特許ウォッチ

公開番号2024178837
公報種別公開特許公報(A)
公開日2024-12-25
出願番号2023097287
出願日2023-06-13
発明の名称判定装置、学習装置及び教師データ作成装置
出願人国立大学法人筑波大学
代理人個人,個人,個人,個人,個人
主分類G06T 7/00 20170101AFI20241218BHJP(計算;計数)
要約【課題】精度よくクラス分類を行うと共に、各特徴量の影響度を導出する。
【解決手段】判定装置は、判定対象である物体についての二次元情報及び当該二次元情報に付帯する付帯情報を取得する二次元情報取得部と、前記二次元情報取得部により取得された前記二次元情報から第1特徴量を抽出する抽出部と、前記物体に関する特徴量であって、前記第1特徴量とは異なる第2特徴量を取得する第2特徴量取得部と、前記第1特徴量及び前記第2特徴量とは異なる第3特徴量を取得する第3特徴量取得部と、前記抽出部により抽出された前記第1特徴量と、前記第2特徴量取得部により取得された前記第2特徴量又は前記第3特徴量取得部により取得された前記第3特徴量の少なくともいずれかとを入力情報として、前記物体のクラス分類に関する演算を行う演算部と、前記演算部により行われた演算の結果を出力する出力部とを備える。
【選択図】図2
特許請求の範囲【請求項１】
判定対象である物体についての二次元情報及び当該二次元情報に付帯する付帯情報を取得する二次元情報取得部と、
前記二次元情報取得部により取得された前記二次元情報から第１特徴量を抽出する抽出部と、
前記物体に関する特徴量であって、前記第１特徴量とは異なる第２特徴量を取得する第２特徴量取得部と、
前記第１特徴量及び前記第２特徴量とは異なる第３特徴量を取得する第３特徴量取得部と、
前記抽出部により抽出された前記第１特徴量と、前記第２特徴量取得部により取得された前記第２特徴量又は前記第３特徴量取得部により取得された前記第３特徴量の少なくともいずれかとを入力情報として、前記物体のクラス分類に関する演算を行う演算部と、
前記演算部により行われた演算の結果を出力する出力部と
を備える判定装置。
続きを表示（約 980 文字）【請求項２】
前記物体に対する所定の工程が行われ、
前記第１特徴量は、前記工程が行われた後に取得された前記物体に関する情報であり、
前記第２特徴量は、前記工程が行われている間又は前記工程が行われる前における情報であり、
前記第３特徴量は、前記工程が行われた後、前記工程が行われている間又は前記工程が行われる前における情報である
請求項１に記載の判定装置。
【請求項３】
前記物体に対する所定の工程が行われ、
前記第２特徴量は、前記工程において制御される値である
請求項１又は請求項２に記載の判定装置。
【請求項４】
前記物体に対する所定の工程が行われ、
前記第２特徴量は、前記工程に影響を及ぼす値である
請求項１又は請求項２に記載の判定装置。
【請求項５】
前記二次元情報取得部は、前記物体が判定対象であるか否かの判定があらかじめ行われた結果として、判定対象であると判定された前記物体についての前記二次元情報を取得する
請求項１又は請求項２に記載の判定装置。
【請求項６】
前記二次元情報とは、前記物体を撮像した画像である
請求項１又は請求項２に記載の判定装置。
【請求項７】
前記抽出部は、画像である前記二次元情報を入力情報として、畳み込みニューラルネットワーク、Ｔｒａｎｓｆｏｒｍｅｒ、決定木、及び集団学習の少なくともいずれかを用いて前記第１特徴量を抽出する
請求項６に記載の判定装置。
【請求項８】
前記演算部は、前記第２特徴量と前記第３特徴量の組合せごとに、前記物体のクラスごとの尤度を演算する
請求項６に記載の判定装置。
【請求項９】
前記物体とは、印刷されたラベルであり、
前記物体のクラスとは、前記ラベルの印刷時における不良の種類を分類したものである
請求項６に記載の判定装置。
【請求項１０】
前記二次元情報とは、前記物体のうち不良を有する箇所と、不良を有しない箇所とを、二次元座標上に二値以上により表した情報である
請求項１又は請求項２に記載の判定装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、判定装置、学習装置及び教師データ作成装置に関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
従来、複数の製造工程を経て製造される製品の歩留まり要因を解析する方法が提案されている（例えば、特許文献１を参照）。このような技術は、例えば、半導体製造工程等に用いられる。半導体製造工程等の現場では、製造ロット毎に、歩留まりが高い正常ロット群であるか、歩留まりが低い異常ロット群であるかが解析される。さらに、解析結果に基づき、各工程における処理装置の差に着目し、工程ごと、又は装置ごとに歩留まり低下への影響度を抽出することが行われている。
【先行技術文献】
【特許文献】
【０００３】
特開２００５－０１２０９５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
上述したような従来技術では、深層学習等の機械学習が用いられ、ウェハマップの不良パターン（ウェハ上の不良チップの出現パターン）のクラス分類が行われる。しかしながら、ウェハマップに基づく不良パターンのクラス分類は精度が十分でなく、特に複数の不良パターンが重ね合わされているような場合、著しく精度が低下する問題があった。すなわち、従来技術による解析方法では、クラス分類精度が十分でないといった問題があった。
【０００５】
そこで本発明は、このような状況に鑑みてなされたものであり、精度よくクラス分類を行うことできると共に、各特徴量の影響度を導出することが可能な判定装置、学習装置及び教師データ作成装置の提供を目的とする。
【課題を解決するための手段】
【０００６】
（１）本発明の一態様は、判定対象である物体についての二次元情報及び当該二次元情報に付帯する付帯情報を取得する二次元情報取得部と、前記二次元情報取得部により取得された前記二次元情報から第１特徴量を抽出する抽出部と、前記物体に関する特徴量であって、前記第１特徴量とは異なる第２特徴量を取得する第２特徴量取得部と、前記第１特徴量及び前記第２特徴量とは異なる第３特徴量を取得する第３特徴量取得部と、前記抽出部により抽出された前記第１特徴量と、前記第２特徴量取得部により取得された前記第２特徴量又は前記第３特徴量取得部により取得された前記第３特徴量の少なくともいずれかとを入力情報として、前記物体のクラス分類に関する演算を行う演算部と、前記演算部により行われた演算の結果を出力する出力部とを備える判定装置である。
【０００７】
（２）本発明の一態様は、上述した判定装置において、前記物体に対する所定の工程が行われ、前記第１特徴量は、前記工程が行われた後に取得された前記物体に関する情報であり、前記第２特徴量は、前記工程が行われている間又は前記工程が行われる前における情報であり、前記第３特徴量は、前記工程が行われた後、前記工程が行われている間又は前記工程が行われる前における情報である。
【０００８】
（３）本発明の一態様は、上述した判定装置において、前記物体に対する所定の工程が行われ、前記第２特徴量は、前記工程において制御される値である。
【０００９】
（４）本発明の一態様は、上述した判定装置において、前記物体に対する所定の工程が行われ、前記第２特徴量は、前記工程に影響を及ぼす値である。
【００１０】
（５）本発明の一態様は、上述した判定装置において、前記二次元情報取得部は、前記物体が判定対象であるか否かの判定があらかじめ行われた結果として、判定対象であると判定された前記物体についての前記二次元情報を取得するものである。
（【００１１】以降は省略されています）

関連特許