JPH07311028A - 構造物表面の検査における欠陥の検出方法 - Google Patents
構造物表面の検査における欠陥の検出方法Info
- Publication number
- JPH07311028A JPH07311028A JP7068314A JP6831495A JPH07311028A JP H07311028 A JPH07311028 A JP H07311028A JP 7068314 A JP7068314 A JP 7068314A JP 6831495 A JP6831495 A JP 6831495A JP H07311028 A JPH07311028 A JP H07311028A
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- image
- storage means
- defect
- characteristic
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/302—Contactless testing
- G01R31/308—Contactless testing using non-ionising electromagnetic radiation, e.g. optical radiation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30141—Printed circuit board [PCB]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Toxicology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
(57)【要約】
【目的】良好な構造から欠陥を実時間処理において分離
すべく、構造面の総数に左右されることなく構造特性に
基づいて欠陥の検出を保証する。 【構成】本発明に基づき、画素分類の手段により類似し
た画素特性を有する記録画像の領域を整理し、エッジ構
造及びコーナー構造を有する灰色濃度中間画像を前記の
画像から形成し、更に中間画像に含まれる全ての画素の
画素特性の作用をその周辺に位置する画素に関連して分
析する。本発明の方法はマスク、LCD、印刷回路基板
及び半導体ウェハー等の製造における統計的工程管理に
主に使用される。
すべく、構造面の総数に左右されることなく構造特性に
基づいて欠陥の検出を保証する。 【構成】本発明に基づき、画素分類の手段により類似し
た画素特性を有する記録画像の領域を整理し、エッジ構
造及びコーナー構造を有する灰色濃度中間画像を前記の
画像から形成し、更に中間画像に含まれる全ての画素の
画素特性の作用をその周辺に位置する画素に関連して分
析する。本発明の方法はマスク、LCD、印刷回路基板
及び半導体ウェハー等の製造における統計的工程管理に
主に使用される。
Description
【0001】
【産業上の利用分野】本発明は、構造物表面の特定の画
素特性及び構造物表面の記録画像の欠陥を使用して、特
にマスク、LCD、印刷回路基板及び半導体ウェハー等
の構造物表面の検査の際に欠陥を検出する方法であっ
て、画素分類(Bildpunktklassifikation )に基づいて
類似した画素特性を有する画像領域を編集し、構造分類
(Strukturklassifikation)に基づいて1つの画素の画
素特性の作用(Verhalten der Bildpunktmerkmale )を
その画素の周囲に位置する画素に関連して分析するよう
にした方法に関する。この検出方法は製造工程における
統計的工程管理に主に使用される。
素特性及び構造物表面の記録画像の欠陥を使用して、特
にマスク、LCD、印刷回路基板及び半導体ウェハー等
の構造物表面の検査の際に欠陥を検出する方法であっ
て、画素分類(Bildpunktklassifikation )に基づいて
類似した画素特性を有する画像領域を編集し、構造分類
(Strukturklassifikation)に基づいて1つの画素の画
素特性の作用(Verhalten der Bildpunktmerkmale )を
その画素の周囲に位置する画素に関連して分析するよう
にした方法に関する。この検出方法は製造工程における
統計的工程管理に主に使用される。
【0002】
【従来の技術及び課題】構造物表面の検査には数多くの
機械的検査方法が用いられている。機械的検査方法は光
散乱法またはレーザー光線を用いた走査方法(Streulic
ht-bzw. Laserscan-Verfahren )、ホログラフィーによ
る方法(holographische Verfahren)、及びデジタル画
像処理方法(Verfahren der digitalen Bildverarbeitu
ng)に主に分類することができる。
機械的検査方法が用いられている。機械的検査方法は光
散乱法またはレーザー光線を用いた走査方法(Streulic
ht-bzw. Laserscan-Verfahren )、ホログラフィーによ
る方法(holographische Verfahren)、及びデジタル画
像処理方法(Verfahren der digitalen Bildverarbeitu
ng)に主に分類することができる。
【0003】デジタル画像処理では、構造物表面の検査
に関する問題を解決するために、2つの基本的アプロー
チが用いられている。第1のアプローチは基準値と実際
値の比較に基づくものであり、同アプローチには以下の
3つの方法が含まれる。 1.画像と画像の比較:基準画像は試験標本により提供
される。 2.画像とデータの比較:基準画像はCADデータ(CA
D-Datensatz )の記録から形成された画像により提供さ
れる。 3.データとデータの比較:基準値と実際値の比較はC
ADデータに基づいて実行される。
に関する問題を解決するために、2つの基本的アプロー
チが用いられている。第1のアプローチは基準値と実際
値の比較に基づくものであり、同アプローチには以下の
3つの方法が含まれる。 1.画像と画像の比較:基準画像は試験標本により提供
される。 2.画像とデータの比較:基準画像はCADデータ(CA
D-Datensatz )の記録から形成された画像により提供さ
れる。 3.データとデータの比較:基準値と実際値の比較はC
ADデータに基づいて実行される。
【0004】前記した最初の2つの方法の有効原理は、
その処理に基づいて支持体(Objekttraegers)の非常に
正確な位置決めと、2つの同一の光電子工学的画像チャ
ンネル(zwei absolut identische optoelektronische
Bildkanaele )と、検査対象物上へのイルミネーショ
ン、光学的結像、センサー内における信号変換、及び虚
像に対するアナログ・チャンネルに付随する公差を含む
全ての物理的特性及び技術的特性を考慮した標本画像の
非常に正確な形成とを必要とする。
その処理に基づいて支持体(Objekttraegers)の非常に
正確な位置決めと、2つの同一の光電子工学的画像チャ
ンネル(zwei absolut identische optoelektronische
Bildkanaele )と、検査対象物上へのイルミネーショ
ン、光学的結像、センサー内における信号変換、及び虚
像に対するアナログ・チャンネルに付随する公差を含む
全ての物理的特性及び技術的特性を考慮した標本画像の
非常に正確な形成とを必要とする。
【0005】前記の第3の方法では、リアルタイム画像
(Realen Bildes )の完全な分析が必要とされる。即
ち、リアルタイム画像の処理では、問題のない画像分割
(stoersichere Segmentierung des Bildes)、エッジ検
出(Kantendetektion )、構成要素の近似(Approximat
ion von Strukturelementen )、及び光景描写(Beschr
eibung der Szene)を実時間で処理する必要がある。
(Realen Bildes )の完全な分析が必要とされる。即
ち、リアルタイム画像の処理では、問題のない画像分割
(stoersichere Segmentierung des Bildes)、エッジ検
出(Kantendetektion )、構成要素の近似(Approximat
ion von Strukturelementen )、及び光景描写(Beschr
eibung der Szene)を実時間で処理する必要がある。
【0006】実際値と基準値の比較に基づく前記の全て
の解決策は、光学、精密機械学、状態検出及び電子工学
(基準画像形成装置(Sollbildgenerator ))に関する
非常に高度な技術を必要とするためその実現に要する費
用が高くなる。
の解決策は、光学、精密機械学、状態検出及び電子工学
(基準画像形成装置(Sollbildgenerator ))に関する
非常に高度な技術を必要とするためその実現に要する費
用が高くなる。
【0007】原理的には、これらの解決策は2元構造
(binaere Strukturen)(例えば、マスク及びLCD等
にみられる構造)、加工ウェハーの更に下方の構造面
(untereStrukturierungsebenen)及び単純な反復構造
の比較における欠陥検出にのみ使用可能である。
(binaere Strukturen)(例えば、マスク及びLCD等
にみられる構造)、加工ウェハーの更に下方の構造面
(untereStrukturierungsebenen)及び単純な反復構造
の比較における欠陥検出にのみ使用可能である。
【0008】ウェハーの更に上方の技術的層(hoeheren
technologischen Schichten)において、同層の特性及
び構造物のエッジは、技術的加工処理、即ちオーバーラ
ップ及びオーバーレイにより、その領域内における不確
実性(Unsicherheiten)が基準値と実際値の比較によっ
て処理できないレベルまで変化する。
technologischen Schichten)において、同層の特性及
び構造物のエッジは、技術的加工処理、即ちオーバーラ
ップ及びオーバーレイにより、その領域内における不確
実性(Unsicherheiten)が基準値と実際値の比較によっ
て処理できないレベルまで変化する。
【0009】これは特に各層の厚みの変化(これらは灰
色濃度(Grauwerte )及び色の変化を招来する)及びオ
ーバーレイ公差(Ueberdeckungstoleranzen )の変化に
関連して現れる。これら全ての技術的特異性は基準値と
実際値の比較を困難または不可能にする。これに加え
て、ポリシリコン及びメタライゼーション層は統計学的
モデル・パラメータの手段によりテクスチャード領域
(texturierte Regionen)として画像化される。この結
果、これらも比較方法には受け入れられ難い。これら解
決策の例は以下の特許に開示されている。
色濃度(Grauwerte )及び色の変化を招来する)及びオ
ーバーレイ公差(Ueberdeckungstoleranzen )の変化に
関連して現れる。これら全ての技術的特異性は基準値と
実際値の比較を困難または不可能にする。これに加え
て、ポリシリコン及びメタライゼーション層は統計学的
モデル・パラメータの手段によりテクスチャード領域
(texturierte Regionen)として画像化される。この結
果、これらも比較方法には受け入れられ難い。これら解
決策の例は以下の特許に開示されている。
【0010】ドイツ特許第DE2508992号に基づ
く画像と画像の比較では、実構造(Ist-Struktur)はス
プリット・ビーム光路(gesplitteter optischer Strah
lengaenge )の手段により第2の実構造と比較される。
実構造及び第2の実構造をそれぞれ示す2つの画像はビ
デオ画像として互いに重ね合わされる。次いで、重ね合
わされた画像の評価が実行される。この方法では、構造
的欠陥は2つの画像を重ね合わせた際に生じるずれに基
づいて決定される。
く画像と画像の比較では、実構造(Ist-Struktur)はス
プリット・ビーム光路(gesplitteter optischer Strah
lengaenge )の手段により第2の実構造と比較される。
実構造及び第2の実構造をそれぞれ示す2つの画像はビ
デオ画像として互いに重ね合わされる。次いで、重ね合
わされた画像の評価が実行される。この方法では、構造
的欠陥は2つの画像を重ね合わせた際に生じるずれに基
づいて決定される。
【0011】ドイツ特許第DE2700252号に基づ
く別の方法では、試験対象となる構造は試験ビームによ
ってラスタ走査され、画素ごとに分解される。これによ
ってデジタル化された総合的な画像はデータ処理装置
(Datenverarbeitungsanlage)に入力される。同データ
処理装置において、ラスタ走査された構造の画像は記憶
手段内に格納された基準画像、基準構造または構造規則
と比較される。
く別の方法では、試験対象となる構造は試験ビームによ
ってラスタ走査され、画素ごとに分解される。これによ
ってデジタル化された総合的な画像はデータ処理装置
(Datenverarbeitungsanlage)に入力される。同データ
処理装置において、ラスタ走査された構造の画像は記憶
手段内に格納された基準画像、基準構造または構造規則
と比較される。
【0012】欧州特許第0426182号は、2つの互
いに隣接したコントロール対象物のそれぞれの画像と画
像を比較することと、1つのコントロール対象物の一部
分の画像を同コントロール対象物の別の部分の画像と比
較することとを組み合わせた方法を開示している。この
方法は特定の高集積回路(例えば、記憶装置、CCDア
レイ及び他のマルチ・エレメント・センサー(Multiele
mentsensoren)等)において、同一構成要素がチップ上
において数多く繰り返し形成されているという事実に基
づく。
いに隣接したコントロール対象物のそれぞれの画像と画
像を比較することと、1つのコントロール対象物の一部
分の画像を同コントロール対象物の別の部分の画像と比
較することとを組み合わせた方法を開示している。この
方法は特定の高集積回路(例えば、記憶装置、CCDア
レイ及び他のマルチ・エレメント・センサー(Multiele
mentsensoren)等)において、同一構成要素がチップ上
において数多く繰り返し形成されているという事実に基
づく。
【0013】基準値と実際値の比較の更に別の例は、ド
イツ特許第DE3336470号、ドイツ特許第DE3
612268号、ドイツ特許第DE3714011号、
及びドイツ特許第DE4136830号に開示されてい
る。
イツ特許第DE3336470号、ドイツ特許第DE3
612268号、ドイツ特許第DE3714011号、
及びドイツ特許第DE4136830号に開示されてい
る。
【0014】構造物表面の検査に関する問題を解決する
ための第2のアプローチは技術的特異性を使用するもの
であり、技術的加工処理、材料の欠陥、低品質加工材
料、結晶構造中に含まれる不純物及び同結晶構造の不完
全性などのパラメータに生じる干渉及び偏差から得られ
た欠陥の特性に基づいて欠陥を検出する。
ための第2のアプローチは技術的特異性を使用するもの
であり、技術的加工処理、材料の欠陥、低品質加工材
料、結晶構造中に含まれる不純物及び同結晶構造の不完
全性などのパラメータに生じる干渉及び偏差から得られ
た欠陥の特性に基づいて欠陥を検出する。
【0015】この直接的な欠陥検出は比較試験とは対象
的に、画像を検出する際に予め定められた基本規則に基
づくかまたは基本規則からの誤差に基づいて処理を実施
するため、同欠陥検出は基準構造に関する多くの情報が
なくても広範に実行し得る。このような基本規則及び基
本規則からの誤差は基準構造、基準層または欠陥に付随
する色特性及び形状特性に基づいて決定される。
的に、画像を検出する際に予め定められた基本規則に基
づくかまたは基本規則からの誤差に基づいて処理を実施
するため、同欠陥検出は基準構造に関する多くの情報が
なくても広範に実行し得る。このような基本規則及び基
本規則からの誤差は基準構造、基準層または欠陥に付随
する色特性及び形状特性に基づいて決定される。
【0016】ドイツ特許第DE3427981号は、こ
れらの方法のうちの1つを開示している。この方法は最
低限の構造的間隔を全てのコントロール構造物上に限定
可能であることと、コントロール構造物上に存在する多
数の欠陥は同コントロール構造物上の構造の任意の大き
さより大きなサイズまたは小さなサイズを有しているこ
ととに基づく。この結果、ドイツ特許第DE34279
81号に基づく自動検査において、幾何学的構造が前記
した構造の任意の大きさより更に小さいかまたは大きい
かを測定する測定窓(Massfenster )を使用可能であ
る。この結果、これらの測定窓は所定の測定窓内に位置
する構成要素のみを検出でき、限定された構造の大きさ
と一致する大きさを備えた構成要素の検出に使用できな
い。ウェハーの更に上方の構造面(hoeheren Strukturi
erungsebenen)において、最低限の間隔を技術的特異性
によって限定できなく、特に異なる構造部材を重ね合せ
ることによって限定できなくなることがこの方法の問題
として挙げられる。従って、この方法は2元構造に適応
し得るのみである。
れらの方法のうちの1つを開示している。この方法は最
低限の構造的間隔を全てのコントロール構造物上に限定
可能であることと、コントロール構造物上に存在する多
数の欠陥は同コントロール構造物上の構造の任意の大き
さより大きなサイズまたは小さなサイズを有しているこ
ととに基づく。この結果、ドイツ特許第DE34279
81号に基づく自動検査において、幾何学的構造が前記
した構造の任意の大きさより更に小さいかまたは大きい
かを測定する測定窓(Massfenster )を使用可能であ
る。この結果、これらの測定窓は所定の測定窓内に位置
する構成要素のみを検出でき、限定された構造の大きさ
と一致する大きさを備えた構成要素の検出に使用できな
い。ウェハーの更に上方の構造面(hoeheren Strukturi
erungsebenen)において、最低限の間隔を技術的特異性
によって限定できなく、特に異なる構造部材を重ね合せ
ることによって限定できなくなることがこの方法の問題
として挙げられる。従って、この方法は2元構造に適応
し得るのみである。
【0017】本発明の目的は良好な構造から欠陥を実時
間処理において分離すべく、構造面の総数に左右される
ことなく構造特性に基づいて欠陥の検出を保証すること
である。
間処理において分離すべく、構造面の総数に左右される
ことなく構造特性に基づいて欠陥の検出を保証すること
である。
【0018】
【課題を解決するための手段及び作用】本発明の目的は
構造物表面の特定の画素特性及び構造物表面の記録画像
の欠陥を使用して、特にマスク、LCD、印刷回路基板
及び半導体ウェハー等の構造物表面の検査の際に欠陥を
検出する方法であって、画素分類に基づいて類似した画
素特性を有する画像領域を編集し、構造分類に基づいて
1つの画素の画素特性の作用をその画素の周囲に位置す
る画素に関連して分析するようにした方法において、エ
ッジ構造(Kantenstrukturen)及びコーナー構造(Ecke
nstrukturen )を有し、かつ構造分類に使用される灰色
濃度中間画像(grauwertiges Zwischenbild )を記録画
像の画素分類において形成することを特徴とする本発明
の方法によって解決される。
構造物表面の特定の画素特性及び構造物表面の記録画像
の欠陥を使用して、特にマスク、LCD、印刷回路基板
及び半導体ウェハー等の構造物表面の検査の際に欠陥を
検出する方法であって、画素分類に基づいて類似した画
素特性を有する画像領域を編集し、構造分類に基づいて
1つの画素の画素特性の作用をその画素の周囲に位置す
る画素に関連して分析するようにした方法において、エ
ッジ構造(Kantenstrukturen)及びコーナー構造(Ecke
nstrukturen )を有し、かつ構造分類に使用される灰色
濃度中間画像(grauwertiges Zwischenbild )を記録画
像の画素分類において形成することを特徴とする本発明
の方法によって解決される。
【0019】エッジ構造及びコーナー構造を有する灰色
濃度中間画像の形成において、欠陥は閾値を導入するこ
となく予備分割において良好な構造から分離される。画
素分類はぼんやりしたファジイ分類と称される分類とし
て実行される。その分類結果は鮮明な分離特性を備えた
2元画像(Binaerbild)を有しない。
濃度中間画像の形成において、欠陥は閾値を導入するこ
となく予備分割において良好な構造から分離される。画
素分類はぼんやりしたファジイ分類と称される分類とし
て実行される。その分類結果は鮮明な分離特性を備えた
2元画像(Binaerbild)を有しない。
【0020】中間画像を形成すべく、明確な特性を備
え、かつ欠陥を含まない表面部分の総数と少なくとも一
致する選択された無作為標本の画素特性の分布は、灰色
濃度に変換された画素特性の総数を確率の手段を用いて
第1の特性空間にプロットすることによって表され、か
つ記録画像の全ての画素特性を灰色濃度に再評価するた
めにアドレスを用いて読み出し及び書き込みできる第1
の記憶手段内に格納される。そして、全ての無作為標本
の分布は総合的な分布を形成する。
え、かつ欠陥を含まない表面部分の総数と少なくとも一
致する選択された無作為標本の画素特性の分布は、灰色
濃度に変換された画素特性の総数を確率の手段を用いて
第1の特性空間にプロットすることによって表され、か
つ記録画像の全ての画素特性を灰色濃度に再評価するた
めにアドレスを用いて読み出し及び書き込みできる第1
の記憶手段内に格納される。そして、全ての無作為標本
の分布は総合的な分布を形成する。
【0021】少なくとも2つの互いに無関係な特性に基
づいて実施された中間画像の各画素の周辺領域(Umgebu
ng)の評価結果は、欠陥のない領域及び欠陥領域を互い
に分離すべくアドレスを用いて読み出し及び書き込みで
きる第2の記憶手段内に2元形態にて格納される。前記
第2の記憶手段の大きさは評価された特性の総数をプロ
ットした第2の特性空間によって決定される。更に、前
記第2の記憶手段内の一時的な記憶は第2の特性空間内
の全ての画素の特性分布と一致している。
づいて実施された中間画像の各画素の周辺領域(Umgebu
ng)の評価結果は、欠陥のない領域及び欠陥領域を互い
に分離すべくアドレスを用いて読み出し及び書き込みで
きる第2の記憶手段内に2元形態にて格納される。前記
第2の記憶手段の大きさは評価された特性の総数をプロ
ットした第2の特性空間によって決定される。更に、前
記第2の記憶手段内の一時的な記憶は第2の特性空間内
の全ての画素の特性分布と一致している。
【0022】既に記憶手段内に記憶された記録画像及び
画像内容(Bildinhalte )は、ともに無作為標本を得る
のに適している。欠陥のない表面部分の無作為標本に加
えて、欠陥を有する表面部分の無作為標本を中間画像の
形成に使用可能である。
画像内容(Bildinhalte )は、ともに無作為標本を得る
のに適している。欠陥のない表面部分の無作為標本に加
えて、欠陥を有する表面部分の無作為標本を中間画像の
形成に使用可能である。
【0023】小領域を備えた欠陥及び大領域を備えた欠
陥は、ともに灰色濃度画像の濾波と、続いて行われる欠
陥領域及び良好な領域の鮮明な分離とによって検出され
る。周辺領域の評価は可変コア(Kern variierbaren )
及び互いに無関係な特性を備えた少なくとも2つのフィ
ルタの使用と、ノイズの抑制と、評価された周辺領域内
に位置する自己内包領域(sich geschlossener, innerh
alb der bewertetenUmgebung liegender Gebiete )の
強調とによって実行される。
陥は、ともに灰色濃度画像の濾波と、続いて行われる欠
陥領域及び良好な領域の鮮明な分離とによって検出され
る。周辺領域の評価は可変コア(Kern variierbaren )
及び互いに無関係な特性を備えた少なくとも2つのフィ
ルタの使用と、ノイズの抑制と、評価された周辺領域内
に位置する自己内包領域(sich geschlossener, innerh
alb der bewertetenUmgebung liegender Gebiete )の
強調とによって実行される。
【0024】一方がローパス・フィルタ、特にガウス・
フィルタ(Gaussfilters)であり、他方がバンドパス・
フィルタ、特にそのコアが2次元的なガウス関数(zwei
dimensionalen Gaussfunktion )の第2の導関数(zwei
te Ableitung)を表すスポット・フィルタである一対の
フィルタの使用は効果的である。
フィルタ(Gaussfilters)であり、他方がバンドパス・
フィルタ、特にそのコアが2次元的なガウス関数(zwei
dimensionalen Gaussfunktion )の第2の導関数(zwei
te Ableitung)を表すスポット・フィルタである一対の
フィルタの使用は効果的である。
【0025】アドレスを用いて読み出し及び書き込みで
きる記憶手段(adressierbaren Speichers)は、ルック
アップ・テーブルとして形成されている。灰色濃度を含
む画素のカラー特性と、周囲に位置する全ての画素に付
随するテクスチャー特性とを画素特性として使用可能で
ある。しかし、分析対象とされる画素に付随する他のマ
ルチチャンネル情報(mehrkanalige Informationen)も
画素特性として使用可能である。
きる記憶手段(adressierbaren Speichers)は、ルック
アップ・テーブルとして形成されている。灰色濃度を含
む画素のカラー特性と、周囲に位置する全ての画素に付
随するテクスチャー特性とを画素特性として使用可能で
ある。しかし、分析対象とされる画素に付随する他のマ
ルチチャンネル情報(mehrkanalige Informationen)も
画素特性として使用可能である。
【0026】第1の記憶手段及び第2の記憶手段に含ま
れる記憶内容を決定するために、記録画像の大きさと一
致する大きさを備え、かつ検出された欠陥を無作為標本
として再び使用する画像セクションまたは画像カットア
ウト(Bildausschnitt)を、異なる検査領域のうちの第
1の検査領域から最初に選択し、かつ少なくとも1つの
画像カットアウトに対するその結果の適用性を別の検査
領域において試験することは効果的である。
れる記憶内容を決定するために、記録画像の大きさと一
致する大きさを備え、かつ検出された欠陥を無作為標本
として再び使用する画像セクションまたは画像カットア
ウト(Bildausschnitt)を、異なる検査領域のうちの第
1の検査領域から最初に選択し、かつ少なくとも1つの
画像カットアウトに対するその結果の適用性を別の検査
領域において試験することは効果的である。
【0027】特徴的な初期画像(Bildprimitive )を表
す第1の記憶手段及び第2の記憶手段の記憶内容は、デ
ータベースの内容として使用可能である。これは良好な
領域及び欠陥領域の試験構造並びに画像データの情報に
も適用可能である。データベースの内容は、特に分類器
の適用性を確認する際、または同分類器を補正する際に
必要に応じて使用可能である。
す第1の記憶手段及び第2の記憶手段の記憶内容は、デ
ータベースの内容として使用可能である。これは良好な
領域及び欠陥領域の試験構造並びに画像データの情報に
も適用可能である。データベースの内容は、特に分類器
の適用性を確認する際、または同分類器を補正する際に
必要に応じて使用可能である。
【0028】
【実施例】本発明の実施例を図面とともに以下に詳述す
る。図1に示す検査対象である半導体表面の画像カット
アウトは、限定された構造A,Bの形態をなす良好な領
域と、検出可能な欠陥Cとを有している。
る。図1に示す検査対象である半導体表面の画像カット
アウトは、限定された構造A,Bの形態をなす良好な領
域と、検出可能な欠陥Cとを有している。
【0029】本実施例では、カラー画像またはテクスチ
ャー画像の評価が更に高次元の空間を必要とするため、
説明を簡単にする目的において灰色濃度のみを含む画像
カットアウトに関して詳述する。
ャー画像の評価が更に高次元の空間を必要とするため、
説明を簡単にする目的において灰色濃度のみを含む画像
カットアウトに関して詳述する。
【0030】図2に示す画像カットアウトの灰色濃度分
布は、平均灰色濃度ga , gb , g c 及びそれらに付随
する灰色濃度の最大値na , nb , nc を示している。
本発明の方法では、評価基準は実際の検査のために決定
され、適切な無作為標本1及び無作為標本2はそれぞれ
構造A及び構造Bから抽出された。
布は、平均灰色濃度ga , gb , g c 及びそれらに付随
する灰色濃度の最大値na , nb , nc を示している。
本発明の方法では、評価基準は実際の検査のために決定
され、適切な無作為標本1及び無作為標本2はそれぞれ
構造A及び構造Bから抽出された。
【0031】画素特性として灰色濃度が使用されてい
る。灰色濃度分布は第1の1次元的特性空間(eindimen
sionalen Merkmalsraum )に示されており、同灰色濃度
分布はガウス分布と一致する。構造A及び構造Bにそれ
ぞれ付随する灰色濃度の最大値na , nb は、平均灰色
濃度ga ,gb においてそれぞれ形成されている。
る。灰色濃度分布は第1の1次元的特性空間(eindimen
sionalen Merkmalsraum )に示されており、同灰色濃度
分布はガウス分布と一致する。構造A及び構造Bにそれ
ぞれ付随する灰色濃度の最大値na , nb は、平均灰色
濃度ga ,gb においてそれぞれ形成されている。
【0032】特性空間内における無作為標本の分布の推
定確立密度に比例し、かつ同無作為標本の分布の中心に
おいて1をなす確率は、画素を良好な領域または欠陥領
域のクラスに分類するため、画像カットアウトから得ら
れた全ての画素に対して割当てられている。
定確立密度に比例し、かつ同無作為標本の分布の中心に
おいて1をなす確率は、画素を良好な領域または欠陥領
域のクラスに分類するため、画像カットアウトから得ら
れた全ての画素に対して割当てられている。
【0033】以下の数式によって決定される確立P
a (g)は構造Aの灰色濃度分布の尺度として用いられ
る。 Pa (g)=e−(g−ga ) 2 / 2sa 2 ここで、ga 及びsa は構造Aから抽出された無作為標
本の灰色濃度分布の平均値及び分散をそれぞれ示してい
る。
a (g)は構造Aの灰色濃度分布の尺度として用いられ
る。 Pa (g)=e−(g−ga ) 2 / 2sa 2 ここで、ga 及びsa は構造Aから抽出された無作為標
本の灰色濃度分布の平均値及び分散をそれぞれ示してい
る。
【0034】これは以下の数式によってそれぞれ決定さ
れる構造Bの確立Pb (g)及び良好な領域のうちの任
意の1つの領域における確率P(g)についても同様で
ある。 Pb (g)=e−(g−gb ) 2 / 2sb 2 P(g)=1−[1−Pa (g)]*[1−P
b (g)] 従って、構造Aの分布の平均値または構造Bの分布の平
均値に対応する灰色濃度を有する画素には確率1が割り
当てられる。
れる構造Bの確立Pb (g)及び良好な領域のうちの任
意の1つの領域における確率P(g)についても同様で
ある。 Pb (g)=e−(g−gb ) 2 / 2sb 2 P(g)=1−[1−Pa (g)]*[1−P
b (g)] 従って、構造Aの分布の平均値または構造Bの分布の平
均値に対応する灰色濃度を有する画素には確率1が割り
当てられる。
【0035】この方法に基づいて、良好な領域のうちの
いづれか1つの領域の特性と極めて類似する特性を備え
た全ての画素には、高い確率が割り当てられる。図4
は、この方法に基づいて形成された確率分布を示してい
る。
いづれか1つの領域の特性と極めて類似する特性を備え
た全ての画素には、高い確率が割り当てられる。図4
は、この方法に基づいて形成された確率分布を示してい
る。
【0036】画像カットアウトの灰色濃度を新たな灰色
濃度に再評価する際に用いる規則として関数P(g)を
使用する場合、構造A及び構造Bのそれぞれの無作為標
本1及び無作為標本2の灰色濃度に近似する灰色濃度を
有する画素には、高い灰色濃度が割り当てられ、同灰色
濃度は確立の差異が増加するのに伴って減少する。この
結果、欠陥Cの画素には無作為標本の手段によって欠陥
C自体を学習する必要性を伴うことなく低い灰色値が割
り当てられる。勿論、これに加えて無作為標本の手段に
より欠陥Cをネガティブに学習させることも可能であ
る。
濃度に再評価する際に用いる規則として関数P(g)を
使用する場合、構造A及び構造Bのそれぞれの無作為標
本1及び無作為標本2の灰色濃度に近似する灰色濃度を
有する画素には、高い灰色濃度が割り当てられ、同灰色
濃度は確立の差異が増加するのに伴って減少する。この
結果、欠陥Cの画素には無作為標本の手段によって欠陥
C自体を学習する必要性を伴うことなく低い灰色値が割
り当てられる。勿論、これに加えて無作為標本の手段に
より欠陥Cをネガティブに学習させることも可能であ
る。
【0037】新たな灰色濃度fは以下の数式によって算
出される。 f=fmax *P(g) ここで、fmax は起こり得る灰色濃度の段階(Grauwert
stufen)の総数を示している。
出される。 f=fmax *P(g) ここで、fmax は起こり得る灰色濃度の段階(Grauwert
stufen)の総数を示している。
【0038】この結果、灰色濃度ga を有する図1の画
素には灰色濃度fmax が割り当てられる。これは灰色濃
度gb を有する図1の画素についても同様である。図2
に示す灰色濃度分布から灰色濃度ga を有する画素がn
a 個存在し、かつ灰色濃度g b を有する画素がnb 個存
在するため、灰色濃度fmax を有する画素は(na +n
b ) 個存在することになる。
素には灰色濃度fmax が割り当てられる。これは灰色濃
度gb を有する図1の画素についても同様である。図2
に示す灰色濃度分布から灰色濃度ga を有する画素がn
a 個存在し、かつ灰色濃度g b を有する画素がnb 個存
在するため、灰色濃度fmax を有する画素は(na +n
b ) 個存在することになる。
【0039】図1の欠陥領域Cの平均特性(mittleren
Eigenschaften )を示す灰色濃度g c を有するnc 個の
画素には以下の数式から算出される灰色濃度fc が割り
当てられる。 fc = fmax *[Pa (gc )+Pb (gc )−P
a (gc )Pb (gc )] 図5はこの状況を示している。
Eigenschaften )を示す灰色濃度g c を有するnc 個の
画素には以下の数式から算出される灰色濃度fc が割り
当てられる。 fc = fmax *[Pa (gc )+Pb (gc )−P
a (gc )Pb (gc )] 図5はこの状況を示している。
【0040】図6に示すように、再評価によって形成さ
れた無作為標本の新たな灰色濃度はルックアップ・テー
ブルの形態をなし、かつアドレスを用いて読み書き可能
な記憶手段に入力される。この結果、画像カットアウト
を図7に示すような灰色濃度中間画像の形態をなす確率
画像(Wahrscheinlichkeitsbild )に変換することがで
きる。
れた無作為標本の新たな灰色濃度はルックアップ・テー
ブルの形態をなし、かつアドレスを用いて読み書き可能
な記憶手段に入力される。この結果、画像カットアウト
を図7に示すような灰色濃度中間画像の形態をなす確率
画像(Wahrscheinlichkeitsbild )に変換することがで
きる。
【0041】座標x,yを有する図1の画素の全ての灰
色濃度gx,y はルックアップ・テーブル内の対応する灰
色値を指すポインター(矢印→で示されている)を活性
化する。対応する記憶セル(Speicherzelle )内に存在
する変換された灰色濃度fは座標x’,y’とともに変
換された画像の画素を形成する。
色濃度gx,y はルックアップ・テーブル内の対応する灰
色値を指すポインター(矢印→で示されている)を活性
化する。対応する記憶セル(Speicherzelle )内に存在
する変換された灰色濃度fは座標x’,y’とともに変
換された画像の画素を形成する。
【0042】このルックアップ・テーブルは画素分類の
ための第1の分類器(ersten Klassifikator)であり、
同分類器は図7に示すように図1の画像内容を実質的に
変更する。ルックアップ・テーブルの内容は実時間処理
を実施すべく検査時にはランダム・アクセス・メモリ
(以下、RAMと称する)を介して使用される。
ための第1の分類器(ersten Klassifikator)であり、
同分類器は図7に示すように図1の画像内容を実質的に
変更する。ルックアップ・テーブルの内容は実時間処理
を実施すべく検査時にはランダム・アクセス・メモリ
(以下、RAMと称する)を介して使用される。
【0043】勿論、図7に示す新たに形成された中間画
像を使用することにより、この方法によって決定され、
かつ分類器内に形成された評価基準が、所定の要求に適
合しているか否かを直接検出できる。図1に示す良好な
領域はいづれも灰色濃度中間画像上に濃く表れることは
ないが、そのエッジ構造及びコーナー構造が明確に示さ
れていることを要する。ルックアップ・テーブルのソフ
トウェア・シミュレーション(Softwaresimulation)を
効果的に使用することもできる。
像を使用することにより、この方法によって決定され、
かつ分類器内に形成された評価基準が、所定の要求に適
合しているか否かを直接検出できる。図1に示す良好な
領域はいづれも灰色濃度中間画像上に濃く表れることは
ないが、そのエッジ構造及びコーナー構造が明確に示さ
れていることを要する。ルックアップ・テーブルのソフ
トウェア・シミュレーション(Softwaresimulation)を
効果的に使用することもできる。
【0044】灰色濃度を使用することにより、確率に基
づいて前記の各画素が良好な領域に属することが判明し
た。前記の第1の処理工程に基づき、中間画像は画像カ
ットアウト中に含まれる良好な領域の総数に左右される
ことなく図5に類似した灰色濃度分布を有する。従っ
て、図2に示す灰色濃度分布は、閾値を導入することな
く図5に基づいて欠陥領域及び良好な領域に都合良く分
類される。既知の画像(最終的な画像(Ausgangsbilde
s)の領域は学習段階(Anlernphase )において知られ
ている)と称される中間画像は、画像の灰色濃度の情報
のみに基づいて形成されるとは限らない。特性空間の範
囲を定めるカラー情報、テクスチャー情報、またはその
周辺の領域内に位置する画素の特性を分類に使用するこ
とができる。
づいて前記の各画素が良好な領域に属することが判明し
た。前記の第1の処理工程に基づき、中間画像は画像カ
ットアウト中に含まれる良好な領域の総数に左右される
ことなく図5に類似した灰色濃度分布を有する。従っ
て、図2に示す灰色濃度分布は、閾値を導入することな
く図5に基づいて欠陥領域及び良好な領域に都合良く分
類される。既知の画像(最終的な画像(Ausgangsbilde
s)の領域は学習段階(Anlernphase )において知られ
ている)と称される中間画像は、画像の灰色濃度の情報
のみに基づいて形成されるとは限らない。特性空間の範
囲を定めるカラー情報、テクスチャー情報、またはその
周辺の領域内に位置する画素の特性を分類に使用するこ
とができる。
【0045】図7に示す中間画像から分かるように、欠
陥検出の問題は第1の処理工程によって解決されたわけ
ではない。勿論、エッジ領域中に含まれる領域Aから領
域Bへの移行領域には、特性空間の欠陥領域に含まれる
灰色濃度が形成されている。図7では、新たな領域Dが
形成されている。
陥検出の問題は第1の処理工程によって解決されたわけ
ではない。勿論、エッジ領域中に含まれる領域Aから領
域Bへの移行領域には、特性空間の欠陥領域に含まれる
灰色濃度が形成されている。図7では、新たな領域Dが
形成されている。
【0046】エッジの画像化において生じる回折及び干
渉効果により、カラー評価を大きく阻害する回避不能な
カラー干渉縞が発生するカラー分類またはテクスチャー
分類でも同様の問題が生じる。エッジ領域では、カラー
値の割合はフォーカスの状態、コントラスト比、及び互
いに隣接する層の間に生じる高さの差に基づいて複雑に
変化する。この結果、カラーピクセルの分類手段を用い
た簡単な欠陥検出はエッジ領域における偽の欠陥率を招
来する。更に、図7に示す点状をなす領域E等の微小欠
陥の検出は、同微小欠陥の大きさがエッジの移行領域D
の大きさとほぼ等しいため困難である。
渉効果により、カラー評価を大きく阻害する回避不能な
カラー干渉縞が発生するカラー分類またはテクスチャー
分類でも同様の問題が生じる。エッジ領域では、カラー
値の割合はフォーカスの状態、コントラスト比、及び互
いに隣接する層の間に生じる高さの差に基づいて複雑に
変化する。この結果、カラーピクセルの分類手段を用い
た簡単な欠陥検出はエッジ領域における偽の欠陥率を招
来する。更に、図7に示す点状をなす領域E等の微小欠
陥の検出は、同微小欠陥の大きさがエッジの移行領域D
の大きさとほぼ等しいため困難である。
【0047】この結果、中間画像中において画素に隣接
する周辺領域は、第2の処理工程において良好な構造及
び欠陥構造の特性に関して更に詳細に分析される。図8
に示すように、この分析を実施するために中間画像11
は窓12によって画素毎にラスター走査される。この結
果、フィルタ13及びフィルタ14を使用することによ
り互いに無関係な2つの特性に基づいて、局部的な画像
カットアウトはその画像内容について評価される。この
評価の結果は、特性空間において各画素(図8におい
て、画素の1つは点Mによって表されている)の位置を
示す2つの座標であるフィルタ出力1及びフィルタ出力
2として表すことができる。この評価によって、点が凝
集した部分(以下、点凝集部分と称する)が形成され
る。この点凝集部分では、フィルタ13,14に関して
同一特性を有する局部領域は、中間画像における局部的
関連性を伴うことなく集積領域(Haeufungsgebiete)を
形成している。
する周辺領域は、第2の処理工程において良好な構造及
び欠陥構造の特性に関して更に詳細に分析される。図8
に示すように、この分析を実施するために中間画像11
は窓12によって画素毎にラスター走査される。この結
果、フィルタ13及びフィルタ14を使用することによ
り互いに無関係な2つの特性に基づいて、局部的な画像
カットアウトはその画像内容について評価される。この
評価の結果は、特性空間において各画素(図8におい
て、画素の1つは点Mによって表されている)の位置を
示す2つの座標であるフィルタ出力1及びフィルタ出力
2として表すことができる。この評価によって、点が凝
集した部分(以下、点凝集部分と称する)が形成され
る。この点凝集部分では、フィルタ13,14に関して
同一特性を有する局部領域は、中間画像における局部的
関連性を伴うことなく集積領域(Haeufungsgebiete)を
形成している。
【0048】ノイズを抑制するためにフィルタ13とし
てガウス・フィルタを使用し、そのコアが2次元的なガ
ウス関数の第2の導関数を表すスポット・フィルタをフ
ィルタ14として使用することにより、評価を行った周
辺領域に含まれる自己内包領域(微小欠陥)を強調する
ことができる。図9に示すように、これらのフィルタを
使用することにより、互いに関連性のない点凝集部分を
形成することができる。
てガウス・フィルタを使用し、そのコアが2次元的なガ
ウス関数の第2の導関数を表すスポット・フィルタをフ
ィルタ14として使用することにより、評価を行った周
辺領域に含まれる自己内包領域(微小欠陥)を強調する
ことができる。図9に示すように、これらのフィルタを
使用することにより、互いに関連性のない点凝集部分を
形成することができる。
【0049】図7の領域Fに対応する図1の領域A,B
は第1の点凝集部分15において非常に周知の領域(Ge
biete hoher Bekanntheit )として画像化され、構造D
はその近辺において点凝集部分16として画像化されて
いる。欠陥領域C及び欠陥領域Eに対応した画素の凝集
部分はそれぞれ符号17及び符号18によって示されて
いる。
は第1の点凝集部分15において非常に周知の領域(Ge
biete hoher Bekanntheit )として画像化され、構造D
はその近辺において点凝集部分16として画像化されて
いる。欠陥領域C及び欠陥領域Eに対応した画素の凝集
部分はそれぞれ符号17及び符号18によって示されて
いる。
【0050】勿論、欠陥特性及び許容可能な誤警報率
(Falschalarmrate )に基づいて、指向性を有するロー
パス・フィルタ、バンドパス・フィルタ及びハイパス・
フィルタ等の更に多くの異なるフィルタを使用すること
ができる。フィルタの総数に対応して更に高い次元の特
性空間が形成される。検索対象の欠陥は、特性空間内に
おいて良好な領域の点凝集部分から画像化される必要が
ある。
(Falschalarmrate )に基づいて、指向性を有するロー
パス・フィルタ、バンドパス・フィルタ及びハイパス・
フィルタ等の更に多くの異なるフィルタを使用すること
ができる。フィルタの総数に対応して更に高い次元の特
性空間が形成される。検索対象の欠陥は、特性空間内に
おいて良好な領域の点凝集部分から画像化される必要が
ある。
【0051】図9に示すように、良好な領域及び欠陥領
域の確実な分離は、フィルタ13,14を使用すること
により実現された。この結果、閾値19,20または分
離関数21の使用により、良好な領域及び欠陥領域を2
元構造に分離可能である。この結果はルックアップ・テ
ーブルの形態にて2次元的にプログラムできる第2の記
憶手段内に格納される。
域の確実な分離は、フィルタ13,14を使用すること
により実現された。この結果、閾値19,20または分
離関数21の使用により、良好な領域及び欠陥領域を2
元構造に分離可能である。この結果はルックアップ・テ
ーブルの形態にて2次元的にプログラムできる第2の記
憶手段内に格納される。
【0052】閾値は結果をモニタ上で確認するか、また
はアルゴリズムを学習させることにより最適化可能であ
る。最隣接画素分類器(Naechster-Nachbar-Klassifika
tor)、後方伝搬ネットワーク分類器(Backpropagation
-Netzwerk-Klassifikator)または最大確度分類器(Max
imum-likelihood-Klassifikator)を学習アルゴリズム
として効果的に使用可能である。これは特性空間が更に
複雑であって、かつその分離が非直線的な分離関数(ni
chtlinearen Trennfunktion )のみによって実行可能な
構造を有する場合に特に効果的である。第2の記憶手段
は第2の分類器として使用される。第2の分類器により
中間画像は図10に示す2元的に表された欠陥画像に変
換可能である。この欠陥画像では欠陥C,Dが残されて
いるのみである。
はアルゴリズムを学習させることにより最適化可能であ
る。最隣接画素分類器(Naechster-Nachbar-Klassifika
tor)、後方伝搬ネットワーク分類器(Backpropagation
-Netzwerk-Klassifikator)または最大確度分類器(Max
imum-likelihood-Klassifikator)を学習アルゴリズム
として効果的に使用可能である。これは特性空間が更に
複雑であって、かつその分離が非直線的な分離関数(ni
chtlinearen Trennfunktion )のみによって実行可能な
構造を有する場合に特に効果的である。第2の記憶手段
は第2の分類器として使用される。第2の分類器により
中間画像は図10に示す2元的に表された欠陥画像に変
換可能である。この欠陥画像では欠陥C,Dが残されて
いるのみである。
【0053】図11に示す構造物表面の検査に使用する
欠陥検出装置において、RAMモジュールの形態をなす
ルックアップ・テーブルとしての第1の分類器KL1の
信号出力端子は、第1の回信線緩衝器(Zeilenpuffer)
ZP1及び第2の回信線緩衝器ZP2のそれぞれの入力
端子に対して接続されている。画像は第1の分類器KL
1の入力端子に画素ごとに入力される。第1の回信線緩
衝器ZP1の出力端子はガウス・フィルタGFに対して
接続されている。第2の回信線緩衝器ZP2の出力端子
は、スポット・フィルタSPFに対して接続されてお
り、同スポット・フィルタSPFのコアは2次元的なガ
ウス関数の第2の導関数を表す。最終的に、ガウス・フ
ィルタGF及びスポット・フィルタSPFは、それぞれ
2次元的なルックアップ・テーブルとして形成された第
2の分類器KL2の入力端子に対して接続されている。
欠陥検出装置において、RAMモジュールの形態をなす
ルックアップ・テーブルとしての第1の分類器KL1の
信号出力端子は、第1の回信線緩衝器(Zeilenpuffer)
ZP1及び第2の回信線緩衝器ZP2のそれぞれの入力
端子に対して接続されている。画像は第1の分類器KL
1の入力端子に画素ごとに入力される。第1の回信線緩
衝器ZP1の出力端子はガウス・フィルタGFに対して
接続されている。第2の回信線緩衝器ZP2の出力端子
は、スポット・フィルタSPFに対して接続されてお
り、同スポット・フィルタSPFのコアは2次元的なガ
ウス関数の第2の導関数を表す。最終的に、ガウス・フ
ィルタGF及びスポット・フィルタSPFは、それぞれ
2次元的なルックアップ・テーブルとして形成された第
2の分類器KL2の入力端子に対して接続されている。
【0054】学習段階の後にそのルックアップ・テーブ
ルの内容が関数f(g)に対応する第1の分類器KL1
を介して、入力信号B1として画素毎に入力された画像
は、同画像を中間画像へ変換すべく出力信号B2をアド
レスする。出力信号B2は第1の回信線緩衝器ZP1及
び第2の回信線緩衝器ZP2に入力され、同第1の回信
線緩衝器ZP1及び第2の回信線緩衝器ZP2は、ガウ
ス・フィルタGF及びスポット・フィルタSPFに対し
て各画素及びその周辺領域が同時に入力されることを保
証する。
ルの内容が関数f(g)に対応する第1の分類器KL1
を介して、入力信号B1として画素毎に入力された画像
は、同画像を中間画像へ変換すべく出力信号B2をアド
レスする。出力信号B2は第1の回信線緩衝器ZP1及
び第2の回信線緩衝器ZP2に入力され、同第1の回信
線緩衝器ZP1及び第2の回信線緩衝器ZP2は、ガウ
ス・フィルタGF及びスポット・フィルタSPFに対し
て各画素及びその周辺領域が同時に入力されることを保
証する。
【0055】ガウス・フィルタGFのフィルタ出力1及
びスポット・フィルタSPFのフィルタ出力2は、それ
ぞれ出力信号B3及び出力信号B4として第2の分類器
KL2をアドレスする。これによって、図10に示す欠
陥画像を含む出力信号B5が得られる。信号B5はモニ
タ上に表示するために使用されるか、またはイベント・
レシーバ(Ereignisempfaenger)に対して入力される。
図11に示す回路構成のパイプライン構造(Pipeline-S
truktur )は、画像速度(Aufnahmegeschwindigkeit )
に対して実時間での欠陥検出を可能にする。 この結
果、選択された検査領域は検査段階において画像フィー
ルド(Bildfeld)によって画像実時間でラスター走査可
能である。全ての画像フィールド(例えば512x51
2画素をともなう画像フィールド)は2つの分類器によ
って画素毎に評価される。これによって、全ての画像フ
ィールドに関する欠陥リストが各欠陥の座標とともに形
成され、この欠陥リストから欠陥率を決定可能である。
びスポット・フィルタSPFのフィルタ出力2は、それ
ぞれ出力信号B3及び出力信号B4として第2の分類器
KL2をアドレスする。これによって、図10に示す欠
陥画像を含む出力信号B5が得られる。信号B5はモニ
タ上に表示するために使用されるか、またはイベント・
レシーバ(Ereignisempfaenger)に対して入力される。
図11に示す回路構成のパイプライン構造(Pipeline-S
truktur )は、画像速度(Aufnahmegeschwindigkeit )
に対して実時間での欠陥検出を可能にする。 この結
果、選択された検査領域は検査段階において画像フィー
ルド(Bildfeld)によって画像実時間でラスター走査可
能である。全ての画像フィールド(例えば512x51
2画素をともなう画像フィールド)は2つの分類器によ
って画素毎に評価される。これによって、全ての画像フ
ィールドに関する欠陥リストが各欠陥の座標とともに形
成され、この欠陥リストから欠陥率を決定可能である。
【0056】検査対象構造が画像記録手段によって検出
できない場合、第1の記憶手段及び第2の記憶手段の内
容を決定するための拡大された方法を図12とともに以
下に詳述する。2つの画像カットアウトBA1,BA2
はそれぞれ2つの検査領域IG1,IG2から選択さ
れ、各画像カットアウトBA1,BA2は分析される構
造を現実化(Realisierungen)したものを含んでいる。
この試験領域のサイズは記録画像のサイズと一致する一
方、検査領域IG1,IG2のサイズは限定されていな
い。前記のように、第1の記憶手段及び第2の記憶手段
の内容は画像カットアウトBA1に基づいて決定され
る。次いで、検査領域IG1が完全に処理される。この
処理において、欠陥はその座標とともに検査領域IG1
内において検出される。
できない場合、第1の記憶手段及び第2の記憶手段の内
容を決定するための拡大された方法を図12とともに以
下に詳述する。2つの画像カットアウトBA1,BA2
はそれぞれ2つの検査領域IG1,IG2から選択さ
れ、各画像カットアウトBA1,BA2は分析される構
造を現実化(Realisierungen)したものを含んでいる。
この試験領域のサイズは記録画像のサイズと一致する一
方、検査領域IG1,IG2のサイズは限定されていな
い。前記のように、第1の記憶手段及び第2の記憶手段
の内容は画像カットアウトBA1に基づいて決定され
る。次いで、検査領域IG1が完全に処理される。この
処理において、欠陥はその座標とともに検査領域IG1
内において検出される。
【0057】欠陥の発生が希であると仮定した場合、検
出された欠陥を直接評価することにより記憶手段の内容
を補正することが可能である。次いで、検査領域IG2
及びこれと同一の他の領域について欠陥分析を実行可能
である。
出された欠陥を直接評価することにより記憶手段の内容
を補正することが可能である。次いで、検査領域IG2
及びこれと同一の他の領域について欠陥分析を実行可能
である。
【0058】画像カットアウトBA2は、構造特性を比
較することによって検査領域IG1,IG2に関して得
られた記憶手段の内容の有効性を確認するために使用さ
れる。
較することによって検査領域IG1,IG2に関して得
られた記憶手段の内容の有効性を確認するために使用さ
れる。
【0059】
【発明の効果】以上詳述したように、本発明によれば、
構造面の総数に左右されることなく良好な構造から欠陥
を実時間処理において分離できるという優れた効果を発
揮する。
構造面の総数に左右されることなく良好な構造から欠陥
を実時間処理において分離できるという優れた効果を発
揮する。
【図1】構造物表面の画像。
【図2】図1に示す画像の灰色濃度の分布曲線。
【図3】選択された無作為標本のヒストグラム。
【図4】構造物表面から選択された無作為標本の灰色濃
度の確立分布。
度の確立分布。
【図5】図1に基づく画像から形成された中間画像の灰
色濃度分布。
色濃度分布。
【図6】ルックアップ・テーブル内に格納された新たな
灰色濃度。
灰色濃度。
【図7】形成された灰色濃度中間画像。
【図8】画素の画素特性の作用を決定するための評価手
順。
順。
【図9】図8に基づく評価の結果。
【図10】本発明の方法に基づいて形成された欠陥画
像。
像。
【図11】本発明の方法を実現するための回路構成。
【図12】第1記憶手段及び第2記憶手段の内容を決定
する方法のモデル。
する方法のモデル。
1,2…無作為標本、11…中間画像、12…窓、1
3,14…フィルタ、15…第1の点凝集部分、17…
欠陥領域Cに対応した画素の凝集部分、18…欠陥領域
Eに対応した画素の凝集部分、19,20…閾値、21
…分離関数、A,B…良好な構造領域、C…欠陥領域、
D…エッジの移行領域、E…微小欠陥としての点状をな
す領域、M…画素、KL1…第1の分類器、KL2…第
2の分類器、GF…ガウス・フィルタ、SPF…スポッ
ト・フィルタ、ZP1…第1の回信線緩衝器、ZP2…
第2の回信線緩衝器、B1…第1の分類器への入力信
号、B2…第1の回信線緩衝器及び第2の回信線緩衝器
への入力信号、B3…ガウス・フィルタからの出力信
号、B4…スポット・フィルタからの出力信号、BA
1,BA2…画像カットアウト、IG1,IG2…検査
領域。
3,14…フィルタ、15…第1の点凝集部分、17…
欠陥領域Cに対応した画素の凝集部分、18…欠陥領域
Eに対応した画素の凝集部分、19,20…閾値、21
…分離関数、A,B…良好な構造領域、C…欠陥領域、
D…エッジの移行領域、E…微小欠陥としての点状をな
す領域、M…画素、KL1…第1の分類器、KL2…第
2の分類器、GF…ガウス・フィルタ、SPF…スポッ
ト・フィルタ、ZP1…第1の回信線緩衝器、ZP2…
第2の回信線緩衝器、B1…第1の分類器への入力信
号、B2…第1の回信線緩衝器及び第2の回信線緩衝器
への入力信号、B3…ガウス・フィルタからの出力信
号、B4…スポット・フィルタからの出力信号、BA
1,BA2…画像カットアウト、IG1,IG2…検査
領域。
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 FI 技術表示箇所 G06T 7/00 H01L 21/66 J 7630−4M (72)発明者 ヨアヒム ヴィーネッケ ドイツ連邦共和国 イェナ デー−07747 リーゼロッテ−ヘルマン−シュトラーセ 14ベー (72)発明者 カール−ハインツ フランケ ドイツ連邦共和国 イルメナウ デー− 98693ヘルムホルツリング 4ベー (72)発明者 ミヒャエル グレス ドイツ連邦共和国 イェナ デー−07747 ユディス−オイヤー−シュトラーセ 25 (72)発明者 ハイコ ケンペ ドイツ連邦共和国 ゲラベルク デー− 98716アルンシュテッター シュトラーセ 47
Claims (14)
- 【請求項1】 構造物表面の特定の画素特性及び構造物
表面の記録画像の欠陥を使用して、特にマスク、LC
D、印刷回路基板及び半導体ウェハー等の構造物表面の
検査の際に欠陥を検出する方法であって、画素分類に基
づいて類似した画素特性を有する画像領域を編集し、構
造分類に基づいて1つの画素の画素特性の作用をその画
素の周囲に位置する画素に関連して分析するようにした
方法において、 エッジ構造及びコーナー構造を有し、かつ構造分類に使
用される灰色濃度中間画像を記録画像の画素分類におい
て形成することを特徴とする方法。 - 【請求項2】 中間画像を形成すべく、明確な特性を備
え、かつ欠陥を含まない表面部分の総数と少なくとも一
致する選択された無作為標本の画素特性の分布は、灰色
濃度に変換された画素特性の総数を確率の手段を用いて
第1の特性空間にプロットすることによって表され、か
つ記録画像の全ての画素特性を灰色濃度に再評価するた
めにアドレスを用いて読み出し及び書き込みできる第1
の記憶手段内に格納され、そして全ての無作為標本の分
布が総合的な分布を形成することと、 少なくとも2つの互いに無関係な特性に基づいて実施さ
れた中間画像の各画素の周辺領域の評価結果は、欠陥の
ない領域及び欠陥領域を互いに分離すべくアドレスを用
いて読み出し及び書き込みできる第2の記憶手段内に2
元形態にて格納されることと、前記第2の記憶手段の大
きさが評価された特性の総数をプロットした第2の特性
空間によって決定され、更に前記第2の記憶手段内の一
時的な記憶が第2の特性空間内の全ての画素の特性分布
と一致していることとを特徴とする請求項1に記載の方
法。 - 【請求項3】 無作為標本が記録画像から抽出されるこ
とを特徴とする請求項2に記載の方法。 - 【請求項4】 無作為標本が記憶画像内容から抽出され
ることを特徴とする請求項2に記載の方法。 - 【請求項5】 無作為標本が記録画像及び記憶画像内容
から抽出されることを特徴とする請求項2に記載の方
法。 - 【請求項6】 欠陥を含む表面部分の無作為標本が、中
間画像を形成すべく欠陥を含まない表面部分の無作為標
本に加えて使用されることを特徴とする請求項3乃至5
のいづれか1項に記載の方法。 - 【請求項7】 周辺領域の評価が可変コア及び互いに無
関係な特性を備えた少なくとも2つのフィルタを使用し
てノイズを抑制し、かつ評価された周辺領域内に位置す
る自己内包領域を強調することによって実行されること
を特徴とする請求項3乃至5のいづれか1項に記載の方
法。 - 【請求項8】 一方がローパス・フィルタであり、他方
がバンドパス・フィルタである一対のフィルタを使用す
ることを特徴とする請求項7に記載の方法。 - 【請求項9】 前記ローパス・フィルタはガウス・フィ
ルタであって、前記バンドパス・フィルタは、そのコア
が2次元的なガウス関数の第2の導関数を表すスポット
・フィルタであることを特徴とする請求項8に記載の方
法。 - 【請求項10】 ルックアップ・テーブルがアドレスを
用いて読み書き可能な記憶手段として使用されることを
特徴とする請求項9に記載の方法。 - 【請求項11】 画素のカラー特性が画素特性として使
用されることを特徴とする請求項10に記載の方法。 - 【請求項12】 周辺領域を介して各画素に付随するテ
クスチャー特性を画素特性として使用することを特徴と
する請求項10に記載の方法。 - 【請求項13】 第1の記憶手段及び第2の記憶手段に
含まれる記憶内容を決定するために、記録画像の大きさ
と一致する大きさを備え、かつ検出された欠陥を無作為
標本として再び使用する画像カットアウトを、異なる検
査領域のうちの第1の検査領域から最初に選択し、かつ
少なくとも1つの画像カットアウトに対するその結果の
適用性を少なくとも1つの別の検査領域において試験す
ることを特徴とする請求項11または12に記載の方
法。 - 【請求項14】 特徴的な初期画像及び試験構造の情報
を表す第1の記憶手段及び第2の記憶手段の記憶内容を
データベースの内容として使用し得ることを特徴とする
請求項2または13に記載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4410603A DE4410603C1 (de) | 1994-03-26 | 1994-03-26 | Verfahren zur Erkennung von Fehlern bei der Inspektion von strukturierten Oberflächen |
DE4410603-3 | 1994-03-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH07311028A true JPH07311028A (ja) | 1995-11-28 |
JP2742240B2 JP2742240B2 (ja) | 1998-04-22 |
Family
ID=6513975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP7068314A Expired - Fee Related JP2742240B2 (ja) | 1994-03-26 | 1995-03-27 | 構造物表面の検査における欠陥の検出方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US6075880A (ja) |
JP (1) | JP2742240B2 (ja) |
KR (1) | KR950033944A (ja) |
DE (1) | DE4410603C1 (ja) |
FR (1) | FR2717925A1 (ja) |
GB (1) | GB2286670B (ja) |
IT (1) | IT1279109B1 (ja) |
TW (1) | TW272261B (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007310741A (ja) * | 2006-05-19 | 2007-11-29 | Fuji Heavy Ind Ltd | 立体物認識装置 |
US7653510B2 (en) | 2007-03-27 | 2010-01-26 | Kabushiki Kaisha Toshiba | Load calculating device and load calculating method |
CN117392131A (zh) * | 2023-12-12 | 2024-01-12 | 宁波昱辰汽车零部件有限公司 | 一种压铸件内壁缺陷检测方法及*** |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE59608537D1 (de) * | 1995-10-25 | 2002-02-07 | Infineon Technologies Ag | Verfahren zur Kontrolle von Scheiben |
DE19612939C2 (de) * | 1996-04-01 | 1998-10-29 | Jenoptik Jena Gmbh | Verfahren und Einrichtung zur Auswahl von Meßgebieten bei der Vermessung von Strukturbreiten und Überdeckungsgenauigkeiten in Herstellungsprozessen für integrierte Schaltkreise |
DE19709939A1 (de) * | 1997-03-11 | 1998-09-17 | Atg Test Systems Gmbh | Verfahren und Vorrichtung zum Prüfen von Leiterplatten |
DE19726696A1 (de) * | 1997-06-24 | 1999-01-07 | Jenoptik Jena Gmbh | Verfahren zur Fokussierung bei der Abbildung strukturierter Oberflächen von scheibenförmigen Objekten |
DE19731545C1 (de) * | 1997-07-23 | 1999-05-27 | Basler Gmbh | Vorrichtung und Verfahren zum optischen Erfassen der Verformung einer Fläche |
DE19745728A1 (de) * | 1997-10-16 | 1999-04-22 | Bayerische Motoren Werke Ag | Verfahren zur optischen Kontrolle eines mechanischen Befestigungselements |
EP0959380B1 (en) * | 1997-12-05 | 2009-05-27 | Citizen Holdings Co., Ltd. | Liquid crystal device and method for driving the same |
US6738505B1 (en) * | 1999-05-04 | 2004-05-18 | Speedline Technologies, Inc. | Method and apparatus for detecting solder paste deposits on substrates |
US7072503B2 (en) | 1999-05-04 | 2006-07-04 | Speedline Technologies, Inc. | Systems and methods for detecting defects in printed solder paste |
US6891967B2 (en) | 1999-05-04 | 2005-05-10 | Speedline Technologies, Inc. | Systems and methods for detecting defects in printed solder paste |
TW422925B (en) * | 1999-05-24 | 2001-02-21 | Inventec Corp | A method of testing the color-mixing error of liquid crystal monitor |
US6603877B1 (en) * | 1999-06-01 | 2003-08-05 | Beltronics, Inc. | Method of and apparatus for optical imaging inspection of multi-material objects and the like |
DE29916075U1 (de) * | 1999-09-13 | 2000-12-14 | Siemens AG, 80333 München | Einrichtung zur Inspektion einer dreidimensionalen Oberflächenstruktur |
US6488405B1 (en) * | 2000-03-08 | 2002-12-03 | Advanced Micro Devices, Inc. | Flip chip defect analysis using liquid crystal |
AT408377B (de) * | 2000-03-31 | 2001-11-26 | Oesterr Forsch Seibersdorf | Verfahren und vorrichtung zur prüfung bzw. untersuchung von gegenständen |
JPWO2003010525A1 (ja) * | 2001-07-27 | 2004-11-18 | 日本板硝子株式会社 | 対象物表面の汚れ評価方法およびこの方法に使用する撮影ボックス |
US7602962B2 (en) * | 2003-02-25 | 2009-10-13 | Hitachi High-Technologies Corporation | Method of classifying defects using multiple inspection machines |
US7991242B2 (en) | 2005-05-11 | 2011-08-02 | Optosecurity Inc. | Apparatus, method and system for screening receptacles and persons, having image distortion correction functionality |
WO2006119603A1 (en) | 2005-05-11 | 2006-11-16 | Optosecurity Inc. | Method and system for screening luggage items, cargo containers or persons |
US7899232B2 (en) | 2006-05-11 | 2011-03-01 | Optosecurity Inc. | Method and apparatus for providing threat image projection (TIP) in a luggage screening system, and luggage screening system implementing same |
US8494210B2 (en) | 2007-03-30 | 2013-07-23 | Optosecurity Inc. | User interface for use in security screening providing image enhancement capabilities and apparatus for implementing same |
JP2009085617A (ja) * | 2007-09-27 | 2009-04-23 | Fujifilm Corp | 欠陥検出装置及び方法 |
EP2671044A1 (de) * | 2011-01-31 | 2013-12-11 | Biametrics GmbH | Verfahren und vorrichtung zur bestimmung optischer eigenschaften durch gleichzeitiges messen von intensitäten an dünnen schichten mit licht von mehreren wellenlängen |
KR101973221B1 (ko) | 2011-09-07 | 2019-04-26 | 라피스캔 시스템스, 인코포레이티드 | 적하목록 데이터를 이미징/검출 프로세싱에 통합시키는 x-선 검사시스템 |
CN103499585B (zh) * | 2013-10-22 | 2015-07-29 | 常州工学院 | 基于机器视觉的非连续性锂电池薄膜缺陷检测方法及其装置 |
US9230316B2 (en) * | 2013-12-31 | 2016-01-05 | Shenzhen China Star Optoelectronics Technology Co., Ltd | Defect inspection device for display panel and method for the same |
CA2965122C (en) | 2014-10-20 | 2021-11-09 | Ab Initio Technology Llc | Specifying and applying rules to data |
CN104614372B (zh) * | 2015-01-20 | 2017-05-03 | 佛山职业技术学院 | 一种太阳能硅片检测方法 |
WO2017146930A1 (en) | 2016-02-22 | 2017-08-31 | Rapiscan Systems, Inc. | Systems and methods for detecting threats and contraband in cargo |
CN110954758A (zh) * | 2018-09-26 | 2020-04-03 | 珠海格力电器股份有限公司 | 电器的故障确定方法及装置 |
CN109613002B (zh) * | 2018-11-21 | 2020-06-26 | 腾讯科技(深圳)有限公司 | 一种玻璃缺陷检测方法、装置和存储介质 |
CN109738447B (zh) * | 2018-12-14 | 2021-12-21 | 惠州锂威新能源科技有限公司 | 一种电池极片保护胶的自动纠偏方法及装置 |
US10502691B1 (en) | 2019-03-29 | 2019-12-10 | Caastle, Inc. | Systems and methods for inspection and defect detection |
CN110441315B (zh) * | 2019-08-02 | 2022-08-05 | 英特尔产品(成都)有限公司 | 电子部件测试设备和方法 |
CN111272764B (zh) * | 2020-01-22 | 2023-04-28 | 哈尔滨工业大学 | 大型智能临时平台非接触图像识别移动管控***及方法 |
CN115578383B (zh) * | 2022-11-23 | 2023-04-07 | 惠州威尔高电子有限公司 | 基于全景图像的厚铜pcb板检测方法 |
CN117269197B (zh) * | 2023-11-21 | 2024-02-02 | 昆明理工大学 | 多晶硅原料表面质量检测方法及检测装置 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3916439A (en) * | 1974-03-08 | 1975-10-28 | Westinghouse Electric Corp | Inspection system employing differential imaging |
DE2700252C2 (de) * | 1977-01-05 | 1985-03-14 | Licentia Patent-Verwaltungs-Gmbh, 6000 Frankfurt | Verfahren zum Prüfen definierter Strukturen |
EP0054598B1 (fr) * | 1980-12-18 | 1985-04-03 | International Business Machines Corporation | Procédé d'inspection et de tri automatique d'objets présentant des configurations avec des tolérances dimensionnelles fixes et équipement de mise en oeuvre |
GB2129546B (en) * | 1982-11-02 | 1985-09-25 | Cambridge Instr Ltd | Image comparison |
GB8331248D0 (en) * | 1983-11-23 | 1983-12-29 | Kearney & Trecker Marwin Ltd | Inspecting articles |
DE3427981A1 (de) * | 1984-07-28 | 1986-02-06 | Telefunken electronic GmbH, 7100 Heilbronn | Verfahren zur fehlererkennung an definierten strukturen |
US5046109A (en) * | 1986-03-12 | 1991-09-03 | Nikon Corporation | Pattern inspection apparatus |
DE3612268A1 (de) * | 1986-04-11 | 1987-10-15 | Licentia Gmbh | Verfahren zum auffinden von in einem vergleichsbild vorhandenen flaechen in einem bild |
DD251847A1 (de) * | 1986-07-31 | 1987-11-25 | Zeiss Jena Veb Carl | Verfahren und anordnung zum bildvergleich |
US4961231A (en) * | 1987-01-20 | 1990-10-02 | Ricoh Company, Ltd. | Pattern recognition method |
JPH0642882B2 (ja) * | 1987-04-20 | 1994-06-08 | 富士写真フイルム株式会社 | 所望画像信号範囲決定方法 |
JPH01158579A (ja) * | 1987-09-09 | 1989-06-21 | Aisin Seiki Co Ltd | 像認識装置 |
GB2218507B (en) * | 1989-05-15 | 1992-02-26 | Plessey Co Plc | Digital data processing |
US5537483A (en) * | 1989-10-03 | 1996-07-16 | Staplevision, Inc. | Automated quality assurance image processing system |
US5085517A (en) * | 1989-10-31 | 1992-02-04 | Chadwick Curt H | Automatic high speed optical inspection system |
GB9008632D0 (en) * | 1990-04-17 | 1990-06-13 | Leicester Polytechnic | Inspecting garments |
EP0475454A3 (en) * | 1990-09-14 | 1992-10-14 | Fuji Photo Film Co., Ltd. | Defect inspection system |
JPH04177483A (ja) * | 1990-11-08 | 1992-06-24 | Hitachi Ltd | パターンマッチング方式 |
DE4133590A1 (de) * | 1991-07-03 | 1993-01-14 | Bosch Gmbh Robert | Verfahren zur klassifikation von signalen |
US5475766A (en) * | 1991-09-05 | 1995-12-12 | Kabushiki Kaisha Toshiba | Pattern inspection apparatus with corner rounding of reference pattern data |
EP0542361B1 (en) * | 1991-11-14 | 1998-09-16 | Agfa-Gevaert N.V. | Method and apparatus for constructing a histogram in digital image processing by statistical pixel sampling |
US5335293A (en) * | 1992-06-16 | 1994-08-02 | Key Technology, Inc. | Product inspection method and apparatus |
US5452368A (en) * | 1993-08-02 | 1995-09-19 | Motorola, Inc. | Method of detecting defects in semiconductor package leads |
US5537669A (en) * | 1993-09-30 | 1996-07-16 | Kla Instruments Corporation | Inspection method and apparatus for the inspection of either random or repeating patterns |
US5450502A (en) * | 1993-10-07 | 1995-09-12 | Xerox Corporation | Image-dependent luminance enhancement |
US5594807A (en) * | 1994-12-22 | 1997-01-14 | Siemens Medical Systems, Inc. | System and method for adaptive filtering of images based on similarity between histograms |
-
1994
- 1994-03-26 DE DE4410603A patent/DE4410603C1/de not_active Expired - Fee Related
- 1994-12-07 TW TW083111387A patent/TW272261B/zh active
-
1995
- 1995-02-03 FR FR9501258A patent/FR2717925A1/fr active Pending
- 1995-02-14 IT IT95TO000097A patent/IT1279109B1/it active IP Right Grant
- 1995-02-28 US US08/395,668 patent/US6075880A/en not_active Expired - Lifetime
- 1995-03-24 KR KR1019950006334A patent/KR950033944A/ko active IP Right Grant
- 1995-03-27 JP JP7068314A patent/JP2742240B2/ja not_active Expired - Fee Related
- 1995-03-27 GB GB9506207A patent/GB2286670B/en not_active Expired - Fee Related
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007310741A (ja) * | 2006-05-19 | 2007-11-29 | Fuji Heavy Ind Ltd | 立体物認識装置 |
US7653510B2 (en) | 2007-03-27 | 2010-01-26 | Kabushiki Kaisha Toshiba | Load calculating device and load calculating method |
CN117392131A (zh) * | 2023-12-12 | 2024-01-12 | 宁波昱辰汽车零部件有限公司 | 一种压铸件内壁缺陷检测方法及*** |
CN117392131B (zh) * | 2023-12-12 | 2024-02-06 | 宁波昱辰汽车零部件有限公司 | 一种压铸件内壁缺陷检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
ITTO950097A0 (it) | 1995-02-14 |
TW272261B (ja) | 1996-03-11 |
US6075880A (en) | 2000-06-13 |
ITTO950097A1 (it) | 1996-08-14 |
IT1279109B1 (it) | 1997-12-04 |
JP2742240B2 (ja) | 1998-04-22 |
DE4410603C1 (de) | 1995-06-14 |
GB2286670A (en) | 1995-08-23 |
GB9506207D0 (en) | 1995-05-17 |
FR2717925A1 (fr) | 1995-09-29 |
KR950033944A (ko) | 1995-12-26 |
GB2286670B (en) | 1995-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2742240B2 (ja) | 構造物表面の検査における欠陥の検出方法 | |
JP4351522B2 (ja) | パターン欠陥検査装置およびパターン欠陥検査方法 | |
US7333650B2 (en) | Defect inspection apparatus | |
JP6675433B2 (ja) | 欠陥分類方法、フォトマスクブランクの選別方法、およびマスクブランクの製造方法 | |
JPH02170279A (ja) | 被検査対象パターンの欠陥検出方法及びその装置 | |
JP3660763B2 (ja) | 被検査パターンの検査方法及び製造プロセス診断方法並びに半導体基板の製造方法 | |
US6553323B1 (en) | Method and its apparatus for inspecting a specimen | |
JP2006170921A (ja) | 外観検査方法およびその装置 | |
JP2006113073A (ja) | パターン欠陥検査装置及びパターン欠陥検査方法 | |
JP2822937B2 (ja) | 半導体装置の製造システム及び欠陥検査方法 | |
US7646892B2 (en) | Image inspecting apparatus, image inspecting method, control program and computer-readable storage medium | |
JP3788586B2 (ja) | パターン検査装置および方法 | |
JP5257063B2 (ja) | 欠陥検出方法および欠陥検出装置 | |
JP3047881B2 (ja) | 半導体装置の製造システム及び半導体装置の製造方法 | |
TW515018B (en) | Pattern inspection method, pattern inspection apparatus, and recording medium which records pattern inspection program | |
JP3201396B2 (ja) | 半導体デバイスの製造方法 | |
JP2965370B2 (ja) | 欠陥検出装置 | |
JP3271622B2 (ja) | 半導体デバイスの製造方法 | |
JPH0319990B2 (ja) | ||
JP3844792B2 (ja) | 物品の顕微鏡検査装置及び方法 | |
JP2961777B2 (ja) | 画像の比較方法 | |
JPS6135303A (ja) | パタ−ン欠陥検査装置 | |
JPH0772909B2 (ja) | 外観検査による溶接状態判定方法 | |
JP2023142884A (ja) | 欠陥検査装置及び欠陥検査方法 | |
JP3090121B2 (ja) | 微小欠陥検出方法及び装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |