專利名稱：幅材制備工藝中專用的重復缺陷檢測的制作方法
技術領域：
本發(fā)明涉及自動檢測系統(tǒng)，更具體地講，涉及用于檢測移動幅材的系統(tǒng)。
背景技術：
已經證明用于移動幅材分析的檢測系統(tǒng)對現(xiàn)代制備作業(yè)至關重要。金屬制造、造紙、非織造材料和膜等多種行業(yè)依靠這些檢測系統(tǒng)進行產品檢定和在線過程監(jiān)控兩者。幅材生產線上生產的產品受到許多來源引起的異?；蛉毕莸挠绊憽Ｒ粋€關注的重點是幅材生產線引起的異常，例如，因連續(xù)旋轉設備以規(guī)則的重復的模式接觸幅材所產生的異常。此類設備可總體上描述為“輥”。幅材生產線上使用的典型輥包括(但不限于)澆注輪、拉引輥、壓料輥、微復制輥、幅材清潔部件和惰輥。例如，輥表面可能被損壞(如劃傷)或可能有污染物(如污垢或其他顆粒)，這在輥傳送的移動幅材中引起異?；蛉毕荨４送?，輥可能引起所謂的“重復異?！敝幵谟谠谳伒拿看涡D時可以在移動的幅材中弓I入新異常。在所得幅材產品上，這些異常在相同橫向或“幅材橫向”位置中以等于輥周長的距離重復。幅材生產線可具有幾百個輥，其中許多輥可具有相似的直徑。利用常規(guī)檢測系統(tǒng)很難辨識引起幅材內的重復異?；蛉毕莸木唧w出錯輥。例如，市售的幅材檢測系統(tǒng)提供對重復缺陷(包括幅材橫向位置和幅材縱向重復距離)的辨識功能。然而，這些系統(tǒng)通常需要對給定生產線上的現(xiàn)有輥的直徑有先驗知識，以便從整個數(shù)據(jù)流中提取重復缺陷的信息。此外，在許多情況下，給定幅材生產線上可能有許多惰輥或其他輥具有與重復異常的給定重復距離接近的周長，從而難以辨識導致缺陷的輥。作為一個實例，薄膜生產線上的長度取向機可具有許多輥(如12個或更多個)，這些輥均具有相同的8英寸標稱直徑。利用傳統(tǒng)方法常常很難確定唯一的導致缺陷的輥，部分由于這些輥中的每一個的直徑的微小差異所致。此外，常規(guī)系統(tǒng)常常不能解釋導致缺陷的輥和幅材檢測系統(tǒng)之間幅材的任何空間上的變形(如拉伸)。而且，也會發(fā)生未記載的幅材生產線上的輥更換。例如，直徑5英寸的輥可以替換直徑6英寸的輥，并且可以開始引入重復缺陷。由于未記載更換，并且輥的假設直徑不正確，因此使用常規(guī)幅材檢測系統(tǒng)的工藝操作者可能不會檢查已更換的輥是否是造成異?；蛉毕莸母?。

發(fā)明內容
本發(fā)明整體描述了移動幅材自動檢測技術。檢測系統(tǒng)(例如)利用光學采集裝置來采集幅材的異常信息，并且利用復雜程度通常較低的第一算法來進行初步檢查。存儲與包含異常的幅材區(qū)域有關的圖像信息以用于后續(xù)處理，其中接受下述可能性盡管異常中的一些可最終被辨識為缺陷，但多個異?？蔀椤板e誤肯定”，即，這些異常并非為缺陷。此外，如果幅材被轉換成特定產品用途，則幅材中的一些異常區(qū)域可能最終被分類為有缺陷的，但如果幅材用于另一種產品中，則該區(qū)域可能最終被分類為沒有缺陷的。在方便的時間，甚至在所檢測幅材已卷繞到輥上且不能利用之后，可重新考慮和完整地分析原始異常信息。因此，移動幅材在檢測期間的速度比幅材的整個表面經受復雜分析時可能的速度可能高得多。例如，轉換決定可為離線制定的，并且可取決于多個因素。轉換控制系統(tǒng)隨后重新考慮原始圖像信息，并且對圖像信息實施多個較復雜的圖像處理和缺陷提取算法(本文統(tǒng) 稱為“專用缺陷檢測法”或簡稱為“檢測法”)中的至少一個，以根據(jù)幅材的可能用途從異常中有效地分離出實際缺陷。轉換控制系統(tǒng)利用缺陷信息來確定和控制下述方式在該方式中，根據(jù)一個或多個產品選擇參數(shù)將幅材最終轉換成產品。具體地講，轉換控制系統(tǒng)應用圖像處理和缺陷提取算法來產生多個可能幅材型產品(即，幅材可轉換成的產品)的缺陷信息。轉換控制系統(tǒng)隨后辨識出哪個產品最佳地實現(xiàn)所選參數(shù)，例如幅材的最大利用率。可用于影響轉換選擇過程的產品選擇參數(shù)的其他實例包括制備的單位產品、從制備的產品獲得的估計收入或利潤、轉換幅材所需的加工時間、用于每一條生產線的當前機器的生產能力、用于不同產品的當前需求或者其他參數(shù)。另外，本文所述技術使自動檢測系統(tǒng)能夠區(qū)分重復出現(xiàn)的異常和來源可能不確定的隨機異常。幅材生產線的某些元件會在幅材內導致重復異?；蛉毕?。例如，用來支承系統(tǒng)中傳送的幅材的惰輥(本文統(tǒng)稱“輥”)可能會在幅材內以規(guī)則的間隔產生重復異常。根據(jù)本文所述技術，自動檢測系統(tǒng)可辨識出幅材內的這類重復異常，并甚至可確定異常的來源。這可以使得生產線的操作者定位導致異常的元件，以修理或更換出錯元件。在一些實施例中，幅材檢測系統(tǒng)可根據(jù)給定異常為重復異常還是隨機異常來優(yōu)先地應用不同的專用缺陷檢測法。例如，所述技術認識到，在同一幅材中，相對于非重復或隨機異常，可能有利的是對重復異常應用不同的缺陷靈敏度。換句話講，當對于給定的可能最終用途確定出幅材中的哪些異常認定為缺陷時，幅材檢測系統(tǒng)可將第一組一種或多種專用缺陷檢測法應用到重復異常并且可將第二組專用缺陷檢測法應用到隨機異常。這些組的缺陷檢測法可在所考慮的算法和異常特性方面不同，或者可考慮相同的特性并且僅在靈敏度方面不同。例如，在一些情況下，當客戶對最終產品中的重復缺陷較靈敏時，用于將重復異常分類為缺陷的較嚴格檢測法可為優(yōu)選的。在這種情況下，應用僅應用于重復異常的較嚴格的專用缺陷檢測法可獲得改善的客戶滿意度水平。此外，用于分類重復缺陷的較嚴格檢測法可通過允許較易于辨識和修理出錯的制備元件(如，輥)來提供增強的工藝控制。此外，在一些情況下，可調整不同組的應用缺陷檢測法的靈敏度，以實現(xiàn)基本上相同的客戶滿意度水平，同時仍能實現(xiàn)幅材轉換產率提高。例如，僅應用于隨機(非重復)異常且不提高或僅適度提高對于重復異常的靈敏度的不太嚴格的專用缺陷檢測法可最終實現(xiàn)提高的轉換產率，同時仍能保持基本上相同的客戶滿意度水平(如同會以其它方式在不區(qū)分重復異常和非重復異常的情況下所實現(xiàn)的客戶滿意度水平)。此外，可根據(jù)領會的客戶滿意度或重復異常的容錯度在針對每個產品的基礎上調整不同組的缺陷檢測法的靈敏度。此外，幅材檢測系統(tǒng)可辨識異?；蛉毕菰诜膬鹊奈恢?，然后將這些位置與幅材制備過程中接收的輥同步信號相關聯(lián)。例如，幅材制備工藝中每一個所關注的輥配有同步標記。在幅材制備過程中，幅材檢測系統(tǒng)接收來自該輥中的每一個的輥同步信號，該信號指示相應的輥已完成完整的旋轉。幅材檢測系統(tǒng)記錄這些同步標記每次發(fā)生時相對于它的幅材縱向位置坐標系的位置。然后，幅材檢測系統(tǒng)將輥同步信號的位置數(shù)據(jù)與異常或缺陷的位置數(shù)據(jù)相關聯(lián)。在一個實施例中，本發(fā)明涉及一種方法，該方法包括接收來自幅材制備系統(tǒng)的多個傳感器的輥同步信號，其中該傳感器中的每一個對應于幅材制備系統(tǒng)的不同輥，并且其中該輥同步信號中的每一個指示在幅材制備過程中對應的輥已完成完整的旋轉。該方法還包括從幅材檢測系統(tǒng)接收用來辨識異常在幅材上的位置的異常數(shù)據(jù)。該方法還包括將一組 該異常中的兩個或更多個辨識為重復異常，通過將重復異常的位置與輥同步信號進行互相關來辨識該輥中的哪一個導致重復異常，以及輸出這些輥中出錯輥的識別信息。在另Iv實施例中，本發(fā)明涉及一種系統(tǒng)，該系統(tǒng)包括接觸幅材的多個棍，其中該輥中的兩個或更多個各自包括指示對應的輥完成完整旋轉的時間的同步標記。該系統(tǒng)包括多個同步標記讀出器，所述同步標記讀出器讀取多個輥的同步標記并輸出輥同步信號。該輥同步信號中的每一個指示幅材制備過程中對應的輥已經完成完整的旋轉。該系統(tǒng)還包括在該輥中的至少一個上的編碼器和檢測系統(tǒng)，其中編碼器輸出表征幅材的幅材縱向距離的位置信號，檢測系統(tǒng)檢測幅材并輸出辨識異常在幅材上的位置的異常數(shù)據(jù)。同步單元接收來自編碼器的位置信號和來自同步標記讀出器的多個輥同步信號，并且將輥同步信號中的每一個的出現(xiàn)轉化為與幅材生產線關聯(lián)的坐標系內的幅材縱向位置。分析計算機處理異常數(shù)據(jù)，以將一組異常中的兩個或更多個辨識為重復異常。分析計算機通過將重復異常的位置與輥同步信號的幅材縱向位置進行互相關，來輸出對導致重復異常的輥的指示信息。在另一個實施例中，本發(fā)明涉及包含軟件指令的計算機可讀存儲介質。這些指令促使計算機的可編程處理器執(zhí)行軟件指令，并執(zhí)行本文規(guī)定的功能中的至少一些。本文所述的技術可以提供若干優(yōu)點。例如，該技術可以實現(xiàn)顯著高于常規(guī)系統(tǒng)的精確度改善。例如，該技術可用于輕松區(qū)分差值為小于25 μ m的輥尺寸。這樣可以從一組直徑相似的輥中辨識出錯輥，從而可以更簡單更穩(wěn)健地維護制備工藝。此外，該技術允許從甚至大量的隨機缺陷中辨識待檢測幅材上的重復異常或缺陷。此外，該技術允許系統(tǒng)測量輥的缺陷產生區(qū)域的準確幅材橫向和周向位置，甚至區(qū)分在相同幅材橫向位置處的多個重復缺陷。本發(fā)明的一個或多個實施例的細節(jié)在以下附圖和具體實施方式
中給出。根據(jù)具體實施方式
和附圖以及權利要求書，本發(fā)明的其他特征、目標和優(yōu)點將顯而易見。定義為了本發(fā)明的目的，此專利申請中使用的以下術語定義如下“幅材”表示在一個方向具有固定尺寸并且在正交方向具有預定或待定長度的片狀材料；
“序列”表示由光學映射到單排傳感器元件(像素)的幅材的連續(xù)單行或區(qū)域形成的圖像；“像素”表示由一個或多個數(shù)值代表的圖像元素；“連通域”表示二進制圖像中的連通集的像素；“缺陷”表示特定產品中的不期望發(fā)生的情況；“異?！北硎痉闹械钠?，所述偏差在給定產品中可能是缺陷或可能不是缺陷，這取決于異常的特性和嚴重性。“灰度”表示具有大量可能值(如，256個數(shù)值)的像素；“二值化”為用于將像素轉換成二進制值的操作； “濾波器”為從輸入圖像到所需輸出圖像的數(shù)學轉換，濾波器通常用于提高圖像中所需屬性的對比度；“專用”表示根據(jù)幅材的預期用途來限定要求，如等級；“產率”表示以材料百分比、產品單位數(shù)或某種其他方式表達的幅材利用率；“檢測法”為可應用于異常信息以根據(jù)多個因素來確定任何實際缺陷的專用算法；“產品”為由幅材制備的單個片材(也稱為部件)，如用于移動電話顯示屏或電視屏幕的矩形膜片；并且“轉換”為將幅材以物理方式切割為產品的過程。


圖I為框圖，示出了全局網絡環(huán)境，轉換控制系統(tǒng)在其中控制幅材的轉換。圖2為框圖，示出了示例性幅材制造廠中的檢測系統(tǒng)的示例性實施例。圖3為框圖，示出了幅材制造廠的示例性實施例中的幅材制備系統(tǒng)的示例性實施例。圖4為框圖，更詳細地示出了遠程同步單元的示例性實施例。圖5為框圖，示出了一個系統(tǒng)，該系統(tǒng)將輥位置數(shù)據(jù)與檢測數(shù)據(jù)結合，以確定是否有某個輥正在導致重復異常，如果有，則確定該輥中的哪一個正在導致重復異常。圖6為框圖，示出了來自輥的一組示例性異常數(shù)據(jù)和對應的位置數(shù)據(jù)。圖7為框圖，示出了發(fā)生若干次隨機異常和重復異常的示例性幅材。圖8為框圖，示出了由圖7的數(shù)據(jù)形成的示例性合成圖。圖9為流程圖，示出了用于辨識正在導致重復異常的輥的示例性方法。圖10為框圖，示出了被分成條以用于分析每一個條的示例性幅材。圖11為流程圖，示出了用于確定是否存在重復異常的示例性算法。圖12為框圖，示出了示例性用戶界面。圖13為框圖，示出了轉換控制系統(tǒng)的示例性實施例。圖14為由用戶界面模塊提供的示例性用戶界面，用戶與該用戶界面進行交互以配置轉換控制系統(tǒng)。圖15為由用戶界面模塊提供的另一個示例性用戶界面。圖16為流程圖，示出了通過轉換控制系統(tǒng)對異常信息的示例性處理。圖17為流程圖，示出了一種示例性方法，其中轉換控制引擎為給定幅材卷產生轉換方案，以使幅材利用率最大化。圖18為流程圖，示出了一種示例性方法，其中轉換控制引擎產生轉換方案，以使從幅材卷產生的部件數(shù)量最大化。圖19為流程圖，示出了一種示例性方法，其中轉換控制引擎為給定幅材卷產生轉換方案，以使從幅材卷實現(xiàn)的總單位銷量最大化。圖20為流程圖，示出了一種示例性方法，其中轉換 控制引擎產生轉換方案，以使從幅材卷實現(xiàn)的總利潤最大化。圖21為流程圖，示出了一種示例性方法，其中轉換控制引擎產生轉換方案，以使幅材卷的加工時間最小化、但仍實現(xiàn)限定的最低產率。圖22為流程圖，示出了一種示例性方法，其中轉換控制引擎產生轉換方案，以使在一個或多個轉換位點處的生產線的利用率最大化、但仍實現(xiàn)幅材卷的限定的最低產率。圖23為流程圖，示出了一種示例性方法，其中轉換控制引擎根據(jù)合成缺陷圖產生轉換方案，以將幅材卷轉換成兩個或更多個產品，以使幅材卷的利用率最大化。圖24為流程圖，示出了一種示例性方法，其中轉換控制引擎根據(jù)多個可配置參數(shù)的加權平均值為給定幅材卷產生轉換方案。圖25為框圖，示出了轉換位點的一個實施例。圖26為流程圖，示出了在根據(jù)用于實現(xiàn)最大產率或其他可配置參數(shù)的轉換方案的幅材加工中的轉換位點的示例性操作。圖27-29示出了示例性缺陷圖。圖30示出了示例性用戶界面，操作者通過該示例性用戶界面來配置用于重復異常和隨機異常(包括它們的組合)的不同專用缺陷檢測法的應用。
具體實施例方式圖I為框圖，示出了全局網絡環(huán)境2，轉換控制系統(tǒng)4在該全局網絡環(huán)境2中控制幅材的轉換。更具體地講，幅材制造廠6A-6M (“幅材制造廠6”)表示在相互之間生產和運送幅材卷7形式的幅材，然后將成品幅材卷10運送至轉換位點8A-8N (轉換位點8)的制備位點。幅材制造廠6可以按地理位置分布，該幅材制造廠中的每一個可以包括一條或多條生產線。轉換位點8可為與幅材制造廠6相同的實體的一部分。然而，在一些實施例中，轉換位點8為成品幅材卷10的客戶。轉換位點8可從幅材制造廠6購買成品幅材卷10，然后將成品幅材卷10轉換成根據(jù)等級水平組裝到產品12內的各個片材。即，可以根據(jù)每一個片材所符合的等級水平選擇應將哪個片材組裝到哪個產品12中。根據(jù)本文所述的技術，轉換位點8也可接收成品幅材卷10中的與異常有關的數(shù)據(jù)，即，可能的缺陷。最終，轉換位點8可將成品幅材卷10轉換成各個片材，所述各個片材可組裝到用于銷售至客戶14A- 14N(客戶14)的產品12內。通常，幅材卷7、10可以包含已生產的幅材，其可以是在一個方向具有固定尺寸并且在正交方向上具有預定或待定長度的任何片狀材料。幅材的實例包括(但不限于)金屬、紙張、織物、非織物、玻璃、聚合物膜、柔性電路或它們的組合。金屬可以包括例如鋼或鋁等?？椢镆话惆ǜ鞣N布。非織物包括例如紙張、過濾介質或絕緣材料等。膜包括例如透明和不透明的聚合物膜，包括層合物和涂覆膜。
為了生產準備轉換成用于組裝到產品12中的各個片材的成品幅材卷10，非成品幅材卷7可能需要經多條生產線的處理，這些生產線可位于一個幅材制造廠內，例如幅材制造廠6A內，也可位于多個制造廠內。每一個加工過程通常使用幅材卷作為原料卷，利用卷將幅材送入制備工藝中。完成每一個加工過程后，幅材通常再次卷繞成幅材卷7并轉移至不同產品線或運送至不同制造廠，在那里進行退繞、加工并再次卷繞成卷。重復該過程，直至最終生產出成品幅材卷10。某個工廠(例如幅材制造廠6A)可以在該工廠完成對幅材卷7的加工時檢測到在幅材卷7內引入的異常，但在另一個幅材制造廠(例如幅材制造廠6B)已經完成對幅材卷7的加工之后，該異?？赡茏兊脽o法檢測。
對于多個應用，用于幅材卷7中的每一個的幅材可具有多個涂層，所述涂層是在一個或多個幅材制造廠6的一條或多條生產線處涂覆的。就第一制備工藝而言，涂層通常涂覆至基礎幅材的暴露表面，或者就后續(xù)制備工藝而言，涂層通常涂覆至先前涂覆的涂層。涂層的實例包括粘合劑、硬涂層、低粘附力背面涂層、金屬化涂層、中密度涂層、導電或不導電涂層，或者它們的組合。給定涂層可以只涂覆到幅材的一部分或可以完全覆蓋幅材的暴露表面。此外，幅材可以有圖案或無圖案。在一個給定幅材卷7的每一個制備工藝中，一個或多個檢測系統(tǒng)會采集幅材的異常信息。例如，如圖2所示，處理幅材時，如向幅材施加一個或多個涂層時，生產線的檢測系統(tǒng)可以包括緊鄰連續(xù)移動幅材設置的一個或多個圖像采集裝置。圖像采集裝置掃描連續(xù)移動幅材的連續(xù)部分，以獲得數(shù)字圖像數(shù)據(jù)。檢測系統(tǒng)可以使用一種或多種算法分析圖像數(shù)據(jù)，以產生所謂的“本地”異常信息。異常信息可以包括表示幅材的不同區(qū)域并限定在相應區(qū)域處幅材的物理偏差的多種特性的多種異常對象。異常對象可以限定特性，例如幅材異常區(qū)域的寬度偏差或幅材異常區(qū)域的長度偏差。因此長度和寬度可以表示與預定特性的物理偏差，其可限定(例如)多種等級水平。在一個示例性實施例中，可以采集和處理圖像數(shù)據(jù)，以辨識異常并形成作為代表每一個異常的數(shù)據(jù)結構的異常對象。與異常信息的采集和配準有關的信息詳見共同未決的美國專利申請“Multi-Unit Process SpatialSynchronization”(多單元處理空間同步)，該專利申請授予Floeder等人，序列號為11/828，369，2007年7月26日提交，轉讓給本發(fā)明的受讓人，并且其全文以引用方式并入本文中。通常，轉換控制系統(tǒng)4應用一個或多個缺陷檢測算法(“檢測法”)來為每一個幅材卷10選擇和產生轉換方案，所述一個或多個缺陷檢測算法可為專用的(即專用于產品12)。某個異常在一個產品(例如，產品12A)中可能導致缺陷，而該異常在不同產品(例如，產品12B)中可能不會引起缺陷。在一些實施例中，轉換控制系統(tǒng)4可根據(jù)給定異常經確定為重復異常還是隨機(即，非重復)異常來將不同的專用缺陷檢測法應用到幅材卷10的所辨識異常。每一個轉換方案表示限定的指令，用于將對應成品幅材卷10加工，以用于形成可以最終出售給客戶14的產品12。例如，可將幅材卷10轉換成用于應用到筆記本轉換器的顯示屏的最終產品，如，特定尺寸的片材。又如，可將相同的幅材卷10取代地轉換成用于應用到移動電話的顯示屏的最終產品。轉換控制系統(tǒng)4可根據(jù)可應用到重復和非重復異常的不同缺陷檢測算法來辨識出哪一個產品最佳地實現(xiàn)某些參數(shù)，例如幅材的最大利用率。此外，操作者可調整不同缺陷檢測算法的某些約束條件(例如，應用到重復和非重復異常的靈敏度差異)，以觀察對于該參數(shù)中的任何者(例如幅材的利用率)的影響?？捎糜谟绊戅D換選擇方法的產品選擇參數(shù)的其他實例包括制備的單位產品、從制備的產品獲得的估計收入或利潤、轉換幅材所需的加工時間、用于每一條生產線的當前機器的生產能力、用于不同產品的當前需求或者其他參數(shù)。有關產品選擇方法的其他細節(jié)在名稱為“ΜΑΧΠΟΖΑΤΙΟΝ OF YIELDFOR WEB-BASED ARTICLES”(幅材型制品的產率的最大化)的美國專利申請7，187,995中有所描述，該專利申請授予Floeder等人，2007年3月6日公布，并且其全部內容以引用方式并入本文中。幅材制造廠6內的生產線的某些元件可以在幅材內引入重復異?；蛉毕?。例如，當幅材經過生產線時，接合該幅材的“輥”可以在幅材內以規(guī)則的間隔引入重復異常。幅材生產線內使用的輥的實例包括澆注輪、拉引輥、壓料輥、微復制輥、幅材清潔部件和惰輥。根據(jù)本文所述技術，位于制造廠6內或遠程的自動檢測系統(tǒng)辨識幅材內的這些重復異常，并確定引入重復異常的源輥。這使得操作者定位系統(tǒng)的導致異常的元件，并修理或更換出錯元件。如下文更詳述所述，幅材檢測系統(tǒng)可辨識異常(或分類為缺陷的異常)在幅材內的 位置，然后將這些位置與幅材制備過程中接收的輥同步信號相關聯(lián)。例如，制造廠6的給定幅材制備工藝的每一個所關注的輥可配有同步標記。在幅材制備過程中，幅材檢測系統(tǒng)接收來自該輥中的每一個的輥同步信號，該信號指示相應的輥已完成完整的旋轉。幅材檢測系統(tǒng)記錄這些同步標記的出現(xiàn)。幅材檢測系統(tǒng)接著將輥同步信號中的每一個的出現(xiàn)轉化到檢測系統(tǒng)的空間域，以用于與異常或缺陷的位置數(shù)據(jù)相關聯(lián)。本文所述的技術可以提供若干優(yōu)點。例如，該技術可以實現(xiàn)顯著高于常規(guī)系統(tǒng)的精確度改善。例如，該技術可用于輕松區(qū)分差值為小于25 μ m的輥尺寸。這樣可以從一組直徑相似的輥中辨識出錯輥。此外，該技術允許從甚至大量的隨機缺陷中辨識待檢測幅材上的重復異?；蛉毕?。此外，該技術允許系統(tǒng)測量輥的缺陷產生區(qū)域的準確幅材橫向和周向位置，甚至在相同輥上或區(qū)分在相同幅材橫向位置處的多個重復缺陷。此外，在一些情況下，異常對于常規(guī)檢測系統(tǒng)常常表現(xiàn)得一樣，而不論該異常發(fā)生在幅材的頂側上還是底側上。然而，往往希望知道幅材缺陷發(fā)生在哪一側上，因為例如幅材一側(比如底側)上的異?？梢栽诤罄m(xù)過程中被涂層修復，但頂側上的異常在最終制備作業(yè)之后依然可見。因此，通過確定導致特定重復異常的出錯輥，檢測系統(tǒng)通過存儲指定每一個輥所處的一側(即頂側或底側)上的數(shù)據(jù)，并自動將每一個重復異常與各個輥相關聯(lián)，可以確定異常發(fā)生在幅材的哪一側上。通過向用戶進行顯示和指示，將數(shù)據(jù)存儲在數(shù)據(jù)庫內或將數(shù)據(jù)傳輸給其他電子系統(tǒng)或裝置，可以輸出指示導致異常的輥的一側的數(shù)據(jù)。本文所述檢測系統(tǒng)還可以被配置成在不提示操作者的情況下自動忽視幅材底側上的重復異常，同時立即提示頂側上的缺陷。或者，可以將幅材底側上的此類異常指定為較低水平的提示或警示。因此，本文所述技術的另一個可能的優(yōu)點可以是有效檢測和記錄不同重要程度的異常。圖2為框圖，示出了位于圖I的示例性幅材制造廠6A中的幅材生產線的一部分內的檢測系統(tǒng)的示例性實施例。在示例性實施例中，將幅材20的一段設置在兩個支承輥22、24之間。圖像采集裝置26A-26N (圖像采集裝置26)設置為緊鄰連續(xù)移動幅材20。圖像采集裝置26掃描連續(xù)移動幅材20的連續(xù)部分，以獲得圖像數(shù)據(jù)。采集計算機27從圖像采集裝置26收集圖像數(shù)據(jù)，然后將圖像數(shù)據(jù)傳送至分析計算機28進行初步分析。圖像采集裝置26可以是能夠讀取移動幅材20的連續(xù)部分并以數(shù)字數(shù)據(jù)流方式提供輸出的常規(guī)圖像裝置。如圖2所示，成像裝置26可以是直接提供數(shù)字數(shù)據(jù)流的攝像機或是額外具有模數(shù)轉換器的模擬攝像機。其他傳感器，例如激光掃描儀，可以作為圖像采集裝置使用。幅材的連續(xù)部分表明通過連續(xù)的單行采集數(shù)據(jù)。單行包括映射到單排傳感器或像素的連續(xù)移動幅材的區(qū)域。適于采集圖像的裝置實例包括行掃描攝像機，例如得自加拿大安大略省滑鐵盧的戴爾薩公司(Dalsa(Waterloo, Ontario))的Piranha型或得自加利福尼亞州圣何塞的愛特梅爾公司(Atmel(San Jose, Calif))的Aviiva SC2 CL型。其他實例包括與模數(shù)轉換器結合使用的得自德國慕尼黑的表面檢測系統(tǒng)有限公司(Surface InspectionSystems GmbH (Munich, Germany))的激光掃描儀。可以通過使用輔助獲取圖像的光學組件可選地采集圖像。組件可以是攝像機的一部分，也可以與攝像機分開。光學組件在成像過程中利用反射光、透射光或折射光。反射光(例如)通常適于檢測因幅材表面變形引起的缺陷，例如表面劃痕。 在一些實施例中，基準標記控制器30控制基準標記讀出器29來從幅材20采集卷和位置信息。例如，基準標記控制器30可包括一個或多個光學照相傳感器，以用于從幅材20讀取條形碼或其他標記。另外，基準標記控制器30可從與幅材20和/或輥22、24接合的一個或多個高精度編碼器接收位置信號。根據(jù)這些位置信號，基準標記控制器30確定每一個檢測到的基準標記的位置信息。基準標記控制器30將輥和位置信息傳送至分析計算機28，所述分析計算機28可使用與幅材的采集到的圖像數(shù)據(jù)相關聯(lián)的位置信息來確定哪些異常為重復異常和哪些異常為隨機異常，并且根據(jù)此來應用適當?shù)臋z測法。分析計算機28還可將任何重復異常的位置與輥同步信號相關聯(lián)，所述輥同步信號是在幅材制備期間接收的，以辨識出錯元件。用于施加和使用基準標記來辨識幅材上的具體位置的技術在共同未決的專利申請“Apparatus and Method for the Automated Marking on Websof Material”(用于在幅材上進行自動標記的設備和方法)中有所描述，該專利申請授予Floeder等人，轉讓給本專利申請的受讓人，序列號為10/826，995，2004年4月19日提交，并且其全部內容以引用方式并入本文。雖然相對于基準標記和基準標記控制器30與讀出器29進行了討論，但并非所有實施例中都需要基準標記來實施本文所述技術。在其他實施例中，在不脫離本文所述技術的情況下，可以用其他方式確定異常在幅材上的位置和其他信息。分析計算機28處理得自采集計算機27的圖像流。分析計算機28使用一種或多種初始算法來處理數(shù)字信息，以產生本地異常信息，該信息辨識包含最終可能被認定為缺陷的異常的幅材20的任何區(qū)域。對于每一個辨識出的異常，分析計算機28從圖像數(shù)據(jù)提取包含像素數(shù)據(jù)的異常圖像，所述像素數(shù)據(jù)包括幅材20上的異常和可能的周圍部分。必要時，分析計算機28可將異常分為不同的缺陷類別。例如，可存在用于辨別斑點、劃痕和油滴的獨特缺陷類別。其他類別可以辨別更多缺陷類型。根據(jù)本文所述的技術，分析計算機28還可以確定異?？稍谀姆N產品12中引起缺陷。根據(jù)基準標記控制器30生成的位置數(shù)據(jù)，分析計算機28可確定每一個異常在生產線坐標系統(tǒng)內的空間位置。即，根據(jù)來自基準標記控制器30的位置數(shù)據(jù)，分析計算機28確定每一個異常在當前生產線所用坐標系內的X、y以及可能的z位置。例如，可以限定坐標系，使得X維度表示幅材20的橫向距離，y維度表示幅材的縱向距離，Z維度表示幅材的高度，所述高度取決于涂層的數(shù)量、材料或此前涂覆到幅材的其他層。此外，可以限定x、y、z坐標系在生產線內物理位置處的原點，其通常與幅材20的初始進料位置相關。在任何情況下，分析計算機28在數(shù)據(jù)庫32中記錄每一個異常相對于生產線坐標系的空間位置，該信息本文稱為本地異常信息。即，分析計算機28在數(shù)據(jù)庫32內存儲幅材20的本地異常信息，包括幅材20的卷信息和每一個異常的位置信息。對于每一個異常而言，分析計算機28還可記錄該異常可在產品12中引起缺陷的那些產品。數(shù)據(jù)庫32可以按許多不同形式中的任何者執(zhí)行，包括數(shù)據(jù)存儲文件或在一個或多個數(shù)據(jù)庫服務器上執(zhí)行的一個或多個數(shù)據(jù)庫管理系統(tǒng)(DBMS)。數(shù)據(jù)庫管理系統(tǒng)可以是例如關系(RDBMS)、分層(HDBMS)、多維(MDBMS)、面向對象(0DBMS或OODBMS)或對象關系(ORDBMS)數(shù)據(jù)庫管理系統(tǒng)。例如，數(shù)據(jù)庫32是作為由微軟公司(Microsoft Corporation)的SQL Server 提供的關系數(shù)據(jù)庫執(zhí)行的。一旦該過程結束，分析計算機28就將收集在數(shù)據(jù)庫32中的數(shù)據(jù)通過網絡9傳送至轉換控制系統(tǒng)4。具體地講，分析計算機28將卷信息以及本地異常信息和相應的子圖像 傳送至轉換控制系統(tǒng)4，以用于后續(xù)離線的詳細分析。例如，信息可通過數(shù)據(jù)庫32與轉換控制系統(tǒng)4之間的數(shù)據(jù)庫同步進行傳送。在一些實施例中，轉換控制系統(tǒng)4(并非分析計算機28)可確定出每一個異?？稍诋a品12中引起缺陷的那些產品。一旦將成品幅材卷10的數(shù)據(jù)收集在數(shù)據(jù)庫32中，就可使用所述數(shù)據(jù)來標記幅材卷上的異常，方式為利用可移除或可擦洗標記直接在幅材表面上進行標記或者在覆蓋片材上進行標記，所述覆蓋片材可在幅材上的異常標記之前或期間被施加至幅材。圖3為框圖，示出了示例性幅材制造廠(如圖I的幅材制造廠6A)中的示例性幅材生產線40的更多細節(jié)。即，圖3示出了具有各種輥的典型幅材生產線。例如，雖然為簡單起見圖2僅示出惰輥46A-46N，但生產線40可具有多種類型的輥，包括惰輥、拉引輥、長度取向機、涂布輥等。在一些情況下，幅材生產線沿幅材40的整個橫向路徑可具有超過一百個或更多個輥。制備系統(tǒng)40可為與圖2的檢測系統(tǒng)相同的生產線的一部分，或者制備系統(tǒng)40可為與圖2的檢測系統(tǒng)不同的生產線的一部分。制備系統(tǒng)40通常通過以下方式生產幅材44 :從引導輥41中拉出基材并經過制備部件48A - 48M (制備部件48)以產生卷繞到幅材輥42上的幅材44。因此，幅材44可以橫貫幅材制備部件48，所述制備部件48通過多種方式制造幅材44。例如，制備部件48中的一個(如制備部件48A)可以在幅材44上涂覆涂層。當幅材44橫貫幅材制備系統(tǒng)40時，惰輥46A-46N (惰輥46)為幅材44提供支承。即，幅材44可置于惰輥46上同時經歷來自制備部件48的制備。盡管可需要惰輥46來適當?shù)囟ㄎ环?4，但惰輥46可將異?；蛉毕菔┘拥椒?4內。例如，惰輥46中的一個或多個可劃傷幅材44底側。盡管相對于惰輥46進行論述，但在幅材制備系統(tǒng)40中除了或取代惰輥46，還可存在其他類型的輥(例如澆注輪、拉引輥、壓料輥、微復制輥、或幅材清潔部件)。因此，本文所述的技術并不限于結合惰輥使用，而是可適用于幅材生產線內的所關注的任何輥。使用惰輥僅僅是為了舉例說明。本文所述的技術辨識異常或缺陷在幅材內的位置，并將這些位置與輥同步信號相關聯(lián)。例如，幅材制備工藝40中所關注的每一個輥可配備各自的同步標記47A-47N。此外，同步標記讀出器50A - 50N (同步標記讀出器50)與所關注的輥中的每一個(本例中為惰輥46中的每一個)相關聯(lián)，以用于感測各自的同步標記。同步標記讀出器50中的每一個可以檢測惰輥46中的對應的一個完成完整旋轉的時間，然后以觸發(fā)脈沖形式發(fā)出輥同步信號，再由遠程同步單元54檢測該信號。即，同步標記讀出器50中的每一個可以在輥46中的對應的一個完成完整旋轉之后輸出短脈沖，每一個短脈沖的前沿可以表明已經檢測到完整的旋轉。在一個實施例中，同步標記讀出器50中的每一個可為光學照相傳感器。例如，讀出器50可為得自邦納工程公司(Banner Engineering Corp)的DlO系列傳感器。通常，當標記旋轉經過讀出器時，讀出器50檢測到對應的同步標記47。在示例性實施例中，同步標記47可以是靶，例如回射材料或輥的機加工部分。檢測到輥46中的對應的一個上的基準點同步標記47時，讀出器50中的一個將輸出同步標記信號。因此，讀出器50中的每一個根據(jù)輥46中的對應的一個的每一次旋轉輸出離散信號。為了有助于將輥同步信號轉化到與幅材生產線40相關聯(lián)的坐標系的空間域，將旋轉編碼器固定至沿生產線的一個或多個輥。在此實施例中，將旋轉編碼器52固定至幅材輥41。在其他實施例中，取代或除了編碼器52，還可使用結合輥46中的一個或多個的編碼 器。在一個實施例中，編碼器52可為根據(jù)定位傳感器的正弦編碼器。其他實施例可采用其他類型的定位傳感器或編碼器。通常，編碼器52輸出電脈沖序列，所述電脈沖序列直接同步到幅材輥41的物理移動。例如，編碼器52可針對幅材輥41的每一次旋轉發(fā)出一系列脈沖。在一個實施例中，例如，編碼器52可針對每次旋轉發(fā)出四百萬個脈沖，由此提供高度的位置精確性。遠程同步單元54接收來自編碼器52的位置脈沖和來自同步標記讀出器50的卷同步信號并產生如下邏輯映射，所述邏輯映射辨識出與惰輥46中的每一個對準的幅材44的各個部分。例如，對于該輥中的每一個而言，遠程同步單元54將幅材的空間域劃分成一系列片段，該片段中的每一個與相應輥的周長一樣長。例如，對應于惰輥46A的每一個幅材片段為18. 85英寸，即6. 00英寸* 31。對應于惰輥46B的每一個幅材片段為18. 91英寸，并且對應于惰輥46C的幅材片段為18. 79英寸。通過這種方式，遠程同步單元54使用來自編碼器52的位置數(shù)據(jù)以及來自同步標記讀出器50的輥同步信號，以將輥同步信號轉化到生產線40的坐標系的空間域，以確定每一個輥或所關注輥的空間域內的幅材片段。因此，遠程同步單元54不一定需要關于輥46中的每一個的準確直徑的先驗數(shù)據(jù)才能確定幅材片段并最終檢測重復缺陷。在一些情況下，所關注的輥中的一些或全部可具有大致相等的直徑。例如，惰輥46中的子集或全部可具有大約六英寸的相同直徑。然而，由于制備的波動性，惰輥46中的該子集通常不具有完全相同的直徑。例如惰輥46A的直徑可以是6. 01英寸，惰輥46B的直徑可以是6. 02英寸，惰輥46C的直徑可以是5. 98英寸。所述技術充分利用通過計算給定輥的重復缺陷與對應的輥同步信號之間的相對偏移量的變化獲得的平均化。這提供了精確的精度，允許甚至在具有尺寸基本上類似的輥但輥本身有制備的波動性的生產線內進行重復缺陷檢測。為了將異常與惰輥46中的一個相關聯(lián)，檢測系統(tǒng)可以首先收集有關幅材44的數(shù)據(jù)。利用遠程同步單元54已收集并關聯(lián)的來自編碼器52的脈沖和來自同步標記讀出器50的輥同步信號，檢測系統(tǒng)分析該輥中的每一個的已辨識幅材片段的異常數(shù)據(jù)。檢測系統(tǒng)可以將這些幅材片段的許多實例的數(shù)據(jù)結果平均化。例如，在一個實施例中，檢測系統(tǒng)可以收集給定輥的100個幅材片段數(shù)據(jù)的實例。然后，檢測系統(tǒng)分析該數(shù)據(jù)，以嘗試區(qū)分重復異常和隨機異常。如果給定輥的已分析幅材片段的大多數(shù)實例中發(fā)生異常，并且在那些發(fā)生該異常的實例中，異常發(fā)生在相同或相對接近相同的位置處，則檢測系統(tǒng)可以確定該異常為例如輥46中的一個引起的重復異常。例如，如果惰輥46A在幅材44內引起異常，則該異常可能會重復，并且假設輥46A的直徑為6. 00英寸時，則重復異常的實例應當發(fā)生在相隔大約18. 85英寸處。在一些布置中，惰輥46在幅材44中賦予的異常中的至少一些可以在幅材44準備轉換成片材之前修復，即校正。換句話講，雖然惰輥46可以在幅材44內賦予異常，但由于在幅材44準備轉換之前可通過其他制備工藝校正異常，因此該異常可能不會引起缺陷。例如，由惰輥46施加至幅材44的異常將位于幅材44底側上。發(fā)生在幅材44頂側上的異?？刹粫诜?4中修復或校正。即，如果將包含這類異常的幅材片段或各個片材轉換成產品12中的一個，則發(fā)生在幅材44頂側上的異常可造成產品12中的缺陷。根據(jù)本文所述的技術，檢測系統(tǒng)可能夠確定異常發(fā)生在幅材44頂側還是底側上。此外，檢測系統(tǒng)可能夠描繪發(fā)生在惰輥46中的特定一者(例如，惰輥46A)頂側上的異常源。因此，制備系統(tǒng)40的操 作者可以定位引起異常的惰輥46A的部分，并修理惰輥46A。圖4為框圖，更詳細地示出了遠程同步單元54的示例性實施例。如圖3所示，遠程同步單元54可以電連接到編碼器52和同步標記讀出器50，以接收來自它們的信號。通常，示例性遠程同步單元54感測所接收到的每一個輥同步信號(在圖4中示出為“一次返回”信號A、B-N)的出現(xiàn)，并將該信號轉化到相對于來自編碼器52的位置數(shù)據(jù)的空間域。此外，同步單元54輸出位置數(shù)據(jù)，該位置數(shù)據(jù)指示對應于相應輥的一次旋轉的同步信號的位置。在示例性實施例中，遠程同步單元54包括計數(shù)器56A-56N (“計數(shù)器56”)和寄存器58A-58N (“寄存器58”)。同步標記讀出器50中的每一個與計數(shù)器56中的一個相聯(lián)，計數(shù)器56中的一個又與寄存器58中的一個相聯(lián)。得自編碼器52的脈沖信號用作驅動計數(shù)器56的全局增量。S卩，當編碼器52檢測到幅材移動時，編碼器52發(fā)送用于同時地遞增計數(shù)器56中的每一個的一系列脈沖。在圖4的示例性實施例中，輥46A可包括位于輥的外邊緣附近的一系列小孔，光線可照射穿過所述小孔。每當編碼器52檢測到穿該小孔中的一個的光線時，編碼器52可將信號發(fā)送至計數(shù)器56中的每一個。計數(shù)器56又可并行地接收編碼器信號的脈沖序列并且同時地遞增其相應的計數(shù)器。來自該輥中的每一個的輥同步信號被用作觸發(fā)信號，以用于將該值記錄在該輥對應的計數(shù)器內。具體地講，在輥46中的任何者的完整旋轉期間，輥的相應同步標記47將通過相關的同步標記讀出器50。例如，對于輥46A的每一次旋轉，同步標記讀出器50A將檢測到同步標記47A。檢測到同步標記47A時，同步標記讀出器50A將向遠程同步單元54輸出短脈沖形式的輥同步信號。作為對該脈沖的響應，遠程同步單元54將對應計數(shù)器(本例中為計數(shù)器56A)的當前值鎖存到對應數(shù)據(jù)寄存器(寄存器58A)內。控制器60高速輪詢寄存器58中的每一個或者被中斷驅動，以檢索最新的計數(shù)器數(shù)據(jù)。因此，控制器60的輪詢周期快于所有輥46的旋轉。如果當輪詢寄存器58中的一個(如寄存器58A)時，計數(shù)器數(shù)據(jù)與先前輪詢相同，則控制器60可忽略當前計數(shù)器數(shù)據(jù)。然而，如果計數(shù)器數(shù)據(jù)已經改變，則控制器60可檢索計數(shù)器數(shù)據(jù)，并將該計數(shù)器數(shù)據(jù)連同輥號發(fā)送至分析計算機59(圖5)。即，在檢測到一個數(shù)據(jù)寄存器58的變化時，同步單元54的控制器60以當前編碼器脈沖數(shù)的形式輸出輥位置數(shù)據(jù)。如結合圖5和圖6所述，分析計算機59可以協(xié)調該輥中的每一個的輥位置數(shù)據(jù)與檢測數(shù)據(jù)，以便確定任何異常是否為輥46中的一個引起的重復異常，以及確定輥46中的哪一個正在導致重復異常。分析計算機59可以將數(shù)據(jù)輸出至顯示器，以指示輥46中的哪一個導致了每一組重復異常。例如，分析計算機59可以輸出幅材一部分的圖示以及對重復異常和所辨識的導致該重復異常的輥的指示。此外，分析計算機59還可以把將重復異常與所辨識的導致該重復異常的輥相關聯(lián)的數(shù)據(jù)輸出并存儲在數(shù)據(jù)庫(如數(shù)據(jù)庫32)中。圖5為示出系統(tǒng)61的框圖，其中分析計算機59將 自一個或多個遠程同步單元(如圖3和圖4的遠程同步單元54)的輥位置數(shù)據(jù)與檢測數(shù)據(jù)組合，以確定是否所關注的輥中的一個(如輥46中的任何者)正在導致重復異常，如果有，則確定是該輥中的哪一個正在導致重復異常。可以將分析計算機59連接到一個或多個幅材檢測部件，如以舉例的方式結合圖2的分析計算機28、采集計算機27和圖像采集裝置26示出的。使用檢測系統(tǒng)檢測幅材是否存在異常在下列專利申請中有更詳細的描述共同未決的專利申請“Multi-UnitProcess Spatial Synchronization”(多單兀處理空間同步),該專利申請授予Floeder等人，序列號為11/828,369，2007年7月26日提交，轉讓給本發(fā)明受讓人；和共同未決的專利申請“Apparatus and Method for the Automated Marking of Defects on Webs ofMaterial”(用于自動標記幅材缺陷的設備和方法),該專利申請授予Floeder等人,序列號為10/826,995，2004年4月19日提交，轉讓給本發(fā)明受讓人，這些專利申請全文以引用方式并入本文中。在一個實施例中，分析計算機59可以是服務器級計算機。在其他實施例中，分析計算機59可以是分布式計算系統(tǒng)或能夠處理用于處理檢測和位置信息所需的大量數(shù)據(jù)的其他計算系統(tǒng)。如上所述，遠程同步單元54的控制器60在檢測到輥46中的一個的旋轉之后發(fā)送輥位置數(shù)據(jù)，該輥位置數(shù)據(jù)可以輥標識信息(即觸發(fā)號)和所記錄的當前編碼器位置的形式存在，其中當前編碼器位置表示該輥的給定完整旋轉的幅材縱向位置(DW位置)。在一些實施例中，編碼器52可以將位置脈沖發(fā)送至遠程同步單元54和檢測系統(tǒng)兩者，以允許將輥的幅材片段的空間域與檢測到的異常相關聯(lián)。在其他實施例中，可使用兩個不同編碼器來提供由分析計算機59核查的位置參考信息。在其他實施例中，檢測系統(tǒng)可采用如下不同裝置，所述裝置跟蹤沿幅材的距離，例如基準標記。使用幅材基準標記的技術在共同未決的專利申請“基準 Marking for Multi-Unit Process Spatial Synchronization”(用于多單兀處理空間同步的基準標記)中有所討論，該專利申請的序列號為11/828，376，授予Floeder等人，轉讓給本發(fā)明受讓人，2007年7月26日提交，并且其全文以引用方式并入本文中。在任何情況下，分析計算機59都將來自遠程同步單元54的輥位置數(shù)據(jù)與如檢測系統(tǒng)確定的幅材上的異常的位置數(shù)據(jù)相關聯(lián)?？梢詮臋z測傳感器向采集計算機62A - 62M(“采集計算機62”)傳輸視頻或其他圖像數(shù)據(jù)。這些計算機表示能夠采集和處理用于檢測幅材上各種類型的異常(如劃痕、斑點、液滴、濺痕或其他類型的異常)的檢測數(shù)據(jù)的軟件和/或硬件。例如，采集計算機62可為在分析計算機59或圖2的分析計算機29上執(zhí)行的軟件模塊?；蛘?，采集計算機62可為與分析計算機分離的分立單元。在任一種情況下，當采集計算機62中的一個檢測到異常(例如，當采集計算機62A檢測到異常)時，傳感器62A都輸出指定異常類型、異常的幅材橫向位置和異常的幅材縱向位置的異常數(shù)據(jù)。分析計算機59處理異常數(shù)據(jù)和輥位置數(shù)據(jù)，以確定是否有任何異常重復發(fā)生在相同輥的多個幅材片段內的基本上相同的幅材橫向位置處并具有基本上相同的幅材縱向偏移量。例如，如果輥46中的一個導致重復異常，則重復異常發(fā)生在基本上相同的幅材橫向位置處，并且會以對應的輥的周長(即導致重復異常的輥的周長)的間距重復出現(xiàn)。這樣，分析計算機59可以確定重復異常正在發(fā)生。此外，通過將重復異常的幅材縱向位置與不同輥的幅材片段的幅材縱向位置相關聯(lián)，分析計算機59能夠辨識輥46中的哪一個正在引起該重復異常中的每一個。圖6為框圖，示出了一組示例性的異常數(shù)據(jù)63和對應的位置數(shù)據(jù)65。在通過分析計算機59處理之前，所有異常可看起來都是相同的，即，隨機和重復異常可能在視覺上難以區(qū)分。然而，在分析之后，分析計算機59將隨機異常74與重復異常64、66、70、和72區(qū)分 開并且可利用信號76使該重復異常與導致輥相關聯(lián)。編碼器52和同步標記讀出器50產生一系列脈沖，所述一系列脈沖圖形化地示出輥46中的每一個隨時間推移沿幅材67的幅材縱向長度的位置。來自編碼器52的編碼器脈沖和來自同步標記讀出器50的同步脈沖分別示為信號76和圖形78A - 78N(“圖形78，，)。根據(jù)該數(shù)據(jù)、輥位置數(shù)據(jù)，分析計算機59確定發(fā)生在來自同步標記讀出器50中的一個的同步脈沖之間的來自編碼器52的編碼器脈沖數(shù)。在圖6的實例中，輥46A每次旋轉具有11個編碼器脈沖，輥46C每次旋轉具有19個編碼器脈沖，輥46B和46D每次旋轉均具有9個編碼器脈沖。分析計算機59確定出異常64A - 64D (“異常64”)為重復異常，該異常發(fā)生在相似的幅材橫向位置處，并且根據(jù)其幅材縱向位置信息，它們在與制備的幅材相關的坐標系內以周期性間隔發(fā)生。分析計算機還確定異常64中的一個發(fā)生在來自輥46C的每一個同步脈沖之后的一個編碼器脈沖時。即，在該實例中，異常的幅材縱向位置相對于輥46C的新幅材片段開始處的偏移量不變。因此，分析計算機59確定重復異常64是由輥46C引起的。操作者接著可以在重復異常64的幅材橫向位置處檢查輥46C，并修理或更換輥46C。相似地，一組異常66A - 66D (“異常66”)均發(fā)生在相同幅材橫向位置處。然而，存在預期會發(fā)生的錯漏異常68A和68B?？赡艹鲥e輥并未引起異常，或者檢測系統(tǒng)未能檢測到在位置68A和68B中的一個或全部兩個處的異常。然而，在任一種情況下，分析計算機59仍然可以確定存在重復異常。這是因為，即使對于錯漏異常68A和68B，當輥的大多數(shù)新幅材片段包含處于相同的幅材橫向位置內并且到同步脈沖(即該輥的新幅材片段開始處)的距離基本上相同的異常時，分析計算機59確定存在重復異常。在這種情況下，重復異常66中的每一個在信號78A的大多數(shù)同步脈沖之后出現(xiàn)7個編碼器脈沖。因此，分析計算機59可以確定輥46A正在導致重復異常。本文所述的技術甚至可用于檢測重復異常70A - 70G (“重復異常70”)和重復異常72A-72G (“重復異常72”)，并用于區(qū)分重復異常70和重復異常72。重復異常70和重復異常72各自發(fā)生在相同幅材橫向位置處。重復異常70各自在圖78B的同步脈沖之后出現(xiàn)I個編碼器脈沖，并在圖78D的同步脈沖之后出現(xiàn)4個編碼器脈沖。重復異常72各自在圖78B的同步脈沖之后出現(xiàn)7個編碼器脈沖，并在圖78D的同步脈沖之后出現(xiàn)I個編碼器脈沖。雖然看上去輥46B或46D可能正在引起這些重復缺陷中的任一種，但分析計算機59仍可以確定重復缺陷70和72中哪一個是由輥46B和46D引起，因為輥46B和46D的直徑很可能有某些可檢測的差值。為了便于可見性和可讀性，在圖6的實例中示出了少量的編碼器脈沖。然而，在多個實施例中，在同步脈沖之間使用遠遠更多的編碼器脈沖。例如，在一個實施例中，同步脈沖之間可以出現(xiàn)多達四百萬個編碼器脈沖。在此分辨率下，有可能檢測甚至極其小的隨時間推移的位置差別。因此，如果具有相同標稱直徑的兩個不同的輥正在相同的幅材橫向位置導致兩組重復缺陷，當一組異常與這兩個輥中的一者的同步脈沖相關聯(lián)時，該組異常會看上去靜止，而另一組則會看上去在滑動。圖7和圖8概念性地示出了這一點。圖7為框圖，示出了發(fā)生若干次隨機異常和重復異常的示例性幅材80。幅材80可相當于(例如)幅材44。在此實例中，幅材80可能已經橫貫了三個惰輥，如惰輥46A、46B和46C。惰輥46A、46B和46C可具有6英寸的相同標稱直徑，但該輥中的每一個的實際直徑可略有不同。利用對應于惰輥46的同步標記從邏輯上確定給定輥的幅材片段。在圖7的實例中，虛線用于表示幅材片段82A - 82D (幅材片段82)之間的分界線，即虛線表示輥46中的一個的來自同步標記讀出器50中的一個的同步脈沖。每一條虛線出現(xiàn)在固定距離102之后，該固定距離102對應于惰輥46周長中的一個，即同步脈沖之間的距離。例如，在這種情況下，距離102可以是18. 85英寸。由于這個分段，可以確定(例如)惰輥46A是否正在導致幅材44上的異常中的任何者。幅材片段82A包括異常84A、86A、88A、90、和92。幅材片段82B包括異常84B、86B、88B、和94。幅材片段82C包括異常84C、86C、88C、96、和98。幅材片段82D包括異常84D、86D、88D、和80。為了確定這些異常中的任何者是否為由惰輥46A引起的重復異常，分析計算機測定每一個異常和每一個同步脈沖(即，由每一條虛線表示的每一個幅材片段開始處)之間的距離。雖然圖7為舉例說明僅示出4個幅材片段82，但可以使用多得多的片段進行分析。例如，在一個實施例中，分析計算機可分析一百個幅材片段，然后作出有關重復異常的決策。分析計算機為該輥中的每一個重復該分析過程。即，分析計算機為每一個同步脈沖將幅材以相同方式分段，從而允許計算機辨識重復異常的具體來源。圖8為框圖，示出了由圖7的單個輥的數(shù)據(jù)片段形成的實例合成圖110。S卩，合成圖110具有幅材縱向總長度102 (本例中為18. 85英寸)，其中幅材片段中的每一個被重疊。因此，合成圖110包括來自幅材80的幅材片段82中的每一個的異常，并且這些異常已經在空間上對準到該特定輥的同步脈沖所限定的幅材片段的開始處。在合成圖110中，異常84、86和88各自看上去是重復異常。然而，合成圖110顯示，重復異常84在不同的幅材片段中在幅材縱向方向偏移。S卩，異常84和88可能是重復異常，但它們不以惰輥46A的周長為間隔重復。通過確定從該具體輥的同步脈沖到異常84和88中的每一個的距離超出異常84和88的每一個實例的閾值差值，分析計算機59可以
、確定這一點。相比之下，異常86為重復異常，并且是由數(shù)據(jù)已經分段的輥引起，因為如合成圖110所示，這些異常的間距基本上等于惰輥46A的周長。S卩，對于異常86的每一個實例，同步脈沖和異常86的實例之間的距離在距離公差范圍內。根據(jù)編碼器的位置分辨率，距離公差可以例如為±2個脈沖。因此，檢測系統(tǒng)可以確定異常86為惰輥46A引起的重復異常。例如，異常86可以是惰輥46A上的粗糙斑點在幅材80底側上產生的劃痕。根據(jù)這個判斷，操作者可以嘗試在該位置處修理惰輥46A，以抑制惰輥46A產生更多異常。在一些實施例中，可以對檢測系統(tǒng)重新編程，以忽略在隨后的幅材片段中的相似位置處出現(xiàn)的異常，因為一旦幅材80最終轉化成產品，這些異常就實際上很可能不會引起缺陷。即，由已知位于幅材底側上的惰輥或其他輥引起的幾乎所有異常均可以在幅材80的制備過程中的某個時間點修復。然而，幅材80的隨機異常90、92、94、96、98、和80可能發(fā)生在幅材80的頂側上，并且異常90、92、94、96、98、和80將可能在幅材80制備的剩余過程中沒有修復。因此，檢測系統(tǒng)可將這些異常的位置標記在數(shù)據(jù)庫(例如圖2的數(shù)據(jù)庫32)中或幅材表面上，并且系統(tǒng)也可注明一旦將幅材80轉換成產品，這些異常就將可能引起缺陷。
圖9為流程圖，示出了用于辨識正在導致重復異常的輥的示例性方法。結合分析計算機59討論了該方法,但該方法并不受限于單個計算機的性能。首先，分析計算機59接收來自傳感器62的異常數(shù)據(jù)(120)。如上所述，傳感器62表示能夠采集和處理用于檢測幅材上各種類型的異常(如劃痕、斑點、液滴、濺痕或其他類型的異常)的檢測數(shù)據(jù)的軟件和/或硬件。由傳感器62輸出的異常數(shù)據(jù)包括異常在幅材(例如圖3的幅材44)上的幅材橫向位置和幅材縱向位置兩者。異常數(shù)據(jù)還可包括異常型信息，所述異常型信息可辨識所辨識的異常為哪種類型的異常，例如小孔、凹坑、劃痕、污點、或其他類型的異常。分析計算機59也接收輥數(shù)據(jù)(122)。輥數(shù)據(jù)可包括每一個輥的識別信息以及表征每一個輥的完整旋轉的出現(xiàn)的數(shù)據(jù)。例如，輥數(shù)據(jù)可以使用獨特的標識符或標簽來辨識輥46A，該標識符或標簽可由使用者分配，并且包括當同步標記讀出器50A閱讀同步標記47A時每一個實例的觸發(fā)號(如序號)和幅材縱向位置。
分析計算機可處理異常數(shù)據(jù)以辨識重復異常，并且可將所接收的異常數(shù)據(jù)與所接收的輥數(shù)據(jù)相關聯(lián)以使異常對準出錯元件(124)。首先，分析計算機59處理輥數(shù)據(jù)，以從邏輯上將幅材分配成一系列片段，并且可以以類似的方式為每一個關注的輥重新分配幅材。即，對于每一個關注的輥，系列中的每一個片段的長度是由來自同步標記讀出器50中的對應一個的兩個連續(xù)觸發(fā)信號之間的距離限定的。因此，這種分配的片段中的每一個的長度基本上等于輥46中的對應一個的周長。例如，分析計算機59可從邏輯上將幅材分配成用于輥46A的一組片段。因此，相對于生產線的坐標系，來自同步標記讀出器50A的信號之間的幅材縱向距離將等于輥46A的周長。如下文更詳細描述的，對于給定的關注的輥，可以分析這些邏輯片段中的每一個的異常數(shù)據(jù)，以確定在片段內基本上共同的位置內存在異常，即，這些異常發(fā)生在共同的幅材橫向位置處，并且到所有或閾值數(shù)量的邏輯片段開始處具有共同的幅材縱向距離。在一個實施例中，該閾值可以是大部分片段。在一些實施例中，每一個片段的寬度可以是幅材的寬度。在其他實施例中，例如結合圖10所描述的實施例，可以在幅材橫向方向上將幅材劃分成條，使得片段寬度由對應條的寬度限定。根據(jù)為關注的輥中的每一個而對幅材進行的邏輯分配，分析計算機59辨識該片段中的每一個上的異常的位置。這樣，分析計算機59確定每一個異常相對于每一個輥的每一次旋轉的位置。分析計算機59接著分析異常數(shù)據(jù)(126)，以確定存在重復異常(128)。分析計算機59為每一個輥確定異常是否發(fā)生在相對于輥的旋轉基本上相同的位置。即，分析計算機59確定是否異常中的任何者該輥中的在任何者的邏輯片段上處于基本上相同的位置。例如，分析計算機59可以確定對于給定分配的所有或閾值數(shù)量的片段，異常發(fā)生在幅材橫向16英寸和幅材縱向5英寸處。通過確定存在重復異常，分析計算機59可以接著辨識輥46的導致異常的輥
(130)。例如，分析計算機59可以確定輥46A正在導致重復異常，因為在輥46A的每一次旋轉之后所關注的異常發(fā)生在基本上相同的幅材橫向和幅材縱向位置處。相應地，分析計算機59可以輸出導致異常輥的種類(132)。例如，分析計算機59可以將該標識信息輸出到計算機屏幕上。也可以采用標識導致異常輥的其他方式，例如，在出錯輥上或附近亮起燈。又如，分析計算機可以使與出錯輥相關聯(lián)的發(fā)光二極管(LED)亮起，其中每一個輥與LED相關聯(lián)，并且LED可以設置在板上，以為操作者提供中心觀察位置。另外，分析計算機59還可以輸出異常位置，以輔助操作者修理出錯輥。操作者可以確定同步標記在輥上的位置，并且利用異常位置在重復異常的位置處檢查輥，以確定導致重復異常的元件是否可以修理。
圖10為框圖，示出了示例幅材152，該幅材在邏輯上被分成條154A- 154K (“條154”)，以用于分析每一個條。在一個實施例中，為了確定是否發(fā)生重復異常，可(例如)將幅材152 (可表示幅材67)分成條(例如條154)。分析系統(tǒng)(例如圖2的檢測系統(tǒng))可以單獨檢查條154中的每一個。由于重復異常會發(fā)生在大致相同的幅材橫向位置，通過將幅材152分成條154可以提高數(shù)據(jù)采集的效率。即，可以單獨檢查每一個條，而不必考慮發(fā)生在其他條內的異常。在圖10的示例性實施例中，幅材152已被分成條154A - 154K。所示條的數(shù)量僅僅是示例性的，并且可以根據(jù)幅材152的尺寸、可用檢測裝置的數(shù)量或其他因素選擇條的數(shù)量。條 154A、154C、154E、154I 和 154K 以虛線為界，而條 154B、154D、154F、154H 和 154J 貝丨J以點劃線為界。在圖10的實例中，相鄰條略微重疊，以使得沿條邊緣發(fā)生的重復異常以及條中央發(fā)生的重復異常被檢測。已經證明小至5mm的條寬度是可用的。圖像采集裝置(例如圖2的圖像采集裝置26)可檢測在條154處的幅材152。圖像采集裝置26中的一個可檢測條154中的每一個。分析計算機27可確定對應的圖像采集裝置26是否已檢測到異常，如結合圖2所述。此外，圖5的分析計算機59可確定是否在條154中的任何者中發(fā)生重復異常。在一個實施例中，分析計算機59可使用結合圖11所述的算法來確定是否在條154中的一個中存在重復異常。由于重復異?？梢园l(fā)生在條的重疊處(例如條154A和154B之間的重疊區(qū)域)，此類異?？赡軙粰z測到兩次。檢測系統(tǒng)可以利用各種因素調整此類重復檢測。例如，檢測系統(tǒng)可以比較重復異常的幅材橫向位置，以及該異常的每一個實例的幅材縱向位置與實例之間的重復間隔。當發(fā)現(xiàn)兩個重復異常具有相同的幅材橫向位置，并且異常的實例以相同的間隔發(fā)生在相同幅材縱向位置處時，系統(tǒng)可以忽略重復異常中的一個，以避免為同一重復異常觸發(fā)兩次報警。圖11為流程圖，示出了用于確定是否存在重復異常的另一種示例性算法。在一個示例性實施例中，圖11的方法可用于實現(xiàn)圖9的步驟128的結果。在一個實施例中，圖11的方法可以獨立地應用到從圖10的條154中的每一個(例如條154A)采集的數(shù)據(jù)。在示例性實施例中，首先，分析計算機59確定起始點A，該點可以是檢測到的第一個異常(160)。如上所述，重復異常是由幅材生產或制備系統(tǒng)的元件(例如惰輥)引起的異常。因此，存在某個距離(本文稱為“Rmin”)，該距離為重復異常的最小可能重復距離。例如，就重復異常由幅材生產過程中使用的多個惰輥中的一個或多個引起而言，Rmin為關注的最小惰棍的周長。因此，分析計算機59可以搜索條154A內的點B,使得點A和B的幅材橫向位置相同，并且點A和B之間的幅材縱向距離為至少Rmin(162)。然后，分析計算機59可以確定條154A內是否存在點C，使得點C的幅材橫向位置與點A和B的相同，并且使得點B和C之間的幅材縱向距離為點A和B之間的距離的某個倍數(shù)(164)。重復異?？赡懿粫诿總€預期實例中重復。如結合圖6所討論的，可以跳過重復異常的若干個實例。因此，在確定點C是否為重復異常的實例時，該示例性實施例確定點B和C之間的距離是否為點A和B之間距離的倍數(shù)。在一個示例性實施例中，該倍數(shù)可為
1、1/2、1/3、2、或3中的一個。即，根據(jù)對給定應用的檢測能力，專家用戶可以預限定用于辨識零星重復缺陷的整數(shù)倍的數(shù)量。例如，對于具有極高檢測能力的給定系統(tǒng)，整數(shù)倍數(shù)可為1，而具有較低檢測能力的第二系統(tǒng)可使用倍數(shù)5。第一系統(tǒng)檢查距給定異常的僅單個幅材縱向距離，而第二系統(tǒng)檢查倍數(shù)1、2、3、4、5和1/2、1/3、1/4、和1/5。應當注意，計算復雜性 隨倍數(shù)的增加而增加。在實施過程中,倍數(shù)3可能基本足夠。如果找不到距點B —定距離(例如，是點A和B之間距離的1、1/2、1/3、2或3倍)的點C (步驟166的“否”分支)，則分析計算機59可以獲得異常新起點A (168)，并且嘗試確定該新起點是否為重復異常的一部分。然而，如果分析計算機59確實發(fā)現(xiàn)了這樣的點C(步驟166的“是”分支)，則分析計算機59可以接著搜索點D，其中點C和D之間的距離為點A和B之間距離的倍數(shù)(170)。在一個實施例中，可使用與步驟164中相同的可能倍數(shù)組,如，1、1/2、1/3、2、和3。點D可用于確認點A、B、和C為一系列重復異常的實際部分。如果找不到點D (步驟172的“否”分支)，分析計算機59可以再次重新開始選擇異常新起點A的過程(168)。如果例如點A、B和C處的異常不是重復異常的一部分，并且點A和B之間的距離與點B和C之間的距離僅僅是巧合，則找不到點D。然而，如果分析計算機59確實找到了點D (步驟172的“是”分支)，則很可能點A、B、C和D構成一列重復異常。因此，分析計算機59可以將重復距離確定為點A和B、點B和C、以及點C和D之間距離中的最小值(174)。然后，分析計算機59可以預期在點A、B、C和D的幅材橫向位置距點D的確定的重復距離處發(fā)現(xiàn)重復異常。分析計算機59可以分析條154中的每一個，以便以類似方式發(fā)現(xiàn)重復異常。在已確定出重復異常之后，分析計算機59可根據(jù)圖9的方法來確定重復異常的源輥。例如，分析計算機59可計算重復異常的一個實例與點A (即，重復異常的第一辨識實例)之間的偏移量。然后，分析計算機59可以使用該偏移量預測與所分析的輥46中的一個相對應的同步標記47中的一個的預計位置。然后，分析計算機59可以確定該同步標記是否被記錄在預計位置的某個容錯范圍內。如果同步標記被記錄在預計位置處，或者在預計位置的預定公差范圍內，那么與被分析的同步標記相對應的輥就是出錯輥。然而，如果同步標記未記錄在預計位置處或在公差范圍內，則與該同步標記相對應的輥不是導致重復異常的輥。分析計算機59使用的容錯可以是分隔異常的預計完整旋轉數(shù)的函數(shù)。例如，對于直徑為20. OOOcm和20. OOOlcm的兩個幾乎相同的輥，分隔兩個重復間隔的幅材縱向距離將為大約62. 800cm和62. 803cm，其差值可能小得無法測量。然而，在該輥經過50次預計完整旋轉之后，幅材片段末端的幅材縱向位置將為3140cm和3140. 15cm,從而形成O. 15cm的位置差，該值是分析計算機59所使用的可測量容錯。例如，重復異常序列的第一位置(即點A的位置)可能已被記錄在O. 4924m處，并且重復異常的第η個實例可能發(fā)生在幅材縱向距離79. 5302m處。那么，偏移量將為79. 1008m(79. 5302m - O. 4924m)。輥46A (圖3)的第一同步標記可已通過在位置O. 0012m處的同步標記讀出器50A進行讀取。因此，如果輥46A正在導致重復異常，則為同步標記47A記錄的最靠近序列中第η個異常的位置應當相對靠近79. 1020m (O. 0012m+79. 1008m)。如果最靠近被分析異常的同步標記實際上記錄在78. 7508m處，則誤差為O. 3512m，該誤差明顯足夠確定輥46A不是導致重復異常的輥。然而，輥46B的第一個被記錄的同步標記可能在O. OOOlm處。因此，為同步標記47B記錄的位置可預期在79. 1009m(79. 1008m+0. 0001m)處。如果同步標記47B的實際記錄位置為79. 1018m,則誤差應當僅為O. 0009m,這應當表明輥46B正在導致重復異常。盡管相對于條154的使用進行論述，但上述方法并不限于條154的使用。例如，所 述方法可應用于仍未被劃分成條154的完整幅材152。在另一個示例性實施例中，可使用多個分析計算機(而非單個分析計算機59)，其中為每一個條使用一個分析計算機。例如，可對圖2的采集計算機27編程以實現(xiàn)用于相應條154的圖11的方法。采集計算機27中的每一個隨后可將發(fā)現(xiàn)的重復異常上傳至分析計算機59以用于核查?？梢詫⑸鲜龇椒ㄒ攒浖噶钚问骄幋a到計算機可讀存儲介質內，以命令計算機的處理器執(zhí)行該方法的步驟。圖12為框圖，示出了示例性用戶界面180。用戶界面180可實施為示出多種信息的圖形用戶界面(“GUI”)。例如，用戶界面180可包括數(shù)據(jù)輸出區(qū)域182。數(shù)據(jù)輸出區(qū)域182可向與系統(tǒng)交互(例如通過分析計算機59)的用戶顯示各種原始和/或匯總的數(shù)據(jù)。在圖12的示例性實施例中，數(shù)據(jù)輸出區(qū)域182包括顯示有關檢測到的重復異常的“重復”區(qū)域183A，以及顯示有關檢測到的輥滑移的“滑移”區(qū)域183B。重復區(qū)域183A包括輥標識符列186、優(yōu)先級列188、動作描述列190、和圖列192。輥標識符列186中的條目辨識行中的條目所對應的輥。例如，輥標識符列186中的第一個條目為“1”，表明該行包括有關辨識為“I”的輥的信息。優(yōu)先級列188中的條目向用戶表明檢測到的重復異常的重要程度。在圖12的實例中，優(yōu)先級示為“高”、“中”或“低”。其他實施例可以采用不同的優(yōu)先等級和指示方式，例如“綠”、“黃”或“紅”或數(shù)字標度(如1-10)。動作描述列190中的條目向用戶表明其應采取的建議或所需的行動。例如，描述列190中的第一個條目為“拉引輥#3”。查看該畫面的用戶應當將辨識為數(shù)字“3”的輥替換成新的輥。此外，假設優(yōu)先級列188中的優(yōu)先級為“高”，則用戶應盡當快更換輥“3”。圖列192允許用戶選擇輥并在圖窗口 184上查看合成圖。例如，用戶可使用連接到分析計算機59的鼠標將指針指向列192內的一個單元格，并按下按鈕選擇對應的輥。在圖12的實例中，用戶已選擇輥“4”。因此，分析計算機59已在圖窗口 184中顯示出對應于輥“4”的合成圖。窗口 184中的合成圖可類似于圖8的合成圖110。分析計算機59可在與數(shù)據(jù)輸出區(qū)域182相同的窗口中或在不同窗口中顯示圖184。分析計算機59可顯示出隨機異常198并在圖184中將其與檢測到的重復異常200區(qū)分開。例如，在一個實施例中，隨機異常198可顯示為一種顏色(例如黑色)，而重復異常200可顯示為不同顏色(例如紅色)。在另一個實施例中，在多個實例上的某個位置中發(fā)生異常的數(shù)量可決定該異常在圖184中顯示的顏色。例如，圖184可顯示出針對輥“4”采集的最近20個實例的數(shù)據(jù)的合成圖。在合成圖上特定位置處僅發(fā)生一次的異常可顯示為黑色。在合成圖上相同位置發(fā)生的異常在2次和5次之間可顯示為綠色。發(fā)生的異常在6次和10次之間可顯示為黃色。發(fā)生11次或更多次的異?？娠@示為紅色?；茀^(qū)域183B顯示有關幅材橫貫制備系統(tǒng)時輥是否滑移的信息。例如，當幅材沒有一直接觸輥時，可能導致滑移。當幅材的確接觸輥時，這樣會導致幅材內出現(xiàn)異常或缺陷。無論如何，滑移區(qū)域183B都顯示輥標識符列194和優(yōu)先級列196。輥標識符列194顯示出辨識相關輥的信息。優(yōu)先級列196顯示輥滑移的優(yōu)先級，例如嚴重性。此外，在其他實施例中，可以采用其他類型的優(yōu)先級，例如色碼優(yōu)先級或數(shù)字優(yōu)先級。在一個實施例中，分析計算機59可根據(jù)優(yōu)先級(從最高優(yōu)先級到最低優(yōu)先級)、根
據(jù)優(yōu)先級列188和196中的值來自動地分類顯示在數(shù)據(jù)輸出區(qū)域182中的數(shù)據(jù)。在一個實施例中，分析計算機59可自動地填充用戶界面，即，無需用戶“刷新”數(shù)據(jù)。在一個實施例中，數(shù)據(jù)輸出區(qū)域182可顯示的條目在O和20個之間。在一個實施例中，數(shù)據(jù)輸出區(qū)域182可包括滾動條、制表鍵或用來顯示大量條目的其他控件。圖13為框圖，更詳細地示出了轉換控制系統(tǒng)4的示例性實施例。在示例性實施例中，應用服務器208提供軟件模塊211的操作環(huán)境。軟件模塊包括多個缺陷處理模塊210A-210M (專用缺陷檢測法)、用戶界面模塊212和轉換控制引擎214。軟件模塊211與數(shù)據(jù)庫220進行交互以訪問數(shù)據(jù)222，所述數(shù)據(jù)222可包括異常數(shù)據(jù)222A、輥數(shù)據(jù)222B、圖像數(shù)據(jù)222C、產品數(shù)據(jù)222D、轉換位點數(shù)據(jù)222E、缺陷圖222F、合成缺陷圖222G、轉換控制規(guī)則222H、和轉換方案2221。數(shù)據(jù)庫220可以按許多不同形式中的任何者執(zhí)行，包括數(shù)據(jù)存儲文件或在一個或多個數(shù)據(jù)庫服務器上執(zhí)行的一個或多個數(shù)據(jù)庫管理系統(tǒng)(DBMS)。例如，數(shù)據(jù)庫220是作為由微軟公司(Microsoft Corporation)的SQL Server 提供的關系數(shù)據(jù)庫執(zhí)行的。異常數(shù)據(jù)222A、輥數(shù)據(jù)222B、和圖像數(shù)據(jù)222C表示從幅材制造廠6 (圖I)接收的輥信息、異常信息和相應的異常圖像。產品數(shù)據(jù)222D表示與產品12 (圖I)相關的數(shù)據(jù)。更具體地講，產品數(shù)據(jù)222D定義可由每一個轉換位點8產生的產品12的每一種類型。對于每一個產品12，產品數(shù)據(jù)222D指定一個或多個缺陷處理模塊60，需要所述一個或多個缺陷處理模塊60來確定給定幅材卷10是否滿足特定產品的質量要求。換句話講，產品數(shù)據(jù)222D指定一個或多個缺陷處理模塊60,所述一個或多個缺陷處理模塊60將被用于分析每一個產品12的異常數(shù)據(jù)222A和圖像數(shù)據(jù)222C。另外，產品數(shù)據(jù)222D存儲與產品12有關的其他信息，轉換控制系統(tǒng)4可利用這些信息來選擇轉換位點8并為幅材卷10產生轉換方案。例如，產品數(shù)據(jù)222D還可包括如下數(shù)據(jù)，所述數(shù)據(jù)指定對于產品12中的每一個而言每單位的估計收入。產品數(shù)據(jù)222D還包括下述數(shù)據(jù)或可用于選擇轉換方案的其他數(shù)據(jù)，所述數(shù)據(jù)指定對于產品12中的每一個而言每單位的估計收益、將幅材卷轉換成每一個產品的估計轉換時間、對產品中的每一個的當前工業(yè)需求水平。轉換位點數(shù)據(jù)222E表示與轉換位點8相關的數(shù)據(jù)。例如，轉換位點數(shù)據(jù)222E可存儲位點位置、生產線的數(shù)量以及用于轉換位點8中的每一個的每一條生產線的當前可用的生產能力。轉換位點數(shù)據(jù)222E可存儲其他數(shù)據(jù)，包括(但不限于)指定在每一個轉換位點8處的每一個產品12的當前庫存水平的數(shù)據(jù)、與將幅材卷運送至每一個轉換位點相關的運送成本、可用于每一個轉換位點的運送選項、通過每一個轉換位點接收的客戶14的當前訂購信息、指定每一個轉換位點的新客戶或優(yōu)選客戶的數(shù)據(jù)、以及可用于選擇轉換方案的其他數(shù)據(jù)。如下文進一步詳述的，轉換控制引擎214為輸出缺陷圖222F選擇和應用一個或多個缺陷處理模塊60，所述輸出缺陷圖222F指定哪些異常被視為不同產品12的實際缺陷。換句話講，每一個缺陷圖72F對應于特定的幅材卷10和特定的產品12。每一個缺陷圖72F根據(jù)相應產品12的產品專用要求來指定特定幅材卷10的特定缺陷位置。在一些情況下，缺陷圖72F可表示當產生一系列中間缺陷圖時由多個缺陷處理模塊60確定的集合缺陷。例如，缺陷圖72F可表示通過兩個或更多個缺陷處理模塊60分類為缺陷的異常的并集。相似地，可限定其他操作，例如通過多個檢測法分類為缺陷的異常的交集、或從集合缺陷移除通過特定檢測法辨識出的那些缺陷。
此外，當產生特定缺陷圖72F時，轉換控制引擎214可被構造用于為辨識為重復異常的那些異常和辨識為隨機異常的那些異常選擇并應用不同的缺陷處理模塊60。例如，所述技術認識到，可能有利的是對重復異常應用與相同幅材中的非重復或隨機異常不同的閾值或標準，并且可將不同的閾值或標準實施為不同的缺陷處理模塊60，S卩，檢測法。換句話講，當確定出幅材中的哪些異常認定為給定可能產品的缺陷時，轉換控制引擎214可將第一組一個或多個缺陷處理模塊60應用到重復異常并且將第二組缺陷處理模塊60應用到隨機異常。這些組的缺陷檢測法可在所考慮的算法和異常特性方面不同，或者可考慮具有相同的特性并且僅在靈敏度方面不同。轉換控制引擎64根據(jù)轉換控制規(guī)則222H來分析產生的缺陷圖222F以選擇用于幅材卷10中的每一個的最終轉換。例如，轉換控制引擎64可分析缺陷圖222F以確定產品12中的哪一個應當允許特定幅材卷10實現(xiàn)幅材的最大產率(即，利用率)。轉換控制規(guī)則222H指定當處理缺陷圖222F時由轉換控制引擎64考慮的一個或多個參數(shù)，例如，所使用的幅材、應當由用于不同產品12的幅材卷10中的每一個產生的單元數(shù)、應當由用于每一個可能產品12的幅材卷產生的收入或利潤的估計量、轉換用于不同產品中的每一個的幅材應當所需的加工時間、用于轉換位點10內的每一條生產線的當前機器的生產能力、用于產品12中的每一個的當前需求水平、以及其他參數(shù)。在此過程中，轉換控制引擎64可確定，如果特定幅材卷10轉換成多個產品12，則其可得到最好地利用(如，可實現(xiàn)最大產率)。換句話講，轉換控制引擎64可確定，當幅材的第一部分轉換成第一產品時則可得到最好地利用，而當幅材的第二部分轉換成不同產品時則可得到最好地利用。在這種情況下，轉換控制引擎64產生“合成”缺陷圖72G，所述“合成”缺陷圖72G指定幅材的每一個部分內的缺陷位置(根據(jù)該部分所轉換的相應產品)。轉換控制引擎64可通過剪接兩個或更多個缺陷圖222F的部分產生合成缺陷圖，以形成整個幅材的完整的合成缺陷圖。在為給定幅材卷10選擇特定產品或特定組的產品時，轉換控制引擎214產生相應的轉換方案721。每一個轉換方案721提供精確的指令，以用于處理相應的幅材卷。更具體地講，每一個轉換方案2221限定用于處理幅材條的構型，以將幅材物理地切成各個產品片材。轉換控制系統(tǒng)4輸出運送指令，所述運送指令指示將每一個幅材卷10運送至相應的目標轉換位點8。此外，轉換控制系統(tǒng)4將轉換方案通過網絡9傳送至合適的轉換位點8，所述轉換位點8用于將幅材卷轉換成選定產品。用戶界面模塊212提供界面，用戶可通過該界面來配置由轉換控制引擎214使用的參數(shù)以及觀察缺陷圖72F、圖72G。例如，如下文所示，用戶界面模塊212允許用戶指示轉換控制引擎214來考慮下述參數(shù)中的一個或多個最大幅材利用率、產生的單元數(shù)、估計收入、估計利潤、機器的生產能力、當前需求水平、和/或其他參數(shù)。此外，通過與用戶界面模塊212進行交互，用戶可指定當產生缺陷圖72F時將應用一個或多個缺陷處理模塊60的哪個組合以及當組合通過檢測法產生的中間缺陷圖時將應用的操作(如，并、交、加、減)。此夕卜，用戶界面212允許操作者查看估計幅材利用率、產生的單元數(shù)、估計收入、估計利潤、機器的生產能力、當前需求水平和/或將根據(jù)指定的檢測法組合應當實現(xiàn)的其他參數(shù)。這樣，用戶可選擇重新配置調整檢測法，以實現(xiàn)所需結果并保持客戶滿意度。
圖14為由用戶界面模塊212提供的示例性界面模塊230，用戶與所述界面模塊230進行交互來配置轉換控制引擎214。示例性的界面230包括輸入機構232，用戶通過所述輸入機構232輸入幅材卷的獨特標識符。可使用用于選擇卷的其他機構，例如下拉式菜單、搜索函數(shù)、最近制造卷的可選擇列表等等。另外，界面模塊230提供多個輸入機構236-244，當生成推薦轉換方案時，用戶可通過該多個輸入機構236-244選擇一個或多個由轉換控制引擎214考慮的產品選擇參數(shù)。在此實例中，界面模塊230包括第一輸入選擇機構236,所述第一輸入選擇機構236指不轉換控制引擎214來選擇轉換方案，該轉換方案設法優(yōu)化選定幅材卷的幅材利用率。輸入機構238指示轉換控制引擎214來使從選定幅材卷生產的部件數(shù)最大化。相似地，輸入機構240,242指示轉換控制引擎214來分別使從選定幅材卷產生的收入和利潤最大化。輸入機構244指示轉換控制引擎214來選擇使選定幅材卷的加工時間最短的轉換方案。在選擇一個或多個參數(shù)時，用戶選擇提交按鈕248，由此指示轉換控制系統(tǒng)4利用缺陷處理模塊210來處理選定幅材卷，隨后通過轉換控制引擎214進行分析和選擇轉換方案。這樣，界面模塊230提供出用戶可如何根據(jù)一個或多個參數(shù)來配置轉換控制引擎214的簡化圖示。界面模塊230可需要用戶選擇輸入機構236-244中的一個且僅為一個。在某些實施例中，界面模塊230包括允許用戶限定最小幅材利用率的輸入機構96。這在如下情況中可為有利的，在該情況中用戶選擇使主要參數(shù)(例如，利潤)最大化，但要求滿足基線利用率。圖15為由用戶界面模塊212提供的另一個示例性用戶界面300。在此實施例中，不例性界面300包括輸入機構302-310,用戶通過所述輸入機構302-310輸入用于每一個參數(shù)的相應權重函數(shù)。具體地講，輸入機構302允許用戶為每一個參數(shù)輸入O至100范圍內的權重函數(shù)，其中O指示轉換控制引擎214排除該參數(shù)而100表示最高的可能權重。當用戶選擇提交按鈕312時，缺陷處理模塊210分析選定幅材卷的異常數(shù)據(jù)，隨后通過轉換控制引擎214進行分析和選擇轉換方案。當為給定卷10選擇轉換方案時，轉換控制引擎214可針對具有非零權重的參數(shù)中的每一個來分析每一個可能產品12的缺陷圖222F。在圖6的實例中，轉換控制引擎214分析缺陷圖222F和產品數(shù)據(jù)222D，以計算幅材利用率、所產生的部件數(shù)、所產生的利潤以及每一個可能產品的加工時間。如下文進一步詳述的，轉換控制引擎214然后可歸一化用于每一個產品的每一個參數(shù)的計算結果，并且隨后從歸一化結果計算出權重值。最后，轉換控制引擎214選擇隨權重值(如，之和)而變的轉換方案。當選擇幅材卷10的轉換方案時，可采用其中轉換控制系統(tǒng)4使用多個參數(shù)的其他技術。圖16為更詳細地示出通過轉換控制系統(tǒng)4來處理異常信息的流程圖。具體地講，圖16示出了通過缺陷處理模塊210對異常數(shù)據(jù)222A和圖像數(shù)據(jù)222C的處理。轉換控制系統(tǒng)4接收圖像和異常數(shù)據(jù)(例如圖像324、326)，所述圖像和異常數(shù)據(jù)最初是由位于幅材制造廠6的分析計算機28利用簡單的第一檢測算法從幅材20提取的。
如圖16所示，缺陷處理模塊210根據(jù)需要對用于產品12的至多N個不同需求320應用“M”個不同算法(在圖7中指定SA1-Am 328)。交叉引用表322用于示出需求320和缺陷處理模塊210之間的映射。具體地講，交叉引用表322示出使用哪一個檢測處理模塊210來確定每一個異常對于給定需求320而言為缺陷還是錯誤肯定。在一些實施例中，便利地并行使用較大數(shù)量的極簡易算法。例如，通常便利的是，后續(xù)檢測處理模塊210中的至少一個應用下述算法，所述算法包括將每一個異常與組合閾值-像素尺寸標準進行比較。在對于(例如)光學膜的實際操作中，如果面積較大，則亮度值與目標僅具有細小差異的異常為不合格，并且即使面積非常小，亮度值與目標值具有較大差異的異常也為不合格。此外，對于重復異常相對于隨機異常，可將閾值-像素尺寸標準調整為不同的。例如，相對于已確定為一組重復異常中的一個的異常，對于隨機異?？尚枰鄬^高的組合閾值-像素尺寸標準，以便認定為缺陷。由此，相比考慮僅隨機異常的檢測法，用于重復異常的檢測法可限定為了認定為缺陷所需的較低的像素尺寸亮度閾值組合。另外，由缺陷處理模塊210應用的算法還可包括非常復雜的圖像處理和缺陷提取，包括(但不限于)鄰域平均、鄰域分級、對比度擴展、各種單值和二值圖像處理、數(shù)字濾波(例如Laplacian濾波器、Sobel算子、高通濾波和低通濾波)、紋理分析、分形分析、頻率處理(例如傅里葉變換和小波變換)、卷積、形態(tài)處理、閾值化、連通分量分析、連通域處理、連通域分類、或它們的組合?？筛鶕?jù)特定的幅材和缺陷類型來應用其他算法，以實現(xiàn)所需的缺陷檢測精確度水平。可使用各種缺陷處理算法328 (本文也稱為檢測法)的選定組合來實現(xiàn)N個產品需求320中的每一個。所述算法可使用極其簡單的閾值和最小連通域處理或者較復雜的算法，例如空間濾波器、形態(tài)學操作、頻率濾波器、小波處理、或任何其他已知的圖像處理算法。在此示例性的交叉引用表322中，產品需求R1使用算法^、A4、和Am的組合，每一個算法被應用到每個異常圖像，以確定哪些異常為R1的實際缺陷。在最簡便的實施例中，使用簡單的“或”邏輯，即，如果A2、A4、和Am中的任何者將異常記錄為實際缺陷，則幅材20的該部分就不滿足產品需求％。對于專門化應用而言，所述邏輯可比簡單的“或”邏輯更復雜，通過所述邏輯將后續(xù)算法328的記錄組合成是否滿足產品需求320的決策。相似地，產品需求R2使用A2、A3、和A4等。因此，經辨識為R2的缺陷的異?？深愃朴诨蝻@著不同于R1的缺陷。如上文所述，可定制各個缺陷處理算法328，以分析重復異?；螂S機異常。例如，一組缺陷處理算法328可被配置成僅利用視為重復異常的異常作為算法的輸入組來產生所得缺陷組。相似地，另一組缺陷處理算法可被配置成僅利用視為隨機異常的異常作為算法的輸入組來產生所得缺陷組。這樣，可根據(jù)異常為重復異常還是隨機異常來定制由缺陷檢測算法分析的標準的特定水平和閾值，例如異常亮度、面積、長度、寬度、和其他特性。在通過使用交叉引用表322確定出哪些異常被視為實際缺陷之后，轉換控制引擎214配制出對應于卷的各種產品需求的實際缺陷位置的缺陷圖222F。在一些情況下，轉換控制引擎214可通過剪接缺陷圖222F中的一個或多個部分來產生一個或多個合成缺陷圖222G。在此圖示實例中，轉換控制引擎214產生合成圖222G，所述合成圖222G具有從用于第一產品需求(MAP-Rl)的缺陷圖剪接的第一部分330和從用于第二產品需求(MAP-R2)的缺陷圖剪接的第二部分332。這樣，轉換控制引擎214可確定，如果將幅材的特定部分轉換成不同產品，該幅材可得到最好地利用。一旦完成這種處理，通常就可以丟棄子圖像信息，以使所需的存儲介質最小化。通過缺陷處理模塊210應用的異常檢測算法的圖像處理和后續(xù)應 用的其他細節(jié)共同轉讓和共同待審的美國專利申請No. 10/669，197中有所描述，該專利申請的名稱為“APPARATUS AND METHOD FOR AUTOMATEDffEB INSPECTION”(用于自動幅材檢測的設備和方法)，代理人案卷號為58695US002，2003年4月24日提交，并且其整個內容以引用方式并入本文中。圖17-24為流程圖，示出了各種示例性實施例，其中轉換控制引擎214應用轉換規(guī)則222H，以根據(jù)一個或多個用戶可配置參數(shù)(例如，所使用的幅材、產生的單元數(shù)、收入、利潤、加工時間、機器的生產能力、產品需求和/或其他參數(shù))來產生轉換方案2221。圖17為流程圖，示出了一種示例性方法，其中轉換控制引擎214為給定幅材卷10產生轉換方案2221，以使幅材利用率最大化。首先，轉換控制引擎214辨識幅材卷10可轉換成的一組可能產品12(340)。如上文所述，如果幅材卷已運送至或正在運送至特定轉換位點8，則轉換控制引擎214選擇與幅材卷適用的特定轉換位點相關的產品中的一個或多個?；蛘?，如果所考慮的幅材卷仍未被運送，則轉換控制系統(tǒng)4可選擇幅材卷適用的產品12中的全部。轉換控制引擎214訪問數(shù)據(jù)庫222的產品數(shù)據(jù)222D，以辨識用于所辨識組的合適產品的產品需求，并且根據(jù)所辨識的需求來選擇缺陷處理模塊210中的一個或多個(342)。如上文所述，此時轉換控制引擎214可具有多個專用缺陷檢測法，包括用于重復異常的第一組檢測法和用于給定幅材卷10的異常數(shù)據(jù)222k內的隨機異常的不同的第二組檢測法。接下來，轉換控制引擎214調用選定的缺陷處理模塊210，所述缺陷處理模塊210將相應的缺陷檢測算法應用到從幅材制造廠6接收的異常數(shù)據(jù)222A和圖像數(shù)據(jù)222C，以配制用于產品需求中的每一個的缺陷信息。轉換控制引擎214根據(jù)由缺陷處理模塊210辨識的缺陷產生缺陷圖222F(344)。在圖17的實例中，轉換控制引擎214選擇缺陷圖中的第一者(346)，并且分析該圖，以計算出幅材的產率(以幅材利用百分比、實際利用面積或一些其他方便尺度的形式)(348)。轉換控制引擎214對于每一個缺陷圖重復此過程(350，352)。轉換控制引擎214然后選擇將導致幅材卷的最大產率的產品(354)。轉換控制引擎214辨識與選定產品相關的缺陷圖，并且根據(jù)選定缺陷圖輸出推薦轉換方案2221以供操作者查看(356)。這樣，轉換控制引擎214可處理多個缺陷圖，包括集合缺陷圖，當選擇將導致最大產率且潛在地不具有犧牲客戶滿意度的可能性的產品時，利用對重復缺陷和非重復缺陷具有不同靈敏度的缺陷檢測法產生該集合缺陷圖。例如，在一些情況下，當客戶可能對最終產品中的重復缺陷較靈敏時，用于將重復異常分類為缺陷的較嚴格檢測法可為優(yōu)選的。在這種情況下，應用僅應用于重復異常的較嚴格的專用缺陷檢測法可獲得改善的客戶滿意度水平。所述方法允許操作者選擇和修改不同組的應用缺陷檢測法的靈敏度，以便實現(xiàn)基本上相同的客戶滿意度水平，同時仍能實現(xiàn)提高的幅材轉換產率。例如，僅應用于隨機(非重復)異常的不太嚴格檢測法與僅應用于重復缺陷且具有不改變或僅適度提高的靈敏度的檢測法結合使用可最終實現(xiàn)提高的轉換產率，如通過轉換控制引擎214所示，同時仍能保持基本上相同的客戶滿意度水平(如同會以其它方式在不區(qū)分重復異常和非重復異常的情況下所實現(xiàn)的客戶滿意度水平)。示例性的靈敏度差異包括在(例如)重復和隨機異常的像素尺寸、亮度或其他特性方面的5%的相對差 異、10%的相對差異、20%的相對差異和30%的相對差異。轉換控制引擎214還可將轉換方案傳送至適當?shù)霓D換位點8，并且輸出(如，顯示或打印)用于將特定幅材卷10運送至轉換位點的運送指令(358)。圖18為流程圖，示出了一種示例性方法，其中轉換控制引擎214為給定幅材卷10產生轉換方案2221，以使從幅材卷產生的部件數(shù)最大化。如上文所述，轉換控制引擎214辨識幅材卷10可轉換成的一組可能產品12，并且選擇性地調用缺陷處理模塊210中的一個或多個，以應用缺陷檢測算法和產生用于幅材卷的缺陷圖222F(360-364)。在圖18的實例中，轉換控制引擎214選擇缺陷圖中的第一者(366)，并且分析該圖，以計算可對于相應產品產生的部件總數(shù)(368)。轉換控制引擎214對于每一個缺陷圖重復此過程(370，372)。轉換控制引擎214然后選擇將導致由幅材卷產生的最大部件數(shù)的產品(374)。例如，根據(jù)缺陷的具體位置，可實現(xiàn)少量部件以用于較大尺寸的產品(如，用于計算機屏幕的膜)和較小尺寸的產品(如，用于移動電話顯示屏的膜)。轉換控制引擎214根據(jù)選定產品產生轉換方案2221，將轉換方案傳送至適當?shù)霓D換位點8，并且輸出(如，顯示或打印)用于將特定幅材卷10運送至轉換位點的運送指令(376-378)。圖19為流程圖，示出了一種示例性方法，其中轉換控制引擎214為給定幅材卷10產生轉換方案2221，以使從幅材卷實現(xiàn)的總單位銷量最大化。如上文所述，轉換控制引擎214辨識幅材卷10可轉換成的一組可能產品12，并且選擇性地調用缺陷處理模塊210中的一個或多個，以應用缺陷檢測算法和產生用于幅材卷的缺陷圖222F(380-384)。接下來，轉換控制引擎214選擇缺陷圖中的第一者(386)，并且分析該圖，以計算可對于相應產品產生的部件總數(shù)(387)。接下來，轉換控制引擎214訪問產品數(shù)據(jù)222D，以檢索每單位特定產品的估計銷售價格。根據(jù)估計的銷售價格，轉換控制引擎214計算如果將幅材卷轉換成產品將從幅材卷產生的總估計銷量(如，以美元計)(38)。轉換控制引擎214對于每一個缺陷圖重復此過程(390，392)。轉換控制引擎214然后選擇將為幅材卷導致最大實現(xiàn)銷量(S卩，收入)的產品(394)。例如，某些部件與其他部件相比可因市場因素而較好地獲得溢價。在此示例性實施例中，轉換控制引擎214可選擇如下產品，所述產品并未實現(xiàn)最大的幅材卷利用率，然而預期相對于其他合適的產品能產生較高的銷量。轉換控制引擎214根據(jù)選定產品產生轉換方案2221，將轉換方案傳送至適當?shù)霓D換位點8，并且輸出(如，顯示或打印)用于將特定幅材卷10運送至轉換位點的運送指令(396-398)。圖20為流程圖，示出了一種示例性方法，其中轉換控制引擎214為給定幅材卷10產生轉換方案2221，以使從幅材卷實現(xiàn)的總利潤最大化。如上文所述，轉換控制引擎214辨識幅材卷10可轉換成的一組可能產品12，并且選擇性地調用缺陷處理模塊210中的一個或多個，以應用缺陷檢測算法和產生用于幅材卷的缺陷圖222F (400-404)。轉換控制引擎214然后選擇缺陷圖中的第一者(276)，并且分析該圖，以計算可對于相應產品產生的部件總數(shù)(407)。接下來，轉換控制引擎214訪問產品數(shù)據(jù)222D，以檢索每單位特定產品的估計銷售價格和估計成本。根據(jù)估計銷售價格和成本，轉換控制引擎214計算如果將幅材卷轉換成產品會從幅材卷實現(xiàn)的總估計利潤(408)。轉換控制引擎214對 于每一個缺陷圖重復此過程(410，412)。轉換控制引擎214然后選擇將導致為幅材卷實現(xiàn)最大利潤量的產品(414)。轉換控制引擎214根據(jù)選定產品產生轉換方案2221，將轉換方案傳送至適當?shù)霓D換位點8，并且輸出(如，顯示或打印)用于將特定幅材卷10運送至轉換位點的運送指令(416-418)。圖21為流程圖，示出了一種示例性方法，其中轉換控制引擎214為給定幅材卷10產生轉換方案2221以使加工時間最短然而仍實現(xiàn)所需最低產率。如上文所述，轉換控制引擎214辨識幅材卷10可轉換成的一組可能產品12，并且選擇性地調用缺陷處理模塊210中的一個或多個，以應用缺陷檢測算法和產生用于幅材卷的缺陷圖222F (420-424)。接下來，轉換控制引擎214選擇缺陷圖中的第一者(306)，并且分析該圖，以計算將對于相應產品產生的產率(以幅材利用百分比、實際利用面積或一些其他方便尺度的形式)(428)。轉換控制引擎214對于每一個缺陷圖重復此過程(430,432)。轉換控制引擎214然后根據(jù)估計產率來對產品分級(434)，并且選擇包括僅將實現(xiàn)限定的最低產率的那些產品的產品的子組(436)。接下來，轉換控制引擎214根據(jù)如在產品數(shù)據(jù)222D中指定的加工時間對產品的子組分級(438)。轉換控制引擎214然后從具有最少估計加工時間的產品的子組中選擇產品(440)。轉換控制引擎214根據(jù)選定產品產生轉換方案2221，將轉換方案傳送至適當?shù)霓D換位點8，并且輸出(如，顯示或打印)用于將特定幅材卷10運送至轉換位點的運送指令(442-444)。這樣，轉換控制引擎214為幅材卷10定義轉換方案2221，以實現(xiàn)合格的產率水平，同時使幅材在轉換位點8處的轉化時間最短(即，使產量最大化)。圖22為流程圖，示出了一種示例性方法，其中轉換控制引擎214為給定幅材卷10產生轉換方案2221以最大化轉換位點8處的生產線的利用率，然而仍實現(xiàn)幅材卷的所需最低產率。如上文所述，轉換控制引擎214辨識幅材卷10可轉換成的一組可能產品12，并且選擇性地調用缺陷處理模塊210中的一個或多個，以應用缺陷檢測算法和產生用于幅材卷的缺陷圖 222F (460-464)。接下來，轉換控制引擎214選擇缺陷圖中的第一者(346)，并且分析該圖，以計算將對于相應產品產生的產率(以幅材利用百分比、實際利用面積或一些其他方便尺度的形式)(468)。轉換控制引擎214對于每一個缺陷圖重復此過程(470,472)。
轉換控制引擎214然后根據(jù)估計產率來對產品分級(474)，并且選擇包括僅將實現(xiàn)限定的最低產率的那些產品的產品的子組(476)。接下來，轉換控制引擎214訪問轉換位點數(shù)據(jù)222E以確定適于轉換所述產品子組的轉換位點8的一組生產線。轉換控制引擎214根據(jù)當前未利用的生產能力對辨識的生產線分級(478)。轉換控制引擎214然后從對應于具有最高未利用的生產能力的幅材生產線的產品的子組中選擇產品(480)。轉換控制引擎214根據(jù)選定產品產生轉換方案2221，將轉換方案傳送至適當?shù)霓D換位點8，并且輸出(如，顯示或打印)用于將特定幅材卷10運送至轉換位點的運送指令(482-484)。這樣，轉換控制引擎214為幅材卷10定義轉換方案2221，以實現(xiàn)合格的產率水平，同時使轉換位點8處的生產線的利用率最大化。圖23為流程圖，示出了一種示例性方法，其中轉換控制引擎214根據(jù)合成缺陷圖為給定幅材卷10產生轉換方案2221，以將幅材卷轉換成兩個或更多個產品，以使幅材卷的利用率最大化。如上文所述，轉換控制引擎214辨識幅材卷10可轉換成的一組可能產品12，并且選擇性地調用缺陷處理模塊210中的一個或多個，以應用缺陷檢測算法和產生用于幅材卷的缺陷圖222F (500-504)。 接下來，轉換控制引擎214分析缺陷圖，以根據(jù)產率來限定圖的區(qū)域(506)。例如，如圖7所示，根據(jù)該分析，轉換控制引擎214可限定將導致第一產品的相對較高產率的缺陷圖中的一者的第一區(qū)域、以及將導致第二產品的高產率的不同產品圖的非重疊的第二區(qū)域。轉換控制引擎214根據(jù)估計產率來分級和選擇非重疊區(qū)域(510)，并且通過剪接非重疊區(qū)域以形成合成缺陷圖來產生合成缺陷圖222G (512)。這樣，轉換控制引擎214可確定，如果將幅材的特定部分轉換成不同產品，該幅材可得到最好地利用。轉換控制引擎214根據(jù)合成缺陷圖產生轉換方案2221，將轉換方案傳送至適當?shù)霓D換位點8，并且輸出(如，顯示或打印)用于將特定幅材卷10運送至轉換位點的運送指令(514-516)。這樣，轉換控制引擎214為幅材卷10定義轉換方案2221，以將幅材卷轉換成兩個或更多個產品，以使幅材卷的利用率最大化。圖24為流程圖，示出了一種示例性方法，其中轉換控制引擎214根據(jù)多個可配置參數(shù)的加權平均值為給定幅材卷10產生轉換方案2221。轉換控制引擎214辨識幅材卷10可轉換成的一組可能產品12，并且選擇性地調用缺陷處理模塊210中的一個或多個，以應用缺陷檢測算法和產生用于幅材卷的缺陷圖222F (520-524)。接下來，轉換控制引擎214使用所述技術中的任何一個來計算指定參數(shù)(如，幅材利用率、部件產率、利潤、銷量、生產能力、加工時間或用于產品中的每一個的其他參數(shù))(526)。轉換控制引擎214然后將參數(shù)中的每一個歸一化至公用范圍，例如O至100(528)。轉換控制引擎214然后根據(jù)用戶可配置權重來調整參數(shù)中的每一個(如圖6所示)(530)，并且計算每一個產品的總加權平均值(532)。轉換控制引擎214選擇對應于參數(shù)的最大加權平均值的產品(534)，根據(jù)相應的缺陷圖為選定產品產生轉換方案2221 (536)。轉換控制引擎214將轉換方案傳送至適當?shù)霓D換位點8，并且輸出(如，顯示或打印)用于將特定幅材卷10運送至轉換位點的運送指令(538)。這樣，轉換控制引擎214可在根據(jù)存儲的圖像異常信息限定用于將幅材卷轉換成產品的轉換方案2221時考慮多個參數(shù)。
圖25為框圖,示出了轉換位點8A的一個實施例。在此示例性實施例中，轉換位點8A包括已被加載并準備進行轉換的幅材卷10A。轉換服務器608從轉換控制系統(tǒng)4接收轉換圖，并且將轉換圖存儲在數(shù)據(jù)庫606中。從輥IOA讀取條形碼，以將特定幅材603告知轉換服務器608，由此允許轉換服務器訪問數(shù)據(jù)庫606并且檢索相應的轉換圖。當幅材603設置在運動狀態(tài)下時可通過輸入裝置600、或者可在加載之前通過手持式條形碼裝置來讀取條形碼。轉換服務器608顯示轉換方案，由此允許工作者來配置轉換單元604。具體地講，轉換單元604被構造為根據(jù)轉換方案將幅材603物理切割成多干單個片材(即，產品12A)。當幅材603在標記期間穿過系統(tǒng)時，輸入裝置500讀取基準標記并且相關條形碼被有規(guī)則地感測。條形碼和基準標記的組合允許將幅材603的物理位置精確地對準到轉換方案中辨識的缺陷。規(guī)則的再對準確保了持續(xù)進行的對準精確性。本領域的技術人員能夠通過常規(guī)的物理坐標變換技術來實現(xiàn)再對準。一旦幅材603與缺陷圖對準，就已知具體缺 陷的物理位置。當缺陷在幅材標記器602下通過時，將標記應用到幅材603，以在視覺上辨識缺陷。具體地講，轉換服務器608將一系列命令輸出到幅材標記器602，所述幅材標記器602隨后將定位標記應用到幅材603。在本發(fā)明的多個應用中，幅材標記器602根據(jù)相應的轉換方案將定位標記設置在幅材603內的缺陷之上或附近。然而，在一些專門應用中，將定位標記設置為與它們所標識位置的異常間隔開預定距離。幅材標記器602可包括(例如)一系列噴墨模塊，所述噴墨模塊各自具有一系列噴嘴?？筛鶕?jù)幅材、缺陷分類、解決缺陷所需的幅材處理技術、和幅材的預期終端使用用途來選擇標記的類型和標記在缺陷之上或附近的精確位置。就陣列型油墨標記器而言，當缺陷沿幅材縱向方向穿過單元時，優(yōu)選根據(jù)其幅材橫向位置設置標記器。利用這種方法，已在生產率大于150英尺/分鐘的高速幅材上有規(guī)則地實現(xiàn)了小于Imm的標記精確性。然而，超過1000米/分鐘的更高速幅材也在本發(fā)明的能力之內。轉換服務器608可根據(jù)轉換方案在任何點處暫停幅材603的轉換，以允許轉換單元604的重新配置。例如，如果幅材603將被轉換成不同產品，則在產生第一產品之后，轉換服務器608停止轉換過程，由此允許重新配置轉換單元604以用于后續(xù)產品。例如，可根據(jù)需要重新配置切割裝置和其他機構的定位，以產生第二產品。圖26為流程圖，示出了在根據(jù)用于實現(xiàn)(例如)最大化產率或其他可配置參數(shù)的轉換方案加工幅材時轉換位點(例如轉換位點8A)的示例性操作。首先，轉換服務器608從轉換控制系統(tǒng)4接收和存儲卷信息和轉換方案(620)。這可發(fā)生在接收幅材卷之前或之后。例如，轉換服務器608可在物理幅材卷到達轉換位點前的幾周接收特定幅材卷的卷信息和轉換方案?；蛘?，轉換服務器608可接收已存儲在轉換位點的庫存內的幅材卷的卷信息和轉換方案。接下來，轉換服務器608接收待轉換的特定幅材卷的條形碼信息，由此使得轉換服務器608訪問數(shù)據(jù)庫606并且檢索相應的轉換圖￠22)。如上文所述，可在加載之前(如，通過手持式條形碼裝置)或者可在幅材603被加載并準備進行轉換之后通過輸入裝置600來讀取條形碼。轉換服務器608顯示轉換方案，由此允許工作者根據(jù)轉換方案配置轉換單元604，以將幅材603物理切割成多個單個片材(B卩，產品12A) (526)?；蛘撸筛鶕?jù)轉換方案以自動或半自動方式來配置轉換單元604。一旦配置好轉換單元604，幅材603就設為運動狀態(tài)并且輸入裝置500讀取基準標記和相關條形碼(528)，并且可使用幅材標記器602在視覺上標記幅材603，以便有助于缺陷產品的視覺辨識(630)。轉換單元604轉換所接收的幅材603，以形成產品12A(632)。在轉換方案內的任何點處，轉換服務器608可確定所述方案是否需要重新配置(634)。如果需要，則轉換服務器608引導轉換單元604的重新配置(636)。持續(xù)進行該過程，直至根據(jù)轉換方案將全部幅材603轉換成一個或 多個產品12A(638)。圖27示出了通過將第一檢測法應用到示例性幅材卷的片段的實際異常數(shù)據(jù)而產生的示例性缺陷圖700。在此實例中，第一檢測法已被配置成考慮所有的異常，S卩，重復異常和非重復異常兩者。此外，第一檢測法已被配置成在將異常分類為缺陷時應用第一靈敏度水平。如圖27所示，缺陷圖包括已根據(jù)第一嚴重性水平確定為缺陷的隨機和重復異常兩者的出現(xiàn)。圖28示出了通過將第二檢測法應用到示例性幅材卷的所述片段的相同異常數(shù)據(jù)而產生的第二示例性缺陷圖800。在此實例中，第二檢測法已被配置成考慮所有的異常(SP，重復異常和非重復異常兩者)而且已被配置成應用高于第一檢測法所應用的靈敏度水平的第二靈敏度水平。如圖28所示，缺陷圖800包括已根據(jù)第二嚴重性水平確定為缺陷的隨機異常和重復異常兩者的提高的出現(xiàn)。由此，在某些情況下，可使用第二檢測法來代替第一檢測法，以在顯著損失幅材利用率的代價下可能獲得提高的客戶滿意度水平。圖29示出了通過將第三檢測法應用到示例性幅材卷的所述片段的相同異常數(shù)據(jù)產生的第三缺陷圖850。在此實施例中，第一檢測法(即，不太靈敏的檢測法)已被配置成考慮僅由已確定為非重復(即隨機)異常的那些異常產生的缺陷。此外，第二檢測法(即，較高靈敏度的檢測法)已被配置成考慮僅由已確定為非重復異常的那些異常產生的缺陷。如根據(jù)圖27、圖28的圖29可見，缺陷圖850包括相對于均一地應用不太靈敏的第一檢測法而言(圖27的缺陷圖700)增加的缺陷數(shù)，但包括相對于均一地應用較高靈敏度的檢測法而言(圖28的缺陷圖800)減少的缺陷數(shù)。由此，在某些情況下，可使用第三檢測法(即，改進的組合)來代替均一地應用較靈敏的第二檢測法，以可能實現(xiàn)提高的幅材利用率水平，同時不顯著影響客戶滿意度。下表I示出了將檢測法應用到示例性幅材卷的整個長度上的實際數(shù)據(jù)。在這種情況下，利用第三檢測法(即，應用到隨機異常的第一檢測法和應用到重復異常的第二檢測法的改進組合)認定為缺陷的異常的數(shù)量遠小于均一地應用第二檢測法認定為缺陷的數(shù)量。即，在此實驗中，第三檢測法比不太靈敏的第一檢測法多檢測到765個缺陷，但比更靈敏的第二檢測法少檢測到1501個缺陷。因此，可認識到較靈敏的第二檢測法相對于重復異常的有益效果(這往往會增加對客戶滿意度的影響)，同時接受相比于不太靈敏的第一檢測法的大約僅三分之一的附加缺陷負荷。在這種情況下，如果將幅材轉換成用于小型手持裝置的顯示產品，則將會導致產率增加O. 27%，而如果將幅材轉換成用于較大尺寸的筆記本的顯示產品，則將會導致產率增加6. 02%。表I缺陷手持裝置產率筆記本產率
___(56mmx42mm)__(356mmx200min)
第-·檢測法 501598.80%72.10%
第二檢測法 728198.43%62.54%
第三檢測法 578098.70%68.56%
絕對改進值了501一 0.27%6.02%一
檢測法差異 ％ 66.24%72.97%62.97%圖30示出了示例性用戶界面900,操作者通過所述示例性用戶界面900來限定應用到隨機異常的第一檢測法902和應用到重復異常的第二檢測法904，其中第二檢測法在 分析給定異常的圖像數(shù)據(jù)時應用多個不同的圖像處理操作906。這樣，第二檢測法904對于將異常分類為缺陷可為較靈敏或“嚴格”的，如上文所述。在此實例中，用戶已將第二檢測法904配置為僅檢測如下重復缺陷，所述重復缺陷具有大于500mm的重復距離和大于或等于10個實例的鏈長度。另外，操作者已實際上限定了第三檢測法，所述第三檢測法利用聯(lián)合操作908來組合檢測法902、904的結果。以上描述了本發(fā)明的多種實施例。這些以及其它實施例在以下權利要求書的范圍內。
權利要求
1.一種方法，包括 對幅材的連續(xù)部分成像以提供數(shù)字信息； 采用至少一種初始算法來處理所述數(shù)字信息，以辨識所述幅材上包含異常的區(qū)域； 辨識所述異常在所述幅材上的位置； 根據(jù)所述幅材上的所述位置，將一組所述異常辨識為重復異常，并且將剩余的異常辨識為隨機異常； 采用第一缺陷檢測算法來分析所述重復異常的所述數(shù)字信息，以確定所述重復異常中的哪些表不廣品的實際缺陷； 采用第二缺陷檢測算法來分析所述隨機異常的所述數(shù)字信息，以確定所述隨機異常中的哪些表示所述產品的實際缺陷；以及 根據(jù)所確定的所述產品的實際缺陷將所述幅材轉換成產品。
2.根據(jù)權利要求I所述的方法，其中相比于應用到所述隨機異常的所述第二檢測算法，所述第一缺陷檢測算法被配置成對所述重復異常應用提高的靈敏度。
3.根據(jù)權利要求I所述的方法，還包括 提取所述辨識的區(qū)域中的每一個的所述數(shù)字信息的一部分，以及 采用所述第一缺陷檢測算法和所述第二缺陷檢測算法來分析所述數(shù)字信息的所述提取的部分，以確定所述幅材中的實際缺陷。
4.根據(jù)權利要求3所述的方法，還包括在分析之前儲存或緩存所述數(shù)字信息的所述提取的部分。
5.根據(jù)權利要求4所述的方法，其中在整個所述幅材上已經進行了所述成像之后，分析所述儲存的或緩存的部分。
6.根據(jù)權利要求I所述的方法，其中所述初始算法包括對所述數(shù)字信息進行閾值化并且形成連通域表。
7.根據(jù)權利要求I所述的方法，其中所述第一缺陷檢測算法和所述第二缺陷檢測算法各自包括下述內容中的一個或多個鄰域平均、鄰域分級、對比度擴展、各種單值和二值圖像處理、數(shù)字濾波、紋理分析、分形分析、頻率處理、卷積、形態(tài)處理、閾值化、連通分量分析、連通域處理或連通域分類。
8.根據(jù)權利要求I所述的方法，其中所述第一缺陷檢測算法和所述第二缺陷檢測算法各自包括多個圖像處理操作，其中每一個算法的多個步驟包括至少將每一個異常與組合閾值-像素尺寸標準進行比較。
9.根據(jù)權利要求8所述的方法，其中用于所述第一缺陷檢測算法的所述組合閾值-像素尺寸標準限定的像素尺寸小于由用于所述第二缺陷檢測算法的閾值-像素標準限定的像素尺寸。
10.根據(jù)權利要求8所述的方法，其中用于所述第一缺陷檢測算法的所述組合閾值-像素尺寸標準限定的像素尺寸大于由用于所述第二缺陷檢測算法的閾值-像素標準限定的像素尺寸。
11.根據(jù)權利要求8所述的方法，其中如果滿足所述閾值-像素尺寸標準中的任何一個，則將異常辨識為實際缺陷。
12.根據(jù)權利要求I所述的方法，還包括接收來自幅材制備系統(tǒng)的多個傳感器的輥同步信號，其中所述傳感器中的每一個對應于所述幅材制備系統(tǒng)的不同輥，并且其中所述輥同步信號中的每一個指示在所述幅材的制備過程中對應的輥已完成完整旋轉。
13.—種系統(tǒng),包括 編碼器，所述編碼器位于所述輥中的至少一個上，所述編碼器輸出表征所述幅材的幅材縱向距離的位置信號； 成像裝置，所述成像裝置對幅材的連續(xù)部分進行成像以提供數(shù)字信息； 分析計算機，所述分析計算機采用初始算法來處理所述數(shù)字信息，以辨識所述幅材上包含異常的區(qū)域，其中所述分析計算機處理所述異常數(shù)據(jù)，以根據(jù)所述位置信號確定所述幅材上的所述異常的所述位置，并且將一組所述異常辨識為重復異常；和 轉換控制系統(tǒng)，所述轉換控制系統(tǒng)采用第一缺陷檢測算法來處理所述重復異常的所述數(shù)字信息，以確定所述重復異常中的哪些表示產品的實際缺陷，并且采用第二缺陷檢測算法來分析所述隨機異常的所述數(shù)字信息，以確定所述隨機異常中的哪些表示所述產品的實際缺陷。
14.根據(jù)權利要求13所述的系統(tǒng)，還包括 多個輥，所述多個輥在制備過程中接觸所述幅材，其中所述輥中的兩個或更多個各自包括同步標記，以指示所述對應的棍完成完整旋轉的時間； 多個同步標記讀出器，所述多個同步標記讀出器讀取所述多個輥的所述同步標記并且輸出輥同步信號，其中所述輥同步信號中的每一個指示所述對應的輥在所述幅材的制備過程中已經完成完整旋轉；和 同步單元，所述同步單元接收來自所述編碼器的所述位置信號和來自所述同步標記讀出器的所述多個輥同步信號，其中所述同步單元將所述輥同步信號中的每一個的出現(xiàn)轉化為與幅材生產線相關聯(lián)的坐標系內的幅材縱向位置， 其中所述分析計算機通過將所述重復異常的所述位置與所述輥同步信號的所述幅材縱向位置進行互相關，來輸出所述輥中的哪一個引起所述重復異常的指示。
15.根據(jù)權利要求13所述的系統(tǒng)，其中相比于應用到所述隨機異常的所述第二檢測算法，所述第一缺陷檢測算法被配置成對所述重復異常應用提高的靈敏度。
16.根據(jù)權利要求13所述的系統(tǒng)，其中所述分析計算機提取所述辨識的區(qū)域中的每一個的所述數(shù)字信息的一部分，并且采用所述第一缺陷檢測算法和所述第二缺陷檢測算法來分析所述數(shù)字信息的所述提取的部分，以確定所述幅材中的實際缺陷。
17.根據(jù)權利要求13所述的系統(tǒng)，還包括在分析之前儲存或緩存所述數(shù)字信息的所述提取的部分。
18.根據(jù)權利要求13所述的系統(tǒng)，其中在整個所述幅材上已經進行所述成像之后，分析所述儲存的或緩存的部分。
19.根據(jù)權利要求13所述的系統(tǒng)，其中所述初始算法包括對所述數(shù)字信息進行閾值化并且形成連通域表。
20.根據(jù)權利要求13所述的系統(tǒng)，其中所述第一缺陷檢測算法和所述第二缺陷檢測算法各自包括下述內容中的一個或多個鄰域平均、鄰域分級、對比度擴展、各種單值和二值圖像處理、數(shù)字濾波、紋理分析、分形分析、頻率處理、卷積、形態(tài)處理、閾值化、連通分量分析、連通域處理或連通域分類。
21.根據(jù)權利要求13所述的系統(tǒng)，其中所述第一缺陷檢測算法和所述第二缺陷檢測算法各自包括多個圖像處理操作，其中每一個算法的多個步驟包括至少將每一個異常與組合閾值-像素尺寸標準進行比較。
22.根據(jù)權利要求21所述的系統(tǒng)，其中用于所述第一缺陷檢測算法的所述組合閾值-像素尺寸標準限定的像素尺寸小于由用于所述第二缺陷檢測算法的閾值-像素標準限定的像素尺寸。
23.根據(jù)權利要求13所述的系統(tǒng)，其中用于所述第一缺陷檢測算法的所述組合閾值-像素尺寸標準限定的像素尺寸大于由用于所述第二缺陷檢測算法的閾值-像素標準限定的像素尺寸。
24.根據(jù)權利要求13所述的系統(tǒng)，其中如果滿足所述閾值-像素尺寸標準中的任何一個，則將異常辨識為實際缺陷。
25.一種計算機可讀媒體，包含使可編程處理器執(zhí)行以下操作的指令 接收來自幅材檢測系統(tǒng)的數(shù)字數(shù)據(jù)，所述數(shù)字數(shù)據(jù)辨識異常在所述幅材上的位置； 采用至少一種初始算法來處理所述數(shù)字信息，以辨識所述幅材上包含所述異常的區(qū)域； 根據(jù)所述幅材上的所述位置，將一組所述異常辨識為重復異常，并且將剩余的異常辨識為隨機異常； 采用第一缺陷檢測算法來分析所述重復異常的所述數(shù)字信息，以確定所述重復異常中的哪些表不廣品的實際缺陷； 采用第二缺陷檢測算法來分析所述隨機異常的所述數(shù)字信息，以確定所述隨機異常中的哪些表示所述產品的實際缺陷；以及 輸出缺陷圖，以控制所述幅材向產品的轉換，其中所述缺陷圖指定所述實際缺陷的所述位置。
全文摘要
本發(fā)明描述了如下技術，所述技術用于檢測幅材以及控制所述幅材向一個或多個產品隨后轉換。本發(fā)明描述了如下系統(tǒng)，所述系統(tǒng)(例如)包括成像裝置、分析計算機和轉換控制系統(tǒng)。所述成像裝置對所述幅材成像以提供數(shù)字信息。所述分析計算機處理所述數(shù)字信息，以辨識所述幅材上包含異常的區(qū)域。所述轉換控制系統(tǒng)隨后分析所述數(shù)字信息，以確定哪些異常表示多個不同產品的實際缺陷。所述幅材檢測系統(tǒng)可根據(jù)給定異常為重復異常還是隨機異常來優(yōu)先地應用不同的專用缺陷檢測法。
文檔編號G01N21/89GK102792154SQ201180013171
公開日2012年11月21日 申請日期2011年3月4日 優(yōu)先權日2010年3月10日
發(fā)明者卡爾·J·斯凱普斯, 史蒂文·P·弗洛德, 史蒂文·R·德雷格, 史蒂文·R·瓦格曼, 詹姆斯·A·馬斯特曼 申請人:3M創(chuàng)新有限公司