CN101600957A - 缺陷检测装置及缺陷检测方法 - Google Patents

Abstract

本发明提供一种缺陷检测装置，该缺陷检测装置具有：加法运算值计算单元，其对在拍摄检查对象物而得到的图像的预定方向上排列的各像素的像素值的加法运算值进行计算；指标值计算单元，其对表示在所述图像的所述预定方向上排列的各像素的像素值的一致性的指标值进行计算；加法运算值校正单元，其根据所述指标值校正所述加法运算值；以及判定单元，其根据校正后的所述加法运算值和阈值的比较结果，判定所述检查对象物上是否有线状缺陷。

Description

缺陷检测装置及缺陷检测方法

技术领域

本发明涉及检测存在于液晶玻璃基板等检查对象物的表面上的缺陷的缺陷检测装置及缺陷检测方法。

本申请根据2007年1月16日在日本申请的日本特愿2007-6766号主张优先权，并将其内容引用于本申请。

背景技术

以往，公知有用照相机拍摄液晶玻璃基板等检查对象物，使用图像处理来检查检查对象物上是否有缺陷的缺陷检测装置(缺陷检查装置)。例如在专利文献1中公开了以下内容：为了更详细地检测缺陷，根据拍摄检查对象物而得到的图像数据检测检查对象物上的明暗缺陷，并且通过对图像数据进行微分处理来检测检查对象物的边缘和微小的缺陷，还进行积分图像的微分处理来检测低对比度的明暗缺陷，从而得到缺陷的综合信息。

此外，通过一边在一个方向上移动基板一边从多个喷嘴向基板上喷出抗蚀剂的液体，来对液晶玻璃基板涂布抗蚀剂。此时，有时会由于喷出喷嘴的不合格等，产生沿基板的移动方向直线状延伸的线状缺陷(线不匀、筋状缺陷)。公知有使用了与这种线状缺陷等对应、并且运算量较少的高效的投影运算的检测方法(例如参照专利文献2)。

【专利文献1】日本特开2000-36044号公报

【专利文献2】日本特开2001-101388号公报

但是，在现有技术的线状缺陷的检测方法中，具有以下的问题。

图13A示出了拍摄液晶玻璃基板而得到的图像。在液晶玻璃基板的图像1300中，产生了线状缺陷1301和点缺陷1302。线状缺陷1301在图像内一般是比背景亮度高或亮度低的、对比度较低的部分。点缺陷1302是由于灰尘附着到基板的表面等而产生的，在图像内比背景亮度高或亮度低。

在该图像1300的X方向的各像素位置上，计算在Y方向上排成一列的各像素的像素值的加法运算值，如图13B所示，生成以该加法运算值为要素值的投影数据1303。在该投影数据1303的分布中，横轴表示图13A的X方向上的像素位置，纵轴表示像素值的加法运算值。

在投影数据1303中，与存在线状缺陷1301和点缺陷1302的像素位置对应地产生峰值1304和1305。通过检测该峰值，能够检测出缺陷，但是峰值1304和1305的形状非常相似，因此仅检测出了峰值，还不能判别该峰值是由于线状缺陷引起的，还是由除其以外的缺陷引起的。由此，在上述方法中，具有难以高精度地检测线状缺陷的问题。

发明内容

本发明正是鉴于上述问题而完成的，其目的在于提供一种能够高精度地检测检查对象物上的线状缺陷的缺陷检测装置及缺陷检测方法。

本发明涉及的缺陷检测装置具有：加法运算值计算单元，其对在拍摄检查对象物而得到的图像的预定方向上排列的各像素的像素值的加法运算值进行计算；指标值计算单元，其对表示在所述图像的所述预定方向上排列的各像素的像素值的一致性的指标值进行计算；加法运算值校正单元，其根据所述指标值校正所述加法运算值；以及判定单元，其根据校正后的所述加法运算值和阈值的比较结果，判定所述检查对象物上是否有线状缺陷。

此外，本发明涉及的缺陷检测方法具有：对在拍摄检查对象物而得到的图像的预定方向上排列的各像素的像素值的加法运算值进行计算的步骤；对表示在所述图像的所述预定方向上排列的各像素的像素值的一致性的指标值进行计算的步骤；根据所述指标值校正所述加法运算值的步骤；以及根据校正后的所述加法运算值和阈值的比较结果，判定所述检查对象物上是否有线状缺陷的步骤。

在线状缺陷的方向大致沿着上述预定方向的情况下，如果在该预定方向上排列的各像素存在线状缺陷，则这些像素的像素值的一致性比较高。此外，如果在该预定方向上排列的各像素存在线状缺陷以外的缺陷(点缺陷等)，则这些像素的像素值的一致性比较低。由此，通过根据表示在图像的预定方向上排列的各像素的像素值的一致性的指标值来校正加法运算值，能够降低线状缺陷以外的缺陷对加法运算值的影响。

根据本发明，能够得到如下效果：通过根据降低了线状缺陷以外的缺陷的影响后的加法运算值和阈值的比较结果判定是否有线状缺陷，能够高精度地检测检查对象物上的线状缺陷。

附图说明

图1是表示本发明的一个实施方式的缺陷检查装置的结构的结构图。

图2是表示本发明的一个实施方式的缺陷检查装置具有的图像处理装置的结构的框图。

图3是用于说明本发明的一个实施方式中的缺陷检查处理的步骤的说明图。

图4是用于说明本发明的一个实施方式中的投影数据和标准方差数据的生成方法的说明图。

图5A是表示本发明的一个实施方式中的明暗度校正处理引起的投影数据的变化情况的参考图。

图5B是表示本发明的一个实施方式中的明暗度校正处理引起的投影数据的变化情况的参考图。

图5C是表示本发明的一个实施方式中的明暗度校正处理引起的投影数据的变化情况的参考图。

图5D是表示本发明的一个实施方式中的明暗度校正处理引起的投影数据的变化情况的参考图。

图6A是表示本发明的一个实施方式中的对投影数据的校正情况的参考图。

图6B是表示本发明的一个实施方式中的对投影数据的校正情况的参考图。

图6C是表示本发明的一个实施方式中的对投影数据的校正情况的参考图。

图6D是表示本发明的一个实施方式中的对投影数据的校正情况的参考图。

图7是用于说明本发明的一个实施方式(第1变形例)中的缺陷检测处理的步骤的说明图。

图8A是用于说明本发明的一个实施方式(第1变形例)中的综合线状缺陷的检测结果的处理的内容的说明图。

图8B是用于说明本发明的一个实施方式(第1变形例)中的综合线状缺陷的检测结果的处理的内容的说明图。

图8C是用于说明本发明的一个实施方式(第1变形例)中的综合线状缺陷的检测结果的处理的内容的说明图。

图8D是用于说明本发明的一个实施方式(第1变形例)中的综合线状缺陷的检测结果的处理的内容的说明图。

图9是用于说明本发明的一个实施方式(第3变形例)中的浓度关联矩阵的说明图。

图10A是用于说明本发明的一个实施方式(第3变形例)中的浓度关联矩阵的生成方法的说明图。

图10B是用于说明本发明的一个实施方式(第3变形例)中的浓度关联矩阵的生成方法的说明图。

图11是用于说明本发明的一个实施方式(第3变形例)中的缺陷检测处理的步骤的说明图。

图12A是表示本发明的一个实施方式(第3变形例)中的缺陷检测处理的一个例子的参考图。

图12B是表示本发明的一个实施方式(第3变形例)中的缺陷检测处理的一个例子的参考图。

图13A是用于说明现有技术的线状缺陷的检测方法的说明图。

图13B是用于说明现有技术的线状缺陷的检测方法的说明图。

符号说明

1：输送装置；2：照明装置；3：线性传感器照相机；4：图像处理装置；5：输送控制装置6：显示器；7：检查对象物；8：控制装置；41：图像输入部；42：图像处理部；43：存储部；44：数据输出部。

具体实施方式

以下，参照附图说明本发明的实施方式。图1表示本发明的一个实施方式的缺陷检查装置的结构。本实施方式的缺陷检查装置具有输送装置1、照明装置2、线性传感器照相机3、图像处理装置4(与本发明的缺陷检测装置对应)、输送控制装置5以及显示器6。假定该缺陷检查装置检查的对象即检查对象物7是液晶玻璃基板。

输送装置1输送检查对象物7，使其在恒定方向(图1的A方向)上移动。该输送装置1例如是气浮台，通过从检查对象物7的下面吹送空气，能够在使检查对象物7浮起的状态下保持检查对象物7的一边使其在恒定方向上移动。照明装置2照明检查对象物7。线性传感器照相机3由在与检查对象物7的移动方向垂直的方向上排列的例如1024个受光元件构成，取入来自检查对象物7的反射光或散射光来拍摄检查对象物7的表面，生成摄像信号。

图像处理装置4根据从线性传感器照相机3按照每条线输入的摄像信号生成二维图像数据，通过图像处理，进行检测检查对象物7上的缺陷的缺陷检测处理。在本实施方式的缺陷检测处理中，假定检测线状缺陷，但是，也可以在按照每个预定范围划分图像数据而在各分区内进行积分后，通过取各分区的积分值的差分来进行微分，检测低对比度的明暗缺陷，或者通过微分系的滤波处理来检测边缘和微小的缺陷，作为微滤处理。

输送控制装置5控制输送装置1对检查对象物7的输送。显示器6对图像处理装置4的缺陷检测处理的结果和检查对象物7的图像等进行显示。在本实施方式中，图像处理装置4和输送控制装置5(或者还包括显示器6)是分开的装置，但是它们都设置在控制装置8内。该控制装置8具有控制照明装置2和线性传感器照相机3的角度(图1的角度θ1和θ2)的功能。

图2表示图像处理装置4的功能结构。该图像处理装置4具有图像输入部41、图像处理部42、存储部43以及数据输出部44。图像输入部41对从线性传感器照相机3按照每条线输入的摄像信号进行A/D转换，并综合多条线的数据而生成二维的图像数据。图像处理部42通过使用了所生成的图像数据的缺陷检测处理来检测缺陷。

存储部43对由图像输入部41生成的检查对象物7的图像数据和表示图像处理部42的缺陷检测处理的结果的数据进行存储。数据输出部44将表示缺陷检测处理的结果的数据和检查对象物7的图像数据输出到图1的显示器6。

接着，对本实施方式的缺陷检测处理的步骤(图像处理部42的动作步骤)进行说明。图3表示该步骤。首先，由二维的图像数据转换为一维的投影数据，进行投影运算(步骤S301)(与本发明的加法运算值计算单元的功能对应)。投影运算是指针对图像数据，对在同一方向上排列的所有像素的像素值进行加法运算的运算。

如图4所示，通过图像数据形成的图像400由m行n列的像素构成，假定线状缺陷从图像400的上端到下端沿Y方向产生。在投影运算中，通过对X方向的像素位置相同、在Y方向上排成一列的所有像素的像素值进行加法运算，计算投影数据的要素值(加法运算值)。

即，当将处于第i行第j列的位置的像素的像素值设为A(i，j)、投影数据的要素值设为B(1)，B(2)，…，B(n)时，通过以下的式(1)计算投影数据的第i个要素值B(i)。由此，通过将二维的图像数据转换为一维的投影数据，能够期待处理的高速化。

B(i)＝A(1，i)+A(2，i)+…+A(m，i)…(1)

接着投影运算，进行明暗度校正处理。图5A～5D表示明暗度校正处理引起的投影数据的变化情况。假定在拍摄检查对象物而得到的图像500中，产生了线状缺陷501和点缺陷502。在上述投影数据中，包括由于照明不匀等的影响而产生的明暗度的影响。例如，在图5B所示的投影数据510中，除了线状缺陷501和点缺陷502引起的峰值511和512之外，还产生了明暗度的影响引起的峰值513和514。

在检测线状缺陷的处理中，对投影数据的各要素值和预定的阈值进行比较，在要素值超过阈值的情况下，判定为存在线状缺陷。因此，在针对投影数据510通过与阈值515的比较而进行了线状缺陷的检测处理的情况下，产生除了线状缺陷501引起的峰值511之外，还将明暗度的影响引起的峰值513错误检测为线状缺陷的问题。

因此，针对投影数据实施平滑化处理(步骤S302)。在平滑化处理中，将以投影数据的关注要素(例如为第i个要素)为中心的预定范围内的要素(例如从第i-N个到第i+N个的要素)的值的例如平均值设为其关注要素的值。由此，能够生成消除了图5B的投影数据510中的峰值部分后的图5C的明暗度校正数据520。

在进行了平滑化处理后，通过计算投影数据和明暗度校正数据的差分，生成降低了明暗度的影响后的投影数据530(步骤S303)。在取图5B的投影数据510和图5C的明暗度校正数据520的差分而得到的图5D的投影数据530中，明暗度的影响引起的照明不匀的峰值变小，因此能够判定为在与峰值531和532对应的像素位置上存在缺陷。

但是，在投影数据530上，除了线状缺陷501引起的峰值531之外，还产生了点缺陷502引起的峰值532，因此仅通过对投影数据530的要素值和阈值进行比较，会将峰值532也错误检测为线状缺陷引起的峰值。因此，在本实施方式中，在步骤S301～S303的处理后、或者与这些处理并行地进行步骤S304～S306的处理，生成由表示像素值一致性的指标值的一种的标准方差值构成的标准方差数据，如后所述降低错误检测。

在步骤S304中，通过对图像的X方向的像素位置相同、在Y方向上排成一列的所有像素的像素值的标准方差值进行计算，计算标准方差数据的要素值(与本发明的指标值计算单元的功能对应)。即，在与图4同样的条件下，将标准方差数据的要素值设为C(1)，C(2)，…，C(n)时，通过以下的式(2)计算标准方差数据的第i个要素值C(i)。其中，μ是A(1，i)，A(2，i)，…，A(m，i)的平均值。

【式1】

$C\left(i\right)=\sqrt{\frac{1}{m}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{(A(k,i)-\mathrm{\μ})}^2}...\left(2\right)$

如果在图4的Y方向上排成一列的像素上存在线状缺陷，则这些像素的像素值的方差(标准方差值)变得比较低(即一致性变得比较高)。此外，如果在Y方向上排成一列的像素上存在点缺陷，则这些像素的像素值的方差(标准方差值)变得比较高(即一致性变得比较低)。由此，通过根据标准方差数据校正投影数据，能够降低点缺陷对投影数据的影响。

接着标准方差数据的生成，针对标准方差数据实施平滑化处理来生成明暗度校正数据(步骤S305)。并且，通过计算标准方差数据和明暗度校正数据的差分，生成降低了明暗度的影响后的标准方差数据(步骤S306)。使用该标准方差数据，进行对投影数据的校正(在本实施方式中称作加权)。

图6A～6D表示对投影数据的校正的情况。假定在拍摄检查对象物而得到的图像600中产生了线状缺陷601、602和点缺陷603、604。在图6B的投影数据610中，产生了这些缺陷引起的峰值611、612、613、614。在此，线状缺陷601、602的亮度和周边的亮度稍微不同，但是通过像素值的加法运算，在投影数据610中，峰值611、612的值分别成为与点缺陷603、604引起的峰值613、614的值大致相等的值。

在图6C的标准方差数据620中，产生了与点缺陷603、604对应的峰值621、622。由此，能够判断为在与标准方差数据620的峰值对应的X方向的像素位置上产生了点缺陷。在本实施方式中，针对投影数据进行对与标准方差数据的峰值对应的投影数据的要素值的大小进行降低的加权。

首先，根据标准方差数据生成由用于加权的系数值构成的系数数据(步骤S307)。通过系数值与投影数据的要素值的乘法运算进行加权，因此，标准方差值越大系数值越小，标准方差值越小系数值越大。在产生了点缺陷的像素位置上的标准方差值比与没有缺陷(或者产生了线状缺陷)的像素位置对应的标准方差值大，因此产生了点缺陷的像素位置的系数值变得更小。

例如，决定系数值，使得在标准方差值最小的像素位置上系数值为1，在标准方差值最大的像素位置上系数值为0或比1小的微小的值(与点缺陷对应的投影数据的要素值变小那样的0.1或0.01等值)。

作为该具体的例子，列举了针对标准方差数据进行如下的二值化处理的情况。其中，将系数数据的要素值设为D(1)，D(2)，…，D(n)。并且，d1是阈值(例如图6C的阈值623)。

如果C(i)≥d1则0≤D(i)＜1(其中，与点缺陷对应的投影数据的要素值是足够小的值)

如果C(i)＜d2则D(i)＝1

接着系数数据的生成，使用系数数据，对投影数据进行加权(步骤S308)(与本发明的加法运算值校正单元的功能对应)。针对投影数据的第i个要素值B(i)进行加权，计算加权后的要素值B’(i)的式子成为以下的(3)式。

B’(i)＝B(i)×D(i)…(3)

图6D的投影数据630是进行了加权后的投影数据。点缺陷603、604引起的峰值633、634比进行加权前的峰值613、614的大小变小。由此，在投影数据630中，降低了点缺陷603、604的影响。通过将该投影数据630的要素值与例如阈值635、636进行比较，能够仅检测线状缺陷601、602引起的峰值631、632。

接着对投影数据的加权，进行投影数据的要素值与阈值的比较的缺陷检测处理(步骤S309)(与本发明的判定单元的功能对应)。在设阈值d2、d2’(d2＜d2’)时，在通过式(3)计算出的投影数据的第i个要素值B’(i)在d2以下或d2以上的情况下，判定为关于图4的X方向的像素位置在第i个像素位置上存在线状缺陷。并且，在B’(i)在从d2到d2’的范围内的情况下，判定为在第i个像素位置上不存在线状缺陷。

例如将投影数据的所有像素值B(1)，B(2)，…，B(n)的平均值设为μ，将标准方差值设为σ，通过以下的式(4)和式(5)计算上述阈值d2、d2’。其中，K是任意的正数，例如K＝3。

d2＝μ-σ×K…(4)

d2’＝μ+σ×K…(5)

最后，在存储部43中存储上述缺陷检测处理的结果(步骤S310)。特别是，在判定为存在线状缺陷的情况下，在存储部43中存储包括线状缺陷的坐标值的数据。此外，根据需要，缺陷检测处理的结果经由数据输出部44输出到图1的显示器6，并显示结果。

根据上述缺陷检测处理，根据降低了点缺陷的影响后的投影数据的要素值和阈值的比较结果判定是否有线状缺陷，由此能够高精度地检测检查对象物上的线状缺陷。

接着，对本实施方式的第1变形例进行说明。在线状缺陷上重叠了点缺陷的情况下，在投影数据的分布上产生峰值，并且与产生了该峰值的像素位置对应的标准方差值也变大，因此在上述缺陷检测处理中，有不能良好地检测重叠了点缺陷的线状缺陷的可能。与此相对在第1变形例中，将图像分割为多个区域以沿着线状缺陷的方向排列多个区域，综合地判定各区域中的缺陷检测结果来精度良好地检测线状缺陷。

以下，对第1变形例的缺陷检测处理的步骤(图像处理部42的动作步骤)进行说明。图7表示该步骤。首先，将所输入的图像数据分割为与通过该图像数据形成的图像内的每个区域对应的部分图像数据(步骤S701)(与本发明的区域分割单元的功能对应)。

例如，将图像数据分割为3个部分图像数据。图8A表示该分割的情况，通过将图像数据分割为3个部分图像数据，将由图像数据整体形成的图像800例如分割为3个区域801、802、803。各区域的大小可以不均等，分割数也不限于3。

接着上述区域的分割，按照每个区域生成投影数据(步骤S702)。接着，通过针对投影数据实施平滑化处理来生成明暗度校正数据(步骤S703)，并且通过计算投影数据和明暗度校正数据的差分，生成降低了明暗度的影响后的投影数据(步骤S704)。针对各区域的投影数据还进行步骤S703、S704的处理。

此外，在步骤S702～S704的处理后、或者与这些处理并行地进行步骤S705～S707的处理，生成各区域的标准方差数据。在步骤S705中，根据与各区域对应的图像数据的像素值计算标准方差数据的要素值。

接着标准方差数据的生成，针对标准方差数据实施平滑化处理来生成明暗度校正数据(步骤S706)。并且，通过计算标准方差数据和明暗度校正数据的差分，生成降低了明暗度的影响后的标准方差数据(步骤S707)。针对各区域的标准方差数据还进行步骤S706、S707的处理。

接着，根据标准方差数据生成系数数据(步骤S708)。并且，使用系数数据对投影数据进行加权(步骤S709)。接着该加权，进行投影数据的要素值与阈值的比较的缺陷检测处理(步骤S710)。针对各区域的数据还进行步骤S708～S710的处理。

接着，综合在步骤S710的缺陷检测处理中得到的是否有线状缺陷的判定结果，进行综合地判定是否有线状缺陷的综合处理(步骤S711)。最后，在存储部43中存储缺陷检测处理的结果(步骤S712)。

以下，对步骤S711的综合处理的内容进行说明。图8B～8D的投影数据810、820、830分别是在步骤S709中进行了加权的投影数据。根据区域801的像素值生成投影数据810，根据区域802的像素值生成投影数据820，根据区域803的像素值生成投影数据830。

在图8A的图像800中，产生了线状缺陷804、805和点缺陷806、807。在各投影数据的分布中，产生了这些缺陷引起的峰值。峰值812、822、832是线状缺陷805引起的。峰值813是点缺陷807引起的。峰值821、831是线状缺陷804引起的。并且，峰值811是线状缺陷804和点缺陷806引起的，但是通过加权降低了点缺陷806的影响，因此峰值811与峰值821、823相比变得相当小。

当对投影数据810、820、830的要素值和阈值814、823、833进行比较，并根据比较结果判定是否有线状缺陷时，与图8A的X方向的像素位置P相关的各区域的判定结果是，区域801、802、803的任意一个都有线状缺陷。另一方面，与X方向的像素位置Q相关的各区域的判定结果是，在区域802、803中具有线状缺陷，但是在区域801中没有线状缺陷。

在综合处理中，综合各区域的判定结果，生成整体的判定结果。例如，在使具有线状缺陷的判定结果与逻辑1对应，使没有线状缺陷的判定结果与逻辑0对应的情况下，通过对各个区域801、802、803中的判定结果(任意一个区域都有线状缺陷)进行逻辑运算(OR运算)，与像素位置P相关的整体的判定结果是具有线状缺陷。同样地，通过对各个区域801、802、803中的判定结果(在两个区域中具有线状缺陷，在一个区域中没有线状缺陷)进行逻辑运算(OR运算)，与像素位置Q相关的整体的判定结果也是具有线状缺陷。

由此，根据第1变形例，通过综合按照每个区域进行的投影数据的要素值和阈值的比较处理的结果来判定是否有线状缺陷，即使在线状缺陷上重叠了点缺陷的情况下，也能够高精度地检测检查对象物上的线状缺陷。

接着，对本实施方式的第2变形例进行说明。在第2变形例中，使用在统计纹理分析手法中使用的浓度关联矩阵，计算表示像素值的一致性的指标值。通过在角度θ的方向上从图9所示的浓度i的像素R(坐标(x1，y1))离开距离r的像素S(坐标(x2，y2))的浓度是j的概率，决定浓度关联矩阵的要素。

例如，如图10A所示，假定对由4×4的16像素构成的图像的浓度(像素值)进行二值化。在r＝1、θ＝90°(270°)的情况下，通过在图像内上下相邻的像素之间的关系，决定图10B所示的浓度关联矩阵的要素值。

以下，将图10A的第m行第n列的像素设为像素(m，n)，对浓度关联矩阵的生成方法进行说明。

首先，对浓度关联矩阵的各要素值进行初始化(设为0)。接着，将左上的像素(1，1)(浓度0)设为关注像素，根据与其下面的像素(2，1)(浓度1)的关系，对浓度关联矩阵的i＝0、j＝1的要素值加1。接着，将像素(1，2)(浓度0)设为关注像素，根据与其下面的像素(2，2)(浓度1)的关系，对浓度关联矩阵的i＝0、j＝1的要素值加1。

接着，将像素(1，3)(浓度0)设为关注像素，根据与其下面的像素(2，3)(浓度0)的关系，对浓度关联矩阵的i＝0、j＝0的要素值加1。接着，将像素(1，4)(浓度1)设为关注像素，根据与其下面的像素(2，4)(浓度1)的关系，对浓度关联矩阵的i＝1、j＝1的要素值加1。

接着，将像素(2，1)(浓度1)设为关注像素，根据与其下面的像素(3，1)(浓度1)的关系，对浓度关联矩阵的i＝1、j＝1的要素值加1。此外，关于像素(2，1)(浓度1)，还根据与其上面的像素(1，1)(浓度0)的关系，对浓度关联矩阵的i＝1、j＝0的要素值加1。

同样地，在使关注像素从左向右、从上向下移动的同时，逐渐对浓度关联矩阵的要素值加1。在像素(4，1)(浓度0)是关注像素的情况下，根据与其上面的像素(3，1)(浓度1)的关系，对浓度关联矩阵的i＝0、j＝1的要素值加1。

在关注像素分别是像素(4，2)、像素(4，3)、像素(4，4)的情况下，同样地对浓度关联矩阵的要素值加1。

上述处理的结果是生成图10B所示的浓度关联矩阵。在上述说明中，虽然将各像素的浓度(像素值)设为二值，但是也可以是16值或256值，只要按照浓度的灰度来决定浓度关联矩阵的次数即可。

根据上述浓度关联矩阵计算表示像素值的一致性的指标值。将浓度关联矩阵设为P(r，θ，i，j)，例如能够将以下的式(6)～式(8)所示的特征量用作指标值。

【式2】

$\mathrm{AngularSecondMoment}(r,\mathrm{\θ})=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{N-1}{\mathrm{\Σ}}}P{(r,\mathrm{\θ},i,j)}^2...\left(6\right)$

【式3】

$\mathrm{Contrast}(r,\mathrm{\θ})=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{N-1}{\mathrm{\Σ}}}{(i-j)}^{2}P(r,\mathrm{\θ},i,j)...\left(7\right)$

【式4】

$\mathrm{Correlation}(r,\mathrm{\θ})=\frac{\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{N-1}{\mathrm{\Σ}}}\{\mathrm{ijP}(r,\mathrm{\θ},i,j)-{\mathrm{\μ}}_i{\mathrm{\μ}}_j\}}{{\mathrm{\σ}}_i{\mathrm{\σ}}_j}...\left(8\right)$

此外，在浓度关联矩阵中，通过组合相邻像素的浓度(像素值)来决定矩阵的要素值，因此，在存在低对比度的线状缺陷的情况下，浓度关联矩阵的对角要素附近的值变大。与此相对，在存在点缺陷等的情况下，在对角要素附近以外的要素值中也产生较大的值。因此，也可以计算浓度关联矩阵的对角像素的值的总和，用作表示像素值的一致性的指标值。

以下，对第2变形例的缺陷检测处理的步骤(图像处理部42的动作步骤)进行说明。图11表示该步骤。与投影数据相关的步骤S1101～S1103的处理例如与图3的步骤S301～S303的处理相同，因此省略说明。

步骤S1104～S1106的处理是与浓度关联矩阵相关的处理。在步骤S1104中，根据在图像的Y方向上排成一列的所有像素的像素值生成浓度关联矩阵。更详细而言，在图像的X方向的各像素位置上生成浓度关联矩阵，生成将各像素位置的浓度关联矩阵设为要素的浓度关联矩阵数据。

接着，根据所生成的浓度关联矩阵计算特征量，生成将该特征量设为要素值的特征量数据(步骤S1105)。此外，通过将特征量转换成从0到1的任意一个值来计算系数值，生成将该系数值设为要素值的系数数据(步骤S1106)。将该系数值设为一致性越高越接近1、一致性越低越接近0的值。

接着，使用系数数据对投影数据进行加权(步骤S1107)。接着该加权，进行投影数据的要素值与阈值的比较的缺陷检测处理(步骤S1108)。最后，在存储部43中存储缺陷检测处理的结果(步骤S1109)。

图12A和图12B表示第3变形例的缺陷检测处理的一个例子。在图像1200中，产生了线状缺陷1201和点缺陷1202。如图12A所示，在X方向的像素位置上，根据在Y方向上排列的h个像素的像素值计算投影数据的要素值和浓度关联矩阵的要素值。并且，根据浓度关联矩阵计算特征量，根据该特征量计算系数值。

如图12B的系数数据1203所示，与Y方向的像素之间的一致性高的区域(包括产生了线状缺陷1201的区域)对应的系数值是大致恒定值。另一方面，由于点缺陷1202的存在，与Y方向的像素之间的一致性低的区域对应的系数值变小。当使用系数数据1203对投影数据进行加权时，与产生了点缺陷1202的区域对应的投影数据的要素值的大小变小，因此在基于投影数据的要素值和阈值的比较的、是否有线状缺陷的判定处理中，不会在产生了点缺陷1202的区域中错误检测出线状缺陷。

由此，根据第2变形例，与使用了标准方差值作为表示像素值的一致性的指标值的情况相同，通过根据降低了点缺陷的影响后的投影数据的要素值和阈值的比较结果来判定是否有线状缺陷，能够高精度地检测检查对象物上的线状缺陷。在第2变形例中，也可以如第1变形例所示，将拍摄检查对象物而得到的图像分割为多个区域，按照每个区域进行上述处理。

以上，参照附图对本发明的实施方式进行了详细叙述，但是具体的结构不限于上述实施方式，也包括在不脱离本发明的主旨的范围内的设计变更等。

例如，也可以如下所示。在图像数据中包括在线性传感器照相机中使用的传感器的灵敏度不匀等的影响造成的噪声。当线状缺陷的对比度较低而在图像数据中包括噪声时，成为错误检测的原因。因此，也可以在生成投影数据前，针对图像数据进行以去除噪声为目的的平滑化滤波处理。

由此，能够进行稳定的缺陷检测处理。

此外，作为缺陷检测处理整体，也可以在基于现有的检测二维缺陷的相邻比较法、和取检查对象物的图像和参照图像的差分进行二值化来提取缺陷的方法等进行的处理前或处理后，进行本发明的缺陷检测处理。此外，还可以与本发明的缺陷检测处理并行地进行现有的缺陷检测处理。

产业上的可利用性

根据本发明，通过根据降低了线状缺陷以外的缺陷的影响后的加法运算值和阈值的比较结果来判定是否有线状缺陷，能够高精度地检测检查对象物上的线状缺陷。

Claims (5)

1.一种缺陷检测装置，其特征在于，该缺陷检测装置具有：

加法运算值计算单元，其对在拍摄检查对象物而得到的图像的预定方向上排列的各像素的像素值的加法运算值进行计算；

指标值计算单元，其对表示在所述图像的所述预定方向上排列的各像素的像素值的一致性的指标值进行计算；

加法运算值校正单元，其根据所述指标值校正所述加法运算值；以及

判定单元，其根据校正后的所述加法运算值和阈值的比较结果，判定所述检查对象物上是否有线状缺陷。

2.根据权利要求1所述的缺陷检测装置，其特征在于，

所述缺陷检测装置还具有区域分割单元，所述区域分割单元将所述图像分割为多个区域，使得在所述预定方向上至少排列2个区域，

所述判定单元通过综合在所述预定方向上排列的各个区域中校正后的所述加法运算值和所述阈值的比较结果，来判定是否有所述线状缺陷。

3.根据权利要求1或权利要求2所述的缺陷检测装置，其特征在于，所述指标值计算单元对在所述图像的所述预定方向上排列的各像素的像素值的标准方差值进行计算，作为所述指标值。

4.根据权利要求1或权利要求2所述的缺陷检测装置，其特征在于，所述指标值计算单元使用基于在所述图像的所述预定方向上排列的各像素的像素值的浓度关联矩阵来计算所述指标值。

5.一种缺陷检测方法，其特征在于，该缺陷检测方法具有：

对在拍摄检查对象物而得到的图像的预定方向上排列的各像素的像素值的加法运算值进行计算的步骤；

对表示在所述图像的所述预定方向上排列的各像素的像素值的一致性的指标值进行计算的步骤；

根据所述指标值校正所述加法运算值的步骤；以及

根据校正后的所述加法运算值和阈值的比较结果，判定所述检查对象物上是否有线状缺陷的步骤。

Images