表面検査装置、表面検査方法、表面検査プログラム、およびコンピュータ読み取り可能な記録媒体
【課題】物体表面における凹凸の分布の偏りやムラの状態を精度良く検出する。
【解決手段】散乱光を、Ｐ偏光成分１６とＳ偏光成分１８とに分離するウォラストンプリズム１０と、分離されたＰ偏光成分１６およびＳ偏光成分１８のそれぞれの検出画像から算出される強度比相関パラメータの値に基づいて、物体５６の表面の性状を判断する画像解析部５０とを備える。
【解決手段】散乱光を、Ｐ偏光成分１６とＳ偏光成分１８とに分離するウォラストンプリズム１０と、分離されたＰ偏光成分１６およびＳ偏光成分１８のそれぞれの検出画像から算出される強度比相関パラメータの値に基づいて、物体５６の表面の性状を判断する画像解析部５０とを備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、対象となる物体の表面の性状を検査する表面検査装置および表面検査方法などに関するものであり、特に、プリント基板上におけるメッキなどの表面の性状（または状態）を検査する表面検査装置および表面検査方法などに関する。
【背景技術】
【０００２】
従来から、プリント基板の製造では、スイッチなどの接触部分や接線部には、耐腐食性に優れた金メッキによる表面処理が用いられている。しかしながら、金メッキによる表面処理ではメッキが行われた環境の条件の変動によってメッキの表面状態が変化し、メッキムラがメッキの表面に現れる場合がある。メッキムラを含むメッキ表面の性状は、その品質や耐久性に影響するため、高い信頼性が要求される製品のメッキ表面の性状の均一性は重要な検査項目となっている。
【０００３】
このようなメッキの表面の検査は、目視で行うことが一般的である。しかしながら、人間の目による評価には個人差が大きく、基準が曖昧であり変動が激しいといった問題がある。このため、機械による定量的な検査方法が求められている。
【０００４】
一般に、物体の表面の光沢の検査方法としては、測定者の感覚で判断される絶対測定法や、ＪＩＳＢ０６５９−１に規定されている比較用表面粗さ標準片と比較して表面粗さを測定する方法などがある。
【０００５】
上述の検査方法では、目視の場合と同様に物体の表面の反射光の強度の変化を検出する方法が用いられるが、基準を決めて濃淡を２値化して検出を行うため照射斑や光学系の歪などのノイズとなる要素を除いて高い検査精度を得ることは難しい。
【０００６】
以上の他にも、色、拡散、偏光、スペックルを利用した粗さに対応する物理量を使った物体表面の検査方法が提案されている。しかしながら、白色度や色差といった物理量では光沢を用いた場合と比較して、測定の精度や視覚とのマッチングが難しく、安定した測定が困難であるという問題が生じる。
【０００７】
また、スペックル干渉（回折）を用いた検査方法は、波長に比較して細かい粗さに敏感であることが知られているが、メッキ表面の性状との対応についての調査はまだ十分に行われていない。一方、偏光や拡散光を利用した計測方法として、以下の特許文献に示されているような技術が存在する。
【０００８】
特許文献１には、Ｐ偏光およびＳ偏光成分をそれぞれ画像Ａおよび画像Ｂとして取得し、画像Ａおよび画像Ｂの濃度値の大きい画素数の多少の比較によって画像Ａおよび画像Ｂの光量差を得ることで、物体の表面の光沢の程度を判断している。
【０００９】
特許文献２には、偏光ビームスプリッタを用いて、Ｐ偏光成分とＳ偏光成分とを分割し、各成分の強度を計測することで、物体の表面の光沢を検出する方法について記載されている。
【００１０】
特許文献３には、位相差フィルムと偏光板、分割型フォトダイオードを用いて、一点からの反射光のＳ偏光成分とＰ偏光成分とを同時に計測し、物体の表面の光沢に換算する方法について記載されている。
【００１１】
特許文献４には、上方反射散乱光と側方反射散乱光を取得し、物体表面の比較的大きな変化の群ととらえられる欠陥である、異物や疵の状態を検出する方法について記載されている。
【００１２】
特許文献５には、鏡面反射成分および鏡面拡散反射成分を取得し、顕著な凹凸性を持たない模様状ヘゲ疵を検出する方法について記載されている。
【００１３】
その他、物体表面の検査方法に関する技術ではないが、光ピックアップに関する技術として特許文献６に記載の技術があり、画像の計測方法に関する技術として特許文献７に記載の技術がある。
【先行技術文献】
【特許文献】
【００１４】
【特許文献１】特開平０５−０６６３８１号公報（１９９３年３月１９日公開）
【特許文献２】特開平１０−２８１９９１号公報（１９９８年１０月２３日公開）
【特許文献３】特開２００１−４１８８０号公報（２００１年２月１６日公開）
【特許文献４】特開２００４−１７７２８４号公報（２００４年６月２４日公開）
【特許文献５】特開２０００−１６２１５１号公報（２０００年６月１６日公開）
【特許文献６】特開平０９−１２７０１２号公報（１９９７年１月１７日公開）
【特許文献７】特開平０２−１０１５８６号公報（１９９０年４月１３日公開）
【非特許文献】
【００１５】
【非特許文献１】丸善株式会社出版事業部、分光エリプソメトリー、藤原裕之、２００３年６月２０日発行
【発明の概要】
【発明が解決しようとする課題】
【００１６】
しかしながら、上記特許文献１〜６に記載の技術では、物体表面の比較的大きな変化の群ととらえられる欠陥である、異物や疵の状態を検出することはできるものの、より検出が困難な物体表面の比較的小さな変化の群ととらえられる欠陥である、凹凸の分布の偏りやムラの状態を検出することはできないという問題点がある。
【００１７】
例えば、特許文献１〜３に記載の技術では、物体表面の光沢を検出する観点については記載されているものの、より検出が困難な凹凸の分布の偏りやムラの状態を検出する観点については一切記載されていない。
【００１８】
また、特許文献４および５に記載の技術では、物体表面の異物や疵の状態を検出する観点については記載されているものの、より検出が困難な凹凸の分布の偏りやムラの状態を検出する観点については一切記載されていない。
【００１９】
なお、特許文献６および７に記載の技術は、そもそも物体の表面の性状を検査するための技術ではない。
【００２０】
本発明は、上記の問題点に鑑みてなされたものであり、その目的は、物体表面における凹凸の分布の偏りやムラの状態を精度良く検出することができる表面検査装置および表面検査方法などを実現することにある。
【課題を解決するための手段】
【００２１】
本発明の表面検査装置は、上記の課題を解決するために、照射された光の散乱光を分析して、上記光が照射された物体表面の性状を検査する表面検査装置であって、上記散乱光を、散乱面に平行な振動成分であるＰ偏光成分と、上記散乱面に垂直な振動成分であるＳ偏光成分とに分離する偏光成分分離手段と、上記偏光成分分離手段によって分離された上記Ｐ偏光成分および上記Ｓ偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記Ｐ偏光成分の強度に対する上記Ｓ偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記物体表面の性状を判断する表面性状判断手段とを備えることを特徴とする。
【００２２】
また、本発明の表面検査方法は、上記の課題を解決するために、照射された光の散乱光を分析して、上記光が照射された物体表面の性状を検査する表面検査方法であって、上記散乱光を、散乱面に平行な振動成分であるＰ偏光成分と、上記散乱面に垂直な振動成分であるＳ偏光成分とに分離する偏光成分分離ステップと、上記偏光成分分離ステップにて分離された上記Ｐ偏光成分および上記Ｓ偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記Ｐ偏光成分の強度に対する上記Ｓ偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記物体表面の性状を判断する表面性状判断ステップとを含むことを特徴とする。
【００２３】
上記の構成または方法によれば、偏光成分分離手段が、または偏光分離ステップにて、検査対象の物体表面に照射された光の散乱光を散乱面に平行な振動成分であるＰ偏光成分と、散乱面に垂直な振動成分であるＳ偏光成分とに分離している。
【００２４】
これにより、検査対象の物体表面の性状を精度よく検出できる。これは、物質の表面（例えば、金属メッキされた物体表面など）に照射された光の散乱光は、物体表面における凹凸の分布の状態によって散乱角度および各偏光成分の割合が変化するためである。また、金属の場合であれば、吸収係数が高いために反射率は高い値を示すが、物体表面における凹凸の分布の状態によって各偏光成分の散乱強度が高くなったり低くなったりするので、一定の偏光方向の光を入射させた場合、物体表面における凹凸の分布に応じて各偏光成分の強度が異なるためである。
【００２５】
また、上記の構成または方法によれば、表面性状判断手段が、または表面性状判断ステップにて、分離された上記Ｐ偏光成分および上記Ｓ偏光成分のそれぞれの検出画像から算出される強度比相関パラメータの値に基づいて、物体表面の性状を判断している。
【００２６】
ここに、「強度比相関パラメータ」とは、Ｐ偏光成分の強度に対するＳ偏光成分の強度の比（以下、単に「偏光強度比」という）そのものを含め、当該偏光強度比と相関をもつパラメータのことである。
【００２７】
この強度比相関パラメータの値は、従来の技術では検出が困難であった物体表面の比較的小さな変化の群ととらえられる欠陥である、凹凸の分布の偏りやムラの状態を判断（検出）する指標となり得る。よって、強度比相関パラメータを用いることにより、物体表面の性状を定量的な手法で判断することが可能となる。
【００２８】
また、散乱強度比と相関をもつ強度比相関パラメータを用いているため、検査対象に照射する光の強度分布に偏りが存在する場合であっても、影響をほとんど受けることなく物体表面の性状を精度良く判断することができる。
【００２９】
よって、強度比相関パラメータの値を利用することにより、物体表面における凹凸の分布の偏りやムラの状態を精度良く検出することが可能となる。
【００３０】
なお、強度比相関パラメータは、従来技術の検査対象である、物体表面の比較的大きな変化の群ととらえられる欠陥である、物体表面の異物や疵の状態を判断する指標としても好適である。
【００３１】
また、本発明の表面検査装置は、上記の構成に加えて、上記表面性状判断手段は、上記強度比相関パラメータの分布が反映された画像データから、その画像データの特徴を示す画像特徴量を抽出し、抽出された上記画像特徴量を定義域のパラメータとし、上記物体表面の性状を判断するために予め定めた判断パラメータを値域のパラメータとして構成した所定の写像を用いて、上記画像特徴量の値から求めた上記判断パラメータの値に基づいて、上記物体表面の性状を判断しても良い。
【００３２】
上記の構成によれば、強度比相関パラメータの分布が反映された画像データから、その画像データの特徴を示す画像特徴量を抽出し、抽出された画像特徴量の値を定義域のパラメータとし、物体表面の性状を判断するために予め定めた判断パラメータを値域のパラメータとして所定の写像を予め構成しておくことにより、この写像を用いて２つの検出画像から抽出した強度比相関パラメータの分布が反映された画像データから抽出された画像特徴量から、対応する判断パラメータの値を求めることができる。また、画像特徴量を用いて写像を構成することにより、例えば、信頼性（精度）の高い、良否を判定するために有意な差がある値域パラメータ（判断パラメータ）を求めることができる。このようにして求めた判断パラメータの値に基づいて、物体表面の性状を定量的な手法で判断することが可能となる。
【００３３】
ここで、判断パラメータとしては、検出対象同士の類似度を示すパラメータや、検出対象を複数のグループに分類したときに、どのグループに分類されるかを示すパラメータなどを例示することができる。
【００３４】
なお、写像を構成する方法としては、例えば、
（１）画像特徴量の値の分布から、統計的特徴を抽出して写像（例えば、ヒストグラムなど）を構成する方法、
（２）画像特徴量を説明変数とし、上記判断パラメータを目的変数として多変量解析を行って所定の写像（例えば、検索空間など）を構成する方法などを挙示できる。
【００３５】
また、多変量解析とは、互いに関係のある多変量（他種類の特性値）のデータが持つ特徴を要約し、かつ、目的に応じて総合するための手法のことである。
【００３６】
また、多変量解析には、
（１）予測式（関係式）の発見や量の推定などに用いる重回帰分析や正準相関分析、
（２）標本の分類や質の推定などに用いるクラスター分析や判別分析、
（３）多変量の統合整理（減らす）、変量の分類、および代表変量の発見などに用いる主成分分析や因子分析などが含まれる。なお、これらの方法のいずれを採用するかは、目的に応じて選択すれば良い。
【００３７】
また、本発明の表面検査装置は、上記の構成に加えて、上記表面性状判断手段は、上記強度比相関パラメータとして、パラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）を用いても良い。
【００３８】
ここで、パラメータΨの値は、凹凸の分布の偏りやムラの状態を判断するための指標として特に優れたパラメータであることを本願発明者は新たに見出した。よって、このようなパラメータΨを用いて写像を構成することにより、例えば、信頼性（精度）の高い、良否を判定するために有意な差がある値域パラメータ（判断パラメータ）を求めることができる。このようにして求めた判断パラメータの値に基づいて、物体表面の性状を定量的な手法で判断することが可能となる。
【００３９】
すなわち、上記構成のように、このパラメータΨを利用することにより、従来技術では困難であった、凹凸の分布の偏りやムラの状態をより精度良く判断することが可能となる。
【００４０】
また、本発明の表面検査装置は、上記の構成に加えて、上記画像データにおける複数の画素のうち、上記強度比相関パラメータの値が所定の閾値以上または以下である白画素を特定する白画素特定手段と、上記白画素特定手段が特定した複数の白画素の中から、互いに隣接する複数の白画素からなる白画素グループを特定し、特定した白画素グループに外接する閉図形の図形的な特徴を示す形状特徴量を抽出する形状特徴量抽出手段と、を備え、上記表面性状判断手段は、上記形状特徴量を上記画像特徴量として、多変量解析を行って構成した写像を上記所定の写像として用いて、上記形状特徴量抽出手段によって抽出された上記形状特徴量の値から求めた上記判断パラメータの値に基づいて、上記物体表面の性状を判断しても良い。
【００４１】
ここで、形状特徴量とは、互いに隣接する複数の白画素からなる白画素グループ（に含まれる複数の白画素）に外接する閉図形の図形的な特徴を示す特徴量である。閉図形は、閉じた多角形であっても良いし、閉曲線であっても良い。
【００４２】
一般に、物体表面の性状が良好な場合、白画素（異常点）の数も少なく、各白画素グループ内における互いに隣接する白画素の数も少ない傾向があると考えられる。一方、物体表面の性状が良好でない場合、白画素の数も多く、各グループ内における白画素の数も多い傾向があると考えられる。また、隣接する白画素の連続数や、隣接する白画素同士が隣接する隣接方向などにも光沢ムラの種類に応じた特有の傾向があると考えられる。
【００４３】
さらに、形状特徴量は、検出画像（または検出画像から得られる強度比相関パラメータの値の分布が反映された画像データ）を複数の領域に分割することによって得られる局所的な特徴量ではなく、検出画像を複数の領域に分割することなく得られる検出画像全体の大域的な特徴が反映された特徴量であると言える。このため、形状特徴量は、物体表面の性状全体の傾向を把握する上で、重要な指標となり得る。
【００４４】
また、写像を構成する方法としては、例えば、
（１）形状特徴量の値の分布から、統計的特徴を抽出して写像（例えば、ヒストグラムなど）を構成する方法、
（２）形状特徴量を説明変数とし、上記判断パラメータを目的変数として多変量解析を行って所定の写像（例えば、検索空間など）を構成する方法などを挙示できる。
【００４５】
なお、多変量解析については上述したとおりであるので説明を省略する。
【００４６】
以上のような形状特徴量の値は、凹凸の分布の偏りやムラの状態を判断するための指標として特に優れたパラメータであることを本願発明者は新たに見出した。よって、上記構成のように、この形状特徴量を利用することにより、従来技術では困難であった、凹凸の分布の偏りやムラの状態をより精度良く判断することが可能となる。
【００４７】
また、本発明の表面検査装置は、上記の構成に加えて、上記表面性状判断手段は、上記物体表面の良否を判定するための良否判定パラメータを上記判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、上記形状特徴量抽出手段によって抽出された上記形状特徴量の値から求めた上記良否判定パラメータの値に基づいて、上記物体表面の良否を判定しても良い。
【００４８】
上記の構成によれば、形状特徴量を用いて写像を構成することにより、例えば、信頼性（精度）の高い、良否を判定するために有意な差がある良否判定パラメータを求めることができる。このようにして求めた良否判定パラメータの値に基づいて、物体表面の性状を定量的な手法で判断することが可能となる。
【００４９】
すなわち、上記構成のように、良否判定パラメータを利用することにより、従来技術では困難であった、信頼性（精度）の高い、物体表面の良否判定を行うことができる。
【００５０】
また、本発明の表面検査装置は、上記の構成に加えて、上記表面性状判断手段は、上記物体表面の光沢ムラの種類を判別するためのムラ種類判別パラメータを上記判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、上記形状特徴量抽出手段によって抽出された上記形状特徴量の値から求めた上記ムラ種類判別パラメータの値に基づいて、上記物体表面における光沢ムラの種類を判別しても良い。
【００５１】
上記の構成によれば、形状特徴量を用いて写像を構成することにより、例えば、ムラ種類の判別を行うための指標として好適なムラ種類判別パラメータを求めることも可能である。このようにして求めたムラ種類判別パラメータの値に基づいて、物体表面の光沢ムラの種類を判別することが可能となる。
【００５２】
また、本発明の表面検査装置は、上記の構成に加えて、上記物体表面の凹凸の状態を示すための極座標空間における、上記強度比相関パラメータの動径方向の重み付け平均の角度微分の標準偏差、上記極座標空間の原点から上記強度比相関パラメータの重心までの距離、および、上記強度比相関パラメータの動径方向の重み付け平均のいずれか１つ以上を、上記所定の写像を具現化する検索空間内の座標として、上記強度比相関パラメータの値の分布から算出する座標算出手段と、上記座標算出手段が算出した座標が、上記物体表面の光沢ムラの種類に応じて上記検索空間内に複数設定された領域のいずれに属するかを判定する領域判定手段とを備え、上記表面性状判断手段は、上記領域判定手段の判定結果を用いて、上記物体表面の光沢ムラの種類を判別しても良い。
【００５３】
上記の構成によれば、所定の写像を具現化する検索空間内における座標の位置に基づいて、複数の原因に基づく光沢ムラの種類を判別することが可能となる。
【００５４】
これは、光沢ムラの種類によって、上記検索空間内における座標の位置が異なるからである。このため、上記検索空間内における座標の位置を特定できれば、物体の表面に存在する光沢ムラの種類を判別することができる。
【００５５】
なお、検索空間の次元は、設定した座標の種類数（１つから３つまで）に応じて、１次元から３次元までのいずれの次元であっても良い。
【００５６】
ところで、上記特許文献１〜３に記載の技術従来では、対象となる物体の表面が一様であるか、あるいは、光沢ムラが存在するかのいずれであるかを判断することはできるものの、どのような原因で光沢ムラが発生したのか、また、どのように対処すれば光沢ムラの発生を防げるかを判断することができないという副次的な課題がある。
【００５７】
一般に、プリント基板の表面に形成されるメッキは、その工程の異常によって、色ムラを生ずることがある。例えば、色ムラの原因が、有機物や無機物の付着に起因するものは洗浄により除去できる。これに対して、メッキ条件の変動による表面凹凸の変化はメッキ後の工程では修復できず、製品不良の原因となる。
【００５８】
このようなメッキ表面の凹凸の分布状態によって、正反射と拡散反射の広がり具合が異なるため、見る方向によって凹凸の程度を反映して輝度のコントラストが変化する。さらに、波長によって反射率が異なるため、微妙な色相の変化は生じているが、その効果は非常に小さく、色相の変化は殆どない。なお、一般に、前述のコントラストの違いも色ムラと呼ばれている。
【００５９】
特に、フレキシブルプリント基板（ＦＰＣ）上に形成される金メッキ部の光沢ムラを分類することは、製造工程の状態の把握に役立ち、そのフィードバックによって不良の原因を早期に解明できる点で、製造ラインの評価の役割を担う重要な項目であると言える。
【００６０】
そのため、光沢ムラの発生する傾向を分析し、どのような状態の際にどの種類の光沢ムラが発生するのかを特定することができれば、光沢ムラの発生を抑えることや、光沢ムラが発生する際にメッキ装置などを調整するために利用することもできる。
【００６１】
よって、本願の上記の構成によれば、以上のような副次的な課題を解決することもできる。
【００６２】
なお、上記表面検査装置および表面検査方法における各手段、各機能、各処理、各ステップ、または、各工程のそれぞれは、コンピュータによって実現してもよく、この場合には、コンピュータを上記各手段として動作させ、コンピュータに上記各機能を実現させ、もしくはコンピュータに上記各処理、上記各ステップまたは上記各工程を実行させることにより上記表面検査装置および表面検査方法を、コンピュータにて実現させる表面検査プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体も、本発明の範疇に入る。
【発明の効果】
【００６３】
本発明の表面検査装置は、以上のように、上記散乱光を、散乱面に平行な振動成分であるＰ偏光成分と、上記散乱面に垂直な振動成分であるＳ偏光成分とに分離する偏光成分分離手段と、上記偏光成分分離手段によって分離された上記Ｐ偏光成分および上記Ｓ偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記Ｐ偏光成分の強度に対する上記Ｓ偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記物体表面の性状を判断する表面性状判断手段とを備える構成である。
【００６４】
また、本発明の表面検査方法は、以上のように、照射された光の散乱光を分析して、上記光が照射された物体表面の性状を検査する表面検査方法であって、上記散乱光を、散乱面に平行な振動成分であるＰ偏光成分と、上記散乱面に垂直な振動成分であるＳ偏光成分とに分離する偏光成分分離ステップと、上記偏光成分分離ステップにて分離された上記Ｐ偏光成分および上記Ｓ偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記Ｐ偏光成分の強度に対する上記Ｓ偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記物体表面の性状を判断する表面性状判断ステップとを含む方法である。
【００６５】
それゆえ、物体表面における凹凸の分布の偏りやムラの状態を精度良く検出することができるという効果を奏する。
【図面の簡単な説明】
【００６６】
【図１】本発明における表面検査装置の一実施形態の構造を示す構成図であり、（ａ）は上記表面検査装置の全体構造の概要を示し、図１（ｂ）は上記表面検査装置の散乱光検出部の要部構成を示す。
【図２】ピンホールの大きさ（配置）と検出画像の状態との関係を示す模式図であり、（ａ）ピンホールの大きさが適切な場合の検出画像の状態を示し、（ｂ）は、ピンホールの大きさが大きい場合の検出画像の状態を示す。
【図３】上記表面検査装置で検査する金メッキの表面の原子間力顕微鏡（以下、ＡＦＭ：Atomic Force Microscopeという）による像（以下、ＡＦＭ像という）を示す拡大図である。
【図４】ＡＦＭ像の平均高さからの各点の変位の度数分布を示すグラフである。
【図５】正常光沢部と異常光沢部におけるエリプソメトリーの偏光解析結果を示すグラフである。
【図６】プリント基板上に施された金メッキの一例を示す図である。
【図７】ＣＣＤ（検出画面）上に結像された金メッキのＰ偏光成分（右）およびＳ偏光成分（左）の画像例を示す図である。
【図８】散乱光から得られたパラメータΨの値を２次元情報として取得した例を示す図である。
【図９】照明の入射角度を変えながら金メッキ部を観察した結果を示す図である。
【図１０】均一照明の下で得られた異常光沢の検出結果の一例を示す図である。
【図１１】不均一照明の下で得られた異常光沢の検出結果の一例を示す図である。
【図１２】図３に示したＡＦＭ像の各点における曲率半径を示すグラフである。
【図１３】図３に示したＡＦＭ像の各粒子における最近接粒子間距離の度数分布を示すグラフである。
【図１４】検査対象の物体の正常光沢品、異常光沢品、および正常光沢の限界となる物体におけるパラメータΨ（°；角度）を示すグラフである。
【図１５】検査対象の物体の異常光沢品、および正常光沢の限界となる物体における角度Ψと異常度合いとを示すグラフである。
【図１６】入射角度θに対する平均の角度＜パラメータΨ＞（以下、平均角度Ψという）の関係を示すグラフである。
【図１７】Ａｕの反射率の入射角度依存性、および、入射角が６２．５度および７０度の時の、パラメータΨと表面凹凸との関係を示すグラフである。
【図１８】本発明における表面検査装置の他の実施形態に関し、その要部である表面状態特定装置の構造の詳細を示すブロック図である。
【図１９】上記表面状態特定装置を含む上記表面検査装置の全体構造の概要を示す図である。
【図２０】（ａ）は、ｘ軸、ｙ軸、およびｚ軸方向に設定した領域分類に用いる各パラメータを説明するための図であり、（ｂ）は、同心円状の金メッキの中心を原点として、放射状に２００分割した様子を示す図であり、（ｃ）は、上記２００分割した各扇形内における極座標のθおよび表面ラフネスを示したグラフである。
【図２１】金メッキを示す上面図であり、（ａ）は、ムラのない良品の金メッキを示し、（ｂ）は、三日月状斑に分類される金メッキを示し、（ｃ）は、境界型斑に分類される金メッキを示し、（ｄ）は、斑点状斑に分類される金メッキを示す。
【図２２】ＣＣＤ（検出画面）上に結像された金メッキのＰ偏光成分（右）およびＳ偏光成分（左）の画像例を示す図である。
【図２３】図２１に示した金メッキの表面ラフネスを示す図である。
【図２４】Ｐ偏光成分の強度に対するＳ偏光成分の強度の比を用いて算出したパラメータΨと、表面ラフネスｒｍｓとの関係を示す図である。
【図２５】三次元空間内において、各座標が含まれる領域がどのムラに分類されるかを示す図である。
【図２６】三次元空間内において、各ムラの種類の応じて設定された領域の範囲を数式で示す図である。
【図２７】自己相関マスクの一例を示す図である。
【図２８】複数のサンプル（ＦＰＣ）から得られたパラメータΨの値の分布から、上記自己相関マスクを用いて抽出した初期特徴パラメータの値（特徴量１〜５）を示す図である。
【図２９】複数の手法を用いてデータ解析を行った結果を示す図であり、（ａ）は、ヒストグラム用いた解析結果の一例を示し、（ｂ）は、重回帰分析を用いた解析結果の一例を示し、（ｃ）は、重回帰分析を用いた解析結果の他の一例を示し、（ｄ）は、重回帰分析を用いた解析結果のさらに他の一例を示す。
【図３０】図１８に示す表面状態特定装置の要部である特徴量抽出部の構成の一例を示すブロック図である。
【図３１】強度比相関パラメータの分布を反映した画像データ（２値化後）から外接四角形を特定したときの一例を示す図である。
【図３２】各対角線長の度数（個数）分布を示すグラフである。
【図３３】判別パラメータＺの値に基づく、良品・不良品の判定結果を示す図である。
【図３４】３種類の判別パラメータＺ２、Ｚ３、Ｚ４の値に基づく、不良品のムラ種類の判別結果を示す図であり、（ａ）は、判別パラメータＺ２の値に基づく、不良品のムラ種類の判別結果を示し、（ｂ）は、判別パラメータＺ３の値に基づく、不良品のムラ種類の判別結果を示し、（ｃ）は、判別パラメータＺ４の値に基づく、不良品のムラ種類の判別結果を示す。
【図３５】上記画像データの例（良品の場合）を示す図である。
【図３６】上記画像データの別の例（境界型斑の場合）を示す図である。
【図３７】上記画像データのさらに別の例（三日月型斑の場合）を示す図である。
【図３８】上記画像データのさらに別の例（斑点状斑の場合）を示す図である。
【図３９】良品、境界型斑、三日月型斑、斑点状斑に分類される各画像データから閉図形（円、２パターンの四角形）を特定したときの例を示す図である。
【図４０】形状特徴量の具体例を説明するための図である。
【発明を実施するための形態】
【００６７】
本発明の一実施形態について図１〜図４０に基づいて説明すれば、次の通りである。以下の特定の項目で説明する構成以外の構成については、必要に応じて説明を省略する場合があるが、他の項目で説明されている場合は、その構成と同じである。また、説明の便宜上、各項目に示した部材と同一の機能を有する部材については、同一の符号を付し、適宜その説明を省略する。
【００６８】
〔１．表面検査装置１〕
本発明の一実施形態である表面検査装置１について図１から図１７に基づいて説明すると以下の通りである。
【００６９】
なお、以下の実施形態では、表面検査装置１が、金メッキされた物体の表面に生じる表面性状の検査を例に説明を行うが、これに限るものではない。例えば、表面検査装置１は、銅メッキされた物体の表面に生じる表面性状の検査を行うことも可能である。
【００７０】
同様に、物質表面における凹凸の二乗平均粗さｒｍｓが物体表面に照射される光の波長より小さく、凹凸の曲率半径が物体表面に照射される光の波長に比較し十分に長い他の金属メッキの表面や、紙やプラスチックなどの他の材質で覆われた平面の表面に生じる表面性状の検査に用いてもよい。ただし、本実施形態のような金メッキに対して適用する場合には、携帯電話機を始めとする様々な電子機器のプリント基板に対する表面検査装置として利用することができるため、特に効果が大きい。
【００７１】
まず、図１を参照して本実施形態で用いる表面検査装置１の要部構成について説明する。図１の（ａ）は表面検査装置１の全体構造の概要を示す側面図であり、図１の（ｂ）は表面検査装置１の散乱光検出部の原理を示す部分拡大図である。
【００７２】
なお、以下の説明では、表面検査装置１の構成のうち、光源２０、コリメータレンズ２２、およびポラライザ２４から構成される、光を計測対象の物体５６に照射する部材を光照射部と呼ぶ。また、ピンホール３０、対物レンズ１２、アイリス１４、ウォラストンプリズム１０、アイリス調整部３６、ウォラストンプリズム位置調整部３８、ＣＣＤカメラ４０、および画像解析部５０から構成される、物体５６表面に照射された光の散乱光を取得するための部材を散乱光検出部と呼ぶものとする。
【００７３】
なお、本実施形態では、偏光成分分離手段としてウォラストンプリズム１０を用いる場合を例に説明するが、これに限るものではない。ウォラストンプリズム１０の代わりに、ビームディスプレーサを用いてもよい。
【００７４】
ウォラストンプリズムでは、Ｐ偏光成分光およびＳ偏光成分光が光軸を中心に対象な方向に進行するため、Ｐ偏光およびＳ偏光画像の間隔を調整できる。これに対して、ビームディスプレーサでは、Ｐ偏光成分光およびＳ偏光成分光が一定距離を隔てて、平行に進行するため、像間の距離を変更できない。
【００７５】
よって、検査対象物の大きさが変化する場合や倍率が変化する場合には、ビームディスプレーサは、その仕様に合わせて結晶を製作する必要がある。これに対して、ウォラストンプリズムでは、その位置によって調整が可能なため、ウォラストンプリズムを使うことが好ましい。
【００７６】
図１に示した表面検査装置１では、光源２０から照射された光が、コリメータレンズ２２によって検査する対象となる物体５６の表面に施された金メッキ部の広さに併せて広げられ、ポラライザ２４によって偏光方向が決定されて、物体５６の表面に照射されている。
【００７７】
ここで、光源２０は、検査対象となる物体５６に対して垂直に配置されたＣＣＤカメラ４０に対して角度θ（°）の角度を付けて配置されている。以下では、光源２０から照射される光の入射角度θを４５°として説明するが、これに限るものではない。詳細は後述するが、金メッキの表面を検査する場合には、６０°〜６５°、好ましくは、６２．５°の角度で照射することが望ましい。なお、照射角度の設定について、詳細は後述する。
【００７８】
照射された光は金メッキ部で散乱するが、表面の凹凸によってその散乱光が図１の（ａ）の上方向にも散乱される。ＣＣＤカメラ４０および画像解析部（表面性状判断手段）５０を含む散乱光検出部（図１の（ｂ）参照）には、ピンホール３０によって観察視野が制限された散乱光が、結像用の対物レンズ１２、ＮＡ（Numerical aperture;開口数）を小さくして焦点深度を深くするアイリス１４を通過する。さらに、光をＰ偏光成分ならびにＳ偏光成分に分離するウォラストンプリズム（偏光成分分離手段）１０を通過し、対物レンズ１２によってＣＣＤカメラ４０上に結像され、画像解析部５０に入力される。
【００７９】
ウォラストンプリズム１０は、照射した光がプリズム内を通過した後、散乱面に平行な振動成分であるＰ偏光成分１６と、散乱面に垂直な振動成分であるＳ偏光成分１８とに分離され、ある角度（±α°）方向にそれぞれ屈折するようになっている（偏光成分分離ステップ）。よって、ウォラストンプリズム１０の位置を調整することによってＰ偏光成分１６とＳ偏光成分１８との画像間距離を調整することができる。
【００８０】
また、これにより、検査対象の物体５６表面の性状を精度よく検出できる。これは、物質の表面（例えば、金属メッキされた物体５６表面など）に照射された光の散乱光は、物体５６表面における凹凸の分布の状態によって散乱角度および各偏光成分の割合が変化するためである。また、金属の場合であれば、吸収係数が高いために反射率は高い値を示すが、物体表面における凹凸の分布の状態によって各偏光成分の散乱強度が高くなったり低くなったりするので、一定の偏光方向の光を入射させた場合、物体表面における凹凸の分布に応じて各偏光成分の強度が異なるためである。
【００８１】
次に、アイリス１４は、ＮＡを小さくし、焦点深度を深める機能を持っている。また、ＮＡを小さくし、Ｆ-numberを１０程度まで大きくすることは、照射および観察方向の角度広がりを小さくすることになり、測定精度を高くする役目も担っている。
【００８２】
なお、アイリス１４は、アイリス調整部３６によって絞りが調整され、ウォラストンプリズム１０は、ウォラストンプリズム位置調整部３８によって位置が調整される。ＣＣＤカメラ４０は、Ｓ偏光成分１８およびＰ偏光成分１６の異なる偏光成分に分離された散乱光によって結ばれた像を撮影し、画像解析部５０は、ＣＣＤカメラ４０に入力された像に基づいて物体５６の表面に形成された金メッキにおける表面上の凹凸の分布状態（表面性状）を判断する。
【００８３】
なお、ＣＣＤカメラ４０に入力される散乱光の像は、同じ２次元検出装置の検出面上で結像されるため、像が重なる場合がある。これを避けるために、対物レンズ１２の前にピンホールを配置して、観察視野を制限している。
【００８４】
図２は、ピンホールの配置によって、検出する対象であるＰ偏光成分およびＳ偏光成分に基づく画像を分離できることを示す模式図である。図２の（ａ）はピンホールの大きさが適切な場合を、図２の（ｂ）はピンホールの大きさが大きすぎる場合の例を示している。
【００８５】
図２の（ａ）では、ピンホールの大きさが適切なため、Ｐ偏光成分およびＳ偏光成分に基づく画像が重なることなく、２つの画像として別個に検出することができる。
【００８６】
これに対して、図２の（ｂ）では、ピンホールの大きさが大きすぎるため、Ｐ偏光成分およびＳ偏光成分に基づく画像が重なり合ってしまい（クロストークしてしまい）、画像パターンが重なり合った部分がノイズとなってしまい、正確に画像を検出することができていない。このような不具合を起こさないために、画像を取得する位置や距離に応じてピンホールの大きさを設定する必要がある。
【００８７】
以上のように、本発明では、図１の（ａ）に示すように、光源２０から照射された光の幅を検査する金メッキ部の広さに合わせて広げるコリメータレンズ２２、光の偏光方向を決めるポラライザ２４、結像用の対物レンズ１２、散乱された散乱光のＰ偏光成分１６およびＳ偏光成分１８を１つのＣＣＤカメラ４０で同時に捉えるためのウォラストンプリズム１０（偏光成分分離手段）、および、Ｐ偏光成分１６およびＳ偏光成分１８に基づく画像を分離するためのピンホール３０を主構成要素としている。
【００８８】
次に、検査対象となる物体５６上に設けられた金メッキの特性について、図３から図５を参照して説明する。図３は、表面検査装置１で検査する金メッキの表面の原子間力顕微鏡（以下、ＡＦＭ：Atomic Force Microscopeという）による像（以下、ＡＦＭ像という）を示す拡大図である。図３は、金メッキ表面の凹凸が適切な光沢を得る正常光沢部および異常な光沢を示す異常光沢部のＡＦＭ像を示す図である。図４は、ＡＦＭ像の平均高さからの各点の変位の度数分布を示すグラフである。図５は、エリプソメトリーによる金メッキ表面の偏光解析結果を示すグラフである。
【００８９】
図３に示すように、金メッキの表面をＡＦＭで観察すると小さい凹凸の像が得られる。このような表面に光を照射すると乱反射が生じ、光沢の発生が抑制される。この凹凸の表面状態が変化することによって光沢の状態に変化が生じる。このような光沢の状態変化が部分的に生じた場合に、表面性状における凹凸の分布が異常と判断される。一般に表面に凹凸などの乱れがある場合、Ｐ偏光成分およびＳ偏光成分の反射率は、完全に平坦な金メッキの表面における、それぞれの反射率とは異なることが光学の基礎原理より示されている（非特許文献１参照）。
【００９０】
物質表面における凹凸の分布が異常である異常光沢部および正常光沢部におけるＡＦＭによる表面高さの二乗平均粗さｒｍｓ（root mean square）を比較すると、正常光沢部では二乗平均粗さｒｍｓが高く、異常光沢部では二乗平均粗さｒｍｓが低くなっている。これは、異常光沢部が正常光沢部に比べ平坦であり、理想平面の金メッキに近いことを示している。よって、エリプソメトリーで偏光解析を行うと、得られるパラメータΨ’＝ｔａｎ−１（Ｐ偏光成分の強度／Ｓ偏光成分の強度）は、異常部におけるパラメータΨ’の値が、平坦な金メッキの表面の測定結果に近い値を示す。
【００９１】
図３では、物質表面における凹凸の分布が異常である異常光沢部（＃１〜＃３）および正常光沢部（＃４）のＡＦＭ像が示されている。上段は１辺が３０μｍ、下段は１辺が９０μｍとなっている。図３のＡＦＭ像からは、異常光沢部および正常光沢部における画像の顕著な違いは見られないが、ＲＭＳ値（二乗平均粗さｒｍｓ）には明瞭な差が見られる。
【００９２】
図４は、ＡＦＭ像の平均高さからの各点の変位の度数分布を示すグラフである。グラフ全体５１２×５１２の点から構成されており、図４の（ａ）は異常光沢部（＃１〜＃３）の変位分布を示し、図４の（ｂ）は正常光沢部（＃４）の変位分布を示している。図４の例では、正常光沢部も異常光沢部もほぼガウス分布となっているが、正常光沢部の標準偏差は異常光沢部より大きい（広がりが大きい）ことが分かる。
【００９３】
図５に、正常光沢部および異常光沢部におけるエリプソメトリーの偏光解析結果を示す。図５を参照すると、正常光沢部および異常光沢部でパラメータΨ’の値が異なることが分かる。これは、物質表面における凹凸が反射光の偏光方向、すなわち、Ｓ偏光成分およびＰ偏光成分のそれぞれの反射率に影響することを示している。なお、完全に平坦な金メッキの表面におけるパラメータΨ’は４２．２度である。
【００９４】
得られるパラメータΨ’＝ｔａｎ−１（Ｐ偏光成分の強度／Ｓ偏光成分の強度）は、異常部におけるパラメータΨ’の値が平坦な金メッキの表面の測定結果（ここでは、４２．２度）に近い値を示す。この結果は正反射におけるパラメータΨ’の値であるが、本実施形態ではパラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）を用いているため、表面の粗さとパラメータΨの関係は正反射の場合と逆になる。
【００９５】
このように、各偏光成分の強度の比と物質表面における凹凸との間に相関があるので、偏光成分強度の比から物質表面における表面性状を求めることができる。これを用いて、正常光沢部および異常光沢部の光沢の状態と、パラメータΨの値とを予め計測し、金メッキ上の各点のパラメータΨをＣＣＤカメラなどの２次元検出器で測定すれば、異常光沢の存在を２次元的に検出することができる。具体的には、所定の閾値（例えば、２５以下）の場合に、異常光沢と判断して計測することができる。
【００９６】
次に、本実施形態で検査する対象となる金メッキの表面状態について、図６から図８を参照して説明する。図６は、プリント基板上に施された金メッキの一例を示す図である。図７は、図６の一つのパッドのＰ偏光成分（右）およびＳ偏光成分（左）の像の一例を示している。図８は、図７から計算されたパラメータΨの値を２次元情報として取得した例を示す図である。
【００９７】
図６に示すように、プリント基板上には、金属の接点が設けられている。金メッキ９０〜９９は、プリント基板上に設けられたメッキの一例である。なお、図８の金メッキ９１〜９４は、図６の同じ番号の金メッキとそれぞれ対応する。金メッキ９０〜９９は、プリント基板上の接点を覆う状態でメッキ処理されており、接点の腐食に対する耐性を高め、電気伝導率を上げる機能を果たしている。
【００９８】
図８のメッキ９１は均一な濃淡であり、正常光沢メッキであるが、メッキ９２〜９４は濃淡が変化しており、プリント基板上に施された金メッキには凹凸の分布の偏りが存在する。黒い部分は凹凸が小さく、二乗平均粗さｒｍｓが低い平坦な状態を示しており、白い部分は凹凸が激しく、二乗平均粗さｒｍｓが高い状態を示している。
【００９９】
図８では、図６および図７で示した金メッキの表面の状態を、２次元情報としてカメラで撮影し画像データとして取り込み、各画素のパラメータΨの値を計算し２次元画像として示している。図８の左端の金メッキ９１はほぼ均質な状態となっているが、金メッキ９２〜９９には表面状態にばらつきが生じ、光沢の異常が存在する状態になっている。
【０１００】
図９は、照明の入射角度を変えながら金メッキ部を観察した例である。入射角度によって、光沢の異常の見え方が異なることが分かる。しかし、入射角が７０度程度以上になると、図１７の（ａ）に示す金の反射率曲線からわかるように、Ｐ偏光成分は最小値をとり、その後、増加する。よって、図１７の（ｂ）に示すように、パラメータΨの値に対して計算される表面凹凸の度合い（二乗平均粗さｒｍｓ）は、２つの値が対応するため算出のために使用できない。
【０１０１】
図１６は、入射角度を変えた時に、本方法による正常光沢の金メッキおよび表面凹凸に分布の偏りがある異常光沢の金メッキにおける偏光方向のピーク位置（角度°）をグラフにしたものである。入射角度を大きくすると、正常光沢および異常光沢のメッキ部における角度の差が大きくなり、正常光沢品および異常光沢品の分離精度が向上する。
【０１０２】
しかしながら、上述のように、入射角度が７０度以上になると表面凹凸の度合いとパラメータΨの値は２価関数となるため本方法は使用できない。よって、本方法を用いる場合、６０度〜６５度の入射角が好ましい。
【０１０３】
次に、図１０および図１１を参照して、金メッキの表面からの散乱光のＰ偏光成分１６およびＳ偏光成分１８によって結ばれた像と、表面性状の検出結果について一例を示す。図１０および図１１は、光の照射角θ＝４５°の配置で得られた、金メッキ表面の光沢異常の検出結果を示している。
【０１０４】
なお、図１０は均一照明の下で行われた検出結果を、図１１は不均一な照明の下で行われた検出結果を示し、それぞれ、「Ｓａｍｐｌｅ１」〜「Ｓａｍｐｌｅ３」は光沢異常の存在する例を、「Ｓａｍｐｌｅ４」は光沢が正常な例を示している。また、「Ｓａｍｐｌｅ４」の画像の左下部分に欠けが見られるが、これはチェック用のマーカーをマジックで書き込んだもので光沢異常ではない。
【０１０５】
図１０および図１１において、サンプルごとに３つの金メッキ表面の状態を示しているが、中央および右側の画像は、それぞれＰ偏光成分およびＳ偏光成分画像である。左側の金メッキは、中央および右側の各偏光成分の像に基づいてパラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）の数式を用いてパラメータΨの値を計算し、光沢異常部＝閾値（ここでは、入射角が４５°において４０以上）の部分を黒く表示した図である。
【０１０６】
図１０は、ほぼ均一な光を照射したときの検出結果を示している。図１１は、図１０と同じサンプルについて、光源２０による、目視ではっきりとした照射に偏りが確認できる照射斑を故意に加え、かつ、照射強度を高めた光源を用いた場合の結果を示している。この場合でも、図１０とほぼ同じ光沢異常検出結果が得られており、表面検査装置１の安定性を示している。
【０１０７】
以上のように、本実施形態の表面性状の検査方法を用いることによって、検査対象に照射する光の光源の照射に偏りが存在する場合であっても影響をほとんど受けることなく、光沢異常の検出が可能になっていることが分かる。
【０１０８】
図１２は、図３に示したＡＦＭ像の各点における曲率半径を示すグラフである。図１２の（ａ）は、図３における光沢異常部（＃１〜＃３）の分布を示し、図１２の（ｂ）は、図３における正常光沢部の分布を示している。図１２の（ａ）および（ｂ）に示すグラフでは、曲率半径は数十ｍｍまでほぼ均等に広がっており、９９．５％が１００μｍ以上になっている。これは、入射波長の数百ｎｍと比較して十分に大きい。
【０１０９】
図１３は、図３に示したＡＦＭ像の各粒子における最近接粒子間距離の度数分布を示すグラフである。図１３の（ａ）は、図３における光沢異常部（＃１〜＃３）の分布を示し、図１３の（ｂ）は、図３における正常光沢部の分布を示している。図１３の（ａ）および図１３の（ｂ）を比較すると、度数がピークの状態（図１３の（ａ）では１１００ｎｍ前後、図１３の（ｂ）では１４０００ｎｍ前後）における間隔が光沢異常部（＃１〜＃３）では小さく、密度も高くなっており、光沢異常部が光沢正常部に比較し、平坦に近いことがわかる。
【０１１０】
次に、図１４および図１５を参照して、検査対象となる金メッキ表面の表面性状の検査結果を、検査対象となる物体の良否の判断に用いる場合について説明する。図１４および図１５は、検査対象の物体の正常品、異常品、および正常品の限界となる物体におけるパラメータΨの度数を示すグラフである。
【０１１１】
図１４は、横軸にパラメータΨ（単位：°）、縦軸を度数として、それぞれ、正常品と判断される金メッキ、および、異常品と判断される金メッキに対するΨの計測結果を示したものである。
【０１１２】
図１４では、３つのグループのグラフが示されている。グラフの左側にピークが存在するグループの３本のグラフは、計測対象の金メッキが「異常光沢品」と判断されるものを示している。グラフの右側にピークが存在するグループの２本のグラフは、計測対象の金メッキが「正常光沢品」と判断されるものを示している。左側のグループおよび右側のグループの間に位置し、中央にピークが存在するグループは、異常光沢品および正常光沢品の境界にあたる「正常光沢限界品」のグラフを示している。
【０１１３】
図１５では、「正常光沢限界品」の基準グラフと、物体表面における凹凸の分布に偏りを含む「異常光沢品」のグラフから異常度合いを計算する方法を示している。「正常光沢限界品」のグラフよりも上側で、かつ、「異常光沢品」のグループのグラフよりも下側に含まれる領域（図１５の斜線部）の異常光沢品グラフ全体の面積に対する割合を異常度合い（％）として定義する。このようにして異常光沢のメッキを分類することや、閾値を設けて、不良の検出を行うことができる。
【０１１４】
図１６では、入射角度θおよびピーク偏光角度の関係を示している。ここでは、ピーク偏光角度を１０倍にしてグラフに示している。ここでは、入射角度θが「６２．５°」から「４７．５°」に減少するに従って、ピーク偏光角度の差が減少しており、入射角度は６２．５°の場合、その差が最も大きく、正常光沢品・異常光沢品を区別するのに最も適していることが分かる。しかし、入射角が７０度程度以上になると、図１７の（ａ）の金の反射率曲線からわかるように、Ｐ偏光成分は最小値をとり、その後、増加する。よって、図１７の（ｂ）にように、計算されるパラメータΨの値に対して表面凹凸の度合い（二乗平均粗さｒｍｓ）は、２つの値が対応するため使用できない。
【０１１５】
以上のように、図１に示す表面検査装置１（または表面検査方法）では、ウォラストンプリズム１０が、検査対象の物体５６表面に照射された光の散乱光を散乱面に平行な振動成分であるＰ偏光成分１６と、散乱面に垂直な振動成分であるＳ偏光成分１８とに分離する（偏光成分分離ステップ）。
【０１１６】
これにより、検査対象の物体５６表面の性状を精度よく検出できる。これは、物質の表面（例えば、金属メッキされた物体５６表面など）に照射された光の散乱光は、物体５６表面における凹凸の分布の状態によって散乱角度および各偏光成分の割合が変化するためである。また、金属の場合であれば、吸収係数が高いために反射率は高い値を示すが、物体５６表面における凹凸の分布の状態によって各偏光成分の散乱強度が高くなったり低くなったりするので、一定の偏光方向の光を入射させた場合、物体５６表面における凹凸の分布に応じて各偏光成分の強度が異なるためである。
【０１１７】
また、画像解析部５０は、ウォラストンプリズム１０によって分離された、Ｐ偏光成分１６およびＳ偏光成分１８のそれぞれの検出画像から算出される強度比相関パラメータの値に基づいて、物体５６の表面の性状を判断する（表面性状判断ステップ）。
【０１１８】
ここに、「強度比相関パラメータ」とは、Ｐ偏光成分１６の強度に対するＳ偏光成分１８の強度の比（以下、単に「偏光強度比」という）と相関をもつパラメータであるＰ偏光成分１６の強度に対するＳ偏光成分１８の強度の比そのものを含め、当該偏光強度比と相関をもつパラメータのことである。例えば、上述したパラメータΨを例示することができる。
【０１１９】
この強度比相関パラメータの値は、従来の技術では検出が困難であった物体５６表面の比較的小さな変化の群ととらえられる欠陥である、凹凸の分布の偏りやムラの状態を判断（検出）する指標となり得る。
【０１２０】
また、散乱強度比と相関をもつ強度比相関パラメータを用いているため、検査対象に照射する光の強度分布に偏りが存在する場合であっても、影響をほとんど受けることなく物体５６表面の性状を精度良く判断することができる。
【０１２１】
よって、強度比相関パラメータの値を利用することにより、物体５６表面における凹凸の分布の偏りやムラの状態を精度良く検出することが可能となる。
【０１２２】
なお、強度比相関パラメータは、従来技術の検査対象である、物体５６表面の比較的大きな変化の群ととらえられる欠陥である、物体５６表面の異物や疵の状態を判断する指標としても好適である。
【０１２３】
ところで、上記の特許文献１に記載されている技術では、カメラを使用して物体表面の性状の異常（光沢ムラ）を検出しており、液晶を駆動する電気回路や同期して画像を取得する制御部が必要で装置が大掛かりとなるという問題を生じる。さらに、時間分割でＳ偏光、Ｐ偏光を取得するために、画像取得に１画面の２倍の時間が必要となるため、スループットを高くできないという副次的な課題が生じる。
【０１２４】
しかしながら、上述のように、表面検査装置１（または表面検査方法）では、ウォラストンプリズム１０により、同一の光に由来する散乱光が、散乱面に平行な振動成分であるＰ偏光成分１６と、散乱面に垂直な振動成分であるＳ偏光成分１８とに分離される。
【０１２５】
また、対物レンズ１２、アイリス１４、ピンホール３０により、Ｐ偏光成分１６およびＳ偏光成分１８を同一の検出画面上で結像させて得られた２つの検出画像を取得することが可能となっている。よって、例えば、物体５６表面に光を照射するための光学系や、散乱光を受光するための光学系などの構成を簡素化できる。また、Ｐ偏光成分１６の検出画像と、Ｓ偏光成分１８の検出画像とのクロストークを抑制しつつ、これらの検出画像の検出精度を高めることができる。よって、上記の副次的な課題を解決することができる。
【０１２６】
なお、特許文献２および３に記載されている技術では、対象とする試料の１点のみの光沢を計測しているだけであり、検査対象面の全体の計測に用いることは難しい。また、１点のみの検査を試料に沿って繰り返し行うことで、広い範囲に対して適用する方法も考えられるが、スループットが極端に低くなるという副次的な問題点を生じる。しかしながら、表面検査装置１（または表面検査方法）では、ＣＣＤカメラ４０を用いているので、このような副次的な問題点も生じない。
【０１２７】
また、特許文献２、４および５に記載されている技術では、偏光方向の異なる偏光成分のそれぞれを異なる受光器で検出しているため、光学系の構成が大掛かりとなるという副次的な問題点を生じる。しかしながら、表面検査装置１（または表面検査方法）では、単一のＣＣＤカメラ４０にて偏光方向の異なる偏光成分のそれぞれを検出しているため、このような副次的な問題点も生じない。
【０１２８】
さらに、特許文献３および６に記載されている技術は、取得したＰ偏光成分とＳ偏光成分とにクロストークが生じる可能性が高い構成であるという副次的な問題点がある。しかしながら、表面検査装置１（または表面検査方法）では、ウォラストンプリズム１０、対物レンズ１２、アイリス１４、およびピンホール３０の位置関係等を調整することにより、Ｐ偏光成分１６の検出画像と、Ｓ偏光成分１８の検出画像とのクロストークを抑制しつつ検出できるので、このような副次的な問題点も生じない。
【０１２９】
以上より、物体５６表面の表面性状を簡素な構成で精度よく検出することができる。
【０１３０】
また、本実施形態の表面検査装置１では、画像解析部５０は、パラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）の数式で求めたパラメータΨの値が所定の値よりも大きいか否か基づいて表面性状の良否を判断している（表面性状判断ステップ）。
【０１３１】
ここで、パラメータΨの値は、凹凸の分布の偏りやムラの状態を判断するための指標として特に優れたパラメータであることを本願発明者は新たに見出した。すなわち、このパラメータΨを利用することにより、従来技術では困難であった、凹凸の分布の偏りやムラの状態をより精度良く判断することが可能となる。
【０１３２】
また、本実施形態の画像解析部５０は、パラメータΨの値が所定の値（閾値）よりも大きいか否か基づいて物体５６表面における凹凸の分布の偏りを判断している。これによって、検査対象に照射する光の光源に照射に偏りが存在する場合であっても、影響をほとんど受けることなく物体５６表面における凹凸の分布の偏りを検出することができる。
【０１３３】
しかしながら、凹凸の分布の偏りの判断は、このような単にパラメータΨの値と閾値とを比較して判断する方法に限られない。すなわち、後述する表面検査装置１ａように、パラメータΨを用いて所定の写像を構成することにより、値域パラメータ（判断パラメータ）を求める方法を採用しても良い。このようにして求めた判断パラメータの値に基づいて、物体５６表面の性状を定量的な手法で判断することが可能となる。
【０１３４】
本実施形態の表面検査装置１では、散乱光の入射視野角を調整するピンホール３０をさらに備えている。
【０１３５】
上記の構成によれば、ピンホール３０が散乱光の入射視野角を調整する役割を果たすので、そのままでは偏光成分に分離された画像が重なるような場合でも、偏光成分に基づく画像を分離して取得することができる。
【０１３６】
なお、本実施形態の表面検査装置１では、ウォラストンプリズム１０の代わりにビームディスプレーサを用いてもよい。ウォラストンプリズムでは、Ｐ偏光成分光とＳ偏光成分光が光軸を中心に対象な方向に進行するため、Ｐ偏光・Ｓ偏光画像の間隔を調整できる。
【０１３７】
しかしながら、ビームディスプレーサでは、Ｐ偏光成分光とＳ偏光成分光が一定距離を隔てて、平行に進行するため、像間の距離を変更できない。よって、検査対象物の大きさが変化する場合や倍率が変化する場合、ビームディスプレーサは、その仕様に合わせて結晶を製作する必要がある。これに対して、ウォラストンプリズムでは、その位置によって調整が可能なため、ウォラストンプリズムを使うことが好ましい。
【０１３８】
上述のように、偏光成分を分離する手段としてウォラストンプリズム１０やビームディスプレーサを任意に用いることによって、簡素な構成でＰ偏光成分１６およびＳ偏光成分１８を同時に得ることができるので、表面検査装置１を小型化することができる。
【０１３９】
本実施形態の表面検査装置１では、光が照射される物体５６表面は、Ａｕでメッキされたメッキ平面であり、光の物体５６表面に対する入射角度が６０度から６５度である。
【０１４０】
上記の構成によれば、Ａｕでメッキされたメッキ平面に対して精度のよい物体表面における凹凸の分布の偏りの検出ができるので、検査対象として需要の高い、携帯電話機を始めとする様々な電子機器のプリント基板に対する表面検査装置１として利用することができる。
【０１４１】
〔２．表面検査装置１ａ〕
本発明の一実施形態について図１８から図２６に基づいて説明すると以下の通りである。
【０１４２】
なお、以下の実施形態では、表面状態特定装置（表面性状判断手段）６０が、同心円状に金メッキされた物体の表面に生じる光沢ムラを検査し、分類する場合を例に説明を行うが、これに限るものではない。同様に、物体５６表面における凹凸の二乗平均粗さｒｍｓが照射光の波長より小さく、凹凸の曲率半径が照射光の波長に比較し十分に長い他の金属メッキの表面や、金属メッキに限定されない金属製品または非金属製品（樹脂製品、セラミックス製品）などの他の材質で覆われた平面の表面に生じるムラの検査に用いてもよい。
【０１４３】
ただし、本実施形態のような金メッキに対して適用する場合には、携帯電話機を始めとする様々な電子機器のプリント基板に対する表面検査装置として利用することができるため、特に効果が大きい。
【０１４４】
まず、図１８を参照して本実施形態で用いる表面状態特定装置６０の要部構成について説明する。
【０１４５】
本実施形態の表面状態特定装置６０は、偏光成分算出部（偏光成分算出手段）６２、検索座標算出部（座標算出手段）７０、特徴量抽出部（初期特徴抽出手段）７０ａおよびデータ解析部（領域判定手段）８０を備えており、外部の画像入力部１００から入力された画像データに対して判定を行う。検索座標算出部７０は、Ｐｘ算出部７２、Ｐｙ算出部７４、およびＰｚ算出部７６を備えている。データ解析部（領域判定手段）８０は、良品・不良品判定部（良品・不良品判定手段）８２、三日月状斑判定部（三日月状斑判定手段）８４、斑点状斑判定部（斑点状斑判定手段）８６、境界型斑判定部（境界型斑判定手段）８８、および平均値算出部（平均値算出手段）８９を備えている。なお、画像入力部１００として、ＣＣＤカメラ４０が直接表面状態特定装置６０に接続されていても良い。また、上述した表面検査装置１の画像解析部５０は、以下で説明する表面状態特定装置６０と同一の機能を有していても良い。
【０１４６】
以下、表面状態特定装置６０の各部の機能について説明する。
【０１４７】
画像入力部１００は、表面状態特定装置６０の外部にある画像入力デバイスで、カメラなどで撮影された画像データを表面状態特定装置６０の偏光成分算出部６２に入力する。
【０１４８】
偏光成分算出部６２は、画像入力部１００から入力されたデータを、Ｐ偏光成分およびＳ偏光成分に分離して、各偏光成分の比を算出する。ここで、Ｐ偏光成分とは、物体表面に照射された光の散乱面に平行な振動成分であり、Ｓ偏光成分とは、散乱面に垂直な振動成分である。
【０１４９】
散乱光を異なる２つの偏光成分に分離して判断することによって、検査対象の物体５６表面の表面性状を精度よく検出できる。これは、物質の平面、具体例をあげれば、金属メッキされた物体の表面などに照射された光の散乱光は、物体５６表面における凹凸の分布の状態によって角度および偏光成分の比が変化するためである。
【０１５０】
金属の場合であれば、吸収係数が高いために反射率は高い値を示すが、物体５６表面における凹凸の分布の状態によって各偏光成分の散乱強度が高くなったり低くなったりするので、一定の偏光方向の光を入射した場合、物体５６表面における凹凸の分布に応じて各偏光成分強度が異なる。
【０１５１】
偏光成分の比の算出方法について、詳細は後述するが、偏光成分算出部６２は、パラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）の式を適用することでパラメータΨの値を算出し、検索座標算出部７０に入力する。
【０１５２】
検索座標算出部７０は、偏光成分算出部６２が算出したパラメータΨの値の分布を用いて、物体表面の凹凸の状態を示すための直交または極座標空間（原点は、同心円状の金メッキパッドの中心、ｘ−ｙ平面またはｒ−θ平面は、物体表面の凹凸の基準面）におけるパラメータＰｘ、ＰｙおよびＰｚの値のそれぞれを算出する。
【０１５３】
具体的には、Ｐｘ算出部７２は、
（１）パラメータΨ＝Ｒ（ｒ，θ）の動径方向の重み付け平均の角度微分の標準偏差であるパラメータＰｘ、
（２）パラメータΨ＝Ｒ（ｘ、ｙ）の重心座標のノルム（直交または極座標空間の原点からパラメータΨの重心までの距離）であるパラメータＰｙ、
（３）パラメータΨ＝Ｒ（ｒ，θ）の動径方向の重み付け平均であるパラメータＰｚのそれぞれを、所定の写像を具現化する検索空間内の座標として算出する。
【０１５４】
これは、パラメータＰｙ（重心）が、三日月型斑を判別するための指標として好適なパラメータであり、パラメータＰｚ（動径方向の重み付け平均）が、斑点状斑を判別するための指標として好適なパラメータであり、パラメータＰｘ（Ｐｚの角度微分の標準偏差）が、境界型斑を判別するための指標として好適なパラメータだからである。
【０１５５】
なお、本実施形態では、検索空間の座標として、パラメータＰｘ、Ｐｙ、Ｐｚの３つを用いて３次元の検索空間を構成しているが、検索空間の次元数はこれに限定されない。
【０１５６】
例えば、パラメータＰｘ、Ｐｙ、Ｐｚのうち少なくとも１つ以上のパラメータで検索空間を構成しても良い。すなわち、検索空間の次元は、設定したパラメータの数（１つから３つまで）に応じて、１次元から３次元までのいずれの次元であっても良い。
【０１５７】
また、これらの検索座標算出部７０の各部で行う計算については、詳細は後述するものとする（図２０参照）。
【０１５８】
データ解析部８０は、検索座標算出部７０の各部が算出した座標（Ｐｘ，Ｐｙ，Ｐｚ）が、検索空間内に設定された複数の領域のどの領域に属するかを判定する。
【０１５９】
具体的には、良品・不良品判定部８２は、検索座標算出部７０の各部が算出した座標（Ｐｘ，Ｐｙ，Ｐｚ）により示される座標が、良品に応じて設定された領域に属する場合、当該物体表面は光沢斑がほぼ均一な、良品であると判断する。なお、良品領域の範囲として、詳細は後述するが、各軸の原点付近を中心とする楕円体の領域内が該当する（図２６参照）。
【０１６０】
同様に、三日月状斑判定部８４、斑点状斑判定部８６、および境界型斑判定部８８は、検索座標算出部７０の各部が算出した座標（Ｐｘ，Ｐｙ，Ｐｚ）が、それぞれの種類の光沢ムラに対応する範囲として設定された領域に含まれるか否かを確認し、当該物体表面に各種類の光沢ムラが存在すると判断する。なお、詳細は後述するが、本実施形態では、上記算出した座標（Ｐｘ，Ｐｙ，Ｐｚ）が良品領域にも、斑点状斑領域にも、境界型斑領域にも属さない場合、三日月状斑領域に分類されるとする（図２６参照）。なお、各光沢ムラの種類について、詳細は後述する。
【０１６１】
平均値算出部８９は、複数の物体表面、例えば、１枚のプリント基板上に配置された複数の金メッキに対して、検索座標算出部７０の各部が算出した座標の平均を算出することによって、シート全体の光沢ムラを総合的に分類する。複数の物体表面を対象とした光沢ムラの分類についての詳細は後述する。
【０１６２】
次に、図１の（ｂ）、図１８および図１９を参照して、表面状態特定装置６０を含む表面検査装置１ａの構成について説明する。
【０１６３】
図１９は表面状態特定装置６０の全体構造の概要を示す側面図であり、図１の（ｂ）は表面検査装置１ａの散乱光検出部の原理を示す拡大図である。
【０１６４】
なお、表面検査装置１ａは、表面状態特定装置６０以外の構成は、図１に示す表面検査装置１と同じである。そこで、ここでは、表面状態特定装置６０以外の構成については、説明を省略する。
【０１６５】
また、以下では、表面検査装置１ａの構成のうち、光源２０、コリメータレンズ２２、およびポラライザ２４から構成される、光を計測対象の物体５６表面に照射する部材を光照射部と呼ぶ。また、ピンホール３０、対物レンズ１２、アイリス調整部３６、ウォラストンプリズム位置調整部３８、対物レンズ１２、ＣＣＤカメラ４０、アイリス１４、ウォラストンプリズム１０、および表面状態特定装置６０から構成される、物体５６表面に照射された光の散乱光を取得するための部材を散乱光検出部と呼ぶものとする。
【０１６６】
次に、図２０〜図２４を参照してパラメータΨの値の分布に基づく検索空間内の座標（Ｐｘ，Ｐｙ，Ｐｚ）の算出方法について説明する。図２０の（ａ）〜図２０の（ｃ）は、検索空間のｘ軸、ｙ軸、ｚ軸方向に設定した領域分類に用いる各パラメータを説明する図である。図２１の（ａ）は、ムラのない良品の金メッキを、図２１の（ｂ）は、三日月状斑に分類される金メッキを、図２１の（ｃ）は、境界型斑に分類される金メッキを、図２１の（ｄ）は、斑点状斑に分類される金メッキを示す上面図である。図２２は、ＣＣＤカメラ４０（検出画面）上に結像された金メッキのＰ偏光成分（右）およびＳ偏光成分（左）の画像例を示す図である。
【０１６７】
なお、本実施形態では、物体表面にあたる金メッキに入射角６２．５度、中心波長６５０ｎｍのＬＥＤ光をＰ偏光およびＳ偏光で入射した場合の例に基づいて説明を行うが、これに限るものではない。
【０１６８】
まず、前述のように、偏光成分算出部６２が、パラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）の式を適用することでパラメータΨの値を算出し、このパラメータΨの値の分布を用いて検索座標算出部７０の各部が検索空間内の座標（Ｐｘ，Ｐｙ，Ｐｚ）を算出する（座標算出ステップ）。パラメータΨの値の算出方法について、以下に説明する。
【０１６９】
一般に、金メッキの表面をＡＦＭで観察すると小さい凹凸の像が得られる。このような表面に光を照射すると乱反射が生じ、光沢の発生が抑制される。この凹凸の表面状態が変化することによって光沢の状態に変化が生じる。このような光沢の状態変化が部分的に生じた場合に、表面性状における凹凸の分布が異常と判断される。一般に表面に凹凸などの乱れがある場合、Ｐ偏光成分１６およびＳ偏光成分１８の反射率は、完全に平坦な金メッキの表面におけるそれぞれの反射率とは異なることが光学の基礎原理より示されている。
【０１７０】
なお、物体表面の凹凸に起因するプリント基板上の金メッキの光沢ムラは、経験的に３種類に分類されている（図２１参照）。図２１の（ａ）は、ムラのない良品の金メッキを、図２１の（ｂ）は、三日月状斑に分類される金メッキを、図２１の（ｃ）は、境界型斑に分類される金メッキを、図２１の（ｄ）は、斑点状斑に分類される金メッキを示す上面図である。
【０１７１】
ここで、各光沢ムラの種類について説明する。三日月状斑は、同心円状の金メッキの外周に沿って三日月状にムラが存在する状態、斑点状斑は、微小な光沢ムラが散在する状態、境界型斑は正常光沢部と光沢ムラ部の境界が鮮明な状態である。実際は、それらが複合された光沢ムラも存在するため、目視では明確な分類が難しいものもある。また、基板内では同種の光沢ムラが発生する場合が多い。
【０１７２】
図２２は、金メッキに入射角６２．５度、中心波長６５０ｎｍのＬＥＤ光をＰ偏光およびＳ偏光で入射した場合の、拡散光のＳ偏光成分の画像（検出画像）およびＰ偏光成分の画像（検出画像）である。ここでは、メッキの一部が、光沢ムラによってコントラストの変化を生じている。図２２の左の画像および右の画像における各点の強度より、パラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）の値を計算し、パラメータΨの分布図を得る（図２３参照）。このとき、パラメータΨは、表面ラフネス（二乗平均粗さｒｍｓ）と図２４に示すような関係があり、パラメータΨの値は表面ラフネスと１対１の対応関係がある。
【０１７３】
一般的に、光沢ムラは物体表面の凹凸分布が異なることから生ずる。ここで、均一な光沢の金メッキでは、パラメータΨの値の重心がメッキ中央近傍に位置することが容易に分かる。逆に、その重心の位置によって光沢ムラの存在を検出することができる。例えば、三日月状の光沢ムラは、上述の重心が外周方向に偏る。
【０１７４】
また、境界型の光沢ムラは、パラメータΨの値が急激に変化することから、パラメータΨの微分によって検出することが可能である。このように、それぞれの光沢ムラの分布状態を反映した次の３つのパラメータを定義する。
【０１７５】
本実施形態では、図２１の（ａ）〜図２１の（ｃ）に示した３種類のムラと、ムラのない良品とを分類するために、図２０の（ａ）に示す検索空間を用い、物体表面の凹凸の状態を示すための直交座標空間または極座標空間におけるパラメータΨの値をＲ（ｘ，ｙ）、Ｒ（ｒ，θ）およびＦ（θ，φ）とし、検索空間におけるｘ軸、ｙ軸およびｚ軸にそれぞれのムラの特徴を抽出できる数式に当てはめてパラメータを算出している。
【０１７６】
Ｒ（ｘ，ｙ）とは、同心円状の金メッキの中心を原点とし、物体表面の凹凸の基準面をｘ−ｙ平面としたときのｘ−ｙ平面におけるパラメータΨの値を示すものである。また、Ｒ（ｒ，θ）とは、同心円状の金メッキの中心を原点とする極座標（ｒ，θ）におけるパラメータΨの値を示すものである（図２０の（ａ）参照）。
【０１７７】
図２０の（ａ）に示すように、動径方向の重み付け平均（＝Ｐｚ）の角度微分の標準偏差を求め、検索空間のｘ軸への射影であるパラメータＰｘを、以下の数式１を当てはめて算出している。
【０１７８】
【数１】
【０１７９】
なお、同様 図２０の（ｂ）は、同心円状の金メッキの中心を原点として、放射状に２００分割した様子を示している。この際、２００分割した各扇形内における極座標のθおよび表面ラフネスを示したものが、図２０の（ｃ）である。
【０１８０】
以下の数式２を用い、原点からＲ（ｘ，ｙ）の重心までの距離（ノルム）を算出し、検索空間のｙ軸への射影であるパラメータＰｙを算出している。
【０１８１】
【数２】
【０１８２】
同様に、以下の数式３を用い、Ｒ（ｒ，θ）の動径方向の重み付け平均を算出し、検索空間のｙ軸への射影であるパラメータＰｚとしている。
【０１８３】
【数３】
【０１８４】
次に、図２５は、多数のサンプルについて、上記各数式を用いて算出したパラメータＰｘ，Ｐｙ，Ｐｚのそれぞれを、楕円体の領域内外による分類における一つの指標と捉え、検索空間におけるｘ軸、ｙ軸およびｚ軸のそれぞれに射影してプロットした結果が図２５である。
【０１８５】
図２５では、検索空間内において、各座標が含まれる領域がどのムラに分類されるかを示している。なお、図２６において、検索空間内において、各ムラの種類の応じて設定された複数の領域の範囲を数式で示している。
【０１８６】
図２５に示すように、上記数式を用いて算出した結果、ムラの種類によって検索空間内の異なる位置に集中する分布が得られる。図２５は、約５００個の金メッキに対する算出結果の分布を示すものである。なお、図２５における分類は、目視による結果に基づいて分類を行っている。
【０１８７】
図２５および図２６に示すように、三日月型斑、斑点状斑、および境界型斑が、正常光沢品を中心として取り囲むように分布している。ここで、正常品および各ムラに分類される検索空間内の各領域について、図２６を参照して説明する。
【０１８８】
図２６は、検索空間内において、良品（正常光沢品）、斑点状斑、および、境界型斑に分類される金メッキが属する領域のそれぞれの境界が楕円体で表されるものと仮定して楕円体の領域内外による分類を行った結果を示す。
【０１８９】
図２６に示すように、良品（正常光沢品）を示す領域は、数式４に示す楕円体内の領域として定義される。
【０１９０】
【数４】
【０１９１】
同様に、斑点状斑を示す領域は、数式５に示す楕円体内の領域として定義される。
【０１９２】
【数５】
【０１９３】
同様に、境界型斑を示す領域は、数式６に示す楕円体内の領域として定義される。
【０１９４】
【数６】
【０１９５】
なお、三日月状斑に分類される領域は、上記数式４〜数式６で示す領域外の全ての領域とする。
【０１９６】
このように、算出した座標（Ｐｘ，Ｐｙ，Ｐｚ）が、検索空間内で定義された各領域に属するか否かを判断することで、物体５６表面がいずれの種類の光沢ムラ（または、正常光沢状態）であるかを分類している。
【０１９７】
上述の実施形態では、プリント基板状の各金メッキについて光沢ムラを判断する場合を例に説明したが、これに限るものではない。複数の金メッキについて同様のパラメータを算出し、その平均値を用いることで、プリント基板のシート全体の良否を判定することもできる。
【０１９８】
具体的には、目視検査では、まず、良品パッドと不良品パッドを個々に判断するのではなく全体の傾向を見て、プリント基板のシート毎の判断を行うという柔軟な判別が含まれている。本手法でも、パッド毎のムラ分類を行うとともにシート毎の判断法を取り入れて、良否を判別する方法を用いることもできる。以下に手順を示す。
【０１９９】
（１）複数の金メッキ部分が施されたＦＰＣシート内の金メッキパッドにおいて、上述の数式１〜数式３を用いて、座標（Ｐｘ、Ｐｙ、Ｐｚ）を算出する。
【０２００】
（２）算出した座標（Ｐｘ、Ｐｙ、Ｐｚ）を検索空間上にプロットする。本実施形態では、３３箇所の金メッキ部分について、それぞれの座標（Ｐｘ、Ｐｙ、Ｐｚ）を算出し、３３個の点をプロットする。
【０２０１】
（３）３３個の各点について、座標（Ｐｘ、Ｐｙ、Ｐｚ）の平均値を計算し、新たな座標（Ｃｘ、Ｃｙ、Ｃｚ）とする。
【０２０２】
（４）（Ｃｘ、Ｃｙ、Ｃｚ）が良品領域にあれば、そのシート全体を良品と判断する。
【０２０３】
（５）（Ｃｘ、Ｃｙ、Ｃｚ）が良品領域以外の領域に位置すれば、各パッドについて三日月状斑、斑点状斑、境界型斑のどの領域に入るか判断し、パッド毎にムラの種類を分類する。
【０２０４】
このように、複数の金メッキ部分を備えたプリント基板に対しても、平均値を用いて検索空間のどの領域に位置するかを判断することで、複雑な計算を行うことなく、容易に高速にプリント基板全体のムラを分類することができる。
【０２０５】
以上のように、表面状態特定装置６０（または上記の画像解析部５０）は、強度比相関パラメータ（またはパラメータΨ）の値の分布を反映した画像データから抽出される画像特徴量（例えば、強度比相関パラメータ、パラメータΨそのもの、パラメータＰｘ、Ｐｙ、Ｐｚ、パラメータＣｘ、Ｃｙ、Ｃｚ、または、後述する初期特徴パラメータ、形状特徴量のうちの少なくとも１つ以上）を定義域のパラメータとし、物体５６表面の性状を判断するために予め定めた判断パラメータを値域のパラメータとして構成した所定の写像を用いて、強度比相関パラメータの値から求めた判断パラメータの値に基づいて、物体５６表面の性状を判断しても良い（表面性状判断ステップ）。
【０２０６】
画像特徴量を定義域のパラメータとし、判断パラメータを値域のパラメータとして所定の写像を予め構成しておくことにより、この写像を用いて２つの検出画像から抽出した強度比相関パラメータの値の分布が反映された画像データから抽出される画像特徴量の値から、対応する判断パラメータの値を求めることができる。
【０２０７】
また、画像特徴量を用いて写像を構成することにより、例えば、信頼性（精度）の高い、良否を判定するために有意な差がある判断パラメータを求めることができる。このようにして求めた判断パラメータの値に基づいて、物体５６表面の性状を定量的な手法で判断することが可能となる。
【０２０８】
ここで、判断パラメータとしては、検出対象同士の類似度を示すパラメータや、検出対象を複数のグループに分類したときに、どのグループに分類されるかを示すパラメータなどを例示することができる。
【０２０９】
なお、上記のように画像特徴量を上記の画像データから直接抽出しても良いが、画像データから画素毎の勾配を求め、画素毎の勾配から画像特徴量を抽出しても良い。
【０２１０】
例えば、各画素の画素位置ｘ（ｉ，ｊ）における局所的な縦方向勾配Ｓｙおよび横方向勾配Ｓｘは、次式のように求められる。
【０２１１】
Ｓｘ＝ｘｉ＋１,ｊ−１−ｘｉ―１,ｊ−１＋２ｘｉ＋１,ｊ−２ｘｉ―１,ｊ＋ｘｉ＋１,ｊ＋１−ｘｉ―１,ｊ＋１
Ｓｙ＝ｘｉ−１,ｊ＋１−ｘｉ−１,ｊ−１＋２ｘｉ,ｊ＋１−２ｘｉ,ｊ−１＋ｘｉ＋１,ｊ＋１−ｘｉ＋１,ｊ−１
ここで、ｘｉ,ｊは画素位置ｘ（ｉ，ｊ）における画素値を表し、ｉは水平方向に沿った画素の位置を、ｊは垂直方向に沿った画素の位置をそれぞれ表す。ここに、ｉおよびｊは正の整数である。
【０２１２】
また、勾配の大きさは、ＡＢＳ（Ｓ）＝（Ｓｘ2＋Ｓｙ2）1/2で与えられ、勾配の方向は、ＡＮＧ（Ｓ）＝ｔａｎ-1（Ｓｙ／Ｓｘ）で与えられる。
【０２１３】
なお、写像を構成する方法としては、例えば、
（１）画像特徴量〔または、強度比相関パラメータ（例えば、パラメータΨ）そのもの〕の値の分布から、統計的特徴を抽出して写像（例えば、ヒストグラムなど）を構成する方法、
（２）画像特徴量を説明変数とし、判断パラメータを目的変数として多変量解析を行って所定の写像（例えば、検索空間など）を構成する方法などを挙示できる。
【０２１４】
また、多変量解析とは、互いに関係のある多変量（他種類の特性値）のデータが持つ特徴を要約し、かつ、目的に応じて総合するための手法のことである。
【０２１５】
また、多変量解析には、
（１）予測式（関係式）の発見や量の推定などに用いる重回帰分析や正準相関分析、
（２）標本の分類や質の推定などに用いるクラスター分析や判別分析、
（３）多変量の統合整理（減らす）、変量の分類、および代表変量の発見などに用いる主成分分析や因子分析などが含まれる。なお、これらの方法のいずれを採用するかは、目的に応じて選択すれば良い。
【０２１６】
また、上記のように写像を構成する手法のその他の例としては、例えば、複数種類の所定の画像特徴量（定義域のパラメータ）を変数として重み付けを行った線形結合式に対して、多数のサンプルから抽出した対応する画像特徴量の値を代入したときに、「１（良品）」および「０（不良品）」の値（判断パラメータ）のいずれかを取るように、各重み付け係数を決定し、決定した線形結合式（写像）を用いて良品・不良品の判別を行っても良い。すなわち、判別対象から抽出した特徴量を線形結合式に代入し、その結果が、「１」に近ければ、良品、「０」に近ければ不良品と判断する。
【０２１７】
また、本実施形態の表面状態特定装置６０は、物体５６表面に照射された光の散乱光を、散乱面に平行な振動成分であるＰ偏光成分１６と、散乱面に垂直な成分であるＳ偏光成分１８とに分離し、そのＰ偏光成分の強度に対するＳ偏光成分強度の比と相関を持つパラメータΨを算出する偏光成分算出部６２と、物体５６表面において分布するパラメータΨの値の分布から、検索空間内の座標（Ｐｘ、Ｐｙ、Ｐｚ）を算出する検索座標算出部７０と、座標（Ｐｘ、Ｐｙ、Ｐｚ）が、物体５６表面の光沢ムラの種類に応じて検索空間内に複数設定された領域のいずれに属するかを判定するデータ解析部８０とを備えている（領域判定ステップ）。
【０２１８】
上記の構成によれば、物体５６表面に照射された光の散乱光をＰ偏光成分１６およびＳ偏光成分１８に分離し、Ｐ偏光成分１６に対するＳ偏光成分１８の比と相関を持つパラメータΨの値の分布から算出される座標の検索空間内における位置で分類しているので、複数の原因に基づくムラの種類を容易に分類できる。これによって、物体５６表面に生じた光沢ムラの種類を容易に判定し、分類することができる。
【０２１９】
また、検索座標算出部７０の各部が、各光沢ムラの性質に対応した座標（Ｐｘ、Ｐｙ、Ｐｚ）を算出することで、各光沢ムラの種類を検索空間内の座標として分類することができる。これによって、物体５６表面の光沢ムラの種類を所定の写像を具現化する検索空間内の座標として各光沢ムラの傾向を特定できるので、光沢ムラをその特徴に沿って正確に分類することができる。
【０２２０】
上記の表面状態特定装置６０では、複数の物体表面のそれぞれについて上記検索座標算出部７０が算出した座標（Ｐｘ、Ｐｙ、Ｐｚ）のそれぞれについて、平均値Ｃｘ、平均値Ｃｙ、および平均値Ｃｚを算出する平均値算出部８９を備え、データ解析部８０は、平均値Ｃｘ、平均値Ｃｙ、および平均値Ｃｚによって示される座標が、検索空間内に複数設定された領域のいずれに属するかを判定している（領域判定ステップ）。
【０２２１】
これにより、検索座標算出部７０が算出した座標（Ｐｘ、Ｐｙ、Ｐｚ）の平均値を求め、その平均値からなる座標が、検索空間内のいずれの領域に属するかを判断するので、対象となる１箇所の物体５６表面だけでなく、複数の物体５６表面を総合的に分析できる。これによって、複数の物体５６表面を含む検査対象の物体全体の光沢ムラを分類することができる。
【０２２２】
これは、光沢ムラの種類によって、検索空間内における座標の位置が異なるからである。このため、検索空間内における座標の位置を特定できれば、物体５６表面に存在する光沢ムラの種類を判別することができる。
【０２２３】
ところで、上記特許文献１〜３に記載の技術従来では、対象となる物体５６表面が一様であるか、あるいは、光沢ムラが存在するかのいずれであるかを判断することはできるものの、どのような原因で光沢ムラが発生したのか、また、どのように対処すれば光沢ムラの発生を防げるかを判断することができないという副次的な課題がある。
【０２２４】
一般に、プリント基板の表面に形成されるメッキは、その工程の異常によって、色ムラを生ずることがある。例えば、色ムラの原因が、有機物や無機物の付着に起因するものは洗浄により除去できる。これに対して、メッキ条件の変動による表面凹凸の変化はメッキ後の工程では修復できず、製品不良の原因となる。
【０２２５】
このようなメッキ表面の凹凸の分布状態によって、正反射と拡散反射の広がり具合が異なるため、見る方向によって凹凸の程度を反映して輝度のコントラストが変化する。さらに、波長によって反射率が異なるため、微妙な色相の変化は生じているが、その効果は非常に小さく、色相の変化は殆どない。なお、一般に、前述のコントラストの違いも色ムラと呼ばれている。
【０２２６】
特に、フレキシブルプリント基板（ＦＰＣ）上に形成される金メッキ部の光沢ムラを分類することは、製造工程の状態の把握に役立ち、そのフィードバックによって不良の原因を早期に解明できる点で、製造ラインの評価の役割を担う重要な項目であると言える。
【０２２７】
そのため、光沢ムラの発生する傾向を分析し、どのような状態の際にどの種類の光沢ムラが発生するのかを特定することができれば、光沢ムラの発生を抑えることや、光沢ムラが発生する際にメッキ装置などを調整するために利用することもできる。
【０２２８】
よって、示す表面検査装置１，１ａ（または表面検査方法）によれば、以上のような副次的な課題を解決することもできる。
【０２２９】
（表面状態特定装置６０の別の動作）
次に、図６、図１８、図１９および図２２に基づき、上記の表面状態特定装置６０の別の動作について説明する。
【０２３０】
＜ＨＬＡＣの技術原理＞
画像計測の多くの問題としては、ＣＣＤカメラ４０（検出画面上）の画像枠内に捕えられた一つの対象の面積や周囲長を計ったり、穴の数を数えたり、あるいは画面上の多数の同一対象の個数を計数する問題などが考えられる。また、計測によって対象が何であるかを判定する認識の問題も、ここでは広い意味での計測（形状計測）の問題と考える。
【０２３１】
このような多様な画像計測の問題に対する計測結果は一般に計測値（数値）で与えられ、従って画像計測とは画像からの特徴抽出の問題と考えることができる。
【０２３２】
その基本的な条件としては、次の３条件が重要である。
条件１）平行移動に関する不変性、
条件２）検出画面に関する加法性、および、
条件３）適応的な学習可能性の３条件である。
【０２３３】
条件１）は、対象が画像枠内のどこにあっても計測値（例えば面積）は同じ値で変わらないことを意味している。また、条件２）は、例えば、画面上の粒子の計数の場合を考えてみても明らかなように、全画面を複数部分に分割したとき、全画面上の計測値は分割画面上の計測値の和となること意味している。さらに、条件３）は、汎用性のための条件として重要である。
【０２３４】
上記基本的な条件１）〜３）を満たすために、次のＦ１およびＦ２の２段階からなる特徴抽出を考える。
Ｆ１：全検出画面に対して、条件１）および２）を満たす一般的で基本的な特徴を初期特徴として複数抽出する（幾何学的特徴抽出）。
Ｆ２：上記初期特徴を線形結合することによって、様々な用途に対して最適な特徴を学習によって適応的に抽出する（学習的特徴抽出）。
【０２３５】
例えば、Ｆ１の幾何学的特徴抽出としては、Ｎ次自己相関の考えに基づく（高次）局所自己相関マスクによる特徴抽出を利用することができる。また、Ｆ２の学習的特徴抽出は、例えば、多変量解析の手法を用いて実現することができる。
【０２３６】
多変量解析とは、互いに関係のある多変量（他種類の特性値）のデータが持つ特徴を要約し、かつ、目的に応じて総合するための手法のことである。
【０２３７】
また、多変量解析には、
（１）予測式（関係式）の発見や量の推定などに用いる重回帰分析や正準相関分析、
（２）標本の分類や質の推定などに用いるクラスター分析や判別分析、
（３）多変量の統合整理（減らす）、変量の分類、および代表変量の発見などに用いる主成分分析や因子分析などが含まれる。なお、これらの方法のいずれを採用するかは、目的に応じて選択すれば良い。
【０２３８】
学習的特徴抽出Ｆ２における線形結合は、上記条件２）を保持するために必要である。
上記Ｆ１およびＦ２の２段階の特徴抽出に基づく画像計測方法は、画像計測の上記基本的な条件１）〜３）を満たし、構造が簡単で装置化の容易な並列的・適応的な計測方法となり、種々の用途に対して高速な学習によって適応的に画像計測が可能となる。
【０２３９】
＜実施例＞
上記原理に基づく計測方法について、以下、詳細に説明する。
【０２４０】
図６に示す計測対象（ＦＰＣサンプル）は、図１９に示すＣＣＤカメラ４０（検出画面）を通して画像枠内の濃淡（多値）画像として捕えられる。
【０２４１】
ここで、得られる濃淡画像には、図２２に示すような、Ｓ偏光成分の画像とＰ偏光成分の画像の２種類の検出画像が含まれている。
【０２４２】
次に、ＣＣＤカメラ４０で検出された検出画像は、図１８に示す画像入力部１００を介して、表面状態特定装置６０の偏光成分算出部６２に入力される。
【０２４３】
偏光成分算出部６２は、画像入力部１００から入力されたデータを、Ｐ偏光成分およびＳ偏光成分に分離して、各偏光成分の強度の比（偏光強度比）を算出する。
【０２４４】
次に、偏光成分算出部６２は、パラメータΨの値を算出し、検出画面を構成する各画素に対応する画像Ψ（ｒ）（ｒ＝（ｉ，ｊ）は検出画面上の各画素の位置を表わす２次元ベクトル）として、特徴量抽出部７０ａに入力する。
【０２４５】
なお、上記計測方法は画像Ψ（ｒ）に対してもそのまま適用可能であるが、実際の画像計測では主に計測対象の形に関して２値画像を取り扱うことが多いことを考慮して、ここでは２値化された２値画像で考える。この場合、画像Ψ（ｒ）は所定の閾値を境に対象領域（値１：黒地）と背景領域（値０：白地）に２値化され、画像メモリ（Ｍ×Ｍ画素）に入力される。
【０２４６】
画像枠内（画像メモリ上、以下簡単に検出画面上ともいう）に捕えられた画像Ψ（ｒ）に対して、初期特徴の抽出を特徴量抽出部７０ａで行う（初期特徴抽出ステップ）。抽出される特徴は具体的には次に示すＮ次自己相関関数である。
【０２４７】
【数７】
【０２４８】
初期特徴の抽出は上記（１）式の考えに基づくものであり、位置不変、つまり対象の画像枠内の任意の平行移動Ψ（ｒ）→Ψ（ｒ＋ｂ）に関して不変な特徴を示している。ただし、変位方向（ａ１，…ａＮ）の取り方は無数に考えられる。しかしながら、本実施形態では、例えばＮを１次までに、また、上記条件２）を満たすために変位方向に参照点ｒ周りの局所３×３方向に限定する。
【０２４９】
この場合、（１）式のＮ次自己相関関数は、全画面を３×３の局所枠（中心ｒ）で一度走査することによって計算される。２値画像の場合、これは明らかにΨ（ｒ）Ψ（ｒ＋ａ１）…Ψ（ｒ＋ａＮ）＝１となる回数、つまり３×３の局所枠上の（Ｎ＋１）画素における関数Ψ（ｒ＋ａｉ）の値が全て「１」となる局所パターンが全画面に幾つ存在するかを計数していることになる。そのような（Ｎ＋１）画素点の局所パターンは、単純に考えると３×３＝９通りから（Ｎ＋１）点を選ぶ組み合せの数（１次までの場合、Ｎ＝０，１）だけ存在するが、走査を考えると局所枠内で互いに平行移動で移り合うパターンは同値であり、結局１次までの独立なパターンは５通りとなる（図２７の（ｃ））。
【０２５０】
図２７の（ｃ）のパターンにおいて、小さい四角は調べるとき画素を、黒丸は無視する画素を表わしており、これらのパターンを局所自己相関マスクとよぶ。これらのマスクＭｊ（ｊ＝１〜５）を用いて全画面を一度走査し、それぞれの積和を求めることにより、Ｍｊに対応する５通りの局所自己相関係数ｘｊが初期特徴として得られる。
【０２５１】
なお、本実施形態では、局所自己相関マスクとして、３×３（変位幅＝３）のものを使用しているものとして説明するが、変位幅は、３以上の奇数であれば良く、例えば、変位幅５や、変位幅１１のマスクを使用しても良い。また、本実施形態では、マスクの１画素のサイズは、２５μｍとしているが、マスクの１画素のサイズは、これに限定されない。
【０２５２】
特徴量抽出部７０ａから出力される初期特徴ｘｊはデータ解析部８０に入力されるが、次に、ここでの適応的特徴抽出としての学習的特徴抽出（Ｆ２）について説明する。
【０２５３】
上記のようにして得られた初期特徴ｘｊは、計測課題に依存しない一般的で基本的な特徴となっている。しかし、計測課題に必要な対象画像の情報（特徴または指標など）は画像全体として抽出される必要がある。
【０２５４】
従って、これらの線形結合は、ｉ＝１〜Ｍ（Ｍは自然数）として、
【０２５５】
【数８】
【０２５６】
によって、計測課題に有効な新しい特徴（指標値そのものあるいは予測近似値）としてのｙｉを求める。
【０２５７】
ここで、Ｍは同時に計測する指標値の個数を表わしている。初期特徴ｘｊおよび指標値ｙｉをそれぞれ縦ベクトルｘ＝（ｘ１，…ｘＭ）Ｔおよびｙ＝（ｙ１，…ｙＮ）Ｔにまとめて、係数行列Ａ＝［ａｉｊ］Ｔを用いると、上記（２）式は、
【０２５８】
【数９】
【０２５９】
と簡単に表わされる（ここに、「Ｔ」は転置を表わしている）。
【０２６０】
ここに、係数Ａは問題によっては自明に求められることがある。例えば、２値画像で捕えられた計測対象の面積は０次の自己相関係数（マスクＮｏ．１）が「１」の画素数を計数していることから、明らかにｙ１＝ｘ１で求める。さらに、論理的な考察によってその他の指標値も線形結合で表わされることがある。しかしながら、このような人為的方法は大変であり一般的ではない。そこで、汎用的な方法として学習によって自動的に最適な係数Ａを求めるために、多変量解析の手法を用いる。
【０２６１】
例えば、多変量解析手法の１つである重回帰分析は、計測課題に有効で直接的な手法である。いま、学習に用いる計測対象の画像の集合をＧ＝{Ψｉ（ｒ）：ただし、ｉ＝１〜Ｌ；Ｌは自然数}として、画像Ψｉに対する正しい指標値をｚｉとすると共に、初期特徴ベクトルをｘｉ（従って、出力はｙｉ＝ＡＴｘｉ）とする。このとき、重回帰分析により最適な係数Ａは次の平均２乗誤差によって、
【０２６２】
【数１０】
【０２６３】
を最小にするようにして求められ、最適解は次式（５）で陽に与えられる。
【０２６４】
【数１１】
【０２６５】
ここに、
【０２６６】
【数１２】
【０２６７】
は、それぞれ初期特徴ｘｉの自己相関行列、入力データｘｉとｚｉの相互相関行列である。また、−１乗は逆行列を表わしている。
【０２６８】
このように学習によって得られた係数Ａを用いて、以後（３）式により、入力画像Ψ（ｒ）に対して指標値の良い推定を行うことができる。もし、正しい指標値ｚｉが上記（２）式の形で書ける場合には、学習によって正しい係数Ａが自動的に求まることになる。
【０２６９】
計測対象の認識も同様に可能である。重回帰分析の場合には、指標値（ｚｉおよびｙ）を認識対象のクラスを区別するコードと考えて、同様な学習を行えばよい。例えば、正常光沢品と異常光沢品の２クラスからなる対象の認識の場合、学習モードでは正常光沢品に属する画像Ψｉ（ｒ）に対して、指標値ｚ＝（１，０）Ｔ、異常光沢品に属する画像Ψｉ（ｒ）に対して指標値ｚ＝（０，１）Ｔとして係数Ａを学習する。
【０２７０】
そして、認識モードでは、入力対象画像に対して得られたｙ＝（ｙ１，ｙ２）Ｔについて特徴ｙ１とｙ２の値を比較し、特徴ｙ１＞ｙ２が大きいならば正常光沢品、逆ならば異常光沢品と識別することによって認識を行う。多（Ｋ）クラスの場合も同様である。このように、認識の場合には特徴ｙｉの最大値検出などの識別処理が必要になる。
【０２７１】
また、認識のための係数Ａの学習として、判別分析を用いることもできる。この場合には、ベクトルｙが空間としてＫクラスを最適に分離するように、係数Ａは次の固有値問題の解（固有ベクトル）として求まる。
ＸＢＡ＝ＸＷＡΛ（ＡＴＸＷＡ＝Ｉ）……（７）
ここに、Λは固有値対角行列、Ｉは単位行列である。また、ＸＷ、ＸＢはそれぞれ初期特徴ベクトルｘのクラス内、クラス間共分散行列であり、次式で定義される。
【０２７２】
【数１３】
【０２７３】
ここに、ωｊ、＜ｘｊ＞，Ｘｊはそれぞれクラスｊの生起確率、クラスｊの平均ベクトル、クラスｊの共分散行列、また、＜ｘｊ＞allは、全クラスの全平均ベクトルである。この判別分析の場合の識別方法としては、例えば、入力（ｙ）から各クラスの平均ベクトル＜ｙｊ＞＝ＡＴ＜ｘｉ＞への距離を計算して、最小距離を与えるクラスに入力を識別する方法が考えられる。
【０２７４】
本実施形態のデータ解析部８０は、以上のように、初期特徴ｘ１〜ｘ５を強度比相関パラメータとして、上述した多変量解析（例えば、重回帰分析）を行って構成した所定の写像を用いて、初期特徴ｘ１〜ｘ５の値から求めた判断パラメータＺ（ベクトルの場合は、Ｚｉ）の値に基づいて、物体５６表面の性状を判断する。
【０２７５】
初期特徴ｘ１〜ｘ５の値は、凹凸の分布の偏りやムラの状態を判断するための指標として特に優れたパラメータであることを本願発明者は新たに見出した。よって、この初期特徴ｘ１〜ｘ５を利用することにより、従来技術では困難であった、凹凸の分布の偏りやムラの状態をより精度良く判断することが可能となる。
【０２７６】
また、検出画像から対象を切出し逐次に特定の画像処理や特徴抽出を適用していた従来の手法に比べ、対象の切出しを意識することなく一度検出画面を走査して得られる共通の初期特徴ｘ１〜ｘ５の値から、極めて高速に物体５６表面の性状を判断（物体５６表面の良否の判定や光沢ムラの種類の判別など）することが可能になる。また、一度検出画面を走査するだけで初期特徴ｘ１〜ｘ５の値が得られ、初期特徴ｘ１〜ｘ５の値を得るために特別な演算等は不要なので、検出画像が複雑か否かに関わらず、全体の処理時間を常に一定にすることができる。
【０２７７】
また、表面状態特定装置６０は、物体５６表面の良否を判定するための良否判定パラメータＺを判断パラメータとして、多変量解析を行って構成した写像を所定の写像として用いて、初期特徴ｘ１〜ｘ５の値から求めた良否判定パラメータＺの値に基づいて、物体５６表面の良否を判定しても良い。
【０２７８】
このように、初期特徴ｘ１〜ｘ５を用いて写像を構成することにより、例えば、信頼性（精度）の高い、良否を判定するために有意な差がある良否判定パラメータＺを求めることができる。このようにして求めた良否判定パラメータＺの値に基づいて、物体５６表面の性状を定量的な手法で判断することが可能となる。
【０２７９】
すなわち、上記構成のように、良否判定パラメータＺを利用することにより、従来技術では困難であった、信頼性（精度）の高い、物体表面の良否判定を行うことができる。
【０２８０】
また、表面状態特定装置６０は、物体５６表面の光沢ムラの種類を判別するためのムラ種類判別パラメータＺを判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、初期特徴ｘ１〜ｘ５の値から求めたムラ種類判別パラメータＺの値に基づいて、物体５６表面における光沢ムラの種類を判別しても良い。
【０２８１】
このように、初期特徴ｘ１〜ｘ５を用いて写像を構成することにより、例えば、ムラ種類の判別を行うための指標として好適なムラ種類判別パラメータを求めることも可能である。このようにして求めたムラ種類判別パラメータの値に基づいて、物体５６表面の光沢ムラの種類を判別することが可能となる。
【０２８２】
＜局所自己相関マスクについて＞
図２８は、図２７に示す５種類の局所自己相関マスクを用いて、実際に金メッキパッドの検出画像をこれらのマスクでスキャンした結果を示す。ここで、「１」は、良品のサンプル、「２」〜「４」は不良品のサンプルにおけるスキャン結果を示し、各不良品の内訳は、「２」が境界型斑、「３」が三日月型斑、「４」が斑点状斑のサンプルにおけるスキャン結果を示す。
【０２８３】
直径５ｍｍの金メッキパッドの検出画像の４０点について、１画素のサイズの１辺が２５μｍの局所自己相関マスクでスキャンした結果、図２８が得られた。なお、上記検出画像の４０点のサンプルは、限度見本として、目視による判定結果が存在するサンプルである。
【０２８４】
上記のように、局所自己相関マスクの１画素のサイズの１辺を２５μｍとしている理由の１つは、パラメータΨを検出するにあたって凹凸の分布より生じる反射の差を適度に平均化しながら検出するためである。また、局所自己相関マスクの１辺を２５μｍとしている理由のもう１つは、ＨＬＡＣやヒストグラム等を分析するためにある程度データ点数が多い方が良いからである。
【０２８５】
＜良否判定の手法＞
【実施例１】
【０２８６】
（ヒストグラム）
図２９の（ａ）は、金メッキパッドの検出画像から抽出される特徴量１の頻度とムラ種類との関係を示す。横軸は、１：良品、２：境界型斑、３：三日月型斑、４：斑点状斑を示す。図２９の（ａ）に示すように、良品＜境界型斑＜三日月型斑＜斑点状斑の順で、特徴量１（閾値外の面積の総和に対応）が増えていくことがわかる。しかしながら、それぞれに重複する値を有するサンプルがあり、良否、および各分類の精度は低い。
【０２８７】
次に、分離精度を高めて、その精度を数値化するために、分離度合を計算した。
【０２８８】
ここで、分離度合＝｜良品群の平均値−不良品群の平均値｜／（良品群の標準偏差＋不良品群の標準偏差）である。
【０２８９】
一般に、分離度合が、離れているほど、高精度に分離できる管理指標であると言える。目的とする分離精度に応じた分離度合を得ることができる管理指標を設定すればよい。なお、特徴量１のみでは、分離度合として求めると０．８４８σである。
【実施例２】
【０２９０】
（良否判定のための重回帰分析）
例えば、検索空間として一次元座標Ｚを用い、回帰式として、
Ｚ＝ａ１ｘ１＋ａ２ｘ２＋ａ３ｘ３＋ａ４ｘ４＋ａ５ｘ５＋ａ０・・・（９）を用い、良品は、Ｚ＝＋１、不良品は、Ｚ＝−１の位置に配置されるものとして重回帰分析を行うと、係数ａｉ（ｉ＝０〜５）が求まる。
【０２９１】
サンプルの金メッキパッドの検出画像から上述した５種類の局所自己相関マスクを用いて、初期特徴ｘ１〜ｘ５を抽出し、上記（９）式に代入して、Ｚ＞０ならば、良品、Ｚ＜０ならば、不良品と判定すれば良い。
【０２９２】
次に、良否判定を精度よく行うために、良品を「１」、不良品のすべてを「−１」として、特徴量１〜５についての重回帰分析を行った結果を図２９の（ｂ）に示す。
【０２９３】
同図に示すように、良品は、正の値(主として０．２〜０．５に分布)、不良品は負の値（０に近いものから−２程度まで分布）に分類されている。これにより、特徴量１の頻度のみで比較したときに、良品と境界型斑とを明確に分離できなかったサンプルも判別できることが分かる。
【０２９４】
なお、以上の例において、回帰式Ｚ＝ａ１ｘ１＋ａ２ｘ２＋ａ３ｘ３＋ａ４ｘ４＋ａ５ｘ５＋ａ０の各係数は、
ａ１＝−０．００９４、ａ２＝＋０．００７１６５、ａ３＝−０．００６０７、
ａ４＝＋０．０１７６７８、ａ５＝−０．００９０８、ａ０＝＋０．５４４３である。
【０２９５】
本分析方法では、０を境として、良・不良を分けることができる。ここでは、分離度合は１．７８σであり、より高精度な分離を行うためにはさらなる指標を設けることが好ましい。
【実施例３】
【０２９６】
次に、図２９の（ｃ）では、５種類の局所自己相関マスクを用いて、初期特徴パラメータ(特徴量)を取得し、特徴量１の数値で、まず分類する。ここでは、１０００を超えるものは著しく不良として、さらなる分析は行わないものとして除外した。
【０２９７】
次に、特徴量１が１０００以下のものについて、良・不良の判別を行うための写像を求める。図２９の（ｃ）は、良品を「＋１」、不良品を「−１」として、特徴量１〜５について重回帰分析をおこなった結果を示す。
【０２９８】
以上の例において、回帰式Ｚ＝ａ１ｘ１＋ａ２ｘ２＋ａ３ｘ３＋ａ４ｘ４＋ａ５ｘ５＋ａ０の各係数は、
ａ１＝−０．００７７１、ａ２＝−０．００５２９、ａ３＝０．０１０４０４、
ａ４＝＋０．００４２０２、ａ５＝−０．００１３４、ａ０＝＋１．４４７３２１である。
【０２９９】
本分析方法においても、０を境として、良・不良を分けることができる。
【０３００】
ここでは、分離度合は３．７３σと、非常に高精度な分離を行うことができる。また、不良品の中でもその程度についてクラス分けをしていく指標として有用である。
【０３０１】
＜ムラ種類分類の手法＞
次に、不良品をさらに細かく分類するには、例えば、良品：Ｚ＝＋１、境界型斑：Ｚ＝０．２５、三日月型斑：Ｚ＝−０．２５、斑点状斑：Ｚ＝−１として、重回帰分析を行えば良い。これにより、各サンプルを好適に分離できるため、各クラスを判別するための閾値を適宜設定することにより、光沢ムラの種類を分類することができる。
【０３０２】
上記の実施例１および２のように、良品と不良品とを分類するために構成した写像では、不良品に分類されたものが、いずれのムラ種類に分類されるものか判別できない。
【０３０３】
しかしながら、ムラ種類の分類を目的とした写像を構成すると、不良品がいずれのムラ種類に分類されるかが判別でき、その判別結果をフィードバックしてムラの原因究明に利用できる。
【０３０４】
ムラ種類の分類のために、良品＞境界型斑＞三日月型斑＞斑点状斑の順に重回帰分析を行うための指標値を設定したのは、特徴量１や、特徴量１〜５の和といった、単純なヒストグラムの比較に近い並べ方をしたときに、この順に並ぶためである。
【０３０５】
しかしながら、抽出した各特徴量１〜５の値の比較のみで、多変量解析（例えば、重回帰分析）を行わない場合、各分類が重複する値を有する範囲が広く、未知のサンプルを評価したとき分類できない可能性がある。これが、単に各特徴量１〜５の値を比較するだけでなく、多変量解析を用いる理由である。
【０３０６】
上述したように、良品＜境界型斑＜三日月型斑＜斑点状斑の順で、特徴量１（単純に異常部の総和）が増えていく傾向があるとき、良品の群＜境界型斑の群＜三日月型斑の群＜斑点状斑の群＜境界型斑の群となるような指標値Ｚの値を定めることができる場合がある。
【実施例４】
【０３０７】
（ムラ種類の分類も目的とした重回帰分析）
図２９の（ｄ）は、このような推測のもと、良品：１０００、境界型斑：２５０、三日月型斑：−２５０、斑点状斑：−１０００として、重回帰分析をおこなった結果を示す。
【０３０８】
同図に示すように、−１０００≦Ｚ＜−３００：斑点状斑、約−３００≦Ｚ＜２００：三日月状斑、２００≦Ｚ＜５００：境界型斑、５００≦Ｚ≦１０００：良品、の４クラスに分類できた。
【０３０９】
なお、以上の例において、判別式Ｚ＝ａ１ｘ１＋ａ２ｘ２＋ａ３ｘ３＋ａ４ｘ４＋ａ５ｘ５＋ａ０の各係数は、
ａ１＝−３．３５４４４、ａ２＝＋４．２０１３８１、ａ３＝＋１．９１２７２５、
ａ４＝−１．７２１２３、ａ５＝−０．８６７１５、ａ０＝＋９３１．１３６４である。
【０３１０】
上記のＨＬＡＣを用いた方法によれば、ムラの良否について、頻度による比較と比べ、より分離精度の高い指標を設けることができ、さらに、検出画像から対象を切出し逐次に特定の画像処理や特徴抽出を適用していた従来の手法に比べ、対象の切出しを意識することなく一度検出画面を走査して得られる共通の初期特徴から、多変量解析によって極めて高速に金属メッキの良否判定および光沢ムラの種類の判別が可能になる。また、検出画像が複雑か否かに関わらず、全体の処理時間を常に一定にすることができる。
【０３１１】
（表面状態特定装置６０のさらに別の動作）
次に、図３０〜図３９に基づき、上記の表面状態特定装置６０のさらに別の動作について説明する。図３０は、図１８に示す表面状態特定装置６０の要部である特徴量抽出部７０ａの構成の一例を示すブロック図である。
【０３１２】
＜特徴量抽出部７０ａ＞
図３０に示すように、特徴量抽出部７０ａは、白画素特定部（白画素特定手段）７０１ａ、図形特定部（図形特定手段、形状特徴量抽出手段）７０２ａ、および、形状特徴量抽出部（形状特徴量抽出手段）７０３ａを少なくとも含む。なお、図形特定部７０２ａおよび形状特徴量抽出部７０３ａを纏めて１ブロックの形状特徴量抽出部として構成しても良い。
【０３１３】
（白画素特定部７０１ａ）
白画素特定部７０１ａは、上記の強度比相関パラメータの値の分布を反映した画像データにおける複数の画素（または絵素）のうち、上記強度比相関パラメータの値が所定の閾値以上または以下である白画素を特定する。但し、本実施形態では、強度比相関パラメータの値の分布を反映した画像データの２値化を行うものとする（以下、２値化後の画像データを単に「画像データ」という）。なお、白画素特定部７０１ａは、その他、画像データに対してエッジ抽出フィルタ（例えば、ＳｏｂｅｌオペレータやＰｒｅｗｉｔｔオペレータなど）を作用させてエッジ画素（以下、エッジ画素を含めて単に「白画素」という）を抽出する構成としても良い。
【０３１４】
（図形特定部７０２ａ）
図形特定部７０２ａは、白画素特定部７０１ａが特定した複数の白画素の中から、互いに隣接する複数の白画素からなるグループ（以下、単に「白画素グループ」という）を特定し、特定した白画素グループに含まれる複数の白画素に外接する閉図形を特定する（または白画素グループの輪郭を特定する）。閉図形は、閉じた多角形であっても良いし、閉曲線であっても良い。図３１に、画像データ（２値化後）から外接四角形を特定したときの一例を示す。図３１の（ａ）は、サンプルの画像データを示し、図３１の（ｂ）は、該サンプルの画像データにおいて外接四角形が特定されている様子を示す。
【０３１５】
なお、白画素グループを特定するには、２値化後の画像データを用いるケースであれば、例えば、以下の処理を行えば良い。
（１）画像データの各画素を走査し、最初に見つけた未選択の白画素を注目画素として選択する。
（２）上記注目画素に隣接する８方向の各画素（以下、単に「隣接画素」という）を時計まわり（または反時計まわり）に走査し、白画素か否かを判別する。
（３）このようにして、上記注目画素に隣接する８方向の各画素のうち、走査中に最初に見つかった未選択の白画素を次の注目画素として選択する。
（４）上記の（１）〜（３）の処理を、上記（１）の最初に見つけた白画素に戻るまで繰り返す（追跡による輪郭抽出）。
【０３１６】
このような処理を繰り返し行うことにより、強度比相関パラメータの値の分布を反映した画像データから、複数の白画素グループが特定される。但し、以上で説明した処理は、白画素グループを特定する手法の一例であり、このような手法に限定されない。
【０３１７】
次に、各白画素グループに含まれる複数の白画素に外接する閉図形（ここでは、外接四角形とする）を特定するには、例えば、走査線に平行な軸をもつ外接四角形であれば、次のように処理すれば良い。
（１）特定の白画素グループに含まれる複数の白画素のそれぞれの座標（ｘ，ｙ）から、ｘの最大値（ｍａｘ＜ｘ＞）および最小値（ｍｉｎ＜ｘ＞）を求め、直線ｘ＝ｍａｘ＜ｘ＞および直線ｘ＝ｍｉｎ＜ｘ＞（平行線Ａ；走査線に垂直な方向に対して互いに平行な２直線）を引く。
（２）特定の白画素グループに含まれる複数の白画素のそれぞれの座標（ｘ，ｙ）から、ｙの最大値（ｍａｘ＜ｙ＞）および最小値（ｍｉｎ＜ｙ＞）を求め、直線ｙ＝ｍａｘ＜ｙ＞および直線ｙ＝ｍｉｎ＜ｙ＞（平行線Ｂ；走査線に平行な方向に対して互いに平行な２直線）を引く。
（３）平行線Ａおよび平行線Ｂで囲まれた矩形を外接四角形として特定する。
【０３１８】
なお、図３９に、良品、境界型斑、三日月型斑、および斑点状斑に分類される各画像データから閉図形（円、２パターンの四角形）を特定したときの例を示す。
【０３１９】
（形状特徴量抽出部７０３ａ）
形状特徴量抽出部７０３ａは、例えば、上記外接四角形の図形的な特徴を示す形状特徴量（または図形的特徴量）を抽出（算出）する。ここで、形状特徴量とは、互いに隣接する複数の白画素からなるグループ（白画素グループ）に含まれる複数の白画素に外接する閉図形の図形的な特徴を示す特徴量である。
【０３２０】
一般に、物体表面の性状が良好な場合、白画素（異常点）の数も少なく、各白画素グループに含まれる白画素の数も少ない傾向があると考えられる。一方、物体表面の性状が良好でない場合、白画素の数も多く、各白画素グループ内における白画素の数も多くなる傾向があると考えられる。また、隣接する白画素の連続数や、隣接する白画素同士が隣接する隣接方向などにも光沢ムラの種類に応じた特有の傾向があると考えられる。
【０３２１】
さらに、形状特徴量は、画像データを複数の領域に分割することによって得られる局所的な特徴量ではなく、画像データを複数の領域に分割することなく得られる、画像データ全体の特徴が反映された特徴量であると言える。このため、形状特徴量は、物体表面の性状全体の傾向を把握する上で、重要な指標となり得る。
【０３２２】
また、形状特徴量としては、例えば、
（１）図４０の（ａ）に示す閉図形の絶対最大長（閉図形の周上の任意の２点間の最大の長さ）、閉図形の幅（最大長に平行な２本の線で閉図形を挟んだ時の２線間の最短距離）、閉図形の方向（水平線と閉図形の最大長方向とのなす角度）
（２）図４０の（ｂ）に示す閉図形の面積、閉図形の円（楕円）相当径（同じ面積を持つ円の径）、
（３）図４０の（ｃ）に示す閉図形の水平方向最大弦長、閉図形の水平方向フェレ長、閉図形の垂直方向最大弦長（不図示）、閉図形の垂直方向フェレ長（不図示）、
（４）図４０の（ｄ）に示す閉図形の周囲長、閉曲線の面積、外接長方形の面積などを例示することができる。
【０３２３】
その他、以下に示す量を形状特徴量とすることが考えられる。
（１）外接四角形の対角線長、長手方向の径、または短手方向の径（例えば、外接四角形の縦の長さや横の長さ）、
（２）外接四角形に含まれる白画素（異常点）の総面積（または総画素数）など。
【０３２４】
次に、写像を構成する方法としては、例えば、
（１）形状特徴量の値の分布から、統計的特徴を抽出して写像（例えば、ヒストグラムなど）を構成する方法（例えば、上記のデータ解析部８０が、上記の外接四角形の対角線長毎の度数や、面積ｎ毎の度数（統計的特徴量）を求め、度数分布（写像）により、物体表面の性状を判断する方法）。
（２）形状特徴量を説明変数とし、上記判断パラメータを目的変数として多変量解析を行って所定の写像（例えば、検索空間など）を構成する方法（例えば、上記のデータ解析部８０が、上記の外接四角形の対角線長や面積ｎ（統計的特徴量）の各値を説明変数とし、上記判断パラメータを目的変数として多変量解析を行って所定の写像（例えば、検索空間など）を構成する方法）などを挙示できる。
【０３２５】
なお、多変量解析については上述したとおりであるので説明を省略する。
【０３２６】
以上のような形状特徴量の値は、凹凸の分布の偏りやムラの状態を判断するための指標として特に優れたパラメータであることを本願発明者は新たに見出した。よって、上記構成のように、この形状特徴量を利用することにより、従来技術では困難であった、凹凸の分布の偏りやムラの状態をより精度良く判断することが可能となる。
【０３２７】
次に、図３２〜図３４に基づき、いくつかのサンプルの画像データを用意し、形状特徴量の統計的特徴や、多変量解析を行った結果について説明する。
【実施例５】
【０３２８】
＜ヒストグラム＞
実際に対角線長を計算し、その長さ（整数化したもの）の度数（個数）分布を調査した結果を図３２に示す。対角線長を整数化するにあたって、小数点以下は切り捨てた。同図に示す対角線長の度数分布（ヒストグラム）は、良品、三日月型斑、境界型斑、斑点型斑の各サンプル１つについて取得したものである。対角線長は２００個までデータを取得しているが、そのうち特に頻度が多い対角線長１４までを示す。
【０３２９】
このようなヒストグラムによる統計的な特徴は、連続している異常点（白画像）が多いほど、対角線長も長いものが増える傾向がある。同図を見れば明らかなように、良品は、各異常点（白画像）の連続が少ないが、三日月型斑などは長い対角線長を持つように連続をしているといった傾向を確認することができる。
【実施例６】
【０３３０】
＜良否判定の結果＞
次に、実施例５にて説明した形状特徴量を用いて、多変量解析した結果を示す。図３３は、対角線長を形状特徴量として、判別分析により多変量解析を行ったときの結果を示す。対角線長を整数化しているとはいえ、１〜２００（２００種類の長さ）までの長さが存在しているため、次元の多い解析となった。良品をＡ群、不良品をＢ群として判別分析を行うと、判別式Ｚ＝ａ１ｘ１＋ａ２ｘ２＋ａ３ｘ３＋ａ４ｘ４＋ａ５ｘ５＋・・・＋ａ２００ｘ２００＋ａ０の係数ａｉ（ｉ＝０〜２００）が求まる。なお、各係数ａｉの値は、煩雑なためここでは省略する。
【０３３１】
ここで用いた判別分析を説明変量が２つ（ｘ１、ｘ２）の場合を例に説明する。
（１）説明変量ｘ１とｘ２から偏差平方和Ｓ１１とＳ２２、偏差積和Ｓ１２を求める。
【０３３２】
偏差平方和Ｓ１１とＳ２２、偏差積和Ｓ１２は、それぞれ、
【０３３３】
【数１４】
【０３３４】
で与えられる。
（２）Ａ群を合格（○）の集まりｎＡ個、Ｂ群を不合格（×）の集まりｎＢ個として、それぞれの分散共分散行列を求める。
（３）Ａ群とＢ群の分散共分散行列をプールした行列を求めて、下の連立方程式から係数が決まる。説明変量が２以上の場合も同様に判別式を得ることができる。
【０３３５】
Ａ群の分散行列は、
【０３３６】
【数１５】
【０３３７】
で与えられる。
【０３３８】
一方、Ｂ群の分散行列は、
【０３３９】
【数１６】
【０３４０】
で与えられる。
【０３４１】
ここで、
【０３４２】
【数１７】
【０３４３】
である。
【０３４４】
以上により、分散共分散行列は、
【０３４５】
【数１８】
【０３４６】
で与えられる。
【０３４７】
式（１３）より、連立方程式、
【０３４８】
【数１９】
【０３４９】
を得る。
【０３５０】
式（１４）より、
【０３５１】
【数２０】
【０３５２】
の各係数ａｉを求めることができる。
【０３５３】
以上のような、良否を分ける判別分析を行った結果、試料番号１〜１０の良品は判別式の計算結果Ｚが５０〜２００あたりに集まり、試料番号１１〜４０の不良品はその形状の種類に関わらず−１００〜−１３０あたりに集まり、良否の分類がはっきりとできていることが分かる。また不良品の分散が特に小さいため、分離度合も大きい。
【０３５４】
本実施例では、対角線長を形状特徴量として用いたが、外接四角形に含まれる白画素の総画素数、外接四角形の縦の長さ、横の長さなどを形状特徴量として用いても、高い分離度合で良否を分けることができた。
【実施例７】
【０３５５】
＜不良品のムラ種類の判別＞
実施例６では、不良品に境界型斑、三日月型斑および斑点状斑の３種類の分類があるとして、金メッキの光沢ムラを分類している（なお、図３５〜図３８には、それぞれ、良品、境界型斑、三日月型斑、斑点状斑に分類される画像データのサンプルを複数示している）。しかしながら、上記の良否分類の判別式からは、不良品の分類まではできない。
【０３５６】
そこで、次に、不良品の分類を目的として、不良品のみの判別式を構築した結果について説明する。
【０３５７】
実施例６にて説明した判別分析を用いて、三日月型斑をＡ群、境界型斑・斑点型斑をＢ群として判別式Ｚ２の係数を得た。また、境界型斑をＡ群、三日月型斑・斑点型半をＢ群として判別式Ｚ３の係数を得た。さらに、斑点型をＡ群、境界型・三日月型をＢ群として判別式Ｚ４の係数を得た。
【０３５８】
各判別式による分類結果を図３４の（ａ）〜図３４の（ｂ）に示す。図３４の（ａ）は、三日月型斑と他の不良品とに分類したときの解析結果を示し、図３４の（ｂ）は、境界型斑と他の不良品とに分類したときの解析結果を示し、図３４の（ｃ）は、斑点型斑と他の不良品とに分類したときの解析結果を示している。それぞれの分類を目的として判別式を設けることで斑の種類も分類し得ることがわかる。
【０３５９】
本実施例では、判別式Ｚ２、Ｚ３およびＺ４のそれぞれを単一の独立した判別式として分類しているため、光沢ムラの３種類の判別は困難であるが、例えば、判別式Ｚ２、Ｚ３およびＺ４を組み合わせた検索空間を用いることなどにより光沢ムラの３種類の分類は十分可能であると考えられる。
【０３６０】
なお、以上の説明では、ムラ種類を三日月型斑、境界型斑および斑点状斑の３種類に分類した。しかしながら、ムラ種類は、必ずしも、三日月型斑、境界型斑および斑点状斑の３種類に分類する必要はなく、いずれか２種類で分類しても良い。また、ムラ種類の定義も三日月型斑、境界型斑および斑点状斑に限られず、例えば、三日月型斑と境界型斑との中間の分類などを定義しても良く、必要に応じて適切な分類を定義すれば良い。
【０３６１】
最後に、表面状態特定装置６０の各ブロック、特に偏光成分算出部６２、検索座標算出部７０、特徴量抽出部７０ａ、およびデータ解析部８０は、集積回路（ＩＣチップ）上に形成された論理回路によってハードウェア的に実現してもよいし、ＣＰＵ（Central Processing Unit）を用いてソフトウェア的に実現してもよい。
【０３６２】
後者の場合、表面状態特定装置６０は、各機能を実現するプログラムの命令を実行するＣＰＵ、上記プログラムを格納したＲＯＭ（Read Only Memory）、上記プログラムを展開するＲＡＭ（Random Access Memory）、上記プログラムおよび各種データを格納するメモリ等の記憶装置（記録媒体）などを備えている。そして、本発明の目的は、上述した機能を実現するソフトウェアである表面状態特定装置６０の制御プログラムのプログラムコード（実行形式プログラム、中間コードプログラム、ソースプログラム）をコンピュータで読み取り可能に記録した記録媒体を、上記表面状態特定装置６０に供給し、そのコンピュータ（またはＣＰＵやＭＰＵ）が記録媒体に記録されているプログラムコードを読み出し実行することによっても、達成可能である。
【０３６３】
上記記録媒体としては、例えば、磁気テープやカセットテープ等のテープ類、フロッピー（登録商標）ディスク／ハードディスク等の磁気ディスクやＣＤ−ＲＯＭ／ＭＯ／ＭＤ／ＤＶＤ／ＣＤ−Ｒ等の光ディスクを含むディスク類、ＩＣカード（メモリカードを含む）／光カード等のカード類、マスクＲＯＭ／ＥＰＲＯＭ／ＥＥＰＲＯＭ／フラッシュＲＯＭ等の半導体メモリ類、あるいはＰＬＤ（Programmable logic device）やＦＰＧＡ（Field Programmable Gate Array）等の論理回路類などを用いることができる。
【０３６４】
また、表面状態特定装置６０を通信ネットワークと接続可能に構成し、上記プログラムコードを通信ネットワークを介して供給してもよい。この通信ネットワークは、プログラムコードを伝送可能であればよく、特に限定されない。例えば、インターネット、イントラネット、エキストラネット、ＬＡＮ、ＩＳＤＮ、ＶＡＮ、ＣＡＴＶ通信網、仮想専用網（Virtual Private Network）、電話回線網、移動体通信網、衛星通信網等が利用可能である。また、この通信ネットワークを構成する伝送媒体も、プログラムコードを伝送可能な媒体であればよく、特定の構成または種類のものに限定されない。例えば、ＩＥＥＥ１３９４、ＵＳＢ、電力線搬送、ケーブルＴＶ回線、電話線、ＡＤＳＬ（Asymmetric Digital Subscriber Line）回線等の有線でも、ＩｒＤＡやリモコンのような赤外線、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＩＥＥＥ８０２．１１無線、ＨＤＲ（High Data Rate）、ＮＦＣ（Near Field Communication）、ＤＬＮＡ（Digital Living Network Alliance）、携帯電話網、衛星回線、地上波デジタル網等の無線でも利用可能である。
【０３６５】
〔本発明のその他の表現〕
本発明は、以下のように表現しても良い。
【０３６６】
すなわち、本発明の表面検査装置は、上記強度比相関パラメータの値の分布から高次局所自己相関によって基本的な複数の初期特徴パラメータの値を抽出する初期特徴抽出手段を備え、上記表面性状判断手段は、上記複数の初期特徴パラメータを上記強度比相関パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、上記初期特徴抽出手段によって抽出された複数の初期特徴パラメータの値から求めた上記判断パラメータの値に基づいて、上記物体表面の性状を判断しても良い。
【０３６７】
初期特徴パラメータの値は、凹凸の分布の偏りやムラの状態を判断するための指標として特に優れたパラメータであることを本願発明者は新たに見出した。よって、上記構成のように、この初期特徴パラメータを利用することにより、従来技術では困難であった、凹凸の分布の偏りやムラの状態をより精度良く判断することが可能となる。
【０３６８】
また、検出画像から対象を切出し逐次に特定の画像処理や特徴抽出を適用していた従来の手法に比べ、対象の切出しを意識することなく一度検出画面を走査して得られる共通の初期特徴パラメータの値から、極めて高速に物体表面の性状を判断（物体表面の良否の判定や光沢ムラの種類の判別など）することが可能になる。また、一度検出画面を走査するだけで初期特徴パラメータの値が得られ、初期特徴パラメータの値を得るために特別な演算等は不要なので、検出画像が複雑か否かに関わらず、全体の処理時間を常に一定にすることができる。
【０３６９】
また、本発明の表面検査装置は、上記表面性状判断手段は、上記物体表面の良否を判定するための良否判定パラメータを上記判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、上記初期特徴抽出手段によって抽出された複数の初期特徴パラメータの値から求めた上記良否判定パラメータの値に基づいて、上記物体表面の良否を判定しても良い。
【０３７０】
上記の構成によれば、初期特徴パラメータを用いて写像を構成することにより、例えば、信頼性（精度）の高い、良否を判定するために有意な差がある良否判定パラメータを求めることができる。このようにして求めた良否判定パラメータの値に基づいて、物体表面の性状を定量的な手法で判断することが可能となる。
【０３７１】
すなわち、上記構成のように、良否判定パラメータを利用することにより、従来技術では困難であった、信頼性（精度）の高い、物体表面の良否判定を行うことができる。
【０３７２】
また、本発明の表面検査装置は、上記表面性状判断手段は、上記物体表面の光沢ムラの種類を判別するためのムラ種類判別パラメータを上記判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、上記初期特徴抽出手段によって抽出された複数の初期特徴パラメータの値から求めた上記ムラ種類判別パラメータの値に基づいて、上記物体表面における光沢ムラの種類を判別しても良い。
【０３７３】
上記の構成によれば、初期特徴パラメータを用いて写像を構成することにより、例えば、ムラ種類の判別を行うための指標として好適なムラ種類判別パラメータを求めることも可能である。このようにして求めたムラ種類判別パラメータの値に基づいて、物体表面の光沢ムラの種類を判別することが可能となる。
【０３７４】
また、本発明の表面検査装置は、上記検出画像における複数の画素のうち、上記強度比相関パラメータの値が所定の閾値以上または以下である白画素を特定する白画素特定手段と、上記白画素特定手段が特定した複数の白画素の中から、互いに隣接する複数の白画素からなるグループを特定し、特定したグループに含まれる複数の白画素に外接する閉図形を特定する図形特定手段と、上記図形特定手段が特定した閉図形の図形的な特徴を示す形状特徴量を抽出する形状特徴量抽出手段と、を備え、上記表面性状判断手段は、上記形状特徴量を上記画像特徴量として、多変量解析を行って構成した写像を上記所定の写像として用いて、上記形状特徴量抽出手段によって抽出された上記形状特徴量の値から求めた上記判断パラメータの値に基づいて、上記物体表面の性状を判断しても良い。
【０３７５】
〔付記事項〕
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
【産業上の利用可能性】
【０３７６】
以上のように、本発明に係る表面検査装置は、物質の性状を簡素な構成で精度よく検出したり、物体表面の凹凸に起因する光沢ムラを、複数の原因に基づくムラの種類を発生原因に応じて容易に分類したりすることができる。よって、例えば、各種工業製品の表面を検査する検査装置として好適に利用することができる。より具体的には、半導体や半導体に用いられる金属メッキ、金属、プラスチック、紙、およびその他の有機物または無機物の表面を検査する検査装置として好適に利用することができる。
【符号の説明】
【０３７７】
１ 表面検査装置
１ａ 表面検査装置
１０ ウォラストンプリズム（偏光成分分離手段）
１６ Ｐ偏光成分
１８ Ｓ偏光成分
５０ 画像解析部（表面性状判断手段）
６０ 表面状態特定装置（表面性状判断手段）
６２ 偏光成分算出部（偏光成分算出手段）
７０ 検索座標算出部（座標算出手段）
７０ａ 特徴量抽出部（初期特徴抽出手段）
８０ データ解析部（領域判定手段）
７０１ａ 白画素特定部（白画素特定手段）
７０２ａ 図形特定部（図形特定手段、形状特徴量抽出手段）
７０３ａ 形状特徴量抽出部（形状特徴量抽出手段）
【技術分野】
【０００１】
本発明は、対象となる物体の表面の性状を検査する表面検査装置および表面検査方法などに関するものであり、特に、プリント基板上におけるメッキなどの表面の性状（または状態）を検査する表面検査装置および表面検査方法などに関する。
【背景技術】
【０００２】
従来から、プリント基板の製造では、スイッチなどの接触部分や接線部には、耐腐食性に優れた金メッキによる表面処理が用いられている。しかしながら、金メッキによる表面処理ではメッキが行われた環境の条件の変動によってメッキの表面状態が変化し、メッキムラがメッキの表面に現れる場合がある。メッキムラを含むメッキ表面の性状は、その品質や耐久性に影響するため、高い信頼性が要求される製品のメッキ表面の性状の均一性は重要な検査項目となっている。
【０００３】
このようなメッキの表面の検査は、目視で行うことが一般的である。しかしながら、人間の目による評価には個人差が大きく、基準が曖昧であり変動が激しいといった問題がある。このため、機械による定量的な検査方法が求められている。
【０００４】
一般に、物体の表面の光沢の検査方法としては、測定者の感覚で判断される絶対測定法や、ＪＩＳＢ０６５９−１に規定されている比較用表面粗さ標準片と比較して表面粗さを測定する方法などがある。
【０００５】
上述の検査方法では、目視の場合と同様に物体の表面の反射光の強度の変化を検出する方法が用いられるが、基準を決めて濃淡を２値化して検出を行うため照射斑や光学系の歪などのノイズとなる要素を除いて高い検査精度を得ることは難しい。
【０００６】
以上の他にも、色、拡散、偏光、スペックルを利用した粗さに対応する物理量を使った物体表面の検査方法が提案されている。しかしながら、白色度や色差といった物理量では光沢を用いた場合と比較して、測定の精度や視覚とのマッチングが難しく、安定した測定が困難であるという問題が生じる。
【０００７】
また、スペックル干渉（回折）を用いた検査方法は、波長に比較して細かい粗さに敏感であることが知られているが、メッキ表面の性状との対応についての調査はまだ十分に行われていない。一方、偏光や拡散光を利用した計測方法として、以下の特許文献に示されているような技術が存在する。
【０００８】
特許文献１には、Ｐ偏光およびＳ偏光成分をそれぞれ画像Ａおよび画像Ｂとして取得し、画像Ａおよび画像Ｂの濃度値の大きい画素数の多少の比較によって画像Ａおよび画像Ｂの光量差を得ることで、物体の表面の光沢の程度を判断している。
【０００９】
特許文献２には、偏光ビームスプリッタを用いて、Ｐ偏光成分とＳ偏光成分とを分割し、各成分の強度を計測することで、物体の表面の光沢を検出する方法について記載されている。
【００１０】
特許文献３には、位相差フィルムと偏光板、分割型フォトダイオードを用いて、一点からの反射光のＳ偏光成分とＰ偏光成分とを同時に計測し、物体の表面の光沢に換算する方法について記載されている。
【００１１】
特許文献４には、上方反射散乱光と側方反射散乱光を取得し、物体表面の比較的大きな変化の群ととらえられる欠陥である、異物や疵の状態を検出する方法について記載されている。
【００１２】
特許文献５には、鏡面反射成分および鏡面拡散反射成分を取得し、顕著な凹凸性を持たない模様状ヘゲ疵を検出する方法について記載されている。
【００１３】
その他、物体表面の検査方法に関する技術ではないが、光ピックアップに関する技術として特許文献６に記載の技術があり、画像の計測方法に関する技術として特許文献７に記載の技術がある。
【先行技術文献】
【特許文献】
【００１４】
【特許文献１】特開平０５−０６６３８１号公報（１９９３年３月１９日公開）
【特許文献２】特開平１０−２８１９９１号公報（１９９８年１０月２３日公開）
【特許文献３】特開２００１−４１８８０号公報（２００１年２月１６日公開）
【特許文献４】特開２００４−１７７２８４号公報（２００４年６月２４日公開）
【特許文献５】特開２０００−１６２１５１号公報（２０００年６月１６日公開）
【特許文献６】特開平０９−１２７０１２号公報（１９９７年１月１７日公開）
【特許文献７】特開平０２−１０１５８６号公報（１９９０年４月１３日公開）
【非特許文献】
【００１５】
【非特許文献１】丸善株式会社出版事業部、分光エリプソメトリー、藤原裕之、２００３年６月２０日発行
【発明の概要】
【発明が解決しようとする課題】
【００１６】
しかしながら、上記特許文献１〜６に記載の技術では、物体表面の比較的大きな変化の群ととらえられる欠陥である、異物や疵の状態を検出することはできるものの、より検出が困難な物体表面の比較的小さな変化の群ととらえられる欠陥である、凹凸の分布の偏りやムラの状態を検出することはできないという問題点がある。
【００１７】
例えば、特許文献１〜３に記載の技術では、物体表面の光沢を検出する観点については記載されているものの、より検出が困難な凹凸の分布の偏りやムラの状態を検出する観点については一切記載されていない。
【００１８】
また、特許文献４および５に記載の技術では、物体表面の異物や疵の状態を検出する観点については記載されているものの、より検出が困難な凹凸の分布の偏りやムラの状態を検出する観点については一切記載されていない。
【００１９】
なお、特許文献６および７に記載の技術は、そもそも物体の表面の性状を検査するための技術ではない。
【００２０】
本発明は、上記の問題点に鑑みてなされたものであり、その目的は、物体表面における凹凸の分布の偏りやムラの状態を精度良く検出することができる表面検査装置および表面検査方法などを実現することにある。
【課題を解決するための手段】
【００２１】
本発明の表面検査装置は、上記の課題を解決するために、照射された光の散乱光を分析して、上記光が照射された物体表面の性状を検査する表面検査装置であって、上記散乱光を、散乱面に平行な振動成分であるＰ偏光成分と、上記散乱面に垂直な振動成分であるＳ偏光成分とに分離する偏光成分分離手段と、上記偏光成分分離手段によって分離された上記Ｐ偏光成分および上記Ｓ偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記Ｐ偏光成分の強度に対する上記Ｓ偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記物体表面の性状を判断する表面性状判断手段とを備えることを特徴とする。
【００２２】
また、本発明の表面検査方法は、上記の課題を解決するために、照射された光の散乱光を分析して、上記光が照射された物体表面の性状を検査する表面検査方法であって、上記散乱光を、散乱面に平行な振動成分であるＰ偏光成分と、上記散乱面に垂直な振動成分であるＳ偏光成分とに分離する偏光成分分離ステップと、上記偏光成分分離ステップにて分離された上記Ｐ偏光成分および上記Ｓ偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記Ｐ偏光成分の強度に対する上記Ｓ偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記物体表面の性状を判断する表面性状判断ステップとを含むことを特徴とする。
【００２３】
上記の構成または方法によれば、偏光成分分離手段が、または偏光分離ステップにて、検査対象の物体表面に照射された光の散乱光を散乱面に平行な振動成分であるＰ偏光成分と、散乱面に垂直な振動成分であるＳ偏光成分とに分離している。
【００２４】
これにより、検査対象の物体表面の性状を精度よく検出できる。これは、物質の表面（例えば、金属メッキされた物体表面など）に照射された光の散乱光は、物体表面における凹凸の分布の状態によって散乱角度および各偏光成分の割合が変化するためである。また、金属の場合であれば、吸収係数が高いために反射率は高い値を示すが、物体表面における凹凸の分布の状態によって各偏光成分の散乱強度が高くなったり低くなったりするので、一定の偏光方向の光を入射させた場合、物体表面における凹凸の分布に応じて各偏光成分の強度が異なるためである。
【００２５】
また、上記の構成または方法によれば、表面性状判断手段が、または表面性状判断ステップにて、分離された上記Ｐ偏光成分および上記Ｓ偏光成分のそれぞれの検出画像から算出される強度比相関パラメータの値に基づいて、物体表面の性状を判断している。
【００２６】
ここに、「強度比相関パラメータ」とは、Ｐ偏光成分の強度に対するＳ偏光成分の強度の比（以下、単に「偏光強度比」という）そのものを含め、当該偏光強度比と相関をもつパラメータのことである。
【００２７】
この強度比相関パラメータの値は、従来の技術では検出が困難であった物体表面の比較的小さな変化の群ととらえられる欠陥である、凹凸の分布の偏りやムラの状態を判断（検出）する指標となり得る。よって、強度比相関パラメータを用いることにより、物体表面の性状を定量的な手法で判断することが可能となる。
【００２８】
また、散乱強度比と相関をもつ強度比相関パラメータを用いているため、検査対象に照射する光の強度分布に偏りが存在する場合であっても、影響をほとんど受けることなく物体表面の性状を精度良く判断することができる。
【００２９】
よって、強度比相関パラメータの値を利用することにより、物体表面における凹凸の分布の偏りやムラの状態を精度良く検出することが可能となる。
【００３０】
なお、強度比相関パラメータは、従来技術の検査対象である、物体表面の比較的大きな変化の群ととらえられる欠陥である、物体表面の異物や疵の状態を判断する指標としても好適である。
【００３１】
また、本発明の表面検査装置は、上記の構成に加えて、上記表面性状判断手段は、上記強度比相関パラメータの分布が反映された画像データから、その画像データの特徴を示す画像特徴量を抽出し、抽出された上記画像特徴量を定義域のパラメータとし、上記物体表面の性状を判断するために予め定めた判断パラメータを値域のパラメータとして構成した所定の写像を用いて、上記画像特徴量の値から求めた上記判断パラメータの値に基づいて、上記物体表面の性状を判断しても良い。
【００３２】
上記の構成によれば、強度比相関パラメータの分布が反映された画像データから、その画像データの特徴を示す画像特徴量を抽出し、抽出された画像特徴量の値を定義域のパラメータとし、物体表面の性状を判断するために予め定めた判断パラメータを値域のパラメータとして所定の写像を予め構成しておくことにより、この写像を用いて２つの検出画像から抽出した強度比相関パラメータの分布が反映された画像データから抽出された画像特徴量から、対応する判断パラメータの値を求めることができる。また、画像特徴量を用いて写像を構成することにより、例えば、信頼性（精度）の高い、良否を判定するために有意な差がある値域パラメータ（判断パラメータ）を求めることができる。このようにして求めた判断パラメータの値に基づいて、物体表面の性状を定量的な手法で判断することが可能となる。
【００３３】
ここで、判断パラメータとしては、検出対象同士の類似度を示すパラメータや、検出対象を複数のグループに分類したときに、どのグループに分類されるかを示すパラメータなどを例示することができる。
【００３４】
なお、写像を構成する方法としては、例えば、
（１）画像特徴量の値の分布から、統計的特徴を抽出して写像（例えば、ヒストグラムなど）を構成する方法、
（２）画像特徴量を説明変数とし、上記判断パラメータを目的変数として多変量解析を行って所定の写像（例えば、検索空間など）を構成する方法などを挙示できる。
【００３５】
また、多変量解析とは、互いに関係のある多変量（他種類の特性値）のデータが持つ特徴を要約し、かつ、目的に応じて総合するための手法のことである。
【００３６】
また、多変量解析には、
（１）予測式（関係式）の発見や量の推定などに用いる重回帰分析や正準相関分析、
（２）標本の分類や質の推定などに用いるクラスター分析や判別分析、
（３）多変量の統合整理（減らす）、変量の分類、および代表変量の発見などに用いる主成分分析や因子分析などが含まれる。なお、これらの方法のいずれを採用するかは、目的に応じて選択すれば良い。
【００３７】
また、本発明の表面検査装置は、上記の構成に加えて、上記表面性状判断手段は、上記強度比相関パラメータとして、パラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）を用いても良い。
【００３８】
ここで、パラメータΨの値は、凹凸の分布の偏りやムラの状態を判断するための指標として特に優れたパラメータであることを本願発明者は新たに見出した。よって、このようなパラメータΨを用いて写像を構成することにより、例えば、信頼性（精度）の高い、良否を判定するために有意な差がある値域パラメータ（判断パラメータ）を求めることができる。このようにして求めた判断パラメータの値に基づいて、物体表面の性状を定量的な手法で判断することが可能となる。
【００３９】
すなわち、上記構成のように、このパラメータΨを利用することにより、従来技術では困難であった、凹凸の分布の偏りやムラの状態をより精度良く判断することが可能となる。
【００４０】
また、本発明の表面検査装置は、上記の構成に加えて、上記画像データにおける複数の画素のうち、上記強度比相関パラメータの値が所定の閾値以上または以下である白画素を特定する白画素特定手段と、上記白画素特定手段が特定した複数の白画素の中から、互いに隣接する複数の白画素からなる白画素グループを特定し、特定した白画素グループに外接する閉図形の図形的な特徴を示す形状特徴量を抽出する形状特徴量抽出手段と、を備え、上記表面性状判断手段は、上記形状特徴量を上記画像特徴量として、多変量解析を行って構成した写像を上記所定の写像として用いて、上記形状特徴量抽出手段によって抽出された上記形状特徴量の値から求めた上記判断パラメータの値に基づいて、上記物体表面の性状を判断しても良い。
【００４１】
ここで、形状特徴量とは、互いに隣接する複数の白画素からなる白画素グループ（に含まれる複数の白画素）に外接する閉図形の図形的な特徴を示す特徴量である。閉図形は、閉じた多角形であっても良いし、閉曲線であっても良い。
【００４２】
一般に、物体表面の性状が良好な場合、白画素（異常点）の数も少なく、各白画素グループ内における互いに隣接する白画素の数も少ない傾向があると考えられる。一方、物体表面の性状が良好でない場合、白画素の数も多く、各グループ内における白画素の数も多い傾向があると考えられる。また、隣接する白画素の連続数や、隣接する白画素同士が隣接する隣接方向などにも光沢ムラの種類に応じた特有の傾向があると考えられる。
【００４３】
さらに、形状特徴量は、検出画像（または検出画像から得られる強度比相関パラメータの値の分布が反映された画像データ）を複数の領域に分割することによって得られる局所的な特徴量ではなく、検出画像を複数の領域に分割することなく得られる検出画像全体の大域的な特徴が反映された特徴量であると言える。このため、形状特徴量は、物体表面の性状全体の傾向を把握する上で、重要な指標となり得る。
【００４４】
また、写像を構成する方法としては、例えば、
（１）形状特徴量の値の分布から、統計的特徴を抽出して写像（例えば、ヒストグラムなど）を構成する方法、
（２）形状特徴量を説明変数とし、上記判断パラメータを目的変数として多変量解析を行って所定の写像（例えば、検索空間など）を構成する方法などを挙示できる。
【００４５】
なお、多変量解析については上述したとおりであるので説明を省略する。
【００４６】
以上のような形状特徴量の値は、凹凸の分布の偏りやムラの状態を判断するための指標として特に優れたパラメータであることを本願発明者は新たに見出した。よって、上記構成のように、この形状特徴量を利用することにより、従来技術では困難であった、凹凸の分布の偏りやムラの状態をより精度良く判断することが可能となる。
【００４７】
また、本発明の表面検査装置は、上記の構成に加えて、上記表面性状判断手段は、上記物体表面の良否を判定するための良否判定パラメータを上記判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、上記形状特徴量抽出手段によって抽出された上記形状特徴量の値から求めた上記良否判定パラメータの値に基づいて、上記物体表面の良否を判定しても良い。
【００４８】
上記の構成によれば、形状特徴量を用いて写像を構成することにより、例えば、信頼性（精度）の高い、良否を判定するために有意な差がある良否判定パラメータを求めることができる。このようにして求めた良否判定パラメータの値に基づいて、物体表面の性状を定量的な手法で判断することが可能となる。
【００４９】
すなわち、上記構成のように、良否判定パラメータを利用することにより、従来技術では困難であった、信頼性（精度）の高い、物体表面の良否判定を行うことができる。
【００５０】
また、本発明の表面検査装置は、上記の構成に加えて、上記表面性状判断手段は、上記物体表面の光沢ムラの種類を判別するためのムラ種類判別パラメータを上記判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、上記形状特徴量抽出手段によって抽出された上記形状特徴量の値から求めた上記ムラ種類判別パラメータの値に基づいて、上記物体表面における光沢ムラの種類を判別しても良い。
【００５１】
上記の構成によれば、形状特徴量を用いて写像を構成することにより、例えば、ムラ種類の判別を行うための指標として好適なムラ種類判別パラメータを求めることも可能である。このようにして求めたムラ種類判別パラメータの値に基づいて、物体表面の光沢ムラの種類を判別することが可能となる。
【００５２】
また、本発明の表面検査装置は、上記の構成に加えて、上記物体表面の凹凸の状態を示すための極座標空間における、上記強度比相関パラメータの動径方向の重み付け平均の角度微分の標準偏差、上記極座標空間の原点から上記強度比相関パラメータの重心までの距離、および、上記強度比相関パラメータの動径方向の重み付け平均のいずれか１つ以上を、上記所定の写像を具現化する検索空間内の座標として、上記強度比相関パラメータの値の分布から算出する座標算出手段と、上記座標算出手段が算出した座標が、上記物体表面の光沢ムラの種類に応じて上記検索空間内に複数設定された領域のいずれに属するかを判定する領域判定手段とを備え、上記表面性状判断手段は、上記領域判定手段の判定結果を用いて、上記物体表面の光沢ムラの種類を判別しても良い。
【００５３】
上記の構成によれば、所定の写像を具現化する検索空間内における座標の位置に基づいて、複数の原因に基づく光沢ムラの種類を判別することが可能となる。
【００５４】
これは、光沢ムラの種類によって、上記検索空間内における座標の位置が異なるからである。このため、上記検索空間内における座標の位置を特定できれば、物体の表面に存在する光沢ムラの種類を判別することができる。
【００５５】
なお、検索空間の次元は、設定した座標の種類数（１つから３つまで）に応じて、１次元から３次元までのいずれの次元であっても良い。
【００５６】
ところで、上記特許文献１〜３に記載の技術従来では、対象となる物体の表面が一様であるか、あるいは、光沢ムラが存在するかのいずれであるかを判断することはできるものの、どのような原因で光沢ムラが発生したのか、また、どのように対処すれば光沢ムラの発生を防げるかを判断することができないという副次的な課題がある。
【００５７】
一般に、プリント基板の表面に形成されるメッキは、その工程の異常によって、色ムラを生ずることがある。例えば、色ムラの原因が、有機物や無機物の付着に起因するものは洗浄により除去できる。これに対して、メッキ条件の変動による表面凹凸の変化はメッキ後の工程では修復できず、製品不良の原因となる。
【００５８】
このようなメッキ表面の凹凸の分布状態によって、正反射と拡散反射の広がり具合が異なるため、見る方向によって凹凸の程度を反映して輝度のコントラストが変化する。さらに、波長によって反射率が異なるため、微妙な色相の変化は生じているが、その効果は非常に小さく、色相の変化は殆どない。なお、一般に、前述のコントラストの違いも色ムラと呼ばれている。
【００５９】
特に、フレキシブルプリント基板（ＦＰＣ）上に形成される金メッキ部の光沢ムラを分類することは、製造工程の状態の把握に役立ち、そのフィードバックによって不良の原因を早期に解明できる点で、製造ラインの評価の役割を担う重要な項目であると言える。
【００６０】
そのため、光沢ムラの発生する傾向を分析し、どのような状態の際にどの種類の光沢ムラが発生するのかを特定することができれば、光沢ムラの発生を抑えることや、光沢ムラが発生する際にメッキ装置などを調整するために利用することもできる。
【００６１】
よって、本願の上記の構成によれば、以上のような副次的な課題を解決することもできる。
【００６２】
なお、上記表面検査装置および表面検査方法における各手段、各機能、各処理、各ステップ、または、各工程のそれぞれは、コンピュータによって実現してもよく、この場合には、コンピュータを上記各手段として動作させ、コンピュータに上記各機能を実現させ、もしくはコンピュータに上記各処理、上記各ステップまたは上記各工程を実行させることにより上記表面検査装置および表面検査方法を、コンピュータにて実現させる表面検査プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体も、本発明の範疇に入る。
【発明の効果】
【００６３】
本発明の表面検査装置は、以上のように、上記散乱光を、散乱面に平行な振動成分であるＰ偏光成分と、上記散乱面に垂直な振動成分であるＳ偏光成分とに分離する偏光成分分離手段と、上記偏光成分分離手段によって分離された上記Ｐ偏光成分および上記Ｓ偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記Ｐ偏光成分の強度に対する上記Ｓ偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記物体表面の性状を判断する表面性状判断手段とを備える構成である。
【００６４】
また、本発明の表面検査方法は、以上のように、照射された光の散乱光を分析して、上記光が照射された物体表面の性状を検査する表面検査方法であって、上記散乱光を、散乱面に平行な振動成分であるＰ偏光成分と、上記散乱面に垂直な振動成分であるＳ偏光成分とに分離する偏光成分分離ステップと、上記偏光成分分離ステップにて分離された上記Ｐ偏光成分および上記Ｓ偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記Ｐ偏光成分の強度に対する上記Ｓ偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記物体表面の性状を判断する表面性状判断ステップとを含む方法である。
【００６５】
それゆえ、物体表面における凹凸の分布の偏りやムラの状態を精度良く検出することができるという効果を奏する。
【図面の簡単な説明】
【００６６】
【図１】本発明における表面検査装置の一実施形態の構造を示す構成図であり、（ａ）は上記表面検査装置の全体構造の概要を示し、図１（ｂ）は上記表面検査装置の散乱光検出部の要部構成を示す。
【図２】ピンホールの大きさ（配置）と検出画像の状態との関係を示す模式図であり、（ａ）ピンホールの大きさが適切な場合の検出画像の状態を示し、（ｂ）は、ピンホールの大きさが大きい場合の検出画像の状態を示す。
【図３】上記表面検査装置で検査する金メッキの表面の原子間力顕微鏡（以下、ＡＦＭ：Atomic Force Microscopeという）による像（以下、ＡＦＭ像という）を示す拡大図である。
【図４】ＡＦＭ像の平均高さからの各点の変位の度数分布を示すグラフである。
【図５】正常光沢部と異常光沢部におけるエリプソメトリーの偏光解析結果を示すグラフである。
【図６】プリント基板上に施された金メッキの一例を示す図である。
【図７】ＣＣＤ（検出画面）上に結像された金メッキのＰ偏光成分（右）およびＳ偏光成分（左）の画像例を示す図である。
【図８】散乱光から得られたパラメータΨの値を２次元情報として取得した例を示す図である。
【図９】照明の入射角度を変えながら金メッキ部を観察した結果を示す図である。
【図１０】均一照明の下で得られた異常光沢の検出結果の一例を示す図である。
【図１１】不均一照明の下で得られた異常光沢の検出結果の一例を示す図である。
【図１２】図３に示したＡＦＭ像の各点における曲率半径を示すグラフである。
【図１３】図３に示したＡＦＭ像の各粒子における最近接粒子間距離の度数分布を示すグラフである。
【図１４】検査対象の物体の正常光沢品、異常光沢品、および正常光沢の限界となる物体におけるパラメータΨ（°；角度）を示すグラフである。
【図１５】検査対象の物体の異常光沢品、および正常光沢の限界となる物体における角度Ψと異常度合いとを示すグラフである。
【図１６】入射角度θに対する平均の角度＜パラメータΨ＞（以下、平均角度Ψという）の関係を示すグラフである。
【図１７】Ａｕの反射率の入射角度依存性、および、入射角が６２．５度および７０度の時の、パラメータΨと表面凹凸との関係を示すグラフである。
【図１８】本発明における表面検査装置の他の実施形態に関し、その要部である表面状態特定装置の構造の詳細を示すブロック図である。
【図１９】上記表面状態特定装置を含む上記表面検査装置の全体構造の概要を示す図である。
【図２０】（ａ）は、ｘ軸、ｙ軸、およびｚ軸方向に設定した領域分類に用いる各パラメータを説明するための図であり、（ｂ）は、同心円状の金メッキの中心を原点として、放射状に２００分割した様子を示す図であり、（ｃ）は、上記２００分割した各扇形内における極座標のθおよび表面ラフネスを示したグラフである。
【図２１】金メッキを示す上面図であり、（ａ）は、ムラのない良品の金メッキを示し、（ｂ）は、三日月状斑に分類される金メッキを示し、（ｃ）は、境界型斑に分類される金メッキを示し、（ｄ）は、斑点状斑に分類される金メッキを示す。
【図２２】ＣＣＤ（検出画面）上に結像された金メッキのＰ偏光成分（右）およびＳ偏光成分（左）の画像例を示す図である。
【図２３】図２１に示した金メッキの表面ラフネスを示す図である。
【図２４】Ｐ偏光成分の強度に対するＳ偏光成分の強度の比を用いて算出したパラメータΨと、表面ラフネスｒｍｓとの関係を示す図である。
【図２５】三次元空間内において、各座標が含まれる領域がどのムラに分類されるかを示す図である。
【図２６】三次元空間内において、各ムラの種類の応じて設定された領域の範囲を数式で示す図である。
【図２７】自己相関マスクの一例を示す図である。
【図２８】複数のサンプル（ＦＰＣ）から得られたパラメータΨの値の分布から、上記自己相関マスクを用いて抽出した初期特徴パラメータの値（特徴量１〜５）を示す図である。
【図２９】複数の手法を用いてデータ解析を行った結果を示す図であり、（ａ）は、ヒストグラム用いた解析結果の一例を示し、（ｂ）は、重回帰分析を用いた解析結果の一例を示し、（ｃ）は、重回帰分析を用いた解析結果の他の一例を示し、（ｄ）は、重回帰分析を用いた解析結果のさらに他の一例を示す。
【図３０】図１８に示す表面状態特定装置の要部である特徴量抽出部の構成の一例を示すブロック図である。
【図３１】強度比相関パラメータの分布を反映した画像データ（２値化後）から外接四角形を特定したときの一例を示す図である。
【図３２】各対角線長の度数（個数）分布を示すグラフである。
【図３３】判別パラメータＺの値に基づく、良品・不良品の判定結果を示す図である。
【図３４】３種類の判別パラメータＺ２、Ｚ３、Ｚ４の値に基づく、不良品のムラ種類の判別結果を示す図であり、（ａ）は、判別パラメータＺ２の値に基づく、不良品のムラ種類の判別結果を示し、（ｂ）は、判別パラメータＺ３の値に基づく、不良品のムラ種類の判別結果を示し、（ｃ）は、判別パラメータＺ４の値に基づく、不良品のムラ種類の判別結果を示す。
【図３５】上記画像データの例（良品の場合）を示す図である。
【図３６】上記画像データの別の例（境界型斑の場合）を示す図である。
【図３７】上記画像データのさらに別の例（三日月型斑の場合）を示す図である。
【図３８】上記画像データのさらに別の例（斑点状斑の場合）を示す図である。
【図３９】良品、境界型斑、三日月型斑、斑点状斑に分類される各画像データから閉図形（円、２パターンの四角形）を特定したときの例を示す図である。
【図４０】形状特徴量の具体例を説明するための図である。
【発明を実施するための形態】
【００６７】
本発明の一実施形態について図１〜図４０に基づいて説明すれば、次の通りである。以下の特定の項目で説明する構成以外の構成については、必要に応じて説明を省略する場合があるが、他の項目で説明されている場合は、その構成と同じである。また、説明の便宜上、各項目に示した部材と同一の機能を有する部材については、同一の符号を付し、適宜その説明を省略する。
【００６８】
〔１．表面検査装置１〕
本発明の一実施形態である表面検査装置１について図１から図１７に基づいて説明すると以下の通りである。
【００６９】
なお、以下の実施形態では、表面検査装置１が、金メッキされた物体の表面に生じる表面性状の検査を例に説明を行うが、これに限るものではない。例えば、表面検査装置１は、銅メッキされた物体の表面に生じる表面性状の検査を行うことも可能である。
【００７０】
同様に、物質表面における凹凸の二乗平均粗さｒｍｓが物体表面に照射される光の波長より小さく、凹凸の曲率半径が物体表面に照射される光の波長に比較し十分に長い他の金属メッキの表面や、紙やプラスチックなどの他の材質で覆われた平面の表面に生じる表面性状の検査に用いてもよい。ただし、本実施形態のような金メッキに対して適用する場合には、携帯電話機を始めとする様々な電子機器のプリント基板に対する表面検査装置として利用することができるため、特に効果が大きい。
【００７１】
まず、図１を参照して本実施形態で用いる表面検査装置１の要部構成について説明する。図１の（ａ）は表面検査装置１の全体構造の概要を示す側面図であり、図１の（ｂ）は表面検査装置１の散乱光検出部の原理を示す部分拡大図である。
【００７２】
なお、以下の説明では、表面検査装置１の構成のうち、光源２０、コリメータレンズ２２、およびポラライザ２４から構成される、光を計測対象の物体５６に照射する部材を光照射部と呼ぶ。また、ピンホール３０、対物レンズ１２、アイリス１４、ウォラストンプリズム１０、アイリス調整部３６、ウォラストンプリズム位置調整部３８、ＣＣＤカメラ４０、および画像解析部５０から構成される、物体５６表面に照射された光の散乱光を取得するための部材を散乱光検出部と呼ぶものとする。
【００７３】
なお、本実施形態では、偏光成分分離手段としてウォラストンプリズム１０を用いる場合を例に説明するが、これに限るものではない。ウォラストンプリズム１０の代わりに、ビームディスプレーサを用いてもよい。
【００７４】
ウォラストンプリズムでは、Ｐ偏光成分光およびＳ偏光成分光が光軸を中心に対象な方向に進行するため、Ｐ偏光およびＳ偏光画像の間隔を調整できる。これに対して、ビームディスプレーサでは、Ｐ偏光成分光およびＳ偏光成分光が一定距離を隔てて、平行に進行するため、像間の距離を変更できない。
【００７５】
よって、検査対象物の大きさが変化する場合や倍率が変化する場合には、ビームディスプレーサは、その仕様に合わせて結晶を製作する必要がある。これに対して、ウォラストンプリズムでは、その位置によって調整が可能なため、ウォラストンプリズムを使うことが好ましい。
【００７６】
図１に示した表面検査装置１では、光源２０から照射された光が、コリメータレンズ２２によって検査する対象となる物体５６の表面に施された金メッキ部の広さに併せて広げられ、ポラライザ２４によって偏光方向が決定されて、物体５６の表面に照射されている。
【００７７】
ここで、光源２０は、検査対象となる物体５６に対して垂直に配置されたＣＣＤカメラ４０に対して角度θ（°）の角度を付けて配置されている。以下では、光源２０から照射される光の入射角度θを４５°として説明するが、これに限るものではない。詳細は後述するが、金メッキの表面を検査する場合には、６０°〜６５°、好ましくは、６２．５°の角度で照射することが望ましい。なお、照射角度の設定について、詳細は後述する。
【００７８】
照射された光は金メッキ部で散乱するが、表面の凹凸によってその散乱光が図１の（ａ）の上方向にも散乱される。ＣＣＤカメラ４０および画像解析部（表面性状判断手段）５０を含む散乱光検出部（図１の（ｂ）参照）には、ピンホール３０によって観察視野が制限された散乱光が、結像用の対物レンズ１２、ＮＡ（Numerical aperture;開口数）を小さくして焦点深度を深くするアイリス１４を通過する。さらに、光をＰ偏光成分ならびにＳ偏光成分に分離するウォラストンプリズム（偏光成分分離手段）１０を通過し、対物レンズ１２によってＣＣＤカメラ４０上に結像され、画像解析部５０に入力される。
【００７９】
ウォラストンプリズム１０は、照射した光がプリズム内を通過した後、散乱面に平行な振動成分であるＰ偏光成分１６と、散乱面に垂直な振動成分であるＳ偏光成分１８とに分離され、ある角度（±α°）方向にそれぞれ屈折するようになっている（偏光成分分離ステップ）。よって、ウォラストンプリズム１０の位置を調整することによってＰ偏光成分１６とＳ偏光成分１８との画像間距離を調整することができる。
【００８０】
また、これにより、検査対象の物体５６表面の性状を精度よく検出できる。これは、物質の表面（例えば、金属メッキされた物体５６表面など）に照射された光の散乱光は、物体５６表面における凹凸の分布の状態によって散乱角度および各偏光成分の割合が変化するためである。また、金属の場合であれば、吸収係数が高いために反射率は高い値を示すが、物体表面における凹凸の分布の状態によって各偏光成分の散乱強度が高くなったり低くなったりするので、一定の偏光方向の光を入射させた場合、物体表面における凹凸の分布に応じて各偏光成分の強度が異なるためである。
【００８１】
次に、アイリス１４は、ＮＡを小さくし、焦点深度を深める機能を持っている。また、ＮＡを小さくし、Ｆ-numberを１０程度まで大きくすることは、照射および観察方向の角度広がりを小さくすることになり、測定精度を高くする役目も担っている。
【００８２】
なお、アイリス１４は、アイリス調整部３６によって絞りが調整され、ウォラストンプリズム１０は、ウォラストンプリズム位置調整部３８によって位置が調整される。ＣＣＤカメラ４０は、Ｓ偏光成分１８およびＰ偏光成分１６の異なる偏光成分に分離された散乱光によって結ばれた像を撮影し、画像解析部５０は、ＣＣＤカメラ４０に入力された像に基づいて物体５６の表面に形成された金メッキにおける表面上の凹凸の分布状態（表面性状）を判断する。
【００８３】
なお、ＣＣＤカメラ４０に入力される散乱光の像は、同じ２次元検出装置の検出面上で結像されるため、像が重なる場合がある。これを避けるために、対物レンズ１２の前にピンホールを配置して、観察視野を制限している。
【００８４】
図２は、ピンホールの配置によって、検出する対象であるＰ偏光成分およびＳ偏光成分に基づく画像を分離できることを示す模式図である。図２の（ａ）はピンホールの大きさが適切な場合を、図２の（ｂ）はピンホールの大きさが大きすぎる場合の例を示している。
【００８５】
図２の（ａ）では、ピンホールの大きさが適切なため、Ｐ偏光成分およびＳ偏光成分に基づく画像が重なることなく、２つの画像として別個に検出することができる。
【００８６】
これに対して、図２の（ｂ）では、ピンホールの大きさが大きすぎるため、Ｐ偏光成分およびＳ偏光成分に基づく画像が重なり合ってしまい（クロストークしてしまい）、画像パターンが重なり合った部分がノイズとなってしまい、正確に画像を検出することができていない。このような不具合を起こさないために、画像を取得する位置や距離に応じてピンホールの大きさを設定する必要がある。
【００８７】
以上のように、本発明では、図１の（ａ）に示すように、光源２０から照射された光の幅を検査する金メッキ部の広さに合わせて広げるコリメータレンズ２２、光の偏光方向を決めるポラライザ２４、結像用の対物レンズ１２、散乱された散乱光のＰ偏光成分１６およびＳ偏光成分１８を１つのＣＣＤカメラ４０で同時に捉えるためのウォラストンプリズム１０（偏光成分分離手段）、および、Ｐ偏光成分１６およびＳ偏光成分１８に基づく画像を分離するためのピンホール３０を主構成要素としている。
【００８８】
次に、検査対象となる物体５６上に設けられた金メッキの特性について、図３から図５を参照して説明する。図３は、表面検査装置１で検査する金メッキの表面の原子間力顕微鏡（以下、ＡＦＭ：Atomic Force Microscopeという）による像（以下、ＡＦＭ像という）を示す拡大図である。図３は、金メッキ表面の凹凸が適切な光沢を得る正常光沢部および異常な光沢を示す異常光沢部のＡＦＭ像を示す図である。図４は、ＡＦＭ像の平均高さからの各点の変位の度数分布を示すグラフである。図５は、エリプソメトリーによる金メッキ表面の偏光解析結果を示すグラフである。
【００８９】
図３に示すように、金メッキの表面をＡＦＭで観察すると小さい凹凸の像が得られる。このような表面に光を照射すると乱反射が生じ、光沢の発生が抑制される。この凹凸の表面状態が変化することによって光沢の状態に変化が生じる。このような光沢の状態変化が部分的に生じた場合に、表面性状における凹凸の分布が異常と判断される。一般に表面に凹凸などの乱れがある場合、Ｐ偏光成分およびＳ偏光成分の反射率は、完全に平坦な金メッキの表面における、それぞれの反射率とは異なることが光学の基礎原理より示されている（非特許文献１参照）。
【００９０】
物質表面における凹凸の分布が異常である異常光沢部および正常光沢部におけるＡＦＭによる表面高さの二乗平均粗さｒｍｓ（root mean square）を比較すると、正常光沢部では二乗平均粗さｒｍｓが高く、異常光沢部では二乗平均粗さｒｍｓが低くなっている。これは、異常光沢部が正常光沢部に比べ平坦であり、理想平面の金メッキに近いことを示している。よって、エリプソメトリーで偏光解析を行うと、得られるパラメータΨ’＝ｔａｎ−１（Ｐ偏光成分の強度／Ｓ偏光成分の強度）は、異常部におけるパラメータΨ’の値が、平坦な金メッキの表面の測定結果に近い値を示す。
【００９１】
図３では、物質表面における凹凸の分布が異常である異常光沢部（＃１〜＃３）および正常光沢部（＃４）のＡＦＭ像が示されている。上段は１辺が３０μｍ、下段は１辺が９０μｍとなっている。図３のＡＦＭ像からは、異常光沢部および正常光沢部における画像の顕著な違いは見られないが、ＲＭＳ値（二乗平均粗さｒｍｓ）には明瞭な差が見られる。
【００９２】
図４は、ＡＦＭ像の平均高さからの各点の変位の度数分布を示すグラフである。グラフ全体５１２×５１２の点から構成されており、図４の（ａ）は異常光沢部（＃１〜＃３）の変位分布を示し、図４の（ｂ）は正常光沢部（＃４）の変位分布を示している。図４の例では、正常光沢部も異常光沢部もほぼガウス分布となっているが、正常光沢部の標準偏差は異常光沢部より大きい（広がりが大きい）ことが分かる。
【００９３】
図５に、正常光沢部および異常光沢部におけるエリプソメトリーの偏光解析結果を示す。図５を参照すると、正常光沢部および異常光沢部でパラメータΨ’の値が異なることが分かる。これは、物質表面における凹凸が反射光の偏光方向、すなわち、Ｓ偏光成分およびＰ偏光成分のそれぞれの反射率に影響することを示している。なお、完全に平坦な金メッキの表面におけるパラメータΨ’は４２．２度である。
【００９４】
得られるパラメータΨ’＝ｔａｎ−１（Ｐ偏光成分の強度／Ｓ偏光成分の強度）は、異常部におけるパラメータΨ’の値が平坦な金メッキの表面の測定結果（ここでは、４２．２度）に近い値を示す。この結果は正反射におけるパラメータΨ’の値であるが、本実施形態ではパラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）を用いているため、表面の粗さとパラメータΨの関係は正反射の場合と逆になる。
【００９５】
このように、各偏光成分の強度の比と物質表面における凹凸との間に相関があるので、偏光成分強度の比から物質表面における表面性状を求めることができる。これを用いて、正常光沢部および異常光沢部の光沢の状態と、パラメータΨの値とを予め計測し、金メッキ上の各点のパラメータΨをＣＣＤカメラなどの２次元検出器で測定すれば、異常光沢の存在を２次元的に検出することができる。具体的には、所定の閾値（例えば、２５以下）の場合に、異常光沢と判断して計測することができる。
【００９６】
次に、本実施形態で検査する対象となる金メッキの表面状態について、図６から図８を参照して説明する。図６は、プリント基板上に施された金メッキの一例を示す図である。図７は、図６の一つのパッドのＰ偏光成分（右）およびＳ偏光成分（左）の像の一例を示している。図８は、図７から計算されたパラメータΨの値を２次元情報として取得した例を示す図である。
【００９７】
図６に示すように、プリント基板上には、金属の接点が設けられている。金メッキ９０〜９９は、プリント基板上に設けられたメッキの一例である。なお、図８の金メッキ９１〜９４は、図６の同じ番号の金メッキとそれぞれ対応する。金メッキ９０〜９９は、プリント基板上の接点を覆う状態でメッキ処理されており、接点の腐食に対する耐性を高め、電気伝導率を上げる機能を果たしている。
【００９８】
図８のメッキ９１は均一な濃淡であり、正常光沢メッキであるが、メッキ９２〜９４は濃淡が変化しており、プリント基板上に施された金メッキには凹凸の分布の偏りが存在する。黒い部分は凹凸が小さく、二乗平均粗さｒｍｓが低い平坦な状態を示しており、白い部分は凹凸が激しく、二乗平均粗さｒｍｓが高い状態を示している。
【００９９】
図８では、図６および図７で示した金メッキの表面の状態を、２次元情報としてカメラで撮影し画像データとして取り込み、各画素のパラメータΨの値を計算し２次元画像として示している。図８の左端の金メッキ９１はほぼ均質な状態となっているが、金メッキ９２〜９９には表面状態にばらつきが生じ、光沢の異常が存在する状態になっている。
【０１００】
図９は、照明の入射角度を変えながら金メッキ部を観察した例である。入射角度によって、光沢の異常の見え方が異なることが分かる。しかし、入射角が７０度程度以上になると、図１７の（ａ）に示す金の反射率曲線からわかるように、Ｐ偏光成分は最小値をとり、その後、増加する。よって、図１７の（ｂ）に示すように、パラメータΨの値に対して計算される表面凹凸の度合い（二乗平均粗さｒｍｓ）は、２つの値が対応するため算出のために使用できない。
【０１０１】
図１６は、入射角度を変えた時に、本方法による正常光沢の金メッキおよび表面凹凸に分布の偏りがある異常光沢の金メッキにおける偏光方向のピーク位置（角度°）をグラフにしたものである。入射角度を大きくすると、正常光沢および異常光沢のメッキ部における角度の差が大きくなり、正常光沢品および異常光沢品の分離精度が向上する。
【０１０２】
しかしながら、上述のように、入射角度が７０度以上になると表面凹凸の度合いとパラメータΨの値は２価関数となるため本方法は使用できない。よって、本方法を用いる場合、６０度〜６５度の入射角が好ましい。
【０１０３】
次に、図１０および図１１を参照して、金メッキの表面からの散乱光のＰ偏光成分１６およびＳ偏光成分１８によって結ばれた像と、表面性状の検出結果について一例を示す。図１０および図１１は、光の照射角θ＝４５°の配置で得られた、金メッキ表面の光沢異常の検出結果を示している。
【０１０４】
なお、図１０は均一照明の下で行われた検出結果を、図１１は不均一な照明の下で行われた検出結果を示し、それぞれ、「Ｓａｍｐｌｅ１」〜「Ｓａｍｐｌｅ３」は光沢異常の存在する例を、「Ｓａｍｐｌｅ４」は光沢が正常な例を示している。また、「Ｓａｍｐｌｅ４」の画像の左下部分に欠けが見られるが、これはチェック用のマーカーをマジックで書き込んだもので光沢異常ではない。
【０１０５】
図１０および図１１において、サンプルごとに３つの金メッキ表面の状態を示しているが、中央および右側の画像は、それぞれＰ偏光成分およびＳ偏光成分画像である。左側の金メッキは、中央および右側の各偏光成分の像に基づいてパラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）の数式を用いてパラメータΨの値を計算し、光沢異常部＝閾値（ここでは、入射角が４５°において４０以上）の部分を黒く表示した図である。
【０１０６】
図１０は、ほぼ均一な光を照射したときの検出結果を示している。図１１は、図１０と同じサンプルについて、光源２０による、目視ではっきりとした照射に偏りが確認できる照射斑を故意に加え、かつ、照射強度を高めた光源を用いた場合の結果を示している。この場合でも、図１０とほぼ同じ光沢異常検出結果が得られており、表面検査装置１の安定性を示している。
【０１０７】
以上のように、本実施形態の表面性状の検査方法を用いることによって、検査対象に照射する光の光源の照射に偏りが存在する場合であっても影響をほとんど受けることなく、光沢異常の検出が可能になっていることが分かる。
【０１０８】
図１２は、図３に示したＡＦＭ像の各点における曲率半径を示すグラフである。図１２の（ａ）は、図３における光沢異常部（＃１〜＃３）の分布を示し、図１２の（ｂ）は、図３における正常光沢部の分布を示している。図１２の（ａ）および（ｂ）に示すグラフでは、曲率半径は数十ｍｍまでほぼ均等に広がっており、９９．５％が１００μｍ以上になっている。これは、入射波長の数百ｎｍと比較して十分に大きい。
【０１０９】
図１３は、図３に示したＡＦＭ像の各粒子における最近接粒子間距離の度数分布を示すグラフである。図１３の（ａ）は、図３における光沢異常部（＃１〜＃３）の分布を示し、図１３の（ｂ）は、図３における正常光沢部の分布を示している。図１３の（ａ）および図１３の（ｂ）を比較すると、度数がピークの状態（図１３の（ａ）では１１００ｎｍ前後、図１３の（ｂ）では１４０００ｎｍ前後）における間隔が光沢異常部（＃１〜＃３）では小さく、密度も高くなっており、光沢異常部が光沢正常部に比較し、平坦に近いことがわかる。
【０１１０】
次に、図１４および図１５を参照して、検査対象となる金メッキ表面の表面性状の検査結果を、検査対象となる物体の良否の判断に用いる場合について説明する。図１４および図１５は、検査対象の物体の正常品、異常品、および正常品の限界となる物体におけるパラメータΨの度数を示すグラフである。
【０１１１】
図１４は、横軸にパラメータΨ（単位：°）、縦軸を度数として、それぞれ、正常品と判断される金メッキ、および、異常品と判断される金メッキに対するΨの計測結果を示したものである。
【０１１２】
図１４では、３つのグループのグラフが示されている。グラフの左側にピークが存在するグループの３本のグラフは、計測対象の金メッキが「異常光沢品」と判断されるものを示している。グラフの右側にピークが存在するグループの２本のグラフは、計測対象の金メッキが「正常光沢品」と判断されるものを示している。左側のグループおよび右側のグループの間に位置し、中央にピークが存在するグループは、異常光沢品および正常光沢品の境界にあたる「正常光沢限界品」のグラフを示している。
【０１１３】
図１５では、「正常光沢限界品」の基準グラフと、物体表面における凹凸の分布に偏りを含む「異常光沢品」のグラフから異常度合いを計算する方法を示している。「正常光沢限界品」のグラフよりも上側で、かつ、「異常光沢品」のグループのグラフよりも下側に含まれる領域（図１５の斜線部）の異常光沢品グラフ全体の面積に対する割合を異常度合い（％）として定義する。このようにして異常光沢のメッキを分類することや、閾値を設けて、不良の検出を行うことができる。
【０１１４】
図１６では、入射角度θおよびピーク偏光角度の関係を示している。ここでは、ピーク偏光角度を１０倍にしてグラフに示している。ここでは、入射角度θが「６２．５°」から「４７．５°」に減少するに従って、ピーク偏光角度の差が減少しており、入射角度は６２．５°の場合、その差が最も大きく、正常光沢品・異常光沢品を区別するのに最も適していることが分かる。しかし、入射角が７０度程度以上になると、図１７の（ａ）の金の反射率曲線からわかるように、Ｐ偏光成分は最小値をとり、その後、増加する。よって、図１７の（ｂ）にように、計算されるパラメータΨの値に対して表面凹凸の度合い（二乗平均粗さｒｍｓ）は、２つの値が対応するため使用できない。
【０１１５】
以上のように、図１に示す表面検査装置１（または表面検査方法）では、ウォラストンプリズム１０が、検査対象の物体５６表面に照射された光の散乱光を散乱面に平行な振動成分であるＰ偏光成分１６と、散乱面に垂直な振動成分であるＳ偏光成分１８とに分離する（偏光成分分離ステップ）。
【０１１６】
これにより、検査対象の物体５６表面の性状を精度よく検出できる。これは、物質の表面（例えば、金属メッキされた物体５６表面など）に照射された光の散乱光は、物体５６表面における凹凸の分布の状態によって散乱角度および各偏光成分の割合が変化するためである。また、金属の場合であれば、吸収係数が高いために反射率は高い値を示すが、物体５６表面における凹凸の分布の状態によって各偏光成分の散乱強度が高くなったり低くなったりするので、一定の偏光方向の光を入射させた場合、物体５６表面における凹凸の分布に応じて各偏光成分の強度が異なるためである。
【０１１７】
また、画像解析部５０は、ウォラストンプリズム１０によって分離された、Ｐ偏光成分１６およびＳ偏光成分１８のそれぞれの検出画像から算出される強度比相関パラメータの値に基づいて、物体５６の表面の性状を判断する（表面性状判断ステップ）。
【０１１８】
ここに、「強度比相関パラメータ」とは、Ｐ偏光成分１６の強度に対するＳ偏光成分１８の強度の比（以下、単に「偏光強度比」という）と相関をもつパラメータであるＰ偏光成分１６の強度に対するＳ偏光成分１８の強度の比そのものを含め、当該偏光強度比と相関をもつパラメータのことである。例えば、上述したパラメータΨを例示することができる。
【０１１９】
この強度比相関パラメータの値は、従来の技術では検出が困難であった物体５６表面の比較的小さな変化の群ととらえられる欠陥である、凹凸の分布の偏りやムラの状態を判断（検出）する指標となり得る。
【０１２０】
また、散乱強度比と相関をもつ強度比相関パラメータを用いているため、検査対象に照射する光の強度分布に偏りが存在する場合であっても、影響をほとんど受けることなく物体５６表面の性状を精度良く判断することができる。
【０１２１】
よって、強度比相関パラメータの値を利用することにより、物体５６表面における凹凸の分布の偏りやムラの状態を精度良く検出することが可能となる。
【０１２２】
なお、強度比相関パラメータは、従来技術の検査対象である、物体５６表面の比較的大きな変化の群ととらえられる欠陥である、物体５６表面の異物や疵の状態を判断する指標としても好適である。
【０１２３】
ところで、上記の特許文献１に記載されている技術では、カメラを使用して物体表面の性状の異常（光沢ムラ）を検出しており、液晶を駆動する電気回路や同期して画像を取得する制御部が必要で装置が大掛かりとなるという問題を生じる。さらに、時間分割でＳ偏光、Ｐ偏光を取得するために、画像取得に１画面の２倍の時間が必要となるため、スループットを高くできないという副次的な課題が生じる。
【０１２４】
しかしながら、上述のように、表面検査装置１（または表面検査方法）では、ウォラストンプリズム１０により、同一の光に由来する散乱光が、散乱面に平行な振動成分であるＰ偏光成分１６と、散乱面に垂直な振動成分であるＳ偏光成分１８とに分離される。
【０１２５】
また、対物レンズ１２、アイリス１４、ピンホール３０により、Ｐ偏光成分１６およびＳ偏光成分１８を同一の検出画面上で結像させて得られた２つの検出画像を取得することが可能となっている。よって、例えば、物体５６表面に光を照射するための光学系や、散乱光を受光するための光学系などの構成を簡素化できる。また、Ｐ偏光成分１６の検出画像と、Ｓ偏光成分１８の検出画像とのクロストークを抑制しつつ、これらの検出画像の検出精度を高めることができる。よって、上記の副次的な課題を解決することができる。
【０１２６】
なお、特許文献２および３に記載されている技術では、対象とする試料の１点のみの光沢を計測しているだけであり、検査対象面の全体の計測に用いることは難しい。また、１点のみの検査を試料に沿って繰り返し行うことで、広い範囲に対して適用する方法も考えられるが、スループットが極端に低くなるという副次的な問題点を生じる。しかしながら、表面検査装置１（または表面検査方法）では、ＣＣＤカメラ４０を用いているので、このような副次的な問題点も生じない。
【０１２７】
また、特許文献２、４および５に記載されている技術では、偏光方向の異なる偏光成分のそれぞれを異なる受光器で検出しているため、光学系の構成が大掛かりとなるという副次的な問題点を生じる。しかしながら、表面検査装置１（または表面検査方法）では、単一のＣＣＤカメラ４０にて偏光方向の異なる偏光成分のそれぞれを検出しているため、このような副次的な問題点も生じない。
【０１２８】
さらに、特許文献３および６に記載されている技術は、取得したＰ偏光成分とＳ偏光成分とにクロストークが生じる可能性が高い構成であるという副次的な問題点がある。しかしながら、表面検査装置１（または表面検査方法）では、ウォラストンプリズム１０、対物レンズ１２、アイリス１４、およびピンホール３０の位置関係等を調整することにより、Ｐ偏光成分１６の検出画像と、Ｓ偏光成分１８の検出画像とのクロストークを抑制しつつ検出できるので、このような副次的な問題点も生じない。
【０１２９】
以上より、物体５６表面の表面性状を簡素な構成で精度よく検出することができる。
【０１３０】
また、本実施形態の表面検査装置１では、画像解析部５０は、パラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）の数式で求めたパラメータΨの値が所定の値よりも大きいか否か基づいて表面性状の良否を判断している（表面性状判断ステップ）。
【０１３１】
ここで、パラメータΨの値は、凹凸の分布の偏りやムラの状態を判断するための指標として特に優れたパラメータであることを本願発明者は新たに見出した。すなわち、このパラメータΨを利用することにより、従来技術では困難であった、凹凸の分布の偏りやムラの状態をより精度良く判断することが可能となる。
【０１３２】
また、本実施形態の画像解析部５０は、パラメータΨの値が所定の値（閾値）よりも大きいか否か基づいて物体５６表面における凹凸の分布の偏りを判断している。これによって、検査対象に照射する光の光源に照射に偏りが存在する場合であっても、影響をほとんど受けることなく物体５６表面における凹凸の分布の偏りを検出することができる。
【０１３３】
しかしながら、凹凸の分布の偏りの判断は、このような単にパラメータΨの値と閾値とを比較して判断する方法に限られない。すなわち、後述する表面検査装置１ａように、パラメータΨを用いて所定の写像を構成することにより、値域パラメータ（判断パラメータ）を求める方法を採用しても良い。このようにして求めた判断パラメータの値に基づいて、物体５６表面の性状を定量的な手法で判断することが可能となる。
【０１３４】
本実施形態の表面検査装置１では、散乱光の入射視野角を調整するピンホール３０をさらに備えている。
【０１３５】
上記の構成によれば、ピンホール３０が散乱光の入射視野角を調整する役割を果たすので、そのままでは偏光成分に分離された画像が重なるような場合でも、偏光成分に基づく画像を分離して取得することができる。
【０１３６】
なお、本実施形態の表面検査装置１では、ウォラストンプリズム１０の代わりにビームディスプレーサを用いてもよい。ウォラストンプリズムでは、Ｐ偏光成分光とＳ偏光成分光が光軸を中心に対象な方向に進行するため、Ｐ偏光・Ｓ偏光画像の間隔を調整できる。
【０１３７】
しかしながら、ビームディスプレーサでは、Ｐ偏光成分光とＳ偏光成分光が一定距離を隔てて、平行に進行するため、像間の距離を変更できない。よって、検査対象物の大きさが変化する場合や倍率が変化する場合、ビームディスプレーサは、その仕様に合わせて結晶を製作する必要がある。これに対して、ウォラストンプリズムでは、その位置によって調整が可能なため、ウォラストンプリズムを使うことが好ましい。
【０１３８】
上述のように、偏光成分を分離する手段としてウォラストンプリズム１０やビームディスプレーサを任意に用いることによって、簡素な構成でＰ偏光成分１６およびＳ偏光成分１８を同時に得ることができるので、表面検査装置１を小型化することができる。
【０１３９】
本実施形態の表面検査装置１では、光が照射される物体５６表面は、Ａｕでメッキされたメッキ平面であり、光の物体５６表面に対する入射角度が６０度から６５度である。
【０１４０】
上記の構成によれば、Ａｕでメッキされたメッキ平面に対して精度のよい物体表面における凹凸の分布の偏りの検出ができるので、検査対象として需要の高い、携帯電話機を始めとする様々な電子機器のプリント基板に対する表面検査装置１として利用することができる。
【０１４１】
〔２．表面検査装置１ａ〕
本発明の一実施形態について図１８から図２６に基づいて説明すると以下の通りである。
【０１４２】
なお、以下の実施形態では、表面状態特定装置（表面性状判断手段）６０が、同心円状に金メッキされた物体の表面に生じる光沢ムラを検査し、分類する場合を例に説明を行うが、これに限るものではない。同様に、物体５６表面における凹凸の二乗平均粗さｒｍｓが照射光の波長より小さく、凹凸の曲率半径が照射光の波長に比較し十分に長い他の金属メッキの表面や、金属メッキに限定されない金属製品または非金属製品（樹脂製品、セラミックス製品）などの他の材質で覆われた平面の表面に生じるムラの検査に用いてもよい。
【０１４３】
ただし、本実施形態のような金メッキに対して適用する場合には、携帯電話機を始めとする様々な電子機器のプリント基板に対する表面検査装置として利用することができるため、特に効果が大きい。
【０１４４】
まず、図１８を参照して本実施形態で用いる表面状態特定装置６０の要部構成について説明する。
【０１４５】
本実施形態の表面状態特定装置６０は、偏光成分算出部（偏光成分算出手段）６２、検索座標算出部（座標算出手段）７０、特徴量抽出部（初期特徴抽出手段）７０ａおよびデータ解析部（領域判定手段）８０を備えており、外部の画像入力部１００から入力された画像データに対して判定を行う。検索座標算出部７０は、Ｐｘ算出部７２、Ｐｙ算出部７４、およびＰｚ算出部７６を備えている。データ解析部（領域判定手段）８０は、良品・不良品判定部（良品・不良品判定手段）８２、三日月状斑判定部（三日月状斑判定手段）８４、斑点状斑判定部（斑点状斑判定手段）８６、境界型斑判定部（境界型斑判定手段）８８、および平均値算出部（平均値算出手段）８９を備えている。なお、画像入力部１００として、ＣＣＤカメラ４０が直接表面状態特定装置６０に接続されていても良い。また、上述した表面検査装置１の画像解析部５０は、以下で説明する表面状態特定装置６０と同一の機能を有していても良い。
【０１４６】
以下、表面状態特定装置６０の各部の機能について説明する。
【０１４７】
画像入力部１００は、表面状態特定装置６０の外部にある画像入力デバイスで、カメラなどで撮影された画像データを表面状態特定装置６０の偏光成分算出部６２に入力する。
【０１４８】
偏光成分算出部６２は、画像入力部１００から入力されたデータを、Ｐ偏光成分およびＳ偏光成分に分離して、各偏光成分の比を算出する。ここで、Ｐ偏光成分とは、物体表面に照射された光の散乱面に平行な振動成分であり、Ｓ偏光成分とは、散乱面に垂直な振動成分である。
【０１４９】
散乱光を異なる２つの偏光成分に分離して判断することによって、検査対象の物体５６表面の表面性状を精度よく検出できる。これは、物質の平面、具体例をあげれば、金属メッキされた物体の表面などに照射された光の散乱光は、物体５６表面における凹凸の分布の状態によって角度および偏光成分の比が変化するためである。
【０１５０】
金属の場合であれば、吸収係数が高いために反射率は高い値を示すが、物体５６表面における凹凸の分布の状態によって各偏光成分の散乱強度が高くなったり低くなったりするので、一定の偏光方向の光を入射した場合、物体５６表面における凹凸の分布に応じて各偏光成分強度が異なる。
【０１５１】
偏光成分の比の算出方法について、詳細は後述するが、偏光成分算出部６２は、パラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）の式を適用することでパラメータΨの値を算出し、検索座標算出部７０に入力する。
【０１５２】
検索座標算出部７０は、偏光成分算出部６２が算出したパラメータΨの値の分布を用いて、物体表面の凹凸の状態を示すための直交または極座標空間（原点は、同心円状の金メッキパッドの中心、ｘ−ｙ平面またはｒ−θ平面は、物体表面の凹凸の基準面）におけるパラメータＰｘ、ＰｙおよびＰｚの値のそれぞれを算出する。
【０１５３】
具体的には、Ｐｘ算出部７２は、
（１）パラメータΨ＝Ｒ（ｒ，θ）の動径方向の重み付け平均の角度微分の標準偏差であるパラメータＰｘ、
（２）パラメータΨ＝Ｒ（ｘ、ｙ）の重心座標のノルム（直交または極座標空間の原点からパラメータΨの重心までの距離）であるパラメータＰｙ、
（３）パラメータΨ＝Ｒ（ｒ，θ）の動径方向の重み付け平均であるパラメータＰｚのそれぞれを、所定の写像を具現化する検索空間内の座標として算出する。
【０１５４】
これは、パラメータＰｙ（重心）が、三日月型斑を判別するための指標として好適なパラメータであり、パラメータＰｚ（動径方向の重み付け平均）が、斑点状斑を判別するための指標として好適なパラメータであり、パラメータＰｘ（Ｐｚの角度微分の標準偏差）が、境界型斑を判別するための指標として好適なパラメータだからである。
【０１５５】
なお、本実施形態では、検索空間の座標として、パラメータＰｘ、Ｐｙ、Ｐｚの３つを用いて３次元の検索空間を構成しているが、検索空間の次元数はこれに限定されない。
【０１５６】
例えば、パラメータＰｘ、Ｐｙ、Ｐｚのうち少なくとも１つ以上のパラメータで検索空間を構成しても良い。すなわち、検索空間の次元は、設定したパラメータの数（１つから３つまで）に応じて、１次元から３次元までのいずれの次元であっても良い。
【０１５７】
また、これらの検索座標算出部７０の各部で行う計算については、詳細は後述するものとする（図２０参照）。
【０１５８】
データ解析部８０は、検索座標算出部７０の各部が算出した座標（Ｐｘ，Ｐｙ，Ｐｚ）が、検索空間内に設定された複数の領域のどの領域に属するかを判定する。
【０１５９】
具体的には、良品・不良品判定部８２は、検索座標算出部７０の各部が算出した座標（Ｐｘ，Ｐｙ，Ｐｚ）により示される座標が、良品に応じて設定された領域に属する場合、当該物体表面は光沢斑がほぼ均一な、良品であると判断する。なお、良品領域の範囲として、詳細は後述するが、各軸の原点付近を中心とする楕円体の領域内が該当する（図２６参照）。
【０１６０】
同様に、三日月状斑判定部８４、斑点状斑判定部８６、および境界型斑判定部８８は、検索座標算出部７０の各部が算出した座標（Ｐｘ，Ｐｙ，Ｐｚ）が、それぞれの種類の光沢ムラに対応する範囲として設定された領域に含まれるか否かを確認し、当該物体表面に各種類の光沢ムラが存在すると判断する。なお、詳細は後述するが、本実施形態では、上記算出した座標（Ｐｘ，Ｐｙ，Ｐｚ）が良品領域にも、斑点状斑領域にも、境界型斑領域にも属さない場合、三日月状斑領域に分類されるとする（図２６参照）。なお、各光沢ムラの種類について、詳細は後述する。
【０１６１】
平均値算出部８９は、複数の物体表面、例えば、１枚のプリント基板上に配置された複数の金メッキに対して、検索座標算出部７０の各部が算出した座標の平均を算出することによって、シート全体の光沢ムラを総合的に分類する。複数の物体表面を対象とした光沢ムラの分類についての詳細は後述する。
【０１６２】
次に、図１の（ｂ）、図１８および図１９を参照して、表面状態特定装置６０を含む表面検査装置１ａの構成について説明する。
【０１６３】
図１９は表面状態特定装置６０の全体構造の概要を示す側面図であり、図１の（ｂ）は表面検査装置１ａの散乱光検出部の原理を示す拡大図である。
【０１６４】
なお、表面検査装置１ａは、表面状態特定装置６０以外の構成は、図１に示す表面検査装置１と同じである。そこで、ここでは、表面状態特定装置６０以外の構成については、説明を省略する。
【０１６５】
また、以下では、表面検査装置１ａの構成のうち、光源２０、コリメータレンズ２２、およびポラライザ２４から構成される、光を計測対象の物体５６表面に照射する部材を光照射部と呼ぶ。また、ピンホール３０、対物レンズ１２、アイリス調整部３６、ウォラストンプリズム位置調整部３８、対物レンズ１２、ＣＣＤカメラ４０、アイリス１４、ウォラストンプリズム１０、および表面状態特定装置６０から構成される、物体５６表面に照射された光の散乱光を取得するための部材を散乱光検出部と呼ぶものとする。
【０１６６】
次に、図２０〜図２４を参照してパラメータΨの値の分布に基づく検索空間内の座標（Ｐｘ，Ｐｙ，Ｐｚ）の算出方法について説明する。図２０の（ａ）〜図２０の（ｃ）は、検索空間のｘ軸、ｙ軸、ｚ軸方向に設定した領域分類に用いる各パラメータを説明する図である。図２１の（ａ）は、ムラのない良品の金メッキを、図２１の（ｂ）は、三日月状斑に分類される金メッキを、図２１の（ｃ）は、境界型斑に分類される金メッキを、図２１の（ｄ）は、斑点状斑に分類される金メッキを示す上面図である。図２２は、ＣＣＤカメラ４０（検出画面）上に結像された金メッキのＰ偏光成分（右）およびＳ偏光成分（左）の画像例を示す図である。
【０１６７】
なお、本実施形態では、物体表面にあたる金メッキに入射角６２．５度、中心波長６５０ｎｍのＬＥＤ光をＰ偏光およびＳ偏光で入射した場合の例に基づいて説明を行うが、これに限るものではない。
【０１６８】
まず、前述のように、偏光成分算出部６２が、パラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）の式を適用することでパラメータΨの値を算出し、このパラメータΨの値の分布を用いて検索座標算出部７０の各部が検索空間内の座標（Ｐｘ，Ｐｙ，Ｐｚ）を算出する（座標算出ステップ）。パラメータΨの値の算出方法について、以下に説明する。
【０１６９】
一般に、金メッキの表面をＡＦＭで観察すると小さい凹凸の像が得られる。このような表面に光を照射すると乱反射が生じ、光沢の発生が抑制される。この凹凸の表面状態が変化することによって光沢の状態に変化が生じる。このような光沢の状態変化が部分的に生じた場合に、表面性状における凹凸の分布が異常と判断される。一般に表面に凹凸などの乱れがある場合、Ｐ偏光成分１６およびＳ偏光成分１８の反射率は、完全に平坦な金メッキの表面におけるそれぞれの反射率とは異なることが光学の基礎原理より示されている。
【０１７０】
なお、物体表面の凹凸に起因するプリント基板上の金メッキの光沢ムラは、経験的に３種類に分類されている（図２１参照）。図２１の（ａ）は、ムラのない良品の金メッキを、図２１の（ｂ）は、三日月状斑に分類される金メッキを、図２１の（ｃ）は、境界型斑に分類される金メッキを、図２１の（ｄ）は、斑点状斑に分類される金メッキを示す上面図である。
【０１７１】
ここで、各光沢ムラの種類について説明する。三日月状斑は、同心円状の金メッキの外周に沿って三日月状にムラが存在する状態、斑点状斑は、微小な光沢ムラが散在する状態、境界型斑は正常光沢部と光沢ムラ部の境界が鮮明な状態である。実際は、それらが複合された光沢ムラも存在するため、目視では明確な分類が難しいものもある。また、基板内では同種の光沢ムラが発生する場合が多い。
【０１７２】
図２２は、金メッキに入射角６２．５度、中心波長６５０ｎｍのＬＥＤ光をＰ偏光およびＳ偏光で入射した場合の、拡散光のＳ偏光成分の画像（検出画像）およびＰ偏光成分の画像（検出画像）である。ここでは、メッキの一部が、光沢ムラによってコントラストの変化を生じている。図２２の左の画像および右の画像における各点の強度より、パラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）の値を計算し、パラメータΨの分布図を得る（図２３参照）。このとき、パラメータΨは、表面ラフネス（二乗平均粗さｒｍｓ）と図２４に示すような関係があり、パラメータΨの値は表面ラフネスと１対１の対応関係がある。
【０１７３】
一般的に、光沢ムラは物体表面の凹凸分布が異なることから生ずる。ここで、均一な光沢の金メッキでは、パラメータΨの値の重心がメッキ中央近傍に位置することが容易に分かる。逆に、その重心の位置によって光沢ムラの存在を検出することができる。例えば、三日月状の光沢ムラは、上述の重心が外周方向に偏る。
【０１７４】
また、境界型の光沢ムラは、パラメータΨの値が急激に変化することから、パラメータΨの微分によって検出することが可能である。このように、それぞれの光沢ムラの分布状態を反映した次の３つのパラメータを定義する。
【０１７５】
本実施形態では、図２１の（ａ）〜図２１の（ｃ）に示した３種類のムラと、ムラのない良品とを分類するために、図２０の（ａ）に示す検索空間を用い、物体表面の凹凸の状態を示すための直交座標空間または極座標空間におけるパラメータΨの値をＲ（ｘ，ｙ）、Ｒ（ｒ，θ）およびＦ（θ，φ）とし、検索空間におけるｘ軸、ｙ軸およびｚ軸にそれぞれのムラの特徴を抽出できる数式に当てはめてパラメータを算出している。
【０１７６】
Ｒ（ｘ，ｙ）とは、同心円状の金メッキの中心を原点とし、物体表面の凹凸の基準面をｘ−ｙ平面としたときのｘ−ｙ平面におけるパラメータΨの値を示すものである。また、Ｒ（ｒ，θ）とは、同心円状の金メッキの中心を原点とする極座標（ｒ，θ）におけるパラメータΨの値を示すものである（図２０の（ａ）参照）。
【０１７７】
図２０の（ａ）に示すように、動径方向の重み付け平均（＝Ｐｚ）の角度微分の標準偏差を求め、検索空間のｘ軸への射影であるパラメータＰｘを、以下の数式１を当てはめて算出している。
【０１７８】
【数１】
【０１７９】
なお、同様 図２０の（ｂ）は、同心円状の金メッキの中心を原点として、放射状に２００分割した様子を示している。この際、２００分割した各扇形内における極座標のθおよび表面ラフネスを示したものが、図２０の（ｃ）である。
【０１８０】
以下の数式２を用い、原点からＲ（ｘ，ｙ）の重心までの距離（ノルム）を算出し、検索空間のｙ軸への射影であるパラメータＰｙを算出している。
【０１８１】
【数２】
【０１８２】
同様に、以下の数式３を用い、Ｒ（ｒ，θ）の動径方向の重み付け平均を算出し、検索空間のｙ軸への射影であるパラメータＰｚとしている。
【０１８３】
【数３】
【０１８４】
次に、図２５は、多数のサンプルについて、上記各数式を用いて算出したパラメータＰｘ，Ｐｙ，Ｐｚのそれぞれを、楕円体の領域内外による分類における一つの指標と捉え、検索空間におけるｘ軸、ｙ軸およびｚ軸のそれぞれに射影してプロットした結果が図２５である。
【０１８５】
図２５では、検索空間内において、各座標が含まれる領域がどのムラに分類されるかを示している。なお、図２６において、検索空間内において、各ムラの種類の応じて設定された複数の領域の範囲を数式で示している。
【０１８６】
図２５に示すように、上記数式を用いて算出した結果、ムラの種類によって検索空間内の異なる位置に集中する分布が得られる。図２５は、約５００個の金メッキに対する算出結果の分布を示すものである。なお、図２５における分類は、目視による結果に基づいて分類を行っている。
【０１８７】
図２５および図２６に示すように、三日月型斑、斑点状斑、および境界型斑が、正常光沢品を中心として取り囲むように分布している。ここで、正常品および各ムラに分類される検索空間内の各領域について、図２６を参照して説明する。
【０１８８】
図２６は、検索空間内において、良品（正常光沢品）、斑点状斑、および、境界型斑に分類される金メッキが属する領域のそれぞれの境界が楕円体で表されるものと仮定して楕円体の領域内外による分類を行った結果を示す。
【０１８９】
図２６に示すように、良品（正常光沢品）を示す領域は、数式４に示す楕円体内の領域として定義される。
【０１９０】
【数４】
【０１９１】
同様に、斑点状斑を示す領域は、数式５に示す楕円体内の領域として定義される。
【０１９２】
【数５】
【０１９３】
同様に、境界型斑を示す領域は、数式６に示す楕円体内の領域として定義される。
【０１９４】
【数６】
【０１９５】
なお、三日月状斑に分類される領域は、上記数式４〜数式６で示す領域外の全ての領域とする。
【０１９６】
このように、算出した座標（Ｐｘ，Ｐｙ，Ｐｚ）が、検索空間内で定義された各領域に属するか否かを判断することで、物体５６表面がいずれの種類の光沢ムラ（または、正常光沢状態）であるかを分類している。
【０１９７】
上述の実施形態では、プリント基板状の各金メッキについて光沢ムラを判断する場合を例に説明したが、これに限るものではない。複数の金メッキについて同様のパラメータを算出し、その平均値を用いることで、プリント基板のシート全体の良否を判定することもできる。
【０１９８】
具体的には、目視検査では、まず、良品パッドと不良品パッドを個々に判断するのではなく全体の傾向を見て、プリント基板のシート毎の判断を行うという柔軟な判別が含まれている。本手法でも、パッド毎のムラ分類を行うとともにシート毎の判断法を取り入れて、良否を判別する方法を用いることもできる。以下に手順を示す。
【０１９９】
（１）複数の金メッキ部分が施されたＦＰＣシート内の金メッキパッドにおいて、上述の数式１〜数式３を用いて、座標（Ｐｘ、Ｐｙ、Ｐｚ）を算出する。
【０２００】
（２）算出した座標（Ｐｘ、Ｐｙ、Ｐｚ）を検索空間上にプロットする。本実施形態では、３３箇所の金メッキ部分について、それぞれの座標（Ｐｘ、Ｐｙ、Ｐｚ）を算出し、３３個の点をプロットする。
【０２０１】
（３）３３個の各点について、座標（Ｐｘ、Ｐｙ、Ｐｚ）の平均値を計算し、新たな座標（Ｃｘ、Ｃｙ、Ｃｚ）とする。
【０２０２】
（４）（Ｃｘ、Ｃｙ、Ｃｚ）が良品領域にあれば、そのシート全体を良品と判断する。
【０２０３】
（５）（Ｃｘ、Ｃｙ、Ｃｚ）が良品領域以外の領域に位置すれば、各パッドについて三日月状斑、斑点状斑、境界型斑のどの領域に入るか判断し、パッド毎にムラの種類を分類する。
【０２０４】
このように、複数の金メッキ部分を備えたプリント基板に対しても、平均値を用いて検索空間のどの領域に位置するかを判断することで、複雑な計算を行うことなく、容易に高速にプリント基板全体のムラを分類することができる。
【０２０５】
以上のように、表面状態特定装置６０（または上記の画像解析部５０）は、強度比相関パラメータ（またはパラメータΨ）の値の分布を反映した画像データから抽出される画像特徴量（例えば、強度比相関パラメータ、パラメータΨそのもの、パラメータＰｘ、Ｐｙ、Ｐｚ、パラメータＣｘ、Ｃｙ、Ｃｚ、または、後述する初期特徴パラメータ、形状特徴量のうちの少なくとも１つ以上）を定義域のパラメータとし、物体５６表面の性状を判断するために予め定めた判断パラメータを値域のパラメータとして構成した所定の写像を用いて、強度比相関パラメータの値から求めた判断パラメータの値に基づいて、物体５６表面の性状を判断しても良い（表面性状判断ステップ）。
【０２０６】
画像特徴量を定義域のパラメータとし、判断パラメータを値域のパラメータとして所定の写像を予め構成しておくことにより、この写像を用いて２つの検出画像から抽出した強度比相関パラメータの値の分布が反映された画像データから抽出される画像特徴量の値から、対応する判断パラメータの値を求めることができる。
【０２０７】
また、画像特徴量を用いて写像を構成することにより、例えば、信頼性（精度）の高い、良否を判定するために有意な差がある判断パラメータを求めることができる。このようにして求めた判断パラメータの値に基づいて、物体５６表面の性状を定量的な手法で判断することが可能となる。
【０２０８】
ここで、判断パラメータとしては、検出対象同士の類似度を示すパラメータや、検出対象を複数のグループに分類したときに、どのグループに分類されるかを示すパラメータなどを例示することができる。
【０２０９】
なお、上記のように画像特徴量を上記の画像データから直接抽出しても良いが、画像データから画素毎の勾配を求め、画素毎の勾配から画像特徴量を抽出しても良い。
【０２１０】
例えば、各画素の画素位置ｘ（ｉ，ｊ）における局所的な縦方向勾配Ｓｙおよび横方向勾配Ｓｘは、次式のように求められる。
【０２１１】
Ｓｘ＝ｘｉ＋１,ｊ−１−ｘｉ―１,ｊ−１＋２ｘｉ＋１,ｊ−２ｘｉ―１,ｊ＋ｘｉ＋１,ｊ＋１−ｘｉ―１,ｊ＋１
Ｓｙ＝ｘｉ−１,ｊ＋１−ｘｉ−１,ｊ−１＋２ｘｉ,ｊ＋１−２ｘｉ,ｊ−１＋ｘｉ＋１,ｊ＋１−ｘｉ＋１,ｊ−１
ここで、ｘｉ,ｊは画素位置ｘ（ｉ，ｊ）における画素値を表し、ｉは水平方向に沿った画素の位置を、ｊは垂直方向に沿った画素の位置をそれぞれ表す。ここに、ｉおよびｊは正の整数である。
【０２１２】
また、勾配の大きさは、ＡＢＳ（Ｓ）＝（Ｓｘ2＋Ｓｙ2）1/2で与えられ、勾配の方向は、ＡＮＧ（Ｓ）＝ｔａｎ-1（Ｓｙ／Ｓｘ）で与えられる。
【０２１３】
なお、写像を構成する方法としては、例えば、
（１）画像特徴量〔または、強度比相関パラメータ（例えば、パラメータΨ）そのもの〕の値の分布から、統計的特徴を抽出して写像（例えば、ヒストグラムなど）を構成する方法、
（２）画像特徴量を説明変数とし、判断パラメータを目的変数として多変量解析を行って所定の写像（例えば、検索空間など）を構成する方法などを挙示できる。
【０２１４】
また、多変量解析とは、互いに関係のある多変量（他種類の特性値）のデータが持つ特徴を要約し、かつ、目的に応じて総合するための手法のことである。
【０２１５】
また、多変量解析には、
（１）予測式（関係式）の発見や量の推定などに用いる重回帰分析や正準相関分析、
（２）標本の分類や質の推定などに用いるクラスター分析や判別分析、
（３）多変量の統合整理（減らす）、変量の分類、および代表変量の発見などに用いる主成分分析や因子分析などが含まれる。なお、これらの方法のいずれを採用するかは、目的に応じて選択すれば良い。
【０２１６】
また、上記のように写像を構成する手法のその他の例としては、例えば、複数種類の所定の画像特徴量（定義域のパラメータ）を変数として重み付けを行った線形結合式に対して、多数のサンプルから抽出した対応する画像特徴量の値を代入したときに、「１（良品）」および「０（不良品）」の値（判断パラメータ）のいずれかを取るように、各重み付け係数を決定し、決定した線形結合式（写像）を用いて良品・不良品の判別を行っても良い。すなわち、判別対象から抽出した特徴量を線形結合式に代入し、その結果が、「１」に近ければ、良品、「０」に近ければ不良品と判断する。
【０２１７】
また、本実施形態の表面状態特定装置６０は、物体５６表面に照射された光の散乱光を、散乱面に平行な振動成分であるＰ偏光成分１６と、散乱面に垂直な成分であるＳ偏光成分１８とに分離し、そのＰ偏光成分の強度に対するＳ偏光成分強度の比と相関を持つパラメータΨを算出する偏光成分算出部６２と、物体５６表面において分布するパラメータΨの値の分布から、検索空間内の座標（Ｐｘ、Ｐｙ、Ｐｚ）を算出する検索座標算出部７０と、座標（Ｐｘ、Ｐｙ、Ｐｚ）が、物体５６表面の光沢ムラの種類に応じて検索空間内に複数設定された領域のいずれに属するかを判定するデータ解析部８０とを備えている（領域判定ステップ）。
【０２１８】
上記の構成によれば、物体５６表面に照射された光の散乱光をＰ偏光成分１６およびＳ偏光成分１８に分離し、Ｐ偏光成分１６に対するＳ偏光成分１８の比と相関を持つパラメータΨの値の分布から算出される座標の検索空間内における位置で分類しているので、複数の原因に基づくムラの種類を容易に分類できる。これによって、物体５６表面に生じた光沢ムラの種類を容易に判定し、分類することができる。
【０２１９】
また、検索座標算出部７０の各部が、各光沢ムラの性質に対応した座標（Ｐｘ、Ｐｙ、Ｐｚ）を算出することで、各光沢ムラの種類を検索空間内の座標として分類することができる。これによって、物体５６表面の光沢ムラの種類を所定の写像を具現化する検索空間内の座標として各光沢ムラの傾向を特定できるので、光沢ムラをその特徴に沿って正確に分類することができる。
【０２２０】
上記の表面状態特定装置６０では、複数の物体表面のそれぞれについて上記検索座標算出部７０が算出した座標（Ｐｘ、Ｐｙ、Ｐｚ）のそれぞれについて、平均値Ｃｘ、平均値Ｃｙ、および平均値Ｃｚを算出する平均値算出部８９を備え、データ解析部８０は、平均値Ｃｘ、平均値Ｃｙ、および平均値Ｃｚによって示される座標が、検索空間内に複数設定された領域のいずれに属するかを判定している（領域判定ステップ）。
【０２２１】
これにより、検索座標算出部７０が算出した座標（Ｐｘ、Ｐｙ、Ｐｚ）の平均値を求め、その平均値からなる座標が、検索空間内のいずれの領域に属するかを判断するので、対象となる１箇所の物体５６表面だけでなく、複数の物体５６表面を総合的に分析できる。これによって、複数の物体５６表面を含む検査対象の物体全体の光沢ムラを分類することができる。
【０２２２】
これは、光沢ムラの種類によって、検索空間内における座標の位置が異なるからである。このため、検索空間内における座標の位置を特定できれば、物体５６表面に存在する光沢ムラの種類を判別することができる。
【０２２３】
ところで、上記特許文献１〜３に記載の技術従来では、対象となる物体５６表面が一様であるか、あるいは、光沢ムラが存在するかのいずれであるかを判断することはできるものの、どのような原因で光沢ムラが発生したのか、また、どのように対処すれば光沢ムラの発生を防げるかを判断することができないという副次的な課題がある。
【０２２４】
一般に、プリント基板の表面に形成されるメッキは、その工程の異常によって、色ムラを生ずることがある。例えば、色ムラの原因が、有機物や無機物の付着に起因するものは洗浄により除去できる。これに対して、メッキ条件の変動による表面凹凸の変化はメッキ後の工程では修復できず、製品不良の原因となる。
【０２２５】
このようなメッキ表面の凹凸の分布状態によって、正反射と拡散反射の広がり具合が異なるため、見る方向によって凹凸の程度を反映して輝度のコントラストが変化する。さらに、波長によって反射率が異なるため、微妙な色相の変化は生じているが、その効果は非常に小さく、色相の変化は殆どない。なお、一般に、前述のコントラストの違いも色ムラと呼ばれている。
【０２２６】
特に、フレキシブルプリント基板（ＦＰＣ）上に形成される金メッキ部の光沢ムラを分類することは、製造工程の状態の把握に役立ち、そのフィードバックによって不良の原因を早期に解明できる点で、製造ラインの評価の役割を担う重要な項目であると言える。
【０２２７】
そのため、光沢ムラの発生する傾向を分析し、どのような状態の際にどの種類の光沢ムラが発生するのかを特定することができれば、光沢ムラの発生を抑えることや、光沢ムラが発生する際にメッキ装置などを調整するために利用することもできる。
【０２２８】
よって、示す表面検査装置１，１ａ（または表面検査方法）によれば、以上のような副次的な課題を解決することもできる。
【０２２９】
（表面状態特定装置６０の別の動作）
次に、図６、図１８、図１９および図２２に基づき、上記の表面状態特定装置６０の別の動作について説明する。
【０２３０】
＜ＨＬＡＣの技術原理＞
画像計測の多くの問題としては、ＣＣＤカメラ４０（検出画面上）の画像枠内に捕えられた一つの対象の面積や周囲長を計ったり、穴の数を数えたり、あるいは画面上の多数の同一対象の個数を計数する問題などが考えられる。また、計測によって対象が何であるかを判定する認識の問題も、ここでは広い意味での計測（形状計測）の問題と考える。
【０２３１】
このような多様な画像計測の問題に対する計測結果は一般に計測値（数値）で与えられ、従って画像計測とは画像からの特徴抽出の問題と考えることができる。
【０２３２】
その基本的な条件としては、次の３条件が重要である。
条件１）平行移動に関する不変性、
条件２）検出画面に関する加法性、および、
条件３）適応的な学習可能性の３条件である。
【０２３３】
条件１）は、対象が画像枠内のどこにあっても計測値（例えば面積）は同じ値で変わらないことを意味している。また、条件２）は、例えば、画面上の粒子の計数の場合を考えてみても明らかなように、全画面を複数部分に分割したとき、全画面上の計測値は分割画面上の計測値の和となること意味している。さらに、条件３）は、汎用性のための条件として重要である。
【０２３４】
上記基本的な条件１）〜３）を満たすために、次のＦ１およびＦ２の２段階からなる特徴抽出を考える。
Ｆ１：全検出画面に対して、条件１）および２）を満たす一般的で基本的な特徴を初期特徴として複数抽出する（幾何学的特徴抽出）。
Ｆ２：上記初期特徴を線形結合することによって、様々な用途に対して最適な特徴を学習によって適応的に抽出する（学習的特徴抽出）。
【０２３５】
例えば、Ｆ１の幾何学的特徴抽出としては、Ｎ次自己相関の考えに基づく（高次）局所自己相関マスクによる特徴抽出を利用することができる。また、Ｆ２の学習的特徴抽出は、例えば、多変量解析の手法を用いて実現することができる。
【０２３６】
多変量解析とは、互いに関係のある多変量（他種類の特性値）のデータが持つ特徴を要約し、かつ、目的に応じて総合するための手法のことである。
【０２３７】
また、多変量解析には、
（１）予測式（関係式）の発見や量の推定などに用いる重回帰分析や正準相関分析、
（２）標本の分類や質の推定などに用いるクラスター分析や判別分析、
（３）多変量の統合整理（減らす）、変量の分類、および代表変量の発見などに用いる主成分分析や因子分析などが含まれる。なお、これらの方法のいずれを採用するかは、目的に応じて選択すれば良い。
【０２３８】
学習的特徴抽出Ｆ２における線形結合は、上記条件２）を保持するために必要である。
上記Ｆ１およびＦ２の２段階の特徴抽出に基づく画像計測方法は、画像計測の上記基本的な条件１）〜３）を満たし、構造が簡単で装置化の容易な並列的・適応的な計測方法となり、種々の用途に対して高速な学習によって適応的に画像計測が可能となる。
【０２３９】
＜実施例＞
上記原理に基づく計測方法について、以下、詳細に説明する。
【０２４０】
図６に示す計測対象（ＦＰＣサンプル）は、図１９に示すＣＣＤカメラ４０（検出画面）を通して画像枠内の濃淡（多値）画像として捕えられる。
【０２４１】
ここで、得られる濃淡画像には、図２２に示すような、Ｓ偏光成分の画像とＰ偏光成分の画像の２種類の検出画像が含まれている。
【０２４２】
次に、ＣＣＤカメラ４０で検出された検出画像は、図１８に示す画像入力部１００を介して、表面状態特定装置６０の偏光成分算出部６２に入力される。
【０２４３】
偏光成分算出部６２は、画像入力部１００から入力されたデータを、Ｐ偏光成分およびＳ偏光成分に分離して、各偏光成分の強度の比（偏光強度比）を算出する。
【０２４４】
次に、偏光成分算出部６２は、パラメータΨの値を算出し、検出画面を構成する各画素に対応する画像Ψ（ｒ）（ｒ＝（ｉ，ｊ）は検出画面上の各画素の位置を表わす２次元ベクトル）として、特徴量抽出部７０ａに入力する。
【０２４５】
なお、上記計測方法は画像Ψ（ｒ）に対してもそのまま適用可能であるが、実際の画像計測では主に計測対象の形に関して２値画像を取り扱うことが多いことを考慮して、ここでは２値化された２値画像で考える。この場合、画像Ψ（ｒ）は所定の閾値を境に対象領域（値１：黒地）と背景領域（値０：白地）に２値化され、画像メモリ（Ｍ×Ｍ画素）に入力される。
【０２４６】
画像枠内（画像メモリ上、以下簡単に検出画面上ともいう）に捕えられた画像Ψ（ｒ）に対して、初期特徴の抽出を特徴量抽出部７０ａで行う（初期特徴抽出ステップ）。抽出される特徴は具体的には次に示すＮ次自己相関関数である。
【０２４７】
【数７】
【０２４８】
初期特徴の抽出は上記（１）式の考えに基づくものであり、位置不変、つまり対象の画像枠内の任意の平行移動Ψ（ｒ）→Ψ（ｒ＋ｂ）に関して不変な特徴を示している。ただし、変位方向（ａ１，…ａＮ）の取り方は無数に考えられる。しかしながら、本実施形態では、例えばＮを１次までに、また、上記条件２）を満たすために変位方向に参照点ｒ周りの局所３×３方向に限定する。
【０２４９】
この場合、（１）式のＮ次自己相関関数は、全画面を３×３の局所枠（中心ｒ）で一度走査することによって計算される。２値画像の場合、これは明らかにΨ（ｒ）Ψ（ｒ＋ａ１）…Ψ（ｒ＋ａＮ）＝１となる回数、つまり３×３の局所枠上の（Ｎ＋１）画素における関数Ψ（ｒ＋ａｉ）の値が全て「１」となる局所パターンが全画面に幾つ存在するかを計数していることになる。そのような（Ｎ＋１）画素点の局所パターンは、単純に考えると３×３＝９通りから（Ｎ＋１）点を選ぶ組み合せの数（１次までの場合、Ｎ＝０，１）だけ存在するが、走査を考えると局所枠内で互いに平行移動で移り合うパターンは同値であり、結局１次までの独立なパターンは５通りとなる（図２７の（ｃ））。
【０２５０】
図２７の（ｃ）のパターンにおいて、小さい四角は調べるとき画素を、黒丸は無視する画素を表わしており、これらのパターンを局所自己相関マスクとよぶ。これらのマスクＭｊ（ｊ＝１〜５）を用いて全画面を一度走査し、それぞれの積和を求めることにより、Ｍｊに対応する５通りの局所自己相関係数ｘｊが初期特徴として得られる。
【０２５１】
なお、本実施形態では、局所自己相関マスクとして、３×３（変位幅＝３）のものを使用しているものとして説明するが、変位幅は、３以上の奇数であれば良く、例えば、変位幅５や、変位幅１１のマスクを使用しても良い。また、本実施形態では、マスクの１画素のサイズは、２５μｍとしているが、マスクの１画素のサイズは、これに限定されない。
【０２５２】
特徴量抽出部７０ａから出力される初期特徴ｘｊはデータ解析部８０に入力されるが、次に、ここでの適応的特徴抽出としての学習的特徴抽出（Ｆ２）について説明する。
【０２５３】
上記のようにして得られた初期特徴ｘｊは、計測課題に依存しない一般的で基本的な特徴となっている。しかし、計測課題に必要な対象画像の情報（特徴または指標など）は画像全体として抽出される必要がある。
【０２５４】
従って、これらの線形結合は、ｉ＝１〜Ｍ（Ｍは自然数）として、
【０２５５】
【数８】
【０２５６】
によって、計測課題に有効な新しい特徴（指標値そのものあるいは予測近似値）としてのｙｉを求める。
【０２５７】
ここで、Ｍは同時に計測する指標値の個数を表わしている。初期特徴ｘｊおよび指標値ｙｉをそれぞれ縦ベクトルｘ＝（ｘ１，…ｘＭ）Ｔおよびｙ＝（ｙ１，…ｙＮ）Ｔにまとめて、係数行列Ａ＝［ａｉｊ］Ｔを用いると、上記（２）式は、
【０２５８】
【数９】
【０２５９】
と簡単に表わされる（ここに、「Ｔ」は転置を表わしている）。
【０２６０】
ここに、係数Ａは問題によっては自明に求められることがある。例えば、２値画像で捕えられた計測対象の面積は０次の自己相関係数（マスクＮｏ．１）が「１」の画素数を計数していることから、明らかにｙ１＝ｘ１で求める。さらに、論理的な考察によってその他の指標値も線形結合で表わされることがある。しかしながら、このような人為的方法は大変であり一般的ではない。そこで、汎用的な方法として学習によって自動的に最適な係数Ａを求めるために、多変量解析の手法を用いる。
【０２６１】
例えば、多変量解析手法の１つである重回帰分析は、計測課題に有効で直接的な手法である。いま、学習に用いる計測対象の画像の集合をＧ＝{Ψｉ（ｒ）：ただし、ｉ＝１〜Ｌ；Ｌは自然数}として、画像Ψｉに対する正しい指標値をｚｉとすると共に、初期特徴ベクトルをｘｉ（従って、出力はｙｉ＝ＡＴｘｉ）とする。このとき、重回帰分析により最適な係数Ａは次の平均２乗誤差によって、
【０２６２】
【数１０】
【０２６３】
を最小にするようにして求められ、最適解は次式（５）で陽に与えられる。
【０２６４】
【数１１】
【０２６５】
ここに、
【０２６６】
【数１２】
【０２６７】
は、それぞれ初期特徴ｘｉの自己相関行列、入力データｘｉとｚｉの相互相関行列である。また、−１乗は逆行列を表わしている。
【０２６８】
このように学習によって得られた係数Ａを用いて、以後（３）式により、入力画像Ψ（ｒ）に対して指標値の良い推定を行うことができる。もし、正しい指標値ｚｉが上記（２）式の形で書ける場合には、学習によって正しい係数Ａが自動的に求まることになる。
【０２６９】
計測対象の認識も同様に可能である。重回帰分析の場合には、指標値（ｚｉおよびｙ）を認識対象のクラスを区別するコードと考えて、同様な学習を行えばよい。例えば、正常光沢品と異常光沢品の２クラスからなる対象の認識の場合、学習モードでは正常光沢品に属する画像Ψｉ（ｒ）に対して、指標値ｚ＝（１，０）Ｔ、異常光沢品に属する画像Ψｉ（ｒ）に対して指標値ｚ＝（０，１）Ｔとして係数Ａを学習する。
【０２７０】
そして、認識モードでは、入力対象画像に対して得られたｙ＝（ｙ１，ｙ２）Ｔについて特徴ｙ１とｙ２の値を比較し、特徴ｙ１＞ｙ２が大きいならば正常光沢品、逆ならば異常光沢品と識別することによって認識を行う。多（Ｋ）クラスの場合も同様である。このように、認識の場合には特徴ｙｉの最大値検出などの識別処理が必要になる。
【０２７１】
また、認識のための係数Ａの学習として、判別分析を用いることもできる。この場合には、ベクトルｙが空間としてＫクラスを最適に分離するように、係数Ａは次の固有値問題の解（固有ベクトル）として求まる。
ＸＢＡ＝ＸＷＡΛ（ＡＴＸＷＡ＝Ｉ）……（７）
ここに、Λは固有値対角行列、Ｉは単位行列である。また、ＸＷ、ＸＢはそれぞれ初期特徴ベクトルｘのクラス内、クラス間共分散行列であり、次式で定義される。
【０２７２】
【数１３】
【０２７３】
ここに、ωｊ、＜ｘｊ＞，Ｘｊはそれぞれクラスｊの生起確率、クラスｊの平均ベクトル、クラスｊの共分散行列、また、＜ｘｊ＞allは、全クラスの全平均ベクトルである。この判別分析の場合の識別方法としては、例えば、入力（ｙ）から各クラスの平均ベクトル＜ｙｊ＞＝ＡＴ＜ｘｉ＞への距離を計算して、最小距離を与えるクラスに入力を識別する方法が考えられる。
【０２７４】
本実施形態のデータ解析部８０は、以上のように、初期特徴ｘ１〜ｘ５を強度比相関パラメータとして、上述した多変量解析（例えば、重回帰分析）を行って構成した所定の写像を用いて、初期特徴ｘ１〜ｘ５の値から求めた判断パラメータＺ（ベクトルの場合は、Ｚｉ）の値に基づいて、物体５６表面の性状を判断する。
【０２７５】
初期特徴ｘ１〜ｘ５の値は、凹凸の分布の偏りやムラの状態を判断するための指標として特に優れたパラメータであることを本願発明者は新たに見出した。よって、この初期特徴ｘ１〜ｘ５を利用することにより、従来技術では困難であった、凹凸の分布の偏りやムラの状態をより精度良く判断することが可能となる。
【０２７６】
また、検出画像から対象を切出し逐次に特定の画像処理や特徴抽出を適用していた従来の手法に比べ、対象の切出しを意識することなく一度検出画面を走査して得られる共通の初期特徴ｘ１〜ｘ５の値から、極めて高速に物体５６表面の性状を判断（物体５６表面の良否の判定や光沢ムラの種類の判別など）することが可能になる。また、一度検出画面を走査するだけで初期特徴ｘ１〜ｘ５の値が得られ、初期特徴ｘ１〜ｘ５の値を得るために特別な演算等は不要なので、検出画像が複雑か否かに関わらず、全体の処理時間を常に一定にすることができる。
【０２７７】
また、表面状態特定装置６０は、物体５６表面の良否を判定するための良否判定パラメータＺを判断パラメータとして、多変量解析を行って構成した写像を所定の写像として用いて、初期特徴ｘ１〜ｘ５の値から求めた良否判定パラメータＺの値に基づいて、物体５６表面の良否を判定しても良い。
【０２７８】
このように、初期特徴ｘ１〜ｘ５を用いて写像を構成することにより、例えば、信頼性（精度）の高い、良否を判定するために有意な差がある良否判定パラメータＺを求めることができる。このようにして求めた良否判定パラメータＺの値に基づいて、物体５６表面の性状を定量的な手法で判断することが可能となる。
【０２７９】
すなわち、上記構成のように、良否判定パラメータＺを利用することにより、従来技術では困難であった、信頼性（精度）の高い、物体表面の良否判定を行うことができる。
【０２８０】
また、表面状態特定装置６０は、物体５６表面の光沢ムラの種類を判別するためのムラ種類判別パラメータＺを判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、初期特徴ｘ１〜ｘ５の値から求めたムラ種類判別パラメータＺの値に基づいて、物体５６表面における光沢ムラの種類を判別しても良い。
【０２８１】
このように、初期特徴ｘ１〜ｘ５を用いて写像を構成することにより、例えば、ムラ種類の判別を行うための指標として好適なムラ種類判別パラメータを求めることも可能である。このようにして求めたムラ種類判別パラメータの値に基づいて、物体５６表面の光沢ムラの種類を判別することが可能となる。
【０２８２】
＜局所自己相関マスクについて＞
図２８は、図２７に示す５種類の局所自己相関マスクを用いて、実際に金メッキパッドの検出画像をこれらのマスクでスキャンした結果を示す。ここで、「１」は、良品のサンプル、「２」〜「４」は不良品のサンプルにおけるスキャン結果を示し、各不良品の内訳は、「２」が境界型斑、「３」が三日月型斑、「４」が斑点状斑のサンプルにおけるスキャン結果を示す。
【０２８３】
直径５ｍｍの金メッキパッドの検出画像の４０点について、１画素のサイズの１辺が２５μｍの局所自己相関マスクでスキャンした結果、図２８が得られた。なお、上記検出画像の４０点のサンプルは、限度見本として、目視による判定結果が存在するサンプルである。
【０２８４】
上記のように、局所自己相関マスクの１画素のサイズの１辺を２５μｍとしている理由の１つは、パラメータΨを検出するにあたって凹凸の分布より生じる反射の差を適度に平均化しながら検出するためである。また、局所自己相関マスクの１辺を２５μｍとしている理由のもう１つは、ＨＬＡＣやヒストグラム等を分析するためにある程度データ点数が多い方が良いからである。
【０２８５】
＜良否判定の手法＞
【実施例１】
【０２８６】
（ヒストグラム）
図２９の（ａ）は、金メッキパッドの検出画像から抽出される特徴量１の頻度とムラ種類との関係を示す。横軸は、１：良品、２：境界型斑、３：三日月型斑、４：斑点状斑を示す。図２９の（ａ）に示すように、良品＜境界型斑＜三日月型斑＜斑点状斑の順で、特徴量１（閾値外の面積の総和に対応）が増えていくことがわかる。しかしながら、それぞれに重複する値を有するサンプルがあり、良否、および各分類の精度は低い。
【０２８７】
次に、分離精度を高めて、その精度を数値化するために、分離度合を計算した。
【０２８８】
ここで、分離度合＝｜良品群の平均値−不良品群の平均値｜／（良品群の標準偏差＋不良品群の標準偏差）である。
【０２８９】
一般に、分離度合が、離れているほど、高精度に分離できる管理指標であると言える。目的とする分離精度に応じた分離度合を得ることができる管理指標を設定すればよい。なお、特徴量１のみでは、分離度合として求めると０．８４８σである。
【実施例２】
【０２９０】
（良否判定のための重回帰分析）
例えば、検索空間として一次元座標Ｚを用い、回帰式として、
Ｚ＝ａ１ｘ１＋ａ２ｘ２＋ａ３ｘ３＋ａ４ｘ４＋ａ５ｘ５＋ａ０・・・（９）を用い、良品は、Ｚ＝＋１、不良品は、Ｚ＝−１の位置に配置されるものとして重回帰分析を行うと、係数ａｉ（ｉ＝０〜５）が求まる。
【０２９１】
サンプルの金メッキパッドの検出画像から上述した５種類の局所自己相関マスクを用いて、初期特徴ｘ１〜ｘ５を抽出し、上記（９）式に代入して、Ｚ＞０ならば、良品、Ｚ＜０ならば、不良品と判定すれば良い。
【０２９２】
次に、良否判定を精度よく行うために、良品を「１」、不良品のすべてを「−１」として、特徴量１〜５についての重回帰分析を行った結果を図２９の（ｂ）に示す。
【０２９３】
同図に示すように、良品は、正の値(主として０．２〜０．５に分布)、不良品は負の値（０に近いものから−２程度まで分布）に分類されている。これにより、特徴量１の頻度のみで比較したときに、良品と境界型斑とを明確に分離できなかったサンプルも判別できることが分かる。
【０２９４】
なお、以上の例において、回帰式Ｚ＝ａ１ｘ１＋ａ２ｘ２＋ａ３ｘ３＋ａ４ｘ４＋ａ５ｘ５＋ａ０の各係数は、
ａ１＝−０．００９４、ａ２＝＋０．００７１６５、ａ３＝−０．００６０７、
ａ４＝＋０．０１７６７８、ａ５＝−０．００９０８、ａ０＝＋０．５４４３である。
【０２９５】
本分析方法では、０を境として、良・不良を分けることができる。ここでは、分離度合は１．７８σであり、より高精度な分離を行うためにはさらなる指標を設けることが好ましい。
【実施例３】
【０２９６】
次に、図２９の（ｃ）では、５種類の局所自己相関マスクを用いて、初期特徴パラメータ(特徴量)を取得し、特徴量１の数値で、まず分類する。ここでは、１０００を超えるものは著しく不良として、さらなる分析は行わないものとして除外した。
【０２９７】
次に、特徴量１が１０００以下のものについて、良・不良の判別を行うための写像を求める。図２９の（ｃ）は、良品を「＋１」、不良品を「−１」として、特徴量１〜５について重回帰分析をおこなった結果を示す。
【０２９８】
以上の例において、回帰式Ｚ＝ａ１ｘ１＋ａ２ｘ２＋ａ３ｘ３＋ａ４ｘ４＋ａ５ｘ５＋ａ０の各係数は、
ａ１＝−０．００７７１、ａ２＝−０．００５２９、ａ３＝０．０１０４０４、
ａ４＝＋０．００４２０２、ａ５＝−０．００１３４、ａ０＝＋１．４４７３２１である。
【０２９９】
本分析方法においても、０を境として、良・不良を分けることができる。
【０３００】
ここでは、分離度合は３．７３σと、非常に高精度な分離を行うことができる。また、不良品の中でもその程度についてクラス分けをしていく指標として有用である。
【０３０１】
＜ムラ種類分類の手法＞
次に、不良品をさらに細かく分類するには、例えば、良品：Ｚ＝＋１、境界型斑：Ｚ＝０．２５、三日月型斑：Ｚ＝−０．２５、斑点状斑：Ｚ＝−１として、重回帰分析を行えば良い。これにより、各サンプルを好適に分離できるため、各クラスを判別するための閾値を適宜設定することにより、光沢ムラの種類を分類することができる。
【０３０２】
上記の実施例１および２のように、良品と不良品とを分類するために構成した写像では、不良品に分類されたものが、いずれのムラ種類に分類されるものか判別できない。
【０３０３】
しかしながら、ムラ種類の分類を目的とした写像を構成すると、不良品がいずれのムラ種類に分類されるかが判別でき、その判別結果をフィードバックしてムラの原因究明に利用できる。
【０３０４】
ムラ種類の分類のために、良品＞境界型斑＞三日月型斑＞斑点状斑の順に重回帰分析を行うための指標値を設定したのは、特徴量１や、特徴量１〜５の和といった、単純なヒストグラムの比較に近い並べ方をしたときに、この順に並ぶためである。
【０３０５】
しかしながら、抽出した各特徴量１〜５の値の比較のみで、多変量解析（例えば、重回帰分析）を行わない場合、各分類が重複する値を有する範囲が広く、未知のサンプルを評価したとき分類できない可能性がある。これが、単に各特徴量１〜５の値を比較するだけでなく、多変量解析を用いる理由である。
【０３０６】
上述したように、良品＜境界型斑＜三日月型斑＜斑点状斑の順で、特徴量１（単純に異常部の総和）が増えていく傾向があるとき、良品の群＜境界型斑の群＜三日月型斑の群＜斑点状斑の群＜境界型斑の群となるような指標値Ｚの値を定めることができる場合がある。
【実施例４】
【０３０７】
（ムラ種類の分類も目的とした重回帰分析）
図２９の（ｄ）は、このような推測のもと、良品：１０００、境界型斑：２５０、三日月型斑：−２５０、斑点状斑：−１０００として、重回帰分析をおこなった結果を示す。
【０３０８】
同図に示すように、−１０００≦Ｚ＜−３００：斑点状斑、約−３００≦Ｚ＜２００：三日月状斑、２００≦Ｚ＜５００：境界型斑、５００≦Ｚ≦１０００：良品、の４クラスに分類できた。
【０３０９】
なお、以上の例において、判別式Ｚ＝ａ１ｘ１＋ａ２ｘ２＋ａ３ｘ３＋ａ４ｘ４＋ａ５ｘ５＋ａ０の各係数は、
ａ１＝−３．３５４４４、ａ２＝＋４．２０１３８１、ａ３＝＋１．９１２７２５、
ａ４＝−１．７２１２３、ａ５＝−０．８６７１５、ａ０＝＋９３１．１３６４である。
【０３１０】
上記のＨＬＡＣを用いた方法によれば、ムラの良否について、頻度による比較と比べ、より分離精度の高い指標を設けることができ、さらに、検出画像から対象を切出し逐次に特定の画像処理や特徴抽出を適用していた従来の手法に比べ、対象の切出しを意識することなく一度検出画面を走査して得られる共通の初期特徴から、多変量解析によって極めて高速に金属メッキの良否判定および光沢ムラの種類の判別が可能になる。また、検出画像が複雑か否かに関わらず、全体の処理時間を常に一定にすることができる。
【０３１１】
（表面状態特定装置６０のさらに別の動作）
次に、図３０〜図３９に基づき、上記の表面状態特定装置６０のさらに別の動作について説明する。図３０は、図１８に示す表面状態特定装置６０の要部である特徴量抽出部７０ａの構成の一例を示すブロック図である。
【０３１２】
＜特徴量抽出部７０ａ＞
図３０に示すように、特徴量抽出部７０ａは、白画素特定部（白画素特定手段）７０１ａ、図形特定部（図形特定手段、形状特徴量抽出手段）７０２ａ、および、形状特徴量抽出部（形状特徴量抽出手段）７０３ａを少なくとも含む。なお、図形特定部７０２ａおよび形状特徴量抽出部７０３ａを纏めて１ブロックの形状特徴量抽出部として構成しても良い。
【０３１３】
（白画素特定部７０１ａ）
白画素特定部７０１ａは、上記の強度比相関パラメータの値の分布を反映した画像データにおける複数の画素（または絵素）のうち、上記強度比相関パラメータの値が所定の閾値以上または以下である白画素を特定する。但し、本実施形態では、強度比相関パラメータの値の分布を反映した画像データの２値化を行うものとする（以下、２値化後の画像データを単に「画像データ」という）。なお、白画素特定部７０１ａは、その他、画像データに対してエッジ抽出フィルタ（例えば、ＳｏｂｅｌオペレータやＰｒｅｗｉｔｔオペレータなど）を作用させてエッジ画素（以下、エッジ画素を含めて単に「白画素」という）を抽出する構成としても良い。
【０３１４】
（図形特定部７０２ａ）
図形特定部７０２ａは、白画素特定部７０１ａが特定した複数の白画素の中から、互いに隣接する複数の白画素からなるグループ（以下、単に「白画素グループ」という）を特定し、特定した白画素グループに含まれる複数の白画素に外接する閉図形を特定する（または白画素グループの輪郭を特定する）。閉図形は、閉じた多角形であっても良いし、閉曲線であっても良い。図３１に、画像データ（２値化後）から外接四角形を特定したときの一例を示す。図３１の（ａ）は、サンプルの画像データを示し、図３１の（ｂ）は、該サンプルの画像データにおいて外接四角形が特定されている様子を示す。
【０３１５】
なお、白画素グループを特定するには、２値化後の画像データを用いるケースであれば、例えば、以下の処理を行えば良い。
（１）画像データの各画素を走査し、最初に見つけた未選択の白画素を注目画素として選択する。
（２）上記注目画素に隣接する８方向の各画素（以下、単に「隣接画素」という）を時計まわり（または反時計まわり）に走査し、白画素か否かを判別する。
（３）このようにして、上記注目画素に隣接する８方向の各画素のうち、走査中に最初に見つかった未選択の白画素を次の注目画素として選択する。
（４）上記の（１）〜（３）の処理を、上記（１）の最初に見つけた白画素に戻るまで繰り返す（追跡による輪郭抽出）。
【０３１６】
このような処理を繰り返し行うことにより、強度比相関パラメータの値の分布を反映した画像データから、複数の白画素グループが特定される。但し、以上で説明した処理は、白画素グループを特定する手法の一例であり、このような手法に限定されない。
【０３１７】
次に、各白画素グループに含まれる複数の白画素に外接する閉図形（ここでは、外接四角形とする）を特定するには、例えば、走査線に平行な軸をもつ外接四角形であれば、次のように処理すれば良い。
（１）特定の白画素グループに含まれる複数の白画素のそれぞれの座標（ｘ，ｙ）から、ｘの最大値（ｍａｘ＜ｘ＞）および最小値（ｍｉｎ＜ｘ＞）を求め、直線ｘ＝ｍａｘ＜ｘ＞および直線ｘ＝ｍｉｎ＜ｘ＞（平行線Ａ；走査線に垂直な方向に対して互いに平行な２直線）を引く。
（２）特定の白画素グループに含まれる複数の白画素のそれぞれの座標（ｘ，ｙ）から、ｙの最大値（ｍａｘ＜ｙ＞）および最小値（ｍｉｎ＜ｙ＞）を求め、直線ｙ＝ｍａｘ＜ｙ＞および直線ｙ＝ｍｉｎ＜ｙ＞（平行線Ｂ；走査線に平行な方向に対して互いに平行な２直線）を引く。
（３）平行線Ａおよび平行線Ｂで囲まれた矩形を外接四角形として特定する。
【０３１８】
なお、図３９に、良品、境界型斑、三日月型斑、および斑点状斑に分類される各画像データから閉図形（円、２パターンの四角形）を特定したときの例を示す。
【０３１９】
（形状特徴量抽出部７０３ａ）
形状特徴量抽出部７０３ａは、例えば、上記外接四角形の図形的な特徴を示す形状特徴量（または図形的特徴量）を抽出（算出）する。ここで、形状特徴量とは、互いに隣接する複数の白画素からなるグループ（白画素グループ）に含まれる複数の白画素に外接する閉図形の図形的な特徴を示す特徴量である。
【０３２０】
一般に、物体表面の性状が良好な場合、白画素（異常点）の数も少なく、各白画素グループに含まれる白画素の数も少ない傾向があると考えられる。一方、物体表面の性状が良好でない場合、白画素の数も多く、各白画素グループ内における白画素の数も多くなる傾向があると考えられる。また、隣接する白画素の連続数や、隣接する白画素同士が隣接する隣接方向などにも光沢ムラの種類に応じた特有の傾向があると考えられる。
【０３２１】
さらに、形状特徴量は、画像データを複数の領域に分割することによって得られる局所的な特徴量ではなく、画像データを複数の領域に分割することなく得られる、画像データ全体の特徴が反映された特徴量であると言える。このため、形状特徴量は、物体表面の性状全体の傾向を把握する上で、重要な指標となり得る。
【０３２２】
また、形状特徴量としては、例えば、
（１）図４０の（ａ）に示す閉図形の絶対最大長（閉図形の周上の任意の２点間の最大の長さ）、閉図形の幅（最大長に平行な２本の線で閉図形を挟んだ時の２線間の最短距離）、閉図形の方向（水平線と閉図形の最大長方向とのなす角度）
（２）図４０の（ｂ）に示す閉図形の面積、閉図形の円（楕円）相当径（同じ面積を持つ円の径）、
（３）図４０の（ｃ）に示す閉図形の水平方向最大弦長、閉図形の水平方向フェレ長、閉図形の垂直方向最大弦長（不図示）、閉図形の垂直方向フェレ長（不図示）、
（４）図４０の（ｄ）に示す閉図形の周囲長、閉曲線の面積、外接長方形の面積などを例示することができる。
【０３２３】
その他、以下に示す量を形状特徴量とすることが考えられる。
（１）外接四角形の対角線長、長手方向の径、または短手方向の径（例えば、外接四角形の縦の長さや横の長さ）、
（２）外接四角形に含まれる白画素（異常点）の総面積（または総画素数）など。
【０３２４】
次に、写像を構成する方法としては、例えば、
（１）形状特徴量の値の分布から、統計的特徴を抽出して写像（例えば、ヒストグラムなど）を構成する方法（例えば、上記のデータ解析部８０が、上記の外接四角形の対角線長毎の度数や、面積ｎ毎の度数（統計的特徴量）を求め、度数分布（写像）により、物体表面の性状を判断する方法）。
（２）形状特徴量を説明変数とし、上記判断パラメータを目的変数として多変量解析を行って所定の写像（例えば、検索空間など）を構成する方法（例えば、上記のデータ解析部８０が、上記の外接四角形の対角線長や面積ｎ（統計的特徴量）の各値を説明変数とし、上記判断パラメータを目的変数として多変量解析を行って所定の写像（例えば、検索空間など）を構成する方法）などを挙示できる。
【０３２５】
なお、多変量解析については上述したとおりであるので説明を省略する。
【０３２６】
以上のような形状特徴量の値は、凹凸の分布の偏りやムラの状態を判断するための指標として特に優れたパラメータであることを本願発明者は新たに見出した。よって、上記構成のように、この形状特徴量を利用することにより、従来技術では困難であった、凹凸の分布の偏りやムラの状態をより精度良く判断することが可能となる。
【０３２７】
次に、図３２〜図３４に基づき、いくつかのサンプルの画像データを用意し、形状特徴量の統計的特徴や、多変量解析を行った結果について説明する。
【実施例５】
【０３２８】
＜ヒストグラム＞
実際に対角線長を計算し、その長さ（整数化したもの）の度数（個数）分布を調査した結果を図３２に示す。対角線長を整数化するにあたって、小数点以下は切り捨てた。同図に示す対角線長の度数分布（ヒストグラム）は、良品、三日月型斑、境界型斑、斑点型斑の各サンプル１つについて取得したものである。対角線長は２００個までデータを取得しているが、そのうち特に頻度が多い対角線長１４までを示す。
【０３２９】
このようなヒストグラムによる統計的な特徴は、連続している異常点（白画像）が多いほど、対角線長も長いものが増える傾向がある。同図を見れば明らかなように、良品は、各異常点（白画像）の連続が少ないが、三日月型斑などは長い対角線長を持つように連続をしているといった傾向を確認することができる。
【実施例６】
【０３３０】
＜良否判定の結果＞
次に、実施例５にて説明した形状特徴量を用いて、多変量解析した結果を示す。図３３は、対角線長を形状特徴量として、判別分析により多変量解析を行ったときの結果を示す。対角線長を整数化しているとはいえ、１〜２００（２００種類の長さ）までの長さが存在しているため、次元の多い解析となった。良品をＡ群、不良品をＢ群として判別分析を行うと、判別式Ｚ＝ａ１ｘ１＋ａ２ｘ２＋ａ３ｘ３＋ａ４ｘ４＋ａ５ｘ５＋・・・＋ａ２００ｘ２００＋ａ０の係数ａｉ（ｉ＝０〜２００）が求まる。なお、各係数ａｉの値は、煩雑なためここでは省略する。
【０３３１】
ここで用いた判別分析を説明変量が２つ（ｘ１、ｘ２）の場合を例に説明する。
（１）説明変量ｘ１とｘ２から偏差平方和Ｓ１１とＳ２２、偏差積和Ｓ１２を求める。
【０３３２】
偏差平方和Ｓ１１とＳ２２、偏差積和Ｓ１２は、それぞれ、
【０３３３】
【数１４】
【０３３４】
で与えられる。
（２）Ａ群を合格（○）の集まりｎＡ個、Ｂ群を不合格（×）の集まりｎＢ個として、それぞれの分散共分散行列を求める。
（３）Ａ群とＢ群の分散共分散行列をプールした行列を求めて、下の連立方程式から係数が決まる。説明変量が２以上の場合も同様に判別式を得ることができる。
【０３３５】
Ａ群の分散行列は、
【０３３６】
【数１５】
【０３３７】
で与えられる。
【０３３８】
一方、Ｂ群の分散行列は、
【０３３９】
【数１６】
【０３４０】
で与えられる。
【０３４１】
ここで、
【０３４２】
【数１７】
【０３４３】
である。
【０３４４】
以上により、分散共分散行列は、
【０３４５】
【数１８】
【０３４６】
で与えられる。
【０３４７】
式（１３）より、連立方程式、
【０３４８】
【数１９】
【０３４９】
を得る。
【０３５０】
式（１４）より、
【０３５１】
【数２０】
【０３５２】
の各係数ａｉを求めることができる。
【０３５３】
以上のような、良否を分ける判別分析を行った結果、試料番号１〜１０の良品は判別式の計算結果Ｚが５０〜２００あたりに集まり、試料番号１１〜４０の不良品はその形状の種類に関わらず−１００〜−１３０あたりに集まり、良否の分類がはっきりとできていることが分かる。また不良品の分散が特に小さいため、分離度合も大きい。
【０３５４】
本実施例では、対角線長を形状特徴量として用いたが、外接四角形に含まれる白画素の総画素数、外接四角形の縦の長さ、横の長さなどを形状特徴量として用いても、高い分離度合で良否を分けることができた。
【実施例７】
【０３５５】
＜不良品のムラ種類の判別＞
実施例６では、不良品に境界型斑、三日月型斑および斑点状斑の３種類の分類があるとして、金メッキの光沢ムラを分類している（なお、図３５〜図３８には、それぞれ、良品、境界型斑、三日月型斑、斑点状斑に分類される画像データのサンプルを複数示している）。しかしながら、上記の良否分類の判別式からは、不良品の分類まではできない。
【０３５６】
そこで、次に、不良品の分類を目的として、不良品のみの判別式を構築した結果について説明する。
【０３５７】
実施例６にて説明した判別分析を用いて、三日月型斑をＡ群、境界型斑・斑点型斑をＢ群として判別式Ｚ２の係数を得た。また、境界型斑をＡ群、三日月型斑・斑点型半をＢ群として判別式Ｚ３の係数を得た。さらに、斑点型をＡ群、境界型・三日月型をＢ群として判別式Ｚ４の係数を得た。
【０３５８】
各判別式による分類結果を図３４の（ａ）〜図３４の（ｂ）に示す。図３４の（ａ）は、三日月型斑と他の不良品とに分類したときの解析結果を示し、図３４の（ｂ）は、境界型斑と他の不良品とに分類したときの解析結果を示し、図３４の（ｃ）は、斑点型斑と他の不良品とに分類したときの解析結果を示している。それぞれの分類を目的として判別式を設けることで斑の種類も分類し得ることがわかる。
【０３５９】
本実施例では、判別式Ｚ２、Ｚ３およびＺ４のそれぞれを単一の独立した判別式として分類しているため、光沢ムラの３種類の判別は困難であるが、例えば、判別式Ｚ２、Ｚ３およびＺ４を組み合わせた検索空間を用いることなどにより光沢ムラの３種類の分類は十分可能であると考えられる。
【０３６０】
なお、以上の説明では、ムラ種類を三日月型斑、境界型斑および斑点状斑の３種類に分類した。しかしながら、ムラ種類は、必ずしも、三日月型斑、境界型斑および斑点状斑の３種類に分類する必要はなく、いずれか２種類で分類しても良い。また、ムラ種類の定義も三日月型斑、境界型斑および斑点状斑に限られず、例えば、三日月型斑と境界型斑との中間の分類などを定義しても良く、必要に応じて適切な分類を定義すれば良い。
【０３６１】
最後に、表面状態特定装置６０の各ブロック、特に偏光成分算出部６２、検索座標算出部７０、特徴量抽出部７０ａ、およびデータ解析部８０は、集積回路（ＩＣチップ）上に形成された論理回路によってハードウェア的に実現してもよいし、ＣＰＵ（Central Processing Unit）を用いてソフトウェア的に実現してもよい。
【０３６２】
後者の場合、表面状態特定装置６０は、各機能を実現するプログラムの命令を実行するＣＰＵ、上記プログラムを格納したＲＯＭ（Read Only Memory）、上記プログラムを展開するＲＡＭ（Random Access Memory）、上記プログラムおよび各種データを格納するメモリ等の記憶装置（記録媒体）などを備えている。そして、本発明の目的は、上述した機能を実現するソフトウェアである表面状態特定装置６０の制御プログラムのプログラムコード（実行形式プログラム、中間コードプログラム、ソースプログラム）をコンピュータで読み取り可能に記録した記録媒体を、上記表面状態特定装置６０に供給し、そのコンピュータ（またはＣＰＵやＭＰＵ）が記録媒体に記録されているプログラムコードを読み出し実行することによっても、達成可能である。
【０３６３】
上記記録媒体としては、例えば、磁気テープやカセットテープ等のテープ類、フロッピー（登録商標）ディスク／ハードディスク等の磁気ディスクやＣＤ−ＲＯＭ／ＭＯ／ＭＤ／ＤＶＤ／ＣＤ−Ｒ等の光ディスクを含むディスク類、ＩＣカード（メモリカードを含む）／光カード等のカード類、マスクＲＯＭ／ＥＰＲＯＭ／ＥＥＰＲＯＭ／フラッシュＲＯＭ等の半導体メモリ類、あるいはＰＬＤ（Programmable logic device）やＦＰＧＡ（Field Programmable Gate Array）等の論理回路類などを用いることができる。
【０３６４】
また、表面状態特定装置６０を通信ネットワークと接続可能に構成し、上記プログラムコードを通信ネットワークを介して供給してもよい。この通信ネットワークは、プログラムコードを伝送可能であればよく、特に限定されない。例えば、インターネット、イントラネット、エキストラネット、ＬＡＮ、ＩＳＤＮ、ＶＡＮ、ＣＡＴＶ通信網、仮想専用網（Virtual Private Network）、電話回線網、移動体通信網、衛星通信網等が利用可能である。また、この通信ネットワークを構成する伝送媒体も、プログラムコードを伝送可能な媒体であればよく、特定の構成または種類のものに限定されない。例えば、ＩＥＥＥ１３９４、ＵＳＢ、電力線搬送、ケーブルＴＶ回線、電話線、ＡＤＳＬ（Asymmetric Digital Subscriber Line）回線等の有線でも、ＩｒＤＡやリモコンのような赤外線、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＩＥＥＥ８０２．１１無線、ＨＤＲ（High Data Rate）、ＮＦＣ（Near Field Communication）、ＤＬＮＡ（Digital Living Network Alliance）、携帯電話網、衛星回線、地上波デジタル網等の無線でも利用可能である。
【０３６５】
〔本発明のその他の表現〕
本発明は、以下のように表現しても良い。
【０３６６】
すなわち、本発明の表面検査装置は、上記強度比相関パラメータの値の分布から高次局所自己相関によって基本的な複数の初期特徴パラメータの値を抽出する初期特徴抽出手段を備え、上記表面性状判断手段は、上記複数の初期特徴パラメータを上記強度比相関パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、上記初期特徴抽出手段によって抽出された複数の初期特徴パラメータの値から求めた上記判断パラメータの値に基づいて、上記物体表面の性状を判断しても良い。
【０３６７】
初期特徴パラメータの値は、凹凸の分布の偏りやムラの状態を判断するための指標として特に優れたパラメータであることを本願発明者は新たに見出した。よって、上記構成のように、この初期特徴パラメータを利用することにより、従来技術では困難であった、凹凸の分布の偏りやムラの状態をより精度良く判断することが可能となる。
【０３６８】
また、検出画像から対象を切出し逐次に特定の画像処理や特徴抽出を適用していた従来の手法に比べ、対象の切出しを意識することなく一度検出画面を走査して得られる共通の初期特徴パラメータの値から、極めて高速に物体表面の性状を判断（物体表面の良否の判定や光沢ムラの種類の判別など）することが可能になる。また、一度検出画面を走査するだけで初期特徴パラメータの値が得られ、初期特徴パラメータの値を得るために特別な演算等は不要なので、検出画像が複雑か否かに関わらず、全体の処理時間を常に一定にすることができる。
【０３６９】
また、本発明の表面検査装置は、上記表面性状判断手段は、上記物体表面の良否を判定するための良否判定パラメータを上記判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、上記初期特徴抽出手段によって抽出された複数の初期特徴パラメータの値から求めた上記良否判定パラメータの値に基づいて、上記物体表面の良否を判定しても良い。
【０３７０】
上記の構成によれば、初期特徴パラメータを用いて写像を構成することにより、例えば、信頼性（精度）の高い、良否を判定するために有意な差がある良否判定パラメータを求めることができる。このようにして求めた良否判定パラメータの値に基づいて、物体表面の性状を定量的な手法で判断することが可能となる。
【０３７１】
すなわち、上記構成のように、良否判定パラメータを利用することにより、従来技術では困難であった、信頼性（精度）の高い、物体表面の良否判定を行うことができる。
【０３７２】
また、本発明の表面検査装置は、上記表面性状判断手段は、上記物体表面の光沢ムラの種類を判別するためのムラ種類判別パラメータを上記判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、上記初期特徴抽出手段によって抽出された複数の初期特徴パラメータの値から求めた上記ムラ種類判別パラメータの値に基づいて、上記物体表面における光沢ムラの種類を判別しても良い。
【０３７３】
上記の構成によれば、初期特徴パラメータを用いて写像を構成することにより、例えば、ムラ種類の判別を行うための指標として好適なムラ種類判別パラメータを求めることも可能である。このようにして求めたムラ種類判別パラメータの値に基づいて、物体表面の光沢ムラの種類を判別することが可能となる。
【０３７４】
また、本発明の表面検査装置は、上記検出画像における複数の画素のうち、上記強度比相関パラメータの値が所定の閾値以上または以下である白画素を特定する白画素特定手段と、上記白画素特定手段が特定した複数の白画素の中から、互いに隣接する複数の白画素からなるグループを特定し、特定したグループに含まれる複数の白画素に外接する閉図形を特定する図形特定手段と、上記図形特定手段が特定した閉図形の図形的な特徴を示す形状特徴量を抽出する形状特徴量抽出手段と、を備え、上記表面性状判断手段は、上記形状特徴量を上記画像特徴量として、多変量解析を行って構成した写像を上記所定の写像として用いて、上記形状特徴量抽出手段によって抽出された上記形状特徴量の値から求めた上記判断パラメータの値に基づいて、上記物体表面の性状を判断しても良い。
【０３７５】
〔付記事項〕
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
【産業上の利用可能性】
【０３７６】
以上のように、本発明に係る表面検査装置は、物質の性状を簡素な構成で精度よく検出したり、物体表面の凹凸に起因する光沢ムラを、複数の原因に基づくムラの種類を発生原因に応じて容易に分類したりすることができる。よって、例えば、各種工業製品の表面を検査する検査装置として好適に利用することができる。より具体的には、半導体や半導体に用いられる金属メッキ、金属、プラスチック、紙、およびその他の有機物または無機物の表面を検査する検査装置として好適に利用することができる。
【符号の説明】
【０３７７】
１ 表面検査装置
１ａ 表面検査装置
１０ ウォラストンプリズム（偏光成分分離手段）
１６ Ｐ偏光成分
１８ Ｓ偏光成分
５０ 画像解析部（表面性状判断手段）
６０ 表面状態特定装置（表面性状判断手段）
６２ 偏光成分算出部（偏光成分算出手段）
７０ 検索座標算出部（座標算出手段）
７０ａ 特徴量抽出部（初期特徴抽出手段）
８０ データ解析部（領域判定手段）
７０１ａ 白画素特定部（白画素特定手段）
７０２ａ 図形特定部（図形特定手段、形状特徴量抽出手段）
７０３ａ 形状特徴量抽出部（形状特徴量抽出手段）
【特許請求の範囲】
【請求項１】
照射された光の散乱光を分析して、上記光が照射された物体表面の性状を検査する表面検査装置であって、
上記散乱光を、散乱面に平行な振動成分であるＰ偏光成分と、上記散乱面に垂直な振動成分であるＳ偏光成分とに分離する偏光成分分離手段と、
上記偏光成分分離手段によって分離された上記Ｐ偏光成分および上記Ｓ偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記Ｐ偏光成分の強度に対する上記Ｓ偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記物体表面の性状を判断する表面性状判断手段とを備えることを特徴とする表面検査装置。
【請求項２】
上記表面性状判断手段は、
上記強度比相関パラメータの分布が反映された画像データから、その画像データの特徴を示す画像特徴量を抽出し、抽出された上記画像特徴量を定義域のパラメータとし、上記物体表面の性状を判断するために予め定めた判断パラメータを値域のパラメータとして構成した所定の写像を用いて、
上記画像特徴量の値から求めた上記判断パラメータの値に基づいて、上記物体表面の性状を判断することを特徴とする請求項１に記載の表面検査装置。
【請求項３】
上記表面性状判断手段は、
上記強度比相関パラメータとして、パラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）を用いることを特徴とする請求項２に記載の表面検査装置。
【請求項４】
上記画像データにおける複数の画素のうち、上記強度比相関パラメータの値が所定の閾値以上または以下である白画素を特定する白画素特定手段と、
上記白画素特定手段が特定した複数の白画素の中から、互いに隣接する複数の白画素からなる白画素グループを特定し、特定した白画素グループに外接する閉図形の図形的な特徴を示す形状特徴量を抽出する形状特徴量抽出手段と、を備え、
上記表面性状判断手段は、
上記形状特徴量を上記画像特徴量として、多変量解析を行って構成した写像を上記所定の写像として用いて、
上記形状特徴量抽出手段によって抽出された上記形状特徴量の値から求めた上記判断パラメータの値に基づいて、上記物体表面の性状を判断することを特徴とする請求項２または３に記載の表面検査装置。
【請求項５】
上記表面性状判断手段は、
上記物体表面の良否を判定するための良否判定パラメータを上記判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、
上記形状特徴量抽出手段によって抽出された上記形状特徴量の値から求めた上記良否判定パラメータの値に基づいて、上記物体表面の良否を判定することを特徴とする請求項４に記載の表面検査装置。
【請求項６】
上記表面性状判断手段は、
上記物体表面の光沢ムラの種類を判別するためのムラ種類判別パラメータを上記判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、
上記形状特徴量抽出手段によって抽出された上記形状特徴量の値から求めた上記ムラ種類判別パラメータの値に基づいて、上記物体表面における光沢ムラの種類を判別することを特徴とする請求項４に記載の表面検査装置。
【請求項７】
上記物体表面の凹凸の状態を示すための極座標空間における、
上記強度比相関パラメータの動径方向の重み付け平均の角度微分の標準偏差、
上記極座標空間の原点から上記強度比相関パラメータの重心までの距離、および、
上記強度比相関パラメータの動径方向の重み付け平均のいずれか１つ以上を、
上記所定の写像を具現化する検索空間内の座標として、上記強度比相関パラメータの値の分布から算出する座標算出手段と、
上記座標算出手段が算出した座標が、上記物体表面の光沢ムラの種類に応じて上記検索空間内に複数設定された領域のいずれに属するかを判定する領域判定手段とを備え、
上記表面性状判断手段は、上記領域判定手段の判定結果を用いて、上記物体表面の光沢ムラの種類を判別することを特徴とする請求項２または３に記載の表面検査装置。
【請求項８】
照射された光の散乱光を分析して、上記光が照射された物体表面の性状を検査する表面検査方法であって、
上記散乱光を、散乱面に平行な振動成分であるＰ偏光成分と、上記散乱面に垂直な振動成分であるＳ偏光成分とに分離する偏光成分分離ステップと、
上記偏光成分分離ステップにて分離された上記Ｐ偏光成分および上記Ｓ偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記Ｐ偏光成分の強度に対する上記Ｓ偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記物体表面の性状を判断する表面性状判断ステップとを含むことを特徴とする表面検査方法。
【請求項９】
請求項１から７までのいずれか１項に記載の表面検査装置を動作させるための表面検査プログラムであって、コンピュータを上記の各手段として機能させるための表面検査プログラム。
【請求項１０】
請求項９に記載の表面検査プログラムを記録したコンピュータ読み取り可能な記録媒体。
【請求項１】
照射された光の散乱光を分析して、上記光が照射された物体表面の性状を検査する表面検査装置であって、
上記散乱光を、散乱面に平行な振動成分であるＰ偏光成分と、上記散乱面に垂直な振動成分であるＳ偏光成分とに分離する偏光成分分離手段と、
上記偏光成分分離手段によって分離された上記Ｐ偏光成分および上記Ｓ偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記Ｐ偏光成分の強度に対する上記Ｓ偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記物体表面の性状を判断する表面性状判断手段とを備えることを特徴とする表面検査装置。
【請求項２】
上記表面性状判断手段は、
上記強度比相関パラメータの分布が反映された画像データから、その画像データの特徴を示す画像特徴量を抽出し、抽出された上記画像特徴量を定義域のパラメータとし、上記物体表面の性状を判断するために予め定めた判断パラメータを値域のパラメータとして構成した所定の写像を用いて、
上記画像特徴量の値から求めた上記判断パラメータの値に基づいて、上記物体表面の性状を判断することを特徴とする請求項１に記載の表面検査装置。
【請求項３】
上記表面性状判断手段は、
上記強度比相関パラメータとして、パラメータΨ＝ｔａｎ−１（Ｓ偏光成分の強度／Ｐ偏光成分の強度）を用いることを特徴とする請求項２に記載の表面検査装置。
【請求項４】
上記画像データにおける複数の画素のうち、上記強度比相関パラメータの値が所定の閾値以上または以下である白画素を特定する白画素特定手段と、
上記白画素特定手段が特定した複数の白画素の中から、互いに隣接する複数の白画素からなる白画素グループを特定し、特定した白画素グループに外接する閉図形の図形的な特徴を示す形状特徴量を抽出する形状特徴量抽出手段と、を備え、
上記表面性状判断手段は、
上記形状特徴量を上記画像特徴量として、多変量解析を行って構成した写像を上記所定の写像として用いて、
上記形状特徴量抽出手段によって抽出された上記形状特徴量の値から求めた上記判断パラメータの値に基づいて、上記物体表面の性状を判断することを特徴とする請求項２または３に記載の表面検査装置。
【請求項５】
上記表面性状判断手段は、
上記物体表面の良否を判定するための良否判定パラメータを上記判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、
上記形状特徴量抽出手段によって抽出された上記形状特徴量の値から求めた上記良否判定パラメータの値に基づいて、上記物体表面の良否を判定することを特徴とする請求項４に記載の表面検査装置。
【請求項６】
上記表面性状判断手段は、
上記物体表面の光沢ムラの種類を判別するためのムラ種類判別パラメータを上記判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、
上記形状特徴量抽出手段によって抽出された上記形状特徴量の値から求めた上記ムラ種類判別パラメータの値に基づいて、上記物体表面における光沢ムラの種類を判別することを特徴とする請求項４に記載の表面検査装置。
【請求項７】
上記物体表面の凹凸の状態を示すための極座標空間における、
上記強度比相関パラメータの動径方向の重み付け平均の角度微分の標準偏差、
上記極座標空間の原点から上記強度比相関パラメータの重心までの距離、および、
上記強度比相関パラメータの動径方向の重み付け平均のいずれか１つ以上を、
上記所定の写像を具現化する検索空間内の座標として、上記強度比相関パラメータの値の分布から算出する座標算出手段と、
上記座標算出手段が算出した座標が、上記物体表面の光沢ムラの種類に応じて上記検索空間内に複数設定された領域のいずれに属するかを判定する領域判定手段とを備え、
上記表面性状判断手段は、上記領域判定手段の判定結果を用いて、上記物体表面の光沢ムラの種類を判別することを特徴とする請求項２または３に記載の表面検査装置。
【請求項８】
照射された光の散乱光を分析して、上記光が照射された物体表面の性状を検査する表面検査方法であって、
上記散乱光を、散乱面に平行な振動成分であるＰ偏光成分と、上記散乱面に垂直な振動成分であるＳ偏光成分とに分離する偏光成分分離ステップと、
上記偏光成分分離ステップにて分離された上記Ｐ偏光成分および上記Ｓ偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記Ｐ偏光成分の強度に対する上記Ｓ偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記物体表面の性状を判断する表面性状判断ステップとを含むことを特徴とする表面検査方法。
【請求項９】
請求項１から７までのいずれか１項に記載の表面検査装置を動作させるための表面検査プログラムであって、コンピュータを上記の各手段として機能させるための表面検査プログラム。
【請求項１０】
請求項９に記載の表面検査プログラムを記録したコンピュータ読み取り可能な記録媒体。
【図１】
【図２】
【図４】
【図５】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３２】
【図３３】
【図３４】
【図４０】
【図３】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図２０】
【図２１】
【図２２】
【図２３】
【図３１】
【図３５】
【図３６】
【図３７】
【図３８】
【図３９】
【図２】
【図４】
【図５】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３２】
【図３３】
【図３４】
【図４０】
【図３】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図２０】
【図２１】
【図２２】
【図２３】
【図３１】
【図３５】
【図３６】
【図３７】
【図３８】
【図３９】
【公開番号】特開２０１３−３３０１７（Ｐ２０１３−３３０１７Ａ）
【公開日】平成２５年２月１４日（２０１３．２．１４）
【国際特許分類】
【出願番号】特願２０１１−２３１０８９（Ｐ２０１１−２３１０８９）
【出願日】平成２３年１０月２０日（２０１１．１０．２０）
【出願人】（３０１０２１５３３）独立行政法人産業技術総合研究所 (6,529)
【出願人】（５００４００２１６）住友電工プリントサーキット株式会社 (197)
【Ｆターム（参考）】
【公開日】平成２５年２月１４日（２０１３．２．１４）
【国際特許分類】
【出願日】平成２３年１０月２０日（２０１１．１０．２０）
【出願人】（３０１０２１５３３）独立行政法人産業技術総合研究所 (6,529)
【出願人】（５００４００２１６）住友電工プリントサーキット株式会社 (197)
【Ｆターム（参考）】
[ Back to top ]