such as a memory card. A media interface unit may be employed, or an appropriate combination of these aspects may be used.

入力操作部４３は、キーボード、マウス、タッチパネル等で構成し、オペレータの操作に応じて入力したデータ、信号を受け付ける。 The input operation unit 43 includes a keyboard, a mouse, a touch panel, and the like, and receives data and signals input in accordance with operator operations.

モニタ４４は、液晶ディスプレイ、ＣＲＴ等の周知の表示機器であり、タッチパネルを設けたディスプレイであってもよい。 The monitor 44 is a known display device such as a liquid crystal display or a CRT, and may be a display provided with a touch panel.

通信部４５は、ＬＡＮを通じて、システムの内外のデータ通信を行い、ＣＰＵ４１が実行する各種プログラムに基づいて、システム内に受信したデータを記憶部４６に記憶したり、記憶部４６に記憶しているデータをシステム外へ送信する。 The communication unit 45 performs data communication inside and outside the system through the LAN, and stores data received in the system in the storage unit 46 or stored in the storage unit 46 based on various programs executed by the CPU 41. Send data out of the system.

記憶部４６は、例えば、錆検出処理プログラム４６１Ｐ等の各種プログラムデータ４６１や錆検出処理に関する画像データ４６２など様々なデータを記憶したハードディスクなどの大容量メモリ（磁気データ）であるが、不揮発性メモリ（ＲＯＭ）に限らず、揮発性メモリ（ＲＡＭ）をも含む。 The storage unit 46 is, for example, a large-capacity memory (magnetic data) such as a hard disk that stores various data such as various program data 461 such as the rust detection processing program 461P and image data 462 related to the rust detection processing. Not only (ROM) but also volatile memory (RAM) is included.

その他にも、記憶部４６には、撮像画像１２Ｄを編集、加工するうえで必要な画像編集ソフト４６３ａなど、様々なアプリケーション４６３を適宜、記憶している。 In addition, the storage unit 46 appropriately stores various applications 463 such as image editing software 463a necessary for editing and processing the captured image 12D.

これら錆検出処理プログラム４６１Ｐや画像編集ソフト４６３ａは、通信部４５を介してダウンロードしたり、ＣＤ−ＲＯＭ等からインストールされ、記憶部４６に記憶される。 The rust detection processing program 461P and the image editing software 463a are downloaded via the communication unit 45, installed from a CD-ROM or the like, and stored in the storage unit 46.

錆検出処理プログラム４６１Ｐは、グレースケール変換処理モジュール１４Ｐ、部品エリア強調処理モジュール１５Ｐ、重み付け処理モジュール１６１Ｐ、赤錆エリア抽出処理モジュール１６２Ｐ、目視錆評価用画像取得処理モジュール１７Ｐ、演算処理モジュール１８Ｐ、錆検出結果出力処理モジュール１９Ｐの各種モジュール（関数）を構成要素に有し、これらモジュールを実行するメインプログラムである。 The rust detection processing program 461P includes a gray scale conversion processing module 14P, a component area enhancement processing module 15P, a weighting processing module 161P, a red rust area extraction processing module 162P, a visual rust evaluation image acquisition processing module 17P, an arithmetic processing module 18P, and a rust detection. It is a main program that has various modules (functions) of the result output processing module 19P as components and executes these modules.

画像データ４６２には、撮像画像１２Ｄと、該撮像画像１２Ｄを基に最終的に錆検出結果として得られる目視錆評価用画像１７Ｄとに加えて、撮像画像１２Ｄを基に目視錆評価用画像１７Ｄを得る過程で生成される中間生成画像データとして、例えば、トリミング画像１３Ｄ（元画像）、グレースケール形式元画像１４Ｄ、クラスタリング画像１５１Ｄ、クラスタリング２値化処理画像１５２Ｄ、部品エリア強調画像１５Ｄ、重み付け画像１６１Ｄ、赤錆エリア抽出画像１６２Ｄ等の画像データ４６２を記憶する。なお、これら画像データ４６２の中には、錆検出処理を行う過程において一時的に生成されるものも含まれるため、適宜、記憶部４６に一時記憶するものも含まれる。 In the image data 462, in addition to the captured image 12D and the visual rust evaluation image 17D finally obtained as a rust detection result based on the captured image 12D, the visual rust evaluation image 17D based on the captured image 12D. For example, the trimmed image 13D (original image), the grayscale format original image 14D, the clustering image 151D, the clustering binarized image 152D, the component area enhanced image 15D, and the weighted image are generated as intermediate generated image data generated in the process of obtaining 161D, image data 462 such as red rust area extraction image 162D are stored. The image data 462 includes data temporarily generated in the process of performing the rust detection process, and accordingly includes data temporarily stored in the storage unit 46.

また、サーバ６０についてもパーソナルコンピュータ４０と同様に、図示しないが、ＣＰＵや記憶部等を備えている。 The server 60 also includes a CPU, a storage unit and the like (not shown) as with the personal computer 40.

上述した車両用錆検出システム１を用いて、錆検出する処理について図３に示すフローチャートを用いて説明する。
まず、リフタ装置１０の支持台１２により車両Ｃを持ち上げ、車両Ｃの下面における錆検出をしたい車両部品を含む錆検出対象エリアＡに対して、適宜、照明装置３０によりストロボを照射しながら該錆検出対象エリアＡを例えば、カメラ２０で撮影する。これにより、図４に示すような撮像画像１２Ｄを取得する（ステップＳ１１）。 Processing for detecting rust using the vehicle rust detection system 1 described above will be described with reference to the flowchart shown in FIG.
First, the vehicle C is lifted by the support 12 of the lifter device 10, and the rust detection target area A including the vehicle parts on which the rust detection is to be performed on the lower surface of the vehicle C is appropriately performed by irradiating the strobe with the lighting device 30. The detection target area A is photographed by the camera 20, for example. Thereby, the captured image 12D as shown in FIG. 4 is acquired (step S11).

なお、錆検出対象エリアＡは、錆検出対象となる車両部品として、車両底面に配設されている、例えば、サスペンションクロスメンバ（以下、サスクロスという）、サスペンションアーム、サスペンションロアアーム、及びリアサスペンションクロスの前側トーコントロールリングとの取付け部の各部を含む複数のエリアとしている。また、車両底面の各錆検出対象エリアＡに含まれる車両部品は、高圧洗浄等せずに軽く水洗いした程度であり、車体から分解せずに車両底面に取りついた状態のままカメラ２０で撮影しているものとする。 The rust detection target area A is, for example, a suspension cross member (hereinafter referred to as a suspension cross), a suspension arm, a suspension lower arm, and a rear suspension cross, which are disposed on the bottom surface of the vehicle as vehicle parts that are rust detection targets. A plurality of areas including each part of the attachment portion with the front toe control ring are provided. In addition, the vehicle parts included in each rust detection target area A on the bottom surface of the vehicle are just washed with water without high-pressure washing or the like, and are photographed with the camera 20 while being attached to the bottom surface of the vehicle without being disassembled from the vehicle body. Suppose you are.

また、以下の説明では、上述した複数の錆検出対象エリアＡを撮像した撮像画像のうち、特に示す場合を除き、図４（ａ）に示すように、サスクロスを含む錆検出対象エリアＡを下方から撮像した撮像画像１２Ｄと、図４（ｂ）に示すように、サスペンションアームを含む錆検出対象エリアＡを車両後方側下方から撮像した撮像画像１２Ｄに基づいて説明する。
続いて、撮像画像１２Ｄのデータは、メモリーカードやＵＳＢケーブル等を介してカメラ２０から画像データ入力部４２を通じてパーソナルコンピュータ４０の記憶部４６に読み込まれ、該記憶部４６に画像データとして記憶される（ステップＳ１２）。 Moreover, in the following description, as shown in FIG. 4A, the rust detection target area A including the suspension cloth is downwardly moved, as shown in FIG. The captured image 12D captured from the vehicle, and the rust detection target area A including the suspension arm as illustrated in FIG. 4B will be described based on the captured image 12D captured from below the vehicle rear side.
Subsequently, the data of the captured image 12D is read into the storage unit 46 of the personal computer 40 from the camera 20 through the image data input unit 42 via a memory card, a USB cable, etc., and stored as image data in the storage unit 46. (Step S12).

撮像画像１２Ｄに対して、記憶部４６にインストールされている画像編集ソフト４６３ａを用いるなどしてトリミング処理を行う（ステップＳ１３）。
具体的には、撮像画像１２Ｄに表れている錆検出対象エリアＡの中において、サスクロスの部品エリアＡｐに対してそれ以外のエリアＡｎを切り取るように入力操作部４３によりトリミング処理することで、図５（ａ）、（ｂ）に示すように、部品エリアＡｐを抽出した部品エリア抽出画像としてのトリミング画像１３Ｄを取得することができ、該トリミング画像１３Ｄは、記憶部４６に画像データ４６２として記憶される（ステップＳ１３）。
図５（ａ）は、サスクロスを含む錆検出対象エリアＡのトリミング画像１３Ｄを示し、図５（ｂ）は、サスペンションアームを含む錆検出対象エリアＡのトリミング画像１３Ｄを示す。なお、図５（ａ）中の部品エリアＡｐには、サスクロスのみならず、ロアアームにおけるサスクロスとの枢支部Ｔも含まれているようにトリミング処理されているものとする。 Trimming processing is performed on the captured image 12D by using image editing software 463a installed in the storage unit 46 (step S13).
Specifically, in the rust detection target area A appearing in the captured image 12D, a trimming process is performed by the input operation unit 43 so as to cut off the other area An with respect to the part area Ap of the suspension cloth. 5 (a) and 5 (b), it is possible to acquire a trimming image 13D as a component area extraction image obtained by extracting the component area Ap, and the trimming image 13D is stored as image data 462 in the storage unit 46. (Step S13).
FIG. 5A shows a trimming image 13D of the rust detection target area A including the suspension cloth, and FIG. 5B shows a trimming image 13D of the rust detection target area A including the suspension arm. It is assumed that the part area Ap in FIG. 5A is trimmed so as to include not only the suspension cross but also the pivotal support portion T with the suspension cross in the lower arm.

このトリミング画像１３Ｄは、錆検出処理するうえでの元画像となるＲＧＢ形式で表された画像であり、ＣＰＵ４１は、このトリミング画像１３Ｄ（元画像）に対して、ステップＳ１４以降の処理を記憶部４６に記憶されている錆検出処理プログラム４６１Ｐの各モジュール（関数）に基づいて錆検出処理を実行する。 This trimmed image 13D is an image expressed in RGB format, which is an original image for the rust detection process, and the CPU 41 stores the processes after step S14 on the trimmed image 13D (original image). The rust detection processing is executed based on each module (function) of the rust detection processing program 461P stored in 46.

具体的には、ＣＰＵ４１は、グレースケール変換処理モジュール１４Ｐの指令により、ＲＧＢ形式で表されたトリミング画像１３Ｄ（元画像）をグレースケール（２５６階調）に変換処理し、明度成分を抽出したグレースケール形式元画像１４Ｄを取得する（ステップＳ１４）。 Specifically, the CPU 41 converts the trimming image 13D (original image) expressed in the RGB format into a gray scale (256 gradations) in accordance with a command from the gray scale conversion processing module 14P, and extracts a lightness component. The scale format original image 14D is acquired (step S14).

続いてＣＰＵ４１は、ステップＳ１４において取得したグレースケール形式元画像１４Ｄに対して、部品エリア強調処理として、クラスタリング処理（ステップＳ１５１）とクラスタリング処理したクラスタリング画像１５１Ｄの２値化処理（ステップＳ１５２）とをこの順で行う（ステップＳ１５）。 Subsequently, the CPU 41 performs a clustering process (step S151) and a binarization process (step S152) on the clustered image 151D as the component area enhancement process for the grayscale format original image 14D acquired in step S14. This is done in this order (step S15).

具体的には、ステップＳ１５１のクラスタリング処理では、ＣＰＵ４１は、グレースケール形式元画像１４Ｄの画素ごとの明度を、部品エリア強調処理モジュール１５Ｐの指令に基づいて、公知の重み付け平均法の一つである例えば、Ｋ−ｍｅａｎｓ法（Ｋ平均法）により、２５６階調から５０階調に明度を落とすクラスタリング処理を行う。 Specifically, in the clustering process of step S151, the CPU 41 is one of the known weighted average methods for the brightness of each pixel of the grayscale format original image 14D based on a command from the component area enhancement processing module 15P. For example, a clustering process for reducing the brightness from 256 gradations to 50 gradations is performed by the K-means method (K average method).

ここで、ステップＳ１４において取得したグレースケール形式元画像１４Ｄは、錆検出対象エリアＡにおける部品エリア以外のエリアＡｎは明度が０で黒色であるのに対して、部品エリアＡｐは明度が非ゼロである、つまり、０でないことから、ステップＳ１５１において、グレースケール形式元画像１４Ｄの各画素の明度を２５６階調から５０階調に落とすことで、部品エリアＡｐと部品エリア以外のエリアＡｎとの明度の違いを強調することができる。 Here, in the grayscale format original image 14D acquired in step S14, the area An other than the part area in the rust detection target area A has a brightness of 0 and black, whereas the part area Ap has a non-zero brightness. Yes, that is, not 0. In step S151, by reducing the brightness of each pixel of the grayscale format original image 14D from 256 to 50 gradations, the brightness of the part area Ap and the area An other than the part area is determined. The difference can be emphasized.

続く、クラスタリング画像１５１Ｄの２値化処理（ステップＳ１５２）では、ＣＰＵ４１は、部品エリア強調処理モジュール１５Ｐの指令に基づいて、ステップＳ１５１で取得したクラスタリング画像１５１Ｄの錆検出対象エリアＡを、ステップＳ１５１で強調された黒部分と、そうでない部分とに２値化処理し、クラスタリング２値化処理画像１５２Ｄを取得する。これにより、図６（ａ）、（ｂ）に示すように、錆検出対象エリアＡの中において、部品エリア以外のエリアＡｎが黒部分とするのに対して部品エリアＡｐが白部分となり、部品エリア以外のエリアＡｎに対して部品エリアＡｐがさらに強調される。
なお、図６（ａ）は、サスクロスを含む錆検出対象エリアＡのクラスタリング２値化処理画像１５２Ｄを示し、図６（ｂ）は、サスペンションアームを含む錆検出対象エリアＡのクラスタリング２値化処理画像１５２Ｄを示す。 In the subsequent binarization process (step S152) of the clustering image 151D, the CPU 41 determines the rust detection target area A of the clustering image 151D acquired in step S151 based on the command from the component area enhancement processing module 15P in step S151. Binarization processing is performed on the emphasized black portion and the non-emphasized portion, and a clustering binarization processing image 152D is acquired. Accordingly, as shown in FIGS. 6A and 6B, in the rust detection target area A, the area An other than the part area is a black part, whereas the part area Ap is a white part. The parts area Ap is further emphasized with respect to the area An other than the area.
6A illustrates a clustering binarization processing image 152D of the rust detection target area A including the suspension cross, and FIG. 6B illustrates clustering binarization processing of the rust detection target area A including the suspension arm. An image 152D is shown.

ここで、クラスタリング画像１５１Ｄの２値化処理（ステップＳ１５２）では、クラスタリング画像１５１Ｄを２値化処理する際の明度の閾値を、５０階調の中で１０に設定し、ＣＰＵ４１は、部品エリア強調処理モジュール１５Ｐの指令に基づいて、明度が１０以上であれば、白部分と判定し、明度が１０より小さければ、黒部分と判定している。但し、このように明度の閾値を１０に設定することで、高確度で部品領域が抽出できる点で好ましいが、明度の閾値は、１０に設定するに限らず、任意の値に設定してもよい。 Here, in the binarization processing (step S152) of the clustering image 151D, the threshold value of brightness when binarizing the clustering image 151D is set to 10 in 50 gradations, and the CPU 41 emphasizes the component area. Based on the command of the processing module 15P, if the brightness is 10 or more, it is determined as a white portion, and if the brightness is less than 10, it is determined as a black portion. However, setting the lightness threshold to 10 in this way is preferable in that the part region can be extracted with high accuracy. However, the lightness threshold is not limited to 10 and may be set to any value. Good.

なお、ステップＳ１５では、ステップＳ１３で取得したトリミング画像１３ＤとステップＳ１５２で取得したクラスタリング２値化処理画像１５２Ｄとに基づいて、最終的に、錆検出対象エリアＡの中で部品エリアＡｐが強調されたＲＧＢ形式で表される部品エリア強調画像１５Ｄを取得できる。 In step S15, the component area Ap is finally emphasized in the rust detection target area A based on the trimming image 13D acquired in step S13 and the clustering binarized image 152D acquired in step S152. The component area emphasized image 15D expressed in RGB format can be acquired.

例えば、ステップＳ１３で取得したＲＧＢ形式で表されたトリミング画像１３Ｄ中の錆検出対象エリアＡにおいて、ステップＳ１５２で取得したクラスタリング２値化処理画像１５２Ｄの黒部分に相当するエリアＡｎを取り除くなどの処理により、錆検出対象エリアＡの中で部品エリア以外のエリアＡｎをマスキング処理することができ、部品エリアＡｐが強調されたＲＧＢ形式で表される部品エリア強調画像１５Ｄを取得できる。 For example, in the rust detection target area A in the trimmed image 13D represented in the RGB format acquired in step S13, a process such as removing the area An corresponding to the black portion of the clustering binarized image 152D acquired in step S152. Thus, the area An other than the part area in the rust detection target area A can be masked, and the part area emphasized image 15D expressed in the RGB format in which the part area Ap is emphasized can be acquired.

続いてＣＰＵ４１は、部品エリア強調画像１５Ｄに対して、赤錆エリア強調抽出処理として、赤錆エリアＡｐｗを強調する重み付け処理（ステップＳ１６１）と重み付け処理した重み付け画像１６１Ｄを基に、赤錆エリアＡｐｗを抽出する赤錆エリア抽出処理（ステップＳ１６２）とをこの順で行う（ステップＳ１６）。 Subsequently, the CPU 41 extracts the red rust area Apw from the weighted image 161D obtained by weighting the red rust area Apw and the weighted image 161D as the red rust area enhancement extraction process for the component area emphasized image 15D. The red rust area extraction process (step S162) is performed in this order (step S16).

具体的に、重み付け処理（ステップＳ１６１）では、ＣＰＵ４１は、重み付け処理モジュール１６１Ｐの指令により、ＲＧＢ形式で表される部品エリア強調画像１５Ｄに対してＲ成分（赤成分）をＧ成分（緑成分）、及びＢ成分（青成分）よりも重く重み付け処理する（ステップＳ１６１）。これにより茶成分を強調している。 Specifically, in the weighting process (step S161), the CPU 41 receives an R component (red component) and a G component (green component) for the component area emphasized image 15D expressed in RGB format according to a command from the weighting processing module 161P. , And the B component (blue component) are weighted more heavily (step S161). This emphasizes the tea component.

すなわち、重み付け処理では、部品エリア強調画像１５ＤのＲＧＢの各成分の重みについて、Ｒ成分に対してＧ成分とＢ成分との重みを等しく小さくする処理を行っている。 In other words, in the weighting process, a process of reducing the weights of the G component and the B component equally with respect to the R component is performed with respect to the weights of the RGB components of the part area emphasized image 15D.

具体的には、部品エリア強調画像１５Ｄの画素ごとのＲＧＢの各成分の色成分値に対して、それぞれ１．０倍、０．５倍、０．５倍を掛け合わせていき、重み付け画像１６１Ｄを取得するとともに、部品エリア強調画像１５Ｄの画素ごとに、赤成分値−｛緑成分値＋青成分値｝により算出される重み付け成分値を算出する（ステップＳ１６１）。 Specifically, the color component values of RGB components for each pixel of the component area emphasized image 15D are multiplied by 1.0, 0.5, and 0.5 times, respectively, and the weighted image 161D. And a weighted component value calculated by red component value− {green component value + blue component value} is calculated for each pixel of the component area emphasized image 15D (step S161).

続く、赤錆エリア抽出処理（ステップＳ１６２）では、ＣＰＵ４１は、赤錆エリア抽出処理モジュール１６２Ｐの指令に基づいて、ステップＳ１６１で取得した重み付け画像１６１Ｄを、ステップＳ１６１において画素ごとに算出した重み付け成分値と、所定の閾値との比較に基づいて２値化処理する。 Subsequently, in the red rust area extraction process (step S162), the CPU 41 calculates the weighted component value calculated for each pixel in step S161 by using the weighted image 161D acquired in step S161 based on the command of the red rust area extraction process module 162P. Binarization processing is performed based on comparison with a predetermined threshold.

具体的には、重み付け画像１６１Ｄの画素ごとの重み付け成分値の閾値を、２５６階調の中で２０に設定し、重み付け画像１６１Ｄの画素ごとに、重み付け成分値が、所定の閾値である２０以上となり赤成分が高い場合は、白部分（Ａｐｗ）とし、２０よりも小さくなり赤成分が低い場合には黒部分Ａｐｂとする２値化処理し、図７（ａ）、（ｂ）に示すような赤錆エリア抽出画像１６２Ｄを取得する（ステップＳ１６２）。
なお、図７（ａ）は、サスクロスを含む錆検出対象エリアＡの赤錆エリア抽出画像１６２Ｄを示し、図７（ｂ）は、サスペンションアームを含む錆検出対象エリアＡの赤錆エリア抽出画像１６２Ｄを示す。 Specifically, the threshold value of the weighting component value for each pixel of the weighted image 161D is set to 20 in 256 gradations, and the weighting component value is 20 or more that is a predetermined threshold value for each pixel of the weighted image 161D. When the red component is high, the white portion (Apw) is set, and when the red component is lower than 20 and the red component is low, the black portion Apb is binarized, as shown in FIGS. 7 (a) and 7 (b). A red rust area extraction image 162D is acquired (step S162).
7A shows a red rust area extraction image 162D of the rust detection target area A including the suspension cloth, and FIG. 7B shows a red rust area extraction image 162D of the rust detection target area A including the suspension arm. .

続いて、目視錆評価用画像取得処理（ステップＳ１７）では、ＣＰＵ４１は、目視錆評価画像取得処理モジュール１７Ｐの指令に基づいて、ステップＳ１５で取得した部品エリア強調画像１５Ｄと、ステップＳ１６２で取得した赤錆エリア抽出画像１６２ＤとのＡＮＤ処理（論理積演算処理）に基づいて、目視により錆評価し易い図８（ａ）、（ｂ）に示すような目視錆評価用画像１７Ｄを取得する。
なお、図８（ａ）は、サスクロスを含む錆検出対象エリアＡの目視錆評価用画像１７Ｄを示し、図８（ｂ）は、サスペンションアームを含む錆検出対象エリアＡの目視錆評価用画像１７Ｄを示す。 Subsequently, in the visual rust evaluation image acquisition process (step S17), the CPU 41 acquires the component area emphasized image 15D acquired in step S15 and the step S162 based on the instruction of the visual rust evaluation image acquisition processing module 17P. Based on AND processing (logical product operation processing) with the red rust area extraction image 162D, a visual rust evaluation image 17D as shown in FIGS.
8A shows a visual rust evaluation image 17D of the rust detection target area A including the suspension cloth, and FIG. 8B shows a visual rust evaluation image 17D of the rust detection target area A including the suspension arm. Indicates.

なお、ステップＳ１７の目視錆評価用画像取得処理は、ステップＳ１５で取得した部品エリア強調画像１５Ｄと、ステップＳ１６２で取得した赤錆エリア抽出画像１６２ＤとのＡＮＤ処理で行うことが好ましいが、これに限らず、例えば、ステップＳ１５で取得した部品エリア強調画像１５Ｄの代わりに、ステップＳ１３で取得したトリミング画像１３Ｄ（元画像）を用いてもよい。 Note that the visual rust evaluation image acquisition processing in step S17 is preferably performed by AND processing of the component area enhancement image 15D acquired in step S15 and the red rust area extraction image 162D acquired in step S162, but is not limited thereto. For example, instead of the component area emphasized image 15D acquired in step S15, the trimmed image 13D (original image) acquired in step S13 may be used.

ＣＰＵ４１は、演算処理モジュール１８Ｐの指令に基づいて、ステップＳ１６２において取得した赤錆エリア抽出画像１６２Ｄ、或いはステップＳ１７において取得した目視錆評価用画像１７Ｄを基に、例えば、部品エリアＡｐに対する赤錆エリアＡｐｗの錆面積率を演算する演算処理を行い、錆検出対象エリアＡごとの錆面積率データを適宜、記憶部４６に記憶する（ステップＳ１８）。 Based on the instruction of the arithmetic processing module 18P, the CPU 41, for example, based on the red rust area extraction image 162D acquired in step S162 or the visual rust evaluation image 17D acquired in step S17, for example, the red rust area Apw with respect to the part area Ap. A calculation process for calculating the rust area ratio is performed, and the rust area ratio data for each rust detection target area A is appropriately stored in the storage unit 46 (step S18).

なお、部品エリアＡｐに対する赤錆エリアＡｐｗの錆面積率は、（赤錆エリア抽出画像１６２Ｄにおける赤錆エリアＡｐｗに相当する白部分の画素数）／（クラスタリング２値化処理画像１５２Ｄ、或いは部品エリア強調画像１５Ｄにおける部品エリアＡに相当する白部分の画素数）×１００を基に算出することができる。ちなみに、赤錆エリアＡｐｗの錆面積は、（赤錆エリア抽出画像１６２Ｄにおける赤錆エリアＡｐｗに相当する白部分の画素数）×（画素分解能）を基に算出することができる。なお、画素分解能は１画素あたりのサイズ（ｍｍ）である。 Note that the rust area ratio of the red rust area Apw with respect to the component area Ap is (the number of pixels in the white portion corresponding to the red rust area Apw in the red rust area extraction image 162D) / (clustering binarized image 152D or the component area enhancement image 15D). The number of pixels in the white portion corresponding to the component area A) × 100 can be calculated. Incidentally, the rust area of the red rust area Apw can be calculated based on (the number of pixels of the white portion corresponding to the red rust area Apw in the red rust area extraction image 162D) × (pixel resolution). The pixel resolution is a size (mm) per pixel.

ＣＰＵ４１は、錆検出結果出力処理モジュール１９Ｐの指令に基づいて、ステップＳ１７で取得した図８（ａ）、（ｂ）に示すような目視錆評価用画像１７Ｄと、ステップＳ１８で演算した部品エリアＡｐに対する赤錆エリアＡｐｗの錆面積率とを錆検出結果としてモニタ４４に表示するとともに、部品エリアＡｐに対する赤錆エリアＡｐｗの錆面積率をプリンタ５０に出力し、錆検出処理を終了する（ステップＳ１９）。 The CPU 41, based on the command of the rust detection result output processing module 19P, the visual rust evaluation image 17D as shown in FIGS. 8A and 8B acquired in step S17 and the component area Ap calculated in step S18. The rust area ratio of the red rust area Apw with respect to is displayed on the monitor 44 as a rust detection result, and the rust area ratio of the red rust area Apw with respect to the component area Ap is output to the printer 50, and the rust detection process is terminated (step S19).

なお、部品エリアＡｐに対する赤錆エリアＡｐｗの錆面積率については、図９（ａ）に示すように、６つの錆検出対象エリアＡごとに錆面積率テーブルにまとめており、この錆面積率テーブルはモニタ４４により一覧表示される。 In addition, about the rust area rate of the red rust area Apw with respect to the component area Ap, as shown to Fig.9 (a), it puts together in the rust area rate table for every six rust detection area A, and this rust area rate table is A list is displayed on the monitor 44.

上述したように、上記実施例の車両用錆検出システム１は、図１、及び図２に示すように、車体、或いは車両Ｃに配設する車両部品として例えば、サスクロスやサスペンションアームを含む錆検出対象エリアＡを撮像する撮像手段としてのカメラ２０と、該カメラ２０により撮像した撮像画像１２Ｄを記憶する記憶手段としての記憶部４６と、撮像画像１２Ｄを基に画像処理する画像処理手段としての錆検出処理プログラム４６１Ｐに基づく処理を実行するＣＰＵ４１と、該ＣＰＵ４１により画像処理した画像処理データとしての目視錆評価用画像１７Ｄ、及び部品エリアＡｐに対する赤錆エリアＡｐｗの錆面積率を基に、錆検出結果として図８に示すような目視錆評価用画像１７Ｄ、及び図９（ａ）に示すような錆面積率テーブルを出力する錆検出結果出力手段としてのモニタ４４やプリンタ５０を備え、画像処理手段としての錆検出処理プログラム４６１Ｐの特に、重み付け処理モジュール１６１Ｐに基づく処理を実行するＣＰＵ４１は、ＲＧＢ形式で表される撮像画像１２Ｄの中のＲ成分をＧ成分、及びＢ成分よりも重く重み付け処理するものである。 As described above, the vehicle rust detection system 1 according to the above-described embodiment is, as shown in FIGS. 1 and 2, rust detection including, for example, a suspension cloth or a suspension arm as a vehicle part or a vehicle component disposed in the vehicle C. A camera 20 as an imaging unit that images the target area A, a storage unit 46 as a storage unit that stores a captured image 12D captured by the camera 20, and a rust as an image processing unit that performs image processing based on the captured image 12D. Rust detection results based on the CPU 41 for executing processing based on the detection processing program 461P, the visual rust evaluation image 17D as image processing data image-processed by the CPU 41, and the rust area ratio of the red rust area Apw with respect to the component area Ap. 8D for visual rust evaluation as shown in FIG. 8 and a rust area ratio table as shown in FIG. A CPU 41 that includes a monitor 44 and a printer 50 as rust detection result output means and executes processing based on the weighting processing module 161P of the rust detection processing program 461P as image processing means, particularly, a captured image 12D expressed in RGB format. Is weighted more heavily than the G component and the B component.

この構成によれば、錆検出処理プログラム４６１Ｐの特に、重み付け処理モジュール１６１Ｐに基づく処理を実行するＣＰＵ４１によって、ＲＧＢ形式で表される撮像画像１２Ｄの中のＲ成分をＧ成分、及びＢ成分よりも重く重み付け処理することができるため、錆検出対象エリアＡがたとえ泥により薄汚れていても、泥と錆とが混同することなく、洗浄等により薄汚れを除去した場合と同様に、赤錆を正確に検出することができる。 According to this configuration, the R component in the captured image 12D represented in the RGB format is more than the G component and the B component by the CPU 41 that executes the processing based on the weighting processing module 161P of the rust detection processing program 461P. Because it can be heavily weighted, even if the rust detection target area A is lightly soiled with mud, the mud and rust will not be confused, and as with the case where the light soil is removed by washing etc., red rust is accurately detected. Can be detected.

この発明の一実施形態においては、錆検出処理プログラム４６１Ｐの特に、重み付け処理モジュール１６１Ｐに基づく処理を実行するＣＰＵ４１は、撮像画像１２ＤのＲＧＢの各成分の重みについて、Ｒ成分に対してＧ成分とＢ成分との重みを等しく小さくすることを特徴とする。 In the embodiment of the present invention, the CPU 41 that executes the processing based on the weighting processing module 161P of the rust detection processing program 461P, in particular, sets the G component to the R component for the weight of each RGB component of the captured image 12D. It is characterized in that the weight with the B component is equally reduced.

この構成によれば、撮像画像１２ＤのＲ成分に対してＧ成分とＢ成分とを等しく減少させることでＲ成分をＧ成分、及びＢ成分よりも重く重み付けしたことにより、画像の白成分を減少させて赤を強調することで、錆検出対象エリアＡにおける赤錆エリアＡｐｗを強調することができる。 According to this configuration, the white component of the image is reduced by weighting the R component more heavily than the G component and the B component by reducing the G component and the B component equally with respect to the R component of the captured image 12D. By emphasizing red, the red rust area Apw in the rust detection target area A can be emphasized.

またこの発明の一実施形態においては、画像処理手段としての錆検出処理プログラム４６１Ｐの特に、赤錆エリア抽出処理モジュール１６２Ｐに基づく処理を実行するＣＰＵ４１では、上述のように、重み付け処理したＲＧＢの各成分に基づく値と、所定の階調の閾値（＝２０）との比較により撮像画像１２Ｄにおいて赤錆エリアＡｐｗを抽出する赤錆エリア抽出処理（ステップ１６２）を行うことを特徴とする。 In one embodiment of the present invention, the CPU 41 that executes the processing based on the red rust area extraction processing module 162P of the rust detection processing program 461P as the image processing means, in particular, each of the RGB components subjected to the weighting processing as described above. A red rust area extraction process (step 162) for extracting the red rust area Apw in the captured image 12D by comparing the value based on the above and a threshold value (= 20) of a predetermined gradation is performed.

上記構成によれば、重み付け処理したＲＧＢの各成分に基づく値と所定の階調の閾値とを比較することにより、赤錆を検出するうえでノイズとなる成分を除去することができ、赤錆をより強調することができる。また、重み付け処理を行った後のＲＧＢの各成分の値が例えば、マイナス値になるなど実際にはあり得ない値になることを防ぎ、実際に則した値へと整合をとることができるため、確実に、赤錆検出を行うことができる。 According to the above configuration, by comparing a value based on each weighted RGB component and a threshold value of a predetermined gradation, it is possible to remove a component that causes noise in detecting red rust. Can be emphasized. In addition, the value of each component of RGB after performing the weighting process can be prevented from becoming a value that is not actually possible, such as a negative value, for example, and can be matched to a value that complies with the actual value. It is possible to reliably detect red rust.

またこの発明の一実施形態においては、ＣＰＵ４１による重み付け処理の前処理として、撮像画像１２Ｄにおける錆検出対象エリアＡの中から車両部品としてのサスクロスやサスペンションアーム等の部品エリアＡｐを強調する部品エリア強調手段としての錆検出処理プログラム４６１Ｐの特に、部品エリア強調処理モジュール１５Ｐに基づく処理を実行するＣＰＵ４１を備え、画像処理手段としての錆検出処理プログラム４６１Ｐの特に、重み付け処理モジュール１６１Ｐ、及び赤錆エリア抽出処理モジュール１６２Ｐに基づく処理を実行するＣＰＵ４１は、ＲＧＢ形式で表される撮像画像１２Ｄの代わりに、錆検出処理プログラム４６１Ｐの特に、部品エリア強調処理モジュール１５Ｐに基づく処理を実行するＣＰＵ４１により取得したＲＧＢ形式で表される部品エリア強調画像１５Ｄに基づいて該部品エリア強調画像１５Ｄの中の部品エリアＡｐに対してステップ１６１の重み付け処理、及びステップ１６２の赤錆エリア抽出処理を行うことを特徴とする。 In one embodiment of the present invention, as pre-processing for weighting processing by the CPU 41, component area emphasis for emphasizing a component area Ap such as a suspension or suspension arm as a vehicle component from the rust detection target area A in the captured image 12D. In particular, the CPU 41 includes a CPU 41 that executes processing based on the component area enhancement processing module 15P of the rust detection processing program 461P as means, and in particular, the weighting processing module 161P and red rust area extraction processing of the rust detection processing program 461P as image processing means. The CPU 41 that executes processing based on the module 162P is obtained by the CPU 41 that executes processing based on the part area enhancement processing module 15P, in particular, the rust detection processing program 461P instead of the captured image 12D expressed in RGB format. A weighting process in step 161 and a red rust area extracting process in step 162 are performed on the part area Ap in the part area emphasized image 15D based on the part area emphasized image 15D expressed in GB format. .

上記構成によれば、錆検出処理プログラム４６１Ｐの特に、部品エリア強調処理モジュール１５Ｐに基づく処理を実行するＣＰＵ４１により、ステップ１６１の重み付け処理の前処理として、サスクロスやサスペンションアーム等の部品エリアＡｐを部品エリア以外のエリアＡｎに対して強調し、ＣＰＵ４１は、この強調した部品エリアＡｐに対してステップ１６１の重み付け処理、及びステップ１６２の赤錆エリア抽出処理を行うことで、重み付け処理、及び赤錆エリア抽出処理を部品エリアＡｐにおいて集中して行うことができるため、正確、且つ、処理速度を高速化して錆検出を行うことができる。 According to the above configuration, the CPU 41 that executes the processing based on the part area emphasis processing module 15P of the rust detection processing program 461P uses the parts area Ap such as the suspension cloth and the suspension arm as the preprocessing of the weighting process in step 161. The CPU 41 emphasizes the area An other than the area, and the CPU 41 performs the weighting process in step 161 and the red rust area extraction process in step 162 on the emphasized part area Ap, thereby performing the weighting process and the red rust area extraction process. Therefore, it is possible to perform rust detection accurately and at a high processing speed.

またこの発明の一実施形態においては、部品エリア強調画像１５Ｄと、錆検出処理プログラム４６１Ｐの特に、赤錆エリア抽出処理モジュール１６２Ｐに基づく処理を実行するＣＰＵ４１により取得した赤錆エリア抽出画像１６２ＤとのＡＮＤ処理に基づいて、目視錆評価用画像１７Ｄを取得する目視錆評価用画像取得手段として、錆検出処理プログラム４６１Ｐの特に、目視錆評価用画像取得処理モジュール１７Ｐに基づく処理を実行するＣＰＵ４１を備え、錆検出結果出力手段としてのモニタ４４、及びプリンタ５０は、該ＣＰＵ４１により取得した目視錆評価用画像１７Ｄを出力するものである（ステップＳ１９）。 In one embodiment of the present invention, the AND processing of the component area enhancement image 15D and the red rust area extraction image 162D acquired by the CPU 41 that executes processing based on the rust detection processing program 162P, particularly the red rust area extraction processing module 162P. As a visual rust evaluation image acquisition means for acquiring the visual rust evaluation image 17D based on the rust detection processing program 461P, in particular, the CPU 41 for executing processing based on the visual rust evaluation image acquisition processing module 17P is provided, The monitor 44 and the printer 50 serving as detection result output means output the visual rust evaluation image 17D acquired by the CPU 41 (step S19).

上記構成によれば、錆検出処理プログラム４６１Ｐの特に、目視錆評価用画像取得処理モジュール１７Ｐに基づく処理を実行するＣＰＵ４１、及び、モニタ４４、又はプリンタ５０により、目視錆評価用画像１７Ｄを出力表示することができるため、錆検出対象エリアＡが薄汚れた状態であっても、錆の部分とそれ以外の部分との違いを明確に識別することができ、車両部品の劣化を客観的に報知することができる。
従って、錆検出の熟練者でなくても、容易に、且つ正確に劣化の状態を認識することができる。 According to the above configuration, the visual rust evaluation image 17D is output and displayed by the CPU 41 and the monitor 44 or the printer 50 that execute processing based on the visual rust evaluation image acquisition processing module 17P, in particular, of the rust detection processing program 461P. Therefore, even when the rust detection target area A is lightly soiled, the difference between the rust portion and the other portions can be clearly identified, and the deterioration of the vehicle parts is objectively notified. can do.
Therefore, even if it is not an expert of rust detection, the state of deterioration can be recognized easily and correctly.

またこの発明の一実施形態においては、画像処理手段としての錆検出処理プログラム４６１Ｐの特に、赤錆エリア抽出処理モジュール１６２Ｐに基づく処理を実行するＣＰＵ４１により取得した赤錆エリア抽出画像１６２Ｄを基に、部品エリアＡｐとしてのサスクロスやサスペンションアーム等の部品エリアＡｐに対する赤錆エリアＡｐｗの錆面積率を演算する演算手段としての錆検出処理プログラム４６１Ｐの特に、演算処理モジュール１８Ｐに基づく処理を実行するＣＰＵ４１を備え、錆検出結果出力手段としてのモニタ４４、及びプリンタ５０は、錆面積率を出力するものである（ステップＳ１９）。 In one embodiment of the present invention, the parts area is based on the red rust area extraction image 162D acquired by the CPU 41 that executes processing based on the red rust area extraction processing module 162P of the rust detection processing program 461P as the image processing means. A rust detection processing program 461P as a calculation means for calculating the rust area ratio of the red rust area Apw relative to the parts area Ap such as a suspension cloth or suspension arm as Ap, in particular, includes a CPU 41 for executing processing based on the calculation processing module 18P. The monitor 44 and the printer 50 as detection result output means output the rust area ratio (step S19).

上記構成によれば、錆検出処理プログラム４６１Ｐの特に、赤錆エリア抽出処理モジュール１６２Ｐに基づく処理を実行するＣＰＵ４１、並びにモニタ４４、及びプリンタ５０により、サスクロス等の部品エリアＡｐに対する赤錆エリアＡｐｗの錆面積率を表示することができるため、部品の劣化の状態を示す客観的な結果として出力することができる。 According to the above configuration, the CPU 41 for executing the processing based on the red rust area extraction processing module 162P of the rust detection processing program 461P, the monitor 44, and the printer 50, the rust area of the red rust area Apw with respect to the component area Ap such as the suspension cloth. Since the rate can be displayed, it can be output as an objective result indicating the state of deterioration of the component.

また、第１実施形態の車両用錆検出システム１、又は第１実施形態の車両用錆検出処理は、上述した実施形態に限定せず、様々な実施形態とすることができる。
例えば、第１実施形態の車両用錆検出処理のステップＳ１６１の重み付け処理においては、撮像画像１２Ｄ、又は部品エリア強調画像１５Ｄの画素ごとのＲＧＢの各成に対して、上述したように、１：０．５：０．５の比率で重み付けしたが、これに限らず、ＲＧＢの各成に対して、１：１／３：１／３や、５：１：１の比率で重み付けするなど、撮像画像１２ＤのＲＧＢの各成分の重みについて、Ｒ成分よりもＧ成分とＢ成分とを等しく小さくするように重み付けする範囲であれば、特に限定しない。 Moreover, the vehicle rust detection system 1 of the first embodiment or the vehicle rust detection process of the first embodiment is not limited to the above-described embodiment, and can be various embodiments.
For example, in the weighting process in step S161 of the vehicle rust detection process of the first embodiment, as described above, for each component of RGB for each pixel of the captured image 12D or the component area emphasized image 15D, 1: Although weighting is performed at a ratio of 0.5: 0.5, the present invention is not limited to this, and each RGB component is weighted at a ratio of 1: 1/3: 1/3 or 5: 1: 1. The weights of the RGB components of the captured image 12D are not particularly limited as long as the weights are set so that the G component and the B component are equally smaller than the R component.

以下では、第２実施形態における車両用錆検出処理について説明する。
但し、以下で説明する車両用錆検出処理の各処理のうち、上述した第１実施形態における車両用錆検出処理と同様の処理については、同一の符号を付して、その説明を省略する。 Below, the rust detection process for vehicles in 2nd Embodiment is demonstrated.
However, among the processes of the vehicle rust detection process described below, the same processes as the vehicle rust detection process in the first embodiment described above are denoted by the same reference numerals, and the description thereof is omitted.

（第２実施形態）
第１実施形態における車両用錆検出処理では、ステップＳ１６１の重み付け処理において、撮像画像１２Ｄ、又は部品エリア強調画像１５ＤのＲＧＢの各成分の重みについて、Ｒ成分よりもＧ成分とＢ成分とを等しく小さくする重み付け処理を行ったが、第２実施形態の車両用錆検出処理では、撮像画像１２Ｄ、又は部品エリア強調画像１５ＤのＲ成分とＧ成分とＢ成分の重みを、１：０：１とすることを特徴とする。
すなわち、撮像画像１２Ｄ、又は部品エリア強調画像１５Ｄの画素ごとのＲＧＢの各成分の色成分値に対して、それぞれ１．０倍、０倍、１．０倍を掛け合わせて重み付けしている。 (Second Embodiment)
In the vehicle rust detection process in the first embodiment, in the weighting process of step S161, the G component and the B component are more equal than the R component with respect to the weights of the RGB components of the captured image 12D or the component area emphasized image 15D. Although weighting processing to reduce the weight is performed, in the vehicle rust detection processing of the second embodiment, the weights of the R component, the G component, and the B component of the captured image 12D or the component area emphasized image 15D are set to 1: 0: 1. It is characterized by doing.
That is, the color component values of the RGB components for each pixel of the captured image 12D or the component area emphasized image 15D are weighted by multiplying by 1.0 times, 0 times, and 1.0 times, respectively.

上記構成によれば、赤錆は茶色であり、赤錆には青成分が少なく、赤錆エリアＡｐｗを検出するうえでＧ成分が邪魔していることに着目し、Ｇ成分のみを完全に０になるように（Ｒ成分：Ｇ成分＝１：０）重み付け処理することで、白泥が付着している部品表面の中から白色成分のみを忠実に除去することができ、茶色に錆びた赤錆エリアＡｐｗをより一層、明瞭に強調できる。 According to the above configuration, the red rust is brown, the red rust has a small blue component, and attention is paid to the fact that the G component obstructs the detection of the red rust area Apw. (R component: G component = 1: 0), the white component can be faithfully removed from the part surface to which the white mud adheres, and the red rust area Apw rusted in brown can be removed. It can be emphasized more clearly.

しかも、白泥が付着した車両部品表面において、赤錆を検出する処理において、Ｂ成分は、殆ど影響していないどころが、Ｂ成分はＲ成分に対して少なくなるように重み付けした場合には、白泥だけでなく、赤錆部分も見え難くなる傾向があることを見出し、この傾向に着目して、第２実施形態のステップＳ１６１の重み付け処理においては、Ｂ成分はＲ成分に対して重み付けせずに（Ｒ成分：Ｂ成分＝１：１）、Ｇ成分のみをＲ成分に対して上述したように重み付けしたところ（Ｒ成分：Ｇ成分＝１：０）、白泥だけでなく赤錆成分も除去してしまうことなく、赤錆エリアＡｐｗを強調することができる。 Moreover, in the process of detecting red rust on the surface of vehicle parts to which white mud has adhered, the B component has little influence, but if the B component is weighted so as to be less than the R component, It is found that not only mud but also red rust portions tend to be difficult to see. Focusing on this tendency, in the weighting process of step S161 of the second embodiment, the B component is not weighted with respect to the R component. (R component: B component = 1: 1), when only the G component is weighted as described above for the R component (R component: G component = 1: 0), not only the white mud but also the red rust component is removed. The red rust area Apw can be emphasized.

加えて、第２実施形態のステップＳ１６１の重み付け処理では、部品エリア強調画像１５ＤのＲＧＢの各成分の重みについて、それぞれ１：０：１とする重み付けする処理を行い、続く、赤錆エリア抽出処理（ステップＳ１６２）において、第１実施形態と同様に、所定の閾値を２０に設定し、該所定の閾値と、ステップＳ１６１において画素ごとに算出した重み付け成分値との比較に基づいて２値化処理している。 In addition, in the weighting process of step S161 of the second embodiment, the weighting of each component of RGB of the component area emphasized image 15D is weighted to 1: 0: 1, followed by the red rust area extraction process ( In step S162), as in the first embodiment, a predetermined threshold is set to 20, and binarization processing is performed based on a comparison between the predetermined threshold and the weighted component value calculated for each pixel in step S161. ing.

このように、ステップＳ１６２の錆エリア抽出処理において、閾値を２０という適切な値に設定することにより、ステップＳ１６１の重み付け処理により取得した重み付け画像１６１Ｄを基に、赤錆部分と赤錆でない部分とを適切に分別でき、部品エリアＡｐの中から赤錆部分を正確に抽出することができる。 Thus, in the rust area extraction process of step S162, by setting the threshold value to an appropriate value of 20, the red rust part and the non-red rust part are appropriately set based on the weighted image 161D acquired by the weighting process of step S161. The red rust portion can be accurately extracted from the part area Ap.

また、部品エリアＡｐの中でＧ成分が元々、存在しないエリアに対してもステップＳ１６１の重み付け処理を行うなどにより、ステップＳ１６１の重み付け処理の過程で、重み付け成分値がデータ上マイナス値となった場合であっても、その後に行う赤錆エリア抽出処理（ステップＳ１６２）において、２０より小さい値は画一的に赤錆でないと判断して処理にするため、データ上、重み付け成分値がマイナスとなるなどの不具合が生じることなく、最終的に、部品エリアＡｐの中から赤錆エリアＡｐｗを確実、且つ正確に抽出した図１０（ａ）、（ｂ）に示すような赤錆エリア抽出画像１６２Ｄを取得することができる。 Also, the weighting component value becomes a negative value in the data in the process of the weighting process in step S161 by performing the weighting process in step S161 even for the area where the G component originally does not exist in the part area Ap. Even in such a case, in the subsequent red rust area extraction process (step S162), a value smaller than 20 is determined to be uniformly red rust and processed, so the weighting component value becomes negative in the data, etc. In the end, the red rust area extraction image 162D as shown in FIGS. 10A and 10B obtained by reliably and accurately extracting the red rust area Apw from the part area Ap is acquired. Can do.

なお、図１０（ａ）は、サスクロスを含む錆検出対象エリアＡの第２実施形態の赤錆エリア抽出画像１６２Ｄを示し、図１０（ｂ）は、サスペンションアームを含む錆検出対象エリアＡの第２実施形態の赤錆エリア抽出画像１６２Ｄを示す。 FIG. 10A shows a red rust area extraction image 162D of the second embodiment of the rust detection target area A including the suspension cloth, and FIG. 10B shows a second rust detection target area A including the suspension arm. The red rust area extraction image 162D of embodiment is shown.

また、第２実施形態の車両用錆検出処理により、図９（ｂ）に示すような錆面積率テーブルを得ることができる。
図７（ａ）、（ｂ）に示す第１実施形態の赤錆エリア抽出画像１６２Ｄと図１０（ａ）、（ｂ）に示す第２実施形態の赤錆エリア抽出画像１６２Ｄとの対比、並びに図９（ａ）、（ｂ）に示すそれぞれの錆面積率テーブルの対比より明らかなとおり、第２実施形態の車両用錆検出処理は、第１実施形態の車両用錆検出処理よりも車両部品に白泥が付着していてもその泥の影響を受けずに、車両部品の中から赤錆を精度よく検出できていることが分かる。 Moreover, the rust area rate table as shown in FIG. 9B can be obtained by the vehicle rust detection process of the second embodiment.
A comparison between the red rust area extraction image 162D of the first embodiment shown in FIGS. 7A and 7B and the red rust area extraction image 162D of the second embodiment shown in FIGS. 10A and 10B, and FIG. As is clear from the comparison of the respective rust area ratio tables shown in (a) and (b), the vehicle rust detection process of the second embodiment is more white than the vehicle rust detection process of the first embodiment. It can be seen that red rust can be accurately detected from the vehicle parts without being affected by the mud even if mud adheres.

この発明の構成と、上述の実施例との対応において、
この発明の撮像手段は、実施例のカメラ２０に対応し、以下、同様に、
記憶手段は、記憶部４６に対応し、
画像処理手段は、錆検出処理プログラム４６１Ｐに基づく処理を実行するＣＰＵ４１に対応し、
請求項２に記載の画像処理手段は、錆検出処理プログラム４６１Ｐの特に、重み付け処理モジュール１６１Ｐに基づく処理を実行するＣＰＵ４１に対応し、
請求項４に記載の画像処理手段は、錆検出処理プログラム４６１Ｐの特に、赤錆エリア抽出処理モジュール１６２Ｐに基づく処理を実行するＣＰＵ４１に対応し、
部品エリア強調手段は、錆検出処理プログラム４６１Ｐの特に、部品エリア強調処理モジュール１５Ｐに基づく処理を実行するＣＰＵ４１に対応し、
目視錆評価用画像取得手段は、錆検出処理プログラム４６１Ｐの特に、目視錆評価用画像取得処理モジュール１７Ｐに基づく処理を実行するＣＰＵ４１に対応し、
演算手段は、錆検出処理プログラム４６１Ｐの特に、演算処理モジュール１８Ｐに基づく処理を実行するＣＰＵ４１に対応し、
画像処理データは、目視錆評価用画像１７Ｄのデータ、及び錆面積率のデータに対応し、
錆検出結果は、目視錆評価用画像１７Ｄ、及び錆面積率テーブルに対応し、
錆検出結果出力手段は、モニタ４４やプリンタ５０に対応し、
撮像ステップは、撮像画像１２Ｄ取得ステップ（ステップＳ１１）に対応し、
記憶ステップは、撮像画像１２Ｄ読み込みステップ（ステップＳ１２）に対応し、
画像処理ステップは、ステップＳ１６〜ステップＳ１７に対応し、
請求項９の画像処理ステップは、重み付け処理（ステップＳ１６１）に対応し、
目視錆評価用画像取得ステップは、目視錆評価用画像取得処理（ステップＳ１７）に対応し、
錆検出結果出力ステップは、錆検出結果出力処理（ステップＳ１９）に対応し、
演算ステップは、赤錆エリア面積率演算処理（ステップＳ１８）に対応するも、この発明は、上述の実施例の構成のみに限定されるものではない。 In the correspondence between the configuration of the present invention and the above-described embodiment,
The imaging means of the present invention corresponds to the camera 20 of the embodiment, and hereinafter, similarly,
The storage means corresponds to the storage unit 46,
The image processing means corresponds to the CPU 41 that executes processing based on the rust detection processing program 461P,
The image processing means according to claim 2 corresponds to the CPU 41 that executes the processing based on the weighting processing module 161P, in particular, the rust detection processing program 461P.
The image processing means according to claim 4 corresponds to the CPU 41 that executes processing based on the red rust area extraction processing module 162P, in particular, the rust detection processing program 461P.
The part area emphasizing means corresponds to the CPU 41 that executes processing based on the part area emphasis processing module 15P, in particular, the rust detection processing program 461P.
The image acquisition means for visual rust evaluation corresponds to the CPU 41 that executes the processing based on the image acquisition processing module 17P for visual rust evaluation, particularly in the rust detection processing program 461P.
The arithmetic means corresponds to the CPU 41 that executes the processing based on the arithmetic processing module 18P, in particular, the rust detection processing program 461P.
The image processing data corresponds to the data of the visual rust evaluation image 17D and the data of the rust area ratio,
The rust detection result corresponds to the visual rust evaluation image 17D and the rust area ratio table,
The rust detection result output means corresponds to the monitor 44 and the printer 50,
The imaging step corresponds to the captured image 12D acquisition step (step S11),
The storing step corresponds to the captured image 12D reading step (step S12),
The image processing step corresponds to step S16 to step S17,
The image processing step of claim 9 corresponds to the weighting process (step S161),
The visual rust evaluation image acquisition step corresponds to the visual rust evaluation image acquisition process (step S17).
The rust detection result output step corresponds to the rust detection result output process (step S19),
The calculation step corresponds to the red rust area ratio calculation process (step S18), but the present invention is not limited to the configuration of the above-described embodiment.

例えば、本発明の車両用錆検出システムは、パーソナルコンピュータ４０を錆検出対象エリアＡを撮像するリフタ装置１０等を設置した設備の周辺に必ずしも備えたものである必要はなく、例えば、遠隔地で撮像した錆検出エリアの撮像画像１２Ｄデータを、インターネット７０等の公衆回線網を通じてパーソナルコンピュータ４０が受信して、錆検出処理を行ってもよい。このような場合も含めて、記憶部４６は、パーソナルコンピュータ４０に備えたものを用いるに限らず、クラウドサービスのように、遠隔地に備えてもよい。この場合、本発明の車両用錆検出システムは、クラウドサービスで記憶されているデータをネットワークを通じてパーソナルコンピュータ４０が受信して、錆検出処理を行ってもよい。 For example, the vehicle rust detection system of the present invention does not necessarily include the personal computer 40 around the equipment in which the lifter device 10 that images the rust detection target area A is installed. The personal computer 40 may receive the picked-up image 12D data of the picked-up rust detection area through a public network such as the Internet 70 to perform the rust detection processing. Including such a case, the storage unit 46 is not limited to the one provided in the personal computer 40 but may be provided in a remote place like a cloud service. In this case, in the vehicle rust detection system of the present invention, the personal computer 40 may receive the data stored in the cloud service through the network and perform the rust detection process.

このように、遠隔地で錆検出対象エリアＡを撮影した撮影画像１２Ｄをネットワークを通じてパーソナルコンピュータ４０が受信する車両用錆検出システムを構築することで、遠隔地ごとの錆検出対象エリアＡの撮影画像を収集して一括して管理、分析することが可能となり、地域ごとの気温や降水量、地理的特徴を踏まえて、錆に対する対策を効率よく、正確に実行することができる。 In this way, by constructing a vehicle rust detection system in which the personal computer 40 receives the photographic image 12D obtained by photographing the rust detection target area A in the remote place through the network, the photographed image of the rust detection target area A in each remote place. Can be collected, managed and analyzed in a batch, and rust countermeasures can be implemented efficiently and accurately based on the temperature, precipitation, and geographical characteristics of each region.

例えば、降雪量の多い地域で路面に散布される除雪剤には、塩分が含有されており、車体の下に除雪剤が付着することにより車体、又は車両部品に錆を増長させる要因となっている。これに対して、本発明の車両用錆検出システムは、地域ごとに撮影した車両の錆検出対象エリアＡの撮像画像１２Ｄを基に正確な錆検出結果を得ることができるため、錆の状況を客観的に認識することができる。よって、例えば、除雪剤に対しても車両や車体部品の表面が錆びない程度に塗装やワックスを適切な厚みや種類とすることができるなど、このように地域ごとの特有な事情に対応して適切な錆対策を行うことができる。 For example, the snow removal agent sprayed on the road surface in areas with a large amount of snowfall contains salt, which causes the rust to increase on the vehicle body or vehicle parts by attaching the snow removal agent under the vehicle body. Yes. On the other hand, the vehicle rust detection system of the present invention can obtain an accurate rust detection result based on the captured image 12D of the vehicle rust detection target area A photographed for each region. Can be objectively recognized. Therefore, for example, paint and wax can be made to an appropriate thickness and type so that the surface of the vehicle and body parts will not rust even with snow removal agents. Appropriate anti-rust measures can be taken.

また、本発明の車両用錆検出システムにおいて、リフタ装置１０は必須ではなく、例えば、カメラ２０や照明装置３０を搭載した台車等の移動手段を床に停車している車両Ｃの下部と床との間の空間に入り込ませて所定の錆検出対象エリアＡを撮像する構成としてもよく、或いは車体から取り外した車両部品を撮像する構成としてもよい。 Further, in the vehicle rust detection system of the present invention, the lifter device 10 is not indispensable. For example, the lower part and the floor of the vehicle C in which moving means such as a carriage equipped with the camera 20 or the illumination device 30 is stopped on the floor. The predetermined rust detection target area A may be imaged by entering the space between the two, or a vehicle part removed from the vehicle body may be imaged.

また、本発明の車両用錆検出構造は、サーバ６０や通信部４５を備えずにパーソナルコンピュータ４０とカメラ２０と照明を備えた車両用錆検出装置として構成してもよい。 Moreover, you may comprise the rust detection structure for vehicles of this invention as a rust detection apparatus for vehicles provided with the personal computer 40, the camera 20, and illumination, without providing the server 60 and the communication part 45. FIG.

以上説明したように、本発明は、例えば、車体、或いは車両に配設する車両部品における錆検出対象エリアを撮像する撮像手段と、前記撮像手段により撮像した撮像画像を記憶する記憶手段と、前記撮像画像を基に画像処理する画像処理手段と、前記画像処理手段により画像処理した画像処理データを基に、錆検出結果を出力する錆検出結果出力手段とを備え、前記画像処理手段は、ＲＧＢ形式で表される前記撮像画像の中のＲ成分をＧ成分、及びＢ成分よりも重く重み付け処理するものであることを特徴とする車両用錆検出装置について有用である。 As described above, the present invention provides, for example, an imaging unit that images a rust detection target area in a vehicle body or a vehicle component disposed in the vehicle, a storage unit that stores a captured image captured by the imaging unit, Image processing means for performing image processing based on a captured image, and rust detection result output means for outputting a rust detection result based on image processing data image-processed by the image processing means, wherein the image processing means includes RGB This is useful for a vehicle rust detection device characterized in that the R component in the captured image represented in the form is weighted more heavily than the G component and the B component.

１…車両用錆検出システム
１２Ｄ…撮像画像
１５Ｄ…部品エリア強調画像
１７Ｄ…目視錆評価用画像
２０…カメラ（撮像手段）
４６…記憶部（記憶手段）
４１…錆検出処理プログラムに基づく処理を実行するＣＰＵ（画像処理手段）
４１，１６１Ｐ…重み付け処理Ｍに基づく処理を実行するＣＰＵ（画像処理手段）
４１，１６２Ｐ…赤錆エリア抽出処理Ｍに基づく処理を実行するＣＰＵ（画像処理手段）
４１，１５Ｐ…部品エリア強調処理Ｍに基づく処理を実行するＣＰＵ（部品エリア強調手段）
４１，１７Ｐ…目視錆評価用画像取得処理Ｍに基づく処理を実行するＣＰＵ（目視錆評価用画像取得手段）
４１，１８Ｐ…演算処理Ｍに基づく処理を実行するＣＰＵ（演算手段）
４４…モニタ（錆検出結果出力手段）
５０…プリンタ（錆検出結果出力手段）
Ｓ１１…撮像画像取得ステップ（撮像ステップ）
Ｓ１２…撮像画像読み込みステップ（記憶ステップ）
Ｓ１６１…重み付け処理
Ｓ１６２…赤錆エリア抽出処理
Ｓ１５…部品エリア強調処理
Ｓ１７…目視錆評価用画像取得処理（目視錆評価用画像取得ステップ）
Ｓ１９…錆検出結果出力処理（目視錆評価用画像取得ステップ）
Ｓ１８…赤錆エリア面積率演算処理（演算ステップ）
DESCRIPTION OF SYMBOLS 1 ... Vehicle rust detection system 12D ... Captured image 15D ... Parts area emphasis image 17D ... Visual rust evaluation image 20 ... Camera (imaging means)
46. Storage section (storage means)
41. CPU (image processing means) for executing processing based on rust detection processing program
41, 161P ... CPU (image processing means) for executing processing based on weighting processing M
41, 162P: CPU (image processing means) for executing processing based on red rust area extraction processing M
41, 15P... CPU for executing processing based on component area enhancement processing M (component area enhancement means)
41, 17P: CPU for executing processing based on visual rust evaluation image acquisition processing M (visual rust evaluation image acquisition means)
41, 18P: CPU (calculation means) for executing processing based on calculation processing M
44 ... Monitor (rust detection result output means)
50. Printer (rust detection result output means)
S11 ... Captured image acquisition step (imaging step)
S12 ... Captured image reading step (storage step)
S161: Weighting process S162 ... Red rust area extraction process S15 ... Parts area enhancement process S17 ... Visual rust evaluation image acquisition process (visual rust evaluation image acquisition step)
S19 ... Rust detection result output processing (image acquisition step for visual rust evaluation)
S18 ... Red rust area ratio calculation process (calculation step)

Claims

An imaging means for imaging a rust detection target area in a vehicle body or a vehicle component disposed in the vehicle;
Storage means for storing a captured image captured by the imaging means;
Image processing means for performing image processing based on the captured image;
Rust detection result output means for outputting a rust detection result based on the image processing data image processed by the image processing means,
The vehicle rust detection device, wherein the image processing means sets the weight of the R component, the G component, and the B component in the captured image expressed in RGB format to 1: 0: 1 .

2. The vehicle according to claim 1, wherein the image processing means performs a red rust area extraction process for extracting a red rust area in the captured image by comparing a value based on the weighted RGB components and a threshold of a predetermined gradation. Rust detection device.

As pre-processing of the weighting processing by the image processing means, comprising a part area emphasizing means for emphasizing a part area related to a vehicle part that is a rust detection target from the rust detection target area in the captured image,
The image processing means includes
Instead of the captured image represented in the RGB format, the weighting is performed on the component area in the component area enhanced image based on the component area enhanced image represented in the RGB format acquired by the component area enhancing unit. The vehicle rust detection device according to claim 2, wherein the processing and the red rust area extraction processing are performed.

Visual rust evaluation image acquisition means for acquiring a visual rust evaluation image based on AND processing of the component area emphasized image and the red rust area extraction image acquired by the image processing means,
The vehicle rust detection device according to claim 3, wherein the rust detection result output means displays the visual rust evaluation image.

Based on the red rust area extracted image obtained by the image processing means, said comprising a rust area of red rust area, a calculating means for calculating at least one of the rust area ratio of the red rust area for the component area,
The rust detection result output means outputs at least one of the rust area and the rust area ratio.
The vehicle rust detection device according to claim 4 .

An imaging means for imaging a rust detection target area in a vehicle body or a vehicle component disposed in the vehicle;
A communication unit that receives a captured image captured by the imaging unit through a communication line;
Image processing means for performing image processing based on the captured image;
Rust detection result output means for outputting a rust detection result based on the image processing data image processed by the image processing means,
The vehicle rust detection system, wherein the image processing means sets the weights of the R component, the G component, and the B component in the captured image represented in RGB format to 1: 0: 1 .

An imaging step of imaging a rust detection target area in a vehicle body or a vehicle component disposed in the vehicle;
And storage step of storing the captured image captured by the imaging step,
An image processing step of performing image processing based on the captured image;
Based on the image processing data image processed by the image processing step, performing a rust detection result output step for outputting a rust detection result,
In the image processing step, the weight of the R component, the G component, and the B component in the captured image represented in RGB format is set to 1: 0: 1 .

The vehicle according to claim 7, wherein in the image processing step, a red rust area extraction process is performed to extract a red rust area in the captured image by comparing a value based on the weighted RGB components and a threshold of a predetermined gradation. Rust detection method.

As a pre-processing of the weighting process by the image processing step, a part area emphasizing step of emphasizing a part area related to a vehicle part that is a rust detection target from the rust detection target area in the captured image,
In the image processing step,
Instead of the captured image represented in the RGB format, the weighting is performed on the component area in the component area enhanced image based on the component area enhanced image represented in the RGB format acquired by the component area enhancing step. The vehicle rust detection method according to claim 8, wherein the processing and the red rust area extraction processing are performed.

Performing a visual rust evaluation image acquisition step of acquiring a visual rust evaluation image based on AND processing of the component area emphasized image and the red rust area extraction image acquired by the red rust area extraction process,
The vehicle rust detection method according to claim 9, wherein in the rust detection result output step, the visual rust evaluation image is output.

Based on the red rust area extracted image obtained by the image processing step, the rust area of the red rust area, performs a calculation step of calculating at least one of the rust area ratio of the red rust area for the component area,
In the rust detection result output step, at least one of the rust area and the rust area rate is output.
The vehicle rust detection method according to claim 10 .