JP3741672B2 - 画像特徴学習型欠陥検出方法、欠陥検出装置及び欠陥検出プログラム - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、画像を利用した外観検査システムに係り、特に、参照画像と検査対象画像の比較により欠陥を検出する画像特徴学習型欠陥検出システムに関する。
【０００２】
【従来の技術】
従来、参照画像と検査対象画像の比較で欠陥を検出する場合、参照画像と検査対象画像の間の輝度差分値を用い、輝度差分値の絶対値がある閾値以上となる画素を欠陥と判定する方法が、一般に用いられている。
【０００３】
但し、上記方法では検査対象物の急峻な境界形状部では、画像撮影時のわずかな位置ずれが大きな輝度差分値を引き起こし、擬似欠陥を発生させる。このため、参照画像または検査対象画像から２値化手法で画像の境界部を抽出し境界部で閾値を変更し欠陥検出感度を落とす手法、あるいは画像各部の輝度傾斜に応じて閾値を変更し欠陥検出感度を落とす手法が取られている。
【０００４】
また、上記方法は参照画像と検査対象画像が、欠陥がなければ各部の輝度レベルが同一になることを前提にしているが、現実には複数の良品を撮影した複数の画像間でも、輝度が安定してい部分と、変動する部分があるため、同一の閾値での欠陥検出を行うと、画像間で輝度変動する部分で擬似欠陥を生じてしまう。これを避けるためには、画像間で輝度が変動するであろう部分を事前に別領域として指定し、閾値を変更し欠陥検出感度を落とすことが必要となっている。
【０００５】
更に、上記方法は基本的に画素単位での欠陥検出であるため、特定のサイズの欠陥を選択的に抽出するには、輝度差分絶対値を指定サイズで積分し、積分量に対して閾値を設けるといった手法がとられている。
【０００６】
【発明が解決しようとする課題】
参照画像と検査対象画像の比較で欠陥を検出する場合において、検査対象物の急峻な境界形状部での擬似欠陥発生を抑える必要がある。画像全体での感度を低下させずに擬似欠陥の発生を抑えるには、画像内輝度変動の暖急に応じて柔軟に感度調整を行う必要がある。また、画像間の輝度変動についても、画像全体での感度を低下させずに擬似欠陥の発生を抑えるには、画像各部の画像間輝度変動の状態に応じて柔軟に感度調整を行う必要がある。
【０００７】
そこで、本発明は、複数の良品を撮影した複数の良品画像を用いて、画像内輝度変動と画像間輝度変動の両方に基づき、画像の各画素毎に適切な検出感度を自動設定する欠陥検出方法の提供を目的とする。
【０００８】
輝度差に対して閾値を設ける従来手法では、閾値のわずかな変化により欠陥判定が反転するため、ノイズにより輝度差がわずか変化しても欠陥判定が反転してしまい、欠陥検出特性としてノイズに弱いという欠点がある。また、特定のサイズの欠陥を輝度差積分値により抽出しようとすると、広い範囲に亘って小さな輝度差が発生している大欠陥と小さな範囲に大きな輝度差が集中している小欠陥の区別ができないという問題がある。
【０００９】
そこで、本発明は、輝度差を、欠陥の度合を直接的かつ適切に表わす欠陥度に変換し、欠陥度積分値により欠陥を抽出する欠陥検出方法の提供を目的とする。
【００１０】
輝度差を利用する欠陥検出では、輝度差が発生している箇所であっても、差分の正負や検査対象画像の該当箇所の輝度によっては、欠陥として扱わなくても良い場合がありうる。
【００１１】
そこで、本発明は、差分の正負や輝度レベルによっても感度調整が可能な、欠陥検出方法の提供を目的とする。
【００１２】
照明の光量変化や検査対象物の製造ロットの違いにより、検査対象画像の輝度が参照画像に比べて変化すると、欠陥でなくとも輝度差が生じ、擬似欠陥となってしまう。
【００１３】
そこで、本発明は、個体毎の輝度変化を補正してから検査を行う欠陥検出方法の提供を目的とする。また、高周波成分の無い画像に関しては、輝度変化が１枚の画像内の場所によってゆるやかに変化する場合にも対応できる欠陥検出方法の提供をも目的とする。
【００１４】
さらに、本発明は、このような欠陥検出方法を実施する欠陥検出装置、及び、欠陥検出プログラムの提供を目的とする。
【００１５】
【課題を解決するための手段】
上記目的を達成するため、本発明の第１の局面により提供される、参照画像と検査対象画像を欠陥検出装置が比較して検査対象の欠陥を検出する欠陥検出方法は、学習処理部により、少なくとも一の良品画像から参照画像としての良品平均画像を算出し、画像中の各画素位置での参照画像と検査対象画像の輝度差分値を、各画素位置での検査対象の欠陥の度合いを表わす欠陥度に変換する欠陥度ファジィメンバーシップ関数を作成する学習処理手順と、検査処理部により、参照画像と検査対象画像の各画素位置での輝度差分値に欠陥度ファジィメンバーシップ関数を適用し、得られた欠陥度が所定の基準を満たす局所領域を検査対象の欠陥として認識する検査処理手順と、を有することを特徴とする。
【００１６】
本発明の欠陥検出方法は、学習処理手順において、画像中の各画素位置での欠陥度ファジィメンバーシップ関数は、複数の良品画像間における同一箇所の輝度変動量と、良品平均画像の当該画素位置を中心とする少なくとも一のサイズの局所領域内の輝度変動量と、良品平均画像の当該画素位置の輝度と、のうちの少なくとも一つを用いて作成されることを特徴とする。
【００１７】
さらに、本発明による欠陥検出方法において、学習処理手順において、欠陥度ファジィメンバーシップ関数は輝度差分値に関して正側と負側で別々に作成されることを特徴とする。
【００１８】
また、本発明による欠陥検出方法において、検査処理手順は、
画像中の各画素位置での参照画像と検査対象画像の輝度差分値を算出する手順と、
算出された輝度差分値を検査対象画像の輝度に応じて増減処理する手順と、
各画素位置での増減処理された輝度差分値に欠陥度ファジィメンバーシップ関数を適用して欠陥度に変換する手順と、
検査対象画像の中で、検出すべき欠陥サイズ内の欠陥度の総和が基準値以上となる局所領域を検査対象の欠陥として認識する欠陥認識手順と、
を有することを特徴とする。
【００１９】
上記目的を達成するため、本発明の第２の局面によれば、参照画像と検査対象画像の比較により欠陥を検出する欠陥検出装置が提供される。本発明の欠陥検出装置は、少なくとも一の良品画像から、参照画像としての良品平均画像と、画像中の各画素位置で参照画像と検査対象画像との輝度差分値を欠陥度に変換するフィルタとしての欠陥度ファジィメンバーシップ関数を、自動的に算出する学習処理部と、検査対象画像の中で、検出すべき欠陥サイズ内の欠陥度総和が基準値以上となる局所領域を欠陥と認識する検査処理部を有することを特徴とする。
【００２０】
さらに、本発明の欠陥検出装置において、学習処理部は、複数の良品画像間における同一箇所の輝度変動量と、良品平均画像の変換対象箇所を中心とする少なくとも一のサイズの局所領域内の輝度変動量と、良品平均画像の変換対象箇所の輝度のうち、少なくとも一以上を用いて画像中の各画素位置毎に欠陥度ファジィメンバーシップ関数を自動的に算出することを特徴とする。
【００２１】
上記本発明の欠陥検出装置において、欠陥度ファジィメンバーシップ関数は、非対称な形状とし、正の輝度差分を生じる明欠陥と負の輝度差分を生じる暗欠陥で、欠陥検出感度を変化させ得ることを特徴とする。
【００２２】
上記本発明の欠陥検査装置において、検査処理部は、輝度差分値を検査対象画像の輝度に応じて増減させるフィルタを有することにより、検査対象画像の輝度に応じて欠陥検出感度を変化させ得ることを特徴とする。
【００２３】
上記本発明の欠陥検査装置において、欠陥度総和による欠陥認識は、一の算出方法で算出した輝度差分値欠陥度変換フィルタと一の目的欠陥サイズと一の判定基準の組み合わせで規定される検査領域毎に行い、検査領域領域の位置とサイズと形状は画像上に自由に配置することができ、異なる組み合わせで規定される領域の重複も許すことを特徴とする。
【００２４】
上記本発明の欠陥検査装置において、欠陥度総和による欠陥認識では、欠陥検出を行う領域を目的欠陥サイズで分割し、かつ各分割領域内について間引いた画素のみの欠陥度算出を行う１次検出段階と、１次検出段階で欠陥度総和が基準値以上となる見込みとなった場合に、該当分割領域の近傍で領域を１画素ずつずらし、かつ全画素の欠陥度算出を行う２次検出段階を有し、画像全体の欠陥検出に要する演算量を削減しうることを特徴とする。
【００２５】
上記本発明の欠陥検査装置において、学習処理部は、学習処理終了後に良品画像を追加して最小限の計算量で良品平均画像と欠陥度ファジィメンバーシップ関数を再作成することができるものとし、検査処理部が良品画像を不良と判定したとき、この良品画像を用いて直ちに追加学習を行うことで、容易に欠陥検出精度を向上させられることを特徴とする。
【００２６】
上記本発明の欠陥検査装置において、学習処理部は、学習処理終了後に欠陥度ファジィメンバーシップ関数の算出方法を変更し最小限の計算量で欠陥度ファジィメンバーシップ関数を再計算できるものとし、検査処理部が検査対象画像の良品部分を欠陥と判定し、または欠陥部分を良品と判定したとき、欠陥度ファジィメンバーシップ関数の算出方法、目的欠陥サイズ、あるいは判定基準を変更したうえで、直ちに該当画像の再検査を行い変更の効果を確認することができ、容易に欠陥検出精度を向上させられることを特徴とする。
【００２７】
上記本発明の欠陥検査装置において、検査対象画像の輝度が検査対象個体毎に変化する場合に、画像全体あるいは画像を任意に分割した分割領域毎に、良品平均画像のヒストグラムと検査対象画像のヒストグラムが少なくとも一の積算点で一致するよう、良品平均画像または検査対象画像の輝度を補正したうえで輝度差分を算出することを特徴とする。
【００２８】
上記本発明の欠陥検査装置において、検査対象画像の輝度が検査対象個体毎かつ画像内の場所毎に変化し、また検査対象に高周波の構造が無い場合においては、検査対象画像の低周波成分画像を良品平均画像の代わりに用いて、高周波成分の欠陥を検出することを特徴とする。
【００２９】
【発明の実施の形態】
〔構成〕
図１は、本発明の第１実施例による欠陥検出システムの構成図である。本発明の第１実施例による欠陥検出システムは、欠陥検出装置１と、画像取得部２と、操作指示部３と、結果表示部４と、結果蓄積部５と、を含む。欠陥検査装置１は、外部の画像取得部２より受け取った、少なくとも一の良品画像から、参照画像としての良品平均画像と、画像中の各画素位置で参照画像と検査対象画像との輝度差分値を欠陥度に変換するフィルタとしての欠陥度ファジィメンバーシップ関数を、自動的に算出する学習処理部１０と、参照画像と画像取得部２より受け取った検査対象画像の間の輝度差分値を欠陥度に変換し、検査対象画像の中で、検出すべき欠陥サイズ内の欠陥度総和が基準値以上となる局所領域を欠陥と認識する検査処理部１１とからなる。
【００３０】
学習処理部１０には、学習に用いた良品画像２４と、学習の中間データ２５と、学習の結果算出された良品画像２６と、欠陥度ファジィメンバーシップ関数２７を蓄える内部記憶部２３が付随する。検査処理部１１には、検査に用いた検査対象画像５４と欠陥検出結果５５を蓄える内部記憶部５３が付随する。
【００３１】
画像取得部２、学習処理部１０、及び、検査処理部１１は、それぞれ、外部の操作指示部３より操作指示を受け付け、学習処理部１０及び検査処理部１１は処理結果を外部の結果表示部４及び結果蓄積部５へ出力する。
【００３２】
〔学習処理部〕
図２は、学習処理部の処理内容の説明図である。
【００３３】
まず、少なくとも一の良品画像６から良品平均画像２６を算出し（ステップ１）、画像間で画素毎の輝度の変動量を表わす画像間輝度変動画像２８を算出する（ステップ２）。更に良品平均画像２６から、画素毎に当該画素の周辺の画素の輝度の変動量を表わす少なくとも一のサイズの局所領域輝度変動画像２９を算出する（ステップ３）。次に、算出された各画素毎の、平均値、画像間輝度変動量、及び、少なくとも一の局所領域輝度変動量から、輝度差分値欠陥度変換フィルタである欠陥度ファジィメンバーシップ関数２７の形状を決定する（ステップ４）。なお、後述するように、欠陥度ファジィメンバーシップ関数２７は、画素毎に作成されるので、正差分用の良品区間画像３０と、正差分用のファジィ区間画像３１と、負差分用の良品区間画像３２と、負差分用のファジィ区間画像３３の、合計４画像で画像全体のフィルタを表現する。
【００３４】
図３は、画像中の各画素位置で参照画像と検査対象画像との輝度差分値を欠陥度に変換するフィルタとしての欠陥度ファジィメンバーシップ関数の説明図である。欠陥度ファジィメンバーシップ関数は、図３のような非対称な逆台形型の形状とする。すなわち、輝度差０の付近に一定幅の欠陥度０である良品区間を設け、輝度差の絶対値が一定値より大きい部分には欠陥度が最高の一定値である欠陥区間を設け、良品区間と欠陥区間の間に欠陥度が直線的に増加するファジィ区間を設ける。良品区間は、輝度差分の絶対値が小さく、これがノイズ成分と見なすことができる範囲を表わしている。欠陥区間は、輝度差分の絶対値が一定値以上であれば、差分の数値の大小によらずに完全欠陥として扱う範囲を表わしている。ファジィ区間は、差分の絶対値の増加に伴い欠陥度も増加する範囲を表わしている。
【００３５】
このような形状の欠陥度ファジィメンバーシップ関数を用いることは、従来技術の手法では、輝度差がそのまま用いられていたのに対し、輝度差分値を非線形変換により適切な欠陥度に変換することに相当している。これにより、従来技術における、わずかなノイズにより欠陥判定が反転し、検査システムが不安定になる問題、特定のサイズの欠陥を輝度差積分値により抽出する場合に、広い範囲に亘って小さな輝度差が発生している大欠陥と、小さな範囲に大きな輝度差が集中している小欠陥の区別ができなくなるという問題を解消することができる。
【００３６】
また、ファジィメンバーシップ関数の形状を非対称な逆台形型の形状とすることで、正の輝度差分を生じる明欠陥と負の輝度差分を生じる暗欠陥で、欠陥検出感度を変化させることができる。
【００３７】
欠陥区間とファジィ区間の幅は、平均値、画像間輝度変動量、及び、少なくとも一の局所領域輝度変動量から、例えば線形結合式により決定する。あるいは、画像間輝度変動量と少なくとも一の局所領域輝度変動量から線形結合式により決定した後、フィルタ処理により平均値の輝度レベルに応じて増減する。また、欠陥区間とファジィ区間の幅に上下限値を設けることもできる。
【００３８】
このときの、線形結合式の各係数、フィルタ形状、あるいは上下限値の変更により、欠陥度ファジィメンバーシップ関数を変化させ、欠陥検出特性を変化させることができる。特に、平均値の輝度レベルに応じたフィルタ処理を用いると、参照画像の輝度レベルに応じて感度特性を変化させることができ、特定の輝度レベルに注目した検査処理を行うことが可能となる。
【００３９】
欠陥度ファジィメンバーシップ関数２７は、画素毎に作成されるので、正差分用の良品区間画像３０及びファジィ区間画像３１と、負差分用の良品区間画像３２とファジィ区間画像３３の、合計４画像で画像全体の輝度差分欠陥度変換フィルタを表現することができる（図２）。
【００４０】
学習処理部１０は、画像間輝度変動画像２８、局所領域輝度変動画像２９、良品画像の和画像３４、及び、良品画像の二乗和画像３５を学習中間データ２５として保持する。このため、良品画像を追加した場合や、欠陥度ファジィメンバーシップ関数の算出方法を変更した場合に、再計算が必要な部分のみ再計算するだけで、良品平均画像２６と欠陥度ファジィメンバーシップ関数２７を再作成することができる。従って、良品画像データの追加または検査対象画像の検査試行繰り返しにより、容易に欠陥検出精度を向上させることができる。
【００４１】
〔検査処理部〕
図４は検査処理部の処理内容の説明図である。検査処理部１１の基本処理は、画素毎の欠陥度の算出（輝度差欠陥度変換処理）５１と、欠陥度積分値による欠陥認識（欠陥領域認識処理）５２である。
【００４２】
検査対象画像の輝度が良品画像に比べて変化している場合には、検査対象画像を任意の矩形に分割し各分割画像のヒストグラムを算出し、ヒストグラムを一定の割合で分割した分割輝度位置を求め、この分割位置が良品画像でのヒストグラム分割位置と一致するよう、良品画像または検査画像の輝度値を補正する。
【００４３】
ステップ１０では、検査対象画像の輝度が検査対象個体毎に変化する場合に、画像全体あるいは画像を任意に分割した分割領域毎に、良品平均画像のヒストグラムと検査対象画像のヒストグラムが少なくとも一の積算点で一致するよう、検査対象画像の輝度を補正し、輝度補正画像５６を生成する。生成された輝度補正画像５６は、後で輝度差分を算出するために利用される。
【００４４】
次に、検査対象画像の各画素値と良品平均画像との輝度差分値を求め（ステップ１２又はステップ２２）、これと画像の該当箇所における欠陥度ファジィメンバーシップ関数との照合を行い、欠陥度を算出する（ステップ１４又は２４）。
【００４５】
検査対象画像の輝度に応じて欠陥検出感度を変化させる場合には、輝度差分値を、欠陥度ファジィメンバーシップ関数と照合する前に、フィルタにより検査対象画像の輝度に応じて増減させる（ステップ１３又は２３）。学習処理における欠陥区間とファジィ区間の幅に対するフィルタ処理との違いは、学習処理におけるフィルタ処理が参照画像の輝度レベルに応じて感度特性を変化させたのに対し、検査処理におけるフィルタ処理は検査対象画像の輝度レベルに応じて感度特性を変化させることである。従って、検査処理におけるフィルタ処理により、同じ参照画像輝度の個所に発生した欠陥であっても、欠陥の輝度に応じて感度特性を変化させることが可能となる。
【００４６】
処理速度を向上させる場合には、欠陥検出を行う領域を目的欠陥サイズで分割し、各分割領域について間引いた画素のみの欠陥度算出を行う１次検出段階（ステップ１１）と、１次検出段階で欠陥度総和が基準値以上となる見込みとなった場合に、該当分割領域の近傍で領域を１画素単位でずらし、かつ全画素の欠陥度算出を行う２次検出段階（ステップ１２）に分けて欠陥検出を実施する。
【００４７】
次に、検査領域内の任意の位置において、あらかじめ定義した目的欠陥サイズ内の欠陥度積分により総和を算出し（ステップ１５又は２５）、これが一定の判定基準値以上となる箇所を欠陥として認識する（ステップ１６又は２６）。
【００４８】
２次検出段階では、分割領域を前後左右に、領域サイズの２分の１幅だけ拡張した範囲について、全画素の欠陥度を算出し、この中に欠陥度総和が基準値を越える矩形があるか否かを調べ、あればこの矩形を欠陥として認識する。これにより、欠陥が複数の分割領域にまたがっている場合にも、漏れなく検出することができる。
【００４９】
〔高周波検査〕
図５は本発明の第１実施例による高周波検査の処理内容の説明図である。検査対象画像の輝度が良品画像に比べて、１枚の画像内の場所によって不規則に変化する場合には、上記変換テーブル方式では補正しきれない場合がある。このような場合には、高周波成分の無い画像に限定し、良品平均画像の代わりに検査対象画像７そのものから低周波成分を抽出することによって（ステップ３１）作成した低周波画像３４を用いて高周波欠陥の検出を行う。これにより、輝度変動を含む低周波成分は輝度差分に含まれなくなるので、輝度変動に左右されずに高周波成分の欠陥を検出することができる。高周波欠陥の検出を行う場合にも、検査処理部１１は、処理速度を向上させるため、欠陥検出を行う領域を目的欠陥サイズで分割し、各分割領域について間引いた画素のみの欠陥度算出を行う１次検出段階（ステップ１１）と、１次検出段階で欠陥度総和が基準値以上となる見込みとなった場合に、該当分割領域の近傍で領域を１画素単位でずらし、かつ全画素の欠陥度算出を行う２次検出段階（ステップ１２）に分けて欠陥検出を実施する。
【００５０】
本発明の第１実施例の欠陥検出システムによれば、少なくとも一の良品画像から、輝度差分値を欠陥度に変換するフィルタを、画素毎に適切かつ自動的に決定することができる。これにより、画像の変動特徴に柔軟に対応し、画像の場所毎に最適な欠陥検出感度を設定することができ、同時にノイズにも作用されにくい検査処理を容易に実行できる。従って、検査業務の高精度化、効率化、省力化を実現できる。
【００５１】
また、本発明の第１実施例の欠陥検出システムによれば、任意のサイズの領域の欠陥度総和による欠陥認識ができるので、検査目的に応じて、欠陥サイズ、欠陥密度、欠陥程度など検出すべき欠陥の特性を柔軟に設定した上で検査処理を実行することができる。また、これら特性が異なる異種の欠陥を、領域の重複とは関係なく別々に検出する検査処理も容易かつ高速に実行できる。
【００５２】
更に、本発明の第１実施例の欠陥検出システムによれば、暗欠陥、明欠陥や特定の輝度の欠陥を選択的に検出する検査処理を容易に実行でき、従来手法における欠陥検出後の欠陥選別の手間を大幅に削減することができる。
【００５３】
また、本発明の第１実施例の欠陥検出システムによれば、検査時に輝度変化がある検査環境においても、輝度補正または高周波欠陥検出により、輝度差分値に基づく検査処理を実行することができる。
【００５４】
以下、本発明をプリント基板パターン検査に適用した、第２実施例について説明する。図６は、本発明の第２実施例によるプリント基板パターン検査システムの概略構成図である。同図に示されるように、プリント基板パターン検査システムは、処理装置１０１と、外部入力装置１０２と、外部出力装置１０３と、カメラ１０４とを含む。
【００５５】
外部入力装置１０２は、操作者から学習や検査の実施の指示を入力する。
【００５６】
外部出力装置１０３は、処理装置の状態や検査結果を出力し、操作者に示す。
【００５７】
カメラ１０４は、検査対象とするプリント基板パターンを撮影し、映像信号を処理装置１０１に送信する。映像信号はカメラ制御系１１０でデジタル画像に変換され、必要に応じて前処理系１２０で位置補正、歪み補正、輝度補正などの前処理を行い、処理画像を主処理系１３０に入力する。
【００５８】
主処理系１３０は、学習処理部１３１（図７）と検査処理部１３２（図７）とからなる。学習処理部１３１は、良品プリント基板パターン画像から欠陥度ファジィメンバーシップ関数を生成する。検査処理部１３２は、学習処理部１３１が生成したファジィメンバーシップ関数を用いて検査対象プリント基板パターン画像の検査を実施する。
【００５９】
図７は、本発明の第２実施例によるプリント基板パターン検査システムの全体のデータの流れを示すデータフロー図である。主処理系１３０には上述の学習処理部１３１と検査処理部１３２が含まれている。
【００６０】
カメラ１０４から取り込まれた映像信号は、カメラ制御系１１０を介して、画像データの形で前処理系１２０に供給される。前処理系で処理された画像データは、主処理系１３０の学習処理部１３１又は映像処理部１３２へ供給される。学習処理部１３１で生成された欠陥度ファジィメンバーシップ関数は内部記憶部１４０に格納され、検査処理部１３２は、検査画像の欠陥を検出するために内部記憶部１４０に保存された欠陥度ファジィメンバーシップ関数を読み出し使用する。
【００６１】
主処理系の学習処理部１３１と検査処理部１３２で生成された数値データ又は画像データは、入出力制御系１５０へ供給され、外部出力装置１０２を介してユーザへ提示される。或いは、ユーザからの入力データは、外部入力装置１０３から入出力制御系１５０を介して主処理系１３０へ与えられる。
【００６２】
図８は、本発明の第２実施例によるプリント基板パターン検査システムにおける学習処理部の処理の流れを示す処理フロー図である。学習処理部１３１の処理の流れを説明する。本発明の第２実施例では、画像間輝度変動画像と局所領域輝度変動画像は標準偏差により算出するものとしている。
【００６３】
良品プリント基板パターンをカメラで撮影し、画像データを入力する（ステップ１０１）。少なくとも一の良品プリント基板パターン画像データを入力し（ステップ１０２）、各画素位置について輝度値と輝度値の二乗値を積算する（ステップ１０３）。更に撮影すべき良品プリント基板パターンがあれば、ステップ１０１からステップ１０３を繰り返す（ステップ１０４）。
【００６４】
各画素位置について、積算値から良品平均画像を算出し（ステップ１０５）、画像間輝度変動画像を算出し（ステップ１０６）、さらに得られた良品平均画像から局所領域輝度変動量画像を算出する（ステップ１０７）。
【００６５】
画像間輝度変動量は、良品画像間の輝度値の標準偏差によって表わす。また良品平均画像上の局所領域輝度変動量１は、良品平均画像の該当画素を中心とするあるサイズの矩形領域内の画素値の標準偏差によって表わす。更に、局所領域輝度変動量２は、別のサイズの矩形領域内の画素値のヒストグラムを作成し、一定の割合の画素を含むヒストグラム中央領域の幅によって表わす。局所領域輝度変動量２は、明側、暗側の両方でそれぞれ算出する。図９には、ヒストグラム幅による局所領域変動量の決定方法の一例が示されている。
【００６６】
図３に示されているような欠陥度ファジィメンバーシップ関数の各区間長は、一例として、以下の式１〜式４：
明側良品区間＝画像間輝度変動量×係数１１＋局所領域輝度変動量１×係数２１ （式１）
暗側良品区間＝画像間輝度変動量×係数１２＋局所領域輝度変動量１×係数２２ （式２）
明側ファジィ区間＝画像間輝度変動量×係数１３＋明側局所領域輝度変動量２×係数２３ （式３）
暗側ファジィ区間＝画像間輝度変動量×係数１４＋暗側局所領域輝度変動量２×係数２４ （式４）
に従って算出される。係数１１、係数１２、係数１３、係数１４、係数２１、係数２２、係数２３及び係数２４は、０以上の実数であればよい。例えば、ファジィ区間は局所領域輝度変動量のみから決めるとすれば、係数１３、係数１４は０にして、係数２３、係数２４を非０にするといった設定方法も選択可能である。
【００６７】
他の変動量を複数算出し、上記の区間長算出に用いることも勿論可能である。また、各区間長について、フィルタ処理により平均値の輝度レベルに応じて増減したり、それぞれ上下限値で範囲を制限したり、あるいは一部を固定値とすることもできる。
【００６８】
欠陥度ファジィメンバーシップ関数は、画素毎に作成されるので、画素毎に、明側良品区間、暗側良品区間、明側ファジィ区間及び暗側ファジィ区間の区間長が算出される。各画素の位置に対応した区間長の値を割り当てることにより、正差分用の良品区間画像とファジィ区間画像、負差分用の良品区間画像とファジィ区間画像の、合計４画像が形成され、画像全体のフィルタを表現する。
【００６９】
生成した良品平均画像と欠陥度ファジィメンバーシップ関数を内部記憶部に保存する。
【００７０】
図１０は、本発明の第２実施例における検査処理部１３２の基本的な処理の流れを示す処理フロー図である。検査処理部１３２の処理の流れの概略を説明する。
【００７１】
学習処理部１３１が生成した欠陥度ファジィメンバーシップ関数を内部記憶部から読み込む（ステップ１２１）。
【００７２】
検査対象プリント基板パターンをカメラで撮影し（ステップ１２２）、画像データを入力する（ステップ１２３）。
【００７３】
検査対象プリント基板パターン画像の各画素位置について良品平均画像との輝度差を求め（ステップ１２４）、これを欠陥度ファジィメンバーシップ関数と照合し欠陥度を求める（ステップ１２５）。検出すべき欠陥サイズ内の欠陥度総和が基準値以上となる局所領域を欠陥と認識する（ステップ１２６）。
【００７４】
欠陥サイズ、欠陥密度、欠陥度総和基準値等のパラメータの調整によって、多種多様な欠陥が混在している中で、サイズは小さくても著しい輝度差分が発生する欠陥とか広い範囲にわたってなだらかな輝度差分が発生する欠陥などを選択的に検出することができる。
【００７５】
またプリント基板パターン上の部位毎にこれらのパラメータを設定し調整することもができるので、メッキ部の過検出を押さえたり、部位毎に検出感度を変えたりすることができる（欠陥認識処理）。
【００７６】
検査結果を表示する（ステップ１２７）。
【００７７】
以上が検査処理部の基本的な処理の流れであるが、処理速度を向上させる場合には、欠陥検出を行う領域を目的欠陥サイズで分割し、各分割領域について間引いた画素のみの輝度差分算出と欠陥度算出を行う１次検出段階と、１次検出段階で欠陥度総和が基準値以上となる見込みとなった場合に、該当分割領域の近傍で領域を１画素単位でずらし、かつ全画素の輝度差分算出と欠陥度算出を行う２次検出段階に分けて欠陥検出を実施する。この場合には、画像全体での差分画像作成は行わない。
【００７８】
１次検出段階における分割領域内の画素間引き方法としては、縦横とも一定間隔でサンプリングする方法もあるが、特定の方向の線状欠陥の検出漏れを防ぐため、目的欠陥サイズと間引きのレベルに応じて適切な画素配置パターンを準備しておく方法もある。図１１は、このような間引き画素配置パターンの一例を示す図である。
【００７９】
１次検出段階の判定閾値は、２次検出判定閾値を以下の式５：
１次検出判定閾値＝２次検出判定閾値×（実検査画素数／矩形全画素数）×（１／４） （式５）
で変換した数値とする。画素数に比例して小さくすると同時に、４分の１にしているため、例えば図１２のように欠陥が４個の分割領域にまたがって、各分割領域に欠陥画素の４分の１しか含まれない場合においても、漏れ無く検出することが可能となる。
【００８０】
２次検出段階では、分割領域を前後左右に、領域サイズの２分の１幅だけ拡張した範囲について、全画素の欠陥度を算出し、この中に欠陥度総和が基準値を越える矩形があるか否かを調べ、あればこの矩形を欠陥として認識する。領域サイズの２分の１の幅だけ拡張した範囲をくまなく調べることにより、図１２のように複数の１次検出領域にまたがる欠陥も検出することができる。
【００８１】
検査対象画像の輝度に応じて欠陥検出感度を変化させる場合には、図１３のように検査処理において注目する輝度の範囲、範囲内の注目度（重み）の分布を定義することができる。欠陥度を得るために輝度差分値を算出する前に、検査対象画像の輝度に応じた輝度注目の増減フィルタ処理を行う。増減フィルタ処理は、例えば、図１４に示すように横軸に輝度、縦軸に重みをとる重み関数をあらかじめ定義しておき、輝度差分値に乗ずることにより実現する。輝度注目によって輝度値に特徴のある欠陥の検出感度を高めたり、輝度値に特徴のある外乱を除外したりすることができる。
【００８２】
プリント基板パターン検査などにおいては、生産ロットにより検査対象の輝度が不連続に変化し、同一の良品平均画像を用いて検査を行うと輝度差が生じ擬似欠陥が発生する。この場合には、生産ロットの切り替わり時に、検査対象画像を任意のサイズの矩形に分割し各分割画像のヒストグラムを算出し、ヒストグラムを一定の画素数で分割した分割輝度位置を求め、この分割位置が良品画像でのヒストグラム分割位置と一致するよう、良品画像の輝度値を補正する。たとえば、画像中の画素の輝度分布が２５％ずつの４つの領域に分かれる輝度位置が分割輝度位置であり、この４個の分割輝度位置が、検査対象画像と良品画像の間で一致するように、良品画像の輝度値を補正する。
【００８３】
図１５は、このようなヒストグラムによる輝度補正の説明図である。輝度値の補正（修正）は、例えば、図１５の（ａ）の良品画像ヒストグラム及び同図の（ｂ）の検査対象ヒストグラムとから、図１５の（ｃ）のように輝度値に対する輝度値補正量を折れ線で表現し、この輝度値補正量に基づいて輝度値を修正輝度値に変換するテーブル（図１５の（ｄ））を作成することにより実現される。同図の例では、変換テーブルは、０〜２５５の輝度値を０〜２５５の輝度値に変換するテーブルである。図１５の（ｄ）の変換テーブルは、ヒストグラム分割点（良品で１１０、１５０、１８５、検査対象画像で９０、１２５、１９５）を用いて作成されている。
【００８４】
変換テーブルは分割矩形毎に決定されるが、速度を重視して分割矩形内では同一のテーブルを用いることも、精度を重視して変換テーブルを分割矩形間で補間して画素毎に異なるテーブルを用いることもできる。
【００８５】
また、各プリント基板に個性があり、検査対象の輝度が不規則に変化し、同一の良品平均画像を用いて検査を行うと輝度差が生じ擬似欠陥が発生する場合には、上記と同様にヒストグラム比較を行い、検査対象画像の輝度値を補正する。
【００８６】
プリント基板パターン検査などにおいて、ライン、パッド、基材などの基板上の部位分類情報を利用できる場合には、ヒストグラムの分割輝度位置ではなく、部位毎に良品平均画像と検査対象画像の輝度平均と差異を求め、変換テーブルを作成することもできる。この変換テーブルは、図１５の例におけるヒストグラム分割点の代わりに、各部位の輝度平均値（例えば、良品のライン２００、パッド１７５、基材８０、検査対象画像のライン２１０、パッド１６０、基材６５など）を用いて作成される。
【００８７】
或いは、非常に簡単な例として、部位毎に輝度平均の差を算出し、輝度平均が一致するように良品平均画像にオフセットを加える画像（部位内の値は一定であり、部位間で値が異なる画像）を変換テーブルの代わりに用いることも可能である。
【００８８】
プリント基板パターン検査などにおいて、学習処理を終了し検査処理を運用しているときに、検査処理部が良品画像を不良と判定してしまったときには、不良であると判定された良品画像を追加し再学習することで検査精度の向上が期待できる。本実施例では、学習中間データとして、和画像と二乗和画像を保持しているので、この良品画像に関して、図８のステップ１０３における和画像積算と二乗和画像積算を１回だけ追加し、良品平均画像生成以降の処理（ステップ１０５からステップ１０９）の処理だけを行うことで、容易に追加学習が可能である。
【００８９】
また、検査処理を運用中に、検査処理部が検査対象画像の良品部分を欠陥と判定し、または欠陥部分を良品と判定したときには、欠陥度ファジィメンバーシップ関数の算出方法、目的欠陥サイズ、あるいは判定基準を変更して再学習を行うことで検査精度の向上が期待できる。本実施例では、学習中間データとしての、良品平均画像、画像間輝度変動画像、及び局所領域輝度変動画像を保持しておくので、欠陥度ファジィメンバーシップ関数の算出方法の変更により再計算が必要なデータのみ再計算することで、追加学習が可能である。
【００９０】
図１６は、本発明の第２実施例によるパラメータ調整処理のフロー図である。本実施例は、図１６に示すように、操作者による学習パラメータ変更指示に応答して、再学習と再検査と検査結果再表示を直ちに行いうる検査装置を構成することで、検査特性および検査感度の調整を、ほぼリアルタイムで実行することができ、検査業務を効率良く行うことができる。
【００９１】
ステップ１５１：操作者による学習パラメータ変更指示を受け付ける。
【００９２】
ステップ１５２：学習画像の追加が指定されたかどうかを判定し、追加する場合、ステップ１５３へ進み、追加しない場合には、ステップ１５４へ進む。
【００９３】
ステップ１５３：追加画像の画像データを入力し、和画像積算と二乗和画像積算を行い、良品平均画像を再生成する。
【００９４】
ステップ１５４：輝度変動画像作成方法の変更が指定されたかどうかを判定し、そうであるならば、ステップ１５５へ進み、さもなければ、ステップ１５６へ進む。
【００９５】
ステップ１５５：画像間輝度変動画像と局所領域輝度変動画像のうち、変更が必要な輝度変動画像を再作成する。
【００９６】
ステップ１５６：欠陥度ファジィメンバーシップ関数の算出方法の変更が指定されたかどうかを判定し、そうであるならば、ステップ１５７へ進み、さもなければステップ１５８へ進む。
【００９７】
ステップ１５７：指定された算出式に従ってファジィメンバーシップ関数を再計算する。
【００９８】
ステップ１５８：目的欠陥サイズ判定基準の変更が指定されたかどうかを判定し、そうであるならば、ステップ１５９へ進み、さもなければ、ステップ１５１へ戻る。
【００９９】
ステップ１５９：指定された目的欠陥サイズ判定基準に従って、検査対象画像の欠陥度を算出する。
【０１００】
ステップ１６０：検査対象画像の中で、検出すべき欠陥サイズ内の欠陥度総和が基準値以上となる局所領域が欠陥と認識される検査を実施する。
【０１０１】
ステップ１６１：再検査の結果を操作者へ提示する。
【０１０２】
ステップ１６２：学習パラメータ調整が終了かどうかを判定し、終了ではない場合、ステップ１５１へ戻る。
【０１０３】
最後に、本発明の第３実施例として、ウエハ上にパターン形成されたチップ並びの検査など、繰り返しパターンを対象とした欠陥検出装置を考える。図１７はかかる欠陥検出装置による繰り返しパターンの検査の説明図である。
【０１０４】
機器構成と、基本的な学習処理、検査処理は、図６及び７に関して説明した本発明の第２実施例によるシステムと共通である。本発明の第３実施例では、図１７の（ａ）ように同一形状チップが並んだ検査対象画像を検査する場合、検査対象チップの上下、左右、斜めに隣接する８チップ（周辺部は４チップまたは３チップ）の画像を、学習用の画像群として利用し学習処理を行うことができる。図１７の（ｂ）に示されるように、一つのチップ（★印）について、周囲の８チップ（☆印）を学習することになる。
【０１０５】
この方式によれば、学習用良品画像を別途準備することなく、検査画像のみにより検査処理を行うことができる。また、通常の学習用良品画像による学習処理に、本方式を組み合わせ、各チップに関する学習回数を９倍に増加させ、学習の精度を向上させることも可能である。
【０１０６】
本発明の第４実施例として、ベアウエハ、CCDチップ、LCD、フィルムなどを検査対象物とした欠陥検出装置を考える。機器構成と、基本的な学習処理、検査処理は、図６及び７に示された本発明の第２実施例と共通である。これらの検査対象物は、検査対象部分が一様な画像であるが、安定した撮像環境が得られなかったり検査対象物が変形したりすると、不規則な輝度むらやサンプル間の輝度ばらつきが発生し、ヒストグラムによる輝度補正を行っても検査処理が困難な場合がある。このような場合には、検査対象画像自体から良品画像を作成し検査を行うことで対処する。この場合、欠陥度ファジィメンバーシップ関数は学習処理で作成することもできるが、輝度むらの影響を受けるので、固定形状とするのが適切である。
【０１０７】
図１８は、本発明の第４実施例による高周波欠陥検出の説明図である。図１８の（ａ）の検査対象画像と、同図の（ｂ）の良品画像は、濃淡が滑らかに変化する画像である（同図では、簡単のため４段階に変化する画像が示されているが、実際の画像はもっと複雑な濃淡変化でも構わない）。検査対象画像には、線状の像が存在する。
【０１０８】
例えば、検査対象画像（図１８の（ａ））の各画素位置において、当該画素を中心とするあるサイズの矩形の平均を算出し、当該画素位置の良品輝度とすることにより、良品画像（図１８の（ｂ））が作成される。こうして得られる良品画像と検査対象画像の差分をとることにより、差分画像（図１８の（ｃ））が得られ、差分画像上で欠陥検出を行う。これにより、輝度むらなどの低周波成分は相殺され、高周波成分の欠陥のみを検出することができる。
【０１０９】
平均算出矩形のサイズは、輝度むらのサイズと、検出すべき欠陥のサイズによって調整する。
【０１１０】
上記の本発明の実施例による欠陥検出方法は、ソフトウェア（プログラム）で構築することが可能であり、コンピュータのＣＰＵによってこのプログラムを実行することにより本発明の実施例による欠陥検出装置を実現することができる。構築されたプログラムは、ディスク装置等に記録しておき必要に応じてコンピュータにインストールされ、フレキシブルディスク、メモリカード、ＣＤ−ＲＯＭ等の可搬記録媒体に格納して必要に応じてコンピュータにインストールされ、或いは、通信回線等を介してコンピュータにインストールされ、コンピュータのＣＰＵによって実行される。
【０１１１】
本発明は、上記の実施例に限定されることなく、特許請求の範囲内で各種変更および応用が可能である。
【０１１２】
【発明の効果】
本発明によれば、良品画像から輝度差分値を欠陥度に変換するフィルタを画素毎に適切かつ自動的に決定することができる。これにより、画像の変動特徴に柔軟に対応し、画像の場所毎に最適な欠陥検出感度を設定することができ、同時にノイズにも作用されにくい検査処理を容易に実行できる。従って、検査業務の高精度化、効率化、省力化を実現できる。
【０１１３】
また、本発明によれば、任意のサイズの領域の欠陥度総和による欠陥認識ができるので、検査目的に応じて、欠陥サイズ、欠陥密度、欠陥程度など検出すべき欠陥の特性を柔軟に設定した上で検査処理を実行することができる。また、これら特性が異なる異種の欠陥を、領域の重複とは関係なく別々に検出する検査処理も容易かつ高速に実行できる。
【図面の簡単な説明】
【図１】本発明の第１実施例による欠陥検出システムの構成図である。
【図２】本発明の第１実施例による学習処理部の処理内容の説明図である。
【図３】本発明の第１実施例による欠陥度ファジィメンバーシップ関数の説明図である。
【図４】本発明の第１実施例による検査処理部の処理内容の説明図である。
【図５】本発明の第１実施例による高周波検査装置の処理内容の説明図である。
【図６】本発明の第２実施例によるプリント基板パターン検査システムの構成図である。
【図７】本発明の第２実施例によるプリント基板パターン検査システムのデータフロー図である。
【図８】本発明の第２実施例における学習処理部の処理フロー図である。
【図９】ヒストグラム幅による局所領域変動量決定例の説明図である。
【図１０】本発明の第２実施例における検査処理部の処理フロー図である。
【図１１】間引き画素配置パターン例の説明図である。
【図１２】複数の１次検出領域にまたがる欠陥の検出例の説明図である。
【図１３】輝度注目重み分布例の説明図である。
【図１４】輝度注目増減フィルタ例の説明図である。
【図１５】ヒストグラムによる輝度補正例の説明図である。
【図１６】本発明の第２実施例によるパラメータ調整処理のフロー図である。
【図１７】本発明の第３実施例による繰り返しパターンの検査の説明図である。
【図１８】本発明の第４実施例による高周波欠陥検出の説明図である。
【符号の説明】
１ 欠陥検出装置
２ 画像取得部
３ 操作指示部
４ 結果表示部
５ 結果蓄積部
１０ 学習処理部
１１ 検査処理部
２１ 良品平均画像算出処理
２２ 欠陥度ファジィメンバーシップ関数算出処理
２３ 内部記憶部
２４ 良品画像
２５ 学習中間データ
２６ 良品平均画像
２７ 欠陥度ファジィメンバーシップ関数
５１ 輝度差欠陥度変換処理
５２ 欠陥領域認識処理
５３ 内部記憶部
５４ 検査対象画像
５５ 欠陥検出結果

Claims (18)

1. 参照画像と検査対象画像を欠陥検出装置が比較して検査対象の欠陥を検出する欠陥検出方法であって、
   学習処理部により、少なくとも一の良品画像から参照画像としての良品平均画像を算出し、画像中の各画素位置での参照画像と検査対象画像の輝度差分値を、各画素位置での検査対象の欠陥の度合いを表わす欠陥度に変換する欠陥度ファジィメンバーシップ関数を作成する学習処理手順と、
   検査処理部により、参照画像と検査対象画像の各画素位置での輝度差分値に欠陥度ファジィメンバーシップ関数を適用し、得られた欠陥度が所定の基準を満たす局所領域を検査対象の欠陥として認識する検査処理手順と、
   を有することを特徴とする欠陥検出方法。
2. 学習処理手順において、画像中の各画素位置での欠陥度ファジィメンバーシップ関数は、複数の良品画像間における同一箇所の輝度変動量と、良品平均画像の当該画素位置を中心とする少なくとも一のサイズの局所領域内の輝度変動量と、良品平均画像の当該画素位置の輝度と、のうちの少なくとも一つを用いて作成されることを特徴とする、請求項１記載の欠陥検出方法。
3. 学習処理手順において、欠陥度ファジィメンバーシップ関数は輝度差分値に関して正側と負側で別々に作成されることを特徴とする、請求項１又は２記載の欠陥検出方法。
4. 検査処理手順は、
   画像中の各画素位置での参照画像と検査対象画像の輝度差分値を算出する手順と、
   算出された輝度差分値を検査対象画像の輝度に応じて増減処理する手順と、
   各画素位置での増減処理された輝度差分値に欠陥度ファジィメンバーシップ関数を適用して欠陥度に変換する手順と、
   検査対象画像の中で、検出すべき欠陥サイズ内の欠陥度の総和が基準値以上となる局所領域を検査対象の欠陥として認識する欠陥認識手順と、
   を有することを特徴とする、請求項１乃至３のうちいずれか一項記載の欠陥検出方法。
5. 検査処理手順は、
   画像中で所定のサイズに分割された各領域毎に、領域内の一部の画素に対し欠陥度を算出し、領域内の欠陥度の総和を算出する１次検出手順と、
   １次検出手順において算出された欠陥度の総和が第１の所定の基準値以上である領域に関して、当該領域の近傍で１画素単位でずらした領域を設定し、設定された領域内の全画素に対し欠陥度を算出し、設定された領域内の欠陥度の総和を算出する２次検出手順と、を有し、
   ２次検出手順において算出された欠陥度の総和が第２の所定の基準値以上である設定された領域を検査対象の欠陥として認識する、
   ことを特徴とする請求項１乃至３のうちいずれか一項記載の欠陥検出方法。
6. 検査処理手順において、良品に関連した検査対象画像が不良であると判定された場合に、
   当該検査対象画像を良品画像に追加して良品平均画像及び欠陥度ファジィメンバーシップ関数を再作成する手順を更に有する、
   請求項１乃至５のうちいずれか一項記載の欠陥検出方法。
7. 検査処理手順において、良品平均画像の輝度のヒストグラムと検査対象画像の輝度のヒストグラムを作成し、良品平均画像と検査対象画像の夫々の所定の輝度区間に含まれる画素数が一致するように、良品平均画像と検査対象画像のうちの少なくとも一方の輝度を変更する手順を更に有する、
   請求項１乃至６のうちいずれか一項記載の欠陥検出方法。
8. 学習処理手順において、検査対象画像の低周波成分画像を参照画像として用いることを特徴とする、請求項１乃至７のうちいずれか一項記載の欠陥検出方法。
9. 参照画像と検査対象画像を比較して検査対象の欠陥を検出する欠陥検出装置であって、少なくとも一の良品画像から参照画像としての良品平均画像を算出し、画像中の各画素位置での参照画像と検査対象画像の輝度差分値を、各画素位置での検査対象の欠陥の度合いを表わす欠陥度に変換する欠陥度ファジィメンバーシップ関数を作成する学習処理手段と、 参照画像と検査対象画像の各画素位置での輝度差分値に欠陥度ファジィメンバーシップ関数を適用し、得られた欠陥度が所定の基準を満たす局所領域を検査対象の欠陥として認識する検査処理手段と、
   を有することを特徴とする欠陥検出装置。
10. 学習処理手段は、画像中の各画素位置で、複数の良品画像間における同一箇所の輝度変動量と、良品平均画像の当該画素位置を中心とする少なくとも一のサイズの局所領域内の輝度変動量と、良品平均画像の当該画素位置の輝度と、のうちの少なくとも一つを用いて、輝度差分値に関して正側と負側で別々に欠陥度ファジィメンバーシップ関数を作成する、
    ことを特徴とする、請求項９記載の欠陥検出装置。
11. 検査処理手段は、画像中の各画素位置での参照画像と検査対象画像の輝度差分値を算出する手段と、
    算出された輝度差分値を検査対象画像の輝度に応じて増減処理する手段と、
    各画素位置での増減処理された輝度差分値に欠陥度ファジィメンバーシップ関数を適用して欠陥度に変換する手段と、
    検査対象画像の中で、検出すべき欠陥サイズ内の欠陥度の総和が基準値以上となる局所領域を検査対象の欠陥として認識する欠陥認識手段と、
    を有することを特徴とする、請求項９又は１０記載の欠陥検出装置。
12. 検査処理手段は、画像中で所定のサイズに分割された各領域毎に、領域内の一部の画素に対し欠陥度を算出し、領域内の欠陥度の総和を算出する１次検出手段と、
    １次検出手順において算出された欠陥度の総和が第１の所定の基準値以上である領域に関して、当該領域の近傍で１画素単位でずらした領域を設定し、設定された領域内の全画素に対し欠陥度を算出し、設定された領域内の欠陥度の総和を算出する２次検出手段と、を有し、
    ２次検出手段において算出された欠陥度の総和が第２の所定の基準値以上である設定された領域を検査対象の欠陥として認識する、
    ことを特徴とする請求項９乃至１１のうちいずれか一項記載の欠陥検出装置。
13. 良品に関連した検査対象画像が不良であると判定された場合に、当該検査対象画像を良品画像に追加して良品平均画像及び欠陥度ファジィメンバーシップ関数を再作成する手段を更に有する、
    請求項９乃至１２のうちいずれか一項記載の欠陥検出装置。
14. 良品平均画像の輝度のヒストグラムと検査対象画像の輝度のヒストグラムを作成し、良品平均画像と検査対象画像の夫々の所定の輝度区間に含まれる画素数が一致するように、良品平均画像の輝度を変更する手段を更に有する、
    請求項９乃至１３のうちいずれか一項記載の欠陥検出装置。
15. 少なくとも一の良品画像から参照画像としての良品平均画像を算出し、画像中の各画素位置での参照画像と検査対象画像の輝度差分値を、各画素位置での検査対象の欠陥の度合いを表わす欠陥度に変換する欠陥度ファジィメンバーシップ関数を作成する学習処理機能と、
    参照画像と検査対象画像の各画素位置での輝度差分値に欠陥度ファジィメンバーシップ関数を適用し、得られた欠陥度が所定の基準を満たす局所領域を検査対象の欠陥として認識する検査処理機能と、
    をコンピュータに実現させるための欠陥検出プログラム。
16. 画像中の各画素位置で、複数の良品画像間における同一箇所の輝度変動量と、良品平均画像の当該画素位置を中心とする少なくとも一のサイズの局所領域内の輝度変動量と、良品平均画像の当該画素位置の輝度と、のうちの少なくとも一つを用いて、輝度差分値に関して正側と負側で別々に欠陥度ファジィメンバーシップ関数を作成する機能を更にコンピュータに実現させることを特徴とする請求項１５記載の欠陥検出プログラム。
17. 画像中の各画素位置での参照画像と検査対象画像の輝度差分値を算出する機能と、
    算出された輝度差分値を検査対象画像の輝度に応じて増減処理する機能と、
    各画素位置での増減処理された輝度差分値に欠陥度ファジィメンバーシップ関数を適用して欠陥度に変換する機能と、
    検査対象画像の中で、検出すべき欠陥サイズ内の欠陥度の総和が基準値以上となる局所領域を検査対象の欠陥として認識する欠陥認識機能と、
    を更にコンピュータに実現させるための請求項１５又は１６記載の欠陥検出プログラム。
18. 画像中で所定のサイズに分割された各領域毎に、領域内の一部の画素に対し欠陥度を算出し、領域内の欠陥度の総和を算出する１次検出機能と、
    算出された欠陥度の総和が第１の所定の基準値以上である領域に関して、当該領域の近傍で１画素単位でずらした領域を設定し、設定された領域内の全画素に対し欠陥度を算出し、設定された領域内の欠陥度の総和を算出する２次検出機能と、
    算出された欠陥度の総和が第２の所定の基準値以上である設定された領域を検査対象の欠陥として認識する機能と、
    を更にコンピュータに実現させるための請求項１５乃至１７のうちいずれか一項記載の欠陥検出プログラム。

Images