JP2010230452A - Method for inspecting defect and defect inspection system - Google Patents
Method for inspecting defect and defect inspection system Download PDFInfo
- Publication number
- JP2010230452A JP2010230452A JP2009077696A JP2009077696A JP2010230452A JP 2010230452 A JP2010230452 A JP 2010230452A JP 2009077696 A JP2009077696 A JP 2009077696A JP 2009077696 A JP2009077696 A JP 2009077696A JP 2010230452 A JP2010230452 A JP 2010230452A
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- defective
- setting
- range
- image
- 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- Withdrawn
Links
Images
Abstract
Description
本発明は、同一仕様の多数の検査対象物を順次撮像して得られる画像を用いて、画像処理により各検査対象物の欠陥の有無を検査する欠陥検査方法および欠陥検査システムに関するものである。 The present invention relates to a defect inspection method and a defect inspection system for inspecting each inspection object for defects by image processing using images obtained by sequentially imaging a large number of inspection objects of the same specification.
たとえば電子部品材料、医薬品、食品などの製造に当たって、同一仕様の物品を量産する場合に、撮像された検査対象物の画像を検査員が目視で確認する方法では検査精度が悪く効率もよくないため、画像処理によって欠陥の有無を自動的に判定できる上記欠陥検査方法を用いることが多い。 For example, when mass-producing articles with the same specifications in the production of electronic component materials, pharmaceuticals, foods, etc., the method in which the inspector visually confirms the image of the imaged inspection object is not accurate and efficient. In many cases, the defect inspection method that can automatically determine the presence or absence of a defect by image processing is used.
一般的に、この種の欠陥検査に用いられる欠陥検査システムは、検査対象物に光またはＸ線を照射する照射装置と、検査対象物を撮像して濃淡値を画素値とした撮像画像を得る撮像装置と、撮像装置で得られた撮像画像から検査対象物の欠陥の有無を検査する画像処理装置とを備えている。すなわち、検査対象物に可視光を照射した状態で得られた撮像画像からは、検査対象物の外観上の欠陥（ひび割れ、キズ等）を検査することができる。また、検査対象物にＸ線を照射して得られた検査対象物のＸ線透過画像を用いれば、検査対象物を破壊せずに検査対象物の内部の欠陥（異物混入、気泡等）を検査することが可能である（たとえば特許文献１参照）。 In general, a defect inspection system used for this type of defect inspection obtains an irradiation device that irradiates an inspection target with light or X-rays, and a captured image in which the inspection target is imaged and gray values are used as pixel values. An imaging apparatus and an image processing apparatus that inspects the presence or absence of a defect of an inspection object from a captured image obtained by the imaging apparatus are provided. That is, defects (cracks, scratches, etc.) on the appearance of the inspection object can be inspected from the captured image obtained in a state where the inspection object is irradiated with visible light. Further, if an X-ray transmission image of the inspection object obtained by irradiating the inspection object with X-rays is used, defects (foreign matter contamination, bubbles, etc.) inside the inspection object can be obtained without destroying the inspection object. It is possible to inspect (for example, refer to Patent Document 1).
この種の欠陥検査方法として、予め欠陥のない良品を撮像した画像（設定用画像）によって画素ごとに濃淡値について良品となる範囲を規定しておき、検査対象物を撮像して得られた撮像画像の各画素の濃淡値を良品範囲と比較し、濃淡値が良品範囲にないと判定された画素数に応じて検査対象物の欠陥の有無を判定することが考えられる。この方法では、撮像画像において濃淡値が良品範囲外となる画素が規定数を超える場合に、当該検査対象物に欠陥があるものと判定される。 As this type of defect inspection method, an image obtained by imaging an inspection object by prescribing a range in which a gray value is determined for each pixel by an image (setting image) obtained by imaging a non-defective product in advance. It is conceivable to compare the gray value of each pixel of the image with the non-defective range and determine the presence or absence of a defect in the inspection object according to the number of pixels for which the gray value is determined not to be within the non-defective range. In this method, when the number of pixels whose grayscale value is outside the non-defective range exceeds the specified number in the captured image, it is determined that the inspection object is defective.
ところで、多数の検査対象物を順次検査するに当たっては、たとえば照射装置の出力低下などによって撮像画像の濃淡値が徐々に変化することがあるので、濃淡値について最初に設定された良品範囲が必ずしも最適な値とは限らず、濃淡値の良品範囲を随時更新して最適化することが望ましい。このように閾値を随時更新して最適化するための手法として、ニューラルネットワーク等の学習型アルゴリズムを用いることが考えられている。 By the way, when sequentially inspecting a large number of inspection objects, the gray value of the captured image may gradually change due to, for example, a decrease in the output of the irradiation device. It is not always a good value, but it is desirable to optimize the good and dark range of the gray value by updating it as needed. As a technique for updating and optimizing the threshold value as needed in this way, it is considered to use a learning type algorithm such as a neural network.
しかし、ニューラルネットワーク等の学習型アルゴリズムを用いた方法では、良品範囲を更新するための演算処理が複雑であるため、各検査対象物の欠陥検査にかかる時間が長くなるという問題がある。 However, a method using a learning type algorithm such as a neural network has a problem in that the time required for defect inspection of each inspection object is increased because the arithmetic processing for updating the non-defective product range is complicated.
本発明は上記事由に鑑みて為されたものであって、比較的簡単な処理で、濃淡値の良品範囲を随時更新して最適化することができる欠陥検査方法および欠陥検査システムを提供することを目的とする。 The present invention has been made in view of the above-described reasons, and provides a defect inspection method and a defect inspection system capable of updating and optimizing a non-defective range of gray values at any time with a relatively simple process. With the goal.
請求項１の発明は、光またはＸ線を検査対象物に照射した状態で検査対象物の画像を撮像装置にて撮像し、濃淡値を画素値とし且つ同一仕様の多数の検査対象物について同一部位が同一画素に対応する撮像画像を得る撮像過程を含み、前記多数の検査対象物を順次撮像して得られる撮像画像を用いて画像処理装置にて各検査対象物の欠陥の有無を検査する欠陥検査方法であって、検査対象物の撮像画像を設定用画像として設定用画像メモリに記憶する設定用記憶過程と、設定用画像メモリに蓄積された複数枚の設定用画像について画素ごとに濃淡値の度数分布を求める分布算出過程と、度数分布の結果を用い既定の設定ルールに従って濃淡値の良品範囲を設定する範囲設定過程と、撮像画像を撮像画像メモリに記憶する撮像記憶過程と、撮像画像の各画素ごとに濃淡値が前記良品範囲内にあるか否かを判断し、良品範囲内にある画素を良品画素、良品範囲内にない画素を不良画素と判定する画素判定過程と、撮像画像に含まれる不良画素の個数から検査対象物の欠陥の有無を判定する欠陥判定過程と、欠陥判定過程で欠陥がないと判定された場合に当該検査対象物の撮像画像を設定用画像として設定用記憶過程により設定用画像メモリに記憶し、分布算出過程および範囲設定過程により良品範囲を自動的に更新させる範囲更新過程とを有することを特徴とする。 According to the first aspect of the present invention, the image of the inspection object is picked up by the image pickup device in a state where the inspection object is irradiated with light or X-rays. Including an imaging process in which a part has a captured image corresponding to the same pixel, and using the captured images obtained by sequentially capturing the multiple inspection objects, the image processing apparatus inspects each of the inspection objects for defects. A defect inspection method, which is a setting storage process in which a captured image of an inspection target is stored in a setting image memory as a setting image, and a plurality of setting images accumulated in the setting image memory are shaded for each pixel. A distribution calculation process for obtaining a frequency distribution of values, a range setting process for setting a non-defective range of gray values according to a predetermined setting rule using a result of the frequency distribution, an imaging storage process for storing a captured image in a captured image memory, and imaging A pixel determination process for determining whether or not the gray value is within the above-mentioned non-defective range for each pixel of the image, and determining a pixel within the non-defective range as a non-defective pixel and a pixel not within the non-defective range as a defective pixel, and imaging A defect determination process for determining the presence / absence of a defect in the inspection object from the number of defective pixels included in the image, and when the defect determination process determines that there is no defect, a captured image of the inspection object is set as a setting image And a range update process in which the non-defective product range is automatically updated by a distribution calculation process and a range setting process.
この発明によれば、欠陥判定過程で欠陥がないと判定された場合に当該検査対象物の撮像画像を設定用画像として設定用記憶過程により設定用画像メモリに記憶し、分布算出過程および範囲設定過程により良品範囲を自動的に更新させる範囲更新過程を有するので、濃淡値の良品範囲は随時更新されることになる。すなわち、濃淡値の良品範囲は、欠陥判定過程での判定結果がフィードバックされることにより自動的に更新されるので、多数の検査対象物を順次検査する場合でも、常に最適な良品範囲を用いて欠陥の検査を行うことができる。しかも、良品範囲の更新は、設定用画像メモリに蓄積された複数枚の設定用画像について画素ごとに濃淡値の度数分布を求める分布算出過程と、度数分布の結果を用い既定の設定ルールに従って濃淡値の良品範囲を設定する範囲設定過程とで実現されるので、ニューラルネットワーク等の学習型アルゴリズムを用いた方法に比較して、良品範囲を更新するための処理が簡単になる。結果的に、比較的簡単な処理で、濃淡値の良品範囲を随時更新して最適化することができるという利点がある。 According to the present invention, when it is determined that there is no defect in the defect determination process, the captured image of the inspection object is stored as a setting image in the setting image memory by the setting storage process, and the distribution calculation process and the range setting are performed. Since the non-defective range is automatically updated by the process, the non-defective range of the gray value is updated as needed. In other words, the non-defective range of the gray value is automatically updated by feeding back the determination result in the defect determination process, so even when sequentially inspecting a large number of inspection objects, always use the optimal non-defective range. Defect inspection can be performed. In addition, the non-defective product range is updated in accordance with a distribution calculation process for obtaining a frequency distribution of gray values for each pixel of a plurality of setting images stored in the setting image memory, and in accordance with a predetermined setting rule using the result of the frequency distribution. Since it is realized by a range setting process for setting a non-defective range of values, processing for updating the non-defective range is simplified as compared with a method using a learning type algorithm such as a neural network. As a result, there is an advantage that the non-defective range of the gray value can be updated and optimized at any time with a relatively simple process.
請求項２の発明は、請求項１の発明において、前記画素判定過程で前記良品画素と判定された画素のうち前記不良画素と判定された画素で周囲を囲まれたものがある場合、良品画素と判定された当該画素については判定結果を不良画素と改める判定修正過程を有することを特徴とする。 According to a second aspect of the present invention, in the first aspect of the invention, when there is a pixel surrounded by the pixel determined as the defective pixel among the pixels determined as the good pixel in the pixel determination process, The pixel determined to have a determination correction process for changing the determination result to a defective pixel.
この発明によれば、一旦は良品画素と判定された画素であっても周囲が不良画素で囲まれたものについては不良画素と判定結果が改められるので、撮像画像の欠陥部分に含まれる１画素が誤って良品画素と判定された場合に当該画素を不良画素と判定し直すことができる。結果的に、良品画素と不良画素との判定確度が向上するという利点がある。 According to the present invention, even if a pixel is determined to be a non-defective pixel, the determination result is corrected for a pixel surrounded by a defective pixel, so that one pixel included in the defective portion of the captured image is corrected. Is erroneously determined to be a non-defective pixel, the pixel can be determined as a defective pixel. As a result, there is an advantage that the determination accuracy between a non-defective pixel and a defective pixel is improved.
請求項３の発明は、請求項２の発明において、前記判定修正過程において判定結果が前記不良画素と改められた画素がある場合に、前記良品範囲について範囲を狭めるように修正する範囲修正過程を有することを特徴とする。 According to a third aspect of the present invention, in the second aspect of the invention, when there is a pixel whose determination result is changed to the defective pixel in the determination correction process, a range correction process for correcting the non-defective range so as to narrow the range is performed. It is characterized by having.
この発明によれば、撮像画像の欠陥部分に含まれる１画素が誤って良品画素と判定された場合に良品範囲が狭められるので、以降の画素判定過程では、良品画素と認めるための判断基準が厳しくなり、不良画素が誤って良品画素と判定されることを低減できる。 According to the present invention, when one pixel included in the defective portion of the captured image is erroneously determined to be a non-defective pixel, the non-defective range is narrowed. Therefore, in the subsequent pixel determination process, a determination criterion for recognizing a non-defective pixel is It becomes severe, and it can reduce that a defective pixel is erroneously determined as a good pixel.
請求項４の発明は、請求項２の発明において、前記判定修正過程において判定結果が前記不良画素と改められた前記撮像画像が２枚以上の規定枚数に達した場合に、前記良品範囲について範囲を狭めるように修正する範囲修正過程を有することを特徴とする。 According to a fourth aspect of the present invention, in the second aspect of the present invention, the range of the non-defective product range is determined when the number of the captured images in which the determination result is changed to the defective pixel in the determination correction process reaches a specified number of two or more. It has a range correction process for correcting so as to narrow the range.
この発明によれば、撮像画像の欠陥部分に含まれる１画素が誤って良品画素と判定された場合に良品範囲が狭められるので、以降の画素判定過程では、良品画素と認めるための判断基準が厳しくなり、不良画素が誤って良品画素と判定されることを低減できる。しかも、判定結果が改められた撮像画像が規定枚数に達するまでは良品範囲が修正されることはないため、良品画素と判定されるべき画素について判定結果が不良画素に誤って改められたような場合に、良品範囲まで修正されてしまうことを回避できる。すなわち、良品範囲は反復性のあるデータに基づいて修正されるため、良品範囲の信頼性が高くなる。 According to the present invention, when one pixel included in the defective portion of the captured image is erroneously determined to be a non-defective pixel, the non-defective range is narrowed. Therefore, in the subsequent pixel determination process, a determination criterion for recognizing a non-defective pixel is It becomes severe, and it can reduce that a defective pixel is erroneously determined as a good pixel. In addition, the non-defective range is not corrected until the number of captured images with the revised determination result reaches the specified number, so that the determination result for a pixel that should be determined to be a non-defective pixel is erroneously changed to a defective pixel. In this case, it is possible to avoid the correction to the non-defective range. That is, since the good product range is corrected based on repetitive data, the reliability of the good product range becomes high.
請求項５の発明は、請求項１ないし請求項４のいずれかの発明において、前記設定用記憶過程では、前記設定用画像メモリに蓄積された前記設定用画像が設定用画像メモリに記憶可能な上限枚数に達すると、設定用画像メモリ内の設定用画像を古い側から順に削除しながら新しい設定用画像を記憶することを特徴とする。 According to a fifth aspect of the present invention, in the invention according to any one of the first to fourth aspects, the setting image stored in the setting image memory can be stored in the setting image memory in the setting storage process. When the upper limit number is reached, new setting images are stored while the setting images in the setting image memory are deleted in order from the oldest side.
この発明によれば、設定用画像メモリに上限枚数まで設定用画像が記憶されると、以降は古い設定用画像を削除しながら新しい設定用画像を記憶するので、設定用画像メモリには常に新しい設定用画像が残ることとなり、これらの新しい設定用画像を利用して濃淡値の良品範囲を設定することができる。したがって、設定用画像メモリの空き容量がなくなった後も、良品範囲を随時更新して最適化することができる。 According to the present invention, when the setting image is stored in the setting image memory up to the upper limit number, the new setting image is stored while deleting the old setting image, so that the setting image memory is always new. The setting image remains, and the non-defective range of the gray value can be set using these new setting images. Therefore, the non-defective product range can be updated and optimized as needed even after the setting image memory has no free space.
請求項６の発明は、光またはＸ線を検査対象物に照射する照射装置と、検査対象物の画像を撮像して、濃淡値を画素値とし且つ同一仕様の多数の検査対象物について同一部位が同一画素に対応する撮像画像を得る撮像装置と、前記多数の検査対象物を順次撮像して得られる撮像画像を用いて各検査対象物の欠陥の有無を検査する画像処理装置とを備えた欠陥検査システムであって、画像処理装置が、検査対象物の撮像画像を設定用画像として記憶する設定用画像メモリと、設定用画像メモリに蓄積された複数枚の設定用画像について画素ごとに濃淡値の度数分布を求める分布算出手段と、度数分布の結果を用い既定の設定ルールに従って濃淡値の良品範囲を設定する範囲設定手段と、撮像画像を記憶する撮像画像メモリと、撮像画像の各画素ごとに濃淡値が前記良品範囲内にあるか否かを判断し、良品範囲内にある画素を良品画素、それ以外の画素を不良画素と判定する画素判定手段と、撮像画像に含まれる不良画素の個数から検査対象物の欠陥の有無を判定する欠陥判定手段と、欠陥判定手段で欠陥がないと判定された場合に当該検査対象物の撮像画像を設定用画像として設定用画像メモリに記憶し、分布算出手段および範囲設定手段により良品範囲を自動的に更新させる範囲更新手段とを有することを特徴とする。
The invention according to
この構成によれば、範囲更新手段は、欠陥判定手段での判定結果をフィードバックして、分布算出手段および良品範囲設定手段により濃淡値の良品範囲を自動的に更新させるので、比較的簡単な処理で、濃淡値の良品範囲を随時更新して最適化することができるという利点がある。 According to this configuration, the range update unit feeds back the determination result of the defect determination unit and automatically updates the non-defective range of the gray value by the distribution calculation unit and the non-defective range setting unit. Therefore, there is an advantage that the non-defective product range of the gray value can be updated and optimized at any time.
本発明は、欠陥の有無の判定結果をフィードバックして、複数枚の設定用画像について画素ごとに濃淡値の度数分布を求めその結果を用い既定の設定ルールに従って濃淡値の良品範囲を更新するので、ニューラルネットワーク等の学習型アルゴリズムを用いる場合よりも簡単な処理で、濃淡値の良品範囲を随時更新して最適化することができるという利点がある。 The present invention feeds back the determination result of the presence / absence of a defect, obtains the frequency distribution of the gray value for each pixel of the plurality of setting images, and updates the good / non-defective range of the gray value according to a predetermined setting rule using the result. There is an advantage that the non-defective product range of the gray value can be updated and optimized at any time with simpler processing than when a learning type algorithm such as a neural network is used.
（実施形態１）
本実施形態の欠陥検査システムは、同一仕様の多数の電子部品材料を検査対象とし、各検査対象物の内部の欠陥（異物混入、気泡等）の有無を検査するものである。ここでは、一例として、ＩＣ（集積回路）のパッケージ材料となるペレットを検査対象とするが、これに限るものではなく、その他の電子部品材料、あるいは電子部品材料以外の各種物品を検査対象としてもよい。
(Embodiment 1)
The defect inspection system of the present embodiment uses a large number of electronic component materials having the same specifications as inspection targets, and inspects the presence or absence of defects (foreign matter contamination, bubbles, etc.) inside each inspection target object. Here, as an example, pellets that are package materials for ICs (integrated circuits) are to be inspected. However, the present invention is not limited to this, and other electronic component materials or various articles other than electronic component materials may be inspected. Good.
欠陥検査システムは、図１に示すように、検査対象物４の上方に設置され上面側から検査対象物４にＸ線を照射するＸ線源からなる照射装置２と、検査対象物４の下方に設置され検査対象物４の画像を順次撮像するＸ線エリアセンサ（イメージセンサ）からなる撮像装置３と、撮像装置３で得られた撮像画像を用いて検査対象物４の欠陥検査を行う画像処理装置１と、画像処理装置１での検査結果を表示する表示装置５とを備えている。ここでいう撮像画像は、照射装置２からのＸ線が検査対象物４を透過することによって撮像されるＸ線透過画像であって、Ｘ線の透過強度が高い部位（白く映る部位）ほど高くなる濃淡値を画素値とする濃淡画像である。
As shown in FIG. 1, the defect inspection system is provided above the
ここに、画像処理装置１で用いられる撮像画像は、同一仕様の検査対象物４については同一部位が同一画素に対応するように位置合わせが為されている。すなわち、同一仕様の多数の検査対象物４を順次撮像した場合、撮像画像内における検査対象物４が占める領域は全ての撮像画像において同一となる。上記位置合わせは、たとえば撮像装置３に対する検査対象物４の位置および向きを全ての検査対象物４について精確に揃えることにより実現できる。また、検査対象物４に基準となるアライメントマークを付加しておけば、撮像装置３で撮像された画像から、前記アライメントマークが同一画素となるように検査対象物４を含む領域を切り出し、切り出した領域を撮像画像として用いることも可能である。
Here, the captured image used in the
照射装置２にはＸ線をオンオフ制御する照射制御装置６が接続され、撮像装置３には撮像タイミングを制御する撮像制御装置７が接続されており、照射制御装置６と撮像制御装置７とは互いに接続されてＸ線の照射タイミングと撮像タイミングとの同期をとっている。
An
画像処理装置１は、撮像装置３で得られた撮像画像のデータを保存する撮像画像メモリ１１と、撮像画像の各画素ごとに濃淡値が後述する良品範囲内にあるか否かを判定する画素判定手段１２と、画素判定手段１２の判定結果に基づいて検査対象物４の欠陥の有無を判定する欠陥判定手段１３とを具備している。
The
画素判定手段１２は、濃淡値が良品範囲内にある画素については良品画素、良品範囲内にない画素については不良画素と判定する。欠陥判定手段１３は、撮像画像に含まれる不良画素の個数を所定の閾値（以下、「不良数閾値」という）と比較し、不良画素の個数が不良数閾値以上であった検査対象物４については不良品（欠陥有り）、不良画素の個数が不良数閾値未満であれば良品（欠陥なし）と判定する。欠陥判断手段１３での判定結果は、表示装置５に表示されることによって検査員等に報知される。
The pixel determination means 12 determines that a pixel whose gray value is within the non-defective range is a non-defective pixel, and a pixel that is not within the non-defective range is a defective pixel. The
ここで、画素判定手段１２での判定に用いられる良品範囲は、以下のように設定される。
Here, the non-defective range used for the determination by the
すなわち、画像処理装置１は、欠陥のない検査対象物４の撮像画像を設定用画像として当該設定用画像のデータを複数保存する設定用画像メモリ１４と、設定用画像メモリ１４に蓄積された複数枚の設定用画像を用いて良品範囲を設定する演算処理器１５とを有している。設定用画像メモリ１４は、記憶可能な設定用画像の枚数が最大Ｎ枚（Ｎは整数）に制限されている。本実施形態では、検査対象物４の欠陥検査を開始する前に、図２に示すように欠陥のない検査対象物４を撮像することにより得られたＮ枚の設定用画像Ｉｃ１，Ｉｃ２，・・・，ＩｃＮが予め設定用画像メモリ１４に保存されているものとする。なお、図２においては、ハッチングの種類によって画素ごとの濃淡値を表すものとする（図４，５においても同様）。
That is, the
演算処理器１５は、設定用画像メモリ１４に蓄積されたＮ枚の設定用画像について画素ごとに濃淡値の度数分布を求める分布算出手段１５ａ、並びに、分布算出手段１５ａにより求めた度数分布データを用い、既定の設定ルールに従って濃淡値の良品範囲を設定する範囲設定手段１５ｂとしての機能を有している。
The
要するに、分布算出手段１５ａでは、設定用画像メモリ１４内の設定用画像の各画素ごとに図３に示すように濃淡値の度数分布を求め、同一画素におけるデータ（濃淡値）のばらつきを定量化する。図３は、図２に示す設定用画像Ｉｃ１，Ｉｃ２，・・・，ＩｃＮのある画素Ｐ（３，３）についての濃淡値の度数分布を示すヒストグラム（度数分布図）であって、横軸に濃淡値、縦軸に度数を表している。
In short, the distribution calculation means 15a obtains the frequency distribution of the gray value for each pixel of the setting image in the setting
範囲設定手段１５ｂは、各画素ごとの度数分布結果から、当該画素における濃淡値の良品範囲を設定ルールに従って自動的に設定する。ここで、良品範囲は各画素において濃淡値のばらつきが良品画素として許容される範囲を規定するものであって、設定ルールの具体例は後述するが、大よそ度数分布図においてピーク（最頻値）となる濃淡値を含むその前後の濃淡値がばらついている範囲が良品範囲に設定される。しかして、図２に示す設定用画像の画素Ｐ（３，３）に関しては、図３のように濃淡値のばらつきが生じている範囲が良品範囲として設定される。
The
演算処理器１５では、上述した処理を全ての画素についてそれぞれ行うことにより、各画素ごとに濃淡値の良品範囲を個別に設定する。本実施形態では、設定された良品範囲は、演算処理器１５内のメモリ（図示せず）に画素ごとに記憶される。各画素についての良品範囲は、当該範囲の下限となる濃淡値（以下、「良品下限値」という）および当該範囲の上限となる濃淡値（以下、「良品上限値」という）によって定められる。
The
このようにして設定された良品範囲を用いることにより、画素判定手段１２では、良品画素と不良画素との判定が行われ、良品画素を画素値「０」、不良画素を画素値「１」とした２値化画像が生成される。たとえば、図４（ａ）に示す撮像画像Ｉｍにおける画素Ｐ（３，３）の濃淡値Ｅ（３，３）が図３の良品範囲内（良品下限値ＲＤ−良品上限値ＲＵ間）になければ、当該画素Ｐ（３，３）が不良画素と判定され、図４（ｂ）のように当該画素Ｐ（３，３）の画素値を「１」（図中黒塗り部分）とする２値化画像が生成される。
By using the non-defective range set in this way, the
ところで、上記構成の欠陥検査システムでは、同一仕様の多数の検査対象物４を順次検査するに当たって、たとえば照射装置２の出力低下などによって撮像画像の濃淡値が変化することがあるので、最初に予め設定される良品範囲が必ずしも最適な値とは限らず、良品範囲を随時更新して最適化することが望ましい。そこで、本実施形態では画像処理装置１に以下の構成を採用することにより、濃淡値の良品範囲が随時更新されるようにしてある。
By the way, in the defect inspection system having the above-described configuration, when sequentially inspecting a large number of inspection objects 4 having the same specification, the gray value of the captured image may change due to, for example, a decrease in output of the
すなわち、画像処理装置１は、欠陥判定手段１３で良品（欠陥なし）と判定された場合に、当該検査対象物４の撮像画像を設定用画像として設定用画像メモリ１４に追加する範囲更新手段１０を有している。ここで、演算処理器１５は、予め設定用画像メモリ１４に記憶されている設定用画像から良品範囲を設定するだけでなく、範囲更新手段１０により新たな設定用画像が設定用画像メモリ１４に保存される度に、各画素ごとの濃淡値の度数分布を再び求め、当該度数分布結果から良品範囲を再設定するものとする。しかして、欠陥判定手段１３で良品と判定される度、範囲更新手段１０は、設定用画像を設定用画像メモリ１４に追加し、追加された設定用画像を含む複数枚の設定用画像に基づいて演算処理器１５に良品範囲を自動的に更新させることとなる。
That is, the
ここにおいて、設定用画像メモリ１４に蓄積された設定用画像が設定用画像メモリ１４に記憶可能な上限枚数に達すると、以降は、設定用画像メモリ１４内の設定用画像を古い側から順に削除しながら新しい設定用画像を設定用画像メモリ１４に記憶する。つまり、図５（ａ）のように設定用画像メモリ１４にＮ枚の設定用画像Ｉｃ１，Ｉｃ２，・・・，ＩｃＮが既に記憶されている状態で、欠陥判定手段１３で良品と判定された検査対象物４の撮像画像Ｉｍを新たに設定用画像として設定用画像メモリ１４に記憶する場合、図５（ｂ）のように、設定用画像メモリ１４内の最も古い設定用画像ＩｃＮは削除され、撮像画像Ｉｍが記憶される。したがって、設定用画像メモリ１４内には、常に新しい方から順にＮ枚の設定用画像が残ることとなり、演算処理器１５では、これら最新のＮ枚の設定用画像に基づいて良品範囲を更新することができる。
Here, when the number of setting images stored in the setting
以下、上記構成の欠陥検査システムを用いた検査対象物４の欠陥検査方法について図６および図７に示すフローチャートを参照して説明する。ここでは、図８に示すようにｐ画素×ｒ画素（＝横×縦）の濃淡画像を撮像画像Ｉｍとし、各画素は、画像の横方向の座標位置ｉ（＝１，２，・・・，ｐ）と縦方向の座標位置ｊ（＝１，２，・・・，ｒ）とを用いてＰ（ｉ，ｊ）として表されるものとする。なお、フローチャート中のＥ（ｉ，ｊ）は撮像画像Ｉｍにおける画素Ｐ（ｉ，ｊ）の濃淡値を表し、ＲＤ（ｉ，ｊ）は画素Ｐ（ｉ，ｊ）の良品下限値、ＲＵ（ｉ，ｊ）は画素Ｐ（ｉ，ｊ）の良品上限値をそれぞれ表し、ＣＨ（ｉ，ｊ）は画素Ｐ（ｉ，ｊ）についての良品画素・不良画素の判定結果（良品画素は「０」、不良画素は「１」とする）を表している。
Hereinafter, a defect inspection method for the
検査が開始すると、画像処理装置１は、まず撮像装置３で検査対象物４を撮像する（撮像過程）ことにより得られた撮像画像Ｉｍを撮像画像メモリ１１に記憶する（撮像記憶過程）。それから、画素判定手段１２では撮像画像Ｉｍの各画素Ｐ（ｉ，ｊ）ごとに濃淡値Ｅ（ｉ，ｊ）が良品範囲内にあるか否かを判断し、良品範囲内にあれば良品画素、良品範囲内になければ不良画素と判定する（画素判定過程Ｓ３〜Ｓ５）。ここで、画素判定過程は撮像画像Ｉｍの全画素について繰り返される（Ｓ１，Ｓ２，Ｓ６，Ｓ７）。
When the inspection starts, the
その後、欠陥判定手段１３では、各撮像画像Ｉｍに含まれる不良画素の個数を不良画素数ＤＴとしてそれぞれカウントし（Ｓ８〜Ｓ１４）、当該不良画素数ＤＴを不良数閾値と比較することにより、検査対象物４の良品・不良品の判定を行う（欠陥判定過程Ｓ１５〜Ｓ１７）。このとき、検査対象物４が良品と判定されると、濃淡値の良品範囲を更新するための処理（範囲更新過程Ｓ１８）に移行する。
Thereafter, the
範囲更新過程ではまず、図７に示すように範囲更新手段１０が良品と判定された検査対象物４の撮像画像Ｉｍを設定用画像メモリ１４に記憶する（良品記憶過程Ｓ２２〜Ｓ２５）。この良品記憶過程では、上述したように設定用画像メモリ１４内の最も古い画像が削除され、前記良品の撮像画像Ｉｍが設定用画像メモリ１４に追加される。なお、図７中のＣ（ｋ）（ｉ，ｊ）は、設定用画像メモリ１４内の新しい側からｋ（＝１，２，・・・，Ｎ）番目の設定用画像Ｉｃｋにおける画素Ｐ（ｉ，ｊ）の濃淡値を表している。
In the range update process, first, as shown in FIG. 7, the range update means 10 stores the captured image Im of the
そして、分布算出手段１５ａは、設定用画像メモリ１４に蓄積されたＮ枚の設定用画像について画素Ｐ（ｉ，ｊ）の濃淡値の度数分布を求める（分布算出過程Ｓ２６）。ここに、Ｓ２６では濃淡値の平均を数１に示す式によって求め、さらに、濃淡値の標準偏差を数２に示す式により求めている。
Then, the
範囲設定手段１５ｂは、度数分布結果を用いて既定の設定ルールに従って画素Ｐ（ｉ，ｊ）における濃淡値の良品範囲を再設定する（範囲設定過程Ｓ２７）。ここで、設定ルールは、Ｓ２６で求めた濃淡値の平均および標準偏差を用い、数３および数４に示す式によって良品下限値ＲＤ（ｉ，ｊ）および良品上限値ＲＵ（ｉ，ｊ）を決めるものとする。図７の例では、Ｓ２２〜Ｓ２７の処理は各画素Ｐ（ｉ，ｊ）ごとに為され、これらの処理が撮像画像Ｉｍの全画素について繰り返される（Ｓ２０，Ｓ２１，Ｓ２８，Ｓ２９）。
The
上述した図６のＳ１〜Ｓ１８の処理は、撮像過程により新たな検査対象物４の撮像画像Ｉｍが取得される度に繰り返される。
The above-described processes of S1 to S18 in FIG. 6 are repeated each time a captured image Im of a
以上説明した欠陥検査方法によれば、欠陥判定手段１３にて良品との判定が為される度に、設定用画像メモリ１４に新たな設定用画像が追加され、当該設定用画像を含めて各画素の濃淡値の度数分布が再計算されて、度数分布結果により各画素ごとに濃淡値の良品範囲が再設定される。このように濃淡値の良品範囲は欠陥判定手段１３での判定結果がフィードバックされることにより自動更新されるので、多数の検査対象物４を順次検査するに当たって、たとえば照射装置２の出力低下などによって撮像画像の濃淡値が変化することがあっても、濃淡値の良品範囲を随時更新して最適化することができる。その結果、常に最適な良品範囲を用いて欠陥の有無を検査できるため、欠陥検査の信頼性が高くなる。
According to the defect inspection method described above, a new setting image is added to the setting
ここで、良品範囲の更新は、濃淡値の度数分布を求め、その結果を用いて良品範囲を再設定するという比較的簡単な処理で実現されるので、たとえばニューラルネットワーク等の学習型アルゴリズムを用いて良品範囲を更新する場合に比べ、良品範囲の更新のための処理を簡略化することができる。 Here, the update of the non-defective range is realized by a relatively simple process of obtaining the frequency distribution of the gray value and resetting the non-defective range using the result, for example, using a learning type algorithm such as a neural network. Therefore, the process for updating the non-defective range can be simplified as compared with the case of updating the non-defective range.
ところで、本実施形態では、検査対象物４の欠陥検査を開始する前に、欠陥のない検査対象物４の撮像画像を設定用画像として設定用画像メモリ１４に予め記憶しているが、この例に限らず、欠陥検査の開始前にランダムに選択された複数の検査対象物４の撮像画像を設定用画像として設定用画像メモリ１４に予め記憶し、これらの設定用画像から欠陥検査の開始時点の良品範囲が設定されるようにしてもよい。この場合、設定用画像メモリ１４に予め記憶される設定用画像には、良品だけでなく不良品となる検査対象物４の撮像画像も含まれるため、画素ごとの濃淡値のばらつきが大きく、欠陥検査の開始時点の良品範囲は比較的広くなる。その後、欠陥検査によって良品と判定された検査対象物４の撮像画像が設定用画像メモリ１４に追加されていくに連れて、画素ごとの濃淡値のばらつきが徐々に小さくなって良品範囲の信頼性が向上する。
By the way, in this embodiment, before starting the defect inspection of the
また、設定用画像メモリ１４に設定用画像を予め記憶しておくのではなく、たとえば検査員が手入力した良品範囲を欠陥検査の開始時点における良品範囲として用いてもよい。この場合、検査を開始してから設定用画像メモリ１４にＮ枚の設定用画像が蓄積されるまでは、手入力された良品範囲によって欠陥検査を実施し、設定用画像メモリ１４にＮ枚の設定用画像が蓄積された以降、演算処理器１５で自動設定された良品範囲を用いることが望ましい。
Further, instead of storing the setting image in the setting
なお、上記実施形態では、撮像画像の各画素ごとに良品範囲を設定し良品画素・不良画素の判定を行うものとして説明したが、ここでいう画素は、撮像装置３としてのＸ線エリアセンサで得られる生画像の１画素に対応するものに限らない。すなわち、たとえば撮像装置３で得られた生画像について複数画素を１単位として区画化した画像を作成し、当該画像の１区画を１画素として、上記良品範囲の設定および良品画素・不良画素の判定を行うようにしてもよい。
In the above embodiment, the non-defective pixel / defective pixel is determined by setting a non-defective range for each pixel of the captured image. However, the pixel here is an X-ray area sensor as the
（実施形態２）
本実施形態の欠陥検査システムを用いた欠陥検査方法は、画素判定手段１２にて一旦は良品画素と判定された画素について、その判定結果を不良画素に修正する判定修正手段１６（図１１参照）を画像処理装置１に有する点が実施形態１と相違する。
(Embodiment 2)
In the defect inspection method using the defect inspection system according to the present embodiment, the determination correction unit 16 (see FIG. 11) corrects the determination result to a defective pixel for a pixel that is once determined to be a good pixel by the
判定修正手段１６は、画素判定手段１２で良品画素と判定された画素のうち、図９（ａ）に示す２値化画像の画素Ｐ（４，３）のように、四方（上下左右）を不良画素（図中黒塗り部分）で囲まれたものがあれば、図９（ｂ）に示すように当該画素の判定結果を不良画素に修正する。すなわち、検査対象物４に欠陥がある場合、画素判定手段１２では欠陥の全体に亘って不良画素と判定されるはずであるから、不良画素で囲まれた領域に１画素分だけ良品画素が紛れるようなことは通常起こり得ず、当該良品画素は不良画素が誤って良品画素と判定されたものと推定できる。したがって、判定修正手段１６で四方を不良画素に囲まれた良品画素を不良画素と改めることにより良品画素・不良画素の判定確度が向上する。
Of the pixels determined to be non-defective pixels by the
欠陥判定手段１３では、判定修正手段１６で判定結果が修正された後の不良画素の個数から、検査対象物４の良品（欠陥なし）・不良品（欠陥有り）を判定しており、結果的に、検査対象物４の良品・不良品の判定確度が向上し、欠陥検査の信頼性が向上する。
The
ところで、本実施形態では、判定修正手段１６により判定結果が不良画素と改められた画素がある場合、良品範囲を狭めるように修正する範囲修正手段１５ｃとしての機能を演算処理器１５に有している。
By the way, in the present embodiment, when there is a pixel whose determination result is changed to a defective pixel by the
たとえば、撮像画像における画素Ｐ（４，３）の濃淡値Ｅ（４，３）が図１０（ａ）の良品範囲内にあり、画素判定手段１２にて画素Ｐ（４，３）は良品画素と一旦判定された後、図９のように判定修正手段１６にて当該画素Ｐ（４，３）の判定結果が不良画素に修正された場合、範囲修正手段１５ｃは良品範囲を修正によって狭くする（図１０（ｂ）参照）。この良品範囲の修正は、判定修正手段１６で判定結果が修正された画素だけでなく、全ての画素について為される。ここでは、全ての画素について良品範囲の修正量（良品上限値ＲＵあるいは良品下限値ＲＤのシフト量）は一律とされる。これにより、画素判定手段１２で誤って良品画素と判定された画素について判定修正手段１６で判定結果が改められた場合、以降、画素判定手段１２で良品画素と判定されるための判断基準が厳しくなり、同様の誤判定が画素判定手段１２で生じにくくなる。
For example, the grayscale value E (4,3) of the pixel P (4,3) in the captured image is within the non-defective range of FIG. 10 (a), and the pixel determination means 12 determines that the pixel P (4,3) is a nondefective pixel. When the determination result of the pixel P (4, 3) is corrected to a defective pixel by the
ここに、良品上限値ＲＵが最適値より高かったために不良画素が良品画素と誤判定された場合には良品上限値ＲＵを引き下げ、良品下限値ＲＤが最適値より低かったために不良画素が良品画素と誤判定された場合には良品下限値ＲＤを引き上げることにより良品判定が修正される。いずれの理由で不良画素が良品画素と誤判定されたかは、判定結果が修正された画素の周囲の不良画素の濃淡値が、良品上限値ＲＵを超えているのかあるいは良品下限値ＲＤを下回っているのかによって判断される。すなわち、図１０の例では、画素Ｐ（４，３）の周囲の不良画素の濃淡値が良品下限値ＲＤを下回っているにもかかわらず、画素Ｐ（４，３）の濃淡値Ｅ（４，３）が良品下限値ＲＤ（４，３）より高かったために画素Ｐ（４，３）について良品画素と誤判定されたので、良品下限値ＲＤを引き上げることにより良品範囲を修正する。 If the defective pixel is erroneously determined to be a non-defective pixel because the non-defective upper limit value RU is higher than the optimum value, the non-defective upper limit value RU is lowered, and the non-defective pixel lower limit value RD is lower than the optimum value. Is erroneously determined, the good product determination is corrected by raising the good product lower limit RD. The reason why the defective pixel is erroneously determined to be a non-defective pixel is determined by whether the gray value of the defective pixel around the pixel whose determination result is corrected exceeds the non-defective upper limit RU or falls below the non-defective lower limit RD. It is judged by whether it is. That is, in the example of FIG. 10, the gray value E (4) of the pixel P (4, 3) is low even though the gray value of the defective pixel around the pixel P (4, 3) is below the non-defective lower limit RD. , 3) is higher than the non-defective product lower limit value RD (4, 3), and thus the pixel P (4, 3) is erroneously determined as a non-defective pixel. Therefore, the non-defective product range is corrected by raising the non-defective product lower limit value RD.
また、良品範囲の修正量（良品上限値ＲＵあるいは良品下限値ＲＤのシフト量）は、予め一定量に決めておいてもよいが、判定結果が修正された画素やその周囲の画素の濃淡値に基づいて、その都度決定するようにしてもよい。図１０の例では、判定修正手段１６にて判定結果が修正された画素Ｐ（４，３）の濃淡値Ｅ（４，３）が良品範囲外となるように、当該画素の濃淡値に基づいて良品範囲の修正量を決定している。具体的には、画素Ｐ（４，３）の良品下限値ＲＤ（４，３）と濃淡値Ｅ（４，３）との差分だけ、良品下限値ＲＤを引き上げている。
Further, the correction amount of the non-defective range (the shift amount of the non-defective product upper limit value RU or the non-defective product lower limit value RD) may be determined in advance, but the gray value of the pixel whose determination result is corrected and the surrounding pixels. Based on the above, it may be determined each time. In the example of FIG. 10, the gray level value E (4, 3) of the pixel P (4, 3) whose determination result is corrected by the
ただし、判定修正手段１６にて判定結果が修正される度に良品範囲が修正されるものとすると、良品画素と判定されるべき画素が判定修正手段１６にて誤って不良画素と改められた場合に、良品範囲まで誤って修正されてしまうという不都合を生じ得る。そこで、本実施形態では、判定修正手段１６において判定結果が改められた撮像画像が２枚以上の規定枚数に達した場合にのみ、範囲修正手段１５ｃにて良品範囲の修正を行うものとする。
However, assuming that the non-defective range is corrected every time the determination result is corrected by the
具体的には、図１１に示すように、判定修正手段１６にて判定結果が修正された撮像画像を修正用画像として記憶する修正用画像メモリ１７を画像処理装置１に設け、範囲修正手段１５ｃは、修正用画像メモリ１７に記憶された修正用画像が規定枚数に達する度に、これら規定枚数の修正用画像を用いて良品範囲を修正する。修正用画像メモリ１７は、設定用画像メモリ１４と同様に、蓄積された修正用画像が記憶可能な上限枚数に達すると、以降は、修正用画像を古い側から順に削除しながら新しい修正用画像を記憶する。ここに、範囲修正手段１５ｃは、上記規定枚数の修正用画像から判定修正手段１６で判定結果が改められた画素の濃淡値をそれぞれ抽出し、たとえばこれらの濃淡値と良品下限値ＲＤまたは良品上限値ＲＵとの差分の最頻値をとることによって、良品範囲の修正量（良品上限値ＲＵあるいは良品下限値ＲＤのシフト量）を決定する。
Specifically, as shown in FIG. 11, a
しかして、たとえば良品下限値よりも高かったために良品画素と誤判定された画素が複数あった場合には、これらの画素の濃淡値に基づいて全画素について良品下限値を引き上げることにより良品範囲が修正される。その結果、良品範囲が狭められ、以降の欠陥検査においては同様の誤判定が画素判定手段１２で生じにくくなり、欠陥検査の信頼性が向上する。 Thus, for example, when there are multiple pixels that are erroneously determined to be non-defective pixels because they are higher than the non-defective product lower limit value, the non-defective product range is increased by raising the non-defective product lower limit value for all pixels based on the gray value of these pixels. Will be corrected. As a result, the non-defective product range is narrowed, and in the subsequent defect inspection, the same erroneous determination is less likely to occur in the pixel determination means 12, and the reliability of the defect inspection is improved.
以下、上記構成の欠陥検査システムを用いた検査対象物４の欠陥検査方法について図１２および図１３に示すフローチャートを参照して説明する。ここで、図１２のＳ３０〜Ｓ３６の処理は、実施形態１で説明した図６のフローチャートのＳ７とＳ８との間に挿入されるものであって、実施形態１と重複する部分については説明を省略する。
Hereinafter, a defect inspection method for the
すなわち、判定修正手段１６では、画素判定過程Ｓ３〜Ｓ５において良品画素と判定された画素を対象に、不良画素にて周囲を囲まれたものがあるか否かを判断し、そのような画素があれば当該画素の判定結果を不良画素に修正する（判定修正過程Ｓ３２，Ｓ３３）。ここで、判定結果の修正が為されると、良品範囲について範囲を狭めるように修正する処理（範囲修正過程Ｓ３４）に移行する。
That is, the
範囲修正過程ではまず、図１３に示すように判定修正手段１６にて判定結果が修正された撮像画像を修正用画像として修正用画像メモリ１７に記憶する（修正記憶過程Ｓ４２〜Ｓ４５）。この修正記憶過程では、修正用画像メモリ１７内の最も古い画像が削除され、前記修正用画像が修正用画像メモリ１７に追加される。図１３中のＮＧ（ｋ）（ｉ，ｊ）は、修正用画像メモリ１７内の新しい側からｋ（＝１，２，・・・，Ｍ）番目の修正用画像における画素Ｐ（ｉ，ｊ）の濃淡値を表している。Ｓ４２〜Ｓ４５の処理は、各画素Ｐ（ｉ，ｊ）ごとに為され、これらの処理が全画素について繰り返される（Ｓ４０，Ｓ４１，Ｓ４６，Ｓ４７）。
In the range correction process, first, as shown in FIG. 13, the captured image whose determination result has been corrected by the determination correction means 16 is stored in the
そして、修正用画像メモリ１７に記憶された修正用画像が規定枚数に達すると（Ｓ４８〜Ｓ５０の処理でカウント値ＣＴが規定値ＣＵに達すると）、範囲修正手段１５ｃにより良品範囲が修正される（Ｓ５３，Ｓ５４）。図１３中のΔＲＤ、ΔＲＵはそれぞれ良品下限値ＲＤのシフト量、良品上限値ＲＵのシフト量を表している。ここで、良品範囲の修正処理は、全画素について繰り返される（Ｓ５１，Ｓ５２，Ｓ５５，Ｓ５６）。
When the number of correction images stored in the
上述した図１２におけるＳ３２〜Ｓ３４の処理は各画素Ｐ（ｉ，ｊ）ごとに為され、これらの処理が撮像画像Ｉｍの最外周部（つまり、Ｐ（１，ｊ）、Ｐ（ｉ，１）、Ｐ（ｐ，ｊ）、Ｐ（ｉ，ｒ）の４辺）を除く全画素について繰り返される（Ｓ３０，Ｓ３１，Ｓ３５，Ｓ３６）。 The above-described processes of S32 to S34 in FIG. 12 are performed for each pixel P (i, j), and these processes are performed on the outermost peripheral portion (that is, P (1, j), P (i, 1) of the captured image Im. ), P (p, j), and P (i, r) (4 sides) are repeated for all pixels (S30, S31, S35, S36).
なお、その他の構成および機能は実施形態１と同様である。 Other configurations and functions are the same as those in the first embodiment.
ところで、上記各実施形態では、Ｘ線透過画像を用いて検査対象物４の内部の欠陥を検査する欠陥検査システムに本発明を適用する例を示したが、この例に限るものではなく、たとえば検査対象物４に光を照射した状態で照射装置２側から検査対象物４を撮像し、検査対象物４の外観上の欠陥を検査する欠陥検査システムに本発明を適用してもよい。
By the way, in each said embodiment, although the example which applies this invention to the defect inspection system which test | inspects the defect inside the
１ 画像処理装置
２ 照射装置
３ 撮像装置
４ 検査対象物
１０ 範囲更新手段
１１ 撮像画像メモリ
１２ 画素判定手段
１３ 欠陥判定手段
１４ 設定用画像メモリ
１５ 演算処理器
１５ａ 分布算出手段
１５ｂ 範囲設定手段
１５ｃ 範囲修正手段
１６ 判定修正手段
１７ 修正用画像メモリ
DESCRIPTION OF
Claims (6)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009077696A JP2010230452A (en) | 2009-03-26 | 2009-03-26 | Method for inspecting defect and defect inspection system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009077696A JP2010230452A (en) | 2009-03-26 | 2009-03-26 | Method for inspecting defect and defect inspection system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2010230452A true JP2010230452A (en) | 2010-10-14 |
Family
ID=43046434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2009077696A Withdrawn JP2010230452A (en) | 2009-03-26 | 2009-03-26 | Method for inspecting defect and defect inspection system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2010230452A (en) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017012656A1 (en) * | 2015-07-21 | 2017-01-26 | Hewlett-Packard Development Company, L. P. | Object generation temperature measurement |
| JP2017032548A (en) * | 2015-06-26 | 2017-02-09 | コグネックス・コーポレイション | Using 3d vision for automated industrial inspection |
| WO2018088760A3 (en) * | 2016-11-14 | 2018-08-16 | 주식회사 고영테크놀러지 | Method and device for adjusting quality determination conditions for test body |
| JP2019029001A (en) * | 2017-07-26 | 2019-02-21 | キヤノン株式会社 | Image data management method, manufacturing apparatus, production system, and image management method of production system |
| KR20190057221A (en) * | 2019-05-16 | 2019-05-28 | 주식회사 고영테크놀러지 | Method and apparatus for adjusting condition of quality decision for inspection target |
| KR20200013250A (en) * | 2020-01-17 | 2020-02-06 | 주식회사 고영테크놀러지 | Method and apparatus for adjusting condition of quality decision for inspection target |
| CN112014404A (en) * | 2020-08-27 | 2020-12-01 | Oppo（重庆）智能科技有限公司 | Component detection method, device, system, electronic equipment and storage medium |
| JP2021014100A (en) * | 2019-07-16 | 2021-02-12 | Nok株式会社 | Mold monitoring system |
| WO2021181793A1 (en) * | 2020-03-13 | 2021-09-16 | オムロン株式会社 | Inspection system, inspection device, and inspection program |
| US11158039B2 (en) | 2015-06-26 | 2021-10-26 | Cognex Corporation | Using 3D vision for automated industrial inspection |
| CN113740365A (en) * | 2020-05-15 | 2021-12-03 | 东芝It·控制***株式会社 | Nondestructive inspection device |
| US11366068B2 (en) | 2016-11-14 | 2022-06-21 | Koh Young Technology Inc. | Inspection apparatus and operating method thereof |
| JP2022105581A (en) * | 2018-03-08 | 2022-07-14 | Ｕｂｅマシナリー株式会社 | Method of detecting molding failure |
| US11836911B2 (en) | 2017-07-26 | 2023-12-05 | Canon Kabushiki Kaisha | Image data management method, production apparatus, production system, image data management method for production system, and non-transitory computer-readable recording medium |
-
2009
- 2009-03-26 JP JP2009077696A patent/JP2010230452A/en not_active Withdrawn
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017032548A (en) * | 2015-06-26 | 2017-02-09 | コグネックス・コーポレイション | Using 3d vision for automated industrial inspection |
| US11158039B2 (en) | 2015-06-26 | 2021-10-26 | Cognex Corporation | Using 3D vision for automated industrial inspection |
| JP7037876B2 (en) | 2015-06-26 | 2022-03-17 | コグネックス・コーポレイション | Use of 3D vision in automated industrial inspection |
| WO2017012656A1 (en) * | 2015-07-21 | 2017-01-26 | Hewlett-Packard Development Company, L. P. | Object generation temperature measurement |
| CN107530961A (en) * | 2015-07-21 | 2018-01-02 | 惠普发展公司有限责任合伙企业 | Object generates temperature survey |
| US10539474B2 (en) | 2015-07-21 | 2020-01-21 | Hewlett-Packard Development Company, L.P. | Object generation temperature measurement |
| CN107530961B (en) * | 2015-07-21 | 2020-02-18 | 惠普发展公司有限责任合伙企业 | Object-generated temperature measurement |
| WO2018088760A3 (en) * | 2016-11-14 | 2018-08-16 | 주식회사 고영테크놀러지 | Method and device for adjusting quality determination conditions for test body |
| US11199503B2 (en) | 2016-11-14 | 2021-12-14 | Koh Young Technology Inc. | Method and device for adjusting quality determination conditions for test body |
| US11366068B2 (en) | 2016-11-14 | 2022-06-21 | Koh Young Technology Inc. | Inspection apparatus and operating method thereof |
| US11836911B2 (en) | 2017-07-26 | 2023-12-05 | Canon Kabushiki Kaisha | Image data management method, production apparatus, production system, image data management method for production system, and non-transitory computer-readable recording medium |
| JP7321676B2 (en) | 2017-07-26 | 2023-08-07 | キヤノン株式会社 | Image data management method, manufacturing apparatus, production system, image management method for production system, control program, and recording medium |
| JP2019029001A (en) * | 2017-07-26 | 2019-02-21 | キヤノン株式会社 | Image data management method, manufacturing apparatus, production system, and image management method of production system |
| JP2022105581A (en) * | 2018-03-08 | 2022-07-14 | Ｕｂｅマシナリー株式会社 | Method of detecting molding failure |
| KR102070858B1 (en) | 2019-05-16 | 2020-01-29 | 주식회사 고영테크놀러지 | Method and apparatus for adjusting condition of quality decision for inspection target |
| KR20190057221A (en) * | 2019-05-16 | 2019-05-28 | 주식회사 고영테크놀러지 | Method and apparatus for adjusting condition of quality decision for inspection target |
| JP2021014100A (en) * | 2019-07-16 | 2021-02-12 | Nok株式会社 | Mold monitoring system |
| KR102167558B1 (en) | 2020-01-17 | 2020-10-19 | 주식회사 고영테크놀러지 | Method and apparatus for adjusting condition of quality decision for inspection target |
| KR20200013250A (en) * | 2020-01-17 | 2020-02-06 | 주식회사 고영테크놀러지 | Method and apparatus for adjusting condition of quality decision for inspection target |
| WO2021181793A1 (en) * | 2020-03-13 | 2021-09-16 | オムロン株式会社 | Inspection system, inspection device, and inspection program |
| CN113740365A (en) * | 2020-05-15 | 2021-12-03 | 东芝It·控制***株式会社 | Nondestructive inspection device |
| CN112014404A (en) * | 2020-08-27 | 2020-12-01 | Oppo（重庆）智能科技有限公司 | Component detection method, device, system, electronic equipment and storage medium |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2010230452A (en) | Method for inspecting defect and defect inspection system | |
| JP5260183B2 (en) | Defect inspection method and apparatus | |
| US20140119638A1 (en) | System, method and computer program product to evaluate a semiconductor wafer fabrication process | |
| JP2006200972A (en) | Image defect inspection method, image defect inspection device, and external appearance inspection device | |
| JP5556346B2 (en) | Wafer defect inspection apparatus and wafer defect inspection method | |
| US7561751B2 (en) | Image processing method | |
| JP2008180696A (en) | Defect detector, defect detecting method, image sensor device, image sensor module, defect detecting program, and computer readable recording medium | |
| KR20200100086A (en) | Systems and methods for setting up production line inspection | |
| JP5196572B2 (en) | Wafer storage cassette inspection apparatus and method | |
| CN108445010B (en) | Automatic optical detection method and device | |
| JPWO2013128616A1 (en) | Method and apparatus for detecting display unevenness of display device | |
| KR20140091916A (en) | Inspection Method For Display Panel | |
| US10274314B2 (en) | Shape inspection method, shape inspection apparatus, and program | |
| CN115298539A (en) | Appearance inspection system and computer program | |
| KR20160118722A (en) | 3D vision inpection system | |
| JP2009229197A (en) | Linear defect detecting method and device | |
| JP6349804B2 (en) | Inspection device, inspection method, program, and recording medium thereof | |
| JP2005121546A (en) | Defect inspection method | |
| JP4244046B2 (en) | Image processing method and image processing apparatus | |
| JP2005165387A (en) | Method and device for detecting stripe defective of picture and display device | |
| JP4743231B2 (en) | Appearance inspection method and appearance inspection apparatus | |
| JP2013117490A (en) | Inspection system and method for setting recipe | |
| KR20110020437A (en) | Inspection method of patterned wafer for detecting defects | |
| JP6114559B2 (en) | Automatic unevenness detector for flat panel display | |
| JP2006275691A (en) | Inspection method and inspection device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20100714 |
|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20120605 |