特許ウォッチ

公開番号2025015303
公報種別公開特許公報(A)
公開日2025-01-30
出願番号2023118629
出願日2023-07-20
発明の名称検査支援装置、検査支援方法、および、コンピュータ読み取り可能なプログラム
出願人株式会社SCREENホールディングス
代理人個人,個人,個人
主分類G01N 21/956 20060101AFI20250123BHJP(測定;試験)
要約【課題】欠陥候補画像に対するオペレータの目視による判定精度を向上させる。
【解決手段】検査支援装置は、表面上にパターンを有する基板の検査を支援する装置である。記憶部301は、基板画像に対する一次検査により検出された複数の欠陥候補画像を記憶する。画像分類部302は、当該複数の欠陥候補画像に対してルールベース分類を行うことにより、各欠陥候補画像に含まれる欠陥候補の欠陥種または致命度に基づいて当該複数の欠陥候補画像を複数の分類画像群に分類する。画像分類部302は、表示部において上記複数の欠陥候補画像を分類画像群毎に表示可能とする分類表示データを生成する。これにより、欠陥候補画像に対するオペレータの目視による判定精度を向上させることができる。
【選択図】図3
特許請求の範囲【請求項１】
表面上にパターンを有する基板の検査を支援する検査支援装置であって、
基板画像に対する一次検査により検出された複数の欠陥候補画像を記憶する記憶部と、
前記複数の欠陥候補画像に対してルールベース分類を行うことにより、各欠陥候補画像に含まれる欠陥候補の欠陥種または致命度に基づいて前記複数の欠陥候補画像を複数の分類画像群に分類し、表示部において前記複数の欠陥候補画像を分類画像群毎に表示可能とする分類表示データを生成する画像分類部と、
を備える検査支援装置。
続きを表示（約 1,900 文字）【請求項２】
請求項１に記載の検査支援装置であって、
前記複数の欠陥候補画像を前記分類画像群毎に表示する表示部と、
前記表示部に表示された各欠陥候補画像を目視したオペレータによる欠陥または虚報の評価の入力を、前記各欠陥候補画像の真偽評価として受け付ける入力受付部と、
前記分類表示データにおいて前記各欠陥候補画像に前記真偽評価を対応付けることにより学習用データセットを生成する学習用データセット生成部と、
前記学習用データセットを用いて初期モデルに対する機械学習を行うことにより、基板画像のＡＩ検査に用いられる学習済みモデルを作成する学習部と、
をさらに備える検査支援装置。
【請求項３】
請求項２に記載の検査支援装置であって、
各分類画像群に対応する欠陥種または致命度に基づいて、前記各分類画像群に含まれる各欠陥候補画像に仮の真偽評価を設定する仮設定部をさらに備え、
前記学習用データセット生成部は、前記入力受付部において前記仮の真偽評価と異なる入力が受け付けられた場合、前記入力受付部にて受け付けられた真偽評価を欠陥候補画像に対応付け、他の場合は前記仮の真偽評価を欠陥候補画像に対応付ける検査支援装置。
【請求項４】
請求項１ないし３のいずれか１つに記載の検査支援装置であって、
前記画像分類部では、前記各欠陥候補画像は、前記各欠陥候補画像に含まれる前記欠陥候補の致命度に基づいて分類され、
前記欠陥候補の致命度は、前記各欠陥候補画像に含まれる前記欠陥候補の大きさ、および、前記欠陥候補の位置におけるパターン要素または背景領域の幅に基づいて決定される検査支援装置。
【請求項５】
請求項１ないし３のいずれか１つに記載の検査支援装置であって、
前記画像分類部では、前記各欠陥候補画像は、前記各欠陥候補画像に含まれる前記欠陥候補の致命度に基づいて分類され、
前記欠陥候補の致命度は、前記各欠陥候補画像に含まれる前記欠陥候補の濃度に基づいて決定される検査支援装置。
【請求項６】
請求項１ないし３のいずれか１つに記載の検査支援装置であって、
前記画像分類部では、前記各欠陥候補画像は、前記各欠陥候補画像に含まれる前記欠陥候補の欠陥種に基づいて分類され、
前記画像分類部は、前記各欠陥候補画像をＲＧＢのいずれかである第１の色により表現した第１画像に変換し、前記各欠陥候補画像に含まれる欠陥候補を有しない参照画像を、ＲＧＢのうち前記第１の色とは異なる第２の色により表現した第２画像を生成し、前記第１画像と前記第２画像とを重ね合わせて合成した第３画像において、前記第１の色で表示される領域の欠陥種を明欠陥候補とし、前記第２の色で表示される領域の欠陥種を暗欠陥候補とする検査支援装置。
【請求項７】
請求項１ないし３のいずれか１つに記載の検査支援装置であって、
前記画像分類部では、前記各欠陥候補画像は、前記各欠陥候補画像に含まれる前記欠陥候補の欠陥種および致命度の双方に基づいて分類され、
前記分類表示データでは、一の欠陥種に対応する２つ以上の欠陥候補画像が致命度の大小関係に基づいて表示可能とされる検査支援装置。
【請求項８】
表面上にパターンを有する基板の検査を支援する検査支援方法であって、
ａ）基板画像に対する一次検査により検出された複数の欠陥候補画像を記憶する工程と、
ｂ）前記複数の欠陥候補画像に対してルールベース分類を行うことにより、各欠陥候補画像に含まれる欠陥候補の欠陥種または致命度に基づいて前記複数の欠陥候補画像を複数の分類画像群に分類し、表示部において前記複数の欠陥候補画像を分類画像群毎に表示可能とする分類表示データを生成する工程と、
を備える検査支援方法。
【請求項９】
表面上にパターンを有する基板の検査の支援をコンピュータに実行させる、コンピュータ読み取り可能なプログラムであって、
ａ）基板画像に対する一次検査により検出された複数の欠陥候補画像を記憶する工程と、
ｂ）前記複数の欠陥候補画像に対してルールベース分類を行うことにより、各欠陥候補画像に含まれる欠陥候補の欠陥種または致命度に基づいて前記複数の欠陥候補画像を複数の分類画像群に分類し、表示部において前記複数の欠陥候補画像を分類画像群毎に表示可能とする分類表示データを生成する工程と、
をコンピュータに実行させる、コンピュータ読み取り可能なプログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、表面上にパターンを有する基板の検査を支援する技術に関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
従来、プリント配線基板の検査では、検査装置によりプリント配線基板の各領域の画像が検査され、欠陥を有するであろうと判断された欠陥候補画像が抽出される。そして、欠陥候補画像に対応するプリント配線基板上の領域を、オペレータが目視によって確認する欠陥確認作業（いわゆる、ベリファイ作業）が行われる。検査装置により抽出される欠陥候補には、品質上問題となる可能性が高い真欠陥と、品質上問題となる可能性が実質的にない虚報とが含まれており、上述の欠陥確認作業では、検査装置により抽出された欠陥候補から、オペレータが目視によって真欠陥を抽出している。
【０００３】
また、特許文献１では、対象物を撮像した画像に基づいて機械学習を用いずに不良判定を行う一次検査部と、機械学習モデルを用いて真の不良品（真欠陥）と過判定品（虚報）とを分別する二次検査部と、を備える外観検査システムが提案されている。これにより、外観検査において真の不良品のみを検出し、過判定品が不良品として検出されることを抑制して、生産性の向上が図られている。
【０００４】
上述のような機械学習モデルを用いた欠陥検出を行うためには、予め、機械学習モデルの学習用データを作成する必要がある。当該学習用データを作成する際には、欠陥候補を含む多数（例えば、１万個以上）の画像をディスプレイに所定数ずつ表示させ、オペレータが表示された各画像を目視して各画像中の欠陥候補が真欠陥であるか虚報であるかを判定する。欠陥候補が真欠陥である場合、オペレータは、当該真欠陥の種類についても判定する。オペレータは、これらの判定結果をマウスやキーボードを利用して入力し、各画像に対応付ける教示作業（すなわち、アノテーション）を行う。これにより、上述の学習用データが作成される（特許文献２参照）。
【先行技術文献】
【特許文献】
【０００５】
特開２０２１－１７７１５４号公報
特開２０２１－１３９７６９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
ところで、欠陥検出の精度が高い機械学習モデルを作成するためには、上述の学習用データの作成において、教示のブレを抑制する必要がある。具体的には、上述の教示作業において、類似の欠陥候補画像に対して同じ判定結果を教示する必要がある。しかしながら、学習用データの作成では、上述のように、多数の欠陥候補画像に対する教示作業が必要となるため、時間経過等に伴ってオペレータの判定基準が変化し、判定にブレが生じるおそれがある。その結果、当該学習用データを用いて作製された機械学習モデルにおいて、欠陥検出の精度が低くなり、多数の欠陥候補画像に対する再教示作業が必要となるおそれもある。
【０００７】
本発明は、上記課題に鑑みなされたものであり、欠陥候補画像に対するオペレータの目視による判定精度を向上させることを目的としている。
【課題を解決するための手段】
【０００８】
本発明の態様１は、表面上にパターンを有する基板の検査を支援する検査支援装置であって、基板画像に対する一次検査により検出された複数の欠陥候補画像を記憶する記憶部と、前記複数の欠陥候補画像に対してルールベース分類を行うことにより、各欠陥候補画像に含まれる欠陥候補の欠陥種または致命度に基づいて前記複数の欠陥候補画像を複数の分類画像群に分類し、表示部において前記複数の欠陥候補画像を分類画像群毎に表示可能とする分類表示データを生成する画像分類部と、を備える。
【０００９】
本発明の態様２は、態様１の検査支援装置であって、前記複数の欠陥候補画像を前記分類画像群毎に表示する表示部と、前記表示部に表示された各欠陥候補画像を目視したオペレータによる欠陥または虚報の評価の入力を、前記各欠陥候補画像の真偽評価として受け付ける入力受付部と、前記分類表示データにおいて前記各欠陥候補画像に前記真偽評価を対応付けることにより学習用データセットを生成する学習用データセット生成部と、前記学習用データセットを用いて初期モデルに対する機械学習を行うことにより、基板画像のＡＩ検査に用いられる学習済みモデルを作成する学習部と、をさらに備える。
【００１０】
本発明の態様３は、態様２の検査支援装置であって、各分類画像群に対応する欠陥種または致命度に基づいて、前記各分類画像群に含まれる各欠陥候補画像に仮の真偽評価を設定する仮設定部をさらに備える。前記学習用データセット生成部は、前記入力受付部において前記仮の真偽評価と異なる入力が受け付けられた場合、前記入力受付部にて受け付けられた真偽評価を欠陥候補画像に対応付け、他の場合は前記仮の真偽評価を欠陥候補画像に対応付ける。
（【００１１】以降は省略されています）

関連特許