JP6815431B2 - 塗装面検査装置、及びプログラム - Google Patents
塗装面検査装置、及びプログラム Download PDFInfo
- Publication number
- JP6815431B2 JP6815431B2 JP2019057832A JP2019057832A JP6815431B2 JP 6815431 B2 JP6815431 B2 JP 6815431B2 JP 2019057832 A JP2019057832 A JP 2019057832A JP 2019057832 A JP2019057832 A JP 2019057832A JP 6815431 B2 JP6815431 B2 JP 6815431B2
- Authority
- JP
- Japan
- Prior art keywords
- region
- painted surface
- rust
- area
- painted
- 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
- 238000007689 inspection Methods 0.000 title claims description 84
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims description 87
- 238000012549 training Methods 0.000 claims description 72
- 239000011248 coating agent Substances 0.000 claims description 68
- 238000000576 coating method Methods 0.000 claims description 68
- 230000002159 abnormal effect Effects 0.000 claims description 55
- 239000002184 metal Substances 0.000 claims description 36
- 238000013528 artificial neural network Methods 0.000 claims description 29
- 239000003973 paint Substances 0.000 claims description 28
- 230000006866 deterioration Effects 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000015556 catabolic process Effects 0.000 claims 2
- 238000006731 degradation reaction Methods 0.000 claims 2
- 238000000034 method Methods 0.000 description 49
- 239000010410 layer Substances 0.000 description 40
- 230000008569 process Effects 0.000 description 38
- 230000008961 swelling Effects 0.000 description 22
- 238000012545 processing Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 14
- 241001163841 Albugo ipomoeae-panduratae Species 0.000 description 12
- 238000013527 convolutional neural network Methods 0.000 description 10
- 238000005336 cracking Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 8
- 238000012937 correction Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000010422 painting Methods 0.000 description 8
- 239000004065 semiconductor Substances 0.000 description 7
- 238000012706 support-vector machine Methods 0.000 description 7
- 239000006185 dispersion Substances 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 230000010365 information processing Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 230000007717 exclusion Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000009966 trimming Methods 0.000 description 3
- 241001122767 Theaceae Species 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 239000011247 coating layer Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Description
このような構成により、従来例のサビ色の検出だけでは特定することができなかった、サビ色以外の塗装の劣化領域を、対象物の塗装面の撮影画像を用いて特定することができるようになる。したがって、そのような劣化領域の有無の確認や、その劣化領域の位置の特定などの検査を、検査の対象物の撮影画像を用いて自動的に行うことができ、目視での検査と比較して、検査の負担が軽減されることになる。また、観察者の感覚や経験に依存しない検査を実現することができるようになる。
このような構成により、対象物の塗装面の撮影画像を用いて、従来例のサビ色の検出だけでは特定することができなかった、塗装の割れや剥がれ領域を自動的に特定することができるようになる。
このような構成により、対象物の塗装面の撮影画像を用いて、従来例のサビ色の検出だけでは特定することができなかった、塗装の膨れ領域を自動的に特定することができるようになる。
このような構成により、学習器を用いてサビ色以外の塗装の劣化領域に関する検査を行うことができるようになる。そのため、サビ色以外の塗装の劣化領域を特定するためのルールや条件を設定したり、設定値を調整したりする作業が不要になり、負担が軽減される。
このような構成により、ユーザは、例えば、塗装の剥がれや割れ、膨れ等の塗装の劣化領域に関する情報を知ることができるようになる。
このような構成により、対象物の塗装面が異常かどうかの検査を自動的に行うことができ、観察者の感覚や経験に依存しない検査を実現することができるようになる。また、異常と判定された場合には、例えば、対象物の修理等を行うことによって、対象物の故障などを事前に防止することができる。
このような構成により、対象物の塗装面におけるサビ色の領域及びサビ色以外の塗装の劣化領域に関する情報を用いることによって、その塗装面が異常かどうかの検査を自動的に行うことができ、観察者の感覚や経験に依存しない検査を実現することができるようになる。
このような構成により、学習器を用いて塗装面が異常かどうかの検査を行うことができるようになる。そのため、塗装面の異常について判定するためのルールや条件を設定したり、設定値を調整したりする作業が不要になり、負担が軽減される。
このような構成により、対象物の塗装面の撮影画像を用いることによって、その塗装面が異常かどうかの検査を自動的に行うことができ、観察者の感覚や経験に依存しない検査を実現することができるようになる。また、その検査を学習器を用いて行うため、塗装面の異常について判定するためのルールや条件を設定したり、設定値を調整したりする作業が不要になり、負担が軽減される。
このような構成により、例えば、ユーザからの依頼に応じて対象物の塗装面に関する検査を自動的に行い、その検査結果を送信すると共に、それに対してユーザに課金することができるようになる。したがって、ユーザは、塗装面検査装置を導入しなくても、必要なときにだけ塗装面検査装置による検査を依頼することができるようになる。
本発明の実施の形態1による塗装面検査装置について、図面を参照しながら説明する。本実施の形態による塗装面検査装置は、塗装金属板を有する対象物の塗装面画像において、サビ色以外の塗装の劣化領域を特定すると共に、その塗装面が異常かどうかの判定を行うものである。
(ステップS101)受付部11は、塗装面画像を受け付けたかどうか判断する。そして、塗装面画像を受け付けた場合には、ステップS102に進み、そうでない場合には、塗装面画像を受け付けるまで、ステップS101の処理を繰り返す。
まず、柱上変圧器の底面の写真が撮影され、円形補正によって柱上変圧器の底面が円形となるように修正され、また、底面の部分のみがトリミングされたとする。図4は、そのような塗装面画像の一例を示す模式図である。図4において、円形の部分が塗装面となる。ユーザが、図4の塗装面画像を塗装面検査装置1に入力すると、その塗装面画像は、受付部11によって受け付けられ、領域特定部13に渡される(ステップS101)。
[課金処理]
塗装面検査装置1は、塗装面画像を受信し、受信した塗装面画像を用いて領域の特定や塗装面に関する判定を行い、それらの結果を送信するようにしてもよい。そして、その送信に応じて、課金を行うようにしてもよい。その場合には、図7で示されるように、塗装面検査装置1は、課金部17をさらに備えていてもよい。図7において、受付部11による受け付けは、受け付け対象の受信であり、領域出力部14及び判定結果出力部16による出力は、出力対象の送信であってもよい。出力対象の送信先は、例えば、塗装面画像の送信元であってもよく、それ以外の送信先であってもよい。後者の場合には、例えば、塗装面画像と一緒に、出力対象の送信先のアドレスが受付部11で受信されてもよい。また、課金先の特定ために、塗装面画像と一緒に、依頼者を識別する依頼者識別子も受付部11で受信されてもよい。
領域特定部13は、上記のように、学習器を用いて領域の特定を行ってもよい。ここでは、その学習器を用いた領域の特定について説明する。まず、領域の特定で用いられる学習器について説明する。この学習器は、塗装金属板を有する対象物の塗装面の撮影画像である訓練用入力情報と、その撮影画像における、サビ色以外の塗装の劣化領域を示す教師図形を含む訓練用出力情報との複数の組の学習結果である。訓練用入力情報と、訓練用出力情報との組を訓練情報と呼ぶこともある。学習器は、例えば、ニューラルネットワーク(NN:Neural Network)の学習結果であってもよく、それ以外の機械学習の学習結果であってもよい。
判定部15は、上記のように、学習器を用いて判定を行ってもよい。ここでは、その学習器を用いた判定について説明する。まず、判定で用いられる学習器について説明する。この学習器は、塗装金属板を有する対象物の塗装面におけるサビ色の領域及びサビ色以外の塗装の劣化領域に関する情報である訓練用入力情報と、その対象物の塗装面が異常かどうかの判定結果である訓練用出力情報との複数の組の学習結果である。なお、訓練用入力情報に関して、サビ色の領域に関する情報は、例えば、黒サビの領域、白サビの領域、茶サビの領域ごとの情報であってもよく、サビ色以外の塗装の劣化領域に関する情報は、例えば、塗装の割れ及び剥がれ領域、塗装の膨れ領域ごとの情報であってもよい。また、訓練用入力情報には、塗装の領域に関する情報も含まれていてもよい。その各領域に関する情報は、塗装面における各領域の面積の割合を示す情報であってもよい。学習器は、例えば、ニューラルネットワークの学習結果であってもよく、サポートベクターマシン(SVM:Support Vector Machine)の学習結果であってもよく、それ以外の機械学習の学習結果であってもよい。
本実施の形態では、塗装面検査装置1が、領域の特定と共に、判定を行う場合について説明したが、そうでなくてもよい。塗装面検査装置は、領域の特定を行わなくてもよい。その場合には、図10で示されるように、塗装面検査装置2は、受付部21と、記憶部22と、判定部15と、判定結果出力部16とを備えたものであってもよい。なお、判定部15、判定結果出力部16は、上記説明と同様のものであり、その詳細な説明を省略する。
本実施の形態では、塗装面検査装置1が領域出力部14を備える場合について説明したが、そうでなくてもよい。特定された各領域に関する出力を行わなくてもよい場合には、塗装面検査装置1は、領域出力部14を備えていなくてもよい。
本発明の実施の形態2による塗装面検査装置について、図面を参照しながら説明する。本実施の形態による塗装面検査装置は、塗装金属板を有する対象物の撮影画像を学習器に適用することによって、対象物の塗装面が異常かどうかについて判定するものである。
(ステップS401)判定部32は、受付部11で受け付けられた塗装面画像を、記憶部31で記憶されている学習器に適用することによって、判定結果を取得する。
なお、図13のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。
Claims (4)
- 塗装金属板を有する対象物の塗装面の撮影画像である塗装面画像を受け付ける受付部と、
塗装金属板を有する対象物の塗装面の撮影画像である訓練用入力情報と、当該撮影画像における、サビ色の領域及びサビ色以外の塗装の劣化領域を示す教師図形を含む訓練用出力情報との組を複数用いて学習されたニューラルネットワークの学習器に前記塗装面画像を適用することによって、当該塗装面画像に含まれるサビ色の領域及びサビ色以外の塗装の劣化領域を特定する領域特定部と、
塗装金属板を有する対象物の塗装面におけるサビ色の領域及びサビ色以外の塗装の劣化領域に関する情報である訓練用入力情報と、前記対象物の塗装面が異常かどうかの判定結果である訓練用出力情報との組を複数用いて学習された学習器に、前記領域特定部によって特定された各領域に関する情報を適用することによって、前記対象物の塗装面が異常かどうかの判定を行う判定部と、
前記判定部による判定結果を出力する判定結果出力部と、を備えた塗装面検査装置。 - 前記領域特定部によって特定された各領域に関する出力を行う領域出力部をさらに備えた、請求項1記載の塗装面検査装置。
- 前記受け付けは、受け付け対象の受信であり、
前記出力は、出力対象の送信であり、
前記出力に応じて課金を行う課金部をさらに備えた、請求項1または請求項2記載の塗装面検査装置。 - コンピュータを、
塗装金属板を有する対象物の塗装面の撮影画像である塗装面画像を受け付ける受付部、
塗装金属板を有する対象物の塗装面の撮影画像である訓練用入力情報と、当該撮影画像における、サビ色の領域及びサビ色以外の塗装の劣化領域を示す教師図形を含む訓練用出力情報との組を複数用いて学習されたニューラルネットワークの学習器に前記塗装面画像を適用することによって、当該塗装面画像に含まれるサビ色の領域及びサビ色以外の塗装の劣化領域を特定する領域特定部、
塗装金属板を有する対象物の塗装面におけるサビ色の領域及びサビ色以外の塗装の劣化領域に関する情報である訓練用入力情報と、前記対象物の塗装面が異常かどうかの判定結果である訓練用出力情報との組を複数用いて学習された学習器に、前記領域特定部によって特定された各領域に関する情報を適用することによって、前記対象物の塗装面が異常かどうかの判定を行う判定部、
前記判定部による判定結果を出力する判定結果出力部として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019057832A JP6815431B2 (ja) | 2019-03-26 | 2019-03-26 | 塗装面検査装置、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019057832A JP6815431B2 (ja) | 2019-03-26 | 2019-03-26 | 塗装面検査装置、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020159793A JP2020159793A (ja) | 2020-10-01 |
JP6815431B2 true JP6815431B2 (ja) | 2021-01-20 |
Family
ID=72642820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019057832A Active JP6815431B2 (ja) | 2019-03-26 | 2019-03-26 | 塗装面検査装置、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6815431B2 (ja) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0579992A (ja) * | 1991-09-19 | 1993-03-30 | Mitsubishi Kasei Corp | 塗装の劣化診断方法 |
JP3597439B2 (ja) * | 2000-03-16 | 2004-12-08 | 株式会社巴コーポレーション | 塗装された鋼材の塗装劣化の診断方法 |
JP4107875B2 (ja) * | 2002-05-10 | 2008-06-25 | 三菱化学株式会社 | 建造物塗装面の劣化診断方法 |
JP2004294395A (ja) * | 2003-03-28 | 2004-10-21 | Toshiba Corp | 検査業務実行方法、検査処理業務管理サーバおよび方法、クライアント端末およびその処理方法、検査業務処理ホストおよび方法、及び遠隔画像検査システム |
JP4367103B2 (ja) * | 2003-11-19 | 2009-11-18 | 住友ベークライト株式会社 | 画像処理方法とそれを応用した金属腐食検査方法 |
KR100891934B1 (ko) * | 2007-09-03 | 2009-04-08 | 한국도로공사 | 영상처리 기법을 이용한 강교의 도막검사 시스템의 처리방법 |
JP5995215B2 (ja) * | 2012-05-14 | 2016-09-21 | 学校法人東京理科大学 | 癌細胞領域抽出装置、方法、及びプログラム |
US9947102B2 (en) * | 2016-08-26 | 2018-04-17 | Elekta, Inc. | Image segmentation using neural network method |
JP6968681B2 (ja) * | 2016-12-21 | 2021-11-17 | ホーチキ株式会社 | 火災監視システム |
-
2019
- 2019-03-26 JP JP2019057832A patent/JP6815431B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020159793A (ja) | 2020-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9420276B2 (en) | Calibration of light-field camera geometry via robust fitting | |
JP6613605B2 (ja) | 深度画像の深度値復元方法及びシステム | |
US20210281748A1 (en) | Information processing apparatus | |
CN110879982B (zh) | 一种人群计数系统及方法 | |
CN104702928B (zh) | 修正图像交叠区的方法、记录介质以及执行装置 | |
CN105023260A (zh) | 一种全景图像融合方法及融合装置 | |
CN111932510B (zh) | 一种图像清晰度的确定方法及装置 | |
WO2020052352A1 (zh) | 用于对车辆损伤图像进行损伤分割的方法及装置 | |
US8036456B2 (en) | Masking a visual defect | |
CN114066857A (zh) | 红外图像质量评价方法、装置、电子设备及可读存储介质 | |
JP7387261B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
WO2019210707A1 (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
Nazarkevych et al. | Editing raster images and digital rating with software | |
Bauer et al. | Automatic estimation of modulation transfer functions | |
CN116612111A (zh) | 一种高强度复合材料加工质量检测方法 | |
CN109376782B (zh) | 基于眼部影像特征的支持向量机白内障分级方法及装置 | |
JP6815431B2 (ja) | 塗装面検査装置、及びプログラム | |
Fursov et al. | Correction of distortions in color images based on parametric identification | |
JP2005283197A (ja) | 画面のスジ欠陥検出方法及び装置 | |
CN109961393A (zh) | 基于插值和迭代优化算法的亚像素配准与拼接技术 | |
US20210374916A1 (en) | Storage medium storing program, image processing apparatus, and training method of machine learning model | |
JP2019168930A (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP2006133055A (ja) | ムラ欠陥検出方法及び装置、空間フィルタ、ムラ欠陥検査システム並びにムラ欠陥検出方法のプログラム | |
US20150085327A1 (en) | Method and apparatus for using an enlargement operation to reduce visually detected defects in an image | |
WO2020062899A1 (zh) | 通过前景背景像素对和灰度信息获得透明度遮罩的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190326 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190405 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190516 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190516 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190626 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190702 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190724 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191001 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200707 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200903 |
|
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: 20201208 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201222 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6815431 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |