FR2717925A1 - Procédé d'identification de défauts lors de l'inspection de surfaces structurées. - Google Patents

Abstract

Selon l'invention, une classification des pixels, dans laquelle s'effectue un groupage de zones (A et B) d'une image enregistrée ayant des caractéristiques de point analogues, on produit à partir d'échantillons (1, 2) de l'image une image intermédiaire, contenant des niveaux de gris, des structures de bordures et d'angles et dans laquelle on va rechercher le comportement des caractéristiques de chaque pixel par rapport à celles des pixels voisins.

Description

PROCEDE D'IDENTIFICATION DE DEFAUTS LORS DE

L'INSPECTION DE SURFACES STRUCTUREES

L'invention concerne un procadé d identification de défauts lors de!'inspection de surfaces structurees, en particulier de masques d'affichages i cristaux 1 iquides, de plaquettes à circuit inmpr im et de disques de semi-conducteurs, à 1l'aid- de c ractéristiques de pixels spécifiques des scruc-.C:-es _ ds dfrauts, dans une image enregistrée par la surface, image pour laquelle, par classification des pixel, on effectue un groupage des zones de l'image ayant des pixels de caractéristiques analogues et, oar classification de structures, on recherche le comportement des caractéristiques d'un pixel, par

rapport à celles des pixels voisins.

La mise en oeuvre s'effectue principalement dans le contrôle statistique de processus dans les

0 processus de fabrication.

Pour effectuer une inspection automatisée de surfaces pourvues de structures, il existe toute une

série de procédés.

En principe ces procédés sont classés en: procédés à lumière dispersive, ou à exploration laser, procédés holographique et

procédés de traitement numérique d'image.

Concernant le traitement numérique d'image, il y a deux approches fondamentales pour résoudre un

problème d'inspection.

Une première variante repose sur une comparaison entre valeur de consigne et valeur réelle, trois méthodes différentes se rencontrant à nouveau

J;c ici.

1. Comparaison image-image: l'image de consigne est fournie par un échantillon ou ébauche

modul e.

2. Comparaison image-données: l'image de consigne va âtre rournie par une image synthétisée e partir d'un jeu provenant d'un système de conception

assistée par ordinateur.

3. Comparaison données-données la comparaison valeur de consigne- valeur réelle s'effectue sur la base des donnPées,enant du dispositif de conception assistee

par ordinateur.

Les principes fonctionnels des deux premières méthodes nécessitent selon la manière de procéder un positionnement extrêmement précis du support de S l'objet, d'avoir deux canaux d'image optoélectroniques absolument identiques ou bien, d'avoir une synthèse extrêmement exacte des images modèle, en prenant en compte toutes les propriétés physiques et techniques, y compris leurs tolérances, en commençant par l'illumnination sur l'objet, la représentation optique, la conversion du signal dans le capteur, le canal

analogique et en allant jusqu'à l'image virtuelle.

Dans le cas 3, faire l'analyse complète de l'image réelle est nécessaire, c'est-à-dire que lorsque ! l'on a un traitement d'image en temps réel, il faut maîtriser l'obtention d'une segmentation de l'image qui soit exempte de parasites, de façon sûre, d'une détection des bordures, d'une approximation des

éléments structurels et d'une description de la scène

également en temps réel.

Toutes les solutions mentionnées ci-dessus, à base de la comparaison valeur de consigne-valeur réelle, sont très coûteuses du fait des exigences techniques très élevées imposées à l'optique, au mécanisme de précision, à l'acquisition de l'état ainsi

qu' l'1électronique (générateur d'image de consigne).

Ces solutions ne pouvant être utilisées que pour des structures binaires (masques, afficheurs à cristaux liquides), pour des plans inférieurs de structuration de puces de procédé et pour la ccmpara.3 sn entre des structures répititives simples

entre l les.

Dans - les couches technologiquement supéri aures des puces, on s une variation des propriétés des couches et des bordures_ de structure.s ui teau 1' traita,en technologique par 1a superposition et le recouvrement, f isant que les incertitudes dans cette zone, lors de la comparaison entre va 1eur de consig ne

et valeur réelle, ne peuvent plus être maîtrisées.

Ceci se fait particulièrement remarquer en cas 1' de variation de 1'épaisseur de couche dans les différentes couches (elles mènent à des modifications des valeur? de gris ou à des modifications de couleur) et pour les tolérances de chevauchement. Toutes ces particularités technologiques rendent plus difficile une comparaison valeur de consigne-valeur réelle, ou la rendent impossible. A côté de cela, les couches en polysiliciun et métallisées se forment, à titre de zones structurées, avec des paramètres de modélisation statistique, de sorte qu'elles sont également

inaccessibles aux procédés comparatifs.

Des exemples de telles solutions sont décrits

dans les brevets cités ci-après.

Dans un procédé concernant la comparaison image-image, selon le DE 2508992, on effectue une comparaison d'une structure réelle avec une deuxième structure réelle au moyen de trajets de rayon optiques divisés. Les deux images peuvent également être mises en coincidence sous la forme d'une mae vid, 'image vido, l'image

une fois composée étant soumise à une évaluation.

Dans ce procédé, les erreurs de structure venant d ' une erreur imputablie au chevauchement des deux

images assemblées sont déterminées.

Dans un autre procédé, suivant DE 2700252, la structure examinée est explorée de Façon tramée à

1 'aide d'un rayon d'essai et décomposée en pixels.

L'image d'ensemble ainsi numérisée est fournie à une installatio n inf-ormatique dans laquelle la structure exoloréa esr_ coparée à une image de consigne, a une ! structure de cons icne ou à des rèoles de structure,

contenues da, s ue m;.moi re.

D3an la Ep 0426 132 est décrit un procédé combiné qui décrit, d'une part, la comparaison i ma3ge-image connue de façon général e entre deux objets de contrôlie voisins et, d'autre part, la comparaison image-image sur un objet à contrôler. Dans ce procédé on utilise le fait que, lorsque l'on a affaire à des classes déterminées de circuit à fort taux d'intégration (mémoires, matrices CCD et autres n20 capteurs à multi-éléments), les éléments structurels se réàptent à de nombreux exemplaires sur une puce électronique. D'autres exemples d'une comparaison valeur de consigne-valeur réelle sont décrits dans les brevets cités ci-après:

DE 3.336.470, DE 3.612.268, DE 3.714.011,

DE 4.136.830.

La deuxième variante utilise la particularité technologique, selon laquelle on part d'une identification des défauts, opérée à l'aide de leurs caractéristiques spécifiques et venant de parasites et d'écarts dans les paramètres des processus technologiques, de défauts du matériau, de la mauvaise qualité des produits auxiliaires, d'impuretés et de

D35 manque de régularité de la structure cristalline.

Cette détection directe des défauts vient largement a3 l'encontre de la comparaison valeur theorique-;a! cur de consigne, sans disposer d'une info-mrm.tion i mportante concernant la structure de consin.e, du f ait qu'ei!e part de certaines rè_les de base ou crt f c à 1 -a règl e concernant

!'id ntiFic_:i-on de l ' image.

De telles rég!es ou ecarts de règle sont e.eniel-men. le fait des caractéristicues de couleur e. d forme d la structr.:!'e de consigne ou bien de la

scuche de co;tigne ou bien du dàfaut.

LS n de ces procédéEs, qui est décrit dans le br evet DE 3.427.9E1, part du fait que, sur tout objet à contrô1er et doté d'une structure, on peut définir un espacement minimal de structure et qu'une pluralité des défauts existants sur 1 'objet à contrôler donne une indication quantitative qui est franchie, par exces ou Dar défaut ao ar leS inensions pmenssrédétermines d le structure. Dans le cas d'un contrôle automatique selon le brevet, une fentre de dimensionnement peut donrc être util isée, fenâtre dans laquelle une structure géométrique se trouvant au-dessous ou au-dessus des dimensions structurelles données est l'objet d'une

=.5 omesure.

Du fait de cette fenêtre de dimensionnement, on identifie alors seulement les éléments structurels qui se trouvent à l'intérieur de la fenàtre dimensionnelle prédéterminée et qui ne coïncident pas avec les

dimensions structurelles définies.

l! est désavantageux que, pour des plans de structuration supérieurs d'une puce, suite aux particularités technologiques, en particulier à la superposition de différents composants structurels, aucun espacement minimum ne puisse plus être défini et le procédé ne se trouve de ce fait être pertinent que

pour des structures binaires.

Le but de l'invention est de ce fait d'assurer une identification des défauts opérant indépendamment du nombre des pl ans de structuration, tout en prenant en compte!es caractéristiaues structurelles en temps arei sour 1 3 -sparation des défauts par rapport aux

structures sans défaut.

Selon 1 'invention, le probl!me est résolu, par un proc'dé d'identification de défauts lors de l'inscect ion de surfaces structures an particulier de !. m mesques, I e>ffichages a cristu iquides, de c l a.quet tes de circuit irprimé et de disques de sesmi-conducteurs, - 1 'aide de caractéristiques spécifiques de pixels des structures et des défauts d'une image enre qistre sur la surface, image pour laquelle on effectue par classification des pixels un groupage des zones de l'image ayant des caractéristiques de pixels analogues et par classificatiorn de structures on recherche le comportement des caractéristiques de chaque pixel par 23 rapport aux oixels voisins, par le fait que, dans 1a classification des pixels, on produit à partir de l'image enregistrée une image intermédiaire servant à la classification de structures contenant des niveaux

de gris. des structures de bordures et d'angles.

Avec la production de l'image intermédiaire à niveaux de gris, dans laquelle sont encore contenues des structures de bordures et d'angles, on opère une séparation importante, dans une pré-segmentation, entre les erreurs et les structures sans défaut, sans introduire des seuils, par le fait que la classification des pixels est réalisée sous forme de classification non-nette, que l'on appelle classification floue, dans le résultat de laquelle on n'a encore aucune image binaire ayant des propriétés de

séparation nettes.

Pour produire l'image intermédiaire, on décrit des distributions de caractéristiques de pixels, venant d'échantillons sélectionnés correspondant au mo ins au nombre de zones de surface sans défaut, mais présentant des caractéristiaues différentes, dans un premier espace de caractcristiques couvert par le nombre des

caracteristiques de pixels, en opérant une description

_ i'aide des probabilités qui, une fois transformées en niveaux de gris, constituent le contenu d une mémoire adressable pour rééval uer chaque caractéristique de pixel de l'imaqe enregistràe en un niveau de gris, les di st ibu t i ons de tous 2 s eéchantillons constituant une

d istribution d ensema'1 e.

Les résui tats de i'évaluation d'environnement rffectués selon au:r oins deux propriétés, non-corrClées entre elles, pour chaque pixel de l'image -5 intermédiaire. sont stockés sous forme binaire dans une deux i ème mémoire adressable, le stockage s'effectuant séparément en zones sans défaut et en zones à défauts, la dimension de la mémoire étant déterminée par un deuxième espace de caractéristiques couvert par le nombre des propriétés évaluées et la mise en mémoire correspondant à la distribution des propriétés de

chaque pixel dans l'espace de caractéristiques.

Pour effectuer le prélèvement d'échantillons conviennent tant 1 'image enregistrée qu'également les

contenus image déjà stockés en mémoire ou les deux.

Pour produire l'image intermédiaire peuvent servir, outre les échantillons de zones de surface exemptes de défaut, des échantillons supplémentaires de

zones de surface comportant des défauts.

Grâce au filtrage d'image opéré sur l'image intermédiaire à niveaux de gris et à la séparation nette effectuée subséquemment entre les zones à défauts et les zones sans défaut, on détecte tant des défauts de petite surface qu'également des défauts de grande

surface.

L'évaluation de l'environnement s'effectue avec au moins deux filtres, dont le noyau peut varier et :ant ds propriétés non1 corrélees, par suppression du bruit et miise en évidence dans des zones fermess en soi, sa trouvant a l'intérieur de l 'environneaent av a 1 u e I?,-'s a ta,3 ' aegux d' til iser une 3 i r e de fil tres d.nt l 'un est un fil tre passe-bas.. en particulier un filtra de Gauss, et l'autre un fil re ps'-e-b nd. r ortic.:1 ier un fiitre spot, dont le

noyau const itue i a d r iée seconde d'une fonction de G10 auss bidime sionneile.

Leas emo i aes 3dres abl es sonit av.3n t aeusemen t des abasl de recherche. On eut uitiliser comme ca ract r i stiques je pi xel s, tant les caractéristiques de coleur des pixels y comppis les niveaux de gris, qu également chaque pixel pour ses caractéristiques de

texture a.ssoc i Ces e son environnement.

D'autres informations à pl usieurs canaux concernant les pixels à examiner conviennent cependant

ég3al &ment.

I1 e't en outre avantageux que, en partant de différents domaines d'inspection, on sélectionne d'abord à partit d'un premier domaine d'inspection une partie d'image correspondant à la taille de l'image enregistrée en v-ue de déterminer le contenu de la première et de la deuxième mémoire, partie d'image dans laquelle les défauts identifiés servent de nouveau d'échantillons. l'applicabilité des résultats à au moins une partie d'image située dans au moins l'un des

autres domaines d'inspection étant vérifiée.

Les contenus de la première et de la deuxième mémoire qui représentent les premières caractéristiques d'image peuvent être les contenus d'une banque de données. Ceci vaut également pour des informations concernant les structures à examiner et les données

image des domaines sans défaut et avec défauts.

r1 faut se reporter en cas de besoin au contenu de I e banque de données, en particulier lorsque l'applicabilité des classificateurs doit être vérifiée ou- bien que des corrections doivent être effectuées sur

les cl a.ss ificart eurs.

Un exen;ple de réalisation de l'invention Va -.-.re ex<iqué 'F:D anP détails ci-après à l'aide du de sin ch,n3ti z.ue dans lequel: !a figur -! représente une image d'une surface ' sIstrlucterne, la figu re 2 représen rte la distribution des ni. eaU de ris de l'image de la figure 1, l3 figure 3 représente des histogrammes d'échantiiions sélectionnes, la figure 4 représente une distribution de probabilités des niveaux de gris pour des échantillons sàlectionnes è. piartir de la surface structurée, la figure 5 représente la distribution des niveaux de gris d'une image intermédiaire produite à O'.' partir de l'image de la figure 1, la figure 6 représente le contenu d'une table de recherche avec les nouvelles valeurs de gris, la figure 7 représente 1 'image intermédiaire à niveaux de gris produite, la figure O représente une méthode d'évaluation pour la détermination du comportement des caractéristiques du pixel par rapport aux pixels v o i s i ns, pour 1iminer les transitions de bordures et

d'angles et faire ressortir des micro-défauts.

la figure 9 est le résultat de la méthode d'évaluation de la figure 8, la figure 10 est une image des défauts comme résultat du procédé selon l'invention, la figure 11 est un schéma de circuit destiné à la mise en oeuvre du, procédé selon l'invention, 3 gure 1 2 est un miodèle pcur: une méthlode élargie destine àa déter, inaticr des contenus de la

oreni.re e- de! d euxià.e mémoire.

- nrtie d' iage représe;nt-,, - I 3 fila,:r: 1, S d1 sur3sc i n;ac._e r d u!,n disque de same -co rd.. _'.a u r. compor te tant des dom a ines sans dé3faut. se rsent 3nt ious la fo rce de 'tructui-es

dé nies A e- qu a; elaent -a n df -u. t C. ilncl'us.

idestii fi!.J !0 ' ',s:-e, i e.nfara, Oo r d--s raisos de ci T:! ification d, mode de -eprésent a on à Uns oa,- i' i' idnce ^Ui contie." seulement des infcrmations sous for.i de ni'veau:x de gris car les iages en coul urs ou textur es m;enat à des espaces de dimension superieure lors de l'évaluation. La disstritution de niveaux de ^-is de la oartie i, age de la uigre 2 contient pour ies valse rs de gris c vynnes 9 g, e, as g,. des maxima de niveaux de gris n, n.,et n, Dans le procdé selon 1 'invention dans i equel des criSères d'évalua3tionr doivent ê-re déterminés pour effecruer 'inspection proprement dite, on prend à par tir des structures A et B des échantillons désignés

par 1 et 2.

?5 Les caractéristiques de pixels sont des valeurs de gris dont ies distributions dans un premier espace monodimensionnei de caractéristiques sont représentées et qui donnent lors d'une obser,ation une distribution suivant une loi de Gauss. Des maxima de niveaux de gris nn et n., associes aux structures A et B, apparaissEnt

pour les valeurs de gris moyennes 9. et g,.

Pour ce qui concerne 1 'appartenance d'un pixel à une cl asse de zones sans defaut ou à des zones à défauts, on associe à chaque pixel, -a partir de la section d'image, une probabilité qui est proportionnelle à la densité estimée de la probabilité de la distribution des échantillons dans l'espace de car_3c:ri'sriues, qui prend 13 valeur 1 au centre de la

di s_tribut i,:..

CIn 03 _ent coma valeur quantitative de -'...-.cr:'once ds l distrC ib utiton c h i' e=- de n.i;2i s de -.-:-_.-.:A =.:. -anoroi33'. il ir_..(g) quIi e.st d -ermin e 2 / v e :.rs- -.:.:irj c,:._,c a a;- t a3 ari a,-1,c; . c a:. 13 t,is la

-,dis'r-b'.'-on de-" ni','.... d- gri d- ' asu. ci O..àos.

3r'Ftir de!. str:ucrtre A. 9= m3C-'iCre an31 ogue pour 13 probabilité P; ): ?,,'') = e-<.,-'2 / s,_, et por-: prob:bilité P(g d'appar enir ule uel conql.e de nes s3ans dfaut on 3 _

?>(g)i = i [1-P.d(g)] [-PCF,(g)].

Or; obtient de ce fait que des pixelsPxe ayant u.ne va!eur de gris qui correspond. soit 3 l3 valeur moyenne de la distribution de la structure A C.U de la distribution de la structure 3, se voient associés la

Kroba3bil ite 1.

Salon cette méthode tous les pixels, dont les r rocrietes sont très semblables à celles de l'une quel conque des zones sa3ns défaut, reçoivent des valeeurs de z-obabilité t e've,. La distribution résultante de

la probabilité est reorésentée sur ta figure 4.

Si l'on prend la fonction P(g) comme règle pour traduire les niveaux de gris de la partie d'image en nouveux ni ea.u:, de gris, les pixels dont les niveaux

de iris sont près de ceux des échantillons A et 3.

reaoivent selon le crocede selon l'invention des niveaux de gris élevés, qui vont an diminuant lorsque !'czrt de probab ilitJ augmente, de sorte qu'aux pixels ven3an du dé fus C sans devoir prendre connaissance de cei ti-c,,rem,ear. échantillon, sont affectas des nni.e3u. de glis r3ibies. Il est évideimment éga!ement Cos ible en dlus de déceler le défaut C de f. ron

"na3tive" p3r un échantiiionnaqe.

Le- nouvelles valeur-s de gris r résulter.- de ia - =., , 3 - y 5) d ans eq, -!ef.... es!e nonmbre total de

niveu, de gris possibles.

IJn pixel issu de la1 figure 1 ayant une valeur de gris g reçoit par conséquent la valeur de gris f_. Ceci vaut de rme pour O un oixel de 1 a figure 1 a/ant i va leur de gris g., Du fait qua de manière correspondante 2 la distribution ris niveau. de gris de

la figure 2 on a nil pixels avec les valeurs de gris g.

et n. pixel a.ec i- valeur de gris g9, on a (n, + n,)

pixels de valeurs de gris f.,...

Les n.. pixels de valeu,-rs de gris g-, qui décrivent les propriétés moyennes de la zone à défauts C sUr la figure 1, reçoivent la valeur de gris f= avec la relation f = f.. EP(g) + P(g) -(g)P, ()] Cet état de chose est représenté sur la figure 5. Les nouvelles valeurs de gris, produites par la re'valuation. des échantillons sont, commine représenté sur la figure 6, mises dans une mémoire adressable se présentant Scus la forme de table de recherche, de sorte qu'il est i présent possible de transférer la partie d'image en une image de probabilité se present3nt zous!3 Forme d'une im ige intermdiaire à

i, Lea:ux de gri. corr;espondent 2 la figure 7.

Cheque va3 1eur de qris fi. d'un pixel issu de fi ure 1 agent de coordonnées x, y active à cette in,'l L;-?,,,''nd i eij r +a: -' p s. e n 3.- n, 3 r qui e r es e n e vua 'e /'c:'i dera g:-iz corresoondn,-c dns i table de recner,-che. Lv3 1u. c rie? dgi sc _ cO.s rouv a;'l t can'a -:e!i,'! mE é mo;-e c.rrespondante est eent ionnee

a3,;: _n ce-or.0.donniées a, '-,. dans l' im3ge tr3nzf,nea.

_e. r 2b. de -.chece co ns it.ie un pemiei-

le,.-isze-,i co ei, = Pres 13e iie3t!on3 des o;i:.els. e_; .sifi.sa _ur -_ 'aide duquel on modifie -ot ablement lc contenu. i.,3ge de la ficure I. comme le inon;-:- é r fgi_:r. ' ? ^S*5 Le co ntenus des tables de recherche sont u,*_!Ii --.,_ s: pr i'intern diaire d'une rame lors d l 'insOecion, du fti des exiQences de temps réel Au woyen de 1 image intermédiaire produite, selon, le figure 7, on peut savoir naturellement direcrement si les critères d'évaluation déterminés de cette manin 'e et realises dans le classificateur corresoondent aux exigences imposées. Aucun des domaines sans défaut représentés sur 1a figure 1 ne !5 doit appar3ltre sombre dans 1 'image intermédiaire à niveaux: de gris et les structures de bordures et d'angles doivent encore être présentes. I1 est alors avantageux de pou-voir avoir également une simulation

par logiciel des tables de recherche.

Par application de valeurs de grisp on a quantifie les différents pixels pour ce qui concerne la probbil itàé pour indiquer s'ils appartiennent à une

zone sans défaut.

Indépendamment du nombre des zones sans défaut que contient une partie de l'image, l'image intermédiaire respective a, selon la première étape de traitement décrite jusqu'ici, toujours une distribution de niveaux de 9ris q.i est analogue celle de 1 3l On 3 a i ns i obtenu que, sans i n t roduc t i on de -seuil s., i distribution de niveaux de gris repr-sensèe r'5..:r!a figre 2 - oi _ r Jie en domaines à d.fau s es en

dom=ine: sens dfe ' t elon 1-0 figure 5.

L' ob eti o d 'i3mage in t ermed ai:-. S-uS c,'me de c- Iq::. 'on, pela im.e.sc de connaissance (des dom ai nesd - iage initi ale sont "con nu " ,oc.: -=-- i O c. i xtn C,,phase d cq ui;+ i cn GUn -:.' ?.-en:i-sz;e.:' a S 'l mit.e tinfo-mation co::: - :ent;'e /ieun. de r d' une im a c ccmme

rn-zr._sente dans cet exemple pour de. raisons de clarté.

On peut util ise: pour opérer la classification.

"=.'.nt 1es i;-iornm-tions de couleurs qu'également d'auitres inf rmetions couvrent un espace de car-actéristiques et concernant ies pr oprirés de texr ure ou bien de pixels,

cisins i,.sd ons une zone.

A 'aide de 1 'imae inter m..diaire de la figu e 3 7, on voit que le problème d'identification des défauts i est p 3as encore rrésolu une fois conduite cette

pt'emiere tta Pe du proctdé.

Naturel lement se produisent dans 3la zone de transition entre la zone A la3 zone B, aux bordures, des valeurs de gris qui passent dans la zone de défauts de l'espace de caractéristiques. I1 est produit en plus sur la figure 7 une structure D. De même nature sont les conditions rencontrées lors d'une classification par couleur ou par texture, lors de laquelle se produisent du fait des effets de réfraction et d'interférence lors de la représentation de bordures de structure des courbures d'image inevitables qui perturbent notablement l'évaluation des couleurs. Dans les zones de bordures il y a modification des proportions entre les couleurs, en fonction de l' état de focalisation, des conditions de contraste et des différences de niveaux entre couches i imitrophe., cette meodification:étant si forte et si ccmnle<e,-u'une simple détection de défauts. 1 'aide le!= e-ssifr;ication effectuee par pixels de couleurs, mar e de,-ux de pseudc-défauts not-abl s d cs es E - ones de bo;-dures En c.-", le _ coistartatiJn de;nicro-dauts, -e'_-entes,-,,r^ -r d'un objet E ponct uel s, r l igre 7, est - ritiue p3rce que leurs tenidues e -it.ert d- ''o;d-- de grandeur di la 3.ar eu rdes

*'_ -3-ii ' iions entre _ord..res [.

C': o! _c * 'O'_ UO '. lor - d 'ui dauxiè,e étoe dc rement 'environnenent loc3al des oixeis de 'ima3e rnierm diaire va _tre analys a araement qu-ant aux caracteristiques des structures sans défaut et 3

= défauts.

Coccma le montreOnt la figure 3, on opère oour cetse an va e une explcration tram e de l image interrdia3ire qui est désignée par 11, selon un mode d:cnaly se par cixel asvec une "fenêtre" 12. Le résultat ast que ie partie as locale as présentes sont évaluées quant à lciur c.n tenu image, tent avec un filtre 13 qu' égal ement avec un filtre 14, leas deux filtres ayant des propriétés non-corrélées entre elles. Les résultats de i 'v31auation sont représentés sous la forme d'une réponse de filtre 1 et d'une réponse de filtre 2, sous form de de deux coordonnées dans un espace de caractéristiques bidimensionnelles, ceci pour chaque pixel, donnant un point M. Il est produit des nuages de points, des 0 domaines locaux présentant des propriétés identiques par rapport aux filtres 13 et 14, constituant des zones d'accumulation dans l'espace de caractéristiques sans

association locale dans l'image intermédiaire.

L'utilisation d'un filtre de Gauss pour le fil tre 13 pour supprimer le bruit et d'un filtre spot p,,ur le filtre 14, dont le noyau constitue la dériv ée secorinde d'une fonction de Gauss bidimensionnelle, pour faire,-essorir des zones farmees en soi nicro-d;. faLuts) se -rouvant à I 'intérieur de

-'e viron;-e,en..'alué, s'av.re ' vanta3euse.

r;-- utili 'n o n on obtient ue -e n,'ag. dD p oints a ?-. ores,:.espte de

c,;';:-,;.i,,.o,,nre; e;sant, su;- 1 -2igu;e ?o.

Les o ne s -a I et d d-"' z A e,_S de la,. :rc 1, cr--s'-,dem'. zone- F de: fil.'re ', se.réss.tent o- H. 1Mt-:'i,. col- 3ii.c--eE: d 3,1; 'l n *.s:3, de --, jiF *ó^,--,es "- 'CtU'i'es Dm SO'"* formle,ie nul2,'3 d-2 3 ^i.... lu;s,;-s:,imli;m,, nvdiete L,--^- ua,_a''- de :i.r2!, dc.-:o;.es, ndfauts C et E sont dcZsignnes p3;r 17

2et_. .

Selon les oropriétés des défauts et les taux de *c fa -.se 3aarme admissib!e, il est n.atrellemens aoalemrent oossqtle d'util iser un nombre plus élevé de r!l-res d:'' 2utre t'-pe, tel-s que par exemple des -t [:-as pas- bs-,as passe-bandes et passe-hauts, an roncticn dc la direction, le nombre de filtres étant ^rj celui des espaces de caractéristiques de dimension plus éleé,, correspocndants. Il faut obtenir que les dfauts _.erchs 'soient representés aussi éloignés que possible des nuanes de points des zones sans défaut dans

l'espace de caractéristiques.

Comme le montre la figure 9, gràce à l'utilisation des filtres 13 et 11, on obtient une séparation suffisante entre les zones sans defaut et les -ones 3 défauts, de sorte qu'a présent, par introduction de seuils 19. 20 ou d'une fonction de séparation 21, on peut obtenir une séparation binaire en.re les zone. sans défaut et les zones à défauts. Le resulsat va constituer le contenu d'une deuxiàme mémoire programmable, e présent bidimensionnelle, se

présentant sous la forme d'une table de recherche.

L'optimisation des valeurs de seuils peut se faire, soit à l'aide d'un contrdle du résultat sur un

ecran, soit à i'aide d'un aioorithme d'apprentissage.

O0n peur util iser comme 1a 3orithme d'a prrentissag e avantageusement un classificateur de volsin iî,moédiat, un r seau à prooagation inverse ou

bien un c ss iicateu-r de probabil it maximale. Ceci est arricul irement avatageux lo squ e cn a a-aire ú dis sti-uctures

plus com ln xe dans e -'s.ace de caraté_ristiques et dont lat s2par3tion ne pe t. s e' rctuer qu '- ' aidr d une fonction de

À;.sooar.ion no n-l naa re e.

_3 i:.,'< i ème mém e meunoe con-ti tU2 '.dn d.t:xim ie c! s;;ii,_- te: 1 'a Ui2.s duquel, i'ia 3ge intermndiaire

est t.=-. sf bie dans une inmage à d f-uts binaris e.

Com,.e sur a figure 10 et dans laquelle res e encore 1 es df.uts C eCt D. Dans a dispocsition représentée sur la figure 1'. lors dni 'inspection de s:urfaces struct rees. on raccorde.:un cremier ci assificateur <L1, réal isé sous fori-e de tbr:a e Je recherche en un composant de type RAM, a une premiere entrée de laquelle on a une image se orésentant en mode point, le raccordement se faisant par ses sortie de signaux aux entrées de deux tampoins de 1 icne P1 et:22. Tandis que le tampon de 1 igne ZPi est rel ié côtê sortie à un fil tre de Gauss GF, il y a pour e tmpon de l amo de igne 22 une liaison à un filtre spot SPF, dont le noyau constitue la dérivée seconde d'une fonction de Gauss bidimensionnelle. Enfin, chaque fil tre GF, SPF est raccordé à une entrée d'un deuxième classificateur KL2 réalisé sous forme de table de

recherche bidimensionnelle.

L' image se présentant en mode point sert à a3dresser, a titre de signal d'entrée 81, par l'intermédiaire du premier classificateur KLI, dont les entrées de t3bl e de recherche correspondent aprs la ph ase d'aprentissage à 1 a fonction f(g), un signal de sortie B2 po ur effectuer le transfert de 1 ' image arriv-nte an i 'image intermédiaire. Le signal de sortie 82 est donné, tant sur le tampon de ligne 'P1 q:'eg3a1.net:ur la tamocn de ligne ?2?, qui,eill2nt a ce cue 1-2 i,,e' r:epectif ct sGn envircnnement scisnt n'] F:3;1,1n.2.nFt 'r-2nsrni. t; f tfi.e ' et "? F. Les r--ons, d fi.e 'c! t, des t; rss -C et Si.'F adrcs e-,-t " tit-._ ce signaux de.3ortie,.-t 31 C '.:..'!nJ cie'3ific3ei;,- XL?. De ce F.i. o: c:t'.;: un sig;ln d sor.ie 3c qui conien I ' im3 e d défa,:ts

coi;'-esjondant;' 12 fi Era 10.

_ e., p^-ut..;."_r:u '.; 1,.. 0,.:;-13 :-'2-z ".2'.;O zui- Ui; u onirn.;.,' ou O'c- sr_.3,nlen' ur -.CFur -'o.:Fr. L, _......-:...-. ''s,-; i;]e d di-.:ce!t F a j; - ée rnc'-emet corrc.-ondaicet e1. figu:-e I1 car metd'eectue.n ddtec.ion de déf3uts opàrant

p;-_-pas e c dence d 1a itesse d'en sistrement.

Dan-isa p oh. d i sp r - pp - ci ans la phass d:T inspection on peut présent fect er;:n e:.p1 oaion -trasme a,, anière d'un - a e ad'i sp i] ,àc n.s e amp image dds..... es d'insp ection sélectionnés. en trava3illent n.id - cen temps réel, cheaue ch-mp d'imae qui eS _ du:.:ne taille de par exemple 12 52- 1 :p,<xelsatan: a.alue en mode point par les deux cl as. fica:eurs. I1 an rdsul te pour ch3que chamo image une liste de dafaut s a.'ec leurs coordonnées, d' o l'on

pceut déterminer une fréquence de défauts.

A 'aid e de a figure 12, on doit décrire une méthode élargie pour déterminer les contenus de la première et de la deuxième mémoire lorsque la structure à inspecter ne peut étre appréhendée par

1 'enregistrement d'ima e.

A pa 3 rtirde deux domaines d'inspection IG1. IG12. on sélectionne deux sections d'image BA1, BA2 comme domaines de test et contenant chacune deux r3al isations d'une stru-cture a examiner. Tandis que la taille de-s domaines de test correspond la1 taille d'une image enregicstre, la taille du domaine

d'inspection n'est pas limitee.

A l'aide da la section d'imag3eSA1, on dotermine cocme déjà dâcrit le contenu dc la première

et de la deuxi me mmo ire.

rui", ile.ioma ne a. -aect ion IJ1 est enri 2e.et t:ri- d. les1 d fauts éenr_ t ppi-prhendèz avec

u'ns c ordon n;ée- dans ie s daine inspec ion I G1.

ci..,.o r-; d 8 drs Si 1 'du,,t,,, _u.es qu-def u. sont des occ'_. Cree ? 3o;1 e:, au c eCn 'l d'une.v 3 1:.3 t'i n di sct^d. d = itsidentifies efrectuer le c=s c é3cit uie co;;:rct- n du con t'e;,!.amoire. On oeut . r Ferscc',u n recherche de df-au's dans ie domaine d' inszec:ion 10' et dans d'autres domaines

i de nat i oue.

La section d' image3A2 sert à vérifier la a i iditté des contenus manair r e, ayant été obtenus pour le domine d' i sp ection iG1, oour s avoir s ' ils v 31i ent c.our le domaine d'inspection To 2 en opérant par une

co.n:araiso;a des c3racteristiques de structure.

R E VE IN D I C A T I O M S

rroc.-.dc d'identification de d fauts lors de ' ins.ectici- de suace srace tructurées, en Z articul ier de -3^- s.U--, d'af-icP, es cr - i stau.' 1 iquid.l --. de C i,-CUi- imp imret de ?1 aq'es de semi-conducteurs, s 1 'aide de ceractériîsiques s-cîri 'icues ce zi;<el, des structures et des défauts, dVnte imece rr,-e],ls' ee sur 1 = surfoce i m3ge pour g:r,...e d=_,ctes dc ' rimage 3vy3t des ca;- =ct ristiQ -e 4-ei;,el s=;qaloz,.:es c ie ie -ixel;3n310.il eet, p3 c3 sricat ion e s ucu, res, on rec-he rch e E comport ement des caractéristiques de chaque pixel, par r3apport a x 1 pixels voisins, carictrise en ce que, dans la classification de pixels on produit à partir de i 'mae errei stré un re ima3ge in Termédiai3e servant 1a c 1 as sifi E ation de structures con tenant des ni veaux de cris, des st ructures de bordures et d angl es Proc.dé selon la revendication 1 car3ctErise en ce que, pour produire l'image in re r,.-médi ai re, on effectue 1 a descriotion d'channtillcns sélectionnés, correspondant au moins au nomore de zones de surface sans défaut mais présentant 2 des caracteristiques différentes, dans un premier espace de caractéristiques couvert par le nombre des caractéristiques de pixels, en faisant intervenir les probabil itcs, qui, une fois transformées en niveaux de gris, constitu ent le cantenu d'une mémoire adressable 0 pour requantifier chaque caractéristique de p i xels de 1 'image enregistre en un niveau de gris, les distributions de tous les échantillons constituant une distribution d'ensemble, et en ce que les résul tats de 1 'évaluation 2E correspondent à une évaluation d'environnement effectulje selon au moins deux propriétés, non corrélées entre elles pour chaque pixel de ' 'image intermédiaire, sO,?: cl 3cs a i dans -n de >ne mà moire adra sabl e, de fas n binaire, en zones sans défaut et en zone à daaut, spa3rimenit,!a dimension de la m-mJoire étant dézer i niec:ar un deu:' ime espace de car-actéristique pa!e nodmau,-. des orop- a tés évaluée.a et le ci.cema',:_ d -- la mémoire correspondan, 3 la disribu:tion des orsorietes de chaque pixel dans

1es.ace fie Oc.-actéristlu.es.

ocedû..-selon,; a1 r.-endica ion 2, *_---.. !.-o ' È- - c: les, échantil]on: sont c--e-lc.vs de

1';. -:-,

ia.ne an,-ec-is:,-o^ et.noédé seloa; a revenci ca3 tion 2, ca,, c._ r-;. en ce aue las échantillons sont preie, s de

cont enus image stockés en mémoire.

5. Procédé salon la revendication 2.

caracterisé an ca que les échantillons sont prélevés t.nt de l'i mag3 enregistrée qu'égal ement des contenus

image s'ocrés sn mémoire.

P rocé_dé salon la revendication 3, q ou , caractéris,- en ce Lue, outre les échantillons de zone de surface sans défaut des échantillons suzoplémentaires de zones de surfaces à défauts servent

à la3 production de l'image intermédiaire.

7. Procédé selon 1 'une quelconque des

revendications a,, 5 et 6, caractérisé en ce que

l'évaluation d'environnement s'effectue avec au moins deux filtras dont le noyau peut varier et ayant des propriétés non corrélées, par suppression du bruit et mise en evidence de zones fermées en soi et situées

dans les limnites de l'environnement évalu,é.

8. Procédé selon la revendication 7, caractérisé en ce qu'est utilisée une paire de filtres, dont l'un est un filtre passe-bas et l'autre un filtre p.=asse-bande. 59. Procéde selon la revendication 3, caractérisé en ce que le filtre passe-bas est un filtre de Gauss et le filtre passe-bande un filtre spot, dont le noyau3 constirue a13 dà-ivee seconde d'une fonction de

Cus bidilensionnelle.

1'. ? roc.da selon la3 revendication 9, cr2t ros: 7n ce qu on uti ise comnMe mmoire

_=d.-s.s'oe -e Saie dJr rec, ar che.

11. 2rscédéE s--el On 1 revendication 10 car-ct:-is 2n ce Cue 3c3,-actrisr.iques- de couleur

i--:-:: t de cr.acteristique? de pixels.

1-. ?rocd. selon l a revendication iU, 1!rt s,Og-,-_ci -r_. -.'.e C": les cr'act- 'stiqes d_ teiture _-; ---- ';,c3:1q;. ei>e 3: ao oyen de son,env,'.-o;rne.ent

se.a;nt d 2 u.0.cr..:istiques de pixe s.

1..., ocd selo;' laO ra, vendiccion 1û ou 11, c.octeris ern n ce qu'en partant de différents domaines 1' d'in -cec.ion, on sélectionne d'abord à partir d'un -e: ierdomrine d'inspection une partie d'image correspond3nt 1 3 taille de l'image enregistree ean rue d:terminer le contenu de 1a premièire et de la1 dea:i.ie,rnmo ire, partie d'image dans laquelle les o'v! drfauts iiden,-tifies servent de nouveau d'échantillons, acpplicabiiité des résultats à au mto ins une partie d'im3age située dans au moins l 'un des autres domaines

d'inspection étant vérifiée.

14. Procédé selon la revendication 2 ou 13, 3car3ctérisé en ce que tant les contenus de la première et de la deuxième mémoire, qui représentent des primitives caractéristiques d'image, ainsi qu' également des informations concernant les structures à examiner,

sont les contenus d'une banque de données.