JPH0695076B2 - 神経回路網による鋼板表面疵検査方法 - Google Patents
神経回路網による鋼板表面疵検査方法Info
- Publication number
- JPH0695076B2 JPH0695076B2 JP28436189A JP28436189A JPH0695076B2 JP H0695076 B2 JPH0695076 B2 JP H0695076B2 JP 28436189 A JP28436189 A JP 28436189A JP 28436189 A JP28436189 A JP 28436189A JP H0695076 B2 JPH0695076 B2 JP H0695076B2
- Authority
- JP
- Japan
- Prior art keywords
- range
- output
- differential
- neural network
- small
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、反射光波形による、神経回路網を用いた鋼板
の表面疵検査方法に関する。
の表面疵検査方法に関する。
鋼板の表面疵の検査には、反射光による方法が広く用い
られている。レーザ光を鋼板表面に投射し、反射光を光
電変換し、その変換出力（電圧波形）またはその微分出
力を閾値と比較し、閾値以上なら疵とする、は代表的な
方法である。
られている。レーザ光を鋼板表面に投射し、反射光を光
電変換し、その変換出力（電圧波形）またはその微分出
力を閾値と比較し、閾値以上なら疵とする、は代表的な
方法である。
閾値以外のものを用いる方法としては特開昭62−278403
がある。これは鋼板表面にレーザ光を投射し、反射光を
光電変換し、その平均電圧から表面粗度を求める。粗度
が高いと反射光は散乱光となり、光電変換出力は下るか
ら、予め粗度と光電変換出力との関係を求めておくと、
この関係より、光電変換出力で粗度を知ることができ
る。
がある。これは鋼板表面にレーザ光を投射し、反射光を
光電変換し、その平均電圧から表面粗度を求める。粗度
が高いと反射光は散乱光となり、光電変換出力は下るか
ら、予め粗度と光電変換出力との関係を求めておくと、
この関係より、光電変換出力で粗度を知ることができ
る。
また特開昭62−235511は被検査体にレーザ光を投射し、
表面状態が異常な所（表面欠陥や凹凸のある所）では反
射光の入射点が正常時よりΔＸだけずれるのを利用し
て、該表面状態を検出する。
表面状態が異常な所（表面欠陥や凹凸のある所）では反
射光の入射点が正常時よりΔＸだけずれるのを利用し
て、該表面状態を検出する。
従来の鋼板表面疵の検査では、反射光の光電変換出力を
閾値で判別して疵あり／なしとするのが一般的であり、
この方法では絶対的な反射光強度による疵判定であるか
ら、鋼種間の反射程度の差異や地合の影響が考慮されな
い。閾値は、これを低く設定すると疵ではないが反射が
やゝ異常な部分を疵と誤検出し（過検出）、またこれを
高く設定すると疵であるのにこれを疵として検出しない
ケース（見逃し）が増加する。従って閾値は適切な値に
設定する必要があるが、鋼種や地合などによって変わる
から、適切な値の選定、調整が困難で、この方式では判
定精度に難がある。また、検出すべき疵種類が変化した
場合、それに速応できないという問題がある。
閾値で判別して疵あり／なしとするのが一般的であり、
この方法では絶対的な反射光強度による疵判定であるか
ら、鋼種間の反射程度の差異や地合の影響が考慮されな
い。閾値は、これを低く設定すると疵ではないが反射が
やゝ異常な部分を疵と誤検出し（過検出）、またこれを
高く設定すると疵であるのにこれを疵として検出しない
ケース（見逃し）が増加する。従って閾値は適切な値に
設定する必要があるが、鋼種や地合などによって変わる
から、適切な値の選定、調整が困難で、この方式では判
定精度に難がある。また、検出すべき疵種類が変化した
場合、それに速応できないという問題がある。
本発明はかゝる点を改善し、反射光の光電変換出力か
ら、疵を包括する２つの狭い範囲A,A′および該範囲A,
A′を包括する広い範囲Ｂの変換出力から特徴量を求
め、これより、特に神経回路網を用いて、疵判定して、
閾値の選択に悩まされることなく、過検出や見逃しを回
避することができる疵検査方法を提供することを目的と
するものである。
ら、疵を包括する２つの狭い範囲A,A′および該範囲A,
A′を包括する広い範囲Ｂの変換出力から特徴量を求
め、これより、特に神経回路網を用いて、疵判定して、
閾値の選択に悩まされることなく、過検出や見逃しを回
避することができる疵検査方法を提供することを目的と
するものである。
本発明では鋼板表面をレーザ光で走査し、その反射光を
光電変換し、更にA/D変換し、鋼板の疵部分に相当する
小範囲ＡおよびＡ′とその複数個を包含する大範囲（鋼
板幅またはその複数分の１の範囲）における該変換出力
から、反射光波形を代表する複数個の特徴量を算出す
る。
光電変換し、更にA/D変換し、鋼板の疵部分に相当する
小範囲ＡおよびＡ′とその複数個を包含する大範囲（鋼
板幅またはその複数分の１の範囲）における該変換出力
から、反射光波形を代表する複数個の特徴量を算出す
る。
この複数個の特徴量を、入力層のノード数は該複数個と
同数、出力ノード層は疵有り／無しに対応させて１つと
し、そして予め学習させた神経回路網に加え、該回路網
より疵有／無出力を生じさせる。
同数、出力ノード層は疵有り／無しに対応させて１つと
し、そして予め学習させた神経回路網に加え、該回路網
より疵有／無出力を生じさせる。
特徴量としては２次平均、３次平均、微分レンジなどが
あるが、次式で表わされる正規化２次平均 と正規化微分レンジｘDRS,x′DRSが適当である。
あるが、次式で表わされる正規化２次平均 と正規化微分レンジｘDRS,x′DRSが適当である。
ｘDRS＝ｘDR／σxDR ｘ′DRS＝ｘ′DR／σxDR 〔作用〕 この鋼板表面疵検査では、２つの小範囲A,A′および大
範囲Ｂにおける変換出力からの特徴量算出、得られた特
徴量の神経回路網への印加で疵有／無出力が得られ、従
来法のように閾値はどこに設定するかの問題はない。ま
た誤検出と過検出を共に僅小にすることが可能で、従来
法のように閾値を高く設定すれば誤検出が多発し、閾値
を低く設定すれば過検出が多発するという問題が悩まさ
れることがない。
範囲Ｂにおける変換出力からの特徴量算出、得られた特
徴量の神経回路網への印加で疵有／無出力が得られ、従
来法のように閾値はどこに設定するかの問題はない。ま
た誤検出と過検出を共に僅小にすることが可能で、従来
法のように閾値を高く設定すれば誤検出が多発し、閾値
を低く設定すれば過検出が多発するという問題が悩まさ
れることがない。
本発明の実施例を第１図に示す。10は検査対象である鋼
板、11はレーザ発振器、12はレーザ光、13はそのレシー
バである。例えば鋼板10が矢印方向F1で示す鋼板長手方
向に移動し、レーザ光が矢印F2で示す鋼板幅方向に往復
移動することにより、鋼板10の全表面が走査される。レ
シーバ13は光ファイバとその両端の受光素子（フォトマ
ル）からなり、鋼板に投射されたレーザ光の反射光が光
ファイバに入射し、その光電変換出力を両端の受光素子
が出力する。この型のレシーバは反射光の入射位置従っ
て鋼板上の走査位置情報も与える。
板、11はレーザ発振器、12はレーザ光、13はそのレシー
バである。例えば鋼板10が矢印方向F1で示す鋼板長手方
向に移動し、レーザ光が矢印F2で示す鋼板幅方向に往復
移動することにより、鋼板10の全表面が走査される。レ
シーバ13は光ファイバとその両端の受光素子（フォトマ
ル）からなり、鋼板に投射されたレーザ光の反射光が光
ファイバに入射し、その光電変換出力を両端の受光素子
が出力する。この型のレシーバは反射光の入射位置従っ
て鋼板上の走査位置情報も与える。
レシーバ13の出力は微分回路21で微分されたのち、A/D
変換器22でA/D変換される。第２図（ａ）はレシーバ出
力を示し、（ｂ）はその微分出力である。Ｂは鋼板の板
幅を示し、レシーバ出力は板端で立上り／立下り、また
疵位置で凹陥部を作る。A/D変換器22は（ｂ）の微分波
形を極めて短い周期（20〜100nS）でサンプリングして
（ｃ）の如きアナログ量を得、これを本例では８ビット
のデジタル値に変換する。
変換器22でA/D変換される。第２図（ａ）はレシーバ出
力を示し、（ｂ）はその微分出力である。Ｂは鋼板の板
幅を示し、レシーバ出力は板端で立上り／立下り、また
疵位置で凹陥部を作る。A/D変換器22は（ｂ）の微分波
形を極めて短い周期（20〜100nS）でサンプリングして
（ｃ）の如きアナログ量を得、これを本例では８ビット
のデジタル値に変換する。
このようにして採取したデータから特徴量を計算する。
特徴量としては２次平均と微分レンジを用いこれを疵を
包括する小範囲Ａと、該小範囲Ａと隣り合う同じ大きさ
の小範囲Ａ′と、該小範囲ＡおよびＡ′を包括する広範
囲Ｂにつき算出する。第２図（ａ）では範囲Ｂは全板幅
とするが、これは板幅の1/2,1/3などでもよい。1/2,1/3
……にする場合は第１図の装置を２組、３組……設け
て、鋼板表面を２分割、３分割、……して検査（並行同
時検査）するとよい。範囲A,A′は、予想される大きさ
の疵を十分包含する微小範囲（例えば5mm幅）とし、範
囲Ｂには複数個の範囲Ａが含まれる。範囲A,A′は隣り
合うものであるが、該範囲A,A′のとり方は図２（ｄ）
の如く前回の範囲Ａ′の１つ前の範囲を次回の範囲
Ａ′、前回の範囲Ａ′を次回の範囲Ａとする方法と、図
２（ｄ）の如く前回の範囲Ａ′の２つの前を次回の範
囲Ａ′、前回の範囲Ａ′の１つ前を次回の範囲Ａとする
方法がある。範囲A,A′,Bの２次平均2,′2,2all
は次式で表わされる。
特徴量としては２次平均と微分レンジを用いこれを疵を
包括する小範囲Ａと、該小範囲Ａと隣り合う同じ大きさ
の小範囲Ａ′と、該小範囲ＡおよびＡ′を包括する広範
囲Ｂにつき算出する。第２図（ａ）では範囲Ｂは全板幅
とするが、これは板幅の1/2,1/3などでもよい。1/2,1/3
……にする場合は第１図の装置を２組、３組……設け
て、鋼板表面を２分割、３分割、……して検査（並行同
時検査）するとよい。範囲A,A′は、予想される大きさ
の疵を十分包含する微小範囲（例えば5mm幅）とし、範
囲Ｂには複数個の範囲Ａが含まれる。範囲A,A′は隣り
合うものであるが、該範囲A,A′のとり方は図２（ｄ）
の如く前回の範囲Ａ′の１つ前の範囲を次回の範囲
Ａ′、前回の範囲Ａ′を次回の範囲Ａとする方法と、図
２（ｄ）の如く前回の範囲Ａ′の２つの前を次回の範
囲Ａ′、前回の範囲Ａ′の１つ前を次回の範囲Ａとする
方法がある。範囲A,A′,Bの２次平均2,′2,2all
は次式で表わされる。
こゝでｙｉは位置ｘｉにおけるA/D変換値、ｘｓ,xｅは
範囲Ｂの始、終端のｉ値、i0,i0＋ａは範囲Ａの始、終
端のｉ値、E1,E2は範囲A,B内のｙの個数の逆数である。
範囲A,A′,Bの微分レンジｘDR,x′DR,xDRallは、 ｘDR＝ABS（maxｙi1−minｙi1） ……（４） i0＜i1＜i0＋ａ ｘ′DR＝ABS（maxｙi1′−minｙi1′） ……（５） i0＋ａ＜i1′＜i0＋2a ｘDRall＝ABS（maxｙi2−minｙi2） ……（６） ｘｓ＜i2＜ｘｅ 範囲Ｂの微分レンジを計算し、過去のデータから標準偏
差σxDRを次式により計算し、新たに微分レンジを得る
毎にこれを更新する。
範囲Ｂの始、終端のｉ値、i0,i0＋ａは範囲Ａの始、終
端のｉ値、E1,E2は範囲A,B内のｙの個数の逆数である。
範囲A,A′,Bの微分レンジｘDR,x′DR,xDRallは、 ｘDR＝ABS（maxｙi1−minｙi1） ……（４） i0＜i1＜i0＋ａ ｘ′DR＝ABS（maxｙi1′−minｙi1′） ……（５） i0＋ａ＜i1′＜i0＋2a ｘDRall＝ABS（maxｙi2−minｙi2） ……（６） ｘｓ＜i2＜ｘｅ 範囲Ｂの微分レンジを計算し、過去のデータから標準偏
差σxDRを次式により計算し、新たに微分レンジを得る
毎にこれを更新する。
σxDRの計算方法としては、他の特徴量の計算と同期し
て毎回計算を行なう他、サンプルデータから得られた値
を用いて計算しオンラインユースでは定数とする等があ
る。次は正規化を行なう。次の（７）式、（８）式、
（９）式、（10）式に示すように、（１）式（２）式を
それぞれ（３）式で割って範囲A,A′の２次平均の正規
化値2S，′2Sとし、範囲A,範囲Ａ′の２次平均の正
規化値2S、′2Sとし（４）式、（５）式で示される
範囲Ａ、範囲Ａ′の微分レンジを範囲Ｂの標準偏差σ
xDRで割って範囲Ａ、範囲Ａ′の微分レンジの正規化値
ｘDRS、ｘ′DRSとする。2S ＝2/2all ……（７） ′2S＝′2/2all ……（８） ｘDRS＝ｘDR／σxDR ……（９） ｘ′DRS＝ｘ′DR／σxDR ……（10） この正規化した特徴量2S，′2S,XDRS,x′DRSを用い
て疵判定を行なう。微分レンジｘDR（ｘ′DR）と２次平
均２（′２）を第２図（ｅ）に示すように縦軸、横
軸にとって疵有り〇、疵無し×の領域を求めると図示の
如くなり、両者は分れるがその境界は非直線である。第
２図（ｆ）に示すように45゜線で分離すれば回帰分析可
能であるが、第２図（ｅ）では回帰分析は困難である。
そこでニューラルネットワークを用い、この回帰分析を
可能とし、疵有り〇、疵無し×の各領域に分類する。し
かし各領域の境界は明確ではないため、境界付近では正
確に分離できない。これに対し、近隣の２つの小範囲A,
A′の相関をも考慮に入れることにより、疵なし部の地
合と疵有り部との差異を強調することによってより正確
な疵有／無の出力を得る。
て毎回計算を行なう他、サンプルデータから得られた値
を用いて計算しオンラインユースでは定数とする等があ
る。次は正規化を行なう。次の（７）式、（８）式、
（９）式、（10）式に示すように、（１）式（２）式を
それぞれ（３）式で割って範囲A,A′の２次平均の正規
化値2S，′2Sとし、範囲A,範囲Ａ′の２次平均の正
規化値2S、′2Sとし（４）式、（５）式で示される
範囲Ａ、範囲Ａ′の微分レンジを範囲Ｂの標準偏差σ
xDRで割って範囲Ａ、範囲Ａ′の微分レンジの正規化値
ｘDRS、ｘ′DRSとする。2S ＝2/2all ……（７） ′2S＝′2/2all ……（８） ｘDRS＝ｘDR／σxDR ……（９） ｘ′DRS＝ｘ′DR／σxDR ……（10） この正規化した特徴量2S，′2S,XDRS,x′DRSを用い
て疵判定を行なう。微分レンジｘDR（ｘ′DR）と２次平
均２（′２）を第２図（ｅ）に示すように縦軸、横
軸にとって疵有り〇、疵無し×の領域を求めると図示の
如くなり、両者は分れるがその境界は非直線である。第
２図（ｆ）に示すように45゜線で分離すれば回帰分析可
能であるが、第２図（ｅ）では回帰分析は困難である。
そこでニューラルネットワークを用い、この回帰分析を
可能とし、疵有り〇、疵無し×の各領域に分類する。し
かし各領域の境界は明確ではないため、境界付近では正
確に分離できない。これに対し、近隣の２つの小範囲A,
A′の相関をも考慮に入れることにより、疵なし部の地
合と疵有り部との差異を強調することによってより正確
な疵有／無の出力を得る。
このニューラルネットワークは第２図（ｇ）に示すよう
に２段構成となっている。すなわち、小範囲Ａの特徴量
に対応した入力層、中間層、出力層を持った３層構造を
なす小ネットワークＩと、これと同じ構成で小範囲Ａ′
に対応した小ネットワークIIの２つからなる１段目と、
これらの出力層を合わせたものを入力層とし、中間層、
出力層を持った２段目を持つものである。ここで小ネッ
トワークＩおよびIIのノード数はともに、入力層が２、
中間層が３、出力層が１であり、これにバイアス層（学
習促進用）が１つ加わる構成である。一方、２段目のネ
ットワークは、例えば第２図（ｇ）に示すように中間
層が１つのもの、あるいは例えば第２図（ｇ）に示す
ように中間層が複数個のものがある。各ノードの入、出
力の関係はシグモイド関数ａ（１＋ｅ−ｘ）−１であ
り、バイアス層の出力は１、学習規則は一般化デルタル
ールである。疵あり１、疵なし０で、1000回程度学習さ
せる。最終出力層の出力がある値、たとえば0.5以上で
疵あり、それ以下で疵なしとする。
に２段構成となっている。すなわち、小範囲Ａの特徴量
に対応した入力層、中間層、出力層を持った３層構造を
なす小ネットワークＩと、これと同じ構成で小範囲Ａ′
に対応した小ネットワークIIの２つからなる１段目と、
これらの出力層を合わせたものを入力層とし、中間層、
出力層を持った２段目を持つものである。ここで小ネッ
トワークＩおよびIIのノード数はともに、入力層が２、
中間層が３、出力層が１であり、これにバイアス層（学
習促進用）が１つ加わる構成である。一方、２段目のネ
ットワークは、例えば第２図（ｇ）に示すように中間
層が１つのもの、あるいは例えば第２図（ｇ）に示す
ように中間層が複数個のものがある。各ノードの入、出
力の関係はシグモイド関数ａ（１＋ｅ−ｘ）−１であ
り、バイアス層の出力は１、学習規則は一般化デルタル
ールである。疵あり１、疵なし０で、1000回程度学習さ
せる。最終出力層の出力がある値、たとえば0.5以上で
疵あり、それ以下で疵なしとする。
正規化特徴量の算出には適所にメモリを置く必要があ
る。メモリ設置位置は第５図に示すように、A/D変換器2
2の出側と微分レンジ計算部24,26の出側などである。範
囲Ｂは１ライン分（1/2,1/4ライン分などもよいが、こ
ゝでは１ライン分とする）、範囲Ａおよび範囲Ａ′はそ
の１ラインの微小部分であるから、メモリM1に複数ライ
ン分の格納容量をもたせ、計算部23,24でその１ライン
について を計算したら計算部25,26で当該ラインの各範囲Ａにつ
き2,xDRを、各範囲Ａ′につき′2,x′DRを計算し、
正規化処理部27で前記（７）（８）（９）（10）式によ
り、正規化した２次平均 微分レンジｘDRS,x′DRSを計算し、ニューラルネットワ
ーク30へ入力する、のが一つの方法である。
る。メモリ設置位置は第５図に示すように、A/D変換器2
2の出側と微分レンジ計算部24,26の出側などである。範
囲Ｂは１ライン分（1/2,1/4ライン分などもよいが、こ
ゝでは１ライン分とする）、範囲Ａおよび範囲Ａ′はそ
の１ラインの微小部分であるから、メモリM1に複数ライ
ン分の格納容量をもたせ、計算部23,24でその１ライン
について を計算したら計算部25,26で当該ラインの各範囲Ａにつ
き2,xDRを、各範囲Ａ′につき′2,x′DRを計算し、
正規化処理部27で前記（７）（８）（９）（10）式によ
り、正規化した２次平均 微分レンジｘDRS,x′DRSを計算し、ニューラルネットワ
ーク30へ入力する、のが一つの方法である。
メモリM2を用いて、１ラインの各範囲Ａおよび各範囲
Ａ′についての計算結果をM2に蓄え、当該ラインについ
ての即ち範囲Ｂについての計算結果が出たとき処理部27
で正規化処理する、は第２の方法であり、メモリM3を用
いて範囲Ｂについての計算結果を該メモリM3に格納し、
次のラインの各範囲Ａおよび各範囲Ａ′の計算結果とメ
モリM3の内容（１ライン前の範囲Ｂについての計算結
果）を用いて正規化処理する、は第３の方法である。
Ａ′についての計算結果をM2に蓄え、当該ラインについ
ての即ち範囲Ｂについての計算結果が出たとき処理部27
で正規化処理する、は第２の方法であり、メモリM3を用
いて範囲Ｂについての計算結果を該メモリM3に格納し、
次のラインの各範囲Ａおよび各範囲Ａ′の計算結果とメ
モリM3の内容（１ライン前の範囲Ｂについての計算結
果）を用いて正規化処理する、は第３の方法である。
上記の第３の方法は、メモリ容量が少なくて済み、１ラ
イン前も今回ラインも２次平均などにそれ程差はないか
ら、有効な方法である。また図２（ｄ）の方法を取る
場合は各範囲Ａ′の正規化処理後の結果をM4に格納して
おけば次回計算における各範囲Ａについての計算を省く
ことができ、高速な処理が可能となる。
イン前も今回ラインも２次平均などにそれ程差はないか
ら、有効な方法である。また図２（ｄ）の方法を取る
場合は各範囲Ａ′の正規化処理後の結果をM4に格納して
おけば次回計算における各範囲Ａについての計算を省く
ことができ、高速な処理が可能となる。
第３図、第４図に誤検出率等を示す。第３図は従来法
で、横軸は閾値（2,4,……は0.2V,0.4V,……に相当）、
縦軸は率％である。図示のように閾値を低くすると過検
出（疵でないのに疵とする）率は上り、閾値を高くする
と誤検出（見逃し）率が上り、正答率は適切な閾値で最
高になるが、この最高正答率になる閾値は鋼板の表面性
状等により種々変化する。
で、横軸は閾値（2,4,……は0.2V,0.4V,……に相当）、
縦軸は率％である。図示のように閾値を低くすると過検
出（疵でないのに疵とする）率は上り、閾値を高くする
と誤検出（見逃し）率が上り、正答率は適切な閾値で最
高になるが、この最高正答率になる閾値は鋼板の表面性
状等により種々変化する。
第４図は本発明（相互参照型ニューラルネット法）と従
来法（微分スレッシュレベル法）とを対比して示すグラ
フである。横軸は誤検出率、縦軸は過検出率であり、図
示のように従来法では一方が良くなれば他方は悪くな
る。これに対して本発明法ではグループG1,G2に示すよ
うに両方共、低くすることができる。なおG2はG1より、
ニューラルネットを更によく学習させた場合である。
来法（微分スレッシュレベル法）とを対比して示すグラ
フである。横軸は誤検出率、縦軸は過検出率であり、図
示のように従来法では一方が良くなれば他方は悪くな
る。これに対して本発明法ではグループG1,G2に示すよ
うに両方共、低くすることができる。なおG2はG1より、
ニューラルネットを更によく学習させた場合である。
特微量としては正規化２次平均2Sと正規化微分レンジ
ｘDRSを採用する他、３次平均３＝Ｅ・Σy3 ｉなども
含めて適当に組合わせたものを特徴量とすることも考え
られる。
ｘDRSを採用する他、３次平均３＝Ｅ・Σy3 ｉなども
含めて適当に組合わせたものを特徴量とすることも考え
られる。
本発明では隣り合う２つの範囲において疵信号（範囲Ａ
あるいは範囲Ａ′の信号）と、その周囲の信号（範囲Ｂ
の信号）を用いて疵有／無判定を行なう。これが閾値の
不要な過検率、誤検率の優れた疵有／無判定を可能とし
ている。微分レンジは高さ（強度）情報を与え、２次平
均は疵形状情報を与える。１段目のネットワークにおい
てこれらを用いて周囲と相違があるかどうかを識別し、
さらに、隣り合う部分を比較することによって全体的に
分布する相違点に対してもごく近くの相違点を識別する
ことが可能となっている。
あるいは範囲Ａ′の信号）と、その周囲の信号（範囲Ｂ
の信号）を用いて疵有／無判定を行なう。これが閾値の
不要な過検率、誤検率の優れた疵有／無判定を可能とし
ている。微分レンジは高さ（強度）情報を与え、２次平
均は疵形状情報を与える。１段目のネットワークにおい
てこれらを用いて周囲と相違があるかどうかを識別し、
さらに、隣り合う部分を比較することによって全体的に
分布する相違点に対してもごく近くの相違点を識別する
ことが可能となっている。
本発明では強度が変動した微分波形を、変動を受けてい
ない波形と併せて学習させる事により、入力される微分
波形が強度的に変動を受けても（すなわち、S/Nが悪化
しても）検出率への影響が小さいシステムが得られる。
微分信号の大きさは、ラインでの設置条件、機器の劣化
や対象とする被検定物の種類によっても変化することは
十分に考えられる。従来の微分スレッシュ法では、これ
らの変化に柔軟に対応することは原理上不可能であり、
検出精度が悪化し、設置後、調整（すなわち、微分スレ
ッシレベルの値）の手直し等が生じる危険が大きい。
ない波形と併せて学習させる事により、入力される微分
波形が強度的に変動を受けても（すなわち、S/Nが悪化
しても）検出率への影響が小さいシステムが得られる。
微分信号の大きさは、ラインでの設置条件、機器の劣化
や対象とする被検定物の種類によっても変化することは
十分に考えられる。従来の微分スレッシュ法では、これ
らの変化に柔軟に対応することは原理上不可能であり、
検出精度が悪化し、設置後、調整（すなわち、微分スレ
ッシレベルの値）の手直し等が生じる危険が大きい。
以上説明したように本発明によれば、閾値設定に煩わさ
れることなく、誤検出と過検出を共に最低に抑えること
ができる鋼板表面疵検査を行なうことができる。
れることなく、誤検出と過検出を共に最低に抑えること
ができる鋼板表面疵検査を行なうことができる。
第１図は本発明の鋼板表面疵検査法の説明図、 第２図は疵検査の各部の説明図、 第３図および第４図は検査結果例を示すグラフ、 第５図はメモリ設置位置の各例を示すブロック図であ
る。 第１図で21は微分回路、22はA/D変換器である。
る。 第１図で21は微分回路、22はA/D変換器である。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 白川 芳幸 千葉県君津市君津１番地 新日本製鐵株式 会社君津製鐵所内 (56)参考文献 特開 平２−298840（ＪＰ，Ａ)
Claims (3)
- 【請求項１】鋼板表面をレーザ光で走査し、その反射光
を光電変換し、更にA/D変換し、鋼板の２つの小範囲
（Ａ）（Ａ′）とその複数個を包含する大範囲（Ｂ）に
おおける該変換出力から、反射光波形を代表する複数個
の特徴量を算出し、該特徴量を、予め学習させた神経回
路網に加えて疵有／無出力を生じさせることを特徴とす
る神経回路網による鋼板表面疵検査方法。 - 【請求項２】特徴量は、２つの小範囲A,A′に対応して
次式で表わされる正規化２次平均2S，′2Sと正規化
微分レンジｘDRS,x′DRSであることを特徴とする請求項
１記載の神経回路網による鋼板表面疵検査方法。 こゝで２は小範囲ＡのA/D変換出力の２次平均、′
２は小範囲Ａ′のA/D変換出力の２次平均、 は大範囲ＢのA/D変換出力の２次平均、ｘDRは小範囲Ａ
の微分レンジ、ｘ′DRは小範囲Ａ′の微分レンジ、σ
xDRは大範囲Ｂの微分レンジの標準偏差。 - 【請求項３】鋼板表面を走査するレーザ光を発生するレ
ーザ発振器と、 鋼板表面で反射したレーザ光を受光するレシーバと、 該レシーバの出力を微分し、その微分出力をA/D変換す
る回路と、 該A/D変換出力より、各小範囲（Ａ）および（Ａ′）に
ついて２次平均と微分レンジを計算する手段と、 該A/D変換出力より、前記小範囲の複数個を包含する大
範囲（Ｂ）について２次平均、微分レンジ、および標準
偏差を計算する手段と、 これらの２次平均より正規化２次平均を、また小範囲
（Ａ）および（Ａ′）の微分レンジと大範囲（Ｂ）の標
準偏差から正規化微分レンジを算出する正規化処理手段
と、 該正規化２次平均および微分レンジを加えられて疵有／
無出力を生じる神経回路網とを備えることを特徴とす
る、神経回路網による鋼板表面疵検査装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP28436189A JPH0695076B2 (ja) | 1989-10-31 | 1989-10-31 | 神経回路網による鋼板表面疵検査方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP28436189A JPH0695076B2 (ja) | 1989-10-31 | 1989-10-31 | 神経回路網による鋼板表面疵検査方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH03144350A JPH03144350A (ja) | 1991-06-19 |
| JPH0695076B2 true JPH0695076B2 (ja) | 1994-11-24 |
Family
ID=17677596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP28436189A Expired - Lifetime JPH0695076B2 (ja) | 1989-10-31 | 1989-10-31 | 神経回路網による鋼板表面疵検査方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0695076B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3209297B2 (ja) * | 1993-04-23 | 2001-09-17 | 新日本製鐵株式会社 | 表面疵判別装置 |
-
1989
- 1989-10-31 JP JP28436189A patent/JPH0695076B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH03144350A (ja) | 1991-06-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4982600A (en) | Method of measuring the period of surface defects | |
| CN111638226B (zh) | 检测方法、图像处理器以及检测系统 | |
| JPH08189904A (ja) | 表面欠陥検出装置 | |
| JP3728965B2 (ja) | 表面検査装置 | |
| JP2890801B2 (ja) | 表面傷検査装置 | |
| JP3845958B2 (ja) | 周期欠陥検出方法および装置 | |
| JPH11211674A (ja) | 表面疵検査方法および装置 | |
| JPH08189905A (ja) | 疵検査装置 | |
| JPH0687046B2 (ja) | 神経回路網による鋼板表面疵検査方法 | |
| JPH03144350A (ja) | 神経回路網による鋼板表面疵検査方法 | |
| JPH079403B2 (ja) | 物体の表面欠陥検査方法 | |
| KR102655139B1 (ko) | 이미지 분할 검사에 따른 카메라 모듈의 불량에 관한 특징 구분 방법 및 시스템 | |
| JP3145296B2 (ja) | 欠陥検出方法 | |
| JPS6250775B2 (ja) | ||
| JPS6341102Y2 (ja) | ||
| JPH06160302A (ja) | 走行ストリップの表面疵検査方法及び装置 | |
| JP2842241B2 (ja) | 膜厚測定方法 | |
| JPH04238207A (ja) | 欠陥検査装置 | |
| JPH04332855A (ja) | 鋼板の表面欠陥検査装置 | |
| JPH0531101B2 (ja) | ||
| JPS6199846A (ja) | ストリツプ側端部の欠陥検出方法 | |
| JPH01253641A (ja) | 筋状欠陥弁別処理回路 | |
| JPH01313744A (ja) | 金属帯表面疵検査装置 | |
| JPH045941B2 (ja) | ||
| JPH08193959A (ja) | 検査対象物の表面傷検出装置及び方法 |