WO2023095505A1 - 自動欠陥分類装置 - Google Patents

自動欠陥分類装置 Download PDF

Info

Publication number
WO2023095505A1
WO2023095505A1 PCT/JP2022/039350 JP2022039350W WO2023095505A1 WO 2023095505 A1 WO2023095505 A1 WO 2023095505A1 JP 2022039350 W JP2022039350 W JP 2022039350W WO 2023095505 A1 WO2023095505 A1 WO 2023095505A1
Authority
WO
WIPO (PCT)
Prior art keywords
defect
classification
image
category
images
Prior art date
Application number
PCT/JP2022/039350
Other languages
English (en)
French (fr)
Inventor
辰彦 坪井
憲治 大久保
Original Assignee
東レエンジニアリング株式会社
東レエンジニアリング先端半導体Ｍｉテクノロジー株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 東レエンジニアリング株式会社, 東レエンジニアリング先端半導体Ｍｉテクノロジー株式会社 filed Critical 東レエンジニアリング株式会社
Publication of WO2023095505A1 publication Critical patent/WO2023095505A1/ja

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
    • 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

Definitions

  • classification criteria are created using teacher data consisting of a plurality of defect images to which classification categories have been assigned by a user, and defect images with unknown classification categories are automatically classified based on the classification criteria.
  • teacher data consisting of a plurality of defect images to which classification categories have been assigned by a user
  • defect images with unknown classification categories are automatically classified based on the classification criteria.
  • an automatic defect classifier that determines
  • a semiconductor device is formed by layering a large number of semiconductor device circuits (i.e., repeated appearance patterns of device chips) on a single semiconductor wafer, and then singulated into individual chip parts. Components are packaged and shipped as individual electronic components or incorporated into electrical products.
  • Classification criteria are created using teacher data to automatically determine the classification category for defect images whose classification category is unknown. Granted. Therefore, if the user makes an error in assigning classification categories to the training data, the classification accuracy is lowered.
  • Prior Document 2 discloses a technique for correcting classification categories assigned to defect images included in training data (that is, classification categories assigned in advance by the user). A discriminant function is calculated, and images that do not match the classification category are presented to the user. In order to improve the classification accuracy, it is desirable for the user to check the teacher images located near the classification boundary. It was difficult.
  • the present invention has been made in view of the above problems, To provide an automatic defect classification device capable of improving the accuracy of automatic defect classification by making it easy to correct errors in classification categories given by a user even if there are many defect images constituting training data. .
  • one aspect of the present invention includes: A classifier for defect images is generated using training data in which a classification category is assigned in advance by a user to each of a plurality of defect images, and automatically for defect images whose classification category is unknown based on the classifier.
  • a classifier for defect images is generated using training data in which a classification category is assigned in advance by a user to each of a plurality of defect images, and automatically for defect images whose classification category is unknown based on the classifier.
  • An automatic defect classifier that assigns classification categories to a training data input unit for inputting training data
  • a processing unit that performs predetermined processing on a plurality of defect images, The processing unit Training data evaluation for generating an evaluation classifier for evaluating classification categories assigned to multiple defect images included in training data before a classifier for defect images with unknown classification categories is generated.
  • a classifier generator for a feature amount calculation unit that performs feature amount calculation processing for each of a plurality of defect images included in the training data based on the evaluation classifier; For each of a plurality of defect images included in the training data, the feature amount of the defect image and the acceptance criteria for the feature amount set in the same and different classification categories as those assigned to the defect image.
  • a category mismatch degree calculation unit that calculates the degree of mismatch; For each of a plurality of defect images included in the training data, a classification category with the smallest calculated degree of mismatch is selected, and the selected classification category does not match the classification category given by the user, and the degree of mismatch is determined. is determined to exceed a predetermined reference value as an erroneously classified image detection unit.
  • FIG. 10 is an image diagram showing an example of a display section in another form embodying the present invention.
  • FIG. 1 is an image diagram showing an example of a defect image Pn in a mode embodying the present invention.
  • FIGS. 1A to 1D respectively show defect images P1 to P4 containing defects X1 to X4.
  • the classification categories of defects X1 to X4 are A defect, B defect, C defect, and D defect, respectively.
  • FIGS. 1(e) to 1(h) exemplify defect-free images P1′ to P4′, respectively, for reference.
  • FIG. 2 is a schematic diagram showing the overall configuration of an inspection system 100 including an automatic defect classifier 1 according to the present invention.
  • the inspection system 100 picks up an inspection image P for inspecting an inspection object W, inspects the presence/absence, number, position, defect type, and the like of defects X in the inspection image P, and outputs inspection results.
  • the inspection system 100 includes, in addition to the automatic defect classification device 1, an imaging unit 110, a transport unit 120, a defect detection unit 140, a control unit 130, and the like.
  • the transport unit 110 holds the inspection target W, moves it at a predetermined speed, or makes it stand still at a predetermined location.
  • the transport unit 110 includes a workpiece holding unit that holds the inspection object W, an XY ⁇ stage unit that horizontally moves and rotates the inspection object W, and the like.
  • the imaging unit 120 captures an image of an inspection object W that is moving or stationary, and outputs an inspection image P.
  • the imaging unit 120 includes an optical system main unit 121 having a lens barrel and a lens, an illumination unit 122 and an imaging camera 123 .
  • the defect detection unit 130 acquires the inspection image P output from the imaging unit 120 and detects the defect X in the inspection image P. Specifically, the defect detection unit 130 inspects whether or not the defect X is included in the inspection image P, and if the defect X is included, defect information such as the number, position, and area of the defect X is detected. (that is, the inspection result) is added to output the defect image Px.
  • the control unit 140 controls the inspection system 100 in an integrated manner. Specifically, the control unit 140 is connected to the automatic defect classification device 1, the transport unit 110, the imaging unit 120, the defect detection unit 130, and the like, and inputs and outputs control signals to each unit to detect desired defects.
  • the image Px is configured to be acquired by the automatic defect classification device 1 .
  • FIG. 3 is a schematic diagram showing the overall configuration of an example of a mode embodying the present invention.
  • FIG. 2 shows a schematic diagram of an automatic defect classifier 1 according to the invention.
  • the automatic defect classification device 1 classifies the types of defects X latent in an inspection object W.
  • a classifier for classifying the defect image Px is generated using the data T, and a classification category is automatically assigned to the defect image Px whose classification category is unknown based on the classifier.
  • the automatic defect classification apparatus 1 includes a defect image input unit GI, a teacher data input unit 2, an operation input unit 3, a storage unit 4, a processing unit 5, a display unit 6, a result output unit 7, and the like. It consists of a computer (hardware) and its execution program (software).
  • the defect image input unit GI inputs the defect image Px. Specifically, the defect image input unit GI acquires data of the defect image Px output from an external device, a host computer, or the like.
  • the teacher data input unit 2 inputs teacher data T. As shown in FIG. Specifically, the teaching data input unit 2 acquires teaching data T output from an external device, a host computer, or the like. Note that, in the training data T, a plurality of defect images Pn and the classification categories of the defects X included in these defect images Pn are stored in association with each other.
  • the operation input unit 3 receives cursor (also referred to as a pointer) operation, numeric input, and the like by the user. Specifically, the operation input unit 3 is for selecting an image displayed on the display unit 6, selecting/changing setting items, and inputting numerical values.
  • the defect image input section GI, teacher data input section 2, and operation input section 3 are part of the input section DI of the computer.
  • the storage unit 4 stores teacher data T, defect images Pn and Px, programs used for each process, and the like.
  • the storage unit 4 is configured by a computer memory or an auxiliary storage device (SSD, HDD, etc.).
  • the processing unit 5 performs predetermined processing on a plurality of defect images Pn and unknown defect images Px.
  • the processing unit 5 includes a teacher data evaluation classifier generation unit 51, a feature amount calculation unit 52, a category mismatch degree calculation unit 53, a classification error image detection unit 54, an automatic defect classifier generation unit 57, a defect category It has a classification unit 59 and the like, and is composed of a computer (hardware) and its execution program (software).
  • the teacher data evaluation classifier generating unit 51 generates a plurality of defects included in the teacher data T before the automatic defect classifier Ba for assigning a classification category to the defect image Px whose classification category is unknown. to generate an evaluation classifier Bt for evaluating the classification category assigned to the defect image Pn. Specifically, the teacher data evaluation classifier generation unit 51 performs machine learning based on the teacher data T to generate an evaluation classifier Bt including a decision tree and the like. More specifically, the teacher data evaluation classifier generating unit 51 generates a plurality of decision trees and generates an evaluation classifier Bt including a model (so-called random forest) for determining the prediction results by majority vote or the like. Generate.
  • the feature amount calculator 52 performs feature amount calculation processing for each of the plurality of defect images Pn included in the teacher data T based on the evaluation classifier Bt. Specifically, the feature amount calculation unit 52 calculates the appearance frequency of the feature amount that passes through each classification category of the prediction result of the decision tree in the evaluation classifier Bt, and normalizes the appearance frequency. Calculate the weight of each feature amount for each classification category. Then, all of the plurality of defect images Pn included in the training data T are grouped by classification category, and the degree of mismatch of each feature amount is determined for each classification category from the feature vectors of the group of images of each classification category.
  • the feature values are digitized for distinguishing and classifying defects, and include brightness values and color information of pixel regions corresponding to defects or defect candidates, brightness differences from the background, length, width, area, These are data values related to perimeter length, grayscale difference in the pixel area, and the like.
  • a feature vector is displayed as one point in a multidimensional space having a feature amount as a component. It indicates that there is
  • the category mismatch calculation unit 53 determines the feature amount of the defect image Pn and the classification category that is the same as or different from that assigned to the defect image Pn. The degree of disagreement with each of the allowable criteria of the feature amount set in . Specifically, for all of the plurality of defect images Pn included in the teacher data T, feature vectors are calculated based on feature amounts. Furthermore, from these feature vectors, the normal value range of the feature quantity is statistically calculated for each of the same classification categories classified by the user.
  • the category mismatch calculation unit 53 determines that each feature amount component of the feature vector of each defect image Pn is a normal value for each of the same classification categories classified by the user. (that is, determine match/mismatch). Then, a feature amount determined to be non-matching with respect to each feature amount component of the feature amount vector is detected. Then, based on the feature amount of mismatch detected for each classification category, the degree of mismatch with respect to the given classification category is calculated by adding appropriate weighting or the like.
  • the classification error image detection unit 54 selects a classification category that minimizes the calculated degree of mismatch for each of the plurality of defect images Pn, and the selected classification category does not match the classification category assigned by the user, and An image whose degree of mismatch is determined to exceed a predetermined reference value is detected as an incorrectly classified image Pw. Specifically, the classification error image detection unit 54 selects a classification category with the smallest degree of mismatch calculated by the category mismatch degree calculation unit 53 for all of the plurality of defect images Pn included in the teacher data T, and It is determined whether it matches the classification category given by the user.
  • the one determined to have a degree of mismatch exceeding a predetermined reference value is designated as a classification error image Pw.
  • a predetermined reference value for example, a threshold value specified by statistical processing
  • the image is not handled as an incorrectly classified image Pw.
  • this reference value is set to zero or a very low value, all or most of the defect images whose classification categories do not match are detected as misclassified images Pw.
  • the reference value is set to a relatively large value, some or most of the defect images whose classification categories do not match will not be detected as misclassified images Pw.
  • the processing unit 5 outputs the misclassified image Pw detected by the misclassified image detection unit 54 to an external device, a host computer, or the like, or displays it on the display unit 6 so that the user can visually recognize it.
  • the automatic defect classifier generation unit 57 generates an automatic defect classifier Ba for assigning a classification category to the defect image Px.
  • the automatic defect classifier generation unit 57 has the same configuration as the teacher data evaluation classifier generation unit 51, and machine learning is performed based on the improved teacher data T′ to generate a decision tree. etc. is generated.
  • the defect category classifier 59 assigns a classification category to a defect image Px whose classification category is unknown. Specifically, the defect category classifier 59 assigns a classification category to the defect image Px whose classification category is unknown based on the automatic defect classifier Ba.
  • the display unit 6 displays a plurality of defect images Pn, classification categories assigned to these defect images Pn, information related to other defect images, misclassified images Pw, and the like.
  • the display unit 6 is composed of a video monitor, a touch panel, etc. (that is, part of the output unit DO of the computer). More specifically, the display unit 6 constitutes a user interface U in combination with the operation input unit 3 described above.
  • FIG. 4 is an image diagram showing an example of a display section in a mode embodying the present invention.
  • FIG. 4 illustrates an image diagram G displayed on the display unit 6. As shown in FIG.
  • the image view G includes a defect image display area G1, a display reference setting area G2, a classification information display area G3, a brightness setting area G4, an other setting area G5, and the like.
  • the defect image display area G1 is an area for displaying a plurality of defect images Px and classification categories assigned to the defect images Px. Specifically, in the defect image display area G1, a plurality of defect images Px are displayed in a matrix (also referred to as a tile), and classification categories are displayed below the defect images Px. Further, a vertical scroll bar L11 for vertically scrolling a plurality of defect images Px and vertical movement buttons B11 and B12 are provided at the right end of the defect image display area G1. A horizontal scroll bar L12 for scrolling in the horizontal direction and left and right movement buttons B13 and B14 are provided so that other defect images Px that cannot be displayed at one time (that is, are hidden) in the defect image display area G1 can be confirmed.
  • the wrongly classified image Pw is displayed in a different form so that it can be easily distinguished from other correctly classified defect images Pn. Specifically, the incorrectly classified image Pw is surrounded by a dotted line A (in this example, upper left and lower right in area G1).
  • the display order setting area G2 is an area for setting the order of the defect images Px to be displayed in the defect image display area G1.
  • the display order setting area G2 has a plurality of display orders registered in advance (for example, ascending order of data list, descending order of data list, ascending order of category, descending order of category, ascending order of degree of disagreement, descending order of degree of disagreement, . . . ). Select and set one from among them, and its method is displayed.
  • the ascending order/descending order of the data list is a method of arranging the defect images Pn in ascending order/descending order from the upper left corner to the right side and the lower side with reference to the serial number assigned to the defect image Pn.
  • the category ascending/descending order is a method of arranging the defect images Pn in ascending/descending order from the upper left corner to the right side and the lower side with reference to the classification category assigned to the defect image Pn.
  • the ascending/descending order of the degree of mismatch is a method of arranging in ascending/descending order from the upper left corner to the right side and the lower side on the basis of the degree of mismatch of the classification category assigned to the defect image Pn. For example, in the display standard setting area G2, the currently set order (in this example, data list ascending order) is displayed, but when the button D21 is pressed, another display order is displayed as a drop-down list. be.
  • the display order after the change is displayed, and the defects in the defect image display area G1 are displayed.
  • the images Px are rearranged in ascending order of category and displayed.
  • the classification information display area G3 displays classification information about an image (hereinafter referred to as a selected image) selected by moving or clicking the cursor C from among the incorrectly classified image Pw and the defective image Px displayed in the defect image display area G1. This is the area that displays the .
  • an MDC display area G31, an MDC candidate display area G32, a mismatch degree display area G33, a classification change destination selection area G34, a change button B33, and the like are arranged.
  • the MDC display area G31 is an area that displays the classification category assigned by the user for the selected image. For example, the MDC display area G31 displays "NG-A" indicating the A defect.
  • the MDC candidate display area G32 is an area that displays reclassification candidate categories for the selected image. Specifically, in the MDC candidate display area G32, the classification category with the least degree of mismatch is displayed as the reclassification candidate category.
  • the mismatch degree display area G33 is an area for displaying the degree of mismatch when the selected image is classified into each classification category (NG-A, B, C, D, . . . ). Specifically, each classification category and the degree of disagreement are displayed in a tabular form in the degree-of-mismatch display area G33. Furthermore, a vertical scroll bar L31 for vertically scrolling a plurality of classification categories and vertical movement buttons B31 and B32 are provided at the right end of the mismatch degree display area G33 so that they can be displayed in the mismatch degree display area G33 at once. It is configured so that it is possible to check the degree of discrepancy with other classification categories that are not (that is, are hidden).
  • the classification category change destination selection area G34 is an area for selecting which classification category to change to when changing the classification category assigned to the selected image. For example, the currently assigned classification category (NG-A in this example) is displayed, but when the button D31 is pressed, other classification categories (NG-B, C, D, . . . ) are dropped. Displayed as a down list. Then, by moving/clicking the cursor C in the drop-down list and selecting the classification category to be changed (for example, NG-C), the classification category to be changed is displayed (however, at this point The teacher data T has not yet been changed).
  • the change button B33 is a switch button for determining the change. By pressing the change button B33, the classification category displayed in the classification category change destination selection area G34 is changed in the teacher data T as the classification category of the selected image.
  • the brightness setting area G4 is an area for changing and setting the brightness of the misclassified image Pw and the defect image Px displayed in the defect image display area G1.
  • a brightness setting value display area G41 and a slide switch L41 are arranged in the brightness setting area G4.
  • the current brightness setting value is displayed in the brightness setting value display area G41.
  • the slide switch L41 is for changing the brightness setting value. Aligning the cursor C with the slide switch L41 and dragging it to the left or right changes the current brightness setting value, thereby changing the classification error image Pw or the defect image Px displayed in the defect image display area G1. Brightness is changed.
  • the other setting area G5 is an area for setting items other than those described above and for performing various operation instructions.
  • the misclassification criteria setting area G51, judgment button B51, display item switching button B52, and warning display clear button B53 are arranged in the other setting area G5.
  • the misclassification criterion setting area G51 is an area for displaying and setting the misclassification method for detecting the misclassified image Pw. Specifically, in the classification error criterion setting area G51, one is selected from a plurality of pre-registered MDC error determination methods (eg, average ⁇ 3 ⁇ , average ⁇ 2 ⁇ , average ⁇ , . . . ). and the method is displayed. For example, the currently set MDC error judgment method (average ⁇ 3 ⁇ in this example) is displayed in the classification error criterion setting area G51. , mean ⁇ ⁇ , ...) are displayed as a drop-down list. Then, by moving/clicking the cursor C in the drop-down list and selecting the determination method to be changed (for example, average ⁇ 2 ⁇ ), the determination method after change is displayed (however, at this point not redetermined).
  • MDC error determination methods eg, average ⁇ 3 ⁇ , average ⁇ 2 ⁇ , average ⁇ , . . .
  • the decision button B51 is a switch button for making a decision again using the changed decision method.
  • the judgment button B51 By pressing the judgment button B51, the wrong classification image Pw is detected based on the judgment method displayed in the wrong classification criteria setting area G51 and displayed in the defect image display area G1.
  • the display item switching button B52 is a switch button for switching between displaying only the incorrectly classified image Pw or displaying both the incorrectly classified image Pw and the defective image Px in the defect image display area G1.
  • the display item switching button B52 is a switch button that switches between ON/OFF states each time it is pressed, and also switches between display/non-display of a checkmark such as a substantially V-shaped (also referred to as check mark) or black/white inversion. Specifically, when the display item switching button B52 is ON, only the incorrectly classified image Pw is displayed, and when the display item switching button B52 is OFF, both the incorrectly classified image Pw and the defect image Px are displayed.
  • the warning display clear button B53 hides the display of the dotted line A surrounding the misclassified image Pw. Specifically, by pressing the warning display clear button B53, all the dotted lines A are erased.
  • the result output unit RO outputs the classification result.
  • a classification category that is, a classification result
  • automatically assigned based on the automatic defect classifier Ba is applied to a defect image Px with an unknown classification category acquired by the defect image input unit GI. It outputs to a device, a host computer, or the like. More specifically, the result output unit RO consists of part of the output unit DO of the computer.
  • FIG. 5 is a flow diagram illustrating an example of how the invention may be embodied.
  • FIG. 5 shows a flow of correcting an error in the classification category given by the user hidden in the training data T and improving the accuracy of the automatic defect classification using the automatic defect classification device 1 according to the present invention.
  • teacher data T output from an external device, host computer, etc. is input from the teacher data input unit 2 (step s1). Specifically, teacher data T is output from an external device, a host computer, or the like based on a user's instruction.
  • the teacher data evaluation classifier generation unit 51 generates an evaluation classifier Bt based on the teacher data T (step s2). Specifically, when the user presses an "execute" button or the like displayed on any screen or the like, machine learning based on the current teacher data T is started, and processing for generating the evaluation classifier Bt is performed. .
  • the feature amount calculation unit 52 performs feature amount calculation processing for each of the plurality of defect images Pn included in the teacher data T based on the evaluation classifier Bt (step s3).
  • the category mismatch calculation unit 53 determines the feature amounts of the defect images Pn and the classifications that are the same as or different from those given to the defect images Pn.
  • the degree of disagreement between the feature amount set for the category and each allowable criterion is calculated (step s4).
  • the classification error image detection unit 54 selects a classification category that minimizes the calculated degree of mismatch for each of the plurality of defect images Pn, and matches the selected classification category with the classification category assigned by the user. If it is determined that there is no mismatch and the degree of disagreement exceeds a predetermined reference value, it is detected as a misclassified image Pw (step s5).
  • the incorrectly classified image Pw is displayed on the display unit 6 in a different form so that it can be easily distinguished from other correctly classified defect images Pn (step s6).
  • the defective image Pw is surrounded by a dotted line A in the defect image display area G1.
  • the user checks the erroneously classified image Pw, and determines whether or not it is necessary to change (that is, correct) the classification category included in the teacher data T (step s7).
  • the classification category is changed for one or more misclassified images Pw (step s8), and the training data T is improved.
  • the teacher data evaluation classifier generation unit 51 performs machine learning (relearning) based on the improved teacher data T′ to determine whether to regenerate the evaluation classifier Bt (step s9 ). If re-learning is necessary, the above steps s2 to s9 are repeated, and if re-learning is not necessary, the series of flow ends.
  • machine learning relearning
  • the defect category classifier 59 uses the automatic defect classifier Ba to assign a classification category to the defect image Px whose classification category is unknown.
  • the automatic defect classification apparatus 1 Since the automatic defect classification apparatus 1 according to the present invention has such a configuration, even if there are many defect images Pn constituting the teacher data T, errors in the classification category given by the user can be easily corrected, and automatic The accuracy of defect classification can be improved.
  • FIG. 6 is an image diagram showing an example of a display section in another form embodying the present invention.
  • FIG. 6 illustrates an image diagram G2 displayed on the display unit 6. As shown in FIG. A specific area G6 at the upper left of the screen is set in the image diagram G2.
  • the specific area G6 is an area that displays only the misclassified image Pw. Specifically, the image determined to be the misclassified image Pw in step s5 in the flow described above is displayed in the specific region G6 (corresponding to step s6 in this example).
  • a defect image display area G1 is set in the center or lower side of the left side of the screen, and a display reference setting area G2, a classification information display area G3, and a brightness setting area G4 are set on the right side of the screen. , and other setting area G5 are displayed. Since the contents of the defect image display area G1 to the other setting area G5 are the same as those included in the image diagram G1 described above, detailed description thereof will be omitted.
  • the defect image determined to have a degree of mismatch exceeding a predetermined reference value is regarded as the classification error image Pw.
  • a configuration for detecting and displaying on the display unit 6 is shown.
  • the configuration is not limited to displaying all the misclassified images Pw, and it is also possible to select and display misclassified images whose degree of disagreement is greater than a predetermined threshold value. Specifically, a threshold value is registered in advance or is input by the user, and only misclassified images Pw whose degree of disagreement exceeds the threshold value are displayed in the defect image display area G1.
  • the classification category with the least degree of disagreement is displayed as the reclassification candidate category in the MDC candidate display area G32 of the classification information display area G3 for the incorrectly classified image Pw.
  • Such a configuration is preferable because it can reduce the user's hesitation in setting the correct classification category and prevent the user from assigning an incorrect classification category.
  • such a configuration is not essential for embodying the present invention, and may be omitted.
  • the configuration for displaying the degree of disagreement with the same or different classification category assigned to the misclassified image in the degree of disagreement display area G33 has been exemplified.
  • confirmation/correction can be performed while comparing the degree of discrepancy between the classification category given by the user and other classification categories, which is preferable because it helps to decide whether or not to change the classification category.
  • a display of the degree of mismatch is not an essential component for embodying the present invention, and may be omitted.
  • the misclassified image Pw displayed in the defect image display area G1 is surrounded by a dotted line A so as to be displayed in a different form so that it can be easily distinguished from other defect images Pn whose classification category is correct. exemplified.
  • Such a configuration is preferable because the user can intuitively find the misclassified image Pw in a relatively short time.
  • the misclassified image Pw may be displayed in a color different from the color used in the background of the defect image Pn or in the defect image display area G1 or in a color that is easily identifiable (for example, red or yellow). may be displayed by enclosing .
  • a mark such as a circle or an asterisk may be displayed in a part of the area displaying the misclassified image Pw and its classification category. By doing so, the user can intuitively find the misclassified image Pw in a relatively short time, which is preferable.
  • the misclassified image Pw may be displayed not only in a uniform manner but also in a color-coded display according to the degree of disagreement between the classification categories. Specifically, a high degree of mismatch may be displayed in red, a medium degree of mismatch may be displayed in yellow, and a low degree of mismatch may be displayed in green. Alternatively, a configuration may be used in which the thickness of the dotted line is changed and displayed according to the degree of mismatch. Furthermore, the above-described dotted line A or colored frame may be displayed blinking on the misclassified image Pw to draw the user's attention and prompt the user to change the classification category of the misclassified image Pw. By doing so, it is possible to reduce the number of misclassified images Pw that are overlooked, which leads to an improvement in classification accuracy, which is preferable.
  • the display unit 6 is provided for displaying the plurality of defect images Pn and the classification categories assigned to the defect images Pn.
  • the configuration displayed in the form is exemplified. Such a configuration is preferable because the user can determine whether or not to correct while checking the classification category and additional information assigned to the incorrectly classified image Pw.
  • the display unit 6 is not an essential component for embodying the present invention, and may be omitted.
  • a configuration including an input unit (the operation input unit 3 in this example) that accepts a user's change of the classification category for an erroneously classified image has been exemplified.
  • Such a configuration is preferable because the user can determine whether or not to correct while checking the classification category and additional information assigned to the incorrectly classified image Pw.
  • an input unit is not an essential component for embodying the present invention, and may be omitted.
  • the brightness setting area G4 is configured to change the brightness of the misclassified image Pw and the defect image Px displayed in the defect image display area G1.
  • the configuration is not limited to such a configuration, and a configuration that changes the contrast, hue, etc. of these images may be used.
  • the warning display clear button B53 by pressing the warning display clear button B53 in the other setting area G5, the display of the dotted line A surrounding the incorrectly classified image Pw displayed in the defect image display area G1 is hidden (deleted).
  • the configuration is illustrated. However, without being limited to such a configuration, the dotted line A may be temporarily hidden while the warning display clear button B53 is being pressed or until it is pressed again.
  • the teaching data input unit 3 exemplifies a configuration in which the teaching data T is obtained from an external device, a host computer, or the like (that is, collectively input).
  • the configuration may be such that the user assigns a defect category (that is, newly manually inputs) while checking defect images Pn with unknown classification categories (that is, to which no classification category is assigned) one by one. .
  • the automatic defect classifier generation unit 57 for generating the automatic defect classifier Ba is provided separately from the teacher data evaluation classifier generation unit 51 for generating the evaluation classifier Bt. These may be configured by common program processing or the like. Alternatively, the teacher data evaluation classifier generation unit 51 may be substituted for the automatic defect classifier generation unit 57, and the finally generated evaluation classifier Bt may be treated as the automatic defect classifier Ba.

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

教師データを構成する欠陥画像が多くても、ユーザが付与した分類カテゴリに誤りを是正しやすくし、自動欠陥分類の精度を向上させることができる、自動欠陥分類装置を提供すること。　具体的には、教師データを用いて分類カテゴリが未知の欠陥画像に対する分類カテゴリを自動的に付与する自動欠陥分類装置において、　教師データ評価用分類器生成部と、特徴量算出部と、　欠陥画像の特徴量と、当該欠陥画像に付与されているものと同一及び異なる分類カテゴリに設定された特徴量の許容基準それぞれとの不一致度合いを算出する、カテゴリ不一致度算出部と、　算出した不一致度合いが最小となる分類カテゴリを選出し、選出した分類カテゴリがユーザにより付与された分類カテゴリと一致せず、かつ、不一致度合いが予め規定した基準値を超えていると判定されたものを分類間違い画像として検出する分類間違い画像検出部を備える。

Description

自動欠陥分類装置
　本発明は、ユーザにより分類カテゴリが付与された複数の欠陥画像からなる教師データを用いて分類基準を作成し、当該分類基準に基づいて分類カテゴリが未知の欠陥画像に対して自動的に分類カテゴリを決定する、自動欠陥分類装置に関する。
　例えば、半導体デバイスは、１枚の半導体ウエーハ上に多数の半導体デバイス回路（つまり、デバイスチップの繰り返し外観パターン）が層状に重なり合って形成された後、個々のチップ部品に個片化され、当該チップ部品がパッケージングされて、電子部品として単体で出荷されたり電気製品に組み込まれたりする。
　そして、個々のチップ部品が個片化される前に、１枚の半導体ウエーハを保持して成膜や露光・現像、エッチング、平滑化処理等が繰り返し行われ、その途中でウエーハ上に形成されたデバイスチップに対して欠陥検出や欠陥の種類の分類が行われている（例えば、特許文献１，２）。
特開２００７－０７１５８６号公報 特開平１１－３４４４５０号公報
　分類カテゴリが未知の欠陥画像に対して分類カテゴリを自動的に決定するために教師データを用いて分類基準が作成されるが、この教師データを構成する複数の欠陥画像は、ユーザにより分類カテゴリが付与されている。そのため、教師データにおいてユーザによる分類カテゴリの付与に誤りがあると、分類精度が低下する。
　一方、教師データを構成する複数の欠陥画像は、枚数が多いほど自動分類の精度が向上するが、目視による作業を伴うため枚数が多くなるにつれて間違いに気がつきにくくなるため、分類精度を向上させることが困難となる。
　先行文献２には、教師データに含まれる欠陥画像に付与された分類カテゴリ（つまり、ユーザが予め付与した分類カテゴリ）の修正に関する技術が開示されている。判別関数を算出、分類カテゴリの一致しない画像がユーザに提示される。分類精度を上げるためには、分類境界近傍に位置する教師画像もユーザによる確認が望ましいが、この手法では、分類境界近傍の分類カテゴリの一致する画像は表示されないため、分類精度を向上させることが困難であった。
　そこで本発明は、上記の問題点に鑑みてなされたものであり、
　教師データを構成する欠陥画像が多くても、ユーザが付与した分類カテゴリに誤りを是正しやすくし、自動欠陥分類の精度を向上させることができる、自動欠陥分類装置を提供することを目的とする。
　以上の課題を解決するために、本発明に係る一態様は、
　複数の欠陥画像それぞれに対して予めユーザにより分類カテゴリが付与された教師データを用いて、欠陥画像に対する分類器を生成し、当該分類器に基づいて分類カテゴリが未知の欠陥画像に対して自動的に分類カテゴリを付与する、自動欠陥分類装置において、
　教師データを入力する教師データ入力部と、
　複数の欠陥画像に対して所定の処理を行う処理部とを備え、
　　処理部は、
　分類カテゴリが未知の欠陥画像に対する分類器が生成される前の段階で、教師データに含まれる複数の欠陥画像に付与された分類カテゴリを評価するための評価用分類器を生成する、教師データ評価用分類器生成部と、
　評価用分類器に基づいて、教師データに含まれた複数の欠陥画像それぞれに対して特徴量の算出処理を行う特徴量算出部と、
　教師データに含まれた複数の欠陥画像それぞれに対して、当該欠陥画像の特徴量と、当該欠陥画像に付与されているものと同一及び異なる分類カテゴリに設定された特徴量の許容基準それぞれとの不一致度合いを算出する、カテゴリ不一致度算出部と、
　教師データに含まれた複数の欠陥画像それぞれに対して、算出した不一致度合いが最小となる分類カテゴリを選出し、選出した分類カテゴリがユーザにより付与された分類カテゴリと一致せず、かつ、不一致度合いが予め規定した基準値を超えていると判定されたものを分類間違い画像として検出する分類間違い画像検出部を備えたことを特徴としている。
　教師データを構成する欠陥画像が多くても、ユーザが付与した分類カテゴリの誤りを是正しやすくし、自動欠陥分類の精度を向上させることができる。
本発明を具現化する形態における欠陥画像の一例を示す画像図である。 本発明を具現化する形態の一例の全体構成を示す概略図である。 本発明を具現化する形態の一例の要部を示す概略図である。 本発明を具現化する形態における表示部の一例を示す画像図である。 本発明を具現化する形態の一例を示すフロー図である。 本発明を具現化する別の形態における表示部の一例を示す画像図である。
　以下に、本発明を実施するための形態について、図を用いながら説明する。
　図１は、本発明を具現化する形態における欠陥画像Ｐｎの一例を示す画像図である。
図１（ａ）～（ｄ）には、欠陥Ｘ１～Ｘ４が含まれた欠陥画像Ｐ１～Ｐ４がそれぞれ例示されている。ここでは、欠陥Ｘ１～Ｘ４の分類カテゴリをそれぞれ、Ａ欠陥，Ｂ欠陥，Ｃ欠陥，Ｄ欠陥とする。
一方、図１（ｅ）～（ｈ）には、参考用として、欠陥のない画像Ｐ１’～Ｐ４’がそれぞれ例示されている。
　図２は、本発明に係る自動欠陥分類装置１を含む検査システム１００の全体構成を示す概略図である。
　検査システム１００は、検査対象Ｗを検査するための検査画像Ｐを撮像し、検査画像Ｐ内の欠陥Ｘの有無や個数、位置、欠陥種類等を検査し、検査結果を出力するものである。
具体的には、検査システム１００は、自動欠陥分類装置１のほか、撮像部１１０、搬送部１２０、欠陥検出部１４０、制御部１３０等を含んで構成されている。
　搬送部１１０は、検査対象Ｗを保持しつつ、所定の速度で移動したり所定の場所で静止させたりするものである。具体的には、搬送部１１０は、検査対象Ｗを保持するワーク保持部や、検査対象Ｗを水平方向に移動・回転させるＸＹθステージ部等を備えている。
　撮像部１２０は、移動中または静止中の検査対象Ｗを撮像し、検査画像Ｐを出力するものである。具体的には、撮像部１２０は、鏡筒やレンズを備えた光学系本体部１２１、照明部１２２、撮像カメラ１２３を備えている。
　欠陥検出部１３０は、撮像部１２０から出力された検査画像Ｐを取得し、検査画像Ｐ内の欠陥Ｘを検出するものである。具体的には、欠陥検出部１３０は、検査画像Ｐ内に欠陥Ｘが含まれているかどうかを検査し、欠陥Ｘが含まれていれば、その欠陥Ｘの個数や位置、面積等の欠陥情報（つまり、検査結果）を付加して欠陥画像Ｐｘを出力するように構成されている。
　制御部１４０は、検査システム１００を統括して制御するものである。具体的には、制御部１４０は、自動欠陥分類装置１、搬送部１１０、撮像部１２０、欠陥検出部１３０等と接続されており、各部に対して制御信号を入出力して、所望の欠陥画像Ｐｘを自動欠陥分類装置１に取得させるように構成されている。
　図３は、本発明を具現化する形態の一例の全体構成を示す概略図である。図２には、本発明に係る自動欠陥分類装置１の概略図が示されている。
　自動欠陥分類装置１は、検査対象Ｗに潜む欠陥Ｘの種類を分類するものである。
具体的には、自動欠陥分類装置１は、検査システム１００の欠陥検出部１３０から出力された欠陥画像Ｐｘを取得し、複数の欠陥画像Ｐｎそれぞれに対して予めユーザにより分類カテゴリが付与された教師データＴを用いて、欠陥画像Ｐｘを分類するための分類器を生成し、当該分類器に基づいて分類カテゴリが未知の欠陥画像Ｐｘに対して自動的に分類カテゴリを付与するように構成されている。
より具体的には、自動欠陥分類装置１は、欠陥画像入力部ＧＩ、教師データ入力部２、操作入力部３、記憶部４、処理部５、表示部６、結果出力部７等を備えており、コンピュータ（ハードウェア）とその実行プログラム（ソフトウェア）等で構成されている。
　欠陥画像入力部ＧＩは、欠陥画像Ｐｘを入力するものである。
具体的には、欠陥画像入力部ＧＩは、外部装置やホストコンピュータ等から出力された欠陥画像Ｐｘのデータを取得するものである。
　教師データ入力部２は、教師データＴを入力するものである。
具体的には、教師データ入力部２は、外部装置やホストコンピュータ等から出力された教師データＴを取得するものである。
なお、教師データＴには、複数の欠陥画像Ｐｎと、これら欠陥画像Ｐｎに含まれる欠陥Ｘの分類カテゴリとが、それぞれ紐付けて格納されている。
　操作入力部３は、ユーザによるカーソル（ポインタとも言う）操作や数値入力等を受け付けるものである。
具体的には、操作入力部３は、表示部６に表示された画像を選択したり、設定項目を選択・変更したり、数値を入力するものである。
なお、欠陥画像入力部ＧＩ、教師データ入力部２、操作入力部３は、コンピュータの入力部ＤＩの一部で構成されている。
　記憶部４は、教師データＴや欠陥画像Ｐｎ，Ｐｘ、各処理に用いられるプログラム等を記憶するものである。
具体的には、記憶部４は、コンピュータのメモリーや補助記憶装置（ＳＳＤ，ＨＤＤなど）で構成されている。
　処理部５は、複数の欠陥画像Ｐｎや未知の欠陥画像Ｐｘに対して所定の処理を行うものである。
具体的には、処理部５は、教師データ評価用分類器生成部５１、特徴量算出部５２、カテゴリ不一致度算出部５３、分類間違い画像検出部５４、自動欠陥分類器生成部５７、欠陥カテゴリ分類部５９等を備えており、コンピュータ（ハードウェア）とその実行プログラム（ソフトウェア）で構成されている。
　教師データ評価用分類器生成部５１は、分類カテゴリが未知の欠陥画像Ｐｘに対して分類カテゴリを付与するための自動欠陥分類器Ｂａが生成される前の段階で、教師データＴに含まれる複数の欠陥画像Ｐｎに付与された分類カテゴリを評価するための評価用分類器Ｂｔを生成するものである。
具体的には、教師データ評価用分類器生成部５１は、教師データＴに基づく機械学習を行い、決定木等を含む評価用分類器Ｂｔの生成を行うものである。
より具体的には、教師データ評価用分類器生成部５１は、複数の決定木を生成してこれらの予測結果を多数決等で決定するモデル（いわゆる、ランダムフォレスト）を含む評価用分類器Ｂｔを生成する。
　特徴量算出部５２は、評価用分類器Ｂｔに基づいて、教師データＴに含まれた複数の欠陥画像Ｐｎそれぞれに対して特徴量の算出処理を行うものである。
具体的には、特徴量算出部５２は、評価用分類器Ｂｔ内の決定木を予測結果の各分類カテゴリを通る特徴量の出現頻度を算出し、この出現頻度を正規化するなどして、分類カテゴリ毎の各特徴量の重みを計算する。そして、教師データＴに含まれる複数の欠陥画像Ｐｎ全てを分類カテゴリ毎にグループ分けし、分けられた各分類カテゴリの画像群の特徴ベクトルから、分類カテゴリ毎に各特徴量の不一致度合いを判定するための許容基準（例えば、正常値の範囲）を算出し決定する。
なお、特徴量は、欠陥を判別・分類するために数値化されたもので、欠陥または欠陥候補に相当する画素領域の輝度値や色情報、背景との輝度差、長さ、幅、面積、周囲長、当該画素領域内の濃淡差等に関するデータ値である。
また、特徴ベクトルは、特徴量を成分とする多次元空間における１点として表示されるものであり、複数の特徴ベクトル点を多次元空間に表示した時、この点の距離が近いほど類似していることを示すものである。
　カテゴリ不一致度算出部５３は、教師データＴに含まれた複数の欠陥画像Ｐｎそれぞれに対して、当該欠陥画像Ｐｎの特徴量と、当該欠陥画像Ｐｎに付与されているものと同一及び異なる分類カテゴリに設定された特徴量の許容基準それぞれとの不一致度合いを算出するものである。
具体的には、教師データＴに含まれる複数の欠陥画像Ｐｎ全てについて、特徴量に基づいた特徴ベクトルを算出する。さらに、これら特徴ベクトルから、ユーザが分類した同一の分類カテゴリ毎に、特徴量の正常値の範囲を統計的に算出する。そして、カテゴリ不一致度算出部５３は、教師データＴに含まれる複数の欠陥画像Ｐｎ全てについて、ユーザが分類した同一の分類カテゴリ毎に、各欠陥画像Ｐｎの特徴ベクトルの各特徴量成分が正常値の範囲に収まっているか否かを照合する（つまり、一致／不一致の判定をする）。そして、特徴量ベクトルの各特徴量成分に対して不一致と判定された特徴量を検出する。そして、分類カテゴリ毎に検出した不一致の特徴量に基づいて、適宜重み付けを加味等して、付与された分類カテゴリに対する不一致度合いを算出する。
　分類間違い画像検出部５４は、複数の欠陥画像Ｐｎそれぞれに対して、算出した不一致度合いが最小となる分類カテゴリを選出し、選出した分類カテゴリがユーザにより付与された分類カテゴリと一致せず、かつ不一致度合いが予め規定した基準値を超えていると判定されたものを、分類間違い画像Ｐｗとして検出するものである。
具体的には、分類間違い画像検出部５４は、教師データＴに含まれる複数の欠陥画像Ｐｎ全てについて、カテゴリ不一致度算出部５３で算出した不一致度合いが最小となる分類カテゴリを選出し、それがユーザにより付与された分類カテゴリと一致するかを判定する。そして、分類カテゴリが一致しないと判定された欠陥画像については、不一致度合いが予め規定した基準値（例えば、統計的処理で規定した閾値）を超えていると判定されたものを分類間違い画像Ｐｗとして検出する。一方、不一致度合いが予め規定した基準値以下の場合、分類間違い画像Ｐｗとして取り扱われない。なお、この基準値をゼロないし極めて低い値に設定しておくことで、分類カテゴリが一致しないと判定された欠陥画像の全てないし殆どが、分類間違い画像Ｐｗとして検出される。一方、基準値を比較的大きな値に設定とすると、分類カテゴリが一致しないと判定された欠陥画像の一部ないし多くが、分類間違い画像Ｐｗとして検出されなくなる。
　そして、処理部５は、分類間違い画像検出部５４で検出された分類間違い画像Ｐｗを、外部装置やホストコンピュータ等に出力したり、ユーザが視認できるように表示部６に表示させたりする。
　自動欠陥分類器生成部５７は、欠陥画像Ｐｘに対して分類カテゴリを付与するための自動欠陥分類器Ｂａを生成するものである。
具体的には、自動欠陥分類器生成部５７は、教師データ評価用分類器生成部５１と同様の構成をしており、改善された教師データＴ’に基づいて機械学習が行われ、決定木等を含む自動欠陥分類器Ｂａが生成される。
　欠陥カテゴリ分類部５９は、分類カテゴリが未知の欠陥画像Ｐｘに対して分類カテゴリを付与するものである。
具体的には、欠陥カテゴリ分類部５９は、自動欠陥分類器Ｂａに基づいて、分類カテゴリが未知の欠陥画像Ｐｘに対して分類カテゴリを付与するものである。
　表示部６は、複数の欠陥画像Ｐｎ、これら欠陥画像Ｐｎに付与された分類カテゴリ、その他欠陥画像に関する情報、分類間違い画像Ｐｗ等を表示するものである。
具体的には、表示部６は、映像モニタやタッチパネル等（つまり、コンピュータの出力部ＤＯの一部）で構成されている。より具体的には、表示部６は、上述の操作入力部３と組み合わせて、ユーザインターフェイスＵを構成する。
　図４は、本発明を具現化する形態における表示部の一例を示す画像図である。
図４には、表示部６に表示される画像図Ｇが例示されている。
　画像図Ｇには、欠陥画像表示エリアＧ１、表示基準設定エリアＧ２、分類情報表示エリアＧ３、明るさ設定エリアＧ４、その他設定エリアＧ５等が含まれている。
　欠陥画像表示エリアＧ１は、複数の欠陥画像Ｐｘとその欠陥画像Ｐｘに付与された分類カテゴリとを表示するエリアである。
具体的には、欠陥画像表示エリアＧ１には、複数の欠陥画像Ｐｘがマトリクス状（タイル状とも言う）に表示されており、その欠陥画像Ｐｘの下に分類カテゴリが表示されている。さらに、欠陥画像表示エリアＧ１の右端には、複数の欠陥画像Ｐｘを縦方向にスクロールさせる縦スクロールバーＬ１１や上下移動ボタンＢ１１，Ｂ１２が設けられており、下端には、複数の欠陥画像Ｐｘを横方向にスクロールさせる横スクロールバーＬ１２や左右移動ボタンＢ１３，Ｂ１４が設けられており、欠陥画像表示エリアＧ１内に一度に表示しきれない（つまり、隠れている）他の欠陥画像Ｐｘを確認できるように構成されている。
そして、分類間違い画像Ｐｗについては、分類が正しい他の欠陥画像Ｐｎと区別しやすいように、異なる形態で表示される。具体的には、分類間違い画像Ｐｗの周りを点線Ａで囲む表示をする（本例では、エリアＧ１中の左上、右下）。
　表示順序設定エリアＧ２は、欠陥画像表示エリアＧ１に表示させる欠陥画像Ｐｘの順序を設定するエリアである。
具体的には、表示順序設定エリアＧ２は、予め登録された複数の表示順序（例えば、データリスト昇順、データリスト降順、カテゴリ昇順、カテゴリ降順、不一致度昇順、不一致度降順、・・・）の中から１つを選択して設定し、その方式が表示される。
なお、データリスト昇順／降順とは、欠陥画像Ｐｎに付与された通し番号を基準にして昇順／降順に左上端から右側および下側にかけて整列させる方式である。
また、カテゴリ昇順／降順とは、欠陥画像Ｐｎに付与された分類カテゴリを基準にして、昇順／降順に左上端から右側および下側にかけて整列させる方式である。
また、不一致度昇順／降順とは、欠陥画像Ｐｎに付与された分類カテゴリの不一致度合いを基準にして、昇順／降順に左上端から右側および下側にかけて整列させる方式である。
例えば、表示基準設定エリアＧ２には、現在設定されている順序（本例では、データリスト昇順）が表示されているが、ボタンＤ２１を押すと、他の表示順序がドロップダウン・リストとして表示される。そして、当該ドロップダウン・リスト内でカーソルＣを移動・クリック等して表示したい順序（例えば、カテゴリ昇順）を選択することで、変更後の表示順序が表示され、欠陥画像表示エリアＧ１内の欠陥画像Ｐｘがカテゴリ昇順に並べ替えられて表示される。
　分類情報表示エリアＧ３は、欠陥画像表示エリアＧ１に表示されている分類間違い画像Ｐｗや欠陥画像ＰｘのうちカーソルＣを移動・クリック等して選択した画像（以下、選択画像と言う）に関する分類情報を表示するエリアである。具体的には、分類情報表示エリアＧ３には、ＭＤＣ表示エリアＧ３１、ＭＤＣ候補表示エリアＧ３２、不一致度合い表示エリアＧ３３、分類変更先選択エリアＧ３４、変更ボタンＢ３３等が配置されている。
　ＭＤＣ表示エリアＧ３１は、選択画像について、ユーザが付与した分類カテゴリを表示するエリアである。例えば、ＭＤＣ表示エリアＧ３１には、Ａ欠陥を示す「ＮＧ－Ａ」が表示されている。
　ＭＤＣ候補表示エリアＧ３２は、選択画像に対する再分類候補カテゴリを表示するエリアである。具体的には、ＭＤＣ候補表示エリアＧ３２には、再分類候補カテゴリとして、不一致度合いが最も少ない分類カテゴリが表示される。
　不一致度合い表示エリアＧ３３は、選択画像が各分類カテゴリ（ＮＧ－Ａ，Ｂ，Ｃ，Ｄ，・・・）に分類された場合の不一致度合いを表示するエリアである。具体的には、不一致度合い表示エリアＧ３３には、各分類カテゴリと不一致度合いが表形式で表示されている。
さらに不一致度合い表示エリアＧ３３の右端には、複数の分類カテゴリを縦方向にスクロールさせる縦スクロールバーＬ３１や上下移動ボタンＢ３１，Ｂ３２が設けられており、不一致度合い表示エリアＧ３３内に一度に表示しきれない（つまり、隠れている）他の分類カテゴリと不一致度合いを確認できるように構成されている。
　分類カテゴリ変更先選択エリアＧ３４は、選択画像に付与された分類カテゴリを変更する際に、どの分類カテゴリに変更するかを選択するためのエリアである。例えば、現在付与されている分類カテゴリ（本例では、ＮＧ－Ａ）が表示されているが、ボタンＤ３１を押すと、他の分類カテゴリ（ＮＧ－Ｂ，Ｃ，Ｄ，・・・）がドロップダウン・リストとして表示される。そして、当該ドロップダウン・リスト内でカーソルＣを移動・クリック等して変更したい分類カテゴリ（例えば、ＮＧ－Ｃ）を選択することで、変更先の分類カテゴリが表示される（ただし、この時点で教師データＴは未だ変更されていない）。
　変更ボタンＢ３３は、変更を決定するためのスイッチボタンである。変更ボタンＢ３３を押すことで、分類カテゴリ変更先選択エリアＧ３４に表示されている分類カテゴリが、選択画像の分類カテゴリとして教師データＴが変更される。
　明るさ設定エリアＧ４は、欠陥画像表示エリアＧ１に表示されている分類間違い画像Ｐｗや欠陥画像Ｐｘの明るさを変更・設定するためのエリアである。具体的には、明るさ設定エリアＧ４には、明るさ設定値表示エリアＧ４１やスライドスイッチＬ４１が配置されている。
明るさ設定値表示エリアＧ４１には、現在の明るさ設定値が表示されている。
スライドスイッチＬ４１は、明るさ設定値を変更するものである。スライドスイッチＬ４１にカーソルＣを合わせて、ドラッグ操作して左右に移動させることで、現在の明るさ設定値が変更され、欠陥画像表示エリアＧ１に表示されている分類間違い画像Ｐｗや欠陥画像Ｐｘの明るさが変更される。
　その他設定エリアＧ５は、上述の項目以外の設定や種々の操作指示等をするためのエリアである。
その他設定エリアＧ５には、分類間違い基準設定エリアＧ５１や判定ボタンＢ５１、表示項目切替ボタンＢ５２、警告表示クリアボタンＢ５３が配置されている。
　分類間違い基準設定エリアＧ５１は、分類間違い画像Ｐｗを検出するための、間違い判定方式を表示・設定するエリアである。
具体的には、分類間違い基準設定エリアＧ５１は、予め登録された複数のＭＤＣ間違い判定方式（例えば、平均±３σ、平均±２σ、平均±σ、・・・）の中から１つを選択して設定し、その方式が表示される。例えば、分類間違い基準設定エリアＧ５１には、現在設定されているＭＤＣ間違い判定方式（本例では、平均±３σ）が表示されているが、ボタンＤ５１を押すと、他の判定方式（平均±２σ，平均±σ，・・・）がドロップダウン・リストとして表示される。そして、当該ドロップダウン・リスト内でカーソルＣを移動・クリック等して変更したい判定方式（例えば、平均±２σ）を選択することで、変更後の判定方式が表示される（ただし、この時点では再判定されていない）。
　判定ボタンＢ５１は、変更した判定方式でもう一度判定を行うためのスイッチボタンである。判定ボタンＢ５１を押すことで、分類間違い基準設定エリアＧ５１に表示されている判定方式に基づいて、分類間違い画像Ｐｗが検出され、欠陥画像表示エリアＧ１に表示される。
　表示項目切替ボタンＢ５２は、欠陥画像表示エリアＧ１に分類間違い画像Ｐｗのみを表示させるか、分類間違い画像Ｐｗと欠陥画像Ｐｘの双方を表示させるかを切り替えるスイッチボタンである。例えば、表示項目切替ボタンＢ５２は、押すたびにＯＮ／ＯＦＦの状態が切り替わると共に、略Ｖ字状（レ点とも言う）や白黒反転等のチェックマークの表示／非表示が切り替わるスイッチボタンである。具体的には、表示項目切替ボタンＢ５２がＯＮの時には分類間違い画像Ｐｗのみが表示され、表示項目切替ボタンＢ５２がＯＦＦの時には、分類間違い画像Ｐｗと欠陥画像Ｐｘの双方が表示される。
　警告表示クリアボタンＢ５３は、分類間違い画像Ｐｗの周りを囲む点線Ａの表示を非表示にするものである。具体的には、警告表示クリアボタンＢ５３を押すことで、すべての点線Ａが消去される。
　結果出力部ＲＯは、分類結果を出力するものである。
具体的には、欠陥画像入力部ＧＩで取得した分類カテゴリが未知の欠陥画像Ｐｘに対して、自動欠陥分類器Ｂａに基づいて自動的に付与された分類カテゴリ（つまり、分類結果）を、外部装置やホストコンピュータ等に出力するものである。
より具体的には、結果出力部ＲＯは、コンピュータの出力部ＤＯの一部で構成されている。
　［処理フロー］
　図５は、本発明を具現化する形態の一例を示すフロー図である。図５には、本発明に係る自動欠陥分類装置１を用いて、教師データＴに潜んでいるユーザが付与した分類カテゴリの誤りを是正し、自動欠陥分類の精度を向上させるフローが示されている。
　先ず、外部装置やホストコンピュータ等から出力された教師データＴを、教師データ入力部２から入力する（ステップｓ１）。具体的には、ユーザの指示に基づき、教師データＴが外部装置やホストコンピュータ等から出力される。
　次に、教師データ評価用分類器生成部５１で、教師データＴに基づいて評価用分類器Ｂｔを生成する（ステップｓ２）。具体的には、ユーザがいずれかの画面等に表示された「実行」ボタン等を押すことで、現在の教師データＴに基づく機械学習が開始され、評価用分類器Ｂｔの生成処理が行われる。
　次に、特徴量算出部５２で、評価用分類器Ｂｔに基づいて、教師データＴに含まれた複数の欠陥画像Ｐｎそれぞれに対して特徴量の算出処理を行う（ステップｓ３）。
　次に、カテゴリ不一致度算出部５３で、教師データＴに含まれた複数の欠陥画像Ｐｎそれぞれに対して、欠陥画像Ｐｎの特徴量と、欠陥画像Ｐｎに付与されているものと同一及び異なる分類カテゴリに設定された特徴量の許容基準それぞれとの不一致度合いを算出する（ステップｓ４）。
　次に、分類間違い画像検出部５４で、複数の欠陥画像Ｐｎそれぞれに対して、算出した不一致度合いが最小となる分類カテゴリを選出し、選出した分類カテゴリがユーザにより付与された分類カテゴリと一致せず、かつ不一致度合いが予め規定した基準値を超えていると判定されたものを分類間違い画像Ｐｗとして検出する（ステップｓ５）。
　次に、表示部６に、分類間違い画像Ｐｗに対して、分類が正しい他の欠陥画像Ｐｎと区別しやすいように、異なる形態で表示させる（ステップｓ６）。例えば、上述の画像図Ｇの様に、欠陥画像表示エリアＧ１中にて、分類間違い画像Ｐｗの周りを点線Ａで囲む表示をする。
　この後、ユーザにより分類間違い画像Ｐｗの確認作業を行い、教師データＴに含まれる分類カテゴリの変更（つまり、修正）が必要かどうか判断する（ステップｓ７）。
　必要に応じて、１つまたは複数の分類間違い画像Ｐｗに対して、分類カテゴリの変更が行われる（ステップｓ８）、教師データＴに対する改善が行われる。
　この後、教師データ評価用分類器生成部５１にて、改善された教師データＴ’に基づく機械学習（再学習）を行い評価用分類器Ｂｔの再生成をするかどうかを判断する（ステップｓ９）。再学習が必要であれば、上述のステップｓ２～ｓ９を繰り返し、再学習が必要なければ、一連のフローを終了する。
　この後、自動欠陥分類器生成部５７を用いて、最新状態の（つまり、改善された）教師データＴ’に基づいて機械学習が行われ、自動欠陥分類器Ｂａが生成される。その後、本発明に係る自動欠陥分類装置１では、欠陥カテゴリ分類部５９にて自動欠陥分類器Ｂａを用いて、分類カテゴリが未知の欠陥画像Ｐｘに対する分類カテゴリの付与が行われる。
　本発明に係る自動欠陥分類装置１は、このような構成をしているため、教師データＴを構成する欠陥画像Ｐｎが多くても、ユーザが付与した分類カテゴリの誤りを是正しやすくし、自動欠陥分類の精度を向上させることができる。
　［変形例］　　　
　なお上述では、欠陥画像表示エリアＧ１に他の分類カテゴリが正しい他の欠陥画像Ｐｎと共に、分類間違い画像Ｐｗを表示させる構成を例示した。
しかし、分類間違い画像Ｐｗのみを、特定領域Ｇ６に表示させる構成であっても良い。
　図６は、本発明を具現化する別の形態における表示部の一例を示す画像図である。
図６には、表示部６に表示される画像図Ｇ２が例示されている。画像図Ｇ２には、画面左上の特定領域Ｇ６が設定されている。
　特定領域Ｇ６は、分類間違い画像Ｐｗのみを表示するエリアである。
具体的には、上述のフロー中のステップｓ５で分類間違い画像Ｐｗと判定された画像を、特定領域Ｇ６に表示する（本例では、ステップｓ６に相当）。
　なお、画像図Ｇ２には、画面左側の中央ないし下側に、欠陥画像表示エリアＧ１が設定されており、画面右側には、表示基準設定エリアＧ２、分類情報表示エリアＧ３、明るさ設定エリアＧ４、その他設定エリアＧ５等が表示されている。欠陥画像表示エリアＧ１～その他設定エリアＧ５の内容については、上述した画像図Ｇ１に含まれるものと同様であるため、詳細な説明は省略する。
　このような構成とすることで、欠陥画像表示エリアＧ１内に多数ある欠陥画像Ｐｎの中から表示形態の異なる分類間違い画像Ｐｗを探す必要がなくなり、特定領域Ｇ６に意識を集中して確認作業をすれば良いので、ユーザの負担や作業時間が減り、好ましい。
　なお上述では、分類間違い画像検出部５４にて、分類カテゴリが一致しないと判定された欠陥画像については、不一致度合いが予め規定した基準値を超えていると判定されたものを分類間違い画像Ｐｗとして検出し、表示部６に表示する構成を示した。しかし、本発明を具現化する上で、分類間違い画像Ｐｗを全て表示する構成に限らず、分類間違い画像に対して不一致度合いが予め規定した閾値より大きなものを選別して表示する構成としても良い。具体的には、閾値を予め登録しておいたり、ユーザが入力したりする構成とし、不一致度合いが閾値を超えた分類間違い画像Ｐｗのみを、欠陥画像表示エリアＧ１に表示する。そうすることで、ユーザが付与した分類カテゴリの誤りが高いもの（つまり、自動分類の結果に影響を及ぼす可能性が高いもの）を重点的に確認・修正することができ、短時間で分類精度を向上させることができるため、好ましい。
　なお上述では、分類間違い画像Ｐｗに対して、分類情報表示エリアＧ３のＭＤＣ候補表示エリアＧ３２に、不一致度合いが最も少ない分類カテゴリを、再分類候補カテゴリとして表示する構成を例示した。この様な構成であれば、ユーザが正しいと思われる分類カテゴリを設定するために迷う時間を削減したり、別の誤った分類カテゴリを付与してしまうことを防止できるため、好ましい。
しかし、この様な構成は、本発明を具現化する上で必須では無く、省略されても良い。
　なお上述では、不一致度合い表示エリアＧ３３に、分類間違い画像に付与されたものと同一及び異なる分類カテゴリとの不一致度合いを表示する構成を例示した。このような構成であれば、ユーザが付与した分類カテゴリと他の分類カテゴリの不一致度合いを見比べながら確認・修正ができるので、分類カテゴリを変更する／しないの判断の助けになるため、好ましい。
しかし、この様な不一致度合いの表示は、本発明を具現化する上で必須の構成では無く、省略されても良い。
　なお上述では、分類カテゴリが正しい他の欠陥画像Ｐｎと区別しやすいように、異なる形態で表示される構成として、欠陥画像表示エリアＧ１に表示される分類間違い画像Ｐｗの周りを点線Ａで囲む表示を例示した。このような構成であれば、ユーザが分類間違い画像Ｐｗを比較的短時間で直感的に見つけることができるため、好ましい。
しかし、点線Ａで囲む表示に限らず、欠陥画像Ｐｎの背景や欠陥画像表示エリアＧ１に用いられる色とは異なる色ないし識別のしやすい色（例えば、赤色や黄色など）で、分類間違い画像Ｐｗを囲むような表示をしても良い。分類間違い画像Ｐｗやその分類カテゴリを表示している領域の一部に、丸印や星印等のマークを表示させても良い。そうすることで、ユーザが分類間違い画像Ｐｗを比較的短時間で直感的に見つけることができ、好ましい。
　また、分類間違い画像Ｐｗに対して、画一的な表示をさせるだけでなく、分類カテゴリの不一致度合いの大小に応じた色分け表示をする構成であっても良い。具体的には、不一致度合いの高いものを赤色、不一致度合いが中程度のものを黄色、不一致度合いが低いものを緑色等のユーザが注目しやすい色で表示しても良い。或いは、不一致度合いの大小に応じて、点線の太さを変えて表示する構成であっても良い。
さらに、分類間違い画像Ｐｗに対して、上述の点線Ａや色付き枠を点滅表示させるなどして、ユーザに注目させ、分類間違い画像Ｐｗに対して分類カテゴリの変更を促す表示をしても良い。そうすることで、分類間違い画像Ｐｗの見落としを削減することができ、分類精度の向上につながるため、好ましい。
　なお上述では、複数の欠陥画像Ｐｎおよび欠陥画像Ｐｎに付与された分類カテゴリを表示する表示部６を備え、表示部６は、分類間違い画像Ｐｗのみを、他の複数の欠陥画像Ｐｎとは異なる形態で表示する構成を例示した。このような構成であれば、ユーザが自ら分類間違い画像Ｐｗに付与された分類カテゴリや付加情報等を確認しながら修正する／しないの判断ができるため、好ましい。
しかし、表示部６は、本発明を具現化する上で必須の構成では無く、省略されても良い。
　なお上述では、分類間違い画像に対して、ユーザによる分類カテゴリの変更を受け付ける、入力部（本例では、操作入力部３）を備えた構成を例示した。このような構成であれば、ユーザが自ら分類間違い画像Ｐｗに付与された分類カテゴリや付加情報等を確認しながら修正する／しないの判断ができるため、好ましい。
しかし、この様な入力部は、本発明を具現化する上で必須の構成では無く、省略されても良い。
　なお上述では、明るさ設定エリアＧ４は、欠陥画像表示エリアＧ１に表示されている分類間違い画像Ｐｗや欠陥画像Ｐｘの明るさを変更する構成を例示した。
しかし、この様な構成に限らず、これら画像のコントラストや色相等を変更させる構成であっても良い。
　なお上述では、その他設定エリアＧ５の警告表示クリアボタンＢ５３を押すことで、欠陥画像表示エリアＧ１に表示された、分類間違い画像Ｐｗの周りを囲む点線Ａの表示を非表示にする（消去する）構成を例示した。
しかし、この様な構成に限らず、警告表示クリアボタンＢ５３を押している間またはもう一度押すまで、点線Ａが一時的に非表示となる構成であっても良い。
　なお上述では、教師データ入力部３は、教師データＴを外部装置やホストコンピュータ等から取得（つまり、一括入力）する構成を例示した。しかし、分類カテゴリが未知の（つまり、分類カテゴリが付与されていない）欠陥画像Ｐｎを１つずつ確認しながら、ユーザが欠陥カテゴリを付与（つまり、新規に手入力）する構成であっても良い。
　なお上述では、処理部５に欠陥カテゴリ分類部５９を備えた構成を例示したが、検査システム１００の欠陥検出部１３０に内蔵ないし隣接して備えられた構成であっても良い。
　なお上述では、自動欠陥分類器Ｂａを生成する自動欠陥分類器生成部５７が、評価用分類器Ｂｔを生成する教師データ評価用分類器生成部５１とは別に備えられた構成を例示したが、これらは共通のプログラム処理等で構成されていても良い。或いは、教師データ評価用分類器生成部５１を自動欠陥分類器生成部５７として代用し、最後に生成された評価用分類器Ｂｔを自動欠陥分類器Ｂａとして取り扱う構成であっても良い。
　　１　　自動欠陥分類装置
　　ＤＩ　入力部
　　ＧＩ　欠陥画像入力部
　　２　　教師データ入力部
　　３　　操作入力部
　　４　　記憶部
　　５　　処理部
　　６　　表示部
　　ＤＯ　出力部
　　ＲＯ　結果出力部
　　５１　教師データ評価用分類器生成部
　　５２　特徴量算出部
　　５３　カテゴリ不一致度算出部
　　５４　分類間違い画像検出部
　　５７　自動欠陥分類器生成部
　　５９　欠陥カテゴリ分類部
　　Ｇ１　欠陥画像表示エリア
　　Ｇ２　表示順序設定エリア
　　Ｇ３　分類情報表示エリア
　　Ｇ４　明るさ設定エリア
　　Ｇ５　その他設定エリア
　　Ｇ６　特定領域
　　Ｐ　　検査画像
　　Ｐｎ　欠陥画像（分類カテゴリが付与済）
　　Ｐｘ　欠陥画像（分類カテゴリが未知）
　　Ｐｗ　分類間違い画像
　　Ｔ　　教師データ（改善前）
　　Ｔ’　教師データ（改善後）
　　Ｂａ　自動欠陥分類器
　　Ｂｔ　評価用分類器
　　Ｘ　　欠陥
　　Ｗ　　検査対象
　　Ａ　　点線（注目表示）
　　Ｃ　　カーソル
　　１００　検査システム
　　１１０　撮像部
　　１２０　搬送部
　　１３０　欠陥検出部
　　１４０　制御部

Claims (9)

  1. 　複数の欠陥画像それぞれに対して予めユーザにより分類カテゴリが付与された教師データを用いて、欠陥画像に対する分類器を生成し、当該分類器に基いて分類カテゴリが未知の欠陥画像に対して自動的に分類カテゴリを付与する、自動欠陥分類装置において、
    　前記教師データを入力する教師データ入力部と、
    　前記複数の欠陥画像に対して所定の処理を行う処理部とを備え、
    　　前記処理部は、
    　前記分類カテゴリが未知の欠陥画像に対する分類器が生成される前の段階で、前記教師データに含まれる前記複数の欠陥画像に付与された前記分類カテゴリを評価するための評価用分類器を生成する、教師データ評価用分類器生成部と、
    　前記評価用分類器に基づいて、前記教師データに含まれた前記複数の欠陥画像それぞれに対して特徴量の算出処理を行う特徴量算出部と、
    　前記教師データに含まれた前記複数の欠陥画像それぞれに対して、当該欠陥画像の前記特徴量と、当該欠陥画像に付与されているものと同一及び異なる分類カテゴリに設定された特徴量の許容基準それぞれとの不一致度合いを算出する、カテゴリ不一致度算出部と、
    　前記教師データに含まれた前記複数の欠陥画像それぞれに対して、算出した前記不一致度合いが最小となる分類カテゴリを選出し、選出した当該分類カテゴリがユーザにより付与された前記分類カテゴリと一致せず、かつ前記不一致度合いが予め規定した基準値を超えていると判定されたものを、分類間違い画像として検出する分類間違い画像検出部を備えたことを特徴とする、自動欠陥分類装置。
  2. 　前記複数の欠陥画像および当該欠陥画像に付与された前記分類カテゴリを表示する表示部を備え、
    　前記表示部は、前記分類間違い画像のみを、他の前記複数の欠陥画像とは異なる形態で表示することを特徴とする、請求項１に記載の自動欠陥分類装置。
  3. 　前記表示部は、前記分類間違い画像のみを、特定領域に表示させる
    ことを特徴とする、請求項２に記載の自動欠陥分類装置。
  4. 　前記表示部は、前記分類間違い画像に対して前記不一致度合いが予め規定した閾値より大きなものを選別して表示する
    ことを特徴とする、請求項２又は請求項３に記載の自動欠陥分類装置。
  5. 　前記表示部は、前記分類間違い画像に対して、前記不一致度合いが最も少ない分類カテゴリを、再分類候補カテゴリとして表示する
    ことを特徴とする、請求項２～４のいずれかに記載の自動欠陥分類装置。
  6. 　前記表示部は、前記分類間違い画像に付与されたものと同一及び異なる分類カテゴリとの不一致度合いを表示する
    ことを特徴とする、請求項２～５のいずれかに記載の自動欠陥分類装置。
  7. 　前記表示部は、前記分類間違い画像に対して前記不一致度合いの大小に応じた色分け表示をすることを特徴とする、請求項２～６のいずれかに記載の自動欠陥分類装置。
  8. 　前記表示部は、前記分類間違い画像に対して前記分類カテゴリの変更を促す表示をすることを特徴とする、請求項２～７のいずれかに記載の自動欠陥分類装置。
  9. 　前記分類間違い画像に対して、ユーザによる前記分類カテゴリの変更を受け付ける、入力部を備えたことを特徴とする、請求項１～８のいずれかに記載の自動欠陥分類装置。
PCT/JP2022/039350 2021-11-24 2022-10-21 自動欠陥分類装置 WO2023095505A1 (ja)

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
WO2023095505A1 true WO2023095505A1 (ja) 2023-06-01

Family

ID=86539288

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/039350 WO2023095505A1 (ja) 2021-11-24 2022-10-21 自動欠陥分類装置

Country Status (3)

Country Link
JP (1) JP2023076992A (ja)
TW (1) TW202328671A (ja)
WO (1) WO2023095505A1 (ja)

Citations (12)

* Cited by examiner, † Cited by third party
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
WO2011074183A1 (ja) * 2009-12-16 2011-06-23 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
JP2016114592A (ja) * 2014-12-12 2016-06-23 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
US20170082555A1 (en) * 2015-09-18 2017-03-23 Kla-Tencor Corporation Adaptive Automatic Defect Classification
JP2020035097A (ja) * 2018-08-28 2020-03-05 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
CN111060520A (zh) * 2019-12-30 2020-04-24 歌尔股份有限公司 一种产品缺陷检测方法、装置与系统
CN111311542A (zh) * 2020-01-15 2020-06-19 歌尔股份有限公司 一种产品质量检测方法及装置
WO2021010269A1 (ja) * 2019-07-18 2021-01-21 三菱電機株式会社 検査装置、検査方法及びプログラム
CN113077462A (zh) * 2021-04-30 2021-07-06 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
CN113096119A (zh) * 2021-04-30 2021-07-09 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
CN113095438A (zh) * 2021-04-30 2021-07-09 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

Patent Citations (12)

* Cited by examiner, † Cited by third party
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
WO2011074183A1 (ja) * 2009-12-16 2011-06-23 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
JP2016114592A (ja) * 2014-12-12 2016-06-23 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
US20170082555A1 (en) * 2015-09-18 2017-03-23 Kla-Tencor Corporation Adaptive Automatic Defect Classification
JP2020035097A (ja) * 2018-08-28 2020-03-05 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
WO2021010269A1 (ja) * 2019-07-18 2021-01-21 三菱電機株式会社 検査装置、検査方法及びプログラム
CN111060520A (zh) * 2019-12-30 2020-04-24 歌尔股份有限公司 一种产品缺陷检测方法、装置与系统
CN111311542A (zh) * 2020-01-15 2020-06-19 歌尔股份有限公司 一种产品质量检测方法及装置
CN113077462A (zh) * 2021-04-30 2021-07-06 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
CN113096119A (zh) * 2021-04-30 2021-07-09 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
CN113095438A (zh) * 2021-04-30 2021-07-09 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

Also Published As

Publication number Publication date
JP2023076992A (ja) 2023-06-05
TW202328671A (zh) 2023-07-16

Similar Documents

Publication Publication Date Title
EP3502966B1 (en) Data generation apparatus, data generation method, and data generation program
EP3480735B1 (en) Inspection apparatus, data generation apparatus, data generation method, and data generation program
EP3499418B1 (en) Information processing apparatus, identification system, setting method, and program
WO2019117065A1 (ja) データ生成装置、データ生成方法及びデータ生成プログラム
KR102171491B1 (ko) 딥러닝을 이용한 양품 선별 방법
US20200043157A1 (en) Inspection Apparatus, Inspection Method, And Program
JP4374303B2 (ja) 検査方法及びその装置
TWI512787B (zh) A defect analysis support means, a program executed by the defect analysis support means, and a defect analysis system
WO2010023791A1 (ja) 欠陥検査方法及び装置
JP6113024B2 (ja) 分類器取得方法、欠陥分類方法、欠陥分類装置およびプログラム
JP2000057349A (ja) 欠陥の分類方法およびその装置並びに教示用データ作成方法
JP2005293264A (ja) 学習型分類装置及び学習型分類方法
US10860901B2 (en) Detection system, information processing apparatus, evaluation method, and program
US9280814B2 (en) Charged particle beam apparatus that performs image classification assistance
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
JP2017107313A (ja) 教師データ作成支援方法、画像分類方法、教師データ作成支援装置および画像分類装置
WO2021090601A1 (ja) 分類装置および画像分類システム
WO2023095505A1 (ja) 自動欠陥分類装置
JPH08254501A (ja) 外観検査方法及び装置
WO2023188803A1 (ja) 自動欠陥分類装置
JP7498890B2 (ja) 画像検査装置
WO2021075152A1 (ja) 欠陥分類装置、欠陥分類プログラム
JP2023004825A (ja) 解析装置、解析方法およびプログラム
KR20230129522A (ko) 지원 장치 및 방법
JP2022134742A (ja) 情報処理装置、情報処理方法、及びプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22898289

Country of ref document: EP

Kind code of ref document: A1