JPH0225736A

JPH0225736A - 疵特性判定方法

Info

Publication number: JPH0225736A
Application number: JP17644488A
Authority: JP
Inventors: Hidekazu Miyake; 秀和三宅
Original assignee: Kawasaki Steel Corp
Current assignee: JFE Steel Corp
Priority date: 1988-07-15
Filing date: 1988-07-15
Publication date: 1990-01-29

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】【産業上の利用分可】

本発明は、低特性判定方法に係り、鋼板やスラブ等の被
検査物の種類を問わず、特に、表面疵検査装置を用いて
被検査物の表面の疵情報を得て、その疵・情報から、疵
種や疵の等級を判定する際に用いるのに好適な、庇特性
判定方法に関する。

【従来の技術】

従来から、鋼板やスラブ等の製造工場においては、それ
ら成品の品質を保証するため、その表面疵を表面疵検査
装置で検査し、疵の特性、例えば疵種や疵等級を判別し
ている。このような表面疵検査装置には被検査物例えば
鋼板やスラブの表面疵の検査を、光学的な手法を用いて
行うものがある。又、この種の表面疵検査装置を用いて
行う疵種や疵等級の判別・決定は、従来から例えば第５
図に示されるような流れ図の手順に従って行っていた。即ち、図の手順においては、まず、鋼板の検査すべき表
裏面側、若しくはいずれか片面側に投光器及び受光器を
設け、該投光器により前記鋼板の流れ方向に対して所定
角度を有する方向から光やレーザ光等を投光し、前記受
光器により該投光方向の反対方向から疵の特徴を示す疵
・清報をもった反射光を受光して表面疵の知見を求める
ようにする（ステップ１１０）、なお、この種の表面疵
検査装置に間しては、例えば昭和５２年に日本鉄鋼協会
から発行された「我国における最近のコールドストリッ
プ設備及び製造技術の進歩」の１８５頁〜１８８頁に記
載がある。次いで、上記のようにして受光された反射光を信号処理
することにより庇の特徴を示す庇・情報の数値を求める
（ステップ１２０）、そして、このようにして得られた
疵情報の数値を第６図に示されるような判別ツリーのみ
による判別ロジックで処理することにより、鋼板の疵種
がいずれの種類のもの（例えば、すり疵、ピンホール）
であるか、あるいは疵等級がいずれのものであるか判別
しくステップ１３０）、その判別結果から疵種や庇等級
を決定していた（ステップ１４０）。前記判別ツリーによる疵種判別においては、疵情報を＜
ａ　、　ｂ　、　Ｃ）とし、それらを判別するための各
設定値を（ｉ、ｎ、ｎ）として、これら疵情報がそれら
各々の設定値に対して大か小かにより表面疵の疵種がＡ
、Ｂ、（、Ｄのいずれかであるか否かを判別するように
している。即ち、図の判別ツリーにおいては、まず疵情報ａが設定
値ａより大きいか否かを判定する（ステップ２１０）、
疵情報ａが設定値ぶより大きいと判断されたならば、疵
情報Ｃが設定値ｎより太きいか否かを判定する（ステッ
プ２２０）、判定結果が正、即ち疵情報Ｃが設定値ｎよ
り大きいと判断された場合は、その鋼板の疵種はＡと判
別し、逆に判定結果が否の場合、その鋼板の疵種はＢで
あると判別する。一方、前記疵情報ａが設定値より大きくないときは、疵
情報すが設定値ｍより大きいか否かを判定する（ステッ
プ２３０）、判定結果が正、即ち、疵情報すが設定値１
より大きいと判断された場合は、その鋼板の疵種はＣと
判別し、逆に判定結果が否のときは、その鋼板の疵種は
Ｄと判別する。

【発明が解決しようとする課Ｕ】

しかしながら、前記従来の方法により鋼板等の疵の特性
（疵種や疵等級等）を判別する際には、次の（１）〜（
３）のような問題点が生じる。（１）従来は前記判別ツリー及びその各設定値等はオフ
ラインで作成しているため、表面疵検査装置を品質保証
機器としてオンライン使用した場合に、前記判別・ツリ
ーの設定値変更が不可能あるいは困難なものとなってい
た。従って、ライン上の被検査物の変更等に迅速且つ充
分な対応をとることができなかった。（２）検出される被検査物の疵種が同じものでもその疵
情報の数値が異なることがほとんどであるが、従来方法
においては、判別ツリーをオフラインで作成するため、
前記各設定値を前記疵情報の数値に対応した最適なもの
に決定するのは困難であった。従って、各設定値を最適
なものとして、精度良く低時性を判定しうる技術が要請
されていた。（３）上記（１）、（２）の結果、従来技術で判別され
た疵特性は目視検査で得たものとの対応が悪く、目視検
査と前記検査装置による検査とで同種の庇と判断する割
合（以下、合致率という）が良好なものではなかった。即ち、従来技術では、オンラインで精度の良い低時性の
判定ができなかったものである。

【発明の目的】

本発明は、前記従来の問題点を解消するべくなされたも
ので、低時性判定のための設定値を容易に精度の良いも
のに変更することが可能であり、従って、被検査物の低
時性をオンラインで精度良く判定することができる低時
性判定方法を提供することを目的とする。

【課題を解決するための手段】

本発明は、低時性判定方法において、被検査物の疵を検
査して該疵の情報を取得し、この疵情報を所定の設定値
に比較して疵の特性を判定する際に、前記疵情報を学習
して、前記設定値を誤まった判定のより少ないものにす
ることにより、前記目的を達成したものである。

【発明の作用及び効果】

以下、本発明の詳細な説明する。表面疵検査装置を用いて被検査物の低時性、例えば鋼板
の表面疵をオンラインで検査し、その低時性、例えば疵
種を判定する際に、本発明によりその疵種を判別する手
順を第１図に示す。即ち、図の手順を開始するとステップ３１０〜３３０で
前出第５図に示したステップ１１０〜１３０と同様の手
順で疵種を判別する。なお、この場合、疵種の判別ツリ
ーについては前出第６図に示したものを用い、前記表面
疵検査装置により得られた疵の各種特徴を表わす圧情報
（ａ　、　ｂ　、　ｃ　）が各々の設定［（Ｊ、ｍ、ｎ
）に対して大きいか小さいかを各ステップ２１０〜２３
０により判断して鋼板の疵種を判別する。ここで、この判別により得られた鋼板のａ：種と目視検
査により得られた疵種の比較結果例を第２図に示す、な
お、図において、比較結果ｘｉｊは、目視で疵種ｉと判
断された鋼板のうち疵検査装置で疵種ｊと判断されたも
のの枚数又はその占める割合である。本来、表面疵検査装置で判別された疵種と目視検査によ
る疵種は一致（合致）している必要がある。そこで、第
２図を基に疵種の合致率（Ｉｄｅｎｔ＋−ｃａｌ　Ｒａ
ｔｉｏ；　Ｉ　Ｒ）を次式＜１）　〜＜４）の如く算出
して、考察するものである。この場合、それぞれの合致
率を、各疵種Ａ〜ＤについてそれぞれＩＲ＾〜ＩＲＱと
する。ＩＲＡ＝　（Ｘ　ＡＡ／　（Ｘ　ＡＡ＋Ｘ　Ａ日＋Ｘ　
ＡＯ＋Ｘ　　ＡＤ）ｌ　　Ｘ１００　　　（％）　・（
１）ＩＲｅ＝　ｉｘ　日ｅ／　（Ｘ　ＢＡ＋Ｘ　ＥＩＢ
＋Ｘ　ＢＣ＋Ｘ　臼０）ｌ　Ｘ１００　　（％）−（２
＞ＩＲｃ＝　（Ｘ　ｃｃ／　（Ｘ　ＣＡ＋Ｘ　ＣＥｌ＋
Ｘ　ｃｃ＋Ｘ　　ｃｏ）ｌ　　ｘｌＯＯ（％）　・（３
）ＩＲｏ＝　ｆｘ　ｏｏ／　（Ｘ　０ＡｆＸ　Ｄ日＋Ｘ
　ｏｃ＋Ｘ　　ｏｏ）ｌ　　ｘｉｏｏ　　　（％）・・
・　（４）第２図に示されるような判別結果から、各々
の合致率ＩＲが計算された段階で、合致率の低い部分に
注目する０例えば目視検査による疵種Ａの判別結果に対
する疵検査装置の判別結果が第３図のように得られたと
き、その合致率ＩＲ＾は（１）式より６０％となる。次いで、算出された合致率の数値に注目して、合致率が
所定条件、例えば６０％以上となる条件を満足するか否
かを判断する（ステップ３４０）。判断の結果、前記条件を満足する場合は前記判別ツリー
の設定値ｎが最適な設定値であると判断し、前記判別ツ
リーで判別された疵種を被検査材の疵種に決定する（ス
テップ３６０）。一方、前記条件を満足しない場合には、疵種Ａをとの疵
種と誤まって判別する確率（以下、誤判別率という）が
高いか否かを考える（ステップ３５０）。即ち、第３図の場合においては、Ｘ八日、ｘ日Ｃ，ＸＡ
［）の最大値１１ａｘ　　（Ｘ　ＡＥＩ、Ｘ　ＡＣ，Ｘ
　ＡＯ）を選択し、選択の結果ＸＡＢが誤判別率の高い
ものであるから、目視検査で疵種Ａと判断されたものに
ついては、前記表面疵検査装置においては疵種Ｂと判別
される場合が多いものと言える。従って、このように判別されたときは、判別ツリーの設
定値ｎが最適な設定値ではないものといえるので、得ら
れた圧情報Ｃを用いて順次学習を行うことを決定し、前
記設定値ｎを最適化していく、このように、判別ツリー
の各設定値が最適化されれば決定される疵種は正確なも
のになる。ここで、前記設定値を最適化する手法について説明する
。この場合、疵検査装置からの圧情報（ａ　、　ｂ　、
　ｃ　）がとられているなめ、その圧情報に基づく判別
関数を用いた学習方法について述べる。なお、以下にお
いては、前記設定値ｎを最適化するため各圧情報のうち
Ｃのみを用いた場合、即ち１変量の場合の判別関数につ
いて説明する。今、サンプル（標本）として得られる被検査物の欠陥を
疵種Ａ、Ｂおのおのについて２つの群に分け、それぞれ
Ａ群、Ｂ群とする。まず、これら両群の等分散性の検定
を行う、このＡ群、Ｂ群の確率分布をそれぞれＮ＾（μ
＾、σ（＾］２）、Ｎ日（μＢ、σ（８）’　）として
、これらＡ群及びＢ群の帰無仮説Ｈｏ：σ（Ａ　）　’
　＝　（ＩＦ　ＣＢ　）　’対立仮説Ｈ１：σ（＾］２
≠σ（［３）２を検定する。なお、μ＾（＝×〔＾））
、σ（＾）２　（＝Ｓ〔＾）２）はＡ群の平均、分散で
あり、μ日（＝Ｘｃ日］）、σ（日）”　（＝ＳｃＢ）
’）は、Ｂ群の平均、分散である。前記検定は、次式（５）のように、Ａ群、Ｂ群の分散Ｓ
（＾）２、Ｓ（日）２の比（分散比）Ｆが自由度（ｎ＾
−１，ｎＢ　　１）のＦ分布に従うことを利用して、次
式（６）、（７）を成立させるような次の（８）、〈９
）式に示す変数を周知のＦ分布表から読取る。Ｆ＝Ｓ　（＾）’／Ｓ（日）２　　　　・・・（５）Ｐ
ｒ（Ｆ＞Ｆ、’；二：　　　　Ｃ（Ｘ／２）＞＝ｔｘ／
２・・・　（６）丸１１Ｐｒ　［Ｆ＜Ｆ？１．１　（１（α／２）　）　］＝α
／２　　　　　　　　　　　　　　　　・・・（７）山
−１Ｆ　　　（α／２）　　　　　　　　　　　・・・（８
）１ｓ−１Ｆ易；二ｌ（１−（α　／　２　）　　）ｎ、−１＝１／Ｆ　　　　（α）　　　　　　　　　　・・・（
９ンｎ＾−１但し、ｎ　Ａ、　ｎ　ＢはそれぞれＡ群、Ｂ群のサング
ル数である。又、Ｐ「は確率を示す記号である。そして、上記のようにＦ分布表から読み取られた（８）
、（９）式で示す変数値が次の（１ｏ）式又は（１１）
式を満足するものであれば、そのときの有意水準αで仮
説Ｈｏは棄却され、対立仮説Ｈ＋が成立するため、Ａ、
Ｂ両群の分散は等しくない（σ（＾）２≠σ（ａ）’）
ものと考えることができる。Ｆ　＞　Ｆ７１゜−１（α／２　）　　　　　　　・・
・　（１０）７Ａ−１Ｆ＜Ｆ　　　（α／２）　　　・・・（１１）７１、−
１一方、（１０）式及び（１１）式がいずれも成立しない
場合には、有意水準αで仮説Ｈｏは棄却されないため、
Ａ、Ｂ両群の分散は等しい（σ（＾）′２＝σ（日）２
）ものと考えられる。上記のようにしてＡ群及びＢ群の等分散性の検定を行う
、そして、この検定が終了した後には、サンプルの変数
ＸがＡ群、Ｂ群のいずれに属するかをＡ群及びＢ群の分
散が等しい場合と、等しくない場合について各々次のよ
うに判別する。（ｉ）Ａ群、Ｂ群の分散が等しい場合（σ＾２＝σＢ２
）；Ａ群、Ｂ群の平均μ＾、μ日から変数×までの標準化し
た平方距離Ｄ＾２　、　Ｄ　日２は、次式（１％式％（］従って、この平方距離ＤＡ２、Ｄｅ’の小さいほうの群
に前記変数Ｘが含まれるものと判別できる。即ちＤＡ’
＜０日２ならばＸ６Ａ群、又、Ｄ＾１＞０日２ならばｘ
ｇＢ群となる。ところで、上記各平方距離Ｄ　Ａ　！　、Ｄ　ａ　２の
差り日２　１）ＡＩは、（１２）、（１３）式に基づき
次式（１４）の如く表わされるものである。０日２　　ｐＡｔ＝（（Ｘ−μ日）’−（Ｘ−、μ＾）′）／σ２＝−［
（２（μ日−μ＾）／σ叩）Ｘ　（Ｘ　−（μ＾＋μ日）／２１］　　　・・・（１
４）ここで、仮定によりμ日−μ＾〉０とした場合、前
記平方距離の差がＯより大きいくＤ日２Ｄ＾２〉０）な
らば次式（１５）式が成立し、逆にこの差が０より小さ
い（Ｄ日２］）＾２くＯ）ならば次式（１６）が成立す
る。ｘ＜（μ＾十μ日）／２＝ア八日　　・・・（１５）×
〉（μ＾十μ日）／２＝、ｕ＾日　　・・・（１６）そ
して、〈１５）式が成立するならば、ｘ６Ａ群、一方、
（１６）式が成立するならば、Ｘ　ｅ　Ｂ群と判別され
る。（ｉｉ）Ａ群、Ｂ群の分散が等しくない場合（σ＾２≠
σ日２）　：各平方距離ＤＡ２．０日２を満す境界の値をφとすれば
、前記（１２）、（１３）式から次式（１７）の関係が
成立する。（φ−μ＾）２／σ（＾〕２＝　　（φ　−μ　日　）　　ｆ　／　　σ・（日　　
）　　２　　　　　　　　・・・　　（１７）又、この
（１７）式から次式（１８）式が成立する。（φ−μ＾）／σ（＾　）＝　　（φ　−μ　日　）　　／　σ　（日　　）　　
　　　　　　　　　　　・・・　　（１８）従って、境
界値φは次式（１９）から得ることができる。 φ＝（（μ＾・σｃｅ））＋（μＢ・σ（＾）））／（
σ（＾）＋σ（日））　　　・・・（１つ）この境界値
φが変数Ｘに対して、ｘくφの関係があるならば、ｘｇ
Ａ群であり、逆にＸ〉φの関係があるならば、ｘｅＢ群
と判別される。一方、上記（ｉ）、（１１）の如く変数Ｘを判別した際
の誤判別率は次の如く求めることができる。なお、Ａ群
に入れるべき変数ＸをＢ群に判別する誤判別率をＰ＾、
Ｂ群に入れるべき変数ＸをＡ群と判別する誤判別率を２
日とする。（ｉ）Ａ群、Ｂ群の分散が等しい（σ（＾）ｆ＝＝σＣ
日）２＝σ２）場合；Ａ群、Ｂ群の確率分布が正規分布Ｎ＾（μ＾。 σ２．８日（μ日、σ２）であるから、各誤判別率Ｐ＾
、２日は次式（２０）、（２１）の如く求められ、両者
は等しいもの（Ｐ＾＝Ｐ日）となる。ＰＡ＝Ｐｒ　　［ｕ　＝　（（ｘ　−μＡ）／ａ）〉（
（μΔ日−μ＾）／σ）］Ｐ日＝Ｐｒ　　［ｕ　＝　（（Ｘ−μ日）／σ）＜（（
ア＾Ｂ−μ日）／σ）コ・・・　（２１）（ｉｉ）Ａ群、Ｂ群の分散が等しくないσ（＾）２≠σ
（日〕２場合：誤判別率Ｐ＾、２日は次式（２２）、（２３）式の如く
求められ、両者は等しいもの（Ｐ＾＝Ｐ日）となる。Ｐ＾＝ｐｒ　　［ｕ　＝　（（Ｘ−μ＾）／σ＾）〉（
（φ−μ＾）／σ＾）　］・・・　（２２）ＰＢ＝Ｐｒ　　［ｕ　＝　（（ｘ−μ日）／σ日）＜（
〈φ−μ日）／σ日）］・・・　（２３）以上のようにして疵情報Ｃを１変量として用いて、疵種
Ａと疵種Ｂの各群のいずれに疵情報が属するか否かを判
別でき、誤判別率Ｐ＾、Ｐｅを（２０）〜（２３）式か
ら求め、更に、判別設定値Ｃを＜１５）（１６）式のμ
＾日あるいは（１９）式のφから求めることができる。ここで、これら得られた３つの数値の中で誤判別率に着
目し、過去のデータにおける誤判別率Ｈ１と過去のデー
タに新データを加えた場合の誤判別率Ｈ２を比較し、そ
の誤判別率のうち小さいほうを選択し、その選択に応じ
て判別のための設定値、疵種を選択・決定する。即ち、過去のデータのみによる判別設定値ｎ１、その判
別結果°をＪｌ、過去のデータに新しいデータを加えた
場合の判別設定値を０２、その判別結果Ｊ２とすれば、
誤判別率がＨ１＞Ｈ２のとき判別設定値を０２に変更し
、疵種はＪｌそのままとし、一方、誤判別率がＨｌ＜Ｈ
２のとき設定値はｎｌのままで、疵種はＪ２とする。次に、変量を多変量とした場合の具体的な疵種判別手順
の例を第４図の流れ図に基づき説明する。まず、表面疵検査装置で疵ありと判断された場合は得ら
れた疵情報（ａ　、　ｂ　、　ｃ等）に基づき前出第６
図に示したような判別ツリーにより疵種を判別する（ス
テップ４１０）。次いで、判別結果と目視検査との合致
率が所定の合致率を満足するか否かを判定する（ステッ
プ４２０）、この場合、合致率が６０％を満足すれば設
定値が最適なものであると判断し、その合致率に従って
疵種決定を行う（ステップ４９０）。一方、合致率が満足していないと判断された場合は、得
られた疵情報（ａ　、　ｂ　、　ｃ等）の中から学習す
べき疵情報の決定を行う（ステップ４３０）、次いで決
定された疵情報に応じなｐ個の変量を用いて前出（５）
〜（２３）式等に基づく判別関数により判別を行う（ス
テップ４４０）、この場合、変量の個数ｐはＩ）＝１．
２・・・の値をとる。次いで、過去のデータに新データを加えた場合の判別結
果Ｊ２、誤判別率Ｈ２、判別設定値（例えば１２とする
）を算出する（ステップ４５０）。次いで過去のデータのみによる誤判別率Ｈ１が前記誤判
別率Ｈ２より大きい（Ｈｌ＞Ｈ２）か否かを判定する（
ステップ４６０）、判定結果が正のときは判別設定値を
例えば℃１→β２に変更する（ステップ４７０）、一方
、判定結果が否のときは判別設定値を変更しない〈ステ
ップ４８０）。上記のような判別設定値が決められた後には疵種の決定
を行う（ステップ４９０）、上記のように、変量を１変
量のみならず多変量に拡大した場合でも疵種決定を行う
ことができるため、実用性が高いものである。なお、判別される疵特性は、上記のように疵種のみに限
定されず池の低時性例えば疵等級でもよい、又、低時性
を判定するための手順は第１図、第４図に示される手順
に限定されるものではなく、疵情報を学習して設定値を
より誤判定の少ないものにできる手順であればいずれの
手順でもよい。以上の説明のように、本発明により、疵種決定のための
設定値をオンラインで学習して、より精度の高いものに
変更することが可能なことから、次のような優れた効果
が得られた。（１）オンラインで順次疵情報を学習して判別ツリーの
設定値の変更を容易に且つ計算機内等で自動的に実行で
きるため、作業者等の介入を全く必要とせず作業効率が
向上する。（２）判別関数等を用いて設定値を算出するため、設定
値の算出が容易且つ迅速なものとなる。（３）（１）（２）により最適な設定値を常に選択でき
るため、低時性の判定率が向上して精度良く低時性を判
定することが可能となる。従って、被検材、例えば鋼板
の品質保証上有利である。又、鋼板表面疵に対するユー
ザーからのクレームを減少させることができる。

【図面の簡単な説明】

第１図は本発明を１変量により実行する場合の疵種決定
手順の例を示す流れ図、第２図は本発明を説明するため
の、疵種の目視判別結果に対する表面疵検査装置による
判別結果の例を示す線図、第３図は同じく判別結果の例
を示す線図、第４図は多変数の場合の本発明による疵種
決定手順の例を示す流れ図、第５図は従来の疵種決定手
順の例を示す流れ図、第６図は疵種の判別ツリーの例を
示す流れ図である。

Claims

【特許請求の範囲】

（１）被検査物の疵を検査して該疵の情報を取得し、こ
の疵情報を所定の設定値に比較して疵の特性を判定する
際に、前記疵情報を学習して、前記設定値を誤まつた判定のよ
り少ないものにすることを特徴とする疵特性判定方法。