JP6632145B2 - Surface roughness determination device and determination method - Google Patents
Surface roughness determination device and determination method Download PDFInfo
- Publication number
- JP6632145B2 JP6632145B2 JP2017023653A JP2017023653A JP6632145B2 JP 6632145 B2 JP6632145 B2 JP 6632145B2 JP 2017023653 A JP2017023653 A JP 2017023653A JP 2017023653 A JP2017023653 A JP 2017023653A JP 6632145 B2 JP6632145 B2 JP 6632145B2
- Authority
- JP
- Japan
- Prior art keywords
- inspection
- surface roughness
- sample
- coefficient
- index
- 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.)
- Active
Links
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 an apparatus and a method for determining surface roughness, and more particularly, to an apparatus 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 of an acid or an alkali. Since the solution penetrates into fine parts, it is characterized in that processing can be performed on details that cannot be reached by mechanical polishing. Chemical polishing is suitable mainly for polishing a fine component having a complicated shape or an inner surface portion.
「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。 "Electropolishing" is a polishing method in which a metal is immersed in a solution for electropolishing and a current is made to flow with the metal being positive in the solution. The metal gradually dissolves and the surface becomes glossy and smooth. Since it does not form an altered layer on the surface and does not leave stains or burns, it is used when a clean polishing method for precision parts is required along with chemical polishing.
「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", as the name implies, refers to polishing performed using a machine, and there are various methods. The current mainstream is a rotary type in which a polishing pad is attached on a disk-shaped surface plate, and a liquid abrasive containing a chemical component and fine particles is dropped on the polishing pad, and the liquid is polished while rotating. In addition, there are various polishing methods such as polishing using a honing machine for precisely polishing the inner diameter of a metal and buff polishing 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 satin finish? Refers to the processing method. It is called this because it resembles the surface of a fruit pear. The satin finish includes glossy, semi-gloss, and matte satin finishes. The purpose of the matte finish is to improve the surface roughness and appearance, to prevent slippage when touched with oiled hands, and to pre-treat paint and anodize. 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 forming fine irregularities called “cutting process” 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 matte finishing of metal surfaces.The mechanical methods include the aforementioned brushing, wire brushing with a wire brush to polish the surface, and compression of fine particles. There are a sand blast method in which the surface is blown by air, and a liquid honing method in which a processing liquid containing fine particles is blown to the metal processing surface. As a method of chemically performing the satin finish processing, there are a method of using chemical corrosion such as etching or electrolytic corrosion, and a method of performing a surface treatment using electroplating such as a dispersion plating method.
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。
As a method for measuring the gloss and roughness of a surface, there 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 the number of millimeters or the number of nanometers of unevenness, but a technician experienced in the field judges by visually observing the glossiness and the degree of shine from these values. I have. In addition, work is proceeding with on-site judgment based on such experience. Conventional techniques for measuring surface roughness include the following inventions.
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。 Patent Literatures 1 to 3 have proposed the invention in which the surface roughness is measured by a scanning method using a stylus or the like.
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 in which the surface roughness is measured by an imaging device in a non-contact manner 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 in which the surface roughness is measured by 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 Literatures 1 to 10 cannot perform determination of surface roughness indicating a finished condition such as gloss, gloss, and roughness. In Patent Documents 1 to 3, since the surface is scanned by the contact, it takes time to measure the surface, and the apparatus becomes large. Patent Documents 4 to 6 use visible light or the like, but have insufficient accuracy. Patent Documents 7 to 10 require time to scan the surface with a laser beam 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。 Also, when looking at the color of a glossy object, the object color and the light source color are generally recognized in a well-balanced manner. At the place where the light is totally reflected, the luminance becomes high, and a color strongly reflecting 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 additively mixed.
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, an object having a structure such as a grain is not merely an object color, and ΔE, ΔL, Δa, Δb, and the like have a widening of the color despite the fact that total reflection occurs structurally. Since the information is lost and only the average color of a very limited area can be obtained, the texture feeling information woven in various colors and luminances by the 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, the surface may be roughened or mirror-finished to finish the surface, but the degree of roughness needs to be evaluated by an expert's eyes.
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。 The fineness of the surface is determined on the micron order, and the roughness on the mirror surface is determined on the nanometer order. However, since the human eye performs the determination on both, there is a problem that it takes time and cost, and it is difficult to make an accurate determination. In particular, when the height of the unevenness of the surface roughness is fine and minute, for example, when the wavelength of light is from nano level (for example, 700 nm) to micrometer level, it is considered that there is a color shift, There is also a demand for determination of fine roughness, but 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 the surface of a metal, the surface is measured so that the bond between the metal and the resin is optimized, and then the coating is performed. It is impossible to check such a small order of roughness on a production line with a conventional roughness meter, which is a bottleneck in technology development. This is because it takes a long time to trace the surface with the conventional roughness meter. For example, repeating line scanning on the surface by AFM or laser to scan and measure the entire area takes too much measurement time and stops the line. In addition, the surface of the product often has a gentle curve, and many industrial products have a large measurement area, so even if you try to check the surface roughness, it is impossible to measure with 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 distribution of the reflected light, and the light from the light source is scattered and diffracted by color and roughness according to the shape of the surface. An object of the present invention is to make it possible to quantify surface finish determination in a state close to human eye determination conditions by using this roughness.
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 enables the determination of fine roughness from the nano-level to the micro-level due to the height of unevenness of the surface roughness, shortening the measurement time, determining the roughness of a curved surface, and determining the roughness of a product having a large area. An object of the present invention is to accurately perform the determination.
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 system imaging device. In this method, it is possible to make a determination very similar to a human appearance determination method. The basis is that since an accurate value is obtained in a two-dimensional or three-dimensional manner in an imaging device, the surface roughness such as unevenness of an inspection surface can be quantified by scattering and diffraction of illumination light.
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 system 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 into color and surface roughness due to the shape of the surface. It was observed that the degree of roughness enabled quantification of surface color and surface 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、検査サンプルの検査面と基準サンプルの基準面の色差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、各格子に属する前記検査サンプルの検査面と基準サンプルの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Ｍ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、検量に係る検査サンプルの検査面の表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶部と、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍと、前記表面粗さ計測値Ｒａの相関関係を規定する検量線関数を設定し、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の色差ΔＥと、前記表面粗さ計測値Ｒａの相関関係を規定する検量線関数を設定し、表面粗さ評価指数Ｅｓｔが、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍ、当該表面粗さ指標Ｍに係る第１係数ａ、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の色差ΔＥ、当該色差ΔＥに係る第２係数ｂに基づいて演算されるように設定し、前記表面粗さ計測値Ｒａと前記表面粗さ評価指数Ｅｓｔの間の誤差Ｅｒｒｏｒが最小となるように、前記第１係数ａ、及び前記第２係数ｂを定める関数設定部と、前記判定に係る検査用サンプルの検査面と基準サンプルの基準面についての表面粗さ指標Ｍ、判定に係る検査サンプルの検査面と基準サンプルの基準面の色差ΔＥ、前記関数設定部によって定められた第１係数ａ、及び第２係数ｂに基づいて、前記判定に係る検査用サンプルの検査面の表面粗さ評価指数Ｅｓｔ’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), and S3 (λ)) linearly converted equivalent to the CIE XYZ color matching function. An arithmetic processing unit for acquiring and calculating 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 is configured to inspect a test sample. A color difference calculation unit for calculating a color difference ΔE between the surface and the reference surface of the reference sample, an inspection area having coordinates corresponding to the respective color spaces of the XYZ color system divided by a grid, and an inspection surface of the inspection sample belonging to each grid. A color space histogram distribution creating unit for creating a color space histogram distribution of the XYZ color system by integrating the number of pixels on the reference surface of the reference sample, and calculating the difference between the two color space histogram distributions of the inspection surface and the reference surface. Show A surface roughness index calculation unit that calculates the surface roughness index M , a surface roughness measurement data storage unit that stores the surface roughness measurement value Ra of the inspection surface of the inspection sample that is actually measured by the roughness meter, The surface roughness index M of the inspection surface of the inspection sample according to the calibration and the reference surface of the reference sample, and a calibration curve function that defines the correlation between the surface roughness measurement values Ra are set, and the inspection sample of the inspection sample according to the calibration is set. A calibration curve function that defines the correlation between the color difference ΔE between the inspection surface and the reference surface of the reference sample and the surface roughness measurement value Ra is set, and the surface roughness evaluation index Est is set to the inspection surface of the inspection sample related to the calibration. And the surface roughness index M of the reference surface of the reference sample, the first coefficient a related to the surface roughness index M, the color difference ΔE between the inspection surface of the inspection sample related to the calibration and the reference surface of the reference sample, and the color difference ΔE Based on the second coefficient b Set to be calculated, so that an error Error between the surface roughness measurement Ra The surface roughness evaluation index Est is minimized, the first coefficient a, and a function for determining the second coefficient b A setting unit, a surface roughness index M for the inspection surface of the inspection sample according to the determination and the reference surface of the reference sample, a color difference ΔE between the inspection surface of the inspection sample to be determined and the reference surface of the reference sample, the function setting unit A calculation unit that calculates a surface roughness evaluation index Est ′ of the inspection surface of the inspection sample according to the determination based on the first coefficient a and the second coefficient b determined by This is a surface roughness determination device that performs
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。
第１発明に技術的に関連する発明は、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、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サンプルの検査面と基準サンプルの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Ｍ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、検量に係る検査サンプルの検査面の表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶部と、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍと、前記表面粗さ計測値Ｒａの相関関係を規定する検量線関数を設定し、表面粗さ評価指数Ｅｓｔが、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍ、当該表面粗さ指標Ｍに係る第１係数ａ、及び第２係数ｂに基づいて演算されるように設定し、前記表面粗さ計測値Ｒａと前記表面粗さ評価指数Ｅｓｔの間の誤差Ｅｒｒｏｒが最小となるように、前記第１係数ａ、及び前記第２係数ｂを定める関数設定部と、判定に係る検査用サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍ、前記関数設定部によって定められた第１係数ａ、及び第２係数ｂに基づいて、前記判定に係る検査用サンプルの検査面の表面粗さ評価指数Ｅｓｔ’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。
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 measured value and the surface roughness value Ra is minimized. Is specified. For example, an analysis method of calculating the surface roughness evaluation index Est by the multiple regression analysis using the surface roughness index M and the color difference ΔE is preferable.
The invention which is technically related to the first invention is obtained by an imaging apparatus having three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) linearly converted equivalent to the CIE XYZ color matching function. An arithmetic processing unit that obtains and converts data obtained by converting the three-band visual sensitivity images S1i, S2i, and S3i having the three spectral sensitivities into tristimulus values X, Y, and Z in the CIE XYZ color system; The unit divides the inspection area of coordinates corresponding to the color space of the XYZ color system by a grid, and accumulates the number of pixels of the inspection plane of the inspection sample belonging to each grid and the number of pixels of the reference plane of the reference sample, thereby obtaining the XYZ table. A color space histogram distribution creating unit that creates a color space histogram distribution of a color system; and a surface roughness index calculating unit that calculates a surface roughness index M indicating a difference between the two color space histogram distributions of the inspection surface and the reference surface. , By roughness meter A surface roughness measurement data storage unit that stores the measured surface roughness measurement value Ra of the inspection surface of the inspection sample related to the calibration, and a surface roughness index of the inspection surface of the inspection sample related to the calibration and the reference surface of the reference sample M and a calibration curve function that defines the correlation between the measured surface roughness value Ra and the surface roughness evaluation index Est, the surface roughness between the inspection surface of the inspection sample and the reference surface of the reference sample according to the calibration. The index M is set so as to be calculated based on the first coefficient a and the second coefficient b relating to the surface roughness index M, and is set between the surface roughness measurement value Ra and the surface roughness evaluation index Est. A function setting unit that determines the first coefficient a and the second coefficient b so that the error Error is minimized, a surface roughness index M of an inspection surface of an inspection sample to be determined and a reference surface of a reference sample, Determined by the function setting unit A calculation unit for calculating a surface roughness evaluation index Est ′ of the inspection surface of the inspection sample according to the determination based on the obtained first coefficient a and the second coefficient b. This is a roughness determination device.
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、検査サンプルの検査面と基準サンプルの基準面の色差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、各格子に属する前記検査サンプルの検査面と基準サンプルの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Ｍ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、検量に係る検査サンプルの検査面の表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶ステップと、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍと、前記表面粗さ計測値Ｒａの相関関係を規定する検量線関数を設定し、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の色差ΔＥと、前記表面粗さ計測値Ｒａの相関関係を規定する検量線関数を設定し、表面粗さ評価指数Ｅｓｔが、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍ、当該表面粗さ指標Ｍに係る第１係数ａ、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の色差ΔＥ、当該色差ΔＥに係る第２係数ｂに基づいて演算されるように設定し、前記表面粗さ計測値Ｒａと前記表面粗さ評価指数Ｅｓｔの間の誤差Ｅｒｒｏｒが最小となるように、前記第１係数ａ、及び前記第２係数ｂを定める関数設定ステップと、判定に係る検査用サンプルの検査面と基準サンプルの基準面についての表面粗さ指標Ｍ、判定に係る検査サンプルの検査面と基準サンプルの基準面の色差ΔＥ、前記関数設定ステップによって定められた第１係数ａ、及び第２係数ｂに基づいて、前記判定に係る検査用サンプルの検査面の表面粗さ評価指数Ｅｓｔ’を演算する演算ステップと、を備えたことを特徴とする表面粗さ判定方法である。 A second invention having a technical relevance is a three-dimensional image obtained by an imaging device having three spectral sensitivities (S1 (λ), S2 (λ), and S3 (λ)) linearly converted equivalent to the CIE XYZ color matching function. One of the spectral sensitivity 3-band visual sensitivity image S1i with, S2i, and arithmetic processing step of tristimulus values X, Y, to get the data converted into the Z operation in CIE XYZ colorimetric system of S3i, and the inspection surface of the inspection sample a color difference calculation step of calculating a color difference ΔE of the reference surface of the reference sample, the inspection area coordinates corresponding respectively to the color space of the XYZ color system is partitioned in a grid, the inspection surface and the reference sample of the test samples belonging to each grid A color space histogram distribution creating step of creating a color space histogram distribution of the XYZ color system by integrating the number of pixels on the reference plane of the above, and two color space histograms of the inspection plane and the reference plane A surface roughness index calculating step of calculating a surface roughness index M indicating a difference in distribution, and a surface roughness measurement for storing a surface roughness measurement value Ra of an inspection surface of an inspection sample related to calibration, which is actually measured by a roughness meter. Setting a calibration curve function that defines a correlation between a data storage step, a surface roughness index M of an inspection surface of the inspection sample related to the calibration and a reference surface of the reference sample, and the surface roughness measurement value Ra; A calibration curve function that defines the correlation between the color difference ΔE between the inspection surface of the inspection sample according to the reference sample and the reference surface of the reference sample and the surface roughness measurement value Ra, and the surface roughness evaluation index Est relates to the calibration. A surface roughness index M between the inspection surface of the inspection sample and the reference surface of the reference sample, a first coefficient a according to the surface roughness index M, a color difference ΔE between the inspection surface of the inspection sample and the reference surface of the reference sample according to the calibration, The color difference ΔE The first coefficient a and the first coefficient a are set so as to be calculated based on the second coefficient b such that an error Error between the surface roughness measurement value Ra and the surface roughness evaluation index Est is minimized. A function setting step for determining the second coefficient b, a surface roughness index M for the inspection surface of the inspection sample to be determined and the reference surface of the reference sample, and a surface roughness index M of the inspection surface and the reference surface of the reference sample to be determined. A calculation step of calculating a surface roughness evaluation index Est ′ of the inspection surface of the inspection sample according to the determination based on the color difference ΔE, the first coefficient a, and the second coefficient b determined by the function setting step; which is a surface roughness determination method characterized by comprising.
第２発明に技術的に関連する発明は、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、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サンプルの検査面と基準サンプルの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Ｍ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、検量に係る検査サンプルの検査面の表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶ステップと、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍと、前記表面粗さ計測値Ｒａの相関関係を規定する検量線関数を設定し、表面粗さ評価指数Ｅｓｔが、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍ、当該表面粗さ指標Ｍに係る第１係数ａ、及び第２係数ｂに基づいて演算されるように設定し、前記表面粗さ計測値Ｒａと前記表面粗さ評価指数Ｅｓｔの間の誤差Ｅｒｒｏｒが最小となるように、前記第１係数ａ、及び前記第２係数ｂを定める関数設定ステップと、判定に係る検査用サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍ、前記関数設定ステップによって定められた第１係数ａ、及び第２係数ｂに基づいて、前記判定に係る検査用サンプルの検査面の表面粗さ評価指数Ｅｓｔ’を演算する演算ステップと、を備えたことを特徴とする表面粗さ判定方法である。The invention which is technically related to the second invention is obtained by an imaging apparatus having three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) linearly converted equivalent to the CIE XYZ color matching function. An arithmetic processing step of acquiring and calculating data obtained by converting the three-band visual sensitivity images S1i, S2i, S3i having the three spectral sensitivities into tristimulus values X, Y, Z in the CIE XYZ color system, and an XYZ color system Is divided by a grid, and the number of pixels on the test surface of the test sample belonging to each grid and the number of pixels on the reference surface of the reference sample are integrated to obtain a color space histogram distribution of the XYZ color system. And a surface roughness index calculating step of calculating a surface roughness index M indicating a difference between the two color space histogram distributions of the inspection surface and the reference surface. A surface roughness measurement data storage step for storing the measured surface roughness measurement value Ra of the inspection surface of the inspection sample according to the calibration; and a surface roughness index of the inspection surface of the inspection sample and the reference surface of the reference sample according to the calibration. M and a calibration curve function that defines the correlation between the measured surface roughness value Ra and the surface roughness evaluation index Est, the surface roughness between the inspection surface of the inspection sample and the reference surface of the reference sample according to the calibration. The index M is set so as to be calculated based on the first coefficient a and the second coefficient b relating to the surface roughness index M, and is set between the surface roughness measurement value Ra and the surface roughness evaluation index Est. A function setting step of determining the first coefficient a and the second coefficient b so that the error Error is minimized; and a surface roughness index M of an inspection surface of the inspection sample to be determined and a reference surface of the reference sample, The function setting step And calculating a surface roughness evaluation index Est ′ of the inspection surface of the inspection sample according to the determination based on the first coefficient a and the second coefficient b determined by the above. This is a method for determining surface roughness.
「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” separates the reference plane and the inspection plane into three channels and images based on three spectral sensitivities (S 1 (λ), S 2 (λ), and S 3 (λ)). As the means, any of an optical filter, a dichroic mirror, a dichroic prism, or the like set to obtain these spectral sensitivities can be used.
「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 without a negative value from the CIE XYZ spectral characteristics. peak value of the spectral sensitivity curve is equal and the overlap of the curve of the spectral sensitivity be one obtained by equivalently converting the condition of minimizing, curves spectral characteristics S 1, the peak wavelength of 582 nm, half width 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。 The “surface” includes a resin surface, a metal surface, a ceramic surface and the like. The surface of the resin is, for example, a surface subjected to graining, and the surface of a metal is, for example, a surface of a cutting tool, a surface of a mold, a surface of plating, and the like. The surface includes a curved surface in addition to a flat surface, and further 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” refers to evaluating the surface roughness. As the “index”, various modes such as an index, a graph, a picture, or a combination thereof are not limited to a plane and a solid.
「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。 The “roughness meter” includes an atomic force microscope (AFM), a laser roughness meter (for example, for a measured value on the order of nanometers), a contact mechanical roughness meter (for, for example, a measured value on the order of microns), and the like. The actual values are measured with these measuring instruments. There is a non-contact or contact type roughness meter of an atomic force microscope (AFM), which obtains an image by detecting a force acting between atoms of a sample and a probe, and has high accuracy. For example, a scanning probe microscope (SPM) that can measure roughness on the order of microns or nanometers is exemplified. The 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, and third calibration curve function” may be any of a straight-line function and a curve 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 of a mechanical type, a laser type, or the like differs depending on the degree of unevenness of 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 has a broad meaning including other CIE color systems, and in other than the claims, has a narrow meaning. The XYZ color system in a narrow sense is defined so that a negative primary value does not appear in a simple primary conversion of the RGB color system, and other CIE color systems such as Yxy, XYZ, Lab, and Luv are used. 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 the XYZ color system in a narrow sense and another CIE color system 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 the CIE in 1931 at the same time as the RGB color system so that a negative value does not appear in a simple primary conversion of the RGB color system.
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 defined by the CIE in 1976, and CIELV is based on the wavelength of light and improves the uniformity of the wavelength intervals in 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, which is derived from the XYZ color system to measure a color difference due to a difference between perception and a device. In Japan, it is specified in JIS Z 8729. A calibration curve based on 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、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. Representative 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 (xy chromaticity value (plane) normalized in the Yxy color space) which is a two-dimensional plane, a 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 to the distribution. In the case of a three-dimensional color space, for example, an XYZ color space, and in the case of a Lab color space, a Lab color space is exemplified. An XYZ color space histogram distribution expressed as a density of pixels in a three-dimensional color space, a Lab color space histogram distribution, and the like correspond.
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 a two-dimensional xy chromaticity plane, uv chromaticity diagram, and u'v 'chromaticity diagram, other XYZ color spaces, Lab color spaces, etc. Separation of color and surface roughness. Therefore, as a term, the xy chromaticity histogram is defined differently, such as an XYZ color space histogram, a Lab color space histogram, or the like.
「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 XYZ color data into Lab chromaticity data, This is calculated from the data obtained.
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。 According to the present invention, since the surface roughness can be quantified by an XYZ-based imaging device, there is an advantage that a determination that is extremely close to a human visual determination method can be performed accurately and efficiently. The evaluation time of the surface roughness can be shortened. Evaluate roughness on curved surfaces.
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 the advantage that the evaluation of roughness on the order of nanometers or microns can be performed accurately and efficiently.
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 device 1 according to a first preferred embodiment 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 device 1 includes a two-dimensional colorimeter 2 having three spectral sensitivities (S1 (λ), S2 (λ), and S3 (λ)) linearly converted equivalent to a CIE XYZ color matching function. A three-band visual sensitivity image S1i, S2i, S3i having three spectral sensitivities obtained from the above is converted into tristimulus values X, Y, Z in the CIE XYZ color system, and an arithmetic processing unit 3 is provided. The arithmetic processing unit 3 divides an inspection area having coordinates corresponding to the color space of the XYZ color system by a grid G, and a color difference calculation unit that calculates the color difference ΔE. A color space histogram distribution creating unit that creates a color space histogram distribution of the XYZ color system by integrating the number of pixels, and a surface roughness index M indicating a difference between the two color space histogram distributions of the inspection surface and the reference surface. A surface roughness index calculating unit for calculating; A surface roughness measurement data storage unit for storing a surface roughness measurement value Ra actually 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; At least one of a second calibration curve function L2 indicating a correlation between the roughness measurement value Ra and the color difference ΔE, or a third calibration curve function L3 indicating a correlation between the surface roughness measurement value Ra and the surface roughness index M. And a function setting unit for setting one. The surface roughness evaluation index Est specifies a first coefficient a related to the surface roughness index M and a second coefficient b related to the color difference ΔE so that an error Error from the measured surface roughness 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 calculated from the XYZ color matching function as shown in FIG. , Which have no negative value and have a single peak, are equivalently converted under the condition that the peak values of the respective spectral sensitivity curves are equal and the overlap of the spectral sensitivity curves is as small as possible. The spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) specifically have the following characteristics.
Note Peak wavelength Half width 1/10 width S1 582 nm 523 to 629 nm 491 to 663 nm
S2 543 nm 506-589 nm 464-632 nm
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 may be 580 ± 4 nm, the peak wavelength of the spectral characteristic S2 may be 543 ± 3 nm, and the peak wavelength of the spectral characteristic S3 may be 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 colorimeter 2 are, for example, the two-dimensional colorimeter RC-500 of Paparabo Co., Ltd., with an effective frequency value of about 5 million pixels, an effective area of 9.93 mm x 8.7 mm, an image size of 3.45 μm x 3.45 μm, and video. Output 12 bits, camera interface GigE, number of frames (at focus adjustment) 3 to 7 frames / sec, shutter speed 1 / 15,600 sec to 1/15 sec, integration time up to 3 seconds, S / N ratio 60 dB 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。２４は演算部、２５は表示部である。
As shown in FIG. 1, the two-dimensional colorimeter 2 includes a photographing lens 21, three optical filters 22a, 22b, and 22c disposed behind the photographing lens 21, and a rear of the optical filters 22a, 22b, and 22c. And an image sensor 23 (CCD, CMOS, etc.) arranged. The three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) of the two-dimensional colorimeter 2 are determined by the product of the spectral transmittance 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, 22c and the image sensor 23 in FIG. 1 is only a schematic one. A specific example of a method for 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 described below. 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 passed is reflected and further separated by light of another specific wavelength by another dichroic mirror 22a' to separate the light into image sensors 23a and 23b. , 23c 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. The light incident from the photographing 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 light according to the remaining 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 image pickup device 23a obtains the spectral sensitivity S1 . Instead of the dichroic mirror, a dichroic prism having similar characteristics may be used to separate the light into three light beams, and the image sensors 23a, 23b, and 23c may be bonded to positions where the respective lights pass.
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。 FIG. 3B shows a method using a filter turret 27. Optical filters 22a, 22b, and 22c are provided on a filter turret 27 having a rotation axis in the same direction as the incident light from the photographing lens 21, and these are mechanically rotated. Obtain S1, S2, S3.
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 method in which the optical filters 22a, 22b, and 22c 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 in a grid, and the optical filter 22a and the optical filter 22c are equally arranged in the remaining half area. That is, the amount of arrangement is optical filter 22a: optical filter 22b: optical filter 22c = 1: 2: 1. The arrangement of the optical filters 22a, 22b, 22c other than the Bayer arrangement is not particularly hindered in the first embodiment. Since each of the optical filters 22a, 22b, and 22c is very fine, it is attached to the image sensor 23 by printing. However, in the present invention, this arrangement is not meaningful, and 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 the image information obtained by the spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) to the arithmetic processing unit 3, and the arithmetic processing unit 3 performs tristimulus in the XYZ color system. The display device 7 includes a display device 7 that converts the image data into the values X, Y, and Z, performs an arithmetic process by a conversion process on the acquired image data based on 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 roughness, color difference, and the like at an arbitrary position of the image acquired by the two-dimensional colorimeter 2, and performs visualization processing. Illumination is applied from directly above or obliquely to the surface 5, and xy, XYZ or Lab chromaticity distribution data are compared with each other 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。 Normally, the surface 5 is imaged at one place by the two-dimensional colorimeter 2, and if necessary, the two-dimensional colorimeter 2 is moved and imaged at another different angle. Here, for example, it is also possible to take an image at three locations (appropriate number may be provided) at the front, 45 degrees 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 (simulated sunlight). The illumination unit 6 includes a Fresnel lens assembly in addition to the xenon lamp. The xenon lamp illuminates uniformly from obliquely above the surface 5. Other than the xenon lamp, an LED artificial sun lamp 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 the image signal processed by the arithmetic processing unit 3, and displays an image on a screen. The arithmetic processing unit 3 or the display device 7 appropriately includes input means (not shown) and the like. The input means is a keyboard, a mouse, a touch panel provided on a 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５に、それぞれ示す。 The operation of the surface roughness determination device 1 of the surface 5 will be described with reference to a specific example. The surface roughness determination device 1 of the surface 5 operates by connecting the two-dimensional colorimeter 2, the arithmetic processing unit 3, and the 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 processing S2), and then the imaged three-band visual sensitivity images S1i, S2i, and S3i are input by the imaging element 23 (input processing S3). The values are converted into values X, Y, and Z (conversion processing S4). The 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.
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 S <b> 2, various examples of measuring the surface 5 are given, but the two-dimensional colorimeter 2 captures the image of the surface 5 at a different angle in a specific region where the imaging position is different. There are a plurality of imaging locations, and the number can be appropriately selected. Here, the measurement is performed from three directions: front (0 degrees), left 45 degrees, and right 45 degrees. At the measurement location, the optical axis at 0 degrees of the two-dimensional colorimeter 2 is perpendicular to the surface 5. In addition, the illumination is characterized in that it is illumination from obliquely above, like 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。 Formulas 2 and 3 show conversion formulas from the tristimulus values X, Y, and Z to the Y′xy color system. Here, a luminance meter (not shown) was used together with the two-dimensional colorimeter 2, and Y was calibrated with the luminance meter value (nt) to be Y '. Since the conversion formula of the color space is 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). The spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) are given according to the above-described formula 1. At the same time as the image is captured by the imaging lens 21, the optical filters 22a, 22b, 22c, and the image sensor 23, the input process S3 is continuously performed.
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 is a value according to the spectral sensitivity (S1 (λ), S2 (λ), S3 (λ)), the conversion processing S4 in the arithmetic processing unit 3 connected to the two-dimensional colorimeter 2 performs 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 value according to the spectral sensitivity (S1 (λ), S2 (λ), S3 (λ)) to the arithmetic processing unit 3 as it is.
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 while being 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 a Lab average value and an xy surface roughness index M of the captured reference plane and inspection plane images are calculated. If it is necessary to display the image on the display device 7 (S130) , the color information is converted to RGB or the like (S140). The contents are transmitted to the display device 7 (display processing S150). After receiving the data S120 from the two-dimensional colorimeter 2, a series of processes from the conversion process S130 to the display process S150 is continuously performed (S160) .
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 processing S150 is a step of displaying the visualized surface roughness index M on the display device 7, and 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。 The sub-flowchart of S140 in FIG. 6 will be described. A first image (image B) of the reference surface is captured, and a second image (image A) of the inspection surface to be compared next is captured, and a surface roughness index M is sequentially calculated as follows. The similarity of the surface roughness is determined based on 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（Ｓ１４１）。大きさや場所を自由に設定することができる。
An inspection area K (see FIG. 7B) corresponding to an area T (see FIG. 7A) to be inspected for the captured images A and B is set ( S141). The size and location 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。 The xy chromaticity histogram distribution of the inspection surface of the inspection region K cut out from the captured image A of the inspection surface is created (S143). This chromaticity histogram distribution is an integrated number obtained by counting the pixels belonging to the overlapping area 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 indicating the integrated number of pixels belonging to each of the unit lattices G, and shows an overlapping area D 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、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 to be compared at the position of the xy coordinate is written in a plane, and the inspection area K is partitioned by the grid G, and the pixels having the xy values of the partition 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 scanning is performed from one end of the histogram to the other end, and the number of pixels belonging to each area divided into the grid G is scanned on the same xy plane and integrated in the z direction. Further, if only a specific range of the xy coordinates is calculated in the inspection area K, the calculation time can be reduced. If the grid grid is made finer, the accuracy will increase, 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, an 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 the xy chromaticity and the z axis is the integrated number of pixels, and FIG. 7D shows a planar overlapping area D.
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, to make the maximum value equal to one.
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 value of the reference surface and the average value of the inspection surface is taken as the material for determining 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). This makes it possible to simply determine the degree of roughness separately and determine the degree of roughness. 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 except for 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 equation. The xy chromaticity histogram distribution is an integrated number of pixels, and FIG. 7D shows an overlapping area D, and FIG. 7E shows a minimum distribution.
Surface roughness index M = integrated number of pixels belonging to overlapping area D / total number of pixels in inspection area 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。 Roughness histograms in a two-dimensional space between the reference plane and the inspection plane are calculated, and the minimum value at the same position in the array is taken as the overlapping frequency. Is 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. 7 (d) and 7 (e) are one cross-sectional view of FIG. 7 (c) taken along the line SS, and there is an overlap when viewed on the same line in xy coordinates. Instead of drawing in three dimensions, it is drawn in a plane for convenience. In addition, since the histogram is a histogram, the distribution has a very small step shape. Cumulative number H 1 and the accumulated number of H 2 FIG. 7 (d) respectively image A, corresponding to the image B. Comparing the two histogram distributions, an overlap area D exists.
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 integrated number of the xy chromaticity histogram distribution of the inspection surface , and H 2 (x 2 , y 2 ) is the xy chromaticity histogram distribution of 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. Taking the smaller integrated number (pixel frequency) of H 1 and H 2 , the left side is H 1 and the right side is H 2 , and the minimum distribution which is a step-like histogram curve can be specified. By utilizing this, the ratio of the overlapping region D to the entire region in two 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. Among of an H 1 and H 2, if the addition operation the accumulated number of lesser overlap can be calculated the accumulated number of regions D, can be specified percentage of the total number of pixels. The total number of pixels in the inspection area K is determined, and the total number of pixels is the same on both the inspection surface and the reference surface. The calculation of this ratio may be performed three-dimensionally for all the grids G. For example, as shown in FIG. 7C, the inspection area K is cut along the SS axis, and y is a predetermined value. The distribution of the integrated numbers H 1 and H 2 of the pixels when x changes from one end to the other is integrated two-dimensionally. FIG. 7F is a two-dimensional map on the xy coordinates of the integration result. If there is no distribution in the inspection area 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, it is assumed that the pixels belonging to the inspection area K are 100 vertical pixels × 100 horizontal pixels = 10,000 pixels. Since the image is cut out in the same inspection area K, the total number of pixels of the image A and the image B is both 10,000 pixels. The number of pixels in the overlapping area D is integrated from the xy chromaticity histogram, and if the integrated numbers H 1 and H 2 are 5,000, the surface roughness index M is 50%. The degree of difference in surface roughness increases as the surface roughness index M falls below 100%. If the distributions of the xy values completely match, the value is 100%. Thereby, when it is determined that the value is a certain value or more, it can be determined that the surface is suitable for the 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 primary color information obtained is three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) based on a function equivalent to the XYZ color matching function, and is thus obtained by RGB. Compared to the case, it is more accurate and more accurate to the sensitivity of the human eye. The overlap of the spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) is small, the S / N ratio can be sufficiently obtained, and the curve of the spectral sensitivity curve naturally changes. Keep to a minimum.
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 the 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 inspected from small to large roughness. A specimen having a small roughness is referred to as a reference plane 1, a medium roughness is referred to as an inspection plane 2, and a specimen having a large roughness is referred to as an inspection plane 3. First, when a distribution is created on the xyz chromaticity diagram after the above-described processing has been performed on the first to third data, as shown in the xy chromaticity diagram of FIG. . The integrated numbers H 1 and H 2 are shown in light and dark, and the brighter the color, the larger the integrated number. FIG. 8C schematically shows the integration numbers H 1 and H 2 in three dimensions of the reference plane and the inspection plane. The xy axis is the chromaticity, and the z axis is the integrated numbers H 1 and H 2 . Basically, the weaker the concavity and convexity, the lower the shape of the mountain, and the stronger the concavity and convexity, the sharper the shape of the mountain. The surface roughness index M indicating the degree of overlap is calculated by comparing the two histogram distributions of the reference surface 1 and the inspection surface 2 or 3. The feeling of unevenness on the order of microns or more 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 not on a point but on a surface, and it is possible to compare not only an average value but also a statistical value. Roughness information in which color information is complicatedly woven can be digitized. Each pixel is a colorimetric value. It is statistically processed using a 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 value comparison of the surface roughness such as a grain, and a colorimetric image is captured by a two-dimensional colorimeter. Since there is actually frequency information, a mountain is formed on the three-dimensional chromaticity diagram as shown in the upper part of FIG.
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 pointed mountain concentrated at one point, (2) is a normal mountain, and (3) is an expanding gentle mountain. When the mountain is viewed from the side, it is as shown below in FIG. 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. For the surface roughness index M, the integrated number within the range of the inspection area K is used as it is, so that the inspection surfaces 2 and 3 are 58% and 27% with respect to the reference object 1, respectively, and are clearly and numerically clear. 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 on the order of nanometers or microns, the surface roughness index M and the color difference ΔE calculated as described above are used to determine the surface roughness evaluation index as shown in FIG. Calculate Est. When the roughness is on the order of nanometers or microns, light scattering on the surface 5 is different from that when the roughness is large. For fine roughness, interaction with the applied light, that is, interference occurs, and various offsets occur. Therefore, it is more accurate to positively step on the offset. Therefore, a positive correlation between the surface roughness index M and the color difference ΔE was used to determine the correlation with the roughness meter 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 processing 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 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 least square method using Est and Ra according to the calculation formula of the following Equation 6 of the multiple regression analysis so that the sum of the errors Error is minimized (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６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 measured values of M and ΔE are substituted into Equation 6 in which a and b are specified, and a surface roughness evaluation index Est ′ is calculated (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。
Expression 7 may be used instead of Expression 6. This is a simpler method that does not use the parameter of the color difference ΔE, and calculates the first coefficient so that the sum of the errors Error is minimized by the least squares method using Est and Ra according to the following equation 7 of the multiple regression analysis. a and the second coefficient b are 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７にＭの計測値を代入し、表面粗さ評価指数Ｅｓｔ’を演算する（Ｓ１５２）。 The measured value of M is substituted into Equation 7 where a and b are specified, and the surface roughness evaluation index Est ′ is calculated (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’（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, a first calibration curve function L1, a second calibration curve function L2, and a third calibration curve function are used. At least one of L3 is set. Here, all are set, but a function having a small error among the three functions or a combination thereof can be used. If it is desired to determine the roughness of the surface 5 to be determined, the surface 5 to be determined is imaged, and the above functions are set from the calculated surface roughness index M and color difference ΔE. The surface roughness evaluation index Est ′ ( estimated operation value, not actual measurement value) can be obtained. Thus, by performing the accurate evaluation of 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. The description of the corresponding similar elements will be referred to in the hundreds, and the differences will be mainly described.
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。 A two-dimensional colorimeter 102 for imaging the reference plane and the inspection plane, an arithmetic processing unit 103 which is connected to the two-dimensional colorimeter 102 via the switch 109, receives a signal, and calculates the surface roughness index M; A display device 107 connected to the display 103 for displaying 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、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 shown in FIG. 11, the arithmetic processing unit 103 calculates a stimulus value XYZ1 obtained by imaging a reference plane, and a stimulus obtained by imaging a surface 105 of a product to be an inspection surface. An arithmetic unit 103B that calculates the value XYZ2, and an arithmetic unit 103C that is connected to the arithmetic units 103A and 103B and calculates the surface roughness index M of the surface 105 are provided. An OK signal or an NG signal from the arithmetic unit 103C is transmitted to the display device 107 or transmitted externally. The switch 109 selectively inputs a stimulus value XYZ1 and a 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 from the two images A and B by comparing the chromaticity histogram distributions. 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, the inspection area K on the reference plane is cut out from the image B, specified and set (S202). The chromaticity value XYZ is calculated from the images A and B (S203). In the inspection area K, the XYZ chromaticity histogram distributions of the inspection plane and the reference plane are calculated and created (S204). The average 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 area D is calculated (S206). Surface roughness index M = (integrated number of pixels belonging to overlapping area D / total number of pixels in inspection area K) × 100 (%). As for the integrated number in the overlapping area D, the smaller integrated number of T 1 and T 2 is added. A 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（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 calculating the XYZ distribution corresponding to the inspection area K, the calculation of the surface roughness index M is performed by a distribution in a 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 plane and the reference plane are defined as T 1 ( X, Y, Z ) and T 2 ( X, Y, Z ), respectively. In the XYZ color space, the histogram distribution has a shape like a globe, and there are cases where the two histogram distributions are three-dimensionally overlapped and 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. Performs exponent calculation. The integrated numbers H 1 and H 2 of the grid G may be projected onto a plane, and the integrated number of the overlapping area D on the grid G may be calculated in the same manner 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 uses the above description of FIG. 12, and the steps are in the 300s. In S305, calculation of the average Lab value of the area K of the image A and calculation of the average Lab value of the inspection area K of the image B are performed. 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 histogram distribution changes.
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, an apparatus 201 for determining the surface roughness of the surface 205 according to the third embodiment will be described with reference to FIG. The description of the corresponding similar elements will be referred to as the 200s, and the differences will be mainly described.
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 part of the surface 205, and the two-dimensional colorimeter 202 captures an image of the inspection region K on the surface 205. The arithmetic processing unit 203 is configured to calculate a Lab from the reference stimulus value XYZ1, a calculation unit 203B to calculate the Lab from the stimulus value XYZ2 to be determined, and connect the calculation unit 203A and the calculation unit 203B to the Lab. An arithmetic unit 203C for calculating the average value, and a surface roughness index M arithmetic unit 203D for calculating the surface roughness index M from the reference Lab and the target Lab, and the arithmetic processing units 203C and 203D process the arithmetic values from the arithmetic processing units 203D. 250. According to the index value, it is determined whether or not the surface has an appropriate surface roughness by looking at the screen, and the roughness is further processed. The switch 209 selectively inputs the reference Lab chromaticity and the target Lab chromaticity. The main processing is substantially the same as the flowcharts of the first and second embodiments, and 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 calculating the chromaticity histogram distribution in the Lab space corresponding to the inspection area K, conversion from XYZ values to Lab is performed. The calculation of the exponent is performed based on the distribution in the three-dimensional space of the L axis, the a axis, and the b axis. The Lab chromaticity distribution has a three-dimensional elliptical shape. The Lab values in the Lab space coordinates on the inspection plane and the reference plane are defined as U 1 (L, a, b) and U 2 (L, a, b), respectively. In the Lab color space, the histogram distribution has a shape like a globe, and there are cases where the two histogram distributions are three-dimensionally overlapped and 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. Performs exponent calculation. The integrated numbers H 1 and H 2 of the grid G are projected onto a plane, and the integrated number of the overlapping area 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, in the Lab space, when the brightness of the images A and B changes, the L value changes, and the distributions U 1 and U 2 of the coincidences are changed in the Lab space. Since the position is shifted within the range, it is possible to make a determination in consideration of light and dark. 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 obtained from the reference plane / inspection plane are superimposed on each other, the respective chromaticity histogram distributions are displayed on the display device 7, and the respective chromaticity histogram distributions are displayed on one chromaticity diagram. A superimposed chromaticity diagram can be displayed, and the difference in color can be determined by the average Lab value, while the calculation of the surface roughness index M indicating the roughness of the surface 5 can be separated and displayed as a percentage. This makes it possible to reliably confirm numerically the unevenness or roughness of the chromaticity distribution of the inspection surface, which is indicated by a shift in the spatial spread of the chromaticity distribution of the reference surface. The inspection result is displayed numerically for each area K. The grid width of the grid G can be adjusted. The exponent threshold can be set arbitrarily. The measurement results and the captured images A and B can be stored. It becomes possible to standardize the finished condition of the surface roughness and to stably manage the surface roughness by reducing the problem of individual difference and the trouble of the criterion with the customer, which cannot be avoided by the visual inspection.
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について、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。 The present embodiment has been described above, but has the following effects. (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), and T 2 (X, Y, Z), U 1 (L, a, b), with U 2 (L, a, b ) on the surface roughness index M relates, is cited examples of each color and the surface roughness and the By presenting the differences separately, accurate and quick evaluation can be performed, and appropriate adjustment of the surface roughness can give appropriate guidance on the finished condition.
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。 Further, in the present embodiment, the height of the unevenness of the surface roughness enables the determination of fine roughness from the nanometer level to the micrometer level, shortening the measurement time, determining the roughness of the curved surface, and determining the area. 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。 The surface roughness was measured and evaluated by the surface roughness determination device 1 of the present invention as in Examples 1 and 2 in order to evaluate the roughness of the surface 5. The present invention will be specifically described, but the present invention is not limited by these. The measurement and evaluation of the characteristic values in the examples 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 PPLB-200 of Paparabo Co., Ltd. was used. The PPLB-200 has a two-dimensional colorimeter RC-500. The lighting used 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 shooting with the PPLB-200 was performed in a dark room. The two-dimensional colorimeter used 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, the measurement range is the entirety of images A and B in Examples 1, 2, and 3.
（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) Roughness Meter A FORM TALITYSURF (registered trademark) -120 (AFM contact type) roughness meter manufactured by Taylor Hobson Co., Ltd. and a non-contact type roughness meter of Keyence VN-8010 are used. 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) Regarding measurement items and results Measurements were made on the acceptance reference plane of the sample and the inspection sample. The difference between the surface roughness index, ΔE, and average Lab of the captured reference / inspection sample images A and B was determined. Among the coincidences, 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 results, from the results of the surface roughness index and the value of ΔE, a sample whose color and surface roughness of the surface 5 were most similar to the reference sample was specified. As for ΔE, ΔE00 in consideration of human luminosity characteristics was used.
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 determined. Among 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, from the result of the surface roughness index and the numerical value of ΔE, Sample 2 or 3 having the most similar color and surface roughness to Sample 1 was specified. As for ΔE, ΔE00 in consideration of human luminosity characteristics was used.
（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 equations 6 and 7 of multiple regression analysis, a and b were set by the least square method so as to minimize the error.
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。 Example 1 performed multiple regression analysis to evaluate roughness on the order of microns, Example 2 performed the same analysis but omitted the results, and Example 3 evaluated roughness on the order of nanometers. To do so, 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。 The chemical etching of the aluminum alloy of Example 1 was performed to evaluate the roughness of the processed aluminum alloy.
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 measured surface roughness value Ra is 0.887104, the correlation coefficient between the color difference ΔE and the measured surface roughness 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。 In the sample No. Reference numeral 2 denotes 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 = 0.00893 and b = 0.694288 were obtained. The correlation coefficient between the surface roughness evaluation index Est and the measured surface roughness value Ra is 0.849651, the correlation coefficient between the color difference ΔE and the measured surface roughness value Ra is 0.849774, the surface roughness index M and the surface roughness measurement. The correlation coefficient of the value Ra is -0.88865, and the total error TotEro is 11.60513. In addition, although there is Est deviating upward by only one point in FIG. 18, if it is removed as a measurement error, the correlation coefficient becomes 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 of aluminum alloy without chemical etching. M decreases, and 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 the aluminum alloy by chemical etching is that the surface 5 is flat at first, but the surface 5 is roughened by etching, and the surface 5 is dug or dented by further etching. Although there are various forms of roughness due to the formation of a cavity or the formation of a cavity therein, accurate evaluation can be performed.
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 the first embodiment, the micron-order or nano-order roughness can be accurately calculated from the first calibration curves L1 to L3, an appropriate feeling of unevenness can be grasped, and defective products can be reduced by comparing with the 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 be separated from the aluminum alloy due to excessive or insufficient etching. By inspecting the surface 5 of the aluminum alloy before coating the resin on the aluminum alloy, the most suitable surface roughness that does not cause peeling of the aluminum alloy and the resin layer can be properly treated. The phenomenon in which the resin layer is peeled off from the resin can be avoided, and the industrial use 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 the sample No. 3 which is the resin part of the second embodiment, the measurement location, the degree of coincidence, ΔE00, ΔL, Δa, Δb values and the like are shown. Similar to Example 1, multiple regression roughness analysis was performed, but similar results were obtained by a method similar to that of Example 1, and therefore description is omitted. The measurement ranges are within the frame lines of 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. shown in FIG. No. 3 quantified the surface roughness due to the difference in graining between the two types of resins 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 No. 3 is shown in FIG. The difference between Lab and ΔE was 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 was clearly distinguishable. 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 the color of the material 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 the grain feeling indicates the difference in reflection due to the difference in the surface shape of the grain. The total reflection part is strongly reflected by the color of the illumination, and the luminance is also increased. Therefore, in (1), a large amount of light that has been locally totally reflected appears in the eyes. On the other hand, if the number of planes is small as in (2), glare is not felt when viewed on a plane because the directions of total reflection are dispersed. In addition, various reflections interfere with each other to cause color interference, which causes the color to spread. Since (3) is finely and entirely diffused, the luminance is reduced. The 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 the second embodiment, an appropriate feeling of unevenness can be grasped based on the surface roughness index M, and defective products can be reduced by comparing with a threshold value. For example, when the surface 5 of the resin is grained, even when the color difference ΔE is almost negligible, a subtle change in the gloss of the surface 5 can be grasped in a deep grain or a shallow grain. Since it can be used in various modes such as avoiding defects in graining, it has high industrial utility value.
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 in which the surface roughness of the metal surface of an aluminum alloy is evaluated on the order of microns, while Example 3 is an example in which the surface roughness is on the order of nanometers. The surface roughness measurement value Ra (unit: nm) was measured using a non-contact type roughness meter of VN-8010 from Keyence.
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, the first calibration curve L1 and the third calibration curve L3 make it possible to grasp the appropriate unevenness, evaluate the 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。 Note that the embodiments of the present invention are not limited to the above-described embodiments at all, and modifications and the like can be made without departing from the technical idea of the present invention. Objects and the like are also included in the technical scope of the present invention, and it goes without saying that various forms can be adopted 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), S3 (λ)), the method described in the present embodiment is only a specific example. However, the technical idea of the present invention is not limited to these, but 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 scattering and diffraction phenomena of the illumination light, the determination method which is very close to the determination method of the appearance of a person can be performed. Applicable to roughness evaluation. It can be applied to various surfaces such as a wide range of materials including metals, resins, etc., flat surfaces, curved surfaces, surfaces having complicated shapes, and the like.
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
1, 101, 201 ... surface roughness determination device 2, 102, 202 ... two-dimensional colorimeter 21 ... photographing lenses 22a, 22b, 22c ... optical filter 23 ... image sensor 22a ', 22c ', dichroic mirrors 23a, 23b, 23c, image sensor 26, reflecting mirror 27, filter turrets 3, 103, 203, arithmetic processing units 5, 105, 205, surface 6 , 106, 206 illuminating unit 7 display device 109 switch 250 roughness processing device a first coefficient b second coefficient A, B image AFM ... Atomic force microscope C1, C2 ... Center coordinate D ... Overlapping area 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
Claims (4)
前記演算処理部が、
検査サンプルの検査面と基準サンプルの基準面の色差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、各格子に属する前記検査サンプルの検査面と基準サンプルの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Ｍ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、検量に係る検査サンプルの表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶部と、
前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍと、前記表面粗さ計測値Ｒａの相関関係を規定する検量線関数を設定し、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の色差ΔＥと、前記表面粗さ計測値Ｒａの相関関係を規定する検量線関数を設定し、表面粗さ評価指数Ｅｓｔが、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍ、当該表面粗さ指標Ｍに係る第１係数ａ、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の色差ΔＥ、当該色差ΔＥに係る第２係数ｂに基づいて演算されるように設定し、前記表面粗さ計測値Ｒａと前記表面粗さ評価指数Ｅｓｔの間の誤差Ｅｒｒｏｒが最小となるように、前記第１係数ａ、及び前記第２係数ｂを定める関数設定部と、
判定に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍ、判定に係る検査サンプルの検査面と基準サンプルの基準面の色差ΔＥ、前記関数設定部によって定められた第１係数ａ、及び第２係数ｂに基づいて、前記判定に係る検査用サンプルの検査面の表面粗さ評価指数Ｅｓｔ’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。 A three-band visual sensitivity image having three spectral sensitivities acquired by an imaging apparatus having three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) linearly converted equivalent to the CIE XYZ color matching function An arithmetic processing unit 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;
The arithmetic processing unit,
A color difference calculator for calculating a color difference ΔE between the inspection surface of the inspection sample and the reference surface of the reference sample ;
An inspection area having coordinates corresponding to the color space of the XYZ color system is divided by a grid, and the number of pixels on the inspection surface of the inspection sample and the number of pixels on the reference surface of the reference sample belonging to each grid are integrated. A color space histogram distribution creating unit for creating a color space histogram distribution of
A surface roughness index calculating unit that calculates a surface roughness index M indicating a difference between two color space histogram distributions of the inspection surface and the reference surface;
A surface roughness measurement data storage unit that stores a surface roughness measurement value Ra of the inspection sample related to the calibration, which is actually measured by a roughness meter,
The surface roughness index M of the inspection surface of the inspection sample according to the calibration and the reference surface of the reference sample, and a calibration curve function that defines the correlation between the surface roughness measurement values Ra are set, and the inspection sample of the inspection sample according to the calibration is set. A calibration curve function that defines the correlation between the color difference ΔE between the inspection surface and the reference surface of the reference sample and the surface roughness measurement value Ra is set, and the surface roughness evaluation index Est is set to the inspection surface of the inspection sample related to the calibration. And the surface roughness index M of the reference surface of the reference sample, the first coefficient a related to the surface roughness index M, the color difference ΔE between the inspection surface of the inspection sample related to the calibration and the reference surface of the reference sample, and the color difference ΔE The first coefficient a and the first coefficient a are set so as to be calculated based on the second coefficient b such that an error Error between the surface roughness measurement value Ra and the surface roughness evaluation index Est is minimized. define a second coefficient b And the number setting section,
The surface roughness index M of the inspection surface of the inspection sample to be determined and the reference surface of the reference sample, the color difference ΔE between the inspection surface of the inspection sample to be determined and the reference surface of the reference sample, the first coefficient determined by the function setting unit a calculation unit for calculating a surface roughness evaluation index Est ′ of the inspection surface of the inspection sample according to the determination based on the second coefficient a and the second coefficient b .
前記演算処理部が、
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サンプルの検査面と基準サンプルの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Ｍ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、検量に係る検査サンプルの検査面の表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶部と、
検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍと、前記表面粗さ計測値Ｒａの相関関係を規定する検量線関数を設定し、表面粗さ評価指数Ｅｓｔが、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍ、当該表面粗さ指標Ｍに係る第１係数ａ、及び第２係数ｂに基づいて演算されるように設定し、前記表面粗さ計測値Ｒａと前記表面粗さ評価指数Ｅｓｔの間の誤差Ｅｒｒｏｒが最小となるように、前記第１係数ａ、及び前記第２係数ｂを定める関数設定部と、
判定に係る検査用サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍ、前記関数設定部によって定められた第１係数ａ、及び第２係数ｂに基づいて、前記判定に係る検査用サンプルの検査面の表面粗さ評価指数Ｅｓｔ’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。 A three-band visual sensitivity image having three spectral sensitivities acquired by an imaging apparatus having three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) linearly converted equivalent to the CIE XYZ color matching function An arithmetic processing unit 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;
The arithmetic processing unit,
An inspection area having coordinates corresponding to the color space of the XYZ color system is divided by a grid, and the number of pixels on the inspection surface of the inspection sample belonging to each grid and the number of pixels on the reference surface of the reference sample are integrated, thereby obtaining the XYZ color system. A color space histogram distribution creation unit that creates a color space histogram distribution;
A surface roughness index calculating unit that calculates a surface roughness index M indicating a difference between two color space histogram distributions of the inspection surface and the reference surface;
A surface roughness measurement data storage unit that stores a surface roughness measurement value Ra of an inspection surface of an inspection sample related to calibration, which is actually measured by a roughness meter,
The surface roughness index M of the inspection surface of the inspection sample and the reference surface of the reference sample according to the calibration, and a calibration curve function that defines a correlation between the surface roughness measurement values Ra are set, and the surface roughness evaluation index Est is It is set so as to be calculated based on the surface roughness index M of the inspection surface of the inspection sample related to the calibration and the reference surface of the reference sample, the first coefficient a and the second coefficient b of the surface roughness index M. A function setting unit that determines the first coefficient a and the second coefficient b such that an error Error between the surface roughness measurement value Ra and the surface roughness evaluation index Est is minimized,
On the basis of the surface roughness index M of the inspection surface of the inspection sample to be determined and the reference surface of the reference sample, the first coefficient a and the second coefficient b determined by the function setting unit, A calculation unit for calculating a surface roughness evaluation index Est ′ of the inspection surface of the sample, the surface roughness determination device comprising:
検査サンプルの検査面と基準サンプルの基準面の色差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、各格子に属する前記検査サンプルの検査面と基準サンプルの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Ｍ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、検量に係る検査サンプルの検査面の表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶ステップと、
前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍと、前記表面粗さ計測値Ｒａの相関関係を規定する検量線関数を設定し、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の色差ΔＥと、前記表面粗さ計測値Ｒａの相関関係を規定する検量線関数を設定し、表面粗さ評価指数Ｅｓｔが、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍ、当該表面粗さ指標Ｍに係る第１係数ａ、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の色差ΔＥ、当該色差ΔＥに係る第２係数ｂに基づいて演算されるように設定し、前記表面粗さ計測値Ｒａと前記表面粗さ評価指数Ｅｓｔの間の誤差Ｅｒｒｏｒが最小となるように、前記第１係数ａ、及び前記第２係数ｂを定める関数設定ステップと、
判定に係る検査用サンプルの検査面と基準サンプルの基準面についての表面粗さ指標Ｍ、判定に係る検査サンプルの検査面と基準サンプルの基準面の色差ΔＥ、前記関数設定ステップによって定められた第１係数ａ、及び第２係数ｂに基づいて、前記判定に係る検査用サンプルの検査面の表面粗さ評価指数Ｅｓｔ’を演算する演算ステップと、を備えたことを特徴とする表面粗さ判定方法。 A three-band visual sensitivity image having three spectral sensitivities acquired by an imaging apparatus having three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) linearly converted equivalent to the CIE XYZ color matching function An arithmetic processing step of acquiring and calculating data obtained by converting S1i, S2i, S3i into tristimulus values X, Y, Z in the CIE XYZ color system;
A color difference calculation step of calculating a color difference ΔE between the inspection surface of the inspection sample and the reference surface of the reference sample ;
The inspection area of coordinates corresponding to the color space of the XYZ color system is divided by a grid, and the number of pixels of the test surface of the test sample and the number of pixels of the reference surface of the reference sample belonging to each grid are integrated. A color space histogram distribution creating step of creating a color space histogram distribution of
Calculating a surface roughness index M indicating a difference between two color space histogram distributions of the inspection surface and the reference surface;
A surface roughness measurement data storage step of storing a surface roughness measurement value Ra of an inspection surface of an inspection sample related to calibration, which is actually measured by a roughness meter,
The surface roughness index M of the inspection surface of the inspection sample according to the calibration and the reference surface of the reference sample, and a calibration curve function that defines the correlation between the surface roughness measurement values Ra are set, and the inspection sample of the inspection sample according to the calibration is set. A calibration curve function that defines the correlation between the color difference ΔE between the inspection surface and the reference surface of the reference sample and the surface roughness measurement value Ra is set, and the surface roughness evaluation index Est is set to the inspection surface of the inspection sample related to the calibration. And the surface roughness index M of the reference surface of the reference sample, the first coefficient a related to the surface roughness index M, the color difference ΔE between the inspection surface of the inspection sample related to the calibration and the reference surface of the reference sample, and the color difference ΔE The first coefficient a and the first coefficient a are set so as to be calculated based on the second coefficient b such that an error Error between the surface roughness measurement value Ra and the surface roughness evaluation index Est is minimized. define a second coefficient b And the number setting step,
The surface roughness index M for the inspection surface of the inspection sample to be determined and the reference surface of the reference sample, the color difference ΔE between the inspection surface of the inspection sample to be determined and the reference surface of the reference sample, and the color difference ΔE determined by the function setting step. 1 coefficients a, and based on the second coefficient b, the arithmetic step of calculating the surface roughness evaluation index Est 'of the inspection surface of the inspection sample in accordance with the determination, the surface roughness determined, characterized in that e Bei the Method.
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サンプルの検査面と基準サンプルの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Ｍ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、検量に係る検査サンプルの検査面の表面粗さ計測値Ｒａを記憶する表面粗さ計測データ記憶ステップと、
前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍと、前記表面粗さ計測値Ｒａの相関関係を規定する検量線関数を設定し、表面粗さ評価指数Ｅｓｔが、前記検量に係る検査サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍ、当該表面粗さ指標Ｍに係る第１係数ａ、及び第２係数ｂに基づいて演算されるように設定し、前記表面粗さ計測値Ｒａと前記表面粗さ評価指数Ｅｓｔの間の誤差Ｅｒｒｏｒが最小となるように、前記第１係数ａ、及び前記第２係数ｂを定める関数設定ステップと、
判定に係る検査用サンプルの検査面と基準サンプルの基準面の表面粗さ指標Ｍ、前記関数設定ステップによって定められた第１係数ａ、及び第２係数ｂに基づいて、前記判定に係る検査用サンプルの検査面の表面粗さ評価指数Ｅｓｔ’を演算する演算ステップと、を備えたことを特徴とする表面粗さ判定方法。 A three-band visual sensitivity image having three spectral sensitivities acquired by an imaging apparatus having three spectral sensitivities (S1 (λ), S2 (λ), S3 (λ)) linearly converted equivalent to the CIE XYZ color matching function An arithmetic processing step of acquiring and calculating data obtained by converting S1i, S2i, S3i into tristimulus values X, Y, Z in the CIE XYZ color system;
An inspection area having coordinates corresponding to the color space of the XYZ color system is divided by a grid, and the number of pixels on the inspection surface of the inspection sample belonging to each grid and the number of pixels on the reference surface of the reference sample are integrated, thereby obtaining the XYZ color system. A color space histogram distribution creating step for creating a color space histogram distribution;
Calculating a surface roughness index M indicating a difference between two color space histogram distributions of the inspection surface and the reference surface;
A surface roughness measurement data storage step of storing a surface roughness measurement value Ra of an inspection surface of an inspection sample related to calibration, which is actually measured by a roughness meter,
A surface roughness index M of the inspection surface of the inspection sample and the reference surface of the reference sample of the reference sample, and a calibration curve function that defines a correlation between the surface roughness measurement values Ra are set. Is set to be calculated based on the surface roughness index M of the inspection surface of the inspection sample related to the calibration and the reference surface of the reference sample, and the first coefficient a and the second coefficient b of the surface roughness index M. A function setting step for determining the first coefficient a and the second coefficient b such that an error Error between the surface roughness measurement value Ra and the surface roughness evaluation index Est is minimized;
Based on the surface roughness index M of the inspection surface of the inspection sample to be determined and the reference surface of the reference sample, the first coefficient a and the second coefficient b determined by the function setting step, the inspection surface Texture determining how to comprising: the calculating step, a for calculating a sample inspection surface of the surface roughness evaluation index Est of '.
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 JP2018128436A (en) | 2018-08-16 |
| JP6632145B2 true 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) |
Families Citing this family (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 |
| CN114046749B (en) * | 2021-10-26 | 2022-07-08 | 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 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0749224A (en) * | 1993-08-05 | 1995-02-21 | Inax Corp | Inspection method for material surface |
| JP3884834B2 (en) * | 1997-09-30 | 2007-02-21 | 株式会社日立製作所 | Defect inspection method and apparatus |
| JP2003098111A (en) * | 2000-09-21 | 2003-04-03 | Hitachi Ltd | Method for inspecting defect and apparatus therefor |
| JP4331097B2 (en) * | 2004-12-10 | 2009-09-16 | 株式会社東芝 | Surface roughness measurement method and apparatus, and turbine deterioration diagnosis method |
| 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 |
| JP2014149286A (en) * | 2013-01-31 | 2014-08-21 | Nireco Corp | Surface roughness measurement device |
| WO2014118935A1 (en) * | 2013-01-31 | 2014-08-07 | 株式会社ニレコ | Surface roughness measuring device and surface roughness measuring method |
| EP3237887B1 (en) * | 2014-12-22 | 2024-02-07 | Intercede Ventures Ltd. | Method for determining surface related drag |
| JP6113319B2 (en) * | 2016-02-29 | 2017-04-12 | 有限会社パパラボ | Image color distribution inspection apparatus and image color distribution inspection method |
-
2017
- 2017-02-10 JP JP2017023653A patent/JP6632145B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018128436A (en) | 2018-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6038965B2 (en) | Coloring inspection apparatus and coloring inspection method | |
| JP6632145B2 (en) | Surface roughness determination device and determination method | |
| US10352692B1 (en) | Surface roughness determination apparatus using a white light source and determination method | |
| JP6039008B2 (en) | Coloring evaluation apparatus and coloring evaluation method | |
| US10345100B1 (en) | Apparatus and method for evaluating metal surface texture | |
| JP6384183B2 (en) | Sample measuring apparatus and sample measuring program | |
| JP6371237B2 (en) | Coloring evaluation apparatus and coloring evaluation method | |
| HU226972B1 (en) | Method for measuring degree and homogeneity of alumina calcination | |
| CA2507642C (en) | Method and device for optical shape measurement and/or evaluation | |
| JP2018004421A (en) | Apparatus and method for evaluating feel of metal surface | |
| JP6860923B2 (en) | Surface roughness judgment device and judgment method using a white light source | |
| JP2014149286A (en) | Surface roughness measurement device | |
| Ferrero et al. | An insight into the present capabilities of national metrology institutes for measuring sparkle | |
| JP2020012668A (en) | Evaluation device, measurement device, evaluation method and evaluation program | |
| 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 | |
| JP7411155B2 (en) | Color unevenness inspection device and color unevenness inspection method | |
| Siatou et al. | A Methodological Approach for Multi-Temporal Tracking of Silver Tarnishing | |
| JP2006337352A (en) | Pearl luster inspection method and pearl luster inspection device | |
| JP2017153054A (en) | Coloring inspection apparatus and coloring inspection method | |
| JP7446725B2 (en) | Measuring device, measuring method, and program | |
| Castonguay | New generation high-speed high-resolution hemispherical scatterometer | |
| Beuckels et al. | A handheld image-based gloss meter for complete gloss characterization | |
| JP2020187093A (en) | Imaging method and imaging system | |
| JP2007127451A (en) | Metallic coating surface evaluation method and device, and evaluation reference sample |
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 |