JP2008096302A - Defect inspection device - Google Patents

Defect inspection device Download PDF

Info

Publication number
JP2008096302A
JP2008096302A JP2006278902A JP2006278902A JP2008096302A JP 2008096302 A JP2008096302 A JP 2008096302A JP 2006278902 A JP2006278902 A JP 2006278902A JP 2006278902 A JP2006278902 A JP 2006278902A JP 2008096302 A JP2008096302 A JP 2008096302A
Authority
JP
Japan
Prior art keywords
defect
group
feature amount
defects
information
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.)
Withdrawn
Application number
JP2006278902A
Other languages
Japanese (ja)
Inventor
Takahito Kishi
卓人 岸
Yoshikazu Yanagawa
美和 柳川
Yoshihiro Chimi
吉紘 知見
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yokogawa Electric Corp
Original Assignee
Yokogawa Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yokogawa Electric Corp filed Critical Yokogawa Electric Corp
Priority to JP2006278902A priority Critical patent/JP2008096302A/en
Publication of JP2008096302A publication Critical patent/JP2008096302A/en
Withdrawn legal-status Critical Current

Links

Images

Landscapes

  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Of Optical Devices Or Fibers (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To achieve (1) shortening of process time of group defect determination, (2) improvement of detection accuracy of group defects by controlling incorrect determination due to aberration of a lens, (3) reduction of man-hours for condition setup for group determination, (4) reduction of man-hours for condition setup for a change in hardware, and (5) maintaining of a subpixel form of an inspection object for its change in a general purpose manner. <P>SOLUTION: This defect inspection device, which processes image data given by picking up an inspection area of the inspection object where pixels consisting of the plurality of subpixels are collected and identifies the group defect based on the crowding mode of independent defects of the subpixels identified from the feature quantity calculated by such a process, comprises an independent defect specific information extraction means which extracts the specific information on the identified independent defects, an independent defect information mapping means which maps the specific information on the extracted independent defects on the inspection area, and a feature quantity matching means which performs classification process of the group defect based on the feature quantity indicative of the crowding mode of the mapped independent defect information. <P>COPYRIGHT: (C)2008,JPO&INPIT

Description

本発明は、複数個のサブピクセルからなるピクセルが集合した検査対象の検査エリアを撮像した画像データを処理し、この処理により計算される特徴量から識別された前記サブピクセルの単独欠陥の密集態様に基づいて群欠陥を識別する欠陥検査装置に関するものである。   The present invention processes image data obtained by imaging an inspection area to be inspected in which a plurality of sub-pixels are gathered, and a density of single defects of the sub-pixels identified from the feature amount calculated by the processing. The present invention relates to a defect inspection apparatus that identifies group defects based on the above.

液晶表示素子等のパネル状の検査対象を、エリアセンサにより撮像した画像情報を用いて輝度欠陥（黒表示をした際に光ってはならない画素が光っているような欠陥）を検査する欠陥検査装置がある。   Defect inspection apparatus for inspecting luminance defects (defects in which pixels that should not shine when black display is performed) on panel-like inspection objects such as liquid crystal display elements using image information captured by an area sensor There is.

図６は、エリアセンサによる欠陥検査装置の基本的システム構成を示す斜視図である。複数個のサブピクセルからなるピクセルがマトリックス状に集合したパネル状の液晶表示装置等の検査対象１００の被検査エリアＡは、レンズ２００を介してエリアセンサ３０１を備えるカメラ３００により撮像され、撮像された画像情報が画像処理装置４００に渡される。   FIG. 6 is a perspective view showing a basic system configuration of a defect inspection apparatus using an area sensor. An inspection area A of an inspection target 100 such as a panel-like liquid crystal display device in which pixels composed of a plurality of subpixels are gathered in a matrix is captured by a camera 300 including an area sensor 301 via a lens 200. The image information is passed to the image processing apparatus 400.

パーソナルコンピュータ等からなる画像処理装置４００は、画像入力ボード等を介して取り込んだ画像情報を数値的に処理し、計算された特徴量に基づいて被検査エリアのサブピクセルの単独欠陥、例えば、色表示（Ｒ点灯、Ｇ点灯、Ｂ点灯）をした際に点灯しなければならない画素が点灯しないような欠陥（黒点欠陥）を識別する。更に、単独欠陥が局所的に密集して形成される群欠陥を識別する。   The image processing apparatus 400 formed of a personal computer or the like numerically processes image information captured via an image input board or the like, and based on the calculated feature amount, a single defect of a sub-pixel of the inspection area, for example, a color Defects (black spot defects) are identified that do not light up the pixels that must be lit when displaying (R lit, G lit, B lit). Furthermore, a group defect in which single defects are formed locally densely is identified.

図７は、マトリックス型液晶表示素子のピクセル構成を示す平面図である。縦横に周期的に並んだピクセル（画素）が発色することにより表示を行う。ピクセルは、一般に赤
（以下、Ｒ）、緑（以下、Ｇ）、青（以下、Ｂ）の、３色のより細かい複数個のサブピクセル（副画素）で構成されている。 FIG. 7 is a plan view showing a pixel configuration of a matrix type liquid crystal display element. Display is performed by the coloration of pixels (pixels) periodically arranged vertically and horizontally. The pixel is generally composed of a plurality of finer subpixels (subpixels) of three colors of red (hereinafter, R), green (hereinafter, G), and blue (hereinafter, B).

ピクセルを構成するサブピクセル夫々の色の強弱を調整し、３色の組み合わせで様々な色を表現する。ハッチングで示すＢのサブピクセルは、表示型液晶表示素子における１連結の単独欠陥（黒点）を示している。   The color intensity of each sub-pixel constituting the pixel is adjusted to express various colors by combining three colors. B subpixels indicated by hatching indicate single-connected single defects (black dots) in the display-type liquid crystal display element.

一般に、液晶表示素子における欠陥の良否判定は、人間が検査対象を観察した際の目立ち具合により判断される。図７に示すような１連結の単独欠陥の場合、人間が観察した際には、目立たないため、良品として判定する場合が多い。   Generally, whether or not a defect in a liquid crystal display element is good or bad is determined based on how conspicuous when a human observes an inspection object. In the case of a single defect of one connection as shown in FIG. 7, it is not noticeable when observed by a human and is often judged as a non-defective product.

欠陥が局所的に密集する（群欠陥）場合には、その目立ち具合（群欠陥としての強度）により、不良品として判断される。   When defects are concentrated locally (group defect), it is determined as a defective product based on its conspicuousness (strength as group defect).

図８は、同色の単独欠陥の密集による群欠陥の例を示すパターン図である。図８（Ａ）は１連結のパターンであり、（Ａ−１）に示すＲの１連結、（Ａ−２）に示すＧの１連結、（Ａ−３）に示すＢの１連結の各パターンは、目立たないと判断される。   FIG. 8 is a pattern diagram showing an example of a group defect due to the denseness of single defects of the same color. FIG. 8A is a pattern of one connection, each of one connection of R shown in (A-1), one connection of G shown in (A-2), and one connection of B shown in (A-3). The pattern is judged to be inconspicuous.

図８（Ｂ）は同色の２連結のパターンであり、（Ｂ−１）に示すＲの２連結、（Ｂ−２）に示すＧの２連結、（Ｂ−３）に示すＢの２連結の各パターンは、目立たないと判断される。このように、同色の単独欠陥では、１連結、２連結のパターンまでは目立たないと判断される。   FIG. 8B is a two-connection pattern of the same color. Two connections of R shown in (B-1), two connections of G shown in (B-2), and two connections of B shown in (B-3). Each pattern is determined to be inconspicuous. As described above, it is determined that the single defect of the same color is inconspicuous up to the pattern of one connection and two connections.

図８（Ｃ）は同色の３連結のパターンであり、（Ｃ−１）に示すＲの３連結、（Ｃ−２）に示すＧの３連結、（Ｃ−３）に示すＢの３連結の各パターンは、目立つと判断される。   FIG. 8C shows a pattern of three linkages of the same color. Three linkages of R shown in (C-1), three linkages of G shown in (C-2), and three linkages of B shown in (C-3). Each pattern is determined to be conspicuous.

このように、同色の単独欠陥では、１連結、２連結のパターンまでは目立たないが、３連結のパターンでは目立つと判断される。この点は、ディスプレイ関連の仕様書等にも、「３連結黒点はあってはならない」というようにしばしば記述されている。   In this way, it is determined that the single defect of the same color is not conspicuous up to the 1-connected and 2-connected patterns, but is conspicuous in the 3-connected pattern. This point is often described in the display-related specifications and the like, such that “three connected black dots should not exist”.

図９は、混色の単独欠陥の密集による群欠陥の例を示すパターン図である。図９（Ａ）はＧを含まないかまたは１個含む場合の混色パターンであり、（Ａ−１）に示すＲが２個でＧが１個、（Ａ−２）に示すＲが２個でＢが１個、（Ａ−３）に示すＢが２個でＧが１個の各パターンでは、目立たないと判断される。   FIG. 9 is a pattern diagram showing an example of a group defect due to the density of mixed color single defects. FIG. 9A shows a mixed color pattern when G is not included or one is included, and two R shown in (A-1), one G, and two R shown in (A-2). In each pattern where one B, two B and one G shown in (A-3), it is determined that the pattern is not conspicuous.

図９（Ｂ）はＧを２個含む場合の混色パターンであり、（Ｂ−１）に示すＲが１個でＧが２個、（Ｂ−２）に示すＢが１個でＧが２個、（Ｂ−３）に示す近接したＢが１個でＧが２個の各パターンでは、目立つと判断される。
目立つパターンと目立たないパターンは、人間の比視感度特性によって判断される。図９（Ｂ）のパターンはＧが２個連結した部分を含むため、図９（Ａ）のパターンに比べて目立つパターンになっている。 FIG. 9B shows a color mixture pattern in the case where two Gs are included. One R and one G shown in (B-1), one B and one G shown in (B-2) and two Gs. It is determined that the pattern is conspicuous in each of the patterns having one close B shown in (B-3) and two G.
The conspicuous pattern and the inconspicuous pattern are determined by the human specific visual sensitivity characteristic. The pattern in FIG. 9B includes a portion where two Gs are connected, and thus is a conspicuous pattern as compared with the pattern in FIG.

図１０は、画像処理装置４００の具体的な構成例を示す機能ブロック図である。カメラ３００が備えるＣＣＤ等によるエリアセンサ３０１で撮像された画像情報は、画像入力ボード４０１により画像処理装置４００に取り込まれ、前処理手段４０２に渡される。   FIG. 10 is a functional block diagram illustrating a specific configuration example of the image processing apparatus 400. Image information captured by the area sensor 301 such as a CCD provided in the camera 300 is taken into the image processing apparatus 400 by the image input board 401 and transferred to the preprocessing means 402.

前処理手段４０２では、カメラ欠陥補正手段４０２ａにより、エリアセンサ自身の輝度抜け箇所の補正処理をした後、シェーディング補正手段４０２ｂにより、レンズ収差に起因するエリアセンサの周辺部の感度と中心部の感度差を均一化する処理を実行し、単独欠陥検出手段４０３に渡す。   In the preprocessing unit 402, the camera defect correction unit 402a corrects the area where the luminance of the area sensor itself is lost, and then the shading correction unit 402b uses the sensitivity of the peripheral part and the central part of the area sensor due to lens aberration. A process for equalizing the difference is executed and transferred to the single defect detection means 403.

単独欠陥検出手段４０３では、輝点欠陥を目立たせるために微分系の強調フィルタ手段４０３ａにより処理し、二値化手段４０３ｂにより、あらかじめ設定してある閾値よりも高いレベルの部分を“１”、低いレベルの部分を“０”として単独欠陥の候補を抽出する。   In the single defect detection means 403, in order to make the bright spot defect stand out, processing is performed by the differential enhancement filter means 403a, and the binarization means 403b sets a portion having a level higher than a preset threshold to “1”, A single defect candidate is extracted by setting the low level portion to “0”.

抽出された単独欠陥候補の一つ一つについて、特徴量計算手段４０４ｃにより特徴量計算を実行する。特徴量とは、欠陥を判定するための数値であり、例えば、平均輝度、最大輝度、輝度体積、平均コントラスト、最大平均コントラスト等である。   For each of the extracted single defect candidates, the feature amount calculation unit 404c performs feature amount calculation. The feature amount is a numerical value for determining a defect, and is, for example, average luminance, maximum luminance, luminance volume, average contrast, maximum average contrast, or the like.

特徴量計算手段４０４ｃで計算された特徴量は、候補識別手段４０４ｄに出力され、この特徴量とあらかじめ設定してある閾値と比較して閾値を越える候補を単独欠陥として識別し、群欠陥判定手段４０４に渡す。   The feature amount calculated by the feature amount calculating unit 404c is output to the candidate identifying unit 404d. The feature amount is compared with a preset threshold value, and a candidate exceeding the threshold value is identified as a single defect. Pass to 404.

群欠陥判定手段４０４では、まず位置情報マッピング手段４０４ａにて、識別された単独欠陥のみを検査エリアにマッピングした画像を生成する。例えば、単独欠陥の領域を“１”、その他を“０”にした画像を生成する。   In the group defect determination unit 404, first, the position information mapping unit 404a generates an image in which only the identified single defect is mapped to the inspection area. For example, an image with a single defect area set to “1” and the others set to “0” is generated.

この画像に対し、パターンマッチングフィルタ４０４ｂを実行する。識別したい群欠陥のパターンの数だけ、そのパターンに応じたフィルタにより強調する。パターン毎に群欠陥を抽出し、群識別手段４０４ｃにて、群欠陥の分類および強度判定を行う。最後に結果出力手段４０５にて検出結果を出力する。   The pattern matching filter 404b is executed on this image. The number of group defect patterns to be identified is emphasized by a filter corresponding to the pattern. A group defect is extracted for each pattern, and the group identification unit 404c classifies and determines the strength of the group defect. Finally, the result output means 405 outputs the detection result.

図１１は、画像処理装置４００の信号処理手順を示すフローチャートである。ステップＳ１で撮像画像が入力されると、ステップＳ２でカメラ欠陥の補正等の前処理を実行して単独欠陥検出のステップに進む。   FIG. 11 is a flowchart illustrating a signal processing procedure of the image processing apparatus 400. When a captured image is input in step S1, preprocessing such as camera defect correction is executed in step S2, and the process proceeds to a single defect detection step.

単独欠陥検出のステップＳ３で強調フィルタ処理を行ない、ステップＳ４で二値化処理を行い、ステップＳ５で特徴量の計算を行い、ステップＳ６で単独欠陥候補の識別処理を行い、群欠陥判定のステップに進む。   In step S3 for single defect detection, emphasis filter processing is performed, binarization processing is performed in step S4, feature amounts are calculated in step S5, single defect candidate identification processing is performed in step S6, and group defect determination step. Proceed to

群欠陥判定のステップＳ７で位置情報のマッピングを行ない、ステップＳ８でパターンマッチングフィルタを実行し、ステップＳ９で群欠陥を識別し、ステップＳ１０で判定結果を出力する。   In step S7 of group defect determination, position information is mapped, a pattern matching filter is executed in step S8, a group defect is identified in step S9, and a determination result is output in step S10.

特許文献１には、フラットパネルディスプレイ等の検査対象に表示させた検査パターンを撮像し、撮像により得られる画像データに基づいて欠陥の検出を行う欠陥検出装置が記載されている。   Patent Document 1 describes a defect detection apparatus that images an inspection pattern displayed on an inspection object such as a flat panel display and detects defects based on image data obtained by the imaging.

特開２００５−１５６３９６号公報JP 2005-156396 A

従来技術による群欠陥の識別手法では、次のような問題点がある。
（１）レンズ２００の収差によるボケのため、欠陥の検出面積が変化する。このため画像をフィルタ処理することによるパターンマッチングでは、適切な群判定が実行できない。適切な群判定を実行するためには、画像上の位置に応じて、フィルタサイズを変更する必要がある。 The group defect identification method according to the prior art has the following problems.
(1) Due to the blur due to the aberration of the lens 200, the defect detection area changes. For this reason, it is not possible to perform appropriate group determination by pattern matching by filtering an image. In order to execute an appropriate group determination, it is necessary to change the filter size according to the position on the image.

（２）膨大な数のマッチング用フィルタを用意しなければならない。更に、夫々のフィルタに対して閾値を設定する必要がある。これは処理時間が増大することだけでなく、設定のための莫大な工数を要する。 (2) A huge number of matching filters must be prepared. Furthermore, it is necessary to set a threshold value for each filter. This not only increases the processing time but also requires an enormous man-hour for setting.

（３）ハードウェア構成（検査対象、レンズ、エリアセンサ）を変更した場合、フィルタに対する閾値の設定変更のために莫大な工数を要する。 (3) When the hardware configuration (inspection target, lens, area sensor) is changed, enormous man-hours are required to change the threshold setting for the filter.

以下、従来技術の問題点の詳細を説明する。
（１）レンズ収差に関して：
図１２は、検査対象１００とレンズ２００とエリアセンサ３０１との配置関係を示す光学系である。検査対象１００の中心付近の像の主光線Ｂ０は、レンズ２００の光軸を通ってエリアセンサ３０１の中心付近に結像する。一方、検査対象１００の周辺付近の像の主光線Ｂ１，Ｂ２はレンズ２００の光軸と傾きθを持ってレンズ２００に入射し、エリアセンサ３０１の周辺付近に結像する。 The details of the problems of the prior art will be described below.
(1) Regarding lens aberration:
FIG. 12 shows an optical system showing the positional relationship among the inspection object 100, the lens 200, and the area sensor 301. The principal ray B0 of the image near the center of the inspection object 100 is imaged near the center of the area sensor 301 through the optical axis of the lens 200. On the other hand, the principal rays B1 and B2 of the image near the periphery of the inspection object 100 are incident on the lens 200 with the optical axis and the inclination θ of the lens 200, and form an image near the periphery of the area sensor 301.

このとき、一般的なレンズでは検査対象物１における欠陥の大きさが全面に渡って均一であっても、エリアセンサ３０１の像での欠陥の面積は、レンズ収差により周辺ではボケが生じ大きくなる。   At this time, in the case of a general lens, even if the size of the defect in the inspection object 1 is uniform over the entire surface, the area of the defect in the image of the area sensor 301 becomes blurred due to lens aberration and becomes large. .

図１３は、同一の輝度、同一面積の擬似欠陥が全面に分布している擬似欠陥チャートの平面図である。図１４は、この擬似欠陥チャートを撮像した画像において、中央付近の高さにおける水平方向の検出面積の分布をプロットした特性図である。   FIG. 13 is a plan view of a pseudo defect chart in which pseudo defects having the same luminance and the same area are distributed over the entire surface. FIG. 14 is a characteristic diagram in which the distribution of the detection area in the horizontal direction at the height near the center is plotted in an image obtained by imaging the pseudo defect chart.

このように画像中心部と周辺部では、同一の形状の欠陥でも、レンズ収差によるボケのために検出される欠陥の面積が変化する。このため、画像をフィルタ処理することによるパターンマッチングでは適切な群判定が実行できず、誤判定を生じる。また、適切な群判定を実行するためには画像上の位置に応じてフィルタサイズを変更する必要がある。   As described above, in the center portion and the peripheral portion of the image, even if the defect has the same shape, the area of the defect detected due to the blur due to the lens aberration changes. For this reason, in pattern matching by filtering an image, an appropriate group determination cannot be executed, and an erroneous determination occurs. Further, in order to execute an appropriate group determination, it is necessary to change the filter size according to the position on the image.

（２）パターンマッチング用フィルタに関して：
図１５は、４×４サブピクセルの領域における群欠陥のパターン図である。図１５（Ａ）乃至（Ｄ）は、混色で３連結の群欠陥であるが、４種類のパターンを持つ。これを識別するためには、対称に変換した４つのフィルタによるマッチング処理を実行しなければならず、全てのパターンを考えると、非常に多くのフィルタを用意する必要がある。 (2) Regarding the filter for pattern matching:
FIG. 15 is a pattern diagram of group defects in a 4 × 4 subpixel region. FIGS. 15A to 15D show mixed defects and three connected group defects, but have four types of patterns. In order to identify this, matching processing using four filters converted symmetrically must be executed. Considering all patterns, it is necessary to prepare a very large number of filters.

一般に、Ｎ×Ｎの領域のパターンマッチングを行う場合、用意するフィルタとしては、
Ｎ2・（Ｎ2−１）−１
通りのフィルタを用意する必要があり、莫大な処理時間を要する。ここで、−１としているのは、Ｎ×Ｎ全ての領域がＯＦＦのフィルタを処理する必要はないからである。 In general, when performing pattern matching of an N × N region, as a prepared filter,
N 2 · (N 2 -1) -1
It is necessary to prepare a street filter, which requires enormous processing time. Here, −1 is set because it is not necessary to process a filter in which all N × N regions are OFF.

また、夫々のマッチング用フィルタに対し、適切な閾値を設定する必要があり、これには莫大な工数を要する。これに加えて、（１）で述べたレンズ収差に対応して画像上の位置毎にマッチング用フィルタを設定する場合、現実的な工数での作業は不可能である。   In addition, it is necessary to set an appropriate threshold value for each matching filter, which requires enormous man-hours. In addition, when a matching filter is set for each position on the image corresponding to the lens aberration described in (1), it is impossible to work with a realistic man-hour.

（３）汎用性に関して：
図６に示す撮像システム構成において、例えば、検査対象１００を変更した場合、レンズ２００として焦点距離、倍率の異なるものに変更した場合、あるいはエリアセンサ３０１の画素数を変更した場合には、検査対象とエリアセンサの画素比率が変更されることとなり、（１），（２）項で説明した閾値の設定変更がその都度必要となる。 (3) Regarding versatility:
In the imaging system configuration shown in FIG. 6, for example, when the inspection object 100 is changed, when the lens 200 is changed to one having a different focal length and magnification, or when the number of pixels of the area sensor 301 is changed, the inspection object is changed. The pixel ratio of the area sensor is changed, and the threshold setting change described in the items (1) and (2) is required each time.

また、サブピクセルの形状が、例えば、矩形から三角形等に変更された場合、従来手法のパターンマッチングフィルタでは対応しきれない。   Also, when the shape of the subpixel is changed from, for example, a rectangle to a triangle or the like, the conventional pattern matching filter cannot cope with it.

本発明は上述した問題点を解決するためになされたものであり、
（１）群欠陥判定の処理時間の短縮。
（２）レンズの収差による誤判定の抑制による、群欠陥の検出精度の改善。
（３）群判定のための条件設定の工数の削減。
（４）ハードウェア変更に対する条件設定の工数の削減。
（５）検査対象のサブピクセル形状の変更に対する汎用性の維持。
を実現した欠陥検査装置の提供を目的としている。 The present invention has been made to solve the above-described problems,
(1) Reduction of processing time for group defect determination.
(2) Improvement of group defect detection accuracy by suppressing erroneous determination due to lens aberration.
(3) Reduction of man-hours for setting conditions for group determination.
(4) Reduction of man-hours for setting conditions for hardware changes.
(5) Maintaining versatility against changes in the shape of the sub-pixel to be inspected.
The purpose is to provide a defect inspection apparatus that realizes the above.

このような課題を達成するために、本発明は次の通りの構成になっている。
（１）複数個のサブピクセルからなるピクセルが集合した検査対象の検査エリアを撮像した画像データを処理し、この処理により計算される特徴量から識別された前記サブピクセルの単独欠陥の密集態様に基づいて群欠陥を識別する欠陥検査装置において、
前記識別された単独欠陥の固有情報を抽出する単独欠陥固有情報抽出手段と、
抽出された前記単独欠陥の固有情報を、前記検査エリアにマッピングする単独欠陥情報マッピング手段と、
マッピングされた前記単独欠陥情報の密集態様を示す特徴量に基づいて群欠陥の分類処理を実行する特徴量マッチング手段と、
を備えることを特徴とする欠陥検査装置。 In order to achieve such a subject, the present invention has the following configuration.
(1) Image data obtained by imaging an inspection area to be inspected in which a plurality of sub-pixels are gathered is processed, and a single defect density state of the sub-pixels identified from the feature amount calculated by this processing is obtained. In a defect inspection apparatus for identifying group defects based on
Single defect specific information extracting means for extracting unique information of the identified single defect;
Single defect information mapping means for mapping the unique information of the extracted single defect to the inspection area;
A feature amount matching means for performing a group defect classification process based on a feature amount indicating a dense aspect of the mapped single defect information;
A defect inspection apparatus comprising:

（２）前記計算される単独欠陥の特徴量を、予め測定された補正データに基づき補正する特徴量補正手段を備える（１）に記載の欠陥検査装置。 (2) The defect inspection apparatus according to (1), further including feature amount correction means for correcting the calculated feature amount of the single defect based on correction data measured in advance.

（３）前記特徴量マッチング手段で分類された群欠陥情報を取得し、所定の判定基準により群欠陥の度合いを示す群欠陥強度として出力する群欠陥強度判定手段を備えることを特徴とする（１）または（２）に記載の欠陥検査装置。 (3) Group defect strength determining means for acquiring group defect information classified by the feature amount matching means and outputting as group defect strength indicating the degree of group defect according to a predetermined criterion (1) ) Or the defect inspection apparatus according to (2).

（４）前記単独欠陥情報抽出手段は、識別された単独欠陥の色、単独欠陥の連結数、座標の少なくともいずれかを固有情報として抽出することを特徴とする（１）乃至（３）のいずれかに記載の欠陥検査装置。 (4) Any one of (1) to (3), wherein the single defect information extracting unit extracts at least one of the color of the identified single defect, the number of connected single defects, and coordinates as unique information. Defect inspection device according to crab.

（５）前記特徴量マッチング手段は、マッピングされた前記単独欠陥情報の、指定範囲内の面積率、指定範囲内の単独欠陥個数、指定範囲内の連結数総和、色、の少なくともいずれかを特徴量とし、各特徴量に設定される閾値により群欠陥の分類処理を実行することを特徴とする（１）乃至（４）のいずれかに記載の欠陥検査装置。 (5) The feature quantity matching means is characterized by at least one of the mapped single defect information, the area ratio within the specified range, the number of single defects within the specified range, the total number of connections within the specified range, and the color. The defect inspection apparatus according to any one of (1) to (4), wherein group defect classification processing is executed according to a threshold value set for each feature value.

（６）前記特徴量マッチング手段は、前記単独欠陥の連結数及び色が群欠陥の条件を満たす判定起点を検索し、この判定起点を含むように判定範囲を移動させたとき最も群欠陥強度の高い範囲をその群欠陥範囲に選択することを特徴とする（１）乃至（５）のいずれかに記載の欠陥検査装置。 (6) The feature amount matching means searches for a determination starting point where the number of connected single defects and the color satisfy a group defect condition, and moves the determination range so as to include the determination starting point. The defect inspection apparatus according to any one of (1) to (5), wherein a high range is selected as the group defect range.

本発明によれば、次のような効果が期待できる。
（１）本発明によれば、フィルタによるパターンマッチングのように、莫大な種類のフィルタを用意する必要はなく、限られた数の分類処理を行う仕組みとなっているため、群欠陥判定の処理時間が大幅に短縮できる。 According to the present invention, the following effects can be expected.
(1) According to the present invention, it is not necessary to prepare enormous kinds of filters as in the case of pattern matching by filters, and a limited number of classification processes are performed. Time can be greatly reduced.

（２）本発明によれば、撮像された画像をそのまま使用するのではなく、レンズの収差を補正した特徴量を基本とする分類処理を行うため、レンズの収差による誤判定を抑制し、群欠陥に対する検出精度を改善できる。 (2) According to the present invention, instead of using the captured image as it is, the classification process based on the feature amount corrected for the lens aberration is performed, so that erroneous determination due to the lens aberration is suppressed, and the group The detection accuracy for defects can be improved.

（３）本発明によれば、フィルタによるパターンマッチングのように、莫大な種類のフィルタを用意する必要はなく、限られた数の分類処理を行う仕組みとなっているため、群判定のための条件設定の工数を大幅に削減できる。 (3) According to the present invention, there is no need to prepare an enormous number of types of filters as in the case of pattern matching using filters, and a limited number of classification processes are performed. Man-hours for setting conditions can be greatly reduced.

（４）本発明によれば、フィルタによるパターンマッチングのように、ハードウェア変更に対して、それに対応するフィルタをその都度用意する必要はなく、限られた数の分類処理の閾値を設定するだけでよいので、条件設定に対する工数を大幅に削減できる。 (4) According to the present invention, it is not necessary to prepare a corresponding filter for each hardware change as in pattern matching by a filter, and only a limited number of threshold values for classification processing are set. Therefore, the man-hours for setting the conditions can be greatly reduced.

（５）本発明によれば、密集形態の特徴量を基本とした分類を行うため、サブピクセル形状の変更に対しても、それに対応するように、分類処理の閾値を変更すればよいので、サブピクセル形状の変更に対して装置の汎用性を維持することができる。 (5) According to the present invention, since the classification is performed based on the feature amount of the dense form, the threshold value of the classification process may be changed so as to correspond to the change of the subpixel shape. The versatility of the device can be maintained with respect to changes in subpixel shape.

以下、本発明を図面により詳細に説明する。図１は、本発明を適用した欠陥検査装置の一実施形態を示す機能ブロック図である。図１０で説明した従来装置と同一要素には同一符号を付して説明を省略する。   The present invention will be described in detail below with reference to the drawings. FIG. 1 is a functional block diagram showing an embodiment of a defect inspection apparatus to which the present invention is applied. The same elements as those of the conventional apparatus described with reference to FIG.

図１０の従来装置と比較した画像処理装置４００の特徴部の第１は、単独欠陥検出手段４０３において、特徴量計算手段４０３ｃと候補識別手段４０３ｄの間に、特徴量補正手段４０３ｅを新設すると共に、この特徴量補正手段４０３ｅに補正データＤを渡す補正データ生成手段４０６を画像処理装置４００内に新設した点にある。   The first feature of the image processing apparatus 400 compared with the conventional apparatus of FIG. 10 is that the single defect detection means 403 has a new feature quantity correction means 403e between the feature quantity calculation means 403c and the candidate identification means 403d. The correction data generation means 406 for passing the correction data D to the feature amount correction means 403e is newly provided in the image processing apparatus 400.

この特徴量補正手段４０３ｅの新設に伴い、従来装置において前処理手段４０２に設けられていたシェーディング補正手段４０２ｂが省かれている。   With the new feature amount correction unit 403e, the shading correction unit 402b provided in the preprocessing unit 402 in the conventional apparatus is omitted.

特徴部の第２は、単独欠陥検出手段４０３において、候補識別手段４０３ｄで識別された単独欠陥からその固有情報を抽出する、単独欠陥固有情報抽出手段４０３ｆを新設した点にある。   The second feature is that a single defect specific information extraction unit 403f is newly provided in the single defect detection unit 403 to extract the specific information from the single defect identified by the candidate identification unit 403d.

特徴部の第３は、群欠陥判定手段４０４において、単独欠陥固有情報抽出手段４０３ｆにより抽出された単独欠陥の固有情報を検査対象１００の検査エリアにマッピングする、単独欠陥マッピング手段４０４ｄを新設した点にある。   A third feature is that a single defect mapping unit 404d is provided in the group defect determination unit 404 to map the unique information of the single defect extracted by the single defect specific information extraction unit 403f to the inspection area of the inspection object 100. It is in.

特徴部の第４は、単独欠陥マッピング手段４０４ｄによって検査エリアにマッピングされた単独欠陥の密集態様を示す特徴量に基づいて、群欠陥の分類処理を実行する特徴量マッチング手段４０４ｅを新設した点にある。   The fourth feature is that a feature amount matching unit 404e for performing a group defect classification process based on a feature amount indicating a dense state of single defects mapped to the inspection area by the single defect mapping unit 404d is newly provided. is there.

特徴部の第５は、特徴量マッチング手段４０４ｅで分類された群欠陥情報を取得し、所定の判定基準により群欠陥の度合いを示す群欠陥強度を出力して結果出力手段４０５に渡す、群欠陥強度判定手段４０４ｆを新設した点にある。   The fifth feature section is a group defect that acquires group defect information classified by the feature amount matching unit 404e, outputs a group defect intensity indicating the degree of group defect according to a predetermined determination criterion, and passes it to a result output unit 405. The strength determining means 404f is newly provided.

図２は、本発明が適用された画像処理装置４００の信号処理手順を示すフローチャートである。図１１に示す従来装置のフローチャートとの相違点は、単独欠陥検出では、ステップＳ５の特徴量計算とステップＳ６候補識別の間にステップＳ５１の特徴量補正が挿入された点、候補識別Ｓ６の後に単独欠陥固有情報抽出のステップＳ６１が新設された点である。   FIG. 2 is a flowchart showing a signal processing procedure of the image processing apparatus 400 to which the present invention is applied. The difference from the flowchart of the conventional apparatus shown in FIG. 11 is that in the single defect detection, the feature amount correction in step S51 is inserted between the feature amount calculation in step S5 and the candidate identification in step S6, after the candidate identification S6. Step S61 for extracting single defect specific information is newly provided.

群欠陥判定では、従来のステップＳ７，Ｓ８，Ｓ９に代えて、ステップＳ７１の単独欠陥マッピング、ステップＳ８１の特徴量マッチング、ステップＳ９１の群欠陥強度判定が新設された点である。   In the group defect determination, instead of the conventional steps S7, S8, and S9, single defect mapping in step S71, feature amount matching in step S81, and group defect strength determination in step S91 are newly provided.

以下、各特徴部の具体的な実施形態を説明する。特徴量補正手段４０３ｅは、図１４で説明した、レンズ収差に起因する同一面積の欠陥に対するエリアセンサの周辺部と中央部での検出面積差を補正し、エリアセンサ全面の検出面積を常に中央部での検出面積に換算するものである。   Hereinafter, specific embodiments of each feature will be described. The feature amount correcting unit 403e corrects the detection area difference between the peripheral portion and the central portion of the area sensor with respect to the defect having the same area caused by the lens aberration described in FIG. It is converted into the detection area at.

このため、オフライン処理により、図１３に示す擬似欠陥チャートを撮像した画像データを単独欠陥検出手段４０３に入力し、特徴量計算手段４０３ｃで計算された擬似欠陥の特徴量Ｐを補正データ生成手段４０６に渡して、補正データＤを生成し保持しておく。   For this reason, image data obtained by imaging the pseudo defect chart shown in FIG. 13 is input to the single defect detection unit 403 by offline processing, and the feature amount P of the pseudo defect calculated by the feature amount calculation unit 403c is corrected data generation unit 406. The correction data D is generated and held.

補正データ生成手段４０６は、特徴量計算手段４０３ｃから渡される、計算された擬似欠陥の特徴量毎に、エリアセンサ中央部を１としたときの比率を求める。その比率について、特徴量毎に、Ｘ方向の座標に対する多次多項式による近似式を、Ｙ方向の各行につき夫々算出する。各行のＹ方向の座標と特徴量毎の各行の近似式の各項の係数をまとめた補正用データＤを生成し、これを保持する。   The correction data generation unit 406 obtains a ratio when the central portion of the area sensor is 1 for each calculated feature amount of the pseudo defect passed from the feature amount calculation unit 403c. For each ratio, an approximate expression using a multi-order polynomial with respect to the coordinates in the X direction is calculated for each row in the Y direction. The correction data D is generated by collecting the Y-direction coordinates of each row and the coefficients of each term of the approximate expression of each row for each feature amount, and is retained.

特徴量補正手段４０３ｅは、補正データ生成手段４０７で生成された補正データＤを取得して、補正したい欠陥の座標の上下の行の近似式に欠陥のＸ方向座標を入力し、夫々エリアセンサ中央部に対する比率を算出する。更に、欠陥位置での対中央部比率を上下の行の比率の線形補間で算出する。   The feature amount correction unit 403e acquires the correction data D generated by the correction data generation unit 407, inputs the X-direction coordinates of the defect to the approximate expression of the upper and lower rows of the coordinates of the defect to be corrected, The ratio to the part is calculated. Further, the ratio of the center portion at the defect position is calculated by linear interpolation of the ratio of the upper and lower rows.

次に、対象の欠陥の特徴量を算出した対中央部比率で除算することで、エリアセンサ中央部位置にその欠陥が存在すると仮定した場合の特徴量を算出する。特徴量毎に、対中央部比率の算出と面内補正特徴量の算出を繰り返し実行する。   Next, by dividing the feature amount of the target defect by the calculated center-to-center portion ratio, the feature amount when it is assumed that the defect exists at the center position of the area sensor is calculated. For each feature amount, the calculation of the ratio to the center portion and the calculation of the in-plane correction feature amount are repeatedly executed.

このような特徴量補正により、レンズ収差に起因する欠陥の面積検出精度低下の問題が解消されるので、従来装置において前処理手段４０２に設けられていたシェーディング補正手段４０２ｂが省くことができる。   Such feature amount correction eliminates the problem of a decrease in defect area detection accuracy caused by lens aberration, so that the shading correction means 402b provided in the preprocessing means 402 in the conventional apparatus can be omitted.

単独欠陥の密集形態を示す特徴量を基本としたマッチングによる群欠陥の分類判定の指標（群欠陥の分類条件）には、人間が観察した場合の目立ち具合と相関のある特徴量を使用する。   As an index for group defect classification determination (group defect classification condition) based on matching based on the feature quantity indicating the density of single defects, a feature quantity having a correlation with the degree of conspicuousness when observed by a human is used.

このため、第１ステップとして単独欠陥固有情報抽出手段４０３ｆでは、候補識別手段４０３ｄで識別された単独欠陥の候補から、群欠陥の分類判定に有効な固有情報を抽出する。   Therefore, as the first step, the single defect specific information extraction unit 403f extracts specific information effective for group defect classification determination from the single defect candidates identified by the candidate identification unit 403d.

単独欠陥の固有情報としては、
（１）色情報（個々の単独欠陥のＲ、Ｇ、Ｂの情報であり、Ｇ，Ｒ，Ｂの順に目立つ）。
（２）連結数（個々の単独欠陥のサブピクセル数であり、多いほど目立つ）。連結数は、レンズの収差を補正した特徴量を元に判定される。
（３）座標情報
等である。 As specific information of single defects,
(1) Color information (R, G, B information of individual single defects, conspicuous in order of G, R, B).
(2) The number of connections (the number of sub-pixels of each individual defect, the more it becomes more conspicuous). The number of connections is determined based on a feature amount obtained by correcting lens aberration.
(3) Coordinate information and the like.

単独欠陥情報マッピング手段４０４ｄは、単独欠陥固有情報抽出手段４０３ｆで抽出された単独欠陥の固有情報を、検査対象１００の検査エリアの座標位置（サブピクセル）にマッピングする。   The single defect information mapping unit 404d maps the single defect specific information extracted by the single defect specific information extraction unit 403f to the coordinate position (sub-pixel) of the inspection area of the inspection target 100.

図３は、検査エリアのサブピクセルにマッピングされた単独欠陥のパターンの例を示す平面図である。単独欠陥として識別されたサブピクセルには、色情報と連結数情報がマッピングされている。   FIG. 3 is a plan view showing an example of a single defect pattern mapped to the sub-pixels in the inspection area. Color information and number-of-connections information are mapped to subpixels identified as single defects.

このようにマッピングされた単独欠陥のパターンから、マッチング手法で群欠陥を識別ために、特徴量マッチング手段４０４ｅは、単独欠陥の密集形態を示す群欠陥の特徴量を使用する。   In order to identify a group defect by a matching method from the single defect pattern mapped in this way, the feature amount matching unit 404e uses the feature amount of the group defect indicating a dense form of single defects.

群欠陥の特徴量としては、
（１）判定範囲面積率（指定範囲内に占める群欠陥領域の面積の割合であり、高いほど目立つ）。
（２）単独欠陥個数数（黒点数、指定範囲内にある全ての単独欠陥の個数であり、多いほど目立つ）。
（３）連結数総和（指定範囲内にある全ての単独欠陥の連結数の総和であり、大きいほど目立つ）。
等である。 As the feature quantity of the group defect,
(1) Determination range area ratio (the ratio of the area of the group defect region occupying within the specified range.
(2) The number of single defects (the number of black spots, the number of all single defects within the specified range, the more it is more conspicuous).
(3) Total number of connections (the total number of connections of all single defects within the specified range, the higher the value, the more prominent).
Etc.

特徴量マッチング手段４０４ｅでは、群欠陥の分類処理を実行する。分類処理は、分類したい群欠陥のパターンに応じて複数個用意する。各分類処理は、前記の群欠陥分類判定のための特徴量夫々について閾値を持っており、全ての条件を満たす場合に、該当する群欠陥レベルを設定する。   The feature amount matching unit 404e executes group defect classification processing. A plurality of classification processes are prepared according to the group defect pattern to be classified. Each classification process has a threshold value for each of the feature quantities for the group defect classification determination, and sets a corresponding group defect level when all the conditions are satisfied.

具体的には、各分類処理では、まず、群欠陥分類判定の特徴量の内、連結数、色の条件を満たす単独欠陥＝判定起点を検索する。次に、図３に示すように、その判定起点を含むように、判定範囲を移動させながら、それぞれの判定範囲に含まれる全ての単独欠陥に対し、前記の群欠陥分類判定の特徴量を算出し、条件を満たす領域内の全ての単独欠陥を１組の群欠陥として、該当する群欠陥レベルを設定する。   Specifically, in each classification process, first, a single defect = determination start point that satisfies the conditions of the number of connections and the color among the feature amounts of the group defect classification determination is searched. Next, as shown in FIG. 3, the feature amount of the group defect classification determination is calculated for all single defects included in each determination range while moving the determination range so as to include the determination start point. Then, all the single defects in the region satisfying the condition are set as a group defect and the corresponding group defect level is set.

図３のように判定範囲を移動させていくと、同じ群欠陥の一部を重複して検出する場合も生じる。この場合には、群欠陥レベルの最も高い組をその位置での群欠陥として選択する。   If the determination range is moved as shown in FIG. 3, some of the same group defects may be detected in duplicate. In this case, the group having the highest group defect level is selected as the group defect at that position.

図４は、同じ群欠陥の一部を重複して検出する場合の群欠陥のパターン遷移図である。中央のＧの３連結を共通としてＲの２連結及びＢの１連結が密着した群欠陥では、図４
（Ａ）に示すＧの３連結にＲの２連結が密着した群欠陥及び（Ｃ）に示すＧの３連結にＢの１連結が密着した群欠陥は選択せず、（Ｂ）に示す全ての単独欠陥が密着して形成された群欠陥を選択する。 FIG. 4 is a pattern transition diagram of a group defect when a part of the same group defect is detected in an overlapping manner. In the group defect in which the central three G connections are common and the two R connections and the one B connection are in close contact, FIG.
The group defect in which two R connections are in close contact with the three G connections in (A) and the group defect in which one B connection is in close contact with the three G connections in (C) are not selected. A group defect formed by closely adhering single defects is selected.

分類処理は、群欠陥レベルが高いものから順番に実行し、一度群欠陥に含まれた単独欠陥（黒点）は、判定起点としない処理を実行すれば、群欠陥の分類処理時間を短縮することができる。   The classification process is executed in order from the highest group defect level, and once a single defect (black dot) included in the group defect is executed, the classification defect classification processing time can be shortened by executing a process that is not used as a determination starting point. Can do.

群欠陥強度判定手段４０４ｆでは、群欠陥レベルに対する閾値をもとに、各群欠陥の強度（良品、不良品）を判定し判定結果を結果出力手段４０５に渡す。   The group defect strength determination unit 404f determines the strength (non-defective product or defective product) of each group defect based on the threshold value for the group defect level and passes the determination result to the result output unit 405.

図５は、群欠陥強度判定手段４０４ｆによる判定アルゴリズムの例を示すテーブルである。
（１）分類Ａの特徴量は、１連結及び２連結であり、群欠陥強度はレベル１で目立たないので、良品の判定となる。 FIG. 5 is a table showing an example of a determination algorithm by the group defect strength determination means 404f.
(1) Since the feature quantity of classification A is 1 connection and 2 connection, and the group defect intensity is not conspicuous at level 1, it is judged as a non-defective product.

（２）分類Ｂの特徴量は、３連結で緑色なしであり、群欠陥強度はレベル２で目立たないため、良品の判定となる。 (2) Since the feature quantity of classification B is three-connected and no green, and the group defect intensity is inconspicuous at level 2, it is judged as a non-defective product.

（３）分類Ｃの特徴量は、３連結で緑色ありであり、群欠陥強度はレベル３で目立つため、不良品の判定となる。 (3) Since the feature quantity of classification C is three-connected and green, and the group defect strength is conspicuous at level 3, it is judged as a defective product.

（４）分類Ｄの特徴量は、面積率５０％以上であり、群欠陥強度はレベル４で目立つため、不良品の判定となる。 (4) Since the feature amount of classification D is an area ratio of 50% or more and the group defect strength is conspicuous at level 4, it is determined as a defective product.

（５）分類Ｅの特徴量は、緑色の３連結であり、群欠陥強度はレベル５で目立つため、不良品の判定となる。 (5) Since the feature quantity of classification E is three green connections and the group defect strength is conspicuous at level 5, it is judged as a defective product.

実施形態では、検査対象として、矩形のサブピクセルを有する液晶表示素子を例示したが、規則的なパターンの形成された検査対象であれば、矩形に限らず、三角形のサブピクセル等にも対応することができる。   In the embodiment, a liquid crystal display element having a rectangular sub-pixel is exemplified as an inspection target. However, the inspection target is not limited to a rectangle but may be a triangular sub-pixel as long as the inspection target has a regular pattern. be able to.

これは、従来のフィルタリング処理とは異なり、本発明では密集形態を示す特徴量に基づいて群欠陥を識別している理由によるものである。これにより、検査対象のサブピクセル形状の変更に対する装置の汎用性を維持することが可能となる。   This is because, unlike the conventional filtering process, in the present invention, the group defect is identified based on the feature amount indicating the dense form. Thereby, it is possible to maintain the versatility of the apparatus with respect to the change of the subpixel shape to be inspected.

実施形態では、２次元に光電変換素子が配置されたエリアセンサ３０１を用いて説明したが、光電変換素子が１次元（直線上）に配置されたラインセンサを用いた欠陥検査装置に対しても適用可能である。   Although the embodiment has been described using the area sensor 301 in which the photoelectric conversion elements are two-dimensionally arranged, the defect inspection apparatus using the line sensor in which the photoelectric conversion elements are arranged one-dimensionally (on a straight line) is also used. Applicable.

検査対象１００としては、液晶表示素子を例示したが、欠陥と同程度の空間周波数の規則的なパターンの形成された検査対象であれば、本発明が適用可能である。例えば、ＴＦＴが形成された液晶パネル用の基板、カラーフィルタの形成された液晶用のガラス、ＰＤＰ（プラズマディスプレイパネル）用のガラスやセル、ＩＣパターンが形成されたシリコンウェハ等にも適用可能である。   Although the liquid crystal display element is exemplified as the inspection object 100, the present invention can be applied to any inspection object in which a regular pattern having a spatial frequency similar to that of a defect is formed. For example, it can be applied to liquid crystal panel substrates with TFTs, liquid crystal glass with color filters, PDP (plasma display panel) glass and cells, silicon wafers with IC patterns, etc. is there.

実施形態では、エリアセンサにより検査対象１００を撮像する場合を示したが、図６における検査対象１００に代えて参照光源を設置し、エリアセンサ３０１として検査対象のエリアセンサを設置することにより、エリアセンサ自体の群欠陥の検査を実施することも可能である。検査対象とするエリアセンサとしては、ＣＣＤ、Ｃ−ＭＯＳイメージセンサ等が挙げられる。   In the embodiment, the case where the inspection object 100 is imaged by the area sensor is shown. However, instead of the inspection object 100 in FIG. 6, the reference light source is installed, and the area sensor 301 is installed as the area sensor 301. It is also possible to inspect the group defects of the sensor itself. Examples of the area sensor to be inspected include a CCD and a C-MOS image sensor.

本発明を適用した欠陥検査装置の一実施形態を示す機能ブロック図である。It is a functional block diagram which shows one Embodiment of the defect inspection apparatus to which this invention is applied. 本発明が適用された画像処理装置の信号処理手順を示すフローチャートである。It is a flowchart which shows the signal processing procedure of the image processing apparatus to which this invention was applied. 検査エリアのサブピクセルにマッピングされた単独欠陥のパターンを示す平面図である。It is a top view which shows the pattern of the single defect mapped by the sub pixel of the inspection area. 群欠陥の一部を重複して検出する場合の群欠陥のパターン遷移図である。It is a pattern transition diagram of a group defect when a part of the group defect is detected in an overlapping manner. 群欠陥強度判定手段による判定アルゴリズムの例を示すテーブルである。It is a table which shows the example of the determination algorithm by a group defect intensity | strength determination means. エリアセンサによる欠陥検査装置の基本的システム構成を示す斜視図である。It is a perspective view which shows the basic system structure of the defect inspection apparatus by an area sensor. マトリックス型液晶表示素子のピクセル構成を示す平面図である。It is a top view which shows the pixel structure of a matrix type liquid crystal display element. 同色の単独欠陥の密集による群欠陥の例を示すパターン図である。It is a pattern figure which shows the example of the group defect by the denseness of the single defect of the same color. 混色の単独欠陥の密集による群欠陥の例を示すパターン図である。It is a pattern diagram which shows the example of the group defect by the denseness of the single defect of a mixed color. 画像処理装置の具体的な構成例を示す機能ブロック図である。It is a functional block diagram which shows the specific structural example of an image processing apparatus. 画像処理装置の信号処理手順を示すフローチャートである。It is a flowchart which shows the signal processing procedure of an image processing apparatus. 検査対象とレンズとエリアセンサとの配置関係を示す光学系である。It is an optical system which shows the arrangement | positioning relationship between a test object, a lens, and an area sensor. 擬似欠陥チャートの平面図である。It is a top view of a pseudo defect chart. 擬似欠陥チャートを撮像した画像において、中央付近の高さにおける水平方向の検出面積の分布をプロットした特性図である。It is a characteristic diagram which plotted distribution of the detection area of the horizontal direction in the height near the center in the picture which picturized the pseudo defect chart. ４×４サブピクセルの領域における群欠陥のパターン図である。It is a pattern figure of the group defect in the area | region of 4x4 sub pixel.

符号の説明Explanation of symbols

２００ レンズ
３００ カメラ
３０１ エリアセンサ
４００ 画像処理装置
４０１ 画像入力ボード
４０２ 前処理手段
４０２ａ カメラ欠陥補正手段
４０３ 単独欠陥検出手段
４０３ａ 強調フィルタ手段
４０３ｂ 二値化手段
４０３ｃ 特徴量計算手段
４０３ｄ 候補識別手段
４０３ｅ 特徴量補正手段
４０３ｆ 単独欠陥固有情報抽出手段
４０４ 群欠陥判定手段
４０４ｄ 単独欠陥情報マッピング手段
４０４ｅ 特徴量マッチング手段
４０４ｆ 群欠陥強度判定手段
４０５ 結果出力手段
４０６ 補正データ生成手段 200 lens 300 camera 301 area sensor 400 image processing apparatus 401 image input board 402 preprocessing means 402a camera defect correction means 403 single defect detection means 403a enhancement filter means 403b binarization means 403c feature quantity calculation means 403d candidate identification means 403e feature quantity Correction means 403f Single defect specific information extraction means 404 Group defect determination means 404d Single defect information mapping means 404e Feature quantity matching means 404f Group defect strength determination means 405 Result output means 406 Correction data generation means

Claims (6)

複数個のサブピクセルからなるピクセルが集合した検査対象の検査エリアを撮像した画像データを処理し、この処理により計算される特徴量から識別された前記サブピクセルの単独欠陥の密集態様に基づいて群欠陥を識別する欠陥検査装置において、
前記識別された単独欠陥の固有情報を抽出する単独欠陥固有情報抽出手段と、
抽出された前記単独欠陥の固有情報を、前記検査エリアにマッピングする単独欠陥情報マッピング手段と、
マッピングされた前記単独欠陥情報の密集態様を示す特徴量に基づいて群欠陥の分類処理を実行する特徴量マッチング手段と、
を備えることを特徴とする欠陥検査装置。 A group based on the density of single defects of the sub-pixels identified from the feature amount calculated by processing image data obtained by imaging an inspection area to be inspected in which a plurality of sub-pixels are assembled. In a defect inspection device for identifying defects,
Single defect specific information extracting means for extracting unique information of the identified single defect;
Single defect information mapping means for mapping the unique information of the extracted single defect to the inspection area;
A feature amount matching means for performing a group defect classification process based on a feature amount indicating a dense aspect of the mapped single defect information;
A defect inspection apparatus comprising: 前記計算される単独欠陥の特徴量を、予め測定された補正データに基づき補正する特徴量補正手段を備える請求項１に記載の欠陥検査装置。   The defect inspection apparatus according to claim 1, further comprising a feature amount correcting unit that corrects the calculated feature amount of the single defect based on correction data measured in advance. 前記特徴量マッチング手段で分類された群欠陥情報を取得し、所定の判定基準により群欠陥の度合いを示す群欠陥強度として出力する群欠陥強度判定手段を備えることを特徴とする請求項１または２に記載の欠陥検査装置。   3. A group defect intensity determination unit that acquires group defect information classified by the feature amount matching unit and outputs the group defect information as a group defect intensity indicating a degree of group defect according to a predetermined determination criterion. The defect inspection apparatus described in 1. 前記単独欠陥情報抽出手段は、識別された単独欠陥の色、単独欠陥の連結数、座標の少なくともいずれかを固有情報として抽出することを特徴とする請求項１乃至３のいずれかに記載の欠陥検査装置。   The defect according to any one of claims 1 to 3, wherein the single defect information extraction unit extracts at least one of the color of the identified single defect, the number of connected single defects, and coordinates as unique information. Inspection device. 前記特徴量マッチング手段は、マッピングされた前記単独欠陥情報の、指定範囲内の面積率、指定範囲内の単独欠陥個数、指定範囲内の連結数総和、色、の少なくともいずれかを特徴量とし、各特徴量に設定される閾値により群欠陥の分類処理を実行することを特徴とする請求項１乃至４のいずれかに記載の欠陥検査装置。   The feature amount matching means uses at least one of the mapped single defect information, the area ratio within the specified range, the number of single defects within the specified range, the total number of connections within the specified range, and the color, The defect inspection apparatus according to claim 1, wherein group defect classification processing is executed according to a threshold value set for each feature amount. 前記特徴量マッチング手段は、前記単独欠陥の連結数及び色が群欠陥の条件を満たす判定起点を検索し、この判定起点を含むように判定範囲を移動させたとき最も群欠陥強度の高い範囲をその群欠陥範囲に選択することを特徴とする請求項１乃至５のいずれかに記載の欠陥検査装置。   The feature amount matching means searches for a determination start point where the number of connected single defects and the color satisfy a group defect condition, and moves the determination range so as to include the determination start point. 6. The defect inspection apparatus according to claim 1, wherein the defect range is selected for the group defect range.
JP2006278902A 2006-10-12 2006-10-12 Defect inspection device Withdrawn JP2008096302A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2006278902A JP2008096302A (en) 2006-10-12 2006-10-12 Defect inspection device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006278902A JP2008096302A (en) 2006-10-12 2006-10-12 Defect inspection device

Publications (1)

Publication Number Publication Date
JP2008096302A true JP2008096302A (en) 2008-04-24

Family

ID=39379292

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006278902A Withdrawn JP2008096302A (en) 2006-10-12 2006-10-12 Defect inspection device

Country Status (1)

Country Link
JP (1) JP2008096302A (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012045563A (en) * 2010-08-25 2012-03-08 Toyota Motor Corp Defect information feedback method
WO2012093633A1 (en) * 2011-01-06 2012-07-12 日本電気硝子株式会社 Method for inspecting glass substrate for flat panel display, and glass substrate for flat panel display
WO2014097827A1 (en) * 2012-12-19 2014-06-26 シャープ株式会社 Defect occurrence process analysis device and defect occurrence process analysis method

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002303714A (en) * 2001-04-03 2002-10-18 Toppan Printing Co Ltd Method for manufacturing color filter
JP2004012256A (en) * 2002-06-06 2004-01-15 Yokogawa Electric Corp Pixel inspection device and pixel inspection method
JP2004317444A (en) * 2003-04-18 2004-11-11 Horiba Ltd Defect concentration degree inspection device and defect concentration degree inspection program
JP2005156396A (en) * 2003-11-27 2005-06-16 Yokogawa Electric Corp Apparatus for inspecting defect
JP2005331929A (en) * 2004-04-19 2005-12-02 Semiconductor Energy Lab Co Ltd Image analysis method, image analysis program, and pixel evaluation system therewith
JP2007315967A (en) * 2006-05-26 2007-12-06 Sharp Corp Defect detection apparatus, defect detection method, defect detection program, and computer-readable recording medium stored with the progtram

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002303714A (en) * 2001-04-03 2002-10-18 Toppan Printing Co Ltd Method for manufacturing color filter
JP2004012256A (en) * 2002-06-06 2004-01-15 Yokogawa Electric Corp Pixel inspection device and pixel inspection method
JP2004317444A (en) * 2003-04-18 2004-11-11 Horiba Ltd Defect concentration degree inspection device and defect concentration degree inspection program
JP2005156396A (en) * 2003-11-27 2005-06-16 Yokogawa Electric Corp Apparatus for inspecting defect
JP2005331929A (en) * 2004-04-19 2005-12-02 Semiconductor Energy Lab Co Ltd Image analysis method, image analysis program, and pixel evaluation system therewith
JP2007315967A (en) * 2006-05-26 2007-12-06 Sharp Corp Defect detection apparatus, defect detection method, defect detection program, and computer-readable recording medium stored with the progtram

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012045563A (en) * 2010-08-25 2012-03-08 Toyota Motor Corp Defect information feedback method
WO2012093633A1 (en) * 2011-01-06 2012-07-12 日本電気硝子株式会社 Method for inspecting glass substrate for flat panel display, and glass substrate for flat panel display
WO2014097827A1 (en) * 2012-12-19 2014-06-26 シャープ株式会社 Defect occurrence process analysis device and defect occurrence process analysis method

Similar Documents

Publication Publication Date Title
JP4882529B2 (en) Defect detection method and defect detection apparatus
CN107845087A (en) The detection method and system of the uneven defect of liquid crystal panel lightness
JP6100246B2 (en) Defect detection system and method using whole original image
CN109886960A (en) The method of glass edge defects detection based on machine vision
CN103792705A (en) Detecting method and detecting device for detecting substrate defects
KR20090101356A (en) Defect detecting device, and defect detecting method
KR20160042023A (en) Adaptive local threshold and color filtering
US10115333B2 (en) Image display method and display apparatus
JP2008096302A (en) Defect inspection device
JP2008020369A (en) Image analysis means, image analysis device, inspection device, image analysis program and computer-readable recording medium
CN110208973B (en) Method for detecting qualification of liquid crystal display screen
KR20140082333A (en) Method and apparatus of inspecting mura of flat display
JP7003669B2 (en) Surface inspection equipment and surface inspection method
JP4367474B2 (en) Defect inspection equipment
JP2007024669A (en) Inspection device and inspection method
JP4405407B2 (en) Defect inspection equipment
KR101218637B1 (en) Diagonal scan method for fast edge detection
CN114354622A (en) Defect detection method, device, equipment and medium for display screen
JP6410459B2 (en) Image inspection method and image inspection apparatus
JP2007057705A (en) Inspection method and inspection apparatus of display panel
JP2012185030A (en) Color unevenness determination device, color unevenness determination method and display device
TW201339573A (en) Method and apparatus for automatic optical inspection of flat panel substrate
US20050285617A1 (en) System and method for inspecting an LCD panel
JP2006145228A (en) Unevenness defect detecting method and unevenness defect detector
JP4893938B2 (en) Defect inspection equipment

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090925

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20111130

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20120911

A761 Written withdrawal of application

Free format text: JAPANESE INTERMEDIATE CODE: A761

Effective date: 20120921