JP2008209134A - Device and method for detecting defect, and program for functioning computer as detector - Google Patents
Device and method for detecting defect, and program for functioning computer as detector Download PDFInfo
- Publication number
- JP2008209134A JP2008209134A JP2007043989A JP2007043989A JP2008209134A JP 2008209134 A JP2008209134 A JP 2008209134A JP 2007043989 A JP2007043989 A JP 2007043989A JP 2007043989 A JP2007043989 A JP 2007043989A JP 2008209134 A JP2008209134 A JP 2008209134A
- Authority
- JP
- Japan
- Prior art keywords
- image data
- defect
- coordinate system
- image
- data
- 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
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
本発明は、被検査物を撮像した画像から欠陥を検出する技術に関する。本発明は、より特定的には、半導体ウェハ及び液晶パネルのマクロ検査において、放射状の欠陥を検出する技術に関する。 The present invention relates to a technique for detecting a defect from an image obtained by imaging an inspection object. More specifically, the present invention relates to a technique for detecting radial defects in macro inspection of semiconductor wafers and liquid crystal panels.
半導体ウェハや液晶基板の製造工程に関し、基板上にレジストを塗布し露光機によりレジストに回路パターンを転写して現像するリソグラフィ工程において、露光機上に異物が付着した場合、レジストの塗布量のムラがあった場合、あるいは基板表面に異物が付着した場合、正常に回路パターンが転写されないことがある。 Regarding the manufacturing process of semiconductor wafers and liquid crystal substrates, in the lithography process in which a resist is applied on a substrate and a circuit pattern is transferred to the resist by an exposure machine and developed, if foreign matter adheres to the exposure machine, the resist application amount varies. If there is any foreign matter or foreign matter adheres to the substrate surface, the circuit pattern may not be transferred normally.
回路パターンが正確にレジストに転写されていないまま基板を現像し、次工程のエッチング工程で液晶基板をエッチングすると、修正不可能な欠陥が液晶基板に形成される。そのため、欠陥の有無の検査が、エッチング工程前に行なわれている。 If the substrate is developed while the circuit pattern is not accurately transferred to the resist, and the liquid crystal substrate is etched in the next etching step, an uncorrectable defect is formed on the liquid crystal substrate. Therefore, an inspection for the presence or absence of defects is performed before the etching process.
エッチング工程前の検査では、照明が基板の表面に当てられ、その干渉光、回折光、散乱光が目視により検査され、または基板をカメラで撮像されて生成された画像に基づく画像検査が行なわれる。特に、カメラで撮像されて生成された画像については、コンピュータによる画像処理を行ない、回路パターンが正確に転写されていない部分を欠陥として検出し、そして、画像の様子から欠陥の原因を特定する画像検査装置が、実用に供されている。 In the inspection before the etching process, illumination is applied to the surface of the substrate, and the interference light, diffracted light, and scattered light are visually inspected, or an image inspection based on an image generated by imaging the substrate with a camera is performed. . In particular, for an image captured and generated by a camera, image processing by a computer is performed, a portion where a circuit pattern is not accurately transferred is detected as a defect, and the cause of the defect is identified from the state of the image Inspection devices are in practical use.
当該装置が、欠陥を検出して分類する場合、画像内の濃淡の基準より高い部分や低い部分、濃淡勾配の高い部分、基準画像との差分の大きい部分などを抽出する。抽出された部分が連続している領域について、当該装置は、複数の特徴量を算出し、特徴量に基づきクラスタリング等の手法を用いて領域を分類し、欠陥の種類や擬似欠陥を特定する。 When the apparatus detects and classifies defects, it extracts portions that are higher or lower than the density reference in the image, portions with a high density gradient, and portions that have a large difference from the reference image. For the region where the extracted portions are continuous, the apparatus calculates a plurality of feature amounts, classifies the region using a technique such as clustering based on the feature amount, and specifies the type of defect and the pseudo defect.
欠陥を分類するために通常使用される特徴量には、粒子解析で用いられる計測値、たとえば、面積、最大最低濃度、平均濃度、濃度の標準偏差、最大最小フェレ径、最大フェレ径角度、最大最小フェレ径比率などがある。 Features typically used to classify defects include measurements used in particle analysis, such as area, maximum minimum concentration, average concentration, standard deviation of concentration, maximum minimum ferret diameter, maximum ferret diameter, maximum There is a minimum ferret diameter ratio.
ところで、前述のリソグラフィ工程においては、レジストを塗布する際に、基板を回転させ基板中心にレジストを滴下し、遠心力により基板全面に均一に塗布するスピンコータがよく利用されている。 By the way, in the above-described lithography process, when applying a resist, a spin coater is often used in which the substrate is rotated, the resist is dropped onto the center of the substrate, and uniformly applied to the entire surface of the substrate by centrifugal force.
スピンコータでレジストを塗布する際に、レジストの塗布量が少ない場合、あるいは粘度が高い場合、レジストは基板に均一に塗布されず、塗布されない領域や、塗布量の少ない領域が生じることがある。レジストの塗布が回転している基板に対して行なわれるため、塗布の欠陥は、スピンコータの回転中心から放射方向に伸びた線状に発生することが多い。 When applying a resist with a spin coater, if the amount of the resist applied is small or the viscosity is high, the resist may not be uniformly applied to the substrate, and a region where the resist is not applied or a region where the amount applied is small may occur. Since the resist coating is performed on the rotating substrate, the coating defect often occurs in a linear shape extending in the radial direction from the rotation center of the spin coater.
欠陥の検出に関し、たとえば特開２００３−１６８１１４号公報（特許文献１）は、検出した領域について、通常の粒子解析の計測値に加え、検出した領域を極座標変換し連結処理を行うことにより線欠陥を検出する欠陥分類装置を開示している。 Regarding the detection of defects, for example, Japanese Patent Laid-Open No. 2003-168114 (Patent Document 1) discloses a line defect by performing a polar coordinate conversion on a detected area and a connecting process in addition to a measurement value of a normal particle analysis. Is disclosed.
また、特開２００４−２１９０７２号公報（特許文献２）は、エッチング工程前検査に用いることのできる欠陥検査装置を開示している。この装置は、複数縮小サイズ画像について、複数の方向の線強調フィルタ処理によって検出された領域について、線強調画像の濃度平均等の統計量を用いて線欠陥を検出する。
ところで、半導体ウェハまたは液晶パネルに関し、コストダウンの要求が高まっているため、レジストの使用量を削減したいという要請がある。しかし、レジストの使用量を削減すると、前述のような放射方向の塗布不良が発生しやすくなる。そのため、欠陥にならない程度のレジストの使用量を見極める必要がある。 By the way, with respect to semiconductor wafers or liquid crystal panels, there is an increasing demand for cost reduction, and there is a demand for reducing the amount of resist used. However, if the amount of resist used is reduced, the above-described coating failure in the radial direction tends to occur. Therefore, it is necessary to determine the amount of resist used so as not to cause defects.
欠陥にならない程度の塗布ムラは、欠陥になる塗布ムラに比べて、一般的に撮像した画像のコントラストが低い。このような塗布ムラを検出することが検査装置に求められている。 The coating unevenness that does not cause defects is generally lower in contrast of the captured image than the coating unevenness that causes defects. An inspection apparatus is required to detect such coating unevenness.
しかしながら、特開２００３−１６８１１４号公報に開示された欠陥分類装置によれば、濃淡値から予め検出された領域について連結処理が行なわれる。そのため、低コントラストの欠陥の場合、誤検出なく検出することができないという問題があった。 However, according to the defect classification device disclosed in Japanese Patent Application Laid-Open No. 2003-168114, a connection process is performed on an area detected in advance from a gray value. For this reason, there has been a problem that a low-contrast defect cannot be detected without erroneous detection.
また、特開２００４−２１９０７２号公報に開示された技術によれば、フィルタ処理によって線強調された画像から、濃度の平均値、標準偏差等を用いて欠陥領域が抽出される。このような方法で低コントラストの線欠陥を検出した場合、コントラストの微小な変動により、検出領域が分断され、正確な検出ができない場合があった。また、コントラストの変動により実際の欠陥の強度とは異なる判定をしてしまうという問題があった。 Further, according to the technique disclosed in Japanese Patent Application Laid-Open No. 2004-219072, a defect region is extracted from an image that has been line-enhanced by filter processing using an average value of density, a standard deviation, and the like. When a low-contrast line defect is detected by such a method, the detection region may be divided due to a minute change in contrast, and accurate detection may not be possible. In addition, there is a problem that a determination different from the actual defect intensity is made due to a change in contrast.
本発明は、上述の問題点を解決するためになされたものであって、その目的は、低コントラストな線状の欠陥を検出できる検出装置を提供することである。 The present invention has been made to solve the above-described problems, and an object of the present invention is to provide a detection device that can detect a linear defect with low contrast.
本発明の他の目的は、コントラストの変動があっても正確な強度で欠陥を検出できる放射状欠陥の検出装置を提供することである。 Another object of the present invention is to provide a radial defect detection apparatus capable of detecting defects with an accurate intensity even if there is a contrast variation.
本発明の他の目的は、低コントラストな線欠陥を検出できる放射状欠陥の検出方法を提供することである。 Another object of the present invention is to provide a radial defect detection method capable of detecting a low-contrast line defect.
本発明のさらに他の目的は、コントラストの変動があっても正確な強度で欠陥を検出できる放射状欠陥の検出方法を提供することである。 Still another object of the present invention is to provide a radial defect detection method capable of detecting a defect with an accurate intensity even if there is a contrast variation.
上記の課題を解決するために、この発明のある局面に従う欠陥の検出装置は、予め定められた回転軸を中心に回転する間に処理が施された被検査物の撮影に基づいて生成されたデータの入力を受ける入力手段と、データから予め定められた検査領域に対応する画像データを取得する取得手段とを備える。画像データは、直交座標系で表わされている。この検出装置は、さらに、画像データを極座標系のデータに変換する第１の変換手段と、極座標系により表わされる画像データに対して、回転軸に対応する回転中心から半径方向の直線を平滑化する平滑化処理手段と、平滑化後の画像データを、直交座標系のデータに変換する第２の変換手段と、第２の変換後の直交座標系により表される画像データに基づいて、被検査物の表面における欠陥の候補を抽出する抽出手段と、直交座標系に変換後の画像データに基づいて、欠陥の候補の特徴量を算出する特徴量算出手段と、予め定められた判断基準と特徴量とに基づいて、欠陥の候補が欠陥であるか否かを判断する判断手段と、判断手段による判断の結果を出力する出力手段とを備える。 In order to solve the above-described problem, a defect detection device according to an aspect of the present invention is generated based on imaging of an inspection object that has been processed while rotating around a predetermined rotation axis. Input means for receiving input of data, and acquisition means for acquiring image data corresponding to a predetermined inspection region from the data. Image data is represented in an orthogonal coordinate system. The detection apparatus further includes a first conversion unit that converts image data into polar coordinate system data, and smoothes a straight line in a radial direction from the rotation center corresponding to the rotation axis for the image data represented by the polar coordinate system. Smoothing processing means, second conversion means for converting the smoothed image data into data of an orthogonal coordinate system, and image data represented by the second converted orthogonal coordinate system. Extraction means for extracting defect candidates on the surface of the inspection object, feature quantity calculation means for calculating feature quantities of defect candidates based on the image data converted into the orthogonal coordinate system, and predetermined determination criteria; Based on the feature amount, a determination unit that determines whether or not a defect candidate is a defect, and an output unit that outputs a result of determination by the determination unit.
好ましくは、平滑化処理手段は、極座標系により表わされる画像データに対して、半径方向の直線を強調するためのフィルタ処理を実行するフィルタ手段と、フィルタ処理後の画像データに基づいて、半径方向の直線の平滑化を行なう手段とを含む。抽出手段は、予め定められた二値化基準に基づいて、平滑化後の画像データの二値化処理を行なう二値化手段と、二値化処理後の画像データから、予め定められた抽出基準を満足する画像データを欠陥の候補として抽出する手段とを含む。第２の変換手段は、フィルタ処理後の画像データと、平滑化後の画像データとを、直交座標系のデータに変換する手段を含む。 Preferably, the smoothing processing unit performs a filtering process for emphasizing a straight line in the radial direction with respect to the image data represented by the polar coordinate system, and based on the image data after the filtering process, Means for smoothing the straight line. The extraction means is a binarization means for performing binarization processing of the image data after smoothing based on a predetermined binarization standard, and a predetermined extraction from the image data after binarization processing. Means for extracting image data satisfying the criterion as a defect candidate. The second conversion means includes means for converting the filtered image data and the smoothed image data into data of an orthogonal coordinate system.
好ましくは、平滑化処理手段は、半径方向の直線の平滑化を行なった画像に対し、さらに半径方向の最大値フィルタ処理を実行する。 Preferably, the smoothing processing unit further performs a radial maximum value filtering process on the image obtained by smoothing the straight line in the radial direction.
好ましくは、判断手段は、特徴量に基づいて、欠陥の候補についての欠陥の程度を表わす欠陥強度を算出する強度算出手段と、判断基準と欠陥強度とに基づいて、欠陥の候補が欠陥であるか否かを判断する手段とを含む。 Preferably, the determination unit is a strength calculation unit that calculates a defect strength that represents a degree of the defect for the defect candidate based on the feature amount, and the defect candidate is a defect based on the determination criterion and the defect strength. Means for determining whether or not.
好ましくは、検出装置は、直交座標系のデータに変換後の画像データに基づいて、欠陥の候補が予め定められた算出条件を満足するか否かを判断する条件判断手段と、欠陥の候補が算出条件を満足する場合に新たな特徴量を算出する手段とをさらに備える。 Preferably, the detection device includes a condition determination unit that determines whether or not the defect candidate satisfies a predetermined calculation condition based on the image data converted into the Cartesian coordinate system data; And a means for calculating a new feature value when the calculation condition is satisfied.
好ましくは、特徴量算出手段は、欠陥の候補の濃度値の平均値と、濃度値の変化率とを算出する変化率算出手段を含む。強度算出手段は、平均値と変化率とに基づいて強度を算出する。 Preferably, the feature amount calculating means includes a change rate calculating means for calculating an average value of density values of defect candidates and a change rate of the density value. The intensity calculating means calculates the intensity based on the average value and the change rate.
好ましくは、特徴量算出手段は、直交座標系のデータに変換後のデータに基づいて、欠陥の候補の領域の幅を細くする細線化処理を行なう手段をさらに含む。変化率算出手段は、細線化処理後の欠陥の候補についての平均値と変化率とを算出する。 Preferably, the feature amount calculating means further includes means for performing a thinning process for narrowing the width of the defect candidate area based on the data after being converted into the data of the orthogonal coordinate system. The change rate calculating means calculates an average value and a change rate for the defect candidates after the thinning process.
この発明の他の局面に従うと、欠陥の検出方法が提供される。この検出方法は、予め定められた回転軸を中心に回転する間に処理が施された被検査物の撮影に基づいて生成されたデータの入力を受けるステップと、データから予め定められた検査領域に対応する画像データを取得するステップとを備える。画像データは、直交座標系で表わされている。この方法は、画像データを極座標系のデータに変換するステップと、極座標系により表わされる画像データに対して、回転軸に対応する回転中心から半径方向の直線を平滑化するステップと、平滑化後の画像データを、直交座標系のデータに変換するステップと、直交座標系に変換後の画像データに基づいて、被検査物の表面における欠陥の候補を抽出するステップと、直交座標系に変換後の画像データに基づいて、欠陥の候補の特徴量を算出するステップと、予め定められた判断基準と特徴量とに基づいて、欠陥の候補が欠陥であるか否かを判断するステップと、判断ステップによる判断の結果を出力するステップとを備える。 According to another aspect of the present invention, a defect detection method is provided. This detection method includes a step of receiving input of data generated based on imaging of an inspection object processed while rotating around a predetermined rotation axis, and a predetermined inspection area from the data Obtaining image data corresponding to. Image data is represented in an orthogonal coordinate system. The method includes the steps of converting image data into polar coordinate system data, smoothing a radial straight line from the rotation center corresponding to the rotation axis for the image data represented by the polar coordinate system, and after smoothing Converting the image data into rectangular coordinate system data, extracting defect candidates on the surface of the inspection object based on the image data converted into the orthogonal coordinate system, and converting into the orthogonal coordinate system A step of calculating a feature amount of a defect candidate based on the image data, a step of determining whether the defect candidate is a defect based on a predetermined criterion and feature amount, and a determination And a step of outputting a result of the determination by the step.
この発明のさらに他の局面に従うと、コンピュータを欠陥の検出装置として機能させるためのプログラムが提供される。このプログラムは、コンピュータに、予め定められた回転軸を中心に回転する間に処理が施された被検査物の撮影に基づいて生成されたデータの入力を受けるステップと、データから予め定められた検査領域に対応する画像データを取得するステップとを実行させる。画像データは、直交座標系で表わされている。さらに、プログラムはコンピュータに、画像データを極座標系の画像データに変換するステップと、極座標系により表わされる画像データに対して、回転軸に対応する回転中心から半径方向の直線を平滑化するステップと、平滑化後の画像データを、直交座標系のデータに変換するステップと、直交座標系に変換後の画像データに基づいて、被検査物の表面における欠陥の候補を抽出するステップと、直交座標系に変換後の画像データに基づいて、欠陥の候補の特徴量を算出するステップと、予め定められた判断基準と特徴量とに基づいて、欠陥の候補が欠陥であるか否かを判断するステップと、判断ステップによる判断の結果を出力するステップとを実行させる。 According to still another aspect of the present invention, a program for causing a computer to function as a defect detection device is provided. This program receives from a computer a step of receiving data generated based on imaging of an object to be inspected that is processed while rotating around a predetermined rotation axis, and a predetermined value from the data. Acquiring image data corresponding to the inspection region. Image data is represented in an orthogonal coordinate system. Furthermore, the program causes the computer to convert the image data into polar coordinate system image data, and to smooth the radial straight line from the rotation center corresponding to the rotation axis for the image data represented by the polar coordinate system. Converting the smoothed image data into orthogonal coordinate system data, extracting defect candidates on the surface of the inspection object based on the image data converted into the orthogonal coordinate system, and orthogonal coordinates Based on the image data converted into the system, the feature amount of the defect candidate is calculated, and whether the defect candidate is a defect is determined based on the predetermined determination criterion and the feature amount. A step and a step of outputting a result of the determination by the determination step are executed.
本発明によると、低コントラストな線状の欠陥を検出することができる。また、本発明によると、コントラストの変動があっても正確な強度で放射状に形成された欠陥を検出することができる。 According to the present invention, a low-contrast linear defect can be detected. In addition, according to the present invention, it is possible to detect a defect formed in a radial shape with an accurate intensity even when there is a change in contrast.
以下、図面を参照しつつ、本発明の実施の形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。 Hereinafter, embodiments of the present invention will be described with reference to the drawings. In the following description, the same parts are denoted by the same reference numerals. Their names and functions are also the same. Therefore, detailed description thereof will not be repeated.
図１を参照して、本発明に係る画像処理検査装置１４０を備える検査システム１００について説明する。図１は、検査システム１００のシステム構成の概略を表わす図である。
An
検査システム１００は、照明部１２０と、撮像部１３０と、画像処理検査装置１４０と、ディスプレイ１５０とを含む。画像処理検査装置１４０は、画像入力部１４１と、記憶部１４２と、演算部１４３と、出力部１４４と、入力部１４５とを含む。
The
検査システム１００には、被検査基板１１０が搬入され、予め定められた位置に装着される。被検査基板１１０は、たとえば予め定められた回転軸を中心に回転駆動され、その間に予め定められた加工処理（たとえばレジストの塗布等）が行なわれている。たとえばレジストが塗布された場合には、その塗布は、回転軸の中心から外周方向に対して行なわれる。したがって、この場合、被検査基板１１０の表面には、回転軸の中心から放射状にレジストが塗布されている。
The inspection system 110 is loaded into the
照明部１２０は、画像処理検査装置１４０からの信号に基づいて、当該位置に装着された被検査基板１１０に対して、予め設定された強度を有する光を照射する。照射される光は、たとえば一般白色光である。撮像部１３０は、被検査基板１１０からの反射光を受光して撮影し、画像データとして画像処理検査装置１４０に出力する。撮像部１３０は、たとえばＣＣＤ（Charge Coupled Device）カメラにより実現される。
Based on a signal from the image
撮像部１３０から出力された画像データは、画像入力部１４１を介して入力され、記憶部１４２において確保されている領域に格納される。記憶部１４２は、たとえばハードディスク装置、フラッシュメモリ等により実現される。記憶部１４２におけるデータの格納の態様は後述する。また、一時的にデータを格納することで処理の高速化を図るために、一時的に生成されるデータは、ＲＡＭ（Random Access Memory）その他の揮発性のメモリに格納されてもよい。
Image data output from the
演算部１４３は、記憶部１４２に格納されている画像データと予め設定されているデータとに基づいて、予め定められた画像処理を実行する。演算部１４３は、いわゆるＣＰＵ（Central Processing Unit）と称される演算制御装置が予め準備されたプログラムを実行することにより実現される。あるいは、演算部１４３は、当該プログラムにより実現される処理を実行するために構成された回路、たとえばＦＰＧＡ（Field Programmable Gate Array）等によって実現されてもよい。
The
出力部１４４は、演算部１４３により生成されたデータをディスプレイ１５０に出力する。ディスプレイ１５０は、そのデータに基づいて画像を表示する。ディスプレイ１５０は、たとえば原画像と、画像処理に基づいて検出された放射状の塗布ムラが含まれる欠陥の画像とを表示する。
The
入力部１４５は、外部から、データあるいは指示の入力を受ける。入力部１４５は、たとえばディスプレイ１５０の表面に装着されるタッチパネル、キーボード、マウスその他のポインティングデバイス等により実現される。
The
図２を参照して、本発明に係る検査システム１００を実現する画像処理検査装置１４０について説明する。図２は、画像処理検査装置１４０の機能的構成を表わすブロック図である。
With reference to FIG. 2, an image
画像処理検査装置１４０は、データの入力を受けるデータ入力部２０２と、データを格納する記憶部１４２と、後述する画像処理を実現するための演算部１４３と、演算部１４３により算出される結果を出力する結果出力部２２０とを備える。入力されるデータは、予め定められた回転軸を中心に回転する間に処理が施された被検査物の撮影により生成されたデータである。処理は、たとえば、基板にレジストを塗布する処理である。回転軸は、レジストを塗布する処理に使用される、いわゆるスピンコータにおける回転軸である。
The image
演算部１４３は、入力されたデータから、予め定められた検査領域に対応する画像データを取得する取得部２０３と、直交座標系により表わされている当該画像データを極座標系のデータに変換する極座標変換部２０４と、極座標系により表わされる画像データに対して半径方向の直線を強調するためのフィルタ処理を実行するフィルタ処理部２０６と、半径方向に表示される直線の平滑化を行なうための平滑化処理部２０８とを備える。
The
演算部１４３はさらに、予め定められた２値化基準に基づいて平滑化された画像データの２値化処理を行なうための２値化処理部２１０と、２値化処理された画像データから、予め定められた抽出基準を満足する画像データを被検査物の表面における欠陥の候補として抽出する抽出部２１２と、極座標系により表わされるデータを直交座標系のデータに変換するための直交座標変換部２１４と、直交座標系により表わされたデータに基づいて当該欠陥の候補の特徴量を算出する算出部２１６と、予め定められた判定基準と算出された特徴量とに基づいて、当該欠陥の候補が欠陥であるか否かを判定する欠陥判定部２１８とを含む。
The
好ましくは、算出部２１６は、直交座標系のデータに変換された画像データに基づいて当該欠陥の候補が予め定められた条件を満足するか否かを判断する。算出部２１６は、当該欠陥の候補がその条件を満足する場合に、特徴量を算出する。
Preferably, the
また、好ましくは、算出部２１６は、欠陥の候補の濃度値の平均値と、濃度値の変化率とを算出する。変化率は、以下の説明における変動係数に対応する。算出部２１６は、さらにその平均値と変化率とに基づいて特徴量を算出する。
Preferably, the
さらに、好ましくは、直交座標変換部２１４は、フィルタ処理された後の画像データと平滑化処理された後の画像データとを、直交座標系のデータに変換する。
Further, preferably, the orthogonal coordinate
また、演算部１４３における処理は、上記の順序に限られない。一例として、本実施の形態の別の局面に従うと、直交座標変換部２１４は、平滑化処理部２０８によって平滑化された後の画像データを、当該直交座標系の画像データに変換する。抽出部２１２は、直交座標系によって表わされる当該画像データから、予め定められた抽出基準を満足する画像データを、被検査物の表面における欠陥の候補として抽出する。この場合の抽出基準は、直交座標系の画像データに関連するデータであって、たとえば、直交座標空間における欠陥候補の特徴量である。
Moreover, the process in the
図３を参照して、画像処理検査装置１４０のデータ構造について説明する。図３は、記憶部１４２におけるデータの格納の一態様を表わす図である。
The data structure of the image
外部から入力された画像データすなわち原画像データは、領域３１０に格納されている。画像処理の検査を行なうために予め設定された回転中心を表わす座標は、領域３２０に格納されている。この座標は、検査の対象となる領域における、被検査基板１１０に対して加工処理を行なった装置（たとえば、スピンコータ）の回転軸の座標を表わすものである。
Image data input from the outside, that is, original image data, is stored in
２値化処理の基準として予め設定された第１の閾値は、領域３３０に格納されている。欠陥の候補が欠陥であるか否かを判断するための第２の閾値は、領域３４０に格納されている。
A first threshold value set in advance as a binarization process reference is stored in
直交座標系により表わされた領域が処理の対象であるか否かを判断するための第１の条件は、領域３５０に格納されている。この条件は、たとえば、抽出された領域の長さ、長さと幅の比率、回転中心から当該領域の重心位置への角度と主軸角度との差が予め定められた値の範囲内にあるか否か等である。演算部１４３による各処理を実現するための検査プログラムは、領域３６０に格納されている。
The first condition for determining whether or not the region represented by the orthogonal coordinate system is a processing target is stored in the
図４〜図６を参照して、被検査物の撮影により生成された画像データについて説明する。図４は、被検査物の画像４２０に関し、放射状に形成された塗布ムラを表わす図である。
With reference to FIGS. 4-6, the image data produced | generated by imaging | photography of the to-be-inspected object is demonstrated. FIG. 4 is a diagram showing the coating unevenness formed radially with respect to the
被検査画像４２０において、回転中心４１０は、被検査基板１１０に対する処理を行なうときに回転の基準とされた中心に対応する。被検査画像４２０は、放射状に形成された塗布ムラ４３０，４４０，４５０を含む。
In the inspected
図５は、図４に示される撮像画像を極座標に変換した後の状態を表わす図である。極座標への変換は、図４に示される回転中心４１０を基準として行なわれる。この場合、画像は、回転中心４１０に対する角度と回転中心からの距離とに基づく座標により表現される。
FIG. 5 is a diagram illustrating a state after the captured image illustrated in FIG. 4 is converted into polar coordinates. Conversion to polar coordinates is performed with reference to the
塗布ムラ５３０は、図４における塗布ムラ４３０に対応する。同様に、塗布ムラ５４０は、塗布ムラ４４０に対応する。また、塗布ムラ５５０は、塗布ムラ４５０に対応する。
The
なお、直交座標系により表わされたデータを極座標系のデータに変換するための処理は、当業者にとって容易に理解できるものである。したがって、ここではその詳細な説明は繰り返さない。 The process for converting the data represented by the orthogonal coordinate system into the data of the polar coordinate system can be easily understood by those skilled in the art. Therefore, detailed description thereof will not be repeated here.
図６は、極座標に変換された画像に関し、放射状の塗布ムラの領域を抽出するために、直線を強調する処理を行なった後の画像を表わす図である。直線の強調は、直線と直交する方向の濃淡の変化（コントラスト）を求め、濃度の高い部分を予め定められた第１の閾値で２値化処理することにより行なわれる。 FIG. 6 is a diagram illustrating an image after performing a process of enhancing a straight line in order to extract a region of uneven coating unevenness with respect to an image converted into polar coordinates. The enhancement of the straight line is performed by obtaining a change in contrast (contrast) in a direction orthogonal to the straight line, and binarizing a portion with a high density with a predetermined first threshold value.
領域６３０は、図５に示される塗布ムラ５３０に対応する。同様に、領域６４０は、塗布ムラ５４０に対応する。また、領域６５０は、塗布ムラ５５０に対応する。
次に、図７を参照して、画像処理検査装置１４０の制御構造について説明する。図７は、演算部１４３が実行する処理の手順を表わすフローチャートである。画像処理検査装置１４０がコンピュータシステムによって実現される場合には、以下の処理は、コンピュータシステムに予め格納されているプログラムが実行されることにより実現される。あるいは、画像処理検査装置１４０が各処理を実行するための回路を組み合わせた装置のようにハードウェアとして構成される場合には、以下の処理は、各回路が作動することにより実現される。
Next, the control structure of the image
ここで、ステップＳ７０２〜Ｓ７１５までの処理によって、特徴量を算出するために必要な値が順次算出され、ステップＳ７２０以降の処理において、当該値に基づいて特徴量が算出される。 Here, values necessary for calculating the feature amount are sequentially calculated by the processing from step S702 to S715, and the feature amount is calculated based on the value in the processing after step S720.
ステップＳ７０２にて、演算部１４３は、予め定められた回転軸を中心に回転する間に処理が施された被検査物の撮影により生成されたデータの入力を受け、そして、そのデータから、予め定められた検査領域に対応する画像データを抽出する。この画像データは、たとえば図４に示されるように、直交座標系により表わされている。
In step S702, the
ステップＳ７０４にて、演算部１４３は、直交座標系により表わされている当該画像データを極座標系のデータに変換する。変換後のデータに基づいて表示される画像は、たとえば図５に示されるものとなる。
In step S704, the
ステップＳ７０６にて、演算部１４３は、極座標系に変換されたデータに基づいて直線を強調するための処理を実行する。処理後のデータに基づいて表示される画像は、たとえば図６に示されるものとなる。
In step S706, the
ステップＳ７０８にて、演算部１４３は、強調処理が完了したデータに基づいて当該回転中心から半径方向の直線を平滑化するための処理を行なう。
In step S708,
ステップＳ７１０にて、演算部１４３は、予め定められた２値化基準（図３における領域３３０）に基づいて平滑化後の画像データの２値化処理を行なう。ステップＳ７１２にて、演算部１４３は、極座標系により表わされている当該２値化後のデータを、直交座標系のデータに変換する。
In step S710,
ステップＳ７１４にて、演算部１４３は、直交座標系に変換されたデータから予め定められた抽出基準に基づいて欠陥の候補である領域を抽出し、各領域に対し各々の領域を識別するためのラベルを付与するラベリング処理を実行する。ここでは、たとえばラベル付けされた領域として領域Ａｉ（ｉ：１〜ｎ）が取得される。
In step S714,
ステップＳ７１５にて、演算部１４３は予め設定されている第１の条件を準備する。すなわち、演算部１４３は、記憶部１４２の領域３５０から第１の条件を読み出して、当該プログラムが実行される領域に保存する。
In step S715, the
ステップＳ７１６にて、演算部１４３は、各々の領域Ａｉについて、ｉ＝１からｉ＝ｎまで、以下の処理を反復する。ステップＳ７１８にて、演算部１４３は、領域Ａｉが予め定められた第１の条件に合致するか否かを判断する。領域Ａｉがその条件に合致する場合には（ステップＳ７１８にてＹＥＳ）、処理はステップＳ７２０に移される。そうでない場合には（ステップＳ７１８にてＮＯ）、処理はステップＳ７１６に戻され、次の領域Ａｉ＋１についての処理が繰り返される。
In step S716,
ステップＳ７２０にて、演算部１４３は、領域Ａｉについての濃度値を算出し、さらに濃度値の平均値を算出し、標準偏差を算出する。濃度値の平均値と標準偏差とは、領域Ａｉの特徴量として、以下の処理において使用される。
In step S720,
ステップＳ７２２にて、演算部１４３は、領域Ａｉに対して予め設定された細線化処理を行なう。演算部１４３は、この処理により生成された領域Ｌｉに対応する変動係数、たとえば、直交座標系に変換された直線が強調された画像の濃度値の変動係数を算出する。この変動係数は、領域Ａｉの特徴量となる。
In step S722,
ステップＳ７２６にて、演算部１４３は、濃度値の平均値と標準偏差と変動係数とに基づいて、領域Ａｉの欠陥強度を算出する。たとえば演算部１４３は、領域Ａｉの長さと平滑化後の当該平均値の二乗と変動係数の二乗の積とにより、欠陥強度を算出する。
In step S726,
ステップＳ７２８にて、演算部１４３は、領域Ａｉが欠陥であるか否かを判断する。この判断は、予め設定された第２の閾値（図３における領域３４０）に基づいて行なわれる。この判断の区分は、たとえば領域Ａｉを欠陥の記録として残さないレベル、記録に残すレベル、注意を促すレベル、不良と判断するレベルの４つのレベルを含む。この場合、各区分に対応する判断のための閾値が第２の閾値として用いられる。このような判断では、たとえば欠陥の記録として残さないレベル以外のレベルは、後述するように欠陥テーブルに格納される。このようにすると、たとえば被検査基板１１０の検査をバッチ処理とすることにより特定のロットについて行なった後、当該ロットについての検査の結果をまとめて分析することも可能になる。なお、判断の区分として、上記以外に他の区分が使用されてもよい。また、区分の数は上記のものに限られない。
In step S728,
ステップＳ７３２にて、演算部１４３は、すべての領域の検査が終了したか否かを判断する。この判断は、たとえば各領域に付与されたラベルを用いて、処理の完了時にその処理が完了したラベルを逐次記録しておき、処理の前に付加されたラベルと処理が完了したラベルとを比較することにより行なわれる。すべての領域の検査が終了している場合には（ステップＳ７３２にてＹＥＳ）、処理は終了する。そうでない場合には（ステップＳ７３２にてＮＯ）、処理はステップＳ７１６に戻され、次の領域Ａｉの処理が行なわれる。
In step S732,
次に、図８〜図１５を参照して、画像処理検査装置１４０における画像の変化について説明する。図８は、予め定められた回転軸を中心に回転する間に処理が施された被検査物を撮像した画像から、検査の対象となる領域として予め指定された検査領域に応じて抽出された画像を表わす図である。図９は、図８に示される画像のデータを直交座標から極座標に変換した図を表わす。図１０は、図９に示される画像のデータに対して平滑化処理を行なった後の図を表わす。
Next, changes in the image in the image
図８に示されるように、抽出された画像には、放射状の塗布ムラを撮像した際に、様々な要因により斑状の模様８８０ａ，８８０ｂが映り込んでいる。このような模様は、光学的な影響で背景に映る場合がある。
回転中心８１０は、被検査物に対して処理を行なう装置における回転軸に対応する。被検査画像８２０において、斑状の背景に加えて、放射状に形成された３つの塗布ムラ８３０，８４０，８５０が撮影されている。この画像に対して、たとえば回転中心８１０を基準とした極座標変換が行なわれ、予め定められた抽出処理が実行されると、図９に示される画像が得られる。
As illustrated in FIG. 8, when the radial application unevenness is captured, the extracted images include spotted
The
すなわち、極座標系に変換された画像は、回転中心８１０（たとえば、スピンコータの回転軸に相当）を原点とし、縦軸に半径方向、横軸に角度方向となる画像によって表現される。極座標系により表わされた画像に対し、背景方向（縦軸）の直線方向のエッジのみを強調する処理を行なうと、図９に示されるように、直線強調後の画像が得られる。 That is, the image converted into the polar coordinate system is represented by an image having a rotation center 810 (for example, corresponding to the rotation axis of the spin coater) as an origin, a radial direction on the vertical axis, and an angular direction on the horizontal axis. When the image represented by the polar coordinate system is subjected to processing for enhancing only the edge in the linear direction of the background direction (vertical axis), an image after straight line enhancement is obtained as shown in FIG.
ここで直線を強調する処理は、角度方向（縦軸）の濃度値の差分を算出することにより、その差分に従って予め設定された閾値に基づいて行なわれる。閾値として使用されるフィルタサイズは、解像度、検出する放射状の塗布ムラの大きさなどから予め定められるものである。 Here, the process of emphasizing the straight line is performed based on a threshold value set in advance according to the difference by calculating the difference between the density values in the angular direction (vertical axis). The filter size used as the threshold value is determined in advance from the resolution, the size of the radial coating unevenness to be detected, and the like.
図９において、画像９３０は、図８における塗布ムラ８３０に対応する。画像９３０は、塗布ムラ８３０に含まれる斑状の模様８９０により、遮断されている。同様に、画像９４０は、塗布ムラ８４０に対応する。画像９５０は、塗布ムラ８５０に対応する。
In FIG. 9, an
直線強調後の画像に対して半径方向に平滑化処理を行なうと、図１０に示される画像が得られる。ここで平滑化処理は、対象とする点と平滑化する方向の近傍の点の濃度値の平均値を対象とする点の濃度値とするものである。また近傍として用いられるデータは、塗布ムラを連結したい幅に応じて予め定められる。あるいはディスプレイ１５０に表示される画像に基づいて近傍のサイズを変更可能であってもよい。
When smoothing processing is performed in the radial direction on the image after straight line enhancement, the image shown in FIG. 10 is obtained. Here, the smoothing process uses the average value of the density values of the target point and the neighboring points in the smoothing direction as the density value of the target point. The data used as the neighborhood is determined in advance according to the width to which the coating unevenness is to be connected. Alternatively, the neighborhood size may be changeable based on the image displayed on the
図１０を参照して、画像１０３０，１０４０，１０５０は、それぞれ図９に示される画像を平滑化したものである。画像１０３０は、図９における画像９３０に対応する。同様に画像１０４０は、画像９４０に対応する。画像１０５０は、画像９５０に対応する。
Referring to FIG. 10,
このようにして平滑化された画像に対して予め定められた閾値に基づいて２値化処理を行なうと、放射状に形成された塗布ムラの領域が抽出される（図１１）。ここで２値化処理のための閾値は、たとえば放射状に形成された塗布ムラの平滑化後の画像の濃度値に基づいて定められる。 When binarization processing is performed on the image smoothed in this manner based on a predetermined threshold value, regions of uneven coating formed in a radial pattern are extracted (FIG. 11). Here, the threshold value for the binarization processing is determined based on, for example, the density value of the image after smoothing the coating unevenness formed radially.
図１１に示されるように、３つの塗布ムラが、画像１１３０，１１４０，１１５０として抽出されている。画像１１３０は、図１０に示される画像１０３０に対応する。この場合、平滑化処理によって、図１０に示される画像において分割されていた領域が連結されている。同様に、画像１１４０は、画像１０４０に対応する。画像１０４０の凸部が平滑化されている。また、画像１１５０は、画像１０５０に相当する。画像１１５０も、画像１１３０と同様に、２値化処理のための閾値を用いた抽出によって、遮断されていた領域が結合された形で表示される。
As shown in FIG. 11, three coating unevennesses are extracted as
このようにして抽出された領域は、極座標系のデータにより表わされている。当該領域の面積、線あるいは幅は、直交座標系のデータにより表わされるものと異なるため、領域の特徴量を算出することはできない。そこで、演算部１４３は、抽出された領域の座標系と、直線を強調した後の画像との座標系とを、極座標系から直交座標系に変換する処理を行なう。演算部１４３は、直交座標系のデータに基づいて、領域の形状に関する長さ、幅、面積等の特徴量と、当該領域に対応する直線強調後の画像の濃度値の平均値、標準偏差等の特徴量とを算出する。
The region extracted in this manner is represented by polar coordinate system data. Since the area, line, or width of the region is different from that represented by the data of the orthogonal coordinate system, the feature amount of the region cannot be calculated. Therefore, the
ここで、図１２〜図１５を参照して、極座標系のデータから直交座標系のデータに変換した後の処理について説明する。図１２〜図１４は、極座標系により表わされていた画像を直交座標系に変換した図をそれぞれ表わす。図１２は、抽出画像を表わし、図１１に示される画像に対応する。 Here, processing after conversion from polar coordinate system data to Cartesian coordinate system data will be described with reference to FIGS. FIGS. 12 to 14 respectively show diagrams obtained by converting an image represented by a polar coordinate system into an orthogonal coordinate system. FIG. 12 shows the extracted image and corresponds to the image shown in FIG.
図１２に示される直交座標系により表わされた抽出画像が取得されると、演算部１４３は、ラベリング処理を実行する。ここではラベル付けされた領域Ａｉとして領域１２３０，１２４０，１２５０が識別される。このラベル付けにより、各領域がそれぞれ特定されることになるため、図７に示される処理においても、各々の領域についての処理（ステップＳ７１８〜ステップＳ７３２）が実行可能になる。
When the extracted image represented by the orthogonal coordinate system shown in FIG. 12 is acquired, the
図１３は、直線方向（回転中心１３１０の半径方向）に強調された画像を表わし、図９に示される画像に対応する。図１３に示される画像は、画像処理後の画像であり、前述の濃度値の変動係数を算出するために用いられる。 FIG. 13 shows an image emphasized in the linear direction (radial direction of the rotation center 1310), and corresponds to the image shown in FIG. The image shown in FIG. 13 is an image after image processing, and is used to calculate the above-described variation coefficient of density value.
図１４は、平滑化後の画像を表わし、図１０に示される画像に対応する。図１４に示される画像は、濃度値と、濃度値の平均値と、標準偏差との算出に用いられる。この結果に基づいて領域１４３０〜１４５０の特徴量が、それぞれ算出される。 FIG. 14 represents the image after smoothing and corresponds to the image shown in FIG. The image shown in FIG. 14 is used to calculate a density value, an average value of density values, and a standard deviation. Based on this result, the feature amounts of the regions 1430 to 1450 are calculated.
図１５を参照して、抽出された領域の細線化について説明する。図１５は、直交座標系により表わされた放射状塗布ムラ領域を細線化することにより取得された画像を表わす。 With reference to FIG. 15, the thinning of the extracted area will be described. FIG. 15 shows an image obtained by thinning the radial application unevenness region represented by the orthogonal coordinate system.
このような画像として表わされるデータが取得されると、演算部１４３は、当該データに対応する細線化領域における直線強調後の画像の濃度値の標準偏差を濃度の平均値で除した値（すなわち変動係数）を算出する。この値が、放射状に形成された塗布ムラの特徴量になる。直線領域の画像は、その領域のエッジが強調されている部分と、エッジが強調されていない部分とを含む。そのため、濃度値の変動が大きくなり、変動係数も大きくなる。したがって細線化領域に対応する直線強調後の画像の濃度値の変動係数を算出することにより、演算部１４３は、当該領域が斑状部分により強調された部分であるか否かを判定することができる。
When data represented as such an image is acquired, the
この方法によって、斑状部分の存在によって放射状に形成された塗布ムラが分断された場合にも、分断されていない状態での領域を検出することができる。また、エッジが強調された場合にも、当該領域が欠陥であるか否かを正確に判別することができる。 By this method, even when the coating unevenness formed radially due to the presence of the spotted portion is divided, it is possible to detect a region in a state where it is not divided. Even when the edge is emphasized, it is possible to accurately determine whether or not the area is defective.
次に、図１６を参照して、画像処理検査装置１４０のデータ構造について、さらに説明する。図１６は、画像処理検査装置１４０による検査の後に記憶部１４２に格納されるデータの一態様を表わす図である。
Next, the data structure of the image
記憶部１４２は、データを格納する領域１６１０〜領域１６８０を含む。領域を識別するための番号は、領域１６１０に格納されている。この番号は、たとえば前述のラベリング処理により予め設定された基準に基づいて自動的に付与された番号である。
領域の直交座標における座標データは、領域１６２０に格納されている。この座標データは、当該領域を座標値に基づいて特定するためのものである。座標値は、たとえば回転中心から最も近い点のＸ座標およびＹ座標値であるが、これに限られない。たとえば中心から最も遠い点その他の点の座標値であってもよい。
Coordinate data in the orthogonal coordinates of the area is stored in
欠陥の候補が欠陥であるか否かを判断するために算出された欠陥強度は、領域１６３０に格納されている。その判定結果は、領域１６４０に格納されている。図１６に示される例では、たとえば番号「１」の領域は、判定結果が不良（すなわち欠陥）と判定されたものである。
The defect intensity calculated to determine whether the defect candidate is a defect is stored in
欠陥強度を算出するために使用された各特徴量は、領域１６６０〜領域１６８０に格納されている。ここではたとえばｍ個の特徴量が格納されているが、欠陥強度の算出に用いられる特徴量の数は、検査の種類に応じて変更可能であってもよい。
Each feature amount used for calculating the defect strength is stored in the
記憶部１４２に格納されているデータは、画像処理検査装置１４０に対するデータの出力指示に基づいて、あるいは予め定められた出力処理に基づいて外部に出力される。たとえばディスプレイ１５０は、検査結果のデータを表示領域に示す。あるいは、画像処理検査装置１４０が着脱可能な記録媒体あるいは外部へのデータ出力インターフェイスを備える場合には、画像処理検査装置１４０は、当該記録媒体に検査結果を書き込み、あるいは当該インターフェイスを介して予め定められた送信先にデータを送信する。
The data stored in the
なお、本発明に係る画像処理検査装置１４０は、上記の実施の形態に示される構成以外でも実現可能である。すなわち、画像処理検査装置１４０により実行される処理は、たとえば、当該処理のためのプログラムが格納されたコンピュータシステムによっても実現可能である。
Note that the image
図１７を参照して、本実施の形態に係る画像処理検査装置１４０を実現するコンピュータシステムについて説明する。図１７は、コンピュータシステム１７００のハードウェア構成を表わすブロック図である。
With reference to FIG. 17, a computer system that realizes the image
コンピュータシステム１７００は、相互にデータバスにより接続されたＣＰＵ１７１０と、指示の入力を受けるためのマウス１７２０およびキーボード１７３０と、入力されるデータあるいはプログラムに従って実行される処理によって生成されるデータを一時的に格納するＲＡＭ１７４０と、データを不揮発的に格納可能なハードディスク１７５０と、ＣＤ−ＲＯＭ（Compact Disk-Read Only Memory）駆動装置１７６０と、モニタ１７８０と、通信ＩＦ（Interface）１７９０とを含む。ＣＤ−ＲＯＭ駆動装置１７６０には、ＣＤ−ＲＯＭ１７６２が装着される。
画像処理検査装置１４０として機能するコンピュータシステム１７００における処理は、各ハードウェアおよびＣＰＵ１７１０により実行されるソフトウェアによって実現される。このようなソフトウェアは、ＲＡＭ１７４０あるいはハードディスク１７５０に予め記憶されている場合もあれば、ＣＤ−ＲＯＭ１７６２その他の記憶媒体に格納されて流通している場合もある。記憶媒体に格納されているデータは、ＣＤ−ＲＯＭ駆動装置１７６０その他の読取装置によりその記憶媒体から読み取られて、ハードディスク１７５０に一旦格納される。
Processing in the
そのソフトウェアは、ＲＡＭ１７４０あるいはハードディスク１７５０から読み出されて、ＣＰＵ１７１０によって実行される。図１７に示されるコンピュータシステム１７００のハードウェア自体は、一般的なものである。したがって、本発明の本質的な部分は、ＲＡＭ１７４０、ハードディスク１７５０、ＣＤ−ＲＯＭ１７６２その他の記憶媒体に格納されたソフトウェアであるともいえる。なお、コンピュータシステム１７００の各ハードウェアの動作は周知であるので、詳細な説明は繰り返さない。
The software is read from the
以上のようにして、本発明に係る画像処理検査装置１４０によると、低コントラストな線状の欠陥を検出することができる。また、検出された領域を細線化した領域に対応する画像のデータに基づいて変動係数を算出して当該変動係数を特徴量とすることにより、フィルタ処理の結果不連続な部位が連結された場合であっても、本来連続している領域との区別が可能になるため、誤検出を防止することができる。
As described above, the image
また、コントラストの変動があっても、放射状に形成された欠陥の強度を算出することができるため、画像から抽出された欠陥の候補が真の欠陥であるか否かを正確に判断することができる。その結果、放射状の欠陥の検出精度を向上させることができる。 In addition, since the intensity of the radially formed defect can be calculated even if the contrast varies, it is possible to accurately determine whether or not the defect candidate extracted from the image is a true defect. it can. As a result, the detection accuracy of radial defects can be improved.
＜変形例＞
以下、本発明の実施の形態の変形例について説明する。なお、本変形例に係る画像処理検査装置は、前述の画像検査装置１４０が有する機能により実現可能である。そこで、この画像検査装置も、図２に示される画像検査装置１４０の構成を適宜参照して説明する。
<Modification>
Hereinafter, modifications of the embodiment of the present invention will be described. Note that the image processing inspection apparatus according to this modification can be realized by the functions of the
図１８を参照して、本変形例に係る画像検出装置の制御構造について説明する。図１８は、画像処理検査装置１４０を実現する演算部１４３が実行する処理の手順を表わすフローチャートである。なお、前述の処理（図７）と同一の処理には同一のステップ番号を付してある。したがって、それらの説明はここでは繰り返さない。
With reference to FIG. 18, the control structure of the image detection apparatus according to the present modification will be described. FIG. 18 is a flowchart illustrating a procedure of processing executed by the
ステップＳ１８１０にて、演算部１４３は、ステップＳ７０６において特定方向の線が強調された画像に基づいて、連結処理を実行することにより、連結後の画像データを導出する。より具体的には、演算部１４３は、被検査画像の縦方向（回転中心から外周に向かう半径方向）に対して、その半径方向の線を平滑化するための処理と、平滑化後の画像について、当該画像を構成する複数の部分領域の各々において、その平滑化された線を連結することにより、各部分領域における線の最大値を算出する。
In step S1810, the
すなわち、当該平滑化処理は、半径方向を平滑化するためのフィルタを用いて、予め規定された抽出基準を満足する画像（線）を抽出する処理と、角度の座標値ごとに複数の画像が存在する場合に各画像を結合することにより結合により得られた画像の半径座標の最大値および最小値を座標値ごとに算出する。たとえば、角度の座標値（たとえば、θ）に２つの画像（第１の画像および第２の画像）が含まれている場合には、以下のようにして最大値が算出される。ここで、一例として、第１の画像の半径方向の範囲を、座標値（Ｒ（１）、Ｒ（２））とする。また、第２の画像の半径方向の範囲を、座標値（Ｒ（３）、Ｒ（４））とする。この場合、座標値の大小関係を、Ｒ（１）＜Ｒ（２）＜Ｒ（３）＜Ｒ（４）とする。この場合、連結処理が行なわれると、座標値（θ）における平滑化後の画像の座標値は、（Ｒ（１）、Ｒ（４））となる。 That is, in the smoothing process, a filter for smoothing the radial direction is used to extract an image (line) that satisfies a predetermined extraction criterion, and a plurality of images are provided for each angular coordinate value. When the images exist, the maximum value and the minimum value of the radius coordinates of the images obtained by combining the images are calculated for each coordinate value. For example, when the angle coordinate value (for example, θ) includes two images (first image and second image), the maximum value is calculated as follows. Here, as an example, the radial range of the first image is defined as coordinate values (R (1), R (2)). Also, let the range in the radial direction of the second image be the coordinate values (R (3), R (4)). In this case, the magnitude relationship of the coordinate values is R (1) <R (2) <R (3) <R (4). In this case, when the connection process is performed, the coordinate values of the smoothed image at the coordinate value (θ) are (R (1), R (4)).
ステップＳ１８２０にて、演算部１４３は、連結処理が実行された後の画像の座標を極座標から直交座標に変換する。ステップＳ１８３０にて、演算部１４３は、予め設定された２値化基準（たとえば、図３における領域３３０）に基づいて、直交座標系の画像データに変換されたデータの２値化処理を実行する。その後、演算部１４３は、図７において詳述したようにステップＳ７１６以降の処理を実行する。
In step S1820,
次に、図１９から図２１を参照して、本変形例に係る画像検査装置の欠陥検出処理の推移について説明する。図１９（Ａ）〜図１９（Ｈ）は、欠陥検出処理の第１のパターンにおける画像の推移を表わす図である。 Next, transition of defect detection processing of the image inspection apparatus according to the present modification will be described with reference to FIGS. FIG. 19A to FIG. 19H are diagrams illustrating the transition of the image in the first pattern of the defect detection process.
［第１のパターン］
図１９（Ａ）に示される被検査物の画像１９１０は、被検査物の撮影によって得られた画像である。
[First pattern]
An
画像１９１０は、回転中心１９２０と、放射状に形成された３つの塗布ムラ１９３０，１９３２，１９３４を含む。画像１９１０に対して極座標変換処理（ステップＳ１９５０）が実行されると、図１９（Ｂ）に示される画像が得られる。なお、極座標変換処理は、図１８におけるステップＳ７０４の処理に相当する。
The
図１９（Ｂ）に示されるように、極座標系に変換された後の画像は、角度と半径とを座標軸として表わされる。この画像に対して、エッジ強調処理（ステップＳ１９５２）が実行されると、半径方向（すなわち、回転中心１９２０を基準とした方向）にエッジが強調された画像が得られる（図１９（Ｃ））。なお、エッジ強調処理は、図１８におけるステップＳ７０６の処理に相当する。 As shown in FIG. 19B, the image after being converted into the polar coordinate system is represented by using an angle and a radius as coordinate axes. When edge enhancement processing (step S1952) is performed on this image, an image in which edges are enhanced in the radial direction (that is, the direction with reference to the rotation center 1920) is obtained (FIG. 19C). . Note that the edge enhancement processing corresponds to the processing in step S706 in FIG.
半径方向が強調された画像（図１９（Ｃ））に対して平滑化処理（ステップＳ１９５４）が実行されると、図１９（Ｄ）に示されるように、半径方向が平滑化された画像が得られる。なお、この場合の平滑化処理は、図１８に示される連結処理（ステップＳ１８１０）に相当する。すなわち、平滑化処理は、縦方向（半径方向に相当）の画像をフィルタ処理することと、フィルタ処理後の画像を特定の横方向の座標値（角度）ごとに、最大の範囲（最小値と最大値）を算出することとを含む。 When the smoothing process (step S1954) is performed on the image in which the radial direction is emphasized (FIG. 19C), the image in which the radial direction is smoothed is obtained as shown in FIG. 19D. can get. The smoothing process in this case corresponds to the connection process (step S1810) shown in FIG. That is, in the smoothing process, the image in the vertical direction (corresponding to the radial direction) is filtered, and the image after the filter process is divided into a maximum range (minimum value and Calculating a maximum value).
当該平滑化によって得られた画像（図１９（Ｄ））に対して２値化処理が実行されると（ステップＳ１９５６）、図１９（Ｅ）に示される画像が抽出される（抽出画像）。なお、２値化処理（ステップＳ１９５６）は、図１８におけるステップＳ１８３０の処理に相当する。直交座標変換がこの抽出画像に対して実行されると（ステップＳ１９５８）、極座標系によって表わされていた画像データは、直交座標系の画像データに変換される（図１９（Ｆ））。この画像は、回転中心１９２０と、ラベル付けされた３つの領域１９７０，１９７２，１９７４とを含む。これらの領域１９７０，１９７２，１９７４は、被検査物の画像１９１０（図１９（Ａ））に示されるように、放射線状の塗布ムラ１９３０，１９３２，１９３４に対応する。
When binarization processing is executed on the image obtained by the smoothing (FIG. 19D) (step S1956), the image shown in FIG. 19E is extracted (extracted image). The binarization process (step S1956) corresponds to the process of step S1830 in FIG. When orthogonal coordinate transformation is executed on this extracted image (step S1958), the image data represented by the polar coordinate system is converted to image data of the orthogonal coordinate system (FIG. 19F). This image includes a center of
一方、直交座標変換が、２値化処理を行なうことなく、図１９（Ｄ）に示される平滑化後の画像に対して実行されると（ステップＳ１９６０）、図１９（Ｇ）に示される画像が得られる。この画像は、図１９（Ａ）に示される画像に映っている斑状の模様を含む。 On the other hand, when orthogonal coordinate transformation is performed on the smoothed image shown in FIG. 19D without performing binarization processing (step S1960), the image shown in FIG. 19G is displayed. Is obtained. This image includes a patchy pattern shown in the image shown in FIG.
また、直交座標変換が図１９（Ｃ）に示される画像に対して実行されると（ステップＳ１９６２）、図１９（Ｈ）に示される画像が得られる。この処理の流れは、平滑化処理（ステップＳ１９５４）および２値化処理（ステップＳ１９５６）を含まないため、フィルタ処理が行なわれる前の画像が、導出されることになる。 When orthogonal coordinate transformation is performed on the image shown in FIG. 19C (step S1962), the image shown in FIG. 19H is obtained. Since the flow of this process does not include the smoothing process (step S1954) and the binarization process (step S1956), the image before the filter process is performed is derived.
演算部１４３は、図１９（Ｅ）に示される画像によって特定されるデータに対応する図１９（Ｄ）の画像データを用いて、極座標系における特徴量を算出する。また、演算部１４３は、図１９（Ｆ）の画像に含まれる領域に対応する図１９（Ｇ）あるいは図１９（Ｈ）の画像データに基づいて特徴量を算出する。
The
［第２のパターン］
図２０（Ａ）から（Ｇ）は、演算部１４３が第２のパターンとして実行する処理における画像の推移を表わす図である。
[Second pattern]
FIGS. 20A to 20G are diagrams illustrating the transition of the image in the processing executed by the
演算部１４３は、最初に、図２０（Ａ）に示されるような被検査領域を抽出し、その領域を被検査画像１９１０とする。画像１９１０は、図１９（Ｅ）に示されるものと同様に、回転中心１９２０と、放射線状に形成された塗布ムラ１９３０，１９３２，１９３４を含む。演算部１４３が極座標変換を実行すると（ステップＳ２０１０）、極座標系に変換された画像データが取得される（図２０（Ｂ））。演算部１４３がエッジ強調処理を実行すると（ステップＳ２０２０）、半径方向に強調された画像が取得される（図２０（Ｃ））。なお、エッジ強調処理（ステップＳ２０２０）は、図１８におけるステップＳ７０６の処理に相当する。
First, the
演算部１４３が、半径方向が強調された画像データに基づいて平滑化処理（ステップＳ２０３０）を実行すると、平滑化後の画像データが得られる（図２０（Ｄ））。平滑化処理２０３０は、図１８における連結処理（ステップＳ１８１０）に相当する。平滑化処理によって得られた画像データに対して演算部１４３が直交座標変換を実行すると（ステップＳ２０４０）、図２０（Ｅ）に示されるような画像が得られる。
When the
ステップＳ２０５０として、演算部１４３が、その画像に対して２値化処理を実行すると、直交座標系において領域が抽出された画像が得られる（図２０（Ｆ））。この画像は、回転中心１９２０と、ラベル付けされた領域１９７０，１９７２，１９７４を含む。
In step S2050, when the
一方、ステップＳ２０６０として、演算部１４３が、図２０（Ｃ）に示される画像に対応するデータに基づいて直交座標変換を実行すると、図２０（Ｇ）に示される画像が得られる。この場合、平滑化処理（ステップＳ２０３０）が行なわれていないため、フィルタ処理および縦方向の連結処理が行なわれなかった画像が得られる。この画像は、斑状の模様のようなノイズを含むことになる。
On the other hand, when the
演算部１４３は、図２０（Ｆ）の領域に対する図２０（Ｅ）あるいは（Ｇ）に示される画像に基づいて特徴量を算出する。
The
上記の第２のパターンによる処理は、極座標の特徴が不要である場合に適用するのが好ましい。この場合、直交変換する画像が減るため、演算に要するステップが少なくなり、演算結果を得るまでの時間が短くなり、あるいは、演算に要するコストが削減され得る。 The processing by the second pattern is preferably applied when the polar coordinate feature is unnecessary. In this case, since the number of images to be orthogonally transformed is reduced, the number of steps required for calculation is reduced, the time required to obtain the calculation result is shortened, or the cost required for calculation can be reduced.
［第３のパターン］
検出の対象となる欠陥が極座標の特徴量のみで絞り込める場合には、第３のパターンとして、演算部１４３は、以下のような処理を実行してもよい。この場合、直交座標系に変換されたデータに基づいて算出される特徴量の個数が減るため、算出のための負荷が低減され得る。
[Third pattern]
When defects to be detected can be narrowed down only by polar coordinate feature amounts, the
図２１（Ａ）から（Ｉ）は、第３のパターンにおける画像の推移を表わす図である。図２１（Ａ）に示されるように、演算部１４３は、被検査領域を抽出し（ステップＳ７０２）、その抽出された領域を画像１９１０として取得する。画像１９１０は、前述のように回転中心１９２０と、回転中心１９２０から放射状に形成された塗布ムラ１９３０，１９３２，１９３４を含む。
FIGS. 21A to 21I are diagrams showing image transitions in the third pattern. As shown in FIG. 21A, the
演算部１４３が画像１９１０に対して極座標変換を実行すると（ステップＳ２１１０）、図２１（Ｂ）に示される画像が得られる。この画像は、回転中心１９２０を起点とした角度と半径方向の長さ等によって表わされる。演算部１４３が、図２１（Ｂ）に示される極座標系の画像に対してエッジ強調処理を実行すると（ステップＳ２１２０）、図２１（Ｃ）に示される画像が得られる。ここで、エッジ強調処理（ステップＳ２１２０）は、図１８におけるステップＳ７０６の処理に相当する。
When the
演算部１４３が、図２１（Ｃ）に示される画像に対して平滑化処理を実行すると（ステップＳ２１３０）、図２１（Ｄ）に示される画像が得られる。この平滑化処理（ステップＳ２１３０）は、図１８における連結処理（ステップＳ１８１０）に相当する。
When the
演算部１４３が、図２１（Ｄ）に示される画像に基づいて２値化処理を実行する（ステップＳ２１４０）と、図２１（Ｅ）に示される画像が抽出される（抽出画像）。この処理は、図１８における２値化処理（ステップＳ１８３０）に対応する。
When the
演算部１４３は、図２１（Ｅ）に示される領域に対応する図２１（Ｄ）の領域に基づいて、極座標系における特徴量を算出する。演算部１４３は、その特徴量に応じて抽出された領域を絞り込む（ステップＳ２１５０）。この絞り込みにより、図２１（Ｆ）に示される画像が抽出される。
The
その後、演算部１４３が、図２１（Ｆ）に示される画像に基づいて直交座標変換を実行すると（ステップＳ２１６０）、直交座標系で表わされた画像が抽出される（図２１（Ｇ））。
After that, when the
一方、演算部１４３が、図２１（Ｄ）に示される平滑化後の画像データに基づいて直交座標変換処理を実行すると（ステップＳ２１７０）、図２１（Ｈ）に示される平滑化処理が行なわれた後の画像データが導出される。
On the other hand, when
また、演算部１４３が、図２１（Ｃ）に示される線方向が強調された後の画像データに基づいて直交座標変換を実行すると（ステップＳ２１８０）、図２１（Ｉ）に示される画像データが算出される。
When the
演算部１４３は、図２１（Ｇ）のラベル付けされた領域に対応する図２１（Ｈ）または（Ｉ）の画像データに基づいて特徴量を算出する。
The
以上のようにして、本変形例に係る画像検査装置は、検査画像を極座標変換した後、半径方向に平滑化する。これにより、放射状に発生した欠陥が強調される。その後、画像検査装置は、直交座標変換を再度実行し、直交空間で特徴量を算出する。画像検査装置は、その特徴量に基づいて欠陥を判断する。画像検査装置は、画像データを極座標系の画像データに変換することにより、より少ない処理ステップ（低い計算コスト）で、放射状の欠陥のみを強調することができる。画像検査装置は、画像データの座標系を極座標系から直交座標系に再び変換する。これにより、画像検査装置は、実際の画像サイズに相関のある特徴量を算出できるため、欠陥であるか否かの判定がより正確になる。本変形例に係る画像検査装置は、平滑化後に細線化処理を実行し、細線化領域に対応する変動係数を算出する。画像検査装置は、その変動係数を特徴量の１つとして使用する。その結果、欠陥の検出の精度が向上し得る。 As described above, the image inspection apparatus according to the present modification smoothes the inspection image in the radial direction after performing polar coordinate conversion. Thereby, the defect which generate | occur | produced radially is emphasized. Thereafter, the image inspection apparatus performs orthogonal coordinate transformation again to calculate a feature value in the orthogonal space. The image inspection apparatus determines a defect based on the feature amount. By converting the image data into polar coordinate system image data, the image inspection apparatus can emphasize only the radial defects with fewer processing steps (low calculation cost). The image inspection apparatus again converts the coordinate system of the image data from the polar coordinate system to the orthogonal coordinate system. As a result, the image inspection apparatus can calculate a feature quantity correlated with the actual image size, so that the determination of whether or not the image is a defect becomes more accurate. The image inspection apparatus according to the present modification executes a thinning process after smoothing, and calculates a variation coefficient corresponding to the thinned region. The image inspection apparatus uses the coefficient of variation as one of the feature amounts. As a result, the accuracy of defect detection can be improved.
今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。 The embodiment disclosed this time should be considered as illustrative in all points and not restrictive. The scope of the present invention is defined by the terms of the claims, rather than the description above, and is intended to include any modifications within the scope and meaning equivalent to the terms of the claims.
本発明は、液晶パネル作成時のマクロ画像から欠陥を検出する画像検査装置に適用可能である。また、本発明は、画像上で窪みのように見える部分を検出する画像検査装置にも適用可能である。 The present invention is applicable to an image inspection apparatus that detects a defect from a macro image when a liquid crystal panel is created. The present invention can also be applied to an image inspection apparatus that detects a portion that looks like a depression on an image.
１００ 検査システム、１１０ 被検査基板、１２０ 照明部、１３０ 撮像部、１４０ 画像処理検査装置、１４１ 画像入力部、１４２ 記憶部、１４３ 演算部、１４４ 出力部、１４５ 入力部、１５０ ディスプレイ、２０２ データ入力部、２０３ 取得部、２０４ 極座標変換部、２０６ フィルタ処理部、２０８ 平滑化処理部、２１０ ２値化処理部、２１２ 抽出部、２１４ 直交座標変換部、２１６ 算出部、２１８ 欠陥判定部、２２０ 結果出力部、１７００ コンピュータシステム、１７１０ ＣＰＵ、１７２０ マウス、１７３０ キーボード、１７４０ ＲＡＭ、１７５０ ハードディスク、１７６０ ＣＤ−ＲＯＭ駆動装置、１７６２ ＣＤ−ＲＯＭ、１７８０ モニタ、１７９０ 通信ＩＦ。
DESCRIPTION OF
Claims (9)
前記データから予め定められた検査領域に対応する画像データを取得する取得手段とを備え、前記画像データは、直交座標系で表わされており、
前記画像データを極座標系のデータに変換する第１の変換手段と、
前記極座標系により表わされる画像データに対して、前記回転軸に対応する回転中心から半径方向の直線を平滑化する平滑化処理手段と、
前記平滑化後の画像データを、前記直交座標系のデータに変換する第２の変換手段と、
前記第２の変換後の前記直交座標系により表される画像データに基づいて、前記被検査物の表面における欠陥の候補を抽出する抽出手段と、
前記直交座標系に変換後の画像データに基づいて、前記欠陥の候補の特徴量を算出する特徴量算出手段と、
予め定められた判断基準と前記特徴量とに基づいて、前記欠陥の候補が欠陥であるか否かを判断する判断手段と、
前記判断手段による判断の結果を出力する出力手段とを備える、欠陥の検出装置。 Input means for receiving input of data generated on the basis of imaging of an inspection object that has been processed while rotating around a predetermined rotation axis;
Acquisition means for acquiring image data corresponding to a predetermined inspection area from the data, the image data is represented in an orthogonal coordinate system,
First conversion means for converting the image data into polar coordinate system data;
Smoothing processing means for smoothing a radial straight line from the rotation center corresponding to the rotation axis for the image data represented by the polar coordinate system;
Second conversion means for converting the smoothed image data into data of the orthogonal coordinate system;
Extraction means for extracting defect candidates on the surface of the inspection object based on image data represented by the orthogonal coordinate system after the second transformation;
Feature amount calculating means for calculating the feature amount of the defect candidate based on the image data converted into the orthogonal coordinate system;
Determination means for determining whether or not the defect candidate is a defect based on a predetermined determination criterion and the feature amount;
An apparatus for detecting a defect, comprising: output means for outputting a result of determination by the determination means.
前記極座標系により表わされる画像データに対して、半径方向の直線を強調するためのフィルタ処理を実行するフィルタ手段と、
前記フィルタ処理後の画像データに基づいて、前記半径方向の直線の平滑化を行なう手段とを含み、
前記抽出手段は、
予め定められた二値化基準に基づいて、前記平滑化後の画像データの二値化処理を行なう二値化手段と、
前記二値化処理後の画像データから、予め定められた抽出基準を満足する画像データを前記欠陥の候補として抽出する手段とを含み、
前記第２の変換手段は、前記フィルタ処理後の画像データと、前記平滑化後の画像データとを、前記直交座標系のデータに変換する手段を含む、請求項１に記載の欠陥の検出装置。 The smoothing processing means includes
Filter means for executing filter processing for emphasizing a straight line in the radial direction for the image data represented by the polar coordinate system;
Means for smoothing the radial straight line based on the filtered image data,
The extraction means includes
Binarization means for performing binarization processing of the image data after the smoothing based on a predetermined binarization standard;
Means for extracting, from the image data after the binarization processing, image data satisfying a predetermined extraction criterion as the defect candidate,
2. The defect detection apparatus according to claim 1, wherein the second conversion unit includes a unit that converts the image data after the filtering process and the image data after the smoothing into data of the orthogonal coordinate system. .
前記特徴量に基づいて、前記欠陥の候補についての欠陥の程度を表わす欠陥強度を算出する強度算出手段と、
前記判断基準と前記欠陥強度とに基づいて、前記欠陥の候補が欠陥であるか否かを判断する手段とを含む、請求項２に記載の欠陥の検出装置。 The determination means includes
Based on the feature amount, intensity calculating means for calculating a defect intensity representing a degree of defects for the defect candidates;
The defect detection apparatus according to claim 2, further comprising: a unit that determines whether the defect candidate is a defect based on the determination criterion and the defect intensity.
前記欠陥の候補が前記算出条件を満足する場合に新たな特徴量を算出する手段とをさらに備える、請求項４に記載の欠陥の検出装置。 Condition determining means for determining whether or not the defect candidate satisfies a predetermined calculation condition based on the image data converted into the orthogonal coordinate system data;
The defect detection apparatus according to claim 4, further comprising: a unit that calculates a new feature amount when the defect candidate satisfies the calculation condition.
前記強度算出手段は、前記平均値と前記変化率とに基づいて前記強度を算出する、請求項４に記載の欠陥の検出装置。 The feature amount calculating means includes a change rate calculating means for calculating an average value of density values of the defect candidates and a change rate of the density value,
The defect detection apparatus according to claim 4, wherein the intensity calculation unit calculates the intensity based on the average value and the change rate.
前記変化率算出手段は、前記細線化処理後の前記欠陥の候補についての前記平均値と前記変化率とを算出する、請求項６に記載の欠陥の検出装置。 The feature quantity calculating means further includes means for performing a thinning process for narrowing the width of the defect candidate area based on the data converted into the data of the orthogonal coordinate system,
The defect detection apparatus according to claim 6, wherein the change rate calculation unit calculates the average value and the change rate for the defect candidates after the thinning process.
前記データから予め定められた検査領域に対応する画像データを取得するステップとを備え、前記画像データは、直交座標系で表わされており、
前記画像データを極座標系のデータに変換するステップと、
前記極座標系により表わされる画像データに対して、前記回転軸に対応する回転中心から半径方向の直線を平滑化するステップと、
前記平滑化後の画像データを、直交座標系のデータに変換するステップと、
前記直交座標系に変換後の画像データに基づいて、前記被検査物の表面における欠陥の候補を抽出するステップと、
前記直交座標系に変換後の画像データに基づいて、前記欠陥の候補の特徴量を算出するステップと、
予め定められた判断基準と前記特徴量とに基づいて、前記欠陥の候補が欠陥であるか否かを判断するステップと、
前記判断ステップによる判断の結果を出力するステップとを備える、欠陥の検出方法。 Receiving input of data generated based on imaging of an object to be inspected that is processed while rotating around a predetermined rotation axis;
Obtaining image data corresponding to a predetermined inspection area from the data, the image data is represented in an orthogonal coordinate system,
Converting the image data into polar coordinate system data;
Smoothing a radial line from the rotation center corresponding to the rotation axis for the image data represented by the polar coordinate system;
Converting the smoothed image data into orthogonal coordinate system data;
Extracting defects candidates on the surface of the object to be inspected based on the image data converted into the orthogonal coordinate system;
Calculating feature quantities of the defect candidates based on the image data converted into the orthogonal coordinate system;
Determining whether the defect candidate is a defect based on a predetermined criterion and the feature amount; and
And a step of outputting a result of determination by the determination step.
予め定められた回転軸を中心に回転する間に処理が施された被検査物の撮影に基づいて生成されたデータの入力を受けるステップと、
前記データから予め定められた検査領域に対応する画像データを取得するステップとを実行させ、前記画像データは、直交座標系で表わされており、
さらに、前記プログラムは前記コンピュータに、
前記画像データを極座標系の画像データに変換するステップと、
前記極座標系により表わされる画像データに対して、前記回転軸に対応する回転中心から半径方向の直線を平滑化するステップと、
前記平滑化後の画像データを、直交座標系のデータに変換するステップと、
前記直交座標系に変換後の画像データに基づいて、前記被検査物の表面における欠陥の候補を抽出するステップと、
前記直交座標系に変換後の画像データに基づいて、前記欠陥の候補の特徴量を算出するステップと、
予め定められた判断基準と前記特徴量とに基づいて、前記欠陥の候補が欠陥であるか否かを判断するステップと、
前記判断ステップによる判断の結果を出力するステップとを実行させる、プログラム。 A program for causing a computer to function as a defect detection device, wherein the program causes the computer to
Receiving input of data generated based on imaging of an object to be inspected that is processed while rotating around a predetermined rotation axis;
Obtaining image data corresponding to a predetermined inspection area from the data, and the image data is represented in an orthogonal coordinate system,
Furthermore, the program is stored in the computer.
Converting the image data into polar coordinate image data;
Smoothing a radial line from the rotation center corresponding to the rotation axis for the image data represented by the polar coordinate system;
Converting the smoothed image data into orthogonal coordinate system data;
Extracting defects candidates on the surface of the object to be inspected based on the image data converted into the orthogonal coordinate system;
Calculating the feature amount of the defect candidate based on the image data converted into the orthogonal coordinate system;
Determining whether the defect candidate is a defect based on a predetermined criterion and the feature amount; and
And a step of outputting a result of determination by the determination step.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2007043989A JP2008209134A (en) | 2007-02-23 | 2007-02-23 | Device and method for detecting defect, and program for functioning computer as detector |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2007043989A JP2008209134A (en) | 2007-02-23 | 2007-02-23 | Device and method for detecting defect, and program for functioning computer as detector |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2008209134A true JP2008209134A (en) | 2008-09-11 |
Family
ID=39785574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2007043989A Pending JP2008209134A (en) | 2007-02-23 | 2007-02-23 | Device and method for detecting defect, and program for functioning computer as detector |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2008209134A (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011061887A1 (en) * | 2009-11-18 | 2011-05-26 | 本田技研工業株式会社 | Surface inspection device and surface inspection method |
| JPWO2017056787A1 (en) * | 2015-09-29 | 2018-08-09 | 富士フイルム株式会社 | Image processing apparatus, image processing method, and program |
| US10679336B2 (en) | 2018-01-25 | 2020-06-09 | Samsung Electronics Co., Ltd. | Detecting method, detecting apparatus, and computer readable storage medium |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003168114A (en) * | 2001-12-04 | 2003-06-13 | Olympus Optical Co Ltd | Defect sorting device |
-
2007
- 2007-02-23 JP JP2007043989A patent/JP2008209134A/en active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003168114A (en) * | 2001-12-04 | 2003-06-13 | Olympus Optical Co Ltd | Defect sorting device |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011061887A1 (en) * | 2009-11-18 | 2011-05-26 | 本田技研工業株式会社 | Surface inspection device and surface inspection method |
| CN102597753A (en) * | 2009-11-18 | 2012-07-18 | 本田技研工业株式会社 | Surface inspection device and surface inspection method |
| JP5315417B2 (en) * | 2009-11-18 | 2013-10-16 | 本田技研工業株式会社 | Surface inspection apparatus and surface inspection method |
| US8953870B2 (en) | 2009-11-18 | 2015-02-10 | Honda Motor Co., Ltd. | Surface inspection device and surface inspection method |
| JPWO2017056787A1 (en) * | 2015-09-29 | 2018-08-09 | 富士フイルム株式会社 | Image processing apparatus, image processing method, and program |
| US10559068B2 (en) | 2015-09-29 | 2020-02-11 | Fujifilm Corporation | Image processing device, image processing method, and program processing image which is developed as a panorama |
| US10679336B2 (en) | 2018-01-25 | 2020-06-09 | Samsung Electronics Co., Ltd. | Detecting method, detecting apparatus, and computer readable storage medium |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8055055B2 (en) | Method for inspecting a foreign matter on mirror-finished substrate | |
| US9171364B2 (en) | Wafer inspection using free-form care areas | |
| TWI716684B (en) | Critical dimension measuring method and image processing apparatus for measuring critical dimension | |
| JP5225297B2 (en) | Method for recognizing array region in die formed on wafer, and setting method for such method | |
| JP4008291B2 (en) | Pattern inspection apparatus, pattern inspection method, and program | |
| JP5344699B2 (en) | Semiconductor wafer edge inspection apparatus and edge inspection method | |
| JP5463943B2 (en) | Image data processing method and image creation method | |
| JP7053366B2 (en) | Inspection equipment and inspection method | |
| JP4067677B2 (en) | Scanning electron microscope automatic detection sequence file creation method and scanning electron microscope automatic length measurement sequence method | |
| CN112070766A (en) | Defect detection method and device, detection equipment and readable storage medium | |
| TW201738985A (en) | System, method and computer program product for correcting a difference image generated from a comparison of target and reference dies | |
| JP2008209134A (en) | Device and method for detecting defect, and program for functioning computer as detector | |
| JP2010091361A (en) | Method and device for inspecting image | |
| JP3431567B2 (en) | Defect inspection device and inspection method | |
| JP4550559B2 (en) | Appearance inspection apparatus, appearance inspection method, and program for causing computer to function as appearance inspection apparatus | |
| JP2009222516A (en) | Edge inspection apparatus and edge inspection method | |
| JP2007064884A (en) | Detector and method for detecting radial defect, and program for functioning computer as detector | |
| JP2014016239A (en) | X-ray inspection method and x-ray inspection device | |
| CN115423756A (en) | Method for obtaining information of wafer edge point and positioning wafer | |
| JP2010091360A (en) | Method and device for inspecting image | |
| JP2009294123A (en) | Pattern discriminator, pattern discriminating method and inspection device of sample | |
| JP2014190805A (en) | Data processing method of tire shape inspection device, data processing program of tire shape inspection device, and data processing device of tire shape inspection device | |
| JP4247993B2 (en) | Image inspection apparatus, image inspection method, control program, and readable storage medium | |
| JP2000122265A (en) | Photomask appearance inspection device | |
| TWI717508B (en) | System, method and computer program product for detecting defects in a fabricated target component using consistent modulation for the target and reference components |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090218 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110719 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20111206 |