JPH03229373A - Learning device for two-dimensional pattern - Google Patents

Abstract

PURPOSE:To accurately learn the features of the line width, etc., by using a feature extracting operator window in accordance with the line direction/width of a two-dimensional pattern and applying the AND and OR operations to the binary value of images of each picture element. CONSTITUTION:An operator operation part 11 contains a feature extracting operator window store part 10 which includes a feature extracting operator window having the length larger than the number of width picture elements by >=2 picture elements in the direction orthogonal to the line of a two-dimensional pattern and at least the length equal to 2 picture elements in the same direction as the pattern line respectively. Then the part 11 works so as to store the binary image of the two-dimensional pattern in an entire area of the operator window. The data on the binary image are inputted to an AND arithmetic part 12 and an OR arithmetic part 13. Then the minimum line width and the maximum line width are obtained via an AND and an OR applied to the numerical value of the binary image respectively. As a result, the features of the line width, etc., are accurately learnt.

Description

【発明の詳細な説明】 産業上の利用分野 本発明は、プリント基板、集積回路のパターンやそのマ
スクの欠陥検査時の前処理行程に用いられ、検査対象の
２次元パターンの線の方向、線幅等の特徴を学習し、実
検査等の判断基準にする２次元パターンの学習装置に関
するものである。DETAILED DESCRIPTION OF THE INVENTION Field of Industrial Application The present invention is used in a pre-processing process when inspecting patterns of printed circuit boards, integrated circuits, and their masks for defects. The present invention relates to a two-dimensional pattern learning device that learns characteristics such as width and uses the characteristics as criteria for actual inspections, etc.

従来の技術 一般に、プリント基板のパターン形成工程においては、
多数のフォトマスク処理やエツチング工程により表面に
必要なパターンが形成されるが、プリント基板に対する
実装密度が高くなるのにつれて、形成されるパターンの
線幅は細くなり、パターンも複雑化する傾向になる。こ
のように、パターンが微細で複雑化すると、断線、ピン
ホール等の欠陥も生じ易くなるから、この欠陥の検査を
正確かつ迅速に行なうことが、各種製品の製造に際して
、非常に重要になってきている。Conventional technology Generally, in the pattern forming process of printed circuit boards,
The necessary patterns are formed on the surface through multiple photomask processing and etching processes, but as the mounting density on printed circuit boards increases, the line width of the formed patterns tends to become thinner and the patterns become more complex. . As the patterns become finer and more complex, defects such as wire breaks and pinholes are more likely to occur, so it is extremely important to accurately and quickly inspect these defects when manufacturing various products. ing.

第５図は、”サーキットテクノロジーＶｏ１．３Ｎｏ、
１　（１９８８年）のページ２〜１２に発表された、従
来の欠陥検査のアルゴリズムであり、検査装置はプリン
ト基板のパターン部１情報を読込めるオペレータ操作部
２を有し、オペレータ操作部２にはオペレータ収納部３
が設けられろ。オペレータ収納部は基本的に第６図（ａ
）のような十字オペレータＡ及び同図（ｂ）のようなＸ
字オペレータＢを有し、オペレータ操作部２で、表のテ
ーブルに基づいて、パターン１の状態により各オペレー
タＡとＢのいずれか一方又は両方が用いられる。つまり
、線幅検査で、例えば十字オペレータＡが選択されると
、オペレータ操作部２でその十字オペレータＡをパター
ン１に重合させてデータを抽出する。この場合、線幅小
欠陥があると、第７図（ａ）のように、十字オペレータ
Ａにおいて上下の腕Ｕ、Ｄの画素Ｃの値が小さくなり、
ピンホールの欠陥では（ｂ）のように、画素の値Ｃが４
つの腕Ｕ、Ｒ１Ｄ、Ｌに分散する。したがって、上述の
４つの腕Ｕ、Ｒ，Ｄ、Ｌと画素の値Ｃが判定部４に送ら
れ、欠陥の有無が判断されることになる。Figure 5 shows “Circuit Technology Vol. 1.3 No.
1 (1988), pages 2 to 12, the inspection device has an operator operation section 2 that can read information from the pattern section 1 of a printed circuit board. is operator storage section 3
be established. The operator storage compartment is basically as shown in Figure 6 (a)
) and X as shown in (b) of the same figure.
In the operator operation unit 2, one or both of the operators A and B is used depending on the state of pattern 1 based on the table. That is, when, for example, a crosshair operator A is selected in the line width inspection, the operator operation section 2 superimposes the crosshair operator A on the pattern 1 and extracts data. In this case, if there is a small line width defect, the value of the pixel C of the upper and lower arms U and D of the cross operator A becomes small, as shown in FIG. 7(a).
In the case of a pinhole defect, as shown in (b), the pixel value C is 4.
Distributed into three arms U, R1D, and L. Therefore, the above-mentioned four arms U, R, D, L and the pixel value C are sent to the determination section 4, and the presence or absence of a defect is determined.

そして、微小欠陥を生じている場合は、欠陥コードによ
り致命欠陥判定部６に進み、判定テーブルと比較され、
欠陥状態がテーブルのものと一致した場合は致命欠陥と
判定するように構成されている。If a minute defect has occurred, the defect code is used to proceed to the fatal defect determination section 6, where it is compared with a determination table.
If the defect status matches that in the table, the defect is determined to be a fatal defect.

以下余白 発明が解決しようとする課題 ところで、前述した従来例のものにあっては、検査前の
パターン１の正常な情報が無く、十字又はＸ字のオペレ
ータ八又はＢと、その画素の値Ｃとのみで欠陥の有無が
判断される。このため、検査の精度を向上するには、オ
ペレータ抽出データを多くする必要があり、検査ロジｙ
りのハードウェアの複雑化を招き、高速検査の障害にな
る等の課題がある。Problems to be Solved by the Invention of the Margin Below However, in the conventional example described above, there is no normal information of pattern 1 before inspection, and the operator 8 or B of the cross or X-shape and the value C of that pixel The presence or absence of a defect can be determined only by Therefore, in order to improve inspection accuracy, it is necessary to increase the amount of operator extracted data, and
This poses problems, such as increasing the complexity of the hardware and impeding high-speed inspection.

本発明は、前述したような従来の課題に鑑みてなされた
もので、その目的とするところは、検査対象のパターン
を前処理で学習して実検査時の判断基準に用い、検査行
程を簡略化できる、高速検査用２次元パターンの学習装
置を提供することにあるＯ 課題を解決するための手段 前記目的を達成するため、本発明の２次元パターンの学
習装置は、２次元パターンの線に対して線と直交する方
向には幅面素数より２画素以上多く、線と同一方向には
少なくとも２画素の長さの特徴抽出オペレータ窓を有す
る特徴抽出オペレータ窓収納部と、特徴抽出オペレータ
窓の全域に２次元パターンの２値画像をとらえるように
操作するオペレータ操作部と、２値画像の数値の線方向
に並ぶ各列の全部の論理和を求める論理和演算部と、論
理積を求める論理積演算部と、論理和と論理積の数値か
ら線幅の最大及び最小に基づくパターン特徴、座標が一
致するか否かを学習する特徴学習部と、学習データを記
憶する記憶部とを備えるものである。The present invention was made in view of the conventional problems mentioned above, and its purpose is to simplify the inspection process by learning the pattern to be inspected in preprocessing and using it as a judgment criterion during actual inspection. An object of the present invention is to provide a two-dimensional pattern learning device for high-speed inspection, which allows the lines of a two-dimensional pattern to be On the other hand, there is a feature extraction operator window storage section having a feature extraction operator window with a length of at least two pixels longer than the width prime number in the direction perpendicular to the line and at least two pixels in the same direction as the line, and an operator operation unit that operates to capture a binary image of a two-dimensional pattern; a logical sum operation unit that calculates the logical sum of all the columns of numerical values in the binary image arranged in the line direction; and a logical product unit that calculates the logical product. It is equipped with an arithmetic unit, a feature learning unit that learns whether or not pattern features and coordinates match based on the maximum and minimum line widths from numerical sums and logical products, and a storage unit that stores learning data. be.

作用 このような構成によると、２次元パターンの縦横の線の
幅の２値画像が特徴抽出オペレータの総画素でとらえら
れ、この２値画像の数値を論理和することで最大線幅が
、論理積することで最小線幅が求まり、これらのデータ
により線幅の特徴が学習される。また、線幅が太き過ぎ
て座標が一致しないことも学習され、これらの学習デー
タが記憶される。したがって、パターンの欠陥検査にお
いて学習データな判断基準に用いて検査データと比べる
ことで、迅速に欠陥の有無が判断されるようになる。Function: According to this configuration, a binary image of the vertical and horizontal line widths of a two-dimensional pattern is captured by the total pixels of the feature extraction operator, and by logically adding the values of this binary image, the maximum line width can be determined by By multiplying the values, the minimum line width is determined, and the characteristics of the line width are learned using this data. It is also learned that the line width is too thick and the coordinates do not match, and this learning data is stored. Therefore, by using learned data as a judgment criterion in pattern defect inspection and comparing it with inspection data, the presence or absence of a defect can be quickly determined.

実施例 以下、第１図ないし第６図を用い本発明の実施例を詳細
に説明する。EXAMPLES Hereinafter, examples of the present invention will be described in detail using FIGS. 1 to 6.

第１図は本発明において２次元パターン学習で検査の前
処理を行う場合のブロック図であり、本発明の検査装置
は特徴抽出オペレータ窓収納部１゜並びに特徴抽出オペ
レータ窓りを有している。この特徴抽出オペレータ窓り
においては、学習対象の２次元パターンの線等との関係
から画素数が予め設定されている。FIG. 1 is a block diagram when preprocessing for inspection is performed by two-dimensional pattern learning in the present invention, and the inspection apparatus of the present invention has a feature extraction operator window housing section 1° and a feature extraction operator window. . In this feature extraction operator window, the number of pixels is set in advance based on the relationship with lines, etc. of the two-dimensional pattern to be learned.

つまり、第２図（ａ）のようにパターンの横線Ｐで線幅
Ｗに対し８画素以上の場合にあっては、特徴抽出オペレ
ータ窓りには、横線Ｐと直交する縦方向に、必要な８個
に対して２個以上加算した（例えば１０個）画素ｄが設
けられる。また、横方向にあっては、２個以上（例えば
８個）画素ｄが設けられ、したがって、全体画素ｄは１
０ｘ８の２値画像に区画した構成となる。In other words, if the horizontal line P of the pattern is 8 pixels or more relative to the line width W as shown in Figure 2(a), the feature extraction operator window will display the required number of pixels in the vertical direction orthogonal to the horizontal line P. Two or more (for example, 10) pixels d are provided compared to the 8 pixels. In addition, in the horizontal direction, two or more (for example, eight) pixels d are provided, so the total pixel d is 1
The configuration is divided into 0x8 binary images.

一方、オペレータ操作部１１においては、パターン部１
のパターン状態により、横線Ｐの場合、前述した上記特
徴抽出オペレータ窓りを選択し、パターン上で操作して
各画素ｄに画像Ｘをとらえる。On the other hand, in the operator operation section 11, the pattern section 1
According to the pattern state, in the case of horizontal line P, the above-described feature extraction operator window is selected and operated on the pattern to capture image X at each pixel d.

したがって、この場合のデータは縦方向の各列で［０、
ｏ、　ｘｌｘ、　ｘ、　ｘ、　ｘ、　ｘ、　ｘ、　ｘ、
　ｏ、、　ｏ］になり、これが８列だけ得られる。ここ
で、画像Ｘは、有無に応じて１と０の任意の値で示され
る。Therefore, the data in this case is [0,
o, xlx, x, x, x, x, x, x,
o,, o], which yields only 8 columns. Here, the image X is indicated by an arbitrary value of 1 or 0 depending on the presence or absence of the image.

この画像データは論理積演算部１２と論理和演算部１３
に入力され、論理積演算部１２は横の線方向に並ぶ各列
の全画像Ｘの論理積を求める（第２図（ａ）の場合には
、［０，０，０，０，０，１、・・・］となる）。同様
に、論理和演算部１３は全画像Ｘの論理和を求め（第２
図（ａ）の場合には、［０，０，１，１，１，１、・・
・］となる）、これらの演演算部が特徴学習部１４に入
力される。以上のように、特徴学習部１４では、”１“
の数が最大となる論理和データにより最大線幅が求めら
れ、逆に最小となる論理積データにより最小線幅が求め
られて、線幅の特徴が学習され、この学習結果が記憶部
１６に記憶される。つまり、実検査時に、記憶部１６の
学習データは判断部４に出力され、検査の際のオペレー
タによる特徴認識と一致するか否かの判断基準となる。This image data is processed by the AND operation section 12 and the OR operation section 13.
is input, and the logical product calculation unit 12 calculates the logical product of all images X in each column arranged in the horizontal line direction (in the case of FIG. 2(a), 1,...]). Similarly, the logical sum calculation unit 13 calculates the logical sum of all images X (the second
In the case of figure (a), [0, 0, 1, 1, 1, 1,...
), these operation units are input to the feature learning unit 14. As described above, in the feature learning unit 14, "1"
The maximum line width is determined by the logical sum data that has the maximum number of , and the minimum line width is determined by the logical product data that has the minimum number of , and the characteristics of the line width are learned. This learning result is stored in the storage unit 16. be remembered. That is, during the actual inspection, the learning data in the storage section 16 is output to the judgment section 4, and serves as a criterion for determining whether or not it matches the feature recognition by the operator during the inspection.

また、論理積データがすべて”１“の場合は、特徴学習
部１４は線幅が太過ぎる学習パターンの座標と一致しな
いことが学習される。そして、このオペレータ窓りの座
標の不一致は記憶部１６に登録され、実検査時の参考に
なるように構成されている。Further, if all the logical product data are "1", the feature learning unit 14 learns that the line width does not match the coordinates of the learning pattern that is too thick. This discrepancy in the coordinates of the operator window is registered in the storage unit 16 and is configured to serve as a reference during actual inspection.

このように構成された２次元パターンの特徴学習部１４
においては、パターンの部１の欠陥検査の前処理時に、
先ず、パターンの線の縦横、線幅に応じた特徴抽出オペ
レータ窓りが選択される。The two-dimensional pattern feature learning unit 14 configured as described above
In this case, during pre-processing for defect inspection of pattern part 1,
First, a feature extraction operator window is selected depending on the length and width of the lines of the pattern and the line width.

そして、この特徴抽出オペレータ窓りの各画素ｄの画像
Ｘのデータが読込まれ、座標が一致する場合は、両端の
ビットが”０゛のときに、両端の”０”に挾まれた“１
“の連なる数を論理積及び論理和演算して、線幅の特徴
が学習される。Then, the data of the image
Characteristics of line width are learned by performing AND and OR operations on successive numbers.

いい換えると、実検査時に、例えば十字オペレータＡを
用いてパターン部１の線幅に応じたデータが得られ、欠
陥の有無が判断される場合に、上述の学習による線幅の
特徴が判断基準に用いられ、両者が一致するか否かが比
較され、一致する場合は正常と判断し、不一致の場合は
欠陥と判断されることになる。また、実際の検査行程に
おいて、断線、ショート、線太り、線細り等の不良欠陥
が含まれている場合は、記憶部１６の情報は正しいもの
と判断される。In other words, during actual inspection, when data corresponding to the line width of pattern portion 1 is obtained using, for example, cross operator A, and the presence or absence of a defect is determined, the line width characteristics obtained by the above-mentioned learning are used as the judgment criteria. It is used to compare the two to see if they match, and if they match, it is determined to be normal, and if they do not match, it is determined to be defective. Further, in the actual inspection process, if defects such as disconnections, short circuits, thick lines, thin lines, etc. are included, the information in the storage unit 16 is determined to be correct.

なお、特徴抽出オペレータ窓りの画像Ｘは０と定めるこ
ともできるが、この場合は、負論理で演算すればよいの
は、改めて説明するまでもない。It should be noted that the image X in the feature extraction operator window can be set to 0, but in this case, it is needless to explain that it is sufficient to perform calculations using negative logic.

第２図（ｂ）は縦線用のオペレータ窓であって、縦線Ｐ
′に対し横方向に長い特徴抽出オペレータ窓Ｄ′を用い
ているが、このようなオペレータ窓によっても、第２図
（ａ）について前述したのと同様に、学習できるのは明
らかである。FIG. 2(b) is an operator window for vertical lines.
Although a feature extraction operator window D' that is long in the horizontal direction with respect to ' is used, it is clear that learning can be performed using such an operator window in the same manner as described above with respect to FIG. 2(a).

第３図は線幅は同一であるが方向の異なるパターンが混
在している場合の一例であるけれども、この場合は、折
れ線Ｐに対し第２図（ａ）のような特徴抽出オペレータ
窓りを用い、第３図（ａ）のように横方向からと、第３
図（ｂ）のように斜め方向から読取ればよい。Figure 3 is an example of a case where patterns with the same line width but different directions coexist. As shown in Figure 3(a), from the lateral direction and from the third
It is sufficient to read it from an oblique direction as shown in FIG.

また、第４図はパターンの中央に断線欠陥がある場合を
示す。この場合は、第４図（ａ）のように縦線Ｐの途中
に欠陥部Ｓがあると、第４図（ｂ）のように欠陥部Ｓの
方向は学習できない。このため、このような欠陥の場合
は、画像の膨張又は収縮を行うと、第４図（ｃ）のよう
に修正した上で、学習させることができる。Further, FIG. 4 shows a case where there is a disconnection defect at the center of the pattern. In this case, if there is a defective part S in the middle of the vertical line P as shown in FIG. 4(a), the direction of the defective part S cannot be learned as shown in FIG. 4(b). Therefore, in the case of such a defect, if the image is expanded or contracted, it can be corrected as shown in FIG. 4(c) and then learned.

発明の効果 以上に述べてきたように、本発明によれば、２次元パタ
ーンの線の方向、線幅に応じた特徴抽出オペレータ窓を
用い、各画素の画像の２値数値を論理積及び論理和演算
ずろことで、線幅等の特徴を正確に学習できる。また、
この特徴により２次元パターンの大き過ぎ等の座標も学
習できることになる。Effects of the Invention As described above, according to the present invention, a feature extraction operator window corresponding to the line direction and line width of a two-dimensional pattern is used to perform logical product and logic on the binary values of the image of each pixel. By performing summation operations, features such as line width can be learned accurately. Also,
This feature makes it possible to learn the coordinates of two-dimensional patterns that are too large.

し、たがって、本発明によるこの２次元パターンの学習
データをパターン欠陥検査の判断基準に用いると、検査
データと学習データを比較するだけで欠陥の有無が判断
され、高速検査が可能になる。Therefore, if the learning data of this two-dimensional pattern according to the present invention is used as a criterion for pattern defect inspection, the presence or absence of a defect can be determined simply by comparing the inspection data and the learning data, making high-speed inspection possible.

また、本発明を用いる検査工程は非常に簡略化したもの
となる。Furthermore, the inspection process using the present invention is greatly simplified.

本発明で用いる特徴抽出オペレータ窓は、縦、横の２種
類と、画素の数の多少により２次元パターンの全てに適
用でき、画像の膨張、収縮により欠陥部を有する場合に
も適用できるから、検査装置として実用性の高いものと
なる・The feature extraction operator window used in the present invention can be applied to all two-dimensional patterns depending on the two types, vertical and horizontal, and the number of pixels, and can also be applied to cases where the image has defects due to expansion or contraction. It becomes highly practical as an inspection device.

【図面の簡単な説明】[Brief explanation of drawings]

第１図は本発明の一実施例における２次元パターンの学
習装置のブロック結線図、第２図は特徴抽出オペレータ
窓を示すもので、（ａ）は横線用、（ｂ）は縦線を示す
概念図、第３図（ａ）、（ｂ）は方向の異なるパターン
が混在する場合の読取り状態を示す図、第４図（ａ）な
いしくｃ）はパターン中央に欠陥部を有する場合の修正
状態を示す図、第６図は従来のパターン欠陥検査工程を
示すブロック図、第６図は欠陥検査のオペレータを示す
もので、（ａ）は十字オペレータを、（ｂ）はＸ字オペ
レータを示す図、第７図は欠陥検査状態を示すもので、
（ａ）は線幅小の欠陥を、（ｂ）はピンホールの欠陥を
示す図である。 １・・・パターン部、１ｏ・・・特徴抽出オペレータ窓
収納部、１１・・・オペレータ操作部、１２・・・論理
積演算部、１３・・・論理和演算部、１４・・・特徴学
習部、１５・・・記憶部、Ｐ・・・線、Ｗ・・・線幅、
Ｄ・・・特徴抽出オペレータ窓。Fig. 1 is a block diagram of a two-dimensional pattern learning device according to an embodiment of the present invention, and Fig. 2 shows a feature extraction operator window, where (a) shows horizontal lines and (b) shows vertical lines. Conceptual diagram, Figures 3 (a) and (b) are diagrams showing the reading state when patterns with different directions coexist, and Figures 4 (a) to c) are corrections when there is a defective part in the center of the pattern. Figure 6 is a block diagram showing the conventional pattern defect inspection process. Figure 6 shows the defect inspection operators. (a) shows the cross operator, and (b) shows the X operator. Figure 7 shows the defect inspection status.
(a) is a diagram showing a defect with a small line width, and (b) is a diagram showing a pinhole defect. DESCRIPTION OF SYMBOLS 1... Pattern part, 1o... Feature extraction operator window storage part, 11... Operator operation part, 12... Logical product operation part, 13... Logical sum operation part, 14... Feature learning Part, 15...Storage part, P...Line, W...Line width,
D...Feature extraction operator window.

Claims (5)

【特許請求の範囲】[Claims] （１）２次元パターンの線に対して線と直交する方向に
は幅画素数より２画素以上多く、線と同一方向には少な
くとも２画素の長さの特徴抽出オペレータ窓を有する特
徴抽出オペレータ窓収納部と、特徴抽出オペレータ窓の
全域に２次元パターンの２値画像をとらえるように操作
するオペレータ操作部と、２値画像の数値の線方向に並
ぶ各列の全部の論理和を求める論理和演算部と、論理積
を求める論理積演算部と、論理和と論理積の数値から線
幅の最大及び最小に基づくパターン特徴、座標が一致す
るか否かを学習する特徴学習部と、学習データを記憶す
る記憶部とを備える２次元パターンの学習装置。(1) A feature extraction operator window that has a feature extraction operator window with a length of at least 2 pixels in the direction perpendicular to the line of the two-dimensional pattern, which is more than the number of width pixels in the direction perpendicular to the line, and at least 2 pixels in the same direction as the line. A storage section, an operator operation section that operates to capture a binary image of a two-dimensional pattern in the entire area of the feature extraction operator window, and a logical sum that calculates the logical sum of all the columns of numerical values of the binary image arranged in the line direction. an arithmetic unit, an AND operation unit that calculates a logical product, a feature learning unit that learns whether pattern features and coordinates match based on the maximum and minimum line width from the values of the logical sum and the logical product, and learning data. A two-dimensional pattern learning device, comprising: a storage unit for storing a two-dimensional pattern; （２）記憶部の学習データはパターン欠陥検査の判断基
準に用いる請求項１記載の２次元パターンの学習装置。(2) The two-dimensional pattern learning device according to claim 1, wherein the learning data in the storage section is used as a criterion for pattern defect inspection. （３）２値画像の数値は両端ビットが”１”の場合に”
Ｏ”とし、両端ビットが”Ｏ”の場合に”１”とする請
求項１記載の２次元パターンの学習装置。(3) The numerical value of a binary image is "1" when both end bits are "1".
The two-dimensional pattern learning device according to claim 1, wherein the two-dimensional pattern learning device is set to “1” when both end bits are “O”. （４）２次元パターン内に欠陥部を有する場合に、欠陥
部の位置を含む領域を２次元画像として膨張又は収縮に
より修正する機能を有する請求項１記載の２次元パター
ンの学習装置。(4) The two-dimensional pattern learning device according to claim 1, which has a function of, when a two-dimensional pattern has a defective portion, correcting the area including the position of the defective portion by expanding or contracting it as a two-dimensional image. （５）２次元パターンの線の方向が異なるものが混在す
る場合に、各線の方向と特徴抽出オペレータ窓の方向が
一致するように傾けて操作する請求項１記載の２次元パ
ターンの学習装置。(5) The two-dimensional pattern learning device according to claim 1, wherein when two-dimensional patterns with different line directions coexist, the device is operated by tilting so that the direction of each line coincides with the direction of the feature extraction operator window.