JP2020112456A - 検査装置及び検査方法 - Google Patents

検査装置及び検査方法 Download PDF

Info

Publication number
JP2020112456A
JP2020112456A JP2019003969A JP2019003969A JP2020112456A JP 2020112456 A JP2020112456 A JP 2020112456A JP 2019003969 A JP2019003969 A JP 2019003969A JP 2019003969 A JP2019003969 A JP 2019003969A JP 2020112456 A JP2020112456 A JP 2020112456A
Authority
JP
Japan
Prior art keywords
determination unit
defect
inspection
inspected
image data
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
JP2019003969A
Other languages
English (en)
Other versions
JP6630912B1 (ja
Inventor
健太郎 小野
Kentaro Ono
健太郎 小野
山本　泰秀
Yasuhide Yamamoto
泰秀 山本
国仁 森永
kunihito Morinaga
国仁 森永
智幸 木本
Tomoyuki Kimoto
智幸 木本
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Denken KK
Institute of National Colleges of Technologies Japan
Original Assignee
Denken KK
Institute of National Colleges of Technologies Japan
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 Denken KK, Institute of National Colleges of Technologies Japan filed Critical Denken KK
Priority to JP2019003969A priority Critical patent/JP6630912B1/ja
Priority to CN202010025454.XA priority patent/CN111435118A/zh
Application granted granted Critical
Publication of JP6630912B1 publication Critical patent/JP6630912B1/ja
Publication of JP2020112456A publication Critical patent/JP2020112456A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account

Landscapes

  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

【課題】予め決められた規格を満たした良品を不良品と誤判定する可能性が低減された検査装置及び検査方法を提供する。【解決手段】検査装置１０は、被検査対象物６０を撮像する撮像部２０と、撮像部２０によって得られた被検査対象物６０の撮像データを処理し、処理画像データを生成する画像処理部３０と、処理画像データ及び予め規定された欠陥のデータに基づいて被検査対象物６０の欠陥の有無を判定する第１の判定部４０と、処理画像データ及び予め構築された学習モデルに基づいて被検査対象物６０の欠陥の有無を判定する第２の判定部５０と、を備え、第２の判定部５０が欠陥があると判定した被検査対象物６０に対して第１の判定部４０が欠陥の有無を判定する。【選択図】図１

Description

本発明は、検査装置及び検査方法に関する。
特許文献１には、対象物の外観から良品と不良品を判定する外観検査装置が記載されている。この外観検査装置は、撮影照明装置により製品を撮影し、制御部において、撮影制御部にて画像を取得し、前処理部にて製品の位置決め及び背景除去を行い、色空間処理部により製品の傷や打痕等の不具合が強調される色空間処理を行うことで色空間処理画像を生成し、判定部にて、色空間処理画像に基づき製品の良否判定を機械学習した学習済みモデルを用いて、製品の良否判定を行う。
国際公開第２０１８／１５０６０７号
本発明は、予め決められた規格を満たした良品を不良品と誤判定する可能性が低減された検査装置及び検査方法を提供することを目的とする。
請求項１に記載の発明は、被検査対象物を撮像する撮像部と、前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、前記処理画像データ及び予め規定された欠陥のデータに基づいて前記被検査対象物の欠陥の有無を判定する第１の判定部と、前記処理画像データ及び予め構築された学習モデルに基づいて前記被検査対象物の欠陥の有無を判定する第２の判定部と、を備え、前記第２の判定部が前記欠陥があると判定した前記被検査対象物に対して前記第１の判定部が欠陥の有無を判定する検査装置である。
請求項２に記載の発明は、被検査対象物を撮像する撮像部と、前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、前記処理画像データをルールベースにより処理して前記被検査対象物の欠陥の有無を判定する第１の判定部と、前記処理画像データを機械学習により処理して前記被検査対象物の欠陥の有無を判定する第２の判定部と、を備え、前記第２の判定部が前記欠陥があると判定した前記被検査対象物に対して前記第１の判定部が欠陥の有無を判定する検査装置である。
請求項３に記載の発明は、被検査対象物を撮像する撮像部と、前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、
前記処理画像データ及び予め規定された欠陥のデータに基づいて前記被検査対象物の欠陥の有無を判定する第１の判定部と、前記処理画像データ及び予め構築された学習モデルに基づいて前記被検査対象物の欠陥の有無を判定する第２の判定部と、を備えた検査装置を用いて前記被検査対象物を検査する検査方法であって、前記第２の判定部が前記欠陥があると判定した前記被検査対象物に対して前記第１の判定部が欠陥の有無を判定し、欠陥がないと判定した該被検査対象物を良品として取り扱う検査方法である。
本発明によれば、予め決められた規格を満たした良品を不良品と誤判定する可能性が低減された検査装置及び検査方法を提供できる。
本発明の一の実施の形態に係る外観検査装置の構成図である。 （Ａ）〜（Ｅ）は同外観検査装置が検査する半導体の外観の不良例であって、それぞれ傷、ボイド、汚れ、異物及び未充填を示す説明図である。 （Ａ）及び（Ｂ）は、同外観検査装置が備える第１の判定部による外観検査の説明図であって、それぞれ半導体の外観の画像及び欠陥として計測する対象となる長さ及び面積を示す画像である。 同外観検査装置が備える第２の判定部による外観検査の説明図である。 同外観検査装置による出荷検査のフロー図である。
続いて、添付した図面を参照しつつ、本発明を具体化した実施の形態につき説明し、本発明の理解に供する。なお、図において、説明に関連しない部分は図示を省略する場合がある。
本発明の一実施の形態に係る外観検査装置（検査装置の一例）１０は、図１に示すように、撮像部２０、画像処理部３０、第１の判定部４０及び第２の判定部５０を備え、半導体（被検査対象物の一例）６０の外観上の欠陥を検査することができる。
なお、この欠陥の例として、図２（Ａ）〜図２（Ｅ）にそれぞれ示すような傷、ボイド（気泡により生じた穴）、汚れ、異物（異物の混入又は付着）及び未充填が挙げられる。
撮像部２０は、半導体６０の外観を撮像できるカメラであり、半導体６０の上方に配置されている。
画像処理部３０は、撮像部２０によって得られた半導体６０の撮像データを処理し、処理画像データを生成できる。
第１の判定部４０は、ルールベースにより半導体６０の外観上の欠陥の有無を判定できる。より具体的には、第１の判定部４０は、画像処理部３０が生成した処理画像データ及び予め規定された欠陥のデータに基づいて、半導体６０の外観上の欠陥の有無を判定できる。
第１の判定部４０は、図３（Ａ）に示す半導体６０の画像に対し、図３（Ｂ）に示すように、設定された検査領域（検査対象としない不問エリア以外の領域）において、欠陥を規定するデータとして予め設定された長さや面積等を計測することにより、半導体６０に欠陥があるか否かを判定する。
なお、欠陥として計測する対象は、検出対象とする欠陥の種類によって異なる。例えば、ボイドを規定するデータとして径が０．２ｍｍ以上と設定されると、径が０．２ｍｍ未満のボイドが計測された半導体６０は良品と判定され、それ以外の半導体６０は不良品と判定される。また例えば、傷を規定するデータとして長さ０．２ｍｍ以上と設定されると、長さ０．２ｍｍ未満の傷が計測された半導体６０は良品と判定され、それ以外の半導体６０は不良品と判定される。
従って、第１の判定部４０により、検査結果として保証すべき絶対的な外観上の規格を満たすか否かが判定される。
第２の判定部５０は、機械学習により半導体６０の外観上の欠陥の有無を判定できる。より具体的には、第２の判定部５０は、画像処理部３０が生成した処理画像データ及び予め構築された学習モデルに基づいて、半導体６０の外観上の欠陥の有無を判定できる。
第２の判定部５０は、図４に示すように、予め複数の良品を撮像した画像群とボイド、傷、未充填等の各種の不良品を撮像した画像群とを例えばディープラーニング（教師あり学習の一例）により学習し、構築された学習モデルに基づいて、半導体６０の外観上の欠陥の有無を判定できことに加え、不良品をボイド、傷、未充填等の欠陥の種類に応じて仕分けできる。
なお、第２の判定部５０及び第１の判定部４０がそれぞれ単独で半導体６０の全数を検査する場合、機械学習による第２の判定部５０による判定処理は、ルールベースよる第１の判定部４０による判定処理よりも高速である。
次に、外観検査装置１０の動作（半導体６０の外観検査方法）について説明する。外観検査装置１０は、以下のステップに従って半導体６０の欠陥の有無を検査できる。ただし、可能な場合には、各ステップは順番を入れ替えて実施されてもよいし、並行して実施されてもよい。
以下、説明を単純化するために、規定のボイド及び規定の傷の有無を検査し、これら欠陥がない良品を出荷する出荷検査の例について説明する。
（ステップＳ１）
撮像部２０が出荷前の半導体６０を撮像し、画像処理部３０が撮像データを処理して処理画像を生成する。その後、第２の判定部５０が、学習モデルに基づいて、半導体６０の全数について外観を検査する。
（ステップＳ２）
前ステップＳ１の検査にて半導体６０に欠陥がない（ボイドも傷もない）と判定された場合には、良品として扱われる。
欠陥があると判定された場合には、不良品として扱われる。
（ステップＳ３ａ）
前ステップＳ２にて不良品と判定され、その欠陥がボイド不良の場合には、その不良品について第１の判定部４０がボイドの有無を検査する。
（ステップＳ３ｂ）
第１の判定部４０が規定のボイドが存在しないと判定した場合は、その半導体６０は良品として扱われる。一方、第１の判定部４０が規定のボイドが存在すると判定した場合は、その半導体６０は不良品として扱われる。
なお、第１の判定部４０により判定されたボイド不良は、その具体的な測定結果が検査データとして記録される（ボイド不良が計数値化される）。
（ステップＳ４ａ）
前ステップＳ２にて不良品と判定され、欠陥が傷不良の場合には、その不良品について第１の判定部４０が傷の有無を検査する。
（ステップＳ４ｂ）
第１の判定部４０が規定の傷が存在しないと判定した場合は、その半導体６０は良品として扱われる。一方、第１の判定部４０が規定の傷が存在すると判定した場合は、その半導体６０は不良品として扱われる。
なお、第１の判定部４０により判定された傷不良は、その具体的な測定結果が検査データとして記録される（傷不良が計数値化される）。
（ステップＳ５）
ステップＳ３ｂ及びステップＳ４ｂにて不良品と判定された半導体６０は、不良品として所定の処理がなされる。
ステップＳ１にて不良品と判定された半導体６０のうち、欠陥がボイド不良かつ傷不良である半導体６０は、不良品として所定の処理がなされる。欠陥がボイド不良でも傷不良でもない欠陥（その他不良）である半導体６０も、不良品として所定の処理がなされる。
（ステップＳ６）
ステップＳ２にて良品と判定された半導体６０が出荷される。
ステップＳ３ｂ及びステップＳ４ｂにて良品と判定された半導体６０も出荷される。
このように、外観検査装置１０によれば、第２の判定部５０が機械学習により欠陥がある不良品と判定した半導体６０に対して、第１の判定部４０が再度ルールベースにより欠陥の有無を判定し、欠陥がないと判断した半導体６０を良品として取り扱うことによって、予め決められた規格を満たした良品を不良品と誤判定する可能性が低減される。
また、単独での判定処理に関しては、第２の判定部５０の方が第１の判定部４０よりも高速で良否を判定できるため、第１の判定部４０のみで判定する場合よりも、検査に要する時間は全体として短縮される。
以上、本発明の実施の形態を説明したが、本発明は、上記した形態に限定されるものでなく、要旨を逸脱しない条件の変更等は全て本発明の適用範囲である。
検査装置は、被検査対象の外観を検査する外観検査装置に限定されるものではなく、例えば、内部の欠陥を非接触で検査できる非接触検査装置であってもよい。
１０ 外観検査装置
２０ 撮像部
３０ 画像処理部
４０ 第１の判定部
５０ 第２の判定部
６０ 半導体
本発明は、検査装置及び検査方法に関する。
特許文献１には、対象物の外観から良品と不良品を判定する外観検査装置が記載されている。この外観検査装置は、撮影照明装置により製品を撮影し、制御部において、撮影制御部にて画像を取得し、前処理部にて製品の位置決め及び背景除去を行い、色空間処理部により製品の傷や打痕等の不具合が強調される色空間処理を行うことで色空間処理画像を生成し、判定部にて、色空間処理画像に基づき製品の良否判定を機械学習した学習済みモデルを用いて、製品の良否判定を行う。
国際公開第２０１８／１５０６０７号
本発明は、予め決められた規格を満たした良品を不良品と誤判定する可能性が低減された検査装置及び検査方法を提供することを目的とする。
請求項１に記載の発明は、被検査対象物を撮像する撮像部と、前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、前記処理画像データ及び予め規定されたボイド及び傷のデータに基づいて、前記被検査対象物の欠陥の有無を判定する第１の判定部と、前記処理画像データ及び予め構築された機械学習モデルに基づいて、前記被検査対象物の前記ボイド及び前記傷の有無を判定する第２の判定部と、を備え、前記第２の判定部が前記ボイドがあり不良であると判定した前記被検査対象物に対して、前記第１の判定部が該ボイドの有無を判定し、前記第２の判定部が前記傷があり不良であると判定した前記被検査対象物に対して、前記第１の判定部が該傷の有無を判定する検査装置である。
請求項２に記載の発明は、被検査対象物を撮像する撮像部と、前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、前記処理画像データ及び予め規定された複数の種類の欠陥のデータに基づいて、前記被検査対象物の欠陥の有無を判定する第１の判定部と、前記処理画像データ及び予め構築された機械学習モデルに基づいて、前記被検査対象物について前記複数の種類の欠陥の有無を判定する第２の判定部と、を備え、前記第２の判定部が、前記被検査対象物について特定の種類の前記欠陥があり不良品と判定した場合に、前記第１の判定部が、該不良品について該特定の種類の欠陥の有無を判定する検査装置である。
請求項３に記載の発明は、被検査対象物を撮像する撮像部と、前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、前記処理画像データ及び予め規定された複数の種類の欠陥のデータに基づいて、前記被検査対象物の欠陥の有無を判定する第１の判定部と、前記処理画像データ及び予め構築された機械学習モデルに基づいて、前記被検査対象物について前記複数の種類の欠陥の有無を判定する第２の判定部と、を備えた検査装置を用いて前記被検査対象物を検査する検査方法であって、前記第２の判定部が、前記被検査対象物について特定の種類の前記欠陥があり不良品と判定した場合に、前記第１の判定部が、該不良品について該特定の種類の欠陥の有無を判定する検査方法である。
本発明によれば、予め決められた規格を満たした良品を不良品と誤判定する可能性が低減された検査装置及び検査方法を提供できる。
本発明の一の実施の形態に係る外観検査装置の構成図である。 （Ａ）〜（Ｅ）は同外観検査装置が検査する半導体の外観の不良例であって、それぞれ傷、ボイド、汚れ、異物及び未充填を示す説明図である。 （Ａ）及び（Ｂ）は、同外観検査装置が備える第１の判定部による外観検査の説明図であって、それぞれ半導体の外観の画像及び欠陥として計測する対象となる長さ及び面積を示す画像である。 同外観検査装置が備える第２の判定部による外観検査の説明図である。 同外観検査装置による出荷検査のフロー図である。
続いて、添付した図面を参照しつつ、本発明を具体化した実施の形態につき説明し、本発明の理解に供する。なお、図において、説明に関連しない部分は図示を省略する場合がある。
本発明の一実施の形態に係る外観検査装置（検査装置の一例）１０は、図１に示すように、撮像部２０、画像処理部３０、第１の判定部４０及び第２の判定部５０を備え、半導体（被検査対象物の一例）６０の外観上の欠陥を検査することができる。
なお、この欠陥の例として、図２（Ａ）〜図２（Ｅ）にそれぞれ示すような傷、ボイド（気泡により生じた穴）、汚れ、異物（異物の混入又は付着）及び未充填が挙げられる。
撮像部２０は、半導体６０の外観を撮像できるカメラであり、半導体６０の上方に配置されている。
画像処理部３０は、撮像部２０によって得られた半導体６０の撮像データを処理し、処理画像データを生成できる。
第１の判定部４０は、ルールベースにより半導体６０の外観上の欠陥の有無を判定できる。より具体的には、第１の判定部４０は、画像処理部３０が生成した処理画像データ及び予め規定された欠陥のデータに基づいて、半導体６０の外観上の欠陥の有無を判定できる。
第１の判定部４０は、図３（Ａ）に示す半導体６０の画像に対し、図３（Ｂ）に示すように、設定された検査領域（検査対象としない不問エリア以外の領域）において、欠陥を規定するデータとして予め設定された長さや面積等を計測することにより、半導体６０に欠陥があるか否かを判定する。
なお、欠陥として計測する対象は、検出対象とする欠陥の種類によって異なる。例えば、ボイドを規定するデータとして径が０．２ｍｍ以上と設定されると、径が０．２ｍｍ未満のボイドが計測された半導体６０は良品と判定され、それ以外の半導体６０は不良品と判定される。また例えば、傷を規定するデータとして長さ０．２ｍｍ以上と設定されると、長さ０．２ｍｍ未満の傷が計測された半導体６０は良品と判定され、それ以外の半導体６０は不良品と判定される。
従って、第１の判定部４０により、検査結果として保証すべき絶対的な外観上の規格を満たすか否かが判定される。
第２の判定部５０は、機械学習により半導体６０の外観上の欠陥の有無を判定できる。より具体的には、第２の判定部５０は、画像処理部３０が生成した処理画像データ及び予め構築された機械学習モデルに基づいて、半導体６０の外観上の欠陥の有無を判定できる。
第２の判定部５０は、図４に示すように、予め複数の良品を撮像した画像群とボイド、傷、未充填等の各種の不良品を撮像した画像群とを例えばディープラーニング（教師あり学習の一例）により学習し、構築された機械学習モデルに基づいて、半導体６０の外観上の欠陥の有無を判定できることに加え、不良品をボイド、傷、未充填等の欠陥の種類に応じて仕分けできる。
なお、第２の判定部５０及び第１の判定部４０がそれぞれ単独で半導体６０の全数を検査する場合、機械学習による第２の判定部５０による判定処理は、ルールベースよる第１の判定部４０による判定処理よりも高速である。
次に、外観検査装置１０の動作（半導体６０の外観検査方法）について、図５に基づいて説明する。外観検査装置１０は、以下のステップに従って半導体６０の欠陥の有無を検査できる。ただし、可能な場合には、各ステップは順番を入れ替えて実施されてもよいし、並行して実施されてもよい。
以下、説明を単純化するために、規定のボイド及び規定の傷の有無を検査し、これら欠陥がない良品を出荷する出荷検査の例について説明する。
（ステップＳ１）
撮像部２０が出荷前の半導体６０を撮像し、画像処理部３０が撮像データを処理して処理画像を生成する。その後、第２の判定部５０が、機械学習モデルに基づいて、半導体６０の全数について外観を検査する。
（ステップＳ２）
前ステップＳ１の検査にて半導体６０に欠陥がない（ボイドも傷もない）と判定された場合には、良品として扱われる。
欠陥があると判定された場合には、不良品として扱われる。
（ステップＳ３ａ）
前ステップＳ２にて不良品と判定され、その欠陥がボイド不良の場合には、その不良品について第１の判定部４０がボイドの有無を検査する。
（ステップＳ３ｂ）
第１の判定部４０が規定のボイドが存在しないと判定した場合は、その半導体６０は良品として扱われる。一方、第１の判定部４０が規定のボイドが存在すると判定した場合は、その半導体６０は不良品として扱われる。
なお、第１の判定部４０により判定されたボイド不良は、その具体的な測定結果が検査データとして記録される（ボイド不良が計数値化される）。
（ステップＳ４ａ）
前ステップＳ２にて不良品と判定され、欠陥が傷不良の場合には、その不良品について第１の判定部４０が傷の有無を検査する。
（ステップＳ４ｂ）
第１の判定部４０が規定の傷が存在しないと判定した場合は、その半導体６０は良品として扱われる。一方、第１の判定部４０が規定の傷が存在すると判定した場合は、その半導体６０は不良品として扱われる。
なお、第１の判定部４０により判定された傷不良は、その具体的な測定結果が検査データとして記録される（傷不良が計数値化される）。
（ステップＳ５）
ステップＳ３ｂ及びステップＳ４ｂにて不良品と判定された半導体６０は、不良品として所定の処理がなされる。
ステップＳ１にて不良品と判定された半導体６０のうち、欠陥がボイド不良かつ傷不良である半導体６０は、不良品として所定の処理がなされる。欠陥がボイド不良でも傷不良でもない欠陥（その他不良）である半導体６０も、不良品として所定の処理がなされる。
（ステップＳ６）
ステップＳ２にて良品と判定された半導体６０が出荷される。
ステップＳ３ｂ及びステップＳ４ｂにて良品と判定された半導体６０も出荷される。
このように、外観検査装置１０によれば、第２の判定部５０が機械学習により欠陥がある不良品と判定した半導体６０に対して、第１の判定部４０が再度ルールベースにより欠陥の有無を判定し、欠陥がないと判断した半導体６０を良品として取り扱うことによって、予め決められた規格を満たした良品を不良品と誤判定する可能性が低減される。
また、単独での判定処理に関しては、第２の判定部５０の方が第１の判定部４０よりも高速で良否を判定できるため、第１の判定部４０のみで判定する場合よりも、検査に要する時間は全体として短縮される。
以上、本発明の実施の形態を説明したが、本発明は、上記した形態に限定されるものでなく、要旨を逸脱しない条件の変更等は全て本発明の適用範囲である。
検査装置は、被検査対象の外観を検査する外観検査装置に限定されるものではなく、例えば、内部の欠陥を非接触で検査できる非接触検査装置であってもよい。
１０ 外観検査装置
２０ 撮像部
３０ 画像処理部
４０ 第１の判定部
５０ 第２の判定部
６０ 半導体

Claims (3)

  1. 被検査対象物を撮像する撮像部と、
    前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、
    前記処理画像データ及び予め規定された欠陥のデータに基づいて前記被検査対象物の欠陥の有無を判定する第１の判定部と、
    前記処理画像データ及び予め構築された学習モデルに基づいて前記被検査対象物の欠陥の有無を判定する第２の判定部と、を備え、
    前記第２の判定部が前記欠陥があると判定した前記被検査対象物に対して前記第１の判定部が欠陥の有無を判定する検査装置。
  2. 被検査対象物を撮像する撮像部と、
    前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、
    前記処理画像データをルールベースにより処理して前記被検査対象物の欠陥の有無を判定する第１の判定部と、
    前記処理画像データを機械学習により処理して前記被検査対象物の欠陥の有無を判定する第２の判定部と、を備え、
    前記第２の判定部が前記欠陥があると判定した前記被検査対象物に対して前記第１の判定部が欠陥の有無を判定する検査装置。
  3. 被検査対象物を撮像する撮像部と、
    前記撮像部によって得られた前記被検査対象物の撮像データを処理し、処理画像データを生成する画像処理部と、
    前記処理画像データ及び予め規定された欠陥のデータに基づいて前記被検査対象物の欠陥の有無を判定する第１の判定部と、
    前記処理画像データ及び予め構築された学習モデルに基づいて前記被検査対象物の欠陥の有無を判定する第２の判定部と、を備えた検査装置を用いて前記被検査対象物を検査する検査方法であって、
    前記第２の判定部が前記欠陥があると判定した前記被検査対象物に対して前記第１の判定部が欠陥の有無を判定し、欠陥がないと判定した該被検査対象物を良品として取り扱う検査方法。
JP2019003969A 2019-01-14 2019-01-14 検査装置及び検査方法 Active JP6630912B1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2019003969A JP6630912B1 (ja) 2019-01-14 2019-01-14 検査装置及び検査方法
CN202010025454.XA CN111435118A (zh) 2019-01-14 2020-01-10 检查装置和检查方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019003969A JP6630912B1 (ja) 2019-01-14 2019-01-14 検査装置及び検査方法

Publications (2)

Publication Number Publication Date
JP6630912B1 JP6630912B1 (ja) 2020-01-15
JP2020112456A true JP2020112456A (ja) 2020-07-27

Family

ID=69146709

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019003969A Active JP6630912B1 (ja) 2019-01-14 2019-01-14 検査装置及び検査方法

Country Status (2)

Country Link
JP (1) JP6630912B1 (ja)
CN (1) CN111435118A (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022029155A (ja) * 2020-08-04 2022-02-17 デンカ株式会社 評価システム、評価方法、および評価プログラム
WO2023032549A1 (ja) * 2021-09-01 2023-03-09 株式会社エフ・シー・シー 欠陥検査装置、欠陥検査方法および予測モデル生成方法
WO2023095416A1 (ja) * 2021-11-25 2023-06-01 株式会社ジャパンディスプレイ 表示装置の検査方法及び情報処理装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04364449A (ja) * 1991-06-11 1992-12-16 Sumitomo Heavy Ind Ltd 果実の欠陥検出装置
JPH0633060U (ja) * 1992-10-02 1994-04-28 谷電機工業株式会社 自動検査機能付き目視検査システム
JPH09167383A (ja) * 1995-10-12 1997-06-24 Toray Ind Inc 光記録媒体の検査システムおよび製造方法
JPH11211701A (ja) * 1998-01-26 1999-08-06 Hitachi Constr Mach Co Ltd 超音波検査装置
JP2012026982A (ja) * 2010-07-27 2012-02-09 Panasonic Electric Works Sunx Co Ltd 検査装置
WO2018173660A1 (ja) * 2017-03-21 2018-09-27 Ｊｆｅスチール株式会社 表面欠陥検査方法及び表面欠陥検査装置
US20180299375A1 (en) * 2015-04-27 2018-10-18 Virtual Fluid Monitoring Services LLC Fluid analysis and monitoring using optical spectroscopy
JP2018181218A (ja) * 2017-04-20 2018-11-15 ファナック株式会社 加工面品位評価装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4345930B2 (ja) * 2005-01-28 2009-10-14 Ｙｋｋ株式会社 物品の外観検査装置
JP2010038723A (ja) * 2008-08-05 2010-02-18 Hitachi Chem Co Ltd 欠陥検査方法
JP5168215B2 (ja) * 2009-04-10 2013-03-21 株式会社デンソー 外観検査装置
JP5921190B2 (ja) * 2011-12-28 2016-05-24 株式会社キーエンス 画像処理装置及び画像処理方法
JP5943722B2 (ja) * 2012-06-08 2016-07-05 三菱重工業株式会社 欠陥判定装置、放射線撮像システム、及び欠陥判定方法
CN104458755B (zh) * 2014-11-26 2017-02-22 吴晓军 一种基于机器视觉的多类型材质表面缺陷检测方法
JP6218094B1 (ja) * 2016-04-15 2017-10-25 Ｊｅインターナショナル株式会社 検査方法、検査装置、検査プログラム、および記録媒体
JP7185388B2 (ja) * 2016-11-21 2022-12-07 日東電工株式会社 検査装置及び検査方法
JP6549644B2 (ja) * 2017-06-27 2019-07-24 ファナック株式会社 機械学習装置、ロボット制御システム及び機械学習方法
JP6705777B2 (ja) * 2017-07-10 2020-06-03 ファナック株式会社 機械学習装置、検査装置及び機械学習方法
CN207636508U (zh) * 2017-12-14 2018-07-20 北京木业邦科技有限公司 一种单板缺陷检测系统及设备
CN108107051B (zh) * 2017-12-19 2020-03-31 无锡先导智能装备股份有限公司 基于机器视觉的锂电池缺陷检测系统及方法
CN108257122A (zh) * 2018-01-09 2018-07-06 北京百度网讯科技有限公司 基于机器视觉的纸张缺陷检测方法、装置及服务器

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04364449A (ja) * 1991-06-11 1992-12-16 Sumitomo Heavy Ind Ltd 果実の欠陥検出装置
JPH0633060U (ja) * 1992-10-02 1994-04-28 谷電機工業株式会社 自動検査機能付き目視検査システム
JPH09167383A (ja) * 1995-10-12 1997-06-24 Toray Ind Inc 光記録媒体の検査システムおよび製造方法
JPH11211701A (ja) * 1998-01-26 1999-08-06 Hitachi Constr Mach Co Ltd 超音波検査装置
JP2012026982A (ja) * 2010-07-27 2012-02-09 Panasonic Electric Works Sunx Co Ltd 検査装置
US20180299375A1 (en) * 2015-04-27 2018-10-18 Virtual Fluid Monitoring Services LLC Fluid analysis and monitoring using optical spectroscopy
WO2018173660A1 (ja) * 2017-03-21 2018-09-27 Ｊｆｅスチール株式会社 表面欠陥検査方法及び表面欠陥検査装置
JP2018155690A (ja) * 2017-03-21 2018-10-04 Ｊｆｅスチール株式会社 表面欠陥検査方法及び表面欠陥検査装置
JP2018181218A (ja) * 2017-04-20 2018-11-15 ファナック株式会社 加工面品位評価装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022029155A (ja) * 2020-08-04 2022-02-17 デンカ株式会社 評価システム、評価方法、および評価プログラム
JP7407670B2 (ja) 2020-08-04 2024-01-04 デンカ株式会社 評価システム、評価方法、および評価プログラム
WO2023032549A1 (ja) * 2021-09-01 2023-03-09 株式会社エフ・シー・シー 欠陥検査装置、欠陥検査方法および予測モデル生成方法
JP2023035643A (ja) * 2021-09-01 2023-03-13 株式会社エフ・シー・シー 欠陥検査装置、欠陥検査方法および予測モデル生成方法
JP7257470B2 (ja) 2021-09-01 2023-04-13 株式会社エフ・シー・シー 欠陥検査装置、欠陥検査方法および予測モデル生成方法
WO2023095416A1 (ja) * 2021-11-25 2023-06-01 株式会社ジャパンディスプレイ 表示装置の検査方法及び情報処理装置

Also Published As

Publication number Publication date
JP6630912B1 (ja) 2020-01-15
CN111435118A (zh) 2020-07-21

Similar Documents

Publication Publication Date Title
JP6560220B2 (ja) 表面欠陥の検出のための検査システムを点検する方法及び装置
JP6922539B2 (ja) 表面欠陥判定方法および表面欠陥検査装置
JP2020112456A (ja) 検査装置及び検査方法
JP7053366B2 (ja) 検査装置及び検査方法
JP2019211288A (ja) 食品検査システムおよびプログラム
TW201921139A (zh) 在透明或半透明晶圓上之缺陷偵測
KR20090100615A (ko) 결함 검출 방법
JP6696323B2 (ja) パターン検査装置およびパターン検査方法
TWI526683B (zh) Method of setting parameters for common setting between optical inspection units
WO2022224657A1 (ja) 製造ラインの異常予兆検知装置、方法及びプログラム並びに製造装置及び検品装置
JP2007192651A (ja) 半導体製造装置、半導体外観検査装置、及び外観検査方法
CN110108713A (zh) 一种表面异物缺陷快速过滤方法及系统
JP7410402B2 (ja) 外観検査システム
JP2001209798A (ja) 外観検査方法及び検査装置
US8358406B2 (en) Defect inspection method and defect inspection system
JP2011232303A (ja) 画像検査方法及び画像検査装置
JP2021056004A (ja) 画像判定装置及び画像判定方法
JP4243268B2 (ja) パターン検査装置、及びパターン検査方法
US12051185B2 (en) Method and apparatus for the determination of defects during a surface modification method
JP7372687B2 (ja) 自動検査装置、パイプ内面自動検査装置及び３次元構造製品の外観自動検査装置
JP2023532024A (ja) トレーニングされた人工知能ベースの処理を用いる非破壊試験（ｎｄｔ）の方法及びシステム
KR20110020437A (ko) 패턴이 형성된 웨이퍼의 결함 검사 방법
JP7510132B1 (ja) 外観検査装置、機械学習モデルの学習方法、教師用画像の生成方法及びプログラム
TWM585899U (zh) 用於檢測半導體裝置之缺陷之系統
JP2008015930A (ja) 製造ラインの生産管理方法および生産管理システム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190605

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20190605

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20190607

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190621

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20190819

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190928

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: 20191015

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20191109

R150 Certificate of patent or registration of utility model

Ref document number: 6630912

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