JP2000194864A

JP2000194864A - パタ―ン欠陥分類装置

Info

Publication number: JP2000194864A
Application number: JP10374715A
Authority: JP
Inventors: Masayuki Inoguchi; 正幸猪口; Hirotoshi Kodama; 裕俊児玉
Original assignee: NIPPON DENSHI SYSTEM TECHNOLOG; NIPPON DENSHI SYSTEM TECHNOLOGY KK; Jeol Ltd
Current assignee: NIPPON DENSHI SYSTEM TECHNOLOG; NIPPON DENSHI SYSTEM TECHNOLOGY KK; Jeol Ltd
Priority date: 1998-12-28
Filing date: 1998-12-28
Publication date: 2000-07-14

Abstract

(57)【要約】【課題】被検査体表面に形成されたパターンに欠陥
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

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明はＬＳＩ等の製造過程
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。

【０００２】

【従来の技術】前記ＬＳＩが高集積化されるにつれて、
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。

【０００３】従来の欠陥検査装置として次の技術（Ｊ0
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。

【０００４】

【発明が解決しようとする課題】（前記（Ｊ01）の問題
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。

【０００５】本発明は、前述の事情に鑑み、下記の記載
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。

【０００６】

【課題を解決するための手段】次に、前記課題を解決し
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。

【０００７】（本発明）前記課題を解決するために、本
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）。

【０００８】前記「モデル画像」は、前記「被検査体」
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。

【０００９】前記被検査体パターン抽出画像記憶装置
（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。

【００１０】前記本発明のパターン欠陥分類装置におい
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。

【００１１】前記パターン欠陥分類装置を前記制御コン
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。

【００１２】なお、次の手段（４）〜（６）の機能は、
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。

【００１３】（本発明の作用）前記構成を備えた本発明
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。

【００１４】モデル情報記憶装置（ＣＭ2）のモデルパ
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。

【００１５】

【実施の形態】（実施の形態１）本発明のパターン欠陥
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）、

【００１６】（実施の形態１の作用）前記構成を備えた
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。

【００１７】（実施の形態２）本発明のパターン欠陥分
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）。

【００１８】（実施の形態２の作用）前記構成を備えた
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。

【００１９】（実施の形態３）本発明のパターン欠陥分
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）、

【００２０】（実施の形態３の作用）前記構成を備えた
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。

【００２１】（実施の形態４）本発明のパターン欠陥分
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）。

【００２２】（実施の形態４の作用）前記構成を備えた
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。

【００２３】（実施の形態５）本発明のパターン欠陥分
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）。

【００２４】（実施の形態５の作用）前記構成を備えた
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。

【００２５】（実施の形態６）本発明のパターン欠陥分
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）。

【００２６】（実施の形態６の作用）前記構成を備えた
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。

【００２７】（実施の形態７）本発明のパターン欠陥分
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）。

【００２８】（実施の形態７の作用）前記構成を備えた
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。

【００２９】なお、前記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）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。

【００３０】（実施の形態８）本発明のパターン欠陥分
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。

【００３１】（実施の形態８の作用）前記構成を備えた
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。

【００３２】

【実施例】次に図面を参照しながら、本発明のパターン
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。

【００３３】前記光学式の各検査装置１，２の機能は次
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。

【００３４】（3）光学式レビュー装置３：光学式レビ
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。

【００３５】前記予備検査情報ファイルには、製品番
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。

【００３６】前記予備検査情報により、被検査ウエハの
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。

【００３７】（4）ＤＩＦＳサーバ４：ＤＩＦＳサーバ
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。

【００３８】（5）ＳＥＭ：実施例１の詳細検査装置で
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。

【００３９】前記ＳＥＭは、被検査ウエハ等の被検査体
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。

【００４０】（ＳＥＭの構成）図３は本発明のパターン
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。

【００４１】図４において、前記真空試料室Ａの形成す
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。

【００４２】前記図２Ａに示すように被検査ウエハ上の
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。

【００４３】図５はＳＥＭの従来の欠陥検査機能の説明
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。

【００４４】図５Ｂに示すように、欠陥番号＃０の欠陥
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。

【００４５】また、図５Ｄは前記欠陥の無いチップ（モ
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。

【００４６】（実施例１の制御部の説明）図６はＳＥＭ
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。

【００４７】Ｃ0：ＳＥＭＣが本来有する手段実施例１のＳＥＭＣは本来、被検査ウエハＳＥＭ画像作
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。

【００４８】Ｃ1，ＣＭ1，Ｃ2，ＣＭ2，Ｃ3：（パター
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。

【００４９】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）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。

【００５０】ＣＭ1：被検査ウエハ情報記憶装置（被検
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。

【００５１】ＣＭ1b：被検査ウエハ欠陥情報記憶装置被検査ウエハ欠陥情報記憶装置ＣＭ1bは、前記被検査ウ
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。

【００５２】Ｃ2：モデルウエハ情報作成手段モデルウエハ情報作成手段Ｃ2は、パターン抽出用デー
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。

【００５３】ＣＭ2：モデルウエハ情報記憶装置モデルウエハ情報記憶装置ＣＭ2は、前記モデルウエハ
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。

【００５４】ＣＭ2b：パターン抽出用データ記憶装置パターン抽出用データ記憶装置ＣＭ2b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。

【００５５】Ｃ3：パターン欠陥自動判別手段パターン欠陥自動判別手段Ｃ3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。

【００５６】Ｃ3b：パターンオープン自動判別手段パターンオープン自動判別手段Ｃ3bは、前記被検査ウエ
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。

【００５７】（実施例１の作用）図７は本発明の一実施
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。

【００５８】被検査ウエハＷが前記試料ステージにセッ
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。

【００５９】ＳＴ8において、パターン欠陥分類処理す
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。

【００６０】次にＳＴ12において、前記ＳＴ10で抽出し
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。

【００６１】図９はモデル画像抽出領域内パターン抽出
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。

【００６２】次にＳＴ17において前記ＳＴ16で得られた
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。

【００６３】図１１は欠陥画像抽出領域内のパターン抽
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。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。

【００６４】次にＳＴ22において前記ＳＴ21で得られた
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。

【００６５】図１３は前記図７のＳＴ12の欠陥分類処理
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）＝０ｒi（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

【００６６】次にＳＴ32においてパターンショート判断
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。

【００６７】次にＳＴ33においてshortresult＝パター
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。

【００６８】次にＳＴ36においてｄi＝ｄi＋１とする。
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。

【００６９】ＳＴ38において、ダスト判断処理を行う。
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。

【００７０】次にＳＴ39においてdustresult（図２１参
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。

【００７１】次にＳＴ41においてdefectresult＝パター
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。

【００７２】ＳＴ45においてdustresult（図２１参照）
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。

【００７３】次にＳＴ47においてopenresult（オープン
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。

【００７４】ＳＴ51においてdustresult（図２１参照）
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。

【００７５】次にＳＴ53においてpatternresult（パタ
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。

【００７６】ＳＴ56においてresult（分類結果インデッ
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。

【００７７】図１５は前記図９のＳＴ16および図１１の
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。

【００７８】次にＳＴ63において、ｘ1＝０、ｙ1＝０と
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。

【００７９】ＳＴ64の次にＳＴ65に移る。ＳＴ65におい
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。

【００８０】図１６は前記ＳＴ64のサブルーチンであ
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

【００８１】前記マッチング計算は、実施例１ではテク
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。

【００８２】

【数１】

【００８３】前記Ａij（Ｌ，Ｍ）およびＢij（Ｌ，Ｍ）
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。

【００８４】次にＳＴ73においてマッチングサイズ（Ｍ
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＝０ｙ＝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。

【００８５】前記ＳＴ74においてノー（Ｎ）の場合はＳ
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。

【００８６】図１７は前記ＳＴ66（図１５参照）の連結
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。

【００８７】次にＳＴ94においてマッチングしたか否か
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。

【００８８】前記ＳＴ94においてノー（Ｎ）の場合はＳ
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。

【００８９】図１９は前記ＳＴ32（図１３参照）のパタ
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。

【００９０】図１９のＳＴ101においてＤＰＩ[ｎ]（ｎ
＝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。

【００９１】前記ＳＴ102においてノー（Ｎ）の場合は
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。

【００９２】図２１は前記ＳＴ38（図１３参照）のダス
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。

【００９３】図２１のＳＴ111においてＡＤＦＣＴ（欠
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。

【００９４】前記ＳＴ115においてノー（Ｎ）の場合は
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。

【００９５】図２４は前記図１３のＳＴ40のパターン形
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。

【００９６】図２５は前記図１４のＳＴ46のパターンオ
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。

【００９７】図２６は前記図１４のＳＴ52のパターン判
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。

【００９８】ＳＴ144においてpatternresult＝「パター
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。

【００９９】（前記図１３、図１４の再説明）図１２Ａ
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。

【０１００】前記実施例１によれば、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。

【０１０１】以上、本発明の実施例を詳述したが、本発
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。

【０１０２】（Ｈ02）前記図２４、図２５、図２６の各
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。

【０１０３】（Ｈ03）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。

【０１０４】

【発明の効果】（Ｅ01）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。

【図面の簡単な説明】

【図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２】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。

【図３】図３は本発明のパターン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】図４は同ＳＥＭおよびＳＥＭＣの全体斜視図
である。

【図５】図５はＳＥＭの従来の欠陥検査機能の説明図
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。

【図６】図６はＳＥＭＣ本来の機能および本発明のパ
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。

【図７】図７は本発明の一実施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】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。

【図９】図９はモデル画像抽出領域内パターン抽出処
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】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。

【図１１】図１１は被検査ウエハパターン抽出画像内
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。

【図１２】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。

【図１３】図１３は前記図７のＳＴ12の欠陥分類処理
のサブルーチンを示す図である。

【図１４】図１４は前記図１３の続きのフローを示す
図である。

【図１５】図１５は前記図９のＳＴ16および図１１の
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１６】図１６は前記ＳＴ64のサブルーチンであ
る。

【図１７】図１７は前記ＳＴ66（図１５参照）の連結
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】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１９】図１９は前記ＳＴ32（図１３参照）のパタ
ーンショート判断処理のサブルーチンである。

【図２０】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。

【図２１】図２１は前記ＳＴ38（図１３参照）のダス
ト判断処理のサブルーチンである。

【図２２】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。

【図２３】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。

【図２４】図２４は前記図１３のＳＴ40のパターン形
状異常判断処理のサブルーチンである。

【図２５】図２５は前記図１４のＳＴ46のパターンオ
ープン判断処理のサブルーチンである。

【図２６】図２６は前記図１４のＳＴ52のパターン判
断処理のサブルーチンである。

【図２７】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】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】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。

【図３０】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。

【符号の説明】

Ｃ0…（ＳＥＭＣが本来有する手段）、Ｃ0a…被検査ウエハＳＥＭ画像作成手段、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）、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。

───────────────────────────────────────────────────── フロントページの続き (72)発明者児玉裕俊東京都立川市曙町二丁目34番７号日本電子システムテクノロジー株式会社内Ｆターム(参考） 2F065 AA49 BB02 CC18 CC19 DD03 FF04 JJ03 PP24 QQ24 QQ31 2G003 AA10 AB18 AH01 AH02 AH05 2G051 AA51 AA56 AB01 AB02 DA07 EA14 EB01 EB02 EC01 ED07 ED14 ED23 FA10 4M106 AA01 AA02 AA09 BA20 CA39 CA41 DB05 DB21 DJ14 DJ21 DJ23 5B057 AA03 DA03 DA17 DB02 DC09 DC36 DC40

Claims

【特許請求の範囲】

【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。