CN101464418B - 缺陷检测方法以及缺陷检测装置 - Google Patents
缺陷检测方法以及缺陷检测装置 Download PDFInfo
- Publication number
- CN101464418B CN101464418B CN2008101733555A CN200810173355A CN101464418B CN 101464418 B CN101464418 B CN 101464418B CN 2008101733555 A CN2008101733555 A CN 2008101733555A CN 200810173355 A CN200810173355 A CN 200810173355A CN 101464418 B CN101464418 B CN 101464418B
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- substrate
- concentration
- examined
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 230000007547 defect Effects 0.000 claims abstract description 83
- 239000000758 substrate Substances 0.000 claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000009826 distribution Methods 0.000 claims abstract description 49
- 239000000284 extract Substances 0.000 claims abstract description 6
- 230000002950 deficient Effects 0.000 claims description 32
- 238000007689 inspection Methods 0.000 claims description 29
- 241001270131 Agaricus moelleri Species 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 abstract description 4
- 230000000052 comparative effect Effects 0.000 description 13
- 238000000605 extraction Methods 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 11
- 238000003860 storage Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005286 illumination Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000010339 dilation Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
Images
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
提供一种缺陷检测方法以及缺陷检测装置。在缺陷检测装置中，通过摄像部取得基板的被检查图像，通过采用边缘提取滤波器使被检查图像提取二值化来提取边缘。然后，基于从被检查图像除去了边缘的边缘除去后图像的浓度曲线图，求出用于使被检查图像二值化来生成检查用的处理后图像的检查用阈值。在浓度曲线图中，由于除去边缘，所以在布线图案所对应的浓度分布和基板主体所对应的浓度分布之间的浓度带上像素的频度为“0”，从而能够将2个浓度分布明确地分离。因此，能够通过将基板主体所对应的浓度分布的最大浓度作为检查用阈值，而高精度地求出检查用阈值。
Description
技术领域
本发明涉及检测基板上几何图案的缺陷的技术。
背景技术
在对印刷布线基板、半导体基板、玻璃基板等(以下称为“基板”)上形成的布线等几何图案进行检测的领域中，以往使用各种检测方法。在JP特开平5-340731号公报(文献1)以及JP特开平8-220013号公报(文献2)中公开有一种检测方法，例如，取得形成有布线图案的基板的多灰度图像，通过对使该多灰度图像二值化的二值图像和预先准备的正常基板的二值图像进行比较，从而检测缺陷。
在文献1的检测装置中，通过CCD(Charge Coupled Device：电荷耦合器件)摄像机取得并经过AD转换的基板的多灰度数字图像，根据适当确定的假定的阈值而进行二值化，然后检测布线图案，此后通过将检测出的布线图案以适当决定的倍率进行放大，从而生成二值图像，所述二值图像的图像中布线图案宽度放大至与认为是实际的布线图案宽度同等的级别。接着，将对放大的二值图像进行翻转处理(即，对像素值的“0”和“1”进行翻转的处理)而生成的图案掩模信号用于原多灰度数字图像，由此取得除去布线图案后的多灰度的基体材料图像。然后，将比基体材料图像的像素的按照灰度区分的频度数据中的最大灰度值大1的灰度值作为检查用的阈值，此后将根据该阈值使将原多灰度数字图像二值化而得到的检查用二值图像与正常的基板的二值图像进行比较来进行缺陷检测。
在文献2中，基于通过CCD阵列取得并经过AD转换的基板的多值数字图像，取得各像素的浓度值(即像素值)的曲线图(histogram)。在浓度值的曲线图中，出现与在基板上比较明亮的图案部相对应的浓度分布的波峰，以及与比较暗的基体材料部相对应的浓度分布的波峰。接着，将与基体材料部相对应的浓度分布的波峰和与图案部相对应的浓度分布的波峰之间的波谷位置设定为假定的阈值。将比假定的阈值暗的浓度分布作为基体材料 部的假定的浓度分布的范围，将基体材料部的假定的浓度分布内的与规定的偏差值相对应的浓度值作为下一个假定的阈值。然后，在假定阈值大致收敛之前一直重复进行这些处理，将收敛值作为检查用二值化阈值，由此使基板的多值数字图像二值化，从而可以取得检查用二值图像。
但是，在文献1的检测装置中，在基板的多灰度数字图像中，在与基板的基体材料部(即没有形成图案的部位)相对应的区域，存在较多由于漫反射等产生的噪声(noise)时，基于比基体材料部原有浓度明亮的噪声的最大值来决定检查用阈值。因此，在生成检查用二值图像时，在原多灰度数字图像中显示为比正常的布线图案暗的短路部变为阈值以下，从而可能无法将短路部作为缺陷检测出来。
另外，在将通过假定的阈值而检测出的布线图案进行放大时，按照适当决定的倍率进行放大，因此不明确放大后的布线图案的宽度是否与实际的布线图案的宽度相等，从而难以提高缺陷检测的精度。特别，当布线图案的边缘不光滑(即边缘上有微小的凹凸)时，或者由于图案边缘的漫反射使多灰度数字图像上的边缘附近的部位不稳定(即无法清晰拍摄)时，放大后的布线图案的宽度在布线图案的局部比实际的布线图案的宽度小，导致有时会基于比基体材料部的浓度明亮的边缘附近的浓度来决定检查用阈值。其结果导致无法检测出短路部等缺陷。
在文献2的装置中，在基体材料部的噪声较多或多值数字图像中的布线图案的边缘附近不稳定的情况下，基体材料部的浓度分布的波峰与图案部的浓度分布的波峰之间的波谷部分的频度增大，因此检查用二值化阈值可能会以较大的值收敛。因此，缺陷检测精度的提高是有限度的。
发明内容
本发明涉及用于检测基板上的几何图案的缺陷的缺陷检测方法，其目的在于高精度地求出阈值，所述阈值在检测基板上的图案缺陷时，用于使被检查图像二值化而生成检查用处理后图像。
本发明提供一种缺陷检测方法，用于检测基板上的几何图案的缺陷，其特征在于，包括以下工序：a工序，取得基板的多灰度的被检查图像；b工序，从所述被检查图像中提取边缘，从而生成边缘图像；c工序，对所述边缘图像的所述边缘进行膨胀处理；d工序，从所述被检查图像中除去在所述c工序中进行完膨胀处理的所述边缘，从而生成边缘除去后图像；e工序，取得所述边缘除去后图像的像素的浓度曲线图；f工序，在所述浓度曲线图中求出与所述基板的图案以外的区域相对应的浓度分布的最大浓度，或者比所述最大浓度大规定的偏移值的值，来作为阈值；g工序，根据所述阈值使所述被检查图像二值化，从而生成处理后图像；h工序，基于所述处理后图像，检测所述基板上的所述图案缺陷。根据本发明，在浓度曲线图中，因为能够将图案所对应的浓度分布与图案以外的区域所对应的浓度分布明确地分离，所以能够高精度地求出用于生成处理后图像的阈值。其结果，能够高精度地检测图案缺陷。
在本发明的一个优选的实施方式中，所述b工序包括以下工序：通过对所述被检查图像进行边缘提取滤波处理，来生成边缘候补图像，其中，该边缘候补图像是提取了的边缘候补的多灰度的图像；根据边缘提取阈值使所述边缘候补图像二值化，由此从所述边缘候补中提取所述边缘，从而生成所述边缘图像。由此，能够提高边的缘提取精度。
在本发明的其他优选实施方式中，所述b工序包括以下工序：根据假定阈值使所述被检查图像二值化，从而生成假定二值图像，所述假定阈值设定在与所述图案相对应的浓度分布的波峰和与所述图案以外的区域相对应的所述浓度分布的波峰之间的波谷位置；通过从所述假定二值图像中提取所述边缘，生成所述边缘图像。由此，能够简化边缘的提取工作。
在本发明的又一其他优选实施方式中，在所述b工序与所述c工序之间，还包括对所述边缘图像进行噪声除去处理的工序。由此，能够提高边缘的提取精度。
在缺陷检测方法中优选，所述基板上的所述图案是布线图案，在所述h工序中，检测出所述布线图案的短路作为所述缺陷。
本发明还涉及用于检测基板上的几何图案的缺陷的缺陷检测装置。
上述目的以及其它的目的、特征、形态以及优点通过以下的参照附图对本发明进行的详细说明而变得明了。
附图说明
图1是表示第一实施方式的缺陷检测装置的结构的图。
图2是表示通过计算机来实现的功能的框图。
图3是表示缺陷检测处理的流程的图。
图4A是表示被检查图像的局部的图。
图4B至图4F是表示缺陷检测过程中生成的图像的局部的图。
图4G是表示处理后图像的局部的图。
图5是表示边缘除去后图像的浓度曲线图的图。
图6是表示参照图像的局部的图。
图7是表示通过比较例的缺陷检测装置而取得的浓度曲线图的图。
图8是表示通过比较例的缺陷检测装置而生成的处理后图像的局部的图。
图9A是表示其它基板的被检查图像的局部图。
图9B是表示其它基板的处理后图像的局部图。
图9C是表示通过比较例的缺陷检测装置而生成的其它基板的处理后图像的局部的图。
图10A是表示其它基板的被检查图像的局部的图。
图10B是表示其它基板的处理后图像的局部的图。
图10C是表示通过比较例的缺陷检测装置而生成的其它基板的处理后图像的局部的图。
图11是表示通过第二实施方式的缺陷检测装置的计算机来实现的功能的框图。
图12是表示用于检测缺陷的处理流程的一部分的图。
具体实施方式
图1是表示本发明第一实施方式的缺陷检测装置1的结构的图。缺陷检测装置1用于从在基板主体的主面上形成有几何图案的基板，检测作为检测对象的图案的缺陷。在本实施方式中，通过缺陷检测装置1，检测印刷布线基板(以下称为“基板”)上的布线图案的短路(short)等缺陷。
缺陷检测装置1具有：载物台2，其用于保持基板9；摄像部3，其对基板9进行摄像从而取得基板9的多灰度的图像；载物台驱动部21，其使载物 台2相对于摄像部3移动；计算机4，其由用于进行各种运算处理的CPU和用于存储各种信息的存储器等构成。而且，通过计算机4来控制缺陷检测装置1的各结构。
摄像部3具有：照明部31，其用于射出照明光；光学系统32，其将照明光引向基板9并且入射来自基板9的光；摄像设备(device)33，其将通过光学系统32而成像的基板9的像转换为电信号。而且，从摄像设备33输出基板9的图像数据。载物台驱动部21具有使载物台2沿着图1中的X方向以及Y方向移动的机构。另外，在本实施方式中利用作为可见光的照明光而通过摄像部3取得图像，但是也可以利用例如电子射线、紫外线、X射线等取得图像。
图2是将计算机4的CPU等按照存储装置内的程序执行运算处理而实现的功能与其它结构一并进行表示的框图。在缺陷检测装置1中，通过计算机4来实现边缘候补提取部41、边缘提取部42、噪声除去部43、膨胀处理部44、边缘除去部45、曲线图取得部51、阈值取得部52、处理后图像生成部53、缺陷检测部54以及存储部55的各功能。存储部55中预先存储有作为正常(即没有缺陷的)基板的二值图像的参照图像，该参照图像用于检测后述的基板9的缺陷。
图3是表示缺陷检测装置1检测基板9上的缺陷的处理流程的图。另外，图4A至图4G是表示在缺陷检测装置1的缺陷检测过程中取得或生成的图像的局部的图。
图1所示的缺陷检测装置1中，首先，通过载物台驱动部21使基板9上规定的检测区域向摄像部3的摄像位置移动，然后取得基板9的检测区域的多灰度的图像(在本实施方式中为256灰度的多灰度图像)并将其输出至计算机4(步骤S11)。图4A是表示通过摄像部3取得的图像81(以下称为“被检查图像81”)的局部的图，在被检查图像81中，对于来自照明部31(参照图1)的光的反射率比较高的布线图案91所对应的像素具有大的像素值(即明亮显示)，布线图案91以外的反射率比较低的背景区域(本实施方式中为基板主体92)所对应的像素具有小的像素值(即暗显示)。
在计算机4中，将通过摄像部3取得的被检查图像81的数据存储到图2所示的存储部55中，并且将其发送至边缘候补提取部41。在边缘候补提取 部41中，应用边缘提取滤波器(本实施方式中为索伯尔滤波器：Sobel filter)对被检查图像81的数据进行边缘提取滤波处理，由此如图4B所示，生成了边缘候补图像82(步骤S12)，其中，该边缘候补图像82是提取了边缘候补的256灰度的多灰度图像，并且该边缘候补成为后述的边缘的候补。在图4B中表示了边缘候补图像82中的与图4A相对应的局部的区域(图4C至图4G中也相同)。另外，在缺陷检测装置1中，如后所述，对包括被检查图像81的多个图像的数据进行各种处理，在以下的说明中，将对图像数据的处理仅表述为“对图像的处理”。
这里所谓边缘是指在被检查图像81(参照图4A)中浓度互不相同的区域之间的边界，即，图4B所示的基板9上的实际布线图案91与基板主体92的边界部93，以及在布线图案91和基板主体92上的漫反射部等(即，本来应当以大致相同的浓度显示，但与周围部位浓度不同的部位)中的与周围部位的浓度差大的部位的边界部94等。另外，所谓边缘候补是指仅通过边缘提取滤波处理得到的部位，除了包括上述边缘以外，还包括漫反射部等中的与周围部位的浓度差不太大的部位的边界部(即，在图4B的布线图案91等中，以比上述边缘暗的淡灰色表示的微小区域)等。
接着，在边缘提取部42(参照图2)中，根据规定的边缘提取阈值(在本实施方式中，是边缘候补图像82的浓度范围的中间值即128)使边缘候补图像82二值化，由此从边缘候补中除去漫反射部等中的与周围部位的浓度差不太大的部位等，从而仅提取应该关注的边缘。并且，如图4C所示，通过边缘提取部42来生成边缘图像83，其中，该边缘图像83是二值图像，其将边缘显示为白色，将边缘以外的部位显示黑色(即，构成边缘的像素的像素值为“1”，边缘以外的部位的像素的像素值为“0”)(步骤S13)。
当生成了边缘图像83时，在噪声除去部43(参照图2)中，采用噪声滤波器对边缘图像83进行噪声除去处理，由此如图4D所示，将边缘图像83的边缘中的比较小的边缘作为噪声除去，仅提取比较大的边缘且显示为白色(步骤S14)。在本实施方式中，针对边缘图像83中的各像素，在关注像素附近的8个像素(即围绕在关注像素周围的8个像素)中包括像素值为“0”的像素时，进行使关注像素的像素值成为“0”的收缩处理，然后，针对收缩处理后的边缘图像83中的各像素，在关注像素附近的8个像素中包括像 素值为“1”的像素时，进行使关注像素的像素值成为“1”的膨胀(dilation)处理(也称为扩散处理)，由此除去噪声。
接着，在膨胀处理部44(参照图2)中，对进行了噪声除去处理的边缘图像83的边缘(即图4D中以白色表示的边缘)进行膨胀处理(扩散处理)，从而如图4E所示，生成边缘膨胀图像84(步骤S15)。在本实施方式中，针对边缘图像83中的各像素，在关注像素附近的8个像素中含有像素值为“1”的像素时，进行的规定次数的使关注像素的像素值成为“1”的膨胀处理。
当生成了边缘膨胀图像84时，通过边缘除去部45(参照图2)，求出作为在步骤S11中存储于存储部55(参照图2)中的多灰度图像的被检查图像81(参照图4A)与作为二值图像的边缘膨胀图像84的与非(NAND)(准确地讲，是通过边缘膨胀图像84来遮蔽被检查图像81)。由此，从图4A所示的被检查图像81中，除去图4E所示的边缘膨胀图像84中的经过膨胀处理后的边缘(即，在被检查图像81中，使与边缘膨胀图像84中的像素值为“1”的一值位(on bit)部分相对应的像素群的像素值成为“0”)，从而如图4F所示，生成边缘除去后图像85(步骤S16)。
接着，通过曲线图取得部51(参照图2)，求出边缘除去后图像85中的像素的浓度(即像素值)与各浓度所对应的(即具有各像素值的)像素的出现频度的关系，从而如图5所示，得到边缘除去后图像85的像素的浓度曲线图89(步骤S17)。在浓度曲线图89中，横轴表示像素的浓度，纵轴表示各浓度所对应的像素的出现频度(即像素数)。如图5所示，在浓度曲线图89中，存在波峰值所对应的浓度约为50的第一浓度分布，以及波峰值所对应浓度约为220的第二浓度分布。第一浓度分布是与比较暗的基板主体92(参照图4F)相对应的像素分布，第二浓度分布是与比较明亮的布线图案91(参照图4F)相对应的像素分布。在两浓度分布之间的浓度带上，像素频度为“0”。
接着，通过阈值取得部52(参照图2)，基于浓度曲线图89，求出与基板9的基板主体92相对应的第一浓度分布的最大浓度(本实施方式中为“73”)来作为检查用阈值(步骤S18)。然后，通过处理后图像生成部53(参照图2)，根据该检查用阈值将被检查图像81二值化，从而生成作为图 4G所示的二值图像的处理后图像86(在本实施方式中，使被检查图像81中的像素值为“73”以下的像素的像素值变为“0”，使像素值大于“73”的像素的像素值变为“1”而得到的二值图像)(步骤S19)。
当形成了处理后图像86时，通过缺陷检测部54(参照图2)，基于处理后图像86以及在存储部55中预先存储的图6所示的参照图像80(即，正常基板的二值图像)，来检测基板9上的布线图案91的缺陷(步骤S20)。具体地说，通过图案匹配等对处理后图像86与参照图像80进行对位来进行比较，在图4G的处理后图像86中，如虚线表示的圆911所包围的区域所示，检测出与参照图像80不同且不需要从布线图案91突出的部位来作为缺陷(即，布线图案91的短路部)。在缺陷检测装置1中，根据需要，取得基板9上的其它检测区域的图像1来作为被检查图像，并基于该被检查图像检测缺陷。
接着，以现有的缺陷检测装置的为例(以下称为“比较例的缺陷检测装置”)，对JP特开平8-220013号公报示出的装置进行简要说明，所述现有的缺陷检测装置根据被检查图像的像素浓度曲线图来求出检查用阈值，其中，该检查用阈值是根据作为多灰度图像的被检查图像来生成二值图像时的阈值。另外，在以下说明中，基于与图4A所示的被检查图像81相同的被检查图像来检测缺陷。
在比较例的缺陷检测装置中，根据通过摄像部取得的作为多灰度的图像的被检查图像，得到图7所示的像素的浓度曲线图789。如图7所示，在浓度曲线图789中，出现了与比较明亮的布线图案相对应的浓度分布的波峰(即图7中右侧的波峰)，以及与比较暗的基板主体相对应的浓度分布的波峰(即图7中左侧的波峰)，在两波峰之间的波谷部分中各浓度所对应的频度不为“0”。两波峰之间的波谷部分对应于构成边缘的像素群，其中，该边缘是实际的布线图案和基板主体之间的边界部或漫反射部和周围部位之间的边界部。
在比较例的缺陷检测装置中，将浓度曲线图789的两波峰之间的波谷位置设定为假定的阈值，将比假定的阈值暗的(即，图7中左侧)的浓度分布作为与基板主体相对应的假定浓度分布，将基板主体的假定的浓度分布内与规定偏差值相对应的浓度(即，像素值)作为下一个假定阈值。然后，在假 定的阈值基本收敛之前一直重复进行这些处理，从而将收敛值作为检查用阈值。此时，根据图7所示的浓度曲线图789而得到作为检查用阈值的“105”，并根据该检查用阈值使被检查图像二值化，从而生成在图8中示出局部的处理后图像786。
但是，在基板上实际的布线图案之间发生短路时，短路部的反射率比正常布线图案的反射率小，并且与正常布线图案相比，短路部的断面形状为圆形，所以反射光容易发散。因此，短路部在被检查图像中比正常布线图案暗(即，与短路部相对应的各像素的像素值小)。
在比较例的缺陷检测装置中，根据在浓度曲线图789的布线图案所对应的浓度分布的波峰和基板主体所对应的浓度分布的波峰之间存在的边缘等所对应的频度的影响，取得比实际的基板主体的浓度分布的最大浓度大的像素值“105”来作为检查用阈值，并根据该检查用阈值使被检查图像二值化而生成处理后图像786。因此，在处理后图像786中，如在图8中虚线所表示的圆912所包围的区域所示，短路部所对应的像素群的大部分像素的像素值被置为“0”，短路部变得不清晰。其结果，在比较例的缺陷检测装置中，在通过对处理后图像786与参照图像进行比较来检测缺陷时，存在无法将实际存在的短路部作为缺陷检测出来的可能性。
与此相对，在通过本实施方式的缺陷检测装置1来检测布线图案91的缺陷的方法中，生成从被检查图像81(参照图4A)中除去边缘的边缘除去后图像85(参照图4F)，然后基于边缘除去后图像85的像素的浓度曲线图89(参照图5)来求出检查用阈值。在浓度曲线图89中，如上所述将边缘除去，从而在布线图案91所对应的浓度分布和与布线图案91以外的背景区域(即，基板主体92)所对应的浓度分布之间的浓度带(即，边缘所对应的浓度带)中，像素的频度为“0”，从而布线图案91所对应的浓度分布与基板主体92所对应的浓度分布明确地分离。因此，通过将基板主体92所对应的浓度分布的最大浓度作为检查用阈值，能够高精度地求出检查用阈值，其结果，能够高精度地检测基板9的布线图案91的缺陷。
另外，在生成边缘除去后图像85的过程中，通过从被检查图像81中除去进行了膨胀处理的边缘，能够可靠地防止在边缘除去后图像85上残留边缘。由此，在浓度曲线图89中，能够将布线图案91所对应的浓度分布与基 板主体92所对应的浓度分布更加明确地分离，其结果，能够更高精度地求出用于生成处理后图像86的检查用阈值。
这样，在缺陷检测装置1中，利用高精度求出的检查用阈值使被检查图像81二值化，因此特别适于比布线图案91的断路(open)的检测更难的(即，检测精度要求更高的)布线图案91的短路检测。
在缺陷检测装置1中，在对被检查图像81进行边缘提取滤波处理而生成边缘候补图像82(参照图4B)之后，通过根据边缘提取阈值使边缘候补图像82二值化来生成边缘图像83(图4C参照)。由此，由于从通过边缘提取滤波处理而提取的边缘候补中除去较弱的边缘从而提高边缘提取精度，所以在根据被检查图像81生成边缘除去后图像85时，能够防止出现作为边缘而被除去的像素(即，像素值为“0”的像素)的个数过多的情况。其结果，能够取得高精度的浓度曲线图89，从而能够进一步高精度地求出检查用阈值。
另外，通过在边缘图像83的生成与对边缘的膨胀处理之间，对边缘图像83进行噪声除去处理，来从边缘图像83除去噪声。由此，能够进一步提高将从被检查图像81除去的预定的边缘的提取精度，从而进一步高精度地求出检查用阈值。
图9A以及图9B是分别表示通过本实施的缺陷检测装置1而进行缺陷检测后的其它基板的被检查图像81a以及处理后图像86a的局部的图，图9C是表示通过上述比较例的缺陷检测装置进行缺陷检测后的该其他基板的处理后图像786a的局部的图。另外，图10A以及图10B也同样，是表示通过缺陷检测装置1而取得或生成的其他基板的被检查图像81b以及处理后图像86b的局部的图，图10C是表示通过比较例的缺陷检测装置而生成的该其他基板的处理后图像786b的局部的图。
如图9A至图9C以及图10A至图10C所示，在本实施方式的缺陷检测装置1中，能够高精度地检测出在比较例的缺陷检测装置中难以检测的布线图案缺陷，即能够高精度地检测出短路部(图9B以及图10B中，虚线所表示的圆913、914所包围的区域)。
接着，对本发明第二实施方式的缺陷检测装置进行说明。图11是表示第二实施方式的缺陷检测装置通过计算机4实现的功能的图。如图11所示， 第二实施方式的缺陷检测装置，具有假定二值图像生成部41a来取代图2所示的边缘候补提取部4。其它结构以及通过计算机4实现的功能与第一实施方式相同，在以下的说明中标记相同的附图标记。
第二实施方式的缺陷检测装置的缺陷检测流程与第一实施方式基本相同，而区别仅在于进行图12所示的步骤S21、S22以取代图3所示的步骤S12、S13。在通过第二实施方式的缺陷检测装置检测缺陷时，首先，与第一实施方式相同，通过摄像部3取得被检查图像81(参照图4A)，并将其输出至图11所示的假定二值图像生成部41a以及存储部55(图3：步骤S11)。
接着，在假定二值图像生成部41a中，根据规定的假定阈值使被检查图像81二值化从而生成假定二值图像(步骤S21)。假定阈值可以例如预先存储在存储部55中，也可以将在上述比较例的缺陷检测装置中求出检查用阈值时所使用的方法应用于被检查图像81来求出假定阈值。当生成了假定二值图像时，通过边缘提取部42，使用边缘提取滤波器对假定二值图像进行边缘提取滤波处理，由此生成作为二值图像的边缘图像(步骤S22)。
当生成边缘图像时，与第一实施方式相同，顺次进行如下工序，即，在噪声除去部43中进行噪声除去处理，通过膨胀处理部44进行的边缘膨胀处理，通过边缘除去部45除去对被检查图像进行膨胀处理后的边缘，通过曲线图取得部51取得边缘除去后图像的像素的浓度曲线图，通过阈值取得部52基于浓度曲线图计算出检查用阈值，通过处理后图像生成部53生成处理后图像，通过缺陷检测部54检测基板9上的布线图案91的缺陷(步骤S14～S20)。
在缺陷检测装置中，与第一实施方式相同，能够高精度地求出用于生成处理后图像的检查用阈值，其结果，能够高精度地检测基板9的布线图案91的缺陷。在第二实施方式的缺陷检测装置中，特别是在根据假定阈值使被检查图像81二值化之后，进行边缘提取滤波处理，由此与从作为多灰度图像的被检查图像81中提取边缘的情况相比，能够简化提取边缘的工作提取。
以上对本发明的实施方式进行了说明，但是本发明不限于上述实施方式，可以进行各种变更。
例如，在第一实施方式的缺陷检测装置1中，作为在步骤S12中用于提取边缘候补提取的边缘提取滤波器，也可以采用梯度滤波器(Gradient filter)、 拉普拉斯滤波器(Laplacian filter)、罗伯茨滤波器(Roberts filter，ロバ—ツフイルタ)等多种滤波器。
在上述实施方式的缺陷检测装置中，作为在步骤S14中用于噪声除去处理的噪声滤波器，也可以采用中值滤波器等其它的噪声滤波器。另外，也可以对边缘图像进行标示处理，并作为噪声而除去所标示的多个区域中的微小的区域。
在步骤S17中通过曲线图取得部51取得的浓度曲线图中，在基板主体所对应的第一浓度分布和布线图案所对应的第二浓度分布之间的浓度带上，像素数大致为“0”即可，此时，在步骤S18中，将像素数大致为“0”的浓度带作为不包含于第一浓度分布中的浓度带，来求出检查用阈值。
另外，在步骤S18中，不一定必须将基板主体92所对应的浓度分布的最大浓度作为检查用阈值，也可以将仅比该最大浓度大规定的偏移(offset)值(例如“5”)的值(即最大浓度附近的值)作为检查用阈值。而且，在步骤S20的缺陷检测中，可以利用从基板9的设计数据导出的图像作为参照图像，另外，可以将布线图案的断路等也作为缺陷进行检测。
在缺陷检测装置中生成的多灰度的图像的灰度数也不一定必须为256灰度，可以基于缺陷检测所要求的检测精度、检测速度以及缺陷检测装置的运算性能等来适当决定。
在上述实施方式的缺陷检测装置中，例如在基板主体上所设置的覆膜等上形成有布线图案的情况下，该覆膜等被视为基板主体的一部分，被检查图像81上的与覆膜对应的区域被作为布线图案以外的背景区域而进行处理。另外，通过缺陷检测装置来检测缺陷的基板，也不一定必须为印刷布线基板，也可以是半导体基板或玻璃基板等。
虽然对本发明进行了具体说明，但是上述说明仅为例示而非限定性条件。因此，只要不脱离本发明的范围，就能够具有多种变形和形态。
Claims (7)
1.一种缺陷检测方法，用于检测基板上的几何图案的缺陷，其特征在于，包括以下工序：
a工序，取得基板的多灰度的被检查图像；
b工序，从所述被检查图像中提取边缘，从而生成边缘图像；
c工序，对所述边缘图像的所述边缘进行膨胀处理；
d工序，从所述被检查图像中除去在所述c工序中进行完膨胀处理的所述边缘，从而生成边缘除去后图像；
e工序，取得所述边缘除去后图像的像素的浓度曲线图；
f工序，在所述浓度曲线图中求出与所述基板的图案以外的区域相对应的浓度分布的最大浓度，或者比所述最大浓度大规定的偏移值的值，来作为阈值；
g工序，根据所述阈值使所述被检查图像二值化，从而生成处理后图像；
h工序，基于所述处理后图像，检测所述基板上的所述图案缺陷。
2.如权利要求1所述的缺陷检测方法，其特征在于，所述b工序包括以下工序：
通过对所述被检查图像进行边缘提取滤波处理，来生成边缘候补图像，其中，该边缘候补图像是提取了的边缘候补的多灰度的图像，所述边缘候补包括特定边缘和浓度差比该特定边缘的浓度差小的边界部，所属特定边缘是指，作为浓度互不相同的区域的边界的上述边缘；
根据边缘提取阈值使所述边缘候补图像二值化，由此从所述边缘候补中提取所述边缘，从而生成所述边缘图像。
3.如权利要求1所述的缺陷检测方法，其特征在于，所述b工序包括以下工序：
根据假定阈值使所述被检查图像二值化，从而生成假定二值图像，所述假定阈值设定在与所述图案相对应的浓度分布的波峰和与所述图案以外的区域相对应的所述浓度分布的波峰之间的波谷位置；
通过从所述假定二值图像中提取所述边缘，生成所述边缘图像。
4.如权利要求1至3中任一项所述的缺陷检测方法，其特征在于，
在所述b工序与所述c工序之间，还包括对所述边缘图像进行噪声除去处理的工序。
5.如权利要求4所述的缺陷检测方法，其特征在于，
所述基板上的所述图案是布线图案，
在所述h工序中，检测出所述布线图案的短路来作为所述缺陷。
6.如权利要求1至3中任一项所述的缺陷检测方法，其特征在于，
所述基板上的所述图案是布线图案，
在所述h工序中，检测出所述布线图案的短路来作为所述缺陷。
7.一种缺陷检测装置，用于检测基板上的几何图案的缺陷，其特征在于，具有：
摄像部，其对基板进行摄像；
边缘提取部，其从通过所述摄像部取得的多灰度的被检查图像中提取边缘，从而生成边缘图像；
膨胀处理部，其对所述边缘图像的所述边缘进行膨胀处理；
边缘除去部，其从所述被检查图像中除去通过所述膨胀处理部进行了膨胀处理的所述边缘，从而生成边缘除去后图像；
曲线图取得部，其取得所述边缘除去后图像的像素的浓度曲线图；
阈值取得部，其求出在所述浓度曲线图中与所述基板的图案以外的区域相对应的浓度分布的最大浓度、或者所述最大浓度附近的值，来作为阈值；
处理后图像生成部，其根据所述阈值使所述被检查图像二值化，从而生成处理后图像；
缺陷检测部，其基于所述处理后图像来检测所述基板上的所述图案的缺陷。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2007325387A JP2009145285A (ja) | 2007-12-18 | 2007-12-18 | 欠陥検出方法および欠陥検出装置 |
| JP2007325387 | 2007-12-18 | ||
| JP2007-325387 | 2007-12-18 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101464418A CN101464418A (zh) | 2009-06-24 |
| CN101464418B true CN101464418B (zh) | 2013-05-01 |
Family
ID=40805094
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2008101733555A Expired - Fee Related CN101464418B (zh) | 2007-12-18 | 2008-11-13 | 缺陷检测方法以及缺陷检测装置 |
Country Status (4)
| Country | Link |
|---|---|
| JP (1) | JP2009145285A (zh) |
| KR (1) | KR20090066212A (zh) |
| CN (1) | CN101464418B (zh) |
| TW (1) | TWI412739B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI844894B (zh) | 2022-07-21 | 2024-06-11 | 鴻海精密工業股份有限公司 | 影像瑕疵檢測方法及設備 |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8325036B1 (en) | 2008-11-06 | 2012-12-04 | Target Brands, Inc. | In stock analytic monitoring |
| JP5697353B2 (ja) | 2010-03-26 | 2015-04-08 | キヤノン株式会社 | 画像処理装置、画像処理装置の制御方法及びプログラム |
| US8855403B2 (en) * | 2010-04-16 | 2014-10-07 | Koh Young Technology Inc. | Method of discriminating between an object region and a ground region and method of measuring three dimensional shape by using the same |
| CN102693536B (zh) * | 2012-01-13 | 2015-10-28 | 河南科技大学 | 一种缺陷区域提取方法 |
| US9196031B2 (en) | 2012-01-17 | 2015-11-24 | SCREEN Holdings Co., Ltd. | Appearance inspection apparatus and method |
| KR101985546B1 (ko) * | 2012-11-01 | 2019-06-03 | (주)제이브이엠 | 약포 패키지 절취선 감지 방법 |
| JP6152034B2 (ja) * | 2013-03-22 | 2017-06-21 | 株式会社Ｓｃｒｅｅｎホールディングス | ラベリング方法、ラベリング装置および欠陥検査装置 |
| CN104063270B (zh) * | 2013-03-22 | 2017-06-23 | 斯克林集团公司 | 加标签方法、加标签装置以及缺陷检查装置 |
| JP6344593B2 (ja) * | 2013-06-19 | 2018-06-20 | 株式会社 東京ウエルズ | 欠陥検査方法 |
| JP6486050B2 (ja) | 2014-09-29 | 2019-03-20 | 株式会社Ｓｃｒｅｅｎホールディングス | 検査装置および検査方法 |
| JP6596188B2 (ja) * | 2015-04-02 | 2019-10-23 | マークテック株式会社 | 探傷装置、及び探傷装置による傷部検出方法 |
| US11158039B2 (en) | 2015-06-26 | 2021-10-26 | Cognex Corporation | Using 3D vision for automated industrial inspection |
| KR101910484B1 (ko) * | 2015-06-26 | 2018-10-22 | 코그넥스코오포레이션 | 3차원(3d) 비전 검사를 위한 방법 |
| KR102300562B1 (ko) | 2018-01-25 | 2021-09-13 | 삼성전자주식회사 | 검출 방법, 검출 장치 및 컴퓨터 판독 가능한 저장매체 |
| JP2020094879A (ja) * | 2018-12-11 | 2020-06-18 | コニカミノルタ株式会社 | 加飾印刷検査装置、加飾印刷検査システム、加飾印刷検査方法、及び、プログラム |
| JP7211169B2 (ja) * | 2019-03-07 | 2023-01-24 | コニカミノルタ株式会社 | 画像検査装置、および画像形成システム |
| CN110288565B (zh) * | 2019-05-22 | 2021-06-25 | 国网江苏省电力有限公司电力科学研究院 | 碳纤维复合芯导线的缺陷识别方法、装置及存储介质 |
| US11164302B2 (en) | 2019-08-08 | 2021-11-02 | Canon Kabushiki Kaisha | Systems and methods for classifying images of an imprinted film |
| CN113484333B (zh) * | 2021-09-08 | 2021-12-14 | 苏州高视半导体技术有限公司 | 多层结构屏幕的异物缺陷区分方法、电子设备及存储介质 |
| CN115308216B (zh) * | 2022-10-12 | 2023-03-10 | 山东创新精密科技有限公司 | 在线检测铝型材表面缺陷的装置及方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1400806A (zh) * | 2001-07-31 | 2003-03-05 | 佳能株式会社 | 采用自适应二值化的图象处理方法和设备 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07504056A (ja) * | 1992-02-18 | 1995-04-27 | ネオパス，インク． | データ処理技術を使用して物体を識別するための方法 |
| JP3144067B2 (ja) * | 1992-06-08 | 2001-03-07 | イビデン株式会社 | プリント配線基板の検査装置 |
| JP2003194734A (ja) * | 2002-08-08 | 2003-07-09 | Ngk Spark Plug Co Ltd | 印刷パターンの検査方法及び検査装置 |
| JP2006038582A (ja) * | 2004-07-26 | 2006-02-09 | Dainippon Screen Mfg Co Ltd | 画像の領域分割による欠陥の検出 |
| JP2006078299A (ja) * | 2004-09-09 | 2006-03-23 | Dainippon Screen Mfg Co Ltd | 画像領域の抽出による画像の領域分割 |
| JP2007017283A (ja) * | 2005-07-07 | 2007-01-25 | Toshiba Corp | 外観検査方法及び外観検査装置 |
-
2007
- 2007-12-18 JP JP2007325387A patent/JP2009145285A/ja active Pending
-
2008
- 2008-11-04 TW TW097142461A patent/TWI412739B/zh not_active IP Right Cessation
- 2008-11-13 CN CN2008101733555A patent/CN101464418B/zh not_active Expired - Fee Related
- 2008-11-21 KR KR1020080116260A patent/KR20090066212A/ko not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1400806A (zh) * | 2001-07-31 | 2003-03-05 | 佳能株式会社 | 采用自适应二值化的图象处理方法和设备 |
Non-Patent Citations (4)
| Title |
|---|
| 何伟等.《基于计算机图像处理的电路印刷板缺陷检测》.《计算机测量与控制》.2007,第1295页正文第一栏第2段至第1297页第一栏第5段，图1-6. * |
| 刘明贺.《缺陷检测系统的图像预处理分析与探讨》.《大连理工大学硕士论文》.2006, * |
| 谢佩军等.《缺陷检测系统的图像预处理分析与探讨》.《电脑开发与应用》.2007,67-70. * |
| 谢佳豪.《基于计算机视觉的印刷电路板自动检测系统的研究》.《西安理工大学学位论文》.2004, * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI844894B (zh) | 2022-07-21 | 2024-06-11 | 鴻海精密工業股份有限公司 | 影像瑕疵檢測方法及設備 |
Also Published As
| Publication number | Publication date |
|---|---|
| TWI412739B (zh) | 2013-10-21 |
| TW200933141A (en) | 2009-08-01 |
| CN101464418A (zh) | 2009-06-24 |
| JP2009145285A (ja) | 2009-07-02 |
| KR20090066212A (ko) | 2009-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101464418B (zh) | 缺陷检测方法以及缺陷检测装置 | |
| CN115601364B (zh) | 基于图像分析的金手指电路板检测方法 | |
| US7783103B2 (en) | Defect detecting device, image sensor device, image sensor module, image processing device, digital image quality tester, and defect detecting method | |
| US7260244B2 (en) | Print inspection method and print inspection apparatus | |
| US20040240723A1 (en) | Pattern inspection method and its apparatus | |
| JP2001133418A (ja) | 形状特徴に基づく欠陥検出の方法及び装置 | |
| US11788973B2 (en) | Defect inspection device and defect inspection method | |
| US7333656B2 (en) | Image processing method and image processing apparatus | |
| CN112164050B (zh) | 用于流水线上产品表面缺陷的检测方法、设备及存储介质 | |
| CN117152165B (zh) | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 | |
| JP6628185B2 (ja) | 透明体の検査方法 | |
| JP2005106725A (ja) | 被検査物の外観検査方法及び外観検査装置 | |
| US20060126136A1 (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 | |
| JP4272438B2 (ja) | 表面欠陥検査装置におけるシェーディング補正方法 | |
| JP2004286708A (ja) | 欠陥検出装置、方法及びプログラム | |
| JP2009074828A (ja) | 欠陥検出方法および欠陥検出装置 | |
| JP2831273B2 (ja) | 外観検査方法 | |
| KR102546969B1 (ko) | 이물질 및 도금 불량 검사 방법 | |
| CN116523882B (zh) | 一种基于视觉的光学目标区域准确率检测方法与系统 | |
| JP4474006B2 (ja) | 検査装置 | |
| JPH09288037A (ja) | Ｌｃｄパネルの検査方法 | |
| Ch et al. | A Reference Based Approach to Detect Short Faults in PCB | |
| JPH10214327A (ja) | 画像を用いた表面欠陥検出方法 | |
| JP2004053259A (ja) | 欠陥識別方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C56 | Change in the name or address of the patentee |
Owner name: SCREEN GROUP CO., LTD. Free format text: FORMER NAME: DAINIPPON SCREEN MFG. CO., LTD. |
|
| CP01 | Change in the name or title of a patent holder |
Address after: Kyoto City, Kyoto, Japan Patentee after: Skilling Group Address before: Kyoto City, Kyoto, Japan Patentee before: DAINIPPON SCREEN MFG Co.,Ltd. |
|
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130501 Termination date: 20211113 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |