JP4550559B2 - Appearance inspection apparatus, appearance inspection method, and program for causing computer to function as appearance inspection apparatus - Google Patents
Appearance inspection apparatus, appearance inspection method, and program for causing computer to function as appearance inspection apparatus Download PDFInfo
- Publication number
- JP4550559B2 JP4550559B2 JP2004339156A JP2004339156A JP4550559B2 JP 4550559 B2 JP4550559 B2 JP 4550559B2 JP 2004339156 A JP2004339156 A JP 2004339156A JP 2004339156 A JP2004339156 A JP 2004339156A JP 4550559 B2 JP4550559 B2 JP 4550559B2
- Authority
- JP
- Japan
- Prior art keywords
- calculating
- value
- region
- rectangle
- predetermined
- 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.)
- Active
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
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。より特定的には、本発明は、基板の製造時に液晶基板上に発生した欠陥を検出する外観検査装置、外観検査方法およびコンピュータを外観検査装置として機能させるためのプログラムに関する。 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 an appearance inspection apparatus, an appearance inspection method, and a program for causing a computer to function as an appearance inspection apparatus for detecting defects generated on a liquid crystal substrate during manufacture of the substrate.
半導体ウェハや液晶基板の製造工程の、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、現像を行なう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や、レジストの塗布量のムラがあった場合や、レジスト表面に異物が付着した場合に、同様に正常に回路パターンが転写されないことがある。また、液晶基板は大型のものが作成されるようになり、露光機が回路パターンを転写する際には、複数のレンズでパターンを転写していく方法がとられているが、この複数のレンズの位置関係のずれによっても、正常に回路パターンが転写されないことがある。 In the lithography process in which a resist is applied on a substrate, a circuit pattern is transferred onto the resist by an exposure machine, and development is performed in the manufacturing process of a semiconductor wafer or a liquid crystal substrate, when foreign matter adheres to the exposure machine or the amount of resist applied Similarly, when there is unevenness or when foreign matter adheres to the resist surface, the circuit pattern may not be transferred normally. In addition, a large-sized liquid crystal substrate has been created, and when an exposure machine transfers a circuit pattern, a method of transferring the pattern with a plurality of lenses is used. Even if the positional relationship is different, the circuit pattern may not be transferred normally.
レジストに正常に回路パターンが転写されていないまま、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、液晶基板に修正不可能な欠陥が出来上がってしまう。そのためエッチング工程前に検査が行なわれている。 If the liquid crystal substrate is etched in the next etching process while the circuit pattern is not normally transferred to the resist, an uncorrectable defect is produced in the liquid crystal substrate. Therefore, the inspection is performed before the etching process.
エッチング工程前検査では、基板の表面に照明が当てられ、その干渉光、回折光、散乱光を目視またはカメラで撮像し検査を行なっている。特にカメラで撮像した画像に対し、コンピュータで画像処理を行ない、正常に回路パターンが転写されていない部分を欠陥として検出し、画像の様子から欠陥の原因を特定す画像検査装置が実用に供されている。 In the pre-etching process inspection, illumination is applied to the surface of the substrate, and the interference light, diffracted light, and scattered light are imaged visually or with a camera for inspection. In particular, an image inspection apparatus that performs image processing with a computer on an image captured by a camera, detects a portion where a circuit pattern is not normally transferred as a defect, and identifies the cause of the defect from the state of the image is put into practical use. ing.
欠陥の検出および分類においては、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し、抽出した部分が連続した領域について、複数の特徴量が算出され、領域は、当該特徴量に基づきクラスタリング等の手法を用いて分類され、欠陥の種類や擬似欠陥が特定される。 In the detection and classification of defects, parts that are higher or lower than the density reference in the image, parts with a high density gradient, parts with a large difference from the reference image, etc. are extracted. The feature amount is calculated, the region is classified using a technique such as clustering based on the feature amount, and the type of defect and the pseudo defect are specified.
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、周囲長、面積、面積率、円形度係数、等価円直径、０次モーメント、１次モーメント、２次モーメント、最大最低濃度、濃度合計、平均濃度、濃度の標準偏差、水平垂直フェレ径、水平垂直フェレ径比率、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り、これらが用いられることが多い。しかしながら、欠陥の種類によっては、これらの特徴量では分類できないものがある。 Features that are normally used to classify defects include measurement values used in particle analysis, such as perimeter, area, area ratio, circularity coefficient, equivalent circular diameter, zeroth-order moment, first-order moment, Next moment, maximum minimum concentration, total concentration, average concentration, standard deviation of concentration, horizontal / vertical ferret diameter, horizontal / vertical ferret diameter ratio, maximum / minimum ferret diameter, maximum ferret diameter angle, maximum / minimum ferret diameter ratio, etc. Often used. However, some types of defects cannot be classified by these feature amounts.
ここで、たとえば、特開平８−７５６６１号公報（特許文献１）は、上記の現像の完了検査に用いることのできる欠陥検査装置を開示する。この欠陥検査装置は、規則正しく格子状のパターンが形成された被検体の表面に照明光を照射して当該被検体の欠陥を検出する。この欠陥検出装置は、被検体表面に対して斜めの位置から被検体表面の所定の照明範囲に上記パターンと直交する方向の照明光を照射し、被検体表面で発生した回折光を所定位置に収束させる照明光学系と、上記照明光をけらない程度に上記被検体表面から離れた位置であり、かつ上記回折光の収束位置及び又は回折光の収束点以外の位置から上記照明範囲を撮影する画像入力部と、上記画像入力部から出力される回折光帯の画像信号を可視化する表示部とを備える。 Here, for example, Japanese Patent Laid-Open No. 8-75661 (Patent Document 1) discloses a defect inspection apparatus that can be used for the above-described development completion inspection. This defect inspection apparatus irradiates the surface of a subject on which a regular lattice pattern is formed with illumination light to detect a defect of the subject. This defect detection apparatus irradiates illumination light in a direction perpendicular to the pattern onto a predetermined illumination range on the subject surface from a position oblique to the subject surface, and diffracted light generated on the subject surface is placed at a predetermined position. The illumination optical system to be converged, and the illumination range is imaged from a position away from the subject surface to the extent that the illumination light is not lost, and from a position other than the convergence position of the diffracted light and / or the convergence point of the diffracted light An image input unit; and a display unit that visualizes the image signal of the diffracted light band output from the image input unit.
特開平８−７５６６１号公報に開示された欠陥検査装置によると、被検体表面に対して斜めの位置から被検体表面の所定の照明範囲にパターンと直交する方向の照明光が照明光学系により照射される。被検体表面で発生した回折光は所定位置で収束し、回折光の分光縞の帯が形成される。このようにして形成された回折光の帯の中に、画像入力部を構成するカメラのレンズ瞳を配置することにより、被検体の各部の回折光の発生具合を表示できる。 According to the defect inspection apparatus disclosed in Japanese Patent Application Laid-Open No. 8-75661, the illumination optical system irradiates illumination light in a direction perpendicular to the pattern from a position oblique to the subject surface to a predetermined illumination range on the subject surface. Is done. The diffracted light generated on the subject surface converges at a predetermined position, and a band of spectral fringes of the diffracted light is formed. By disposing the lens pupil of the camera constituting the image input unit in the diffracted light band formed in this way, it is possible to display the diffracted light generation state of each part of the subject.
また、特開平１０−２７４６２６号公報（特許文献２）は、検査対象物の形状のばらつきや、検査対象物の画像の見え方のバラツキがあっても検査対象物の欠陥を誤報することなく精度良く欠陥を検査できる画像処理装置を開示する。この画像処理装置は、画像処理装置は、教示用サンプルおよび検査対象物を個々に撮像する撮像部と、上記撮像部によって撮像された教示用サンプルの画像である教示画像から固有画像データを生成する固有画像データ生成部と、上記撮像された検査対象物の画像である検査画像と上記生成された固有画像データから近似画像を復元する近似画像復元部と、上記検査画像と上記近似画像との差画像を生成する差画像生成部と、上記生成された差画像を２値化する２値化部と、２値画像を粒子解析し上記検査対象物の良否判定する判定部とを備える。 Japanese Patent Application Laid-Open No. 10-274626 (Patent Document 2) discloses accuracy without erroneously reporting defects in the inspection object even if there are variations in the shape of the inspection object and variations in the appearance of the image of the inspection object. An image processing apparatus capable of well inspecting defects is disclosed. In this image processing apparatus, the image processing apparatus generates unique image data from an imaging unit that individually images the teaching sample and the inspection target, and a teaching image that is an image of the teaching sample captured by the imaging unit. A unique image data generation unit, an inspection image that is an image of the captured inspection object, an approximate image restoration unit that restores an approximate image from the generated unique image data, and a difference between the inspection image and the approximate image The image processing apparatus includes a difference image generation unit that generates an image, a binarization unit that binarizes the generated difference image, and a determination unit that performs particle analysis on the binary image and determines the quality of the inspection object.
特許文献２に開示された画像処理装置によると、複数の画像を教示するため被検査対象の移動だけでなく対象物の形状ばらつきや見え方のばらつきにも対応して被検査対象の欠陥の有無を判定することができる。また、被検査対象画像の２値化と粒子解析処理を行なうので局所的な異常（欠陥）を検出できる。その結果、欠陥の検出精度が向上する。 According to the image processing apparatus disclosed in Patent Document 2, in order to teach a plurality of images, whether there is a defect in the inspection target corresponding to not only the movement of the inspection target but also the variation in the shape and appearance of the target object Can be determined. Further, since binarization of the inspection target image and particle analysis processing are performed, a local abnormality (defect) can be detected. As a result, the defect detection accuracy is improved.
さらに、特開２００３−１６８１１４号公報（特許文献３）は、欠陥データの登録を必要とせず、より人間の判断に近い分類を可能にする欠陥分類装置を開示する。この欠陥分類装置は、検出した領域について、通常の粒子解析の計測値に加え、検出領域を垂直または水平に積算し、積算された形状をフーリエ級数展開した各周波数の振幅や各周波数との振幅の比を特徴量として算出し、特徴量の値から欠陥を分類する。 Furthermore, Japanese Patent Application Laid-Open No. 2003-168114 (Patent Document 3) discloses a defect classification device that does not require registration of defect data and enables classification closer to human judgment. In addition to the normal particle analysis measurement values, this defect classification device integrates the detection areas vertically or horizontally, and expands the accumulated shape into a Fourier series and the amplitude of each frequency and the amplitude with each frequency. The ratio is calculated as a feature value, and defects are classified from the feature value.
特開２００３−１６８１１４号公報に開示された欠陥分類装置によると、欠陥種が確定した領域を除外した画像を基に配置形状による特徴量が抽出される。これにより、より正確な特徴量が得られるため、分類精度が向上する。
特開平１０−２７４６２６号公報、あるいは特開２００３−１６８１１４号公報に開示された技術によると、粒子解析の計測値と検出領域を垂直または水平に積算し、積算された形状をフーリエ級数展開した各周波数の振幅や各周波数との振幅の比を特徴量としている。 According to the technique disclosed in Japanese Patent Application Laid-Open No. 10-274626 or Japanese Patent Application Laid-Open No. 2003-168114, each measurement value and detection region of particle analysis are integrated vertically or horizontally, and the integrated shape is expanded into a Fourier series. The amplitude of the frequency and the ratio of the amplitude to each frequency are used as the feature amount.
しかしながら、あたかも基板上に窪みがあるかのように見える欠陥（以下デント欠陥）を他の欠陥や擬似欠陥と分離することができないという問題があった。 However, there is a problem that a defect that appears as if there is a depression on the substrate (hereinafter referred to as a dent defect) cannot be separated from other defects or pseudo defects.
また、デント欠陥の撮像した画像上の状態と、実際に液晶基板の表示品質に与える影響は、液晶基板の設計条件によって異なるため、液晶基板の機種や工程の違いで設計条件が変わる場合、検出するデント欠陥をそれぞれの設計条件に合わせて調整する必要がある。検出するデント欠陥を調整するためには、多数のサンプルを登録する必要や、欠陥の複数の特徴量の値を再設定する必要があり多くの時間を要するという問題があった。 In addition, since the state of the dent defect on the captured image and the actual effect on the display quality of the liquid crystal substrate differ depending on the design conditions of the liquid crystal substrate, it is detected if the design conditions change depending on the type and process of the liquid crystal substrate. It is necessary to adjust the dent defect to be adjusted according to each design condition. In order to adjust the dent defect to be detected, it is necessary to register a large number of samples, and it is necessary to reset values of a plurality of feature amounts of the defect.
さらに、デント欠陥は、相似的な形状で様々な大きさのものが発生し、大きさの異なるデント欠陥を検出するために、欠陥を特定するための特徴量の範囲が広くなり、デント欠陥以外の欠陥や擬似欠陥と分離することが難しいという問題があった。 Furthermore, dent defects are generated in various sizes with similar shapes, and in order to detect dent defects of different sizes, the range of features for identifying the defects is widened. There was a problem that it was difficult to separate from the defects and pseudo defects.
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る。その目的は、デント欠陥を検出し他の欠陥や擬似欠陥を誤判定しない外観検査装置を提供することである。本発明の他の目的は、設計条件に合わせて容易に検出レベルの調整が可能な外観検査装置を提供することである。 The present invention has been made to solve the above-described problems. The object is to provide a visual inspection apparatus that detects dent defects and does not erroneously determine other defects or pseudo defects. Another object of the present invention is to provide an appearance inspection apparatus capable of easily adjusting a detection level according to design conditions.
本発明の他の目的は、デント欠陥を検出し他の欠陥や擬似欠陥を誤判定しない外観検査方法を提供することである。 Another object of the present invention is to provide a visual inspection method that detects dent defects and does not erroneously determine other defects or pseudo defects.
本発明のさらに他の目的は、コンピュータを、デント欠陥を検出し他の欠陥や擬似欠陥を誤判定しない外観検査装置として機能させるためのプログラムを提供することである。 Still another object of the present invention is to provide a program for causing a computer to function as an appearance inspection apparatus that detects dent defects and does not erroneously determine other defects or pseudo defects.
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と、外観検査装置は、被検査物の撮影により生成された撮影画像データに対して予め定められたフィルタリング処理を実行することにより、撮影画像データから、濃淡が反映された濃淡勾配画像データを取得する取得手段と、予め定められた第１の閾値に基づいて、濃淡勾配画像データにより特定される領域を識別する識別データを生成するためのラベリング処理を実行するラベリング手段と、領域について、予め定められた粒子解析のための計測値を算出する計測値算出手段と、領域の重心の近傍における濃淡勾配値を算出する勾配値算出手段と、領域の濃淡勾配値の分散と、領域から予め定められた範囲内に含まれる周辺領域の濃淡勾配値の分散との比である分散比を算出する分散比算出手段と、計測値と濃淡勾配値と分散比とに基づいて、ラベリング処理により特定された領域の特徴量を算出する特徴量算出手段と、被検査物の表面における欠陥を検出するために予め定められた基準値と、特徴量とに基づいて、被検査物の表面における欠陥を検出する検出手段とを備える。 In order to solve the above-described problem, according to one aspect of the present invention, the appearance inspection apparatus performs imaging by performing a predetermined filtering process on captured image data generated by imaging of the inspection object. In order to generate identification data for identifying a region specified by the gradation gradient image data, based on the acquisition means for acquiring the gradation gradient image data reflecting the gradation from the image data, and a predetermined first threshold value Labeling means for executing the labeling process, a measurement value calculation means for calculating a measurement value for a predetermined particle analysis for a region, and a gradient value calculation means for calculating a gray gradient value in the vicinity of the center of gravity of the region; The variance ratio, which is the ratio between the variance of the shade gradient value of the region and the variance of the shade gradient value of the surrounding region included in the predetermined range from the region, is calculated. In order to detect a defect on the surface of the inspection object, a ratio calculation means, a feature quantity calculation means for calculating the feature quantity of the area specified by the labeling process based on the measurement value, the density gradient value, and the dispersion ratio Detection means for detecting a defect on the surface of the object to be inspected based on a predetermined reference value and a feature amount is provided.
好ましくは、取得手段は、解像度の異なる複数の撮影画像データに基づいて、複数の濃淡勾配画像データを取得する。 Preferably, the acquisition unit acquires a plurality of gradation gradient image data based on a plurality of captured image data having different resolutions.
好ましくは、外観検査装置は、検出手段により検出された欠陥の大きさを表わすための欠陥強度を算出する強度算出手段と、欠陥強度と予め定められた第２の閾値とに基づいて、被検査物が不良品であるか否かを判定する判定手段とをさらに備える。 Preferably, the appearance inspection apparatus is inspected based on intensity calculation means for calculating a defect intensity for representing the size of the defect detected by the detection means, and the defect intensity and a predetermined second threshold value. Determination means for determining whether or not the product is defective.
好ましくは、取得手段は、予め定められた圧縮率に基づいて撮影画像データを圧縮することにより、濃淡勾配画像データを取得する。強度算出手段は、圧縮率と特徴量とに基づいて欠陥強度を算出する。 Preferably, the acquisition unit acquires grayscale image data by compressing the captured image data based on a predetermined compression rate. The strength calculating means calculates the defect strength based on the compression rate and the feature amount.
好ましくは、外観検査装置は、濃淡勾配画像データに基づいて、領域に外接する第１の矩形を特定するための第１の矩形データを算出する第１の矩形データ算出手段と、濃淡勾配画像データと予め定められた第１のデータとに基づいて、第１の矩形よりも小さく、かつ領域の重心を含む第２の矩形を特定するための第２の矩形データを算出する第２の矩形データ算出手段とをさらに備える。勾配値算出手段は、第２の矩形における濃淡勾配値の最大値を、領域の重心の近傍における濃淡勾配値として算出する。 Preferably, the appearance inspection apparatus includes first rectangular data calculation means for calculating first rectangular data for specifying the first rectangle circumscribing the region based on the grayscale image data, and the grayscale image data. And second rectangular data for calculating second rectangular data for specifying a second rectangle that is smaller than the first rectangle and includes the center of gravity of the region, based on the first predetermined data. And a calculating means. The gradient value calculation means calculates the maximum value of the gradient gradient value in the second rectangle as the gradient gradient value in the vicinity of the center of gravity of the region.
好ましくは、第２の矩形における４つの端点と領域の重心との位置関係は、第１の矩形における４つの端点と領域の重心との位置関係と相似である。 Preferably, the positional relationship between the four end points in the second rectangle and the center of gravity of the region is similar to the positional relationship between the four end points in the first rectangle and the center of gravity of the region.
好ましくは、外観検査装置は、濃淡勾配画像データと予め定められた第２のデータとに基づいて、領域を囲む第３の矩形を特定するための第３の矩形データを算出する第３の矩形データ算出手段と、第３の矩形データに基づいて、第３の矩形と同一の大きさであり第３の矩形に隣接する複数の第４の矩形の各々を特定するための各々の第４の矩形データを算出する第４の矩形データ算出手段と、第３の矩形における濃淡勾配値の分散を算出する分散算出手段と、複数の第４の矩形の各々における濃淡勾配値の分散の平均値を算出する平均値算出手段とをさらに備える。分散比算出手段は、第３の矩形における濃淡勾配値の分散を平均値で除した値を、分散比として算出する。 Preferably, the appearance inspection apparatus calculates a third rectangle for calculating third rectangle data for specifying a third rectangle surrounding the region based on the grayscale image data and the predetermined second data. Based on the data calculation means and the third rectangular data, each of the fourth sizes for specifying each of a plurality of fourth rectangles having the same size as the third rectangle and adjacent to the third rectangle A fourth rectangle data calculating unit for calculating rectangular data; a variance calculating unit for calculating a variance of the gray gradient value in the third rectangle; and an average value of the variance of the gray gradient values in each of the plurality of fourth rectangles. Mean value calculating means for calculating is further provided. The dispersion ratio calculating means calculates a value obtained by dividing the dispersion of the light and shade gradient values in the third rectangle by the average value as the dispersion ratio.
好ましくは、第３の矩形における４つの端点と領域の重心との位置関係は、第１の矩形における４つの端点と領域の重心との位置関係と相似である。 Preferably, the positional relationship between the four end points in the third rectangle and the center of gravity of the region is similar to the positional relationship between the four end points in the first rectangle and the center of gravity of the region.
この発明の他の局面に従うと、外観検査方法は、被検査物の撮影により生成された撮影画像データに対して予め定められたフィルタリング処理を実行することにより、撮影画像データから、濃淡が反映された濃淡勾配画像データを取得する取得ステップと、予め定められた第１の閾値に基づいて、濃淡勾配画像データにより特定される領域を識別する識別データを生成するためのラベリング処理を実行するラベリングステップと、領域について、予め定められた粒子解析のための計測値を算出する計測値算出ステップと、領域の重心の近傍における濃淡勾配値を算出する勾配値算出ステップと、領域の濃淡勾配値の分散と、領域から予め定められた範囲内に含まれる周辺領域の濃淡勾配値の分散との比である分散比を算出する分散比算出ステップと、計測値と濃淡勾配値と分散比とに基づいて、ラベリング処理により特定された領域の特徴量を算出する特徴量算出ステップと、被検査物の表面における欠陥を検出するために予め定められた基準値と、特徴量とに基づいて、被検査物の表面における欠陥を検出する検出ステップとを備える。 According to another aspect of the present invention, in the appearance inspection method, shading is reflected from the captured image data by executing a predetermined filtering process on the captured image data generated by capturing the inspection object. An acquisition step of acquiring the gray gradient image data, and a labeling step of executing a labeling process for generating identification data for identifying a region specified by the gray gradient image data based on a predetermined first threshold value A measurement value calculation step for calculating a predetermined measurement value for particle analysis for the region, a gradient value calculation step for calculating a gray gradient value in the vicinity of the center of gravity of the region, and dispersion of the gray gradient value of the region And a dispersion ratio calculation step for calculating a dispersion ratio, which is a ratio of the density gradient value of the surrounding area included in a predetermined range from the area. And a feature amount calculating step for calculating a feature amount of the area specified by the labeling process based on the measured value, the density gradient value, and the dispersion ratio, and a predetermined amount for detecting defects on the surface of the inspection object. And a detection step of detecting a defect on the surface of the inspection object based on the obtained reference value and the feature amount.
この発明のさらに他の局面に従うと、プログラムは、コンピュータを外観検査装置として機能させる。このプログラムは、コンピュータに、被検査物の撮影により生成された撮影画像データに対して予め定められたフィルタリング処理を実行することにより、撮影画像データから、濃淡が反映された濃淡勾配画像データを取得する取得ステップと、予め定められた第１の閾値に基づいて、濃淡勾配画像データにより特定される領域を識別する識別データを生成するためのラベリング処理を実行するラベリングステップと、領域について、予め定められた粒子解析のための計測値を算出する計測値算出ステップと、領域の重心の近傍における濃淡勾配値を算出する勾配値算出ステップと、領域の濃淡勾配値の分散と、領域から予め定められた範囲内に含まれる周辺領域の濃淡勾配値の分散との比である分散比を算出する分散比算出ステップと、計測値と濃淡勾配値と分散比とに基づいて、ラベリング処理により特定された領域の特徴量を算出する特徴量算出ステップと、被検査物の表面における欠陥を検出するために予め定められた基準値と、特徴量とに基づいて、被検査物の表面における欠陥を検出する検出ステップとを実行させる。 According to still another aspect of the present invention, the program causes a computer to function as an appearance inspection device. This program obtains gradation gradient image data in which the density is reflected from the photographed image data by executing a predetermined filtering process on the photographed image data generated by photographing the inspection object in the computer. An acquisition step, a labeling step for executing a labeling process for generating identification data for identifying an area specified by the grayscale gradient image data based on a predetermined first threshold, and the area A measurement value calculation step for calculating a measurement value for the obtained particle analysis, a gradient value calculation step for calculating a gray gradient value in the vicinity of the center of gravity of the region, a variance of the gray gradient value of the region, and a predetermined range from the region A dispersion ratio calculating step for calculating a dispersion ratio, which is a ratio to the dispersion of the density gradient value of the surrounding area included in the range, A feature amount calculating step for calculating the feature amount of the area specified by the labeling process based on the value, the shade gradient value, and the dispersion ratio; and a reference value that is predetermined for detecting defects on the surface of the inspection object And a detection step of detecting a defect on the surface of the object to be inspected based on the feature amount.
本発明に係る外観検査装置および外観検査方法によると、デント欠陥を検出しつつ、他の欠陥や擬似欠陥をデント欠陥として誤判定することが防止される。 According to the appearance inspection apparatus and the appearance inspection method according to the present invention, it is possible to prevent erroneous determination of other defects and pseudo defects as dent defects while detecting dent defects.
本発明に係るプログラムがコンピュータにより実行されると、コンピュータは、デント欠陥を検出しつつ、他の欠陥や擬似欠陥を誤判定しない外観検査装置として機能することができる。 When the program according to the present invention is executed by a computer, the computer can function as an appearance inspection apparatus that detects a dent defect and does not erroneously determine other defects or pseudo defects.
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、本発明の実施の形態に係る検査システム１０について説明する。図１は、本発明に係る基板の外観検査装置１００を備える検査システム１０の構成を表わす図である。 With reference to FIG. 1, an inspection system 10 according to an embodiment of the present invention will be described. FIG. 1 is a diagram illustrating a configuration of an inspection system 10 including a substrate visual inspection apparatus 100 according to the present invention.
検査システム１０は、基板の外観検査装置１００と、照明装置１６０と、撮像装置１７０と、表示装置１８０とを含む。検査システム１０には、被検査基板１９０が予め定められた位置に搬入され、所定の検査の後、搬出される。 The inspection system 10 includes a substrate appearance inspection device 100, an illumination device 160, an imaging device 170, and a display device 180. The inspected substrate 190 is carried into the inspection system 10 at a predetermined position, and is carried out after a predetermined inspection.
照明装置１６０は、被検査基板１９０において予め定められた位置に所定の光量を供給する。撮像装置１７０は、被検査基板１９０に対して予め定められた位置を撮影し、画像データを出力する。このデータは、信号線（図示しない）を介して基板の外観検査装置１００に入力される。 The illumination device 160 supplies a predetermined amount of light to a predetermined position on the inspected substrate 190. The imaging device 170 images a predetermined position with respect to the substrate to be inspected 190 and outputs image data. This data is input to the substrate appearance inspection apparatus 100 via a signal line (not shown).
基板の外観検査装置１００は、外部から画像データの入力を受付ける画像入力部１１０と、データとプログラムとを格納する記憶部１２０と、当該記憶部１２０に格納されているプログラムとデータとに基づいて所定の処理を実行する演算部１３０と、一時的に生成されるデータを格納するＲＡＭ（Random Access Memory）１２２と、データを出力する出力部１４０とを含む。出力部１４０から出力されるデータは、表示装置１８０に入力される。 The board appearance inspection apparatus 100 is based on an image input unit 110 that accepts input of image data from the outside, a storage unit 120 that stores data and programs, and a program and data stored in the storage unit 120. A calculation unit 130 that executes predetermined processing, a RAM (Random Access Memory) 122 that stores temporarily generated data, and an output unit 140 that outputs data are included. Data output from the output unit 140 is input to the display device 180.
画像入力部１１０は、たとえばＵＳＢ（Universal Serial Bus）規格に対応する入力端子と予め定められた入力インタフェイスとにより実現される。記憶部１２０は、たとえばＨＤＤ（Hard Disk Drive）装置、フラッシュメモリその他の不揮発性のメモリにより実現される。演算部１３０は、たとえばＣＰＵ（Central Processing Unit）により実現される。あるいは、演算部１３０は、予め定められた処理を実行する回路を組み合わせることにより、ハードウェア的な態様によっても実現可能である。出力部１４０は、たとえば、ＵＳＢ規格に対応する出力端子と予め定められた出力インタフェイスとにより実現される。 The image input unit 110 is realized by, for example, an input terminal corresponding to the USB (Universal Serial Bus) standard and a predetermined input interface. The storage unit 120 is realized by, for example, an HDD (Hard Disk Drive) device, a flash memory, or other non-volatile memory. The calculation unit 130 is realized by, for example, a CPU (Central Processing Unit). Or the calculating part 130 is realizable also by a hardware aspect by combining the circuit which performs a predetermined process. The output unit 140 is realized by, for example, an output terminal corresponding to the USB standard and a predetermined output interface.
図２を参照して、基板の外観検査装置１００のデータ構造について説明する。図２は、検査装置１００が備える記憶部１２０におけるデータの格納の一態様を表わす図である。 With reference to FIG. 2, the data structure of the substrate visual inspection apparatus 100 will be described. FIG. 2 is a diagram illustrating an aspect of data storage in the storage unit 120 included in the inspection apparatus 100.
記憶部１２０において、予め定められた処理を実行するための画像処理プログラムは、領域２１０に格納されている。当該画像処理に使用される閾値である予め定められた第１の閾値は、領域２２０に格納されている。当該画像処理に使用される閾値である予め定められた第２の閾値は、領域２２２に格納されている。予め定められた第１の圧縮率Ｃ（１）は、領域２３０に格納されている。予め定められた第２の圧縮率Ｃ（２）は、領域２３２に格納されている。同様にして、予め定められた第ｎの圧縮率Ｃ（ｎ）は、領域２３８に格納されている。当該画像処理のために予め定められた内分比率ｐは、領域２４０に格納されている。当該画像処理のために予め定められた外分比率ｑは、領域２４２に格納されている。 In the storage unit 120, an image processing program for executing a predetermined process is stored in the area 210. A predetermined first threshold value which is a threshold value used for the image processing is stored in the area 220. A predetermined second threshold which is a threshold used for the image processing is stored in the area 222. The predetermined first compression rate C (1) is stored in the area 230. The predetermined second compression rate C (2) is stored in the area 232. Similarly, a predetermined nth compression rate C (n) is stored in the area 238. The internal ratio p determined in advance for the image processing is stored in the area 240. The external division ratio q determined in advance for the image processing is stored in the area 242.
なお、データの格納の態様は、図２に示されるものに限られない。また、各データは固定データに限られず、変更可能であってもよい。データの変更は、たとえば外部から新たなデータを入力することにより、あるいは、演算部１３０により算出されるデータで更新することにより、実現可能である。 Note that the mode of data storage is not limited to that shown in FIG. Each data is not limited to fixed data, and may be changeable. The data change can be realized by inputting new data from the outside or updating the data with data calculated by the calculation unit 130, for example.
図３を参照して、基板の外観検査装置１００のデータ構造についてさらに説明する。図３は、検査装置１００が備えるＲＡＭ１２２におけるデータの格納の一態様を表わす図である。当該データは、たとえば基板の外観検査装置１００が予め定めらた検査処理を実行している間、ＲＡＭ１２２に格納される。なお、このデータが格納される領域は、ＲＡＭ１２２に限られず、たとえば記憶部１２０、外部の記憶装置（図示しない）その他の記憶装置に確保されてもよい。 With reference to FIG. 3, the data structure of substrate visual inspection apparatus 100 will be further described. FIG. 3 is a diagram illustrating an aspect of data storage in the RAM 122 included in the inspection apparatus 100. The data is stored in the RAM 122 while, for example, the substrate appearance inspection apparatus 100 is executing a predetermined inspection process. The area in which this data is stored is not limited to the RAM 122, and may be secured in the storage unit 120, an external storage device (not shown), or other storage device, for example.
図３に示されるように、データレコードを特定するための番号は、領域３１０に格納される。この番号は、たとえば検査処理の実行時に自動的に逐次生成される。被検査基板１９０の撮影により取得された原画像の重心位置は、領域３２０に格納される。この重心位置は、たとえば演算部１３０により予め定められた領域を基準として算出される。当該予め定められた領域は、たとえばＲＡＭ１２２に確保される領域に基づいて特定される。 As shown in FIG. 3, the number for specifying the data record is stored in the area 310. This number is automatically and sequentially generated when the inspection process is executed, for example. The center-of-gravity position of the original image acquired by photographing the board to be inspected 190 is stored in the area 320. This barycentric position is calculated, for example, based on a predetermined region by the arithmetic unit 130. The predetermined area is specified based on an area secured in the RAM 122, for example.
当該原画像の矩形領域の位置は、領域３３０および領域３４０に格納される。すなわち、当該矩形領域の左上の座標は、領域３３０に格納される。当該矩形領域の右下の座標は、領域３４０に格納される。上述の画像処理プログラムにより算出されるデント欠陥強度は、領域３５０に格納される。図３に示されるデータは、画像処理プログラムが被検査基板１９０に対して所定の画像処理を実行することにより逐次生成され、そしてそれぞれ関連付けられて格納される。なお、各項目の格納の態様は、図３に示されるものに限られない。また、本実施の形態においては、処理の対象となる領域の形状は、矩形であるが、矩形に限られない。 The position of the rectangular area of the original image is stored in area 330 and area 340. That is, the upper left coordinate of the rectangular area is stored in the area 330. The lower right coordinates of the rectangular area are stored in the area 340. The dent defect strength calculated by the above-described image processing program is stored in the area 350. The data shown in FIG. 3 is sequentially generated by the image processing program executing predetermined image processing on the substrate to be inspected 190, and stored in association with each other. Note that the manner of storing each item is not limited to that shown in FIG. In the present embodiment, the shape of the region to be processed is a rectangle, but is not limited to a rectangle.
図４を参照して、本実施の形態に係る基板の外観検査装置１００が備える演算部１３０について説明する。図４は、演算部１３０の機能的構成を表わすブロック図である。各機能は、演算部１３０が各々の機能の実現のために予め作成されたプログラムを実行することにより、実現される。 With reference to FIG. 4, calculation unit 130 provided in substrate visual inspection apparatus 100 according to the present embodiment will be described. FIG. 4 is a block diagram illustrating a functional configuration of the calculation unit 130. Each function is realized by the arithmetic unit 130 executing a program created in advance for realizing each function.
演算部１３０は、多重解像度画像作成部１３１と、前処理部１３２と、濃淡勾配算出部１３３と、２値化ラベリング部１３４と、特徴量算出部１３５と、デント欠陥判定部１３６と、強度算出部１３７と、多重解像度画像集約部１３８と、基板判定部１３９とを含む。 The calculation unit 130 includes a multi-resolution image creation unit 131, a preprocessing unit 132, a light / dark gradient calculation unit 133, a binarization labeling unit 134, a feature amount calculation unit 135, a dent defect determination unit 136, and an intensity calculation. A unit 137, a multi-resolution image aggregation unit 138, and a board determination unit 139.
多重解像度画像作成部１３１は、予め定められたｎ個の圧縮率Ｃ（１）からＣ（ｎ）を使用して、平均値を圧縮し、複数の解像度の画像データ（以下、適宜、圧縮後画像データと表わす）を生成する。前処理部１３２は、第ｋの圧縮後画像データ（ただし１≦ｋ≦ｎ）に対し、予め定められたバンドパスフィルタ処理を実行する。この処理が実行されると、予め定められた濃淡変動のみが残され、それ以外の濃淡変動がカットされる。これにより、ノイズと照明むらとが除去された第ｋの前処理後画像データが生成される。 The multi-resolution image creating unit 131 compresses the average value using n predetermined compression ratios C (1) to C (n), and multi-resolution image data (hereinafter appropriately compressed). (Denoted as image data). The pre-processing unit 132 performs a predetermined bandpass filter process on the k-th compressed image data (where 1 ≦ k ≦ n). When this process is executed, only a predetermined shade variation is left, and the other shade variations are cut off. As a result, the k-th preprocessed image data from which noise and illumination unevenness have been removed is generated.
濃淡勾配算出部１３３は、第ｋの前処理後画像データに対し、ゾーベルフィルタ（Sobel）処理を実行し、濃淡勾配値を算出し、濃淡勾配画像データを生成する。ゾーベルフィルタ処理は周知であるため、当該処理については、ここでは説明しない。 The light / dark gradient calculating unit 133 executes a Sobel filter (Sobel) process on the k-th preprocessed image data, calculates a light / dark gradient value, and generates light / dark gradient image data. Since the Sobel filter process is well known, this process will not be described here.
２値化ラベリング部１３４は、濃淡勾配算出部１３３により生成された第ｋの濃淡勾配画像データに対し、予め定められたラベリング処理を実行する。この処理が実行されると、予め定められた第１の閾値（図２における領域２２０に格納されているデータ）よりも濃淡勾配値が高い部分と低い部分とに２値化され、濃淡勾配値の高い部分の連続した領域には、ラベルが付される。ここで、ラベルとは、当該領域を識別するためのデータをいう。当該ラベルにより、たとえばｍ個（１≦ｍ）の領域が特定される。 The binarization labeling unit 134 performs a predetermined labeling process on the k-th tone gradient image data generated by the tone gradient calculation unit 133. When this process is executed, the image is binarized into a portion having a density gradient value higher and lower than a predetermined first threshold (data stored in the area 220 in FIG. 2), and the intensity gradient value is binarized. A label is attached to a continuous region of a high portion. Here, the label refers to data for identifying the area. For example, m (1 ≦ m) regions are specified by the label.
特徴量算出部１３５は、第ｋの濃淡勾配画像データに対して予め定められた粒子解析のための計測値を算出する。この計測値は、重心位置、外接矩形位置、面積、最大最小フェレ径比率、最大濃淡勾配値、濃淡勾配値の合計、濃淡勾配値の２次モーメントなどを含む。特徴量算出部１３５は、また、重心位置と外接矩形（以下、第１の矩形と称す。）の位置データ（以下、第１の矩形データと称す。）とに基づいて、検査対象領域の重心付近（重心の近傍）における濃淡勾配を計測するための第２の矩形を導出する。この導出は、予め定められた内分比率ｐで第１の矩形の右下座標と重心位置とをｐ：１に内分する点を第２の矩形の右下座標とし、第１の矩形の左上座標と重心位置とをｐ：１に内分する点を第２の矩形の左上座標とすることにより行なわれる。 The feature amount calculation unit 135 calculates a measurement value for particle analysis that is determined in advance for the k-th density gradient image data. This measurement value includes the center of gravity position, circumscribed rectangle position, area, maximum / minimum ferret diameter ratio, maximum gray gradient value, total gray gradient value, secondary moment of gray gradient value, and the like. The feature amount calculation unit 135 also determines the center of gravity of the inspection target region based on the position of the center of gravity and the position data of the circumscribed rectangle (hereinafter referred to as the first rectangle) (hereinafter referred to as the first rectangle data). A second rectangle for measuring the gray gradient in the vicinity (near the center of gravity) is derived. In this derivation, a point that internally divides the lower right coordinate and the gravity center position of the first rectangle into p: 1 at a predetermined internal ratio p is set as the lower right coordinate of the second rectangle, and the first rectangle This is done by setting the upper left coordinate and the center of gravity position to be p: 1 as the upper left coordinate of the second rectangle.
特徴量算出部１３５は、第ｋの濃淡勾配画像データの第２の矩形における最大濃淡勾配値を、重心位置の勾配値として算出する。特徴量算出部１３５は、重心位置と第１の矩形データとに基づいて、検査対象領域を囲む矩形内の濃淡勾配の分散を算出するための第３の矩形を導出する。この導出は、予め定められた外分比率ｑ（ただしｑ≧０）で第１の矩形の右下座標と重心位置とをｑ：１に外分する点を第３の矩形の右下座標とし、第１の矩形の左上座標と重心位置とをｑ：１に外分する点を第３の矩形の左上座標とすることにより行なわれる。 The feature amount calculation unit 135 calculates the maximum density gradient value in the second rectangle of the kth density gradient image data as the gradient value of the center of gravity position. The feature amount calculation unit 135 derives a third rectangle for calculating the variance of the light and shade gradient in the rectangle surrounding the inspection target area based on the barycentric position and the first rectangle data. In this derivation, the lower right coordinate of the third rectangle is defined as a point that divides the lower right coordinate and the center of gravity of the first rectangle into q: 1 by a predetermined external division ratio q (where q ≧ 0). The point that divides the upper left coordinate of the first rectangle and the gravity center position into q: 1 is set as the upper left coordinate of the third rectangle.
さらに、特徴量算出部１３５は、第ｋの濃淡勾配画像の第３の矩形における最大濃淡勾配の分散値ｖ（３）を算出し、第３の矩形の８個の近傍に隣接する第３の矩形と同じ形状の８個の矩形領域の分散値Ｖ（３１）からＶ（３８）をそれぞれ算出する。特徴量算出部１３５は、分散値Ｖ（３１）からＶ（３８）の平均値で分散値Ｖ（３）を除した値を分散比として算出する。このようにして、検査対象領域の特徴量は、粒子解析処理のための計測値と重心位置の勾配値と分散比として算出される。当該特徴量はベクトルである。 Further, the feature amount calculation unit 135 calculates the variance value v (3) of the maximum gray gradient in the third rectangle of the kth gray gradient image, and a third adjacent to the eight neighborhoods of the third rectangle. V (38) is calculated from variance values V (31) of eight rectangular areas having the same shape as the rectangle. The feature amount calculation unit 135 calculates a value obtained by dividing the variance value V (3) by the average value of V (38) from the variance value V (31) as a variance ratio. In this way, the feature amount of the inspection target region is calculated as a measurement value for particle analysis processing, a gradient value of the center of gravity position, and a dispersion ratio. The feature quantity is a vector.
デント欠陥判定部１３６は、特徴量算出部１３５により算出された検査対象領域の特徴量に対して、デント欠陥の特徴量に関し予め定められた特徴量ベクトル空間の領域内に検査対象領域の特徴量のベクトルが存在しているか否かを判断する。そのベクトルが当該領域に存在していると判断されると、検査対象領域は、デント欠陥と判断される。 The dent defect determination unit 136 has a feature amount of the inspection target region within the region of the feature amount vector space predetermined with respect to the feature amount of the dent defect with respect to the feature amount of the inspection target region calculated by the feature amount calculation unit 135 It is determined whether or not a vector exists. If it is determined that the vector exists in the area, the inspection target area is determined as a dent defect.
強度算出部１３７は、デント欠陥判定部１３６による判断の結果に基づいて、デント欠陥の強度を算出する。すなわち、強度算出部１３７は、検査対象領域がデント欠陥であると判断されると、検査対象領域の特徴量と第ｋの濃淡勾配画像データの圧縮率Ｃ（ｋ）とに基づいてデント欠陥の強度を算出する。強度算出部１３７は、検査対象領域の重心位置と圧縮率Ｃ（ｋ）とに基づいて原画像における原画像重心位置を算出する。強度算出部１３７は、検査対象領域における第１の矩形と第ｋの圧縮率Ｃ（ｋ）とに基づいて、原画像における原画像矩形位置を算出する。強度算出部１３７は、デント欠陥テーブルＴ（図３に示されるデータ）の予め定められた領域に、検査対象領域の原画像の重心位置と原画像の矩形位置とデント欠陥強度とをそれぞれ格納する。 The strength calculation unit 137 calculates the strength of the dent defect based on the result of determination by the dent defect determination unit 136. That is, when the intensity calculation unit 137 determines that the inspection target region is a dent defect, the intensity calculation unit 137 determines the dent defect based on the feature amount of the inspection target region and the compression rate C (k) of the kth grayscale image data. Calculate the intensity. The intensity calculation unit 137 calculates the original image barycentric position in the original image based on the barycentric position of the inspection target region and the compression rate C (k). The intensity calculation unit 137 calculates the original image rectangle position in the original image based on the first rectangle in the inspection target region and the kth compression rate C (k). The intensity calculation unit 137 stores the center of gravity position of the original image of the inspection target area, the rectangular position of the original image, and the dent defect intensity in predetermined areas of the dent defect table T (data shown in FIG. 3). .
多重解像度画像集約部１３８は、デント欠陥テーブルＴに格納されている領域に対して、第ｄの領域の原画像重心位置が他の第ｅの領域の原画像矩形位置内に含まれているか否かを判定する。基板判定部１３９は、多重解像度画像集約部１３８の結果に基づいて、被検査基板１９０の修正が必要であるか否かを判定する。 The multi-resolution image aggregating unit 138 determines whether the original image barycentric position of the d-th area is included in the original image rectangular position of the other e-th area with respect to the area stored in the dent defect table T. Determine whether. The board determination unit 139 determines whether or not the inspected board 190 needs to be corrected based on the result of the multi-resolution image aggregation unit 138.
ここで、図５を参照して、本実施の形態に係る基板の外観検査装置１００によるデント欠陥の検出について説明する。図５（Ａ）〜図５（Ｃ）は、デント欠陥が含まれる基板を撮影して取得された画像を表わす図である。 Here, with reference to FIG. 5, the detection of a dent defect by the substrate visual inspection apparatus 100 according to the present embodiment will be described. FIG. 5A to FIG. 5C are diagrams illustrating images obtained by photographing a substrate including a dent defect.
図５（Ａ）に示されるように、回折画像上でのデント欠陥部分は、正常にパターンが転写されている部分に比べ、画像データの濃淡に関し、濃度が高い部分と低い部分とが隣接した形状となって現れる。そのため、回折画像からデント欠陥を検出する場合には、当該濃淡に関し、濃度の高い部分あるいは低い部分を検出し、隣接を評価するよりも、濃度の高い部分と低い部分とが隣接している部分の濃度が急激に変化している濃淡勾配の高い部分を検出する方が効率よい。そこで、本実施の形態に係る基板の外観検査装置１００は、濃淡勾配画像から、デント欠陥を検出する処理を実行する。 As shown in FIG. 5A, in the dent defect portion on the diffraction image, the portion with high density and the portion with low density are adjacent to each other with respect to the density of the image data, compared with the portion where the pattern is normally transferred. Appears as a shape. Therefore, when detecting a dent defect from a diffraction image, a portion where a high density portion and a low density portion are adjacent to each other rather than detecting a high density portion or a low density portion and evaluating the adjacency. It is more efficient to detect a portion with a high light and shade gradient where the concentration of is changing rapidly. Therefore, the board appearance inspection apparatus 100 according to the present embodiment executes a process of detecting a dent defect from the grayscale image.
また、デント欠陥は、相似的な形状で様々な大きさのものが発生することがある。そこで、基板の外観検査装置１００は、複数の解像度の異なる濃淡画像を用いて、高い解像度の画像から小さなデント欠陥を検出し、そして、低い解像度の画像から大きなデント欠陥を検出する。これにより、特徴量の範囲を狭くすることができるため、デント欠陥以外の欠陥あるいは擬似欠陥と、デント欠陥とを分離することが可能になる。 In addition, the dent defect may have a similar shape and various sizes. Therefore, the substrate appearance inspection apparatus 100 detects a small dent defect from a high resolution image using a plurality of gray images having different resolutions, and detects a large dent defect from a low resolution image. Thereby, since the range of the feature amount can be narrowed, it becomes possible to separate the dent defect from the defect or pseudo defect other than the dent defect.
デント欠陥の画像の濃淡勾配に関し、正常にパターンが転写されている部分と濃淡が高い部分及び低い部分との境界の濃淡勾配は高く、その中でも濃度が高い部分と低い部分とが隣接している部分の濃淡勾配が特に高い。 Regarding the density gradient of the image of the dented defect, the density gradient at the boundary between the part where the pattern is transferred normally and the part where the density is high and low is high, and the part where the density is high is adjacent to the part where the density is low The shade of the part is particularly high.
そのため、図５（Ｂ）に示されるように、デント欠陥の濃淡勾配画像では、Ｘ字の形状に濃淡勾配の高い部分が分布する。濃度が高い部分と低い部分とが隣接している部分は、Ｘ字の形状に分布した濃淡勾配のほぼ重心に位置する。そこで、本実施の形態に係る基板の外観検査装置１００は、２値化ラベリング処理により抽出された領域の重心付近の濃淡勾配値を特徴量とすることにより、デント欠陥と、デント欠陥以外の欠陥あるいは擬似欠陥とを分離することができる。 Therefore, as shown in FIG. 5B, in the density gradient image of the dent defect, a portion having a high density gradient is distributed in the X shape. The portion where the high density portion and the low density portion are adjacent to each other is located approximately at the center of gravity of the light and shade gradient distributed in the X shape. Therefore, the substrate visual inspection apparatus 100 according to the present embodiment uses a density gradient value in the vicinity of the center of gravity of the region extracted by the binarization labeling process as a feature amount, so that a dent defect and a defect other than the dent defect are detected. Alternatively, pseudo defects can be separated.
他方、デント欠陥以外に、濃度の高い部分と低い部分とが密集して分布する擬似欠陥が検出される場合がある。そこで、本実施の形態に係る基板の外観検査装置１００は、擬似欠陥とデント欠陥とを分離するために、抽出された領域の濃淡勾配の分散値と当該領域の周辺領域の濃淡勾配の分散値との比（以下、分散比と称す。）を特徴量とすることにより、デント欠陥と擬似欠陥とを分離することができる。 On the other hand, in addition to a dent defect, a pseudo defect in which a high concentration portion and a low concentration portion are densely distributed may be detected. Therefore, the substrate visual inspection apparatus 100 according to the present embodiment, in order to separate the pseudo defect and the dent defect, the variance value of the shade gradient of the extracted region and the variance value of the shade gradient of the surrounding region of the region. And the dent defect and the pseudo defect can be separated from each other by using the ratio (hereinafter referred to as the dispersion ratio) as a feature amount.
次に、図６および図７を参照して、本実施の形態に係る基板の外観検査装置１００における検出処理について説明する。図６および図７は、それぞれ、デント欠陥の検出の対象となる領域を概念的に表わす図である。 Next, with reference to FIG. 6 and FIG. 7, the detection process in the board | substrate external appearance inspection apparatus 100 which concerns on this Embodiment is demonstrated. FIG. 6 and FIG. 7 are diagrams conceptually showing regions to be detected for dent defects, respectively.
図６において、領域５２０は、デント欠陥の検出の対象となる領域である。重心５１０は、領域５２０の重心である。たとえば、重心５１０は、以下のようにして算出される。領域５２０が検出された後、領域５２０を表わすデータがＲＡＭ１２２に書き込まれる。予め定められた重心算出処理プログラムがＲＡＭ１２２に格納されている当該データに基づいて実行されると、領域５２０の重心が算出される。算出結果は、ＲＡＭ１２２の所定の領域に格納される。 In FIG. 6, an area 520 is an area to be detected for dent defects. The center of gravity 510 is the center of gravity of the region 520. For example, the center of gravity 510 is calculated as follows. After the area 520 is detected, data representing the area 520 is written into the RAM 122. When a predetermined center of gravity calculation processing program is executed based on the data stored in the RAM 122, the center of gravity of the area 520 is calculated. The calculation result is stored in a predetermined area of the RAM 122.
第１の矩形５３０は、領域５２０に外接する矩形である。第１の矩形５３０を表わす矩形データは、領域５２０のデータがＲＡＭ１２２に格納された後に算出される。矩形データは、たとえば、領域５２０において予め定められたｘ−ｙ座標におけるＸ座標値およびＹ座標値の最大値および最小値を算出することにより、取得される。 The first rectangle 530 is a rectangle that circumscribes the region 520. The rectangle data representing the first rectangle 530 is calculated after the data of the area 520 is stored in the RAM 122. The rectangular data is acquired, for example, by calculating the maximum value and the minimum value of the X coordinate value and the Y coordinate value in the xy coordinates determined in advance in the region 520.
第２の矩形５４０は、重心５１０と第１の矩形５３０とに基づいて特定される矩形である。第２の矩形５４０は、領域５２０における重心５１０近傍の濃淡勾配を計測する対象となる領域である。第２の矩形５４０の右下座標（ｘ座標およびｙ座標）は、予め定められた内分比率ｐ（図２の領域２４０に格納されているデータ）に基づいて、重心５１０の座標と第１の矩形５３０の右下座標とを内分することにより、それぞれ算出される。また、第２の矩形５４０の左上座標も、内分比率ｐに基づいて算出される。なお、第２の矩形５４０を表わすデータは、右下座標および左上座標に限られない。また、第２の矩形５４０を表わすデータは、内分比率ｐに基づいて算出されなくてもよい。 The second rectangle 540 is a rectangle specified based on the center of gravity 510 and the first rectangle 530. The second rectangle 540 is a region that is a target for measuring the density gradient near the center of gravity 510 in the region 520. The lower right coordinates (x coordinate and y coordinate) of the second rectangle 540 are based on the coordinates of the center of gravity 510 and the first coordinates based on a predetermined internal division ratio p (data stored in the area 240 of FIG. 2). Are respectively calculated by dividing the lower right coordinates of the rectangle 530. The upper left coordinate of the second rectangle 540 is also calculated based on the internal ratio p. Note that the data representing the second rectangle 540 is not limited to the lower right coordinates and the upper left coordinates. Further, the data representing the second rectangle 540 may not be calculated based on the internal ratio p.
図７を参照して、第３の矩形６００は、重心５１０と第１の矩形５３０とに基づいて特定される矩形である。第３の矩形６００は、領域５２０を囲む領域における濃淡勾配の分散を計測する対象となる領域である。第３の矩形６００の右下座標（ｘ座標およびｙ座標）は、予め定められた外分比率ｑ（図２の領域２４２に格納されているデータ、ｑ≧０）に基づいて、重心５１０の座標と第１の矩形５３０の右下座標とを内分することにより、それぞれ算出される。また、第３の矩形６００の左上座標も、外分比率ｑに基づいて算出される。 Referring to FIG. 7, the third rectangle 600 is a rectangle specified based on the center of gravity 510 and the first rectangle 530. The third rectangle 600 is a region that is a target for measuring the dispersion of the light and shade gradient in the region surrounding the region 520. The lower right coordinates (x coordinate and y coordinate) of the third rectangle 600 are determined based on a predetermined external division ratio q (data stored in the region 242 in FIG. 2, q ≧ 0). The coordinates are calculated by dividing the coordinates and the lower right coordinates of the first rectangle 530, respectively. In addition, the upper left coordinate of the third rectangle 600 is also calculated based on the external division ratio q.
第３の矩形６００を表わすデータが算出されると、第３の矩形６００に隣接する矩形（以下、隣接矩形と称す）も特定される。すなわち、隣接矩形６１０〜６８０を表わすデータが算出される。この場合、隣接矩形６３０を表わすデータは、たとえば以下のようにして算出される。隣接矩形６３０の右下座標は、第３の矩形６００の左上座標を隣接矩形６３０の右下座標とすることにより導出される。隣接矩形６３０の左上座標は、導出された右下座標に、第３の矩形６００のｘ方向およびｙ方向の長さを加算することにより導出される。その他の各隣接矩形を表わすデータも、同様にして導出される。これにより、第３の矩形６００の大きさと同一の大きさである８つの隣接矩形が特定される。 When data representing the third rectangle 600 is calculated, a rectangle adjacent to the third rectangle 600 (hereinafter referred to as an adjacent rectangle) is also specified. That is, data representing the adjacent rectangles 610 to 680 is calculated. In this case, data representing the adjacent rectangle 630 is calculated as follows, for example. The lower right coordinate of the adjacent rectangle 630 is derived by setting the upper left coordinate of the third rectangle 600 as the lower right coordinate of the adjacent rectangle 630. The upper left coordinate of the adjacent rectangle 630 is derived by adding the lengths of the third rectangle 600 in the x direction and the y direction to the derived lower right coordinate. Data representing other adjacent rectangles is derived in the same manner. As a result, eight adjacent rectangles having the same size as the third rectangle 600 are specified.
第３の矩形６００および隣接矩形６１０〜６８０を表わすデータが算出され、各矩形が特定されると、演算部１３０は、後述するように、第３の矩形６００における最大濃淡勾配の分散値Ｖ（３）を算出する。演算部１３０は、第３の矩形６００に隣接する８つの隣接矩形６１０〜６８０の分散値Ｖ（３１）〜Ｖ（３８）をそれぞれ算出する。演算部１３０は、さらに分散値Ｖ（３）を分散値Ｖ（３１）〜Ｖ（３８）の平均値で除算した値を分散比として算出する。 When data representing the third rectangle 600 and the adjacent rectangles 610 to 680 is calculated and each rectangle is specified, the arithmetic unit 130, as will be described later, the variance value V ( 3) is calculated. The calculation unit 130 calculates the variance values V (31) to V (38) of the eight adjacent rectangles 610 to 680 adjacent to the third rectangle 600, respectively. The calculation unit 130 further calculates a value obtained by dividing the variance value V (3) by the average value of the variance values V (31) to V (38) as a variance ratio.
次に、図８および図９を参照して、本実施の形態に係る基板の外観検査装置１００の制御構造について説明する。図８および図９は、それぞれ、検査装置１００の演算部１３０が実行する処理の手順を表わすフローチャートである。この処理は、予め定められた画像処理プログラム（図２における領域２１０に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。 Next, referring to FIGS. 8 and 9, a control structure of substrate visual inspection apparatus 100 according to the present embodiment will be described. FIG. 8 and FIG. 9 are flowcharts showing the procedure of processing executed by the arithmetic unit 130 of the inspection apparatus 100, respectively. This process is realized by executing a predetermined image processing program (a program stored in the area 210 in FIG. 2).
ステップＳ７０２にて、演算部１３０は、原画像データの入力を受付ける。ステップＳ７０４にて、演算部１３０は、予め定められた複数の解像度のそれぞれに基づいて、画像データを作成する。この処理により、たとえばｎ個の画像データがそれぞれ作成される。 In step S702, operation unit 130 accepts input of original image data. In step S704, operation unit 130 creates image data based on each of a plurality of predetermined resolutions. By this processing, for example, n pieces of image data are created.
ステップＳ７０６にて、演算部１３０は、解像度別処理カウンタを「１」に設定する。ステップＳ７０８にて、演算部１３０は、予め定められた前処理を実行する。ステップＳ７１０にて、演算部１３０は、予め定められた演算処理を実行して、濃淡勾配を算出する。ステップＳ７１２にて、演算部１３０は、予め定められた２値化ラベリング処理を実行する。 In step S706, operation unit 130 sets the processing counter for each resolution to “1”. In step S708, operation unit 130 executes predetermined preprocessing. In step S710, calculation unit 130 executes a predetermined calculation process to calculate a light / dark gradient. In step S712, calculation unit 130 executes a predetermined binarization labeling process.
ステップＳ７１４にて、演算部１３０は、領域処理カウンタを「１」に設定する。ステップＳ７１６にて、演算部１３０は、被検査基板１９０の検査対象領域について特徴量を算出する。ステップＳ７１８にて、演算部１３０は、当該領域がデント欠陥であるか否かを判断する。この判断は、たとえばステップＳ７１６により算出された特徴量に基づいて行なわれる。演算部１３０が、当該領域はデント欠陥であると判断すると（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Ｓ７２８に移される。 In step S714, operation unit 130 sets the area processing counter to “1”. In step S <b> 716, the arithmetic unit 130 calculates a feature amount for the inspection target area of the inspected substrate 190. In step S718, operation unit 130 determines whether or not the area is a dent defect. This determination is made based on the feature amount calculated in step S716, for example. If computing unit 130 determines that the area is a dent defect (YES in step S718), the process proceeds to step S720. If not (NO in step S718), the process proceeds to step S728.
ステップＳ７２０にて、演算部１３０は、デント欠陥の強度を算出する。ステップＳ７２２にて、演算部１３０は、原画像の重心位置を算出する。ステップＳ７２４にて、演算部１３０は、原画像の矩形領域の位置を算出する。ステップＳ７２６にて、演算部１３０は、ＲＡＭ１２２のデント欠陥テーブルＴに、当該領域の強度と重心位置と矩形領域の位置とを関連付けて格納する。 In step S720, calculation unit 130 calculates the strength of the dent defect. In step S722, operation unit 130 calculates the center of gravity position of the original image. In step S724, operation unit 130 calculates the position of the rectangular area of the original image. In step S726, operation unit 130 stores the intensity, the center of gravity position, and the position of the rectangular area in the dent defect table T of RAM 122 in association with each other.
ステップＳ７２８にて、演算部１３０は、領域処理カウンタを「１」カウントアップする。ステップＳ７３０にて、演算部１３０は、領域処理カウンタの値がラベルの数ｍよりも大きいか否かを判断する。領域処理カウンタの値がラベルの数ｍよりも大きい場合には（ステップＳ７３０にてＹＥＳ）、処理はステップＳ７３２に移される。そうでない場合には（ステップＳ７３０にてＮＯ）、処理はステップＳ７１６に戻される。 In step S728, operation unit 130 increments the area processing counter by “1”. In step S730, operation unit 130 determines whether or not the value of the area processing counter is larger than the number m of labels. If the value of the area processing counter is larger than the number m of labels (YES in step S730), the process proceeds to step S732. If not (NO in step S730), the process returns to step S716.
ステップＳ７３２にて、演算部１３０は、解像度別処理カウンタを「１」カウントアップする。ステップＳ７３４にて、演算部１３０は、解像度別処理カウンタの値が解像度の数ｎよりも大きいか否かを判断する。解像度別処理カウンタの値が解像度の数ｎよりも大きい場合には（ステップＳ７３４にてＹＥＳ）、処理はステップＳ７４０（図９）に移される。そうでない場合には（ステップＳ７３４にてＮＯ）、処理はステップＳ７０８に戻される。 In step S732, operation unit 130 increments the resolution-specific processing counter by “1”. In step S734, operation unit 130 determines whether or not the value of the resolution-specific processing counter is greater than the number of resolutions n. If the value of the resolution-specific process counter is larger than the resolution number n (YES in step S734), the process proceeds to step S740 (FIG. 9). If not (NO in step S734), the process returns to step S708.
図９を参照して、ステップＳ７４０にて、演算部１３０は、登録領域カウンタを「１」に設定する。ステップＳ７４２にて、演算部１３０は、第ｄの領域の原画像の重心位置が他の第ｅの領域の原画像の矩形領域に含まれているか否かを判断する。演算部１３０が、第ｄの領域の原画像の重心位置が第ｅの領域の原画像の矩形領域に含まれていると判断すると（ステップＳ７４２にてＹＥＳ）、処理はステップＳ７４４に移される。そうでない場合には（ステップＳ７４２にてＮＯ）、処理は終了する。 Referring to FIG. 9, in step S740, operation unit 130 sets the registration area counter to “1”. In step S742, operation unit 130 determines whether or not the position of the center of gravity of the original image in the d-th area is included in the rectangular area of the original image in the other e-th area. If calculation unit 130 determines that the barycentric position of the original image in the d-th area is included in the rectangular area of the original image in the e-th area (YES in step S742), the process proceeds to step S744. If not (NO in step S742), the process ends.
ステップＳ７４４にて、演算部１３０は、第ｄの領域のデント欠陥強度と第ｅの領域のデント欠陥強度とが同じであるか否かを判断する。これらの欠陥強度が同じである場合には（ステップＳ７４４にてＹＥＳ）、処理はステップＳ７４６に移される。そうでない場合には（ステップＳ７４４にてＮＯ）、処理はステップＳ７４８に移される。 In step S744, operation unit 130 determines whether the dent defect strength in the d-th region and the dent defect strength in the e-th region are the same. If these defect intensities are the same (YES in step S744), the process proceeds to step S746. If not (NO in step S744), the process proceeds to step S748.
ステップＳ７４６にて、演算部１３０は、デント欠陥テーブルＴから、値ｄと値ｅとのうち大きなデント欠陥強度を削除する。ステップＳ７４８にて、演算部１３０は、デント欠陥テーブルＴから、デント欠陥強度の小さいものを削除する。 In step S746, the arithmetic unit 130 deletes a large dent defect strength from the values d and e from the dent defect table T. In step S748, the arithmetic unit 130 deletes the dent defect table T having a small dent defect strength.
ステップＳ７５０にて、演算部１３０は、デント欠陥テーブルＴに登録されている領域のデント欠陥強度が予め定められた第２の閾値よりも大きいか否かを判断する。当該デント欠陥強度が第２の閾値よりも大きい場合には（ステップＳ７５０にてＹＥＳ）、処理はステップＳ７５２に移される。そうでない場合には（ステップＳ７５０にてＮＯ）、処理はステップＳ７５４に移される。 In step S750, operation unit 130 determines whether or not the dent defect strength of the region registered in dent defect table T is larger than a predetermined second threshold value. If the dent defect strength is greater than the second threshold (YES in step S750), the process proceeds to step S752. If not (NO in step S750), the process proceeds to step S754.
ステップＳ７５２にて、演算部１３０は、被検査基板１９０の修正が必要であると判断する。この判断の結果は、たとえば修正を通知する信号として出力部１４０により出力される。ステップＳ７５４にて、演算部１３０は、被検査基板１９０の修正は不要であると判断する。この判断の結果は、たとえば検査結果が良好であることを表わすデータとして、出力部１４０を介して表示装置１８０に出力される。 In step S752, the arithmetic unit 130 determines that the inspection substrate 190 needs to be corrected. The result of this determination is output by the output unit 140 as a signal for notifying correction, for example. In step S754, operation unit 130 determines that correction of inspected substrate 190 is unnecessary. The result of this determination is output to the display device 180 via the output unit 140 as data indicating that the inspection result is good, for example.
ここで、図１０を参照して、基板の外観検査装置１００において生成される画像データの変化について説明する。図１０（Ａ）は、被検査基板１９０の撮影により得られた原画像あるいは予め定められた圧縮率に基づいて圧縮された圧縮後画像である。図１０（Ｂ）は、図１０（Ａ）に示される画像データに対して、予め定められたバンドパスフィルタ処理を実行することにより得られる前処理後画像である。この画像は、たとえば前処理部１３２（図４）による処理の後に生成される。 Here, with reference to FIG. 10, the change of the image data produced | generated in the board | substrate external appearance inspection apparatus 100 is demonstrated. FIG. 10A shows an original image obtained by photographing the inspected substrate 190 or a compressed image compressed based on a predetermined compression rate. FIG. 10B is a preprocessed image obtained by executing a predetermined bandpass filter process on the image data shown in FIG. This image is generated after the processing by the preprocessing unit 132 (FIG. 4), for example.
図１０（Ｃ）は、図１０（Ｂ）に示される前処理後画像に対してゾーベルフィルタ処理を実行することにより得られる画像である。この画像は、たとえば濃淡勾配算出部１３３の処理により生成される。 FIG. 10C is an image obtained by executing the Sobel filter process on the pre-processed image shown in FIG. This image is generated, for example, by the processing of the light / dark gradient calculation unit 133.
図１０（Ｄ）は、図１０（Ｃ）に示される濃淡勾配画像に対してラベリング処理を実行することにより得られる画像である。この画像は、２値化ラベリング部１３４が当該処理を実行することにより生成される。 FIG. 10D is an image obtained by executing a labeling process on the grayscale image shown in FIG. This image is generated by the binarization labeling unit 134 executing this processing.
図１１を参照して、本実施の形態に係る基板の外観検査装置１００による検査結果の出力について説明する。図１１は、表示装置１８０による基板の検査結果の表示態様を表わす図である。 With reference to FIG. 11, the output of the inspection result by the substrate appearance inspection apparatus 100 according to the present embodiment will be described. FIG. 11 is a diagram illustrating a display mode of the inspection result of the substrate by the display device 180.
検査装置１００の演算部１３０が所定の画像処理を実行すると、被検査基板１９０に対する処理結果が生成される。この結果は、出力部１４０により表示装置１８０に出力される。表示装置１８０は、被検査基板１９０の検査結果の入力を受けると、その結果を表示する。すなわち図１１に示されるように、表示装置１８０は、たとえば検査対象となった被検査基板１９０の原画像１１１０と、当該画像に基づいて行なわれた画像処理により得られたデント欠陥の検出結果とを、領域１１２０に表示する。これにより、検査システム１０の使用者、たとえば基板の処理工程の管理者は、被検査基板１９０のそれぞれについてデント欠陥の検出結果を容易に認識することができる。 When the arithmetic unit 130 of the inspection apparatus 100 executes predetermined image processing, a processing result for the inspected substrate 190 is generated. This result is output to the display device 180 by the output unit 140. When the display device 180 receives an input of the inspection result of the inspected substrate 190, the display device 180 displays the result. That is, as shown in FIG. 11, the display device 180 includes, for example, an original image 1110 of the substrate to be inspected 190 to be inspected, and a dent defect detection result obtained by image processing performed based on the image. Is displayed in the area 1120. Accordingly, a user of the inspection system 10, for example, a manager of a substrate processing process, can easily recognize the detection result of the dent defect for each of the substrates to be inspected 190.
なお、本発明に係る基板の外観検査装置１００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、検査装置１００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。 The substrate visual inspection apparatus 100 according to the present invention can be realized by a configuration other than that shown in the above embodiment. That is, the process executed by the inspection apparatus 100 can be realized by a computer system in which a program for the process is stored, for example.
図１２を参照して、本実施の形態に係る基板の外観検査装置１００を実現するコンピュータについて説明する。図１２は、コンピュータシステム１２００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. 12, a computer that realizes the substrate visual inspection apparatus 100 according to the present embodiment will be described. FIG. 12 is a block diagram showing a hardware configuration of computer system 1200.
コンピュータシステム１２００は、相互にデータバスにより接続されたＣＰＵ１２１０と、使用者が指示を入力するためのマウス１２２０およびキーボード１２３０と、入力されるデータあるいは所定の処理の実行により生成されるデータを一時的に格納するＲＡＭ１２４０と、大容量のデータを格納可能なハードディスク１２５０と、ＣＤ−ＲＯＭ（Compact Disk-Read Only Memory）駆動装置１２６０と、モニタ１２８０と、通信ＩＦ（Interface）１２９０とを含む。ＣＤ−ＲＯＭ駆動装置１２６０には、ＣＤ−ＲＯＭ１２６２が装着される。 The computer system 1200 temporarily stores a CPU 1210 connected to each other via a data bus, a mouse 1220 and a keyboard 1230 for a user to input instructions, and input data or data generated by execution of predetermined processing. A hard disk 1250 capable of storing a large amount of data, a CD-ROM (Compact Disk-Read Only Memory) driving device 1260, a monitor 1280, and a communication IF (Interface) 1290. A CD-ROM 1262 is mounted on the CD-ROM drive 1260.
基板の外観検査装置１００として機能するコンピュータシステム１２００における処理は、各ハードウェアおよびＣＰＵ１２１０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、ＲＡＭ１２４０あるいはハードディスク１２５０に予め記憶されている場合もあれば、ＣＤ−ＲＯＭ１２６２その他の記憶媒体に格納されて流通し、ＣＤ−ＲＯＭ駆動装置１２６０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１２５０に一旦格納される場合もある。そのソフトウェアは、ＲＡＭ１２４０あるいはハードディスク１２５０から読み出されて、ＣＰＵ１２１０によって実行される。図１２に示されるコンピュータシステム１２００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、ＲＡＭ１２４０、ハードディスク１２５０、ＣＤ−ＲＯＭ１２６２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言える。なお、コンピュータシステム１２００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。 Processing in the computer system 1200 functioning as the board appearance inspection apparatus 100 is realized by each hardware and software executed by the CPU 1210. Such software may be stored in advance in the RAM 1240 or the hard disk 1250, or may be stored and distributed in a CD-ROM 1262 or other storage medium, and the CD-ROM drive 1260 or other reader may read the software from the storage medium. In some cases, it may be read and temporarily stored in the hard disk 1250. The software is read from the RAM 1240 or the hard disk 1250 and executed by the CPU 1210. The hardware itself of the computer system 1200 shown in FIG. 12 is general. Therefore, it can be said that the essential part of the present invention is software stored in the RAM 1240, the hard disk 1250, the CD-ROM 1262, and other storage media. Since the operation of each hardware of computer system 1200 is well known, detailed description will not be repeated.
以上のようにして、本発明の実施の形態に係る基板の外観検査装置１００によると、デント欠陥は、特徴量に基づいて抽出される。検査装置１００は、抽出されたデント欠陥の強度を算出し、予め定められた閾値と当該強度とに基づいて、基板の表面状態が良好であるか否かを判断する。このようにすると、基板の設計条件ごとにデント欠陥を検出するための特徴量を判定するための値を調整することなく、上記閾値を調整することにより、デント欠陥の検出レベルを調節できる。したがって、基板の設計条件ごとに多数のサンプルデータを登録する必要がない。また、上記特徴量を再設定する必要もない。その結果、デント欠陥の検出処理のためのデータ入力に要する時間が短くなるため、検査効率を向上させることができる。また登録に必要なデータを必要最小限にすることができるため、検査装置１００が、不適切なデータに基づく誤った判断処理を行なうことを防止できるため、検査結果の精度の低下を防止することができる。 As described above, according to the substrate appearance inspection apparatus 100 according to the embodiment of the present invention, the dent defect is extracted based on the feature amount. The inspection apparatus 100 calculates the intensity of the extracted dent defect and determines whether or not the surface state of the substrate is good based on a predetermined threshold value and the intensity. In this way, the detection level of the dent defect can be adjusted by adjusting the threshold value without adjusting the value for determining the feature value for detecting the dent defect for each design condition of the substrate. Therefore, it is not necessary to register a large number of sample data for each design condition of the substrate. Further, there is no need to reset the feature amount. As a result, the time required for data input for the dent defect detection process is shortened, so that the inspection efficiency can be improved. In addition, since the data necessary for registration can be minimized, the inspection apparatus 100 can be prevented from performing erroneous determination processing based on inappropriate data, thereby preventing a decrease in accuracy of the inspection result. Can do.
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、基板の外観検査装置、たとえば半導体ウェハあるいは液晶パネルのマクロ検査装置に提供可能である。 The present invention can be provided for a substrate visual inspection apparatus, for example, a semiconductor wafer or a liquid crystal panel macro inspection apparatus.
１０ 検査システム、１００ 基板の外観検査装置、１１０ 画像入力部、１２０ 記憶部、１２２ ＲＡＭ、１３０ 演算部、１３１ 多重解像度画像作成部、１３２ 前処理部、１３３ 濃淡勾配算出部、１３４ ２値化ラベリング部、１３５ 特徴量算出部、１３６ デント欠陥判定部、１３７ 強度算出部、１３８ 多重解像度画像集約部、１３９ 基板判定部、１４０ 出力部、１６０ 照明装置、１７０ 撮像装置、１８０ 表示装置、１２００ コンピュータシステム、１２１０ ＣＰＵ、１２２０ マウス、１２３０ キーボード、１２４０ ＲＡＭ、１２５０ ハードディスク、１２６０ ＣＤ−ＲＯＭ駆動装置、１２６２ ＣＤ−ＲＯＭ、１２８０ モニタ、１２９０ 通信ＩＦ。 DESCRIPTION OF SYMBOLS 10 inspection system, 100 board | substrate external appearance inspection apparatus, 110 image input part, 120 memory | storage part, 122 RAM, 130 calculating part, 131 multi-resolution image creation part, 132 pre-processing part, 133 shade gradient calculation part, 134 binarization labeling , 135 feature quantity calculation unit, 136 denent defect determination unit, 137 intensity calculation unit, 138 multi-resolution image aggregation unit, 139 substrate determination unit, 140 output unit, 160 illumination device, 170 imaging device, 180 display device, 1200 computer system , 1210 CPU, 1220 mouse, 1230 keyboard, 1240 RAM, 1250 hard disk, 1260 CD-ROM drive, 1262 CD-ROM, 1280 monitor, 1290 communication IF.
Claims (10)
被検査物の撮影により生成された撮影画像データに対して予め定められたフィルタリング処理を実行することにより、前記撮影画像データから、濃淡が反映された濃淡勾配画像データを取得する取得手段と、
予め定められた第１の閾値に基づいて、前記濃淡勾配画像データにより特定される領域を識別する識別データを生成するためのラベリング処理を実行するラベリング手段と、
前記領域について、予め定められた粒子解析のための計測値を算出する計測値算出手段と、
前記領域の重心の近傍における濃淡勾配値を算出する勾配値算出手段と、
前記領域の濃淡勾配値の分散と、前記領域から予め定められた範囲内に含まれる周辺領域の濃淡勾配値の分散との比である分散比を算出する分散比算出手段と、
前記計測値と前記濃淡勾配値と前記分散比と、前記被検査物の表面における欠陥を検出するために予め定められた基準値とを比較することにより、前記被検査物の表面における欠陥を検出する検出手段とを備える、外観検査装置。 An appearance inspection apparatus for inspecting the appearance of an inspection object by performing particle analysis of an image,
An acquisition means for acquiring density gradient image data in which the density is reflected from the captured image data by executing a predetermined filtering process on the captured image data generated by imaging the inspection object;
Labeling means for executing a labeling process for generating identification data for identifying an area specified by the gradation gradient image data based on a predetermined first threshold;
For the region, a measurement value calculation means for calculating a measurement value for a predetermined particle analysis;
Gradient value calculating means for calculating a gray gradient value in the vicinity of the center of gravity of the region;
A dispersion ratio calculating means for calculating a dispersion ratio, which is a ratio between the variance of the shade gradient value of the region and the variance of the shade gradient value of the surrounding region included in a predetermined range from the region ;
Detecting defects on the surface of the object to be inspected by comparing the measured value, the density gradient value, the dispersion ratio, and a predetermined reference value for detecting defects on the surface of the object to be inspected A visual inspection apparatus comprising: detecting means for performing
前記検出手段により検出された欠陥の大きさを表わすための欠陥強度を算出する強度算出手段と、
前記欠陥強度と予め定められた第２の閾値とに基づいて、前記被検査物が不良品であるか否かを判定する判定手段とをさらに備える、請求項１に記載の外観検査装置。 The appearance inspection apparatus is
Intensity calculating means for calculating defect intensity for representing the size of the defect detected by the detecting means;
The appearance inspection apparatus according to claim 1, further comprising: a determination unit that determines whether the inspection object is a defective product based on the defect strength and a predetermined second threshold value.
前記強度算出手段は、前記圧縮率と前記特徴量とに基づいて前記欠陥強度を算出する、請求項３に記載の外観検査装置。 The acquisition means acquires the gradation gradient image data by compressing the captured image data based on a predetermined compression rate,
The appearance inspection apparatus according to claim 3, wherein the strength calculation unit calculates the defect strength based on the compression rate and the feature amount.
前記濃淡勾配画像データに基づいて、前記領域に外接する第１の矩形を特定するための第１の矩形データを算出する第１の矩形データ算出手段と、
前記濃淡勾配画像データと予め定められた第１のデータとに基づいて、前記第１の矩形よりも小さく、かつ前記領域の重心を含む第２の矩形を特定するための第２の矩形データを算出する第２の矩形データ算出手段とをさらに備え、
前記勾配値算出手段は、前記第２の矩形における濃淡勾配値の最大値を、前記領域の重心の近傍における濃淡勾配値として算出する、請求項１に記載の外観検査装置。 The appearance inspection apparatus is
First rectangular data calculation means for calculating first rectangular data for specifying a first rectangle circumscribing the region based on the grayscale image data;
Based on the gradation gradient image data and predetermined first data, second rectangular data for specifying a second rectangle that is smaller than the first rectangle and includes the center of gravity of the region is obtained. Second rectangular data calculating means for calculating,
The appearance inspection apparatus according to claim 1, wherein the gradient value calculation unit calculates the maximum value of the gray gradient value in the second rectangle as the gray gradient value in the vicinity of the center of gravity of the region.
前記濃淡勾配画像データと予め定められた第２のデータとに基づいて、前記領域を囲む第３の矩形を特定するための第３の矩形データを算出する第３の矩形データ算出手段と、
前記第３の矩形データに基づいて、前記第３の矩形と同一の大きさであり前記第３の矩形に隣接する複数の第４の矩形の各々を特定するための各々の第４の矩形データを算出す
る第４の矩形データ算出手段と、
前記第３の矩形における濃淡勾配値の分散を算出する分散算出手段と、
前記複数の第４の矩形の各々における濃淡勾配値の分散の平均値を算出する平均値算出手段とをさらに備え、
前記分散比算出手段は、前記第３の矩形における濃淡勾配値の分散を前記平均値で除した値を、前記分散比として算出する、請求項５に記載の外観検査装置。 The appearance inspection apparatus is
Third rectangular data calculation means for calculating third rectangular data for specifying a third rectangle surrounding the area based on the grayscale image data and predetermined second data;
Each fourth rectangular data for specifying each of a plurality of fourth rectangles that are the same size as the third rectangle and are adjacent to the third rectangle based on the third rectangular data A fourth rectangular data calculating means for calculating
A variance calculating means for calculating a variance of the gradation gradient value in the third rectangle;
Average value calculating means for calculating an average value of the variance of the light and shade gradient values in each of the plurality of fourth rectangles,
The appearance inspection apparatus according to claim 5, wherein the dispersion ratio calculating unit calculates a value obtained by dividing the dispersion of the light / dark gradient value in the third rectangle by the average value as the dispersion ratio.
被検査物の撮影により生成された撮影画像データに対して予め定められたフィルタリング処理を実行することにより、前記撮影画像データから、濃淡が反映された濃淡勾配画像データを取得する取得ステップと、
予め定められた第１の閾値に基づいて、前記濃淡勾配画像データにより特定される領域を識別する識別データを生成するためのラベリング処理を実行するラベリングステップと、
前記領域について、予め定められた粒子解析のための計測値を算出する計測値算出ステップと、
前記領域の重心の近傍における濃淡勾配値を算出する勾配値算出ステップと、
前記領域の濃淡勾配値の分散と、前記領域から予め定められた範囲内に含まれる周辺領域の濃淡勾配値の分散との比である分散比を算出する分散比算出ステップと、
前記計測値と前記濃淡勾配値と前記分散比と、前記被検査物の表面における欠陥を検出するために予め定められた基準値とを比較することにより、前記被検査物の表面における欠陥を検出する検出ステップとを備える、外観検査方法。 An appearance inspection method for inspecting the appearance of an inspection object by performing particle analysis of an image,
An acquisition step of acquiring density gradient image data reflecting density from the captured image data by performing a predetermined filtering process on the captured image data generated by imaging the inspection object;
A labeling step for executing a labeling process for generating identification data for identifying an area specified by the grayscale image data based on a predetermined first threshold;
For the region, a measurement value calculation step for calculating a measurement value for a predetermined particle analysis;
A gradient value calculating step for calculating a gradient gradient value in the vicinity of the center of gravity of the region;
A dispersion ratio calculating step for calculating a dispersion ratio, which is a ratio between the variance of the shade gradient value of the region and the variance of the shade gradient value of a peripheral region included in a predetermined range from the region;
Detecting defects on the surface of the object to be inspected by comparing the measured value, the density gradient value, the dispersion ratio, and a predetermined reference value for detecting defects on the surface of the object to be inspected A visual inspection method comprising: a detecting step.
被検査物の撮影により生成された撮影画像データに対して予め定められたフィルタリング処理を実行することにより、前記撮影画像データから、濃淡が反映された濃淡勾配画像データを取得する取得ステップと、
予め定められた第１の閾値に基づいて、前記濃淡勾配画像データにより特定される領域を識別する識別データを生成するためのラベリング処理を実行するラベリングステップと、
前記領域について、予め定められた粒子解析のための計測値を算出する計測値算出ステップと、
前記領域の重心の近傍における濃淡勾配値を算出する勾配値算出ステップと、
前記領域の濃淡勾配値の分散と、前記領域から予め定められた範囲内に含まれる周辺領域の濃淡勾配値の分散との比である分散比を算出する分散比算出ステップと、
前記計測値と前記濃淡勾配値と前記分散比と、前記被検査物の表面における欠陥を検出するために予め定められた基準値とを比較することにより、前記被検査物の表面における欠陥を検出する検出ステップとを実行させる、プログラム。 A program for functioning a computer as a visual inspection apparatus for inspecting the appearance of the object to be inspected by performing a particle analysis of the image, the program comprising the computer,
An acquisition step of acquiring density gradient image data reflecting density from the captured image data by performing a predetermined filtering process on the captured image data generated by imaging the inspection object;
A labeling step for executing a labeling process for generating identification data for identifying an area specified by the grayscale image data based on a predetermined first threshold;
For the region, a measurement value calculation step for calculating a measurement value for a predetermined particle analysis;
A gradient value calculating step for calculating a gradient gradient value in the vicinity of the center of gravity of the region;
A dispersion ratio calculating step for calculating a dispersion ratio, which is a ratio between the variance of the shade gradient value of the region and the variance of the shade gradient value of a peripheral region included in a predetermined range from the region;
Detecting defects on the surface of the object to be inspected by comparing the measured value, the density gradient value, the dispersion ratio, and a predetermined reference value for detecting defects on the surface of the object to be inspected And a detection step for executing the program.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004339156A JP4550559B2 (en) | 2004-11-24 | 2004-11-24 | Appearance inspection apparatus, appearance inspection method, and program for causing computer to function as appearance inspection apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004339156A JP4550559B2 (en) | 2004-11-24 | 2004-11-24 | Appearance inspection apparatus, appearance inspection method, and program for causing computer to function as appearance inspection apparatus |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2006145484A JP2006145484A (en) | 2006-06-08 |
| JP4550559B2 true JP4550559B2 (en) | 2010-09-22 |
Family
ID=36625339
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2004339156A Active JP4550559B2 (en) | 2004-11-24 | 2004-11-24 | Appearance inspection apparatus, appearance inspection method, and program for causing computer to function as appearance inspection apparatus |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4550559B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105900418A (en) * | 2013-02-18 | 2016-08-24 | 卡帝瓦公司 | Quality assessment of OLED stack films |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101427127A (en) | 2006-04-26 | 2009-05-06 | 夏普株式会社 | Color filter inspecting method, color filter manufacturing method, and color filter inspecting device |
| JP2008139027A (en) * | 2006-11-29 | 2008-06-19 | Sharp Corp | Inspection device, inspection method, image inspection system, manufacturing method of color filter and inspection program |
| JP4902456B2 (en) * | 2007-07-31 | 2012-03-21 | シャープ株式会社 | Unevenness evaluation apparatus, Unevenness evaluation method, Unevenness evaluation program, recording medium, and color filter manufacturing method |
| JP2010038723A (en) * | 2008-08-05 | 2010-02-18 | Hitachi Chem Co Ltd | Flaw inspecting method |
| EP2551664B1 (en) | 2010-03-24 | 2014-11-12 | Shimadzu Corporation | Measuring system |
| US11645744B2 (en) | 2016-12-06 | 2023-05-09 | Mitsubishi Electric Corporation | Inspection device and inspection method |
| CN109115785B (en) * | 2018-08-08 | 2020-09-29 | 长沙理工大学 | Casting polishing quality detection method and device and use method thereof |
| CN111553255B (en) * | 2020-04-26 | 2023-04-07 | 上海天诚比集科技有限公司 | High-altitude parabolic wall monitoring area positioning method based on gradient algorithm |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1010054A (en) * | 1996-06-26 | 1998-01-16 | Nissan Motor Co Ltd | Inspection device for surface defect |
| JP2000193601A (en) * | 1998-12-28 | 2000-07-14 | Suzuki Motor Corp | Surface defect inspecting device |
| JP2000214101A (en) * | 1999-01-20 | 2000-08-04 | Nissan Motor Co Ltd | Surface defect-inspecting device |
| JP2000329538A (en) * | 1999-05-24 | 2000-11-30 | Dainippon Printing Co Ltd | Surface-inspecting apparatus |
| JP2002310917A (en) * | 2001-04-13 | 2002-10-23 | Mitsubishi Chemicals Corp | Defect detecting method and device thereof |
| JP2004020373A (en) * | 2002-06-17 | 2004-01-22 | Nitto Denko Corp | Inspection result recording method of sheet-like formed body, inspection result judging method, inspection result recording system, machining method of the sheet-like formed body, the sheet-like formed body, and sheet object |
-
2004
- 2004-11-24 JP JP2004339156A patent/JP4550559B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1010054A (en) * | 1996-06-26 | 1998-01-16 | Nissan Motor Co Ltd | Inspection device for surface defect |
| JP2000193601A (en) * | 1998-12-28 | 2000-07-14 | Suzuki Motor Corp | Surface defect inspecting device |
| JP2000214101A (en) * | 1999-01-20 | 2000-08-04 | Nissan Motor Co Ltd | Surface defect-inspecting device |
| JP2000329538A (en) * | 1999-05-24 | 2000-11-30 | Dainippon Printing Co Ltd | Surface-inspecting apparatus |
| JP2002310917A (en) * | 2001-04-13 | 2002-10-23 | Mitsubishi Chemicals Corp | Defect detecting method and device thereof |
| JP2004020373A (en) * | 2002-06-17 | 2004-01-22 | Nitto Denko Corp | Inspection result recording method of sheet-like formed body, inspection result judging method, inspection result recording system, machining method of the sheet-like formed body, the sheet-like formed body, and sheet object |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105900418A (en) * | 2013-02-18 | 2016-08-24 | 卡帝瓦公司 | Quality assessment of OLED stack films |
| CN105900418B (en) * | 2013-02-18 | 2018-01-12 | 卡帝瓦公司 | The system, apparatus and method of the quality evaluation of OLED stack film |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2006145484A (en) | 2006-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5225297B2 (en) | Method for recognizing array region in die formed on wafer, and setting method for such method | |
| TWI716684B (en) | Critical dimension measuring method and image processing apparatus for measuring critical dimension | |
| KR101934313B1 (en) | System, method and computer program product for detection of defects within inspection images | |
| US10330608B2 (en) | Systems and methods for wafer surface feature detection, classification and quantification with wafer geometry metrology tools | |
| JP4776308B2 (en) | Image defect inspection apparatus, image defect inspection system, defect classification apparatus, and image defect inspection method | |
| US20130202188A1 (en) | Defect inspection method, defect inspection apparatus, program product and output unit | |
| US7796803B2 (en) | Image correction method and apparatus for use in pattern inspection system | |
| JP4617970B2 (en) | Defect inspection apparatus and defect inspection method | |
| WO2003104781A1 (en) | Method for pattern inspection | |
| JP2010520622A (en) | Method for accurately identifying the edge of an inspection area for an array area formed on a wafer, and a method for binning detected defects in an array area formed on a wafer | |
| TW201337839A (en) | Segmentation for wafer inspection | |
| CN109523527A (en) | The detection method in dirty region, device and electronic equipment in image | |
| US6718074B1 (en) | Method and apparatus for inspection for under-resolved features in digital images | |
| JP4550559B2 (en) | Appearance inspection apparatus, appearance inspection method, and program for causing computer to function as appearance inspection apparatus | |
| US7352901B2 (en) | Contour inspection method and apparatus | |
| CN113781424A (en) | Surface defect detection method, device and equipment | |
| US20010012390A1 (en) | Pattern inspection equipment, pattern inspection method, and storage medium storing pattern inspection program | |
| CN111861980A (en) | Imaging detection method, electronic equipment and computer readable storage medium | |
| CN117274258A (en) | Method, system, equipment and storage medium for detecting defects of main board image | |
| JP2002140694A (en) | Image processor, its method and recording medium with recorded image processing program | |
| JPH06207909A (en) | Inspection apparatus for surface defect | |
| CN110553581B (en) | Critical dimension measuring method and image processing device for measuring critical dimension | |
| JP2004251781A (en) | Defect inspection method by image recognition | |
| KR102383577B1 (en) | A method for inspecting a skeleton wafer | |
| JP3652589B2 (en) | Defect inspection equipment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070302 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100129 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100223 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100423 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100629 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100708 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4550559 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130716 Year of fee payment: 3 |
|
| SG99 | Written request for registration of restore |
Free format text: JAPANESE INTERMEDIATE CODE: R316G99 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130716 Year of fee payment: 3 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| SG99 | Written request for registration of restore |
Free format text: JAPANESE INTERMEDIATE CODE: R316G99 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |