JP2012247206A - 鋼材成分識別装置及びそのプログラム - Google Patents

Abstract

【課題】 鋼の火花試験により生じる火花を画像処理して鋼材の成分を識別することが可能な装置を提供する。
【解決手段】 鋼材を研削して発生する火花の画像をグレースケールの火花画像に変換する輝度変換処理部と、グレースケールの火花画像の画素毎に所定の閾値で二値化を行う二値化処理部と、二値化された火花画像に対し、複数の角度に相当する短直線を表す複数のテンプレートを各々マッチングし、当該マッチングされたテンプレートの種類と位置を記憶する短直線マッチング処理部と、マッチングされたテンプレートが任意の火花画像の範囲において所定の数以上である場合に火花の破裂部とみなして破裂部を抽出し、当該破裂部の総数である火花の破裂数及び前記火花画像内の前記マッチングされたテンプレートの総数をカウントする破裂部抽出処理部と、火花の破裂数及び前記マッチングされたテンプレートの総数に基づいて鋼材を識別する鋼材識別処理部とを有する。
【選択図】 図１

Description

本発明は、鋼材成分識別装置及びその方法に関し、特に、鋼の火花試験により生じる火花を画像処理することにより鋼材成分を識別する装置及びその方法に関するものである。

鋼の製造工程では異材を鑑別して排除するために火花試験が広く用いられている。火花試験とは鋼塊、鋼片、鋼材及びその他の鋼製品をグラインダを使用して研削し、発生する火花の特徴を観察することによって、鋼種の推定又は異材の鑑別を行なう試験のことをいい、JIS G 0566に規定されている（例えば、非特許文献１参照）。

図９は、鋼の火花の形及び名称を示す図である。図に示すように、火花はその位置から「根本」「中央」「先端」の各部に区別され、火花の各部において流線や破裂の形状や密度は変化する。

従来、火花試験は鉄鋼材の検査工程などで熟練した経験をもった検査員が目視観察にて官能検査として行われてきたが、個人差や環境の変動によって判定結果がばらついて適正検査結果を得ることが困難であった。また、官能検査の必然性として検査結果が記録できないため、検査技術はもっぱら経験もしくは伝承によるところが大きく、技術改善を評価することが困難であった。尚、人による炭素成分重量比率〔Ｃ〕値の誤差は0.20〜0.50％程度ともいわれている。

このような火花試験を目視観察によらず、装置により自動的に行なう技術としては、鋼材を摩擦した際に生じる破裂を含む火花を撮像する撮像手段と、火花画像を画像処理し、破裂領域内の画像を特徴量抽出可能な破裂画像に変換する画像処理手段と、破裂画像に含まれる破裂の特徴を示す特徴量を、少なくとも３種類以上ほど各破裂から抽出する特徴量抽出手段と、各々既知の複数種類の鋼材についての各破裂を、各特徴量を座標軸とする多次元空間にプロットし、これにより生じた母集団の分布の特徴を基に多次元空間を分割し、各々の分割領域を各カテゴリーとするカテゴリー分類手段と、ある鋼種についての各破裂の多次元空間におけるプロット結果により、各カテゴリーについての破裂の度数を度数分布として算出する鋼種別度数分布算出手段とを備えた鋼材分析装置がある（例えば、特許文献１参照）。

特許文献１に記載の装置は、火花の破裂（位置）の検出は、二次元ＣＣＤカメラを使って撮像した原画像を所定の閾値で二値化し、この二値化画像を複数回の膨張処理及び収縮処理を行い、所定の画素の塊を生成し、この画素の塊を火花の破裂としてラベリングして火花の破裂を検知し、破裂位置を決定している。さらに、特許文献１に記載の装置は、特定された火花の破裂位置での特定の瞬間における火花画像を画像処理することにより火花の細線化画像を生成し、この細線化画像から特徴量（面積値、端点数、交点数）の抽出を行い、所定の元素の含有量を検査している。

特許第3524657号公報

日本工業規格、JIS G 0566 鋼の火花試験方法、日本規格協会

ここで、火花の破裂位置や画像を取得した時間により火花の形態は大きく変化するため火花の形態は非常に不安定である。特許文献１に記載の画像処理手法では、膨張処理及び収縮処理を２回行っているが，１回目はあたりをつけるためであり，ある程度処理が可能としても，２回目の破裂部に特化した場合は，近接した火花の流線は膨張により１つにくっついてしまい、火花形状を得ることは困難である。さらに、火花形状を得ることが困難であることから、火花形状をコンピュータに認識させることも困難である。

さらに、３種程度のパラメータで元素の含有量を認識することも困難と考えられ、さらに、特許文献１の図１４に示す端点や交点抽出方法も不明である。結果として、特許文献１に記載の画像処理手法は、画像処理のコストも、推論のためのコストも大きいと考えられる。

本発明は、このような従来の問題を解決するためになされたもので、鋼の火花試験により生じる火花を画像処理して鋼材の成分を識別することが可能な装置及び方法を提供することである。

本発明は、鋼材を研削して発生する火花の画像をグレースケールの火花画像に変換する輝度変換処理部と、グレースケールの火花画像の画素毎に所定の閾値で二値化を行う二値化処理部と、二値化された火花画像に対し、複数の角度に相当する短直線を表す複数のテンプレートを各々マッチングし、当該マッチングされたテンプレートの種類と位置を記憶する短直線マッチング処理部と、マッチングされたテンプレートが任意の火花画像の範囲において所定の数以上である場合に火花の破裂部とみなして破裂部を抽出し、当該破裂部の総数である火花の破裂数及び前記火花画像内の前記マッチングされたテンプレートの総数をカウントする破裂部抽出処理部と、火花の破裂数及び前記マッチングされたテンプレートの総数に基づいて鋼材を識別する鋼材識別処理部とを有する鋼材成分識別装置である。

また、本発明は、コンピュータを、鋼材を研削して発生する火花の画像をグレースケールの火花画像に変換する輝度変換処理手段と、グレースケールの火花画像の画素毎に所定の閾値で二値化を行う二値化処理手段と、二値化された火花画像に対し、複数の角度に相当する短直線を表す複数のテンプレートを各々マッチングし、当該マッチングされたテンプレートの種類と位置を記憶する短直線マッチング処理手段と、マッチングされたテンプレートが任意の火花画像の範囲において所定の数以上である場合に火花の破裂部とみなして破裂部を抽出し、当該破裂部の総数である火花の破裂数及び前記火花画像内の前記マッチングされたテンプレートの総数をカウントする破裂部抽出処理手段と、火花の破裂数及び前記マッチングされたテンプレートの総数に基づいて鋼材を識別する鋼材識別処理手段として機能させることを特徴とする鋼材成分識別プログラムである。

本発明の鋼材成分識別装置及びその方法によれば、鋼材から発生する火花を短直線マッチングを用いて認識することにより、鋼材の種類を定量的に認識することが可能となる。

本実施形態の鋼材成分識別装置の構成を示す図である。 本実施形態の鋼材成分識別ルーチンを示すフローチャートである。 本実施形態の鋼材成分識別装置により処理された火花画像を示す図である。 本実施形態の十字二値化を説明する図である。 本実施形態の鋼材成分識別装置で用いる短直線を表すテンプレートを示す図である。 本実施形態の短直線マッチング処理の方法を示す図である。 本実施形態の破裂部を抽出する範囲を示す図である。 本実施形態の鋼材成分識別装置を用いて得られた破裂密度と鋼材の炭素量の関係を示す図である。 鋼の火花の形及び名称を示す図である。

以下、本発明の実施形態である鋼材成分識別装置及びその方法について、図を参照して詳細に説明をする。

図１は、本発明の実施形態の鋼材成分識別装置の構成を示すブロック図である。本実施形態の鋼材成分識別装置は、検査対象の鋼材ＢとグラインダＣとが接触して発生した火花を撮像するカメラ１０と、カメラ１０で撮像された火花画像に基づいて火花を定量化するコンピュータ２０と、を備える。コンピュータ２０は、演算処理を行うＣＰＵ２１と、データのワークエリアであるＲＡＭ２２と、ＣＰＵ２１の制御プログラムを記憶するＲＯＭ２３を備えている。以上のように構成された本実施形態の鋼材成分識別装置は、次の処理を行うことにより、鋼材の火花の定量化を行う。

図２は、コンピュータ２０のＣＰＵ２１が実行する鋼材成分識別ルーチンを示すフローチャートである。本実施形態の鋼材成分識別装置は、ＲＯＭ２３に格納された制御プログラムをＣＰＵ２１が実行することにより、画像取込処理部と、輝度変換処理部と、二値化処理部と、細線化処理部と、短直線マッチング処理部と、破裂部抽出処理部と、鋼材識別処理部とを有する装置として動作する。

以下、上記各ステップＳ１からＳ７の詳細な処理について説明する。

（画像取込）
ステップＳ１では、コンピュータ２０のＣＰＵ２１は、カメラ１０により撮像された火花画像をカラー画像としてRAM２２に取り込んで、ステップＳ２に進む。

定量的な鋼材分類を行うためには、同種の鋼材の火花に差異が発生しないよう、常に同条件で火花を発生させることが好ましい。本実施形態では、モータ（不図示）によって発生したトルク回転力を直線運動に変換し、グラインダCに鋼材Bを押し当てる機構を採用した。モータは出力トルクを制御できるトルクモータを採用し、一定の力で、一定の位置で、かつ、一定の角度での鋼材の押し当てを可能とした。

撮影環境は周囲が薄暗い環境の中、明るい火花を撮影するという特殊な環境であるため、カメラ１０にはシャッタースピードや絞りなどをマニュアルで設定できるカメラを使用することが好ましい。また、鋼材BがグラインダCに削られることにより、鋼材BとグラインダCの接触面積が増加して押し当て圧が下がり火花の発生が時間変化するという問題がある。本実施形態のカメラ１０では、火花の発生の時間変化の影響を低減するために、短時間で高速の連続撮影（例えば、60fps）が可能なカメラを用いる。

同様に時間経過による火花の変化を避けるため、撮影時間を短くすることが好ましい（例えば1.0秒以下）。また、画像で確認できる火花の流線長さや破裂の数は、シャッタースピードに依存し変化する。このため、解析に適するシャッタースピードの選定（例えば、1/160sなど）をすることが好ましい。

（輝度変換）
ステップＳ２では、ＣＰＵ２１は、火花画像の各画素の輝度を変換処理して画像を輝度値のみのグレースケール画像に変換し、画像をRAM２２に格納して、ステップＳ３に進む。

図３（ａ）は、火花画像をグレースケール化した画像の例である。ステップＳ２では、ステップＳ１で得られたカラーの火花画像をグレースケール化する。本実施形態では、火花画像中の各画素のＲＧＢ値を所定の変換式によってグレースケール値Ｙへ変換している。例えば、変換式として、Ｙ＝Ｒ×0.299＋Ｇ×0.587＋Ｂ×0.114を用いる。

（二値化処理）
ステップＳ３では、ＣＰＵ２１は、火花画像の二値化処理を実行し、画像をRAM２２に格納して、ステップＳ４に進む。

本実施形態では、二値化処理の対象となる画素毎に所定の閾値で二値化処理を行う。本実施形態では、抽出対象が火花のような線状の場合に適している十字二値化を用いる。

図４は、本実施形態のステップＳ３で用いる十字二値化を説明する図である。十字二値化法は、十字内の中心画素以外の画素の平均輝度値から十字の中心画素の輝度値を引き、その値が設定した閾値よりも大きい場合に、十字の中心画素を黒とし（図４（ａ））、そうでなければ白とする（図４（ｂ））手法である。さらに、今回は火花を黒画素とするため、十字二値化画像の白黒の出力を反転させている。図３（ｂ）に十字二値化して白黒反転させた画像の例を示す。

（細線化処理）
ステップＳ４では、ＣＰＵ２１は、火花画像の細線化処理を行い、画像をRAM２２に格納して、ステップＳ５に進む。

図３（ｄ）に細線化処理を行った画像の例を示す。細線化処理は、火花の中心線である芯線を抽出する処理である。本実施形態では、ステップＳ３で十字二値化処理された画像（図３（ｂ）、（ｃ））に対して細線化処理を行う。本実施形態の細線化処理では、火花の太さが1pixelとなるように、黒画素を外側から削り、線幅が１pixelになったらそれ以上削らない処理を行う。そして、端点を保存し、図形の連結性を保存する。この処理により、火花の芯線(中央線)が取得され、火花の流線形状の特徴が簡潔に表現される。

（短直線マッチング）
ステップＳ５では、ＣＰＵ２１は、火花画像の短直線マッチング処理を行い、マッチングされたテンプレートの種類と位置をRAM２２に格納して、ステップＳ６に進む。

図５に示すように、本実施形態の鋼材成分識別装置では、28方向の角度（6.5度毎）に相当する短直線を表すテンプレートＴ₁〜Ｔ₂₈を予め用意し、RAM２２に格納している。

図６は、短直線マッチング処理の方法を示す図である。細線化画像I₅内の細線群ａ〜ｄに対し、パターン番号（Ｔ₁〜Ｔ₂₈）の走査を行い、角度を示すパターンテンプレートをマッチングする。あるテンプレートにP（例えば70）[%]以上マッチングしたとき、そのパターン番号を記録する。図では、細線化画像I₅内のａ、ｂ、ｃ、ｄ、ｅ部に、パターンテンプレートＴ₁₄、Ｔ₂₂、Ｔ₄、Ｔ₈、Ｔ₂₆の５つのパターンが各々マッチングされている。

（破裂部抽出処理）
ステップＳ６では、ＣＰＵ２１は、火花画像から火花の破裂部の抽出を行い、火花の破裂個数のカウントを行う。そして、画像全体の破裂部の数及び各破裂部に存在する短直線の総数をRAM２２に格納して、ステップＳ７に進む。

火花の破裂部においては様々な方向に火花が飛ぶという形態的特徴がある。したがって、短直線の角度から火花が飛ぶ方向を確認することにより、破裂部を抽出することが可能である。本実施形態では、角度の異なる短直線が、例えば４種類以上存在する場合を破裂部とみなす。

図７に示すように、任意の火花画像の範囲（a×b [pixel]）（今回は12×12）の画像I₆について、パターン番号の種類の合計を求め、合計値がm（今回は4)種類以上のとき、その範囲を破裂が存在する範囲とする。図では、Ｔ₁₄、Ｔ₂₂、Ｔ₂₆、Ｔ₄の４種類のパターンが含まれているため、破裂部と認定できる。そして画像全体で破裂部の数を数えることにより破裂の総数を求める。同時に、マッチングされたテンプレートの総数から画像全体に存在する短直線の総数をカウントする。

（鋼種の判別処理）
ステップＳ７では、ＣＰＵ２１は、火花の破裂密度の算出を行い、火花の破裂密度から鋼材中の炭素量を推定し、鋼材種類の認識を行う。

本発明者らの評価の結果、鋼中に含まれる炭素の量が変化した場合でも、破裂の数はほぼ同等であることが判明した。したがって、火花の破裂数だけでは炭素量の判別は難しい。一方、本発明者らの評価の結果、鋼中に含まれる炭素の量が少ない場合には、逆に、火花の量は増大することもわかった。

そこで、本実施形態では「破裂密度」という新たな評価基準を定義する。本実施形態では破裂密度を以下の式で表し、この破裂密度の数値により、鋼材中の炭素量を確認する。
破裂密度(D)＝破裂数(E)/短直線数(L)

また、火花の形態は立体的かつ「発生」、「成長」、「破裂」及び「消滅」の動的かつ不安定な形態変化を伴うものであるため、図９に示す火花の根本部、中央部、及び、先端部の各部において火花の明度や密度などの特性には相違が生じる。特許文献１のごとく、特定の時点の火花画像１枚の全体から同時に特徴量を抽出した場合には、成分分析の有効精度を確保した撮像や画像処理を行なうことが困難な場合もある。

そこで、本実施形態では、複数の火花画像から各々破裂密度を算出し、それらを平均した平均破裂密度を鋼材中の炭素量の確認に使用する。これにより、１枚の火花画像から求めた破裂密度のみで炭素量を確認した場合と比較して、予測の誤差を小さくすることが可能となる。

画像の取得方法としては、複数枚の火花画像を取得する場合には所定の時間間隔で取得したり、火花発生後から所定の時間を経過した後に連続して複数枚の火花画像を取得したりするなどの手法を用いればよい。本実施形態では、評価対象の画像は、１つの鋼材につき10画像の連続撮影を4回行い平均して評価する。

また、RAM２２には、予め実測した、破裂密度D、炭素量、及び、鋼種の関係がデータベースとして格納されている。CPU２１は、このデータベースを参照して、上記算出された破裂密度Dから測定対象の鋼材の鋼種を識別する。

図８は、鋼材の炭素量と本実施形態の鋼材成分識別装置を用いて実測した破裂密度を比較した図である。グラフには目視と本実施形態のプログラムそれぞれ、4回の測定の鋼材別の平均破裂密度を算出した。図８からは、炭素量と破裂密度には相関がありどれも炭素量にほぼ比例して破裂密度が増加していることから、鋼材の種類を定量的に分類することが可能であることがわかる。

以上説明したように、本実施形態の鋼材成分識別装置及びその方法によれば、二値化された火花画像に短直線にマッチングすることで評価対象が限定され、計測処理に適した火花形状を得ることができる。そして、この短直線を用いて破裂数を処理した「破裂密度」が、鋼材の成分、特に炭素量との相関が高いことから、従来技術における画像処理の困難性を解決するとともに、複数のパラメータ（特徴量：面積値、端点数、交点数等）のため困難だった成分評価を定量的かつ容易に行うことができる。

なお、本発明は、上述した実施の形態に限定されるものではなく、特許請求の範囲に記載された範囲内で設計上の変更をされたものにも適用可能であるのは勿論である。

１０：カメラ
２０：コンピュータ
２１：ＣＰＵ
２２：ＲＡＭ
２３：ＲＯＭ

Claims (12)

1. 鋼材を研削して発生する火花の画像をグレースケールの火花画像に変換する輝度変換処理部と、
   前記グレースケールの火花画像の画素毎に所定の閾値で二値化を行う二値化処理部と、
   前記二値化された火花画像に対し、複数の角度に相当する短直線を表す複数のテンプレートを各々マッチングし、当該マッチングされたテンプレートの種類と位置を記憶する短直線マッチング処理部と、
   前記マッチングされたテンプレートが任意の火花画像の範囲において所定の数以上である場合に火花の破裂部とみなして破裂部を抽出し、当該破裂部の総数である火花の破裂数及び前記火花画像内の前記マッチングされたテンプレートの総数をカウントする破裂部抽出処理部と、
   前記火花の破裂数及び前記マッチングされたテンプレートの総数に基づいて鋼材を識別する鋼材識別処理部と、
   を有することを特徴とする鋼材成分識別装置。
2. 前記二値化処理部は、十字内の中心画素以外の画素の平均輝度値から十字の中心画素の輝度値を引いた値が、設定した閾値よりも大きい場合に十字の中心画素を黒とし、そうでなければ白とする十字二値化処理を行うことを特徴とする請求項１に記載の鋼材成分識別装置。
3. 前記二値化処理部で二値化された火花画像の黒画素を外側から削り、所定のピクセル幅とする細線化処理部をさらに含むことを特徴とする請求項１または２に記載の鋼材成分識別装置。
4. 前記短直線マッチング処理部は、前記火花画像が所定の％以上マッチングしたテンプレートを記録することを特徴とする請求項１から３のいずれかに記載の鋼材成分識別装置。
5. 前記破裂部抽出処理部は、火花画像全体の火花の破裂の総数（破裂数）、及び、火花画像全体の前記マッチングされたテンプレートの総数（短直線数）をカウントし、
   前記鋼材識別処理部は、前記破裂数を前記短直線数で除した破裂密度から鋼材を識別することを特徴とする請求項１から４のいずれかに記載の鋼材成分識別装置。
6. 前記鋼材識別処理部は、複数の火花画像から各々破裂密度を算出し、それらを平均した平均破裂密度から鋼材を識別することを特徴とする請求項５に記載の鋼材成分識別装置。
7. コンピュータを、
   鋼材を研削して発生する火花の画像をグレースケールの火花画像に変換する輝度変換処理手段と、
   前記グレースケールの火花画像の画素毎に所定の閾値で二値化を行う二値化処理手段と、
   前記二値化された火花画像に対し、複数の角度に相当する短直線を表す複数のテンプレートを各々マッチングし、当該マッチングされたテンプレートの種類と位置を記憶する短直線マッチング処理手段と、
   前記マッチングされたテンプレートが任意の火花画像の範囲において所定の数以上である場合に火花の破裂部とみなして破裂部を抽出し、当該破裂部の総数である火花の破裂数及び前記火花画像内の前記マッチングされたテンプレートの総数をカウントする破裂部抽出処理手段と、
   前記火花の破裂数及び前記マッチングされたテンプレートの総数に基づいて鋼材を識別する鋼材識別処理手段と、
   して機能させることを特徴とする鋼材成分識別プログラム。
8. 前記二値化処理手段は、十字内の中心画素以外の画素の平均輝度値から十字の中心画素の輝度値を引いた値が、設定した閾値よりも大きい場合に十字の中心画素を黒とし、そうでなければ白とする十字二値化処理を行うことを特徴とする請求項７に記載の鋼材成分識別プログラム。
9. 前記二値化処理手段で二値化された火花画像の黒画素を外側から削り、所定のピクセル幅とする細線化処理手段をさらに含むことを特徴とする請求項７または８に記載の鋼材成分識別プログラム。
10. 前記短直線マッチング処理手段は、前記火花画像が所定の％以上マッチングしたテンプレートを記録することを特徴とする請求項７から９のいずれかに記載の鋼材成分識別プログラム。
11. 前記破裂部抽出処理手段は、火花画像全体の火花の破裂の総数（破裂数）、及び、火花画像全体の前記マッチングされたテンプレートの総数（短直線数）をカウントし、
    前記鋼材識別処理手段は、前記破裂数を前記短直線数で除した破裂密度から鋼材を識別することを特徴とする請求項７から１０のいずれかに記載の鋼材成分識別プログラム。
12. 前記鋼材識別処理手段は、複数の火花画像から各々破裂密度を算出し、それらを平均した平均破裂密度から鋼材を識別することを特徴とする請求項１１に記載の鋼材成分識別手段。