表面缺陷检测方法、表面缺陷检测装置、钢材的制造方法、钢材的品质管理方法、钢材的制造设备、表面缺陷判定模型的生成方法及表面缺陷判定模型

摘要

本发明的表面缺陷检测方法是光学地检测钢材的表面缺陷的表面缺陷检测方法，其中，包括：照射步骤，利用2个以上的能够辨别的光源从不同的方向向同一检查对象部位照射照明光；及检测步骤，基于从由各照明光的反射光形成的2个以上的图像提取出的明部的重叠程度来检测所述检查对象部位处的表面缺陷。

说明书

技术领域

本发明涉及光学地检测钢材的表面缺陷的表面缺陷检测方法、表面缺陷检测装置、钢材的制造方法、钢材的品质管理方法、钢材的制造设备、表面缺陷判定模型的生成方法及表面缺陷判定模型。

背景技术

近年来，在钢铁产品的制造工序中，从由防止大量不良实现的成品率提高的观点来看，要求在热态或冷态下检测钢材的表面缺陷。在此叙述的钢材意味着钢管(无缝钢管、焊接钢管等)、钢板(热轧钢板、冷轧钢板、厚板等)及型钢等钢铁产品以及在制造这些钢铁产品的过程中生成的半成品(板坯等)。在通过光学式的表面检查而尝试了钢材的表面缺陷的检测时，只是单纯地拍摄了钢材的图像的话，有时难以辨别有害的凹凸性的表面缺陷和无害的平坦的氧化皮(scale)纹理(由冷却不均等引起)。

于是，作为高精度地辨别凹凸性的表面缺陷和平坦的氧化皮纹理的手法，提出了以下手法：从不同的方向照射能够辨别的光线，接受各光线的反射光而取得图像，通过得到取得的图像间的差分图像来检测表面缺陷(参照专利文献1)。另外，也提出了以下手法：基于得到的差分图像来识别因表面缺陷的形状而产生的明暗图案，判别表面缺陷的凹形状或凸形状，由此，进一步提高表面缺陷的检测精度(参照专利文献2)。

现有技术文献

专利文献

专利文献1：日本特开2015-125089号公报

专利文献2：日本特开2015-210150号公报

发明内容

发明所要解决的课题

根据专利文献1、2所记载的手法，能够通过差分图像而高精度地辨别凹凸性的表面缺陷和平坦的氧化皮纹理。然而，本发明的发明人进行了研究，查明了：在专利文献1、2所记载的手法中，几乎不存在凹凸的表面反射率高的底钢部的差分后的信号与凹形状的表面缺陷信号类似，因此有时难以辨别。需要说明的是，底钢部主要因“在低于在表面生成黑氧化皮的温度时，因摩擦、碰撞等而黑氧化皮剥离”而产生，冷态擦伤伤痕等与之相当。通常，凹凸性的表面缺陷因在热态下趁钢材软的时候将烧粘于辊的突起物等压入转印而产生。因而，凹凸性的表面缺陷具有清晰的凹凸形状，而且，在冷却的过程中与健全部同样地氧化而具有相同程度的反射率。其结果，如图22(a)所示，因单侧投光而产生清楚的明暗图案。相对于此，底钢部经常因钢材在冷态下与辊等构造物摩擦而产生，因黑氧化皮剥离、底钢露出而与被黑氧化皮覆盖的健全部相比反射率变高。其结果，如图22(b)所示，底钢部几乎没有深度，但反射率高，因此与照射方向无关而作为高辉度的信号被拍摄。

另外，在底钢部稍微存在凹凸的情况下，在应用专利文献1、2所记载的手法而取得了差分图像时，有时会产生与凹凸性的表面缺陷同样的明暗图案。底钢部是根据检查的目的而既可能成为有害也可能成为无害的表面缺陷，成为表面缺陷的未检出、过检出的原因。尤其是，在壁厚保障等深度重要的检查中，凹凸性的表面缺陷被认为是有害且底钢部被认为是无害的情况多，希望高精度地辨别凹凸性的表面缺陷和底钢部。

本发明鉴于上述课题而完成，其目的在于，提供能够高精度地辨别底钢部和表面缺陷的表面缺陷检测方法、表面缺陷检测装置、表面缺陷判定模型的生成方法及表面缺陷判定模型。另外，本发明的其他目的在于，提供能够高精度地辨别底钢部和表面缺陷而提高钢材的制造成品率的钢材的制造方法、钢材的品质管理方法及钢材的制造设备。

用于解决课题的手段

本发明的表面缺陷检测方法是光学地检测钢材的表面缺陷的表面缺陷检测方法，其中，包括：照射步骤，利用2个以上的能够辨别的光源从不同的方向向同一检查对象部位照射照明光；及检测步骤，基于从由各照明光的反射光形成的2个以上的图像提取出的明部的重叠程度来检测所述检查对象部位处的表面缺陷。

所述明部的重叠程度最好是在所述检查对象部位处所述明部的重叠部分相对于表面缺陷候补部所占的比例。

所述检测步骤最好包括以下步骤：根据从由各照明光的反射光形成的2个以上的图像提取出的明部来算出检查对象部位处的表面缺陷候补部；及基于所述明部的重叠部分相对于表面缺陷候补部所占的比例来检测所述检查对象部位处的表面缺陷。

所述检测步骤最好包括以下步骤：使用以在输入了从所述2个以上的图像提取出的明部的重叠程度时输出在与该2个以上的图像对应的检查对象部位是否存在表面缺陷的判定值的方式被实施了机器学习的表面缺陷判定模型来检测所述检查对象部位处的所述表面缺陷。

本发明的表面缺陷检测装置是光学地检测钢材的表面缺陷的表面缺陷检测装置，其中，具备：照射单元，利用2个以上的能够辨别的光源从不同的方向向同一检查对象部位照射照明光；及检测单元，基于从由各照明光的反射光形成的2个以上的图像提取出的明部的重叠程度来检测所述检查对象部位处的表面缺陷。

本发明的钢材的制造方法包括以下步骤：使用本发明的表面缺陷检测方法检测钢材的表面缺陷并制造钢材。

本发明的钢材的品质管理方法包括以下步骤：通过使用本发明的表面缺陷检测方法而基于表面缺陷的有无将钢材分类来管理钢材的品质。

本发明的钢材的制造设备具备：制造设备，制造钢材；及本发明的表面缺陷检测装置，检查由所述制造设备制造出的钢材。

本发明的表面缺陷判定模型的生成方法使用从由利用2个以上的能够辨别的光源从不同的方向向同一检查对象部位照射出的照明光的反射光形成的2个以上的图像提取出的明部的重叠程度和在所述检查对象部位是否存在表面缺陷的判定结果作为训练数据，通过机器学习而生成以从所述2个以上的图像提取出的明部的重叠程度为输入值且以在与该2个以上的图像对应的检查对象部位是否存在表面缺陷的判定值为输出值的已学习模型作为表面缺陷判定模型。

本发明的表面缺陷判定模型由本发明的表面缺陷判定模型的生成方法生成。

发明效果

根据本发明的表面缺陷检测方法、表面缺陷检测装置、表面缺陷判定模型的生成方法及表面缺陷判定模型，能够高精度地辨别底钢部和表面缺陷。另外，根据本发明的钢材的制造方法、钢材的品质管理方法及钢材的制造设备，能够高精度地辨别底钢部和表面缺陷来提高钢材的制造成品率。

附图说明

图1是示出作为本发明的一实施方式的表面缺陷检测装置的结构的示意图。

图2是示出底钢部的差分图像的一例的图。

图3是示出对凹形状的表面缺陷的明部图像实施了AND处理的结果的图。

图4是对底钢部的明部图像实施了AND处理的结果的图。

图5是示出作为本发明的第一实施方式的表面缺陷检测方法中的检测步骤的流程的流程图。

图6是示出作为本发明的第二实施方式的表面缺陷检测方法中的检测步骤的流程的流程图。

图7是示出作为本发明的第三实施方式的表面缺陷检测方法中的检测步骤的流程的流程图。

图8是用于说明图7所示的标示处理的一例的图。

图9是示出作为本发明的第四实施方式的表面缺陷检测方法中的检测步骤的流程的流程图。

图10是示出拍摄了凹凸性的表面缺陷和氧化皮纹理及无害纹理的2个二维图像及其差分图像的一例的图。

图11是示出检查对象部位的表面形状是凹形状及凸形状的情况下的从一方照射了光时的阴影的图。

图12是示出凹形状的表面缺陷的差分图像的一例的图。

图13是示出利用了膨胀处理的明部及暗部的位置关系算出方法的流程的流程图。

图14是用于说明膨胀收缩处理的图。

图15是示出差分图像及明暗图案的一维轮廓的一例的图。

图16是示出滤波器的二维图像及一维轮廓的一例的图。

图17是示出被实施了使用了图16所示的滤波器的滤波处理的差分图像及一维轮廓的一例的图。

图18是示出关于底钢部及凹凸性的表面缺陷计算了两明部占有率的直方图的结果的图。

图19是示出作为本发明的第五实施方式的表面缺陷检测方法中的检测步骤的流程的流程图。

图20是示出光源的配置位置的变形例的示意图。

图21是示出通过图20所示的光源的配置位置而得到的明暗图案的示意图。

图22是用于说明凹凸性的表面缺陷及底钢部的特征的示意图。

具体实施方式

以下，参照附图，对作为本发明的一实施方式的表面缺陷检测装置的结构及其动作进行说明。

〔表面缺陷检测装置的结构〕

图1是示出作为本发明的一实施方式的表面缺陷检测装置的结构的示意图。如图1所示，作为本发明的一实施方式的表面缺陷检测装置1是检测在图示箭头方向上被运送的圆筒形状的钢管P的表面缺陷的装置，具备光源2a、2b、函数发生器3、区域传感器4a、4b、图像处理装置5及监视器6作为主要的构成要素。

光源2a、2b是照射单元。光源2a、2b按照来自函数发生器3的触发信号，对钢管P的表面上的同一检查对象部位照射能够辨别的照明光L。光源2a、2b相对于检查对象部位对称地配置。即，光源2a、2b以相对于钢管P表面的法线向量错开同一入射角且使照明光L的照射方向向量和钢管P表面的法线向量处于同一平面上的方式配置。

在此，使照明光L的入射角相同的目的在于在辨别了不同的入射方向的光源时使光学条件尽量相等。在经验上，若各入射角的差为20°以内的范围内，则表现为同一入射角。另一方面，关于入射角自身，在经验上希望1个光源的入射角处于25°～82.5°的范围内。而且，在想要获得光量的情况下，优选从25°～55°的范围内选择，在光量充分且想要提高S/N比的情况下，优选从60°～82.5°的范围内选择。

需要说明的是，在本说明书中，入射角表示来自光源2a、2b的光线的入射方向和相对于检查对象部位的表面的法线所成的角度。另外，将相对于检查对象部位的表面的法线设为0°。另外，在本实施方式中，将光源的数量设为了2个，但只要能够辨别，则也可以将光源的数量设为3个以上。在此叙述的能够辨别的光源意味着关于从检查对象部位得到的反射光，能够分各光源地求出反射光量的光源。

区域传感器4a、4b是拍摄单元。区域传感器4a、4b按照来自函数发生器3的触发信号，拍摄由从光源2a、2b照射出的照明光L的反射光形成的二维图像。区域传感器4a、4b将拍摄到的二维图像的数据向图像处理装置5输入。区域传感器4a、4b在确保了各自的拍摄视野的状态下尽量设置于检查对象部位的法线向量上。需要说明的是，在本实施方式中，使用了区域传感器，但也可以使用线传感器。在该情况下，虽然拍摄到的图像成为一维图像，但后述的表面缺陷检测方法能够直接应用。

图像处理装置5是检测单元。图像处理装置5是使用从区域传感器4a、4b输入的2个二维图像来进行检查对象部位处的无害的底钢部的判定处理的装置。该底钢部的判定处理是本发明的最核心技术，因此之后详细说明。该图像处理装置5进一步还能够进行基于机器学习的缺陷判定。而且，根据需要，也能够通过进行后述的差分处理来检测检查对象部位处的表面缺陷。图像处理装置5将从区域传感器4a、4b输入的二维图像、与表面缺陷的检测结果相关的信息向监视器6输出。

具有这样的结构的表面缺陷检测装置1通过执行以下所示的表面缺陷检测方法来进行检查对象部位处的底钢部的判定处理。而且，表面缺陷检测装置1根据需要而辨别检查对象部位处的氧化皮纹理、无害纹理、凹凸性的表面缺陷及底钢部。需要说明的是，氧化皮纹理、无害纹理意味着具有光学特性与厚度数μm～数十μm左右的底钢部分不同的表面皮膜、表面性状的部分，是在表面缺陷检测方法中成为噪声要因的部分。

〔表面缺陷检测方法〕

在专利文献1及专利文献2所记载的表面缺陷检测方法中，若对冷态擦伤伤痕等底钢部的二维图像实施同样的差分处理，则有时会产生与如图2(a)所示的凹凸性的表面缺陷的明暗图案同样的如图2(b)～(e)所示的明暗图案。这是因为，底钢部具有高的反射率及辉度的不均，因此明部及暗部随机产生。尤其是，在表面缺陷的深度重要的厚板、钢管等钢材的领域中，底钢部与表面缺陷相比非常多地产生，因此基于特征量等的辨别是困难的。

但是，底钢部根据检查需求而存在必须判定为有害的情况和必须判定为无害的情况。因而，在无法辨别具有与表面缺陷的明暗图案同样的明暗图案的底钢部的情况下，会成为过检出，表面缺陷的检测性能下降。另外，在必须将底钢部判定为有害的情况下，也存在必须将底钢部与表面缺陷相辨别的情况。并且，底钢部存在各种各样的形状，想要判定为无害的情况多。

为了稳定地检测这样的底钢部，可考虑使用作为其特征的不管从哪个方向照射照明光都比稳定部亮这样的特征的方法。在此叙述的稳定部是指既不是表面缺陷也不是底钢部的黑氧化皮部。即，可考虑以下方法：在从自区域传感器4a、4b输入的2个二维图像通过阈值处理、标示(labeling)等而提取出的表面缺陷候补部的区域中检测明部的重叠部分，从而检测底钢部。

图3及图4分别是关于表面缺陷候补部中的凹形状的表面缺陷和底钢部，通过二值化处理而检测从区域传感器4a、4b输入的2个二维图像的明部并对检测到的明部图像实施了AND处理(与处理)的结果的例子。如图3(c)～(e)所示，在凹形状的表面缺陷中，2个二维图像(图3(c)、(d))的明部的位置不同，因此即使实施AND处理也检测不到信号(图3(e))。相对于此，如图4(c)～(e)所示，在底钢部中，2个二维图像(图4(c)、(d))的明部的位置一致，因此，若实施AND处理，则以与明部及暗部的大致全部的部位重叠的方式检测出信号(图4(e))。

需要说明的是，检测检查对象部位处的表面缺陷候补部的方法能够利用公知的方法。尤其是，专利文献1及专利文献2所记载的利用差分图像的方法能够将氧化皮纹理、无害纹理通过差分处理而抵消，使用因凹凸性的表面缺陷而生成的独特的明暗图案，因此存在能够高精度地检测表面缺陷候补部、尤其是凹凸性的表面缺陷候补部这一优点，是适宜的。

需要说明的是，关于表面缺陷候补部的检测的定时，只要后述的检测步骤比算出两面部占有率的步骤(后述的S5、S15、S25、S37、S48)靠前，则不管何时进行都行。例如，可以与后述的检测步骤相独立地预先检测(参照第一及第二实施方式)。另外，例如，也可以在后述的检测步骤内，根据在检测步骤中使用的明部二值化图像a和明部二值化图像b的副本来检测(参照第三实施方式)。而且，例如，也可以与后述的检测步骤并行地，利用根据在检测步骤中使用的原始图像a、原始图像b、修正图像a及修正图像b等的副本求出的差分图像来检测凹凸性的表面缺陷，将该检测到的凹凸性的表面缺陷设为表面缺陷候补部。

因此，通过“通过对2个二维图像的明部图像实施AND处理来提取两明部图像，将表面缺陷候补部利用该两明部图像评价”，能够判别表面缺陷候补部是表面缺陷及底钢部的哪一个。能够通过利用阈值处理提取2个二维图像的明部并实施AND处理来检测底钢部。另外，即使不是底钢部而是表面缺陷等，也存在从其他方向照射出的2个二维图像的明部偶然稍微重叠的情况。相对于此，在底钢部的情况下，在从其他方向照射出的2个二维图像中为高反射率，明部在大部分的区域中重叠。于是，也可以将明部的重叠的程度作为特征量而算出，使用该指标来辨别底钢部和表面缺陷。在该方法中，与通过重叠部分的有无来判定的情况相比，能够更高精度地辨别，是优选的。

以下，对基于上述的想法而想到的作为本发明的第一～第五实施方式的表面缺陷检测方法进行说明。

[第一实施方式]

首先，参照图5，对作为本发明的第一实施方式的表面缺陷检测方法进行说明。

作为本发明的第一实施方式的表面缺陷检测方法包括照射步骤、拍摄步骤及检测步骤。在照射步骤中，光源2a、2b按照来自函数发生器3的触发信号，对钢管P的表面上的同一检查对象部位照射能够辨别的照明光L。在拍摄步骤中，区域传感器4a、4b按照来自函数发生器3的触发信号，拍摄由从光源2a、2b照射出的照明光L的反射光形成的二维图像。在检测步骤中，图像处理装置5使用从区域传感器4a、4b输入的2个二维图像来进行无害的底钢部的判定。

图5是示出作为本发明的第一实施方式的表面缺陷检测方法中的检测步骤的流程的流程图。如图5所示，在本实施方式的检测步骤中，首先，图像处理装置5通过对从区域传感器4a、4b输入的2个二维图像(原始图像a、原始图像b)实施图像修正处理而生成修正图像a、修正图像b(步骤S1a、S1b)。在此叙述的图像修正处理包括切出检查对象区域的处理、修正由光学系统引起的整体的辉度不均的阴影修正等处理。

接着，图像处理装置5对修正图像a及修正图像b分别实施通过将辉度为阈值以上的像素的值设为1且将辉度小于阈值的像素的值设为0来检测明部的明部二值化处理。通过该处理，图像处理装置5生成明部二值化图像a及明部二值化图像b(步骤S2a、S2b)。在图5中，在标签“明部二值化图像a”的左边示出明部二值化图像a的例子，在标签“明部二值化图像b”的右边示出明部二值化图像b的例子。接着，图像处理装置5对明部二值化图像a及明部二值化图像b实施AND处理。通过该处理，图像处理装置5在明部二值化图像a及明部二值化图像b的双方中提取值为1的像素而生成两明部图像(步骤S3)。在图5中，在标签“两明部图像”的右边示出两明部图像的例子。

接着，图像处理装置5使用表面缺陷候补部来对两明部图像实施掩蔽(masking)算出处理。通过该处理，图像处理装置5生成切出了成为判定是否是底钢部的对象的区域(也就是说，是表面缺陷候补部且是明部的区域)的切出两明部图像(步骤S4)。接着，图像处理装置5算出表面缺陷候补部整体中的切出两明部图像所占的比例作为两明部占有率(步骤S5)。而且，图像处理装置5通过使用了算出的两明部占有率的阈值处理等来判定表面缺陷候补部是底钢部还是表面缺陷。在此，在判定为不是底钢部的情况下，图像处理装置5判定为表面缺陷(步骤S6)。需要说明的是，本实施方式是算出相对于表面缺陷候补部的两明部图像的重叠程度的例子，但只要能够算出在表面缺陷候补部整体中两明部图像以何种程度重叠即可，也可以是其他的处理方法。例如，也可以将表面缺陷候补部通过涡流探伤、超声波探伤等其他的手法来计测，算出两明部图像在其中所占的比例。

[第二实施方式]

接着，参照图6，对作为本发明的第二实施方式的表面缺陷检测方法进行说明。

作为本发明的第二实施方式的表面缺陷检测方法包括照射步骤、拍摄步骤及检测步骤。在照射步骤中，光源2a、2b按照来自函数发生器3的触发信号，对钢管P的表面上的同一检查对象部位照射能够辨别的照明光L。在拍摄步骤中，区域传感器4a、4b按照来自函数发生器3的触发信号，拍摄由从光源2a、2b照射出的照明光L的反射光形成的二维图像。在检测步骤中，图像处理装置5使用从区域传感器4a、4b输入的2个二维图像来进行无害的底钢部的判定。

图6是示出作为本发明的第二实施方式的表面缺陷检测方法中的检测步骤的流程的流程图。如图6所示，在本实施方式的检测步骤中，首先，图像处理装置5对从区域传感器4a、4b输入的2个二维图像(原始图像a、原始图像b)分别使用表面缺陷候补部来实施掩蔽算出处理，从而生成切出了成为判定是否是底钢部的对象的区域的切出原始图像a、切出原始图像b(步骤S11a、S11b)。接着，图像处理装置5通过对切出原始图像a及切出原始图像b实施图像修正处理来生成切出修正图像a及切出修正图像b(步骤S12a、S12b)。在此叙述的图像修正处理包括修正由光学系引起的整体的辉度不均的阴影修正等处理。

接着，图像处理装置5对切出修正图像a及切出修正图像b分别实施通过将辉度为阈值以上的像素的值设为1且将辉度小于阈值的像素的值设为0来检测明部的明部二值化处理。通过该处理，图像处理装置5生成切出明部二值化图像a及切出明部二值化图像b(步骤S13a、S13b)。接着，图像处理装置5对切出明部二值化图像a及切出明部二值化图像b实施AND处理。通过该处理，图像处理装置5在切出明部二值化图像a及切出明部二值化图像b的双方中提取值为1的像素，生成切出两明部图像(步骤S14)。接着，图像处理装置5算出在表面缺陷候补部整体中切出两明部图像所占的比例作为两明部占有率(步骤S15)。而且，图像处理装置5通过使用了算出的两明部占有率的阈值处理等来判定表面缺陷候补部是底钢部还是表面缺陷。在此，在判定为不是底钢部的情况下，图像处理装置5判定为表面缺陷(步骤S16)。

[第三实施方式]

接着，参照图7，对作为本发明的第三实施方式的表面缺陷检测方法进行说明。

作为本发明的第三实施方式的表面缺陷检测方法包括照射步骤、拍摄步骤及检测步骤。在照射步骤中，光源2a、2b按照来自函数发生器3的触发信号，对钢管P的表面上的同一检查对象部位照射能够辨别的照明光L。在拍摄步骤中，区域传感器4a、4b按照来自函数发生器3的触发信号，拍摄由从光源2a、2b照射出的照明光L的反射光形成的二维图像。在检测步骤中，图像处理装置5使用从区域传感器4a、4b输入的2个二维图像来进行无害的底钢部的判定。

图7是示出作为本发明的第三实施方式的表面缺陷检测方法中的检测步骤的流程的流程图。如图7所示，在本实施方式的检测步骤中，首先，图像处理装置5对从区域传感器4a、4b输入的2个二维图像(原始图像a、原始图像b)分别使用预先导出的相机参数来实施校准、阴影修正及噪声除去等图像修正处理，从而生成修正图像a及修正图像b(步骤S21a、S21b)。通过该图像修正处理，能够高精度地实施以后的明部提取处理等。

接着，图像处理装置5对修正图像a及修正图像b分别实施通过将辉度为阈值以上的像素的值设为1且将辉度小于阈值的像素的值设为0来检测明部的明部二值化处理。通过该处理，图像处理装置5生成明部二值化图像a及明部二值化图像b(步骤S22a、S22b)。接着，图像处理装置5对明部二值化图像a及明部二值化图像b实施AND处理。通过该处理，图像处理装置5在明部二值化图像a及明部二值化图像b的双方中提取值为1的像素，生成两明部图像(步骤S23)。在两明部图像中值为1的像素的集合成为明部二值化图像a和明部二值化图像b双方的明部重叠的明部重叠部。由此，能够在明部二值化图像a及明部二值化图像b中提取高反射率部分重叠的部分。在图8(a)中示出明部二值化图像a的例子，在图8(b)中示出明部二值化图像b的例子，在图8(c)中示出两明部图像的例子。

接着，图像处理装置5向生成的两明部图像的值为1的明部的像素标示，将各斑点(被标示的像素的集合)设为底钢部候补部。图8(c)的两明部图像中的白色的部分(也就是明部)是底钢部候补部，相当于明部二值化图像a及明部二值化图像b双方的明部的重叠部。另外，图像处理装置5这次对在步骤S22a、S22b中生成的明部二值化图像a及明部二值化图像b实施OR处理(或处理)。通过该处理，图像处理装置5生成明部OR图像。在图8(d)中示出明部OR图像的例子。然后，图像处理装置5对通过该处理得到的明部OR图像标示上述的底钢部候补部。然后，图像处理装置5将包含被标示的底钢部候补部的明部的块作为各斑点(blob)而提取。在此，将各斑点设为表面缺陷候补部(步骤S24)。在图8(e)中示出表面缺陷候补部的例子。白色的部分(也就是明部)是表面缺陷候补部。在图8(c)的两明部图像中，通过步骤S23的AND处理，被认为不是表面缺陷的明部被删除。另一方面，在图8(d)中明显可以看出，在OR处理中，不管是否是缺陷，全部明部会残留。于是，通过利用底钢部候补部来标示，能够可靠地检测表面缺陷候补部。

接着，图像处理装置5针对每个表面缺陷候补部算出将底钢部候补部的面积除以表面缺陷候补部的面积而得到的值作为两明部占有率(步骤S25)。并且，最后，图像处理装置5根据算出的两明部占有率来判定表面缺陷候补部是否是底钢部，检测底钢部。在此，在判定为不是底钢部的情况下，图像处理装置5判定为表面缺陷(步骤S26)。

需要说明的是，表示相对于表面缺陷候补部的底钢部候补部的重叠程度的指标可想到多个。例如，可想到各底钢部候补部的面积相对于实施AND处理前的2张图像的表面缺陷候补部的面积所占的比例等。在该情况下，作为表面缺陷候补部的面积，能够例示2处表面缺陷候补部的进行了OR处理后的面积、各表面缺陷候补部的面积之和、最大值等。两明部占有率越高，则是底钢部的可能性越高。因而，也可以单纯地使用固定阈值，若为阈值以上则判定为底钢部。

另外，也可以使用两明部占有率作为特征量，使用二分决策树法等公知的机器学习方法来检测底钢部。即，使用两明部占有率和在检查对象部位是否存在表面缺陷的判定结果作为训练数据，通过机器学习而生成将根据2个以上的图像算出的两明部占有率设为输入值且将在与2个以上的图像对应的检查对象部位是否存在表面缺陷的判定值设为输出值的已学习模型。也可以将生成的已学习模型设为表面缺陷模型，对该表面缺陷判定模型输入两明部占有率，使用表面缺陷判定模型的输出值来判定是否是底钢部，检测底钢部。由此，能够高精度地辨别通过以往手法难以辨别的底钢部和表面缺陷。

另外，也可以根据在第一～三实施方式中算出的底钢部和表面缺陷候补部的位置关系来判定表面缺陷候补部是否是底钢部。具体而言，若表面缺陷候补部和在第一～三实施方式中算出的底钢部是大致同一位置，则表面缺陷候补部是底钢部的可能性高。另外，只要能够与第一～三实施方式同样地算出在表面缺陷候补部中两明部以何种程度重叠即可，也可以是其他的处理方法。

[第四实施方式]

在底钢部稍微存在凹凸的情况下，因产生与凹凸性的表面缺陷同样的明暗图案而有时无法高精度地辨别底钢部和凹凸性的表面缺陷。于是，在本实施方式中，使用能够通过专利文献1及专利文献2所记载的方法来算出的凹凸性的表面缺陷作为表面缺陷候补部，从而高精度地辨别底钢部和凹凸性的表面缺陷。以下，参照图9，对作为本发明的第四实施方式的表面缺陷检测方法进行说明。

作为本发明的第四实施方式的表面缺陷检测方法包括照射步骤、拍摄步骤及检测步骤。在照射步骤中，光源2a、2b按照来自函数发生器3的触发信号，对钢管P的表面上的同一检查对象部位照射能够辨别的照明光L。在拍摄步骤中，区域传感器4a、4b按照来自函数发生器3的触发信号，拍摄由从光源2a、2b照射出的照明光L的反射光形成的二维图像。在检测步骤中，图像处理装置5使用从区域传感器4a、4b输入的2个二维图像来辨别氧化皮、无害纹理、凹凸性的表面缺陷及底钢部。

图9是示出作为本发明的第四实施方式的表面缺陷检测方法中的检测步骤的流程的流程图。如图9所示，在本实施方式的检测步骤中，首先，图像处理装置5对从区域传感器4a、4b输入的2个二维图像(原始图像a、原始图像b)分别使用预先导出的相机参数来实施校准、阴影修正及噪声除去等图像修正处理，从而生成修正图像a及修正图像b(步骤S31a、S31b)。接着，图像处理装置5通过在修正图像a与修正图像b之间进行差分处理来生成差分图像(步骤S32)。接着，图像处理装置5根据生成的差分图像来算出检查对象部位处的凹凸性的表面缺陷候补部，并且输出与由差分处理除去的氧化皮纹理、无害纹理相关的信息(步骤S33)。

另一方面，图像处理装置5对在步骤S31a、S31b中生成的修正图像a及修正图像b分别实施通过将辉度为阈值以上的像素的值设为1且将辉度小于阈值的像素的值设为0来检测明部的明部二值化处理。通过该处理，图像处理装置5生成明部二值化图像a及明部二值化图像b(步骤S34a、S34b)。接着，图像处理装置5对明部二值化图像a及明部二值化图像b实施AND处理。通过该处理，图像处理装置5在明部二值化图像a及明部二值化图像b的双方中提取值为1的像素，生成两明部图像(步骤S35)。接着，图像处理装置5使用在步骤S33的处理中算出的凹凸性的表面缺陷候补部来对两明部图像实施掩蔽算出处理。通过该处理，图像处理装置5生成切出了成为判定是否是底钢部的对象的区域的切出两明部图像(步骤S36)。接着，图像处理装置5算出在凹凸性的表面缺陷候补部整体中切出两明部图像所占的比例作为两明部占有率(步骤S37)。而且，图像处理装置5通过使用了算出的两明部占有率的阈值处理等来判定是底钢部还是凹凸性的表面缺陷。在此，在判定为不是底钢部的情况下，图像处理装置5判定为表面缺陷(步骤S38)。对于底钢部，通过来自2方向的照射而都是凹凸性的表面缺陷候补部整体成为亮的信号，但对于凹凸性的表面缺陷，通过来自2方向的照射而阴影的出现方式不同，因此，在凹凸性的表面缺陷候补部整体中明部和暗部产生于不同的位置。因此，底钢部的两明部占有率变高，凹凸性的表面缺陷的两明部占有率变低。

需要说明的是，作为步骤S33的处理中的使用差分图像来检测检查对象部位处的凹凸性的表面缺陷候补部的方法，能够利用公知的方法。尤其是，专利文献1及专利文献2所记载的方法能够将氧化皮纹理、无害纹理通过差分处理而抵消，使用因凹凸性的表面缺陷而生成的独特的明暗图案，因此存在能够高精度地检测凹凸性的表面缺陷候补部这一优点，是适宜的。以下，作为步骤S33的处理的一例，说明使用了专利文献1及专利文献2所记载的技术的例子。

现在，在将构成在从光源2a照射了照明光L时得到的二维图像Ia的各像素的辉度值设为Ia(x、y)(其中，设为像素数X×Y，将x坐标设为1≤x≤X，将y坐标设为1≤y≤Y)，将构成在从光源2b照射了照明光L时得到的二维图像Ib的各像素的辉度值设为Ib(x、y)时，通过步骤S32的差分处理而得到的差分图像I_diff的各像素的辉度值I_diff(x、y)由以下所示的数学式(1)表示。

I_diff(x，y)＝Ia(x，y)-Ib(x，y)…(1)

在此，将拍摄到不是凹凸性的表面缺陷和表面缺陷的健全的氧化皮纹理及无害纹理的二维图像Ia、Ib及其差分图像I_diff的例子分别在图10(a)、(b)、(c)中示出。如图10(a)、(b)、(c)所示，在健全部中，与氧化皮纹理、无害纹理的有无无关，表面的法线向量与光源2a所成的角和表面的法线向量与光源2b所成的角相等，因此辉度值Ia(x、y)＝辉度值Ib(x、y)，即辉度值I_diff(x、y)＝0。

然而，在凹凸性的表面缺陷部分中，由于表面具有凹凸形状，所以必定存在表面的法线向量与光源2a所成的角和表面的法线向量与光源2b所成的角不相等的部位，辉度值Ia(x、y)≠辉度值Ib(x、y)，即辉度值I_diff(x、y)≠0。因此，通过利用差分器11的差分处理来生成2个二维图像的差分图像I_diff，能够除去不是表面缺陷的健全的氧化皮纹理、无害纹理的图像。

接着，对根据差分图像I_diff来检测凹凸性的表面缺陷候补部的逻辑进行说明。图11(a)、(b)分别是示出检查对象部位的表面形状是凹形状及凸形状的情况下的从一方的光源向检查对象部位照射了照明光时的阴影的图。如图11(a)所示，在检查对象部位的表面形状是凹形状的情况下，光源的近前侧因每单位面积的照射光的光量下降而变暗，光源的里侧由于接近正反射方向所以变亮。相对于此，如图11(b)所示，在检查对象部位的表面形状是凸形状的情况下，光源的近前侧由于接近正反射方向所以变亮，光源的里侧成为凸形状的影子而变暗。

即，在检查对象部位的表面形状是凹形状的情况和是凸形状的情况下照明光的反射光的明暗图案不同。因此，通过识别反射光的明暗图案，能够检测凹凸性的表面缺陷候补部的有无。于是，以下，对通过识别反射光的明暗图案来检测凹凸性的表面缺陷候补部的方法进行叙述。需要说明的是，以下，设为检测凹凸性的表面缺陷候补部中的凹形状的表面缺陷候补部，但凸形状的表面缺陷候补部也能够通过同样的逻辑来检测。另外，以下叙述的明部意味着通过在差分图像I_diff中对辉度为规定阈值以上的像素进行连结处理而得到的具有规定值以上的面积的斑点。另外，以下叙述的暗部是指通过在差分图像I_diff中对辉度为规定阈值以下的像素进行连结处理而得到的具有规定值以上的面积的斑点。斑点意味着被标示的像素的集合。

需要说明的是，决定检测上述明部及暗部的规定阈值及面积的规定值考虑最终的检测性能而调整。换言之，将规定阈值及规定值设定得越大，则越是只能检测具有更强的信号的缺陷，但能够使以表面粗糙度、噪声为原因的过检出信号减少。即，从有害的缺陷的定义、使用用途及根据明暗图案进行缺陷判定的辨别性能来看，优选以满足设为目标的检测性能及容许的过检出程度的方式调整。

在本实施方式中，通过进行阈值处理来提取相邻的明部和暗部，从而识别明暗图案。具体而言，在图1所示的表面缺陷检测装置1中，由于光源2a、2b相对于检查对象部位的法线向量左右对称地配置，所以由表面的凹凸形状引起的反射光的明暗图案在左右方向上产生。明暗的左右根据差分处理的顺序而相反，因此，在此，将右为明且左为暗的情况设为凹形状，将右为暗且左为明的情况设为凸形状。因此，凹形状的表面缺陷的差分图像I_diff成为图12所示那样。于是，若将明部和暗部的图像分别通过辉度阈值The、-The而二值化，则明部及暗部的二值化图像I_bright、I_dark分别如以下所示的数学式(2)这样表示。

然后，在这样将明部及暗部的图像二值化且根据需要而进行了连结·孤立点除去后，通过算出相邻的明部及暗部的位置关系来检测凹凸性的表面缺陷的有无。需要说明的是，在相邻的明部及暗部的位置关系的算出方法中，存在各种各样的方法，以下，叙述代表性的3个算出方法，但即使是其他的算出方法，只要能够算出明部与暗部的位置关系即可。

第一位置关系算出方法是通过对相邻的明部及暗部实施特定方向的膨胀收缩处理来算出相邻的明部及暗部的位置关系的方法。将本算出方法的流程图在图13中示出。在本实施方式中，对为了检测凹形状的表面缺陷而识别右为明且左为暗的明暗的图案的情况进行说明。右为明且左为暗是指：在明部的左侧必定存在暗部，在暗部的右侧必定存在明部。于是，在本算出方法中，首先，图像处理装置5对暗部向右方向实施膨胀处理，对明部向左方向实施膨胀处理(步骤S331a、S331b)。在此，若将被实施了膨胀处理的明部及暗部的图像分别设为I_bright_extend、I_dark_extend，将膨胀的长度设为W，则膨胀处理如以下所示的数学式(3)那样表示。其中，将二维图像的左上设为原点，将下方向设为y轴方向正，将右方向设为x轴方向正。

I_bright_extend(x1，y)＝1 x-W≤x1≤x(I_bright(x，y)＝1时)

I_dark_extend(x1，y)＝1x≤x1≤x+W(I_dark(x，y)＝1时)

…(3)

需要说明的是，在本实施方式中，使明部和暗部膨胀了相同的长度W，但膨胀的长度W未必需要相同，极端地说，也可以仅对明部及暗部的一方实施膨胀处理。另外，膨胀的长度W也依存于想要检测的表面缺陷的大小。

接着，图像处理装置5如以下所示的数学式(4)那样对被实施了膨胀处理的明部及暗部的图像I_bright_extend、I_dark_extend进行and处理，从而提取被实施了膨胀处理的明部及暗部的图像I_bright_extend、I_dark_extend的重叠部分作为凹形状缺陷候补部图像I_defect(步骤S332a、S332b)。

I_defect＝I_bright_extend&I_dark_extend…(4)

接着，图像处理装置5对于得到的各凹形状缺陷候补部图像I_defect，在根据需要而进行连结·孤立点除去处理后，通过进行标示处理来生成凹形状缺陷候补斑点I_defect_blob(步骤S333)。然后，图像处理装置5提取各凹形状缺陷候补斑点I_defect_blob的特征量，基于提取结果来判别各凹形状缺陷候补斑点I_defect_blob是否是凹形状的表面缺陷(步骤S334a、S334b)。需要说明的是，为了调查凹形状缺陷候补斑点I_defect_blob的特征量，需要明部及暗部的信息，因此从凹形状缺陷候补斑点I_defect_blob复原明部和暗部。

具体而言，由于在凹形状缺陷候补部的右侧必定存在明部，在左侧必定存在暗部，所以图像处理装置5以凹形状缺陷候补斑点I_defect_blob的重心为起点而将暗部二值化图像I_dark向左侧探索，将最初发现的斑点设为暗部凹形状缺陷候补斑点I_dark_blob。同样，图像处理装置5以凹形状缺陷候补斑点I_defect_blob的重心为起点而将明部二值化图像I_bright向右侧探索，将最初发现的斑点设为明部凹形状缺陷候补斑点I_bright_blob。然后，图像处理装置5从这样复原出的明部凹形状缺陷候补斑点I_bright_blob及暗部凹形状缺陷候补斑点I_dark_blob提取特征量，基于提取出的特征量来判别各凹形状缺陷候补斑点I_defect_blob是否是凹形状的表面缺陷。具体的特征量因缺陷而不同，因此，在此不叙述而在后述的实施例中举出一例。

根据该明部凹形状缺陷候补斑点和暗部凹形状缺陷候补斑点的复原，能够算出在后述的两明部占有率的算出中使用的凹凸性的表面缺陷候补部。具体而言，将在算出明部及暗部的斑点并取得各自的二值化图像并且进行了OR处理的二值化图像中得到的区域或进一步实施膨胀收缩处理而将明部与暗部之间填埋的区域设为凹凸性的表面缺陷候补部。需要说明的是，在本实施方式中，为了使说明容易，以凹形状缺陷候补部进行了说明，但关于凸形状缺陷候补部，如图11(a)、(b)所示那样明暗图案逆转，因此，若使图13所示的处理中的明部及暗部的位置关系相反，则能够通过同样的处理而算出。

需要说明的是，如图14所示，上述膨胀收缩处理意味着得到“首先，对通过从原始图像(图14(a))生成的暗部二值化图像(图14(b))和明部二值化图像(图14(c))的AND处理而得到的图像(图14(d))以一定的形状实施膨胀处理(定义相对于对象斑点形成轮廓部的像素并以形状置换)后，之后以一定的形状实施收缩处理(以定义了相对于对象斑点形成轮廓部的像素的形状删除)”后的图像(图14(e))。关于膨胀收缩距离的参数，只要是比明部与暗部之间的距离大的斑点，则不管是什么形状都行，但优选在膨胀处理和收缩处理中设为同一形状。另外，即使针对每1像素多次实施膨胀收缩处理，也会得到同样的结果。

在第二位置关系算出方法中，进行上述的阈值处理，在根据需要而进行连结·孤立点除去处理后，提取明部及暗部而实施标示，识别相邻的明部及暗部的位置关系，由此检测凹形状的表面缺陷。具体而言，首先，图像处理装置5通过标示而独立地识别明部及暗部，得到明部及暗部的重心信息。接着，图像处理装置5根据明部及暗部的重心信息来判定在各明部的右侧的规定范围内是否存在暗部的重心。并且，在存在暗部的重心的情况下，图像处理装置5将成对的明部与暗部的组合作为明暗图案而识别，通过进行明暗图案的特征量解析来判别是否是凹形状的表面缺陷。需要说明的是，在此使用重心信息来识别明暗图案，但只要是能够掌握相邻的明部及暗部的位置的信息(例如上端位置、下端位置等)即可，在明暗图案的识别中使用的信息可以不是重心信息。需要说明的是，在本实施方式中，为了使说明容易，以凹形状缺陷候补部进行了说明，但关于凸形状缺陷候补部，如图11(a)、(b)所示那样明暗图案逆转，因此，若使图13所示的处理中的明部及暗部的位置关系相反，则能够通过同样的处理而算出。

在第三位置关系算出方法中，不进行上述的阈值处理，通过使用滤波器识别明暗图案来检测凹形状的表面缺陷。具体而言，在图1所示的表面缺陷检测装置1中，光源2a、2b相对于检查对象部位的法线左右对称地配置，因此由表面的凹凸引起的明暗图案在左右方向上产生。图15(a)、(b)分别是示出差分图像的一例及图15(a)所示的线段L上的明暗图案的一维轮廓的图。

如图15(a)、(b)所示，在凹形状的表面缺陷中，右为明，左为暗，因此明暗图案的一维轮廓成为右侧为山形且左侧为谷形的特征性的一维轮廓。于是，在本实施方式中，预先制作右侧成为山形且左侧成为谷形的滤波器H，如以下的数学式(5)所示那样对差分图像I_diff应用滤波器H，由此生成高频的噪声被减少且仅明暗图案被强调的二维图像I_cont。

I_cont＝H*I_diff…(5)

图16(a)、(b)分别是示出预先制作的滤波器H的二维图像及其左右方向的一维轮廓的一例的图。图17(a)、(b)分别是示出被实施了使用了图16(a)、(b)所示的滤波器H的滤波处理的差分图像及其左右方向的一维轮廓的图。如图17(a)、(b)所示，可知：得到高频的噪声被减少且仅明暗图案被强调的二维图像。需要说明的是，在本实施方式中，为了使说明容易，以凹形状缺陷候补部进行了说明，但关于凸形状缺陷候补部，如图11(a)、(b)所示那样明暗图案逆转，因此，若使滤波器的形状相反，则能够通过同样的处理来算出。

需要说明的是，也可以是，根据需要，准备多种在宽度方向上范围不同的滤波器，从而使得能够应对很多表面缺陷尺寸。图像处理装置5在对这样明暗图案被强调的二元图像根据需要而实施连结·孤立点除去处理后，通过进行阈值处理来提取缺陷候补部图像I_defect。然后，图像处理装置5通过对提取出的缺陷候补部图像I_defect实施与第一位置关系算出方法同样的处理来检测凹形状的表面缺陷。需要说明的是，关于在差分前的2张图像中视觉表现相同且在差分后不形成明暗图案的氧化皮纹理、无害纹理，能够通过从将差分前的图像二值化并标示而提取出的凹凸性的表面缺陷候补部排除在差分后形成明暗图案的表面缺陷候补部而提取。

[实施例]

在图18中示出实机试验中的使用第四实施方式的表面缺陷检测方法和表面缺陷装置1算出的两明部占有率的直方图的一例。图18的横轴将两明部占有率以百分比示出，纵轴将底钢部或凹凸性的表面缺陷的频度以百分比示出。图18中的黑菱形的符号表示对于通过目视而确认为“底钢部”的部位的100％，在各两明部占有率分别分布有多少。另外，图18中的白四角的符号表示对于通过目视而确认为“凹凸性的表面缺陷”的部位的100％，在各两明部占有率分别分布有多少。需要说明的是，在本实施例中，明部设为了具有健全部的1.5倍以上的辉度的部分。另外，凹凸性的表面缺陷候补部使用明暗图案检测和膨胀收缩处理而检测。

如图18所示，能够确认：凹凸性的表面缺陷和底钢部以两明部占有率的约30％为阈值而非常好地分离。在底钢部成为过检出的检查的情况下，相对于凹凸性的表面缺陷候补部，将两明部占有率例如为30％以上判定为底钢部。通过该方法，不会将凹凸性的表面缺陷全部排除，能够将95％以上的底钢部除去。需要说明的是，直接以两明部占有率为阈值来辨别的方法也是有效的，并且，即使将两明部占有率作为特征量之一而使用机器学习来辨别，也得到同样的结果。

[第五实施方式]

最后，参照图19，对作为本发明的第五实施方式的表面缺陷检测方法进行说明。

作为本发明的第五实施方式的表面缺陷检测方法包括照射步骤、拍摄步骤及检测步骤。在照射步骤中，光源2a、2b按照来自函数发生器3的触发信号，对钢管P的表面上的同一检查对象部位照射能够辨别的照明光L。在拍摄步骤中，区域传感器4a、4b按照来自函数发生器3的触发信号，拍摄由从光源2a、2b照射出的照明光L的反射光形成的二维图像。在检测步骤中，图像处理装置5使用从区域传感器4a、4b输入的2个二维图像来辨别氧化皮、无害纹理、凹凸性的表面缺陷及底钢部。

图19是示出作为本发明的第五实施方式的表面缺陷检测方法中的检测步骤的流程的流程图。如图19所示，在本实施方式的检测步骤中，首先，图像处理装置5对从区域传感器4a、4b输入的2个二维图像(原始图像a、原始图像b)分别使用预先导出的相机参数来实施校准、阴影修正及噪声除去等图像修正处理，从而生成修正图像a及修正图像b(步骤S41a、S41b)。接着，图像处理装置5通过在修正图像a与修正图像b之间进行差分处理来生成差分图像(步骤S42)。从生成的差分图像算出检查对象部位处的凹凸性的表面缺陷候补部(步骤S43)。接着，图像处理装置5从生成的差分图像算出检查对象部位处的凹凸性的表面缺陷候补部，并且输出与由差分处理除去的氧化皮纹理、无害纹理相关的信息。

接着，图像处理装置5对从区域传感器4a、4b输入的2个二维图像(原始图像a、原始图像b)分别使用在步骤S43的处理中算出的凹凸性的表面缺陷候补部来实施掩蔽算出处理。通过该处理，图像处理装置5生成切出了成为判定是否是底钢部的对象的区域的切出原始图像a、切出原始图像b(步骤S44a、S44b)。接着，图像处理装置5通过对切出原始图像a及切出原始图像b实施图像修正处理来生成切出修正图像a及切出修正图像b(步骤S45a、S45b)。

接着，图像处理装置5对切出修正图像a及切出修正图像b分别实施通过将辉度为阈值以上的像素的值设为1且将辉度小于阈值的像素的值设为0来检测明部的明部二值化处理。通过该处理，图像处理装置5生成切出明部二值化图像a及切出明部二值化图像b(步骤S46a、S46b)。接着，图像处理装置5对切出明部二值化图像a及切出明部二值化图像b实施AND处理。通过该处理，图像处理装置5在切出明部二值化图像a及切出明部二值化图像b的双方中提取值为1的像素，生成切出两明部图像(步骤S47)。接着，图像处理装置5算出在凹凸性的表面缺陷候补部整体中切出两明部图像所占的比例作为两明部占有率(步骤S48)。而且，图像处理装置5通过使用了算出的两明部占有率的阈值处理等来判定是底钢部还是凹凸性的表面缺陷。在此，在判定为不是底钢部的情况下，图像处理装置5判定为表面缺陷(步骤S49)。

需要说明的是，作为步骤S43的处理中的使用差分图像来检测检查对象部位处的凹凸性的表面缺陷候补部的方法，能够利用公知的方法。尤其是，专利文献1及专利文献2所记载的方法能够将氧化皮纹理、无害纹理通过差分处理而抵消，使用因凹凸性的表面缺陷而生成的独特的明暗图案，因此存在能够高精度地检测凹凸性的表面缺陷候补部这一优点，是适宜的。上述的步骤S33的处理能够设为步骤S43的处理的一例。

以上，虽然对应用了由本发明人完成的发明的实施方式进行了说明，但本发明不会被本实施方式的构成本发明的公开的一部分的记述及附图限定。例如，在本实施方式中，由于将光源2a、2b左右对称地设置，所以识别了左右的明暗图案，但即使光源2a、2b的设置位置不是左右而是上下对称或不对称，也能够通过同样的处理来检测凹凸性的表面缺陷。具体而言，在光源上下对称地配置的情况下，只是明暗图案从左右方向变为上下方向，因此，若使明暗图案旋转90度，则能够通过同样的处理来检测凹凸性的表面缺陷。

另外，在如图20所示那样以使照明光的照射方向相差90度的方式设置了光源2a、2b的情况下，若表面缺陷是凹形状，则光源的近前侧变暗且里侧变亮，若表面缺陷是凸形状，则光源的近前侧变亮且里侧变暗。具体而言，在表面缺陷是凹形状的情况下，通过来自光源2a的照明光而得到的二维图像成为图21(a)所示那样，通过来自光源2b的照明光而得到的二维图像成为图21(b)所示那样。因而，差分图像成为如图21(c)所示的从左下到右上存在对比度的明暗图案。因此，若使明暗图案旋转45度，则能够通过与左右方向的明暗图案同样的方法来检测凹形状的表面缺陷。而且，通过使用3个以上的光源，能够分别得到多个图案的差分图像，因此能够使表面缺陷的检测精度进一步提高。

另外，在本实施方式中，关于从相对于检查对象部位的法线对称的方向照射了照明光的情况，检测了凹凸性的表面缺陷，但照明光的照射方向未必需要对称。另外，本实施方式的表面缺陷检测方法能够不管热态、冷态而应用于钢材的制造线整体。另外，在为了产品的辨别而将反射率高的标记向产品表面涂布的情况下，也能够通过同样的手法而仅检测标记部。在很多情况下，标记呈独特的形状，因此能够使用一般的图像特征量来辨别。

另外，通过一边利用作为本发明的一实施方式的表面缺陷检测装置1或表面缺陷检测方法检测钢材的表面缺陷一边制造钢材，能够高精度地辨别底钢部和有害的表面缺陷而提高钢材的制造成品率。例如，冷态擦伤伤痕是在钢铁工艺中最具代表性的底钢部之一。表面缺陷(尤其是，凹凸性的表面缺陷)经常在热轧制中因将辊等突起物压入而产生，冷态擦伤伤痕经常在运送中因表面摩擦而产生。于是，若能够辨别并检测这些缺陷，则缺陷产生原因的确定变得容易。其结果，能够立即去除制造线上的原因，能够抑制进一步的产生。另外，也可以将作为本发明的一实施方式的表面缺陷检测装置1作为构成钢材的制造设备的检查装置来应用。具体而言，利用本发明的表面缺陷检测装置来检查由制造设备制造出的钢材，检测钢材的表面缺陷。在该情况下也是，通过上述的理由，能够高精度地辨别底钢部和有害的表面缺陷而提高钢材的制造成品率。

另外，能够利用作为本发明的一实施方式的表面缺陷检测装置1或表面缺陷检测方法，通过基于表面缺陷的有无将钢材分类而管理钢材的品质。换言之，能够高精度地辨别底钢部和有害的表面缺陷(尤其是，凹凸性的表面缺陷)而提高钢材的制造成品率。例如，冷态擦伤伤痕是在钢铁工艺中最具代表性的底钢部之一。而且，在凹凸性的表面缺陷有害且冷态擦伤伤痕无害的情况下，若误检知冷态擦伤伤痕，则将健全的钢材判定为有缺陷，有时会使制造成品率降低。这样，在凹凸性的表面缺陷和冷态擦伤伤痕严重度不同的情况下，若能够辨别并检测这些缺陷，则能够进行与钢材的检查需求对应的判定，能够防止钢材的制造成品率下降。这样，基于本实施方式而由本领域技术人员等完成的其他的实施方式、实施例及运用技术等全部包含于本发明的范畴。

产业上的可利用性

根据本发明，能够提供能够高精度地辨别底钢部和表面缺陷的表面缺陷检测方法、表面缺陷检测装置、表面缺陷判定模型的生成方法及表面缺陷判定模型。另外，根据本发明，能够提供能够高精度地辨别底钢部和表面缺陷而提高钢材的制造成品率的钢材的制造方法、钢材的品质管理方法及钢材的制造设备。

标号说明

1 表面缺陷检测装置

2a、2b 光源

3 函数发生器

4a、4b 区域传感器

5 图像处理装置

6 监视器

L 照明光

P 钢管