特許 7471207 検査装置、検査方法、及び、検査プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-04-11

(45)【発行日】2024-04-19

(54)【発明の名称】検査装置、検査方法、及び、検査プログラム

(51)【国際特許分類】

   G06T 7/00 20170101AFI20240412BHJP

   G06T 7/11 20170101ALI20240412BHJP

【ＦＩ】

G06T7/00 610Z

G06T7/11

G06T7/00 300D

【請求項の数】 6

(21)【出願番号】P 2020197398

(22)【出願日】2020-11-27

(65)【公開番号】P2022085624

(43)【公開日】2022-06-08

【審査請求日】2023-06-28

(73)【特許権者】

【識別番号】000005186

【氏名又は名称】株式会社フジクラ

(74)【代理人】

【識別番号】110000338

【氏名又は名称】弁理士法人 ＨＡＲＡＫＥＮＺＯ ＷＯＲＬＤ ＰＡＴＥＮＴ ＆ ＴＲＡＤＥＭＡＲＫ

(72)【発明者】

【氏名】黒澤 公紀

(72)【発明者】

【氏名】劉 青

(72)【発明者】

【氏名】中鳥 真一

【審査官】山田 辰美

(56)【参考文献】

【文献】特開２０１８－４２７２（ＪＰ，Ａ）

【文献】特開２００５－２２１２８７（ＪＰ，Ａ）

【文献】特開２００９－３００２３０（ＪＰ，Ａ）

【文献】国際公開第２０２０／０７０１５６（ＷＯ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｔ ７／００－７／９０

(57)【特許請求の範囲】

【請求項1】

複数の対象物を被写体として含む入力画像において、それぞれが単一の対象物を包含する複数の注目領域を特定する第１特定処理と、
前記入力画像において、それぞれが単一の対象物を包含する単一又は複数の注目領域であって、前記第１特定処理にて特定した注目領域とは異なる注目領域を、前記第１特定処理にて特定した複数の注目領域の周期性に基づいて特定する第２特定処理と、
前記第１特定処理にて特定した複数の注目領域、及び、前記第２特定処理にて特定した単一又は複数の注目領域の各々に基づいて、当該注目領域に包含される対象物の画像検査を行う検査処理と、を実行する単一又は複数のプロセッサを備え
ている、
ことを特徴とする検査装置。

【請求項2】

前記プロセッサは、テンプレートマッチングを用いて、前記第１特定処理を実行する、
ことを特徴とする請求項１に記載の検査装置。

【請求項3】

前記プロセッサは、前記第２特定処理において、（１）前記第１特定処理にて特定した複数の注目領域のうち、第１の方向に並んで隣接する２つの注目領域の代表点の間隔、及び、前記第１特定処理にて特定した複数の注目領域のうち、前記第１の方向と交わる第２の方向に並んで隣接する２つの注目領域の代表点の間隔の一方又は両方を算出する第１算出処理と、（２）前記第１算出処理にて算出された間隔に基づいて、前記第１特定処理にて特定した注目領域とは異なる注目領域の代表点の座標を算出する第２算出処理と、を実行する、
ことを特徴とする請求項１又は２に記載の検査装置。

【請求項4】

前記プロセッサは、前記第１特定処理にて特定した複数の注目領域、及び、前記第２特定処理にて特定した単一又は複数の注目領域の各々を入力とし、入力された注目領域に包含される対象物が属するクラスを出力とする学習済モデルを用いて、前記検査処理を実行する、
ことを特徴とする請求項１～３の何れか一項に記載の検査装置。

【請求項5】

単一又は複数のプロセッサが、複数の対象物を被写体として含む入力画像において、それぞれが単一の対象物を包含する複数の注目領域を特定する第１特定処理と、
前記プロセッサが、前記入力画像において、それぞれが単一の対象物を包含する単一又は複数の注目領域であって、前記第１特定処理にて特定した注目領域とは異なる注目領域を、前記第１特定処理にて特定した複数の注目領域の周期性に基づいて特定する第２特定処理と、
前記プロセッサが、前記第１特定処理にて特定した複数の注目領域、及び、前記第２特定処理にて特定した単一又は複数の注目領域の各々に基づいて、当該注目領域に包含される対象物の画像検査を行う検査処理と、を含んでいる、
ことを特徴とする検査方法。

【請求項6】

コンピュータを請求項１～４の何れか一項に記載の検査装置として動作させるための検査プログラムであって、前記コンピュータが備えるプロセッサに前記各処理を実行させる検査プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、複数の対象物を被写体として含む入力画像に基づいて各対象物の検査を行う検査装置、検査方法、及び、検査プログラムに関する。

【背景技術】

【0002】

複数の対象物を被写体として含む入力画像に基づいて各対象物の検査を行う技術が知られている。このような技術の適用対象としては、例えば、ウエハ上に形成された複数のレーザダイオードチップの品質検査等が挙げられる。

【0003】

このような技術を開示した文献としては、例えば、特許文献１が挙げられる。特許文献１に記載の検査装置においては、まず、複数の対象物を被写体として含む入力画像から、入力画像よりも解像度の低い低解像度画像を生成される。そして、入力画像において各対象物を包含する注目領域を特定する特定処理が、低解像度画像を参照して実行され、その領域に包含された対象物を分類する分類処理が、入力画像を参照して実行される。これにより、分類処理における分類精度を犠牲にすることなく、特定処理におけるプロセッサの負荷を低減することに成功している。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２０２０－０４２７５４

【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、従来の検査技術においては、対象物に異物が付着していたり、入力画像における対象物の像に光学的又は電気的ノイズが乗っていたりすると、その対象物を包含する注目領域の特定に失敗することがあった。例えば、テンプレートマッチングを用いて注目領域を特定する場合、上述した異物やノイズによりテンプレートと対象物の像との一致度が低下すると、その対象物を包含する注目領域の特定に失敗する可能性が高くなる。

【0006】

本発明の一態様は、上記の問題に鑑みてなされたものであり、入力画像において対象物を包含する注目領域の特定に失敗する可能性が従来よりも低い検査技術を実現することを目的とする。

【課題を解決するための手段】

【0007】

本発明の態様１に係る検査装置は、複数の対象物を被写体として含む入力画像において、それぞれが単一の対象物を包含する複数の注目領域を特定する第１特定処理と、前記入力画像において、それぞれが単一の対象物を包含する単一又は複数の注目領域であって、前記第１特定処理にて特定した注目領域とは異なる注目領域を、前記第１特定処理にて特定した複数の注目領域の周期性に基づいて特定する第２特定処理と、前記第１特定処理にて特定した複数の注目領域、及び、前記第２特定処理にて特定した単一又は複数の注目領域の各々に基づいて、当該注目領域に包含される対象物の画像検査を行う検査処理と、を実行する単一又は複数のプロセッサを備えている。

【0008】

本発明の態様２に係る検査装置においては、態様１に係る検査装置の構成に加え、前記プロセッサは、テンプレートマッチングを用いて、前記第１特定処理を実行する、という構成が採用されている。

【0009】

本発明の態様３に係る検査装置においては、態様１又は２に係る検査装置の構成に加えて、前記プロセッサは、前記第２特定処理において、（１）前記第１特定処理にて特定した複数の注目領域のうち、第１の方向に並んで隣接する２つの注目領域の代表点の間隔、及び、前記第１特定処理にて特定した複数の注目領域のうち、前記第１の方向と交わる第２の方向に並んで隣接する２つの注目領域の代表点の間隔の一方又は両方を算出する第１算出処理と、（２）前記第１算出処理にて算出された間隔に基づいて、前記第１特定処理にて特定した注目領域とは異なる注目領域の代表点の座標を算出する第２算出処理と、を実行する、という構成が採用されている。

【0010】

本発明の態様４に係る検査装置においては、態様１～３の何れか一態様に係る検査装置の構成に加えて、前記プロセッサは、前記第１特定処理にて特定した複数の注目領域、及び、前記第２特定処理にて特定した単一又は複数の注目領域の各々を入力とし、入力された注目領域に包含される対象物が属するクラスを出力とする学習済モデルを用いて、前記検査処理を実行する、という構成が採用されている。

【0011】

本発明の態様５に係る検査方法は、単一又は複数のプロセッサが、複数の対象物を被写体として含む入力画像において、それぞれが単一の対象物を包含する複数の注目領域を特定する第１特定処理と、前記プロセッサが、前記入力画像において、それぞれが単一の対象物を包含する単一又は複数の注目領域であって、前記第１特定処理にて特定した注目領域とは異なる注目領域を、前記第１特定処理にて特定した複数の注目領域の周期性に基づいて特定する第２特定処理と、前記プロセッサが、前記第１特定処理にて特定した複数の注目領域、及び、前記第２特定処理にて特定した単一又は複数の注目領域の各々に基づいて、当該注目領域に包含される対象物の画像検査を行う検査処理と、を含んでいる。

【0012】

本発明の態様６に係る検査プログラムは、コンピュータを態様１～４の何れか一態様に係る検査装置として動作させるための検査プログラムであって、前記コンピュータが備えるプロセッサに前記各処理を実行させる。

【発明の効果】

【0013】

本発明の一態様によれば、入力画像において対象物を包含する注目領域の特定に失敗する可能性が従来よりも低い検査技術を実現することができる。

【図面の簡単な説明】

【0014】

【図1】本発明の一実施形態に係る検査装置の構成を示すブロック図である。

【図2】本発明の一実施形態に係る検査方法の流れを示すフロー図である。

【図3】図２の検査方法に含まれる特定処理の一具体例を示すフロー図である。

【図4】図３の特定処理の実行例を示す図である。

【図5】図２の検査方法に含まれる生成処理の一具体例を示すフロー図である。

【図6】図５の生成処理の実行例を示す図である。

【図7】図１の検査装置、及び、図２の検査方法の適用例を示す図である。

【発明を実施するための形態】

【0015】

（検査装置の構成）
本発明の一実施形態に係る検査装置１の構成について、図１を参照して説明する。図１は、検査装置１の構成を示すブロックである。

【0016】

検査装置１は、周期的に配置された複数の対象物Ｏ１，Ｏ２，…，Ｏｎ（ｎは２以上の自然数）を被写体として含む入力画像Ｉｍｇに基づいて、各対象物Ｏｉ（ｉ＝１，２，…，ｎ）の検査を行う装置である。対象物Ｏ１，Ｏ２，…，Ｏｎとしては、例えば、ウエハ上に形成されたレーザダイオードチップが挙げられる。

【0017】

検査装置１は、図１に示すように、メモリ１１と、プロセッサ１２と、ストレージ１３と、を備えている。メモリ１１、プロセッサ１２、及びストレージ１３は、不図示のバスを介して互いに接続されている。このバスには、更に、不図示の入出力インタフェース、及び、不図示の通信インタフェースが接続されていてもよい。この入出力インタフェースは、例えば、外部装置（例えば、カメラ）から検査装置１に入力画像を入力するため、或いは、検査装置１から外部装置（例えば、ディスプレイ）に検査結果を出力するために利用される。また、この通信インタフェースは、例えば、外部装置（例えば、カメラに接続された他のコンピュータ）から提供された入力画像を検査装置１が受信するため、或いは、外部装置（例えば、ディスプレイに接続された他のコンピュータ）に提供する検査結果を検査装置１が送信するために利用される。

【0018】

メモリ１１は、後述する検査方法Ｓ１を実施するための検査プログラムＰと、後述する検査方法Ｓ１で利用される学習済モデルＭとを記録するための構成である。なお、メモリ１１としては、例えば、半導体ＲＡＭ（Random Access Memory）等を用いることができる。また、学習済モデルＭとしては、例えば、ＣＮＮ（Convolutional Neural Network）を用いることができる。また、ロジスティック回帰モデル、サポートベクトルマシン、ランダムフォレストなどを、学習済モデルＭとして用いてもよい。

【0019】

プロセッサ１２は、メモリ１１に記憶された検査プログラムＰに従って、後述する検査方法Ｓ１を実行するための構成である。プロセッサ１２としては、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphic Processing Unit）、マイクロプロセッサ、デジタルシグナルプロセッサ、マイクロコントローラ、ＴＰＵ（Tensor Processing Unit）等のＡＳＩＣ（Application Specific Integrated Circuit）又は、これらの組み合わせ等を用いることができる。

【0020】

ストレージ１３は、上述した検査プログラムＰと上述した学習済モデルＭとを格納（不揮発保存）するための構成である。プロセッサ１２は、後述する検査方法Ｓ１を実行する際に、ストレージ１３に格納された検査プログラムＰ及び学習済モデルＭをメモリ１１上に展開して参照する。なお、ストレージ１３としては、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、又は、これらの組み合わせ等を用いることができる。

【0021】

なお、本明細書において、「画像」とは、画素値の２次元配列のことを指す。モノクロ画像における画素値は、例えば、輝度に対応する１つの数値であり、カラー画像における画素値は、例えば、ＲＧＢ、ＣＭＹ、ＹＵＶ等のフォーマットに対応した３つ又は４つの数値である。また、後述する「注目領域」など、入力画像における一領域も、画素値の２次元配列であり、画像と見做すことができる。

【0022】

また、検査装置１が行う検査は、正常及び異常の種類を識別しない二値判定であってもよいし、正常及び／又は異常の種類を識別する多値判定であってもよい。二値判定の場合、検査結果は、２個のクラス（正常、異常）の何れかであり、例えば、ブーリアン型の数値によって表現される。この場合、正常である確率及び異常である確率の一方又は両方を表す実数型の数値又はその組み合わせを判定結果としてもよい。多値判定の場合、Ｎ種類の正常及びＭ種類の異常が識別可能であるとすると、検査結果は、Ｎ＋Ｍ個のクラス（正常１、正常２、…、正常Ｍ、異常１、異常２、…、異常Ｍ）の何れかであり、例えば、整数型の数値によって表現することができる。この場合、正常１である確率、正常２である確率、…、正常Ｎである確率、異常１である確率、異常２である確率、…、及び異常Ｍである確率の一部又は全部を表す実数型の数値又はその組み合わせを判定結果としてもよい。ここで、Ｎ及びＭのうち、一方は、１以上の自然数であり、他方は、２以上の自然数である。更に、検査結果に、「判定保留」など、正常でも異常でもないもの（又はその確率）が含まれていてもよい。

【0023】

なお、ここでは、検査方法Ｓ１を単一のコンピュータに設けられた単一のプロセッサ１２が実行する構成について説明したが、これに限定されない。すなわち、検査方法Ｓ１を単一のコンピュータに設けられた、或いは、複数のコンピュータに分散して設けられた複数のプロセッサが共同して実行する構成を採用することも可能である。

【0024】

また、ここでは、学習済モデルＭを単一のコンピュータに設けられた単一のメモリ１１に記憶させる構成について説明したが、これに限定されない。すなわち、学習済モデルＭを単一のコンピュータに設けられた、或いは、複数のコンピュータに分散して設けられた複数のメモリに分散して記憶させる構成を採用することも可能である。

【0025】

なお、プロセッサ１２に検査方法Ｓ１を実行させるための検査プログラムＰは、コンピュータ読み取り可能な一時的でない有形の記録媒体に記録され得る。この記録媒体は、メモリ１１であってもよいし、ストレージ１３であってもよいし、その他の記録媒体であってもよい。例えば、テープ、ディスク、カード、半導体メモリ、プログラマブル論理回路が、その他の記録媒体として利用可能である。

【0026】

（検査方法の流れ）
検査装置１が実施する検査方法Ｓ１の流れについて、図２を参照して説明する。図２は、検査方法Ｓ１の流れを示すフロー図である。

【0027】

検査方法Ｓ１は、図２に示すように、特定処理Ｓ１１と、生成処理Ｓ１２と、検査処理Ｓ１３と、を含んでいる。なお、以下の説明においては、複数の対象物Ｏ１，Ｏ２，…，Ｏｎを被写体として含む入力画像Ｉｍｇが検査装置１のメモリ１１に格納されているものとする。

【0028】

特定処理Ｓ１１は、入力画像Ｉｍｇにおいて、それぞれが単一の対象物Ｏｉ（ｉ＝１，２，…，ｎ）を包含する複数の注目領域Ａ１，Ａ２，…，Ａｎを特定するための処理である。注目領域Ａｉは、入力画像Ｉｍｇにおいて対応する対象物Ｏｉを包含する領域であり、（１）対応する対象物Ｏｉの像が注目領域Ａｉの外部と共通部分を持たないように、且つ、（２）それ以外の対象物Ｏｊ（ｊ≠ｉ）の像が注目領域Ａｉの内部と共通部分を持たないように設定されていることが好ましい。本実施形態において、特定処理Ｓ１１は、検査装置１が備えるプロセッサ１２によって実行される。

【0029】

生成処理Ｓ１２は、特定処理Ｓ１１にて特定した各注目領域Ａｉについて、その注目領域Ａｉを含む画像Ｉｍｇｉを生成するための処理である。本実施形態において、生成処理Ｓ１２は、検査装置１が備えるプロセッサ１２によって実行される。

【0030】

検査処理Ｓ１３は、生成処理Ｓ１２にて生成した各画像Ｉｍｇｉに基づいて、その画像Ｉｍｇｉに被写体として含まれる対象物Ｏｉの画像検査を行うための処理である。本実施形態において、検査処理Ｓ１３は、検査装置１が備えるプロセッサ１２によって、学習済モデルＭを用いて実行される。

【0031】

学習済モデルＭは、対象物を被写体として含む画像を入力とし、その対象物が属するクラスを出力するモデルである。学習済モデルＭは、例えば、対象物（属するクラスが既知の対象物）を被写体として含む画像とその対象物が属するクラスとの組を教師データとする機械学習によって構築される。

【0032】

（特定処理の具体例）
検査方法Ｓ１に含まれる特定処理Ｓ１１の具体例について、図３を参照して説明する。図３は、本具体例に係る特定処理Ｓ１１の流れを示すフロー図である。

【0033】

対象物Ｏｉの状態、又は、入力画像Ｉｍｇにおける対象物Ｏｉの像の状態によっては、テンプレートマッチングを用いてその対象物Ｏｉを包含する注目領域Ａｉを特定することが困難になる場合がある。本具体例に係る特定処理Ｓ１１は、このような場合であっても、入力画像Ｉｍｇに被写体として含まれる全ての対象物Ｏ１，Ｏ２，…，Ｏｎについて、対象物Ｏｉを包含する注目領域Ａｉを特定することができるように工夫したものである。以下、説明の便宜上、ｎ－ｍ個の対象物Ｏ１，Ｏ２，…Ｏｎ－ｍを、テンプレートマッチングにより注目領域を特定することが可能な対象物とし、ｍ個の対象物Ｏｎ－ｍ＋１，Ｏｎ－ｍ＋２，…，Ｏｎを、テンプレートマッチングにより注目領域を特定することが不可能な対象物とする。ここで、ｍは、１以上ｎ－２以下の自然数であり、テンプレートマッチングにより注目領域を特定することが不可能な対象物の個数を表す。

【0034】

本具体例に係る特定処理Ｓ１１は、図３に示すように、第１特定処理Ｓ１１１と、第２特定処理Ｓ１１２と、を含んでいる。

【0035】

第１特定処理Ｓ１１１は、入力画像Ｉｍｇにおいて、それぞれが単一の対象物Ｏｊ（ｊ＝１，２，…，ｎ－ｍ）を包含するｎ－ｍ個の注目領域Ａ１，Ａ２，…，Ａｎ－ｍを、テンプレートマッチングを用いて特定するための処理である。第１特定処理Ｓ１１１にて特定される各注目領域Ａｊは、入力画像Ｉｍｇにおいて対象物Ｏｊを包含する領域となる。本実施形態において、第１特定処理Ｓ１１１は、検査装置１が備えるプロセッサ１２によって実行される。

【0036】

第２特定処理Ｓ１１２は、入力画像Ｉｍｇにおいて、第１特定処理Ｓ１１１にて特定した注目領域Ａ１，Ａ２，…，Ａｎ－ｍとは異なるｍ個の注目領域Ａｎ－ｍ＋１，Ａｎ－ｍ＋２，…，Ａｎを、第１特定処理Ｓ１１１にて特定したｎ－ｍ個の注目領域Ａ１，Ａ２，…，Ａｎ－ｍの周期性を用いて特定するための処理である。入力画像Ｉｍｇにおいて対象物Ｏ１，Ｏ２，…，Ｏｎが周期的に配置されている場合、第２特定処理Ｓ１１２にて特定される各注目領域Ａｋは、第１特定処理Ｓ１１１にて特定される注目領域Ａｊと同様、入力画像Ｉｍｇにおいて対応する対象物Ｏｋを包含する領域となる。本実施形態において、第２特定処理Ｓ１１２は、検査装置１が備えるプロセッサ１２によって実行される。

【0037】

第２特定処理Ｓ１１２は、図３に示すように、第１算出処理Ｓ１１２ａと、第２算出処理Ｓ１１２ｂと、により構成することができる。

【0038】

第１算出処理Ｓ１１２ａは、第１特定処理Ｓ１１１にて特定したｎ－ｍ個の注目領域Ａ１，Ａ２，…，Ａｎ－ｍのうち、画素行方向（特許請求の範囲における「第１の方向」の一例）に並んで隣接する２つの注目領域の代表点の間隔ｄｘ、及び、第１特定処理Ｓ１１１にて特定したｎ－ｍ個の注目領域Ａ１，Ａ２，…，Ａｎ－ｍのうち、画素列方向（特許請求の範囲における「第２の方向」の一例）に並んで隣接する２つの注目領域の代表点の間隔ｄｙを算出するための処理である。

【0039】

第２算出処理Ｓ１１２ｂは、第１算出処理Ｓ１１２ａにて算出された間隔ｄｘ，ｄｙに基づいて、第１特定処理Ｓ１１１にて特定したｎ－ｍ個の注目領域Ａ１，Ａ２，…，Ａｎ－ｍとは異なるｍ個の注目領域Ａｎ－ｍ＋１，Ａｎ－ｍ＋２，…，Ａｎの代表点の座標を算出するための処理である。ｍ個の注目領域Ａｎ－ｍ＋１，Ａｎ－ｍ＋２，…，Ａｎは、代表点の座標が第２算出処理Ｓ１１２ｂにて算出された座標に一致する注目領域に設定される。

【0040】

図４は、本具体例に係る特定処理Ｓ１１の実行例を示す図である。ここでは、図４の（ａ）に示すように、４つの対象物Ｏ１，Ｏ２，Ｏ３，Ｏ４を被写体として含む入力画像Ｉｍｇを考える。３つの対象物Ｏ１，Ｏ２，Ｏ３は、テンプレートマッチングにより注目領域を特定することが可能な対象物であり、残り１つの対象物Ｏ４は、異物の付着等によりテンプレートマッチングにより注目領域を特定することが不可能な対象物である。

【0041】

第１特定処理Ｓ１１１においては、図４の（ｂ）に示すように、３つの対象物Ｏ１，Ｏ２，Ｏ３をそれぞれ包含する３つの注目領域Ａ１，Ａ２，Ａ３がテンプレートマッチングにより特定される。

【0042】

第２特定処理Ｓ１１２の第１算出処理Ｓ１１２ａにおいては、図４の（ｃ）に示すように、画素行方向に並んで隣接する２つの注目領域Ａ１，Ａ２の代表点Ｐ１，Ｐ２の間隔ｄｘと、画素列方向に並んで隣接する２つの注目領域Ａ１，Ａ３の代表点Ｐ１，Ｐ３の間隔ｄｙとが算出される。ここでは、各注目領域Ａｉを、画素行方向に平行な辺と画素列方向に平行な辺とを有する矩形領域とし、各注目領域Ａｉの代表点Ｐｉを、その矩形領域の左上隅の頂点とした。

【0043】

第２特定処理Ｓ１１２の第２算出処理Ｓ１１２ｂにおいては、図４の（ｄ）に示すように、第１算出処理Ｓ１１２ａにて算出された間隔ｄｘ，ｄｙに基づいて、残り１つの注目領域Ａ４の代表点Ｐ４の座標が算出される。具体的には、注目領域Ａ４の代表点Ｐ４のｘ座標（画素行方向の座標）が、注目領域Ａ３の代表点Ｐ３の画素行方向の座標に間隔ｄｘを加算することによって算出され、注目領域Ａ４の代表点Ｐ４のｙ座標（画素列方向の座標）が、注目領域Ａ２の代表点Ｐ２の画素列方向の座標に間隔ｄｙを加算することによって算出される。そして、注目領域Ａ４が、左上隅の頂点の座標が第２算出処理Ｓ１１２ｂにて算出された座標に一致する矩形領域に設定される。

【0044】

（生成処理の具体例）
検査方法Ｓ１に含まれる生成処理Ｓ１２の具体例について、図５を参照して説明する。図５は、本具体例に係る生成処理Ｓ１２の流れを示すフロー図である。

【0045】

本具体例に係る生成処理Ｓ１２は、図５に示すように、切り出し処理Ｓ１２１と、埋め込み処理１２２と、を含んでいる。

【0046】

切り出し処理Ｓ１２１は、特定処理Ｓ１１にて特定した各注目領域Ａｉを入力画像Ｉｍｇから切り出すための処理である。埋め込み処理Ｓ１２２は、切り出し処理Ｓ１２１にて切り出した各注目領域Ａｉを、予め定められたサイズの画像Ｉｍｇｉに無加工で埋め込むための処理である。ここで、注目領域Ａｉを「無加工で埋め込む」とは、拡大、縮小、回転などの画像処理を施すことなく、入力画像Ｉｍｇから切り出した注目領域Ａｉをそのまま（全ての画素の画素値を変化させることなく）埋め込むことを指す。これにより、各注目領域Ａｉについて、予め定められたサイズの画像Ｉｍｇｉであって、その注目領域Ａｉが無加工で埋め込まれた画像Ｉｍｇｉが生成される。切り出し処理Ｓ１２１にて生成される画像Ｉｍｇｉにおいて、注目領域Ａｉが埋め込まれた部分以外の画素は、同一の画素値に設定される。これらの画素の画素値は、任意であり、例えば、黒に対応する画素値であってもよいし、白に対応する画素値であってもよい。

【0047】

図６は、本具体例に係る生成処理Ｓ１２により生成される画像Ｉｍｇｉの具体例を示す図である。

【0048】

図６の（ａ）に示す画像Ｉｍｇ１は、６００画素×１２００画素の画像である。注目領域Ａ１は、入力画像Ｉｍｇにおいて画素行方向に平行な辺と画素列方向に平行の辺とを有する長方形領域である。この注目領域Ａ１が拡大されることも、縮小されることも、回転されることもなく、そのまま画像Ｉｍｇ１に埋め込まれている。画像Ｉｍｇ１において、注目領域Ａ１が埋め込まれた部分以外の画素の画素値は、一律に黒を表す画素値に設定されている。

【0049】

図６の（ｂ）に示す画像Ｉｍｇ２は、図６の（ａ）に示す画像Ｉｍｇ１と同様、６００画素×１２００画素の画像である。注目領域Ａ２は、入力画像Ｉｍｇにおいて画素行方向に平行な辺と画素列方向に平行な辺とを有する長方形領域である。この注目領域Ａ２は注目領域Ａ１よりも小さいが、この注目領域Ａ２が拡大されることも、縮小されることも、回転されることもなく、そのまま画像Ｉｍｇ２に埋め込まれている。画像Ｉｍｇ２において、注目領域Ａ２が埋め込まれた部分以外の画素の画素値は、画像Ｉｍｇ１と同様、一律に黒を表す画素値に設定されている。

【0050】

図６の（ｃ）に示す画像Ｉｍｇ３は、図６の（ａ）に示す画像Ｉｍｇ１及び図６の（ｂ）に示す画像Ｉｍｇ２と同様、６００画素×１２００画素の画像である。注目領域Ａ３は、入力画像Ｉｍｇにおいて画素行方向に非平行な辺と画素列方向に非平行な辺とを有する長方形領域である。この注目領域Ａ３は傾いているが、この注目領域Ａ３が拡大されることも、縮小されることも、回転されることもなく、そのまま画像Ｉｍｇ３に埋め込まれている。画像Ｉｍｇ３において、注目領域Ａ３が埋め込まれた部分以外の画素の画素値は、画像Ｉｍｇ１及び画像Ｉｍｇ２と同様、一律に黒を表す画素値に設定されている。

【0051】

（適用例）
本実施形態に係る検査装置１は、例えば、単一のウエハ上に形成された複数のレーザダイオードチップの検査に適用することができる。このようなウエハを撮像することにより得られた入力画像を、図７の（ａ）に示す。

【0052】

テンプレートマッチングに用いるテンプレートは、レーザダイオードの全体にマッチするテンプレートであってもよいし、レーザダイオードの一部にマッチするテンプレートであってもよい。後者のテンプレートの例としては、例えば、レーザダイオードの上端及び下端にマッチするテンプレートや、レーザダイオードの右端及び左端にマッチするテンプレートなどが挙げられる。レーザダイオードの上端及び下端にマッチするテンプレートを用いたテンプレートマッチングにより検出された領域を、図７の（ｂ）に示す。図７の（ｂ）においては、テンプレートマッチングにより検出された領域を点線の矩形で囲んで示している。

【0053】

レーザダイオードの全体にマッチするテンプレートを用いた場合、テンプレートマッチングにより検出された領域を、そのまま注目領域として特定すればよい。一方、レーザダイオードの一部にマッチするテンプレートを用いた場合、テンプレートマッチングにより検出された領域から所定のアルゴリズムに従って導出される領域を、注目領域として特定すればよい。例えば、レーザダイオードの上端及び下端にマッチするテンプレートを用いた場合、テンプレートマッチングにより検出された領域のうち画素列方向に並んで隣接する２つの領域を渡る矩形領域を、注目領域として特定すればよい。このようにして特定された注目領域を、図７の（ｃ）に示す。図７の（ｃ）においては、このようにして特定された注目領域を実線の矩形で囲んで示している。

【0054】

図７の（ｄ）は、異物が付着しているウエハを撮像することにより得られた入力画像である。このような場合、異物が付着した領域に関して、テンプレートマッチングに失敗することがある。しかしながら、上述したように、注目領域を第１特定処理Ｓ１１１及び第２特定処理Ｓ１１２により二段階特定するようにすれば、異物が付着した領域において注目領域の設定に失敗する可能性を有意に低減することができる。

【0055】

（検査装置の効果１）
以上のように、本実施形態に係る検査装置１は、第１特定処理Ｓ１１１と、第２特定処理Ｓ１１２と、検査処理Ｓ１３とを実行するプロセッサ１２を備えている。第１特定処理Ｓ１１１は、ｎ個の対象物Ｏ１，Ｏ２，…，Ｏｎを被写体として含む入力画像Ｉｍｇにおいて、それぞれが単一の対象物Ｏｊ（ｊ＝１，２，…，ｎ－ｍ）を包含するｎ－ｍ個の注目領域Ａ１，Ａ２，…，Ａｎ－ｍを特定する処理である。また、第２特定処理Ｓ１１２は、第１特定処理Ｓ１１１にて特定したｎ－ｍ個の注目領域Ａ１，Ａ２，…，Ａｎ－ｍとは異なるｍ個の注目領域Ａｎ－ｍ＋１，Ａｎ－ｍ＋２，…，Ａｎを、第１特定処理Ｓ１１１にて特定したｎ－ｍ個の注目領域Ａ１，Ａ２，…，Ａｎ－ｍの周期性に基づいて特定する処理である。検査処理Ｓ１３は、第１特定処理Ｓ１１１にて特定したｎ－ｍ個の注目領域Ａ１，Ａ２，…，Ａｎ－ｍ、及び、第２特定処理Ｓ１１２にて特定したｍ個の注目領域Ａｎ－ｍ＋１，Ａｎ－ｍ＋２，…，Ａｎの各々に基づいて、注目領域Ａｉ（ｉ＝１，２，…，ｎ）に包含される対象物Ｏｉの画像検査を行う処理である。

【0056】

上記の構成によれば、入力画像Ｉｍｇにおいて対象物Ｏ１，Ｏ２，…，Ｏｎが周期的に配置されている場合、第１特定処理Ｓ１１１において対象物Ｏｎ－ｍ＋１，Ｏｎ－ｍ＋２，…，Ｏｎを包含する注目領域Ａｎ－ｍ＋１，Ａｎ－ｍ＋２，…，Ａｎの特定に失敗しても、これらの対象物Ｏｎ－ｍ＋１，Ｏｎ－ｍ＋２，…，Ｏｎを包含する注目領域Ａｎ－ｍ＋１，Ａｎ－ｍ＋２，…，Ａｎを、第２特定処理Ｓ１１２において特定することができる。したがって、入力画像Ｉｍｇに被写体として含まれる対象物Ｏ１，Ｏ２，…，Ｏｎを漏れなく検査することが可能な検査装置１を実現することができる。なお、上述した検査方法Ｓ１によっても、同様の効果が得られる。また、上述した検査プログラムＰをコンピュータに実行させることによっても、同様の効果が得られる。

【0057】

また、本実施形態に係る検査装置１において、プロセッサ１２は、テンプレートマッチングを用いて第１特定処理Ｓ１１１を実行する。

【0058】

上記の構成によれば、第１特定処理Ｓ１１１において効率的に対象物Ｏ１，Ｏ２，…，Ｏｎ－ｍを包含する注目領域Ａ１，Ａ２，…，Ａｎ－ｍを特定することが可能な検査装置１を実現することができる。

【0059】

また、本実施形態に係る検査装置１において、プロセッサ１２は、第１特定処理Ｓ１１１にて特定したｎ－ｍ個の注目領域Ａ１，Ａ２，…，Ａｎ－ｍ、及び、第２特定処理Ｓ１１２にて特定したｍ個の注目領域Ａｎ－ｍ＋１，Ａｎ－ｍ＋２，…，Ａｎの各々を入力とし、入力された注目領域Ａｉに包含される対象物Ｏｉが属するクラスを出力とする学習済モデルＭを用いて、検査処理Ｓ１３を実行する。

【0060】

上記の構成によれば、入力画像Ｉｍｇに被写体として含まれる対象物Ｏ１，Ｏ２，…，Ｏｎをそれぞれ精度良く検査することが可能な検査装置１を実現することができる。

【0061】

（検査装置の効果２）
以上のように、本実施形態に係る検査装置１は、特定処理Ｓ１１と、生成処理Ｓ１２と、検査処理Ｓ１３と、を実行するプロセッサ１２を備えている。特定処理Ｓ１１は、ｎ個の対象物Ｏ１，Ｏ２，…，Ｏｎを被写体として含む入力画像Ｉｍｇにおいて、それぞれが単一の対象物Ｏｊを包含するｎ個の注目領域Ａ１，Ａ２，…，Ａｎを特定する処理である。生成処理Ｓ１２は、特定処理Ｓ１１にて特定したｎ個の注目領域Ａ１，Ａ２，…，Ａｎの各々について、予め定められたサイズの画像Ｉｍｇｉ（ｉ＝１，２，…，ｎ）であって、注目領域Ａｉが無加工で埋め込まれた画像Ｉｍｇｉを生成する処理である。検査処理Ｓ１３は、生成処理Ｓ１２にて生成したｎ個の画像Ｉｍｇ１，Ｉｍｇ２，…，Ｉｍｇｎの各々に基づいて、画像Ｉｍｇｉに埋め込まれた注目領域Ａｉに包含される対象物Ｏｉの画像検査を行う処理である。

【0062】

上記の構成によれば、検査処理Ｓ１３において参照される画像Ｉｍｇ１，Ｉｍｇ２，…，Ｉｍｇｎのサイズが一律になる。また、上記の構成によれば、検査処理Ｓ１３において参照される各画像Ｉｍｇｉに加工により劣化していない注目領域Ａｉが埋め込まれる。したがって、検査処理Ｓ１３を特定のアルゴリズムに従って精度良く実行することが可能な検査装置１を実現することができる。上述した検査方法Ｓ１によっても、同様の効果が得られる。また、上述した検査プログラムＰをコンピュータに実行させることによっても、同様の効果が得られる。

【0063】

また、本実施形態に係る検査装置１において、プロセッサ１２は、テンプレートマッチングを用いて第１特定処理Ｓ１１１を実行する。

【0064】

上記の構成によれば、第１特定処理Ｓ１１１において効率的に対象物Ｏ１，Ｏ２，…，Ｏｎを包含する注目領域Ａ１，Ａ２，…，Ａｎを特定することが可能な検査装置１を実現することができる。

【0065】

また、本実施形態に係る検査装置１において、プロセッサ１２は、生成処理Ｓ１２において、注目領域Ａｉが埋め込まれた部分以外の画素の画素値が同一である画像Ｉｍｇｉを生成する。

【0066】

上記の構成によれば、画像Ｉｍｇｉにおいて注目領域Ａｉが埋め込まれた部分以外の画素の画素値が検査結果に与える影響を小さくすることができる。したがって、入力画像Ｉｍｇに被写体として含まれる対象物Ｏ１，Ｏ２，…，Ｏｎをそれぞれ精度良く検査することが可能な検査装置１を実現することができる。

【0067】

また、本実施形態に係る検査装置１において、プロセッサ１２は、生成処理Ｓ１２にて生成した画像Ｉｍｇ１，Ｉｍｇ２，…，Ｉｍｇｎの各々を入力とし、入力された画像Ｉｍｇｉに埋め込まれた注目領域Ａｉに包含される対象物Ｏｉが属するクラスを出力とする学習済モデルＭを用いて、検査処理Ｓ１３を実行する。

【0068】

上記の構成によれば、入力画像Ｉｍｇに被写体として含まれる対象物Ｏ１，Ｏ２，…，Ｏｎをそれぞれ精度良く検査することが可能な検査装置１を実現することができる。

【0069】

（付記事項）
本発明は、上述した実施形態に限定されるものでなく、請求項に示した範囲で種々の変更が可能であり、上述した実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても、本発明の技術的範囲に含まれる。

【符号の説明】

【0070】

１ 検査装置
１１ メモリ
１２ プロセッサ
１３ ストレージ
Ｐ 検査プログラム
Ｍ 学習済モデル

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】