JPH07333197A - 表面疵自動探傷装置 - Google Patents
表面疵自動探傷装置Info
- Publication number
- JPH07333197A JPH07333197A JP6150578A JP15057894A JPH07333197A JP H07333197 A JPH07333197 A JP H07333197A JP 6150578 A JP6150578 A JP 6150578A JP 15057894 A JP15057894 A JP 15057894A JP H07333197 A JPH07333197 A JP H07333197A
- Authority
- JP
- Japan
- Prior art keywords
- image
- flaw
- processing unit
- discrimination processing
- determination processing
- 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.)
- Withdrawn
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
Abstract
(57)【要約】
【目的】 磁化した鋼材の表面に磁粉液を付着させてカ
メラにより撮影し、疵画像データを解析して鋼材の表面
疵を自動探傷する表面疵自動探傷装置に関し、誤検出の
少ない疵検出と信号処理の高速化を可能とする。 【構成】 画像一次判定処理部４と画像二次判定処理部
５と画像三次判定処理部６とからなる表面疵自動探傷装
置である。画像一次判定処理部４では、撮影画像を輝度
２値化判定して疵候補部を抽出し、該疵候補部について
輝度と形状との特徴量から明瞭な疵か否かを分類し、明
瞭なものを疵とし不明瞭なものを再び疵候補部として画
像抽出する。画像二次判定処理部５では、画像一次判定
処理部４で抽出した疵候補部の統計的特徴量を演算す
る。画像三次判定処理部６では、画像二次判定処理部５
で演算した疵候補部の統計的特徴量を入力量としてニュ
ーラルネットワークモデルにより疵の有無を判定する。
メラにより撮影し、疵画像データを解析して鋼材の表面
疵を自動探傷する表面疵自動探傷装置に関し、誤検出の
少ない疵検出と信号処理の高速化を可能とする。 【構成】 画像一次判定処理部４と画像二次判定処理部
５と画像三次判定処理部６とからなる表面疵自動探傷装
置である。画像一次判定処理部４では、撮影画像を輝度
２値化判定して疵候補部を抽出し、該疵候補部について
輝度と形状との特徴量から明瞭な疵か否かを分類し、明
瞭なものを疵とし不明瞭なものを再び疵候補部として画
像抽出する。画像二次判定処理部５では、画像一次判定
処理部４で抽出した疵候補部の統計的特徴量を演算す
る。画像三次判定処理部６では、画像二次判定処理部５
で演算した疵候補部の統計的特徴量を入力量としてニュ
ーラルネットワークモデルにより疵の有無を判定する。
Description
【０００１】
【産業上の利用分野】本発明は、磁粉探傷法により鋼材
表面の疵の有無判定を行う表面疵自動探傷装置に関する
ものである。
表面の疵の有無判定を行う表面疵自動探傷装置に関する
ものである。
【０００２】
【従来の技術】従来より鋼材の表面疵の検査には蛍光磁
粉探傷法が一般に広く採用されている。これは鋼材を磁
化し、鋼材表面の疵部分で発生する漏洩磁束に蛍光磁粉
を付着させ、磁粉付着後の鋼材に紫外線を照射すること
により疵を顕在化し、人間が疵の目視判定を行うもので
あるが、人的検査であるため疵見逃しがあり、信頼性に
欠ける問題があった。
粉探傷法が一般に広く採用されている。これは鋼材を磁
化し、鋼材表面の疵部分で発生する漏洩磁束に蛍光磁粉
を付着させ、磁粉付着後の鋼材に紫外線を照射すること
により疵を顕在化し、人間が疵の目視判定を行うもので
あるが、人的検査であるため疵見逃しがあり、信頼性に
欠ける問題があった。
【０００３】このため、最近では目視検査に代わる自動
検査技術として、特公昭５９−２２８９５号公報で開示
された磁粉探傷装置等の採用が拡大しつつある。この装
置は紫外線照明の下に現れる鋼材の表面に付着した磁粉
の蛍光模様をカメラで撮影し、その画像データを基に各
種の信号処理を施し自動的に疵の有無判定を行うもので
あり、要約すれば図４に示す通りである。
検査技術として、特公昭５９−２２８９５号公報で開示
された磁粉探傷装置等の採用が拡大しつつある。この装
置は紫外線照明の下に現れる鋼材の表面に付着した磁粉
の蛍光模様をカメラで撮影し、その画像データを基に各
種の信号処理を施し自動的に疵の有無判定を行うもので
あり、要約すれば図４に示す通りである。
【０００４】この磁粉探傷装置はカメラ１０１で予め磁
粉模様の形成された被検査材を撮影し、そのビデオ信号
をＡ／Ｄ変換器１０２によりデジタル化し、垂直線抽出
回路１０３、垂直局部画像メモリ１０４、及び水平線抽
出回路１０５、水平局部画像メモリ１０６を経て、線分
決定回路１０８及び疵判断回路１０９により、疵の有無
を判断後、マーキング装置１１１により疵マーキングを
行う。カメラ１０１での撮影ビデオ信号はアナログ信号
であり、Ａ／Ｄ変換器１０２により２次元のデジタル画
像として画素単位で量子化する。垂直線抽出回路１０３
は、材料長手方向の複数個のデジタル信号毎にそのデジ
タル信号を差分して材料幅方向の線（代表値）を抽出す
るもので、抽出した代表値は垂直局部画像メモリ１０４
により垂直差分信号を所定数の走査線に対応して各走査
線毎に順次記憶するシフトレジスタに蓄積される。水平
線抽出回路１０５は、材料幅方向の複数個のデジタル信
号毎にそのデジタル信号を差分して材料長手方向の線
（代表値）を抽出するもので、抽出した代表値は水平局
部画像メモリ１０６により水平差分信号を所定数の走査
線に対応して各走査線毎に順次記憶するシフトレジスタ
に蓄積される。線分決定回路１０８は、垂直局部画像メ
モリ１０４、水平局部画像メモリ１０６で記憶した各信
号を材料面上における所定線分方向に所定数だけ加算し
て線分を決定する加算回路からなり、垂直成分と水平成
分での画像を差分処理、加算処理することにより疵Ｓと
ノイズＮの差を強調する作用を持っている。そして疵判
断回路１０９によりしきい値を越えた場合に疵有りと判
断し、マーキング装置１１１により疵マークする。ま
た、油検出回路１０７は、生産過程で材料に油が付着し
て疵と誤認識することを防止するための検出回路であ
り、油検出された場合はゲート回路１１０により疵判断
回路１０９での出力を遮断する。
粉模様の形成された被検査材を撮影し、そのビデオ信号
をＡ／Ｄ変換器１０２によりデジタル化し、垂直線抽出
回路１０３、垂直局部画像メモリ１０４、及び水平線抽
出回路１０５、水平局部画像メモリ１０６を経て、線分
決定回路１０８及び疵判断回路１０９により、疵の有無
を判断後、マーキング装置１１１により疵マーキングを
行う。カメラ１０１での撮影ビデオ信号はアナログ信号
であり、Ａ／Ｄ変換器１０２により２次元のデジタル画
像として画素単位で量子化する。垂直線抽出回路１０３
は、材料長手方向の複数個のデジタル信号毎にそのデジ
タル信号を差分して材料幅方向の線（代表値）を抽出す
るもので、抽出した代表値は垂直局部画像メモリ１０４
により垂直差分信号を所定数の走査線に対応して各走査
線毎に順次記憶するシフトレジスタに蓄積される。水平
線抽出回路１０５は、材料幅方向の複数個のデジタル信
号毎にそのデジタル信号を差分して材料長手方向の線
（代表値）を抽出するもので、抽出した代表値は水平局
部画像メモリ１０６により水平差分信号を所定数の走査
線に対応して各走査線毎に順次記憶するシフトレジスタ
に蓄積される。線分決定回路１０８は、垂直局部画像メ
モリ１０４、水平局部画像メモリ１０６で記憶した各信
号を材料面上における所定線分方向に所定数だけ加算し
て線分を決定する加算回路からなり、垂直成分と水平成
分での画像を差分処理、加算処理することにより疵Ｓと
ノイズＮの差を強調する作用を持っている。そして疵判
断回路１０９によりしきい値を越えた場合に疵有りと判
断し、マーキング装置１１１により疵マークする。ま
た、油検出回路１０７は、生産過程で材料に油が付着し
て疵と誤認識することを防止するための検出回路であ
り、油検出された場合はゲート回路１１０により疵判断
回路１０９での出力を遮断する。
【０００５】この様に同装置は疵検出の際、疵とノイズ
の差Ｓ／Ｎを疵特徴量として、Ｓ／Ｎ向上を図る手段を
備え、生産過程で材料に付着した油分を検出し、油分付
着範囲を疵と判定させないための工夫がなされている。
の差Ｓ／Ｎを疵特徴量として、Ｓ／Ｎ向上を図る手段を
備え、生産過程で材料に付着した油分を検出し、油分付
着範囲を疵と判定させないための工夫がなされている。
【０００６】
【発明が解決しようとする課題】前記磁粉探傷装置は、
従来の検査員による官能検査に比べ、検査での疵の見逃
しを防止し定量的な検査を可能とするため、省力にも大
いに貢献するものとして期待されるが、疵の検出精度不
足や誤検出が多いことによる信頼性不足、あるいは設備
価格が高い等の理由から広く普及には至っていない。つ
まり、画像の垂直成分、水平成分の差分、加算処理のみ
では微小疵の検出が難しく、また、磁粉探傷法で検出す
べき疵は形態が線状の他、円形状、しわ状、魚のウロコ
状等複雑であり、散布磁粉液の濃度むらや未散布の状
態、あるいは疵部分以外の磁粉の残留付着や鋼材の表面
凹凸等に起因する疑似的な磁粉模様すなわち疑似疵模様
が時として発生し、疵の輝度と形状との特徴量による画
一的な評価では判定を誤り、疵を見落としたり誤検出に
至ることが多い。そして、これら自動検査装置における
疵の検出性能は画像二値化処理での輝度しきい値の大小
に大きく依存するため、より微細な疵を検出しようとす
ると誤検出が益々増加することになる。従って、後工程
では疵以外の誤検出部分の過剰手入れを行う結果とな
り、生産能率の低下を招くと同時に検査の信頼性を損な
う問題がある。そこで本発明は、誤検出の少ない疵検出
と信号処理の高速化を可能とする表面疵自動探傷装置を
提供する。
従来の検査員による官能検査に比べ、検査での疵の見逃
しを防止し定量的な検査を可能とするため、省力にも大
いに貢献するものとして期待されるが、疵の検出精度不
足や誤検出が多いことによる信頼性不足、あるいは設備
価格が高い等の理由から広く普及には至っていない。つ
まり、画像の垂直成分、水平成分の差分、加算処理のみ
では微小疵の検出が難しく、また、磁粉探傷法で検出す
べき疵は形態が線状の他、円形状、しわ状、魚のウロコ
状等複雑であり、散布磁粉液の濃度むらや未散布の状
態、あるいは疵部分以外の磁粉の残留付着や鋼材の表面
凹凸等に起因する疑似的な磁粉模様すなわち疑似疵模様
が時として発生し、疵の輝度と形状との特徴量による画
一的な評価では判定を誤り、疵を見落としたり誤検出に
至ることが多い。そして、これら自動検査装置における
疵の検出性能は画像二値化処理での輝度しきい値の大小
に大きく依存するため、より微細な疵を検出しようとす
ると誤検出が益々増加することになる。従って、後工程
では疵以外の誤検出部分の過剰手入れを行う結果とな
り、生産能率の低下を招くと同時に検査の信頼性を損な
う問題がある。そこで本発明は、誤検出の少ない疵検出
と信号処理の高速化を可能とする表面疵自動探傷装置を
提供する。
【０００７】
【課題を解決するための手段】本発明は、鋼材の表層部
を磁化し磁粉液を散布し疵磁粉模様を形成した該鋼材の
表面をカメラで撮影し、撮影画像を画像処理することに
より疵の有無判定を行う表面疵自動探傷装置において、
撮影画像を輝度２値化判定して疵候補部の抽出を行い、
該疵候補部において輝度と形状との特徴量から明瞭な疵
か否かの分類を行い、明瞭なものを疵とし不明瞭なもの
を再び疵候補部として画像抽出する画像一次判定処理部
と、該画像一次判定処理部で抽出した疵候補部の統計的
特徴量を演算する画像二次判定処理部と、該画像二次判
定処理部で演算した疵候補部の統計的特徴量を入力量と
してニューラルネットワークモデルによる疵の有無判定
を行う画像三次判定処理部とからなることを特徴とする
表面疵自動探傷装置である。
を磁化し磁粉液を散布し疵磁粉模様を形成した該鋼材の
表面をカメラで撮影し、撮影画像を画像処理することに
より疵の有無判定を行う表面疵自動探傷装置において、
撮影画像を輝度２値化判定して疵候補部の抽出を行い、
該疵候補部において輝度と形状との特徴量から明瞭な疵
か否かの分類を行い、明瞭なものを疵とし不明瞭なもの
を再び疵候補部として画像抽出する画像一次判定処理部
と、該画像一次判定処理部で抽出した疵候補部の統計的
特徴量を演算する画像二次判定処理部と、該画像二次判
定処理部で演算した疵候補部の統計的特徴量を入力量と
してニューラルネットワークモデルによる疵の有無判定
を行う画像三次判定処理部とからなることを特徴とする
表面疵自動探傷装置である。
【０００８】
【作用】本発明は、鋼材の表層部を磁化し、磁粉液を散
布して形成した鋼材表面の疵磁粉模様を目視検査する従
来の表面疵探傷における、鋼材全体の広い範囲を見て疵
と思われる部分を見つけ出し、見つけ出した疵と思われ
る部分における輝度、大きさ、形状、方向、連続性、及
び規則性から疵か否かを総合的に判断するという経験に
基づき正しい疵の認識を行うと同時に誤検出の防止が図
られる目視検査に着目した。
布して形成した鋼材表面の疵磁粉模様を目視検査する従
来の表面疵探傷における、鋼材全体の広い範囲を見て疵
と思われる部分を見つけ出し、見つけ出した疵と思われ
る部分における輝度、大きさ、形状、方向、連続性、及
び規則性から疵か否かを総合的に判断するという経験に
基づき正しい疵の認識を行うと同時に誤検出の防止が図
られる目視検査に着目した。
【０００９】本発明の表面疵自動探傷装置は画像一次判
定処理部と画像二次判定処理部と画像三次判定処理部と
で構成する。
定処理部と画像二次判定処理部と画像三次判定処理部と
で構成する。
【００１０】疵は輝度が明るく且つ模様の線幅が狭くシ
ャープであることにより、従来の目視検査では、疵模様
と疑似疵模様が混在する場合に、磁粉模様の輝度と形状
との特徴量から正確に疵の有無判定を行っていた。そこ
で、画像一次判定処理部では、これに相当する処理とし
て、画像２値化処理により疵候補部の抽出を行い、抽出
した各疵候補部において（平均輝度Ｂ）／（平均線幅
Ｗ）の演算により明らかに疵と判別できるものを分類
し、残る不明瞭な画像を再び疵候補部として抽出し、画
像二次判定処理部に伝送する。この際の疵候補部には疑
似疵模様と微小疵が含まれる。
ャープであることにより、従来の目視検査では、疵模様
と疑似疵模様が混在する場合に、磁粉模様の輝度と形状
との特徴量から正確に疵の有無判定を行っていた。そこ
で、画像一次判定処理部では、これに相当する処理とし
て、画像２値化処理により疵候補部の抽出を行い、抽出
した各疵候補部において（平均輝度Ｂ）／（平均線幅
Ｗ）の演算により明らかに疵と判別できるものを分類
し、残る不明瞭な画像を再び疵候補部として抽出し、画
像二次判定処理部に伝送する。この際の疵候補部には疑
似疵模様と微小疵が含まれる。
【００１１】画像二次判定処理部では、疵候補部の輝
度、形状、方向、連続性、及び規則性の特徴量を統計的
特徴量として演算処理し、画像三次判定処理部に伝送す
る。
度、形状、方向、連続性、及び規則性の特徴量を統計的
特徴量として演算処理し、画像三次判定処理部に伝送す
る。
【００１２】画像三次判定処理部では、統計的特徴量を
入力量として、あらかじめ入力と出力との関係が判って
いる複数データ（教師データ）に基づき学習された非線
形モデルである公知のニューラルネットワークモデルに
より、不明瞭な疵候補に対し疵か否かの判定を下す。
入力量として、あらかじめ入力と出力との関係が判って
いる複数データ（教師データ）に基づき学習された非線
形モデルである公知のニューラルネットワークモデルに
より、不明瞭な疵候補に対し疵か否かの判定を下す。
【００１３】このように、本発明の表面疵自動探傷装置
は、鋼材表面に存在する疵の有無判定を高速に且つより
人間に近く判断するために、疵候補部に対して明瞭な疵
形態のものを疵と判定し、不明瞭な疵に対してのみニュ
ーラルネットワークモデルにより詳細に疵判定する表面
傷自動探傷装置である。そして、目視検査と同等の誤検
出の少ない高精度の疵判定ができ、信号処理の機能分担
により処理の高速化ができる。
は、鋼材表面に存在する疵の有無判定を高速に且つより
人間に近く判断するために、疵候補部に対して明瞭な疵
形態のものを疵と判定し、不明瞭な疵に対してのみニュ
ーラルネットワークモデルにより詳細に疵判定する表面
傷自動探傷装置である。そして、目視検査と同等の誤検
出の少ない高精度の疵判定ができ、信号処理の機能分担
により処理の高速化ができる。
【００１４】
【実施例】以下、本発明の一実施例を図面を参照して説
明する。
明する。
【００１５】図１に示すように、既に磁化され磁粉液散
布も行われた鋼材１の表面に紫外線照明２で紫外線を照
射し、カメラ３で鋼材１の表面を撮影する。撮影した映
像信号を画像一次判定処理部４に送信し、Ａ／Ｄ変換器
７によりアナログ映像信号をデジタル信号に変換し、Ｉ
／Ｏユニット８を介してビデオメモリ１４に記憶する。
ＣＰＵ１１では、ビデオメモリ１４の画像データをエッ
ジ強調とノズル除去（独立点除去）の処理後に微小疵が
十分に検出可能な十分低い輝度しきい値で疵候補部を抽
出し、抽出した疵候補部について（平均輝度Ｂ）／（平
均線幅Ｗ）の演算を実施する。演算の結果、Ｂ／Ｗが所
定値より大きい場合は明瞭な疵とし、Ｂ／Ｗが所定値よ
り小さい場合は不明瞭な疵とし、不明瞭な疵は再び疵候
補部として画像の二次元座標値を登録し、画像二次判定
処理部５に送信する。
布も行われた鋼材１の表面に紫外線照明２で紫外線を照
射し、カメラ３で鋼材１の表面を撮影する。撮影した映
像信号を画像一次判定処理部４に送信し、Ａ／Ｄ変換器
７によりアナログ映像信号をデジタル信号に変換し、Ｉ
／Ｏユニット８を介してビデオメモリ１４に記憶する。
ＣＰＵ１１では、ビデオメモリ１４の画像データをエッ
ジ強調とノズル除去（独立点除去）の処理後に微小疵が
十分に検出可能な十分低い輝度しきい値で疵候補部を抽
出し、抽出した疵候補部について（平均輝度Ｂ）／（平
均線幅Ｗ）の演算を実施する。演算の結果、Ｂ／Ｗが所
定値より大きい場合は明瞭な疵とし、Ｂ／Ｗが所定値よ
り小さい場合は不明瞭な疵とし、不明瞭な疵は再び疵候
補部として画像の二次元座標値を登録し、画像二次判定
処理部５に送信する。
【００１６】画像二次判定処理部５では、ＣＰＵ２１に
より、受信した疵候補部の座標値からビデオメモリ１４
に記憶された画像データを抽出し（切り出し）、輝度、
形状、方向性、連続性及び規則性の特徴量として統計的
特徴量を演算する。統計的特徴量は、輝度の最大値、最
小値、平均値、標準偏差を初め、画素２点間における輝
度の差分、相関、慣性等から一般の統計解析手法により
求めるものであり、この結果を画像三次判定処理部６に
送信する。
より、受信した疵候補部の座標値からビデオメモリ１４
に記憶された画像データを抽出し（切り出し）、輝度、
形状、方向性、連続性及び規則性の特徴量として統計的
特徴量を演算する。統計的特徴量は、輝度の最大値、最
小値、平均値、標準偏差を初め、画素２点間における輝
度の差分、相関、慣性等から一般の統計解析手法により
求めるものであり、この結果を画像三次判定処理部６に
送信する。
【００１７】画像三次判定処理部６は統計的特徴量を入
力量とするニューラルネットワークモデルであり、ＣＰ
Ｕ３１により演算制御がなされ、教師データに基づき学
習させた非線形モデルを構成したものであり、疵候補部
の統計的特徴量を入力量とすることで疵の有無判定を実
現することができる。
力量とするニューラルネットワークモデルであり、ＣＰ
Ｕ３１により演算制御がなされ、教師データに基づき学
習させた非線形モデルを構成したものであり、疵候補部
の統計的特徴量を入力量とすることで疵の有無判定を実
現することができる。
【００１８】なお、ＲＯＭ１２、２２、３２は前記処理
を実施するためのプログラムや所定の定数等を格納する
ものであり、ＲＡＭ１３、２３、３３は各種処理を実施
するのに必要な演算途中の画像データを格納するもので
ある。
を実施するためのプログラムや所定の定数等を格納する
ものであり、ＲＡＭ１３、２３、３３は各種処理を実施
するのに必要な演算途中の画像データを格納するもので
ある。
【００１９】図５に、画像一次判定処理部でＢ／Ｗを演
算し、明瞭疵か否かを判定することが可能であることを
示すデータを示す。同図（ａ）は平均線幅Ｗと平均輝度
Ｂの関係を示す。平均輝度Ｂの低いものは不明瞭疵であ
り、平均線幅Ｗも大きい傾向が見られる。これらの疵候
補部に対して疵深さを計測し、Ｂ／Ｗとの関係を示した
のが同図（ｂ）である。不明瞭疵はＢ／Ｗが小さい傾向
にあることから、Ｂ／Ｗ判定値を約２３０とすることで
明瞭疵か否かの判定が可能となり、この結果詳細に判定
すべき疵個数比が９／１７（約５２％）となり、判定処
理にかかる負荷を軽減することが出来る。
算し、明瞭疵か否かを判定することが可能であることを
示すデータを示す。同図（ａ）は平均線幅Ｗと平均輝度
Ｂの関係を示す。平均輝度Ｂの低いものは不明瞭疵であ
り、平均線幅Ｗも大きい傾向が見られる。これらの疵候
補部に対して疵深さを計測し、Ｂ／Ｗとの関係を示した
のが同図（ｂ）である。不明瞭疵はＢ／Ｗが小さい傾向
にあることから、Ｂ／Ｗ判定値を約２３０とすることで
明瞭疵か否かの判定が可能となり、この結果詳細に判定
すべき疵個数比が９／１７（約５２％）となり、判定処
理にかかる負荷を軽減することが出来る。
【００２０】更に、前記本発明の装置における疵検出の
基本概念を図２で説明する。
基本概念を図２で説明する。
【００２１】図２（ａ）は鋼材表面の撮影像を二次元
（Ｘ1 〜Ｘn 、Ｙ1 〜Ｙn ）の座標系で模式したもの
で、有害疵４１、４２と無害疵（または疑似疵模様等）
４３を含み、同図（ｂ）は撮影像（ａ）の切片Ｙc での
輝度分布を示したものである。疵の有無判定は有害疵４
１、４２と無害疵４３を十分に検出できるしきい値（Ｔ
ＨＬ）とし、疵候補の有無を判定し、疵候補部の座標値
である（Ｘ1 ，Ｙ1 、Ｘ2，Ｙ2 ）、（Ｘ3 ，Ｙ3 、Ｘ
4 ，Ｙ4 ）、（Ｘ5 ，Ｙ5 、Ｘ6 ，Ｙ6 ）を認識する。
次に、疵候補部の座標値（Ｘ1 ，Ｙ1 、Ｘ2 ，Ｙ2 ）、
（Ｘ3 ，Ｙ3 、Ｘ4，Ｙ4 ）、（Ｘ5 ，Ｙ5 、Ｘ6 ，Ｙ
6 ）に基づき画像の切り出しを行い、ＴＨＬより高いＴ
ＨＬ′を超える明瞭な有害疵４１、４２を除く不明瞭な
無害疵４３を疵候補部として抽出し、各々の抽出画像に
対して輝度、形状、方向、連続性、及び規則性の特徴量
を統計的特徴量として演算で求め、ニューラルネットワ
ークモデルに前記統計的特徴量を入力し、疵の有無判定
を行う。
（Ｘ1 〜Ｘn 、Ｙ1 〜Ｙn ）の座標系で模式したもの
で、有害疵４１、４２と無害疵（または疑似疵模様等）
４３を含み、同図（ｂ）は撮影像（ａ）の切片Ｙc での
輝度分布を示したものである。疵の有無判定は有害疵４
１、４２と無害疵４３を十分に検出できるしきい値（Ｔ
ＨＬ）とし、疵候補の有無を判定し、疵候補部の座標値
である（Ｘ1 ，Ｙ1 、Ｘ2，Ｙ2 ）、（Ｘ3 ，Ｙ3 、Ｘ
4 ，Ｙ4 ）、（Ｘ5 ，Ｙ5 、Ｘ6 ，Ｙ6 ）を認識する。
次に、疵候補部の座標値（Ｘ1 ，Ｙ1 、Ｘ2 ，Ｙ2 ）、
（Ｘ3 ，Ｙ3 、Ｘ4，Ｙ4 ）、（Ｘ5 ，Ｙ5 、Ｘ6 ，Ｙ
6 ）に基づき画像の切り出しを行い、ＴＨＬより高いＴ
ＨＬ′を超える明瞭な有害疵４１、４２を除く不明瞭な
無害疵４３を疵候補部として抽出し、各々の抽出画像に
対して輝度、形状、方向、連続性、及び規則性の特徴量
を統計的特徴量として演算で求め、ニューラルネットワ
ークモデルに前記統計的特徴量を入力し、疵の有無判定
を行う。
【００２２】図３は信号処理の時系列チャートの一例を
示したもので、従来は画像取り込み５１を行い、次いで
画像判定処理５２を実施するため、一定時間間隔で画像
取り込み５１を行おうとすると、処理時間が障害となり
高速の検査が実施できない問題があった。本発明では画
像一次判定処理５３、画像二次判定処理５４、及び画像
三次判定処理５５に機能分割しており、各処理部に於い
て画像メモリを有するため処理時間の遅れを許容するこ
とが可能である。すなわち、画像取り込み５１において
、、が疵候補無しの画像で、、が疵候補有り
の画像としたとき、従来の画像処理を行う場合の処理時
間は画像取り込み５１の時間Ｔ1 と画像判定処理５２に
必要な時間Ｔ2 の総和となり、処理を複雑にしたり、疵
個数が多くなると処理時間が長くなり、検査速度を落と
す必要があった。本発明では、画像判定処理５２を画像
一次判定処理５３としてエッジ強調やノズル除去等の前
処理と輝度とＢ／Ｗ判定の処理に限定することで画像一
次判定処理５３における処理時間Ｔ3 をＴ2 より短縮
し、疵候補部を抽出し、次の画像二次判定処理５４に移
行させる。この際、画像二次判定処理５３の処理時間Ｔ
4 は疵候補有りの画像、の統計的特徴量を演算で求
めるのに要する時間であり、疵候補部の個数により変化
することから、図１に示すＲＡＭ２３のメモリ容量を大
きく取り、個々の疵候補の格納を可能としておき、個々
の疵候補に対する画像三次判定処理５３を行うようにす
る。画像三次判定処理５３の処理時間Ｔ5 は、疵候補部
の統計的特徴量を入力量としてニューラルネットワーク
モデルにより疵の有無判定を行うのに要する時間であ
る。
示したもので、従来は画像取り込み５１を行い、次いで
画像判定処理５２を実施するため、一定時間間隔で画像
取り込み５１を行おうとすると、処理時間が障害となり
高速の検査が実施できない問題があった。本発明では画
像一次判定処理５３、画像二次判定処理５４、及び画像
三次判定処理５５に機能分割しており、各処理部に於い
て画像メモリを有するため処理時間の遅れを許容するこ
とが可能である。すなわち、画像取り込み５１において
、、が疵候補無しの画像で、、が疵候補有り
の画像としたとき、従来の画像処理を行う場合の処理時
間は画像取り込み５１の時間Ｔ1 と画像判定処理５２に
必要な時間Ｔ2 の総和となり、処理を複雑にしたり、疵
個数が多くなると処理時間が長くなり、検査速度を落と
す必要があった。本発明では、画像判定処理５２を画像
一次判定処理５３としてエッジ強調やノズル除去等の前
処理と輝度とＢ／Ｗ判定の処理に限定することで画像一
次判定処理５３における処理時間Ｔ3 をＴ2 より短縮
し、疵候補部を抽出し、次の画像二次判定処理５４に移
行させる。この際、画像二次判定処理５３の処理時間Ｔ
4 は疵候補有りの画像、の統計的特徴量を演算で求
めるのに要する時間であり、疵候補部の個数により変化
することから、図１に示すＲＡＭ２３のメモリ容量を大
きく取り、個々の疵候補の格納を可能としておき、個々
の疵候補に対する画像三次判定処理５３を行うようにす
る。画像三次判定処理５３の処理時間Ｔ5 は、疵候補部
の統計的特徴量を入力量としてニューラルネットワーク
モデルにより疵の有無判定を行うのに要する時間であ
る。
【００２３】
【発明の効果】本発明の自動探傷装置は信号処理を高速
化し、複雑な形態の疵の判定精度を高め、誤検出を防止
する。
化し、複雑な形態の疵の判定精度を高め、誤検出を防止
する。
【図１】本発明の装置の実施例を示す図である。
【図２】鋼材表面を二次元の座標系で模式した図（ａ）
及び撮影像の切片での輝度分布を示す図（ｂ）である。
及び撮影像の切片での輝度分布を示す図（ｂ）である。
【図３】信号処理の時系列チャートを示す図である。
【図４】従来の磁粉探傷装置の概略構成図である。
【図５】本発明の画像一次判定処理部における疵分類を
説明する図である。
説明する図である。
１ 鋼材 ２ 紫外線照明 ３ カメラ ４ 画像一次判定処理部 ５ 画像二次判定処理部 ６ 画像三次判定処理部 ７ Ａ／Ｄ変換器 ８ Ｉ／Ｏユニット １１ ＣＰＵ １２ ＲＯＭ １３ ＲＡＭ １４ ビデオメモリ ２１ ＣＰＵ ２２ ＲＯＭ ２３ ＲＡＭ ３１ ＣＰＵ ３２ ＲＯＭ ３３ ＲＡＭ ４１ 有害疵 ４２ 有害疵 ４３ 無害疵 ５１ 画像取り込み ５２ 画像判定処理 ５３ 画像一次判定処理 ５４ 画像二次判定処理 ５５ 画像三次判定処理 １０１ カメラ １０２ Ａ／Ｄ変換器 １０３ 垂直線抽出回路 １０４ 垂直局部画像メモリ １０５ 水平線抽出回路 １０６ 水平局部画像メモリ １０７ 油検出回路 １０８ 線分決定回路 １０９ 疵判断回路 １１０ ゲート回路 １１１ マーキング装置
Claims (1)
- 【請求項１】 鋼材の表層部を磁化し磁粉液を散布し疵
磁粉模様を形成した該鋼材の表面をカメラで撮影し、撮
影画像を画像処理することにより疵の有無判定を行う表
面疵自動探傷装置において、 撮影画像を輝度２値化判定して疵候補部の抽出を行い、
該疵候補部において輝度と形状との特徴量から明瞭な疵
か否かの分類を行い、明瞭なものを疵とし不明瞭なもの
を再び疵候補部として画像抽出する画像一次判定処理部
と、 該画像一次判定処理部で抽出した疵候補部の統計的特徴
量を演算する画像二次判定処理部と、 該画像二次判定処理部で演算した疵候補部の統計的特徴
量を入力量としてニューラルネットワークモデルによる
疵の有無判定を行う画像三次判定処理部とからなること
を特徴とする表面疵自動探傷装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6150578A JPH07333197A (ja) | 1994-06-09 | 1994-06-09 | 表面疵自動探傷装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6150578A JPH07333197A (ja) | 1994-06-09 | 1994-06-09 | 表面疵自動探傷装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH07333197A true JPH07333197A (ja) | 1995-12-22 |
Family
ID=15499951
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6150578A Withdrawn JPH07333197A (ja) | 1994-06-09 | 1994-06-09 | 表面疵自動探傷装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07333197A (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0999439A2 (de) * | 1998-11-05 | 2000-05-10 | Balser AG | Verfahren zum Anzeigen der Fehlerhäufigkeit und der Fehlerfrequenz bei einem taktweise arbeitenden Fehlerinspektionssystem |
| JP2016115863A (ja) * | 2014-12-17 | 2016-06-23 | 株式会社Ｓｃｒｅｅｎホールディングス | 基板処理装置および基板処理方法 |
| US10665481B2 (en) | 2014-03-11 | 2020-05-26 | SCREEN Holdings Co., Ltd. | Substrate processing apparatus and substrate processing method for discharge of processing liquid from nozzle |
| CN111598827A (zh) * | 2019-02-19 | 2020-08-28 | 富泰华精密电子（郑州）有限公司 | 外观瑕疵检测方法、电子装置及存储介质 |
| EP3792620A1 (en) * | 2019-09-12 | 2021-03-17 | Jtekt Corporation | Magnetic particle inspection device |
| WO2022005776A1 (en) * | 2020-06-26 | 2022-01-06 | Illinois Tool Works Inc. | Methods and systems for non-destructive testing (ndt) with trained artificial intelligence based processing |
| CN114252507A (zh) * | 2021-12-20 | 2022-03-29 | 济宁鲁科检测器材有限公司 | 基于卷积神经网络的磁粉探伤缺陷识别系统及方法 |
| CN114397356A (zh) * | 2022-01-13 | 2022-04-26 | 江苏省特种设备安全监督检验研究院 | 一种磁粉智能检测方法及系统 |
| KR20230064319A (ko) * | 2021-11-03 | 2023-05-10 | (주)플레이오니 | 인공지능을 이용한 결함 검사방법, 장치 및 프로그램 |
-
1994
- 1994-06-09 JP JP6150578A patent/JPH07333197A/ja not_active Withdrawn
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0999439A2 (de) * | 1998-11-05 | 2000-05-10 | Balser AG | Verfahren zum Anzeigen der Fehlerhäufigkeit und der Fehlerfrequenz bei einem taktweise arbeitenden Fehlerinspektionssystem |
| EP0999439A3 (de) * | 1998-11-05 | 2001-09-12 | Balser AG | Verfahren zum Anzeigen der Fehlerhäufigkeit und der Fehlerfrequenz bei einem taktweise arbeitenden Fehlerinspektionssystem |
| US10665481B2 (en) | 2014-03-11 | 2020-05-26 | SCREEN Holdings Co., Ltd. | Substrate processing apparatus and substrate processing method for discharge of processing liquid from nozzle |
| JP2016115863A (ja) * | 2014-12-17 | 2016-06-23 | 株式会社Ｓｃｒｅｅｎホールディングス | 基板処理装置および基板処理方法 |
| CN111598827A (zh) * | 2019-02-19 | 2020-08-28 | 富泰华精密电子（郑州）有限公司 | 外观瑕疵检测方法、电子装置及存储介质 |
| EP3792620A1 (en) * | 2019-09-12 | 2021-03-17 | Jtekt Corporation | Magnetic particle inspection device |
| WO2022005776A1 (en) * | 2020-06-26 | 2022-01-06 | Illinois Tool Works Inc. | Methods and systems for non-destructive testing (ndt) with trained artificial intelligence based processing |
| KR20230064319A (ko) * | 2021-11-03 | 2023-05-10 | (주)플레이오니 | 인공지능을 이용한 결함 검사방법, 장치 및 프로그램 |
| CN114252507A (zh) * | 2021-12-20 | 2022-03-29 | 济宁鲁科检测器材有限公司 | 基于卷积神经网络的磁粉探伤缺陷识别系统及方法 |
| CN114397356A (zh) * | 2022-01-13 | 2022-04-26 | 江苏省特种设备安全监督检验研究院 | 一种磁粉智能检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1152372A3 (en) | Method and apparatus for automatic detection and sizing of cystic objects | |
| JP2008102027A (ja) | 異物検出装置及び異物検出方法 | |
| JP5354187B2 (ja) | 走行材の表面品質判定装置および表面品質判定方法 | |
| JPH03160349A (ja) | ひび検出装置 | |
| JPH07333197A (ja) | 表面疵自動探傷装置 | |
| JP2011013007A (ja) | 磁粉探傷装置 | |
| JPH08189904A (ja) | 表面欠陥検出装置 | |
| CN116843640A (zh) | 瓷砖表面凹坑缺陷检测方法、系统及存储介质 | |
| CN117036259A (zh) | 一种基于深度学习的金属板材表面缺陷检测方法 | |
| JPH07198627A (ja) | 金属表面欠陥検査装置 | |
| JPH04106460A (ja) | 欠陥検出方法 | |
| JPH06103276B2 (ja) | 表面検査装置 | |
| JPH0718811B2 (ja) | 欠陥検査方法 | |
| Aoki et al. | Intelligent image processing for abstraction and discrimination of defect image in radiographic film | |
| JPH04350546A (ja) | 異物検出方法 | |
| JPH08271440A (ja) | 疵検査装置 | |
| JP2564737B2 (ja) | 自動磁粉探傷装置 | |
| JP2682112B2 (ja) | 自動磁粉探傷装置 | |
| JP2016188768A (ja) | 金属板の表面欠陥検出方法 | |
| JPH0337564A (ja) | 自動磁粉探傷装置 | |
| JPH0882604A (ja) | 鋼板表面欠陥検査方法 | |
| JP2000088765A (ja) | 平面の傷検査装置 | |
| JP2005114671A (ja) | 欠陥検査方法 | |
| JPH04115147A (ja) | 光学式検査装置 | |
| JPH08304302A (ja) | 検査対象物の表面傷検出方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20010904 |