JP2013519069A - センサ内均一性補正を使用した光学的ウェブベース欠陥検出 - Google Patents

Abstract

画像取り込み装置がウェブ材料から画像データを取り込む技法について記載する。画像データは、画像取り込み装置のウェブ横断視界に対するピクセル値を含む。解析用コンピュータは、画像取り込み装置のウェブ横断背景信号を一般的に望ましい値に正規化するための複数の異なる正規化アルゴリズムのパラメーターを格納する、コンピュータ読み取り可能な媒体を含む。コンピュータ読み取り可能な媒体は、複数の正規化アルゴリズムのそれぞれに対する重み付けを指定する係数を更に格納する。解析用コンピュータは、格納されたパラメーターを使用して少なくとも２つのピクセル正規化アルゴリズムの適用から得た結果の加重和として画像データの各ピクセルの正規化値を計算する。

Description

本発明は、自動検査システムに関し、より詳細には連続的に移動するウェブの光学的検査に関する。

移動ウェブ材料の解析に関する目視検査システムは、近代の製造作業に重要であることが判明している。金属製作、製紙、不織布、及びフィルムといった広範な産業では、製品保証及びオンラインプロセス監視の両面でこれらの自動検査システムに依存している。

連続移動ウェブで製造される製品の自動目視検査システムは、典型的に１つ以上の画像取り込み装置を使用し、製造中にウェブの画像を取り込む。解析用コンピュータは、画像処理アルゴリズムを適用し、ウェブ内の潜在的欠陥を表す異常を検出する。異常を含むウェブの領域は、所定の製品の欠陥分類レベルに達する場合は廃棄されることがあり、又は異常による影響を受けないであろう他の製品に加工されることがある。

ラインスキャン又は線状配列カメラは、移動材料の製造に一般的に使用される例示的な画像取り込み装置である。これらのカメラは、画像データを取り込むための単配列のピクセルセンサを有する。例えば、自動目視検査システムは、移動ウェブの幅全体に及ぶように配置された多数のラインスキャンカメラを使用することがある。各ラインスキャンカメラは、画像データの線分（例えば、２０４８×１ピクセル）を提供するフォトダイオードセンサの線状配列を含むことがある。多数のラインスキャンカメラの配列によりもたらされる収集画像データは、ウェブ横断方向でウェブ全体に及ぶ単一ラインの画像データを表す。別の例示的な画像取り込み装置には、マルチラインマトリックスカメラ、密着型センサ（ＣＩＳ）、及びラスタがウェブの規定部分全体を掃引して画像データを生成するラスタスキャンカメラが挙げられる。

多くの場合に、従来の目視検査システムは、個々の画像取り込み装置に関する装置内検出不均一性を欠点として有する。すなわち、１つ以上の画像取り込み装置の装置内不均一性は、異常が画像取り込み装置の異なる視界領域内に位置した結果、実質的に同じウェブの異常を異なって分類することがある。この装置内不均一性の潜在的要因には、装置の光学的配列の偏差（例えば、レンズ特性）、不均一な照明、材料自体の特性（例えば、偏光）、及び画像取り込み装置の視界全体での光と材料との相互作用の変動（例えば、角度の影響）が挙げられ得る。

一般に、本開示は、センサ内不均一性補正を有する移動材料用目視検査システムについて記載する。例えば、本開示は、目視検査システムの背景応答を正規化する既存の技法が、所定の画像取り込み装置の視界全体で均一なウェブ横断背景信号を達成できても、必ずしも画像取り込み装置の視界全体で均一なウェブ横断欠陥検出をもたらさないことがあるという認識に基づく、柔軟な装置内ピクセル正規化技法について記載する。換言すれば、本明細書に記載の技法は、場合によっては、ウェブ横断位置を基準とする欠陥検出に対する目視検査システムのシステム応答が、背景信号の正規化に対するシステム応答とは異なることがあるという認識に基づいている。すなわち、目視検査システムを較正して単一の画像取り込み装置でウェブ横断背景信号の均一性を達成するよう適用される数学的アルゴリズムは、必ずしもその同じ画像取り込み装置の視界全体で潜在的欠陥を均一に処理しないことがある。

この認識に対処するために、本明細書の技法は、原画像データを正規化する数学的画像処理が製造材料の欠陥応答と一致するように、ユーザー又は自動ソフトウェアが複数の異なるピクセル正規化アルゴリズム（例えば、ゲインベース又はオフセットベース補正）から取得される正規化構成要素を選択及び調整できる、柔軟な装置内画像補正技法を提供する。

一実施形態では、方法は、画像取り込み装置を使用してウェブ材料から画像データを取り込むステップであって、画像データが画像取り込み装置の視界にわたるウェブ材料のウェブ横断部分の画像を含む、ステップと、複数の正規化関数のうちの１番目を画像データに適用して画像の各ピクセルの第１正規化値を生成するステップと、複数の正規化関数のうちの２番目を画像データに適用して各ピクセルの第２正規化値を生成するステップと、を含む。方法は、各ピクセルの第１正規化値の部分及び第２正規化値の部分の合計として各ピクセルの最終正規化値を計算するステップと、最終正規化値を処理して、ウェブ材料中の潜在的欠陥を表す異常を含むウェブ材料上の領域を識別するステップと、を更に含む。

別の実施形態では、システムは、ウェブ材料から画像データを取り込むための画像取り込み装置を含む。画像データは、画像取り込み装置のウェブ横断視界に対するピクセル値を含む。システムは、画像取り込み装置のウェブ横断背景信号を一般的に望ましい値に正規化するための複数の異なる正規化アルゴリズムのパラメーターを格納する、コンピュータ読み取り可能な媒体を含む。コンピュータ読み取り可能な媒体は、複数の正規化アルゴリズムのそれぞれの係数を更に格納する。解析用コンピュータは、格納されたパラメーターを使用して少なくとも２つのピクセル正規化アルゴリズムの適用から得た結果の加重和として画像データの各ピクセルの正規化値を計算し、格納された係数は、異なる正規化アルゴリズムのそれぞれの結果に対する重み付けを定義する。

別の実施形態では、システムは、画像取り込み装置のウェブ横断背景信号を一般的に望ましい値に正規化するための複数の異なる正規化アルゴリズムのパラメーターを格納する、コンピュータ読み取り可能な媒体を含む。コンピュータ読み取り可能な媒体は、複数の正規化アルゴリズムのそれぞれの係数を更に格納する。解析用コンピュータは、画像取り込み装置のウェブ横断視界のピクセルに対する値を有する画像データを受信し、格納されたパラメーターを使用して少なくとも２つのピクセル正規化アルゴリズムの適用から得た結果の加重和として画像データの各ピクセルの正規化値を計算する。格納された係数は、画像取り込み装置の視界全体でウェブ中の欠陥の均一な処理をもたらす異なる正規化アルゴリズムのそれぞれの結果に対する重み付けを定義する。

別の実施形態では、コンピュータ読み取り可能な記憶媒体は、プログラマブルプロセッサに画像取り込み装置を使用してウェブ材料から画像データを受信させる命令を有するプログラムコードを含み、画像データは、画像取り込み装置の視界にわたるウェブ材料のウェブ横断部分の画像を含む。命令により、更にプロセッサは、複数の正規化関数のうちの１番目を画像データに適用して画像の各ピクセルの第１正規化値を生成し、複数の正規化関数のうちの２番目を画像データに適用して各ピクセルの第２正規化値を生成し、各ピクセルの第１正規化値の部分及び第２正規化値の部分の合計として各ピクセルの最終正規化値を計算する。命令により、更にプロセッサは、最終正規化値を処理し、ウェブ材料中の潜在的欠陥を表す異常を含むウェブ材料上の領域を識別する。

本願に記載する技法は、特定の利点をもたらし得る。例えば、本技法は、画像取り込み装置の視界内のウェブ異常の位置が異常の欠陥としての分類に影響を与えないように、検出均一性を得ることができる。換言すれば、本技法は、所定の特性（例えば、寸法、形状、及び密度）を有する欠陥の検出が画像取り込み装置の視界内の欠陥の位置による影響を受けないようにすることができる。更に、本技法は、補正方法及びその構成要素を調整して製造材料の特定の種類及び特性に対する欠陥応答と一致させる柔軟性を提供する。

ウェブ検査システムを使用するコンピュータ化された意思決定の例は、共にＳｔｅｖｅｎ Ｐ．Ｆｌｏｅｄｅｒらの米国特許第７，１２０，５１５号「ＭＥＴＨＯＤ ＦＯＲ ＣＯＮＴＲＯＬＬＩＮＧ ＩＮＶＥＮＴＯＲＹ ＯＦ ＷＥＢ ＢＡＳＥＤ ＡＲＴＩＣＬＥＳ」及び同第７，１８７，９９５号「ＭＡＸＩＭＩＺＡＴＩＯＮ ＯＦ ＹＩＥＬＤ ＦＯＲ ＷＥＢ−ＢＡＳＥＤ ＡＲＴＩＣＬＥＳ」に記載されており、それぞれの内容全体は参照により本明細書に引用される。

ウェブ材料を製造して製品に加工するグローバルネットワーク環境を示すブロック図。 ウェブ製造工場の代表的な実施形態を示すブロック図。 ウェブ製造工場の代表的な作業を示すフローチャート。 加工管理システムの例示的実施形態を示すブロック図。 加工管理システムによる異常情報の代表的な処理を示すフローチャート。 ウェブ検査システムの画像取り込み装置から得られる理論的画像データを示すプロットであり、画像データは異なる補正アルゴリズムを使用して正規化されている。 ウェブ検査システムの画像取り込み装置から得られる理論的画像データを示すプロットであり、画像データは異なる補正アルゴリズムを使用して正規化されている。 ウェブ検査システムの画像取り込み装置から得られる理論的画像データを示すプロットであり、画像データは異なる補正アルゴリズムを使用して正規化されている。 ウェブ検査システムの画像取り込み装置から得られる理論的画像データを示すプロットであり、画像データは異なる補正アルゴリズムを使用して正規化されている。 目視検査システムが受信した生ビデオデータの正規化に使用される多項式の係数を決定する例示的処理を示すフローチャート。 ウェブ材料の模擬原画像データから計算された例示的欠陥分布特性を示すグラフ。 ウェブ材料の模擬原画像データから計算された第２の例示的欠陥分布特性を示すグラフ。

図１は、その中で変換制御システム４がウェブ材料の変換を制御する、グローバルネットワーク環境２を示すブロック図である。より具体的には、ウェブ製造工場６Ａ〜６Ｎは、ウェブロール１０の形態でウェブ材料を製造及び発送する製造サイトを意味する。ウェブ製造工場６Ａ〜６Ｎは、地理的に分布されていてもよい。

製造されるウェブ材料は、一方向に固定寸法を有し、直交する方向に既定又は不定のいずれかの長さを有する、任意のシート様の材料を含むことができる。ウェブ材料の例には、金属、紙、織布、不織布、ガラス、ポリマーフィルム、フレキシブル回路又はこれらの組合せが含まれるが、これらに限られない。金属には、鋼鉄又はアルミニウムなどの材料を挙げることができる。織布には一般的に様々な織物が挙げられる。不織布には、紙、濾材又は絶縁材料などが挙げられる。フィルムには、例えば積層体及びコーティングされたフィルムを含む無色（clear）かつ不透明なポリマーフィルムが挙げられる。

多数の用途において、ウェブロール１０のウェブ材料は、一般に基底ウェブ材料の露出面に塗布される塗布コーティングを有していてもよい。コーティングの例には、接着剤、光学密度コーティング、低接着性裏面コーティング、金属化コーティング、光学活性コーティング、電気的に導電性若しくは非導電性コーティング、又はこれらの組み合わせが挙げられる。コーティングは、ウェブ材料の少なくとも一部に塗布されていてもよく、又は基底ウェブ材料の表面を完全に覆っていてもよい。更に、ウェブ材料はパターン形成されていてもよく、パターン形成されていなくてもよい。

ウェブロール１０は、異なる国内で地理的に分布され得る、加工サイト８Ａ〜８Ｎに発送される。加工サイト８Ａ〜８Ｎ（「加工サイト８」）は、各ウェブロール１０を１つ以上の製品に加工する。具体的には、加工サイト８のそれぞれは、所定のウェブロール１０のウェブを、製品１２Ａ〜１２Ｎと呼ばれる多数の個々のシート、個々の部分、又は多数のウェブロールに物理的に切断する、１つ以上のプロセスラインを含む。一例として、加工サイト８Ａは、フィルムのウェブロール１０を携帯電話のディスプレイ又はコンピュータのモニタ用の個々のシートに加工できる。同様に、ウェブ材料の他の形態は、顧客１４Ａ〜１４Ｎによって意図されたアプリケーションに基づいて、異なる形状及び寸法の製品１２に加工されてもよい。変換サイト８のそれぞれは、異なるタイプのウェブロール１０を受け取ることができ、並びにそれぞれの変換サイトは、変換サイトの場所及び顧客１４の特有の需要によって、異なる製品１２を製造することができる。

本明細書に詳細に記載するように、ウェブ製造工場６のそれぞれは、１つ以上の画像取り込み装置を使用して製造中にウェブの画像を取り込む１つ以上の自動目視検査システムを含む（図１には図示なし）。１つ以上の目視検査システムは、本明細書に記載の技法を適用して、画像取り込み装置の正規化した背景光度信号だけでなく、欠陥検出に対する実質的に正規化したシステム応答ももたらす、装置内画像補正を提供する。本技法は、異なる正規化アルゴリズム（例えば、ゲインベース補正及びオフセットベース補正）の構成要素を組み合わせる装置内ピクセル正規化アルゴリズムを使用して、個々の画像取り込み装置の不均一性に対応することができる。本技法により、ユーザー（例えば、プロセスエンジニア）は、原画像データを正規化する数学的画像処理が製造材料の欠陥応答と一致するように、比例した正規化値を確定し、複数の異なるピクセル正規化アルゴリズム（例えば、ゲインベース補正及びオフセットベース正規化）から取得される構成要素を調整することができる。

画像補正アルゴリズムの適用後、ウェブ製造工場６の検査システムは、典型的にはより簡単な第１アルゴリズムを使用してウェブの予備検査を実行し、異常の一部は欠陥と判明できるが多くは「偽陽性」、すなわち欠陥ではない異常であろうという見込みを容認しながら、製造異常を識別する。実際に、製品１２は、異なる等級レベル（品質レベルとも呼ばれる）を有し、製造異常について異なる許容度を有する。その結果、一部の異常領域は、対応するウェブロール１０を特定の製品１２に加工すれば最終的に欠陥として分類されるが、ウェブロールを異なる製品に加工すれば欠陥ではないと分類されることがある。

ウェブ製造工場６は、異常を含むウェブの領域に関する画像情報を後の処理のためにネットワーク９を介して加工管理システム４に通信する。加工管理システム４は、特定用途向け、すなわち製品１２専用とされ得る１つ以上の欠陥検出アルゴリズムを適用する。解析に基づいて、加工管理システム４は、自動式又は半自動式に、特定のウェブロール１０にウェブの最大収率（すなわち、利用）を達成させる製品１２はどれかを判定する。判定に基づいて、加工管理システム４は、各ウェブロール１０の加工計画（すなわち、ウェブロールを加工するために規定される命令）を生成し、ウェブを選択した製品に加工するのに用いる適切な加工サイト８にネットワーク９を介して加工計画を通信する。

特定の実施形態では、加工管理システム４は、個々の加工サイト８に対してこのような判定を行うことがある。換言すれば、加工管理システム４は、各加工サイト８向けのウェブロールを識別し、個々の加工サイトに対応付けられた製品１２に基づいて加工計画を生成することができる。例えば、加工管理システム４は、加工サイト８Ａ向けのウェブロールを識別し、加工サイト８Ａが製造する製品１２Ａに基づいてウェブロールの収率を最大化するように加工計画を生成することができる。

あるいは、加工管理システム４は、加工サイト８にウェブロール１０を発送する前にウェブロール１０の加工計画を生成してもよい。したがって、加工管理システム４は、ウェブロール１０の対応する加工計画を生成する際に、潜在的に使用可能なすべての製品１２を考慮することがある。このように、加工管理システム４は、例えば、各ウェブロール１０の収率を最大化するために、潜在的に使用可能なすべての製品１２を考慮してもよい。この設定では、加工管理システム４は、加工計画を生成し、各ウェブロール１０が発送されるべき特定の加工サイト８を識別する命令を出力する。

いくつかの実施形態では、加工管理システム４は、ウェブロール１０に対して対応する加工サイト８を選択する際に、他のパラメーターを考慮する。このようなパラメーターには、各加工サイト８での製品１２の現在の在庫量、顧客１４から受けた最近の注文、各加工サイト８に関する発送時間及び費用、使用可能な発送方法、及び他のパラメーターが挙げられるが、これらに限定されない。

このように、加工管理システム４は、ウェブ製造工場６から受信した異常情報に用途別の欠陥検出アルゴリズムを適用し、最終的に１つ以上のパラメーターに基づいてウェブロール１０の製品１２への加工を指示する。以下に示すように、これらの係数は、ユーザーが選択可能であってもよく、重み関数又は他の技法を使用して独立又は一括して適用されてもよい。

図２は、図１のウェブ製造工場６Ａの代表的な実施形態を示すブロック図である。代表的な実施形態では、連続移動ウェブ２０の一部は、２つの支持ローラー間に配置されてもよい。

一例では、画像取り込み装置２６Ａ〜２６Ｎは、移動ウェブ２０の幅全体に及ぶ画像データを提供するようにごく近接して配置され、ウェブ横断配列に並べられている。すなわち、画像取り込み装置２６は、ウェブのウェブ横断部分全体の画像データを一括して提供するように、ウェブ２０の隣接する（ことによると部分的に重なる）線分の画像データを収集する。収集コンピュータ２７は、画像取り込み装置２６から画像データを収集し、その画像データを初期解析のための解析用コンピュータ２８に送信する。例として、ウェブ２０は、図２では方向Ｄに移動し、ウェブ横断方向Ｃを有するように示されている。

画像取り込み装置２６は、移動ウェブ２０の連続的な部分を読み取ることができ、デジタルデータストリームの形態で出力を提供できる、従来の撮像装置であってもよい。図２に示されているように、撮像装置２６は、デジタルデータストリームを直接提供するカメラ又は追加のアナログ−デジタルコンバータを有するアナログカメラであってもよい。他のセンサ類、例えば、レーザースキャナなどが撮像取得デバイスとして利用されてもよい。ウェブの連続的な部分は、データが単一のラインの連続によって得られているということを示す。単一のラインは、センサ要素又はピクセルの一列に光学的にマップされる、連続移動ウェブの領域を含む。画像の取得に好適な装置の例として、パーキン・エルマー社（Perkin Elmer）（カリフォルニア州サニーヴェール（Sunnyvale,Calif.））の型式＃ＬＤ２１、ダルサ社（Dalsa）（カナダ、オンタリオ州、ウォータールー（Waterloo,Ontario,Canada））のピラニア（Piranha）モデル、又はトンプソン−ＣＳＦ社（Thompson-CSF）（ニュージャージー州トタワ（Totawa, N. J.））の型式＃ＴＨ７８Ｈ１５などのラインスキャンカメラが挙げられる。更なる例には、サーフェイス・インスペクション・システムズ社（Surface Inspection Systems GmbH）（ドイツ、ミュンヘン（Munich））からの、アナログ−デジタルコンバータと連結したレーザースキャナが挙げられる。

画像は所望により、画像の入手を支援する光学的組立体の利用を介して取得されてもよい。この組立体はカメラの一部であってもよく、又はカメラから分離されているいずれか一方でもよい。光学的組立体は、撮像プロセス中に反射光、透過光又は反射透過光（transflected light）を利用する。反射光は、例えば、表面のスクラッチなどウェブ表面の変形によって生じた欠陥の検出に、しばしば好適である。

バーコードコントローラ３０は、ウェブ２０からロール及び位置情報を入力するために使用可能なバーコードリーダー２９を制御する。バーコードコントローラ３０は、ロール及び位置情報を解析用コンピュータ２８に通信する。

解析用コンピュータ２８は、収集コンピュータ２７から得た画像ストリームを処理する。より具体的には、解析用コンピュータ２８は、異常情報の生成前に１つ以上の前処理アルゴリズムを画像ストリームに適用することができる。一例として、解析用コンピュータ２８は、本明細書に記載するような画像補正アルゴリズムを適用し、任意の画像取り込み装置２６が示し得る任意の装置内不均一性に対して補正を行う。以下に更に詳細に記載するように、解析用コンピュータ２８は、収集コンピュータ２７から受信した生ビデオデータを正規化する装置内ピクセル正規化アルゴリズムを適用する。更に、装置内ピクセル正規化アルゴリズムは、各ピクセルでの背景信号から得た検出差に対してピクセル値を目標光量に正規化し、更に欠陥検出に対するシステム応答と一致するように調整された係数を有する多項式を使用してピクセル値を正規化する。この方法では、装置内ピクセル正規化アルゴリズムは、所定の画像取り込み装置の視界全体にわたる背景信号及び欠陥応答の値に対してピクセルの正規化及び均一性を達成する。解析用コンピュータ２８は、異なる画像収集コンピュータ及び対応する画像取り込み装置２６から受信した各画像データストリームに個別に装置内ピクセル正規化アルゴリズムを適用することができる。各画像取り込み装置２６に対して、例えば、解析用コンピュータ２８は、特定の画像取り込み装置が示す特定の装置内不均一性の特徴と検査中の製品との組み合わせを考慮して、異なる正規化アルゴリズム（例えば、ゲインベース補正及びオフセットベース補正）の構成要素を組み合わせるよう調整された装置内ピクセル正規化アルゴリズムを適用することができる。解析用コンピュータ２８に関する例のために記載するが、収集コンピュータ２７は、ビデオデータを解析用コンピュータに通信する前に代わりに画像補正アルゴリズムを適用することができる。

画像データを前処理した後、解析用コンピュータ２８は、１つ以上の異常識別アルゴリズムを用いてデジタル情報を処理し、最終的に欠陥としてみなす恐れがある異常を含むウェブ２０のいずれかの領域を識別する異常情報を生成する。特定された各異常について、解析用コンピュータ２８は、その異常、そしておそらくはウェブ２０のうちのその異常の周辺部分を包含するピクセルデータを含んだ異常画像を、画像データから抽出する。

解析用コンピュータ２８は、データベース３２内にロール情報、位置情報、及び異常情報を格納する。データベース３２は、１つ以上のデータベースサーバーを実行するデータストレージファイル又は１つ以上のデータベース管理システム（ＤＢＭＳ）を含む、様々な形態の任意の数で実行されてもよい。データベース管理システムは、例えば、リレーショナル（ＲＤＢＭＳ）、階層的（ＨＤＢＭＳ）、多次元（ＭＤＢＭＳ）、オブジェクト指向（ＯＤＢＭＳ若しくはＯＯＤＢＭＳ）又はオブジェクトリレーショナル（ＯＲＤＢＭＳ）データベース管理システムであってもよい。一例として、データベース３２は、ＳＱＬサーバー（SQL Server）（商標）によってマイクロソフト社（Microsoft Corporation）から提供されているリレーショナルデータベースとして実行される。

解析用コンピュータ２８は、後のオフラインでの詳細な解析のために、ロール情報、並びに異常情報及び対応する副画像を加工管理システム４に通信する。例えば、この情報は、解析用コンピュータ２８と加工管理システム４との間のデータベース同期を経由して通信されてもよい。

図３は、ウェブ製造工場６Ａの代表的な作業を示すフローチャートである。初めに、画像取り込み装置２６及び収集コンピュータ２７が移動ウェブ２０から画像データを収集する（４０）。画像データは、デジタル式に（例えば、デジタルビデオカメラを介して）形成されてもよく、又はデジタル情報に変換されてもよい（４２）。いずれの場合でも、収集コンピュータ２７は、デジタル画像情報のストリームを解析用コンピュータ２８に出力する（４４）。

解析用コンピュータ２８は、各画像データストリームに装置内ピクセル正規化アルゴリズムを適用し、アルゴリズムのパラメーターは、異なるピクセル正規化技法（例えば、ゲインベース補正及びオフセットベース補正）を組み合わせた適用を制御するよう構成されている（４５）。

次に、解析用コンピュータ２８は、異常検出アルゴリズムを適用し、異常を含むウェブの領域を識別する（４６）。いくつかの簡便な実施形態では、最初の異常検出アルゴリズムは、移動ウェブ２０のライン速度が高速であっても汎用計算装置によるリアルタイムでの実行が可能なように、非常に高速である。その結果、異常を含むと識別された領域の一部は「偽陽性」を含むことがある。たとえ多くの偽陽性があり得ても、最初のアルゴリズムは、好ましくは「もれ」（すなわち、異常として検出されない本当の欠陥）がめったに生じないように設計される。

最初の異常検出アルゴリズムの適用後、解析用コンピュータ２８は、識別された領域に関する異常データを集め、異常データをデータベース３２内に格納する（４８）。データは、典型的にウェブ内の異常の開始位置及び各識別領域の包含ピクセル面積を含む。この処理中、解析用コンピュータ２８は、異常を含む各識別領域の画像データの一部を抽出する（５０）。具体的には、加工管理システム４による後のより高度な解析のために、元のデジタル画像情報の一部のみを抽出する必要がある。識別領域は、バイト単位のファイルサイズなどの任意の簡便な測定値でのサイズで示すとき、例えば、デジタル情報より少なくとも１桁少ない情報を典型的に含む。

抽出された異常画像は、データベース３２又はファイルサーバー（図示なし）に格納され（５２）、次に異常及びロール情報と共に加工管理システム４に通信され得る（５４）。あるいは、ロール情報、異常情報、及び異常画像は、加工管理システム４による処理のために直接転送されてもよい。

図４は、加工管理システム４の例示的実施形態を更に詳細に示すブロック図である。例示的実施形態では、アプリケーションサーバー５８は、ソフトウェアモジュール６１に操作環境を提供する。ソフトウェアモジュールは、複数の欠陥処理モジュール６０Ａ〜６０Ｍ、ユーザーインターフェースモジュール６２、及び加工管理エンジン６４を含む。

ソフトウェアモジュール６１は、データベース７０と対話し、異常データ７２Ａ、ロールデータ７２Ｂ、画像データ７２Ｃ、製品データ７２Ｄ、加工サイトデータ７２Ｅ、欠陥マップ７２Ｆ、複合欠陥マップ７２Ｇ、加工管理規則７２Ｈ、及び加工計画７２Ｉを含み得るデータ７２にアクセスする。

データベース７０は、１つ以上のデータベースサーバーを実行するデータストレージファイル又は１つ以上のデータベース管理システム（ＤＢＭＳ）を含む、様々な形態の任意の数で実行されてもよい。一例として、データベース３２は、ＳＱＬサーバー（SQL Server）（商標）によってマイクロソフト社（Microsoft Corporation）から提供されているリレーショナルデータベースとして実行される。

異常データ７２Ａ、ロールデータ７２Ｂ、及び画像データ７２Ｃは、ウェブ製造工場６（図１）から受信したロール情報、異常情報、及び対応の異常画像を表す。製品データ７２Ｄは、製品１２（図１）に関するデータを表す。より具体的には、製品データ７２Ｄは、各加工サイト８で製造可能な各製品１２の種類を定義する。各製品１２に対して、製品データ７２Ｄは、所定のウェブロール１０が特定の製品の品質要件を満たすかどうかの判定に必要な１つ以上の欠陥処理モジュール６０を指定する。換言すれば、製品データ７２Ｄは、各製品１２の異常データ７２Ａ及び画像データ７２Ｃの解析に用いられるべき１つ以上の欠陥処理モジュール６０を指定する。

加工サイトデータ７２Ｅは、加工サイト８に関するデータを表す。例えば、加工サイトデータ７２Ｅは、各加工サイト８のサイト所在地、プロセスライン数、及び各プロセスラインの現在使用可能な生産能力を格納することができる。加工サイトデータ７２Ｅは、他のデータを格納してもよく、これには各加工サイト８での各製品１２の現在の在庫量を指定するデータ、各加工サイトへのウェブロールの発送に伴う発送費用、各加工サイトで使用可能な発送オプション、各加工サイトが受信した顧客１４からの現在の注文情報、各加工サイトの新規又は優先顧客を指定するデータ、及び加工計画の選択に有用であり得る他のデータが挙げられるが、これらに限定されない。

以下に更に詳細に記載するように、欠陥処理モジュール６０は、異なる製品１２に対して実際の欠陥とみなされる異常を指定する、欠陥マップ７２Ｆを出力する。換言すれば、各欠陥マップ７２Ｆは、個別のウェブロール１０及び特定の製品１２に対応する。各欠陥マップ７２Ｆは、対応する製品１２の製品特有の要件に基づいて、個別のウェブロール１０の個別の欠陥位置を指定する。

加工管理エンジン６４は、加工管理規則７２Ｈに従って欠陥マップ７２Ｆを解析し、各ウェブロール１０に使用される最終加工を選択する。例えば、加工管理エンジン６４は、欠陥マップ７２Ｆを解析し、特定のウェブロール１０にウェブの最大収率（すなわち、利用）を達成させる製品１２はどれかを判定することができる。加工管理規則７２Ｈは、欠陥マップ７２Ｆの処理時に加工管理エンジン６４が考慮する１つ以上のパラメーター、例えば、ウェブ材料の使用量、異なる製品１２に対して各ウェブロール１０が生産するであろうユニット数、各潜在的製品１２に対してウェブロールが生産するであろう収益又は利益の見積もり額、異なる各製品に対してウェブの加工に要するであろう処理時間、加工サイト１０内の各プロセスラインの現在の機械能力、各製品１２の現在の需要量、及び他のパラメーターなどを指定する。

この処理中、加工管理エンジン６４は、複数の製品１２に加工すれば特定のウェブロール１０を最大限利用できる（例えば、最大収率を達成できる）と判断することがある。換言すれば、加工管理エンジン６４は、ウェブの第１部分は第１製品に加工すると最大限利用でき、第２部分は異なる製品に最大限利用できると判断することがある。この場合、加工管理エンジン６４は、ウェブの部分が加工される対応する製品に基づいて、ウェブの各部分内で欠陥位置を指定する「複合」欠陥マップ７２Ｇを生成する。加工管理エンジン６４は、２つ以上の欠陥マップ７２Ｆの部分を接合してウェブ全体の完全な複合欠陥マップを形成することにより、複合欠陥マップを作製することができる。

所定のウェブロール１０に特定の製品又は製品一式を選択すると、加工管理エンジン６４はそれぞれの加工計画７２Ｉを生成する。各加工計画７２Ｉは、対応のウェブロールを処理するための明確な命令を提供する。より具体的には、各加工計画７２Ｉは、ウェブを個々の製品シートに物理的に切り取るための処理レーンの配置を定義する。加工管理システム４は、各ウェブロール１０をそれぞれの仕向け先の加工サイト８へ発送するよう指示する発送命令を出力する。更に、加工管理システム４は、ウェブロールを選択した製品に加工するのに用いる適切な加工サイト８にネットワーク９を介して加工計画を通信する。

ユーザーインターフェースモジュール６２は、加工管理エンジン６４が使用するパラメーターをユーザーが設定できるインターフェースを提供する。例えば、ユーザーインターフェースモジュール６２により、ユーザーは、ウェブの最大利用、製造ユニット数、見積もり収益、見積もり利益、機械能力、現在の需要量、及び／又は他のパラメーターの１つ以上を考慮するよう加工管理エンジン６４に指示することができる。

図５は、加工管理システム４による異常情報の処理を更に詳細に示すフローチャートである。特に、図５は、欠陥処理モジュール６０による異常データ７２Ａ及び画像データ７２Ｃの処理を示す。

加工管理システム４は、ウェブ製造工場６に配置された解析用コンピュータ２８が簡単な最初の検出アルゴリズムを使用してウェブ２０から初期抽出した画像及び異常データ（例えば、画像１４４、１４６）を受信する。

図５に示すように、欠陥処理モジュール６０は、製品１２の最大Ｎ個の異なる要件８０に対して、必要に応じて「Ｍ」個の異なるアルゴリズム（図５ではＡ_１〜Ａ_ｍ８８で示される）を適用する。図５の相互参照表８２は、要件８０と欠陥処理モジュール６０とのマッピングを示すために使用される。具体的には、相互参照表８２は、所定の要件８０に対して各異常が欠陥か又は偽陽性かを判定するのに使用する欠陥処理モジュール６０を示す。

いくつかの実施形態では、より多くのどちらかといえばより簡単なアルゴリズムが同時に都合よく使用される。特に、少なくとも１つの後続の欠陥処理モジュール６０が、閾値とピクセルサイズとの複合基準に対して各異常を比較することを含むアルゴリズムを適用することは、多くの場合に好都合である。例えば、光学フィルムでの現実実務において、対象との輝度値の差がごく小さい異常は領域が大きければ許容されず、対象値との輝度の差が大きい異常は領域が非常に小さくても許容されない。

更に、欠陥処理モジュール６０が適用するアルゴリズムは、非常に複雑な画像処理及び欠陥抽出を組み込むことができ、これには近傍平均、近傍格付（neighborhood ranking）、コントラスト拡張、種々の単項又は二項画像処理、デジタルフィルタリング（例えば、ラプラシアン（Laplacian）フィルタ、ソベル（Sobel）演算子、ハイパスフィルタリング、及びローパスフィルタリング）、テクスチャ解析、フラクタル解析、周波数処理（例えば、フーリエ変換及びウェーブレット変換）、コンボリューション、形態素処理、閾値処理、連結成分解析、ブロブ処理、ブロブ分類、又はこれらの組み合わせが挙げられるが、これらに限定されない。欠陥検出の所望の精度値を達成するために、他のアルゴリズムを特定のウェブ及び欠陥の種類に基づいて適用してもよい。

Ｎ個の製品要件８８のそれぞれは、個々の欠陥処理要件８２の選択した組み合わせを使用して達成することができる。アルゴリズムは、非常に簡単な閾値及び最小限のブロブ処理を使用するか、又はより複雑なアルゴリズム、例えば、空間フィルタ、モルフォロジー演算、周波数フィルタ、ウェーブレット処理、若しくはいずれか他の既知の画像処理アルゴリズムを使用することができる。この例示の相互参照表８２では、製品要件Ｒ_１は、アルゴリズムＡ_２、Ａ_４、及びＡ_Ｍの組み合わせを使用し、それぞれがすべての異常画像に適用され、どの異常がＲ_１に対する実際の欠陥かを判定する。最も簡便な実施形態では、簡単なＯＲ論理を使用し、すなわち、Ａ_２、Ａ_４、及びＡ_Ｍのいずれかが異常を実際の欠陥と報告すれば、ウェブ２０のその部分は製品要件Ｒ_１に適合しない。特化用途では、製品要件８０に適合するかどうかの判定に後続の要件８２の報告が組み込まれる論理は、簡単なＯＲ論理より複雑なことがある。同様に、製品要件Ｒ_２は、Ａ_２、Ａ_３、及びＡ_４などを使用する。したがって、Ｒ_２で欠陥と特定される異常は、Ｒ_１での欠陥と同じでも又は著しく異なっていてもよい。

相互参照表８２の使用により実際の欠陥とみなされる異常を判定した後、加工管理エンジン６４は、ロールの種々の製品要件に対応する実際の欠陥位置の欠陥マップ７２Ｆを作成する。場合によっては、加工管理エンジン６４は、１つ以上の欠陥マップ７２Ｆの部分を接合することで１つ以上の複合欠陥マップ７２Ｇを生成することができる。この図示した実施例では、加工管理エンジン６４は、第１製品要件の欠陥マップ（ＭＡＰ−Ｒ１）から接合した第１部分９０と、第２製品要件の欠陥マップ（ＭＡＰ−Ｒ２）から得た第２部分９２とを有する、複合マップ７２Ｇを生成する。このように、加工管理エンジン６４は、ウェブの特定部分を異なる製品に加工すればウェブを最大限利用できると判断することがある。これを行うと、多くの場合に副画像情報を廃棄して必要な記憶媒体を最小化することができる。

欠陥処理モジュール６０が適用する異常検出アルゴリズムの画像処理及び後続のアプリケーションの更なる詳細は、２００３年４月２４日に出願された、代理人整理番号５８６９５ＵＳ００２を有する、本発明の譲受人に譲渡された同時係属米国特許出願第１０／６６９，１９７号「ＡＰＰＡＲＡＴＵＳ ＡＮＤ ＭＥＴＨＯＤ ＦＯＲ ＡＵＴＯＭＡＴＥＤ ＷＥＢ ＩＮＳＰＥＣＴＩＯＮ」に記載されており、その内容全体は参照により本明細書に引用される。

本明細書に記載の装置内ピクセル正規化技法は、目視検査システムの背景応答を正規化して所定の画像取り込み装置で均一な背景信号を達成する既存の技法が、必ずしも均一な欠陥検出をもたらさないことがあるという認識を利用している。換言すれば、本明細書に記載の技法は、場合によっては、欠陥検出に対する目視検査システムのシステム応答が、背景信号の正規化に対するシステム応答とは異なることがあるという認識に基づいている。すなわち、目視検査システムを較正して単一の画像取り込み装置でウェブ横断背景光度信号の均一性を達成するよう適用される数学的アルゴリズムは、必ずしもその同じ画像取り込み装置の視界全体で潜在的欠陥を均一に処理しないことがある。

この認識に対処するために、本明細書の技法は、原画像データを正規化する数学的画像処理が製造材料の欠陥応答と一致するように、ユーザー（例えば、プロセスエンジニア）又は自動ソフトウェアが複数の異なるピクセル正規化アルゴリズム（例えば、ゲインベース補正及びオフセットベース正規化）から取得される正規化構成要素を確定及び調整できる、柔軟な装置内画像補正技法を提供する。図６Ａ〜６Ｄは、これらの概念を示す簡単な例を提供する。

図６Ａは、単一の画像取り込み装置から得た背景信号出力の例示的な原画像データ１１０を示すプロットである。すなわち、この例では、原画像データ１１０は、画像取り込み装置による均一な較正用背景材料から得られたウェブ横断方向の単一ピクセルラインの背景信号出力を示す。この例では、単一ラインスキャンの中央のピクセルＰ１において、背景信号１１０は９０単位の値を有する（例えば、グレーレベル）。画像取り込み装置の中央に位置する所定の欠陥は、光度を更に２５単位上昇させ、１１５単位の読み取り値になることがある。しかしながら、場合によっては、寸法、形状、及び密度の点で全く同じ物理的特性を有する、視界の端に位置する欠陥（この例ではピクセルＰ２）は、光度を２７単位上昇させ、１５７単位の読み取り値をもたらすことがある。これは、例えば、２つの位置の照明角度の差、異なる照明角度に対する材料応答の変動、異なる位置にある光センサ若しくは画像取り込み装置の他の光学素子の光学特性の変動、又は環境条件（例えば、温度）の局所的な差によって生じることがある。

図６Ｂは、ゲインのみのピクセル正規化法を使用して背景信号を１００単位の均一な目標光量に正規化した場合の例示的な結果を示す。この例では、各ピクセル位置の倍率は、視界のウェブ横断位置に対して計算され、その位置での対応する読み取り値に適用される。一般に、特定のウェブ横断ピクセル位置の倍率は、以下のように計算され得る。

倍率＝目標正規化値／平均（すなわち、背景）ピクセル値
例えば、目標正規化値を１００とすると、ピクセル位置Ｐ１の倍率Ｓ_Ｐ１は、以下のように計算され得る。

Ｓ_Ｐ１＝１００／９０＝１．１１１
同様に、ピクセル位置Ｐ２の倍率Ｓ_Ｐ２は、以下のように計算され得る。

Ｓ_Ｐ２＝１００／１３０＝０．７６９
図６Ｂでは、正規化背景信号１２０は、上記のように計算した倍率を使用してゲインベース正規化を適用することにより達成され得る。図示したように、正規化背景信号１２０は、ウェブ横断方向で均一に平らであり、較正用背景材料でスキャンを行うと、各ピクセル位置は１００の正規化光量を生じる。しかしながら、ここで適用した技法は、背景光度信号の較正に対しては方法を適用して均一な装置内応答を達成できるが、ゲインのみの方法は欠陥検出に対して必ずしも均一なシステム応答を達成できないことが認められる。すなわち、ここでの技法は、欠陥検出に対するシステム応答が、背景変動に対するシステム応答とは異なることがあるという認識に基づいている。

例えば、図６Ｂに示すように、ピクセル位置Ｐ１及びＰ２の同じ欠陥の光度値１１５及び１５７に倍率Ｓ_Ｐ１及びＳ_Ｐ２を適用すると、それぞれ１２７．７単位及び１２０．７単位の正規化値が得られる。したがって、倍率の適用により正規化背景信号は均一になり得るが、異なるピクセル位置の同じ欠陥から得られる光度値は、それにもかかわらず異なる光度を生じることがある。この例では、視界の端付近のピクセル位置Ｐ２に位置するとき、正規化光度値は欠陥分類閾値Ｔ_Ｄの１２５光単位を下回ることがあり、材料中の異常を見落とすことになる。対照的に、視界の中央付近のピクセル位置Ｐ１に位置するとき、同じ欠陥が欠陥分類閾値Ｔ_Ｄを上回る１２７．７の正規化光度値を生じることがあり、材料中の異常を欠陥として処理することになる。この例は、倍率を使用して背景信号を較正及び正規化しても、検出装置の視界内の位置に対する欠陥の元の応答の変動は、欠陥の分類の変動として現れることを実証している。更に、この例では、ゲインのみの正規化法を適用することにより、視界の中央では欠陥として分類される異常が多く、視界の端では欠陥として分類される異常が少なくなり得る。本明細書では説明のために単位を１０進値として示しているが、一部のシステムではこのようなピクセル値を２進整数値として表すことがある。

図６Ｃは、オフセットのみの方法を使用して背景信号を１００単位の均一な光量に正規化した場合の例示的な結果を示す。この例では、各位置のオフセットは、視界のウェブ横断位置に対して計算され、その位置での対応する読み取り値に補正値として適用される。一般に、特定のウェブ横断ピクセル位置のオフセットは、以下のように計算され得る。

オフセット＝目標正規化値−未加工ピクセル値
例えば、目標正規化値を１００とすると、ピクセル位置Ｐ１のオフセットＯ_Ｐ１は、以下のように計算され得る。

Ｏ_Ｐ１＝１００−９０＝１０．０
同様に、ピクセル位置Ｐ２のオフセットＯ_Ｐ２は、以下のように計算され得る。

Ｏ_Ｐ２＝１００−１３０＝−３０．０
図６Ｃに示すように、正規化背景信号１３０は、上記で計算したオフセットを背景材料から得た未加工ビデオ１１０に加えることでオフセットベース正規化を適用することにより達成され得る。図示したように、正規化背景信号１３０は、ウェブ横断方向で均一に平らであり、較正用背景材料をスキャンすると、各ピクセル位置は１００単位の正規化光量を生じる。しかしながら、上述したように、ここで適用した技法は、ゲインのみの方法のように、背景の較正に対してはオフセットのみの方法を適用して均一な装置内応答を達成できるが、オフセットのみの方法は欠陥検出に対して必ずしも均一なシステム応答を達成できないことが認められる。

例えば、図６Ｃに示すように、ピクセル位置Ｐ１及びＰ２の同じ欠陥の光度値１１５及び１５７にオフセットＯ_Ｐ１及びＯ_Ｐ２を適用すると、それぞれ１２５．０単位及び１２７．０単位の正規化値が得られる。したがって、倍率の適用により正規化背景信号は均一になり得るが、異なるピクセル位置の同じ欠陥から得られる光度値は、それにもかかわらず異なる光度を生じることがある。この例では、視界の端付近のピクセル位置Ｐ２に位置するとき、正規化光度値は欠陥分類閾値Ｔ_Ｄの１２５光単位を上回り、材料中の異常を欠陥として処理することになる。対照的に、視界の中央付近のピクセル位置Ｐ１に位置するとき、対応するオフセットの適用により同じ欠陥が閾値を下回る１２５の正規化光度値を生じ、異常を見落とすことになる。この例は、各ウェブ横断位置のオフセットを使用して背景光量を較正及び正規化しても、検出装置の視界内の位置に対する欠陥の元の応答の変動は、欠陥の分類の変動として現れ得ることを実証している。更に、この例では、オフセットのみの正規化法を適用することにより、視界の端では欠陥として分類される異常が多く、視界の中央では欠陥として分類される異常が少なくなり得る。

図６Ｄは、背景材料から得た未加工ビデオ１１０を正規化するためにゲインベース補正の構成要素をオフセットベース補正と組み合わせる技法を適用することで達成された均一な背景信号１４０を示す。すなわち、この技法は、ゲインベース及びオフセットベース正規化の両方から構成要素を有する比例補正を適用し、選択された構成要素は適応的に計算される。すなわち、重み係数ｓ_１〜ｓ_ｎを使用して異なる正規化アルゴリズムの比率を表すことができ、係数は動的に適応できる、すなわち調整可能である。換言すれば、各ピクセルに対し、本明細書に記載の技法は、ピクセル毎の異なる正規化結果間の比例関係（例えば、ゲインベース正規化ピクセル値とオフセットベース正規化ピクセル値との比例関係）を選択するために使用される。

図６Ｄの例では、第１係数のｓ_１＝０．８が選択され、第２係数のｓ_２＝０．２が選択されており、ｓ_１はオフセットベース法から取得される正規化部分を表し、ｓ_２はゲインベース法から取得される正規化部分を表す。換言すれば、図６Ｄは、ゲインベース正規化アルゴリズムに対する２０％の重み付けと共にオフセットベース正規化アルゴリズムに対する８０％の重み付けを用いたときの正規化信号１４０を表す。図示したように、正規化背景信号１４０は、同様にウェブ横断方向で均一に平らであり、較正用背景材料をスキャンすると、各ピクセル位置は１００単位の正規化光量を生じる。例えば、係数を２０％及び８０％と仮定すると、目標正規化値が１００であるピクセルＰ１での未加工背景光量の読み取り値９０単位は、以下のように正規化されるであろう。

ｐ_ｉ＝０．２×Ｓ_Ｐ１×９０＋０．８×（９０＋Ｏ_Ｐ１）
ｐ_ｉ＝０．２×１．１１×９０＋０．８×（９０＋１０）
得られるピクセルＰ１での正規化ピクセル値は、以下のとおりである。

ｐ_ｉ＝１００
同様に、ピクセル位置Ｐ２での未加工背景光量の読み取り値１３０単位は、１００の値に正規化されるであろう。

ただし、欠陥の分類に関しては、ピクセル位置Ｐ１及びＰ２の同じ欠陥の光度値１１５及び１５７は、それぞれ１２５．６単位及び１２５．８単位の正規化値になる。したがって、オフセット／ゲイン補正の比率８０／２０を選択することにより、異なるピクセル位置の同じ欠陥から得られる光度値は、本明細書に記載の技法を使用すると実質的に同じ正規化光度を生じる。この例では、ピクセル位置Ｐ１及びＰ２の両方の正規化光度値は、欠陥分類閾値Ｔ_Ｄの１２５光単位を上回り、材料中の異常を欠陥として分類することになる。欠陥に対するシステム応答が所定の検出装置の視界内の位置によって異なることがあっても、この変動が本明細書に記載の較正及び正規化法を使用する理由であり得る。

一般に、本技法は、所定の画像取り込み装置の視界に対してウェブ横断方向で均一な欠陥検出を達成するように、異なる係数を有する異なる正規化法を重み付けする、ピクセル毎の多項式補正の適用と考えられることがある。より高次のピクセル補正用多項式は、一般に以下のように表され得る。

式中、Ｐ_ｉは補正ピクセル値を表し、ｐ_ｉは未加工ピクセル値を表し、Ａ、Ｂ〜Ｚは異なる画像補正用アルゴリズム（例えば、オフセットベース、ゲインベース、バックグラウンド除去法、ダークオフセット（dark offsets））を表し、ｓ_１〜ｓ_ｎは多項式の係数である。これらの係数ｓ_１〜ｓ_ｎは、異なるアルゴリズムから取得される正規化部分を表し、係数は動的に適応できる、すなわち調整可能である。換言すれば、本明細書に記載の技法は、ピクセル毎の異なる正規化結果間の比例関係（例えば、上記で示したように、ゲインベース正規化ピクセル値とオフセットベース正規化ピクセル値との比例関係）を選択するために使用される。全ピクセルに対して同じ比例関係を使用してもよく、又は各ピクセルに対して決定してもよい。

この柔軟な方法は、多くの異なる産業用途で有用なことがある。場合によっては、例えば、製造及び検査される材料は、光を均一に通過させる均質構造を有する傾向があり得る（例えば、グレーフィルム）。このようなフィルムでは、フィルム検査時にフィルムに適用する光度を上げると、目視検査システムが受け取る光度も同様に上昇する。このような場合、ゲインベース正規化により多く重み付けした技法が好ましいことがある。この場合、ｓ_１はゼロに近づくことがある。別の場合では、オフセットベース正規化により多く重み付けした技法が好ましいことがあり、すなわちｓ_２がゼロに近づくことがある。このような技法は、例えば、欠陥が存在しなければ標準的なフィルムの応答ではセンサに届く光が少ないか又は光が届かない、いわゆる暗視野用途で有用なことがある。更に別の場合では、ｓ_１もｓ_２もゼロに設定されない、比例正規化法が提供される。更に、場合によっては、本技法を使用して、より高次の多項式を用いる補正を適用してもよい。これは、例えば、材料がウェブ横断方向で材料の光学的性質が変化する活性光学フィルム（例えば、光導体）であり得るときに有用なことがある。

比例画像補正を適用する別の方法は、任意の所定の正規化アルゴリズムの比例関係が多項式中のより低次の任意の正規化アルゴリズムで先に決定された比例関係に少なくとも部分的に基づく、比例関係に対する反復法を採用することである。例えば、これは、必要なオフセット量（例えば）を最初に計算し、その量の一部のみを使用して、必要な補正の残りはより高次に割り当てられたゲイン又は更なる正規化技法によって得ることにより実行され得る。この方法では、単一の比例定数が存在し、より高次の係数はこのスカラー量に依存する。以下の式は、この１次多項式の実行を要約している。

式中、ｐ_ｉは未加工ピクセル値であり、ｓは（ピクセル毎の又は全ピクセルに一定の）比例定数であり、Ｔは目標正規化値であり、

は平均背景ピクセル値であり、Ｏ_ｉは平均ピクセルオフセットであり、Ｇ_ｉはピクセルゲインである。この方法は、図６Ｄでｓ＝０．８０のときに示した同じ結果を生じる。これは、８０％オフセット及び２０％ゲインの採用とみなされ得る。検査構成及び材料が異なると、２つの実行の間で同じ比例関係（例えば、８０／２０）が必ずしも得られないことがある。

図７は、目視検査システムが受信した生ビデオデータの正規化に使用される多項式の係数を決定する例示的処理を示すフローチャートである。一例示的実施形態では、較正用材料を最初に製品製造ラインの目視検査システムの画像取り込み装置で処理し、生ビデオデータを生成する（１５０）。較正用材料は、例えば、製品製造ラインで製造予定の種類の材料であってもよく、較正用材料は既知の欠陥分布特性を有していてもよい。例えば、較正用材料の全長にわたって考慮するとき、ウェブ横断方向での欠陥の分布は、特定のウェブ横断位置が他のウェブ横断位置に比べて統計上有意に欠陥が多い又は少ないことがないように、実質的に均一であり得る。別の例では、材料の製造中に材料から生ビデオデータをリアルタイムで取り込むことができ、製造ウェブ材料の所定の長さ（例えば、５０メートルのウェブ材料）の検査後に、平均ウェブ横断欠陥分布特性を繰り返し計算し、リアルタイムで適応的に調整することができる。この例では、製造ウェブ材料の実際のウェブ横断欠陥分布は、均一であるか、さもなければ既知の特性に一致すべきであると仮定されることがある。

別の場合では、プロセスエンジニア又は自動ソフトウェアが、装置内ピクセル正規化式に使用される最初の係数一式を選択する（１５４）。すなわち、最初の比例関係は、使用可能な画像正規化アルゴリズムのそれぞれに対して選択される。最初の係数一式は、プロセスエンジニアが先に設定したデフォルトの係数から選択されてもよく、製造予定の材料の種類に基づいて選択されてもよい。一例として、グレーフィルムでは、デフォルト係数の１００％ゲイン及び０％オフセットを最初に設定することができる。暗視野用途では、デフォルト係数の０％ゲイン及び１００％オフセットを使用することができる。別の例として、１次多項式のデフォルト係数は、８０％オフセット及び２０％ゲインの比例関係で他の種類のピクセル毎の正規化に設定されてもよい。

最初の係数一式を選択した後、現在選択している係数一式を使用して原画像データを正規化し、画像データのダウンウェブ長さ（down-web length）にわたって各スキャンラインの各ウェブ横断ピクセル位置での正規化値を計算する（１５６）。次に、正規化した画像データを１つ以上の手段を使用して解析し、検出した異常を異なる手法の欠陥又は対応する欠陥一式に分類する（１５８）。

その後、得られた欠陥データを解析し、現在選択しているカメラの視界に対するウェブ横断方向での欠陥分布特性を確立する（１６０）。すなわち、画像データのダウンウェブ長さにわたって各ウェブ横断位置に対する欠陥の合計数を決定し、較正用材料又は現在製造中の材料の部分に対するウェブ横断欠陥分布特性を形成する。

次に、欠陥分布特性は、プロセスエンジニア又は自動ソフトウェアのいずれかにより考察され、欠陥分布特性が許容可能に平らであるかどうかが判定される。一例として、欠陥分布特性を解析し、最大欠陥数を有するウェブ横断カメラ内位置と最小欠陥数を有する位置との範囲を決定してもよい。許容量（例えば、最大及び最小欠陥数を有する位置間の差が１％）を使用して、現在の係数が許容可能な欠陥分布特性をもたらしたかどうかを判定することができる。各カメラ内ピクセル位置での欠陥数の標準偏差など、他の技法を使用して現在の欠陥分布特性が平らかどうかを判定してもよい。

欠陥分布特性が許容可能でない場合、プロセスエンジニア又は自動ソフトウェアは、装置内ピクセル正規化式に異なる重み係数一式を選択する（１５４）。一例として、現在の係数が１００％ゲインベース正規化及び０％オフセットベース正規化を指定していると仮定すると、規定された増分により係数を調整して、例えば、９５％ゲイン及び５％オフセットを指定することができる。次に、新しい係数を使用して原画像データを正規化し、欠陥分布特性を作成及び解析して、欠陥分布が許容可能かどうかを判定する（１５６〜１６２）。許容可能な欠陥分布特性を達成するまでこの過程を続行し、繰り返し適用してより高次の多項式の係数の組み合わせを順に行ってもよい。

許容可能な欠陥分布特性を達成したら（１６２の「はい」）、目視検査システムの各画像取り込み装置に対してこの過程を繰り返す（１６４）。この方法では、装置内ピクセル正規化式は、各画像取り込み装置に対して策定される。策定後、装置内ピクセル正規化式を適用して対応する画像取り込み装置から得た原画像データを正規化し、正規化された画像データを処理してウェブ材料を１つ以上の製品に加工する際に欠陥を有するウェブ材料の部分を識別する。

図８は、ウェブ材料の模擬原画像データから計算された欠陥分布特性を示すグラフである。図８に示すように、背景材料を使用するとき、画像取り込み装置は平均背景信号２００を生成した。これは、材料部分の長さにわたるピクセル毎の背景値の平均、又は単一のウェブ横断ピクセルラインにわたる背景信号を表すことがある。いずれの場合でも、図示するように、背景信号２００は、画像取り込み装置が視界の端でより感度が高いことを示す。更に、図８は、画像データの未補正のウェブ横断欠陥分布特性２０２を示す。この例では、未補正の欠陥分布特性２０２は、光度に対して示されており、欠陥が画像取り込み装置の各ウェブ横断ピクセル位置に存在するときのシステム応答を示す。別の例では、欠陥分布特性２０２は、材料の規定のダウンウェブ長さにわたって各ピクセル位置で検出された欠陥数の合計として計算され得る。

図８の残りのプロットは、装置内ピクセル正規化式に使用される係数をプロセスエンジニア又は自動ソフトウェアが選択する、上記の過程を更に説明するのに役立つ。この例では、プロット２０３は、生ピクセルデータの正規化に１００％オフセットベース補正及び０％ゲイン補正の係数を適用するときの欠陥検出に対するシステム応答を示す。残りのプロット２０４〜２２０は、１００％オフセットベース正規化から１００％ゲインベース正規化までの係数の組み合わせを、各繰り返しで１０％ずつ減らしながら、繰り返して順に行うよう本明細書に記載の技法を適用したときのシステム応答を示す。各繰り返しにおいて、オフセットベースの構成要素の比率を調整し、補正の残りの部分はゲインベースの係数を使用して実行し、オフセット／ゲインの重み付けの組み合わせを１００％オフセット／０％ゲインから０％オフセット／１００％ゲインまで生成する。

図８に示すように、１００％オフセットベースでも１００％ゲインベースでもない方法が実質的に平らな正規化をもたらした。すなわち、１００％オフセットベース正規化は、端において欠陥を増加させる欠陥分布特性２０２を生成したのに対し、１００％ゲイン法は、視界の中央で欠陥を増加させる欠陥分布特性２００を生じた。この例では、計算した係数の組み合わせのうち、オフセットベース正規化対ゲインベース正規化の比率５０／５０が、最も平らな又は最も均一なウェブ横断カメラ内特性を有する分布特性２１４を生成した。したがって、この例では、以下の装置内ピクセル正規化式：
ｐ_ｉ＝０．５×Ｓ_Ｐ１×９０＋０．５×（９０＋Ｏ_Ｐ１）
が選択され、各ピクセル位置での未加工画像値を正規化するよう使用されるであろう。式中、Ｓ_Ｐ１及びＯ_Ｐ１は、そのピクセルでの未加工背景光度値を目標光度値に個別に正規化する、ゲインベースの倍率及びオフセット値をそれぞれ表す。選択した係数を装置内ピクセル正規化アルゴリズムに使用すると、図８の模擬データは、画像取り込み装置の視界全体でウェブ横断方向での背景信号及び欠陥検出の両方に対するシステム応答の正規化を達成することができる。

図９は、ウェブ材料の模擬原画像データから計算された欠陥分布特性を示すグラフである。この例では、背景信号３００及び未補正ピクセル値３０２は図８と同じである。図９の残りのプロットは、装置内ピクセル正規化式に使用されるオフセット比例定数をプロセスエンジニア又は自動ソフトウェアが選択する、上記の過程を更に説明するのに役立つ。この例では、プロット３０３は、生ピクセルデータの正規化に１００％オフセットベース補正（ｓ＝１．０）及び０％ゲイン補正の係数を適用するときの欠陥検出に対するシステム応答を示す。残りのプロットは、１００％オフセットベース正規化（プロット３０３）から１００％ゲインベース正規化（プロット３２０）までの係数の組み合わせを、各繰り返しで１０％ずつ減らしながら、繰り返して順に行うよう本明細書に記載の技法を適用したときのシステム応答を示す。各繰り返しにおいて、オフセットベースの構成要素の比率を調整し、補正の残りの部分はゲインベースの係数を使用して実行し、オフセット／ゲインの重み付けの組み合わせを１００％オフセット／０％ゲインから０％オフセット／１００％ゲインまで生成する。

図９に示すように、１００％オフセットベースでも１００％ゲインベースでもない方法が実質的に平らな正規化をもたらした。すなわち、１００％オフセットベース正規化は、端において欠陥を増加させる欠陥分布特性３０２を生成したのに対し、１００％ゲインの方法は、視界の中央で欠陥を増加させる欠陥分布特性３２０を生じた。この例では、計算した係数の組み合わせのうち、（図８の作成に用いた５０／５０の正規化の実行に対して）オフセットベース正規化対ゲインベース正規化の比率６０／４０が、最も平らな又は最も均一なウェブ横断カメラ内特性を有する分布特性３２２を生成した。したがって、この例では、以下の装置内ピクセル正規化式：

が選択され、各ピクセル位置での未加工画像値を正規化するよう使用されるであろう。式中、Ｇ_ｉ及びＯ_ｉは、そのピクセルでの未加工背景光度値を目標光度値に正規化する、ゲインベースの倍率及びオフセット値をそれぞれ表す。選択した係数を装置内ピクセル正規化アルゴリズムに使用すると、図９の模擬データは、画像取り込み装置の視界全体でウェブ横断方向での背景信号及び欠陥検出の両方に対するシステム応答の正規化を達成することができる。

本発明の様々な実施形態について説明してきた。これら及び他の実施形態は、以下の特許請求の範囲の範囲内である。

Claims (22)

1. 画像取り込み装置を使用して製造材料から画像データを取り込むステップと、
   前記画像データに複数の正規化関数のうちの１番目を適用し、前記画像の各ピクセルの第１正規化値を生成するステップと、
   前記画像データに複数の正規化関数のうちの２番目を適用し、前記ピクセルのそれぞれの第２正規化値を生成するステップと、
   前記ピクセルのそれぞれの前記第１正規化値の部分及び前記第２正規化値の部分の合計として各ピクセルの最終正規化値を計算するステップと、
   前記最終正規化値を処理し、前記製造材料中の潜在的欠陥を表す異常を含む前記製造材料上の領域を識別するステップと、
   前記異常を解析し、前記製造材料の欠陥分布特性を決定するステップと、
   前記欠陥分布特性が実質的に均一になるように、前記ピクセルのそれぞれの前記最終正規化値の計算時に使用した前記第１正規化値の部分及び前記第２正規化値の部分を調整するステップと、
   を含む方法。
2. 前記画像取り込み装置で背景材料を撮像し、背景画像データを提供するステップと、
   前記異なる正規化関数のそれぞれが複数の各ピクセルの前記背景画像データを一般的に望ましい背景値に正規化するように、前記複数の異なる正規化関数を選択するステップと、
   を更に含む、請求項１に記載の方法。
3. 前記複数の正規化関数のうちの１番目の部分及び前記複数の正規化関数のうちの２番目の部分を決定する重み付けを選択するステップを更に含む、請求項２に記載の方法。
4. 前記第１正規化値の部分及び前記第２正規化値の部分を調整するステップが、前記製造材料の製造時にリアルタイムで前記部分を調整するステップを含む、請求項１に記載の方法。
5. 各ピクセルの最終正規化値を計算するステップが、より高次の多項式を適用するステップを含み、その中で、複数の異なる正規化法が、ピクセル毎に適用され、前記画像取り込み装置の視界に対して実質的に均一な欠陥検出を達成する係数を使用して合計される、請求項１に記載の方法。
6. 前記正規化アルゴリズムのうちの１番目がオフセットベース正規化アルゴリズムであり、前記正規化アルゴリズムのうちの２番目がゲインベース正規化アルゴリズムである、請求項１に記載の方法。
7. 前記製造材料がウェブ材料を含み、前記画像データが前記画像取り込み装置の視界にわたる前記ウェブ材料のウェブ横断部分の画像を含む、請求項１に記載の方法。
8. 前記第１正規化値の部分及び前記第２正規化値の部分を調整するステップが、前記第１正規化値の部分を決定するステップ、及び先に決定した前記第１正規化値の部分に基づいて前記第２正規化値の部分を決定するステップを含む、請求項１に記載の方法。
9. 製造材料から画像データを取り込むための画像取り込み装置であって、前記画像データが前記画像取り込み装置の視界に対するピクセル値を含む、画像取り込み装置と、
   前記画像取り込み装置の背景信号を一般的に望ましい値に正規化するための複数の異なる正規化アルゴリズムのパラメーターを格納するコンピュータ読み取り可能な媒体であって、前記コンピュータ読み取り可能な媒体が前記複数の正規化アルゴリズムのそれぞれの係数を更に格納する、コンピュータ読み取り可能な媒体と、
   前記格納されたパラメーターを使用して少なくとも２つの前記ピクセル正規化アルゴリズムの適用から得た結果の加重和として前記画像データの各ピクセルの正規化値を計算する、解析用コンピュータであって、前記格納された係数が前記異なる正規化アルゴリズムのそれぞれの結果に対する重み付けを定義する、解析用コンピュータと、
   を含む、システム。
10. 前記解析用コンピュータが、前記ピクセルのそれぞれの前記正規化値を処理し、前記製造材料中の潜在的欠陥を表す異常を含む前記製造材料上の領域を識別する、請求項９に記載のシステム。
11. 前記解析用コンピュータが、前記画像データに複数の正規化関数のうちの１番目を適用して前記画像の各ピクセルの第１正規化値を生成し、前記画像データに複数の正規化関数のうちの２番目を適用して前記ピクセルのそれぞれの第２正規化値を生成し、前記ピクセルのそれぞれの前記第１正規化値の部分及び前記第２正規化値の部分の組み合わせとして各ピクセルの前記正規化値を計算することにより、各ピクセルの前記正規化値を計算する、請求項９に記載のシステム。
12. 前記正規化アルゴリズムのうちの１番目がオフセットベース正規化アルゴリズムであり、前記正規化アルゴリズムのうちの２番目がゲインベース正規化アルゴリズムである、請求項１１に記載のシステム。
13. 前記画像データを使用した異常の検出が前記画像取り込み装置の視界全体で実質的に均一になるように、前記複数の異なる正規化関数の係数が前記異なる正規化関数のそれぞれに重み付けする、請求項９に記載のシステム。
14. 前記解析用コンピュータが、前記製造材料の製造時にリアルタイムで前記係数を調整する、請求項９に記載のシステム。
15. 前記解析用コンピュータが、より高次の多項式を適用することにより各ピクセルの前記正規化値を計算し、その中で、複数の異なる正規化法がピクセル毎に適用され、前記係数を重み付けとして使用して結果が合計される、請求項９に記載のシステム。
16. 前記製造材料がウェブ材料を含み、前記画像データが前記画像取り込み装置の視界にわたる前記ウェブ材料のウェブ横断部分の画像を含む、請求項９に記載のシステム。
17. 画像取り込み装置のウェブ横断背景信号を一般的に望ましい値に正規化するための複数の異なる正規化アルゴリズムのパラメーターを格納するコンピュータ読み取り可能な媒体であって、前記コンピュータ読み取り可能な媒体が前記複数の正規化アルゴリズムのそれぞれの係数を更に格納する、コンピュータ読み取り可能な媒体と、前記画像取り込み装置のウェブ横断視界のピクセル値を有する画像データを受信し、前記格納されたパラメーターを使用して少なくとも２つのピクセル正規化アルゴリズムの適用から得た結果の加重和として前記画像データの各ピクセルの正規化値を計算する、解析用コンピュータと、を含み、
    前記格納された係数が、前記画像取り込み装置の視界全体でウェブの欠陥の均一な処理をもたらす前記異なる正規化アルゴリズムのそれぞれの結果に対する重み付けを定義する、システム。
18. 命令を有するプログラムコードを含むコンピュータ読み取り可能な記憶媒体であって、
    前記命令によりプログラマブルプロセッサが、画像取り込み装置を使用してウェブ材料から画像データを受信し、前記画像データが前記画像取り込み装置の視界にわたる前記ウェブ材料のウェブ横断部分の画像を含み、
    前記画像データに複数の正規化関数のうちの１番目を適用して前記画像の各ピクセルの第１正規化値を生成し、
    前記画像データに複数の正規化関数のうちの２番目を適用して前記ピクセルのそれぞれの第１正規化値を生成し、
    前記ピクセルのそれぞれの前記第１正規化値の部分及び前記第２正規化値の部分の合計として各ピクセルの最終正規化値を計算し、
    前記最終正規化値を処理して、前記ウェブ材料中の潜在的欠陥を表す異常を含む前記ウェブ材料上の領域を識別する、
    コンピュータ読み取り可能な記憶媒体。
19. 前記命令により前記プロセッサが、より高次の多項式を適用することにより各ピクセルの前記最終正規化値を計算し、その中で、複数の異なる正規化法が、ピクセル毎に適用され、前記画像取り込み装置の視界のウェブ横断方向で実質的に均一な欠陥検出を達成する係数を使用して合計される、請求項１８に記載のコンピュータ読み取り可能な記憶媒体。
20. 前記正規化アルゴリズムのうちの１番目がオフセットベース正規化アルゴリズムであり、前記正規化アルゴリズムのうちの２番目がゲインベース正規化アルゴリズムである、請求項１８に記載のコンピュータ読み取り可能な記憶媒体。
21. 画像取り込み装置を使用してウェブ材料から画像データを取り込むステップであって、前記画像データが前記画像取り込み装置の視界にわたる前記ウェブ材料のウェブ横断部分の画像を含む、ステップと、
    前記画像データに複数の正規化関数のうちの１番目を適用し、前記画像の各ピクセルの第１正規化値を生成するステップと、
    前記画像データに複数の正規化関数のうちの２番目を適用し、前記ピクセルのそれぞれの第２正規化値を生成するステップと、
    前記ピクセルのそれぞれの前記第１正規化値の部分及び前記第２正規化値の部分の合計として各ピクセルの最終正規化値を計算するステップと、
    前記最終正規化値を処理して、前記ウェブ材料中の潜在的欠陥を表す異常を含む前記ウェブ材料上の領域を識別するステップと、
    を含む、方法。
22. 前記異常を解析し、前記画像取り込み装置の視界全体で欠陥分布特性を決定するステップと、前記欠陥分布特性が実質的に均一になるように、前記ピクセルのそれぞれの前記最終正規化値の計算時に使用した前記第１正規化値の部分及び前記第２正規化値の部分を調整するステップと、を更に含む、請求項２１に記載の方法。

Images