JPH04238207A - 欠陥検査装置 - 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】

【０００１】［発明の目的］

【０００２】

【産業上の利用分野】この発明は、欠陥検査装置に関し
、例えば走行中の鋼板等の被検査物表面の欠陥の種類と
程度を迅速に検知することのできる欠陥検査装置に関す
るものである。

【０００３】

【従来の技術】走行中の鋼板表面に生成されている各種
の欠陥を検査する従来の欠陥検査装置として、例えば図
７に示すようなものがある。この装置は、検出部１０に
レーザ発振器１２、回転ミラー１３及び空間フィルタを
有する１個の受光センサ１４が備えられ、レーザ光線を
走行中の鋼板１１の幅方向に走査し、その反射光の強度
、散乱方向の変化から欠陥の有無を判別するものである
。検出部１０で検出された検出信号は、標準信号処理部
１５を経てプロフィール前処理部１６に入力され、この
前処理部１６で量子化されたのち欠陥部の画像が切出さ
れる。次いでソフトウェアー処理部１７で、その画像か
らの特徴抽出により欠陥の種類と程度が判別されるよう
になっている。しかし、この欠陥検査装置では、１個の
受光センサ１４からの検出信号により欠陥部を画像化す
るようにしているので、欠陥の特徴を細かく捉えること
が難しい。

【０００４】これに対し、図８に示すように、被検査物
１１表面からの反射光を多方向から捉え、その反射方向
生成毎に欠陥を画像化して、より明瞭に欠陥の特徴を抽
出しようとするマルチセンシング検出系を試みたものが
ある。この方法では、１個の受光センサで反射光を検出
する場合に比べて、反射光のチャンネル数分だけ情報量
が増すので欠陥の特徴をより細かく捉えることができる
可能性がある。しかし、この方法では逆に情報量が多過
ぎて欠陥の種類判定、欠陥の程度判定法として実用的な
処理手段が見出されていなかった。

【０００５】この解決方法として、線形識別関数等を用
いた統計的学習法により、欠陥の種類、欠陥の程度の判
別アルゴリズムを自動的に学習により求めようとするこ
とが試みられている。しかし、このような方法は、必ず
しも人間の目視検査のアルゴリズムとして最適であると
いう訳ではない。この方法を実用化するためには大量の
サンプルデータが必要であること、且つそのサンプルデ
ータは被検査対象の母集団を忠実に反映していることが
必要である。このようなサンプルデータの収集は多大な
労力と費用を要するものであり、現実には限られたサン
プルデータしか集めることができない。またこの統計的
学習法を用いた欠陥の種類、欠陥の程度の判別方法の演
算は、多数個の積和計算を必要とし、その演算時間によ
り被検査物の許容走行速度の限界が決まってくる。

【０００６】

【発明が解決しようとする課題】被検査物の表面欠陥の
特徴を細かく捉えるためマルチセンシング検出系を試み
たものでは、情報量が多過ぎて欠陥の種類及び程度の判
定法として実用的な処理手段が見出されていなかった。 また、統計的学習法により、欠陥の種類と程度の判別ア
ルゴリズムを自動的に学習により求めるようにしたもの
では、大量のサンプルデータが必要であり、その収集に
多大の労力と時間を要し、さらに多数回の積和計算を必
要とするため処理時間が長くなるという問題があった。

【０００７】そこで、この発明は、複数チャンネルの欠
陥画像から、被検査物表面の欠陥の種類と程度を低コス
トで迅速に求めることができる欠陥検査装置を提供する
ことを目的とする。

【０００８】［発明の構成］

【０００９】

【課題を解決するための手段】この発明は上記課題を解
決するために、被検査物の表面に光を走査してその反射
光を検出し、この検出信号から生成した前記表面の欠陥
画像から欠陥の種類と程度を判別する欠陥検査装置であ
って、所要の複数チャンネルの各反射光成分を検出する
複数の受光センサと、該複数の受光センサの検出信号か
ら生成した各欠陥画像から欠陥形態の特徴を抽出し、該
欠陥形態の特徴から欠陥の種類を判別する欠陥分類手段
と、前記複数の受光センサの検出信号から生成した各欠
陥画像の特徴量から所定の演算式により演算値を求めこ
の演算値に基づいて欠陥の程度を判別する欠陥グレード
判別手段とを有することを要旨とする。

【００１０】

【作用】複数の受光センサの検出信号から複数チャンネ
ルの欠陥画像が生成される。欠陥分類手段では、各欠陥
画像の重ね合わせ処理手法等を用いて欠陥形態の特徴が
抽出され、その欠陥形態の特徴から欠陥の種類が判別さ
れる。一方、欠陥グレード判別手段では、例えば各欠陥
画像における濃淡の積分値等からなる特徴量を用いて所
定の演算式により、欠陥の程度判別のための演算値が求
められ、この演算値を所定の閾値と比較する等の処理が
行われて欠陥の程度が判別される。上記の欠陥の種類と
程度を判別するためのアルゴリズムは、統計的学習法の
ような多数回の積和演算は不要であり、また、大量のサ
ンプルデータを必要としないので、被検査物表面の欠陥
の種類と程度を低コストで迅速に求めることが可能とな
る。

【００１１】

【実施例】以下、この発明の実施例を図１ないし図３に
基づいて説明する。

【００１２】図１は複数の受光センサを備えた検出部の
構成、図２は検出部を除いた装置のブロック構成、図３
は複数の受光センサがそれぞれ配置される各チャンネル
、図４は被検査物の表面に生じている欠陥例をそれぞれ
示している。

【００１３】検出部には長手方向に走行する被検査物１
に対し、レーザ光をその幅方向に走査するレーザスキャ
ナ２と、被検査物１からの反射光を受光する複数の受光
センサを有するレシーバ３とが備えられている。複数の
受光センサは、図３に示すように正反射位置（図８中の
Ｐ点に相当）に反射する第１のチャンネルＣＨ１、その
近傍点（同、Ｓ１点に相当）に反射する第２のチャンネ
ルＣＨ２、その入射面後方の点（同、Ｂ点に相当）に反
射する第３のチャンネルＣＨ３、さらに反射光の広い回
折成分点（同、Ｓ２　点に相当）に反射する第４のチャ
ンネルＣＨ４の４個のチャンネルの反射光成分に分け、
各反射光成分を検出できるように配置されている。各々
のチャンネルの目的は、被検査物１の欠陥の形態を４点
でほぼ特徴づけるためである。

【００１４】即ち、第１のチャンネルＣＨ１は、吸収性
の欠陥の全てを高感度で検出できるチャンネルである。 第２のチャンネルＣＨ２は、ゆるやかな凹凸欠陥の全て
を高感度で検出できるチャンネルである。第３のチャン
ネルＣＨ３は、線状のかき疵の全てを高感度で検出でき
るチャンネルである。第４のチャンネルＣＨ４は、スリ
ップや異物等の後方散乱光を生じる欠陥の全てを高感度
で検出できるチャンネルである。

【００１５】何れのチャンネルも、各々の欠陥の幾何学
的形状とその反射光の反射方向に対応して配置された受
光センサで各種の複合した欠陥の特徴を能率よく、即ち
Ｓ／Ｎ比よく分離検出することが可能なように工夫して
ある。

【００１６】複数の受光センサからの検出信号に基づく
画像処理における画像の切出し、特徴抽出は、画像切出
し部４及び特徴抽出部５で単チャンネルの場合と同様に
各チャンネル毎に独立に処理される。

【００１７】被検査物１の表面に、図４に示すように、
かき疵、スリップ、異物等の欠陥が生じている場合、各
チャンネルＣＨ１〜ＣＨ４の検出出力は図２の検出チャ
ンネルの部分に示すように分離して検出される。これら
の検出信号から生成された各欠陥画像は、各受光センサ
の検出感度により、その検出能力（Ｓ／Ｎ比）で決って
くる。

【００１８】特徴抽出の方法は、各チャンネルＣＨ１〜
ＣＨ４とも同一の方法で行われる。この実施例では、プ
ロフィール法による特徴抽出方法が採用されている。こ
れを図５及び図６を用いて説明する。

【００１９】欠陥の幾何学的特徴抽出は、図５（ａ）に
示すように、切出された欠陥画像のＸＹプロフィールを
作成し、このプロフィールの形を特徴量とすることで、
欠陥の長さ、幅、面積等の主要な形態の特徴を抽出する
ことができる。また、図５（ｂ）に示すように、その欠
陥画像を画像フィルタＦ１，Ｆ２，Ｆ３を通すことによ
り、孤立点の数、線状数、面状の欠陥の数等、分布状態
の特徴も抽出することが可能である。

【００２０】また、切出された欠陥の濃淡画像の特徴量
は、図６に示すように、欠陥部の濃淡の積分値により求
められる。さらに、濃淡画像の特徴量は、その面積値又
はピーク値とすることもできる。

【００２１】このようにして求められる欠陥の特徴量は
、同一の欠陥部からの情報であり、欠陥の種類の判別等
を行う場合は、各々の情報を統合した判断が必要である
。

【００２２】この実施例では、欠陥分類手段としての欠
陥分類部６で各チャンネルＣＨ１〜ＣＨ４の欠陥画像の
ＯＲ処理（２値化画像の重ね合わせ）を実行して各々の
情報を統合し、混在する欠陥の幾何学的特徴を全て抽出
している。そして、この幾何学的特徴から欠陥の形態分
類が行われる。図４に示すような混在した欠陥が存在す
る場合の統合された代表欠陥の名称、即ち、欠陥の種類
の判別は、切出し画像の中で一番面積の大きい、又は一
番長いものを代表形態とするのが合理的であり、この例
では線状形態、即ち欠陥の種類は、かき疵と判別される
。

【００２３】一方、各チャンネルＣＨ１〜ＣＨ４から得
られた複数の欠陥画像からの欠陥の程度の判別は欠陥グ
レード判別手段としての欠陥グレード判別部７で行われ
る。欠陥グレード判別部７では、まず反射パターン分類
部７ａで各チャンネルの濃淡画像情報量、例えば濃淡画
像の積分値（特徴量）の大小比較から、その大小準位に
よりパターン分けが行われる。このパターン分けの組合
わせは２４種ある。例えば図１の例の場合、次のように
なる。

【００２４】 　　　　　　　　　　　　　　　　　　ＣＨ１　　　　
ＣＨ２　　　　ＣＨ３　　　　ＣＨ４　　積分値　　　
　　　　　　　　　２０　　　　　　１５　　　　１５
０　　　　　　７０　　反射パターン　　　　　　　　
３　　　　　　　　４　　　　　　　　１　　　　　　
　　２上記の反射パターンと記した部分は積分値（特徴
量）の大小準位を示している。次いで、グレード演算部
７ｂで次のような演算が行われる。即ち、数式１により
上記の各チャンネルの積分値（特徴量）に、その大小準
位に応じた係数が乗じられて加算され反射パターン全体
のグレードφｐ　が求められる。

【００２５】

【数１】

【００２６】式１において、Ｃｉ　は各チャンネルの濃
淡画像の積分値（特徴量）である。Ｗｉ　は各チャンネ
ル間の重み係数で０〜１の値をとり、数式２のようにな
る。

【００２７】

【数２】

【００２８】Ｋｐ　は各反射パターン間のグレード値（
φ値）の相互正規化係数である。この相互正規化係数Ｋ
ｐ　は、グレード判別比較値の方で正規化する場合は、
１としておいてよい。

【００２９】このあと、グレード判別部７ｃで、上記数
式１で求められたグレードφｐ　が所定の閾値と比較さ
れて欠陥の程度が判別される。

【００３０】上述したように、この実施例の欠陥検査装
置によれば、被検査物の表面欠陥を複数の受光センサで
検出し、欠陥の特徴をより細かく捉えようとする装置に
おいて、複数の欠陥画像を重ね合わせて欠陥形態の特徴
を全て抽出し、その欠陥形態の特徴から欠陥形態を分類
して欠陥の種類を判別するようにしたので、各チャンネ
ルの検出能力を全て生かすことができ、従来検出感度の
不足でその形態の特徴抽出が不十分であった欠陥に対し
ても明瞭な判別を行うことができる。

【００３１】また、欠陥の程度の判別においても、各チ
ャンネルの濃淡画像の全てをとり入れ、各チャンネルの
情報の和が目視判定のグレードに近似できる構造とした
ので、従来よりも高性能の判別を行うことができる。さ
らに、反射パターン（グレード準位付けパターン）毎の
相互の正規化係数を持つことにより、より細かく欠陥の
程度の判別を行うことができる。

【００３２】さらに、複数チャンネルの欠陥画像から被
検査物の表面欠陥の種類と程度を判別する場合において
、目視検査の認識カテゴリーに近い形で判別ロジックを
作成できるので、サンプル数の欠陥等による判別ロジッ
クの不完全さを人間の認識カテゴリーに基づき経験によ
り補間することが可能である。このことは、このアルゴ
リズム作成に多大の費用を要する統計データを扱うこの
種の装置における産業上の利点は非常に大きいものであ
る。

【００３３】また、この種の装置は、絶えず目視との整
合性が必要であり、この実施例のようなビジブルな認識
カテゴリーを採用しておけばそのメインテナンスも容易
となる。

【００３４】なお、上述の実施例では、単一光源から反
射光を各チャンネル毎の複数の受光センサで検出するよ
うにしたが、光源を複数個とし、その反射光をその各々
に対応した受光センサで検出するようにした構成もこの
発明に含まれるものである。

【００３５】

【発明の効果】以上説明したように、この発明によれば
、所要の複数チャンネルの各反射光成分を検出する複数
の受光センサと、この複数の受光センサの検出信号から
生成した各欠陥画像から欠陥形態の特徴を抽出し、その
欠陥形態の特徴から欠陥の種類を判別する欠陥分類手段
と、各欠陥画像の特徴量から所定の演算式により演算値
を求め、この演算値に基づいて欠陥の程度を判別する欠
陥グレード判別手段とを具備させたため、複数チャンネ
ルの欠陥画像から被検査物表面の欠陥の種類と程度を判
別する場合において、その判別のためのアルゴリズムを
、統計的学習法のような多数回の積和計算は不要とし、
また大量のサンプルデータを不要とすることができて被
検査物表面の欠陥の種類と程度を低コストで迅速に求め
ることができる。

【図面の簡単な説明】

【図１】複数の受光センサを備えた検出部の構成を示す
図である。

【図２】検出部を除いた装置のブロック構成を示す図で
ある。

【図３】複数の受光センサがそれぞれ配置される各チャ
ンネルを示す図である。

【図４】被検査物の表面に生じている欠陥例を示す図で
ある。

【図５】図１乃至図４の実施例において欠陥画像から欠
陥形態の特徴抽出を説明するための図である。

【図６】図１乃至図４の実施例において欠陥画像の特徴
量抽出を説明するための図である。

【図７】従来の欠陥検査装置を示すブロック図である。

【図８】従来のマルチセンシセング検出系を示す図であ
る。

【符号の説明】

１　　被検査物 ２　　レーザスキャナ ３　　複数の受光センサを備えたレシーバ５　　特徴抽
出部 ６　　欠陥分類部（欠陥分類手段）

Claims (1)

【特許請求の範囲】
1. 【請求項１】　　被検査物の表面に光を走査してその反
   射光を検出し、この検出信号から生成した前記表面の欠
   陥画像から欠陥の種類と程度を判別する欠陥検査装置で
   あって、所要の複数チャンネルの各反射光成分を検出す
   る複数の受光センサと、該複数の受光センサの検出信号
   から生成した各欠陥画像から欠陥形態の特徴を抽出し、
   該欠陥形態の特徴から欠陥の種類を判別する欠陥分類手
   段と、前記複数の受光センサの検出信号から生成した各
   欠陥画像の特徴量から所定の演算式により演算値を求め
   この演算値に基づいて欠陥の程度を判別する欠陥グレー
   ド判別手段とを有することを特徴とする欠陥検査装置。