JP2012032369A - 欠陥識別方法、欠陥識別装置、プログラム、及び記録媒体 - Google Patents

Abstract

【課題】欠陥の検出、並びに欠陥タイプ及び欠陥原因の分類を行う。
【解決手段】検出された欠陥の画像に関する欠陥マスク画像を受け取るステップと、複数のランドマークマスク画像を受け取るステップ（３０４）と、第１のランドマークマスク画像を用いて、上記検出された欠陥と上記第１のソースラインとの間のソース欠陥接続性計測を算出するステップ（５００）と、第２のランドマークマスク画像を用いて、上記検出された欠陥と上記第１のゲートラインとの間のゲート欠陥接続性計測を算出するステップ（５０２）と、上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測が共に０でない場合に、上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測に基づいて、上記検出された欠陥に関する欠陥タイプを識別するステップと、を含んでいる。
【選択図】図３

Description

本発明は、一般に、欠陥の検出と、欠陥タイプ及び欠陥原因の分類とに関するものである。本発明は、より具体的には、フラットパネルディスプレイにおける欠陥領域の、画像に基づく自動検出、並びに、欠陥のタイプ及び欠陥の原因の分類に関するものである。

フラットパネルディスプレイ（以降、ＦＰＤとも呼称する）は、例えば、携帯電話、デジタルカメラ、液晶ディスプレイ（以降、ＬＣＤとも呼称する）テレビ、コンピューターディスプレイ、携帯情報端末（以降、ＰＤＡとも呼称する）、及び、ディスプレイを含む他の消費者製品など、多種多様な消費者製品に普及してきている。ディスプレイの品質を確保し、かつ、ＦＰＤの生産性を向上させるために、ＦＰＤの欠陥の検査、欠陥の分類、及び、欠陥の原因の分類は、ＦＰＤの製造において重要な工程である。

特許文献１には、入力画像及びモデル画像の調整方法が開示されている。

特許文献２には、パターン形成済みの基板の欠陥を検出するように、基準画像の形状特徴を被検画像の形状特徴と比較する技術が開示されている。

米国特許出願公開第１２／８４６，７４８号明細書 特開２０００−２０８５７５号公報（２０００年７月２８日公開）

欠陥の検出と、欠陥のタイプ及び欠陥の原因の分類とを行う従来の方法の一つは、手動である、人間による検査である。このような方法においては、欠陥領域を検出するために、また、欠陥タイプ及びその原因を分類するために、作業者がＦＰＤの画像のそれぞれを検査する必要がある。この人間の作業は、作業者の有する技術及び専門知識に深く依存する。加えて、異なる画像の処理に要する時間は大きく異なる。これは、大量生産パイプラインについての問題を引き起こし得る。さらに、作業能力は、作業者間で大幅に異なり、かつ、時間が経過するにつれて作業者の疲労によりすぐに低下してしまう。ＦＰＤの表面パターンが非常に複雑であること、および、ＦＰＤの表面パターンが、異なる検出画像の間で大きく異なることに起因して、従来の手動検査は、時間がかかり、主観的であり、コストが高く、かつ、作業者の経験に依存する。

ＦＰＤの異なる画像に対して、欠陥の検出、並びに欠陥タイプ及び欠陥原因の分類をすることのできる、迅速で、ロバストで、自動的で、かつ、正確な方法、システム及び装置が望まれている。

本発明の実施形態は、一般に、欠陥の検出と、欠陥タイプ及び欠陥原因の分類とに関するものである。本発明は、より具体的には、フラットパネルディスプレイにおける欠陥領域の、画像に基づく自動検出と、検出された欠陥のタイプ及び原因の分類とに関するものである。本発明のいくつかの実施形態においては、検出された欠陥の修復方法が特定される。

本発明の第１の側面に基づけば、検出された欠陥に関する欠陥タイプが識別される。欠陥タイプは、検出された欠陥と上記フラットパネルディスプレイのランドマークとの接続性計測（connectivity measures）、及び、検出された欠陥と上記ランドマークとの距離計測（distance measures）に基づいて、分類ツリーを用いて識別される。

本発明の第２の側面に基づけば、検出された欠陥に関する欠陥原因が識別される。欠陥原因は、ルールに基づく分類と学習に基づく分類との組み合わせを用いて識別される。

本発明の第３の側面に基づけば、欠陥検出によって検出された複数の欠陥点は、当該複数の欠陥点に対して同じインデックスラベルを割り当てることによって、単一の欠陥に結合される。

本発明に係る欠陥識別方法は、フラットパネルディスプレイにおいて検出された欠陥に関する欠陥タイプを識別する欠陥識別方法であって、（ａ）フラットパネルディスプレイにおいて検出された欠陥の画像に関する欠陥マスク画像を受け取るステップと、（ｂ）複数のランドマークマスク画像を受け取るステップと、（ｃ）上記複数のランドマークマスク画像から、第１のランドマークマスク画像を用いて、上記検出された欠陥と第１のソースラインとの間の、当該第１のソースラインに関するソース欠陥接続性計測を算出するステップと、（ｄ）上記複数のランドマークマスク画像から、第２のランドマークマスク画像を用いて、上記検出された欠陥と第１のゲートラインとの間の、当該第１のゲートラインに関するゲート欠陥接続性計測を算出するステップと、（ｅ）上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測が共に０でない場合に、上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測に基づいて、上記検出された欠陥に関する欠陥タイプを識別するステップと、（ｆ）上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測が共に０である場合に、（ｆ−１）上記検出された欠陥と第１ソースラインとの間の第１の距離計測を算出するサブステップ、（ｆ−２）上記複数のランドマークマスク画像から、第３のランドマークマスク画像を用いて、上記検出された欠陥と第２のソースラインとの間の、当該第２のソースラインに関する第２の距離計測を算出するサブステップ、（ｆ−３）上記第１の距離計測と上記第２の距離計測とを組み合わせることによってソース欠陥距離計測を取得するサブステップ、（ｆ−４）上記検出された欠陥と上記第１のゲートラインとの間のゲート欠陥距離計測を算出するサブステップ、及び、（ｆ−５）上記ソース欠陥距離計測、及び上記ゲート欠陥距離計測に基づいて、上記検出された欠陥に関する上記欠陥タイプを識別するサブステップ、を含むステップと、を含んでいることを特徴としている。

上記の欠陥識別方法によれば、ランドマークマスク画像、及び、検出された欠陥から、上記ソース欠陥接続性計測、及び、上記ゲート欠陥接続性計測を算出し、算出した上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測が０であるか否かによって欠陥タイプを識別する。したがって、上記の構成によれば、フラットパネルディスプレイにおける欠陥タイプを高精度に識別することができる。

なお、上記ソース欠陥接続性計測が０でないとは、上記欠陥が上記ソースラインと接続していることを示しており、上記ゲート欠陥接続性計測が０でないとは、上記欠陥が上記ゲートラインと接続していることを示している。また、上記ソース欠陥接続性計測が０であるとは、上記欠陥が上記ソースラインと接続していないことを示しており、上記ゲート欠陥接続性計測が０であるとは、上記欠陥が上記ゲートラインと接続していないことを示している。

また、本発明に係る欠陥識別方法は、フラットパネルディスプレイにおいて検出された欠陥に関する欠陥原因を識別する欠陥識別方法であって、（ａ）検出された欠陥が上記フラットパネルディスプレイの画像において視認できないものである場合に、上記検出された欠陥に関する欠陥原因を、ＴＦＴ上の異常として識別するステップと、（ｂ）検出された欠陥が上記フラットパネルディスプレイの画像において視認できるものである場合に、上記検出された欠陥に関する欠陥原因を、ルールに基づく分類法、及び学習に基づく分類法の組み合わせを用いて、識別するステップと、を含んでいることを特徴としている。

上記欠陥識別方法によれば、欠陥原因の識別を高精度に行うことができる。

本発明における、上述および他の目的、特徴、並びに、利点は、添付した図面とともに、下記に示す本発明の詳細な説明を参照することによって、より容易に理解されるだろう。

本発明に係る欠陥識別方法によれば、フラットパネルディスプレイにおける欠陥タイプを高精度に識別することができる。また、本発明に係る欠陥識別方法によれば、欠陥原因の識別を高精度に行うことができる。

欠陥を有する例示的なフラットパネルディスプレイを示す図である。 例示的なフラットパネルディスプレイの画像におけるランドマークの一例を示す図である。 本発明の実施形態に係る、欠陥の検出、欠陥タイプの分類、欠陥原因の分類、及び欠陥修復方法の決定を示すフローチャートである。 本発明の実施形態に係る、検出された欠陥点ラベルの結合を示すフローチャートである。 本発明の実施形態に係る、検出された欠陥点ラベルの結合を示すフローチャートである。 本発明の実施形態に係る、欠陥原因の分類のための分類ツリーを示すフローチャートである。 本発明の実施形態に係る、欠陥原因の分類のための分類ツリーを示すフローチャートである。 本発明の実施形態に係る、欠陥原因の分類のための分類ツリーを示すフローチャートである。 本発明の実施形態に係る、例示的な欠陥位置についての、欠陥からソースラインまでの距離の計算の一例を示す図である。 本発明の実施形態に係る、欠陥原因の分類を示すフローチャートである。 本発明の実施形態に係る、欠陥原因の分類を示すフローチャートである。 欠陥原因の分類に対する例示的な確率密度関数（ＰＤＦ：Probability Density Function）の例を示す図である。 本発明の実施形態に係る、確率密度関数推定を示すフローチャートである。

本発明に係る実施形態は、図面を参照することによって最も明らかとなるだろう。なお、図面においては、同様の部材には同様の符号を付して示している。また、上述の図面は、この詳細な説明の一部として明示的に取り入れられる。

一般的に記載され、また、図面に示されている本発明の構成は、様々な異なる構成に変更及び設計可能であることは、容易に理解できるだろう。すなわち、本発明の方法およびシステムに係る実施形態について下記に示すより詳細な説明は、本発明の範囲を限定するものではなく、本発明についての現在における好ましい実施形態を示しているに過ぎない。

本発明に係る実施形態の要素は、ハードウェア、ファームウェア、および／またはソフトウェアにおいて実現される。本明細書において開示する実施形態では、主として、これらの形態のうち１つのみについて説明するが、当業者が任意の形態においてこれらの要素を実現し得ることは明らかであり、このようにして実現されたものも本発明の範囲に含まれる。

本発明に係る実施形態は、一般に、欠陥の検出、欠陥タイプ及び欠陥原因の分類に関する。より具体的には、本発明に係る実施形態は、画像に基づくＦＰＤ上の欠陥領域の自動検出、及び、検出された欠陥のタイプ及び原因の分類に関する。

本発明のいくつかの実施形態によれば、ＦＰＤが欠陥領域を含んでいるかどうかを検査するために、また、ＦＰＤが欠陥領域を含んでいる場合には、欠陥領域を特定し欠陥及び欠陥の原因を分類するために、１つ以上のデジタルカメラからＦＰＤのデジタル画像が取得される。図１には、欠陥１０２を有するＬＣＤ３色構成画素を備える例示的なフラットパネルディスプレイの構成の一部１００を示している。

本発明のいくつかの実施形態は、フラットパネルディスプレイの位相構造についての予備知識及び欠陥の位置に基づいて、フラットパネルディスプレイの欠陥を予め定められた複数の欠陥タイプのうちの一つに分類する方法、システム、及び、装置を含んでいる。本発明のいくつかの実施形態は、検出された欠陥の原因を推測する方法、システム、及び、装置を含んでいる。

本発明のいくつかの実施形態において、欠陥タイプの分類、及び、欠陥原因の分類は、フラットパネルディスプレイ内部のランドマークに対する欠陥の位置に依存して行われる。例示的なランドマークは、図２に示すように、ゲートライン２０４、ドレインライン２０３、Ｃｓライン２０５、２０６、ソースライン２０１、２０２、及び、フラットパネルディスプレイを構成するその他の構成要素を含んでいる。図２は、図１に示す例示的なフラットパネルディスプレイ構造１００に含まれるサブ画素部分２００についての例示的なランドマーク２０１〜２０６を示している。

本発明のいくつかの実施形態において、ランドマークマスク画像は、フラットパネルディスプレイ画素に関する無欠陥モデル画像から抽出する。本発明のいくつかの実施形態において、ランドマークマスク画像は、従来知られた自動セグメンテーション方法を用いることにより、無欠陥モデル画像から部分領域として抽出される。本発明の他の実施形態において、ランドマークマスク画像は、手動により、無欠陥モデル画像から部分領域として抽出される。本発明のさらに他の実施形態において、ランドマークマスク画像は、半自動的に無欠陥モデル画像から部分領域として抽出される。

本発明のいくつかの実施形態は、図３との関連において理解されるであろう。これらの実施形態において、ＦＰＤに関する入力画像が受信され（３００）、対応するモデル画像が検索される（３０２）。加えて、モデル画像に関する複数のランドマークマスク画像が検索される（３０４）。入力画像及びモデル画像は、従来知られた位置合わせ方法、システム、及び装置を用いて位置合わせされる（３０６）。従来知られた位置合わせ方法、システム、及び装置としては、例えば、米国特許出願１２／８４６，７４８、“Ｍｅｔｈｏｄｅ，Ｓｙｓｔｅｍｓ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｄｅｆｅｃｔ Ｄｅｔｅｃｔｉｏｎ”（発明者：Ｃｈａｎｇ Ｙｕａｎ、Ｍａｓａｋａｚｕ Ｙａｎａｓｅ、及び、Ｘｉｎｙｕ Ｘｕ、２０１０年７月２９日出願）に開示された方法、システム、及び装置が挙げられる。なお、上記文献を参照することによって、その全体が本明細書に組み込まれるものとする。本発明のいくつかの実施形態において、モデル画像は、位置合わせ処理において決定された画像間変換を用いて、入力画像の座標系に変換される。本発明の他の実施形態において、入力画像は、位置合わせ処理において決定された画像間変換を用いて、モデル画像の座標系に変換される。本発明のさらに他の実施形態において、入力画像及びモデル画像の双方は、位置合わせ処理において決定された画像間変換を用いて、共通の第３の座標系に変換される。サブ画素とも呼ばれる画素の色要素についての対象領域（ＲＯＩ）が、位置合わせされた入力画像、及び、位置合わせされたモデル画像の双方から抽出され（３０８）、欠陥検出が、入力画像におけるＲＯＩ及びモデル画像におけるＲＯＩを用いて行われる（３１０）。欠陥検出は、従来知られた検出方法、システム、及び装置を用いて行われる（３１０）。従来知られた検出方法、システム、及び装置としては、例えば、米国特許出願１２／８４６，７４８に開示されている方法、システム、及び、装置が挙げられる。インデックスを付された欠陥マスク画像が、欠陥検出によって生成される。それらのインデックスは、欠陥マスクの中の欠陥点に関連付けられている。欠陥点のラベルは結合され（３１２）、そして、結果として得られるラベルされた欠陥のそれぞれについて、欠陥タイプが決定される（３１４）。加えて、当該結果として得られるラベルされた欠陥のそれぞれについて、欠陥原因が決定され（３１６）、当該結果として得られるラベルされた欠陥のそれぞれについて、修復方法が決定される（３１８）。本発明の他の実施形態においては、欠陥タイプの決定、欠陥原因の決定、及び、修復方法の決定のうち１つ又は複数は、実行されなくてもよい。

なお、上記欠陥マスク画像は、入力画像（または入力画像のＲＯＩ）に含まれる画素の各々を「欠陥」（例えば１）か「無欠陥」（例えば０）かに割り振られたものである。

図４Ａ及び図４Ｂに関連して理解される本発明のいくつかの実施形態において、欠陥検出によって検出された複数の欠陥点は、当該複数の欠陥点に対して同じインデックスラベルを割り当てることによって単一の欠陥点に結合される。最初に、欠陥点の数は、Ｔ_defectと表される閾値と比較され（４００）、欠陥点の数が閾値Ｔ_defect以下である場合には（４０１）、結合処理を終了する（４０２）。欠陥点の数が閾値Ｔ_defectより大きい場合には（４０３）、面積が最大で、未結合の欠陥点が決定される（４０４）。この欠陥点をＢｉと表す。未判定、未結合の欠陥点が残っているか否かを判定する（４０６）。未判定、未結合の欠陥点が残っていない場合、現在の欠陥点の数が閾値Ｔ_defectよりも大きいか否かを判定することによって、結合処理を継続する（４０７）。未判定、未結合の欠陥点が残っている場合（４０９）、次の未判定、未結合の欠陥点（Ｂｊと表記）が処理される（４１０）。Ｂｉ及びＢｊを囲む境界ボックス（Ｂと表記）が算出される（４１２）。境界ボックスＢがランドマークマスク画像と重なっているか否かを判定する（４１４）。境界ボックスＢがランドマークマスク画像と重なっていない場合（４１５）、次の未判定、未結合の欠陥点がもし存在すれば、それらを判定する。境界ボックスＢがランドマークマスク画像と重なっている場合（４１７）、Ｂｉの重心（Ｃｉと表記）が算出され（４１８）、さらに、Ｂｊの重心（Ｃｊと表記）が算出される（４２０）。ＣｉとＣｊとの間の距離（Ｄｉｊと表記）が、従来知られた距離メトリックを用いて算出される（４２２）。距離Ｄｉｊは、閾値距離（Ｔ_Ｄと表記）と比較され（４２４）、ＤｉｊがＴ_Ｄ以上である場合（４２５）、次の未判定、未結合の欠陥点がもし存在すれば、それらを判定する。ＤｉｊがＴ_Ｄよりも小さい場合（４２７）、欠陥点Ｂｊのラベルを欠陥点Ｂｉのラベルに設定し（４２８）、次の未判定、未結合の欠陥点がもし存在すればそれらを判定する。このようにして、複数の欠陥点が、単一のインデックスラベルに関連付けられ、欠陥タイプの決定、欠陥原因の決定、及び、修復方法の決定において、単一の欠陥として取り扱われる。

本発明のいくつかの実施形態において、欠陥についての欠陥タイプの決定は、決定ツリーを用いて行われる。それらの決定ツリーは、図５Ａ、図５Ｂ及び図５Ｃに関連して理解される。これらの例示的な実施形態において、欠陥とソースラインとの間の接続性を示すソース欠陥接続性計測が算出される（５００）。ソース欠陥接続性計測は、Ｎｓと表される。いくつかの実施形態において、ソース欠陥接続性計測は、ソースラインに重複する欠陥における画素数を決定することによって算出される。欠陥とゲートラインとの間の接続性を示すゲート欠陥接続性計測が算出される（５０２）。ゲート欠陥接続性計測は、Ｎｇと表される。いくつかの実施形態において、ゲート欠陥接続性計測は、ゲートラインに重複する欠陥における画素数を決定することによって算出される。欠陥とＴＦＴとの間の接続性を示すＴＦＴ欠陥接続性計測が算出される（５０４）。ＴＦＴ欠陥接続性計測は、Ｎｔと表される。いくつかの実施形態において、ＴＦＴ欠陥接続性計測は、ＴＦＴに重複する欠陥における画素数を決定することによって算出される。本発明の他の実施形態において、重複領域における画素数のカウント以外の接続性計測が用いられる。

ＮｓとＮｇとを比較し、ＮｓがＮｇよりも大きいか否かを判定する（５０６）。ＮｓがＮｇよりも大きい場合（５０７）、欠陥に関連付けられる欠陥タイプは、ソース−ドレイン間リークである（５０８）。Ｎｔと０とを比較し（５１０）、Ｎｔが０より大きい場合（５１１）、欠陥がＴＦＴ上に位置することを示すフラグ（ＴＦＴフラグ）が設定され（５１２）、欠陥タイプの分類が終了する（５１４）。ＮｓがＮｇ以下である場合（５１５）、ＮｓとＮｇとを比較し、ＮｇがＮｓよりも大きいか否かを判定する（５１６）。ＮｇがＮｓよりも大きい場合（５１７）、欠陥に関連付けられる欠陥タイプは、ゲート−ドレイン間リークの欠陥である（５１８）。Ｎｔと０とを比較し（５１０）、Ｎｔが０より大きい場合（５１１）、欠陥がＴＦＴ上に位置することを示すフラグが設定され（５１２）、欠陥タイプの分類が終了する（５１４）。ＮｇがＮｓ以下である場合（５１９）、欠陥からソースラインまでのソース欠陥距離（Ｄｓと表記）が算出され（５２０）、また、欠陥からゲートラインまでのゲート欠陥距離（Ｄｇと表記）が算出される（５２２）。ＤｓとＤｇとを比較する（５２４）。ＤｓとＤｇとが等しい場合（５２５）、ＤｓとＤｇとが−１であるか否かを判定する（５２６）。ＤｓとＤｇとが−１である場合（５２７）、エラーフラグが設定される（５２８）。Ｄｓ及びＤｇが−１でない場合（５２９）、欠陥について、確信を持った分類処理を行うことができないことを示すインジケータ（不確定インジケータ）が設定される。（５３０）。続いて、Ｎｔと０とを比較し（５１０）、Ｎｔが０より大きい場合（５１１）、欠陥がＴＦＴ上に位置することを示すフラグが設定され（５１２）、欠陥タイプの分類が終了する（５１４）。ＤｓとＤｇとが等しくない場合（５３１）、ＤｓがＤｇよりも小さいか否かを判定する（５３２）。ＤｓがＤｇよりも小さい場合（５３３）、欠陥に関連付けられる欠陥タイプは、ソース−ドレイン間リークの欠陥である（５３４）。Ｎｔと０とを比較し（５１０）、Ｎｔが０より大きい場合（５１１）、欠陥がＴＦＴ上に位置することを示すフラグが設定され（５１２）、欠陥タイプの分類が終了する（５１４）。ＤｓがＤｇ以上である場合（５３５）、Ｄｇが０であるか否か、Ｎｔが０より大きいか否か、及び、Ｄｓが閾値Ｔｓより小さいか否かの比較が行われる（５３６）。全ての条件が満たされる場合（５３７）、欠陥に関連付けられる欠陥タイプは、ソース−ドレイン間リークである（５３８）。Ｎｔと０とを比較し（５１０）、Ｎｔが０より大きい場合（５１１）、欠陥がＴＦＴ上に位置することを示すフラグが設定され（５１２）、欠陥タイプの分類が終了する（５１４）。何れの条件も満たされない場合（５３９）、欠陥に関連付けられる欠陥タイプは、ゲート−ドレイン間リークである（５４０）。Ｎｔと０とを比較し（５１０）、Ｎｔが０より大きい場合（５１１）、欠陥がＴＦＴ上に位置することを示すフラグが設定され（５１２）、欠陥タイプの分類が終了する（５１４）。

本発明のいくつかの実施形態において、ランドマークと重なっている欠陥画素の数の算出は、欠陥マスク画像とランドマークマスク画像との論理積演算を含んでいる。欠陥マスク画像における欠陥位置が非０の画素値によって示され、また、ランドマークマスク画像のランドマーク位置が非０の画素値によって示される場合、２つの画像間の重複は、論理積演算によって得られる非０の画素の数になる。当業者であれば、ランドマークと重なっている欠陥画素の数を決定する多くの方法が存在することが分かるであろう。

本発明のいくつかの実施形態において、欠陥から、ソースライン又はゲートラインのラインなどの対象のラインまでの距離が、距離メトリックを用いた距離変換によって算出される。距離メトリックの例としては、マンハッタン距離メトリック、ユークリッド距離メトリック、Ｌ１距離メトリック、及び、従来知られている他の距離メトリックが挙げられる。距離変換は、対象のラインと欠陥との間の距離を決定するために用いられる。距離変換は、入力画像のそれぞれの画素位置から最も近い欠陥画素までの距離を決定するために用いられる。

本発明の他の実施形態において、欠陥からソースラインまでの距離は、次式に従って算出される。

ここで、Ｄｌｓ及びＤｒｓは、それぞれ、左側ソースライン及び右側ソースラインまでの距離を表している。左側ソースラインまでの距離、及び、右側ソースラインまでの距離の算出について、図６を用いて説明する。図６は、例えば、右側ソースライン又は左側ソースラインなどの例示的なソースライン６００を、右側縁６０２及び左側縁６０４と共に示している。図６はまた、４つの欠陥を示している。そられは、ソースライン６００の右側に存在する第１の欠陥６０６、ソースライン６００の左側に存在する第２の欠陥６０８、ソースライン６００の内側に存在する第３の欠陥６１０、及び、ソースライン６００の幅よりも大きい第４の欠陥６１２である。ソースライン６００の内側に存在する欠陥６１０、又は、ソースライン６００の幅よりも大きい欠陥６１２からソースライン６００までの距離は０である。従って、左側ソースラインまでの距離はＤｌｓ＝０であり、右側ソースラインまでの距離はＤｒｓ＝０である。ソースライン６００の右側に存在する欠陥６０６からソースライン６００までの距離は、次式に従って算出される。

ここで、Ｄは、右側ソースラインまでの距離、又は左側ソースラインまでの距離の何れが算出されるのかに依存して、それぞれの場合に、右側ソースラインまでの距離Ｄｒｓ、又は左側ソースラインまでの距離Ｄｌｓを示している。Ｘ_{defect_bbox_left}は、欠陥６０６の境界ボックス６１６の左縁６１４のｘ座標を示している。Ｘ_{right_most}は、ソースライン６００の右側縁６０２上の最も右側の画素６１８のｘ座標を示している。ソースライン６００の左側に存在する欠陥６０８についての、ソースライン６００までの距離は、次式に従って算出される。

ここで、Ｄは、右側ソースラインまでの距離、又は左側ソースラインまでの距離の何れが算出されるのかに依存して、それぞれの場合に、右側ソースラインまでの距離Ｄｒｓ、又は左側ソースラインまでの距離Ｄｌｓを示している。Ｘ_{defect_bbox_right}は、欠陥６０８の境界ボックス６２２の右縁６２０のｘ座標を示している。Ｘ_{left_most}は、ソースライン６００の左側縁６０４上の最も左側の画素６２４のｘ座標を示している。

本発明のいくつかの実施形態において、欠陥原因の決定には、ルールに基づく基準及びユーザによって定義される基準が、学習に基づく分類と組み合わせて用いられる。本発明のいくつかの実施形態において、欠陥原因は、ＴＦＴ上の異常、フラットパネルディスプレイの膜上の異常、又は、異物として分類される。欠陥原因の決定に係るいくつかの実施形態は、図７Ａ及び図７Ｂとの関連において理解されるであろう。これらの実施形態において、欠陥が目に見えるか否かを判定する（７００）。目に見える欠陥ではない場合（７０１）、欠陥原因は、ＴＦＴ上の異常であると分類され（７０２）、いくつかの実施形態においては、欠陥修復が、黒画素への画素交換にとして分類される（７０４）。目に見える欠陥である場合（７０５）、欠陥がランドマークのうちの１つに連結しているか否かを判定する（７０６）。欠陥がランドマークのうちの１つに連結していない場合（７０７）、欠陥原因は、異物であると分類される（７０８）。欠陥がランドマークのうちの１つに連結している場合（７０９）、欠陥面積比が算出され（７１０）、欠陥領域の画素値の均一性が算出される（７１２）。いくつかの実施形態において、欠陥原因が異物である事後確率（ＰｒｏｂＦＳと表記）、及び、欠陥原因がフラットパネルディスプレイの膜上の異常である事後確率（ＰｒｏｂＣＯＡＴと表記）を算出するために、ノーマルベイズ分類器（ＮＢＣ：normal Bayesian classifier）が用いられる。事後確率が比較され（７１６）、欠陥原因が異物である事後確率ＰｒｏｂＦＳが、欠陥原因がフラットパネルディスプレイの膜上の異常である事後確率ＰｒｏｂＣＯＡＴ以上である場合（７１７）、欠陥原因が異物であると分類される（７１８）。欠陥原因が異物である事後確率ＰｒｏｂＦＳが、欠陥原因がフラットパネルディスプレイの膜上の異常である事後確率ＰｒｏｂＣＯＡＴよりも小さい場合（７１９）、欠陥原因がフラットパネルディスプレイの膜上の異常であると分類され（７２８）、いくつかの実施形態において、欠陥修復が、切り取り操作（７３０）、及び黒画素への画素交換として分類される（７３２）。欠陥原因が異物であると分類されると（７０８、７１８）、欠陥サイズはサイズ閾値（Ｔｓｉｚｅと表記）と比較され（７２０）、欠陥サイズがサイズ閾値Ｔｓｉｚｅよりも大きい場合（７２１）、欠陥修復及び欠陥原因の分類は、作業者に対して指示され、手動での分類及び修復方法の決定が行われる（７２２）。欠陥サイズがサイズ閾値Ｔｓｉｚｅ以下である場合（７２３）、いくつかの実施形態において、欠陥修復が、切り取り操作（７２４）、及び黒画素への画素交換として分類される（７２６）。

なお、欠陥原因が異物である事後確率、及び、欠陥原因がフラットパネルディスプレイの膜上の異常である事後確率を算出するために、学習に基づく分類法として、上記ノーマルベイズ分類器に代えて、サポートベクトルマシン、神経回路網、及び、ブースティング分類器の少なくとも何れかを用いてもよい。

ノーマルベイズ分類器（ＮＢＣ）を含む本発明に係るいくつかの実施形態において、それぞれのカテゴリについての分類条件付き確率密度関数（ＰＤＦ：probability density function）は、パラメトリック形式が仮定される。本発明に係るいくつかの実施形態において、分類条件付きＰＤＦのパラメトリック形式はガウシアンであり、また、これらの実施形態において、全体のデータセット（双方のクラス）のＰＤＦは、２つのクラスの混合に関する混合ガウシアンである。他のいくつかの実施形態において、それぞれのカテゴリについての分類条件付きＰＤＦは、非パラメトリック密度としてモデル化され、これらの実施形態において、各クラスについての分類条件付きＰＤＦを推定するために、パルザン窓関数を含むカーネル密度推定や、他の非パラメトリック密度推定方法などの非パラメトリック密度推定方法が用いられる。

ＮＢＣは、オフライン学習及びオンライン予測の２つの段階を含んでいる。オフライン学習プロセスにおいて、それぞれのカテゴリに関する特徴についての分類条件付きＰＤＦの、パラメータ、平均、及び共分散（covariance）が、学習データから推定される。事前確率は、異物に起因する欠陥、及び、膜に起因する欠陥の発生頻度に関する予備知識に基づいて経験的に設定される。本発明に係るいくつかの実施形態において、パラメータは、学習データのサンプル平均及びサンプル共分散として推定される。本発明に係る他の実施形態において、パラメータは、最大尤度解（maximumlikelihood solution）を推定するための期待値最大化推定手法を用いて推定される。

予測段階において、欠陥の原因は、より大きい事後確率を有するクラスに割り当てられる。これにより、分類は、事後確率の最大値に基づくことになる。したがって、ベイズ決定則（Bayesian decision rule）は、

及び

によって与えられる事後確率に基づく。ここで、ｘは面積比及び欠陥領域の画素値の均一性計測（uniformity measure）を含む特徴ベクトルを表し、尤度

及び

は、

、及び、

をそれぞれパラメータとするガウシアンと仮定される。また、ｐ（ｃｏａｔ）、及び、ｐ（ＦＳ）は、事前確率を表している。図８は、欠陥原因クラスが異物である条件付きＰＤＦ８０２の一例、及び、欠陥原因クラスが膜である条件付きＰＤＦ８０４の一例を示すプロット図８００である。条件付きＰＤＦ８０２及び条件付きＰＤＦ８０４は、図９に示す学習プロセスによって得られる。膜が原因である欠陥及び異物が原因である欠陥を有する学習画像が収集される（９００）。収集された画像についての、特徴値（feature values）、面積比及び欠陥領域の画素値の均一性計測が算出される（９０２）。特徴値のサンプル平均が算出され（９０４）、そして、特徴値のサンプル共分散が算出される（９０６）。

図におけるフローチャート及びダイアグラムは、特定の順序での処理を示しているが、処理の順序は、図に示されたものと異なっていてもよいことが理解されるであろう。例えば、ブロックの処理順序は、図示された順序に比べて変化してもよい。そのうえ、さらなる例として、図において連続して示された２つまたはそれ以上のブロックは、同時に実行されてもよく、または、一部が同時に実行されてもよい。本明細書に記載の様々な論理関数を実行するために、当業者は、ソフトウェア、ハードウェア、および／または、ファームウェアを作成することができることが理解されるであろう。

本発明に係るいくつかの実施形態には、本明細書に記載の特徴及び方法を実行するコンピュータシステムをプログラムするために用いられる指示が格納されているコンピュータ読み取り可能な記録媒体を備えるコンピュータプログラム製品（computer program product）が含まれる。典型的なコンピュータ読み取り可能な記録媒体には、フラッシュメモリデバイス、フロッピー（登録商標）ディスク、光ディスク、磁気ディスク、デジタルバーサタイルディスク（ＤＶＤｓ）、コンパクトディスク（ＣＤｓ）、マイクロドライブ、及びその他のディスク型記録媒体等のディスク型記録媒体、リードオンリーメモリ（ＲＯＭｓ）、プログラマブルリードオンリーメモリ（ＰＲＯＭｓ）、イレイサブルプログラマブルリードオンリーメモリ（ＥＰＲＯＭｓ）、エレクトリカリーイレイサブルプログラマブルリードオンリーメモリ（ＥＥＰＲＯＭｓ）、ランダムアクセスメモリ（ＲＡＭＳ）、ビデオランダムアクセスメモリ（ＶＲＡＭｓ）、ダイナミックランダムアクセスメモリ（ＤＲＡＭｓ）、並びに、指示及び／又はデータを格納することのできる媒体やデバイスが含まれる。

（識別装置）
本発明に係る、欠陥タイプを識別する欠陥識別装置は、図３〜図７、及び図９を用いて説明した各ステップの少なくとも一部を実現する各手段を備えることによって実現することができる。

例えば、本発明に係る、欠陥タイプを識別する欠陥識別装置は、フラットパネルディスプレイにおいて検出された欠陥に関する欠陥タイプを識別する欠陥識別装置であって、（ａ）フラットパネルディスプレイにおいて検出された欠陥の画像に関する欠陥マスク画像を受け取る欠陥マスク画像受信手段と、（ｂ）複数のランドマークマスク画像を受け取るランドマークマスク画像取得手段（ステップ３０４に対応）と、（ｃ）上記複数のランドマークマスク画像から、第１のランドマークマスク画像を用いて、上記検出された欠陥と第１のソースラインとの間の、当該第１のソースラインに関するソース欠陥接続性計測を算出するソース欠陥接続性計測算出手段（ステップ５００に対応）と、（ｄ）上記複数のランドマークマスク画像から、第２のランドマークマスク画像を用いて、上記検出された欠陥と第１のゲートラインとの間の、当該第１のゲートラインに関するゲート欠陥接続性計測を算出するゲート欠陥接続性計測算出手段（ステップ５０２に対応）と、（ｅ）上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測が共に０でない場合に、上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測に基づいて、上記検出された欠陥に関する欠陥タイプを識別する識別手段（ステップ５０８、５１４、５２８、５３０、５３４に対応）と、（ｆ）上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測が共に０である場合に、（ｆ−１）上記検出された欠陥と第１ソースラインとの間の第１の距離計測を算出し、（ｆ−２）上記複数のランドマークマスク画像から、第３のランドマークマスク画像を用いて、上記検出された欠陥と第２のソースラインとの間の、当該第２のソースラインに関する第２の距離計測を算出し、（ｆ−３）上記第１の距離計測と上記第２の距離計測とを組み合わせることによってソース欠陥距離計測を取得し、（ｆ−４）上記検出された欠陥と上記第１のゲートラインとの間のゲート欠陥距離計測を算出すると共に、（ｆ−５）上記ソース欠陥距離計測、及び上記ゲート欠陥距離計測に基づいて、上記検出された欠陥に関する上記欠陥タイプを識別する手段（ステップ５３８、５４０に対応）と、を備えている。

また、本発明に係る、欠陥原因を識別する識別装置は、図３〜図７、及び図９を用いて説明した各ステップの少なくとも一部を実現する各手段を備えることによって実現することができる。

例えば、本発明に係る、欠陥原因を識別する欠陥識別装置は、フラットパネルディスプレイにおいて検出された欠陥に関する欠陥原因を識別する欠陥識別装置であって、（ａ）検出された欠陥が上記フラットパネルディスプレイの画像において視認できないものである場合に、上記検出された欠陥に関する欠陥原因を、ＴＦＴ上の異常として識別する第１の識別手段（ステップ７０２に対応）と、（ｂ）検出された欠陥が上記フラットパネルディスプレイの画像において視認できるものである場合に、上記検出された欠陥に関する欠陥原因を、ルールに基づく分類器、及び学習に基づく分類法の組み合わせを用いて、識別する第２の識別手段（ステップ７１４に対応）と、を備えている。

（プログラム及び記録媒体）
本発明に係る識別装置の各手段は、集積回路（ＩＣチップ）上に形成された論理回路によってハードウェア的に実現してもよいし、ＣＰＵ（Central Processing Unit）を用いてソフトウェア的に実現してもよい。

後者の場合、識別装置は、各機能を実現するプログラムの命令を実行するＣＰＵ、上記プログラムを格納したＲＯＭ（Read Only Memory）、上記プログラムを展開するＲＡＭ（Random Access Memory）、上記プログラムおよび各種データを格納するメモリ等の記憶装置（記録媒体）などを備えている。そして、本発明の目的は、上述した機能を実現するソフトウェアである識別装置の制御プログラムのプログラムコード（実行形式プログラム、中間コードプログラム、ソースプログラム）をコンピュータで読み取り可能に記録した記録媒体を、上記識別装置に供給し、そのコンピュータ（またはＣＰＵやＭＰＵ）が記録媒体に記録されているプログラムコードを読み出し実行することによっても、達成可能である。

上記記録媒体としては、例えば、磁気テープやカセットテープ等のテープ類、フロッピー（登録商標）ディスク／ハードディスク等の磁気ディスクやＣＤ−ＲＯＭ／ＭＯ／ＭＤ／ＤＶＤ／ＣＤ−Ｒ等の光ディスクを含むディスク類、ＩＣカード（メモリカードを含む）／光カード等のカード類、マスクＲＯＭ／ＥＰＲＯＭ／ＥＥＰＲＯＭ／フラッシュＲＯＭ等の半導体メモリ類、あるいはＰＬＤ（Programmable logic device）やＦＰＧＡ（Field Programmable Gate Array）等の論理回路類などを用いることができる。

また、識別装置を通信ネットワークと接続可能に構成し、上記プログラムコードを通信ネットワークを介して供給してもよい。この通信ネットワークは、プログラムコードを伝送可能であればよく、特に限定されない。例えば、インターネット、イントラネット、エキストラネット、ＬＡＮ、ＩＳＤＮ、ＶＡＮ、ＣＡＴＶ通信網、仮想専用網（Virtual Private Network）、電話回線網、移動体通信網、衛星通信網等が利用可能である。また、この通信ネットワークを構成する伝送媒体も、プログラムコードを伝送可能な媒体であればよく、特定の構成または種類のものに限定されない。例えば、ＩＥＥＥ１３９４、ＵＳＢ、電力線搬送、ケーブルＴＶ回線、電話線、ＡＤＳＬ（Asymmetric Digital Subscriber Line）回線等の有線でも、ＩｒＤＡやリモコンのような赤外線、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＩＥＥＥ８０２．１１無線、ＨＤＲ（High Data Rate）、ＮＦＣ（Near Field Communication）、ＤＬＮＡ（Digital Living Network Alliance）、携帯電話網、衛星回線、地上波デジタル網等の無線でも利用可能である。

上述した説明において用いられた用語や表現は、説明のための用語として用いられるものであり、何ら限定を伴うものではない。また、それらの用語や表現は、本明細書に記載された特徴またはその一部と同等の構成を排除することを意図するものではない。本発明の範囲は、以下の請求項によって定義され、以下の請求項によってのみ限定されるものである。

Claims (26)

1. フラットパネルディスプレイにおいて検出された欠陥に関する欠陥タイプを識別する欠陥識別方法であって、
   （ａ）フラットパネルディスプレイにおいて検出された欠陥の画像に関する欠陥マスク画像を受け取るステップと、
   （ｂ）複数のランドマークマスク画像を受け取るステップと、
   （ｃ）上記複数のランドマークマスク画像から、第１のランドマークマスク画像を用いて、上記検出された欠陥と第１のソースラインとの間の、当該第１のソースラインに関するソース欠陥接続性計測を算出するステップと、
   （ｄ）上記複数のランドマークマスク画像から、第２のランドマークマスク画像を用いて、上記検出された欠陥と第１のゲートラインとの間の、当該第１のゲートラインに関するゲート欠陥接続性計測を算出するステップと、
   （ｅ）上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測が共に０でない場合に、上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測に基づいて、上記検出された欠陥に関する欠陥タイプを識別するステップと、
   （ｆ）上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測が共に０である場合に、
   （ｆ−１）上記検出された欠陥と第１ソースラインとの間の第１の距離計測を算出するサブステップ、
   （ｆ−２）上記複数のランドマークマスク画像から、第３のランドマークマスク画像を用いて、上記検出された欠陥と第２のソースラインとの間の、当該第２のソースラインに関する第２の距離計測を算出するサブステップ、
   （ｆ−３）上記第１の距離計測と上記第２の距離計測とを組み合わせることによってソース欠陥距離計測を取得するサブステップ、
   （ｆ−４）上記検出された欠陥と上記第１のゲートラインとの間のゲート欠陥距離計測を算出するサブステップ、及び、
   （ｆ−５）上記ソース欠陥距離計測、及び上記ゲート欠陥距離計測に基づいて、上記検出された欠陥に関する上記欠陥タイプを識別するサブステップ、を含むステップと、を含んでいることを特徴とする欠陥識別方法。
2. （ａ）上記ソース欠陥接続性計測を算出するステップは、上記第１のソースラインに重複する上記検出された欠陥の画素数を決定するサブステップを含み、
   （ｂ）上記ゲート欠陥接続性計測を算出するステップは、上記第１のゲートラインに重複する上記検出された欠陥の画素数を決定するサブステップを含んでいる、
   ことを特徴とする請求項１に記載の欠陥識別方法。
3. 上記ソース欠陥接続性計測が上記ゲート欠陥接続性計測よりも大きい場合に、上記欠陥タイプはソース−ドレイン間リークとして識別される
   ことを特徴とする請求項１に記載の欠陥識別方法。
4. 上記ゲート欠陥接続性計測が上記ソース欠陥接続性計測よりも大きい場合に、上記欠陥タイプはゲート−ドレイン間リークとして識別される
   ことを特徴とする請求項１に記載の欠陥識別方法。
5. 上記ゲート欠陥距離計測が上記ソース欠陥距離計測よりも小さい場合に、上記欠陥タイプはソース−ドレイン間リークとして識別される
   ことを特徴とする請求項１に記載の欠陥識別方法。
6. （ａ）上記複数のランドマークマスク画像から、第３のランドマークマスク画像を用いて、上記検出された欠陥と第１のＴＦＴとの間の、当該第１のＴＦＴに関するＴＦＴ欠陥接続性計測を算出するステップと、
   （ｂ）上記ＴＦＴ欠陥接続性計測が０よりも大きい場合に、上記検出された欠陥が上記第１のＴＦＴ上に存在することを示すフラグを設定するステップと、をさらに含んでいる
   ことを特徴とする請求項１に記載の欠陥識別方法。
7. （ａ）第１の閾値を取得するステップと、
   （ｂ）上記ゲート欠陥距離計測が０であり、上記フラグが設定されており、さらに、上記ソース欠陥距離計測が上記第１の閾値よりも小さい場合に、上記欠陥タイプをソース−ドレイン間リークとして識別するステップと、をさらに含んでいる
   ことを特徴とする請求項６に記載の欠陥識別方法。
8. （ａ）第１の閾値を取得するステップと、
   （ｂ）上記ゲート欠陥距離計測が０でなく、上記フラグが設定されておらず、さらに、上記ソース欠陥距離計測が上記第１の閾値以上である場合に、上記欠陥タイプをゲート−ドレイン間リークとして識別するステップと、をさらに含んでいる
   ことを特徴とする請求項６に記載の欠陥識別方法。
9. 上記検出された欠陥には、第１の検出された欠陥点、及び、第２の検出された欠陥点が含まれている
   ことを特徴とする請求項１に記載の欠陥識別方法。
10. （ａ）上記第１の検出された欠陥点の重心と、上記第２の検出された欠陥点の重心との距離は、閾値距離よりも小さく
    （ｂ）上記第１の検出された欠陥点及び上記第２の検出された欠陥点を含む境界ボックスは、上記複数のランドマークマスク画像に関する少なくとも１つのランドマークと重複する、
    ことを特徴とする請求項９に記載の欠陥識別方法。
11. （ａ）上記第１の距離計測と上記第２の距離計測とを組み合わせることによってソース欠陥距離計測を取得するサブステップは、上記第１の距離計測及び上記第２の距離計測の最小値を決定するサブステップをさらに含み、
    （ｂ）上記検出された欠陥と上記第１のソースラインとの間の上記第１の距離計測を算出するサブステップは、
    （ｂ−１）上記検出された欠陥の境界ボックスを検出するサブステップ、
    （ｂ−２）上記第１のソースラインにおける第１エッジの端点を決定するサブステップ、及び、
    （ｂ−３）上記境界ボックスの縁と上記端点との間の距離を算出するサブステップ、を含んでいる
    ことを特徴とする請求項１に記載の欠陥識別方法。
12. 上記フラットパネルディスプレイは、液晶ディスプレイである
    ことを特徴とする請求項１に記載の欠陥識別方法。
13. 上記検出された欠陥に関する欠陥原因を識別するステップをさらに含んでいる
    ことを特徴とする請求項１に記載の欠陥識別方法。
14. 上記検出された欠陥に関する欠陥原因を、修復方法と関連付けるステップをさらに含んでいる
    ことを特徴とする請求項１３に記載の欠陥識別方法。
15. フラットパネルディスプレイにおいて検出された欠陥に関する欠陥原因を識別する欠陥識別方法であって、
    （ａ）検出された欠陥が上記フラットパネルディスプレイの画像において視認できないものである場合に、上記検出された欠陥に関する欠陥原因を、ＴＦＴ上の異常として識別するステップと、
    （ｂ）検出された欠陥が上記フラットパネルディスプレイの画像において視認できるものである場合に、上記検出された欠陥に関する欠陥原因を、ルールに基づく分類法、及び学習に基づく分類法の組み合わせを用いて識別するステップと、を含んでいる
    ことを特徴とする欠陥識別方法。
16. 上記学習に基づく分類法は、サポートベクトルマシン、ノーマルベイズ分類器、神経回路網、及び、ブースティング分類器から成るグループから選択された統計的分類法である
    ことを特徴とする請求項１５に記載の欠陥識別方法。
17. 上記ルールに基づく分類法は、上記検出された欠陥と複数のランドマークとの接続関係に関係する、少なくとも１つのルールを含む
    ことを特徴とする請求項１５に記載の欠陥識別方法。
18. 修復方法を、上記検出された欠陥に関する上記欠陥原因と関連付けるステップをさらに含んでいる
    ことを特徴とする請求項１５に記載の欠陥識別方法。
19. （ａ）上記学習に基づく分類法はノーマルベイズ分類器であり、
    （ｂ）上記ノーマルベイズ分類器に関する第１の特徴は、上記検出された欠陥に関する面積比であり、
    （ｃ）上記ノーマルベイズ分類器に関する第２の特徴は、上記検出された欠陥に関する欠陥領域の画素値の均一性計測である、
    ことを特徴とする請求項１５に記載の欠陥識別方法。
20. 上記ノーマルベイズ分類器は、
    （ａ）異物の欠陥原因に関する第１の事後確率を計算し、
    （ｂ）膜異常の欠陥原因に関する第２の事後確率を計算する
    ことを特徴とする請求項１９に記載の欠陥識別方法。
21. 上記ノーマルベイズ分類器は、
    （ａ）異物の欠陥原因に関する、第１カテゴリのガウシアンパラメトリック形式の分類条件付き確率密度関数と、（ｂ）膜異常の欠陥原因に関する、第２カテゴリのガウシアンパラメトリック形式の分類条件付き確率密度関数と、を用いるものであり、
    （ｃ−１）上記第１カテゴリのガウシアンパラメトリック形式の分類条件付き確率密度関数に関する第１の複数のパラメータは、サンプル推定法、及び期待値最大化推定法を含むグループから選択された推定法を用いて推定されるものであり、（ｃ−２）上記第２カテゴリのガウシアンパラメトリック形式の分類条件付き確率密度関数に関する第２の複数のパラメータは、サンプル推定法、及び期待値最大化推定法を含むグループから選択された推定法を用いて推定されるものである
    ことを特徴とする請求項１９に記載の欠陥識別方法。
22. 上記ノーマルベイズ分類器は、
    （ａ）異物の欠陥原因に関する、第１カテゴリの非パラメトリック形式の分類条件付き確率密度関数であって、パルザン窓関数を含むカーネル密度推定方法によって推定される確率密度関数、及び
    （ｂ）膜異常の欠陥原因に関する、第２カテゴリの非パラメトリック形式の分類条件付き確率密度関数であって、パルザン窓関数を含むカーネル密度推定方法によって推定される確率密度関数
    を用いるものであることを特徴とする請求項１９に記載の欠陥識別方法。
23. フラットパネルディスプレイにおいて検出された欠陥に関する欠陥タイプを識別する欠陥識別装置であって、
    （ａ）フラットパネルディスプレイにおいて検出された欠陥の画像に関する欠陥マスク画像を受け取る欠陥マスク画像受信手段と、
    （ｂ）複数のランドマークマスク画像を受け取るランドマークマスク画像取得手段と、
    （ｃ）上記複数のランドマークマスク画像から、第１のランドマークマスク画像を用いて、上記検出された欠陥と第１のソースラインとの間の、当該第１のソースラインに関するソース欠陥接続性計測を算出するソース欠陥接続性計測算出手段と、
    （ｄ）上記複数のランドマークマスク画像から、第２のランドマークマスク画像を用いて、上記検出された欠陥と第１のゲートラインとの間の、当該第１のゲートラインに関するゲート欠陥接続性計測を算出するゲート欠陥接続性計測算出手段と、
    （ｅ）上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測が共に０でない場合に、上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測に基づいて、上記検出された欠陥に関する欠陥タイプを識別する識別手段と、
    （ｆ）上記ソース欠陥接続性計測及び上記ゲート欠陥接続性計測が共に０である場合に、
    （ｆ−１）上記検出された欠陥と第１ソースラインとの間の第１の距離計測を算出し、
    （ｆ−２）上記複数のランドマークマスク画像から、第３のランドマークマスク画像を用いて、上記検出された欠陥と第２のソースラインとの間の、当該第２のソースラインに関する第２の距離計測を算出し、
    （ｆ−３）上記第１の距離計測と上記第２の距離計測とを組み合わせることによってソース欠陥距離計測を取得し、
    （ｆ−４）上記検出された欠陥と上記第１のゲートラインとの間のゲート欠陥距離計測を算出すると共に、
    （ｆ−５）上記ソース欠陥距離計測、及び上記ゲート欠陥距離計測に基づいて、上記検出された欠陥に関する上記欠陥タイプを識別する手段と、
    を備えていることを特徴とする欠陥識別装置。
24. フラットパネルディスプレイにおいて検出された欠陥に関する欠陥原因を識別する欠陥識別装置であって、
    （ａ）検出された欠陥が上記フラットパネルディスプレイの画像において視認できないものである場合に、上記検出された欠陥に関する欠陥原因を、ＴＦＴ上の異常として識別する第１の識別手段と、
    （ｂ）検出された欠陥が上記フラットパネルディスプレイの画像において視認できるものである場合に、上記検出された欠陥に関する欠陥原因を、ルールに基づく分類法、及び学習に基づく分類法の組み合わせを用いて、識別する第２の識別手段と、を備えている
    ことを特徴とする欠陥識別装置。
25. 請求項２３または２４に記載の識別装置を動作させるための制御プログラムであって、コンピュータを上記の各手段として機能させるためのプログラム。
26. 請求項２５に記載のプログラムが記録されたコンピュータ読み取り可能な記録媒体。

Images