JP6630912B1 - 検査装置及び検査方法 - Google Patents
検査装置及び検査方法 Download PDFInfo
- Publication number
- JP6630912B1 JP6630912B1 JP2019003969A JP2019003969A JP6630912B1 JP 6630912 B1 JP6630912 B1 JP 6630912B1 JP 2019003969 A JP2019003969 A JP 2019003969A JP 2019003969 A JP2019003969 A JP 2019003969A JP 6630912 B1 JP6630912 B1 JP 6630912B1
- Authority
- JP
- Japan
- Prior art keywords
- determination unit
- inspection
- defect
- image data
- absence
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000007547 defect Effects 0.000 claims abstract description 64
- 230000002950 deficient Effects 0.000 claims abstract description 47
- 238000003384 imaging method Methods 0.000 claims abstract description 19
- 239000011800 void material Substances 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 abstract description 4
- 239000004065 semiconductor Substances 0.000 description 36
- 238000011179 visual inspection Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8874—Taking dimensions of defect into account
Landscapes
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
【課題】予め決められた規格を満たした良品を不良品と誤判定する可能性が低減された検査装置及び検査方法を提供する。【解決手段】検査装置１０は、被検査対象物６０を撮像する撮像部２０と、撮像部２０によって得られた被検査対象物６０の撮像データを処理し、処理画像データを生成する画像処理部３０と、処理画像データ及び予め規定された欠陥のデータに基づいて被検査対象物６０の欠陥の有無を判定する第１の判定部４０と、処理画像データ及び予め構築された学習モデルに基づいて被検査対象物６０の欠陥の有無を判定する第２の判定部５０と、を備え、第２の判定部５０が欠陥があると判定した被検査対象物６０に対して第１の判定部４０が欠陥の有無を判定する。【選択図】図１
Description
本発明は、検査装置及び検査方法に関する。
特許文献１には、対象物の外観から良品と不良品を判定する外観検査装置が記載されている。この外観検査装置は、撮影照明装置により製品を撮影し、制御部において、撮影制御部にて画像を取得し、前処理部にて製品の位置決め及び背景除去を行い、色空間処理部により製品の傷や打痕等の不具合が強調される色空間処理を行うことで色空間処理画像を生成し、判定部にて、色空間処理画像に基づき製品の良否判定を機械学習した学習済みモデルを用いて、製品の良否判定を行う。
本発明は、予め決められた規格を満たした良品を不良品と誤判定する可能性が低減された検査装置及び検査方法を提供することを目的とする。
請求項１に記載の発明は、被検査対象物を撮像する撮像部と、前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、前記処理画像データ及び予め規定されたボイド及び傷のデータに基づいて、前記被検査対象物の欠陥の有無を判定する第１の判定部と、前記処理画像データ及び予め構築された機械学習モデルに基づいて、前記被検査対象物の前記ボイド及び前記傷の有無を判定する第２の判定部と、を備え、前記第２の判定部が前記ボイドがあり不良であると判定した前記被検査対象物に対して、前記第１の判定部が該ボイドの有無を判定し、前記第２の判定部が前記傷があり不良であると判定した前記被検査対象物に対して、前記第１の判定部が該傷の有無を判定する検査装置である。
請求項２に記載の発明は、被検査対象物を撮像する撮像部と、前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、前記処理画像データ及び予め規定された複数の種類の欠陥のデータに基づいて、前記被検査対象物の欠陥の有無を判定する第１の判定部と、前記処理画像データ及び予め構築された機械学習モデルに基づいて、前記被検査対象物について前記複数の種類の欠陥の有無を判定する第２の判定部と、を備え、前記第２の判定部が、前記被検査対象物について特定の種類の前記欠陥があり不良品と判定した場合に、前記第１の判定部が、該不良品について該特定の種類の欠陥の有無を判定する検査装置である。
請求項３に記載の発明は、被検査対象物を撮像する撮像部と、前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、前記処理画像データ及び予め規定された複数の種類の欠陥のデータに基づいて、前記被検査対象物の欠陥の有無を判定する第１の判定部と、前記処理画像データ及び予め構築された機械学習モデルに基づいて、前記被検査対象物について前記複数の種類の欠陥の有無を判定する第２の判定部と、を備えた検査装置を用いて前記被検査対象物を検査する検査方法であって、前記第２の判定部が、前記被検査対象物について特定の種類の前記欠陥があり不良品と判定した場合に、前記第１の判定部が、該不良品について該特定の種類の欠陥の有無を判定する検査方法である。
本発明によれば、予め決められた規格を満たした良品を不良品と誤判定する可能性が低減された検査装置及び検査方法を提供できる。
続いて、添付した図面を参照しつつ、本発明を具体化した実施の形態につき説明し、本発明の理解に供する。なお、図において、説明に関連しない部分は図示を省略する場合がある。
本発明の一実施の形態に係る外観検査装置（検査装置の一例）１０は、図１に示すように、撮像部２０、画像処理部３０、第１の判定部４０及び第２の判定部５０を備え、半導体（被検査対象物の一例）６０の外観上の欠陥を検査することができる。
なお、この欠陥の例として、図２（Ａ）〜図２（Ｅ）にそれぞれ示すような傷、ボイド（気泡により生じた穴）、汚れ、異物（異物の混入又は付着）及び未充填が挙げられる。
なお、この欠陥の例として、図２（Ａ）〜図２（Ｅ）にそれぞれ示すような傷、ボイド（気泡により生じた穴）、汚れ、異物（異物の混入又は付着）及び未充填が挙げられる。
撮像部２０は、半導体６０の外観を撮像できるカメラであり、半導体６０の上方に配置されている。
画像処理部３０は、撮像部２０によって得られた半導体６０の撮像データを処理し、処理画像データを生成できる。
画像処理部３０は、撮像部２０によって得られた半導体６０の撮像データを処理し、処理画像データを生成できる。
第１の判定部４０は、ルールベースにより半導体６０の外観上の欠陥の有無を判定できる。より具体的には、第１の判定部４０は、画像処理部３０が生成した処理画像データ及び予め規定された欠陥のデータに基づいて、半導体６０の外観上の欠陥の有無を判定できる。
第１の判定部４０は、図３（Ａ）に示す半導体６０の画像に対し、図３（Ｂ）に示すように、設定された検査領域（検査対象としない不問エリア以外の領域）において、欠陥を規定するデータとして予め設定された長さや面積等を計測することにより、半導体６０に欠陥があるか否かを判定する。
なお、欠陥として計測する対象は、検出対象とする欠陥の種類によって異なる。例えば、ボイドを規定するデータとして径が０．２ｍｍ以上と設定されると、径が０．２ｍｍ未満のボイドが計測された半導体６０は良品と判定され、それ以外の半導体６０は不良品と判定される。また例えば、傷を規定するデータとして長さ０．２ｍｍ以上と設定されると、長さ０．２ｍｍ未満の傷が計測された半導体６０は良品と判定され、それ以外の半導体６０は不良品と判定される。
従って、第１の判定部４０により、検査結果として保証すべき絶対的な外観上の規格を満たすか否かが判定される。
第１の判定部４０は、図３（Ａ）に示す半導体６０の画像に対し、図３（Ｂ）に示すように、設定された検査領域（検査対象としない不問エリア以外の領域）において、欠陥を規定するデータとして予め設定された長さや面積等を計測することにより、半導体６０に欠陥があるか否かを判定する。
なお、欠陥として計測する対象は、検出対象とする欠陥の種類によって異なる。例えば、ボイドを規定するデータとして径が０．２ｍｍ以上と設定されると、径が０．２ｍｍ未満のボイドが計測された半導体６０は良品と判定され、それ以外の半導体６０は不良品と判定される。また例えば、傷を規定するデータとして長さ０．２ｍｍ以上と設定されると、長さ０．２ｍｍ未満の傷が計測された半導体６０は良品と判定され、それ以外の半導体６０は不良品と判定される。
従って、第１の判定部４０により、検査結果として保証すべき絶対的な外観上の規格を満たすか否かが判定される。
第２の判定部５０は、機械学習により半導体６０の外観上の欠陥の有無を判定できる。より具体的には、第２の判定部５０は、画像処理部３０が生成した処理画像データ及び予め構築された機械学習モデルに基づいて、半導体６０の外観上の欠陥の有無を判定できる。
第２の判定部５０は、図４に示すように、予め複数の良品を撮像した画像群とボイド、傷、未充填等の各種の不良品を撮像した画像群とを例えばディープラーニング（教師あり学習の一例）により学習し、構築された機械学習モデルに基づいて、半導体６０の外観上の欠陥の有無を判定できることに加え、不良品をボイド、傷、未充填等の欠陥の種類に応じて仕分けできる。
なお、第２の判定部５０及び第１の判定部４０がそれぞれ単独で半導体６０の全数を検査する場合、機械学習による第２の判定部５０による判定処理は、ルールベースよる第１の判定部４０による判定処理よりも高速である。
第２の判定部５０は、図４に示すように、予め複数の良品を撮像した画像群とボイド、傷、未充填等の各種の不良品を撮像した画像群とを例えばディープラーニング（教師あり学習の一例）により学習し、構築された機械学習モデルに基づいて、半導体６０の外観上の欠陥の有無を判定できることに加え、不良品をボイド、傷、未充填等の欠陥の種類に応じて仕分けできる。
なお、第２の判定部５０及び第１の判定部４０がそれぞれ単独で半導体６０の全数を検査する場合、機械学習による第２の判定部５０による判定処理は、ルールベースよる第１の判定部４０による判定処理よりも高速である。
次に、外観検査装置１０の動作（半導体６０の外観検査方法）について、図５に基づいて説明する。外観検査装置１０は、以下のステップに従って半導体６０の欠陥の有無を検査できる。ただし、可能な場合には、各ステップは順番を入れ替えて実施されてもよいし、並行して実施されてもよい。
以下、説明を単純化するために、規定のボイド及び規定の傷の有無を検査し、これら欠陥がない良品を出荷する出荷検査の例について説明する。
以下、説明を単純化するために、規定のボイド及び規定の傷の有無を検査し、これら欠陥がない良品を出荷する出荷検査の例について説明する。
（ステップＳ１）
撮像部２０が出荷前の半導体６０を撮像し、画像処理部３０が撮像データを処理して処理画像を生成する。その後、第２の判定部５０が、機械学習モデルに基づいて、半導体６０の全数について外観を検査する。
撮像部２０が出荷前の半導体６０を撮像し、画像処理部３０が撮像データを処理して処理画像を生成する。その後、第２の判定部５０が、機械学習モデルに基づいて、半導体６０の全数について外観を検査する。
（ステップＳ２）
前ステップＳ１の検査にて半導体６０に欠陥がない（ボイドも傷もない）と判定された場合には、良品として扱われる。
欠陥があると判定された場合には、不良品として扱われる。
前ステップＳ１の検査にて半導体６０に欠陥がない（ボイドも傷もない）と判定された場合には、良品として扱われる。
欠陥があると判定された場合には、不良品として扱われる。
（ステップＳ３ａ）
前ステップＳ２にて不良品と判定され、その欠陥がボイド不良の場合には、その不良品について第１の判定部４０がボイドの有無を検査する。
（ステップＳ３ｂ）
第１の判定部４０が規定のボイドが存在しないと判定した場合は、その半導体６０は良品として扱われる。一方、第１の判定部４０が規定のボイドが存在すると判定した場合は、その半導体６０は不良品として扱われる。
なお、第１の判定部４０により判定されたボイド不良は、その具体的な測定結果が検査データとして記録される（ボイド不良が計数値化される）。
前ステップＳ２にて不良品と判定され、その欠陥がボイド不良の場合には、その不良品について第１の判定部４０がボイドの有無を検査する。
（ステップＳ３ｂ）
第１の判定部４０が規定のボイドが存在しないと判定した場合は、その半導体６０は良品として扱われる。一方、第１の判定部４０が規定のボイドが存在すると判定した場合は、その半導体６０は不良品として扱われる。
なお、第１の判定部４０により判定されたボイド不良は、その具体的な測定結果が検査データとして記録される（ボイド不良が計数値化される）。
（ステップＳ４ａ）
前ステップＳ２にて不良品と判定され、欠陥が傷不良の場合には、その不良品について第１の判定部４０が傷の有無を検査する。
（ステップＳ４ｂ）
第１の判定部４０が規定の傷が存在しないと判定した場合は、その半導体６０は良品として扱われる。一方、第１の判定部４０が規定の傷が存在すると判定した場合は、その半導体６０は不良品として扱われる。
なお、第１の判定部４０により判定された傷不良は、その具体的な測定結果が検査データとして記録される（傷不良が計数値化される）。
前ステップＳ２にて不良品と判定され、欠陥が傷不良の場合には、その不良品について第１の判定部４０が傷の有無を検査する。
（ステップＳ４ｂ）
第１の判定部４０が規定の傷が存在しないと判定した場合は、その半導体６０は良品として扱われる。一方、第１の判定部４０が規定の傷が存在すると判定した場合は、その半導体６０は不良品として扱われる。
なお、第１の判定部４０により判定された傷不良は、その具体的な測定結果が検査データとして記録される（傷不良が計数値化される）。
（ステップＳ５）
ステップＳ３ｂ及びステップＳ４ｂにて不良品と判定された半導体６０は、不良品として所定の処理がなされる。
ステップＳ１にて不良品と判定された半導体６０のうち、欠陥がボイド不良かつ傷不良である半導体６０は、不良品として所定の処理がなされる。欠陥がボイド不良でも傷不良でもない欠陥（その他不良）である半導体６０も、不良品として所定の処理がなされる。
ステップＳ３ｂ及びステップＳ４ｂにて不良品と判定された半導体６０は、不良品として所定の処理がなされる。
ステップＳ１にて不良品と判定された半導体６０のうち、欠陥がボイド不良かつ傷不良である半導体６０は、不良品として所定の処理がなされる。欠陥がボイド不良でも傷不良でもない欠陥（その他不良）である半導体６０も、不良品として所定の処理がなされる。
（ステップＳ６）
ステップＳ２にて良品と判定された半導体６０が出荷される。
ステップＳ３ｂ及びステップＳ４ｂにて良品と判定された半導体６０も出荷される。
ステップＳ２にて良品と判定された半導体６０が出荷される。
ステップＳ３ｂ及びステップＳ４ｂにて良品と判定された半導体６０も出荷される。
このように、外観検査装置１０によれば、第２の判定部５０が機械学習により欠陥がある不良品と判定した半導体６０に対して、第１の判定部４０が再度ルールベースにより欠陥の有無を判定し、欠陥がないと判断した半導体６０を良品として取り扱うことによって、予め決められた規格を満たした良品を不良品と誤判定する可能性が低減される。
また、単独での判定処理に関しては、第２の判定部５０の方が第１の判定部４０よりも高速で良否を判定できるため、第１の判定部４０のみで判定する場合よりも、検査に要する時間は全体として短縮される。
また、単独での判定処理に関しては、第２の判定部５０の方が第１の判定部４０よりも高速で良否を判定できるため、第１の判定部４０のみで判定する場合よりも、検査に要する時間は全体として短縮される。
以上、本発明の実施の形態を説明したが、本発明は、上記した形態に限定されるものでなく、要旨を逸脱しない条件の変更等は全て本発明の適用範囲である。
検査装置は、被検査対象の外観を検査する外観検査装置に限定されるものではなく、例えば、内部の欠陥を非接触で検査できる非接触検査装置であってもよい。
検査装置は、被検査対象の外観を検査する外観検査装置に限定されるものではなく、例えば、内部の欠陥を非接触で検査できる非接触検査装置であってもよい。
１０ 外観検査装置
２０ 撮像部
３０ 画像処理部
４０ 第１の判定部
５０ 第２の判定部
６０ 半導体
２０ 撮像部
３０ 画像処理部
４０ 第１の判定部
５０ 第２の判定部
６０ 半導体
Claims (3)
- 被検査対象物を撮像する撮像部と、
前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、
前記処理画像データ及び予め規定されたボイド及び傷のデータに基づいて、前記被検査対象物の欠陥の有無を判定する第１の判定部と、
前記処理画像データ及び予め構築された機械学習モデルに基づいて、前記被検査対象物の前記ボイド及び前記傷の有無を判定する第２の判定部と、を備え、
前記第２の判定部が前記ボイドがあり不良であると判定した前記被検査対象物に対して、前記第１の判定部が該ボイドの有無を判定し、
前記第２の判定部が前記傷があり不良であると判定した前記被検査対象物に対して、前記第１の判定部が該傷の有無を判定する検査装置。 - 被検査対象物を撮像する撮像部と、
前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、
前記処理画像データ及び予め規定された複数の種類の欠陥のデータに基づいて、前記被検査対象物の欠陥の有無を判定する第１の判定部と、
前記処理画像データ及び予め構築された機械学習モデルに基づいて、前記被検査対象物について前記複数の種類の欠陥の有無を判定する第２の判定部と、を備え、
前記第２の判定部が、前記被検査対象物について特定の種類の前記欠陥があり不良品と判定した場合に、前記第１の判定部が、該不良品について該特定の種類の欠陥の有無を判定する検査装置。 - 被検査対象物を撮像する撮像部と、前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、前記処理画像データ及び予め規定された複数の種類の欠陥のデータに基づいて、前記被検査対象物の欠陥の有無を判定する第１の判定部と、前記処理画像データ及び予め構築された機械学習モデルに基づいて、前記被検査対象物について前記複数の種類の欠陥の有無を判定する第２の判定部と、を備えた検査装置を用いて前記被検査対象物を検査する検査方法であって、
前記第２の判定部が、前記被検査対象物について特定の種類の前記欠陥があり不良品と判定した場合に、前記第１の判定部が、該不良品について該特定の種類の欠陥の有無を判定する検査方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019003969A JP6630912B1 (ja) | 2019-01-14 | 2019-01-14 | 検査装置及び検査方法 |
| CN202010025454.XA CN111435118A (zh) | 2019-01-14 | 2020-01-10 | 检查装置和检查方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019003969A JP6630912B1 (ja) | 2019-01-14 | 2019-01-14 | 検査装置及び検査方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6630912B1 true JP6630912B1 (ja) | 2020-01-15 |
| JP2020112456A JP2020112456A (ja) | 2020-07-27 |
Family
ID=69146709
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019003969A Active JP6630912B1 (ja) | 2019-01-14 | 2019-01-14 | 検査装置及び検査方法 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP6630912B1 (ja) |
| CN (1) | CN111435118A (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7407670B2 (ja) | 2020-08-04 | 2024-01-04 | デンカ株式会社 | 評価システム、評価方法、および評価プログラム |
| JP7257470B2 (ja) * | 2021-09-01 | 2023-04-13 | 株式会社エフ・シー・シー | 欠陥検査装置、欠陥検査方法および予測モデル生成方法 |
| WO2023095416A1 (ja) * | 2021-11-25 | 2023-06-01 | 株式会社ジャパンディスプレイ | 表示装置の検査方法及び情報処理装置 |
Family Cites Families (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04364449A (ja) * | 1991-06-11 | 1992-12-16 | Sumitomo Heavy Ind Ltd | 果実の欠陥検出装置 |
| JPH0633060U (ja) * | 1992-10-02 | 1994-04-28 | 谷電機工業株式会社 | 自動検査機能付き目視検査システム |
| JPH09167383A (ja) * | 1995-10-12 | 1997-06-24 | Toray Ind Inc | 光記録媒体の検査システムおよび製造方法 |
| JPH11211701A (ja) * | 1998-01-26 | 1999-08-06 | Hitachi Constr Mach Co Ltd | 超音波検査装置 |
| JP4345930B2 (ja) * | 2005-01-28 | 2009-10-14 | Ｙｋｋ株式会社 | 物品の外観検査装置 |
| JP2010038723A (ja) * | 2008-08-05 | 2010-02-18 | Hitachi Chem Co Ltd | 欠陥検査方法 |
| JP5168215B2 (ja) * | 2009-04-10 | 2013-03-21 | 株式会社デンソー | 外観検査装置 |
| JP2012026982A (ja) * | 2010-07-27 | 2012-02-09 | Panasonic Electric Works Sunx Co Ltd | 検査装置 |
| JP5921190B2 (ja) * | 2011-12-28 | 2016-05-24 | 株式会社キーエンス | 画像処理装置及び画像処理方法 |
| JP5943722B2 (ja) * | 2012-06-08 | 2016-07-05 | 三菱重工業株式会社 | 欠陥判定装置、放射線撮像システム、及び欠陥判定方法 |
| CN104458755B (zh) * | 2014-11-26 | 2017-02-22 | 吴晓军 | 一种基于机器视觉的多类型材质表面缺陷检测方法 |
| US10591388B2 (en) * | 2015-04-27 | 2020-03-17 | Virtual Fluid Monitoring Services LLC | Fluid analysis and monitoring using optical spectroscopy |
| JP6218094B1 (ja) * | 2016-04-15 | 2017-10-25 | Ｊｅインターナショナル株式会社 | 検査方法、検査装置、検査プログラム、および記録媒体 |
| JP7185388B2 (ja) * | 2016-11-21 | 2022-12-07 | 日東電工株式会社 | 検査装置及び検査方法 |
| JP6358351B1 (ja) * | 2017-03-21 | 2018-07-18 | Ｊｆｅスチール株式会社 | 表面欠陥検査方法及び表面欠陥検査装置 |
| JP6560707B2 (ja) * | 2017-04-20 | 2019-08-14 | ファナック株式会社 | 加工面品位評価装置 |
| JP6549644B2 (ja) * | 2017-06-27 | 2019-07-24 | ファナック株式会社 | 機械学習装置、ロボット制御システム及び機械学習方法 |
| JP6705777B2 (ja) * | 2017-07-10 | 2020-06-03 | ファナック株式会社 | 機械学習装置、検査装置及び機械学習方法 |
| CN207636508U (zh) * | 2017-12-14 | 2018-07-20 | 北京木业邦科技有限公司 | 一种单板缺陷检测***及设备 |
| CN108107051B (zh) * | 2017-12-19 | 2020-03-31 | 无锡先导智能装备股份有限公司 | 基于机器视觉的锂电池缺陷检测***及方法 |
| CN108257122A (zh) * | 2018-01-09 | 2018-07-06 | 北京百度网讯科技有限公司 | 基于机器视觉的纸张缺陷检测方法、装置及服务器 |
-
2019
- 2019-01-14 JP JP2019003969A patent/JP6630912B1/ja active Active
-
2020
- 2020-01-10 CN CN202010025454.XA patent/CN111435118A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020112456A (ja) | 2020-07-27 |
| CN111435118A (zh) | 2020-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2665806C2 (ru) | Способ и устройство проверки инспекционной системы для обнаружения поверхностных дефектов | |
| JP6342046B2 (ja) | ビット不良および仮想検査を用いたウェハ検査プロセスの生成 | |
| JP6630912B1 (ja) | 検査装置及び検査方法 | |
| JP6922539B2 (ja) | 表面欠陥判定方法および表面欠陥検査装置 | |
| JP2018159705A (ja) | 自動光学検査システム及びその操作方法 | |
| JP7053366B2 (ja) | 検査装置及び検査方法 | |
| US8401272B2 (en) | Patterned wafer defect inspection system and method | |
| US11280744B2 (en) | Appearance inspection apparatus and appearance inspection method | |
| TWI526683B (zh) | Method of setting parameters for common setting between optical inspection units | |
| CN110108713A (zh) | 一种表面异物缺陷快速过滤方法及*** | |
| JP6953712B2 (ja) | タイヤの外観検査装置 | |
| JP2007047079A (ja) | 缶の巻締め不良検査方法 | |
| JPH09264856A (ja) | 物品外観検査装置 | |
| US20230138331A1 (en) | Motion in images used in a visual inspection process | |
| JP2008304231A (ja) | シュリンクラベル装着状態検査方法 | |
| TWI493177B (zh) | 一種檢測具週期性結構光學薄膜的瑕疵檢測方法及其檢測裝置 | |
| JP2008015930A (ja) | 製造ラインの生産管理方法および生産管理システム | |
| TWM585899U (zh) | 用於檢測半導體裝置之缺陷之系統 | |
| JP2021056004A (ja) | 画像判定装置及び画像判定方法 | |
| TWI787630B (zh) | 基於人工智能的瑕疵檢測方法及其光學檢測系統 | |
| JPS5981544A (ja) | 内部欠陥の検出方法 | |
| Devasena et al. | AI-Based Quality Inspection of Industrial Products | |
| WO2023002673A1 (ja) | 解析装置、解析システム、解析方法、および解析プログラム | |
| JP3348059B2 (ja) | 半導体装置の製造方法 | |
| JP2008011005A (ja) | 撮像素子の欠陥検査方法及びプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190605 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190605 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190607 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190621 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20190819 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190928 |
|
| 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: 20191015 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191109 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6630912 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |