JP2006284447A - Defect inspection device and defect inspection method - Google Patents
Defect inspection device and defect inspection method Download PDFInfo
- Publication number
- JP2006284447A JP2006284447A JP2005106523A JP2005106523A JP2006284447A JP 2006284447 A JP2006284447 A JP 2006284447A JP 2005106523 A JP2005106523 A JP 2005106523A JP 2005106523 A JP2005106523 A JP 2005106523A JP 2006284447 A JP2006284447 A JP 2006284447A
- Authority
- JP
- Japan
- Prior art keywords
- defect
- image
- database
- classification
- region
- 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.)
- Granted
Links
Images
Landscapes
- 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)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
Description
本発明は、欠陥検査装置及び欠陥検査方法に関し、特にフラットパネルディスプレイなどの検査対象基板上に形成されたパターンを検出して欠陥検査を行う欠陥検査装置及び欠陥検査方法に関する。 The present invention relates to a defect inspection apparatus and a defect inspection method, and more particularly to a defect inspection apparatus and a defect inspection method for detecting a pattern formed on an inspection target substrate such as a flat panel display and performing a defect inspection.
従来、半導体デバイスやフラットパネルディスプレイは、それぞれ半導体ウェハあるいはガラス基板上に微細なデバイスパターンを形成することにより作製される。このようなデバイスパターンを形成するときに、半導体ウェハあるいはガラス基板上に塵埃等が付着したり、傷が付いたりして、欠陥が生じることがある。このような欠陥が生じた半導体ウェハあるいはガラス基板は、不良デバイスとなり、歩留りを低下させる。 Conventionally, a semiconductor device and a flat panel display are produced by forming a fine device pattern on a semiconductor wafer or a glass substrate, respectively. When such a device pattern is formed, dust or the like may adhere to the semiconductor wafer or the glass substrate or may be damaged. A semiconductor wafer or glass substrate in which such a defect has occurred becomes a defective device, and yield is reduced.
したがって、製造ラインの歩留りを高い水準で安定させるためには、欠陥検査装置を用いて塵埃や傷等によって発生する欠陥を早期に発見し、その原因を突き止め、製造設備や製造プロセスに対して有効な対策を講じることが好ましい。例えば、フラットパネルディスプレイの場合、発見された欠陥の種類が修復可能なものであれば、修復を行なって次プロセスに流すことが行なわれている。 Therefore, in order to stabilize the yield of the production line at a high level, a defect inspection device is used to detect defects caused by dust, scratches, etc. at an early stage, and the cause can be determined, which is effective for production equipment and processes. It is preferable to take appropriate measures. For example, in the case of a flat panel display, if a detected defect type can be repaired, it is repaired and passed to the next process.
欠陥が発生する原因を突き止める有効な方法は、まず欠陥が発見された場合に、その欠陥が何であるかを調べて分類分けを行うことである。ここで、欠陥が何であるかを調べる欠陥検査装置は、いわば光学顕微鏡のようなものであり、欠陥を拡大して見ることで、その欠陥が何であるかを識別するようにしている。 An effective method for determining the cause of the defect is to first classify the defect by examining what the defect is when the defect is discovered. Here, the defect inspection apparatus for examining what a defect is is like an optical microscope, and the defect is magnified to identify what the defect is.
半導体ウェハの欠陥を自動分類する手法としては、撮像装置を用いて撮影した欠陥画像と参照画像の比較により欠陥を抽出し、欠陥の特徴をデータベースに登録されているものと比較・分類する手法が広く採用されている。フラットパネルディスプレイ等においても同様な手法で欠陥を自動分類することが可能である。 As a method for automatically classifying defects on a semiconductor wafer, there is a method for extracting defects by comparing a defect image taken with an imaging device and a reference image, and comparing and classifying the defect features with those registered in a database. Widely adopted. In a flat panel display or the like, defects can be automatically classified by the same method.
ここで、従来の欠陥自動分類方法の一例について、図19,図20を参照して説明する。
図19は、従来の欠陥検査装置における欠陥分類用データベースの作成工程図である。欠陥分類用データベースの作成工程では、撮像装置201により撮像された欠陥画像(被検査画像)と参照画像がそれぞれ欠陥画像メモリ202と参照画像メモリ203に保存される。欠陥抽出部204で欠陥画像と参照画像が比較され、欠陥画像から欠陥部位の画像のみが抽出された後、特徴抽出部205で欠陥の大きさや色などの特徴量が欠陥情報として数値化される。
そして、数値化された欠陥情報は、一旦、分類前データメモリ206に蓄積された後、作業者により分類される。作業者は各欠陥を経験に基づいて分類し、分類した各グループに分類コードを付与する。上記分類コードを付与された各グループの特徴情報が分類1〜Nの情報として分類結果メモリ212に保存される。そして、分類結果メモリ212に保存された分類1〜Nの情報からデータ選択部213により冗長性を排除した分類1〜Nの特徴情報が、データベースとしてデータベースメモリ218に保存される。
Here, an example of a conventional defect automatic classification method will be described with reference to FIGS.
FIG. 19 is a process chart for creating a defect classification database in a conventional defect inspection apparatus. In the defect classification database creation step, the defect image (inspected image) and the reference image captured by the
The digitized defect information is once stored in the
図20は、上述した従来の欠陥検査装置における分類実行工程の工程図である。
分類実行工程では、データベース作成工程と同様に、撮像装置201により撮像された欠陥画像と参照画像がそれぞれ欠陥画像メモリ202と参照画像メモリ203に保存される。欠陥抽出部204で欠陥画像と参照画像が比較され、欠陥画像から欠陥部位の画像のみが抽出された後、特徴抽出部205で欠陥の大きさや色などの特徴量が欠陥情報として数値化される。
そして、抽出された欠陥の特徴情報と、比較/分類コード付与部219でデータベースメモリ218に保存されているデータベースに含まれる分類1〜Nの特徴情報と比較され、特徴の一致した分類のコードが付与されることにより分類結果出力部220から分類結果が出力される。これにより、作業者は欠陥の種類を知ることができる。
FIG. 20 is a process diagram of the classification execution process in the conventional defect inspection apparatus described above.
In the classification execution process, as in the database creation process, the defect image and the reference image captured by the
Then, the extracted feature information of the defect is compared with the feature information of the
また、被検査画像(欠陥画像)と基準画像との差を表す相違度画像データを小領域に分割して、異なる閾値にて欠陥判定処理を行なう画像欠陥判別処理装置が提案されている(例えば、特許文献1参照。)。
この画像欠陥判別処理装置は、相違度画素算出処理、最大相違度算出処理、総和相違度算出処理の3種類の欠陥判定処理が設けられ、かつ、それぞれ欠陥の性質に応じて閾値を設定することにより、欠陥を分類し、目的に応じた欠陥判定を容易に行なうことができる。例えば、印刷物の汚れ、LSIのパターンの不良、工業製品の表面の汚れや塗装むらなどを検査することができる。
The image defect determination processing apparatus is provided with three types of defect determination processing, namely, a difference pixel calculation process, a maximum difference calculation process, and a total difference calculation process, and sets a threshold value according to the nature of each defect. Therefore, it is possible to classify defects and easily perform defect determination according to the purpose. For example, it is possible to inspect stains on printed matter, LSI pattern defects, stains on the surface of industrial products, coating unevenness, and the like.
しかしながら、特許文献1に記載のものは、単純に相違画像データを用いて領域定義を行なっているので、被検査画像はいつも検査対象物の同じ場所を撮影する必要がある。異なる場所で撮影した違うパターン上の欠陥分類に対応することができないという問題があった。
いわゆるレビュー検査と呼ばれる高倍率での欠陥検査では、被検査画像が撮影される場所は固定されておらず、下地となる配線パターンも毎回異なる。そのため、特許文献1に記載の相違度画像データの小領域アドレス方式による画像欠陥判別処理装置では対応することができない。
However, since the one described in
In a defect inspection at a high magnification called a so-called review inspection, a place where an image to be inspected is taken is not fixed, and a wiring pattern as a base is different every time. For this reason, the image defect discrimination processing apparatus based on the small area address method of the difference degree image data described in
本発明は斯かる点に鑑みてなされたものであり、検査対象物の異なる場所で撮影した違うパターン上の欠陥の検出・分類に対応し、なおかつ自動分類結果の精度を向上させることを目的とする。 The present invention has been made in view of such points, and it is intended to cope with detection and classification of defects on different patterns photographed at different locations of an inspection object, and to improve the accuracy of automatic classification results. To do.
上記課題を解決するため、本発明は、繰り返しパターンからなる検査対象物を撮像した披検査画像と欠陥のない参照画像を比較することにより欠陥の抽出及び分類を行なう際に、まず、被検査画像と参照画像を比較し、欠陥部位の画像と位置を抽出し、次に、抽出された欠陥部位の画像の特徴量を数値化して特徴情報を生成し、上記処理と並行して、欠陥部位の位置が繰り返しパターン画像のどの領域に属するかを検出し、所定数に分割された繰り返しパターン画像のそれぞれの領域毎に、その領域内で発生する欠陥を類似欠陥毎に分類して各領域毎の欠陥分類用のデータベースとして保存しておき、そして、検出された欠陥部位の領域情報に基づいて、各々の領域毎に保存されたデータベースから欠陥分類に使用するデータベースを選択し、最後に、選択されたデータベースを参照し、欠陥部位の特徴情報を基に、当該欠陥部位に対して該当する欠陥の分類コードを付与することを特徴とする。 In order to solve the above-mentioned problems, the present invention first performs an inspection image when extracting and classifying defects by comparing an inspection image obtained by imaging an inspection object having a repetitive pattern with a reference image having no defect. And the reference image are extracted, and the image and position of the defective part are extracted. Next, the feature amount of the extracted defective part image is quantified to generate feature information. Detect which region of the repeated pattern image the position belongs to, and for each region of the repeated pattern image divided into a predetermined number, classify the defects occurring in that region for each similar defect Save it as a database for defect classification, and select the database to be used for defect classification from the database stored for each area based on the area information of the detected defect part. Finally, with reference to the selected database, based on the feature information of the defective portion, characterized by applying the classification code of the defect corresponding with respect to the defect site.
上述の構成によれば、検査対象物のデザインパターンの最小単位である繰り返しパターン内を欠陥の分布の異なる領域に分割し、その領域毎に異なる欠陥分類用データベースを用いて欠陥分類を行うことで、分類結果の誤りを減少させることができる。
また、異なる領域に分割する対象が繰り返しパターン画像であるので、検査対象物の異なる場所で撮影した違うパターン上の欠陥の検出・分類にも対応することができる。
According to the above-described configuration, the inside of the repetitive pattern, which is the minimum unit of the design pattern of the inspection object, is divided into regions having different defect distributions, and defect classification is performed using a different defect classification database for each region. , Classification errors can be reduced.
In addition, since the object to be divided into different areas is a repeated pattern image, it is possible to cope with detection / classification of defects on different patterns photographed at different places on the inspection object.
本発明によれば、検査対象物の異なる場所で撮影した違うパターン上の欠陥の検出・分類に対応することができ、かつ自動分類結果の精度が向上するという効果がある。 According to the present invention, it is possible to cope with detection / classification of defects on different patterns photographed at different places on the inspection object, and to improve the accuracy of the automatic classification result.
以下、本発明を実施するための最良の形態の例を説明するが、本発明は以下の例に限定されるものではない。
本例では、フラットパネルディスプレイのガラス基板上に形成されたデザインパターンの欠陥検査を行なう場合について説明するが、検査対象はこの例に限定されるものではなく、例えば半導体ウェハ、フォトマスク、磁気ディスク等、検査対象基板上に所定パターンが形成されたものに適用できる。
Examples of the best mode for carrying out the present invention will be described below, but the present invention is not limited to the following examples.
In this example, the case of performing a defect inspection of a design pattern formed on a glass substrate of a flat panel display will be described. However, the inspection object is not limited to this example. For example, a semiconductor wafer, a photomask, a magnetic disk The present invention can be applied to a substrate in which a predetermined pattern is formed on an inspection target substrate.
まず、本発明を適用して好適な欠陥検査装置の構成の一例を示したブロック図を、図1に示す。
図1に示す欠陥検査装置100は、搬送ステージ2上に検査対象物として載置されるガラス基板などの欠陥の分類検査を行うものである。この欠陥検査装置100において、搬送ステージ2は、載置されたガラス基板1を指定された座標位置に位置決めする。また、撮像装置10は、検査対象物を撮像するものであって、上記搬送ステージ2上の検査対象物すなわちガラス基板1の表面を撮像する。この撮像装置10による撮像出力は、画像ファイルとして欠陥画像メモリ21又は欠陥抽出用参照画像メモリ22に供給される。
First, FIG. 1 is a block diagram showing an example of a configuration of a suitable defect inspection apparatus to which the present invention is applied.
A
欠陥画像メモリ21は、上記撮像装置10による撮像出力として得られるガラス基板1の欠陥部位の画像を含む欠陥画像(被検査画像)を保存するものである。
欠陥分類用データベースの作成及び欠陥分類の実行時に、上記ガラス基板1の製造ラインにおける欠陥検査において検出された欠陥の座標位置データに基づいて上記搬送ステージ2上のガラス基板1を上記欠陥の座標位置に位置決めする。そしてその位置で、上記撮像装置10により上記ガラス基板1の表面を撮像することによって得られる欠陥部位の画像を含む欠陥画像データが、上記欠陥画像メモリ21に書き込まれる。
The
When the defect classification database is created and the defect classification is executed, the
また、欠陥抽出用参照画像メモリ22は、上記欠陥画像と比較される欠陥の存在しない参照画像を保存するものである。
欠陥分類の実行時に、上記ガラス基板1を欠陥のない同様パターンの同位置(上記欠陥検査において検出された欠陥の座標位置データに基づく位置、もしくはそれに相当する位置)に位置決めした状態で、上記撮像装置10により上記ガラス基板1の表面を撮像することによって得られる画像が、欠陥抽出用参照画像データとして上記欠陥抽出用参照画像メモリ22に書き込まれる。
The defect extraction
When the defect classification is performed, the imaging is performed in a state where the
上述した欠陥画像メモリ21及び欠陥抽出用参照画像メモリ22への各画像データの書き込み及び読み出しは、図示しないデータ処理制御部により制御される。
Writing and reading of each image data to / from the
参照画像(無欠陥画像)の一例を、図2に示す。
図2に示すように、単位画素である画素パターン110が一定の規則に従って整列することによりガラス基板1表面のデバイスパターンを形成している。
An example of the reference image (defect-free image) is shown in FIG.
As shown in FIG. 2, a device pattern on the surface of the
図3〜図7は、それぞれ欠陥検査時に検出される欠陥を含む欠陥画像の一例を示したものである。
図3は、デバイスパターンの一部、例えば信号線パターン上にパターン断線欠陥121が存在する例である。図4は、デバイスパターンの信号線パターン上にパターンはみ出し欠陥122が存在する例である。図5は、デバイスパターンの一部にゴミ欠陥123が存在する例である。図6は、デバイスパターンの一部にキャパシタ(保持容量素子)形成不良欠陥124を含む例である。図7は、図6のキャパシタ形成不良欠陥124を高倍率表示したものである。
なお、上記欠陥画像は一例であって、フラットパネルディスプレイに生じる欠陥はこの例に限られるものではない。
3 to 7 show examples of defect images including defects detected at the time of defect inspection.
FIG. 3 is an example in which a
In addition, the said defect image is an example, Comprising: The defect which arises in a flat panel display is not restricted to this example.
欠陥抽出部30は、検査対象物を撮像して得られる被検査画像を欠陥のない参照画像と比較することにより欠陥部位の画像(差画像)と位置を抽出するものである。具体的には、上記欠陥画像メモリ21に保存された欠陥画像データと上記欠陥抽出用参照画像メモリ22に保存された欠陥抽出用参照画像データとを比較することにより、欠陥画像と欠陥抽出用参照画像の差分を上記撮像装置10により撮像したガラス基板1の欠陥部位の画像として抽出する。この欠陥抽出部30により抽出された欠陥部位の画像は、特徴抽出部50に供給される。
The
特徴抽出部50は、上記欠陥抽出部30により抽出された欠陥部位の画像について、大きさ、色、コントラスト、形状などの情報を特徴量として抽出して数値化する。そして数値化した情報を比較/分類コード付与部80に供給する。
The
一方、本例の欠陥検査装置100は、欠陥部位がガラス基板1上のどの位置に該当するかを検出するパターンマッチング部40を有する。その検出方法としては、予め保存された参照画像をターゲットとして欠陥画像をパターンマッチングするか、あるいは、この逆に、欠陥画像をターゲットとして参照画像をパターンマッチングする方法の2通りがある。
On the other hand, the
前者の参照画像をターゲットとする場合は、例えば、予め上記ガラス基板1の撮影場所を広範囲にわたり欠陥のない位置で位置決めした状態で、欠陥検査に使用する時よりも倍率の低い対物レンズを装着した上記撮像装置10で撮影した画像を、欠陥検査に使用する対物レンズとの倍率の比率に応じて、画像サイズを拡大したものをパターンマッチング用参照画像用メモリ23に書き込んでおく。
パターンマッチング部40は上記パターンマッチング用参照画像メモリ23に保存された参照画像をターゲットとして、上記欠陥画像メモリ21に保存された欠陥画像データのパターンマッチングを行い、欠陥部位の位置を検出する。
When targeting the former reference image, for example, an objective lens having a lower magnification than that used for defect inspection is mounted in a state where the photographing location of the
The
あるいは参照画像をターゲットとする場合の他の方法として、例えば、予め上記ガラス基板1を広範囲にわたり欠陥のない位置で位置決めした状態で、欠陥検査に使用する時よりも倍率の低い対物レンズを装着した上記撮像装置10で撮影した画像を、パターンマッチング用参照画像用メモリ23に書き込んでおく。
パターンマッチング部40は上記パターンマッチング用参照画像メモリ23に保存された参照画像をターゲットとして、上記欠陥画像メモリ21に保存された欠陥画像データを、参照画像撮像時に使用した対物レンズとの倍率の比率に応じて縮小した欠陥画像に変換後にパターンマッチングを行い、欠陥部位の位置を検出する。この欠陥部位の位置情報は、領域コード付与部60に供給される。
上述した参照画像をターゲットとする方式は、欠陥検査時での対物レンズの倍率が画素サイズに対して比較的高い場合、例えば、欠陥画像の撮像範囲が画素の一部分しかない場合に有用である(後述する図7参照。)。
Alternatively, as another method for targeting a reference image, for example, an objective lens having a lower magnification than that used when defect inspection is performed in a state where the
The
The above-described method of targeting the reference image is useful when the magnification of the objective lens at the time of defect inspection is relatively high with respect to the pixel size, for example, when the imaging range of the defect image is only a part of the pixel ( (See FIG. 7 described later.)
また、後者の欠陥画像をターゲットとする場合は、例えば、予め上記ガラス基板1の撮影場所を欠陥のない位置で位置決めした状態で、欠陥検査に使用する時と同じ倍率の対物レンズを装着した上記撮像装置10で撮影した画像から、繰り返しパターンの最小単位である1画素相当のパターンのみを切り出した画像を、パターンマッチング用参照画像用メモリ23に書き込んでおく。
When targeting the latter defect image, for example, the above-mentioned objective lens having the same magnification as that used for defect inspection is mounted in a state where the photographing location of the
パターンマッチング部40は上記欠陥画像メモリ21に保存された欠陥画像をターゲットとして、上記パターンマッチング用参照画像メモリ23に保存された最小繰り返しパターン画像のパターンマッチングを行い、欠陥部位の位置を検出する。この欠陥部位の位置情報は、領域コード付与部60に供給される。
The
上述した欠陥画像をターゲットとする方式は、欠陥検査時での対物レンズの倍率が画素サイズに対して比較的低い時、すなわち、欠陥画像内に多数の画素が撮像されている場合に有用である(後述する図3〜図6参照。)。 The above-described method of targeting a defect image is useful when the magnification of the objective lens at the time of defect inspection is relatively low with respect to the pixel size, that is, when a large number of pixels are captured in the defect image. (See FIGS. 3 to 6 described later.)
上記パターンマッチング部40とともに領域検出部を構成する領域コード付与部60は、上記パターンマッチング部40により検出された欠陥部位の位置が領域定義画像メモリ24から読み出した領域定義画像のどの領域に属するかを検出し、領域コードを生成する。この領域コードは、領域コード出力部91とデータベース選択部70に供給される。また上記領域定義画像は、作業者が予め繰り返しパターンを幾つかの領域に分解して定義した結果を、パターンマッチング用参照画像と同じサイズに画像化したものであり、領域定義画像メモリ24に保存されている。
The area
なお、パターンマッチング部40において、撮像装置10で撮像した被検査画像を複数に分割し、分割された被検査画像を用いてパターンマッチングを行なうようにしてもよい。
Note that the
上記領域コード付与部60は、パターンマッチング部40によって検出された欠陥部位の位置に相当する位置が、領域定義画像メモリ24から読み出した領域定義画像のどの領域に相当するかを調べ、その領域に応じた領域コードを付与する。
The region
データベース選択部70は、領域コード付与部60から供給された領域コードに対応する欠陥分類用のデータベースを選択し、比較/分類コード付与部80に供給する。例えば、領域定義画像を3つの領域に分けた場合において欠陥が領域1に存在するとき、領域コード付与部60より領域1を示す領域コードがデータベース選択部70に供給され、データベース選択部70はその領域コードを受けて領域1用データベース71を選択し、比較/分類コード付与部80に供給する。
The
各々の領域用のデータベースは、予め作業者が、その領域でのみ発生するもしくは発生する可能性のある欠陥の位置情報データを領域毎に用意しておき、通常のデータベース作成手法、例えば図19に示したような欠陥分類用データベースの作成工程に従って、存在する領域の数だけデータベースを作成しておく。 The database for each area is prepared in advance by the operator by preparing the position information data of defects that may or may only occur in that area for each area. According to the defect classification database creation process as shown, databases are created for the number of existing areas.
例えば、本例では、撮像装置10により撮像された欠陥画像(被検査画像)と参照画像がそれぞれ欠陥画像メモリ21と参照画像メモリ22保存される。欠陥抽出部30で欠陥画像と参照画像が比較され、欠陥画像から欠陥部位の画像のみが抽出された後、特徴抽出部50で欠陥の大きさや色などの特徴量が欠陥情報として数値化される。
数値化された欠陥情報は、一旦、分類前データメモリ(図示略)に蓄積された後、作業者により分類される。作業者は各欠陥を経験に基づいて分類し、分類した各グループに分類コードを付与する。上記分類コードを付与された各グループの特徴情報が分類1〜Nの情報として分類結果メモリに保存される。そして、分類結果メモリに保存された分類1〜Nの情報からデータ選択部(図示略)により冗長性を排除した分類1〜Nの特徴情報が、当該領域で発生する欠陥のデータベースとして各領域のデータベースメモリに保存される。
For example, in this example, the defect image (inspected image) and the reference image captured by the
The digitized defect information is once stored in a pre-classification data memory (not shown) and then classified by the operator. The operator classifies each defect based on experience, and assigns a classification code to each classified group. The feature information of each group given the classification code is stored in the classification result memory as information of
例えば、領域1に分類a, 分類b, 分類cの3種類の欠陥が存在する場合は、領域1用データベース71には冗長性を排除した分類a, 分類b, 分類cの特徴情報を保存する。領域2に分類a, 分類e,分類fの3種類の欠陥が存在する場合は、領域2用データベース72には冗長性を排除した分類a, 分類e, 分類fの特徴情報を保存する。さらに、領域3に分類a, 分類gの2種類の欠陥が存在する場合は、領域3用データベース73には冗長性を排除した分類a, 分類gの特徴情報を保存する。
For example, when there are three types of defects of category a, category b, and category c in
少なくとも上記各領域のデータベースが保存されるメモリ及び各参照画像メモリ(記憶部)は、フラッシュメモリ等の不揮発性メモリとする。 At least the memory storing each area database and each reference image memory (storage unit) is a non-volatile memory such as a flash memory.
分類実行部として機能する比較/分類コード付与部80は、特徴抽出部50により数値化された欠陥画像の特徴情報と、データベース選択部70によって選択されたデータベースに含まれる欠陥の特徴情報を比較し、特徴の一致する分類のコードを付与する。例えば、データベース選択部70がデータベース71を選択した場合、特徴抽出部50からの特徴情報とデータベース71に含まれる分類a,分類b,分類cの特徴情報が比較され、特徴の一致する分類のコードが付与される。このようにして付与された分類コードは分類コード出力部92に送られる。
The comparison / classification
次に、上記構成の欠陥検査装置100による欠陥検査処理について、図8及び図9のフローチャートを参照して説明する。
Next, defect inspection processing by the
図8において、まず、撮像装置10により検査対象物、例えばフラットパネルディスプレイのガラス基板1を撮影して被検査画像(欠陥画像)を取得し、欠陥画像メモリへ格納する(ステップS1)。
In FIG. 8, first, an image to be inspected, for example, a
次に、欠陥抽出部30において、上記被検査画像と欠陥抽出用参照画像メモリ22に保存されている上記被検査画像に対応する欠陥抽出用参照画像が比較され、欠陥部位が抽出される(ステップS2)。
Next, in the
続いて、特徴抽出部50において、抽出された欠陥部位の画像から得られる情報よりその欠陥部位の特徴量が抽出される(ステップS3)。
Subsequently, the
そして、比較/分類コード付与部80において、単位画素パターンに対する欠陥部位の位置に応じて、欠陥分類時に使用するデータベースが選択される(ステップS4)。このステップS4の処理は、ステップS1〜ステップS5の間であればどの間合いで行ってもよい。
Then, the comparison / classification
ここで、ステップS4の処理における欠陥分類用のデータベース選択処理について、図9を参照して説明する。
まず、パターンマッチング部40において、撮像装置10により撮像された被検査画像とパターンマッチング用参照画像メモリ23に保存されているパターンマッチング用参照画像とのパターンマッチングが行われる(ステップS11)。
Here, the database selection process for defect classification in the process of step S4 will be described with reference to FIG.
First, the
図10は、基本単位の画素パターン110の拡大図である。
本例において、画素パターン110は、例えばアクティブマトリックス方式における液晶ディスプレイのカラーフィルタを取り除いたガラス基板の一画素パターンの概略構成を示しており、大きく、信号線111、走査線112、保持容量素子(キャパシタ)113、画素電極114から構成されている。パターンマッチング用参照画像の一例として、画素パターン110のような画像がパターンマッチング用参照画像メモリ23に保存されている。なお、本例の画素パターンの構造は模式的に表したものであって、この例に限るものではない。
FIG. 10 is an enlarged view of the basic
In this example, the
次に、領域コード付与部60において、パターンマッチングにより抽出された欠陥部位の位置が、領域定義画像メモリ24に保存された領域定義画像のどの領域に属するか判定され、対応する領域コードが生成・付与される(ステップS12)。
Next, the region
図11は、図10の画素パターン110に対応するものとして、例えば4つの領域に分解した領域定義画像の例(1)を示した図である。図11に示す領域定義画像130のうち、それぞれ第1の領域131が信号線111付近に、第2の領域132が走査線112付近に、第3の領域133がキャパシタ113付近に、第4の領域134が画素電極114付近に発生する欠陥に対応する。
FIG. 11 is a diagram illustrating an example (1) of a region definition image that is decomposed into four regions, for example, corresponding to the
図12は、パターン断線欠陥(図3参照)の領域検出の説明に供する図である。この場合、パターンマッチング用参照画像として、図10の一画素パターン110の画像を用いてパターンマッチングを行う。パターンマッチング処理は、マッチングされた領域、画素パターン110に対し、図11の領域定義画像130を重ね合わせることにより、欠陥位置が第1の領域131に属することが検出できる。
FIG. 12 is a diagram for explaining the area detection of the pattern disconnection defect (see FIG. 3). In this case, pattern matching is performed using the image of the one-
また、図13は、高倍率時におけるキャパシタ形成不良欠陥(図7参照)の領域検出の説明に供する線図である。この場合、領域定義画像130に対して、キャパシタ形成不良欠陥124が第3の領域133にあることが検出できる。
FIG. 13 is a diagram for explaining the region detection of a capacitor formation defect (see FIG. 7) at high magnification. In this case, it can be detected from the
図14は、図11の領域定義画像130について、欠陥毎に分類した欠陥分布例を示した表である。
FIG. 14 is a table showing an example of defect distribution classified for each defect in the
図15は、図14に示す欠陥分布例を領域別に分類した欠陥分布例を示した表である。
領域毎に欠陥分類用のデータベースを作成することにより、データベース選択部70が欠陥の発生位置に応じて適切なデータベースを選択することができる。
FIG. 15 is a table showing defect distribution examples in which the defect distribution example shown in FIG. 14 is classified by region.
By creating a defect classification database for each region, the
そして、データベース選択部70において、領域内で発生する欠陥の特徴情報が保存された各々の領域用のデータベースから、上記付与された領域コードに対応するデータベースが選択(ステップS13)され、データベース選択処理が終了する。
Then, the
図15の例によれば、領域定義画像130を用いた場合、第1の領域131では主にパターン欠陥とゴミ欠陥しか存在しないので、第1の領域131用のデータベースとしては、パターン欠陥とゴミ欠陥からなるデータベースを用いることで、誤って他の欠陥、例えばパターンはみ出し欠陥に分類することを防ぐことができる。
According to the example of FIG. 15, when the
図9のステップS3の処理が終了後、図8のフローチャートに戻る。そして、比較/分類コード付与部80において、特徴抽出部50から供給される欠陥画像の特徴情報と、データベース選択部70が選択したデータベースに含まれる特徴情報とが比較され、欠陥が検出された位置に応じて欠陥の種類が分類される(ステップS5)。分類された欠陥には分類コードが付与されて分類コード出力部より出力されることにより、作業者は欠陥の発生位置及びその種類を確認することができる。
After the process of step S3 of FIG. 9 is complete | finished, it returns to the flowchart of FIG. Then, the comparison / classification
上述した実施の形態例によれば、繰り返しパターンの最小画素パターン内を欠陥の分布の異なる領域に分割し、領域毎に異なる欠陥分類用データベースを用いて欠陥分類を行うことで、分類結果の誤りを減少させることができる。しかも欠陥画像が画素の一部しか含まないほどに拡大された場合にも適用できる。
また、ある特定の欠陥のみ検出が必要な場合(例えば修復作業を行う場合等)は、その欠陥が存在する領域に発生する欠陥のみ自動分類を行うことで、欠陥検査処理の高速化が可能である
According to the above-described embodiment, by dividing the minimum pixel pattern of the repetitive pattern into regions having different defect distributions and performing defect classification using a different defect classification database for each region, the classification result error Can be reduced. Moreover, the present invention can be applied to a case where the defect image is enlarged to include only a part of the pixels.
If only a specific defect needs to be detected (for example, when repair work is performed), the defect inspection process can be speeded up by automatically classifying only the defect that occurs in the area where the defect exists. is there
なお、上述した領域定義画像130の他に、画素パターン110を例えば図16のように分解してもよい。
図16に示す領域定義画像の例(2)の領域定義画像140は、画像パターン110を3つの領域に分解したものであり、大きく、信号線111及び走査線112等の配線パターン付近に対応する第1の領域141、キャパシタ113付近に対応する第2の領域142、画素電極114付近に対応する第3の領域143に分けられている。
In addition to the
An
図17は、図14の領域定義画像140について、欠陥毎に分類した欠陥分布例を示した表である。また、図18は、図15に示す欠陥分布例を領域別に分類した欠陥分布例を示した表である。領域定義画像は、その他、種々の領域への分解が考えられる。
FIG. 17 is a table showing an example of defect distribution classified for each defect in the
また、本発明は、上述した各実施の形態例に限定されるものではなく、その他本発明の要旨を逸脱しない範囲において、種々の変形、変更が可能であることは勿論である。 The present invention is not limited to the above-described embodiments, and various modifications and changes can be made without departing from the scope of the present invention.
1…ガラス基板(被検査体)、10…撮像装置、21…欠陥画像メモリ、22…欠陥抽出用参照画像メモリ、23…パターンマッチング用参照画像メモリ、24…領域定義画像メモリ、30…欠陥抽出部、40…パターンマッチング部、50…特徴抽出部、60…領域コード付与部、70…データベース選択部、71,72,73…データベース、80…比較/分類コード付与部、91…領域コード出力部、92…分類コード出力部、100…欠陥検査装置、110…画素パターン、130,140…領域定義画像、131〜134,141〜143…領域
DESCRIPTION OF
Claims (6)
前記被検査画像と前記参照画像を比較し、欠陥部位の画像と位置を抽出する欠陥抽出部と、
前記欠陥抽出部により抽出された欠陥部位の画像の特徴量を数値化して特徴情報を生成する特徴抽出部と、
前記欠陥部位の位置が繰り返しパターン画像のどの領域に属するかを検出する領域検出部と、
所定数に分割された前記繰り返しパターン画像のそれぞれの領域毎に、その領域内で発生する欠陥を類似欠陥毎に分類して各領域毎の欠陥分類用のデータベースとして保存する記憶部と、
前記領域検出部で検出された欠陥部位の領域情報に基づいて、前記記憶部から欠陥分類に使用するデータベースを選択するデータベース選択部と、
前記データベース部で選択されたデータベースを参照し、前記欠陥抽出部から供給される欠陥部位の特徴情報を基に、当該欠陥部位に対して該当する欠陥の分類コードを付与する分類実行部とを備える
ことを特徴とする欠陥検査装置。 A defect inspection apparatus for extracting and classifying defects by comparing a test image obtained by imaging an inspection object consisting of a repetitive pattern and a reference image without defects,
A defect extraction unit that compares the image to be inspected with the reference image and extracts an image and a position of a defective part;
A feature extraction unit that generates feature information by quantifying the feature amount of the image of the defect site extracted by the defect extraction unit;
An area detection unit for detecting which area of the repeated pattern image the position of the defective part belongs to;
For each area of the repetitive pattern image divided into a predetermined number, a storage unit that classifies defects occurring in the area for each similar defect and stores it as a defect classification database for each area;
A database selection unit that selects a database to be used for defect classification from the storage unit based on the region information of the defect site detected by the region detection unit;
A classification execution unit that refers to the database selected by the database unit and assigns a classification code of the corresponding defect to the defect site based on the feature information of the defect site supplied from the defect extraction unit; A defect inspection apparatus characterized by that.
ことを特徴とする請求項1に記載の欠陥検査装置。 The area detection unit performs pattern matching between the repetitive pattern image stored in advance and the inspection image in the vicinity of the defective portion of the inspection image, and calculates a positional relationship of the defective portion with respect to the repetitive pattern image. The defect inspection apparatus according to claim 1, wherein a region to which the defective part belongs is detected.
ことを特徴とする請求項1又は2に記載の欠陥検査装置。 When the imaging range of the inspected image is a part of the repetitive pattern, the inspected ratio is set so that the imaging ratio of a part of the repetitive pattern becomes the same as that of the reference image with a reference image captured with a lower imaging magnification as a target. The defect inspection apparatus according to claim 1, wherein pattern matching is performed after the image is reduced.
ことを特徴とする請求項1又は2に記載の欠陥検査装置。 When the imaging range of the image to be inspected is a part of the repetitive pattern, pattern matching of the image to be inspected is performed using an image obtained by enlarging the reference image captured at a lower imaging magnification. The defect inspection apparatus according to claim 1 or 2.
ことを特徴とする請求項2に記載の欠陥検査装置。 The defect inspection apparatus according to claim 2, wherein the inspection image is divided into a plurality of pieces, and pattern matching is performed using the divided inspection images.
前記被検査画像と前記参照画像を比較し、欠陥部位の画像と位置を抽出するステップと、
抽出された欠陥部位の画像の特徴量を数値化して特徴情報を生成するステップと、
前記特徴情報の生成処理と並行して、前記欠陥部位の位置が繰り返しパターン画像のどの領域に属するかを検出するステップと、
所定数に分割された前記繰り返しパターン画像のそれぞれの領域毎に、その領域内で発生する欠陥を類似欠陥毎に分類して各領域毎の欠陥分類用のデータベースとして保存するステップと、
検出された欠陥部位の領域情報に基づいて、各々の領域毎に保存されたデータベースから欠陥分類に使用するデータベースを選択するステップと、
選択されたデータベースを参照し、前記欠陥部位の特徴情報を基に、当該欠陥部位に対して該当する欠陥の分類コードを付与するステップとを有する
ことを特徴とする欠陥検査方法。
A defect inspection method for extracting and classifying defects by comparing an inspection image obtained by imaging an inspection object consisting of a repetitive pattern and a reference image without defects,
Comparing the image to be inspected with the reference image and extracting an image and position of a defective part;
Generating feature information by quantifying the feature amount of the image of the extracted defect site;
In parallel with the generation process of the feature information, detecting which region of the repeated pattern image the position of the defective part belongs to;
For each area of the repetitive pattern image divided into a predetermined number, the defects generated in the area are classified for each similar defect and stored as a defect classification database for each area;
Selecting a database to be used for defect classification from a database stored for each region based on the region information of the detected defect site;
And a step of referencing the selected database and assigning a classification code of the corresponding defect to the defective part based on the characteristic information of the defective part.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005106523A JP4617970B2 (en) | 2005-04-01 | 2005-04-01 | Defect inspection apparatus and defect inspection method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005106523A JP4617970B2 (en) | 2005-04-01 | 2005-04-01 | Defect inspection apparatus and defect inspection method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2006284447A true JP2006284447A (en) | 2006-10-19 |
JP4617970B2 JP4617970B2 (en) | 2011-01-26 |
Family
ID=37406522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005106523A Expired - Fee Related JP4617970B2 (en) | 2005-04-01 | 2005-04-01 | Defect inspection apparatus and defect inspection method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4617970B2 (en) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008128866A (en) * | 2006-11-22 | 2008-06-05 | Olympus Corp | Substrate inspecting device and substrate inspection method |
JP2009071136A (en) * | 2007-09-14 | 2009-04-02 | Hitachi High-Technologies Corp | Data management device, inspection system and defect reviewing apparatus |
JP2012032370A (en) * | 2010-07-29 | 2012-02-16 | Sharp Corp | Defect detection method, defect detection apparatus, learning method, program, and recording medium |
US8670605B2 (en) | 2010-03-18 | 2014-03-11 | Ricoh Company, Ltd. | Identification method of data point distribution area on coordinate plane and recording medium |
KR101681947B1 (en) * | 2016-05-27 | 2016-12-12 | 주식회사 에이치비테크놀러지 | Device and method for classifying defects in tft backplane |
JPWO2015098342A1 (en) * | 2013-12-26 | 2017-03-23 | 浜松ホトニクス株式会社 | Image processing method, image processing apparatus, image processing program, and storage medium storing image processing program |
CN110658199A (en) * | 2018-06-29 | 2020-01-07 | 欧姆龙株式会社 | Inspection result presentation device, inspection result presentation method, and storage medium |
CN110672617A (en) * | 2019-09-14 | 2020-01-10 | 华南理工大学 | Method for detecting defects of silk-screen area of glass cover plate of smart phone based on machine vision |
CN113097093A (en) * | 2021-04-12 | 2021-07-09 | 英特尔产品(成都)有限公司 | Method and apparatus for warp monitoring |
CN113269720A (en) * | 2021-04-16 | 2021-08-17 | 张家港华程机车精密制管有限公司 | Defect detection method and system for straight welded pipe and readable medium |
CN113837528A (en) * | 2021-08-04 | 2021-12-24 | 山西光兴光电科技有限公司 | Method for determining position of station causing surface defect of substrate glass |
KR20220142625A (en) * | 2021-04-15 | 2022-10-24 | (주)넥스틴 | Micro care area segmention method for inspecting defect of semiconductor device |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0513256B2 (en) * | 1983-04-15 | 1993-02-22 | Hitachi Ltd | |
JP2001305073A (en) * | 2000-04-25 | 2001-10-31 | Hitachi Ltd | Method and device for processing inspection data |
JP2002148031A (en) * | 2000-10-20 | 2002-05-22 | Applied Materials Inc | Pattern inspection method and device thereof |
-
2005
- 2005-04-01 JP JP2005106523A patent/JP4617970B2/en not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0513256B2 (en) * | 1983-04-15 | 1993-02-22 | Hitachi Ltd | |
JP2001305073A (en) * | 2000-04-25 | 2001-10-31 | Hitachi Ltd | Method and device for processing inspection data |
JP2002148031A (en) * | 2000-10-20 | 2002-05-22 | Applied Materials Inc | Pattern inspection method and device thereof |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008128866A (en) * | 2006-11-22 | 2008-06-05 | Olympus Corp | Substrate inspecting device and substrate inspection method |
JP2009071136A (en) * | 2007-09-14 | 2009-04-02 | Hitachi High-Technologies Corp | Data management device, inspection system and defect reviewing apparatus |
US8670605B2 (en) | 2010-03-18 | 2014-03-11 | Ricoh Company, Ltd. | Identification method of data point distribution area on coordinate plane and recording medium |
JP2012032370A (en) * | 2010-07-29 | 2012-02-16 | Sharp Corp | Defect detection method, defect detection apparatus, learning method, program, and recording medium |
JPWO2015098342A1 (en) * | 2013-12-26 | 2017-03-23 | 浜松ホトニクス株式会社 | Image processing method, image processing apparatus, image processing program, and storage medium storing image processing program |
KR101681947B1 (en) * | 2016-05-27 | 2016-12-12 | 주식회사 에이치비테크놀러지 | Device and method for classifying defects in tft backplane |
CN110658199A (en) * | 2018-06-29 | 2020-01-07 | 欧姆龙株式会社 | Inspection result presentation device, inspection result presentation method, and storage medium |
CN110672617B (en) * | 2019-09-14 | 2022-06-14 | 华南理工大学 | Method for detecting defects of silk-screen area of glass cover plate of smart phone based on machine vision |
CN110672617A (en) * | 2019-09-14 | 2020-01-10 | 华南理工大学 | Method for detecting defects of silk-screen area of glass cover plate of smart phone based on machine vision |
CN113097093A (en) * | 2021-04-12 | 2021-07-09 | 英特尔产品(成都)有限公司 | Method and apparatus for warp monitoring |
CN113097093B (en) * | 2021-04-12 | 2024-05-10 | 英特尔产品(成都)有限公司 | Method and device for monitoring warpage |
KR20220142625A (en) * | 2021-04-15 | 2022-10-24 | (주)넥스틴 | Micro care area segmention method for inspecting defect of semiconductor device |
KR102637335B1 (en) | 2021-04-15 | 2024-02-20 | (주)넥스틴 | Micro care area segmention method for inspecting defect of semiconductor device |
CN113269720A (en) * | 2021-04-16 | 2021-08-17 | 张家港华程机车精密制管有限公司 | Defect detection method and system for straight welded pipe and readable medium |
CN113269720B (en) * | 2021-04-16 | 2024-02-02 | 张家港华程机车精密制管有限公司 | Defect detection method, system and readable medium for straight welded pipe |
CN113837528A (en) * | 2021-08-04 | 2021-12-24 | 山西光兴光电科技有限公司 | Method for determining position of station causing surface defect of substrate glass |
CN113837528B (en) * | 2021-08-04 | 2024-03-22 | 山西光兴光电科技有限公司 | Method for determining position of station causing defect on surface of substrate glass |
Also Published As
Publication number | Publication date |
---|---|
JP4617970B2 (en) | 2011-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4617970B2 (en) | Defect inspection apparatus and defect inspection method | |
JP7035069B2 (en) | Inspection of photomasks by comparing two photomasks | |
US7593565B2 (en) | All surface data for use in substrate inspection | |
JP4014379B2 (en) | Defect review apparatus and method | |
JP3668215B2 (en) | Pattern inspection device | |
US8045789B2 (en) | Method and apparatus for inspecting defect of pattern formed on semiconductor device | |
JP5543872B2 (en) | Pattern inspection method and pattern inspection apparatus | |
CN109616426B (en) | Intelligent defect correction system and implementation method thereof | |
JP6078234B2 (en) | Charged particle beam equipment | |
US20150110384A1 (en) | Image inspection method of die to database | |
JP5202110B2 (en) | Pattern shape evaluation method, pattern shape evaluation device, pattern shape evaluation data generation device, and semiconductor shape evaluation system using the same | |
KR20160022377A (en) | Wafer inspection using free-form care areas | |
CN109659245B (en) | Monitoring changes in photomask defectivity | |
JP2011039013A (en) | Inspection device and method | |
US7970201B2 (en) | Method and system for defect detection | |
JP4067677B2 (en) | Scanning electron microscope automatic detection sequence file creation method and scanning electron microscope automatic length measurement sequence method | |
JP2005189655A (en) | Mask inspection method | |
JP2006266943A (en) | Apparatus and method for inspecting defect | |
JP4982125B2 (en) | Defect inspection method and pattern extraction method | |
JP4597509B2 (en) | Pattern inspection apparatus and pattern inspection method | |
JP2018091771A (en) | Method for inspection, preliminary image selection device, and inspection system | |
JP2010091360A (en) | Method and device for inspecting image | |
JP3722757B2 (en) | Defect imaging device | |
US20060110025A1 (en) | Method for inspecting mask defects | |
JP2010231044A (en) | Pattern inspection apparatus and pattern inspection method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080311 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100916 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100928 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20101011 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131105 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131105 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |