JPH0815178A - 鋼板表面疵判別方法 - Google Patents
鋼板表面疵判別方法Info
- Publication number
- JPH0815178A JPH0815178A JP14887394A JP14887394A JPH0815178A JP H0815178 A JPH0815178 A JP H0815178A JP 14887394 A JP14887394 A JP 14887394A JP 14887394 A JP14887394 A JP 14887394A JP H0815178 A JPH0815178 A JP H0815178A
- Authority
- JP
- Japan
- Prior art keywords
- flaw
- signal waveform
- steel plate
- input
- discrimination
- 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.)
- Withdrawn
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
(57)【要約】
【目的】 鋼板の地合部分の非疵信号波形による不要な
学習と判別をなくし、判別時間の短縮と判別能力を向上
させる学習を行なうことができる鋼板表面疵判別方法を
提供すること。 【構成】 鋼板の長手方向に鋼板幅でスキャンする光学
式表面疵検出手段により検出された検出信号から疵信号
波形を抽出してニューラル・ネットに入力される疵信号
波形領域のうち非疵信号波形をマスク手段によりキャン
セルしたうえ、疵信号波形のみをニューラル・ネットに
入力して疵種、疵グレードを判別する。
学習と判別をなくし、判別時間の短縮と判別能力を向上
させる学習を行なうことができる鋼板表面疵判別方法を
提供すること。 【構成】 鋼板の長手方向に鋼板幅でスキャンする光学
式表面疵検出手段により検出された検出信号から疵信号
波形を抽出してニューラル・ネットに入力される疵信号
波形領域のうち非疵信号波形をマスク手段によりキャン
セルしたうえ、疵信号波形のみをニューラル・ネットに
入力して疵種、疵グレードを判別する。
Description
【０００１】
【産業上の利用分野】本発明は鋼板の圧延時に生じる鋼
板表面疵の疵種や疵グレードを判別する鋼板表面疵判別
方法に関するものである。
板表面疵の疵種や疵グレードを判別する鋼板表面疵判別
方法に関するものである。
【０００２】
【従来の技術】従来、製鋼段階に混入した非金属介在物
や、熱間、冷間圧延段階で物理的な影響などによって生
じる鋼板の表面疵は、鋼板の品質保証を行うため疵種や
疵グレードを判別する必要があった。ところが、表面疵
の疵種や疵グレードは光学式表面疵検出器の検出信号か
ら直接の特徴の抽出を行うことが困難なため、光学式表
面疵検出器の検出信号を疵種や疵グレードを判別できる
よう学習させたニューラル・ネットに入力して判別させ
ていた。（例えば、特開平４−１４２４１２号公報、特
開平４−１２８６３号公報。）
や、熱間、冷間圧延段階で物理的な影響などによって生
じる鋼板の表面疵は、鋼板の品質保証を行うため疵種や
疵グレードを判別する必要があった。ところが、表面疵
の疵種や疵グレードは光学式表面疵検出器の検出信号か
ら直接の特徴の抽出を行うことが困難なため、光学式表
面疵検出器の検出信号を疵種や疵グレードを判別できる
よう学習させたニューラル・ネットに入力して判別させ
ていた。（例えば、特開平４−１４２４１２号公報、特
開平４−１２８６３号公報。）
【０００３】しかしながら、ニューラル・ネットによる
疵種や疵グレードの判別には種々の疵タイプを包括して
入力できる数の入力層ユニットが必要となるため、予想
される最大の表面疵の信号波形が入力されるだけのユニ
ット数が入力層に形成されることとなり、図５に示され
るように表面疵が大きく入力層のユニットの略全数に疵
信号波形が入力され、非疵信号波形が入力されるユニッ
ト数が少ない場合はさほど大きな影響とならないが、図
４に示されるように表面疵が小さく入力層のユニットに
入力される非疵信号波形の範囲が増加すると、表面疵と
は無関係な鋼板の地合部分の非疵波形信号もニューラル
・ネットは学習・判別の演算を行うこととなる。このた
め、表面疵が小さくなるほど不必要な学習・判別の演算
数が増すこととなり、疵種、疵グレードの判別時間が長
くなるうえに、不必要な学習により判別能力の低下をも
たらすという問題もあった。
疵種や疵グレードの判別には種々の疵タイプを包括して
入力できる数の入力層ユニットが必要となるため、予想
される最大の表面疵の信号波形が入力されるだけのユニ
ット数が入力層に形成されることとなり、図５に示され
るように表面疵が大きく入力層のユニットの略全数に疵
信号波形が入力され、非疵信号波形が入力されるユニッ
ト数が少ない場合はさほど大きな影響とならないが、図
４に示されるように表面疵が小さく入力層のユニットに
入力される非疵信号波形の範囲が増加すると、表面疵と
は無関係な鋼板の地合部分の非疵波形信号もニューラル
・ネットは学習・判別の演算を行うこととなる。このた
め、表面疵が小さくなるほど不必要な学習・判別の演算
数が増すこととなり、疵種、疵グレードの判別時間が長
くなるうえに、不必要な学習により判別能力の低下をも
たらすという問題もあった。
【０００４】
【発明が解決しようとする課題】本発明は前記のような
問題を解決して、鋼板の地合部分の非疵信号波形による
不要な学習と判別をなくし、判別時間の短縮と判別能力
を向上させる学習を行なうことができる鋼板表面疵判別
方法を提供することにある。
問題を解決して、鋼板の地合部分の非疵信号波形による
不要な学習と判別をなくし、判別時間の短縮と判別能力
を向上させる学習を行なうことができる鋼板表面疵判別
方法を提供することにある。
【０００５】
【課題を解決するための手段】前記のような課題を解決
した本発明の鋼板表面疵判別方法は、鋼板の長手方向に
鋼板幅でスキャンする光学式表面疵検出手段により検出
された検出信号から疵信号波形を抽出してニューラル・
ネットに入力される疵信号波形領域のうち非疵信号波形
をマスク手段によりキャンセルしたうえ、疵信号波形の
みをニューラル・ネットに入力して疵種、疵グレードを
判別することを特徴とするものである。
した本発明の鋼板表面疵判別方法は、鋼板の長手方向に
鋼板幅でスキャンする光学式表面疵検出手段により検出
された検出信号から疵信号波形を抽出してニューラル・
ネットに入力される疵信号波形領域のうち非疵信号波形
をマスク手段によりキャンセルしたうえ、疵信号波形の
みをニューラル・ネットに入力して疵種、疵グレードを
判別することを特徴とするものである。
【０００６】
【作用】本発明の鋼板表面疵判別方法は、鋼板幅の光学
式表面疵検出手段により通板される鋼板表面を長手方向
にスキャンし、この光学式表面疵検出手段により検出さ
れた検出信号からマスク手段により疵信号波形を抽出す
る。そして、ニューラル・ネットに入力される疵信号波
形領域のうち非疵信号波形を前記マスク手段により０に
キャンセルして非疵信号波形領域をニューラル・ネット
の学習・判別対象から除き、疵信号波形のみをニューラ
ル・ネットに学習・判別させることにより的確容易に表
面疵の疵種や疵グレードを判別できる。
式表面疵検出手段により通板される鋼板表面を長手方向
にスキャンし、この光学式表面疵検出手段により検出さ
れた検出信号からマスク手段により疵信号波形を抽出す
る。そして、ニューラル・ネットに入力される疵信号波
形領域のうち非疵信号波形を前記マスク手段により０に
キャンセルして非疵信号波形領域をニューラル・ネット
の学習・判別対象から除き、疵信号波形のみをニューラ
ル・ネットに学習・判別させることにより的確容易に表
面疵の疵種や疵グレードを判別できる。
【０００７】
【実施例】次に、本発明を図示の実施例に基づいて詳細
に説明する。１０は光学式表面疵検出手段１としての光
学式表面疵検出装置である。この光学式表面疵検出装置
１０は鋼板上方の幅方向に配置される棒状光源１２と、
該棒状光源１２の鋼板表面の幅方向の反射光の輝度変化
を検出するラインセンサ１３とよりなるものである。１
４はラインセンサ１３の検出信号をディジタル信号に変
換するＡ／Ｄ変換器、１５はマスク手段３としてのマス
ク生成装置であり、マスク生成装置１５は前記Ａ／Ｄ変
換器１４でディジタル信号に変換された検出信号の波形
振幅のピーク値から疵信号波形を抽出するとともに、疵
信号波形のピーク値から次のピーク値までを疵信号波形
範囲と見なし、後記するニューラル・ネット２としての
ニューラル・ネット演算処理装置１７の入力層のユニッ
ト１８に入力される疵信号波形領域から非疵信号波形を
除くようマスクを生成してマスク処理を行なうものであ
る。
に説明する。１０は光学式表面疵検出手段１としての光
学式表面疵検出装置である。この光学式表面疵検出装置
１０は鋼板上方の幅方向に配置される棒状光源１２と、
該棒状光源１２の鋼板表面の幅方向の反射光の輝度変化
を検出するラインセンサ１３とよりなるものである。１
４はラインセンサ１３の検出信号をディジタル信号に変
換するＡ／Ｄ変換器、１５はマスク手段３としてのマス
ク生成装置であり、マスク生成装置１５は前記Ａ／Ｄ変
換器１４でディジタル信号に変換された検出信号の波形
振幅のピーク値から疵信号波形を抽出するとともに、疵
信号波形のピーク値から次のピーク値までを疵信号波形
範囲と見なし、後記するニューラル・ネット２としての
ニューラル・ネット演算処理装置１７の入力層のユニッ
ト１８に入力される疵信号波形領域から非疵信号波形を
除くようマスクを生成してマスク処理を行なうものであ
る。
【０００８】ここで、ニューラル・ネット演算処理装置
１７のユニット１８に入力される疵信号波形に非疵信号
波形が含まれる理由は、ニューラル・ネット演算処理装
置１７は予想される最大の表面疵を学習・判別できる数
のユニット１８数が形成されているため、普通に検出さ
れる表面疵は予想最大疵より小さく、ユニット１８には
表面疵以外の鋼板の地合部分も疵信号波形領域として入
力されるからである。
１７のユニット１８に入力される疵信号波形に非疵信号
波形が含まれる理由は、ニューラル・ネット演算処理装
置１７は予想される最大の表面疵を学習・判別できる数
のユニット１８数が形成されているため、普通に検出さ
れる表面疵は予想最大疵より小さく、ユニット１８には
表面疵以外の鋼板の地合部分も疵信号波形領域として入
力されるからである。
【０００９】１６は波形重ね合わせ装置であり、該波形
重ね合わせ装置１６は前記マスク生成装置１５により生
成された非疵信号波形を０とするマスクと、抽出された
疵信号波形を含む疵信号波形領域とを重ね合わせてアン
ドをとることによって疵信号波形以外の非疵信号波形は
マスクされて固定値０となるものである。１７は入力
層、中間層、出力層からなるニューラル・ネット演算処
理装置で、このニューラル・ネット演算処理装置１７は
入力層に入力された疵信号波形から疵種、疵グレードを
判別するものである。ニューラル・ネット演算処理装置
１７は、前記重ね合わせ装置１６により非疵信号波形を
０とするマスクと疵信号波形領域のアンドをとって疵信
号波形のみが入力層のユニット１８に入力されるもので
あり、非疵信号波形は０としてユニット１８に入力され
るのでニューラル・ネット演算は行なわれず、疵判別に
寄与される疵信号波形のみがユニット１８に入力される
こととなる。
重ね合わせ装置１６は前記マスク生成装置１５により生
成された非疵信号波形を０とするマスクと、抽出された
疵信号波形を含む疵信号波形領域とを重ね合わせてアン
ドをとることによって疵信号波形以外の非疵信号波形は
マスクされて固定値０となるものである。１７は入力
層、中間層、出力層からなるニューラル・ネット演算処
理装置で、このニューラル・ネット演算処理装置１７は
入力層に入力された疵信号波形から疵種、疵グレードを
判別するものである。ニューラル・ネット演算処理装置
１７は、前記重ね合わせ装置１６により非疵信号波形を
０とするマスクと疵信号波形領域のアンドをとって疵信
号波形のみが入力層のユニット１８に入力されるもので
あり、非疵信号波形は０としてユニット１８に入力され
るのでニューラル・ネット演算は行なわれず、疵判別に
寄与される疵信号波形のみがユニット１８に入力される
こととなる。
【００１０】このように構成されたものは、通板される
鋼板の上方に設けられた光学式疵検出装置１０の棒状光
源１２から照射された光源が鋼板表面で反射してライン
センサ１３に入射されると、ラインセンサ１３に入力さ
れる反射光が鋼板表面の凹凸により輝度変化し、その輝
度変化を電気信号として検出することとなり、ラインセ
ンサ１３により検出されたアナログの検出信号はＡ／Ｄ
変換器１４によりディジタル信号に変換されたうえマス
ク生成装置１５に入力される。このようにしてマスク生
成装置１５に入力されたラインセンサ１３の検出信号
は、マスク生成装置１５により図２、図３に示されるよ
うに波形振幅のピーク値と次のピーク値から疵信号波形
すなわち鋼板表面の疵範囲を抽出する。そして、抽出さ
れた疵信号波形範囲からニューラル・ネット演算処理装
置１７のユニット１８に入力される疵信号波形領域に含
まれる非疵信号波形が除かれるようマスク生成装置１５
は非疵信号波形を０とするマスクを生成する。
鋼板の上方に設けられた光学式疵検出装置１０の棒状光
源１２から照射された光源が鋼板表面で反射してライン
センサ１３に入射されると、ラインセンサ１３に入力さ
れる反射光が鋼板表面の凹凸により輝度変化し、その輝
度変化を電気信号として検出することとなり、ラインセ
ンサ１３により検出されたアナログの検出信号はＡ／Ｄ
変換器１４によりディジタル信号に変換されたうえマス
ク生成装置１５に入力される。このようにしてマスク生
成装置１５に入力されたラインセンサ１３の検出信号
は、マスク生成装置１５により図２、図３に示されるよ
うに波形振幅のピーク値と次のピーク値から疵信号波形
すなわち鋼板表面の疵範囲を抽出する。そして、抽出さ
れた疵信号波形範囲からニューラル・ネット演算処理装
置１７のユニット１８に入力される疵信号波形領域に含
まれる非疵信号波形が除かれるようマスク生成装置１５
は非疵信号波形を０とするマスクを生成する。
【００１１】そして、波形重ね合わせ装置１６により非
疵信号波形を０とするマスクとニューラル・ネット演算
処理装置１７のユニット１８に入力される疵信号波形領
域とのアンドがとられ、疵信号波形領域のうち非疵信号
波形は固定値０とされる。ニューラル・ネット演算処理
装置１７のユニット１８にはマスクされない疵信号波形
とマスク処理されて０となった非疵信号波形が入力され
ることとなる。ニューラル・ネット演算処理装置１７は
ユニット１８に入力された信号波形に基づいてニューラ
ル・ネット演算を行なうが、非疵信号波形は０のためニ
ューラル・ネット演算は行なわず、疵判別に必要な疵信
号波形のみがニューラル・ネット演算を行なわれるた
め、信頼性の高い学習・判別が可能となる。また、ニュ
ーラル・ネット演算処理装置１７による演算は積和演算
と自然指数演算で成り立つため入力値が０の部分は演算
が不要となり、計算時間を短縮できることとなる。
疵信号波形を０とするマスクとニューラル・ネット演算
処理装置１７のユニット１８に入力される疵信号波形領
域とのアンドがとられ、疵信号波形領域のうち非疵信号
波形は固定値０とされる。ニューラル・ネット演算処理
装置１７のユニット１８にはマスクされない疵信号波形
とマスク処理されて０となった非疵信号波形が入力され
ることとなる。ニューラル・ネット演算処理装置１７は
ユニット１８に入力された信号波形に基づいてニューラ
ル・ネット演算を行なうが、非疵信号波形は０のためニ
ューラル・ネット演算は行なわず、疵判別に必要な疵信
号波形のみがニューラル・ネット演算を行なわれるた
め、信頼性の高い学習・判別が可能となる。また、ニュ
ーラル・ネット演算処理装置１７による演算は積和演算
と自然指数演算で成り立つため入力値が０の部分は演算
が不要となり、計算時間を短縮できることとなる。
【００１２】次に、本発明を対象疵種３種、疵グレード
種３級を入力層のユニット数４５、中間層のユニット数
１５、出力層のユニット数６とした３層構造パーセプト
ロンにより誤差逆転伝播学習にて実施した場合と、従来
方法との比較を表１に示す。
種３級を入力層のユニット数４５、中間層のユニット数
１５、出力層のユニット数６とした３層構造パーセプト
ロンにより誤差逆転伝播学習にて実施した場合と、従来
方法との比較を表１に示す。
【００１３】
【表１】 なお、実施例では鋼板幅方向の１次元的な検出信号にマ
スク処理を行っているが、２次元的な検出信号にマスク
処理を行っても良いことは勿論である。
スク処理を行っているが、２次元的な検出信号にマスク
処理を行っても良いことは勿論である。
【００１４】
【発明の効果】本発明は前記説明によって明らかなよう
に、ニューラル・ネットに入力される疵信号波形領域を
マスク処理して疵信号波形領域に含まれる非疵信号波形
が０となるようにしたから、ニューラル・ネットに入力
される非疵信号波形は固定値０となるので、学習・判別
のニューラル・ネット演算が行なわれず、計算時間を短
縮することができるので、表面疵が小さい場合には、判
別時間を短縮することが可能となるうえに、鋼板の地合
部分の非疵信号波形を学習・判別することにより生じる
判別能力の低下を防ぐことができ、疵信号波形のみによ
る信頼性の高い学習・判別が可能となり、精度の高い疵
種、疵グレードの判別を行なうことができる。従って、
本発明は従来の問題を解消した鋼板表面疵判別方法とし
て業界にもたる益極めて大なものである。
に、ニューラル・ネットに入力される疵信号波形領域を
マスク処理して疵信号波形領域に含まれる非疵信号波形
が０となるようにしたから、ニューラル・ネットに入力
される非疵信号波形は固定値０となるので、学習・判別
のニューラル・ネット演算が行なわれず、計算時間を短
縮することができるので、表面疵が小さい場合には、判
別時間を短縮することが可能となるうえに、鋼板の地合
部分の非疵信号波形を学習・判別することにより生じる
判別能力の低下を防ぐことができ、疵信号波形のみによ
る信頼性の高い学習・判別が可能となり、精度の高い疵
種、疵グレードの判別を行なうことができる。従って、
本発明は従来の問題を解消した鋼板表面疵判別方法とし
て業界にもたる益極めて大なものである。
【図１】本発明の実施例を示す説明図である。
【図２】本発明による表面疵が小さい場合のマスク処理
を示す説明図である。
を示す説明図である。
【図３】本発明による表面疵が大きい場合のマスク処理
を示す説明図である。
を示す説明図である。
【図４】従来のニューラル・ネットに小さな疵信号波形
が入力された状態を示す説明図である。
が入力された状態を示す説明図である。
【図５】従来のニューラル・ネットに大きな疵信号波形
が入力された状態を示す説明図である。
が入力された状態を示す説明図である。
１ 光学式表面疵検出手段 ２ ニューラル・ネット ３ マスク手段
Claims (1)
- 【請求項１】 鋼板の長手方向に鋼板幅でスキャンする
光学式表面疵検出手段により検出された検出信号から疵
信号波形を抽出してニューラル・ネットに入力される疵
信号波形領域のうち非疵信号波形をマスク手段によりキ
ャンセルしたうえ、疵信号波形のみをニューラル・ネッ
トに入力して疵種、疵グレードを判別することを特徴と
する鋼板表面疵判別方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP14887394A JPH0815178A (ja) | 1994-06-30 | 1994-06-30 | 鋼板表面疵判別方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP14887394A JPH0815178A (ja) | 1994-06-30 | 1994-06-30 | 鋼板表面疵判別方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0815178A true JPH0815178A (ja) | 1996-01-19 |
Family
ID=15462635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP14887394A Withdrawn JPH0815178A (ja) | 1994-06-30 | 1994-06-30 | 鋼板表面疵判別方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0815178A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000131244A (ja) * | 1998-10-23 | 2000-05-12 | Dakku Engineering Kk | 品質検査装置 |
| WO2004090521A1 (en) * | 2003-04-09 | 2004-10-21 | Crc For Intelligent Manufacturing Systems & Technologies Ltd | Method of classifying defects |
-
1994
- 1994-06-30 JP JP14887394A patent/JPH0815178A/ja not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000131244A (ja) * | 1998-10-23 | 2000-05-12 | Dakku Engineering Kk | 品質検査装置 |
| WO2004090521A1 (en) * | 2003-04-09 | 2004-10-21 | Crc For Intelligent Manufacturing Systems & Technologies Ltd | Method of classifying defects |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115803619B (zh) | 信息处理装置、判定方法、以及计算机可读取的记录介质 | |
| US5345514A (en) | Method for inspecting components having complex geometric shapes | |
| CN112098526B (zh) | 基于激光超声技术的增材制件近表面缺陷特征提取方法 | |
| JP2006292747A (ja) | 渦電流探傷検査方法及びシステム | |
| CN118817859B (zh) | 一种用于无缝油套管的无损超声探伤方法及系统 | |
| JPH06148098A (ja) | 表面欠陥検査装置 | |
| JPH0815178A (ja) | 鋼板表面疵判別方法 | |
| JP2861649B2 (ja) | 鋼板の溶接部検査方法 | |
| JP3218908B2 (ja) | 表面疵検査方法及びその装置 | |
| JPH09138200A (ja) | 帯状体の表面欠陥判定方法 | |
| JPH11211674A (ja) | 表面疵検査方法および装置 | |
| JP2005274444A (ja) | 超音波探傷画像処理装置及びその処理方法 | |
| JPH01209307A (ja) | 溶接部の表面形状検査方法 | |
| JPH09120455A (ja) | ニューラルネットワークによる特徴識別方法 | |
| JPH0815179A (ja) | 鋼板表面疵判別方法 | |
| JPH112626A (ja) | 探傷傷種別の自動判定方法 | |
| JP3145296B2 (ja) | 欠陥検出方法 | |
| JP3209297B2 (ja) | 表面疵判別装置 | |
| JPS61138160A (ja) | 超音波探傷装置 | |
| JPH09243611A (ja) | 板波超音波探傷方法 | |
| JP3297945B2 (ja) | 鋼板表面欠陥検出方法 | |
| JPH06294748A (ja) | Ｕｏ鋼管の溶接部表面疵検査方法 | |
| JPH0412257A (ja) | 鋼板の線状疵の検出方法及びその装置 | |
| JPH04332855A (ja) | 鋼板の表面欠陥検査装置 | |
| JPH08220001A (ja) | 表面疵検査方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20010904 |