JP2015197396A - 画像検査方法および画像検査装置 - Google Patents

Abstract

【課題】検査対象物の異常部が発生した工程を容易に特定することが可能な画像検査方法および画像検査装置を提供する。【解決手段】この画像検査装置１００は、複数の工程の各々の終了後に撮像された検査対象物の画像に基づいて、各工程の終了後の検査対象物に存在する異常部の異常モードを判別し、異常部の異常モードと検査対象物における異常部の座標とを含むマッピングデータを生成し、複数の工程における検査対象物の寸法変化に基づいて複数のマッピングデータのサイズを規格化し、規格化された複数のマッピングデータのうちの２つ以上のマッピングデータに含まれる同一異常部をグループ化し、異常部が発生した工程を特定する。【選択図】図１０

Description

この発明は画像検査方法および画像検査装置に関し、特に、検査対象物を製造する複数の工程を含む製造ラインにおいて検査対象物を検査する画像検査方法および画像検査装置に関する。

従来より、対象物を撮影して画像を取得し、取得した画像について処理を実行することで、製品の検査や対象物の検出を行なう技術が知られている。そのような技術として、たとえば、ＭＴＳ（Mahalanobis-Taguchi System：マハラノビス・タグチ・システム）法を用いた技術がある。

特開２０１０−２７６４８１号公報（特許文献１）には、画像処理装置が開示されている。画像処理装置は、検査対象品を撮影して多数の画素からなる画像を取得する撮影部と、撮影部で取得した画像に基づき検査対象品が良品であるか不良品であるかを判別する判別部とを含む。記憶部の算出パラメータは、良品画像群を構成する各画像の各画素における輝度値と、良品画像群を構成する各画像の各画素における当該画素と隣接する画素との間の輝度の差分値と、良品画像群を構成する各画像の各画素における当該画素及び周囲の画素との輝度の積分値との、相関係数行列から算出される。判別部は、検査対象品の画像について、良品画像群のデータとの統計的距離を算出し、該算出された統計的距離が所定範囲にあるか否かを判別する。

また、特開平１１−３０６３２５号公報（特許文献２）には、対象物検査装置が開示されている。対象物検査装置は、画像入力部から取り込んだ顔画像を含む入力画像に対して、照合領域位置指定部により領域モデルを当て嵌める被照合局所領域の位置を指定する。対象物検査装置は、指定した被照合局所領域毎に輝度正規化部により輝度正規化を行い、さらに、画像処理部によりエッジ検出等の画像処理を行う。そして、対象物検査装置は、判定要素取得部により被照合局所領域の正規化され、画像処理された画像に対して顔の領域モデルを当て嵌めて領域モデル内の各判定要素取得領域の特徴量を抽出し、マハラノビス距離判定部にて抽出した特徴量に基づいて各被照合局所領域毎にマハラノビス距離を算出し、この算出結果により顔の検出を行う。

また、特開平８−３２７５６１号公報（特許文献３）には、ガラス板の欠点検査装置が開示されている。欠点検査装置は、ガラス板の搬送方向に設けられた複数の１次元ラインカメラを用いてガラス板の明視野画像、暗視野画像、および透過画像を連続的に撮像し、得られた３種類の画像に基づいて、ガラス板に存在する異物、泡、表面傷、表面凹凸を判別する。。

特開２０１０−２７６４８１号公報 特開平１１−３０６３２５号公報 特開平８−３２７５６１号公報

しかし、従来の技術では、検査対象物の良否を判定することは可能であるが、複数の工程を経て製造される検査対象物に異常部が発生した場合に、その異常部がどの工程で発生したかを特定することは困難であった。

それゆえに、この発明の主たる目的は、検査対象物の異常部が発生した工程を容易に特定することが可能な画像検査方法および画像検査装置を提供することである。

この発明に係る画像検査方法は、検査対象物を製造する複数の工程を含む製造ラインにおいて検査対象物を検査する画像検査方法であって、複数の工程の各々の終了後に撮像された検査対象物の画像に基づいて、各工程の終了後の検査対象物に存在する異常部が複数の異常モードのうちのいずれの異常モードに属するかを判別し、異常部の異常モードと検査対象物における異常部の座標とを含むマッピングデータを生成する第１のステップと、複数の工程における検査対象物の寸法変化に基づいて、複数のマッピングデータに含まれる同一異常部の座標が一致するように複数のマッピングデータのサイズを規格化する第２のステップと、規格化された複数のマッピングデータのうちの２つ以上のマッピングデータに含まれる同一異常部をグループ化し、異常部が発生した工程を特定する第３のステップとを備えたものである。

この発明に係る画像検査方法によれば、検査対象物の異常部がどの工程で発生したかを容易に特定することができる。

本発明の一実施の形態に従う画像検査装置のハードウェア構成を示すブロック図である。 図１で説明した画像検査装置の検査対象物である金属板の製造工程を示すフローチャートである。 図１で説明した画像検査装置を備えた検査工程の概要を示す図である。 図３に示したＣＣＤカメラによって撮像された良品画像を示す図である。 図３に示したＣＣＤカメラによって撮像された異常品画像を示す図である。 図３に示した画像検査装置によって画像処理される前の元画像と処理後の画像を示す図である。 図３に示した画像検査装置の機能構成を示すブロック図である。 図７に示した情報格納部に格納される情報の一例を模式的に示す図である。 図７に示した画像検査装置の動作を示すフローチャートである。 図９に示したマッピングデータの規格化を説明するための図である。

＜Ａ．概要＞
本実施の形態の画像検査装置は、検査対象物を製造する複数の工程を含む製造ラインにおいて検査対象物を検査する画像検査装置であって、複数の工程の各々の終了後に撮像された検査対象物の画像に基づいて、各工程の終了後の検査対象物に存在する異常部が複数の異常モードのうちのいずれの異常モードに属するかを判別し、異常部の異常モードと検査対象物における異常部の座標とを含むマッピングデータを生成するデータ生成部と、複数の工程における検査対象物の寸法変化に基づいて、複数のマッピングデータに含まれる同一異常部の座標が一致するように複数のマッピングデータのサイズを規格化する規格化部と、規格化された複数のマッピングデータのうちの２つ以上のマッピングデータに含まれる同一異常部をグループ化し、異常部が発生した工程を特定する特定部とを備えたものである。

以下、上記のような画像検査装置について詳細に説明する。
＜Ｂ．ハードウェア構成＞
図１は、本実施の形態に従う画像検査装置のハードウェア構成を示すブロック図である。図１を参照して、画像検査装置１００は、主たる構成として、ＣＰＵ（Central Processing Unit）１０２と、画像検査装置１００の使用者による指示の入力を受けるキーボード１０４およびマウス１０６と、メモリ１０８と、各種情報を表示するためのディスプレイ１１０と、メモリインターフェイス（Ｉ／Ｆ）１１５と、通信インターフェイス（Ｉ／Ｆ）１１６とを含む。各ハードウェアは、相互にデータバスによって接続されている。

ＣＰＵ１０２は、メモリ１０８に記憶されたプログラムを読み出して実行することで、画像検査装置１００の各部を制御する。より詳細にはＣＰＵ１０２は、当該プログラムを実行することによって、後述する画像検査装置１００の処理（ステップ）の各々を実現する。ＣＰＵ１０２は、例えば、マイクロプロセッサ（Microprocessor）である。なお、当該ハードウェアは、ＣＰＵ以外のＦＰＧＡ（Field Programmable Gate Array）、ＡＳＩＣ（Application Specific Integrated Circuit）およびその他の演算機能を有する回路などであってもよい。

メモリ１０８は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read-Only Memory）、ハードディスクなどによって実現される。メモリ１０８は、ＣＰＵ１０２によって実行されるプログラム、データなどを記憶する。

画像検査装置１００における処理は、各ハードウェアおよびＣＰＵ１０２により実行されるプログラムによって実現される。このようなプログラムは、メモリ１０８に予め記憶されている場合がある。また、プログラムは、記録媒体１１４に格納されて流通している場合もある。あるいは、プログラムは、いわゆるインターネットに接続されている情報提供事業者によって、ダウンロード可能なものとして提供される場合もある。このようなプログラムは、メモリインターフェイス１１５を介して、あるいは、通信インターフェイス１１６を介してダウンロードされた後、メモリ１０８に格納される。

図１に示される画像検査装置１００を構成する各ハードウェアは、一般的なものである。したがって、画像検査装置１００の各ハードウェアの動作は周知であるので、詳細な説明は行なわない。

＜Ｃ．検査対象物＞
ここでは、本実施の形態に従う画像検査装置１００が金属板を検査対象物とする場合について説明する。

（ｃ１．金属板の製造工程）
本実施の形態に従う画像検査装置１００は、検査対象物を製造する複数の工程を含む製造ラインに配置され、複数の工程の各々で撮像された検査対象物の画像に基づいて検査対象物を非破壊で検査する。

まず、このような製造ラインの一例として金属板の製造工程について説明する。検査対象物である金属板が搬送されながら製造工程を通過し、検査工程に移行する。検査工程では搬送路の一部を撮像視野に含むように配置された撮像部であるラインカメラから、撮像によって得られた対象物の撮像画像を用いて対象物の異常の有無、異常モードが検査される。

図２は、金属板の製造工程の一例を示すフローチャートである。ここでは、金属板は、１ｍｍ以下の金属薄膜であるものとする。金属板の製造工程では、まず、溶融装置が、銅や金などの金属板を溶融し（ステップＳＴ１）、鋳造装置が、インゴット状に鋳造する（ステップＳＴ３）。次に、圧延装置が、鋳造されたインゴットを複数のロールで圧延し、当該金属板を薄板化する（ステップＳＴ５）。次に、脱脂洗浄装置が、金属表面に付着した油脂分を除去するとともに（脱脂）、洗浄する（ステップＳＴ７）。このとき、金属板には、薄板化される過程において、金属溶融時に内包された欠陥、表面に付着した汚れ、傷等が生じる場合がある。

次に、レベリング工程において、小径ローラによって金属板の表面が平坦化される（ステップＳＴ９）。次に、検査装置が、金属板の外観を検査し、良品と不良品とを判断する（ステップＳＴ１１）。そして、金属板は、所定の幅で切断され（ステップＳＴ１３）、製品として出荷される（ステップＳＴ１５）。

このような製造工程では、圧延により材料は搬送方向に引き伸ばされるが、その延伸率は金属の厚みより推定することが可能である。

また、製造工程において、金属板が幅方向に切断されることがあるが、この幅についてもモニタされている。製造工程においては、金属板が一度ロール状に巻き取られた後に、別工程において他のロールに再度巻きなおす工程が存在する。この際には撮像時の製品の裏表が逆転する。

製品は高速に搬送されるために、ロールの回転数から求めた異常部の座標位置には誤差が発生しやすい。レーザーマークによる位置情報の記入も有効であるが、製品の不具合発生原因（張力を加えた場合の製品の断裂、マーク部の使用不可）となる他、マークの読取機構、位置情報の記録等、システムが複雑となる。

また、脱脂、洗浄工程で付着した異物に関しても、その大部分が有機物の再付着であることから、紫外線またはX線領域の波長の光を金属表面に照射し、その際の発光部の画像を取得することで、圧延、レベリング時に付着する金属異物（異物発光が無い）と区別することができる。

次に、ラインカメラにより撮像された金属板の画像に基づいて、当該金属板を検査する検査工程について説明する。

図３は、検査工程の概要を示す図である。図３では、レべリング工程に設けられた検査工程が例示されている。図３を参照して、金属板は、レベリング工程において、表面が平坦化されると、検査工程に搬送される。そして、金属板は、ライトから光が照射された状態で、上下方向に設置されたラインカメラにより撮像された後、ロールに巻き取られていく。ラインカメラは、例えば、ＣＣＤ（Charge Coupled Device）カメラである。なお、ラインカメラは撮像した金属板表面の画像を示す画像データを、画像検査装置１００に送信する。画像検査装置１００は、通信Ｉ／Ｆ１１６を介して撮像された画像データを受信し、メモリ１０８の所定領域に格納する。

ラインカメラには、同様に例えばＣＣＤカメラを用いているが、照射する光の波長を紫外光、またはＸ線領域の波長とし、その際に得られる蛍光画像を撮像する機構を備えている。

参考のために、図４（Ａ）（Ｂ）に、本実施の形態に係るラインカメラによって撮像された金属板表面の正常部の画像の一例を示す。図４（Ａ）（Ｂ）を参照して、金属板の正常部の画像（以下「良品画像」とも称す。）に関しては、画像に特徴的な部分がないことがわかる。すなわち、図４（Ａ）に示された良品画像と、図４（Ｂ）に示された良品画像には、特徴的な差がないことがわかる。

これに対して、図５（Ａ）〜（Ｆ）は、ラインカメラによって撮像された金属板表面において異常部が観察される画像の一例を示す図である。図５（Ａ）〜（Ｆ）を参照して、金属板の異常部を有する画像（以下「異常品画像」とも称す。）に関しては、図４（Ａ）（Ｂ）の良品画像に比較して画像に特徴的な部分があることがわかる。ここでは、金属板で観察される異常部を、例えば、図５（Ａ）〜（Ｆ）に示される６種類の異常モードＭ１〜モードＭ６に分類する。

図５（Ａ）のモードＭ１の異常部は、金属溶融時に形成された析出物によるものである。また、図５（Ｂ）のモードＭ２の異常部は、金属板の中央付近に黒い筋構造が形成されており、これは圧延時に発生したすり傷を示す。図５（Ｃ）のモードＭ３の異常部は、金属板の中央付近に形成される黒い円状領域を示し、これは、製造時の打痕によるものである。

図５（Ｄ）のモードＭ４の異常部は、金属板の中央付近と上部分における横方向に延びる比較的太い領域を示す。これは金属板表面の変形によるものである。図５（Ｅ）のモードＭ５の異常部は、金属板表面に形成されている筋状の線を示し、これは金属（銅）板の切断時に発生する金属くずが付着したことによる。図５（Ｆ）のモードＭ６の異常部は、金属板表面の中央部から放射状に広がった模様を示す。これは、洗浄時に付着した有機物によるものである。図５（Ａ）〜（Ｆ）から異常モードによって、画像の特徴となる異常部の形状、大きさが異なることが分かる。

なお、図５（Ａ）のモードＭ１の異常部は、金属溶融時に形成された析出物によるものであるため、圧延ロールの径、ロール間の幅等、装置パラメータとの相関が無い。図５（Ｂ）のモードＭ２の異常部は、圧延時に発生した擦り傷であるため、特定の圧延ロールの装置パラメータとの相関がある。図５（Ｃ）のモードＭ３の異常部は、製造時の打痕であるため、表面と裏面の画像位置が一致している。

図５（Ｄ）のモードＭ４の異常部は、金属表面の微小変形によるものであるため、レベリング工程のローラー間隔やローラー径との対応が見られる。図５（Ｅ）のモードＭ５の異常部では、筋状の線が入っており、これは銅の切断時に発生した金属くずが付着したものであるため、切断工程で発生したものと特定できる。図５（Ｆ）のモードＭ６の異常部は、洗浄時に付着した有機物である。有機物である場合は蛍光画像でも通常画像と同様の異常形状が見られる。

＜Ｄ．マハラノビス距離、およびその算出方式＞
まず、本実施の形態に従うマハラノビスの距離の算出方式について、簡単に説明する。具体的には、これは、ＭＴ（Mahalanobis-Taguchi）法に基づく算出方式である。

例えば、取得されたデータをＹ_ｉｐ、データ項目数をｉ＝１〜ｋ、データセット数をｐ＝１〜ｎとし、データ項目ごとにデータＹ_ｉｐの平均値Ｍ_ｉと、標準偏差σ_ｉとを計算する。

次に、平均値Ｍ_ｉおよび標準偏差σ_ｉを用いて、次式（１）により基準化値ｙ_ｉｐを計算する。

本実施の形態では、取得されたデータＹ_ｉｐは、各異常モード当たり、後述する９種類の特徴量（１）〜（９）を用いて異常モードに分類された画像を１００個とすれば、９×１００の計９００個になる。このように、データ項目数は、各画像の特徴量である９個、データセット数はモード毎に分類された画像個数（各１００個程度）とする。

次に、基準化値ｙ_ｉｐを用いて、次式（２）および（３）により基準化値の相関行列Ｒを作成する。

次に、次式（４）により相関行列Ｒの逆行列Ａ_ＭＴを作成する。

最後に、次式（５）によりマハラノビスの距離Ｄ２を計算する。

＜Ｅ．特徴量の抽出＞
次に、画像解析に必要となる画像の特徴量を抽出するために、以下のような画像処理を実施する。

まず、画像処理に際して画像解像度を変化させた画像を生成する。具体的には、解像度を高解像度、中解像度、低解像度の３段階に変化させた被検査画像を用いた。被検査画像は通常の可視光（自然光）の反射光により撮像した異常部の画像と、紫外またはＸ線領域の波長の光を照射した際に放出される蛍光をＣＣＤで撮像した画像を用いる。つまり、画像数は１異常部に対して６画像である。

これら６画像について、画像の特徴量を強調するために、以下の画像処理を実施した。
（ｅ１．画像の平滑化と判別分析法による２値化処理）
ここでは、ガウシアン分布に基づく画像の平滑化と、判別分析法を用いた画像処理による２値化処理について説明する。まず、画像のノイズを除去するために、ガウシアン分布に基づいて、画像の輝度値を平坦化させる。次に、判別分析法を適用した２値化処理を実行する。なお、判別分析法は、分離度（separation metrics）が最大となる閾値を求め、自動的に２値化を行う手法である。分離度はクラス間分散（between-class variance）とクラス内分散（within-class variance）との比で算出することができる。

閾値ｔで２値化したとき、閾値ｔよりも輝度値が小さい側（黒クラス）の画素数をω_１、平均をｍ_１、分散をσ_１、輝度値が大きい側（白クラス）の画素数を画素数をω２、平均をｍ_２、分散をσ_２、画像全体の画素数をω_ｔ、平均をｍ_ｔ、分散をσ_ｔとしたときクラス内分散σ^２ _ｗは、次式（６）によって算出される。

次に、クラス間分散σ^２ _ｂは、全分散（total variance）σ_ｔは、それぞれ次の式（７）と式（８）によって算出される。

したがって、クラス間分散σ^２ _ｂとクラス内分散σ^２ _ｗとの比である分離度は、次式（９）によって算出される。

そして、この分離度が最大となる閾値ｔを算出して、自動的に２値化処理がなされる。
（ｅ２．平均値による２値化処理、ラベリング処理および膨張処理）
次に、ラインカメラによって撮像された画像から検査対象となる金属板部分を抽出するために、予め抽出したい領域（金属板部分）が定められた、上記方式で２値化処理を行なった２値化画像を用いて、マスク処理を行なった。すなわち、ラインカメラによって撮像された画像から、金属板以外の部分を削除した（金属板部分を抽出した）。なお、ラインカメラによって撮像された各画像について、２値化処理の実施後に、処理前の状態に戻して金属板部分を抽出してもよい。

次に、金属以外の部分を削除後、画像ノイズを削除し実効検査領域を抽出する。ここで、実効検査領域とは、２値化画像に基づいて不良品と判断される要因とは異なる要因で生じたノイズを除外したものである。すなわち、画像上、実際に検査すべき領域とは別の領域を除外したものである。ここでは、画像処理により、画像ノイズとして異常部ではない金属端のうねりによる影部が除外されることについて説明する。

まず、画素の輝度の平均値を閾値として、画像に対して２値化処理が実施される。次に、２値化処理後の画像に対して、ラベリング処理を実施する。ここで、ラベリング処理とは、２値化処理された画像において、白領域（または黒領域）が連続した画素に同じ番号を割り振る処理のことであり、同じ番号が割り振られた画素はひとつのオブジェクトと捉えることが可能となる。次に、画像の特徴量を取得する領域（以下「特徴量取得領域」とも称す。）を特定する。これは、例えば、画像をラベリング処理したときに抽出される白領域のオブジェクトが、画像上におけるどの位置に存在するかを解析することで特定される。

次に、特定された特徴量取得領域における周辺部分に関しても白黒を逆転する膨張処理を実施する。膨張処理により互いに白、黒が異なる隣接した画素同士を白または黒に統一することなどにより、画像上の当該領域の特徴を強調する。

（ｅ３．特徴量抽出処理）
図６（Ａ）は上記の画像処理を施す前の元画像を示し、図６（Ｂ）は上記の画像処理を施した後の画像を示す図である。本実施の形態では、画像処理後の画像を用いて、以下の画像特徴量の抽出を実施する。

上記のような画像処理により特定された特徴量取得領域における、画像毎の以下の特徴量（１）〜（９）を抽出する。
（１）１画像内の異常部の個数
（２）異常部の横幅
（３）異常部の縦横比
（４）異常部の画素面積
（５）異常部の周囲長さ
（６）異常部の円形度を含む（円形度は4πS/Lで表現される）
（７）異常部の外形の曲率
（８）異常部の輝度積分値
（９）異常部の重心の位置
これら特徴量の算出には、周知の方法を用いることができるので、ここでは説明を繰り返さないが、例えば輝度積分値の算出方法を簡単に説明する。

特徴量取得領域の部分画像について直交するＸ軸（横方向）およびＹ軸（縦方向）を設定して、特定のＸ座標におけるＹ軸が延びる方向の画素輝度を積分した値、または、特定のＹ座標におけるＸ軸が延びる方向の画素輝度を積分した値を特徴量として取得する。なお、複数の座標ごとに算出される上記の複数の積分値を、それぞれ特徴量として取得してもよい。すなわち、例えば、Ｘ座標におけるＹ軸が延びる方向の画素輝度の積分値を１つの特徴量、Ｙ座標におけるＸ軸が延びる方向の画素輝度の積分値を別の特徴量として取得してもよい。

なお、本実施の形態では、マハラノビスの距離の算出に際しては、上記の（１）〜（９）の特徴量のうち少なくとも１つ以上を用いればよい。また、上記の９種類とは異なる特徴量を用いてもよい。

＜Ｆ．機能構成＞
次に、本実施の形態に従う画像検査では、予め異常品であること、および対応する製造工程の異常モードが判っている複数の異常品対象物を撮像した、異常モード毎の複数の異常品画像からなる画像群を取得しておく。このように、上記の各異常モードについて複数の異常品画像を予め準備しておくが、本実施の形態では、これを、異常モード別の基準画像ともいう。画像検査装置１００は、異常モード毎に、当該異常モードに該当する複数の基準画像のマハラノビス距離の代表値（以下、基準マハラノビスという場合がある）を計算して取得する。検査時は、被検査画像の特徴量に関し各異常モードの基準マハラノビスに対する距離から、被検査画像が帰属する異常モードを判定する。基準マハラノビスとして、ここでは複数の基準画像のマハラノビス距離の平均値を用いるが、代表値であれば、最頻値、中央値であってもよい。

（ｆ１．装置構成）
図７は、本実施の形態に従う画像検査装置１００の機能構成を示すブロック図である。

図７を参照して、画像検査装置１００は、各異常モードの基準画像についてマハラノビス距離を算出する機能構成として、異常モードＭ１に対応する異常品特徴量抽出部３２および基準空間構成部３４と、異常モードＭ２に対応する異常品特徴量抽出部４２および基準空間構成部４４と、異常モードＭ３に対応する異常品特徴量抽出部５２および基準空間構成部５４を備える。ここでは、説明を簡単にするために図示は省略されるが、異常モードＭ４〜Ｍ６に対応する異常品特徴量抽出部と基準空間構成部も異常モードＭ１〜Ｍ３と同様にして備えることができる。

また、画像検査装置１００は、検査対象画像のマハラノビス距離の算出に関する機能構成として特徴量抽出部２０を備える。

また、画像検査装置１００は、被検査画像の異常モードを判定するための情報を格納するメモリ１０８の所定記憶領域に相当する情報格納部７０、検査対象画像の特徴量に関し各異常モードの基準マハラノビスに対する距離を算出するモード毎の距離計算部９０（以下、距離計算部９０という場合がある）、および距離計算部９０の算出結果から検査対象画像が帰属する異常モードを分類し判定する異常モード分類部９５を備える。画像検査装置１００は、金属板の製造工程に適用される装置の製造に係る特性を示す装置パラメータデータ１１２と、各工程の検査対象画像およびプロセスデータ１１８とを入力し情報格納部７０に格納する。

さらに、画像検査装置１００は、異常部規格化マッピングデータ生成部１２０、同一異常特定部１２２、異常発生工程特定部１２４、異常原因判定部１２６、異常発生時の距離計算部１２８、および要因分析部１３０を備える。

上述した機能は、基本的には、画像検査装置１００のＣＰＵ１０２がメモリ１０８に格納されたプログラムを実行し、画像検査装置１００の構成要素へ指令を与えることなどによって実現される。すなわち、ＣＰＵ１０２は画像検査装置１００の動作全体を制御する制御部としての機能を有する。なお、これらの機能構成の一部または全部はハードウェアで実現されていてもよい。

（ｆ２．情報格納部）
図８は本実施の形態に係る情報格納部７０に格納される情報の一例を模式的に示す図である。情報格納部７０の領域は、検査のために参照されるデータを対応づけて格納する領域Ｅ１と、異常モード毎に異常品画像を分類して格納するための領域Ｅ２と、異常原因を特定するためのデータを格納する領域Ｅ３と、各工程の検査対象画像およびプロセスデータを格納する領域Ｅ４とを含む。

領域Ｅ１には、異常モードＭ１〜Ｍ６のそれぞれに対応して、当該異常モードの識別子（Ｍ１〜Ｍ６）と、算出される基準マハラノビス距離（Ｄ１ｇ〜Ｄ６ｇ）とが格納される。

領域Ｅ２には、各異常モードについて、当該異常モードの異常品画像が格納される。異常品画像には、予め準備された基準画像と、検査時に当該異常モードに帰属すると判定された検査対象画像とが含まれる。

領域Ｅ３には、異常モード毎に異常原因特定データ７０１が格納される。異常原因特定データ７０１は、金属板上における各異常部について異常部関連データ６１を含む。異常部関連データ６１は、当該異常部の発生の位置・周期を示す位置パラメータ１１１と、当該異常発生に起因する製造装置に関するパラメータを示す装置パラメータデータ１１２と、当該異常の発生原因を示す発生原因データ１１３とを対応付けて含む。領域Ｅ３のデータは予め実験などにより取得されて格納される。

位置パラメータ１１１は、単位製造量あたり例えば１ロットあたりの金属板における異常部発生位置と発生周期を示す。なお、検査時において、検査対象画像には、対応する金属板の当該１ロットにおける位置を示す位置情報が付加される。位置情報は、製造ラインの金属板の搬送速度とラインカメラの撮影速度（シャッタ速度）とを用いて算出される。これら速度は、一般的に固定値である。ラインカメラ側で両速度から位置情報を算出して撮像画像に付加する、または画像検査装置１００で算出して、検査対象画像を入力する毎に当該画像に付加する。

装置パラメータデータ１１２としては、例えば、対応の位置パラメータ１１１が示す異常部の発生位置と発生周期に対応する異常部の画像と製品の位置（座標情報）関係、異常部の発生に関わる製造装置に関するパラメータ（圧延ロールの円周、圧延ロールの間隔、レベリング工程のロールの径、レベリング工程のロールの間隔など）、製品の幅、当該異常部の形状、通常モードの画像と蛍光モードの画像との対応関係などのうち、当該異常発生に起因する１つ以上のパラメータを含む。

発生原因データ１１３は、当該異常発生の原因（工程の種類、製造ラインにおける異常発生の場所など）を示す。

領域Ｅ４には、各工程の検査対象画像とプロセスデータ１１８が格納される。プロセスデータは、たとえば、製品の処理温度、製品の処理溶液のＰＨ、製品の処理溶液の液組成、製品の処理溶液の溶存酸素量、製品の処理溶液の粘度、製品の処理時の張力、製品の処理溶液の次亜塩素酸濃度を含む。

（ｆ３．各部の機能）
図７を参照して、異常品特徴量抽出部３２は、予めモードＭ１に該当する異常（不良）品であることがわかっている複数の異常品対象物をラインカメラで撮像して得られた複数の異常品画像の各々について複数の特徴量を取得する。具体的には、異常品特徴量抽出部３２は、対象の画像を基準閾値に基づいて２値化処理することによって２値化画像を生成し、２値化画像に基づいて異常品と判断される要因とは異なる要因で生じたノイズを除外した実効検査領域を抽出し、実効検査領域に基づいて特徴量を取得する。異常品特徴量抽出部３２は、実効検査領域から特定された特徴量取得領域の各画素における上記の９種類の特徴量（１）〜（９）を取得する。

基準空間構成部３４は、モードＭ１の複数の異常品画像の各々についての特徴量（１）〜（９）に基づいて、異常品画像ごとのマハラノビス距離を算出する。基準空間構成部３４は、異常品画像ごとのマハラノビス距離を平均した基準マハラノビス距離Ｄ１ｇを算出する。

上記のモードＭ１の異常品画像についての基準マハラノビス算出方法は、モードＭ２の異常品画像についての異常品特徴量抽出部４２および基準空間構成部４４でも同様に実施されて、モードＭ２の異常品画像ごとのマハラノビス距離を平均した基準マハラノビス距離Ｄ２ｇが算出される。同様にして、モードＭ３の異常品画像についての異常品特徴量抽出部５２および基準空間構成部５４でもモードＭ３の異常品画像ごとのマハラノビス距離を平均した基準マハラノビス距離Ｄ３ｇが算出される。さらに、他の異常モードＭ４〜Ｍ６それぞれについても、基準マハラノビス距離Ｄ４ｇ〜Ｄ６ｇが算出される。

情報格納部７０は、モードＭ１〜Ｍ６について算出された基準マハラノビス距離Ｄ１ｇ〜Ｄ６ｇを、領域Ｅ１に各異常モードに対応づけて格納する。

特徴量抽出部２０は、検査時に検査対象物を撮像して得られた被検査画像について上記の９種類の特徴量（１）〜（９）を取得する。特徴量抽出部２０は、各々の異常品画像に対して異常品特徴量抽出部３２，４２，５２が実現する機能と同様の機能を被検査画像に対して実現する。

モード毎の距離計算部９０は、特徴量抽出部２０から出力された特徴量から被検査画像のマハラノビス距離Ｄоを算出する。

距離計算部９０と異常モード分類部９５とは、検査対象画像のマハラノビス距離Ｄоと領域Ｅ１の基準マハラノビス距離Ｄ１ｇ〜Ｄ６ｇとから当該検査対象画像が帰属する異常モードを判定する。具体的には、基準マハラノビス距離Ｄ１ｇ〜Ｄ６ｇそれぞれのうち検査対象画像のマハラノビス距離Ｄоと最も近い、言い換えるとマハラノビス距離Ｄоとの差を算出し、差の最も小さい基準マハラノビス距離に対応の異常モードを、検査対象画像が帰属する異常モードであると判定する。

ＣＰＵ１０２は、検査対象画像を、判定された異常モードに対応づけて領域Ｅ２に格納する。

異常部規格化マッピングデータ生成部１２０は、異常部の異常モードと検査対象物における異常部の座標とを含むマッピングデータを生成し、複数の工程における検査対象物の寸法変化に基づいて、複数のマッピングデータに含まれる同一異常部の座標が一致するように複数のマッピングデータのサイズを同一サイズに規格化する。

同一異常特定部１２２は、規格化された複数のマッピングデータのうちの２つ以上のマッピングデータに含まれる同一異常部を特定してグループ化する。異常原因判定部１２６は、規格化された複数のマッピングデータと、グループ化された異常部とに基づいて各異常部が発生した工程を特定する。異常原因判定部１２６は、検査対象物に発生した異常部の異常モードと、その異常部が発生した工程とに基づいて、異常部が発生した原因を判定し、判定結果をディスプレイ１１０などに出力する。

（ｆ３．原因プロセスの特定方法）
次に異常が発生した場合の原因プロセスの特定方法について述べる。各工程におけるプロセスデータは情報格納部７０に保管される。情報格納部７０内において、正常製品を製造した際のプロセスデータ群を基準データ群として、基準空間を作成する。

異常発生時の距離計算部１２８は、作成された基準空間に対して、異常製品製造時のプロセスデータを用いてマハラノビス距離を算出する。要因分析部１３０は、異常発生時のマハラノビス距離が大きくなる要因を要因分析により求め、そのことにより、異常の発生原因プロセスを特定する。

プロセスデータのマハラノビス距離の算出時には、プロセスデータ同士の相関係数が大きくなるため多重共線性の問題が発生する場合が多い。この問題を解決するために、通常の逆行列計算を実施するのではなく、一般化逆行列を適用する。

一般化逆行列を用いてマハラノビス距離Ｄを計算する方法を以下に示す。まず、相関係数行列Ｒは次式（１０）で示される。

ここで、相関係数行列Ｒの要素ｒ_ｉｊは、単位データについてのｉ番目の項目とj番目の項目の相関係数であり、次式（１１）で示される。ただし、ｒ_ｉｊ＝ｒ_ｊｉであり、ｉ＝ｊのときはｒ_ｉｊ＝１である。

次に、一般化逆行列Ａを算出する。固有値行列Λ、固有ベクトル行列Ｗ、行列Ｖを求める。次式（１２）に基づいて、相関係数行列Ｒの固有値を求める。

数式（１２）を満たす固有値λを求め、大きい順にλ_１、λ_２、…λ_ｋ≧０と並べ、次式（１３）で示される特異値行列Λを得る。

次に、数式（１４）を満たすλ_１に対する固有ベクトル、すなわち数式（１５）で示される固有ベクトルを求める。なお、λ_１は平方根をとった特異値ではない。

同様に、λ_ｉ（ｉ＝１〜ｋ）に対して固有ベクトルを求め、次式（１６）で示される固有ベクトル行列Ｗを得る。

次に、次式（１７）で表わされる行列Ｖを求める。

また、次式（１８）で表わされる一般化逆行列Ａを求める。なお、Ｖ^ｔは、行列Ｖの転置行列である。

次に、単位データのサンプル毎にマハラノビス距離Ｄ（単）_１を次式（１９）に基づいて求める。

同様に、信号データのマハラノビス距離Ｄ（信）_ｈを数式（２０）に基づいて求め、道データのマハラノビス距離Ｄ（未）_ｈを数式（２１）に基づいて求める。

＜Ｇ．処理手順＞
図９は、画像検査装置１００の動作を示すフローチャートである。まず、画像検査装置が実行するマハラノビス距離の算出処理手順（マハラノビス算出工程）について説明する。概略として、画像検査装置１００は、ラインカメラによって撮像されることにより、取得した撮像画像に基づいて、金属板画像の特徴量を取得し、取得した特徴量に基づいてマハラノビス距離を算出する。以下に示す各ステップは、基本的には、ＣＰＵ１０２がプログラムを実行することで実現される。

ＣＰＵ１０２はステップＳ１０において、ラインカメラによって撮像された被検査画像を取得する。次にＣＰＵ１０２はステップＳ１２において、取得した画像の特徴量を抽出する。すなわち、ＣＰＵ１０２は、撮像画像について、ガウシアンフィルタによる平滑化を行なう。続いて、ＣＰＵ１０２は、当該平滑化がされた画像について、判別分析法による２値化処理を用いて、金属板表面の異常部を抽出する。続いて、ＣＰＵ１０２は、当該金属板部分が抽出された画像について、画素の輝度の平均値を閾値として２値化処理を実施するとともに、ラベリング処理により複数の異常部を特徴化する。続いて、ＣＰＵ１０２は、特徴量を取得する領域を特定し、当該領域について膨張処理を実施し、画像の特徴量を強調化する。

次に、ＣＰＵ１０２は、当該取得した特徴量を所定手順に従って正規化する（ステップＳ１４）。次に、ＣＰＵ１０２は、異常モード毎の異常品画像を領域Ｅ２から読み出し取得する。続いて、各異常モードに対応する異常品特徴量抽出部および基準空間構成部は、領域Ｅ２から読み出された当該異常モードに対応の複数の異常品画像について上述したマハラノビス距離算出により、当該異常モードの基準マハラノビス距離を算出する（ステップＳ１６）。これにより、基準マハラノビス距離Ｄ１ｇ〜Ｄ６ｇが算出されて、領域Ｅ１に格納される。

続いて、距離計算部９０はステップＳ１８において、検査対象画像の特徴量を抽出し、検査対象画像の各異常モード毎のマハラノビス距離Ｄоを算出する。異常モード分類部９５は、検査対象画像のマハラノビス距離Ｄоと、マハラノビス距離に関する所定しきい値とを比較し、所定しきい値よりも小さい値である場合（ステップＳ２０でＹＥＳ）、検査対象画像は良品画像であると判別する。

一方、所定しきい値以上であると判定すると（ステップＳ２０でＮＯ）、異常モード分類部９５は、検査対象画像のマハラノビス距離Ｄоと領域Ｅ１から読み出した異常モードＭ１〜Ｍ６の基準マハラノビス距離Ｄ１ｇ〜Ｄ６ｇそれぞれとを比較し、異常モード分類部９５は、その比較結果から、距離が最も近い基準マハラノビス距離の異常モードを特定（判定）する（ステップＳ２２）。

ＣＰＵ１０２は、異常モードが判定された検査対象画像を、領域Ｅ２の対応する異常モードの異常品画像として追加格納する。追加された画像を基準空間データに含めて異常モードの基準空間を再構成し、次の被検査画像の判定を実施する。このことで、被検査画像の増加とともに、検査精度は向上する。

また、ステップＳ２４においてプロセスデータ１１８を取得し、情報格納部７０に格納する。次にステップＳ２６において、金属板の厚さおよび幅から各工程における形状変化を予測する。

次いでステップＳ２８において、異常モード毎に分類された画像に関して、マッピングデータの形状を規格化する。すなわち、母材の厚み、幅から上流のプロセスにおいて規定されたサイズに規格化したマッピングデータを作成する。

ここでマッピングデータについて定義する。この実施の形態で取り扱う金属板に関しては、溶解後に板材として製造される鋳造工程においては厚さが２０ｍｍ程度ある。この板材を圧延、焼き鈍しを繰り返しながら、厚さ５００μｍ〜１０μｍの金属薄板、金属箔へ加工する。その際に圧延により板厚が小さくなるとともに、板の長さが増加し、最終的に長さ数１００ｍ〜数１０００ｍの長さとなる。

画像検査装置１００においては、この表面の異常部の画像をその金属薄板または金属薄膜上の座標情報に紐付けして記憶している。このデータは工程毎にまとめられ、その工程におけるサンプル表面の異常部の位置（すなわち座標）と異常部が属する異常モードと画像情報を１つのデータベースとして保存していることから、便宜上「マッピングデータ」と呼ぶ。

規格化されたマッピングデータに関して、異常モード毎の相対距離、相対角度の位置関係情報から同一異常を工程間のマッピングデータに関してグルーピング化する。ここで、相対位置、相対角度の意味について説明する。規格化前のマッピングデータにおいては、異常モードの発生点の絶対位置は工程間で異なる。また、異常点同士の相対位置関係において、ある点を基準とした他の異常点の角度は、圧延の方向、切断位置によって異なっている。そのため、サンプルの圧延率、圧延方向、切断前の形状を基準としたサンプルを各工程間で規格化する必要がある。このようにして規格化されたマッピング化を実施することで、異常部同士の相対位置、角度の比較が可能となり、そのことによって、マッピング上の異常の特定を実施することができる。

図１０（Ａ）（Ｂ）は、本実施の形態において、異常の発生工程を特定する方法を示す図である。この方法によれば、グルーピング化により特定された同一異常は工程のどの段階で発生したかを特定することができる。図１０（Ａ）は、画像検査装置により記録された各工程毎のマッピングデータを示している。鋳造時には板厚が大きく、その代わりに板の長さが短い。これが圧延、焼鈍を繰り返す中で板厚が小さく、圧延方向に長い状態に加工されていく。その過程においてロールのキズ、金属に内在されていた欠陥が顕在化し、異常部として画像のマッピングデータに記録されていく。

各画像のマッピングデータは各工程毎に１つのデーターセットとして保管されるため、その情報を比較することはできない。また、工程には切断による一部取り出しと、切断部の再圧延も加わる。各マッピングデータは工程毎のデータセットであるため、工程内の異常発生状況を別ロットで比較できるが、工程間の同一ロットの異常の発生状況を比較することはできない。

そこで、図１０（Ｂ）に示すように、マッピングデータの規格化を実施する。つまり、板材の厚さ情報、切断情報からマッピングデータＤＡの位置情報をマッピングデータＤＢの位置情報に変換する。こうすることで、工程間の異常の発生位置を同一の規格化された面内情報で比較することが可能となる。

たとえば、鋳造工程終了後に金属板に存在する異常部は、圧延工程の終了後にも金属板に存在する。圧延工程の前後で金属板の長さが異なるので、マッピングデータＤＡでは、鋳造工程終了後における異常部の位置と、圧延工程終了後における異常部の位置は異なる。しかし、規格化されたマッピングデータＤＢでは、鋳造工程終了後における異常部の位置と、圧延工程終了後における異常部の位置とは同じになる。

また、先に述べた異常部の画像によるモード分類から規格化された面内情報において、異常部の座標（規格化後）とその異常モードを特定したマッピングデータＤＢを得ることができる。規格化後の異常モードを含むマッピングデータを用いることで、同一ロットにおける異なる工程間の特定の異常の発生有無を比較することができる。そこで、図９のステップＳ３０で複数工程のマッピングデータを比較し、ステップＳ３２で同一異常を特定し、ステップＳ３４で異常発生工程を特定する。

例えば、図１０（Ｂ）のマッピングデータＤＢにおいて、圧延工程終了後に金属板に存在する異常部の位置および異常モードが、鋳造工程終了後に金属板に存在する異常部の位置および異常モードと同じである場合、その異常部（×）は鋳造工程で発生したと判別することができる。

また、マッピングデータＤＢにおいて、圧延工程終了後に金属板に存在する異常部が、鋳造工程終了後に金属板に存在しない場合、その異常部（△）は圧延工程で新規に発生したものと判別することができる。

同様に、焼鈍時のマッピングデータＤＢで見られる☆で示す異常は圧延時には見られないので、この異常が焼鈍時に発生したものと特定できる。また、切断（１／４）工程後で見られた直線状の異常は、焼鈍時には見られないので、切断（１／４）工程で発生したものと特定できる。また、切断（１／４）部再圧延工程後で見られた★で示す異常は、切断（１／４）部取り出し工程では見られないので、切断（１／４）部再圧延工程で発生したものと特定できる。

また、各工程におけるプロセスデータは情報格納部７０に保管されており、情報格納部７０内において、正常製品を製造した際のプロセスデータ群を基準データ群として、基準空間を作成する。ステップＳ３６において、作成した基準空間に対して、製品製造時のプロセスデータを用いてマハラノビス距離を算出する。異常発生時のマハラノビス距離が大きくなる要因を要因分析により求め、ステップＳ３８において、異常の発生原因プロセスを特定する。

プロセスデータのマハラノビス距離の算出時には、プロセスデータ同士の相関係数が大きくなるために発生する多重共線性の問題が発生する場合が多い。この問題を解決するために、通常の逆行列計算を実施するのではなく、一般化逆行列を適用した。

＜実施の形態の変形例＞
上記では、金属板を検査対象物として説明したが、画像として取得できるものであればこれに限られない。例えば、液晶パネルに用いられる偏光フィルムを検査対象物としてもよい。発明者らは、上述した検査方式を液晶パネル用の偏光フィルム検査工程、液晶パネルへの貼付後のパネル検査工程に適用した。

偏光フィルムの製造工程においては、フィルムの表面の傷、ゴミの付着等による変色の問題がある。特に液晶パネルへ貼付後に、静電気等を与えて液晶に配向性を与える際に、静電気を与えるための接触物により、細かな傷や配向の乱れが発生する。

ここでも、異常モードごとに算出されたマハラノビス距離が異なることが確認された。液晶パネル用の偏光フィルム検査工程、液晶パネルへの貼付後のパネル検査工程に、上述した検査方式を導入することで、これまで特定の部位で発生する特定の異常の検査に終始していた検査工程が、未知の異常に関しても高速に、精度良く異常を検出することができるようになった。

＜実施の形態の効果＞
本実施の形態によれば、画像の特徴量から算出されるマハラノビス距離により、被検査画像の異常モードを特定することができる。また、被検査画像の増加とモードへの分類、新たな基準空間の構成により、モード毎の判定精度を被検査画像の増加とともに向上することができる。

また、被検査画像のマハラノビスの距離から、異常が同一の原因で発生したと推定される画像グループを特定することができる。それら画像グループ同士の有する位置パラメータの相対関係から異常の発生工程を特定することができる。その際、工程間で圧延、切断によるサイズ変化が発生する場合がある。圧延により変化する母材の厚さ、切断により変化する母材の幅の変化から、母材のサイズを規格化する。規格化されたサイズにおける異常モード毎の相対的な位置関係から、特定異常が発生した工程を決定することができる。

また、異常が発生した原因工程において、正常時に取得したプロセスデータを基準空間データとして計算する。基準空間データに対する製品製造時のマハラノビス距離をモニターし、画像検査において異常が発生した際のマハラノビス距離の変化に影響する要因となったパラメータを要因分析により特定する。

上記の実施結果より、異常モード毎の発生工程、発生原因を特定することが可能となる。また、ガラス、フィルム等、マーキングが困難な製品であってもマーキングする事なしに、異常の発生工程、発生原因の特定が可能となる。

また、異常部の数、大きさではなく、多変量パターン認識を用いることで異常モードを特性することにより、圧延により大きさが変化した場合にも、ＣＣＤ画像を用いた異常モード毎の分類が可能となる。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した説明ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

２０ 特徴量抽出部、３２，４２，５２ 異常品特徴量抽出部、３４，４４，５４ 基準空間構成部、７０ 情報格納部、９０ モード毎の距離計算部、９５ 異常モード分類部、１００ 画像検査装置、１０２ ＣＰＵ、１０４ キーボード、１０６ マウス、１０８ メモリ、１１０ ディスプレイ、１１１ 位置パラメータデータ、１１２ 装置パラメータデータ、１１３ 発生原因データ、１１５ メモリインターフェイス、１１６ 通信インターフェイス、１１８ 検査対象画像およびプロセスデータ、１２０ 異常部規格化マッピングデータ生成部、１２２ 同一異常特定部、１２４ 異常発生工程特定部、１２６ 異常原因判定部、１２８ 異常発生時の距離計算部、１３０ 要因分析部、Ｄ１ｇ〜Ｄ６ｇ 基準マハラノビス距離、Ｅ１〜Ｅ４ 領域、Ｍ１〜Ｍ６ 異常モード。

Claims (6)

1. 検査対象物を製造する複数の工程を含む製造ラインにおいて前記検査対象物を検査する画像検査方法であって、
   前記複数の工程の各々の終了後に撮像された前記検査対象物の画像に基づいて、各工程の終了後の前記検査対象物に存在する異常部が複数の異常モードのうちのいずれの異常モードに属するかを判別し、異常部の異常モードと前記検査対象物における異常部の座標とを含むマッピングデータを生成する第１のステップと、
   前記複数の工程における前記検査対象物の寸法変化に基づいて、複数の前記マッピングデータに含まれる同一異常部の座標が一致するように複数の前記マッピングデータのサイズを規格化する第２のステップと、
   規格化された複数の前記マッピングデータのうちの２つ以上のマッピングデータに含まれる同一異常部をグループ化し、異常部が発生した工程を特定する第３のステップとを備える、画像検査方法。
2. 予め、それぞれ前記複数の異常モードに属する複数群の異常部の画像が撮像され、前記複数群の異常部の画像の特徴部からそれぞれ前記複数群の異常部に対応する複数の基準マハラノビス距離が算出され、
   前記第１のステップでは、前記検査対象物の画像の特徴部から第１のマハラノビス距離を算出し、算出した第１のマハラノビス距離と前記複数の基準マハラノビス距離とを比較し、比較結果に基づいて当該異常部が前記複数の異常モードのうちのいずれの異常モードに属するかを判別する、請求項１に記載の画像検査方法。
3. 予め、異常部を含まない検査対象物が製造されたときのプロセスデータ群を基準データ群として基準空間が作成され、
   さらに、異常部を含む検査対象物が製造されたときのプロセスデータを用いて第２のマハラノビス距離を算出し、算出結果と前記基準空間に基づいて異常部が発生する原因を特定する第４のステップを備える、請求項１または請求項２に記載の画像検査方法。
4. 前記第４のステップでは、一般化逆行列を用いて前記第２のマハラノビス距離を算出する、請求項３に記載の画像検査方法。
5. 前記検査対象物はフィルムであり、
   前記複数の工程のうちの少なくとも１つの工程は圧延工程である、請求項１から請求項４までのいずれか１項に記載の画像検査方法。
6. 検査対象物を製造する複数の工程を含む製造ラインにおいて前記検査対象物を検査する画像検査装置であって、
   前記複数の工程の各々の終了後に撮像された前記検査対象物の画像に基づいて、各工程の終了後の前記検査対象物に存在する異常部が複数の異常モードのうちのいずれの異常モードに属するかを判別し、異常部の異常モードと前記検査対象物における異常部の座標とを含むマッピングデータを生成するデータ生成部と、
   前記複数の工程における前記検査対象物の寸法変化に基づいて、複数の前記マッピングデータに含まれる同一異常部の座標が一致するように複数の前記マッピングデータのサイズを規格化する規格化部と、
   規格化された複数の前記マッピングデータのうちの２つ以上のマッピングデータに含まれる同一異常部をグループ化し、異常部が発生した工程を特定する特定部とを備える、画像検査装置。