JP2014048206A - 欠陥分類装置、欠陥分類方法、制御プログラム、および記録媒体 - Google Patents

Abstract

【課題】膜内異物と膜上異物とを識別して分類する。
【解決手段】欠陥分類装置（１）は、欠陥領域の一部である外周領域に含まれる画素の色と、欠陥領域外の領域であり上記外周領域に隣接する近傍領域の画素の色との差異を示す特徴量を算出する分類指標算出部（１４）と、算出された上記特徴量に基づいて、上記欠陥領域の欠陥を膜内異物または膜上異物に分類する欠陥分類部（１５）とを備えている。
【選択図】図１

Description

本発明は、検査対象物を撮影して得た画像を解析することによる当該検査対象物の欠陥検出に関し、より詳細には検出された欠陥の分類に関する。

工業製品の製造工程において、欠陥の検査を行うことは、製品の品質を確保するために重要であり、一般的に行われている。また、検査装置を用いた自動検査も実用化されている。

例えば、下記の特許文献１には、検査対象物であるフラットパネルディスプレイの画像である入力画像を用いて、当該フラットパネルディスプレイに生じた欠陥を検出し、また検出した欠陥をタイプごとに分類することが記載されている。

特開２０１２−３２３６９号公報（２０１２年２月１６日公開）

ここで、配線が形成された基板のように、表面に薄膜が形成された製品では、膜内に異物が入り込んだことによる欠陥（以下、膜内異物と呼ぶ）が生じることが知られている。また、膜内異物に外観上類似した欠陥として、膜上に異物が付着したことによる欠陥（以下、膜上異物と呼ぶ）も知られている。このような欠陥は、ＣＶＤ（Chemical Vapor Deposition）装置を用いて製造する製品に特に発生しやすい。

膜内異物は、製品の不良の原因となるため、リペア装置によって取り除く必要がある。一方、膜上異物は、洗浄によって除去されるため、不良の原因とはならない。このように、膜内異物と膜上異物とは、必要な対処法が異なっているため、これらの欠陥を識別できることが望ましい。

しかしながら、上述のような従来技術では、外観上類似する膜内異物と膜上異物とを識別することが困難、あるいは識別精度が低いという問題があった。

本発明は、上記の問題点に鑑みてなされたものであり、その目的は、膜内異物と膜上異物とを識別して分類することのできる欠陥分類装置等を提供することにある。

上記の課題を解決するために、本発明の一態様に係る欠陥分析装置は、表面に薄膜が形成された検査対象物を撮影した検査画像において検出された欠陥領域の欠陥を分類する欠陥分類装置であって、上記欠陥領域の一部であり、該欠陥領域の外周に沿った環状の領域である外周領域に含まれる画素の色と、上記欠陥領域外の領域であり、上記外周領域に隣接する非欠陥領域の画素の色との差異の大きさを示す特徴量を算出する特徴量算出手段と、上記特徴量算出手段が算出した上記特徴量に基づいて、上記欠陥領域の欠陥を、上記薄膜に対して上記検査対象物の内部側に異物が存在する膜内異物欠陥に分類するか、または上記薄膜に対して上記検査対象物の外部側に異物が存在する膜上異物欠陥に分類する欠陥分類手段とを備えていることを特徴としている。

また、本発明の一態様に係る欠陥分析方法は、表面に薄膜が形成された検査対象物を撮影した検査画像において検出された欠陥領域の欠陥を分類する欠陥分類装置による欠陥分析方法であって、上記欠陥領域の一部であり、該欠陥領域の外周に沿った環状の領域である外周領域に含まれる画素の色と、上記欠陥領域外の領域であり、上記外周領域に隣接する非欠陥領域の画素の色との差異の大きさを示す特徴量を算出する特徴量算出ステップと、上記特徴量算出ステップで算出した上記特徴量に基づいて、上記欠陥領域の欠陥を、上記薄膜に対して上記検査対象物の内部側に異物が存在する膜内異物欠陥に分類するか、または上記薄膜に対して上記検査対象物の外部側に異物が存在する膜上異物欠陥に分類する欠陥分類ステップとを含むことを特徴としている。

そして、本発明の他の態様に係る欠陥分析装置は、表面に薄膜が形成された検査対象物を撮影した検査画像において検出された欠陥領域の欠陥を分類する欠陥分類装置であって、上記欠陥領域の一部であり、該欠陥領域の外周に沿った環状の領域である外周領域に含まれる画素の色と、上記欠陥領域内の上記外周領域以外の領域である内部領域の画素の色との差異を示す特徴量を算出する特徴量算出手段と、上記特徴量算出手段が算出した上記特徴量に基づいて、上記欠陥領域の欠陥を、上記薄膜に対して上記検査対象物の内部側に異物が存在する膜内異物欠陥に分類するか、または上記薄膜に対して上記検査対象物の外部側に異物が存在する膜上異物欠陥に分類する欠陥分類手段とを備えていることを特徴としている。

また、本発明の他の態様に係る欠陥分析方法は、表面に薄膜が形成された検査対象物を撮影した検査画像において検出された欠陥領域の欠陥を分類する欠陥分類装置による欠陥分析方法であって、上記欠陥領域の一部であり、該欠陥領域の外周に沿った環状の領域である外周領域に含まれる画素の色と、上記欠陥領域内の上記外周領域以外の領域である内部領域の画素の色との差異を示す特徴量を算出する特徴量算出ステップと、上記特徴量算出ステップで算出した上記特徴量に基づいて、上記欠陥領域の欠陥を、上記薄膜に対して上記検査対象物の内部側に異物が存在する膜内異物欠陥に分類するか、または上記薄膜に対して上記検査対象物の外部側に異物が存在する膜上異物欠陥に分類する欠陥分類ステップとを含むことを特徴としている。

本発明の上記各態様によれば、膜内異物欠陥と膜上異物欠陥とを識別し、精度よく分類することができるという効果を奏する。

本発明の一実施形態に係る欠陥分類装置の要部構成を示すブロック図である。 膜内異物および膜上異物の相違を説明する図であり、同図の上側は膜内異物または膜上異物が撮影された検査画像の一例を示し、同図の下側は異物が付着した箇所の断面を模式的に示している。 欠陥領域を外周領域と内部領域とに分割し、外周領域の外側に近傍領域を設定した状態の一例を示す図である。 真の膜内異物の数と、上記欠陥分類装置が検出した膜内異物の数との相互関係を示す図である。 上記欠陥分類装置が実行する欠陥抽出／分類処理の一例を示すフローチャートである。 図５のＳ６で行われる欠陥分類処理の一例を示すフローチャートである。 他の分類用特徴量を併用して欠陥の分類を行う追加判定処理の一例を示すフローチャートである。

以下、本発明の実施の形態について、詳細に説明する。

〔欠陥分類装置の構成〕
まず、本実施形態に係る欠陥分類装置の構成を図１に基づいて説明する。図１は、欠陥分類装置１の要部構成の一例を示すブロック図である。

欠陥分類装置１は、検査対象物の表面に生じた欠陥を、該製品を撮影した画像である検査画像を解析して検出すると共に、検出した欠陥の分類を行う装置である。欠陥分類装置１は、表面に薄膜が形成された検査対象物において、膜内に異物が入り込んだことによる欠陥である膜内異物と、膜上に異物が付着したことによる欠陥である膜上異物とに分類することができる点が主な特徴点である。

図示のように、欠陥分類装置１は、制御部１０、記憶部２０、および検査画像入力部３０を備えている。なお、同図には示していないが、欠陥分類装置１は、ユーザの入力操作を受け付ける入力部や、欠陥の検出結果や分類結果を出力する出力部等を備えていてもよい。

制御部１０は、欠陥分類装置１の機能を統括して制御するものであり、アライメント部１１、欠陥抽出部１２、領域設定部（領域設定手段）１３、分類指標算出部（特徴量算出手段、領域幅算出手段、第１差分算出手段、第２差分算出手段）１４、および欠陥分類部（欠陥分類手段）１５を備えている。

記憶部２０は、欠陥分類装置１が使用する各種データを格納する記憶装置であり、図示の例では、良品画像２１、欠陥判定用情報２２、および欠陥分類用情報２３が格納されている。

検査画像入力部３０は、検査画像の入力を受け付けるインターフェースである。検査対象物のサイズが大きい場合には、欠陥検出に必要な解像度を確保するため、複数回の撮影によって１つの検査対象物の全体をカバーする。つまり、この場合には検査対象物の異なる部位をそれぞれ撮影して得た複数の検査画像を用いることによって、検査対象物の全体を検査する。以下では、１つの検査対象物の異なる部位をそれぞれ撮影して得た複数の検査画像の入力を受け付ける例を説明する。検査画像は、例えばデジタルカメラ等で検査対象物を撮影して得たものであってもよい。

アライメント部１１は、検査画像と良品画像２１とのアライメント（位置合わせ）を行う。上記のように、良品画像２１は検査画像よりも検査対象物の広い範囲をカバーしているため、アライメントを行わなければ良品画像２１と検査画像とを比較することができない。

このため、アライメント部１１は、良品画像２１と検査画像とを位置合わせして、位置合わせした領域で良品画像２１を切り出して、検査画像と画像サイズが等しく、また検査対象物の同一の部位に対応する良品画像２１を生成する。

より詳細には、検査画像と良品画像２１とのアライメントにおいて、アライメント部１１は、良品画像２１から公知のラプラシアンフィルタなどを用いてエッジを抽出し、良品エッジ画像を生成する。また、検査画像に対しても同様に検査エッジ画像を生成する。次に、上記良品エッジ画像と上記検査エッジ画像とを用い、良品エッジ画像上を２次元にスキャンし、位置毎に相関値を順次計算する。これには、例えば公知のテンプレートマッチング法を利用することができる。そして、最も相関値が高い位置を、最適な位置合わせ位置と決定する。なお、検査画像と良品画像２１とで撮像倍率に差がある場合には、検査画像を拡大・縮小してスキャンすることで最適な倍率を求めて、最適な倍率による画像リサイズの画像処理を検査画像に施す。また、検査画像と良品画像２１とに回転変形の差異がみられる場合には、回転角度を変更してスキャンすることで最適な角度を求めて、最適な回転角度による画像回転の画像処理を検査画像に施す。

欠陥抽出部１２は、アライメント後の検査画像とアライメント後の良品画像２１とを比較して検査画像における欠陥領域を抽出する。具体的には、検査画像と、アライメント部１１が切り出した良品画像２１とで対応する画素（検査対象物の同一部位に対応する画素）の画素値の差分の絶対値をそれぞれ算出する。そして、算出した各値と、欠陥判定用情報２２に含まれる閾値とを比較し、閾値以上である画素を欠陥部位に対応する欠陥画素と判定する。そして、検査画像において欠陥画素が集まっている領域を欠陥領域として抽出する。

領域設定部１３は、抽出された欠陥領域を内部領域と外周領域とに区分すると共に、欠陥領域の外側に近傍領域を設定する。なお、これらの領域の設定方法の詳細は後述する。

分類指標算出部１４は、設定された各領域（内部領域、外周領域、近傍領域）について、欠陥の分類に使用する分類用特徴量を算出する。この分類用特徴量の詳細についても後述する。

欠陥分類部１５は、算出された分類用特徴量を用いて欠陥を分類する。具体的には、欠陥分類部１５は、上記分類用特徴量と、欠陥分類用情報２３に含まれる閾値とを比較し、閾値以上である欠陥領域の欠陥を膜内異物に分類し、閾値未満である欠陥領域の欠陥を膜上異物に分類する。

良品画像２１は、欠陥のない検査対象物を示す画像であり、検査画像との比較のために用いられる。良品画像２１は、例えば欠陥を有さないことが確認された複数の検査画像を貼り合わせて生成されたものであってもよい。あるいは、製品の設計情報であるＣＡＤ（Computer Aided Design）データから作成した画像であってもよい。

欠陥判定用情報２２は、検査画像における欠陥箇所を判定するための情報であり、検査画像の画素が欠陥画素であるか否かを判定するための閾値を含む。

欠陥分類用情報２３は、検出された欠陥の分類に使用する情報であり、欠陥領域を内部領域と外周領域とに区分するための閾値、欠陥分類にどのような特徴量を使用するかを示す情報、および欠陥を膜内異物と膜上異物とに分類するための閾値を含む。

〔膜内異物および膜上異物〕
ここで、膜内異物および膜上異物の詳細について図２に基づいて説明する。図２は、膜内異物および膜上異物の相違を説明する図であり、同図の上側は膜内異物または膜上異物が撮影された検査画像の一例を示し、同図の下側は異物が付着した箇所の断面を模式的に示している。なお、ここでは、検査対象物が、透明基板上に配線が形成され、均一な厚さの薄膜によってコーティングされた、液晶表示装置のディスプレイパネルである例を示している。

図示のように、膜内異物が生じたディスプレイパネルを撮影した検査画像では、膜内異物が生じている箇所は、光を透過しないため黒く写っている。また、膜内異物の周囲の膜の色が変化している。

より詳細には、膜内異物の周囲には異物はなく、光を透過するため、異物がある箇所よりも色が薄くなっている。ただし、その色は、そのさらに外側の正常な箇所とは異なる色となっている。このため、膜内異物の周囲についても欠陥領域と判定される。なお、この色の変化は、同図の下側に示すように、異物があることにより異物の周囲の膜厚が変化し、これによって薄膜干渉が変化したことに起因すると推測される。

このような膜内異物が生じたディスプレイパネルは、膜内異物を除去するリペア装置に送ってリペアする必要がある。つまり、膜内異物は、リペアを要するキラー欠陥であると言える。

一方、膜上異物が生じたディスプレイパネルを撮影した検査画像でも、膜上異物が付着している箇所は、光を透過しないため黒く写っている。しかし、膜内異物の場合と異なり、膜上異物の周囲の膜の色は変化していない。これは、同図の下側に示すように、異物の周囲の膜厚に変化がないためである。

膜上異物は、洗浄によって除去することができるため、膜上異物が検出されたディスプレイパネルはリペア装置に送る必要はない。つまり、膜上異物は、リペアが不要な非キラー欠陥であると言える。

〔欠陥分類方法の詳細〕
以上のように、膜内異物が生じている場合、検出された欠陥領域の外周沿いの領域は、該領域に隣接する非欠陥領域とは異なる色となる。このため、検出された欠陥領域の外周領域の色が、該領域に隣接する非欠陥領域の色と異なっていれば、その欠陥領域が膜内異物によるものである可能性が高いと言える。

このため、欠陥分類装置１の領域設定部１３は、欠陥領域を外周領域と内部領域とに区分する。また、領域設定部１３は、外周領域の周囲に近傍領域を設定する。これらの領域の設定は、例えば図３のようになる。図３は、欠陥領域を外周領域と内部領域とに分割し、外周領域の外側に近傍領域を設定した状態の一例を示す図である。なお、同図では、欠陥領域から距離ｄ以内の領域を近傍領域としている。

欠陥領域を外周領域と内部領域とに区分する方法としては、欠陥領域の画素ごとに特徴量（領域判別用）を算出し、算出した特徴量を用いた２クラス１特徴量（２クラスは、内部領域と外周領域）の判別分析を適用することが可能である。

ここで、図２に基づいて説明したように、膜内異物に起因して生じる外周領域は、内部領域と色が異なっており、また輝度も異なっている。このため、上記の特徴量としては、輝度値や色相値を利用することができる。本実施形態では、輝度値を適用する例を説明する。

輝度値を領域判別用特徴量として用いる場合、欠陥領域の各画素について、その領域判別用特徴量が閾値以上であるか否かを判別することにより、欠陥領域を２つの領域（閾値以上の領域と閾値未満の領域）に分割する。そして、２つの領域のうち、内部側にある領域を内部領域とし、外側にある領域を外周領域とする。

なお、内部側と外側との判別は、モーメントの大小によって行うことができる。すなわち、まず欠陥領域の重心を求め、次に２つの領域の重心周りのモーメントを算出し、モーメントが小さい方の領域を内部領域とし、大きい方の領域を外周領域とする。また、検査対象物が、透明基板である場合のように、内部領域の画素の輝度値が外周領域の画素の輝度値よりも高いことが予め分かっている場合には、輝度値が閾値未満の領域を内部領域と判定してもよい。

このような処理により、膜内欠陥が生じている場合には、欠陥領域を、その外周に沿った環状の領域である外周領域と、外周領域で囲まれた内部領域とに分割することができる。

さらに、領域設定部１３は、決定した外周領域の外側に隣接する非欠陥領域において、一定の幅ｄを有する領域（外周領域までの距離がｄ以下となる画素で構成される領域）を近傍領域として決定する。

次に、以上のようにして決定した領域について、分類指標算出部１４は、欠陥分類のための指標となる分類用特徴量を算出する。より具体的には、分類指標算出部１４は、外周領域に含まれる画素の色相値の代表値と近傍領域に含まれる画素の色相値の代表値との角度差θ、および外周領域に含まれる画素の彩度の代表値ｒを算出し、これらを掛け合わせたｒ×θを欠陥の分類用特徴量として算出する。なお、色相は、Ｌａｂ色空間における色相ａｔａｎ２（ｂ，ａ）であり、彩度は、Ｌａｂ色空間における彩度ｓｑｒｔ（ａ＊ａ＋ｂ＊ｂ）である。

そして、欠陥分類部１５は、算出された分類用特徴量と、欠陥分類用情報２３に含まれる閾値とを比較して、分類用特徴量が閾値以上であれば膜内異物と判定し、閾値未満であれば膜上異物と判定する。本願の発明者による実験の結果から、近傍領域の色と外周領域の色との異なり具合、すなわち上記θの値が大きいほど、膜内異物である可能性が高くなることが確認されている。

なお、分類用特徴量は、外周領域と近傍領域との色差に応じた値となるものであればよく、上記の例に限られない。例えば、上記のθを分類用特徴量としてもよい。ただし、本願の発明者による実験の結果、外周領域の彩度が低いほど、膜内異物ではない欠陥を膜内異物と誤判定する確率が高くなることが分かっているので、θ単体を分類用特徴量とするよりも、ｒ×θを分類用特徴量とすることが好ましい。外周領域の彩度が低いほど、分類用特徴量ｒ×θは小さくなり、膜上異物と正しく判定する確率が高くなる。なお、これは、彩度が低いほど、僅かな色の差でθの値が大きく変動することに起因すると考えられる。

また、外周領域と近傍領域との輝度差を分類用特徴量とすることも考えられる。しかしながら、本願の発明者による実験の結果、上記のような色差によって判断する方が、より正確な分類が可能となることが分かっているので、色差に比例する分類用特徴量を用いることが望ましい。

〔分類による効果〕
ここでは、欠陥分類装置１による膜内異物と膜上異物の分類の効果を図４に基づいて説明する。図４は、真の膜内異物の数と、欠陥分類装置１が検出した膜内異物の数との相互関係を示す図である。

なお、同図では、（ａ＋ｂ＋ｃ＋ｄ）枚の入力画像のうち、真の膜内異物の数（実際に膜内異物が撮影されている入力画像の数）を（ａ＋ｂ）、欠陥分類装置１が検出した膜内異物の数（欠陥分類装置１が膜内異物を検出した入力画像の数）を（ｂ＋ｃ）としている。また、欠陥分類装置１が検出した膜内異物のうち、真の膜内異物の数をｂ、膜内異物ではなかった数をｃとしている。さらに、膜内異物が存在せず、かつ欠陥分類装置１が膜内異物を検出しなかった入力画像の数をｄとしている。

まず、欠陥分類装置１による膜内異物と膜上異物の分類の効果として、よい分類性能を得られる点が挙げられる。よい分類性能とは、未検出率および過検出率が低いことである。例えば、膜内異物の未検出率は、「検出できなかった（つまり見逃した）膜内異物の数」／「真の膜内異物の数」＝ａ／（ａ＋ｂ）と表すことができる。

また、膜内異物の過検出率は、「間違えて検出した（つまり本当は膜内異物でなかった）膜内異物の数」／「真の膜内異物でない入力画像の数」＝ｃ／（ｃ＋ｄ）と表すことができる。

欠陥分類装置１によれば、外周領域に含まれる画素の色と、近傍領域に含まれる画素の色との差異を示す分類用特徴量を用いて膜内異物と膜上異物とを分類するので、検出した真の膜内異物の数ｂを増やし、間違えて検出した膜内異物の数ｃを減らすことができる。

このため、未検出率：ａ／（ａ＋ｂ）および過検出率：ｃ／（ｃ＋ｄ）を低減させることができる。

さらに、分類精度も向上する。膜内異物の分類精度は、例えば「検出した真の膜内異物」／「検出した膜内異物の数」＝ｂ／（ｂ＋ｃ）と表すことができる。上記のように、欠陥分類装置１によれば、ｂを増やし、ｃを減らすことができるので、分類精度：ｂ／（ｂ＋ｃ）を上げることができる。また、膜内異物の分類精度が向上することによって、膜上異物の分類性能も向上する。

〔分類結果の利用〕
欠陥分類装置１の分類結果は、製品の製造工程において様々に活用することができる。例えば、ＦＤＣ（Fault Detection and Classification）に利用することができる。つまり、欠陥分類装置１により、製品の各種製造装置が発生させた膜内異物の数を検出、監視し、製造装置の異常を早期発見することが可能になる。

これに対し、従来は、膜内異物と膜上異物とを精度よく分類できなかったため、製造装置の異常発見の精度が悪い、もしくは発見が遅れる（早期発見が困難）という問題があった。

また、欠陥分類装置１によれば、膜内異物を除去するリペア装置に送るべき製品（または部品や組み立て途中の半製品）における、真の膜内異物を有する製品の割合を高めることができる。よって、リペア装置の稼働率を向上させることができる。また、リペア装置に全ての膜内異物を除去させることが可能になる（歩留りの向上）。

これに対し、従来は、膜内異物と膜上異物とを分類できなかった（あるいは分類精度が低かった）ため、リペア装置に送られた基板のうち、リペアすべき真の膜内異物のある製品が少なかった。このため、リペア装置の稼働率が低くなり、リペア装置の効率的運用ができなかった。また、リペア装置がすべての膜内異物を除去することができないという問題があった（歩留りの低下）。

また、欠陥分類装置１の分類結果を利用することにより、膜内異物の発生しやすい部位や、発生しやすい製造条件を特定することも可能になる。そして、膜内異物の多発を抑えるように、製造装置の改良、製造条件の変更を行うことも可能になる。

これに対し、従来は、膜内異物と膜上異物とを分類できなかった（あるいは分類精度が低かった）ため、解析によりこのような特定を行うことが困難であった。

さらに、欠陥分類装置１の分類結果を利用することにより、膜内異物の発生しやすい欠陥位置や欠陥の大きさを集計することも可能になる。そして、膜内異物が発生しても不良となりにくいような設計に変更することも可能になる。

これに対し、従来は、膜内異物と膜上異物とを分類できなかった（あるいは分類精度が低かった）ため、このような解析をすることが困難であった。

〔処理の流れ〕
続いて、欠陥分類装置１が実行する欠陥抽出／分類処理の流れを図５に基づいて説明する。図５は、欠陥抽出／分類処理の一例を示すフローチャートである。

まず、欠陥分類装置１では、初期化が行われる（Ｓ１）。これにより、記憶部２０から制御部１０に良品画像２１、欠陥判定用情報２２、および欠陥分類用情報２３が読み込まれる。そして、各検査画像について欠陥の抽出および分類を行う処理のループが開始される（Ｌ１）。

検査画像のループでは、アライメント部１１は、検査画像入力部３０に入力された複数の一枚を読み込む（Ｓ２）。そして、読み込んだ検査画像について、Ｓ１で読み込まれた良品画像２１とのアライメントを行い（Ｓ３）、良品画像２１をアライメント位置で切り抜く（Ｓ４）。切り抜かれた良品画像２１は、アライメントの対象とした一枚の検査画像と共に欠陥抽出部１２に送信される。

切り抜かれた良品画像２１と検査画像とを受信した欠陥抽出部１２は、検査画像の各画素の画素値と、切り抜かれた良品画像２１における対応する位置の画素の画素値との差分の絶対値をそれぞれ算出する。また、算出した差分の絶対値と、Ｓ１で読み込まれた欠陥判定用情報２２に含まれる閾値とを比較して、差分の絶対値が閾値以上となる画素を欠陥画素と特定する。そして、検査画像において、特定した欠陥画素が集まっている領域を欠陥領域として抽出する（Ｓ５）。なお、欠陥領域は、１枚の検査画像から複数抽出されてもよい。

また、欠陥抽出部１２は、抽出した欠陥領域を示す情報を検査画像と共に領域設定部１３に送信し、これにより欠陥分類処理が行われ、抽出された欠陥領域が膜内異物または膜上異物に分類される（Ｓ６）。

一方、Ｓ３でアライメントを行ったアライメント部１１は、検査画像入力部３０に入力された全ての検査画像のアライメントを終了したか判断する（Ｓ７）。ここで、アライメントが終了していない検査画像があると判断した場合（Ｓ７でＮＯ）、Ｓ２に戻ってアライメントの終了していない検査画像を読み込み、この検査画像についてＳ３からＳ６の処理が行われる。一方、全ての検査画像のアライメントを終了していると判断した場合（Ｓ７でＹＥＳ）、検査画像のループは終了し、欠陥抽出／分類処理も終了する。

〔欠陥分類処理〕
次に、図５のＳ６で行われる欠陥分類処理（欠陥分類方法）の詳細を図６に基づいて説明する。図６は、欠陥分類処理の一例を示すフローチャートである。

まず、領域設定部１３は、欠陥領域における外周領域と内部領域とを判別するための領域判別用特徴量を算出する（Ｓ１０）。具体的には、領域設定部１３は、欠陥抽出部１２から通知された欠陥領域に含まれる各画素の輝度値を領域判別用特徴量として算出する。

続いて、領域設定部１３は、算出した領域判別用特徴量を用いて内部領域と外周領域とを決定する（Ｓ１１）。具体的には、領域設定部１３は、欠陥領域の各画素について、その領域判別用特徴量が閾値以上であるか否かを判別することにより、欠陥領域を２つの領域（閾値以上の領域と閾値未満の領域）に分割する。そして、２つの領域のうち、内部側にある領域を内部領域とし、外側にある領域を外周領域とする。

次に、領域設定部１３は、近傍領域を決定する（Ｓ１２）。具体的には、領域設定部１３は、Ｓ１１で決定した外周領域の外側に隣接し、一定の幅を有する領域（外周領域までの距離が一定以下となる画素で構成される領域）を近傍領域として決定する。

そして、以上のようにして内部領域、外周領域、および近傍領域を決定した領域設定部１３は、これらの領域を分類指標算出部１４に通知する。

この通知を受信した分類指標算出部１４は、欠陥分類用情報２３を参照して、分類用特徴量として、ｒ×θ（ｒ：外周領域の彩度、θ：外周領域と近傍領域の色相値の差）を使用することを特定する。

そして、外周領域の色相値と、近傍領域の色相値とを算出し、これら色相値の角度差θを算出する（Ｓ１３）。なお、外周領域の色相値は、外周領域がどのような色であるかを示すものであればよく、例えば外周領域に含まれる各画素の色相値の算術平均値であってもよいし、中央値等であってもよい。近傍領域の色相値についても同様である。

また、分類指標算出部１４は、外周領域の彩度ｒを算出し（Ｓ１４）、これをＳ１３で算出したθと掛け合わせたｒ×θを欠陥の分類用特徴量として算出し（Ｓ１５）、これを欠陥分類部１５に通知する。なお、外周領域の彩度ｒも色相値と同様、外周領域がどのような彩度であるかを示すものであればよく、例えば外周領域に含まれる各画素の彩度の算術平均値であってもよいし、中央値等であってもよい。

分類用特徴量を受信した欠陥分類部１５は、この分類用特徴量と、欠陥分類用情報２３に含まれる欠陥分類用の閾値とを比較して、閾値以上であるか判定する（Ｓ１６）。

ここで、閾値以上であると判定した場合（Ｓ１６でＹＥＳ）、欠陥分類部１５は、当該欠陥領域に生じている欠陥が膜内異物によるものと判定し（Ｓ１７）、欠陥分類処理を終了する。

一方、閾値未満であると判定した場合（Ｓ１６でＮＯ）、欠陥分類部１５は、当該欠陥領域に生じている欠陥が膜上異物によるものと判定し（Ｓ１８）、欠陥分類処理を終了する。なお、図示の例には示していないが、判定結果はその欠陥領域と対応付けて記憶部２０に記憶する。また、記憶した判定結果は、欠陥分類装置１と一体に構成された、あるいは欠陥分類装置１に接続された表示装置に出力して表示させてもよい。

〔追加判定処理〕
図６の例では、１つの分類用特徴量（ｒ×θ）のみを用いて欠陥の分類を行っているが、他の分類用特徴量を併用することによって、欠陥の分類精度を向上させることが可能である。

これについて、図７に基づいて説明する。図７は、他の分類用特徴量を併用して欠陥の分類を行う追加判定処理の一例を示すフローチャートである。なお、追加判定処理は、図６のＳ１６でＹＥＳと判定された場合に行われる。

欠陥分類部１５は、分類用特徴量（ｒ×θ）が閾値以上であると判定した場合（図６のＳ１６でＹＥＳ）、分類指標算出部１４に次の特徴量を算出するように指示する。そして、この指示を受信した分類指標算出部１４は、外周領域の幅を算出し（Ｓ２０）、算出した幅を欠陥分類部１５に通知する。

なお、外周領域の幅とは、環状の外周領域の環の太さを示す数値であり、例えば外周領域の画素のうち、内部領域に接する位置の画素から近傍領域に接する位置の画素までの距離を外周領域の幅として算出してもよい。また、外周領域の全周にわたり複数個所の幅を算出し、算出した幅の代表値（算術平均値や中央値）を外周領域の幅としてもよいし、外周領域の一箇所について算出した幅をそのまま外周領域の幅としてもよい。

外周領域の幅の通知を受けた欠陥分類部１５は、通知された幅と、外周領域の幅に対応する閾値とを比較して、幅が閾値以上であるか判断する（Ｓ２１）。

なお、この判断は、膜内異物とは考えられない程度に外周領域の幅が小さい場合に、これを膜内異物と誤判定することを防ぐためのものである。このため、上記の閾値は、膜内異物に起因する外周領域が形成されているか否かを判定できるような値とする。この閾値は、欠陥分類部１５が参照可能に格納されていればよく、例えば欠陥分類用情報２３に含めておいてもよい。

ここで、幅が閾値未満であると判断した場合（Ｓ２１でＮＯ）、欠陥分類部１５は当該欠陥を膜上異物と判定し（Ｓ２７）、追加判定処理を終了する。一方、幅が閾値以上であると判断した場合（Ｓ２１でＹＥＳ）、欠陥分類部１５は、分類指標算出部１４に次の特徴量を算出するように指示する。

この指示を受信した分類指標算出部１４は、外周領域と内部領域との輝度差を算出し（Ｓ２２）、算出した値を欠陥分類部１５に通知する。例えば、外周領域に含まれる各画素について輝度値の算術平均や中央値を算出し、同様にして算出した内部領域に含まれる各画素の輝度値の算術平均や中央値との差分の絶対値を算出し、この値を上記の輝度差としてもよい。

外周領域と内部領域との輝度差の通知を受けた欠陥分類部１５は、通知された輝度差と、外周領域と内部領域との輝度差に対応する閾値とを比較して、輝度差が閾値以上であるか判断する（Ｓ２３）。

なお、この判断は、内部領域と外周領域の輝度値の差が小さく、膜内異物に起因する外周領域が形成されているとは言えないような場合に、これを膜内異物と誤判定することを防ぐためのものである。このため、上記の閾値は、膜内異物に起因する外周領域が形成されているか否かを判定できるような値とする。この閾値は、欠陥分類部１５が参照可能に格納されていればよく、例えば欠陥分類用情報２３に含めておいてもよい。

ここで、輝度差が閾値未満であると判断した場合（Ｓ２３でＮＯ）、欠陥分類部１５は当該欠陥を膜上異物と判定し（Ｓ２７）、追加判定処理を終了する。一方、輝度差が閾値以上であると判断した場合（Ｓ２３でＹＥＳ）、欠陥分類部１５は、分類指標算出部１４に次の特徴量を算出するように指示する。

この指示を受信した分類指標算出部１４は、外周領域と近傍領域との輝度差を算出し（Ｓ２４）、算出した値を欠陥分類部１５に通知する。例えば、外周領域に含まれる各画素について輝度値の算術平均や中央値を算出し、同様にして算出した近傍領域に含まれる各画素の輝度値の算術平均や中央値との差分の絶対値を算出し、この値を上記の輝度差としてもよい。

外周領域と近傍領域との輝度差の通知を受けた欠陥分類部１５は、通知された輝度差と、外周領域と近傍領域との輝度差に対応する閾値とを比較して、輝度差が閾値未満であるか判断する（Ｓ２５）。

なお、この判断は、外周領域と近傍領域との輝度差が大きく、膜内異物に起因する外周領域が形成されているとは言えないような場合に、これを膜内異物と誤判定することを防ぐためのものである。このため、上記の閾値は、膜内異物に起因する外周領域が形成されているか否かを判定できるような値とする。なお、図２に基づいて説明したように、膜内異物が生じている場合には、外周領域と近傍領域とは、輝度差はあるものの、内部領域と近傍領域との間ほどの大きい輝度差とはならない。この閾値は、欠陥分類部１５が参照可能に格納されていればよく、例えば欠陥分類用情報２３に含めておいてもよい。

ここで、輝度差が閾値未満であると判断した場合（Ｓ２５でＹＥＳ）、欠陥分類部１５は当該欠陥を膜内異物と判定し（Ｓ２６）、追加判定処理を終了する。一方、輝度差が閾値以上であると判断した場合（Ｓ２５でＮＯ）、欠陥分類部１５は、膜上異物と判定し（Ｓ２７）、追加判定処理を終了する。

なお、図６のＳ１１では、欠陥の種類にかかわらず、一律に内部領域と外周領域を設定しているため、欠陥の種類が膜上異物である場合等には、外周領域が環状とならないことも想定される。このような場合、Ｓ２０において幅が算出できない箇所が検出されることになるので、分類指標算出部１４は幅の算出が不能である旨を欠陥分類部１５に通知する。この場合、欠陥分類部１５は膜上異物と判定して処理を終了する。

また、上記の例では、他の分類用特徴量についても全て分類指標算出部１４が算出する例を示したが、異なる特徴量は異なる処理ブロックで算出するようにしてもよい。つまり、分類指標算出部１４はｒ×θのみを算出するようにし、外周領域の幅、外周領域と内部領域との輝度差、および外周領域と近傍領域との輝度差については、それぞれ別の処理ブロック（図１には示していない）で算出するようにしてもよい。例えば、領域幅算出手段のブロックを追加して該ブロックに領域幅を算出させ、第１差分算出手段のブロックを追加して該ブロックに外周領域と内部領域の輝度差を算出させ、第２差分算出手段のブロックを追加して該ブロックに外周領域と近傍領域の輝度差を算出させてもよい。

また、上記の例では、外周領域の幅、外周領域と内部領域との輝度差、および外周領域と近傍領域との輝度差を全て使用して判定を行っているが、これらの一部のみを使用する構成としてもよい。

図６と図７のフローチャートは、複数の分類用特徴量を個別に順次判定して欠陥の分類を行う欠陥分類処理であった。しかしながら、欠陥分類処理はこれに限定されるものではない。複数の分類用特徴量を用いて、膜内異物と膜上異物を分類する処理として、サポートベクターマシーン（Support Vector Machine）、ニューラルネットワーク、ベイズ分類等を用いてもよい。

〔変形例〕
上述の欠陥分類装置１は、外周領域と近傍領域との色差を示す分類用特徴量を用いて分類を行っているが、内部領域と外周領域との色差を示す分類用特徴量を用いて分類を行うことも可能である。図２に基づいて説明したように、膜内異物の場合には、欠陥領域の外周領域と内部領域とで色が異なっているためである。

この場合、領域設定部１３は、外周領域と内部領域とを設定すればよく、近傍領域を設定する必要はない。そして、分類指標算出部１４は、外周領域の色相の代表値と、内部領域の色相の代表値とを算出し、それらの差分の絶対値を分類用特徴量とする。欠陥分類部１５は、外周領域と内部領域との色差が大きい場合、具体的には上記分類用特徴量が所定の閾値以上である場合に、当該欠陥を膜内異物と判定する。

また、上述の欠陥分類装置１は、欠陥の検出および分類の両方を行うが、欠陥の検出と分類とを異なる装置で行うようにしてもよい。つまり、欠陥分類装置１は、アライメント部１１および欠陥抽出部１２を備えていなくともよい。この場合、欠陥の検出を行う欠陥検出装置から、欠陥の検出結果を受信して、この検出結果を用いて欠陥の分類を行う。また、欠陥の検出方法は、検査画像における欠陥領域を特定できるものであればよく、上記の例に限られない。

さらに、上述の欠陥分類装置１は、欠陥領域を内部領域と外周領域に分割しているが、欠陥抽出の閾値を変更することにより、内部領域のみを欠陥領域として抽出してもよい。この場合、欠陥領域の周囲の非欠陥領域において、外周領域および近傍領域を設定すればよい。例えば、欠陥領域までの距離がＤ以下の画素を近傍領域とし、この近傍領域において輝度値に基づく判別分析を行って外周領域を設定してもよい。

なお、検査対象物は、膜内異物および膜上異物が生じ得るもの、すなわち表面に薄膜が形成されたものであればよく、特に限定されない。例えば、ディスプレイパネルの表示部、半導体ウェハー、または薄膜太陽電池基板であってもよい。

〔まとめ〕
本発明の一態様に係る欠陥分析装置（１）は、表面に薄膜が形成された検査対象物を撮影した検査画像において検出された欠陥領域の欠陥を分類する欠陥分類装置であって、上記欠陥領域の一部であり、該欠陥領域の外周に沿った環状の領域である外周領域に含まれる画素の色と、上記欠陥領域外の領域であり、上記外周領域に隣接する非欠陥領域（近傍領域）の画素の色との差異の大きさを示す特徴量を算出する特徴量算出手段（分類指標算出部１４）と、上記特徴量算出手段が算出した上記特徴量に基づいて、上記欠陥領域の欠陥を、上記薄膜に対して上記検査対象物の内部側に異物が存在する膜内異物欠陥に分類するか、または上記薄膜に対して上記検査対象物の外部側に異物が存在する膜上異物欠陥に分類する欠陥分類手段（欠陥分類部１５）とを備えていることを特徴としている。

また、本発明の一態様に係る欠陥分析方法は、表面に薄膜が形成された検査対象物を撮影した検査画像において検出された欠陥領域の欠陥を分類する欠陥分類装置による欠陥分析方法であって、上記欠陥領域の一部であり、該欠陥領域の外周に沿った環状の領域である外周領域に含まれる画素の色と、上記欠陥領域外の領域であり、上記外周領域に隣接する非欠陥領域の画素の色との差異の大きさを示す特徴量を算出する特徴量算出ステップと、上記特徴量算出ステップで算出した上記特徴量に基づいて、上記欠陥領域の欠陥を、上記薄膜に対して上記検査対象物の内部側に異物が存在する膜内異物欠陥に分類するか、または上記薄膜に対して上記検査対象物の外部側に異物が存在する膜上異物欠陥に分類する欠陥分類ステップとを含むことを特徴としている。

上記の構成によれば、欠陥領域の外周沿いの環状の領域である外周領域に含まれる画素の色と、外周領域に隣接する非欠陥領域の画素の色との差異を示す特徴量を算出する。そして、算出した特徴量に基づいて、欠陥領域の欠陥を膜内異物欠陥または膜上異物欠陥に分類する。

図２に基づいて説明したように、膜内異物欠陥の場合には、外周領域と、外周領域に隣接する非欠陥領域（近傍領域）の色に差が生じるため、上記の特徴量を用いることによって、膜内異物欠陥と膜上異物欠陥とを識別し、精度よく分類することができる。

また、本発明の一態様に係る欠陥分析装置では、上記欠陥領域に含まれる各画素の輝度値に基づいて上記外周領域を設定する領域設定手段（領域設定部１３）を備えていることが好ましい。

図２に基づいて説明したように、膜内異物欠陥の場合には、欠陥領域の外周領域と内部領域とで輝度差が生じるため、上記の構成によれば、非欠陥領域（近傍領域）と色の差異を比較する対象とすべき外周領域を適切に設定することができる。

また、本発明の一態様に係る欠陥分析装置では、上記特徴量算出手段は、上記外周領域に含まれる画素の色相の代表値と、上記非欠陥領域に含まれる画素の色相の代表値との差分に、上記外周領域に含まれる画素の彩度の代表値を乗じた値を上記特徴量として算出することが好ましい。

上記の構成によれば、色相の代表値の差分に彩度の代表値を乗じた値を特徴量として算出する。色相の代表値の差分は、色の差異を数値で示すものであるから、これを含む特徴量は、外周領域と非欠陥領域との色の差異の大きさを反映したものとなる。なお、代表値とは、当該領域を代表する値であり、当該領域がどのような色相あるいは彩度であるかを示す値である。具体例を挙げれば、当該領域に含まれる各画素の色相（または彩度）の算術平均値や、中央値等を代表値とすることができる。

また、上述のように、外周領域の彩度が低いほど、膜内異物ではない欠陥を膜内異物欠陥と判定する確率が高くなることが分かっている。このため、外周領域の彩度を色相の代表値の差分に乗じた値を特徴量とすることにより、実際には膜内異物欠陥ではない欠陥を膜内異物欠陥と誤判定する確率を低減することができる。

また、本発明の一態様に係る欠陥分析装置は、上記外周領域の環の幅を算出する領域幅算出手段（分類指標算出部１４）を備え、上記欠陥分類手段は、上記特徴量算出手段が算出した上記特徴量が色に基づく欠陥分類用の予め定められた閾値以上であり、かつ上記領域幅算出手段が算出した幅が、領域幅に基づく欠陥分類用の予め定められた閾値以上である場合に、上記欠陥領域の欠陥を膜内異物欠陥に分類することが好ましい。

上記の構成によれば、特徴量算出手段が算出した特徴量が閾値以上であり、かつ外周領域の環の幅が閾値以上である場合に、その欠陥領域の欠陥を膜内異物欠陥に分類する。

これにより、膜内異物欠陥とは考えられない程度に外周領域の幅が小さい場合に、これを膜内異物欠陥と誤判定することを防ぐことが可能になる。

また、本発明の一態様に係る欠陥分析装置は、上記外周領域に含まれる画素の輝度値の代表値と、上記欠陥領域内の上記外周領域以外の領域である内部領域に含まれる画素の輝度値の代表値との差分を算出する第１差分算出手段（分類指標算出部１４）を備え、上記欠陥分類手段は、上記特徴量算出手段が算出した上記特徴量が色に基づく欠陥分類用の予め定められた閾値以上であり、かつ上記第１差分算出手段が算出した輝度値の差分が、上記外周領域と内部領域との輝度差に基づく欠陥分類用の予め定められた閾値以上である場合に、上記欠陥領域の欠陥を膜内異物欠陥に分類することが好ましい。

上記の構成によれば、特徴量算出手段が算出した特徴量が閾値以上であり、かつ外周領域に含まれる画素の輝度値の代表値と、内部領域に含まれる画素の輝度値の代表値との差分が閾値以上である場合に、その欠陥領域の欠陥を膜内異物欠陥に分類する。

これにより、内部領域と外周領域の輝度値の差が小さく、膜内異物欠陥に起因する外周領域が形成されているとは言えないような場合に、これを膜内異物欠陥と誤判定することを防ぐことが可能になる。

また、本発明の一態様に係る欠陥分析装置は、上記外周領域に含まれる画素の輝度値の代表値と、上記非欠陥領域に含まれる画素の輝度値の代表値との差分を算出する第２差分算出手段（分類指標算出部１４）を備え、上記欠陥分類手段は、上記特徴量算出手段が算出した上記特徴量が色に基づく欠陥分類用の予め定められた閾値以上であり、かつ上記第２差分算出手段が算出した輝度値の差分が、上記外周領域と非欠陥領域との輝度差に基づく欠陥分類用の予め定められた閾値未満である場合に、上記欠陥領域の欠陥を膜内異物欠陥に分類することが好ましい。

上記の構成によれば、特徴量算出手段が算出した特徴量が閾値以上であり、かつ外周領域に含まれる画素の輝度値の代表値と、非欠陥領域に含まれる画素の輝度値の代表値との差分が閾値未満である場合に、その欠陥領域の欠陥を膜内異物欠陥に分類する。

これにより、外周領域と非欠陥領域との輝度差が大きく、膜内異物欠陥に起因する外周領域が形成されているとは言えないような場合に、これを膜内異物欠陥と誤判定することを防ぐことが可能になる。

また、本発明の他の態様に係る欠陥分析装置は、表面に薄膜が形成された検査対象物を撮影した検査画像において検出された欠陥領域の欠陥を分類する欠陥分類装置であって、上記欠陥領域の一部であり、該欠陥領域の外周に沿った環状の領域である外周領域に含まれる画素の色と、上記欠陥領域内の上記外周領域以外の領域である内部領域の画素の色との差異を示す特徴量を算出する特徴量算出手段と、上記特徴量算出手段が算出した上記特徴量に基づいて、上記欠陥領域の欠陥を、上記薄膜に対して上記検査対象物の内部側に異物が存在する膜内異物欠陥に分類するか、または上記薄膜に対して上記検査対象物の外部側に異物が存在する膜上異物欠陥に分類する欠陥分類手段とを備えていることを特徴としている。

そして、本発明の他の態様に係る欠陥分析方法は、表面に薄膜が形成された検査対象物を撮影した検査画像において検出された欠陥領域の欠陥を分類する欠陥分類装置による欠陥分析方法であって、上記欠陥領域の一部であり、該欠陥領域の外周に沿った環状の領域である外周領域に含まれる画素の色と、上記欠陥領域内の上記外周領域以外の領域である内部領域の画素の色との差異を示す特徴量を算出する特徴量算出ステップと、上記特徴量算出ステップで算出した上記特徴量に基づいて、上記欠陥領域の欠陥を、上記薄膜に対して上記検査対象物の内部側に異物が存在する膜内異物欠陥に分類するか、または上記薄膜に対して上記検査対象物の外部側に異物が存在する膜上異物欠陥に分類する欠陥分類ステップとを含むことを特徴としている。

上記の構成によれば、欠陥領域の外周沿いの環状の領域である外周領域に含まれる画素の色と、欠陥領域内の上記外周領域以外の領域、つまり外周領域に囲まれる内部領域の画素の色との差異を示す特徴量を算出する。そして、算出した特徴量に基づいて、欠陥領域の欠陥を膜内異物欠陥または膜上異物欠陥に分類する。

図２に基づいて説明したように、膜内異物欠陥の場合には、欠陥領域の外周領域と内部領域とで色の差異が生じるため、上記の特徴量を用いることによって、膜内異物欠陥と膜上異物欠陥とを識別し、精度よく分類することができる。

なお、上記欠陥分類装置は、コンピュータによって実現してもよく、この場合には、コンピュータを上記欠陥分類装置の各手段として動作させることにより、上記欠陥分類装置をコンピュータにて実現させる制御プログラム、及びそれを記録したコンピュータ読み取り可能な記録媒体も本発明の範疇に入る。

本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

〔ソフトウェアによる実現例〕
最後に、欠陥分類装置１の各ブロック、特に制御部１０は、集積回路（ＩＣチップ）上に形成された論理回路によってハードウェア的に実現してもよいし、ＣＰＵ（Central Processing Unit）を用いてソフトウェア的に実現してもよい。

後者の場合、欠陥分類装置１は、各機能を実現するプログラムの命令を実行するＣＰＵ、上記プログラムを格納したＲＯＭ（Read Only Memory）、上記プログラムを展開するＲＡＭ（Random Access Memory）、上記プログラムおよび各種データを格納するメモリ等の記憶装置（記録媒体）などを備えている。そして、本発明の目的は、上述した機能を実現するソフトウェアである欠陥分類装置１の制御プログラムのプログラムコード（実行形式プログラム、中間コードプログラム、ソースプログラム）をコンピュータで読み取り可能に記録した記録媒体を、欠陥分類装置１に供給し、そのコンピュータ（またはＣＰＵやＭＰＵ）が記録媒体に記録されているプログラムコードを読み出し実行することによっても、達成可能である。

上記記録媒体としては、一時的でない有形の媒体（non-transitory tangible medium）、例えば、磁気テープやカセットテープ等のテープ類、フロッピー（登録商標）ディスク／ハードディスク等の磁気ディスクやＣＤ−ＲＯＭ／ＭＯ／ＭＤ／ＤＶＤ／ＣＤ−Ｒ等の光ディスクを含むディスク類、ＩＣカード（メモリカードを含む）／光カード等のカード類、マスクＲＯＭ／ＥＰＲＯＭ／ＥＥＰＲＯＭ（登録商標）／フラッシュＲＯＭ等の半導体メモリ類、あるいはＰＬＤ（Programmable logic device）やＦＰＧＡ（Field Programmable Gate Array）等の論理回路類などを用いることができる。

また、欠陥分類装置１を通信ネットワークと接続可能に構成し、上記プログラムコードを通信ネットワークを介して供給してもよい。この通信ネットワークは、プログラムコードを伝送可能であればよく、特に限定されない。例えば、インターネット、イントラネット、エキストラネット、ＬＡＮ、ＩＳＤＮ、ＶＡＮ、ＣＡＴＶ通信網、仮想専用網（Virtual Private Network）、電話回線網、移動体通信網、衛星通信網等が利用可能である。また、この通信ネットワークを構成する伝送媒体も、プログラムコードを伝送可能な媒体であればよく、特定の構成または種類のものに限定されない。例えば、ＩＥＥＥ１３９４、ＵＳＢ、電力線搬送、ケーブルＴＶ回線、電話線、ＡＤＳＬ（Asymmetric Digital Subscriber Line）回線等の有線でも、ＩｒＤＡやリモコンのような赤外線、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＩＥＥＥ８０２．１１無線、ＨＤＲ（High Data Rate）、ＮＦＣ（Near Field Communication）、ＤＬＮＡ（Digital Living Network Alliance）、携帯電話網、衛星回線、地上波デジタル網等の無線でも利用可能である。なお、本発明は、上記プログラムコードが電子的な伝送で具現化された、搬送波に埋め込まれたコンピュータデータ信号の形態でも実現され得る。

本発明は、工業製品の欠陥検査に利用することができる。

１ 欠陥分類装置
１３ 領域設定部（領域設定手段）
１４ 分類指標算出部（特徴量算出手段、領域幅算出手段、第１差分算出手段、第２差分算出手段）
１５ 欠陥分類部（欠陥分類手段）

Claims (11)

1. 表面に薄膜が形成された検査対象物を撮影した検査画像において検出された欠陥領域の欠陥を分類する欠陥分類装置であって、
   上記欠陥領域の一部であり、該欠陥領域の外周に沿った環状の領域である外周領域に含まれる画素の色と、上記欠陥領域外の領域であり、上記外周領域に隣接する非欠陥領域の画素の色との差異の大きさを示す特徴量を算出する特徴量算出手段と、
   上記特徴量算出手段が算出した上記特徴量に基づいて、上記欠陥領域の欠陥を、上記薄膜に対して上記検査対象物の内部側に異物が存在する膜内異物欠陥に分類するか、または上記薄膜に対して上記検査対象物の外部側に異物が存在する膜上異物欠陥に分類する欠陥分類手段とを備えていることを特徴とする欠陥分類装置。
2. 上記欠陥領域に含まれる各画素の輝度値に基づいて上記外周領域を設定する領域設定手段を備えていることを特徴とする請求項１に記載の欠陥分類装置。
3. 上記特徴量算出手段は、上記外周領域に含まれる画素の色相の代表値と、上記非欠陥領域に含まれる画素の色相の代表値との差分に、上記外周領域に含まれる画素の彩度の代表値を乗じた値を上記特徴量として算出することを特徴とする請求項１または２に記載の欠陥分類装置。
4. 上記外周領域の環の幅を算出する領域幅算出手段を備え、
   上記欠陥分類手段は、上記特徴量算出手段が算出した上記特徴量が色に基づく欠陥分類用の予め定められた閾値以上であり、かつ上記領域幅算出手段が算出した幅が、領域幅に基づく欠陥分類用の予め定められた閾値以上である場合に、上記欠陥領域の欠陥を膜内異物欠陥に分類することを特徴とする請求項１から３の何れか１項に記載の欠陥分類装置。
5. 上記外周領域に含まれる画素の輝度値の代表値と、上記欠陥領域内の上記外周領域以外の領域である内部領域に含まれる画素の輝度値の代表値との差分を算出する第１差分算出手段を備え、
   上記欠陥分類手段は、上記特徴量算出手段が算出した上記特徴量が色に基づく欠陥分類用の予め定められた閾値以上であり、かつ上記第１差分算出手段が算出した輝度値の差分が、上記外周領域と内部領域との輝度差に基づく欠陥分類用の予め定められた閾値以上である場合に、上記欠陥領域の欠陥を膜内異物欠陥に分類することを特徴とする請求項１から４の何れか１項に記載の欠陥分類装置。
6. 上記外周領域に含まれる画素の輝度値の代表値と、上記非欠陥領域に含まれる画素の輝度値の代表値との差分を算出する第２差分算出手段を備え、
   上記欠陥分類手段は、上記特徴量算出手段が算出した上記特徴量が色に基づく欠陥分類用の予め定められた閾値以上であり、かつ上記第２差分算出手段が算出した輝度値の差分が、上記外周領域と非欠陥領域との輝度差に基づく欠陥分類用の予め定められた閾値未満である場合に、上記欠陥領域の欠陥を膜内異物欠陥に分類することを特徴とする請求項１から５の何れか１項に記載の欠陥分類装置。
7. 表面に薄膜が形成された検査対象物を撮影した検査画像において検出された欠陥領域の欠陥を分類する欠陥分類装置であって、
   上記欠陥領域の一部であり、該欠陥領域の外周に沿った環状の領域である外周領域に含まれる画素の色と、上記欠陥領域内の上記外周領域以外の領域である内部領域の画素の色との差異を示す特徴量を算出する特徴量算出手段と、
   上記特徴量算出手段が算出した上記特徴量に基づいて、上記欠陥領域の欠陥を、上記薄膜に対して上記検査対象物の内部側に異物が存在する膜内異物欠陥に分類するか、または上記薄膜に対して上記検査対象物の外部側に異物が存在する膜上異物欠陥に分類する欠陥分類手段とを備えていることを特徴とする欠陥分類装置。
8. 表面に薄膜が形成された検査対象物を撮影した検査画像において検出された欠陥領域の欠陥を分類する欠陥分類装置による欠陥分析方法であって、
   上記欠陥領域の一部であり、該欠陥領域の外周に沿った環状の領域である外周領域に含まれる画素の色と、上記欠陥領域外の領域であり、上記外周領域に隣接する非欠陥領域の画素の色との差異の大きさを示す特徴量を算出する特徴量算出ステップと、
   上記特徴量算出ステップで算出した上記特徴量に基づいて、上記欠陥領域の欠陥を、上記薄膜に対して上記検査対象物の内部側に異物が存在する膜内異物欠陥に分類するか、または上記薄膜に対して上記検査対象物の外部側に異物が存在する膜上異物欠陥に分類する欠陥分類ステップとを含むことを特徴とする欠陥分類方法。
9. 表面に薄膜が形成された検査対象物を撮影した検査画像において検出された欠陥領域の欠陥を分類する欠陥分類装置による欠陥分析方法であって、
   上記欠陥領域の一部であり、該欠陥領域の外周に沿った環状の領域である外周領域に含まれる画素の色と、上記欠陥領域内の上記外周領域以外の領域である内部領域の画素の色との差異を示す特徴量を算出する特徴量算出ステップと、
   上記特徴量算出ステップで算出した上記特徴量に基づいて、上記欠陥領域の欠陥を、上記薄膜に対して上記検査対象物の内部側に異物が存在する膜内異物欠陥に分類するか、または上記薄膜に対して上記検査対象物の外部側に異物が存在する膜上異物欠陥に分類する欠陥分類ステップとを含むことを特徴とする欠陥分類方法。
10. 請求項１から７の何れか１項に記載の欠陥分類装置を動作させるための制御プログラムであって、コンピュータを上記各手段として機能させるための制御プログラム。
11. 請求項１０に記載の制御プログラムを記録したコンピュータ読み取り可能な記録媒体。

Images