JP2014167430A - Defect inspection system, defect inspection program, and defect inspection method - Google Patents

Defect inspection system, defect inspection program, and defect inspection method Download PDF

Info

Publication number
JP2014167430A
JP2014167430A JP2013039406A JP2013039406A JP2014167430A JP 2014167430 A JP2014167430 A JP 2014167430A JP 2013039406 A JP2013039406 A JP 2013039406A JP 2013039406 A JP2013039406 A JP 2013039406A JP 2014167430 A JP2014167430 A JP 2014167430A
Authority
JP
Japan
Prior art keywords
defect
line
image
inspection
extracting
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
Application number
JP2013039406A
Other languages
Japanese (ja)
Other versions
JP5714628B2 (en
Inventor
Koji Azeyama
宏次 畔山
Yoshiyuki Kanda
義行 神田
Takayuki Watanabe
孝之 渡邊
Original Assignee
Shin Nippon Koki Co Ltd
新日本工機株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shin Nippon Koki Co Ltd, 新日本工機株式会社 filed Critical Shin Nippon Koki Co Ltd
Priority to JP2013039406A priority Critical patent/JP5714628B2/en
Publication of JP2014167430A publication Critical patent/JP2014167430A/en
Application granted granted Critical
Publication of JP5714628B2 publication Critical patent/JP5714628B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

PROBLEM TO BE SOLVED: To provide a defect inspection system, a defect inspection program, and a defect inspection method capable of reliably detecting a thin-line shaped defect while eliminating fine irregularities and noises in such a case that there is the thin-line shaped defect extending obliquely to an axial direction.SOLUTION: A defect inspection system according to the invention is a defect inspection system for detecting a defect based on a shape image of a surface of an object to be inspected, and includes: defect candidate extraction means for extracting a dark portion or a cluster of dark portions of an image as a defect candidate; thin-line extraction means for extracting the thin-line shaped defect candidate in which an angle formed with an axis of the image is within a predetermined range as a thin-line shaped element; and defect specifying means for specifying a start point, an end point, and a direction of a line-segment like defect from the thin-line shaped element. Thereby, the thin-line shaped defect which extends obliquely to the axis of the image can be detected and specified as a parameter of a line-segment.

Description

本発明は、被検査物の欠陥、特に半導体インゴットの欠陥を検査する、欠陥検査システム、欠陥検査プログラムおよび欠陥検査方法に関する。   The present invention relates to a defect inspection system, a defect inspection program, and a defect inspection method for inspecting a defect of an inspection object, particularly a defect of a semiconductor ingot.
半導体素子の材料として広く用いられるシリコンウェーハは、単結晶のシリコンインゴットから切り出される。シリコンインゴットの模式図を図19に示す。チョクラルスキー法(CZ法)によれば、溶解したシリコンが格納された坩堝において、種結晶により直径数ミリのネック部を形成した後、そのネック部を保持し静かに回転させながら引き上げることで、単結晶である円柱状のシリコンインゴットが生成される。坩堝から引き上げられたまま(アズ・グローン)の状態のシリコンインゴットは、図19に示すように、円筒部Sの両端に円錐部Cが形成された形状となっている。シリコンウェーハに加工されるのは、通常円筒部Sのみである。   A silicon wafer widely used as a material of a semiconductor element is cut out from a single crystal silicon ingot. A schematic diagram of the silicon ingot is shown in FIG. According to the Czochralski method (CZ method), in a crucible containing melted silicon, a neck part with a diameter of several millimeters is formed by a seed crystal, and then the neck part is held and pulled up while rotating gently. A cylindrical silicon ingot that is a single crystal is produced. The silicon ingot that is pulled up from the crucible (as grown) has a shape in which conical portions C are formed at both ends of the cylindrical portion S, as shown in FIG. Only the cylindrical portion S is usually processed into a silicon wafer.
このシリコンインゴットの製造過程において、シリコンインゴットに結晶欠陥が生じる場合がある。このシリコンインゴットIの結晶欠陥は、多くの場合、図19に示すように、シリコンインゴットIの外表面に螺旋状に走る細線状の欠陥Fとして現れる。この欠陥Fは、図19に示すように、円周方向に対して約45度傾いた螺旋状となるのが典型的であるが、約30〜60度傾いて現れる場合もある。   In the process of manufacturing the silicon ingot, crystal defects may occur in the silicon ingot. The crystal defects of the silicon ingot I often appear as thin line defects F running spirally on the outer surface of the silicon ingot I as shown in FIG. As shown in FIG. 19, the defect F typically has a spiral shape inclined at about 45 degrees with respect to the circumferential direction, but may appear at an angle of about 30 to 60 degrees.
もしも、インゴットのうち結晶欠陥を有する部分がウェーハに加工され、その後の検査において不良として廃棄されるのであれば、インゴットからウェーハに加工する工程が全て無駄になる。そこで、従来から、インゴットから結晶欠陥を有する部分を予め切除して、健全な部分のみをウェーハの加工に供してきた。すなわち、図19に示す健全領域が、中心軸に垂直な断面で切断され、この部分だけが後工程に送られウェーハに加工されてきた。このようにして、結晶欠陥を有するインゴットからも良品のウェーハを切り出すことが可能となり、歩留りを高めていた。   If a portion having crystal defects in an ingot is processed into a wafer and discarded as a defect in the subsequent inspection, all processes for processing from the ingot to the wafer are wasted. Therefore, conventionally, a portion having a crystal defect is cut in advance from an ingot, and only a healthy portion is used for processing a wafer. That is, the healthy region shown in FIG. 19 has been cut in a cross section perpendicular to the central axis, and only this portion has been sent to a subsequent process and processed into a wafer. In this way, a good wafer can be cut out from an ingot having crystal defects, and the yield has been increased.
インゴットのうち結晶欠陥を有する不良領域は、検査員がその円筒状の外表面を目視することにより、範囲が決定されていた。そのため、検査員が結晶欠陥を見落とした場合、結晶欠陥を有する部分がウェーハに加工されることとなり、その工程が全て無駄となる。その一方で、検査員が結晶欠陥の範囲を、余裕をもって大きめに決定すると、健全な部分の範囲が小さくなり、歩留りが悪くなるという問題があった。   The range of the defective area having crystal defects in the ingot was determined by the inspector viewing the cylindrical outer surface. Therefore, when the inspector overlooks the crystal defect, the portion having the crystal defect is processed into a wafer, and all the steps are wasted. On the other hand, when the inspector determines the range of crystal defects to be large with a margin, there is a problem that the range of the sound portion is reduced and the yield is deteriorated.
被検査物を目視により検査することに代えて、被検査物の形状変化を画像化したデータに画像処理を施すことにより欠陥を検査する方法が用いられている(特許文献1参照)。特許文献1に記載の欠陥検査方法は、被検査物の表面における微細な欠陥と大きな欠陥との双方を、画像処理を用いて精度良く検出できるよう構成された欠陥検査方法である。   Instead of visually inspecting the inspection object, a method of inspecting defects by applying image processing to data obtained by imaging the shape change of the inspection object is used (see Patent Document 1). The defect inspection method described in Patent Document 1 is a defect inspection method configured to detect both fine defects and large defects on the surface of an inspection object with high accuracy using image processing.
しかし、特許文献1に記載の方法は、微小な欠陥の検出精度が高いといえるが、例えば半導体インゴットの表面に生じるような、軸方向に対して斜めに延びる細線状の欠陥を検知するのには、必ずしも適した方法とはいえず、むしろ表面の微小な凹凸や、画像上のノイズまでをも欠陥として認識するおそれがある。微小な凹凸やノイズを欠陥として認識すると、健全な部分についても不良と判定されることになり、歩留まりの悪化を招くおそれがある。   However, although the method described in Patent Document 1 can be said to have high accuracy in detecting minute defects, for example, to detect a thin line-like defect extending obliquely with respect to the axial direction, which occurs on the surface of a semiconductor ingot, for example. Is not necessarily a suitable method. Rather, even fine irregularities on the surface and noise on the image may be recognized as defects. If minute irregularities or noise is recognized as a defect, a healthy part is also judged to be defective, and there is a possibility that the yield is deteriorated.
そこで、被検査物の表面に、軸方向に対して斜めに延びる細線状の欠陥が存在するような場合において、微小な凹凸やノイズを排除しつつ、細線状の欠陥を確実に検出することが可能な検査システムが求められていた。   Therefore, in the case where there are fine line-shaped defects extending obliquely with respect to the axial direction on the surface of the inspection object, it is possible to reliably detect the fine line-shaped defects while eliminating minute irregularities and noise. A possible inspection system was sought.
特開2008−203198号公報JP 2008-203198 A
そこで、本発明が解決しようとする課題は、軸方向に対して斜めに延びる細線状の欠陥が存在するような場合において、微小な凹凸やノイズを排除しつつ、細線状の欠陥を確実に検出することが可能な検査システム、欠陥検査プログラムおよび欠陥検査方法を提供することである。   Therefore, the problem to be solved by the present invention is to reliably detect a fine line defect while eliminating minute irregularities and noise in the case where a fine line defect extending obliquely with respect to the axial direction exists. An inspection system, a defect inspection program, and a defect inspection method that can be performed are provided.
本発明は、上記課題を解決するためになされたもので、請求項1に記載の発明は、被検査物の表面の形状変化を画像化したデータに基づき欠陥を検出する欠陥検査システムであって、前記画像の明部または暗部の塊を欠陥候補として抽出する欠陥候補抽出手段と、前記欠陥候補の中から、前記画像の軸とのなす角度が所定の範囲内にある細線状の前記欠陥候補を、細線状要素として抽出する細線抽出手段と、前記細線状要素から、線分状の欠陥の始点、終点、および方向を特定する欠陥特定手段とを備えることを特徴とする欠陥検査システム。   The present invention has been made to solve the above-described problems, and the invention according to claim 1 is a defect inspection system for detecting a defect based on data obtained by imaging a shape change of a surface of an inspection object. A defect candidate extracting means for extracting a cluster of bright or dark portions of the image as a defect candidate, and the defect candidate in the form of a thin line whose angle between the image and the axis of the image is within a predetermined range from the defect candidates A defect inspection system comprising: a thin line extracting unit that extracts a thin line element; and a defect specifying unit that specifies a start point, an end point, and a direction of a line-shaped defect from the thin line element.
請求項1に記載の発明によれば、画像の軸に対して斜めに延びる細線状の欠陥を検出し、線分のパラメータとして特定することが可能な、欠陥検査システムを提供することができる。   According to the first aspect of the present invention, it is possible to provide a defect inspection system capable of detecting a fine line-like defect extending obliquely with respect to an image axis and specifying it as a line segment parameter.
請求項2に記載の発明は、前記細線抽出手段が、前記欠陥候補の短軸の幅、長軸の長さ、および前記欠陥候補を囲む四角形の対角線の角度に基づき、前記欠陥候補の前記細線状要素への当否を決定することを特徴とする請求項1に記載の欠陥検査システムである。   According to a second aspect of the present invention, the fine line extraction unit is configured to determine the thin line of the defect candidate based on the width of the short axis of the defect candidate, the length of the long axis, and the angle of a diagonal line of the rectangle surrounding the defect candidate. The defect inspection system according to claim 1, wherein whether or not the element is correct is determined.
請求項2に記載の発明によれば、画像の軸に対する角度に応じて所望の細線状の欠陥であるか否かを判定し、所望の細線状の欠陥に該当している場合のみ検出することが可能な、欠陥検査システムを提供することが出来る。   According to the second aspect of the present invention, it is determined whether or not the defect is a desired fine line-shaped defect according to the angle with respect to the axis of the image, and the defect is detected only when it corresponds to the desired fine line-shaped defect. Therefore, it is possible to provide a defect inspection system.
請求項3に記載の発明は、前記欠陥候補抽出手段により抽出された前記欠陥候補について、膨張と収縮とを所定の回数繰り返して連続化させる膨張収縮手段をさらに備え、前記膨張収縮手段により連続化された前記欠陥候補の中から、前記細線抽出手段が前記細線要素を抽出することを特徴とする請求項1または2に記載の欠陥検査システムである。   According to a third aspect of the present invention, the defect candidate extracted by the defect candidate extraction unit further includes an expansion / contraction unit that continuously expands and contracts a predetermined number of times, and continues by the expansion / contraction unit. 3. The defect inspection system according to claim 1, wherein the fine line extracting unit extracts the fine line element from the defect candidates.
請求項3に記載の発明によれば、連続する細線状の欠陥を、高い精度で検出することが可能な、欠陥検査システムを提供することができる。   According to the third aspect of the present invention, it is possible to provide a defect inspection system capable of detecting continuous thin line-like defects with high accuracy.
請求項4に記載の発明は、前記欠陥特定手段が、前記細線状要素毎にHough変換を行うことにより直線成分を抽出する直線成分抽出手段を有することを特徴とする請求項1〜3のいずれかに記載の欠陥検査システムである。   The invention according to claim 4 is characterized in that the defect specifying means has a linear component extracting means for extracting a linear component by performing a Hough transform for each of the thin line elements. This is a defect inspection system described in the above.
請求項4に記載の発明によれば、細線状の欠陥の直線成分を高い精度で抽出することが可能な、欠陥検査システムを提供することができる。   According to the fourth aspect of the present invention, it is possible to provide a defect inspection system capable of extracting a linear component of a thin line defect with high accuracy.
請求項5に記載の発明は、前記欠陥特定手段が、前記直線成分抽出手段により抽出された前記直線成分を前記細線状要素から削除する直線成分削除手段を有し、前記直線成分抽出手段が、前記直線成分が削除された前記細線状要素について再度Hough変換を行い、さらに直線成分を抽出することを特徴とする請求項4に記載の欠陥検査システムである。   In the invention according to claim 5, the defect specifying unit includes a linear component deleting unit that deletes the linear component extracted by the linear component extracting unit from the thin linear element, and the linear component extracting unit includes: 5. The defect inspection system according to claim 4, wherein the thin line element from which the linear component has been deleted is subjected to Hough transformation again to extract a linear component.
請求項5に記載の発明によれば、複数の直線成分が含まれる細線状の欠陥についても、直線成分を高い精度で抽出することが可能な、欠陥検査システムを提供することができる。   According to the fifth aspect of the present invention, it is possible to provide a defect inspection system capable of extracting a linear component with high accuracy even for a thin line defect including a plurality of linear components.
請求項6に記載の発明は、コンピュータに、被検査物の表面の形状変化を画像化したデータに基づき欠陥を検査させるためのプログラムであって、コンピュータに、前記画像の明部または暗部を欠陥候補として抽出する欠陥候補抽出手段、前記欠陥候補の中から、前記画像の軸とのなす角度が所定の範囲内にある細線状の前記欠陥候補を、細線状要素として抽出する細線抽出手段、前記細線状要素から、線分状の欠陥の始点、終点、および方向を特定する欠陥特定手段として機能させることを特徴とする欠陥検査プログラムである。   The invention according to claim 6 is a program for causing a computer to inspect a defect based on data obtained by imaging a change in the shape of the surface of the object to be inspected. Defect candidate extracting means for extracting as a candidate, fine line extracting means for extracting, from among the defect candidates, the fine line-like defect candidates whose angle with the axis of the image is within a predetermined range as a thin line element, A defect inspection program that functions as defect specifying means for specifying a start point, an end point, and a direction of a line-shaped defect from a thin line element.
請求項6に記載の発明によれば、コンピュータに、画像の軸に対して斜めに延びる細線状の欠陥を検出させることが可能な、欠陥検査プログラムを提供することができる。   According to the sixth aspect of the present invention, it is possible to provide a defect inspection program capable of causing a computer to detect a fine line-like defect extending obliquely with respect to an image axis.
請求項7に記載の発明は、請求項6に記載の欠陥検査プログラムを記録したことを特徴とするコンピュータで読み取り可能な記録媒体である。   The invention described in claim 7 is a computer-readable recording medium on which the defect inspection program according to claim 6 is recorded.
請求項7に記載の発明によれば、コンピュータに、画像の軸に対して斜めに延びる細線状の欠陥を検出させることが可能な、欠陥検査プログラムを記録した媒体を提供することができる。   According to the seventh aspect of the present invention, it is possible to provide a medium on which a defect inspection program is recorded, which can cause a computer to detect a fine line-like defect extending obliquely with respect to the image axis.
請求項8に記載の発明は、コンピュータが被検査物の表面の形状変化を画像化したデータに基づき欠陥を検査する方法であって、前記画像の明部または暗部を欠陥候補として抽出する欠陥候補抽出ステップと、前記欠陥候補の中から、前記画像の軸とのなす角度が所定の範囲内にある細線状の前記欠陥候補を、細線状要素として抽出する細線抽出ステップと、前記細線状要素から、線分状の欠陥の始点、終点、および方向を特定する欠陥特定ステップとを備えることを特徴とする欠陥検査方法である。   The invention according to claim 8 is a method in which a computer inspects a defect based on data obtained by imaging a change in shape of the surface of the object to be inspected, and the defect candidate extracts a bright or dark part of the image as a defect candidate. From the extraction step, the fine line extraction step for extracting the fine line-shaped defect candidate whose angle with the axis of the image is within a predetermined range from the defect candidates, and the fine line-shaped element And a defect identification step for identifying a start point, an end point, and a direction of a line-shaped defect.
請求項8に記載の発明によれば、画像の軸に対して斜めに延びる細線状の欠陥を検出させることが可能な、欠陥検査方法を提供することができる。   According to the eighth aspect of the present invention, it is possible to provide a defect inspection method capable of detecting a fine line-like defect extending obliquely with respect to the image axis.
本発明によれば、画像の軸に対して斜めに延びる細線状の欠陥の位置を検出することが可能な、欠陥検査システムを提供することができる。   ADVANTAGE OF THE INVENTION According to this invention, the defect inspection system which can detect the position of the fine line-shaped defect extended diagonally with respect to the axis | shaft of an image can be provided.
本発明に係る欠陥検査システムで用いる、被検査物の一例として半導体インゴットの表面の形状変化を画像化したデータを取得する手段を説明する説明図である。It is explanatory drawing explaining the means to acquire the data which imaged the shape change of the surface of a semiconductor ingot as an example of the to-be-inspected object used with the defect inspection system which concerns on this invention. 被検査物の一例としての半導体インゴットを示す図であり、(a)は半導体インゴットの外表面の形状変化を画像化したデータであり、(b)は半導体インゴットの断面図である。It is a figure which shows the semiconductor ingot as an example of a to-be-inspected object, (a) is the data which imaged the shape change of the outer surface of a semiconductor ingot, (b) is sectional drawing of a semiconductor ingot. 図2(a)に示す画像の白色破線で囲んだ領域に対してエッジ処理を行った画像である。It is the image which performed the edge process with respect to the area | region enclosed with the white broken line of the image shown to Fig.2 (a). 図3に示す画像に対して二値化処理を行った画像である。It is the image which binarized the image shown in FIG. 図4に示す画像に対して膨張・収縮処理を行った画像である。5 is an image obtained by performing expansion / contraction processing on the image shown in FIG. 4. 図5に示す画像に対してBlob処理および削除処理を行い、細線状の塊を抽出した画像である。FIG. 6 is an image obtained by performing a blob process and a deletion process on the image shown in FIG. 5 to extract a thin line lump. Hough変換について説明するための説明図であり、XY座標系とθ−ρ座標系との関係を示す説明図である。It is explanatory drawing for demonstrating Hough transformation, and is explanatory drawing which shows the relationship between XY coordinate system and (theta)-(rho) coordinate system. Hough変換について説明するための説明図であり、XY座標系における点Qを通る一本の直線をHough変換してθ−ρ座標系に示した図である。It is explanatory drawing for demonstrating Hough transformation, and is the figure which carried out Hough transformation of one straight line which passes along point Q in an XY coordinate system, and showed it to the θ-ρ coordinate system. Hough変換について説明するための説明図であり、XY座標系における点Qを通る無数の直線を表す図である。It is explanatory drawing for demonstrating Hough transformation, and is a figure showing the innumerable straight line which passes along the point Q in an XY coordinate system. Hough変換について説明するための説明図であり、XY座標系における点Qを通る無数の直線を、θ−ρ座標系における余弦関数の軌跡として示す図である。It is explanatory drawing for demonstrating Hough transformation, and is a figure which shows innumerable straight line which passes along the point Q in an XY coordinate system as a locus | trajectory of a cosine function in the θ-ρ coordinate system. Hough変換について説明するための説明図であり、図7に示すXY座標系における直線PQ上の多数の点を通る無数の直線を、θ−ρ座標系における余弦関数の軌跡として示す図である。It is explanatory drawing for demonstrating Hough transformation, and is a figure which shows the infinite number of straight lines which pass through many points on the straight line PQ in the XY coordinate system shown in FIG. 7 as a locus | trajectory of a cosine function in the θ-ρ coordinate system. Hough変換について説明するための説明図であり、図6に示す画像にHough変換を加えたθ−ρ画像である。It is explanatory drawing for demonstrating Hough transformation, and is the (theta)-(rho) image which added Hough transformation to the image shown in FIG. Hough変換について説明するための説明図であり、Hough変換により抽出された直線成分を図6に示す元画像に重ねた図である。It is explanatory drawing for demonstrating Hough conversion, and is the figure which accumulated the linear component extracted by Hough conversion on the original image shown in FIG. 図6に示す画像にある塊のうち、一つのラベル番号を有する塊のみの画像を示す図である。It is a figure which shows the image of only the chunk which has one label number among the chunks in the image shown in FIG. 図14の画像から抽出された一番目の直線成分を示す図であり、(a)は図14に一番目の直線成分を重ねて示した画像であり、(b)は塊から一番目の直線成分を削除した状態を示す画像である。It is a figure which shows the 1st straight line component extracted from the image of FIG. 14, (a) is an image which overlapped and showed the 1st straight line component in FIG. 14, (b) is the 1st straight line from a lump. It is an image which shows the state which deleted the component. 図15(b)の画像から抽出された二番目の直線成分を示す図であり、(a)は図15(b)に二番目の直線成分を重ねて示した画像であり、(b)は塊から二番目の直線成分を削除した状態を示す画像である。It is a figure which shows the 2nd linear component extracted from the image of FIG.15 (b), (a) is an image which overlapped and showed the 2nd linear component in FIG.15 (b), (b) It is an image which shows the state which deleted the 2nd straight line component from the lump. 図16(b)の画像から抽出された三番目の直線成分を示す図であり、(a)は図16(b)に三番目の直線成分を重ねて示した画像であり、(b)は塊から三番目の直線成分を削除した状態を示す画像である。It is a figure which shows the 3rd linear component extracted from the image of FIG.16 (b), (a) is an image which overlapped and showed the 3rd linear component in FIG.16 (b), (b) It is an image which shows the state which deleted the 3rd straight line component from the lump. 図6の画像から検出された全ての細線状の欠陥のパラメータの一覧表である。7 is a list of parameters of all thin line defects detected from the image of FIG. 6. 被検査物の一例であるシリコンインゴットの模式図である。It is a schematic diagram of the silicon ingot which is an example of a to-be-inspected object.
次に、本発明の実施形態について図面に基づき説明する。なお、以下に述べる実施形態は、本発明の好適な実施形態であるから、技術的に好ましい種々の限定が付されているが、本発明の範囲は、以下の説明において特に本発明を限定する旨の記載がない限り、これらの態様に限られるものではない。   Next, embodiments of the present invention will be described with reference to the drawings. The embodiments described below are preferred embodiments of the present invention, and thus various technically preferable limitations are given. However, the scope of the present invention is particularly limited in the following description. As long as there is no description of the effect, it is not restricted to these aspects.
ここで、以下の説明で用いる「線」に関する用語について定義する。「直線」とは幾何学的な定義通り、太さを持たず、端点を有さず無限に延びるまっすぐな無限長の線である。「線分」とは幾何学的な字義通り、直線が二つの端点で区切られてなる有限長の線である。「細線」とは、細い線であるが太さを有し、まっすぐまたは曲がった、有限長の線である。直線および線分は概念的な形状であるのに対し、細線は実体を有する形状である。   Here, terms related to “line” used in the following description will be defined. A "straight line" is a straight infinite length line that does not have a thickness and does not have an end point and extends indefinitely as defined in a geometrical manner. A “line segment” is a finite-length line formed by dividing a straight line at two end points, as geometrically defined. A “thin line” is a finite-length line that is a thin line but has a thickness and is straight or bent. A straight line and a line segment have a conceptual shape, whereas a thin line has a substantial shape.
(被検査物の形状画像の取得方法)
まず、本発明に係る欠陥検査システムで用いる、被検査物の形状変化を画像化したデータを取得する手段の例について、図1に基づき説明する。なお、以下において形状変化を画像化したデータのことを、「形状画像」と称する場合がある。図1は、被検査物の一例として半導体インゴットの表面の形状画像を取得する手段を説明する説明図である。
(Acquisition method of shape image of inspection object)
First, an example of means for acquiring data obtained by imaging the shape change of an inspection object used in the defect inspection system according to the present invention will be described with reference to FIG. In the following, data obtained by imaging a shape change may be referred to as a “shape image”. FIG. 1 is an explanatory diagram for explaining a means for acquiring a shape image of the surface of a semiconductor ingot as an example of an inspection object.
図1に示すインゴットIは、円筒体検査装置100に搭載されている。円筒体検査装置100は、回転手段10、照射部20、受光部30、軸方向移動装置40を有している。回転手段10は、インゴットIを、その中心軸を周りに回転させるよう構成されている。インゴットIが回転するあいだ、後述の受光部30が、円周方向に沿ってインゴットIの円筒部Sの外表面の形状画像を取得する。回転手段10は、インゴットIの円筒部Sの外表面を円周方向に分割して形状画像を取得するべく、所定の角度ピッチで回転させるよう構成されている。そして所定の角度ピッチでの回転を繰り返すことにより、円周方向について一周分カバーできるよう構成されている。なお、一定の速度でインゴットIを一回転させ、所定の角度ピッチに達する度に形状画像を取得する方法でもよい。   The ingot I shown in FIG. 1 is mounted on the cylindrical body inspection apparatus 100. The cylindrical body inspection apparatus 100 includes a rotating unit 10, an irradiation unit 20, a light receiving unit 30, and an axial movement device 40. The rotating means 10 is configured to rotate the ingot I about its central axis. While the ingot I rotates, the light receiving unit 30 described later acquires a shape image of the outer surface of the cylindrical portion S of the ingot I along the circumferential direction. The rotating means 10 is configured to rotate at a predetermined angular pitch so as to acquire the shape image by dividing the outer surface of the cylindrical portion S of the ingot I in the circumferential direction. And it is comprised so that it can cover for one round about the circumferential direction by repeating rotation with a predetermined angle pitch. Alternatively, the ingot I may be rotated once at a constant speed, and a shape image may be obtained every time a predetermined angular pitch is reached.
照射部20は、インゴットIの円筒部Sの外表面にレーザー光Bを照射するよう構成されている。照射部20が照射するレーザー光Bは、インゴットIの中心軸方向に、ライン状に走査するレーザー光である。このレーザー光Bは、レーザー光源からのスポット光を、高速回転しているポリゴンミラーに反射させることにより、ライン状に走査するレーザー光として、インゴットIに向けて照射される。   The irradiation unit 20 is configured to irradiate the outer surface of the cylindrical portion S of the ingot I with the laser beam B. The laser beam B irradiated by the irradiation unit 20 is a laser beam that scans in a line in the central axis direction of the ingot I. The laser beam B is irradiated toward the ingot I as a laser beam scanned in a line by reflecting spot light from a laser light source to a polygon mirror rotating at high speed.
受光部30は、照射部20から照射されたレーザー光BがインゴットIの円筒部Sの外表面に当たり、そこから反射する反射光Rを受光するよう構成されており、ライン状の光ファイバーと光量検出器からなるラインセンサーで構成される。受光部30は受光量に応じた受光信号を発する。受光部30は、インゴットIの円筒部Sの外表面において中心軸方向に延びる一次元の領域Wから反射する反射光Rを、受光可能に構成されている。   The light receiving unit 30 is configured so that the laser beam B irradiated from the irradiation unit 20 hits the outer surface of the cylindrical portion S of the ingot I and receives the reflected light R reflected from the outer surface. It consists of a line sensor consisting of a vessel. The light receiving unit 30 emits a light reception signal corresponding to the amount of light received. The light receiving unit 30 is configured to receive the reflected light R reflected from the one-dimensional region W extending in the central axis direction on the outer surface of the cylindrical portion S of the ingot I.
受光部30は欠陥検査システム(図示省略)に接続されており、受光部30で受光した光は画素(ピクセル)の集合体であるデジタル画像として記録される。インゴットIの円筒部Sの外表面全体は、複数の画像要素に分割して記録される。   The light receiving unit 30 is connected to a defect inspection system (not shown), and the light received by the light receiving unit 30 is recorded as a digital image that is an aggregate of pixels. The entire outer surface of the cylindrical portion S of the ingot I is recorded by being divided into a plurality of image elements.
軸方向移動装置40は、照射部20および受光部30を、インゴットIの中心軸方向に移動させるよう構成されている。具体的には、軸方向移動装置40は、軸方向移動体41とレール42とから構成されており、軸方向移動体41は、インゴットIの中心軸方向に延びるレール42の上を移動可能に構成されている。軸方向移動体41には、照射部20および受光部30が設置されており、インゴットIの円筒部Sの全長について漏れなくその形状画像を取得することができる。   The axial movement device 40 is configured to move the irradiation unit 20 and the light receiving unit 30 in the central axis direction of the ingot I. Specifically, the axial movement device 40 includes an axial movement body 41 and a rail 42, and the axial movement body 41 is movable on a rail 42 extending in the central axis direction of the ingot I. It is configured. The irradiation unit 20 and the light receiving unit 30 are installed on the axial direction moving body 41, and the shape image of the entire length of the cylindrical portion S of the ingot I can be acquired without omission.
そして、円筒体検査装置100に接続された欠陥検査システム(図示省略)が、受光部30からの受光信号に基づきデジタル画像を生成することによって、図2(a)に示すような、被検査物の表面の形状画像が取得される。外表面の健全な部分で、レーザー光Bの全反射を受光するように設定しているので、健全な部分では明るく、欠陥や傾斜面では暗い画像となる。図2(a)の画像で、細い線や横方向に延びる直線や、規則性のある塊が黒く写っている。インゴットIの引き上げ方向はこの画像の横方向となっていて、一周の90度毎に軸方向に直線的な山脈形状ができる(図2(b)参照)。その山脈の間では浅い凹みが存在するため、これらが、横直線や規則性のある黒い塊となって現れている。一方、細い線はインゴットIの欠陥である多結晶状態が表面に現れたもので、図2(a)に係るインゴットIの種類では、45°の方向に現れる特徴がある。本発明に係る欠陥システムでは、横直線や規則性のある塊を無視し、この多結晶の細線のみを検出する画像処理を行うことにより、被検査物の欠陥が検査されるよう構成されている。なお、図2(a)の白色破線で囲んだ領域は、後述の画像処理の説明において、画像処理の各過程を経た状態を図示する領域である。   Then, a defect inspection system (not shown) connected to the cylindrical body inspection apparatus 100 generates a digital image based on a light reception signal from the light receiving unit 30, thereby inspecting an object as shown in FIG. A shape image of the surface of is acquired. Since it is set so that the total reflection of the laser beam B is received at a healthy portion of the outer surface, the image is bright at a healthy portion and dark at a defect or an inclined surface. In the image of FIG. 2A, a thin line, a straight line extending in the horizontal direction, and a regular lump appear black. The pulling direction of the ingot I is the horizontal direction of this image, and a mountain range that is linear in the axial direction is formed every 90 degrees of the circumference (see FIG. 2B). Since there are shallow dents between the mountains, these appear as horizontal straight lines and regular black masses. On the other hand, the thin line is a surface where a polycrystalline state, which is a defect of the ingot I, appears on the surface, and the type of the ingot I according to FIG. The defect system according to the present invention is configured to inspect the defect of the inspection object by ignoring the horizontal straight line and the regular lump and performing image processing for detecting only the polycrystalline thin line. . The area surrounded by the white broken line in FIG. 2A is an area illustrating a state after each process of image processing in the description of image processing to be described later.
(画像処理の手順)
多結晶の細線を検出する画像処理は、(1)エッジ処理による細線状の欠陥の強調、(2)強調画像の二値化、(3)膨張・収縮による連続化、(4)Blob処理および削除処理による細線状の要素の抽出、(5)Hough変換による直線の抽出、(6)直線除去による細線状の欠陥の特定、の順でなされる。これらの処理を完了することにより、被検査物の外表面の細線状の欠陥が検出される。これらの処理について順に説明する。
(Image processing procedure)
Image processing for detecting polycrystalline thin lines includes (1) enhancement of fine line-like defects by edge processing, (2) binarization of enhanced images, (3) continuation by expansion / contraction, (4) blob processing and Extraction of fine line elements by deletion processing, (5) extraction of straight lines by Hough transformation, and (6) identification of thin line defects by straight line removal are performed in this order. By completing these processes, fine line defects on the outer surface of the inspection object are detected. These processes will be described in order.
なお、前述のとおり、取得された形状画像は画素(ピクセル)の集合体であるデジタル画像である。各画素はそれぞれ画素値を有することにより明暗が表現される。画素値をどのように構成するかは任意であるが、以下の説明では、画像がモノクロであり、画素値は8ビットで表現され、最も暗い画素の画素値は0であり、最も明るい画素の画素値は255であるとして説明する。また、被検査物の形状画像である図2(a)と、これを基に画像処理を行った図3〜6および図13〜17は、横軸をX軸、縦軸をY軸とした、被検査物の表面の位置に直接対応するXY座標系で構成された画像として、以下説明する。   As described above, the acquired shape image is a digital image that is a collection of pixels. Each pixel has a pixel value to express light and dark. How the pixel values are configured is arbitrary, but in the following description, the image is monochrome, the pixel value is represented by 8 bits, the pixel value of the darkest pixel is 0, and the lightest pixel The pixel value is assumed to be 255. 2A, which is a shape image of the object to be inspected, and FIGS. 3-6 and 13-17, in which image processing is performed based on the shape image, have the horizontal axis as the X axis and the vertical axis as the Y axis. A description will be given below of an image configured with an XY coordinate system that directly corresponds to the position of the surface of the inspection object.
(エッジ処理による細線状の欠陥の強調)
まず、画像にエッジ処理をすることにより、被検査物の表面の細線状の欠陥を強調させる。エッジ処理は画像の画素値の変化率の大きい箇所を強調する処理であり、この処理が行われると、画素値の緩やかな変化で現れる凹みなどは強調されないのに対して、画素値の鋭敏な変化を有する細線状の欠陥は強調される。エッジ処理は公知であり、画像の状態に応じて適宜なカーネルデータを選択し、画素に対してそのカーネルデータを演算することによりエッジ処理が実行される。
(Enhancement of fine line defects by edge processing)
First, edge processing is performed on an image to emphasize thin line defects on the surface of the inspection object. Edge processing is processing for emphasizing a portion where the change rate of the pixel value of the image is large. When this processing is performed, a dent that appears due to a gradual change in the pixel value is not emphasized, whereas the pixel value is sensitive. Fine line defects with changes are emphasized. Edge processing is known, and appropriate kernel data is selected according to the state of the image, and the edge processing is executed by calculating the kernel data for the pixel.
図3に示す画像は、図2(a)に示す画像の白色破線で囲んだ領域に対してエッジ処理を行ったものである。図3に示すように、細線状の欠陥が強調されていることが分かる。なお、エッジ処理された結果、欠陥の存在する部分は明るく、健全な部分や規則性のある黒い塊の内部は暗く表示されている。   The image shown in FIG. 3 is obtained by performing edge processing on a region surrounded by a white broken line in the image shown in FIG. As shown in FIG. 3, it can be seen that the fine line-shaped defect is emphasized. As a result of the edge processing, the part where the defect exists is bright and the inside of the healthy part and the regular black block is dark.
(強調画像の二値化)
細線状の欠陥が強調された画像から欠陥の候補となる要素を抽出するため、画像を白および黒の二値に二分する二値化処理を行う。すなわち、ある閾値以上の画素値を有する画素には画素値255が割り当てられて白となり、その閾値未満の画素値を有する画素には画素値0が割り当てられて黒となるよう処理される。二値化に用いる画素値の閾値は、画素数ヒストグラムに基づき決定され、典型的には標準偏差を用いて決定される。図4に示す画像は、図3に示す画像に対して二値化処理を行ったものである。なお、以下の説明において、画素値255を有する画素を白い画素と呼び、画素値0を有する画素を黒い画素と呼ぶ場合がある。図4に示すように、白い画素の塊が、多数画像上に存在することが確認できる。
(Binarization of emphasized image)
In order to extract a defect candidate element from an image in which fine line defects are emphasized, a binarization process is performed to divide the image into binary values of white and black. That is, a pixel value 255 is assigned to a pixel having a pixel value equal to or higher than a certain threshold value, and white is processed. A pixel having a pixel value less than the threshold value is assigned a pixel value 0 and processed to be black. The threshold value of the pixel value used for binarization is determined based on a pixel number histogram, and is typically determined using a standard deviation. The image shown in FIG. 4 is obtained by binarizing the image shown in FIG. In the following description, a pixel having a pixel value of 255 may be referred to as a white pixel, and a pixel having a pixel value of 0 may be referred to as a black pixel. As shown in FIG. 4, it can be confirmed that a large number of white pixel clusters are present on the image.
(膨張・収縮による連続化)
画像から抽出するべき欠陥は、細線状の欠陥である。そして細線状の欠陥は、本来連続して延びているものである。二値化処理を行っただけでは、本来連続しているべき欠陥が、細切れの欠陥として後工程において検出される可能性がある。そこで、膨張・収縮処理を行い、画像における白い画素を連続化させることで、後工程において細切れの欠陥として検出されないようにする。
(Continuation by expansion and contraction)
The defect to be extracted from the image is a thin line defect. The fine line-like defects are originally extended continuously. If only binarization processing is performed, a defect that should originally be continuous may be detected in a subsequent process as a finely divided defect. Therefore, expansion / contraction processing is performed so that white pixels in the image are made continuous so as not to be detected as a fine defect in a subsequent process.
膨張・収縮処理も公知の画像処理手法であり、対象の画素を取り囲む画素のうち、一画素でも白い画素があれば、対象の画素を白に置き換える処理を膨張といい、取り囲む画素のうち、一画素でも黒い画素があれば、対象の画素を黒に置き換える処理を収縮という。具体的には、予めN×N個(Nは奇数、典型的には3×3個、5×5個)のカーネル領域を設定しておき、膨張処理においては、対象の画素を中心に据えたカーネル領域で一番大きな画素値をその対象の画素に適用するものであり、一方、収縮処理においては、対象の画素を中心に据えたカーネル領域で一番小さな画素値をその対象の画素に適用するものである。この処理を全画素について行う。なお、元の画像の最外周の画素の処理については、最外周の画素のさらに外側に、固定の画素値を有する仮想の画素を設けることで処理することが可能である。   Expansion / contraction processing is also a well-known image processing technique. If there is even a white pixel among the pixels surrounding the target pixel, the process of replacing the target pixel with white is called expansion, and one of the surrounding pixels is one of the surrounding pixels. If there is a black pixel, the process of replacing the target pixel with black is called contraction. Specifically, N × N (N is an odd number, typically 3 × 3, 5 × 5) kernel regions are set in advance, and in the expansion process, the target pixel is set as the center. In the shrinking process, the smallest pixel value is applied to the target pixel in the kernel area centered on the target pixel. Applicable. This process is performed for all pixels. Note that the processing of the outermost peripheral pixel of the original image can be performed by providing a virtual pixel having a fixed pixel value further outside the outermost peripheral pixel.
この膨張および収縮を適宜の回数繰り返すことにより、本来は連続しているが画像上は途切れているように見える欠陥について、画像上も繋がったように表示することが可能となる。なお、膨張および収縮の回数は、被検査物の実体の状態および画像の状態に応じて適宜に設定する。図5に示す画像は、図4に示す画像に対して膨張・収縮処理を行ったものである。   By repeating this expansion and contraction an appropriate number of times, it is possible to display defects that are originally continuous but appear to be interrupted on the image as if they are connected. The number of expansions and contractions is appropriately set according to the state of the object to be inspected and the state of the image. The image shown in FIG. 5 is obtained by performing expansion / contraction processing on the image shown in FIG.
なお、エッジ処理による細線状の欠陥の強調、および強調画像の二値化を経ることによって、被検査物の形状画像から、欠陥候補が抽出されることになる。ここで「候補」と記載しているのは、この段階では欠陥ではない微小な凹凸や画像上のノイズまでを含んでいるためである。また、上述の説明では、元の画像(図2(a))において欠陥が暗部として表現されている場合について説明したが、エッジ処理を行っているため、元の画像において欠陥が明部または暗部のいずれで表現されていても、欠陥候補として抽出可能である。   Note that defect candidates are extracted from the shape image of the object to be inspected by emphasizing fine line defects by edge processing and binarizing the emphasized image. Here, “candidate” is described because it includes minute irregularities that are not defects and noise on the image at this stage. In the above description, the case where the defect is expressed as a dark part in the original image (FIG. 2A) has been described. However, since edge processing is performed, the defect is bright or dark in the original image. Any of these can be extracted as a defect candidate.
また、欠陥候補を抽出するための一つの処理として、強調画像の二値化の後に、膨張・収縮による連続化を施せば、後の工程において、多数の細切れの線分ではなく連続した線分を抽出可能にすることができるため好適である。   In addition, as one process for extracting defect candidates, if binarization of the emphasized image is followed by expansion / contraction, in the subsequent process, continuous line segments instead of a number of fine line segments are used. Can be extracted, which is preferable.
(Blob処理および削除処理による細線状の要素の抽出)
ここまでの処理で、欠陥候補として白い画素の塊が多数抽出されたが、この段階における塊の中には、細線状の欠陥以外に、浅い凹みやノイズなどに起因するものが多数含まれている。そこで、次にBlob処理および削除処理を行い、細線状の要素を抽出する。そのため、多数の欠陥候補について、その形状に基づき、細線状のものとそうでないものとに識別することになるが、ここで細線状として認識される白い画素の塊は、(a)細長く、(b)座標軸に対して45度または135度に近い傾きを有し、(c)幅広の塊ではない、という条件を満足する塊である。
(Extraction of thin line elements by blob processing and deletion processing)
In the process so far, many white pixel clusters have been extracted as defect candidates, but the clusters at this stage include many defects due to shallow dents and noise in addition to thin line defects. Yes. Therefore, a blob process and a deletion process are then performed to extract a thin line element. For this reason, a large number of defect candidates are identified as thin line-like and those that are not, based on their shapes. Here, the white pixel block recognized as a thin line is (a) elongated, ( b) A lump that has an inclination close to 45 degrees or 135 degrees with respect to the coordinate axis, and that satisfies the condition that (c) it is not a wide lump.
ここでのBlob処理は、画素値に0か255を持つ二値化画像を扱い、繋がった255の画素値を持つ画素を集めて一つの塊として認識する処理である。ここで「繋がった」という状態は、画素の辺で接している場合と画素の角で接している場合を意味する。   The blob processing here is processing for handling a binarized image having a pixel value of 0 or 255 and collecting connected pixels having a pixel value of 255 and recognizing them as one block. Here, the state of “connected” means a case of contact at the pixel side and a case of contact at the pixel corner.
このようにして集められたそれぞれの塊には、それぞれに固有のラベル番号を付与する。そして各塊について演算を行い、各塊での次の情報を得る。
(ア)ラベル番号。
(イ)面積(この塊に含まれる画素の総数)。
(ウ)この塊の外側を四角形で囲んだときの、左上角と右下角の画素の座標値。
(エ)塊を一周する周長(一画素のサイズを1としている)。
(オ)塊の中の画素の分布の長軸方向の長さ。
(カ)長軸に垂直な短軸方向の長さ。
(キ)塊の重心の座標値。
Each lump collected in this way is given a unique label number. And it calculates about each lump and obtains the following information in each lump.
(A) Label number.
(A) Area (total number of pixels contained in this block).
(C) The coordinate values of the pixels at the upper left corner and the lower right corner when the outside of this block is enclosed by a rectangle.
(D) A circumference that goes around the lump (the size of one pixel is 1).
(E) The length in the major axis direction of the distribution of pixels in the block.
(F) Length in the minor axis direction perpendicular to the major axis.
(G) Coordinate value of the center of gravity of the mass.
図5に示す画像にBlob処理を行うと、面積が15から56314までの、全部で11551個の塊の情報が得られた。この中から、細線状の要素のみを抽出するため、(a)細長く、(b)45度または135度に近い傾きを有し、(c)幅広の塊ではない、という条件を兼ね備えるもの(すなわち細線状の要素)以外を削除する。すなわち、以下の条件のいずれかを超える塊は、細線状の要素ではないとして、画像から削除する削除処理を行う。
(1)面積の下限(例.面積が100より小)。
(2)面積の上限(例.面積が20000より大)。
(3)幅の上限(例.短軸の幅が300より大)。
(4)細長比の下限(例.長軸の長さが短軸の幅の3倍より小)。
(5)角度の制限(例.塊を囲む四角形の対角線が、(45−8)°〜(45+8)°にも入らず、(135−8)°〜(135+8)°にも入らない)。
なお、上記条件の例に示す各数値は、説明用の具体例であり、実際のシステムでは変更可能に構成される。
When the blob processing was performed on the image shown in FIG. 5, information on a total of 11551 blocks having an area of 15 to 56314 was obtained. In order to extract only thin line elements from these, (a) elongate, (b) has an inclination close to 45 degrees or 135 degrees, and (c) has a condition that it is not a wide lump (ie Delete everything except thin line elements. That is, a deletion process is performed in which a block that exceeds any of the following conditions is not a thin line element, and is deleted from the image.
(1) Lower limit of area (eg, area is smaller than 100).
(2) Upper limit of area (eg, area is greater than 20000).
(3) Upper limit of width (eg, minor axis width is greater than 300).
(4) Lower limit of the slenderness ratio (eg, the length of the major axis is smaller than three times the width of the minor axis).
(5) Restriction of angle (eg, a square diagonal line surrounding a lump does not enter (45-8) ° to (45 + 8) °, nor does it enter (135-8) ° to (135 + 8) °).
Each numerical value shown in the example of the above condition is a specific example for explanation, and can be changed in an actual system.
図6に示す画像は、図5に示す画像に対してBlob処理を行い、上述の削除条件で細線状の要素でないものを削除する削除処理を行った結果である。図6に示すように、削除の条件を満足する塊が削除された結果、細線状の要素のみが残っている。このBlob処理と削除処理を経ることによって、欠陥候補の中から細線状の要素が抽出されることになる。   The image shown in FIG. 6 is the result of performing a blob process on the image shown in FIG. 5 and performing a deletion process that deletes elements that are not thin line elements under the above-described deletion conditions. As shown in FIG. 6, as a result of deleting the chunks that satisfy the deletion condition, only the thin line-shaped elements remain. Through the blob processing and the deletion processing, thin line elements are extracted from the defect candidates.
(Hough変換による直線の抽出)
次に、細線状の要素のみが残った画像から直線成分を抽出し、直線成分の特徴を抽出する。細線状の要素のみが残った画像から直線成分を抽出するには、Hough変換が好適に用いられる。以下に、図7〜12を用いて、Hough変換について説明する。なお、図2(a)および図3〜7および図9は、被検査物の表面の位置に直接対応するXY座標系で構成される画像であるが、図8および図10〜12は、XY座標系をHough変換したθ−ρ座標系で構成される画像である。
(Line extraction by Hough transform)
Next, a linear component is extracted from an image in which only thin line elements remain, and features of the linear component are extracted. In order to extract a straight line component from an image in which only thin line elements remain, Hough transform is preferably used. Hereinafter, the Hough transform will be described with reference to FIGS. 2A, 3-7, and 9 are images configured in an XY coordinate system that directly corresponds to the position of the surface of the object to be inspected. FIG. 8 and FIGS. It is an image composed of a θ-ρ coordinate system obtained by converting the coordinate system to Hough.
まずHough変換の原理について説明する。XY画像上に、画素値が255である画素が直線状に、図7に示す破線のように並んでいたとして、その直線上の画素位置Q(Xi,Yi)の式は、画像の中心O(原点)から直線への垂線の長さρと、その垂線のX軸からの角度θで表すことができる。OQの長さをr、∠QOXをαとして式を立てると、
ρ=r・cos(α−θ)
ρ=r・cosα・cosθ+r・sinα・sinθ
ρ=Xi・cosθ+Yi・sinθ (式1)
となる。直線上の2点を与えれば、式1を解くことができ、その時の(θ,ρ)が(θ1,ρ1)として、一意に決定する。
First, the principle of Hough conversion will be described. Assuming that pixels having a pixel value of 255 are arranged in a straight line on the XY image as shown by the broken line in FIG. 7, the expression of the pixel position Q (Xi, Yi) on the straight line is expressed by the center O of the image. It can be expressed by the length ρ of the perpendicular from the (origin) to the straight line and the angle θ of the perpendicular from the X axis. When the equation is established with the length of OQ as r and ∠QOX as α,
ρ = r · cos (α−θ)
ρ = r · cos α · cos θ + r · sin α · sin θ
ρ = Xi · cos θ + Yi · sin θ (Formula 1)
It becomes. If two points on the straight line are given, Equation 1 can be solved, and (θ, ρ) at that time is uniquely determined as (θ1, ρ1).
このことは、直線上の全ての点(画素位置)が(θ1,ρ1)に対応しているということで、図8のようにθ−ρ座標系の一点に変換されていると理解できる。そして、直線に近い度合いを示す指標として、直線上の全ての点の個数を、座標位置(θ1,ρ1)における第三の軸ζの座標値として与えれば、θ−ρ座標系においてζ座標値が最大となる位置の点が、一番直線に近い情報を持っていることになる。   This means that all points (pixel positions) on the straight line correspond to (θ1, ρ1), and can be understood as being converted to one point in the θ-ρ coordinate system as shown in FIG. Then, if the number of all points on the straight line is given as the coordinate value of the third axis ζ at the coordinate position (θ1, ρ1) as an index indicating the degree close to the straight line, the ζ coordinate value in the θ-ρ coordinate system The point at the position where is the largest has information closest to the straight line.
ここまでは、画像上に直線が存在するという条件での説明であったが、ここでの目的は、画像から直線成分を抽出することである。   Up to this point, the description has been made under the condition that a straight line exists on the image, but the purpose here is to extract a linear component from the image.
元画像(XY座標系)上の画素値が255のである画素の位置が(Xq,Yq)であるとする。この位置を通る直線は、図9のように無数に存在する。そして、その全ての直線が式1を満足しており、
ρ=Xq・cosθ+Yq・sinθ
が成り立ち、一本の直線が一組の(θ,ρ)に対応することになる。
この式を変形すると、
ρ=r・cos(θ−α)
となり、ρはθの余弦関数となる。
Assume that the position of a pixel having a pixel value of 255 on the original image (XY coordinate system) is (Xq, Yq). There are an infinite number of straight lines passing through this position as shown in FIG. And all the straight lines satisfy Equation 1,
ρ = Xq · cos θ + Yq · sin θ
Thus, one straight line corresponds to a set of (θ, ρ).
If this equation is transformed,
ρ = r · cos (θ−α)
And ρ is a cosine function of θ.
上述の余弦関数の軌跡のグラフを図10に示している。このグラフにおけるθの値域は、0〜180°である。そしてρの値域は、−P〜+Pである。ここでPは、元画像の対角線の1/2の値である。   A graph of the locus of the above-mentioned cosine function is shown in FIG. The value range of θ in this graph is 0 to 180 °. The value range of ρ is -P to + P. Here, P is a half value of the diagonal line of the original image.
デジタルの画像処理では、θ−ρ座標系におけるθとρを離散型の数値として扱い、デジタルのθ−ρ画像として処理する。つまり、θを0.1°刻みに1799画素に分け、ρについても0.1×(元画像の1画素)に分ける。そして、点Qに対応する軌跡のグラフ(図10参照)の画素の画素値に、前述の第三の軸ζの座標値として、+1を加える操作を実行する。なお、θ−ρ画像のすべての画素の画素値は、0で初期化されている。   In digital image processing, θ and ρ in the θ-ρ coordinate system are treated as discrete numerical values and processed as a digital θ-ρ image. That is, θ is divided into 1799 pixels in increments of 0.1 °, and ρ is also divided into 0.1 × (one pixel of the original image). Then, an operation of adding +1 to the pixel value of the pixel of the trajectory graph (see FIG. 10) corresponding to the point Q as the coordinate value of the third axis ζ is executed. Note that the pixel values of all the pixels in the θ-ρ image are initialized to 0.
元画像で画素値が255である他の点Q’についても、同様の軌跡のグラフの操作を行う。図11に例を示しているが、軌跡上の画素の画素値には+1の操作がなされるので、軌跡が重なる部分では画素値が大きくなり、明るく表示される。   A similar locus graph operation is performed for the other point Q ′ having a pixel value of 255 in the original image. Although an example is shown in FIG. 11, since the pixel value of the pixel on the trajectory is incremented by +1, the pixel value becomes large and brightly displayed in the portion where the trajectory overlaps.
このようにして、元画像についてHough処理されたθ−ρ画像において、一番画素値が大きい(θ,ρ)の組、すなわち最も明るく表示される点が、最も直線に近い情報といえる。   In this way, in the θ-ρ image obtained by performing the Hough process on the original image, the group having the largest pixel value (θ, ρ), that is, the point displayed brightest can be said to be information closest to a straight line.
細線状の要素を抽出した画像(図6)に対して、Hough変換処理を行ったθ−ρ画像が、図12である。なお、分かり易くするために、図12の画像では、画素値が1以上の画素を白(画素値が255)となるように強調して表現している。   FIG. 12 shows a θ-ρ image obtained by performing Hough transform processing on an image (FIG. 6) from which fine line elements are extracted. For the sake of easy understanding, in the image of FIG. 12, pixels having a pixel value of 1 or more are emphasized so as to be white (pixel value is 255).
実際の画像での最大の画素値を持つ画素の位置は、θ=45.0°、ρ=−795.4であった。この値を、XY座標系の元画像に当てはめたのが図13である。図13において二点鎖線で示す直線が、(θ,ρ)=(45.0°,−795.4)で表される直線であり、この直線は、元画像のうち、左上の長い線分状の塊に対応している。この線分状の塊は元画像の中で一番長いことから、画素値が最大値を取ったものである。なお、垂線の距離ρがマイナスになるのは、垂線の足への向きが角度θ方向と反対の方向を向いていることを意味している。   The position of the pixel having the maximum pixel value in the actual image was θ = 45.0 ° and ρ = −795.4. FIG. 13 shows this value applied to the original image in the XY coordinate system. In FIG. 13, a straight line indicated by a two-dot chain line is a straight line represented by (θ, ρ) = (45.0 °, −795.4), and this straight line is a long line segment in the upper left of the original image. Corresponds to the shaped lump. Since this line-shaped lump is the longest in the original image, the pixel value takes the maximum value. Note that the perpendicular distance ρ is negative means that the direction of the perpendicular to the foot is in the direction opposite to the angle θ direction.
元画像状で細線状にあらわれている一つの要素の中には、通常複数の直線成分が含まれている。したがって、二番目以降の直線を抽出する必要があるが、Hough変換処理を加えたθ−ρ画像(図12)上で、最大の画素値を持つ画素以外で、二番目に大きい画素値を持つ画素を探すことは、困難である。なぜならば、最大の画素値を持つ画素の近傍では、最大値よりわずかに小さい画素値を持つ二番目の候補が存在する可能性が高く、別個の直線成分となる二番目に大きい画素値を有する画素がいずれなのかを、確定できないからである。そこで、次に説明するように、ラベル毎に個別の画像を生成して、画像毎に直線を抽出しつつ抽出された直線を除去していくことにより、細線状の欠陥を特定するよう構成する。   A single element that appears in the form of a thin line in the original image usually contains a plurality of linear components. Therefore, it is necessary to extract the second and subsequent straight lines, but on the θ-ρ image (FIG. 12) to which the Hough transform process has been added, the pixel value having the second largest pixel value other than the pixel having the largest pixel value. Finding a pixel is difficult. This is because there is a high possibility that a second candidate having a pixel value slightly smaller than the maximum value exists in the vicinity of the pixel having the maximum pixel value, and has the second largest pixel value that is a separate linear component. This is because it cannot be determined which pixel is. Therefore, as described below, an individual image is generated for each label, and the extracted straight line is removed while extracting the straight line for each image, so that a fine line-shaped defect is identified. .
(直線除去による細線状の欠陥の特定)
前述のBlob処理を経ると、塊はそれぞれ固有のラベル番号を有している。そこで、ラベル番号毎に別々の画像を作成する。例えば、図6に示す、Blob処理により細線状の要素のみが抽出された画像のうち、左上の長い細線状の塊は、ラベル番号1266であった。この塊を囲む領域から、ラベル番号が1266と合致する画素のみを取り出して画素値に255を与え、ラベル番号が1266と合致しない画素には画素値に0を与える。これにより、ラベル別画像が作成される。図14に示す画像は、ラベル番号1266の塊の画像である。すなわち、その他のラベル番号を有する塊は図14には現れない。
(Identification of fine line defects by straight line removal)
After the above blob processing, each chunk has a unique label number. Therefore, a separate image is created for each label number. For example, in the image in which only thin line elements are extracted by the Blob processing shown in FIG. 6, the long thin line block at the upper left is the label number 1266. From the area surrounding this block, only the pixel whose label number matches 1266 is extracted and given 255 as the pixel value, and 0 as the pixel value when the label number does not match 1266. Thereby, a label-specific image is created. The image shown in FIG. 14 is an image of a lump with label number 1266. That is, chunks having other label numbers do not appear in FIG.
このようにして得られたラベル別画像に対して、前述のHough変換を実行する。その結果、θ=48.2°,ρ=35.2の直線が抽出された。この抽出された一番目の直線を、ラベル別画像の図14に重ねて表示したのが図15(a)である。   The Hough conversion described above is performed on the label-by-label image thus obtained. As a result, a straight line of θ = 48.2 ° and ρ = 35.2 was extracted. FIG. 15A shows the extracted first straight line superimposed on FIG. 14 of the image classified by label.
この次に二番目の直線を抽出するために、ラベル別画像(図14)において、この一番目の直線から左右N画素分の距離にある部分(直線を中心とした幅2Nの帯状部分)について、画素値0で埋める。すなわち、ラベル番号が1266である塊から、一番目の直線成分が除去される。その結果、図15(b)に示す画像が得られる。なお、ここで除去される部分(すなわち直線を中心とした幅2Nの帯状部分に含まれる部分)の端部の座標が記録される。直線の特性を示すパラメータ(θ,ρ)と、除去される塊部分の端部の座標(X,Y)とが、細線状の欠陥の線分の特性を示すパラメータを構成する。こうして、抽出された一番目の直線上に乗る、細線状の欠陥のパラメータが、特定されたことになる。なお、ここで使用したNの値は10であった。   Next, in order to extract the second straight line, in a label-specific image (FIG. 14), a portion (a strip-like portion having a width of 2N centered on the straight line) located at a distance of N pixels from the first straight line. , Fill with pixel value 0. That is, the first linear component is removed from the block having the label number 1266. As a result, the image shown in FIG. 15B is obtained. Note that the coordinates of the end of the portion to be removed (that is, the portion included in the band-shaped portion having a width of 2N with the straight line as the center) are recorded. The parameter (θ, ρ) indicating the characteristic of the straight line and the coordinates (X, Y) of the end of the lump portion to be removed constitute a parameter indicating the characteristic of the line segment of the thin line defect. In this way, the parameter of the fine line-like defect that is on the extracted first straight line is specified. The value of N used here was 10.
そして、図15(b)に示す画像から、二番目の直線を抽出するため、Hough変換を実行する。その結果、二番目の直線としてθ=42.5°,ρ=68.4の直線が抽出された。この抽出された二番目の直線を図15(b)に重ねたものを、図16(a)に示す。一番目の直線と同様の手法で、二番目の直線成分を画像から除去する。その結果、図16(b)に示す画像が得られる。そして、抽出された二番目の直線上に乗る、細線状の欠陥のパラメータが、特定される。   Then, a Hough transform is executed to extract the second straight line from the image shown in FIG. As a result, a straight line of θ = 42.5 ° and ρ = 68.4 was extracted as the second straight line. FIG. 16A shows the extracted second straight line superimposed on FIG. 15B. The second straight line component is removed from the image in the same manner as the first straight line. As a result, the image shown in FIG. 16B is obtained. Then, the parameter of the fine line-shaped defect that is on the extracted second straight line is specified.
そして、図16(b)に示す画像から、三番目の直線を抽出するため、Hough変換を実行する。その結果、三番目の直線としてθ=52.9°,ρ=66.4の直線が抽出された。この抽出された三番目の直線を図16(b)に重ねたものを、図17(a)に示す。一番目、二番目の直線と同様の手法で、三番目の直線成分を画像から除去する。その結果、図17(b)に示す画像が得られる。そして、抽出された三番目の直線上に乗る、細線状の欠陥のパラメータが、特定される。   Then, Hough transformation is performed to extract the third straight line from the image shown in FIG. As a result, a straight line of θ = 52.9 ° and ρ = 66.4 was extracted as the third straight line. FIG. 17A shows the extracted third straight line superimposed on FIG. 16B. The third straight line component is removed from the image in the same manner as the first and second straight lines. As a result, the image shown in FIG. 17B is obtained. Then, the parameter of the fine line-shaped defect that is on the extracted third straight line is specified.
そして、図17(b)に示す画像から、四番目の直線を抽出するため、Hough変換を実行する。すると、Hough変換により得られたθ−ρ画像における画素値が、後述の閾値未満であるという結果が得られた。そのため、ラベル別画像からの直線成分の抽出を終了した。なお、Hough変換により得られたθ−ρ画像において、直線成分が存在すると判定する閾値を予め設定しておけば、θ−ρ画像における画素値が閾値以上であれば直線成分が存在し、閾値未満であれば直線成分が存在しないと判定される。すなわち、一つのラベル別画像において、θ−ρ画像における画素値が閾値未満となるまで、直線成分の除去とHough変換とのサイクルを繰り返すことになる。上述の例では、ラベル番号が1266の塊からは、三つの細線状の欠陥が抽出されたことになる。   Then, Hough transformation is performed to extract the fourth straight line from the image shown in FIG. Then, the result that the pixel value in the θ-ρ image obtained by the Hough transform is less than a threshold value described later was obtained. Therefore, the extraction of the straight line component from the label-specific image is completed. In addition, in the θ-ρ image obtained by the Hough transform, if a threshold value for determining that a linear component exists is set in advance, a linear component exists if the pixel value in the θ-ρ image is equal to or greater than the threshold value. If it is less than this, it is determined that there is no linear component. That is, in one image for each label, the cycle of the removal of the linear component and the Hough transformation is repeated until the pixel value in the θ-ρ image becomes less than the threshold value. In the above example, three thin line-shaped defects are extracted from the block having the label number 1266.
上述の抽出を全てのラベル別画像について行うことにより、Blob処理後の図6に示す画像に基づき、全ての細線状の欠陥が検出されることになる。検出された細線状の欠陥一覧を、図18に示す。図18における「B−Num」は図6塊に付与されたラベル番号に対応した連番を示し、「I−Num」は、ラベル番号毎に実施された直線成分の除去の回数を示している。「θ」、「ρ」は、Hough変換により得られた直線成分のパラメータである。「PeakVal」は、Hough変換によるθ−ρ座標系における最大の画素値である。「SegStr」および「SegEnd」は線分のパラメータであって、「SegStr」は、その線分のXY座標系における始点座標を示し、「SegEnd」は、その線分のXY座標系における終点座標を示す。また、「SegLen」は、その線分の長さを示す。   By performing the above-described extraction for all the images by label, all fine line defects are detected based on the image shown in FIG. 6 after the blob processing. FIG. 18 shows a list of detected thin line defects. “B-Num” in FIG. 18 indicates a serial number corresponding to the label number assigned to the block in FIG. 6, and “I-Num” indicates the number of removals of the linear component performed for each label number. . “Θ” and “ρ” are parameters of linear components obtained by the Hough transform. “PeakVal” is the maximum pixel value in the θ-ρ coordinate system by the Hough transform. “SegStr” and “SegEnd” are parameters of the line segment, “SegStr” indicates the start point coordinate in the XY coordinate system of the line segment, and “SegEnd” indicates the end point coordinate in the XY coordinate system of the line segment. Show. “SegLen” indicates the length of the line segment.
各線分のデータが複数存在するところがあるが、これはこの線分を決定づけた直線が、他のラベル別画像の塊と重なっていることを示している。すなわち本来一本の欠陥が分かれた状態で検出されたと考えられるので検出処理には問題はない。   There is a place where there are a plurality of data for each line segment, and this indicates that the straight line that determines the line segment overlaps with a lump of other image by label. That is, there is no problem in the detection process because it is considered that one defect was originally detected in a separated state.
なお、Hough変換による直線の抽出、直線除去による細線状の欠陥の特定を経ることによって、画像上の細線状の要素から、線分状の欠陥のパラメータ(始点、終点、方向)が特定されることになる。   It should be noted that the parameters (start point, end point, direction) of the line segment defect are specified from the thin line element on the image by extracting the straight line by Hough transform and specifying the thin line defect by removing the straight line. It will be.
また、線分状の欠陥のパラメータを特定するため、上述の例ではHough変換による直線成分の抽出を用いたが、直線成分の抽出の方法はこれに限られず、最小二乗法等を用いて直線成分を抽出するよう構成することも可能である。   In addition, in the above example, the extraction of the linear component by the Hough transform is used to specify the parameter of the line-shaped defect, but the method of extracting the linear component is not limited to this, and a straight line using the least square method or the like It can also be configured to extract components.
上述の例での対象とした画像は、結果的に独立した(互いに交わらない)線分群の画像(図6)となったが、欠陥の状態によっては線分が交差する場合があり得る。この場合には、Blob処理において削除する塊の条件を適宜変更することにより、線分として検出することが可能である。例えば、「(3)幅の上限」と「(4)細長比の下限」の条件の代わりに、塊の周長さと塊の面積との比の条件などで検出できる。たとえ、直線状でないものが混在したとしても、Hough変換による直線の抽出で、直線のみが検出されるため、問題なく線分状の欠陥のみが抽出される。   The target image in the above-described example results in an independent line segment group image (FIG. 6) (FIG. 6). However, depending on the state of the defect, the line segments may intersect. In this case, it can be detected as a line segment by appropriately changing the condition of the block to be deleted in the blob processing. For example, instead of the conditions of “(3) upper limit of width” and “(4) lower limit of slenderness ratio”, the detection can be performed by the condition of the ratio between the circumferential length of the lump and the area of the lump. Even if non-linear objects are mixed, only a straight line defect is extracted without any problem because only a straight line is detected by extraction of a straight line by Hough transform.
取得された被検査物の形状画像から線分状の欠陥を抽出するまでの処理は、例えば図1の円筒体検査装置100に接続された、欠陥検査システムにより行われ、この欠陥検査システムは、上述の処理のプログラムが搭載されたコンピュータによって構成される。この欠陥検査システムは、取得された被検査物の形状画像から線分状の欠陥を抽出するまでの、一連の処理からなる欠陥検査方法を実行する。   Processing until the line-shaped defect is extracted from the acquired shape image of the inspection object is performed by a defect inspection system connected to the cylindrical body inspection apparatus 100 of FIG. It is comprised by the computer by which the program of the above-mentioned process is mounted. This defect inspection system executes a defect inspection method including a series of processes until a line-segment-like defect is extracted from the acquired shape image of the inspection object.
100 円筒体検査装置
10 回転手段
20 照射部
30 受光部
B レーザー光
R 反射光
G 二次元画像
F 欠陥線分
I インゴット
S 円筒部
C 円錐部
DESCRIPTION OF SYMBOLS 100 Cylindrical body inspection apparatus 10 Rotating means 20 Irradiation part 30 Light receiving part B Laser beam R Reflected light G Two-dimensional image F Defect line segment I Ingot S Cylindrical part C Conical part

Claims (8)

  1. 被検査物の表面の形状変化を画像化したデータに基づき欠陥を検出する欠陥検査システムであって、
    前記画像の明部または暗部の塊を欠陥候補として抽出する欠陥候補抽出手段と、
    前記欠陥候補の中から、前記画像の軸とのなす角度が所定の範囲内にある細線状の前記欠陥候補を、細線状要素として抽出する細線抽出手段と、
    前記細線状要素から、線分状の欠陥の始点、終点、および方向を特定する欠陥特定手段とを備える
    ことを特徴とする欠陥検査システム。
    A defect inspection system for detecting a defect based on data obtained by imaging the shape change of the surface of an inspection object,
    A defect candidate extracting means for extracting a cluster of bright or dark portions of the image as a defect candidate;
    Fine line extracting means for extracting, as a thin line element, the fine line-like defect candidate whose angle with the image axis is within a predetermined range from the defect candidates;
    A defect inspection system comprising: defect specifying means for specifying a start point, an end point, and a direction of a line-shaped defect from the thin line element.
  2. 前記細線抽出手段が、前記欠陥候補の短軸の幅、長軸の長さ、および前記欠陥候補を囲む四角形の対角線の角度に基づき、前記欠陥候補の前記細線状要素への当否を決定する
    ことを特徴とする請求項1に記載の欠陥検査システム。
    The fine line extracting means determines whether or not the defect candidate is applied to the fine line element based on the width of the short axis of the defect candidate, the length of the long axis, and the angle of a diagonal line surrounding the defect candidate. The defect inspection system according to claim 1.
  3. 前記欠陥候補抽出手段により抽出された前記欠陥候補について、膨張と収縮とを所定の回数繰り返して連続化させる膨張収縮手段をさらに備え、
    前記膨張収縮手段により連続化された前記欠陥候補の中から、前記細線抽出手段が前記細線要素を抽出する
    ことを特徴とする請求項1または2に記載の欠陥検査システム。
    The defect candidate extracted by the defect candidate extraction means further comprises expansion and contraction means for repeating expansion and contraction a predetermined number of times,
    3. The defect inspection system according to claim 1, wherein the thin line extraction unit extracts the thin line element from the defect candidates continuous by the expansion / contraction unit.
  4. 前記欠陥特定手段が、
    前記細線状要素毎にHough変換を行うことにより直線成分を抽出する直線成分抽出手段を有する
    ことを特徴とする請求項1〜3のいずれかに記載の欠陥検査システム。
    The defect identification means is
    The defect inspection system according to claim 1, further comprising a linear component extraction unit that extracts a linear component by performing a Hough transform for each of the thin line elements.
  5. 前記欠陥特定手段が、
    前記直線成分抽出手段により抽出された前記直線成分を前記細線状要素から削除する直線成分削除手段を有し、
    前記直線成分抽出手段が、前記直線成分が削除された前記細線状要素について再度Hough変換を行い、さらに直線成分を抽出する
    ことを特徴とする請求項4に記載の欠陥検査システム。
    The defect identification means is
    Linear component deletion means for deleting the linear component extracted by the linear component extraction means from the thin line-shaped element;
    The defect inspection system according to claim 4, wherein the straight line component extraction unit performs Hough transform again on the fine line element from which the straight line component has been deleted, and further extracts a straight line component.
  6. コンピュータに、被検査物の表面の形状変化を画像化したデータに基づき欠陥を検査させるためのプログラムであって、コンピュータに、
    前記画像の明部または暗部を欠陥候補として抽出する欠陥候補抽出手段、
    前記欠陥候補の中から、前記画像の軸とのなす角度が所定の範囲内にある細線状の前記欠陥候補を、細線状要素として抽出する細線抽出手段、
    前記細線状要素から、線分状の欠陥の始点、終点、および方向を特定する欠陥特定手段
    として機能させる
    ことを特徴とする欠陥検査プログラム。
    A program for causing a computer to inspect a defect based on data obtained by imaging a change in shape of the surface of an inspection object.
    Defect candidate extraction means for extracting a bright part or dark part of the image as a defect candidate;
    Fine line extraction means for extracting, as a thin line element, the fine line-like defect candidate whose angle with the image axis is within a predetermined range from the defect candidates,
    A defect inspection program that functions as defect specifying means for specifying a start point, an end point, and a direction of a line-shaped defect from the thin line element.
  7. 請求項6に記載の欠陥検査プログラムを記録した
    ことを特徴とするコンピュータで読み取り可能な記録媒体。
    A computer-readable recording medium in which the defect inspection program according to claim 6 is recorded.
  8. コンピュータが被検査物の表面の形状変化を画像化したデータに基づき欠陥を検査する方法であって、
    前記画像の明部または暗部を欠陥候補として抽出する欠陥候補抽出ステップと、
    前記欠陥候補の中から、前記画像の軸とのなす角度が所定の範囲内にある細線状の前記欠陥候補を、細線状要素として抽出する細線抽出ステップと、
    前記細線状要素から、線分状の欠陥の始点、終点、および方向を特定する欠陥特定ステップとを備える
    ことを特徴とする欠陥検査方法。
    A method in which a computer inspects a defect based on data obtained by imaging a shape change of a surface of an inspection object,
    A defect candidate extraction step for extracting a bright part or dark part of the image as a defect candidate;
    A fine line extraction step of extracting the fine line-like defect candidates having an angle formed with the axis of the image within a predetermined range from the defect candidates as thin line elements;
    And a defect specifying step of specifying a start point, an end point, and a direction of a line-shaped defect from the thin line element.
JP2013039406A 2013-02-28 2013-02-28 Defect inspection system, defect inspection program, and defect inspection method Active JP5714628B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013039406A JP5714628B2 (en) 2013-02-28 2013-02-28 Defect inspection system, defect inspection program, and defect inspection method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2013039406A JP5714628B2 (en) 2013-02-28 2013-02-28 Defect inspection system, defect inspection program, and defect inspection method

Publications (2)

Publication Number Publication Date
JP2014167430A true JP2014167430A (en) 2014-09-11
JP5714628B2 JP5714628B2 (en) 2015-05-07

Family

ID=51617189

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013039406A Active JP5714628B2 (en) 2013-02-28 2013-02-28 Defect inspection system, defect inspection program, and defect inspection method

Country Status (1)

Country Link
JP (1) JP5714628B2 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104614373A (en) * 2015-01-28 2015-05-13 杭州高特新能源技术有限公司 Novel device for monitoring bulge and temperature of batteries
WO2018056417A1 (en) * 2016-09-23 2018-03-29 株式会社アーステクニカ Sorting device and sorting method

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3386818B2 (en) * 1997-04-07 2003-03-17 フォートン ダイナミクス,インコーポレイテッド Uneven defect detection method and detection device
JP2005165387A (en) * 2003-11-28 2005-06-23 Seiko Epson Corp Method and device for detecting stripe defective of picture and display device
JP2005345290A (en) * 2004-06-03 2005-12-15 Seiko Epson Corp Streak-like flaw detecting method and streak-like flaw detector
JP2008170256A (en) * 2007-01-11 2008-07-24 Seiko Epson Corp Flaw detection method, flaw detection program and inspection device
JP4310090B2 (en) * 2002-09-27 2009-08-05 株式会社日立製作所 Defect data analysis method and apparatus, and review system
JP4516253B2 (en) * 2001-12-04 2010-08-04 オリンパス株式会社 Defect classification device
JP4583869B2 (en) * 2004-10-18 2010-11-17 株式会社トプコン Lens positioning method and lens suction jig mounting device used in lens suction jig mounting device
JP4623809B2 (en) * 2000-09-29 2011-02-02 Sumco Techxiv株式会社 Wafer surface inspection apparatus and wafer surface inspection method
JP2011059742A (en) * 2009-09-04 2011-03-24 Olympus Corp Image processing apparatus and program
JP2012058197A (en) * 2010-09-13 2012-03-22 Shin Nippon Koki Co Ltd Generation method for test image, image test method using the same, and appearance test device
JP5037166B2 (en) * 2007-02-22 2012-09-26 新日本製鐵株式会社 Surface flaw inspection system, surface flaw inspection method, and computer program
JP2012242186A (en) * 2011-05-17 2012-12-10 Sharp Corp Method for detecting defect in tire

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3386818B2 (en) * 1997-04-07 2003-03-17 フォートン ダイナミクス,インコーポレイテッド Uneven defect detection method and detection device
JP4623809B2 (en) * 2000-09-29 2011-02-02 Sumco Techxiv株式会社 Wafer surface inspection apparatus and wafer surface inspection method
JP4516253B2 (en) * 2001-12-04 2010-08-04 オリンパス株式会社 Defect classification device
JP4310090B2 (en) * 2002-09-27 2009-08-05 株式会社日立製作所 Defect data analysis method and apparatus, and review system
JP2005165387A (en) * 2003-11-28 2005-06-23 Seiko Epson Corp Method and device for detecting stripe defective of picture and display device
JP2005345290A (en) * 2004-06-03 2005-12-15 Seiko Epson Corp Streak-like flaw detecting method and streak-like flaw detector
JP4583869B2 (en) * 2004-10-18 2010-11-17 株式会社トプコン Lens positioning method and lens suction jig mounting device used in lens suction jig mounting device
JP2008170256A (en) * 2007-01-11 2008-07-24 Seiko Epson Corp Flaw detection method, flaw detection program and inspection device
JP5037166B2 (en) * 2007-02-22 2012-09-26 新日本製鐵株式会社 Surface flaw inspection system, surface flaw inspection method, and computer program
JP2011059742A (en) * 2009-09-04 2011-03-24 Olympus Corp Image processing apparatus and program
JP2012058197A (en) * 2010-09-13 2012-03-22 Shin Nippon Koki Co Ltd Generation method for test image, image test method using the same, and appearance test device
JP2012242186A (en) * 2011-05-17 2012-12-10 Sharp Corp Method for detecting defect in tire

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104614373A (en) * 2015-01-28 2015-05-13 杭州高特新能源技术有限公司 Novel device for monitoring bulge and temperature of batteries
CN104614373B (en) * 2015-01-28 2017-10-24 杭州高特新能源技术有限公司 A kind of device of novel monitoring battery bulging and temperature
WO2018056417A1 (en) * 2016-09-23 2018-03-29 株式会社アーステクニカ Sorting device and sorting method
KR20190086436A (en) * 2016-09-23 2019-07-22 가부시키가이샤 아-스 테크니카 Selection device and sorting method
JPWO2018056417A1 (en) * 2016-09-23 2019-08-29 株式会社アーステクニカ Sorting device and sorting method
KR102242948B1 (en) 2016-09-23 2021-04-21 가부시키가이샤 아-스 테크니카 Sorting device and sorting method

Also Published As

Publication number Publication date
JP5714628B2 (en) 2015-05-07

Similar Documents

Publication Publication Date Title
US6876445B2 (en) Method for analyzing defect data and inspection apparatus and review system
JP2009139297A (en) Tire shape inspection method, and its device
US9230318B2 (en) Analysis of the digital image of the external surface of a tyre and processing of false measurement points
US20140376802A1 (en) Wafer Inspection Using Free-Form Care Areas
JP2009145285A (en) Defect detecting method and defect detecting apparatus
JP2010223812A (en) Method of measuring defect density in single crystal
CN105784713B (en) Sealing ring detection method of surface flaw based on machine vision
JP5714628B2 (en) Defect inspection system, defect inspection program, and defect inspection method
JP4742832B2 (en) Appearance inspection method, appearance inspection apparatus, program
FR2974218A1 (en) Analysis of the digital image of the surface of a tire - treatment of non-measurement points
JP5463943B2 (en) Image data processing method and image creation method
Sun et al. Improved watershed analysis for segmenting contacting particles of coarse granular soils in volumetric images
CN109166125B (en) Three-dimensional depth image segmentation algorithm based on multi-edge fusion mechanism
KR101667471B1 (en) Defect determination device, radiography system, and defect determination method
BR112016015299B1 (en) method for recognizing cracks and comparable structural defects, reflecting irradiation on the walls of hollow glass articles
WO2014010421A1 (en) X-ray inspection method and x-ray inspection device
JP4211092B2 (en) Automatic welding defect detection method in radiographic inspection
JP2009074952A (en) Visual inspection method
JP6515344B2 (en) Defect detection apparatus and defect detection method
JP2005300174A (en) Apparatus and method for inspecting package
JP5714627B2 (en) Cylindrical inspection device
JP6922539B2 (en) Surface defect determination method and surface defect inspection device
JP6459940B2 (en) Specific defect detection method, specific defect detection system and program
JP2019174931A (en) Contour extraction device and contour extraction method
KR101711708B1 (en) Method and apparatus for detecting center point of region in OCT image

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20140729

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20140926

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20150217

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20150311

R150 Certificate of patent or registration of utility model

Ref document number: 5714628

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250