JP2015215183A - 欠陥分析装置及び欠陥分析方法 - Google Patents

Abstract

【課題】正確に周期性欠陥の周期を検出することが可能な欠陥分析装置及び欠陥分析方法を提供する。
【解決手段】
欠陥分析装置は、クラスタリング処理Ｓ１２において欠陥をクラスタリングし、各クラスタから特徴情報を抽出し（ステップＳ１３）、抽出された特徴情報に基づいてクラスタを分類する（ステップＳ１４）。その後、欠陥分析装置は、周期性欠陥群に分類されたクラスタに対して周期検出処理Ｓ２を実行し、周期性欠陥の周期を検出する（ステップＳ２）。
【選択図】図３

Description

本発明は、製造工程において長尺の製品に生じた欠陥を分析する欠陥分析装置及び欠陥分析方法に関する。

圧延鋼板等の金属板、紙、フィルム、金属薄版、金属箔等の長尺の製品の製造工程においては、製品の表面をカメラで撮像し、得られた画像を処理することで表面の欠陥（傷、汚れ、異物等）の検査が行われる。

長尺の製品の製造工程では、ローラによって製品が搬送される際に、ローラに付着した異物に起因して製品に周期的に分布する欠陥（以下、「周期性欠陥」という）が生じることがある。かかる周期性欠陥を特定することは、ローラを検査するために非常に有用である。

特許文献１には、検出された欠陥の中から周期性欠陥を抽出する周期性欠陥検査装置が記載されている。この周期性欠陥検査装置では、鋼板における欠陥の存在する位置が、概略同一の幅方向であり、且つ長手方向に概略等間隔で検出された欠陥の集団を、周期性欠陥群と判定する。

特開平２０１１−２４２３１８号公報

しかしながら、特許文献１に記載された周期性欠陥検査装置では、周期性欠陥に直線状の欠陥が交差していたり、広範囲に離散的に欠陥が多数生じていたりすると、正確に周期性欠陥を特定することが困難である。

本発明は斯かる事情に鑑みてなされたものであり、その主たる目的は、上記課題を解決することができる欠陥分析装置及び欠陥分析方法を提供することにある。

上述した課題を解決するために、本発明の一の態様の欠陥分析装置は、対象製品に分布する欠陥を分析する欠陥分析装置であって、対象製品における各欠陥の位置に基づいて、所定方向に周期的に分布する第１欠陥群と、前記第１欠陥群とは異なる第２欠陥群とを区別する欠陥群区別手段と、前記欠陥群区別手段によって前記第２欠陥群とは区別された前記第１欠陥群に含まれる欠陥の分布周期を検出する周期検出手段と、を備える。

この態様において、前記欠陥群区別手段は、対象製品における各欠陥の位置に基づいて、各欠陥を複数の欠陥群にクラスタリングするクラスタリング手段と、前記クラスタリング手段におけるクラスタリングにより得られた各欠陥群について、欠陥群の特徴情報を抽出する特徴情報抽出手段と、前記特徴情報抽出手段により抽出された特徴情報に基づいて、前記欠陥群を前記第１欠陥群と前記第２欠陥群とに分類する分類手段と、を具備してもよい。

また、上記態様において、前記特徴情報は、前記所定方向及び前記所定方向と直交する方向のそれぞれにおける欠陥群の長さを含んでもよい。

また、上記態様において、前記クラスタリング手段は、第１の位置条件により、欠陥をクラスタリングする第１クラスタリング手段と、前記第１の位置条件とは異なる第２の位置条件により、欠陥をクラスタリングする第２クラスタリング手段と、を有してもよい。

また、上記態様において、前記第１の位置条件は、複数の欠陥の距離が所定距離以内であることであり、前記第２の位置条件は、複数の欠陥が前記所定方向に長い領域に存在することであってもよい。

また、上記態様において、前記第２クラスタリング手段は、前記対象製品に存在する欠陥から前記第１クラスタリング手段によりクラスタリングされた欠陥を除外した残余の欠陥を、クラスタリングするように構成されていてもよい。

また、上記態様において、前記周期検出手段は、前記第１欠陥群において隣り合う欠陥の最短距離を前記分布周期として検出するように構成されていてもよい。

また、上記態様において、前記欠陥分析装置は、前記欠陥群区別手段によって前記第２欠陥群と区別された前記第１欠陥群において、複数の欠陥の距離が所定の設定距離以内である場合に、前記複数の欠陥を第３欠陥群としてクラスタリングする第３クラスタリング手段をさらに備え、前記周期検出手段は、前記第３クラスタリング手段によって得られた第３欠陥群を前記第１欠陥群に属する１つの欠陥として、前記分布周期を検出するように構成されていてもよい。

また、上記態様において、前記周期検出手段は、第３欠陥群の位置の代表値を前記１つの欠陥の位置として、前記分布周期を検出するように構成されていてもよい。

また、本発明の一の態様の欠陥分析方法は、対象製品に分布する欠陥を分析する欠陥分析方法であって、対象製品における各欠陥の位置に基づいて、所定方向に周期的に分布する第１欠陥群と、前記第１欠陥群とは異なる第２欠陥群とを区別するステップと、前記第２欠陥群とは区別された前記第１欠陥群に含まれる欠陥の分布周期を検出するステップと、を有する。

本発明に係る欠陥分析装置及び欠陥分析方法によれば、正確に周期性欠陥の周期を検出することが可能となる。

実施の形態に係る欠陥分析装置を含む欠陥分析システムの全体構成を示す模式図。 実施の形態に係る欠陥分析装置の構成を示すブロック図。 実施の形態に係る欠陥分析装置による欠陥分析処理の手順を示すフローチャート。 クラスタリング処理の手順を示すフローチャート。 第１位置条件及び第２位置条件を説明するための模式図。 周期検出処理の手順を示すフローチャート。 再クラスタリング処理の概要を説明する模式図。 図６のステップＳ２０６の処理の概要を説明する模式図。

以下、本発明の好ましい実施の形態を、図面を参照しながら説明する。

［欠陥分析装置の構成］
図１は、本実施の形態に係る欠陥分析装置を含む欠陥分析システムの全体構成を示す模式図である。欠陥分析システム１００は、ＣＣＤカメラ２００と、欠陥検出装置３００と、欠陥分析装置１とを備える。欠陥分析システム１００は、製造工程における圧延鋼板等の長尺の対象製品Ｓの欠陥を分析するためのものである。図において、対象製品ＳはＹ方向に搬送される。

ＣＣＤカメラ２００は、対象製品Ｓの搬送路の上方に配置されており、対象製品Ｓの表面（上面）を撮像する。

欠陥検出装置３００は、画像処理により対象製品Ｓの表面の欠陥を検出するためのものである。欠陥検出装置３００は、ＣＣＤカメラ２００に接続されており、ＣＣＤカメラ２００から出力された画像データを受信する。欠陥検出装置３００は、得られた画像に含まれる欠陥の像を検出し、欠陥の像の位置情報（Ｘ方向、即ち対象製品Ｓの幅方向、及び、Ｙ方向、即ち対象製品Ｓの長さ方向の座標）を取得し、部分画像である欠陥画像を切り出す。欠陥の位置情報及び欠陥画像は、欠陥検出装置３００から出力される。

欠陥分析装置１は、欠陥検出装置３００に接続されている。かかる欠陥分析装置１は、欠陥検出装置３００から出力された欠陥の位置情報及び欠陥画像を取り込み、これらのデータに基づいて欠陥を分析するものである。

図２は、欠陥分析装置１の構成を示すブロック図である。欠陥分析装置１は、コンピュータ１０によって実現される。図２に示すように、コンピュータ１０は、本体１１と、入力部１２と、表示部１３とを備えている。本体１１は、ＣＰＵ１１１、ＲＯＭ１１２、ＲＡＭ１１３、ハードディスク１１５、読出装置１１４、入出力インタフェース１１６、画像出力インタフェース１１７、及び通信インタフェース１１８を備えており、ＣＰＵ１１１、ＲＯＭ１１２、ＲＡＭ１１３、ハードディスク１１５、読出装置１１４、入出力インタフェース１１６、画像出力インタフェース１１７、及び通信インタフェース１１８は、バスによって接続されている。

ＣＰＵ１１１は、ＲＡＭ１１３にロードされたコンピュータプログラムを実行することが可能である。そして、欠陥分析用のコンピュータプログラムである欠陥分析プログラム１１０を当該ＣＰＵ１１１が実行することにより、コンピュータ１０が欠陥分析装置１として機能する。

ＲＯＭ１１２は、マスクＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、又はＥＥＰＲＯＭ等によって構成されており、ＣＰＵ１１１に実行されるコンピュータプログラム及びこれに用いるデータ等が記録されている。

ＲＡＭ１１３は、ＳＲＡＭまたはＤＲＡＭ等によって構成されている。ＲＡＭ１１３は、ハードディスク１１５に記録されている欠陥分析プログラム１１０の読み出しに用いられる。また、ＣＰＵ１１１がコンピュータプログラムを実行するときに、ＣＰＵ１１１の作業領域として利用される。

ハードディスク１１５は、オペレーティングシステム及びアプリケーションプログラム等、ＣＰＵ１１１に実行させるための種々のコンピュータプログラム及び当該コンピュータプログラムの実行に用いられるデータがインストールされている。欠陥分析プログラム１１０も、このハードディスク１１５にインストールされている。

ハードディスク１１５には、例えば米マイクロソフト社が製造販売するWindows（登録商標）等のオペレーティングシステムがインストールされている。以下の説明においては、本実施の形態に係る欠陥分析プログラム１１０は当該オペレーティングシステム上で動作するものとしている。

入出力インタフェース１１６は、例えばUSB，IEEE1394，又はRS-232C等のシリアルインタフェース、SCSI，IDE，又は IEEE1284等のパラレルインタフェース、及びＤ／Ａ変換器、Ａ／Ｄ変換器等からなるアナログインタフェース等から構成されている。入出力インタフェース１１６には、キーボード及びマウスからなる入力部１２が接続されており、ユーザが当該入力部１２を使用することにより、コンピュータ１０にデータを入力することが可能である。

画像出力インタフェース１１７は、ＬＣＤまたはＣＲＴ等で構成された表示部１３に接続されており、ＣＰＵ１１１から与えられた画像データに応じた映像信号を表示部１３に出力するようになっている。表示部１３は、入力された映像信号にしたがって、画像（画面）を表示する。

通信インタフェース１１８は、所定の通信プロトコルにしたがってデータを送受信する。かかる通信インタフェース１１８には、上述した欠陥検出装置３００が接続されている。

［欠陥分析装置の動作］
以下、本実施の形態に係る欠陥分析装置１の動作について説明する。

欠陥分析装置１は、以下に説明するような処理を実行して、対象製品Ｓの欠陥の中から周期性欠陥を特定し、その周期を検出する。

図３は、本実施の形態に係る欠陥分析装置１による欠陥分析処理の手順を示すフローチャートである。

欠陥分析処理は、欠陥群区別処理Ｓ１と、周期検出処理Ｓ２とによって構成される。欠陥群区別処理Ｓ１及び周期検出処理Ｓ２は、ＣＰＵ１１１によって実行される。

欠陥群区別処理Ｓ１は、対象製品Ｓの各欠陥について、Ｙ方向（長さ方向）に周期的に分布する周期性欠陥群（第１欠陥群）と、周期性欠陥群以外の欠陥群（第２欠陥群）とを区別する処理である。この欠陥群区別処理Ｓ１には、欠陥座標の読み出し（ステップＳ１１）、クラスタリング処理（ステップＳ１２）、クラスタ特徴情報抽出（ステップＳ１３）、及びクラスタ分類（ステップＳ１４）の各処理が含まれている。

周期検出処理Ｓ２は、欠陥群区別処理Ｓ１によって第２欠陥群から区別された第１欠陥群、つまり、周期性欠陥群について、各欠陥が分布する周期を検出する処理である。

以下、欠陥分析処理について詳細に説明する。

まず、ＣＰＵ１１１は、欠陥検出装置３００から取り込んだ欠陥座標、つまり、欠陥の位置情報を読み出す（ステップＳ１１）。以下の説明では、ｘ番目の欠陥の欠陥座標をＰ（ｘ）と示す。また、ｘ番目の欠陥が属するクラスタの番号をＣ（ｘ）と示す。

全ての欠陥座標の読み出しが終了すると、ＣＰＵ１１１は、クラスタリング処理を実行する（ステップＳ１２）。

図４は、クラスタリング処理の手順を示すフローチャートである。

クラスタリング処理Ｓ１２において、まずＣＰＵ１１１は、変数ｎ及びｋをそれぞれ０に初期化し（ステップＳ１０１）、また変数ｉを１に初期化する（ステップＳ１０２）。なお、ｎは基準とする欠陥（以下、「基準欠陥」という）の番号を示す変数であり、ｉは比較する欠陥（以下、「比較欠陥」という）の番号を示す変数である。

ＣＰＵ１１１は、基準欠陥の座標Ｐ（ｎ）と、比較欠陥の座標Ｐ（ｉ）を選択する（ステップＳ１０３）。

次にＣＰＵ１１１は、比較欠陥のクラスタ番号Ｃ（ｉ）が初期値である０か否かを判定する（ステップＳ１０４）。Ｃ（ｉ）が０以外であるとは、既に比較欠陥はクラスタリングが行われていることを意味する。この場合（ステップＳ１０４においてＮＯ）、ＣＰＵ１１は、ステップＳ１１１に処理を移し、ｉが最終（最後の欠陥の番号）であるか否かを判別する。そして、ｉが最終ではない場合（ステップＳ１１１においてＮＯ）、ＣＰＵ１１１は、ｉをインクリメントして（ステップＳ１１２）、ステップＳ１０３へ処理を戻す。

ステップＳ１０４において、Ｃ（ｉ）が０である場合（ステップＳ１０４においてＹＥＳ）、ＣＰＵ１１１は、第１位置条件が成立しているか否かを判別する（ステップＳ１０５）。図５は、第１位置条件及び第２位置条件を説明するための模式図である。第１位置条件は、隣り合う欠陥の距離Ｋが所定距離以内であるという条件である。つまり、ＣＰＵ１１１は、Ｐ（ｎ）とＰ（ｉ）との距離を算出し、その距離が所定距離以下であるか否かを判別する。第１位置条件が成立している場合には、基準欠陥を中心として所定距離の半径の円の中に比較欠陥が存在することとなる。つまり、基準欠陥と比較欠陥とは近接している。クラスタリング処理Ｓ１２では、このように互いに近接する複数の欠陥（以下、「密集欠陥群」といい、密集欠陥群を構成する欠陥を「密集欠陥」という）を同一のクラスタにクラスタリングする。

第１位置条件の所定距離は、想定される周期性欠陥の周期の最小値よりも小さい値として定めることが好ましく、前記周期の最小値の半分以下とすることがさらに好ましい。また、前記所定距離の下限値は、欠陥画像のＸ方向又はＹ方向の長さの最小値とされる。これにより、周期性欠陥をクラスタリングすることなく、密集欠陥のみをクラスタリングすることが可能となる。

ステップＳ１０５において第１位置条件が成立している場合（ステップＳ１０５においてＹＥＳ）、ＣＰＵ１１１は、基準欠陥のクラスタ番号Ｃ（ｎ）が０か否かを判別する（ステップＳ１０６）。基準欠陥のクラスタ番号Ｃ（ｎ）が０以外のとき（ステップＳ１０６においてＮＯ）、基準欠陥は既に何れかのクラスタに割り当てられている。この場合、ＣＰＵ１１１は、比較欠陥のクラスタ番号Ｃ（ｉ）を基準欠陥のクラスタ番号Ｃ（ｎ）と同じ値に設定する（ステップＳ１０７）。これにより、比較欠陥が基準欠陥と同じクラスタにクラスタリングされる。

一方、基準欠陥のクラスタ番号Ｃ（ｎ）が０である場合（ステップＳ１０６においてＹＥＳ）、基準欠陥はまだ何れのクラスタにもクラスタリングされていない。したがって、ＣＰＵ１１１は、ｋをインクリメントし（ステップＳ１０８）、基準欠陥及び比較欠陥の両方のクラスタ番号Ｃ（ｎ），Ｃ（ｉ）を、ｋの値に設定する（ステップＳ１０９）。これにより、比較欠陥と基準欠陥とは、新たなクラスタにクラスタリングされる。

ステップＳ１０７又はＳ１０９の後、ＣＰＵ１１１は、ステップＳ１１１へ処理を移す。

ステップＳ１０５において、第１位置条件が成立しなかった場合には（ステップＳ１０５においてＮＯ）、ＣＰＵ１１１は、Ｐ（ｎ）及びＰ（ｉ）について、第２位置条件が成立するか否かを判定する（ステップＳ１１０）。

図５を参照して第２位置条件について説明する。第２位置条件は、Ｙ方向に長い矩形領域内に複数の欠陥が存在しているという条件である。この矩形領域は、Ｘ方向の長さＷが、少なくとも対象製品Ｓ搬送における蛇行範囲を含む値とされ、また、Ｙ方向の長さが少なくとも対象製品Ｓのコイル最外周の長さを含む値とされる。ＣＰＵ１１１は、Ｐ（ｎ）とＰ（ｉ）とが上記の矩形領域内に含まれるか否かを判別する。第２位置条件が成立している場合には、基準欠陥と比較欠陥とは、対象製品Ｓの搬送方向に沿って並んでいることとなる。クラスタリング処理Ｓ１２では、このように対象製品Ｓの搬送方向に沿って並ぶ複数の欠陥を同一のクラスタにクラスタリングする。

ステップＳ１１０において第２位置条件が成立している場合（ステップＳ１１０においてＹＥＳ）、ＣＰＵ１１１は、ステップＳ１０６以降の処理を実行する。

上記のように、一度クラスタリングされた欠陥は、以後のクラスタリングの対象からは除外される。つまり、一度クラスタ番号が割り当てられた欠陥は、その後にクラスタ番号が変更されることがない。また、第１位置条件によるクラスタリングが、第２位置条件によるクラスタリングに先行して行われる。このため、第１位置条件及び第２位置条件の両方が成立するような場合でも、欠陥に対して第１位置条件によるクラスタリングが行われ、第１位置条件によるクラスタリングは行われない。したがって、周期性欠陥群に密集欠陥群などの他の欠陥群が重なり合うように分布している場合でも、周期性欠陥群と、他の欠陥群とを区別してクラスタリングを行うことができる。

上記のような処理をｉが最終になるまで繰り返すことで、基準欠陥Ｐ（ｎ）と全ての欠陥Ｐ（ｉ）とについて、クラスタリングを行うことができる。

ステップＳ１１１において、ｉが最終である場合（ステップＳ１１１においてＹＥＳ）、ＣＰＵ１１１は、ｎが最終（最後の欠陥の番号）であるか否かを判別する（ステップＳ１１３）。そして、ｎが最終ではない場合（ステップＳ１１３においてＮＯ）、ＣＰＵ１１１は、ｎをインクリメントして（ステップＳ１１４）、ステップＳ１０２へ処理を戻す。

上記のような処理をｎが最終になるまで繰り返すことで、全ての欠陥を基準欠陥Ｐ（ｎ）として選択し、クラスタリングを行うことができる。なお、上記の説明では省略したが、ｎとｉとが同一の値のときには、クラスタリングを行わないこととする。

ステップＳ１１３において、ｎが最終である場合（ステップＳ１１３においてＹＥＳ）、ＣＰＵ１１１は、クラスタリング処理を終了し、メインルーチンへ処理を戻す。

再び図３を参照して、欠陥分析処理の続きを説明する。クラスタリング処理Ｓ１２が終了すると、ＣＰＵ１１１は、各クラスタから特徴情報を抽出する（ステップＳ１３）。特徴情報とは、クラスタの形態に関する特徴を示す情報であり、Ｘ方向長さ、Ｙ方向長さ、密度（単位面積あたりに存在する欠陥の数）を含んでいる。なお、欠陥検出装置３００が欠陥のランク（重要度）、欠陥の種別（虫、押し込みによる凹み等）の情報を出力する場合には、これらの情報を特徴情報に含めることも可能である。また、クラスタの面積、アスペクト比、クラスタに含まれる欠陥の個数を特徴情報に含めることも可能である。なお、特徴情報には、上述した情報を全て含まなくてもよいが、少なくともＸ方向長さ及びＹ方向長さは含まれる。

次にＣＰＵ１１１は、クラスタの分類を行う（ステップＳ１４）。このクラスタの分類は、ステップＳ１３で抽出された各クラスタの特徴情報を用いて行われる。この処理では、決定木によって、各クラスタを「長いスジ」、「転写が継続するもの（以下、「転写欠陥」という）」、「Ｘ方向に長いもの」、「塊状のもの」、「一面に広がるもの」に分類する。

上記の「長いスジ」、「転写欠陥」、「Ｘ方向に長いもの」、「塊状のもの」、「一面に広がるもの」のうち、「長いスジ」及び「転写欠陥」は、周期性欠陥群（第１欠陥群）である。その一方、「Ｘ方向に長いもの」、「塊状のもの」、及び「一面に広がるもの」は、周期性欠陥群とは異なる欠陥群（第２欠陥群）である。このように、クラスタの分類により、第１欠陥群と第２欠陥群とが区別される。

上述のような欠陥群区別処理の後、ＣＰＵ１１１は、周期検出処理を実行する（ステップＳ２）。この周期検出処理は、第１欠陥群の各クラスタから、欠陥の搬送方向への分布の周期（ピッチ）を算出する処理である。

図６は、周期検出処理の手順を示すフローチャートである。

周期検出処理Ｓ２において、まずＣＰＵ１１１は、再クラスタリング処理を実行する（ステップＳ２０１）。再クラスタリング処理では、周期性欠陥群のクラスタに属する各欠陥について、再度クラスタリングが行われる。

図７は、再クラスタリング処理の概要を説明する模式図である。図７に示すように、周期性欠陥の中には、局所的に複数の欠陥が密集したものが含まれていることがある。例えば、本来は１つの欠陥であるものが、当該欠陥の像の内部に濃淡が異なる部分が生じた結果、複数の欠陥として認識される場合に、このような現象がみられる。また、１つの欠陥の付近に別の欠陥が存在するような場合にも、このような現象がみられる。再クラスタリング処理では、このような密集する欠陥が１つのクラスタとして認識される。

再クラスタリング処理では、２つの欠陥座標の全組み合わせについて、欠陥同士の距離が所定の設定距離以下であるか否かが判断される。この設定距離は、想定される周期性欠陥の周期の最小値（例えば、製造工程に含まれる搬送ローラの中で径が最小のものの円周長さ）よりも小さい値とされる。また、設定距離の下限値は、欠陥画像のＸ方向又はＹ方向の長さの最小値とされる。これにより、周期性欠陥をクラスタリングすることなく、密集欠陥のみをクラスタリングすることが可能となる。

次に、ＣＰＵ１１１は、再クラスタリングされた欠陥群（以下、「第３欠陥群」という）の代表点座標を設定する（ステップＳ２０２）。図７を参照して、代表点座標の設定について説明する。本実施の形態では、クラスタの重心位置を代表点座標として設定する。以下の処理では、再クラスタリングされたクラスタが１つの欠陥として扱われ、当該クラスタの代表点座標がその欠陥の座標として扱われる。なお、クラスタの中心位置、クラスタのＹ方向の最初の欠陥座標、Ｙ方向の最後の欠陥座標等、重心位置以外のクラスタ内の１点を代表点座標として設定することも可能である。

次にＣＰＵ１１１は、変数ｊを１に、変数Ｂを０に初期化する（ステップＳ２０３）。なお、ｊは欠陥の番号を示す変数であり、Ｂは周期性欠陥ではない欠陥が検出された数を示す変数である。

ＣＰＵ１１１は、最初の２つの欠陥、即ちＰ（０）及びＰ（１）を選択し、両者の距離Ｄ０を算出する（ステップＳ２０４）。さらにＣＰＵ１１１は、Ｐ（ｊ）とＰ（ｊ＋１）を選択し、両者の間の距離Ｄ（ｊ）を算出する（ステップＳ２０５）。

次にＣＰＵ１１１は、Ｄ（ｊ）／Ｄ０又はＤ０／Ｄ（ｊ）が整数であるか否かを判定する（ステップＳ２０６）。図８は、ステップＳ２０６の処理の概要を説明する模式図である。周期欠陥では、隣り合う欠陥の間の距離は一定である。つまり、Ｄ（ｊ）／Ｄ０及びＤ０／Ｄ（ｊ）の値は１となるはずである。しかし、ＣＣＤカメラ２００による撮像状態、対象製品Ｓの表面状態、又は対象製品Ｓの周囲環境の状態等の影響により、一部の欠陥の像が掠れたり、ぼやけたりして、欠陥として認識されない場合がある（図において破線で示す欠陥）。このように欠陥の認識不良が生じると、Ｄ（ｊ）がＤ０の２倍以上の整数倍となったり、Ｄ０がＤ（ｊ）の２倍以上の整数倍となったりする。かかる場合を考慮して、ステップＳ２０６においては、Ｄ（ｊ）／Ｄ０又はＤ０／Ｄ（ｊ）が１となるだけでなく、整数となる場合にも周期性欠陥として認識することとしている。

さらに具体的には、ステップＳ２０６の処理では、Ｄ（ｊ）／Ｄ０又はＤ０／Ｄ（ｊ）が整数±所定値（例えば０．１）であるか否かを判定している。これは、撮像又は画像処理に起因する欠陥の位置検出の誤差成分を考慮し、整数を中心としたある程度の範囲を許容することで、厳格に判定しすぎることによる周期性欠陥の検出不良を防止するためである。

上記のように、本実施の形態では周期性欠陥の分布周期を、製造工程のロールのサイズとは関係なく求めている。このようにすることで、対象製品Ｓの製造工程における加工等によって周期性欠陥の分布周期が変化した場合にも、周期を正確に検出することが可能となる。

ステップＳ２０６において、Ｄ（ｊ）／Ｄ０又はＤ０／Ｄ（ｊ）が整数である場合には、ＣＰＵ１１１はＰ（ｊ＋１）が周期性欠陥であると判定し、整数でない場合には、Ｐ（ｊ＋１）が周期性欠陥でないと判定する。

ステップＳ２０６において、Ｄ（ｊ）／Ｄ０又はＤ０／Ｄ（ｊ）が整数である場合（ステップＳ２０６においてＹＥＳ）、ＣＰＵ１１１はステップＳ２０９へ処理を移す。

ステップＳ２０６において、Ｄ（ｊ）／Ｄ０又はＤ０／Ｄ（ｊ）が整数でない場合（ステップＳ２０６においてＮＯ）、ＣＰＵ１１１はＢをインクリメントし（ステップＳ２０７）、Ｂが２より大きいか否かを判定する（ステップＳ２０８）。この処理は、周期性欠陥ではない欠陥が、許容数（本実施の形態では２）を超えていないかどうかを調べるものである。つまり、周期性欠陥ではない欠陥の検出数Ｂが２以下であれば、そのまま周期検出処理が継続され、周期性欠陥ではない欠陥の検出数Ｂが２を超えていれば、周期検出処理が終了される。

ステップＳ２０８において、Ｂが２以下である場合には（ステップＳ２０８においてＮＯ）、ＣＰＵ１１１はステップＳ２１１に処理を移し、それまでに算出された距離Ｄの最小値を周期として設定し（ステップＳ２１１）、周期検出処理を終了する。

ステップＳ２０８において、Ｂが２より大きい場合には（ステップＳ２０８においてＹＥＳ）、ＣＰＵ１１１はステップＳ２０９へ処理を移す。

ステップＳ２０９において、ＣＰＵ１１１は、ｊが最終（最後の１つ前の欠陥の番号）であるか否かを判別する。そして、ｊが最終ではない場合（ステップＳ２０９においてＮＯ）、ＣＰＵ１１１は、ｊをインクリメントして（ステップＳ２１０）、ステップＳ２０５へ処理を戻す。

ステップＳ２０９において、ｊが最終である場合（ステップＳ２０９においてＹＥＳ）、ＣＰＵ１１１はステップＳ２１１に処理を移し、それまでに算出された距離Ｄの最小値を周期として設定し（ステップＳ２１１）、周期検出処理を終了する。周期検出処理の終了により、欠陥分析処理が終了する。

以上の説明したように、第１欠陥群（周期性欠陥群）を第２欠陥群（周期性欠陥群とは異なる欠陥群）と区別して検出し、第１欠陥群について周期の検出を行う構成としたので、第２欠陥群が第１欠陥群と重なるように存在したいたとしても、第２欠陥群の影響を排除して正確に周期を検出することが可能となる。

（評価試験）
上記の実施の形態において説明した欠陥分析装置を実際に作成し、その性能を評価した。下表は、欠陥検出装置によってある期間に得られた欠陥座標を欠陥分析装置に入力し、周期性欠陥の分布周期を検出した結果を示している。表の１行は、１つのクラスタに対応している。表中のラベルは、クラスタに付したラベルであり、クラスタをそれぞれ特定する情報である。また、表中のＹ座標値はクラスタの代表点座標のＹ方向成分であり、Ｘ座標値はクラスタの代表点座標のＸ方向成分である。個数はクラスタに含まれる欠陥の数を、ピッチは検出された分布周期を、ロール直径はピッチから計算した周期性欠陥の原因のロール直径を示している。

評価試験の対象とした製造設備には代表寸法で直径がそれぞれ２５０ｍｍ、１００ｍｍ、５０ｍｍのロールが設けられている。試験結果では、欠陥原因となるロールが精度よく特定できていることが分かる。なお、ロール直径が約５９２ｍｍ及び約２９６ｍｍと算出されたものは、それぞれ実際の直径が１００ｍｍ及び５０ｍｍのロールで生じた欠陥の周期が、対象製品ＳがＹ方向に伸ばされたことにより変化した結果に概ね一致している。このように、本手法では、任意の周期性欠陥に対して十分な精度で周期の検出を行えていることが分かる。

（その他の実施の形態）
なお、上述した実施の形態においては、クラスタリング処理において密集欠陥群（第２欠陥群）をクラスタリングする構成について述べたが、これに限定されるものではない。第２欠陥群には、密集欠陥群以外の欠陥群が含まれ得る。クラスタリング処理では、密集欠陥群とは異なり、且つ、周期性欠陥群とも異なる欠陥群をクラスタリングすることも可能である。例えば、Ｘ方向に細長い領域に存在するという位置条件を用いて、前記領域に存在する欠陥群をクラスタリングすることも可能である。

また、上述した実施の形態においては、欠陥をクラスタリングし、各クラスタの分類を行った後、周期性欠陥の周期を検出する構成について述べたが、これに限定されるものではない。第２位置条件によってクラスタリングされた欠陥の大部分は周期性欠陥であり、第１位置条件によってクラスタリングされた欠陥の大部分は周期性欠陥とは異なる欠陥である。つまり、クラスタリングによって第１欠陥群と第２欠陥群とが区別されていることが分かる。このことから、クラスタの分類を行わずに、第２位置条件を用いてクラスタリングされたクラスタについて、周期の検出を行うことも可能である。

また、上述した実施の形態においては、周期性欠陥の周期を、製造工程のロールのサイズと関係なく検出する構成について述べたが、これに限定されるものではない。例えば、製造工程において最小のロールの円周を用いて、隣り合う欠陥の間の距離が前記円周の整数倍か否かを判定することで、周期性欠陥か否かを判断し、周期性欠陥と判断された欠陥の間の距離のうち、最も短い距離を周期とするようにして、製造工程のロールのサイズに基づいて欠陥の周期を検出することも可能である。

また、上述した実施の形態においては、再クラスタリング処理によって、周期性欠陥群のクラスタに含まれる欠陥を再クラスタリングする構成について述べたが、これに限定されるものではない。上記のような再クラスタリングを行わない構成とすることも可能である。また、クラスタ分類の後、周期性欠陥群と判断されたクラスタを解除し、再度クラスタリングすることも可能である。その際、周期性欠陥とそれ以外の欠陥とをさらに精度よく分けるようにクラスタリングしてもよい。また、クラスタの管理を簡単にするために、クラスタの重心位置、クラスタの中心位置、クラスタ内のＹ方向の先端又は終端の欠陥の位置等をクラスタの代表点座標として設定することも可能である。

また、上述した実施の形態においては、欠陥分析プログラムをＣＰＵで実行することで、欠陥分析処理を実行する構成について述べたが、これに限定されるものではない。上記と同様の欠陥分析処理を実行可能なＡＳＩＣ(Application Specific Integrated Circuit)又はＦＰＧＡ(Field-Programmable Gate Array)によって、周期性欠陥の周期を検出する構成とすることも可能である。

また、上述した実施の形態においては、エリアセンサであるＣＣＤカメラ２００によって画像を得る構成について述べたが、これに限定されるものではない。対象製品Ｓの幅方向に延びるようにラインセンサを配置し、対象製品Ｓとラインセンサとを相対的に対象製品Ｓの長手方向に移動させつつ、ラインセンサでスキャンして画素列データを連続して取得し、これらの画素列データを結合して画像を生成することも可能である。

本発明の欠陥分析装置及び欠陥分析方法は、製造工程において長尺の製品に生じた欠陥を分析する欠陥分析装置及び欠陥分析方法として有用である。

１ 欠陥分析装置
１０ コンピュータ
１２ 入力部
１３ 表示部
１００ 欠陥分析システム
２００ カメラ
３００ 欠陥検出装置
１１０ 欠陥分析プログラム
１１１ ＣＰＵ
１１５ ハードディスク
１１６ 入出力インタフェース
１１７ 画像出力インタフェース
１１８ 通信インタフェース

Claims (10)

1. 対象製品に分布する欠陥を分析する欠陥分析装置であって、
   対象製品における各欠陥の位置に基づいて、所定方向に周期的に分布する第１欠陥群と、前記第１欠陥群とは異なる第２欠陥群とを区別する欠陥群区別手段と、
   前記欠陥群区別手段によって前記第２欠陥群とは区別された前記第１欠陥群に含まれる欠陥の分布周期を検出する周期検出手段と、
   を備える、
   欠陥分析装置。
2. 前記欠陥群区別手段は、
   対象製品における各欠陥の位置に基づいて、各欠陥を複数の欠陥群にクラスタリングするクラスタリング手段と、
   前記クラスタリング手段におけるクラスタリングにより得られた各欠陥群について、欠陥群の特徴情報を抽出する特徴情報抽出手段と、
   前記特徴情報抽出手段により抽出された特徴情報に基づいて、前記欠陥群を前記第１欠陥群と前記第２欠陥群とに分類する分類手段と、
   を具備する、
   請求項１に記載の欠陥分析装置。
3. 前記特徴情報は、前記所定方向及び前記所定方向と直交する方向のそれぞれにおける欠陥群の長さを含む、
   請求項２に記載の欠陥分析装置。
4. 前記クラスタリング手段は、
   第１の位置条件により、欠陥をクラスタリングする第１クラスタリング手段と、
   前記第１の位置条件とは異なる第２の位置条件により、欠陥をクラスタリングする第２クラスタリング手段と、
   を有する、
   請求項２又は３に記載の欠陥分析装置。
5. 前記第１の位置条件は、複数の欠陥の距離が所定距離以内であることであり、
   前記第２の位置条件は、複数の欠陥が前記所定方向に長い領域に存在することである、
   請求項４に記載の欠陥分析装置。
6. 前記第２クラスタリング手段は、前記対象製品に存在する欠陥から前記第１クラスタリング手段によりクラスタリングされた欠陥を除外した残余の欠陥を、クラスタリングするように構成されている、
   請求項４又は５に記載の欠陥分析装置。
7. 前記周期検出手段は、前記第１欠陥群において隣り合う欠陥の最短距離を前記分布周期として検出するように構成されている、
   請求項１乃至６の何れかに記載の欠陥分析装置。
8. 前記欠陥群区別手段によって前記第２欠陥群と区別された前記第１欠陥群において、複数の欠陥の距離が所定の設定距離以内である場合に、前記複数の欠陥を第３欠陥群としてクラスタリングする第３クラスタリング手段をさらに備え、
   前記周期検出手段は、前記第３クラスタリング手段によって得られた第３欠陥群を前記第１欠陥群に属する１つの欠陥として、前記分布周期を検出するように構成されている、
   請求項１乃至７の何れかに記載の欠陥分析装置。
9. 前記周期検出手段は、第３欠陥群の位置の代表値を前記１つの欠陥の位置として、前記分布周期を検出するように構成されている、
   請求項８に記載の欠陥分析装置。
10. 対象製品に分布する欠陥を分析する欠陥分析方法であって、
    対象製品における各欠陥の位置に基づいて、所定方向に周期的に分布する第１欠陥群と、前記第１欠陥群とは異なる第２欠陥群とを区別するステップと、
    前記第２欠陥群とは区別された前記第１欠陥群に含まれる欠陥の分布周期を検出するステップと、
    を有する、
    欠陥分析方法。