JP2009236593A - 外観検査支援装置 - Google Patents
外観検査支援装置 Download PDFInfo
- Publication number
- JP2009236593A JP2009236593A JP2008081118A JP2008081118A JP2009236593A JP 2009236593 A JP2009236593 A JP 2009236593A JP 2008081118 A JP2008081118 A JP 2008081118A JP 2008081118 A JP2008081118 A JP 2008081118A JP 2009236593 A JP2009236593 A JP 2009236593A
- Authority
- JP
- Japan
- Prior art keywords
- image
- inspection
- neural network
- rotation angle
- quantized
- 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.)
- Pending
Links
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
【課題】 半導体表面の検査では、損傷の形状が類似していても異なる輝度での微小な明暗を識別する必要があり、従来の2値化処理を伴う画像の判定方法では同一形状でも輝度の異なる損傷は識別できないという問題があった。
【解決手段】 輝度情報を含んだ検査画像に対してニューラルネットワーク演算による既知の損傷パターン照会を行ない、さらに回転角ごとに検査画像を変換して損傷パターン照会を行なった出力結果を、目視検査における検査員への支援情報として提供する。
【選択図】 図1
【解決手段】 輝度情報を含んだ検査画像に対してニューラルネットワーク演算による既知の損傷パターン照会を行ない、さらに回転角ごとに検査画像を変換して損傷パターン照会を行なった出力結果を、目視検査における検査員への支援情報として提供する。
【選択図】 図1
Description
この発明は、検査員の目視により半導体表面の損傷検出を行なう外観検査について、検査員による損傷部の識別を支援する、外観検査支援装置に関する。
多品種少量生産の製品における半導体表面の外観検査では、半導体をカメラで撮影し、カメラの撮影画像について、輝度画像の明暗の均一性を検査員が目視判定することで損傷を検出している。この種のカメラ画像を用いた傷検査装置において、損傷を識別する際、輝度画像の2値化処理を行なった上で、ニューラルネットワーク演算を利用して傷判断を行なうための特徴量算出を行なう技術が知られている(例えば、特許文献1参照)。
カメラによる半導体の撮影画像を用いて目視検査する場合、未経験の検査員が熟練検査員と同等の評価を実施するには、長期間の訓練を要するという問題があった。
また、特許文献1に記載する従来の傷検査装置においては、ニューラルネットワーク演算を行なう際、回転したパターンの認識率が低く、傷の発生方向によっては傷の認識率に差異が生じるという問題があった。
さらに、半導体表面の傷検査では、損傷の形状が類似していても、例えば深い傷と浅い傷の画像のように、輝度の異なる画像についての微小な明暗差を識別する必要がある。特許文献1に記載するような、画像の2値化処理を伴う従来の傷判定方法では、同一形状でも輝度の異なる損傷は識別できないという問題があった。
この発明は、係る課題を解決するためになされたものであり、輝度情報を含んだ傷検査画像に対して、ニューラルネットワーク演算による傷判定情報を、目視検査を行なう検査員へ提供する外観検査支援装置を得ることを目的とする。
この発明による外観検査支援装置は、検査対象を撮像する撮像装置と、上記撮像装置の撮影画像を、輝度情報を含む量子化画像に量子化する量子化演算装置と、上記量子化演算装置により量子化された量子化画像を回転変換し、回転変換後の量子化画像に基づいて、画像の回転角毎にニューラルネットワーク演算により類似損傷パターンと一致率の算出を行なうニューラルネットワーク演算部と、上記ニューラルネットワーク演算部により得られた回転角毎の類似損傷パターンと一致率と所見を表示する表示装置と、上記量子化画像の回転角毎に、検査員の判定と所見を入力して保存する操作入力装置と、上記操作入力装置により入力された回転角毎の検査員の判定と所見結果および量子化画像に基づいて、ニューラルネットワーク演算部に対し損傷パターンの学習を行なう学習部とを備えたものである。
この発明によれば、輝度の異なる損傷について傷検査画像を回転変換し、回転角毎に、検査員が損傷候補を判定識別するための支援情報を提供することができるので、未習熟な検査員であっても、熟練検査員と同等レベルの検査を行なうことが可能となる。
実施の形態1.
図1はこの発明の実施の形態1による外観検査支援装置の構成を示すものである。
図において、外観検査支援装置は、検査対象1を撮像する撮像装置3と、検査対象1を移動させるXYステージ2と、撮像装置3の撮影画像(検査画像)を量子化する量子化演算装置4と、装置全体の制御を行なう制御装置5と、記憶装置6と、表示装置7と、操作入力装置8と、照明装置9を備える。
図1はこの発明の実施の形態1による外観検査支援装置の構成を示すものである。
図において、外観検査支援装置は、検査対象1を撮像する撮像装置3と、検査対象1を移動させるXYステージ2と、撮像装置3の撮影画像(検査画像)を量子化する量子化演算装置4と、装置全体の制御を行なう制御装置5と、記憶装置6と、表示装置7と、操作入力装置8と、照明装置9を備える。
XYステージ2は、検査対象1を載置する検査台と、検査台を水平面(XY面)内で移動させる可動ステージとから成る。検査対象1はXYステージ2の検査台における所定位置に設置され、正確に位置決めされる。撮像装置3は、XYステージ2の検査台の可動範囲内で、撮影視野が下方を向くように、検査台の上方に設置される。XYステージ2は、撮像装置3の撮影範囲内における所定位置に、検査対象1を移動する。これにより、撮像装置3における検査対象1の撮像領域が特定される。撮像装置3によるXYステージ2上の撮影範囲内は、照明装置9により照明が当てられる。撮像装置3は、照明装置9の照明による検査対象1からの反射光を受光し、検査対象1の画像を検出する。
量子化演算装置4は、撮像装置3で検出された検査画像を量子化し、輝度を有する量子化画像信号として出力する。記憶装置6は、既知の損傷パターンと、既知の損傷パターンにより得られたニューラルネットワーク演算にて用いられる結合荷重値が保存されている。制御装置5は撮像装置3の撮像制御や、XYステージ2の駆動制御を行なう。また、制御装置5には、量子化演算装置4により量子化された量子化画像信号に基づいて、ニューラルネットワーク演算処理を行なうニューラルネットワーク演算部10が設けられる。ニューラルネットワーク演算部10は、記憶装置6に保存されている結合荷重を用いてニューラルネットワーク演算を行い、既知の損傷パターンの照会を行なう。また、制御装置5には、ニューラルネットワーク演算における損傷パターンについての学習を行なう学習部11が設けられる。操作入力装置8はキーボードやマウスなどから構成され、検査員の入力情報を検査制御装置5に入力する。表示装置7は検査制御装置5から出力される出力画像をディスプレイ画面に表示する。
図2は実施の形態1における外観検査支援装置の動作を示す図である。
図2において、制御装置5を起動し検査が開始すると、制御装置5はXYステージ2の可動ステージを駆動させる。XYステージ2は所定位置まで検査対象1を移動させる(ステップS300)。
次に、制御装置5は、撮像装置3による撮影を開始し、検査対象範囲の画像を検出する(ステップS301)。
次に、量子化演算装置4は、撮像装置3で検出された検査画像を量子化する(ステップS302)。
図2において、制御装置5を起動し検査が開始すると、制御装置5はXYステージ2の可動ステージを駆動させる。XYステージ2は所定位置まで検査対象1を移動させる(ステップS300)。
次に、制御装置5は、撮像装置3による撮影を開始し、検査対象範囲の画像を検出する(ステップS301)。
次に、量子化演算装置4は、撮像装置3で検出された検査画像を量子化する(ステップS302)。
次に、ニューラルネットワーク演算部10は、類似損傷パターンの照会処理(ステップS100)を行なう。
ここで、ステップS100では、次のステップS303〜ステップS306に示す処理が行なわれる。
ここで、ステップS100では、次のステップS303〜ステップS306に示す処理が行なわれる。
まず、量子化演算装置4からの量子化画像に基づいて、ニューラルネットワーク演算により、類似損傷パターンを算出する(ステップS303)。
また、ニューラルネットワーク演算により量子化画像との一致率を算出し、類似損傷パターンに対応した所見情報を出力する(ステップS304)。
ステップS303にて算出した類似損傷パターンは画像化され、表示装置7を介してディスプレイ画像に表示される。また、ステップS303にて算出した一致率についても、表示装置7を介してディスプレイ画像に表示される。
検査員は、この表示装置7の表示画像を見て、類似損傷パターンと検査画像とを見比べて、類似損傷パターンについての所見を得ることができる。また、この所見は、操作入力装置8を介してニューラルネットワーク演算部10に入力することができる。所見としては、例えば類似損傷パターンが検査画像と類似していないと判断される場合に、NGとなる。また、類似損傷パターンが検査画像と類似していると判断される場合に、OKとなる(ステップS305)。
次に、量子化演算装置4からの量子化画像を、所定角度回転させる量子化画像の回転変換を行なう(ステップS306)。
この回転変換を行なった後に、類似損傷パターンの照会処理S100における、S303〜S305の処理を繰り返し行なう。かくして、この所定回転角度毎の回転変換を1回転(360度)分繰り返す。
また、ニューラルネットワーク演算により量子化画像との一致率を算出し、類似損傷パターンに対応した所見情報を出力する(ステップS304)。
ステップS303にて算出した類似損傷パターンは画像化され、表示装置7を介してディスプレイ画像に表示される。また、ステップS303にて算出した一致率についても、表示装置7を介してディスプレイ画像に表示される。
検査員は、この表示装置7の表示画像を見て、類似損傷パターンと検査画像とを見比べて、類似損傷パターンについての所見を得ることができる。また、この所見は、操作入力装置8を介してニューラルネットワーク演算部10に入力することができる。所見としては、例えば類似損傷パターンが検査画像と類似していないと判断される場合に、NGとなる。また、類似損傷パターンが検査画像と類似していると判断される場合に、OKとなる(ステップS305)。
次に、量子化演算装置4からの量子化画像を、所定角度回転させる量子化画像の回転変換を行なう(ステップS306)。
この回転変換を行なった後に、類似損傷パターンの照会処理S100における、S303〜S305の処理を繰り返し行なう。かくして、この所定回転角度毎の回転変換を1回転(360度)分繰り返す。
図3は、ニューラルネットワーク演算による類似損傷パターン照会処理動作を説明する図である。
図に示すように、まず画像回転角度0度の状態で、ニューラルネットワーク演算を実施し、角度0度の類似度損傷パターン401を出力する。
次に、画像を90度回転変換し、画像回転角度90度の状態で、ニューラルネットワーク演算を実施し、角度90度の類似度損傷パターン402を出力する。
次に、画像を180度回転変換し、画像回転角度180度の状態で、ニューラルネットワーク演算を実施し、角度180度の類似度損傷パターン403を出力する。
さらに、画像を270度回転変換し、画像回転角度270度の状態で、ニューラルネットワーク演算を実施し、角度270度の類似度損傷パターン404を出力し、一連の回転変換処理を完了する。
図に示すように、まず画像回転角度0度の状態で、ニューラルネットワーク演算を実施し、角度0度の類似度損傷パターン401を出力する。
次に、画像を90度回転変換し、画像回転角度90度の状態で、ニューラルネットワーク演算を実施し、角度90度の類似度損傷パターン402を出力する。
次に、画像を180度回転変換し、画像回転角度180度の状態で、ニューラルネットワーク演算を実施し、角度180度の類似度損傷パターン403を出力する。
さらに、画像を270度回転変換し、画像回転角度270度の状態で、ニューラルネットワーク演算を実施し、角度270度の類似度損傷パターン404を出力し、一連の回転変換処理を完了する。
このようにして、ステップS100の処理が完了すると、判定支援情報の表示処理が行なわれる(ステップS307)。
この判定支援情報の表示処理では、回転変換後の角度毎に、ステップS100により取得した類似損傷パターンと一致率および所見について、判定支援情報として表示装置7のディスプレイ画像に表示が行なわれる。
この判定支援情報の表示処理では、回転変換後の角度毎に、ステップS100により取得した類似損傷パターンと一致率および所見について、判定支援情報として表示装置7のディスプレイ画像に表示が行なわれる。
次に、判定入力処理(ステップS308)を行ない、その結果について良否判定が行なわれる(ステップS309)。
ここで、判定入力処理S308にて、検査対象の量子化画像について検査員が不良と判定入力した場合、学習部11において損傷パターンの学習処理(ステップS200)が行なわれる。
ここで、判定入力処理S308にて、検査対象の量子化画像について検査員が不良と判定入力した場合、学習部11において損傷パターンの学習処理(ステップS200)が行なわれる。
損傷パターンの学習処理S200においては、まず回転角入力処理(ステップS312)が行なわれ、量子化画像内の損傷形状について角度を明示して、表示装置7のディスプレイ画像に表示が行なわれる。
次に、量子化画像の回転変換処理(ステップS313)を行なった後、学習部11は変換後の画像を用いて、回転角毎の量子化画像による教師あり学習処理(ステップS314)が行なわれる。
この際、変換後の画像を用いて、全ての回転角について順次、量子化画像を用いた検査員による所見入力処理(ステップS315)が行なわれる。この所見入力結果に基づいて、ニューラルネットワーク演算にて用いられる結合荷重値が更新される。
かくして、回転角毎に入力された所見は所見保存処理(ステップS316)にて記憶装置6に保存され、検査が終了する。
次に、量子化画像の回転変換処理(ステップS313)を行なった後、学習部11は変換後の画像を用いて、回転角毎の量子化画像による教師あり学習処理(ステップS314)が行なわれる。
この際、変換後の画像を用いて、全ての回転角について順次、量子化画像を用いた検査員による所見入力処理(ステップS315)が行なわれる。この所見入力結果に基づいて、ニューラルネットワーク演算にて用いられる結合荷重値が更新される。
かくして、回転角毎に入力された所見は所見保存処理(ステップS316)にて記憶装置6に保存され、検査が終了する。
一方、判定入力処理S308にて、検査対象の量子化画像について検査員が良と判定入力した場合、そのまま検査が終了する。
以上説明した通り、この実施の形態による外観検査支援装置は、検査対象を撮像する撮像装置3と、撮像装置3の撮影画像を、輝度情報を含む量子化画像に量子化する量子化演算装置4と、量子化演算装置4により量子化された量子化画像を回転変換し、回転変換後の量子化画像に基づいて、画像の回転角毎にニューラルネットワーク演算により類似損傷パターンと一致率の算出を行なうニューラルネットワーク演算部10と、ニューラルネットワーク演算部10により得られた回転角毎の類似損傷パターンと一致率と所見を表示する表示装置7と、量子化画像の回転角毎に、検査員の判定と所見を入力して保存する操作入力装置8と、操作入力装置8により入力された回転角毎の検査員の判定と所見結果および量子化画像に基づいて、ニューラルネットワーク演算部に対し損傷パターンの学習を行なう学習部11を備えたものである。
この構成により、この実施の形態による外観検査支援装置は、損傷パターンの回転に伴う認識率の低下を抑制することが可能となる。また、目視検査の過程で、教師あり学習処理を行なって損傷識別能力の向上を図るため、検査員による装置運用に伴う負担を軽減することができる。
さらに、輝度情報を含んだ検査画像に対して、ニューラルネットワーク演算による既知の損傷パターン照会を行ない、回転角ごとに検査画像を変換して損傷パターン照会を行なった出力結果を、目視検査における検査員に対して、損傷候補を判定識別するための支援情報として提供することで、未習熟な検査員でも長期の訓練期間を要することなしに熟練検査員に近いレベルの検査を行なうことが可能となる。
1 検査対象、2 XYステージ、3 撮像装置、4 量子化演算装置、5 制御装置、6 記憶装置、7 表示装置、8 操作入力装置、10 ニューラルネットワーク演算装置、11 学習部。
Claims (1)
- 検査対象を撮像する撮像装置と、
上記撮像装置の撮影画像を、輝度情報を含む量子化画像に量子化する量子化演算装置と、
上記量子化演算装置により量子化された量子化画像を回転変換し、回転変換後の量子化画像に基づいて、画像の回転角毎にニューラルネットワーク演算により類似損傷パターンと一致率の算出を行なうニューラルネットワーク演算部と、
上記ニューラルネットワーク演算部により得られた回転角毎の類似損傷パターンと一致率と所見を表示する表示装置と、
上記量子化画像の回転角毎に、検査員の判定と所見を入力して保存する操作入力装置と、
上記操作入力装置により入力された回転角毎の検査員の判定と所見結果および量子化画像に基づいて、ニューラルネットワーク演算部に対し損傷パターンの学習を行なう学習部と、
を備えた外観検査支援装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008081118A JP2009236593A (ja) | 2008-03-26 | 2008-03-26 | 外観検査支援装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008081118A JP2009236593A (ja) | 2008-03-26 | 2008-03-26 | 外観検査支援装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2009236593A true JP2009236593A (ja) | 2009-10-15 |
Family
ID=41250738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008081118A Pending JP2009236593A (ja) | 2008-03-26 | 2008-03-26 | 外観検査支援装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2009236593A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919908A (zh) * | 2019-01-23 | 2019-06-21 | 华灿光电(浙江)有限公司 | 发光二极管芯片缺陷检测的方法和装置 |
JP2019207194A (ja) * | 2018-05-30 | 2019-12-05 | 勇貴 高橋 | 検査システム及びプログラム |
JPWO2022014019A1 (ja) * | 2020-07-16 | 2022-01-20 |
-
2008
- 2008-03-26 JP JP2008081118A patent/JP2009236593A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019207194A (ja) * | 2018-05-30 | 2019-12-05 | 勇貴 高橋 | 検査システム及びプログラム |
CN109919908A (zh) * | 2019-01-23 | 2019-06-21 | 华灿光电(浙江)有限公司 | 发光二极管芯片缺陷检测的方法和装置 |
JPWO2022014019A1 (ja) * | 2020-07-16 | 2022-01-20 | ||
JP7221419B2 (ja) | 2020-07-16 | 2023-02-13 | 日揮グローバル株式会社 | 検査システム、判定処理装置、及び検査方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI787296B (zh) | 光學檢測方法、光學檢測裝置及光學檢測系統 | |
US20230162347A1 (en) | System and method for set up of production line inspection | |
EP3610986B1 (en) | Apparatus and method for shot peening evaluation | |
TW201840991A (zh) | 電路板點膠檢測裝置及檢測方法 | |
US20200096454A1 (en) | Defect detection system for aircraft component and defect detection method for aircraft component | |
JP2007292699A (ja) | 部材の表面検査方法 | |
JPWO2020110667A1 (ja) | 表面欠陥検出方法、表面欠陥検出装置、鋼材の製造方法、鋼材の品質管理方法、鋼材の製造設備、表面欠陥判定モデルの生成方法、及び表面欠陥判定モデル | |
JP2017040510A (ja) | 検査装置、検査方法および物体製造方法 | |
US20220020136A1 (en) | Optimizing a set-up stage in an automatic visual inspection process | |
JP5786622B2 (ja) | 画質検査方法、画質検査装置及び画質検査プログラム | |
JP2009236593A (ja) | 外観検査支援装置 | |
JP2002140694A (ja) | 画像処理装置、画像処理方法および画像処理プログラムを記録した記録媒体 | |
JP2009097977A (ja) | 外観検査装置 | |
JP2009008502A (ja) | 表面状態検査のための情報登録方法および表面状態検査装置 | |
JP2002140713A (ja) | 画像処理方法およびその装置 | |
CN112088387B (zh) | 检测成像物品缺陷的系统和方法 | |
JP2001126064A (ja) | 金属表面の欠陥検出方法 | |
KR100833904B1 (ko) | 웨이퍼의 결함 탐지방법 및 장치 | |
Safizadeh et al. | Automated detection of inner surface defects in pipes using image processing algorithms | |
JP4302028B2 (ja) | 透明電極膜基板の検査装置及びその方法並びにプログラム | |
US11982628B2 (en) | System and method for detecting defects on imaged items | |
Shen et al. | Automatic system design for flange surface quality inspection with a bionic motion-vision paradigm | |
JP2023137057A (ja) | 欠陥予測モデルの生成方法、びん外観検査方法、およびびん外観検査装置 | |
JP2003294639A (ja) | 非金属介在物の自動検査方法及び装置 | |
JP2021179343A (ja) | 検査装置、検査方法、及び検査プログラム |