知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023076064
(43)【公開日】2023-06-01
(54)【発明の名称】検査方法、検査装置及びプログラム
(51)【国際特許分類】
H01L 21/66 20060101AFI20230525BHJP
G01N 21/956 20060101ALI20230525BHJP
【ＦＩ】
H01L21/66 J
G01N21/956 A
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2021189232
(22)【出願日】2021-11-22
(71)【出願人】
【識別番号】514188173
【氏名又は名称】株式会社ＪＯＬＥＤ
(74)【代理人】
【識別番号】100189430
【弁理士】
【氏名又は名称】吉川 修一
(74)【代理人】
【識別番号】100190805
【弁理士】
【氏名又は名称】傍島 正朗
(72)【発明者】
【氏名】橋本 伸一郎
【テーマコード（参考）】
2G051
4M106
【Ｆターム（参考）】
2G051AA51
2G051AB01
2G051AB02
2G051CA04
2G051EA08
2G051EA14
2G051EA17
2G051EB05
2G051EC01
2G051ED04
2G051ED21
4M106AA01
4M106CA40
4M106DB04
4M106DJ15
4M106DJ18
4M106DJ27
4M106DJ28
(57)【要約】
【課題】デバイスの配線パターンの異常部分が欠陥に結び付くか否かを自動判定することができる検査方法等を提供する。
【解決手段】パターンが形成されたレイヤを１層以上有する積層構造からなるデバイスの外観検査画像から画像処理により得たデバイスの配線パターンの異常部分を含む画像である異常部画像を取得する取得ステップ（Ｓ１０）と、異常部画像から、異常部分が位置するレイヤに基づく色ラベルに異常部分が変換されたラベル画像を生成する生成ステップ（Ｓ１１）と、ラベル画像と、デバイスの異常部分と対応する位置で、かつ当該異常部分がない配線パターンを含む正常パターン画像とを重ね合わせて得た重ね合わせ画像を用いて、予め定められた決定木に従って色ラベルと異常部分がない配線パターンとの重なり判定を行うことにより、異常部分がデバイスの欠陥となっているか否かを判定する判定ステップ（Ｓ１３）とを含む。
【選択図】図２０
【解決手段】パターンが形成されたレイヤを１層以上有する積層構造からなるデバイスの外観検査画像から画像処理により得たデバイスの配線パターンの異常部分を含む画像である異常部画像を取得する取得ステップ（Ｓ１０）と、異常部画像から、異常部分が位置するレイヤに基づく色ラベルに異常部分が変換されたラベル画像を生成する生成ステップ（Ｓ１１）と、ラベル画像と、デバイスの異常部分と対応する位置で、かつ当該異常部分がない配線パターンを含む正常パターン画像とを重ね合わせて得た重ね合わせ画像を用いて、予め定められた決定木に従って色ラベルと異常部分がない配線パターンとの重なり判定を行うことにより、異常部分がデバイスの欠陥となっているか否かを判定する判定ステップ（Ｓ１３）とを含む。
【選択図】図２０
【特許請求の範囲】
【請求項1】
パターンが形成されたレイヤを１層以上有する積層構造からなるデバイスの検査方法であって、
前記デバイスの外観検査画像から画像処理により得た前記デバイスの配線パターンの異常部分を含む画像である異常部画像を取得する取得ステップと、
前記異常部画像から、前記異常部分が位置するレイヤに基づく色ラベルに前記異常部分が変換されたラベル画像を生成する生成ステップと、
前記ラベル画像と、前記デバイスの異常部分と対応する位置で、かつ当該異常部分がない配線パターンを含む正常パターン画像とを重ね合わせて得た重ね合わせ画像を用いて、予め定められた決定木に従って前記色ラベルと前記異常部分がない配線パターンとの重なり判定を行うことにより、前記異常部分が前記デバイスの欠陥となっているか否かを判定する判定ステップとを含む、
検査方法。
前記デバイスの外観検査画像から画像処理により得た前記デバイスの配線パターンの異常部分を含む画像である異常部画像を取得する取得ステップと、
前記異常部画像から、前記異常部分が位置するレイヤに基づく色ラベルに前記異常部分が変換されたラベル画像を生成する生成ステップと、
前記ラベル画像と、前記デバイスの異常部分と対応する位置で、かつ当該異常部分がない配線パターンを含む正常パターン画像とを重ね合わせて得た重ね合わせ画像を用いて、予め定められた決定木に従って前記色ラベルと前記異常部分がない配線パターンとの重なり判定を行うことにより、前記異常部分が前記デバイスの欠陥となっているか否かを判定する判定ステップとを含む、
検査方法。
【請求項2】
前記正常パターン画像は、前記外観検査画像のうち前記異常部分を含む領域の画像と同一スケールの画像であって予め用意された画像であり、
前記判定ステップでは、前記重なり判定を行う際、前記決定木に従って前記色ラベルと前記正常パターン画像に含まれる第１の配線及び第２の配線との重なり判定を行うことで前記異常部分が前記第１の配線及び前記第２の配線を短絡させているか判定する、
請求項１に記載の検査方法。
前記判定ステップでは、前記重なり判定を行う際、前記決定木に従って前記色ラベルと前記正常パターン画像に含まれる第１の配線及び第２の配線との重なり判定を行うことで前記異常部分が前記第１の配線及び前記第２の配線を短絡させているか判定する、
請求項１に記載の検査方法。
【請求項3】
前記正常パターン画像は、前記外観検査画像のうち前記異常部分を含む領域の画像と同一スケールの画像であって予め用意された画像であり、
前記判定ステップでは、前記重なり判定を行う際、前記決定木に従って前記色ラベルと前記正常パターン画像に含まれる第１の配線との重なり判定を行うことで前記異常部分が前記第１の配線を断線させているか判定する、
請求項１に記載の検査方法。
前記判定ステップでは、前記重なり判定を行う際、前記決定木に従って前記色ラベルと前記正常パターン画像に含まれる第１の配線との重なり判定を行うことで前記異常部分が前記第１の配線を断線させているか判定する、
請求項１に記載の検査方法。
【請求項4】
前記異常部分は、形成されたパターンのうち形成される配線パターンが一部欠けているパターン部分である、
請求項１または３に記載の検査方法。
請求項１または３に記載の検査方法。
【請求項5】
前記異常部分は、形成されたパターンのうち配線パターンが形成されてはならない部位に配線パターンが残存するパターン残りがあるパターン部分である、
請求項１または２に記載の検査方法。
請求項１または２に記載の検査方法。
【請求項6】
前記生成ステップでは、
学習済みのモデルを用いて、前記異常部画像から、前記ラベル画像を生成させ、
前記生成ステップの前には、
前記学習済みのモデルは、教師データとして準備された、外観検査画像から画像処理により得たデバイスの異常部画像と、当該異常部画像に映る異常部分の材質それぞれによって当該異常部画像に映る異常部分が異なる色ラベルに変換されたラベル画像とにより学習されている、
請求項１～５のいずれか１項に記載の検査方法。
学習済みのモデルを用いて、前記異常部画像から、前記ラベル画像を生成させ、
前記生成ステップの前には、
前記学習済みのモデルは、教師データとして準備された、外観検査画像から画像処理により得たデバイスの異常部画像と、当該異常部画像に映る異常部分の材質それぞれによって当該異常部画像に映る異常部分が異なる色ラベルに変換されたラベル画像とにより学習されている、
請求項１～５のいずれか１項に記載の検査方法。
【請求項7】
前記生成ステップでは、
前記異常部画像から、前記異常部分が位置するレイヤに基づく色ラベルとして、前記異常部画像に映る異常部分の材質に応じた色ラベルに画像処理により前記異常部分を変換することで、前記ラベル画像を生成する、
請求項１～６のいずれか１項に記載の検査方法。
前記異常部画像から、前記異常部分が位置するレイヤに基づく色ラベルとして、前記異常部画像に映る異常部分の材質に応じた色ラベルに画像処理により前記異常部分を変換することで、前記ラベル画像を生成する、
請求項１～６のいずれか１項に記載の検査方法。
【請求項8】
前記取得ステップでは、
前記デバイスの外観検査画像に、背景差分法を用いた画像処理を施して前記異常部画像を生成することにより、前記異常部画像を取得する、
請求項１～７のいずれか１項に記載の検査方法。
前記デバイスの外観検査画像に、背景差分法を用いた画像処理を施して前記異常部画像を生成することにより、前記異常部画像を取得する、
請求項１～７のいずれか１項に記載の検査方法。
【請求項9】
パターンが形成されたレイヤを１層以上有する積層構造からなるデバイスの検査装置であって、
前記デバイスの外観検査画像から画像処理により得た前記デバイスの配線パターンの異常部分を含む画像である異常部画像を取得する画像取得部と、
前記異常部画像から、前記異常部分が位置するレイヤに基づく色ラベルに前記異常部分が変換されたラベル画像を生成するラベル画像生成部と、
前記ラベル画像と、前記デバイスの異常部分と対応する位置で、かつ当該異常部分がない配線パターンを含む正常パターン画像とを重ね合わせて得た重ね合わせ画像を用いて、予め定められた決定木に従って前記色ラベルと前記異常部分がない配線パターンとの重なり判定を行うことにより、前記異常部分が前記デバイスの欠陥となっているか否かを判定する判定部とを備える、
検査装置。
前記デバイスの外観検査画像から画像処理により得た前記デバイスの配線パターンの異常部分を含む画像である異常部画像を取得する画像取得部と、
前記異常部画像から、前記異常部分が位置するレイヤに基づく色ラベルに前記異常部分が変換されたラベル画像を生成するラベル画像生成部と、
前記ラベル画像と、前記デバイスの異常部分と対応する位置で、かつ当該異常部分がない配線パターンを含む正常パターン画像とを重ね合わせて得た重ね合わせ画像を用いて、予め定められた決定木に従って前記色ラベルと前記異常部分がない配線パターンとの重なり判定を行うことにより、前記異常部分が前記デバイスの欠陥となっているか否かを判定する判定部とを備える、
検査装置。
【請求項10】
パターンが形成されたレイヤを１層以上有する積層構造からなるデバイスの検査方法をコンピュータに実行させるためのプログラムであって、
前記デバイスの外観検査画像から画像処理により得た前記デバイスの配線パターンの異常部分を含む画像である異常部画像を取得する取得ステップと、
前記異常部画像から、前記異常部分が位置するレイヤに基づく色ラベルに前記異常部分が変換されたラベル画像を生成する生成ステップと、
前記ラベル画像と、前記デバイスの異常部分と対応する位置で、かつ当該異常部分がない配線パターンを含む正常パターン画像とを重ね合わせて得た重ね合わせ画像を用いて、予め定められた決定木に従って前記色ラベルと前記異常部分がない配線パターンとの重なり判定を行うことにより、前記異常部分が前記デバイスの欠陥となっているか否かを判定する判定ステップとを、
コンピュータに実行させるためのプログラム。
前記デバイスの外観検査画像から画像処理により得た前記デバイスの配線パターンの異常部分を含む画像である異常部画像を取得する取得ステップと、
前記異常部画像から、前記異常部分が位置するレイヤに基づく色ラベルに前記異常部分が変換されたラベル画像を生成する生成ステップと、
前記ラベル画像と、前記デバイスの異常部分と対応する位置で、かつ当該異常部分がない配線パターンを含む正常パターン画像とを重ね合わせて得た重ね合わせ画像を用いて、予め定められた決定木に従って前記色ラベルと前記異常部分がない配線パターンとの重なり判定を行うことにより、前記異常部分が前記デバイスの欠陥となっているか否かを判定する判定ステップとを、
コンピュータに実行させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、検査方法、検査装置及びプログラムに関する。
【背景技術】
【0002】
液晶デバイス、有機ＥＬといった半導体デバイスの製造工程では、半導体デバイスの欠陥を検出するために外観検査によるパターン検査が行われる。ここで、パターン検査は、本来あるべき配線パターンに対する配線パターンの異常部分を検出する検査である。
【0003】
例えば、特許文献１には、ウェハなどパターンが形成された基板のパターン検査を自動的に行うことができる方法が提案されている。特許文献１では、画像処理を用いることで、基板のパターン検査を自動的に行える方法が記載されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２００６―１７０９０７号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、特許文献１の検査方法では、パターンの異常部分を精度よく検出することができるものの、異常部分がそのまま半導体デバイスの欠陥に結び付くわけではないという課題がある。このため、異常部分が半導体デバイスの欠陥に結び付くか否かを、作業者が目視判断する必要があった。
【0006】
本開示は、上述の事情を鑑みてなされたもので、デバイスの配線パターンの異常部分が欠陥に結び付くか否かを自動判定することができる検査方法などを提供することを目的とする。
【課題を解決するための手段】
【0007】
上記目的を達成するために、本開示の一形態に係る検査方法は、パターンが形成されたレイヤを１層以上有する積層構造からなるデバイスの検査方法であって、前記デバイスの外観検査画像から画像処理により得た前記デバイスの配線パターンの異常部分を含む画像である異常部画像を取得する取得ステップと、前記異常部画像から、前記異常部分が位置するレイヤに基づく色ラベルに前記異常部分が変換されたラベル画像を生成する生成ステップと、前記ラベル画像と、前記デバイスの異常部分と対応する位置で、かつ当該異常部分がない配線パターンを含む正常パターン画像とを重ね合わせて得た重ね合わせ画像を用いて、予め定められた決定木に従って前記色ラベルと前記異常部分がない配線パターンとの重なり判定を行うことにより、前記異常部分が前記デバイスの欠陥となっているか否かを判定する判定ステップとを含む。
【0008】
これにより、デバイスの配線パターンの異常部分が欠陥に結び付くか否かを自動判定することができる。
【0009】
ここで、例えば、前記正常パターン画像は、前記外観検査画像のうち前記異常部分を含む領域の画像と同一スケールの画像であって予め用意された画像であり、前記判定ステップでは、前記重なり判定を行う際、前記決定木に従って前記色ラベルと前記正常パターン画像に含まれる第１の配線及び第２の配線との重なり判定を行うことで前記異常部分が前記第１の配線及び前記第２の配線を短絡させているか判定してもよい。
【0010】
また、例えば、前記正常パターン画像は、前記外観検査画像のうち前記異常部分を含む領域の画像と同一スケールの画像であって予め用意された画像であり、前記判定ステップでは、前記重なり判定を行う際、前記決定木に従って前記色ラベルと前記正常パターン画像に含まれる第１の配線との重なり判定を行うことで前記異常部分が前記第１の配線を断線させているか判定してもよい。
【0011】
また、例えば、前記異常部分は、形成されたパターンのうち形成される配線パターンが一部欠けているパターン部分であってもよいし、前記異常部分は、形成されたパターンのうち配線パターンが形成されてはならない部位に配線パターンが残存するパターン残りがあるパターン部分であってもよい。
【0012】
また、例えば、前記生成ステップでは、学習済みのモデルを用いて、前記異常部画像から、前記ラベル画像を生成させ、前記生成ステップの前には、前記学習済みのモデルは、教師データとして準備された、外観検査画像から画像処理により得たデバイスの異常部画像と、当該異常部画像に映る異常部分の材質それぞれによって当該異常部画像に映る異常部分が異なる色ラベルに変換されたラベル画像とにより学習されていてもよい。
【0013】
また、例えば、前記生成ステップでは、前記異常部画像から、前記異常部分が位置するレイヤに基づく色ラベルとして、前記異常部画像に映る異常部分の材質に応じた色ラベルに画像処理により前記異常部分を変換することで、前記ラベル画像を生成してもよい。
【0014】
また、例えば、前記取得ステップでは、前記デバイスの外観検査画像に、背景差分法を用いた画像処理を施して前記異常部画像を生成することにより、前記異常部画像を取得する。
【0015】
上記目的を達成するために、本開示の一形態に係る検査装置は、パターンが形成されたレイヤを１層以上有する積層構造からなるデバイスの検査装置であって、前記デバイスの外観検査画像から画像処理により得た前記デバイスの配線パターンの異常部分を含む画像である異常部画像を取得する画像取得部と、前記異常部画像から、前記異常部分が位置するレイヤに基づく色ラベルに前記異常部分が変換されたラベル画像を生成するラベル画像生成部と、前記ラベル画像と、前記デバイスの異常部分と対応する位置で、かつ当該異常部分がない配線パターンを含む正常パターン画像とを重ね合わせて得た重ね合わせ画像を用いて、予め定められた決定木に従って前記色ラベルと前記異常部分がない配線パターンとの重なり判定を行うことにより、前記異常部分が前記デバイスの欠陥となっているか否かを判定する判定部とを備える。
【0016】
なお、これらの全般的または具体的な態様は、装置、方法、集積回路、コンピュータプログラムまたはコンピュータで読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
【発明の効果】
【0017】
本開示により、デバイスの配線パターンの異常部分が欠陥に結び付くか否かを自動判定することができる検査方法などを提供できる。
【図面の簡単な説明】
【0018】
【発明を実施するための形態】
【0019】
以下、本開示の実施の形態について、図面を用いて詳細に説明する。なお、以下で説明する実施の形態は、いずれも本開示の一具体例を示す。以下の実施の形態で示される数値、形状、材料、規格、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序等は、一例であり、本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、本開示の最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。また、各図は、必ずしも厳密に図示したものではない。各図において、実質的に同一の構成については同一の符号を付し、重複する説明は省略又は簡略化する場合がある。
【0020】
（実施の形態）
以下、本実施の形態に係る検査装置等について説明する。
以下、本実施の形態に係る検査装置等について説明する。
【0021】
［１．検査システム］
以下、図を用いて、本実施の形態に係る検査装置１０について説明する。
以下、図を用いて、本実施の形態に係る検査装置１０について説明する。
【0022】
図１は、実施の形態に係る検査装置１０を含む検査システムの概略構成を示す図である。
【0023】
図１に示される検査システムは、検査装置１０と、撮像装置２０と、ステージ２１と、ステージ駆動部２２とを備える。
【0024】
検査装置１０は、パターンが形成されたレイヤを１層以上有する積層構造からなるデバイス３０のパターン検査を行い、パターン検査を行うことにより得た配線パターンの異常部分がデバイス３０の欠陥に結び付くか否かを自動判定するための装置である。ここで、デバイス３０は、液晶デバイス、有機ＥＬといったディスプレイデバイス、半導体デバイスであり、製造工程中におけるデバイスすなわちダイシング前の中間製造物（デバイスウェハ）としてのデバイスである。換言すると、デバイス３０は、ダイシング前の中間製造物の状態であり、ダイシング前には基板（ウェハ）上において、同一パターンのデバイス３０が並んだ状態で製造されている。配線パターンには、１以上の配線が含まれる。なお、検査装置１０の構成等の詳細は後述する。
【0025】
撮像装置２０は、デバイス３０上の検査対象領域を撮像し、例えばＣＣＤ（Charge Coupled Device）またはＣＭＯＳ（Complementary Metal-Oxide Semiconductor）で構成される。より具体的には、撮像装置２０は、デバイス３０上の検査対象領域を撮像することによりデバイス３０の外観検査画像を取得する。なお、撮像装置２０は、検査装置１０により制御されるが、他のコンピュータにより制御されてもよい。
【0026】
ステージ２１は、デバイス３０を保持する。
【0027】
ステージ駆動部２２は、ボールねじ、ガイドレール及びモータにより構成され、撮像装置２０に対してステージ２１を相対的に移動させる。なお、ステージ駆動部２２は、検査装置１０により制御されるが、他のコンピュータにより制御されてもよい。
【0028】
［１－１．検査装置１０のハードウェア構成］
本実施の形態に係る検査装置１０の機能構成を説明する前に、図２を用いて、本実施の形態に係る検査装置１０のハードウェア構成の一例について説明する。
本実施の形態に係る検査装置１０の機能構成を説明する前に、図２を用いて、本実施の形態に係る検査装置１０のハードウェア構成の一例について説明する。
【0029】
図２は、実施の形態に係る検査装置１０の機能をソフトウェアにより実現するコンピュータ１０００のハードウェア構成の一例を示す図である。
【0030】
コンピュータ１０００は、図２に示すように、入力装置１００１、出力装置１００２、ＣＰＵ１００３、内蔵ストレージ１００４、ＲＡＭ１００５、ＧＰＵ１００６、読取装置１００７、送受信装置１００８及びバス１００９を備えるコンピュータである。入力装置１００１、出力装置１００２、ＣＰＵ１００３、内蔵ストレージ１００４、ＲＡＭ１００５、読取装置１００７及び送受信装置１００８は、バス１００９により接続される。
【0031】
入力装置１００１は、入力ボタン、タッチパッド、タッチパネルディスプレイなどといったユーザインタフェースとなる装置であり、ユーザの操作を受け付ける。なお、入力装置１００１は、ユーザの接触操作を受け付ける他、音声での操作、リモコン等での遠隔操作を受け付ける構成であってもよい。
【0032】
出力装置１００２は、入力装置１００１と兼用されており、タッチパッドまたはタッチパネルディスプレイなどによって構成され、ユーザに知らすべき情報を通知する。
【0033】
内蔵ストレージ１００４は、フラッシュメモリなどである。また、内蔵ストレージ１００４は、検査装置１０の機能を実現するためのプログラム、及び、検査装置１０の機能構成を利用したアプリケーションの少なくとも一方が、予め記憶されていてもよい。また、内蔵ストレージ１００４は、ニューラルネットワークのモデル（生成モデル）、取得された学習用データ、モデルの中間層等のパラメータ、背景差分法を含む画像処理を行う手順、重なり判定を行うための手順、重なり判定で用いる決定木などが記憶されるとしてもよい。
【0034】
ＲＡＭ１００５は、ランダムアクセスメモリ（Random Access Memory）であり、プログラム又はアプリケーションの実行に際してデータ等の記憶に利用される。
【0035】
ＧＰＵ１００６は、画像演算処理装置（Graphics Processing Unit）であり、内蔵ストレージ１００４に記憶されたプログラム、アプリケーション、データをＧＰＵに内蔵された専用ＲＡＭにコピーし、そのプログラムやアプリケーションに含まれる命令に従って画像演算処理を実行する。
【0036】
読取装置１００７は、ＵＳＢ（Universal Serial Bus）メモリなどの記録媒体から情報を読み取る。読取装置１００７は、上記のようなプログラムやアプリケーションが記録された記録媒体からそのプログラム、アプリケーションを読み取り、内蔵ストレージ１００４に記憶させる。
【0037】
送受信装置１００８は、無線又は有線で通信を行うための通信回路である。送受信装置１００８は、例えばネットワークに接続されたサーバ装置と通信を行い、サーバ装置から上記のようなプログラム、アプリケーションをダウンロードして内蔵ストレージ１００４に記憶させてもよい。
【0038】
ＣＰＵ１００３は、中央演算処理装置（Central Processing Unit）であり、内蔵ストレージ１００４に記憶されたプログラム、アプリケーションをＲＡＭ１００５にコピーし、そのプログラムやアプリケーションに含まれる命令をＲＡＭ１００５から順次読み出して実行する。
【0039】
［１－２．検査装置１０の機能構成］
続いて、図３を用いて本実施の形態に係る検査装置１０の各機能構成について説明する。
続いて、図３を用いて本実施の形態に係る検査装置１０の各機能構成について説明する。
【0040】
図３は、実施の形態に係る検査装置１０の機能構成の一例を示すブロック図である。
【0041】
検査装置１０は、図３に示されるように、画像取得部１０１と、ラベル画像生成部１０２と、重ね合わせ画像生成部１０３と、判定部１０４とを備える。なお、検査装置１０において、重ね合わせ画像生成部１０３は必須ではなく、その結果を検査装置１０が利用できればよく外部に備えられてもよい。
【0042】
［１－２－１．画像取得部１０１］
画像取得部１０１は、デバイスの外観検査画像から画像処理により得たデバイスの配線パターンの異常部分を含む画像である異常部画像を取得する。
画像取得部１０１は、デバイスの外観検査画像から画像処理により得たデバイスの配線パターンの異常部分を含む画像である異常部画像を取得する。
【0043】
図４は、実施の形態に係るデバイス３０の外観検査画像であるパターン検査画像４１の一例を示す図である。図４に示す例には、パターン残りを示す配線パターンの異常部分３１ａが示されている。パターン残りを示す配線パターンの異常部分３１ａは、デバイスに形成されたパターンのうち配線パターンが形成されてはならない部位に配線パターンが残存するパターン残りがあるパターン部分である。図５は、実施の形態に係るデバイス３０の異常部画像４２の一例を示す図である。図５に示す例には、画像処理により得た配線パターンの異常部分３１ｂが示されている。
【0044】
本実施の形態では、画像取得部１０１は、撮像装置２０から、例えば図４に示すパターン検査画像４１のようなデバイス３０の外観検査画像を取得する。また、画像取得部１０１は、取得した外観検査画像に背景差分法を用いた画像処理を施して、例えば、図５に示す異常部画像４２のようなデバイス３０の配線パターンの異常部分を含む画像である異常部画像を生成する。
【0045】
ここで、背景差分法とは、観測画像と事前に取得しておいた背景画像とを比較することで、背景画像には存在しない観測画像に存在する物を抽出する画像処理である。本実施の形態では、デバイス３０の外観検査画像を観測画像とし、デバイス３０の異常部分と対応する位置で、かつ当該異常部分がない配線パターンを含む画像である正常パターン画像を背景画像とする。正常パターン画像は、当該外観検査画像を得たデバイス３０のレイヤに対する他の外観検査画像の一部をクロップしたものであってもよい。また、正常パターン画像は、当該外観検査画像を得たデバイス３０と同一のデバイス３０に対する最初の外観検査時の外観検査画像の一部をクロップしたものであってもよい。
【0046】
以下、図６及び図７を用いて、背景差分法により異常部画像を生成する場合の一例について説明する。図６は、実施の形態に係るデバイス３０の外観検査画像の別の例を示す図である。図６の（ａ）には、配線パターンの異常部分３２ａが含まれるパターン検査画像５１が示され、図６の（ｂ）には、配線パターンの異常部分のない正常パターン画像５２が示されている。図７は、図６に示す外観検査画像から得た異常部画像５３の一例を示す図である。
【0047】
すなわち、画像取得部１０１は、背景差分法を用いた画像処理を行い、図６の（ａ）に示されるパターン検査画像５１と図６の（ｂ）に示される正常パターン画像５２との差分をとったうえで、階調を半分に圧縮してバイアス成分１２８を足すなどする。これにより、画像取得部１０１は、図７に示すような異常部分３２ｂを含む異常部画像５３を生成することができる。図７に示す異常部画像５３は、図６の（ａ）に示される異常部分３２ａのみが抜き出された画像になっている。
【0048】
このようにして、画像取得部１０１は、異常部画像を取得することができる。
【0049】
［１－２－２．ラベル画像生成部１０２］
ラベル画像生成部１０２は、画像取得部１０１により取得された異常部画像から、異常部分が位置するレイヤに基づく色ラベルに当該異常部分が変換されたラベル画像を生成する。異常部分が位置するレイヤに基づく色ラベルは、異常部画像に映る異常部分の材質に応じた色ラベルとなっている。異常部分の材質としては、配線材料、半導体層、ダストなどが挙げられる。
ラベル画像生成部１０２は、画像取得部１０１により取得された異常部画像から、異常部分が位置するレイヤに基づく色ラベルに当該異常部分が変換されたラベル画像を生成する。異常部分が位置するレイヤに基づく色ラベルは、異常部画像に映る異常部分の材質に応じた色ラベルとなっている。異常部分の材質としては、配線材料、半導体層、ダストなどが挙げられる。
【0050】
図８は、実施の形態に係るラベル画像４３の一例を示す図である。図８に示すラベル画像４３は、図５に示す異常部画像４２の異常部分３１ｂが、異常部分３１ｂの材質に応じた色ラベルに変換（置換）された色ラベル部分３１ｃを含む画像である。
【0051】
本実施の形態では、ラベル画像生成部１０２は、例えば図５に示す異常部画像４２から、異常部画像４２に含まれる異常部分３１ｂを、異常部画像４２に映る異常部分３１ｂの材質に応じた色ラベルに変換した色ラベル部分３１ｃを含む図５に示すラベル画像４３を生成する。なお、異常部分３１ｂの材質は、デバイス３０のレイヤすなわち異常部分３１ｂがデバイス３０のソースレイヤが形成される層、ゲートレイヤが形成される層、ポリシリコンが形成される層に位置するかで異なる。異常部分３１ｂの材質は、異常部画像４２に映る異常部分３１ｂの色味によって判断できる。
【0052】
ここで、ラベル画像の生成方法として、ディープラーニングを用いる方法がある。ディープラーニングを用いる方法としては学習したルールに則って画像などを生成する生成モデルを用いてもよい。より具体的には、ラベル画像生成部１０２は、学習済みのモデルを用いて、異常部画像から、ラベル画像を生成させてもよい。この場合、学習済のモデルは、教師データとして準備された、外観検査画像から画像処理により得たデバイスの異常部画像と、当該異常部画像に映る異常部分の材質それぞれによって当該異常部画像に映る異常部分が異なる色ラベルに置換されたラベル画像とにより学習されればよい。
【0053】
これにより、ラベル画像生成部１０２は、学習済みのモデルを用いて、異常部画像に含まれる異常部分の材質によって異なる色ラベルに変換（置換）されたラベル画像を生成することができる。なお、ラベル画像生成部１０２は、学習済みのモデルを用いて、異常部画像における背景差分による異常部分の欠損を補完させ、かつ、異常部分を色ラベルに変換（置換）させたラベル画像を生成させてもよい。
【0054】
【0055】
図９Ａ～図９Ｄは、異常部分の材質によって異なる色ラベルのラベル画像が異常部画像から生成される場合の一例を示す図である。図中のＧＬはゲートが形成されるゲートレイヤ、ＳＬはソースが形成されるソースレイヤを意味し、Ｐｏｌｙ－Ｓｉはポリシリコンが形成されるレイヤを意味する。ダストは、異常部分の材質がダストからなることを意味する。
【0056】
図９Ａの（ａ）には、ＧＬパターン残りを示す異常部分６１ａを含む異常部画像６１の一例が示されている。図９Ａの（ｂ）には、その異常部分６１ａの材質がゲートレイヤである場合に応じたハッチングで描き分けられた色ラベル部分６２ａを含むラベル画像６２の一例が示されている。
【0057】
また、図９Ｂの（ａ）には、ＳＬパターン残りを示す異常部分６３ａを含む異常部画像６３の一例が示されている。図９Ｂの（ｂ）には、その異常部分６３ａの材質がソースレイヤである場合に応じたハッチングで描き分けられた色ラベル部分６４ａを含むラベル画像６４の一例が示されている。
【0058】
図９Ｃの（ａ）には、Ｐｏｌｙ－Ｓｉパターン残りを示す異常部分６５ａを含む異常部画像６５の一例が示されている。また、図９Ｃの（ｂ）には、その異常部分６５ａの材質がポリシリコンが形成されるレイヤである場合に応じたハッチングで描き分けられた色ラベル部分６６ａを含むラベル画像６６の一例が示されている。
【0059】
図９Ｄの（ａ）には、ダストを示す異常部分６７ａを含む異常部画像６７の一例が示されている。図９Ｄの（ｂ）には、その異常部分６７ａの材質がダストからなる場合に応じたハッチングで描き分けられた色ラベル部分６８ａを含むラベル画像６８の一例が示されている。
【0060】
【0061】
【0062】
図１０Ａに示される教師データとして準備された画像ペアは、異常部画像とそのラベル画像とからなる。図１０Ａには、異常部画像と、当該異常部画像の異常部分の材質すなわち色味に応じた色ラベルに、異常部分の領域を変換（置換）させることで当該異常部画像から生成したラベル画像とからなる画像ペアが示されている。なお、色味は変動するが、色味が変動している異常部画像を用いて学習させることでそれを考慮した変換がなされる。
【0063】
また、図１０Ａの（ａ）には、一例として、ＳＬパターン残りを示す異常部分を含む異常部画像とそれに対応する正解データとしてのラベル画像が示されている。図１０Ａの（ｂ）には、一例として、ＧＬパターン残りを示す異常部分を含む異常部画像とそれに対応する正解データとしてのラベル画像が示されている。図１０Ａの（ｃ）には、一例として、ダストからなる異常部分を含む異常部画像とそれに対応する正解データとしてのラベル画像が示されている。図１０Ａの（ｄ）には、一例として、Ｐｏｌｙ－Ｓｉパターン残りを示す異常部分を含む異常部画像とそれに対応する正解データとしてのラベル画像が示されている。
【0064】
また、異常部画像からラベル画像を生成させるモデルを学習させる際、まず、図１０Ａに示すような、異常部画像とラベル画像とからなる画像ペアを複数準備する。
【0065】
次に、図１０Ｂに示すように、入力が異常部画像となり、出力が対応するラベル画像となるように、当該モデルを構成するニューラルネットワークを教師あり学習させる。これにより、異常部画像が入力されるとラベル画像を生成させるモデルを得ることができる。
【0066】
なお、図１０Ｂには、当該モデルが、全結合型の４層のニューラルネットワークで構成される場合の例を示しているが、４層でなくてもよく全結合型でなくてもよい。pix2pixなど画像ペアの敵対生成学習を行うGAN（Generative Adversarial Networks）のようなニューラルネットワークで構成されてもよい。すなわち、異常部画像が入力されるとラベル画像を生成させるモデルを得ることができるニューラルネットワークの構成であれば、どのような構成であってもよい。
【0067】
また、ラベル画像の生成方法として、画像処理を用いてもよい。より具体的には、ラベル画像生成部１０２は、異常部画像に映る異常部分の材質に応じた色ラベルに画像処理により異常部分を変換することで、異常部画像からラベル画像を生成してもよい。
【0068】
本実施の形態では、ラベル画像生成部１０２に、異常部画像を例えばＨＳＶ色空間に変換させた上で、色味に基づいて異常部画像に映る異常部分の領域を抽出する。そして、ラベル画像生成部１０２は、ある範囲をもった色相、彩度、明度で表される色味すなわち異常部分の材質に応じた色ラベルに、異常部分の領域を変換（置換）させることで、異常部画像からラベル画像を生成させればよい。なお、ＨＳＶ色空間は、色味を１パラメータで扱い易いことから、異常部画像をＨＳＶ色空間に変換させるとして説明したが、これに限らない。ＲＧＢ色空間に変換させた上で同様の処理を行うとしてもよい。
【0069】
このようにして、ラベル画像生成部１０２は、画像取得部１０１により取得された異常部画像から、ラベル画像を生成することができる。
【0070】
［１－２－３．重ね合わせ画像生成部１０３］
重ね合わせ画像生成部１０３は、ラベル画像生成部１０２により生成されたラベル画像と、正常パターン画像とを重ね合わせることで、重ね合わせ画像を生成する。なお、正常パターン画像は、デバイス３０の異常部分と対応する位置で、かつ当該異常部分がない配線パターンを含む画像である。換言すると、正常パターン画像は、外観検査画像のうち異常部分を含む領域の画像と同一スケールの画像であって予め用意された画像である。なお、正常パターン画像は、外観検査画像から得た画像であってもよいし、外観検査画像と同スケールの画像であり検査に必要な部分のみを描画された画像でありあらかじめ用意されたものであってもよい。
重ね合わせ画像生成部１０３は、ラベル画像生成部１０２により生成されたラベル画像と、正常パターン画像とを重ね合わせることで、重ね合わせ画像を生成する。なお、正常パターン画像は、デバイス３０の異常部分と対応する位置で、かつ当該異常部分がない配線パターンを含む画像である。換言すると、正常パターン画像は、外観検査画像のうち異常部分を含む領域の画像と同一スケールの画像であって予め用意された画像である。なお、正常パターン画像は、外観検査画像から得た画像であってもよいし、外観検査画像と同スケールの画像であり検査に必要な部分のみを描画された画像でありあらかじめ用意されたものであってもよい。
【0071】
図１１は、実施の形態に係るパターン検査画像に対応する正常パターン画像の一例を示す図である。図１１の（ａ）には、図４のパターン検査画像４１が示されており、図１１の（ｂ）には、パターン検査画像４１と同一パターンの画像かつ異常部分のない画像である正常パターン画像４４が示されている。図１１の（ｂ）では、以降の重ね合わせ処理などの処理負荷を軽減するため、配線１～配線６で表される配線部分のみが示されるように２値化処理された配線部正常パターン画像が示されている。正常パターン画像４４は、２値化処理されていなくてもよい。
【0072】
図１２は、実施の形態に係る重ね合わせ画像の一例を示す図である。図１２に示す例では、図８で示されるラベル画像４３と、図１１の（ｂ）で示される正常パターン画像４４とが重ね合わせられた重ね合わせ画像４５が示されている。
【0073】
つまり、本実施の形態では、重ね合わせ画像生成部１０３は、ラベル画像生成部１０２により生成された例えば図８に示すラベル画像４３を取得する。また、重ね合わせ画像生成部１０３は、撮像装置２０により取得されたデバイス３０の外観検査画像から、パターン検査画像４１と同一パターンの画像かつ異常部分のない画像である正常パターン画像４４をクロップ等により取得する。そして、重ね合わせ画像生成部１０３は、取得したラベル画像４３と正常パターン画像４４とを重ね合わせることで、重ね合わせ画像４５を生成する。
【0074】
なお、重ね合わせ画像生成部１０３は、ラベル画像における色ラベル部分の配線等のパターンと、正常パターン画像における配線等のパターンとを誤差なく重ね合わせる必要がある。以下、正常パターン画像とラベル画像とを誤差なく重ね合わせる方法について説明する。
【0075】
本実施の形態では、まず、重ね合わせ画像生成部１０３は、ラベル画像の元になっているパターン検査画像の繰り返されるパターン（レイアウトパターン）とその繰り返されるパターン内での位置とを検出する。なお、繰り返されるパターン（レイアウトパターン）とその繰り返されるパターン内での位置とを以下では位相と称する。
【0076】
次に、重ね合わせ画像生成部１０３は、正常パターン画像の位相をラベル画像の元になっているパターン検査画像の位相と合わせた（調整した）上で、正常パターン画像とラベル画像とを重ね合わせる画像処理を行う。
【0077】
以下、ラベル画像の元になっているパターン検査画像の位相検出方法の一例について説明する。位相検出方法には、例えば差分画像を用いる方法と差分プロファイルを用いる方法とがある。
【0078】
図１３は、実施の形態に係る差分画像を用いる位相検出方法の一例を説明するための図である。図１４Ａは、実施の形態に係る差分画像を説明するための図である。図１４Ｂは、実施の形態に係る差分画像のヒストグラムの一例を示す図である。
【0079】
図１３の（ａ）には、繰り返しパターンが特定しやすい所定の領域の画像でありかつ事前に取得した画像であるリファレンス画像７１の一例が示されており、図１３の（ｂ）には、パターン検査画像７２の一例が示されている。なお、リファレンス画像７１は、パターン検査画像７２の位相０（繰り返しパターンの基準位置）の画像であるとする。
【0080】
より具体的には、重ね合わせ画像生成部１０３は、リファレンス画像７１を、例えばパターン検査画像７２のクロップ位置７３ａを開始位置としてラスタスキャンして、クロップ位置７３ａのパターン検査画像７２とリファレンス画像７１とがぴったり重なるパターン検査画像７２の位置を検出する。重ね合わせ画像生成部１０３はリファレンス画像７１がぴったり重なるパターン検査画像７２の位置を検出した場合、そのパターン検査画像７２の位置が位相０であるとして検出する。
【0081】
より詳細には、重ね合わせ画像生成部１０３は、例えば図１４Ａの（ａ）に示されるリファレンス画像７１と、クロップ位置７３ａにおいてパターン検査画像７２からクロップされた例えば図１４Ａの（ｂ）に示されるクロップ画像７３との差分画像を生成する。そして、重ね合わせ画像生成部１０３は、ラスタスキャンしたクロップ位置７３ａにおける例えば図１４Ｂに示すような差分画像のヒストグラムを算出し、算出したヒストグラムの分散が最小となるクロップ位置７３ａを位相０であると決定すればよい。差分画像のヒストグラムの分散が最小となるクロップ位置７３ａが、当該クロップ位置７３ａのクロップ画像７３とリファレンス画像７１とが一致する（ぴったり重なる）パターン検査画像７２の位置とみなせるからである。
【0082】
図１５は、実施の形態に係る差分プロファイルを用いる位相検出方法の一例を説明するための図である。図１６Ａは、実施の形態に係る差分プロファイルを説明するための図であり、図１６Ｂは、実施の形態に係る差分プロファイルのヒストグラムの一例を示す図である。
【0083】
図１５の（ａ）には、リファレンス画像７１のＸ成分の輝度プロファイル７１ａの一例が示されている。図１５の（ｂ）には、パターン検査画像７２のＸ成分の輝度プロファイル７２ａの一例が示されている。なお、Ｙ成分の輝度プロファイルの場合も同様のことが言えるため、ここでは、Ｘ成分の輝度プロファイルについてのみ説明する。
【0084】
より具体的には、重ね合わせ画像生成部１０３は、リファレンス画像７１のＸ成分の輝度プロファイル７１ａを、例えばパターン検査画像７２のＸ成分の輝度プロファイル７２ａのクロップ位置７４ａを開始位置としてラインスキャンする。重ね合わせ画像生成部１０３は、クロップ位置７４ａの輝度プロファイル７２ａと、リファレンス画像７１の輝度プロファイル７１ａとがぴったり重なる輝度プロファイル７２ａ上の位置を検出する。重ね合わせ画像生成部１０３はリファレンス画像７１の輝度プロファイル７１ａがぴったり重なる輝度プロファイル７２ａの位置を検出した場合、そのパターン検査画像７２の位置をＸ方向の位相０であるとして検出する。
【0085】
より詳細には、重ね合わせ画像生成部１０３は、例えば図１６Ａの（ａ）に示されるリファレンス画像７１の輝度プロファイル７１ａと、例えば図１６Ａの（ｂ）に示されるクロッププロファイル７４との差分プロファイルを生成する。例えば図１６Ａの（ｃ）には、差分プロファイルの一例が示されている。また、例えば図１６Ａの（ｂ）に示されるクロッププロファイル７４は、クロップ位置７４ａにおいてパターン検査画像７２の輝度プロファイル７２ａからクロップされたＸ成分の輝度プロファイルである。
【0086】
そして、重ね合わせ画像生成部１０３は、ラインスキャンしたクロップ位置７４ａにおける図１６Ｂに示すような差分プロファイルのヒストグラムを算出し、算出したヒストグラムの分散が最小となるクロップ位置７４ａがＸ成分の位相０であると決定すればよい。差分プロファイルのヒストグラムの分散が最小となるクロップ位置７４ａが、当該クロップ位置７４ａのクロッププロファイル７４とリファレンス画像７１の輝度プロファイル７１ａとが略一致する（ぴったり重なる）パターン検査画像７２のＸ方向の位置とみなせるからである。
【0087】
このようにして、重ね合わせ画像生成部１０３は、ラベル画像と対応する正常パターン画像とを重ね合わせることで、重ね合わせ画像を生成することができる。
【0088】
［１－２－４．判定部１０４］
判定部１０４は、重ね合わせ画像生成部１０３により生成された重ね合わせ画像を用いて、予め定められた決定木に従って色ラベル部分と異常部分がない配線パターンとの重なり判定を行うことにより、異常部分がデバイスの欠陥となっているか否かを判定する。ここで、判定部１０４は、重なり判定を行う際、決定木に従って色ラベルと正常パターン画像に含まれる第１の配線及び第２の配線との重なり判定を行うことで異常部分が第１の配線及び第２の配線を短絡させているか判定してもよい。なお、判定部１０４は、重なり判定を行う際、決定木に従って色ラベルと正常パターン画像に含まれる第１の配線との重なり判定を行うことで異常部分が第１の配線を断線させているか判定してもよい。
判定部１０４は、重ね合わせ画像生成部１０３により生成された重ね合わせ画像を用いて、予め定められた決定木に従って色ラベル部分と異常部分がない配線パターンとの重なり判定を行うことにより、異常部分がデバイスの欠陥となっているか否かを判定する。ここで、判定部１０４は、重なり判定を行う際、決定木に従って色ラベルと正常パターン画像に含まれる第１の配線及び第２の配線との重なり判定を行うことで異常部分が第１の配線及び第２の配線を短絡させているか判定してもよい。なお、判定部１０４は、重なり判定を行う際、決定木に従って色ラベルと正常パターン画像に含まれる第１の配線との重なり判定を行うことで異常部分が第１の配線を断線させているか判定してもよい。
【0089】
本実施の形態では、判定部１０４は、重ね合わせ画像生成部１０３により生成された例えば図１２に示される重ね合わせ画像４５を用いて、予め定められた決定木に従って、配線間を色ラベル部分がブリッジしているかを重なり判定する。これにより、判定部１０４は、色ラベル部分が配線間をショートさせているかを判定することができる。そして、判定部１０４は、色ラベル部分が配線間をショートさせている場合、異常部分がデバイスの欠陥となっていると判定し、色ラベル部分が配線間をショートさせていない場合、異常部分がデバイスの欠陥となっていないと判定する。
【0090】
図１７は、実施の形態に係るショート判定を行うための決定木ルーチンを示すフローチャートの一例を示す図である。図１７には、図１２に示される重ね合わせ画像４５を用いて重なり判定を行うことで、ショート判定を行う決定木ルーチンの一例が示されている。
【0091】
図１７において、まず、判定部１０４は、色ラベル部分３１ｃに対応する異常部分３１ｂが配線１と配線２との間をショートさせているかを判定する（Ｓ１）。より具体的には、判定部１０４は、図１２に示される重ね合わせ画像４５において、異常部分３１ｂに対応する色ラベル部分３１ｃが、配線１と配線２との間をブリッジしているかを重なり判定する。これにより、判定部１０４は、異常部分３１ｂが配線１と配線２との間をショートさせているかを判定することができる。
【0092】
ステップＳ１において、異常部分３１ｂが配線１と配線２との間をショートさせていない場合（ステップＳ１でいいえ）、判定部１０４は、異常部分３１ｂが配線２と配線３との間をショートさせているかを判定する（Ｓ２）。より具体的には、判定部１０４は、図１２に示される重ね合わせ画像４５において、色ラベル部分３１ｃが、配線２と配線３との間をブリッジしているかを重なり判定することで、異常部分３１ｂが配線２と配線３との間をショートさせているかを判定する。
【0093】
ステップＳ２において、異常部分３１ｂが配線２と配線３との間をショートさせていない場合（ステップＳ２でいいえ）、判定部１０４は、異常部分３１ｂが配線３と配線４との間をショートさせているかを判定する（Ｓ３）。より具体的には、判定部１０４は、図１２に示される重ね合わせ画像４５において、色ラベル部分３１ｃが、配線３と配線４との間をブリッジしているかを重なり判定することで、異常部分３１ｂが配線３と配線４との間をショートさせているかを判定する。
【0094】
判定部１０４は、このような判定を、配線間の数だけ行い、すべてのステップにおいて異常部分３１ｂが配線間をショートさせていない場合には、異常部分３１ｂがデバイス３０の欠陥となっていないと判定する（Ｓ４）。
【0095】
一方、ステップＳ１、Ｓ２、Ｓ３等において、異常部分３１ｂが配線間をショートさせている場合には、異常部分３１ｂがデバイス３０の欠陥となっていると判定する（Ｓ５）。
【0096】
なお、ショート判定を行うための重なり判定は、アルゴリズムで表現されてもよい。以下、ショート判定を行うアルゴリズムの一例について説明する。
【0097】
図１８は、ショート判定を行うための重なり判定のアルゴリズムに用いる重ね合わせ画像の一例を示す図である。図１８に示す重ね合わせ画像４５ａは、図１２に示される重ね合わせ画像４５の配線１～配線４を配線１及び配線２の２本に簡略化した画像である。
【0098】
判定部１０４は、図１８に示す重ね合わせ画像４５ａに対して以下の１）～５）で記述される重なり判定のアルゴリズムを実施する。
【0099】
１）まず、判定部１０４は、重ね合わせ画像４５ａにおける配線１パターン、配線２パターン、及び、色ラベル部分３１ｃの領域（画像）を、それぞれ階調で示される数値などによる２次元配列に変換する。次に、２次元配列のうち、配線１パターンの領域に対応する部分を数値「１」、配線２パターンの領域に対応する部分を数値「２」、色ラベル部分３１ｃの領域に対応する部分を数値「３」でフィルする。さらに、パターンのない領域に対応する部分を数値「０」でフィルする。これにより、判定部１０４は、重ね合わせ画像４５ａの領域を、単純な数値の配列に置き換えることができる。
【0100】
２）次に、判定部１０４は、配列１の数値「１」を数値「５」で置き換える。これにより、配線１パターンの領域に対応する部分である配列１の領域がチェック済であることを示すことができる。
【0101】
３）次に、判定部１０４は、ＰＡＳＳ１として、図１８に示す重ね合わせ画像４５ａの左上から右下に向けて配線１の全ての数値「５」について、その上下左右８か所に対応する場所に数値「２」または「３」が存在する場合に、その場所を数値「５」へ置き換える。
【0102】
４）次に、判定部１０４は、１）においてフィルされた数値「２」に対応する場所が数値「５」に置き換わっていたら、配線１と配線２とは色ラベル部分３１ｃによってショートしていると判定する。
【0103】
５）そして、判定部１０４は、ＰＡＳＳ１と同様に、ＰＡＳＳ２として重ね合わせ画像４５ａの右下から左上、ＰＡＳＳ３として重ね合わせ画像４５ａの左下から右上、ＰＡＳＳ４として重ね合わせ画像４５ａの画像右上から左下に向けて、３）４）の動作を実施する。
【0104】
なお、上記では、予め定めた決定木に従った重なり判定により異常部分が配線間をショートさせるかを判定することについて説明したが、決定木は、デバイス３０の構造に応じて予め定めればよく、デバイス３０の構造においてショート判定すべき配線間の組み合わせなどに基づき予め定めればよい。
【0105】
図１９Ａ～図１９Ｅは、実施の形態に係る決定木に従いＳＬ(Source Layer)工程でショート判定される配線間を説明するための図である。ＳＬ工程は、デバイス３０の完成前の製造工程であり、ソースレイヤが形成され、ソースレイヤにおける配線等が形成された工程である。図１９Ａ～図１９Ｅには、ＳＬ工程におけるデバイス３０の層構造の一例が示されている。図中のデバイス３０は、ガラス基板と、ゲート絶縁膜と、層間絶縁膜とがこの順に形成されている。ガラス基板とゲート絶縁膜との一部領域にはポリシリコンが形成され、ポリシリコンの上のゲート絶縁膜上、層間絶縁膜上には、ゲート、ソース及びドレインが形成されている。また、ゲート絶縁膜上には、初期化電源線ＩＮＩ、イネーブル線ＥＮ及び電源線Ｖｃｃが形成され、層間絶縁膜上には、参照電圧制御線ＲＥＦ、参照電源線Ｖｒｅｆ、走査線ＷＳ及び電源線Ｖｃｃが形成されている。
【0106】
このような層構造を有するＳＬ工程中のデバイス３０は、ＳＬ層間において、例えば図１９Ａの（ｉ）で示されるＲＥＦ－Ｖｒｅｆの配線間、例えば図１９Ｂの（ｉｉ）で示されるＲＥＦ－ＷＳの配線間、例えば図１９Ｃの（ｉｉｉ）で示されるＷＳ－Ｖｃｃの配線間に対してショート判定されることになる。また、ＳＬ工程中のデバイス３０は、ＧＬ層(Gate Layer)間において、例えば図１９Ｄの（ｉｖ）で示されるＥＮ－Ｖｃｃの配線間、例えば図１９Ｅの（ｖ）で示されるＩＮＩ－ＥＮの配線間に対してショート判定されることになる。
【0107】
このように、デバイス３０の構造により定まる配線間の組み合わせに基づいてショート判定に用いる決定木を定めることができる。
【0108】
なお、ＳＬ工程においてデバイス３０の配線間のショート判定を行うとして説明したが、これに限らない。ＧＬ工程においてデバイス３０の配線間のショート判定を行ってもよい。この場合、ＧＬ工程におけるデバイス３０の構造により定まる配線間の組み合わせに応じてショート判定に用いる決定木を定めればよい。
【0109】
［２．検査装置１０の動作］
以上のように構成された検査装置１０の動作の一例について以下説明する。
以上のように構成された検査装置１０の動作の一例について以下説明する。
【0110】
【0111】
まず、検査装置１０は、異常部分を含む異常部画像を取得する（Ｓ１０）。より具体的には、検査装置１０は、デバイス３０の外観検査画像から画像処理により得たデバイス３０の配線パターンの異常部分を含む画像である異常部画像を取得する。例えば、検査装置１０は、ＳＬ工程におけるデバイス３０の外観検査画像として、図２１の（ａ）に示されるパターン残りの異常部分８１ａを含むパターン検査画像８１を取得する。検査装置１０は、取得したパターン検査画像８１に背景差分法を用いた画像処理を施すことにより、図２１の（ｂ）に示される異常部分８２ａを含む異常部画像８２を生成して取得する。
【0112】
次に、検査装置１０は、ラベル画像を生成する（Ｓ１１）。より具体的には、検査装置１０は、ステップＳ１０で取得した異常部画像から、異常部分が位置するレイヤに基づく色ラベルに異常部分が変換されたラベル画像を生成する。例えば、検査装置１０は、図２１の（ｂ）に示される異常部分８２ａを含む異常部画像８２から、異常部分８２ａの材質に応じた色ラベルに異常部分８２ａを変換した色ラベル部分８３ａを含む図２１の（ｃ）に示されるラベル画像８３を生成する。なお、ラベル画像８３を生成する方法には、上述したように、ニューラルネットワークで構成される生成モデルなどの学習済のモデルを用いる方法と、異常部分８２ａの色味に基づいて画像処理を用いる方法とがある。
【0113】
次に、検査装置１０は、ラベル画像と正常パターン画像とを重ね合わせた画像を生成する（Ｓ１２）。より具体的には、検査装置１０は、ステップＳ１１で生成したラベル画像と、デバイス３０の異常部分と対応する位置で、かつ当該異常部分がない配線パターンを含む正常パターン画像とを重ね合わせることで、重ね合わせ画像を生成する。例えば、検査装置１０は、図２１の（ｃ）に示されるラベル画像８３の元になっている異常部分８１ａを含むパターン検査画像８１の位相を検出し、図２１の（ｄ）に示される正常パターン画像８４の位相を、検出した位相に合うように調整する。なお、正常パターン画像８４及びパターン検査画像８１の位相は、上述したように、正常パターン画像８４及びパターン検査画像８１において繰り返されるパターン（レイアウトパターン）とその繰り返されるパターン内での位置を意味する。そして、検査装置１０は、位相を合わせた（調整した）正常パターン画像８４とラベル画像８３とを重ね合わせる画像処理を行うことで、図２１の（ｅ）に示される重ね合わせ画像８５を生成する。
【0114】
次に、検査装置１０は、決定木に従って、ステップＳ１２で生成した重ね合わせ画像から、異常部分がデバイスの欠陥となっているか否かを判定する（Ｓ１３）。より具体的には、検査装置１０は、ステップＳ１２で生成した重ね合わせ画像を用いて、予め定められた決定木に従って色ラベル部分と当該異常部分がない配線パターンとの重なり判定を行うことにより、異常部分がデバイスの欠陥となっているか否かを判定する。以下、図２２を用いて、図２１に示される重ね合わせ画像８５に対する重なり判定によるショート判定の動作例について説明する。
【0115】
図２２は、図２１に示される重ね合わせ画像８５に対する重なり判定の動作例を示すフローチャートである。図２２では、ＳＬ工程のデバイス３０に対する重なり判定の動作例が示されている。なお、図２１に示す例では、色ラベル部分８３ａは、異常部分８２ａの材質がソースレイヤである場合に応じた色を表すハッチングで表されている。図２２では、この色ラベル部分８３ａをＳＬラベルと称している。
【0116】
図２２のステップＳ１３１、Ｓ１３２、Ｓ１３３等において、検査装置１０は、ＳＬラベルが配線間をブリッジしているかを判定する。ＳＬ工程のデバイス３０には、信号線Ｓｉｇ、参照電圧制御線ｒｅｆ、電源線Ｖｃｃ、初期化電源線Ｉｎｉなどが形成されている。ステップＳ１３１では、Ｓｉｇ－ｒｅｆの配線間をＳＬラベルがブリッジしているか重なり判定する場合の例が示されている。同様に、ステップＳ１３２、Ｓ１３３では、Ｓｉｇ－Ｖｃｃの配線間、Ｓｉｇ－ｉｎｉの配線間をＳＬラベルがブリッジしているか重なり判定する場合の例が示されている。ステップＳ１３１、Ｓ１３２、Ｓ１３３等においてＳＬラベルが配線間をブリッジしていない場合（ステップＳ１３１、Ｓ１３２、Ｓ１３３でいいえ）、検査装置１０は、ＯＫすなわち異常部分８２ａがデバイス３０の欠陥となっていないと判定する（ステップＳ１３４）。
【0117】
一方、ステップＳ１３１、Ｓ１３２、Ｓ１３３等においてＳＬラベルが配線間をブリッジしている場合（ステップＳ１３１、Ｓ１３２、Ｓ１３３ではい）、ＮＧすなわち異常部分８２ａがデバイス３０の欠陥となっていると判定してもよい（ステップＳ１３７）。なお、図２２に示す例では、ＳＬラベルが配線間をブリッジしている場合でも一定の場合にはレーザリペアが可能であるので、レーザリペアが可能である判定を含めた動作例が示されている。すなわち、ＳＬラベルの面積が所定の大きさであるαμｍ２以上でなく、ＳＬラベルが３配線上をブリッジしていない場合（ステップＳ１３５、Ｓ１３６でいいえ）、レーザリペアが可能であると判定する（ステップＳ１３８）。これにより、異常部分８２ａがデバイス３０の欠陥にならないようにすることができる。
【0118】
［３．効果等］
本実施の形態の検査装置１０等によれば、背景差分法の画像処理を用いてパターン検査画像から異常部分のみを抜き出した異常部画像を取得（または生成）し、異常部分をその材質によって色分けされた色ラベル部分に変換したラベル画像を異常部画像から生成する。さらに、本実施の形態の検査装置１０等によれば、正常パターン画像とラベル画像を重ね合わせ、決定木に従って正常な配線パターンとラベル画像の色ラベル部分との重なり判定を行うことで異常部分がデバイス（製品）の欠陥を引き起こしているかどうかを判定する。
本実施の形態の検査装置１０等によれば、背景差分法の画像処理を用いてパターン検査画像から異常部分のみを抜き出した異常部画像を取得（または生成）し、異常部分をその材質によって色分けされた色ラベル部分に変換したラベル画像を異常部画像から生成する。さらに、本実施の形態の検査装置１０等によれば、正常パターン画像とラベル画像を重ね合わせ、決定木に従って正常な配線パターンとラベル画像の色ラベル部分との重なり判定を行うことで異常部分がデバイス（製品）の欠陥を引き起こしているかどうかを判定する。
【0119】
このようにして、本実施の形態の検査装置１０等は、パターンが形成されたレイヤを１層以上有する積層構造からなるデバイスの配線パターンの異常部分が欠陥に結び付くか否かを自動判定することができる。つまり、本実施の形態の検査装置１０等は、パターン検査によって検出されたパターン異常が製品の欠陥となるかどうかを自動判定できる。
【0120】
なお、本実施の形態の検査装置１０等によれば、ラベル画像を生成する方法には、ニューラルネットワークで構成される生成モデルなどの学習済のモデルを用いる方法と、異常部分の色味に基づいて画像処理を用いる方法とがある。
【0121】
学習済のモデルを用いる方法では、認識と補完とが得意なニューラルネットワークのモデルに高精度にラベル画像を自動生成させることができる。この場合、本実施の形態の検査装置１０等は、認識と補完とが得意なモデルにラベル画像を生成させる一方で、モデルが得意でない単純な重なり判定を画像処理に委ねて、異常部分が製品の欠陥につながるか否かの判定をルールが明確な決定木を用いる。これにより、判定精度が高く、かつ判定ルールが明確な手法となることで、デバイスの配線パターンの異常部分が欠陥に結び付くか否かを自動判定することができる。
【0122】
なお、製造プロセスが大きく変わらないかぎり、異常部分の認識と補完は品種に依存しない。このため、品種ごとに正常パターン画像と異常部分が製品の欠陥につながるか否かの判定を担う決定木さえ用意できれば、一番大変なモデルの学習を品種ごとに行わなくてもよいという効果もある。つまり、本実施の形態の検査装置１０等によれば、容易に多品種展開ができるので、多品種におけるデバイスの配線パターンの異常部分が欠陥に結び付くか否かを自動判定することができる。
【0123】
なお、異常部分の色味に基づいて画像処理を用いる方法では、特定の位置に特定の「材質」が現れる性質を利用して、ラベル画像を生成するため、プロセス変動による色バラツキの影響を最小限にすることができる。
【0124】
（変形例）
なお、上記の実施の形態では、異常部分がパターン残りがある部分であるとして説明したが、これに限らない。異常部分がパターン欠けがある部分であってもよい。ここで、パターン欠けである異常部分とは、形成されたパターンのうち形成される配線パターンが一部欠けているパターン部分である。
なお、上記の実施の形態では、異常部分がパターン残りがある部分であるとして説明したが、これに限らない。異常部分がパターン欠けがある部分であってもよい。ここで、パターン欠けである異常部分とは、形成されたパターンのうち形成される配線パターンが一部欠けているパターン部分である。
【0125】
異常部分がパターン欠けがある部分である場合の検査装置１０の動作は、異常部分がパターン残りがある部分である場合と比較すると、重なり判定で用いる決定木が短絡判定（ショート判定）ではなく断線判定である点のみ異なるものの、図２０で示した通りである。以下、図２０を用いて、異常部分がパターン欠けがある部分である場合の検査装置１０の動作例について説明する。以下では、上述した実施の形態と異なる点を中心に説明する。
【0126】
図２３は、変形例に係る検査装置１０の動作例の説明図である。
【0127】
図２０において、まず、検査装置１０は、異常部分を含む異常部画像を取得する（Ｓ１０）。本変形例では、例えば、検査装置１０は、ＳＬ工程におけるデバイス３０の外観検査画像として、図２３の（ａ）に示されるパターン欠けの異常部分９１ａを含むパターン検査画像９１を取得する。検査装置１０は、取得したパターン検査画像９１に背景差分法を用いた画像処理を施すことにより、図２３の（ｂ）に示される異常部分９２ａを含む異常部画像９２を生成して取得する。
【0128】
次に、検査装置１０は、ラベル画像を生成する（Ｓ１１）。本変形例では、例えば、検査装置１０は、図２３の（ｂ）に示される異常部分９２ａを含む異常部画像９２から、異常部分９２ａの材質に応じた色ラベルに異常部分９２ａを変換した色ラベル部分９３ａを含む図２３の（ｃ）に示されるラベル画像９３を生成する。なお、ラベル画像９３を生成する方法には、上述したように、ニューラルネットワークで構成される生成モデルなどの学習済のモデルを用いる方法と、異常部分９２ａの色味に基づいて画像処理を用いる方法とがある。
【0129】
次に、検査装置１０は、ラベル画像と正常パターン画像とを重ね合わせた画像を生成する（Ｓ１２）。本変形例では、例えば、検査装置１０は、図２３の（ｃ）に示されるラベル画像９３の元になっている異常部分９１ａを含むパターン検査画像９１の位相を検出し、図２３の（ｄ）に示される正常パターン画像９４の位相を、検出した位相に合うように調整する。そして、検査装置１０は、位相を合わせた（調整した）正常パターン画像９４とラベル画像９３とを重ね合わせる画像処理を行うことで、図２３の（ｅ）に示される重ね合わせ画像９５を生成する。
【0130】
次に、検査装置１０は、決定木に従って、ステップＳ１２で生成した重ね合わせ画像から、異常部分がデバイスの欠陥となっているか否かを判定（Ｓ１３）。より具体的には、検査装置１０は、ステップＳ１２で生成した重ね合わせ画像を用いて、予め定められた決定木に従って色ラベル部分と異常部分がない配線パターンとの重なり判定を行うことにより、異常部分がデバイスの欠陥となっているか否かを判定する。以下、図２４を用いて、図２３に示される重ね合わせ画像９５に対する重なり判定による断線判定の動作例について説明する。
【0131】
図２４は、図２３に示される重ね合わせ画像９５に対する重なり判定の動作例を示すフローチャートである。図２４では、ＳＬ工程のデバイス３０に対する重なり判定の動作例が示されている。また、図２３に示す例では、色ラベル部分９３ａは、異常部分９２ａの材質がソースレイヤである場合に応じた色を表すハッチングで表されている。図２４では、この色ラベル部分９３ａをＳＬラベルと称している。なお、異常部分の材質がゲートレイヤである場合には、色ラベル部分が異常部分の材質がゲートレイヤに応じた色を表すハッチングで表される。この場合の色ラベル部分をＧＬラベルと称する。同様に、異常部分の材質がコンタクトホールである場合には、色ラベル部分が異常部分の材質がコンタクトホールに応じた色を表すハッチングで表される。この場合の色ラベル部分をＣＨラベルと称する。
【0132】
図２４において、検査装置１０は、まず、ＧＬラベルがＳｉｇ線（信号線の配線）を分断しているかを重なり判定する（Ｓ２３１）。
【0133】
ステップＳ２３１で、ＧＬラベルがＳｉｇ線（信号線の配線）を分断していると判定する場合（ステップＳ２３１ではい）、ＮＧすなわち異常部分がデバイス３０の欠陥となっていると判定する（Ｓ２３２）。ＳＬ工程のデバイス３０に対する重なり判定であるので、ＳＬ層よりも下に形成されるＧＬ層における配線の断線は修復不可能であるから、ＮＧと判定する。
【0134】
また、ステップＳ２３３で、検査装置１０は、ＳＬラベルがＳｉｇ線を分断しているか否かを判定する。ステップＳ２３３でＳＬラベルがＳｉｇ線を分断していると判定する場合（ステップＳ２３３ではい）、さらに、ＳＬラベルの面積が所定の大きさであるαμｍ２以上であるかを判定する（Ｓ２３４）。なお、ステップＳ２３３で、ＳＬラベルがＳｉｇ線を分断していると判定する場合（ステップＳ２３３ではい）、ＮＧすなわち異常部分９２ａがデバイス３０の欠陥となっていると判定してもよい。
【0135】
ステップＳ２３４において、ＳＬラベルの面積が所定の大きさ以上である場合（ステップＳ２３４ではい）、ＮＧすなわち異常部分９２ａがデバイス３０の欠陥となっていると判定する（Ｓ２３２）。一方、ステップＳ２３４において、ＳＬラベルの面積が所定の大きさ以上でない場合（ステップＳ２３４でいいえ）、錯体修正によりリペア可能であると判定する（Ｓ２３５）。これにより、異常部分９２ａがデバイス３０の欠陥にならないようにすることができる。ＳＬラベルが、配線を分断していてもＳＬラベルの面積が所定の大きさより小さいと、ＳＬラベルがＳＬ層にあるため錯体金属を用いることでリペア可能であるからである。図２４に示す動作例では、ＮＧと判定する場合の例外として錯体修復可能か否かをさらに判定している。
【0136】
また、ステップＳ２３６で、検査装置１０は、ＣＨラベルがＳｉｇ線内に存在しているか否かを判定する。ステップＳ２３６で、ＣＨラベルがＳｉｇ線内に存在している場合（ステップＳ２３６ではい）、ＮＧすなわち異常部分９２ａがデバイス３０の欠陥となっていると判定する（Ｓ２３２）。
【0137】
ここで、ステップＳ２３１、Ｓ２３３、Ｓ２３６等で、判定結果がいいえの場合（ステップＳ２３１、Ｓ２３３、Ｓ２３６等でいいえ）、検査装置１０は、ＯＫすなわち異常部分９２ａがデバイス３０の欠陥となっていないと判定する（ステップＳ２３７）。
【0138】
以上のように、本変形例の検査装置１０等によれば、パターンが形成されたレイヤを１層以上有する積層構造からなるデバイスの配線パターンの異常部分がパターン欠けであっても、当該異常部分が欠陥に結び付くか否かを自動判定することができる。つまり、パターン検査によって検出されたパターン異常が製品の欠陥となるかどうかを自動判定できる。
【0139】
（その他の実施の形態）
以上、本開示に係る検査装置及び判定方法などについて、各実施の形態に基づいて説明したが、本開示は、これらの実施の形態に限定されるものではない。本開示の主旨を逸脱しない限り、当業者が思いつく各種変形を各実施の形態に施したものや、各実施の形態における一部の構成要素を組み合わせて構築される別の形態も、本開示の範囲内に含まれる。
以上、本開示に係る検査装置及び判定方法などについて、各実施の形態に基づいて説明したが、本開示は、これらの実施の形態に限定されるものではない。本開示の主旨を逸脱しない限り、当業者が思いつく各種変形を各実施の形態に施したものや、各実施の形態における一部の構成要素を組み合わせて構築される別の形態も、本開示の範囲内に含まれる。
【0140】
また、以下に示す形態も、本開示の一つ又は複数の態様の範囲内に含まれてもよい。
【0141】
（１）上記の判定装置を構成する構成要素の一部は、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ＧＰＵ、ハードディスクユニット、ディスプレイユニット、キーボード、マウスなどから構成されるコンピュータシステムであってもよい。前記ＲＡＭ又はハードディスクユニットには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムにしたがって動作することにより、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。
【0142】
（２）上記の判定装置を構成する構成要素の一部は、１個のシステムＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ：大規模集積回路）から構成されているとしてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ＧＰＵなどを含んで構成されるコンピュータシステムである。前記ＲＡＭには、コンピュータプログラムが記憶されている。前記マイクロプロセッサまたは前記ＧＰＵが、前記コンピュータプログラムにしたがって動作することにより、システムＬＳＩは、その機能を達成する。
【0143】
（３）上記の判定装置を構成する構成要素の一部は、各装置に脱着可能なＩＣカード又は単体のモジュールから構成されているとしてもよい。前記ＩＣカード又は前記モジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ＧＰＵなどから構成されるコンピュータシステムである。前記ＩＣカード又は前記モジュールは、上記の超多機能ＬＳＩを含むとしてもよい。マイクロプロセッサまたは前記ＧＰＵが、コンピュータプログラムにしたがって動作することにより、前記ＩＣカード又は前記モジュールは、その機能を達成する。このＩＣカード又はこのモジュールは、耐タンパ性を有するとしてもよい。
【0144】
（４）また、上記の判定装置を構成する構成要素の一部は、前記コンピュータプログラム又は前記デジタル信号をコンピュータで読み取り可能な記録媒体、例えば、フレキシブルディスク、ハードディスク、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭ、ＢＤ（Ｂｌｕ－ｒａｙ（登録商標） Ｄｉｓｃ）、半導体メモリなどに記録したものとしてもよい。また、これらの記録媒体に記録されている前記デジタル信号であるとしてもよい。
【0145】
また、上記の判定装置を構成する構成要素の一部は、前記コンピュータプログラム又は前記デジタル信号を、電気通信回線、無線又は有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしてもよい。
【0146】
（５）本開示は、上記に示す方法であるとしてもよい。また、これらの方法をコンピュータにより実現するコンピュータプログラムであるとしてもよいし、前記コンピュータプログラムからなるデジタル信号であるとしてもよい。
【0147】
（６）また、本開示は、マイクロプロセッサとＧＰＵとメモリを備えたコンピュータシステムであって、前記メモリは、上記コンピュータプログラムを記憶しており、前記マイクロプロセッサまたは前記ＧＰＵは、前記コンピュータプログラムにしたがって動作するとしてもよい。
【0148】
（７）また、前記プログラム又は前記デジタル信号を前記記録媒体に記録して移送することにより、又は前記プログラム又は前記デジタル信号を、前記ネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしてもよい。
【0149】
（８）また、上記の判定装置を構成する構成要素の一部をクラウドまたはサーバ装置でおこなってもよい。
【0150】
（９）上記実施の形態及び上記変形例をそれぞれ組み合わせるとしてもよい。
【産業上の利用可能性】
【0151】
本開示は液晶デバイス、有機ＥＬといったデバイスの製造工程において外観検査によるパターン検査で見つかった配線パターンの異常部分が製品の欠陥に結び付くか否かを自動判定することができる検査方法、検査装置及びプログラムなどに利用できる。
【符号の説明】
【0152】
１０ 検査装置
２０ 撮像装置
２１ ステージ
２２ ステージ駆動部
３０ デバイス
３１ａ、３１ｂ、３２ａ、３２ｂ、６１ａ、６３ａ、６５ａ、６７ａ、８１ａ、８２ａ、９１ａ、９２ａ 異常部分
３１ｃ、６２ａ、６４ａ、６６ａ、６８ａ、８３ａ、９３ａ 色ラベル部分
４１、５１、７２、８１、９１ パターン検査画像
４２、５３、６１、６３、６５、６７、８２、９２ 異常部画像
４３、６２、６４、６６、６８、８３、９３ ラベル画像
４４、５２、８４、９４ 正常パターン画像
４５、４５ａ、８５、９５ 重ね合わせ画像
７１ リファレンス画像
７１ａ、７２ａ 輝度プロファイル
７３ クロップ画像
７３ａ、７４ａ クロップ位置
７４ クロッププロファイル
１０１ 画像取得部
１０２ ラベル画像生成部
１０３ 重ね合わせ画像生成部
１０４ 判定部
１０００ コンピュータ
１００１ 入力装置
１００２ 出力装置
１００３ ＣＰＵ
１００４ 内蔵ストレージ
１００５ ＲＡＭ
１００６ ＧＰＵ
１００７ 読取装置
１００８ 送受信装置
１００９ バス
２０ 撮像装置
２１ ステージ
２２ ステージ駆動部
３０ デバイス
３１ａ、３１ｂ、３２ａ、３２ｂ、６１ａ、６３ａ、６５ａ、６７ａ、８１ａ、８２ａ、９１ａ、９２ａ 異常部分
３１ｃ、６２ａ、６４ａ、６６ａ、６８ａ、８３ａ、９３ａ 色ラベル部分
４１、５１、７２、８１、９１ パターン検査画像
４２、５３、６１、６３、６５、６７、８２、９２ 異常部画像
４３、６２、６４、６６、６８、８３、９３ ラベル画像
４４、５２、８４、９４ 正常パターン画像
４５、４５ａ、８５、９５ 重ね合わせ画像
７１ リファレンス画像
７１ａ、７２ａ 輝度プロファイル
７３ クロップ画像
７３ａ、７４ａ クロップ位置
７４ クロッププロファイル
１０１ 画像取得部
１０２ ラベル画像生成部
１０３ 重ね合わせ画像生成部
１０４ 判定部
１０００ コンピュータ
１００１ 入力装置
１００２ 出力装置
１００３ ＣＰＵ
１００４ 内蔵ストレージ
１００５ ＲＡＭ
１００６ ＧＰＵ
１００７ 読取装置
１００８ 送受信装置
１００９ バス
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9A】
【図9B】
【図9C】
【図9D】
【図10A】
【図10B】
【図11】
【図12】
【図13】
【図14A】
【図14B】
【図15】
【図16A】
【図16B】
【図17】
【図18】
【図19A】
【図19B】
【図19C】
【図19D】
【図19E】
【図20】
【図21】
【図22】
【図23】
【図24】