Methods for Region Based Paper Surface Roughness Measurement
Alhoniemi, Asko (2006)
Diplomityö
Alhoniemi, Asko
2006
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe20071022
https://urn.fi/URN:NBN:fi-fe20071022
Tiivistelmä
Paperin pinnan karheus on yksi paperin laatukriteereistä. Sitä mitataan fyysisestipaperin
pintaa mittaavien laitteiden ja optisten laitteiden avulla. Mittaukset vaativat laboratorioolosuhteita,
mutta nopeammille, suoraan linjalla tapahtuville mittauksilla olisi tarvetta
paperiteollisuudessa. Paperin pinnan karheus voidaan ilmaista yhtenä näytteelle kohdistuvana
karheusarvona. Tässä työssä näyte on jaettu merkitseviin alueisiin, ja jokaiselle
alueelle on laskettu erillinen karheusarvo.
Karheuden mittaukseen on käytetty useita menetelmiä. Yleisesti hyväksyttyä tilastollista
menetelmää on käytetty tässä työssä etäisyysmuunnoksen lisäksi. Paperin pinnan karheudenmittauksessa
on ollut tarvetta jakaa analysoitava näyte karheuden perusteella alueisiin.
Aluejaon avulla voidaan rajata näytteestä selvästi karheampana esiintyvät alueet. Etäisyysmuunnos
tuottaa alueita, joita on analysoitu. Näistä alueista on muodostettu yhtenäisiä
alueita erilaisilla segmentointimenetelmillä. PNN -menetelmään (Pairwise Nearest
Neighbor) ja naapurialueiden yhdistämiseen perustuvia algoritmeja on käytetty.Alueiden
jakamiseen ja yhdistämiseen perustuvaa lähestymistapaa on myös tarkasteltu.
Segmentoitujen kuvien validointi on yleensä tapahtunut ihmisen tarkastelemana. Tämän
työn lähestymistapa on verrata yleisesti hyväksyttyä tilastollista menetelmää segmentoinnin
tuloksiin. Korkea korrelaatio näiden tulosten välillä osoittaa onnistunutta segmentointia.
Eri kokeiden tuloksia on verrattu keskenään hypoteesin testauksella.
Työssä on analysoitu kahta näytesarjaa, joidenmittaukset on suoritettu OptiTopolla ja profilometrillä.
Etäisyysmuunnoksen aloitusparametrit, joita muutettiin kokeiden aikana, olivat
aloituspisteiden määrä ja sijainti. Samat parametrimuutokset tehtiin kaikille algoritmeille,
joita käytettiin alueiden yhdistämiseen. Etäisyysmuunnoksen jälkeen korrelaatio
oli voimakkaampaa profilometrillä mitatuille näytteille kuin OptiTopolla mitatuille näytteille.
Segmentoiduilla OptiTopo -näytteillä korrelaatio parantui voimakkaammin kuin
profilometrinäytteillä. PNN -menetelmän tuottamilla tuloksilla korrelaatio oli paras.
pintaa mittaavien laitteiden ja optisten laitteiden avulla. Mittaukset vaativat laboratorioolosuhteita,
mutta nopeammille, suoraan linjalla tapahtuville mittauksilla olisi tarvetta
paperiteollisuudessa. Paperin pinnan karheus voidaan ilmaista yhtenä näytteelle kohdistuvana
karheusarvona. Tässä työssä näyte on jaettu merkitseviin alueisiin, ja jokaiselle
alueelle on laskettu erillinen karheusarvo.
Karheuden mittaukseen on käytetty useita menetelmiä. Yleisesti hyväksyttyä tilastollista
menetelmää on käytetty tässä työssä etäisyysmuunnoksen lisäksi. Paperin pinnan karheudenmittauksessa
on ollut tarvetta jakaa analysoitava näyte karheuden perusteella alueisiin.
Aluejaon avulla voidaan rajata näytteestä selvästi karheampana esiintyvät alueet. Etäisyysmuunnos
tuottaa alueita, joita on analysoitu. Näistä alueista on muodostettu yhtenäisiä
alueita erilaisilla segmentointimenetelmillä. PNN -menetelmään (Pairwise Nearest
Neighbor) ja naapurialueiden yhdistämiseen perustuvia algoritmeja on käytetty.Alueiden
jakamiseen ja yhdistämiseen perustuvaa lähestymistapaa on myös tarkasteltu.
Segmentoitujen kuvien validointi on yleensä tapahtunut ihmisen tarkastelemana. Tämän
työn lähestymistapa on verrata yleisesti hyväksyttyä tilastollista menetelmää segmentoinnin
tuloksiin. Korkea korrelaatio näiden tulosten välillä osoittaa onnistunutta segmentointia.
Eri kokeiden tuloksia on verrattu keskenään hypoteesin testauksella.
Työssä on analysoitu kahta näytesarjaa, joidenmittaukset on suoritettu OptiTopolla ja profilometrillä.
Etäisyysmuunnoksen aloitusparametrit, joita muutettiin kokeiden aikana, olivat
aloituspisteiden määrä ja sijainti. Samat parametrimuutokset tehtiin kaikille algoritmeille,
joita käytettiin alueiden yhdistämiseen. Etäisyysmuunnoksen jälkeen korrelaatio
oli voimakkaampaa profilometrillä mitatuille näytteille kuin OptiTopolla mitatuille näytteille.
Segmentoiduilla OptiTopo -näytteillä korrelaatio parantui voimakkaammin kuin
profilometrinäytteillä. PNN -menetelmän tuottamilla tuloksilla korrelaatio oli paras.