缺陷分类装置、缺陷分类方法、控制程序和记录介质的制作方法
【专利摘要】缺陷分类装置(1)具备：分类指标算出部(14)，其算出表示作为缺陷区域的一部分的外周区域中包含的像素的颜色和作为缺陷区域外的区域的与上述外周区域相邻的附近区域的像素的颜色之间的差异的特征量；以及缺陷分类部(15)，其基于算出的上述特征量将上述缺陷区域的缺陷分类为膜内异物或者膜上异物。
【专利说明】缺陷分类装置、缺陷分类方法、控制程序和记录介质
【技术领域】
[0001]本发明涉及通过对拍摄检查对象物得到的图像进行解析的该检查对象物的缺陷检测，具体涉及检测出的缺陷的分类。
【背景技术】
[0002]在工业产品的制造工序中，进行缺陷的检查对于确保产品的质量很重要，一般都要进行。另外，使用检查装置的自动检查也变得实用化。
[0003]例如，下述的专利文献I记载了如下技术，使用作为检查对象物的平板显示器的图像的输入图像来检测在该平板显示器中产生的缺陷，另外将检测出的缺陷按每个类型分类。
_4] 现有技术文献
[0005]专利文献
[0006]专利文献1:日本国公开专利公报“特开2012-32369号公报(2012年2月16日公开)，，
【发明内容】
_7] 发明要解决的问题
[0008]在此，已知在如形成有配线的基板那样在表面形成有薄膜的产品中，会由于异物进入了膜内而产生缺陷(以下称为膜内异物)。另外，作为与膜内异物在外观上类似的缺陷，也已知会由于在膜上附着有异物而产生缺陷(以下称为膜上异物)。这种缺陷在使用CVD(Chemical Vapor Deposit1n:化学气相沉积)装置制造的产品中特别容易发生。
[0009]膜内异物是产品不合格的原因，因此需要利用修复装置除去。另一方面，膜上异物可通过清洗除去，因此不会成为不合格的原因。这样，膜内异物和膜上异物所需的处理方法不同，因此希望能识别这些缺陷。
[0010]然而，在如上所述的现有技术中，有难以识别外观上类似的膜内异物和膜上异物或者识别精度低的问题。
[0011]本发明是鉴于上述问题而完成的，其目的在于提供能对膜内异物和膜上异物进行识别分类的缺陷分类装置等。
_2] 用于解决问题的方案
[0013]为了解决上述问题，本发明的一个实施方式的缺陷分析装置是对拍摄在表面形成有薄膜的检查对象物而得到的检查图像中检测出的缺陷区域的缺陷进行分类的缺陷分类装置，其特征在于，具备:特征量算出单元，其算出表示作为上述缺陷区域的一部分的沿着该缺陷区域的外周的环状的区域即外周区域中包含的像素的颜色和作为上述缺陷区域外的区域的与上述外周区域相邻的非缺陷区域的像素的颜色之间的差异的大小的特征量；以及缺陷分类单元，其基于上述特征量算出单元所算出的上述特征量，将上述缺陷区域的缺陷分类为相对于上述薄膜在上述检查对象物的内部侧存在异物的膜内异物缺陷，或者分类为相对于上述薄膜在上述检查对象物的外部侧存在异物的膜上异物缺陷。
[0014]另外，本发明的一个实施方式的缺陷分析方法是对拍摄在表面形成有薄膜的检查对象物而得到的检查图像中检测出的缺陷区域的缺陷进行分类的缺陷分类装置所涉及的缺陷分析方法，其特征在于，具备:特征量算出步骤，算出表示作为上述缺陷区域的一部分的沿着该缺陷区域的外周的环状的区域即外周区域中包含的像素的颜色和作为上述缺陷区域外的区域的与上述外周区域相邻的非缺陷区域的像素的颜色之间的差异的大小的特征量；以及缺陷分类步骤，基于在上述特征量算出步骤中算出的上述特征量，将上述缺陷区域的缺陷分类为相对于上述薄膜在上述检查对象物的内部侧存在异物的膜内异物缺陷，或者分类为相对于上述薄膜在上述检查对象物的外部侧存在异物的膜上异物缺陷。
[0015]并且，本发明的其它实施方式的缺陷分析装置是对拍摄在表面形成有薄膜的检查对象物而得到的检查图像中检测出的缺陷区域的缺陷进行分类的缺陷分析装置，其特征在于，具备:特征量算出单元，其算出表示作为上述缺陷区域的一部分的沿着该缺陷区域的外周的环状的区域即外周区域中包含的像素的颜色与上述缺陷区域内的上述外周区域以外的区域即内部区域的像素的颜色之间的差异的特征量；以及缺陷分类单元，其基于上述特征量算出单元所算出的上述特征量，将上述缺陷区域的缺陷分类为相对于上述薄膜在上述检查对象物的内部侧存在异物的膜内异物缺陷，或者分类为相对于上述薄膜在上述检查对象物的外部侧存在异物的膜上异物缺陷。
[0016]另外，本发明的其它实施方式的缺陷分析方法是对拍摄在表面形成有薄膜的检查对象物而得到的检查图像中检测出的缺陷区域的缺陷进行分类的缺陷分类装置所涉及的缺陷分析方法，其特征在于，具备:特征量算出步骤，算出表示作为上述缺陷区域的一部分的沿着该缺陷区域的外周的环状的区域即外周区域中包含的像素的颜色与上述缺陷区域内的上述外周区域以外的区域即内部区域的像素的颜色之间的差异的特征量；以及缺陷分类步骤，基于在上述特征量算出步骤中算出的上述特征量，将上述缺陷区域的缺陷分类为相对于上述薄膜在上述检查对象物的内部侧存在异物的膜内异物缺陷，或者分类为相对于上述薄膜在上述检查对象物的外部侧存在异物的膜上异物缺陷。
_7]发明效果
[0018]根据本发明的上述各实施方式，实现了能识别膜内异物缺陷和膜上异物缺陷并高精度地分类的效果。
【专利附图】
【附图说明】
[0019]图1是示出本发明的一个实施方式的缺陷分类装置的主要部分的构成的框图。
[0020]图2是说明膜内异物和膜上异物的不同的图，该图的上侧表示拍摄有膜内异物或者膜上异物的检查图像的一个例子，该图的下侧示意性地表示附着有异物的部位的截面。
[0021]图3是示出将缺陷区域分割为外周区域和内部区域，在外周区域的外侧设定有附近区域的状态的一个例子的图。
[0022]图4是示出真的膜内异物的数量与上述缺陷分类装置检测出的膜内异物的数量的相互关系的图。
[0023]图5是示出上述缺陷分类装置所执行的缺陷提取/分类处理的一个例子的流程图。
[0024]图6是示出在图5的S6中进行的缺陷分类处理的一个例子的流程图。
[0025]图7是示出同时采用其它分类用特征量来进行缺陷分类的追加判断处理的一个例子的流程图。
【具体实施方式】
[0026]以下，详细说明本发明的实施方式。
[0027]〔缺陷分类装置的构成〕
[0028]首先，基于图1说明本实施方式的缺陷分类装置的构成。图1是示出缺陷分类装置I的主要部分的构成的一个例子的框图。
[0029]缺陷分类装置I是对拍摄该产品得到的图像即检查图像进行解析来检测在检查对象物的表面产生的缺陷并且对检测出的缺陷进行分类的装置。缺陷分类装置I的主要特征在于，能分类为在表面形成有薄膜的检查对象物中异物进入膜内而造成缺陷的膜内异物和在膜上附着有异物而造成缺陷的膜上异物。
[0030]如图所示，缺陷分类装置I具备控制部10、存储部20和检查图像输入部30。此夕卜，该图虽未示出，缺陷分类装置I也可以具备接收用户的输入操作的输入部、输出缺陷的检测结果、分类结果的输出部等。
[0031]控制部10统一控制缺陷分类装置1，具备对准部11、缺陷提取部12、区域设定部(区域设定单元)13、分类指标算出部(特征量算出单元、区域宽度算出单元、第I差算出单元、第2差算出单元)14以及缺陷分类部(缺陷分类单元)15。
[0032]存储部20是保存缺陷分类装置I所使用的各种数据的存储装置，在图示的例子中，保存有合格品图像21、缺陷判断用信息22和缺陷分类用信息23。
[0033]检查图像输入部30是接收检查图像的输入的接口。在检查对象物的尺寸大的情况下，为了确保缺陷检测所需的分辨率，通过多次拍摄来覆盖I个检查对象物的整体。也就是说，在这种情况下，通过使用分别拍摄检查对象物的不同的部位而得到的多个检查图像来检查检查对象物的整体。以下，说明接收分别拍摄I个检查对象物的不同的部位而得到的多个检查图像的输入的例子。检查图像例如也可以是用数字照相机等来拍摄检查对象物而得到的检查图像。
[0034]对准部11进行检查图像与合格品图像21的对准(对位)。如上述那样，合格品图像21与检查图像相比覆盖检查对象物较大范围，因此如果不进行对准就无法比较合格品图像21和检查图像。
[0035]因此，对准部11将合格品图像21和检查图像对位，在对位后的区域中修剪合格品图像21，生成图像尺寸与检查图像相等并且与检查对象物的相同的部位对应的合格品图像
21ο
[0036]更详细地说，在检查图像与合格品图像21的对准中，对准部11用公知的拉普拉斯滤光片等从合格品图像21提取边缘，生成合格边缘图像。另外，对检查图像也同样地生成检查边缘图像。接下来，用上述合格边缘图像和上述检查边缘图像，在合格边缘图像上按二维进行扫描，按每个位置依次计算相关值。此处例如能利用公知的模板匹配法。并且，将相关值最高的位置决定为最佳的对位位置。此外，在检查图像和合格品图像21中拍摄倍率不同的情况下，对检查图像进行放大、缩小来进行扫描从而求得最佳倍率，按最佳倍率对图像对检查图像实施调整大小的图像处理。另外，在检查图像与合格品图像21中能看出旋转变形的差异的情况下，变更旋转角度来进行扫描从而求出最佳角度，对检查图像实施按最佳旋转角度进行图像旋转的图像处理。
[0037]缺陷提取部12将对准后的检查图像和对准后的合格品图像21进行比较来提取检查图像中的缺陷区域。具体地说，分别算出检查图像与对准部11修剪好的合格品图像21中对应的像素(与检查对象物的相同部位对应的像素)的像素值的差的绝对值。并且，将算出的各值与缺陷判断用信息22中包含的阈值进行比较，将大于等于阈值的像素判断为与缺陷部位对应的缺陷像素。然后将检查图像中缺陷像素集中的区域提取为缺陷区域。
[0038]区域设定部13将提取出的缺陷区域区分为内部区域和外周区域，并且在缺陷区域的外侧设定附近区域。此外，后面详细说明这些区域的设定方法。
[0039]分类指标算出部14针对所设定的各区域(内部区域、外周区域、附近区域)算出用于缺陷的分类的分类用特征量。后面详细说明该分类用特征量。
[0040]缺陷分类部15用算出的分类用特征量对缺陷进行分类。具体地说，缺陷分类部15将上述分类用特征量和缺陷分类用信息23中包含的阈值进行比较，将大于等于阈值的缺陷区域的缺陷分类为膜内异物，将小于阈值的缺陷区域的缺陷分类为膜上异物。
[0041]合格品图像21是表示无缺陷的检查对象物的图像，用于与检查图像的比较。合格品图像21例如也可以是将确认了不具有缺陷的多个检查图像贴合而生成的。或者也可以是根据作为产品的设计信息的CAD (Computer Aided Design:计算机辅助设计)数据制作的图像。
[0042]缺陷判断用信息22是用于判断检查图像中的缺陷部位的信息，包括用于判断检查图像的像素是否是缺陷像素的阈值。
[0043]缺陷分类用信息23是用于检测出的缺陷的分类的信息，包括用于将缺陷区域区分为内部区域和外周区域的阈值、表示缺陷分类时使用何种特征量的信息以及用于将缺陷分类为膜内异物和膜上异物的阈值。
[0044]〔膜内异物和膜上异物〕
[0045]在此，基于图2详细说明膜内异物和膜上异物。图2是说明膜内异物和膜上异物的区别的图，该图的上侧表示拍摄了膜内异物或者膜上异物的检查图像的一个例子，该图的下侧示意性地示出异物所附着的部位的截面。此外，在此，示出检查对象物是在透明基板上形成有配线，涂覆有均匀厚度的薄膜的液晶显示装置的显示器面板的例子。
[0046]如图所示，在拍摄产生了膜内异物的显示器面板的检查图像中，产生了膜内异物的部位不透光，因此显得黑。另外，膜内异物周围的膜的颜色发生了变化。
[0047]更详细地说，在膜内异物的周围没有异物，会透光，因此与有异物的部位相比颜色较淡。不过，该颜色是与其更外侧的正常部位不同的颜色。因此，将膜内异物的周围也判断为缺陷区域。此外，如该图的下侧所示，推测该颜色的变化是由于有异物导致异物周围的膜厚发生变化，从而薄膜干涉发生了变化。
[0048]这种产生了膜内异物的显示器面板需要移送到除去膜内异物的修复装置来进行修复。也就是说，膜内异物可以说是需要修复的致命缺陷。
[0049]另一方面，在拍摄产生了膜上异物的显示器面板的检查图像中，膜上异物所附着的部位也不透光因而显得黑。但是，与膜内异物的情况不同，膜上异物的周围的膜的颜色不变化。如该图的下侧所示，这是由于异物周围的膜厚不发生变化。
[0050]膜上异物能通过清洗除去，因此检测出膜上异物的显示器面板不需要移送到修复装置。也就是说，膜上异物可以说是不需要修复的非致命缺陷。
[0051]〔缺陷分类方法的详细说明〕
[0052]如以上那样，在产生了膜内异物的情况下，沿着检测出的缺陷区域的外周的区域称为与相邻于该区域的非缺陷区域不同的颜色。因此，如果检测出的缺陷区域的外周区域的颜色与相邻于该区域的非缺陷区域的颜色不同，就可以说该缺陷区域是由于膜内异物导致的可能性大。
[0053]因此，缺陷分类装置I的区域设定部13将缺陷区域区分为外周区域和内部区域。另外，区域设定部13在外周区域的周围设定附近区域。这些区域的设定例如如图3那样。图3是示出将缺陷区域分割为外周区域和内部区域，在外周区域的外侧设定有附近区域的状态的一个例子的图。此外，在该图中，将离缺陷区域距离d以内的区域设为附近区域。
[0054]作为将缺陷区域区分为外周区域和内部区域的方法，能采用按缺陷区域的每个像素算出特征量(用于区域判别)，使用算出的特征量的2级I特征量(2级为内部区域和外周区域)的判别分析。
[0055]在此，如基于图2说明的那样，由于膜内异物而产生的外周区域与内部区域颜色不同，而且亮度也不同。因此，上述特征量能利用亮度值、色相值。在本实施方式中，说明应用亮度值的例子。
[0056]在将亮度值用作区域判别用特征量的情况下，针对缺陷区域的各像素，判别该区域判别用特征量是否大于等于阈值，由此将缺陷区域分割为2个区域(大于等于阈值的区域和小于阈值的区域)。并且，将2个区域中的处于内部侧的区域设为内部区域，处于外侧的区域设为外周区域。
[0057]此外，内部侧和外侧的判别能根据力矩的大小来进行。即，首先求出缺陷区域的重心，然后算出2个区域的重心周围的力矩，将力矩较小的区域设为内部区域，将较大的区域设为外周区域。另外，在预先已知检查对象物如透明基板的情况那样内部区域的像素的亮度值高于外周区域的像素的亮度值的情况下，也可以将亮度值小于阈值的区域判断为内部区域。
[0058]通过这种处理，在产生了膜内缺陷的情况下，能将缺陷区域分割为沿着其外周的环状的区域的外周区域和由外周区域包围的内部区域。
[0059]而且，区域设定部13将与决定的外周区域的外侧相邻的非缺陷区域中具有一定宽度d的区域(由离外周区域的距离小于等于d的像素构成的区域)决定为附近区域。
[0060]接下来，针对如以上那样决定的区域，分类指标算出部14算出作为用于缺陷分类的指标的分类用特征量。更具体地说，分类指标算出部14算出外周区域中包含的像素的色相值的代表值与附近区域中包含的像素的色相值的代表值的角度差Θ以及外周区域中包含的像素的彩度的代表值r，算出它们的乘积r X Θ作为缺陷的分类用特征量。此外，色相是Lab色空间的色相atan2(b，a)，彩度是Lab色空间的彩度sqrt (a * a+b * b)。
[0061]然后，缺陷分类部15将算出的分类用特征量与缺陷分类用信息23中包含的阈值进行比较，如果分类用特征量大于等于阈值则判断为膜内异物，如果小于阈值则判断为膜上异物。根据本申请的发明人进行的实验的结果，确认了附近区域的颜色与外周区域的颜色的区别程度即上述Θ的值越大，是膜内异物的可能性就越高。
[0062]此外，分类用特征量只要是与外周区域和附近区域的色差相应的值即可，不限于上述例子。例如，也可以将上述Θ设为分类用特征量。但是，根据本申请的发明人进行实验的结果可知，外周区域的彩度越低，将非膜内异物的缺陷误判断为膜内异物的概率越高，因此与Θ单独作为分类用特征量相比，优选将rX Θ设为分类用特征量。外周区域的彩度越低，分类用特征量rX Θ越�。放卸衔ど弦煳锏母怕矢�。此外，认为这是由于彩度越低，微小的颜色差就越会导致Θ的值发生较大变动。
[0063]另外，也考虑将外周区域与附近区域的亮度差设为分类用特征量。然而，根据本申请的发明人进行实验的结果可知，根据如上所述的色差进行判断能进行更正确的分类，因此希望使用与色差成比例的分类用特征量。
[0064]〔分类的效果〕
[0065]在此，基于图4说明缺陷分类装置I进行膜内异物和膜上异物的分类的效果。图4是表示真的膜内异物的数量与缺陷分类装置I所检测出的膜内异物的数量的相互关系的图。
[0066]此外，在该图中，设(a+b+c+d)张输入图像中的真的膜内异物的数量(实际拍摄到膜内异物的输入图像的数量)为(a+b)，设缺陷分类装置I检测出的膜内异物的数量(缺陷分类装置I检测出膜内异物的输入图像的数量)为(b+c)。另外，设缺陷分类装置I检测出的膜内异物中的真的膜内异物的数量为b，非膜内异物的数量为C。而且，设不存在膜内异物并且缺陷分类装置I未检测出膜内异物的输入图像的数量为d。
[0067]首先，作为缺陷分类装置I进行膜内异物和膜上异物分类的效果，举出能得到好的分类性能的方面。所谓好的分类性能是指未检测率和过检测率低。例如，膜内异物的未检测率能用“未能检测出的(即忽略的)膜内异物的数量”/ “真的膜内异物的数量” =a/(a+b)来表不。
[0068]另外，膜内异物的过检测率能用“错误检测出的(即非真正的膜内异物的)膜内异物的数量”/ “非真的膜内异物的输入图像的数量” =c/(c+d)表示。
[0069]根据缺陷分类装置1，用表示外周区域中包含的像素的颜色与附近区域中包含的像素的颜色之间的差异的分类用特征量来对膜内异物和膜上异物进行分类，因此能使检测出的真的膜内异物的数量b增加，使错误检测出的膜内异物的数量c减少。
[0070]因此，能减少未检测率:a/ (a+b)和过检测率:c/ (c+d)。
[0071]而且，也会提高分类精度。膜内异物的分类精度例如能用“检测出的真的膜内异物”/ “检测出的膜内异物的数量” = b/(b+c)表示。如上述那样，根据缺陷分类装置1，能使b增加，使c减少，因此能提高分类精度:b/(b+c)。另外，提高了膜内异物的分类精度，由此也提高了膜上异物的分类性能。
[0072]〔分类结果的利用〕
[0073]缺陷分类装置I的分类结果能在产品的制造工序进行各种活用。例如能应用于FDC(Fault Detect1n and Classificat1n:故障检测和分类)。也就是说，利用缺陷分类装置I检测并监视产品的各种制造装置所产生的膜内异物的数量，能早期发现制造装置的异常。
[0074]而以往无法高精度地对膜内异物和膜上异物进行分类，因此存在发现制造装置的异常的精度低或发现晚(难以早期发现)的问题。
[0075]另外，根据缺陷分类装置1，能提高应当移送到除去膜内异物的修复装置的产品(或者部件、组装中的半产品)中的具有真的膜内异物的产品的比例。因此，能提高修复装置的运转效率。另外，能使修复装置除去全部的膜内异物(成品率提高)。
[0076]而以往无法对膜内异物和膜上异物进行分类(或者分类精度低)，因此移送到修复装置的基板中的应当修复的具有真的膜内异物的产品少。因此，修复装置的运转效率变低，无法高效运用修复装置。另外，存在修复装置无法除去全部膜内异物的问题(成品率降低)。
[0077]另外，也能通过利用缺陷分类装置I的分类结果来确定容易产生膜内异物的部位、容易产生膜内异物的制造条件。并且，也能进行制造装置的改进、制造条件的变更来抑制膜内异物的多发。
[0078]而以往无法对膜内异物和膜上异物进行分类(或者分类精度低)，因此难以通过解析来进行这种确定。
[0079]而且，也能通过利用缺陷分类装置I的分类结果来汇总容易产生膜内异物的缺陷位置、缺陷的大小。并且，也能变更为即使产生了膜内异物也不会成为次品的设计。
[0080]而以往无法对膜内异物和膜上异物进行分类(或者分类精度低)，因此难以进行这种解析。
[0081]〔处理的流程〕
[0082]接着，基于图5说明缺陷分类装置I所执行的缺陷提取/分类处理的流程。图5是示出缺陷提取/分类处理的一个例子的流程图。
[0083]首先，在缺陷分类装置I中，进行初始化(SI)。由此，从存储部20向控制部10读入合格品图像21、缺陷判断用信息22和缺陷分类用信息23。并且，开始针对各检查图像进行缺陷的提取和分类的处理的循环(LI)。
[0084]在检查图像的循环中，对准部11读入输入检查图像输入部30的多张图像之一
(S2)。然后，针对读入的检查图像，进行与在SI中读入的合格品图像21的对准(S3)，将合格品图像21在对准位置进行修剪(S4)。修剪好的合格品图像21与作为对准对象的一张检查图像一起发送到缺陷提取部12。
[0085]接收到修剪好的合格品图像21和检查图像的缺陷提取部12分别算出检查图像的各像素的像素值与修剪好的合格品图像21中对应位置的像素的像素值的差的绝对值。另夕卜，将算出的差的绝对值与在SI中读入的缺陷判断用信息22中包含的阈值进行比较，将差的绝对值大于等于阈值的像素确定为缺陷像素。并且，在检查图像中，将确定的缺陷像素集中的区域提取为缺陷区域(S5)。此外，也可以从I张检查图像提取多个缺陷区域。
[0086]另外，缺陷提取部12将表示提取出的缺陷区域的信息与检查图像一起发送到区域设定部13，由此进行缺陷分类处理，提取出的缺陷区域被分类为膜内异物或者膜上异物
(S6)。
[0087]另一方面，在S3中进行了对准的对准部11判断是否结束了对输入到检查图像输入部30的全部的检查图像的对准(S7)。在此，在判断为存在对准未结束的检查图像的情况下(S7为否)，返回S2，读入对准未结束的检查图像，针对该检查图像进行S3到S6的处理。另一方面，在判断为结束了全部的检查图像的对准的情况下(S7中为是)，检查图像的循环结束，缺陷提取/分类处理也结束。
[0088]〔缺陷分类处理〕
[0089]接下来，基于图6详细说明在图5的S6中进行的缺陷分类处理(缺陷分类方法)。图6是表示缺陷分类处理的一个例子的流程图。
[0090]首先，区域设定部13算出用于判别缺陷区域中的外周区域和内部区域的区域判别用特征量(SlO)。具体地说，区域设定部13算出从缺陷提取部12通知的缺陷区域中包含的各像素的亮度值作为区域判别用特征量。
[0091]接着，区域设定部13使用算出的区域判别用特征量来决定内部区域和外周区域(Sll)。具体地说，区域设定部13针对缺陷区域的各像素判别其区域判别用特征量是否大于等于阈值，由此将缺陷区域分割为2个区域(大于等于阈值的区域和小于阈值的区域)。并且，将2个区域中的处于内部侧的区域设为内部区域，将处于外侧的区域设为外周区域。
[0092]接下来，区域设定部13决定附近区域(S12)。具体地说，区域设定部13将与在Sll中决定的外周区域的外侧相邻并具有一定宽度的区域(由离外周区域的距离小于等于一定值的像素构成的区域)决定为附近区域。
[0093]然后，如以上那样决定了内部区域、外周区域和附近区域的区域设定部13将这些区域通知给分类指标算出部14。
[0094]接收到该通知的分类指标算出部14参照缺陷分类用信息23，使用rX Θ (r:外周区域的彩度，Θ:外周区域与附近区域的色相值的差)作为分类用特征量来确定分类用特征量。
[0095]然后，算出外周区域的色相值和附近区域的色相值，算出这些色相值的角度差Θ (S13)。此外，外周区域的色相值只要表示外周区域为何种颜色即可，例如可以是外周区域中包含的各像素的色相值的算术平均值，也可以是中值等。附近区域的色相值也同样。
[0096]另外，分类指标算出部14算出外周区域的彩度r(S14)，算出将它乘以在S13中算出的Θ得到的rX Θ作为缺陷的分类用特征量(S15)，将其通知给缺陷分类部15。此外，外周区域的彩度r也与色相值同样，只要表示外周区域为何种彩度即可，例如可以是外周区域中包含的各像素的彩度的算术平均值，也可以是中值等。
[0097]接收到分类用特征量的缺陷分类部15将该分类用特征量和缺陷分类用信息23中包含的缺陷分类用的阈值进行比较，判断是否大于等于阈值(S16)。
[0098]在此，在判断为大于等于阈值的情况下(S16中为是)，缺陷分类部15判断为该缺陷区域中产生的缺陷是由膜内异物造成的(S17)，结束缺陷分类处理。
[0099]另一方面，在判断为小于阈值的情况下(S16中为否)，缺陷分类部15判断为该缺陷区域中产生的缺陷是由膜上异物造成的(S18)，结束缺陷分类处理。此外，虽然在图示的例子中没有示出，判断结果与该缺陷区域相对应地存储于存储部20。另外，存储的判断结果也可以输出并显示于与缺陷分类装置I一体构成或者与缺陷分类装置I连接的显示装置。
[0100]〔追加判断处理〕
[0101]在图6的例子中，仅使用I个分类用特征量(rX Θ)来进行缺陷的分类，但是也可以同时采用其它分类用特征量来提高缺陷的分类精度。
[0102]基于图7来说明这一点。图7是示出同时采用其它分类用特征量来进行缺陷的分类的追加判断处理的一个例子的流程图。此外，追加判断处理是在图6的S16中判断为是的情况下进行的。
[0103]缺陷分类部15在判断为分类用特征量(rX Θ )大于等于阈值的情况下(图6的S16中为是)，对分类指标算出部14指示算出下一个特征量。然后，接收到该指示的分类指标算出部14算出外周区域的宽度(S20)，将算出的宽度通知给缺陷分类部15。
[0104]此外，外周区域的宽度是表示环状的外周区域的环的粗细的数值，例如也可以算出外周区域的像素中的从与内部区域相接的位置的像素起到与附近区域相接的位置的像素为止的距离作为外周区域的宽度。另外，也可以涵盖外周区域的整周地算出多部位的宽度，将算出的宽度的代表值(算术平均值、中值)作为外周区域的宽度，也可以将针对外周区域的一个部位算出的宽度直接作为外周区域的宽度。
[0105]接收到外周区域的宽度的通知的缺陷分类部15将所通知的宽度和外周区域的宽度所对应的阈值进行比较，判断宽度是否大于等于阈值(S21)。
[0106]此外，该判断是为了防止在外周区域的宽度小到不会认为膜内异物的程度的情况下将其误判断为膜内异物。因此，上述阈值设为能判断是否形成了膜内异物导致的外周区域的值。该阈值只要以缺陷分类部15可参照的方式保存即可，例如也可以包含于缺陷分类用信息23中。
[0107]在此，在判断为宽度小于阈值的情况下(S21中为否)，缺陷分类部15将该缺陷判断为膜上异物(S27)，结束追加判断处理。另一方面，在判断为宽度大于等于阈值的情况下(S21中为是)，缺陷分类部15对分类指标算出部14指示算出下一个特征量。
[0108]接收到该指示的分类指标算出部14算出外周区域与内部区域的亮度差(S22)，将算出的值通知给缺陷分类部15。例如，可以针对外周区域中包含的各像素算出亮度值的算术平均、中值，算出与同样算出的内部区域中包含的各像素的亮度值的算术平均、中值的差的绝对值，将该值设为上述亮度差。
[0109]接收到外周区域与内部区域的亮度差的通知的缺陷分类部15将所通知的亮度差与外周区域和内部区域的亮度差所对应的阈值进行比较，判断亮度差是否大于等于阈值(S23)。
[0110]此外，该判断用于防止在内部区域和外周区域的亮度值的差小而不能说是由膜内异物导致形成外周区域的情况下，将其误判断为膜内异物。因此，上述阈值是能判断是否形成了由膜内异物导致的外周区域的值。该阈值只要以缺陷分类部15可参照的方式保存即可，例如也可以包含于缺陷分类用信息23中。
[0111]在此，在判断为亮度差小于阈值的情况下(S23中为否)，缺陷分类部15将该缺陷判断为膜上异物(S27)，结束追加判断处理。另一方面，在判断为亮度差大于等于阈值的情况下(S23中为是)，缺陷分类部15对分类指标算出部14指示算出下一个特征量。
[0112]接收到该指示的分类指标算出部14算出外周区域与附近区域的亮度差(S24)，将算出的值通知给缺陷分类部15。例如，可以针对外周区域中包含的各像素算出亮度值的算术平均、中值，算出与同样算出的附近区域中包含的各像素的亮度值的算术平均、中值的差的绝对值，将该值设为上述亮度差。
[0113]接收到外周区域和附近区域的亮度差的通知的缺陷分类部15将所通知的亮度差和外周区域与附近区域的亮度差所对应的阈值进行比较，判断亮度差是否小于阈值(S25)。
[0114]此外，该判断用于防止在外周区域和附近区域的亮度差大而不能说是由膜内异物导致形成外周区域的情况下，将其误判断为膜内异物。因此，上述阈值是能判断是否形成了由膜内异物导致的外周区域的值。此外，如基于图2说明的那样，在产生了膜内异物的情况下，外周区域和附近区域虽有亮度差，却不会成为内部区域与附近区域之间那样大的亮度差。该阈值只要以缺陷分类部15可参照的方式保存即可，例如可以包含于缺陷分类用信息23中。
[0115]在此，在判断为亮度差小于阈值的情况下(S25中为是)，缺陷分类部15将该缺陷判断为膜内异物(S26)，结束追加判断处理。另一方面，在判断为亮度差大于等于阈值的情况下(S25中为否)，缺陷分类部15判断为膜上异物(S27)，结束追加判断处理。
[0116]此外，在图6的Sll中，与缺陷的种类无关地一律设定内部区域和外周区域，因此在缺陷的种类为膜上异物的情况等中，也会假定外周区域不为环状。在这种情况下，在S20中会检测无法算出宽度的部位，因此分类指标算出部14将无法算出宽度的意思通知给缺陷分类部15。在这种情况下，缺陷分类部15判断为膜上异物，结束处理。
[0117]另外，在上述例子中，示出了其它分类用特征量也全部由分类指标算出部14算出的例子，但是也可以用不同的处理�？樗愠霾煌奶卣髁�。也就是说，也可以使分类指标算出部14仅算出rX Θ，而外周区域的宽度、外周区域与内部区域的亮度差以及外周区域与附近区域的亮度差由其它的处理�？�(图1未示出)算出。例如，也可以追加区域宽度算出单元的�？槔词垢媚？樗愠銮蚩矶龋芳拥贗差算出单元的�？槔词垢媚？樗愠鐾庵芮蛴肽诓壳虻牧炼炔睿芳拥�2差算出单元的�？槔词垢媚？樗愠鐾庵芮蛴敫浇虻牧炼炔�。
[0118]另外，在上述例子中，使用了外周区域的宽度、外周区域与内部区域的亮度差以及外周区域与附近区域的亮度差的全部来进行判断，但是也可以构成为仅使用它们中的一部分。
[0119]图6和图7的流程图是分别独立地依次判断多个分类用特征量来进行缺陷的分类的缺陷分类处理。然而，缺陷分类处理不限于此。也可以使用多个分类用特征量，使用支持向量机(Support Vector Machine)、神经网络、贝叶斯分类等进行将膜内异物和膜上异物分类的处理。
[0120]〔变形例〕
[0121]上述缺陷分类装置I使用表示外周区域与附近区域的颜色差的分类用特征量来进行分类，但是也可以使用表示内部区域与外周区域的颜色差的分类用特征量来进行分类。这是由于如基于图2所说明的那样，在膜内异物的情况下，在缺陷区域的外周区域和内部区域处颜色不同。
[0122]在这种情况下，区域设定部13只要设定外周区域和内部区域即可，不需要设定附近区域。然后，分类指标算出部14算出外周区域的色相的代表值和内部区域的色相的代表值，设它们的差的绝对值为分类用特征量。缺陷分类部15在外周区域与内部区域的颜色差大的情况下，具体地说是在上述分类用特征量大于等于规定的阈值的情况下，将该缺陷判断为膜内异物。
[0123]另外，上述缺陷分类装置I进行缺陷的检测和分类这两者，但是也可以用不同的装置进行缺陷的检测和分类。也就是说，缺陷分类装置I也可以不具备对准部11和缺陷提取部12。在这种情况下，从进行缺陷的检测的缺陷检测装置接收缺陷的检测结果，用该检测结果来进行缺陷的分类。另外，缺陷的检测方法只要能确定检查图像中的缺陷区域即可，不限于上述例子。
[0124]而且，上述缺陷分类装置I将缺陷区域分割为内部区域和外周区域，但是也可以变更缺陷提取的阈值，由此仅将内部区域提取为缺陷区域。在这种情况下，在缺陷区域的周围的非缺陷区域中设定外周区域和附近区域即可。例如，也可以设离缺陷区域的距离小于等于D的像素为附近区域，在该附近区域中进行基于亮度值的判别分析来设定外周区域。
[0125]此外，检查对象物只要是会产生膜内异物和膜上异物即只要在表面形成有薄膜即可，没有特别限定。例如，也可以是显示器面板的显示部、半导体晶片或者薄膜太阳电池基板。
[0126]〔总结〕
[0127]本发明的一个实施方式的缺陷分析装置(I)是对拍摄在表面形成有薄膜的检查对象物而得到的检查图像中检测出的缺陷区域的缺陷进行分类的缺陷分类装置，其特征在于，具备:特征量算出单元(分类指标算出部14)，其算出表示作为上述缺陷区域的一部分的沿着该缺陷区域的外周的环状的区域即外周区域中包含的像素的颜色和作为上述缺陷区域外的区域的与上述外周区域相邻的非缺陷区域(附近区域)的像素的颜色之间的差异的大小的特征量；以及缺陷分类单元(缺陷分类部15)，其基于上述特征量算出单元所算出的上述特征量，将上述缺陷区域的缺陷分类为相对于上述薄膜在上述检查对象物的内部侧存在异物的膜内异物缺陷，或者分类为相对于上述薄膜在上述检查对象物的外部侧存在异物的膜上异物缺陷。
[0128]另外，本发明的一个实施方式的缺陷分析方法是对拍摄在表面形成有薄膜的检查对象物而得到的检查图像中检测出的缺陷区域的缺陷进行分类的缺陷分类装置所涉及的缺陷分析方法，其特征在于，具备:特征量算出步骤，算出表示作为上述缺陷区域的一部分的沿着该缺陷区域的外周的环状的区域即外周区域中包含的像素的颜色和作为上述缺陷区域外的区域的与上述外周区域相邻的非缺陷区域的像素的颜色之间的差异的大小的特征量；以及缺陷分类步骤，基于在上述特征量算出步骤中算出的上述特征量，将上述缺陷区域的缺陷分类为相对于上述薄膜在上述检查对象物的内部侧存在异物的膜内异物缺陷，或者分类为相对于上述薄膜在上述检查对象物的外部侧存在异物的膜上异物缺陷。
[0129]根据上述构成，算出表示沿着缺陷区域的外周的环状的区域即外周区域中包含的像素的颜色和与外周区域相邻的非缺陷区域的像素的颜色之间的差异的特征量。然后，基于算出的特征量将缺陷区域的缺陷分类为膜内异物缺陷或者膜上异物缺陷。
[0130]如基于图2所说明的那样，在膜内异物缺陷的情况下，在外周区域和与外周区域相邻的非缺陷区域(附近区域)的颜色上产生差，因此能通过使用上述特征量来识别膜内异物缺陷和膜上异物缺陷，能高精度地进行分类。
[0131]另外，优选在本发明的一个实施方式的缺陷分析装置中具备区域设定单元(区域设定部13)，该区域设定单元(区域设定部13)基于上述缺陷区域中包含的各像素的亮度值来设定上述外周区域。
[0132]如基于图2说明的那样，在膜内异物缺陷的情况下，在缺陷区域的外周区域与内部区域中产生亮度差，因此根据上述构成，能适当设定要与非缺陷区域(附近区域)比较颜色差异的对象的外周区域。
[0133]另外，优选在本发明的一个实施方式的缺陷分析装置中，上述特征量算出单元算出将上述外周区域中包含的像素的色相的代表值与上述非缺陷区域中包含的像素的色相的代表值的差乘以上述外周区域中包含的像素的彩度的代表值得到的值作为上述特征量。
[0134]根据上述构成，算出将色相的代表值的差乘以彩度的代表值得到的值作为特征量。色相的代表值的差是用数值来表示颜色的差异，因此含有它的特征量就反映了外周区域与非缺陷区域的颜色的差异的大小。此外，代表值是代表该区域的值，是表示该区域为何种色相或者彩度的值。如果举出具体例子，能将该区域中包含的各像素的色相(或者彩度)的算术平均值、中值等设为代表值。
[0135]另外，如上述那样，可知外周区域的彩度越低，将非膜内异物的缺陷判断为膜内异物缺陷的概率越高。因此，通过设将外周区域的彩度乘以色相的代表值的差得到的值为特征量，实际上能减少将非膜内异物缺陷的缺陷误判断为膜内异物缺陷的概率。
[0136]另外，优选本发明的一个实施方式的缺陷分析装置具备算出上述外周区域的环的宽度的区域宽度算出单元(分类指标算出部14)，上述缺陷分类单元在上述特征量算出单元所算出的上述特征量大于等于基于颜色的缺陷分类用的预先决定的阈值，并且上述区域宽度算出单元所算出的宽度大于等于基于区域宽度的缺陷分类用的预先决定的阈值的情况下，将上述缺陷区域的缺陷分类为膜内异物缺陷。
[0137]根据上述构成，在特征量算出单元所算出的特征量大于等于阈值并且外周区域的环的宽度大于等于阈值的情况下，将该缺陷区域的缺陷分类为膜内异物缺陷。
[0138]由此，能防止在外周区域的宽度小到不会认为是膜内异物缺陷的程度的情况下将其误判断为膜内异物缺陷。
[0139]另外，优选本发明的一个实施方式的缺陷分析装置具备第I差算出单元(分类指标算出部14)，上述第I差算出单元(分类指标算出部14)算出上述外周区域中包含的像素的亮度值的代表值与上述缺陷区域内的上述外周区域以外的区域即内部区域中包含的像素的亮度值的代表值的差，上述缺陷分类单元在上述特征量算出单元所算出的上述特征量大于等于基于颜色的缺陷分类用的预先决定的阈值，并且上述第I差算出单元所算出的亮度值的差大于等于基于上述外周区域与内部区域的亮度差的缺陷分类用的预先决定的阈值的情况下，将上述缺陷区域的缺陷分类为膜内异物缺陷。
[0140]根据上述构成，在特征量算出单元所算出的特征量大于等于阈值，并且外周区域中包含的像素的亮度值的代表值与内部区域中包含的像素的亮度值的代表值的差大于等于阈值的情况下，将该缺陷区域的缺陷分类为膜内异物缺陷。
[0141]由此，能防止在内部区域与外周区域的亮度值的差小而不能说是由膜内异物缺陷导致形成外周区域的情况下，将其误判断为膜内异物缺陷。
[0142]另外，优选本发明的一个实施方式的缺陷分析装置具备第2差算出单元(分类指标算出部14)，上述第2差算出单元(分类指标算出部14)算出上述外周区域中包含的像素的亮度值的代表值与上述非缺陷区域中包含的像素的亮度值的代表值的差，上述缺陷分类单元在上述特征量算出单元所算出的上述特征量大于等于基于颜色的缺陷分类用的预先决定的阈值，并且上述第2差算出单元所算出的亮度值的差小于基于上述外周区域与非缺陷区域的亮度差的缺陷分类用的预先决定的阈值的情况下，将上述缺陷区域的缺陷分类为膜内异物缺陷。
[0143]根据上述构成，在特征量算出单元所算出的特征量大于等于阈值，并且外周区域中包含的像素的亮度值的代表值与非缺陷区域中包含的像素的亮度值的代表值的差小于阈值的情况下，将该缺陷区域的缺陷分类为膜内异物缺陷。
[0144]由此，能防止在外周区域与非缺陷区域的亮度差大而不能说是由膜内异物缺陷导致形成外周区域的情况下，将其误判断为膜内异物缺陷。
[0145]另外，本发明的其它实施方式的缺陷分析装置是对拍摄在表面形成有薄膜的检查对象物而得到的检查图像中检测出的缺陷区域的缺陷进行分类的缺陷分类装置，其特征在于，具备:特征量算出单元，其算出表示作为上述缺陷区域的一部分的沿着该缺陷区域的外周的环状的区域即外周区域中包含的像素的颜色与上述缺陷区域内的上述外周区域以外的区域即内部区域的像素的颜色之间的差异的特征量；以及缺陷分类单元，其基于上述特征量算出单元所算出的上述特征量，将上述缺陷区域的缺陷分类为相对于上述薄膜在上述检查对象物的内部侧存在异物的膜内异物缺陷，或者分类为相对于上述薄膜在上述检查对象物的外部侧存在异物的膜上异物缺陷。
[0146]并且，本发明的其它实施方式的缺陷分析方法是对拍摄在表面形成有薄膜的检查对象物而得到的检查图像中检测出的缺陷区域的缺陷进行分类的缺陷分类装置所涉及的缺陷分析方法，其特征在于，具备:特征量算出步骤，算出表示作为上述缺陷区域的一部分的沿着该缺陷区域的外周的环状的区域即外周区域中包含的像素的颜色与上述缺陷区域内的上述外周区域以外的区域即内部区域的像素的颜色之间的差异的特征量；以及缺陷分类步骤，其基于在上述特征量算出步骤中算出的上述特征量，将上述缺陷区域的缺陷分类为相对于上述薄膜在上述检查对象物的内部侧存在异物的膜内异物缺陷，或者分类为相对于上述薄膜在上述检查对象物的外部侧存在异物的膜上异物缺陷。
[0147]根据上述构成，算出表示沿着缺陷区域的外周的环状的区域即外周区域中包含的像素的颜色与缺陷区域内的上述外周区域以外的区域即被外周区域包围的内部区域的像素的颜色之间的差异的特征量。然后，基于算出的特征量来将缺陷区域的缺陷分类为膜内异物缺陷或者膜上异物缺陷。
[0148]如基于图2说明的那样，在膜内异物缺陷的情况下，在缺陷区域的外周区域和内部区域中产生颜色差异，因此能通过使用上述特征量来识别膜内异物缺陷和膜上异物缺陷，能高精度地分类。
[0149]此外，上述缺陷分类装置也可以利用计算机来实现，在这种情况下，使计算机作为上述缺陷分类装置的各单元来进行动作，由此用计算机实现上述缺陷分类装置的控制程序以及记录有该程序的计算机可读取的记录介质也包含于本发明的范畴。
[0150]本发明不限于上述各实施方式，能在权利要求所示的范围中进行各种变更，将不同的实施方式中分别公开的技术方案适当地组合而得到的实施方式也包含在本发明的技术的范围中。
[0151]〔软件的实现例〕
[0152]最后，缺陷分类装置I的各�？樘乇鹗强刂撇�10也可以利用在集成电路(IC芯片)上形成的逻辑电路来用硬件方式实现，也可以使用CPU (Central Processing Unit:中央处理器)来用软件方式实现。
[0153]在后者的情况下，缺陷分类装置I具备执行实现各功能的程序的命令的CPU、保存有上述程序的ROM (Read Only Memory:只读存储器)、展开上述程序的RAM (Random AccessMemory:随机存取存储器)、保存上述程序和各种数据的存储器等存储装置(记录介质)等。并且，也能对缺陷分类装置I提供以计算机可读取的方式记录有作为实现上述功能的软件的缺陷分类装置I的控制程序的程序代码(执行形式程序、中间代码程序、源程序)的记录介质，该计算机(或者CPU、MPU)读出并执行记录于记录介质的程序代码，由此来实现本发明的目的。
[0154]作为上述记录介质，能采用非暂时的有形介质(non-transitory tangiblemedium)，例如磁带、盒带等带类、包括软(注册商标)盘/硬盘等磁盘、⑶-R0M/M0/MD/DVD/CD-R等光盘的盘类、IC卡(包括存储卡)/光卡等卡类、掩模R0M/EPR0M/EEPR0M(注册商标)/闪存ROM等半导体存储器类或者PLD (Programmable logic device:可编程逻辑器件)、FPGA(Field Programmable Gate Array:现场可编程门阵列)等逻辑电路类等。
[0155]另外，也可以将缺陷分类装置I构成为可与通信网络连接，经过通信网络提供上述程序代码。该通信网络只要能传送程序代码即可，没有特别限定。例如，能利用互联网、内联网、外联网、LAN、ISDN、VAN、CATV 通信网、虚拟专用网(Virtual Private Network)、电话线路网、移动体通信网、卫星通信网等。另外，构成该通信网络的传送介质也只要是能传送程序代码即可，不限于特定的构成或者种类。例如，可以利用IEEE1394、USB、电力线传输、电缆TV线路、电话线、ADSL (Asymmetric Digital Subscriber Line:非对称数字用户线路)线路等有线方式，也可以利用IrDA、遥控的红外线、Bluetooth(蓝牙)(注册商标)、IEEE802.11 无线、HDR(High Data Rate:高数据速率)、NFC(Near Field Communicat1n:近场通信)、DLNA(Digital Living Network Alliance:数字生活网络联盟)、便携电话网、卫星线路、地面波数字网等无线方式。此外，本发明也能以将上述程序代码具现化为电子传送的嵌入载波的计算机数据信号的方式实现。
[0156]工业h的可利用件
[0157]本发明能应用于工业产品的缺陷检查。
[0158]附图标记说曰月:
[0159]1:缺陷分类装置
[0160]13:区域设定部(区域设定单元)
[0161]14:分类指标算出部(特征量算出单元，区域宽度算出单元，第I差算出单元，第2差算出单元)
[0162]15:缺陷分类部(缺陷分类单元)
【权利要求】
1.一种缺陷分类装置，是对拍摄在表面形成有薄膜的检查对象物而得到的检查图像中检测出的缺陷区域的缺陷进行分类的缺陷分类装置，其特征在于，具备: 特征量算出单元，其算出表示作为上述缺陷区域的一部分的沿着该缺陷区域的外周的环状的区域即外周区域中包含的像素的颜色和作为上述缺陷区域外的区域的与上述外周区域相邻的非缺陷区域的像素的颜色之间的差异的大小的特征量；以及 缺陷分类单元，其基于上述特征量算出单元所算出的上述特征量，将上述缺陷区域的缺陷分类为相对于上述薄膜在上述检查对象物的内部侧存在异物的膜内异物缺陷，或者分类为相对于上述薄膜在上述检查对象物的外部侧存在异物的膜上异物缺陷。
2.根据权利要求1所述的缺陷分类装置，其特征在于， 具备区域设定单元，上述区域设定单元基于上述缺陷区域中包含的各像素的亮度值来设定上述外周区域。
3.根据权利要求1或者2所述的缺陷分类装置，其特征在于， 上述特征量算出单元算出对上述外周区域中包含的像素的色相的代表值与上述非缺陷区域中包含的像素的色相的代表值的差乘以上述外周区域中包含的像素的彩度的代表值而得到的值作为上述特征量。
4.根据权利要求1至3中的任一项所述的缺陷分类装置，其特征在于， 具备区域宽度算出单元，上述区域宽度算出单元算出上述外周区域的环的宽度， 上述缺陷分类单元在上述特征量算出单元所算出的上述特征量大于等于基于颜色的缺陷分类用的预先决定的阈值且上述区域宽度算出单元所算出的宽度大于等于基于区域宽度的缺陷分类用的预先决定的阈值的情况下，将上述缺陷区域的缺陷分类为膜内异物缺陷。
5.根据权利要求1至4中的任一项所述的缺陷分类装置，其特征在于， 具备第I差算出单元，上述第I差算出单元算出上述外周区域中包含的像素的亮度值的代表值与作为上述缺陷区域内的上述外周区域以外的区域的内部区域中包含的像素的亮度值的代表值的差， 上述缺陷分类单元在上述特征量算出单元所算出的上述特征量大于等于基于颜色的缺陷分类用的预先决定的阈值并且上述第I差算出单元所算出的亮度值的差大于等于基于上述外周区域与内部区域的亮度差的缺陷分类用的预先决定的阈值的情况下，将上述缺陷区域的缺陷分类为膜内异物缺陷。
6.根据权利要求1至5中的任一项所述的缺陷分类装置，其特征在于， 具备第2差算出单元，上述第2差算出单元算出上述外周区域中包含的像素的亮度值的代表值与上述非缺陷区域中包含的像素的亮度值的代表值的差， 上述缺陷分类单元在上述特征量算出单元所算出的上述特征量大于等于基于颜色的缺陷分类用的预先决定的阈值并且上述第2差算出单元所算出的亮度值的差小于基于上述外周区域与非缺陷区域的亮度差的缺陷分类用的预先决定的阈值的情况下，将上述缺陷区域的缺陷分类为膜内异物缺陷。
7.一种缺陷分类装置，是对拍摄在表面形成有薄膜的检查对象物而得到的检查图像中检测出的缺陷区域的缺陷进行分类的缺陷分类装置，其特征在于，具备: 特征量算出单元，其算出表示作为上述缺陷区域的一部分的沿着该缺陷区域的外周的环状的区域即外周区域中包含的像素的颜色与上述缺陷区域内的上述外周区域以外的区域即内部区域的像素的颜色之间的差异的特征量；以及 缺陷分类单元，其基于上述特征量算出单元所算出的上述特征量，将上述缺陷区域的缺陷分类为相对于上述薄膜在上述检查对象物的内部侧存在异物的膜内异物缺陷，或者分类为相对于上述薄膜在上述检查对象物的外部侧存在异物的膜上异物缺陷。
8.一种缺陷分析方法，采用对拍摄在表面形成有薄膜的检查对象物而得到的检查图像中检测出的缺陷区域的缺陷进行分类的缺陷分类装置，其特征在于，具备: 特征量算出步骤，算出表示作为上述缺陷区域的一部分的沿着该缺陷区域的外周的环状的区域即外周区域中包含的像素的颜色和作为上述缺陷区域外的区域的与上述外周区域相邻的非缺陷区域的像素的颜色之间的差异的大小的特征量；以及 缺陷分类步骤，基于在上述特征量算出步骤中算出的上述特征量，将上述缺陷区域的缺陷分类为相对于上述薄膜在上述检查对象物的内部侧存在异物的膜内异物缺陷，或者分类为相对于上述薄膜在上述检查对象物的外部侧存在异物的膜上异物缺陷。
9.一种缺陷分析方法，采用对拍摄在表面形成有薄膜的检查对象物而得到的检查图像中检测出的缺陷区域的缺陷进行分类的缺陷分类装置，其特征在于，具备: 特征量算出步骤，算出表示作为上述缺陷区域的一部分的沿着该缺陷区域的外周的环状的区域即外周区域中包含的像素的颜色与上述缺陷区域内的上述外周区域以外的区域即内部区域的像素的颜色之间的差异的特征量；以及 缺陷分类步骤，基于在上述特征量算出步骤中算出的上述特征量，将上述缺陷区域的缺陷分类为相对于上述薄膜在上述检查对象物的内部侧存在异物的膜内异物缺陷，或者分类为相对于上述薄膜在上述检查对象物的外部侧存在异物的膜上异物缺陷。
10.一种控制程序，是用于使权利要求1至7中的任一项所述的缺陷分类装置动作的控制程序，其特征在于， 使计算机发挥上述各单元的功能。
11.一种计算机可读取的记录介质，其特征在于， 记录有权利要求10所述的控制程序。
【文档编号】G01N21/956GK104508469SQ201380039119
【公开日】2015年4月8日 申请日期:2013年7月30日 优先权日:2012年8月31日
【发明者】山田荣二 申请人:夏普株式会社
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
