CN108885185B - 用于校正从目标裸片及参考裸片的比较所产生的差异图像的***、方法及计算机程序产品 - Google Patents
用于校正从目标裸片及参考裸片的比较所产生的差异图像的***、方法及计算机程序产品 Download PDFInfo
- Publication number
- CN108885185B CN108885185B CN201780022581.0A CN201780022581A CN108885185B CN 108885185 B CN108885185 B CN 108885185B CN 201780022581 A CN201780022581 A CN 201780022581A CN 108885185 B CN108885185 B CN 108885185B
- Authority
- CN
- China
- Prior art keywords
- image
- interest
- die
- representative
- pattern
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004590 computer program Methods 0.000 title claims abstract description 8
- 238000007689 inspection Methods 0.000 claims abstract description 76
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 230000007547 defect Effects 0.000 claims description 20
- 230000004931 aggregating effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 3
- 235000012431 wafers Nutrition 0.000 description 50
- 230000003287 optical effect Effects 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9501—Semiconductor wafers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/7065—Defects, e.g. optical inspection of patterned layer for defects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明提供一种用于校正从目标裸片及参考裸片的比较所产生的差异图像的***、方法及计算机程序产品。在使用中,执行目标裸片图像的裸片内检验以针对每一关注图案产生第一代表性图像。执行参考裸片图像的裸片内检验以针对所述关注图案中的每一者产生第二代表性图像。进一步来说,比较所述目标裸片图像及所述参考裸片图像以产生至少一个差异图像,且使用所述所产生的第一代表性图像中的每一者及所述所产生的第二代表性图像中的每一者校正所述至少一个差异图像。接着使用所述经校正差异图像执行检测。
Description
相关申请
本申请主张2016年4月22日申请的第62/326,684号美国临时专利申请的权利,所述申请的全部内容以引用的方式并入本文中。
技术领域
本发明涉及晶片检验,且更特定来说涉及检测晶片中的缺陷。
背景技术
当前,可以通过比较制造于晶片上的目标裸片与制造于晶片上的参考裸片而检测晶片中的缺陷。检验***通过出于比较目的取得目标裸片及参考裸片的图像而完成这一操作。特定来说,检测缺陷通常涉及执行两个单独比较以产生两个单独结果,一个比较是在所述目标裸片与多个所述参考裸片中的一者之间且另一比较是在所述目标裸片与多个所述参考裸片中的另一者之间。所述两个单独比较结果之间的任何类似性一般用作所述目标裸片中的缺陷的指标。此过程被称作双重差异检测,其可应用到过程窗限定(PWQ)晶片、焦点曝光矩阵(FEM)晶片、非调制晶片等。
现有技术图1展示PWQ晶片的传统布局,其呈列102形式的多个目标裸片,每一目标裸片是通过参数(例如,焦点(F)及曝光(E))值的不同组合调制(即,放大)的相同图案;且进一步呈列104、106形式的多个参考裸片,参考裸片坐落于一列目标裸片的任一侧上且每一参考裸片是相同图案的标称(即,非调制)版本。因此,针对列102中的目标裸片中的任何特定一者,来自列104的参考裸片及来自列106的参考裸片可用于使用双重差异检测来检测特定目标裸片(见框108)中的缺陷。虽然所述参考裸片展示为邻近于所述目标裸片,但未必总是这种情况。例如,在其它晶片配置中,用于任何特定目标裸片的参考裸片可为最接近于但未必邻近于所述特定目标组件的所述参考裸片。
在另一众所周知的实施例中(未展示),FEM晶片具有裸片矩阵,其中所述裸片的所述参数依矩阵布局调制。在此实施例中,最中心裸片可为标称的或至少是晶片上的所有裸片中最标称的。双重差异检测可应用于晶片上的任何目标裸片,其中对应参考裸片是邻近于矩阵内的目标裸片的参考裸片。
不幸的是,通过这些逐裸片比较而获得的结果的精确度可能因为目标裸片及参考裸片中的非临界差异而受到负面影响。例如,过程窗限定(PWQ)晶片及焦点曝光矩阵(FEM)晶片中的目标裸片及/或参考裸片的目的性调制固有地产生可在双重差异检测期间被错误地检测为缺陷的这些非临界差异。当然,非调制晶片可能因为跨裸片图像的偶然但非临界的差异(其是归因于检验***本身内的误差)而受到类似影响。
现有技术图2展示传统缺陷检测方法的效应的实例,其中仅采用目标组件的调制。图2中,随着针对目标组件的调制增加,目标组件(包含缺陷及非缺陷)的每一部分的尺寸也增加,因此引起目标组件与参考组件之间在逐部分基础上的区分,而无论实际缺陷如何。如展示,与依较低调制相比,依较高调制由所述比较所致的差异图像包含额外差异。揭示上文描述的现有技术的现有专利包含第8,213,704号美国专利及第6,902,855号美国专利,所述专利的描述以全文引用的方式并入本文中。
因此存在解决与用于制成组件中的缺陷检测的现有技术相关联的这些及/或其它问题的需要。
发明内容
提供一种用于校正从目标裸片及参考裸片的比较所产生的差异图像的***、方法及计算机程序产品。在使用中,执行目标裸片图像的裸片内检验以针对每一关注图案产生第一代表性图像。执行参考裸片图像的裸片内检验以针对所述关注图案中的每一者产生第二代表性图像。进一步来说,比较所述目标裸片图像及所述参考裸片图像以产生至少一个差异图像,且使用所述所产生的第一代表性图像中的每一者及所述所产生的第二代表性图像中的每一者校正所述至少一个差异图像。接着使用经校正差异图像执行检测。
附图说明
图1展示根据现有技术的用于PWQ晶片的实例布局。
图2展示根据现有技术的其中仅采用目标组件的调制的传统缺陷检测方法的效应的实例。
图3A展示说明非暂时性计算机可读媒体的一个实施例的框图,所述非暂时性计算机可读媒体包含可在计算机***上执行用于执行本文中描述的一或多个计算机实施方法的程序指令。
图3B是说明经配置以检测制成装置上的缺陷的检验***的一个实施例的侧视图的示意图。
图4说明根据实施例的用于校正从目标裸片及参考裸片的比较所产生的差异图像的方法。
图5说明根据实施例的用于产生用于校正从目标裸片及参考裸片的比较所产生的差异图像的设置数据的方法。
图6说明根据实施例的用于使用设置数据以校正从目标裸片及参考裸片的比较所产生的差异图像的方法。
具体实施方式
以下描述揭示一种用于校正从目标裸片及参考裸片的比较所产生的差异图像的***、方法及计算机程序产品。应注意,此***、方法及计算机程序产品(包含下文描述的各种实施例)可在任何检验***(例如,晶片检验***、光罩检验***、激光扫描检验***等)的背景中实施,例如下文参考图3B描述的一者。
额外实施例涉及一种存储程序指令的非暂时性计算机可读媒体,所述程序指令可在计算机***上执行以执行用于校正从目标裸片及参考裸片的比较所产生的差异图像的计算机实施方法。一个此实施例展示于图3A中。特定来说,如图3A中所展示,计算机可读媒体300包含可在计算机***304上执行的程序指令302。所述计算机实施方法包含下文参考图4描述的方法的步骤。可执行其程序指令的计算机实施方法可包含本文中描述的任何其它操作。
实施例如本文中描述的方法的程序指令302可存储于计算机可读媒体300上。所述计算机可读媒体可为存储媒体,例如磁盘或光盘,或磁带或此项技术中已知的任何其它适当非暂时性计算机可读媒体。作为一种选择,计算机可读媒体300可定位于计算机***304内。
所述程序指令可依各种方式中的任一者实施,包含基于程序的技术、基于组件的技术及/或面向对象技术等等。例如,可任选地使用ActiveX控件、C++对象、JavaBeans、微软基础类别(“MFC”)或其它技术或方法实施所述程序指令。
计算机***304可采取各种形式,包含个人计算机***、图像计算机、主计算机***、工作站、网络设备、因特网设备或其它装置。一般来说,术语“计算机***”可广泛地定义为涵盖具有执行来自存储器媒体的指令的一或多个处理器的任何装置。计算机***304还可包含此项技术中已知的任何适当处理器,例如并行处理器。此外,计算机***304还包含具有高速处理及软件的计算机平台,无论是作为独立工具还是作为网络化工具。
额外实施例涉及经配置以校正从目标裸片及参考裸片的比较所产生的差异图像的***。此***的一个实施例展示于图3B中。所述***包含经配置以产生针对在晶片(或其它装置)上制造的裸片的输出的检验***305,其在此实施例中如本文所进一步描述般配置。***还包含经配置用于执行下文参考图4所描述的操作的一或多个计算机***。所述一或多个计算机***可经配置以根据本文中描述的实施例中的任一者执行这些操作。所述计算机***及所述***可经配置以执行本文中描述的任何其它操作且可进一步如本文所描述般配置。
在图3B中展示的实施例中,所述计算机***中的一者为电子自动化设计(EAD)工具的部分,且所述检验***及所述计算机***中的另一者并非所述EAD工具的部分。这些计算机***可包含(例如)上文参考图3A描述的计算机***304。例如,如图3B中所展示,所述计算机***中的一者可为包含于EAD工具306中的计算机***308。EAD工具306及包含于此工具中的计算机***308可包含任何市售EAD工具。
检验***305可经配置以通过用光扫描所述晶片及在扫描期间检测来自所述晶片的光而针对在晶片上制造的裸片产生输出。例如,如图3B中所展示,检验***305包含光源320,所述光源320可包含此项技术中已知的任何适当光源。来自所述光源的光可被引导到分束器318,所述分束器318可经配置以将光自所述光源引导到晶片322。光源320可耦合到任何其它适当元件(未展示),例如一或多个聚光透镜、准直透镜、中继透镜、物镜、孔隙、光谱滤光器、偏光组件等等。如图3B中所展示,所述光可依法向入射角被引导到晶片322。然而,所述光可依任何适当入射角(包含近法向入射角及倾斜入射角)被引导到晶片322。此外,所述光或多个光束可依一个以上入射角循序地或同时被引导到晶片322。检验***305可经配置以依任何适当方式扫描光遍及晶片322。
在扫描期间可通过检验***305的一或多个通道收集及检测来自晶片322的光。例如,依相对接近法向的角度从晶片322反射的光(即,入射是法向时的镜面反射光)可通过分束器318到透镜314。透镜314可包含折射光学元件,如图3B中所展示。此外,透镜314可包含一或多个折射光学元件及/或一或多个反射光学元件。通过透镜314收集的光可聚焦到检测器312。检测器312可包含此项技术中已知的任何适当检测器(例如,电荷耦合装置(CCD)或另一类型的成像检测器)。检测器312经配置以产生响应于通过透镜314收集的反射光的输出。因此,透镜314及检测器312形成检验***305的一个通道。检验***305的此通道可包含此项技术中已知的任何其它适当光学组件(未展示)。
因为图3B中所展示的检验***经配置以检测从晶片322镜面反射的光,所以检验***305经配置为BF检验***。然而,此检验***305还可经配置以用于其它类型的晶片检验。例如,图3B中所展示的检验***还可包含一或多个其它通道(未展示)。所述其它通道可包含经配置为散射光通道的本文中所描述的光学组件中的任一者,例如透镜及检测器。所述透镜及所述检测器可进一步如本文中所描述般配置。以此方式,检验***305还可经配置用于DF检验。
检验***305还可包含计算机***310,所述计算机***310经配置以执行本文中所描述的所述方法的一或多个步骤。例如,上述光学元件可形成检验***305的光学子***311,所述检验***305还可包含耦合到光学子***311的计算机***310。以此方式,在扫描期间通过所述检测器产生的输出可被提供到计算机***310。例如,计算机***310可耦合到检测器312(例如,通过由图3B中的虚线所展示的一或多个传输媒体,其可包含此项技术中已知的任何适当传输媒体),使得计算机***310可接收由检测器产生的输出。
检验***305的计算机***310可经配置以执行本文中描述的任何操作。例如,计算机***310可经配置用于校正所述目标/参考差异图像,且可任选地进一步如本文中所描述般执行缺陷检测。此外,计算机***310可经配置以执行本文中所描述的任何其它步骤。此外,虽然本文中所描述的一些操作可通过不同计算机***执行,但所述方法的所有操作可通过单一计算机***(例如检验***305的计算机***或独立计算机***)执行。此外,所述计算机***中的一或多者可经配置为虚拟检验器,例如描述于2012年2月28日颁发给Bhaskar等人的第8,126,255号美国专利中的虚拟检验器,所述专利以引用的方式如同在本文中完整阐述般并入。
检验***305的计算机***310还可耦合到非所述检验***一部分的其它计算机***(例如计算机***308),所述其它计算机***可包含于另一工具(例如上文描述的EAD工具306)中,使得计算机***310可接收通过计算机***308产生的输出,所述输出可包含由计算机***308产生的设计。例如,两个计算机***可通过共享的计算机可读存储媒体(例如晶片厂数据库)有效地耦合或可通过传输媒体(例如上文所描述的传输媒体)耦合,使得信息可在所述两个计算机***之间传输。
应注意,本文中提供图3B以大体上说明可包含于本文中所描述的***实施例中的检验***的配置。显然,如在设计商用检验***时正常执行般,本文中描述的检验***布置可经变更以优化所述检验***的性能。此外,本文中所描述的所述***可使用现有检验***(例如,通过将本文中所描述的功能性添加到现有检验***),例如可从KLA-Tencor购得的29xx/28xx系列工具实施。针对一些此类***,本文中所描述的方法可提供作为***的任选功能性(例如,作为***的其它功能性的补充)。或者,本文中所描述的***可“从头开始”设计以提供全新***。
图4说明根据实施例的用于校正从目标裸片及参考裸片的比较所产生的差异图像的方法400。可在上文相对于图3A及/或3B所描述的环境背景中实行方法400。例如,方法400可通过图3B的检验***305实行。
如操作402中所展示,执行目标裸片图像的裸片内检验以针对每一关注图案产生第一代表性图像。目标裸片图像可为在晶片上制造的目标裸片的任何图像。例如,目标裸片图像可从检验***的收集器接收。
其上制造目标裸片的晶片可为PWQ晶片、FEM晶片或其它经调制晶片,使得目标裸片可以被调制。在另一实施例中,晶片可为非调制晶片,使得目标裸片可以不被调制。
如上文提及,针对一或多个关注图案执行裸片内检验。在一个实施例中,可根据分析晶片的设计以识别其中已知易出现缺陷的图案而识别这些关注图案。在任何情况下,针对关注图案中的每一者,执行目标裸片图像的裸片内检验以针对目标裸片图像产生第一代表性图像。
第一代表性图像可为从具有关注图案的目标裸片图像中的位置收集的信号的集合(例如,逐像素平均值或逐像素中间值)。例如,裸片内检验可涉及:识别目标裸片图像内的关注图案;识别目标裸片图像内的关注图案的所有例子(例如,跨目标裸片图像的所有条形区);产生针对所述例子的注意区域;将所述注意区域分组(例如,分组为与关注图案相关联的单群组);从注意区域中的每一者收集信号;及集合所收集信号,其中所述集合信号是针对所述关注图案的第一代表性图像。
如上文提及,针对每一关注图案执行裸片内检验。以这种方式,可针对目标裸片图像内的每一不同关注图案产生单独第一代表性图像。
如操作404中所展示,执行参考裸片图像的裸片内检验以针对关注图案中的每一者产生第二代表性图像。参考裸片图像可为在晶片上制造的参考裸片的任何图像。例如,参考裸片图像可从检验***的收集器接收。
在晶片是PWQ晶片或非调制晶片的情况下,参考裸片不一定被调制。在晶片是FEM晶片的情况下,参考裸片可能被调制。
如上文所提及,针对针对目标裸片图像识别的关注图案中的每一者执行参考裸片图像的裸片内检验。针对关注图案中的每一者,执行参考裸片图像的裸片内检验以产生针对所述参考裸片图像的第二代表性图像。
第二代表性图像可为从具有关注图案的参考裸片图像中的位置收集的信号的集合(例如,逐像素平均值或逐像素中间值)。例如,裸片内检验可涉及:识别与目标裸片图像相关联的关注图案中的一者;识别参考裸片图像内的关注图案的所有例子(例如,跨参考裸片图像的所有条形区);产生针对所述例子的注意区域;将所述注意区域分组(例如,分组为与关注图案相关联的单一群组);从注意区域中的每一者收集信号;及集合所收集信号,其中所述集合信号是针对关注图案的第二代表性图像。这可对于针对目标裸片图像识别的关注图案中的每一者重复。以这种方式,可针对参考裸片图像内的每一不同关注图案产生单独第二代表性图像。
进一步来说,如操作406中所展示,比较目标裸片图像及参考裸片图像以产生至少一个差异图像。每一差异图像可指示目标裸片图像及参考裸片图像中具有不同信号的对应位置。在一个实施例中,可在不使用灵敏度阈值的情况下产生每一差异图像(即,可针对目标裸片图像及参考裸片图像中的对应位置之间的任何程度的差异产生差异图像)。
接着使用所产生的第一代表性图像中的每一者及所产生的第二代表性图像中的每一者校正所述至少一个差异图像,如操作408中所展示。如上文所提及,每一差异图像对应于目标裸片图像及参考裸片图像中具有差异的特定位置。因此可使用针对所述特定位置处的关注图案产生的第一代表性图像中的一者及第二代表性图像中的一者校正每一差异图像。
仅举例来说,校正差异图像可包含:针对关注图案中的每一者,获得针对关注图案产生的第一代表性图像与针对关注图案产生的第二代表性图像之间的代表性差异;及从与具有关注图案的位置相关联的差异图像减去所述代表性差异。
如操作410中所展示,接着使用所述经校正差异图像执行检测。使用至少一个经校正差异图像执行所述检测可包含将检测算法应用到所述至少一个经校正差异图像以检测目标裸片图像中的缺陷。
图5说明根据实施例的用于产生用于校正从目标裸片及参考裸片的比较所产生的差异图像的设置数据的方法500。可在上文相对于图3A及/或3B所描述的环境背景中实行方法500。例如,方法500可通过图3B的检验***305实行。上文描述及定义也可同样适用于本描述。
应注意,方法500可针对从晶片收集的目标裸片图像及参考裸片图像两者重复。如操作502中所展示,识别裸片图像中的关注图案。接着在裸片内识别关注图案的所有例子(例如,使用图案搜寻),如操作504中所展示。
接着产生针对所述例子的注意区域,如操作506中所展示。所述注意区域可为具有所述例子的位置处的最小可能区域。将所述注意区域分组,如操作508中所展示。换句话来说,所述注意区域可通过关注图案分组(例如,使用较大背景),且方法500可针对在裸片图像内所识别的每一额外关注图案重复(见决策510)。
图6说明根据实施例的用于使用设置数据来校正从目标裸片及参考裸片的比较所产生的差异图像的方法600。设置数据是使用图5的方法500产生的设置数据。同样,可在上文相对于图3A及/或3B所描述的环境背景中实行方法600。例如,方法600可通过图3B的检验***305实行。上文描述及定义也可同样适用于本描述。
如操作602中所展示,执行目标裸片-参考裸片检验且保存针对每一位置的差异图像。此检验可涉及比较目标裸片图像与参考裸片图像及针对不同的目标裸片图像/参考裸片图像之间的每一对应位置产生差异图像。
在操作604中,在属于每一群组的目标裸片图像内的所有注意区域中产生第一代表性图像。因此,针对每一关注图案,可针对目标裸片产生第一代表性图像。在操作606中,在属于每一群组的参考裸片图像内的所有注意区域中产生第二代表性图像。在这种情况下,对于每一关注图案,可针对参考裸片产生第二代表性图像。
进一步来说,如操作608中所展示,针对每一第一代表性图像,从所述第一代表性图像减去第二代表性图像的对应一者以产生代表性图像差异。因此,每一代表性图像差异可为针对相同关注图案的第一代表性图像与第二代表性图像之间的差异。
接着从对应的已保存差异图像减去代表性图像差异以产生经校正差异图像,如操作610中所展示。此操作可重复以校正每一差异图像。相较于从目标裸片图像及参考裸片图像的比较产生的差异图像,经校正差异图像可具有减小的噪声。例如,所述校正可使得临界尺寸变化及色彩改变从经校正差异图像移除。信号及定限接着可独立于调制进行。
同样,将检测算法应用到经校正差异图像,如操作612中所展示。所述检测算法可应用到所述经校正差异图像以检测目标裸片图像中的缺陷。例如,可使用经校正差异图像(例如量值、能量及峰度)来计算缺陷属性,且这些属性可用于发现离群位点及识别目标裸片中的可能故障。
将上述方法应用到PWQ晶片及FEM晶片上可能提供:(a)增加的灵敏度;(b)直观得多的调谐;(c)在一个测试中执行PWQ扫描且因此显著增加PWQ检验的处理量的能力。
进一步来说,这些方法可抑制主导信号的全局临界尺寸变化及色彩变化特别地对PWQ晶片、但较小程度上对FEM晶片及甚至非调制晶片的效应。全局临界尺寸变化的更完全减去允许捕获PWQ晶片上的***故障的局域性质的缺陷属性的更精确计算。此外,相较于仅裸片内检验,这些方法允许跨条形区组合来自整个裸片的图像,这是因为所述校正移除传感器校准问题及其它裸片中的***噪声。
这些上述方法还可用于热点发现(即,第一遍次PWQ检验)。在此实施例中,将需产生常规热检验,将需依两个尺度(热点尺度及较大背景尺度)执行基于设计的分组(DBG)。热点群组的后处理可接着遵循上述方法。此外,在光学器件选择器中暴露经校正差异图像连同噪声统计可用于模式选择。
虽然上文已描述各种实施例,但应了解,其仅通过实例呈现且非限制。因此,优选实施例的宽度及范围不应受限于任意上述示范性实施例,而应仅根据所附权利要求书及其等效物而界定。
Claims (20)
1.一种用于校正差异图像的方法,其包括:
执行目标裸片图像的裸片内检验以针对每一关注图案产生第一代表性图像;
执行参考裸片图像的裸片内检验以针对所述关注图案中的每一者产生第二代表性图像;
比较所述目标裸片图像及所述参考裸片图像以产生至少一个差异图像;
使用所述已产生的第一代表性图像中的每一者及所述已产生的第二代表性图像中的每一者校正所述至少一个差异图像;及
使用所述经校正差异图像执行检测。
2.根据权利要求1所述的方法,其进一步包括从检验***的收集器接收所述目标裸片图像及所述参考裸片图像。
3.根据权利要求1所述的方法,其中调制所述目标裸片及所述参考裸片中的至少一者。
4.根据权利要求1所述的方法,其中执行所述目标裸片图像的所述裸片内检验以针对每一关注图案产生所述第一代表性图像包含:
识别所述目标裸片图像内的关注图案,
识别所述目标裸片图像内的所述关注图案的所有例子,
创建针对所述例子的注意区域,
将所述注意区域分组,
从所述注意区域中的每一者收集信号,
集合所述信号以产生针对所述关注图案的所述第一代表性图像。
5.根据权利要求4所述的方法,其中集合所述信号包含从所述信号确定逐像素平均值。
6.根据权利要求4所述的方法,其中集合所述信号包含从所述信号确定逐像素中间值。
7.根据权利要求1所述的方法,其中执行所述参考裸片图像的所述裸片内检验以针对所述关注图案中的每一者产生所述第二代表性图像包含:
识别与所述目标裸片图像相关联的所述关注图案中的一者,
识别所述参考裸片图像内的所述关注图案的所有例子,
创建针对所述例子的注意区域,
将所述注意区域分组,
从所述注意区域中的每一者收集信号,
集合所述信号以产生针对所述关注图案的所述第二代表性图像。
8.根据权利要求1所述的方法,其中所述至少一个差异图像中的每一者指示所述目标裸片图像及所述参考裸片图像中具有不同信号的对应位置。
9.根据权利要求8所述的方法,其中在不使用灵敏度阈值的情况下产生所述至少一个差异图像。
10.根据权利要求1所述的方法,其中使用所述已产生的第一代表性图像中的每一者及所述已产生的第二代表性图像中的每一者校正所述至少一个差异图像包含,针对所述关注图案中的每一者:
获得针对所述关注图案产生的所述第一代表性图像与针对所述关注图案产生的所述第二代表性图像之间的代表性差异,及
从与具有所述关注图案的位置相关联的所述至少一个差异图像中的每一者减去所述代表性差异。
11.根据权利要求1所述的方法,其中使用所述至少一个经校正差异图像执行所述检测包含将检测算法应用到所述至少一个经校正差异图像以检测所述目标裸片图像中的缺陷。
12.根据权利要求1所述的方法,其中所述至少一个经校正差异图像具有相较于从所述目标裸片图像及所述参考裸片图像的所述比较已产生的所述至少一个差异图像减小的噪声。
13.一种具有呈现其上的计算机程序的非暂时性计算机可读媒体,所述计算机程序包含适于由处理器执行以执行方法的代码,所述方法包括:
执行目标裸片图像的裸片内检验以针对每一关注图案产生第一代表性图像;
执行参考裸片图像的裸片内检验以针对所述关注图案中的每一者产生第二代表性图像;
比较所述目标裸片图像及所述参考裸片图像以产生至少一个差异图像;
使用所述已产生的第一代表性图像中的每一者及所述已产生的第二代表性图像中的每一者校正所述至少一个差异图像;及
使用所述经校正差异图像执行检测。
14.根据权利要求13所述的非暂时性计算机可读媒体,其中执行所述目标裸片图像的所述裸片内检验以针对每一关注图案产生所述第一代表性图像包含:
识别所述目标裸片图像内的关注图案,
识别所述目标裸片图像内的所述关注图案的所有例子,
创建针对所述例子的注意区域,
将所述注意区域分组,
从所述注意区域中的每一者收集信号,
集合所述信号以产生针对所述关注图案的所述第一代表性图像。
15.根据权利要求13所述的非暂时性计算机可读媒体,其中执行所述参考裸片图像的所述裸片内检验以针对所述关注图案中的每一者产生所述第二代表性图像包含:
识别与所述目标裸片图像相关联的所述关注图案中的一者,
识别所述参考裸片图像内的所述关注图案的所有例子,
创建针对所述例子的注意区域,
将所述注意区域分组,
从所述注意区域中的每一者收集信号,
集合所述信号以产生针对所述关注图案的所述第二代表性图像。
16.根据权利要求13所述的非暂时性计算机可读媒体,其中使用所述所产生的第一代表性图像中的每一者及所述所产生的第二代表性图像中的每一者校正所述至少一个差异图像包含,针对所述关注图案中的每一者:
获得针对所述关注图案产生的所述第一代表性图像与针对所述关注图案产生的所述第二代表性图像之间的代表性差异,及
从与具有所述关注图案的位置相关联的所述至少一个差异图像中的每一者减去所述代表性差异。
17.一种检验***,其包括:
至少一个处理器,其用于:
执行目标裸片图像的裸片内检验以针对每一关注图案产生第一代表性图像;
执行参考裸片图像的裸片内检验以针对所述关注图案中的每一者产生第二代表性图像;
比较所述目标裸片图像及所述参考裸片图像以产生至少一个差异图像;
使用所述所产生的第一代表性图像中的每一者及所述所产生的第二代表性图像中的每一者校正所述至少一个差异图像;及
使用所述经校正差异图像执行检测。
18.根据权利要求17所述的检验***,其中执行所述目标裸片图像的所述裸片内检验以针对每一关注图案产生所述第一代表性图像包含:
识别所述目标裸片图像内的关注图案,
识别所述目标裸片图像内的所述关注图案的所有例子,
创建针对所述例子的注意区域,
将所述注意区域分组,
从所述注意区域中的每一者收集信号,
集合所述信号以产生针对所述关注图案的所述第一代表性图像。
19.根据权利要求17所述的检验***,其中执行所述参考裸片图像的所述裸片内检验以针对所述关注图案中的每一者产生所述第二代表性图像包含:
识别与所述目标裸片图像相关联的所述关注图案中的一者,
识别所述参考裸片图像内的所述关注图案的所有例子,
创建针对所述例子的注意区域,
将所述注意区域分组,
从所述注意区域中的每一者收集信号,
集合所述信号以产生针对所述关注图案的所述第二代表性图像。
20.根据权利要求17所述的检验***,其中使用所述已产生的第一代表性图像中的每一者及所述已产生的第二代表性图像中的每一者校正所述至少一个差异图像包含,针对所述关注图案中的每一者:
获得针对所述关注图案产生的所述第一代表性图像与针对所述关注图案产生的所述第二代表性图像之间的代表性差异,及
从与具有所述关注图案的位置相关联的所述至少一个差异图像中的每一者减去所述代表性差异。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662326684P | 2016-04-22 | 2016-04-22 | |
US62/326,684 | 2016-04-22 | ||
US15/373,930 | 2016-12-09 | ||
US15/373,930 US9984454B2 (en) | 2016-04-22 | 2016-12-09 | System, method and computer program product for correcting a difference image generated from a comparison of target and reference dies |
PCT/US2017/028985 WO2017185058A1 (en) | 2016-04-22 | 2017-04-21 | System, method and computer program product for correcting a difference image generated from a comparison of target and reference dies |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108885185A CN108885185A (zh) | 2018-11-23 |
CN108885185B true CN108885185B (zh) | 2020-03-27 |
Family
ID=60090307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780022581.0A Expired - Fee Related CN108885185B (zh) | 2016-04-22 | 2017-04-21 | 用于校正从目标裸片及参考裸片的比较所产生的差异图像的***、方法及计算机程序产品 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9984454B2 (zh) |
KR (1) | KR102170163B1 (zh) |
CN (1) | CN108885185B (zh) |
IL (1) | IL262170B (zh) |
TW (1) | TWI707416B (zh) |
WO (1) | WO2017185058A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10393671B2 (en) * | 2015-04-29 | 2019-08-27 | Kla-Tencor Corp. | Intra-die defect detection |
US11586939B2 (en) * | 2019-02-28 | 2023-02-21 | Entigenlogic Llc | Generating comparison information |
US11113827B2 (en) * | 2019-09-23 | 2021-09-07 | Kla Corporation | Pattern-to-design alignment for one-dimensional unique structures |
US11201074B2 (en) * | 2020-01-31 | 2021-12-14 | Kla Corporation | System and method for semiconductor device print check alignment |
US11803960B2 (en) * | 2020-08-12 | 2023-10-31 | Kla Corporation | Optical image contrast metric for optical target search |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7424146B2 (en) * | 2002-08-12 | 2008-09-09 | Hitachi High-Technologies Corporation | Defect inspection method |
CN104854677A (zh) * | 2012-10-15 | 2015-08-19 | 科磊股份有限公司 | 使用缺陷特定的信息检测晶片上的缺陷 |
CN104870984A (zh) * | 2012-11-12 | 2015-08-26 | 科磊股份有限公司 | 用于混合模式的晶片检验的方法及*** |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5917588A (en) * | 1996-11-04 | 1999-06-29 | Kla-Tencor Corporation | Automated specimen inspection system for and method of distinguishing features or anomalies under either bright field or dark field illumination |
US5854674A (en) * | 1997-05-29 | 1998-12-29 | Optical Specialties, Inc. | Method of high speed, high detection sensitivity inspection of repetitive and random specimen patterns |
US6392749B1 (en) * | 1997-09-22 | 2002-05-21 | Candela Instruments | High speed optical profilometer for measuring surface height variation |
US6902855B2 (en) | 2002-07-15 | 2005-06-07 | Kla-Tencor Technologies | Qualifying patterns, patterning processes, or patterning apparatus in the fabrication of microlithographic patterns |
JP4038442B2 (ja) * | 2003-02-28 | 2008-01-23 | 株式会社日立ハイテクノロジーズ | 外観検査用画像処理装置 |
JP4351522B2 (ja) * | 2003-11-28 | 2009-10-28 | 株式会社日立ハイテクノロジーズ | パターン欠陥検査装置およびパターン欠陥検査方法 |
JP2005308464A (ja) | 2004-04-20 | 2005-11-04 | Dainippon Screen Mfg Co Ltd | 欠陥検出装置および欠陥検出方法 |
US7729529B2 (en) | 2004-12-07 | 2010-06-01 | Kla-Tencor Technologies Corp. | Computer-implemented methods for detecting and/or sorting defects in a design pattern of a reticle |
JP3965189B2 (ja) * | 2005-03-24 | 2007-08-29 | アドバンスド・マスク・インスペクション・テクノロジー株式会社 | 画像補正方法 |
US7676077B2 (en) | 2005-11-18 | 2010-03-09 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US8213704B2 (en) | 2007-05-09 | 2012-07-03 | Kla-Tencor Corp. | Methods and systems for detecting defects in a reticle design pattern |
US7796804B2 (en) * | 2007-07-20 | 2010-09-14 | Kla-Tencor Corp. | Methods for generating a standard reference die for use in a die to standard reference die inspection and methods for inspecting a wafer |
US8126255B2 (en) | 2007-09-20 | 2012-02-28 | Kla-Tencor Corp. | Systems and methods for creating persistent data for a wafer and for using persistent data for inspection-related functions |
CN101918818A (zh) * | 2007-11-12 | 2010-12-15 | 麦克罗尼克激光***公司 | 检测图案误差的方法和装置 |
US8594823B2 (en) * | 2009-07-17 | 2013-11-26 | KLA—Tencor Corporation | Scanner performance comparison and matching using design and defect data |
US9390490B2 (en) * | 2010-01-05 | 2016-07-12 | Hitachi High-Technologies Corporation | Method and device for testing defect using SEM |
US8559001B2 (en) * | 2010-01-11 | 2013-10-15 | Kla-Tencor Corporation | Inspection guided overlay metrology |
US9953137B2 (en) * | 2012-07-06 | 2018-04-24 | Nant Holdings Ip, Llc | Healthcare analysis stream management |
WO2014149197A1 (en) * | 2013-02-01 | 2014-09-25 | Kla-Tencor Corporation | Detecting defects on a wafer using defect-specific and multi-channel information |
KR20140116009A (ko) * | 2013-03-21 | 2014-10-01 | 가부시키가이샤 에바라 세이사꾸쇼 | 검사 장치 및 검사용 화상 데이터의 생성 방법, 검사용 표시 장치, 결함 판별 방법 및 검사용 표시 프로그램이 기록된 기억 매체 |
US9766186B2 (en) * | 2014-08-27 | 2017-09-19 | Kla-Tencor Corp. | Array mode repeater detection |
US9766187B2 (en) | 2014-08-27 | 2017-09-19 | Kla-Tencor Corp. | Repeater detection |
US10393671B2 (en) * | 2015-04-29 | 2019-08-27 | Kla-Tencor Corp. | Intra-die defect detection |
-
2016
- 2016-12-09 US US15/373,930 patent/US9984454B2/en not_active Expired - Fee Related
-
2017
- 2017-04-21 KR KR1020187033742A patent/KR102170163B1/ko active IP Right Grant
- 2017-04-21 CN CN201780022581.0A patent/CN108885185B/zh not_active Expired - Fee Related
- 2017-04-21 WO PCT/US2017/028985 patent/WO2017185058A1/en active Application Filing
- 2017-04-24 TW TW106113672A patent/TWI707416B/zh not_active IP Right Cessation
-
2018
- 2018-10-07 IL IL262170A patent/IL262170B/en active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7424146B2 (en) * | 2002-08-12 | 2008-09-09 | Hitachi High-Technologies Corporation | Defect inspection method |
CN104854677A (zh) * | 2012-10-15 | 2015-08-19 | 科磊股份有限公司 | 使用缺陷特定的信息检测晶片上的缺陷 |
CN104870984A (zh) * | 2012-11-12 | 2015-08-26 | 科磊股份有限公司 | 用于混合模式的晶片检验的方法及*** |
Also Published As
Publication number | Publication date |
---|---|
US9984454B2 (en) | 2018-05-29 |
WO2017185058A1 (en) | 2017-10-26 |
IL262170B (en) | 2020-08-31 |
KR102170163B1 (ko) | 2020-10-26 |
TWI707416B (zh) | 2020-10-11 |
KR20180128509A (ko) | 2018-12-03 |
CN108885185A (zh) | 2018-11-23 |
TW201738985A (zh) | 2017-11-01 |
IL262170A (en) | 2018-11-29 |
US20170309007A1 (en) | 2017-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108885185B (zh) | 用于校正从目标裸片及参考裸片的比较所产生的差异图像的***、方法及计算机程序产品 | |
US9401016B2 (en) | Using high resolution full die image data for inspection | |
CN109074644B (zh) | 用于使用局部自适应阈值识别制造组件缺陷的***、方法及计算机程序产品 | |
CN110494741B (zh) | 用于从所制造组件识别的图案缺陷的***性及随机性表征的***、方法及计算机程序产品 | |
US11139216B2 (en) | System, method and non-transitory computer readable medium for tuning sensitivities of, and determining a process window for, a modulated wafer | |
US9940705B2 (en) | System, method and computer program product for detecting defects in a fabricated target component using consistent modulation for the target and reference components | |
CN108885409B (zh) | 用于检测多重图案化制造装置中与重叠相关的缺陷的设计感知***、方法及计算机程序产品 | |
US10475178B1 (en) | System, method and computer program product for inspecting a wafer using a film thickness map generated for the wafer |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200327 |