JP2018128436A - Surface roughness determination device and determination method - Google Patents
Surface roughness determination device and determination method Download PDFInfo
- Publication number
- JP2018128436A JP2018128436A JP2017023653A JP2017023653A JP2018128436A JP 2018128436 A JP2018128436 A JP 2018128436A JP 2017023653 A JP2017023653 A JP 2017023653A JP 2017023653 A JP2017023653 A JP 2017023653A JP 2018128436 A JP2018128436 A JP 2018128436A
- Authority
- JP
- Japan
- Prior art keywords
- surface roughness
- roughness
- color
- index
- color space
- 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.)
- Granted
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
Description
本発明は、表面粗さ判定装置及び判定方法、特に、表面の粗さの一致度を評価するための判定装置とその方法に関する。 The present invention relates to a surface roughness determination device and determination method, and more particularly to a determination device and method for evaluating the degree of coincidence of surface roughness.
表面、例えば、金属表面での微細な凹凸を研磨するには様々な発明が提案されている（http://www.chemicoat.co.jp/column/detail_6.html）。 Various inventions have been proposed for polishing fine irregularities on a surface, for example, a metal surface (http://www.chemicoat.co.jp/column/detail_6.html).
上記発明における「化学研磨」とは、研磨用の溶液に金属を浸して、酸やアルカリの力によってその化学反応で金属の表面を腐食させる研磨方法である。細かい部分にまで溶液が入り込むため、機械による研磨では届かないような細部にも処理を行うことができるのが特徴である。主に複雑な形状の微細部品や内面部分の研磨を行う場合に化学研磨が向いている。 “Chemical polishing” in the above invention is a polishing method in which a metal is immersed in a polishing solution and the surface of the metal is corroded by the chemical reaction by the force of acid or alkali. Since the solution enters even fine parts, it is characterized in that it can process even details that cannot be reached by mechanical polishing. Chemical polishing is suitable mainly for polishing fine parts with complicated shapes and inner surface portions.
「電解研磨」とは、電解研磨用の溶液に金属を浸して、その溶液の中で金属をプラスとして電流を流すことによる研磨方法である。金属は次第に溶解し、表面が光沢化や平滑化してくる。表面に加工による変質層を作ることがなく汚れや焼けなども残さないため、化学研磨とともに精密部品などのクリーンな研磨方法が必要な場合に利用されている。 The “electropolishing” is a polishing method in which a metal is immersed in a solution for electropolishing and a current is passed in the solution with the metal as a plus. The metal gradually dissolves and the surface becomes glossy and smooth. It is used when chemical polishing and clean polishing methods such as precision parts are necessary because it does not create a deteriorated layer by processing and does not leave dirt or burns.
「機械研磨」とは、その名の通り機械を使って行う研磨のことを指し、様々な方法がある。現在の主流は、円盤型の定盤の上に研磨パッドを貼り、その上に化学成分や微細な粒子を含んだ液体の研磨材を垂らし、回転させながら磨くロータリータイプである。他にも金属の内径を精密に研磨するホーニングマシンによる研磨や、バフを使用したバフ研磨など様々な研磨方法がある。 “Mechanical polishing” refers to polishing performed using a machine as its name suggests, and there are various methods. The current mainstream is a rotary type in which a polishing pad is placed on a disk-shaped surface plate, a liquid abrasive containing chemical components and fine particles is hung on it, and polished while rotating. In addition, there are various polishing methods such as polishing with a honing machine that precisely polishes the inner diameter of a metal, and buffing using a buff.
梨地仕上げ（なしぢしあげ）とは（http://www.chemicoat.co.jp/knowledge/detail_169.html）、金属の表面に微細な凹凸をつけて、ざらざらとした表面粗さに仕上げる表面処理方法を言う。果実の梨の表面に似ていることからこう呼ばれる。梨地仕上げには、光沢、半光沢、無光沢の梨地がある。梨地仕上げを行う目的は、表面粗さや見た目をよくするなどのほかオイルのついた手で触ったときに滑りにくくするための滑り止め目的や、塗装や陽極酸化をする際の前処理などの目的で用いられている。また精密機械などの表面の摩擦抵抗を減らすために、「きさげ加工」という微細な凹凸をつける加工がほどこされる場合もある。 What is pear finish (http://www.chemicoat.co.jp/knowledge/detail_169.html), a surface that has a rough surface finish with fine irregularities on the metal surface. Say the processing method. It is called this because it resembles the surface of a fruit pear. There are glossy, semi-glossy and matte satin finishes. The purpose of the satin finish is not only to improve the surface roughness and appearance, but also to prevent slipping when touched with a hand with oil, and to pretreatment when painting or anodizing. It is used in. In addition, in order to reduce the frictional resistance of the surface of a precision machine or the like, there is a case where a process of giving fine irregularities called “scraping” is performed.
金属表面を梨地仕上げ加工する方法には主に機械的な方法と化学的な方法があり、機械的な方法としては前述のきさげ加工のほかワイヤブラシにより表面を磨くワイヤブラシ法、微粒子を圧縮空気により表面に吹き付けるサンドブラスト法、細かい粒子を含んだ加工液を金属加工面に吹き付ける液体ホーニング法などがある。化学的に梨地仕上げ加工を行う方法には、エッチングなどの化学腐食や電解腐食を用いる方法、分散めっき法などの電気メッキを用いた表面処理を行う方法などがある。 There are mainly mechanical and chemical methods for finishing the metal surface. The mechanical methods include the wire brush method in which the surface is polished with a wire brush in addition to the above-described scraping, and fine particles are compressed. There are a sand blasting method in which the surface is sprayed with air and a liquid honing method in which a processing liquid containing fine particles is sprayed on the metal processing surface. As a method of chemically finishing the satin finish, there are a method using chemical corrosion such as etching and electrolytic corrosion, and a method of performing surface treatment using electroplating such as dispersion plating.
表面のつや・粗さ測定方式は、従来、粗さ計があり、それには機械式のもの、レーザーなどの光学式のものがある。これらは凹凸が何ｍｍあるか、あるいは何ｎｍあるかといった数値で示すが、現場の経験ある技術者は、こうした値よりも目で見た、表面のツヤ感やテカリ度を見て判定している。また、こうした経験に基づく現場の判定で作業が進んでいる。表面粗さの従来技術には以下の発明がある。 The surface gloss / roughness measuring method has conventionally been a roughness meter, which includes a mechanical type and an optical type such as a laser. These are indicated by numerical values such as how many mm of unevenness or how many nm, but engineers who have experience in the field judge by looking at the glossiness and shine degree of the surface as seen from these values. Yes. In addition, work is proceeding with on-site judgment based on such experience. There are the following inventions in the prior art of surface roughness.
表面粗さをスタイラス等により倣い式で計測する特許文献１〜３の発明が提案されている。 The inventions of Patent Documents 1 to 3 that measure the surface roughness by a scanning method using a stylus or the like have been proposed.
表面粗さを非接触式に撮像装置で計測する特許文献４〜６の発明が提案されている。 The inventions of Patent Documents 4 to 6 that measure the surface roughness in a non-contact manner with an imaging device have been proposed.
表面粗さを非接触式にレーザー光で計測する特許文献７〜１０の発明が提案されている。 The inventions of Patent Documents 7 to 10 that measure the surface roughness with a laser beam in a non-contact manner have been proposed.
しかしながら、特許文献１〜１０は、光沢、つや、粗さ等の仕上がり具合を示す表面粗さの判断までは行うことができない。特許文献１〜３は、接触子で表面をスキャンするため、表面測定に時間を要するとともに、装置が大掛かりなものとなる。特許文献４〜６は、可視光等によるが、精度が十分ではない。特許文献７〜１０は、レーザー光で表面をスキャンし、表面粗さを測定するため時間を要する。 However, Patent Documents 1 to 10 cannot perform the determination of the surface roughness indicating the finish such as gloss, gloss, and roughness. In Patent Documents 1 to 3, since the surface is scanned with a contact, it takes time to measure the surface, and the apparatus becomes large. Although patent documents 4-6 depend on visible light etc., accuracy is not enough. In Patent Documents 7 to 10, it takes time to scan the surface with laser light and measure the surface roughness.
また、通常、艶感のある物体の色を見る時には、物体色と光源色をバランスよく認識している。全反射したところは輝度が高くなり、光源色を強く反映した色を見ることになる。一方、シェード部分は輝度が低く、対象物体の反射の影響が大きい。ハイライトとシェードの中間は、人の目には、加色混合されて見える。 Normally, when looking at a glossy object color, the object color and the light source color are recognized in a well-balanced manner. When the light is totally reflected, the brightness increases, and a color that strongly reflects the light source color is seen. On the other hand, the shade portion has low luminance and is greatly affected by the reflection of the target object. The middle of the highlight and shade appears to the human eye as an additive color mixture.
従来法の画像による発明でも、シボなどの構造をもつものは単なる物体色ではなく、構造的に全反射が起こっているにもかかわらず、ΔＥ、ΔＬ、Δａ、Δｂ等は、色の広がりの情報を失われてしまい、ごく限られた領域の平均色しかとれないので、複雑な構造によって様々な色・輝度で織り成すテクスチャー感情報は失われていた。測る場所によっても数値にばらつきがあった。 Even in the invention based on the image of the conventional method, those having structures such as wrinkles are not merely object colors, and ΔE, ΔL, Δa, Δb, etc. Since information is lost and only an average color in a very limited area can be obtained, texture information woven with various colors and brightness due to a complicated structure has been lost. The numerical values also varied depending on the measurement location.
したがって、表面を仕上げるのに、粗くしたり、鏡面仕上げにしたりするが、この粗さ加減は、専門家の目による評価が必要となる。 Therefore, in order to finish the surface, the surface is roughened or mirror-finished. This roughness adjustment requires an expert's evaluation.
表面が細かなものはミクロンオーダー、鏡面ではナノオーダーの粗さ判定となるが、人の目はその両方での判定を行うので、時間とコストがかかる、正確な判定が難しいという問題がある。特に、表面粗さの凹凸の高さが、細かく微小な場合、例えば、光の波長がナノレベル（例えば７００ｎｍ）からマイクロメータのレベルでの粗さについては、色のシフトがあると考えられ、微細な粗さの判定も要望があるが、実現できていない。 A fine surface has a micron-order roughness and a mirror surface has a nano-order roughness determination. However, since the human eye performs both determinations, there is a problem that it takes time and cost, and accurate determination is difficult. In particular, when the unevenness of the surface roughness is fine and fine, for example, regarding the roughness of the light wavelength from the nano level (for example, 700 nm) to the micrometer level, it is considered that there is a color shift, Although there is a demand for the determination of fine roughness, it has not been realized.
例えば、金属の表面上に樹脂をコーティングした場合、金属と樹脂との結合が最適となるように表面の測定を行ってから、コーティングをおこなう。そういう小さなオーダーの粗さ加減を、従来の粗さ計で、製造ラインで、いちいちチェックすることは不可能であり、技術開発のネックになっている。なぜならば、従来の粗さ計では表面をなぞるのに計測時間がかかる。例えば、ＡＦＭ又はレーザーにより表面でのラインスキャンを繰り返して、面積全部をスキャンして計測することは、測定時間がかかりすぎて、ラインがストップする。また、製品の表面は、緩やかなカーブがある場合が多く、また、工業製品では測定面積が多いものが多数であり、表面の粗さをチェックしようとしても、製品において計測するのは無理である。 For example, when a resin is coated on a metal surface, the surface is measured so that the bond between the metal and the resin is optimal, and then the coating is performed. It is impossible to check the roughness of such small orders on a production line with a conventional roughness meter, which is a bottleneck for technological development. This is because it takes time to trace the surface with a conventional roughness meter. For example, repeating the line scan on the surface with AFM or laser to scan and measure the entire area takes too much measurement time and the line stops. Also, the surface of the product often has a gentle curve, and many industrial products have a large measurement area, so even if you want to check the surface roughness, it is impossible to measure on the product. .
そこで、本発明は、ＸＹＺ系の撮像装置により、表面の凹凸に光源からの光を当てて、その反射光分布を計測し、表面の形状により、光源からの光が散乱と回折により色・粗さ度として観測され、この粗さ度により、人間の目の判定条件に近い状態で、表面の仕上げ判定の定量化を可能とすることを課題とする。 Therefore, the present invention uses an XYZ imaging device to apply light from a light source to surface irregularities and measure the reflected light distribution. Depending on the shape of the surface, the light from the light source is scattered and diffracted to produce color / roughness. It is an object of the present invention to make it possible to quantify the surface finish determination in a state close to the determination condition of the human eye.
また、本発明は、表面粗さの凹凸の高さが、ナノレベルからマイクロレベルでの微細な粗さ判定も可能とし、測定時間の短縮化、曲面の粗さ判定、面積の大きな製品の粗さ判定を正確に行うことを課題とする。 In addition, the present invention makes it possible to determine the roughness of the roughness of the surface roughness from the nano level to the micro level, shorten the measurement time, determine the roughness of the curved surface, and rough the product with a large area. It is an object to accurately determine the height.
本発明は、ＸＹＺ系の撮像装置を用いた判定方式で、この方式では人の見た目の判定法と極めて近い判定ができる。その根拠は撮像装置では、正確な値が２次元又は３次元で求められるため、検査面の凹凸等の表面粗さを照明光の散乱と回折現象にて定量化できる点にある。 The present invention is a determination method using an XYZ imaging device, and in this method, determination that is very close to a human visual determination method can be performed. This is based on the fact that the surface roughness of the inspection surface, such as irregularities, can be quantified by the scattering and diffraction phenomenon of the illumination light, because the imaging device requires an accurate value in two or three dimensions.
本発明のＸＹＺ系の撮像装置で、光源を当てた表面を撮像し、その反射光分布を計測すると、表面の形状により、光源からの光が散乱と回折により色・表面粗さとして観測され、この粗さ度により、表面の色・表面粗さの定量化が可能となることに着目した。 With the XYZ-based imaging device of the present invention, when the surface to which the light source is applied is imaged and the reflected light distribution is measured, the light from the light source is observed as color and surface roughness due to scattering and diffraction, depending on the shape of the surface. We focused on the fact that the surface color and surface roughness can be quantified by this roughness.
第１発明は、ＣＩＥ ＸＹＺ等色関数と等価に線形変換された三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）を有する撮像装置が取得した三つの分光感度を有する３バンド視覚感度画像Ｓ１i，Ｓ２i，Ｓ３iをＣＩＥ ＸＹＺ表色系における三刺激値Ｘ、Ｙ、Ｚに変換したデータを取得し演算する演算処理部を備え、前記演算処理部が、色差ΔＥを演算する色差演算部と、ＸＹＺ表色系の色空間にそれぞれ対応する座標の検査領域を格子で区画し、各格子に属する検査面と基準面の画素数を積算することにより、ＸＹＺ表色系の色空間ヒストグラム分布を作成する色空間ヒストグラム分布作成部と、前記検査面と基準面の２つの色空間ヒストグラム分布の差を示す表面粗さ指標を演算する表面粗さ指標演算部と、粗さ計により実測した表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶部と、表面粗さ計測値Ｒａと表面粗さ評価指標Ｅｓｔの相関関係を示す第１検量線関数、前記表面粗さ計測値Ｒａと色差ΔＥの相関関係を示す第２検量線関数、又は、前記表面粗さ計測値Ｒａと表面粗さ指標Ｍとの相関関係を示す第３検量線関数のうちの少なくとも１つを設定する関数設定部と、前記各関数の少なくとも１つに基づいて、、前記表面粗さ指標に対応する前記表面粗さ評価指標Ｅｓｔ又は表面粗さを演算する演算部と、を備えたことを特徴とする表面粗さ判定装置である。 The first invention has three spectral sensitivities acquired by an imaging apparatus having three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) linearly converted equivalently to the CIE XYZ color matching functions. An arithmetic processing unit that acquires and calculates data obtained by converting the three-band visual sensitivity images S1i, S2i, and S3i into tristimulus values X, Y, and Z in the CIE XYZ color system, and the arithmetic processing unit calculates a color difference ΔE. The XYZ color system by dividing the inspection area of the coordinates corresponding to the color space of the XYZ color system and the color space of the XYZ color system by integrating the number of pixels of the inspection surface and the reference surface belonging to each grid. A color space histogram distribution creating unit for creating a color space histogram distribution; a surface roughness index computing unit for computing a surface roughness index indicating a difference between two color space histogram distributions of the inspection surface and the reference surface; and a roughness meter Surface roughness meter measured by A surface roughness measurement data storage unit for storing the value Ra, a first calibration curve function indicating a correlation between the surface roughness measurement value Ra and the surface roughness evaluation index Est, and a correlation between the surface roughness measurement value Ra and the color difference ΔE. A function setting unit that sets at least one of a second calibration curve function indicating a relationship or a third calibration curve function indicating a correlation between the surface roughness measurement value Ra and the surface roughness index M; A surface roughness determination apparatus comprising: a calculation unit that calculates the surface roughness evaluation index Est or the surface roughness corresponding to the surface roughness index based on at least one of the functions It is.
第１発明において、前記表面粗さ評価指数Ｅｓｔは、表面粗さ計測値Ｒａとの間の誤差が最小となるように、前記表面粗さ指標に係る第１係数及び前記色差に係る第２係数を特定することを特徴とする。例えば、重回帰分析により、表面粗さ評価指数Ｅｓｔを、表面粗さ指数Ｍと、色差ΔＥとを用いて、演算する分析手法が好ましい。 In the first invention, the surface roughness evaluation index Est is a first coefficient related to the surface roughness index and a second coefficient related to the color difference so that an error between the surface roughness measurement value Ra is minimized. It is characterized by specifying. For example, an analysis method that calculates the surface roughness evaluation index Est using the surface roughness index M and the color difference ΔE by multiple regression analysis is preferable.
技術的関連を有する第２発明は、ＣＩＥ ＸＹＺ等色関数と等価に線形変換された三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）を有する撮像装置が取得した三つの分光感度を有する３バンド視覚感度画像Ｓ１i，Ｓ２i，Ｓ３iをＣＩＥ ＸＹＺ表色系における三刺激値Ｘ、Ｙ、Ｚに変換したデータを取得し演算する演算処理ステップと、色差ΔＥを演算する色差演算ステップと、ＸＹＺ表色系の色空間にそれぞれ対応する座標の検査領域を格子で区画し、各格子に属する検査面と基準面の画素数を積算することにより、ＸＹＺ表色系の色空間ヒストグラム分布を作成する色空間ヒストグラム分布作成ステップと、前記検査面と基準面の２つの色空間ヒストグラム分布の差を示す表面粗さ指標を演算する表面粗さ指標演算ステップと、粗さ計により実測した表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶ステップと、表面粗さ計測値Ｒａと表面粗さ評価指標Ｅｓｔの相関関係を示す第１検量線関数、前記表面粗さ計測値Ｒａと色差ΔＥの相関関係を示す第２検量線関数、又は、前記表面粗さ計測値Ｒａと表面粗さ指標Ｍとの相関関係を示す第３検量線関数のうちの少なくとも１つを設定する関数設定ステップと、、を備えたことを特徴とする表面粗さ判定方法である。 The second invention having technical relevance is obtained by an image pickup apparatus having three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) linearly converted equivalently to the CIE XYZ color matching function. Three-band visual sensitivity images S1i, S2i, and S3i having three spectral sensitivities are obtained by calculating data obtained by converting tristimulus values X, Y, and Z in the CIE XYZ color system and calculating color difference ΔE. The color space of the XYZ color system is calculated by dividing the inspection region of coordinates corresponding to the color space of the XYZ color system with a grid and integrating the number of pixels of the test surface and the reference surface belonging to each grid. A color space histogram distribution creating step for creating a histogram distribution, a surface roughness index calculating step for calculating a surface roughness index indicating a difference between two color space histogram distributions of the inspection surface and the reference surface, and a roughness meter. A surface roughness measurement data storage step for storing the measured surface roughness measurement value Ra, a first calibration curve function indicating a correlation between the surface roughness measurement value Ra and the surface roughness evaluation index Est, the surface roughness measurement value At least one of a second calibration curve function indicating the correlation between Ra and the color difference ΔE or a third calibration curve function indicating the correlation between the surface roughness measurement value Ra and the surface roughness index M is set. And a function setting step. A surface roughness determination method comprising: a function setting step;
第２発明において、前記表面粗さ評価指数Ｅｓｔは、表面粗さ計測値Ｒａとの間の誤差が最小となるように、前記表面粗さ指標に係る第１係数及び前記色差に係る第２係数を特定することを特徴とする。 In the second invention, the surface roughness evaluation index Est is a first coefficient related to the surface roughness index and a second coefficient related to the color difference so that an error between the surface roughness measurement value Ra is minimized. It is characterized by specifying.
「撮像装置」は、三つの分光感度（Ｓ１(λ)，Ｓ２(λ)，Ｓ３(λ)）により、基準面、検査面を三つのチャンネルに分けて撮像することとなるが、その手段としては、これらの分光感度を得るために設定された光学フィルタ又はダイクロイックミラーもしくはダイクロイックプリズム等のいずれであるかを問わず用いることができる。 The “imaging device” divides the reference surface and the inspection surface into three channels based on the three spectral sensitivities (S 1 (λ), S 2 (λ), and S 3 (λ)). The means can be used regardless of whether the optical filter, dichroic mirror, dichroic prism or the like set in order to obtain these spectral sensitivities.
「撮像装置」の分光感度（Ｓ１(λ)，Ｓ２(λ)，Ｓ３(λ)）は、ＣＩＥ ＸＹＺ分光特性から負の値を持たない、単独ピークを持つ山形であり、それぞれの分光感度曲線のピーク値が等しく、かつ分光感度の曲線の重なりは最小限にするという条件から等価変換したものであって、分光特性Ｓ１のカーブは、ピーク波長が５８２ｎｍであり、半値幅が５２３〜６２９ｎｍであり、１／１０幅が４９１〜６６３ｎｍである。分光特性Ｓ２のカーブは、ピーク波長が５４３ｎｍであり、半値幅が５０６〜５８９ｎｍであり、１／１０幅が４６４〜６３２ｎｍである。分光特性Ｓ３のカーブは、ピーク波長が４４６ｎｍであり、半値幅が４２３〜４７８ｎｍであり、１／１０幅が４０９〜５０８ｎｍである。 The spectral sensitivity (S 1 (λ), S 2 (λ), S 3 (λ)) of the “imaging device” is a mountain shape having a single peak that has no negative value from the CIE XYZ spectral characteristics. Equivalent conversion is performed under the condition that the peak values of the spectral sensitivity curves are equal and the overlapping of the spectral sensitivity curves is minimized. The curve of the spectral characteristic S 1 has a peak wavelength of 582 nm and a half-value width. The width is 523 to 629 nm, and the 1/10 width is 491 to 663 nm. Curve of the spectral characteristics S 2 is a peak wavelength of 543 nm, the half value width is 506~589nm, 1/10 width is 464～632Nm. Curve of the spectral characteristics S 3 is a peak wavelength of 446 nm, the half value width is 423~478nm, 1/10 width is 409～508Nm.
「表面」には、樹脂表面、金属表面、セラミック表面等がある。樹脂の表面にはシボ加工を施した表面等、また、金属表面には、刃物の表面、金型の表面、めっきの表面等が挙げられる。表面には平面のほかに曲面も含まれ、さらに、複雑な形状の表面も含まれる。 “Surface” includes a resin surface, a metal surface, a ceramic surface, and the like. Examples of the resin surface include a textured surface, and examples of the metal surface include a blade surface, a mold surface, and a plating surface. The surface includes a curved surface in addition to a flat surface, and also includes a surface having a complicated shape.
「評価」は表面の粗さを評価することをいう。「指標」には、指数、グラフ、絵図、又は、これらの組み合わせで示すもの等、平面、立体にかぎらず、種々なる態様が可能である。 “Evaluation” means evaluating the roughness of the surface. The “index” can be in various forms, not limited to a plane and a solid, such as an index, a graph, a picture, or a combination thereof.
「粗さ計」には、原子間力顕微鏡（ＡＦＭ）、レーザー粗さ計（例えばナノメーターオーダーの測定値の場合）、接触機械式粗さ計（例えば、ミクロンオーダーの測定値の場合）等があり、これらの測定機で、実測値を計るものである。原子間力顕微鏡ＡＦＭ（Atomic Force Microscope ）の非接触式又は接触式の粗さ計があり、試料と探針の原子間に働く力を検出して画像を得るものであり、高精度である。例えば、ミクロン又はナノオーダーレベルの粗さを計測できる走査型プローブ顕微鏡（SPM）等が例示される。測定すべき対象物の粗さレベルに応じて、適宜、測定方式を選択する。 “Roughness meter” includes atomic force microscope (AFM), laser roughness meter (for example, measurement value of nanometer order), contact mechanical roughness meter (for example, measurement value of micron order), etc. These measurement machines measure actual values. There is a non-contact type or contact type roughness meter of an atomic force microscope AFM (Atomic Force Microscope), which detects a force acting between atoms of a sample and a probe to obtain an image, and has high accuracy. For example, a scanning probe microscope (SPM) that can measure roughness on the order of microns or nanometers is exemplified. A measurement method is appropriately selected according to the roughness level of the object to be measured.
「第１検量線関数、第２検量線関数、第３検量線関数」は、直線の関数、曲線の関数のいずれでもよい。 The “first calibration curve function, second calibration curve function, third calibration curve function” may be either a linear function or a curved function.
１つの基準面について、１つの検量線を設定することが好ましい。基準面の凹凸の程度により、機械式、レーザー式等の検量線の基準が異なるからである。 It is preferable to set one calibration curve for one reference plane. This is because the standard of a calibration curve such as a mechanical type or a laser type differs depending on the degree of unevenness on the reference surface.
特許請求の範囲では、ＸＹＺ表色系は他のＣＩＥ系表色系を含む広義のものを意味し、特許請求の範囲以外では、狭義のものを意味する。狭義のＸＹＺ表色系とは、ＲＧＢ表色系を単純な一次変換で負の値が現れないように定めたものであり、他のＣＩＥ表色系、例えば、Ｙｘｙ、ＸＹＺ、Ｌａｂ、Ｌｕｖ等のＣＩＥ表色系の基礎となり、２次元色度図又は３次元色空間を含む概念である。従って、広義のＸＹＺ表色系は、狭義のＸＹＺ表色系と該ＸＹＺ表色系から発展させた他のＣＩＥ表色系を含む。 In the claims, the XYZ color system means a broad meaning including other CIE color systems, and means a narrow meaning except in the claims. The XYZ color system in the narrow sense is an RGB color system defined so that negative values do not appear by simple primary conversion, and other CIE color systems such as Yxy, XYZ, Lab, Luv, etc. This is a concept including a two-dimensional chromaticity diagram or a three-dimensional color space. Therefore, the XYZ color system in a broad sense includes a XYZ color system in a narrow sense and other CIE color systems developed from the XYZ color system.
狭義のＸＹＺ表色系とは、ＲＧＢ表色系を単純な一次変換で負の値が現れないように、ＣＩＥが１９３１年にＲＧＢ表色系と同時に定めたものである。 The XYZ color system in a narrow sense is defined by CIE in 1931 at the same time as the RGB color system so that negative values do not appear in the RGB color system by simple primary conversion.
ｘｙＹ表色系（Ｙｘｙ表色系ともいう）とは、ＸＹＺ表色系では数値と色の関連がわかりにくいので、ＸＹＺ表色系から絶対的な色合いを表現するために定められたものである。 The xyY color system (also referred to as the Yxy color system) is defined in order to express an absolute hue from the XYZ color system because the relationship between numerical values and colors is difficult to understand in the XYZ color system. .
Ｌｕｖ表色系とは、ＣＩＥが１９７６年に定めた均等色空間のひとつであり、ＣＩＥＬｕｖは光の波長を基礎に、ＸＹＺ表色系のｘｙ色度図の波長間隔の均等性を改善したものである。日本ではJIS Z8518に規定されている。 The Luv color system is one of the uniform color spaces established by the CIE in 1976. CIE Luv is based on the wavelength of light and improves the uniformity of the wavelength interval of the xy chromaticity diagram of the XYZ color system. It is. In Japan, it is specified in JIS Z8518.
Ｌａｂ表色系とは、ＣＩＥＬａｂであり、ＸＹＺ表色系から知覚と装置の違いによる色差を測定するために派生したものである。日本ではJIS Z 8729に規定されている。Ｌａｂ表色系による検量線はナノオーダーの粗さに有効な場合がある。 The Lab color system is CIELab and is derived from the XYZ color system in order to measure a color difference due to a difference between perception and apparatus. In Japan, it is specified in JIS Z 8729. A calibration curve by the Lab color system may be effective for nano-order roughness.
広義のＸＹＺ表色系には、２次元座標と３次元座標で規定される色空間が含まれる。色空間の代表例としては、ｘｙ色空間と、ＸＹＺ色空間と、Ｌａｂ色空間等の構成例がある。２次元の色空間の場合、例えば、Ｙｘｙ色空間、Ｌｕｖ色空間の場合、２次元平面であるｘｙ色度図（Ｙｘｙ色空間で正規化したｘｙ色度値（平面））、ｕｖ色度図、ｕ’ｖ’色度図が挙げられる。平面上での２次元色度図の画素の密度として表現されるｘｙ色度ヒストグラム分布又はＬｕｖ色度ヒストグラム分布等が対応する。３次元の色空間の場合、例えば、ＸＹＺ色空間、Ｌａｂ色空間の場合、３次元空間であるＸＹＺ色空間、Ｌａｂ色空間が挙げられる。３次元での色空間上の画素の密度として表現されるＸＹＺ色空間ヒストグラム、又はＬａｂ色空間ヒストグラム分布等が対応する。 The XYZ color system in a broad sense includes a color space defined by two-dimensional coordinates and three-dimensional coordinates. Typical examples of the color space include configuration examples such as an xy color space, an XYZ color space, and a Lab color space. In the case of a two-dimensional color space, for example, in the case of a Yxy color space or a Luv color space, an xy chromaticity diagram that is a two-dimensional plane (xy chromaticity value (plane) normalized in the Yxy color space), uv chromaticity diagram , U′v ′ chromaticity diagram. An xy chromaticity histogram distribution or a Luv chromaticity histogram distribution expressed as the density of pixels in a two-dimensional chromaticity diagram on a plane corresponds. In the case of a three-dimensional color space, for example, in the case of an XYZ color space or a Lab color space, an XYZ color space or a Lab color space that is a three-dimensional space may be mentioned. An XYZ color space histogram expressed as a density of pixels in a three-dimensional color space, a Lab color space histogram distribution, or the like corresponds.
２次元のｘｙ色度平面、ｕｖ色度図、ｕ’ｖ’色度図での色と表面粗さの分離に対して、他のＸＹＺ色空間とＬａｂ色空間等は３次元色空間上で色と表面粗さの分離となる。従って、用語として、ｘｙ色度ヒストグラムに対して、ＸＹＺ色空間ヒストグラム、Ｌａｂ色空間ヒストグラム等のように、区別して定義している。 In contrast to the separation of color and surface roughness in the two-dimensional xy chromaticity plane, uv chromaticity diagram, and u'v 'chromaticity diagram, other XYZ color spaces and Lab color spaces, etc. are in a three-dimensional color space. Color and surface roughness are separated. Therefore, the terms are defined separately from the xy chromaticity histogram, such as an XYZ color space histogram and a Lab color space histogram.
「ＸＹＺ色空間ヒストグラム」と「Ｌａｂ色空間ヒストグラム」は、それぞれ、別のものであり、Ｌａｂ色空間での表面粗さ指数演算は、ＸＹＺ色データをＬａｂ色度データに変換して、この変換したデータより、計算するものである。 The “XYZ color space histogram” and the “Lab color space histogram” are different from each other, and the surface roughness index calculation in the Lab color space is performed by converting the XYZ color data into Lab chromaticity data. It is calculated from the obtained data.
本発明は、ＸＹＺ系の撮像装置によって、表面粗さを定量化できるため、人の見た目の判定法と極めて近い判定が、正確、効率的にできる利点がある。表面粗さの評価時間を短縮化できる。曲面での粗さの評価ができる。 Since the present invention can quantify the surface roughness with an XYZ imaging device, there is an advantage that a determination very close to a human visual determination method can be performed accurately and efficiently. The surface roughness evaluation time can be shortened. The roughness on the curved surface can be evaluated.
本発明は、ナノオーダー又はミクロンオーダーの粗さの評価を正確、効率的にできる利点がある。 The present invention has an advantage of being able to accurately and efficiently evaluate nano-order or micron-order roughness.
本発明の好適な実施形態１による表面粗さ判定装置１について図１〜図１２を参照して説明する。 A surface roughness determination apparatus 1 according to a preferred embodiment 1 of the present invention will be described with reference to FIGS.
表面粗さ判定装置１は、ＣＩＥ ＸＹＺ等色関数と等価に線形変換された三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）を有する２次元色彩計２が表面５から取得した三つの分光感度を有する３バンド視覚感度画像Ｓ１i，Ｓ２i，Ｓ３iをＣＩＥ ＸＹＺ表色系における三刺激値Ｘ、Ｙ、Ｚに変換したデータを取得し演算する演算処理部３を備え、この演算処理部３が、色差ΔＥを演算する色差演算部と、ＸＹＺ表色系の色空間にそれぞれ対応する座標の検査領域を格子Ｇで区画し、各格子Ｇに属する検査面と基準面の画素数を積算することにより、ＸＹＺ表色系の色空間ヒストグラム分布を作成する色空間ヒストグラム分布作成部と、検査面と基準面の２つの色空間ヒストグラム分布の差を示す表面粗さ指数Ｍを演算する表面粗さ指数演算部と、粗さ計により実測した表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶部と、表面粗さ計測値Ｒａと表面粗さ評価指数Ｅｓｔの相関関係を示す第１検量線関数Ｌ１、表面粗さ計測値Ｒａと色差ΔＥの相関関係を示す第２検量線関数Ｌ２、又は、表面粗さ計測値Ｒａと表面粗さ指数Ｍとの相関関係を示す第３検量線関数Ｌ３のうちの少なくとも１つを設定する関数設定部と、を備えたことを特徴とする。表面粗さ評価指数Ｅｓｔは、表面粗さ計測値Ｒａとの間の誤差ＥＲＲＯＲが最小となるように、表面粗さ指数Ｍに係る第１係数ａ及び色差ΔＥに係る第２係数ｂを特定する。 The surface roughness determination apparatus 1 includes a two-dimensional colorimeter 2 having three spectral sensitivities (S1 (λ), S2 (λ), and S3 (λ)) linearly converted equivalent to the CIE XYZ color matching function. An arithmetic processing unit 3 that acquires and calculates data obtained by converting three-band visual sensitivity images S1i, S2i, and S3i having three spectral sensitivities acquired from 3 into tristimulus values X, Y, and Z in the CIE XYZ color system; The arithmetic processing unit 3 divides the color difference calculation unit for calculating the color difference ΔE, and the inspection area of the coordinates corresponding to the color space of the XYZ color system with the grid G, and the inspection surface belonging to each grid G and the reference surface By integrating the number of pixels, a color space histogram distribution creating unit for creating a color space histogram distribution of the XYZ color system, and a surface roughness index M indicating a difference between the two color space histogram distributions of the inspection surface and the reference surface are obtained. Surface roughness index calculation unit to calculate A surface roughness measurement data storage unit for storing a surface roughness measurement value Ra measured by a roughness meter, a first calibration curve function L1 indicating a correlation between the surface roughness measurement value Ra and the surface roughness evaluation index Est, the surface At least of the second calibration curve function L2 indicating the correlation between the measured roughness value Ra and the color difference ΔE or the third calibration curve function L3 indicating the correlation between the measured surface roughness value Ra and the surface roughness index M. And a function setting unit for setting one. The surface roughness evaluation index Est specifies the first coefficient a related to the surface roughness index M and the second coefficient b related to the color difference ΔE so that the error ERROR with the surface roughness measurement value Ra is minimized. .
２次元色彩計２の分光感度はルータ条件を満たすものであって、その分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）は、図２に示す通り、ＸＹＺ等色関数から、負の値を持たず、単独ピークを持つ山形であり、それぞれの分光感度曲線のピーク値が等しく、かつ分光感度の曲線の重なりはできるだけ少なくするという条件から等価変換したものである。分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）は具体的には以下の特性を持つ。
記
ピーク波長 半値幅 １／１０幅
Ｓ１ ５８２ｎｍ ５２３〜６２９ｎｍ ４９１〜６６３ｎｍ
Ｓ２ ５４３ｎｍ ５０６〜５８９ｎｍ ４６４〜６３２ｎｍ
Ｓ３ ４４６ｎｍ ４２３〜４７８ｎｍ ４０９〜５０８ｎｍ
The spectral sensitivity of the two-dimensional colorimeter 2 satisfies the router condition, and the spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) are obtained from XYZ color matching functions as shown in FIG. This is a mountain shape having no negative value and having a single peak, and is equivalently converted from the condition that the peak values of the respective spectral sensitivity curves are equal and the overlapping of spectral sensitivity curves is minimized. Specifically, the spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) have the following characteristics.
Peak wavelength Half width 1/10 width S1 582nm 523-629nm 491-663nm
S2 543nm 506-589nm 464-632nm
S3 446 nm 423-478 nm 409-508 nm
上記の分光特性Ｓ１のピーク波長を５８０±４ｎｍ、分光特性Ｓ２のピーク波長を５４３±３ｎｍ、分光特性Ｓ３のピーク波長を４４６±７ｎｍとして取り扱うこともできる。 The peak wavelength of the spectral characteristic S1 can be handled as 580 ± 4 nm, the peak wavelength of the spectral characteristic S2 is 543 ± 3 nm, and the peak wavelength of the spectral characteristic S3 can be handled as 446 ± 7 nm.
三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）は次の数式１を用いて求められるものである。分光特性自体についての詳細は特開２００５−２５７８２７号公報等を参照されたい。
２次元色彩計２の仕様は、例えば、有限会社パパラボの２次元色彩計ＲＣ-５００であり、有効頻度値約500万画素、有効面積9.93mm×8.7mm、画像サイズ3.45μm×3.45μm、ビデオ出力12Ｂit、カメラインターフェイスＧigE、フレーム数(ピント調整時)3〜7フレーム/sec、シャッタースピード1/15,600sec〜1/15sec、積算時間3秒まで、Ｓ/Ｎ比60dＢ以上、レンズマウントFマウント、動作温度０℃〜40℃、動作湿度20％〜80％である。 The specifications of the two-dimensional color meter 2 are, for example, the two-dimensional color meter RC-500 of the limited company Paparabo, effective frequency value of about 5 million pixels, effective area 9.93mm × 8.7mm, image size 3.45μm × 3.45μm, video Output 12Bit, camera interface GigE, number of frames (during focus adjustment) 3-7 frames / sec, shutter speed 1 / 15,600sec to 1 / 15sec, integration time up to 3 seconds, S / N ratio 60dB or more, lens mount F mount, The operating temperature is 0 ° C to 40 ° C and the operating humidity is 20% to 80%.
２次元色彩計２は、図１に示すように、撮影レンズ２１と、この撮影レンズ２１の後方に配置された三つの光学フィルタ２２ａ、２２ｂ、２２ｃと、光学フィルタ２２ａ、２２ｂ、２２ｃの後方に配置された撮像素子２３（ＣＣＤ、ＣＭＯＳなど）と、を備えている。２次元色彩計２の三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）は、光学フィルタ２２ａ、２２ｂ、２２ｃの分光透過率と撮像素子２３の分光感度との積により与えられる。図１における光学フィルタ２２ａ、２２ｂ、２２ｃと撮像素子２３との配列的関係は模式的に示したものにすぎない。三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）に従って３バンド視覚感度画像Ｓ１i，Ｓ２i，Ｓ３iを取得する方式について以下に具体例を挙げるが、本実施形態１ではこれらのうちいずれをも採ることができ、また、その他の方式を採ることもできる。 As shown in FIG. 1, the two-dimensional colorimeter 2 has a photographing lens 21, three optical filters 22a, 22b, and 22c arranged behind the photographing lens 21, and a rear of the optical filters 22a, 22b, and 22c. And an image pickup device 23 (CCD, CMOS, etc.) arranged. The three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) of the two-dimensional colorimeter 2 are obtained by multiplying the spectral transmittances of the optical filters 22a, 22b, 22c and the spectral sensitivity of the image sensor 23. Given. The arrangement relationship between the optical filters 22a, 22b, and 22c and the image sensor 23 in FIG. 1 is merely schematically shown. Specific examples of the method of acquiring the three-band visual sensitivity images S1i, S2i, and S3i according to the three spectral sensitivities (S1 (λ), S2 (λ), and S3 (λ)) will be given below. Any of these methods can be adopted, and other methods can be adopted.
図３（ａ）に示すものはダイクロイックミラーを用いる方式である。これはダイクロイックミラー２２ｃ´により特定の波長の光を反射し、透過した残りの光について、さらに別のダイクロイックミラー２２ａ´により別の特定の波長の光を反射して分光し、撮像素子２３ａ、２３ｂ、２３ｃを三つ並列にして読み出す方式である。ここでは、ダイクロイックミラー２２ａ´が光学フィルタ２２ａ、２２ｂに相当し、ダイクロイックミラー２２ｃ´が光学フィルタ２２ｃに相当する。撮影レンズ２１から入射する光はダイクロイックミラー２２ｃ´により分光感度Ｓ３に従う光が反射され、残りの光は透過する。ダイクロイックミラー２２ｃ´により反射された光を反射鏡２６により反射して撮像素子２３ｃにより分光感度Ｓ３を得る。一方、ダイクロイックミラー２２ｃ´を透過した光は、ダイクロイックミラー２２ａ´において、分光感度Ｓ１に従う光が反射され、残りの分光感度Ｓ２に従う光は透過するため、それぞれ撮像素子２３ａ、撮像素子２３ｂにより撮像して分光感度Ｓ１、Ｓ２を得る。ダイクロイックミラーに代えて同様な特性を有するダイクロイックプリズムを用いて三つに分光し、それぞれの光が透過する位置に撮像素子２３ａ、２３ｂ、２３ｃを接着することとしてもよい。 FIG. 3A shows a system using a dichroic mirror. This is because light of a specific wavelength is reflected by the dichroic mirror 22c ′, and the remaining light that has been transmitted is further reflected by another dichroic mirror 22a ′ to be spectrally separated, and the image pickup devices 23a, 23b. , 23c are read in parallel. Here, the dichroic mirror 22a ′ corresponds to the optical filters 22a and 22b, and the dichroic mirror 22c ′ corresponds to the optical filter 22c. Light incident from the photographic lens 21 is reflected by the dichroic mirror 22c ′ according to the spectral sensitivity S3, and the remaining light is transmitted. The light reflected by the dichroic mirror 22c ′ is reflected by the reflecting mirror 26, and the spectral sensitivity S3 is obtained by the imaging device 23c. On the other hand, the light transmitted through the dichroic mirror 22c ′ is reflected by the dichroic mirror 22a ′, and the light according to the spectral sensitivity S1 is reflected, and the remaining light according to the spectral sensitivity S2 is transmitted. Therefore, the light is captured by the image sensor 23a and the image sensor 23b, respectively. To obtain the spectral sensitivities S1 and S2. Instead of the dichroic mirror, a dichroic prism having the same characteristics may be used to split the light into three, and the image sensors 23a, 23b, and 23c may be bonded to the positions where each light is transmitted.
図３（ｂ）に示すものはフィルタターレット２７を用いる方式である。撮影レンズ２１からの入射光と同じ方向を回転軸に持つフィルタターレット２７に光学フィルタ２２ａ、２２ｂ、２２ｃを設けてこれらを機械的に回転させ、順次透過する光について撮像素子２３により三つの分光感度Ｓ１、Ｓ２、Ｓ３を得る。 The system shown in FIG. 3B uses a filter turret 27. Optical filters 22a, 22b, and 22c are provided on a filter turret 27 having the same direction as the incident light from the photographing lens 21 as a rotation axis, and these are mechanically rotated. S1, S2, and S3 are obtained.
図３（ｃ）に示すものは光学フィルタ２２ａ、２２ｂ、２２ｃを撮像素子２３に微視的に貼着する方式である。撮像素子２３上における光学フィルタ２２ａ、２２ｂ、２２ｃは、ベイヤー配列型に設けられる。この配列は、格子状に分けた撮像素子２３上の領域のうち半分に光学フィルタ２２ｂを設け、残りの半分の領域に光学フィルタ２２ａと光学フィルタ２２ｃとをそれぞれ均等に配置する。すなわち、配置量は光学フィルタ２２ａ：光学フィルタ２２ｂ：光学フィルタ２２ｃ＝１：２：１となる。光学フィルタ２２ａ、２２ｂ、２２ｃの配列をベイヤー配列以外のものとすることは本実施形態１において特に妨げられない。一つ一つの光学フィルタ２２ａ、２２ｂ、２２ｃは非常に微細であるため、印刷により撮像素子２３に貼着される。ただし、本発明はこの配列に意味があるのではなく、分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）の特性のフィルタを撮像素子に貼着することにある。 FIG. 3C shows a system in which the optical filters 22 a, 22 b, and 22 c are microscopically attached to the image sensor 23. The optical filters 22a, 22b, and 22c on the image sensor 23 are provided in a Bayer array type. In this arrangement, the optical filter 22b is provided in half of the area on the image sensor 23 divided into a grid, and the optical filter 22a and the optical filter 22c are equally arranged in the remaining half of the area. That is, the arrangement amount is optical filter 22a: optical filter 22b: optical filter 22c = 1: 2: 1. The arrangement of the optical filters 22a, 22b, and 22c other than the Bayer arrangement is not particularly hindered in the first embodiment. Each of the optical filters 22a, 22b, and 22c is very fine and is attached to the image sensor 23 by printing. However, in the present invention, this arrangement is not meaningful, but a filter having characteristics of spectral sensitivity (S1 (λ), S2 (λ), S3 (λ)) is attached to the image sensor.
２次元色彩計２は分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）により取得した画像情報を演算処理部３に送信し、演算処理部３でＸＹＺ表色系における三刺激値Ｘ、Ｙ、Ｚに変換し、取得した三刺激値Ｘ、Ｙ、Ｚによる画像データに変換処理による演算処理を行い、視覚化処理された画像を表示する表示装置７を備える。 The two-dimensional colorimeter 2 transmits image information acquired by spectral sensitivity (S1 (λ), S2 (λ), S3 (λ)) to the arithmetic processing unit 3, and the arithmetic processing unit 3 uses the tristimulus in the XYZ color system. A display device 7 is provided that converts the values to X, Y, and Z, performs arithmetic processing by conversion processing on the acquired image data of the tristimulus values X, Y, and Z, and displays the visualized image.
演算処理部３は２次元色彩計２により取得した画像の任意の位置における粗さ度、色差等を演算し視覚化処理する。表面５の真上又は斜めから照明を照射し、ｘｙ、ＸＹＺ又はＬａｂ色度分布データ同士を比較して指数化する。 The arithmetic processing unit 3 calculates the degree of roughness, color difference and the like at an arbitrary position of the image acquired by the two-dimensional colorimeter 2 and performs a visualization process. Illumination is applied directly above or obliquely from the surface 5, and xy, XYZ, or Lab chromaticity distribution data are compared and indexed.
２次元色彩計２で表面５を、通常、１ヶ所で撮像し、必要に応じて、２次元色彩計２が移動して、他の別の角度で撮像する。ここでは、例えば、正面、左右４５度の３箇所（適宜数の箇所でも良い）で撮影することもできる。 The surface 5 is usually imaged at one place with the two-dimensional colorimeter 2, and the two-dimensional colorimeter 2 moves and images at another angle as necessary. Here, for example, it is possible to shoot at three locations (an appropriate number of locations may be used) at 45 degrees on the front and left and right.
照明部６の照明源はキセノンランプ（擬似太陽光）を採用する。照明部６はキセノンランプのほかに、フレネルレンズ・アセンブリを備えている。キセノンランプは表面５の斜め上から均一に照らすものとする。キセノンランプ以外にLEDの人工太陽灯でもよい。 The illumination source of the illumination unit 6 employs a xenon lamp (pseudo sunlight). The illumination unit 6 includes a Fresnel lens assembly in addition to the xenon lamp. The xenon lamp is illuminated uniformly from above the surface 5. In addition to xenon lamps, LED artificial solar lights may be used.
表示装置７は演算処理部３と接続され、演算処理部３で処理された画像信号を受信して、画像を画面に表示するようになっている。演算処理部３又は表示装置７は、適宜、入力手段（図示略）等を備える。入力手段はキーボード、マウス、ディスプレイに設けられるタッチパネル等である。 The display device 7 is connected to the arithmetic processing unit 3, receives an image signal processed by the arithmetic processing unit 3, and displays an image on the screen. The arithmetic processing unit 3 or the display device 7 includes input means (not shown) and the like as appropriate. The input means is a keyboard, a mouse, a touch panel provided on the display, or the like.
表面５の表面粗さ判定装置１の動作について具体例を挙げつつ説明する。表面５の表面粗さ判定装置１は、図１に示す通り、２次元色彩計２と、演算処理部３と、表示装置７とを接続することにより動作する。接続方法は有線・無線を問わず選択できる。２次元色彩計２におけるフローチャートを図４に、演算処理部３におけるフローチャートを図６に、それぞれ示す。 The operation of the surface roughness determination apparatus 1 on the surface 5 will be described with a specific example. The surface roughness determination device 1 of the surface 5 operates by connecting a two-dimensional colorimeter 2, an arithmetic processing unit 3, and a display device 7 as shown in FIG. The connection method can be selected regardless of wired or wireless. A flowchart in the two-dimensional colorimeter 2 is shown in FIG. 4, and a flowchart in the arithmetic processing unit 3 is shown in FIG.
２次元色彩計２の電源が入ると、図４に示す通り、初期化をする（初期化Ｓ１）。つぎに、表面５を撮像し（撮像処理Ｓ２）、その後、撮像された３バンド視覚感度画像Ｓ１i，Ｓ２i，Ｓ３iを撮像素子２３により入力し（入力処理Ｓ３）、演算処理部３にて三刺激値Ｘ、Ｙ、Ｚに変換する（変換処理Ｓ４）。分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）は表示装置７に送信される（データ送信Ｓ５）。画像が動画である場合には、撮像処理Ｓ２からデータ送信Ｓ５の一連の処理が連続的に行われる。画像は表示装置７に表示される。 When the power of the two-dimensional colorimeter 2 is turned on, initialization is performed as shown in FIG. 4 (initialization S1). Next, the surface 5 is imaged (imaging process S2), and then the captured 3-band visual sensitivity images S1i, S2i, and S3i are input by the image sensor 23 (input process S3), and the arithmetic processing unit 3 performs tristimulus. Conversion into values X, Y, and Z (conversion processing S4). Spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) are transmitted to the display device 7 (data transmission S5). When the image is a moving image, a series of processing from imaging processing S2 to data transmission S5 is continuously performed. The image is displayed on the display device 7.
撮像処理Ｓ２では、様々な表面５を測定する例が挙げられているが、撮像位置が相違する特定領域について、相違する角度にて２次元色彩計２で表面５を撮像する。撮像箇所は複数個所であり、適宜数を選択できる。ここでは、正面（０度）、左４５度、右４５度の３方向から測定する。また、測定の場所は、２次元色彩計２の０度の光軸は表面５に垂直になる。また、照明は、太陽光と同じく斜め上からの照明であることが特徴となる。 In the imaging process S2, an example in which various surfaces 5 are measured is given, but the surface 5 is imaged by the two-dimensional colorimeter 2 at different angles for specific regions with different imaging positions. There are a plurality of imaging locations, and the number can be selected as appropriate. Here, the measurement is made from three directions of front (0 degree), left 45 degrees, and right 45 degrees. Further, the measurement location is such that the optical axis of 0 degree of the two-dimensional colorimeter 2 is perpendicular to the surface 5. In addition, the illumination is characterized by illumination from obliquely above as with sunlight.
三刺激値Ｘ、Ｙ、ＺからＹ´ｘｙ表色系への変換式を数式２、３に挙げる。ここでは２次元色彩計２とともに輝度計（図示略）を使用し、Ｙは輝度計の値（ｎｔ）により校正してＹ´とした。色空間の変換式は慣用されているため、その他の詳しい式については割愛する。 Expressions for converting the tristimulus values X, Y, Z to the Y′xy color system are shown in Formulas 2 and 3, respectively. Here, a luminance meter (not shown) was used together with the two-dimensional colorimeter 2, and Y was calibrated by the luminance meter value (nt) to be Y ′. Since color space conversion formulas are commonly used, other detailed formulas are omitted.
XYZ表色系は、現在CIE標準表色系として各表色系の基礎となっている。光の三原色(R＝赤、G＝緑、B＝青紫)の加法混色の原理に基づいて発展したもので、色度図を使って色をYxyの3つの値で表わす。Yが反射率で明度に対応し、xyが色度になる。
撮像処理Ｓ２は、三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）を有する２次元色彩計２によって表面５を撮像する工程である（図１、図４参照）。分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）は上記の数式１に従って与えられる。撮影レンズ２１と光学フィルタ２２a、２２ｂ、２２ｃと撮像素子２３により撮像されると同時に入力処理Ｓ３が連続的に行われる。 The imaging process S2 is a process of imaging the surface 5 with the two-dimensional colorimeter 2 having three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) (see FIGS. 1 and 4). Spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) are given according to Equation 1 above. Input processing S3 is continuously performed at the same time as imaging is performed by the imaging lens 21, the optical filters 22a, 22b, and 22c, and the imaging device 23.
入力された画像データは分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）に従った値であるため、２次元色彩計２の演算処理部３における変換処理Ｓ４によって、撮像された画像の画像データを三刺激値Ｘ、Ｙ、Ｚに変換する。この変換は数式１に従って行われる。すなわち、数式１における係数の逆行列を乗じて三刺激値Ｘ、Ｙ、Ｚを得ることができる。なお、２次元色彩計２からは分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）に従った値のまま演算処理部３に送信する。 Since the input image data is a value according to the spectral sensitivity (S1 (λ), S2 (λ), S3 (λ)), the image data is captured by the conversion processing S4 in the arithmetic processing unit 3 of the two-dimensional colorimeter 2. The image data of the obtained image is converted into tristimulus values X, Y, and Z. This conversion is performed according to Equation 1. That is, the tristimulus values X, Y, and Z can be obtained by multiplying the inverse matrix of the coefficients in Equation 1. Note that the two-dimensional colorimeter 2 transmits the values in accordance with the spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) to the arithmetic processing unit 3.
演算処理部３に電源が入ると、図５に示す通り、初期化をする（初期化Ｓ１１０）。表示装置７は２次元色彩計２と接続された状態において、２次元色彩計２から送信された３バンド視覚感度画像Ｓ１i，Ｓ２i，Ｓ３iを受信する（データ受信Ｓ１２０）。その後、３バンド視覚感度画像Ｓ１i，Ｓ２i，Ｓ３iから三刺激値Ｘ、Ｙ、Ｚに変換し、撮像された基準面と検査面の画像のＬａｂ平均値及びｘｙ表面粗さ指数Ｍを演算し視覚化処理する、表示装置７に表示するために必要な場合は、色情報をＲＧＢ等に変換処理する（Ｓ１４０）。その内容を表示装置７に送信する（表示処理Ｓ１５０）。２次元色彩計２からのデータ受信Ｓ１２０の後、変換処理Ｓ１３０から表示処理Ｓ１５０の一連の処理が連続的に行われる。 When the arithmetic processing unit 3 is turned on, initialization is performed as shown in FIG. 5 (initialization S110). The display device 7 receives the three-band visual sensitivity images S1i, S2i, S3i transmitted from the two-dimensional colorimeter 2 in a state where it is connected to the two-dimensional colorimeter 2 (data reception S120). Thereafter, the three-band visual sensitivity images S1i, S2i, and S3i are converted into tristimulus values X, Y, and Z, and the Lab average value and the xy surface roughness index M of the images of the imaged reference surface and inspection surface are calculated and visually If necessary, the color information is converted to RGB or the like (S140). The contents are transmitted to the display device 7 (display process S150). After the data reception S120 from the two-dimensional colorimeter 2, a series of processes from the conversion process S130 to the display process S150 are continuously performed.
前記の表示処理Ｓ１５０は、視覚化処理された表面粗さ指数Ｍを表示装置７に表示する工程であり、処理をリターンする。 The display process S150 is a process of displaying the visualized surface roughness index M on the display device 7, and the process returns.
図６のS１４０のサブフローチャートを説明する。基準面の第１画像（画像Ｂ）を撮像しておき、次に対比すべき検査面の第２画像（画像Ａ）を撮像し、以下のとおり、表面粗さ指数Ｍを順次計算する。表面粗さを分離した表面粗さ指数Ｍにより、表面粗さの類似性を判定する。 A sub-flowchart of S140 in FIG. 6 will be described. The first image (image B) of the reference surface is imaged, the second image (image A) of the inspection surface to be compared next is imaged, and the surface roughness index M is sequentially calculated as follows. The similarity of the surface roughness is determined by the surface roughness index M obtained by separating the surface roughness.
撮像した画像Ａ，Ｂについて検査したい領域Ｔ（図７（ａ）参照）に対応する検査領域Ｋ（図７（ｂ）参照）を設定する（ステップＳ１４１）。大きさや場所を自由に設定することができる。 An inspection region K (see FIG. 7B) corresponding to a region T (see FIG. 7A) to be inspected for the captured images A and B is set (step S141). Size and place can be set freely.
色度ｘｙを演算する（Ｓ１４２）。 The chromaticity xy is calculated (S142).
撮像した検査面の画像Ａから切り出した検査領域Ｋの検査面のｘｙ色度ヒストグラム分布を作成する（Ｓ１４３）。この色度ヒストグラム分布は、図７（ｃ）に示す、２つのヒストグラム分布の重なり領域Ｄに属する画素をカウントした積算数である。 An xy chromaticity histogram distribution of the inspection surface of the inspection region K cut out from the image A of the inspection surface that has been imaged is created (S143). This chromaticity histogram distribution is an integrated number obtained by counting pixels belonging to the overlapping region D of the two histogram distributions shown in FIG.
ｘｙ色度ヒストグラム分布は、上記各単位格子Ｇに属する画素の積算数を示す立体ヒストグラムであり、図７（ｄ）に重なり領域Ｄを示す。 The xy chromaticity histogram distribution is a three-dimensional histogram showing the cumulative number of pixels belonging to each unit grid G, and an overlapping region D is shown in FIG.
図７（ｃ）に示す通り、ｘｙ座標の位置での比較対象の色分布を平面的に書いたものであり、検査領域Ｋを格子Ｇで区画し、その区画のｘｙ値を有する画素を積算しｚ軸とするヒストグラム分布を作成する。ｘｙ座標を、特定の幅のグリッド（立体マス目）、例えば、ｘｙをそれぞれ１／１０００（１０００個の線）で切った平面格子とする。ヒストグラムの端から端までスキャンしてゆき、格子Gに区画した領域ごとに、これに属する画素数を同じｘｙ面でそれぞれスキャンしｚ方向に積算してゆく。また、検査領域Kでｘｙ座標の特定範囲だけを演算すれば、演算時間が短縮できる。グリッドのマス目を細かくすれば精度は上がるが、演算時間が長くなるので、適宜のマス目とする。 As shown in FIG. 7C, the color distribution of the comparison target at the position of the xy coordinates is written in a plane, the inspection area K is partitioned by the grid G, and the pixels having the xy value of the section are integrated. Then, a histogram distribution with the z axis is created. Let xy coordinates be a grid (solid grid) of a specific width, for example, a plane lattice obtained by cutting xy by 1/1000 (1000 lines). The histogram is scanned from end to end, and for each region partitioned into the grid G, the number of pixels belonging to this is scanned on the same xy plane and integrated in the z direction. Further, if only the specific range of the xy coordinates is calculated in the inspection region K, the calculation time can be shortened. If the grid cells are made finer, the accuracy will be improved, but the calculation time will be longer.
Ｓ１４３と同様に、基準面の画像Ｂのｘｙ色度ヒストグラム分布を作成する（Ｓ１４４）。ｘｙ色度ヒストグラム分布は、ｘｙ軸がｘｙ色度、ｚ軸が画素の積算数であり、図７（ｄ）に平面的な重なり領域Ｄを示す。 Similarly to S143, the xy chromaticity histogram distribution of the image B on the reference plane is created (S144). In the xy chromaticity histogram distribution, the xy axis is xy chromaticity, the z axis is the integrated number of pixels, and a planar overlapping region D is shown in FIG.
Ｌａｂのａ軸、ｂ軸、Ｌ軸について、それぞれ独立に検査領域Ｋのすべての画素の総和を取り、その画素数にて、それぞれのＬ値、ａ値、ｂ値の総和を割って、Ｌａｂ色度分布の平均L値、平均a値、平均b値を計算する。またΔＥを数式４により演算する（Ｓ１４５）。
下記の数式５により変換したＬａｂ空間のＬａｂ値を算出する。Ｌａｂ色空間は補色空間の一種で、明度を意味する次元Ｌと補色次元のＡ及びＢを持ち、ＣＩＥＸＹＺ色空間の座標を非線形に圧縮したものに基づいている。正規化する前のＸＹＺ値からＬａｂ値に数式５により変換する。ＸＹＺ色空間上での分布に対して、Ｌａｂ色空間の分布は、明るさ方向も加味した分布が得られる。
数５で、関数fの括弧の中のX,Y,Zの値がそれぞれ白色点の座標Xn,Yn,Znで割ってあるのは，最大値を1に揃えるためである。 In Equation 5, the values of X, Y, and Z in the parentheses of the function f are divided by the coordinates X n , Y n , and Z n of the white point, respectively, in order to make the maximum value equal to 1.
基準面及び検査面の平均値の差分を取り色の相違の判断材料とする。 The difference between the average values of the reference surface and the inspection surface is taken as a material for judging the difference in color.
表面粗さ指数Ｍを演算する（Ｓ１４６）。これにより、単純に粗さの程度を分離して判定し、これを定量化できる。ｘｙ色度分布の２次元空間の中で粗さ度を演算し、その粗さ度の違いを、色のことは除いた、粗さ度の違いとして把握できるので、色と表面粗さとを確実に分離して検出できる。 The surface roughness index M is calculated (S146). Thereby, the degree of roughness can be simply separated and determined, and this can be quantified. Roughness is calculated in the two-dimensional space of the xy chromaticity distribution, and the difference in the roughness can be grasped as the difference in roughness, excluding the color. Can be detected separately.
表面粗さ指数Ｍは、下式により計算する。ｘｙ色度ヒストグラム分布は、画素の積算数であり、図７（ｄ）に重なり領域Ｄ、図７（ｅ）にミニマム分布を示す。
表面粗さ指数Ｍ＝重なり領域Ｄに属する画素の積算数／検査領域Ｋの全体の画素数×１００（％）
The surface roughness index M is calculated by the following formula. The xy chromaticity histogram distribution is the cumulative number of pixels, and FIG. 7D shows the overlapping region D and FIG. 7E shows the minimum distribution.
Surface roughness index M = total number of pixels belonging to overlapping region D / total number of pixels in inspection region K × 100 (%)
基準面と検査面の２次元空間上での粗さ度ヒストグラムを計算し、その配列の同じ位置同士のミニマム値を取ったものが、重なり合い頻度となるため、全体のヒストグラム総和カウントで、この値を割ったもので計算される。 The roughness histogram in the two-dimensional space of the reference surface and the inspection surface is calculated, and the minimum value at the same position in the array is the overlap frequency. Therefore, this value is the total histogram total count. Calculated by dividing.
図７（ｄ）（ｅ）は図７（ｃ）をＳ−Ｓ断面で切り取った１つの断面図であり、ｘｙ座標で同じライン上で見た場合には重なり合いがある。立体的に描く代わりに、便宜上、平面で描いている。またヒストグラムであるから、微小な階段形状の分布になっている。図７（ｄ）の積算数Ｈ１と積算数Ｈ２はそれぞれ画像Ａ、画像Ｂに対応する。二つのヒストグラム分布を比較すると、重なり領域Ｄが存在する。 FIGS. 7D and 7E are cross-sectional views taken along the line SS of FIG. 7C, and there is an overlap when viewed on the same line in the xy coordinates. Instead of drawing in three dimensions, it is drawn in a plane for convenience. Moreover, since it is a histogram, it has a minute staircase distribution. Cumulative number H 1 and the accumulated number of H 2 FIG. 7 (d) respectively image A, corresponding to the image B. When the two histogram distributions are compared, an overlapping region D exists.
図７（ｅ）に示す通り、Ｈ１（ｘ１、ｙ１）を基準面のｘｙ色度ヒストグラム分布の積算数、Ｈ2（ｘ２、ｙ２）を基準面のｘｙ色度ヒストグラム分布の積算数とすると、重なり合った左側領域ではＨ１＞Ｈ２で、中央でＨ１＝Ｈ２となり、右側ではＨ１＜Ｈ２である。Ｈ１，Ｈ２のうち、小さい方の積算数（画素頻度）を取ると、左側ではＨ１、右側ではＨ２となり、階段状のヒストグラム曲線であるミニマム分布が特定できる。これを利用し、重なり領域Ｄの全体領域に対する二次元又は三次元での割合が演算できる。 As shown in FIG. 7E, H 1 (x 1 , y 1 ) is the cumulative number of xy chromaticity histogram distributions on the reference plane, and H 2 (x 2 , y 2 ) is the xy chromaticity histogram distribution on the reference plane. When the accumulated number, in the overlapping left area H 1> H 2, centrally H 1 = H 2, and the on the right side is a H 1 <H 2. If the smaller integrated number (pixel frequency) of H 1 and H 2 is taken, it becomes H 1 on the left side and H 2 on the right side, and a minimum distribution which is a step-like histogram curve can be specified. Using this, the ratio of the overlapping area D to the entire area in two dimensions or three dimensions can be calculated.
このミニマム分布で小さな方の積算値を特定する。Ｈ１とＨ２のうち、少ない方の積算数を加算演算すれば、重なり領域Ｄの積算数が演算でき、全体の画素数に対する割合が特定できる。検査領域Ｋの全体の画素数は決まっており、検査面と基準面では、ともに総画素数は同一値である。この割合の演算は全部の格子Ｇについて３次元的に積算してもよいし、例えば、図７（ｃ）に示す通り、Ｓ−Ｓ軸に沿って検査領域Ｋを切り、ｙが所定値でｘが端から端まで変化する場合での画素の積算数Ｈ１，Ｈ２の分布を２次元的に積算する。図７（ｆ）が積算結果のｘｙ座標上での２次元マップである。検査領域Ｋにおいて分布がなく画素数がゼロの場合には演算から除外する。 The smaller integrated value is specified by this minimum distribution. If the smaller integrated number of H 1 and H 2 is added and calculated, the integrated number of the overlapping region D can be calculated, and the ratio to the total number of pixels can be specified. The total number of pixels in the inspection area K is determined, and the total number of pixels is the same for both the inspection surface and the reference surface. The calculation of this ratio may be integrated three-dimensionally for all the lattices G. For example, as shown in FIG. 7C, the inspection region K is cut along the SS axis, and y is a predetermined value. The distribution of the pixel accumulation numbers H 1 and H 2 when x changes from end to end is two-dimensionally integrated. FIG. 7F is a two-dimensional map on the xy coordinates of the integration result. If there is no distribution in the inspection region K and the number of pixels is zero, it is excluded from the calculation.
最後に、表示・保存処理、送信処理を行い（Ｓ１４７）、処理をリターンする。 Finally, display / save processing and transmission processing are performed (S147), and the processing returns.
例えば、検査領域Ｋに属する画素を縦１００画素×横１００画素＝１０，０００画素とする。同じ検査領域Ｋで画像を切り取るので、画像Ａと画像Ｂの全体の画素数はともに１０，０００画素である。ｘｙ色度ヒストグラムから、重なり領域Ｄの画素数を積算し、積算数Ｈ１，Ｈ２が５，０００個であった場合、表面粗さ指数Ｍは５０％となる。表面粗さ指数Ｍが１００％を下回るほど表面粗さの相違度が大きくなる。ｘｙ値の分布が完全に一致していれば１００％となる。これにより、一定以上の数値であると判定された場合に、表面粗さについて適合面であると判定することができる。 For example, the pixels belonging to the inspection region K are assumed to be 100 vertical pixels × 100 horizontal pixels = 10,000 pixels. Since the image is cut out in the same inspection region K, the total number of pixels of the image A and the image B is 10,000 pixels. From the xy chromaticity histogram, when the number of pixels in the overlapping region D is integrated and the integrated numbers H 1 and H 2 are 5,000, the surface roughness index M is 50%. The difference in surface roughness increases as the surface roughness index M falls below 100%. If the distribution of the xy values is completely coincident, 100% is obtained. Thereby, when it determines with it being a numerical value beyond a fixed value, it can determine with it being a conformity surface about surface roughness.
画像について、第１次的に得られる色情報はＸＹＺ等色関数と等価な関数による三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）であるため、ＲＧＢにより取得する場合と比べて人の眼の感度に忠実で高精度である。分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）の重なり合いは小さく、Ｓ／Ｎ比も十分にとれ、分光感度の曲線におけるカーブも自然に変化するため、測色における誤差は最低限に留められる。 For the image, the color information obtained primarily is three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) based on a function equivalent to the XYZ color matching function, and is acquired by RGB. Compared to the case, it is more accurate and sensitive to the sensitivity of the human eye. Since the overlap of spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) is small, the S / N ratio is sufficient, and the curve in the spectral sensitivity curve changes naturally, so the error in colorimetry is Minimized.
画像の表面粗さを色とは分離してヒストグラム分布で把握できるため、表面５の粗さの違いを正確に判定することができる。 Since the surface roughness of the image can be grasped by the histogram distribution separately from the color, the difference in roughness of the surface 5 can be accurately determined.
例えば、図８（ａ）〜（ｃ）に示す通り、粗さ度が小さいものから大きなものまで３種類を検査した場合の例を説明する。粗さ度の小さなものを基準面１とし、粗さ度の中程度を検査面２とし、粗さ度の大きなものを検査面３とする。まず、１〜３を前記の処理を行った後のｘｙz色度図上での分布を作成すると、図８（ｂ）のｘｙ色度図に示す通り、ハイライト部分が積算されたデータである。積算数Ｈ１，Ｈ２を明暗で示してあり、色の明るいほど積算数は大きい。図８（ｃ）は基準面と検査面の３次元で積算数Ｈ１，Ｈ２を模式的に表した。ｘｙ軸は色度、ｚ軸は積算数Ｈ１，Ｈ２である。基本的には、凹凸が弱いほど、低く広がった山形となり、凹凸が強いほど、尖った山形になる。基準面１と、検査面２又は３について、２つのヒストグラム分布を比較することで、重なりの度合いを示す表面粗さ指数Ｍを演算する。ミクロン又はナノオーダー以上の凹凸感は、表面粗さ指数Ｍで判定が可能である。 For example, as shown in FIGS. 8A to 8C, an example will be described in which three types are examined from those having a small roughness to those having a large roughness. A surface having a small roughness is defined as a reference surface 1, a medium roughness is defined as an inspection surface 2, and a surface having a large roughness is defined as an inspection surface 3. First, when a distribution on the xyz chromaticity diagram after performing the above processes 1 to 3 is created, as shown in the xy chromaticity diagram of FIG. . The accumulated numbers H 1 and H 2 are shown in light and dark, and the brighter the color, the larger the accumulated number. FIG. 8C schematically shows the integrated numbers H 1 and H 2 in three dimensions of the reference surface and the inspection surface. The xy axis is chromaticity, and the z axis is the integration numbers H 1 and H 2 . Basically, the weaker the unevenness, the lower the mountain shape, and the stronger the unevenness, the sharper the mountain shape. By comparing the two histogram distributions for the reference surface 1 and the inspection surface 2 or 3, a surface roughness index M indicating the degree of overlap is calculated. The unevenness feeling of micron or nano-order or higher can be determined by the surface roughness index M.
本実施形態は、点ではなく、面で測色するものであり、平均値だけではなく、統計的に比べることができる。色情報が複雑に織り成した粗さ情報を数値化できる。各画素が測色値である。それをヒストグラムにより統計処理する。 In the present embodiment, color measurement is performed using a surface instead of a point, and not only an average value but also a statistical comparison can be made. Roughness information in which color information is woven intricately can be digitized. Each pixel is a colorimetric value. It is statistically processed by the histogram.
表面粗さ指数Ｍは、シボなど表面の粗さを数値比較するものであり、２次元色彩計で測色画像を撮影する。実際には頻度情報があるので図９の上部に示す通り、３次元色度図で山ができる。 The surface roughness index M is a numerical comparison of the surface roughness such as wrinkles, and a colorimetric image is taken with a two-dimensional colorimeter. Actually, since there is frequency information, as shown in the upper part of FIG. 9, a mountain is formed in the three-dimensional chromaticity diagram.
図９の上において、（１）は一点に集中した尖った山、（２）通常の山、（３）は広がったなだらかな山である。山を横から見ると図９の中、下のようになる。（１）を基準に（２）（３）を重ね合わせると、色のついたところが重なり合った部分である。ここの体積の割合が表面粗さ指数Ｍである。 In FIG. 9, (1) is a sharp mountain concentrated at one point, (2) a normal mountain, and (3) is a wide and gentle mountain. Looking at the mountain from the side, it looks like the bottom in Fig. 9. When (2) and (3) are superimposed on the basis of (1), the colored portions are the overlapping portions. The volume ratio here is the surface roughness index M.
表面粗さがナノオーダー又はミクロンオーダーの場合には、以上のように演算した表面粗さ指数Ｍ及び色差ΔＥを用いて、重回帰分析を用いて、図１０に示す通り、表面粗さ評価指数Ｅｓｔを演算する。ナノ、ミクロンオーダーの粗さの場合には、粗さが大きな場合とは、表面５での光散乱が異なっているからである。細かな粗さに対しては、当てる光との総合作用、つまり、干渉が生起してしまい、種々のシフトが起きるので、それも積極的に踏み込んでいく方が正確な評価値になる。そこで、表面粗さ指数Ｍと色差ΔＥについての色のシフトを積極的に利用して、重回帰分析により、粗さ計との相関をとることとした。 When the surface roughness is nano-order or micron order, the surface roughness index M and the color difference ΔE calculated as described above are used to analyze the surface roughness as shown in FIG. Est is calculated. This is because the light scattering on the surface 5 is different from the case of the roughness of nano and micron order from the case of the roughness being large. For fine roughness, a comprehensive action with the light to be applied, that is, interference occurs, and various shifts occur. Therefore, it is more accurate to step in positively. Therefore, the color shift with respect to the surface roughness index M and the color difference ΔE is positively utilized, and a correlation with the roughness meter is obtained by multiple regression analysis.
まず、この処理が開始されると、判定対象物についての粗さ計の計測値を取得する（Ｓ１５０）。ここでは接触式粗さ計により、表面粗さ計測値Ｒａを求める。 First, when this process is started, the measurement value of the roughness meter for the determination target is acquired (S150). Here, the surface roughness measurement value Ra is obtained by a contact-type roughness meter.
重回帰分析の下記数式６の計算式により、ＥｓｔとＲａによる最小自乗法により、誤差Ｅｒｒｏｒの合計が最小になるように、第１係数ａ、第２係数ｂを特定する（Ｓ１５１）。
（数６）
Ｅｓｔ＝ａ・Ｍ＋ｂ・ΔＥ
数式６で、Ｅｓｔは表面粗さ評価指数、ａは第１係数、Ｍは表面粗さ指数、ｂは第２係数、ΔＥは色差、Ｒａは粗さ計による計測値である。
The first coefficient a and the second coefficient b are specified by the calculation formula of the following mathematical expression 6 of the multiple regression analysis so that the total error Error is minimized by the least square method using Est and Ra (S151).
(Equation 6)
Est = a · M + b · ΔE
In Equation 6, Est is a surface roughness evaluation index, a is a first coefficient, M is a surface roughness index, b is a second coefficient, ΔE is a color difference, and Ra is a value measured by a roughness meter.
上記ａ，ｂが特定された数式５にＭとΔＥの計測値を代入し、表面粗さ評価指数Ｅｓｔを演算する（Ｓ１５２）。 The surface roughness evaluation index Est is calculated by substituting the measured values of M and ΔE into Equation 5 in which a and b are specified (S152).
数式６に代えて、数式７による場合もある。色差ΔＥのパラメータを用いない、より簡便な方法であり、重回帰分析の下記数式７の計算式により、ＥｓｔとＲａによる最小自乗法により、誤差Ｅｒｒｏｒの合計が最小になるように、第１係数ａ、第２係数ｂを特定する。
（数７）
Ｅｓｔ＝ａ・Ｍ＋ｂ
数式７で、Ｅｓｔは表面粗さ評価指数、ａは第１係数、Ｍは表面粗さ指数、ｂは第２係数、Ｒａは粗さ計による計測値である。
In some cases, instead of Equation 6, Equation 7 may be used. This is a simpler method that does not use the parameter of the color difference ΔE, and the first coefficient is set so that the sum of the errors Error is minimized by the least square method using Est and Ra by the calculation formula of the following mathematical expression 7 of the multiple regression analysis. a, the second coefficient b is specified.
(Equation 7)
Est = a · M + b
In Equation 7, Est is a surface roughness evaluation index, a is a first coefficient, M is a surface roughness index, b is a second coefficient, and Ra is a value measured by a roughness meter.
上記ａ，ｂが特定された数式５にＭとΔＥの計測値を代入し、表面粗さ評価指数Ｅｓｔを演算する（Ｓ１５２）。 The surface roughness evaluation index Est is calculated by substituting the measured values of M and ΔE into Equation 5 in which a and b are specified (S152).
以上で計測・演算した、表面粗さ指数Ｍ、色差ΔＥ、表面粗さ評価指数Ｅｓｔ、表面粗さ計測値Ｒａから、第１検量線関数Ｌ１、第２検量線関数Ｌ２、第３検量線関数Ｌ３の少なくとも１つを設定する。ここでは全てを設定するが、３つのうちの誤差の少ない関数、又は、それらの組み合わせを用いることができる。判定対象となる表面５の粗さ度を判定したい場合には、その判定対象の表面５を撮像し、演算した表面粗さ指数Ｍ、色差ΔＥから、前記各関数を設定しておけば、対応する表面粗さ評価指数Ｅｓｔ’、表面粗さ計測値Ｒａ’（実測値ではなく推定演算値）を求めることができる。これにより、表面粗さ度の正確な評価を行うことで、基準表面に対する表面粗さ度の適切な比較判定が可能となり、不良品の発生を防止できるのである。詳細は実施例１〜３で説明する。 From the surface roughness index M, color difference ΔE, surface roughness evaluation index Est, and surface roughness measurement value Ra measured and calculated as described above, the first calibration curve function L1, the second calibration curve function L2, and the third calibration curve function. At least one of L3 is set. Although all are set here, the function with few errors of these, or the combination thereof can be used. If it is desired to determine the degree of roughness of the surface 5 to be determined, it is possible to image the surface 5 to be determined and set each function from the calculated surface roughness index M and color difference ΔE. The surface roughness evaluation index Est ′ and the surface roughness measurement value Ra ′ (not the actual measurement value but the estimated calculation value) can be obtained. Thus, by accurately evaluating the surface roughness, it is possible to appropriately compare and determine the surface roughness with respect to the reference surface, thereby preventing the occurrence of defective products. Details will be described in Examples 1 to 3.
次の本実施形態２の表面５の表面粗さ判定装置１０１を図１１、図１２、図１３を参照して説明する。対応する同様な要素については１００番台として説明を援用し、主として、相違点を説明する。 Next, a surface roughness determination apparatus 101 for the surface 5 according to the second embodiment will be described with reference to FIGS. 11, 12, and 13. For the corresponding similar elements, the explanation is cited as 100 series, and the difference is mainly explained.
基準面、検査面を撮像する２次元色彩計１０２、２次元色彩計１０２とスイッチ１０９を介して接続し信号を受信し、表面粗さ指数Ｍの演算を行う演算処理装置１０３と、演算処理装置１０３と接続し指数表示を行う表示装置１０７とを備えている。 Arithmetic processing unit 103 that receives a signal by connecting to a two-dimensional colorimeter 102 that images the reference surface and the inspection surface via the switch 109 and the two-dimensional colorimeter 102, and calculates the surface roughness index M; 103 and a display device 107 that is connected to 103 and displays an index.
図１１に示す通り、演算処理装置１０３は、基準面を撮像することにより取得される刺激値ＸＹＺ１を計算する演算部１０３Ａと、検査面となる製品の表面１０５を撮像することにより取得される刺激値ＸＹＺ２を計算する演算部１０３Ｂと、演算部１０３Ａと演算部１０３Ｂと接続し、表面１０５の表面粗さ指数Ｍを演算する演算部１０３Ｃと、演算部１０３ＣからのＯＫ信号又はＮＧ信号を表示装置１０７に送信したり、外部に送信する。なお、スイッチ１０９は、刺激値ＸＹＺ１と刺激値ＸＹＺ２を選択的に入力する。 As illustrated in FIG. 11, the arithmetic processing device 103 includes a calculation unit 103 </ b> A that calculates a stimulus value XYZ <b> 1 acquired by imaging a reference plane, and a stimulus acquired by imaging the surface 105 of a product that is an inspection plane. A calculation unit 103B that calculates the value XYZ2, a calculation unit 103A, a calculation unit 103B, a calculation unit 103C that calculates the surface roughness index M of the surface 105, and an OK signal or an NG signal from the calculation unit 103C are displayed. It transmits to 107 or transmits to the outside. Note that the switch 109 selectively inputs the stimulus value XYZ1 and the stimulus value XYZ2.
図１２は２つの画像Ａ，Ｂから色度ヒストグラム分布の比較による表面粗さ指数Ｍを演算するフローチャートである。図１２に示す通り、プログラムが起動すると、画像Ａから検査面の検査領域Ｋを切り出し特定し、設定する（Ｓ２０１）。次に画像Ｂから画像Ａと同様、基準面の検査領域Ｋを切り出し特定し、設定する（Ｓ２０２）。画像Ａ，Ｂより色度値ＸＹＺの演算を行う（Ｓ２０３）。検査領域Ｋにおいて、検査面と基準面のＸＹＺ色度ヒストグラム分布をそれぞれ演算し、作成する（Ｓ２０４）。ＸＹＺ値の平均値を演算する（Ｓ２０５）。ＸＹＺ色度ヒストグラム分布のミニマム分布を特定し、重なり領域ＤでのＸＹＺ色度ヒストグラム分布の積算数を演算する（Ｓ２０６）。表面粗さ指数Ｍ＝（重なり領域Ｄに属する画素の積算数／検査領域Kの全体の画素数）×１００（％）である。重なり領域Ｄでの積算数はＴ１、Ｔ２のうち、少ない方の積算数を加算演算する。表面粗さ指数Ｍを演算し（Ｓ２０７）、リターンする。 FIG. 12 is a flowchart for calculating the surface roughness index M by comparing the chromaticity histogram distributions from the two images A and B. As shown in FIG. 12, when the program is started, the inspection area K on the inspection surface is cut out from the image A, specified, and set (S201). Next, similarly to the image A from the image B, the inspection area K on the reference plane is cut out, specified, and set (S202). The chromaticity values XYZ are calculated from the images A and B (S203). In the inspection region K, the XYZ chromaticity histogram distributions of the inspection surface and the reference surface are calculated and created (S204). An average value of the XYZ values is calculated (S205). The minimum distribution of the XYZ chromaticity histogram distribution is specified, and the integrated number of the XYZ chromaticity histogram distribution in the overlapping region D is calculated (S206). Surface roughness index M = (total number of pixels belonging to overlapping region D / total number of pixels in inspection region K) × 100 (%). The cumulative number in the overlap region D is calculated by adding the smaller cumulative number of T 1 and T 2 . The surface roughness index M is calculated (S207), and the process returns.
なお、検査領域Ｋに対応するＸＹＺ分布の演算の場合、表面粗さ指数Ｍの演算は、Ｘ軸、Ｙ軸、Ｚ軸の３次元空間での分布により行う。検査面と基準面でのＸＹＺ空間座標でのＸＹＺ値を、それぞれ、Ｔ１（Ｌ，ａ，ｂ）、Ｔ２（Ｌ，ａ，ｂ）とする。ＸＹＺの色空間であるとヒストグラム分布は地球儀のような形状になっており、２つのヒストグラム分布が立体的に重なり合っている場合と分離している場合がある。３次元空間の検査領域Ｋを格子Ｇで区画し、３次元でのＴ１（Ｘ，Ｙ，Ｚ）、Ｔ２（Ｘ，Ｙ，Ｚ）の色度ヒストグラム分布とミニマム分布を求め、同様な指数の演算を行う。格子Ｇの積算数Ｈ１，Ｈ２を平面上に投影し、その面内で同様な積算で格子Ｇ上の重なり領域Ｄの積算数を演算してもよい。ＸＹＺ色度の場合には、明るさの情報がないため、ＸＹＺ空間では、画像の明るさが変わってもヒストグラム分布は変化しない。 In the case of the calculation of the XYZ distribution corresponding to the inspection region K, the calculation of the surface roughness index M is performed by the distribution in the three-dimensional space of the X axis, the Y axis, and the Z axis. The XYZ values in the XYZ space coordinates on the inspection surface and the reference surface are T 1 (L, a, b) and T 2 (L, a, b), respectively. In the XYZ color space, the histogram distribution has a globe-like shape, and the two histogram distributions may be three-dimensionally overlapped or separated. The inspection area K in the three-dimensional space is partitioned by the grid G, and the chromaticity histogram distribution and the minimum distribution of T 1 (X, Y, Z) and T 2 (X, Y, Z) in three dimensions are obtained. Calculate exponents. The integration numbers H 1 and H 2 of the grid G may be projected on a plane, and the integration number of the overlapping region D on the grid G may be calculated by the same integration within the plane. In the case of XYZ chromaticity, since there is no brightness information, the histogram distribution does not change in the XYZ space even if the brightness of the image changes.
ＸＹＺ色空間ヒストグラムに代えてＬａｂ色空間ヒストグラムを表面粗さ判定に用いる場合には、図１３のフローチャートを用いる。図１３の説明は図１２の上記説明を援用し、ステップは３００番台とする。Ｓ３０５では領域の平均Ｌａｂ値の計算と画像Ｂの検査領域Ｋの平均Ｌａｂ値の演算となる。Ｌａｂ色度の場合には、明るさの情報があるため、Ｌａｂ空間では、画像Ａ，Ｂの明るさが変わると、ヒストグラム分布が変化する。 When the Lab color space histogram is used for the surface roughness determination instead of the XYZ color space histogram, the flowchart of FIG. 13 is used. The description of FIG. 13 is based on the above description of FIG. In S305, the calculation of the average Lab value of the region and the average Lab value of the inspection region K of the image B are performed. In the case of Lab chromaticity, since there is brightness information, the histogram distribution changes when the brightness of the images A and B changes in the Lab space.
次に本実施形態３の表面２０５の表面粗さ判定装置２０１につき図１４を参照して説明する。対応する同様な要素については２００番台として説明を援用し、主として、相違点を説明する。 Next, the surface roughness determination apparatus 201 for the surface 205 according to the third embodiment will be described with reference to FIG. About the corresponding similar element, description is used as 200 series, and a difference is mainly demonstrated.
図１４に示す通り、色・粗さ判定対象は表面２０５の一部の領域であり、２次元色彩計２０２が表面２０５の検査領域Ｋを撮像する。演算処理装置２０３は、基準となる刺激値ＸＹＺ１からＬａｂを計算する演算部２０３Ａと、判定対象となる刺激値ＸＹＺ２からＬａｂを計算する演算部２０３Ｂと、演算部２０３Ａと演算部２０３Ｂと接続しＬａｂ平均値を演算する演算部２０３Ｃと、基準Ｌａｂと対象Ｌａｂから表面粗さ指数Ｍを演算する表面粗さ指数Ｍ演算部２０３Ｄとを備え、演算部２０３Ｃ、２０３Ｄからの演算値を粗さ処理装置２５０に送信する。指数値に応じて、適正な表面粗さになっているかどうかを、画面を見て判定し、さらに粗さ処理を行う。なお、スイッチ２０９は、基準Ｌａｂ色度と対象Ｌａｂ色度を選択的に入力する。主要な処理は概ね実施形態１、２のフローチャートと同様であるので、説明は援用する。 As shown in FIG. 14, the color / roughness determination target is a partial region of the surface 205, and the two-dimensional colorimeter 202 images the inspection region K of the surface 205. The arithmetic processing unit 203 is connected to the arithmetic unit 203A that calculates Lab from the reference stimulus value XYZ1, the arithmetic unit 203B that calculates Lab from the stimulus value XYZ2 to be determined, the arithmetic unit 203A, and the arithmetic unit 203B. A computing unit 203C that computes an average value, and a surface roughness index M computing unit 203D that computes a surface roughness index M from the reference Lab and the target Lab, and a roughness processing device that calculates the computation values from the computing units 203C and 203D. 250. According to the index value, whether or not the surface has an appropriate surface roughness is determined by looking at the screen, and further the roughness process is performed. Note that the switch 209 selectively inputs the reference Lab chromaticity and the target Lab chromaticity. Since the main processing is generally the same as the flowcharts of the first and second embodiments, the description is incorporated.
検査領域Ｋに対応するＬａｂ空間における色度ヒストグラム分布の演算の場合、ＸＹＺ値からＬａｂへ変換を行う。指数の演算は、Ｌ軸、ａ軸、ｂ軸の３次元空間での分布により行う。Ｌａｂ色度分布は立体楕円形状である。検査面と基準面でのＬａｂ空間座標でのＬａｂ値を、それぞれ、Ｕ１（Ｌ，ａ，ｂ）、Ｕ２（Ｌ，ａ，ｂ）とする。Ｌａｂの色空間であるとヒストグラム分布は地球儀のような形状になっており、２つのヒストグラム分布が立体的に重なり合っている場合と分離している場合がある。３次元空間の検査領域Ｋを格子Ｇで区画し、３次元でのＵ１（Ｌ，ａ，ｂ）、Ｕ２（Ｌ，ａ，ｂ）の色度ヒストグラム分布とミニマム分布を求め、同様な指数の演算を行う。格子Ｇの積算数Ｈ１，Ｈ２を平面上に投影し、その面内で同様な積算で格子Ｇ上の重なり領域Ｄの積算数を演算する。Ｌａｂ色度の場合には、明るさの情報があるため、Ｌａｂ空間では、画像Ａ，Ｂの明るさが変わると、Ｌ値が変化して、一致度の分布Ｕ１、Ｕ２がＬａｂ空間内で位置がずれるため、明暗を考慮に入れた判定が可能である。画像Ａ，Ｂの明るさが違えば分布の位置がずれるからである。例えば、Ｌａｂ色度ヒストグラム分布は、暗くなれば下方にずれ、明るくなれば上方にずれる。 In the case of calculation of the chromaticity histogram distribution in the Lab space corresponding to the inspection area K, the XYZ value is converted to Lab. The exponent is calculated by the distribution in the three-dimensional space of the L axis, a axis, and b axis. The Lab chromaticity distribution is a solid elliptical shape. Lab values in Lab space coordinates on the inspection surface and the reference surface are U 1 (L, a, b) and U 2 (L, a, b), respectively. In the Lab color space, the histogram distribution has a globe-like shape, and the two histogram distributions may be three-dimensionally overlapped or separated. The inspection area K in the three-dimensional space is partitioned by the grid G, and the chromaticity histogram distribution and minimum distribution of U 1 (L, a, b) and U 2 (L, a, b) in three dimensions are obtained. Calculate exponents. The integrated numbers H 1 and H 2 of the grid G are projected on a plane, and the integrated number of the overlapping region D on the grid G is calculated by the same integration within the plane. In the case of Lab chromaticity, since there is brightness information, when the brightness of the images A and B changes in the Lab space, the L value changes, and the distributions U 1 and U 2 of the matching degrees are in the Lab space. Since the position is shifted, the determination in consideration of light and dark is possible. This is because if the brightness of the images A and B is different, the position of the distribution is shifted. For example, the Lab chromaticity histogram distribution shifts downward when dark and shifts upward when bright.
その他の応用例を説明する。基準面・検査面の取得された画像Ａ，Ｂの２枚の画像を重ねあわせ、それぞれの色度ヒストグラム分布を表示装置７に表示し、それぞれの色度ヒストグラム分布をひとつの色度図上で重ね合わせた色度図が表示でき、色の相違を平均Ｌａｂ値で判定し、一方、表面５の粗さ度を示す表面粗さ指数Ｍの演算を分離してパーセンテージで表示できる。これにより、検査面の色度分布の基準面の色度分布の空間的広がりのズレで示す凹凸感や粗さ感を数値で確実に確認できる。各領域Ｋ毎に検査結果が数値で表示される。格子Ｇのグリッド幅の調節が可能である。指数の閾値を任意で設定可能である。測定結果と撮影した画像Ａ，Ｂは保存が可能である。目視検査では避けられなかった個人差の問題や、客先との判断基準のトラブル等を減らして、表面粗さの仕上がり具合の基準化や安定した表面粗さ管理を行うことが可能となる。 Other application examples will be described. The two images A and B acquired on the reference surface and the inspection surface are overlaid, and the respective chromaticity histogram distributions are displayed on the display device 7, and the respective chromaticity histogram distributions are displayed on one chromaticity diagram. Overlapped chromaticity diagrams can be displayed, color differences can be determined by average Lab value, while surface roughness index M calculation indicating the roughness of surface 5 can be separated and displayed as a percentage. As a result, it is possible to reliably confirm the concavo-convex sensation and the roughness sensation indicated by the deviation of the spatial spread of the chromaticity distribution of the reference surface of the chromaticity distribution of the inspection surface with numerical values. Inspection results are displayed numerically for each region K. The grid width of the grid G can be adjusted. An exponent threshold value can be arbitrarily set. The measurement results and the captured images A and B can be saved. It is possible to reduce the problems of individual differences that cannot be avoided by visual inspection, troubles in judgment standards with customers, etc., and to standardize the degree of finish of surface roughness and perform stable surface roughness management.
以上、本実施形態を説明したが、以下の効果がある。（１）平均Ｌ値、平均ａ値、平均ｂ値、及び、（２）２つのＨ１（ｘ，ｙ）、Ｈ２（ｘ，ｙ）、Ｔ１（Ｘ，Ｙ，Ｚ）、Ｔ２（Ｘ，Ｙ，Ｚ）、Ｕ１（Ｌ，ａ，ｂ）、Ｕ２（Ｌ，ａ，ｂ）に関する表面粗さ指数Ｍついて、それぞれの例を挙げたが、色と表面粗さとの違いを、分離して提示することにより、正確、迅速な評価をおこなうことができ、表面粗さ調整により、仕上がり具合について適格な指針を与えることができる。 Although the present embodiment has been described above, the following effects are obtained. (1) Average L value, Average a value, Average b value, and (2) Two H 1 (x, y), H 2 (x, y), T 1 (X, Y, Z), T 2 Examples of the surface roughness index M regarding (X, Y, Z), U 1 (L, a, b), and U 2 (L, a, b) are given. The difference between color and surface roughness By separating and presenting, it is possible to perform accurate and quick evaluation, and by adjusting the surface roughness, it is possible to give an appropriate guideline for the finish.
また、本実施形態は、表面粗さの凹凸の高さが、ナノレベルからマイクロメータのレベルでの微細な粗さの判定も可能とし、測定時間の短縮化、曲面の粗さ判定、面積の大きな製品の粗さ判定を正確に行うことが可能となる。 In addition, the height of the unevenness of the surface roughness enables determination of fine roughness from the nano level to the micrometer level, shortening measurement time, determining curved surface roughness, It is possible to accurately determine the roughness of a large product.
本発明の表面粗さ判定装置１により、表面５の粗さを評価するため実施例１〜実施例２の通り、測定し、評価を行った。本発明を具体的に説明するが、本発明はこれらによって限定されるものではない。なお、実施例中における特性値の測定及び評価は下記のように行った。 In order to evaluate the roughness of the surface 5 by the surface roughness determination apparatus 1 of the present invention, measurement and evaluation were performed as in Example 1 and Example 2. The present invention will be specifically described, but the present invention is not limited thereto. In addition, the measurement and evaluation of the characteristic value in an Example were performed as follows.
（１） 判定装置
有限会社パパラボのPPLB-200を用いた。PPLB-200は２次元色彩計RC-500を備える。照明はPanasonic社製D50照明を用いた。
(1) Judgment device The PPLB-200 from Paparabo Co., Ltd. was used. PPLB-200 is equipped with a two-dimensional color meter RC-500. Lighting was Panasonic D50 lighting.
（２） 撮影
PPLB-200による撮影は、部屋が暗室状態で行った。2次元色彩計は静止画タイプのものを使用し、白色板のL値を100として測定を行った。
（３）測定範囲
サンプルの測定範囲について、測定範囲は、実施例１、２、３は画像Ａ，Ｂの全体である。
(2) Shooting
The PPLB-200 was shot in a dark room. The two-dimensional colorimeter was a still image type, and the measurement was performed with the L value of the white plate set to 100.
(3) Measurement range Regarding the measurement range of the sample, Examples 1, 2, and 3 are the entire images A and B.
（４）粗さ計について
テイラーホブソン社製の粗さ計であるＦＯＲＭ ＴＡＬＩＴＹＳＵＲＦ（登録商標）−１２０（ＡＦＭ接触式）粗さ計、及び、キーエンスのＶＮ−８０１０の非接触式の粗さ計を用いた。
(4) About a roughness meter A FORM TALITYSURF (registered trademark) -120 (AFM contact type) roughness meter which is a roughness meter manufactured by Taylor Hobson, and a non-contact type roughness meter of Keyence VN-8010. Using.
（５）測定項目及び結果について
サンプルの合格基準面と検査サンプルの測定を行った。撮影した基準・検査サンプル画像Ａ，Ｂの表面粗さ指数、ΔＥ、平均Ｌａｂの差を求めた。一致度のうち、ｘｙ−３Ｄはヒストグラム分布の中心座標のシフト処理をせずに求めた値である。平均Lab値の差＝検査サンプルの平均Lab値−基準サンプルの平均Lab値とした。測定結果から、表面粗さ指数の結果とΔＥの数値から、基準サンプルに色も表面５の表面粗さも一番類似しているサンプルを特定した。ΔＥに関して人間の視感度特性を考慮したΔＥ00を使用した。
(5) Measurement items and results The acceptance reference surface of the sample and the test sample were measured. The difference between the surface roughness index, ΔE, and average Lab of the photographed reference / inspection sample images A and B was determined. Of the degree of coincidence, xy-3D is a value obtained without shifting the center coordinates of the histogram distribution. Difference of average Lab value = average Lab value of test sample−average Lab value of reference sample. From the measurement result, the sample whose color and the surface roughness of the surface 5 are most similar to the reference sample was identified from the result of the surface roughness index and the numerical value of ΔE. For ΔE, ΔE00 was used in consideration of human visibility characteristics.
サンプル１〜３の表面粗さ指数Ｍ、ｘｙ３Ｄ、Ｌａｂ、ΔＬ、Δａ、Δｂ、ΔＥを求めた。表面粗さ指数のうち、表面粗さ指数Ｍはｘｙ３Ｄのそれぞれのヒストグラム分布の中心座標のシフト処理をせずに演算した指数である。ＬａｂはＬａｂ座標での表面粗さ指数、ｘｙ３Dはｘｙ座標での表面粗さ指数、ΔＬ＝平均Lab値の差＝検査サンプルの平均Lab値−基準サンプルの平均Lab値とした。ΔＥ、Δａ、Δｂも同様である。測定結果から、表面粗さ指数の結果とΔＥの数値から、サンプル１に色も表面の粗さも一番類似しているサンプル２又は３を特定した。ΔＥに関して人間の視感度特性を考慮したΔＥ00を使用した。 The surface roughness indices M, xy3D, Lab, ΔL, Δa, Δb, and ΔE of samples 1 to 3 were obtained. Of the surface roughness indices, the surface roughness index M is an index calculated without shifting the center coordinates of the respective xy3D histogram distributions. Lab is the surface roughness index in the Lab coordinate, xy3D is the surface roughness index in the xy coordinate, ΔL = difference in average Lab value = average Lab value of the inspection sample−average Lab value of the reference sample. The same applies to ΔE, Δa, and Δb. From the measurement results, the sample 2 or 3 having the most similar color and surface roughness to the sample 1 was identified from the result of the surface roughness index and the numerical value of ΔE. For ΔE, ΔE00 was used in consideration of human visibility characteristics.
（６）重回帰分析について
重回帰分析の数式６，７を用い、最小自乗法により、誤差を最小とするようにａ，ｂを設定した。
(6) Multiple regression analysis Using mathematical expressions 6 and 7 of multiple regression analysis, a and b were set so as to minimize the error by the method of least squares.
実施例１はミクロンオーダーでの粗さを評価するため、重回帰分析を行い、実施例２は同分析は行ったが結果は省略しており、実施例３はナノオーダーでの粗さを評価するため、重回帰分析を行った。 In Example 1, multiple regression analysis was performed in order to evaluate the roughness on the micron order. In Example 2, the same analysis was performed but the results were omitted. In Example 3, the roughness on the nano order was evaluated. Therefore, a multiple regression analysis was performed.
実施例１のアルミ合金にケミカルエッチングは処理したものについての粗さの評価である。 This is an evaluation of the roughness of the aluminum alloy of Example 1 treated with chemical etching.
表１及び図１５にサンプルＮｏ．１の測定・演算結果を示す。図１５において横軸は表面粗さ計測値Ｒａ（単位はμ）、縦軸は表面粗さ評価指数Ｅｓｔを示し、点線で示す直線は、第１検量線Ｌ１である。図１６において横軸は色差ΔＥ、縦軸は表面粗さ計測値Ｒａ（単位はμ）を示し、点線で示す直線は、第２検量線Ｌ２である。図１７において横軸は表面粗さ指数Ｍ、縦軸は表面粗さ計測値Ｒａ（単位はμ）を示し、点線で示す直線は、第３検量線Ｌ３である。
ａ＝０、ｂ＝０．１０５２４２が得られた。表面粗さ評価指数Ｅｓｔと表面粗さ計測値Ｒａの相関係数は０．８８７１０４、色差ΔＥと表面粗さ計測値Ｒａの相関係数は０．８８７１０４、表面粗さ指数Ｍと表面粗さ計測値Ｒａの相関係数は−０．８３７７、総合誤差ＴｏｔＥｒｒｏは５．９５１６である。 a = 0 and b = 0.105242 were obtained. The correlation coefficient between the surface roughness evaluation index Est and the surface roughness measurement value Ra is 0.887104, the correlation coefficient between the color difference ΔE and the surface roughness measurement value Ra is 0.887104, the surface roughness index M and the surface roughness measurement. The correlation coefficient of the value Ra is -0.8377, and the total error TotEro is 5.9516.
実施例２のサンプルＮｏ．２はケミカルエッチングを施したアルミニウム合金である。 Sample No. 2 in Example 2 2 is an aluminum alloy subjected to chemical etching.
表２及び図１８にアルミニウム合金のサンプルＮｏ．２の測定と数式６等による演算結果を示す。図１８において横軸は表面粗さ計測値Ｒａ（単位はμ）、縦軸は表面粗さ評価指数Ｅｓｔを示し、点線で示す直線は、第１検量線Ｌ１である。図１９において横軸は色差ΔＥ、縦軸は表面粗さ計測値Ｒａ（単位はμ）を示し、点線で示す直線は、第２検量線Ｌ２である。図２０において横軸は表面粗さ指数Ｍ、縦軸は表面粗さ計測値Ｒａ（単位はμ）を示し、点線で示す直線は、第３検量線Ｌ３である。
ａ＝０．０００８９３、ｂ＝０．６９４２８８が得られた。表面粗さ評価指数Ｅｓｔと表面粗さ計測値Ｒａの相関係数は０．８４９６５１、色差ΔＥと表面粗さ計測値Ｒａの相関係数は０．８４９７７４、表面粗さ指数Ｍと表面粗さ計測値Ｒａの相関係数は−０．８８６８５、総合誤差ＴｏｔＥｒｒｏは１１．６０５１３である。なお、図１８で１点だけ上方に外れたＥｓｔ=８．３５２７８７があるが、測定誤差として除去すれば、相関係数は概ね０．９になる。 a = 0.008995 and b = 0.694288 were obtained. The correlation coefficient between the surface roughness evaluation index Est and the surface roughness measurement value Ra is 0.849651, the correlation coefficient between the color difference ΔE and the surface roughness measurement value Ra is 0.849774, the surface roughness index M and the surface roughness measurement. The correlation coefficient of the value Ra is −0.88685, and the total error TotEro is 11.60513. In FIG. 18, there is Est = 8.3352787 that deviates upward by one point, but if it is removed as a measurement error, the correlation coefficient is approximately 0.9.
表１、２において、No.21〜No.29、No.31〜No.39まで、エッチング時間を増やしていったとき、アルミニウム合金のケミカルエッチングをしないものとの比較をすると、表面粗さ指数Ｍが低下してゆき、ΔＥとＲａとＥｓｔが増加する。 In Tables 1 and 2, when the etching time was increased from No. 21 to No. 29 and No. 31 to No. 39, the surface roughness index was compared with that in which the aluminum alloy was not chemically etched. As M decreases, ΔE, Ra, and Est increase.
アルミニウム合金のケミカルエッチングによる粗さ加減は、最初は表面５が真っ平らなものから、エッチングをかけると表面５が荒れてきて、さらにエッチングをかけると、表面５に穴が掘れたり、凹みができたり、中に空洞ができたりすることで、様々な粗さ形状の態様があるが、正確に評価することができる。 The roughness of aluminum alloy by chemical etching is that the surface 5 is flat at first, and the surface 5 becomes rough when etching is performed, and when etching is further performed, a hole is dug in the surface 5 or a dent is formed. In addition, there are various forms of roughness due to the formation of cavities therein, but it can be accurately evaluated.
実施例１によれば、第１検量線Ｌ１〜Ｌ３により、ミクロンオーダー又はナノオーダーの粗さを正確に演算でき、適正な凹凸感を把握でき、閾値と比較することで、不良品を低減できる。例えば、ケミカルエッチングを行ったアルミニウム合金に樹脂層を被覆した場合、エッチングの過不足によりアルミニウム合金からの樹脂層の剥離が生じやすい。樹脂のアルミニウム合金へのコーティングの前に、アルミニウム合金の表面５を検査することで、アルミニウム合金と樹脂層の剥離が起きない一番、最適な表面粗さを適切に処理することで、アルミニウム合金から樹脂層が剥離する現象を回避でき、産業上の利用価値が高い。 According to Example 1, the first calibration curves L1 to L3 can accurately calculate the micron-order or nano-order roughness, can grasp a proper unevenness, and can reduce defective products by comparing with a threshold value. . For example, when a resin layer is coated on an aluminum alloy that has been subjected to chemical etching, the resin layer is likely to peel from the aluminum alloy due to excessive or insufficient etching. Before coating the resin on the aluminum alloy, the surface 5 of the aluminum alloy is inspected, and the aluminum alloy and the resin layer are not peeled off. Therefore, the resin layer can be prevented from peeling off, and the industrial utility value is high.
実施例２の樹脂部品であるサンプルNo.３について、測定場所、一致度、ΔＥ00、ΔＬ、Δａ、Δｂ値等を示す。実施例１と同様に、重回帰粗さ分析は行ったが、実施例１と同様な手法により、同様の結果が得られたので、記載は割愛する。測定範囲はそれぞれ、画像Ａ，Ｂの枠線内である。 For sample No. 3 which is a resin part of Example 2, the measurement location, coincidence, ΔE00, ΔL, Δa, Δb values, etc. are shown. Although the multiple regression roughness analysis was performed in the same manner as in Example 1, the same results were obtained by the same method as in Example 1, and the description is omitted. The measurement ranges are within the frame lines of the images A and B, respectively.
図２２に示すサンプルＮｏ．３は、２種類の樹脂Ｐ１とＰ２のシボ加工の違いによる表面粗さの定量化について行った。照明色温度 ５０００Kである。 Sample No. 2 shown in FIG. 3 performed about quantification of the surface roughness by the difference in the embossing of two types of resin P1 and P2. The illumination color temperature is 5000K.
サンプルＮｏ．３の評価結果は図２３に示す。ＬａｂとΔＥでの違いを検出した。表面粗さ指数Ｍ（粗さ一致度）は８５％である。３次元ｘｙ一致度ｘｙ３Ｄは９３％である。Ｐ１を基準として、Ｐ２はＬａｂ一致度は２６％となり、表面粗さを明確に区別できた。色差ΔＥは１．１６３、ΔＬは１．５３２、Δａは−０．０１７、Δｂは０．１０８である。Ｓ２のＬ値が高く明るいことが分かる。Δａ、Δｂで素材の色の違いが分かる。 Sample No. The evaluation result of 3 is shown in FIG. Differences between Lab and ΔE were detected. The surface roughness index M (roughness coincidence) is 85%. The three-dimensional xy coincidence xy3D is 93%. Based on P1, P2 had a Lab coincidence of 26%, and the surface roughness could be clearly distinguished. The color difference ΔE is 1.163, ΔL is 1.532, Δa is −0.017, and Δb is 0.108. It can be seen that the L value of S2 is high and bright. The difference in material color can be seen from Δa and Δb.
図２１に示す通り、シボ感の違いによる「見え」の違いは、シボの表面形状の違いによる反射の違いを図示している。全反射部分は照明の色が強く反映し、輝度も高くなる。従って、（１）は局所的に全反射した光が多く眼に入りぎらついて見える。一方、（２）のように平面が少ないと全反射方向が分散されて面で見たときにぎらつきは感じられない。また、様々な反射が絡んで色の干渉が起こり、色の広がりを見せる。（３）は細かく全体的に拡散しているため、輝度は落ちる。色も平均化される。 As shown in FIG. 21, the difference in “appearance” due to the difference in wrinkle feeling shows the difference in reflection due to the difference in the surface shape of the wrinkle. The total reflection portion reflects the color of the illumination strongly, and the brightness increases. Therefore, in (1), a lot of light that has been totally reflected locally appears in the eye. On the other hand, when the number of planes is small as in (2), the total reflection direction is dispersed and no glare is felt when viewed on the plane. In addition, color interference occurs due to various reflections, and the color spread is shown. Since (3) is finely diffused as a whole, the luminance decreases. Colors are also averaged.
実施例２によれば、表面粗さ指数Ｍにより、適正な凹凸感を把握でき、閾値と比較することで、不良品を低減できる。例えば、樹脂の表面５をシボ加工した場合等には、色差ΔＥはほとんどない場合でも、シボの深いもの、或いは、シボの浅いものにおいて、表面５の微妙なツヤ感の変化を把握できる。シボ加工の不良を回避できる等、種々の態様に利用できるので、産業上の利用価値が高い。 According to Example 2, it is possible to grasp an appropriate unevenness feeling by the surface roughness index M, and it is possible to reduce defective products by comparing with a threshold value. For example, when the surface 5 of the resin is textured, even if there is almost no color difference ΔE, it is possible to grasp a subtle change in the glossiness of the surface 5 when the surface is deep or shallow. Since it can be used in various modes, such as avoiding defects in embossing, the industrial utility value is high.
実施例１はアルミ合金の金属表面のミクロンオーダーの表面粗さを評価する例であるが、実施例３はナノオーダーの表面粗さの例である。表面粗さ計測値Ｒａ（単位：ｎｍ）はキーエンスのＶＮ−８０１０の非接触式の粗さ計を用いて計測した。 Example 1 is an example of evaluating the surface roughness on the micron order of the metal surface of an aluminum alloy, while Example 3 is an example of the surface roughness on the nano order. The surface roughness measurement Ra (unit: nm) was measured using a Keyence VN-8010 non-contact type roughness meter.
表面粗さ指数Ｍと表面粗さ計測値Ｒａと表面粗さ評価指数Ｅｓｔの計測・演算結果を表３に示す。表３の演算は数式７による。表面粗さ計測値ＲａのサンプルＮｏ.１〜７までの表面の凹凸を示す三次元ＣＧを図２４〜図３０に示す。図２４ではサンプルＮｏ．１の全領域で平均の凹凸が８８．３３ｎｍ、図２５ではサンプルＮｏ．２の全領域で平均の凹凸が５８．８３ｎｍ、図２６ではサンプルＮｏ．３の全領域で平均の凹凸が８８．３３ｎｍ、図２７ではサンプルＮｏ．４の全領域で平均の凹凸が５７．７１ｎｍ、図２８ではサンプルＮｏ．５の全領域で平均の凹凸が９３．９ｎｍ、図２９ではサンプルＮｏ．６の全領域で平均の凹凸が１１２．８５ｎｍ、図３０ではサンプルＮｏ．７の全領域で平均の凹凸が１００．１８ｎｍである。上記数値は、基準表面からの高さの平均値であり、凹凸を平均化した表面の歪みを示す値である。サンプルＮｏ.１〜７のサンプル番号が増加すると、エッチング時間を順次増加するため、表面粗さ指数Ｍは減少し、表面粗さ計測値Ｒａは増加している。
ａ＝１．１４１４３９、ｂ＝１４３．１９５４が得られた。総合誤差ＴｏｔＥｒｒｏは９４０．２３４７である。 a = 1.141439 and b = 143.1954 were obtained. The total error TotEro is 940.2347.
実施例３によれば、第１検量線Ｌ１、第３検量線Ｌ３により、適正な凹凸感を把握でき、ナノオーダーの表面粗さを評価でき、不良品を低減できる。 According to the third embodiment, it is possible to grasp an appropriate feeling of unevenness by using the first calibration curve L1 and the third calibration curve L3, evaluate nano-order surface roughness, and reduce defective products.
なお、本発明の実施形態は、上記の実施形態に何ら限定されるものではなく、本発明の技術的思想を逸脱しない範囲において、改変等を加えることができるものであり、それらの改変、均等物等も本発明の技術的範囲に含まれ、前記技術的範囲に属する限り種々の形態を採り得ることは言うまでもない。例えば、三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）に従って画像Ａ，Ｂを取得する方式について、本実施形態において挙げた方式は具体例に過ぎないものであって、これらに限られず、その他の方式によっても本発明の技術的思想は実施される。 The embodiments of the present invention are not limited to the above-described embodiments, and modifications and the like can be made without departing from the technical idea of the present invention. Needless to say, objects and the like are also included in the technical scope of the present invention and can take various forms as long as they belong to the technical scope. For example, with respect to a method of acquiring images A and B according to three spectral sensitivities (S1 (λ), S2 (λ), and S3 (λ)), the method given in this embodiment is only a specific example. However, the technical idea of the present invention is not limited to these and may be implemented by other methods.
本発明の判定装置は、表面粗さを照明光の散乱と回折現象にて定量化できるため、人の見た目の判定法と極めて近い判定ができることにより、これまで人の目に依存していた表面粗さの評価に適用できる。金属、樹脂等も含めた広範囲な材質、平面、曲面、複雑な形状の表面等、種々の表面に適用可能である。 Since the determination device of the present invention can quantify the surface roughness by the scattering and diffraction phenomenon of illumination light, it can make a determination very close to the human visual determination method, so that the surface that has been dependent on the human eye until now Applicable to roughness evaluation. The present invention can be applied to various surfaces such as a wide range of materials including metals, resins, etc., flat surfaces, curved surfaces, and complicated shapes.
１、１０１、２０１・・・表面粗さ判定装置
２、１０２、２０２・・・２次元色彩計
２１・・・撮影レンズ
２２ａ、２２ｂ、２２ｃ・・・光学フィルタ
２３・・・撮像素子
２２ａ´、２２ｃ´・・・ダイクロイックミラー
２３ａ、２３ｂ、２３ｃ・・・撮像素子
２６・・・ 反射鏡
２７・・・ フィルタターレット
３、１０３、２０３・・・演算処理部
５、１０５、２０５・・・表面
６、１０６、２０６・・・照明部
７・・・表示装置
１０９・・・スイッチ
２５０・・・粗さ処理装置
ａ・・・第１係数
ｂ・・・第２係数
Ａ，Ｂ・・・画像
ＡＦＭ・・・原子間力顕微鏡
Ｃ１，Ｃ２・・・中心座標
Ｄ・・・重なり領域
ΔＥ・・・色差
Ｅｒｒｏｒ・・・誤差
Ｅｓｔ・・・表面粗さ評価指数
Ｇ・・・格子
Ｍ・・・表面粗さ指数
Ｈ１, Ｈ２・・・積算数
Ｋ・・・検査領域
Ｔ・・・検査領域
ＴｏｔＥｒｒｏ・・・総合誤差
DESCRIPTION OF SYMBOLS 1, 101, 201 ... Surface roughness determination apparatus 2, 102, 202 ... Two-dimensional color meter 21 ... Shooting lens 22a, 22b, 22c ... Optical filter 23 ... Imaging element 22a ', 22c '... Dichroic mirrors 23a, 23b, 23c ... Imaging device 26 ... Reflector 27 ... Filter turrets 3, 103, 203 ... Arithmetic processing units 5, 105, 205 ... Surface 6 106, 206 ... Illumination unit 7 ... Display device 109 ... Switch 250 ... Roughness processing device a ... First coefficient b ... Second coefficient A, B ... Image AFM ... Atomic force microscopes C1, C2 ... Center coordinates D ... Overlapping region ΔE ... Color difference Error ... Error Est ... Surface roughness evaluation index G ... Lattice M ... Surface roughness index H 1, H 2 ··· cumulative number K · And inspection area T ··· inspection area TotErro ··· Total error
２次元色彩計２は、図１に示すように、撮影レンズ２１と、この撮影レンズ２１の後方に配置された三つの光学フィルタ２２ａ、２２ｂ、２２ｃと、光学フィルタ２２ａ、２２ｂ、２２ｃの後方に配置された撮像素子２３（ＣＣＤ、ＣＭＯＳなど）と、を備えている。２次元色彩計２の三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）は、光学フィルタ２２ａ、２２ｂ、２２ｃの分光透過率と撮像素子２３の分光感度との積により与えられる。図１における光学フィルタ２２ａ、２２ｂ、２２ｃと撮像素子２３との配列的関係は模式的に示したものにすぎない。三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）に従って３バンド視覚感度画像Ｓ１i，Ｓ２i，Ｓ３iを取得する方式について以下に具体例を挙げるが、本実施形態１ではこれらのうちいずれをも採ることができ、また、その他の方式を採ることもできる。２４は演算部、２５は表示部である。 As shown in FIG. 1, the two-dimensional colorimeter 2 has a photographing lens 21, three optical filters 22a, 22b, and 22c arranged behind the photographing lens 21, and a rear of the optical filters 22a, 22b, and 22c. And an image pickup device 23 (CCD, CMOS, etc.) arranged. The three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) of the two-dimensional colorimeter 2 are obtained by multiplying the spectral transmittances of the optical filters 22a, 22b, 22c and the spectral sensitivity of the image sensor 23. Given. The arrangement relationship between the optical filters 22a, 22b, and 22c and the image sensor 23 in FIG. 1 is merely schematically shown. Specific examples of the method of acquiring the three-band visual sensitivity images S1i, S2i, and S3i according to the three spectral sensitivities (S1 (λ), S2 (λ), and S3 (λ)) will be given below. Any of these methods can be adopted, and other methods can be adopted. Reference numeral 24 denotes a calculation unit, and 25 denotes a display unit.
図３（ａ）に示すものはダイクロイックミラーを用いる方式である。これはダイクロイックミラー２２ｃ´により特定の波長の光を反射し、透過した残りの光について、さらに別のダイクロイックミラー２２ａ´により別の特定の波長の光を反射して分光し、撮像素子２３ａ、２３ｂ、２３ｃを三つ並列にして読み出す方式である。ここでは、ダイクロイックミラー２２ａ´が光学フィルタ２２ａ、２２ｂに相当し、ダイクロイックミラー２２ｃ´が光学フィルタ２２ｃに相当する。撮影レンズ２１から入射する光はダイクロイックミラー２２ｃ´により分光感度Ｓ３に従う光が反射され、残りの光は透過する。ダイクロイックミラー２２ｃ´により反射された光を反射鏡２６により反射して撮像素子２３ｃにより分光感度Ｓ３を得る。一方、ダイクロイックミラー２２ｃ´を透過した光は、ダイクロイックミラー２２ａ´において、分光感度Ｓ１に従う光が反射され、残りの分光感度Ｓ２に従う光は透過する。ダイクロイックミラー２２ａ´を透過した光を撮像素子２３ｂにより撮像して分光感度Ｓ２を得る。ダイクロイックミラー２２ａ´により反射された光を反射鏡２９により反射して撮像素子２３ａにより分光感度Ｓ１を得る。ダイクロイックミラーに代えて同様な特性を有するダイクロイックプリズムを用いて三つに分光し、それぞれの光が透過する位置に撮像素子２３ａ、２３ｂ、２３ｃを接着することとしてもよい。 FIG. 3A shows a system using a dichroic mirror. This is because light of a specific wavelength is reflected by the dichroic mirror 22c ′, and the remaining light that has been transmitted is further reflected by another dichroic mirror 22a ′ to be spectrally separated, and the image pickup devices 23a, 23b. , 23c are read in parallel. Here, the dichroic mirror 22a ′ corresponds to the optical filters 22a and 22b, and the dichroic mirror 22c ′ corresponds to the optical filter 22c. Light incident from the photographic lens 21 is reflected by the dichroic mirror 22c ′ according to the spectral sensitivity S3, and the remaining light is transmitted. The light reflected by the dichroic mirror 22c ′ is reflected by the reflecting mirror 26, and the spectral sensitivity S3 is obtained by the imaging device 23c. On the other hand, the light transmitted through the dichroic mirror 22c ′ is reflected by the dichroic mirror 22a ′, and the light according to the spectral sensitivity S1 is transmitted, and the remaining light according to the spectral sensitivity S2 is transmitted . The light transmitted through the dichroic mirror 22a ′ is imaged by the image sensor 23b to obtain the spectral sensitivity S2. The light reflected by the dichroic mirror 22a ′ is reflected by the reflecting mirror 29, and the spectral sensitivity S1 is obtained by the imaging device 23a . Instead of the dichroic mirror, a dichroic prism having the same characteristics may be used to split the light into three, and the image sensors 23a, 23b, and 23c may be bonded to the positions where each light is transmitted.
表面のつや・粗さ測定方式は、従来、粗さ計があり、それには機械式のもの、レーザーなどの光学式のものがある。これらは凹凸が何ｍｍあるか、あるいは何ｎｍあるかといった数値で示すが、現場の経験ある技術者は、こうした値よりも目で見た、表面のツヤ感やテカリ度を見て判定している。また、こうした経験に基づく現場の判定で作業が進んでいる。表面粗さの測定の従来技術には以下の発明がある。
The surface gloss / roughness measuring method has conventionally been a roughness meter, which includes a mechanical type and an optical type such as a laser. These are indicated by numerical values such as how many mm of unevenness or how many nm, but engineers who have experience in the field judge by looking at the glossiness and shine degree of the surface as seen from these values. Yes. In addition, work is proceeding with on-site judgment based on such experience. There are the following inventions in the prior art for measuring the surface roughness.
本発明のＸＹＺ系の撮像装置で、光源からの光を当てた表面を撮像し、その反射光分布を計測すると、表面の形状により、光源からの光が散乱と回折により色・表面粗さとして観測され、この粗さ度により、表面の色・表面粗さの定量化が可能となることに着目した。
With the XYZ-based imaging device of the present invention, when the surface irradiated with light from the light source is imaged and the reflected light distribution is measured, the light from the light source is scattered and diffracted as color and surface roughness due to the surface shape. It was observed that this roughness allows us to quantify the surface color and surface roughness.
技術的関連を有する第２発明は、ＣＩＥ ＸＹＺ等色関数と等価に線形変換された三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）を有する撮像装置が取得した三つの分光感度を有する３バンド視覚感度画像Ｓ１i，Ｓ２i，Ｓ３iをＣＩＥ ＸＹＺ表色系における三刺激値Ｘ、Ｙ、Ｚに変換したデータを取得し演算する演算処理ステップと、色差ΔＥを演算する色差演算ステップと、ＸＹＺ表色系の色空間にそれぞれ対応する座標の検査領域を格子で区画し、各格子に属する検査面と基準面の画素数を積算することにより、ＸＹＺ表色系の色空間ヒストグラム分布を作成する色空間ヒストグラム分布作成ステップと、前記検査面と基準面の２つの色空間ヒストグラム分布の差を示す表面粗さ指標を演算する表面粗さ指標演算ステップと、粗さ計により実測した表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶ステップと、表面粗さ計測値Ｒａと表面粗さ評価指標Ｅｓｔの相関関係を示す第１検量線関数、前記表面粗さ計測値Ｒａと色差ΔＥの相関関係を示す第２検量線関数、又は、前記表面粗さ計測値Ｒａと表面粗さ指標Ｍとの相関関係を示す第３検量線関数のうちの少なくとも１つを設定する関数設定ステップと、を備えたことを特徴とする表面粗さ判定方法である。
The second invention having technical relevance is obtained by an image pickup apparatus having three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) linearly converted equivalently to the CIE XYZ color matching function. Three-band visual sensitivity images S1i, S2i, and S3i having three spectral sensitivities are obtained by calculating data obtained by converting tristimulus values X, Y, and Z in the CIE XYZ color system and calculating color difference ΔE. The color space of the XYZ color system is calculated by dividing the inspection region of coordinates corresponding to the color space of the XYZ color system with a grid and integrating the number of pixels of the test surface and the reference surface belonging to each grid. A color space histogram distribution creating step for creating a histogram distribution, a surface roughness index calculating step for calculating a surface roughness index indicating a difference between the two color space histogram distributions of the inspection surface and the reference surface, and a roughness meter A surface roughness measurement data storage step for storing the measured surface roughness measurement value Ra, a first calibration curve function indicating a correlation between the surface roughness measurement value Ra and the surface roughness evaluation index Est, the surface roughness measurement value At least one of a second calibration curve function indicating the correlation between Ra and the color difference ΔE or a third calibration curve function indicating the correlation between the surface roughness measurement value Ra and the surface roughness index M is set. a surface roughness determination method characterized by comprising: a function setting step.
広義のＸＹＺ表色系には、２次元座標と３次元座標で規定される色空間が含まれる。色空間の代表例としては、ｘｙ色空間と、ＸＹＺ色空間と、Ｌａｂ色空間等の構成例がある。２次元の色空間の場合、例えば、Ｙｘｙ色空間、Ｌｕｖ色空間の場合、２次元平面であるｘｙ色度図（Ｙｘｙ色空間で正規化したｘｙ色度値（平面））、ｕｖ色度図、ｕ’ｖ’色度図が挙げられる。平面上での２次元色度図の画素の密度として表現されるｘｙ色度ヒストグラム分布又はＬｕｖ色度ヒストグラム分布等が対応する。３次元の色空間の場合、例えば、ＸＹＺ色空間、Ｌａｂ色空間の場合、Ｌａｂ色空間が挙げられる。３次元での色空間上の画素の密度として表現されるＸＹＺ色空間ヒストグラム分布、又はＬａｂ色空間ヒストグラム分布等が対応する。
The XYZ color system in a broad sense includes a color space defined by two-dimensional coordinates and three-dimensional coordinates. Typical examples of the color space include configuration examples such as an xy color space, an XYZ color space, and a Lab color space. In the case of a two-dimensional color space, for example, in the case of a Yxy color space or a Luv color space, an xy chromaticity diagram that is a two-dimensional plane (xy chromaticity value (plane) normalized in the Yxy color space), uv chromaticity diagram , U′v ′ chromaticity diagram. An xy chromaticity histogram distribution or a Luv chromaticity histogram distribution expressed as the density of pixels in a two-dimensional chromaticity diagram on a plane corresponds. In the case of a three-dimensional color space, for example, in the case of an XYZ color space or a Lab color space, a Lab color space can be cited. An XYZ color space histogram distribution or a Lab color space histogram distribution expressed as the density of pixels in a three-dimensional color space corresponds.
表面粗さ判定装置１は、ＣＩＥ ＸＹＺ等色関数と等価に線形変換された三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）を有する２次元色彩計２が表面５から取得した三つの分光感度を有する３バンド視覚感度画像Ｓ１i，Ｓ２i，Ｓ３iをＣＩＥ ＸＹＺ表色系における三刺激値Ｘ、Ｙ、Ｚに変換したデータを取得し演算する演算処理部３を備え、この演算処理部３が、色差ΔＥを演算する色差演算部と、ＸＹＺ表色系の色空間にそれぞれ対応する座標の検査領域を格子Ｇで区画し、各格子Ｇに属する検査面と基準面の画素数を積算することにより、ＸＹＺ表色系の色空間ヒストグラム分布を作成する色空間ヒストグラム分布作成部と、検査面と基準面の２つの色空間ヒストグラム分布の差を示す表面粗さ指数Ｍを演算する表面粗さ指数演算部と、粗さ計により実測した表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶部と、表面粗さ計測値Ｒａと表面粗さ評価指数Ｅｓｔの相関関係を示す第１検量線関数Ｌ１、表面粗さ計測値Ｒａと色差ΔＥの相関関係を示す第２検量線関数Ｌ２、又は、表面粗さ計測値Ｒａと表面粗さ指数Ｍとの相関関係を示す第３検量線関数Ｌ３のうちの少なくとも１つを設定する関数設定部と、を備えたことを特徴とする。表面粗さ評価指数Ｅｓｔは、表面粗さ計測値Ｒａとの間の誤差Ｅｒｒｏｒが最小となるように、表面粗さ指数Ｍに係る第１係数ａ及び色差ΔＥに係る第２係数ｂを特定する。
The surface roughness determination apparatus 1 includes a two-dimensional colorimeter 2 having three spectral sensitivities (S1 (λ), S2 (λ), and S3 (λ)) linearly converted equivalent to the CIE XYZ color matching function. An arithmetic processing unit 3 that acquires and calculates data obtained by converting three-band visual sensitivity images S1i, S2i, and S3i having three spectral sensitivities acquired from 3 into tristimulus values X, Y, and Z in the CIE XYZ color system; The arithmetic processing unit 3 divides the color difference calculation unit for calculating the color difference ΔE, and the inspection area of the coordinates corresponding to the color space of the XYZ color system with the grid G, and the inspection surface belonging to each grid G and the reference surface By integrating the number of pixels, a color space histogram distribution creating unit for creating a color space histogram distribution of the XYZ color system, and a surface roughness index M indicating a difference between the two color space histogram distributions of the inspection surface and the reference surface are obtained. A surface roughness index calculation unit to be calculated; A surface roughness measurement data storage unit for storing a surface roughness measurement value Ra measured by a roughness meter, a first calibration curve function L1 indicating a correlation between the surface roughness measurement value Ra and the surface roughness evaluation index Est, the surface At least of the second calibration curve function L2 indicating the correlation between the measured roughness value Ra and the color difference ΔE or the third calibration curve function L3 indicating the correlation between the measured surface roughness value Ra and the surface roughness index M. And a function setting unit for setting one. The surface roughness evaluation index Est specifies the first coefficient a related to the surface roughness index M and the second coefficient b related to the color difference ΔE so that the error Error between the surface roughness measurement value Ra is minimized. .
２次元色彩計２は、図１に示すように、撮影レンズ２１と、この撮影レンズ２１の後方に配置された三つの光学フィルタ２２ａ、２２ｂ、２２ｃと、光学フィルタ２２ａ、２２ｂ、２２ｃの後方に配置された撮像素子２３（ＣＣＤ、ＣＭＯＳなど）と、を備えている。２次元色彩計２の三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）は、光学フィルタ２２ａ、２２ｂ、２２ｃの分光透過率と撮像素子２３の分光感度との積により与えられる。図１における光学フィルタ２２ａ、２２ｂ、２２ｃと撮像素子２３との配列的関係は模式的に示したものにすぎない。三つの分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）に従って３バンド視覚感度画像Ｓ１i，Ｓ２i，Ｓ３iを取得する方式について以下に具体例を挙げるが、本実施形態１ではこれらのうちいずれをも採ることができ、また、その他の方式を採ることもできる。２４は演算部、２５は表示部である。
As shown in FIG. 1, the two-dimensional colorimeter 2 has a photographing lens 21, three optical filters 22a, 22b, and 22c arranged behind the photographing lens 21, and a rear of the optical filters 22a, 22b, and 22c. And an image pickup device 23 (CCD, CMOS, etc.) arranged. The three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) of the two-dimensional colorimeter 2 are obtained by multiplying the spectral transmittances of the optical filters 22a, 22b, 22c and the spectral sensitivity of the image sensor 23. Given. The arrangement relationship between the optical filters 22a, 22b, and 22c and the image sensor 23 in FIG. 1 is merely schematically shown. Specific examples of the method of acquiring the three-band visual sensitivity images S1i, S2i, and S3i according to the three spectral sensitivities (S1 (λ), S2 (λ), and S3 (λ)) will be given below. Any of these methods can be adopted, and other methods can be adopted. Reference numeral 24 denotes a calculation unit, and 25 denotes a display unit.
表面５の表面粗さ判定装置１の動作について具体例を挙げつつ説明する。表面５の表面粗さ判定装置１は、図１に示す通り、２次元色彩計２と、演算処理部３と、表示装置７とを接続することにより動作する。接続方法は有線・無線を問わず選択できる。２次元色彩計２におけるフローチャートを図４に、演算処理部３におけるフローチャートを図５に、それぞれ示す。 The operation of the surface roughness determination apparatus 1 on the surface 5 will be described with a specific example. The surface roughness determination device 1 of the surface 5 operates by connecting a two-dimensional colorimeter 2, an arithmetic processing unit 3, and a display device 7 as shown in FIG. The connection method can be selected regardless of wired or wireless. The flowchart of the two-dimensional colorimeter 2 in FIG. 4, FIG. 5 a flowchart in the arithmetic processing unit 3, respectively.
２次元色彩計２の電源が入ると、図４に示す通り、初期化をする（初期化Ｓ１）。つぎに、表面５を撮像し（撮像処理Ｓ２）、その後、撮像された３バンド視覚感度画像Ｓ１i，Ｓ２i，Ｓ３iを撮像素子２３により入力し（入力処理Ｓ３）、演算処理部３にて三刺激値Ｘ、Ｙ、Ｚに変換する（変換処理Ｓ４）。分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）は表示装置７に送信される（データ送信Ｓ５）。画像が動画である場合には、撮像処理Ｓ２からデータ送信Ｓ５の一連の処理が連続的に行われる（Ｓ６）。画像は表示装置７に表示される。
When the power of the two-dimensional colorimeter 2 is turned on, initialization is performed as shown in FIG. 4 (initialization S1). Next, the surface 5 is imaged (imaging process S2), and then the captured 3-band visual sensitivity images S1i, S2i, and S3i are input by the image sensor 23 (input process S3), and the arithmetic processing unit 3 performs tristimulus. Conversion into values X, Y, and Z (conversion processing S4). Spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) are transmitted to the display device 7 (data transmission S5). When the image is a moving image, a series of processes from the imaging process S2 to the data transmission S5 is continuously performed (S6) . The image is displayed on the display device 7.
入力された画像データは分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）に従った値であるため、２次元色彩計２と接続する演算処理部３における変換処理Ｓ４によって、撮像された画像の画像データを三刺激値Ｘ、Ｙ、Ｚに変換する。この変換は数式１に従って行われる。すなわち、数式１における係数の逆行列を乗じて三刺激値Ｘ、Ｙ、Ｚを得ることができる。なお、２次元色彩計２からは分光感度（Ｓ１(λ)、Ｓ２(λ)、Ｓ３(λ)）に従った値のまま演算処理部３に送信する。
Since the input image data has values according to the spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)), the conversion processing S4 in the arithmetic processing unit 3 connected to the two-dimensional colorimeter 2 The image data of the captured image is converted into tristimulus values X, Y, and Z. This conversion is performed according to Equation 1. That is, the tristimulus values X, Y, and Z can be obtained by multiplying the inverse matrix of the coefficients in Equation 1. Note that the two-dimensional colorimeter 2 transmits the values in accordance with the spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) to the arithmetic processing unit 3.
演算処理部３に電源が入ると、図５に示す通り、初期化をする（初期化Ｓ１１０）。表示装置７は２次元色彩計２と接続された状態において、２次元色彩計２から送信された３バンド視覚感度画像Ｓ１i，Ｓ２i，Ｓ３iを受信する（データ受信Ｓ１２０）。その後、３バンド視覚感度画像Ｓ１i，Ｓ２i，Ｓ３iから三刺激値Ｘ、Ｙ、Ｚに変換し、撮像された基準面と検査面の画像のＬａｂ平均値及びｘｙ表面粗さ指数Ｍを演算し視覚化処理する（Ｓ１３０）、表示装置７に表示するために必要な場合は、色情報をＲＧＢ等に変換処理する（Ｓ１４０）。その内容を表示装置７に送信する（表示処理Ｓ１５０）。２次元色彩計２からのデータ受信Ｓ１２０の後、変換処理Ｓ１３０から表示処理Ｓ１５０の一連の処理が連続的に行われる（Ｓ１６０）。
When the arithmetic processing unit 3 is turned on, initialization is performed as shown in FIG. 5 (initialization S110). The display device 7 receives the three-band visual sensitivity images S1i, S2i, S3i transmitted from the two-dimensional colorimeter 2 in a state where it is connected to the two-dimensional colorimeter 2 (data reception S120). Thereafter, the three-band visual sensitivity images S1i, S2i, and S3i are converted into tristimulus values X, Y, and Z, and the Lab average value and the xy surface roughness index M of the images of the imaged reference surface and inspection surface are calculated and visually processing of (S130), if required to be displayed on the display device 7 converts processing color information in RGB or the like (S140). The contents are transmitted to the display device 7 (display process S150). After the data reception S120 from the two-dimensional colorimeter 2, a series of processing from the conversion processing S130 to the display processing S150 is continuously performed (S160) .
撮像した画像Ａ，Ｂについて検査したい領域Ｔ（図７（ａ）参照）に対応する検査領域Ｋ（図７（ｂ）参照）を設定する（Ｓ１４１）。大きさや場所を自由に設定することができる。
An inspection region K (see FIG. 7B) corresponding to a region T (see FIG. 7A) to be inspected for the captured images A and B is set ( S141). Size and place can be set freely.
図７（ｃ）に示す通り、ｘｙ座標の位置での比較対象の色分布を平面的に書いたものであり、検査領域Ｋを格子Ｇで区画し、その区画のｘｙ値を有する画素を積算しｚ軸とするヒストグラム分布を作成する。ｘｙ座標を、特定の幅のグリッド、例えば、ｘｙをそれぞれ１／１０００（１０００個の線）で切った平面格子とする。ヒストグラムの端から端までスキャンしてゆき、格子Gに区画した領域ごとに、これに属する画素数を同じｘｙ面でそれぞれスキャンしｚ方向に積算してゆく。また、検査領域Kでｘｙ座標の特定範囲だけを演算すれば、演算時間が短縮できる。グリッドのマス目を細かくすれば精度は上がるが、演算時間が長くなるので、適宜のマス目とする。
As shown in FIG. 7C, the color distribution of the comparison target at the position of the xy coordinates is written in a plane, the inspection area K is partitioned by the grid G, and the pixels having the xy value of the section are integrated. Then, a histogram distribution with the z axis is created. The xy coordinates, grid of a particular width, for example, a planar grating cut xy with each 1/1000 (1000 lines). The histogram is scanned from end to end, and for each region partitioned into the grid G, the number of pixels belonging to this is scanned on the same xy plane and integrated in the z direction. Further, if only the specific range of the xy coordinates is calculated in the inspection region K, the calculation time can be shortened. If the grid cells are made finer, the accuracy will be improved, but the calculation time will be longer.
図７（ｅ）に示す通り、Ｈ１（ｘ１、ｙ１）を検査面のｘｙ色度ヒストグラム分布の積算数、Ｈ2（ｘ２、ｙ２）を基準面のｘｙ色度ヒストグラム分布の積算数とすると、重なり合った左側領域ではＨ１＞Ｈ２で、中央でＨ１＝Ｈ２となり、右側ではＨ１＜Ｈ２である。Ｈ１，Ｈ２のうち、小さい方の積算数（画素頻度）を取ると、左側ではＨ１、右側ではＨ２となり、階段状のヒストグラム曲線であるミニマム分布が特定できる。これを利用し、重なり領域Ｄの全体領域に対する二次元又は三次元での割合が演算できる。
As shown in FIG. 7E, H 1 (x 1 , y 1 ) is the cumulative number of xy chromaticity histogram distributions on the inspection surface , and H 2 (x 2 , y 2 ) is the xy chromaticity histogram distribution on the reference surface. When the accumulated number, in the overlapping left area H 1> H 2, centrally H 1 = H 2, and the on the right side is a H 1 <H 2. If the smaller integrated number (pixel frequency) of H 1 and H 2 is taken, it becomes H 1 on the left side and H 2 on the right side, and a minimum distribution which is a step-like histogram curve can be specified. Using this, the ratio of the overlapping area D to the entire area in two dimensions or three dimensions can be calculated.
図９の上において、（１）は一点に集中した尖った山、（２）通常の山、（３）は広がったなだらかな山である。山を横から見ると図９の中、下のようになる。（１）を基準に（２）（３）を重ね合わせると、色のついたところが重なり合った部分である。ここの体積の割合が表面粗さ指数Ｍである。表面粗さ指数Ｍは、検査領域Ｋの範囲内の積算数をそのまま用いるので、基準物１に対して、検査面２、３がそれぞれ５８％、２７％となり、数値で明確に、かつ、簡単に表面粗さの識別ができる。
In FIG. 9, (1) is a sharp mountain concentrated at one point, (2) a normal mountain, and (3) is a wide and gentle mountain. Looking at the mountain from the side, it looks like the bottom in Fig. 9. When (2) and (3) are superimposed on the basis of (1), the colored portions are the overlapping portions. The volume ratio here is the surface roughness index M. As the surface roughness index M, the integrated number within the range of the inspection region K is used as it is, so that the inspection surfaces 2 and 3 are 58% and 27%, respectively, with respect to the reference object 1, which is clear and simple numerically. The surface roughness can be identified.
表面粗さがナノオーダー又はミクロンオーダーの場合には、以上のように演算した表面粗さ指数Ｍ及び色差ΔＥを用いて、重回帰分析を用いて、図１０に示す通り、表面粗さ評価指数Ｅｓｔを演算する。ナノ、ミクロンオーダーの粗さの場合には、粗さが大きな場合とは、表面５での光散乱が異なっているからである。細かな粗さに対しては、当てる光との相互作用、つまり、干渉が生起してしまい、種々のオフセットが起きるので、それも積極的に踏み込んでいく方が正確な評価値になる。そこで、表面粗さ指数Ｍと色差ΔＥについての色のオフセットを積極的に利用して、重回帰分析により、粗さ計との相関をとることとした。
When the surface roughness is nano-order or micron order, the surface roughness index M and the color difference ΔE calculated as described above are used to analyze the surface roughness as shown in FIG. Est is calculated. This is because the light scattering on the surface 5 is different from the case of the roughness of nano and micron order from the case of the roughness being large. For fine roughness, interaction with the light to be applied, that is, interference occurs, and various offsets occur. Therefore, it is more accurate to step in positively. Therefore, the color offset for the surface roughness index M and the color difference ΔE is positively used, and a correlation with the roughness meter is obtained by multiple regression analysis.
次の本実施形態２の表面１０５の表面粗さ判定装置１０１を図１１、図１２、図１３を参照して説明する。対応する同様な要素については１００番台として説明を援用し、主として、相違点を説明する。
The following surface roughness determination device 101 of the surface 105 of the second embodiment 11, FIG. 12 will be described with reference to FIG. 13. For the corresponding similar elements, the explanation is cited as 100 series, and the difference is mainly explained.
図１１に示す通り、演算処理装置１０３は、基準面を撮像することにより取得される刺激値ＸＹＺ１を計算する演算部１０３Ａと、検査面となる製品の表面１０５を撮像することにより取得される刺激値ＸＹＺ２を計算する演算部１０３Ｂと、演算部１０３Ａと演算部１０３Ｂと接続し、表面１０５の表面粗さ指数Ｍを演算する演算部１０３Ｃと、を備える。演算部１０３ＣからのＯＫ信号又はＮＧ信号を表示装置１０７に送信したり、外部に送信する。なお、スイッチ１０９は、刺激値ＸＹＺ１と刺激値ＸＹＺ２を選択的に入力する。
As illustrated in FIG. 11, the arithmetic processing device 103 includes a calculation unit 103 </ b> A that calculates a stimulus value XYZ <b> 1 acquired by imaging a reference plane, and a stimulus acquired by imaging the surface 105 of a product that is an inspection plane. A calculation unit 103B that calculates the value XYZ2, and a calculation unit 103C that is connected to the calculation unit 103A and the calculation unit 103B and calculates the surface roughness index M of the surface 105 are provided. An OK signal or an NG signal from the calculation unit 103C is transmitted to the display device 107 or transmitted to the outside. Note that the switch 109 selectively inputs the stimulus value XYZ1 and the stimulus value XYZ2.
なお、検査領域Ｋに対応するＸＹＺ分布の演算の場合、表面粗さ指数Ｍの演算は、Ｘ軸、Ｙ軸、Ｚ軸の３次元空間での分布により行う。検査面と基準面でのＸＹＺ空間座標でのＸＹＺ値を、それぞれ、Ｔ１（Ｘ，Ｙ，Ｚ）、Ｔ２（Ｘ，Ｙ，Ｚ）とする。ＸＹＺの色空間であるとヒストグラム分布は地球儀のような形状になっており、２つのヒストグラム分布が立体的に重なり合っている場合と分離している場合がある。３次元空間の検査領域Ｋを格子Ｇで区画し、３次元でのＴ１（Ｘ，Ｙ，Ｚ）、Ｔ２（Ｘ，Ｙ，Ｚ）の色度ヒストグラム分布とミニマム分布を求め、同様な指数の演算を行う。格子Ｇの積算数Ｈ１，Ｈ２を平面上に投影し、その面内で同様な積算で格子Ｇ上の重なり領域Ｄの積算数を演算してもよい。ＸＹＺ色度の場合には、明るさの情報がないため、ＸＹＺ空間では、画像の明るさが変わってもヒストグラム分布は変化しない。
In the case of the calculation of the XYZ distribution corresponding to the inspection region K, the calculation of the surface roughness index M is performed by the distribution in the three-dimensional space of the X axis, the Y axis, and the Z axis. The XYZ values in the XYZ space coordinates on the inspection surface and the reference surface are T 1 ( X, Y, Z ) and T 2 ( X, Y, Z ), respectively. In the XYZ color space, the histogram distribution has a globe-like shape, and the two histogram distributions may be three-dimensionally overlapped or separated. The inspection area K in the three-dimensional space is partitioned by the grid G, and the chromaticity histogram distribution and the minimum distribution of T 1 (X, Y, Z) and T 2 (X, Y, Z) in three dimensions are obtained. Calculate exponents. The integration numbers H 1 and H 2 of the grid G may be projected on a plane, and the integration number of the overlapping region D on the grid G may be calculated by the same integration within the plane. In the case of XYZ chromaticity, since there is no brightness information, the histogram distribution does not change in the XYZ space even if the brightness of the image changes.
ＸＹＺ色空間ヒストグラムに代えてＬａｂ色空間ヒストグラムを表面粗さ判定に用いる場合には、図１３のフローチャートを用いる。図１３の説明は図１２の上記説明を援用し、ステップは３００番台とする。Ｓ３０５では画像Ａの領域Ｋの平均Ｌａｂ値の計算と画像Ｂの検査領域Ｋの平均Ｌａｂ値の演算となる。Ｌａｂ色度の場合には、明るさの情報があるため、Ｌａｂ空間では、画像Ａ，Ｂの明るさが変わると、ヒストグラム分布が変化する。
When the Lab color space histogram is used for the surface roughness determination instead of the XYZ color space histogram, the flowchart of FIG. 13 is used. The description of FIG. 13 is based on the above description of FIG. In S305, the average Lab value of the region K of the image A and the average Lab value of the inspection region K of the image B are calculated. In the case of Lab chromaticity, since there is brightness information, the histogram distribution changes when the brightness of the images A and B changes in the Lab space.
サンプル１〜３の表面粗さ指数Ｍ、ｘｙ３Ｄ、Ｌａｂ、ΔＬ、Δａ、Δｂ、ΔＥを求めた。表面粗さ指数のうち、表面粗さ指数Ｍはｘｙ３Ｄのそれぞれのヒストグラム分布の中心座標のシフト処理をせずに演算した指数である。ＬａｂはＬａｂ座標での表面粗さ指数、ｘｙ３Dはｘｙ座標での表面粗さ指数、ΔＬ＝平均L値の差＝検査サンプルの平均L値−基準サンプルの平均L値とした。ΔＥ、Δａ、Δｂも同様である。測定結果から、表面粗さ指数の結果とΔＥの数値から、サンプル１に色も表面の粗さも一番類似しているサンプル２又は３を特定した。ΔＥに関して人間の視感度特性を考慮したΔＥ00を使用した。
The surface roughness indices M, xy3D, Lab, ΔL, Δa, Δb, and ΔE of samples 1 to 3 were obtained. Of the surface roughness indices, the surface roughness index M is an index calculated without shifting the center coordinates of the respective xy3D histogram distributions. Lab surface roughness index at Lab coordinates, Xy3D surface roughness index in the xy coordinate, [Delta] L = average L value of the difference = test sample average L value - and an average L value of the reference sample. The same applies to ΔE, Δa, and Δb. From the measurement results, the sample 2 or 3 having the most similar color and surface roughness to the sample 1 was identified from the result of the surface roughness index and the numerical value of ΔE. For ΔE, ΔE00 was used in consideration of human visibility characteristics.
Claims (4)
前記演算処理部が、
色差ΔＥを演算する色差演算部と、
ＸＹＺ表色系の色空間にそれぞれ対応する座標の検査領域を格子で区画し、各格子に属する検査面と基準面の画素数を積算することにより、ＸＹＺ表色系の色空間ヒストグラム分布を作成する色空間ヒストグラム分布作成部と、
前記検査面と基準面の２つの色空間ヒストグラム分布の差を示す表面粗さ指標を演算する表面粗さ指標演算部と、
粗さ計により実測した表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶部と、
表面粗さ計測値Ｒａと表面粗さ評価指標Ｅｓｔの相関関係を示す第１検量線関数、前記表面粗さ計測値Ｒａと色差ΔＥの相関関係を示す第２検量線関数、又は、前記表面粗さ計測値Ｒａと表面粗さ指標Ｍとの相関関係を示す第３検量線関数のうちの少なくとも１つを設定する関数設定部と、
を備えたことを特徴とする表面粗さ判定装置。 Three-band visual sensitivity image having three spectral sensitivities acquired by an imaging device having three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) linearly converted equivalently to the CIE XYZ color matching function An arithmetic processing unit that acquires and calculates data obtained by converting S1i, S2i, and S3i into tristimulus values X, Y, and Z in the CIE XYZ color system;
The arithmetic processing unit is
A color difference calculation unit for calculating the color difference ΔE;
Creates an XYZ color system color space histogram distribution by dividing the inspection area of coordinates corresponding to the color space of the XYZ color system with a grid and integrating the number of pixels on the test surface and the reference surface belonging to each grid. A color space histogram distribution creation unit to
A surface roughness index calculator that calculates a surface roughness index indicating a difference between two color space histogram distributions of the inspection surface and the reference surface;
A surface roughness measurement data storage unit for storing a surface roughness measurement value Ra measured by a roughness meter;
A first calibration curve function indicating the correlation between the measured surface roughness Ra and the surface roughness evaluation index Est, a second calibration curve function indicating the correlation between the measured surface roughness Ra and the color difference ΔE, or the surface roughness A function setting unit for setting at least one of the third calibration curve functions indicating the correlation between the measured thickness Ra and the surface roughness index M;
A surface roughness determination apparatus comprising:
色差ΔＥを演算する色差演算ステップと、
ＸＹＺ表色系の色空間にそれぞれ対応する座標の検査領域を格子で区画し、各格子に属する検査面と基準面の画素数を積算することにより、ＸＹＺ表色系の色空間ヒストグラム分布を作成する色空間ヒストグラム分布作成ステップと、
前記検査面と基準面の２つの色空間ヒストグラム分布の差を示す表面粗さ指標を演算する表面粗さ指標演算ステップと、
粗さ計により実測した表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶ステップと、
表面粗さ計測値Ｒａと表面粗さ評価指標Ｅｓｔの相関関係を示す第１検量線関数、前記表面粗さ計測値Ｒａと色差ΔＥの相関関係を示す第２検量線関数、又は、前記表面粗さ計測値Ｒａと表面粗さ指標Ｍとの相関関係を示す第３検量線関数のうちの少なくとも１つを設定する関数設定ステップと、
を備えたことを特徴とする表面粗さ判定方法。 Three-band visual sensitivity image having three spectral sensitivities acquired by an imaging device having three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) linearly converted equivalently to the CIE XYZ color matching function A calculation processing step for acquiring and calculating data obtained by converting S1i, S2i, and S3i into tristimulus values X, Y, and Z in the CIE XYZ color system;
A color difference calculating step for calculating the color difference ΔE;
Creates an XYZ color system color space histogram distribution by dividing the inspection area of coordinates corresponding to the color space of the XYZ color system with a grid and integrating the number of pixels on the test surface and the reference surface belonging to each grid. Creating a color space histogram distribution,
A surface roughness index calculating step for calculating a surface roughness index indicating a difference between two color space histogram distributions of the inspection surface and the reference surface;
A surface roughness measurement data storage step for storing a surface roughness measurement value Ra measured by a roughness meter;
A first calibration curve function indicating the correlation between the measured surface roughness Ra and the surface roughness evaluation index Est, a second calibration curve function indicating the correlation between the measured surface roughness Ra and the color difference ΔE, or the surface roughness A function setting step for setting at least one of the third calibration curve functions indicating the correlation between the measured thickness Ra and the surface roughness index M;
A method for determining surface roughness, comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017023653A JP6632145B2 (en) | 2017-02-10 | 2017-02-10 | Surface roughness determination device and determination method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017023653A JP6632145B2 (en) | 2017-02-10 | 2017-02-10 | Surface roughness determination device and determination method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018128436A true JP2018128436A (en) | 2018-08-16 |
| JP6632145B2 JP6632145B2 (en) | 2020-01-15 |
Family
ID=63172824
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017023653A Active JP6632145B2 (en) | 2017-02-10 | 2017-02-10 | Surface roughness determination device and determination method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6632145B2 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10352692B1 (en) * | 2018-02-20 | 2019-07-16 | Papalab Co., Ltd. | Surface roughness determination apparatus using a white light source and determination method |
| CN114046749A (en) * | 2021-10-26 | 2022-02-15 | 刘红霞 | Method and system for detecting roughness of point-shaped pit joint surface of precast concrete member |
| CN114754706A (en) * | 2022-04-11 | 2022-07-15 | 广东机电职业技术学院 | Mechanical part machining surface roughness online detection method and system |
| WO2022191131A1 (en) * | 2021-03-08 | 2022-09-15 | 大日本印刷株式会社 | Interference color evaluation method, optical film, polarizing plate, and image display device |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0749224A (en) * | 1993-08-05 | 1995-02-21 | Inax Corp | Inspection method for material surface |
| JPH11108759A (en) * | 1997-09-30 | 1999-04-23 | Hitachi Ltd | Defect inspecting method and device therefor |
| JP2003098111A (en) * | 2000-09-21 | 2003-04-03 | Hitachi Ltd | Method for inspecting defect and apparatus therefor |
| JP2006162558A (en) * | 2004-12-10 | 2006-06-22 | Toshiba Corp | Method and device for measuring surface roughness, and method of diagnosing degradation of turbine |
| WO2011118596A1 (en) * | 2010-03-25 | 2011-09-29 | 三菱レイヨン株式会社 | Method for fabricating anodized alumina, inspection device, and inspection method |
| JP2012127871A (en) * | 2010-12-16 | 2012-07-05 | Toyohashi Univ Of Technology | Texture quantification device and texture quantification method |
| WO2014118935A1 (en) * | 2013-01-31 | 2014-08-07 | 株式会社ニレコ | Surface roughness measuring device and surface roughness measuring method |
| JP2014149286A (en) * | 2013-01-31 | 2014-08-21 | Nireco Corp | Surface roughness measurement device |
| WO2016102945A1 (en) * | 2014-12-22 | 2016-06-30 | Intercede Ventures Ltd | Apparatus and method for analysing a surface |
| JP2016164559A (en) * | 2016-02-29 | 2016-09-08 | 有限会社パパラボ | Image color distribution inspection device and image color distribution inspection method |
-
2017
- 2017-02-10 JP JP2017023653A patent/JP6632145B2/en active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0749224A (en) * | 1993-08-05 | 1995-02-21 | Inax Corp | Inspection method for material surface |
| JPH11108759A (en) * | 1997-09-30 | 1999-04-23 | Hitachi Ltd | Defect inspecting method and device therefor |
| JP2003098111A (en) * | 2000-09-21 | 2003-04-03 | Hitachi Ltd | Method for inspecting defect and apparatus therefor |
| JP2006162558A (en) * | 2004-12-10 | 2006-06-22 | Toshiba Corp | Method and device for measuring surface roughness, and method of diagnosing degradation of turbine |
| WO2011118596A1 (en) * | 2010-03-25 | 2011-09-29 | 三菱レイヨン株式会社 | Method for fabricating anodized alumina, inspection device, and inspection method |
| JP2012127871A (en) * | 2010-12-16 | 2012-07-05 | Toyohashi Univ Of Technology | Texture quantification device and texture quantification method |
| WO2014118935A1 (en) * | 2013-01-31 | 2014-08-07 | 株式会社ニレコ | Surface roughness measuring device and surface roughness measuring method |
| JP2014149286A (en) * | 2013-01-31 | 2014-08-21 | Nireco Corp | Surface roughness measurement device |
| WO2016102945A1 (en) * | 2014-12-22 | 2016-06-30 | Intercede Ventures Ltd | Apparatus and method for analysing a surface |
| JP2016164559A (en) * | 2016-02-29 | 2016-09-08 | 有限会社パパラボ | Image color distribution inspection device and image color distribution inspection method |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10352692B1 (en) * | 2018-02-20 | 2019-07-16 | Papalab Co., Ltd. | Surface roughness determination apparatus using a white light source and determination method |
| WO2022191131A1 (en) * | 2021-03-08 | 2022-09-15 | 大日本印刷株式会社 | Interference color evaluation method, optical film, polarizing plate, and image display device |
| CN114046749A (en) * | 2021-10-26 | 2022-02-15 | 刘红霞 | Method and system for detecting roughness of point-shaped pit joint surface of precast concrete member |
| CN114754706A (en) * | 2022-04-11 | 2022-07-15 | 广东机电职业技术学院 | Mechanical part machining surface roughness online detection method and system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6632145B2 (en) | 2020-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10352692B1 (en) | Surface roughness determination apparatus using a white light source and determination method | |
| JP6038965B2 (en) | Coloring inspection apparatus and coloring inspection method | |
| JP6039008B2 (en) | Coloring evaluation apparatus and coloring evaluation method | |
| Finlayson et al. | Solving for colour constancy using a constrained dichromatic reflection model | |
| JP6632145B2 (en) | Surface roughness determination device and determination method | |
| JP6061059B1 (en) | Metal body shape inspection apparatus and metal body shape inspection method | |
| US10345100B1 (en) | Apparatus and method for evaluating metal surface texture | |
| WO2013157641A1 (en) | Variable angle spectroscopic imaging measurement method and device therefor | |
| JP6371237B2 (en) | Coloring evaluation apparatus and coloring evaluation method | |
| JP2018004421A (en) | Apparatus and method for evaluating feel of metal surface | |
| Whitehouse et al. | Gloss and surface topography | |
| JP6860923B2 (en) | Surface roughness judgment device and judgment method using a white light source | |
| JP2014149286A (en) | Surface roughness measurement device | |
| CN104848808B (en) | A kind of Surface Roughness Detecting Method and equipment | |
| EP3594658B1 (en) | Evaluator, measurement apparatus, evaluating method, and evaluating program | |
| JP2006061170A (en) | Discrimination method for skin | |
| JP4629554B2 (en) | Method for optical inspection of inspection surface properties and apparatus for carrying out the method | |
| JP2016194449A (en) | Coloring checkup device, and coloring checkup method | |
| JP2018004509A (en) | Colorimetric system and inspection device | |
| JP7411155B2 (en) | Color unevenness inspection device and color unevenness inspection method | |
| JPH08297024A (en) | Method and apparatus for measuring surface state of metal | |
| Siatou et al. | A Methodological Approach for Multi-Temporal Tracking of Silver Tarnishing | |
| JP2017153054A (en) | Coloring inspection apparatus and coloring inspection method | |
| JP2020187093A (en) | Imaging method and imaging system | |
| Tominaga et al. | Estimation of surface properties for art paintings using a six-band scanner |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170508 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180214 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180319 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190110 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190201 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20190326 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190530 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190605 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20191119 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191209 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6632145 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |