JP7134932B2 - 光学条件決定システム、及び光学条件決定方法 - Google Patents
光学条件決定システム、及び光学条件決定方法 Download PDFInfo
- Publication number
- JP7134932B2 JP7134932B2 JP2019163644A JP2019163644A JP7134932B2 JP 7134932 B2 JP7134932 B2 JP 7134932B2 JP 2019163644 A JP2019163644 A JP 2019163644A JP 2019163644 A JP2019163644 A JP 2019163644A JP 7134932 B2 JP7134932 B2 JP 7134932B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- surface texture
- optical
- defect
- model
- 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
Images
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
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9501—Semiconductor wafers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Description
本発明は、光学条件決定システム、及び光学条件決定方法に関する。
対象物に照明を当てて撮像を行い、その結果得られる画像に基づいて対象物の外観を検査する外観検査においては、照明やカメラに関する光学条件を最適化する必要がある。
例えば、特許文献1には、「照射条件または試料の条件または検出条件のうち少なくとも一つの条件のみを変化させた異なる複数の光学条件にて該試料を照射し該試料からの複数の光を検出する光取得ステップと、該検出した複数の光に基づく複数の信号を取得する信号取得ステップと、該複数の信号を用いて作成した波形特徴量または画像特徴量または値特徴量により、欠陥とノイズとを判別し、該欠陥の座標を求める処理ステップと、を備えた欠陥観察方法」が記載されている。
上述した特許文献1には、光学条件を決定するに際し、光学シミュレーションを用いてもよい旨が記載されている。しかしながら、光学シミュレーションと実測とが乖離してしまうことがあり、その場合、最適な光学条件を導出できない。
本発明はこのような状況に鑑みてなされたものであり、外観検査に最適な光学条件を導出できるようにすることを目的とする。
本願は、上記課題の少なくとも一部を解決する手段を複数含んでいるが、その例を挙げるならば、以下のとおりである。
上記課題を解決すべく、本発明の一態様に係る光学条件決定システムは、外観検査に適用するための光学条件を決定する光学条件決定システムであって、前記外観検査の対象とする対象物の表面性状をモデル化した表面性状モデル、及び前記対象物の欠陥をモデル化した欠陥モデルそれぞれに対し、複数の光学条件下にて光学シミュレーションを行うことによって表面性状画像及び欠陥画像を生成するシミュレーション実行部と、同一の光学条件下の光学シミュレーションによって生成された前記表面性状画像及び前記欠陥画像を合成して合成画像を生成する画像合成部と、前記合成画像における前記欠陥の検出し易さを表す評価値を算出する評価値算出部と、前記合成画像に対応する光学条件と前記評価値との相関を解析する相関解析部と、前記相関の解析結果に基づき、前記外観検査に適した前記光学条件を探索する最適条件探索部と、を有することを特徴とする。
本発明の一態様によれば、外観検査に最適な光学条件を導出することが可能となる。
上記した以外の課題、構成、及び効果は、以下の実施形態の説明により明らかにされる。
以下、本発明の一実施形態を図面に基づいて説明する。なお、実施形態を説明するための全図において、同一の部材には原則として同一の符号を付し、その繰り返しの説明は省略する。また、以下の実施形態において、その構成要素(要素ステップ等も含む)は、特に明示した場合、及び原理的に明らかに必須であると考えられる場合等を除き、必ずしも必須のものではないことは言うまでもない。また、「Aからなる」、「Aより成る」、「Aを有する」、「Aを含む」と言うときは、特にその要素のみである旨明示した場合等を除き、それ以外の要素を排除するものでないことは言うまでもない。同様に、以下の実施形態において、構成要素等の形状、位置関係等に言及するときは、特に明示した場合、及び原理的に明らかにそうでないと考えられる場合等を除き、実質的にその形状等に近似又は類似するもの等を含むものとする。
<外観検査装置10の構成例>
図1は、外観検査装置10の構成例を示している。
図1は、外観検査装置10の構成例を示している。
外観検査装置10は、外観検査の対象とする対象物20を所定の光学条件下で撮像し、対象物20の光強度分布画像を生成するものである。
外観検査装置10は、照明11、偏光板12,13、及びカメラ14を備える。照明11は、例えばLED(light emitting diode)電球等の照明器具から成り、対象物20に向けて光を照射する。偏光板12は、照明11と対象物20との間に配置され、照明11から照射された光の偏光を調整する。偏光板13は、対象物20とカメラ14との間に配置され、対象物20にて反射された光の偏光を調整する。なお、偏光板12,13は、その一方または両方を省略してもよい。
カメラ14は、CMOS(complementary metal oxide semiconductor)イメージセンサ等の撮像素子を備え、照明11から照射され、偏光板12を通過して対象物20にて反射し、偏光板13を通過して入射した光に応じて光電変換を行うことにより、対象物20の光強度分布画像を生成する。生成された対象物20の光強度分布画像は、例えば、情報処理装置200(図2)において、対象物20の外観検査、すなわち、対象物20の表面における欠陥の有無の判定に用いられる。
ここで、光学条件とは、照明11の種類、形状、波長、位置(対象物20からの距離Ll)、及び角度αl(対象物20の表面に対する垂線との角度)、偏光板12の有無、偏光板13の有無、並びに、カメラ14の感度波長、位置(対象物20からの距離Lc)、及び角度αc(対象物20の表面に対する垂線との角度)のうち、少なくとも1つを含む。
以下に説明する実施形態は、外観検査装置10における最適な光学条件を決定するためのものである。
<本発明の一実施形態に係る光学条件決定システム100の構成例>
次に、図2は、本発明の一実施形態に係る光学条件決定システム100の構成例を示している。
次に、図2は、本発明の一実施形態に係る光学条件決定システム100の構成例を示している。
光学条件決定システム100は、外観検査装置10、情報処理装置200、及びサーバ装置300を備える。
情報処理装置200は、パーソナルコンピュータ等の一般的なコンピュータから成る。情報処理装置200は、ネットワーク301を介して外観検査装置10に接続し、外観検査装置10による対象物としての良品サンプル120の撮像を制御し、外観検査装置10が撮像した良品サンプル120の光強度分布画像を取得する。なお、情報処理装置200と外観検査装置10とは、ネットワーク301を介することなく、直接的に接続するようにしてもよい。
また、情報処理装置200は、インターネットに代表されるネットワーク301を介してサーバ装置300と所定の情報を通信する。サーバ装置300は、サーバコンピュータ等の一般的なコンピュータから成る。サーバ装置300には、後述する情報処理装置200が有する機能ブロックやDB(データベース)の一部または全部を配置することができる。サーバ装置300にDBを配置した場合、サーバ装置300に配置したDBを異なる複数の情報処理装置200によって共用することができる。
<情報処理装置200の第1の構成例>
次に、図3は、情報処理装置200の第1の構成例を示している。該第1の構成例は、処理部210、記憶部220、操作入力部231、通信部232、及び表示部233を備える。
次に、図3は、情報処理装置200の第1の構成例を示している。該第1の構成例は、処理部210、記憶部220、操作入力部231、通信部232、及び表示部233を備える。
処理部210は、コンピュータのCPU(Central Processing Unit)に相当し、情報処理装置200の全体を制御する。また、処理部210は、表示部233に対して操作画面1200(図10)等を表示させる。さらに、処理部210は、所定のプログラムを実行することによって、撮像制御部211、表面性状モデル生成部212、欠陥モデル生成部213、光学条件生成部214、シミュレーション実行部215、表面性状推定部216、モデル特定部217、画像合成部218、評価値算出部219、相関解析部2110、及び最適条件探索部2111の各機能ブロックを実現する。
撮像制御部211は、外観検査装置10による対象物20の撮像を制御する。また、撮像制御部211は、外観検査装置10が良品サンプル120を撮像して得られた良品サンプル120の光強度分布画像(以下、実測画像と称する)、及び撮像時の光学条件を含む良品サンプル光強度分布情報を取得する。そして、撮像制御部211は、取得した良品サンプル光強度分布情報を記憶部220に記憶させる。
なお、外観検査装置10から良品サンプル光強度分布情報を取得する方法は、ネットワーク301を介した通信によって行ってもよいし、外観検査装置10及び情報処理装置200の双方に対して着脱可能な半導体メモリ等を用い、良品サンプル光強度分布情報を外観検査装置10にて半導体メモリに記録し、情報処理装置200にて該半導体メモリから読み出すようにしてもよい。
表面性状モデル生成部212は、複数の表面性状モデル410(図4)を生成し、生成した表面性状モデル410に関する情報を記憶部220の表面性状モデルDB222に記憶させる。欠陥モデル生成部213は、複数の欠陥モデル420(図4)を生成し、生成した欠陥モデル420に関する情報を記憶部220の欠陥モデルDB223に記憶させる。表面性状モデル410、及び欠陥モデル420の詳細については図4を参照して後述する。
光学条件生成部214は、シミュレーション実行部215に対して設定するための複数の光学条件を生成し、生成した複数の光学条件を記憶部220の光学条件DB221に記憶させる。また、光学条件生成部214は、ユーザが入力した光学条件範囲に収まる光学条件を特定する。
シミュレーション実行部215は、複数の光学条件下において、表面性状モデル410及び欠陥モデル420それぞれに対して、外観検査装置10による撮像と同様の光学シミュレーションを行うことにより、表面性状モデル410の光強度分布画像(以下、表面性状画像411(図5)と称する)、及び欠陥モデル420の光強度分布画像(以下、欠陥画像421(図5)と称する)を生成する。また、シミュレーション実行部215は、生成した表面性状画像411を記憶部220の表面性状画像DB225に記憶させ、生成した欠陥画像421を記憶部220の欠陥画像DB226に記憶させる。光学シミュレーションの詳細については、図5を参照して後述する。
表面性状推定部216は、良品サンプル120の表面性状を推定する。換言すれば、表面性状推定部216は、良品サンプル120の表面性状に類似した表面性状モデル410を特定する。また、表面性状推定部216は、特定した表面性状モデル410に対する光学シミュレーションによって生成された複数の表面性状画像411を表面性状画像DB225から読み出して画像合成部218に出力する。なお、表面性状推定部216による良品サンプル120の表面性状の推定方法の詳細については図6を参照して後述する。
モデル特定部217は、欠陥モデルDB223を参照し、ユーザが入力した欠陥情報(欠陥種及びパラメータ)に合致する欠陥モデル420を特定する。さらに、モデル特定部217は、特定した欠陥モデル420に対する光学シミュレーションによって生成された複数の欠陥画像421を欠陥画像DB226から読み出して画像合成部218に出力する。
画像合成部218は、ユーザが設定した光学条件範囲内の同一の光学条件下の光学シミュレーションによって生成された表面性状画像411と欠陥画像421とを合成して合成画像を生成する。合成画像の生成方法の詳細については図7を参照して後述する。
評価値算出部219は、合成画像における欠陥の検出し易さを表す評価値としてのS/N(Signal/Noise)を算出する。なお、S/N以外の値を評価値として算出するようにしてもよい。合成画像のS/Nの算出方法については図8を参照して後述する。
相関解析部2110は、合成画像に対応する光学条件とS/Nとの相関を解析する。最適条件探索部2111は、解析された光学条件とS/Nとの相関に基づき、ユーザが選択した最適化条件(例えば、S/N最大、S/N安定(S/Nの勾配が緩やか)等)を満たす最適な光学条件を探索する。
記憶部220は、コンピュータが備えるメモリやストレージに相当する。記憶部220は、光学条件DB221、表面性状モデルDB222、欠陥モデルDB223、良品サンプル光強度分布情報224、表面性状画像DB225、及び欠陥画像DB226を記憶する。各DB等の詳細については図9を参照して後述する。
また、記憶部220は、処理部210が有する各機能ブロックの作業領域として利用される。
操作入力部231は、コンピュータが備えるキーボード、マウス等に相当し、ユーザからの入力を受け付けて処理部210に出力する。通信部232は、コンピュータが備える通信モジュールに相当し、ネットワーク301を介してサーバ装置300等と通信を行う。表示部233は、コンピュータが備えるディスプレイに相当し、操作画面1200(図10)等を表示する。
なお、処理部210が有する機能ブロックの一部または全部、記憶部220が記憶する各DBの一部または全部は、サーバ装置300に配置するようにしてもよい。
次に、図4は、表面性状モデル410、及び欠陥モデル420の一例を示している。情報処理装置200の第1の構成例では、表面性状が平坦ではなく欠陥が存在し得る対象物20を、欠陥がなく、対象物20の表面性状のみを反映した表面性状モデル410と、表面性状が平坦であり、対象物20の欠陥のみを反映した欠陥モデル420とに分けてモデル化する。
表面性状モデル生成部212が生成する表面性状モデル410は、表面性状が1次元のSin波で表現され、その周期ws、振幅ds、屈折率等がパラメータとされている。表面性状モデル生成部212は、該パラメータを変更することによって複数の表面性状モデル410を生成することができる。なお、表面性状は、1次元のSin波に限らず、多次元(多方向)のSin波の重ね合わせで表現してもよい。また、Sin波の代わりに、のこぎり波、矩形波、三角波等で表現してもよい。
欠陥モデル生成部213が生成する欠陥モデル420は、欠陥が形状とそのパラメータによって表現される。同図の場合、欠陥の形状が円錐状の傷とされ、その深さd、幅w、屈折率等がパラメータとされている。欠陥モデル生成部213は、形状及び該パラメータを変更することにより、複数の欠陥モデル420を生成することができる。なお、傷の形状は円錐状に限らず、三角錐状、四角錐状等であってもよい。また、欠陥の種類は、傷に限らず、打痕、異物、巣穴、欠け、割れで表現してもよい。
ところで、上述したように、シミュレーション実行部215では、表面性状モデル410及び欠陥モデル420それぞれに対して光学シミュレーションを行うが、この場合、対象物20に対して光学シミュレーションを行う場合に比べて、光学シミュレーションの回数を削減することができる。
例えば、表面性状モデル410の数をN1、欠陥モデル420の数をN2、光学条件の数をN3とすれば、表面性状モデル410及び欠陥モデル420それぞれに対して光学シミュレーションを行う場合には、光学シミュレーションの回数はN1×N3+N2×N3となる。一方、対象物20の数はN1×N2となるので、対象物20に対して光学シミュレーションを行う場合には、光学シミュレーションの回数はN1×N2×N3となる。
具体的には、表面性状モデル410の数N1=100、欠陥モデル420の数N2=100、光学条件の数N3=100とすれば、表面性状モデル410及び欠陥モデル420それぞれに対して光学シミュレーションを行う場合には、光学シミュレーションの回数は20000回で済む。一方、対象物20に対して光学シミュレーションを行う場合には、光学シミュレーションの回数が1000000回となる。したがって、表面性状モデル410及び欠陥モデル420それぞれに対して光学シミュレーションを行う場合は、対象物20に対して光学シミュレーションを行う場合に比べて、光学シミュレーションの回数を1/50に削減できる。
このように、本実施形態では、対象物20に対して光学シミュレーションを行う場合に比較して光学シミュレーションの回数を削減できるので、後述する表面性状画像DB225、及び欠陥画像DB226を効率的に生成することができる。
次に、図5は、シミュレーション実行部215による光学シミュレーションの例を示している。
シミュレーション実行部215による光学シミュレーションでは、外観検査装置10(図1)と同様の構成を有するシミュレーションモデルを想定する。なお、想定されるシミュレーションモデルでは、外観検査装置10(図1)と同様に偏光板12,13の両方または一方を省略してもよい。同図に示されたシミュレーションモデルでは、偏光板12,13の両方を省略している。
具体的には、シミュレーション実行部215が、同図(A)に示されるように、欠陥モデル420に対する光学シミュレーションを行うことにより、欠陥画像421を生成する。生成された欠陥画像421は、記憶部220の欠陥画像DB226に記憶される。また、シミュレーション実行部215が、同図(B)に示されるように、表面性状モデル410に対する光学シミュレーションを行うことにより、表面性状画像411を生成する。生成された表面性状画像411は、記憶部220の表面性状画像DB225に記憶される。
また、シミュレーションモデルにおける照明11からの光が平行光のみであるとはみなせない場合、シミュレーション実行部215が、同図(C)に示されるように、照明11の前面に、照射される光の平行成分を除去するアパーチャ15を配置したシミュレーションモデルを想定して、表面性状モデル410に対する光学シミュレーションを行うことにより、背景画像412を生成する。
なお、シミュレーションモデルにおける照明11の角度αlとカメラ14の角度αcとが等しい明視界光学系である場合、欠陥画像421、表面性状画像411、背景画像412の色は、光の強度が強い領域は白に近くなり、光の強度が弱い領域は黒に近いグレーとなる。
また、シミュレーションモデルにおける照明11の角度αlとカメラ14の角度αcとが異なる暗視界光学系である場合、欠陥画像421、表面性状画像411、背景画像412の色は、光の強度が強い領域は黒に近いグレーとなり、光の強度が弱い領域は白に近くなる。
次に、図6は、表面性状推定部216による良品サンプル120の表面性状の推定方法を説明するための図である。
表面性状推定部216は、予め生成されている表面性状画像DB225に記憶された表面性状画像411のうち、実測画像121の撮像時と同一の光学条件下の光学シミュレーションによって生成されたものであって、良品サンプル120を撮像して得られた実測画像121に最も類似しているものを選択し、選択した表面性状画像411が得られた表面性状モデル410を、良品サンプル120の表面性状に最も類似した表面性状モデル410に特定する。類似していると判定する指標としては、画像の分散、振幅(最大強度と最小強度との差)、周波数解析結果等を用いることができる。また、表面性状推定部216における類似の判定に、AI(artificial intelligence)を適用してもよい。
さらに、表面性状推定部216は、特定した表面性状モデル410に対する、ユーザが設定した光学条件範囲内の複数の光学条件下の光学シミュレーションによって生成された複数の表面性状画像411を表面性状画像DB225から読み出して画像合成部218に出力する。
次に、図7は、画像合成部218による合成画像の生成方法について説明するための図であり、同図(A)は合成画像510の一例、同図(B)は、同図(A)に破線で示された位置における表面性状画像411、欠陥画像421、背景画像412、及び合成画像510の光強度の一例を示している。
画像合成部218は、ユーザが設定した光学条件範囲内の同一の光学条件下の光学シミュレーションによって生成された表面性状画像411と欠陥画像421とを合成して合成画像510を生成する。具体的には、シミュレーションモデルにおける照明11からの光が平行光のみであるとみなせる場合(照明11のサイズが十分小さい場合等)、画像合成部218は、同一座標における表面性状画像411の光強度と欠陥画像421の光強度とを比較し、小さい方の光強度を採用することによって合成画像510を生成する。
また、シミュレーションモデルにおける照明11からの光が平行光のみであるとはみなせない場合(照明11のサイズが十分小さくない場合等)、画像合成部218は、同一座標における表面性状画像411の光強度と、欠陥画像421の光強度と、背景画像412の光強度との中央値を採用することによって太線で示す合成画像510を生成する。
次に、図8は、評価値算出部219による合成画像510のS/Nの算出方法を説明するための図である。
評価値算出部219は、合成画像510を、欠陥を含む欠陥領域511と、その他の正常領域512とに分け、例えば、正常領域512の光強度の平均値と、欠陥領域511の光強度の最小値との差を信号成分S、正常領域512の光強度の分散σの2倍(2σ)をノイズ成分Nとして定義し、これらの比であるS/Nを算出する。
なお、信号成分S、及びノイズ成分Nの定義は上述した例に限らない。例えば、正常領域512の光強度の中央値と、欠陥領域511の光強度の最小値との差を信号成分Sとしたり、正常領域521の光強度の分散σをノイズ成分Nとしたりしてもよい。
次に、図9は、記憶部220に記憶される各情報や各DBの詳細を示している。
光学条件DB221は、光学条件生成部214によって設定された複数の光学条件に関する情報を管理するものであり、各光学条件を識別するための光学条件ID(識別子)に対応付けて、照明波長、照明種類、照明形状、照明位置Ll、照明角度αl、照明偏向(偏光板12)の有無、カメラ感度波長、カメラ位置Lc、カメラ角度αc、及び検出偏向(偏光板13)の有無を記憶する。
表面性状モデルDB222は、表面性状モデル生成部212によって生成された複数の表面性状モデル410に関する情報を管理するものであり、各表面性状モデルを識別するための表面性状IDに対応付けて、表面周期次元、周期X、周期Y、振幅X、振幅Y、及び材料屈折率を記憶する。
欠陥モデルDB223は、欠陥モデル生成部213によって生成された複数の欠陥モデル420に関する情報を管理するものであり、各欠陥モデルを識別するための欠陥IDに対応付けて、欠陥種、幅X、幅Y、深さ、半径、材料屈折率n1、及び材料屈折率n2を記憶する。
良品サンプル光強度分布情報224には、外観検査装置10から取得した良品サンプル120を撮像したときの光学条件ID、及び良品サンプル120の光強度分布画像である実測画像121が記録される。
表面性状画像DB225は、シミュレーション実行部215による表面性状モデル410に対する光学シミュレーションの結果得られた表面性状画像411を管理するものであり、光学シミュレーション時の光学条件IDと、表面性状モデル410を識別するための表面性状IDと、表面性状画像411とを対応付けて記憶する。
なお、表面性状画像DB225における光学条件IDは、光学条件DB221の光学条件ID、良品サンプル光強度分布情報224の光学条件ID、及び欠陥画像DB226の光学条件IDに紐付けられている。
欠陥画像DB226は、シミュレーション実行部215による欠陥モデル420に対する光学シミュレーションの結果得られた欠陥画像421を管理するものであり、光学シミュレーション時の光学条件IDと、欠陥モデル420を識別するための欠陥IDと、欠陥画像421とを対応付けて記憶する。欠陥画像DB226の欠陥IDに紐付けられている。
次に、図10は、表示部233に表示される操作画面1200の表示例を示している。
操作画面1200には、光学条件範囲入力欄1201、欠陥情報入力欄1202、表面性状入力欄1203、最適化条件入力欄1204、スタートボタン1205、ストップボタン1206、及び最適条件表示欄1210が設けられている。
光学条件範囲入力欄1201は、ユーザが、合成画像に用いる表面性状画像411及び欠陥画像421の光学条件の範囲を入力するためのものである。欠陥情報入力欄1202は、ユーザが、合成画像に用いる欠陥画像421の欠陥モデル420の欠陥種及びパラメータを入力するためのものである。
表面性状入力欄1203は、ユーザが「実測画像を利用」または「数値入力」を選択するためのものであり、「数値入力」を選択した場合、合成画像に用いる表面性状画像411の表面性状モデル410のパラメータを入力することができる。一方、ユーザが「実測画像を利用」を選択した場合、表面性状画像401の代わりに実測画像121を用いて合成画像が生成される。
最適化条件入力欄1204は、ユーザが、最適な光学条件を探索する際の最適化条件(例えば、S/N最大、S/N安定等)を選択入力するためのものである。
スタートボタン1205は、ユーザが後述する最適条件探索処理の開始を指示するためのものである。ストップボタン1206は、ユーザが最適条件探索処理を中断させるためのものである。
最適条件表示欄1210は、最適条件探索処理に結果として得られる最適な光学条件を表示するためのものである。
<情報処理装置200の第1の構成例による最適条件探索処理>
次に、情報処理装置200の第1の構成例による最適条件探索処理について、図11及び図12を参照して説明する。図11は、該第1の構成例による最適条件探索処理における動作の主体と情報の流れの概略を示している。図12は、該第1の構成例による最適条件探索処理の一例を説明するフローチャートである。
次に、情報処理装置200の第1の構成例による最適条件探索処理について、図11及び図12を参照して説明する。図11は、該第1の構成例による最適条件探索処理における動作の主体と情報の流れの概略を示している。図12は、該第1の構成例による最適条件探索処理の一例を説明するフローチャートである。
なお、該第1の構成例による最適条件探索処理の前提として、予め表面性状モデル410及び欠陥モデル420が生成され、それらに対する光学シミュレーションが行われており、記憶部220には、光学条件DB221、表面性状モデルDB222、欠陥モデルDB223、表面性状画像DB225、及び欠陥画像DB226が記録されているものとする。
該第1の構成例による最適条件探索処理は、操作画面1200のスタートボタン1205に対するユーザからの押下操作に応じて開始される。
はじめに、処理部210が、操作画面1200の光学条件範囲入力欄1201、欠陥情報入力欄1202、表面性状入力欄1203、及び最適化条件入力欄1204に対してユーザが入力した情報(入力情報)を取得する(ステップS1)。
次に、光学条件生成部214が、光学条件DB221を参照し、ユーザが光学条件範囲入力欄1201に入力した光学条件範囲に収まる複数の光学条件を特定する(ステップS2)。
次に、撮像制御部211が、外観検査装置10を制御して良品サンプル120を撮像させ、その結果得られた実測画像121及び撮像時の光学条件を含む良品サンプル光強度分布情報224を取得して記憶部220に記憶させる(ステップS3)。なお、外観検査装置10による良品サンプル120の撮像は予め行うようにし、その際に得られた良品サンプル光強度分布情報224を取得するようにしてもよい。
次に、表面性状推定部216が、良品サンプル120の表面性状を推定する。具体的には、表面性状画像DB225に記憶されている表面性状画像411のうち、実測画像121の撮像時の光学条件と同一の光学条件下の光学シミュレーションによって生成されたものであって、実測画像121に最も類似しているものを選択することにより、良品サンプル120の表面性状に最も類似した表面性状モデル410を特定する。さらに、表面性状推定部216が、特定した表面性状モデル410に対し、ステップS2で特定された複数の光学条件下の光学シミュレーションによって生成された複数の表面性状画像411を表面性状画像DB225から読み出し、表面性状画像群として画像合成部218に出力する(ステップS4)。
次に、モデル特定部217が、欠陥モデルDB223を参照し、ユーザが欠陥情報入力欄1202に入力した欠陥情報に合致する欠陥モデル420を特定する。そして、モデル特定部217が、特定した欠陥モデル420に対し、ステップS2で特定された複数の光学条件下の光学シミュレーションによって生成された複数の欠陥画像421を欠陥画像DB226から読み出し、欠陥画像群として画像合成部218に出力する(ステップS5)。
次に、画像合成部218が、ステップS2で特定された複数の光学条件のうち、未着目の光学条件に着目し、さらに、表面性状画像群及び欠陥画像群のうち、着目した光学条件に対応する表面性状画像411及び欠陥画像421を特定する(ステップS6)。次に、画像合成部218が、特定した表面性状画像411及び欠陥画像421を合成して合成画像510を生成する(ステップS7)。次に、評価値算出部219が、合成画像510のS/Nを算出する(ステップS8)。
次に、画像合成部218が、ステップS2で特定された複数の光学条件のうち、未着目の光学条件が残っているか否かを判定する(ステップS9)。ここで、画像合成部218が、未着目の光学条件が残っていると判定した場合(ステップS9でYES)、処理はステップS6に戻されて、ステップS6~S9が繰り返される。すなわち、未着目の光学条件が順次着目されて、該光学条件に対応する表面性状画像411と欠陥画像421とが合成されて合成画像510が生成され、そのS/Nが算出される。その後、画像合成部218が、未着目の光学条件が残っていないと判定した場合(ステップS9でNO)、処理はステップS10に進められる。
次に、相関解析部2110が、生成された複数の合成画像510にそれぞれ対応する光学条件とS/Nとの相関を解析する(ステップS10)。次に、最適条件探索部2111が、光学条件とS/Nとの相関に基づき、ユーザが操作画面1200の最適化条件入力欄1204にて選択した最適化条件を満たす最適な光学条件を探索する。そして、処理部210が、操作画面1200の最適条件表示欄1210に探索された最適な光学条件を表示する(ステップS11)。
以上で、情報処理装置200の第1の構成例による最適条件探索処理は終了される。
該第1の構成例による最適条件探索処理によれば、良品サンプル120の表面形状に最も類似している表面性状モデル410に対する光学シミュレーション結果を用いて最適な光学条件を探索しているので、光学シミュレーションと実測との乖離を抑止できる。よって、外観検査に最適な光学条件を導出することが可能となる。
<情報処理装置200の第2の構成例>
次に、図13は、情報処理装置200の第2の構成例を示している。該第2の構成例は、第1の構成例(図3)から、モデル特定部217、表面性状モデルDB222、欠陥モデルDB223、表面性状画像DB225、及び欠陥画像DB226を省略したものであり、その他の構成要素については、第1の構成例と共通の符号を付して説明は省略する。
次に、図13は、情報処理装置200の第2の構成例を示している。該第2の構成例は、第1の構成例(図3)から、モデル特定部217、表面性状モデルDB222、欠陥モデルDB223、表面性状画像DB225、及び欠陥画像DB226を省略したものであり、その他の構成要素については、第1の構成例と共通の符号を付して説明は省略する。
<情報処理装置200の第2の構成例による最適条件探索処理>
情報処理装置200の第2の構成例による最適条件探索処理について、図14及び図15を参照して説明する。図14は、該第2の構成例による最適条件探索処理における動作の主体と情報の流れの概略を示している。図15は、該第2の構成例による最適条件探索処理の一例を説明するフローチャートである。
情報処理装置200の第2の構成例による最適条件探索処理について、図14及び図15を参照して説明する。図14は、該第2の構成例による最適条件探索処理における動作の主体と情報の流れの概略を示している。図15は、該第2の構成例による最適条件探索処理の一例を説明するフローチャートである。
なお、上述した第1の構成例による最適条件探索処理では、表面性状画像DB225、欠陥画像DB226等が予め生成されていることを前提とした。該第2の構成例による最適条件探索処理では、表面性状モデル410及び欠陥モデル420に対する光学シミュレーションは予め行われていない。よって、表面性状画像DB225、及び欠陥画像DB226は予め生成されておらず、記憶部220には、光学条件DB221のみ記録されているものとする。
なお、該第2の構成例による最適条件探索処理のステップS21~S23は、第1の構成例による最適条件探索処理(図12)のステップS1~S3と同様なので、その説明を適宜簡略化する。
該第2の構成例による最適条件探索処理は、操作画面1200のスタートボタン1205に対するユーザからの押下操作に応じて開始される。
はじめに、処理部210が、操作画面1200に対してユーザが入力した情報(入力情報)を取得する(ステップS21)。
次に、光学条件生成部214が、光学条件DB221を参照し、ユーザが光学条件範囲入力欄1201に入力した光学条件範囲に収まる複数の光学条件を特定する(ステップS22)。
次に、撮像制御部211が、良品サンプル光強度分布情報(実測画像121、及びその撮像時の光学条件)を取得して記憶部220に記憶させる(ステップS23)。なお、外観検査装置10による良品サンプル120の撮像は予め行うようにし、その際に得られた良品サンプル光強度分布情報224を取得するようにしてもよい。
次に、表面性状推定部216が、良品サンプル120の表面性状を推定する(ステップS24)。具体的には、表面性状推定部216が、表面性状モデル生成部212を制御して表面性状モデル410を生成させるとともに、シミュレーション実行部215に実測画像121の撮像時と同一の光学条件下で、生成された表面性状モデル410の光学シミュレーションを実行させ、表面性状画像411を取得して実測画像121と比較する。そして、実測画像121と表面性状画像411との差異が所定の閾値以下となるまで、表面性状推定部216が、表面性状モデル生成部212を制御して、表面性状モデル410を更新させ、最終的に得られた表面性状モデル410が、良品サンプル120の表面性状の推定結果となる。
なお、ステップS24において表面性状モデル410を生成する際のパラメータは、表面性状モデル生成部212が設定してもよいし、ユーザが操作画面1200の表面性状入力欄1203に対して入力するようにしてもよい。
次に、欠陥モデル生成部213が、ユーザが操作画面1200の欠陥情報入力欄1202に入力した欠陥情報に対応する欠陥モデル420を生成し、生成した欠陥モデル420をシミュレーション実行部215に出力する(ステップS25)。
次に、シミュレーション実行部215が、ステップS24で推定された表面性状モデル410及びステップS25で生成された欠陥モデル420に対し、ステップS22で特定された複数の光学条件のうち、未着目の光学条件に着目し、該光学条件下にて光学シミュレーションを行うことにより表面性状画像411及び欠陥画像421を生成して画像合成部218に出力する(ステップS26)。
次に、画像合成部218が、表面性状画像411及び欠陥画像421を合成して合成画像510を生成する(ステップS27)。次に、評価値算出部219が、合成画像のS/Nを算出する(ステップS28)。
次に、シミュレーション実行部215が、ステップS2で特定された複数の光学条件のうち、未着目の光学条件が残っているか否かを判定する(ステップS29)。ここで、シミュレーション実行部215が、未着目の光学条件が残っていると判定した場合(ステップS29でYES)、処理はステップS26に戻されて、ステップS26~S29が繰り返される。すなわち、未着目の光学条件が順次着目され、該光学条件下で光学シミュレーションが行われて表面性状画像411及び欠陥画像421が生成され、合成画像510が生成され、そのS/Nが算出される。その後、シミュレーション実行部215が、未着目の光学条件が残っていないと判定した場合(ステップS29でNO)、処理はステップS30に進められる。
次に、相関解析部2110が、生成された複数の合成画像にそれぞれ対応する光学条件とS/Nとの相関を解析する(ステップS30)。次に、最適条件探索部2111が、光学条件とS/Nとの相関に基づき、ユーザが操作画面1200の最適化条件入力欄1204にて選択した最適化条件を満たす最適な光学条件を探索する。そして、処理部210が、操作画面1200の最適条件表示欄1210に探索された最適な光学条件を表示する(ステップS31)。
以上で、情報処理装置200の第2の構成例による最適条件探索処理は終了される。
該第2の構成例による最適条件探索処理によれば、第1の構成例による最適条件探索処理と同様の効果を得ることができる。
また、該第2の構成例による最適条件探索処理によれば、良品サンプル120の表面性状を推定する際、光学シミュレーションを用いて良品サンプル120の表面性状に類似した表面性状モデル410を生成しているので、第1の構成例による最適条件探索処理に比べて、より高精度に良品サンプル120の表面性状を推定できる。よって、外観検査により最適な光学条件を導出することが可能となる。
さらに、該第2の構成例による最適条件探索処理によれば、表面性状画像DB225、欠陥画像DB1026等を予め生成する工程を省くことができる。
<情報処理装置200の第3の構成例>
次に、図16は、情報処理装置200の第3の構成例を示している。該第3の構成例は、第1の構成例(図3)に、材料モデル生成部2112、材料モデルDB227、及び材料画像DB228を追加したものであり、その他の構成要素については、第1の構成例と共通の符号を付して説明は省略する。
次に、図16は、情報処理装置200の第3の構成例を示している。該第3の構成例は、第1の構成例(図3)に、材料モデル生成部2112、材料モデルDB227、及び材料画像DB228を追加したものであり、その他の構成要素については、第1の構成例と共通の符号を付して説明は省略する。
材料モデル生成部2112は、材料の特性(例えば、屈折率)が異なる複数の材料モデル430(図17)を生成し、生成した材料モデル430に関する情報を記憶部220の材料モデルDB227に記憶させる。なお、材料の特性としては、屈折率の他、反射率、吸収率等を採用してもよい。
図17は、表面性状モデル410、欠陥モデル420、及び材料モデル430の一例を示している。情報処理装置200の第3の構成例では、表面性状が平坦ではなく欠陥が存在する対象物20を、欠陥がなく、対象物20の表面性状のみを反映した屈折率n1の表面性状モデル410と、表面性状が平坦で、対象物20の欠陥のみを反映した屈折率n1の欠陥モデル420と、表面性状が平坦であり、欠陥がなく、屈折率n1とは異なる屈折率n2の材料モデル430とに分けてモデル化する。このように、材料モデル430を設けたことより、材料の屈折率だけが異なる複数の表面性状モデル410及び欠陥モデル420を設ける必要がなくなるので、該第3の構成例は、第1の構成例に比べて、事前に実行する光学シミュレーションの回数をさらに削減することができる。
図16戻る。材料モデルDB227は、材料モデル生成部2112によって生成された複数の材料モデル430に関する情報を管理するものであり、各材料モデル430を識別するための材料IDに対応付けて、材料の屈折率を記憶する(不図示)。
材料画像DB228は、シミュレーション実行部215による材料モデル430に対する光学シミュレーションの結果得られた材料画像431を管理するものであり、光学シミュレーション時の光学条件IDと、材料モデル430を識別するための材料IDと、材料画像431とを対応付けて記憶する(不図示)。
なお、該第3の構成例における画像合成部218は、同一光学条件下の光学シミュレーションによって生成された表面性状画像411、欠陥画像421、及び材料画像431を合成して合成画像510を生成する。具体的には、第1の構成例における場合と同様に、表面性状画像411と欠陥画像421とを合成した後、材料画像431の画素値(光強度)の平均値を乗算して合成画像510を生成する。
<情報処理装置200の第3の構成例による最適条件探索処理>
次に、情報処理装置200の第3の構成例による最適条件探索処理について、図18及び図19を参照して説明する。図18は、該第3の構成例による最適条件探索処理における動作の主体と情報の流れの概略を示している。図19は、該第3の構成例による最適条件探索処理の一例を説明するフローチャートである。
次に、情報処理装置200の第3の構成例による最適条件探索処理について、図18及び図19を参照して説明する。図18は、該第3の構成例による最適条件探索処理における動作の主体と情報の流れの概略を示している。図19は、該第3の構成例による最適条件探索処理の一例を説明するフローチャートである。
なお、該第3の構成例による最適条件探索処理の前提として、予め表面性状モデル410、欠陥モデル420、及び材料モデル430が生成され、それらに対する光学シミュレーションが行われており、記憶部220には、光学条件DB221、表面性状モデルDB222、欠陥モデルDB223、表面性状画像DB225、欠陥画像DB226、材料モデルDB227、及び材料画像DB228が記録されているものとする。
該第3の構成例による最適条件探索処理は、操作画面1200のスタートボタン1205に対するユーザからの押下操作に応じて開始される。
なお、該第3の構成例による最適条件探索処理のステップS41~SS44については、第1の構成例による最適条件探索処理(図12)におけるステップS1~S4と同様なので、その説明を適宜簡略化する。
はじめに、処理部210が、操作画面1200に対してユーザが入力した情報(入力情報)を取得する(ステップS41)。なお、該操作画面1200には、入力情報として、材料モデル430の屈折率を入力できる材料情報入力欄(不図示)が設けられているものとする。
次に、光学条件生成部214が、ユーザが入力した光学条件範囲に収まる複数の光学条件を特定する(ステップS42)。
次に、撮像制御部211が、外観検査装置10から良品サンプル光強度分布情報224を取得して記憶部220に記憶させる(ステップS43)。
次に、表面性状推定部216が、良品サンプル120の表面性状を推定する、すなわち、良品サンプル120の表面性状に最も類似した表面性状モデル410を特定し、特定した表面性状モデル410に対応する表面性状画像群を画像合成部218に出力する(ステップS44)。
次に、モデル特定部217が、欠陥モデルDB223、及び材料モデルDB227を参照し、ユーザが欠陥情報入力欄1202に入力した欠陥情報に最も近い欠陥モデル420、及び材料情報入力欄(不図示)に入力した材料情報に最も近い材料モデル430を特定する。そして、モデル特定部217が、特定した欠陥モデル420、及び材料モデル430それぞれに対し、ステップS42で特定された複数の光学条件下の光学シミュレーションによって生成された複数の欠陥画像421及び材料画像431を欠陥画像DB226及び材料画像DB228から読み出し、欠陥画像群、及び材料画像群として画像合成部218に出力する(ステップS45)。
次に、画像合成部218が、ステップS42で特定された複数の光学条件のうち、未着目の光学条件に着目し、さらに、表面性状画像群、欠陥画像群、及び材料画像群のうち、着目した光学条件に対応する表面性状画像411、欠陥画像421、及び材料画像431を特定する(ステップS46)。次に、画像合成部218が、特定した表面性状画像411、欠陥画像421、及び材料画像431を合成して合成画像510を生成する(ステップS47)。次に、評価値算出部219が、合成画像510のS/Nを算出する(ステップS48)。
次に、画像合成部218が、ステップS42で特定された複数の光学条件のうち、未着目の光学条件が残っているか否かを判定する(ステップS49)。ここで、画像合成部218が、未着目の光学条件が残っていると判定した場合(ステップS49でYES)、処理はステップS46に戻されて、ステップS46~S49が繰り返される。すなわち、未着目の光学条件が順次着目されて、該光学条件に対応する表面性状画像411、欠陥画像421、及び材料画像431が合成されて合成画像510が生成され、そのS/Nが算出される。その後、画像合成部218が、未着目の光学条件が残っていないと判定した場合(ステップS49でNO)、処理はステップS50に進められる。
次に、相関解析部2110が、生成された複数の合成画像510にそれぞれ対応する光学条件とS/Nとの相関を解析する(ステップS50)。次に、最適条件探索部2111が、光学条件とS/Nとの相関に基づき、ユーザが操作画面1200の最適化条件入力欄1204にて選択した最適化条件を満たす最適な光学条件を探索する。そして、処理部210が、操作画面1200の最適条件表示欄1210に探索された最適な光学条件を表示する(ステップS51)。
以上で、情報処理装置200の第3の構成例による最適条件探索処理は終了される。
該第3の構成例による最適条件探索処理によれば、第1の構成例による最適条件探索処理と同様の効果に加え、第1の構成例による最適条件探索処理に比べて、予め実行する光学シミュレーションの回数を削減することができる。
本発明は、上記した実施形態に限定されるものではなく、さらに様々な変形例が含まれる。また、上記した各実施形態は、本発明を分かりやすく説明するために詳細に説明したものであり、本発明が、必ずしも説明した全ての構成要素を備えるものに限定されるものではない。また、ある実施形態の構成の一部を、他の実施形態の構成に置き換えることが可能であり、ある実施形態の構成に、他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、SSD(solid state drive)等の記録装置、または、ICカード、SDカード、DVD等の記録媒体に置くことができる。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
10・・・外観検査装置、11・・・照明、12,13・・・偏光板、14・・・カメラ、15・・・アパーチャ、20・・・対象物、100・・・光学条件決定システム、120・・・良品サンプル、121・・・実測画像、200・・・情報処理装置、210・・・処理部、211・・・撮像制御部、212・・・表面性状モデル生成部、213・・・欠陥モデル生成部、214・・・光学条件生成部、215・・・シミュレーション実行部、216・・・表面性状推定部、217・・・モデル特定部、218・・・画像合成部、219・・・評価値算出部、2110・・・相関解析部、2111・・・最適条件探索部、2112・・・材料モデル生成部、220・・・記憶部、221・・・光学条件DB、222・・・表面性状モデルDB、223・・・欠陥モデルDB、224・・・良品サンプル光強度分布情報、225・・・表面性状画像DB、226・・・欠陥画像DB、227・・・材料モデルDB、228・・・材料画像DB、231・・・操作入力部、232・・・通信部、233・・・表示部、300・・・サーバ装置、301・・・ネットワーク、401・・・表面性状画像、410・・・表面性状モデル、411・・・表面性状画像、412・・・背景画像、420・・・欠陥モデル、421・・・欠陥画像、430・・・材料モデル、431・・・材料画像、510・・・合成画像、511・・・欠陥領域、512・・・正常領域、1200・・・操作画面、1201・・・光学条件範囲入力欄、1202・・・欠陥情報入力欄、1203・・・表面性状入力欄、1204・・・最適化条件入力欄、1205・・・スタートボタン、1206・・・ストップボタン、1210・・・最適条件表示欄
Claims (10)
- 外観検査に適用するための光学条件を決定する光学条件決定システムであって、
前記外観検査の対象とする対象物の表面性状をモデル化した表面性状モデル、及び前記対象物の欠陥をモデル化した欠陥モデルそれぞれに対し、複数の光学条件下にて光学シミュレーションを行うことによって表面性状画像及び欠陥画像を生成するシミュレーション実行部と、
同一の光学条件下の光学シミュレーションによって生成された前記表面性状画像及び前記欠陥画像を合成して合成画像を生成する画像合成部と、
前記合成画像における前記欠陥の検出し易さを表す評価値を算出する評価値算出部と、
前記合成画像に対応する光学条件と前記評価値との相関を解析する相関解析部と、
前記相関の解析結果に基づき、前記外観検査に適した前記光学条件を探索する最適条件探索部と、
を有することを特徴とする光学条件決定システム。 - 請求項1に記載の光学条件決定システムであって、
前記対象物としての、欠陥がない良品サンプルの表面性状を推定する表面性状推定部、
を有し、
前記画像合成部は、前記表面性状推定部による前記良品サンプルの表面性状の推定結果として特定された前記表面性状モデル、及びユーザからの入力情報に合致する欠陥モデルに対する同一の光学条件下の光学シミュレーションによって生成された前記表面性状画像及び前記欠陥画像を合成して合成画像を生成する
ことを特徴とする光学条件決定システム。 - 請求項2に記載の光学条件決定システムであって、
前記表面性状推定部は、前記良品サンプルを撮像して得られた実測画像と、1または複数の表面性状モデルに対して、前記良品サンプルの撮像時と同一の光学条件下の光学シミュレーションによって生成された1または複数の前記表面性状画像とを比較することにより、前記良品サンプルの表面性状を推定し、推定結果としての前記表面性状モデルを特定する
ことを特徴とする光学条件決定システム。 - 請求項2に記載の光学条件決定システムであって、
複数の前記表面性状モデルそれぞれに対する複数の光学条件下の前記光学シミュレーションによって予め生成された複数の前記表面性状画像を記憶する表面性状画像DBと、
複数の前記欠陥モデルそれぞれに対する複数の光学条件下の前記光学シミュレーションによって予め生成された複数の前記欠陥画像を記憶する欠陥画像DBと、
を有し、
前記表面性状推定部は、前記良品サンプルを撮像して得られた実測画像と、表面性状画像DBに予め記憶されている複数の表面性状画像のうち、前記良品サンプルの撮像時と同一の光学条件下の光学シミュレーションによって生成された複数の表面性状画像とを比較することにより、前記良品サンプルの表面性状を推定し、推定結果としての前記表面性状モデルを特定する
ことを特徴とする光学条件決定システム。 - 請求項4に記載の光学条件決定システムであって、
前記画像合成部は、前記表面性状画像DBに予め記憶されている複数の表面性状画像、及び前記欠陥画像DBに予め記憶されている複数の欠陥画像のうち、前記良品サンプルの表面性状の推定結果として特定された前記表面性状モデル、及びユーザからの入力情報に合致する欠陥モデルに対する同一の光学条件下の光学シミュレーションによって生成された前記表面性状画像及び前記欠陥画像を合成して前記合成画像を生成する
ことを特徴とする光学条件決定システム。 - 請求項1に記載の光学条件決定システムであって、
前記表面性状モデルを生成する表面性状モデル生成部と、
前記欠陥モデルを生成する欠陥モデル生成部と、
を有することを特徴とする光学条件決定システム。 - 請求項4に記載の光学条件決定システムであって、
前記対象物の材料の特性をモデル化した材料モデルを生成する材料モデル生成部と、
複数の前記材料モデルそれぞれに対する複数の光学条件下の前記光学シミュレーションによって予め生成された複数の材料画像を記憶する材料画像DBと、
を有し、
前記画像合成部は、前記表面性状画像DBに予め記憶されている複数の表面性状画像、前記欠陥画像DBに予め記憶されている複数の欠陥画像、及び前記材料画像DBに予め記憶されている複数の材料画像のうち、前記良品サンプルの表面性状の推定結果として特定された前記表面性状モデル、並びにユーザからの入力情報に合致する欠陥モデル及び材料モデルに対する同一の光学条件下の光学シミュレーションによって生成された前記表面性状画像、前記欠陥画像、及び前記材料画像を合成して前記合成画像を生成する
ことを特徴とする光学条件決定システム。 - 請求項7に記載の光学条件決定システムであって、
前記シミュレーション実行部、前記画像合成部、前記評価値算出部、前記相関解析部、及び前記最適条件探索部のうちの少なくとも1つを有する情報処理装置と、
前記表面性状画像DB、前記欠陥画像DB、及び前記材料画像DBのうち、少なくとも一つを有するサーバ装置と、を備え、
前記サーバ装置は、異なる複数の前記情報処理装置によって共用される
ことを特徴とする光学条件決定システム。 - 外観検査に適用するための光学条件を決定する光学条件決定システムによる光学条件決定方法であって、
前記外観検査の対象とする対象物の表面性状をモデル化した表面性状モデル、及び前記対象物の欠陥をモデル化した欠陥モデルそれぞれに対し、複数の光学条件下にて光学シミュレーションを行うことによって表面性状画像及び欠陥画像を生成するシミュレーション実行ステップと、
同一の光学条件下の光学シミュレーションによって生成された前記表面性状画像及び前記欠陥画像を合成して合成画像を生成する画像合成ステップと、
前記合成画像における前記欠陥の検出し易さを表す評価値を算出する評価値算出ステップと、
前記合成画像に対応する光学条件と前記評価値との相関を解析する相関解析ステップと、
前記相関の解析結果に基づき、前記外観検査に適した前記光学条件を探索する最適条件探索ステップと、
を含むことを特徴とする光学条件決定方法。 - 請求項9に記載の光学条件決定方法であって、
前記対象物としての、欠陥がない良品サンプルの表面性状を推定する表面性状推定ステップ、を含み、
前記画像合成ステップは、前記表面性状推定ステップによる前記良品サンプルの表面性状の推定結果として特定された前記表面性状モデル、及びユーザからの入力情報に合致する欠陥モデルに対する同一の光学条件下の光学シミュレーションによって生成された前記表面性状画像及び前記欠陥画像を合成して合成画像を生成する
ことを特徴とする光学条件決定方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019163644A JP7134932B2 (ja) | 2019-09-09 | 2019-09-09 | 光学条件決定システム、及び光学条件決定方法 |
EP20183858.8A EP3789958A1 (en) | 2019-09-09 | 2020-07-03 | Optical condition determination system and optical condition determination method |
US16/923,312 US11378521B2 (en) | 2019-09-09 | 2020-07-08 | Optical condition determination system and optical condition determination method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019163644A JP7134932B2 (ja) | 2019-09-09 | 2019-09-09 | 光学条件決定システム、及び光学条件決定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021043010A JP2021043010A (ja) | 2021-03-18 |
JP7134932B2 true JP7134932B2 (ja) | 2022-09-12 |
Family
ID=71465148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019163644A Active JP7134932B2 (ja) | 2019-09-09 | 2019-09-09 | 光学条件決定システム、及び光学条件決定方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11378521B2 (ja) |
EP (1) | EP3789958A1 (ja) |
JP (1) | JP7134932B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102572968B1 (ko) * | 2021-11-08 | 2023-08-31 | 코리아테크노 주식회사 | 딥러닝을 이용한 웨이퍼 검사방법과 이것을 구현하기 위한 웨이퍼 검사장치 |
CN114155244B (zh) * | 2022-02-10 | 2022-05-31 | 北京阿丘科技有限公司 | 缺陷检测方法、装置、设备及存储介质 |
JP2023127798A (ja) * | 2022-03-02 | 2023-09-14 | オムロン株式会社 | ワークの傷検出のシミュレーションを実行する装置、当該シミュレーションを実行する方法、および、当該シミュレーションを実現するプログラム |
JP2024018241A (ja) | 2022-07-29 | 2024-02-08 | コニカミノルタ株式会社 | 教師あり機械学習用の訓練画像データ生成システムと生成方法及びプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010185692A (ja) | 2009-02-10 | 2010-08-26 | Hitachi High-Technologies Corp | ディスク表面検査装置、その検査システム及びその検査方法 |
JP2012127848A (ja) | 2010-12-16 | 2012-07-05 | Hitachi High-Technologies Corp | 欠陥観察方法及びその装置 |
JP2013002910A (ja) | 2011-06-15 | 2013-01-07 | Toshiba Corp | パターン検査方法およびパターン検査装置 |
WO2018225406A1 (ja) | 2017-06-08 | 2018-12-13 | コニカミノルタ株式会社 | 表面欠陥検査装置の配置決定方法、該装置、該プログラムおよび記録媒体 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3300830B2 (ja) * | 1995-07-12 | 2002-07-08 | 株式会社日立製作所 | 異物等の欠陥検査方法及びその装置 |
US6583413B1 (en) * | 1999-09-01 | 2003-06-24 | Hitachi, Ltd. | Method of inspecting a circuit pattern and inspecting instrument |
US6943872B2 (en) | 2002-03-25 | 2005-09-13 | Sumitomo Electric Industries, Ltd. | Method for selection of optical fiber and system for inspection of optical fiber |
JP4357355B2 (ja) * | 2004-05-07 | 2009-11-04 | 株式会社日立ハイテクノロジーズ | パターン検査方法及びその装置 |
JP4723362B2 (ja) | 2005-11-29 | 2011-07-13 | 株式会社日立ハイテクノロジーズ | 光学式検査装置及びその方法 |
JP4315971B2 (ja) * | 2006-11-09 | 2009-08-19 | 三洋電機株式会社 | 撮像装置 |
JP2009236791A (ja) | 2008-03-28 | 2009-10-15 | Hitachi High-Technologies Corp | 欠陥検査方法及び欠陥検査装置 |
JP2010236968A (ja) | 2009-03-31 | 2010-10-21 | Hitachi High-Technologies Corp | 検査方法及び検査装置 |
JP5216752B2 (ja) | 2009-11-18 | 2013-06-19 | 株式会社日立ハイテクノロジーズ | 欠陥検出方法及び欠陥検出装置並びにこれを備えた欠陥観察装置 |
JP5538072B2 (ja) | 2010-06-03 | 2014-07-02 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法およびその装置 |
CN105915880B (zh) | 2010-08-10 | 2018-02-23 | 株式会社尼康 | 图像处理装置和图像处理方法 |
JP5553716B2 (ja) | 2010-09-15 | 2014-07-16 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
JP5419837B2 (ja) | 2010-09-28 | 2014-02-19 | 株式会社日立ハイテクノロジーズ | 検査装置、検査方法及びプログラム |
JP6369860B2 (ja) | 2014-07-15 | 2018-08-08 | 株式会社日立ハイテクノロジーズ | 欠陥観察方法及びその装置 |
-
2019
- 2019-09-09 JP JP2019163644A patent/JP7134932B2/ja active Active
-
2020
- 2020-07-03 EP EP20183858.8A patent/EP3789958A1/en not_active Withdrawn
- 2020-07-08 US US16/923,312 patent/US11378521B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010185692A (ja) | 2009-02-10 | 2010-08-26 | Hitachi High-Technologies Corp | ディスク表面検査装置、その検査システム及びその検査方法 |
JP2012127848A (ja) | 2010-12-16 | 2012-07-05 | Hitachi High-Technologies Corp | 欠陥観察方法及びその装置 |
JP2013002910A (ja) | 2011-06-15 | 2013-01-07 | Toshiba Corp | パターン検査方法およびパターン検査装置 |
WO2018225406A1 (ja) | 2017-06-08 | 2018-12-13 | コニカミノルタ株式会社 | 表面欠陥検査装置の配置決定方法、該装置、該プログラムおよび記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP2021043010A (ja) | 2021-03-18 |
US20210072162A1 (en) | 2021-03-11 |
US11378521B2 (en) | 2022-07-05 |
EP3789958A1 (en) | 2021-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7134932B2 (ja) | 光学条件決定システム、及び光学条件決定方法 | |
JP6671426B2 (ja) | 欠陥特定情報を用いるウェハ上の欠陥の検出 | |
KR102009494B1 (ko) | 웨이퍼 검사를 위한 분할 | |
US20140267701A1 (en) | Apparatus and techniques for determining object depth in images | |
KR102084535B1 (ko) | 결함 검사 장치, 결함 검사 방법 | |
TWI809043B (zh) | 用於光學成像系統中之自動聚焦之範圍區別器 | |
JP7302599B2 (ja) | 欠陥判別方法、欠陥判別装置、欠陥判別プログラム及び記録媒体 | |
JP6353008B2 (ja) | 検査条件決定装置、検査条件決定方法及び検査条件決定プログラム | |
CN117541483B (zh) | 一种扩散板的结构性能评估方法及系统 | |
JP6045429B2 (ja) | 撮像装置、画像処理装置及び画像処理方法 | |
JP7127046B2 (ja) | モデルベースのピーク選択を使用した3dプロファイル決定のためのシステム及び方法 | |
JP2006292615A (ja) | 外観検査装置、外観検査方法、コンピュータを外観検査装置として機能させるためのプログラムおよび記録媒体 | |
US8358831B2 (en) | Probe mark inspection | |
JP2018196426A (ja) | 毛穴検出方法及び毛穴検出装置 | |
KR20190050582A (ko) | 결함 검사 방법 및 결함 검사 장치 | |
JP6973205B2 (ja) | 画像処理システム、画像処理装置、画像処理プログラム | |
TW201937183A (zh) | 解析方法、解析裝置、解析程式以及記錄解析程式之記錄媒體 | |
US20220148152A1 (en) | System and method for adjustable production line inspection | |
KR20210106579A (ko) | 물체의 구역에 관한 정보를 획득하기 위한 컴퓨터화된 시스템 및 방법 | |
JP7147982B2 (ja) | 細胞立体形状評価方法及び細胞観察装置 | |
JP2014142213A (ja) | 撮影パラメータ決定装置及びその制御方法 | |
US20230128214A1 (en) | User interface device for autonomous machine vision inspection | |
Yang et al. | Focusing evaluation for in situ darkfield imaging of marine plankton | |
US20240037728A1 (en) | System and method for generating training image data for supervised machine learning, and non-transitory recording medium | |
US20170108445A1 (en) | Defect recognition system and defect recognition method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211110 |
|
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: 20220816 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220831 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7134932 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |