特開 2024-172901 基板搬送システム、基板検査システム、および、基板異常検出方法

(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】P2024172901

(43)【公開日】2024-12-12

(54)【発明の名称】基板搬送システム、基板検査システム、および、基板異常検出方法

(51)【国際特許分類】

   H01L 21/677 20060101AFI20241205BHJP

   G01B 11/24 20060101ALI20241205BHJP

   G01B 11/16 20060101ALI20241205BHJP

【ＦＩ】

H01L21/68 A

G01B11/24 M

G01B11/16 H

【審査請求】未請求

【請求項の数】14

【出願形態】ＯＬ

(21)【出願番号】P 2023090946

(22)【出願日】2023-06-01

(71)【出願人】

【識別番号】000000974

【氏名又は名称】川崎重工業株式会社

(74)【代理人】

【識別番号】100104433

【弁理士】

【氏名又は名称】宮園 博一

(74)【代理人】

【識別番号】100202728

【弁理士】

【氏名又は名称】三森 智裕

(72)【発明者】

【氏名】藤森 一夫

(72)【発明者】

【氏名】斎藤 雅行

【テーマコード（参考）】

2F065

5F131

【Ｆターム（参考）】

2F065AA46

2F065AA65

2F065CC19

2F065DD03

2F065FF04

2F065FF61

2F065PP25

2F065QQ31

2F065RR09

5F131AA02

5F131BB04

5F131BB23

5F131CA07

5F131CA70

5F131DB02

5F131DB52

5F131DB58

5F131DB76

5F131DB82

5F131DD42

5F131DD43

5F131DD73

5F131DD76

5F131DD82

5F131DD86

5F131GA14

5F131GA33

5F131HA09

5F131HA12

5F131HA13

5F131KA12

5F131KA55

5F131KA72

5F131KA73

5F131KB32

5F131KB52

5F131KB58

(57)【要約】

【課題】基板の異常を精度よく検出することが可能な基板搬送システム、基板検査システム、および、基板異常検出方法を提供する。
【解決手段】この基板搬送システム１００は、基板２１０の搬送が行われる搬送室１０と、搬送室１０において基板２１０と対向する位置に配置された天井部材１３と、基板２１０の主表面において反射された天井部材１３の反射像を撮像する撮像部４０と、制御部６０とを備える。制御部６０は、撮像部４０により天井部材１３の反射像が撮像された撮像画像を入力とし、基板２１０の異常を識別する識別結果を出力する、機械学習により生成された学習済みモデルを用いることによって、基板２１０の異常を検出する制御部６０とを、備える。
【選択図】図３

【特許請求の範囲】

【請求項1】

基板の搬送が行われる搬送室と、
前記搬送室において前記基板と対向する位置に配置された標識部材と、
前記基板の主表面において反射された前記標識部材の反射像を撮像する撮像部と、
前記撮像部により前記標識部材の前記反射像が撮像された撮像画像を入力とし、前記基板の異常を識別する識別結果を出力する、機械学習により生成された学習済みモデルを用いることによって、前記基板の異常を検出する制御部とを、備える、基板搬送システム。

【請求項2】

前記学習済みモデルは、前記撮像部により正常な前記基板の主表面において反射された前記標識部材の前記反射像が撮像された前記撮像画像である正常画像と異常を含む前記基板の主表面において反射された前記標識部材の前記反射像が撮像された前記撮像画像である異常画像とを含む教師画像を入力用の教師データとした機械学習により生成されている、請求項１に記載の基板搬送システム。

【請求項3】

前記制御部は、前記撮像画像を入力とし、少なくとも前記基板の反りを含む前記基板の異常を識別する前記識別結果を出力する前記学習済みモデルを用いることによって、少なくとも前記基板の反りを含む前記基板の異常を検出する、請求項１または２に記載の基板搬送システム。

【請求項4】

前記標識部材は、規則性のある模様を有し、
前記学習済みモデルは、規則性のある模様を有する前記標識部材の前記反射像が撮像された前記撮像画像を入力として、前記識別結果を出力する、請求項１または２に記載の基板搬送システム。

【請求項5】

前記搬送室に配置され、前記基板の搬送動作を行う基板搬送ロボットをさらに備え、
前記制御部は、前記学習済みモデルを用いることによって、前記搬送室において前記基板搬送ロボットにより搬送される前記基板の異常を検出する、請求項１または２に記載の基板搬送システム。

【請求項6】

前記制御部は、前記基板搬送ロボットによる搬送動作において移動している状態の前記基板の主表面において反射された前記標識部材の前記反射像が撮像された前記撮像画像を入力とし、前記識別結果を出力する前記学習済みモデルを用いることによって、前記基板の異常を検出する、請求項５に記載の基板搬送システム。

【請求項7】

前記搬送室は、前記基板が収納される基板収納容器が取り付けられ、
前記制御部は、前記学習済みモデルを用いることによって、前記搬送室において前記基板搬送ロボットにより前記基板収納容器に対する搬送動作が行われる前記基板の異常を検出する、請求項５に記載の基板搬送システム。

【請求項8】

前記基板搬送ロボットは、前記基板収納容器と、前記基板に対して処理を行う処理装置に前記基板を受け渡すために前記基板が載置される処理待機部との間における前記基板の搬送動作を行い、
前記制御部は、前記学習済みモデルを用いることによって、前記搬送室において前記基板搬送ロボットによって前記基板収納容器と前記処理待機部との間を搬送される前記基板の異常を検出する、請求項７に記載の基板搬送システム。

【請求項9】

前記制御部は、前記基板搬送ロボットの搬送動作において前記基板収納容器から前記基板が取り出されたタイミングにおいて撮像された前記撮像画像を入力とし、前記識別結果を出力する前記学習済みモデルを用いることによって、前記基板の異常を検出する、請求項７に記載の基板搬送システム。

【請求項10】

前記制御部は、
前記基板搬送ロボットの動作を制御するロボット制御部を兼ね、
前記学習済みモデルを用いることによって前記基板の異常が検出された場合には、前記基板の異常が検出されたことを示す異常検出情報を出力する、請求項９に記載の基板搬送システム。

【請求項11】

前記標識部材は、前記搬送室における天井部材を含み、
前記撮像部は、前記搬送室内の上方に配置されている、請求項１または２に記載の基板搬送システム。

【請求項12】

前記搬送室において前記標識部材に照明光を照射する照明部をさらに備え、
前記制御部は、前記標識部材に前記照明光が照射された状態において撮像された前記撮像画像を入力とし、前記識別結果を出力する前記学習済みモデルを用いることによって、前記基板の異常を検出する、請求項１または２に記載の基板搬送システム。

【請求項13】

基板と対向する位置に配置された標識部材と、
前記基板の主表面において反射された前記標識部材の反射像を撮像する撮像部と、
前記撮像部により前記標識部材の前記反射像が撮像された撮像画像を入力とし、前記基板の異常を識別する識別結果を出力する、機械学習により生成された学習済みモデルを用いることによって、前記基板の異常を検出する制御部とを、備える、基板検査システム。

【請求項14】

基板の主表面において反射された前記基板と対向する位置に配置された標識部材の反射像を撮像した撮像画像を取得し、
前記撮像画像を入力とし、前記基板の異常を識別する識別結果を出力する、機械学習により生成された学習済みモデルを用いることによって、前記基板の異常を検出する、基板異常検出方法。

【発明の詳細な説明】

【技術分野】

【0001】

この開示は、基板搬送システム、基板検査システム、および、基板異常検出方法に関する。

【背景技術】

【0002】

従来、ウエハの反りを測定する測定装置が開示されている。特許文献１には、ウエハに処理を行うランプ加熱式の処理装置においてウエハの反りを測定する測定装置が記載されている。特許文献１に記載の測定装置は、ウエハに反りが無い状態でウエハに写る反射像を撮像した非反り時の画像と、ウエハに反りがある状態で反射像を撮像した反り時の画像とを比較することによってウエハの反りを測定する。具体的には、特許文献１に記載の測定装置は、反射像における処理装置の加熱用のランプのフィラメントを目標物として、非反り時の画像から目標物を含む複数の非反り時の部分画像を取得する。特許文献１に記載の測定装置は、反り時の画像において、非反り時の部分画像に最も一致度が高い部分を反り時の部分画像として取得する。そして、非反り時の部分画像の座標を反り時の部分画像の座標に座標変換することによって、座標変換の大きさからウエハの反りが測定される。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２２－５５６１７号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

ここで、上記特許文献１のように、ウエハなどの基板において、反射像に基づいて反りなどの異常を検出する場合には、ウエハの異常に起因するウエハの反射像の形状の変化は複雑であるため、座標変換などの計算処理を用いた異常の検出では、検出の精度が低くなる場合がある。たとえば、反りの異常を反射像に基づいて検出する場合には、ウエハにおいて反りの生じる位置、および、反りの向きが一定とはならない場合があるため、予め設定されている所定の計算処理では、検出しきれない異常が生じる場合がある。そのため、ウエハなどの基板の異常を精度よく検出することが望まれている。

【0005】

この開示は、上記のような課題を解決するためになされたものであり、この開示の１つの目的は、基板の異常を精度よく検出することが可能な基板搬送システム、基板検査システム、および、基板異常検出方法を提供することである。

【課題を解決するための手段】

【0006】

この開示の第１の局面による基板搬送システムは基板の搬送が行われる搬送室と、搬送室において基板と対向する位置に配置された標識部材と、基板の主表面において反射された標識部材の反射像を撮像する撮像部と、撮像部により標識部材の反射像が撮像された撮像画像を入力とし、基板の異常を識別する識別結果を出力する、機械学習により生成された学習済みモデルを用いることによって、基板の異常を検出する制御部とを、備える。

【0007】

この開示の第１の局面による基板搬送システムは、上記のように、標識部材の反射像が撮像された撮像画像を入力とし、基板の異常を識別する識別結果を出力する、機械学習により生成された学習済みモデルを用いることによって、基板の異常を検出する。ここで、機械学習では、複数の種類の異常を学習することによって、学習した異常とは異なる形態の異常をも検出するように学習済みモデルを学習できる。たとえば、機械学習による学習済みモデルを用いて基板の反りの異常を検出する場合には、複数の位置および複数の方向の反りを異常として学習した学習済みモデルを用いることによって、学習された反りとは異なる位置、または、方向の反りをも精度よく検出できる。そのため、機械学習により生成された学習済みモデルを用いて撮像画像に基づいて基板の異常を検出することによって、複数種類の異常を検出できるため、異常の種類によって基板に生じている異常が検出しきれなくなることを抑制できる。その結果、基板の異常を精度よく検出できる。

【0008】

この開示の第２の局面による基板検査システムは、基板と対向する位置に配置された標識部材と、基板の主表面において反射された標識部材の反射像を撮像する撮像部と、撮像部により標識部材の反射像が撮像された撮像画像を入力とし、基板の異常を識別する識別結果を出力する、機械学習により生成された学習済みモデルを用いることによって、基板の異常を検出する制御部とを、備える。

【0009】

この開示の第２の局面による基板検査システムは、上記のように、標識部材の反射像が撮像された撮像画像を入力とし、基板の異常を識別する識別結果を出力する、機械学習により生成された学習済みモデルを用いることによって、基板の異常を検出する。ここで、機械学習では、複数の種類の異常を学習することによって、学習した異常とは異なる形態の異常をも検出するように学習済みモデルを学習できる。たとえば、機械学習による学習済みモデルを用いて基板の反りの異常を検出する場合には、複数の位置および複数の方向の反りを異常として学習した学習済みモデルを用いることによって、学習された反りとは異なる位置、または、方向の反りをも精度よく検出できる。そのため、機械学習により生成された学習済みモデルを用いて撮像画像に基づいて基板の異常を検出することによって、複数種類の異常を検出できるため、異常の種類によって基板に生じている異常が検出しきれなくなることを抑制できる。その結果、基板の異常を精度よく検出することが可能な基板検査システムを提供できる。

【0010】

この開示の第３の局面による基板異常検出方法は、基板の主表面において反射された基板と対向する位置に配置された標識部材の反射像を撮像した撮像画像を取得し、撮像画像を入力とし、基板の異常を識別する識別結果を出力する、機械学習により生成された学習済みモデルを用いることによって、基板の異常を検出する。

【0011】

この開示の第３の局面による基板異常検出方法は、上記のように、標識部材の反射像が撮像された撮像画像を入力とし、基板の異常を識別する識別結果を出力する、機械学習により生成された学習済みモデルを用いることによって、基板の異常を検出する。ここで、機械学習では、複数の種類の異常を学習することによって、学習した異常とは異なる形態の異常をも検出するように学習済みモデルを学習できる。たとえば、機械学習による学習済みモデルを用いて基板の反りの異常を検出する場合には、複数の位置および複数の方向の反りを異常として学習した学習済みモデルを用いることによって、学習された反りとは異なる位置、または、方向の反りをも精度よく検出できる。そのため、機械学習により生成された学習済みモデルを用いて撮像画像に基づいて基板の異常を検出することによって、複数種類の異常を検出できるため、異常の種類によって基板に生じている異常が検出しきれなくなることを抑制できる。その結果、基板の異常を精度よく検出することが可能な基板異常検出方法を提供できる。

【発明の効果】

【0012】

本開示によれば、基板の異常を精度よく検出することができる。

【図面の簡単な説明】

【0013】

【図1】本開示の一実施形態による基板搬送システムが配置されている基板処理システムを示す天面図である。

【図2】本開示の一実施形態による基板搬送システムの構成を示すブロック図である。

【図3】基板搬送システムの構成を模式的に示した斜視図である。

【図4】天井部材の規則性のある模様の一例を示した図である。

【図5】撮像部による撮像画像の一例を示した図である。

【図6】学習済みモデルの学習を説明するための図である。

【図7】教師画像における正常画像と異常画像との一例を示した図である。

【図8】本実施形態による基板異常検出方法を説明するためのフロー図である。

【発明を実施するための形態】

【0014】

以下、本開示を具体化した本開示の実施形態を図面に基づいて説明する。

【0015】

図１から図８までを参照して、本実施形態による基板搬送システム１００について説明する。

【0016】

（基板処理システム）
図１に示すように、基板搬送システム１００は、基板処理システム２００に配置されている。基板処理システム２００は、基板２１０に対して処理を行う処理装置２０１を備える。処理装置２０１は、基板搬送ロボット２０２、ロードロック部２０３、複数の処理モジュール部２０４、および、搬送室２０５を備えている。基板搬送ロボット２０２は、基板２１０を搬送する水平多関節ロボットである。ロードロック部２０３は、基板２１０の取入れ、および、取出しを行うための部屋である。すなわち、ロードロック部２０３は、処理装置２０１に基板２１０を受け渡すために基板２１０が載置される。基板処理システム２００の処理装置２０１は、２つのロードロック部２０３を含む。ロードロック部２０３は、基板搬送システム１００に接続されている。処理モジュール部２０４では、基板２１０に対して、レジストの塗布や、エッヂングなどの処理が行われる。搬送室２０５には、基板搬送ロボット２０２が配置される。搬送室２０５において、基板搬送ロボット２０２は、ロードロック部２０３と処理モジュール部２０４との間において基板２１０を搬送する。なお、ロードロック部２０３は、処理待機部の一例である。

【0017】

基板搬送システム１００は、基板２１０に対して処理が行われる基板処理システム２００において、ＦＯＵＰ１０１（Ｆｒｏｎｔ Ｏｐｅｎｉｎｇ Ｕｎｉｆｙ Ｐｏｄ）と処理装置２０１との間における基板２１０の搬送を行う。基板搬送システム１００は、ＥＦＥＭ（Ｅｑｕｉｐｍｅｎｔ Ｆｒｏｎｔ Ｅｎｄ Ｍｏｄｕｌｅ）である。ＦＯＵＰ１０１は、複数の基板２１０が収納される容器である。ＦＯＵＰ１０１では、複数の基板２１０が上下方向に並んで配置される。ＦＯＵＰ１０１は、基板収納容器の一例である。また、基板２１０は、たとえば、円盤形状を有するシリコンウエハである。基板２１０は、鏡面の主表面を有する。

【0018】

（基板搬送システム）
図２に示すように、基板搬送システム１００は、搬送室１０、基板搬送ロボット２０、アライナ３０、撮像部４０、照明部５０、および、制御部６０を備えている。基板搬送ロボット２０は、水平多関節のロボットアーム２１と、基板保持ハンド２２とを含む。

【0019】

図３に示すように、搬送室１０は、直方体形状を有する筐体である。搬送室１０は、Ｙ１方向側の前面１１、Ｙ２方向側の背面１２を有する。また、搬送室１０は、Ｚ１方向側である鉛直方向の上方側の天面として天井部材１３を有する。搬送室１０内において、基板２１０の搬送が行われる。搬送室１０は、基板搬送ロボット２０、アライナ３０、撮像部４０、照明部５０、および、制御部６０を内部に収容している。搬送室１０のＹ１方向側の前面１１には、ＦＯＵＰ１０１が取り付けられるロードポート部１１ａが水平方向に沿って並んで３つ配置されている。ロードポート部１１ａは、開閉機構を有する。ロードポート部１１ａは、取り付けられたＦＯＵＰ１０１の扉部を開閉する。また、搬送室１０のＹ２方向側の背面１２には、２つのロードロック部２０３が接続されている。ロードロック部２０３と背面１２との間にも、開閉機構が配置されている。なお、図３では、３つのロードポート部１１ａのうちのＸ１方向側の１つのロードポート部１１ａにＦＯＵＰ１０１が取り付けられている状態を示している。

【0020】

図４に示すように、天井部材１３は、領域１３ａにおいて、規則性のある模様を有する。具体的には、天井部材１３には、規則性のある模様として、升目状の模様が描かれている。たとえば、天井部材１３では、白地に格子状の黒色の直線が複数配置されることによって、升目状の規則性のある模様が配置されている。また、天井部材１３の全体に渡って規則性のある模様を有する領域１３ａが配置されている。本実施形態では、天井部材１３は、搬送室１０において、基板２１０の主表面に規則性のある模様が反射するように、基板搬送ロボット２０に搬送される基板２１０と対向する位置に配置された部材である。すなわち、本実施形態では、天井部材１３は、基板搬送ロボット２０に搬送される基板２１０とは別個に配置されている。なお、天井部材１３は、標識部材の一例である。

【0021】

図３に示すように、基板搬送ロボット２０は、搬送室１０に配置されている。基板搬送ロボット２０は、搬送室１０において基板２１０の搬送動作を行う。具体的には、基板搬送ロボット２０において、ロボットアーム２１の先端に基板２１０を保持するエンドエフェクタである基板保持ハンド２２が配置されている。基板搬送ロボット２０は、ロードポート部１１ａに取り付けられたＦＯＵＰ１０１と、ロードロック部２０３との間における基板２１０の搬送動作を行う。基板搬送ロボット２０は、基板保持ハンド２２において水平面に沿って基板２１０を保持した状態で、基板２１０を搬送する。

【0022】

アライナ３０は、基板搬送ロボット２０によって搬送された基板２１０の位置合わせを行う。アライナ３０は、搬送室１０内において、左右方向であるＸ方向の一方側であるＸ２方向側に寄せて配置されている。アライナ３０は、基板２１０が載置される基板載置部３０ａを有する。アライナ３０は、基板載置部３０ａに載置された基板２１０を水平面に沿って回転させることによって、基板２１０の主表面の周方向に沿う回転位置の位置合わせを行う。また、アライナ３０は、基板２１０の中心位置を検出する。

【0023】

基板搬送システム１００では、ＦＯＵＰ１０１から基板搬送ロボット２０により保持された処理前の基板２１０が、アライナ３０に搬送される。そして、アライナ３０により位置合わせされた基板２１０が、再度基板搬送ロボット２０によりロードロック部２０３に搬送される。また、処理装置２０１において処理が行われた後の基板２１０は、基板搬送ロボット２０により、ロードロック部２０３からＦＯＵＰ１０１に搬送される。基板搬送ロボット２０による基板２１０の搬送動作は、ＦＯＵＰ１０１およびロードロック部２０３の各々に対して、基板２１０を取り出す搬出動作と、基板２１０を載置する搬入動作との両方を含む。

【0024】

撮像部４０は、たとえば、２次元のカメラである。撮像部４０は、たとえば、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）およびＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）などの撮像素子を有する。撮像部４０は、基板搬送ロボット２０に保持された状態の基板２１０に対向する位置に配置されている。撮像部４０は、基板搬送ロボット２０に保持された状態の基板２１０を撮像する。具体的には、撮像部４０は、基板２１０を撮像することによって、基板２１０の主表面において反射された天井部材１３の反射像を撮像する。本実施形態では、撮像部４０は、搬送室１０の上方に配置されている。撮像部４０は、たとえば、搬送室１０内において、搬送室１０の天井部材１３に配置されている。撮像部４０は、ＦＯＵＰ１０１から取り出された基板２１０を撮像する位置に配置されている。撮像部４０は、ＦＯＵＰ１０１が取り付けられる３つのロードポート部１１ａに対応するように、３つ配置されている。

【0025】

図５に示すように、撮像部４０の撮像により撮像画像７０が取得される。撮像部４０により撮像された撮像画像７０は、制御部６０に送信される。撮像画像７０には、基板２１０が含まれる。具体的には、撮像画像７０には、基板搬送ロボット２０の基板保持ハンド２２に保持された状態の基板２１０の主表面において反射された天井部材１３の規則性を有する模様の反射像が含まれる。

【0026】

図３に示すように、照明部５０は、搬送室１０において、天井部材１３に照明光を照射する。照明部５０は、たとえば、照明光として黄色の光を照射するＬＥＤ（Ｌｉｇｈｔ－Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）を含む。照明部５０は、撮像部４０による撮像が行われるタイミングにおいて、天井部材１３に照明光を照射する。照明部５０は、たとえば、搬送室１０内の全体に拡散された照明光を照射することによって、天井部材１３の規則性を有する模様が配置されている領域１３ａに対して照明光を照射する。照明部５０は、搬送室１０内のＺ１方向側である上方側において、Ｘ１方向側とＸ２方向側との側面部の各々に１つずつ配置されている。本実施形態では、天井部材１３に照明部５０による照明光が照射された状態において撮像部４０により撮像された撮像画像７０が、制御部６０に送信される。

【0027】

図１に示すように、制御部６０は、機械学習部６１を含む。制御部６０は、基板搬送システム１００の各部の動作を制御する。本実施形態では、制御部６０は、基板搬送ロボット２０の動作を制御するロボット制御部を兼ねる。すなわち、制御部６０は、ロボットコントローラである。制御部６０は、たとえば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などの演算装置を含む。また、制御部６０は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）などのメモリや、ハードディスクなどの記憶装置も含む。制御部６０は、記憶装置に記憶されたプログラムおよびパラメータなどに基づいて、演算装置による制御処理を実行する。また、本実施形態では、制御部６０は、基板２１０の異常を検出する。

【0028】

（異常検出の制御処理）
図６に示すように、本実施形態では、制御部６０は、機械学習により生成された学習済みモデル６２を用いることによって、撮像部４０による撮像画像７０に基づいて、基板２１０の異常を検出する。学習済みモデル６２は、撮像画像７０を入力とし、基板２１０の異常を識別する識別結果７１を出力する。本実施形態では、制御部６０により検出される基板２１０の異常は、基板２１０の反り、変形、欠け、割れ、および、傷などを含む。本実施形態では、学習済みモデル６２は、撮像画像７０における天井部材１３の反射像に基づいて基板２１０の異常を識別するように機械学習により生成されている。学習済みモデル６２は、制御部６０の機械学習部６１により予め生成されるとともに、制御部６０の記憶装置に記憶されている。

【0029】

〈学習済みモデルの生成〉
制御部６０は、機械学習部６１において、入力された学習用データである教師画像８０に基づいて、機械学習により、学習済みモデル６２を生成する。学習済みモデル６２は、教師画像８０を入力として出力教師データ８５を出力としたデータセットを用いた機械学習によって生成される。撮像画像７０では、規則性のある模様を有する天井部材１３の反射像が含まれている。基板２１０に反りなどの異常が生じている場合には、撮像画像７０における天井部材１３の規則性のある模様の形状が、正常である場合とは異なる形状となる。本実施形態では、学習済みモデル６２は、撮像画像７０における天井部材１３の反射像により、天井部材１３の規則性のある模様の状態に基づいて、基板２１０の異常を識別するように、機械学習により生成される。

【0030】

図７に示すように、教師画像８０は、撮像部４０により正常な基板２１０の主表面において反射された天井部材１３の反射像が撮像された撮像画像７０である正常画像８１と、撮像部４０により異常を含む基板２１０の主表面において反射された天井部材１３の反射像が撮像された撮像画像７０である異常画像８２とを含む。すなわち、異常が生じておらず正常であると判明している基板２１０を、撮像部４０によって撮像した複数の撮像画像７０が、複数の正常画像８１として制御部６０に取得される。また、反り、変形、欠け、割れ、および、傷などの複数種類の異常が生じている基板２１０を撮像部４０によって撮像した複数の撮像画像７０が異常画像８２として取得される。なお、図７では、上から順に、反り、変形、および、傷の異常が生じている基板２１０を撮像した異常画像８２の例を図示している。また、異常の種類のみならず、基板２１０において異常の生じている位置、および、異常の程度を、複数パターンに変更しながら、複数種類の異常に対応する複数の異常画像８２が取得される。取得された複数の正常画像８１は、画像に含まれる基板２１０が正常であることを示す出力教師データ８５と関連付けられた状態で、制御部６０の記憶装置に記憶される。取得された複数の異常画像８２も同様に、画像に含まれる基板２１０に異常が生じていることを示す出力教師データ８５と関連付けられた状態で、制御部６０の記憶装置に記憶される。

【0031】

図６に示すように、機械学習部６１は、複数の正常画像８１および複数の異常画像８２を含む複数の教師画像８０を入力用の教師データとし、かつ、複数の正常画像８１の各々および複数の異常画像８２の各々と関連付けられた複数の出力教師データ８５を出力用の教師データとして、学習済みモデル６２を生成する機械学習を行う。機械学習部６１は、深層学習を用いた機械学習によって学習済みモデル６２を生成する。機械学習部６１は、たとえば、全層畳み込みネットワーク（Ｆｕｌｌｙ Ｃｏｎｖｏｌｕｔｉｏｎ Ｎｅｔｗｏｒｋ：ＦＣＮ）をベースとした機械学習によって学習済みモデル６２を生成する。学習済みモデル６２は、入力である複数の正常画像８１および複数の異常画像８２を含む教師画像８０に対して、入力された教師画像８０における基板２１０に異常が含まれるか否かを示す確からしさを表す尤度を識別結果７１として出力するように学習させることによって生成される。

【0032】

〈基板の異常の検出〉
本実施形態では、制御部６０は、学習済みモデル６２を用いることによって、基板搬送ロボット２０による搬送動作において、移動している状態の基板２１０の主表面において反射された天井部材１３の反射像が撮像された撮像画像７０に基づいて、基板２１０の異常を検出する。基板２１０の異常の判定に用いられる撮像画像７０は、基板搬送ロボット２０の搬送動作において、ＦＯＵＰ１０１から基板２１０が取り出されたタイミングにおいて撮像された画像である。制御部６０は、学習済みモデル６２による推論結果として、入力された撮像画像７０における基板２１０に異常が含まれるか否かの確からしさを示す尤度を含む識別結果７１を取得する。そして、制御部６０は、取得された識別結果７１から、学習済みモデル６２により推定された尤度が所定の閾値よりも大きい場合に基板２１０において異常が検出されたと判定する。たとえば、識別結果７１の示す尤度が０から１までの値である場合に、０．８を所定の閾値として、基板２１０の異常の検出が判定される。

【0033】

制御部６０は、学習済みモデル６２を用いることによって基板２１０の異常が検出された場合には、基板２１０の異常が検出されたことを示す異常検出情報を外部に出力する。たとえば、制御部６０は、基板処理システム２００の全体の制御を行う上位の制御装置に対して、異常検出情報を出力する。一例として、制御部６０は、基板２１０の異常が検出された場合に、上位の制御装置からの信号に基づいて、異常が検出された基板２１０を、基板搬送ロボット２０によりＦＯＵＰ１０１に再度収納させる。制御部６０は、上位の制御装置から基板２１０をＦＯＵＰ１０１に再度収納することを指示する信号が取得されない場合には、基板２１０の搬送動作を停止して、処理を待機する。なお、異常検出情報が取得されたことを示す情報を表示装置に表示することによって、基板２１０の異常が検出されたことが報知されるようにしてもよい。たとえば、ＦＯＵＰ１０１に収納されている複数の基板２１０の各々を、順次、処理装置２０１に搬送することによって、処理装置２０１において基板２１０に対する処理を行う場合に、制御部６０は、基板搬送ロボット２０の搬送動作を制御することによって、基板２１０を１つずつ、アライナ３０を経由しながら、ロードロック部２０３に搬送する。制御部６０は、複数の基板２１０の各々の搬送において、撮像画像７０を取得するとともに、予め生成されて記憶されている学習済みモデル６２を用いて、取得された撮像画像７０に基づいて基板２１０の異常の検出を行う。複数の基板２１０のうちの一の基板２１０において異常が検出された場合には、制御部６０は、異常検出情報を出力するとともに、上位の制御装置からの信号に基づいて、異常が検出された基板２１０をＦＯＵＰ１０１の元の位置に戻すように、基板２１０を再度収納する。そして、制御部６０は、異常が検出された基板２１０の次の基板２１０を、同様に、異常の検出を行いながら、ロードロック部２０３に搬送する。

【0034】

（基板異常検出方法）
次に、図８を参照して、本実施形態の基板搬送システム１００による基板異常検出方法の制御処理について説明する。本実施形態の基板異常検出方法の制御処理は、基板搬送システム１００の制御部６０により実行される。

【0035】

まず、ステップＳ１において、学習済みモデル６２が生成される。具体的には、正常画像８１および異常画像８２を含む教師画像８０と出力教師データ８５とが取得される。そして、教師画像８０および出力教師データ８５をデータセットとして、天井部材１３の規則性のある模様の状態に基づいて基板２１０の異常を識別するように、機械学習により学習済みモデル６２が生成される。生成された学習済みモデル６２は、制御部６０の記憶装置に記憶される。

【0036】

次に、ステップＳ２において、基板２１０の搬送動作が開始される。具体的には、ＦＯＵＰ１０１に配置されている基板２１０が基板搬送ロボット２０の基板保持ハンド２２に保持されるように、基板搬送ロボット２０の動作が制御される。

【0037】

次に、ステップＳ３において、ＦＯＵＰ１０１から基板２１０が取り出される。基板保持ハンド２２に基板２１０が保持された状態で、ＦＯＵＰ１０１から処理が行われる前の一の基板２１０が搬送室１０内に搬送される。

【0038】

次に、ステップＳ４において、撮像部４０により基板２１０が撮像されることによって、基板２１０の主表面において反射された天井部材１３の反射像を撮像した撮像画像７０が取得される。ステップＳ３において基板２１０がＦＯＵＰ１０１から取り出されたタイミングにおいて、撮像部４０により撮像画像７０が撮像される。撮像画像７０が撮像されるタイミングは、たとえば、一つの基板２１０の全体が、ＦＯＵＰ１０１から搬送室１０内に移動されたタイミングを含む。なお、ステップＳ４において、基板搬送ロボット２０は、ＦＯＵＰ１０１からアライナ３０に向かって基板２１０を搬送する移動を行っている。たとえば、制御部６０は、移動中の基板２１０に対して複数回の撮像を連続的に行うことによって一の基板２１０を撮像した複数の撮像画像７０を取得する。そして、複数の撮像画像７０のうちから、撮像画像７０の画素値などに基づいて、最も基板２１０の認識率が高い一の撮像画像７０を、異常を検出するための撮像画像７０として取得する。たとえば、画像にブレが含まれる場合は画像のエッジが少なくなるので、制御部６０は、複数の撮像画像７０の各々に対してエッジ検出の処理を行うことによって、エッジの検出量が最も大きい一の撮像画像７０を、異常を検出するための撮像画像７０として取得する。また、ステップＳ４において、撮像画像７０の撮像に合わせて照明部５０により照明光が照射される。

【0039】

次に、ステップＳ５において、撮像画像７０を入力とし識別結果７１を出力する、機械学習により生成された学習済みモデル６２を用いることによって、撮像画像７０に基づいて基板２１０の異常が検出される。

【0040】

そして、ステップＳ６において、基板２１０において異常が検出されたか否かが判断される。基板２１０に異常が検出されたと判断された場合は、ステップＳ７に進む。基板２１０に異常が検出されたと判断されない場合には、ステップＳ８に進む。

【0041】

ステップＳ７では、基板２１０の異常が検出されたとして、基板２１０の異常が検出されたことを示す異常検出情報が出力される。たとえば、異常が検出された基板２１０を再度ＦＯＵＰ１０１に収納することを指示する信号が取得された場合には、処理装置２０１による処理を行わずに、ＦＯＵＰ１０１に再度収納されるように基板搬送ロボット２０の動作が制御される。そして、基板異常検出方法の制御処理が終了される。

【0042】

ステップＳ８では、基板２１０に異常が検出されなかったとして、基板２１０の搬送動作が継続される。基板搬送ロボット２０によって、基板２１０が、アライナ３０に搬送されるとともに、処理装置２０１による処理が行われるためにロードロック部２０３に搬送される。そして、基板異常検出方法の制御処理が終了される。

【0043】

なお、複数の基板２１０に対して連続的に基板異常検出方法の制御処理が実行される場合には、ステップＳ１による学習済みモデル６２の生成が一度のみ行われるとともに、ステップＳ２からステップＳ８までの制御処理が、１枚の基板２１０ごとに繰り返し実行される。

【0044】

［本実施形態の効果］
基板搬送システム１００は、上記のように、標識部材としての天井部材１３の反射像が撮像された撮像画像７０を入力とし、基板２１０の異常を識別する識別結果７１を出力する、機械学習により生成された学習済みモデル６２を用いることによって、基板２１０の異常を検出する。ここで、機械学習では、複数の種類の異常を学習することによって、学習した異常とは異なる形態の異常をも検出するように学習済みモデル６２を学習できる。たとえば、機械学習による学習済みモデル６２を用いて基板２１０の反りの異常を検出する場合には、複数の位置および複数の方向の反りを異常として学習した学習済みモデル６２を用いることによって、学習された反りとは異なる位置、または、方向の反りをも精度よく検出できる。そのため、機械学習により生成された学習済みモデル６２を用いて撮像画像７０に基づいて基板２１０の異常を検出することによって、複数種類の異常を検出できるため、異常の種類によって基板２１０に生じている異常が検出しきれなくなることを抑制できる。その結果、基板２１０の異常を精度よく検出できる。

【0045】

学習済みモデル６２は、撮像部４０により正常な基板２１０の主表面において反射された標識部材としての天井部材１３の反射像が撮像された撮像画像７０である正常画像８１と異常を含む基板２１０の主表面において反射された天井部材１３の反射像が撮像された撮像画像７０である異常画像８２とを含む教師画像８０を入力用の教師データとした機械学習により生成されている。これにより、正常画像８１のみ、または、異常画像８２のみを用いて機械学習を行う場合に比べて、正常画像８１と異常画像８２とを含む教師画像８０を用いた機械学習によって学習済みモデル６２を生成することによって、学習済みモデル６２による識別の精度を向上できる。その結果、正常画像８１と異常画像８２とを含む教師画像８０を用いた機械学習によって生成された学習済みモデル６２によって、基板２１０の異常をより精度よく検出できる。

【0046】

制御部６０は、撮像画像７０を入力とし、少なくとも基板２１０の反りを含む基板２１０の異常を識別する識別結果７１を出力する学習済みモデル６２を用いることによって、少なくとも基板２１０の反りを含む基板２１０の異常を検出する。ここで、基板２１０に反りの異常が生じている場合には、基板２１０の主表面における反射像の形状が変化するため、反射像を含む撮像画像７０に基づく学習済みモデル６２を用いた異常の検出において、基板２１０の反りの異常は、傷または欠けなどの異常に比べてより精度よく検出できる。そのため、本実施形態のように、少なくとも反りを含む基板２１０の異常を検出することによって、基板２１０の少なくとも反りを含む異常を効果的に精度よく検出できる。

【0047】

標識部材としての天井部材１３は、規則性のある模様を有する。学習済みモデル６２は、規則性のある模様を有する天井部材１３の反射像が撮像された撮像画像７０を入力として、識別結果７１を出力する。これにより、天井部材１３が規則性のある模様を有するため、反射像による異常の識別をより一層精度よく行うことができる。その結果、基板２１０の異常をより一層精度よく検出できる。

【0048】

基板搬送システム１００は、搬送室１０に配置され、基板２１０の搬送動作を行う基板搬送ロボット２０を備える。制御部６０は、学習済みモデル６２を用いることによって、搬送室１０において基板搬送ロボット２０により搬送される基板２１０の異常を検出する。これにより、基板搬送ロボット２０によって撮像部４０に撮像される位置に基板２１０を容易に移動できる。そのため、複数の基板２１０を繰り返し容易に検査できる。

【0049】

制御部６０は、基板搬送ロボット２０による搬送動作において移動している状態の基板２１０の主表面において反射された天井部材１３の反射像が撮像された撮像画像７０を入力とし、識別結果７１を出力する学習済みモデル６２を用いることによって、基板２１０の異常を検出する。これにより、基板２１０の搬送において、撮像画像７０の撮像のために基板２１０の移動を停止させる場合と異なり、基板２１０の異常の検出のために、基板２１０の搬送動作の作業時間が増大することを抑制できる。その結果、作業時間の増大を抑制しながら、基板２１０の異常を精度よく検出できる。

【0050】

搬送室１０は、基板２１０が収納される基板収納容器としてのＦＯＵＰ１０１が取り付けられる。制御部６０は、学習済みモデル６２を用いることによって、搬送室１０において基板搬送ロボット２０によりＦＯＵＰ１０１に対する搬送動作が行われる基板２１０の異常を検出する。これにより、基板搬送ロボット２０によってＦＯＵＰ１０１に対する基板２１０の搬送動作を行いながら、学習済みモデル６２を用いることによって基板２１０の異常を精度よく検出できる。そのため、ＦＯＵＰ１０１に対する基板２１０の搬送と、基板２１０の異常の検出とを別個に行う場合に比べて、基板２１０の異常を精度よく検出できるとともに、作業時間の増大を抑制できる。

【0051】

基板搬送ロボット２０は、基板収納容器としてのＦＯＵＰ１０１と、基板２１０に対して処理を行う処理装置２０１に基板２１０を受け渡すために基板２１０が載置される処理待機部としてのロードロック部２０３との間における基板２１０の搬送動作を行う。制御部６０は、学習済みモデル６２を用いることによって、搬送室１０において基板搬送ロボット２０によってＦＯＵＰ１０１とロードロック部２０３との間を搬送される基板２１０の異常を検出する。これにより、基板搬送ロボット２０によって、ＦＯＵＰ１０１とロードロック部２０３との間における基板２１０の搬送動作を行いながら、学習済みモデル６２を用いることによって基板２１０の異常を精度よく検出できる。そのため、ＦＯＵＰ１０１とロードロック部２０３との間における基板２１０の搬送と、基板２１０の異常の検出とを別個に行う場合に比べて、基板２１０の異常を精度よく検出できるとともに、作業時間の増大を効果的に抑制できる。

【0052】

制御部６０は、基板搬送ロボット２０の搬送動作において基板収納容器としてのＦＯＵＰ１０１から基板２１０が取り出されたタイミングにおいて撮像された撮像画像７０を入力とし、識別結果７１を出力する学習済みモデル６２を用いることによって、基板２１０の異常を検出する。これにより、ＦＯＵＰ１０１から取り出された基板２１０の異常を精度よく検出できる。そのため、異常が生じている状態の基板２１０をＦＯＵＰ１０１から別個の搬送先に対して搬送することを抑制できる。そのため、異常が生じている基板２１０に処理が行われることを抑制できるので、基板２１０の処理に不具合が生じることを効果的に抑制できる。

【0053】

制御部６０は、基板搬送ロボット２０の動作を制御するロボット制御部を兼ねる。また、制御部６０は、学習済みモデル６２を用いることによって基板２１０の異常が検出された場合には、基板２１０の異常が検出されたことを示す異常検出情報を出力する。これにより、異常が検出された基板２１０に対して処理が行われることを抑制できる。また、異常が生じた基板２１０を再度ＦＯＵＰ１０１に収納するように動作させる場合には、次の新たな基板２１０に対する搬送および異常の検出を容易に行うことができる。

【0054】

基板搬送システム１００は、搬送室１０における標識部材としての天井部材１３を含む。撮像部４０は、搬送室１０内の上方に配置されている。これにより、学習済みモデル６２によって天井部材１３の反射像に基づいて基板２１０の異常の識別が行われるため、天井部材１３とは別個に標識部材を設ける場合に比べて装置構成の複雑化を抑制できる。また、基板２１０が水平面に沿って保持された状態で搬送される場合には、搬送室１０内の上方に配置された撮像部４０によって、基板２１０において反射した天井部材１３を容易に撮像することができる。

【0055】

搬送室１０において標識部材としての天井部材１３に照明光を照射する照明部５０を備える。制御部６０は、天井部材１３に照明光が照射された状態において撮像された撮像画像７０を入力とし、識別結果７１を出力する学習済みモデル６２を用いることによって、基板２１０の異常を検出する。これにより、照明光が照射された天井部材１３の反射像を撮像できるので、撮像画像７０における天井部材１３が不鮮明になることを抑制できる。そのため、撮像画像７０に基づいて基板２１０の異常をより精度よく検出できる。

【0056】

［変形例］
なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は、上記した実施形態の説明ではなく特許請求の範囲によって示され、さらに特許請求の範囲と均等の意味および範囲内でのすべての変更（変形例）が含まれる。

【0057】

たとえば、上記実施形態では、正常な基板２１０を撮像した正常画像８１と異常を含む基板２１０を撮像した異常画像８２とを含む教師画像８０を用いることによって、学習済みモデル６２が機械学習により生成される例を示したが、本開示はこれに限られない。本開示では、学習済みモデルの生成において、正常な基板を撮像した正常画像と異常を含む基板を撮像した異常画像とのいずれか一方を含む教師画像を入力用の教師データとして用いることによって、学習済みモデルが生成されてもよい。

【0058】

また、上記実施形態では、学習済みモデル６２を用いて制御部６０により検出される基板２１０の異常が、基板２１０の反り、変形、欠け、割れ、および、傷などを含む例を示したが、本開示はこれに限られない。本開示では、検出される基板の異常は、基板の反り、変形、欠け、割れ、および、傷のうちのいずれかのうちの１つ、または、いずれかのうちの複数であってもよい。たとえば、基板の反りのみを異常として検出するようにしてもよい。

【0059】

また、上記実施形態では、学習済みモデル６２による異常の検出のために、升目状の規則性のある模様を有する標識部材としての天井部材１３の反射像が撮像される例を示したが、本開示はこれに限られない。本開示では、標識部材における規則性のある模様は、升目状ではなく、ドット状、縦縞、横縞、または、同心円状などの模様であってもよい。たとえば、標識部材としての天井部材を、複数の孔部が規則的に配置された板状の部材であるパンチングメタルを含むようにしてもよい。その場合には、天井部材における規則性のある孔部を、標識部材における規則性を有する模様としてもよい。また、規則性のある模様を、天井部材の全体ではなく部分的に配置するようにしてもよい。また、標識部材が規則性を有する模様を有していなくてもよい。たとえば、基板の主表面において反射される周囲の構造物を標識部材として、学習済みモデルによる異常の識別のために周囲の構造物の反射像を撮像するようにしてもよい。ルールベースのアルゴリズムなどの論理的な計算による異常の検出では、規則性を有する模様が含まれていない場合には異常の検出が困難である一方、学習済みモデルを用いる異常の検出では、機械学習を行うことによって、入力される撮像画像に規則性を有する模様が含まれていない場合にも、異常の検出を精度よく行うことができる。また、複数種類の標識部材を配置するようにしてもよい。たとえば、互いに異なる種類の規則性のある模様を有する標識部材を複数配置するとともに、１つの基板の異常の検出において、複数種類の標識部材の各々の反射像が撮像されるように、複数の撮像画像を取得するようにしてもよい。その場合、取得された複数の撮像画像の各々に基づいて、学習済みモデルを用いて基板の異常の検出が行われるようにしてもよいし、複数の撮像画像のうちの１つ以上のいずれかの撮像画像に基づいて、学習済みモデルを用いて基板の異常の検出が行われるようにしてもよい。また、標識部材を、標識の態様が変更されるようにしてもよい。たとえば、画像を表示するディスプレイなどの表示装置を標識部材としてもよい。その場合には、表示される画像の種類を変更することによって、複数種類の反射像を含む複数の撮像画像が取得されるようにしてもよい。

【0060】

また、上記実施形態では、鏡面の主表面を有する円盤形状のシリコンウエハである基板２１０の異常を検出する例を示したが、本開示はこれに限られない。本開示では、異常が検出される対象である基板は、円盤形状ではなく、矩形の基板であってもよい。また、鏡面ではなくともよい。たとえば、基板に表面処理がされて色が変化していてもよい。また、基板に回路パターンが焼き付けられていてもよい。基板の主表面において反射される天井部材などの標識部材の反射像の模様または形状が不鮮明である場合にも、わずかでも天井の模様が写っていれば機械学習で異常か否かを判定するための識別結果を取得できる。また、基板は、シリコン以外の物質により形成されていてもよい。

【0061】

また、上記実施形態では、水平多関節のロボットアーム２１を有する基板搬送ロボット２０を備える例を示したが、本開示はこれに限られない。本開示では、基板搬送ロボットを備えていなくともよい。たとえば、ベルトコンベアなどの移動機構によって基板を搬送するようにしてもよい。また、基板搬送ロボットを備える場合にも、水平多関節ではなく垂直多関節のロボットアームを有するようにしてもよい。また、基板搬送ロボットを、スライド機構などの直線移動機構を有するようにしてもよい。また、本開示による基板の異常の検出を、基板を搬送するシステムに適用しなくともよい。たとえば、処理装置における処理モジュール部において基板の異常を検出するようにしてもよい。すなわち、本開示による基板の異常を検出するシステムを、基板の搬送が行われる搬送室を備えず、標識部材と撮像部と制御部とを備える基板検査システムとしてもよい。たとえば、本開示を、基板の異常を検出する単独の装置に適用してもよい。

【0062】

また、上記実施形態では、本開示の基板搬送システム１００は、処理装置２０１に基板２１０を搬送するＥＦＥＭである例を示したが、本開示はこれに限られない。本開示では、基板搬送システムは、ＥＦＥＭ以外であってもよい。たとえば、基板搬送システムは、基板収納容器から基板収納容器に対して基板を搬送するストッカーまたはソーターであってもよい。また、基板搬送システムは、基板収納容器ではなく、ベルトコンベアなどによって搬送されてきた基板を、基板収納容器または基板載置部に搬送するようにしてもよい。また、本開示による基板の異常の検出を、処理装置側において基板を搬送するシステムに適用してもよい。すなわち、ロードロック部と処理モジュール部との間における基板の搬送を行う場合において、本開示による基板異常検出方法によって、基板の異常を検出するようにしてもよい。

【0063】

また、上記実施形態では、基板搬送ロボット２０の搬送動作において移動している状態の基板２１０を、基板収納容器としてのＦＯＵＰ１０１から取り出されたタイミングにおいて撮像した撮像画像７０に基づいて、基板２１０の異常を検出するとともに、異常が検出された基板２１０をＦＯＵＰ１０１に再度収納する例を示したが、本開示はこれに限られない。本開示では、基板搬送ロボットにより移動されておらず、停止している状態の基板を撮像した撮像画像に基づいて基板の異常を検出してもよい。たとえば、アライナの基板載置部に載置されている状態の基板を撮像した撮像画像に基づいて基板の異常を検出するようにしてもよい。また、アライナにおいて回転移動している状態の基板を撮像することによって撮像画像を取得するようにしてもよい。また、所定の検出位置を予め設定するとともに、所定の検出位置まで移動された基板を撮像した撮像画像に基づいて、基板の異常を検出するようにしてもよい。また、処理装置による処理が終わった後の基板を基板収納容器に収納するタイミングにおいて撮像された撮像画像に基づいて基板の異常を検出するようにしてもよい。また、異常が検出された基板を再度基板収納容器に戻すように収納しなくともよい。たとえば、基板を取り出した基板収納容器とは異なる容器、または、載置位置に、異常が検出された基板を載置するようにしてもよい。また、基板の異常が検出された場合に、再度撮像部による撮像を行うことによって、再度学習済みモデルを用いた基板の異常の検出の処理を行うようにしてもよい。再度の撮像を行う場合に、１度目の撮像と基板の位置、または、照明部の照明を変更させてもよい。また、基板の異常が検出された場合に、処理装置などに異常が検出されたことを示す信号を出力するようにしてもよい。また、搬送室の前面側に表示装置などの報知を行う報知部を配置することによって、基板の異常が検出されたことを示す情報を、文字情報の表示、および、音声情報の出力などによって報知するようにしてもよい。

【0064】

また、上記実施形態では、基板搬送システム１００の制御部６０が、学習済みモデル６２の生成と、撮像画像７０に基づく基板２１０の異常の検出と、基板搬送ロボット２０の動作の制御とを実行する例を示したが、本開示はこれに限られない。本開示では、学習済みモデルの生成と、基板搬送ロボットの動作の制御との少なくとも一方を、撮像画像に基づく基板の異常の検出を行う制御部とは異なる制御装置によって実行するようにしてもよい。たとえば、学習済みモデルの生成を、基板搬送ロボットとは別個に配置された制御装置によって実行するようにしてもよい。すなわち、ＥＦＥＭなどの基板搬送システムとは別個に配置された制御装置によって、機械学習が行われることにより学習済みモデルが生成されてもよい。また、撮像画像に基づく基板の異常の検出を実行する制御部は、基板搬送ロボットの動作を制御するロボット制御部と別個に配置されていてもよい。

【0065】

また、上記実施形態では、搬送室１０の天井部材１３を標識部材として、撮像部４０および照明部５０を搬送室１０の上方に配置する例を示したが、本開示はこれに限られない。本開示では、搬送室の天井部材とは別個に標識部材を配置するようにしてもよい。また、撮像部を天井部材ではなく、搬送室の側面部分に配置するようにしてもよい。また、照明部を搬送室の上方ではなく下方に配置するようにしてもよい。また、標識部材と撮像部とを基板に対して、互いに同じ方向に配置せず、基板において反射された標識部材の反射像を、撮像部によって斜めから撮像するようにしてもよい。

【0066】

また、上記実施形態では、標識部材としての天井部材１３、撮像部４０、および、照明部５０が、搬送室１０の内部に配置されている例を示したが、本開示はこれに限られない。本開示では、標識部材、撮像部、および、照明部のうちのいずれかが、基板の搬送が行われる搬送室の外部に配置されていてもよい。たとえば、基板に対して処理を行う処理装置の搬送室において、基板の異常を検出する場合には、処理装置の搬送室の天井部分をガラスなどの透明部材とするとともに、搬送室の外部の上方に標識部材、撮像部、および、照明部を配置してもよい。また、搬送室の天井部材を透明部材とする場合には、外部の光源を用いることによって、照明部を配置しないようにしてもよい。

【0067】

また、上記実施形態では、照明部５０を、撮像部４０による撮像が行われるタイミングにおいて、標識部材である天井部材１３に照明光を照射する例を示したが、本開示はこれに限られない。本開示では、照明部による照明光の照射を常時行われているようにしてもよい。また、撮像された撮像画像に基づいて、制御部による制御処理により照明光の照射を制御するようにしてもよい。たとえば、撮像画像の輝度値などに基づいて、照明光の光量、波長などを変更する制御が行われるようにしてもよい。また、基板の異常が検出された場合に、照明光を制御して照明光の光量、波長などを変更した状態で、再度撮像画像の撮像を行うことによって再度学習済みモデルを用いた基板の異常の検出を行うようにしてもよい。

【0068】

また、上記実施形態では、照明光として黄色の光を照射するＬＥＤを含む照明部５０が２つ配置されている例を示したが、本開示はこれに限られない。本開示では、照明部を、ＬＥＤ以外の光源装置を含むようにしてもよい。また、照明部による照明光は、黄色以外にオレンジ色などの所定の色の波長を有するようにしてもよい。照明部を、白色光などの複数の波長を含む光を照射するようにしてもよい。また、照明光は、赤外光などの可視光以外の波長の光であってもよい。また、照明部の個数は、１つであってもよいし、３つ以上であってもよい。

【0069】

また、上記実施形態では、基板搬送システム１００の搬送室１０に基板収納容器としてのＦＯＵＰ１０１が３つ取り付けられており、撮像部４０がＦＯＵＰ１０１に対応するように３つ配置されている例を示したが、本開示はこれに限られない。本開示では、搬送室に取り付けられる基板収納容器は、２つ以下であってもよいし、４つ以上であってもよい。また、複数の基板収納容器に対して、１つの撮像部を配置するようにしてもよい。その場合には、共通の撮像部によって、複数の基板収納容器に対して搬送される基板の撮像が行われる。また、標識部材を、複数の基板収納容器に対応するように複数配置するようにしてもよい。

【0070】

また、上記実施形態では、全層畳み込みネットワークによる深層学習の機械学習によって、学習済みモデル６２が生成される例を示したが、本開示はこれに限られない。本開示では、学習済みモデルを生成するための機械学習は、深層学習ではなくてもよい。また、学習済みモデルを生成するための機械学習は、全層畳み込みネットワーク以外の畳み込みニューラルネットワークによる機械学習であってもよい。また、学習済みモデルを生成するための機械学習は、畳み込みニューラルネットワーク以外の機械学習であってもよい。

【0071】

また、上記実施形態では、撮像部４０により撮像された撮像画像７０を入力として、識別結果７１を出力する学習済みモデル６２を用いることによって、基板２１０の異常が検出される例を示したが、本開示はこれに限られない。本開示では、基板の異常を検出するための学習済みモデルに入力される撮像画像に対して、学習済みモデルに入力する前に、ノイズ除去、エッジ強調、コントラスト変更などの画像処理を予め行うようにしてもよい。

【0072】

本明細書で開示する要素の機能は、開示された機能を実行するよう構成またはプログラムされた汎用プロセッサ、専用プロセッサ、集積回路、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔｓ）、従来の回路、および／または、それらの組み合わせ、を含む回路または処理回路を使用して実行できる。プロセッサは、トランジスタやその他の回路を含むため、処理回路または回路と見なされる。本開示において、回路、ユニット、または手段は、列挙された機能を実行するハードウェアであるか、または、列挙された機能を実行するようにプログラムされたハードウェアである。ハードウェアは、本明細書に開示されているハードウェアであってもよいし、あるいは、列挙された機能を実行するようにプログラムまたは構成されているその他の既知のハードウェアであってもよい。ハードウェアが回路の一種と考えられるプロセッサである場合、回路、手段、またはユニットはハードウェアとソフトウェアの組み合わせであり、ソフトウェアはハードウェアおよび／またはプロセッサの構成に使用される。

【0073】

［態様］
上記した例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。

【0074】

（項目１）
基板の搬送が行われる搬送室と、
前記搬送室において前記基板と対向する位置に配置された標識部材と、
前記基板の主表面において反射された前記標識部材の反射像を撮像する撮像部と、
前記撮像部により前記標識部材の前記反射像が撮像された撮像画像を入力とし、前記基板の異常を識別する識別結果を出力する、機械学習により生成された学習済みモデルを用いることによって、前記基板の異常を検出する制御部とを、備える、基板搬送システム。

【0075】

（項目２）
前記学習済みモデルは、前記撮像部により正常な前記基板の主表面において反射された前記標識部材の前記反射像が撮像された前記撮像画像である正常画像と異常を含む前記基板の主表面において反射された前記標識部材の前記反射像が撮像された前記撮像画像である異常画像とを含む教師画像を入力用の教師データとした機械学習により生成されている、項目１に記載の基板搬送システム。

【0076】

（項目３）
前記制御部は、前記撮像画像を入力とし、少なくとも前記基板の反りを含む前記基板の異常を識別する前記識別結果を出力する前記学習済みモデルを用いることによって、少なくとも前記基板の反りを含む前記基板の異常を検出する、項目１または２に記載の基板搬送システム。

【0077】

（項目４）
前記標識部材は、規則性のある模様を有し、
前記学習済みモデルは、規則性のある模様を有する前記標識部材の前記反射像が撮像された前記撮像画像を入力として、前記識別結果を出力する、項目１～３のいずれか１項に記載の基板搬送システム。

【0078】

（項目５）
前記搬送室に配置され、前記基板の搬送動作を行う基板搬送ロボットをさらに備え、
前記制御部は、前記学習済みモデルを用いることによって、前記搬送室において前記基板搬送ロボットにより搬送される前記基板の異常を検出する、項目１～４のいずれか１項に記載の基板搬送システム。

【0079】

（項目６）
前記制御部は、前記基板搬送ロボットによる搬送動作において移動している状態の前記基板の主表面において反射された前記標識部材の前記反射像が撮像された前記撮像画像を入力とし、前記識別結果を出力する前記学習済みモデルを用いることによって、前記基板の異常を検出する、項目５に記載の基板搬送システム。

【0080】

（項目７）
前記搬送室は、前記基板が収納される基板収納容器が取り付けられ、
前記制御部は、前記学習済みモデルを用いることによって、前記搬送室において前記基板搬送ロボットにより前記基板収納容器に対する搬送動作が行われる前記基板の異常を検出する、項目５または６に記載の基板搬送システム。

【0081】

（項目８）
前記基板搬送ロボットは、前記基板収納容器と、前記基板に対して処理を行う処理装置に前記基板を受け渡すために前記基板が載置される処理待機部との間における前記基板の搬送動作を行い、
前記制御部は、前記学習済みモデルを用いることによって、前記搬送室において前記基板搬送ロボットによって前記基板収納容器と前記処理待機部との間を搬送される前記基板の異常を検出する、項目７に記載の基板搬送システム。

【0082】

（項目９）
前記制御部は、前記基板搬送ロボットの搬送動作において前記基板収納容器から前記基板が取り出されたタイミングにおいて撮像された前記撮像画像を入力とし、前記識別結果を出力する前記学習済みモデルを用いることによって、前記基板の異常を検出する、項目７または８に記載の基板搬送システム。

【0083】

（項目１０）
前記制御部は、
前記基板搬送ロボットの動作を制御するロボット制御部を兼ね、
前記学習済みモデルを用いることによって前記基板の異常が検出された場合には、前記基板の異常が検出されたことを示す異常検出情報を出力する、項目９に記載の基板搬送システム。

【0084】

（項目１１）
前記標識部材は、前記搬送室における天井部材を含み、
前記撮像部は、前記搬送室内の上方に配置されている、項目１～１０のいずれか１項に記載の基板搬送システム。

【0085】

（項目１２）
前記搬送室において前記標識部材に照明光を照射する照明部をさらに備え、
前記制御部は、前記標識部材に前記照明光が照射された状態において撮像された前記撮像画像を入力とし、前記識別結果を出力する前記学習済みモデルを用いることによって、前記基板の異常を検出する、項目１～１１のいずれか１項に記載の基板搬送システム。

【0086】

（項目１３）
基板と対向する位置に配置された標識部材と、
前記基板の主表面において反射された前記標識部材の反射像を撮像する撮像部と、
前記撮像部により前記標識部材の前記反射像が撮像された撮像画像を入力とし、前記基板の異常を識別する識別結果を出力する、機械学習により生成された学習済みモデルを用いることによって、前記基板の異常を検出する制御部とを、備える、基板検査システム。

【0087】

（項目１４）
基板の主表面において反射された前記基板と対向する位置に配置された標識部材の反射像を撮像した撮像画像を取得し、
前記撮像画像を入力とし、前記基板の異常を識別する識別結果を出力する、機械学習により生成された学習済みモデルを用いることによって、前記基板の異常を検出する、基板異常検出方法。

【符号の説明】

【0088】

１０ 搬送室
１３ 天井部材（標識部材）
２０ 基板搬送ロボット
４０ 撮像部
５０ 照明部
６０ 制御部
６２ 学習済みモデル
７０ 撮像画像
８０ 教師画像
８１ 正常画像
８２ 異常画像
１００ 基板搬送システム
１０１ ＦＯＵＰ（基板収納容器）
２０１ 処理装置
２０３ ロードロック部（処理待機部）
２１０ 基板

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】