JP5794629B2 - 表面検査装置、表面検査方法、表面検査プログラム、およびコンピュータ読み取り可能な記録媒体 - Google Patents
表面検査装置、表面検査方法、表面検査プログラム、およびコンピュータ読み取り可能な記録媒体 Download PDFInfo
- Publication number
- JP5794629B2 JP5794629B2 JP2011231089A JP2011231089A JP5794629B2 JP 5794629 B2 JP5794629 B2 JP 5794629B2 JP 2011231089 A JP2011231089 A JP 2011231089A JP 2011231089 A JP2011231089 A JP 2011231089A JP 5794629 B2 JP5794629 B2 JP 5794629B2
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- value
- unevenness
- polarized component
- image
- 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.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims description 114
- 238000000034 method Methods 0.000 title claims description 101
- 238000007747 plating Methods 0.000 claims description 122
- 230000010287 polarization Effects 0.000 claims description 104
- 238000009826 distribution Methods 0.000 claims description 101
- 238000000605 extraction Methods 0.000 claims description 55
- 238000004364 calculation method Methods 0.000 claims description 52
- 238000013507 mapping Methods 0.000 claims description 41
- 238000000491 multivariate analysis Methods 0.000 claims description 35
- 238000000926 separation method Methods 0.000 claims description 28
- 239000002184 metal Substances 0.000 claims description 26
- 229910052751 metal Inorganic materials 0.000 claims description 26
- 230000005484 gravity Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 5
- 239000010931 gold Substances 0.000 description 80
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 77
- 229910052737 gold Inorganic materials 0.000 description 77
- 230000002950 deficient Effects 0.000 description 69
- 238000001514 detection method Methods 0.000 description 54
- 230000002159 abnormal effect Effects 0.000 description 45
- 238000005259 measurement Methods 0.000 description 27
- 238000004458 analytical method Methods 0.000 description 25
- 238000000611 regression analysis Methods 0.000 description 19
- 238000000089 atomic force micrograph Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 12
- 238000007405 data analysis Methods 0.000 description 12
- 230000007547 defect Effects 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 12
- 230000005856 abnormality Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000006073 displacement reaction Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000010191 image analysis Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004445 quantitative analysis Methods 0.000 description 8
- 230000003746 surface roughness Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000007423 decrease Effects 0.000 description 7
- 238000005286 illumination Methods 0.000 description 7
- 238000000691 measurement method Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 4
- 238000000572 ellipsometry Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000037303 wrinkles Effects 0.000 description 4
- 102100028971 HLA class I histocompatibility antigen, C alpha chain Human genes 0.000 description 3
- 101100395312 Homo sapiens HLA-C gene Proteins 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000000556 factor analysis Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 150000002739 metals Chemical class 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 241000282341 Mustela putorius furo Species 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 238000004381 surface treatment Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241001465805 Nymphalidae Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910010272 inorganic material Inorganic materials 0.000 description 1
- 239000011147 inorganic material Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 238000000391 spectroscopic ellipsometry Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
(1)画像特徴量の値の分布から、統計的特徴を抽出して写像(例えば、ヒストグラムなど)を構成する方法、
(2)画像特徴量を説明変数とし、上記判断パラメータを目的変数として多変量解析を行って所定の写像(例えば、検索空間など)を構成する方法などを挙示できる。
(1)予測式(関係式)の発見や量の推定などに用いる重回帰分析や正準相関分析、
(2)標本の分類や質の推定などに用いるクラスター分析や判別分析、
(3)多変量の統合整理(減らす)、変量の分類、および代表変量の発見などに用いる主成分分析や因子分析などが含まれる。なお、これらの方法のいずれを採用するかは、目的に応じて選択すれば良い。
(1)形状特徴量の値の分布から、統計的特徴を抽出して写像(例えば、ヒストグラムなど)を構成する方法、
(2)形状特徴量を説明変数とし、上記判断パラメータを目的変数として多変量解析を行って所定の写像(例えば、検索空間など)を構成する方法などを挙示できる。
本発明の一実施形態である表面検査装置1について図1から図17に基づいて説明すると以下の通りである。
本発明の一実施形態について図18から図26に基づいて説明すると以下の通りである。
(1)パラメータΨ=R(r,θ)の動径方向の重み付け平均の角度微分の標準偏差であるパラメータPx、
(2)パラメータΨ=R(x、y)の重心座標のノルム(直交または極座標空間の原点からパラメータΨの重心までの距離)であるパラメータPy、
(3)パラメータΨ=R(r,θ)の動径方向の重み付け平均であるパラメータPzのそれぞれを、所定の写像を具現化する検索空間内の座標として算出する。
Sy=xi−1,j+1−xi−1,j−1+2xi,j+1−2xi,j−1+xi+1,j+1−xi+1,j−1
ここで、xi,jは画素位置x(i,j)における画素値を表し、iは水平方向に沿った画素の位置を、jは垂直方向に沿った画素の位置をそれぞれ表す。ここに、iおよびjは正の整数である。
(1)画像特徴量〔または、強度比相関パラメータ(例えば、パラメータΨ)そのもの〕の値の分布から、統計的特徴を抽出して写像(例えば、ヒストグラムなど)を構成する方法、
(2)画像特徴量を説明変数とし、判断パラメータを目的変数として多変量解析を行って所定の写像(例えば、検索空間など)を構成する方法などを挙示できる。
(1)予測式(関係式)の発見や量の推定などに用いる重回帰分析や正準相関分析、
(2)標本の分類や質の推定などに用いるクラスター分析や判別分析、
(3)多変量の統合整理(減らす)、変量の分類、および代表変量の発見などに用いる主成分分析や因子分析などが含まれる。なお、これらの方法のいずれを採用するかは、目的に応じて選択すれば良い。
次に、図6、図18、図19および図22に基づき、上記の表面状態特定装置60の別の動作について説明する。
画像計測の多くの問題としては、CCDカメラ40(検出画面上)の画像枠内に捕えられた一つの対象の面積や周囲長を計ったり、穴の数を数えたり、あるいは画面上の多数の同一対象の個数を計数する問題などが考えられる。また、計測によって対象が何であるかを判定する認識の問題も、ここでは広い意味での計測(形状計測)の問題と考える。
条件1)平行移動に関する不変性、
条件2)検出画面に関する加法性、および、
条件3)適応的な学習可能性の3条件である。
F1:全検出画面に対して、条件1)および2)を満たす一般的で基本的な特徴を初期特徴として複数抽出する(幾何学的特徴抽出)。
F2:上記初期特徴を線形結合することによって、様々な用途に対して最適な特徴を学習によって適応的に抽出する(学習的特徴抽出)。
(1)予測式(関係式)の発見や量の推定などに用いる重回帰分析や正準相関分析、
(2)標本の分類や質の推定などに用いるクラスター分析や判別分析、
(3)多変量の統合整理(減らす)、変量の分類、および代表変量の発見などに用いる主成分分析や因子分析などが含まれる。なお、これらの方法のいずれを採用するかは、目的に応じて選択すれば良い。
上記F1およびF2の2段階の特徴抽出に基づく画像計測方法は、画像計測の上記基本的な条件1)〜3)を満たし、構造が簡単で装置化の容易な並列的・適応的な計測方法となり、種々の用途に対して高速な学習によって適応的に画像計測が可能となる。
上記原理に基づく計測方法について、以下、詳細に説明する。
XBA=XWAΛ(ATXWA=I)……(7)
ここに、Λは固有値対角行列、Iは単位行列である。また、XW、XBはそれぞれ初期特徴ベクトルxのクラス内、クラス間共分散行列であり、次式で定義される。
図28は、図27に示す5種類の局所自己相関マスクを用いて、実際に金メッキパッドの検出画像をこれらのマスクでスキャンした結果を示す。ここで、「1」は、良品のサンプル、「2」〜「4」は不良品のサンプルにおけるスキャン結果を示し、各不良品の内訳は、「2」が境界型斑、「3」が三日月型斑、「4」が斑点状斑のサンプルにおけるスキャン結果を示す。
図29の(a)は、金メッキパッドの検出画像から抽出される特徴量1の頻度とムラ種類との関係を示す。横軸は、1:良品、2:境界型斑、3:三日月型斑、4:斑点状斑を示す。図29の(a)に示すように、良品<境界型斑<三日月型斑<斑点状斑の順で、特徴量1(閾値外の面積の総和に対応)が増えていくことがわかる。しかしながら、それぞれに重複する値を有するサンプルがあり、良否、および各分類の精度は低い。
例えば、検索空間として一次元座標Zを用い、回帰式として、
Z=a1x1+a2x2+a3x3+a4x4+a5x5+a0・・・(9)を用い、良品は、Z=+1、不良品は、Z=−1の位置に配置されるものとして重回帰分析を行うと、係数ai(i=0〜5)が求まる。
a1=−0.0094、a2=+0.007165、a3=−0.00607、
a4=+0.017678、a5=−0.00908、a0=+0.5443である。
a1=−0.00771、a2=−0.00529、a3=0.010404、
a4=+0.004202、a5=−0.00134、a0=+1.447321である。
次に、不良品をさらに細かく分類するには、例えば、良品:Z=+1、境界型斑:Z=0.25、三日月型斑:Z=−0.25、斑点状斑:Z=−1として、重回帰分析を行えば良い。これにより、各サンプルを好適に分離できるため、各クラスを判別するための閾値を適宜設定することにより、光沢ムラの種類を分類することができる。
図29の(d)は、このような推測のもと、良品:1000、境界型斑:250、三日月型斑:−250、斑点状斑:−1000として、重回帰分析をおこなった結果を示す。
a1=−3.35444、a2=+4.201381、a3=+1.912725、
a4=−1.72123、a5=−0.86715、a0=+931.1364である。
次に、図30〜図39に基づき、上記の表面状態特定装置60のさらに別の動作について説明する。図30は、図18に示す表面状態特定装置60の要部である特徴量抽出部70aの構成の一例を示すブロック図である。
図30に示すように、特徴量抽出部70aは、白画素特定部(白画素特定手段)701a、図形特定部(図形特定手段、形状特徴量抽出手段)702a、および、形状特徴量抽出部(形状特徴量抽出手段)703aを少なくとも含む。なお、図形特定部702aおよび形状特徴量抽出部703aを纏めて1ブロックの形状特徴量抽出部として構成しても良い。
白画素特定部701aは、上記の強度比相関パラメータの値の分布を反映した画像データにおける複数の画素(または絵素)のうち、上記強度比相関パラメータの値が所定の閾値以上または以下である白画素を特定する。但し、本実施形態では、強度比相関パラメータの値の分布を反映した画像データの2値化を行うものとする(以下、2値化後の画像データを単に「画像データ」という)。なお、白画素特定部701aは、その他、画像データに対してエッジ抽出フィルタ(例えば、SobelオペレータやPrewittオペレータなど)を作用させてエッジ画素(以下、エッジ画素を含めて単に「白画素」という)を抽出する構成としても良い。
図形特定部702aは、白画素特定部701aが特定した複数の白画素の中から、互いに隣接する複数の白画素からなるグループ(以下、単に「白画素グループ」という)を特定し、特定した白画素グループに含まれる複数の白画素に外接する閉図形を特定する(または白画素グループの輪郭を特定する)。閉図形は、閉じた多角形であっても良いし、閉曲線であっても良い。図31に、画像データ(2値化後)から外接四角形を特定したときの一例を示す。図31の(a)は、サンプルの画像データを示し、図31の(b)は、該サンプルの画像データにおいて外接四角形が特定されている様子を示す。
(1)画像データの各画素を走査し、最初に見つけた未選択の白画素を注目画素として選択する。
(2)上記注目画素に隣接する8方向の各画素(以下、単に「隣接画素」という)を時計まわり(または反時計まわり)に走査し、白画素か否かを判別する。
(3)このようにして、上記注目画素に隣接する8方向の各画素のうち、走査中に最初に見つかった未選択の白画素を次の注目画素として選択する。
(4)上記の(1)〜(3)の処理を、上記(1)の最初に見つけた白画素に戻るまで繰り返す(追跡による輪郭抽出)。
(1)特定の白画素グループに含まれる複数の白画素のそれぞれの座標(x,y)から、xの最大値(max<x>)および最小値(min<x>)を求め、直線x=max<x>および直線x=min<x>(平行線A;走査線に垂直な方向に対して互いに平行な2直線)を引く。
(2)特定の白画素グループに含まれる複数の白画素のそれぞれの座標(x,y)から、yの最大値(max<y>)および最小値(min<y>)を求め、直線y=max<y>および直線y=min<y>(平行線B;走査線に平行な方向に対して互いに平行な2直線)を引く。
(3)平行線Aおよび平行線Bで囲まれた矩形を外接四角形として特定する。
形状特徴量抽出部703aは、例えば、上記外接四角形の図形的な特徴を示す形状特徴量(または図形的特徴量)を抽出(算出)する。ここで、形状特徴量とは、互いに隣接する複数の白画素からなるグループ(白画素グループ)に含まれる複数の白画素に外接する閉図形の図形的な特徴を示す特徴量である。
(1)図40の(a)に示す閉図形の絶対最大長(閉図形の周上の任意の2点間の最大の長さ)、閉図形の幅(最大長に平行な2本の線で閉図形を挟んだ時の2線間の最短距離)、閉図形の方向(水平線と閉図形の最大長方向とのなす角度)
(2)図40の(b)に示す閉図形の面積、閉図形の円(楕円)相当径(同じ面積を持つ円の径)、
(3)図40の(c)に示す閉図形の水平方向最大弦長、閉図形の水平方向フェレ長、閉図形の垂直方向最大弦長(不図示)、閉図形の垂直方向フェレ長(不図示)、
(4)図40の(d)に示す閉図形の周囲長、閉曲線の面積、外接長方形の面積などを例示することができる。
(1)外接四角形の対角線長、長手方向の径、または短手方向の径(例えば、外接四角形の縦の長さや横の長さ)、
(2)外接四角形に含まれる白画素(異常点)の総面積(または総画素数)など。
(1)形状特徴量の値の分布から、統計的特徴を抽出して写像(例えば、ヒストグラムなど)を構成する方法(例えば、上記のデータ解析部80が、上記の外接四角形の対角線長毎の度数や、面積n毎の度数(統計的特徴量)を求め、度数分布(写像)により、物体表面の性状を判断する方法)。
(2)形状特徴量を説明変数とし、上記判断パラメータを目的変数として多変量解析を行って所定の写像(例えば、検索空間など)を構成する方法(例えば、上記のデータ解析部80が、上記の外接四角形の対角線長や面積n(統計的特徴量)の各値を説明変数とし、上記判断パラメータを目的変数として多変量解析を行って所定の写像(例えば、検索空間など)を構成する方法)などを挙示できる。
実際に対角線長を計算し、その長さ(整数化したもの)の度数(個数)分布を調査した結果を図32に示す。対角線長を整数化するにあたって、小数点以下は切り捨てた。同図に示す対角線長の度数分布(ヒストグラム)は、良品、三日月型斑、境界型斑、斑点型斑の各サンプル1つについて取得したものである。対角線長は200個までデータを取得しているが、そのうち特に頻度が多い対角線長14までを示す。
次に、実施例5にて説明した形状特徴量を用いて、多変量解析した結果を示す。図33は、対角線長を形状特徴量として、判別分析により多変量解析を行ったときの結果を示す。対角線長を整数化しているとはいえ、1〜200(200種類の長さ)までの長さが存在しているため、次元の多い解析となった。良品をA群、不良品をB群として判別分析を行うと、判別式Z=a1x1+a2x2+a3x3+a4x4+a5x5+・・・+a200x200+a0の係数ai(i=0〜200)が求まる。なお、各係数aiの値は、煩雑なためここでは省略する。
(1)説明変量x1とx2から偏差平方和S11とS22、偏差積和S12を求める。
(2)A群を合格(○)の集まりnA個、B群を不合格(×)の集まりnB個として、それぞれの分散共分散行列を求める。
(3)A群とB群の分散共分散行列をプールした行列を求めて、下の連立方程式から係数が決まる。説明変量が2以上の場合も同様に判別式を得ることができる。
実施例6では、不良品に境界型斑、三日月型斑および斑点状斑の3種類の分類があるとして、金メッキの光沢ムラを分類している(なお、図35〜図38には、それぞれ、良品、境界型斑、三日月型斑、斑点状斑に分類される画像データのサンプルを複数示している)。しかしながら、上記の良否分類の判別式からは、不良品の分類まではできない。
本発明は、以下のように表現しても良い。
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
1a 表面検査装置
10 ウォラストンプリズム(偏光成分分離手段)
16 P偏光成分
18 S偏光成分
50 画像解析部(表面性状判断手段)
60 表面状態特定装置(表面性状判断手段)
62 偏光成分算出部(偏光成分算出手段)
70 検索座標算出部(座標算出手段)
70a 特徴量抽出部(初期特徴抽出手段)
80 データ解析部(領域判定手段)
701a 白画素特定部(白画素特定手段)
702a 図形特定部(図形特定手段、形状特徴量抽出手段)
703a 形状特徴量抽出部(形状特徴量抽出手段)
Claims (7)
- 照射された光の散乱光を分析して、上記光が照射された金属メッキ表面の光沢ムラを検査する表面検査装置であって、
上記散乱光を、散乱面に平行な振動成分であるP偏光成分と、上記散乱面に垂直な振動成分であるS偏光成分とに分離する偏光成分分離部と、
上記偏光成分分離部によって分離された上記P偏光成分および上記S偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記P偏光成分の強度に対する上記S偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記金属メッキ表面の光沢ムラを判断する表面性状判断部とを備え、
上記表面性状判断部は、
上記強度比相関パラメータとして、パラメータΨ=tan −1 (S偏光成分の強度/P偏光成分の強度)を用い、上記強度比相関パラメータの分布が反映された画像データから、その画像データの特徴を示す画像特徴量を抽出し、抽出された上記画像特徴量を定義域のパラメータとし、上記金属メッキ表面の光沢ムラを判断するために予め定めた判断パラメータを値域のパラメータとして構成した所定の写像を用いて、上記画像特徴量の値から求めた上記判断パラメータの値に基づいて、上記金属メッキ表面の光沢ムラを判断し、
上記表面検査装置は、さらに、
上記画像データにおける複数の画素のうち、上記強度比相関パラメータの値が所定の閾値以上または以下である白画素を特定する白画素特定部と、
上記白画素特定部が特定した複数の白画素の中から、互いに隣接する複数の白画素からなる白画素グループを特定し、特定した白画素グループに外接する閉図形の図形的な特徴を示す形状特徴量を抽出する形状特徴量抽出部と、を備え、
上記表面性状判断部は、
上記形状特徴量を上記画像特徴量として、多変量解析を行って構成した写像を上記所定の写像として用いて、上記形状特徴量抽出部によって抽出された上記形状特徴量の値から求めた上記判断パラメータの値に基づいて、上記金属メッキ表面の光沢ムラを判断することを特徴とする表面検査装置。 - 上記表面性状判断部は、
上記金属メッキ表面の良否を判定するための良否判定パラメータを上記判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、
上記形状特徴量抽出部によって抽出された上記形状特徴量の値から求めた上記良否判定パラメータの値に基づいて、上記金属メッキ表面の良否を判定することを特徴とする請求項1に記載の表面検査装置。 - 上記表面性状判断部は、
上記金属メッキ表面の光沢ムラの種類を判別するためのムラ種類判別パラメータを上記判断パラメータとして、多変量解析を行って構成した写像を上記所定の写像として用いて、
上記形状特徴量抽出部によって抽出された上記形状特徴量の値から求めた上記ムラ種類判別パラメータの値に基づいて、上記金属メッキ表面における光沢ムラの種類を判別することを特徴とする請求項1に記載の表面検査装置。 - 照射された光の散乱光を分析して、上記光が照射された物体表面の性状を検査する表面検査装置であって、
上記散乱光を、散乱面に平行な振動成分であるP偏光成分と、上記散乱面に垂直な振動成分であるS偏光成分とに分離する偏光成分分離部と、
上記偏光成分分離部によって分離された上記P偏光成分および上記S偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記P偏光成分の強度に対する上記S偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記物体表面の性状を判断する表面性状判断部とを備え、
上記表面性状判断部は、
上記強度比相関パラメータの分布が反映された画像データから、その画像データの特徴を示す画像特徴量を抽出し、抽出された上記画像特徴量を定義域のパラメータとし、上記物体表面の性状を判断するために予め定めた判断パラメータを値域のパラメータとして構成した所定の写像を用いて、上記画像特徴量の値から求めた上記判断パラメータの値に基づいて、上記物体表面の性状を判断し、
上記表面検査装置は、さらに、
上記物体表面の凹凸の状態を示すための極座標空間における、
上記強度比相関パラメータの動径方向の重み付け平均の角度微分の標準偏差、
上記極座標空間の原点から上記強度比相関パラメータの重心までの距離、および、
上記強度比相関パラメータの動径方向の重み付け平均のいずれか1つ以上を、
上記所定の写像を具現化する検索空間内の座標として、上記強度比相関パラメータの値の分布から算出する座標算出部と、
上記座標算出部が算出した座標が、上記物体表面の光沢ムラの種類に応じて上記検索空間内に複数設定された領域のいずれに属するかを判定する領域判定部とを備え、
上記表面性状判断部は、
上記領域判定部の判定結果を用いて、上記物体表面の光沢ムラの種類を判別することを特徴とする表面検査装置。 - 照射された光の散乱光を分析して、上記光が照射された金属メッキ表面の光沢ムラを検査する表面検査方法であって、
上記散乱光を、散乱面に平行な振動成分であるP偏光成分と、上記散乱面に垂直な振動成分であるS偏光成分とに分離する偏光成分分離ステップと、
上記偏光成分分離ステップにて分離された上記P偏光成分および上記S偏光成分のそれぞれの検出画像から算出されるパラメータで、かつ、上記P偏光成分の強度に対する上記S偏光成分の強度の比と相関をもつパラメータである強度比相関パラメータの値に基づいて、上記金属メッキ表面の光沢ムラを判断する表面性状判断ステップとを含み、
上記表面性状判断ステップでは、
上記強度比相関パラメータとして、パラメータΨ=tan −1 (S偏光成分の強度/P偏光成分の強度)を用い、上記強度比相関パラメータの分布が反映された画像データから、その画像データの特徴を示す画像特徴量を抽出し、抽出された上記画像特徴量を定義域のパラメータとし、上記金属メッキ表面の光沢ムラを判断するために予め定めた判断パラメータを値域のパラメータとして構成した所定の写像を用いて、上記画像特徴量の値から求めた上記判断パラメータの値に基づいて、上記金属メッキ表面の光沢ムラを判断し、
上記表面検査方法は、さらに、
上記画像データにおける複数の画素のうち、上記強度比相関パラメータの値が所定の閾値以上または以下である白画素を特定する白画素特定ステップと、
上記白画素特定ステップにて特定した複数の白画素の中から、互いに隣接する複数の白画素からなる白画素グループを特定し、特定した白画素グループに外接する閉図形の図形的な特徴を示す形状特徴量を抽出する形状特徴量抽出ステップと、を含み、
上記表面性状判断ステップでは、
上記形状特徴量を上記画像特徴量として、多変量解析を行って構成した写像を上記所定の写像として用いて、上記形状特徴量抽出ステップにて抽出された上記形状特徴量の値から求めた上記判断パラメータの値に基づいて、上記金属メッキ表面の光沢ムラを判断することを特徴とする表面検査方法。 - 請求項1から4までのいずれか1項に記載の表面検査装置を動作させるための表面検査プログラムであって、コンピュータを上記の各部として機能させるための表面検査プログラム。
- 請求項6に記載の表面検査プログラムを記録したコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011231089A JP5794629B2 (ja) | 2011-06-30 | 2011-10-20 | 表面検査装置、表面検査方法、表面検査プログラム、およびコンピュータ読み取り可能な記録媒体 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011146640 | 2011-06-30 | ||
JP2011146640 | 2011-06-30 | ||
JP2011231089A JP5794629B2 (ja) | 2011-06-30 | 2011-10-20 | 表面検査装置、表面検査方法、表面検査プログラム、およびコンピュータ読み取り可能な記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013033017A JP2013033017A (ja) | 2013-02-14 |
JP5794629B2 true JP5794629B2 (ja) | 2015-10-14 |
Family
ID=47789005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011231089A Active JP5794629B2 (ja) | 2011-06-30 | 2011-10-20 | 表面検査装置、表面検査方法、表面検査プログラム、およびコンピュータ読み取り可能な記録媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5794629B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014176136A1 (en) * | 2013-04-21 | 2014-10-30 | Mobileoct, Ltd. | A polarized light imaging apparatus and methods thereof for separating light from a surface of a sample its deeper diffuse layers |
CN103743758A (zh) * | 2014-01-15 | 2014-04-23 | 唐山英莱科技有限公司 | 一种基于正交偏振的高反光金属表面视觉检测系统 |
JP6475027B2 (ja) * | 2015-01-27 | 2019-02-27 | 国立研究開発法人産業技術総合研究所 | 表面検査装置および表面検査方法、ならびにそのためのプログラムおよびそのプログラムの記録媒体 |
CN209032315U (zh) * | 2016-10-18 | 2019-06-28 | 皇家飞利浦有限公司 | 用于图像捕获设备的附件设备和成像设备 |
CN107124564A (zh) * | 2017-06-05 | 2017-09-01 | 信利光电股份有限公司 | 一种红外摄像系统及其摄像方法 |
JP6530536B2 (ja) * | 2018-06-20 | 2019-06-12 | 株式会社キーエンス | 三次元形状測定装置、測定データ処理ユニット、測定データ処理方法、及びコンピュータプログラム |
JP7469867B2 (ja) * | 2019-11-26 | 2024-04-17 | 三星電子株式会社 | エリプソメータ及び半導体装置の検査装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS52138183A (en) * | 1976-05-14 | 1977-11-18 | Toshiba Corp | Inspecting apparatus for flaw |
JPH09127012A (ja) * | 1995-10-27 | 1997-05-16 | Nkk Corp | 表面疵の検出方法およびその装置 |
JP4516253B2 (ja) * | 2001-12-04 | 2010-08-04 | オリンパス株式会社 | 欠陥分類装置 |
JP5303217B2 (ja) * | 2008-08-29 | 2013-10-02 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及び欠陥検査装置 |
JP2009032273A (ja) * | 2008-08-29 | 2009-02-12 | Olympus Corp | 分類装置 |
-
2011
- 2011-10-20 JP JP2011231089A patent/JP5794629B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2013033017A (ja) | 2013-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5794629B2 (ja) | 表面検査装置、表面検査方法、表面検査プログラム、およびコンピュータ読み取り可能な記録媒体 | |
JP5570530B2 (ja) | ウェハー上の欠陥検出 | |
US8775101B2 (en) | Detecting defects on a wafer | |
US10330608B2 (en) | Systems and methods for wafer surface feature detection, classification and quantification with wafer geometry metrology tools | |
US8559000B2 (en) | Method of inspecting a semiconductor device and an apparatus thereof | |
TWI603072B (zh) | 偵測晶圓上之缺陷 | |
Kuo et al. | Automated optical inspection system for surface mount device light emitting diodes | |
WO2010073453A1 (ja) | 欠陥検査方法及びその装置 | |
US20070081154A1 (en) | System and method for conducting adaptive fourier filtering to detect defects in dense logic areas of an inspection surface | |
CN109596530B (zh) | 光学表面麻点和灰尘缺陷分类的暗场偏振成像方法 | |
US20200232934A1 (en) | Multi-perspective wafer analysis | |
WO2017168630A1 (ja) | 欠陥検査装置、欠陥検査方法 | |
JP2011529274A5 (ja) | ||
Boby et al. | Identification of defects on highly reflective ring components and analysis using machine vision | |
US11815470B2 (en) | Multi-perspective wafer analysis | |
KR20140120716A (ko) | 불균일한 텍스쳐 표면의 불량 검출방법 | |
CN111879789A (zh) | 金属表面缺陷检测方法及系统 | |
JP2001118899A (ja) | 異物及びパターン欠陥検査装置 | |
JP6475027B2 (ja) | 表面検査装置および表面検査方法、ならびにそのためのプログラムおよびそのプログラムの記録媒体 | |
JP2009192541A (ja) | 欠陥検査装置 | |
JP5784796B2 (ja) | 表面検査装置およびその方法 | |
US20230206417A1 (en) | Detection of defects using a computationally efficient segmentation approach | |
Chen | Inspecting lens collars for defects using discrete cosine transformation based on an image restoration scheme | |
JP5744965B2 (ja) | 欠陥検査方法及びその装置 | |
Chow et al. | Low-cost automatic visual inspection system for media in hard disk drive mass production |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140708 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20140708 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20140708 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150507 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150702 |
|
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: 20150721 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150806 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5794629 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 |
|
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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |