JP3022356B2 - 自動検査システム及び判定方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は被検対象の自動検査
システムに係り、特に被検対象から得られた複数の特性
パラメータを用いて自動的に特性判定を行うシステム及
びそのシステムで使用される判定方法に関する。

【０００２】

【従来の技術】パターン認識技術のひとつであるクラス
タ解析の応用例としては、例えば特開平０４−３１６１
８３号公報に開示された文字認識装置などがある。クラ
スタ解析の方法はパターン認識の教科書（例えば”パタ
ーン認識”森健一、コロナ社１９８８）に詳しく記載さ
れている。簡単に説明すると、サンプルから抽出したｎ
個の特徴量が形成するｎ次元の特徴空間において、ひと
つのカテゴリ（例えば不良品）に属する全てのサンプル
からそのカテゴリを表すｎ次元の代表ベクトルを生成す
る。すべてのカテゴリについて代表ベクトルを決定して
おき、未知のサンプルが提示されたら、全ての代表ベク
トルと比較して、最も近いものに前記未知サンプルが含
まれるとする分類方法である。なお実際には、一つのカ
テゴリに属するサンプルのクラスタが単純なかたまりに
なるとは限らないので、クラスタの形が複雑になる場合
は、一つのクラスタを、複数のサブクラスタに分割して
判定を行う方法もある。

【０００３】製造物の検査方法としては、上記クラスタ
解析を応用したものの他に、例えば判定をニューラルネ
ットに行わせる方法も提案されている（特開平３−６８
８４５号公報）。この従来の方法は、はんだ付け部のＸ
線透過画像を用い、ニューラルネットによって欠陥判定
を行うものである。ニューラルネットを判定に用いる利
点は、既に知られているように、適正な数の良品／不良
品のサンプルを学習させることによって、カテゴリに対
応するクラスタの形状がかなり複雑な場合でも分類が可
能な点である。

【０００４】

【発明が解決しようとする課題】しかしながら、上記従
来技術では、判定不能とシステム自身が判断する明確な
方法が与えられていない。このために、クラスタの代表
ベクトルを決定するためのサンプル数あるいはニューラ
ルネットに学習させるためのサンプル数が不十分である
と、それらを用いて分類を実行させた場合、判定の誤り
が増加するという問題があった。また、分類に必要充分
なサンプルの質、および規模を決定する系統的な手段が
ないかあるいは困難な場合では、サンプルを追加して追
加学習したとしても、どの時点で分類性能が十分なレベ
ルに達するかわからず、結果的に分類システムの信頼性
に確信がもてないという問題もあった。

【０００５】本発明の目的は、初期基準サンプルの個数
が少ない場合でも信頼性のある判定を行うことができる
判定方法及び検査システムを提供することにある。

【０００６】本発明の他の目的は、基準サンプルの個数
が少ない場合でも判定することができ、且つその際の判
定の信頼度を明示できる判定方法及び検査システムを提
供することにある。

【０００７】本発明の更に他の目的は、基準サンプルの
追加登録をユーザの明確な判断の下で実行できる判定方
法及び検査システムを提供することにある。

【０００８】

【課題を解決するための手段】本発明による判定方法
は、予め定められた複数の特性パラメータの各々に関し
て被検サンプルから特性データを抽出し、その特性デー
タに基づいて互いに異なる複数の判定結果の中から１つ
を特定する判定方法であって、前記複数の特性パラメー
タからなるパラメータ空間に それぞれ判定結果が特定
される複数の基準サンプルから抽出された特性データに
基づいて前記複数の基準サンプルに対応した基準点をそ
れぞれ特定し、前記パラメータ空間における各基準点の
周囲に、各基準点の判定結果と同一の判定結果の複数の
点からなる領域を他の判定結果が特定された点と出会う
まで順次拡張することで、各基準点を中心とした拡張領
域からなる判定基準マップを生成し、前記被検サンプル
の特性データに基づいて前記パラメータ空間内に特定さ
れた被検点が前記判定基準マップのいずれの拡張領域に
存在するかによって前記被検サンプルの判定結果を特定
する、ことを特徴とする。

【０００９】望ましくは、前記判定基準マップの各拡張
領域には更に判定信頼度が付加され、前記判定信頼度は
当該拡張領域の基準点を頂点として前記領域が拡張され
る毎に所定量だけ減少するように設定される。

【００１０】また、本発明による自動検査システムは、
サンプルから特性データを抽出する入力手段と、前記複
数の特性パラメータからなるパラメータ空間を形成する
記憶手段と、前記パラメータ空間にそれぞれ判定結果が
特定される複数の基準サンプルから抽出された特性デー
タに基づいて前記複数の基準サンプルに対応した基準点
をそれぞれ前記パラメータ空間に登録する基準点登録手
段と、前記パラメータ空間における各基準点の周囲に、
各基準点の判定結果と同一の判定結果の複数の点からな
る領域を他の判定結果が特定された点と出会うまで順次
拡張することで、各基準点を中心とした拡張領域からな
る判定基準マップを生成し前記記憶手段に格納する判定
基準生成手段と、前記被検サンプルの特性データに基づ
いて前記パラメータ空間内に特定された被検点が前記判
定基準マップのいずれの拡張領域に存在するかによって
前記被検サンプルの判定結果を特定する検査手段と、前
記判定結果からなる情報を表示する表示手段と、からな
ることを特徴とする。

【００１１】前記記憶手段はデータベースからなり、前
記検査手段は前記データベースを前記被検点をキーとし
て検索し、該当する領域の点が存在すれば、その点の判
定結果を前記被検サンプルの判定結果として採用する。
更に、前記記憶手段に格納された前記判定基準マップの
各拡張領域には更に判定信頼度が付加され、前記判定信
頼度は当該拡張領域の基準点を頂点として前記領域が拡
張される毎に所定量だけ減少するように設定される。

【００１２】前記被検点が前記判定基準マップのいずれ
の拡張領域にも存在しない場合には判定不能と決定し、
前記表示手段に表示し、当該被検サンプルの被検点を前
記記憶手段に新規に登録するか否かをユーザが判断する
ことが望ましい。

【００１３】

【発明の実施の形態】図１は、本発明による検査システ
ムの一実施形態を示すブロック図である。被検査対象で
あるサンプル１０１の表面はカメラ１０２によって撮像
され、そのビデオ信号は画像処理部１０３に入力する。
画像処理部１０３は、入力した画像の前処理を行なった
後、特徴抽出を行い、抽出された特性パラメータと画像
データとがパーソナルコンピュータ１０４へ転送され
る。コンピュータ１０４には、本発明により形成される
検査用データベース１０５、モニタ１０６、キーボード
やポインティングデバイス等の入力デバイス１０７、そ
の他必要な周辺機器が接続されている。本発明による検
査方法のソフトウエアは、コンピュータ１０４内に設け
られたＲＯＭ（図示せず）に格納されている。なお、本
実施形態の画像処理部１０３は市販のパーソナルコンピ
ュータ組み込み用ボードを使用してもよい。

【００１４】図２は本実施形態により判定される撮像画
像の一例を示す図である。撮像画面内に円形状の複数の
粒（ここでは、Ｃ1〜Ｃ3）が存在する場合を例に取る。
画像処理部１０３はこのような画像データから特徴量と
して粒の個数及び粒の平均面積の２つを抽出し、コンピ
ュータ１０４へ送出する。以下説明を簡単にするため
に、粒の個数をパラメータＰ1、粒の平均面積をパラメ
ータＰ2として説明する。言うまでもなく、３以上のパ
ラメータＰｋの場合も同様に説明することができる。

【００１５】図３は、本実施形態で実行される３つの段
階を示したフローチャートである。先ず、基本的なサン
プル、すなわち判断基準となるべきサンプル、をデータ
ベース１０５に登録する（ステップ２０１）。この登録
作業は、作業員が実際のサンプルをモニタ１０６で確認
しながら入力デバイス１０７によって行うこともでき
る。続いて、登録された基本サンプルのパラメータ領域
を拡張することで検査用のデータベース１０５を形成す
る（ステップ２０２）。こうして形成されたデータベー
ス１０５を用いて実際の製造物の良否判定を実行する
（ステップ２０３）。以下、これらのステップについて
順を追って詳細に説明する。

【００１６】（基本サンプルの登録）本登録ステップは
従来の学習ステップに対応する。仮にｍ個基本サンプル
があたえられ、それらのサンプルの良否は予め作業員の
目視によって決定されているものとする。以下、基本サ
ンプルをデータベースに登録する手順を図４〜図６を参
照しながら説明する。

【００１７】図４は本実施形態における位置コード生成
手順を示すフローチャート、図５は１つの基本サンプル
のパラメータ空間における位置特定手順を示す模式図、
及び図６は基本サンプルの登録によって形成されたデー
タベースの一例を示す模式図である。

【００１８】図４において、ある基本サンプルの特徴パ
ラメータＳが与えられると、予め記憶しておいた各パラ
メータＰkの代表値Ｔk，分解能Ｒk，分割数Ｄkを読み出
し（ステップ３０１）、階層数Ｃを所定数Ｎ（十分な初
期範囲を設定できる程度の値）に設定する（ステップ３
０２）。続いて、次式により各パラメータＰkにおける
上限値Ｕk(x)及び下限値Ｌk(x)の初期値を計算する（ス
テップ３０３）。

【００１９】Ｕk(x)＝Ｔk(x)＋ＲkＤkc／２ Ｌk(x)＝Ｔk(x)−ＲkＤkc／２ ここで、ｘは階層番号を示し、初期値の場合はｘ＝１で
ある。

【００２０】図５には分割数Ｄk＝３の場合が記載され
ており、パラメータＰ1の初期の上限値及び下限値はそ
れぞれＵ1(1)及びＬ1(1)であり、パラメータＰ2の初期
の上限値及び下限値はそれぞれＵ2(1)及びＬ2(1)であ
る。また、各パラメータＰkの上限値及び下限値の中央
値が代表値Ｔk(x)である。

【００２１】続いて、階層数Ｃを１つ減少（デクリメン
ト）させ、パラメータを特定する添え数ｋを初期化する
（ステップ３０４）。そして、上限値Ｕk(x)及び下限値
Ｌk(x)の差（以下、対象区間という。）が分解能Ｒkに
到達したか否かをチェックする（ステップ３０５）。対
象区間が分解能まで到達していない場合には（ステップ
３０５のＮＯ）、その対象区間を分割数Ｄkで等分して
サブ区間に分割する（ステップ３０６）。ここでは、図
５に示すように３等分され３つのサブ区間が生成され
る。

【００２２】続いて、与えられた基本サンプルの特徴パ
ラメータＳがどのサブ区間に存在するかが特定されると
（ステップ３０７）、その特定されたサブ区間が新たな
対象区間となるように設定変更され、そのサブ区間のパ
ラメータ位置記号Ｓk(x)が記憶される（ステップ３０
８）。図５に示す例では、パラメータＰ1の３番目のサ
ブ区間に基本サンプルのパラメータＳが存在するから、
新たな対象区間の上限値及び下限値は各々Ｕ1(2)及びＬ
1(2)となり、パラメータ位置記号Ｓ1(2)＝３が記憶され
る。以上のステップ３０５〜３０８は、各パラメータの
対象区間が分解能と等しくない限り、全てのパラメータ
について実行される（ステップ３０９、３１０）。全て
のパラメータについて上記ステップ３０５〜３０８が実
行されると（ステップ３０９のＹＥＳ）、各パラメータ
に関して記憶された位置記号列：Ｓ1(2)、Ｓ2(2)、・・
・から基本サンプルのパラメータＳが存在するコード領
域を特定する（ステップ３１１）。図５に示す例では、
Ｓ1(2)＝３、Ｓ2(2)＝２であるから、基本サンプルのパ
ラメータＳが存在するコード領域は（３２−）と表現さ
れる。なお「−」は区切り文字とする。区切り文字は階
層を区別するために付加する。

【００２３】こうして対象区間の第１の絞り込みが終了
すると、階層数Ｃのデクリメント及びパラメータを特定
する添え数ｋの初期化を行い（ステップ３０４）、第２
の絞り込みを同様のステップ３０５〜３１０によって実
行する。すなわち、パラメータＰ1では上限値Ｕ1(2)及
び下限値Ｌ1(2)の対象区間に対して、パラメータＰ2で
は上限値Ｕ2(2)及び下限値Ｌ2(2)の対象区間に対して、
それぞれ同様の処理が行われる（ステップ３０５〜３１
０）。この第２の絞り込みによって、図５に示す例で
は、Ｓ1(3)＝１、Ｓ2(3)＝１であるから、基本サンプル
のパラメータＳが存在するコード領域は（３２−１１
−）と表現される。

【００２４】なお、あるパラメータで対象区間が分解能
Ｒkに到達した場合には（ステップ３０５のＹＥＳ）、
全てのパラメータで対象区間が分解能Ｒkに到達したか
否かをチェックし（ステップ３１２）、他に絞り込み可
能なパラメータが存在すれば（ステップ３１２のＮ
Ｏ）、次のパラメータに対する処理（ステップ３０５〜
３１０）を続行する。こうして、全てのパラメータで対
象区間が分解能Ｒkに到達すると（ステップ３１２のＹ
ＥＳ）、基本サンプルのパラメータ領域と関係したカテ
ゴリ及び確信度がそれぞれデータベースに記録され、基
本サンプルの登録処理を終了する。

【００２５】図５に示す例では、第３の絞り込みによっ
て全てのパラメータで対象区間が分解能Ｒkに到達する
から、基本サンプルのパラメータＳが存在する位置コー
ドは（３２−１１−３３）と確定される。この位置コー
ドが図６に示すデータベースの位置フィールドに格納さ
れ、基本サンプルが良否判定の「良」であればカテゴリ
フィールドに「ＯＫ」、「不良」であれば「ＮＧ」がそ
れぞれ格納される。更に、基本サンプルの登録では作業
員によって良否判定済みのサンプルが使用されるから、
確信度フィールドには「１．０」が自動的に記録され
る。なお、確信度はコードで示される領域がカテゴリで
示される分類になる確からしさの度合いを数値で表現し
たものである。

【００２６】以上のようにして検査用データベース１０
５の基本サンプルの登録が行われ、複数の基本サンプル
について、図６に示すように、位置コード、カテゴリ及
び確信度の各データが書き込まれる。

【００２７】（データベースの拡張）先ず、データベー
スの拡張の手順を図７を参照しながら概略的に説明す
る。

【００２８】図７（Ａ）に示すように、上記基本サンプ
ルの登録終了段階では、広いパラメータ空間の中に、学
習領域（基本サンプルのパラメータ位置）が散在するに
過ぎず、新しいサンプルが来るとほとんど判定不能にな
る。これでは実用的でないのでデータベースの拡張が行
われる。図７（Ｂ）に示すように、基本サンプルの位置
（以下、中心点という。）を中心として、同一カテゴリ
領域の拡張が行われ、異なるカテゴリと接触した時点で
拡張動作を終了する。その際、拡張された確信度は、図
７（Ｃ）に示すように、中心点から離れるに従って順次
低くなるように生成される。

【００２９】図８は中心点の近傍コード領域を示す図で
ある。あるコード領域の近傍領域とは、そのコード領域
に隣接した領域という。バラメータが２種類の２次元パ
ラメータ空間の場合には、図８（Ａ）に示すように、例
えば中心点と隣接した８個の領域、あるいは４隅を除い
た４つの領域が近傍領域である。パラメータが３種類の
場合は、図８（Ｂ）の様な立方体から中心点の１カ所を
除いた２６個の領域を近傍領域として定義することがで
きる。

【００３０】図９は、本実施形態におけるデータベース
の領域拡張手順の概略を示すフローチャートである。同
図に示すように、先ず、図７（Ａ）に示すような複数の
中心点が格納されたデータベースから１つずつ中心点の
データを読み出し（ステップ４０１）、その中心点の近
傍領域について拡張動作を実行する（ステップ４０
２）。この拡張動作が全ての中心点について終了すると
（ステップ４０３のＹＥＳ）、その拡張領域の確信度が
生成され（ステップ４０４）、データベース１０５に格
納される（ステップ４０５）。こうして各中心点に関し
て拡張及び確信度生成が終了すると、その拡張された領
域の各周辺点の近傍領域について同様の拡張及び確信度
生成動作が実行される（ステップ４０６〜４１０）。こ
のような領域拡張は、図７（Ｂ）に示すように、異なる
カテゴリと出会う（接触する）まで継続される。

【００３１】（拡張手順）図１０は、図９の拡張動作
（ステップ４０２及び４０７）をより詳細に示すフロー
チャートである。先ず、１つの中心点あるいは周辺点の
コードＳ(i)を読み出し（ステップ５０１）、図８に示
す定義に従って近傍コード領域の各点（以下、近傍コー
ドＳAJ(p)という。）を生成する（ステップ５０２）。

【００３２】続いて、変数ｐを初期化した後（ステップ
５０３）、１つの近傍コードＳAJ(p)を読み出し、その
近傍コードがデータベース１０５に存在するか否かをチ
ェックする（ステップ５０４、５０５）。データベース
内に近傍コードＳAJ(p)が発見されれば（ステップ５０
５のＹＥＳ）、その近傍コードのカテゴリを読み出し、
当該中心点（周辺点）のコードＳ(i)と同一カテゴリで
あるか否かを判定する（ステップ５０６）。もし異なる
カテゴリであれば（ステップ５０６のＮＯ）、その中心
点（周辺点）は別のカテゴリの領域に接触していること
を意味するから拡張動作を終了する。データベース内に
近傍コードＳAJ(p)が発見されなければ（ステップ５０
５のＮＯ）、未定義のコードであるから、その近傍コー
ドのカテゴリを当該中心点（周辺点）と同一に設定し、
近傍コードと共に暫定メモリに格納する（ステップ５０
７）。

【００３３】近傍コードを暫定メモリに格納した後、あ
るいは近傍コードＳAJ(p)のカテゴリが当該中心点（周
辺点）のコードＳ(i)とそれと同一であれば（ステップ
５０６のＹＥＳ）、変数ｐを歩進（インクリメント）し
（ステップ５０８）、当該中心点（周辺点）に関する全
ての近傍コードの検索が終了するまで上記ステップ５０
４〜５０８が繰り返される（ステップ５０９）。

【００３４】このようにして、データベース内に登録さ
れている全ての中心点について領域拡張が行われ（図９
のステップ４０１〜４０３）、更に、拡張された領域の
各周辺点についても同様の領域拡張が行われる（図９の
ステップ４０６〜４０８）。言い換えると、同一カテゴ
リ（ＯＫあるいはＮＧ）の領域が中心点を中心として順
次拡大されて行き、ＯＫ領域とＮＧ領域とが接触した時
点で拡張動作が終了する。その終了時点でのパラメータ
空間の領域マップの一例が図７（Ｂ）に示されている。

【００３５】（確信度生成）図１１は、図９の確信度生
成動作（ステップ４０４及び４０９）を示すフローチャ
ートである。各中心点の領域拡張が終了した場合（図９
のステップ４０３のＹＥＳ）、先ずデータベース内の全
ての登録位置コードの各確信度に一定の値Ｃｔだけ加算
する（ステップ６０１）。次に、中心点拡張時に暫定メ
モリに記憶された近傍コード全ての確信度をＣｔに設定
する（ステップ６０２）。こうして設定された近傍コー
ド及びその確信度を暫定メモリからデータベースに転送
し、保存する（ステップ４０５）。

【００３６】以上の確信度生成ステップは、周辺点拡張
時にも同様に実行される（ステップ４０９、４１０）。
すなわち、先ずデータベース内の全ての登録位置コード
の各確信度に一定の値Ｃｔだけ加算し（ステップ６０
１）、次に周辺点拡張時に暫定メモリに記憶された近傍
コード全ての確信度をＣｔに設定し（ステップ６０
２）、こうして設定された近傍コード及びその確信度を
暫定メモリからデータベースに転送し、保存する（ステ
ップ４１０）。

【００３７】従って、確信度生成ステップ４０９及び４
１０が実行されるごとに、その前に既に登録されていた
領域の確信度は一定値Ｃｔ単位で順次上昇することとな
る。この結果、最終的には、図７（Ｃ）に示すように、
各中心点（ＳOK1、ＳOK2、ＳNG1、ＳNG2）を頂点とし順
次信頼度が低下したピラミッド状のＯＫ領域あるいはＮ
Ｇ領域からなるパラメータ領域マップを得ることができ
る。

【００３８】なお、拡張を停止する条件は、本実施形態
では、別カテゴリに属する領域が衝突した時点としてい
るが、ステップ５０４から５０９を１回通して行うごと
に、図７（Ｂ）のような領域マップをモニタ１０６に表
示させて、作業者が目視で判定し、適当と判断したとこ
ろで拡張を停止させても良い。作業員の判断が介在する
ことで更に実用的なパラメータ領域マップを作成するこ
とができる。

【００３９】（被検サンプルの判定）以上のようにして
領域拡張された検査用データベース１０５を使用して、
実際の被検サンプルを良否判定する。

【００４０】図１２は、本実施形態による判定動作の一
例を示すフローチャートである。判定する際は、まず、
検査用データベース１０５のデータの中から確信度の最
大値を予め求めておく（ステップ７０１）。そして、カ
メラ１０２及び画像処理部１０３を通して被検サンプル
１０１のパラメータデータを入力すると（ステップ７０
２）、図４及び図５と同一の方法でコード化し、その被
検コードを用いて検査用データベースを検索する（ステ
ップ７０３）。被検コードと同一の領域コードが発見さ
れると、その領域コードのカテゴリと確信度を読み出し
（ステップ７０４）、予め読み出された確信度最大値に
対する被検コードの確信度の比を判定信頼性として算出
する（ステップ７０５）。こうして検索された領域コー
ドのカテゴリＯＫあるいはＮＧと算出された判定信頼性
とをモニタ表示し、必要に応じて他の処理装置へ出力す
る（ステップ７０６）。

【００４１】図７（Ｂ）及び（Ｃ）を参照すると、先ず
確信度最大値は、図７（Ｃ）に示すように各中心点の３
Ｃｔである。被検コードが中心点ＳOK1を中心に拡張さ
れたＯＫ領域の領域コード８０１と一致した場合には、
その領域コード８０１の確信度（ここではＣｔ）が読み
出される。この場合には、被検サンプルの良否判定は
「良」すなわちＯＫであり、そのＯＫである判定の信頼
性はＣｔ／３Ｃｔ＝１／３となる。また、被検コードが
中心点ＳNG2を中心に拡張されたＮＧ領域の領域コード
８０２と一致した場合には、その領域コード８０２の確
信度（ここでは２Ｃｔ）が読み出される。この場合に
は、被検サンプルの良否判定は「不良」すなわちＮＧで
あり、そのＮＧである判定の信頼性は２Ｃｔ／３Ｃｔ＝
２／３となる。

【００４２】被検コードと同一の領域コードがデータベ
ース１０５内に存在しない場合には、判定不能の旨をモ
ニタ表示し（ステップ７０７）、作業員の判断を仰ぐ
（ステップ７０８）。作業員がその未知のサンプルをデ
ータベースに登録すべきと判断すれば、図４と同一の登
録手順により新規登録が行われ、続いて拡張が実行され
る（ステップ７０９）。

【００４３】以上説明したように、サンプルの存在しな
い特徴パラメータ領域は判定不能として明確に判断でき
るので、サンプルが少ない場合でも、判定の信頼性を損
なわずに判定処理を行うことができる。また提示された
サンプルを新たにデータベースに追加すべきかどうか明
確に判断できるので、新製品投入時でサンプルの少ない
生産初期段階から自動判定を行うことができ、かつ系統
的手順で判定能力を向上させることができるという効果
がある。

【００４４】なお本実施形態では、判定結果が「ＯＫ」
及び「ＮＧ」の二者択一であったが、３以上の判定結果
の場合であっても本発明は全く同様に適用することがで
きる。また、本実施形態では画像データから特性パラメ
ータを抽出したが、もちろん製造物の良否判定に用いら
れる他の物理的特性パラメータ、例えば電圧、電流、速
度などでも同様に本発明を適用できることは明らかであ
る。

【図面の簡単な説明】

【図１】本発明による検査システムの一実施形態を示す
ブロック図である。

【図２】本実施形態により判定される撮像画像の一例を
示す図である。

【図３】本実施形態で実行される３つの段階を示したフ
ローチャートである。

【図４】本実施形態における位置コード生成手順を示す
フローチャートである。

【図５】パラメータ空間における１つの基本サンプルの
位置特定手順を示す模式図である。

【図６】基本サンプルの登録によって形成されたデータ
ベースの一例を示す模式図である。

【図７】（Ａ）は基本サンプル登録終了のパラメータ空
間における領域マップの一例を示す模式図、（Ｂ）は基
本サンプルを中心として同一カテゴリ領域の拡張が行わ
れた領域マップを示す模式図、及び（Ｃ）は拡張された
領域の確信度を示す領域マップの模式図である。

【図８】（Ａ）は２次元パラメータ空間における中心点
の近傍コード領域を示す図であり、（Ｂ）は３次元パラ
メータ空間における中心点の近傍コード領域を示す図で
ある。

【図９】本実施形態におけるデータベースの領域拡張手
順の概略を示すフローチャートである。

【図１０】図９の拡張動作（ステップ４０２及び４０
７）をより詳細に示すフローチャートである。

【図１１】図９の確信度生成動作（ステップ４０４及び
４０９）を示すフローチャートである。

【図１２】本実施形態による判定動作の一例を示すフロ
ーチャートである。

【符号の説明】

１０１ サンプル １０２ カメラ １０３ 画像処理部 １０４ コンピュータ １０５ 検査用データベース １０６ モニタ １０７ 入力デバイス

Claims (11)

(57)【特許請求の範囲】
1. 【請求項１】 予め定められた複数の特性パラメータの
   各々に関して被検サンプルから特性データを抽出し、そ
   の特性データに基づいて互いに異なる複数の判定結果の
   中から１つを特定する判定方法において、 前記複数の特性パラメータからなるパラメータ空間に
   それぞれ判定結果が特定される複数の基準サンプルから
   抽出された特性データに基づいて前記複数の基準サンプ
   ルに対応した基準点をそれぞれ特定し、 前記パラメータ空間における各基準点の周囲に、各基準
   点の判定結果と同一の判定結果の複数の点からなる領域
   を他の判定結果が特定された点と出会うまで順次拡張す
   ることで、各基準点を中心とした拡張領域からなる判定
   基準マップを生成し、 前記被検サンプルの特性データに基づいて前記パラメー
   タ空間内に特定された被検点が前記判定基準マップのい
   ずれの拡張領域に存在するかによって前記被検サンプル
   の判定結果を特定する、 ことを特徴とする判定方法。
2. 【請求項２】 前記被検点が前記判定基準マップのいず
   れの拡張領域にも存在しない場合には判定不能と決定す
   ることを特徴とする請求項１記載の判定方法。
3. 【請求項３】 前記パラメータ空間内の基準点を特定す
   るステップは、 各特性パラメータの分解能を予め定められた分割数の所
   定べき乗倍することで初期対象区間を設定し、 前記初期対象区間を前記分割数で等分割することで得ら
   れる対象区間のいずれに前記基準点が存在するかを判定
   し、 前記基準点が存在する対象区間を更に前記分割数で等分
   割するという操作を前記対象区間が前記分解能と一致す
   るまで繰り返し、 前記全ての特性パラメータで各対象区間が各分解能と一
   致した時の前記対象区間の前記パラメータ空間内での位
   置を前記基準点として特定する、 ステップからなることを特徴とする請求項１記載の判定
   方法。
4. 【請求項４】 前記パラメータ空間内の被検点を特定す
   るステップは、 各特性パラメータの分解能を予め定められた分割数の所
   定べき乗倍することで初期対象区間を設定し、 前記初期対象区間を前記分割数で等分割することで得ら
   れる対象区間のいずれに前記被検点が存在するかを判定
   し、 前記被検点が存在する対象区間を更に前記分割数で等分
   割するという操作を前記対象区間が前記分解能と一致す
   るまで繰り返し、 前記全ての特性パラメータで各対象区間が各分解能と一
   致した時の前記対象区間の前記パラメータ空間内での位
   置を前記被検点として特定する、 ステップからなることを特徴とする請求項１記載の判定
   方法。
5. 【請求項５】 前記判定基準マップ生成ステップは、 ａ）前記パラメータ空間における各基準点に隣接する複
   数の第１近傍点を生成し、 ｂ）前記第１近傍点がいずれの領域にも属していない時
   に前記基準点と同一の判定結果を付加することで前記第
   １近傍点を前記基準点と同一判定結果の拡張領域に組み
   入れ、 ｃ）前記拡張領域に組み入れられた複数の周辺点の各々
   に隣接する複数の第２近傍点を生成し、 ｄ）前記第２近傍点がいずれの領域にも属していない時
   に前記基準点と同一の判定結果を付加することで前記第
   ２近傍点を前記基準点と同一判定結果の拡張領域に組み
   入れ、 ｅ）異なる判定結果の領域に属する点を検出するまで、
   前記ステップ（ｃ）及び（ｄ）を生成された拡張領域の
   周辺点の近傍点全てに対して実行する、 ステップからなることを特徴とする請求項１記載の判定
   方法。
6. 【請求項６】 前記判定基準マップの各拡張領域には更
   に判定信頼度が付加され、前記判定信頼度は当該拡張領
   域の基準点を頂点として前記領域が拡張される毎に所定
   量だけ減少するように設定される、ことを特徴とする請
   求項１ないし５のいずれかに記載の判定方法。
7. 【請求項７】 予め定められた複数の特性パラメータの
   各々に関して被検サンプルから特性データを抽出し、そ
   の特性データに基づいて前記被検サンプルの良否を判定
   する自動検査システムにおいて、 サンプルから特性データを抽出する入力手段と、 前記複数の特性パラメータからなるパラメータ空間を形
   成する記憶手段と、 前記パラメータ空間にそれぞれ判定結果が特定される複
   数の基準サンプルから抽出された特性データに基づいて
   前記複数の基準サンプルに対応した基準点をそれぞれ前
   記パラメータ空間に登録する基準点登録手段と、 前記パラメータ空間における各基準点の周囲に、各基準
   点の判定結果と同一の判定結果の複数の点からなる領域
   を他の判定結果が特定された点と出会うまで順次拡張す
   ることで、各基準点を中心とした拡張領域からなる判定
   基準マップを生成し前記記憶手段に格納する判定基準生
   成手段と、 前記被検サンプルの特性データに基づいて前記パラメー
   タ空間内に特定された被検点が前記判定基準マップのい
   ずれの拡張領域に存在するかによって前記被検サンプル
   の判定結果を特定する検査手段と、 前記判定結果からなる情報を表示する表示手段と、 からなることを特徴とする自動検査システム。
8. 【請求項８】 前記記憶手段はデータベースからなり、
   前記検査手段は前記データベースを前記被検点をキーと
   して検索し、該当する領域の点が存在すれば、その点の
   判定結果を前記被検サンプルの判定結果として採用する
   ことを特徴とする請求項７記載の自動検査システム。
9. 【請求項９】 前記記憶手段に格納された前記判定基準
   マップの各拡張領域には更に判定信頼度が付加され、前
   記判定信頼度は当該拡張領域の基準点を頂点として前記
   領域が拡張される毎に所定量だけ減少するように設定さ
   れる、ことを特徴とする請求項７又は８に記載の自動検
   査システム。
10. 【請求項１０】 前記被検点が前記判定基準マップのい
    ずれの拡張領域にも存在しない場合には判定不能と決定
    し、前記表示手段に表示することを特徴とする請求項７
    記載の自動検査システム。
11. 【請求項１１】 前記判定不能と決定された場合には、
    当該被検サンプルの被検点を前記記憶手段に新規に登録
    することを特徴とする請求項１０記載の自動検査システ
    ム。