JP2004296592A - 欠陥分類装置、欠陥分類方法およびプログラム - Google Patents
欠陥分類装置、欠陥分類方法およびプログラム Download PDFInfo
- Publication number
- JP2004296592A JP2004296592A JP2003084456A JP2003084456A JP2004296592A JP 2004296592 A JP2004296592 A JP 2004296592A JP 2003084456 A JP2003084456 A JP 2003084456A JP 2003084456 A JP2003084456 A JP 2003084456A JP 2004296592 A JP2004296592 A JP 2004296592A
- Authority
- JP
- Japan
- Prior art keywords
- defect
- image
- histogram
- pixel value
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Preparing Plates And Mask In Photomechanical Process (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
【課題】欠陥を容易に分類できる欠陥分類装置を提供する。
【解決手段】欠陥分類装置１は欠陥の分類を行うコンピュータを有し、コンピュータが実現する演算部５の欠陥領域特定部５１では、欠陥画像と参照画像とを比較することにより欠陥領域が特定され、マスク処理部５２では欠陥画像および参照画像に対して欠陥領域以外を所定の画素値とするマスク処理が行われる。ヒストグラム生成部５３では、欠陥画像の画素値および参照画像の画素値をパラメータとする２次元空間において、マスク処理後の欠陥画像の画素の値と参照画像の対応する画素の値との組み合わせの頻度を示す２次元ヒストグラムが生成され、分類部５４において、２次元ヒストグラムに基づいて欠陥の分類が行われる。
【選択図】 図４
【解決手段】欠陥分類装置１は欠陥の分類を行うコンピュータを有し、コンピュータが実現する演算部５の欠陥領域特定部５１では、欠陥画像と参照画像とを比較することにより欠陥領域が特定され、マスク処理部５２では欠陥画像および参照画像に対して欠陥領域以外を所定の画素値とするマスク処理が行われる。ヒストグラム生成部５３では、欠陥画像の画素値および参照画像の画素値をパラメータとする２次元空間において、マスク処理後の欠陥画像の画素の値と参照画像の対応する画素の値との組み合わせの頻度を示す２次元ヒストグラムが生成され、分類部５４において、２次元ヒストグラムに基づいて欠陥の分類が行われる。
【選択図】 図４
Description
【０００１】
【発明の属する技術分野】
本発明は、基板上の欠陥を分類する技術に関する。
【０００２】
【従来の技術】
従来より、半導体基板、レチクル、プリント配線基板等（以下、「基板」という。）に形成されたパターンを検査し、各工程での歩留まりを低下させる要因となる製造プロセスの異常を是正するために、検出された欠陥に対して分類が行われる（すなわち、欠陥の種類やカテゴリが判定される）ことがある。
【０００３】
例えば、特許文献１では欠陥画像から欠陥の面積、明るさ、周囲長、円形度、重心位置等の特徴量を抽出し、ニューラルネットワークを利用して学習・分類する手法が開示されており、特許文献２では参照画像に基づいて欠陥画像中の欠陥領域を配線領域と背景領域とに分離し、各領域の輝度値を利用しつつ欠陥種別を判定する手法が提案されている。
【０００４】
なお、特許文献３では、被検査画像の画素値、および、参照画像の画素値の２つの座標軸により規定されるグラフ上に、被検査画像の各画素値と参照画像の対応する画素値とで決定される点をプロットすることにより２値画像である２次元分散プロットを作成し、両画素値が等しくなる直線から離れて存在する点を見つけだすことにより、欠陥を検出する手法が開示されている。
【０００５】
【特許文献１】
特開平８−２１８０３号公報
【特許文献２】
特開平９−１８６２０８号公報
【特許文献３】
特開２００１−１３３４１８号公報
【０００６】
【発明が解決しようとする課題】
ところで、特許文献１の手法において精度よく欠陥を分類するには、多くの種類の特徴量を求める必要があり長時間を要してしまう。また、特許文献２の手法では、欠陥画像のコントラストが低い場合やノイズが多い場合に、配線領域と背景領域とが適切に分離されず、欠陥が正確に分類されない恐れがある。
【０００７】
本発明は上記課題に鑑みなされたものであり、欠陥を容易に分類する技術を提供することを目的としている。
【０００８】
【課題を解決するための手段】
請求項１に記載の発明は、基板上の欠陥を分類する欠陥分類装置であって、基板上の欠陥を示す多階調の欠陥画像の画素値および予め準備された多階調の参照画像の画素値をパラメータとする２次元空間において、前記欠陥画像の画素の値と前記参照画像の対応する画素の値との組み合わせの頻度を示す２次元ヒストグラムを生成するヒストグラム生成部と、前記２次元ヒストグラムに基づいて前記欠陥を分類する分類部とを備える。
【０００９】
請求項２に記載の発明は、請求項１に記載の欠陥分類装置であって、前記欠陥画像と前記参照画像とを比較することにより欠陥領域を特定する欠陥領域特定部と、前記欠陥画像と前記参照画像とに対して前記欠陥領域以外を所定の画素値とするマスク処理を行うマスク処理部とをさらに備え、前記ヒストグラム生成部が、マスク処理後の欠陥画像および参照画像に基づいて前記２次元ヒストグラムを生成する。
【００１０】
請求項３に記載の発明は、請求項１に記載の欠陥分類装置であって、前記分類部が、前記２次元空間において、前記欠陥画像の画素値と前記参照画像の画素値とがおよそ等しくなる領域以外の領域に基づいて前記欠陥を分類する。
【００１１】
請求項４に記載の発明は、請求項１ないし３のいずれかに記載の欠陥分類装置であって、前記分類部において、前記２次元空間内の複数の領域のそれぞれと欠陥の種別とが対応付けられている。
【００１２】
請求項５に記載の発明は、請求項１ないし３のいずれかに記載の欠陥分類装置であって、前記分類部が、予め準備された複数の欠陥種別のそれぞれに対応する２次元ヒストグラムと、前記ヒストグラム生成部にて生成された前記２次元ヒストグラムとの類似の度合いを示す評価値を算出する評価値算出部と、前記評価値に基づいて、前記欠陥の種別を特定する欠陥種別特定部とを有する。
【００１３】
請求項６に記載の発明は、請求項１ないし３のいずれかに記載の欠陥分類装置であって、前記分類部が、前記２次元ヒストグラムを複数の部分ヒストグラムに分割するヒストグラム分割部と、前記複数の部分ヒストグラムのそれぞれにおいて、頻度に関する特徴量を算出する特徴量算出部と、前記特徴量を用いて学習を行うことにより、入力される特徴量に応じて分類結果を出力する判定器を構築する判定器構築部とを有する。
【００１４】
請求項７に記載の発明は、基板上の欠陥を分類する欠陥分類方法であって、基板上の欠陥を示す多階調の欠陥画像の画素値および予め準備された多階調の参照画像の画素値をパラメータとする２次元空間において、前記欠陥画像の画素の値と前記参照画像の対応する画素の値との組み合わせの頻度を示す２次元ヒストグラムを生成する工程と、前記２次元ヒストグラムに基づいて前記欠陥を分類する工程とを有する。
【００１５】
請求項８に記載の発明は、基板上の欠陥の分類に利用されるプログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、基板上の欠陥を示す多階調の欠陥画像の画素値および予め準備された多階調の参照画像の画素値をパラメータとする２次元空間において、前記欠陥画像の画素の値と前記参照画像の対応する画素の値との組み合わせの頻度を示す２次元ヒストグラムを生成する工程と、前記２次元ヒストグラムに基づいて前記欠陥を分類する工程とを実行させる。
【００１６】
【発明の実施の形態】
図１（ａ）ないし（ｃ）は、欠陥分類に利用される２次元ヒストグラムを生成する様子を説明するための図であり、図１（ａ）は多階調の第１画像６０１を示す図であり、図１（ｂ）は画像６０１に対して参照すべき多階調の第２画像６０２を示す図である。
【００１７】
２次元ヒストグラムは、第１画像６０１の各画素の値と第２画像６０２の対応する画素の値とを特定することにより生成される。例えば、第１画像６０１の値がＡである画素６０１ａに対して第２画像６０２の対応する画素６０２ａの値Ｂが特定されたものとする。このとき、図１（ｃ）に示すように、第１画像６０１の画素値および第２画像６０２の画素値をパラメータとする２次元空間（すなわち、両画像の画素値がとり得る値の範囲により定められる２次元空間）において、第１画像６０１の画素の値がＡであり第２画像６０２の画素の値がＢである組み合わせを示す位置６０３の頻度（出現頻度）に１が加えられる。
【００１８】
したがって、第１画像６０１の画素の値と第２画像６０２の対応する画素の値とが同一である場合には、２次元空間上の両画素の値が等しくなる位置（すなわち、図１（ｃ）において左上から右下へと向かう対角線上）のいずれかの位置の頻度が変更され、両画素の値が相違する場合には、対角線上以外のいずれかの位置の頻度が変更されることとなる。そして、画像６０１，６０２の全ての画素の値の組み合わせに対して２次元空間上の位置の特定およびその位置の頻度のインクリメントを行うことにより、２次元空間に２次元ヒストグラムが生成される。なお、各位置における頻度を表現するために、２次元ヒストグラムでは頻度が高いほどその位置の濃度が高く（または明るく）され、頻度が低いほど濃度が低く（または暗く）される。すなわち、２次元ヒストグラムは画像として表現されて取り扱われる。
【００１９】
図２は本発明の一の実施の形態に係る欠陥分類装置１の構成を示す図である。欠陥分類装置１は、半導体基板（以下、「基板」という。）９上の所定の領域を撮像して多階調の画像のデータを取得する撮像部２、基板９を保持するステージ３、および、撮像部２に対してステージ３を相対的に移動するステージ駆動部３１を有する。
【００２０】
撮像部２は、照明光を出射する照明部２１、基板９に照明光を導くとともに基板９からの光が入射する光学系２２、および、光学系２２により結像された基板９の像を電気信号に変換する撮像デバイス２３を有する。ステージ駆動部３１はステージ３を図２中のＸ方向に移動するＸ方向移動機構３２、および、Ｙ方向に移動するＹ方向移動機構３３を有する。Ｘ方向移動機構３２はモータ３２１にボールねじ（図示省略）が接続され、モータ３２１が回転することにより、Ｙ方向移動機構３３がガイドレール３２２に沿って図２中のＸ方向に移動する。Ｙ方向移動機構３３もＸ方向移動機構３２と同様の構成となっており、モータ３３１が回転するとボールねじ（図示省略）によりステージ３がガイドレール３３２に沿ってＹ方向に移動する。
【００２１】
欠陥分類装置１は、各種演算処理を行うＣＰＵや各種情報を記憶するメモリ等により構成されたコンピュータ４をさらに有し、コンピュータ４は撮像部２およびステージ駆動部３１に接続される。コンピュータ４は、欠陥の分類を行うとともに、欠陥分類装置１の各構成を制御する制御部としての役割を果たす。
【００２２】
図３は、コンピュータ４の構成を示す図である。コンピュータ４は、図３に示すように、各種演算処理を行うＣＰＵ４１、基本プログラムを記憶するＲＯＭ４２および各種情報を記憶するＲＡＭ４３をバスラインに接続した一般的なコンピュータシステムの構成となっている。バスラインにはさらに、情報記憶を行う固定ディスク４４、画像等の各種情報の表示を行うディスプレイ４５、作業者からの入力を受け付けるキーボード４６ａおよびマウス４６ｂ、光ディスク、磁気ディスク、光磁気ディスク等のコンピュータ読み取り可能な記録媒体８から情報の読み取りを行う読取装置４７、並びに、欠陥分類装置１の他の構成との間で信号を送受信する通信部４８が、適宜、インターフェイス（Ｉ／Ｆ）を介する等して接続される。
【００２３】
コンピュータ４には、事前に読取装置４７を介して記録媒体８からプログラム８０が読み出され、固定ディスク４４に記憶される。そして、プログラム８０がＲＡＭ４３にコピーされるとともにＣＰＵ４１がＲＡＭ４３内のプログラムに従って演算処理を実行することにより（すなわち、コンピュータがプログラムを実行することにより）、コンピュータ４が欠陥検出を行うとともに２次元ヒストグラムを生成して欠陥を分類する。なお、欠陥検出は多数の画像に対して行われるため、専用の電気的回路により行われてもよい。以下、所定の欠陥検出手法により欠陥画像のデータが得られたものとして説明を行う。
【００２４】
図４は、ＣＰＵ４１がプログラム８０に従って動作することにより、ＣＰＵ４１、ＲＯＭ４２、ＲＡＭ４３、固定ディスク４４等が実現する欠陥分類のための機能構成を示す図である。図４において、演算部５の各構成がＣＰＵ４１等により実現される機能を示し、記憶部５９がＲＡＭ４３、固定ディスク４４等により実現される機能を示す。
【００２５】
図５は、欠陥分類装置１が２次元ヒストグラムを生成して欠陥を自動的に分類する処理の流れを示す図である。欠陥分類装置１において欠陥を分類する際には、まず、欠陥の分類に利用されるデータ（以下、「欠陥分類用データ」という。）が準備されて記憶される（ステップＳ１１）。欠陥分類用データとは、欠陥の分類手法に応じて準備されるデータであり、詳細については後述する。
【００２６】
続いて、基板９上の欠陥を示す多階調の欠陥画像のデータ、および、多階調の参照画像のデータが準備される（ステップＳ１２）。これらの画像は欠陥検出の際に取得されたものが流用される。具体的には、コンピュータ４がステージ駆動部３１を制御することにより、撮像部２の撮像位置を基板９上の検査領域（例えば、基板９上に配列されているダイ（すなわち、１つのチップに対応する領域）の所定領域）へと相対的に移動し、撮像部２にて被検査画像が取得され、撮像部２の撮像位置を基板９上の他のダイの同じ位置（すなわち、ダイのパターンの周期の整数倍だけ離れた撮像領域）へと移動して参照画像が取得され、欠陥が検出されると被検査画像のデータが欠陥画像データ５９１として、参照画像のデータが参照画像データ５９２として記憶部５９に記憶される。
【００２７】
なお、参照画像は既に取得されている複数の画像の平均画像や、ＣＡＤデータを元に生成されたゴールデン・テンプレート画像（すなわち、欠陥が存在しない画像）等のデータが予め準備されて記憶されてもよい。
【００２８】
図６（ａ）は欠陥画像６１を例示する図であり、図６（ｂ）は参照画像６２を例示する図である。欠陥画像６１および参照画像６２は、比較的暗い背景領域６ｂ上に比較的明るい配線パターン６ａが形成された画像であり、欠陥画像６１において符号６１１を付す位置が欠陥である。欠陥画像６１および参照画像６２は、例えば、２５６階調の画像とされる。なお、欠陥画像６１が示す領域と参照画像６２が示す領域とが微小にずれている場合には、両画像６１，６２の互いに対応する画素を特定する処理が行われる。
【００２９】
欠陥領域特定部５１では、欠陥画像６１と参照画像６２との互いに対応する画素の値の差の絶対値を示す差分画像が生成され、差分画像の各画素の値に対して所定のしきい値により欠陥または非欠陥が判定される。例えば、差分画像の画素の値がしきい値よりも大きい場合には欠陥を示す画素値「２５５」が、しきい値よりも小さい場合には非欠陥を示す画素値「０」が各画素に対して付与され、図６（ｃ）に示すように、欠陥領域６３１が特定されたマスク画像（以下、「欠陥マスク画像」という。）６３が作成される（ステップＳ１３）。
【００３０】
続いて、マスク処理部５２では、欠陥画像６１および参照画像６２の各画素のうち、欠陥マスク画像６３において値が「２５５」の画素に対応する画素の値が特定され、それ以外の画素の値（すなわち、欠陥マスク画像６３において値が「０」の画素に対応する画素の値）が所定の値（例えば、画素値「０」）に変更される処理が行われる。すなわち、欠陥画像６１および参照画像６２に対してマスク処理が施され、欠陥マスク画像６３とのＡＮＤ画像が作成される（ステップＳ１４）。
【００３１】
図７（ａ）はマスク処理後の欠陥画像６４を示す図であり、図７（ｂ）はマスク処理後の参照画像６５を示す図である。図７（ａ）の欠陥画像６４、および、図７（ｂ）の参照画像６５では、それぞれ符号６４１，６５１を付す領域が欠陥マスク画像６３の欠陥領域６３１に対応している。
【００３２】
ヒストグラム生成部５３では、マスク処理後の欠陥画像６４および参照画像６５から２次元ヒストグラムが生成される（ステップＳ１５）。２次元ヒストグラムは前述したように、欠陥画像の画素値、および、参照画像の画素値をパラメータとする２次元空間内において、マスク処理後の欠陥画像６４の各画素の値とマスク処理後の参照画像６５の対応する画素の値との組み合わせの頻度を求めることにより生成される。
【００３３】
図８は生成された２次元ヒストグラム７１を示す図である。図８の２次元ヒストグラム７１では、マスク処理後の欠陥画像６４および参照画像６５において欠陥領域６４１，６５１に属する画素以外の画素の値が「０」とされるため、２次元ヒストグラム７１上の両画素値が０となる位置７１１以外において頻度が１以上である濃度を示す位置の集合である領域（以下、「特徴領域」という。）７１２が、欠陥６１１の特徴を示すこととなる。なお、図８の特徴領域７１２では濃淡の相違（すなわち、組み合わせの頻度の相違）を等高線のように示しており領域の中心に近づくにつれて組み合わせの頻度が高くなっている。特徴領域７１２は欠陥の位置や欠陥の回転の影響を受けないという特性を有する。
【００３４】
ヒストグラム生成部５３では、さらに、２次元ヒストグラム７１中の各位置の頻度が総頻度数、すなわち、欠陥画像６１（または、マスク処理後の欠陥画像６４）の総画素数で除され、２次元ヒストグラム７１が正規化される。正規化された２次元ヒストグラムは、欠陥６１１の特徴を示す確率分布といえ、欠陥位置および回転のみならず、欠陥サイズに対しても不変となる。なお、２次元ヒストグラムの正規化は必要に応じて行われるのみでよく、以下、正規化された２次元ヒストグラムについても、単に２次元ヒストグラム７１と呼び、総頻度数で除された頻度も単に頻度と呼ぶ。
【００３５】
続いて、分類部５４では２次元ヒストグラム７１に基づいて欠陥６１１が分類される（ステップＳ１６）。本実施の形態では、図９（ａ）に示す特徴分布図が前述の欠陥分類用データとして準備される（ステップＳ１１参照）。図９（ａ）の特徴分布図は欠陥画像の画素値、および、参照画像の画素値をパラメータとする２次元空間内に表われて、特徴分布図では２次元空間内の複数の領域８１，８２，８３，８４，８５，８６のそれぞれに対して欠陥の種別（複数の種別の候補であってもよい。）が対応付けられている。分類部５４は、特徴領域が図９（ａ）の特徴分布図中の領域８１〜８６のうちいずれに属するかを特定する。図８の２次元ヒストグラム７１の特徴領域７１２の場合、領域８１に属することが特定され、欠陥６１１が領域８１に対応付けられた欠陥種別（例えば、「配線パターンの残りやショート」）に分類される。分類結果は記憶部５９へと出力され、分類結果データ５９３として記憶される。
【００３６】
次に、図９（ａ）の特徴分布図についてさらに説明を行う。前述のように、欠陥画像６１および参照画像６２は比較的暗い背景領域６ｂ上に比較的明るい配線パターン６ａが形成された画像であるため、背景領域６ｂ上の正常な画素の値から導かれる位置は図９（ａ）中の符号８７を付す領域に属し、配線パターン６ａ上の正常な画素の値から導かれる位置は符号８８を付す領域に属することとなる。また、ノイズ等の影響を考慮すると符号８９を付す領域は正常な画素値に対応する区分が属する領域と捉えることができる。
【００３７】
一方、配線パターンの欠けや分断（すなわち、配線の断線（いわゆる、オープン））となる欠陥が発生した場合には、欠陥画像６１における欠陥の領域が暗くなるのに対して参照画像６２の対応する領域では配線パターン６ａの明るさとなる。よって、２次元ヒストグラムにおける特徴領域は欠陥画像の画素値が比較的小さく、参照画像の画素値が比較的大きい領域に出現するため、図９（ａ）中の領域８２は「配線パターンの欠けやオープン」を示す欠陥種別に対応付けることができる。
【００３８】
また、配線パターンの残存や背景領域の分断（すなわち、配線の短絡（いわゆる、ショート））となる欠陥が発生した場合には、欠陥画像６１における欠陥の領域が明るくなるのに対して参照画像６２の対応する領域では背景領域６ｂの明るさとなるため、２次元ヒストグラムにおいて特徴領域が欠陥画像の画素値が比較的大きく参照画像の画素値が比較的小さい領域に現れる。したがって、特徴分布図における領域８１は「配線パターンの残りやショート」を示す欠陥種別に対応付けることができる。
【００３９】
さらに、背景領域６ｂがさらに暗くなる欠陥は特徴分布図における領域８３、僅かに明るくなる欠陥は領域８４、配線パターン６ａがさらに明るくなる欠陥は特徴分布図における領域８５、僅かに暗くなる欠陥は領域８６に対応し、各領域８３〜８６に欠陥種別（例えば、付着したパーティクルの種類や厚み等）を予め特定して対応付けておくことにより、欠陥をより詳細に分類することが可能となる。なお、各領域８１〜８６は、正常部の分布である領域８７，８８に従って図９（ｂ）に示すように決定されてもよい。あるいは、領域８７，８８が図９（ａ）に示す分布となるように、画像の階調補正が行われてもよい。
【００４０】
以上のように、図２の欠陥分類装置１では、欠陥画像の画素値および参照画像の画素値をパラメータとする２次元空間において、欠陥画像の画素の値と参照画像の対応する画素の値との組み合わせの頻度を示す２次元ヒストグラムが生成される。そして、欠陥の種別がそれぞれ対応付けられた２次元空間内の複数の領域のうち、欠陥画像の欠陥に対応する領域が２次元ヒストグラムに基づいて特定されることにより、欠陥の種別が判定される（すなわち、欠陥が分類される）。これにより、欠陥分類装置１では、基板９上の欠陥を容易かつ短時間に分類することができる。
【００４１】
また、欠陥分類装置１では、欠陥画像および参照画像の互いに対応する画素の値から２次元ヒストグラムが生成されるため、コントラストが低い画像であっても欠陥を適切に分類することができる。なお、分類部５４では画素値の組み合わせの頻度に対して所定のしきい値が設けられ、頻度がしきい値より高い組み合わせの領域のみが特徴領域（または、その一部）として取り扱われてもよい。
【００４２】
以上、欠陥分類装置１の一の実施の形態について説明してきたが、欠陥分類装置１による処理は２次元ヒストグラム生成処理（ステップＳ１３〜Ｓ１５）および欠陥分類処理（ステップＳ１６）に大別することができる。以下、２次元ヒストグラム生成処理および欠陥分類処理の他の例について順次説明を行う。
【００４３】
２次元ヒストグラム生成処理の他の例として、２次元ヒストグラムが生成された後にマスク処理が行われてもよい。具体的には、まず、準備された欠陥画像６１および参照画像６２からヒストグラム生成部５３において２次元ヒストグラム７２が図１０（ａ）に示すように生成される。また、マスク処理部５２では図１０（ｂ）に示すように、両画素値が等しくなる対角線から縦軸または横軸に沿って（−α）だけ離れた画素値から（＋α）だけ離れた画素値までの所定の幅の範囲を示す領域（すなわち、図９（ａ）の特徴分布図における領域８９に対応する領域であり、以下、「マスク領域」という。）７３１が特定されたヒストグラム用マスク画像７３が準備される。そして、２次元ヒストグラム７２のマスク領域７３１に対応する位置の頻度が０とされ、修正された２次元ヒストグラム７４が、図１０（ｃ）に示すように生成される。
【００４４】
図１０（ｃ）の２次元ヒストグラム７４では欠陥の特徴を示さない領域がマスクされるため、頻度が０より大きくなる領域が特徴領域７４１として取り扱われる。換言すれば、分類部５４において２次元ヒストグラム中の欠陥画像の画素値と参照画像の画素値とがおよそ等しくなる領域以外の領域に基づいて欠陥の種別が特定され、欠陥を適切に分類することができる。
【００４５】
なお、準備される画像の画素の値のばらつきやノイズの影響の程度に応じて、正常な画素の値に対応する領域に拡がりが生じるため、ヒストグラム用マスク画像７３のマスク領域７３１の幅は画像取得時の状態等に合わせて適宜決定される。また、必ずしも２次元ヒストグラムに対してマスク処理が施される必要はなく、分類部５４においてマスク領域７３１以外の領域の頻度に基づいて、欠陥種別が特定されてもよい。
【００４６】
次に、欠陥分類処理の他の例について説明を行う。図１１は、欠陥分類処理の他の例に係る分類部５４ａの構成を示す図である。また、図１２は分類部５４ａによる欠陥分類処理の流れを示す図であり、図５中のステップＳ１６に対応する処理を示している。
【００４７】
分類部５４ａによる欠陥分類が行われる際には、図５中のステップＳ１１では、複数の欠陥種別にそれぞれ対応する複数の２次元ヒストグラム（以下、「テンプレートヒストグラム」という。）が欠陥分類用データとして準備される。
【００４８】
テンプレートヒストグラムは予め作成されており、テンプレートヒストグラムの作成では、まず、欠陥種別がそれぞれ特定された複数の欠陥画像に対して２次元ヒストグラムが作成され、欠陥画像のノイズや画素値のばらつき等の影響を抑制するために、各２次元ヒストグラムに対してグレイ膨張処理（最大値フィルタとも呼ばれる。）等が必要に応じて施される。そして、一の種類の欠陥種別ｍに対して準備された欠陥画像の数量をＭとし、２次元ヒストグラムのある位置（ｐ，ｑ）（ｐ，ｑはそれぞれ欠陥画像の画素値、参照画像の画素値である。）における頻度をＰｍ（ｐ，ｑ）として、テンプレートヒストグラムの位置（ｐ，ｑ）における頻度Ｐｔ（ｐ，ｑ）が数１により求められる。これにより、欠陥種別ｍの平均的な２次元ヒストグラムがテンプレートヒストグラムとして求められる。
【００４９】
【数１】
【００５０】
分類部５４ａでは、複数の欠陥種別のそれぞれに対応するテンプレートヒストグラムが求められる。
【００５１】
テンプレートヒストグラムが準備されると、次に、欠陥画像および参照画像から２次元ヒストグラムが生成されて分類部５４ａへと入力される（ステップＳ１５）。分類部５４ａの評価値算出部５４１では、２次元ヒストグラムとテンプレートヒストグラムとの類似の度合いを示す評価値が算出される（ステップＳ２１）。具体的には、まず、準備される画像のノイズ等の影響を抑制するために、２次元ヒストグラムに対してグレイ膨張処理等が必要に応じて施される。そして、各欠陥種別のテンプレートヒストグラムの各位置の頻度と、２次元ヒストグラムの対応する位置の頻度との積が算出され、算出された積の和が評価値とされる。具体的には、数２に示す演算により評価値Ｓが各テンプレートヒストグラムに対して求められる。
【００５２】
【数２】
【００５３】
ここで、ｐ，ｑはそれぞれ欠陥画像の画素値、参照画像の画素値であり、Ｐｔ（ｐ，ｑ）はテンプレートヒストグラムの位置（ｐ，ｑ）における頻度であり、Ｐｎ（ｐ，ｑ）は分類部５４ａに入力される２次元ヒストグラムの位置（ｐ，ｑ）における頻度である。
【００５４】
各欠陥種別に対して求められた評価値Ｓは、欠陥種別特定部５４２において比較され、最も大きい評価値Ｓとなる欠陥種別が特定されることにより欠陥が分類される（ステップＳ２２）。すなわち、分類部５４ａでは、準備された複数のテンプレートヒストグラムのうち２次元ヒストグラムに対して類似の度合いが最も高いものを特定する、いわゆる、テンプレートマッチングが行われる。これにより、欠陥分類装置１では欠陥が容易かつ適切に分類される。
【００５５】
なお、欠陥分類装置１では評価値Ｓに対して所定のしきい値が設けられ、しきい値以上となる評価値Ｓのみが欠陥種別特定部５４２へと入力されてもよい。これにより、欠陥がいずれの欠陥種別にも類似しない場合に、未知の欠陥種別として分類することが可能となる。
【００５６】
評価値は必ずしも２次元ヒストグラムと各欠陥種別のテンプレートヒストグラムとの各位置の頻度の積の和である必要なはく、例えば、頻度の差分二乗和とされてもよい。この場合、欠陥種別特定部５４２では評価値が最小となる欠陥種別が特定される。
【００５７】
また、分類部５４ａによる欠陥分類処理は２次元ヒストグラムが２値化されて行われてもよい。この場合、テンプレートヒストグラムも２値化されたものが作成されて準備される。
【００５８】
２値化されたテンプレートヒストグラムを作成する際には、欠陥種別がそれぞれ特定された複数の欠陥画像に対して２次元ヒストグラムが生成され、各２次元ヒストグラムにおいて、０あるいは適当な値より大きい頻度が１とされて２次元ヒストグラムが２値化される。そして、２値の膨張処理が必要に応じて施され、数３に示す演算により、各欠陥種別毎に各位置の値の論理積または論理和が算出され、欠陥種別毎に２値化されたテンプレートヒストグラムが作成される。なお、数３における各変数は数１に準じたものである。
【００５９】
【数３】
【００６０】
２値化された複数のテンプレートヒストグラムが準備されると、まず、入力された２次元ヒストグラム（正規化されていなくてもよい。）に対して２値化処理が施される。また、必要に応じて２値の膨張処理が施され、準備された画像のノイズや画素値のばらつき等の影響が抑制される。
【００６１】
続いて、各欠陥種別のテンプレートヒストグラムに対して２値化後の２次元ヒストグラムとの類似の度合いを示す評価値Ｓが算出される（ステップＳ２１）。具体的には、２値化後の２次元ヒストグラムの各位置の頻度と各欠陥種別のテンプレートヒストグラムの対応する位置の頻度との論理積が求められ、各テンプレートヒストグラムにおいて論理積の和が評価値とされる。すなわち、数４に示す演算により各テンプレートヒストグラムに対して評価値Ｓが求められる。なお、数４における各変数は数２に準じたものである。
【００６２】
【数４】
【００６３】
そして、欠陥種別特定部５４２において準備された複数のテンプレートヒストグラムのうち評価値Ｓが最大となる欠陥種別が特定され、欠陥が分類される（ステップＳ２２）。これにより、欠陥分類装置１では、欠陥の分類を容易かつ短時間に行うことができる。
【００６４】
次に、欠陥分類処理のさらに他の例について説明を行う。図１３は、分類部５４ｂを示す図であり、図１４は分類部５４ｂによる欠陥分類処理の流れを示す図である。図１３に示す分類部５４ｂでは、まず、ヒストグラム分割部５４３においてヒストグラム生成部５３から入力された２次元ヒストグラムが複数の部分ヒストグラムに分割される（ステップＳ３１）。例えば、図１５（ａ）に示す２次元ヒストグラム７５が分類部５４ｂに入力された場合には、欠陥画像の画素値および参照画像の画素値がそれぞれ３２画素値分を１つの区間とする８区間に分割され、図１５（ｂ）に示すように、６４個の部分ヒストグラム７６１が取得される。
【００６５】
特徴量算出部５４４では、複数の部分ヒストグラム７６１のそれぞれに含まれる頻度の和が算出され、各部分ヒストグラム７６１の特徴量とされる（ステップＳ３２）。部分ヒストグラム７６１の特徴量はニューラルネットワークを利用して判定を行う判定器５４５へと入力され、判定器５４５による分類結果が出力される（ステップＳ３３）。
【００６６】
ここで、欠陥分類装置１では、教師データを作成しつつ学習することによりニューラルネットワークのパラメータである欠陥判定条件が欠陥分類用データとして予め準備されている。すなわち、欠陥分類装置１では欠陥分類の事前準備として、欠陥種別が特定された複数の欠陥画像のそれぞれに対して参照画像を利用した２次元ヒストグラムが生成され２次元ヒストグラム中の各部分ヒストグラム７６１の特徴量が算出され、判定器構築部５４６において欠陥種別毎に学習が行われ欠陥判定条件が自動生成される。そして、欠陥分類処理の際に、図５のステップＳ１１において、生成された欠陥判定条件が欠陥分類用データとして判定器５４５に入力され、分類結果を出力する判定器５４５が構築される。これにより、分類部５４ｂでは高度な欠陥分類を行うことができる。
【００６７】
また、欠陥分類装置１では、分割されたヒストグラム毎に特徴量が求められるため、全ての位置の頻度がそのまま特徴量として利用される場合と比較して、判定器５４５における演算量を減少させることができ、短時間に欠陥を分類することができる。
【００６８】
なお、分類部５４ｂを有する欠陥分類装置１において、２次元ヒストグラムを正規化しない場合には、部分ヒストグラム７６１の特徴量には欠陥のサイズの要素が含まれるため、欠陥のサイズに応じた欠陥分類も可能となる。また、特徴量算出部５４４において算出される特徴量は頻度を利用した他のものであってもよく、例えば、各部分ヒストグラム７６１に含まれる頻度の標準偏差等であってもよい。
【００６９】
また、欠陥分類装置１におけるさらに他の欠陥分類処理として、分類された欠陥の各部分ヒストグラムの特徴量と欠陥種別とを対応付けた教師データが蓄積されて利用されてもよい。この場合、分類対象となる欠陥の画像の部分ヒストグラムの特徴量と各教師データの対応する部分ヒストグラムの特徴量との差分が求められて全ての差分の二乗和が求められ、差分二乗和が最小となる教師データの欠陥種別に分類対象の欠陥が分類される（いわゆる、最近傍法）。
【００７０】
以上、欠陥分類装置１の構成および処理について説明を行ってきたが、欠陥分類装置１の演算部５の機能は専用の電気的回路により実現されてもよく、部分的に電気的回路が用いられてもよい。
【００７１】
例えば、欠陥領域特定部５１、マスク処理部５２およびヒストグラム生成部５３の機能を電気的回路により構築し、撮像部２から欠陥画像のデータを画素単位で欠陥領域特定部５１へと順次入力しつつ（すなわち、シーケンシャルに欠陥画像のデータが入力される）、２次元ヒストグラムを生成処理することも可能である。
【００７２】
この場合、まず、入力された欠陥画像の画素の値に対応する参照画像の画素の値が記憶部５９から欠陥領域特定部５１へと入力され、欠陥画像の画素の値と参照画像の画素の値との差の絶対値が算出される。そして、差の絶対値が所定のしきい値よりも大きい場合には欠陥を示す欠陥マスク画素値「２５５」が、しきい値よりも小さい場合には非欠陥を示す欠陥マスク画素値「０」が欠陥画像の画素の値および参照画像の画素の値とともにマスク処理部５２へと出力される（図５のステップＳ１３に相当）。
【００７３】
マスク処理部５２では、欠陥マスク画素値が「２５５」である場合には入力された欠陥画像および参照画像の画素の値がそのまま出力され、欠陥マスク画素値が「０」である場合には両画像に対して画素値「０」が出力される（ステップＳ１４に相当）。ヒストグラム生成部５３では、マスク処理部５２からの欠陥画像の画素の値および参照画像の画素の値の組み合わせの２次元空間上の位置が特定されてその位置の頻度に１が加算される（ステップＳ１５に相当）。欠陥画像の全ての画素に対して上記処理が順次実行されることにより２次元ヒストグラムが短時間に生成される。
【００７４】
以上、本発明の実施の形態について説明してきたが、本発明は上記実施の形態に限定されるものではなく、様々な変形が可能である。
【００７５】
欠陥領域特定部５１において、欠陥領域６３１を特定する手法は必ずしも欠陥画像と参照画像との差分（絶対値）画像を利用したものには限定されず、例えば、エッジ抽出を行った上で欠陥画像と参照画像とを比較することにより欠陥領域が特定されてもよい。
【００７６】
また、分類部５４ｂは必ずしもニューラルネットワークを利用するものである必要はなく、例えば、判別分析や決定木等の他の手法が利用されてもよい。すなわち、欠陥分類装置１では２次元ヒストグラムに基づく欠陥分類として様々な手法が利用可能である。
【００７７】
欠陥画像（および参照画像）は、必ずしも背景領域上に配線パターンが形成された画像である必要はなく、多階調の他の画像であってもよい。
【００７８】
上記実施の形態では、半導体の基板９に対して欠陥の分類が行われるが、欠陥分類装置１は、ガラス基板（例えば、液晶表示装置、プラズマ表示装置等の各種フラットパネル表示装置に用いられるガラス基板）、プリント配線基板等に形成されたパターンの欠陥の分類にも利用することができる。
【００７９】
また、高速な処理が求められない場合には、欠陥分類装置１において欠陥検出と欠陥分類とが同時に行われてもよい。
【００８０】
【発明の効果】
本発明によれば、基板上の欠陥を容易に分類することができる。
【００８１】
また、請求項２および３の発明では欠陥領域を特定して、欠陥を適切に分類することができる。
【００８２】
また、請求項４の発明では欠陥を短時間に分類することができ、請求項６の発明では高度な欠陥分類を行うことができる。
【図面の簡単な説明】
【図１】（ａ）ないし（ｃ）は２次元ヒストグラムの生成方法を説明するための図である。
【図２】欠陥分類装置を示す図である。
【図３】コンピュータの構成を示す図である。
【図４】演算部の機能構成を示す図である。
【図５】２次元ヒストグラムを生成して欠陥を分類する処理の流れを示す図である。
【図６】（ａ）は欠陥画像を示す図であり、（ｂ）は参照画像を示す図であり、（ｃ）は欠陥マスク画像を示す図である。
【図７】（ａ）はマスク処理後の欠陥画像を示す図であり、（ｂ）はマスク処理後の参照画像を示す図である。
【図８】２次元ヒストグラムを示す図である。
【図９】（ａ）および（ｂ）は、特徴分布図を示す図である。
【図１０】（ａ）は２次元ヒストグラムを示す図であり、（ｂ）はヒストグラム用マスク画像を示す図であり、（ｃ）はマスク処理後の２次元ヒストグラムを示す図である。
【図１１】分類部の構成の他の例を示す図である。
【図１２】欠陥を分類する処理の流れを示す図である。
【図１３】分類部の構成のさらに他の例を示す図である。
【図１４】欠陥を分類する処理の流れを示す図である。
【図１５】（ａ）は２次元ヒストグラムを示す図であり、（ｂ）は分割後の２次元ヒストグラムを示す図である。
【符号の説明】
１ 欠陥分類装置
４ コンピュータ
５ 演算部
９ 基板
５１ 欠陥領域特定部
５２ マスク処理部
５３ ヒストグラム生成部
５４ 分類部
５９ 記憶部
６１，６４ 欠陥画像
６２，６５ 参照画像
７１，７２，７４，７５ ２次元ヒストグラム
８０ プログラム
８１〜８９ 領域
５４１ 評価値算出部
５４２ 欠陥種別特定部
５４３ ヒストグラム分割部
５４４ 特徴量算出部
５４５ 判定器
５４６ 判定器構築部
６１１ 欠陥
６３１，６４１，６５１ 欠陥領域
７６１ 部分ヒストグラム
Ｓ１１〜Ｓ１６，Ｓ２１，Ｓ２２，Ｓ３１〜Ｓ３３ ステップ
【発明の属する技術分野】
本発明は、基板上の欠陥を分類する技術に関する。
【０００２】
【従来の技術】
従来より、半導体基板、レチクル、プリント配線基板等（以下、「基板」という。）に形成されたパターンを検査し、各工程での歩留まりを低下させる要因となる製造プロセスの異常を是正するために、検出された欠陥に対して分類が行われる（すなわち、欠陥の種類やカテゴリが判定される）ことがある。
【０００３】
例えば、特許文献１では欠陥画像から欠陥の面積、明るさ、周囲長、円形度、重心位置等の特徴量を抽出し、ニューラルネットワークを利用して学習・分類する手法が開示されており、特許文献２では参照画像に基づいて欠陥画像中の欠陥領域を配線領域と背景領域とに分離し、各領域の輝度値を利用しつつ欠陥種別を判定する手法が提案されている。
【０００４】
なお、特許文献３では、被検査画像の画素値、および、参照画像の画素値の２つの座標軸により規定されるグラフ上に、被検査画像の各画素値と参照画像の対応する画素値とで決定される点をプロットすることにより２値画像である２次元分散プロットを作成し、両画素値が等しくなる直線から離れて存在する点を見つけだすことにより、欠陥を検出する手法が開示されている。
【０００５】
【特許文献１】
特開平８−２１８０３号公報
【特許文献２】
特開平９−１８６２０８号公報
【特許文献３】
特開２００１−１３３４１８号公報
【０００６】
【発明が解決しようとする課題】
ところで、特許文献１の手法において精度よく欠陥を分類するには、多くの種類の特徴量を求める必要があり長時間を要してしまう。また、特許文献２の手法では、欠陥画像のコントラストが低い場合やノイズが多い場合に、配線領域と背景領域とが適切に分離されず、欠陥が正確に分類されない恐れがある。
【０００７】
本発明は上記課題に鑑みなされたものであり、欠陥を容易に分類する技術を提供することを目的としている。
【０００８】
【課題を解決するための手段】
請求項１に記載の発明は、基板上の欠陥を分類する欠陥分類装置であって、基板上の欠陥を示す多階調の欠陥画像の画素値および予め準備された多階調の参照画像の画素値をパラメータとする２次元空間において、前記欠陥画像の画素の値と前記参照画像の対応する画素の値との組み合わせの頻度を示す２次元ヒストグラムを生成するヒストグラム生成部と、前記２次元ヒストグラムに基づいて前記欠陥を分類する分類部とを備える。
【０００９】
請求項２に記載の発明は、請求項１に記載の欠陥分類装置であって、前記欠陥画像と前記参照画像とを比較することにより欠陥領域を特定する欠陥領域特定部と、前記欠陥画像と前記参照画像とに対して前記欠陥領域以外を所定の画素値とするマスク処理を行うマスク処理部とをさらに備え、前記ヒストグラム生成部が、マスク処理後の欠陥画像および参照画像に基づいて前記２次元ヒストグラムを生成する。
【００１０】
請求項３に記載の発明は、請求項１に記載の欠陥分類装置であって、前記分類部が、前記２次元空間において、前記欠陥画像の画素値と前記参照画像の画素値とがおよそ等しくなる領域以外の領域に基づいて前記欠陥を分類する。
【００１１】
請求項４に記載の発明は、請求項１ないし３のいずれかに記載の欠陥分類装置であって、前記分類部において、前記２次元空間内の複数の領域のそれぞれと欠陥の種別とが対応付けられている。
【００１２】
請求項５に記載の発明は、請求項１ないし３のいずれかに記載の欠陥分類装置であって、前記分類部が、予め準備された複数の欠陥種別のそれぞれに対応する２次元ヒストグラムと、前記ヒストグラム生成部にて生成された前記２次元ヒストグラムとの類似の度合いを示す評価値を算出する評価値算出部と、前記評価値に基づいて、前記欠陥の種別を特定する欠陥種別特定部とを有する。
【００１３】
請求項６に記載の発明は、請求項１ないし３のいずれかに記載の欠陥分類装置であって、前記分類部が、前記２次元ヒストグラムを複数の部分ヒストグラムに分割するヒストグラム分割部と、前記複数の部分ヒストグラムのそれぞれにおいて、頻度に関する特徴量を算出する特徴量算出部と、前記特徴量を用いて学習を行うことにより、入力される特徴量に応じて分類結果を出力する判定器を構築する判定器構築部とを有する。
【００１４】
請求項７に記載の発明は、基板上の欠陥を分類する欠陥分類方法であって、基板上の欠陥を示す多階調の欠陥画像の画素値および予め準備された多階調の参照画像の画素値をパラメータとする２次元空間において、前記欠陥画像の画素の値と前記参照画像の対応する画素の値との組み合わせの頻度を示す２次元ヒストグラムを生成する工程と、前記２次元ヒストグラムに基づいて前記欠陥を分類する工程とを有する。
【００１５】
請求項８に記載の発明は、基板上の欠陥の分類に利用されるプログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、基板上の欠陥を示す多階調の欠陥画像の画素値および予め準備された多階調の参照画像の画素値をパラメータとする２次元空間において、前記欠陥画像の画素の値と前記参照画像の対応する画素の値との組み合わせの頻度を示す２次元ヒストグラムを生成する工程と、前記２次元ヒストグラムに基づいて前記欠陥を分類する工程とを実行させる。
【００１６】
【発明の実施の形態】
図１（ａ）ないし（ｃ）は、欠陥分類に利用される２次元ヒストグラムを生成する様子を説明するための図であり、図１（ａ）は多階調の第１画像６０１を示す図であり、図１（ｂ）は画像６０１に対して参照すべき多階調の第２画像６０２を示す図である。
【００１７】
２次元ヒストグラムは、第１画像６０１の各画素の値と第２画像６０２の対応する画素の値とを特定することにより生成される。例えば、第１画像６０１の値がＡである画素６０１ａに対して第２画像６０２の対応する画素６０２ａの値Ｂが特定されたものとする。このとき、図１（ｃ）に示すように、第１画像６０１の画素値および第２画像６０２の画素値をパラメータとする２次元空間（すなわち、両画像の画素値がとり得る値の範囲により定められる２次元空間）において、第１画像６０１の画素の値がＡであり第２画像６０２の画素の値がＢである組み合わせを示す位置６０３の頻度（出現頻度）に１が加えられる。
【００１８】
したがって、第１画像６０１の画素の値と第２画像６０２の対応する画素の値とが同一である場合には、２次元空間上の両画素の値が等しくなる位置（すなわち、図１（ｃ）において左上から右下へと向かう対角線上）のいずれかの位置の頻度が変更され、両画素の値が相違する場合には、対角線上以外のいずれかの位置の頻度が変更されることとなる。そして、画像６０１，６０２の全ての画素の値の組み合わせに対して２次元空間上の位置の特定およびその位置の頻度のインクリメントを行うことにより、２次元空間に２次元ヒストグラムが生成される。なお、各位置における頻度を表現するために、２次元ヒストグラムでは頻度が高いほどその位置の濃度が高く（または明るく）され、頻度が低いほど濃度が低く（または暗く）される。すなわち、２次元ヒストグラムは画像として表現されて取り扱われる。
【００１９】
図２は本発明の一の実施の形態に係る欠陥分類装置１の構成を示す図である。欠陥分類装置１は、半導体基板（以下、「基板」という。）９上の所定の領域を撮像して多階調の画像のデータを取得する撮像部２、基板９を保持するステージ３、および、撮像部２に対してステージ３を相対的に移動するステージ駆動部３１を有する。
【００２０】
撮像部２は、照明光を出射する照明部２１、基板９に照明光を導くとともに基板９からの光が入射する光学系２２、および、光学系２２により結像された基板９の像を電気信号に変換する撮像デバイス２３を有する。ステージ駆動部３１はステージ３を図２中のＸ方向に移動するＸ方向移動機構３２、および、Ｙ方向に移動するＹ方向移動機構３３を有する。Ｘ方向移動機構３２はモータ３２１にボールねじ（図示省略）が接続され、モータ３２１が回転することにより、Ｙ方向移動機構３３がガイドレール３２２に沿って図２中のＸ方向に移動する。Ｙ方向移動機構３３もＸ方向移動機構３２と同様の構成となっており、モータ３３１が回転するとボールねじ（図示省略）によりステージ３がガイドレール３３２に沿ってＹ方向に移動する。
【００２１】
欠陥分類装置１は、各種演算処理を行うＣＰＵや各種情報を記憶するメモリ等により構成されたコンピュータ４をさらに有し、コンピュータ４は撮像部２およびステージ駆動部３１に接続される。コンピュータ４は、欠陥の分類を行うとともに、欠陥分類装置１の各構成を制御する制御部としての役割を果たす。
【００２２】
図３は、コンピュータ４の構成を示す図である。コンピュータ４は、図３に示すように、各種演算処理を行うＣＰＵ４１、基本プログラムを記憶するＲＯＭ４２および各種情報を記憶するＲＡＭ４３をバスラインに接続した一般的なコンピュータシステムの構成となっている。バスラインにはさらに、情報記憶を行う固定ディスク４４、画像等の各種情報の表示を行うディスプレイ４５、作業者からの入力を受け付けるキーボード４６ａおよびマウス４６ｂ、光ディスク、磁気ディスク、光磁気ディスク等のコンピュータ読み取り可能な記録媒体８から情報の読み取りを行う読取装置４７、並びに、欠陥分類装置１の他の構成との間で信号を送受信する通信部４８が、適宜、インターフェイス（Ｉ／Ｆ）を介する等して接続される。
【００２３】
コンピュータ４には、事前に読取装置４７を介して記録媒体８からプログラム８０が読み出され、固定ディスク４４に記憶される。そして、プログラム８０がＲＡＭ４３にコピーされるとともにＣＰＵ４１がＲＡＭ４３内のプログラムに従って演算処理を実行することにより（すなわち、コンピュータがプログラムを実行することにより）、コンピュータ４が欠陥検出を行うとともに２次元ヒストグラムを生成して欠陥を分類する。なお、欠陥検出は多数の画像に対して行われるため、専用の電気的回路により行われてもよい。以下、所定の欠陥検出手法により欠陥画像のデータが得られたものとして説明を行う。
【００２４】
図４は、ＣＰＵ４１がプログラム８０に従って動作することにより、ＣＰＵ４１、ＲＯＭ４２、ＲＡＭ４３、固定ディスク４４等が実現する欠陥分類のための機能構成を示す図である。図４において、演算部５の各構成がＣＰＵ４１等により実現される機能を示し、記憶部５９がＲＡＭ４３、固定ディスク４４等により実現される機能を示す。
【００２５】
図５は、欠陥分類装置１が２次元ヒストグラムを生成して欠陥を自動的に分類する処理の流れを示す図である。欠陥分類装置１において欠陥を分類する際には、まず、欠陥の分類に利用されるデータ（以下、「欠陥分類用データ」という。）が準備されて記憶される（ステップＳ１１）。欠陥分類用データとは、欠陥の分類手法に応じて準備されるデータであり、詳細については後述する。
【００２６】
続いて、基板９上の欠陥を示す多階調の欠陥画像のデータ、および、多階調の参照画像のデータが準備される（ステップＳ１２）。これらの画像は欠陥検出の際に取得されたものが流用される。具体的には、コンピュータ４がステージ駆動部３１を制御することにより、撮像部２の撮像位置を基板９上の検査領域（例えば、基板９上に配列されているダイ（すなわち、１つのチップに対応する領域）の所定領域）へと相対的に移動し、撮像部２にて被検査画像が取得され、撮像部２の撮像位置を基板９上の他のダイの同じ位置（すなわち、ダイのパターンの周期の整数倍だけ離れた撮像領域）へと移動して参照画像が取得され、欠陥が検出されると被検査画像のデータが欠陥画像データ５９１として、参照画像のデータが参照画像データ５９２として記憶部５９に記憶される。
【００２７】
なお、参照画像は既に取得されている複数の画像の平均画像や、ＣＡＤデータを元に生成されたゴールデン・テンプレート画像（すなわち、欠陥が存在しない画像）等のデータが予め準備されて記憶されてもよい。
【００２８】
図６（ａ）は欠陥画像６１を例示する図であり、図６（ｂ）は参照画像６２を例示する図である。欠陥画像６１および参照画像６２は、比較的暗い背景領域６ｂ上に比較的明るい配線パターン６ａが形成された画像であり、欠陥画像６１において符号６１１を付す位置が欠陥である。欠陥画像６１および参照画像６２は、例えば、２５６階調の画像とされる。なお、欠陥画像６１が示す領域と参照画像６２が示す領域とが微小にずれている場合には、両画像６１，６２の互いに対応する画素を特定する処理が行われる。
【００２９】
欠陥領域特定部５１では、欠陥画像６１と参照画像６２との互いに対応する画素の値の差の絶対値を示す差分画像が生成され、差分画像の各画素の値に対して所定のしきい値により欠陥または非欠陥が判定される。例えば、差分画像の画素の値がしきい値よりも大きい場合には欠陥を示す画素値「２５５」が、しきい値よりも小さい場合には非欠陥を示す画素値「０」が各画素に対して付与され、図６（ｃ）に示すように、欠陥領域６３１が特定されたマスク画像（以下、「欠陥マスク画像」という。）６３が作成される（ステップＳ１３）。
【００３０】
続いて、マスク処理部５２では、欠陥画像６１および参照画像６２の各画素のうち、欠陥マスク画像６３において値が「２５５」の画素に対応する画素の値が特定され、それ以外の画素の値（すなわち、欠陥マスク画像６３において値が「０」の画素に対応する画素の値）が所定の値（例えば、画素値「０」）に変更される処理が行われる。すなわち、欠陥画像６１および参照画像６２に対してマスク処理が施され、欠陥マスク画像６３とのＡＮＤ画像が作成される（ステップＳ１４）。
【００３１】
図７（ａ）はマスク処理後の欠陥画像６４を示す図であり、図７（ｂ）はマスク処理後の参照画像６５を示す図である。図７（ａ）の欠陥画像６４、および、図７（ｂ）の参照画像６５では、それぞれ符号６４１，６５１を付す領域が欠陥マスク画像６３の欠陥領域６３１に対応している。
【００３２】
ヒストグラム生成部５３では、マスク処理後の欠陥画像６４および参照画像６５から２次元ヒストグラムが生成される（ステップＳ１５）。２次元ヒストグラムは前述したように、欠陥画像の画素値、および、参照画像の画素値をパラメータとする２次元空間内において、マスク処理後の欠陥画像６４の各画素の値とマスク処理後の参照画像６５の対応する画素の値との組み合わせの頻度を求めることにより生成される。
【００３３】
図８は生成された２次元ヒストグラム７１を示す図である。図８の２次元ヒストグラム７１では、マスク処理後の欠陥画像６４および参照画像６５において欠陥領域６４１，６５１に属する画素以外の画素の値が「０」とされるため、２次元ヒストグラム７１上の両画素値が０となる位置７１１以外において頻度が１以上である濃度を示す位置の集合である領域（以下、「特徴領域」という。）７１２が、欠陥６１１の特徴を示すこととなる。なお、図８の特徴領域７１２では濃淡の相違（すなわち、組み合わせの頻度の相違）を等高線のように示しており領域の中心に近づくにつれて組み合わせの頻度が高くなっている。特徴領域７１２は欠陥の位置や欠陥の回転の影響を受けないという特性を有する。
【００３４】
ヒストグラム生成部５３では、さらに、２次元ヒストグラム７１中の各位置の頻度が総頻度数、すなわち、欠陥画像６１（または、マスク処理後の欠陥画像６４）の総画素数で除され、２次元ヒストグラム７１が正規化される。正規化された２次元ヒストグラムは、欠陥６１１の特徴を示す確率分布といえ、欠陥位置および回転のみならず、欠陥サイズに対しても不変となる。なお、２次元ヒストグラムの正規化は必要に応じて行われるのみでよく、以下、正規化された２次元ヒストグラムについても、単に２次元ヒストグラム７１と呼び、総頻度数で除された頻度も単に頻度と呼ぶ。
【００３５】
続いて、分類部５４では２次元ヒストグラム７１に基づいて欠陥６１１が分類される（ステップＳ１６）。本実施の形態では、図９（ａ）に示す特徴分布図が前述の欠陥分類用データとして準備される（ステップＳ１１参照）。図９（ａ）の特徴分布図は欠陥画像の画素値、および、参照画像の画素値をパラメータとする２次元空間内に表われて、特徴分布図では２次元空間内の複数の領域８１，８２，８３，８４，８５，８６のそれぞれに対して欠陥の種別（複数の種別の候補であってもよい。）が対応付けられている。分類部５４は、特徴領域が図９（ａ）の特徴分布図中の領域８１〜８６のうちいずれに属するかを特定する。図８の２次元ヒストグラム７１の特徴領域７１２の場合、領域８１に属することが特定され、欠陥６１１が領域８１に対応付けられた欠陥種別（例えば、「配線パターンの残りやショート」）に分類される。分類結果は記憶部５９へと出力され、分類結果データ５９３として記憶される。
【００３６】
次に、図９（ａ）の特徴分布図についてさらに説明を行う。前述のように、欠陥画像６１および参照画像６２は比較的暗い背景領域６ｂ上に比較的明るい配線パターン６ａが形成された画像であるため、背景領域６ｂ上の正常な画素の値から導かれる位置は図９（ａ）中の符号８７を付す領域に属し、配線パターン６ａ上の正常な画素の値から導かれる位置は符号８８を付す領域に属することとなる。また、ノイズ等の影響を考慮すると符号８９を付す領域は正常な画素値に対応する区分が属する領域と捉えることができる。
【００３７】
一方、配線パターンの欠けや分断（すなわち、配線の断線（いわゆる、オープン））となる欠陥が発生した場合には、欠陥画像６１における欠陥の領域が暗くなるのに対して参照画像６２の対応する領域では配線パターン６ａの明るさとなる。よって、２次元ヒストグラムにおける特徴領域は欠陥画像の画素値が比較的小さく、参照画像の画素値が比較的大きい領域に出現するため、図９（ａ）中の領域８２は「配線パターンの欠けやオープン」を示す欠陥種別に対応付けることができる。
【００３８】
また、配線パターンの残存や背景領域の分断（すなわち、配線の短絡（いわゆる、ショート））となる欠陥が発生した場合には、欠陥画像６１における欠陥の領域が明るくなるのに対して参照画像６２の対応する領域では背景領域６ｂの明るさとなるため、２次元ヒストグラムにおいて特徴領域が欠陥画像の画素値が比較的大きく参照画像の画素値が比較的小さい領域に現れる。したがって、特徴分布図における領域８１は「配線パターンの残りやショート」を示す欠陥種別に対応付けることができる。
【００３９】
さらに、背景領域６ｂがさらに暗くなる欠陥は特徴分布図における領域８３、僅かに明るくなる欠陥は領域８４、配線パターン６ａがさらに明るくなる欠陥は特徴分布図における領域８５、僅かに暗くなる欠陥は領域８６に対応し、各領域８３〜８６に欠陥種別（例えば、付着したパーティクルの種類や厚み等）を予め特定して対応付けておくことにより、欠陥をより詳細に分類することが可能となる。なお、各領域８１〜８６は、正常部の分布である領域８７，８８に従って図９（ｂ）に示すように決定されてもよい。あるいは、領域８７，８８が図９（ａ）に示す分布となるように、画像の階調補正が行われてもよい。
【００４０】
以上のように、図２の欠陥分類装置１では、欠陥画像の画素値および参照画像の画素値をパラメータとする２次元空間において、欠陥画像の画素の値と参照画像の対応する画素の値との組み合わせの頻度を示す２次元ヒストグラムが生成される。そして、欠陥の種別がそれぞれ対応付けられた２次元空間内の複数の領域のうち、欠陥画像の欠陥に対応する領域が２次元ヒストグラムに基づいて特定されることにより、欠陥の種別が判定される（すなわち、欠陥が分類される）。これにより、欠陥分類装置１では、基板９上の欠陥を容易かつ短時間に分類することができる。
【００４１】
また、欠陥分類装置１では、欠陥画像および参照画像の互いに対応する画素の値から２次元ヒストグラムが生成されるため、コントラストが低い画像であっても欠陥を適切に分類することができる。なお、分類部５４では画素値の組み合わせの頻度に対して所定のしきい値が設けられ、頻度がしきい値より高い組み合わせの領域のみが特徴領域（または、その一部）として取り扱われてもよい。
【００４２】
以上、欠陥分類装置１の一の実施の形態について説明してきたが、欠陥分類装置１による処理は２次元ヒストグラム生成処理（ステップＳ１３〜Ｓ１５）および欠陥分類処理（ステップＳ１６）に大別することができる。以下、２次元ヒストグラム生成処理および欠陥分類処理の他の例について順次説明を行う。
【００４３】
２次元ヒストグラム生成処理の他の例として、２次元ヒストグラムが生成された後にマスク処理が行われてもよい。具体的には、まず、準備された欠陥画像６１および参照画像６２からヒストグラム生成部５３において２次元ヒストグラム７２が図１０（ａ）に示すように生成される。また、マスク処理部５２では図１０（ｂ）に示すように、両画素値が等しくなる対角線から縦軸または横軸に沿って（−α）だけ離れた画素値から（＋α）だけ離れた画素値までの所定の幅の範囲を示す領域（すなわち、図９（ａ）の特徴分布図における領域８９に対応する領域であり、以下、「マスク領域」という。）７３１が特定されたヒストグラム用マスク画像７３が準備される。そして、２次元ヒストグラム７２のマスク領域７３１に対応する位置の頻度が０とされ、修正された２次元ヒストグラム７４が、図１０（ｃ）に示すように生成される。
【００４４】
図１０（ｃ）の２次元ヒストグラム７４では欠陥の特徴を示さない領域がマスクされるため、頻度が０より大きくなる領域が特徴領域７４１として取り扱われる。換言すれば、分類部５４において２次元ヒストグラム中の欠陥画像の画素値と参照画像の画素値とがおよそ等しくなる領域以外の領域に基づいて欠陥の種別が特定され、欠陥を適切に分類することができる。
【００４５】
なお、準備される画像の画素の値のばらつきやノイズの影響の程度に応じて、正常な画素の値に対応する領域に拡がりが生じるため、ヒストグラム用マスク画像７３のマスク領域７３１の幅は画像取得時の状態等に合わせて適宜決定される。また、必ずしも２次元ヒストグラムに対してマスク処理が施される必要はなく、分類部５４においてマスク領域７３１以外の領域の頻度に基づいて、欠陥種別が特定されてもよい。
【００４６】
次に、欠陥分類処理の他の例について説明を行う。図１１は、欠陥分類処理の他の例に係る分類部５４ａの構成を示す図である。また、図１２は分類部５４ａによる欠陥分類処理の流れを示す図であり、図５中のステップＳ１６に対応する処理を示している。
【００４７】
分類部５４ａによる欠陥分類が行われる際には、図５中のステップＳ１１では、複数の欠陥種別にそれぞれ対応する複数の２次元ヒストグラム（以下、「テンプレートヒストグラム」という。）が欠陥分類用データとして準備される。
【００４８】
テンプレートヒストグラムは予め作成されており、テンプレートヒストグラムの作成では、まず、欠陥種別がそれぞれ特定された複数の欠陥画像に対して２次元ヒストグラムが作成され、欠陥画像のノイズや画素値のばらつき等の影響を抑制するために、各２次元ヒストグラムに対してグレイ膨張処理（最大値フィルタとも呼ばれる。）等が必要に応じて施される。そして、一の種類の欠陥種別ｍに対して準備された欠陥画像の数量をＭとし、２次元ヒストグラムのある位置（ｐ，ｑ）（ｐ，ｑはそれぞれ欠陥画像の画素値、参照画像の画素値である。）における頻度をＰｍ（ｐ，ｑ）として、テンプレートヒストグラムの位置（ｐ，ｑ）における頻度Ｐｔ（ｐ，ｑ）が数１により求められる。これにより、欠陥種別ｍの平均的な２次元ヒストグラムがテンプレートヒストグラムとして求められる。
【００４９】
【数１】
分類部５４ａでは、複数の欠陥種別のそれぞれに対応するテンプレートヒストグラムが求められる。
【００５１】
テンプレートヒストグラムが準備されると、次に、欠陥画像および参照画像から２次元ヒストグラムが生成されて分類部５４ａへと入力される（ステップＳ１５）。分類部５４ａの評価値算出部５４１では、２次元ヒストグラムとテンプレートヒストグラムとの類似の度合いを示す評価値が算出される（ステップＳ２１）。具体的には、まず、準備される画像のノイズ等の影響を抑制するために、２次元ヒストグラムに対してグレイ膨張処理等が必要に応じて施される。そして、各欠陥種別のテンプレートヒストグラムの各位置の頻度と、２次元ヒストグラムの対応する位置の頻度との積が算出され、算出された積の和が評価値とされる。具体的には、数２に示す演算により評価値Ｓが各テンプレートヒストグラムに対して求められる。
【００５２】
【数２】
ここで、ｐ，ｑはそれぞれ欠陥画像の画素値、参照画像の画素値であり、Ｐｔ（ｐ，ｑ）はテンプレートヒストグラムの位置（ｐ，ｑ）における頻度であり、Ｐｎ（ｐ，ｑ）は分類部５４ａに入力される２次元ヒストグラムの位置（ｐ，ｑ）における頻度である。
【００５４】
各欠陥種別に対して求められた評価値Ｓは、欠陥種別特定部５４２において比較され、最も大きい評価値Ｓとなる欠陥種別が特定されることにより欠陥が分類される（ステップＳ２２）。すなわち、分類部５４ａでは、準備された複数のテンプレートヒストグラムのうち２次元ヒストグラムに対して類似の度合いが最も高いものを特定する、いわゆる、テンプレートマッチングが行われる。これにより、欠陥分類装置１では欠陥が容易かつ適切に分類される。
【００５５】
なお、欠陥分類装置１では評価値Ｓに対して所定のしきい値が設けられ、しきい値以上となる評価値Ｓのみが欠陥種別特定部５４２へと入力されてもよい。これにより、欠陥がいずれの欠陥種別にも類似しない場合に、未知の欠陥種別として分類することが可能となる。
【００５６】
評価値は必ずしも２次元ヒストグラムと各欠陥種別のテンプレートヒストグラムとの各位置の頻度の積の和である必要なはく、例えば、頻度の差分二乗和とされてもよい。この場合、欠陥種別特定部５４２では評価値が最小となる欠陥種別が特定される。
【００５７】
また、分類部５４ａによる欠陥分類処理は２次元ヒストグラムが２値化されて行われてもよい。この場合、テンプレートヒストグラムも２値化されたものが作成されて準備される。
【００５８】
２値化されたテンプレートヒストグラムを作成する際には、欠陥種別がそれぞれ特定された複数の欠陥画像に対して２次元ヒストグラムが生成され、各２次元ヒストグラムにおいて、０あるいは適当な値より大きい頻度が１とされて２次元ヒストグラムが２値化される。そして、２値の膨張処理が必要に応じて施され、数３に示す演算により、各欠陥種別毎に各位置の値の論理積または論理和が算出され、欠陥種別毎に２値化されたテンプレートヒストグラムが作成される。なお、数３における各変数は数１に準じたものである。
【００５９】
【数３】
２値化された複数のテンプレートヒストグラムが準備されると、まず、入力された２次元ヒストグラム（正規化されていなくてもよい。）に対して２値化処理が施される。また、必要に応じて２値の膨張処理が施され、準備された画像のノイズや画素値のばらつき等の影響が抑制される。
【００６１】
続いて、各欠陥種別のテンプレートヒストグラムに対して２値化後の２次元ヒストグラムとの類似の度合いを示す評価値Ｓが算出される（ステップＳ２１）。具体的には、２値化後の２次元ヒストグラムの各位置の頻度と各欠陥種別のテンプレートヒストグラムの対応する位置の頻度との論理積が求められ、各テンプレートヒストグラムにおいて論理積の和が評価値とされる。すなわち、数４に示す演算により各テンプレートヒストグラムに対して評価値Ｓが求められる。なお、数４における各変数は数２に準じたものである。
【００６２】
【数４】
そして、欠陥種別特定部５４２において準備された複数のテンプレートヒストグラムのうち評価値Ｓが最大となる欠陥種別が特定され、欠陥が分類される（ステップＳ２２）。これにより、欠陥分類装置１では、欠陥の分類を容易かつ短時間に行うことができる。
【００６４】
次に、欠陥分類処理のさらに他の例について説明を行う。図１３は、分類部５４ｂを示す図であり、図１４は分類部５４ｂによる欠陥分類処理の流れを示す図である。図１３に示す分類部５４ｂでは、まず、ヒストグラム分割部５４３においてヒストグラム生成部５３から入力された２次元ヒストグラムが複数の部分ヒストグラムに分割される（ステップＳ３１）。例えば、図１５（ａ）に示す２次元ヒストグラム７５が分類部５４ｂに入力された場合には、欠陥画像の画素値および参照画像の画素値がそれぞれ３２画素値分を１つの区間とする８区間に分割され、図１５（ｂ）に示すように、６４個の部分ヒストグラム７６１が取得される。
【００６５】
特徴量算出部５４４では、複数の部分ヒストグラム７６１のそれぞれに含まれる頻度の和が算出され、各部分ヒストグラム７６１の特徴量とされる（ステップＳ３２）。部分ヒストグラム７６１の特徴量はニューラルネットワークを利用して判定を行う判定器５４５へと入力され、判定器５４５による分類結果が出力される（ステップＳ３３）。
【００６６】
ここで、欠陥分類装置１では、教師データを作成しつつ学習することによりニューラルネットワークのパラメータである欠陥判定条件が欠陥分類用データとして予め準備されている。すなわち、欠陥分類装置１では欠陥分類の事前準備として、欠陥種別が特定された複数の欠陥画像のそれぞれに対して参照画像を利用した２次元ヒストグラムが生成され２次元ヒストグラム中の各部分ヒストグラム７６１の特徴量が算出され、判定器構築部５４６において欠陥種別毎に学習が行われ欠陥判定条件が自動生成される。そして、欠陥分類処理の際に、図５のステップＳ１１において、生成された欠陥判定条件が欠陥分類用データとして判定器５４５に入力され、分類結果を出力する判定器５４５が構築される。これにより、分類部５４ｂでは高度な欠陥分類を行うことができる。
【００６７】
また、欠陥分類装置１では、分割されたヒストグラム毎に特徴量が求められるため、全ての位置の頻度がそのまま特徴量として利用される場合と比較して、判定器５４５における演算量を減少させることができ、短時間に欠陥を分類することができる。
【００６８】
なお、分類部５４ｂを有する欠陥分類装置１において、２次元ヒストグラムを正規化しない場合には、部分ヒストグラム７６１の特徴量には欠陥のサイズの要素が含まれるため、欠陥のサイズに応じた欠陥分類も可能となる。また、特徴量算出部５４４において算出される特徴量は頻度を利用した他のものであってもよく、例えば、各部分ヒストグラム７６１に含まれる頻度の標準偏差等であってもよい。
【００６９】
また、欠陥分類装置１におけるさらに他の欠陥分類処理として、分類された欠陥の各部分ヒストグラムの特徴量と欠陥種別とを対応付けた教師データが蓄積されて利用されてもよい。この場合、分類対象となる欠陥の画像の部分ヒストグラムの特徴量と各教師データの対応する部分ヒストグラムの特徴量との差分が求められて全ての差分の二乗和が求められ、差分二乗和が最小となる教師データの欠陥種別に分類対象の欠陥が分類される（いわゆる、最近傍法）。
【００７０】
以上、欠陥分類装置１の構成および処理について説明を行ってきたが、欠陥分類装置１の演算部５の機能は専用の電気的回路により実現されてもよく、部分的に電気的回路が用いられてもよい。
【００７１】
例えば、欠陥領域特定部５１、マスク処理部５２およびヒストグラム生成部５３の機能を電気的回路により構築し、撮像部２から欠陥画像のデータを画素単位で欠陥領域特定部５１へと順次入力しつつ（すなわち、シーケンシャルに欠陥画像のデータが入力される）、２次元ヒストグラムを生成処理することも可能である。
【００７２】
この場合、まず、入力された欠陥画像の画素の値に対応する参照画像の画素の値が記憶部５９から欠陥領域特定部５１へと入力され、欠陥画像の画素の値と参照画像の画素の値との差の絶対値が算出される。そして、差の絶対値が所定のしきい値よりも大きい場合には欠陥を示す欠陥マスク画素値「２５５」が、しきい値よりも小さい場合には非欠陥を示す欠陥マスク画素値「０」が欠陥画像の画素の値および参照画像の画素の値とともにマスク処理部５２へと出力される（図５のステップＳ１３に相当）。
【００７３】
マスク処理部５２では、欠陥マスク画素値が「２５５」である場合には入力された欠陥画像および参照画像の画素の値がそのまま出力され、欠陥マスク画素値が「０」である場合には両画像に対して画素値「０」が出力される（ステップＳ１４に相当）。ヒストグラム生成部５３では、マスク処理部５２からの欠陥画像の画素の値および参照画像の画素の値の組み合わせの２次元空間上の位置が特定されてその位置の頻度に１が加算される（ステップＳ１５に相当）。欠陥画像の全ての画素に対して上記処理が順次実行されることにより２次元ヒストグラムが短時間に生成される。
【００７４】
以上、本発明の実施の形態について説明してきたが、本発明は上記実施の形態に限定されるものではなく、様々な変形が可能である。
【００７５】
欠陥領域特定部５１において、欠陥領域６３１を特定する手法は必ずしも欠陥画像と参照画像との差分（絶対値）画像を利用したものには限定されず、例えば、エッジ抽出を行った上で欠陥画像と参照画像とを比較することにより欠陥領域が特定されてもよい。
【００７６】
また、分類部５４ｂは必ずしもニューラルネットワークを利用するものである必要はなく、例えば、判別分析や決定木等の他の手法が利用されてもよい。すなわち、欠陥分類装置１では２次元ヒストグラムに基づく欠陥分類として様々な手法が利用可能である。
【００７７】
欠陥画像（および参照画像）は、必ずしも背景領域上に配線パターンが形成された画像である必要はなく、多階調の他の画像であってもよい。
【００７８】
上記実施の形態では、半導体の基板９に対して欠陥の分類が行われるが、欠陥分類装置１は、ガラス基板（例えば、液晶表示装置、プラズマ表示装置等の各種フラットパネル表示装置に用いられるガラス基板）、プリント配線基板等に形成されたパターンの欠陥の分類にも利用することができる。
【００７９】
また、高速な処理が求められない場合には、欠陥分類装置１において欠陥検出と欠陥分類とが同時に行われてもよい。
【００８０】
【発明の効果】
本発明によれば、基板上の欠陥を容易に分類することができる。
【００８１】
また、請求項２および３の発明では欠陥領域を特定して、欠陥を適切に分類することができる。
【００８２】
また、請求項４の発明では欠陥を短時間に分類することができ、請求項６の発明では高度な欠陥分類を行うことができる。
【図面の簡単な説明】
【図１】（ａ）ないし（ｃ）は２次元ヒストグラムの生成方法を説明するための図である。
【図２】欠陥分類装置を示す図である。
【図３】コンピュータの構成を示す図である。
【図４】演算部の機能構成を示す図である。
【図５】２次元ヒストグラムを生成して欠陥を分類する処理の流れを示す図である。
【図６】（ａ）は欠陥画像を示す図であり、（ｂ）は参照画像を示す図であり、（ｃ）は欠陥マスク画像を示す図である。
【図７】（ａ）はマスク処理後の欠陥画像を示す図であり、（ｂ）はマスク処理後の参照画像を示す図である。
【図８】２次元ヒストグラムを示す図である。
【図９】（ａ）および（ｂ）は、特徴分布図を示す図である。
【図１０】（ａ）は２次元ヒストグラムを示す図であり、（ｂ）はヒストグラム用マスク画像を示す図であり、（ｃ）はマスク処理後の２次元ヒストグラムを示す図である。
【図１１】分類部の構成の他の例を示す図である。
【図１２】欠陥を分類する処理の流れを示す図である。
【図１３】分類部の構成のさらに他の例を示す図である。
【図１４】欠陥を分類する処理の流れを示す図である。
【図１５】（ａ）は２次元ヒストグラムを示す図であり、（ｂ）は分割後の２次元ヒストグラムを示す図である。
【符号の説明】
１ 欠陥分類装置
４ コンピュータ
５ 演算部
９ 基板
５１ 欠陥領域特定部
５２ マスク処理部
５３ ヒストグラム生成部
５４ 分類部
５９ 記憶部
６１，６４ 欠陥画像
６２，６５ 参照画像
７１，７２，７４，７５ ２次元ヒストグラム
８０ プログラム
８１〜８９ 領域
５４１ 評価値算出部
５４２ 欠陥種別特定部
５４３ ヒストグラム分割部
５４４ 特徴量算出部
５４５ 判定器
５４６ 判定器構築部
６１１ 欠陥
６３１，６４１，６５１ 欠陥領域
７６１ 部分ヒストグラム
Ｓ１１〜Ｓ１６，Ｓ２１，Ｓ２２，Ｓ３１〜Ｓ３３ ステップ
Claims (8)
- 基板上の欠陥を分類する欠陥分類装置であって、
基板上の欠陥を示す多階調の欠陥画像の画素値および予め準備された多階調の参照画像の画素値をパラメータとする２次元空間において、前記欠陥画像の画素の値と前記参照画像の対応する画素の値との組み合わせの頻度を示す２次元ヒストグラムを生成するヒストグラム生成部と、
前記２次元ヒストグラムに基づいて前記欠陥を分類する分類部と、
を備えることを特徴とする欠陥分類装置。 - 請求項１に記載の欠陥分類装置であって、
前記欠陥画像と前記参照画像とを比較することにより欠陥領域を特定する欠陥領域特定部と、
前記欠陥画像と前記参照画像とに対して前記欠陥領域以外を所定の画素値とするマスク処理を行うマスク処理部と、
をさらに備え、
前記ヒストグラム生成部が、マスク処理後の欠陥画像および参照画像に基づいて前記２次元ヒストグラムを生成することを特徴とする欠陥分類装置。 - 請求項１に記載の欠陥分類装置であって、
前記分類部が、前記２次元空間において、前記欠陥画像の画素値と前記参照画像の画素値とがおよそ等しくなる領域以外の領域に基づいて前記欠陥を分類することを特徴とする欠陥分類装置。 - 請求項１ないし３のいずれかに記載の欠陥分類装置であって、
前記分類部において、前記２次元空間内の複数の領域のそれぞれと欠陥の種別とが対応付けられていることを特徴とする欠陥分類装置。 - 請求項１ないし３のいずれかに記載の欠陥分類装置であって、
前記分類部が、
予め準備された複数の欠陥種別のそれぞれに対応する２次元ヒストグラムと、前記ヒストグラム生成部にて生成された前記２次元ヒストグラムとの類似の度合いを示す評価値を算出する評価値算出部と、
前記評価値に基づいて、前記欠陥の種別を特定する欠陥種別特定部と、
を有することを特徴とする欠陥分類装置。 - 請求項１ないし３のいずれかに記載の欠陥分類装置であって、
前記分類部が、
前記２次元ヒストグラムを複数の部分ヒストグラムに分割するヒストグラム分割部と、
前記複数の部分ヒストグラムのそれぞれにおいて、頻度に関する特徴量を算出する特徴量算出部と、
前記特徴量を用いて学習を行うことにより、入力される特徴量に応じて分類結果を出力する判定器を構築する判定器構築部と、
を有することを特徴とする欠陥分類装置。 - 基板上の欠陥を分類する欠陥分類方法であって、
基板上の欠陥を示す多階調の欠陥画像の画素値および予め準備された多階調の参照画像の画素値をパラメータとする２次元空間において、前記欠陥画像の画素の値と前記参照画像の対応する画素の値との組み合わせの頻度を示す２次元ヒストグラムを生成する工程と、
前記２次元ヒストグラムに基づいて前記欠陥を分類する工程と、
を有することを特徴とする欠陥分類方法。 - 基板上の欠陥の分類に利用されるプログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、
基板上の欠陥を示す多階調の欠陥画像の画素値および予め準備された多階調の参照画像の画素値をパラメータとする２次元空間において、前記欠陥画像の画素の値と前記参照画像の対応する画素の値との組み合わせの頻度を示す２次元ヒストグラムを生成する工程と、
前記２次元ヒストグラムに基づいて前記欠陥を分類する工程と、
を実行させることを特徴とするプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003084456A JP2004296592A (ja) | 2003-03-26 | 2003-03-26 | 欠陥分類装置、欠陥分類方法およびプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003084456A JP2004296592A (ja) | 2003-03-26 | 2003-03-26 | 欠陥分類装置、欠陥分類方法およびプログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004296592A true JP2004296592A (ja) | 2004-10-21 |
Family
ID=33399623
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003084456A Pending JP2004296592A (ja) | 2003-03-26 | 2003-03-26 | 欠陥分類装置、欠陥分類方法およびプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2004296592A (ja) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007071586A (ja) * | 2005-09-05 | 2007-03-22 | Tokyo Seimitsu Co Ltd | 画像欠陥検査装置、画像欠陥検査システム、欠陥分類装置及び画像欠陥検査方法 |
| JP2007257610A (ja) * | 2006-02-24 | 2007-10-04 | National Institute Of Advanced Industrial & Technology | ２次元濃度ヒストグラムを用いた変化抽出方法、システム、及びプログラム |
| JP2008268560A (ja) * | 2007-04-20 | 2008-11-06 | Hitachi High-Technologies Corp | ホットスポット絞り込み装置、ホットスポット絞り込み方法、ホットスポット絞り込みプログラム、ホットスポット検査装置、および、ホットスポット検査方法 |
| JP2009516832A (ja) * | 2005-11-18 | 2009-04-23 | ケーエルエー−テンカー テクノロジィース コーポレイション | 検査データと組み合わせて設計データを使用するための方法及びシステム |
| KR101681947B1 (ko) * | 2016-05-27 | 2016-12-12 | 주식회사 에이치비테크놀러지 | Ｔｆｔ기판의 결점 분류 방법 및 장치 |
| JP2018205292A (ja) * | 2017-06-05 | 2018-12-27 | 瀏陽 宋 | 時間領域・周波数領域のヒストグラムの特徴解析による状態識別法 |
| JP2019009416A (ja) * | 2017-06-28 | 2019-01-17 | 東京エレクトロン株式会社 | 熱処理装置、熱処理装置の管理方法及び記憶媒体 |
| KR20210138122A (ko) * | 2019-04-09 | 2021-11-18 | 케이엘에이 코포레이션 | 확률적 레티클 결함 처리 |
| CN113763346A (zh) * | 2021-08-31 | 2021-12-07 | 哈尔滨工业大学（威海） | 基于双目视觉的立面作业效果与表面缺陷检测方法 |
| JP2022033206A (ja) * | 2017-06-28 | 2022-02-28 | 東京エレクトロン株式会社 | 熱処理装置、熱処理装置の管理方法及び記憶媒体 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001077165A (ja) * | 1999-09-06 | 2001-03-23 | Hitachi Ltd | 欠陥検査方法及びその装置並びに欠陥解析方法及びその装置 |
-
2003
- 2003-03-26 JP JP2003084456A patent/JP2004296592A/ja active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001077165A (ja) * | 1999-09-06 | 2001-03-23 | Hitachi Ltd | 欠陥検査方法及びその装置並びに欠陥解析方法及びその装置 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007071586A (ja) * | 2005-09-05 | 2007-03-22 | Tokyo Seimitsu Co Ltd | 画像欠陥検査装置、画像欠陥検査システム、欠陥分類装置及び画像欠陥検査方法 |
| JP2009516832A (ja) * | 2005-11-18 | 2009-04-23 | ケーエルエー−テンカー テクノロジィース コーポレイション | 検査データと組み合わせて設計データを使用するための方法及びシステム |
| JP2007257610A (ja) * | 2006-02-24 | 2007-10-04 | National Institute Of Advanced Industrial & Technology | ２次元濃度ヒストグラムを用いた変化抽出方法、システム、及びプログラム |
| JP2008268560A (ja) * | 2007-04-20 | 2008-11-06 | Hitachi High-Technologies Corp | ホットスポット絞り込み装置、ホットスポット絞り込み方法、ホットスポット絞り込みプログラム、ホットスポット検査装置、および、ホットスポット検査方法 |
| KR101681947B1 (ko) * | 2016-05-27 | 2016-12-12 | 주식회사 에이치비테크놀러지 | Ｔｆｔ기판의 결점 분류 방법 및 장치 |
| JP2018205292A (ja) * | 2017-06-05 | 2018-12-27 | 瀏陽 宋 | 時間領域・周波数領域のヒストグラムの特徴解析による状態識別法 |
| JP7238955B2 (ja) | 2017-06-28 | 2023-03-14 | 東京エレクトロン株式会社 | 熱処置装置の状態監視装置、熱処理装置の管理方法及び記憶媒体 |
| JP7003759B2 (ja) | 2017-06-28 | 2022-01-21 | 東京エレクトロン株式会社 | 熱処理装置、熱処理装置の管理方法及び記憶媒体 |
| JP2022033206A (ja) * | 2017-06-28 | 2022-02-28 | 東京エレクトロン株式会社 | 熱処理装置、熱処理装置の管理方法及び記憶媒体 |
| JP2019009416A (ja) * | 2017-06-28 | 2019-01-17 | 東京エレクトロン株式会社 | 熱処理装置、熱処理装置の管理方法及び記憶媒体 |
| KR20210138122A (ko) * | 2019-04-09 | 2021-11-18 | 케이엘에이 코포레이션 | 확률적 레티클 결함 처리 |
| JP2022526625A (ja) * | 2019-04-09 | 2022-05-25 | ケーエルエー コーポレイション | 確率的レチクル欠陥処理 |
| JP7369788B2 (ja) | 2019-04-09 | 2023-10-26 | ケーエルエー コーポレイション | 確率的レチクル欠陥処理 |
| KR102616536B1 (ko) | 2019-04-09 | 2023-12-20 | 케이엘에이 코포레이션 | 확률적 레티클 결함 처리 |
| CN113763346A (zh) * | 2021-08-31 | 2021-12-07 | 哈尔滨工业大学（威海） | 基于双目视觉的立面作业效果与表面缺陷检测方法 |
| CN113763346B (zh) * | 2021-08-31 | 2023-12-01 | 哈尔滨工业大学（威海） | 基于双目视觉的立面作业效果与表面缺陷检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115082683B (zh) | 一种基于图像处理的注塑缺陷检测方法 | |
| JP4155496B2 (ja) | 分類支援装置、分類装置およびプログラム | |
| US11017259B2 (en) | Defect inspection method, defect inspection device and defect inspection system | |
| CN105894036B (zh) | 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法 | |
| JP4095860B2 (ja) | 欠陥検査方法及びその装置 | |
| JP4172761B2 (ja) | 欠陥検査装置、欠陥検査方法およびプログラム | |
| EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
| US11313806B2 (en) | Defect inspection method and defect inspection device | |
| KR20090066212A (ko) | 결함 검출 방법 및 결함 검출 장치 | |
| JP6059486B2 (ja) | 教師データ検証装置、教師データ作成装置、画像分類装置、教師データ検証方法、教師データ作成方法および画像分類方法 | |
| Ardhy et al. | Development of SBC based machine-vision system for PCB board assembly automatic optical inspection | |
| JP2014178229A (ja) | 教師データ作成方法、画像分類方法および画像分類装置 | |
| JP2006098151A (ja) | パターン検査装置およびパターン検査方法 | |
| JP2004012360A (ja) | パターン検査装置、パターン検査方法およびプログラム | |
| JP2006098152A (ja) | 欠陥検出装置および欠陥検出方法 | |
| JP7170605B2 (ja) | 欠陥検査装置、欠陥検査方法、およびプログラム | |
| Ma | Defect detection and recognition of bare PCB based on computer vision | |
| JP2013134666A (ja) | 二値画像生成装置、分類装置、二値画像生成方法および分類方法 | |
| JP2016181098A (ja) | 領域検出装置および領域検出方法 | |
| JP2004296592A (ja) | 欠陥分類装置、欠陥分類方法およびプログラム | |
| CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
| JP4059429B2 (ja) | 分類装置、歩留管理システム、分類方法、基板製造方法およびプログラム | |
| JP2005165387A (ja) | 画面のスジ欠陥検出方法及び装置並びに表示装置 | |
| CN113016023B (zh) | 信息处理方法以及计算机可读的非暂时性记录介质 | |
| TWI498830B (zh) | 不均勻光線下的車牌辨識方法及系統 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20051116 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070618 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070704 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070822 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20070919 |