TW202328671A - 自動缺陷分類裝置 - Google Patents
自動缺陷分類裝置 Download PDFInfo
- Publication number
- TW202328671A TW202328671A TW111143921A TW111143921A TW202328671A TW 202328671 A TW202328671 A TW 202328671A TW 111143921 A TW111143921 A TW 111143921A TW 111143921 A TW111143921 A TW 111143921A TW 202328671 A TW202328671 A TW 202328671A
- Authority
- TW
- Taiwan
- Prior art keywords
- classification
- defect
- image
- images
- category
- Prior art date
Links
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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Power Engineering (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本發明之課題在於提供一種自動缺陷分類裝置,其即使構成教導資料之缺陷圖像較多,仍易於對使用者所賦予之分類類別糾正錯誤,可提高自動缺陷分類之精度。
本發明於使用教導資料對於分類類別未知之缺陷圖像自動賦予分類類別之自動缺陷分類裝置中,具備:
教導資料評估用分類器產生部、特徵量算出部、
類別不一致度算出部,其算出缺陷圖像之特徵量、及設定為與賦予至該缺陷圖像者相同和不同之分類類別的特徵量之容許基準各者之不一致程度;及
分類錯誤圖像檢測部,其選出算出之不一致程度最小之分類類別,將判定為選出之分類類別與由使用者賦予之分類類別不一致、且不一致程度超過預先規定之基準值者,檢測為分類錯誤圖像。
Description
本發明關於一種自動缺陷分類裝置,該自動缺陷分類裝置使用包含由使用者賦予分類類別之複數個缺陷圖像之教導資料製作分類基準,並基於該分類基準對分類類別未知之缺陷圖像自動決定分類類別。
例如,半導體器件於1片半導體晶圓上層狀地重疊形成多個半導體器件電路(即,器件晶片之重複外觀圖案)後,單片化為各個晶片零件,將該晶片零件封裝,作為電子零件以單體出貨或組裝至電器製品。
且,於將各個晶片零件單片化之前,保持1片半導體晶圓並重複進行成膜或曝光、顯影、蝕刻、平滑化處理等,於其途中對形成於晶圓上之器件晶片進行缺陷檢測或缺陷之種類分類(例如,專利文獻1、2)。
[先前技術文獻]
[專利文獻]
[專利文獻1]日本專利特開2007-071586號公報
[專利文獻2]日本專利特開平11-344450號公報
[發明所欲解決之問題]
為了對分類類別未知之缺陷圖像自動決定分類類別而使用教導資料製作分類基準,但構成該教導資料之複數個缺陷圖像由使用者賦予分類類別。因此,若於教導資料中,於使用者進行之分類類別之賦予有錯誤,則分類精度降低。
另一方面,構成教導資料之複數個缺陷圖像之張數越多,自動分類之精度越提高,但因伴隨目視之作業,故隨著張數變多,而變得難以注意到錯誤,因此難以提高分類精度。
於先前文獻2,揭示有與向教導資料所包含之缺陷圖像賦予之分類類別(即,使用者預先賦予之分類類別)之修正有關之技術。算出判別函數,向使用者提示分類類別不一致之圖像。為了提高分類精度,期望使用者亦確認位於分類邊界附近之教導圖像,但於該方法中,因未顯示分類邊界附近之分類類別一致之圖像,故難以提高分類精度。
因此本發明係鑑於上述問題點而完成者,
目的在於提供一種即使構成教導資料之缺陷圖像較多,亦易於對使用者賦予之分類類別糾正錯誤,可提高自動缺陷分類之精度之自動缺陷分類裝置。
[解決問題之技術手段]
為了解決以上問題,本發明之一態樣係
使用預先由使用者對複數個缺陷圖像各者賦予分類類別之教導資料,產生對於缺陷圖像之分類器,基於該分類器對分類類別未知之缺陷圖像自動賦予分類類別,且特徵在於具備:
教導資料輸入部,其輸入教導資料;及
處理部,其對複數個缺陷圖像進行特定處理;且
處理部具備:
教導資料評估用分類器產生部,其於對於分類類別未知之缺陷圖像產生分類器之前之階段,產生用於評估向包含於教導資料之複數個缺陷圖像賦予之分類類別之評估用分類器;
特徵量算出部,其基於評估用分類器,對包含於教導資料之複數個缺陷圖像各者進行特徵量之算出處理;
類別不一致度算出部,其對包含於教導資料之複數個缺陷圖像各者,算出該缺陷圖像之特徵量、與設定為與向該缺陷圖像賦予者相同及不同之分類類別之特徵量之容許基準各者之不一致程度;及
分類錯誤圖像檢測部,其對包含於教導資料之複數個缺陷圖像各者,選出算出之不一致程度最小之分類類別,將判定為選出之分類類別與使用者賦予之分類類別不一致、且不一致程度超過預先規定之基準值者,檢測為分類錯誤圖像。
[發明之效果]
即使構成教導資料之缺陷圖像較多,亦容易糾正使用者賦予之分類類別之錯誤,可提高自動缺陷分類之精度。
以下,對用於實施本發明之形態,使用圖式進行說明。
圖1係顯示將本發明具體化之形態之缺陷圖像Pn之一例之圖像圖。
於圖1(a)~(d),分別例示有包含缺陷X1~X4之缺陷圖像P1~P4。此處,將缺陷X1~X4之分類類別分別設為A缺陷、B缺陷、C缺陷、D缺陷。
另一方面,於圖1(e)~(h),作為參考用,分別例示有無缺陷之圖像P1'~P4'。
圖2係顯示包含本發明之自動缺陷分類裝置1之檢查系統100之整體構成之概略圖。
檢查系統100為拍攝用於對檢查對象W進行檢查之檢查圖像P,對檢查圖像P內之缺陷X之有無或個數、位置、缺陷種類等進行檢查,並輸出檢查結果者。具體而言,檢查系統100除自動缺陷分類裝置1外,亦包含攝像部110、搬送部120、缺陷檢測部140、控制部130等而構成。
搬送部110為一面保持檢查對象W,一面以特定速度移動或使其於特定場所靜止者。具體而言,搬送部110具備保持檢查對象W之工件保持部、或使檢查對象W於水平方向移動、旋轉之XYθ平台部等。
攝像部120為拍攝移動中或靜止中之檢查對象W,輸出檢查圖像P者。具體而言,攝像部120具備配備鏡筒或透鏡之光學系統本體部121、照明部122、攝像相機123。
缺陷檢測部130為取得自攝像部120輸出之檢查圖像P,檢測檢查圖像P內之缺陷X者。具體而言,缺陷檢測部130構成為:檢查檢查圖像P內是否包含缺陷X,若包含缺陷X,則附加該缺陷X之個數或位置、面積等之缺陷資訊(即,檢查結果),輸出缺陷圖像Px。
控制部140為統括控制檢查系統100者。具體而言,控制部140構成為:與自動缺陷分類裝置1、搬送部110、攝像部120、缺陷檢測部130等連接,對各部輸入輸出控制信號,使自動缺陷分類裝置1取得所需之缺陷圖像Px。
圖3係顯示將本發明具體化之形態之一例之整體構成之概略圖。於圖2顯示本發明之自動缺陷分類裝置1之概略圖。
自動缺陷分類裝置1為對潛藏於檢查對象W之缺陷X之種類進行分類者。
具體而言,自動缺陷分類裝置1構成為:取得自檢查系統100之缺陷檢測部130輸出之缺陷圖像Px,使用預先由使用者對複數個缺陷圖像Pn各者賦予分類類別之教導資料T,產生用於分類缺陷圖像Px之分類器,基於該分類器,對分類類別未知之缺陷圖像Px自動賦予分類類別。
更具體而言,自動缺陷分類裝置1具備缺陷圖像輸入部GI、教導資料輸入部2、操作輸入部3、記憶部4、處理部5、顯示部6、結果輸出部7等,由電腦(硬體)與其執行程式(軟體)等構成。
缺陷圖像輸入部GI為輸入缺陷圖像Px者。
具體而言,缺陷圖像輸入部GI為取得自外部裝置或主電腦等輸出之缺陷圖像Px之資料者。
教導資料輸入部2為輸入教導資料T者。
具體而言,教導資料輸入部2為取得自外部裝置或主電腦等輸出之教導資料T者。
另,於教導資料T,分別相關聯地儲存有複數個缺陷圖像Pn、與該等缺陷圖像Pn所包含之缺陷X之分類類別。
操作輸入部3為受理使用者之游標(亦稱為指針)操作或數值輸入等者。
具體而言,操作輸入部3為選擇顯示於顯示部6之圖像,或選擇、變更設定項目,或輸入數值者。
另,缺陷圖像輸入部GI、教導資料輸入部2、操作輸入部3由電腦之輸入部DI之一部分構成。
記憶部4為記憶教導資料T或缺陷圖像Pn、Px、用於各處理之程式等者。
具體而言,記憶部4由電腦之記憶體或輔助記憶裝置(SSD(Solid State Drive:固態驅動器)、HDD(Hard Disc Drive:硬碟驅動器)等)構成。
處理部5為對複數個缺陷圖像Pn或未知之缺陷圖像Px進行特定處理者。
具體而言,處理部5具備教導資料評估用分類器產生部51、特徵量算出部52、類別不一致度算出部53、分類錯誤圖像檢測部54、自動缺陷分類器產生部57、缺陷類別分類部59等,由電腦(硬體)與其執行程式(軟體)等構成。
教導資料評估用分類器產生部51為於產生用於對分類類別未知之缺陷圖像Px賦予分類類別之自動缺陷分類器Ba之前之階段,產生用於評估向包含於教導資料T之複數個缺陷圖像Pn賦予之分類類別之評估用分類器Bt者。
具體而言,教導資料評估用分類器產生部51為進行基於教導資料T之機械學習,產生包含決策樹等之評估用分類器Bt者。
更具體而言,教導資料評估用分類器產生部51產生評估用分類器Bt,該評估用分類器Bt包含產生複數個決策樹且由多數決策樹等決定該等預測結果之模型(所謂之隨機森林)。
特徵量算出部52為基於評估用分類器Bt,對包含於教導資料T之複數個缺陷圖像Pn各者進行特徵量之算出處理者。
具體而言,特徵量算出部52將評估用分類器Bt內之決策樹算出通過預測結果之各分類類別之特徵量之出現頻度,並將該出現頻度正規化等,計算每個分類類別之各特徵量之權重。且,將包含於教導資料T之全部複數個缺陷圖像Pn按每個分類類別進行分組,自分開之各分類類別之圖像群之特徵矢量,算出並決定用於按每個分類類別判定各特徵量之不一致程度之容許基準(例如正常值之範圍)。
另,特徵量係為了判別、分類缺陷而數值化者,且係與相當於缺陷或缺陷候補之像素區域之亮度值或顏色資訊、與背景之亮度差、長度、寬度、面積、周長、該像素區域內之濃淡差等相關之資料值。
又,特徵矢量係顯示為將特徵量設為成分之多維空間中之1點者,係於多維空間顯示複數個特徵矢量點時,顯示該點之距離越近越類似者。
類別不一致度算出部53為對包含於教導資料T之複數個缺陷圖像Pn各者,算出該缺陷圖像Pn之特徵量、與設定為與向該缺陷圖像Pn賦予者相同及不同之分類類別之特徵量之容許基準各者之不一致程度者。
具體而言,對包含於教導資料T之全部複數個缺陷圖像Pn,算出基於特徵量之特徵矢量。進而,自該等特徵矢量,按使用者分類之每個相同之分類類別,統計地算出特徵量之正常值之範圍。且,類別不一致度算出部53對包含於教導資料T之全部複數個缺陷圖像Pn,按使用者分類之每個相同之分類類別,對照各缺陷圖像Pn之特徵矢量之各特徵量成分是否落在正常值之範圍(即,判定一致/不一致)。且,檢測對於特徵量矢量之各特徵量成分判定為不一致之特徵量。且,基於對每個分類類別檢測出之不一致之特徵量,適當地加上加權等,算出對於賦予之分類類別之不一致程度。
分類錯誤圖像檢測部54係對複數個缺陷圖像Pn各者,選出算出之不一致程度最小之分類類別,將判定為選出之分類類別與使用者賦予之分類類別不一致、且不一致程度超過預先規定之基準值者,檢測為分類錯誤圖像Pw者。
具體而言,分類錯誤圖像檢測部54對包含於教導資料T之全部複數個缺陷圖像Pn,選出由類別不一致度算出部53算出之不一致程度最小之分類類別,並判定其是否與使用者賦予之分類類別一致。且,對判定為分類類別不一致之缺陷圖像,將判定為不一致程度超過預先規定之基準值(例如由統計性處理規定之閾值)者,檢測為分類錯誤圖像Pw。另一方面,於不一致程度為預先規定之基準值以下之情形時,不處理為分類錯誤圖像Pw。另,藉由將該基準值設定為零或極低之值,而將判定為分類類別不一致之缺陷圖像之全部或大部分,檢測為分類錯誤圖像Pw。另一方面,若將基準值設定為較大之值,則判定為分類類別不一致之缺陷圖像之一部分或多部分不會被檢測為分類錯誤圖像Pw。
且,處理部5將由分類錯誤圖像檢測部54檢測出之分類錯誤圖像Pw輸出至外部裝置或主電腦等,或使顯示部6以使用者可視覺辨認之方式顯示。
自動缺陷分類器產生部57為產生用於對缺陷圖像Px賦予分類類別之自動缺陷分類器Ba者。
具體而言,自動缺陷分類器產生部57係與教導資料評估用分類器產生部51同樣之構成,基於改善後之教導資料T'進行機械學習,產生包含決策樹等之自動缺陷分類器Ba。
缺陷類別分類部59為對分類類別未知之缺陷圖像Px賦予分類類別者。
具體而言,缺陷類別分類部59為基於自動缺陷分類器Ba,對分類類別未知之缺陷圖像Px賦予分類類別者。
顯示部6為顯示複數個缺陷圖像Pn、賦予該等缺陷圖像Pn之分類類別、與其他缺陷圖像相關之資訊、分類錯誤圖像Pw等者。
具體而言,顯示部6由影像監視器或觸控面板等(即,電腦之輸出部DO之一部分)構成。更具體而言,顯示部6與上述操作輸入部3組合,構成使用者介面U。
圖4係顯示將本發明具體化之形態之顯示部之一例之圖像圖。
於圖4例示有顯示於顯示部6之圖像圖G。
於圖像圖G包含缺陷圖像顯示區域G1、顯示基準設定區域G2、分類資訊顯示區域G3、明亮度設定區域G4、其他設定區域G5等。
缺陷圖像顯示區域G1為顯示複數個缺陷圖像Px、與向缺陷圖像Px賦予之分類類別之區域。
具體而言,於缺陷圖像顯示區域G1,複數個缺陷圖像Px以矩陣狀(亦稱為瓷磚狀)顯示,於該缺陷圖像Px下顯示有分類類別。進而構成為:於缺陷圖像顯示區域G1之右端,設置有使複數個缺陷圖像Px於縱向捲動之縱向捲動軸L11或上下移動按鈕B11、B12,於下端設置有使複數個缺陷圖像Px於橫向捲動之橫向捲動軸L12或左右移動按鈕B13、B14,可確認於缺陷圖像顯示區域G1內無法完整顯示(即,隱藏)之其他缺陷圖像Px。
且,對於分類錯誤圖像Pw,以與分類正確之其他缺陷圖像Pn易於區別之方式,以不同之形態進行顯示。具體而言,進行由虛線A包圍分類錯誤圖像Pw周圍之顯示(於本例中為區域G1中之左上、右下)。
顯示順序設定區域G2係設定顯示於缺陷圖像顯示區域G1之缺陷圖像Px之順序之區域。
具體而言,顯示順序設定區域G2自預先登錄之複數個顯示順序(例如資料清單升序、資料清單降序、類別升序、類別降序、不一致度升序、不一致度降序、…)中選擇1個進行設定,並顯示該方式。
另,資料清單升序/降序意指以賦予至缺陷圖像Pn之序號為基準,自左上端至右側及下側按升序/降序排列之方式。
又,類別升序/降序意指以賦予至缺陷圖像Pn之分類類別為基準,自左上端至右側及下側按升序/降序排列之方式。
又,不一致度升序/降序意指以賦予至缺陷圖像Pn之分類類別之不一致程度為基準,自左上端至右側及下側按升序/降序排列之方式。
例如,於顯示基準設定區域G2中雖然顯示當前設定之順序(於本例中為資料清單升序),但若按下按鈕D21,則其他顯示順序會被顯示為下拉清單。且,藉由於該下拉清單內移動、點擊游標C等而選擇欲顯示之順序(例如類別升序),則顯示變更後之顯示順序,將缺陷圖像顯示區域G1內之缺陷圖像Px重排為類別升序並顯示。
分類資訊顯示區域G3係顯示分類資訊之區域,該分類資訊與於缺陷圖像顯示區域G1中顯示之分類錯誤圖像Pw或缺陷圖像Px上移動、點擊游標C等而選擇之圖像(以下稱為選擇圖像)相關。具體而言,於分類資訊顯示區域G3中,配置有MDC顯示區域G31、MDC候補顯示區域G32、不一致程度顯示區域G33、分類變更目標選擇區域G34、變更按鈕B33等。
MDC顯示區域G31係對選擇圖像顯示使用者所賦予之分類類別之區域。例如,於MDC顯示區域G31中顯示有表示A缺陷之「NG-A」。
MDC候補顯示區域G32係顯示對於選擇圖像之再分類候補類別之區域。具體而言,於MDC候補顯示區域G32中,作為再分類候補類別,顯示不一致程度最少之分類類別。
不一致程度顯示區域G33係顯示選擇圖像被分類為各分類類別(NG-A、B、C、D、…)時之不一致程度之區域。具體而言,於不一致程度顯示區域G33中,以表格形式顯示各分類類別與不一致程度。
進而構成為:於不一致程度顯示區域G33之右端,設置有使複數個分類類別於縱向捲動之縱向捲動軸L31或上下移動按鈕B31、B32,可確認於不一致程度顯示區域G33內無法完整顯示(即,隱藏)之其他分類類別與不一致程度。
分類類別變更目標選擇區域G34係於變更賦予至選擇圖像之分類類別時,用於選擇要變更為哪個分類類別之區域。例如,其雖顯示當前賦予之分類類別(於本例中為NG-A),但若按下按鈕D31,則其他分類類別(NG-B、C、D、…)會被顯示為下拉清單。且,藉由於該下拉清單內移動、點擊游標C等,選擇欲變更之分類類別(例如NG-C),而顯示變更目標之分類類別(惟於該時點,教導資料T尚未變更)。
變更按鈕B33係用於決定變更之開關按鈕。藉由按下變更按鈕B33,顯示於分類類別變更目標選擇區域G34之分類類別,作為選擇圖像之分類類別變更教導資料T。
明亮度設定區域G4係用於變更、設定顯示於缺陷圖像顯示區域G1之分類錯誤圖像Pw或缺陷圖像Px之明亮度之區域。具體而言,於明亮度設定區域G4配置有明亮度設定值顯示區域G41或滑動開關L41。
於明亮度設定值顯示區域G41顯示有當前之明亮度設定值。
滑動開關L41為變更明亮度設定值者。藉由使游標C對準滑動開關L41,進行拖曳操作而左右移動,而變更當前之明亮度設定值,變更顯示於缺陷圖像顯示區域G1之分類錯誤圖像Pw或缺陷圖像Px之明亮度。
其他設定區域G5係用於進行上述項目以外之設定或各種操作指示等之區域。
於其他設定區域G5配置有分類錯誤基準設定區域G51或判定按鈕B51、顯示項目切換按鈕B52、警告顯示清除按鈕B53。
分類錯誤基準設定區域G51係顯示、設定用於檢測分類錯誤圖像Pw之錯誤判定方式之區域。
具體而言,分類錯誤基準設定區域G51係自預先登錄之複數個MDC錯誤判定方式(例如平均±3σ、平均±2σ、平均±σ、···)中選擇1個進行設定,並顯示該方式。例如,雖於分類錯誤基準設定區域G51顯示有當前設定之MDC錯誤判定方式(於本例中為平均±3σ),但若按下按鈕D51,則其他判定方式(平均±2σ,平均±σ,···)顯示為下拉清單。且,藉由於該下拉清單內移動、點擊游標C等選擇欲變更之判定方式(例如,平均±2σ),而顯示變更後之判定方式(但,於該時點未再判定)。
判定按鈕B51係用於以變更之判定方式再次進行判定之開關按鈕。藉由按下判定按鈕B51,而基於顯示於分類錯誤基準設定區域G51之判定方式,檢測分類錯誤圖像Pw,並顯示於缺陷圖像顯示區域G1。
顯示項目切換按鈕B52係切換於缺陷圖像顯示區域G1僅顯示分類錯誤圖像Pw,還是顯示分類錯誤圖像Pw與缺陷圖像Px之兩者之開關按鈕。例如,顯示項目切換按鈕B52係每次按下時切換接通(ON)/斷開(OFF)之狀態,且切換大致V字狀(亦稱為レ點)或黑白反轉等之勾選標記之顯示/非顯示之開關按鈕。具體而言,於顯示項目切換按鈕B52為接通時僅顯示分類錯誤圖像Pw,於顯示項目切換按鈕B52為斷開時,顯示分類錯誤圖像Pw與缺陷圖像Px之兩者。
警告顯示清除按鈕B53為非顯示包圍分類錯誤圖像Pw周圍之虛線A之顯示者。具體而言,藉由按下警告顯示清除按鈕B53,而消去所有虛線A。
結果輸出部RO為輸出分類結果者。
具體而言,對於由缺陷圖像輸入部GI取得之分類類別未知之缺陷圖像Px,將基於自動缺陷分類器Ba自動賦予之分類類別(即,分類結果)輸出至外部裝置或主電腦等。
更具體而言,結果輸出部RO由電腦之輸出部DO之一部分構成。
[處理流程]
圖5係顯示將本發明具體化之形態之一例之流程圖。於圖5顯示有使用本發明之自動缺陷分類裝置1,糾正潛藏於教導資料T之、由使用者賦予之分類類別之錯誤,提高自動缺陷分類之精度之流程。
首先,自教導資料輸入部2輸入自外部裝置或主電腦等輸出之教導資料T(步驟s1)。具體而言,基於使用者之指示,自外部裝置或主電腦等輸出教導資料T。
其次,由教導資料評估用分類器產生部51基於教導資料T產生評估用分類器Bt(步驟s2)。具體而言,藉由使用者按下顯示於任一畫面等之「執行」按鈕等,開始基於當前之教導資料T之機械學習,進行評估用分類器Bt之產生處理。
其次,由特徵量算出部52基於評估用分類器Bt,對包含於教導資料T之複數個缺陷圖像Pn各者進行特徵量之算出處理(步驟s3)。
其次,由類別不一致度算出部53對包含於教導資料T之複數個缺陷圖像Pn各者,算出缺陷圖像Pn之特徵量、與設定為與向缺陷圖像Pn賦予者相同及不同之分類類別之特徵量之容許基準各者之不一致程度(步驟s4)。
其次,由分類錯誤圖像檢測部54對複數個缺陷圖像Pn各者選出算出之不一致程度為最小之分類類別,將判定為選出之分類類別與使用者賦予之分類類別不一致、且不一致程度超過預先規定之基準值者,檢測為分類錯誤圖像Pw(步驟s5)。
其次,於顯示部6,對於分類錯誤圖像Pw,以與分類正確之其他缺陷圖像Pn易於區別之方式,以不同之形態顯示(步驟s6)。例如,如上述圖像圖G般,於缺陷圖像顯示區域G1中,進行由虛線A包圍分類錯誤圖像Pw周圍之顯示。
隨後,由使用者進行分類錯誤圖像Pw之確認作業,判斷是否需要變更(即,修正)包含於教導資料T之分類類別(步驟s7)。
根據需要,對於1個或複數個分類錯誤圖像Pw進行分類類別之變更(步驟s8),進行對於教導資料T之改善。
隨後,由教導資料評估用分類器產生部51,進行基於改善後之教導資料T'之機械學習(再學習),判斷是否再次產生評估用分類器Bt(步驟s9)。若需要再學習,則重複上述步驟s2~s9,若無需再學習,則結束一系列之流程。
隨後,使用自動缺陷分類器產生部57,基於最新狀態之(即,改善後)教導資料T'進行機械學習,產生自動缺陷分類器Ba。隨後,於本發明之自動缺陷分類裝置1中,由缺陷類別分類部59使用自動缺陷分類器Ba,進行對於分類類別未知之缺陷圖像Px之分類類別之賦予。
因本發明之自動缺陷分類裝置1具有此種構成,故即使構成教導資料T之缺陷圖像Pn較多,亦容易糾正使用者賦予之分類類別之錯誤,可提高自動缺陷分類之精度。
[變化例]
另,於上述中,例示了於缺陷圖像顯示區域G1,與其他分類類別正確之其他缺陷圖像Pn一起顯示分類錯誤圖像Pw之構成。
但,亦可為於特定區域G6僅顯示分類錯誤圖像Pw之構成。
圖6係顯示將本發明具體化之另一形態之顯示部之一例之圖像圖。
於圖6例示有顯示於顯示部6之圖像圖G2。於圖像圖G2設定有畫面左上之特定區域G6。
特定區域G6係僅顯示分類錯誤圖像Pw之區域。
具體而言,將於上述流程中之步驟s5判定為分類錯誤圖像Pw之圖像,顯示於特定區域G6(於本例中相當於步驟s6)。
另,於圖像圖G2,於畫面左側之中央至下側,設定有缺陷圖像顯示區域G1,於畫面右側顯示有顯示基準設定區域G2、分類資訊顯示區域G3、明亮度設定區域G4、其他設定區域G5等。因缺陷圖像顯示區域G1~其他設定區域G5之內容與包含於上述圖像圖G1者同樣,故省略詳細說明。
藉由設為此種構成,無需於缺陷圖像顯示區域G1內,自多個缺陷圖像Pn中尋找顯示形態不同之分類錯誤圖像Pw,只要將意識集中於特定區域G6進行確認作業即可,因此使用者之負擔或作業時間減少,較佳。
另,於上述中,顯示了以下構成:於分類錯誤圖像檢測部54,對判定為分類類別不一致之缺陷圖像,將判定為不一致程度超過預先規定之基準值者檢測為分類錯誤圖像Pw,並顯示於顯示部6。但,於將本發明具體化之方面,並不限定於全部顯示分類錯誤圖像Pw之構成,亦可構成為對於分類錯誤圖像,篩選並顯示不一致程度大於預先規定之閾值者。具體而言,設為預先登錄閾值、或由使用者輸入之構成,於缺陷圖像顯示區域G1僅顯示不一致程度超過閾值之分類錯誤圖像Pw。藉此,可重點確認、修正使用者賦予之分類類別之錯誤較高者(即,對自動分類之結果產生影響之可能性較高者),可於短時間提高分類精度,因此較佳。
另,於上述中,例示了對於分類錯誤圖像Pw,於分類資訊顯示區域G3之MDC候補顯示區域G32,將不一致程度最少之分類類別顯示為再分類候補類別之構成。若為此種構成,則可削減使用者為了設定被認為正確之分類類別而迷惑之時間,或防止賦予其他錯誤之分類類別,因此較佳。
但,此種構成於將本發明具體化之方面並非必須,亦可省略。
另,於上述中,例示了於不一致程度顯示區域G33中,顯示與賦予至分類錯誤圖像者相同及不同之分類類別的不一致程度之構成。若為此種構成,則可一面比較使用者所賦予之分類類別與其他分類類別之不一致程度,一面進行確認、修正,因此有助於進行變更/不變更分類類別之判斷,故而較佳。
然而,此種不一致程度之顯示在將本發明具體化上並非必要之構成,亦可省略。
另,於上述中,作為以與分類類別正確之其他缺陷圖像Pn易於區別之方式,以不同之形態顯示之構成,例示了由虛線A包圍顯示於缺陷圖像顯示區域G1之分類錯誤圖像Pw周圍之顯示。若為此種構成,則使用者可於較短之時間內直觀地發現分類錯誤圖像Pw,因此較佳。
然而,並不限定於由虛線A包圍之顯示,亦可以與缺陷圖像Pn之背景或缺陷圖像顯示區域G1所使用之顏色不同之顏色、或易於識別之顏色(例如紅色或黃色等),進行包圍分類錯誤圖像Pw般之顯示。亦可於顯示分類錯誤圖像Pw或其分類類別之區域之一部分,顯示圓形記號或星形記號等標記。藉此,使用者可於較短之時間內直觀地發現分類錯誤圖像Pw,因而較佳。
又,亦可為以下構成:對於分類錯誤圖像Pw,不僅進行統一顯示,亦進行與分類類別之不一致程度之大小相應之分色顯示。具體而言,可將不一致程度高者顯示為紅色,將不一致程度為中等程度者顯示為黃色,將不一致程度低者顯示為綠色等容易讓使用者醒目之顏色。或,亦可為根據不一致程度之大小而改變虛線之粗細進行顯示之構成。
再者,亦可對分類錯誤圖像Pw閃爍顯示上述虛線A或著色框等,對使用者醒目,且對分類錯誤圖像Pw進行提醒變更分類類別之顯示。藉此,可減少遺漏分類錯誤圖像Pw之情形,從而提高分類精度,因此較佳。
另,於上述中,例示了以下構成:具備顯示複數個缺陷圖像Pn及賦予至缺陷圖像Pn之分類類別之顯示部6,且顯示部6以與其他複數個缺陷圖像Pn不同之形態,僅顯示分類錯誤圖像Pw。若為此種構成,則使用者可一面確認自己賦予至分類錯誤圖像Pw之分類類別或附加資訊等,一面判斷修正/不修正,因此較佳。
然而,顯示部6於將本發明具體化上並非必要之構成,亦可省略。
另,於上述中,例示了以下構成:具備對於分類錯誤圖像受理使用者對分類類別之變更之輸入部(於本例中為操作輸入部3)。若為此種構成,則使用者可一面確認自己賦予至分類錯誤圖像Pw之分類類別或附加資訊等,一面判斷修正/不修正,因此較佳。
然而,此種輸入部於將本發明具體化上並非必要之構成,亦可省略。
另,於上述中,例示了以下構成:明亮度設定區域G4變更顯示於缺陷圖像顯示區域G1之分類錯誤圖像Pw或缺陷圖像Px之明亮度。
然而,並不限定於此種構成,亦可為變更該等圖像之對比度或色相等之構成。
另,於上述中,例示了以下構成:藉由按下其他設定區域G5之警告顯示清除按鈕B53,而將顯示於缺陷圖像顯示區域G1中、包圍分類錯誤圖像Pw周圍之虛線A之顯示取消顯示(消去)。
然而,並不限定於此種構成,亦可為於按下警告顯示清除按鈕B53之期間或再次按下之前,虛線A暫時成為非顯示之構成。
另,於上述中,例示了教導資料輸入部3自外部裝置或主電腦等取得(即,統一輸入)教導資料T之構成。但,亦可為使用者一面逐個確認分類類別未知(即,未賦予分類類別)之缺陷圖像Pn,一面賦予(即,新手動輸入)缺陷類別之構成。
另,於上述中,雖例示了於處理部5配備缺陷類別分類部59之構成,但亦可為於檢查系統100之缺陷檢測部130內置或鄰接地配備之構成。
另,於上述中,雖例示了產生自動缺陷分類器Ba之自動缺陷分類器產生部57,與產生評估用分類器Bt之教導資料評估用分類器產生部51分別配備之構成,但亦可為該等由共通之程式處理等構成。或,亦可為將教導資料評估用分類器產生部51代用為自動缺陷分類器產生部57,將最後產生之評估用分類器Bt處理為自動缺陷分類器Ba之構成。
1:自動缺陷分類裝置
2:教導資料輸入部
3:操作輸入部
4:記憶部
5:處理部
6:顯示部
51:教導資料評估用分類器產生部
52:特徵量算出部
53:類別不一致度算出部
54:分類錯誤圖像檢測部
57:自動缺陷分類器產生部
59:缺陷類別分類部
100:檢查系統
110:攝像部
120:搬送部
121:光學系統本體部
122:照明部
123:攝像相機
130:缺陷檢測部
140:控制部
A:虛線(醒目顯示)
B11,B12:上下移動按鈕
B13,B14:左右移動按鈕
B31,B32:上下移動按鈕
B33:變更按鈕
B51:判定按鈕
B52:顯示項目切換按鈕
B53:警告顯示清除按鈕
Ba:自動缺陷分類器
Bt:評估用分類器
C:游標
D21,D31,D51:按鈕
DI:輸入部
DO:輸出部
G:圖像圖
G1:缺陷圖像顯示區域
G2:顯示基準設定區域/顯示順序設定區域/圖像圖
G3:分類資訊顯示區域
G4:明亮度設定區域
G5:其他設定區域
G6:特定區域
G31:MDC顯示區域
G32:MDC候補顯示區域
G33:不一致程度顯示區域
G34:分類變更目標選擇區域
G41:明亮度設定值顯示區域
G51:分類錯誤基準設定區域
GI:缺陷圖像輸入部
L11:縱向捲動軸
L12:橫向捲動軸
L31:縱向捲動軸
L41:滑動開關
NG-A,NG-B,NG-C,NG-D:分類類別
P:檢查圖像
P1~P4:缺陷圖像
P1'~P4':無缺陷之圖像
Pn:缺陷圖像(已賦予分類類別)
Pw:分類錯誤圖像
Px:缺陷圖像(分類類別未知)
RO:結果輸出部
s1~s9:步驟
T:教導資料(改善前)
T':教導資料(改善後)
U:使用者介面
W:檢查對象
X1~X4:缺陷
圖1(a)~(h)係顯示將本發明具體化之形態之缺陷圖像之一例之圖像圖。
圖2係顯示將本發明具體化之形態之一例之整體構成之概略圖。
圖3係顯示將本發明具體化之形態之一例之主要部分之概略圖。
圖4係顯示將本發明具體化之形態之顯示部之一例之圖像圖。
圖5係顯示將本發明具體化之形態之一例之流程圖。
圖6係顯示將本發明具體化之另一形態之顯示部之一例之圖像圖。
1:自動缺陷分類裝置
100:檢查系統
110:攝像部
120:搬送部
121:光學系統本體部
122:照明部
123:攝像相機
130:缺陷檢測部
140:控制部
P:檢查圖像
Px:缺陷圖像(分類類別未知)
W:檢查對象
Claims (9)
- 一種自動缺陷分類裝置,其係使用預先由使用者對複數個缺陷圖像各者賦予分類類別之教導資料,產生對於缺陷圖像之分類器,基於該分類器對分類類別未知之缺陷圖像自動賦予分類類別者,且其特徵在於具備: 教導資料輸入部,其輸入上述教導資料;及 處理部,其對上述複數個缺陷圖像進行特定處理;且 上述處理部具備: 教導資料評估用分類器產生部,其於對上述分類類別未知之缺陷圖像產生分類器之前之階段,產生用於評估賦予至上述教導資料中所含之上述複數個缺陷圖像之上述分類類別的評估用分類器; 特徵量算出部,其基於上述評估用分類器,對上述教導資料中所含之上述複數個缺陷圖像各者進行特徵量之算出處理; 類別不一致度算出部,其對上述教導資料中所含之上述複數個缺陷圖像各者,算出該缺陷圖像之上述特徵量、及設定為與賦予至該缺陷圖像賦予者相同和不同之分類類別的特徵量之容許基準各者之不一致程度;及 分類錯誤圖像檢測部,其對包含於上述教導資料之上述複數個缺陷圖像各者,選出算出之上述不一致程度最小之分類類別,將判定為選出之該分類類別與由使用者賦予之上述分類類別不一致、且上述不一致程度超過預先規定之基準值者,檢測為分類錯誤圖像。
- 如請求項1之自動缺陷分類裝置,其具備顯示部,該顯示部顯示上述複數個缺陷圖像及賦予至該缺陷圖像之上述分類類別;且 上述顯示部以與其他上述複數個缺陷圖像不同之形態,僅顯示上述分類錯誤圖像。
- 如請求項2之自動缺陷分類裝置,其中 上述顯示部於特定區域僅顯示上述分類錯誤圖像。
- 如請求項2或3之自動缺陷分類裝置,其中 上述顯示部對上述分類錯誤圖像進行篩選並顯示上述不一致程度大於預先規定之閾值者。
- 如請求項2至4中任一項之自動缺陷分類裝置,其中 上述顯示部對於上述分類錯誤圖像,將上述不一致程度最少之分類類別顯示為再分類候補類別。
- 如請求項2至5中任一項之自動缺陷分類裝置,其中 上述顯示部顯示與賦予至上述分類錯誤圖像者相同及不同之分類類別之不一致程度。
- 如請求項2至6中任一項之自動缺陷分類裝置,其中上述顯示部對上述分類錯誤圖像進行與上述不一致程度之大小相應之分色顯示。
- 如請求項2至7中任一項之自動缺陷分類裝置,其中上述顯示部對上述分類錯誤圖像進行提醒變更上述分類類別之顯示。
- 如請求項1至8中任一項之自動缺陷分類裝置,其具備輸入部,該輸入部對於上述分類錯誤圖像,受理使用者對上述分類類別之變更。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021-190058 | 2021-11-24 | ||
JP2021190058A JP2023076992A (ja) | 2021-11-24 | 2021-11-24 | 自動欠陥分類装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202328671A true TW202328671A (zh) | 2023-07-16 |
Family
ID=86539288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111143921A TW202328671A (zh) | 2021-11-24 | 2022-11-17 | 自動缺陷分類裝置 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2023076992A (zh) |
TW (1) | TW202328671A (zh) |
WO (1) | WO2023095505A1 (zh) |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008191106A (ja) * | 2007-02-07 | 2008-08-21 | Toyota Motor Corp | はんだ付け状態の検査方法 |
JP2009300230A (ja) * | 2008-06-12 | 2009-12-24 | Olympus Corp | 位置合わせを行う装置、方法、およびプログラム、ならびに基準モデルを作成する装置、方法、およびプログラム |
JP5452392B2 (ja) * | 2009-12-16 | 2014-03-26 | 株式会社日立ハイテクノロジーズ | 欠陥観察方法及び欠陥観察装置 |
JP6632288B2 (ja) * | 2014-12-12 | 2020-01-22 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラム |
US10436720B2 (en) * | 2015-09-18 | 2019-10-08 | KLA-Tenfor Corp. | Adaptive automatic defect classification |
JP6757378B2 (ja) * | 2018-08-28 | 2020-09-16 | 株式会社モルフォ | 画像識別装置、画像識別方法及び画像識別プログラム |
CN114096997A (zh) * | 2019-07-18 | 2022-02-25 | 三菱电机株式会社 | 检查装置、检查方法以及程序 |
CN111060520B (zh) * | 2019-12-30 | 2021-10-29 | 歌尔股份有限公司 | 一种产品缺陷检测方法、装置与系统 |
CN111311542B (zh) * | 2020-01-15 | 2023-09-19 | 歌尔股份有限公司 | 一种产品质量检测方法及装置 |
CN113095438B (zh) * | 2021-04-30 | 2024-03-15 | 上海众壹云计算科技有限公司 | 晶圆缺陷分类方法及其装置、系统、电子设备和存储介质 |
CN113096119B (zh) * | 2021-04-30 | 2024-06-07 | 上海众壹云计算科技有限公司 | 晶圆缺陷分类的方法、装置、电子设备以及存储介质 |
CN113077462B (zh) * | 2021-04-30 | 2024-05-10 | 上海众壹云计算科技有限公司 | 晶圆缺陷分类方法、装置、系统、电子设备和存储介质 |
-
2021
- 2021-11-24 JP JP2021190058A patent/JP2023076992A/ja active Pending
-
2022
- 2022-10-21 WO PCT/JP2022/039350 patent/WO2023095505A1/ja unknown
- 2022-11-17 TW TW111143921A patent/TW202328671A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
JP2023076992A (ja) | 2023-06-05 |
WO2023095505A1 (ja) | 2023-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4374303B2 (ja) | 検査方法及びその装置 | |
US10489900B2 (en) | Inspection apparatus, inspection method, and program | |
JP5255953B2 (ja) | 欠陥検査方法及び装置 | |
JP6992475B2 (ja) | 情報処理装置、識別システム、設定方法及びプログラム | |
US8934704B2 (en) | Visual inspection device, visual inspection method, and computer program | |
TWI512787B (zh) | A defect analysis support means, a program executed by the defect analysis support means, and a defect analysis system | |
JP5371916B2 (ja) | 検査システムにおける対話型閾値調整方法及びシステム | |
US20060271226A1 (en) | Inspection standard setting device, inspection standard setting method and process inspection device | |
US9280814B2 (en) | Charged particle beam apparatus that performs image classification assistance | |
JP7349816B2 (ja) | 画像検査装置 | |
JP2013224833A (ja) | 外観検査装置、外観検査方法及びコンピュータプログラム | |
JP7393313B2 (ja) | 欠陥分類装置、欠陥分類方法及びプログラム | |
JP2004177139A (ja) | 検査条件データ作成支援プログラム及び検査装置及び検査条件データ作成方法 | |
CN116368375A (zh) | 缺陷检查装置、缺陷检查方法以及制造方法 | |
TW202328671A (zh) | 自動缺陷分類裝置 | |
JP2007033126A (ja) | 基板検査装置並びにそのパラメータ調整方法およびパラメータ調整装置 | |
WO2017203572A1 (ja) | 欠陥画像分類装置および欠陥画像分類方法 | |
WO2023188803A1 (ja) | 自動欠陥分類装置 | |
JP7194348B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
WO2021075152A1 (ja) | 欠陥分類装置、欠陥分類プログラム | |
JP2020187655A (ja) | 画像検査装置 | |
JP7247032B2 (ja) | 検査装置 | |
JP7248496B2 (ja) | 画像検査装置 | |
TW202227810A (zh) | 檢查結果顯示裝置、製造系統、檢查結果顯示方法、製造方法、及程式 | |
KR20240043069A (ko) | 마크 검출 방법 및 컴퓨터 프로그램 |