DE102006004416A1 - Errors detecting method for e.g. cast part, involves comparing values of central moments of pixel in original image by semantics/effective images, and evaluating error in testing part when values of semantics are not maintained for pixel - Google Patents

Errors detecting method for e.g. cast part, involves comparing values of central moments of pixel in original image by semantics/effective images, and evaluating error in testing part when values of semantics are not maintained for pixel Download PDF

Info

Publication number
DE102006004416A1
DE102006004416A1 DE102006004416A DE102006004416A DE102006004416A1 DE 102006004416 A1 DE102006004416 A1 DE 102006004416A1 DE 102006004416 A DE102006004416 A DE 102006004416A DE 102006004416 A DE102006004416 A DE 102006004416A DE 102006004416 A1 DE102006004416 A1 DE 102006004416A1
Authority
DE
Germany
Prior art keywords
pixel
semantics
values
pictures
value
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.)
Ceased
Application number
DE102006004416A
Other languages
German (de)
Inventor
Frank Herold
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yxlon International X Ray GmbH
Original Assignee
Yxlon International X Ray GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yxlon International X Ray GmbH filed Critical Yxlon International X Ray GmbH
Priority to DE102006004416A priority Critical patent/DE102006004416A1/en
Publication of DE102006004416A1 publication Critical patent/DE102006004416A1/en
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Image Analysis (AREA)

Abstract

The method involves receiving radiographs of error-free testing parts as effective images. Central moments are calculated from the images for preset pixel in the images, where the moments are absolute deviation of gray values, standard deviation, obliqueness and kurtosis. The values of the moments are assigned to semantics, and a radiograph of a testing part to be tested is received as original image. The values of the pixel in the original image are compared by the semantics/effective images. An error in the part is evaluated when the values of the semantics are not maintained for a pixel.

Description

Die Erfindung befasst sich mit einem Verfahren zur automatischen Fehlerkerkennung in einem Prüfteil mittels Röntgenstrahlen.The The invention relates to a method for automatic error detection in a test part by means of X-rays.

Zur automatischen Fehlererkennung in Gussteilen ist es bekannt, digitale Röntgenbilder heranzuziehen. Mit deren Hilfe wird im Allgemeinen ein Idealbild von einem Originalbild abgezogen. Das Differenzbild enthält im idealen Fall nur die potentiellen Fehler. Als Originalbild verwendet man ein aktuell akquiriertes Röntgenbild von einem zu prüfenden Gussteil an einer bestimmten Position. Hinsichtlich des Idealbilds muss man unterscheiden zwischen einem Verfahren mit und einem Verfahren ohne Vorwissen. Bei einem Verfahren ohne Vorwissen wird das Idealbild direkt aus dem Originalbild abgeleitet. Bei einem solchen Verfahren ohne Vorwissen wird jede Inhomogenität als potentieller Fehler identifiziert, da diese Verfahren nicht zwischen zum Prüfteil gehörenden und nicht zum Prüfteil gehörenden Regionen unterscheiden können.to Automatic fault detection in castings is known to be digital radiographs consulted. With their help, in general, an ideal image subtracted from an original image. The difference image contains in the ideal Case only the potential errors. As original image one uses a currently acquired x-ray image from a casting to be tested at a certain position. With regard to the ideal image one must distinguish between a method with and a method without Prior knowledge. In a process without prior knowledge becomes the ideal image derived directly from the original image. In such a process without prior knowledge, any inhomogeneity is identified as a potential error since these methods do not apply between regions belonging to the test part and those not belonging to the test part can distinguish.

Dagegen ist es bei bekannten Verfahren – die auf Vorwissen basieren – so, dass das Idealbild aus mehreren Röntgenbildern dieser Position von als gut klassifizierten Prüfteilen (Gut-Bildern) berechnet wird. Mit einem solchen Verfahren mit Vorwissen ist es im Gegensatz zu Verfahren ohne Vorwissen möglich, fehlendes Material zu erkennen und dadurch nur unbekannte Bildinhalte als Fehler zu klassifizieren.On the other hand it is in known methods - the based on prior knowledge - so, that the ideal image consists of several x-ray images of this position of well classified test parts (Good pictures) is calculated. With such a procedure with prior knowledge, it is contrary to Procedure without previous knowledge possible, to detect missing material and thereby only unknown image content to classify as a mistake.

Bei vorwissenbasierten Filtern werden komplexe Methoden verwendet, um das Vorwissen anzutrainieren. Hierbei werden beispielsweise nicht-lineare Operationen und durch nicht-lokale Filtermasken bedingte Sprünge erhalten, die rechenzeitintensiv sind.at Knowledge-based filters use complex methods to: to train the foreknowledge. Here, for example, non-linear Operations and jumps caused by non-local filter masks, which are computationally intensive.

Aufgabe der Erfindung ist es deshalb, ein vorwissenbasiertes Verfahren vorzustellen, das gegenüber den bekannten Verfahren weniger Rechenzeit bzgl. des Trainings benötigt.task The invention is therefore to present a knowledge-based method, the opposite the known method requires less computation time with respect to the training.

Diese Aufgabe wird erfindungsgemäß durch ein Verfahren mit den Merkmalen des Patentanspruchs 1 gelöst. Hierbei werden, wie aus dem Stand der Technik bekannt, zur Festlegung des Vorwissens mehrere Röntgenbilder von fehlerfreien Prüfteilen als Gut-Bilder aufgenommen. Aus diesen Gut-Bildern werden die ersten vier Zentralmomente für vorgebbare Pixel i in den Gut-Bildern berechnet. Hierbei ist es nicht zwingend nötig, sämtliche Pixel in den Gut-Bildern vorzugeben. Bei den ersten vier zentralen Momenten handelt es sich um die absolute Abweichung des Grauwerts, die Standardabweichung, die Schiefheit und die Kurtosis. Die beiden ersten Momente sind mit den allgemein bekannten Standardmethoden der Statistik eindeutig festgelegt. Das dritte Moment, die Schiefheit, gibt eine Aussäge darüber, ob die Normalverteilung symmetrisch bezogen auf den Mittelwert ist oder ob sie zu den größeren bzw. kleineren Werten verschoben ist. Das vierte Moment, die Kurtosis, gibt an, ob die Verteilung sich auf den Mittelwert konzentriert oder weit verteilt ist. Erfindungsgemäß werden dann die berechneten Werte der ersten vier Zentralmomente dieser Semantik zugeordnet. Daraus ergibt sich ein Werteintervall speziell für jeden einzelnen vorgebbaren Pixel. Somit ist das benötigte Vorwissen generiert. Es wird nun ein Röntgenbild eines zu untersuchenden Prüfteils als Originalbild aufgenommen. An jedem der einzelnen vorgebbaren Pixel findet ein Vergleich des aktuellen Pixelwerts des Originalbilds damit statt, ob dieser sich innerhalb des Werteintervalls, das mit Hilfe der Semantik aus dem Vorwissen festgelegt wurde, befindet. Daran schließt sich eine Bewertung an, ob ein Fehler im untersuchten Prüfteil am Ort des jeweiligen Pixels gegeben ist oder nicht. Ein Fehler ist dann gegeben, wenn der wert im Originalbild des Pixels sich nicht innerhalb des Wertintervalls, das mit Hilfe der Semantik festgelegt wurde, befindet. Mit einem solchen erfindungsgemäßen Verfahren wird Rechenzeit eingespart, da nicht das gesamte Originalbild von einem zuvor berechneten Idealbild abgezogen und das dann entstehende Differenzbild auf das Vorliegen von Fehlern untersucht werden muss und das Training aus einer einfachen und schnellen Berechnung der ersten vier zentralen Momente besteht.These The object is achieved by a Method solved with the features of claim 1. in this connection be, as known from the prior art, laying down the Preliminary knowledge of several X-ray images of faultless test parts taken as good pictures. These good pictures become the first ones four central moments for specifiable pixels i in the good images calculated. It is not absolutely necessary, all pixels in the good images pretend. The first four central moments are to the absolute deviation of the gray value, the standard deviation, the crookedness and the kurtosis. The first two moments are with the well-known standard methods of statistics clearly established. The third moment, the crookedness, gives an indication of whether the Normal distribution is symmetric with respect to the mean or whether they belong to the larger or smaller values. The fourth moment, the kurtosis, indicates whether the distribution focuses on the mean or widely distributed. According to the invention then the calculated Values of the first four central moments associated with this semantics. This results in a value interval specifically for each individual specifiable Pixel. Thus, the needed Previous knowledge generated. It will now be an X-ray image of a to be examined test part taken as original image. At each of the individual predefinable Pixel finds a comparison of the current pixel value of the original image with it, whether this within the value interval, that with Help the semantics has been established from the prior knowledge is located. That concludes An assessment is made as to whether an error occurred in the examined part on the Place of the respective pixel is given or not. An error is then given if the value in the original image of the pixel is not within the value interval set using semantics was located. With such a method according to the invention, computing time is saved, because not the entire original image of a previously calculated ideal image deducted and the resulting difference image on the presence of Errors needs to be investigated and training from a simple one and fast calculation of the first four key moments exists.

Eine vorteilhafte Weiterbildung der Erfindung sieht vor, dass als Mittelwert für einen Pixel i

Figure 00030001
definiert ist, wobei N die Anzahl der Gut-Bilder angibt. Darüber hinaus ist es als erstes zentrales Moment vorteilhaft, die absolute Abweichung als
Figure 00030002
zu definieren.An advantageous development of the invention provides that as an average value for a pixel i
Figure 00030001
is defined, where N indicates the number of good images. Moreover, it is advantageous as a first central moment, the absolute deviation as
Figure 00030002
define.

Als zweites zentrales Moment wird vorteilhafterweise die Standardabweichung als Wurzel aus der Varianz gemäß

Figure 00030003
definiert.As a second central moment, the standard deviation is advantageously taken as the root of the variance according to
Figure 00030003
Are defined.

Als drittes zentrales Moment wird vorteilhafterweise die Schiefheit als

Figure 00030004
definiert.As the third central moment is advantageously the crookedness as
Figure 00030004
Are defined.

Schließlich wird vorteilhafterweise als viertes zentrales Moment die Kurtosis als

Figure 00040001
definiert.Finally, as a fourth central moment is the kurtosis as
Figure 00040001
Are defined.

Eine weitere vorteilhafte Weiterbildung der Erfindung sieht vor, dass in der Semantik der durchschnittliche Grauwert des Pixels i dem Mittelwert xm(i) zugeordnet wird. Dies ist ein guter Ausgangswert zur Berechnung der weiteren für die Bewertung notwendigen zentralen Momente.A further advantageous development of the invention provides that in the semantics the average gray value of the pixel i is assigned to the mean value x m (i). This is a good starting point for calculating the other central moments necessary for the evaluation.

Bevorzugt werden in der Semantik folgende Zuordnungen festgelegt:
Liegt ein Wert der Standardabweichung oberhalb einer vorgebbaren Schwelle, wird ihm die Aussage zugeordnet, dass der Mittelwert eine ungenaue Schätzung ist, ansonsten handelt es sich um eine genaue Schätzung.The following assignments are preferably defined in semantics:
If a value of the standard deviation is above a predefinable threshold, it is assigned the statement that the mean value is an inaccurate estimate, otherwise it is an accurate estimate.

Liegt ein negativer Wert für die Schiefheit vor, wird diesem in der Semantik die Aussage zugeordnet, dass die meisten Messwerte unterhalb des Mittelwerts liegen. Dagegen wird ihm bei einem positiven Wert der Schiefheit die Aussage zugeordnet, dass diese oberhalb des Mittelwerts liegen.Lies a negative value for the crookedness, this is assigned to the semantics in the statement, that most readings are below the mean. On the other hand For a positive value of skewness, he is assigned the statement that these are above the mean.

Schließlich wird einem negativen Wert der Kurtosis in der Semantik eine breite Streuung der Messwerte zugeordnet. In den anderen Fällen liegt eine Konzentration auf nur einen einzigen Messwert vor.Finally will a negative value of kurtosis in semantics a wide dispersion assigned to the measured values. In the other cases, there is a concentration to just a single reading.

Darüber hinaus wird die Aufgabe durch ein erfindungsgemäßes Verfahren mit den Merkmalen des Patentanspruchs 11 gelöst. Dieses unterscheidet sich in der Behandlung des Vorwissens gegenüber demjenigen des Patentanspruchs 1 dadurch, dass anstatt einer Zuweisung der berechneten Werte der ersten vier zentralen Momente zu einer Semantik eine Berechnung des Maximums und des Minimums sämtlicher Idealbilder für die vorgebbaren Pixel erfolgt. Man erhält somit eine Art Hülle, in der sich die Idealbilder bewegen. Hinsichtlich der Filterung gemäß Patentanspruch 1 liegt der Unterschied bei dieser zweiten Lösung darin, dass anstatt des Vergleichs der Werte der vorgebbaren Pixel im Originalbild mit der Semantik der Idealbilder eine Untersuchung vorgenommen wird, ob die Werte der vorgebbaren Pixel im Originalbild innerhalb des Intervalls des Maximums und des Minimums der Idealbilder liegen. Daraus resultiert zwangsläufig auch eine von der Lösung gemäß Patentanspruch 1 abweichende Bewertung, ob ein Fehler im untersuchten Prüfteil vorliegt. Bei dieser zweiten Lösungsmöglichkeit erfolgt die Bewertung, dass ein Fehler im untersuchten Prüfteil vorliegt, wenn für ein Pixel das Intervall verlassen wird.Furthermore The object is achieved by a method according to the invention with the features of Patent claim 11 solved. This differs in the treatment of foreknowledge over that of claim 1, characterized in that instead of an assignment of the calculated values of the first four central moments to a semantics one Calculation of the maximum and the minimum of all ideal images for the predeterminable ones Pixel takes place. You get thus a kind of shell, in which the ideal images move. Regarding the filtering according to claim 1, the difference with this second solution is that instead of the Comparison of the values of the predefinable pixels in the original image with the Semantics of ideal images an investigation is made whether the values of the predeterminable pixels in the original image within the interval of the Maximums and the minimum of the ideal images lie. This results inevitably also one of the solution according to claim 1 deviating assessment of whether there is an error in the examined part. In this second solution the evaluation that there is an error in the tested part is carried out, if for a pixel will leave the interval.

Eine vorteilhafte Weiterbildung dieser beiden erfindungsgemäßen Lösungen sieht vor, dass ein Binärbild erstellt wird, bei dem der Wert für das Pixel i gleich 0 ist, wenn das Intervall nicht verlassen wird, ansonsten 1. In diesem Binärbild ist sofort eindeutig zu erkennen, an welcher Stelle des Prüfteils – nämlich diejenige, die dem Pixel zugeordnet ist, das sich außerhalb des Intervalls befindet – ein Fehler vorhanden ist.A advantageous development of these two solutions according to the invention sees before that a binary image is created where the value for the pixel i is 0, if the interval is not left, otherwise 1. In this binary image It is immediately obvious at which point of the test part - namely the one which is associated with the pixel that is out of the interval - an error is available.

Für beide erfindungsgemäßen Lösungen sowie deren Weiterbildungen ist es vorteilhaft, wenn als vorgebbare Pixel alle möglichen Pixel im untersuchten Bereich herangezogen werden. Dadurch wird zwar die Rechenzeit gegenüber einer Lösung erhöht, bei der lediglich spezielle vorgebbare Pixel überprüft werden, jedoch wird auch die Sicherheit, ein eventuell fehlerhaftes Prüfteil zu erkennen, erhöht.For both solutions according to the invention as well their developments, it is advantageous if as a predetermined pixel all possible Pixels are used in the examined area. This will indeed the computing time opposite a solution increased, at the only special predeterminable pixels will be checked, however, too the security of recognizing a possibly defective test piece increases.

Weitere Vorteile und Einzelheiten der Erfindung werden anhand der in den Figuren dargestellten, nachfolgen beschriebenen Ausführungsbeispiele erläutert. Dabei zeigen:Further Advantages and details of the invention will be apparent from the in the Figures illustrated, described below embodiments explained. Showing:

1 den Verlauf des Mittelwerts von als gut klassifizierten Prüfteilen sowie eine Standardabweichung nach oben und unten für eine gesamte Zeile von Pixeln, 1 the progression of the average of well classified test pieces and a standard deviation up and down for an entire row of pixels,

2 eine Hülle, die aus Gut-Bildern berechnet wurde mit den Werten für die Pixel aus einem Originalbild, und 2 a shell that was calculated from good images with the values for the pixels from an original image, and

3 eine vergrößerte Darstellung des rechteckigen Bereichs in 2. 3 an enlarged view of the rectangular area in 2 ,

In 1 ist das Profil einer gesamten Zeile aus einer Röntgenaufnahme hinsichtlich der Intensitätswerte (Ordinate) über ihrer Position (Abszisse) angegeben. Es handelt sich hierbei um den Verlauf des Mittelwerts für 34 Röntgenbilder von als gut klassifizierten Prüfteilen, die im Folgenden als Gut-Bilder bezeichnet werden. Um diesen Mittelwert herum ist eine Standardabweichung sowohl nach oben als auch nach unten mit einem Faktor α = 3 gemäß der folgenden Formel angegeben: I(i) = xm(i) ± ασ(i) In 1 is the profile of an entire line from an X-ray with respect to the intensity values (ordinate) over its position (abscissa). This is the course of the mean value for 34 x-ray images of test items classified as good, which are referred to as "good images" below. Around this mean value is given a standard deviation both up and down with a factor α = 3 according to the following formula: I (i) = x m (i) ± ασ (i)

Zwischen den umhüllenden oberen und unteren Kurven der Standardabweichung liegen die Intensitätswerte aller Gut-Bilder. Diese sind nicht gleichmäßig um den Mittelwert verteilt (nicht gezeigt). Die gewählte Intervallbreite von insgesamt sechsmal der Standardabweichung ist allerdings in einigen Bereichen zu großzügig gewählt. Das dargestellte Intensitätsintervall wird deshalb mit den zentralen Momenten höherer Ordnung wie folgt angepasst: Between the enveloping upper and lower curves of the standard deviation are the intensity values of all good images. These are not evenly distributed around the mean (not shown). However, the selected interval width of six times the standard deviation is too generous in some areas. The illustrated intensity interval is therefore adjusted with the central higher order moments as follows:

Die Schiefheit m3(i) wird als Maß verwendet, um das Intervall bezüglich des Mittelwerts zu verschieben: I(i) = (xm(i) – x(m3(i))) ± ασ(i). The skewness m 3 (i) is used as a measure to shift the interval with respect to the mean: I (i) = (x m (i) - x (m 3 (i))) ± ασ (i).

Die Kurtosis m4(i) wird als Skalierung für die Breite des Intervalls verwendet: I(i) = (xm(i) – x(m3(i))) ± σ(m4(i)). The kurtosis m 4 (i) is used as the scale for the width of the interval: I (i) = (x m (i) - x (m 3 (i))) ± σ (m 4 (I)).

Wenn man dann das Profil für dieselben Pixel aus dem Originalbild des zu untersuchenden Prüfteils in den Graph der 1 einfügt, kann sofort erkannt werden, ob es sich um ein Prüfteil handelt, das fehlerfrei ist (dann liegen sämtliche Werte für alle Pixel des Profils innerhalb der Hülle) oder ob an einem oder mehreren Pixeln ein Fehler im Prüfteil vorhanden ist (dann befindet sich der Intensitätswert für diesen Pixel außerhalb der Hülle). Dadurch ist kein Abziehen von zwei vollständig vorliegenden Bildern nötig und das Training besteht nur aus der Berechnung der ersten vier zentralen Momente. Somit ist mit sehr geringem Aufwand an Rechenzeit eine Feststellung möglich, ob ein Prüfteil fehlerhaft ist oder nicht.If one then the profile for the same pixels from the original image of the test part to be examined in the graph of 1 If it is a test part that is free of errors (then all the values for all the pixels of the profile lie inside the cover) or if there is an error in the test part at one or more pixels (then the Intensity value for this pixel outside the envelope). This does not require subtracting two complete images and the training consists only of calculating the first four central moments. Thus, a determination is possible with very little effort of computing time, whether a test piece is faulty or not.

Eine alternative Lösungsmöglichkeit gemäß dem zweiten Ausführungsbeispiel der Erfindung ist in 2 dargestellt. Hierbei werden das Minimum (untere durchgezogene Linie) und das Maximum (obere durchgezogene Linie) der Gut-Bilder als äußere Hülle verwendet. Hierbei gilt für die Intensität I(i) = [xmin, xmax]. Da es sich um Gut-Bilder handelt, sind in diesen Datensätzen keine Ausreißer zu erwarten, so dass trotz Minimum- bzw. Maximumfunktion eine Glättung der Daten nicht notwendig ist.An alternative solution according to the second embodiment of the invention is in 2 shown. Here, the minimum (lower solid line) and the maximum (upper solid line) of the good images are used as the outer shell. For the intensity I (i) = [x min , x max ]. Since these are good images, no outliers are to be expected in these datasets, so that smoothing of the data is not necessary despite the minimum or maximum function.

In 2 ist darüber hinaus eine gepunktete Linie dargestellt, die dem Zeilenprofil des Röntgenbilds des Prüfteils, also dem Originalbild, entspricht. Es versteht sich von selbst, dass hier diejenige Zeile des Originalbilds verwendet wurde, die mit jener übereinstimmt, die durch die Hülle der Gut-Bilder berechnet wurde. Das gepunktete Zeilenprofil im dargestellten Prüfteil verläuft überwiegend innerhalb der Hülle. Allerdings ist im Bereich des 280-sten Pixels in dieser Zeile ein Fehler mit einer geringeren Dichte im Vergleich zu den Gut-Bildern vorhanden. Dies lässt sich daran erkennen, dass an dieser Stelle die gepunktete Linie des Originalbildes über die Hülle nach oben heraussteht. Zur Verdeutlichung ist die 3 als eine Vergrößerung des fraglichen Bereichs der 2 dargestellt.In 2 In addition, a dotted line is shown, which corresponds to the line profile of the X-ray image of the test part, ie the original image. It goes without saying that here the line of the original image was used, which coincides with that calculated by the shell of the good images. The dotted line profile in the test part shown runs predominantly within the envelope. However, in the area of the 280th pixel in this line, there is a defect with a lower density compared to the good images. This can be recognized by the fact that at this point the dotted line of the original image protrudes upwards over the cover. For clarification is the 3 as an enlargement of the area in question 2 shown.

Deutlicher kann man dies erkennen, wenn man eine Segmentierung des Bildes x ~(i) mittels des Intervalls I(i) vornimmt und ein daraus resultierendes Binärbild xbinär(i) betrachtet. Hierbei gilt für die Werte

Figure 00080001
Auch bei dieser zweiten erfindungsgemäßen Lösungsmöglichkeit wird wieder in sehr einfacher Art und Weise mit geringer Rechenzeit ein fehlerhaftes Prüfteil sicher detektiert, indem sein Originalbild betrachtet und mit der Hülle der Gut-Bilder verglichen wird. Auch hier ist es nicht nötig, zwei vollständige Bilder voneinander abzuziehen, um zu einer Aussage über die Qualität des Prüfteils zu gelangen.This can be seen more clearly if one makes a segmentation of the image x ~ (i) by means of the interval I (i) and considers a resulting binary image x binary (i). Hereby applies to the values
Figure 00080001
Even with this second possible solution according to the invention, a faulty test piece is reliably detected again in a very simple manner with a low computing time by viewing its original image and comparing it with the envelope of the good images. Again, it is not necessary to subtract two complete images from each other in order to arrive at a statement about the quality of the test piece.

Claims (13)

Verfahren zur automatischen Fehlererkennung in einem Prüfteil mittels Röntgenstrahlen mit folgenden Schritten: – Aufnehmen mehrerer Röntgenbilder von fehlerfreien Prüfteilen als Gut-Bilder; – Berechnen der ersten vier zentralen Momente aus den Gut-Bildern für vorgebbare Pixel i in den Gut-Bildern, nämlich der absoluten Abweichung des Grauwerts, der Standardabweichung, der Schiefheit und der Kurtosis; – Zuweisung der berechneten Werte der ersten vier zentralen Momente zu einer Semantik; – Aufnehmen eines Röntgenbildes eines zu untersuchenden Prüfteils als Originalbild; – Vergleich der Werte der vorgebbaren Pixel i im Originalbild mit Hilfe der Semantik bzgl. der Gut-Bilder; – Bewertung, dass ein Fehler im untersuchten Prüfteil vorliegt, wenn für ein Pixel die vorgegebenen Werte der Semantik nicht eingehalten sind.Method for automatic error detection in a test piece by means of X-rays with the following steps: - Take up several x-rays of faultless test parts as good-pictures; - To calculate the first four central moments from the good pictures for definable Pixel i in the gut pictures, namely the absolute deviation of the gray value, the standard deviation, the crookedness and the kurtosis; - Allocation of the calculated Values of the first four central moments to a semantics; - Take up an x-ray picture a test part to be examined as original picture; - Comparison the values of the predeterminable pixels i in the original image with the help of Semantics regarding the good pictures; - Rating, that there is an error in the examined test part, if for a pixel the given values of the semantics are not met. Verfahren nach Patentanspruch 1, dadurch gekennzeichnet, dass als Mittelwert für ein Pixel i definiert ist:
Figure 00090001
mit N Anzahl der Idealbilder.Method according to Patent Claim 1, characterized in that the mean value for a pixel i is defined as:
Figure 00090001
with N number of ideal pictures. Verfahren nach Patentanspruch 2, dadurch gekennzeichnet, dass als erstes zentrales Moment die absolute Abweichung definiert ist:
Figure 00100001
Method according to Patent Claim 2, characterized in that the absolute deviation is defined as the first central moment:
Figure 00100001
 Verfahren nach Patentanspruch 2 oder 3, dadurch gekennzeichnet, dass als zweites zentrales Moment die Standardabweichung als Wurzel aus der Varianz
Figure 00100002
definiert ist.A method according to claim 2 or 3, characterized in that as a second central moment the standard deviation as the root of the variance
Figure 00100002
is defined. Verfahren nach Patentanspruch 2, 3 oder 4, dadurch gekennzeichnet, dass als drittes zentrales Moment die Schiefheit als
Figure 00100003
definiert ist.Method according to claim 2, 3 or 4, characterized in that as the third central moment the skewness as
Figure 00100003
is defined. Verfahren nach Patentanspruch 2, 3, 4 oder 5, dadurch gekennzeichnet, dass als viertes zentrales Moment die Kurtosis als
Figure 00100004
definiert ist.Method according to claim 2, 3, 4 or 5, characterized in that as a fourth central moment the kurtosis as
Figure 00100004
is defined. Verfahren nach einem der vorstehenden Patentansprüche, dadurch gekennzeichnet, dass in der Semantik der durchschnittliche Grauwert des Pixels i dem Mittelwert xm(i) zugeordnet wird.Method according to one of the preceding claims, characterized in that in the semantics the average gray value of the pixel i is assigned to the mean value x m (i). Verfahren nach einem der vorstehenden Patentansprüche, dadurch gekennzeichnet, dass in der Semantik einem oberhalb einer vorgebbaren Schwelle liegenden Wert der Standardabweichung σ(i) die Aussage zugeordnet wird, dass der Mittelwert eine ungenaue Schätzung ist, ansonsten handelt es sich um eine genaue Schätzung.Method according to one of the preceding claims, characterized characterized in that in the semantics one above a predetermined Threshold lying value of the standard deviation σ (i) the statement is assigned that the mean is an inaccurate estimate, otherwise it acts it is an accurate estimate. Verfahren nach einem der vorstehenden Patentansprüche, dadurch gekennzeichnet, dass in der Semantik einem negativen Wert der Schiefheit zugeordnet wird, dass die meisten Messwerte unterhalb des Mittelwerts liegen, und einem positiven Wert der Schiefheit zugeordnet wird, dass die meisten Messwerte oberhalb des Mittelwerts liegen.Method according to one of the preceding claims, characterized characterized in that in semantics a negative value of skewness is assigned to most readings below the mean lie, and is associated with a positive value of skewness, that most readings are above the mean. Verfahren nach einem der vorstehenden Patentansprüche, dadurch gekennzeichnet, dass in der Semantik einer negativen Kurtosis eine breite Streuung der Messwerte zugeordnet wird, andernfalls eine Konzentration auf einen Messwert vorliegt.Method according to one of the preceding claims, characterized characterized in that in the semantics of a negative kurtosis one wide dispersion of the measured values is assigned, otherwise a concentration is present on a measured value. Verfahren zur automatischen Fehlererkennung in einem Prüfteil mittels Röntgenstrahlen mit folgenden Schritten: – Aufnehmen mehrerer Röntgenbilder von fehlerfreien Prüfteilen als Gut-Bilder; – Berechnen der ersten vier zentralen Momente aus den Gut-Bildern für vorgebbare Pixel i in den Gut-Bildern, nämlich der absoluten Abweichung des Grauwerts, der Standardabweichung, der Schiefheit und der Kurtosis; – Berechnung des Maximums und des Minimums der Gut-Bilder für die vorgebbaren Pixel i; – Aufnehmen eines Röntgenbildes eines zu untersuchenden Prüfteils als Originalbild; – Untersuchung, ob die Werte der vorgebbaren Pixel i im Originalbild innerhalb des Intervalls des Maximums und des Minimums der Idealbilder liegen; – Bewertung, dass ein Fehler im untersuchten Prüfteil vorliegt, wenn für ein Pixel das Intervall verlassen wird.Method for automatic error detection in one checking part by means of X-rays with the following steps: - Take up several x-rays of faultless test parts as good-pictures; - To calculate the first four central moments from the good pictures for definable Pixel i in the gut pictures, namely the absolute deviation of the gray value, the standard deviation, the crookedness and the kurtosis; - Calculation of the maximum and the minimum of the good pictures for the predeterminable pixel i; - Take up an x-ray picture a test part to be examined as original picture; - Examination, whether the values of the predeterminable pixels i in the original image within the Intervals of the maximum and the minimum of the ideal images are; - Rating, that there is an error in the examined test part, if for a pixel the interval is left. Verfahren nach einem der vorstehenden Patentansprüche, dadurch gekennzeichnet, dass ein Binärbild direkt erstellt wird, bei dem der Wert für das Pixel i gleich 0 ist, wenn das Intervall nicht verlassen wird, ansonsten 1.Method according to one of the preceding claims, characterized characterized in that a binary image created directly, where the value for the pixel i is 0, if the interval is not left, otherwise 1. Verfahren nach einem der vorstehenden Patentansprüche, dadurch gekennzeichnet, dass als vorgebbare Pixel i alle möglichen Pixel herangezogen werden.Method according to one of the preceding claims, characterized characterized in that as a predeterminable pixel i all possible Pixels are used.
DE102006004416A 2006-01-31 2006-01-31 Errors detecting method for e.g. cast part, involves comparing values of central moments of pixel in original image by semantics/effective images, and evaluating error in testing part when values of semantics are not maintained for pixel Ceased DE102006004416A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102006004416A DE102006004416A1 (en) 2006-01-31 2006-01-31 Errors detecting method for e.g. cast part, involves comparing values of central moments of pixel in original image by semantics/effective images, and evaluating error in testing part when values of semantics are not maintained for pixel

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102006004416A DE102006004416A1 (en) 2006-01-31 2006-01-31 Errors detecting method for e.g. cast part, involves comparing values of central moments of pixel in original image by semantics/effective images, and evaluating error in testing part when values of semantics are not maintained for pixel

Publications (1)

Publication Number Publication Date
DE102006004416A1 true DE102006004416A1 (en) 2007-09-06

Family

ID=38328994

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102006004416A Ceased DE102006004416A1 (en) 2006-01-31 2006-01-31 Errors detecting method for e.g. cast part, involves comparing values of central moments of pixel in original image by semantics/effective images, and evaluating error in testing part when values of semantics are not maintained for pixel

Country Status (1)

Country Link
DE (1) DE102006004416A1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3113440A1 (en) * 1981-04-03 1982-11-11 Philips Patentverwaltung Gmbh, 2000 Hamburg Method for testing similar objects for defects
US6327333B1 (en) * 1999-03-03 2001-12-04 Bridgestone Corporation Tire interior inspecting method and tire interior inspecting system for carrying out the same
EP1422516A1 (en) * 2002-11-22 2004-05-26 Agilent Technologies Inc High speed x-ray inspection apparatus and method

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3113440A1 (en) * 1981-04-03 1982-11-11 Philips Patentverwaltung Gmbh, 2000 Hamburg Method for testing similar objects for defects
US6327333B1 (en) * 1999-03-03 2001-12-04 Bridgestone Corporation Tire interior inspecting method and tire interior inspecting system for carrying out the same
EP1422516A1 (en) * 2002-11-22 2004-05-26 Agilent Technologies Inc High speed x-ray inspection apparatus and method

Similar Documents

Publication Publication Date Title
DE19527148C1 (en) Method for operating a digital image system of an X-ray diagnostic device
DE10037697B4 (en) Adaptive mask technique for inspection of defects
EP0012724B1 (en) Process for automatically judging the quality of a printed product and apparatus for its carrying out
EP0029244B1 (en) Method and system for correcting irregularities in picture signals in a scintillation camera
EP0095517B1 (en) Process and device for an automatic optical inspection
DE102005049602B3 (en) Segmenting at least one substance in an x-ray image involves determining number of image points in classification range as assessment value and deriving segmented image with threshold comparison based on assessment value
EP1148442A2 (en) X-ray examination apparatus and method for generating an X-ray image
DE2752412C2 (en) Circuit arrangement for dynamic checking of banknotes according to their degree of soiling
DE3844386C2 (en)
DE2831297C2 (en) Automatic test arrangement for examining character structures
DE102019135807A1 (en) METHOD FOR SIMULATION OF A QUANTUM MECHANICAL SYSTEM
DE2417317A1 (en) METHOD AND DEVICE FOR THE EXAMINATION OF A BODY BY MEANS OF PENETRATING RADIATION
DE112022002310T5 (en) ECHELON DEPLOYMENT BATTERY INSPECTION PROCEDURES AND FACILITY
DE10013012A1 (en) X-ray fluorescence analysis device with X-ray generation unit for irradiating sample; determines luminance change in extracted image and if it is larger than reference value than X-ray passes sample in process action
DE102012205051B4 (en) Method for reducing direct hit artifacts and x-ray equipment
DE102006004416A1 (en) Errors detecting method for e.g. cast part, involves comparing values of central moments of pixel in original image by semantics/effective images, and evaluating error in testing part when values of semantics are not maintained for pixel
DE102005037894B3 (en) Determination and correction of non-linear detector pixels in X-ray apparatus involves using uniform test image in conjunction with corrective, masking and differencing techniques
EP4123506A1 (en) Method and device for analyzing a product, training method, system, computer program, and computer readable storage medium
DE112022001473T5 (en) TEST SYSTEM, TEST MANAGEMENT DEVICE, TEST METHOD AND PROGRAM
DE102019134253A1 (en) Apparatus, method and computer readable storage medium for detecting objects in a video signal based on visual cues using an output of a machine learning model
EP3316216B1 (en) Method for checking an object
DE3704272C2 (en) Method for non-medical x-ray image processing and arrangement for carrying out the method
DE10058216C1 (en) Periodic structure spacing measuring method for semiconductor wafer or photomask uses distance between detected maxima in Fourier transformation of image of periodic structure
DE2722305A1 (en) METHOD AND DEVICE FOR DETERMINING THE ACCURACY OF A RADIOACTIVITY MEASUREMENT ON A SAMPLE
DE102018133232A1 (en) Process monitoring process

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8131 Rejection