特許ウォッチ

公開番号2025100255
公報種別公開特許公報(A)
公開日2025-07-03
出願番号2023218529
出願日2023-12-25
発明の名称表面欠陥検出方法および装置
出願人プサンナショナルユニバーシティインダストリー-ユニバーシティコーポレーションファウンデーション
代理人個人
主分類G06T 7/00 20170101AFI20250626BHJP(計算;計数)
要約【課題】様々なサイズ及び比率の対象イメージについての欠陥を分類する表面欠陥検出方法、装置及びプログラムを提供すること。
【解決手段】方法は、対象イメージを取得するステップと、前記対象イメージから少なくとも1つの欠陥領域を検出するステップと、前記対象イメージに対応するサイズを有し、前記欠陥領域の数に基づいて算出される第1欠陥スコアを成分(Element)とする第1欠陥行列を生成するステップと、前記第1欠陥行列内で所定の基準ウィンドウに対応する範囲内の第1欠陥スコアを合算して複数の第2欠陥スコアを算出するステップと、前記第2欠陥スコアに基づいて、対象イメージから前記基準ウィンドウに対応するイメージを抽出して欠陥イメージを生成するステップと、を含む。
【選択図】図1
特許請求の範囲【請求項１】
表面欠陥検出方法であって、
対象イメージを取得するステップと、
前記対象イメージから少なくとも１つの欠陥領域を検出するステップと、
前記対象イメージに対応するサイズを有し、前記欠陥領域の数に基づいて算出される第１欠陥スコアを成分（Ｅｌｅｍｅｎｔ）とする第１欠陥行列を生成するステップと、
前記第１欠陥行列内で所定の基準ウィンドウに対応する範囲内の第１欠陥スコアを合算して複数の第２欠陥スコアを算出するステップと、
前記第２欠陥スコアに基づいて、前記対象イメージから前記基準ウィンドウに対応するイメージを抽出して欠陥イメージを生成するステップと、を含む
ことを特徴とする方法。
続きを表示（約 1,300 文字）【請求項２】
入力データとして、前記欠陥イメージをネットワーク関数に入力して表面欠陥情報を生成するステップをさらに含み、前記ネットワーク関数は、前記基準ウィンドウに対応するサイズのイメージを入力データとして前記表面欠陥情報を出力するように学習される
請求項１に記載の方法。
【請求項３】
前記第１欠陥行列の成分は、前記成分に対応する位置の前記対象イメージから検出される欠陥領域の数によって決定される
請求項１に記載の方法。
【請求項４】
前記第２欠陥スコアを算出するステップは、前記第１欠陥行列に対して所定の基準ウィンドウを移動させながら、前記基準ウィンドウに対応する前記第１欠陥行列の前記第１欠陥スコアの合計である第２欠陥スコアを算出することによって行われ、
前記欠陥イメージを生成するステップは、前記対象イメージから前記第２欠陥スコアが最も大きい基準ウィンドウの位置に対応するイメージを抽出することによって行われる
請求項１に記載の方法。
【請求項５】
前記対象イメージの局所領域別の標準偏差を前記第１欠陥行列に適用して第２欠陥行列を生成するステップをさらに含み、
前記第２欠陥スコアを算出するステップは、前記第１欠陥行列を置き換えて前記第２欠陥行列について行われる
請求項１に記載の方法。
【請求項６】
前記第２欠陥行列を生成するステップは、前記対象イメージから局所領域別に標準偏差を算出して標準偏差の行列を生成するステップと、前記第１欠陥行列と前記標準偏差の行列を加重和するステップと、を含む
請求項５に記載の方法。
【請求項７】
前記第２欠陥行列で非欠陥領域に対応する構成を除去して第３欠陥行列を生成するステップをさらに含み、
前記第２欠陥スコアを算出するステップは、前記第２欠陥行列を置き換えて前記第３欠陥行列について行われる
請求項５に記載の方法。
【請求項８】
前記第３欠陥行列を生成するステップは、前記対象イメージに対応するサイズを有し、前記対象イメージで背景およびパディングのうちの少なくとも１つを表す非欠陥行列を生成するステップと、前記非欠陥行列と前記第１欠陥行列について論理積演算を行うステップと、を含む
請求項７に記載の方法。
【請求項９】
前記欠陥領域を検出するステップは、前記対象イメージで境界線値情報を生成するステップと、前記対象イメージで境界線方向情報を生成するステップと、前記境界線値情報および前記境界線方向情報に基づいて、所定の閾値以上の境界線値情報を選別するステップと、前記選別された境界線値情報および対応する前記境界線方向情報に基づいて、欠陥領域を検出するステップと、を含む
請求項５に記載の方法。
【請求項１０】
前記欠陥領域を検出するステップないし前記欠陥イメージを生成するステップは、前記対象イメージの横サイズおよび縦サイズのうち、少なくとも１つが前記基準ウィンドウに比べて大きい場合に行われる
請求項１に記載の方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本出願は、表面欠陥検出方法および装置に関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
近年、人工知能の発展により、製造工程に人工知能を融合させた知能型工場が増加している。これらの１つであるディープラーニングを用いた映像分類は、製造工程で発生する欠陥を分類するのに活用され、従来の人による欠陥分類作業を置き換え、工程効率化と品質の高級化に寄与している。
【０００３】
一方、冷延鋼板は、圧延およびロール工程を経て様々な形態と種類の欠陥が発生し得る。用途と品質によって生産過程が変わるため、欠陥の特性分布がより多様に現れる。特定の欠陥は、製品製作時に致命的な不良を招く可能性があるため、品質検査のために冷延鋼板表面欠陥検出器（ＳＳＤ）を導入して欠陥を検出しており、最近は、表面欠陥検出器を用いて欠陥を検出し、ディープラーニングベースのモデルに分類する方法が研究されている。
【０００４】
しかし、表面欠陥検出器で検出された欠陥イメージは、様々なサイズと比率を有するため、これを定型化された模型に調整する必要がある。一般的に、定型化されたサイズの映像にデータを加工するためにイメージの一部の領域を切り取るクロップ（Ｃｒｏｐ）前処理方法、イメージのサイズを定型化された模型に調整するリサイズ（Ｒｅｓｉｚｅ）前処理方法、イメージ枠にパディング値を設定するパディング（Ｐａｄｄｉｎｇ）前処理方法が使用される。
【０００５】
このような一般的な前処理方法では、映像の特性が失われる可能性があり、これはディープラーニングベースの分類モデルの信頼度を低下させる問題を引き起こす。特に、異なる用途、要求品質に応じて生産過程を異にした工程から発生する欠陥イメージは、欠陥が持つ形態、種類などの欠陥の特性分布がより多様に現れるため、このような欠陥イメージについて欠陥分類性能を高める技術の開発が求められている。
【発明の概要】
【発明が解決しようとする課題】
【０００６】
本出願は、表面欠陥検出方法および装置を提供することを目的とする。
【課題を解決するための手段】
【０００７】
本出願の実施形態によると、表面欠陥検出方法が提供される。前記方法は、対象イメージを取得するステップと、前記対象イメージから少なくとも１つの欠陥領域を検出するステップと、前記対象イメージに対応するサイズを有し、前記欠陥領域の数に基づいて算出される第１欠陥スコアを成分（Ｅｌｅｍｅｎｔ）とする第１欠陥行列を生成するステップと、前記第１欠陥行列内で所定の基準ウィンドウに対応する範囲内の第１欠陥スコアを合算して複数の第２欠陥スコアを算出するステップと、前記第２欠陥スコアに基づいて、対象イメージから前記基準ウィンドウに対応するイメージを抽出して欠陥イメージを生成するステップと、を含み得る。
【０００８】
また、入力データとして、前記欠陥イメージをネットワーク関数に入力して表面欠陥情報を生成するステップをさらに含み、前記ネットワーク関数は、前記基準ウィンドウに対応するサイズのイメージを入力データとして前記表面欠陥情報を出力するように学習されたものであり得る。
【０００９】
また、前記第１欠陥行列の成分は、前記成分に対応する位置の前記対象イメージから検出される欠陥領域の数によって決定され得る。
【００１０】
また、前記第２欠陥スコアを算出するステップは、前記第１欠陥行列に対して所定の基準ウィンドウを移動させながら、前記基準ウィンドウに対応する前記第１欠陥行列の前記第１欠陥スコアの合計である第２欠陥スコアを算出することによって行われ、前記欠陥イメージを生成するステップは、前記対象イメージから前記第２欠陥スコアが最も大きい基準ウィンドウの位置に対応するイメージを抽出することによって行われ得る。
（【００１１】以降は省略されています）

関連特許