WO2009065956A2 - Verfahren und vorrichtung zur qualitätskontrolle einer oberfläche - Google Patents

Verfahren und vorrichtung zur qualitätskontrolle einer oberfläche Download PDF

Info

Publication number
WO2009065956A2
WO2009065956A2 PCT/EP2008/066074 EP2008066074W WO2009065956A2 WO 2009065956 A2 WO2009065956 A2 WO 2009065956A2 EP 2008066074 W EP2008066074 W EP 2008066074W WO 2009065956 A2 WO2009065956 A2 WO 2009065956A2
Authority
WO
WIPO (PCT)
Prior art keywords
color
brightness
value
weighted
deviation
Prior art date
Application number
PCT/EP2008/066074
Other languages
English (en)
French (fr)
Other versions
WO2009065956A3 (de
Inventor
Markus Spitzer
Martin Schmal
Karl-Heinz Sonnenberg
Original Assignee
Volkswagen Ag
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
Priority claimed from DE200710057018 external-priority patent/DE102007057018A1/de
Priority claimed from DE200710058217 external-priority patent/DE102007058217A1/de
Priority claimed from DE200710063473 external-priority patent/DE102007063473A1/de
Priority claimed from DE200710063472 external-priority patent/DE102007063472A1/de
Application filed by Volkswagen Ag filed Critical Volkswagen Ag
Priority to DE112008003190.8T priority Critical patent/DE112008003190B4/de
Publication of WO2009065956A2 publication Critical patent/WO2009065956A2/de
Publication of WO2009065956A3 publication Critical patent/WO2009065956A3/de

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J3/463—Colour matching
    • 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
    • G06T7/90—Determination of colour characteristics
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Definitions

  • the present invention relates to a method and a device for quality control of a surface, in particular the present invention relates to a method and a device for quality control of color-coded surfaces of bodies and their mounting and mounting parts for motor vehicles.
  • DE 101 03 555 A1 describes a method for assessing a color layer, in particular the surface impression of the color layer on a viewer, which allows a quick assessment of the color layer with little technical and program complexity and recognizes any color deviations or other errors.
  • two-dimensional information is extracted from the five-dimensional (x, y, Y, I, Q) information recorded by means of an optical receiver, which measures the color and / or brightness profile of the received light in a predetermined geometric range represents the color layer.
  • WO 2004/010124 A1 discloses a simulation method in which the perception of the human eye is understood.
  • One degree of freedom of the observing human eye is the viewing angle.
  • the angle-dependent contributions of color perception can also be detected by any adjustment of the viewing angle.
  • a material-specific characteristic curve can be created, which can be used, for example, in painting processes in the automotive industry to evaluate the risks of individual work steps.
  • the object of the present invention is to provide an improved simulation of the perception of the human eye for the evaluation of a surface, in particular the lacquer layer of a body part. In particular, larger areas (> 500 cm 2 ) should be evaluated with little effort, but quickly and reliably can.
  • a further object of the present invention is to automatically detect and eliminate technical and / or statistical outliers and to supply only the remaining measured values to a further evaluation.
  • a further object of the present invention is to graphically represent the selected measured values or their deviations from a desired value in order to facilitate further decision-making by a user of the inventive method / device about the relevance of the deviation from the desired values , The graphic illustration according to the invention is intended to make error sources more quickly recognizable by a user.
  • the method according to the invention comprises the following method steps: irradiation of light onto the surface to be examined,
  • the method according to the invention has the following method steps:
  • Irradiation of light onto the surface to be examined Imaging at least a portion of the light reflected and / or scattered by the surface onto a two-dimensional, spatially resolved receiver, and producing a two-dimensional image, wherein color coordinates are still associated with each pixel in addition to its geometric coordinates, forming a plurality of two-dimensional contiguous subregions , which are within the two-dimensional image, from the pixels of each sub-area in each case a weighted brightness value and at least one weighted color value is generated, the plurality of weighted brightness values respectively compared with a reference brightness value and the plurality of weighted color values each with a reference color value and therefrom for each sub-area a brightness deviation and at least one color deviation are determined, the determined brightness deviation and / or the at least one determined color deviation of each sub-area with a predetermined first limit value is compared.
  • a total color distance is determined for each subregion from the ascertained brightness deviations and the determined color deviations, and the total color difference of each subregion is compared with a predetermined first limit value.
  • the idea of the invention is further to divide the image of a surface to be examined, generated on a spatially resolved receiver, into a plurality of subregions (clusters) and to determine and / or average for each cluster over its surface averaged (or weighted) color and / or brightness values average / weighted values with corresponding reference values.
  • the visual impression of a larger area of preferably more than 100 cm 2 (more preferably more than 500 cm 2 and more preferably more than 1000 cm 2 ) can be represented by a few averaged (or weighted) color or brightness values and easily evaluated.
  • the idea of the invention consists in a preferred embodiment in dividing the image of a surface to be examined, generated on a two-dimensional, spatially resolved receiver, into a multiplicity of two-dimensional subregions (clusters) and for determine each cluster over its area averaged (or weighted) color and / or brightness values and compare these averaged / weighted values with corresponding reference values.
  • the visual impression of a larger area of preferably more than 100 cm 2 (more preferably more than 500 cm 2 and more preferably more than 1000 cm 2 ) can be represented by a few averaged (or weighted) color or brightness values and easily evaluated.
  • a meaningful evaluation of the determined color and / or brightness values of the individual clusters can preferably be realized by comparison with a control model (in particular color control model).
  • a control model in particular color control model.
  • Such a control model can be provided beforehand in that several series bodies (or their parts), in particular 10 to 100, preferably 35 to 65, of such series bodies (or their parts) whose surfaces have been subjectively classified as being perfect, have regard to their brightness. (Y) and color coordinates (I, Q) are measured and from this a respective nominal (reference) average value is formed for the individual clusters. This mean value then represents the corresponding reference color value or the corresponding reference brightness value for the respective cluster. By this procedure, it is possible, for example, to average out the cloudiness of a motor vehicle. The individual body is thus compared in its current situation with the defined color control model.
  • a painted surface in the sense of the present invention is a surface which can have one or more paint layers lying one above the other.
  • the color-determining layer need not be the topmost layer in the case of multi-layered finishes, but the latter may, for example, also be a clearcoat.
  • the color-determining layer in the context of the present invention is therefore, in the case of multi-layer coatings, that lacquer layer which essentially determines the envisaged final color shade of the lacquered article.
  • the individual subregions are disjoint to each other.
  • the optical perception of the surface to be examined can be represented particularly efficiently with a small number of subregions.
  • individual clusters overlap, but this leads to redundant data, so that would unnecessarily increase the number of data to be processed.
  • the subregions have an area between 0.1 cm 2 and 100 cm 2 (more preferably 1 cm 2 and 25 cm 2, and more preferably 5 cm 2 and 15 cm 2 ).
  • the area of a subarea (cluster) is to be understood as meaning the actual geometric area of the imaged subregion on the surface to be examined (painted body part) and not the area of the image on the spatially resolved receiver.
  • the area of the image on the spatially resolved receiver is usually smaller than the actual area of a subregion.
  • the area of a subarea is understood to mean the actual geometric area of the imaged subregion on the surface to be examined (painted body part) and not the surface of the image, preferably on the two-dimensional, spatially resolved receiver.
  • the area of the image on the preferably two-dimensional, spatially resolved receiver is regularly smaller than the actual area of a subregion.
  • the number of parameters to be evaluated is reduced to an efficient level by the size selection according to the invention for the individual clusters; on the other hand, the spatial progression of color / brightness deviations for the entire (to be examined) surface or almost the entire surface (to be examined) can be shown - be poses.
  • the representation of the spatial course of color / brightness deviations is important, for example, because a certain degree of color / brightness deviations in edge regions of a component can be significantly more relevant than in the middle, since the component must harmonize in the edge region, for example, to other components and therefore a a certain degree of color / brightness deviation can be perceived more sensitively by a viewer - in particular in the case of different surface normals of joined parts in the adjacent area.
  • the number of subregions is preferably between 5 and 3,000 (more preferably between 15 and 500 even more preferably between 25 and 200).
  • the position and size of the individual subregions may preferably be pre-set by a user. This has the advantage that areas that are not relevant for the visual perception by a viewer (for example, partial areas in a larger area) can be correspondingly suppressed, since the clusters are preferably localized only in areas that are suitable for visual perception by a viewer Viewers are relevant. FER It is possible to define surfaces (sub-areas) which are considered to be particularly relevant for the optical perception and to evaluate only these sub-areas (prio areas).
  • the color coordinates used are preferably those of the RGB color space, the ClELab color space or the DIN99 color space. It is alternatively possible to use other color coordinates.
  • a weighted brightness value and at least one weighted color value are determined which represent a measure of the brightness and color of the cluster.
  • the plurality of pixels on the spatially resolved receiver can be transformed into a plurality of clusters, with a cluster representing a specific geometric segment.
  • the weighted brightness value is preferably an arithmetic mean of the brightness values of all the pixels of the cluster
  • the weighted color value is preferably an arithmetic mean of the color values of all the pixels of the cluster.
  • weighted brightness value / color value which deviates from the arithmetic mean value. It is essential, however, that at least 10% (preferably at least 50%, particularly preferably at least 95%) of the pixels of the cluster are included in the weighted brightness value / color value.
  • a plurality of surfaces are successively analyzed and evaluated by the above method, wherein the plurality of contiguous subregions are always positioned in the same way within the image of the respective surface.
  • molded and painted bodies are used in the same way.
  • a plurality of surfaces are successively analyzed and evaluated by the above method, wherein preferably the plurality of two-dimensional, contiguous sub-areas always in the same way is preferably positioned within the two-dimensional image of the respective surface.
  • molded and painted bodies are used in the same way.
  • the ascertained brightness deviations, the at least one determined color deviation and / or the total color distances of the plurality of surfaces for at least one sub-area (cluster) are recorded as a data series.
  • the (average) brightness value / color value of each cluster is compared with a reference brightness value / reference color value, which was previously determined by a color control model, and a measure of the total color distance of each individual cluster is determined by the color control model.
  • the total color distance is a weighted value from the individual color and / or brightness intervals.
  • the clusters cover at least 30% (more preferably at least 50%, more preferably at least 80%) of the surface of the surface to be examined, which is imaged on the spatially resolved receiver.
  • the overall impression is represented in a particularly realistic manner by the multiplicity of subregions.
  • the total color distance of each subregion is compared with a predetermined first limit value.
  • a predetermined first limit value it is also possible to compare the ascertained brightness deviation ( ⁇ Y) and / or the at least one determined color deviation ( ⁇ l, ⁇ Q) with a first limit value.
  • the first limit value is preferably chosen such that clusters with an overall color difference (or brightness deviation and / or color deviation) smaller than the first limit value are classified as within the tolerance limits.
  • the amount of data to be processed is reduced, and on the other hand, the corresponding averages that can be used for a long-term analysis (trend analysis) or forecast are determined by the scenarios mentioned (wrong body part, flash failure, or late triggering) the inclusion of such that the body part is no longer in the predetermined position) are not distorted.
  • the deviations (brightness deviation, color deviation or total color distance) from the reference values (color control model) of a cluster for recorded varnished bodies according to the time of painting in a data series that is, the total color distance of a first painted body part is detected as the first element of the series, the total color distance of the immediately afterwards painted body part is detected as the second element of the series, etc.
  • This can be especially the timing of brightness / color changes easily capture.
  • a vehicle body part is painted prior to the irradiation of light and imaged at least 100 cm 2 of the painted surface of the vehicle body part (more preferably more than 500 cm 2 and more preferably more than 1000 cm 2 ) on the preferably two-dimensional, spatially resolved receiver.
  • the surface to be examined as well as all sub-regions are represented graphically, wherein subregions whose total color distance (or brightness deviation and at least one color deviation) is greater than the first limit value, and subregions whose total color distance (or brightness deviation and at least one color deviation) is smaller than that first limit value is marked differently in the graphical representation, for example by different colors.
  • Such an assessment by a user is regularly carried out from a further point of view, for example, taking into account further parts painted with the same or similar color in the subsequent surroundings of the body part (when installed), deviations in boundary areas being classified as more relevant than in the middle a body part, since the sensitivity of a viewer for color differences in border areas is regularly increased.
  • prio subareas preselected subareas
  • Worst subareas the or the "worst" subareas of a surface to be evaluated, that is to say those or those subareas the largest total color distance (or brightness deviation and at least one color deviation).
  • the evaluation of the individual clusters should not only take place with respect to a deviation from a color control model, but to take into account trends such that deviations in the evaluation additionally previously and subsequently determined deviations (ie the same cluster of before / after painted and evaluated bodies).
  • a weighted mean value is determined, which is formed from a plurality of preceding and / or subsequent elements of the data series (particularly preferably an average of a plurality of preceding and following elements of the data series ).
  • a smoothing of the elements of the data series is performed.
  • the smoothing is carried out by means of 2-parameter methods and / or pre-post-averaging.
  • the difference of each total color distance (or brightness deviation and / or color deviation) from its respective (optionally smoothed) average value is determined, the absolute value of the difference between the largest difference of the data series and the smallest difference of the data series compared with a predetermined fourth limit becomes. As a result, color / brightness fluctuations within a series of painted bodies can be detected quickly.
  • the trend analysis described above can be done on the one hand in real time. In this case, of course, only previously determined deviations (that is, the same cluster of previously painted and evaluated bodies) can be included in the evaluation. Alternatively, it is possible to carry out the above-described trend analysis after the metrological detection of a large number of (similarly painted bodies). Then both previously and subsequently determined deviations (ie equal clusters of previously / subsequently painted and evaluated bodies) can be included in the evaluation. From such a trend analysis conclusions can be drawn very quickly as to which process engineering (possibly to be set by a user parameter) a noticeable trend in the color / brightness gradients, so that a faster reaction / correction is made possible.
  • the comparison with the color control model for a plurality of reference surfaces proceeds as follows: light is irradiated to each of the reference surfaces, at least a portion of the light reflected from the respective reference surface and / or scattered light is on a spatially resolved receiver 1, an image is formed, wherein color coordinates are further assigned to each pixel in addition to its geometric coordinates, a plurality of contiguous subregions are formed, which are within the image, wherein the plurality of subregions of the reference surfaces with the plurality of subregions of the surface to be evaluated corresponds in each case at least one weighted brightness value and at least one weighted color value is generated from the pixels of each subregion, so that for each
  • a weighted value of the weighted brightness values of the plurality of reference surfaces is assigned to each subarea as a reference brightness value and a weighted value of the weighted color values of the plurality of reference surfaces is assigned as reference reference value becomes.
  • each of the reference surfaces Preferably, light is radiated onto each of the reference surfaces, at least a portion of the light reflected and / or scattered by the respective reference surface is imaged onto a two-dimensional spatially resolved receiver, thereby producing a two-dimensional image, each color pixel continuing to have color coordinates in addition to its geometric coordinates. Coordinates are assigned, and a plurality of two-dimensional contiguous sub-areas are formed, which are within the two-dimensional image.
  • a meaningful evaluation of the determined color and / or brightness values of the individual clusters of the surfaces to be evaluated is carried out by comparison with the color control model generated by the above-mentioned method, the plurality of subregions of the Reference surfaces according to the invention corresponds to the plurality of subregions of the surface to be evaluated.
  • Such a color control model is inventively prepared in advance, with several series bodies (or their parts), in particular 10 to 100, preferably 35 to
  • reference surfaces 65 of such series bodies (or their parts) whose surfaces were subjectively classified as faultless - hereinafter also referred to as reference surfaces
  • the arithmetic mean value of the weighted brightness values of the multiplicity of reference surfaces is assigned to each subarea as reference brightness value, and the arithmetic mean value of the weighted color values of the plurality of reference surfaces is assigned as reference color value.
  • the optically perceivable impression of a surface is given by brightness and color coordinates
  • the determination of a reference brightness value and a reference color value will be described below.
  • a total color value for the optically perceivable impression of a surface which is composed (in any weighting) of brightness and color coordinates. A deviation from such a total color value is then referred to as the total color distance.
  • those weighted brightness values of the plurality of reference surfaces are sorted out before the calculation of the reference brightness value at which the difference of the weighted brightness value from the weighted brightness value of the first reference surface exceeds a second predetermined threshold and / or those weighted color values of the plurality of reference surfaces sorted out before the calculation of the color brightness value in which the difference of the weighted color value is separated from the weighted color value of the first reference surface exceeds a second predetermined limit.
  • weighted brightness values and those weighted color values of the plurality of reference surfaces are interpolated before the calculation of the reference brightness value and the reference color value by weighted brightness values / weighted color values of other reference surfaces in which the difference of the weighted brightness value / color value from the weighted brightness value / color value of the first reference surface exceeds a third predetermined limit value.
  • the weighted brightness value / weighted color value of a reference surface is preferably formed when the third limit value is exceeded by an average value (the weighted brightness values / weighted color values) of at least one preceding and at least one subsequent reference surface.
  • the order of the reference surfaces refers to the order of their (color / brightness) measurement.
  • the method is preferably characterized in that, starting from the second reference surface to the penultimate reference surface, a weighted brightness trend value and a weighted color trend value are formed from the weighted brightness values and weighted color values of the previously and subsequently measured reference surfaces, and the brightness spread of the subrange of the reference surface is taken as the difference of weighted brightness value and weighted brightness trend value and the color spread of the sub-area of the reference surface is determined as the difference between weighted color value and weighted color trend value.
  • a trend abstraction of the measurement series for determining the color control model is possible, as a result of which the actually optically perceivable scattering of the color / brightness values can be determined with higher accuracy.
  • the first limit value for the brightness deviation of a subarea half the difference of the largest brightness spread and the smallest brightness spread of the plurality of reference surfaces is used and / or the first limit for the color deviation of a subarea half the difference of the largest color spread and the smallest color spread of Variety of reference surfaces used.
  • maximum variance around the mean value of all reference surfaces obtained by trend abstraction is used as a measure of the admissibility of a deviation (with respect to brightness, color or total color difference) of a surface to be evaluated.
  • the maximum variance around the average of all reference surfaces obtained by trend abstraction can be directly used as the first threshold for the assessment to determine if a surface to be evaluated is within the desired tolerances. However, the maximum variance around the average of all reference surfaces obtained by trend abstraction can also be used as a measure of a strategic assessment.
  • the evaluation of the surfaces can subsequently be carried out.
  • a total color distance is determined for each subregion from the ascertained brightness deviations and the determined color deviations (of the surfaces to be evaluated), and the total color distance of each subregion is compared with the first limit value.
  • the image of a surface to be examined which is generated on a two-dimensional, spatially resolved receiver, is subsequently divided into the same (or spatially corresponding) two-dimensional subregions (clusters) and averaged (or weighted) color and / or brightness values are determined for each cluster over its surface, and these averaged / weighted values compared to corresponding reference values.
  • the visual impression of a larger area of preferably more than 100 cm 2 (more preferably more than 500 cm 2 and more preferably more than 1000 cm 2 ) can be represented by a few averaged (or weighted) color or brightness values and can be easily evaluated.
  • all the surfaces for creating the color control model and all the surfaces to be evaluated are of the same type; in other words, the color (brightness) fidelity (uniformity) of a large number of similar series bodies should be examined or evaluated and, ultimately, also the color perception, which can be influenced by other parameters (structure, haze) ..
  • a painted surface in the sense of the present invention is a surface which can have one or more paint layers lying one above the other.
  • the color-determining layer need not be the topmost layer in the case of multi-layered finishes, but the latter may, for example, also be a clearcoat.
  • the color-determining layer in the context of the present invention is therefore, in the case of multi-layer coatings, that lacquer layer which substantially determines the envisaged final color shade of the lacquered article.
  • the individual subregions are disjoint to each other.
  • the optical perception of the surface to be examined can be represented particularly efficiently with a small number of subregions.
  • individual clusters overlap, but this leads to redundant data, so that would unnecessarily increase the number of data to be processed.
  • the subregions have an area between 0.1 cm 2 and 100 cm 2 (more preferably 1 cm 2 and 25 cm 2, and more preferably 5 cm 2 and 15 cm 2 ).
  • the area of a sub-area (cluster) in the context of the present invention is understood to be the actual geometric area of the imaged sub-area on the surface to be examined (painted body part) and not the area of the image on the two-dimensional, spatially resolved receiver.
  • the area of the image on the two-dimensional, spatially resolved receiver is regularly smaller than the actual area of a subarea.
  • the number of parameters to be evaluated is reduced to an efficient level by the size selection according to the invention for the individual clusters; on the other hand, the spatial progression of color / brightness deviations for the entire (to be examined) surface or almost the entire (to be examined) surface can be represented become.
  • the representation of the spatial course of color / brightness deviations is important, for example, because a certain degree of color / brightness deviations in edge regions of a component can be significantly more relevant than in the middle, since the component must harmonize in the edge region, for example, to other components and therefore a one certain degree of color / brightness deviation can be perceived more sensitively by a viewer - in particular in the case of different surface normals of joined parts in the adjacent area.
  • the number of subregions is preferably between 5 and 3,000 (more preferably between 15 and 500 even more preferably between 25 and 200).
  • the location and size of the individual subregions may preferably be pre-set by a user. This has the advantage that areas that are not relevant for the visual perception by a viewer (for example, partial areas in a larger area) can be correspondingly suppressed beforehand, since the clusters are preferably localized only in areas that are responsible for optical perception are relevant by a viewer. Furthermore, it is possible to define surfaces (subregions) which are considered to be particularly relevant for the optical perception and to evaluate only these subregions (prio subareas).
  • the color coordinates used are preferably those of the RGB color space, the ClELab color space or the DIN99 color space. It is alternatively possible to use other color coordinates. From the color coordinates, a weighted brightness value and at least one weighted color value are determined which represent a measure of the brightness and color of the cluster. As a result, the multiplicity of pixels on the spatially resolved receiver can be transformed into a multiplicity of clusters, with a cluster representing a specific geometric segment.
  • the weighted brightness value is preferably an arithmetic mean of the brightness values of all the pixels of the cluster
  • the weighted color value is preferably an arithmetic mean of the color values of all the pixels of the cluster.
  • weighted brightness value / color value which differs from the arithmetic mean value. It is essential, however, that at least 10% (preferably at least 50%, particularly preferably at least 95%) of the pixels of the cluster are included in the weighted brightness value / color value.
  • a plurality of surfaces are successively analyzed and evaluated by the above-mentioned method, wherein the plurality of two-dimensional contiguous sub-areas are always positioned in the same way within the two-dimensional image of the respective surface.
  • molded and painted bodies are used in the same way.
  • the ascertained brightness deviations, the at least one determined color deviation and / or the total color distances of the plurality of surfaces for at least one sub-area (cluster) are recorded as a data series.
  • the (average) brightness value / color value of each cluster is compared with a reference brightness value / reference color value, which was previously determined by the generated color control model, and a measure of the total color distance of each individual cluster is determined by the color control model.
  • the total color distance is a weighted value from the individual color and / or brightness intervals.
  • the clusters cover at least 30% (more preferably at least 50%, more preferably at least 80%) of the surface of the surface to be examined, which is imaged on the spatially resolved receiver.
  • the overall impression is represented in a particularly realistic manner by the multiplicity of subregions.
  • the total color distance of each subregion is compared with a predetermined first limit value.
  • a predetermined first limit value it is also possible to compare the ascertained brightness deviation ( ⁇ Y) and / or the at least one determined color deviation ( ⁇ l, ⁇ Q) with a first limit value.
  • the first limit value is preferably selected such that clusters with a total color distance (or deviation and / or color deviation) smaller than the first limit value are classified within the tolerance limits.
  • the amount of data to be processed is reduced, and on the other hand, the corresponding averages that can be used for a long-term analysis (trend analysis) or forecast are determined by the scenarios mentioned (wrong body part, flash failure, or late triggering) the inclusion of such that the body part is no longer in the predetermined position) are not distorted.
  • the deviations (brightness deviation, color deviation or total color distance) from the reference values (color control model) of a cluster for different painted bodies are detected according to the time of painting in a data series, that is, the total color distance of a first painted body part becomes the first element of the series recorded, the total color distance of the immediately afterwards painted body part is detected as a second element of the series, etc.
  • the temporal course of brightness / color changes can be easily detected.
  • a vehicle body part is painted and at least 100 cm 2 of the painted surface of the vehicle body part (more preferably more than 500 cm 2 and more preferably more than 1000 cm 2 ) is imaged on the two-dimensional, spatially resolved receiver.
  • This makes it possible to very realistically evaluate a very large surface by evaluating only one image (for example, a CCD camera). This applies analogously to a variety of vehicle body parts to be painted.
  • the surface to be examined as well as all sub-regions are represented graphically, wherein subregions whose total color distance (or brightness deviation and at least one color deviation) is greater than the first limit value, and subregions whose total color distance (or brightness deviation and at least one color deviation) is smaller than that first limit value is marked differently in the graphical representation, for example by different colors.
  • Such an assessment by a user takes place regularly from a further point of view (so-called strategic evaluation), for example taking into account further parts painted with the same or similar color in the later surroundings of the body part (when installed), with regular deviations in the border areas being more relevant be classified as in the middle of a body part, since the sensitivity of a viewer for color differences in border areas is regularly increased.
  • strategic evaluation for example taking into account further parts painted with the same or similar color in the later surroundings of the body part (when installed), with regular deviations in the border areas being more relevant be classified as in the middle of a body part, since the sensitivity of a viewer for color differences in border areas is regularly increased.
  • the evaluation of the individual clusters should not only take place with respect to a deviation from a color control model, but also to take into account trends such that the evaluation additionally determines previously and subsequently determined deviations (that is, the same cluster of previously / subsequently painted and evaluated bodies).
  • a weighted mean value is determined for each total color distance (or brightness deviation and / or color deviation) of a data area of a subarea, which is formed from a plurality of preceding and / or subsequent elements of the data series (particularly preferably an average of a plurality of preceding and following elements the data series).
  • a smoothing of the elements of the data series is performed.
  • the trend value formation or the smoothing is preferably carried out by means of the 2-parameter method and / or the pre-post averaging.
  • each total color distance or deviation in brightness and / or color deviation
  • its respective (optionally smoothed) average value is determined, wherein the absolute distance between the largest difference of the data series and the smallest difference of the data series is compared with a predetermined fourth limit.
  • the trend analysis described above can be done on the one hand in real time. In this case, of course, only previously determined deviations (that is, the same cluster of previously painted and evaluated bodies) can be included in the evaluation. Alternatively, it is possible lent to carry out the trend analysis described above after the metrological registration of a large number of (similarly painted bodies). Then both previously and subsequently determined deviations (ie equal clusters of previously / subsequently painted and evaluated bodies) can be included in the evaluation. From such a trend analysis conclusions can be drawn very quickly as to which process-related parameter (which may have to be set by a user) leads to a perceptible trend in the color / brightness gradients, so that a faster reaction / correction is made possible.
  • the arrangement (device) according to the invention has at least one light source for irradiating light onto the surface to be examined and at least one means for optically imaging at least part of the light reflected and / or scattered by the surface onto a spatially resolved receiver, the arrangement being set up in this way in that - an image is generated, color coordinates being further allocated to each pixel in addition to its geometrical coordinates, a plurality of contiguous subregions being within the image, each of the pixels of each subregion being a weighted brightness value and at least one weighted color value is generated, the plurality of weighted brightness values are each compared with a reference brightness value and the plurality of weighted color values are each compared with a reference color value and therefrom for each subarea a brightness deviation and at least one color deviation - determined from the determined brightness deviations and the determined color deviations for each sub-area, a total color distance, and the total color distance of each sub-area is compared with a predetermined first limit.
  • the arrangement has at least one light source for irradiating light onto the surface to be examined and at least one means for optically imaging at least a portion of the light reflected and / or scattered by the surface onto a two-dimensional, spatially resolved receiver on, wherein the arrangement is arranged such that a two-dimensional image is generated, wherein each pixel in addition to its geometric coordinates continue to be assigned color coordinates, a plurality of two-dimensional, contiguous sub-areas, which are within the two-dimensional image, - from the pixels of each sub-area each have a weighted brightness value and at least one weighted Color value is generated, the plurality of weighted brightness values each with a reference brightness value and the plurality of weighted color values each compared with a reference color value and from this a brightness deviation and at least one color deviation are determined for each sub-range, from the determined brightness deviations and the determined color deviations for each Subscale a total color distance is determined, and the total color distance of
  • the device according to the invention is set up such that it realizes at least one of the features mentioned above.
  • FIG. 1 a shows a flow chart of a preferred embodiment of the method according to the invention
  • Figure 1 b is an enlarged view of the subdivision of a painted surface to be evaluated in a plurality of sub-areas
  • FIG. 2 shows different display options for brightness / color deviations of a data series of a plurality of body parts for a selected subarea
  • Figure 3 is an illustration of a data set of the total color distance of a plurality of body panels for a selected sub-area for detection of technical and statistical outliers;
  • Figure 4a is a photographic representation of a proper body part
  • Figure 4b - 4c photographic representations for the evaluation of body parts in different situations
  • FIG. 5 shows a representation of the data series according to FIG. 3 after the elimination of technical outliers
  • FIGS. 6a-7b show a schematic illustration for the detection and elimination of statistical outliers
  • FIG. 8 shows a representation of the data series according to FIG. 3 after the elimination of technical outliers and interpolation of the statistical outliers
  • FIG. 9 a representation of the data series according to FIG. 3 after the elimination of technical and statistical outliers
  • FIGS. 10a-c show a schematic representation of the trend abstraction of successive measured values
  • FIGS. 11 a - 12 b show a further schematic illustration of the trend abstraction and of the
  • FIG. 13 a is a flowchart for creating a color control model according to the present invention.
  • FIG. 13b is a flow chart for evaluating a surface according to a preferred embodiment, including the color control model created using the method according to the invention
  • Figure 13c is an enlarged view of the subdivision of a painted, evaluated surface in a plurality of sub-areas.
  • FIG. 14 different representation options for brightness / color deviations of a data series of a plurality of body parts for a selected sub-area;
  • Figure 15 is an illustration of a data set of the total color distance of a plurality of body panels for a selected subregion for detection of technical and statistical outliers;
  • Figure 16a is a photographic representation of a proper body part
  • Figures 16b - 4c are photographic representations for the evaluation of body parts in different situations
  • FIG. 17 shows a representation of the data series according to FIG. 3 after the elimination of technical outliers
  • FIGS. 18a-19b show a schematic illustration for the detection and elimination of statistical outliers
  • FIG. 20 a representation of the data series according to FIG. 3 after the elimination of technical outliers and interpolation of the statistical outliers;
  • FIG. 21 shows a representation of the data series according to FIG. 3 after the elimination of technical and statistical outliers
  • FIGS. 22a-c show a schematic representation of the trend abstraction of successive measured values
  • FIGS. 23a-24b show a further schematic representation of the trend abstraction and the evaluation of the individual measured values.
  • FIG. 1 a shows a flow chart of a preferred embodiment of the method according to the invention.
  • the object of the present invention is, on the one hand, to monitor a color and brightness scattering (deviations from a reference model) of a series production, that is to say a multiplicity of similarly painted body parts, and to present it clearly to a user on the basis of preset criteria. From this representation, a user can either remove immediately or at least quickly infer whether a particular painted body part of the series meets the criteria for visual perception.
  • tendencies (trends) of color and brightness scattering over the entire series (or at least) of a part of the series are to be represented, so that conclusions can be drawn on the compliance or non-compliance with production parameters.
  • the invention relates to the evaluation and representation of a series in particular a variety of the same body parts, which were painted with a same color.
  • the correspondingly painted body parts are then to be evaluated by means of the method according to the invention, wherein the technical characteristics of the evaluation in particular the visual perception by a viewer should emulate as realistic as possible.
  • a painted body part - which in the exemplary embodiment has an opening which can not be painted for a fuel cap - is imaged onto a two-dimensional receiver - for example a CCD camera - and this image is multiplied 1 b shows an enlarged representation of the subdivision into a multiplicity of subregions, whereby it is intended to form a color and brightness mean value for each cluster and to assign this data to the cluster
  • each cluster has two location coordinates (x, y) and three color coordinates according to RGB color space, ClELab color space, DIN99 color space or similar (which already include a brightness value) corresponding transformation can be assigned to available location coordinates and color coordinates include at least proportionately also information about the brightness of the surface to be evaluated.
  • a larger area can be replaced by a small number of data (color and heat). values).
  • these individual cluster-related data are compared with corresponding data of a color control model and the corresponding deviations are stored.
  • the ascertained brightness and color deviations are calculated to a so-called total color distance.
  • Color differences can in principle be obtained by vector addition of the ⁇ L _ i ⁇ C_ unc
  • the CIE will build on the L * a * b * color space as published in 2001 CIEDE2000 color difference formula in addition to this geometric representation corrections to the underlying .DELTA.L _ i .DELTA.C. unc
  • This total color distance represents a weighted value from the corresponding brightness and color deviations.
  • the determined total color distances are compared with a first limit value and corresponding to the overrun or undershoot of the individual total color distances of the individual Clusters with the first limit the clusters are marked accordingly color (see Figure 1 a bottom center and left).
  • Such a comparison between the measured brightness and color values and the reference brightness and color values (color control model) is preferably carried out for all clusters (subareas) of each body part.
  • Another aspect of the present invention is not only to evaluate large painted surfaces in a simple system, but to be able to efficiently detect changes in brightness and color values within a series of painted surfaces, whereby the evaluation of the color and brightness deviations (or the total color distances) of a visual perception realized by a viewer should come as close as possible and further trends of color and color Brightness changes should be detected as quickly as possible.
  • the invention to make the corresponding division of the two-dimensional image for each body part of a series to be evaluated in each case the same sub-areas, so that the corresponding sub-areas of a series (a plurality of successively painted bodies) can be compared and evaluated accordingly (ie , the location coordinates and the extent of the clusters are the same for all bodies of a series).
  • the brightness and color differences for example the total color distance
  • the individual elements of the data series should preferably be sorted chronologically according to the time of painting.
  • ⁇ Y in window 1 represents the brightness deviation of the individual bodies No. -100 to No. 0 for a preselected (always the same) cluster from the corresponding color control model. From the brightness deviations recorded over the series, corresponding mean values, which are determined, for example, from a large number of preceding and following measured values, can be represented for each measured value. Likewise, corresponding tolerance limits, which are likewise obtained or generated from the multiplicity of measured values, can be displayed.
  • window 2 with ⁇ l represents a color deviation red-green
  • window 3 with ⁇ Q a color deviation yellow-blue
  • window 4 with ⁇ E an overall color deviation.
  • window No. 5 the color deviations are shown in Cartesian and in window 6 is illustrated Brightness deviation as a bar chart.
  • the mean value lines (or weighted profiles) shown in FIG. 2 can allow a user to draw conclusions about the compliance or non-compliance with production parameters, so that a departure from the tolerance limits within a series can be detected in good time.
  • the abscissae each a consecutive number of the painted bodies and the ordinates each the determined values for the total color distance.
  • FIG. 3 shows a data series of the total color deviation ⁇ E (ordinates) of a plurality of body parts (abscissa) for a selected subregion for the detection of technical and statistical outliers, (technical outliers: marked by a cross and statistical outliers by a border).
  • a technical outlier can be a number of scenarios that, for example, are not caused by a faulty finish but by other circumstances.
  • the photograph of a correctly painted body part is shown in Figure 4a.
  • FIG. 4b shows a photograph of a body part painted with a wrong color, in which case (which is to be classified as a technical outlier) the total color difference of a preselected cluster exceeds a second limit.
  • FIG. 4c shows the case as shown in FIG. 4c, for example, when the camera (two-dimensional spatially resolved receiver) is triggered so late that the body automatically moving further in a production line no longer (or not yet) at the for photographic detection predetermined position (also technical outlier).
  • Another case is shown in FIG.
  • FIG. 4d shows a further example which, however, is not a technical outlier.
  • a photograph of a painted body part is shown, which was done under the influence of (unwanted) extraneous light.
  • the total color distance of the corresponding cluster has remained below a second limit, so that this total color distance in the data series, see FIG. 3, is still taken into account (no elimination).
  • the second limit should be adjusted according to the above scenarios.
  • a further aspect of the method according to the invention consists in the interpolation of statistical outliers (see FIG. 3 framed measured values with 2 ⁇ E ⁇ 10).
  • Statistical outliers are measured values which are not classified as technical outliers, that is, whose total color distance is, for example, smaller than a second limit, but whose deviations deviate so significantly from the other measured values, so that these are not random deviations can (here, for example, the total color distance is greater than a third threshold value).
  • the advantage of interpolating these statistical outliers is that the corresponding trend analysis (eg, the statistical centerline shown in Figures 2, 11a, and 12a) is not unnecessarily distorted.
  • the third limit value is preferably used as the total color difference with ⁇ E ⁇ 10 and ⁇ E> 2.
  • FIGS. 6a to 7b show an example for the interpolation of statistical outliers.
  • the determination of the third limit value from a plurality of measured values is possible in different ways.
  • a large number of painted bodies are removed via the abscissa, and the values determined in each case for the total color distance are plotted over the ordinates.
  • the determination of the third limit value is to be demonstrated on the basis of 5 known measured values of one series, ie 5 known total color distances for 4 different bodies:
  • the determination of the third limit value can also be based on other criteria.
  • FIG. 8 shows a representation of the data series according to FIGS. 6a, 6b after the elimination of interpolation of the statistical outliers, the circles in FIG. 8 representing the interpolated values.
  • FIG. 9 shows a schematic representation of the measured values of FIG. 3 after elimination of both the technical and the statistical outliers.
  • FIGS. 3, 7 and 9 a series of 250 painted body parts was evaluated.
  • statistical outliers are not completely eliminated since, in addition to additive outliers, it is also possible to identify jumps or trend changes in the course of the measured values as outliers. Interpolation, rather than complete elimination of the outliers, provides an adequate response of the monitoring system without the need for a special outlier evaluation. The effects of a wrong decision (unrecognized outliers) are thus minimized.
  • a further aspect of the present invention is the so-called trend abstraction, which is shown schematically in FIGS. 10a to 12b.
  • the idea is to graph the corresponding measured values of a cluster or clusters (measured values are determined brightness deviations, determined color deviations or the determined total color distance) for a series of a plurality of painted bodies, wherein a weighted average value is shown for the purpose of illustrating trends for each measured value , which is formed from a plurality of preceding or succeeding elements of the data series, is also represented graphically (as a line).
  • the 2-parameter method according to Holt can be used for the corresponding averaging, in which initially optimal parameters are determined and, if appropriate, a smoothing of the weighted average results (pre-post averaging, golden ratio) is carried out.
  • FIGS. 10a, 10b, 10c show, by way of example, the result of the method of exponential smoothing, which simultaneously determines the basic period value and the trend of a measured value profile and smoothes it by means of 2 different parameters.
  • Optimum results are selected from pre-post averaging. It provides significantly better results than trend abstraction by averaging.
  • FIG. 11 a shows a representation of the data series according to FIG. 9 after carrying out the 2-parameter method with the optimum parameters.
  • FIG. 11b shows the scattering of the elements of the data series according to FIG. 11a.
  • FIG. 12a shows a representation of the data series according to FIG. 9 after carrying out the 2-parameter method and the pre-post message.
  • FIG. 12b shows the scattering of the elements of the data series according to FIG. 12a.
  • FIG. 13 a shows a flow chart in which the creation of a color control model according to the present invention is shown schematically.
  • a multiplicity of similarly painted body parts are provided whose visual impression has already been defined as being within the quality requirements.
  • Reference surfaces can be determined as such by subjective consideration by one or more reviewers, for example.
  • both the reference surfaces and the surfaces to be evaluated later are subdivided into a plurality of subregions (clusters).
  • clusters For each cluster, a color and brightness average is formed and this data is assigned to the cluster.
  • RGB color space x, y
  • ClELab color space color space
  • DIN99 color space or similar which already include a brightness value
  • comparable spatial coordinates and color coordinates obtainable by appropriate transformation can also be assigned.
  • the color coordinates also comprise, at least to some extent, information about the brightness of the surface to be evaluated.
  • FIG. 13 shows the deviations of the color coordinates of the individual reference surfaces from the color coordinates of the first measured reference surface (these deviations are represented in the exemplary embodiment by the so-called total color distance).
  • a trend abstraction is performed by averaging or the like (preferably Holt's 2-parameter method), thereby obtaining for each reference surface a weighted brightness trend value and a weighted color trend value (or a total color gap trend value formed therefrom).
  • a certain number of preceding and following color coordinates are used for (possibly weighted) averaging.
  • the trend abstraction thus determined (solid line in FIG Partial window d.) With known methods to smooth (for example, by including a plurality of previous / subsequent color coordinates). Subsequently, as also in subwindow d.
  • the scattering of the total color distance of the respective sub-area of the reference surface as a difference of weighted total color distance (of the cluster) and trend value for the total color distance determined.
  • the brightness spread of the subregion of the reference surface as the difference between the weighted brightness value and the weighted brightness trend value and the color spread of the subrange of the reference surface as the difference between the weighted color value and the weighted color trend value.
  • the reference color value (or the reference brightness value or the reference color coordinate) is then formed from the arithmetic mean of all (to be considered and possibly interpolated) color values / brightness values or color coordinates of the reference surfaces (for each sub-area separately).
  • the reference color value (or the reference brightness value or the reference color coordinate) is then formed from the arithmetic mean value of the respective trend values.
  • FIG. 13b shows a flow chart of a preferred embodiment for evaluating a surface with the aid of the color control model produced according to the invention.
  • the object of the present invention is to monitor dyeing and home scattering (deviations from the color control model according to the invention) of a series production, that is to say a multiplicity of similarly painted body parts, and to present it in a clear manner to a user on the basis of preset criteria. From this representation, a user can either remove immediately or at least quickly infer whether a particular painted body part of the series meets the criteria for visual perception.
  • the invention relates to the evaluation and representation of a series in particular a variety of the same body parts, which were painted with a same color.
  • the correspondingly painted body parts are then to be evaluated by means of the method according to the invention, wherein the technical characteristics of the evaluation in particular the visual perception by a viewer should emulate as realistic as possible.
  • a painted body part-which in the exemplary embodiment has a non-paintable opening for a fuel cap-is imaged onto a two-dimensional receiver-for example a CCD camera-and this image is subdivided into a plurality of subregions (FIG.
  • 13c shows an enlarged representation of the subdivision into a multiplicity of subregions, wherein it is provided to form a colorant and brightness mean value for each cluster and to assign this data to the cluster each cluster has two spatial coordinates (x, y) and three color coordinates according to RGB color space, ClELab color space, DIN99 color space or similar (which already include a brightness value) Coordinates are assigned Also, at least to some extent, includes information about the brightness of the surface to be evaluated.
  • a larger area can be represented by a small number of data (color and brightness values) according to the invention.
  • these individual cluster-related data are compared with corresponding data of the color control model previously determined according to the invention and the corresponding deviations stored.
  • the ascertained brightness and color deviations are calculated to a so-called total color distance.
  • Color differences can in principle be obtained by vector addition of the ⁇ L _ i ⁇ C. unc
  • the CIE builds on the L * a * b color space in its CIEDE2000 color difference formula published in 2001 in addition to this geometric representation.
  • ⁇ H in order to achieve, by further distortion of the color space, a consideration of the influence of the color saturation and a correction of the alignment of the tolerance ellipses. As total color distance but also equivalent sizes can be used.
  • This total color distance represents a weighted value from the corresponding brightness and color deviations.
  • the determined total color distances are compared with a first limit value and corresponding to the overshoot or undershoot of the individual total color distances of the individual Clusters with the first limit the clusters are marked accordingly color (see Figure 13b bottom center and left).
  • Such a comparison between the measured brightness and color values and the reference brightness and color values (color control model) is preferably carried out for all clusters (subregions) of each body part. Alternatively, however, it is possible to carry out the corresponding comparison of the total color distances (or color and color differences) with the first limit value only for a certain number of clusters of a body part.
  • Another aspect of the present invention is not only to evaluate large painted surfaces in a simple system, but also to be able to efficiently detect changes in brightness and color values within a series of painted surfaces, the evaluation of color and brightness deviations (or the total color distances) of a visual perception realized by a viewer should come as close as possible and continue to be able to detect trends in color and brightness changes as quickly as possible.
  • the invention to make the corresponding division of the two-dimensional image for each body part of a series to be evaluated in each case the same sub-areas, so that the corresponding sub-areas of a series (a plurality of successively painted bodies) can be compared and evaluated accordingly (ie , the location coordinates and the extent of the clusters are for all Bodies of a series alike).
  • the brightness and color differences for example the total color distance
  • the individual elements of the data series should preferably be sorted chronologically according to the time of painting.
  • ⁇ Y in window 1 shows the brightness deviation of the individual bodies No. -100 to No. 0 for a preselected (always the same) cluster from the corresponding color control model. From the brightness deviations recorded over the series, corresponding mean values, which are determined, for example, from a large number of preceding and following measured values, can be represented for each measured value. Likewise, corresponding tolerance limits, which are likewise obtained or generated from the multiplicity of measured values, can be displayed.
  • window 2 with ⁇ l represents a color deviation red-green
  • window 3 with ⁇ Q a color deviation yellow-blue
  • window 4 with ⁇ E an overall color deviation.
  • window No. 5 the color deviations are shown in Cartesian and in window 6 is illustrated Brightness deviation as a bar chart.
  • the mean value lines (or weighted profiles) shown in FIG. 14 can allow a user to draw conclusions about compliance with or non-compliance with production parameters, so that a departure from the tolerance limits within a series can be detected in good time.
  • the abscissae each show a continuous number of the painted bodies and the ordinates each the determined values for the total color distance.
  • FIG. 15 shows a data series of the total color difference ⁇ E (ordinates) of a multiplicity of body parts (abscissa) for a selected subregion for the detection of technical details. see and statistical outliers, (technical outliers: characterized by a cross and statistical outliers by a border).
  • a technical outlier can be a number of scenarios that, for example, are not caused by a faulty finish but by other circumstances.
  • FIG. 16a shows a photograph of a body part painted with a wrong color, in which case (which should be classified as a technical outlier) the total color difference of a preselected cluster exceeds a second limit.
  • FIG. 16c shows the case as shown in FIG. 16c, for example when the camera (two-dimensional spatially resolved receiver) is triggered so late that the body automatically moving further in a production line no longer (or not yet) at the one for photographic detection predetermined position (also technical outlier).
  • FIG. 16d Another case is shown in Figure 16d, where it is the failure of the flash, so that a corresponding photographic recording can be done only faulty (also technical outliers).
  • FIG. 16e Another example is shown in FIG. 16e, but this is not a technical outlier.
  • a photograph of a painted body part is shown, which was made under the influence of (unwanted) extraneous light.
  • the total color distance of the corresponding cluster has remained below a second threshold, so that this total color distance in the data series, see FIG. 15, is still taken into account (no elimination).
  • the second limit should be adjusted according to the above scenarios.
  • a further aspect of the method according to the invention consists in the interpolation of statistical outliers (see FIG. 15 framed measured values with 2 ⁇ E ⁇ 10).
  • Statistical outliers are measured values which are not classified as technical outliers, that is, whose total color distance is, for example, smaller than a second limit, but whose deviations deviate so significantly from the other measured values, so that these are not random deviations can (here for example is the Total color distance greater than a third limit value).
  • the advantage of interpolating these statistical outliers is that the corresponding trend analysis (eg, the statistical centerline shown in Figures 14, 23a, and 24a) is not unnecessarily distorted.
  • the third limit value is preferably used as the total color difference with ⁇ E ⁇ 10 and ⁇ E> 2.
  • FIGS. 18a to 19b show an example for the interpolation of statistical outliers.
  • the determination of the third limit value from a plurality of measured values is possible in different ways.
  • a large number of painted bodies are removed via the abscissa, and the values determined in each case for the total color distance are plotted over the ordinates.
  • the determination of the third limit value is to be demonstrated on the basis of 5 known measured values of one series, ie 5 known total color distances for 4 different bodies:
  • the determination of the third limit value can also be based on other criteria.
  • FIG. 20 shows a representation of the data series according to FIGS. 18a, 18b after the elimination of interpolation of the statistical outliers, the circles in FIG. 20 representing the interpolated values.
  • FIG. 21 shows a schematic representation of the measured values of FIG. 15 after elimination of both the technical and the statistical outliers.
  • FIGS. 15, 19 and 21 a series of 250 painted body parts was evaluated.
  • statistical outliers are not completely eliminated since, in addition to additive outliers, it is also possible to identify jumps or trend changes in the course of the measured values as outliers. Interpolation, rather than complete elimination of the outliers, provides an adequate response of the monitoring system without the need for a special outlier evaluation. The effects of a wrong decision (unrecognized outliers) are thus minimized.
  • a further aspect of the present invention is the so-called trend abstraction, which is shown schematically in FIGS. 22a to 24b.
  • the idea is to plot graphically the corresponding measured values of a cluster or several clusters (measured values are determined brightness deviations, determined color deviations or the determined total color distance) for a series of a multiplicity of painted bodies, for illustration of trends for each measured value weighted average, which is formed from a plurality of preceding or succeeding elements of the data series, is also represented graphically (as a line).
  • the 2-parameter method according to Holt can be used for corresponding averaging, in which first optimal parameters are determined and, if necessary, a smoothing of the weighted average results (pre-post averaging, golden ratio) is carried out.
  • FIGS. 22a, 22b, 22c show, by way of example, the result of the method of exponential smoothing, which simultaneously determines the basic period value and the trend of a measured value profile and smooths it by means of 2 different parameters. Optimum results are selected from pre-post averaging. It provides significantly better results than trend abstraction by averaging.
  • FIG. 23 a shows a representation of the data series according to FIG. 21 after carrying out the 2-parameter method with the optimum parameters.
  • FIG. 23b shows the scattering of the elements of the data series according to FIG. 23a.
  • FIG. 24a shows a representation of the data series according to FIG. 21 after carrying out the 2-parameter method and the pre-post averaging.
  • FIG. 24b shows the scattering of the elements of the data series according to FIG. 24a.

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

Die vorliegende Erfindung ein Verfahren und eine Anordnung zur Bewertung mindestens einer Oberfläche mit folgenden Verfahrensschritten: Einstrahlen von Licht auf die zu untersuchende Oberfläche, - Abbildung mindestens eines Teils des von der Oberfläche reflektierten und/oder gestreuten Lichts auf einen ortsaufgelösten Empfänger, und Erzeugung eines Bildes, wobei jedem Bildpunkt neben seinen geometrischen Koordinaten weiterhin Farb-Koordinaten zugeordnet werden, dadurch gekennzeichnet, dass - eine Vielzahl zusammenhängender Unterbereiche gebildet wird, die innerhalb des Bildes liegen, aus den Bildpunkten jedes Unterbereichs jeweils ein gewichteter Helligkeitswert und mindestens ein gewichteter Farbwert generiert wird, die Vielzahl gewichteter Helligkeitswerte jeweils mit einem Referenz- Helligkeitswert eines Farbkontrollmodells und die Vielzahl gewichteter Farbwerte jeweils mit einem Referenz-Farbwert eines Farbkontrollmodells verglichen und daraus für jeden Unterbereich eine Helligkeitsabweichung (ΔY) und mindestens eine Farbabweichung (Δl, ΔQ) ermittelt werden, - die ermittelte Helligkeitsabweichung (ΔY) und/oder die mindestens eine ermittelte Farbabweichung (Δl, ΔQ) jedes Unterbereichs mit einem vorgegebenen ersten Grenzwert verglichen wird.

Description

Beschreibung
Verfahren und Vorrichtung zur Qualitätskontrolle einer Oberfläche
Die vorliegende Erfindung betrifft ein Verfahren und eine Vorrichtung zur Qualitätskontrolle einer Oberfläche, insbesondere betrifft die vorliegende Erfindung ein Verfahren und eine Vorrichtung zur Qualitätskontrolle von farblich bestimmten Oberflächen von Karosserien und deren Anbau- und Einbauteilen für Kraftfahrzeuge.
Verfahren zur Qualitätskontrolle von Oberflächen sind beispielsweise aus DE 101 03 555 A1 und WO 2004/010124 A1 bekannt.
DE 101 03 555 A1 beschreibt ein Verfahren zur Beurteilung einer Farbschicht, insbesonde- re des Oberflächeneindrucks der Farbschicht auf einen Betrachter, das mit geringem apparativen und programmtechnischen Aufwand eine schnelle Beurteilung der Farbschicht ermöglicht und eventuelle Farbabweichungen oder sonstige Fehler erkennt. Bei diesem Verfahren wird aus der mittels eines optischen Empfängers aufgenommenen fünfdimensiona- len (x, y, Y, I, Q) Information eine zweidimensionale Information extrahiert, die ein Maß für den Färb- und/oder Helligkeitsverlauf des empfangenen Lichts in einem vorbestimmten geometrischen Bereich der Farbschicht darstellt.
WO 2004/010124 A1 offenbart ein Simulationsverfahren, bei dem die Wahrnehmung des menschlichen Auges nachvollzogen wird. Ein Freiheitsgrad des betrachtenden menschli- chen Auges ist der Betrachtungswinkel. Die winkelabhängigen Beiträge der Farbwahrnehmung können auch durch beliebige Einstellung des Betrachtungswinkels erfasst werden. Auf Grund dieser winkelabhängigen Beiträge kann eine materialspezifische Kennlinie erstellt werden, die beispielsweise bei Lackierprozessen in der Automobilindustrie zur Bewertung der Risiken einzelner Arbeitsschritte genutzt werden kann.
Die Aufgabe der vorliegenden Erfindung besteht darin, eine verbesserte Simulation der Wahrnehmung des menschlichen Auges für die Bewertung einer Oberfläche, insbesondere der Lackschicht eines Karosserieteils bereitzustellen. Dabei sollen insbesondere größere Flächen (>500 cm2) mit geringem Aufwand, jedoch schnell und zuverlässig bewertet werden können. Eine weitere Aufgabe der vorliegenden Erfindung besteht darin, technische und/oder statistische Ausreißer automatisch zu erkennen und zu eliminieren und lediglich die verbleibenden Messwerte einer weiteren Bewertung zuzuführen. Eine weitere Aufgabe der vorliegenden Erfindung besteht darin, die selektierten Messwerte beziehungsweise de- ren Abweichungen von einem Sollwert in geeigneter Form grafisch darzustellen, um eine weitere Entscheidungsfindung durch einen Benutzer des erfindungsgemäßen Verfahrens/ der erfindungsgemäßen Vorrichtung über die Relevanz der Abweichung von den Sollwerten zu erleichtern. Durch die erfindungsgemäße grafische Darstellung sollen Fehlerquellen durch einen Benutzer schneller erkennbar werden.
Diese Aufgaben werden erfindungsgemäß durch die Merkmale des Patentanspruchs 1 gelöst. Bevorzugte Ausgestaltungen der Erfindung sind in den Unteransprüchen enthalten.
Das erfindungsgemäße Verfahren weist folgende Verfahrensschritte auf: - Einstrahlen von Licht auf die zu untersuchende Oberfläche,
Abbildung mindestens eines Teils des von der Oberfläche reflektierten und/oder gestreuten Lichts auf einen ortsaufgelösten Empfänger, und
Erzeugung eines Bildes, wobei jedem Bildpunkt neben seinen geometrischen Koordinaten weiterhin Farb-Koordinaten zugeordnet werden, - eine Vielzahl zusammenhängender Unterbereiche gebildet wird, die innerhalb des Bildes liegen, aus den Bildpunkten jedes Unterbereichs jeweils ein gewichteter Helligkeitswert und mindestens ein gewichteter Farbwert generiert wird, die Vielzahl gewichteter Helligkeitswerte jeweils mit einem Referenz- Helligkeitswert und die Vielzahl gewichteter Farbwerte jeweils mit einem Referenz-Farbwert verglichen und daraus für jeden Unterbereich eine Helligkeitsabweichung und mindestens eine Farbabweichung ermittelt werden, die ermittelte Helligkeitsabweichung und/oder die mindestens eine ermittelte Farbabweichung jedes Unterbereichs mit einem vorgegebenen ersten Grenzwert verglichen wird.
Das erfindungsgemäße Verfahren weist in bevorzugter Ausgestaltung der Erfindung folgende Verfahrensschritte auf:
Einstrahlen von Licht auf die zu untersuchende Oberfläche, Abbildung mindestens eines Teils des von der Oberfläche reflektierten und/oder gestreuten Lichts auf einen zweidimensionalen, ortsaufgelösten Empfänger, und Erzeugung eines zweidimensionalen Bildes, wobei jedem Bildpunkt neben seinen geometrischen Koordinaten weiterhin Farb-Koordinaten zugeordnet werden, - eine Vielzahl zweidimensionaler, zusammenhängender Unterbereiche gebildet wird, die innerhalb des zweidimensionalen Bildes liegen, aus den Bildpunkten jedes Unterbereichs jeweils ein gewichteter Helligkeitswert und mindestens ein gewichteter Farbwert generiert wird, die Vielzahl gewichteter Helligkeitswerte jeweils mit einem Referenz- Helligkeitswert und die Vielzahl gewichteter Farbwerte jeweils mit einem Referenz-Farbwert verglichen und daraus für jeden Unterbereich eine Helligkeitsabweichung und mindestens eine Farbabweichung ermittelt werden, die ermittelte Helligkeitsabweichung und/oder die mindestens eine ermittelte Farbabweichung jedes Unterbereichs mit einem vorgegebenen ersten Grenzwert verglichen wird.
Vorzugsweise wird aus den ermittelten Helligkeitsabweichungen und den ermittelten Farbabweichungen für jeden Unterbereich ein Gesamtfarbabstand bestimmt, und der Gesamt- farbabstand jedes Unterbereichs wird mit einem vorgegebenen ersten Grenzwert vergli- chen.
Die Idee der Erfindung besteht ferner darin, das auf einem ortsaufgelösten Empfänger generierte Abbild einer zu untersuchenden Oberfläche in eine Vielzahl von Unterbereichen (Cluster) aufzuteilen und für jeden Cluster über dessen Fläche gemittelte (beziehungsweise gewichtete) Färb- und/oder Helligkeitswerte zu bestimmen und diese gemittel- ten/gewichteten Werte mit entsprechenden Referenzwerten zu vergleichen. Dadurch kann der optische Eindruck einer größeren Fläche von vorzugsweise mehr als 100 cm2 (bevorzugter mehr als 500 cm2 und noch bevorzugter mehr als 1000 cm2) durch wenige gemittelte (beziehungsweise gewichtete) Färb- beziehungsweise Helligkeitswerte repräsentiert und einfach bewertet werden.
Die Idee der Erfindung besteht in einer bevorzugten Ausgestaltung darin, das auf einem zweidimensionalen, ortsaufgelösten Empfänger generierte Abbild einer zu untersuchenden Oberfläche in eine Vielzahl zweidimensionaler Unterbereiche (Cluster) aufzuteilen und für jeden Cluster über dessen Fläche gemittelte (beziehungsweise gewichtete) Färb- und/oder Helligkeitswerte zu bestimmen und diese gemittelten/gewichteten Werte mit entsprechenden Referenzwerten zu vergleichen. Dadurch kann der optische Eindruck einer größeren Fläche von vorzugsweise mehr als 100 cm2 (bevorzugter mehr als 500 cm2 und noch bevorzugter mehr als 1000 cm2) durch wenige gemittelte (beziehungsweise gewichtete) Farb- beziehungsweise Helligkeitswerte repräsentiert und einfach bewertet werden.
Eine aussagekräftige Bewertung der ermittelten Färb- und/oder Helligkeitswerte der einzelnen Cluster kann vorzugsweise durch Vergleich mit einem Kontrollmodell (insbesondere Farbkontrollmodell) realisiert werden. Ein solches Kontrollmodell kann vorab dadurch bereitgestellt werden, dass mehrere Serienkarosserien (beziehungsweise deren Teile), insbesondere 10 bis 100, vorzugsweise 35 bis 65 solcher Serienkarosserien (beziehungsweise deren Teile), deren Oberflächen subjektiv als einwandfrei eingestuft wurden, bzgl. Ihrer Hellig- keits- (Y) und Farbkoordinaten (I, Q) vermessen werden und hieraus für die einzelnen Cluster ein jeweiliger Soll (Referenz-)Mittelwert gebildet wird. Dieser Mittelwert stellt dann den entsprechenden Referenzfarbwert oder den entsprechenden Referenzhelligkeitswert für das jeweilige Cluster dar. Durch diese Vorgehensweise ist es beispielsweise möglich, die Wolkigkeit eines Kraftfahrzeuges herauszumitteln. Die einzelne Karosserie wird damit in ihrer aktuellen Situation mit dem definierten Farbkontrollmodell verglichen.
Eine lackierte Oberfläche im Sinne der vorliegenden Erfindung ist eine Oberfläche, die eine oder mehrere übereinander liegende Lackschichten aufweisen kann. Die farbbestimmende Schicht muss bei mehrschichtigen Lackierungen nicht die oberste Schicht sein, letztere kann vielmehr beispielsweise auch ein Klarlack sein. Die farbbestimmende Schicht im Sinne der vorliegenden Erfindung ist daher bei mehrschichtigen Lackierungen diejenige Lackschicht, die den vorgesehenen, endgültigen Farbton des lackierten Gegenstandes im Wesentlichen bestimmt.
Vorzugsweise sind die einzelnen Unterbereiche zueinander disjunkt. Hierdurch kann die optische Wahrnehmung der zu untersuchenden Oberfläche mit einer geringen Anzahl von Unterbereichen besonders effizient repräsentiert werden. Natürlich ist es auch möglich, dass sich einzelne Cluster überlappen, jedoch führt dies zu redundanten Daten, so dass hierdurch die Anzahl der zu verarbeitenden Daten unnötig erhöht würde. Vorzugsweise weisen die Unterbereiche eine Fläche zwischen 0,1 cm2 und 100 cm2 (bevorzugter 1 cm2 und 25 cm2 und noch bevorzugter 5 cm2 und 15 cm2) auf. Als Fläche eines Unterbereichs (Cluster) im Sinne der vorliegenden Erfindung ist die tatsächliche geometrische Fläche des abgebildeten Unterbereichs auf der zu untersuchenden Oberfläche (Ia- ckiertes Karosserieteil) und nicht die Fläche des Abbilds auf dem ortsaufgelösten Empfänger zu verstehen. Die Fläche des Abbilds auf dem ortsaufgelösten Empfänger ist regelmäßig kleiner als die tatsächliche Fläche eines Unterbereichs.
Als Fläche eines Unterbereichs (Cluster) im Sinne der vorliegenden Erfindung ist die tat- sächliche geometrische Fläche des abgebildeten Unterbereichs auf der zu untersuchenden Oberfläche (lackiertes Karosserieteil) und nicht die Fläche des Abbilds bevorzugt auf dem zweidimensionalen, ortsaufgelösten Empfänger zu verstehen. Die Fläche des Abbilds auf dem bevorzugt zweidimensionalen, ortsaufgelösten Empfänger ist regelmäßig kleiner als die tatsächliche Fläche eines Unterbereichs.
Durch die erfindungsgemäße Größenwahl für die einzelnen Cluster wird einerseits die Anzahl der zu bewertenden Parameter auf ein effizientes Maß reduziert, andererseits kann der räumliche Verlauf von Farb-/Helligkeitsabweichungen für die gesamte (zu untersuchende) Oberfläche beziehungsweise nahezu die gesamte (zu untersuchende) Oberfläche darge- stellt werden. Die Darstellung des räumlichen Verlaufs von Farb-/Helligkeitsabweichungen ist beispielsweise wichtig, da ein bestimmtes Maß an Farb-/Helligkeitsabweichungen in Randbereichen eines Bauteils deutlich relevanter sein kann als in der Mitte, da das Bauteil im Randbereich beispielsweise zu anderen Bauteilen harmonieren muss und daher eine ein bestimmtes Maß an Farb-/Helligkeitsabweichung von einem Betrachter empfindlicher wahr- genommen werden kann - insbesondere bei unterschiedlichen Flächennormalen von gefügten Teilen im angrenzenden Bereich.
Die Anzahl der Unterbereiche beträgt vorzugsweise zwischen 5 und 3000 (bevorzugter zwischen 15 und 500 noch bevorzugter zwischen 25 und 200). Die Lage und Größe der ein- zelnen Unterbereiche kann vorzugsweise von einem Benutzer vorab eingestellt werden. Dies hat den Vorteil, dass Bereiche, die für die optische Wahrnehmung durch einen Betrachter nicht relevant sind (beispielsweise Teilflächen in einer größeren Fläche) vorab entsprechend unterdrückt werden können, da die Cluster vorzugsweise nur in Bereichen lokalisiert werden, die für die optische Wahrnehmung durch einen Betrachter relevant sind. Fer- ner ist es möglich, für die optische Wahrnehmung als besonders relevant eingeschätzte Flächen (Unterbereichen) festzulegen und nur diese Unterbereiche (Prio-Teilflächen) zu bewerten.
Als Farb-Koordinaten werden vorzugsweise solche des RGB-Farbraums, des ClELab-Farb- raums oder des DIN99-Farbraums verwendet. Es ist alternativ auch möglich, andere Farb- Koordinaten zu verwenden. Aus den Farb-Koordinaten werden ein gewichteter Helligkeitswert und mindestens ein gewichteter Farbwert bestimmt, die ein Maß für Helligkeit und Farbe des Clusters darstellen. Dadurch kann die Vielzahl der Bildpunkte auf dem ortsauf- gelösten Empfänger in eine Vielzahl von Cluster transformiert werden, wobei ein Cluster einen bestimmten geometrischen Ausschnitt repräsentiert. Der gewichtete Helligkeitswert ist vorzugsweise ein arithmetischer Mittelwert der Helligkeitswerte aller Bildpunkte des Clusters, und der gewichtete Farbwert ist vorzugsweise ein arithmetischer Mittelwert der Farbwerte aller Bildpunkte des Clusters. Es ist alternativ jedoch auch möglich, einen ge- wichteten Helligkeitswert/Farbwert zu verwenden, der vom arithmetischer Mittelwert abweicht. Essentiell ist jedoch, dass mindestens 10% (bevorzugt mindestens 50%, besonders bevorzugt mindestens 95%) der Bildpunkte des Clusters in die gewichteten Helligkeitswert/Farbwert einfließen.
Aufgrund dieser Transformation wird die Anzahl der zu bewertenden Farbwerte deutlich reduziert, ohne dass die wesentliche Informationen über den räumlichen Verlauf von Farb-/Helligkeitsabweichungen verloren gehen.
Vorzugsweise werden nacheinander eine Vielzahl von Oberflächen (vorzugsweise lackierte Karosserien) mit dem oben genannten Verfahren analysiert und bewertet, wobei die Vielzahl zusammenhängender Unterbereiche stets in gleicher Weise innerhalb des Bildes der jeweiligen Oberfläche positioniert wird. Vorzugweise werden in gleicher weise geformte und lackierte Karosserien verwendet. Dadurch lassen die Farb-/Helligkeitswerte einzelner Cluster verschiedener Karosserien Rückschlüsse auf Farb-/Helligkeits-Trends zu, so dass zeitnah eine Fehleranalyse vorgenommen werden kann.
Vorzugsweise werden nacheinander eine Vielzahl von Oberflächen (vorzugsweise lackierte Karosserien) mit dem oben genannten Verfahren analysiert und bewertet, wobei bevorzugt die Vielzahl zweidimensionaler, zusammenhängender Unterbereiche stets in gleicher weise bevorzugt innerhalb des zweidimensionalen Bildes der jeweiligen Oberfläche positioniert wird. Vorzugweise werden in gleicher Weise geformte und lackierte Karosserien verwendet. Dadurch lassen die Farb-/Helligkeitswerte einzelner Cluster verschiedener Karosserien Rückschlüsse auf Farb-/Helligkeits-Trends zu, so dass zeitnah eine Fehleranalyse vorge- nommen werden kann.
Zur effizienten Feststellung von Trends werden die ermittelten Helligkeitsabweichungen, die mindestens eine ermittelte Farbabweichung und/oder die Gesamtfarbabstände der Vielzahl von Oberflächen für mindestens einen Unterbereich (Cluster) als Datenreihe erfasst.
Erfindungsgemäß wird der (gemittelte) Helligkeitswert/Farbwert jedes Clusters mit einem Referenz-Helligkeitswert/ Referenz-Farbwert, der zuvor durch ein Farbkontrollmodell bestimmt wurde, verglichen und ein Maß für den Gesamtfarbabstand jedes einzelnen Clusters vom Farbkontrollmodell bestimmt. Der Gesamtfarbabstand ist dabei ein gewichteter Wert aus den einzelnen Färb-/ und Helligkeitsabständen. Dadurch kann in besonders einfacher Weise der räumliche Verlauf von Farb-/Helligkeitsabweichungen durch ein geringes Datenvolumen erfasst werden. Dies ist insbesondere für große Flächen vorteilhaft, da hierdurch eine dem menschlichen Auge vergleichbare Bewertung anhand der Gesamtfarbabstände der einzelnen Cluster ermöglicht wird.
In einer bevorzugten Ausführungsvariante der Erfindung ist es vorgesehen, dass die Cluster mindestens 30% (bevorzugter mindestens 50% noch bevorzugter mindestens 80%) der Fläche der zu untersuchenden Oberfläche, die auf dem ortsaufgelösten Empfänger abgebildet wird, abdecken. Dadurch wird erfindungsgemäß der Gesamteindruck besonders realitätsnah durch die Vielzahl von Unterbereiche repräsentiert.
Zur Bewertung der Oberfläche wird der Gesamtfarbabstand jedes Unterbereichs mit einem vorgegebenen ersten Grenzwert verglichen. Alternativ ist es jedoch auch möglich, die ermittelte Helligkeitsabweichung (ΔY) und/oder die mindestens eine ermittelte Farbabweichung (Δl, ΔQ) mit einem ersten Grenzwert zu vergleichen. Der erste Grenzwert wird vorzugsweise derart gewählt, dass Cluster mit einem Gesamtfarbabstand (beziehungsweise Helligkeitsabweichung und/oder Farbabweichung) kleiner dem ersten Grenzwert als innerhalb der Toleranzgrenzen eingestuft werden. Bei der Erfassung von Datenreihen unterschiedlicher Karosserieteile einer Serie (für mindestens einen Cluster - diese Cluster-Datenreihen können auch für alle Cluster erfasst werden) ist es vorgesehen, technische Ausreißer (die beispielsweise durch ein falsches Karosserieteil, Ausfall des Blitzlichts oder zu späte Auslösung der Aufnahme derart, dass sich das Karosserieteil nicht mehr in der vorgegebenen Position befindet, bedingt sein können) aus der Datenreihe zu eliminieren. Dazu werden Helligkeitsabweichungen, Farbabweichungen und/oder Gesamtfarbabstände, die betragsmäßig einen zweiten vorgegebenen Grenzwert überschreiten, aussortiert, wobei der zweite Grenzwert betragsmäßig größer als der erste Grenzwert ist. Der zweite Grenzwert wird vorzugsweise derart gewählt, dass Cluster mit einem Gesamtfarbabstand größer als dem zweiten Grenzwert als außerhalb der durch Mess-/Produktionsfehler bedingten Toleranzgrenzen eingestuft werden.
Durch die Eliminierung technischer Ausreißer wird einerseits die zu verarbeitende Datenmenge verringert und weiterhin sichergestellt, dass entsprechende Mittelwerte, die für eine Langzeitanalyse (Trendanalyse) beziehungsweise eine Prognose zugrunde gelegt werden können, durch die genannten Szenarien (falsches Karosserieteil, Ausfall des Blitzlichts oder zu späte Auslösung der Aufnahme derart, dass sich das Karosserieteil nicht mehr in der vorgegebenen Position befindet) nicht verfälscht werden.
In einer weiteren bevorzugten Ausführungsvariante der Erfindung ist es vorgesehen, (vorzugsweise zusätzlich) statistische Ausreißer einer Datenreihe (beispielsweise Helligkeitsabweichung, Farbabweichung oder Gesamtfarbabstand) unterschiedlicher Karosserieteile zu durch vorhergehende und/oder nachfolgende Messwerte der Datenreihe zu interpolieren, um die Verfälschung von Trends zu vermeiden.
Dazu ist es vorgesehen, den numerischen Wert der Helligkeitsabweichung (beziehungsweise der Farbabweichung oder des Gesamtfarbabstandes) derjenigen Elemente einer Datenreihe eines Unterbereichs, die betragsmäßig einen dritten vorgegebenen Grenzwert überschreiten, durch einen numerischen Wert zu ersetzen, der aus der Helligkeitsabwei- chung (beziehungsweise der Farbabweichung oder dem Gesamtfarbabstand) mindestens eines benachbarten Elements der Datenreihe des Unterbereichs gebildet ist.
Vorzugsweise werden die Abweichungen (Helligkeitsabweichung, Farbabweichung oder Gesamtfarbabstand) von den Referenzwerten (Farbkontrollmodell) eines Clusters für unter- schiedliche lackierte Karosserien entsprechend des Zeitpunkts des Lackierens in einer Datenreihe erfasst, das heißt, der Gesamtfarbabstand eines zuerst lackierten Karosserieteils wird als erstes Element der Reihe erfasst, der Gesamtfarbabstand des unmittelbar danach lackierten Karosserieteils wird als zweites Element der Reihe erfasst, usw. Dadurch lässt sich insbesondere der zeitliche Verlauf von Helligkeits-/ Farbänderungen einfach erfassen.
Vorzugsweise wird vor dem Einstrahlen von Licht ein Fahrzeugkarosserieteil lackiert und mindestens 100 cm2 der lackierten Oberfläche des Fahrzeugkarosserieteils (bevorzugter mehr als 500 cm2 und noch bevorzugter mehr als 1000 cm2) auf den bevorzugt zweidimen- sionalen, ortsaufgelösten Empfänger abgebildet.
Dadurch ist es möglich, eine sehr große Oberfläche durch die Auswertung lediglich eines Bildes (zum Beispiel einer CCD-Kamera) sehr realistisch zu bewerten. Dies gilt analog für eine Vielzahl zu lackierender Fahrzeugkarosserieteile.
Vorzugsweise werden die zu untersuchende Oberfläche sowie sämtliche Unterbereiche graphisch dargestellt, wobei Unterbereiche, deren Gesamtfarbabstand (beziehungsweise Helligkeitsabweichung und mindestens eine Farbabweichung) größer als der erste Grenzwert ist, und Unterbereiche, deren Gesamtfarbabstand (beziehungsweise Helligkeitsabwei- chung und mindestens eine Farbabweichung) kleiner als der erste Grenzwert ist, in der graphischen Darstellung unterschiedlich markiert werden, beispielsweise durch unterschiedliche Farbgebung. Dadurch wird eine Einschätzung durch einen Benutzer dahingehend, ob die Abweichungen aufgrund ihrer räumlichen Anordnung zu einer Aussortierung des Karosserieteils führen, besonders einfach. Eine solche Einschätzung durch einen Benutzer er- folgt regelmäßig unter weiteren Gesichtspunkten, beispielsweise unter Berücksichtigung weiterer mit gleicher oder ähnlicher Farbe lackierter Teile in der späteren Umgebung des Karosserieteils (im eingebauten Zustand), wobei regelmäßig Abweichungen in Grenzbereichen als relevanter eingestuft werden als in der Mitte eines Karosserieteils, da die Sensitivi- tät eines Betrachter für Farbunterschiede in Grenzbereichen regelmäßig erhöht ist.
Alternativ ist es jedoch auch möglich, nur einen Teil der Unterbereiche nach vorgegeben Kriterien darzustellen, beispielsweise nur vorselektierte Unterbereiche (so genannte Prio- Teilflächen) oder nur den beziehungsweise die „schlechtesten" Unterbereiche einer zu bewertenden Oberfläche, das heißt denjenigen beziehungsweise diejenigen Unterbereiche mit dem größten Gesamtfarbabstand (beziehungsweise Helligkeitsabweichung und mindestens eine Farbabweichung).
In einer besonders bevorzugten Ausführungsvariante der Erfindung soll die Bewertung der einzelnen Cluster nicht lediglich bzgl. einer Abweichung von einem Farbkontrollmodell, sondern zur Berücksichtigung von Trends derart erfolgen, dass in die Bewertung zusätzlich zuvor und nachher ermittelte Abweichungen (das heißt gleicher Cluster von zuvor/nachher lackierten und bewerteten Karosserien) einfließen.
Dazu wird zu jedem Gesamtfarbabstand (beziehungsweise Helligkeitsabweichung und/oder Farbabweichung) einer Datenreihe eines Unterbereichs ein gewichteter Mittelwert ermittelt wird, der aus einer Vielzahl vorhergehender und/oder nachfolgender Elemente der Datenreihe gebildet wird (besonders bevorzugt ein Mittelwert einer Vielzahl vorhergehender und nachfolgender Elemente der Datenreihe).
Vorzugsweise wird eine Glättung der Elemente der Datenreihe durchgeführt. Vorzugsweise wird die Glättung mittels 2-Parameter-Verfahren und/oder Prä-Post-Mittelung durchgeführt.
Weiterhin ist es vorgesehen, die Differenz jedes Gesamtfarbabstandes (beziehungsweise Helligkeitsabweichung und/oder Farbabweichung) von seinem jeweiligen (gegebenenfalls geglätteten) Mittelwert ermittelt wird, wobei der betragsmäßige Abstand zwischen der größten Differenz der Datenreihe und der kleinsten Differenz der Datenreihe mit einem vorgegebenen vierten Grenzwert verglichen wird. Dadurch können Farb-/Helligkeitsschwankungen innerhalb einer Serie von lackierten Karosserien schnell erfasst werden.
Die oben beschriebene Trendanalyse kann einerseits in Echtzeit erfolgen. In diesem Fall können natürlich nur zuvor ermittelte Abweichungen (das heißt gleicher Cluster von zuvor lackierten und bewerteten Karosserien) in die Bewertung einfließen. Alternativ ist es möglich, die oben beschriebene Trendanalyse nach der messtechnischen Erfassung einer Viel- zahl von (gleich lackierten Karosserien) durchzuführen. Dann können sowohl zuvor als auch nachfolgend ermittelte Abweichungen (das heißt gleicher Cluster von zuvor/danach lackierten und bewerteten Karosserien) in die Bewertung einfließen. Aus einer solchen Trendanalyse können sehr schnell Rückschlüsse dahingehend gezogen werden, welche prozesstechnischen (von einem Benutzer gegebenenfalls einzustellenden Parameter) zu einem spürbaren Trend in den Farb-/Helligkeitsverläufen führt, so dass eine schnellere Reaktion/Korrektur ermöglicht wird.
In bevorzugter Ausgestaltung der Erfindung wird vor dem Vergleich mit dem Farbkontroll- modell für eine Vielzahl von Referenzoberflächen wie folgt vorgegangen: Licht wird auf jede der Referenzoberflächen eingestrahlt, mindestens ein Teil des von der jeweiligen Referenzoberfläche reflektierten und/oder gestreuten Lichts wird auf einen ortsaufgelösten Empfänger abgebildet, ein Bild wird erzeugt, wobei jedem Bildpunkt neben seinen geometrischen Koordinaten weiterhin Farb-Koordinaten zugeordnet werden, eine Vielzahl zusammenhängender Unterbereiche gebildet wird, die innerhalb des Bildes liegen, wobei die Vielzahl der Unterbereiche der Referenzoberflächen mit der Vielzahl der Unterbereiche der zu bewertenden Oberfläche korrespondiert, aus den Bildpunkten jedes Unterbereichs jeweils mindestens ein gewichteter Hellig- keitswert und mindestens ein gewichteter Farbwert generiert wird, so dass für jeden
Unterbereich jeder Referenzoberfläche mindestens ein gewichteter Helligkeitswert und mindestens ein gewichteter Farbwert erhalten wird, und jedem Unterbereich als Referenz-Helligkeitswert ein gewichteter Wert der gewichteten Helligkeitswerte der Vielzahl der Referenzoberflächen und als Referenz-Farbwert ein ge- wichteter Wert der gewichteten Farbwerte der Vielzahl der Referenzoberflächen zugeordnet wird.
Bevorzugt wird Licht auf jede der Referenzoberflächen eingestrahlt, mindestens ein Teil des von der jeweiligen Referenzoberfläche reflektierten und/oder ge- streuten Lichts wird auf einen zweidimensionalen ortsaufgelösten Empfänger abgebildet, dabei wird ein zweidimensionales Bild erzeugt, wobei jedem Bildpunkt neben seinen geometrischen Koordinaten weiterhin Farb-Koordinaten zugeordnet werden, und eine Vielzahl zweidimensionaler zusammenhängender Unterbereiche gebildet wird, die innerhalb des zweidimensionalen Bildes liegen.
Eine aussagekräftige Bewertung der ermittelten Färb- und/oder Helligkeitswerte der einzelnen Cluster der zu bewertenden Oberflächen erfolgt durch Vergleich mit dem nach dem o.g. Verfahren generierten Farbkontrollmodell, wobei die Vielzahl der Unterbereiche der Referenzoberflächen erfindungsgemäß mit der Vielzahl der Unterbereiche der zu bewertenden Oberfläche korrespondiert.
Ein solches Farbkontrollmodell wird erfindungsgemäß vorab erstellt, wobei mehrere Serien- karosserien (beziehungsweise deren Teile), insbesondere 10 bis 100, vorzugsweise 35 bis
65 solcher Serienkarosserien (beziehungsweise deren Teile), deren Oberflächen subjektiv als einwandfrei eingestuft wurden - nachfolgend auch als Referenzoberflächen bezeichnet
- bzgl. Ihrer Helligkeits- (Y) und Farbkoordinaten (I, Q) vermessen werden und hieraus für die einzelnen Cluster ein jeweiliger Referenz-Helligkeitswert und Referenz-Farbwert gebil- det wird.
Durch diese Vorgehensweise ist es beispielsweise möglich, die Wolkigkeit eines Kraftfahrzeuges (der zu untersuchenden Oberfläche) herauszumitteln. Die einzelne Karosserie wird damit in ihrer aktuellen Situation mit dem erfindungsgemäßen Farbkontrollmodell vergli- chen.
Ferner wird in bevorzugter Ausgestaltung der Erfindung jedem Unterbereich als Referenz- Helligkeitswert der arithmetische Mittelwert der gewichteten Helligkeitswerte der Vielzahl der Referenzoberflächen und als Referenz-Farbwert der arithmetische Mittelwert der gewichte- ten Farbwerte der Vielzahl der Referenzoberflächen zugeordnet.
Da der optisch wahrnehmbare Eindruck einer Oberfläche durch Helligkeits- und Farbkoordinaten vorgegeben wird, wird nachfolgend die Ermittlung eines Referenz-Helligkeitswerts und eines Referenz-Farbwerts beschrieben. Es ist jedoch auch möglich, für den optisch wahrnehmbaren Eindruck einer Oberfläche einen Gesamtfarbwert zu verwenden, der sich (in beliebiger Wichtung) aus Helligkeits- und Farbkoordinaten zusammensetzt. Eine Abweichung von solch einem Gesamtfarbwert wird dann als Gesamtfarbabstand bezeichnet.
Zudem werden diejenigen gewichteten Helligkeitswerte der Vielzahl der Referenzoberflä- chen vor der Berechnung des Referenz-Helligkeitswerts aussortiert, bei denen die Differenz des gewichteten Helligkeitswerts vom gewichteten Helligkeitswert der ersten Referenzoberfläche einen zweiten vorgegebenen Grenzwert überschreitet und/oder es werden diejenigen gewichteten Farbwerte der Vielzahl der Referenzoberflächen vor der Berechnung des Farb- Helligkeitswerts aussortiert, bei denen die Differenz des gewichteten Farbwerts vom ge- wichteten Farbwert der ersten Referenzoberfläche einen zweiten vorgegebenen Grenzwert überschreitet. Dadurch können technische Ausreißer (z.B. Ausfall des Blitzlichts) während der Erstellung des Farbkontrollmodells eliminiert werden.
Ferner ist bevorzugt, dass diejenigen gewichteten Helligkeitswerte und diejenigen gewich- teten Farbwerte der Vielzahl der Referenzoberflächen vor der Berechnung des Referenz- Helligkeitswerts und des Referenz-Farbwerts durch gewichtete Helligkeitswerte/gewichtete Farbwerte anderer Referenzoberflächen interpoliert werden, bei denen die Differenz des gewichteten Helligkeitswerts/Farbwerts vom gewichteten Helligkeitswert/ Farbwert der ers- ten Referenzoberfläche einen dritten vorgegebenen Grenzwert überschreitet. Dadurch können erfindungsgemäß statistische Ausreißer während der Erstellung des Farbkontrollmodells eliminiert werden. Vorzugsweise werden der gewichtete Helligkeitswert/ gewichtete Farbwert einer Referenzoberfläche bei Überschreiten des dritten Grenzwerts durch einen Mittelwert (der gewichteten Helligkeitswerte/ gewichteten Farbwerte) mindestens einer vor- hergehenden und mindestens einer nachfolgenden Referenzoberfläche gebildet. Dabei bezieht sich die Reihenfolge der Referenzoberflächen auf die Reihenfolge ihrer (Farb- /Helligkeits-) Vermessung.
Zudem ist das Verfahren bevorzugt dadurch gekennzeichnet, dass ab der zweiten Refe- renzoberfläche bis zur vorletzten Referenzoberfläche ein gewichteter Helligkeitstrendwert und ein gewichteter Farbtrendwert aus den gewichteten Helligkeitswerten und gewichteten Farbwerten der vorher und nachher gemessenen Referenzoberflächen gebildet wird und die Helligkeitsstreuung des Unterbereichs der Referenzoberfläche als Differenz von gewich- tetem Helligkeitswert und gewichtetem Helligkeitstrendwert und die Farbstreuung des Un- terbereichs der Referenzoberfläche als Differenz von gewichtetem Farbwert und gewichtetem Farbtrendwert ermittelt wird. Dadurch wird eine Trendabstrahierung der Messreihe zur Ermittlung des Farbkontrollmodells möglich, wodurch die tatsächlich optisch wahrnehmbare Streuung der Farb-/Helligkeitswerte mit höherer Genauigkeit ermittelt werden kann.
Bevorzugt wird als erster Grenzwert für die Helligkeitsabweichung eines Unterbereichs die Hälfte der Differenz der größten Helligkeitsstreuung und der kleinsten Helligkeitsstreuung der Vielzahl der Referenzoberflächen verwendet wird und/oder als erster Grenzwert für die Farbabweichung eines Unterbereichs die Hälfte der Differenz der größten Farbstreuung und der kleinsten Farbstreuung der Vielzahl der Referenzoberflächen verwendet. Mit anderen Worten wird maximale Streuung um den durch Trendabstrahierung gewonnenen Mittelwert aller Referenzoberflächen als Maß für die Zulässigkeit einer Abweichung (bzgl. Helligkeit, Farbe bzw. Gesamtfarbabstand) einer zu bewertenden Oberfläche verwen- det. Dadurch kann erfindungsgemäß ein Farbkontrollmodell zur Verfügung gestellt werden, das eine verbesserte Simulation der Wahrnehmung des menschlichen Auges für die Bewertung einer Oberfläche gewährleistet. Die maximale Streuung um den durch Trend- abstrahierung gewonnenen Mittelwert aller Referenzoberflächen kann direkt als erster Grenzwert für die Bewertung herangezogen werden, um zu bestimmen, ob eine zu bewer- tende Oberfläche innerhalb der erwünschten Toleranzen liegt. Die maximale Streuung um den durch Trendabstrahierung gewonnenen Mittelwert aller Referenzoberflächen kann aber auch als Maß für eine strategische Bewertung verwendet werden.
Mit dem erfindungsgemäß ermittelten Farbkontrollmodell kann nachfolgend die Bewertung der Oberflächen durchgeführt werden.
Vorzugsweise wird aus den ermittelten Helligkeitsabweichungen und den ermittelten Farbabweichungen (der zu bewertenden Oberflächen) für jeden Unterbereich ein Gesamtfarbabstand bestimmt, und der Gesamtfarbabstand jedes Unterbereichs wird mit dem ersten Grenzwert verglichen.
Das auf einem zweidimensionalen, ortsaufgelösten Empfänger generierte Abbild einer zu untersuchenden Oberfläche wird nachfolgend in die gleichen (bzw. räumlich korrespondierenden) zweidimensionalen Unterbereiche (Cluster) aufgeteilt und für jeden Cluster über dessen Fläche gemittelte (beziehungsweise gewichtete) Färb- und/oder Helligkeitswerte bestimmt und diese gemittelten/gewichteten Werte mit entsprechenden Referenzwerten verglichen. Dadurch kann der optische Eindruck einer größeren Fläche von vorzugsweise mehr als 100 cm2 (bevorzugter mehr als 500 cm2 und noch bevorzugter mehr als 1000 cm2) durch wenige gemittelte (beziehungsweise gewichtete) Färb- beziehungsweise Helligkeits- werte repräsentiert und einfach bewertet werden. Gemäß der Erfindung sind sämtliche O- berflächen zur Erstellung des Farbkontrollmodells und sämtliche zu bewertende Oberflächen gleichen Typs, es soll also die Farb-(Helligkeits-)Treue (Uniformität) einer Vielzahl von gleichartigen Serienkarosserien untersucht bzw. bewertet werden und damit letztlich auch die Farbwahrnehmung , die durch weitere Parameter (Struktur, Haze) beeinflusst werden kann..
Eine lackierte Oberfläche im Sinne der vorliegenden Erfindung ist eine Oberfläche, die eine oder mehrere übereinander liegende Lackschichten aufweisen kann. Die farbbestimmende Schicht muss bei mehrschichtigen Lackierungen nicht die oberste Schicht sein, letztere kann vielmehr beispielsweise auch ein Klarlack sein. Die farbbestimmende Schicht im Sinne der vorliegenden Erfindung ist daher bei mehrschichtigen Lackierungen diejenige Lackschicht, die den vorgesehenen, endgültigen Farbton des lackierten Gegenstandes im We- sentlichen bestimmt.
Vorzugsweise sind die einzelnen Unterbereiche zueinander disjunkt. Hierdurch kann die optische Wahrnehmung der zu untersuchenden Oberfläche mit einer geringen Anzahl von Unterbereichen besonders effizient repräsentiert werden. Natürlich ist es auch möglich, dass sich einzelne Cluster überlappen, jedoch führt dies zu redundanten Daten, so dass hierdurch die Anzahl der zu verarbeitenden Daten unnötig erhöht würde.
Vorzugsweise weisen die Unterbereiche eine Fläche zwischen 0,1 cm2 und 100 cm2 (bevorzugter 1 cm2 und 25 cm2 und noch bevorzugter 5 cm2 und 15 cm2) auf. Als Fläche eines Unterbereichs (Cluster) im Sinne der vorliegenden Erfindung ist die tatsächliche geometrische Fläche des abgebildeten Unterbereichs auf der zu untersuchenden Oberfläche (lackiertes Karosserieteil) und nicht die Fläche des Abbilds auf dem zweidimensionalen, ortsaufgelösten Empfänger zu verstehen. Die Fläche des Abbilds auf dem zweidimensionalen, ortsaufgelösten Empfänger ist regelmäßig kleiner als die tatsächliche Fläche eines Un- terbereichs.
Durch die erfindungsgemäße Größenwahl für die einzelnen Cluster wird einerseits die Anzahl der zu bewertenden Parameter auf ein effizientes Maß reduziert, andererseits kann der räumliche Verlauf von Farb-/Helligkeitsabweichungen für die gesamte (zu untersuchende) Oberfläche beziehungsweise nahezu die gesamte (zu untersuchende) Oberfläche dargestellt werden. Die Darstellung des räumlichen Verlaufs von Farb-/Helligkeitsabweichungen ist beispielsweise wichtig, da ein bestimmtes Maß an Farb-/Helligkeitsabweichungen in Randbereichen eines Bauteils deutlich relevanter sein kann als in der Mitte, da das Bauteil im Randbereich beispielsweise zu anderen Bauteilen harmonieren muss und daher eine ein bestimmtes Maß an Farb-/Helligkeitsabweichung von einem Betrachter empfindlicher wahrgenommen werden kann - insbesondere bei unterschiedlichen Flächennormalen von gefügten Teilen im angrenzenden Bereich.
Die Anzahl der Unterbereiche beträgt vorzugsweise zwischen 5 und 3000 (bevorzugter zwischen 15 und 500 noch bevorzugter zwischen 25 und 200). Die Lage und Größe der einzelnen Unterbereiche kann vorzugsweise von einem Benutzer vorab eingestellt werden. Dies hat den Vorteil, dass Bereiche, die für die optische Wahrnehmung durch einen Betrachter nicht relevant sind (beispielsweise Teilflächen in einer größeren Fläche) vorab entspre- chend unterdrückt werden können, da die Cluster vorzugsweise nur in Bereichen lokalisiert werden, die für die optische Wahrnehmung durch einen Betrachter relevant sind. Ferner ist es möglich, für die optische Wahrnehmung als besonders relevant eingeschätzte Flächen (Unterbereichen) festzulegen und nur diese Unterbereiche (Prio-Teilflächen) zu bewerten.
Als Farb-Koordinaten werden vorzugsweise solche des RGB-Farbraums, des ClELab-Farb- raums oder des DIN99-Farbraums verwendet. Es ist alternativ auch möglich, andere Farb- Koordinaten zu verwenden. Aus den Farb-Koordinaten werden ein gewichteter Helligkeitswert und mindestens ein gewichteter Farbwert bestimmt, die ein Maß für Helligkeit und Farbe des Clusters darstellen. Dadurch kann die Vielzahl der Bildpunkte auf dem ortsaufge- lösten Empfänger in eine Vielzahl von Cluster transformiert werden, wobei ein Cluster einen bestimmten geometrischen Ausschnitt repräsentiert. Der gewichtete Helligkeitswert ist vorzugsweise ein arithmetischer Mittelwert der Helligkeitswerte aller Bildpunkte des Clusters, und der gewichtete Farbwert ist vorzugsweise ein arithmetischer Mittelwert der Farbwerte aller Bildpunkte des Clusters. Es ist alternativ jedoch auch möglich, einen gewichteten HeI- ligkeitswert/Farbwert zu verwenden, der vom arithmetischer Mittelwert abweicht. Essentiell ist jedoch, dass mindestens 10% (bevorzugt mindestens 50%, besonders bevorzugt mindestens 95%) der Bildpunkte des Clusters in die gewichteten Helligkeitswert/Farbwert einfließen.
Aufgrund dieser Transformation wird die Anzahl der zu bewertenden Farbwerte deutlich reduziert, ohne dass die wesentliche Informationen über den räumlichen Verlauf von Farb-/Helligkeitsabweichungen verloren gehen. Vorzugsweise werden nacheinander eine Vielzahl von Oberflächen (vorzugsweise lackierte Karosserien) mit der oben genannte Verfahren analysiert und bewertet, wobei die Vielzahl zweidimensionaler, zusammenhängender Unterbereiche stets in gleicher Weise innerhalb des zweidimensionalen Bildes der jeweiligen Oberfläche positioniert wird. Vorzugweise wer- den in gleicher Weise geformte und lackierte Karosserien verwendet. Dadurch lassen die Farb-/Helligkeitswerte einzelner Cluster verschiedener Karosserien Rückschlüsse auf Farb- /Helligkeits-Trends zu, so dass zeitnah eine Fehleranalyse vorgenommen werden kann.
Zur effizienten Feststellung von Trends werden die ermittelten Helligkeitsabweichungen, die mindestens eine ermittelte Farbabweichung und/oder die Gesamtfarbabstände der Vielzahl von Oberflächen für mindestens einen Unterbereich (Cluster) als Datenreihe erfasst.
Erfindungsgemäß wird der (gemittelte) Helligkeitswert/Farbwert jedes Clusters mit einem Referenz-Helligkeitswert/ Referenz-Farbwert, der zuvor durch das generierte Farbkontroll- modell bestimmt wurde, verglichen und ein Maß für den Gesamtfarbabstand jedes einzelnen Clusters vom Farbkontrollmodell bestimmt. Der Gesamtfarbabstand ist dabei ein ge- wichteter Wert aus den einzelnen Färb-/ und Helligkeitsabständen. Dadurch kann in besonders einfacher Weise der räumliche Verlauf von Farb-/Helligkeitsabweichungen durch ein geringes Datenvolumen erfasst werden. Dies ist insbesondere für große Flächen vorteilhaft, da hierdurch eine dem menschlichen Auge vergleichbare Bewertung anhand der Gesamtfarbabstände der einzelnen Cluster ermöglicht wird.
In einer bevorzugten Ausführungsvariante der Erfindung ist es vorgesehen, dass die Cluster mindestens 30% (bevorzugter mindestens 50% noch bevorzugter mindestens 80%) der Fläche der zu untersuchenden Oberfläche, die auf dem ortsaufgelösten Empfänger abgebildet wird, abdecken. Dadurch wird erfindungsgemäß der Gesamteindruck besonders realitätsnah durch die Vielzahl von Unterbereiche repräsentiert.
Zur Bewertung der Oberfläche wird der Gesamtfarbabstand jedes Unterbereichs mit einem vorgegebenen ersten Grenzwert verglichen. Alternativ ist es jedoch auch möglich, die ermittelte Helligkeitsabweichung (ΔY) und/oder die mindestens eine ermittelte Farbabweichung (Δl, ΔQ) mit einem ersten Grenzwert zu vergleichen. Der erste Grenzwert wird vorzugsweise derart gewählt, dass Cluster mit einem Gesamtfarbabstand (beziehungsweise HeIMg- keitsabweichung und/oder Farbabweichung) kleiner dem ersten Grenzwert als innerhalb der Toleranzgrenzen eingestuft werden.
Bei der Erfassung von Datenreihen unterschiedlicher Karosserieteile einer Serie (für min- destens einen Cluster - diese Cluster-Datenreihen können auch für alle Cluster erfasst werden) ist es vorgesehen, technische Ausreißer (die beispielsweise durch ein falsches Karosserieteil, Ausfall des Blitzlichts oder zu späte Auslösung der Aufnahme derart, dass sich das Karosserieteil nicht mehr in der vorgegebenen Position befindet, bedingt sein können) aus der Datenreihe zu eliminieren. Dazu werden Helligkeitsabweichungen, Farbabweichungen und/oder Gesamtfarbabstände, die betragsmäßig einen zweiten vorgegebenen Grenzwert überschreiten, aussortiert, wobei der zweite Grenzwert betragsmäßig größer als der erste Grenzwert ist. Der zweite Grenzwert wird vorzugsweise derart gewählt, dass Cluster mit einem Gesamtfarbabstand größer als dem zweiten Grenzwert als außerhalb der durch Mess-/Produktionsfehler bedingten Toleranzgrenzen eingestuft werden.
Durch die Eliminierung technischer Ausreißer wird einerseits die zu verarbeitende Datenmenge verringert und weiterhin sichergestellt, dass entsprechende Mittelwerte, die für eine Langzeitanalyse (Trendanalyse) beziehungsweise eine Prognose zugrunde gelegt werden können, durch die genannten Szenarien (falsches Karosserieteil, Ausfall des Blitzlichts oder zu späte Auslösung der Aufnahme derart, dass sich das Karosserieteil nicht mehr in der vorgegebenen Position befindet) nicht verfälscht werden.
In einer weiteren bevorzugten Ausführungsvariante der Erfindung ist es vorgesehen, (vorzugsweise zusätzlich) statistische Ausreißer einer Datenreihe (beispielsweise Helligkeitsab- weichung, Farbabweichung oder Gesamtfarbabstand) unterschiedlicher Karosserieteile zu durch vorhergehende und/oder nachfolgende Messwerte der Datenreihe zu interpolieren, um die Verfälschung von Trends zu vermeiden.
Dazu ist es vorgesehen, den numerischen Wert der Helligkeitsabweichung (beziehungs- weise der Farbabweichung oder des Gesamtfarbabstandes) derjenigen Elemente einer Datenreihe eines Unterbereichs, die betragsmäßig einen dritten vorgegebenen Grenzwert überschreiten, durch einen numerischen Wert zu ersetzen, der aus der Helligkeitsabweichung (beziehungsweise der Farbabweichung oder dem Gesamtfarbabstand) mindestens eines benachbarten Elements der Datenreihe des Unterbereichs gebildet ist. Vorzugsweise werden die Abweichungen (Helligkeitsabweichung, Farbabweichung oder Gesamtfarbabstand) von den Referenzwerten (Farbkontrollmodell) eines Clusters für unterschiedliche lackierte Karosserien entsprechend des Zeitpunkts des Lackierens in einer Da- tenreihe erfasst, das heißt, der Gesamtfarbabstand eines zuerst lackierten Karosserieteils wird als erstes Element der Reihe erfasst, der Gesamtfarbabstand des unmittelbar danach lackierten Karosserieteils wird als zweites Element der Reihe erfasst, usw. Dadurch lässt sich insbesondere der zeitliche Verlauf von Helligkeits-/ Farbänderungen einfach erfassen.
Vorzugsweise wird vor dem Einstrahlen von Licht ein Fahrzeugkarosserieteil lackiert und mindestens 100 cm2 der lackierten Oberfläche des Fahrzeugkarosserieteils (bevorzugter mehr als 500 cm2 und noch bevorzugter mehr als 1000 cm2) auf den zweidimensionalen, ortsaufgelösten Empfänger abgebildet. Dadurch ist es möglich, eine sehr große Oberfläche durch die Auswertung lediglich eines Bildes (zum Beispiel einer CCD-Kamera) sehr realis- tisch zu bewerten. Dies gilt analog für eine Vielzahl zu lackierender Fahrzeugkarosserieteile.
Vorzugsweise werden die zu untersuchende Oberfläche sowie sämtliche Unterbereiche graphisch dargestellt, wobei Unterbereiche, deren Gesamtfarbabstand (beziehungsweise HeI- ligkeitsabweichung und mindestens eine Farbabweichung) größer als der erste Grenzwert ist, und Unterbereiche, deren Gesamtfarbabstand (beziehungsweise Helligkeitsabweichung und mindestens eine Farbabweichung) kleiner als der erste Grenzwert ist, in der graphischen Darstellung unterschiedlich markiert werden, beispielsweise durch unterschiedliche Farbgebung. Dadurch wird eine Einschätzung durch einen Benutzer dahingehend, ob die Abweichungen aufgrund ihrer räumlichen Anordnung zu einer Aussortierung des Karosserieteils führen, besonders einfach. Eine solche Einschätzung durch einen Benutzer erfolgt regelmäßig unter weiteren Gesichtspunkten (sog. strategische Bewertung), beispielsweise unter Berücksichtigung weiterer mit gleicher oder ähnlicher Farbe lackierter Teile in der späteren Umgebung des Karosserieteils (im eingebauten Zustand), wobei regelmäßig Abwei- chungen in Grenzbereichen als relevanter eingestuft werden als in der Mitte eines Karosserieteils, da die Sensitivität eines Betrachter für Farbunterschiede in Grenzbereichen regelmäßig erhöht ist. Alternativ ist es jedoch auch möglich, nur einen Teil der Unterbereiche nach vorgegeben Kriterien darzustellen, beispielsweise nur vorselektierte Unterbereiche (so genannte Prio- Teilflächen) oder nur den beziehungsweise die „schlechtesten" Unterbereiche einer zu bewertenden Oberfläche, das heißt denjenigen beziehungsweise diejenigen Unterbereiche mit dem größten Gesamtfarbabstand (beziehungsweise Helligkeitsabweichung und mindestens eine Farbabweichung).
In einer besonders bevorzugten Ausführungsvariante der Erfindung soll die Bewertung der einzelnen Cluster nicht lediglich bzgl. einer Abweichung von einem Farbkontrollmodell, son- dem zur Berücksichtigung von Trends derart erfolgen, dass in die Bewertung zusätzlich zuvor und nachher ermittelte Abweichungen (das heißt gleicher Cluster von zuvor/nachher lackierten und bewerteten Karosserien) einfließen.
Dazu wird zu jedem Gesamtfarbabstand (beziehungsweise Helligkeitsabweichung und/oder Farbabweichung) einer Datenreihe eines Unterbereichs ein gewichteter Mittelwert (Trendwert) ermittelt, der aus einer Vielzahl vorhergehender und/oder nachfolgender Elemente der Datenreihe gebildet wird (besonders bevorzugt ein Mittelwert einer Vielzahl vorhergehender und nachfolgender Elemente der Datenreihe).
Vorzugsweise wird eine Glättung der Elemente der Datenreihe durchgeführt. Die Trendwertbildung bzw. die Glättung wird vorzugsweise mittels des 2-Parameter-Verfahrens und/oder der Prä-Post-Mittelung durchgeführt.
Weiterhin ist es vorgesehen, dass die Differenz jedes Gesamtfarbabstandes (beziehungs- weise Helligkeitsabweichung und/oder Farbabweichung) von seinem jeweiligen (gegebenenfalls geglätteten) Mittelwert (Trendwert) ermittelt wird, wobei der betragsmäßige Abstand zwischen der größten Differenz der Datenreihe und der kleinsten Differenz der Datenreihe mit einem vorgegebenen vierten Grenzwert verglichen wird. Dadurch können Farb-/Helligkeitsschwankungen innerhalb einer Serie von lackierten Karosserien schnell erfasst werden.
Die oben beschriebene Trendanalyse kann einerseits in Echtzeit erfolgen. In diesem Fall können natürlich nur zuvor ermittelte Abweichungen (das heißt gleicher Cluster von zuvor lackierten und bewerteten Karosserien) in die Bewertung einfließen. Alternativ ist es mög- lieh, die oben beschriebene Trendanalyse nach der messtechnischen Erfassung einer Vielzahl von (gleich lackierten Karosserien) durchzuführen. Dann können sowohl zuvor als auch nachfolgend ermittelte Abweichungen (das heißt gleicher Cluster von zuvor/danach lackierten und bewerteten Karosserien) in die Bewertung einfließen. Aus einer solchen Trendanalyse können sehr schnell Rückschlüsse dahingehend gezogen werden, welche prozesstechnischen (von einem Benutzer gegebenenfalls einzustellenden Parameter) zu einem spürbaren Trend in den Farb-/Helligkeitsverläufen führt, so dass eine schnellere Reaktion/Korrektur ermöglicht wird.
Die erfindungsgemäße Anordnung (Vorrichtung) weist mindestens eine Lichtquelle zur Einstrahlung von Licht auf die zu untersuchende Oberfläche und mindestens ein Mittel zur optischen Abbildung mindestens eines Teils des von der Oberfläche reflektierten und/oder gestreuten Lichts auf einen ortsaufgelösten Empfänger auf, wobei die Anordnung derart eingerichtet ist, dass - ein Bild erzeugt wird, wobei jedem Bildpunkt neben seinen geometrischen Koordinaten weiterhin Farb-Koordinaten zugeordnet werden, eine Vielzahl zusammenhängender Unterbereiche gebildet wird, die innerhalb des Bildes liegen, aus den Bildpunkten jedes Unterbereichs jeweils ein gewichteter Helligkeitswert und mindestens ein gewichteter Farbwert generiert wird, die Vielzahl gewichteter Helligkeitswerte jeweils mit einem Referenz- Helligkeitswert und die Vielzahl gewichteter Farbwerte jeweils mit einem Referenz-Farbwert verglichen und daraus für jeden Unterbereich eine Helligkeitsabweichung und mindestens eine Farbabweichung ermittelt werden, - aus den ermittelten Helligkeitsabweichungen und den ermittelten Farbabweichungen für jeden Unterbereich ein Gesamtfarbabstand bestimmt wird, und der Gesamtfarbabstand jedes Unterbereichs mit einem vorgegebenen ersten Grenzwert verglichen wird.
Die erfindungsgemäße Anordnung (Vorrichtung) weist in bevorzugter Ausgestaltung der Erfindung mindestens eine Lichtquelle zur Einstrahlung von Licht auf die zu untersuchende Oberfläche und mindestens ein Mittel zur optischen Abbildung mindestens eines Teils des von der Oberfläche reflektierten und/oder gestreuten Lichts auf einen zweidimensionalen, ortsaufgelösten Empfänger auf, wobei die Anordnung derart eingerichtet ist, dass ein zweidimensionales Bild erzeugt wird, wobei jedem Bildpunkt neben seinen geometrischen Koordinaten weiterhin Farb-Koordinaten zugeordnet werden, eine Vielzahl zweidimensionaler, zusammenhängender Unterbereiche gebildet wird, die innerhalb des zweidimensionalen Bildes liegen, - aus den Bildpunkten jedes Unterbereichs jeweils ein gewichteter Helligkeitswert und mindestens ein gewichteter Farbwert generiert wird, die Vielzahl gewichteter Helligkeitswerte jeweils mit einem Referenz- Helligkeitswert und die Vielzahl gewichteter Farbwerte jeweils mit einem Referenz-Farbwert verglichen und daraus für jeden Unterbereich eine Helligkeitsabweichung und mindestens eine Farbabweichung ermittelt werden, aus den ermittelten Helligkeitsabweichungen und den ermittelten Farbabweichungen für jeden Unterbereich ein Gesamtfarbabstand bestimmt wird, und der Gesamtfarbabstand jedes Unterbereichs mit einem vorgegebenen ersten Grenzwert verglichen wird.
Weiterhin ist die erfindungsgemäße Vorrichtung derart eingerichtet, dass sie mindestens eines der zum oben beschrieben Verfahren genannten Merkmale verwirklicht.
Die Erfindung soll nachfolgend anhand von in den Figuren dargestellten Ausführungsbei- spielen näher erläutert werden. Es zeigen:
Figur 1 a ein Flussdiagramm einer bevorzugten Ausführungsvariante des erfindungsgemäßen Verfahrens;
Figur 1 b eine vergrößerte Darstellung der Unterteilung einer lackierten, zu bewertenden Oberfläche in eine Vielzahl von Unterbereichen;
Figur 2 unterschiedliche Darstellungsmöglichkeiten für Helligkeits-/ Farbabweichungen einer Datenreihe einer Vielzahl von Karosserieteilen für einen ausgewählten Unterbereich;
Figur 3 eine Darstellung einer Datenreihe des Gesamtfarbabstandes einer Vielzahl von Karosserieteilen für einen ausgewählten Unterbereich zur Erkennung von technischen und statistischen Ausreißern; Figur 4a eine fotografische Darstellung eines ordnungsgemäßen Karosserieteils
(Referenz);
Figur 4b - 4c fotografische Darstellungen für die Bewertung von Karosserieteilen in unterschiedlichen Situationen;
Figur 5 eine Darstellung der Datenreihe nach Figur 3 nach der Eliminierung technischer Ausreißer;
Figur 6a - 7b eine schematische Darstellung zur Erkennung und Eliminierung statistischer Ausreißer;
Figur 8 eine Darstellung der Datenreihe nach Figur 3 nach der Eliminierung tech- nischer Ausreißer und Interpolation der statistischen Ausreißer;
Figur 9 eine Darstellung der Datenreihe nach Figur 3 nach der Eliminierung technischer und statistischer Ausreißer;
Figur 10a - c eine schematische Darstellung zur Trendabstrahierung aufeinanderfolgender Messwerte und
Figur 11 a - 12b eine weitere schematische Darstellung der Trendabstraktion sowie der
Bewertung der einzelnen Messwerte.
Figur 13a ein Flussdiagramm zur Erstellung eines Farbkontrollmodells gemäß der vorliegenden Erfindung;
Figur 13b ein Flussdiagramm zur Bewertung einer Oberfläche nach einer bevorzug- ten Ausführungsvariante unter Einbeziehung des mit dem des erfindungsgemäßen Verfahren erstellten Farbkontrollmodells;
Figur 13c eine vergrößerte Darstellung der Unterteilung einer lackierten, zu bewertenden Oberfläche in eine Vielzahl von Unterbereiche; Figur 14 unterschiedliche Darstellungsmöglichkeiten für Helligkeits-/ Farbabweichungen einer Datenreihe einer Vielzahl von Karosserieteilen für einen ausgewählten Unterbereich;
Figur 15 eine Darstellung einer Datenreihe des Gesamtfarbabstandes einer Vielzahl von Karosserieteilen für einen ausgewählten Unterbereich zur Erkennung von technischen und statistischen Ausreißern;
Figur 16a eine fotografische Darstellung eines ordnungsgemäßen Karosserieteils
(Referenz);
Figur 16b - 4c fotografische Darstellungen für die Bewertung von Karosserieteilen in unterschiedlichen Situationen;
Figur 17 eine Darstellung der Datenreihe nach Figur 3 nach der Eliminierung technischer Ausreißer;
Figur 18a - 19b eine schematische Darstellung zur Erkennung und Eliminierung statisti- scher Ausreißer;
Figur 20 eine Darstellung der Datenreihe nach Figur 3 nach der Eliminierung technischer Ausreißer und Interpolation der statistischen Ausreißer;
Figur 21 eine Darstellung der Datenreihe nach Figur 3 nach der Eliminierung technischer und statistischer Ausreißer;
Figur 22a - c eine schematische Darstellung zur Trendabstrahierung aufeinanderfolgender Messwerte und
Figur 23a - 24b eine weitere schematische Darstellung der Trendabstraktion sowie der Bewertung der einzelnen Messwerte. Figur 1 a zeigt ein Flussdiagramm einer bevorzugten Ausführungsvariante des erfindungsgemäßen Verfahrens. Die Aufgabe der vorliegenden Erfindung besteht einerseits darin, eine Färb- und Helligkeitsstreuungen (Abweichungen von einem Referenzmodell) einer Serienproduktion, das heißt einer Vielzahl von gleichartig lackierten Karosserieteilen zu überwachen und für einen Benutzer anhand voreingestellter Kriterien übersichtlich darzustellen. Aus dieser Darstellung kann ein Benutzer entweder unmittelbar entnehmen oder zumindest schnell darauf schließen, ob ein bestimmtes lackiertes Karosserieteil der Serie die Kriterien an die optische Wahrnehmung erfüllt. Andererseits sollen Tendenzen (Trends) von Färb- und Helligkeitsstreuungen über die gesamte Serie (oder zumindest) einen Teil der Serie dargestellt werden, so dass daraus Rückschlüsse auf die Einhaltung oder Nicht- Einhaltung von Produktionsparametern erfolgen können.
Die Erfindung bezieht sich bei der Bewertung und Darstellung einer Serie insbesondere auf eine Vielzahl gleicher Karosserieteile, die mit einem gleichen Farbton lackiert wurden. Die entsprechend lackierten Karosserieteile sollen dann mittels des erfindungsgemäßen Verfahrens bewertet werden, wobei die technischen Merkmale der Bewertung insbesondere die optische Wahrnehmung durch einen Betrachter möglichst realitätsnah nachbilden sollen.
Erfindungsgemäß wird, wie in Figur 1 a (oberstes Fenster) dargestellt, ein lackiertes Karos- serieteil - das im Ausführungsbeispiel eine nicht lackierbare Öffnung für einen Tankdeckel aufweist - auf einen zweidimensionalen Empfänger - beispielsweise eine CCD-Kamera - abgebildet und dieses Bild in eine Vielzahl von Unterbereichen (auch als „Cluster" bezeichnet) aufgeteilt. Figur 1 b zeigt eine vergrößerte Darstellung der Unterteilung in eine Vielzahl von Unterbereiche. Dabei ist es vorgesehen, für jeden Cluster einen Färb- und Helligkeits- mittelwert zu bilden und diese Daten dem Cluster zuzuordnen. Das heißt beispielsweise, dass jedem Cluster zwei Ortskoordinaten (x, y) und drei Farb-Koordinaten nach RGB- Farbraum, ClELab-Farbraum, DIN99-Farbraum oder ähnliche (die bereits einen Helligkeitswert umfassen) aufweist. Es können jedoch auch vergleichbare, durch entsprechende Transformation erhältliche Ortskoordinaten und Farb-Koordinaten zugeordnet werden. Die Farb-Koordinaten umfassen zumindest anteilig auch Informationen über die Helligkeit der zu bewertenden Oberfläche.
Durch die Zuordnung von einen Färb- und Helligkeitsmittelwert für jeden Cluster kann erfindungsgemäß eine größere Fläche durch eine geringe Anzahl von Daten (Färb- und HeIMg- keitswerten) dargestellt werden. Erfindungsgemäß werden diese einzelnen Cluster- bezogenen Daten mit entsprechenden Daten eines Farbkontrollmodells verglichen und die entsprechenden Abweichungen gespeichert. In einer bevorzugten Ausführungsvariante des erfindungsgemäßen Verfahrens werden die ermittelten Helligkeits- und Farbabweichungen zu einem so genannten Gesamtfarbabstand berechnet.
Farbabstände können grundsätzlich durch Vektoraddition der ΔL _i ΔC_ unc| ΔH -Werte zwischen der Referenzfarbe und dem Farbprüfling bestimmt werden.
Figure imgf000028_0001
Die CIE nimmt aufbauend auf den L*a*b-Farbraum in ihrer im Jahr 2001 veröffentlichten CIEDE2000-Farbdifferenzformel zusätzlich zu dieser geometrischen Darstellung Korrekturen an den zugrunde liegenden ΔL _i ΔC . unc| ΔH vor, um durch eine weitere Verzerrung des Farbraumes eine Berücksichtigung des Einflusses der Farbsättigung und eine Korrektur der Ausrichtung der Toleranzellipsen zu erreichen. Als Gesamtfarbabstand können aber auch äquivalente Größen herangezogen werden.
Dieser Gesamtfarbabstand ist repräsentiert einen gewichteten Wert aus den entsprechenden Helligkeits- und Farbabweichungen. Um eine schnelle Analyse eines lackierten Karosserieteils durch einen Benutzer vornehmen zu können, ist es erfindungsgemäß vorgesehen, dass (siehe in Figur 1a unter 5.) die ermittelten Gesamtfarbabstände mit einem ersten Grenzwert verglichen werden und entsprechend der Über- oder Unterschreitung der einzelnen Gesamtfarbabstände der einzelnen Cluster mit dem ersten Grenzwert die Cluster entsprechend farblich markiert werden (siehe Figur 1 a unten Mitte und links). Alternativ ist es möglich, anhand des Vergleichs zwischen den ermittelten Gesamtfarbabständen und dem ersten Grenzwert (und gegebenenfalls weiterer Kriterien) bereits eine Entscheidung über die Verwendbarkeit des lackierten Karosserieteils zu fällen.
Ein solcher Vergleich zwischen den gemessenen Helligkeits- und Farbwerten und den Re- ferenzhelligkeits- und Farbwerten (Farbkontrollmodell) wird vorzugsweise für sämtliche Cluster (Unterbereiche) jedes Karosserieteils vorgenommen. Alternativ ist es jedoch möglich, den entsprechenden Vergleich der Gesamtfarbabstände (beziehungsweise Helligkeitsund Farbabstände) mit dem ersten Grenzwert nur für eine bestimmte Anzahl von Clustern eines Karosserieteils durchzuführen. Ein weiterer Aspekt der vorliegenden Erfindung besteht darin, nicht nur große lackierte Flächen in einem einfachen System zu bewerten, son- dem weiterhin Veränderungen von Helligkeits- und Farbwerten innerhalb einer Serie von lackierten Oberflächen effizient erfassen zu können, wobei die Bewertung der Färb- und Helligkeitsabweichungen (beziehungsweise der Gesamtfarbabstände) einer durch einen Betrachter realisierten optischen Wahrnehmung möglichst nahe kommen soll und weiterhin Trends von Färb- und Helligkeitsänderungen möglichst schnell erfassbar sein sollen.
Dazu ist es erfindungsgemäß vorgesehen, die entsprechende Aufteilung des zweidimensionalen Bildes für jedes Karosserieteil einer zu bewertenden Serie in jeweils die gleichen Unterbereiche vorzunehmen, so dass die entsprechenden Unterbereiche einer Serie (einer Vielzahl von nacheinander lackierten Karossen) entsprechend verglichen und bewertet werden kann (das heißt, die Ortskoordinaten und die Ausdehnung der Cluster sind für alle Karosserien einer Serie gleich). Dazu werden erfindungsgemäß die Helligkeits- und Farbdifferenzen (beispielsweise der Gesamtfarbabstand) eines Clusters für eine Vielzahl von lackierten Oberflächen in einer Datenreihe erfasst, wobei die einzelnen Elemente der Daten- reihe vorzugsweise chronologisch entsprechend dem Zeitpunkt des Lackierens sortiert werden sollen. Eine solche Darstellung ist beispielsweise in Figur 2 für unterschiedliche Farb-/Helligkeitskriterien veranschaulicht, wobei eine Serie von 100 lackierten Teilen (siehe Abzisse von -100 bis 0) dargestellt worden ist. Insbesondere wird durch ΔY in Fenster 1 die Helligkeitsabweichung der einzelnen Karosserien Nr. -100 bis Nr. 0 für einen vorausge- wählten (stets gleichen) Cluster vom entsprechenden Farbkontrollmodell dargestellt. Aus den über die Serie erfassten Helligkeitsabweichungen können für jeden Messwert entsprechende Mittelwerte, die beispielsweise aus einer Vielzahl vorhergehender und nachfolgender Messwerte ermittelt werden, dargestellt werden. Ebenfalls können entsprechende Toleranzgrenzen, die ebenfalls aus der Vielzahl der Messwerte gewonnen beziehungsweise generiert werden, dargestellt werden. In analoger Weise stellt Fenster 2 mit Δl eine Farbabweichung rot-grün, Fenster 3 mit ΔQ eine Farbabweichung gelb-blau, Fenster 4 mit ΔE eine Gesamtfarbabweichung dar. In Fenster Nr. 5 sind die Farbabweichungen kartesisch dargestellt und in Fenster 6 ist veranschaulicht, eine Helligkeitsabweichung als Balkendiagramm darzustellen.
Die in Figur 2 gezeigten Mittelwertslinien (beziehungsweise gewichteten Verläufe) können einem Benutzer Rückschlüsse auf die Einhaltung oder Nicht- Einhaltung von Produktionsparametern ermöglichen, so dass ein Verlassen der Toleranzgrenzen innerhalb einer Serie rechtzeitig erkannt werden kann. In den Fenstern 1-4 der Figur 2 zeigen die Abzissen je eine durchlaufende Nummer der lackierten Karosserien und die Ordinaten je die ermittelten Werte für den Gesamtfarbabstand.
Um die in Figur 2 gezeigten Mittelwertslinien einwandfrei ermitteln zu können, ist es erfin- dungsgemäß vorgesehen, technische Ausreißer und statistische Ausreißer aus einer entsprechenden Datenreihe zu eliminieren und bei der Mittelwertsbildung (beziehungsweise Wichtung) nicht zu berücksichtigen. Figur 3 zeigt eine Datenreihe des Gesamtfarbabstan- des ΔE (Ordinaten) einer Vielzahl von Karosserieteilen (Abzisse) für einen ausgewählten Unterbereich zur Erkennung von technischen und statistischen Ausreißern, (technischer Ausreißer: durch ein Kreuz und statistische Ausreißer durch eine Umrandung gekennzeichnet).
Bei einem technischen Ausreißer kann es sich um mehrere Szenarien handeln, die beispielsweise nicht durch eine fehlerhafte Lackierung, sondern durch andere Umstände be- dingt sein müssen. Zur Veranschaulichung ist in Figur 4a die fotografische Aufnahme eines korrekt lackierten Karosserieteils dargestellt. In Figur 4b ist eine fotografische Aufnahme eines mit einer falschen Farbe lackierten Karosserieteils dargestellt, wobei in einem solchen Fall (der als technischer Ausreißer klassifiziert werden soll) der Gesamtfarbabstand eines vorausgewählten Clusters einen zweiten Grenzwert überschreitet. Das gleiche kann wie in Figur 4c dargestellt, beispielsweise dann der Fall sein, wenn die Auslösung der Kamera (zweidimensionaler ortsaufgelöster Empfänger) derart spät erfolgt, dass sich die in einem Produktionsband automatisch weiterbewegte Karosserie nicht mehr (oder noch nicht) an der zur fotografischen Erfassung vorgegebenen Position befindet (ebenfalls technischer Ausreißer). Ein weiterer Fall ist in Figur 4d dargestellt, wo es sich um den Ausfall des Blitz- lichtes handelt, so dass eine entsprechende fotografische Aufnahme nur fehlerhaft erfolgen kann (ebenfalls technischer Ausreißer). In Figur 4e ist ein weiteres Beispiel dargestellt, bei dem es sich jedoch nicht um einen technischen Ausreißer handelt. Dort ist eine fotografische Aufnahme eines lackierten Karosserieteils dargestellt, die unter dem Einfluss von (ungewolltem) Fremdlicht erfolgt ist. Hier ist jedoch der Gesamtfarbabstand des entsprechen- den Clusters unter einem zweiten Grenzwert geblieben, so dass dieser Gesamtfarbabstand in der Datenreihe, siehe Figur 3, weiterhin berücksichtigt wird (keine Eliminierung). Der zweite Grenzwert ist den oben genannten Szenarien entsprechend anzupassen. Vorzugsweise wird der zweite Grenzwert als Gesamtfarbabstand ΔE=10 verwendet. In Figur 5 werden die nach Figur 3 dargestellten Messwerte nach Eliminierung des technischen Ausreißers dargestellt.
Ein weiterer Aspekt des erfindungsgemäßen Verfahrens besteht in der Interpolation statistischer Ausreißer (siehe Figur 3 umrandete Messwerte mit 2< ΔE<10). Um statistische Ausreißer handelt es sich bei Messwerten, die nicht als technische Ausreißer klassifiziert werden, das heißt, deren Gesamtfarbabstand beispielsweise kleiner als ein zweiter Grenzwert ist, deren Abweichungen jedoch von den übrigen Messwerten derart deutlich abweicht, so dass es sich hier nicht um Zufallsabweichungen handeln kann (hier beispielsweise ist der Gesamtfarbabstand größer einem dritten Grenzwertwert). Der Vorteil der Interpolation dieser statistischen Ausreißer liegt darin, dass die entsprechende Trendanalyse (beispielsweise die in den Figuren 2, 1 1 a und 12a gezeigte statistische Mittellinie) nicht unnötig verfälscht wird. Vorzugsweise wird der dritte Grenzwert als Gesamtfarbabstand mit ΔE<10 und ΔE>2 verwendet.
In Figur 6a bis 7b wird ein Beispiel zur Interpolation statistischer Ausreißer dargestellt. Insbesondere ist die Ermittlung des dritten Grenzwertes aus einer Vielzahl von Messwerten auf unterschiedliche Weise möglich. In Figur 6a bis 7b ist über die Abzissen eine Vielzahl lackierter Karosserien und über die Ordinaten die jeweils ermittelten Werte für den Gesamtfarbabstand abgetragen.
Im Ausführungsbeispiel soll die Bestimmung des dritten Grenzwertes anhand von 5 bekannten Messwerte einer Serie, das heißt 5 bekannten Gesamtfarbabständen für 4 unter- schiedliche Karosserien demonstriert werden:
X1 = -8 χ2 = 6 X3 = 6,4 x4 = 10,25 X5 = 35
Zunächst wird der Median der Messwerte gebildet: x '
Danach der Median der absoluten Abweichungen [MaD ) von x :
= 14,4 |x2 - x| = 0,4 X3 - X = 0 = 3,85 = 28,6
MaD = 3,85 Schließlich werden die oberen und unteren Ausreißergrenzen mit Hilfe folgender Tabelle
Figure imgf000032_0001
Tabelle: Kritische Faktoren g(n,α) zu den Verfahren von Davies/Gather, Grubbs und Dixon errechnet: gu (n,α) = x - g(n,α)- MaD go(n,α) = x + g(n,α)- MaD gu (5,l%) = 6,4 - 1,76 - 3,85 = -0,376 go(5,5%) = 6,4 + 1,76 • 3,85 = 13,176
Die Bestimmung des dritten Grenzwertes kann jedoch auch nach anderen Kriterien erfolgen.
Figur 8 zeigt eine Darstellung der Datenreihe nach Figur 6a, 6b nach der Eliminierung Interpolation der statistischen Ausreißer, wobei die Kreise in Figur 8 die interpolierten Werte darstellen.
Figur 9 zeigt eine schematische Darstellung der Messwerte der Figur 3 nach Eliminierung sowohl der technischen als auch der statistischen Ausreißer In den Figuren 3, 7 und 9 wurde eine Serie von 250 lackierten Karosserieteilen bewertet. Erfindungsgemäß werden statistische Ausreißer im Gegensatz zu technischen Ausreißern nicht vollständig eliminiert, da neben additiven Ausreißern auch Sprünge oder Trendänderungen im Verlauf der Messwer- te als Ausreißer identifiziert werden können. Durch die Interpolation anstelle der vollständigen Eliminierung der Ausreißer wird eine angemessene Reaktion des Überwachungssystems erreicht, ohne dass eine spezielle Bewertung der Ausreißer notwendig wird. Die Auswirkungen einer Fehlentscheidung (nicht erkannte Ausreißer) werden somit gering gehalten.
Ein weiterer Aspekt der vorliegenden Erfindung ist die so genannte Trendabstrahierung, die in den Figuren 10a bis 12b schematisch dargestellt wird. Die Idee besteht darin, die entsprechenden Messwerte eines Clusters oder mehrerer Cluster (bei Messwerten sind ermittelte Helligkeitsabweichungen, ermittelte Farbabweichungen beziehungsweise der ermittelte Gesamtfarbabstand gemeint) für eine Serie einer Vielzahl von lackierten Karossen grafisch darzustellen, wobei zur Veranschaulichung von Trends zu jedem Messwert ein gewichteter Mittelwert, der aus einer Vielzahl vorangehender oder nachfolgender Elemente der Datenreihe gebildet wird, ebenfalls grafisch (als Linie) dargestellt wird. Zur entsprechenden Mittelwertbildung kann beispielsweise das 2-Parameter-Verfahren nach Holt verwendet werden, bei dem zunächst optimale Parameter bestimmt und gegebenenfalls eine Glättung der gewichteten Mittelwerte Ergebnisse (Prä-Post-Mittelung, Goldener Schnitt) durchgeführt wird. Figuren 10a, 10b, 10c zeigen beispielhaft das Ergebnis des Verfahrens der exponentiellen Glättung welches gleichzeitig den Periodengrundwert und den Trend eines Messwertverlaufes ermittelt und diese mittels 2 verschiedener Parameter glättet. Als Optimum werden die Ergebnisse der Prä-Post-Mittelung gewählt. Es liefert dadurch deutlich bessere Ergebnisse als eine Trendabstrahierung durch Mittelwertbildung.
Figur 11 a zeigt eine Darstellung der Datenreihe nach Figur 9 nach der Durchführung des 2- Parameter-Verfahrens mit den optimalen Parametern. Figur 1 1 b zeigt die Streuung der E- lemente der Datenreihe nach Figur 1 1 a.
Figur 12a zeigt eine Darstellung der Datenreihe nach Figur 9 nach der Durchführung des 2- Parameter-Verfahrens und der Prä-Post-Mitteilung. Figur 12b zeigt die Streuung der Elemente der Datenreihe nach Figur 12a.
Figur 13a zeigt ein Flussdiagramm, in dem die Erstellung eines Farbkontrollmodells gemäß der vorliegenden Erfindung schematisch dargestellt ist. Gemäß Schritt 1. der Fig. 13a werden eine Vielzahl von gleichartig lackierten Karosserieteilen (sog. Referenzoberflächen) bereitgestellt, deren optischer Eindruck bereits als innerhalb der Qualitätsanforderungen definiert worden ist. Referenzoberflächen können beispielsweise durch subjektive Betrach- tung durch einen oder mehrere Gutachter als solche bestimmt werden.
Um den optischen Eindruck der später zu bewertenden Oberflächen (siehe Fig. 13b) möglichst realitätsnah an die Wahrnehmung des menschlichen Auges anzupassen, werden sowohl die Referenzoberflächen als auch die später zu bewertenden Oberflächen in eine Vielzahl von Unterbereiche (Cluster) unterteilt. Für jeden Cluster werden ein Färb- und Helligkeitsmittelwert gebildet und diese Daten dem Cluster zugeordnet. Das heißt beispielsweise, dass jedem Cluster zwei Ortskoordinaten (x, y) und drei Farb-Koordinaten nach RGB- Farbraum, ClELab-Farbraum, DIN99-Farbraum oder ähnliche (die bereits einen Helligkeitswert umfassen) zugeordnet werden. Es können jedoch auch vergleichbare, durch entspre- chende Transformation erhältliche Ortskoordinaten und Farb-Koordinaten zugeordnet werden. Die Farb-Koordinaten umfassen zumindest anteilig auch Informationen über die Helligkeit der zu bewertenden Oberfläche. Auf diese Weise werden für jeden Cluster eine Vielzahl von Farb-Koordinaten entsprechend der Anzahl der Referenzoberflächen erhalten. Im Ausführungsbeispiel werden die Farb-Koordinaten durch einen aus diesen zusammengesetzten Gesamtfarbwert repräsentiert. In Teilfenster a. der Fig. 13 sind die Abweichungen der Farb-Koordinaten der einzel- nen Referenzoberflächen von den Farb-Koordinaten der zuerst gemessenen Referenzoberfläche (diese Abweichungen werden im Ausführungsbeispiel durch den sog. Gesamtfarb- abstand repräsentiert) dargestellt.
Nachfolgend werden technische Ausreißer, d.h. Gesamtfarbabstände ΔE>10 vollständig aus der Datenreihe der Gesamtfarbabstände eliminiert und die zugehörigen Farb- Koordinaten werden ebenfalls vor der Berechnung des Referenz-Helligkeitswerts/ des Referenz-Farbwerts aussortiert und somit nicht einbezogen (Schritte 2. und 3.). Dadurch wird gewährleistet, dass Abweichungen, die nicht durch Abweichungen des optischen Eindrucks der Oberfläche, sondern durch technische Fehler während des Messvorgangs hervorgeru- fen wurden, nicht zur Ermittlung des Farbkontrollmodells herangezogen werden und dadurch dieses nicht verfälschen können. Solche technische Ausreißer können beispielsweise durch zu spätes Auslösen der Kamera entstehen, wobei die zu vermessende Referenzoberfläche in diesem Fall nicht in der richtigen Position zur Kamera steht. Im vorliegenden Ausführungsbeispiel liegen jedoch alle Messwerte innerhalb der Toleranz von ΔE=10.
Nachfolgend werden statistische Ausreißer (in Teilfenster b. durch Kreuze markiert) durch vorhergehende und nachfolgende Werte interpoliert, d.h. es werden die diesen Referenzoberflächen zugeordneten Farb-Koordinaten interpoliert und nur diese interpolierten Farb- Koordinaten fließen in die Ermittlung des Farbkontrollmodells ein. Eine Darstellung der in- terpolierten Farb-Koordinaten (bzw. deren Abweichungen von der ersten Referenzfläche) sind in Teilfenster c. dargestellt (interpolierte Farb-Koordinaten durch Kreuze markiert).
Nachfolgend, wie in Schritt 4. und Teilfenster d. dargestellt, wird eine Trendabstrahierung durch eine Mittelwertbildung oder ähnliches (vorzugsweise 2-Parameter-Verfahren nach Holt) durchgeführt und dadurch für jede Referenzoberfläche ein gewichteter Helligkeitstrendwert und ein gewichteter Farbtrendwert (bzw. ein daraus gebildeter Trendwert für den Gesamtfarbabstand) erhalten. Dazu werden eine bestimmte Anzahl vorhergehender und nachfolgender Farb-Koordinaten zur (ggf. gewichteten) Mittelwertbildung herangezogen. Weiterhin ist es bevorzugt die so ermittelte Trendabstrahierung (durchgezogene Linie in Teilfenster d.) mit bekannten Verfahren zu glätten (beispielsweise durch Einbeziehung einer Vielzahl vorhergehender /nachfolgender Farb-Koordinaten). Nachfolgend wird, wie ebenfalls in Teilfenster d. schematisch dargestellt, die Streuung des Gesamtfarbabstandes des jeweiligen Unterbereichs der Referenzoberfläche als Differenz von gewichtetem Gesamt- farbabstand (des Clusters) und Trendwert für den Gesamtfarbabstand ermittelt. Analog ist es möglich, die Helligkeitsstreuung des Unterbereichs der Referenzoberfläche als Differenz von gewichtetem Helligkeitswert und gewichtetem Helligkeitstrendwert und die Farbstreuung des Unterbereichs der Referenzoberfläche als Differenz von gewichtetem Farbwert und gewichtetem Farbtrendwert zu ermitteln.
Der Referenz-Farbwert (bzw. der Referenz-Helligkeitswert bzw. die Referenz- Farbkoordinate) wird dann aus dem arithmetischen Mittelwert aller (zu berücksichtigender und ggf. interpolierter) Farbwerte/ Helligkeitswerte bzw. Farbkoordinaten der Referenzoberflächen (für jeden Unterbereich separat) gebildet. Alternativ ist es möglich, dass der Refe- renz-Farbwert (bzw. der Referenz-Helligkeitswert bzw. die Referenz-Farbkoordinate) dann aus dem arithmetischen Mittelwert der jeweiligen Trendwerte gebildet wird.
Aus der Streuanalyse (Schritt 5.) kann die größte Streuung (jeweils nach oben und unten) vom Trendwert bestimmt werden, wobei die Hälfte der Gesamtstreubreite als Maß für die Akzeptanzgrenze (=erster Grenzwert) herangezogen wird.
Figur 13b zeigt ein Flussdiagramm einer bevorzugten Ausführungsvariante zur Bewertung einer Oberfläche unter Zuhilfenahme des gemäß der Erfindung erstellten Farbkontrollmo- dells. Die Aufgabe der vorliegenden Erfindung besteht einerseits darin, Färb- und HeIMg- keitsstreuungen (Abweichungen vom erfindungsgemäßen Farbkontrollmodells) einer Serienproduktion, das heißt einer Vielzahl von gleichartig lackierten Karosserieteilen zu überwachen und für einen Benutzer anhand voreingestellter Kriterien übersichtlich darzustellen. Aus dieser Darstellung kann ein Benutzer entweder unmittelbar entnehmen oder zumindest schnell darauf schließen, ob ein bestimmtes lackiertes Karosserieteil der Serie die Kriterien an die optische Wahrnehmung erfüllt. Andererseits sollen Tendenzen (Trends) von Farb- und Helligkeitsstreuungen über die gesamte Serie (oder zumindest) einen Teil der Serie dargestellt werden, so dass daraus Rückschlüsse auf die Einhaltung oder Nicht- Einhaltung von Produktionsparametern erfolgen können. Die Erfindung bezieht sich bei der Bewertung und Darstellung einer Serie insbesondere auf eine Vielzahl gleicher Karosserieteile, die mit einem gleichen Farbton lackiert wurden. Die entsprechend lackierten Karosserieteile sollen dann mittels des erfindungsgemäßen Verfahrens bewertet werden, wobei die technischen Merkmale der Bewertung insbesondere die optische Wahrnehmung durch einen Betrachter möglichst realitätsnah nachbilden sollen.
Erfindungsgemäß wird, wie in Figur 13b (oberstes Fenster) dargestellt, ein lackiertes Karosserieteil - das im Ausführungsbeispiel eine nicht lackierbare Öffnung für einen Tankdeckel aufweist - auf einen zweidimensionalen Empfänger - beispielsweise eine CCD-Kamera - abgebildet und dieses Bild in eine Vielzahl von Unterbereichen (auch als „Cluster" bezeichnet) aufgeteilt. Figur 13c zeigt eine vergrößerte Darstellung der Unterteilung in eine Vielzahl von Unterbereiche. Dabei ist es vorgesehen, für jeden Cluster einen Färb- und Helligkeitsmittelwert zu bilden und diese Daten dem Cluster zuzuordnen. Das heißt beispielsweise, dass jedem Cluster zwei Ortskoordinaten (x, y) und drei Farb-Koordinaten nach RGB- Farbraum, ClELab-Farbraum, DIN99-Farbraum oder ähnliche (die bereits einen Helligkeitswert umfassen) aufweist. Es können jedoch auch vergleichbare, durch entsprechende Transformation erhältliche Ortskoordinaten und Farb-Koordinaten zugeordnet werden. Die Farb-Koordinaten umfassen zumindest anteilig auch Informationen über die Helligkeit der zu bewertenden Oberfläche.
Durch die Zuordnung von einen Färb- und Helligkeitsmittelwert für jeden Cluster kann erfindungsgemäß eine größere Fläche durch eine geringe Anzahl von Daten (Färb- und Helligkeitswerten) dargestellt werden. Erfindungsgemäß werden diese einzelnen Cluster- bezogenen Daten mit entsprechenden Daten des zuvor gemäß der Erfindung ermittelten Farbkontrollmodells verglichen und die entsprechenden Abweichungen gespeichert. In einer bevorzugten Ausführungsvariante des erfindungsgemäßen Verfahrens werden die ermittelten Helligkeits- und Farbabweichungen zu einem so genannten Gesamtfarbabstand berechnet.
Farbabstände können grundsätzlich durch Vektoraddition der ΔL _i ΔC. unc| ΔH -Werte zwischen der Referenzfarbe und dem Farbprüfling bestimmt werden.
Figure imgf000037_0001
Die CIE nimmt aufbauend auf den L*a*b-Farbraum in ihrer im Jahr 2001 veröffentlichten CIEDE2000-Farbdifferenzformel zusätzlich zu dieser geometrischen Darstellung Korrektu- ren an den zugrunde liegenden ΔL _i ΔC . unc| ΔH vor, um durch eine weitere Verzerrung des Farbraumes eine Berücksichtigung des Einflusses der Farbsättigung und eine Korrektur der Ausrichtung der Toleranzellipsen zu erreichen. Als Gesamtfarbabstand können aber auch äquivalente Größen herangezogen werden.
Dieser Gesamtfarbabstand ist repräsentiert einen gewichteten Wert aus den entsprechenden Ηelligkeits- und Farbabweichungen. Um eine schnelle Analyse eines lackierten Karosserieteils durch einen Benutzer vornehmen zu können, ist es erfindungsgemäß vorgesehen, dass (siehe in Figur 13b unter 5.) die ermittelten Gesamtfarbabstände mit einem ersten Grenzwert verglichen werden und entsprechend der Über- oder Unterschreitung der einzelnen Gesamtfarbabstände der einzelnen Cluster mit dem ersten Grenzwert die Cluster entsprechend farblich markiert werden (siehe Figur 13b unten Mitte und links). Alternativ ist es möglich, anhand des Vergleichs zwischen den ermittelten Gesamtfarbabständen und dem ersten Grenzwert (und gegebenenfalls weiterer Kriterien) bereits eine Entscheidung über die Verwendbarkeit des lackierten Karosserieteils zu fällen.
Ein solcher Vergleich zwischen den gemessenen Ηelligkeits- und Farbwerten und den Re- ferenzhelligkeits- und Farbwerten (Farbkontrollmodell) wird vorzugsweise für sämtliche Cluster (Unterbereiche) jedes Karosserieteils vorgenommen. Alternativ ist es jedoch mög- lieh, den entsprechenden Vergleich der Gesamtfarbabstände (beziehungsweise Ηelligkeits- und Farbabstände) mit dem ersten Grenzwert nur für eine bestimmte Anzahl von Clustern eines Karosserieteils durchzuführen. Ein weiterer Aspekt der vorliegenden Erfindung besteht darin, nicht nur große lackierte Flächen in einem einfachen System zu bewerten, sondern weiterhin Veränderungen von Ηelligkeits- und Farbwerten innerhalb einer Serie von lackierten Oberflächen effizient erfassen zu können, wobei die Bewertung der Färb- und Ηelligkeitsabweichungen (beziehungsweise der Gesamtfarbabstände) einer durch einen Betrachter realisierten optischen Wahrnehmung möglichst nahe kommen soll und weiterhin Trends von Färb- und Ηelligkeitsänderungen möglichst schnell erfassbar sein sollen.
Dazu ist es erfindungsgemäß vorgesehen, die entsprechende Aufteilung des zweidimensionalen Bildes für jedes Karosserieteil einer zu bewertenden Serie in jeweils die gleichen Unterbereiche vorzunehmen, so dass die entsprechenden Unterbereiche einer Serie (einer Vielzahl von nacheinander lackierten Karossen) entsprechend verglichen und bewertet werden kann (das heißt, die Ortskoordinaten und die Ausdehnung der Cluster sind für alle Karosserien einer Serie gleich). Dazu werden erfindungsgemäß die Helligkeits- und Farbdifferenzen (beispielsweise der Gesamtfarbabstand) eines Clusters für eine Vielzahl von lackierten Oberflächen in einer Datenreihe erfasst, wobei die einzelnen Elemente der Datenreihe vorzugsweise chronologisch entsprechend dem Zeitpunkt des Lackierens sortiert werden sollen. Eine solche Darstellung ist beispielsweise in Figur 14 für unterschiedliche Farb-/Helligkeitskriterien veranschaulicht, wobei eine Serie von 100 lackierten Teilen (siehe Abzisse von -100 bis 0) dargestellt worden ist. Insbesondere wird durch ΔY in Fenster 1 die Helligkeitsabweichung der einzelnen Karosserien Nr. -100 bis Nr. 0 für einen vorausgewählten (stets gleichen) Cluster vom entsprechenden Farbkontrollmodell dargestellt. Aus den über die Serie erfassten Helligkeitsabweichungen können für jeden Messwert entsprechende Mittelwerte, die beispielsweise aus einer Vielzahl vorhergehender und nachfolgender Messwerte ermittelt werden, dargestellt werden. Ebenfalls können entsprechende Toleranzgrenzen, die ebenfalls aus der Vielzahl der Messwerte gewonnen beziehungsweise generiert werden, dargestellt werden. In analoger Weise stellt Fenster 2 mit Δl eine Farbabweichung rot-grün, Fenster 3 mit ΔQ eine Farbabweichung gelb-blau, Fenster 4 mit ΔE eine Gesamtfarbabweichung dar. In Fenster Nr. 5 sind die Farbabweichungen kartesisch dargestellt und in Fenster 6 ist veranschaulicht, eine Helligkeitsabweichung als Balkendiagramm darzustellen.
Die in Figur 14 gezeigten Mittelwertslinien (beziehungsweise gewichteten Verläufe) können einem Benutzer Rückschlüsse auf die Einhaltung oder Nicht- Einhaltung von Produktionsparametern ermöglichen, so dass ein Verlassen der Toleranzgrenzen innerhalb einer Serie rechtzeitig erkannt werden kann. In den Fenstern 1-4 der Figur 14 zeigen die Abzissen je eine durchlaufende Nummer der lackierten Karosserien und die Ordinaten je die ermittelten Werte für den Gesamtfarbabstand.
Um die in Figur 14 gezeigten Mittelwertslinien einwandfrei ermitteln zu können, ist es erfindungsgemäß vorgesehen, technische Ausreißer und statistische Ausreißer aus einer entsprechenden Datenreihe zu eliminieren und bei der Mittelwertsbildung (beziehungsweise Wichtung) nicht zu berücksichtigen.
Figur 15 zeigt eine Datenreihe des Gesamtfarbabstandes ΔE (Ordinaten) einer Vielzahl von Karosserieteilen (Abzisse) für einen ausgewählten Unterbereich zur Erkennung von techni- sehen und statistischen Ausreißern, (technischer Ausreißer: durch ein Kreuz und statistische Ausreißer durch eine Umrandung gekennzeichnet).
Bei einem technischen Ausreißer kann es sich um mehrere Szenarien handeln, die bei- spielsweise nicht durch eine fehlerhafte Lackierung, sondern durch andere Umstände bedingt sein müssen. Zur Veranschaulichung ist in Figur 16a die fotografische Aufnahme eines korrekt lackierten Karosserieteils dargestellt. In Figur 16b ist eine fotografische Aufnahme eines mit einer falschen Farbe lackierten Karosserieteils dargestellt, wobei in einem solchen Fall (der als technischer Ausreißer klassifiziert werden soll) der Gesamtfarbabstand eines vorausgewählten Clusters einen zweiten Grenzwert überschreitet. Das gleiche kann wie in Figur 16c dargestellt, beispielsweise dann der Fall sein, wenn die Auslösung der Kamera (zweidimensionaler ortsaufgelöster Empfänger) derart spät erfolgt, dass sich die in einem Produktionsband automatisch weiterbewegte Karosserie nicht mehr (oder noch nicht) an der zur fotografischen Erfassung vorgegebenen Position befindet (ebenfalls technischer Ausreißer). Ein weiterer Fall ist in Figur 16d dargestellt, wo es sich um den Ausfall des Blitzlichtes handelt, so dass eine entsprechende fotografische Aufnahme nur fehlerhaft erfolgen kann (ebenfalls technischer Ausreißer). In Figur 16e ist ein weiteres Beispiel dargestellt, bei dem es sich jedoch nicht um einen technischen Ausreißer handelt. Dort ist eine fotografische Aufnahme eines lackierten Karosserieteils dargestellt, die unter dem Einfluss von (un- gewolltem) Fremdlicht erfolgt ist. Hier ist jedoch der Gesamtfarbabstand des entsprechenden Clusters unter einem zweiten Grenzwert geblieben, so dass dieser Gesamtfarbabstand in der Datenreihe, siehe Figur 15, weiterhin berücksichtigt wird (keine Eliminierung). Der zweite Grenzwert ist den oben genannten Szenarien entsprechend anzupassen. Vorzugsweise wird der zweite Grenzwert als Gesamtfarbabstand ΔE=10 verwendet.
In Figur 17 werden die nach Figur 15 dargestellten Messwerte nach Eliminierung des technischen Ausreißers dargestellt.
Ein weiterer Aspekt des erfindungsgemäßen Verfahrens besteht in der Interpolation statisti- scher Ausreißer (siehe Figur 15 umrandete Messwerte mit 2< ΔE<10). Um statistische Ausreißer handelt es sich bei Messwerten, die nicht als technische Ausreißer klassifiziert werden, das heißt, deren Gesamtfarbabstand beispielsweise kleiner als ein zweiter Grenzwert ist, deren Abweichungen jedoch von den übrigen Messwerten derart deutlich abweicht, so dass es sich hier nicht um Zufallsabweichungen handeln kann (hier beispielsweise ist der Gesamtfarbabstand größer einem dritten Grenzwertwert). Der Vorteil der Interpolation dieser statistischen Ausreißer liegt darin, dass die entsprechende Trendanalyse (beispielsweise die in den Figuren 14, 23a und 24a gezeigte statistische Mittellinie) nicht unnötig verfälscht wird. Vorzugsweise wird der dritte Grenzwert als Gesamtfarbabstand mit ΔE<10 und ΔE>2 verwendet.
In Figur 18a bis 19b wird ein Beispiel zur Interpolation statistischer Ausreißer dargestellt. Insbesondere ist die Ermittlung des dritten Grenzwertes aus einer Vielzahl von Messwerten auf unterschiedliche Weise möglich. In Figur 18a bis 19b ist über die Abzissen eine Vielzahl lackierter Karosserien und über die Ordinaten die jeweils ermittelten Werte für den Gesamtfarbabstand abgetragen.
Im Ausführungsbeispiel soll die Bestimmung des dritten Grenzwertes anhand von 5 bekannten Messwerte einer Serie, das heißt 5 bekannten Gesamtfarbabständen für 4 unter- schiedliche Karosserien demonstriert werden:
X1 = -8 χ2 = 6 X3 = 6,4 x4 = 10,25 X5 = 35
Zunächst wird der Median der Messwerte gebildet: x '
Danach der Median der absoluten Abweichungen [MaD ) von x :
= 14,4 |x2 - x| = 0,4 X3 - X = 0 = 3,85 = 28,6
MaD = 3,85
Schließlich werden die oberen und unteren Ausreißergrenzen mit Hilfe folgender Tabelle
Figure imgf000041_0001
Figure imgf000042_0001
Tabelle: Kritische Faktoren g(n,α) zu den Verfahren von Davies/Gather, Grubbs und Dixon
errechnet: gu (n,α) = x - g(n,α)- MaD go(n,α) = x + g(n,α)- MaD gu (5,1%) = 6,4 - 1,76 - 3,85 = -0,376 go(5,5%) = 6,4 + 1,76 - 3,85 = 13,176
Die Bestimmung des dritten Grenzwertes kann jedoch auch nach anderen Kriterien erfolgen.
Figur 20 zeigt eine Darstellung der Datenreihe nach Figur 18a, 18b nach der Eliminierung Interpolation der statistischen Ausreißer, wobei die Kreise in Figur 20 die interpolierten Werte darstellen. Figur 21 zeigt eine schematische Darstellung der Messwerte der Figur 15 nach Eliminierung sowohl der technischen als auch der statistischen Ausreißer In den Figuren 15, 19 und 21 wurde eine Serie von 250 lackierten Karosserieteilen bewertet. Erfindungsgemäß werden statistische Ausreißer im Gegensatz zu technischen Ausreißern nicht vollständig eliminiert, da neben additiven Ausreißern auch Sprünge oder Trendänderungen im Verlauf der Messwerte als Ausreißer identifiziert werden können. Durch die Interpolation anstelle der vollständigen Eliminierung der Ausreißer wird eine angemessene Reaktion des Überwachungssystems erreicht, ohne dass eine spezielle Bewertung der Ausreißer notwendig wird. Die Auswirkungen einer Fehlentscheidung (nicht erkannte Ausreißer) werden somit gering gehalten.
Ein weiterer Aspekt der vorliegenden Erfindung ist die so genannte Trendabstrahierung, die in den Figuren 22a bis 24b schematisch dargestellt wird. Die Idee besteht darin, die entsprechenden Messwerte eines Clusters oder mehrerer Cluster (bei Messwerten sind ermit- telte Helligkeitsabweichungen, ermittelte Farbabweichungen beziehungsweise der ermittelte Gesamtfarbabstand gemeint) für eine Serie einer Vielzahl von lackierten Karossen grafisch darzustellen, wobei zur Veranschaulichung von Trends zu jedem Messwert ein gewichteter Mittelwert, der aus einer Vielzahl vorangehender oder nachfolgender Elemente der Datenreihe gebildet wird, ebenfalls grafisch (als Linie) dargestellt wird. Zur entsprechenden Mit- telwertbildung kann beispielsweise das 2-Parameter-Verfahren nach Holt verwendet werden, bei dem zunächst optimale Parameter bestimmt und gegebenenfalls eine Glättung der gewichteten Mittelwerte Ergebnisse (Prä-Post-Mittelung, Goldener Schnitt) durchgeführt wird.
Figuren 22a, 22b, 22c zeigen beispielhaft das Ergebnis des Verfahrens der exponentiellen Glättung welches gleichzeitig den Periodengrundwert und den Trend eines Messwertverlaufes ermittelt und diese mittels 2 verschiedener Parameter glättet. Als Optimum werden die Ergebnisse der Prä-Post-Mittelung gewählt. Es liefert dadurch deutlich bessere Ergebnisse als eine Trendabstrahierung durch Mittelwertbildung.
Figur 23a zeigt eine Darstellung der Datenreihe nach Figur 21 nach der Durchführung des 2-Parameter-Verfahrens mit den optimalen Parametern. Figur 23b zeigt die Streuung der Elemente der Datenreihe nach Figur 23a. Figur 24a zeigt eine Darstellung der Datenreihe nach Figur 21 nach der Durchführung des 2-Parameter-Verfahrens und der Prä-Post-Mittelung. Figur 24b zeigt die Streuung der Elemente der Datenreihe nach Figur 24a.
Bezugszeichenliste
1 Farbabweichung Helligkeit
2 Farbabweichung Rot-Grün
3 Farbabweichung Gelb-Blau
4 Gesamtfarbabstand
5 Farbabweichung Rot-Grün und Farbabweichung Gelb-Blau kartesisch 6 Farbabweichung Helligkeit als Balkendarstellung
Δl Farbabweichung Rot-Grün
ΔQ Farbabweichung Gelb-Blau
ΔY Farbabweichung Helligkeit ΔE Gesamtfarbabstand

Claims

Patentansprüche
1. Verfahren zur Bewertung mindestens einer Oberfläche mit folgenden Verfahrensschritten:
Einstrahlen von Licht auf die zu untersuchende Oberfläche,
Abbildung mindestens eines Teils des von der Oberfläche reflektierten und/oder gestreuten Lichts auf einen ortsaufgelösten Empfänger, und - Erzeugung eines Bildes, wobei jedem Bildpunkt neben seinen geometrischen
Koordinaten weiterhin Farb-Koordinaten zugeordnet werden, dadurch gekennzeichnet, dass eine Vielzahl zusammenhängender Unterbereiche gebildet wird, die innerhalb des Bildes liegen, - aus den Bildpunkten jedes Unterbereichs jeweils ein gewichteter Helligkeitswert und mindestens ein gewichteter Farbwert generiert wird, die Vielzahl gewichteter Helligkeitswerte jeweils mit einem Referenz- Helligkeitswert eines Farbkontrollmodells und die Vielzahl gewichteter Farbwerte jeweils mit einem Referenz-Farbwert eines Farbkontrollmodells verglichen und daraus für jeden Unterbereich eine Helligkeitsabweichung (ΔY) und mindestens eine Farbabweichung (Δl, ΔQ) ermittelt werden, die ermittelte Helligkeitsabweichung (ΔY) und/oder die mindestens eine ermittelte Farbabweichung (Δl, ΔQ) jedes Unterbereichs mit einem vorgegebenen ersten Grenzwert verglichen wird.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass eine Vielzahl zweidimensionaler zusammenhängender Unterbereiche gebildet wird, die innerhalb des zweidimensionalen Bildes liegen, - aus den Bildpunkten jedes Unterbereichs jeweils ein gewichteter Helligkeitswert und mindestens ein gewichteter Farbwert generiert wird, die Vielzahl gewichteter Helligkeitswerte jeweils mit einem Referenz- Helligkeitswert eines Farbkontrollmodells und die Vielzahl gewichteter Farbwerte jeweils mit einem Referenz-Farbwert eines Farbkontrollmodells verglichen und daraus für jeden Unterbereich eine Helligkeitsabweichung (ΔY) und mindestens eine Farbabweichung (Δl, ΔQ) ermittelt werden, die ermittelte Helligkeitsabweichung (ΔY) und/oder die mindestens eine ermittelte Farbabweichung (Δl, ΔQ) jedes Unterbereichs mit einem vorgegebenen ersten Grenz- wert verglichen wird.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass aus den ermittelten Helligkeitsabweichungen (ΔY) und den ermittelten Farbabwei- chungen (Δl, ΔQ) für jeden Unterbereich ein Gesamtfarbabstand (ΔE) bestimmt wird, und der Gesamtfarbabstand (ΔE) jedes Unterbereichs mit einem vorgegebenen ersten Grenzwert verglichen wird.
4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Unterbereiche zueinander disjunkte Bereiche sind und/oder die Fläche der Unterbereiche zwischen 1 cm2 und 25 cm2 beträgt.
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Anzahl der Unterbereiche zwischen 15 und 1500 beträgt.
6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass nacheinander eine Vielzahl von Oberflächen bewertet werden, wobei die Vielzahl zusammenhängender Unterbereiche stets in gleicher Weise innerhalb des Bildes der jeweiligen Oberfläche positioniert wird.
7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass die Helligkeitsabweichungen (ΔY), die mindestens eine Farbabweichung (Δl, ΔQ) und/oder die Gesamtfarbabstände (ΔE) der Vielzahl von Oberflächen für mindestens einen Unterbereich als Datenreihe erfasst werden.
8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass diejenigen Elemente einer Datenreihe eines Unterbereichs aussortiert werden, deren Helligkeitsabweichung (ΔY), Farbabweichung (Δl, ΔQ) oder Gesamtfarbabstand (ΔE) betragsmäßig einen zweiten vorgegebenen Grenzwert überschreiten, wobei der zweite Grenzwert betragsmäßig größer als der erste Grenzwert ist.
9. Verfahren nach einem der Ansprüche 7 und 8, dadurch gekennzeichnet, dass der numerische Wert der Helligkeitsabweichung (ΔY), der Farbabweichung (Δl, ΔQ) oder des Gesamtfarbabstandes (ΔE) derjenigen Elemente einer Datenreihe eines Unterbereichs, die betragsmäßig einen dritten vorgegebenen Grenzwert überschreiten, durch einen numerischen Wert ersetzt wird, der aus der Helligkeitsabweichung (ΔY), der Farbabweichung (Δl, ΔQ) oder dem Gesamtfarbabstand (ΔE) mindestens eines benachbarten Elements der Datenreihe des Unterbereichs gebildet ist.
10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass dritte Grenzwert betragsmäßig kleiner als der zweite Grenzwert ist und/oder der dritte Grenzwert betragsmäßig größer als der erste Grenzwert ist.
1 1. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als zu bewertende Oberflächen lackierte Kraftfahrzeug-Karosserien und/oder deren Anbau- und Einbauteile verwendet werden und jeweils eine Fläche von mindestens
100 cm2 der lackierte Fläche auf den ortsaufgelösten Empfänger abgebildet wird.
12. Verfahren nach Anspruch 1 1 , dadurch gekennzeichnet, dass mindestens 50% der abgebildeten Oberfläche des Fahrzeugkarosserieteils der Vielzahl von Unterbereichen zugeordnet wird.
13. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die zu untersuchende Oberfläche sowie sämtliche Unterbereiche graphisch dargestellt werden, wobei Unterbereiche, deren Helligkeitsabweichung (ΔY), Farbabweichung (Δl, ΔQ) oder Gesamtfarbabstand (ΔE) größer als der erste Grenzwert ist, und Unterbereiche, deren Helligkeitsabweichung (ΔY), Farbabweichung (Δl, ΔQ) oder Gesamt- farbabstand (ΔE) kleiner als der erste Grenzwert ist, in der graphischen Darstellung unterschiedlich markiert werden.
14. Verfahren nach einem der Ansprüche 7-13, dadurch gekennzeichnet, dass zu jeder Helligkeitsabweichung (ΔY), jeder Farbabweichung (Δl, ΔQ) oder jedem Gesamtfarbabstand (ΔE) einer Datenreihe eines Unterbereichs ein gewichteter Mittelwert ermittelt wird, der aus einer Vielzahl vorhergehender und/oder nachfolgender Elemente der Datenreihe gebildet wird, und die Differenz jeder Helligkeitsabweichungen (ΔY), jeder Farbabweichungen (Δl, ΔQ) oder jedes Gesamtfarbabstandes (ΔE) von seinem jeweiligen Mittelwert ermittelt wird, wobei der betragsmäßige Abstand zwischen der größten Differenz der Datenreihe und der kleinsten Differenz der Datenreihe mit einem vorgegebenen vierten Grenzwert verglichen wird.
15. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass vor dem Vergleich mit dem Farbkontrollmodell für eine Vielzahl von Referenzoberflächen:
Licht auf jede der Referenzoberflächen eingestrahlt wird, mindestens ein Teil des von der jeweiligen Referenzoberfläche reflektierten und/oder gestreuten Lichts auf einen ortsaufgelösten Empfänger abgebildet wird, ein Bild erzeugt wird, wobei jedem Bildpunkt neben seinen geometrischen Koordinaten weiterhin Farb-Koordinaten zugeordnet werden, eine Vielzahl zusammenhängender Unterbereiche gebildet wird, die innerhalb des Bildes liegen, wobei die Vielzahl der Unterbereiche der Referenzoberflächen mit der Vielzahl der Unterbereiche der zu bewertenden Oberfläche korrespondiert, aus den Bildpunkten jedes Unterbereichs jeweils mindestens ein gewichteter Helligkeitswert und mindestens ein gewichteter Farbwert generiert wird, so dass für jeden Unterbereich jeder Referenzoberfläche mindestens ein gewichteter Helligkeitswert und mindestens ein gewichteter Farbwert erhalten wird, und jedem Unterbereich als Referenz-Helligkeitswert ein gewichteter Wert der gewich- teten Helligkeitswerte der Vielzahl der Referenzoberflächen und als Referenz- Farbwert ein gewichteter Wert der gewichteten Farbwerte der Vielzahl der Referenzoberflächen zugeordnet wird.
16. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass jedem Unterbereich als Referenz-Helligkeitswert der arithmetische Mittelwert der gewichteten Helligkeitswerte der Vielzahl der Referenzoberflächen und als Referenz- Farbwert der arithmetische Mittelwert der gewichteten Farbwerte der Vielzahl der Referenzoberflächen zugeordnet wird.
17. Verfahren nach Anspruch 15 oder 16, dadurch gekennzeichnet, dass diejenigen gewichteten Helligkeitswerte der Vielzahl der Referenzoberflächen vor der Berechnung des Referenz-Helligkeitswerts aussortiert werden, bei denen die Differenz des gewichteten Helligkeitswerts vom gewichteten Helligkeitswert der ersten Re- ferenzoberfläche einen zweiten vorgegebenen Grenzwert überschreitet und/oder diejenigen gewichteten Farbwerte der Vielzahl der Referenzoberflächen vor der Berechnung des Farb-Helligkeitswerts aussortiert werden, bei denen die Differenz des gewichteten Farbwerts vom gewichteten Farbwert der ersten Referenzoberfläche einen zweiten vorgegebenen Grenzwert überschreitet.
18. Verfahren nach einem der Ansprüche 15 bis 17, dadurch gekennzeichnet, dass diejenigen gewichteten Helligkeitswerte und diejenigen gewichteten Farbwerte der Vielzahl der Referenzoberflächen vor der Berechnung des Referenz-Helligkeitswerts und des Referenz-Farbwerts durch gewichtete Helligkeitswerte/gewichtete Farbwerte anderer Referenzoberflächen interpoliert werden, bei denen die Differenz des gewichteten Helligkeitswerts/Farbwerts vom gewichteten Helligkeitswert/ Farbwert der ersten Referenzoberfläche einen dritten vorgegebenen Grenzwert überschreitet.
19. Verfahren nach einem der vorhergehenden Ansprüche 15 bis 18, dadurch gekennzeichnet, dass ab der zweiten Referenzoberfläche bis zur vorletzten Referenzoberfläche ein gewich- teter Helligkeitstrendwert und ein gewichteter Farbtrendwert aus den gewichteten HeI- ligkeitswerten und gewichteten Farbwerten der vorher und nachher gemessenen Referenzoberflächen gebildet wird und die Helligkeitsstreuung des Unterbereichs der Referenzoberfläche als Differenz von gewichtetem Helligkeitswert und gewichtetem Helligkeitstrendwert und die Farbstreuung des Unterbereichs der Referenzoberfläche als Differenz von gewichtetem Farbwert und gewichtetem Farbtrendwert ermittelt wird.
20. Verfahren nach Anspruch 19, dadurch gekennzeichnet, dass als erster Grenzwert für die Helligkeitsabweichung eines Unterbereichs die Hälfte der Differenz der größten Helligkeitsstreuung und der kleinsten Helligkeitsstreuung der Vielzahl der Referenzoberflächen verwendet wird und/oder als erster Grenzwert für die Farbabweichung eines Unterbereichs die Hälfte der Differenz der größten Farbstreuung und der kleinsten Farbstreuung der Vielzahl der Referenzoberflächen verwendet wird.
21. Verfahren nach einem der Ansprüche 15 bis 20, dadurch gekennzeichnet, dass die Anzahl der Referenzoberflächen zwischen 10 und 100 beträgt.
22. Anordnung zur Qualitätskontrolle einer Oberfläche, aufweisend: - mindestens eine Lichtquelle zur Einstrahlung von Licht auf die zu untersuchende Oberfläche, mindestens ein Mittel zur optischen Abbildung mindestens eines Teils des von der Oberfläche reflektierten und/oder gestreuten Lichts auf einen-ortsaufgelös- ten Empfänger, wobei die Anordnung derart eingerichtet ist, dass eine Vielzahl zusammenhängender Unterbereiche gebildet wird, die innerhalb des Bildes liegen, aus den Bildpunkten jedes Unterbereichs jeweils ein gewichteter Helligkeitswert und mindestens ein gewichteter Farbwert generiert wird, die Vielzahl gewichteter Helligkeitswerte jeweils mit einem Referenz- Helligkeitswert eines Farbkontrollmodells und die Vielzahl gewichteter Farbwerte jeweils mit einem Referenz-Farbwert eines Farbkontrollmodells verglichen und daraus für jeden Unterbereich eine Helligkeitsabweichung (ΔY) und mindestens eine Farbabweichung (Δl, ΔQ) ermittelt werden, die ermittelte Helligkeitsabweichung (ΔY) und/oder die mindestens eine ermittelte Farbabweichung (Δl, ΔQ) jedes Unterbereichs mit einem vorgegebenen ersten Grenzwert verglichen wird.
23. Anordnung zur Qualitätskontrolle einer Oberfläche nach Anspruch 1 , aufweisend: mindestens eine Lichtquelle zur Einstrahlung von Licht auf die zu untersuchende Oberfläche, mindestens ein Mittel zur optischen Abbildung mindestens eines Teils des von der Oberfläche reflektierten und/oder gestreuten Lichts auf einen zweidimensionalen, ortsaufgelösten Empfänger, wobei die Anordnung derart eingerichtet ist, dass eine Vielzahl zweidimensionaler, zusammenhängender Unterbereiche gebildet wird, die innerhalb des zweidimensionalen Bildes liegen, - aus den Bildpunkten jedes Unterbereichs jeweils ein gewichteter Helligkeitswert und mindestens ein gewichteter Farbwert generiert wird, die Vielzahl gewichteter Helligkeitswerte jeweils mit einem Referenz- Helligkeitswert eines Farbkontrollmodells und die Vielzahl gewichteter Farbwerte jeweils mit einem Referenz-Farbwert eines Farbkontrollmodells verglichen und daraus für jeden Unterbereich eine Helligkeitsabweichung (ΔY) und mindestens eine Farbabweichung (Δl, ΔQ) ermittelt werden, die ermittelte Helligkeitsabweichung (ΔY) und/oder die mindestens eine ermittelte Farbabweichung (Δl, ΔQ) jedes Unterbereichs mit einem vorgegebenen ersten Grenzwert verglichen wird.
PCT/EP2008/066074 2007-11-23 2008-11-24 Verfahren und vorrichtung zur qualitätskontrolle einer oberfläche WO2009065956A2 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE112008003190.8T DE112008003190B4 (de) 2007-11-23 2008-11-24 Verfahren und Vorrichtung zur Qualitätskontrolle einer Oberfläche

Applications Claiming Priority (8)

Application Number Priority Date Filing Date Title
DE200710057018 DE102007057018A1 (de) 2007-11-23 2007-11-23 Verfahren und Vorrichtung zur Qualitätskontrolle einer Oberfläche
DE102007057018.1 2007-11-23
DE200710058217 DE102007058217A1 (de) 2007-11-30 2007-11-30 Verfahren zur Qualitätskontrolle einer Oberfläche
DE102007058217.1 2007-11-30
DE200710063473 DE102007063473A1 (de) 2007-12-20 2007-12-20 Verfahren zur Qualitätskontrolle einer Vielzahl von Oberflächen
DE102007063472.4 2007-12-20
DE102007063473.2 2007-12-20
DE200710063472 DE102007063472A1 (de) 2007-12-20 2007-12-20 Verfahren zur Qualitätskontrolle einer Vielzahl von Oberflächen

Publications (2)

Publication Number Publication Date
WO2009065956A2 true WO2009065956A2 (de) 2009-05-28
WO2009065956A3 WO2009065956A3 (de) 2010-07-08

Family

ID=40667900

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2008/066074 WO2009065956A2 (de) 2007-11-23 2008-11-24 Verfahren und vorrichtung zur qualitätskontrolle einer oberfläche

Country Status (2)

Country Link
DE (1) DE112008003190B4 (de)
WO (1) WO2009065956A2 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011048147A1 (de) * 2009-10-20 2011-04-28 Basf Coatings Gmbh Verfahren zur messung der wolkigkeit von lackierungen auf prüftafeln
WO2014110087A1 (en) * 2013-01-09 2014-07-17 Ppg Industries Ohio, Inc. Systems and methods for statistical measurement control of spectrophotometric data

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10103555A1 (de) * 2001-01-26 2002-08-01 Volkswagen Ag Verfahren zur Beurteilung einer Farbschicht
WO2004010124A1 (de) * 2002-07-22 2004-01-29 Volkswagen Aktiengesellschaft Verfahren zur qualitätskontrolle von oberflächen
US20060222231A1 (en) * 2005-04-01 2006-10-05 Harris Kevin M Apparatus and method for inspecting golf balls using threshold analysis

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10102612A1 (de) 2001-01-21 2003-05-15 Color Aix Perts Gmbh Verfahren und Vorrichtung zur Prüfung der Farb-und/oder Glanz-Qualität von Stoffen oder ähnlichen Materialien

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10103555A1 (de) * 2001-01-26 2002-08-01 Volkswagen Ag Verfahren zur Beurteilung einer Farbschicht
WO2004010124A1 (de) * 2002-07-22 2004-01-29 Volkswagen Aktiengesellschaft Verfahren zur qualitätskontrolle von oberflächen
US20060222231A1 (en) * 2005-04-01 2006-10-05 Harris Kevin M Apparatus and method for inspecting golf balls using threshold analysis

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
AKIRA HAMAMATSU ET AL: "STATISTICAL THRESHOLD METHOD FOR SEMICONDUCTOR INSPECTION" 12 TH ASIA-PACIFIC CONFERENCE ON NDT, [Online] 5. November 2006 (2006-11-05), XP002575966 Gefunden im Internet: URL:http://www.ndt.net/article/apcndt2006/papers/28.pdf> [gefunden am 2010-03-29] *
GHITA O ET AL: "A vision-based system for inspecting painted slates" SENSOR REVIEW EMERALD UK, Bd. 26, Nr. 2, 2006, Seiten 108-115, XP002550911 ISSN: 0260-2288 *
LOPEZ F ET AL: "Fast surface grading using color statistics in the CIE Lab space" PATTERN RECOGNITION AND IMAGE ANALYSIS. SECOND IBERIAN CONFERENCE, IBPRIA 2005. PROCEEDINGS, PART II (LECTURE NOTES IN COMPUTER SCIENCE VOL. 3523) SPRINGER-VERLAG BERLIN, GERMANY, 2005, Seiten 666-673, XP002550914 ISBN: 3-540-26154-0 *
M. RONNIER LUO: "Colour Difference Formulae: Past, Present and Future" ISCC/CIE EXPERT SYMPOSIUM, [Online] 16. Mai 2006 (2006-05-16), XP002550912 Gefunden im Internet: URL:http://www.iscc.org/jubilee2006/abstracts/LuoAbstract.pdf> [gefunden am 2009-10-15] *
MICHAL VIK: "Industrial colour difference evaluation: LCAM textile data" AIC 2004 COLOR AND PAINTS, INTERIM MEETING OF THE INTERNATIONAL COLOR ASSOCIATION, PROCEEDINGS, [Online] 2004, Seiten 138-142, XP002550913 Gefunden im Internet: URL:http://www.fadu.uba.ar/sitios/sicyt/color/aic2004/138-142.pdf> [gefunden am 2009-10-15] *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011048147A1 (de) * 2009-10-20 2011-04-28 Basf Coatings Gmbh Verfahren zur messung der wolkigkeit von lackierungen auf prüftafeln
WO2014110087A1 (en) * 2013-01-09 2014-07-17 Ppg Industries Ohio, Inc. Systems and methods for statistical measurement control of spectrophotometric data
KR20150092308A (ko) * 2013-01-09 2015-08-12 피피지 인더스트리즈 오하이오 인코포레이티드 분광광도 데이터의 통계적 측정 제어를 위한 시스템 및 방법
JP2016503896A (ja) * 2013-01-09 2016-02-08 ピーピージー・インダストリーズ・オハイオ・インコーポレイテッドＰＰＧ Ｉｎｄｕｓｔｒｉｅｓ Ｏｈｉｏ，Ｉｎｃ． 分光光度測定値データの統計的測定値制御のためのシステムおよび方法
CN105899940A (zh) * 2013-01-09 2016-08-24 Ppg工业俄亥俄公司 用于分光光度数据的统计测量控制的系统和方法
KR101697036B1 (ko) 2013-01-09 2017-01-16 피피지 인더스트리즈 오하이오 인코포레이티드 분광광도 데이터의 통계적 측정 제어를 위한 시스템 및 방법
US9606055B2 (en) 2013-01-09 2017-03-28 Ppg Industries Ohio, Inc. Systems and methods for statistical measurement control of spectrophotometric data
CN105899940B (zh) * 2013-01-09 2018-09-28 Ppg工业俄亥俄公司 用于分光光度数据的统计测量控制的系统和方法

Also Published As

Publication number Publication date
WO2009065956A3 (de) 2010-07-08
DE112008003190A5 (de) 2010-12-16
DE112008003190B4 (de) 2023-02-16

Similar Documents

Publication Publication Date Title
DE10314071B3 (de) Verfahren zur qualitativen Beurteilung eines Materials mit mindestens einem Erkennungsmerkmal
EP1104570A1 (de) Verfahren zum erkennen von objekten in digitalisierten abbildungen
DE112007000738B4 (de) Filter für Störbewegungen
DE102018214198A1 (de) System zum Bewerten eines Bildes, Betriebsassistenzverfahren und Steuereinheit für eine Arbeitsvorrichtung sowie Arbeitsvorrichtung
WO2007147674A2 (de) Verfahren zur herstellung von dreidimensional strukturierten oberflächen
DE102018205561A1 (de) Vorrichtung zur Klassifizierung von Signalen
DE102009050075B4 (de) Verfahren zur Messung der Wolkigkeit von Lackierungen auf Prüftafeln
DE102014108643B3 (de) Verfahren zur Ermittlung eines räumlichen Verschiebungsvektorfeldes
WO2009065956A2 (de) Verfahren und vorrichtung zur qualitätskontrolle einer oberfläche
DE102007058217A1 (de) Verfahren zur Qualitätskontrolle einer Oberfläche
DE102009007412A1 (de) Verfahren zur Verfolgung wenigstens eines Objekts
DE10234085B4 (de) Verfahren zur Analyse von Farbabweichungen von Bildern mit einem Bildsensor
EP1525457A1 (de) Verfahren zur qualitätskontrolle von oberflächen
EP2215599B1 (de) Verfahren zum lackieren und zur qualitätskontrolle von oberflächen
DE102007057018A1 (de) Verfahren und Vorrichtung zur Qualitätskontrolle einer Oberfläche
DE102007014475A1 (de) Bestimmung von Oberflächeneigenschaften
DE102007063472A1 (de) Verfahren zur Qualitätskontrolle einer Vielzahl von Oberflächen
DE102007063473A1 (de) Verfahren zur Qualitätskontrolle einer Vielzahl von Oberflächen
EP3316216B1 (de) Verfahren zum prüfen eines gegenstands
EP1741060A2 (de) Verfahren zum vergleich eines bildes mit mindestens einem referenzbild
DE102008026565B3 (de) Verfahren und Vorrichtung zur Berücksichtigung eines Einflusses eines Umgebungslichts auf ein bildgebendes System
DE102021130505A1 (de) Verfahren zur Bestimmung einer Beleuchtungsfarbe, Bildverarbeitungsvorrichtung und Aufnahmesystem
DE102016115128A1 (de) Verfahren zum Angleichen zumindest zweier Bilder bezüglich der Farbe und/oder der Helligkeit, Kamarasystem sowie Kraftfahrzeug
DE102016001837B4 (de) Verfahren zur computerunterstützten Vorhersage der Form eines in einem Umformprozess umzuformenden Blech-Bauteils
EP2300935A2 (de) Verfahren und vorrichtung zur bestimmung von parametern zur steuerung eines technischen systems

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 08852390

Country of ref document: EP

Kind code of ref document: A2

REF Corresponds to

Ref document number: 112008003190

Country of ref document: DE

Date of ref document: 20101216

Kind code of ref document: P

122 Ep: pct application non-entry in european phase

Ref document number: 08852390

Country of ref document: EP

Kind code of ref document: A2