用于定位影响沉积在基体上的薄层堆叠的缺陷的起源的方法和装置与流程

本发明涉及在至少一个面上覆盖有薄层堆叠的基体的制造，尤其是以玻璃或以有机聚合物材料制成的透明基体。通常为基体——尤其是以玻璃或以有机聚合物材料制成的基体——提供覆层，所述覆层赋予这些基体特定的性质，尤其是光学性质（例如对给定波长范围内的辐射的反射或吸收）、导电性质、或甚至与易于清洁或基体的自清洁能力有关的性质。这些覆层通常是基于无机化合物的薄层堆叠，所述无机化合物尤其是金属、氧化物、氮化物或碳化物。在本发明的上下文中，将其厚度小于1微米并且通常在几纳米至几百纳米之间变化（因此具有“薄”的属性）的层称为薄层。通常经由在沉积流水线的多个隔室（通常20至30个隔室）中进行的一系列薄层沉积来制造薄层堆叠，这些沉积是通过使用一种或多种沉积方法在各个隔室中进行的，所述沉积方法尤其是诸如磁场辅助的阴极溅射（也称为磁控管阴极溅射）、离子枪辅助的沉积（或ibad，离子束辅助沉积）、蒸发、化学气相沉积（或cvd，化学汽相淀积）、等离子体辅助的化学气相沉积（pecvd，等离子体增强cvd）、低压化学气相沉积（lpcvd，低压cvd）。遗憾的是，沉积流水线的隔室通常是脏的，并且当基体经过这些隔室时，可能会导致存在于某些隔室中的灰尘或碎屑不规则地落在基体上。某些碎屑可能残留于基体的表面（更确切地说，残留于在有问题的隔室中沉积的薄层的表面），并且然后表现得如同用于后续薄层沉积的掩模。这些碎屑是影响沉积在基体上的薄层堆叠质量的缺陷的起源，并且取决于如此制造的覆盖后的基体的预期应用，所述缺陷可被证实会造成严重影响。为了检查所制造的覆盖后的基体的质量，现有技术中存在光学检查系统，其旨在被放置在沉积流水线的出口处，并且被配置成提供沉积在基体表面的薄层堆叠的各种图像。这些光学检查系统通常配备有包括多个光学传感器（摄像机）和具有不同波长的多个辐射源的工作台，使得能够获取以各种配置的图像（例如，以反射、透射等方式拍摄的图像）。对这些图像的分析使得能够检测影响在沉积流水线中实现的薄层堆叠的可能缺陷。虽然现今提出的检查系统使得能够检测缺陷，但它们无法给出有关这些缺陷的起源的任何信息。然而，为了预想在沉积流水线上进行快速且有针对性的维护操作，对该起源的了解可能显得尤为可贵。技术实现要素：本发明通过提出一种方法而使得能够尤其是减轻现有技术的缺点，该方法用于在包括一系列隔室的沉积流水线中定位影响在隔室中沉积在基体上的薄层堆叠的缺陷的起源，其中每个材料薄层是在沉积流水线的一个或多个连续隔室中沉积的，并且残留于在隔室中沉积的薄层表面的碎屑表现得如同用于后续薄层沉积的掩模并且是缺陷的起源，该方法包括：-获得示出所述缺陷的至少一个图像的步骤，所述至少一个图像是通过放置在沉积流水线出口处的至少一个光学检查系统获取的；-基于所述至少一个图像来确定缺陷特征的步骤，这种特征包括代表该缺陷的至少一个特性；-基于缺陷特征并且通过使用与沉积流水线的隔室相关联的参考特征来识别可能是缺陷起源的沉积流水线的至少一个隔室的步骤。相应地，本发明还涉及一种用于定位缺陷的起源的装置，所述缺陷影响在沉积流水线中一系列多个隔室中沉积在基体上的薄层堆叠，其中每个材料薄层是在沉积流水线的一个或多个连续隔室中沉积的，并且残留于在隔室中沉积的薄层表面的碎屑表现得如同用于后续薄层沉积的掩模并且是缺陷的起源，该装置包括：-获得模块，其用于获得示出缺陷的至少一个图像，所述至少一个图像是通过放置在沉积流水线出口处的至少一个光学检查系统获取的；-确定模块，其用于基于所述至少一个图像来确定缺陷特征，这种特征包括代表该缺陷的至少一个特性；-识别模块，其用于基于缺陷特征并且通过使用与沉积流水线的隔室相关联的参考特征来识别可能是缺陷起源的沉积流水线的至少一个隔室。因此，本发明提出了一种用于定位影响沉积在基体上的薄层堆叠的缺陷在沉积流水线中的起源的简单有效的解决方案。在本发明的上下文中，在使基体依次在受环境控制的沉积流水线的各个隔室中鱼贯前进的同时执行薄层堆叠在基体上的沉积。特别地，完整的薄层堆叠在基体上的沉积是在不在两个隔室之间进行中间清洁或将基体暴露于空气的情况下进行的。因此，在沉积流水线的隔室中落在基体上的碎屑残留于在该隔室中沉积的薄层的表面，并且表现得如同用于后续薄层沉积的掩模，从而产生缺陷。于是，本发明使得能够识别可能是在沉积流水线出口处检测到的缺陷的起源的沉积流水线的缩减数量的隔室或甚至单个隔室。为此，与沉积流水线的给定隔室相关联的参考特征是基于通过使基体在存在来自于所述给定隔室的至少一个碎屑的情况下经过沉积流水线的所有隔室而执行的薄层堆叠的沉积来评估的。换言之，在本发明的上下文中，与给定隔室相关联的参考特征是在如下情况下获得的：处于产生完整的薄层堆叠的条件下，并且由于存在来自于所述给定隔室的碎屑，该堆叠中的某些薄层可能局部缺失。为了确定参考特征，在该碎屑的位置之外，该堆叠的所有薄层都存在于基体上。在本发明的一个实施例中，沉积流水线通过称为“磁控管阴极溅射”的磁场辅助的阴极溅射工艺来将薄层沉积在基体上。于是，所述沉积流水线的每个隔室都包括具有负电位的溅射靶，称为“阴极”，其包括待沉积的化学元素，在其附近在高真空下产生等离子体。通过轰击靶，等离子体的活性物质使化学元素从靶中脱出，将其沉积在基体上，从而形成所需的薄层。当薄层由从靶中脱出的元素与等离子体中包括的气体之间的化学反应所产生的材料构成时，该过程被认为是反应性的。该磁控管阴极溅射工艺的一个优点在于，通过使基体依次在各种靶下连续前进，可以在同一沉积流水线上沉积非常复杂的层堆叠。在本发明的上下文中，沉积流水线的多个连续隔室可以以预定义的比例参与同一材料的薄层沉积。有利地，在缺陷存在于在沉积流水线的多个连续隔室中沉积的具有相同材料的薄层中的情况下，本发明使得能够在参与了这种薄层的沉积的所有隔室当中识别出作为该缺陷的起源的一个或多个隔室。在磁控管阴极溅射沉积流水线的情况下，在其中发生薄层沉积的各种隔室的参数选择包括调节磁控管阴极溅射的各种参数，并且尤其是气体的压力及其组成、施加在阴极上的功率、轰击粒子的入射角、沉积的厚度等。基体优选是以矿物玻璃制成或以有机聚合物材料制成的片材。它优选是透明的，无色或有色的。玻璃优选是钠钙硅型玻璃，但其也可以是例如硼硅酸盐或铝硼硅酸盐型玻璃。优选的有机聚合物材料是聚碳酸酯、聚甲基丙烯酸甲酯、聚对苯二甲酸乙二醇酯（pet）、聚萘二甲酸乙二醇酯（pen）或甚至含氟聚合物，如乙烯-四氟乙烯（etfe）。基体可以是刚性的或柔性的。基体可以是平面的或凸起的。根据本发明的解决方案是依赖于利用来自于通常在沉积流水线出口处执行的光学检查的数字图像。根据本发明，分析这些图像以提取缺陷特征，所述缺陷特征包括一个或多个预确定的特性、代表所述缺陷、并且对其的观察使得能够识别沉积流水线的可能是缺陷起源的隔室。为此，将缺陷特征直接或间接（例如间接通过一个或多个决策树）与各种参考特征进行对照，所述参考特征是针对沉积流水线的每个隔室产生的并且包括与缺陷特征相同的特性。与隔室相关联的参考特征表示源自该隔室的缺陷的预确定的特性值。例如，所述参考特征可以是如下获得的：以实验方式敲击隔室的壁以便在每个隔室中产生由敲击而产生的碎屑、通过模拟或者通过计算。应注意，多个参考特征可与沉积流水线的每个隔室相关联。同样地，每个参考特征不一定对应于单个点，而是可以对应于值的区间、曲线的一部分、曲面的一部分等等，这取决于参考特征中包括的分量的数量。在考虑到与沉积流水线的各个隔室相关联的参考特征的情况下分析缺陷特征使得能够识别可能是缺陷起源的沉积流水线的缩减数量的隔室或甚至单个隔室。因此，例如，在一个特定实施例中，识别步骤包括将缺陷特征与跟沉积流水线的每个隔室相关联的多个参考特征进行比较的步骤，被识别为可能是缺陷起源的所述至少一个隔室与对应于缺陷特征的参考特征相关联。换言之，被识别为可能是缺陷起源的一个或多个隔室在这种情况下是其参考特征在例如预定义的距离或者等效地预定义的预测误差的意义上最类似于缺陷特征的隔室。本发明有利地适用于易于沉积在基体、特别是透明基体上的各种薄层堆叠，并且尤其适用于形成干涉系统的薄层堆叠。根据所考量的薄层堆叠的光学性质以及由光学检查系统提供的图像的类型（以反射拍摄的图像、以透射拍摄的图像、利用能够在各种波长范围中发射的辐射源获得的图像等）来适配在本发明的上下文中使用的缺陷特征的一个或多个特性的选择，所述光学性质特别是其反射或透射辐射的性质。作为可能被沉积在基体上并根据本发明进行分析的薄层堆叠的示例，可以非限制性地列举以下薄层堆叠：-改变基体在可见波长范围中的反射性质的薄层堆叠，如反射金属层，尤其是基于金属银的反射金属层，其用于形成镜面或甚至抗反射覆层，其力求减少空气与基体之间的界面处的辐射反射。抗反射覆层尤其可以是通过以下薄层堆叠形成的：起到空气与基体之间的界面处的干涉滤光器的作用的具有交替地较弱和较强的折射率的薄层堆叠，或甚至具有空气的折射率与基体的折射率之间的连续或阶梯状的折射率梯度的薄层堆叠；-为基体赋予红外辐射反射性质的薄层堆叠，如包括金属的或基于透明导电氧化物（tco）的至少一个薄层的透明堆叠，所述薄层称为功能层，所述薄层尤其是基于银、铌、铬、镍铬合金（nicr）、铟锡混合氧化物（ito）以及位于每个功能层任一侧上的用于形成干涉系统的覆层。这些具有红外辐射反射性质的透明堆叠用于形成旨在减少进入的太阳能的量的用来控制阳光的装配玻璃、特别是防阳光装配玻璃，或旨在减少从建筑物或车辆向外消散的能量的量的具有低发射率的装配玻璃；-为基体赋予导电性质的薄层堆叠，如包括至少一个金属薄层（尤其是基于银）或基于透明导电氧化物（tco）的薄层的透明堆叠，所述基于透明导电氧化物（tco）的薄层例如是基于铟锡混合氧化物（ito）、基于铟锌混合氧化物（izo）、基于铝或镓掺杂的氧化锌、基于铌掺杂的氧化钛、基于锡酸镉或锡酸锌、基于锑和/或氟掺杂的氧化锡。这些具有导电性质的覆层尤其用于保温装配玻璃中，其中使电流在覆层内流动以通过焦耳效应产生热量，或甚至用作具有层的电子装置中的电极，特别是用作位于有机电致发光二极管（oled）装置、光伏装置、电致变色装置的正面的透明电极；-为基体赋予自清洁性质的薄层堆叠，如基于氧化钛的透明堆叠，其促进有机化合物在紫外辐射作用下的降解以及矿物污垢在水流作用下的去除；-为基体赋予防结露性质、疏水性质等的薄层堆叠。用于形成缺陷特征的一个或多个特性的选择优选地具有根据参与薄层堆叠的沉积的隔室而变化的值，以便使得能够容易地识别该堆叠中的缺陷所起源于的隔室。例如，可以选择这样的特性：其值是基体上的沉积厚度的严格单调函数（即增函数或减函数），以便缺陷特征中的该特性的值使得能够识别该缺陷显现于其处的沉积的厚度。基于对该厚度的了解和对负责沉积对应于该厚度的薄层的隔室的了解，可以容易地由此推断出缺陷所起源于的隔室。作为基体上的沉积厚度的函数的严格单调特性的这种选择特别有利，因为它使得能够基于包括良好选择的单个特性的特征来识别作为缺陷起源的单个隔室。然而，特征的每个特性的值与沉积流水线的隔室之间的一一对应关系不是本发明的必要条件；换言之，每个隔室对应于每个特性的不同的值不是必需的。当考虑给定的特性时，实际上可能存在两个或更多个隔室之间的模糊性或简并性。尤其是，一个特性的相同的值可以对应于沉积流水线的两个不同的隔室。实际上，首先要注意的是，包括其中存在模糊性的情况在内，本发明都使得能够大幅缩减被怀疑是缺陷起源的隔室的数量。如上所述，在基体上沉积薄层堆叠的情况中的沉积流水线可以容易地包括20个或甚至30个隔室。本发明使得能够将这20个或甚至30个隔室限制为针对其存在模糊性的几个隔室，也就是说，通过良好地选择特性，将其限制为至多两个或三个隔室。此外，可以通过考虑缺陷特征中的多个特性来进一步缩减该数量，特性的多样性使得能够消除残余的模糊性。应注意，针对形成缺陷特征而考虑的特性可取决于由光学系统获得和提供的图像的属性（例如，以反射或透射拍摄的图像、用于产生图像的辐射源的类型等等）。使用具有不同属性的图像可以有利地使得能够通过从每种类型的图像中提取各种补充特性以形成缺陷特征来消除上述模糊性。示出缺陷的所述至少一个图像尤其可以是以灰度级编码的图像、以rvb编码的图像、高光谱图像。因此，作为例示，在一个特定实施例中，所述至少一个图像可包括以灰度级编码的以反射拍摄的图像和以灰度级编码的以透射拍摄的图像。当薄层堆叠包括具有低发射率的多个层时，可以优先应用（但并非限制性的）该实施例。除了从以反射拍摄的图像中提取的信息之外的从以透射拍摄的图像中提取的信息的使用使得能够具有包括更多特性的特征，并且使得能够更精确地定位影响薄层堆叠的缺陷的起源。在另一实施例中，所述至少一个图像可包括由所述至少一个光学系统使用在至少部分不同的两个波长范围中进行发射的两个辐射源而获取的以灰度级编码的（以反射和/或透射拍摄的）两个图像，所述辐射源尤其是在可见波长范围中发射的辐射源和在红外波长范围中发射的辐射源。借助于巧妙选择的以不同波长发射的两个辐射源获得的图像的组合可以使得能够消除模糊性。实际上，某些堆叠可以具有作为该实施例有利地使得能够利用的红外范围中的沉积厚度的函数的严格单调的特性。因此，本发明使得能够在沉积流水线上进行有针对性的维护，将维护操作（尤其是清洁操作）或更一般地校正动作集中在所识别的几个隔室上，或甚至集中在一个单独的隔室上。这样的校正动作通常可以包括敲击每个识别出的隔室的壁，以便使之摆脱遮盖它们且在于该隔室中沉积薄层时易于沉积在基体上的可能的灰尘和碎屑。这些维护操作可以无区别地在生产期间或在生产结束时进行。因此，本发明使得能够更迅速且更有效地干预沉积流水线，同时限制相关成本。借助于本发明，对作为缺陷起源的一个或多个隔室的识别还非常快速。结果，在检测到从沉积流水线出来的覆盖后的基体上的缺陷的出现的情况下的危机解决所花费的时间显著减少。在一个特定实施例中：-所述至少一个图像包括以灰度级编码的以反射拍摄的图像，并且缺陷特征包括基于从该以反射拍摄的图像确定的缺陷的反射系数而定义的特性；和/或-所述至少一个图像包括以灰度级编码的以透射拍摄的图像，并且缺陷特征包括基于从该以透射拍摄的图像确定的缺陷的透射系数而定义的特性。这些反射和/或透射系数可以例如使用这样的方法来确定：对以灰度级编码的图像中示出的缺陷应用连续侵蚀，并且在此期间，在每个步骤中，确定反射和/或透射系数的值。当然可以设想其他方法作为变型。实际上，发明人明智地发现，可以基于缺陷的以灰度级编码的以透射拍摄的图像或以反射拍摄的图像、并且更具体地基于由该图像确定的缺陷的反射或透射对比度水平来识别该缺陷可能源自于哪个（或哪些）隔室。更具体地，发明人确立了缺陷的反射或透射对比度水平与在灰尘或碎屑掉落之后停止堆叠的厚度、换言之缺陷出现时的厚度之间的关联。该厚度可以容易地与参与沉积薄层堆叠的沉积流水线的隔室相关联。应当注意，当图像不是高光谱图像时，本发明基于这样的假设：从光学检查系统提供的图像中提取的所考量的对比度值表示（反射或透射的）“真实的”整体对比度值，其应是基于（反射或透射）光谱计算的。“表达”的意思是所考量的对比度值绝对地或相对地（即，它可以与该真实值成比例或者是该真实值的单调函数）代表该真实值。作为例示，在如上所述的具有红外辐射反射性质的透明薄层堆叠——其包括被两个覆层包围的银薄层，该两个覆层各自包括用于形成干涉系统的一个或多个薄层——的情况下，可以观察到（如有必要，标准化的）以反射拍摄的图像中观察到的平均光反射系数作为堆叠厚度的函数的变化，该变化具有倒v形并且在银薄层处具有最大值。该银层处的最大值表明了银层的低发射率的事实，这通过最大光反射率传达出来。换言之，作为厚度的函数的光反射系数的变化在银层之前是增函数，然后在银层之后是减函数。因此，基于该表示以及基于对表征沉积流水线的每个隔室的所谓参考光反射系数的了解，容易辨别出参与了银层之前沉积的第一覆层的沉积的第一系列隔室中的隔室当中的可能是缺陷起源的隔室，或参与了银层之后沉积的第二覆层的沉积的第二系列隔室中的隔室当中的可能是缺陷起源的隔室。因此，在上面例示的示例中，如果缺陷特征包括基于缺陷的平均光反射系数定义的单个特性，则在根据本发明的方法完结时可获得可能是在薄层堆叠中观察到的缺陷的起源的两个隔室。为了确定作为观察到的缺陷的起源的隔室是属于第一系列隔室还是第二系列隔室，发明人有利地提出了利用缺陷的第二特性，即，在前述示例中，是否存在明亮的光环（即，对应于最大反射的光环）围绕以反射拍摄的图像中的缺陷。在本发明的一个特定实施例中，定位方法因此还包括检测在所述至少一个图像中示出的缺陷的周围的明亮光环的存在的步骤，缺陷特征包括表达该存在的特性。实际上，本发明人将这样的明亮光环的存在与在沉积银层之前引入缺陷联系起来，即在参与了在银层之前沉积的第一覆层的沉积的第一系列隔室中的隔室中；相反，这样的明亮光环的不存在意味着在沉积银层之后引入缺陷，即在参与了在银层之后沉积的第二覆层的沉积的第二系列隔室中的隔室中。应注意，通过使用上述侵蚀方法，观察在侵蚀方法的各次迭代中、并且尤其是在第一次迭代期间获得的光反射系数的值，可以容易地检测到这样的明亮光环的存在。这同样适用于光学系统提供以透射拍摄的缺陷图像并且其中缺陷特征的一个特性是基于缺陷的光透射系数而确定的情况。在本发明的一个特定实施例中，该方法还包括：-确定（反射或透射）系数的变化梯度的步骤；以及-基于所确定的变化梯度来检测缺陷的形状的步骤。该实施例使得能够获得关于缺陷的补充信息，尤其是在涉及到平坦缺陷或三维缺陷的情况下。这样的信息可用于在隔室本身内识别隔室的哪些元素是沉积在基体上的灰尘和/或碎屑的起源。如上所述，本发明适用于以灰度级编码的图像（例如，通过在可见波长范围和/或红外波长范围中发射的辐射源获取的以反射和/或透射拍摄的图像等等）。然而，该假设是非限制性的，并且本发明也可以基于其他类型的图像来实现。然后将所考量的特征适配于可从这些图像中提取的信息。因此，在一个特定实施例中，所述至少一个图像包括以红绿蓝（rvb）编码的以反射或透射拍摄的图像，并且该方法还包括将rvb图像转换至l*a*b*色彩空间中的步骤，缺陷特征包括基于转换后的图像确定的缺陷底部表面的a*和b*分量。另外，缺陷特征还可以包括基于转换后的图像确定的缺陷的l*分量。在另一实施例中，所述至少一个图像包括高光谱图像，并且缺陷特征包括示出作为波长的函数的缺陷的底部表面的反射或透射系数的值的光谱。此外，在该实施例中，与沉积流水线的隔室相关联的每个参考特征可以包括对应于在该隔室中沉积的层的各种厚度的多个光谱。这些各种类型的以rvb编码的图像或高光谱图像比以灰度级编码的图像携带了关于缺陷的更多信息。然而，它们需要借助于更复杂且通常更昂贵的光学检查系统。本发明使得其自身能够适配至放置在沉积流水线出口处的各种的光学检查系统。在上述实施例中，从该缺陷的图像中提取并利用表示缺陷的缩减数量的特性。该缩减数量的特性限制了识别步骤的复杂性，因为在该步骤中仅需要将几个特性与隔室的参考特征进行对照。在本发明的另一实施例中，识别步骤包括将自主学习方法应用于缺陷特征，所述学习方法是基于按照与沉积流水线的隔室相关联的参考特征训练的模型。该模型优选地在大量图像上进行训练，所述图像表示能够识别其起源或已知其起源的缺陷，这些图像是在多个生产日期间获得的。例如，这种模型包括基于从大量图像中提取的隔室参考特征而训练的一个或多个决策树。在识别步骤中这样使用的自主学习方法可以例如是能够使用这种决策树的所谓决策树森林算法，其英语名称“randomdecisionforest（随机决策森林算法）”更为大众所熟知。然而，作为变型，可以使用使得能够对元素进行分类并基于使用参考值训练的模型的任何其他算法（例如，最近邻算法、支持矢量机（svm）算法、神经网络算法等）。在该实施例中，可以从数字图像中容易地提取除上述特性之外的缺陷的值得注意的特性，并利用所述特性来识别作为缺陷起源的隔室。优选地，基于所述至少一个图像确定的缺陷特征包括与缺陷的光强度有关的至少一个特性和/或与缺陷的形状有关的至少一个特性。举例来说，所述与缺陷的光强度有关的至少一个特性可以包括：-代表缺陷的径向光强度分布的特性；和/或-代表缺陷的径向光强度分布的斜率的特性；和/或-代表缺陷的平均光强度的特性；和/或-代表缺陷的中心光强度的特性。类似地，所述与缺陷的形状有关的至少一个特性可以包括：-代表缺陷的面积的特性；和/或-代表缺陷的周长与缺陷的面积之比的特性；和/或-代表缺陷的形状因子的特性。本发明人已将上述特性鉴别为当使用其全部或一些时使得能够非常可靠地识别作为缺陷起源的隔室的特性。应当注意，借助于自主学习方法使得能够更容易地将显著更多数量的缺陷特性纳入考虑。应当注意，在上述本发明的所有实施例中，参考特征与隔室之间的对应关系可能会变化，并且尤其是取决于当在基体上进行薄层沉积时的沉积流水线的参数选择。实际上，每个阴极对堆叠厚度的贡献可能会被改变，尤其是由于施加到阴极的功率的改变、面向阴极的基体的前进速度的改变、阴极的隔室中使用的气体的压力及其组成的改变等等。可以容易地根据经验或分析而将与沉积参数相关的这种依赖性纳入考虑，特别是借助于将沉积参数与对应于每个隔室的堆叠厚度相关联的计算模型。在一个特定实施例中，定位方法的各个步骤是通过计算机程序指令确定的。因此，本发明还涉及记录介质或信息介质上的计算机程序，该程序易于在定位装置中或更一般地在计算机中实现，该程序包括被适配成实现如上所述的定位方法的步骤的指令。该程序可以使用任何编程语言，以及采用源代码、目标代码或源代码与目标代码之间的中间代码的形式，如以部分编译的形式或以任何其他期望的形式。本发明还涉及一种计算机可读记录或信息介质，其包括如上所述的计算机程序的指令。所述信息或记录介质可以是能够存储所述程序的任何实体或装置。例如，所述介质可以包括如rom之类的存储装置（例如cdrom或微电子电路rom）或磁性记录装置，例如软盘（软磁盘）或硬盘。此外，所述记录或信息介质可以是可传输介质，如光信号或电信号，其可以经由光缆或电缆通过无线电或通过其他方式发送。特别地，根据本发明的程序可以在互联网类的网络上下载。备选地，所述记录或信息介质可以是其中并入了所述程序的集成电路，该电路被适配成执行所讨论的方法或被适配成在执行所讨论的方法中使用。本发明还涉及一种系统，包括：-沉积流水线，其包括能够在基体上沉积薄层堆叠的一系列隔室，其中在沉积流水线的一个或多个连续隔室中沉积每个材料薄层，并且残留于在隔室中沉积的薄层表面的碎屑表现得如同用于后续薄层沉积的掩模并且是缺陷的起源；-至少一个光学检查系统，其被放置在沉积流水线的出口处并被配置成提供至少一个图像，所述图像示出影响沉积在基体上的薄层堆叠的缺陷；以及-根据本发明的定位装置，其能够在沉积流水线的一系列隔室当中识别可能是缺陷起源的至少一个隔室。在其他实施例中，还可以设想根据本发明的定位方法、定位装置和系统具有前述特征的全部或部分的组合。附图说明本发明的其他特征和优点将从以下参考附图进行的描述中变得显而易见，附图示出了本发明的完全非限制性的实施示例。在附图中：-图1示意性地示出了在一个特定实施例中的根据本发明的系统；-图2示出了图1的系统中包括的薄层堆叠的沉积流水线；-图3示出了放置在图1系统中的沉积流水线出口处的光学检查系统；-图4示意性地示出了一个特定实施例中的根据本发明的定位装置的硬件架构，该装置被包括在图1的系统中；-图5、11、14和16以流程图的形式示出了根据本发明的定位方法的四个实施例；-图6示出了一个特定实施例中的能够应用于影响薄层堆叠的缺陷的图像以便确定该缺陷的特征的连续侵蚀方法；-图7、9a-9c、10、12、13和15呈现了根据本发明的能够用于识别作为影响薄层堆叠的缺陷的起源的隔室的参考特征的各种示例；以及-图8例示了包括阴极的隔室以及保护该阴极的各种元件。具体实施方式在一个特定实施例中，图1示出了根据本发明的在其环境中的系统1。系统1包括：-沉积流水线2，其使得能够将薄层堆叠沉积在透明基体3上；-光学检查系统4，其被放置在沉积流水线2的出口处，并且能够获取覆盖有薄层堆叠的透明基体（参考标号为5）的各种数字图像，并且能够基于这些图像来检测影响覆盖后的基体5的缺陷的存在；以及-根据本发明的定位装置6，其能够分析由光学检查系统4检测到的缺陷的数字图像im，以便定位其在沉积流水线2中的起源。在下面设想的实施例中，薄层堆叠沉积在玻璃基体3上并形成干涉系统。在这些示例中，薄层堆叠包括在红外中具有反射性质的一个或多个功能层（即，示例1和2中的一个或两个银层，示例3中的铟锡混合氧化物（ito）层）和由一个或多个薄层形成的覆层，所述覆层位于每个功能层的任一侧以形成干涉系统。在下文中，用术语“模块”（m1、m2、m3）来指示包围了一个或多个银或ito的功能层的每个覆层，应理解的是，一个模块可由单个薄层或多个薄层组成。当然，下面描述的示例本身不是限制性的，并且可以设想其他薄层堆叠和其他基体，尤其是透明基体（例如，由有机聚合物材料制成的刚性或柔性基体）。在下面的示例中，包围了一个或多个功能层的覆层或“模块”由基于介电材料的薄层（例如氧化物、氮化物或氮氧化物的薄层）组成。作为变型，尤其是在金属薄层作为功能层的情况下，沿着堆叠的沉积方向设置在上方的金属薄层的每个模块可以包括薄薄的金属上阻挡层作为金属薄层下方相邻的层，其是氧化的或非氧化的，用于在后面的层的沉积期间以及在后面的可能的热处理期间保护该金属薄层，例如如果该后面的层是在氮化或氧化大气下进行沉积的话。每个金属薄层也可以沉积在薄薄的金属下阻挡层上并与之接触。因此，薄层堆叠可以包括包围该金属薄层或每个金属薄层的上阻挡层和/或下阻挡层。这些阻挡层是非常薄的层，通常厚度小于1nm，以便不影响堆叠的透光率，起到牺牲层的作用，特别是易于捕获氧。在图1所示的实施例中，沉积流水线2通过也称为磁控管阴极溅射的磁场辅助的阴极溅射技术在玻璃基体3上进行薄层的沉积。众所周知，阴极溅射技术是基于由溅射源发出的靶材料的蒸气在稀薄的大气中在基体上的凝结。更确切地说，源（也称为靶）的原子在保持一定压力的真空壳体中喷射到电离气体（如例如氩气）中。产生电场，导致气体电离，从而形成等离子体。使靶达到负电位（阴极），使得存在于等离子体中的离子被靶吸引并从中喷射原子。由此溅射的粒子在壳体中弥散，并且其中某些粒子尤其聚集在基体上，它们在基体上形成薄层。在磁控管阴极的情况下，还通过放置在阴极附近的磁体产生被定向成垂直于电场的磁场，以便将电子约束在阴极附近。这使得能够增加气体的电离率，从而与传统的阴极溅射技术相比显著提高了沉积产率。由于阴极溅射技术是本领域技术人员公知的，因此这里不再详细描述。图2示意性地示出了用于通过阴极溅射在玻璃基体3上沉积薄层的沉积流水线2。此处，它包括入口室7、第一缓冲室8、包括第一传输段9和第二传输段11的磁控管阴极溅射室10、第二缓冲室12和出口室13。除了两个传输段9和11之外，阴极溅射室10还包括一系列元件ei（i=1,…,n），其中n表示整数。每个元件ei包括沉积室或隔室15-i以及一个或两个泵室或隔室，沉积室或隔室15-i包括在磁控管阴极溅射期间用作靶的阴极，所述泵室或隔室配备有泵，并且按照需要位于沉积室的任一侧，以便在其中产生真空。玻璃基体3由输送带或传送带16带动着在阴极溅射室10的各个连续隔室中通行。各种元件ei（i=1,…,n）的接续使得能够将薄层堆叠沉积在玻璃基体3上。应该注意的是，多个连续的隔室15-i可以以预定义的比例参与同一材料的薄层沉积。其中发生薄层沉积的各个隔室15-i的参数选择包括调节磁控管阴极溅射的各种参数，并且尤其是气体的压力及其组成、施加到阴极的功率、轰击粒子的入射角、沉积的厚度等。光学检查系统4放置在沉积流水线2的出口处。如图3中示意性所示，它配备有一个或多个摄像机17和多个辐射源18，使得能够获取和产生从沉积流水线2输出的覆盖后的基体5的各种类型的数字图像。在图3中设想的示例中，光学检查系统4包括三个辐射源18，即rdf型（暗场反射或暗视野反射）光源18-1、rbf型（亮场反射或亮视野反射）光源18-2和tbf型（亮场透射或亮视野透射）光源18-3。交替地打开然后关闭这些光源，以获取以反射（对应于光源在覆盖后的基体上的反射）和/或透射（对应于由光源发出并透射穿过覆盖后的基体的光）拍摄的示出影响包括薄层堆叠的覆盖后的基体5的潜在缺陷的各种配置的数字图像。不对摄像机17的属性、所得数字图像的属性以及辐射源的配置属性附加任何限制。因此，根据其属性和其能力，摄像机17可以例如提供以灰度级编码的数字图像、以rvb（红绿蓝）编码的三色图像，或者其还可以是能够提供高光谱图像的高光谱摄像机等等。此外，光学检查系统4可以使用在可见范围或其他波长范围（如例如在红外范围中）中操作的辐射源。这些辐射源可以根据希望获得的图像被定向成沿各种角度，并用于定位作为缺陷起源的一个或多个隔室。作为例示，图6在其下部示出了以反射拍摄的以灰度级编码的数字图像，该图像是从在可见范围中操作的rbf光源获取的。出现在该图像上的斑点反映了光学检查系统4检测到的缺陷。在该图像中，由光学检查系统4的摄像机测量的对比度与缺陷的光反射率成比例。应当注意，当图像不是高光谱时，如这里的情况，本发明基于这样的假设：从光学检查系统提供的图像中提取的所考量的对比度值表示应当从光谱响应中（以绝对或相对方式）提取的整体量（rl或tl）的真实值。这种光学检查系统本身是已知的，并且通常用于检测影响在诸如沉积流水线2之类的沉积流水线中执行的沉积的缺陷。因此这里不再详细描述。应当注意，本发明不限于使用单个光学检查系统，并且可以设想由根据本发明的定位装置处理的图像是来自于放置在沉积流水线出口处的多个光学检查系统。如上所述，影响覆盖后的基体的缺陷可能尤其是由于存在于阴极溅射室10的某些隔室15-i中并且当基体在这些隔室中通行时不规则地落在基体上的灰尘或碎屑。非常有利地，通过利用从沉积流水线2输出的覆盖后的基体5上检测到的缺陷图像，根据本发明的定位装置6能够定位沉积流水线2中的该缺陷所起源于的隔室15-i。在这里描述的实施例中，定位装置6是计算机，其硬件架构在图4中示意性地示出。定位装置6包括处理器19、读写存储器20、只读存储器21、非易失性存储器22、通信模块23和各种输入/输出模块24。通信模块23使得定位装置6能够获得由光学检查系统4获取的缺陷的图像。它尤其可以包括数字数据总线和/或用于通过（本地或远程）网络（如例如网卡等）进行通信的装置，这是根据光学检查系统4与定位装置6彼此连接的方式。定位装置6的输入/输出模块24尤其包括键盘、鼠标、屏幕和/或使得能够对定位装置6进行配置并访问定位装置6对被提供给它的缺陷图像进行的分析的结果的任何其他装置（例如，图形接口）。定位装置6的只读存储器21构成根据本发明的记录介质，其可由处理器19读取并且在其上记录有根据本发明的计算机程序prog，该程序包括用于执行根据本发明的定位方法的步骤的指令。计算机程序prog等效地定义了软件和功能模块，这些软件和功能模块在此被配置成实现根据本发明的定位方法的步骤。这些功能模块依赖于或控制上述硬件元件19至24。在此，所述功能模块尤其包括：-模块6a，其用于获得示出缺陷的至少一个图像，所述图像由光学检查系统4获取，该模块6a能够与通信模块23通信并控制通信模块23；-模块6b，其用于基于所述至少一个图像来确定包括代表缺陷的至少一个特性的缺陷特征；以及-模块6c，其用于识别可能是缺陷起源的至少一个隔室，其被配置成使用缺陷特征和与沉积流水线的隔室相关联的多个参考特征。下面参考图5至16在本发明的四个不同实施例中更详细地描述这些模块的功能。三个第一实施例的不同之处在于由光学检查系统4提供并由定位装置6分析以定位缺陷起源的数字图像的属性。因此，在第一实施例中，定位装置6使用的图像是以灰度级编码的数字图像；在第二实施例中，定位装置6使用的图像是三色（或rvb，即红绿蓝）数字图像，并且在第三实施例中，由光学检查系统提供的图像是高光谱图像。在第四实施例中，定位装置6实现与用于定位沉积流水线2中的缺陷的三个第一实施例有关的备选处理。然而，本发明的这四个实施例都是基于相同的主要步骤来定位缺陷，即：-获得一个或多个图像的步骤，所述一个或多个图像示出所述缺陷并由光学检查系统4获取；-基于这些图像来确定缺陷特征的步骤，所述缺陷特征包括代表缺陷的至少一个特性；以及-基于缺陷特征并且通过使用与隔室15-i（i=1,…,n）相关联的参考特征来在沉积流水线的隔室15-i（i=1,…,n）当中识别可能是缺陷起源的至少一个隔室的步骤。现在，将在每个实施例中更详细地描述这些步骤。为了例示这些各种实施例，备选地考虑以下三个薄层堆叠的示例。-示例1：堆叠被沉积在以钠钙硅玻璃制成的基体上，并且按照在基体上沉积堆叠的方向包括：○第一覆层或模块m1，其由基于介电材料的多个薄层（例如氧化物、氮化物、氮氧化物层）形成；○银薄层；以及○第二覆层或模块m2，其由基于介电材料的多个薄层（例如氧化物、氮化物、氮氧化物层）形成；堆叠的每个层可通过多个不同的阴极进行沉积，以便获得所需的厚度，并且该堆叠的薄层的几何厚度被适配成使得整个堆叠形成干涉系统。–示例2：堆叠被沉积在以钠钙硅玻璃制成的基体上，并且包括被si3n4薄层包围的两个银薄层，其各自具有以下厚度：材料厚度（nm）si3n4（m3）30ag（l2）20si3n4（m2）75ag（l1）7si3n4（m1）41该堆叠的薄层的几何厚度被适配成使得整个堆叠形成干涉系统。在该示例2中，同种材料（si3n4或ag）的各薄层以各种厚度沉积在基体上。于是在括号中指示出所提到的层，例如ag（l1）表示所沉积的第一银层，并且ag（l2）表示第二银层。在示例2中，同样将在第一银层ag（l1）之前沉积在基体上的si3n4薄层称为“模块m1”，将在第一银层ag（l1）与第二银层ag（l2）之间沉积的si3n4薄层称为“模块m2”，并将在第二银层ag（l2）之后沉积在基体上的si3n4薄层称为“模块m3”。-示例3：堆叠被沉积在以钠钙硅玻璃制成的基体上，并且包括被基于介电材料的覆层或模块m1、m2包围的铟锡混合氧化物（ito）薄层，其各自具有以下厚度：材料厚度（mm）tio212sio2（l2）40ito100sio2（l1）11sin16.5该堆叠的薄层的几何厚度被适配成使得整个堆叠形成干涉系统。在该示例3中，同种材料的各薄层以各种厚度沉积在基体上。在括号中指示出所提到的层。在示例3中，将在ito层之前沉积在基体上的sin和sio2（l1）薄层形成的覆层称为“模块m1”，并将在ito层之后沉积在基体上的sio2（l2）和tio2薄层形成的覆层称为“模块m2”。当然，这些示例仅用于例示而绝非限制本发明。如上所述，本发明适用于可能沉积在基体上的各种薄层堆叠，并且尤其是形成干涉系统的堆叠。在下面描述的实施例中假设已经借助于由光学检查系统4获取的图像检测到了缺陷。检测到该缺陷的方式本身是已知的，并且这里不再描述。图5示出了根据本发明的定位方法的主要步骤，比如它由第一实施例中的定位装置6实现。在本发明的该第一实施例中，光学检查系统4配备有数字摄像机，该数字摄像机能够提供检测到的缺陷的以灰度级编码的数字图像im，该图像是通过激活光学检查系统4的各种辐射源中的部分或全部而获取的。这样的图像由多个像素组成，每个像素与表示其亮度的灰度级相关联。此处感兴趣的是以下图像：通过激活rbf型光源18-2获取的、表示为imr的、并且表示出该缺陷的反射系数的、缺陷的以反射拍摄的数字图像；以及，通过激活tbf型光源18-3获取的、表示为imt的、并且示出该缺陷的透射系数的、缺陷的以透射拍摄的数字图像。为了简单起见，在以下描述中，将描述限于以反射拍摄的图像imr以及适当的情况下以透射拍摄的图像imt。应当注意，如下面更详细地解释的，取决于所考量的薄层堆叠的配置，并不一定要使定位装置6刻板地设置这两种类型的图像。在类似于示例1的包括单个银层（或另一种低发射率材料的单个层）的堆叠的情况下，单单以反射拍摄的图像imr实际上可足以精确地定位缺陷的起源。在包括多个银层的示例2中，使用以反射拍摄的单个图像imr可以使得能够分离出可能是缺陷起源的缩减数量的隔室，但是并不总是足以使得能够在这缩减数量的隔室当中识别出单个隔室。为了消除这种残留模糊性，可以使用除了以反射拍摄的图像之外的其他图像，如例如借助于在红外波长范围中操作的辐射源获取的以透射拍摄的图像，或者可以使用缺陷的多个图像，如例如以反射拍摄的图像imr和以透射拍摄的图像imt，这二者都是借助于在可见波长范围中操作的辐射源获取的。将以反射拍摄的图像和/或以透射拍摄的图像——其是借助于在可见波长范围中和/或与诸如红外范围中的波长之类的其他波长一起的辐射源获取的——考虑在内尤其取决于所考量的薄层堆叠的吸收和反射性质以及为了实现本发明而考虑的代表缺陷的特性。下面参考给出的示例进一步例示这一点。假设定位装置6从光学检查系统4获得在沉积在玻璃基体3上的薄层堆叠中检测到的缺陷的以灰度级编码的至少一个图像im（步骤e10）。定位装置6通过其通信模块23及其获得模块6a接收这一个或多个图像im。然后，定位装置6通过其确定模块6b基于一个或多个图像im来确定缺陷特征sig(def)（步骤e20）。在本发明的上下文中，缺陷特征意指代表缺陷的一个或多个特性，并且通过将其与跟沉积流水线的隔室15中的每一个隔室相关联的参考特征进行对照，将使得能够在沉积流水线2中定位其起源。这些特性尤其可以取决于定位装置6利用的图像im的属性和这些图像中包括的关于缺陷的信息、沉积在基体上的薄层堆叠的反射和吸收性质、缺陷的形状等等。为了更好地例示该步骤，首先考虑上述示例1的薄层堆叠，其包括被两个模块m1、m2包围的银薄层，所述模块m1、m2各自由基于介电材料的多个薄层（例如氧化物、氮化物或氮氧化物层）形成。此外，假设光学检查系统4提供以反射拍摄的以灰度级编码的单个图像im=imr，该图像是借助于在可见波长范围中操作的光源18-2获取的。在这里描述的实施例中，确定模块6b从该以反射拍摄的图像imr中提取与缺陷的光反射系数有关的各种特性。为此，此处对以反射拍摄的图像imr应用连续侵蚀方法，该方法使得能够在其多次迭代期间提取缺陷的反射系数的各个值。图6示意性地示出了将该方法应用于以反射拍摄的图像imr中示出的缺陷def。该方法在于：基于缺陷的以反射拍摄的图像imr，从缺陷的轮廓连续地“侵蚀”或“磨去”缺陷（即，在每次迭代iter中，磨去缺陷轮廓的小的厚度，该厚度在各次迭代之间不一定是统一的）并计算已磨去的缺陷表面上的像素的灰度级的平均值，像素的灰度级展示出由该像素表示的位置处的缺陷的光反射系数。作为例示，在图6中，在与每次迭代相关联的框（iter=1、iter=2,…,iter=7）中示出每次侵蚀之后留下的表面。与缺陷的形状一致地选择为了实现该连续侵蚀方法而使用的迭代次数和每次迭代中应用的侵蚀节距（例如1个像素），以便使得能够提取关于该缺陷的恰当信息。在图6所示的示例中，通过以明亮的光环围绕的斑点来示出缺陷。在第一次迭代（iter=1）中，用于计算像素的灰度级的平均值的所考量且被侵蚀的表面有意地仅包括位于缺陷外部并且围绕该缺陷的图像背景的“黑色”部分。结果得到了相对低的灰度级的平均值（因为仅纳入了代表围绕缺陷的黑色表面的非常低的灰度级）。在第二次迭代（iter=2）中，缺陷的侵蚀部分对应于围绕缺陷的明亮光环。由于该明亮光环对应于高灰度级，因此得到了最大的光反射系数。接下来，在所示示例中，侵蚀继续并且光反射系数的平均值减小，直至从第四次迭代（iter=4）开始稳定。最后一次迭代中的平均值的“稳定”值给出了缺陷的光反射系数的值，标为rl(def)。此处，在第二次迭代中存在最大值，标为rlmax(def)，并且灰度级的平均值的尖峰状外形示出了缺陷周围存在明亮光环。因此，如此描述的侵蚀方法使得能够容易地识别出缺陷的外周处存在明亮光环。应注意，在没有明亮光环的情况下，rlmax(def)和rl(def)的值基本相同。在这里描述的第一实施例中，光反射系数rl(def)的值是确定模块6b用来确定缺陷特征的缺陷特性。优选地对在特征中考虑的光反射系数rl(def)进行标准化，例如相对于从沉积流水线2输出的覆盖后的基体5（最终产品）的光反射率或者相对于裸玻璃的光反射率（平均对照）进行标准化。这种标准化有利地使得能够摆脱光学检查系统的各种摄像机的校准浮动。然而它是可选的。因此，在本说明书的其余部分中，可以无差别地考虑标准化或非标准化的反射和/或透射系数，本发明无差别地适用于这两种情况。确定模块6b还向缺陷特征添加检测到的缺陷周围存在或不存在明亮光环的指示，如前文基于rlmax(def)的值所指示的。作为变型，确定模块6b可以使用除连续侵蚀方法之外的技术来确定缺陷特征并检测缺陷周围是否存在明亮光环。例如，确定模块6b可以通过评估缺陷的对角线（例如，最大对角线或相反地最小对角线）的各个点处的光反射系数来确定缺陷的光强度分布。这样获得的缺陷的光强度分布的各种值的分析使得确定模块6b能够检测缺陷周围可能存在的明亮光环并评估缺陷的光反射系数的平均值。根据又一变型，可以由确定模块6b在缺陷的多个半径上确定强度分布，然后对其进行平均以便从中提取缺陷特征。接下来，定位装置6的识别模块6c将这样获得的缺陷特征与多个参考特征进行比较（步骤e30），以便识别可能是缺陷起源的一个或多个隔室。在这里描述的实施例中，识别模块6c针对沉积流水线2的每个不同隔室15-i（i=1,…,n）使用一个参考特征sigref(i)。该参考特征包括与缺陷特征相同的特性（即，相同类型的特性）。参考特征可以针对每个特性包括单个值（即，单个点），或者相反，针对每个特性包括值的区间，或者仅包括这样的值区间的边界或几个重要值。作为变型，多个参考特征可以与同一隔室相关联。在这里描述的第一实施例中，预先产生参考特征（步骤e00）并将其存储在例如定位装置6的非易失性存储器22中。作为变型，它们可以存储在远程存储空间中并且例如经由定位装置6的通信模块23基于请求而获得。参考特征是例如通过敲击沉积流水线2的隔室15-i（i=1,…,n）中的每一个而以实验方式产生的。该过程包括敲击每个隔室的壁和元件，并收集由此敲击产生的碎屑。针对一个隔室借助于光学检查系统4观察这样获得的缺陷，并分析由该观察得到的图像，这使得能够估计与再现与针对缺陷提取的特性相同的特性的隔室相关联的平均参考特征（在此处设想的示例中，所述特性是光反射系数、是否存在明亮光环）。换言之，在步骤e00结束时，定位装置6在存储器中设置了针对沉积流水线的隔室15-i中的每一个的参考特征，这些参考特征给出针对每个隔室15-i的所谓的参考平均光反射系数（在适当的情况下是经标准化的所述系数）以及以平均值方式反映在起源于该隔室的缺陷周边是否存在明亮光环的指示，所述系数是对通过敲击隔室15-i产生的多个缺陷取的平均。作为变型，包括在每个隔室15-i的参考特征中的是否存在明亮光环的指示可以是根据隔室15-i相对于银层沉积中涉及的隔室的位置而确定的。实际上，本发明人明智地确立了该位置与缺陷周围是否存在明亮光环之间的对照关系：由于银层的高发射率，在以反射拍摄的图像中，影响包括单个银层的薄层堆叠的缺陷的缺陷周围存在明亮光环表明该缺陷很可能出现在沉积银层之前（即，在参与模块m1的沉积的隔室中）。相反，不存在这样的光环表明该缺陷很可能出现在沉积银层之后（即，在参与模块m2的沉积的隔室中）。因此，在确定参考特征时，可以直接将反映明亮光环的存在的指示分配给参与形成模块m1的层的沉积的隔室，并将反映明亮光环不存在的指示分配给参与形成模块m2的层的沉积的隔室。应注意，这样产生的参考特征取决于沉积流水线2的参数选择，并且尤其取决于由各隔室15-i的阴极实施的阴极溅射过程。因此，所述参考特征尤其取决于施加到每个阴极的功率、应当由每个阴极沉积的沉积厚度、隔室中的气体混合物等。可以针对每种沉积条件（每种参数选择）通过实验方式、通过在这些各种条件下进行敲击实验来确定参考特征。作为变型，可以设想使用使得能够将一种参数选择转变为另一种参数选择的计算模型。当参考特征对应于值的区间时，这种计算模型例如如下。将其应用于单个值的方式对于本领域技术人员来说是显而易见的，并且这里不再描述。用e(k,x,y)来表示阴极k在模块y中对在基体上沉积材料x的贡献。在此假设该贡献与注入该阴极的电功率成比例，所述电功率记为p(k,x,y)。此外，将模块y中的材料x的层的总厚度记为e(x,y)。为了计算对应于阴极k的特征的范围，可以计算包围阴极k的贡献的极限累积厚度（即，对应于阴极k的参考特征的边界），即：-针对下边界：-针对上边界：其中，表示在材料x的层之前沉积的层的厚度之和。如果f表示使得能够基于累积厚度推导出隔室的参考特征的函数（f是例如提供定义参考特征的曲线部分的极限的矢量函数，或计算所述曲线部分的平均值的函数），那么通过将函数f应用于上面给出的下边界e(k-1,x,y)和上边界e(k,x,y)来获得对应于新参数选择的参考特征。在一个实施变型中，通过模拟或通过计算产生参考特征。图7示出了在堆叠的一侧测量并通过敲击获得的参考反射系数rref的示例，并且其对应于根据示例1的薄层堆叠的沉积，在横坐标上标识出参与其中的多个阴极（阴极k1、k3、k4等），这些阴极被包括在相同数量的隔室中（即，因此有在横坐标上指示的阴极与沉积流水线的隔室之间的一一对应关系）。在该示例中，参考反射系数rref是基于由光学检查系统4的四个不同摄像机获取的图像产生的，放置所述摄像机以便监视覆盖后的基体的各个区域。在参考反射系数rref的产生过程中，可以每个摄像机或覆盖后基体的区域估计一个参考系数，或者从每个摄像机获得的参考系数估计混合参考系数，例如由每个摄像机获得的参考系数的平均值得出。在图7所示的示例中，为每个阴极确定了单个参考反射系数值rref。作为变型，可以针对每个阴极确定参考反射系数的并非单个值，而是包括参考反射系数的多个可能值的区间，或者在仍另一变型中可以确定参考反射系数的可能值的区间的边界。应注意，在图7中，阴极k9、k9b和k10a对应于银层沉积中涉及到的阴极。已知这些阴极不会产生（或产生很少）碎屑。换言之，影响薄层堆叠的缺陷不太可能起源于包括这些阴极之一的隔室。还应注意，在图7所示的示例中，某些阴极（或等效地某些隔室）与相同的反射系数值相关联（例如阴极k4和k23）。作为变型，参考反射系数rref可以不被表示为与它们相关联的隔室的函数，而是表示为堆叠中的沉积厚度的函数。在这种情况下，确立沉积厚度与参与对应于该厚度的沉积的隔室之间的对应关系并将其存储在定位装置6处，例如存储在其非易失性存储器22中。然后，可以将同一隔室与一个或多个沉积厚度相关联，换言之，与一个或多个参考特征相关联。在这里描述的第一实施例中，识别模块6c分两步将缺陷特征与跟沉积流水线2的各个隔室相关联的参考特征进行比较。更确切地说，在第一步中，识别模块6c基于缺陷特征sig(def)确定缺陷在其周边是否具有明亮光环。由于上面给出的原因，这里假设：与沉积流水线2的位于包括用于沉积银层的阴极的隔室之前的隔室（即，用于沉积形成模块m1的薄层的隔室，在图7所示的示例中包括阴极k1、k3、k4、k5、k5b、k6、k7和k8）相关联的参考特征包括反映在起源于这些隔室的缺陷的周边存在明亮光环的指示的特性。如果识别模块6c在缺陷特征sig(def)中检测到缺陷周边存在明亮光环，则识别模块6c因此将缺陷与参与形成模块m1的隔室中的一个（并且对应于图7中所示的示例中的阴极k1、k3、k4、k5、k5b、k6、k7和k8中的一个）相关联。相反，如果缺陷特征sig(def)表明在缺陷的周边没有明亮光环，则识别模块6c将缺陷与沉积流水线的位于包括参与沉积银层的阴极的隔室之后的隔室中的一个相关联，亦即，与参与沉积模块m2并包括阴极k11、k12、k13、k19、k21、k27b、k28和k30之中的一个阴极的隔室中的一个相关联。接下来，在第二步中，识别模块6c将被包括在其特征sig(def)中的缺陷def的反射系数与在先前选择的隔室的参考特征中含有的参考反射系数rref（或者值的区间或甚至限定参考反射系数的区间的边界）进行比较。然后选择其参考反射系数rref对应于缺陷特征中含有的反射系数（或区间或边界）的隔室，也就是说，然后选择其参考特征对应于缺陷特征的隔室。此处，“对应于”意指其参考特征最接近缺陷特征的隔室，例如在预定义的距离方面。为此，在图7所示的示例中，其中在每个参考特征中包括单个参考反射系数值，识别模块6c在沉积流水线2的所有隔室15-i（i=1,…,n）当中选择最小化预定义的距离的那个隔室，所述距离比如欧几里德距离（也称为“l2型距离”）或绝对值距离（也称为“l1型距离”）。在被包括在缺陷特征sig(def)中的反射系数与被包括在跟所考量的隔室相关联的参考特征sigref中的参考反射系数rref之间计算该距离。应当注意，当参考特征不包括单个值而是包括值区间或这样的区间的边界时，识别模块6c可以等效地评估缺陷特征到该区间或到这些边界的距离，并选择最小化此距离的隔室。如此选择的隔室被识别模块6c识别为是影响覆盖后的基体5的缺陷def的起源的隔室（步骤e40）。在该识别之后，可以对所识别的隔室进行维护操作。该操作尤其可以包括清洁该隔室，例如通过敲击其壁以从其上剥离沉积于其中的碎屑。应注意，对由光学检查系统4提供给定位装置6的缺陷的数字图像的分析可以使得能够识别关于缺陷的其他有用信息。例如，在确定缺陷特征的步骤e20中，确定模块6b可以确定缺陷的反射系数的变化梯度。可以容易地基于实施连续侵蚀方法获得的侵蚀曲线或者在适当的情况下基于缺陷的对角线或半径上获得的反射系数值来确定该梯度。基于对该梯度及其变化的了解，确定模块6b可以推导出关于缺陷形状的信息。尤其是，在梯度在少量像素（通常是一个像素）上具有最大值的情况下可以识别出该缺陷是否平坦（或相对平坦），或者在梯度在较大量的像素上保持几乎恒定的值的情况下可以识别出是否存在三维突起。了解关于缺陷形状的这种信息有助于在隔室本身内识别产生了该缺陷的碎屑所起源于的元件，并且使得能够优化对隔室进行的维护操作。实际上，在每个隔室中存在被设置在阴极周围的各种保护罩，如图8中参考标号25所示。根据碎屑是源自于这些罩的粗糙区域还是平坦区域，它们的形状是不同的，并且它们在基体上产生不同形状的缺陷。作为例示，源自于放置在隔室的天花板上的无格栅的罩的碎屑将产生平坦形状的缺陷。相反，源自于包括金属格栅的水平罩的碎屑将产生三维缺陷，所述金属格栅包括突起并位于隔室下部。应注意，尽管是基于从在可见波长范围中发射辐射的辐射源获取的以灰度级编码的以反射拍摄的图像描述的，但是刚刚描述的第一实施例也可以使用以下图像来实现：从在另一波长范围（例如红外）中操作的辐射源获取的以灰度级编码的以反射拍摄的图像或从在一波长范围中发射辐射的辐射源获得的以灰度级编码的以透射拍摄的图像，所述波长范围被适配至所考量的薄层堆叠的反射和吸收性质。在图7所示的示例中，对于根据示例1的薄层堆叠，定位装置6分析缺陷的以反射拍摄的图像imr就足以识别该缺陷起源于哪个隔室，如上文描述的那样借助于检测缺陷周边是否存在明亮光环可以容易地消除在参与了模块m1的形成的一系列隔室与参与了模块m2的形成的一系列隔室之间定位隔室的不确定性。尽管参照根据示例1的堆叠进行了描述，但是该第一实施例适用于形成干涉系统的其他薄层堆叠，并且尤其是适用于示例3的堆叠，以及包括单个功能层的其他堆叠。当薄层堆叠包括多个功能层时该实施例也适用，例如如上面介绍的示例2中的两个银薄层。然而，对于这样的堆叠，如果希望更精确地识别影响薄层堆叠的缺陷所起源于的隔室，则可能证实有必要考虑缺陷的多个图像（例如，一个反射图像和一个透射图像）。图9a示出了参与根据示例2的薄层堆叠沉积的隔室的参考反射系数rref的示例。参考反射系数rref是在堆叠的一侧测量的，并相对于在沉积流水线2的出口处获得的覆盖后的玻璃基体5的反射系数进行了标准化。它们被示出为玻璃基体3上的沉积厚度的函数，该厚度以纳米（nm）表示。如上所述，可以预先确立沉积厚度与参与了与该厚度相关联的薄层沉积的隔室之间的对应关系，并将其存储在定位装置6的非易失性存储器22中，以使得定位装置6能够识别出缺陷所起源于的隔室。参与银层沉积的隔室（该隔室很少产生碎屑）的参考反射系数rref在图9a中分别由参考标号ag1（第一银层对应于基体上在41nm与48nm之间变化的沉积厚度）和ag2（第二银层对应于基体上在123nm与143nm之间变化的沉积厚度）标识。从该图中可以看出，等于0.1的反射系数值可以对应于不同沉积的各种（即三种）厚度，并因此对应于沉积流水线2的各个隔室。结果，如果针对根据示例2的堆叠的本发明的实现仅限于考虑由对应于缺陷的反射系数的单个特性组成的缺陷特征，则识别步骤e40可以根据该反射系数的值而导致识别出多个隔室。在图9a所示的示例中，该识别得到了三个隔室。应注意，该数量虽然不等于1，但该数量对应于相对于属于沉积流水线的所有隔室来说的相对缩减数量的隔室，这使得能够简化对沉积流水线2的维护。如上文描述的那样在缺陷特征中考虑缺陷周围的明亮光环的存在可以使得能够区分缺陷是起源于参与模块m1的薄层沉积的隔室还是参与模块m2的薄层沉积的隔室。然而，该考虑可被证实不足以区分参与了同一模块内的薄层沉积的两个隔室（在图9a中所示的示例中的情况m2中）。为了减轻这种不足，对于示例2，除了以反射拍摄的图像imr之外，还可以考虑以透射拍摄的图像imt，该图像是借助于在红外波长范围中（例如在波长850nm处）发射的辐射源而获取的。该辐射源可以放置在光学检查系统4中，例如来代替光源18-3，或者属于放置在沉积流水线2出口处的另一光学检查系统。该辐射源可以无差别地为涵盖红外波长范围的至少一部分的宽带源或光谱分辨辐射源，在前一种情况下，光学检查系统于是优选地配备有使得能够在红外中获取图像的光谱分辨摄像机，在后一种情况下，光学检查系统于是可以配备有在红外范围中进行光谱分辨的摄像机或宽带摄像机。然后，确定模块6b可以从在红外范围中以透射拍摄的该图像imt中提取缺陷的透射系数t(def)，其方式与上文针对从以反射拍摄的图像imr中提取缺陷的反射系数而描述的方式类似或相同。该可能标准化的透射系数用作缺陷特征的一个特性，作为从图像imr中提取的标准化的反射系数的补充。因此，缺陷特征sig(def)一方面包括由图像imr确定的缺陷的反射系数，并且另一方面包括由图像imt确定的缺陷的透射系数。这里没有设想缺陷特征是否包括明亮光环是否存在的指示。图9b示出了参与根据示例2的薄层堆叠的沉积的图9a的隔室的参考透射系数tref。这些参考透射系数tref可以如前文针对参考反射系数rref描述的那样通过敲击沉积流水线2的每个隔室来获得。在图9b所示的示例中，相对于在沉积流水线2的出口处获得的覆盖后的玻璃基体5的透射系数对参考透射系数tref进行标准化。参考透射系数tref被示出为玻璃基体3上的沉积厚度的函数，该厚度以纳米（nm）表示。参与银层沉积的隔室的参考透射系数tref在图9b中分别由参考标号ag1（第一银层对应于基体上在41nm与48nm之间变化的沉积厚度）和ag2（第二银层对应于基体上在123nm与143nm之间变化的沉积厚度）标识。从该图中可以看出，参考透射系数tref等于0.71导致两种可能的沉积厚度。换言之，取决于透射系数的值，仅考虑缺陷特征中的透射系数可能导致将两个隔室识别为可能是缺陷的起源。为了能够更精确地估计缺陷所起源于的隔室的定位，识别模块6c在缺陷特征中同时考虑由确定模块6b确定的缺陷的反射系数和缺陷的透射系数。类似地，每个参考特征于是由参考反射系数rref的值和参考透射系数tref的值组成。图9c示出了针对各种沉积厚度（与图9a和9b中所考量的沉积厚度相同）的作为属于相同参考特征的参考透射系数tref的函数的参考反射系数rref（在横坐标上）。从图9c可以看出，对应于各种设想的沉积厚度的所有参考特征都是不同的。换言之，将由缺陷的反射系数和缺陷的透射系数组成的缺陷特征sig(def)与跟隔室相关联的参考特征进行的比较使得识别模块6c能够识别缺陷所起源于的单个隔室。该隔室与最接近缺陷特征的参考特征相关联，即与最小化预定义的距离的那个参考特征相关联，所述距离如例如对应于所比较的特征的两个矢量之间的欧几里德距离，每个矢量具有反射系数和透射系数作为分量。然而，在诸如示例2的堆叠之类的堆叠的情况下，不是必然考虑在缺陷特征和参考特征中的多个特性。实际上，发明人观察到，通过使用相对于堆叠的反射和吸收性质在红外范围中恰当选择的波长下获取的以透射拍摄的图像，基于包括基于从该图像中提取的缺陷的透射系数定义的单一特性的特征来精确地识别缺陷所起源于的隔室是可能的。图10示出了隔室的标准化后的参考透射系数tref的示例，所述隔室参与了根据示例2的薄层堆叠的沉积，并且所述系数是从通过敲击隔室产生的缺陷的以透射拍摄的图像中提取的。在图10的示例中，所考量的以透射拍摄的图像是借助于在1050nm波长下工作并因此属于红外范围的辐射源获取的。从该图中可以看出，这些参考透射系数tref作为沉积厚度的函数都是不同的。换言之，比较由从在1050nm的同一波长下获取的以透射拍摄的图像中提取的单个透射系数组成的缺陷特征使得能够识别缺陷所起源于的单个隔室。在刚刚描述的第一实施例中，光学检查系统4向定位装置6提供以灰度级编码的数字图像，并且定位装置6利用包括在这些图像中的各种信息来确定影响由沉积流水线2产生的薄层堆叠的缺陷的起源。然而，本发明适用于其他类型的图像，如现在在第二和第三实施例中描述的图像。图11示出了根据本发明的第二实施例中的定位方法的主要步骤，比如它由定位装置6实现。在本发明的该第二实施例中，光学检查系统4配备有彩色摄像机并提供以红绿蓝（rvb或rgb（英语的红绿蓝））编码的三色数字图像。此处，rvb图像优选地意指根据srgb标准编码的图像。如本身已知的，根据rvb编码，用三个量来编码图像的每个点或像素，所述三个量分别指示针对该点的每个原色红色、绿色和蓝色的强度。在第二实施例中感兴趣的是由检查系统4通过激活rbf型光源18-2获取的缺陷的rvb编码图像；这些图像呈现出从堆叠的一侧看到的在覆盖后的基体5上检测到的缺陷的反射系数。为简单起见，在以下描述中，将描述限于缺陷的以反射拍摄的单个图像imr。然而，可以基于以透射拍摄的图像来应用类似的步骤。定位装置6从光学检查系统4获得在玻璃基体3上沉积的薄层堆叠上检测到的缺陷的以rvb编码的以反射拍摄的图像imr（步骤f10）。定位装置6通过其通信模块23及其获得模块6a接收该图像imr。在这里描述的第二实施例中，在从接收到的图像imr中提取缺陷def的参考特征之前，定位装置6将该图像转换至除rvb空间之外的其他色彩空间中（步骤f20）。更确切地说，它将图像imr转换至本领域技术人员已知的a*b*l*色彩空间中。在该色彩空间中，l*表示亮度，并且a*和b*分量表征所考量的点的颜色相比于具有相同亮度的灰色表面的颜色的差异。应注意，在该色彩空间中，l*或多或少地对应于缺陷的光反射水平。这里，定位装置6分两步进行该图像转换：在第一步中，它将rvb编码图像imr转换至x,y,z色彩空间中，例如在网站http://www.brucelindbloom.com/index.htmlequations.html中详细描述的。然后，它将在（x,y,z）色彩空间中获得的图像转换为（l*,a*,b*）色彩空间，如上述网站或网站https://fr.wikipedia.org/wiki/ciel*a*b*conversionsciexyzversciel.2aa.2ab.2a中详细说明的那样。在该转换之后，定位装置6通过其确定模块6b基于转换后的图像（标为imr'）来确定缺陷特征sig(def)（步骤f30）。为此，它从转换后的图像imr'中按照缺陷底部表面的a*和b*分量提取坐标。为此，它可以使用如上所述的连续侵蚀方法。将这些坐标标为adef*和bdef*。接下来，定位装置6的识别模块6c将这样获得的包括分量adef*和bdef*的缺陷特征与多个参考特征进行比较（步骤f40），每个参考特征sigref(i)是基于与缺陷特征相同的特性并且与沉积流水线2的一个隔室15-i（i=1,…,n）相关联或与跟一个隔室相关的沉积本身的厚度相关联。可以预先产生参考特征并将其存储在例如定位装置6的非易失性存储器22中。作为变型，它们可以存储在远程存储空间中并例如经由定位装置6的通信模块23基于请求而获得。如在第一实施例中那样，参考特征可以是通过预先对沉积流水线2的隔室进行的敲击实验产生的（步骤f00）。借助于光学检查系统4对在每个隔室中产生的碎屑的观察、尤其是对这些碎屑的以反射拍摄的rvb编码图像的观察使得能够获得针对每个隔室15-i（i=1,…,n）的或针对与各个隔室相关联的各种沉积厚度的参考坐标的平均值aref*(i)和bref*(i)。应注意，如上面针对第一实施例所述，参考特征和各个隔室之间的对应关系取决于沉积流水线2的参数选择，并且尤其取决于各个隔室15-i中的阴极溅射参数。图12示出了针对在沉积流水线2的各个隔室15-i（i=1,…,n）中沉积并构成根据前述示例3的薄层堆叠的薄层的各种厚度而获得的参考坐标（aref*,bref*）的示例。在该图中，横坐标的轴表示分量aref*，并且纵坐标的轴表示分量bref*。对应于由所述隔室中的一个的阴极产生的沉积的每个厚度由一种符号示出，符号的形状取决于由该阴极沉积的材料（例如，菱形用于对应于tio2层的沉积的厚度，方形用于对应于sio2层（l2）的沉积的厚度，等等）。为了易读性，省略了对应于图中所示的每个点的沉积厚度。此外，为了简单起见，这里假设与厚度相关联的每个参考特征由分量aref*和bref*的单个值组成。然而，如上所述，作为变型，可以设想每个厚度与aref*值的区间和bref*值的区间相关联，或与限定这样的区间的边界相关联。通过寻找其参考特征最接近于缺陷特征的堆叠的厚度，非常简单地在步骤f40期间比较缺陷特征sig(def)与参考特征sigref(i)（i=1,…,n）。然后，如上所述，该厚度与对应于在该厚度下进行沉积的隔室或阴极相关。换言之，识别模块6c在图12中所示的参考曲线上寻找最接近点(adef*,bdef*)的点(aref*,bref*)（由图12中的十字示出），并且从中推导出沉积厚度然后是相关联的隔室。作为变型，当参考特征包括针对aref*和bref*的值的区间或这些区间的边界时，识别模块6c寻找就到点(adef*,bdef*)的预定义的距离的意义上的最接近的参考特征，并由此推导出沉积厚度然后是相关联的隔室。并未向所考量的距离附加任何限制：它尤其可以是由通过点(adef*,bdef*)的针对aref*和bref*考量的参考区间所定义的曲线距法线的距离。定位装置6的识别模块6c将这样确定的隔室识别为可能是影响覆盖后的基体5的缺陷def的起源的隔室（步骤f50）。在该识别之后，可以对这样识别的隔室进行维护操作。应注意，该第二实施例也可以应用于其他堆叠配置，如例如应用于类似于示例2的并且包括两个银层的配置。在这样的配置中，如果关于隔室的精确定位仍存在模糊性，则用于确定缺陷特征的确定模块6b可以向缺陷特征添加缺陷底部表面的分量ldef*，并在隔室的参考特征中产生等效分量lref*。然后获得示出隔室15-i（i=1,…,n）（或对应于这些隔室的沉积厚度）的参考特征的三维曲线，如图13中针对具有两个银层的薄层堆叠的另一示例所示。在比较步骤f40中，识别模块6c在该曲线上寻找最接近缺陷特征(ldef*,adef*,bdef*)的参考特征（点(lref*,aref*,bref*)）（由图13中的十字表示）。识别模块6c然后将对应于这样确定的参考特征的隔室识别为缺陷def所起源于的隔室。图14示出了根据本发明的第三实施例中的定位方法的主要步骤，比如它由定位装置6实现。在本发明的该第三实施例中，光学检查系统4配备有高光谱摄像机并且提供在覆盖后的基体5上检测到的缺陷的高光谱数字图像。这些高光谱图像的特征在于，它们将在给定波长范围内的光谱（反射或透射光谱取决于所考量的辐射源的配置）关联至图像的每个像素。每个光谱被定义为具有k个分量sp(λk)（k=1,…,k）的矢量，其中k是大于1的整数，每个分量sp(λk)表示缺陷在波长λk下的反射（或反射率）或透射率的值。因此，定位装置6从光学检查系统4获得在沉积在玻璃基体3上的薄层堆叠上检测到的缺陷的以反射拍摄的高光谱图像imr（步骤g10）。定位装置6通过其通信模块23及其获取模块6a接收该图像imr。然后，定位装置6通过其确定模块6b基于高光谱图像imr来确定缺陷特征sig(def)（步骤g20）。为此，它从图像imr中提取缺陷底部表面的反射光谱，例如借助于如本发明第一实施例中所述的连续侵蚀方法并将其应用于每个像素的反射光谱（针对与每个像素相关联的反射光谱的每个波长提取反射系数值，而不是如第一实施例中那样每个像素提取单个反射系数值。因此，由确定模块6b确定的特征sig(def)由这样提取的k个光谱分量spdef(λk)（k=1,…,k）组成。接下来，定位装置6的识别模块6c将这样获得的缺陷特征sig(def)与多个参考特征进行比较（步骤g30），每个参考特征sigref(i)是基于与沉积流水线2的隔室15-i（i=1,…,n）相关联且与缺陷特征相同的特性。如在前两个实施例中那样，可以预先产生参考特征并将其存储在例如定位装置6的非易失性存储器22中。作为变型，它们可以存储在远程存储空间中并且例如经由定位装置6的通信模块23基于请求而获得。如在所描述的第一和第二实施例中那样，参考特征可以从预先在沉积流水线2的隔室上进行的敲击实验产生（步骤g00）。借助于光学检查系统4观察由每个隔室产生的碎屑、并且尤其是观察这些碎屑的以反射拍摄的高光谱图像使得能够获得针对每个隔室15-i（i=1,…,n）的或针对与隔室15-i（i=1,…,n）相关联的各种沉积厚度本身的参考光谱spref。还应注意，如上面针对第一和第二实施例所述，参考特征和各个隔室之间的对应关系取决于沉积流水线2的参数选择，并且尤其是各个隔室15-i中的阴极溅射过程的参数选择。图15示出了针对由沉积流水线2的隔室15-i（i=1,…,n）沉积的各种薄层厚度而获得的参考光谱的示例，该示例是针对根据如上所述的示例3的薄层堆叠。在该图中，各种光谱被给出为基体上沉积厚度的函数。换言之，与指数i相关的一组参考光谱spref（j）（j=j1(i),…,j2(i)，其中j1(i)和j2(i)表示两个整数）对应于同一隔室15-i，可以容易地基于由该隔室15-i所负责的沉积厚度来识别该组光谱。因此，与隔室15-i相关联的每个参考特征sigref(i)包括多个光谱（spref(j1(i))…spref(j2(i))），光谱的数量j2(i)-j1(i)+1可以在各隔室之间变化，这取决于隔室沉积的薄层的厚度和所设想的离散节距，并且每个光谱spref(j)（j=j1(i),…,j2(i)）由具有k个分量的矢量定义。在步骤g30中，识别模块6c通过计算缺陷特征sig(def)与每个参考特征sigref(i)之间的（例如沿l2型法线定义的）距离来比较缺陷特征sig(def)与参考特征sigref(i)（i=1,…,n）。在这里描述的第三实施例中，该距离由下式定义：其中，j=1,…,j1(1),j1(2),…,j2(n)。作为变型，与隔室15-i相关联的每个参考特征可以仅包括两个极限光谱，其包围定义与该隔室相关联的光谱的曲面的一部分的两侧。在这种情况下，识别模块6c可以分两步继续进行，首先在参考特征当中识别对应于最接近缺陷特征的光谱的第一极限光谱。由于两个相邻的隔室共享相同的极限光谱，因此接下来识别模块6c在这两个相邻隔室当中识别哪个隔室对应于缺陷特征即可。作为变型，可以使用其他距离来比较缺陷特征与参考特征，例如如上所述的基于l2法线的距离，但是该距离包括对属于紫外范围的波长（用k来标示）应用不同的加权因子。识别模块6c将最小化该距离的与指数j相关联的隔室识别为沉积流水线2的影响覆盖后的基体5的缺陷所起源于的隔室（步骤g40）。在该识别之后，可以对这样识别的隔室进行维护操作。应注意，该第三实施例可以等同地应用于其他堆叠配置，如例如类似于示例2并且包括两个银层的配置。在上文描述的前三个实施例中，定位装置6基于代表缺陷的反射和/或吸收性质的一个或多个特性（即尤其是从以反射拍摄的图像中提取的反射系数、从以透射拍摄的图像中提取的透射系数）来确定缺陷特征，并将该缺陷特征与跟沉积流水线2的每个隔室相关联的参考特征进行比较，所述参考特征例如是经由敲击实验获得的。根据覆盖后的基体5的吸收和/或反射性质以及由光学检查系统提供的图像类型（借助于在可见或红外波长范围中发射的辐射源获取的以反射、透射拍摄的图像，等等），特征中的单个特性可能足以识别可能是缺陷起源的单个隔室，或者相反，可能需要多个特性来识别该单个隔室。然而，可以回想一下，在这样的背景下，考虑缺陷的精心选择的单个特性已经使得能够相比于沉积流水线中包括的隔室总量大幅缩减可能是缺陷起源的隔室的数量。这三个实施例几乎就像是在考虑决策树，该决策树使得能够识别可能是缺陷起源的一个或多个隔室。现在将描述第四实施例，其中使用学习方法来实现对缺陷所起源于的隔室的识别。在这里描述的第四实施例中，该学习方法使得能够容易地考虑多个决策树。图16示出了在该第四实施例中由定位装置6实现的定位方法的主要步骤。这里假设，如在第一实施例中那样，光学检查系统4针对在沉积流水线2的出口处检测到的每个缺陷产生以反射和/或透射拍摄的以灰度级编码的数字图像。为了简单起见，在接下来的描述中，将描述限于由光学检查系统4针对每个检测到的缺陷提供的以反射拍摄的以灰度级编码的图像imr。应注意，该第四实施例也适用于光学检查系统4产生并提供以rvb编码的数字图像或高光谱图像的情况。因此，定位装置6从光学检查系统4获得在沉积在玻璃基体3上的薄层堆叠上检测到的缺陷的以灰度级编码的图像imr（步骤h10）。定位装置6通过其通信模块23及其获取模块6a接收该图像imr。然后，定位装置6通过其确定模块6b基于图像imr来确定缺陷特征sig(def)（步骤h20）。优选地，缺陷特征sig(def)包括缺陷光强度的一个或多个特性和/或与缺陷的形状有关的一个或多个特性。更确切地说，在这里描述的第四实施例中，缺陷特征sig(def)包括：-代表缺陷的反射（或透射，如果接收到的图像是以透射拍摄的图像的话）中的径向光强度分布的特性。这样的分布可以包括在缺陷的最大对角线上测量的多个强度值（例如8个值，换言之，8个特性）；-代表缺陷的反射（或透射，如果接收到的图像是以透射拍摄的图像的话）中的径向光强度分布的梯度（斜率）的特性。这样的特性类似于本发明第一实施例中描述的明亮光环的存在的检测；-代表缺陷面积的特性；-代表缺陷周长与缺陷面积之比的特性；-代表缺陷形状因子的特性；-代表缺陷的反射（或透射，如果接收到的图像是以透射拍摄的图像的话）的平均光强度的特性；以及-代表缺陷的反射（或透射，如果接收到的图像是以透射拍摄的图像的话）的中心光强度的特性。这些特性的提取本身对本领域技术人员来说没有任何困难，并且这里不再详细描述。当然，该列表并非穷举列表，并且可以容易地从图像imr中提取其他特性以表示缺陷def。接下来，定位装置6的识别模块6c将这样获得的缺陷特征sig(def)与参考特征进行比较（步骤h30），每个参考特征sigref(i)是基于与沉积流水线2的不同隔室15-i（i=1,…,n）相关联且与缺陷特征相同的特性。在这里描述的第四实施例中，参考特征预先由所谓的学习集产生，该学习集由在沉积流水线2的出口处检测到的缺陷的多个图像组成，所述图像由光学检查系统4在多个生产日期间获取。针对这些图像中的每一个，基于在步骤h20中选择的相同特性来确定缺陷特征，并且将缺陷所起源于的隔室或对应的沉积厚度关联至该特征（称为参考特征）。该隔室或该沉积厚度是通过实验确定的，例如通过针对每个检测到的缺陷敲击沉积流水线2的隔室，或者使用根据本发明的上述第一实施例中的定位方法。然后，在这里描述的第四实施例中，使用这些参考特征来产生决策树或判定树（步骤h00）。众所周知，这样的树可以用作预测模型，其使得能够通过观察系统的其他特性来评估同一系统的特性的值。换言之，在此处设想的情况下，使用借助于沉积流水线2的隔室的参考特征而训练的这些决策树来基于缺陷的特征预测缺陷所起源于的隔室。因此，此处基于从学习集的图像中提取的参考特征和与这些特征相关联的隔室信息来创建决策树。因此，这些决策树本身对每个隔室15-i的参考特征进行建模。使用这些决策树和基于这些树的学习算法（如例如所谓的决策树森林算法，英语也称为“随机决策森林算法”），识别模块6c可以自动“分类”缺陷特征sig(def)，即将其与参考特征、或甚至直接与沉积流水线2的其参考特征对应于缺陷特征的隔室相关联。这种学习算法本身是已知的，并且这里不再详细描述。例如，在t.hastie等人的题为《theelementsofstatisticallearning–datamining,inferenceandprediction（统计学习基本原理——数据挖掘、推理和预测）》（第二版，springer（斯普林格））的文献中描述了所述算法。作为变型，可以考虑使得能够对元素进行分类的其他算法（这里的元素是与隔室相关联的特征），如例如最近邻算法、svm（支持矢量机）算法或基于神经网络的算法。识别模块6c将这样通过学习算法确定并且对应于缺陷特征的隔室识别为缺陷所起源于的隔室（步骤h40）。在该识别之后，可以对这样识别的隔室进行维护操作。上述四个实施例使得能够快速有效地识别沉积流水线的影响由沉积流水线产生的薄层堆叠的缺陷所起源于的隔室。应注意，这些实施例是参考通过磁控管阴极溅射来进行沉积的沉积流水线描述的。然而，本发明适用于易受类似问题影响的其他沉积方法（无论碎屑的类型和产生的缺陷是什么），如例如其他溅射方法，比如离子束溅射（ibs）或离子枪辅助沉积（或ibad，离子束辅助沉积），或甚至通过蒸发的沉积方法、化学气相沉积（cvd）、等离子体辅助的化学气相沉积（pecvd，等离子体增强cvd）、低压化学气相沉积（lpcvd，低压cvd）等等。当前第1页12