JP7841973B2

JP7841973B2 - 加工装置、プログラム及び学習済みモデルの生成方法

Info

Publication number: JP7841973B2
Application number: JP2022110529A
Authority: JP
Inventors: 克治根岸; めぐみ小島
Original assignee: Disco Corp
Current assignee: Disco Corp
Priority date: 2022-07-08
Filing date: 2022-07-08
Publication date: 2026-04-07
Anticipated expiration: 2042-07-08
Also published as: JP2024008559A

Description

本発明は、被加工物を加工する加工装置、画像に写る境界線を判定するためのプログラム、及び画像に写る境界線を判定する学習済みモデルを生成する学習済みモデルの生成方法等に関する。

複数のデバイスが形成されたウェーハを分割して個片化することにより、デバイスをそれぞれ備える複数のデバイスチップが製造される。また、実装基板上に実装された複数のデバイスチップを樹脂でなる封止材（モールド樹脂）で被覆することにより、パッケージ基板が形成される。このパッケージ基板を分割して個片化することにより、パッケージ化された複数のデバイスチップをそれぞれ備える複数のパッケージデバイスが製造される。デバイスチップやパッケージデバイスは、携帯電話、パーソナルコンピュータ等の様々な電子機器に組み込まれる。

ウェーハ、パッケージ基板等の被加工物を分割する際には、切削装置が用いられる。切削装置は、被加工物を保持するチャックテーブルと、被加工物に切削加工を施す加工ユニット（切削ユニット）とを備えている。切削ユニットはスピンドルを内蔵しており、スピンドルの先端部には環状の切削ブレードが装着される。被加工物をチャックテーブルで保持し、切削ブレードを回転させて被加工物に切り込ませることにより、被加工物が切削、分割される。

被加工物の加工後には、被加工物の加工された領域を観察して加工品質、加工精度等を検査する工程が実施されることがある。例えば特許文献１には、加工後の被加工物をカメラで撮像することによって取得された画像に基づいて加工不良（被加工物の欠け、加工痕の蛇行、加工痕の位置ずれ等）の有無を検査する、カーフチェックと称される処理を実行可能な切削装置が開示されている。

特開２０１６－１９７７０２号公報

カーフチェックを実施する際には、加工後の被加工物が写る画像から加工痕（カーフ）を特定する必要がある。そこで、従来、切削ユニットで被加工物を切削した直後に撮像ユニット（カメラ）の視野の中央付近に加工痕を位置付け、被加工物を撮像ユニットで撮像することによって被加工物の画像を取得し、画像に写る境界線を抽出しやすくする画像処理を画像に実行し、加工痕のエッジを検出することで加工痕を特定していた。

しかしながら、被加工物には被加工物の種類ごとに異なる複雑な構造物（電極、配線、端子、回路等のパターン）が形成されており、被加工物に形成される加工痕の大きさ、位置等も被加工物の種類ごとに異なる場合がある。また、被加工物を撮像する際の被加工物の位置及び角度のばらつき、照明の光量及び色彩のばらつき等に起因して、被加工物の画像に含まれる像のパターン、濃淡等にもばらつきが生じ得る。

このように、様々な種類の被加工物が様々な条件下で撮像される加工装置においては、画一的な画像処理では加工痕を高精度で特定することが難しい。そのため、加工痕の形成位置を適切に特定することは容易ではなかった。

また、加工痕の検出精度を向上させるために、被加工物の撮像前に被加工物の位置及び角度、照明の光量及び色彩等を調節し、撮像条件を揃える作業を行うことも考えられる。しかしながら、このような作業が被加工物の撮像のたびに実施されると、加工痕の特定に要する工程及び時間が増大し、加工装置による被加工物の加工効率が低下してしまう。

本発明は、かかる問題に鑑みてなされたものであり、被加工物に形成された加工痕を高精度且つ迅速に検出することが可能な加工装置等の提供を目的とする。

本発明の一態様によれば、被加工物を加工する加工装置であって、該被加工物を保持するチャックテーブルと、該チャックテーブルによって保持された該被加工物を加工する加工ユニットと、該チャックテーブルによって保持された該被加工物を撮像する撮像ユニットと、プロセッサ及びメモリを有する制御ユニットと、を備え、該制御ユニットは、該加工ユニットによって加工され加工痕が形成された該被加工物の表面を該撮像ユニットに撮像させ、取得された画像に写る境界線に関する情報を作成する機能を有し、該境界線に関する情報が入力されると該境界線が該加工痕のエッジであるか否かを示す判定結果を出力するように機械学習によって構成された学習済みモデルを備えることを特徴とする加工装置が提供される。

なお、好ましくは、該画像に写る該境界線に関する該情報は、該画像における該境界線を構成する各点の位置情報と、該画像における該境界線の位置及び該境界線の伸長方向に垂直な方向における該境界線を構成する各点の変位と、該画像における該境界線の直進性の評価結果と、該画像における該境界線を挟んだ両領域のコントラスト比の大きさと、のうち一つまたは複数を含む。

また、好ましくは、該制御ユニットは、該境界線を強調する画像処理を該画像に実施して処理済み画像を作成し、該処理済み画像に基づいて該画像に写る境界線に関する情報を作成する。

また、本発明の他の一態様によれば、加工された被加工物を撮像して得られた画像に写る境界線が加工痕のエッジであるか否かを判定するためのプログラムであって、該画像に写る該境界線に関する情報が入力されると該境界線が加工痕のエッジであるか否かを示す判定結果を出力するように機械学習によって構成された学習済みモデルを含み、該学習済みモデルに該境界線に関する情報を入力する処理と、該学習済みモデルの演算を実行する処理と、をコンピュータに実行させることを特徴とするプログラムが提供される。

また、好ましくは、該境界線を強調する画像処理を該画像に実施して処理済み画像を作成し該処理済み画像に基づいて該境界線を検出する処理と、該画像に写る境界線に関する情報を作成する処理と、をさらに該コンピュータに実行させる。

また、本発明の他の一態様によれば、加工された被加工物を撮像して得られた画像に写る境界線が加工痕のエッジであるか否かを判定する学習済みモデルを生成する学習済みモデルの生成方法であって、加工された被加工物に対応し加工痕が形成されたサンプルを撮像して画像を取得する画像取得ステップと、該画像取得ステップで取得された該画像から、該画像に写る境界線を検出する検出ステップと、該検出ステップで検出された境界線のうち、該加工痕のエッジに相当する境界線に関する第１の境界線情報と、該加工痕のエッジに相当しない境界線に関する第２の境界線情報と、を取得する情報取得ステップと、該第１の境界線情報及び該第２の境界線情報を用いた機械学習によって、加工された被加工物を撮像して得られた画像に写る境界線に関する情報が入力されると該境界線が加工痕のエッジであるか否かを示す判定結果を出力する学習済みモデルを生成する学習ステップと、を含むことを特徴とする学習済みモデルの生成方法が提供される。

なお、好ましくは、該情報取得ステップで取得される該第１の境界線情報は、該画像における該加工痕のエッジに相当する該境界線を構成する各点の位置情報と、該画像における該加工痕のエッジに相当する該境界線の位置及び該加工痕のエッジに相当する該境界線の伸長方向に垂直な方向における該境界線を構成する各点の変位と、該画像における該加工痕のエッジに相当する該境界線の直進性の評価結果と、該画像における該加工痕のエッジに相当する該境界線を挟んだ両領域のコントラスト比の大きさと、のうち一つまたは複数を含み、該情報取得ステップで取得される該第２の境界線情報は、該画像における該加工痕のエッジに相当しない該境界線を構成する各点の位置情報と、該画像における該加工痕のエッジに相当しない該境界線の位置及び該加工痕のエッジに相当しない該境界線の伸長方向に垂直な方向における該境界線を構成する各点の変位と、該画像における該加工痕のエッジに相当しない該境界線の直進性の評価結果と、該画像における該加工痕のエッジに相当しない該境界線を挟んだ両領域のコントラスト比の大きさと、のうち一つまたは複数を含む。

また、好ましくは、該検出ステップでは、該境界線を強調する画像処理を該画像に実施して処理済み画像を作成し該処理済み画像に基づいて該境界線を検出し、該情報取得ステップでは、該第１の境界線情報及び該第２の境界線情報の取得に該処理済み画像が使用される。

本発明の一態様に係る加工装置等においては、機械学習によって構成された学習済みモデルにより画像に写る境界線が加工痕のエッジであるか否かが判定される。そして、加工装置で加工された被加工物を撮像ユニットで撮像して得られた画像に基づいてカーフチェックを実施する際に、画像に写る境界線が加工痕のエッジであるか否かを判定し、その結果に基づいて加工痕を特定する。そのため、加工痕のエッジでない境界線を加工痕のエッジであると判定する誤判定が防止される。

また、上記の学習済みモデルを用いることにより、加工痕のエッジの特徴が被加工物ごとに適切に抽出される。そのため、被加工物の撮像前に撮像条件を揃える作業を省略しても、画像に写る境界線が加工痕のエッジであるか否かが精度よく判定される。これにより、被加工物に形成された加工痕を高精度且つ迅速に検出して適切なカーフチェックが可能になる。

切削装置を示す斜視図である。図２（Ａ）は被加工物を示す斜視図であり、図２（Ｂ）は被加工物の一部を拡大して示す平面図である。加工ユニットを示す斜視図である。図４（Ａ）は切削後の被加工物を示す斜視図であり、図４（Ｂ）は切削後の被加工物の一部を拡大して示す平面図である。制御ユニットを示すブロック図である。図６（Ａ）は加工された被加工物が写る画像を示す平面図であり、図６（Ｂ）は境界線を強調する画像処理が実施されて生成された処理済み画像を示す平面図である。図７（Ａ）は加工痕のエッジであると判定された境界線を表示する表示ユニットを示す正面図であり、図７（Ｂ）は各境界線の加工痕のエッジである確率を表示する表示ユニットを示す正面図である。学習済みモデル提供システムを示す模式図である。学習済みモデルの生成時における切削装置を示すブロック図である。図１０（Ａ）は画像取得ステップで取得されるサンプルが写る画像の一例を示す平面図であり、図１０（Ｂ）はサンプルが写る画像を画像処理して得られる処理済み画像を示す平面図である。学習済みモデルの生成方法の各ステップの流れを示すフローチャートである。

以下、添付図面を参照して本発明の一態様に係る実施形態を説明する。まず、本実施形態に係る加工装置の構成例について説明する。図１は、切削装置２を示す斜視図である。切削装置２は、環状の切削ブレードで被加工物を切削する加工装置である。なお、図１において、Ｘ軸方向（加工送り方向、左右方向、第１水平方向）とＹ軸方向（割り出し送り方向、前後方向、第２水平方向）とは、互いに垂直な方向である。また、Ｚ軸方向（鉛直方向、上下方向、高さ方向）は、Ｘ軸方向及びＹ軸方向と垂直な方向である。

切削装置２は、切削装置２を構成する各構成要素を支持又は収容する直方体状の基台４を備える。基台４の前端側の角部には、矩形状の開口４ａが設けられている。開口４ａの内側には、昇降機構（不図示）によって昇降するカセット支持台６が設けられている。カセット支持台６の上面上には、切削装置２による加工の対象物である複数の被加工物１１を収容可能なカセット８が配置される。なお、図１ではカセット８の輪郭のみを二点鎖線で示している。

図２（Ａ）は、被加工物１１を示す斜視図である。例えば被加工物１１は、単結晶シリコン等の半導体材料でなる円盤状のウェーハであり、互いに概ね平行な表面（第１面）１１ａ及び裏面（第２面）１１ｂを備える。被加工物１１は、互いに交差するように格子状に配列された複数のストリート（分割予定ライン）１３によって、複数の矩形状の領域に区画されている。

ストリート１３によって区画された複数の領域の表面１１ａ側にはそれぞれ、ＩＣ（Integrated Circuit）、ＬＳＩ（Large Scale Integration）、ＬＥＤ（Light Emitting Diode）、ＭＥＭＳ（Micro Electro Mechanical Systems）デバイス等のデバイス１５が形成されている。被加工物１１をストリート１３に沿って分割することにより、デバイス１５をそれぞれ備える複数のデバイスチップが得られる。

図２（Ｂ）は、被加工物１１の一部を拡大して示す平面図である。被加工物１１の表面１１ａ側には、電極、配線、端子、回路等の構造物が設けられている。例えばデバイス１５は、デバイス１５を構成する電極等の構造物を含む。また、ストリート１３上には、デバイス１５を構成する薄膜（導電膜、絶縁膜）の一部、デバイス１５を検査するためのＴＥＧ（Test Element Group）等の構造物が残存している。これらの構造物の配列によって、被加工物１１の表面１１ａ側に規則的なパターンが形成される。

切削装置２で被加工物１１を加工する際には、被加工物１１の取り扱い（搬送、保持等）の便宜のため、被加工物１１が環状のフレーム１７によって支持される。フレーム１７はＳＵＳ（ステンレス鋼）等の金属でなり、フレーム１７の中央部にはフレーム１７を厚さ方向に貫通する円形の開口１７ａが設けられている。なお、開口１７ａの直径は、被加工物１１の直径よりも大きい。

被加工物１１及びフレーム１７には、円形のテープ１９が貼付される。例えばテープ１９は、円形に形成されたフィルム状の基材と、基材上に設けられた粘着層（糊層）とを含む。基材は、ポリオレフィン、ポリ塩化ビニル、ポリエチレンテレフタラート等の樹脂でなる。また、粘着層は、エポキシ系、アクリル系、又はゴム系の接着剤等でなる。なお、粘着層には、紫外線の照射によって硬化する紫外線硬化型の樹脂を用いてもよい。

被加工物１１をフレーム１７の開口１７ａの内側に配置し、テープ１９の中央部を被加工物１１の裏面１１ｂ側に貼付するとともにテープ１９の外周部をフレーム１７に貼付すると、被加工物１１がテープ１９を介してフレーム１７によって支持される。そして、被加工物１１はフレーム１７によって支持された状態で、カセット８（図１参照）に収容される。

なお、被加工物１１の種類、材質、形状、構造、大きさ等に制限はない。例えば被加工物１１は、シリコン以外の半導体（ＧａＡｓ、ＩｎＰ、ＧａＮ、ＳｉＣ等）、サファイア、ガラス（石英ガラス、ホウケイ酸ガラス等）、セラミックス、樹脂、金属等でなる基板であってもよい。また、デバイス１５の種類、数量、形状、構造、大きさ、配置等にも制限はない。

さらに、被加工物１１は、ＣＳＰ（Chip Size Package）基板、ＱＦＮ（Quad Flat Non-leaded package）基板等のパッケージ基板であってもよい。例えばパッケージ基板は、実装基板上に実装された複数のデバイスチップを樹脂層（モールド樹脂）で封止することによって形成される。パッケージ基板を分割して個片化することにより、パッケージ化された複数のデバイスチップをそれぞれ備える複数のパッケージデバイスが製造される。

図１に示すように、開口４ａの後方には、長手方向がＸ軸方向に沿うように形成された矩形状の開口４ｂが設けられている。開口４ｂの内側には、被加工物１１を保持するチャックテーブル（保持テーブル）１０が設けられている。また、チャックテーブル１０には、チャックテーブル１０をＸ軸方向に沿って移動させる移動ユニット（移動機構）１２が連結されている。

移動ユニット１２は、例えばボールねじ式の移動機構であり、Ｘ軸方向に沿って配置されたＸ軸ボールねじ（不図示）と、Ｘ軸ボールねじを回転させるＸ軸パルスモータ（不図示）とを備える。また、移動ユニット１２は、チャックテーブル１０を囲むように設けられた平板状のテーブルカバー１４を備える。テーブルカバー１４の両側には、Ｘ軸方向に沿って伸縮可能な蛇腹状の防塵防滴カバー１６が設けられている。テーブルカバー１４及び防塵防滴カバー１６は、開口４ｂの内部に配置された移動ユニット１２の構成要素（Ｘ軸ボールねじ、Ｘ軸パルスモータ等）を覆うように設けられる。

チャックテーブル１０の上面は、水平方向（ＸＹ平面方向）と概ね平行な平坦面であり、被加工物１１を保持する保持面１０ａを構成している。保持面１０ａは、チャックテーブル１０の内部に設けられた流路（不図示）、バルブ（不図示）等を介して、エジェクタ等の吸引源（不図示）に接続されている。

チャックテーブル１０には、チャックテーブル１０をＺ軸方向と概ね平行な回転軸の周りで回転させるモータ等の回転駆動源（不図示）が連結されている。また、チャックテーブル１０の周囲には、被加工物１１を支持する環状のフレーム１７を把持して固定する複数のクランプ１８が設けられている。

開口４ａ，４ｂの近傍には、被加工物１１をカセット８とチャックテーブル１０との間で搬送する搬送ユニット（不図示）が設けられている。被加工物１１は、搬送ユニットによってカセット８から引き出され、チャックテーブル１０に搬送される。そして、被加工物１１は、テープ１９を介してチャックテーブル１０の保持面１０ａ上に配置される。また、フレーム１７が複数のクランプ１８によって把持される。この状態で、保持面１０ａに吸引源の吸引力（負圧）を作用させると、被加工物１１がテープ１９を介してチャックテーブル１０によって吸引保持される。

チャックテーブル１０の上方には、被加工物１１に切削加工を施す加工ユニット（切削ユニット）２０Ａ，２０Ｂが設けられている。加工ユニット２０Ａ，２０Ｂにはそれぞれ、後述の切削ブレード５８（図３参照）が装着される。

基台４の上面上には、加工ユニット２０Ａ，２０Ｂを支持する門型の支持構造２２が、開口４ｂを跨ぐようにＹ軸方向に沿って設けられている。支持構造２２の前面側の両側端部には、加工ユニット２０ＡをＹ軸方向及びＺ軸方向に沿って移動させる移動ユニット（移動機構）２４Ａと、加工ユニット２０ＢをＹ軸方向及びＺ軸方向に沿って移動させる移動ユニット（移動機構）２４Ｂとが設けられている。移動ユニット２４Ａ，２４Ｂは、支持構造２２の前面側にＹ軸方向に沿って配置された一対のＹ軸ガイドレール２６に装着されている。

移動ユニット２４Ａは、平板状のＹ軸移動プレート２８Ａを備える。Ｙ軸移動プレート２８Ａは、一対のＹ軸ガイドレール２６にスライド可能に装着されている。また、Ｙ軸移動プレート２８Ａの裏面側（後面側）には、ナット部（不図示）が設けられている。このナット部には、Ｙ軸ガイドレール２６と概ね平行に配置されたＹ軸ボールねじ３０Ａが螺合されている。Ｙ軸ボールねじ３０Ａの端部には、Ｙ軸パルスモータ３２が連結されている。Ｙ軸パルスモータ３２によってＹ軸ボールねじ３０Ａを回転させると、Ｙ軸移動プレート２８ＡがＹ軸ガイドレール２６に沿ってＹ軸方向に移動する。

Ｙ軸移動プレート２８Ａの表面（前面）側には、一対のＺ軸ガイドレール３４ＡがＺ軸方向に沿って固定されている。一対のＺ軸ガイドレール３４Ａには、平板状のＺ軸移動プレート３６Ａがスライド可能に装着されている。Ｚ軸移動プレート３６Ａの裏面側（後面側）には、ナット部（不図示）が設けられている。このナット部には、Ｚ軸ガイドレール３４Ａと概ね平行に配置されたＺ軸ボールねじ３８Ａが螺合されている。Ｚ軸ボールねじ３８Ａの端部には、Ｚ軸パルスモータ４０Ａが連結されている。Ｚ軸パルスモータ４０ＡによってＺ軸ボールねじ３８Ａを回転させると、Ｚ軸移動プレート３６ＡがＺ軸ガイドレール３４Ａに沿ってＺ軸方向に移動する。

同様に、移動ユニット２４Ｂは、平板状のＹ軸移動プレート２８Ｂを備える。Ｙ軸移動プレート２８Ｂは、一対のＹ軸ガイドレール２６にスライド可能に装着されている。また、Ｙ軸移動プレート２８Ｂの裏面側（後面側）には、ナット部（不図示）が設けられている。このナット部には、Ｙ軸ガイドレール２６と概ね平行に配置されたＹ軸ボールねじ３０Ｂが螺合されている。Ｙ軸ボールねじ３０Ｂの端部には、Ｙ軸パルスモータ３２が連結されている。Ｙ軸パルスモータ３２によってＹ軸ボールねじ３０Ｂを回転させると、Ｙ軸移動プレート２８ＢがＹ軸ガイドレール２６に沿ってＹ軸方向に移動する。

Ｙ軸移動プレート２８Ｂの表面（前面）側には、一対のＺ軸ガイドレール３４ＢがＺ軸方向に沿って固定されている。一対のＺ軸ガイドレール３４Ｂには、平板状のＺ軸移動プレート３６Ｂがスライド可能に装着されている。Ｚ軸移動プレート３６Ｂの裏面側（後面側）には、ナット部（不図示）が設けられている。このナット部には、Ｚ軸ガイドレール３４Ｂと概ね平行に配置されたＺ軸ボールねじ３８Ｂが螺合されている。Ｚ軸ボールねじ３８Ｂの端部には、Ｚ軸パルスモータ４０Ｂが連結されている。Ｚ軸パルスモータ４０ＢによってＺ軸ボールねじ３８Ｂを回転させると、Ｚ軸移動プレート３６ＢがＺ軸ガイドレール３４Ｂに沿ってＺ軸方向に移動する。

加工ユニット２０Ａ，２０Ｂはそれぞれ、Ｚ軸移動プレート３６Ａ，３６Ｂの下部に固定されている。また、加工ユニット２０Ａに隣接する位置には、撮像ユニット４２が設けられている。

撮像ユニット４２は、ＣＣＤ（Charged-Coupled Devices）センサ、ＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）センサ等のイメージセンサを備え、チャックテーブル１０によって保持された被加工物１１等を撮像する。撮像ユニット４２の種類に制限はなく、例えば可視光カメラや赤外線カメラが用いられる。なお、撮像ユニット４２は、撮像時に被写体を照らす照明（光源）を備えていてもよい。

撮像ユニット４２によって取得された画像は、チャックテーブル１０によって保持された被加工物１１と加工ユニット２０Ａ，２０Ｂとの位置合わせ（アライメント）等に用いられる。また、後述の通り、撮像ユニット４２によって取得された被加工物１１の画像に基づいて、カーフチェックが実施される。

開口４ｂの後方には、円形の開口４ｃが設けられている。開口４ｃの内側には、被加工物１１を洗浄する洗浄ユニット４４が設けられている。洗浄ユニット４４は、被加工物１１を保持して回転するスピンナテーブル（チャックテーブル）４６と、スピンナテーブル４６によって保持された被加工物１１に洗浄用の液体（洗浄液）を供給するノズル４８とを備える。

スピンナテーブル４６の上面は、水平方向（ＸＹ平面方向）と概ね平行な平坦面であり、被加工物１１を保持する保持面４６ａを構成している。保持面４６ａは、スピンナテーブル４６の内部に設けられた流路（不図示）、バルブ（不図示）等を介して、エジェクタ等の吸引源（不図示）に接続されている。また、スピンナテーブル４６には、スピンナテーブル４６をＺ軸方向と概ね平行な回転軸の周りで回転させるモータ等の回転駆動源（不図示）が連結されている。

ノズル４８は、スピンナテーブル４６の保持面４６ａに向かって洗浄液を供給する。洗浄液としては、純水等の液体や、液体（純水等）と気体（エアー等）とを混合することによって生成された混合流体等を用いることができる。

加工ユニット２０Ａ又は加工ユニット２０Ｂによって加工された被加工物１１は、搬送ユニット（不図示）によってスピンナテーブル４６に搬送され、テープ１９を介してスピンナテーブル４６の保持面４６ａ上に配置される。この状態で、保持面４６ａに吸引源の吸引力（負圧）を作用させると、被加工物１１がテープ１９を介してスピンナテーブル４６によって吸引保持される。そして、スピンナテーブル４６を回転させつつノズル４８から被加工物１１に向かって洗浄液を滴下すると、洗浄液が被加工物１１の上面側を伝って流動し、被加工物１１が洗浄される。

基台４の上側には、基台４上に配置された切削装置２の構成要素を覆うカバー５０が設けられている。図１では、カバー５０の輪郭のみを二点鎖線で示している。

カバー５０の前面側には、切削装置２に関する各種の情報を表示する表示ユニット（表示部、表示装置）５２が設けられている。例えば表示ユニット５２として、タッチパネル式のディスプレイが用いられる。この場合、表示ユニット５２は、切削装置２に各種の情報を入力するための入力部（入力ユニット、入力装置）としても機能し、オペレーターは表示ユニット５２のタッチ操作によって切削装置２に加工条件等の情報を入力できる。すなわち、表示ユニット５２がユーザーインターフェースとして機能する。

カバー５０の上部には、オペレーターに情報を報知する報知ユニット（報知部、報知装置）５４が設けられている。例えば、報知ユニット５４として表示灯（警告灯）が設けられ、切削装置２で異常が発生すると表示灯が点灯又は点滅してオペレーターに異常を知らせる。なお、報知ユニット５４は、音又は音声でオペレーターに情報を報知するスピーカーであってもよい。

切削装置２を構成する構成要素（カセット支持台６、チャックテーブル１０、移動ユニット１２、クランプ１８、加工ユニット２０Ａ，２０Ｂ、移動ユニット２４Ａ，２４Ｂ、撮像ユニット４２、洗浄ユニット４４、表示ユニット５２、報知ユニット５４等）は、制御ユニット（制御部、制御装置）５６に接続されている。制御ユニット５６は、切削装置２の各構成要素に制御信号を出力することにより、切削装置２の稼働を制御する。

例えば制御ユニット５６は、コンピュータによって構成され、切削装置２の稼働に必要な演算を行う演算部と、切削装置２の稼働に用いられる各種の情報（データ、プログラム等）を記憶する記憶部とを含む。演算部は、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）等のプロセッサを含んで構成される。また、記憶部は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等のメモリを含んで構成される。

カセット８に収容された被加工物１１は、搬送ユニット（不図示）によって１枚ずつチャックテーブル１０に搬送される。そして、被加工物１１は、チャックテーブル１０によって吸引保持された状態で、加工ユニット２０Ａ又は加工ユニット２０Ｂによって切削される。その後、被加工物１１は搬送ユニット（不図示）によって洗浄ユニット４４に搬送され、洗浄される。洗浄後の被加工物１１は、再度カセット８に収容される。

図３は、加工ユニット２０Ａを示す斜視図である。加工ユニット２０Ａには、被加工物１１を切削する環状の切削ブレード５８が装着される。

加工ユニット２０Ａは、中空の円柱状のハウジング６０を備える。ハウジング６０には、Ｙ軸方向に沿って配置された円柱状のスピンドル６２が収容されている。スピンドル６２の先端部（一端部）はハウジング６０から露出しており、スピンドル６２の基端部（他端部）にはスピンドル６２を回転させるモータ等の回転駆動源（不図示）が連結されている。

スピンドル６２の先端部には、切削ブレード５８を支持するブレードマウント６４が固定されている。ブレードマウント６４は、円盤状のフランジ部６６と、フランジ部６６の表面６６ａの中心部から突出する円柱状のボス部（支持軸）６８とを備える。フランジ部６６の外周部の表面６６ａ側には、表面６６ａから突出する環状の凸部６６ｂがフランジ部６６の外周縁に沿って設けられている。凸部６６ｂの先端面は、表面６６ａと概ね平行な平坦面であり、切削ブレード５８を支持する支持面６６ｃを構成している。また、ボス部６８の外周面には、ねじ溝６８ａが形成されている。

ブレードマウント６４には、被加工物１１を切削する環状の切削ブレード５８が装着される。切削ブレード５８は、アルミニウム合金等の金属でなる環状の基台５８ａと、基台５８ａの外周縁に沿って形成された環状の切り刃５８ｂとを備える。また、切削ブレード５８の中心部には、切削ブレード５８を厚さ方向に貫通する円柱状の開口５８ｃが設けられている。

切り刃５８ｂは、基台５８ａの外周縁から基台５８ａの半径方向外側に向かって突出するように形成される。例えば切り刃５８ｂは、ダイヤモンド、立方晶窒化ホウ素（ｃＢＮ：cubic Boron Nitride）等でなる砥粒と、砥粒を固定するニッケルめっき層等の結合材とを含む。なお、砥粒の材質、砥粒の粒径、結合材の材質等に制限はなく、被加工物１１の材質等に応じて適宜選択される。

ボス部６８のねじ溝６８ａには、切削ブレード５８を固定するための環状の固定ナット７０が締結される。固定ナット７０の中心部には、固定ナット７０を厚さ方向に貫通する円柱状の開口７０ａが設けられている。また、開口７０ａの内部で露出する固定ナット７０の内周面には、ボス部６８のねじ溝６８ａに対応するねじ溝が形成されている。

切削ブレード５８は、開口５８ｃにボス部６８が挿入されるようにブレードマウント６４に装着される。この状態で、固定ナット７０をボス部６８のねじ溝６８ａに螺合して締め付けると、切削ブレード５８がフランジ部６６の支持面６６ｃと固定ナット７０とによって挟持される。このようにして、切削ブレード５８がスピンドル６２の先端部に装着される。そして、切削ブレード５８は、回転駆動源からスピンドル６２及びブレードマウント６４を介して伝達される動力により、Ｙ軸方向と概ね平行な回転軸の周りを回転する。

なお、上記では加工ユニット２０Ａの構成について説明したが、加工ユニット２０Ｂ（図１参照）も加工ユニット２０Ａと同様に構成される。そして、加工ユニット２０Ａ，２０Ｂには、一対の切削ブレード５８が互いに対面するように装着される。すなわち、切削装置２は、所謂フェイシングデュアルスピンドルタイプの切削装置である。ただし、切削装置２が備える加工ユニットの数は１組であってもよい。

上記の切削装置２によって、被加工物１１が切削される。例えば、切削ブレード５８で被加工物１１をストリート１３に沿って切削することにより、被加工物１１が複数のデバイスチップに分割される。以下では一例として、加工ユニット２０Ａに装着された切削ブレード５８によって被加工物１１が切削、分割される場合について説明する。ただし、被加工物１１は加工ユニット２０Ｂに装着された切削ブレード５８によって切削されてもよい。

切削装置２で被加工物１１を加工する際は、まず、被加工物１１をチャックテーブル１０で保持する。例えば被加工物１１は、表面１１ａ側が上方に露出し裏面１１ｂ側（テープ１９側）が保持面１０ａに対面するように、チャックテーブル１０上に配置される。また、複数のクランプ１８によってフレーム１７が固定される。この状態で、保持面１０ａに吸引源の吸引力（負圧）を作用させると、被加工物１１がテープ１９を介してチャックテーブル１０によって吸引保持される。

次に、被加工物１１を切削ブレード５８でストリート１３（図２（Ａ）参照）に沿って切削する。具体的には、まず、チャックテーブル１０を回転させ、所定のストリート１３の長さ方向をＸ軸方向に合わせる。また、切削ブレード５８が所定のストリート１３の延長線上に配置されるように、加工ユニット２０ＡのＹ軸方向における位置を調整する。さらに、切削ブレード５８の下端が被加工物１１の裏面１１ｂ（テープ１９の上面）よりも下方に配置されるように、加工ユニット２０Ａの高さを調整する。このときの被加工物１１の表面１１ａと切削ブレード５８の下端との高さの差が、切削ブレード５８の被加工物１１への切り込み深さに相当する。

そして、切削ブレード５８を回転させつつ、チャックテーブル１０をＸ軸方向に沿って移動させる。これにより、チャックテーブル１０と切削ブレード５８とがＸ軸方向に沿って相対的に移動し（加工送り）、切削ブレード５８がストリート１３に沿って被加工物１１に切り込む。その結果、被加工物１１がストリート１３に沿って切削、分割される。その後、同様の手順を繰り返し、全てのストリート１３に沿って被加工物１１を切削する。

図４（Ａ）は、切削後の被加工物１１を示す斜視図である。上記のように切削ブレード５８で被加工物１１を切削すると、被加工物１１の表面１１ａから裏面１１ｂに至る加工痕（カーフ）１１ｃがストリート１３に沿って形成される。そして、全てのストリート１３に沿って加工痕１１ｃが形成されることにより、被加工物１１がストリート１３に沿って分割され、デバイス１５をそれぞれ備える複数のデバイスチップが得られる。

図４（Ｂ）は、切削後の被加工物１１の一部を拡大して示す平面図である。例えば加工痕１１ｃは、ストリート１３の幅方向における中央（隣接するデバイス１５の中間点）に、ストリート１３の長さ方向に沿って線状に形成される。なお、ストリート１３上にＴＥＧ等の構造物が存在する場合には、該構造物も被加工物１１とともに切削される。

被加工物１１の加工後には、被加工物１１の加工された領域を観察して加工品質、加工精度等を検査するカーフチェックと呼ばれる工程が実施されることがある。カーフチェックでは、加工後の被加工物１１の加工された領域を撮像ユニット４２で撮像し、得られた画像から加工不良（被加工物１１の欠け、加工痕１１ｃの蛇行、加工痕１１ｃの位置ずれ等）の有無が検査される。

カーフチェックを実施する際には、加工後の被加工物１１が写る画像から加工痕（カーフ）１１ｃを特定する必要がある。従来、加工ユニット２０Ａ，２０ｂで被加工物１１を切削した直後に撮像ユニット４２の視野の中央付近に加工痕１１ｃを位置付け、被加工物１１を撮像ユニット４２で撮像することによって被加工物１１の画像を取得し、画像に写る各要素の境界線を抽出しやすくする画像処理を画像に実行し、加工痕１１ｃのエッジを検出することで加工痕１１ｃを特定していた。

しかしながら、被加工物１１には被加工物１１の種類ごとに異なる複雑なパターン（電極、配線、端子、回路等）が形成されており、被加工物１１に形成される加工痕１１ｃの大きさ、位置等も被加工物１１の種類ごとに異なる場合がある。また、被加工物１１を撮像する際の被加工物１１の位置及び角度のばらつき、照明の光量及び色彩のばらつき等に起因して、被加工物１１の画像に含まれる像のパターン、濃淡等にもばらつきが生じ得る。

このように、様々な種類の被加工物１１が様々な条件下で加工される切削装置２においては、加工後の被加工物１１を撮像して得られた画像に対して画一的な画像処理したのでは加工痕１１ｃを高精度で特定することが難しい。そのため、加工痕１１ｃの形成位置や形状を高精度に特定することは容易ではなかった。

また、加工痕１１ｃの検出精度を向上させるために、被加工物１１の撮像前に被加工物１１の位置及び角度、照明の光量及び色彩等を調節し、撮像条件を揃える作業を行うことも考えられる。しかしながら、このような作業が被加工物１１の撮像のたびに実施されると、加工痕１１ｃの特定に要する工程及び時間が増大し、切削装置２による被加工物１１の加工効率が低下してしまう。

そこで、本実施形態においては、加工痕１１ｃが形成された被加工物１１の表面１１ａを撮像ユニット４２で撮像させて得られた画像から境界線を検出し、画像に写る境界線に関する情報を作成する制御ユニット５６を用いる。そして、この境界線に関する情報が入力されるとその境界線が被加工物１１に形成された加工痕１１ｃのエッジであるか否かを示す判定結果を出力するように機械学習によって構成された学習済みモデルを用いる。

これにより、様々な条件下で撮像されて取得された画像に写る境界線の特徴が適切に抽出され、画像に写る境界線が加工痕１１ｃのエッジであるか否か精度よく判定される。そして、その結果に基づいて加工痕１１ｃを特定し、画像に基づいてカーフチェックを実施する。そのため、加工痕１１ｃのエッジでない境界線を加工痕１１ｃのエッジであると判定する誤判定が防止され、適切なカーフチェックを実施できる状態となる。

図５は、制御ユニット５６を示すブロック図である。図５には、制御ユニット５６の機能的な構成を示すブロックに加えて、チャックテーブル１０、撮像ユニット４２、表示ユニット５２、及び報知ユニット５４を模式的に図示している。画像に写る境界線が加工痕１１ｃのエッジであるか否かの判定は、制御ユニット５６によって実行される。制御ユニット５６は、画像処理部７４と、情報作成部７６と、境界線がカーフエッジか否かを判定する判定部８０と、を含む。

撮像ユニット４２で被加工物１１を撮像すると、被加工物１１の拡大画像である画像７２が取得され、画像処理部７４に送られる。画像処理部７４は、画像７２を画像処理して処理済み画像７２ａを作成する。そして、情報作成部７６は、処理済み画像７２ａを利用して画像７２に写る境界線を特定し、判定対象となる境界線に関する情報７８ａ，７８ｂを作成する。そして、判定部８０には境界線に関する情報７８ａ，７８ｂが入力され、判定部８０は、情報７８ａ，７８ｂに基づいて判定対象となる境界線がカーフエッジか否かを判定し、判定結果を出力する。

また、制御ユニット５６は、各種の情報（データ、プログラム等）を記憶可能な記憶部８２と、判定部８０による判定の結果を報知部（表示ユニット５２、報知ユニット５４等）に報知させる報知制御部８４とを含む。判定部８０の判定結果は、記憶部８２及び報知制御部８４に出力される。

制御ユニット５６が備える各構成と、判定の流れについて詳述する。図６（Ａ）は、撮像ユニット４２が加工済みの被加工物１１を撮像して形成した画像７２を模式的に示す平面図である。なお、説明の便宜の為、図６（Ａ）では、一方向に沿って加工され加工痕１１ｃが形成された状態の被加工物１１の表面１１ａ側が拡大されて示されている。以下、画像７２に写る当該方向に沿った各境界線が、それぞれ、被加工物１１に形成された加工痕１１ｃのエッジであるか否かを判定する過程について説明するが、以下の説明は、他の方向に沿った各境界線に関する判定についても参照できる。

図６（Ａ）に示す通り、加工後の被加工物１１の表面１１ａ側が写る画像７２には、被加工物１１に形成された加工痕１１ｃのみならず、デバイス１５を構成する各層（各薄膜）や、ストリート１３に形成されたＴＥＧや電極等の構造物が写る。そして、画像７２には、加工痕１１ｃのエッジ（カーフエッジ）のみならず、デバイス１５を構成する各層の輪郭や、ストリート１３に形成された構造物の輪郭が境界線２１ａ，２１ｂ，２１ｃ，２１ｄ，２１ｅ，２１ｆ，２１ｇとして写る。

特に、画像７２において、ある境界線を挟んだ両側の色彩や質感が近似している場合、画像７２から境界線を検出するのは容易ではない。そこで、切削装置（加工装置）２の制御ユニット５６が備える画像処理部７４は、撮像ユニット４２が被加工物１１を撮像して形成した画像７２を境界線の抽出がしやすいように境界線を強調する画像処理を画像７２に実施する。形成された処理済み画像７２ａは、境界線強調画像ともいえる。

例えば、画像処理部７４は、画像７２において色（色相、明度、彩度）がほぼ同じである連続する領域を一つの領域として捉えた際に、色（色相、明度、彩度）の異なる互いに隣接する二つの領域の間を境界線として強調し、画像７２において境界線以外の領域を強調しないことで、線で描写された処理済み画像を作成する。ここで、同じ領域として許容される色の差の程度を調整することにより、境界線として強調される画素の調整が可能である。換言すると、境界線の検出感度の調整が可能である。

または、画像処理部７４は、画像７２を構成する各画素に対しその周囲の画素との色の差を評価し、その差の大きい画素を境界線に対応する画素として強調することで処理済み画像を作成する。ここで、境界線に対応する画素として強調する画素であるか否かの基準となるその周囲の画素との色の差の大きさは、調整可能である。換言すると、境界線の検出感度の調整が可能である。

ただし、画像処理部７４が画像７２に実施する画像処理にはこれらに限定されず、特に制限はない。図６（Ｂ）は、画像処理部７４が画像７２に対して画像処理をすることで得られた処理済み画像７２ａを模式的に示す平面図である。図６（Ｂ）に示す処理済み画像７２ａでは、境界線に対応する画素が白で、それ以外の画素が黒で着色されている。この処理済み画像７２ａでは、境界線を容易に検出できる。

切削装置（加工装置）２の制御ユニット５６が備える情報作成部７６は、例えば、処理済み画像７２ａに基づいて、画像７２に写る境界線に関する情報７８ａ，７８ｂを作成する。ただし、制御ユニット５６は画像処理部７４を備えていなくてもよく、情報作成部７６は、撮像ユニット４２が被加工物１１を撮像して形成された画像７２から直接的に境界線に関する情報を作成してもよい。

以下、情報作成部７６が処理済み画像７２ａに基づいて境界線に関する情報７８ａ，７８ｂを作成する場合を例に説明を続ける。ここで、境界線に関する情報７８ａ，７８ｂとは、後述の通り、当該境界線が加工痕１１ｃのエッジであるか否か判定部８０が判定する際に有用となる情報である。

例えば、画像に写る境界線に関する情報７８ａ，７８ｂは画像７２における境界線を構成する各点の位置情報であり、より詳細には、画像７２におけるこの各点の座標である。または、例えば、画像７２に写る境界線に関する情報７８ａ，７８ｂは、画像７２における境界線の位置と、該境界線の伸長方向に垂直な方向における該境界線を構成する各点の変位またはばらつきの大きさと、の結合である。これを換言すると、画像７２に写る境界線に関する情報７８ａ，７８ｂは、ストリート１３に沿った線分である基準線の位置と、ストリート１３に垂直な方向における該境界線を構成する各点の変位またはばらつきの大きさと、の結合である。これらの情報には、各境界線の形状が反映される。

ここで、画像７２における境界線の形状と、その境界線の形成過程と、の間に相関関係が存在することについて説明する。被加工物１１を切削ブレード５８でストリート１３に沿って切削して形成される加工痕１１ｃは、ストリート１３に沿って直線状に形成される。しかしながら、加工痕１１ｃのエッジには微小な欠け等がランダムに発生するため、微視的な視点で観察すると加工痕１１ｃのエッジは直線状にはならず、無数の凹凸形状により構成された形状となる。

その一方で、被加工物１１に形成された各層や構造物等に形状のばらつき等が生じると、被加工物１１から切り出されて形成されたデバイスチップの性能にばらつきが生じる場合や、デバイスチップが適切に機能しなくなる場合が考えられる。そこで、デバイス１５を構成する各層（各薄膜）や、ストリート１３に形成されたＴＥＧ等の構造物は、一般的にはフォトリソグラフィー工程等により精密に被加工物１１に形成される。

このような事情により、デバイス１５を構成する各層（各薄膜）やＴＥＧ等の構造物の輪郭は、無秩序さのない直線、折れ線、及び曲線により構成される。そして、それらの輪郭を微視的な視点で観測したとき、加工痕１１ｃのエッジとは異なり、ランダムな凹凸形状が現れることはない。

このように、加工痕１１ｃのエッジと、デバイス１５を構成する各層（各薄膜）やＴＥＧ等の構造物の輪郭と、では形態に有意な差が存在する。逆に言えば、画像７２における境界線の形状と、その境界線の形成過程と、の間には相関関係がある。そのため、画像７２に写る境界線に関する情報７８ａ，７８ｂで示される境界線の形状に基づいて、その境界線が加工痕１１ｃのエッジであるか否かの判定が可能である。

なお、情報作成部７６が作成する境界線に関する情報７８ａ，７８ｂは、境界線の形状を特定できる情報に限定されない。例えば、情報作成部７６は、画像７２における各境界線の直進性を直接的に評価してもよく、境界線に関する情報７８ａ，７８ｂとしてその評価結果を出力してもよい。画像７２における当該境界線の直進性が低ければ、当該境界線が加工痕１１ｃのエッジであると判定できる。

また、情報作成部７６が作成する境界線に関する情報７８ａ，７８ｂは、当該境界線の形状に関する情報に限定されない。例えば、情報作成部７６は、画像７２における境界線を挟んだ両領域のコントラスト比の大きさを評価してもよく、境界線に関する情報７８ａ，７８ｂとしてこのコントラスト比の大きさを出力してもよい。

ここで、画像７２における境界線を挟んだ両領域のコントラスト比の大きさと、その境界線の形成過程と、の間に相関関係が存在することについて説明する。被加工物１１の表面１１ａに到達した光は、被加工物１１の表面１１ａに形成された金属材料や被加工物１１により反射され、撮像ユニット４２に到達する。画像７２に写る各構造物等の色は、光を反射する金属材料等の種別や表面形状等により決まり、また、各構造物に重なる絶縁膜等の種別やそれぞれの厚さ等により決まる。

いずれにせよ、撮像ユニット４２には、被加工物１１の表面１１ａに形成された各構造物等により反射した光が到達する。その一方で、被加工物１１に形成された加工痕１１ｃには、表面１１ａの高さに光を反射する構造物が存在しない。撮像ユニット４２の焦点は被加工物１１の表面１１ａに合わせられるため、通常、画像７２において加工痕１１ｃは極めて暗く写る。

そのため、加工痕１１ｃのエッジでは、被加工物１１の表面１１ａに形成された各構造物の輪郭と比較して、分けられた両領域のコントラスト比が大きくなりやすい。逆に言えば、画像７２に写る境界線のうち、この境界線を挟んだ両領域のコントラスト比の大きさが所定の値を超えているものは、加工痕１１ｃのエッジとして判定されることも可能である。そのため、情報作成部７６がこのコントラスト比の大きさを出力すると、境界線が加工痕１１ｃのエッジであるか否かを判定する上で有用となる。

以上に境界線に関する情報７８ａ，７８ｂの一例を示したが、境界線に関する情報７８ａ，７８ｂはこれらに限定されない。また、境界線に関する情報７８ａ，７８ｂはこれらのうち一つに限定される必要はなく、これらのうち複数の要素が組み合わされたものでもよい。また、例示した情報の一部は、情報作成部７６が作成する境界線に関する情報７８ａ，７８ｂに含まれなくてもよく、代わりに画像７２に写る境界線を検出するための検出条件として利用されてもよい。情報作成部７６は、処理済み画像７２ａ等から境界線を検出し、画像７２に写る境界線に関する情報７８ａ，７８ｂを作成して出力する。

切削装置（加工装置）２の制御ユニット５６が備える判定部８０は、画像７２に写る境界線に関する情報７８ａ，７８ｂを情報作成部７６から受領し、画像７２に写る境界線が加工痕１１ｃのエッジであるか否かを判定する学習済みモデル９０を備える。学習済みモデル９０は、画像７２に写る境界線に関する情報７８ａ，７８ｂが入力されると、その境界線が加工痕１１ｃのエッジ（カーフエッジ）であるか否かを示す判定結果を出力するように、機械学習によって構成されている。

なお、学習済みモデル９０の種類に制限はなく、サポートベクタマシン（ＳＶＭ）、ロジスティック回帰、ｋ近傍法、決定木、ニューラルネットワーク等を用いることができる。以下では一例として、学習済みモデル９０がニューラルネットワークＮＮである場合について説明する。

ニューラルネットワークＮＮは、階層型のニューラルネットワークであり、データが入力される入力層９２と、データを出力する出力層９４と、入力層９２と出力層９４との間に設けられた複数の隠れ層（中間層）９６とを含む。入力層９２、出力層９４、隠れ層９６はそれぞれ、複数のニューロン（ユニット、ノード）を含む。入力層９２のニューロンは第１層目の隠れ層９６のニューロンに接続され、出力層９４のニューロンは最終層の隠れ層９６のニューロンに接続されている。また、隠れ層９６のニューロンは、入力層９２又は前層の隠れ層９６のニューロンと、出力層９４又は後層の隠れ層９６のニューロンとに接続されている。

入力層９２、出力層９４、隠れ層９６に含まれるニューロンの数、各ニューロンの活性化関数、各ニューロン間の接続関係等に制限はない。また、隠れ層９６の層数にも制限はない。２層以上の隠れ層９６を含むニューラルネットワークＮＮは、ディープニューラルネットワーク（ＤＮＮ）と呼ぶことができる。また、ディープニューラルネットワークの学習は、深層学習と呼ぶことができる。

ニューラルネットワークＮＮは、入力層９２に画像７２に写る境界線に関する情報７８ａ，７８ｂが入力されると出力層９４から当該境界線が加工痕１１ｃのエッジ（カーフエッジ）であるか否かを示す判定結果を出力するように学習されている。なお、ニューラルネットワークＮＮの学習方法に制限はない。ニューラルネットワークＮＮの学習方法の具体例については後述する。

チャックテーブル１０によって保持された被加工物１１が加工ユニット２０Ａ，２０Ｂで加工された後、撮像ユニット４２によって撮像されて画像７２が取得される。そして、画像７２に写る境界線が加工痕１１ｃのエッジである否かを判定する際には、画像処理部７４によって境界線を強調する画像処理が画像７２に実施され、処理済み画像７２ａが作成される。次に、処理済み画像７２ａに基づいて情報作成部７６により画像７２に写る境界線が検出され、画像７２に写る境界線に関する情報７８ａ，７８ｂが作成される。

その後、画像７２に写る境界線に関する情報７８ａ，７８ｂがニューラルネットワークＮＮに入力され、ニューラルネットワークＮＮの推論によってその境界線が加工痕１１ｃのエッジであるか否かが判定される。具体的には、情報７８ａ，７８ｂを入力データとして用いた演算が、入力層９２、隠れ層９６、出力層９４において順に行われ、その境界線が加工痕１１ｃのエッジであるか他の境界線であるかの分類結果に対応するデータが出力層９４から出力される。これにより、自動で判定がされる。

例えば出力層９４は、活性化関数としてソフトマックス関数が適用された２個のニューロンを含む。そして、各ニューロンはそれぞれ、判定対象となる境界線が加工痕１１ｃのエッジである確率に対応する数値（第１出力値）と、判定対象となる境界線が加工痕１１ｃのエッジではない他の境界線である確率に対応する数値（第２出力値）と、を出力する。

また、判定部８０は、学習済みモデル９０による判定の結果を処理する判定結果処理部９８を含む。例えば判定結果処理部９８は、ニューラルネットワークＮＮの出力層９４から出力される第１出力値と第２出力値とを比較する。

そして、第１出力値が第２出力値よりも大きい場合には、判定結果処理部９８は判定対象となる境界線が加工痕１１ｃのエッジである旨を示す信号（第１判定信号）を出力する。一方、第２出力値が第１出力値よりも大きい場合には、判定結果処理部９８は判定対象となる境界線が加工痕１１ｃのエッジではない他の境界線である旨を示す信号（第２判定信号）を出力する。第１判定信号及び第２判定信号が、判定部８０による判定の結果に相当する。

ただし、判定結果処理部９８による処理の内容に制限はない。例えば判定結果処理部９８は、第１出力値及び第２出力値と、予め設定された閾値（下限値）とを比較することによって、判定対象となる境界線が加工痕１１ｃのエッジであるか否かを判定してもよい。

具体的には、第１出力値が閾値以上である場合には、判定結果処理部９８は第１判定信号を出力する。一方、第２出力値が閾値以上である場合には、判定結果処理部９８は第２判定信号を出力する。なお、第１出力値及び第２出力値と比較される閾値は、要求される判定精度に応じて適宜設定できる。例えば閾値は、０．６以上（６０％以上）、好ましくは０．８以上（８０％以上）に設定される。

制御ユニット５６の判定部８０は、判定対象となるすべての境界線に対し学習済みモデル９０による判定を実施し、判定結果に対して判定結果処理部９８による処理を実施させる。すなわち、学習済みモデル９０には判定対象となる各境界線に関する情報７８ａ，７８ｂが入力され、そのそれぞれに対応する第１出力値及び第２出力値が出力される。また、判定結果処理部９８は、それぞれの境界線に対応する第１出力値及び第２出力値を処理し、第１判定信号又は第２判定信号等を出力する。なお、判定結果処理部９８は、学習済みモデル９０から入力された各境界線に対応する第１出力値をそのまま出力してもよい。

なお、加工痕１１ｃは、加工痕１１ｃの一方の側壁側と、他方の側壁側と、に合計二つのエッジを備える。このことが判定結果処理部９８による処理に利用されてもよい。例えば、判定対象となる一部の境界線について、第１出力値及び第２出力値がいずれも閾値未満である場合でも、各境界線に対応する第１出力値又は第２出力値を比較することでいずれの境界線が加工痕１１ｃのエッジであるかを判定してもよい。

より具体的には、判定結果処理部９８は、第１出力値が上位２つのどちらかである境界線について当該境界線が加工痕１１ｃのエッジである旨を示す信号（第１判定信号）を出力する。または、第２出力値が下位２つのどちらかである境界線について当該境界線が加工痕１１ｃのエッジである旨を示す信号（第１判定信号）を出力する。そして、判定結果処理部９８は、その他の境界線について当該境界線が加工痕１１ｃのエッジではない他の境界線である旨を示す信号（第２判定信号）を出力する。

さらに、判定結果処理部９８は、第１出力値が閾値以上となる境界線の数が３を超えるとき、判定部８０で実施されている一連の判定を中止するべき旨を示す信号（第３判定信号）を出力してもよい。または、すべての境界線について第２出力値が閾値以上となるとき、第３判定信号を出力してもよい。

これらの場合、画像７２自体に問題があるか、画像７２が取得された際の撮像ユニット４２の視野等に問題があることが考えられる。そこで、制御ユニット５６は、判定結果処理部９８から第３判定信号が出力された場合、チャックテーブル１０及び加工ユニット２０Ａ，２０Ｂを相対的に移動させ、別の視野をもって撮像ユニット４２に画像７２を再取得させるとよい。そして、制御ユニット５６は、一連の処理をやり直すとよい。または、制御ユニット５６は、判定結果処理部９８から第３判定信号が出力された場合、すべての処置を停止してエラーをオペレーターに報知してもよい。

判定部８０による判定の結果は、記憶部８２に記憶される。記憶部８２は、ＲＯＭ、ＲＡＭ等のメモリを含んで構成される、コンピュータ読み取り可能な非一時的記録媒体に相当する。そして、記憶部８２は、判定部８０の判定結果を画像７２とともに記憶する。これにより、画像７２と判定結果とを含むデータセットが記憶部８２に蓄積される。

また、報知制御部８４は、判定部８０の判定結果をオペレーターに報知する。例えば報知制御部８４は、判定部８０の判定結果を表示ユニット５２に表示させるための制御信号を生成し、表示ユニット５２に出力する。これにより、判定部８０の判定結果が表示ユニット５２に表示され、オペレーターに通知される。図７（Ａ）及び図７（Ｂ）に、表示ユニット５２に表示される表示画面の例を示す。

図７（Ａ）は、加工痕１１ｃのエッジであると判定された境界線が図示された判定結果表示画面５２ａを表示する表示ユニット５２を示す正面図である。例えば表示ユニット５２が表示する判定結果表示画面５２ａには、画像７２と、加工痕１１ｃのエッジであると判定された境界線を示す表示欄５２ｂと、が含まれる。表示欄５２ｂには、当該境界線が加工痕１１ｃのエッジ（カーフエッジ）であることを示す文字列（メッセージ）、コード、図形、記号等が表示される。

図７（Ｂ）は、判定対象となった各境界線についてそれが加工痕１１ｃのエッジである確率が図示された判定結果表示画面５２ｃを表示する表示ユニット５２を示す正面図である。例えば表示ユニット５２が表示する判定結果表示画面５２ｃには、画像７２と、各境界線についてそれが加工痕１１ｃのエッジである確率を示す表示欄５２ｄと、が含まれる。例えば、学習済みモデル９０から出力された各境界線の第１出力値に対応する値が、この確率として表示欄５２ｄに百分率で表示される。

表示ユニット５２に表示欄５２ｂ，５２ｄともに画像７２が表示されると、オペレーターは画像７２と判定結果とを同時に確認して見比べることができる。これにより、学習済みモデル９０による判定が妥当であるか否かをオペレーターが自己の判断に基づいて確認することが可能になる。

なお、学習済みモデル９０は、ソフトウェアとハードウェアのいずれによって実現されてもよい。例えば、ニューラルネットワークＮＮの入力層９２、出力層９４、隠れ層９６における演算がプログラムによって記述され、このプログラムが記憶部８２に記憶される。また、同様に制御ユニット５６の画像処理部７４及び情報作成部７６等についても、ソフトウェアとハードウェアのいずれによって実現されてもよい。例えば、画像処理部７４及び情報作成部７６等が実施する処理がプログラムによって記述され、このプログラムが記憶部８２に記憶される。

そして、画像７２に写る境界線から加工痕１１ｃのエッジを特定する際には、記憶部８２からこれらのプログラムが読み出され、制御ユニット５６によって実行される。これにより、学習済みモデル９０に各境界線に関する情報７８ａ，７８ｂを入力する処理と、学習済みモデル９０の演算を実行する処理と、がコンピュータによって実行され、各境界線が加工痕１１ｃのエッジであるか否かが判定される。

画像７２に写る各境界線が加工痕１１ｃのエッジであるか否かの判定は、被加工物１１の加工後に、制御ユニット５６で実施されるカーフチェックに先立ち、所定のタイミングで実施される。そして、制御ユニット５６は、画像７２に写る加工痕１１ｃのエッジと判定される２つの境界線で挟まれた領域を加工痕１１ｃとして特定し、特定された加工痕１１ｃに対してカーフチェックに係る所定の処理を実施する。

ここで、画像７２に写る各境界線から加工痕１１ｃのエッジと判定される２つの境界線が定まらず、画像７２に写る加工痕１１ｃの特定に至らない場合は、報知制御部８４は表示ユニット５２及び報知ユニット５４に警告を発信させてもよい。また、画像７２に写る加工痕１１ｃが特定された場合においても、カーフチェックが実施された結果、加工痕１１ｃが所定の品質で形成されていないことが確認された場合、報知制御部８４は表示ユニット５２及び報知ユニット５４に警告を発信させてもよい。

例えば報知制御部８４は、表示ユニット５２に制御信号を出力し、異常の発生及び内容を知らせるメッセージを表示ユニット５２に表示させる。また、報知制御部８４は、報知ユニット５４に制御信号を出力し、報知ユニット５４を所定の色又はパターンで点灯させる。これにより、被加工物１１の加工状況の異常がオペレーターに通知され、オペレーターが異常の内容に応じた措置をとることが可能になる。

以上のように、本実施形態に係る切削装置２には、被加工物１１の画像（画像７２）に写る各境界線について、該境界線が加工痕１１ｃのエッジであるか否かを判定可能な学習済みモデル９０を備える制御ユニット５６が搭載される。これにより、カーフチェックに先立って画像７２に写る加工痕１１ｃを高精度且つ迅速に特定し、加工痕１１ｃの誤検出や、不適切なカーフチェックを防止できる。

また、機械学習によって構成された学習済みモデル９０は、様々な撮像条件下で取得された被加工物１１の画像７２に写る境界線について、各境界線に関する情報７８ａ，７８ｂの特徴を抽出して該境界線が加工痕１１ｃのエッジであるか否かを判定でき、汎用性が高い。そのため、被加工物１１の表面１１ａ側に形成されている各種の構造物、加工痕１１ｃの大きさ、位置等が被加工物１１の種類ごとに異なる場合にも、境界線に関する情報７８ａ，７８ｂの特徴が適切に抽出され、いずれの境界線が加工痕１１ｃのエッジであるかが高精度で特定される。

また、機械学習によって構成された学習済みモデル９０は、様々な撮像条件下で取得された被加工物１１の画像７２によって生成される。そのため、被加工物１１の撮像前に撮像条件を揃える作業（被加工物１１の位置及び角度の調節、照明の光量及び色彩の調節等）を省略しても、各境界線が加工痕１１ｃのエッジであるか否かが正しく判定される。これにより、画像７２に写る加工痕１１ｃのエッジを高精度且つ迅速に判定することが可能になる。

ここで、以上に説明した通り構成される本実施形態に係る切削装置２でカーフチェックを実施する方法について説明し、本実施形態に係る切削装置２について小括する。切削装置２は、被加工物１１を切削（加工）して被加工物１１にストリート１３に沿った加工痕１１ｃを形成する。そして、加工痕１１ｃが形成された被加工物１１の表面１１ａを図５に示す通り撮像ユニット４２で撮像し、画像７２を得る。

その後、制御ユニット５６は、画像７２に所定の画像処理を実施して処理済み画像７２ａを生成し、この処理済み画像７２ａを利用して画像７２に写る境界線を検出する。そして、制御ユニット５６は、画像７２に写る境界線に関する情報７８ａ，７８ｂを作成し、これを学習済みモデル９０に入力する。そして、これらの境界線が被加工物１１に形成された加工痕１１ｃのエッジ（カーフエッジ）であるか否かを示す判定結果を学習済みモデル９０に出力させる。

これにより、様々な条件下で撮像されて取得された画像７２に写る境界線の特徴が適切に抽出され、画像７２に写る境界線が加工痕１１ｃのエッジであるか否か精度よく判定される。そのため、加工痕１１ｃのエッジでない境界線を加工痕１１ｃのエッジであると判定する誤判定が防止され、適切なカーフチェックを実施できる状態となる。

すなわち、学習済みモデル９０により加工痕１１ｃのエッジと判定された２つの境界線の間の領域は、画像７２における加工痕（カーフ）１１ｃが写る領域である可能性が高い。そこで、制御ユニット５６は画像７２に写る加工痕１１ｃについてカーフチェックを実施し、加工痕１１ｃの状態や加工の精度等を評価するとよい。

なお、学習済みモデル９０による判定の結果、加工痕１１ｃのエッジと判定される境界線が画像７２から検出されない場合、制御ユニット５６は、撮像ユニット４２で撮像する被加工物１１の領域を変更して一連の処理を再実施する。または、制御ユニット５６は、表示ユニット５２及び報知ユニット５４に警告を発信させてもよい。

なお、切削装置２に学習済みモデル９０を搭載する方法に制限はない。例えば、切削装置２の製造者（メーカー）は、学習済みモデル９０を生成して切削装置２に組み込んだ後、切削装置２を使用者に提供する。また、切削装置２の製造者は、使用者が使用している従来型の切削装置（学習済みモデル９０を未搭載の切削装置）に学習済みモデル９０を配信することにより、学習済みモデル９０を搭載した切削装置２を使用者に事後的に提供することもできる。

図８は、切削装置２Ａに学習済みモデル９０を提供する学習済みモデル提供システム１００を示す模式図である。学習済みモデル提供システム１００は、学習済みモデル９０を配信する配信部１０２と、配信部１０２と使用者が使用する複数の切削装置２とを接続するネットワーク１０４とを含む。

配信部１０２は、切削装置２の製造者によって管理されるサーバ等に相当し、有線又は無線でネットワーク１０４に接続されている。また、切削装置２Ａは、使用者が使用している従来型の切削装置であり、学習済みモデル９０を内蔵していない。なお、切削装置２Ａの構成は、学習済みモデル９０の有無を除いて切削装置２（図１参照）と同様である。そして、切削装置２Ａの制御ユニット５６は有線又は無線でネットワーク１０４に接続されている。

切削装置２の製造者は、配信部１０２を管理し、配信部１０２からネットワーク１０４を介して学習済みモデル９０を切削装置２Ａに配信する。具体的には、まず、切削装置２の製造者は、機械学習によって学習済みモデル９０を生成し、学習済みモデル９０を記述するプログラム１０６を作成する。プログラム１０６には、画像処理部７４及び情報作成部７６の機能をコンピュータに実行させる処理が含まれてもよい。

プログラム１０６は、学習済みモデル９０に境界線に関する情報７８ａ，７８ｂを入力する処理と、学習済みモデル９０の演算を実行する処理と、をコンピュータに実行させるプログラムである。さらに、プログラム１０６は、画像７２に画像処理を実施する処理と、画像７２に写る境界線に関する情報７８ａ，７８ｂを作成する処理と、をコンピュータに実行させてもよい。

そして、切削装置２の製造者は、使用者の要求に応じて、プログラム１０６を切削装置２Ａにネットワーク１０４を介して供給する。配信部１０２によって配信されたプログラム１０６は、切削装置２Ａによって受信され、切削装置２Ａの制御ユニット５６に記憶される。これにより、学習済みモデル９０を搭載した切削装置２が製造される。そして、切削装置２の制御ユニット５６は、所定のタイミングでプログラム１０６を読み出して実行することにより、画像７２に写る境界線が加工痕１１ｃのエッジであるか否かを判定する（図５参照）。

また、切削装置２の製造者は、記録メディア１０８を用いてプログラム１０６を提供することもできる。具体的には、切削装置２の製造者は、プログラム１０６が記憶された記録メディア１０８を切削装置２Ａの使用者に提供する。なお、記録メディア１０８は、光ディスク、フラッシュメモリ等の、コンピュータ読み取り可能な非一時的記録媒体である。そして、切削装置２Ａの使用者は、記録メディア１０８に記憶されたプログラム１０６を制御ユニット５６に読み取らせて記憶する。

上記のように、ネットワーク１０４又は記録メディア１０８を用いてプログラム１０６を配信することにより、使用者が使用中の切削装置２Ａに学習済みモデル９０を事後的に導入することができる。また、学習済みモデル９０が更新された場合には、切削装置２の製造者は、更新後の学習済みモデル９０を記述するプログラム、又は、更新後の学習済みモデル９０のパラメータに相当するデータを、ネットワーク１０４又は記録メディア１０８を用いて配信できる。これにより、最新の学習済みモデル９０を搭載した切削装置２が使用者に提供される。

次に、本実施形態に係る学習済みモデルの生成方法の具体例について説明する。例えば学習済みモデル９０は、画像に写る加工痕のエッジである境界線に関する情報と、加工痕のエッジではない境界線に関する情報と、を用いた教師あり学習を実施することによって生成される。図１１は、本実施形態に係る学習済みモデルの生成方法の各ステップの流れを示すフローチャートである。以下では一例として、切削装置２を用いた学習済みモデルの生成方法について詳述する。

図９は、学習済みモデル９０の生成時における切削装置２を示すブロック図である。学習済みモデル９０を生成する際は、まず、加工された被加工物１１に対応し加工痕１１ｃが形成されたサンプル（画像取得用被加工物、学習用被加工物）２３を撮像することにより、画像を取得する（画像取得ステップＳ１０）。

サンプル２３は、切削装置２によって加工される予定の被加工物１１と同一又は類似の構成を有する被加工物である。例えばサンプル２３は、被加工物１１と同一の材質でなる円盤状のウェーハであり、互いに概ね平行な表面（第１面）２３ａ及び裏面（第２面）２３ｂを備える。また、サンプル２３は、互いに交差するように格子状に配列された複数のストリート（分割予定ライン）によって複数の領域に区画されており、ストリートによって区画された複数の領域の表面２３ａ側にはそれぞれデバイスが形成されている。

デバイスの構造、寸法、配列等は、被加工物１１のデバイス１５（図２（Ａ）参照）と同様である。また、サンプル２３の表面２３ａ側には、電極、配線、端子、回路等の構造物が設けられており、規則的なパターンが形成されている。

サンプル２３は、環状のフレーム２９の開口の内側に配置され、テープ３１を介してフレーム２９によって支持される。フレーム２９及びテープ３１の材質、構造等はそれぞれ、フレーム１７及びテープ１９（図２（Ａ）参照）と同様である。そして、サンプル２３は、フレーム２９によって支持された状態でカセット８（図１参照）に収容される。

画像取得ステップＳ１０では、まず、カセット８（図１参照）に収容されたサンプル２３をチャックテーブル１０に搬送し、チャックテーブル１０によって保持する。なお、サンプル２３が搬送、保持される際の切削装置２の動作は、被加工物１１が搬送、保持される場合と同様である。

次に、サンプル２３を加工する。例えば、サンプル２３を切削ブレード５８（図３参照）でストリートに沿って切削し、複数のチップに分割する。なお、サンプル２３を切削する際の切削装置２の動作は、被加工物１１の切削の場合と同様である。サンプル２３を加工すると、表面２３ａから裏面２３ｂに至る加工痕（カーフ）がストリートに沿ってサンプル２３に形成される。そして、画像取得ステップＳ１０では、撮像ユニット４２によってサンプル２３の表面２３ａ側が撮像され、加工済みのサンプル２３の画像が取得される。

図１０（Ａ）は、加工痕２３ｃを含むサンプル２３の画像（撮像画像、学習用画像）１１０Ａを示す画像図である。なお、説明の便宜の為、図１０（Ａ）では、一方向に沿って加工され同方向に沿った加工痕２３ｃが形成された状態のサンプル２３の表面２３ａ側が拡大されて示されている。サンプル２３に形成される加工痕２３ｃは、他の方向に沿ったストリートにも形成されてもよい。

図１０（Ａ）に示す通り、加工後のサンプル２３の表面２３ａ側が写る画像１１０Ａには、サンプル２３に形成された加工痕２３ｃのみならず、デバイス２７を構成する各層（各薄膜）や、ストリート２５に形成されたＴＥＧや電極等の構造物が写る。そして、画像１１０Ａには、加工痕２３ｃのエッジ（カーフエッジ）のみならず、デバイス２７を構成する各層の輪郭や、ストリート２５に形成された構造物の輪郭が境界線３３ａ，３３ｂ，３３ｃ，３３ｄ，３３ｅ，３３ｆ，３３ｇとして写る。

また、画像取得ステップＳ１０では、移動ユニット２４Ａ（図１参照）によって撮像ユニット４２をＺ軸方向に沿って昇降させて撮像ユニット４２の撮像範囲及び焦点位置を変化させつつ、サンプル２３を複数回撮像してもよい。これにより、倍率やぼかしの程度が異なる複数の画像１１０Ａが取得される。

さらに、撮像ユニット４２は、撮像時にサンプル２３を照らす照明を備えていてもよい。この場合、画像取得ステップＳ１０では、照明からサンプル２３に照射される光の光量又は色彩を変えつつサンプル２３を複数回撮像することにより、明度又は彩度が異なる複数の画像１１０Ａを取得してもよい。上記のように加工済みのサンプル２３を複数回撮像することにより、例えば１０００枚以上２０００枚以下の画像１１０Ａが取得される。

次に、画像取得ステップＳ１０で取得された画像１１０Ａから、画像１１０Ａに写る境界線を検出する検出ステップＳ２０が実施される。検出ステップＳ２０では、まず、制御ユニット５６の画像処理部７４により、画像１１０Ａを境界線の抽出がしやすいように境界線を強調する画像処理を画像１１０Ａに実施する。形成された処理済み画像は、境界線強調画像ともいえる。

画像処理部７４が画像１１０Ａにする画像処理は、画像処理部７４が画像７２（図６（Ａ）参照）にする画像処理と同様である。そのため、ここでは説明を省略する。図１０（Ｂ）は、画像処理部７４が画像１１０Ａに対して画像処理をすることで得られた処理済み画像１１０Ｂを模式的に示す平面図である。すなわち、検出ステップＳ２０では、境界線を強調する画像処理を画像１１０Ａに実施して処理済み画像１１０Ｂを作成することが好ましい。図１０（Ｂ）に示す処理済み画像１１０Ｂでは、境界線に対応する画素が白で、それ以外の画素が黒で着色されている。

検出ステップＳ２０では、画像１１０Ａに写る境界線がこの処理済み画像１１０Ｂに基づいて検出される。例えば、制御ユニット５６の情報作成部７６は、処理済み画像１１０Ｂに基づいて画像１１０Ａに写る境界線を検出する。その後、検出ステップＳ２０で検出された各境界線について、境界線に関する情報を取得する情報取得ステップＳ３０が実施される。情報取得ステップＳ３０では、主に情報作成部７６の機能により画像１１０Ａに写る境界線に関する情報が作成される。

ここで、情報作成部７６が画像１１０Ａに写る境界線に関する情報を作成する手順は、情報作成部７６が画像７２（図６（Ａ）参照）に写る境界線に関する情報７８ａ，７８ｂ（図５参照）を作成する手順とほぼ同様であるため、重複する説明を省略する。

なお、情報作成部７６が作成する画像１１０Ａに写る境界線に関する情報は、次に説明する学習ステップＳ４０において教師あり学習に教師データとして使用される。そのために、情報取得ステップＳ３０において、画像１１０Ａに写る各境界線に関する情報には、当該境界線がサンプル２３に形成された加工痕２３ｃのエッジであるか否かを示すラベル情報が付加される。

図１０（Ｂ）は、処理済み画像１１０Ｂを模式的に示す平面図である。図１０（Ｂ）には、画像１１０Ａに写る検出された境界線に対するラベルの一例が示されている。各ラベルは、例えば、切削装置２を使用するオペレーターにより作成される。この場合、制御ユニット５６は、画像１１０Ａ又は処理済み画像１１０Ｂと、検出された境界線と、を表示ユニット５２に表示する。

そして、オペレーターは、検出された各境界線を順次確認しつつ“カーフエッジ”か“他の境界線”のラベル（分類情報）を入力していく。例えば、図１０（Ａ）及び図１０（Ｂ）に示すように、境界線３３ａ，３３ｂに対しては“カーフエッジ”のラベルを付し、境界線３３ｃ，３３ｄ，３３ｅ，３３ｆ，３３ｇに対しては“他の境界線”のラベルを付す。

こうして、画像１１０Ａに写る境界線に関する各情報にラベルが付加され、境界線情報７８ｃ，７８ｄが作成され、境界線情報７８ｃ，７８ｄが記憶部８２に含まれる学習情報記憶部８２ａに蓄積される。より詳細には、情報取得ステップＳ３０では、加工痕２３ｃのエッジに相当する境界線に関する第１の境界線情報７８ｃと、該加工痕のエッジに相当しない境界線に関する第２の境界線情報７８ｄと、が作成され取得される。取得された第１の境界線情報７８ｃ及び第２の境界線情報７８ｄは、教師データとして学習情報記憶部８２ａに蓄積される。

ここで、情報取得ステップＳ３０で取得される第１の境界線情報７８ｃは、例えば、画像１１０Ａにおける加工痕２３ｃのエッジに相当する境界線を構成する各点の位置情報を含む。または、画像１１０Ａにおける加工痕２３ｃのエッジに相当する該境界線の位置及び加工痕２３ｃのエッジに相当する該境界線の伸長方向に垂直な方向における該境界線を構成する各点の変位を含んでもよい。さらに、画像１１０Ａにおける加工痕２３ｃのエッジに相当する該境界線の直進性の評価結果を含んでもよく、画像１１０Ａにおける加工痕２３ｃのエッジに相当する該境界線を挟んだ両領域のコントラスト比の大きさを含んでもよい。そして、第１の境界線情報７８ｃは、これらのうち一つまたは複数を含む。

また、情報取得ステップＳ３０で取得される第２の境界線情報７８ｄは、例えば、画像１１０Ａにおける加工痕２３ｃのエッジに相当しない境界線を構成する各点の位置情報を含む。または、画像１１０Ａにおける加工痕２３ｃのエッジに相当しない該境界線の位置及び加工痕２３ｃのエッジに相当しない該境界線の伸長方向に垂直な方向における該境界線を構成する各点の変位を含んでもよい。さらに、画像１１０Ａにおける加工痕２３ｃのエッジに相当しない該境界線の直進性の評価結果を含んでもよく、画像１１０Ａにおける加工痕２３ｃのエッジに相当しない該境界線を挟んだ両領域のコントラスト比の大きさを含んでもよい。そして、第２の境界線情報７８ｄは、これらのうち一つまたは複数を含む。

なお、次に説明する学習ステップＳ４０において判定精度の高い学習済みモデルを生成するために、ここまで説明した画像取得ステップＳ１０、検出ステップＳ２０、及び情報取得ステップＳ３０は、繰り返し実施されてもよい。そして、第１の境界線情報７８ｃ及び第２の境界線情報７８ｄが数多く取得されてもよい。例えば、１０００枚以上２０００枚以下の画像１１０Ａが取得された場合、各画像１１０Ａに画像処理が実施され、各画像１１０Ａに写る境界線が検出され、第１の境界線情報７８ｃ及び第２の境界線情報７８ｄが取得される。

また、切削装置２によって材質、構造、寸法等が異なる複数の種類の被加工物１１が加工される場合には、各被加工物１１に対応する複数の種類のサンプル２３を用いて画像取得ステップＳ１０、検出ステップＳ２０、及び情報取得ステップＳ３０が実施される。これにより、第１の境界線情報７８ｃ及び第２の境界線情報７８ｄがサンプル２３の種類ごとに収集される。

さらに、教師データとして使用される第１の境界線情報７８ｃ及び第２の境界線情報７８ｄは他の方法によって収集してもよい。例えば、過去に取得された加工後の被加工物１１の画像がデータベース等に蓄積されている場合には、被加工物１１の画像から第１の境界線情報７８ｃ及び第２の境界線情報７８ｄが作成され取得されてもよい。

次に、加工された被加工物を撮像して得られた画像に写る境界線に関する情報が入力されると該境界線が加工痕のエッジであるか否かを示す判定結果を出力する学習済みモデルを生成する学習ステップＳ４０について説明する。学習ステップＳ４０では、第１の境界線情報７８ｃ及び第２の境界線情報７８ｄを用いた機械学習によって学習済みモデルが生成される。

例えば学習ステップＳ４０では、境界線が“カーフエッジ”であるとの分類情報を含む第１の境界線情報７８ｃと、境界線が“他の境界線”であるとの分類情報を含む第２の境界線情報７８ｄと、を教師データとして用いた教師あり学習が行われる。具体的には、第１の境界線情報７８ｃ及び第２の境界線情報７８ｄが、ニューラルネットワークＮＮに入力されるとともに、正解ラベルとして“カーフエッジ”か“他の境界線”の分類情報がニューラルネットワークＮＮに入力される。

そして、ニューラルネットワークＮＮの出力と正解ラベルとの誤差が小さくなるように、ニューラルネットワークＮＮのパラメータ（ニューロンの重み及びバイアス等）が更新される。これにより、ニューラルネットワークＮＮは、入力層９２に境界線に関する情報が入力されると出力層９４から当該境界線が加工痕のエッジ（カーフエッジ）であるか否かを示す判定結果を出力するように再構成される。学習のアルゴリズムとしては、例えば誤差逆伝播法を用いることができる。

学習済みのニューラルネットワークＮＮは、制御ユニット５６に記憶される。これにより、学習済みモデル９０を搭載した切削装置２が得られる。なお、ニューラルネットワークＮＮの学習のための演算は、切削装置２の外部に設けられた大規模且つ高性能な計算機によって実行されてもよい。この場合には、学習済みのニューラルネットワークＮＮ（又は学習済みのニューラルネットワークＮＮのパラメータ）が制御ユニット５６に入力され、記憶される。

上記の通り、本実施形態に係る学習済みモデルの生成方法では、加工痕２３ｃが形成されたサンプル２３の撮像、境界線の検出、境界線に関する情報の作成、境界線の分類情報の付加、を連続して実施することにより、学習に使用される境界線情報７８ｃ，７８ｄが大量に取得される。これにより、学習済みモデル９０の生成に必要な大量の学習用データを効率的に収集できる。

そして、学習済みモデル９０によると、加工された被加工物１１が写る画像７２に写る境界線であって、加工痕のエッジでない境界線を加工痕のエッジであると判定する誤判定が防止される。そのため、被加工物１１に形成された加工痕１１ｃを高精度且つ迅速に検出して適切なカーフチェックが可能になる。

なお、上記実施形態では、加工された被加工物１１が写る画像７２において、一つの方向に沿った境界線について、学習済みモデル９０を用いてそれが加工痕１１ｃのエッジ（カーフエッジ）であるか否かを判定する場合について説明した。しかしながら、本発明の一態様はこれに限定されず、画像７２に写る他の方向に沿った境界線について、学習済みモデル９０を用いてそれが加工痕１１ｃのエッジ（カーフエッジ）であるか否かを判定してもよい。

そして、学習済みモデル９０は、加工された被加工物１１が画像７２写る第１の方向に沿った境界線と、第２の方向に沿った境界線と、のいずれに対してもそれが加工痕１１ｃのエッジ（カーフエッジ）であるか否かを判定する判定結果を出力してもよい。この場合、学習済みモデル９０は、画像７２写る第１の方向に沿った境界線と、第２の方向に沿った境界線と、のいずれも判定対象とできるように上述と同様の機械学習により生成されるとよい。

その他、上記実施形態に係る構造、方法等は、本発明の目的の範囲を逸脱しない限りにおいて適宜変更して実施できる。

１１被加工物
１１ａ，２３ａ表面（第１面）
１１ｂ，２３ｂ裏面（第２面）
１１ｃ，２３ｃ加工痕（カーフ）
１３，２５ストリート（分割予定ライン）
１５，２７デバイス
１７，２９フレーム
１７ａ開口
１９，３１テープ
２１ａ，２１ｂ，２１ｃ，２１ｄ，２１ｅ，２１ｆ，２１ｇ境界線
２３サンプル
３３ａ，３３ｂ，３３ｃ，３３ｄ，３３ｅ，３３ｆ，３３ｇ境界線
２，２Ａ切削装置
４基台
４ａ，４ｂ，４ｃ開口
６カセット支持台
８カセット
１０チャックテーブル（保持テーブル）
１０ａ保持面
１２移動ユニット（移動機構）
１４テーブルカバー
１６防塵防滴カバー
１８クランプ
２０Ａ，２０Ｂ加工ユニット（切削ユニット）
２２支持構造
２４Ａ，２４Ｂ移動ユニット（移動機構）
２６Ｙ軸ガイドレール
２８Ａ，２８ＢＹ軸移動プレート
３０Ａ，３０ＢＹ軸ボールねじ
３２Ｙ軸パルスモータ
３４Ａ，３４ＢＺ軸ガイドレール
３６Ａ，３６ＢＺ軸移動プレート
３８Ａ，３８ＢＺ軸ボールねじ
４０Ａ，４０ＢＺ軸パルスモータ
４２撮像ユニット
４４洗浄ユニット
４６スピンナテーブル（チャックテーブル）
４６ａ保持面
４８ノズル
５０カバー
５２表示ユニット（表示部、表示装置）
５２ａ，５２ｃ判定結果表示画面
５２ｂ，５２ｄ表示欄
５４報知ユニット（報知部、報知装置）
５６制御ユニット（制御部、制御装置）
５８切削ブレード
５８ａ基台
５８ｂ切り刃
５８ｃ開口
６０ハウジング
６２スピンドル
６４ブレードマウント
６６フランジ部
６６ａ表面
６６ｂ凸部
６６ｃ支持面
６８ボス部（支持軸）
６８ａねじ溝
７０固定ナット
７０ａ開口
７２画像
７２ａ処理済み画像
７４画像処理部
７６情報作成部
７８ａ，７８ｂ，７８ｃ，７８ｄ情報
８０判定部
８２記憶部
８４報知制御部
９０学習済みモデル
９２入力層
９４出力層
９６隠れ層（中間層）
９８判定結果処理部
１００学習済みモデル提供システム
１０２配信部
１０４ネットワーク
１０６プログラム
１０８記録メディア
１１０Ａ画像
１１０Ｂ処理済み画像

Claims

被加工物を加工する加工装置であって、
該被加工物を保持するチャックテーブルと、
該チャックテーブルによって保持された該被加工物を加工する加工ユニットと、
該チャックテーブルによって保持された該被加工物を撮像する撮像ユニットと、
プロセッサ及びメモリを有する制御ユニットと、を備え、
該制御ユニットは、
該加工ユニットによって加工され加工痕が形成された該被加工物の表面を該撮像ユニットに撮像させ、取得された画像に写る境界線に関する情報を作成する機能を有し、
該境界線に関する情報が入力されると該境界線が該加工痕のエッジであるか否かを示す判定結果を出力するように機械学習によって構成された学習済みモデルを備え、
該画像に写る該境界線に関する該情報は、該画像における該境界線を構成する各点の位置情報と、該画像における該境界線の位置及び該境界線の伸長方向に垂直な方向における該境界線を構成する各点の変位と、該画像における該境界線の直進性の評価結果と、該画像における該境界線を挟んだ両領域のコントラスト比の大きさと、のうち一つまたは複数を含むことを特徴とする加工装置。
該制御ユニットは、該境界線を強調する画像処理を該画像に実施して処理済み画像を作成し、該処理済み画像に基づいて該画像に写る境界線に関する情報を作成することを特徴とする請求項１に記載の加工装置。
加工された被加工物を撮像して得られた画像に写る境界線が加工痕のエッジであるか否かを判定するためのプログラムであって、
該画像に写る該境界線に関する情報が入力されると該境界線が加工痕のエッジであるか否かを示す判定結果を出力するように機械学習によって構成された学習済みモデルを含み、
該学習済みモデルに該境界線に関する情報を入力する処理と、
該学習済みモデルの演算を実行する処理と、をコンピュータに実行させ、
該画像に写る該境界線に関する該情報は、該画像における該境界線を構成する各点の位置情報と、該画像における該境界線の位置及び該境界線の伸長方向に垂直な方向における該境界線を構成する各点の変位と、該画像における該境界線の直進性の評価結果と、該画像における該境界線を挟んだ両領域のコントラスト比の大きさと、のうち一つまたは複数を含むことを特徴とするプログラム。
該境界線を強調する画像処理を該画像に実施して処理済み画像を作成し該処理済み画像に基づいて該境界線を検出する処理と、
該画像に写る境界線に関する情報を作成する処理と、をさらに該コンピュータに実行させることを特徴とする請求項３に記載のプログラム。
加工された被加工物を撮像して得られた画像に写る境界線が加工痕のエッジであるか否かを判定する学習済みモデルを生成する学習済みモデルの生成方法であって、
加工された被加工物に対応し加工痕が形成されたサンプルを撮像して画像を取得する画像取得ステップと、
該画像取得ステップで取得された該画像から、該画像に写る境界線を検出する検出ステップと、
該検出ステップで検出された境界線のうち、該加工痕のエッジに相当する境界線に関する第１の境界線情報と、該加工痕のエッジに相当しない境界線に関する第２の境界線情報と、を取得する情報取得ステップと、
該第１の境界線情報及び該第２の境界線情報を用いた機械学習によって、加工された被加工物を撮像して得られた画像に写る境界線に関する情報が入力されると該境界線が加工痕のエッジであるか否かを示す判定結果を出力する学習済みモデルを生成する学習ステップと、を含むことを特徴とする学習済みモデルの生成方法。
該情報取得ステップで取得される該第１の境界線情報は、該画像における該加工痕のエッジに相当する該境界線を構成する各点の位置情報と、該画像における該加工痕のエッジに相当する該境界線の位置及び該加工痕のエッジに相当する該境界線の伸長方向に垂直な方向における該境界線を構成する各点の変位と、該画像における該加工痕のエッジに相当する該境界線の直進性の評価結果と、該画像における該加工痕のエッジに相当する該境界線を挟んだ両領域のコントラスト比の大きさと、のうち一つまたは複数を含み、
該情報取得ステップで取得される該第２の境界線情報は、該画像における該加工痕のエッジに相当しない該境界線を構成する各点の位置情報と、該画像における該加工痕のエッジに相当しない該境界線の位置及び該加工痕のエッジに相当しない該境界線の伸長方向に垂直な方向における該境界線を構成する各点の変位と、該画像における該加工痕のエッジに相当しない該境界線の直進性の評価結果と、該画像における該加工痕のエッジに相当しない該境界線を挟んだ両領域のコントラスト比の大きさと、のうち一つまたは複数を含むことを特徴とする請求項５に記載の学習済みモデルの生成方法。
該検出ステップでは、該境界線を強調する画像処理を該画像に実施して処理済み画像を作成し該処理済み画像に基づいて該境界線を検出し、
該情報取得ステップでは、該第１の境界線情報及び該第２の境界線情報の取得に該処理済み画像が使用されることを特徴とする請求項５または請求項６に記載の学習済みモデルの生成方法。