JP2006098152A - 欠陥検出装置および欠陥検出方法 - Google Patents

Abstract

【課題】対象物上の欠陥を高精度かつ効率よく検出する。
【解決手段】欠陥検出装置では、被検査画像および参照画像のデータが撮像部３から演算部５０に入力され、差分画像生成部５２にて差分画像が生成されるとともに、領域画像生成部５１では差分画像よりも疑欠陥の情報および欠陥形状の情報が低減された画像として、欠陥を包含する欠陥包含領域を示す画像が生成される。第１評価部５３では、差分画像の欠陥包含領域に対応する領域中の欠陥候補の真虚が仮評価される。第２評価部５４では第１評価部５３による仮評価の結果に応じて欠陥候補から求められる特徴量の種類が特定され、欠陥候補の特徴量が求められるとともにこの特徴量に基づいて欠陥候補の真虚が評価される。これにより、基板９上の欠陥を高精度かつ効率よく検出することができる。
【選択図】図３

Description

本発明は、対象物上の欠陥を検出する技術に関する。

半導体基板、プリント配線基板、ガラス基板等（以下、「基板」という。）に形成されたパターンを検査する分野において、従来より様々な検査手法が用いられている。例えば、欠陥の候補の面積、周囲長、円形度、主軸の方向、扁平度等の幾何学的特徴量、あるいは、濃度勾配に基づく特徴量を求め、判別分析やニューラルネットワーク、遺伝的アルゴリズム（Genetic Algorithm）等を利用した判定器に入力して、真の欠陥であるか否かの判定を行って欠陥を検出することが行われている。

なお、特許文献１では、被検査画像と２つの参照画像のそれぞれとの間の２つの差分画像を生成し、２つの差分画像のそれぞれにおいて画素の値の標準偏差を用いて各画素の値をエラー確率値に変換して２つのエラー確率値画像を生成し、さらに、２つのエラー確率値画像の互いに対応する画素の値の積を求めることにより確率積画像を生成し、確率積画像の各画素の値を所定の閾値と比較することにより対象物上の欠陥の有無を判定する技術が開示されている。
特開２００２−２２４２１号公報

ところで、特許文献１の手法では、確率積画像を求めることにより欠陥を包含する領域を精度よく求めることが可能であるが、この領域の形状は必ずしも欠陥自体の形状を正確に反映したものとはならない。したがって、確率積画像から導かれる当該領域の幾何学的特徴量を判定器に入力して高度に欠陥を検出する場合には、学習の際における教師データ（例えば、欠陥の一例）の選定が容易ではなく、欠陥を精度よく検出することができないことがある。また、一般的に、判定器における判定には膨大な特徴量が用いられるため、演算に長時間を要してしまう。

本発明は上記課題に鑑みなされたものであり、対象物上の欠陥を高精度かつ効率よく検出することを目的としている。

請求項１に記載の発明は、対象物上の欠陥を検出する欠陥検出装置であって、対象物を撮像して多階調の被検査画像を取得する撮像部と、前記被検査画像と多階調の参照画像との差分画像を生成する手段と、前記差分画像よりも擬欠陥の情報および欠陥形状の情報が低減された画像として、欠陥を包含する欠陥包含領域を示す画像を生成する手段と、前記差分画像の前記欠陥包含領域に対応する領域中の欠陥候補の真虚を仮評価する第１評価手段と、前記第１評価手段による仮評価の結果に応じて前記欠陥候補から求められる特徴量の種類を決定し、前記欠陥候補の前記特徴量に基づいて前記欠陥候補の真虚を評価する第２評価手段とを備える。

請求項２に記載の発明は、請求項１に記載の欠陥検出装置であって、前記第１評価手段が、前記差分画像の画素の値の標準偏差に基づく値と前記欠陥候補に含まれる画素の値とを実質的に比較することにより前記欠陥候補の真虚を仮評価する。

請求項３に記載の発明は、請求項２に記載の欠陥検出装置であって、前記第１評価手段が、前記差分画像の前記欠陥包含領域に対応する領域において前記標準偏差に基づく値と各画素の値とを実質的に比較することにより前記欠陥候補を特定する。

請求項４に記載の発明は、請求項１ないし３のいずれかに記載の欠陥検出装置であって、前記特徴量の種類に欠陥候補の幾何学的特徴量が含まれる。

請求項５に記載の発明は、請求項１ないし３のいずれかに記載の欠陥検出装置であって、前記特徴量の種類に高次局所自己相関特徴量が含まれる。

請求項６に記載の発明は、請求項１ないし３のいずれかに記載の欠陥検出装置であって、前記特徴量の種類に濃度勾配に基づく特徴量が含まれる。

請求項７に記載の発明は、請求項１ないし６のいずれかに記載の欠陥検出装置であって、前記第２評価手段が、前記特徴量から判定結果を出力する判定器を学習により構築する判定器構築手段を有する。

請求項８に記載の発明は、対象物上の欠陥を検出する欠陥検出方法であって、対象物の多階調の被検査画像を取得する工程と、前記被検査画像と多階調の参照画像との差分画像を生成する工程と、前記差分画像よりも擬欠陥の情報および欠陥形状の情報が低減された画像として、欠陥を包含する欠陥包含領域を示す画像を生成する工程と、前記差分画像の前記欠陥包含領域に対応する領域中の欠陥候補の真虚を仮評価する工程と、前記仮評価の結果に応じて前記欠陥候補から求められる特徴量の種類を決定する工程と、前記欠陥候補の前記特徴量を求め、前記特徴量に基づいて前記欠陥候補の真虚を評価する工程とを備える。

請求項１ないし８の発明では、対象物上の欠陥を高精度かつ効率よく検出することができる。

また、請求項２の発明では、仮評価の結果を簡単な演算により求めることができ、請求項３の発明では、欠陥候補を容易に特定することができる。

また、請求項４の発明では、幾何学的特徴量を用いて欠陥候補の真虚を精度よく評価することができ、請求項５の発明では、高次局所自己相関特徴量を用いて欠陥候補の真虚を高度に評価することができ、請求項６の発明では、濃度勾配に基づく特徴量を用いて欠陥候補の真虚をより精度よく評価することができる。

また、請求項７の発明では、欠陥候補の真虚をより高度に評価することができる。

図１は、本発明の第１の実施の形態に係る欠陥検出装置１の構成を示す図である。欠陥検出装置１は、所定の配線パターンが形成された半導体基板（以下、「基板」という。）９を保持するステージ２、基板９を撮像して基板９の多階調の画像を取得する撮像部３、撮像部３に対してステージ２を相対的に移動するステージ駆動部２１、および、各種演算処理を行うＣＰＵや各種情報を記憶するメモリ等により構成されたコンピュータ４を備え、コンピュータ４により欠陥検出装置１の各構成が制御される。

撮像部３は、照明光を出射する照明部３１、基板９に照明光を導くとともに基板９からの光が入射する光学系３２、および、光学系３２により結像された基板９の像を電気信号に変換する撮像デバイス３３を有し、撮像デバイス３３から基板９の画像データが出力される。ステージ駆動部２１はステージ２を図１中のＸ方向およびＹ方向に移動する機構を有する。なお、本実施の形態では可視光である照明光を利用して撮像部３にて画像が取得されるが、例えば、電子線、紫外線、Ｘ線等を利用して画像が取得されてもよい。

図２は、コンピュータ４の構成を示す図である。コンピュータ４は、図２に示すように、各種演算処理を行うＣＰＵ４１、基本プログラムを記憶するＲＯＭ４２および各種情報を記憶するＲＡＭ４３をバスラインに接続した一般的なコンピュータシステムの構成となっている。バスラインにはさらに、情報記憶を行う固定ディスク４４、画像等の各種情報の表示を行うディスプレイ４５、操作者からの入力を受け付けるキーボード４６ａおよびマウス４６ｂ、光ディスク、磁気ディスク、光磁気ディスク等のコンピュータ読み取り可能な記録媒体８から情報の読み取りを行う読取装置４７、並びに、欠陥検出装置１の他の構成との間で信号を送受信する通信部４８が、適宜、インターフェイス（Ｉ／Ｆ）を介する等して接続される。

コンピュータ４には、事前に読取装置４７を介して記録媒体８からプログラム８０が読み出され、固定ディスク４４に記憶される。そして、プログラム８０がＲＡＭ４３にコピーされるとともにＣＰＵ４１がＲＡＭ４３内のプログラムに従って演算処理を実行することにより（すなわち、コンピュータがプログラムを実行することにより）、コンピュータ４が欠陥検出装置１における演算部としての役割を果たす。

図３は、ＣＰＵ４１がプログラム８０に従って動作することにより、ＣＰＵ４１、ＲＯＭ４２、ＲＡＭ４３、固定ディスク４４等が実現する機能構成を他の構成とともに示す図であり、図３において、演算部５０の各構成（領域画像生成部５１、差分画像生成部５２、第１評価部５３および第２評価部５４）がＣＰＵ４１等により実現される機能を示す。なお、演算部５０の機能は専用の電気的回路により実現されてもよく、部分的に電気的回路が用いられてもよい。

図４は、欠陥検出装置１が基板９上の欠陥を検出する処理の流れを示す図である。欠陥検出装置１では、まず、ステージ駆動部２１により基板９上の所定の検査領域（以下、「第１検査領域」という。）が撮像部３による撮像位置へと移動して第１検査領域の画像が取得される。続いて、基板９上において第１検査領域から所定の周期（例えば、基板９上に配列形成されるダイのパターンの中心間の距離）だけ離れた第２検査領域、および、第２検査領域から周期と同じ距離だけ離れた第３検査領域が撮像位置に順次合わせられ、第２検査領域の画像および第３検査領域の画像が取得される（ステップＳ１１）。基板９上の第１検査領域および第３検査領域には第２検査領域と同じパターンが形成されており、以下の処理では、第２検査領域の画像が被検査画像として、また、第１検査領域の画像および第３検査領域の画像のそれぞれが参照画像として取り扱われる。取得された１つの被検査画像および２つの参照画像のデータは演算部５０へと出力される。なお、欠陥の無い他の基板を予め撮像して取得される画像や、設計データから導かれる画像が参照画像として準備されてもよい。

図５は被検査画像の画素値のヒストグラム６１を例示する図であり、図６は一方の参照画像の画素値のヒストグラム６２を例示する図である。図５および図６に示すように欠陥検出装置１では、２５６階調の画像として被検査画像および参照画像が取得されている。なお、被検査画像および差分画像は、２５６階調以外の多階調の画像であってもよい。

領域画像生成部５１では、１つの被検査画像および２つの参照画像から基板９上の欠陥を包含する領域（以下、「欠陥包含領域」という。）を示す欠陥包含領域画像が生成される（ステップＳ１２）。ここで、欠陥包含領域画像を生成する処理としては、例えば、特許文献１の手法を利用することができる。この場合、まず、被検査画像と第１検査領域の参照画像との差分を示す第１画像、および、被検査画像と第３検査領域の参照画像との差分を示す第２画像が生成される。続いて、第１画像の画素の値の標準偏差が求められ、第１画像の各画素の値を標準偏差にて除することにより第１エラー確率値画像が生成される。同様に、第２画像の画素の値の標準偏差が求められ、第２画像の各画素の値を標準偏差にて除することにより第２エラー確率値画像が生成される。

２つのエラー確率値画像が生成されると、第１エラー確率値画像の各画素の値と第２エラー確率値画像の対応する画素の値との積の平方根を求めることにより、１つの確率積画像が生成される。そして、確率積画像を所定の閾値にて２値化して、２値化後の確率積画像に膨張処理を施すことにより、欠陥を包含する欠陥包含領域を示す欠陥包含領域画像が生成される。

一方で、差分画像生成部５２では、被検査画像の画素の値の平均値μ_ｏおよび標準偏差σ_ｏが求められ、被検査画像の各画素の値ｘ_ｏが平均値μ_ｏおよび標準偏差σ_ｏを用いて数１により値ｚ_ｏに変換される（すなわち、標準化（Ｚ変換）される。）。

また、２つの参照画像のうちの一方の参照画像に対しても同様に、画素の値の平均値μ_ｒおよび標準偏差σ_ｒが求められ、参照画像の各画素の値ｘ_ｒが平均値μ_ｒおよび標準偏差σ_ｒを用いて数２により値ｚ_ｒに変換される。

一般的には、数１および数２のような標準化は正規分布に対して行われるが、図５の被検査画像の画素値のヒストグラム６１および図６の参照画像の画素値のヒストグラム６２は近似しているため、標準化をこれらのヒストグラム６１，６２の画素値に関する均一な伸縮やヒストグラム６１，６２の平行移動に利用して、両画像を対比可能なように補正している。

そして、差分画像生成部５２では、変換後の被検査画像と変換後の参照画像との差分画像が生成される（ステップＳ１３）。なお、２つの参照画像の互いに対応する画素の値の平均値を算出する等して１つの新たな参照画像を生成し、標準化した後の新たな参照画像を用いて差分画像が生成されてもよい。

ここで、前述の欠陥包含領域画像と差分画像との違いについて説明する。ステップＳ１３にて生成される差分画像では、被検査画像および参照画像のそれぞれに生じるノイズの状態によっては、基板９上の正常な（非欠陥）領域に対応する位置であるにもかかわらず画素の値が大きくなって擬欠陥が発生する場合がある。これに対して、欠陥包含領域画像は、既述のように２つのエラー確率値画像から導かれるため、差分画像生成部５２による差分画像よりも擬欠陥の情報が低減された画像（大きなノイズが除去された画像と捉えることもできる。）となる。

また、領域画像生成部５１では２値化後の確率積画像にさらに膨張処理を施すことにより、互いに隣接した複数の欠陥を１つの欠陥包含領域に含めている。したがって、欠陥包含領域は本来の欠陥の形状よりも大きくなる傾向があるとともに、１つの欠陥包含領域を構成する互いに隣接した複数の欠陥に擬欠陥が含まれていた場合には、真の欠陥の形状は欠陥包含領域とは大きく異なるものとなる。さらに、欠陥包含領域画像は２つのエラー確率値画像を用いて生成されていることもあり、欠陥包含領域画像では、差分画像よりも擬欠陥の情報は低減されるが、差分画像に比べて欠陥の幾何学的形状を示す情報も低減されてしまう。

欠陥包含領域画像および差分画像が生成されると、第１評価部５３では、差分画像において欠陥包含領域画像の欠陥包含領域に対応する領域中から欠陥候補が画素群として特定される。その後、欠陥候補が真の欠陥であるか、あるいは、虚報であるかが判定されて欠陥候補の真虚が仮評価される（ステップＳ１４）。なお、例えば差分画像上ではほとんど見えないために欠陥候補が１つも特定されない場合もあり、この場合、欠陥包含領域自体が１つの欠陥候補として扱われてもよい。また、ステップＳ１４における第１評価部５３の処理については、欠陥検出処理の全体説明の後に詳述する。

第２評価部５４では、第１評価部５３により特定されるとともに仮評価の結果が真欠陥とされた欠陥候補に対しては、欠陥候補（を構成する画素群）の幾何学的特徴量（例えば、円形度、面積、周囲長、直径、扁平度、位置あるいは主軸の方向等）が求めるべき特徴量の種類として決定される（ステップＳ１５）。そして、この欠陥候補の幾何学的特徴量が求められ、幾何学的特徴量に基づいて欠陥候補が、基板９上のパターンが伸びる方向に平行であってパターンのエッジ上に存在するものであると特定される場合や、欠陥候補が直径の小さい真円であって基板９上のパターンの中央近傍に存在するものであると特定される場合には、この欠陥候補は虚報、あるいは、真欠陥ではあるが問題とならないもの（虚報と捉えることができる。）と評価され、その他の場合は真欠陥と評価される（ステップＳ１６）。

また、仮評価の結果が虚報とされた欠陥候補に対しては、例えば、高次局所自己相関特徴量が求めるべき特徴量の種類として決定され（ステップＳ１５）、被検査画像および参照画像（例えば、差分画像を生成する際に利用した参照画像）のそれぞれにおいて、欠陥包含領域に対応する領域の高次局所自己相関特徴量が求められる。そして、被検査画像の高次局所自己相関特徴量と参照画像の高次局所自己相関特徴量との差が所定の閾値以上となる場合には、この欠陥包含領域（に対応する領域）に包含される欠陥候補は真欠陥（または、欠陥の疑いがあるもの）であると評価され、その他の場合は虚報と評価される（ステップＳ１６）。

このように、第２評価部５４では、第１評価部５３による仮評価の結果に応じて欠陥候補から求められる特徴量の種類が決定され、この特徴量に基づいて欠陥候補の真虚が評価される。これにより、真欠陥であるにもかかわらず第１評価部５３による仮評価の結果が虚報とされた欠陥候補を、適切な種類の特徴量を用いて真欠陥と再評価し、また、虚報であるにもかかわらず仮評価の結果が真欠陥とされた欠陥候補も適切な種類の特徴量を用いて虚報と再評価することができる。第２評価部５４による評価結果は、必要に応じてディスプレイ４５に表示されて基板９上の欠陥が操作者へと報告され、基板９上の次の検査領域に対して上記処理（ステップＳ１１〜Ｓ１６）が繰り返される。

次に、図４のステップＳ１４での第１評価部５３における処理について説明する。図７は第１評価部５３において欠陥候補の真虚を仮評価する処理の流れを示す図である。差分画像生成部５２にて差分画像が生成されると（図４：ステップＳ１３）、第１評価部５３では、差分画像の画素の値の平均値μ_ｄおよび標準偏差σ_ｄが求められ、数３に示すように、差分画像の各画素の値ｘ_ｄと平均値μ_ｄとの差を標準偏差σ_ｄにて除することにより、変換後の画素の値ｚ_ｄが求められる。

そして、変換後の差分画像において値ｚ_ｄの絶対値が、所定の閾値である欠陥候補画素閾値３よりも大きい画素が特定され、当該画素のうち欠陥包含領域中に存在するもの（以下、「欠陥候補画素」という。）がさらに特定される。換言すれば、変換前の差分画像の欠陥包含領域において、平均値μ_ｄとの差の絶対値が標準偏差σ_ｄに欠陥候補画素閾値（すなわち、３）を乗じた値よりも大きい値ｘ_ｄを有する画素が欠陥候補画素とされる。

続いて、変換後の差分画像において値ｚ_ｄの絶対値が、所定の準欠陥候補画素閾値である２．５よりも大きい画素（以下、「準欠陥候補画素」という。）が特定される（ただし、欠陥候補画素を除く）。そして、準欠陥候補画素のうち欠陥候補画素に８近傍隣接するものがさらに特定され、図８に示すように、欠陥候補画素７１と準欠陥候補画素７２とが接続される。このとき、８近傍隣接する欠陥候補画素７１同士や欠陥候補画素７１に接続した準欠陥候補画素７２に８近傍隣接する準欠陥候補画素７２ａも同様に接続され、互いに接続する画素群が欠陥候補７とされる（ステップＳ２１）。このように、第１評価部５３では変換前の差分画像の欠陥包含領域に対応する領域において、差分画像の画素の値の標準偏差に基づく値と、各画素の値の平均値との差とを実質的に比較することにより欠陥候補７が容易に特定される。

欠陥候補７が特定されると、変換後の差分画像において、欠陥候補７に含まれる画素の値の絶対値の和（以下、「評価値」という。）が求められる（すなわち、（Σａｂｓ（ｚ_ｄ））が求められる。（ただし、ａｂｓ（ｚ_ｄ）はｚ_ｄの絶対値を示し、ｚ_ｄは１つの欠陥候補７に含まれる各画素の値である。））。

そして、各欠陥候補７の評価値が所定の欠陥評価閾値である６と比較され、欠陥候補７の真虚が仮評価される（ステップＳ２２）。例えば、１つの欠陥候補画素７１と２つの準欠陥候補画素７２とが接続して構成される欠陥候補７では、評価値は欠陥評価閾値６より大きくなるため真欠陥であると仮評価される。また、１つの欠陥候補画素７１と１つの準欠陥候補画素７２とが接続して構成される欠陥候補７では、欠陥候補画素７１の値によっては評価値が欠陥評価閾値６以下となり、この場合、この欠陥候補７は虚報と仮評価される。

このように、第１評価部５３では、画素の値の標準偏差に基づいて変換された差分画像において、欠陥候補７に含まれる画素の値の絶対値の和が、所定の閾値と比較されることにより欠陥候補７の真虚が仮評価される。その結果、多くの幾何学的特徴量等を用いることなく仮評価の結果を簡単な演算により求めることができる。なお、上記処理は、変換前の差分画像において、欠陥候補７に含まれる画素の値と平均値との差の絶対値の和を、画素の値の標準偏差に基づく閾値と比較することにより欠陥候補７の真虚を仮評価することと実質的に同じである。第１評価部５３による仮評価の結果は第２評価部５４に出力され、欠陥候補７の真虚の評価に利用される（図４：ステップＳ１５）。なお、第１評価部５３では欠陥候補７が特定されなかった欠陥包含領域については、この領域自体が虚報として仮評価されてもよい。

ここで、欠陥評価閾値、欠陥候補画素閾値および準欠陥候補画素閾値について説明する。図９は差分画像の画素値のヒストグラム６３を示す図である。図９の画素値のヒストグラム６３が作成された差分画像は、図５の画素値のヒストグラム６１および図６の画素値のヒストグラム６２がそれぞれ作成された被検査画像および参照画像に対して数１および数２による変換を行うことなく生成された差分画像において、各画素の値に１２８を加算した後の画素値のヒストグラム６３を示している。

一般的には、被検査画像の全体に対して欠陥の占める割合は無視できるほど小さいため、図５および図６に示すように被検査画像の画素値のヒストグラム６１および参照画像の画素値のヒストグラム６２の形状は互いに近似し、この場合、生成される差分画像の画素値のヒストグラム６３の幅の広がりはランダムノイズに依存するものと考えられる。ここで、差分画像の画素値のヒストグラム６３が正規分布に従うものであると仮定すると、差分画像において画素の値の平均値との差の絶対値が標準偏差の３倍より大きくなる値を有する画素（すなわち、欠陥候補画素）は、９９．７４％の確かさで異常な画素であるといえ（いわゆる、３シグマルール）、これに基づいて、本実施の形態では欠陥候補画素閾値を３としている。

しかしながら、例えば、４８×４８（＝２３０４）画素の大きさの差分画像では、実際には欠陥が存在しないものであっても、確率的には６個の欠陥候補画素（すなわち、擬欠陥の画素）が出現してしまう。ここで、６個の擬欠陥の画素のうちの２つが８近傍隣接する確率はモンテカルロ法より２．５％となり、実用上では無視できる程度となる。そこで、本実施の形態では欠陥評価閾値を６としている。

実際には、欠陥候補画素同士が８近傍隣接する場合に限らず、比較的高い確かさで異常な画素（準欠陥候補画素）と考えられる数個の画素が欠陥候補画素に対して８近傍隣接する場合も、この画素群が欠陥候補であると考えることができる。そこで、画素の値の平均値との差の絶対値が標準偏差の２．５７倍より大きくなる値を有する画素は９９％の確かさで異常な画素であり、計算の簡略化を図ることも考慮して、本実施の形態では準欠陥候補画素閾値を２．５としている。なお、欠陥評価閾値、欠陥候補画素閾値および準欠陥候補画素閾値は、擬欠陥が出現する確率の許容範囲等に応じて適宜決定することができ、上記値に限定されるものではない。また、欠陥候補を特定する際に、差分画像の欠陥包含領域の各画素の値と比較される値は、実質的に標準偏差に基づく値であればよい。

表１は第１評価部５３による仮評価の結果の一例を示し、それぞれが４８×４８画素を有する複数の被検査画像中に含まれる９４個の欠陥候補の真虚について、第１評価部５３による仮評価の結果と人間による判定結果とを比較している。なお、人間による判定結果は、走査型電子顕微鏡（ＳＥＭ）を用いて実際の基板９上を撮像することにより行われた。

表１より、第１評価部５３による仮評価の結果が、人間による判定結果に一致した欠陥候補の割合（正答率）は、７６．６［％］（＝（４６＋２６）／９４×１００）と求められる。実際には、人間による判定結果が真の欠陥であるにもかかわらず第１評価部５３による仮評価結果が虚報と評価された３個の欠陥候補は、領域画像生成部５１にて生成された欠陥包含領域画像の欠陥包含領域に含まれていなかったため、第１評価部５３のみに起因する正答率は、７９．１［％］（＝（４６＋２６）／９１×１００）となる。膨大な特徴量を用いて判別分析等による欠陥候補の真虚の評価を行った場合には、一般的には、正答率が８６〜８８［％］といわれており、仮評価としては（いわゆる、大雑把な分類としては）実用可能な結果が得られている。

以上のように、欠陥検出装置１では、第１評価部５３により被検査画像と参照画像との差分画像において欠陥包含領域に対応する領域中の欠陥候補の真虚が仮評価され、第２評価部５４において第１評価部５３による仮評価の結果に基づいて欠陥候補毎に適切な特徴量の種類を決定して欠陥候補の真虚が評価される。これにより、欠陥検出装置１では欠陥を検出する処理を階層化して基板９上の欠陥を高精度かつ効率よく検出することができる。また、第１評価部５３では、差分画像の画素の値の標準偏差に基づく値と、欠陥候補に含まれる画素の値とを実質的に比較することにより欠陥候補の真虚が仮評価されるため、仮評価の結果を容易に取得することができる。

第２評価部５４では、求められる特徴量の種類に幾何学的特徴量が含まれることにより、特定された欠陥候補の真虚を幾何学的特徴量を用いてより精度よく評価することができる。さらに、求められる特徴量の種類に高次局所自己相関特徴量が含まれることにより、差分画像上では画素の値が大きくならず検出が困難な欠陥候補（例えば、面積の広い欠陥）等についても、高次局所自己相関特徴量を用いて真虚をより高度に評価することができる。

また、欠陥検出装置１では第１評価部５３において、真欠陥および虚報の区別が明瞭とはされない仮評価の結果が取得されてもよい。例えば、評価値が４未満の欠陥候補はほぼ間違いなく虚報とし、評価値が４以上６以下である欠陥候補は真欠陥または虚報のどちらとも判定できず真虚不明とし、評価値が６より大きい欠陥候補はほぼ間違いなく真欠陥としてそれぞれ仮評価される。

真虚不明と仮評価された欠陥候補に対しては、領域画像生成部５１にて生成したエラー確率値画像を所定の閾値で２値化して得られる画像において欠陥包含領域に対応する領域におけるオイラー数が求めるべき特徴量の種類として決定され、当該特徴量が求められる（図４：ステップＳ１５）。なお、ほぼ間違いなく虚報とされた欠陥候補、および、ほぼ間違いなく真欠陥とされた欠陥候補については、それぞれ高次局所自己相関特徴量および幾何学的特徴量が求めるべき特徴量の種類として決定される。

真虚不明と仮評価された欠陥候補に対して求められたオイラー数は、所定の上側閾値および下側閾値と比較される。具体的には、オイラー数が上側閾値より大きい場合には、２値化後のエラー確率値画像の欠陥包含領域（に対応する領域）内の連結成分の数がホールの数より十分に多い（例えば、連結成分が砂目模様のように領域全体に分布している）ことを示し、オイラー数が下側閾値より小さい場合には、２値化後のエラー確率値画像の欠陥包含領域内のホールの数が連結成分の数より十分に多い（例えば、ホールが網目模様のように領域全体に分布している）ことを示すため、いずれの場合も領域画像生成部５１においてノイズ等の影響により欠陥包含領域とされたと考えられ、欠陥候補が虚報と判定される。

オイラー数が上側閾値より小さく、かつ、下側閾値より大きい場合には、２値化後のエラー確率値画像の欠陥包含領域内の各連結成分の幾何学的特徴量が求められ、幾何学的特徴量に基づいて評価結果が取得される。

なお、真虚不明あるいは虚報と仮評価された欠陥候補において、所定の手法により（例えば、差分画像を２値化することにより）欠陥包含領域内の何らかの領域を分離し、分離後の領域に対して、例えば幾何学的特徴量が求められて評価が行われてもよい。この場合、分離後の領域が無数に存在する等、実質的に領域を分離できない場合には、虚報と評価されてもよい。

図１０は、第２の実施の形態に係る欠陥分類装置１の第２評価部５４ａを示す図である。図１０の第２評価部５４ａは、少なくとも１種類の特徴量が入力されることにより判定結果を出力する判定器５４１、および、学習により判定器５４１を構築する判定器構築部５４２を有する。ここで、判定器５４１は、判別分析やニューラルネットワーク、遺伝的アルゴリズム、遺伝的プログラミング等である。判定器構築部５４２では、教師データを作成しつつ学習することにより判定器５４１に応じた欠陥判定条件を生成し、生成された欠陥判定条件が判定器５４１に入力される。

第２評価部５４ａでは、例えば、第１評価部５３による仮評価の結果が虚報であるとされた欠陥候補に対して、求めるべき特徴量の種類が濃度勾配に基づく特徴量として決定され（図４：ステップＳ１５）、この特徴量が求められて判定器５４１に入力される。そして、欠陥判定条件に応じて欠陥候補の真虚についての評価結果が出力され（ステップＳ１６）、操作者へと報告される。なお、仮評価の結果が真欠陥とされた欠陥候補ついては、他の種類の特徴量が求められる。

次に、濃度勾配に基づく特徴量について説明するために、まず、画像の濃度勾配について述べる。Ｘ方向およびＹ方向にて規定される画像中の座標（ｘ，ｙ）における濃度勾配を表すベクトルＶｒ（ｘ，ｙ）はＸ方向およびＹ方向の１次微分の値をそれぞれｆｘ，ｆｙとして数４にて表される。

Ｘ方向およびＹ方向に画素が配列されるデジタル画像では、位置（ｘ，ｙ）の画素の値をｆ（ｘ，ｙ）とすると、数４中のｆｘ，ｆｙは数５にて表される。なお、ベクトルＶｒの方向は濃度の暗い側から明るい方に向く。

次に、実際の画像処理においてベクトルＶｒ（ｘ，ｙ）を求める手法について説明する。例えば、図１１に示す３×３画素の配列中の画素ａ０〜ａ８において各画素の値がそれぞれｈ０〜ｈ８であるとすると、中央の注目画素ａ０の値ｈ０が、図１２に示す３×３の要素を有する加重マトリクスを用いて数６に示す演算により値ｇ０に変換される。なお、数６においてｎは加重マトリクスに応じて変更される値であり（任意の値とされてもよい。）、ｋは０〜８の整数である。

数６では、注目画素ａ０およびその８近傍の画素ａ１〜ａ８の値ｈ０〜ｈ８のそれぞれに加重マトリクスの対応する値ｗ０〜ｗ８を重みとして乗じて得た値の和を、ｎにて除算することにより変換後の値ｇ０が求められる。

ここで、加重マトリクスとして図１３．Ａに示すマトリクスを用いて数６の演算を行うことによりＸ方向の１次微分の値ｆｘが近似的に求められ、図１３．Ｂに示すマトリクスを用いて演算を行うことによりＹ方向の１次微分の値ｆｙが近似的に求められる。図１３．Ａおよび図１３．Ｂに示すマトリクスはカーネルとも呼ばれ、これらのマトリクスの場合、数５のｎは通常２とされる。なお、ｆｘ，ｆｙを求める際には、図１４．Ａおよび図１４．Ｂに示すマトリクス（プレウィト（Ｐｒｅｗｉｔｔ）と呼ばれる。）や図１５．Ａおよび図１５．Ｂに示すマトリクス（ソベル（Ｓｏｂｅｌ）と呼ばれる。）等の他のマトリクスが利用されてもよい。

第２評価部５４ａでは、図１６に例示する差分画像中の欠陥包含領域（に対応する領域）に含まれる各画素について、上記の手法を利用してｆｘ，ｆｙが求められ、ベクトルＶｒが取得される。そして、ベクトルＶｒの大きさｒおよび方向θが数７および数８によりそれぞれ求められる。

なお、ベクトルＶｒは差分画像中の欠陥包含領域内の画素間の相対的な濃淡変化を示す特徴量であり、画像取得時の照明状態等により非線形な濃淡の変動が生じたとしてもベクトルＶｒへの影響は少ない。

第２評価部５４ａではベクトルＶｒの大きさｒおよび方向θをパラメータとする２次元空間において、各ベクトルＶｒの大きさｒおよび方向θの組み合わせの頻度を入力することにより、２次元空間に２次元ヒストグラムが生成される。このとき、画素の値が０〜２５５までの２５６階調（８ビット階調）の画像では、ベクトルＶｒの大きさｒは０から約３６１までの範囲となり、方向θは（−π）〜（＋π）までの範囲となるが、２次元ヒストグラムでは大きさｒおよび方向θの範囲はそれぞれ所望の間隔にて量子化される。例えば、図１７に示す２次元ヒストグラムでは、大きさｒは２６分割され、方向θは１３分割されており、３３８個の頻度を要素として有するベクトルが濃度勾配に基づく特徴量として取得される。

複数の画素のそれぞれに対して求められるベクトルＶｒをそのまま特徴量として第２評価部５４ａにおける評価に利用した場合、特徴量は欠陥包含領域に含まれる画素数に比例する大きなデータ量となるが、第２評価部５４では２次元ヒストグラムを生成することにより、小さなデータ量の特徴量ベクトルが取得される。特徴量ベクトルは判定器５４１に入力され、欠陥判定条件に応じた評価結果が出力される。なお、大きさｒおよび方向θのそれぞれの範囲の分割数は、基板９上に形成されたパターン等に応じて適宜決定されてよい。

以上のように、図１０の第２評価部５４ａでは、学習により判定器５４１を構築する判定器構築部５４２が設けられ、第１評価部５３による仮評価の結果に応じて欠陥候補から求められる特徴量の種類が決定されるとともに、この特徴量が求められて判定器５４１に入力される。その結果、自動構築された判定器５４１により欠陥候補の真虚をより高度に評価することができる。また、第２評価部５４ａでは濃度勾配に基づく特徴量を用いることにより、欠陥候補の真虚をより精度よく評価することができる。欠陥検出装置１では欠陥候補の幾何学的特徴量や高次局所自己相関特徴量が判定器５４１に入力されて評価結果が取得されてもよい。また、判定器５４１に入力される特徴量の種類は複数とされてもよい。

なお、基板９上のパターンや欠陥等に対して解像度が十分に高く、かつ、ノイズが生じていない理想的な画像では、濃度勾配に基づく特徴量ベクトルは画像中の欠陥の位置にほとんど依存しない。また、同一の種類および形状であってそれぞれが向きの異なる複数の欠陥であっても、２次元ヒストグラム上ではθ軸方向に分布の位置がずれるだけであり、判定器５４１における欠陥判定条件によっては欠陥の回転の影響が少ない評価が可能となる。

以上、本発明の実施の形態について説明してきたが、本発明は上記実施の形態に限定されるものではなく、様々な変形が可能である。

欠陥包含領域を示す画像は、必ずしも確率積画像に基づいて生成されるものである必要はなく、差分画像よりも擬欠陥の情報および欠陥形状の情報が低減することにより欠陥包含領域を示す画像であればいかなるものであってもよい。

図４に示す処理の流れは、可能な範囲内で適宜変更されてよい。例えば、上記実施の形態では、図４のステップＳ１２にて欠陥包含領域画像が生成された後に、ステップＳ１３にて差分画像が生成されるが、欠陥包含領域画像および差分画像が第１評価部５３による仮評価の前に生成されるのであれば、いずれの工程が先に行われてもよい（もちろん、同時に行われてもよい。）。

欠陥検出装置１では第２評価部５４による評価結果を用いて欠陥候補の真虚をさらに評価する評価部が追加されてもよい。

基板９は半導体基板である必要はなく、プリント配線基板、ガラス基板等であってもよい。また、欠陥検出装置１による欠陥検出の対象物は基板以外であってもよい。

欠陥検出装置の構成を示す図である。 コンピュータの構成を示す図である。 コンピュータが実現する機能構成を示す図である。 基板上の欠陥を検出する処理の流れを示す図である。 被検査画像の画素値のヒストグラムを示す図である。 参照画像の画素値のヒストグラムを示す図である。 欠陥候補の真虚を仮評価する処理の流れを示す図である。 欠陥候補を特定する様子を説明するための図である。 差分画像の画素値のヒストグラムを示す図である。 第２の実施の形態に係る第２評価部を示す図である。 画素の配列を示す図である。 加重マトリクスを示す図である。 加重マトリクスを示す図である。 加重マトリクスを示す図である。 加重マトリクスの他の例を示す図である。 加重マトリクスの他の例を示す図である。 加重マトリクスのさらに他の例を示す図である。 加重マトリクスのさらに他の例を示す図である。 差分画像中の欠陥包含領域を示す図である。 ２次元ヒストグラムを示す図である。

符号の説明

１ 欠陥検出装置
３ 撮像部
５１ 領域画像生成部
５２ 差分画像生成部
５３ 第１評価部
５４，５４ａ 第２評価部
５４１ 判定器
５４２ 判定器構築部
Ｓ１１〜Ｓ１６ ステップ

Claims (8)

1. 対象物上の欠陥を検出する欠陥検出装置であって、
   対象物を撮像して多階調の被検査画像を取得する撮像部と、
   前記被検査画像と多階調の参照画像との差分画像を生成する手段と、
   前記差分画像よりも擬欠陥の情報および欠陥形状の情報が低減された画像として、欠陥を包含する欠陥包含領域を示す画像を生成する手段と、
   前記差分画像の前記欠陥包含領域に対応する領域中の欠陥候補の真虚を仮評価する第１評価手段と、
   前記第１評価手段による仮評価の結果に応じて前記欠陥候補から求められる特徴量の種類を決定し、前記欠陥候補の前記特徴量に基づいて前記欠陥候補の真虚を評価する第２評価手段と、
   を備えることを特徴とする欠陥検出装置。
2. 請求項１に記載の欠陥検出装置であって、
   前記第１評価手段が、前記差分画像の画素の値の標準偏差に基づく値と前記欠陥候補に含まれる画素の値とを実質的に比較することにより前記欠陥候補の真虚を仮評価することを特徴とする欠陥検出装置。
3. 請求項２に記載の欠陥検出装置であって、
   前記第１評価手段が、前記差分画像の前記欠陥包含領域に対応する領域において前記標準偏差に基づく値と各画素の値とを実質的に比較することにより前記欠陥候補を特定することを特徴とする欠陥検出装置。
4. 請求項１ないし３のいずれかに記載の欠陥検出装置であって、
   前記特徴量の種類に欠陥候補の幾何学的特徴量が含まれることを特徴とする欠陥検出装置。
5. 請求項１ないし３のいずれかに記載の欠陥検出装置であって、
   前記特徴量の種類に高次局所自己相関特徴量が含まれることを特徴とする欠陥検出装置。
6. 請求項１ないし３のいずれかに記載の欠陥検出装置であって、
   前記特徴量の種類に濃度勾配に基づく特徴量が含まれることを特徴とする欠陥検出装置。
7. 請求項１ないし６のいずれかに記載の欠陥検出装置であって、
   前記第２評価手段が、前記特徴量から判定結果を出力する判定器を学習により構築する判定器構築手段を有することを特徴とする欠陥検出装置。
8. 対象物上の欠陥を検出する欠陥検出方法であって、
   対象物の多階調の被検査画像を取得する工程と、
   前記被検査画像と多階調の参照画像との差分画像を生成する工程と、
   前記差分画像よりも擬欠陥の情報および欠陥形状の情報が低減された画像として、欠陥を包含する欠陥包含領域を示す画像を生成する工程と、
   前記差分画像の前記欠陥包含領域に対応する領域中の欠陥候補の真虚を仮評価する工程と、
   前記仮評価の結果に応じて前記欠陥候補から求められる特徴量の種類を決定する工程と、
   前記欠陥候補の前記特徴量を求め、前記特徴量に基づいて前記欠陥候補の真虚を評価する工程と、
   を備えることを特徴とする欠陥検出方法。

Images