JP2000194864A - パタ―ン欠陥分類装置 - Google Patents
パタ―ン欠陥分類装置Info
- Publication number
- JP2000194864A JP2000194864A JP10374715A JP37471598A JP2000194864A JP 2000194864 A JP2000194864 A JP 2000194864A JP 10374715 A JP10374715 A JP 10374715A JP 37471598 A JP37471598 A JP 37471598A JP 2000194864 A JP2000194864 A JP 2000194864A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- image
- defect
- model
- area
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Image Processing (AREA)
Abstract
が有る場合に、その欠陥がショート(短絡)、オープン
(断線)、または異物付着の欠陥(ダスト)であるか否
かを自動的に判別すること。 【解決手段】 欠陥部分を含む所定範囲の被検査体画像
から前記所定パターンの領域を形成する要素が実際に形
成するパターンのみを抽出した画像である被検査体パタ
ーン抽出画像を記憶する被検査体パターン抽出画像記憶
装置CM1cと、前記被検査体パターン抽出画像を作成抽
出した被検査体表面の画像部分に対応するモデル画像か
ら前記所定パターン領域のみを抽出した画像であるモデ
ルパターン抽出画像を記憶するモデルパターン抽出画像
記憶装置CM2cと、前記被検査体パターン抽出画像と前
記モデルパターン抽出画像とに基づいて前記被検査体欠
陥部のパターン欠陥の種類を自動的に判別するパターン
欠陥自動判別手段C3とを備えた欠陥分類装置。
Description
において、所定パターンが形成されたシリコンウエハー
等の被検査ウエハ表面またはマスク表面に生じた欠陥を
検査するパターン欠陥分類装置に関し、特に、前記被検
査ウエハ表面の欠陥が前記所定パターンにどのような種
類の異常を発生させる欠陥であるかを自動的に判別でき
るようにしたパターン欠陥分類装置に関する。
前記LSIの製造過程における欠陥検査にSEM(走査
型電子顕微鏡)が用いられるようになった。また、SE
Mで撮像した電子顕微鏡画像を元に、欠陥の種類を分類
し、分類結果を用いて様々な解析が試みられるようにな
った。
1)が知られている。 (J01)特開平10−135288号公報記載の技術 この公報には、被検査ウエハ表面の欠陥を検査して、欠
陥の形状、大きさ等に応じて前記欠陥を分類し、その被
検査ウエハ表面の欠陥の形状、大きさ、位置等の情報
と、前記欠陥のSEM画像(走査電子顕微鏡画像)とを
データベース化して記憶する欠陥分類装置が記載されて
いる。
点)しかしながら、前記従来技術(J01)には、パター
ン欠陥の種類を自動的に判別する技術については記載さ
れていない。LSI等の製造過程では、配線パターン等
が形成されたシリコンウエハー表面の欠陥検査が行われ
るが、前記配線パターンの欠陥がオープン(断線)であ
るかまたはショート(短絡)であるかが自動的に判別で
きれば、配線パターンの欠陥発生の原因の解明や欠陥発
生の防止を容易に行えるようになると考えられる。前記
配線パターンの欠陥がオープン(断線)であるかまたは
ショート(短絡)であるかは、前記配線パターンの実パ
ターン(実際に形成されたパターン形状)を検出し、前
記実パターンを前記配線パターンの所定パターン(定め
られたパターン形状)と比較することにより、自動的に
判別できるようになる。したがって、前記配線パターン
の欠陥がオープン(断線)であるかまたはショート(短
絡)であるかを自動的に判別するためには、前記配線パ
ターンの実パターン(実際に形成されたパターン形状)
を知る必要がある。
内容(O01)〜(O04)を課題とする。 (O01)表面に所定パターンが形成された被検査体表面
に欠陥が有る場合に、その欠陥が前記所定パターンのシ
ョート(短絡)を引き起こす欠陥であるか否かを自動的
に判別できるようにすること。 (O02)表面に所定パターンが形成された被検査体表面
に欠陥が有る場合に、その欠陥が前記所定パターンのオ
ープン(断線)を引き起こす欠陥であるか否かを自動的
に判別できるようにすること。 (O03)欠陥領域のパターン欠陥の種類が異物付着の欠
陥(ダスト)であるか否かを自動的に判別すること。 (O04)表面に所定パターンが形成された被検査体表面
に欠陥が有る場合に、前記欠陥が有る部分の被検査体表
面上に前記所定パターンを形成すべき要素が実際に形成
しているパターン(すなわち、実パターン)を抽出する
こと。
た本発明を説明するが、本発明の説明において本発明の
構成要素の後に付記したカッコ内の符号は、本発明の構
成要素に対応する後述の実施例の構成要素の符号であ
る。なお、本発明を後述の実施例の構成要素の符号と対
応させて説明する理由は、本発明の理解を容易にするた
めであり、本発明の範囲を実施例に限定するためではな
い。
発明のパターン欠陥分類装置は、下記の要件を備えたこ
とを特徴とする、(A01)所定パターンを形成すべき要
素が実際に形成された被検査体表面に対して予め行った
検査で発見された欠陥領域の画像を含む被検査体画像を
記憶する被検査体画像記憶装置(CM1a)と、前記被検
査体表面の欠陥領域の位置を含む被検査体欠陥情報を記
憶した被検査体欠陥情報記憶装置(CM1b)と、前記欠
陥領域を含む所定範囲の被検査体画像から前記所定パタ
ーンの領域を形成する要素が実際に形成するパターンの
みを抽出した画像の外形の特定が可能な被検査体パター
ン抽出画像を記憶する被検査体パターン抽出画像記憶装
置(CM1c)とを有する被検査体情報記憶装置(CM
1)、(A02)前記被検査体パターン抽出画像を作成抽
出した被検査体表面の画像部分に対応するモデル画像か
ら前記所定パターン領域のみを抽出した画像の外形の特
定が可能なモデルパターン抽出画像を記憶するモデルパ
ターン抽出画像記憶装置(CM2c)、(A03)前記被検
査体パターン抽出画像と前記モデルパターン抽出画像と
に基づいて前記被検査体表面の欠陥領域のパターン欠陥
の種類を自動的に判別するパターン欠陥自動判別手段
(C3)。
の欠陥検査の目的で前記「被検査体表面の画像部分」と
比較するために使用する画像を意味する。例えば前記
「被検査体」が被検査ウエハ上の1個のチップである場
合には、前記「モデル画像」として次の画像を使用する
ことが可能である。 (1)検査するチップと同一形状のチップであって、予
め検査して欠陥が無いことが分かっているチップの画
像。 (2)ウエハ上に複数形成されたチップの中のいずれか
1個のチップを検査する場合、前記検査するチップの隣
のチップの画像。 前記(1),(2)のいずれの場合においても、被検査
体表面の画像部分に前記モデル画像と異なる部分が有れ
ば、その部分を欠陥と見なしてパターン欠陥分類を行う
ことができる。
(CM1c)が記憶する「被検査体パターン抽出画像」
は、抽出した画像そのもの、または抽出した画像の外形
を特定可能なデータを意味するものとする。前記モデル
パターン抽出画像記憶装置(CM2c)が記憶する「モデ
ルパターン抽出画像」は、抽出した画像そのもの、また
は抽出した画像の外形を特定可能なデータを意味するも
のとする。
て、被検査体としてはウエハ、ウエハ上のチップ、また
は露光用のマスク等を使用可能である。また、被検査体
画像およびモデル画像は光学顕微鏡またはSEM(走査
型電子顕微鏡)等で撮像した画像を使用することができ
る。例えば、被検査体が被検査ウエハであり、SEMで
撮像した画像を被検査体画像またはモデル画像として使
用する場合、被検査体画像は被検査ウエハSEM画像で
あり、被検査体画像記憶装置(CM1a)は、被検査ウエ
ハSEM画像記憶装置である。また、モデル画像はモデ
ルウエハSEM画像であり、モデル画像記憶装置(CM
2a)はモデルウエハSEM画像記憶装置である。また、
パターン欠陥分類装置は、光学顕微鏡またはSEM等の
制御コンピュータや、前記制御コンピュータにネットワ
ークで接続されたネットワーク接続コンピュータ等によ
り構成することが可能である。
ピュータにより構成した場合には、前記パターン欠陥分
類装置は、前記被検査体画像またはモデル画像等を作成
する機能を持つことができる。その場合、前記欠陥パタ
ーン分類装置は、次の手段を有するように構成すること
ができる。 (1)被検査体画像作成手段(被検査体表面に対して予
め行った検査で発見された欠陥領域の画像を含む被検査
体画像を作成する手段)(C0a)。 (2)被検査ウエハ欠陥情報作成手段(前記欠陥領域の
詳細検査を行い、詳細検査結果(欠陥領域を含む所定領
域内の、欠陥の位置、形状、大きさ、欠陥のID番号
等)を記憶装置に記憶させる手段)(C0b)。 (3)モデル画像作成手段(被検査体と同一の所定パタ
ーンが形成された欠陥の無いモデル表面の画像を作成す
る手段)(C0c)。前記パターン欠陥分類装置を前記ネ
ットワーク接続コンピュータ(DIFSサーバ等の欠陥
情報分類、蓄積用のコンピュータ)により構成した場合
には、前記パターン欠陥分類装置は、前記(1),
(2)の機能を持つことができないので、前記被検査体
画像およびモデル画像をネットワークを介して受信して
記憶する手段を有するように構成することができる。
パターン欠陥分類装置を前記ネットワーク接続コンピュ
ータまたは前記制御コンピュータのどちらで構成した場
合でも、前記パターン欠陥分類装置に持たせることが可
能である。 (4)被検査体パターン抽出画像作成手段(前記欠陥領
域を含む所定範囲の被検査体画像から前記所定パターン
の領域を形成する要素が実際に形成するパターンのみを
抽出した画像の外形の特定が可能な被検査体パターン抽
出画像を作成する手段)(C1a)。 (5)モデルパターン抽出画像作成手段(被検査体パタ
ーン抽出画像を作成抽出した被検査体表面の画像部分に
対応するモデル画像から前記所定パターン領域のみを抽
出した画像の外形の特定が可能なモデルパターン抽出画
像を作成する手段)(C2b)。 (6)欠陥領域抽出画像作成手段(被検査体画像から欠
陥領域のみを抽出した画像の外形を特定する欠陥領域抽
出画像を作成する手段)(C1b)。例えば、パターン欠
陥分類装置を前記ネットワーク接続コンピュータで構成
した場合、前記パターン欠陥分類装置は、前記手段
(3)〜(5)の機能を省略して、その代わりにに、前
記手段(3)〜(5)の機能を有するコンピュータで作
成された被検査体パターン抽出画像、モデルパターン抽
出画像、および欠陥領域抽出画像を受信して記憶する手
段を設けることが可能である。
のパターン欠陥分類装置では、被検査ウエハ情報記憶装
置(CM1)は、被検査体画像記憶装置(CM1a)と被
検査体欠陥情報記憶装置(CM1b)と被検査体パターン
抽出画像記憶装置(CM1c)とを有する。前記被検査体
画像記憶装置(CM1a)は、所定パターンを形成すべき
要素が実際に形成された被検査体表面を走査型電子顕微
鏡または光学顕微鏡等で撮像した画像である被検査体画
像であって予め行った検査で発見された表面欠陥領域を
含む前記被検査体画像を記憶する。前記被検査体欠陥情
報記憶装置(CM1b)は、前記被検査体表面の欠陥領域
の位置を含む被検査体欠陥情報を記憶する。被検査体パ
ターン抽出画像記憶装置(CM1c)は、前記欠陥領域を
含む所定範囲の被検査体画像から前記所定パターンの領
域を形成する要素が実際に形成するパターンのみを抽出
した画像の外形の特定が可能な被検査体パターン抽出画
像を記憶する。
ターン抽出画像記憶装置(CM2c)は、前記被検査体パ
ターン抽出画像を作成抽出した被検査体表面の画像部分
に対応するモデル画像から前記所定パターン領域のみを
抽出した画像の外形の特定が可能なモデルパターン抽出
画像を記憶する。なお、前記被検査体パターン抽出画像
およびモデルパターン抽出画像は他の装置(被検査体検
査用の光学顕微鏡またはSEM(走査型電子顕微鏡)
等)により作成した画像をネットワークで受信して記憶
したり、パターン欠陥分類装置自身が作成して記憶した
りすることが可能である。パターン欠陥自動判別手段
(C3)は、前記被検査体パターン抽出画像と前記モデ
ルパターン抽出画像とに基づいて前記被検査体表面の欠
陥領域のパターン欠陥の種類を自動的に判別する。
分類装置の実施の形態1は、前記本発明において下記の
要件(A04)を備えたことを特徴とする、(A04)前記
被検査体と同一の所定パターンが形成された欠陥の無い
モデル表面の画像を記憶するモデル画像記憶装置(CM
2a)を有するモデル情報記憶装置(CM2)、
本発明のパターン欠陥分類装置の実施の形態1では、モ
デル情報記憶装置(CM2)は、モデル画像記憶装置
(CM2a)を有する。モデル画像記憶装置(CM2a)
は、前記被検査体と同一の所定パターンが形成された欠
陥の無いモデル表面の画像を記憶する。前記モデル画像
からは、前記所定パターン領域のみを抽出した画像の外
形の特定が可能なモデルパターン抽出画像を作成しする
ことが可能であり、作成した前記モデルパターン抽出画
像は、前記モデルパターン抽出画像記憶装置(CM2c)
で記憶することが可能である。
類装置の実施の形態1は、前記本発明または本発明の実
施の形態1において下記の要件(A05),(A06)を備
えたことを特徴とする、(A05)前記欠陥領域を含む所
定範囲の被検査体画像から前記所定パターンの領域を形
成する要素が実際に形成するパターンのみを抽出した画
像の外形の特定が可能な被検査体パターン抽出画像を作
成する被検査体パターン抽出画像作成手段(C1a)、
(A06)前記被検査体パターン抽出画像を作成抽出した
被検査体表面の画像部分に対応するモデル画像から前記
所定パターン領域のみを抽出した画像の外形の特定が可
能なモデルパターン抽出画像を作成するモデルパターン
抽出画像作成手段(C2b)。
本発明のパターン欠陥分類装置の実施の形態2では、被
検査体パターン抽出画像作成手段(C1a)は、前記欠陥
領域を含む所定範囲の被検査体画像から前記所定パター
ンの領域を形成する要素が実際に形成するパターンのみ
を抽出した画像の外形の特定が可能な被検査体パターン
抽出画像を作成する。モデルパターン抽出画像作成手段
(C2b)は、前記被検査体パターン抽出画像を作成抽出
した被検査体表面の画像部分に対応するモデル画像から
前記所定パターン領域のみを抽出した画像の外形の特定
が可能なモデルパターン抽出画像を作成する。なお、前
記作成した被検査体パターン抽出画像およびモデルパタ
ーン抽出画像は前記被検査体パターン抽出画像記憶装置
(CM1c)およびモデルパターン抽出画像記憶装置(C
M2c)に記憶される。
類装置の実施の形態3は、前記本発明または本発明の実
施の形態1もしくは2において下記の要件(A07)を備
えたことを特徴とする、(A07)前記被検査体画像から
欠陥領域のみを抽出した画像の外形を特定する欠陥領域
抽出画像を記憶する欠陥領域抽出画像記憶装置(CM1
d)を有する前記被検査体情報記憶装置(CM1)、
本発明のパターン欠陥分類装置の実施の形態3では、前
記被検査体情報記憶装置(CM1)は、前記被検査体画
像から欠陥領域のみを抽出した画像の外形を特定する欠
陥領域抽出画像を記憶する欠陥領域抽出画像記憶装置
(CM1d)を有する。前記欠陥領域抽出画像記憶装置
(CM1d)に記憶された欠陥領域抽出画像を用いること
により、前記欠陥領域のパターン欠陥の種類がオープン
(断線)である異物付着の欠陥(ダスト)であるか否か
等の判別を行うことが可能となる。
類装置の実施の形態4は、前記本発明または本発明の実
施の形態1もしくは3において下記の要件(A08)を備
えたことを特徴とする、(A08)前記被検査体パターン
抽出画像と前記モデルパターン抽出画像とに基づいて前
記欠陥領域がパターンのショート(短絡)であるか否か
を判別するパターンショート自動判別手段(C3a)を有
する前記パターン欠陥自動判別手段(C3)。
本発明のパターン欠陥分類装置の実施の形態4では、前
記パターン欠陥自動判別手段(C3)のパターンショー
ト自動判別手段(C3a)は、前記被検査体パターン抽出
画像と前記モデルパターン抽出画像とに基づいて前記欠
陥領域がパターンのショート(短絡)であるか否かを判
別する。
類装置の実施の形態5は、前記本発明の実施の形態3ま
たは4において下記の要件(A09)を備えたことを特徴
とする、(A09)前記被検査体パターン抽出画像と前記
モデルパターン抽出画像と前記欠陥領域抽出画像とに基
づいて前記欠陥領域のパターン欠陥の種類がオープン
(断線)であるか否かを判別するパターンオープン自動
判別手段(C3b)を有する前記パターン欠陥自動判別手
段(C3)。
本発明のパターン欠陥分類装置の実施の形態5では、前
記パターン欠陥自動判別手段(C3)のパターンオープ
ン自動判別手段(C3b)は、前記被検査体パターン抽出
画像と前記モデルパターン抽出画像と前記欠陥領域抽出
画像とに基づいて前記欠陥領域のパターン欠陥の種類が
オープン(断線)であるか否かを判別する。
類装置の実施の形態6は、前記本発明の実施の形態3な
いし5のいずれかにおいて下記の要件(A010)を備え
たことを特徴とする、(A010)前記被検査体パターン
抽出画像と前記モデルパターン抽出画像と前記欠陥領域
抽出画像とに基づいて前記欠陥領域のパターン欠陥の種
類が異物付着の欠陥(ダスト)であるか否かを判別する
ダスト判別手段(C3c)を有する前記パターン欠陥自動
判別手段(C3)。
本発明のパターン欠陥分類装置の実施の形態6では、前
記パターン欠陥自動判別手段(C3)のダスト判別手段
(C3c)は、前記被検査体パターン抽出画像と前記モデ
ルパターン抽出画像と前記欠陥領域抽出画像とに基づい
て前記欠陥領域のパターン欠陥の種類が異物付着の欠陥
(ダスト)であるか否かを判別する。
類装置の実施の形態7は、前記本発明または本発明の実
施の形態1ないし6のいずれかにおいて下記の要件(A
011)を備えたことを特徴とする、(A011)前記被検査
体画像またはモデル画像上の前記所定パターンの領域を
形成する要素を他の領域を形成する要素に対して区別す
るためのパターン抽出用データを記憶するパターン抽出
用データ記憶装置(CM2b)。
本発明のパターン欠陥分類装置の実施の形態7では、パ
ターン抽出用データ記憶装置(CM2b)は、前記モデル
パターン抽出画像上の前記所定パターンの領域を形成す
る要素を、他の領域を形成する要素に対して区別するた
めのパターン抽出用データを記憶する。したがって、前
記パターン抽出用データ記憶装置(CM2b)に記憶され
たパターン抽出用データを用いることにより、前記被検
査体パターン抽出画像作成手段(C1a)は、前記被検査
体画像から、前記被検査体パターン抽出画像を容易に抽
出し作成することができ、また、モデルパターン抽出画
像作成手段(C2b)は、前記モデル画像から、前記モデ
ルパターン抽出画像を容易に抽出し作成することができ
る。
ターン抽出画像作成手段(C1a)またはモデルパターン
抽出画像作成手段(C2b)は、次の2つの手段のいずれ
かを採用することが可能である。 (1)パターン抽出用データが同じ領域を直接抽出する
手段。 (2)パターン抽出用データが同じでない領域を抽出す
ることにより、結果的には抽出されなかった領域を抽出
する手段。
類装置の実施の形態8は、前記本発明の実施の形態7に
おいて下記の要件(A012)を備えたことを特徴とす
る、(A012)前記被検査体画像またはモデル画像上の
前記所定パターンの領域の画像の特徴を前記パターン抽
出用データとして記憶する前記パターン抽出用データ記
憶装置(CM2b)。前記画像の特徴としては輝度、テク
スチャ、エッジ(微分信号)、輝度勾配、等を採用する
ことが可能である。
本発明のパターン欠陥分類装置の実施の形態8では、前
記パターン抽出用データ記憶装置(CM2b)は、前記被
検査体画像またはモデル画像上の前記所定パターンの領
域の画像の特徴を前記パターン抽出用データとして記憶
する。したがって、前記パターン抽出用データ記憶装置
(CM2b)に記憶されたパターン抽出用データ(画像の
特徴を示すデータ、輝度、テクスチャ等)を用いること
により、前記被検査体パターン抽出画像作成手段(C1
a)は、前記欠陥領域を含む所定範囲の被検査体画像か
ら、前記輝度の特徴が同じ領域を抽出して、前記実パタ
ーンのみを抽出した画像の外形の特定が可能な被検査体
パターン抽出画像を作成する。また、前記モデルパター
ン抽出画像作成手段(C2b)は、前記欠陥領域を含む所
定範囲に対応するモデル画像から、前記輝度の特徴が同
じ領域を抽出して、前記実パターンのみを抽出した画像
の外形の特定が可能なモデルパターン抽出画像を作成す
る。
欠陥分類装置の具体例(実施例)のを説明するが、本発
明は以下の実施例に限定されるものではない。 (実施例1)図1は本発明のパターン欠陥分類装置の実
施例1の全体説明図である。図1において、SEM(Sc
anning Electoron Microscope、走査型電子顕微
鏡)、光学式の異物検査装置1、光学式の欠陥検査装置
2、光学式レビュー装置、情報蓄積用のDIFS(Defe
ct Image Filing System)サーバ、およびCIM(Conp
uter Integrated Manufacturing、製造装置制御用のホ
ストコンピュータ)等はネットワーク(例えば、Ethern
et)Nで接続されている。前記SEMの制御装置である
SEMCは、CPU、ROM、RAM、I/O等を有す
るコンピュータにより構成され、前記SEMCにはディ
スプレイDS、メモリMe、キーボードK等が接続されて
いる。また、前記図1において、異物検査装置1、欠陥
検査装置2、およびDIFSサーバ4等も、ディスプレ
イD、メモリMe、キーボードK等が接続されたコンピ
ュータにより構成され、コンピュータのメモリに記憶さ
れたプログラムにより種々の処理を行うように構成され
ている。前記光学式の異物検査装置1、光学式の欠陥検
査装置2は市販の装置であり、実施例1では予備検査装
置(1,2)として使用されている。
のとおりである。 (1)異物検査装置1:異物検査装置1は、パターン無
しの被検査ウエハ上の異物(塵など)を自動的に検出
し、異物の位置およびサイズをファイルする機能(整理
して記憶する機能)および前記ファイルされた結果、す
なわち予備検査情報をDIFSサーバ4に送信する機能
を有している。 (2)欠陥検査装置2:欠陥検査装置2は、パターン付
またはパターン無しの被検査ウエハ上の異物あるいはパ
ターン欠陥を自動的に検出し、欠陥の立置およびサイズ
をファイルする機能および前記ファイルされた結果、す
なわち予備検査情報をDIFSサーバ4に送信する機能
を有している。
ュー装置3は、光学顕微鏡により構成されており、前記
異物検出装置1または欠陥検査装置2から得られる予備
検査情報をもとに各異物や欠陥を観察する装置であり、
光学式顕微鏡により撮像した被検査ウエハの画像を予備
検査情報としてDIFSサーバ4に送信する機能を有し
ている。またレビューした結果を分類し、分類結果を予
備検査情報としてDIFSサーバ4へ送信することもで
きる。
号、ロット、被検査ウエハID、工程、製造装置、日
付、等の他に、異物や欠陥の個数、被検査ウエハ上の位
置、分類コードおよびサイズなどが記憶される。前記予
備検査情報ファイルに記憶された予備検査情報は、例え
ば、図2に示すように表示可能である。図2は予備検査
情報の表示例を示す図であり、図2Aは被検査ウエハで
ある被検査ウエハの外形および被検査ウエハ上の異物位
置または欠陥位置を示す図、図2Bは異物番号または欠
陥番号#0,#1,…とその位置、大きさ等の情報を表
形式で示す図である。
製造工程の欠陥発生状況や傾向を把握することが可能で
ある。このため、歩留管理システムでは、異物情報ファ
イルや欠陥情報ファイル等の予備検査情報ファイルが必
要不可欠となっている。前記予備検査装置(1,2)に
よって得られた前記予備検査情報ファイル(異物情報フ
ァイルおよび欠陥情報ファイル)は、それぞれ異物検査
装置1または欠陥検査装置2の付属のコンピュータまた
は前記DIFSサーバ4に記憶される。
4は、前記予備検査装置(1,2)から送信された予備
検査情報を分類して記憶する機能、およびSEMから送
信される、欠陥画像、欠陥に関する種々の情報、欠陥の
分類情報等のSEM検査情報(検査結果、SEMに装着
されたEDSによるX線分析結果等を含む)を記憶す
る。また、DIFSサーバ4は、他の装置からのデータ
要求信号に応じて要求されたデータを送信する機能を有
する。DIFSサーバ4で予備検査情報を管理すること
により、各検査装置毎に予備検査情報を保存する必要が
なくなり、予備検査情報管理(バックアップや整理、削
除など)が容易になり、SEMで必要とする予備検査情
報を個別の検査装置ごとに探さなくても、DIFSデー
タベース(被検査ウエハ情報データベース)の検索によ
り容易に取り出すことができる。
あるSEM(Scanning Electoron Maicroscope、走査
型電子顕微鏡)はSEM本体、SEMC(SEM Contr
oler、SEMのコントローラ)により構成されている。
前記SEMCは、ネットワークNに接続されており、前
記ネットワークNに接続された異物検査装置1、欠陥検
査装置2、DIFSサーバ4、CIMとの間で情報の送
受信を行う機能を有している。前記SEMCは、SEM
により撮像した画像を表示するディスプレイD1を有し
ている。前記SEMにはEDS(Energy Dispersive X-
ray Spectrometer、エネルギー分散X線分光装置)が装
着されている。EDSは、試料から発生する特性X線を
検出し、微小領域中に含まれている元素の定性、定量分
析を行う装置である。
ウエハの詳細な欠陥検査を行う際には、検査する被検査
ウエハの予備検査情報(前記異物検査装置1および欠陥
検査装置2で検査して得られた情報)を前記DIFSサ
ーバ4から読み込んで、各異物や欠陥を選択し、ステー
ジを予備検査情報に記載されている位置へ移動し、観察
する。前記DIFSサーバ4で予備検査情報を管理する
ことにより、予備検査情報が作成された被検査ウエハを
SEMで検査する際、SEMの検査に必要な予備検査情
報を、DIFSサーバから読み込むことができる。した
がって、たとえば予めセットしたウエハーカセットのデ
バイス名称、ロット番号、またはカセットIDを入力す
るだけで、自動的にSEMに必要な予備検査情報を読み
込むことができる。SEMCにより、自動欠陥分類が行
われたら、取り込んだ画像(欠陥画像)、欠陥情報と共
に分類情報をDIFS(Defect Image Filing System)
サーバ4へ、ネットワークNを通じて転送する。転送さ
れた情報はDIFSサーバ4で記憶され、管理される。
欠陥検査分類システムの一実施例で使用するSEM(走
査型電子顕微鏡)およびSEMC(SEMコントロー
ラ)等の全体説明図である。図4は同SEMおよびSE
MCの全体斜視図である。図3、図4において、SEM
(走査型電子顕微鏡)は、真空試料室Aを形成する外壁
6の上壁部7に支持されている。前記真空試料室A内に
は外壁6の底壁8上にXYステージSTが支持されてい
る。XYステージSTはY移動テーブルSTy、X移動
テーブルSTx、回転テーブルSTrを有している。前記
回転テーブルSTr上には図3に示す試料(ウエハ)W
が支持される。外壁6の右側壁部9にはXYステージ制
御機構や真空ポンプ等を収容する作動部材収容室Bが配
置されている。前記作動部材収容室Bの右側にはSEM
C(SEMコントローラ)が配置されている。SEMC
は、電子顕微鏡画像用ディスプレイD1およびSEMに
内蔵された光学像撮像装置の光学像表示用ディスプレイ
D2、電源スイッチ、自動視野調整ボタン、撮影ボタン
(図6参照)等を有するUI(ユーザインタフェース)
を備えている。
る外壁6の後壁部(−X側の壁部)10外側には試料交
換室Eおよびカセット収納室Fが配置されている。前記
真空試料室A、試料交換室E、およびカセット収納室F
はいずれも真空ポンプ(図示せず)に接続されており、
所定のタイミングで真空にされる。前記真空試料室Aと
試料交換室Eとの間および、試料交換室Eとカセット収
納室Fとの間には、それぞれ連通口および前記連通口を
気密に遮断または連通させる仕切弁(図示せず)が設け
られている。そして試料交換室E内に配置された試料搬
送装置11により、前記カセット収納室A内のウエハカ
セットKおよび前記真空試料室Aの試料ステージST間
でウエハ(試料)Wの搬送が行われる。SEMは、DI
FSサーバ4から読出した前記予備検査情報をもとにし
て、検査を行うことができる。また図6において、前記
SEMCには前記EDS(Energy Dispersive X-raySpe
ctrometer、エネルギー分散X線分光装置)が接続され
ている。EDSは、図6に示すように、SEMCに接続
されており、SEMCの制御信号により作動し、その検
出信号は、SEMCに入力されている。
欠陥番号および欠陥位置は予め分かっているので、前記
SEMは、前記図2Bに示す予備検査情報の欠陥番号#
0,#1,…に応じた欠陥を含む所定領域SEM画像を
撮像して記憶する。SEMのこのような機能は従来公知
(参考例:特開平10−135288号公報)である。
図で、図5Aは被検査ウエハ上の欠陥位置およびチップ
位置(ICチップの位置)を示す図で、図5Bはチップ
上の欠陥の位置および前記欠陥を含む所定領域(SEM
画像を撮像する領域)を示す図、図5Cは図5Bの欠陥
を含む所定領域のSEM画像を示す図、図5Dは前記図
5Bに示すチップと同一パターンのチップであって欠陥
の無いサンプルチップおよびサンプルチップの前記図5
Bに示す欠陥を含む所定領域と同一領域を示す図、図5
Eは図5Dの所定領域のSEM画像を示す図である。前
記被検査ウエハ上のチップ(ICチップ)の位置は、図
5Aに示すように分かっている。また図5Aに示すよう
に、各チップの基準のx,y座標(#1の欠陥ではx
0,y0、#1の欠陥ではx1,y1)は既知である。し
たがって、前記欠陥番号#0の欠陥はチップ番号0の基
準座標x0,y0に対してどの位置であるかは算出でき
る。
を含む所定領域のSEM画像は、例えば図5Cに示すよ
うな配線パターンを有する画像である。このSEM画像
は、チップ番号と、そのチップ上の前記基準位置(x
0,y0)を原点とする座標位置とに対応させてSEMC
またはDIFSサーバ4に記憶される。同様にして、欠
陥番号#1,#2,…の欠陥を含む所定領域のSEM画
像も、それぞれのチップ番号と、各チップの基準位置を
原点とする座標位置とに対応させてSEMCまたはDI
FSサーバ4に記憶される。
デルチップ)を示す図であり、このモデルチップはその
全領域のSEM画像がモデルウエハSEM画像として、
予め撮像され、SEMCおよびDIFSサーバ4に記憶
される。したがって、SEMCまたはDIFSサーバ4
に記憶されたモデルウエハSEM画像から、前記図5B
の欠陥番号#0の欠陥を含む所定領域に対応する欠陥の
無い領域のSEM画像(モデル画像)を読出すことがで
きる。前記欠陥番号#0の欠陥を含む所定領域に対応す
るモデルウエハSEM画像は図5Eに示されており、図
5Eは所定のパターンのみの画像であり、欠陥の無い画
像である。
C本来の機能および本発明のパターン欠陥分類装置の実
施例1のプログラムにより実現される機能のブロック図
である。図6において、前記SEMCは、外部との信号
の入出力および入出力信号レベルの調節等を行うI/O
(入出力インターフェース)、必要な処理を行うための
プログラムおよびデータ等が記憶されたROM(リード
オンリーメモリ)、必要なデータを一時的に記憶するた
めのRAM(ランダムアクセスメモリ)、前記ROMに
記憶されたプログラムまたはハードディスクからRAM
にロードされたプログラムに応じた処理を行うCPU
(中央演算処理装置)、ならびにクロック発振器、ハー
ドディスク等の記憶装置を有するコンピュータにより構
成されており、前記ハードディスクに記憶されたプログ
ラムを実行することにより種々の機能を実現することが
できる。すなわち、SEMCおよびパターン欠陥分類装
置のプログラムは次の機能を有している。
成手段C0a、被検査ウエハ欠陥情報作成手段C0b、モデ
ルウエハSEM画像作成手段C0cを有している。 C0a:被検査ウエハSEM画像作成手段 被検査ウエハSEM画像作成手段C0aは、前記予備検査
装置(1,2)で検出した被検査ウエハの欠陥の予備検
査装置上のxy座標位置をSEMの座標位置に変換し
て、前記被検査ウエハ上の欠陥領域をSEMの検査位置
に移動させ、被検査ウエハSEM画像(被検査体画像)
を作成(撮像)する手段を有している。C0b:被検査ウ
エハ欠陥情報作成手段(被検査体欠陥情報作成手段)被
検査ウエハ欠陥情報作成手段C0bは、前記欠陥領域の詳
細検査を行い、詳細検査結果(欠陥領域を含む所定領域
内の、欠陥の位置、形状、大きさ、欠陥のID番号等)
を記憶装置に記憶させる機能を有している。 C0c:モデルウエハSEM画像作成手段 モデルウエハSEM画像作成手段C0cは、被検査ウエハ
と同一の所定パターンが形成された欠陥の無いモデルウ
エハ表面のICチップ1個分を走査して前記ICチップ
1個分のSEM画像であるモデルウエハSEM画像を作
成する。
ン欠陥分類装置のプログラムの機能) 実施例1のパターン欠陥分類装置のプログラムは、被検
査ウエハ情報作成手段C1、被検査ウエハ情報記憶装置
CM1、モデルウエハ情報作成手段C2、モデルウエハ情
報記憶装置CM2、およびパターン欠陥自動判別手段C3
を有している。 C1:被検査ウエハ情報作成手段 被検査ウエハ情報作成手段C1は、被検査ウエハパター
ン抽出画像作成手段C1a、および、欠陥領域画像(AD
FCT)抽出手段C1b等を有している。
手段(被検査体パターン抽出画像作成手段) 被検査ウエハパターン抽出画像作成手段C1aは、前記欠
陥領域を含む所定範囲の被検査ウエハSEM画像から前
記パターン抽出用データにより、前記所定パターンの領
域を形成する要素が実際に形成する実パターンを抽出し
た画像の外形を特定する被検査ウエハパターン抽出画像
を作成する。 C1b:欠陥領域画像抽出手段(ADFCT抽出手段) 欠陥領域画像抽出手段C1bは、前記詳細検査結果から、
欠陥領域のみを抽出した画像の外形を特定する欠陥領域
抽出画像を抽出する機能を有している。
査ウエハ情報記憶装置) 被検査ウエハ情報記憶装置CM1は、前記被検査ウエハ
情報作成手段C1による被検査ウエハの欠陥の検査結果
や、前記予備検査装置(1,2)で検出した被検査ウエ
ハの欠陥情報(位置情報、サイズ情報等)を記憶する装
置で、被検査ウエハSEM画像記憶装置(被検査体画像
記憶装置)CM1a、被検査ウエハ欠陥情報記憶装置CM
1b、被検査ウエハパターン抽出画像(被検査体パターン
抽出画像)記憶装置CM1c、ADFCT記憶装置(欠陥
領域抽出画像記憶装置)CM1d等を有している。 CM1a:被検査ウエハSEM画像記憶装置(被検査体画
像記憶装置) 被検査ウエハSEM画像記憶装置CM1aは、所定パター
ンを形成すべき要素が実際に形成された被検査ウエハ表
面を走査型電子顕微鏡で撮像した画像である被検査ウエ
ハSEM画像であって予め行った検査で欠陥が発見され
た被検査ウエハ表面の欠陥領域を含む前記被検査ウエハ
SEM画像を記憶する。
エハ表面の欠陥領域の位置、形状および大きさを含む被
検査ウエハ欠陥情報を記憶をする。 CM1c:被検査ウエハパターン抽出画像記憶装置(被検
査体パターン抽出画像記憶装置) 被検査ウエハパターン抽出画像記憶装置CM1cは、前記
欠陥領域を含む所定範囲の被検査ウエハSEM画像から
前記所定パターンの領域を形成する要素が実際に形成す
るパターンのみを抽出した画像の外形を特定する被検査
ウエハパターン抽出画像を記憶する。 CM1d:ADFCT記憶装置(欠陥領域抽出画像記憶装
置) ADFCT記憶装置CM1dは、前記ADFCT抽出手段
C1aにより抽出された欠陥領域抽出画像であるADFC
Tを記憶する。
タ作成手段C2aおよびモデルパターン抽出画像作成手段
C2bを有している。 C2a:パターン抽出用データ作成手段 パターン抽出用データ作成手段C2aは、前記モデルウエ
ハSEM画像上の前記所定パターンの領域を形成する要
素を他の領域を形成する要素に対して区別するためのパ
ターン抽出用データを作成する。前記パターン抽出用デ
ータとしては、SEM画像上の前記所定パターンのテク
スチャが採用されている。なお、パターン抽出用データ
作成装置C2aで作成されたパターン抽出用データは被検
査ウエハSEM画像から被検査ウエハパターン抽出画像
を作成する際にも使用される。 C2b:モデルパターン抽出画像作成手段 モデルパターン抽出画像作成手段C2bは、前記モデルウ
エハSEM画像から前記被検査ウエハパターン抽出デー
タにより前記所定パターン領域のみを抽出した画像の外
形の特定が可能なモデルパターン抽出画像を作成する。
なお、前記テクスチャによるパターン検出の代わりに、
輝度、エッジ(微分信号)、輝度勾配、相関等を利用し
たパターンマッチング手法等を採用することが可能であ
る。
情報作成手段C2が作成した情報を記憶する装置であ
り、モデルウエハSEM画像記憶装置CM2a、パターン
抽出用データ記憶装置CM2b、およびモデルパターン抽
出画像記憶装置CM2c等を有している。 CM2a:モデルウエハSEM画像記憶装置(モデル画像
記憶装置) モデルウエハSEM画像記憶装置CM2aは、前記被検査
ウエハと同一の所定パターンが形成された欠陥の無いモ
デルウエハ表面を走査型電子顕微鏡で撮像した画像に相
当するモデルウエハSEM画像を記憶する。
エハSEM画像上の前記所定パターンの領域を形成する
要素を他の領域を形成する要素に対して区別するための
パターン抽出用データを記憶する。実施例1では前記パ
ターン抽出用データ作成装置C2aにより作成されたパタ
ーン抽出用データ(テクスチャを特定するデータ)を記
憶する。 CM2c:モデルパターン抽出画像記憶装置 モデルパターン抽出画像記憶装置CM2cは、前記被検査
ウエハパターン抽出画像を作成抽出した被検査ウエハ表
面の画像部分に対応するモデル画像から前記所定パター
ン領域のみを抽出した画像の外形の特定が可能なモデル
パターン抽出画像を記憶する。実施例1では前記モデル
パターン抽出画像作成手段C2bにより作成されたモデル
パターン抽出画像を記憶する。
ターン抽出画像と前記モデルパターン抽出画像と欠陥領
域抽出画像とに基づいて前記欠陥領域のパターン欠陥の
種類を自動的に判別する機能を有しており、パターンシ
ョート自動判別手段C3a、パターンオープン自動判別手
段C3b、ダスト判別手段C3cを有している。 C3a:パターンショート自動判別手段 パターンショート自動判別手段C3aは、前記被検査ウエ
ハパターン抽出画像と前記モデルパターン抽出画像とに
基づいて前記欠陥領域がパターンのショート(短絡)で
あるか否かを判別する。
ハパターン抽出画像と前記モデルウエハSEM画像とに
基づいて前記欠陥領域がパターンのオープン(断線)で
あるか否かを判別する。 C3c:ダスト判別手段 ダスト判別手段C3cは、前記被検査ウエハパターン抽出
画像と前記モデルパターン抽出画像と欠陥領域抽出画像
とに基づいて前記欠陥領域がダスト(パターン欠陥の種
類が異物付着の欠陥)であるか否かを判別する。
例のパターン欠陥分類装置のパターン欠陥自動分類処理
のメインルーチンを示す図である。図8はパターン欠陥
自動分類処理の実行中にディスプレイに表示される表示
画面の例を示す図であり、図8Aは初期画面、図8Bは
初期画面で入力されたID番号に対応するモデルウエハ
情報が無い場合の表示画面を示す図である。この図7に
示す処理はパターン欠陥分類装置の電源ON時に表示さ
れる作動モード選択画面でパターン欠陥自動分類処理が
選択された場合に開始される。
トされた状態で、作業者が前記パターン欠陥自動分類処
理を選択すると、図7のST1(ステップST1)におい
てパターン欠陥自動分類処理の初期画面(図8A参照)
が表示される。ST2においてキーボードからID番号
の入力が有るか否か判断する。ST2において入力有り
の場合はST3において入力ID番号を記憶してST4に
移る。ST4において表示中の画面(初期画面)に入力
表示番号を表示する。前記ST4の終了後、または前記
ST2においてノー(N)の場合はST5に移る。ST5
においてリターンキーの入力が有ったか否か判断する。
ノー(N)の場合は前記ST2に戻り、イエス(Y)の
場合はST6に移る。ST6において入力されたID番号
に対応するモデルウエハに関する情報が有るか否か判断
する。ノー(N)の場合はST7に移り、イエス(Y)
の場合はST8に移る。ST7において表示中の画面に、
入力されたID番号に対応するモデルウエハ情報が無い
ことを追加表示(図8B参照)してから、前記ST2に
戻る。
べき欠陥が有るか否か判断する。実施例1では前記AD
FCT(欠陥領域抽出画像)が記憶されている欠陥はパ
ターン欠陥分類処理すべき欠陥である。したがって、前
記ADFCT(欠陥領域抽出画像)が記憶されている欠
陥がある場合にはイエス(Y)となる。イエス(Y)の
場合はST9に移る。ST9においてパターン分類処理す
べき欠陥を含むSEM画像(ADFCTを含むSEM画
像、すなわち、被検査体画像)の所定の領域を抽出領域
として決定する。次にST10においてモデルウエハSE
M画像の抽出領域(モデル画像抽出領域)内のパターン
の抽出処理を行う。このST10の処理は、抽出領域内の
パターン画像、パターン領域数、各パターンの重心位
置、面積等を抽出し、インデックスを付けて記憶する処
理である。このST10のサブルーチンは図9に示されて
おり、後で詳述する。次にST11において被検査ウエハ
SEM画像の抽出領域(欠陥画像抽出領域)内の所定パ
ターンの抽出処理を行う。このST11の抽出処理は前記
ST10と同様の処理を行う。このST11のサブルーチン
は図11に示されており、後で詳述する。
たモデルウエハの画像情報と前記ST11で抽出した被検
査ウエハの画像情報と、前記ADFCT(欠陥領域抽出
画像)とに基づいて、欠陥画像の分類を行う。この分類
処理のサブルーチンについては図13、図14のST31
〜ST59で説明する。次にST13において分類結果をデ
ータベースへ登録する。次に前記ST8に戻る。ST8に
おいてノー(N)の場合は他にパターン欠陥分類すべき
欠陥が無いということであり、被検査ウエハの検査を終
了して前記ST1に戻る。
処理、すなわち、前記ST10のサブルーチンのフローチ
ャートである。図10は図9のフローチャートで行う処
理の説明図で、図10Aはモデル画像抽出領域内の所定
のテクスチャを有する画像すなわちモデルパターン領域
画像を示す図、図10Bは抽出した複数のモデルパター
ン領域のうちの1つのモデルパターン領域を示す図、図
10Cは抽出した複数のモデルパターン領域のうちの別
の1つのモデルパターン領域を示す図、図10Dは抽出
した複数のモデルパターン領域のうちのさらに別の1つ
のモデルパターン領域を示す図、図10Eは前記図10
Bのモデルパターン領域に対して行うラベリング例を示
す図、図10Fは前記図10Cのモデルパターン領域に
対して行うラベリング例を示す図、図10Gは前記図1
0Dのモデルパターン領域に対して行うラベリング例を
示す図、である。図9のST16においてモデルウエハS
EM画像の抽出領域内の所定パターンの抽出処理(追跡
処理)を行う。この抽出処理のサブルーチンは図15の
ST61以下で説明する。このST16では図10B〜図1
0Dに示すモデルパターン領域が抽出される。
各モデルパターン領域(図10B〜図10D参照)に対
してラベリングを行う。すなわち、図10Aの画像に対
してMNUM(モデルパターン領域個数)=3を記憶す
るとともに、図10Bおよび図10Cの画像をMPI
[0]、MPI[1]およびMPI[2]として記憶する。次
にST18において前記図10B〜図10Dに対応するモ
デル画像内パターン領域情報MPAT(領域インデック
ス、各領域の重心位置、面積)を計算して記憶する。す
なわち、前記図10Bの画像MPI[0]、図10Cの画
像MPI[1]および図10Dの画像MPI[2]にそれぞ
れ対応する領域インデックス、各領域の重心位置、面積
をモデル画像内パターン領域情報MPAT[0]、MPA
T[1]およびMPAT[2]を記憶する。前記ST18の次
は前記ST11に移る。
出処理、すなわち、前記図7のST11のサブルーチンの
フローチャートである。図12は図11のフローチャー
トで行う処理の説明図で、図12Aは欠陥画像抽出領域
内の所定のテクスチャを有する画像すなわち欠陥パター
ン領域画像を示す図、図12Bは抽出した複数の欠陥パ
ターン抽出領域のうちの1つの欠陥パターン領域を示す
図、図12C、図12Dはそれぞれ前記抽出した複数の
欠陥パターン抽出領域のうちの別の1つの欠陥パターン
領域を示す図、図12Eは前記図12Bの欠陥パターン
領域に対して行うラベリング例を示す図、図12F、図
12Gは前記図12C、図12Dの欠陥パターン領域に
対して行うラベリング例を示す図である。図11のST
21において被検査ウエハSEM画像の抽出領域内の所定
パターンの抽出処理(追跡処理)を行う。この抽出処理
のサブルーチンは図15のST61以下で説明する。この
ST21では、被検査ウエハパターン抽出領域内に、図1
2B〜図12Dに示す3つの欠陥パターン領域画像DP
I[0]〜DPI[2]が抽出される。
各欠陥パターン領域(図12B〜図12D参照)に対し
てラベリングを行う。すなわち、図12Aの画像に対し
てDNUM(モデルパターン領域個数)=3を記憶する
とともに、図12B〜図12Dの画像をDPI[0]〜D
PI[2]として記憶する。次にST23において前記図1
2B、図12Cに対応する被検査ウエハパターン抽出画
像内パターン領域情報DPAT(領域インデックス、各
領域の重心位置、面積)を計算して記憶する。すなわ
ち、前記図12B〜図12Dの画像DPI[0]〜DPI
[2]にそれぞれ対応する領域インデックス、各領域の重
心位置、面積を被検査ウエハパターン抽出画像内パター
ン領域情報DPAT[0]〜DPAT[2]を記憶する。前
記ST23の次は前記ST12に移る。
のサブルーチンを示す図である。図14は前記図13の
続きのフローを示す図である。この図13、図14の欠
陥分類処理では、前記図7のST10およびST11で抽出
したモデルウエハおよび被検査ウエハの画像情報に基づ
いて、欠陥画像の欠陥の種類を判別して分類する。図1
3のST31においてdi,ri,shortcheck,dustcheck
に次の初期値を入れる。 di(欠陥画像内パターン領域インデックス)=0 ri(分類結果インデックス)=0 shortcheck(パターンショートフラグ)=0 dustcheck(ダストフラグ)=0
処理を行う。このST32の処理はDPI[di]([di]=
[0],[1],…、図12B〜図12Dの欠陥パターン領
域画像参照)の欠陥がパターンショート、パターンショ
ート以外、または正常か否かを判断して、その判断結果
をshortresult(パターンショート結果格納変数)に格
納する処理である。このST32のサブルーチンは図19
に示されており、詳細な処理は後述する。
ンショートか否か判断する。イエス(Y)の場合はST
34に移り、ノー(N)の場合はST36に移る。ST34に
おいてresult(分類結果インデックス)[ri]=パター
ンショートとする。最初はST31に示すようにri=0
であるので、分類結果インデックスresult[0]=パター
ンショートとなる。またshortcheck(パターンショート
フラグ)=「1」とする。次にST35においてri=ri
+1とする。したがって例えば、この後の処理におい
て、現在パターン欠陥分類を行っている欠陥に対してダ
ストが有ると判断された場合には[ri]=[1]=ダスト
という分類結果インデックスが付与される。すなわちこ
の例の場合、現在パターン欠陥分類を行っている欠陥に
対しては、2個の分類結果インデックス(result[0]=
パターンショート、result[1]=ダスト)が付与される
ことになる。
すなわち、最初はdi=0であるので、DPI[di]=D
PI[0]のパターン(図12B参照)に対してST32の
パターンショート判断が行われ、次にDPI[di]=D
PI[1]のパターン(図12C参照)に対してST32の
パターンショート判断が行われることになる。次にST
37においてdi>DPNUM(モデルパターン領域個
数)か否か判断する。ノー(N)の場合はST32に戻
る。イエス(Y)の場合は次のST38に移る。前記ST
31〜ST37の処理については、前記ST32のサブルーチ
ンの説明を含むフローチャート全体の説明の後で、ST
32のサブルーチンの処理と関連づけて再度説明する。
このST38の処理は、DPI[di](di=0,1,…、
図12B〜図12Dの欠陥パターン領域画像参照)の欠
陥がD1(ダストorパターン)、D2(ダストorオープ
ン)、またはD3(ダストor形状異常)のいずれに該当
するかを判断して、その判断結果をdustresult(ダスト
判断結果格納変数)に格納する処理である。このST38
のサブルーチンは図21に示されており、詳細な処理の
説明は後述する。
照)は結果D3を含むか否か判断する。ノー(N)の場
合はST45に移り、イエス(Y)の場合はST40に移
る。ST40において形状異常判断処理を行う。このST
40の処理は、DPI[di](di=0,1,…、図12
B、図12Cの欠陥パターン領域画像参照)の欠陥がパ
ターン形状異常かパターン形状の異常でないかを判断し
て、その判断結果をdefectresult(パターン形状異常判
断結果格納変数)に格納する処理である。このST40の
サブルーチンは図24に示されており、詳細な処理の説
明は後述する。
ン形状異常か否か判断する。イエス(Y)の場合はST
42に移る。ST42においてresult(分類結果インデック
ス)[ri]=パターン形状異常とする。ST41において
ノー(N)の場合はST43に移る。ST43においてresu
lt(分類結果インデックス)[ri]=ダストとするとと
もに、dustcheck(ダストフラグ)=「1」とする。前
記ST42、ST43の次にST44に移る。ST44において
ri=ri+1とする。次にST45に移る。
は結果D2を含むか否か判断する。ノー(N)の場合は
ST51に移り、イエス(Y)の場合はST46に移る。S
T46においてパターンオープン判断処理を行う。このS
T46の処理は、DPI[di](di=0,1,…、図12
B、図12Cの欠陥パターン領域画像参照)の欠陥がパ
ターンオープンかパターンオープンでないかを判断し
て、その判断結果をopenresult(オープン判断結果格納
変数)に格納する処理である。このST46のサブルーチ
ンは図25に示されており、詳細な処理の説明は後述す
る。
判断結果格納変数)=オープンか否か判断する。イエス
(Y)の場合はST48に移る。ST48においてresult
(分類結果インデックス)[ri]=パターンオープンと
する。ST47においてノー(N)の場合はST49に移
る。ST49においてresult(分類結果インデックス)
[ri]=ダストとするとともに、dustcheck(ダストフラ
グ)=「1」とする。前記ST48、ST49の次にST50
に移る。ST50においてri=ri+1とする。次にST
51に移る。
は結果D1を含むか否か判断する。ノー(N)の場合は
ST13(図7参照)に戻り、イエス(Y)の場合はST
52に移る。ST52においてパターン判断処理を行う。こ
のST52の処理は、DPI[di](di=0,1,…、図
12B、図12Cの欠陥パターン領域画像参照)の欠陥
がパターンかパターンでないかを判断して、その判断結
果をpatternresult(パターン判断結果格納変数)に格
納する処理である。このST52のサブルーチンは図26
に示されており、詳細な処理の説明は後述する。
ーン判断結果格納変数)=パターンか否か判断する。イ
エス(Y)の場合はST54に移る。ST54においてshor
tcheck(パターンショートフラグ)=「1」か否か判断
する。イエス(Y)の場合はST55に移る。ST55にお
いて欠陥パターン領域画像はパターンショート領域と重
なっているか否か判断する。イエス(Y)の場合は前記
ST13(図7参照)に移る。前記ST54,ST55におい
てノー(N)の場合はST56に移る。
クス)[ri]=「パターンかけら」とする。次にST57
においてri=ri+1としてから、前記ST13(図7参
照)に移る。前記ST53においてノー(N)の場合はS
T58に移る。ST58においてdustcheck=「1」か否か
判断する。イエス(Y)の場合はST13(図7参照)に
移り、ノー(N)の場合はST59に移る。ST59におい
てresult(分類結果インデックス)[ri]=ダストとす
るとともに、dustcheck=1とする。次に前記ST57に
移る。
ST21のパターン追跡処理のサブルーチンを示す図であ
る。図15のST61においてモデルウエハの所定パター
ン(検出するパターン、例えば、ライン(電極)パター
ン)のパターンデータを読み込む。なお、パターンデー
タとしては、実施例1ではテクスチャデータを使用して
いるが、その他の画像的特徴(輝度、コントラスト、微
分値等)を示すデータを使用することが可能である。次
にST62において対象画像(モデルウエハまたは被検査
ウエハの検査部分に対応するSEM画像)を読み込む。
する。なお、前記x1およびy1は次のST64の処理を開
始するときの開始点の座標である。次にST64において
パターン追跡開始点の探索処理を行う。このST64の処
理はモデルウエハまたは被検査ウエハの検査領域の中の
1または複数のパターン領域のうちの1つのパターン領
域の追跡開始点(x1,y1)の値を定める処理である。
このST64のサブルーチンは図16に示されており、詳
細な説明は後述する。
て対象画像中に画素値START(後述のST79で書き込ん
だ値で、実施例1では画素値(0〜255)の255に
+1を加算した値であり、START=「256」)が存在
するか否か判断する。イエス(Y)の場合はST66に移
る。ST66において連結点の探索処理を行う。このST
66の処理は前記ST64の処理で定めた追跡開始点(x
1,y1)の連結点を探索する処理である。このST66の
サブルーチンは図17に示されており、詳細な説明は後
述する。前記ST65でノー(N)の場合は前記ST17ま
たはST21に戻る。
る。図16のST71において探索を開始する点のx座
標、y座標に次の値を入れる。 x=x1 y=y1 前記ST63でx1=0、y1=0入れたので、最初はx=
x1=0、y=y1=0である。次にST72においてマッ
チングサイズ(MX*MY)の画像領域、すなわち、x〜
(x+MX)でかつy〜(y+MY)の領域部分の階調
(濃度階調)がパターンデータと一致するか否か判断す
るためのマッチング計算を行う。前記MX,MYのサイズ
は例えば次の値が採用される。 MX=20ピクセル MY=20ピクセル
スチャが一致するか否かにより行う。マッチング計算を
行う例としては、相互相関を用いて次のように計算する
ことが可能である。図30は互いに対応するモデル画像
Aの部分画像Aijと被検査画像Bの部分画像Bijとを相
互相関を用いてマッチングを行う場合のマッチング方法
の説明図であり、図30Aはモデル画像A中の部分画像
Aijを示す図、図30Bは被検査ウエハ画像Bの部分画
像Bijを示す図、図30Cは前記部分画像AijおよびB
ijのマッチングは微小領域Aij(l,m)、Bij(l,m)毎
に行うことを示す図である。部分画像Aij(L,M)お
よびBij(L,M)との相互相関係数Cijは、微小領域
の輝度Aij(l,m)およびBij(l,m)の値を用いて次式
(1)で計算される。
の類似度が高いと前記式(1)のCijが1.00に近く
なり、類似度が低いと0に近くなる。したがって、Bij
内からAijに最もマッチする部分を探すためには、i,j
をW,Hの範囲で変えてCijが最大となるi,jを求め
る。そして前記最大となったCijの値により類似度が定
まる。類似度が閾値以上の場合をマッチング(テクスチ
ャが一致)したものとする。
X*MY)の画像領域のテクスチャがパターンデータと一
致したか否か判断する。ノー(N)の場合はST75に移
り、イエス(Y)の場合はST74に移る。ST74におい
て(x,y)の画素値はPATTERN(=「−2」)
か否か判断する。イエス(Y)の場合はST75に移る。
ST75においてx=x+Δxとする。次にST76におい
てx>xmaxか否か判断する。ノー(N)の場合は前記
ST72にに戻り、イエス(Y)の場合はST77に移る。
ST77においてx,yに次の値を入れる。 x=0 y=y+Δy 次にST78においてy>ymaxか否か判断する。ノー
(N)の場合は前記ST72に戻り、イエス(Y)の場合
はST65(図15参照)に移る。なお、実施例1では前
記Δx=Δy=パターン画像の幅(すなわち、パターン
画像が配線パターンの場合は配線の幅)に設定されてい
る。
T79に移る。ST79において対象画像のマッチ部にSTAR
T(追跡を開始する画素値)を書込み、ここを追跡開始
点とする(図18A参照)。前記START(追跡を開始す
る画素値)としては、(対象画像の最大階調値+1)を
採用することができる。例えば、パターンデータが0〜
255階調の階調数を有する場合は、START=「25
6」とする。次にST80において(x1,y1)に現在の
(x,y)の値を入れる。次に前記ST65に移る。前述
したようにST65でイエス(Y)の場合はST66に移
る。
点探索処理の詳細説明図で、図17AはST66のサブル
ーチンを示す図、図17BはST95の説明図である。図
18はパターン抽出処理の説明図であり、図18Aは1
つ目のパターンのパターン抽出処理の開始時の処理の説
明図、図18Bは1つ目のパターン抽出処理終了時の状
態の説明図、図18Cは1つ目のパターン抽出処理終了
時の処理の説明図、図18Dは2つ目のパターンのパタ
ーン抽出処理の開始時の処理の説明図、図18Eは2つ
目のパターン抽出処理終了時の状態の説明図、図18F
は2つ目のパターン抽出処理終了時の処理の説明図、図
18Gは3つ目のパターンのパターン抽出処理の開始時
の処理の説明図、図18Hは3つ目のパターン抽出処理
終了時の処理の説明図である。図17AのST91におい
て画素値がSTART(図18A参照)である座標を探索点
とする。次にST92において現在の探索点の画素値をDO
NE(例えば、DONE=「−1」)に置き換え、探索済みと
する。次にST93において対象画像の探索点近傍のSE
M画像とパターン抽出用データとで前記ST72と同様に
マッチング(比較を行うための計算)を行う。
判断する。イエス(Y)の場合はST95に移る。ST95
において対象画像のマッチ部に画素値STARTを書込み、
新たな探索開始点を設定する。図17Bに示すように、
パターン画像に分岐点がある場合には分岐する点におい
て分岐する数だけ前記画素値STARTを書き込む。
T96に移る。ST96において対象画像全領域において、
まだ、探索開始点が存在しているかチェックする。次に
ST97において画素値STARTが存在しているか否か判断
する。イエス(Y)の場合は前記ST91に戻る。ノー
(N)の場合はST98に移る。ST98において対象画像
中において、探索済みを示す画素値DONE(=「−1」)
(図18B参照)全てを、パターンを示す画素値PATTER
N(例えば、PATTERN=「−2」)(図18C参照)に置
き換える。次にST65(図15)に戻る。そして、前記
ST64〜ST66の処理を繰り返す毎に各パターンについ
て前記図18A〜図18Cに示す処理を繰り返して、最
終的に図18Hに例示するパターンを抽出する。なお、
図18に示す実施例1では前記Δx=Δy=パターン画
像の幅(すなわち、パターン画像が配線パターンの場合
は配線の幅)に設定されている場合について図示されて
いるが、Δx=Δy=パターン画像の幅の1/2に設定
したり、ΔxとΔyとは異なる値とすることが可能であ
る。
ーンショート判断処理のサブルーチンである。図20は
前記図19のサブルーチンで判断される結果例の説明図
で、図20AはMPI(モデルパターン領域画像)を示
す図、図20BはDPI(被検査ウエハパターン領域画
像)を示す図、図20CはDPI[0]がshortresult
(パターンショート結果格納変数)=「パターンショー
ト」となる例を示す図、図20DはDPI[1]がshortr
esult=「パターンショート以外」となる例を示す図、
図20EはDPI[2]がshortresult=「正常」となる
例を示す図である。
=0,1,…)の重心位置から、gth(重心距離閾値)
の距離にMPI[0〜MPNUM]の重心が存在するか否
か判断する。ノー(N)の場合はST103に移り、イエ
ス(Y)の場合はST102に移る。ST102において複数
存在するか否か判断する。イエス(Y)の場合はST10
3に移る。ST103においてDPI[n]は複数のMPIと
ブリッジする位置に存在するか否か判断する。この判断
はDPI[n]とMPIに重なる部分が有るか否かにより
行う。イエス(Y)の場合はST104に移る。ST104に
おいてshortresult(パターンショート結果格納変数)
=「パターンショート」(図20C参照)としてST33
(図13参照)に移る。
存在する重心が1つのみである。この場合ST105に移
る。ST105においてDPI[n]とMPIはパターンマ
ッチングするか否か判断する。この判断は、各パターン
領域の面積の差、x座標の最大値の差および最小値の
差、y座標の最大値の差および最小値の差がそれぞれ閾
値以内にあるか否かによって行う。ST105および前記
ST103においてノー(N)の場合はST106に移る。S
T106においてshortresult=「パターンショート以外」
(図20D参照)として前記ST33(図13参照)に移
る。ST105においてイエス(Y)の場合はパターンシ
ョートしていないので、ST107においてshortresult=
正常(図20E参照)として前記ST33に移る。
ト判断処理のサブルーチンである。図22は前記図21
のサブルーチンで判断される結果例の説明図で、図22
AはADFCT(欠陥領域抽出画像)がdustresult(ダ
スト判断結果)=D1となる例を示す図、図22BはA
DFCTがdustresult(ダスト判断結果)=D2となる
例を示す図、図22CはADFCTがdustresult=D2
&D1となる例を示す図、図22DはADFCTがdustr
esult=D3となる例を示す図、図22EはADFCTが
dustresult=D3&D1となる例を示す図である。また、
図23は前記図21のサブルーチンで判断される結果例
の説明図で、MPIが前記図20Aの場合で且つDPI
が前記図20Bの場合に現れる可能性の高いADFCT
の説明図であり、図23Aは欠陥パターン領域画像DP
I[0](図20B参照)の一部(被検査ウエハパターン
抽出画像の一部)がADFCTとして検出された例、図
23Bは欠陥パターン領域画像DPI[1](図20B参
照)の一部(被検査ウエハパターン抽出画像の一部)が
ADFCTとして検出された例を示す図である。
陥領域抽出領域)とMPI[n]との位置関係を計算す
る。次にST112においてADFCTはMPI[n]と重
なる位置に存在しているか否か判断する。ノー(N)の
場合はST113に移る。ST113においてdustresult=D
1(図22A、図23A、図23B参照)として前記S
T39(図13参照)に移る。ST112においてイエス
(Y)の場合はST114に移る。ST114においてADF
CTはMPI[n]領域を分割しているか否か判断する。
イエス(Y)の場合はST115に移る。ST115において
ADFCTはMPI領域内のみに存在しているか否か判
断する。イエス(Y)の場合はST116においてdustres
ult=D2(図22B参照)として前記ST39(図13参
照)に移る。
ST117に移る。ST117においてdustresult=D2&D1
(図22C参照)として前記ST39(図13参照)に移
る。前記ST114においてノー(N)の場合はST118に
移る。ST118においてADFCTはMPI[n](n=
0,1,…)領域内のみに存在するか否か判断する。イ
エス(Y)の場合はST119に移る。ST119においてdu
stresult=D3(図22D参照)として前記ST39(図
13参照)に移る。ST118においてノー(N)の場合
はST120に移る。ST120においてdustresult=D3&
D1(図22E参照)として前記ST39(図13参照)
に移る。
状異常判断処理のサブルーチンである。図24のST12
1において前記D3領域(図22D、図22E参照)とモ
デル画像中の背景領域とテクスチャマッチングを行う。
次にST122においてテクスチャがマッチしたか否か判
断する。イエス(Y)の場合はST123に移る。ST123
においてdefectresult(パターン形状異常判断結果格納
変数)=「パターン形状異常」として前記ST41(図1
3参照)に移る。前記ST122においてノー(N)の場
合はST124に移る。ST124においてdefectresult=
「パターン形状は異常でない」として前記ST41(図1
3参照)に移る。 (1) 図13のST41〜ST43によれば、次のように
なる。 (1−1)前記ST123のdefectresult=「パターン形
状異常」はダスト判断結果result[ri]=「パターン形
状異常」となる。 (1−2)前記ST124のdefectresult=「パターン形
状は異常でない」は、ダスト判断結果result[ri]=
「ダスト」となる。
ープン判断処理のサブルーチンである。図25のST13
1においてD2領域(図22B、図22C参照)とモデル
画像中の背景領域とテクスチャマッチングを行う。次に
ST132においてテクスチャがマッチしたか否か判断す
る。イエス(Y)の場合はST133に移る。ST133にお
いてopenresult=「パターンオープン」として前記ST
47(図14参照)に移る。前記ST132においてノー
(N)の場合はST134に移る。ST134においてopenre
sult=「オープンではない」として前記ST47(図14
参照)に移る。 (2) 図14のST47〜ST49によれば、次のように
なる。 (2−1)前記ST133のopenresult=「パターンオー
プン」は、ダスト判断結果result[ri]=「パターンオ
ープン」となる。 (2−2)前記ST134のopenresult=「オープンでは
ない」は、ダスト判断結果result[ri]=「ダスト」と
なる。
断処理のサブルーチンである。この図26の処理は、前
記ADFCT(欠陥領域抽出画像)のダスト判断(図1
3のST38のサブルーチン(図21)参照)においてD
1(ダストorパターン)と判断された場合(図22A、
図23A、図23B参照)に実行される。図26のST
141においてD1領域(図22A〜図22C参照)とモデ
ル画像中の背景領域とテクスチャマッチングを行う。次
にST142においてテクスチャがマッチしたか否か判断
する。イエス(Y)の場合はST143に移る。ST143に
おいてpatternresult(パターン判断結果格納変数)=
「パターン」として前記ST53(図14参照)に移る。
前記ST142においてノー(N)の場合はST144に移
る。
ンではない」として前記ST53(図14参照)に移る。 (3) 前記図14のST53〜ST59によれば、次のよ
うになる。 (3−1)前記ST143のpatternresult=「パターン」
の場合は、ST53でイエス(Y)となり、次のように判
断される。図12Aの場合で説明すると、図12C、図
12Dは図20D、図20Eに示すように shortcheck
=1でない(shortcheck=0である)。また、図12B
は図20Cに示すように、shortcheck=1である。shor
tcheck=1(図20C参照)の場合(ST54でYの場
合)で、且つ欠陥パターン領域画像(図23A参照)が
パターンショート領域(図20C参照)と重なっている
場合は、既にST34でresult[ri]=パターンショート
と設定されている結果そのままとなる。図20Cと図2
3Bのように、重なっていない場合(ST55でノー
(N)の場合)、本来のパターン上でも、ショートして
いるパターン上でもない所にパターン欠陥が存在するの
で、ダスト判断結果result[ri]=「パターンかけら」
となる。 (3−2)前記ST144のpatternresult=「パターンで
はない」は、ST53でN(すなわち、パターンとマッチ
しない)であり、ST58でdustcheck=「1」でない場
合(パターンショートでない場合)には、ダスト判断結
果result[ri]=「ダスト」とする。ST58でdustcheck
=「1」である場合は、既にresult[ri]=ダストが設
定されているので、そのままリターンする。
の処理を行う場合、前記図13において、ST32のパタ
ーンショート判断処理では、図19のST101におい
て、最初はdi=0(ST31参照)であるのでDPI[d
i]=DPI[0](図12B参照)は、図20Cに示すよ
うに、shortresult=パターンショート(ST104参照)
となる。したがって、ST33において最初はイエス
(Y)となる。したがって、ST34においてshortresul
t[ri]=ショートパターン(ri=0)となる。次にS
T35、ST36においてri=1、di=1となり、DPN
UM=3であるので、ST37においてノー(N)とな
り、ST32に戻る。この場合、図19のST101の処理
は[di]=[1]であるので、DPI[1]図12Cに対し
て行う。図12Cは、図20Dに示すように、ST106
においてshortresult=パターンショート以外となる。
この場合、ST33でノー(N)となり、ST36でdi=
2となる。このときST37でノー(N)となり、前記S
T32に戻る。このときのST32においては図19の処理
は前記DPI[2](図12D参照)に対して行われ、図
20Eに示すように、ST107においてDPI[2]は正
常となる。この場合、ST33においてノー(N)とな
り、ST36でdi=3となる。そして、ST37でイエス
(Y)となり、前記ST38に移る。
ンが形成された被検査体表面に欠陥が有る場合に、その
欠陥がパターンのかけらであるか、異物付着の欠陥(ダ
スト)であるか否か等を自動的に判別することができ
る。
明は、前記実施例1に限定されるものではなく、特許請
求の範囲に記載された本発明の要旨の範囲内で、種々の
変更を行うことが可能である。 (H01)前記図13、図14の欠陥分類処理では、パタ
ーンショート判断処理を、ダスト判断処理やパターンオ
ープン処理よりも先に行っている、それらの処理の順序
を処理方法等は、変更可能である。
フローチャートの代わりに図27、図28、図29に示
すフローチャートを使用することが可能である。図27
は前記図24のフローチャートの変更例を示す図であ
る。図28は前記図25のフローチャートの変更例を示
す図である。図29は前記図26のフローチャートの変
更例を示す図である。前記図24〜図26では、D1領
域、D2領域、D3領域と、パターン領域や背景領域との
テクスチャマッチングを行っているが、図27〜図29
では、前記図24〜図26の処理を実行する前に、図2
7のST121a、ST121b、図28のST131a、ST131
b、図29のST141a、ST141b、の処理を実行する。
すなわち、図27〜図29に示す変更例は、ダストの画
像データベース(ダストの種類とそれに対応するテクス
チャとを記憶したデータベース)を設けており、ST12
1a〜ST141bにおいて前記ダストの画像データベースと
D1,D2,D3とを比較(テクスチャマッチング等)し
ている。マッチしたら、ST124、ST134、ST144に
移り、マッチしなかったときのみST121、ST131、S
T141から処理する。このようにダストのデータベース
と比較する処理を行うことによりダストの材質を特定す
ることが可能となり、分類精度を上げることが可能であ
る。
前記所定パターンの領域を形成する要素を他の領域を形
成する要素に対して区別するためのパターン抽出用デー
タを作成するパターン抽出用データ作成装置C2aの代わ
りに、被検査ウエハSEM画像からパターン抽出用デー
タ作成するパターン抽出用データ作成装置を使用するこ
とが可能である。 (H04)本分類によって欠陥を分類した後、分類毎に更
に詳しく分類することが可能である。全てを対象に詳し
く分類するよりも本発明の方法でおおまかに分類した後
に詳細に分類する方が分類精度が向上する。(H05)モ
デル画像を実際のSEMからではなく、コンピュータに
よって作成することも可能である。
た被検査体表面に欠陥が有る場合に、前記欠陥が有る部
分の被検査体表面上に前記所定パターンを形成すべき要
素が実際に形成しているパターン(すなわち、実パター
ン)を抽出することができる。 (E02)表面に所定パターンが形成された被検査体表面
に欠陥が有る場合に、その欠陥が前記所定パターンのシ
ョート(短絡)を引き起こす欠陥であるか否かを自動的
に判別することができる。 (E03)表面に所定パターンが形成された被検査体表面
に欠陥が有る場合に、その欠陥が前記所定パターンのオ
ープン(断線)を引き起こす欠陥であるか否かを自動的
に判別することができる。 (E04)パターンの欠損や膨張(すなわち、形状異常)
を自動的に判定することができる。 (E05)前記本発明により、1個の被検査体上のパター
ン欠陥分類処理を行った欠陥が例えば100個あった場
合に、その100個の欠陥を検査したときのパターンオ
ープンの検出数やパターンショートの検出数の概略を知
ることにより、その欠陥発生の防止対策等に役立てるこ
とができる。
例1の全体説明図である。
り、図2Aは被検査ウエハである被検査ウエハの外形お
よび被検査ウエハ上の異物位置または欠陥位置を示す
図、図2Bは異物番号または欠陥番号#0,#1,…と
その位置、大きさ等の情報を表形式で示す図である。
ムの一実施例で使用するSEM(走査型電子顕微鏡)お
よびSEMC(SEMコントローラ)等の全体説明図で
ある。
である。
で、図5Aは被検査ウエハ上の欠陥位置およびチップ位
置(ICチップの位置)を示す図で、図5Bは欠陥のチ
ップ上の位置および前記欠陥を含む所定領域(SEM画
像を撮像する領域)を示す図、図5Cは図5Bの欠陥を
含む所定領域のSEM画像を示す図、図5Dは前記図5
Bに示すチップと同一パターンのチップであって欠陥の
無いサンプルチップおよびサンプルチップの前記図5B
に示す欠陥を含む所定領域と同一領域を示す図、図5E
は図5Dの所定領域のSEM画像を示す図である。
ターン欠陥分類装置実施例1のプログラムにより実現さ
れる機能のブロック図である。
装置のパターン欠陥自動分類処理のメインルーチンを示
す図である。
ディスプレイに表示される表示画面の例を示す図であ
り、図8Aは初期画面、図8Bは初期画面で入力された
ID番号に対応するモデルウエハ情報が無い場合の表示
画面を示す図である。
理、すなわち、前記ST10のサブルーチンのフローチャ
ートである。
の説明図で、図10Aはモデル画像抽出領域内の所定の
テクスチャを有する画像すなわちモデルパターン領域画
像を示す図、図10Bは抽出した複数のモデルパターン
領域のうちの1つのモデルパターン領域を示す図、図1
0Cは抽出した複数のモデルパターン領域のうちの別の
1つのモデルパターン領域を示す図、図10Dは抽出し
た複数のモデルパターン領域のうちのさらに別の1つの
モデルパターン領域を示す図、図10Eは前記図10B
のモデルパターン領域に対して行うラベリング例を示す
図、図10Fは前記図10Cのモデルパターン領域に対
して行うラベリング例を示す図、図10Gは前記図10
Dのモデルパターン領域に対して行うラベリング例を示
す図である。
のパターン抽出処理、すなわち、前記図7のST11のサ
ブルーチンのフローチャートである。
理の説明図で、図12Aは被検査ウエハパターン抽出画
像内の所定のテクスチャを有する画像すなわち欠陥パタ
ーン領域画像を示す図、図12Bは抽出した複数の欠陥
パターン抽出領域のうちの1つの欠陥パターン領域を示
す図、図12C、図12Dはそれぞれ前記抽出した複数
の欠陥パターン抽出領域のうちの別の1つの欠陥パター
ン領域を示す図、図12Eは前記図12Bの欠陥パター
ン領域に対して行うラベリング例を示す図、図12F、
図12Gは前記図12C、図12Dの欠陥パターン領域
に対して行うラベリング例を示す図である。
のサブルーチンを示す図である。
図である。
ST21のパターン追跡処理のサブルーチンを示す図であ
る。
る。
点探索処理の詳細説明図で、図17AはST66のサブル
ーチンを示す図、図17BはST95の説明図である。
図18Aは1つ目のパターンのパターン抽出処理の開始
時の処理の説明図、図18Bは1つ目のパターン抽出処
理終了時の状態の説明図、図18Cは1つ目のパターン
抽出処理終了時の処理の説明図、図18Dは2つ目のパ
ターンのパターン抽出処理の開始時の処理の説明図、図
18Eは2つ目のパターン抽出処理終了時の状態の説明
図、図18Fは2つ目のパターン抽出処理終了時の処理
の説明図、図18Gは3つ目のパターンのパターン抽出
処理の開始時の処理の説明図、図18Hは3つ目のパタ
ーン抽出処理終了時の処理の説明図である。
ーンショート判断処理のサブルーチンである。
される結果例の説明図で、図20AはMPI(モデルパ
ターン領域画像)を示す図、図20BはDPI(被検査
ウエハパターン領域画像)を示す図、図20CはDPI
[0]がshortresult(パターンショート結果格納変数)
=「パターンショート」となる例を示す図、図20Dは
DPI[1]がshortresult=「パターンショート以外」
となる例を示す図、図20EはDPI[2]がshortresul
t=「正常」となる例を示す図である。
ト判断処理のサブルーチンである。
される結果例の説明図で、図22AはADFCTがdust
result(ダスト判断結果)=D1となる例を示す図、図
22BはADFCTがdustresult(ダスト判断結果)=
D2となる例を示す図、図22CはADFCTがdustres
ult=D2&D1となる例を示す図、図22DはADFC
Tがdustresult=D3となる例を示す図、図22EはA
DFCTがdustresult=D3&D1となる例を示す図であ
る。
される結果例の説明図で、MPIが前記図20Aの場合
で且つDPIが前記図20Bの場合に現れる可能性の高
いADFCTの説明図であり、図23Aは欠陥パターン
領域画像DPI[0](図20B参照)の一部(被検査ウ
エハパターン抽出画像の一部)がADFCTとして検出
された例、図23Bは欠陥パターン領域画像DPI[1]
(図20B参照)の一部(被検査ウエハパターン抽出画
像の一部)がADFCTとして検出された例を示す図で
ある。
状異常判断処理のサブルーチンである。
ープン判断処理のサブルーチンである。
断処理のサブルーチンである。
更例を示す図である。
更例を示す図である。
更例を示す図である。
分画像Aijと被検査画像Bの部分画像Bijとを相互相関
を用いてマッチングを行う場合のマッチング方法の説明
図であり、図30Aはモデル画像A中の部分画像Aijを
示す図、図30Bは被検査ウエハ画像Bの部分画像Bij
を示す図、図30Cは前記部分画像AijおよびBijのマ
ッチングは微小領域Aij(l,m)、Bij(l,m)毎に行う
ことを示す図である。
報作成手段)、 C0c…モデルウエハSEM画像作成手段、 C1…被検査ウエハ情報作成手段、 C1a…被検査ウエハパターン抽出画像作成手段(被検査
体パターン抽出画像作成手段)、 C1b…ADFCT抽出手段(欠陥領域抽出画像抽出手
段)、 C2…モデルウエハ情報作成手段、 C2a…パターン抽出用データ作成装置、 C2b…モデルパターン抽出画像作成手段、 C3…パターン欠陥自動判別手段、 C3a…パターンショート自動判別手段、 C3b…パターンオープン自動判別手段、 C3c…ダスト判別手段、 CM1…被検査ウエハ情報記憶装置、 CM1a…被検査ウエハSEM画像記憶装置(被検査体画
像記憶装置)、 CM1b…被検査ウエハ欠陥情報記憶装置、 CM1c…被検査ウエハパターン抽出画像記憶装置(被検
査体パターン抽出画像記憶装置)、 CM1d…ADFCT記憶装置(欠陥領域抽出画像記憶装
置)、 CM2…モデルウエハ情報記憶装置、 CM2a…モデルウエハSEM画像記憶装置(モデル画像
記憶装置)、 CM2b…パターン抽出用データ記憶装置、 CM2c…モデルパターン抽出画像記憶装置。
Claims (9)
- 【請求項1】 下記の要件(A01)〜(A03)を備え
たことを特徴とするパターン欠陥分類装置、(A01)所
定パターンを形成すべき要素が実際に形成された被検査
体表面に対して予め行った検査で発見された欠陥領域の
画像を含む被検査体画像を記憶する被検査体画像記憶装
置と、前記被検査体表面の欠陥領域の位置を含む被検査
体欠陥情報を記憶した被検査体欠陥情報記憶装置と、前
記欠陥領域を含む所定範囲の被検査体画像から前記所定
パターンの領域を形成する要素が実際に形成するパター
ンのみを抽出した画像の外形の特定が可能な被検査体パ
ターン抽出画像を記憶する被検査体パターン抽出画像記
憶装置とを有する被検査体情報記憶装置、(A02)前記
被検査体パターン抽出画像を作成抽出した被検査体表面
の画像部分に対応するモデル画像から前記所定パターン
領域のみを抽出した画像の外形の特定が可能なモデルパ
ターン抽出画像を記憶するモデルパターン抽出画像記憶
装置、(A03)前記被検査体パターン抽出画像と前記モ
デルパターン抽出画像とに基づいて前記被検査体表面の
欠陥領域のパターン欠陥の種類を自動的に判別するパタ
ーン欠陥自動判別手段。 - 【請求項2】 下記の要件(A04)を備えたことを特
徴とする請求項1記載のパターン欠陥分類装置、(A0
4)前記被検査体と同一の所定パターンが形成された欠
陥の無いモデル表面の画像を記憶するモデル画像記憶装
置を有するモデル情報記憶装置。 - 【請求項3】 下記の要件(A05),(A06)を備え
たことを特徴とする請求項1または2記載のパターン欠
陥分類装置、(A05)前記欠陥領域を含む所定範囲の被
検査体画像から前記所定パターンの領域を形成する要素
が実際に形成するパターンのみを抽出した画像の外形の
特定が可能な被検査体パターン抽出画像を作成する被検
査体パターン抽出画像作成手段、(A06)前記被検査体
パターン抽出画像を作成抽出した被検査体表面の画像部
分に対応するモデル画像から前記所定パターン領域のみ
を抽出した画像の外形の特定が可能なモデルパターン抽
出画像を作成するモデルパターン抽出画像作成手段。 - 【請求項4】 下記の要件(A07)を備えたことを特
徴とする請求項1ないし3のいずれか記載のパターン欠
陥分類装置、(A07)前記被検査体画像から欠陥領域の
みを抽出した画像の外形を特定する欠陥領域抽出画像を
記憶する欠陥領域抽出画像記憶装置を有する前記被検査
体情報記憶装置。 - 【請求項5】 下記の要件(A08)を備えたことを特
徴とする請求項1ないし4のいずれか記載のパターン欠
陥分類装置、(A08)前記被検査体パターン抽出画像と
前記モデルパターン抽出画像に基づいて前記欠陥領域が
パターンのショート(短絡)であるか否かを判別するパ
ターンショート自動判別手段を有する前記パターン欠陥
自動判別手段。 - 【請求項6】 下記の要件(A09)を備えたことを特
徴とする請求項4または5記載のパターン欠陥分類装
置、(A09)前記被検査体パターン抽出画像と前記モデ
ルパターン抽出画像と前記欠陥領域抽出画像とに基づい
て前記欠陥領域のパターン欠陥の種類がオープン(断
線)であるか否かを判別するパターンオープン自動判別
手段を有する前記パターン欠陥自動判別手段。 - 【請求項7】 下記の要件(A010)を備えたことを
特徴とする請求項4ないし6のいずれか記載のパターン
欠陥分類装置、(A010)前記被検査体パターン抽出画
像と前記モデルパターン抽出画像と前記欠陥領域抽出画
像とに基づいて前記欠陥領域のパターン欠陥の種類が異
物付着の欠陥(ダスト)であるか否かを判別するダスト
判別手段を有する前記パターン欠陥自動判別手段。 - 【請求項8】 下記の要件(A011)を備えたことを特
徴とする請求項1ないし7のいずれか記載のパターン欠
陥分類装置、(A011)前記被検査体画像またはモデル
画像上の前記所定パターンの領域を形成する要素を他の
領域を形成する要素に対して区別するためのパターン抽
出用データを記憶するパターン抽出用データ記憶装置。 - 【請求項9】 下記の要件(A012)を備えたことを
特徴とする請求項8記載のパターン欠陥分類装置、(A
012)前記被検査体画像またはモデル画像上の前記所定
パターンの領域の画像の特徴を前記パターン抽出用デー
タとして記憶する前記パターン抽出用データ記憶装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP10374715A JP2000194864A (ja) | 1998-12-28 | 1998-12-28 | パタ―ン欠陥分類装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP10374715A JP2000194864A (ja) | 1998-12-28 | 1998-12-28 | パタ―ン欠陥分類装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2000194864A true JP2000194864A (ja) | 2000-07-14 |
Family
ID=18504312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP10374715A Pending JP2000194864A (ja) | 1998-12-28 | 1998-12-28 | パタ―ン欠陥分類装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2000194864A (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7257247B2 (en) | 2002-02-21 | 2007-08-14 | International Business Machines Corporation | Mask defect analysis system |
JP2008258486A (ja) * | 2007-04-06 | 2008-10-23 | Sharp Corp | 分布解析方法および装置、異常設備推定方法および装置、上記分布解析方法または異常設備推定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2009520952A (ja) * | 2005-12-14 | 2009-05-28 | ケーエルエー−テンカー テクノロジィース コーポレイション | 検査サンプル上で検出された欠陥分類のための方法とシステム |
JP2014522589A (ja) * | 2011-05-31 | 2014-09-04 | ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング | 車両に組み込まれたカメラのピッチングを規定するための方法および、車両の少なくとも1つのヘッドライトの光放射を制御するための方法 |
JP2019036072A (ja) * | 2017-08-10 | 2019-03-07 | キヤノン株式会社 | 画像処理方法、画像処理装置、および製造方法 |
CN117558645A (zh) * | 2024-01-09 | 2024-02-13 | 武汉中导光电设备有限公司 | 大数据Wafer缺陷确定方法、装置、设备及存储介质 |
-
1998
- 1998-12-28 JP JP10374715A patent/JP2000194864A/ja active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7257247B2 (en) | 2002-02-21 | 2007-08-14 | International Business Machines Corporation | Mask defect analysis system |
US7492941B2 (en) | 2002-02-21 | 2009-02-17 | International Business Machines Corporation | Mask defect analysis system |
US7492940B2 (en) | 2002-02-21 | 2009-02-17 | International Business Machines Corporation | Mask defect analysis system |
JP2009520952A (ja) * | 2005-12-14 | 2009-05-28 | ケーエルエー−テンカー テクノロジィース コーポレイション | 検査サンプル上で検出された欠陥分類のための方法とシステム |
JP2008258486A (ja) * | 2007-04-06 | 2008-10-23 | Sharp Corp | 分布解析方法および装置、異常設備推定方法および装置、上記分布解析方法または異常設備推定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2014522589A (ja) * | 2011-05-31 | 2014-09-04 | ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング | 車両に組み込まれたカメラのピッチングを規定するための方法および、車両の少なくとも1つのヘッドライトの光放射を制御するための方法 |
JP2019036072A (ja) * | 2017-08-10 | 2019-03-07 | キヤノン株式会社 | 画像処理方法、画像処理装置、および製造方法 |
JP7071074B2 (ja) | 2017-08-10 | 2022-05-18 | キヤノン株式会社 | 画像処理方法、画像処理装置、プログラム、記録媒体、物品の製造方法、およびロボット装置 |
CN117558645A (zh) * | 2024-01-09 | 2024-02-13 | 武汉中导光电设备有限公司 | 大数据Wafer缺陷确定方法、装置、设备及存储介质 |
CN117558645B (zh) * | 2024-01-09 | 2024-03-29 | 武汉中导光电设备有限公司 | 大数据Wafer缺陷确定方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6252979B1 (en) | Interactive method and apparatus for sorting biological specimens | |
US7746385B2 (en) | Red-eye filter method and apparatus | |
US6519357B2 (en) | Appearance inspection machine and method for concurrently performing defect detection and classification | |
US6408105B1 (en) | Method for detecting slope of image data utilizing hough-transform | |
US7920723B2 (en) | Two stage detection for photographic eye artifacts | |
US7397956B2 (en) | Pattern matching method selection | |
JP2000132688A (ja) | 顔パーツ検出方法及びその装置 | |
US6411339B1 (en) | Method of spatio-temporally integrating/managing a plurality of videos and system for embodying the same, and recording medium for recording a program for the method | |
JP4105809B2 (ja) | 外観検査方法および外観検査装置 | |
JP2000194864A (ja) | パタ―ン欠陥分類装置 | |
JP2002024830A (ja) | 画像照合装置、方法及びコンピュータ読み取り可能な記憶媒体 | |
JPH07287753A (ja) | 物品識別システム | |
JP3774495B2 (ja) | 画像情報抽出装置および方法 | |
JPH10222678A (ja) | 物体検出装置および物体検出方法 | |
JPH09181953A (ja) | 自動追尾装置 | |
JP2646569B2 (ja) | 多値画像評価装置およびその装置を用いたしきい値決定装置 | |
JP3530363B2 (ja) | 認識モデル生成方法および画像認識方法 | |
JPH10171831A (ja) | 画像ファイル検索装置 | |
JPH06215140A (ja) | パターン識別装置 | |
JPH1196373A (ja) | 撮像装置 | |
JP2628863B2 (ja) | 視覚認識装置 | |
CN116844144A (zh) | 操作***宕机画面之自动分析***与自动分析方法 | |
JPH07254068A (ja) | 物品同定システム | |
JPH11306353A (ja) | 物体認識方法及び物体認識装置 | |
JP2000134609A (ja) | 画像処理方法及び該方法を用いたナンバープレートのサーチ方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050802 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050809 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060131 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060403 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20060530 |