JPH04110758A - 帯状体の表面欠陥判別方法 - 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１ 本発明は、冷延鋼板、アルミニウム板等の帯状体の表面
に発生した、ミクロな表面欠陥からマクロな表面欠陥ま
で正確に判別することができる帯状体の表面欠陥判別方
法に関する。 【従来の技術】 鋼板等の帯状体を製造する場合、製品の品質を保証する
ために表面欠陥の検査を行い、例えば表面欠陥の種類や
等数の判別を行っている。このような表面欠陥の検査を
行うための装置としては、第４図に示す構成の光学式検
査装置が知られている。 上記検査装置は、光源としてのレーザ発振器１０と、該
レーザ発振器１０からのレーザ光を鋼板（帯状体）Ｓの
幅方向に走査するための回転ミラー１２と、該鋼板Ｓの
表面で反射されなレーザ光を一点に集光させるための集
光レンズ１４と、該集光レンズ１４で集光された反射レ
ーザ光を空間フィルタ（マスク）１６を介して受光する
光電変換器１８とを備えている。 又、上記検査装置は、上記光電変換器１８からの出力信
号に対して画像処理及び所定の前処理を行う制御部２０
と、該制御部２０から出力された処理信号から特徴パラ
メータを抽出し、抽出した特徴パラメータと予め設定さ
れている欠陥特徴とを比較して欠陥の識別を行うと共に
、識別した欠陥信号の編集を行う演算処理部２２とを備
えておリ、該演算処理部２２がらタイプライタ２４へ編
集後の欠陥信号を出力することにより、検査結果を印字
し、展開表を作成するようになされている。 上記検査装置では、鋼板Ｓを矢印方向に走行させなから
レーザ光を走査し、そのときの反射光を前記光電変換器
１８で受光すると共に、前記制御部２０において、第５
図に一例を示すプロフィル法に従って上記光電変換器１
８がらの出力信号に対する処理を行う。 即ち、まず、走行する鋼板Ｓを第５図（Ａ）に示すよう
な所定の大きさ、例えば２５００〜５゜Ｏ［ｎｘｍｌ）
の画像処理単位２６に分画し、その単位２６からの画像
信号に基づいて該画像処理単位に対応する、例えば５０
ｘ５０の画素からなる同図（Ｂ）に模式的に示すような
デジタルマツプ２６Ａを作成する。この画素は、データ
処理時間の制約等から通常２〜５ｍｎ程度に選定される
。 上記デジタルマツプ２６Ａは、第５図（Ａ）の欠陥に基
づく画素毎の出力信号と、同図（Ｃ）に示すような予め
設定されているレベルｒ１〜ｒ６とを比較し、各画素に
ついて該レベル「１〜「６に基づく欠陥の有無、大きさ
等の特徴付けを行う。 次いで、上記デジタルマツプ２６Ａについて、各画素の
欠陥有り信号を縦方向にＭｘ（射影）し、第５図（Ｄ）
に示すヒストグラムからなる表面欠陥のプロフィルを作
成する。そして。上記プロフィルから、表面欠陥の特徴
を表わすパラメータとして幅Ｗ、長さＨ及び面積Ｓを抽
出する。 又、同様の処理を通して、鋼板Ｓの全体を分画した画像
処理単位について、上記各パラメータを始めとして、基
準以下の長さＨの欠陥の数から点状欠陥数ＮＡ、基準以
上の長さＨの欠陥の数から線状欠陥数ＮＢ、鋼板端部か
らの欠陥発生位置ＰＰ、前記第５図（Ｃ）に示した信号
レベルの極性比率ＶＩ（例：　（ｒｍ＋　ｒｓ＋　ｒ６
）／Σｒｉ）、尖鋭度ＨＷ（長さＨ／幅Ｗ）等の種々の
パラメータを抽出する。 前記検査装置は、又、その演算処理部２２において、上
述の如くして求めた各種パラメータを用いて欠陥種類の
判定（識別）を行っている。 上記欠陥種類を判定するための判定ロジックは、例えは
第６図に示すフローチャートに従って作成される。 即ち、始めに、欠陥の種類や程度（発生頻度が高い場合
は多くする）に応じて必要なサンプル数を決定する等の
サンプリングデザインを行い（ステップ１１０）、この
サンプリングデザインに基づいて必要なサンプルを収集
する（ステップ１１２）、このサンプルは、通常Ａ４版
程度が適当である。 集めたサンプルについて目視により特徴パターンを抽出
し、欠陥毎の欠陥特徴図（マツプ）を作成しくステップ
１１４）、該特徴図に基づいて基本ロジックのイメージ
作りを行う（ステップ１１６）と共に、上記サンプルに
ついて欠陥毎にスペックルパターンを観察しくステップ
１１８）、そのスペックルパターンに合った空間フィル
タの設計を行う（ステップ１２０）。 以上の準備が完了した後、多数のサンプルについて判定
ロジックを作成するためのテストを行い（ステップ１２
２）　、前述しな幅Ｗ、長さＨ等の特徴パラメータを抽
出して、どのパラメータを使用するか等の特徴量の決定
を行う（ステップ１２４．１２６）。 その後、決定した特徴パラメータを組合せる等により欠
陥種判定ロジックを作成しくステップ１２８）、該ロジ
ックについて確認用サンプルを用いてテストをしたり、
実際にオンラインで動かしてテストをする（ステップ１
３０）、このテストの結果、判定ロジックが精度不良で
あれば、上記ステップ１２８に戻り、同様の操作を繰り
返すことにより上記判定ロジックの精度を高めていく（
ステップ１３２）。 以上詳述した如く、前記従来の検査装置では、前述の画
像処理を行うと共に、その処理結果を上述の判定ロジッ
クに基づいて欠陥種類の判別を行っていた。 ところで、鋼板（帯状体）の表面に発生する欠陥には、
第７図（Ａ）に示すスリ疵と、同図（Ｂ）に示すヘゲ疵
等の線状欠陥がある。 表面欠陥は全て有害であるが、中でも上記スリ疵は、プ
ロセスラインのある特定の箇所で固定物によってこすら
れて直線上の欠陥となるものであり、その原因を除去す
るまで全長に発生することになるため、大量の不良品を
発生させる等、製品に与える影響は甚大である。従って
、上記スリ疵は、同じ線状欠陥であるが限られた範囲で
発生する前記ヘゲ疵と明確に識別することが極めて重要
である。

【発明が解決しようとする課題】

しかしながら、前述したように、従来は画像処理を２５
０′：Ｉ〜５００°　〔ｒａｌｘｌｌ〕ノ単位で行って
いるなめ、この限られた画像処理単位から抽出した特徴
パラメータだけではスリ疵とヘゲ疵とを正確に分離し、
識別することは困難である。 又、欠陥種類を判定するために用いる判定ロジックは、
前述したようにＡ４版程度の欠陥サンプルについてオフ
ラインでデータを採取し、そのデータに基づいて作成さ
れている。従って、数１を超えるような長さ情報は、サ
ンプルテストの段階で作成する部分的範囲を対象とした
ミクロな判定ロジックには反映できない、そのため、前
記判定ロジンタによっても、同様にスリ疵とヘゲ疵との
識別は困難である。 又、同様に、鋼板の幅全体に亘る全幅情報や根端部情報
等もミクロな判定ロジックには反映できないため、幅方
向等に広範囲に発生する、例えば模様系統の欠陥や、板
端部にのみ連続して発生する、例えばエツジの錆等の欠
陥も識別することが困難である。従って、上述したスリ
疵、連続模様、エツジ錆等を検出するためには、目視検
査を併用することが避けられなかった。 本発明は、前記問題点を解決するべくなされたもので、
帯状体に発生している表面欠陥について、部分的に発生
するミクロな表面欠陥と長さ方向、幅方向に分布するマ
クロな表面欠陥とを正確に分離・識別することができる
帯状体の表面欠陥判別方法を提供することを課題とする
。

【課題を達成するための手段】

本発明は、帯状体表面からの反射光を画像解析して、該
帯状体の表面欠陥の種類を判別する帯状体の表面欠陥判
別方法において、限定された画像領域から得られる欠陥
種情報と、帯状体の長手方向及び幅方向の少なくとも一
方向における欠陥の分布形態情報とを総合して表面欠陥
の種類を判別することにより、前記課題を達成したもの
である。

【作用及び効果】

本発明者等は、種々検討した結果、スリ疵等のマクロな
欠陥と他の線状系統（ヘゲ疵）等のミクロな欠陥とは、
欠陥の幅や、光の反射強度による識別は困難であるが、
その発生要因から、例えば、スリ疵は発生長さが最小で
も数十ｌ、平均数百１に亘って実質的に連続であるのに
対し、ヘゲ疵は最小０．３ｎ、平均２〜３１１程度であ
り、統計的にみて大きな違いのあることを知見した。 この知見により、例えば２５０°〜５００゜［１ｎｘＩ
Ｉｒａ］の画像処理単位に対するミクロなデータ処理に
加えて、例えば１０１ｍ以上の連続性を判定することに
より、スリ疵をヘゲ疵から明確に識別することが可能と
なった。 同様に、帯状体の幅方向についても、連続性等の分布性
を判定することにより、幅方向に広がりをもつ模様欠陥
等をミクロな欠陥から明確に識別することが可能となっ
た。 上述の如く、限定された画像領域から得られる欠陥種情
報と、長手方向における長さ情報、幅方向における分布
形態情報（全幅情報、根端部情報）とを総合することに
より、ミクロな欠陥とマクロな欠陥とを正確に判別する
ことが可能となる。その結果、目視検査を併用すること
なく、大量の不良品発生を有効に防止することが可能と
なる。

【実施例】

以下、図面を参照して、本発明の実施例を詳細に説明す
る。 第１図は、本発明による一実施例の帯状体の表面欠陥判
別方法に適用される鋼板の長手方向に対するマクロ判定
処理の基本構成を示すブロック線図であり、第２図は銅
帯の幅方向に対するマクロ判定処理の基本構成を示すブ
ロック線図である。 本実施例には、前記第４図に示した光学式検査装置と実
質的に同一の機能と、上記第１図及び第２図に示される
マクロ判定処理機能とを併せ持つ検査装置が適用される
。 ます、前記従来の検査装置の場合と同様に、走行する鋼
板（帯状体）Ｓの表面にレーザ光を走査し、その反射レ
ーザ光を受光した光電変換器１８の出力信号を制御部３
０の画像処理部３０Ａに入力する。上記画像処理部３０
Ａに入力された光電変換器１８からの出力信号は、所定
の画像処理を受け、画像処理信号として演算処理部３２
に含まれる欠陥特徴抽出回路３２Ａに出力され、該抽出
回路３２Ａにおいて欠陥特徴パラメータを演算する等の
特徴抽出が行われる。 次いで、第１図に示すように、上記欠陥特徴抽出回路３
２Ａにて線状欠陥と判定された信号と欠陥発生位置信号
とをマクロ処理部３４に含まれる演算器３６へ出力する
。この演算器３６は、新たに発生した線状欠陥であれば
、これを記憶すると共に、既に線状欠陥が発生していた
場合には、検出した線状欠陥が幅方向の同−箇処に発生
しな線状欠陥であるか否かを判定し、同−箇処に発生し
ていれば、これを長手方向に連続した欠陥とみなして積
算器３８へ連続欠陥発生信号を出力する。 上記積算器３８は、上記発生信号により鋼帯Ｓの画像処
理単位の長さ（１を単位長さとして上記連続欠陥の長さ
を積算する。その際、上記単位長さは、ライン運転に接
続されたパルス発生器４０から出力されるパルス信号と
単位長さ設定器４２から出力される設定信号とに基づい
てパルスカウンタ４４から出力される基準パルス信号に
よって設定される。 上記積算器３８でｗＬｘされた積算値（欠陥長さ信号）
は、比較器４６に入力され、該比較器４６において、発
生長さ設定器４８から入力される基準値（信号）と比較
される。上記積算値が上記基準値を超えている場合には
、上記比較器４６はスリ疵と判定し、スリ疵発生信号を
出力する。 又、鋼帯Ｓの幅方向に広がりをもつ欠陥についてのマク
ロ判定処理は、第２図に示すように行われる。 即ち、前記欠陥特徴処理回路３２Ａがら、過去、１２ｏ
ＩＢ内の画像処理単位における類似する面状欠陥情報を
シフトレジスタ５ｏに入力し、次いで該シフトレジスタ
５０がらの出力信号をコードコンバータ５２に入力して
数値化する。このコードコンバータ５２から、数値化し
た信号を比較器４６Ａに入力し、該比較器４６Ａにおい
て上記数値化信号を基準設定器４８Ａから入力される基
準値と比較する。上記数値化信号が基準値を超えている
場合には、欠陥種発生器５４からコーティング模様等の
欠陥種を出力し、逆に超えていない場合には、スイッチ
５８をｂ端子側に切換えて前記欠陥特徴抽出回路３２Ａ
で求めた欠陥種を出力する。 上述した如く、所定の大きさの画像処理単位がら欠陥種
情報である欠陥特徴量（パラメータ）を抽出すると共に
、鋼板Ｓの長手方向、幅方向における欠陥の連続性等の
分布形態情報を求め、これら欠陥種情報と欠陥の分布形
態情報とを総合することにより、上記画像処理単位毎に
求められる欠陥種であるミクロな表面欠陥はもとより、
広範囲に広がっているマクロな表面欠陥を上記ミクロな
表面欠陥から正確に判別し、検出することが可能となる
。 次に、本実施例の帯状体の表面欠陥判別方法を、鋼板の
連続処理ラインに実際に適用した場合の具体例を説明す
る。 前述した機能を備えた検査装置を、鋼板の連続処理ライ
ンの出側に設置した。この検査装置は、レーザ光を光源
とし、且つ欠陥に起因する反射光が形成するスペックル
パターンの特異性を利用するための空間フィルタ（マス
ク）を備えている。 又、制御部３０における画像処理には、前記第５図に示
したプロフィル法を用い、演算処理部３２では計算機に
て欠陥特徴パラメータを演算し、これらパラメータを組
合せて欠陥種判定、欠陥等数判定を行った。 又、マクロ処理部３４におけるマクロ処理は、ハードウ
ェアではなく計算機のソフトウェアで行った。その具体
的手順は次の通りである。 （１）ます、第３図に示すように、鋼板Ｓを幅方向に４
つに等分割し、それぞｉ　１　Ｗ〜４Ｗとすると共に、
長平方向にも単位長さｆｆｌ＋［：ｎ）毎に分割し、そ
の１つ（斜線部）をマクロ処理部Ｍに決定する。 （２）上記マクロ処理部Ｍについて、ＩＷ〜４ｗの各幅
毎に、上位から欠陥種を２つ選出し、それを過去ｆｆ１
ｏｃｎ〕分を保存する。 （３）上記マクロ処理部Ｍに次の欠陥種が発生している
場合にのみ、以降の処理を行う。 （マクロ処理対象欠陥種名） １、ヘゲ疵　　　　６．コーティング ２、スリ疵　　　　７１斑点 ３、すじ模様　　　８．油路 ４、マツプ疵　　　９．カキ疵 ５、錆　　　　　１０．肌荒 （４）マクロ処理ロジック ４−１（ヘゲ疵、スリ疵） マクロ処理部Ｍ内にヘゲ疵が発生している場合で、過去
ＡｏＥ内の同一幅にヘゲ疵、スリ疵が０１以上共存して
いる場合は、ヘゲ疵をスリ疵に欠陥名をかえる。 又、過去βｏＥ内の同一幅でヘゲ疵が０２個以上発生し
ている場合は、ヘゲ疵をスリ疵に欠陥名をかえる。 ４−２（ヘゲ疵、スリ疵、すじ模様） マクロ処理部Ｍ内にヘゲ疵又はスリ疵が発生している場
合で、過去ｉｏｌ内の全幅に（ヘゲ疵十スリ疵十すじ模
様）の欠陥発生率がＸ＋　　（％）以上の場合は、ヘゲ
疵又はスリ疵をすじ模様に欠陥名をかえる。 なお、４−１と４−２とか同時に発生する場合は、４−
２に示す処理を優先させる。 ４−３（マツプ疵、錆、コーティング）マクロ処理部Ｍ
内に、マツプ、錆及びコーティングの加算値がｎ３個以
上発生している場合で、過去（ｏ１１内の全幅に（マツ
プ疵十錆＋コーティング）の欠陥発生率が×２％以上の
場合は、マツプ疵又は錆をコーティングに欠陥名をかえ
る。 欠陥発生率が×２％未満で両エツジ幅に（マツプ疵＋錆
＋コーティング）の欠陥個数かｎ４個以上ある場合は一
錆又はコーティングをマツプ疵に欠陥名をかえる。 ４−４（斑点、油路、カキ疵、肌荒） マクロ処理部Ｍ内に斑点、油路、カキ疵及び肌荒の加算
値が０５個以上発生している場合で、過去βＯＩＤ内の
全幅に（斑点＋油路＋カキ疵士肌荒）の欠陥発生率が×
３％以上のときは、斑点、油路又はカキ疵を荒に欠陥名
をかえ、その程度を１ランク下げる。 なお、マクロ処理部の長さぶ１か１■、保存長さ（０が
１０１とした場合のｎｌ−ｎ５、×１〜×３の数値の一
例を第１表に示す。 第　　１　　表 以上詳述したマクロ処理を適用し、本実施例の帯状体の
表面欠陥判別方法をオンラインで実行した際に得られた
結果を第２表に示した。なお、比較のために、マクロ処
理を適用しない場合の結果を第３表に示した。 第　　２ 表 第　　３ 表 上記第２表では、サンプル数に対応する各欠陥を、何ら
かの欠陥として検出した割合を検出率で示し、実際に欠
陥名と一致している割合を一致率で示した。 又、第３表では、左欄に示した欠陥名の目視による欠陥
サンプル数が右欄に示してあり、その間の各数値は、上
棚に示した欠陥名と判別した数を示している。 上記第２表及び第３表の記載より、マクロ処理を行わな
い従来の方法では、スリ疵の判定正解率は５０％程であ
ったが、本実施例の方法では正解率か７５％に向上して
いる。 このように、本実施例によれば、スリ疵をヘゲ疵等のミ
クロな線状欠陥から精度良く判別することができるため
、大量の不良品の発生を未然に防止することが可能とな
った。 以上、本発明を具体的に説明したが、本発明は前記実施
例に示したものに限られるものでなく、その要旨を逸脱
しない範囲で種々変更できることはいうまでもない。 例えば、実施例ではデジタル処理のため、画素単位のデ
ータ処理について説明したが、これに限るものでなく、
光電変換器で受光した反射レーザ光に基づく出力信号を
、バイパスフィルタ及びローパスフィルタにかけて得ら
れる信号から、表面欠陥の有無の程度を判別するアナロ
グ処理によって特徴パラメータを算出し、欠陥種判定を
行ってもよい。

【図面の簡単な説明】

第１図は、本発明による一実施例の帯状体の表面欠陥判
別方法に適用される鋼板の長平方向に対するマクロ判定
処理の基本構成を示すブロック線図、 第２図は、鋼板の幅方向に対するマクロ判定処理の基本
構成を示すブロック線図、 第３図は、マクロ判定処理を鋼板に適用する場合の説明
図、 第４図は、従来の表面欠陥の検出に適用される光学式検
査装置の概略構成図、 第５図は、欠陥特徴パラメータを抽出するためのプロフ
ィル法を示す説明図、 第６図は、従来の欠陥種判定ロジックの作成手順を示す
フローチャート、 第７図は、スリ疵とヘゲ疵とを示す説明図である。 １０・・・レーザ発振器、 １２・・・回転ミラー １６・・・空間フィルタ、 １８・・・光電変換器、 Ｓ・・・鋼板。

Claims (1)

【特許請求の範囲】
1. （１）帯状体表面からの反射光を画像解析して、該帯状
   体の表面欠陥の種類を判別する帯状体の表面欠陥判別方
   法において、 限定された画像領域から得られる欠陥種情報と、帯状体
   の長手方向及び幅方向の少なくとも一方向における欠陥
   の分布形態情報とを総合して表面欠陥の種類を判別する
   ことを特徴とする帯状体の表面欠陥判別方法。