JPH03144350A - 神経回路網による鋼板表面疵検査方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、反射光波形による、神経回路網を用いた鋼板
の表面疵検査方法に関する。

〔従来の技術〕

鋼板の表面疵の検査には、反射光による方法が広く用い
られている。レーザ光を鋼板表面に投射し、反射光を光
電変換し、そ−の変換出力（電圧波形）またはその微分
出力を闇値と比較し、闇値以上なら疵とする、は代表的
な方法である。

闇値以外のものを用いる方法としては特開昭６２−２７
８４０３がある。これは鋼板表面にレーザ光を投射し、
反射光を光電変換し、その平均電圧から表面粗度を求め
る。粗度が高いと反射光は散乱光となり、光電変換出力
は下るから、予め粗度と充電変換出力との関係を求めて
おくと、この関係より、充電変換出力で粗度を知ること
ができる。

また特開昭６２−２３５５１１は被検査体にレーザ光を
投射し、表面状態が異常な所（表面欠陥や凹凸のある所
）では反射光の入射点が正常時よりΔＸだけずれるのを
利用して、該表面状態を検出する。

〔発明が解決しようとする課題〕

従来の鋼板表面疵の検査では、反射光の光電変換出力を
闇値で判別して疵あり／なしとするのが一般的であり、
この方法では絶対的な反射光強度による疵判定であるか
ら、鋼種間の反射程度の差異や地合の影響が考慮されな
い。闇値は、これを低く設定すると疵ではないが反射か
や＼異常な部分を疵と誤検出しく過検出）、またこれを
高く設定すると疵であるのにこれを疵として検出しない
ケース（見逃し）が増加する。従って闇値は適切な値に
設定する必要があるが、鋼種や地合などによって変わる
から、適切な値の選定、調整が困難で、この方式では判
定精度に難がある。また、検出すべき疵種類が変化した
場合、それに遠心できないという問題がある。

本発明はか−る点を改善し、反射光の充電変換出力から
、疵を包括する２つの狭い範囲Ａ、　Ａ’および該範囲
Ａ、Ａ’を包括する広い範囲Ｂの変換出力から特徴量を
求め、これより、特に神経回路網を用いて、疵判定して
、閾値の選択に悩まされることなく、過検出や見逃しを
回避することができる疵検査方法を提供することを目的
とするものである。

〔課題を解決するための手段〕

本発明では鋼板表面をレーザ光で走査し、その反射光を
光電変換し、更にＡ／Ｄ変換し、鋼板の疵部分に相当す
る小範囲ＡおよびＡ′とその複数個を包含する大範囲（
鋼板幅またはその複数分の１の範囲）における該変換出
力から、反射光波形を代表する複数個の特徴量を算出す
る。

この複数個の特ｉ１に量を、入力層のノード数は該複数
個と同数、出力ノード層は疵有り／無しに対応させて１
つとし、そして予め学習させた神経回路網に加え、該回
路網より疵有／無出力を生じさせる。

特徴量としては２次平均、３次平均、微分レンジなどが
あるが、次式で表わされる正規化２次平均−１ｍ′と正
規化微分レンジχ、８５．χ′。、。

が適当である。

Ｘ　冨３＝）を冨／　Ｘ　を龜１１ Ｘ　！！’　＝　Ｘ’ｚ／　Ｘ　ｚＢｌＢＸ　ｔｌｌｌ
Ｊ＝　Ｘ　ＯＲ／σｘｌｌｌ　　Ｘ　ＤｌｌＳ＝　Ｘ　
ｔｉｌｌ／σｘＤｌ〔作用〕 この鋼板表面疵検査では、２つの小範囲Ａ、Ａ’および
大範囲Ｂにおける変換出力からの特徴量算出、得られた
特徴量の神経回路網への印加で疵有／無出力が得られ、
従来法のように闇値をどこに設定するかの問題はない。

また誤検出と過検出を共に僅小にすることが可能で、従
来法のように閾値を高く設定すれば誤検出が多発し、闇
値を低く設定すれば過検出が多発するという問題に悩ま
されることがない。

〔実施例〕

本発明の実施例を第１図に示す。１０は検査対象である
鋼板、１１はレーザ発振器、１２はレーザ光、１３はそ
のレシーバである。例えば鋼板ｌＯが矢印方向Ｆ、で示
す鋼板長手方向に移動し、レーザ光が矢印Ｆ２で示す鋼
板幅方向に往復移動することにより、鋼板１０の全表面
が走査される。

レシーバ１３は光ファイバとその両端の受光素子（フォ
トマル）からなり、鋼板に投射されたレーザ光の反射光
が光ファイバに入射し、その光電変換出力を両端の受光
素子が出力する。この型のレシーバは反射光の入射位置
従って鋼板上の走査位置情報も与える。

レシーバ１３の出力は微分回路２１で微分されたのち、
Ａ／Ｄ変換器２２でＡ／Ｄ変換される。

第２図（ａ）はレシーバ出力を示し、（ｂ）はその微分
出力である。Ｂは鋼板の板幅を示し、レシーバ出力は板
端で立上り／立下り、また底位置で凹陥部を作る。Ａ／
Ｄ変換器２２は（ｂ）の微分波形を極めて短い周期（２
０〜１００ｎＳ）でサンプリングして（Ｃ）の如きアナ
ログ量を得、これを本例では８ビツトのデジタル値に変
換する。

このようにして採取したデータから特徴量を計算する。

特徴量としては２次平均と微分レンジを用いこれを疵を
包括する小範囲Ａと、該小範囲Ａと隣り合う同じ大きさ
の小範囲Ａ″と、該小範囲ＡおよびＡ′を包括する広範
囲Ｂにつき算出する。

第２図（ａ）では範囲Ｂは全板幅とするが、これは板幅
の１／２．ｌ／３などでもよい。ｌ／２．１／３・・・
・・・にする場合は第１図の装置を２組、３組・・・・
・・設けて、鋼板表面を２分割、３分割、・・・・・・
して検査（並行同時検査）するとよい、範囲Ａ、Ａ’は
、予想される大きさの疵を十分包含する微小範囲（例え
ば５■幅）とし、範囲Ｂには複数個の範囲Ａが含まれる
。範囲Ａ、Ａ’　は隣り合うものであるが、該範囲Ａ、
　Ａ’のとり方は図２（ｄ）■の如（前回の範囲Ａ′の
１つ前の範囲を次回の範囲Ａ′、前回の範囲Ａ′を次回
の範囲Ａとする方法と、図２（ｄ）■の如く前回の範囲
Ａ′の２つの前を次回の範囲Ａ′、前回の範囲Ａ′の１
つ前を次回の範囲Ａとする方法がある。範囲Ａ、Ａ’　
、Ｂの２次平均マｔ＋ＸＲ＋マ、、１は次式で表わされ
る。

こ＼でＹｒは位置Ｘ！におけるＡ／Ｄ変換値、ｘ、、ｘ
、は範囲Ｂの始、終端のｉ値、ｉ６．　ｉ６十ａは範囲
Ａの始、終端のｉ値、Ｅ＋、Ｅｘは範囲Ａ、Ｂ内のｙの
個数の逆数である。範囲Ａ、Ａ’Ｂの微分レンジＸ　Ｄ
ＩＩ＋　Ｘ’ｏｌｔ＋　　ｘＤｌａｊｊは〜ｘｏ＝＝Ａ
Ｂｓ　　（ｓｓｘｙｉ＋　　　ａｔｎＦｉ＋）　　　　
・”・”（４）ｉ、＜　ｉ、＜　ｉ、＋ａ ｘ６．＝ＡＢＳ　（１１１１１１）’！ｌ’　　５ｉａ
）’ｉ＋’）　・・・・−・（５）Ｌ＋ａ＜　ｉ＋’＜
　Ｌ＋２　ａ ＸＤＩＩ＋ａｌＡ＝ＡＢＳ　（ｓａｗ）’ｉ！　　５ｉ
ａｙｉり・・・・・・（６）ｘ、＜ｉ！＜ｘ。

範囲Ｂの微分レンジを計算し、過去のデータから標準偏
差σ１＋０１を次式により計算し、新たに微分レンジを
得る毎にこれを更新する。

σｋ１１ｍｌ＝（Σ　（Ｘ　Ｄ１ｍＪｊ！−マＩｌｌａ
ｊｍ）”／ｎ）””σ。、の計算方法としては、他の特
徴量の計算と同期して毎回計算を行なう他、サンプルデ
ータから得られた値を用いて計算しオンラインユースで
は定数とする等がある。次は正規化を行なう。

次の（７）式、（８）式、（９）式、００式に示すよう
に、（１）式（２）式をそれぞれ（３）式で割って範囲
Ａ、Ａ’の２次平均の正規化値マ！Ｓｒ　ｘ’ｚｓとし
、範囲Ａ、範囲Ａ′の２次平均の正規化値マ、８、こゝ
でｘよ、としく４）式、（５）式で示される範囲Ａ、範
囲Ａ′の微分レンジを範囲Ｂの標準偏差σＸ１１１で割
って範囲Ａ、範囲Ａ′の微分レンジの正規化値ＸＤｌｆ
ｆ　、ｘ’ｏ＊ｓとする。

マｚｓ＝７２／７２，１１　　　　　　　　・・・・・
・（７）ｘ’ｚｓ　”　ｘ’ｚ／　ｘ　ｚｍ＊ａ　　　
　　　　　・・・・・・（８）Ｘ　ｅｌｓ　＝　Ｘ　Ｄ
Ｉ／　（１１１０１−−（９）Ｘ　Ｄｍｌ　＝　Ｘ　Ｏ
Ｒ／　６　Ｉｆ！１ｍ　　　　　　　　”’　”’ＧＤ
Ｉこの正規化した特徴量マ！！＋　Ｘ’２Ｓｒ　　Ｘ　
ｌ１ｌｓ　＋Ｘ□、を用いて疵判定を行なう、微分レン
ジＸ１ｌ（Ｘ’ｏ＊）と２次平均マｚ（ｘ’ｚ）を第２
図（ｅ）に示すように縦軸、横軸にとって疵有りＯ１疵
無し×の頷域を求めると図示の如くなり、両者は分れる
がその境界は非直線である。第２図（ｆ）に示すように
４５°線で分離すれば回帰分析可能であるが、第２図（
ｅ）では回帰分析は困難である。そこでニューラルネッ
トワークを用い、この回帰分析を可能とし、疵有りＯ１
疵無し×の各領域に分類する。しかし各領域の境界は明
確ではないため、境界付近では正確に分離できない。こ
れに対し、近隣の２つの小範囲Ａ、Ａ’の相関をも考慮
に入れることにより、疵なし部の地合と疵有り部との差
異を強調することによってより正確な疵有／ｐ！＃の出
力を得る。

このニューラルネットワークは第２図（局に示すように
２段構成となっている。すなわち、小範囲Ａの特徴音に
対応した入力層、中間層、出力層を持った３Ｎ構造をな
す小ネットワークｌと、これと同じ構成で小範囲Ａ゛に
対応した小ネットワーク■の２つからなる１段目と、こ
れらの出力層を合わせたものを入力層とし、中間層、出
力層を持った２段目を持つものである。ここで小ネット
ワークＩおよび■のノード数はともに、入力層が２、中
間層が３、出力層が１であり、これにバイアス層（学習
促進用）が１つ加わる構成である。一方、２段目のネッ
トワークは、例えば第２図（ｇ）■に示ずように中間層
が１つのもの、あるいは例えば第２図（ｇ）■に示すよ
うに中間層が複数個のものがある。各ノードの人、出力
の関係はシグモイド関数ａ　（１＋６−１）−１であり
、バイアス層の出力は１１学習規則は一般化デルタルー
ルである。疵あり１、疵なしＯで、１０００回程度学習
させる。最終出力層の出力がある値、たとえば０．５以
上で疵あり、それ以下で疵なしとする。

正規化特徴量の算出には適所にメモリを置く必要がある
。メモリ設置位置は第５図に示すように、Ａ／Ｄ変換器
２２の出側と微分レンジ計算部２４゜２６の出側などで
ある。範囲Ｂは１５４７分（ｌ／２．ｌ／４ライン分な
どもよいが、こ＼ではｌライン分とする）、範囲Ａおよ
び範囲Ａ′はそのｌラインの微小部分であるから、メモ
リＭ＋に複数ライン分の格納容量をもたせ、計算部２３
，２４でそのｌラインについてＸ。、１、σｘｔ１１を
計算したら計算部２５．２６で当該ラインの各範囲Ａに
つきｘｚ、ＸＤＩを、各範囲Ａ′につきＸ’！＋　Ｘ’
ＤＩを計算し、正規化処理部２７で前記（７）（８）（
９）ＯＩ弐により、正規化した２次平均Ｘχ！ｙ　　ｘ
！！’＋微分レンジＸし＊ｓ　、　Ｘｏａｓを計算し、
ニューラルネットワーク３０へ入力する、のが一つの方
法である。

メモリＭ２を用いて、ｌラインの各範囲Ａおよび各範囲
Ａ′についての計算結果をＭ２に蓄え、当該ラインにつ
いての即ち範囲Ｂについての計算結果が出たとき処理部
２７で正規化処理する、は第２の方法であり、メモリＭ
、を用いて範囲Ｂについての計算結果を該メモリＭ、に
格納し、次のラインの各範囲Ａおよび各範囲Ａ′の計算
結果とメモリＭ３の内容（ｌライン前の範囲Ｂについて
の計算結果）を用いて正規化処理する、は第３の方法で
ある。

上記の第３の方法は、メモリ容量が少なくて済み、ｌラ
イン前も今回ラインも２次平均などにそれ程差はないか
ら、有効な方法である。また図２（ｄ）■の方法を取る
場合は各範囲Ａ′の正規化処理後の結果をＭ４に格納し
ておけば次回計算における各範囲Ａについての計算を省
くことができ、高速な処理が可能となる。

第３図、第４図に誤検出率等を示す。第３図は従来法で
、横軸は闇値（２，４，・・・・・・は０．２Ｖ。

０．４Ｖ、・・・・・・に相当）、縦軸は率％である０
図示のように闇値を低くすると過検出（ＭＥでないのに
疵とする）率は上り、閾値を高くすると誤検出（見逃し
）率が上り、正答率は適切な闇値で最高になるが、この
最高正答率になる闇値は鋼板の表面性状等により種々変
化する。

第４図は本発明（相互参照型ニューラルネット法）と従
来法（微分スレッシュレベル法）とを対比して示すグラ
フである。横軸は誤検出率、縦軸は過検出率であり、図
示のように従来法では一方が良くなれば他方は悪くなる
。これに対して本発明法ではグループＧ　ｔ　、Ｇ　ｚ
に示すように両方共、低くすることができる。なおＧ２
はＧ１より、ニューラルネットを更によく学習させた場
合である。

特徴音としては正規化２次平均７２．と正規化微分レン
ジｘ　ｏｌｓを採用する他、３次平均７３＝Ｅ・Σｙ−
なども含めて適当に組合わせたものを特徴量とすること
も考えられる。

本発明では隣り合う２つの範囲において疵信号（範囲Ａ
あるいは範囲Ａ′の信号）と、その周囲の信号（範囲Ｂ
の信号）を用いて疵有／無判定を行なう。これが闇値の
不要な過積率、６検率の優れた疵有／無判定を可能とし
ている。微分レンジは高さ（強度）情報を与え、２次平
均は疵形状情報を与える。１段目のネットワークにおい
てこれらを用いて周囲と相違があるかどうかを識別し、
さらに、隣り合う部分を比較することによって全体的に
分布する相違点に対してもごく近くの相違点を識別する
ことが可能となっている。

本発明では強度が変動した微分波形を、変動を受けてい
ない波形と併せて学習させる事により、入力される微分
波形が強度的に変動を受けても（すなわち、Ｓ／Ｎが悪
化しても）検出率への影響が小さいシステムが得られる
。微分信号の大きさは、ラインでの設置条件、機器の劣
化や対象とする被検定物の種類によっても変化すること
は十分に考えられる。従来の微分スレッシュ法では、こ
れらの変化に柔軟に対応することは原理上不可能であり
、検出精度が悪化し、設置後、調整（すなわち、微分ス
レッシレベルの値）の手直し等が生じる危険が大きい。

〔発明の効果〕

以上説明したように本発明によれば、闇値設定に煩わさ
れることなく、誤検出と過検出を共に最低に抑えること
ができる鋼板表面疵検査を行なうことができる。

【図面の簡単な説明】

第１図は本発明の鋼板表面疵検査法の説明図、第２図は
疵検査の各部の説明図、 第３図および第４図は検査結果例を示すグラフ、第５図
はメモリ設置位置の各側を示すブロック図である。 第１図で２１は微分回路、２２はＡ／Ｄ変換器である。 第１図 第２図 ｆｇｌ■ ｔｇ＋■ 第３図

Claims (1)

1. 【特許請求の範囲】 １、鋼板表面をレーザ光で走査し、その反射光を光電変
   換し、更にＡ／Ｄ変換し、鋼板の２つの小範囲（Ａ）（
   Ａ′）とその複数個を包含する大範囲（Ｂ）における該
   変換出力から、反射光波形を代表する複数個の特徴量を
   算出し、該特徴量を、予め学習させた神経回路網に加え
   て疵有／無出力を生じさせることを特徴とする神経回路
   網による鋼板表面疵検査方法。 ２、特徴量は、２つの小範囲Ａ、Ａ′に対応して次式で
   表わされる正規化２次平均＠ｘ＠＿２＿Ｓ、＠ｘ＠′＿
   ２＿Ｓと正規化微分レンジｘ＿Ｄ＿Ｒ＿Ｓ、ｘ′＿Ｄ＿
   Ｒ＿Ｓであることを特徴とする請求項１記載の神経回路
   網による鋼板表面疵検査方法。 ・＠ｘ＠＿２＿Ｓ＝＠ｘ＠＿２／＠ｘ＿２＿ａ＿ｌ＿ｌ
   ＠　・＠ｘ＠′＿２＿Ｓ＝＠ｘ＠′＿２／＠ｘ＿２＿ａ
   ＿ｌ＿ｌ＠・ｘ＿Ｄ＿Ｒ＿Ｓ＝ｘ＿Ｄ＿Ｒ／σ＿ｘ＿Ｄ
   ＿Ｒ　・ｘ′＿Ｄ＿Ｒ＿Ｓ＝ｘ′＿Ｄ＿Ｒ／σ＿ｘ＿Ｄ
   ＿Ｒこゝで＠ｘ＠＿２は小範囲ＡのＡ／Ｄ変換出力の２
   次平均、＠ｘ＠′＿２は小範囲Ａ′のＡ／Ｄ変換出力の
   ２次平均、＠ｘ＿２＿ａ＿ｌ＿ｌ＠は大範囲ＢのＡ／Ｄ
   変換出力の２次平均、ｘ＿Ｄ＿Ｒは小範囲Ａの微分レン
   ジ、ｘ′＿Ｄ＿Ｒは小範囲Ａ′の微分レンジ、σ＿ｘ＿
   Ｄ＿Ｒは大範囲Ｂの微分レンジの標準偏差。 ３、鋼板表面を走査するレーザ光を発生するレーザ発振
   器と、 鋼板表面で反射したレーザ光を受光するレシーバと、 該レシーバの出力を微分し、その微分出力をＡ／Ｄ変換
   する回路と、 該Ａ／Ｄ変換出力より、各小範囲（Ａ）および（Ａ′）
   について２次平均と微分レンジを計算する手段と、 該Ａ／Ｄ変換出力より、前記小範囲の複数個を包含する
   大範囲（Ｂ）について２次平均、微分レンジ、および標
   準偏差を計算する手段と、 これらの２次平均より正規化２次平均を、また小範囲（
   Ａ）および（Ａ′）の微分レンジと大範囲（Ｂ）の標準
   偏差から正規化微分レンジを算出する正規化処理手段と
   、 該正規化２次平均および微分レンジを加えられて疵有／
   無出力を生じる神経回路網とを備えることを特徴とする
   、神経回路網による鋼板表面疵検査装置。