結果分析

首先針對 False Positive(誤判)進行相關後續分析，隨機選取其中兩張影像為 樣本說明，如圖4.3(a)、(b)所示。

(a) (b) 圖4.3：誤判的晶粒影像

圖 4.3(a)其解釋原因，主要是因為檢測的晶粒影像和標準樣本影像，其影像 有對準、校正不準確的問題發生，造成晶粒影像元件的位置與標準樣本影像元件 的位置有些微差異，在影像相減時而誤判為缺陷。圖4.3(b)其解釋原因，主要是 P+, P-區的品質規格(微粒或污染的主軸長度小於 5μm)過於嚴格，無法確定影像 上的缺陷原因，是來自P+, P-區上本身的瑕疵，或是取像時有雜訊產生，造成影 像的解析度不清晰，使雜訊被誤判為缺陷。

接著針對 False Negative(漏判) 進行相關後續分析。首先是污染所造成的問 題，好幾個小污染點密集散佈在一個區域，如圖4.4(a)、(b)所示。

(a) (b) 圖4.4：漏判的晶粒影像

這些小污染點就單一缺陷來看，雖有缺陷但仍在品質規格範圍內，這些小污 染點雖然其缺陷沒有超過品質規格，但人工檢測把這些小的污染點連起來看，當 看起來大於某個長度(實際人檢判斷標準為污染點連起來的長度超過 200μm)，就 判斷為不良品，如圖4.4(a)所示，但也可能是人眼疲勞，污染點和污染點之間的 距離，要多近才能連起來的標準不一致，使得污染點連起來沒有大於某個長度，

但是人工檢測卻判為不良品，如圖4.4(b)所示，因此才有人工檢測為不良品，電 腦自動檢測結果為良品。

再者是元件邊緣與跨元件邊緣的檢測問題，由於本論文使用標準樣本法，要 避免檢測的晶粒影像與標準樣本影像在影像相減時，因為晶粒影像與標準樣本影 像有對不準的問題發生，造成元件的位置有些微差異而誤判為缺陷，因此在分割 元件時，有內縮各元件的檢測區域大小，造成和標準樣本影像相減的範圍變小。

若缺陷發生在元件邊緣，會因為內縮各元件的檢測區域大小，而無法檢測到 元件邊緣的缺陷，如圖4.5(a)所示，也因各元件的檢測區域內縮，造成當缺陷發 生在元件與元件交接處會遺漏無法檢測，如圖4.5(b)所示。

(a) (b) 圖4.5：漏判的晶粒影像

最後扣除小污染點、元件邊緣與跨元件邊緣的缺陷，對所剩下的漏判筆數進 行分析。第一種情形的False Negative 是底層區異常的檢測問題，在影像相減時，

有檢測出底層區發生缺陷，但就單一缺陷來看，雖有缺陷但仍在品質規格範圍內，

然而人工檢測時依實際經驗，認為影像上所呈現的缺陷特徵，對應到實際晶粒上，

認為是底層區的護層有異常，因此斷判為不良品，如圖4.6 所示。在現有的檢測 方法和品質規格下，有2 張檢測的晶粒影像，會遺漏無法檢測出此不良品晶粒。

(a) (b) 圖4.6：漏判的晶粒影像

第二種情形的False Negative 是 P+, P-區的微粒或污染的檢測問題，如圖 4.7 所示。

圖4.7：漏判的晶粒影像

其解釋原因，是因為取像時機台的光源不均，造成拍攝的影像其整體灰階值 較標準樣本影像的灰階值高，在現有的檢測閥值Th1(對差值影像二值化的臨界 值，把差值影像中灰階值低於Th1 的過暗區域視為缺陷可能發生區域)下，在影

像相減時，因其微粒或污染的灰階值較高，所以偵測不出底層區發生微粒或污染 的缺陷。

但人檢可以直接判斷P+, P-區發生微粒或污染的缺陷，且超出品質規格範圍，

因此斷判為不良品。在現有的檢測閥值下，有18 張檢測的晶粒影像，會遺漏無 法檢測出此不良品晶粒。

結果分析後的檢測統計結果如表4.2 所示：

（1） 人機一致性：電腦自動檢測結果與人工檢測結果一致。

（2） False Positive Rate：人工檢測為良品，電腦自動檢測結果為不良品的數目，

佔人工檢測為良品總數的比例。

（3） False Negative Rate：人工檢測為不良品，電腦自動檢測結果為良品(優良品 與規格良品) 的數目，佔人工檢測為不良品總數的比例。

（4） False Negative Rate(分析後)：人工檢測為不良品，電腦自動檢測結果為良 品(優良品與規格良品)，經過分析，扣除小污染點、元件邊緣檢測與跨元 件邊緣的缺陷的漏判筆數，在本論文的研究方法下，本系統的 False Negative Rate 為 10.47%。

表4.2：結果分析後的檢測統計結果

項目 結果

人機一致性 91.15% (1503/1649) False Positive Rate 6.86% (100/1458) False Negative Rate 24.08% (46/191) False Negative Rate(分析後) 10.47% (20/191)