JP2017500560A - 欠陥指標の検出方法 - Google Patents

Abstract

部品内の潜在的欠陥を検出するための方法、装置、及びコンピュータ可読媒体が開示される。潜在的欠陥は、部品内で自動的に検出することができ、オペレータが欠陥を精査し、適切な処置をとることができるように、様々な方法でオペレータに報告することができる。【選択図】図１

Description

本発明は、欠陥指標の検出方法に関する。

開示される実施形態は、一般に、部品内の欠陥指標を検出する１以上の方法、開示される方法の選択された態様を実現するように構成された装置、並びに開示される方法の選択された態様をコンピューティングシステムに実行させるように構成されたコンピュータ可読媒体（一時的及び非一時的）に関する。より具体的には、限定するものではないが、本実施形態は、ボリュメトリックコンピュータ断層撮影法（ＶＣＴ）に基づくデータを用いた、部品内の欠陥指標の自動検出に関する。本明細書で用いられる「欠陥指標」又は「指標」は、潜在的に欠陥を有するおそれがあるボリュームの部分又は領域を指すことができる。「指標」という用語が、本明細書では、主に使用される。

工業的検査は、ますます３次元（３Ｄ）ボリュームを使用して行われるようになっている。ＶＣＴスキャンは、例えば検査対象の複合航空機部品について、部品の２Ｄ画像すなわち「スライス」の３Ｄスタックすなわち「ボリューム」を生成するために実行される。人間のオペレータは、次に、各２Ｄスライドを個別に精査して、ポロシティ問題及び層間剥離などの、複合材部品に典型的に見られる欠陥の指標を特定することができる。

３Ｄモデルのスライスごとの２Ｄ検査は、時間がかかり、労力を要し、及び／又はエラーが発生しやすい。ボリューム全体に欠陥があるか否かを判断するために、オペレータが３Ｄボリュームの多くの２Ｄスライスを単独に、及び互いに関連して精査する必要があり得る。例えばオペレータは、複数の２Ｄ画像にわたるグレースケールの微妙な変化を観察する必要があり得る。この処理は、時間がかかり、面倒で、エラーを起こしやすい。この解析は、オペレータによって、また、例えばオペレータの疲労に起因して、オペレータのシフトの段階によっても大きく変化することになるだろう。

欠陥指標の検出の態様を自動化する従来の試みは、様々な問題がある。例えばビームハードニング及び散乱アーティファクトを低減するために、部品のピクセル又は３Ｄボリュームのボクセルは、「標準」、例えばアルミニウムロッドに対して「正規化」にされている。しかし、視野にロッドを付加することは、画像を劣化させるおそれがあり、このアプローチは、直線的なコンピュータ断層撮影法（ＣＴ）スキャンでのみ機能し、ＶＣＴでは機能しない。そのうえ、このアプローチは、部品の形状と標準の形状との間の幾何学的分散をほとんど又はまったく必要としない。

上述した課題及び問題に鑑みて、欠陥検出処理のできるだけ多くのステップを自動化することが望ましく、そうすれば、オペレータはミスを起こすことが減り、シフト当たりより多くの部品を精査することができるようになり、部品検査はオペレータ間及びシフト間でより一貫したものになる。

独国特許出願公開第１０２０１３１０４７２０号明細書

一態様によれば、複合材部品内の潜在的欠陥をユーザに通知するためのＶＣＴ式方法は、複合材部品の３Ｄボリュームを表現するＶＣＴスキャンデータを取得するステップと、ビームハードニング及び／又は散乱アーティファクトを含む複合材部品の生成された背景に対して、３Ｄボリュームを正規化するステップと、正規化した３Ｄボリューム内の潜在的欠陥の指標を検出するステップと、指標に関する情報をユーザに出力するステップとを含むことができる。

別の態様によれば、複合材部品の潜在的欠陥をユーザに通知するためのＶＣＴ式方法は、１以上のコンピュータネットワークを介して、関連する複数の部品を表現するデータをＶＣＴ取得装置からインポートするステップと、インポートしたデータから、関連する複数の部品のうちの個々の部品を表現するデータのサブセットをセグメンテーションするステップと、サブセット内の潜在的欠陥の指標を特定し分類するための、支援欠陥認識を実行するステップと、特定し分類した潜在的欠陥の指標をオペレータに報告するステップとを含むことができる。

様々な実施形態では、装置は、上述した方法の選択された態様を実行するように構成することができる。様々な実施形態では、コンピュータ可読媒体（一時的及び非一時的）は、１以上のコンピューティングデバイスに、上述した方法の選択された態様を実行させるように構成された命令を含むことができる。

以上概説した特徴のすべては、例示的なものとしてのみ理解されるべきであって、本方法の多くのさらなる特徴及び目的を本明細書の開示から集めることができる。したがって、この概要についての限定的解釈は、本出願に含まれる、明細書全体、特許請求の範囲、及び図面をさらに読むことなく理解すべきではない。

実施形態を以下の図面に示す。

様々な実施形態による、部品内の潜在的欠陥の指標をオペレータに通知するＶＣＴ式方法の操作を示すフローチャートである。 様々な実施形態による、部品内の潜在的欠陥の指標をオペレータに通知するＶＣＴ式方法の一実施形態の操作を示す別のフローチャートである。 様々な実施形態による、様々な正規化技法により得られた例示的な結果を示す図である。 様々な実施形態による、複合材部品のプライモデルを示す図である。 様々な実施形態による、図４のプライモデルに基づいて生成された例示的なベクトル場を示す図である。 様々な実施形態による、部品内の潜在的欠陥の指標をオペレータに通知する方法の実施形態の操作を示すフローチャートである。 様々な実施形態による、部品内の潜在的欠陥の指標をオペレータに通知する方法の実施形態の操作を示すフローチャートである。 様々な実施形態による、本明細書に記載された様々な方法の選択された態様を実行するように構成され得るコンピューティングデバイスの例示的な構成要素を概略的に示す図である。

ここで提供する実施形態を詳細に参照するが、それの１以上の実施例を図面に示す。各実施例は、説明のために提供されており、開示される実施形態を限定するためではない。実際、本開示の範囲又は趣旨を逸脱せずに、様々な修正及び変更が本実施形態では可能であることは、当業者にとって明らかであろう。例えば一実施形態の一部として図示又は記載する特徴は、別の実施形態と共に用いて、さらに別の実施形態を得ることができる。したがって、本発明は、添付の請求の範囲及びそれらの等価物の範囲に入るこのような修正及び変更を包括することが意図されている。

図１は、部品内の潜在的欠陥の指標をユーザに通知するための例示的なＶＣＴ式方法１００を、相対的に高いレベルで、概略的に示す。方法１００の様々な態様について、本明細書において以下でより詳細に示し説明する。ブロック１０２で、例えばＶＣＴスキャンシステムに１以上の部品を供給することにより、ＶＣＴデータを取得することができる。ブロック１０４で、ＶＣＴデータは、本開示の選択された態様で構成されたコンピューティングシステム（例えば図８の符号８００）によりアクセス可能なデータベース又は他のメモリにインポートすることができる。ブロック１０６で、インポートしたデータは、例えば部品ごとにセグメンテーションすることができる。例えば３Ｄボリュームに関連するデータは、他の部品のボリュームを表すデータから分離され、さもなければそれと区別することができる。いくつかの実施形態では、接続されたボリュームを選択し、抽出し、オートクロップすることができる。

ブロック１０８で、支援欠陥認識（ＡＤＲ）を実行することができる。以下でより詳細に説明するように、様々な実施形態では、ＡＤＲは、３Ｄボリュームのボクセルをそれ自体に対して正規化すること、様々な技術を使用してボリュームのノイズを除去すること、並びに、領域成長などの技術を使用して潜在的欠陥の指標を検出及び／又は分類することを含むことができる。ブロック１１０で、ブロック１０８で実行された解析に基づいて、検査対象の部品が所定の基準を満たしているか否かを判定することができる。その答えが「はい」である場合（例えば部品が潜在的欠陥の指標を示さない）場合には、その部品がパスしたという指標を、例えば「パス」データベースに記憶することができる。

一方、ブロック１１０の答えが「いいえ」である場合には、ブロック１１２で、様々な情報をオペレータに報告することができ、オペレータは、潜在的欠陥をより細かく精査して、部品が本当に故障しているのか、或いは自動的に認識された指標が十分軽微であって部品をパスさせるべきか、を判定することができる。例えばいくつかの実施形態では、コンピューティングシステムは、例えばディスプレイ上に、部品の３Ｄ指標を、検出された指標をその上に重畳して、或いはその指標の上に描画して、描画することができる。さらに又は代わりに、いくつかの実施形態では、指標に関連する信号強度などの指標に関するデータをオペレータに提供することができる。様々な実施形態では、「信号強度」は、その指標が棄却される可能性の程度を示す測定値を指すことができる。百分率低下（例えば隣接するボクセルから）、信号対雑音比、雑音比に対する対比、及び振幅などの様々な測定値を用いることができる。

ブロック１１４では、ブロック１１２でオペレータに提供されたデータに基づいて、オペレータは、部品をパスさせるか（例えば指標が決定的な性質ではない）、或いはそれをフェイルさせるかを判定することができる。オペレータは、コンピューティングシステムに入力を行うことができ、コンピューティングシステムは部品がパスしたかフェイルしたかどうかの指標を記憶することができる。１以上のコンピューティングシステムによって操作１０８〜１１２を自動的に実行することにより、部品内に潜在的欠陥の指標があるか否かを判定するために、３Ｄボリュームのすべての２Ｄスライスを、単独で及び隣接するスライスに関連して精査する必要からオペレータが免れることができる。

図２は、図１の方法１００の一部として実施することができる方法２００のより低いレベルの概略図である。ブロック１０６（セグメンテーション）は、図２の操作が方法１００のどこで生じ得るか（必須ではないが）を説明するために再び示している。図２のブロック１０６の下方に示すように、セグメンテーションは、接続されたボリュームを選択する（例えば接続された複数のボリュームから）こと、そのボリュームを抽出すること、及び、他の接続されたボリュームの部分が除去されるように、そのボリュームをオートクロップすることを含むことができる。様々な実施形態では、ブロック１０６に関連する操作の出力は、検査用の単一部品の３Ｄボリュームを含むことができる。

ブロック２２０で、オートクロップされたボリュームは、ビームハードニング及び散乱のような現象によって導入されたアーティファクトを低減及び／又は除去するために正規化することができる。様々な実施形態では、ボリュームは、それ自体に対して正規化することができる。例えば様々な実施形態では、部品の３Ｄ「背景」ボリュームを生成することができる。背景モデルは、例えばノンローカルミーンフィルタ（non-local means filter）を使用して、ビームハードニング及び／又は散乱アーティファクト、並びにエッジが保存されるように、平滑化することができる。次に、部品の３Ｄボリュームのボクセルを、ボクセルごとに背景ボリュームに対して正規化することができる。例えばいくつかの実施形態では、背景ボリュームを部品の３Ｄボリュームから減算して、ビームハードニング及び散乱アーティファクトを効果的に除去することができる。ブロック２２０に関連して実行される操作は、「アーティファクト除去」と呼ぶこともできる。いくつかの実施形態では、ブロック２２０に関連する様々な操作の出力は、前処理された部品であってもよい。

図３は、ＶＣＴスキャナに固定されたハンガーカットアウトを有する部品のＶＣＴスキャンを正規化することによる例示的な結果３００を示す。固定具及びカットアウトは、正規化に悪影響を及ぼす場合があり、部品が一様な密度であるので、スライスが部品を通して一定であるべきであると予想される。左側では、ＶＣＴスキャンは、標準的なアルミニウムロッドに対して正規化されている。右側では、ＶＣＴスキャンは、図２に関連して説明したように、背景ボリュームを減算することにより正規化されている。２倍のシグマ（２σ）は、右側よりも左側の方がはるかに大きいことが分かる。

図２を再び参照すると、ブロック２２２で、潜在的欠陥の１以上の指標は、正規化されたボリューム内で検出することができる。いくつかの実施形態では、正規化されたボリュームは、最初に「ノイズ除去」することができる。ＶＣＴ数、例えばＣＴスキャン数は、最大ＣＴ経路長に応じて変化し得る。これは、複雑な幾何学的形状に特に当てはまる場合がある。より低い経路長の区間に影響を及ぼすより長い経路長からのノイズを回避するために、かつ、部品の異なる領域における誤検出（フォールスポジティブ）率を回避するために、ＣＴ経路長に対する分散の経験的な知識に基づいて、スライスごとに、部品の３Ｄボリュームのノイズを除去することができる。

いくつかの実施形態では、バイラテラルフィルタを、適応的であっても、そうでなくてもよいが、例えばエッジを保存するために用いることができる。３ＤのＶＣＴボリュームの所与のスライスにおける最大経路長を近似するために、距離マップを算出することができる。平滑化パワーは、類似度値、範囲値（例えば最小エッジ強度）σ_r、及び空間的範囲σ_sによって決定することができる。いくつかの実施形態では、線形回帰モデルは、類似度値及び最大経路長に経験的にフィットすることができる。いくつかの実施形態では、以下の式を用いることができる。

σ_r＝ｍ×ｄ_max＋ｂ
ここで、ｍ及びｂは線形モデルの回帰パラメータであり、ｄ_maxはスライス内の最大経路長である。

検出ブロック２２２に関連する操作は、部品の外部（例えばエッジ）を特定するために使用されるマスクの構築を含むことができる。部品のポロシティは、例えば部品内で全体的に、かつ局所的近傍で決定することができる。いくつかの実施形態では、ブロック２２２に関連する操作は、「シード」すなわちシードボクセルを特定するために用いることができ、シードボクセルは、潜在的欠陥の指標が３Ｄボリューム内のどこに存在し得るかを示すことができる。いくつかの実施形態では、隣接する領域と区別するために、指標を、様々な色相、色、明度などで網掛けすることができる。

様々な実施形態では、潜在的欠陥の指標が検出される３Ｄボリュームの領域は、例えば潜在的欠陥の指標の全体を包含するように、「成長」することができる。シードボクセルから開始して、領域成長アルゴリズムは、様々な基準に基づいて隣接するボクセルを順次評価することにより、シードの周辺の領域を「成長」させるように実行することができる。隣接するボクセルが基準を満たす場合には、それらを加えることができ、それによって、潜在的欠陥の指標の領域を成長させることができる。検出ブロック２２２に関連する領域成長操作は、「ベストエフォート」動作であってもよい。

ブロック２２４で、指標を分類することができる。いくつかの実施形態では、分類は、オペレータに対して提示するのに十分に有意な潜在的欠陥指標を分類することを含む。いくつか実施形態では、分類は、ブロック２２２に関連する操作時に網掛けされたピクセル／ボクセルを解析することを含むことができる。様々な分類判断は、これらの網掛けされたピクセル／ボクセルについて行うことができる。いくつかの実施形態では、網掛けされたピクセル／ボクセルのグループが、複数の別々の欠陥を実際に示しているか否かを判定することができる。いくつかの実施形態では、網掛けされたピクセル／ボクセルの２つの別々のグループが、単一の大きな欠陥を実際に示しているか否かを判定することができる。いくつかの実施形態では、潜在的欠陥指標は、３Ｄボリュームのスライスにより規定される平面に垂直な方向に成長することができる。これらの技術は、誤検出（フォールスポジティブ）を低減又は除去することができる。いくつかの実施形態では、潜在的欠陥の各指標に対する信号領域を特定することができる。また潜在的欠陥の各指標に対する背景領域も特定することができる。

いくつかの実施形態では、潜在的欠陥の指標を、領域成長アルゴリズムを用いて再度成長させることができる。しかし、今度は、部品のコンピュータ支援設計（ＣＡＤ）モデルで定義された境界に沿って、指標を成長させることができる。セラミックマトリクス複合材料などの複合材部品は、層内に組み込まれている場合がある。多くの場合、そのような部品の潜在的欠陥の指標は、層を横断して延在していない。複合材部品のこの特性は、領域成長の際に誘導及び／又は支援するために活用することができる。シードボクセルと同じプライ上のボクセルは、隣接するプライ上のボクセルよりも、領域成長の基準をよりいっそう満足しやすくなる場合がある。

図４は、部品４０２のプライモデル画像４００の実施例を示す。図５は、図４の積層プライモデルから生成することができるベクトル場５００を示す。様々な実施形態では、評価対象となる各ボクセルｖ_iは、潜在的欠陥の指標が成長しにくい方向（例えば隣接層に向かって）を示すベクトル場のベクトルＦ_iに関連づけることができる。評価対象の各ボクセルｖ_iについて、ｖ_iからソースボクセルｖ_jへの成長方向Ｇ_iは、Ｇ_i＝ｖ_i−ｖ_jにより算出することができる。様々な実施形態では、ユーザは、所与のボクセルｖ_iを成長領域に追加すべきかどうかを評価するための２対のしきい値を提供することができる。一方の対は、成長方向Ｇ_iに直交する粗い基準（例えば粗い最小値及び粗い最大値）とすることができる。他方の対は、成長方向Ｇ_iと平行であるより厳密で微細な基準（例えば微細な最小値及び微細な最大値）とすることができる。それぞれの場合に、最小値は、現ピクセル／ボクセルより小さくなるように選択することができ、最大値は、現ピクセル／ボクセルより大きくなるように選択することができる。いくつかの実施形態では、結合された基準Ｃは次式で決定することができる。

Ｃ＝（１−α）×Ｃ₁＋α×Ｃ₂
ここで、αは成長方向Ｇ_iとベクトル方向Ｆ_iとの内積であり、Ｃ₁は緩い一対のしきい値であり、Ｃ₂は厳密な一対のしきい値である。Ｃは、評価対象のボクセルについて動的に生成されたしきい値であってもよい。

様々な実施形態では、潜在的欠陥の１つの指標に関連する１つのシードボクセルで開始する１つの領域成長処理は、別の指標に関連する別のシードボクセルで開始する別の領域成長処理と相互作用又は干渉することがない。したがって、様々な実施形態では、各シードボクセルの領域成長処理は、マルチスレッド環境のそれ自体のスレッドでそれぞれ実行することができる。いくつかの実施形態では、ブロック２２４に関連する操作の出力は、指標の境界を含むことができる。

図２に戻ると、ブロック２２６で、ブロック２２４に関連する操作による出力された指標の境界内の潜在的欠陥の指標は、例えば潜在的欠陥の指標に対処する方法を決定するのに十分なデータをオペレータに提供するために、測定することができる。各指標に対して、フェレ径を決定することができる。信号強度は、例えばブロック２２４に関連する操作で特定された各指標の背景に基づいて、同様に算出することができる。隣接するＣＴピクセル／ボクセル値からの百分率低下（又は他の信号強度測定値）を決定することができる。

いくつかの実施形態では、指標がオペレータによる精査のためにフラグを付けるに値するかどうかを決定するために、「ゾーニング規則」も適用することができる。ゾーニング規則は、部品の異なる領域（すなわち「ゾーン」）ごとに異なる排除基準を含むことができる。例えば部品の第１の領域で検出された指標は、下流側でトラブルを起こす可能性が少ない場合があるが、それは、例えばその領域内の欠陥が下流側の性能に影響を与えることが少ないからである。しかし、第２の領域（例えば部品の非常に薄い、又は脆弱な部分、或いは高い内部残留応力のゾーン）で検出された指標は、部品の故障などの下流側の性能の問題を引き起こす可能性が高い。このように、第１及び第２の領域の指標についてそれぞれ異なる基準を用いて、それらの指標をオペレータに通知するか否かを判定することができる。

様々な実施形態では、ブロック２２６に関連する操作の出力は、様々な形式の、オペレータに対する１以上のレポートであってもよい。いくつかの実施形態では、部品の３Ｄボリュームをディスプレイデバイス上に描画することができる。上述したゾーニング規則を満たす任意の指標は、３Ｄボリューム上に重畳するか、或いは描画することができる。さらに又は代わりに、各指標に関する生データ、例えばその信号強度、隣接するボクセルからの百分率低下などは、例えばスプレッドシートで、オペレータに報告することができる。それからオペレータは、各指標に関する判定（例えばそれは部品を排除するのに十分なほど有意か？）を行うために、この出力データを使用することができる。

図６は、指標を検出してオペレータのためにフラグを付けるための例示的な処理６００を、図１又は図２よりも詳細に示す。ブロック６０２で、部品マスクを生成することができ、ホール充填及び収縮画像処理操作を実行することができる。ブロック６０４で、例えば３Ｄモデル及び生成された背景をＺドメイン（例えば平均及び標準偏差）に変換するために、Ｚドメイン変換を実行することができ、そうして、それらを正確に結合することができる。いくつかの実施形態では、この変換は、以下のような式を用いて行うことができる。

Ｚ_slice＝（ｘ−μ）／σ
ここで、ｘは１つのものを表し、μはスライスの平均を表し、σはスライスの標準偏差を表す。

ブロック６０６で、部品の３Ｄボリュームは、例えば非局所平均（図６では「ＮＬＭ」）フィルタを使用して、図２のブロック２２０に関連する操作に関して上述したように自己正規化することができる。上述したように、いくつかの実施形態では、Ｚ結合操作はまた、３Ｄボリューム及び算出された背景ボリュームを用いて実行することができる。例えば部品の３Ｄボリューム及び生成された背景の両方を、Ｚドメインで減算することができる。ブロック６０８で、逆Ｚ変換（Ｚ^-1）を３Ｄボリューム上で実行することができる。

ブロック６１０で、図２のブロック２２２に関連して上述したノイズ除去は、例えば上述した適応的バイラテラルフィルタを用いて実行することができる。ブロック６１２で、平均及び標準偏差などのＺ統計をスライスごとに算出することができる。

ブロック６１４で、全体的なポロシティを算出することができる。例えばいくつかの実施形態では、前処理されたボリュームに対して、全体的なしきい値の算出を実行することができる。ブロック６１６で、例えばトップハット変換を算出して、次にその結果をしきい値と比較することにより、局所的なポロシティを算出することができる。ブロック６１８で、材料領域、すなわち、欠陥がほとんど又はまったく発見されない可能性がある画像の領域を定義することができる。

ブロック６２０で、シード領域（例えばシードボクセルで開始する）を、上述したように成長させることができる。いくつかの実施形態では、勾配及び／又は分水嶺画像処理技術を、領域を成長させるために用いることができる。ブロック６２２で、様々な基準を満たしていない潜在的欠陥の指標は、フィルタリングにより除去することができる。ブロック６２４で、潜在的欠陥の残りの指標に対する背景を算出することができる。ブロック６２６で、潜在的欠陥の各指標に対する信号強度（例えば百分率低下、又は「ＳＢＲ」）を、例えば以下のような式を用いて算出することができる。

ＳＢＲ＝（μ_b−σ_min）／μ_b
ここで、μ_bは平均を表し、σ_minは標準偏差を表す。ブロック６２８で、信号強度の百分率低下を、例えばオペレータに報告することができるので、オペレータはさらにどのような操作を行うべきか決定することができる。

図７は、図６の方法６００に非常に類似した方法７００を示し、したがって、大部分のブロックには同じ符号を付している。しかし、方法６００のブロック６２０は、ブロック７２０に置き換えられており、そこでは、領域を成長させるために、上述したようにプライ複合モデルと共に方向ベクトルが使用される。さらに、ブロック６２２がブロック７２２に置き換えられており、そこでは、上述したように、部品の様々なゾーン、並びに各ゾーンに関連するゾーニング基準により、適用不可能な指標がフィルタリングされる。最後に、新しい操作７２７が追加され、そこでは、各指標の様々な測定値（例えばフェレ径、湾曲幅）を算出することができる。

図８は、方法１００、２００、６００、及び７００の選択された態様を含むがこれに限定されない、選択された本開示の様々な態様を実施するように構成され得る例示的なコンピューティングシステム８００を示す。コンピューティングシステム８００は、様々な計算構成要素を動作可能に接続するために使用することができる１以上のバス８０１を含むことができる。様々な計算構成要素は、これらに限定されないが、１以上のプロセッサ８０２、メモリ８０４（ＲＡＭ、ＲＯＭ、ＨＤなど）、１以上の入力／出力デバイス８０６（例えばキーボード、マウス、ディスプレイ、プリンタなど）、並びに１以上の通信インターフェース８０８（例えば有線又は無線）などを含むことができる。様々な実施形態では、コンピューティングシステム８００は、例えば通信インターフェース８０８を介して、ＶＣＴスキャンシステム（図示せず）からＶＣＴスキャンデータを受け取ることができ、オペレータの精査のために部品内の指標にフラグを付ける、本開示の選択された態様を実行することができる。

構造及び方法についての上記の説明は、例示の目的で提示したものである。それは網羅的なものではなく、また構造及び方法を開示された正確な形態及び／又はステップに限定するものでもなく、明らかに多くの修正及び変形が上記の教示に照らして可能である。本明細書に記載された特徴は、任意の組合せで組合せることができる。本明細書に記載された方法のステップは、物理的に可能な任意の順序で実行することができる。複合構造の特定の形態を図示し説明したが、これに限定されず、代わりに、添付した特許請求の範囲によってのみ限定されることが理解される。

複数の本発明の実施形態を本明細書において説明し図示しているが、当業者であれば、機能を実行するための、並びに／又は、結果及び／又は本明細書に記載された利点のうちの１つもしくは複数を得るための、様々な他の手段及び／又は構造を容易に想定するであろうし、そのような変形及び／又は修正の各々は、本明細書に記載された実施形態の範囲内であるとみなされる。より一般的には、当業者であれば、本明細書に記載されたすべてのパラメータ、寸法、材料、及び構成は、例示的であることを意味しており、実際のパラメータ、寸法、材質、及び／又は構成は、本発明の教示が用いられる特定の用途に依存することを容易に理解するであろう。当業者であれば、日常的な実験のみを用いて、本明細書に記載した特定の発明の実施形態に対する多くの均等物を認識し、又は確認することができる。したがって、上記の実施形態は例としてだけ示されており、添付の特許請求の範囲及びその均等物の範囲内で、本発明の実施形態を、具体的に記載し、特許請求したもの以外の方法で実施することができることを理解されたい。本開示の発明の実施形態は、本明細書に記載されたそれぞれ個別の特徴、システム、物品、材料、キット、及び／又は方法を対象とする。さらに、２つ以上のそのような特徴、システム、物品、材料、キット、及び／又は方法の任意の組合せは、そのような特徴、システム、物品、材料、キット、及び／又は方法が相互に矛盾しない場合には、本開示の発明の範囲内に含まれる。

実施例は、実施形態を開示するために用いられており、最良の形態を含んでいる。また、いかなる当業者も装置及び／又は方法を実施することができるように実施例を用いており、任意のデバイス又はシステムを製作し使用し、任意の組み込まれた方法を実行することを含んでいる。これらの実施例は、網羅的なものではなく、また本開示を開示された正確なステップ及び／又は形態に限定するものでもなく、多くの修正及び変形が上記の教示に照らして可能である。本明細書に記載された特徴は、任意の組合せで組合せることができる。本明細書に記載された方法のステップは、物理的に可能な任意の順序で実行することができる。

本明細書で定義し、かつ使用するすべての定義は、辞書の定義、参照により組み込まれた文書における定義、及び／又は定義される用語の通常の意味で制御するように理解されるべきである。明細書及び特許請求の範囲で使用される単数の表現は、特に明示されない限り、「少なくとも１つ」を意味すると理解すべきである。本明細書及び特許請求の範囲で使用されるフレーズ「及び／又は」は、結合された要素の「いずれか又は両方」、すなわち、ある場合には共に存在し、他の場合には分離して存在する要素を意味することを理解されたい。

また、特に明示されない限り、２つ以上のステップ又は動作を含む、特許請求されたいずれの方法においても、方法のステップ又は動作の順序は、方法のステップ又は動作が記載された順序に必ずしも限定されないことを理解されたい。

Claims (15)

1. 複合材部品内の潜在的欠陥の通知を提供するための、ボリュメトリックコンピュータ断層撮影法（ＶＣＴ）に基づく方法であって、
   複合材部品の３次元（３Ｄ）ボリュームを表現するＶＣＴスキャンデータを取得するステップ（１０２）と、
   ビームハードニング及び／又は散乱アーティファクトを含む複合材部品の生成された背景に対して、３Ｄボリュームを正規化するステップ（２２０）と、
   正規化した３Ｄボリューム内の潜在的欠陥の指標を検出するステップ（２２２）と、
   指標に関する情報を出力するステップ（１１２）と
   を含むＶＣＴ式方法。
2. 出力するステップは、ディスプレイ（８０６）上で、指標を含む複合材部品の３Ｄ画像を描画するステップを含む、請求項１に記載のＶＣＴ式方法。
3. コンピュータ支援設計（ＣＡＤ）モデルに少なくとも部分的に基づいて、検出された指標の境界を決定するステップ（２２４）をさらに含み、
   指標に関する情報は、境界に関する情報を含む、請求項１に記載のＶＣＴ式方法。
4. 指標のシードボクセルを特定するステップ（２２２）と、
   シードボクセルの周囲で領域成長を実行するステップ（６２０，７２０）とをさらに含む、請求項３に記載のＶＣＴ式方法。
5. ＣＡＤモデルは、複合材部品のプライモデル（４００）であり、シードボクセルの周辺の領域の成長は、プライモデルによって制約される、請求項４に記載のＶＣＴ式方法。
6. 適応的バイラテラルフィルタを用いて、正規化した３Ｄボリュームをノイズ除去するステップ（６１０）をさらに含む、請求項１に記載のＶＣＴ式方法。
7. ノンローカルミーンフィルタを用いて、正規化した３Ｄボリュームをノイズ除去するステップ（６０６）をさらに含む、請求項１に記載のＶＣＴ式方法。
8. 指標の信号領域を特定するステップ（２２４）と、
   コンピュータ支援設計（ＣＡＤ）モデルに基づいて指標の背景を特定するステップ（２２０）とをさらに含む、請求項１に記載のＶＣＴ式方法。
9. 信号領域及び指標の背景に基づいて、指標の信号強度を算出するステップ（２２６）をさらに含む、請求項８に記載のＶＣＴ式方法。
10. 正規化するステップは、複合材部品の部品マスクを生成するステップ（６０２）を含む、請求項９に記載のＶＣＴ式方法。
11. 複合材部品の３Ｄボリュームから複合材部品の生成された背景（２２０）を減算するステップをさらに含む、請求項１０に記載のＶＣＴ式方法。
12. 検出するステップは、３Ｄボリュームの全体的ポロシティ及び局所的ポロシティを算出するステップ（２２２）を含む、請求項１に記載のＶＣＴ式方法。
13. 複合材部品内の潜在的欠陥をユーザに通知するためのシステム（８００）であって、
    １以上のプロセッサ（８０２）と、
    １以上のプロセッサに動作可能に接続されたメモリ（８０４）と
    を備えていて、メモリが、１以上のプロセッサによる命令の実行に応答して、１以上のプロセッサに、
    １以上のコンピュータネットワークを介して、関連する複数の部品を表現するデータをＶＣＴ取得装置からインポート（１０４）し、
    インポートしたデータから、関連する複数の部品のうちの個々の部品を表現するデータのサブセットをセグメンテーション（１０６）し、
    データのサブセット内の潜在的欠陥の指標を特定し分類するための、支援欠陥認識を実行（１０８）し、
    特定し分類した潜在的欠陥の指標をオペレータに報告（１１２）する
    命令を含んでいる、システム（８００）。
14. 支援欠陥認識は、散乱又はビームハードニングアーティファクトを含む個々の部品の生成された背景ボリュームに対するデータのサブセットの正規化（２２０）を含む、請求項１３に記載のシステム（８００）。
15. 支援欠陥認識は、適応的バイラテラルフィルタ又はノンローカルミーンフィルタを用いたデータのサブセットのノイズ除去（２２２）を含む、請求項１３に記載のシステム（８００）。