JPH06207909A - Inspection apparatus for surface defect - Google Patents
Inspection apparatus for surface defectInfo
- Publication number
- JPH06207909A JPH06207909A JP5003352A JP335293A JPH06207909A JP H06207909 A JPH06207909 A JP H06207909A JP 5003352 A JP5003352 A JP 5003352A JP 335293 A JP335293 A JP 335293A JP H06207909 A JPH06207909 A JP H06207909A
- Authority
- JP
- Japan
- Prior art keywords
- defect
- image
- area
- data
- image data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
Abstract
Description
【０００１】[0001]
【産業上の利用分野】本発明は、画像計測装置や欠陥検
査装置における画像処理分野において、主に、濃淡画像
中の特異な部位を抽出する表面欠陥検査装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention mainly relates to a surface defect inspection apparatus for extracting a peculiar portion in a grayscale image in the image processing field of an image measuring apparatus or a defect inspection apparatus.
【０００２】[0002]
【従来の技術】従来、感光体ドラム製造工程において、
感光体をドラム、シート等の基体の表面に塗布する際に
生じた塗りムラや、コンタミネーションによる凝集など
の外観の欠陥を検査するために、感光体表面の目視外観
の検査、例えば実際には、検査サンプルの表面の色の濃
さとして目視で観察されている。この欠陥検査を目視で
はなく自動化して行う方法としては、例えば、１次元の
ＣＣＤカメラ等を用いて検査サンプルの表面を撮像して
画像処理的手法により欠陥を検出する方法がある。この
ような表面欠陥検査では、検査サンプルを撮像した画像
データをある閾値で２値化し、その２値化されたデータ
の幾何学的特徴から欠陥のランクを判別するようにして
いるのが一般的である。2. Description of the Related Art Conventionally, in the photoconductor drum manufacturing process,
In order to inspect appearance defects such as coating unevenness that occurs when the photoreceptor is applied to the surface of a substrate such as a drum or a sheet, and aggregation due to contamination, visual inspection of the photoreceptor surface, for example, actually , Is visually observed as the color depth of the surface of the inspection sample. As a method of automatically performing this defect inspection instead of visual inspection, for example, there is a method of imaging the surface of the inspection sample using a one-dimensional CCD camera or the like and detecting the defect by an image processing method. In such a surface defect inspection, it is general that the image data obtained by imaging the inspection sample is binarized by a certain threshold value and the defect rank is discriminated from the geometrical characteristics of the binarized data. Is.
【０００３】[0003]
【発明が解決しようとする課題】上述したような判別方
法では、正常であるべき「物体の欠け」などを判別する
場合の欠陥検査方法としては適している。しかし、感光
体の表面に現れる欠陥としては淡い下地の中に「淡い欠
陥」が存在するものが多く見られ、そのような淡い欠陥
の「特徴量」を的確に捕らえることは非常に困難な場合
が多い。The discrimination method as described above is suitable as a defect inspection method in the case of discriminating "a lack of an object" which should be normal. However, as defects appearing on the surface of the photoconductor, there are many cases where "light defects" are present in the light ground, and it is very difficult to accurately capture the "feature amount" of such light defects. There are many.
【０００４】その具体例として、図１１（ａ）、図１２
（ａ）は、感光体表面に現れる淡い極めてアナログ的な
信号形状、すなわち、感光体表面に現れる代表的な欠陥
部位の感光体表面の輝度信号の波形１，２のプロファイ
ルを示すものである。感光体表面の輝度分布のうちの欠
陥部分の輝度が大きく、視覚的には表面の下地に比べて
白く見えることから、白ぽち状の欠陥と呼ばれている。
そして、このような輝度信号の波形１，２をある閾値で
２値化すると、図１１（ｂ）、図１２（ｂ）に示すよう
な形状のパルス波形３，４になる。従って、図１１
（ａ）、図１２（ａ）では、波形１，２が異なった形状
でも２値化することにより図１１（ｂ）、図１２（ｂ）
では同一幅ｄのパルス波形３，４となってしまい、これ
により欠陥形状を分類判別することができない。As a concrete example, FIG. 11A and FIG.
(A) shows a light and extremely analog signal shape that appears on the surface of the photoconductor, that is, profiles of waveforms 1 and 2 of the luminance signal on the surface of the photoconductor of a typical defective portion that appears on the surface of the photoconductor. It is called a white spot-like defect because the defect portion of the luminance distribution on the surface of the photoconductor has a large luminance and appears whiter than the base of the surface.
Then, when such waveforms 1 and 2 of the luminance signal are binarized with a certain threshold value, pulse waveforms 3 and 4 having shapes as shown in FIGS. 11B and 12B are obtained. Therefore, FIG.
12 (a) and 12 (a), the waveforms 1 and 2 are binarized even if they have different shapes.
Then, the pulse waveforms 3 and 4 have the same width d, which makes it impossible to classify and determine the defect shape.
【０００５】[0005]
【課題を解決するための手段】請求項１記載の発明で
は、検査サンプルの表面を撮像する固体撮像素子と、こ
の撮像された前記検査サンプルの検査画像の表面輝度分
布を画像データとして取込むデータ取込み手段と、この
取込まれた画像データに対してマトリックスの演算子を
作用させるフィルタ手段と、このマトリックスのフィル
タ特性に相当する信号成分の成分画像を所定の閾値で２
値化する２値化手段と、この２値化された成分画像に対
して幾何学処理によりラベル付けを行うラベル付け手段
と、このラベル付けされた画像領域をもとに欠陥存在領
域を決定する欠陥存在領域決定手段と、この欠陥存在領
域に相当する検査サンプルの表面から前記固体撮像素子
により撮像して得られた表面輝度分布に相当する画像デ
ータをもとに欠陥領域の特徴量を算出する欠陥領域特徴
量算出手段と、この算出された欠陥領域の特徴量を所定
の閾値で良否の画像データに分離識別する欠陥領域分離
識別手段とより構成した。According to a first aspect of the present invention, a solid-state image pickup device for picking up an image of the surface of a test sample, and data for taking in the surface luminance distribution of the picked-up test image of the test sample as image data. The capturing means, the filter means for operating the matrix operator on the captured image data, and the component image of the signal component corresponding to the filter characteristic of the matrix are set to 2 with a predetermined threshold value.
A binarizing unit for binarizing, a labeling unit for labeling the binarized component image by a geometric process, and a defect existing region is determined based on the labeled image region. The defect existing area determining means and the feature amount of the defective area is calculated based on the image data corresponding to the surface brightness distribution obtained by imaging the surface of the inspection sample corresponding to the defect existing area by the solid-state image sensor. The defect area feature amount calculating means and the defect area separation identifying means for separating and identifying the calculated feature amount of the defect area into image data of good or bad by a predetermined threshold value.
【０００６】請求項２記載の発明では、請求項１記載の
発明において、欠陥領域特徴量算出手段により算出され
る欠陥領域の特徴量は、検査サンプルの表面を固体撮像
素子により撮像して得られた表面輝度分布に相当する画
像データにおける欠陥存在領域内での画像輝度分布の分
散量からなるようにした。According to a second aspect of the invention, in the first aspect of the invention, the feature amount of the defect area calculated by the defect area feature amount calculating means is obtained by imaging the surface of the inspection sample with a solid-state image sensor. In addition, the variance of the image brightness distribution in the defect existing area in the image data corresponding to the surface brightness distribution is used.
【０００７】請求項３記載の発明では、請求項１記載の
発明において、欠陥領域特徴量算出手段により算出され
る欠陥領域の特徴量は、検査サンプルの表面を固体撮像
素子により撮像して得られた表面輝度分布に相当する画
像データにおける欠陥存在領域内での所定の閾値を超え
た画素数からなるようにした。According to a third aspect of the invention, in the first aspect of the invention, the feature amount of the defect area calculated by the defect area feature amount calculating means is obtained by imaging the surface of the inspection sample with a solid-state image sensor. The number of pixels exceeding a predetermined threshold value in the defect existing area in the image data corresponding to the surface brightness distribution.
【０００８】請求項４記載の発明では、請求項３記載の
発明において、欠陥存在領域内での所定の閾値として、
画像データのある一方向に画像輝度を積分して算出され
た１次元信号のうちの欠陥存在領域に相当する部位の信
号分布のみが切り出された１次元信号を用いた。According to the invention described in claim 4, in the invention described in claim 3, as the predetermined threshold value in the defect existing region,
A one-dimensional signal obtained by cutting out only the signal distribution of the portion corresponding to the defect existing region in the one-dimensional signal calculated by integrating the image brightness in one direction of the image data was used.
【０００９】請求項５記載の発明では、検査サンプルの
表面を撮像する固体撮像素子と、この撮像された前記検
査サンプルの表面輝度分布を画像データとして装置内部
に取込むデータ取込み手段と、この取込まれた画像デー
タを所定のサイズのブロックに分割するブロック化手段
と、このブロック化されたブロックデータ毎に特徴量を
算出するブロックデータ特徴量算出手段と、このブロッ
クデータ毎に算出された特徴量を所定の閾値で良否の画
像データに分離識別しそのブロックサイズの空間周波数
帯域をもつ欠陥を検出する欠陥領域分離識別手段とより
構成した。According to a fifth aspect of the present invention, a solid-state image pickup device for picking up an image of the surface of the test sample, a data fetching means for fetching the imaged surface luminance distribution of the test sample into the apparatus as image data, and the data fetching means. Blocking means for dividing the embedded image data into blocks of a predetermined size, block data feature amount calculating means for calculating a feature amount for each of the blocked block data, and feature calculated for each block data A defect area separation / identification means for separating and identifying the quantity into image data of good or bad with a predetermined threshold and detecting a defect having a spatial frequency band of the block size.
【００１０】請求項６記載の発明では、請求項５記載の
発明においては、ブロック化手段によりブロック化され
る画像データは、取込まれた画像データのある一方向に
画像輝度を積分して算出された１次元信号と検査サンプ
ルの表面輝度分布の画像データとの差分値から照明ムラ
の除去されたデータからなるようにした。According to a sixth aspect of the invention, in the fifth aspect of the invention, the image data blocked by the blocking means is calculated by integrating the image brightness in one direction of the captured image data. The difference value between the generated one-dimensional signal and the image data of the surface luminance distribution of the inspection sample is used as the data from which the uneven illumination is removed.
【００１１】請求項７記載の発明では、請求項５又は６
記載の発明において、ブロック化手段は、一のブロック
データとこのブロックデータに隣り合う他のブロックデ
ータとを、それらブロックサイズの半分若しくは一部が
互いに重なり合うように分割した。According to the invention of claim 7, claim 5 or 6
In the invention described above, the block forming means divides one block data and another block data adjacent to this block data such that half or a part of the block sizes thereof overlap each other.
【００１２】請求項８記載の発明では、請求項５，６又
は７記載の発明において、ブロックデータ特徴量算出手
段により算出されるブロックデータの特徴量は、ブロッ
ク内における画像輝度の分散量からなるようにした。According to an eighth aspect of the invention, in the fifth, sixth or seventh aspect of the invention, the feature amount of the block data calculated by the block data feature amount calculating means is a variance amount of image luminance within the block. I did it.
【００１３】[0013]
【作用】請求項１記載の発明においては、マトリックス
の演算子の作用により信号の検出したい周波数成分を抽
出し、２値化、幾何学処理、クラスタリングにより欠陥
位置を正確に決定し、その決定された欠陥位置の情報か
ら多値画像である原画像に立ち返り特徴量を算出するこ
とにより、欠陥ランクの分離識別を行うことが可能とな
る。According to the first aspect of the present invention, the frequency component to be detected in the signal is extracted by the operation of the matrix operator, the defect position is accurately determined by binarization, geometric processing, and clustering, and the determination is made. By returning to the original image, which is a multi-valued image, from the information on the defect position and calculating the feature amount, the defect ranks can be separated and identified.
【００１４】請求項２記載の発明においては、分散量を
特徴量とすることにより、欠陥領域のコントラストを定
量化でき、目視による注目点と同じ水準で自動欠陥検査
が可能となる。According to the second aspect of the present invention, by using the amount of dispersion as the characteristic amount, the contrast of the defect area can be quantified, and the automatic defect inspection can be performed at the same level as the visual point of interest.
【００１５】請求項３記載の発明においては、閾値を超
えた画素数を特徴量とすることにより、欠陥の大きさを
定量化でき、目視による注目点と同じ水準で自動欠陥検
査を行うことが可能となる。According to the third aspect of the invention, the size of the defect can be quantified by using the number of pixels exceeding the threshold as the feature amount, and the automatic defect inspection can be performed at the same level as the visual point of interest. It will be possible.
【００１６】請求項４記載の発明においては、特定方向
への積分データ列を閾値とすることにより、シェーディ
ングの影響を受けないダイナミックな閾値による２値化
を実現することができ、欠陥検出の精度を向上させるこ
とが可能となる。According to the fourth aspect of the present invention, by using the integral data string in a specific direction as the threshold value, it is possible to realize binarization by a dynamic threshold value which is not affected by shading, and the accuracy of defect detection can be improved. It becomes possible to improve.
【００１７】請求項５記載の発明においては、ブロック
化手段によりブロック化し、ブロックデータ特徴量算出
手段によりブロック毎に特徴量を算出することによっ
て、演算の軽減と検出結果の冗長性をなくすことが可能
となる。According to the fifth aspect of the present invention, it is possible to reduce the calculation and eliminate the redundancy of the detection result by dividing into blocks by the blocking unit and calculating the feature amount for each block by the block data feature amount calculating unit. It will be possible.
【００１８】請求項６記載の発明においては、原画像に
おける特定方向への積分データ列をブロック内の閾値と
することにより、照明ムラやシェーディングの影響を除
去した欠陥検出が可能となる。According to the sixth aspect of the present invention, by using the integrated data string in the specific direction in the original image as the threshold value in the block, it becomes possible to detect defects without the influence of illumination unevenness and shading.
【００１９】請求項７記載の発明においては、分割され
た一のブロックをこれに隣接したブロック毎にオーバー
ラップさせて行うことによって、ブロック間に渡る欠陥
の特徴量の算出を精度良く行うことが可能となる。According to the seventh aspect of the present invention, the divisional block is overlapped with the adjacent blocks so that the feature amount of the defect across the blocks can be accurately calculated. It will be possible.
【００２０】請求項８記載の発明においては、ブロック
内における画像輝度の分散量を特徴量とすることによ
り、淡いコントラストの低周波欠陥を定量的に算出する
ことが可能となる。According to the eighth aspect of the present invention, it is possible to quantitatively calculate the low-frequency defect having a light contrast by using the amount of variance of the image brightness in the block as the characteristic amount.
【００２１】[0021]
【実施例】請求項１〜４記載の発明の一実施例を図１〜
図６に基づいて説明する。図２は、表面欠陥検査装置の
感光体表面の撮像系の構成を示すものである。検査サン
プルとしての感光体５は、モータ６によりその長手方向
Ｘを軸として回転する。この感光体５の表面には照明光
源７（ハロゲンランプ７ａに接続されている）から照明
されており、これにより反射された光は固体撮像素子と
しての１次元ＣＣＤカメラ８により逐次読み取られる。
この１次元ＣＣＤカメラ８には、画素配列方向が感光体
５の回転軸と平行に配列されたＣＣＤ撮像素子が設けら
れており、画素数２０４８程度のものを使用する。この
１次元ＣＣＤカメラ８によって読み取られた画像信号
は、Ａ／Ｄ変換器９に送られデジタル化される。このデ
ジタル化された成分画像はデータ取込み手段としてのフ
レームメモリ１０に送られ、これにより成分画像の表面
輝度分布を画像データとして取込む。このようにして取
込まれた画像データはホストコンピュータ１１に送ら
れ、これにより後述する図１に示すようなアルゴリズム
に従って画像処理がなされる。なお、このホストコンピ
ュータ１１からの制御信号はパルスモータドライバー１
２に送られることにより、モータ６を駆動して感光体５
の回転数を制御している。DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS One embodiment of the invention described in claims 1 to 4 is shown in FIG.
It will be described with reference to FIG. FIG. 2 shows the configuration of an image pickup system for the surface of the photoconductor of the surface defect inspection apparatus. The photoconductor 5 as an inspection sample is rotated about its longitudinal direction X by a motor 6. The surface of the photoconductor 5 is illuminated by an illumination light source 7 (connected to a halogen lamp 7a), and the light reflected by the illumination light source 7 is sequentially read by a one-dimensional CCD camera 8 as a solid-state image sensor.
The one-dimensional CCD camera 8 is provided with a CCD image pickup device in which the pixel arrangement direction is arranged in parallel with the rotation axis of the photoconductor 5, and the one having 2048 pixels is used. The image signal read by the one-dimensional CCD camera 8 is sent to the A / D converter 9 and digitized. The digitized component image is sent to the frame memory 10 as a data capturing means, and the surface luminance distribution of the component image is captured as image data. The image data taken in this way is sent to the host computer 11 and is subjected to image processing according to an algorithm as shown in FIG. 1 described later. The control signal from the host computer 11 is the pulse motor driver 1
2 to drive the motor 6 to drive the photoconductor 5
Control the number of rotations.
【００２２】この場合、前記ホストコンピュータ１１に
は、図１に示すようなアルゴリズムに従って画像処理を
行うために、以下に述べるような各種手段を備えてい
る。すなわち、本構成は、図１に示すように、前記フレ
ームメモリ１０に取込まれた画像データに対してマトリ
ックスの演算子を作用させるフィルタ手段ａと、このマ
トリックスのフィルタ特性に相当する信号成分の成分画
像を所定の閾値で２値化する２値化手段ｂと、この２値
化された成分画像に対して幾何学処理によりラベル付け
を行うラベル付け手段ｃと、このラベル付けされた画像
領域をもとに欠陥存在領域を決定する欠陥存在領域決定
手段ｄと、この欠陥存在領域に相当する検査サンプルの
表面から前記固体撮像素子により撮像して得られた表面
輝度分布に相当する画像データをもとに欠陥領域の特徴
量を算出する欠陥領域特徴量算出手段ｅと、この算出さ
れた欠陥領域の特徴量を所定の閾値で良否の画像データ
に分離識別する欠陥領域分離識別手段ｆとを備えたこと
に特徴がある（請求項１記載の発明）。In this case, the host computer 11 is equipped with various means as described below in order to perform image processing according to the algorithm shown in FIG. That is, in this configuration, as shown in FIG. 1, a filter means a for operating a matrix operator on the image data taken in the frame memory 10 and a signal component corresponding to the filter characteristic of this matrix. Binarization means b for binarizing the component image with a predetermined threshold value, labeling means c for labeling the binarized component image by geometric processing, and this labeled image area. Defect existing area determining means d for determining the defect existing area based on the above, and image data corresponding to the surface brightness distribution obtained by imaging with the solid-state image sensor from the surface of the inspection sample corresponding to this defect existing area. A defect area feature amount calculating means e for calculating the feature amount of the defect area based on the defect area, and a defect area for separately identifying the calculated feature amount of the defect area into image data of quality by a predetermined threshold value. It is characterized in that a separation identification means f (the invention according to claim 1).
【００２３】前記欠陥領域特徴量算出手段ｅにより算出
される欠陥領域の特徴量としては、以下に述べるものを
用いる。すなわち、その「第一の特徴量」として、感光
体５の表面を１次元ＣＣＤカメラ８により撮像した感光
体５の表面輝度分布に相当する画像データにおける欠陥
存在領域内での画像輝度分布の分散量を用いる（請求項
２記載の発明）。また、「第二の特徴量」として、感光
体５の表面を１次元ＣＣＤカメラ８により撮像して得ら
れた表面輝度分布に相当する画像データにおける欠陥存
在領域内での所定の閾値を超えた画素数を用いる（請求
項３記載の発明）。この場合、欠陥存在領域内での所定
の閾値としては、画像データのある一方向に画像輝度を
積分して１次元信号を算出し、この算出された１次元信
号のうちの欠陥存在領域に相当する部位の信号分布を切
り出し、この切り出された１次元信号のみを閾値として
用いるようにした（請求項４記載の発明）。As the feature amount of the defect area calculated by the defect area feature amount calculating means e, those described below are used. That is, as the “first feature amount”, the distribution of the image brightness distribution in the defect existing area in the image data corresponding to the surface brightness distribution of the photoconductor 5 obtained by imaging the surface of the photoconductor 5 with the one-dimensional CCD camera 8 An amount is used (the invention according to claim 2). Further, as the “second feature amount”, a predetermined threshold value in the defect existing area in the image data corresponding to the surface luminance distribution obtained by imaging the surface of the photoconductor 5 with the one-dimensional CCD camera 8 is exceeded. The number of pixels is used (the invention according to claim 3). In this case, as the predetermined threshold value in the defect existing area, the image luminance is integrated in one direction of the image data to calculate a one-dimensional signal, and the one-dimensional signal is calculated and corresponds to the defect existing area. The signal distribution of the portion to be cut is cut out, and only the cut out one-dimensional signal is used as the threshold value (the invention according to claim 4).
【００２４】このような構成において、上述したような
各種手段の具体例として、空間周波数的に比較的高い成
分からなる欠陥の検出方法を図１のフローを中心に説明
する。まず、１次元ＣＣＤカメラ８から取込まれた２次
元の画像Ｉ（ｘ，ｙ）は、フレームメモリ１０に原画像
として記憶される。この記憶された画像に対して検査対
称領域のマスキング（ａ0)が前処理として行われる。こ
こで、画像Ｉ（ｘ，ｙ）の処理対称領域を新たにＩｐ
（ｘ，ｙ）とする。次に、高周波成分からなる欠陥を検
出するために、そのＩｐ（ｘ，ｙ）の原画像に対して図
３に示すようなラプラシアン演算子１３を作用させる
〔ａ〕。このラプラシアン演算子１３は画像の２次微分
を行う作用をし、周波数的にはハイパスフィルタとして
作用する。この例では、３×３の演算子としている。そ
して、このようなラプラシアン演算子１３をＬap（ｘ，
ｙ）とすれば、この演算子を作用した画像データはＩop
（ｘ，ｙ）と表わすことができる。図４（ａ）は、その
ラプラシアン演算子１３を作用させたラプラシアン画像
信号１４を示すものである。このラプラシアン画像信号
１４では、低周波成分が除去され高周波成分が信号とし
てフィルタリングされている。In such a structure, as a specific example of the above-mentioned various means, a method of detecting a defect having a relatively high spatial frequency component will be described with a focus on the flow of FIG. First, the two-dimensional image I (x, y) captured from the one-dimensional CCD camera 8 is stored in the frame memory 10 as an original image. Masking (a 0 ) of the inspection symmetrical area is performed as a pre-process on the stored image. Here, the processing symmetric region of the image I (x, y) is newly added to Ip.
Let (x, y). Next, in order to detect a defect having a high frequency component, a Laplacian operator 13 as shown in FIG. 3 is applied to the original image of Ip (x, y) [a]. The Laplacian operator 13 acts to perform a second-order differentiation of the image, and acts as a high-pass filter in terms of frequency. In this example, the operator is 3 × 3. Then, such a Laplacian operator 13 is Lap (x,
y), the image data on which this operator is applied is Iop
It can be represented as (x, y). FIG. 4A shows a Laplacian image signal 14 to which the Laplacian operator 13 is applied. In this Laplacian image signal 14, low frequency components are removed and high frequency components are filtered as signals.
【００２５】次に、このようにしてフィルタリングされ
た高周波成分からなるラプラシアン画像信号１４を所定
の閾値Ｌで２値化すると、図４（ｂ）に示すような２値
化画像信号１５を得ることができる〔ｂ〕。この２値化
画像信号１５のＡ領域が欠陥領域となる。従来（前述し
た従来例を参照）においては、そのような欠陥領域とな
るＡ領域の幾何学的特徴として、例えばＡ領域の「大き
さ」を欠陥領域の「特徴量」としていたが、このような
単純な特徴量のみからでは欠陥ランクを的確に層別する
ことが困難であることから、本実施例では、以下に述べ
るような手法によって欠陥領域の特徴量を求めるように
したものである。Next, when the Laplacian image signal 14 consisting of high-frequency components filtered in this way is binarized with a predetermined threshold value L, a binarized image signal 15 as shown in FIG. 4B is obtained. Can be done [b]. Area A of the binarized image signal 15 is a defective area. In the prior art (see the above-mentioned conventional example), the geometrical characteristic of the area A which becomes such a defective area is, for example, the “size” of the area A is the “feature amount” of the defective area. Since it is difficult to accurately classify the defect ranks only from such simple feature amounts, in the present embodiment, the feature amount of the defect area is obtained by the method described below.
【００２６】以下、そのＡ領域をもとに特徴量を求める
手法を順次述べていく。まず、前処理として、２値化画
像信号１５を膨張ｂ1 、縮退ｂ2 して図４（ｃ）に示す
ような膨張縮退画像信号１６を作り、これにより孤立点
やホールとなった部分の除去を行う〔ｂ3〕。 このよう
な前処理を行う理由としては、一般に２値化した直後の
画像はそのノイズのため孤立点やホールを含んでおり、
これらは欠陥位置をラベリングする際に誤検出の原因と
なるからである。そこで、膨張アルゴリズムでは、注目
する画素が物体であったら周囲の画素をすべて物体に置
き換える。縮退アルゴリズムでは、注目する画素が背景
であったら、周囲の画素をすべて背景に置き換える。こ
のような膨張、縮退のアルゴリズムの操作を処理画像領
域内のすべての画素に対して行うことにより、孤立点や
ホールを除去することができる。The method for obtaining the feature amount based on the area A will be sequentially described below. First, as pre-processing, the binarized image signal 15 is expanded b 1 and degenerated b 2 to generate an expanded / degenerated image signal 16 as shown in FIG. 4C, whereby the isolated points and holes are processed. Removal is carried out [b 3 ]. The reason for performing such pre-processing is that the image immediately after binarization generally contains isolated points and holes due to the noise.
This is because they cause erroneous detection when labeling the defect position. Therefore, in the expansion algorithm, if the pixel of interest is an object, all the surrounding pixels are replaced with the object. In the degeneration algorithm, if the pixel of interest is the background, all surrounding pixels are replaced with the background. It is possible to remove isolated points and holes by performing such an expansion / degeneration algorithm operation for all pixels in the processing image area.
【００２７】次に、そのような前処理が終了した後、図
５に示すようなラベリング処理を行う〔ｃ〕。ここでの
ラベリング処理とは、１つの連結成分に１つの番号を割
り当てる操作のことをいう。すなわち、まず、画像デー
タを走査しラベルが付けられていない画像領域１７内の
画素１７ａに出会った際に、その画素１７ａにＬ1 とい
う番号を付与する。次に、その近傍に連結する画素があ
るかどうかを調べ、画素１７ｂがあればそれに同一のＬ
1 という番号を付ける。さらに、その番号の付けられた
画素１７ｂを中心にして同様に連結する画素を調べて番
号を付けていく。このような操作を繰り返していき、Ｌ
1 という番号が付く画素がなくなったら、再び画像を走
査していき、次の画像領域１８，１９内において画素１
８ａ，１８ｂ，１９ａ〜１９ｄ，…に番号Ｌ2，Ｌ3，Ｌ
4 を順次付けていく。このようにして欠陥位置に、ラベ
ル付けされた画像領域１７，１８，１９を定義すること
ができる。Next, after the completion of such pre-processing, labeling processing as shown in FIG. 5 is performed [c]. The labeling process here is an operation of assigning one number to one connected component. That is, first, when the image data is scanned and a pixel 17a in the unlabeled image area 17 is encountered, the pixel 17a is given a number L 1 . Next, it is checked whether or not there is a pixel to be connected in the vicinity, and if there is a pixel 17b, the same L
Number 1 Further, similarly to the pixel 17b having the number, the pixels connected in the same manner are examined and numbered. Repeat this operation until L
When there are no more pixels to which the number 1 is attached, the image is scanned again, and pixel 1 in the next image area 18 or 19 is scanned.
8a, 18b, 19a to 19d, ... Numbers L 2 , L 3 , L
Add 4 in sequence. In this way, labeled image areas 17, 18, 19 can be defined at the defect location.
【００２８】次に、このようにしてラベル付けされた画
像領域１７，１８，１９から欠陥領域の特徴量を求める
方法について述べる。まず、ここでの特徴量としては、
欠陥周辺部の適当な領域内での輝度分布の分散量を用い
る（第一特徴量に対応する）。この分散を定義するに当
たり、計算領域を定義する必要がある。この計算領域は
欠陥が存在すると推定される領域に選ぶことが必要であ
り、この領域を欠陥存在領域とする。この欠陥存在領域
は、ラベル付けされた前記画像領域１７，１８，１９か
ら決定する。Next, a method for obtaining the feature amount of the defective area from the image areas 17, 18 and 19 thus labeled will be described. First, as the feature quantity here,
The dispersion amount of the brightness distribution in an appropriate area around the defect is used (corresponding to the first feature amount). In defining this variance, it is necessary to define the computational domain. It is necessary to select this calculation area as an area in which it is estimated that a defect exists, and this area is referred to as a defect existing area. This defect existing area is determined from the labeled image areas 17, 18 and 19.
【００２９】そこで、欠陥存在領域の決定方法について
述べる〔ｄ0，ｄ〕。欠陥存在領域は、ラベル付けされ
た画像領域１７，１８，１９のフィレ径に適当なマージ
ン量を見込んで決定する。図５において、Ｘ方向のフィ
レ径Ｄｆに対してマージン量Ｗｘを定義し、領域Ｄｘを
決め、また、Ｙ方向についても同様にして領域Ｄｙを決
める。これにより、Ｄｘ，Ｄｙで定義される矩形領域を
欠陥存在領域Ｄとする。従って、ここまでの画像処理に
おいて、撮像された画像データに対して、画像領域のコ
ントラストと大きさとから、欠陥が存在すると推定され
る欠陥存在領域Ｄの特定を行うことができる。Therefore, a method of determining the defect existing area will be described [d 0 , d]. The defect existing area is determined in consideration of an appropriate margin amount for the fillet diameter of the labeled image areas 17, 18 and 19. In FIG. 5, the margin amount Wx is defined with respect to the fillet diameter Df in the X direction, the area Dx is determined, and the area Dy is similarly determined in the Y direction. As a result, the rectangular area defined by Dx and Dy is set as the defect existing area D. Therefore, in the image processing up to this point, it is possible to specify the defect existing area D in which it is estimated that a defect exists in the captured image data from the contrast and size of the image area.
【００３０】次に、欠陥存在領域Ｄの特徴量の計算を行
う〔ｅ，ｆ〕。ここでの特徴量としては、欠陥存在領域
Ｄ内での前記分散の他に、所定の閾値を超える輝度をも
つ画素の画素数を用いる（第二特徴量に対応する）。Next, the feature quantity of the defect existing area D is calculated [e, f]. As the feature quantity here, in addition to the variance in the defect existing area D, the number of pixels having a brightness exceeding a predetermined threshold value is used (corresponding to the second feature quantity).
【００３１】今、欠陥存在領域Ｄを、 Ｄ：Ｉ（ｘi，ｙj） （ｉ＝ｍ…ｎ，ｊ＝ｋ…ｌ） …（１） とすると、その欠陥存在領域Ｄ内での分散δは、Now, assuming that the defect existing area D is D: I (xi, yj) (i = m ... n, j = k ... l) (1), the variance δ in the defect existing area D is ,
【００３２】[0032]
【数１】 [Equation 1]
【００３３】として表わすことができる。この場合、δ
の値は、コントラストが強い画像領域では大きい値を示
す。ただし、Ｉ（ｘ，ｙ）は撮像された原画像である。Can be expressed as In this case, δ
The value of indicates a large value in an image region with high contrast. However, I (x, y) is a captured original image.
【００３４】上述したように、原画像を２値化してフィ
ルタリング、幾何学処理を順次行うことにより欠陥が存
在する位置を決定し、その欠陥位置に相当する原画像か
ら信号の特徴量を算出することにより欠陥ランクの分離
識別が可能となり、これによりアナログ的に変化する信
号の特定部位とその特徴量とを正確に求めることができ
る。また、この場合、分散量を特徴量とすることによっ
て、欠陥領域のコントラストを定量化でき、目視による
注目点と同じ水準で自動欠陥検査を行うことができる。
さらに、閾値を超えた画素数を特徴量とすることによっ
て、欠陥の大きさを定量化でき、目視による注目点と同
じ水準で自動欠陥検査を行うことができる共に、特定方
向への積分データ列を閾値とすることによって、シェー
ディングの影響を受けないダイナミックな閾値による２
値化を実現することができ、欠陥検出の精度を向上させ
ることができる。As described above, the original image is binarized, the position where the defect exists is determined by sequentially performing the filtering and the geometrical processing, and the characteristic amount of the signal is calculated from the original image corresponding to the defective position. As a result, the defect ranks can be separated and identified, whereby the specific portion of the signal that changes in an analog manner and its feature amount can be accurately obtained. Further, in this case, the contrast of the defect area can be quantified by using the dispersion amount as the feature amount, and the automatic defect inspection can be performed at the same level as the visual point of interest.
Furthermore, by setting the number of pixels that exceed the threshold as the feature quantity, the size of the defect can be quantified, and automatic defect inspection can be performed at the same level as the visual point of interest. Is set as a threshold value, the dynamic threshold value is not affected by shading.
Quantization can be realized, and the accuracy of defect detection can be improved.
【００３５】次に、請求項５〜８記載の発明の一実施例
を図７〜図１０に基づいて説明する。なお、前述した請
求項１〜４記載の発明と同一部分についての説明は省略
し、その同一部分については同一符号を用いる。Next, an embodiment of the invention described in claims 5 to 8 will be described with reference to FIGS. It should be noted that the description of the same parts as those of the above-described inventions according to claims 1 to 4 is omitted, and the same reference numerals are used for the same parts.
【００３６】ここでの本構成は、図７に示すように、取
込まれた画像データを所定のサイズのブロックに分割す
るブロック化手段ｇと、このブロック化されたブロック
データ毎に特徴量を算出するブロックデータ特徴量算出
手段ｈと、このブロックデータ毎に算出された特徴量を
所定の閾値で良否の画像データに分離識別しそのブロッ
クサイズの空間周波数帯域をもつ欠陥を検出する欠陥領
域分離識別手段ｉとを備えたことに特徴がある（請求項
５記載の発明）。なお、本実施例においても、検査サン
プルの表面を撮像する固体撮像素子と、この撮像された
前記検査サンプルの表面輝度分布を画像データとして取
込むデータ取込み手段とを備えた表面検査欠陥装置によ
り構成される。In this configuration, as shown in FIG. 7, a block forming means g for dividing the captured image data into blocks of a predetermined size and a feature amount for each block of the block data. A block data characteristic amount calculating means h for calculating, and a defect area separation for separating and identifying the characteristic amount calculated for each block data into image data of good or bad by a predetermined threshold value and detecting a defect having a spatial frequency band of the block size. It is characterized in that it is provided with an identification means i (the invention according to claim 5). Note that, also in the present embodiment, the solid-state imaging device for imaging the surface of the inspection sample, and the surface inspection defect device provided with the data capturing means for capturing the surface luminance distribution of the imaged inspection sample as image data To be done.
【００３７】この場合、ブロック化手段ｇによりブロッ
ク化される画像データは、取込まれた画像データのある
一方向に画像輝度を積分して算出された１次元信号と検
査サンプルの表面輝度分布の画像データとの差分値から
照明ムラの除去されたデータからなっている（請求項６
記載の発明）。また、ブロック化手段ｇは、一のブロッ
クデータとこのブロックデータに隣り合う他のブロック
データとを、それらブロックサイズの半分若しくは一部
が互いに重なり合うように分割する（請求項７記載の発
明）。さらに、ブロックデータ特徴量算出手段ｈにより
算出されるブロックデータの特徴量は、ブロック内にお
ける画像輝度の分散量からなっている（請求項８記載の
発明）。In this case, the image data blocked by the blocking means g is the one-dimensional signal calculated by integrating the image brightness in one direction of the captured image data and the surface brightness distribution of the inspection sample. It is composed of data from which uneven illumination is removed from the difference value from the image data (claim 6).
Invention described). Further, the blocking means g divides one block data and another block data adjacent to this block data so that half or a part of the block sizes overlap each other (the invention according to claim 7). Further, the feature amount of the block data calculated by the block data feature amount calculating means h is the amount of variance of the image brightness within the block (the invention according to claim 8).
【００３８】このような構成において、本実施例では、
空間周波数的に比較的低い成分からなる欠陥の検出方法
について述べる。このような低い周波数成分からなる欠
陥２０は、例えば、図８に示すように、感光体５におい
てはその基体に塗布する際に発生する塗布ムラが考えら
れる。このような欠陥２０は、感光体５の長手方向（Ｘ
方向）のサイズの１／４〜１／３程度まで大きな広がり
をもち、輝度変化が小さい。そして、この種の欠陥２０
検出を画像処理的手法によって行う場合、その検出すべ
き欠陥２０と照明ムラとが輝度変化していても、空間周
波数的に近接していると、それら輝度変化の分離検出が
困難となる。また、一般に前述した図２の構成による撮
像系では、感光体５の長手方向（Ｘ方向）に照明のシェ
ーディングが発生し感光体５の表面輝度分布にムラが生
じてしまう。In such a structure, in this embodiment,
A method of detecting a defect having a relatively low spatial frequency component will be described. The defect 20 having such a low frequency component may be, for example, as shown in FIG. 8, coating unevenness that occurs when the substrate is coated on the photoreceptor 5. Such a defect 20 is generated in the longitudinal direction (X
Direction) and has a large spread up to about 1/4 to 1/3 of the size, and the change in luminance is small. And this type of defect 20
When the detection is performed by an image processing method, even if the defect 20 to be detected and the illumination unevenness change in brightness, if they are close in spatial frequency, it is difficult to separately detect the change in brightness. Further, generally, in the image pickup system having the above-described configuration of FIG. 2, shading of illumination occurs in the longitudinal direction (X direction) of the photoconductor 5 and unevenness occurs in the surface luminance distribution of the photoconductor 5.
【００３９】そこで、本実施例では、上述したような照
明ムラ等の影響を除去するために、画像データの照明分
布を感光体５の回転方向に輝度分布画像を積分して得ら
れた信号で代用させる。そして、原画像から前記積分さ
れた信号を差分して得られた値をシェーディング補正し
たデータとみなし、そのシェーディング補正後の画像に
対して欠陥２０の検出を行うようにしたものである。以
下、その具体例を図９のフローに基づいて説明する。Therefore, in the present embodiment, in order to eliminate the influence of the above-mentioned illumination unevenness and the like, the illumination distribution of the image data is a signal obtained by integrating the luminance distribution image in the rotation direction of the photoconductor 5. Let them substitute. Then, the value obtained by subtracting the integrated signal from the original image is regarded as the shading-corrected data, and the defect 20 is detected in the image after the shading correction. Hereinafter, a specific example thereof will be described based on the flow of FIG.
【００４０】まず、ここでの低周波成分の欠陥は空間周
波数が低く、画像の解像度を多く必要とせず、例えば、
長手方向４００ｍｍ程度の感光体５であれば２５６×２
５６程度の画素密度で撮像すれば十分である。このよう
なことから、図２の装置において２０４８×２０４８画
素の画素密度で読取った原画像は、その処理時間を短縮
するために、２５６×２５６の画素密度に縮小される
〔ａ1〕。 ここで、その縮小された画像をＩs(ｘ，ｙ）
とすると、シェーディングデータＩshd(ｘ）は、First, the low frequency component defect here has a low spatial frequency and does not require a high image resolution.
If the photoconductor 5 is 400 mm in the longitudinal direction, 256 x 2
It is sufficient to take an image with a pixel density of about 56. For this reason, the original image read with a pixel density of 2048 × 2048 pixels in the apparatus of FIG. 2 is reduced to a pixel density of 256 × 256 [a 1 ] in order to shorten the processing time. Here, the reduced image is Is (x, y)
Then, the shading data Ishd (x) is
【００４１】[0041]
【数２】 [Equation 2]
【００４２】として定義され、この式を用いて演算を行
いメモリに格納する〔ａ2，ａ3〕。Is defined as, and the calculation is performed using this formula and stored in the memory [a 2 , a 3 ].
【００４３】そして、Ｉshd(ｘ）をもとにＩs(ｘ，ｙ）
のシェーディング補正を行うが、その補正後の画像デー
タをＩcmp(ｘ，ｙ）とすると、 Ｉcmp(ｘ，ｙ）＝Ｉs(ｘ，ｙ）−Ｉshd(ｘ） …（４） として表わすことができる。このようにして、照明ムラ
によるシェーディングの補正がなされた画像データＩcm
p(ｘ，ｙ）を得ることができる〔ａ4〕。Then, based on Ishd (x), Is (x, y)
Shading correction is performed, and when the corrected image data is Icmp (x, y), it can be expressed as Icmp (x, y) = Is (x, y) -Ishd (x) (4). . In this way, the image data Icm corrected for shading due to uneven illumination
p (x, y) can be obtained [a 4 ].
【００４４】このようにシェーディング補正された画像
データＩcmp(ｘ，ｙ）により低周波欠陥の検出を行う
が、検査領域に対して欠陥サイズが大きく広がりをもつ
ことを考慮すると、低周波欠陥をそのままの形で検出す
ることは妥当でない。そこで、本実施例におけるような
低周波欠陥の検査処理においては、「欠陥の形状そのも
の」を求めずに、検査画像をブロック化手段ｇを用いて
いくつかのブロックに分割して、ブロックデータ特徴量
算出手段ｈによりそのブロック毎に特徴量を算出するよ
うにした。この場合、各ブロック内の特徴量を画像輝度
分布の分散値としている。The low-frequency defect is detected by the image data Icmp (x, y) thus shading-corrected. However, considering that the defect size has a large spread in the inspection area, the low-frequency defect remains as it is. It is not appropriate to detect in the form of. Therefore, in the inspection processing of the low frequency defect as in the present embodiment, the inspection image is divided into several blocks using the blocking means g without obtaining the “defect shape itself”, and the block data feature is obtained. The feature calculating unit h calculates the feature amount for each block. In this case, the feature amount in each block is used as the variance value of the image brightness distribution.
【００４５】図９は、画像をブロック毎に分割する例を
示すものである。シェーディング補正後の原画像Ｉcmp
(ｘ，ｙ）中のブロックデータ２１をＩb(ｘ，ｙ）とす
る。一例として、Ｉcmp(ｘ，ｙ）（ｘ＝１〜２５６、ｙ
＝１〜２５６）とし、Ｉb(ｘ，ｙ）（ｘ＝１〜２５６、
ｙ＝１〜２５６）とした場合、各ブロックデータ２１内
での分散値δb は、FIG. 9 shows an example of dividing an image into blocks. Original image Icmp after shading correction
The block data 21 in (x, y) is Ib (x, y). As an example, Icmp (x, y) (x = 1 to 256, y
= 1 to 256), Ib (x, y) (x = 1 to 256,
When y = 1 to 256), the variance value δb in each block data 21 is
【００４６】[0046]
【数３】 [Equation 3]
【００４７】として表わすことができる。Can be expressed as
【００４８】しかし、この図９のような単純な格子状の
分割では、ブロックデータ２１の境界にかかった欠陥を
効率良く検出することは不可能である。そこで、図１０
に示すように、分割されるブロックデータ２１ａをこれ
に隣接した他のブロックデータ２１ｂ，２１ｃ…とオー
バーラップするように配置する。ただし、この場合のブ
ロックサイズは３２×３２の場合の構成とする。このよ
うにオーバーラップさせて配置することにより、欠陥部
位をブロック境界で分断することなく評価することがで
きる〔ｉ〕。However, it is impossible to efficiently detect the defect on the boundary of the block data 21 by the simple grid-like division as shown in FIG. Therefore, FIG.
, The divided block data 21a is arranged so as to overlap the other block data 21b, 21c, ... Adjacent thereto. However, the block size in this case is 32 × 32. By arranging them so that they overlap with each other, it is possible to evaluate the defect site without dividing it at the block boundary [i].
【００４９】上述したように、ブロック化手段ｇにより
ブロック化し、ブロックデータ特徴量算出手段ｈにより
ブロックデータ２１毎に特徴量を算出することによっ
て、演算の軽減と検出結果の冗長性をなくすことができ
る。また、原画像における特定方向への積分データ列を
ブロックデータ２１内の閾値とすることによって、照明
ムラやシェーディングの影響を除去した欠陥検出を行う
ことができる。さらに、ブロックデータ２１内における
画像輝度の分散量を特徴量とすることによって、淡いコ
ントラストの低周波欠陥を定量的に算出することができ
る。さらにまた、分割された一のブロックデータａをこ
れに隣接したブロックデータ２１ｂ，２１ｃ，…毎にオ
ーバーラップさせて行うことによって、ブロック間に渡
る欠陥の特徴量の算出を精度良く行うことができる。As described above, by making the blocks by the blocking means g and calculating the feature quantity for each block data 21 by the block data feature quantity calculating means h, it is possible to reduce the calculation and eliminate the redundancy of the detection result. it can. Further, by using the integrated data string in the specific direction in the original image as the threshold value in the block data 21, it is possible to detect defects in which the effects of uneven illumination and shading are removed. Furthermore, by using the amount of variance of image brightness in the block data 21 as a feature amount, it is possible to quantitatively calculate a low-frequency defect having a light contrast. Furthermore, the divided one block data a is overlapped with the block data 21b, 21c, ... Adjacent to the block data a, so that the feature amount of the defect across the blocks can be accurately calculated. .
【００５０】[0050]
【発明の効果】請求項１記載の発明は、検査サンプルの
表面を撮像する固体撮像素子と、この撮像された前記検
査サンプルの検査画像の表面輝度分布を画像データとし
て取込むデータ取込み手段と、この取込まれた画像デー
タに対してマトリックスの演算子を作用させるフィルタ
手段と、このマトリックスのフィルタ特性に相当する信
号成分の成分画像を所定の閾値で２値化する２値化手段
と、この２値化された成分画像に対して幾何学処理によ
りラベル付けを行うラベル付け手段と、このラベル付け
された画像領域をもとに欠陥存在領域を決定する欠陥存
在領域決定手段と、この欠陥存在領域に相当する検査サ
ンプルの表面から前記固体撮像素子により撮像して得ら
れた表面輝度分布に相当する画像データをもとに欠陥領
域の特徴量を算出する欠陥領域特徴量算出手段と、この
算出された欠陥領域の特徴量を所定の閾値で良否の画像
データに分離識別する欠陥領域分離識別手段とより構成
したので、マトリックスの演算子の作用により信号の検
出したい周波数成分を抽出し、２値化、幾何学処理、ク
ラスタリングにより欠陥位置を正確に決定し、その決定
された欠陥位置の情報から多値画像である原画像に立ち
返り特徴量を算出することにより、欠陥ランクの分離識
別を行うことができるものである。According to the first aspect of the present invention, a solid-state image pickup device for picking up an image of the surface of a test sample, and data fetching means for fetching the surface luminance distribution of the picked-up test image of the test sample as image data, A filter means for operating a matrix operator on the captured image data, a binarization means for binarizing a component image of a signal component corresponding to the filter characteristic of the matrix with a predetermined threshold, and Labeling means for labeling the binarized component image by geometric processing, defect existing area determining means for determining a defect existing area based on the labeled image area, and defect existence The feature amount of the defective area is calculated based on the image data corresponding to the surface luminance distribution obtained by imaging the surface of the inspection sample corresponding to the area with the solid-state image sensor. The defect area feature amount calculating means and the defect area separation identifying means for separately identifying the calculated feature value of the defect area into the image data of good or bad by a predetermined threshold, and thus the signal of the signal is generated by the operation of the matrix operator. , The frequency component to be detected is extracted, the defect position is accurately determined by binarization, geometric processing, and clustering, and the return feature value is calculated from the information of the determined defect position to the original image which is a multivalued image. By doing so, the defect ranks can be separated and identified.
【００５１】請求項２記載の発明は、請求項１記載の発
明において、欠陥領域特徴量算出手段により算出される
欠陥領域の特徴量は、検査サンプルの表面を固体撮像素
子により撮像して得られた表面輝度分布に相当する画像
データにおける欠陥存在領域内での画像輝度分布の分散
量からなるようにしたので、欠陥領域のコントラストを
定量化でき、目視による注目点と同じ水準で自動欠陥検
査ができるものである。According to a second aspect of the present invention, in the first aspect of the invention, the feature amount of the defect area calculated by the defect area feature amount calculating means is obtained by imaging the surface of the inspection sample with a solid-state image sensor. Since the amount of variance of the image brightness distribution in the defect existing area in the image data corresponding to the surface brightness distribution is used, the contrast of the defect area can be quantified and automatic defect inspection can be performed at the same level as the visual point of interest. It is possible.
【００５２】請求項３記載の発明は、請求項１記載の発
明において、欠陥領域特徴量算出手段により算出される
欠陥領域の特徴量は、検査サンプルの表面を固体撮像素
子により撮像して得られた表面輝度分布に相当する画像
データにおける欠陥存在領域内での所定の閾値を超えた
画素数からなるようにしたので、欠陥の大きさを定量化
でき、目視による注目点と同じ水準で自動欠陥検査を行
うことができるものである。According to a third aspect of the invention, in the first aspect of the invention, the feature amount of the defect area calculated by the defect area feature amount calculating means is obtained by imaging the surface of the inspection sample with a solid-state image sensor. Since the number of pixels exceeds the predetermined threshold in the defect existing area in the image data corresponding to the surface brightness distribution, the size of the defect can be quantified and the automatic defect can be detected at the same level as the visual point of interest. It is something that can be inspected.
【００５３】請求項４記載の発明は、請求項３記載の発
明において、欠陥存在領域内での所定の閾値として、画
像データのある一方向に画像輝度を積分して算出された
１次元信号のうちの欠陥存在領域に相当する部位の信号
分布のみが切り出された１次元信号を用いたので、特定
方向への積分データ列を閾値とすることにより、シェー
ディングの影響を受けないダイナミックな閾値による２
値化を実現させ、欠陥検出の精度を向上させることがで
きるものである。According to a fourth aspect of the present invention, in the third aspect of the present invention, the one-dimensional signal calculated by integrating the image brightness in one direction of the image data is used as a predetermined threshold value in the defect existing area. Since the one-dimensional signal obtained by cutting out only the signal distribution of the portion corresponding to the defect existing region is used, the integrated data string in the specific direction is used as the threshold value, so that the dynamic threshold value that is not affected by the shading is used.
The value can be realized and the accuracy of defect detection can be improved.
【００５４】請求項５記載の発明は、検査サンプルの表
面を撮像する固体撮像素子と、この撮像された前記検査
サンプルの表面輝度分布を画像データとして装置内部に
取込むデータ取込み手段と、この取込まれた画像データ
を所定のサイズのブロックに分割するブロック化手段
と、このブロック化されたブロックデータ毎に特徴量を
算出するブロックデータ特徴量算出手段と、このブロッ
クデータ毎に算出された特徴量を所定の閾値で良否の画
像データに分離識別しそのブロックサイズの空間周波数
帯域をもつ欠陥を検出する欠陥領域分離識別手段とより
構成したので、ブロック化手段により画像データをブロ
ック化し、ブロックデータ特徴量算出手段によりそのブ
ロック化された画像データ毎に特徴量を算出することに
よって、演算の軽減と検出結果の冗長性をなくすことが
できるものである。According to a fifth aspect of the present invention, a solid-state image pickup device for picking up an image of the surface of a test sample, a data fetching means for fetching the imaged surface brightness distribution of the test sample into the apparatus as image data, and the data fetching means. Blocking means for dividing the embedded image data into blocks of a predetermined size, block data feature amount calculating means for calculating a feature amount for each of the blocked block data, and feature calculated for each block data The image data is made into blocks by the blocking means, and the block data is divided into the defective area image data by the predetermined threshold value and the defective area separation and identification means for detecting the defect having the spatial frequency band of the block size. Calculation is reduced by calculating the feature amount for each of the blocked image data by the feature amount calculating means. It is capable to eliminate redundancy detection result.
【００５５】請求項６記載の発明は、請求項５記載の発
明において、ブロック化手段によりブロック化される画
像データは、取込まれた画像データのある一方向に画像
輝度を積分して算出された１次元信号と検査サンプルの
表面輝度分布の画像データとの差分値から照明ムラの除
去されたデータからなるようにしたので、原画像におけ
る特定方向への積分データ列をブロック内の閾値とする
ことにより、照明ムラやシェーディングの影響を除去し
た欠陥検出を行うことができるものである。According to a sixth aspect of the invention, in the fifth aspect of the invention, the image data blocked by the blocking means is calculated by integrating the image brightness in one direction of the captured image data. Since the difference value between the one-dimensional signal and the image data of the surface luminance distribution of the inspection sample is used to remove the illumination unevenness, the integrated data string in the specific direction in the original image is set as the threshold value in the block. As a result, it is possible to detect defects with the influence of illumination unevenness and shading removed.
【００５６】請求項７記載の発明は、請求項５又は６記
載の発明において、ブロック化手段は、一のブロックデ
ータとこのブロックデータに隣り合う他のブロックデー
タとを、それらブロックサイズの半分若しくは一部が互
いに重なり合うように分割したので、オーバーラップさ
れたブロック間に渡る欠陥の特徴量の算出を精度良く行
うことができるものである。According to a seventh aspect of the present invention, in the fifth or sixth aspect of the invention, the blocking means sets one block data and another block data adjacent to this block data to half the block size or Since the parts are divided so as to overlap each other, it is possible to accurately calculate the feature amount of the defect across the overlapped blocks.
【００５７】請求項８記載の発明は、請求項５，６又は
７記載の発明において、ブロックデータ特徴量算出手段
により算出されるブロックデータの特徴量は、ブロック
内における画像輝度の分散量からなるようにしたので、
欠陥部位をブロック境界で分断することなく評価するこ
とができ、これにより淡いコントラストの低周波欠陥を
定量的に算出することができるものである。According to an eighth aspect of the invention, in the fifth, sixth or seventh aspect of the invention, the feature amount of the block data calculated by the block data feature amount calculating means is a variance amount of image luminance within the block. I did so,
The defect portion can be evaluated without being divided at the block boundary, and thus the low-frequency defect having a light contrast can be quantitatively calculated.
【図１】請求項１〜４記載の発明の一実施例である表面
欠陥検査装置の欠陥検査アルゴリズムの様子を示すフロ
ーチャートである。FIG. 1 is a flow chart showing a state of a defect inspection algorithm of a surface defect inspection apparatus which is an embodiment of the invention described in claims 1 to 4.
【図２】表面欠陥検査装置の撮像制御系の様子を示す構
成図である。FIG. 2 is a configuration diagram showing a state of an imaging control system of the surface defect inspection apparatus.
【図３】ラプラシアン演算子の構成を示す模式図であ
る。FIG. 3 is a schematic diagram showing a configuration of a Laplacian operator.
【図４】（ａ）はラプラシアン画像を示す波形図、
（ｂ）は２値化画像を示す波形図、（ｃ）は膨張縮退画
像を示す波形図である。FIG. 4A is a waveform diagram showing a Laplacian image,
(B) is a waveform diagram showing a binarized image, and (c) is a waveform diagram showing an expanded / degenerated image.
【図５】ラベリング処理を示す模式図である。FIG. 5 is a schematic diagram showing a labeling process.
【図６】ラベル付けされた欠陥存在領域の幅を示す模式
図である。FIG. 6 is a schematic diagram showing the width of a labeled defect existing area.
【図７】請求項５〜８記載の発明の一実施例である表面
欠陥検査装置の欠陥検査アルゴリズムの様子を示すフロ
ーチャートである。FIG. 7 is a flow chart showing a state of a defect inspection algorithm of a surface defect inspection apparatus which is an embodiment of the invention described in claims 5-8.
【図８】（ａ）は低周波欠陥部の形状を示す斜視図、
（ｂ）はその展開図である。FIG. 8A is a perspective view showing the shape of a low-frequency defect portion,
(B) is a development view thereof.
【図９】ブロック化された画像データを示す模式図であ
る。FIG. 9 is a schematic diagram showing blocked image data.
【図１０】オーバーラップしてブロック化された画像デ
ータを示す模式図である。FIG. 10 is a schematic diagram showing image data that is overlapped and blocked.
【図１１】淡い欠陥部位から検出された画像信号を示す
波形図である。FIG. 11 is a waveform diagram showing an image signal detected from a light defect portion.
【図１２】図１２の波形を閾値で２値化して得られたパ
ルス形状を示す波形図である。12 is a waveform diagram showing a pulse shape obtained by binarizing the waveform of FIG. 12 with a threshold value.
５ 検査サンプル ８ 固体撮像素子 １０ データ取込み手段 １３ 演算子 ２１，２１ａ〜２１ｃ ブロックデータ ａ フィルタ手段 ｂ ２値化手段 ｃ ラベル付け手段 ｄ 欠陥存在領域決定手段 ｅ 欠陥領域特徴量算出手段 ｆ 欠陥領域分離識別手段 ｇ ブロック化手段 ｈ データ特徴量算出手段 ｉ 欠陥領域分離識別手段 5 inspection sample 8 solid-state image sensor 10 data acquisition means 13 operators 21, 21a to 21c block data a filter means b binarization means c labeling means d defect existing area determination means e defect area feature amount calculation means f defect area separation Identification means g Blocking means h Data feature amount calculation means i Defect area separation identification means
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.5 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０６Ｆ 15/68 ３２０ Ｚ 9191−5Ｌ 15/70 ３３０ Ｎ 9071−5Ｌ ─────────────────────────────────────────────────── ─── Continuation of the front page (51) Int.Cl. 5 Identification number Office reference number FI technical display location G06F 15/68 320 Z 9191-5L 15/70 330 N 9071-5L
Claims (8)
素子と、この撮像された前記検査サンプルの検査画像の
表面輝度分布を画像データとして取込むデータ取込み手
段と、この取込まれた画像データに対してマトリックス
の演算子を作用させるフィルタ手段と、このマトリック
スのフィルタ特性に相当する信号成分の成分画像を所定
の閾値で２値化する２値化手段と、この２値化された成
分画像に対して幾何学処理によりラベル付けを行うラベ
ル付け手段と、このラベル付けされた画像領域をもとに
欠陥存在領域を決定する欠陥存在領域決定手段と、この
欠陥存在領域に相当する検査サンプルの表面から前記固
体撮像素子により撮像して得られた表面輝度分布に相当
する画像データをもとに欠陥領域の特徴量を算出する欠
陥領域特徴量算出手段と、この算出された欠陥領域の特
徴量を所定の閾値で良否の画像データに分離識別する欠
陥領域分離識別手段とよりなることを特徴とする表面欠
陥検査装置。1. A solid-state image pickup device for picking up an image of the surface of a test sample, a data fetching means for fetching the surface luminance distribution of the picked-up test image of the test sample as image data, and the fetched image data. On the other hand, a filter means for operating a matrix operator, a binarizing means for binarizing a component image of a signal component corresponding to the filter characteristic of the matrix with a predetermined threshold value, and the binarized component image On the other hand, the labeling means for performing the labeling by the geometric processing, the defect existing area determining means for determining the defect existing area based on the labeled image area, and the surface of the inspection sample corresponding to the defect existing area A defect area feature amount calculator for calculating the feature amount of the defect area based on the image data corresponding to the surface luminance distribution obtained by imaging with the solid-state image sensor from A surface defect inspection apparatus comprising: a step; and a defect area separation identification means for separating and identifying the calculated feature quantity of the defect area into image data of good or bad with a predetermined threshold value.
る欠陥領域の特徴量は、検査サンプルの表面を固体撮像
素子により撮像して得られた表面輝度分布に相当する画
像データにおける欠陥存在領域内での画像輝度分布の分
散量からなることを特徴とする請求項１記載の表面欠陥
検査装置。2. The feature amount of the defect area calculated by the defect area feature amount calculating means is within the defect existing area in the image data corresponding to the surface luminance distribution obtained by imaging the surface of the inspection sample with the solid-state image sensor. 2. The surface defect inspection apparatus according to claim 1, wherein the surface defect inspection apparatus comprises the amount of variance of the image brightness distribution.
る欠陥領域の特徴量は、検査サンプルの表面を固体撮像
素子により撮像して得られた表面輝度分布に相当する画
像データにおける欠陥存在領域内での所定の閾値を超え
た画素数からなることを特徴とする請求項１記載の表面
欠陥検査装置。3. The feature quantity of the defect area calculated by the defect area feature quantity calculating means is within the defect existing area in the image data corresponding to the surface luminance distribution obtained by imaging the surface of the inspection sample by the solid-state image sensor. 2. The surface defect inspection apparatus according to claim 1, wherein the surface defect inspection apparatus comprises the number of pixels exceeding the predetermined threshold value.
像データのある一方向に画像輝度を積分して算出された
１次元信号のうちの欠陥存在領域に相当する部位の信号
分布のみが切り出された１次元信号を用いたことを特徴
とする請求項３記載の表面欠陥検査装置。4. As the predetermined threshold value in the defect existing area, only the signal distribution of the portion corresponding to the defect existing area in the one-dimensional signal calculated by integrating the image brightness in one direction of the image data is used. The surface defect inspection apparatus according to claim 3, wherein the cut-out one-dimensional signal is used.
素子と、この撮像された前記検査サンプルの表面輝度分
布を画像データとして取込むデータ取込み手段と、この
取込まれた画像データを所定のサイズのブロックに分割
するブロック化手段と、このブロック化されたブロック
データ毎に特徴量を算出するブロックデータ特徴量算出
手段と、このブロックデータ毎に算出された特徴量を所
定の閾値で良否の画像データに分離識別しそのブロック
サイズの空間周波数帯域をもつ欠陥を検出する欠陥領域
分離識別手段とよりなることを特徴とする表面欠陥検査
装置。5. A solid-state image pickup device for picking up an image of the surface of a test sample, data fetching means for fetching the imaged surface luminance distribution of the test sample as image data, and the fetched image data of a predetermined size. Blocking means for dividing into blocks, block data characteristic amount calculating means for calculating a characteristic amount for each of the blocked block data, and an image showing whether or not the characteristic amount calculated for each block data is a predetermined threshold value. A surface defect inspection apparatus comprising defect area separation and identification means for separating and identifying data and detecting a defect having a spatial frequency band of the block size.
画像データは、取込まれた画像データのある一方向に画
像輝度を積分して算出された１次元信号と検査サンプル
の表面輝度分布の画像データとの差分値から照明ムラの
除去されたデータからなることを特徴とする請求項５記
載の表面欠陥検査装置。6. The image data blocked by the blocking means is a one-dimensional signal calculated by integrating the image brightness in one direction of the captured image data and the image data of the surface brightness distribution of the inspection sample. 6. The surface defect inspection apparatus according to claim 5, wherein the surface defect inspection apparatus comprises data in which illumination unevenness is removed from a difference value between and.
とこのブロックデータに隣り合う他のブロックデータと
を、それらブロックサイズの半分若しくは一部が互いに
重なり合うように分割することを特徴とする請求項５又
は６記載の表面欠陥検査装置。7. The block forming means divides one block data and another block data adjacent to this block data so that half or a part of the block sizes thereof overlap each other. 5. The surface defect inspection device according to 5 or 6.
出されるブロックデータの特徴量は、ブロック内におけ
る画像輝度の分散量からなることを特徴とする請求項
５，６又は７記載の表面欠陥検査装置。8. The surface defect inspection apparatus according to claim 5, 6 or 7, wherein the feature amount of the block data calculated by the block data feature amount calculating means is a variance amount of image brightness within the block. .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP00335293A JP3333568B2 (en) | 1993-01-12 | 1993-01-12 | Surface defect inspection equipment |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP00335293A JP3333568B2 (en) | 1993-01-12 | 1993-01-12 | Surface defect inspection equipment |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06207909A true JPH06207909A (en) | 1994-07-26 |
| JP3333568B2 JP3333568B2 (en) | 2002-10-15 |
Family
ID=11554964
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP00335293A Expired - Fee Related JP3333568B2 (en) | 1993-01-12 | 1993-01-12 | Surface defect inspection equipment |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3333568B2 (en) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1997030378A1 (en) * | 1996-02-16 | 1997-08-21 | Bio-Rad Micromeasurements Limited | Positional measurements |
| JPH10302049A (en) * | 1997-04-28 | 1998-11-13 | Kumamoto Techno Porisu Zaidan | Image identification device, its method, image detection/ identification device provided with the image identification device and medium recording image identification program |
| US6157730A (en) * | 1996-02-09 | 2000-12-05 | Roever; Detlef E. | Visual inspection system for leather hide |
| JP2007309679A (en) * | 2006-05-16 | 2007-11-29 | Mitsubishi Electric Corp | Image inspection method, and image inspection device using it |
| JP2013015452A (en) * | 2011-07-05 | 2013-01-24 | Ohbayashi Corp | Reinforcement range extraction device, reinforcement range extraction method, and reinforcement range extraction program |
| JP2014074977A (en) * | 2012-10-03 | 2014-04-24 | National Institute Of Advanced Industrial & Technology | Image processing apparatus, image processing method, and image processing program |
| JP2014174803A (en) * | 2013-03-11 | 2014-09-22 | Omron Corp | Moire removal method for pattern recognition, moire removal device using the same, and program |
| US10109045B2 (en) | 2015-07-10 | 2018-10-23 | Ricoh Company, Ltd. | Defect inspection apparatus for inspecting sheet-like inspection object, computer-implemented method for inspecting sheet-like inspection object, and defect inspection system for inspecting sheet-like inspection object |
| WO2022091444A1 (en) * | 2020-10-30 | 2022-05-05 | オムロン株式会社 | Inspection device |
| CN116571410A (en) * | 2023-07-14 | 2023-08-11 | 杭州百子尖科技股份有限公司 | Defect region repairing method, device, equipment and medium based on machine vision |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5714627B2 (en) * | 2013-02-28 | 2015-05-07 | 新日本工機株式会社 | Cylindrical inspection device |
-
1993
- 1993-01-12 JP JP00335293A patent/JP3333568B2/en not_active Expired - Fee Related
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6157730A (en) * | 1996-02-09 | 2000-12-05 | Roever; Detlef E. | Visual inspection system for leather hide |
| WO1997030378A1 (en) * | 1996-02-16 | 1997-08-21 | Bio-Rad Micromeasurements Limited | Positional measurements |
| JPH10302049A (en) * | 1997-04-28 | 1998-11-13 | Kumamoto Techno Porisu Zaidan | Image identification device, its method, image detection/ identification device provided with the image identification device and medium recording image identification program |
| JP2007309679A (en) * | 2006-05-16 | 2007-11-29 | Mitsubishi Electric Corp | Image inspection method, and image inspection device using it |
| JP4707605B2 (en) * | 2006-05-16 | 2011-06-22 | 三菱電機株式会社 | Image inspection method and image inspection apparatus using the method |
| JP2013015452A (en) * | 2011-07-05 | 2013-01-24 | Ohbayashi Corp | Reinforcement range extraction device, reinforcement range extraction method, and reinforcement range extraction program |
| JP2014074977A (en) * | 2012-10-03 | 2014-04-24 | National Institute Of Advanced Industrial & Technology | Image processing apparatus, image processing method, and image processing program |
| JP2014174803A (en) * | 2013-03-11 | 2014-09-22 | Omron Corp | Moire removal method for pattern recognition, moire removal device using the same, and program |
| US10109045B2 (en) | 2015-07-10 | 2018-10-23 | Ricoh Company, Ltd. | Defect inspection apparatus for inspecting sheet-like inspection object, computer-implemented method for inspecting sheet-like inspection object, and defect inspection system for inspecting sheet-like inspection object |
| WO2022091444A1 (en) * | 2020-10-30 | 2022-05-05 | オムロン株式会社 | Inspection device |
| CN116571410A (en) * | 2023-07-14 | 2023-08-11 | 杭州百子尖科技股份有限公司 | Defect region repairing method, device, equipment and medium based on machine vision |
| CN116571410B (en) * | 2023-07-14 | 2023-09-26 | 杭州百子尖科技股份有限公司 | Defect region repairing method, device, equipment and medium based on machine vision |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3333568B2 (en) | 2002-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4150390B2 (en) | Appearance inspection method and appearance inspection apparatus | |
| JP2007285754A (en) | Flaw detection method and flaw detector | |
| JP3333568B2 (en) | Surface defect inspection equipment | |
| JP4279833B2 (en) | Appearance inspection method and appearance inspection apparatus | |
| JP2001184510A (en) | Defect detecting method | |
| JP5088165B2 (en) | Defect detection method and defect detection apparatus | |
| JP4244046B2 (en) | Image processing method and image processing apparatus | |
| JP2000180374A (en) | Method for detecting defect | |
| JPH0961138A (en) | Crack extraction apparatus | |
| KR100754969B1 (en) | Image inspecting apparatus, image inspecting method, and computer-readable storage medium | |
| JP2002257736A (en) | Method and device for inspecting end face of honeycomb structure | |
| JP2005165387A (en) | Method and device for detecting stripe defective of picture and display device | |
| JP2001021332A (en) | Surface inspecting device and its method | |
| JP2004132950A (en) | Appearance inspection apparatus and appearance inspection method | |
| JP4956077B2 (en) | Defect inspection apparatus and defect inspection method | |
| JPH08145848A (en) | Apparatus for inspection of defect of liquid crystal panel | |
| JP3216669B2 (en) | Optical disk defect inspection method | |
| JP3047168B2 (en) | Inspection method of chicken eggs | |
| JPH1019801A (en) | Surface defect detector | |
| JP2004286708A (en) | Defect detection apparatus, method, and program | |
| JP3433333B2 (en) | Defect inspection method | |
| JP2008292398A (en) | Method of inspecting floating defect of component electrode and substrate inspecting device | |
| JP2711649B2 (en) | Surface scratch detection method for inspection object | |
| JP2007139431A (en) | Inspection method of color irregularity flaw and inspection device therefor | |
| JP2564737B2 (en) | Automatic magnetic particle flaw detector |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070726 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080726 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090726 Year of fee payment: 7 |
|
| LAPS | Cancellation because of no payment of annual fees |