TW202305349A - 評估方法、評估裝置及電腦程式 - Google Patents

評估方法、評估裝置及電腦程式 Download PDF

Info

Publication number
TW202305349A
TW202305349A TW111120311A TW111120311A TW202305349A TW 202305349 A TW202305349 A TW 202305349A TW 111120311 A TW111120311 A TW 111120311A TW 111120311 A TW111120311 A TW 111120311A TW 202305349 A TW202305349 A TW 202305349A
Authority
TW
Taiwan
Prior art keywords
coating film
image data
aforementioned
evaluation
evaluation method
Prior art date
Application number
TW111120311A
Other languages
English (en)
Inventor
本多有佳里
中谷安利
秀人
山崎景子
Original Assignee
日商大金工業股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日商大金工業股份有限公司 filed Critical 日商大金工業股份有限公司
Publication of TW202305349A publication Critical patent/TW202305349A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/8422—Investigating thin films, e.g. matrix isolation method
    • G01N2021/8427—Coatings
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8861—Determining coordinates of flaws
    • G01N2021/8864—Mapping zones of defects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本發明之評估方法係定量地評估塗膜的起泡。評估在物體上所形成的塗膜的起泡的評估方法係包含：(a)藉由攝影裝置取得於同軸照明裝置之光照射下的塗膜的表面的影像資料；(b)對影像資料至少施以二值化處理，檢測存在於塗膜的表面的起泡的區域；以及(c)求出影像資料的評估對象的區域中，起泡的區域所占的面積率。

Description

評估方法、評估裝置及電腦程式
本揭示係關於一種評估塗膜的起泡的評估方法、評估裝置及電腦程式。
就評估塗膜的表面(以下，本說明書中亦簡稱為「塗裝面」)的狀態的方法而言，會利用塗裝面的損傷、凹凸等的狀態。塗裝面的損傷、凹凸的檢測會隨著光的照射方法而有所不同，例如專利文獻1記載調整向塗裝面的照射光的角度而亦檢測出50μm左右的小損傷。
此外，目前就形成在物體(被塗物)上的塗膜的劣化的評估方法之一而言，如日本產業規格JIS K5600-8-2的規定，已知有評估塗膜的鼓起(「起泡」)的方法。JIS K5600-8-2所規定的評估方法係將塗膜的表面狀態與複數個基準圖版的等級樣本進行比較，目視判斷接近何等級樣本，藉此將起泡的程度(密度及大小)分級。
[先行技術文獻]
[專利文獻]
專利文獻1：日本專利公開公報特開2006-105672號
惟如上述的利用目視進行的評估方法無法定量地評估塗膜的起泡。
因此，本揭示之目的在於提供一種可定量地評估塗膜的起泡的方法、裝置以及電腦程式。
本揭示之評估方法係評估物體上所形成的塗膜的起泡，此評估方法係包含：(a)藉由攝影裝置取得於同軸照明裝置之光照射下的前述塗膜的表面的影像資料；(b)對前述影像資料至少施以二值化處理，檢測存在於前述塗膜的表面的起泡的區域；以及(c)求出前述影像資料的評估對象的區域中，前述起泡的區域所占的面積率。
前述評估方法可根據選自存在於前述塗膜的表面的起泡的尺寸、前述塗膜的表面的粗糙度、以及前述塗膜的光澤度所組成之群組中的至少一者，來選擇在前述(a)中取得前述影像資料的第一條件，以及在前述(b)中檢測前述起泡的區域的第二條件。
前述評估方法中，前述第一條件可包含前述同軸照明裝置的半反射鏡與前述塗膜的表面的有效視野之間的最短距離，前述第二條件可包含前述二值化處理中的臨界值的設定方法。
前述評估方法中，前述(b)可包含：(i)修整前述影像資料，得到對應於前述評估對象的區域之經修整的影像資料；(ii)對前述經修整的影像資料，施以平滑化處理之後施以前述二值化處理，或不施以平滑化處理而施以前述二值化處理。
前述評估方法中，前述第二條件可包含前述平滑化處理的平滑化濾波器所使用的核心(kernel)數。
前述評估方法中，在前述(a)之前可更包含對具有前述塗膜的前述物體施以耐蝕性試驗。
本揭示之評估裝置係評估物體上所形成的塗膜的起泡，此評估裝置係包含：取得部，係於同軸照明裝置之光照射下取得以攝影裝置拍攝的前述塗膜的表面的影像資料；檢測部，係對前述影像資料至少施以二值化處理，檢測存在於前述塗膜的表面的起泡的區域；以及算出部，係求出前述影像資料的評估對象的區域中，前述起泡的區域所占的面積率。
本揭示之電腦程式係使電腦執行前述評估方法。
此等概括且特定的實施態樣亦可藉由系統、方法、電腦程式及此等的組合來實現。
根據本揭示之評估方法、評估裝置及電腦程式，可定量地評估塗膜的起泡。
1:評估裝置
2:攝影裝置
3:同軸照明裝置
4:網路
11:控制部
12:記憶部
13:通訊部
14:輸入部
15:輸出部
21:透鏡
31:光源
32:半反射鏡
111:選擇部
112:取得部
113:檢測部
114:算出部
115:結果處理部
121:影像資料
122:結果資料
A1:變白部分
A2:變黑部分
A3:變暗部分
B:起泡
P:評估程式
L1:照射光
L2:反射光
LWD:距離
P1:表面部分
P2:頂點部分
P3:其他部分
S01,S02,S03,S04,S05,S06,S07,S08,S09:步驟
W:工件(形成塗膜的物體)
圖1係評估裝置的構成的方塊圖。
圖2係說明同軸照明的概念圖，一併顯示同軸照明裝置及攝影裝置。
圖3A係照射光與反射光的關係之一例的概念圖。
圖3B係照射光與反射光的關係之其他例的概念圖。
圖4係有起泡的塗膜(工件)的表面與照射光及反射光的關係的概念圖。
圖5係依據起泡尺寸、光澤度及表面粗糙度來選擇評估方法的判斷的樹狀圖。
圖6A係所拍攝的塗膜的表面的影像資料之一例。
圖6B係將圖6A的影像資料平滑化的影像資料之一例。
圖6C係將圖6B的影像資料二值化的影像資料之一例。
圖7A係所拍攝的塗膜的表面的影像資料的其他例。
圖7B係將圖7A的影像資料平滑化後再二值化的影像資料之一例。
圖8係塗膜的表面的照明範圍之一例的示意圖。
圖9A係所拍攝的塗膜的表面的影像資料的其他例。
圖9B係將圖9A的影像資料平滑化的影像資料之一例。
圖9C係將圖9B的影像資料二值化的影像資料之一例。
圖10係說明評估方法的處理的流程圖。
以下，參照圖式說明實施型態的評估方法、評估裝置及電腦程式。本揭示之評估方法、評估裝置及電腦程式係用以評估塗膜的起泡者。此外，以下的說明中，對於相同的構成係標記相同的符號並省略其說明。
本揭示中，所謂「塗膜」係指形成在物體(被塗物)上的膜，且為由塗料形成的膜。
所謂「塗料」係指為了保護、裝飾、其他種種目的而被覆被塗物的物體的表面所使用的材料。
塗料以及由塗料形成的塗膜的各材料、塗膜的形成方法、塗膜的厚度、構成將要形成塗膜的物體(至少其表面)的材料及形狀等無特別的限定。
就「物體」而言，可例舉平板、圓筒、棒等形狀者。
就「物體」的材質而言，可例舉金屬、樹脂、橡膠、陶瓷等。就金屬而言，可例舉包含鋁、不鏽鋼、鐵的單體金屬以及合金。
就塗膜的成分而言，以包含含氟聚合物為佳。上述含氟聚合物可為氟樹脂，亦可為氟橡膠，而以氟樹脂為佳。
就上述氟樹脂而言，可例舉聚四氟乙烯(PTFE)、四氟乙烯(TFE)/六氟丙烯(HFP)共聚物(FEP)、TFE/全氟(烷基乙烯基醚)(PAVE)共聚物(PFA)、TFE/HFP/PAVE共聚物(EPA)、聚氯三氟乙烯(PCTFE)、TFE/氯三氟乙烯(CTFE)共聚物、TFE/乙烯(Et)共聚物(ETFE)、TFE/CTFE/Et共聚物(ECTFE)、聚偏二氟乙烯(PVDF)等。
就上述氟橡膠而言，可例舉偏二氟乙烯(VdF)系氟橡膠、四氟乙烯(TFE)/丙烯(Pr)系氟橡膠、TFE/Pr/VdF系氟橡膠、乙烯(Et)/六氟丙烯(HFP)系氟橡膠、Et/HFP/VdF系氟橡膠、Et/HFP/TFE氟橡膠、氟矽橡膠系氟橡膠、氟化磷腈系氟橡膠等。
就塗料成分而言，上述含氟聚合物以外的成分可例舉液狀媒質。就上述液狀媒質而言，可例舉水、有機溶劑、水與有機溶劑的混合溶劑等。
上述含氟聚合物以外的成分另可例舉黏結劑樹脂(binder resin)。上述黏結劑樹脂較佳為耐熱性樹脂(惟排除含氟聚合物)。所謂「耐熱性」係指可在150℃以上的溫度下連續使用的性質。就上述耐熱性樹脂而言，可列舉聚醯胺醯亞胺樹脂(PAI)、聚醯亞胺樹脂(PI)、聚醚碸樹脂(PES)、聚醚醯亞胺樹脂、芳香族聚醚酮樹脂、芳香族聚酯樹脂、聚伸芳硫醚(Polyarylene sulfide)樹脂等。
就上述含氟聚合物以外的成分，亦可例舉界面活性劑、分散劑、黏度調整劑、製膜助劑、造膜劑、消泡劑、乾燥延遲劑、觸變性賦予劑、pH調整劑、顏料、導電劑、帶電防止劑、均勻化劑、收縮防止劑、消光劑、阻斷防止劑、熱安定劑、氧化防止劑、耐磨損劑、填充劑、防鏽劑、硬化劑、酸性中和劑、紫外線吸收劑、光安定劑、防黴劑、抗菌劑等添加劑。
就塗膜的形成方法而言，可例舉噴漆塗裝、浸漬塗裝、滾筒式塗布、融流塗布、網版印刷、點膠塗裝、電鍍塗裝、靜電塗裝、流動浸漬、旋轉覆膜、旋轉成型等。
就塗膜的厚度而言，以1至5000μm為佳。
所謂「起泡」係指塗膜的鼓起。起泡可能因各種原因而發生，起因於塗膜劣化時，會因在塗膜與被塗物之間產生氣體(例如塗膜中的成分的氣化、外部侵入的液體成分的氣化)而發生。起泡係例如會因塗膜的自然劣化而發生，或者，會於為了評估塗膜的耐蝕性的目的而對塗膜進行耐蝕性試驗時發生。
「塗裝面的起泡的評估」係包含目前的塗膜的表面狀態的評估(塗膜形成後經使用時，與劣化評估同義)、以及(塗膜形成後未經使用的)塗膜的耐蝕性的評估。
所謂「(塗膜的表面的)粗糙度」(或稱為「塗膜粗糙度」)係指測量塗膜的表面的凹凸的粗糙度，例如為算術平均粗糙度Ra。
所謂「塗膜的表面的表示值」係指所獲得之與起泡的尺寸、塗膜的表面的粗糙度、塗膜的光澤度等評估對象的塗膜的表面相關的值。
《同軸照明》
首先說明取得評估裝置使用的影像資料之際的照明。評估裝置1係使用藉由攝影裝置2所拍攝的塗膜的表面(塗裝面)的影像資料，評估裝置1容後使用圖1來說明。在此，攝影裝置2係利用同軸照明於塗裝面的拍攝。同軸照明係在與攝影裝置的攝影軸(相機軸)的同軸上照射光的照明方法，如圖2所示之一例，可為在攝影裝置2的透鏡21的光路內建置來自光源31的照射光的照明方法。具體而言，同軸照明係如圖2所示，藉由半反射鏡32使來自光源31的光反射而照射工件(亦即評估對象，本揭示中係指形成塗膜的物體，工件的表面係對應於塗膜的表面)W的照明方法。此時，將半反射鏡32到工件W的有效視野的最短距離設為距離LWD(mm)。在此，以包含用於此同軸照明的光源31及半反射鏡32的構成作為同軸照明裝置3。
如圖3A所示之一例，假設表面平坦的工件W與攝影裝置2的透鏡21相向，且藉由光源31將照射光L1對於工件W從斜方向照射。此時，因照射光L1的反射而得到的反射光L2朝向異於透鏡21的方向前進。因此，如圖3A所示，攝影裝置2的透鏡21配置在相異於反射光L2的光路的方向時，攝影裝置2所拍攝的工件W的影像成為捕捉到擴散反射光的影像。
相對於此，如圖3B所示，在使用與圖3A相同的工件W及透鏡21的例中，假設將照射光L1對於工件W從與透鏡21的光軸相同的方向照射。 此時，反射光L2係朝攝影裝置2的透鏡21的方向前進。因此，如圖3B所示，攝影裝置2的透鏡21配置在相同於反射光L2的光路的方向時，攝影裝置2可獲得捕捉到正反射光的影像。
如圖4所示，藉由同軸照明對塗膜的表面發生起泡B的工件W進行攝影。圖4的例亦為工件W與攝影裝置2相向。在此，圖4中省略了形成在工件W的表面的塗膜的圖示。如圖4所示的情況，若照射光L1照射在未發生起泡B的工件W上的塗膜的表面部分P1，其反射光L2係朝向攝影裝置2的透鏡21。因此，影像資料上，塗膜的表面部分P1係明亮地成像。並且，由於照射起泡B的頂點部分P2的照射光L1反射而得的反射光L2係朝向透鏡21。因此，影像資料上，起泡B的頂點部分P2係明亮地成像。另一方面，由於照射起泡B的其他部分(例如P3)的照射光L1反射而得的反射光L2係朝向對應於照射光L1照射的部分(例如P3)傾斜的方向。因此，影像資料上，相對於形成塗膜的工件W發生傾斜的起泡B等的部分係陰暗地成像。
如此，藉由使用同軸照明來拍攝，可得到塗膜部分的平坦部分較亮，凸部分的起泡B等發生傾斜的部分較暗的影像資料。亦即，影像資料中，可將白色部分視為塗膜的表面，將黑色部分視為產生起泡B的部分，而抽出整體中的起泡的區域。然而，實際上，依塗膜的性質、起泡的狀態等的評估對象的塗膜的表面的表示值，有無法以相同的方法簡單地抽出起泡B的區域的情況。因此，如後所述，使用依塗膜的表面的表示值而選擇的評估方法來取得影像資料，並且對所取得的影像資料進行處理而抽出起泡B的區域。
〈評估裝置〉
接下來，參照圖1說明實施型態的評估裝置1。評估裝置1係評估物體上所形成的塗膜的起泡，此評估裝置1係包含：
取得部112，係於同軸照明裝置3之光照射下取得以攝影裝置2拍攝的塗膜的表面的影像資料；
檢測部113，係對影像資料至少施以二值化處理，檢測存在於塗膜的表面的起泡的區域；以及
算出部114，係求出影像資料的評估對象的區域中，起泡的區域所占的面積率。
評估裝置1係具備控制部11、記憶部12及通訊部13的資訊處理裝置。控制部11係掌管評估裝置1整體的控制的控制器。例如，控制部11係讀取並執行被記憶在記憶部12的評估程式P，藉此實現作為選擇部111、取得部112、檢測部113、算出部114及結果處理部115的處理。並且，控制部11不限於藉由硬體及軟體的協同動作來實現預定功能，亦可為被設計成實現預定功能的專用硬體電路。亦即，控制部11可由CPU、MPU、GPU、FPGA、DSP、ASIC等各種處理器來實現。
記憶部12係記錄各種資訊的記錄媒體。記憶部12例如可由RAM、ROM、快閃記憶體、固態硬碟(Solid State Drive；SSD)、硬碟、其他記憶裝置或此等的適當組合來實現。記憶部12除了儲存控制部11要執行的評估程式P之外，可各種資料等。例如，記憶部12係記憶影像資料121、結果資料122及評估程式P。
通訊部13係經由網路4而可與外部裝置進行資料通訊的介面電路(模組)。例如，通訊部13可與拍攝影像資料的攝影裝置2進行資料通訊。此外，通訊部13亦可與外部的其他裝置進行資料通訊。
評估裝置1可具備輸入部14及輸出部15。輸入部14係利用於輸入操作訊號、資料等的操作按鈕、滑鼠、鍵盤等的輸入手段。輸出部15係利用於輸出處理結果、資料等的顯示器等的輸出手段。
在此，評估裝置1可藉由一台電腦來實現，亦可藉由經網路連接的多台電腦的組合來實現。又，雖省略圖示，但亦可構成為例如記憶部12要記憶的資料的全部或一部分係記憶在經網路連接的外部的記錄媒體，而評估裝置1可使用外部的記錄媒體所記憶的資料。
選擇部111係根據選自存在於塗膜的表面的起泡的尺寸、塗膜的表面的粗糙度、及塗膜的光澤度所組成之群組中的至少一者，選擇由後述取得部112取得影像資料的第一條件以及由後述檢測部113檢測起泡的區域的第二條件。具體而言，選擇部111係接收「起泡尺寸」、「光澤度」及「表面粗糙度」之至少一者作為評估對象的塗膜的表面的表示值。並且，選擇部111依所接收到的塗膜的表面的表示值來選擇規定關於取得影像資料的第一條件以及關於影像處理的第二條件的「評估方法」。
起泡尺寸係例如可利用操作員使用尺所目視測量到的值。此時，以使用評估對象部分的起泡尺寸的平均值為佳。例如，測量起泡的尺寸時，可從塗膜的評估對象部分隨機測量五個起泡並使用其平均值。藉此，可防止僅依一個起泡的尺寸而選擇不適宜的評估方法。
塗膜的光澤度係例如可利用以光澤計所測量到的值。
塗膜的表面粗糙度係例如可利用以表面粗糙度測定器所測量到的值。
例如，操作員將如上所述地測量到的起泡尺寸、光澤度及表面粗糙度的各值經由輸入部14輸入評估裝置1，而藉由選擇部111選擇評估方法。例如，選擇部111係在取得起泡尺寸、光澤度及表面粗糙度時，依據表1所示的基準來選擇評估方法。在此，於圖5顯示表1所示之依據各值來判斷要選擇的評估方法的樹狀圖。表1及圖5的例中，起泡尺寸S為0.5mm以上、以60°測量的光澤度G為55以上，且表面粗糙度Ra為0.2μm以上時，選擇部111係選擇評估方法a。又，起泡尺寸S未滿0.5mm時，選擇部111係選擇評估方法h。
[表1]
Figure 111120311-A0202-12-0011-1
評估裝置1中，依選擇部111所選擇的各個評估方法來設定後述的影像取得要利用的第一條件的參數以及影像處理要利用的第二條件的參數。第一條件係指定同軸照明裝置3的半反射鏡32與塗膜的表面的有效視野之間的 最短距離LWD的參數。第二條件的參數係包含從所拍攝的影像資料修整評估對象的區域時的影像尺寸。並且，第二條件係包含用於二值化處理中的臨界值設定的參數。再者，第二條件的參數係包含用於平滑化處理的中央值濾波器的核心值。
以下說明依塗膜的表面的各表示值選擇的各評估方法的參數。在此，為了簡化說明，以下分別舉出依顯示塗膜的表面的各個表示值決定各參數的一例，但不限於以下的例子。具體而言，選擇部111係統合多種塗膜的表面的表示值來選擇評估方法。並且，評估裝置1中，依選擇部111所選擇的各個評估方法而使用預定的各參數來執行影像資料的取得處理及影像處理。
《依起泡尺寸的調整》
圖6A係拍攝塗膜的表面的影像資料之一例。此外，圖6B係對圖6A的影像資料進行平滑化處理而得的影像資料。再者，圖6C係對圖6B的影像資料進行二值化處理而得的影像資料。平滑化處理及二值化處理係以精度良好地檢測起泡的區域為目的的影像處理，由後述檢測部113執行。例如，起泡的尺寸較大時，如圖6C所示，在起泡的中央附近反射出強反射光的部分會變大，而於影像資料中成為變白部分(例如圖6C中的A1部分)。此種起泡的一部分變白的情況下，變白的部分會被視為非起泡的區域而無法正確地進行評估。因此，此種起泡的尺寸大於預定值的情況時，例如，在平滑化濾波器中，與起泡的尺寸小於預定值的情況相比較，使用廣域的畫素對各畫素施以平滑化處理，藉此，可容易地抽出起泡B的部分。評估裝置1中，依起泡B的尺寸，調整作為參數的平滑化濾波器中使用的核心值，使起泡B的抽出精度提升。
另一方面，起泡B的尺寸小時，例如，縮短同軸照明的半反射鏡32與塗膜的表面的有效視野之間的最短距離的距離LWD，藉此，可容易地抽出起泡B的部分。亦即，起泡B的尺寸小時，影像資料中的塗膜的表面與起泡B的部分的對比有變小的傾向而變得不容易檢測起泡B的區域。因此，起泡小時難以檢測起泡B。因此，例如，起泡的尺寸小於預定尺寸的情況時，縮短作為參數的距離LWD，藉此，可容易地抽出起泡B的部分。評估裝置1中，依起泡B的尺寸調整作為參數的距離LWD，使起泡B的抽出精度提升。
《依表面粗糙度的調整》
例如，要評估表面粗糙度大而在塗膜的表面存在有起泡以外的凸部的塗膜的表面時，藉由進行二值化，會有起泡以外的部分亦成為變黑部分(例如圖6C中的A2部分)的情況。如此的情況時，起泡以外的部分有被檢測為起泡之虞。如此地存在於塗膜的表面的起泡以外的凸部被誤檢測為起泡時，就無法正確地進行評估。因此，此種表面粗糙度大於預定值的情況時，由於此種起泡B以外的凸部通常小於起泡B本身，故例如在平滑化濾波器中，使用廣域的畫素對各畫素模糊化，藉此，可容易地去除起泡B以外的凸部。如此，評估裝置1中，依表面粗糙度調整作為參數的平滑化濾波器中使用的核心值，使起泡B的抽出精度提升。
《依塗膜的光澤度的調整》
圖7A係拍攝光澤度高的塗膜的表面的影像資料之一例。例如，塗膜的光澤度高時，由於反射光會因表面上的損傷而散亂等，故會有反射光L2變弱的情形。因此，如圖7B所示，經平滑化以及二值化之後，會有影像資料中此種損傷等的部分成為變暗部分(圖7B中的A3部分)的情形。此時，若藉由與通常同樣的二 值化處理來抽出起泡B的區域的方法，由於起泡B以外的損傷的部分亦會變黑，因而有被檢測為起泡B之虞。因此，損傷容易因經二值化的影像資料而顯現的此種光澤度高的塗膜的情況下，將臨界值設定於偏黑的一側而進行二值化處理，藉此，可使損傷不易顯著。具體而言，256階調中，「0」為表示黑色的值，「255」為表示白色的值。並且，為了使臨界值偏向黑的一側，可從以預定方法設定的臨界值減去對應於光澤度的程度而設定的參數的值，將其設為新的臨界值，以使損傷不易顯著。
取得部112係使用依選擇部111所選擇的評估方法所決定的參數來取得包含評估對象區域的影像資料121。具體而言，取得部112係使用依評估方法所決定的參數的距離LWD來取得影像資料121。並且，取得部112係將所取得的影像資料121記憶在記憶部12。例如，取得部112係與攝影裝置2連接，將攝影操作訊號傳送到攝影裝置2，而取得由攝影裝置2拍攝的影像資料121。
檢測部113可包含(i)修整影像資料而得到對應於評估對象的區域之經修整的影像資料之步驟；以及(ii)對經修整的影像資料，施以平滑化處理之後施以二值化處理，或不施以平滑化處理而施以二值化處理之步驟。具體而言，檢測部113係使用依選擇部111所選擇的評估方法所決定的各參數，對取得部112取得的影像資料121進行影像處理，而檢測評估對象區域中的起泡區域。具體而言，檢測部113執行的影像處理係「灰階化」、「修整」」「平滑化」及「二值化」的處理。具體而言，將取得部112所取得的彩色影像資料的影像資料121設為第一影像資料。檢測部113係對第一影像資料進行灰階處理，並將處理後的影像資料設為第二影像資料。並且，檢測部113係從第二影像資料抽出評估的對象區域(修整)。接著，檢測部113係對經修整的對象區域的第二影像資料施以平 滑化處理(模糊化處理)，並將所得的平滑影像資料設為第三影像資料。再者，檢測部113係對第三影像資料施以二值化處理，並將所得的二值化影像資料設為第四影像資料。之後，檢測部113係從第四影像資料檢測起泡區域。在此，若攝影裝置2所拍攝的影像資料121並非彩色影像資料而是灰階影像資料時，則不需要進行灰階處理，檢測部113對取得的影像資料121進行修整處理即可。又，灰階化並非使用依各評估方法而設定的參數的處理，而為一般的從彩色影像到灰階影像的轉換。
以下說明評估裝置1使用依評估方法所決定的各參數而執行的修整、平滑化及二值化的處理。
《修整》
修整係評估的對象區域的抽出。檢測部113係以在選擇部111中依塗膜的表面的各表示值的至少一者而選擇的評估方法所決定的參數的修整的影像尺寸，從第二影像資料修整影像處理的對象的區域。此時，如圖8所示，由攝影裝置2拍攝的影像資料121係例如只有來自光源31的照射光照射的一部分的區域明亮，照射光未照射到的區域陰暗。因此，修整時，必須在第二影像資料中明亮的區域內進行修整。修整後的第二影像資料若放大，則例如為如圖9A所示的影像資料。在此，修整的影像尺寸係決定為依對塗膜照射光時的光的範圍而抽出可用於影像解析的範圍。
《平滑化》
接著說明平滑化之一例。圖9B係對圖9A的影像資料進行平滑化處理而得的影像資料。檢測部113係藉由使用了依評估方法而設定的參數之核心值的平滑化濾波器，對經修整的第二影像資料執行平滑化處理。藉由平滑化處理而得的 影像資料為第三影像資料。藉由進行平滑化處理，例如起泡的尺寸大時，可容易抽出起泡的區域，減輕因塗膜的粗糙度所帶來的影響。
檢測部113可使用例如高斯濾波器作為平滑化濾波器。高斯濾波器係利用高斯分布來增加注目畫素的中心部分的權重的濾波器。此時，由選擇部111所設定的參數係高斯濾波器中使用的核心值。除了高斯濾波器之外，檢測部113亦可使用中央值濾波器(中間值濾波器)、雙邊濾波器等作為平滑化濾波器。
《二值化》
接著說明二值化之一例。圖9C係對圖9B的影像資料進行二值化處理而得的影像資料。圖9C的影像資料係可檢測在基材發生的起泡區域的例子。具體而言，圖9C中的黑色部分為起泡區域。然而，隨著影像取得及影像處理所利用的參數的不同，如圖9C所示，不僅有可檢測起泡區域的影像資料。因此，檢測部113係利用以依選擇部111所選擇的評估方法而設定的參數的值進行調整後的臨界值，對經平滑化的第三影像資料執行二值化處理，以可正確地檢測起泡區域。藉由二值化處理而得的影像資料為第四影像資料。因進行二值化處理，例如可除去塗膜的表面狀態的影響而檢測起泡區域。
檢測部113可於二值化處理例如使用依影像中的各個小區域計算臨界值的值的適應定限(adaptive thresholding)處理。在此，由選擇部111所設定的參數係用來調整二值化處理所要設定的臨界值的值。如上所述，具體而言，臨界值可設定在0至255之間，但參數係顯示使所設定的臨界值例如偏向白的一側(偏靠「255」)的階調數的值。藉此，可除去表面狀態帶來的影響而取得可區別起泡區域的二值化影像資料。另外，檢測部亦可於二值化處理利用判別分析法(大津二值化法)、反覆臨界值選擇、百分位法等各種方法。
如此，評估裝置1中，如上所述，依塗膜的表面的「起泡的尺寸」、「粗糙度」及「光澤度」之中至少一值來選擇評估方法。並且，使用所選擇的評估方法所決定的參數來執行「修整」、「平滑化」及「二值化」的處理，可正確地檢測起泡的區域。因此，評估裝置1可使用此起泡的區域，定量地評估塗膜的起泡。
算出部114係對於經檢測部113修整後的影像尺寸的對象區域，算出所檢測的起泡區域所占的面積率作為評估值。具體而言，算出部114算出的面積率小時，評估為塗膜的性能高。反之，算出部114算出的面積率大時，評估為塗膜的性能低。如此，評估裝置1中，將算出部114求出的評估值作為將耐蝕性數值化的值，藉此，相較於由評估者目視評估塗膜的耐蝕性的情況，可定量地評估塗膜的起泡。在此，圖9C的例中，起泡區域的面積率算出為42.63%。
結果處理部115係將算出部114算出的起泡區域的面積率作為結果資料122並與影像資料121賦予關連性而記憶在記憶部12。此外，結果處理部115亦可將評估值對輸出部15輸出。結果處理部115係將所求出的評估值作為結果資料122登錄在記憶部12。此時，結果處理部115亦可使取得部112得到的各種影像資料、檢測部113得到的二值化後的各種影像資料等與原本的影像資料121賦予關連而記憶在記憶部12。並且，結果處理部115亦可使與影像資料121相關的各種資料與影像資料121賦予關連性而記憶在記憶部12。
評估裝置1係如上所述，使用所決定的各評估方法個別的參數來執行處理。藉此，可除去影像資料中與塗料的性能無關的影響，且可根據起泡的面積率的數值計算定量地評估塗膜的起泡。例如，塗料會使用各種樹脂、顏料等，但可藉由利用上述處理來定量地評估塗膜的起泡。
〈評估方法〉
實施型態的評估方法係評估物體上所形成的塗膜的起泡，此評估方法係包含下述步驟：
(a)藉由攝影裝置取得於同軸照明裝置之光照射下的塗膜的表面的影像資料；
(b)對影像資料至少施以二值化處理，檢測存在於塗膜的表面的起泡的區域；以及
(c)求出影像資料的評估對象的區域中，前述起泡的區域所占的面積率。
以下，參照圖10所示的流程圖，說明使用評估裝置1的評估方法。
首先，評估裝置1係接收用於選擇評估方法所需的資料之塗膜的表面的表示值的輸入(步驟S01)。例如，評估裝置1係在使用者使用輸入部14的操作而藉此輸入起泡尺寸、光澤度及表面粗糙度的值作為塗膜的表面的表示值時，選擇評估所要使用的評估方法。
評估裝置1係使用以步驟S01所選擇的評估方法的第一條件設定的參數，取得評估對象的工件W上的塗膜的表面的影像資料(步驟S02)。具體而言，評估裝置1使用所選擇的評估方法的第一條件決定的參數，設定從同軸照明裝置的半反射鏡32到工件W的表面的有效視野的最短距離LWD，並取得影像資料。步驟S02所取得的影像資料為第一影像資料。並且，評估裝置1係將所取得的第一影像資料記憶在記憶部12。
評估裝置1係使步驟S02所取得的第一影像資料灰階化(步驟S03)。步驟S03中經灰階化的影像資料為第二影像資料。並且，評估裝置1係將經灰階化的第二影像資料記憶在記憶部12。
評估裝置1係從步驟S03經灰階化的第二影像資料，以依步驟S01所選擇的評估方法的第二條件設定的參數的影像尺寸，抽出(修整)作為評估對象的區域(步驟S04)。具體而言，評估裝置1係依步驟S02中取得影像資料時的光對於工件W的照射位置來設定對象區域的位置。
評估裝置1係對步驟S04所抽出的對象區域的第二影像資料施以平滑化處理(步驟S05)。此時，評估裝置1係使用平滑化濾波器對於對象區域的第二影像資料施以平滑化處理，該平滑化濾波器係利用以依步驟S01所選擇的評估方法的第二條件設定的參數的核心值。
評估裝置1係對經步驟S05的平滑化處理所得的第三影像資料施以二值化處理(步驟S06)。此時，評估裝置1係利用以依步驟S01所選擇的評估方法的第二條件設定的參數來調整要利用於二值化的臨界值，成為第三影像資料的各畫素的亮度值為經調整後的臨界值以上時以白色顯示，未滿臨界值時以黑色顯示，而施以二值化處理。
評估裝置1係從步驟S06的二值化處理所得的第四影像資料檢測起泡區域(步驟S07)。如上所述，影像資料中，平坦的部分會變亮，凸部分會變暗。因此，二值化影像資料中，原本的工件W部分為平坦處成為白色，而凸部分的起泡B的部分成為黑色。因此，從二值化影像資料檢測黑色區域之起泡區域。
評估裝置1係使用步驟S07所檢測的起泡區域算出相對於評估對象的對象區域的起泡區域的面積率(步驟S08)。具體而言，評估裝置1係算出相對於經修整的對象區域的二值化影像資料的畫素數的起泡區域的畫素數。並且，評估裝置1係將所算出的面積率記憶在記憶部12作為評估結果。
評估裝置1係將步驟S08所得的結果輸出至輸出部15(步驟S09)。
例如，要以評估裝置1評估的塗膜，可在為了評估耐蝕性而施以耐蝕性試驗之後，再評估塗膜的起泡。因此，要評估施以耐蝕性試驗之後的塗膜時，係在開始上述之以評估裝置1進行的評估處理之前，先實施耐蝕性試驗。此外，塗膜的耐蝕性試驗的條件可依塗膜、評估的目的等適當選擇。
例如，塗膜的耐蝕性試驗可例舉使用一般用於樹脂被覆的耐蝕性試驗的被覆測試器(商品名稱：山崎式被覆測試器LA-15，Yamasaki Seiki Kenkyusho Inc.製品)。被覆測試器可賦予試驗片的內外面溫度曲線，進行加速試驗。具體而言，圖9A所示的塗膜影像係在SUS304基材上塗裝氟樹脂塗料成為製膜後的膜厚為300μm，且在試驗片的內側使用100℃的水作為環境液，在外側使30℃的水流動，進行了24小時試驗後，對於其液相部分拍攝所得的影像。
如此，使用依塗膜的表面的各表示值所選擇的各評估方法的參數來執行影像取得及影像處理。藉此，可正確地算出起泡的面積率，定量地評估塗膜的起泡。
〈功效及補充說明〉
如以上所述，就本申請案揭示的技術之例而言，已說明了上述實施型態。然而，本揭示的技術不限於此，亦可適用在經適當變化、置換、附加、省略等的實施型態。
本揭示之所有請求項中記載的評估方法、評估裝置及電腦程式可藉由硬體資源例如處理器、記憶體與程式的協同動作等而實現。
[產業上的利用可能性]
本揭示之評估方法、評估裝置及電腦程式係有用於塗膜的表面的狀態的定量的評估。
本申請案係依據2021年6月4日於日本申請的日本特願2021-094610申請案主張優先權，並且將其日本申請案中記載的內容全部援用於本說明書。
1:評估裝置
2:攝影裝置
4:網路
11:控制部
12:記憶部
13:通訊部
14:輸入部
15:輸出部
111:選擇部
112:取得部
113:檢測部
114:算出部
115:結果處理部
121:影像資料
122:結果資料
P:評估程式

Claims (8)

  1. 一種評估方法，係評估物體上所形成的塗膜的起泡，該評估方法係包含：
    (a)藉由攝影裝置取得於同軸照明裝置之光照射下的前述塗膜的表面的影像資料；
    (b)對前述影像資料至少施以二值化處理，檢測存在於前述塗膜的表面的起泡的區域；以及
    (c)求出前述影像資料的評估對象的區域中，前述起泡的區域所占的面積率。
  2. 如請求項1所述之評估方法，其中，根據選自存在於前述塗膜的表面的起泡的尺寸、前述塗膜的光澤度、以及前述塗膜的表面的粗糙度所組成之群組中的至少一者，來選擇在前述(a)中取得前述影像資料的第一條件，以及在前述(b)中檢測前述起泡的區域的第二條件。
  3. 如請求項2所述之評估方法，其中，前述第一條件包含前述同軸照明裝置的半反射鏡與前述塗膜的表面的有效視野之間的最短距離，前述第二條件包含前述二值化處理中的臨界值的設定方法。
  4. 如請求項2或3所述之評估方法，其中，前述(b)包含：
    (i)修整前述影像資料，得到對應於前述評估對象的區域之經修整的影像資料；
    (ii)對前述經修整的影像資料施以平滑化處理之後施以前述二值化處理，或不施以平滑化處理而施以前述二值化處理。
  5. 如請求項4所述之評估方法，其中，前述第二條件包含前述平滑化處理的平滑化濾波器所使用的核心值。
  6. 如請求項1至5中任一項所述之評估方法，其中，在前述(a)之前更包含：
    對具有前述塗膜的前述物體施以耐蝕性試驗。
  7. 一種評估裝置，係評估物體上所形成的塗膜的起泡，該評估裝置係包含：
    取得部，係於同軸照明裝置之光照射下取得以攝影裝置拍攝的前述塗膜的表面的影像資料；
    檢測部，係對前述影像資料至少施以二值化處理，檢測存在於前述塗膜的表面的起泡的區域；以及
    算出部，係求出前述影像資料的評估對象的區域中，前述起泡的區域所占的面積率。
  8. 一種電腦程式，係使電腦執行請求項1至5中任一項所述之評估方法。
TW111120311A 2021-06-04 2022-05-31 評估方法、評估裝置及電腦程式 TW202305349A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-094610 2021-06-04
JP2021094610A JP7157355B1 (ja) 2021-06-04 2021-06-04 評価方法、評価装置及びコンピュータプログラム

Publications (1)

Publication Number Publication Date
TW202305349A true TW202305349A (zh) 2023-02-01

Family

ID=83691003

Family Applications (1)

Application Number Title Priority Date Filing Date
TW111120311A TW202305349A (zh) 2021-06-04 2022-05-31 評估方法、評估裝置及電腦程式

Country Status (5)

Country Link
JP (1) JP7157355B1 (zh)
KR (1) KR20230164723A (zh)
CN (1) CN117480382A (zh)
TW (1) TW202305349A (zh)
WO (1) WO2022255239A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116152247B (zh) * 2023-04-20 2023-08-25 江苏三纳科技材料有限公司 一种聚氨酯涂膜的质量评估方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2982474B2 (ja) * 1992-03-11 1999-11-22 日産自動車株式会社 塗装面性状検査装置
JP3006321B2 (ja) * 1992-11-17 2000-02-07 日産自動車株式会社 ウェット鮮映性測定装置
JP3127758B2 (ja) * 1994-09-19 2001-01-29 日産自動車株式会社 被検査面の欠陥検査方法およびその装置
JPWO2005075961A1 (ja) 2004-02-03 2007-10-11 関西ペイント株式会社 光輝感評価方法および光輝感評価装置
JP2006105672A (ja) 2004-10-01 2006-04-20 Toyota Motor Corp 塗装面検出装置
JP4322230B2 (ja) 2005-06-08 2009-08-26 ダイハツ工業株式会社 表面欠陥検査装置及び表面欠陥検査方法
JP2008249397A (ja) 2007-03-29 2008-10-16 Toyota Motor Corp 表面検査装置
KR100891934B1 (ko) 2007-09-03 2009-04-08 한국도로공사 영상처리 기법을 이용한 강교의 도막검사 시스템의 처리방법
JP5928231B2 (ja) 2012-08-02 2016-06-01 Ｊｆｅスチール株式会社 表面欠陥検査方法
JP2022013285A (ja) 2020-07-03 2022-01-18 トヨタ自動車株式会社 機械学習方法

Also Published As

Publication number Publication date
JP7157355B1 (ja) 2022-10-20
WO2022255239A1 (ja) 2022-12-08
KR20230164723A (ko) 2023-12-04
CN117480382A (zh) 2024-01-30
JP2022186406A (ja) 2022-12-15

Similar Documents

Publication Publication Date Title
Malarvel et al. An improved version of Otsu's method for segmentation of weld defects on X-radiography images
CN112927189A (zh) 一种电镀工件表面瑕疵视觉检测中边缘反射光斑剔除方法
JP2002247574A (ja) 視覚注意力のモデル化方法
BR112016020894B1 (pt) Sistema e método implantado por processador para determinar espessuras de revestimento e meio legível por computador
WO2021153633A1 (ja) 金属組織の相の分類方法、金属組織の相の分類装置、金属組織の相の学習方法、金属組織の相の学習装置、金属材料の材料特性予測方法および金属材料の材料特性予測装置
TW202305349A (zh) 評估方法、評估裝置及電腦程式
Wu et al. Automated visual inspection of surface mounted chip components
Vorobel et al. Segmentation of rust defects on painted steel surfaces by intelligent image analysis
CN107529963B (zh) 图像处理装置、图像处理方法和存储介质
CN111161222A (zh) 一种基于视觉显著性的印刷辊筒缺陷检测方法
Abdullah et al. A framework for crack detection of fresh poultry eggs at visible radiation
CN110659675A (zh) 一种基于AdaBoost算法的焊缝缺陷检测方法
Ruisz et al. Quality evaluation in resistance spot welding by analysing the weld fingerprint on metal bands by computer vision
Xia et al. An automatic machine vision-based algorithm for inspection of hardwood flooring defects during manufacturing
CN114820529A (zh) 一种橡胶制品气泡检测方法及系统
JP4534795B2 (ja) 塗膜評価装置及び方法
CN116612112B (zh) 一种水桶表面缺陷视觉检测方法
CN116309553B (zh) 一种非平面电镀五金件电镀缺陷检测方法
Aslam et al. A modified adaptive thresholding method using cuckoo search algorithm for detecting surface defects
CN111968143A (zh) 基于关联成像的边缘图像提取方法及系统
Vorobel et al. Automatized computer system for evaluation of rust using modified single-scale retinex
Jalilian et al. Deep learning based automated Vickers hardness measurement
KR101024598B1 (ko) 표면 밝기 분포의 분산 산출 알고리즘을 이용한 대상물 표면의 영상 검사방법
JP7380596B2 (ja) 光学特性解析装置及びプログラム
JP2017223512A (ja) 表面状態診断装置