TWI672636B - 對一晶圓上偵測之缺陷進行分類之方法、系統及非暫時性電腦可讀媒體 - Google Patents

對一晶圓上偵測之缺陷進行分類之方法、系統及非暫時性電腦可讀媒體 Download PDF

Info

Publication number
TWI672636B
TWI672636B TW104104157A TW104104157A TWI672636B TW I672636 B TWI672636 B TW I672636B TW 104104157 A TW104104157 A TW 104104157A TW 104104157 A TW104104157 A TW 104104157A TW I672636 B TWI672636 B TW I672636B
Authority
TW
Taiwan
Prior art keywords
wafer
defects
reference image
standard reference
image
Prior art date
Application number
TW104104157A
Other languages
English (en)
Other versions
TW201531963A (zh
Inventor
理升 高
查德哈瑞 亞維吉特Ｋ 雷
瑞哈維 巴布納西
Original Assignee
美商克萊譚克公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 美商克萊譚克公司 filed Critical 美商克萊譚克公司
Publication of TW201531963A publication Critical patent/TW201531963A/zh
Application granted granted Critical
Publication of TWI672636B publication Critical patent/TWI672636B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本發明提供用於對一晶圓上偵測之缺陷進行分類之系統及方法。一種方法包含基於由一檢驗系統針對一晶圓產生的輸出來偵測該晶圓上的缺陷。該方法亦包含基於對應於該等缺陷之至少一者之一標準參考影像的部分來判定該等缺陷之該至少一者的一或多個屬性。該方法進一步包含至少部分基於該一或多個經判定屬性來對該等缺陷之該至少一者進行分類。

Description

對一晶圓上偵測之缺陷進行分類之方法、系統及非暫時性電腦可讀媒體
本發明大體上係關於用於基於自一標準參考影像判定之一或多個屬性對半導體晶圓上之缺陷進行偵測並分類之系統及方法。
以下描述及實例並非由於其等包含於此段落中而被認為係先前技術。
在一半導體製造程序期間之各個步驟處使用檢驗程序以在晶圓上偵測缺陷以促進製造程序中之更高良率及因此更高利潤。檢驗通常係製造半導體裝置(諸如IC)之一重要部分。然而，隨著半導體裝置之尺寸減小，對於可接受半導體裝置之成功製造而言，檢驗變得更加重要，此係因為較小缺陷可引起裝置出現故障。
一頻繁使用之檢驗演算法係多晶粒自動定限(MDAT)。其計算各像素處之測試影像與參考影像之間之一差值。一影像中之全部像素處之兩個值(該差值及自參考影像計算之灰階)用來建構二維(2D)直方圖。水平軸(亦稱為偵測軸)表示測試與參考之間之差值。垂直軸(亦稱為分段軸)表示自相鄰晶粒之影像建構之灰階值。使用者可將沿垂直軸之值劃分為多個區段且針對水平軸上之值指定不同臨限值。具有大於臨限值之差值之像素藉由MDAT而視為缺陷像素。歸因於雜訊及程 序變動，垂直軸上之灰階分佈可隨著晶粒不同而不同。屬於一晶粒中之一區段之像素可屬於另一晶粒上之另一區段。此問題引起檢驗不穩定且檢驗結果不一致。自參考影像計算之一些缺陷屬性歸因於灰階值分佈之變動亦係不同的。因此，基於此等屬性之缺陷分類受到影響。
圖9圖解說明關於上述現有MDAT演算法之問題。特定言之，圖9圖解說明經產生具有表示上述差值之水平軸及表示上述灰階值之分段軸之兩個2D直方圖。如圖9中所示，直方圖之一者係用以判定配方參數之一2D直方圖。如圖9中所示，另一直方圖係產生用於晶圓900上之晶粒M之一2D直方圖。圖9中藉由虛線與點之一組合展示之線展示配方中之各區段之區段斷點及臨限值。其等係基於某種資料(例如，來自不同區域、不同晶圓等等)而判定。然而，若諸如晶粒M之不同區域中之影像灰階存在某一變化，則2D直方圖位置及形狀不同於用於配方設置之位置及形狀。圖9中所示之實直線展示晶粒M之理想區段斷點及臨限值。實際配方參數(憑藉由虛線及點之一組合構成之線展示)移位且引起檢驗靈敏度降低。歸因於晶圓雜訊及色彩變動，不同位置之2D直方圖可有所不同。因此，將有利的是，穩定2D直方圖位置使得分段斷點可跨晶圓且在晶圓之間運作。
一些檢驗方法使用諸如標準晶粒影像之標準影像以偵測晶圓上之缺陷。此方法用來限定光遮罩或光罩。若一單晶粒光罩上存在一缺陷，則缺陷將被列印在每個晶粒上。一正常晶粒對晶粒比較演算法不具有良好的靈敏度，因為晶粒之間之相同缺陷中之兩者相減並不指示一大的差。為偵測此類型的缺陷，需要無晶粒中繼缺陷之一參考影像。例如，可比較一標準晶粒影像(通常亦稱為一「黃金(golden)晶粒」或「標準參考晶粒」)與針對受檢驗之一晶圓獲取之一測試晶粒影像，且該比較之結果可被輸入至一缺陷偵測演算法或方法以判定測試晶粒中是否存在任何缺陷。此等黃金晶粒影像通常自一清潔晶圓或 幾個清潔晶粒產生，其中不存在晶粒中繼缺陷或自晶粒之影像移除晶粒中繼。比較此黃金晶粒影像與全部晶圓之全部晶粒之影像。
因此，將有利的是，開發用於對一晶圓上之缺陷進行偵測並分類且不具有上述缺點之一或多者之系統及方法。
各個實施例之以下描述絕不解釋為限制隨附申請專利範圍之標的。
一實施例係關於一種用於對一晶圓上之缺陷進行偵測並分類之方法。該方法可包含自一或多個晶圓選擇一或多個晶粒以產生一標準參考影像。該方法亦可包含產生該標準參考影像。該方法包含基於由一檢驗系統針對一晶圓產生之輸出偵測該晶圓上之缺陷。該方法亦包含基於對應於該等缺陷之至少一者之一標準參考影像之部分判定該等缺陷之該至少一者之一或多個屬性。此外，該方法包含至少部分基於該一或多個經判定屬性而對該等缺陷之該至少一者進行分類。該等偵測、判定及分類步驟係由一電腦系統執行。
可如本文中描述般進一步執行該方法之步驟之各者。此外，該方法可包含本文中描述之(若干)任何其他方法之(若干)任何其他步驟。此外，該方法可由本文中描述之系統之任一者執行。
另一實施例係關於一種非暫時性電腦可讀媒體，其儲存可在一電腦系統上執行以執行用於偵測一晶圓上之缺陷之一電腦實施方法之程式指令。該電腦實施方法包含上述方法之步驟。該電腦可讀媒體可如本文中描述般進一步組態。該電腦實施方法之步驟可如本文中進一步描述般執行。此外，程式指令可執行之電腦實施方法可包含本文中描述之(若干)任何其他方法之(若干)任何其他步驟。
一額外實施例係關於一種經組態以對一晶圓上偵測之缺陷進行分類之系統。該系統包含一檢驗子系統，該檢驗子系統經組態以藉由 使光掃描遍及一晶圓且在掃描期間偵測來自晶圓之光而針對該晶圓產生輸出。該系統亦包含一電腦子系統，該電腦子系統經組態用於執行上述方法之偵測、判定及分類步驟。該系統可如本文中描述般進一步組態。
1至8‧‧‧測試晶粒
200‧‧‧散佈圖
500‧‧‧影像
502‧‧‧標準圖框影像
504‧‧‧直方圖
506‧‧‧影像
508‧‧‧中值圖框影像
510‧‧‧直方圖
512‧‧‧影像
514‧‧‧圖框影像
516‧‧‧直方圖
600‧‧‧測試影像
602‧‧‧參考影像
604‧‧‧標準參考影像
606‧‧‧差影像
608‧‧‧缺陷偵測
610‧‧‧測試屬性
612‧‧‧差屬性
614‧‧‧標準參考屬性
616‧‧‧缺陷分類
700‧‧‧非暫時性電腦可讀媒體
702‧‧‧程式指令
704‧‧‧電腦系統
804‧‧‧檢驗子系統
806‧‧‧系統
808‧‧‧光源
810‧‧‧光束分離器
812‧‧‧晶圓
814‧‧‧透鏡
816‧‧‧偵測器
818‧‧‧電腦子系統
900‧‧‧晶圓
在獲益於較佳實施例之以下詳細描述之情況下且在參考隨附圖式之後，熟習此項技術者將明白本發明之進一步優點，其中：圖1至圖4係圖解說明可經執行用於偵測如本文中描述之缺陷之不同步驟之實施例之示意圖；圖5係圖解說明可經執行用於對如本文中描述之缺陷進行偵測及/或分類之一步驟之一實施例之一示意圖；圖6係圖解說明可經執行用於對如本文中描述之缺陷進行偵測及/或分類之步驟之一實施例之一流程圖；圖7係圖解說明一非暫時性電腦可讀媒體之一實施例之一方塊圖，該非暫時性電腦可讀媒體儲存用於引起一電腦系統執行本文中描述之一電腦實施方法之程式指令；圖8係圖解說明經組態以偵測一晶圓上之缺陷之一系統之一實施例之一側視圖之一示意圖；及圖9係圖解說明關於缺陷偵測之現有方法之問題之一示意圖。
雖然本發明易於以多種修改及替代形式呈現，但是在圖式中藉由實例展示且在本文中詳細描述若干特定實施例。該等圖式未按比例繪製。然而，應明白該等圖式及其詳細描述並不旨在將本發明限於所揭示的特定形式，恰相反，本發明欲涵蓋落於如由隨附申請專利範圍所定義的本發明之精神及範圍內之所有修改、等效物及替代物。
現在參考圖式，應注意，圖並未按比例繪製。特定言之，極大 地放大該等圖之一些元件之尺度以強調元件之特性。亦應注意，該等圖不一定按相同比例繪製。使用相同參考數字指示一個以上圖中所示之可經類似組態之元件。除非本文中另有提及，否則所描述且展示之元件之任一者可包含任何適當的市售元件。
一實施例係關於一種用於對一晶圓上偵測之缺陷進行分類之方法。如本文中將進一步描述，該等實施例利用(若干)標準參考影像進行缺陷偵測及/或分類，且可用於諸如改良晶圓檢驗配方穩定性之應用。如本文中進一步描述，該等實施例可用以使用一標準參考晶粒影像產生分段軸之內容。若缺陷偵測及分類使用一單個影像以定義分段軸之內容，則分段軸將不會受晶粒對晶粒或晶圓對晶圓色彩變動影響。
在一實施例中，晶圓及至少一其他晶圓在受一檢驗系統檢驗之前經受相同一或多個程序，且用於該晶圓及該至少一其他晶圓之檢驗系統之輸出具有色彩變動。在另一實施例中，由一檢驗系統產生用於該晶圓之輸出具有跨晶圓之色彩變動。以此方式，本文中描述之實施例可用於在檢驗系統之輸出中具有隨晶圓不同或跨一單個晶圓之色彩變動之晶圓。色彩變動通常係由晶圓線邊緣粗糙度、處理變動、前一層圖案及金屬顆粒所致。此色彩變動通常與晶圓上之實際缺陷無關，且代替性地可與隨著晶圓不同或跨一晶圓之可接受程序變動有關。然而，此色彩變動可降低檢驗靈敏度且引起重要缺陷未經偵測。此外，色彩變動可由一檢驗系統偵測為實際缺陷，藉此產生檢驗結果之不確定性及不精確性。
更具體言之，晶圓檢驗系統開發者及使用者已報告若干例項：相同檢驗配方偵測隨使用相同程序製造之晶圓(在一晶圓製造程序中之相同點的晶圓)不同之顯著不同數目個DOI。例如，對已被執行相同程序之不同晶圓執行之相同晶圓檢驗程序可未偵測一晶圓上之一特定 類型的DOI且偵測到另一晶圓上明顯存在相同類型的DOI。色彩及程序變動通常被視為與此等穩定性問題相關聯。分析已展示，用於偵測之參考影像可歸因於此色彩及程序變動而不穩定。
諸如關於一參考影像之分段之偵測參數可因此不穩定。例如，一些缺陷偵測演算法中之分段基於影像之灰階變化判定用以偵測一晶圓上之不同位置中之缺陷之靈敏度。以此方式，針對一晶粒之不同部分及/或一晶圓之不同部分產生之輸出可基於該輸出之一或多個特性而指派給不同區段，且接著可將(若干)不同偵測參數用於不同區段中之缺陷偵測。然而，在色彩變動之情況下，對於相同位置，檢驗系統輸出隨著晶粒及/或晶圓不同而變化。因此，相同強度範圍可導致相同晶粒位置處之兩個不同晶粒中之不同分段。因而，不同缺陷偵測可在相同晶粒位置處之兩個不同晶粒中執行，即使兩個不同晶粒中之相同晶粒位置具有相同實際缺陷特性，此仍可在相同晶粒位置處產生不同缺陷偵測結果。
以此方式，甚至對於晶圓及/或晶粒內之相同位置處的DOI，此不穩定性可對DOI擷取具有顯著影響。例如，歸因於色彩及程序變動，一晶圓上之一位置處之一DOI可由一晶圓檢驗程序偵測，但是即使一不同但經類似處理之晶圓上之對應位置處的相同DOI實際上存在於該位置中，仍不一定偵測得到該DOI。以一類似方式，歸因於色彩及程序變動，一晶圓上之一晶粒中之一位置處之一DOI可由一晶圓檢驗程序偵測，但是即使相同晶圓上之另一晶粒中之對應位置處之相同DOI實際上存在於該對應位置中，仍不一定偵測得到該DOI。
用於分類之參考影像亦可歸因於此色彩及程序變動而不穩定。因此，至少部分自一參考影像判定之分類參數(諸如缺陷屬性)可能不穩定。例如，許多檢驗配方包含可經執行用於諸如擾亂點過濾(nuisance filtering)之應用之某種缺陷分類。如本文中使用之術語之一 「擾亂點」可被定義為藉由晶圓檢驗在一晶圓上偵測之一缺陷，但其實際上並非一缺陷。擾亂點因此與半導體良率無關且不受半導體製造商關注。例如，一「擾亂點」可為錯誤地偵測為一缺陷之晶圓檢驗系統輸出中之一雜訊源。因此，使經偵測缺陷(其等係實際上存在於一晶圓上之缺陷)與並非一晶圓上之實際缺陷之經偵測缺陷分離可為晶圓檢驗之一重要部分。
自參考影像判定之屬性通常用於缺陷分類決策樹。然而，若參考影像中存在色彩變動，則屬性計算可能變得不穩定。例如，歸因於色彩及程序變動，一晶圓上之相同的粗糙度範圍可被判定為相同晶粒位置處之兩個不同晶粒之實質上不同的參考影像屬性。因此，若此等參考影像屬性被用於缺陷分類，則位於兩個不同晶粒中之相同晶粒內位置處之缺陷可被指派不正確分類或不同分類，即使其等可為相同類型的缺陷或擾亂點。
因此，已開發本文中描述之實施例以使用本文中描述之標準參考影像以穩定缺陷偵測(例如分段)的一或多個參數，及/或缺陷分類(例如缺陷屬性計算)的一或多個參數。
該方法包含基於由一檢驗系統針對一晶圓產生的輸出來偵測該晶圓上的缺陷。可如本文中進一步描述般執行偵測缺陷。此外，可藉由使用檢驗系統之輸出作為一或多個缺陷偵測演算法之輸入來執行偵測缺陷，該一或多個缺陷偵測演算法諸如可自加利福尼亞州，米爾皮塔斯市，KLA-Tencor購得之檢驗系統上當前可用的多晶粒自動定限(MDAT)演算法。檢驗系統之輸出可包含本文中描述或可由本文中描述之檢驗系統產生的任何輸出。檢驗系統可如本文中描述般經進一步組態。
該方法可包含自一或多個晶圓選擇一或多個晶粒。例如，標準晶粒影像可自由使用者指定之一晶粒產生。若此影像不具代表性，則 使用者可選擇多個晶粒且自此等晶粒影像建構標準參考影像。使用者可判定應選擇哪個晶粒。標準參考影像可如本文中進一步描述般產生。
該方法可包含使用檢驗系統獲取輸出。例如，獲取輸出可包含使光掃描遍及晶圓及在掃描期間回應於來自由檢驗系統偵測之晶圓之光產生輸出。以此方式，獲取輸出可包含掃描晶圓。然而，獲取輸出不一定包含掃描晶圓。例如，獲取輸出可包含(例如由檢驗系統)自其中已儲存輸出之一儲存媒體獲取輸出。自儲存媒體獲取輸出可以任何適當方式執行，且自其獲取輸出之儲存媒體可包含本文中描述之儲存媒體之任一者。
偵測缺陷可包含建構用於分段軸之資訊。該軸之實例之一者係來自8個晶粒之中值影像。建構用於分段軸之資訊可如本文中描述般進一步執行。
在一實施例中，偵測該等缺陷包含：基於由該檢驗系統針對該晶圓上之兩個或兩個以上晶粒產生之輸出依據晶粒內位置判定中值強度；藉由自該晶圓上之一測試晶粒之輸出中個別像素的對應像素之特性減去該晶圓上之一參考晶粒之輸出中個別像素之一特性判定差值；產生該等差值及對應於實質上相同位置之中值強度之一二維(2D)散佈圖；及基於該2D散佈圖偵測缺陷。
在一此實例中，在圖1中所示之實施例中，一偵測任務可含有來自8個晶粒之影像圖框。因此，用於此任務之測試晶粒可包含測試晶粒1至8。圖1中所示之測試晶粒可為在一晶圓上(例如在該晶圓上之一列晶粒中)彼此相鄰之晶粒。然而，圖1中所示之測試晶粒1至8在晶圓上可具有彼此不同於圖1中所示之空間關係。換言之，此實施例中使用之測試晶粒未必處在一晶圓上之一單列晶粒中。
判定此實施例中之上述中值強度可包含使用測試晶粒1至8中之 兩者或兩者以上(或全部)以判定圖1中所示之中值晶粒。中值強度可被判定為中值強度影像或可以任何其他適當格式判定。中值強度可以任何適當方式使用任何適當方法及/或演算法之判定。如本文中進一步描述，此一中值強度可用於標準參考影像產生。然而，如本文中進一步描述，參考產生不限於中值運算且可使用其他演算法(諸如一穩健平均、一簡單平均等等)執行或可自單個清潔影像產生。
可藉由自測試晶粒之一者減去測試晶粒之另一者來判定上述差值。例如，如圖1中所示，測試晶粒4及5可用來產生Diff 1，且測試晶粒5及6可用來產生Diff 2。圖1中所示之其他測試晶粒可用以依一類似方式產生差值。以此方式，此實施例中執行之缺陷偵測可為一晶粒對晶粒類型缺陷偵測。彼此相減以判定差值之測試晶粒之特性可為輸出中之像素強度或輸出之任何其他適當特性。以此方式，判定差值可包含判定相鄰晶粒中之像素強度之間之差。差值可用以產生測試晶粒之各者之差影像，但是差值可以任何其他格式依據晶粒內位置表達。差值可以任何適當方式使用任何適當方法及/或演算法判定。
在如上所述般判定中值強度及差值之後，可產生一2D散佈圖，諸如圖2中所示之散佈圖200。特定言之，根據兩個值(垂直軸上之中值強度值及水平軸上之差值)繪製一測試影像上之各像素。
圖2中所示之散佈圖之橢圓形部分界定偏遠散佈圖資料點與非偏遠散佈圖資料點之間之邊界。例如，橢圓形部分內之資料點可為非離群點，且橢圓形部分外部之資料點可為離群點。以此方式，圖2中由散佈圖中的X所示之資料點可被判定為離群點，且對應於此等資料點之位置可被識別為晶圓上之缺陷位置。因此，可基於2D散佈圖偵測缺陷。
在另一實施例中，偵測該等缺陷包含：基於一標準參考影像(本文中進一步描述之標準參考影像之任一者)依據晶粒內位置判定中值 強度；組合晶圓上之兩個或兩個以上測試晶粒之輸出；藉由自兩個或兩個以上測試晶粒之組合輸出中個別像素之特性減去該標準參考影像中個別像素的對應像素之一特性判定差值；產生該等差值及對應於實質上相同位置之中值強度之一2D散佈圖；及基於該2D散佈圖偵測該等缺陷。
可如上所述般執行在此實施例中產生2D散佈圖及偵測缺陷。以此方式，一旦產生2D散佈圖，可如上所述般執行缺陷偵測。然而，在此實施例中，自不同中值強度及差值產生2D散佈圖。
在一此實例中，在圖3中所示之實施例中，一偵測任務可含有來自8個晶粒之影像圖框。圖3中所示之測試晶粒可如本文中描述般進一步組態。在此實施例中，將關於經由平均化組合晶圓上之兩個或兩個以上測試晶粒之輸出來進一步描述組合該輸出。然而，測試晶粒之輸出可以任何其他適當方式組合。在此實施例中，圖3中所示之測試晶粒1至8之檢驗系統之輸出可用以產生圖3中所示之平均測試晶粒。在此實施例中，產生平均測試晶粒可包含使用測試晶粒1至8中之兩者或兩者以上(或全部)以判定某個特性(諸如測試晶粒影像中之像素強度)之平均值。平均測試晶粒可被判定為一平均測試晶粒影像或可以任何其他適當格式判定。多個測試晶粒之輸出之平均值可以任何適當方式使用任何適當方法及/或演算法判定。
上述差值可藉由自平均測試晶粒減去一標準參考晶粒而判定。例如，如圖3中所示，可自平均測試減去標準參考影像以產生差。自平均測試影像減去標準參考影像以判定差值之特性可為標準參考影像及平均測試影像中之像素強度或影像之任何其他適當特性。以此方式，判定差值可包含判定該兩個影像中之像素強度之間的差。該等差值可用以產生一差影像，但是該等差值亦可以任何其他格式依據晶粒內位置而表達。該等差值可以使用任何適當方法及/或演算法之任何 適當方式判定。
在此等實施例中，2D散佈圖之中值強度可為標準參考晶粒中之像素強度，且2D散佈圖中使用之差值可為標準參考晶粒與平均測試之間之強度差。此實施例中使用之標準參考晶粒影像可包含本文中描述之標準參考影像之任一者。
在一些實施例中，偵測該等缺陷包含：基於由檢驗系統針對晶圓上之兩個或兩個以上晶粒產生之輸出依據晶粒內位置判定中值強度；藉由自該晶圓上之一測試晶粒之輸出中個別像素之特性減去該晶圓上之一參考晶粒之輸出中個別像素的對應像素之一特性判定差值；將該測試晶粒之該輸出中之該等像素分為自該標準參考影像判定之區段；針對該等區段之至少一者產生該等差值及對應於實質上相同位置之該至少一區段中之中值強度之一2D散佈圖；及基於該2D散佈圖偵測該等缺陷。
可如上所述般執行在此實施例中判定中值強度及差值。在一此實例中，在圖4中所示之實施例中，一偵測任務可含有來自8個晶粒之影像圖框。圖4中所示之測試晶粒可如本文中描述般進一步組態。在此實施例中，判定上述中值強度可包含使用測試晶粒1至8中之兩者或兩者以上(或全部)以判定圖4中所示之中值晶粒。在此實施例中，可藉由自測試晶粒之一者減去測試晶粒之另一者來判定差值。例如，如圖4中所示，測試晶粒4及5可用來產生Diff 1，且測試晶粒5及6可用來產生Diff 2。圖4中所示之其他測試晶粒可用以依一類似方式產生差值。可如本文中進一步描述般判定此等差值。
在產生圖4中所示之標準參考影像之後，使其與對應晶粒位置處之測試影像對準。任何影像配準演算法可用以執行對準。在對準影像之後，可在各像素處計算測試影像與參考影像之間之差值。使用全部像素處之灰階值及此差值以產生一2D散佈圖。使用者可判定2D散佈 圖上之分段及偵測參數。
接著，可使用圖4中所示之標準參考影像以判定用於缺陷偵測之分段。此實施例中使用之區段可自本文中描述之標準參考影像之任一者判定。例如，若標準參考影像包含標準參考影像中之像素之強度值，則強度值之不同範圍可被指派給不同區段。在一此實例中，自0至100之強度值可被指派給區段1，而自101至255之強度值可被指派給區段2。像素之其他值(例如，中值強度值)可用以依一類似方式界定區段。
以此方式，一旦基於標準參考影像界定區段，可比較測試影像中之像素之一對應值(例如，強度、中值強度等等)與指派給該等區段之值以判定將一像素指派給哪個區段。因而，不同像素可被指派給不同區段。一旦像素已被指派給區段，可針對區段之各者單獨產生一2D散佈圖。例如，可使用對應於一區段中之像素之中值強度及差值以如本文中描述般針對該區段產生一2D散佈圖。接著，可如本文所述般使用該2D散佈圖執行針對該等像素之缺陷偵測。接著，可以相同方式針對其他區段執行缺陷偵測。然而，因為針對不同區段單獨執行缺陷偵測，所以針對不同區段執行之缺陷偵測之一或多個參數可不同。該一或多個參數(對於不同區段而言係不同的)可包含任何缺陷偵測演算法及/或方法之任何參數。
該方法亦包含基於對應於缺陷之至少一者之一標準參考影像之部分判定缺陷之至少一者之一或多個屬性。該一或多個屬性可包含可用以如本文中進一步描述般對缺陷進行分類之任何缺陷屬性。該一或多個屬性可使用任何適當方法及/或演算法自標準參考影像判定。
標準參考影像可為在晶圓檢驗配方之設置期間產生之一「黃金」影像。例如，在設置期間可產生標準參考影像以考量跨晶圓之程序變動。在一實例中，可藉由用晶圓檢驗系統獲取一晶圓上之一晶粒 之至少一例項之一影像產生標準參考影像。例如，在一裝置/層之一檢驗配方之設置步驟期間，檢驗系統可掃描一晶粒(或若干晶粒)且建構該等晶粒之一標準參考影像。此可以若干方式進行。一種方式可僅使用晶圓上某一位置處之一晶粒之一例項，或在配方設置期間，一使用者可指定晶圓上之一無缺陷晶粒。
在一些實施例中，標準參考影像並非基於一單個晶圓上之一單個晶粒而產生。在一額外實施例中，標準參考影像係不同於自一單個晶圓上之一單個晶粒產生之一參考影像。在一些實施例中，該方法包含基於由檢驗系統針對晶圓產生之輸出來產生標準參考影像，且該標準參考影像不用於其他晶圓。在一進一步實施例中，該方法包含基於由檢驗系統針對晶圓之僅一部分產生之輸出來產生標準參考影像，且該標準參考影像不用於晶圓之其他部分。例如，標準參考影像可基於每晶圓運行時間之8個中值晶粒而判定。若變動係在晶圓內，則可產生此一標準參考影像。以此方式，可自由晶圓檢驗系統獲取之對應於晶圓上之不同晶粒的多個影像產生標準參考影像。在一此實例中，一影像可藉由對對應於不同晶粒之影像之一集合採取逐像素平均(或中值)來建構一「平均」影像或一「中值」影像。
該方法可包含自半導體設計資料產生標準參考影像。採取含有晶圓結構資訊之設計資料，模擬軟體可合成一晶粒之晶圓影像。影像灰階值反映晶圓結構資訊，但是不一定類似於自檢驗機器產生之影像。例如，最簡單的合成影像可為僅指示晶圓圖案及背景的二進位影像。使用一合成影像作為標準參考影像之優點係：合成影像不含有任何晶圓雜訊，且由合成影像導出的分段參數不受晶圓雜訊影響。此外，在一些實施例中，標準參考影像可為晶圓設計資料。以此方式，晶圓設計可用作如本文中進一步描述之一標準參考影像，以針對晶圓上之各晶粒產生區段且計算(若干)參考屬性。此外，標準參考影像可 為由一掃描電子顯微鏡(SEM)產生用於晶圓之晶圓設計資料之一影像。此一標準參考影像將穩定如本文中進一步描述之分段以及(該等)參考屬性。以此方式，標準參考影像可為一SEM影像，該SEM影像用作晶圓設計之一代理，以如本文中進一步描述般判定用於缺陷偵測之區段及/或計算(該等)參考屬性。此一標準參考影像亦將穩定如本文中進一步描述之分段以及(該等)參考屬性。
自多個影像產生標準參考影像亦可包含使多個影像以子像素精確度彼此對準及一起處理經對準多個影像，以藉此自經對準影像產生標準參考影像。例如，當計算一平均或中值影像時，經平均化(或中值經計算)之影像可對準至子像素精確度。亦可針對缺陷偵測執行類似對準。例如，在一實施例中，偵測缺陷包含使多個影像以子像素精確度彼此對準及基於經對準多個影像偵測缺陷，這可根據本文中描述之實施例之任一者來執行。在子像素精確度內對準多個影像可係以任何適當方式執行，包含如在2010年3月9日頒予Kulkarni等人之美國專利第7,676,077號中所描述者，該專利係以引用方式全部併入本文中。本文中描述之實施例可包含此專利中描述之(若干)任何方法的(若干)任何步驟。
標準參考影像可儲存於在檢驗期間使用之檢驗配方中。標準參考影像亦可如於2012年6月19日發佈之共同讓渡給Bhaskar等人之美國專利第8,204,296號中描述般產生，該專利係以引用方式全部併入本文中。本文中描述之實施例可包含此專利中描述之(若干)任何方法的(若干)任何步驟，且可如此專利中描述般經進一步組態。
在一些實施例中，該方法包含針對晶圓上之一單個晶粒產生標準參考影像，且標準參考影像不用於晶圓上之其他晶粒。例如，可根據本文中描述之實施例之任一者逐晶粒地產生一標準參考影像。以此方式，不同標準參考影像可用於晶圓上之不同晶粒。
在另一實施例中，該方法包含藉由以下各者產生該標準參考影像：判定該晶圓上之一或多個晶粒之一或多個參考影像中之一或多個圖框影像之一或多個第一直方圖；自由該檢驗系統產生之輸出判定針對該晶圓產生之一中值影像中之一或多個圖框影像之一或多個第二直方圖；修改該一或多個第二直方圖使得該一或多個第二直方圖實質上匹配該一或多個第一直方圖；及基於該一或多個經修改第二直方圖產生該標準參考影像。以此方式，直方圖修改可用以產生如本文中進一步描述般使用之一標準參考影像。
在一此實施例中，如圖5中所示，影像500可為在設置期間獲得之一標準全晶粒影像。此影像可包含標準圖框影像502，且可針對標準圖框影像之各者判定直方圖504。在晶圓檢驗期間，可獲得影像506(其係一全晶粒中值影像)。此影像可包含中值圖框影像508，且可針對中值圖框影像之各者判定直方圖510。影像500及506中之對應位置中之圖框影像對應於晶圓上之一晶粒之相同部分。如可自針對影像500及506中之圖框影像判定之直方圖504及510之比較可知，不同影像中之對應圖框影像之直方圖實質上係不同的。
可對影像506執行直方圖映射，藉此產生包含圖框影像514之影像512，已單獨判定圖框影像514的直方圖516。直方圖映射可藉此產生包含多個經映射中值圖框影像之一經映射全晶粒中值影像。因而，影像500及512之直方圖匹配，且影像看起來實質上類似。以此方式，可使中值圖框影像看起來實質上類似於全部晶粒及晶圓之標準參考影像。若中值圖框影像對於全部晶粒及晶圓而言實質上相同，則使用此等中值圖框影像執行之分段將係穩定的。此外，自此等標準中值圖框影像計算之缺陷屬性將係穩定的。
在一此實施例中，參考影像係晶圓上之一單個晶粒之一影像。例如，在配方設置期間，可使用一檢驗系統掃描一晶圓上之至少一全 晶粒，且在掃描期間由檢驗系統產生之輸出可用以如本文中進一步描述般產生參考影像。在另一此實施例中，參考影像係晶圓上之多個晶粒之一複合影像。例如，在配方設置期間，可使用一檢驗系統掃描一晶圓上之多個晶粒，且在掃描期間由檢驗系統產生之輸出可用以如本文中描述般產生參考影像。在一此實例中，對於多個晶粒情況，一複合影像(例如，平均、中值、穩健平均等等)可自多個晶粒影像產生。在任一情況中，全晶粒影像或複合影像可被定義為參考影像且被劃分為圖框影像。接著，可針對各參考圖框影像判定一直方圖且直方圖可儲存在配方中。
在一些此等實施例中，偵測缺陷包含基於標準參考影像將用於晶圓之一測試影像之不同部分指派給不同區段，且針對不同區段執行之偵測步驟之一或多個參數係不同的。例如，在檢驗期間，可對各圖框影像執行檢驗。接著，可產生一中值圖框影像用於分段目的。可藉由將對應中值圖框影像之直方圖映射至標準參考圖框影像之直方圖來修改中值圖框影像。接著，可如本文中進一步描述般使用中值圖框影像執行分段。
在一進一步此實施例中，判定該一或多個第一直方圖包含產生用於該一或多個第一直方圖之資料，且其中修改該一或多個第二直方圖係以少於經產生用於該一或多個第一直方圖之全部資料來執行。例如，為減小保存至配方中之資料，可保存直方圖資料之一子集。最小子集可為直方圖之僅兩個端點。在檢驗期間，可使用標準參考影像之直方圖資料之子集映射中值圖框影像。標準參考影像效力可稍微有所減小，因為較少資訊儲存至配方中。然而，若色彩變動並未相對嚴重，則使用較少資訊不一定使穩定性降級，同時減小配方大小。
該方法進一步包含至少部分基於一或多個經判定屬性而對缺陷之至少一者進行分類。在一實施例中，分類步驟包含判定該等缺陷之 該至少一者是否係一所關注缺陷(DOI)或一擾亂點。可如本文中進一步所述般執行缺陷分類。此外，可使用任何適當的缺陷分類方法及/或演算法藉由用本文中描述之(該等)經判定屬性取代其他缺陷屬性或藉由修改該方法及/或演算法來執行缺陷分類，使得結合由該方法及/或演算法使用之(若干)其他屬性使用本文中描述之(該等)經判定屬性。
在一些實施例中，分類步驟係基於該一或多個經判定屬性、基於對應於該等缺陷之該至少一者之一測試影像之一部分針對該等缺陷之該至少一者判定之一或多個其他屬性及基於對應於該等缺陷之該至少一者之一差影像之一部分針對該等缺陷之該至少一者判定之一或多個額外屬性。圖6中展示一此實施例。特定言之，如圖6中所示，測試影像600及參考影像602可用以產生差影像606，此可如本文中進一步描述般執行。差影像606接著可用於缺陷偵測608，此可根據本文中描述之實施例之任一者執行。對於由缺陷偵測偵測之缺陷之任一者，可自對應於缺陷位置之測試影像600之部分判定(若干)測試屬性610，且可自對應於缺陷位置之差影像606之部分判定(若干)差屬性612，且可自對應於缺陷位置之標準參考影像604之部分判定(若干)標準參考屬性614。(該等)測試屬性、(該等)差屬性及(該等)標準參考屬性可包含本文中描述之(該等)屬性之任一者，且可如本文中進一步描述般加以判定。標準參考影像604可包含本文中描述之標準參考影像之任一者。如圖6中進一步展示，(該等)測試屬性610、(該等)差屬性612及(該等)標準參考屬性614可結合地用於缺陷分類616。
以此方式，不同於其中使用自一測試影像、一差影像及一非標準參考影像判定之缺陷屬性進行缺陷分類之一些常用方法，在本文中描述之實施例中，使用一標準參考晶粒影像以判定缺陷屬性(其等接著用於缺陷分類)。因此，因為如上文進一步描述般，本文中描述之 標準參考影像將比其他常用的參考影像更加穩定，所以本文中描述之實施例提供比其他方法及系統更加穩定的(若干)參考影像缺陷屬性用於缺陷分類。以此方式，根據本文中描述之實施例判定之缺陷分類將更加穩定且很大程度上不受隨晶圓不同及晶圓內之程序變動引發之色彩變動影響。
可藉由修改當前使用的缺陷偵測演算法及/或方法以使用本文中描述之該一或多個經判定屬性來執行本文中描述之分類步驟。例如，當前由可自KLA-Tencor購得之檢驗系統使用之iDO軟體可經修改使得其使用本文中描述之至少該一或多個經判定屬性以將缺陷分為不同分類。
可由一電腦系統執行本文中描述之偵測、判定及分類步驟，該電腦系統可根據本文中描述之實施例之任一者組態。
上述方法之實施例之各者可包含本文中描述之(若干)任何其他方法之(若干)任何其他步驟。此外，上述方法之實施例之各者可由本文中描述之系統之任一者執行。
本文中描述之所有方法可包含將方法實施例之一或多個步驟之結果儲存在一電腦可讀儲存媒體中。該等結果可包含本文中描述之結果之任一者且可以此項技術中已知之任何方式儲存。儲存媒體可包含本文中描述之任何儲存媒體或此項技術中已知之任何其他適當儲存媒體。在已儲存該等結果之後，該等結果可存取於儲存媒體中且藉由本文中描述之方法或系統實施例之任一者使用，經格式化以對一使用者顯示、由另一軟體模組、方法或系統等使用。
另一實施例係關於一種非暫時性電腦可讀媒體，其儲存可在一電腦系統上執行以執行用於對一晶圓上之缺陷進行分類之一電腦實施方法之程式指令。圖7中展示一此實施例。例如，如圖7中所示，非暫時性電腦可讀媒體700儲存可在電腦系統704上執行以執行用於對一晶 圓上偵測之缺陷進行分類之一電腦實施方法之程式指令702。該電腦實施方法可包含本文中描述之(若干)任何方法之(若干)任何步驟。
實施諸如本文中描述之該等方法之程式指令702可儲存於非暫時性電腦可讀媒體700中。電腦可讀媒體可為儲存媒體，諸如一磁碟或光碟、一磁帶或此項領域中已知的任何其他適當非暫時性電腦可讀媒體。
可以各種方式(包括基於程序之技術、基於組件之技術及/或面向物件之技術等等)之任一者實施該等程式指令。例如，可視需要使用Matlab、Visual Basic、ActiveX controls、C、C++ objects、C#、JavaBeans、Microsoft Foundation Classes(「MFC」)或其他技術或方法論實施程式指令。
電腦系統704可採取多種形式，包含一個人電腦系統、大型電腦系統、工作站、系統電腦、影像電腦、可程式化影像電腦、平行處理器或在此項技術中已知之任何其他裝置。一般而言，術語「電腦系統」可經廣泛定義以涵蓋具有執行來自一記憶體媒體之指令之一或多個處理器之任何裝置。
一額外實施例係關於一種經組態以對一晶圓上偵測之缺陷進行分類之系統。該系統包含一檢驗子系統，該檢驗子系統經組態以藉由使光掃描遍及一晶圓且在該掃描期間偵測來自該晶圓之光而針對該晶圓產生輸出。圖8中展示此一檢驗子系統之一實施例作為系統806之檢驗子系統804。
如圖8中所示，檢驗子系統包含光源808，該光源808可包含此項技術中已知的任何適當光源，諸如一寬頻電漿(BBP)光源。來自該光源之光可經引導至光束分離器810，該光束分離器810可經組態以將光自該光源引導至晶圓812。該光源可耦合至任何其他適當元件(未展示)，諸如一或多個聚光透鏡、準直透鏡、中繼透鏡、物鏡、孔隙、 光譜濾光器、偏光組件等等。如圖8中所示，該光可以一法線入射角引導至晶圓。然而，該光可以任何適當入射角(包含近法線入射角及傾斜入射角)引導至晶圓。此外，該光或多個光束可以一個以上入射角循序或同時引導至晶圓。檢驗子系統可經組態而使光以任何適當方式掃描遍及晶圓。
在掃描期間，可藉由檢驗子系統之一或多個偵測器收集並偵測來自晶圓812之光。例如，以相對接近法線之角度反射自晶圓812之光(即，當法線入射時經鏡面反射的光)可行進穿過光束分離器810而至透鏡814。透鏡814可包含如圖8中所示之一折射光學元件。此外，透鏡814可包含一或多個折射光學元件及/或一或多個反射光學元件。由透鏡814收集之光可被聚焦至偵測器816。偵測器816可包含此項技術中已知之任何適當偵測器，諸如一電荷耦合裝置(CCD)或另一類型之成像偵測器。偵測器816經組態以產生回應於由透鏡814收集之反射光之輸出。因此，透鏡814及偵測器816形成檢驗子系統之一通道。檢驗子系統之此通道可包含此項技術中已知之任何其他適當光學組件(未展示)。偵測器之輸出可包含例如影像、影像資料、信號、影像信號或可由適用於一檢驗系統中之一偵測器產生之任何其他輸出。
因為圖8中所示之檢驗子系統經組態以偵測自晶圓鏡面反射之光，所以該檢驗子系統經組態為一明場(BF)檢驗系統。然而，此一檢驗子系統亦可經組態以用於其它類型之晶圓檢驗。例如，圖8中所示之檢驗子系統亦可包含一或多個其他通道(未展示)。(該等)其它通道可包含本文中描述之光學組件之任一者，諸如經組態為一散射光通道之一透鏡及一偵測器。該透鏡及該偵測器可如本文所述般進一步組態。以此方式，檢驗子系統亦可經組態以用於暗場(DF)檢驗。
該系統亦包含耦合至檢驗子系統之電腦子系統818。例如，電腦子系統可耦合至檢驗子系統之一或多個偵測器使得電腦子系統可接收 由(該等)偵測器產生之輸出。以此方式，由檢驗子系統之(該等)偵測器產生之輸出可被提供給電腦子系統818。電腦子系統818經組態用於基於由檢驗子系統針對一晶圓產生之輸出偵測該晶圓上之缺陷，此可根據本文中描述之實施例之任一者執行。電腦子系統亦經組態以執行本文中描述之判定及分類步驟。電腦子系統818可經組態以執行本文中描述之任何其他步驟。
應注意，本文中提供圖8以大致圖解說明可包含在本文中描述之系統實施例中之檢驗子系統之一組態。顯然，如在設計一商業檢驗系統時通常所執行般，可改變本文中描述之檢驗子系統組態以最佳化檢驗子系統之效能。此外，可使用一現有檢驗子系統(例如，藉由將本文中描述之功能性添加至一現有檢驗系統)(諸如可自加利福尼亞州，米爾皮塔斯市，KLA-Tencor購得之29xx/28xx系列工具)實施本文中描述之系統。對於一些此等系統，可提供本文中描述之方法作為系統之選用功能性(例如，除系統之其他功能性之外)。替代地，可「自零開始」設計本文中描述之系統來提供一全新系統。
此外，雖然該系統在本文中被描述為一基於光學或光之檢驗系統，但是檢驗子系統可組態為一基於電子束之檢驗子系統。基於電子束之檢驗子系統可為包含於任何適當的市售電子束檢驗系統中之任何適當的基於電子束之檢驗子系統。
鑑於此描述，熟習此項技術者將明白本發明之各個態樣之進一步修改及替代實施例。例如，提供用於對一晶圓上偵測之缺陷進行分類之系統及方法。因此，此描述僅解釋為闡釋性的且出於教示熟習此項技術者實行本發明之一般方式之目的。應理解，本文中所示及描述之本發明之形式將被視為目前較佳實施例。元件及材料可代替本文中圖解說明及描述之該等元件及材料，可顛倒部分及程序，且可獨立利用本發明之某些特徵，所有將如熟習此項技術者在獲益於本發明之此 描述之後變得明顯。在不脫離如在下列申請專利範圍中描述之本發明之精神及範疇之情況下可對本文中描述之元件做出改變。

Claims (53)

  1. 一種對一晶圓上偵測之缺陷進行分類之方法，其包括：基於由一檢驗系統針對一晶圓產生之輸出來偵測該晶圓上之多個缺陷，其中偵測該等缺陷包括：基於由該檢驗系統針對該晶圓上之兩個或兩個以上晶粒產生之輸出，依據晶粒內位置來判定中值強度；藉由自該晶圓上之一測試晶粒之輸出中個別像素之特性減去該晶圓上之一參考晶粒之輸出中個別像素之對應像素之一特性來判定差值；產生該等差值及對應於實質上相同位置之該中值強度之一二維散佈圖；及基於該二維散佈圖來偵測該等缺陷；基於對應於該等缺陷之至少一者之一標準參考影像的部分來判定該等缺陷之該至少一者的一或多個屬性，其中該標準參考影像係一無缺陷(defect free)影像；及至少部分基於該一或多個經判定屬性來對該等缺陷之該至少一者進行分類，其中該偵測、該判定及該分類係由一電腦系統執行。
  2. 如請求項1之方法，其中該分類包括判定該等缺陷之該至少一者是否係一所關注缺陷或一擾亂點。
  3. 如請求項1之方法，其中該晶圓及至少一其他晶圓在受該檢驗系統檢驗之前經受相同一或多個程序，且其中針對該晶圓之該檢驗系統之該輸出及針對該至少一其他晶圓之該檢驗系統的輸出具有色彩變動。
  4. 如請求項1之方法，其中由該檢驗系統針對該晶圓產生之該輸出具有跨該晶圓之色彩變動。
  5. 如請求項1之方法，其中該標準參考影像係基於一或多個晶圓上 的一或多個晶粒而產生。
  6. 如請求項1之方法，其中該標準參考影像係由使用晶圓設計資料作為輸入且輸出合成晶圓影像的模擬軟體產生，且其中該標準參考影像指示晶圓結構，但是不具有與由該檢驗系統針對該晶圓產生之測試影像相同的灰階值。
  7. 如請求項1之方法，進一步包括基於由該檢驗系統針對該晶圓產生之該輸出來產生該標準參考影像，其中該標準參考影像不用於其他晶圓。
  8. 如請求項1之方法，進一步包括基於由該檢驗系統針對該晶圓之僅一部分產生之該輸出來產生該標準參考影像，其中該標準參考影像不用於該晶圓之其他部分。
  9. 如請求項1之方法，其中該分類係基於該一或多個經判定屬性、基於對應於該等缺陷之該至少一者之一測試影像的一部分而針對該等缺陷之該至少一者所判定的一或多個其他屬性，及基於對應於該等缺陷之該至少一者之一差影像的一部分而針對該等缺陷之該至少一者所判定的一或多個額外屬性。
  10. 如請求項1之方法，進一步包括針對該晶圓上之一單個晶粒產生該標準參考影像，其中該標準參考影像不用於該晶圓上之其他晶粒。
  11. 如請求項1之方法，進一步包括藉由以下各者來產生該標準參考影像：判定該晶圓上之一晶粒之一參考影像中之一或多個圖框影像的一或多個第一直方圖；自由該檢驗系統產生之該輸出判定針對該晶圓產生之一中值影像中之一或多個圖框影像的一或多個第二直方圖；修改該一或多個第二直方圖使得該一或多個第二直方圖實質上匹配該一或多個第一直方圖；及基於該一或多個經修改第二直方圖來產生該標準參考影像。
  12. 如請求項11之方法，其中該參考影像係該晶圓上之一單個晶粒之一影像。
  13. 如請求項11之方法，其中該參考影像係該晶圓上之多個晶粒之一複合影像。
  14. 如請求項11之方法，其中偵測該等缺陷進一步包括基於該標準參考影像將該晶圓之一測試影像之不同部分指派給不同區段，且其中針對該等不同區段執行之該偵測之一或多個參數係不同的。
  15. 如請求項11之方法，其中判定該一或多個第一直方圖包括產生用於該一或多個第一直方圖之資料，且其中修改該一或多個第二直方圖係以少於經產生用於該一或多個第一直方圖之全部資料來執行。
  16. 如請求項1之方法，其中該標準參考影像係晶圓設計資料。
  17. 如請求項1之方法，其中該標準參考影像係由一掃描電子顯微鏡產生用於該晶圓之晶圓設計資料之一影像。
  18. 如請求項1之方法，進一步包括藉由以下各者來產生該標準參考影像：使多個影像以子像素精確度彼此對準；及自該等經對準多個影像產生該標準參考影像。
  19. 如請求項1之方法，其中偵測該等缺陷進一步包括：使多個影像以子像素精確度彼此對準；及基於該等經對準多個影像來偵測該等缺陷。
  20. 一種非暫時性電腦可讀媒體，其儲存可在一電腦系統上執行以執行用於對一晶圓上偵測之缺陷進行分類之一電腦實施方法之程式指令，其中該電腦實施方法包括：基於由一檢驗系統針對一晶圓產生之輸出來偵測該晶圓上之多個缺陷，其中偵測該等缺陷包括：基於由該檢驗系統針對該 晶圓上之兩個或兩個以上晶粒產生之輸出，依據晶粒內位置來判定中值強度；藉由自該晶圓上之一測試晶粒之輸出中個別像素之特性減去該晶圓上之一參考晶粒之輸出中個別像素之對應像素之一特性來判定差值；產生該等差值及對應於實質上相同位置之該中值強度之一二維散佈圖；及基於該二維散佈圖來偵測該等缺陷；基於對應於該等缺陷之至少一者之一標準參考影像的部分來判定該等缺陷之該至少一者之一或多個屬性，其中該標準參考影像係一無缺陷影像；及至少部分基於該一或多個經判定屬性，對該等缺陷之該至少一者進行分類。
  21. 一種經組態以對一晶圓上偵測之缺陷進行分類之系統，其包括：一檢驗子系統，其經組態以藉由使光掃描遍及一晶圓且在該掃描期間偵測來自該晶圓之光而產生針對該晶圓之輸出；及一電腦子系統，其經組態以：基於由該檢驗子系統針對一晶圓產生之輸出來偵測該晶圓上之多個缺陷，其中偵測該等缺陷包括：基於由該檢驗子系統針對該晶圓上之兩個或兩個以上晶粒產生之輸出，依據晶粒內位置來判定中值強度；藉由自該晶圓上之一測試晶粒之輸出中個別像素之特性減去該晶圓上之一參考晶粒之輸出中個別像素之對應像素之一特性來判定差值；產生該等差值及對應於實質上相同位置之該中值強度之一二維散佈圖；及基於該二維散佈圖來偵測該等缺陷；基於對應於該等缺陷之至少一者之一標準參考影像的部分來判定該等缺陷之該至少一者的一或多個屬性，其中該標準 參考影像係一無缺陷影像；及至少部分基於該一或多個經判定屬性，對該等缺陷之該至少一者進行分類。
  22. 如請求項21之系統，其中該分類包括判定該等缺陷之該至少一者是否係一所關注缺陷或一擾亂點。
  23. 如請求項21之系統，其中該晶圓及至少一其他晶圓在受該檢驗子系統檢驗之前經受相同一或多個程序，且其中針對該晶圓之該檢驗子系統之該輸出及針對該至少一其他晶圓之該檢驗子系統之輸出具有色彩變動。
  24. 如請求項21之系統，其中由該檢驗子系統針對該晶圓產生之該輸出具有跨該晶圓之色彩變動。
  25. 如請求項21之系統，其中該標準參考影像並非基於一單個晶圓上之一單個晶粒而產生。
  26. 如請求項21之系統，其中該標準參考影像係不同於自一單個晶圓上之一單個晶粒產生之一參考影像。
  27. 如請求項21之系統，其中該電腦子系統進一步經組態用於基於由該檢驗子系統針對該晶圓產生之該輸出產生該標準參考影像，且其中該標準參考影像不用於其他晶圓。
  28. 如請求項21之系統，其中該電腦子系統進一步經組態用於基於由該檢驗子系統針對該晶圓之僅一部分產生之該輸出來產生該標準參考影像，且其中該標準參考影像不用於該晶圓之其他部分。
  29. 如請求項21之系統，其中該分類係基於該一或多個經判定屬性、基於對應於該等缺陷之該至少一者之一測試影像的一部分而針對該等缺陷之該至少一者所判定的一或多個其他屬性，及基於對應於該等缺陷之該至少一者之一差影像的一部分而針對 該等缺陷之該至少一者所判定的一或多個額外屬性。
  30. 如請求項21之系統，其中該電腦子系統進一步經組態用於針對該晶圓上之一單個晶粒產生該標準參考影像，且其中該標準參考影像不用於該晶圓上之其他晶粒。
  31. 如請求項21之系統，其中該電腦子系統進一步經組態用於藉由以下各者來產生該標準參考影像：判定該晶圓上之一晶粒之一參考影像中之一或多個圖框影像的一或多個第一直方圖；自由該檢驗子系統產生之該輸出來判定針對該晶圓產生之一中值影像中之一或多個圖框影像的一或多個第二直方圖；修改該一或多個第二直方圖使得該一或多個第二直方圖實質上匹配該一或多個第一直方圖；及基於該一或多個經修改第二直方圖產生該標準參考影像。
  32. 如請求項31之系統，其中該參考影像係該晶圓上之一單個晶粒之一影像。
  33. 如請求項31之系統，其中該參考影像係該晶圓上之多個晶粒之一複合影像。
  34. 如請求項31之系統，其中偵測該等缺陷進一步包括基於該標準參考影像，將該晶圓之一測試影像的不同部分指派給不同區段，且其中針對該等不同區段執行之該偵測的一或多個參數係不同的。
  35. 如請求項31之系統，其中判定該一或多個第一直方圖包括產生用於該一或多個第一直方圖之資料，且其中修改該一或多個第二直方圖係以少於經產生用於該一或多個第一直方圖之全部資料來執行。
  36. 如請求項21之系統，其中該標準參考影像係晶圓設計資料。
  37. 如請求項21之系統，其中該標準參考影像係由一掃描電子顯微 鏡產生用於該晶圓之晶圓設計資料之一影像。
  38. 如請求項21之系統，其中該電腦子系統進一步經組態用於藉由以下各者來產生該標準參考影像：使多個影像以子像素精確度彼此對準；及自該等經對準多個影像產生該標準參考影像。
  39. 如請求項21之系統，其中偵測該等缺陷進一步包括：使多個影像以子像素精確度彼此對準；及基於該等經對準多個影像來偵測該等缺陷。
  40. 一種經組態以對一晶圓上偵測之缺陷進行分類之系統，其包括：一檢驗子系統，其經組態以藉由使光掃描遍及一晶圓且在該掃描期間偵測來自該晶圓之光而產生針對該晶圓之輸出；及一電腦子系統，其經組態以：基於由該檢驗子系統針對一晶圓產生之輸出來偵測該晶圓上之多個缺陷，其中偵測該等缺陷包括：基於一標準參考影像，依據晶粒內位置來判定中值強度；組合該晶圓上之兩個或兩個以上測試晶粒之該輸出；藉由自該兩個或兩個以上測試晶粒之該組合輸出中個別像素之特性減去該標準參考影像中個別像素之對應像素之一特性來判定差值；產生該等差值及對應於實質上相同位置之該中值強度之一二維散佈圖；及基於該二維散佈圖來偵測該等缺陷；基於對應於該等缺陷之至少一者之該標準參考影像的部分來判定該等缺陷之該至少一者的一或多個屬性，其中該標準參考影像係一無缺陷影像；及至少部分基於該一或多個經判定屬性，對該等缺陷之該至少一者進行分類。
  41. 一種經組態以對一晶圓上偵測之缺陷進行分類之系統，其包 括：一檢驗子系統，其經組態以藉由使光掃描遍及一晶圓且在該掃描期間偵測來自該晶圓之光而產生針對該晶圓之輸出；及一電腦子系統，其經組態以：基於由該檢驗子系統針對一晶圓產生之輸出來偵測該晶圓上之多個缺陷，其中偵測該等缺陷包括：基於由該檢驗子系統針對該晶圓上之兩個或兩個以上晶粒產生之該輸出，依據晶粒內位置來判定中值強度；藉由自該晶圓上之一測試晶粒之該輸出中個別像素之該特性減去該晶圓上之一參考晶粒之該輸出中個別像素之對應像素之一特性來判定差值；將該測試晶粒之該輸出中之該等像素分為自一標準參考影像判定之區段；針對該等區段之至少一者產生該等差值及對應於實質上相同位置之該至少一區段中之該中值強度之一二維散佈圖；及基於該二維散佈圖來偵測該等缺陷；基於對應於該等缺陷之至少一者之該標準參考影像的部分來判定該等缺陷之該至少一者的一或多個屬性，其中該標準參考影像係一無缺陷影像；及至少部分基於該一或多個經判定屬性，對該等缺陷之該至少一者進行分類。
  42. 一種經組態以對一晶圓上偵測之缺陷進行分類之系統，其包括：一檢驗子系統，其經組態以藉由使光掃描遍及一晶圓且在該掃描期間偵測來自該晶圓之光而產生針對該晶圓之輸出；及一電腦子系統，其經組態以：基於由該檢驗子系統針對一晶圓產生之輸出來偵測該晶圓上之多個缺陷； 基於對應於該等缺陷之至少一者之一標準參考影像的部分來判定該等缺陷之該至少一者的一或多個屬性，其中該標準參考影像係一無缺陷影像，及其中該電腦子系統進一步經組態用於藉由以下各者來產生該標準參考影像：判定該晶圓上之一晶粒之一參考影像中之一或多個圖框影像的一或多個第一直方圖；自由該檢驗子系統產生之該輸出來判定針對該晶圓產生之一中值影像中之一或多個圖框影像的一或多個第二直方圖；修改該一或多個第二直方圖使得該一或多個第二直方圖實質上匹配該一或多個第一直方圖；及基於該一或多個經修改第二直方圖產生該標準參考影像；及至少部分基於該一或多個經判定屬性，對該等缺陷之該至少一者進行分類。
  43. 如請求項42之系統，其中該參考影像係該晶圓上之一單個晶粒之一影像。
  44. 如請求項42之系統，其中該參考影像係該晶圓上之多個晶粒之一複合影像。
  45. 如請求項42之系統，其中偵測該等缺陷包括基於該標準參考影像，將該晶圓之一測試影像的不同部分指派給不同區段，且其中針對該等不同區段執行之該偵測的一或多個參數係不同的。
  46. 如請求項42之系統，其中判定該一或多個第一直方圖包括產生用於該一或多個第一直方圖之資料，且其中修改該一或多個第二直方圖係以少於經產生用於該一或多個第一直方圖之全部資料來執行。
  47. 一種對一晶圓上偵測之缺陷進行分類之方法，其包括：基於由一檢驗系統針對一晶圓產生之輸出來偵測該晶圓上之多個缺陷，其中偵測該等缺陷包括：基於一標準參考影像，依 據晶粒內位置來判定中值強度；組合該晶圓上之兩個或兩個以上測試晶粒之該輸出；藉由自該兩個或兩個以上測試晶粒之該組合輸出中個別像素之特性減去該標準參考影像中個別像素之對應像素之一特性來判定差值；產生該等差值及對應於實質上相同位置之該中值強度之一二維散佈圖；及基於該二維散佈圖來偵測該等缺陷；基於對應於該等缺陷之至少一者之該標準參考影像的部分來判定該等缺陷之該至少一者的一或多個屬性，其中該標準參考影像係一無缺陷影像；及至少部分基於該一或多個經判定屬性來對該等缺陷之該至少一者進行分類，其中該偵測、該判定及該分類係由一電腦系統執行。
  48. 一種對一晶圓上偵測之缺陷進行分類之方法，其包括：基於由一檢驗系統針對一晶圓產生之輸出來偵測該晶圓上之多個缺陷，其中偵測該等缺陷包括：基於由該檢驗系統針對該晶圓上之兩個或兩個以上晶粒產生之該輸出，依據晶粒內位置來判定中值強度；藉由自該晶圓上之一測試晶粒之該輸出中個別像素之該特性減去該晶圓上之一參考晶粒之該輸出中個別像素之對應像素之一特性來判定差值；將該測試晶粒之該輸出中之該等像素分為自一標準參考影像判定之區段；針對該等區段之至少一者產生該等差值及對應於實質上相同位置之該至少一區段中之該中值強度之一二維散佈圖；及基於該二維散佈圖來偵測該等缺陷；基於對應於該等缺陷之至少一者之該標準參考影像的部分來判定該等缺陷之該至少一者的一或多個屬性，其中該標準參考影像係一無缺陷影像；及 至少部分基於該一或多個經判定屬性來對該等缺陷之該至少一者進行分類，其中該偵測、該判定及該分類係由一電腦系統執行。
  49. 一種對一晶圓上偵測之缺陷進行分類之方法，其包括：基於由一檢驗系統針對一晶圓產生之輸出來偵測該晶圓上之多個缺陷；藉由以下各者來產生一標準參考影像：判定該晶圓上之一晶粒之一參考影像中之一或多個圖框影像的一或多個第一直方圖；自由該檢驗系統產生之該輸出來判定針對該晶圓產生之一中值影像中之一或多個圖框影像的一或多個第二直方圖；修改該一或多個第二直方圖使得該一或多個第二直方圖實質上匹配該一或多個第一直方圖；及基於該一或多個經修改第二直方圖產生該標準參考影像；基於對應於該等缺陷之至少一者之該標準參考影像的部分來判定該等缺陷之該至少一者的一或多個屬性，其中該標準參考影像係一無缺陷影像；及至少部分基於該一或多個經判定屬性來對該等缺陷之該至少一者進行分類，其中該偵測、該判定及該分類係由一電腦系統執行。
  50. 如請求項49之方法，其中該參考影像係該晶圓上之一單個晶粒之一影像。
  51. 如請求項49之方法，其中該參考影像係該晶圓上之多個晶粒之一複合影像。
  52. 如請求項49之方法，其中偵測該等缺陷包括基於該標準參考影像，將該晶圓之一測試影像的不同部分指派給不同區段，且其中針對該等不同區段執行之該偵測的一或多個參數係不同的。
  53. 如請求項49之方法，其中判定該一或多個第一直方圖包括產生用於該一或多個第一直方圖之資料，且其中修改該一或多個第二直方圖係以少於經產生用於該一或多個第一直方圖之全部資料來執行。
TW104104157A 2014-02-06 2015-02-06 對一晶圓上偵測之缺陷進行分類之方法、系統及非暫時性電腦可讀媒體 TWI672636B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201461936330P 2014-02-06 2014-02-06
US61/936,330 2014-02-06
US14/612,192 US10127652B2 (en) 2014-02-06 2015-02-02 Defect detection and classification based on attributes determined from a standard reference image
US14/612,192 2015-02-02

Publications (2)

Publication Number Publication Date
TW201531963A TW201531963A (zh) 2015-08-16
TWI672636B true TWI672636B (zh) 2019-09-21

Family

ID=53755259

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104104157A TWI672636B (zh) 2014-02-06 2015-02-06 對一晶圓上偵測之缺陷進行分類之方法、系統及非暫時性電腦可讀媒體

Country Status (6)

Country Link
US (1) US10127652B2 (zh)
KR (1) KR102203112B1 (zh)
CN (1) CN105960702B (zh)
IL (1) IL246839B (zh)
TW (1) TWI672636B (zh)
WO (1) WO2015120193A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI699521B (zh) * 2015-11-18 2020-07-21 美商克萊譚克公司 用於區域可調適之缺陷偵測的系統及方法

Families Citing this family (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10127652B2 (en) * 2014-02-06 2018-11-13 Kla-Tencor Corp. Defect detection and classification based on attributes determined from a standard reference image
US10290092B2 (en) * 2014-05-15 2019-05-14 Applied Materials Israel, Ltd System, a method and a computer program product for fitting based defect detection
US10514685B2 (en) * 2014-06-13 2019-12-24 KLA—Tencor Corp. Automatic recipe stability monitoring and reporting
US9816939B2 (en) 2014-07-22 2017-11-14 Kla-Tencor Corp. Virtual inspection systems with multiple modes
US10436720B2 (en) * 2015-09-18 2019-10-08 KLA-Tenfor Corp. Adaptive automatic defect classification
US10186028B2 (en) * 2015-12-09 2019-01-22 Kla-Tencor Corporation Defect signal to noise enhancement by reducing die to die process noise
US10533953B2 (en) * 2016-04-04 2020-01-14 Kla-Tencor Corporation System and method for wafer inspection with a noise boundary threshold
JP6625475B2 (ja) * 2016-04-22 2019-12-25 株式会社 東京ウエルズ 欠陥検査方法および欠陥検査システム
CN106204598B (zh) * 2016-07-13 2019-02-05 东方晶源微电子科技（北京）有限公司 在自动缺陷分类流程中管理缺陷的方法及***
US9928446B2 (en) 2016-07-13 2018-03-27 Dongfang Jingyuan Electron Limited Augmented automatic defect classification
US10141156B2 (en) * 2016-09-27 2018-11-27 Kla-Tencor Corporation Measurement of overlay and edge placement errors with an electron beam column array
US10267748B2 (en) * 2016-10-17 2019-04-23 Kla-Tencor Corp. Optimizing training sets used for setting up inspection-related algorithms
US10395358B2 (en) * 2016-11-10 2019-08-27 Kla-Tencor Corp. High sensitivity repeater defect detection
US10402688B2 (en) * 2016-12-07 2019-09-03 Kla-Tencor Corporation Data augmentation for convolutional neural network-based defect inspection
KR20180082169A (ko) * 2017-01-10 2018-07-18 한화에어로스페이스 주식회사 불량 패널 검사 장치
US10685432B2 (en) * 2017-01-18 2020-06-16 Ricoh Company, Ltd. Information processing apparatus configured to determine whether an abnormality is present based on an integrated score, information processing method and recording medium
US10761128B2 (en) * 2017-03-23 2020-09-01 Kla-Tencor Corporation Methods and systems for inline parts average testing and latent reliability defect detection
US11270430B2 (en) * 2017-05-23 2022-03-08 Kla-Tencor Corporation Wafer inspection using difference images
US11237872B2 (en) * 2017-05-23 2022-02-01 Kla-Tencor Corporation Semiconductor inspection and metrology systems for distributing job among the CPUs or GPUs based on logical image processing boundaries
US11295432B2 (en) 2017-06-29 2022-04-05 Kla-Tencor Corporation Broad band plasma inspection based on a nuisance map
TWI641961B (zh) * 2017-07-21 2018-11-21 敖翔科技股份有限公司 設計佈局為主的快速線上缺陷診斷、分類及取樣方法及系統
US10699926B2 (en) 2017-08-30 2020-06-30 Kla-Tencor Corp. Identifying nuisances and defects of interest in defects detected on a wafer
US10503078B2 (en) * 2017-09-01 2019-12-10 Kla-Tencor Corporation Criticality analysis augmented process window qualification sampling
US10997710B2 (en) * 2017-10-18 2021-05-04 Kla-Tencor Corporation Adaptive care areas for die-die inspection
US10789703B2 (en) * 2018-03-19 2020-09-29 Kla-Tencor Corporation Semi-supervised anomaly detection in scanning electron microscope images
US10867877B2 (en) * 2018-03-20 2020-12-15 Kla Corporation Targeted recall of semiconductor devices based on manufacturing data
US10872406B2 (en) * 2018-04-13 2020-12-22 Taiwan Semiconductor Manufacturing Company, Ltd. Hot spot defect detecting method and hot spot defect detecting system
CN108986086A (zh) * 2018-07-05 2018-12-11 福州大学 印刷显示面板喷墨打印像素缺陷检测与分类方法及其装置
CN110907796B (zh) * 2018-09-14 2022-02-08 长鑫存储技术有限公司 集成电路量测结果图像化分析方法及***
US10801968B2 (en) * 2018-10-26 2020-10-13 Kla-Tencor Corporation Algorithm selector based on image frames
US11429806B2 (en) * 2018-11-09 2022-08-30 Canon Virginia, Inc. Devices, systems, and methods for anomaly detection
US11270439B2 (en) 2018-11-09 2022-03-08 University Of Florida Research Foundation, Incorporated Histogram-based method for auto segmentation of integrated circuit structures from SEM images
US10957035B2 (en) * 2018-11-30 2021-03-23 Kla Corporation Defect classification by fitting optical signals to a point-spread function
US11276161B2 (en) * 2019-02-26 2022-03-15 KLA Corp. Reference image generation for semiconductor applications
CN111724335A (zh) * 2019-03-21 2020-09-29 深圳中科飞测科技有限公司 检测方法及检测***
CN110231360B (zh) * 2019-05-31 2020-06-26 华南农业大学 电镜像差的确定方法、消除方法及装置
US11676260B2 (en) * 2019-09-26 2023-06-13 Kla Corporation Variation-based segmentation for wafer defect detection
US11415531B2 (en) * 2019-10-11 2022-08-16 KLA Corp. Statistical learning-based mode selection for multi-mode inspection
US11450012B2 (en) * 2019-10-31 2022-09-20 Kla Corporation BBP assisted defect detection flow for SEM images
US11615993B2 (en) * 2019-11-21 2023-03-28 Kla Corporation Clustering sub-care areas based on noise characteristics
US11127136B2 (en) * 2019-12-05 2021-09-21 Kla Corporation System and method for defining flexible regions on a sample during inspection
TWI783200B (zh) * 2019-12-30 2022-11-11 緯創資通股份有限公司 物件的瑕疵判斷方法及裝置
US11328411B2 (en) 2020-05-04 2022-05-10 KLA Corp. Print check repeater defect detection
CN111754470A (zh) * 2020-06-11 2020-10-09 厦门雨程户外运动用品有限公司 自动验布方法、装置、自动验布机和存储介质
KR20210156894A (ko) 2020-06-18 2021-12-28 삼성전자주식회사 스루-포커스 이미지 기반 계측 장치, 그것의 동작 방법, 및 그 동작을 실행하는 컴퓨팅 장치
US11599988B2 (en) * 2020-09-11 2023-03-07 Super Micro Computer, Inc. Inspection of circuit boards for unauthorized modifications
CN114723650A (zh) * 2020-12-21 2022-07-08 东方晶源微电子科技（北京）有限公司 晶圆缺陷检测方法和装置、设备及存储介质
US11854184B2 (en) * 2021-01-14 2023-12-26 Applied Materials Israel Ltd. Determination of defects and/or edge roughness in a specimen based on a reference image
US20220301133A1 (en) * 2021-03-16 2022-09-22 Kla Corporation Segmentation of design care areas with a rendered design image
US20240054632A1 (en) * 2022-08-10 2024-02-15 Kla Corporation Detecting defects on specimens
CN116913827B (zh) * 2023-09-12 2023-12-12 威海奥牧智能科技有限公司 一种基于无脉冲泵供液的芯片清洗***及清洗方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI231557B (en) * 2004-05-10 2005-04-21 Powerchip Semiconductor Corp Method of defect inspection
US7330248B2 (en) * 2001-04-03 2008-02-12 Hitachi, Ltd. Method and apparatus for inspecting defects
US7598490B2 (en) * 2006-05-11 2009-10-06 Hitachi High-Technologies Corporation SEM-type reviewing apparatus and a method for reviewing defects using the same
TWI421960B (zh) * 2005-08-30 2014-01-01 Camtek Ltd 根據基準畫面來檢測缺陷的檢查系統和方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5640200A (en) * 1994-08-31 1997-06-17 Cognex Corporation Golden template comparison using efficient image registration
US5850466A (en) * 1995-02-22 1998-12-15 Cognex Corporation Golden template comparison for rotated and/or scaled images
US5777729A (en) * 1996-05-07 1998-07-07 Nikon Corporation Wafer inspection method and apparatus using diffracted light
JP3139998B2 (ja) * 1998-12-01 2001-03-05 株式会社東京精密 外観検査装置及び方法
US6975754B2 (en) * 2000-10-26 2005-12-13 Hitachi, Ltd. Circuit pattern inspection method and apparatus
US7162073B1 (en) * 2001-11-30 2007-01-09 Cognex Technology And Investment Corporation Methods and apparatuses for detecting classifying and measuring spot defects in an image of an object
US6850321B1 (en) * 2002-07-09 2005-02-01 Kla-Tencor Technologies Corporation Dual stage defect region identification and defect detection method and apparatus
JP3944075B2 (ja) 2002-12-27 2007-07-11 株式会社東芝 試料検査方法及び検査装置
US7676077B2 (en) * 2005-11-18 2010-03-09 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7570796B2 (en) 2005-11-18 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for utilizing design data in combination with inspection data
US7570800B2 (en) 2005-12-14 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for binning defects detected on a specimen
JP4065893B1 (ja) * 2006-12-04 2008-03-26 東京エレクトロン株式会社 欠陥検出装置、欠陥検出方法、情報処理装置、情報処理方法及びそのプログラム
WO2008086282A2 (en) * 2007-01-05 2008-07-17 Kla-Tencor Corporation Methods and systems for using electrical information for a device being fabricated on a wafer to perform one or more defect-related functions
US8045145B1 (en) * 2007-06-06 2011-10-25 Kla-Tencor Technologies Corp. Systems and methods for acquiring information about a defect on a specimen
US7796804B2 (en) 2007-07-20 2010-09-14 Kla-Tencor Corp. Methods for generating a standard reference die for use in a die to standard reference die inspection and methods for inspecting a wafer
US8401272B2 (en) * 2007-08-02 2013-03-19 Asti Holdings Limited Patterned wafer defect inspection system and method
US8126255B2 (en) 2007-09-20 2012-02-28 Kla-Tencor Corp. Systems and methods for creating persistent data for a wafer and for using persistent data for inspection-related functions
US8000922B2 (en) 2008-05-29 2011-08-16 Kla-Tencor Corp. Methods and systems for generating information to be used for selecting values for one or more parameters of a detection algorithm
US8175373B2 (en) 2009-02-16 2012-05-08 Kla-Tencor Corporation Use of design information and defect image information in defect classification
US8559001B2 (en) 2010-01-11 2013-10-15 Kla-Tencor Corporation Inspection guided overlay metrology
CN102129164B (zh) 2010-01-15 2012-08-22 中芯国际集成电路制造(上海)有限公司 掩膜版缺陷的判断方法及判断***
JP2013542404A (ja) 2010-07-30 2013-11-21 ケーエルエー−テンカー コーポレイション 領域ベースの仮想フーリエ・フィルタ
US8669523B2 (en) 2011-05-25 2014-03-11 Kla-Tencor Corporation Contour-based defect detection using an inspection apparatus
JP2012083351A (ja) * 2011-10-17 2012-04-26 Hitachi High-Technologies Corp 欠陥検査装置およびその方法
US10127652B2 (en) * 2014-02-06 2018-11-13 Kla-Tencor Corp. Defect detection and classification based on attributes determined from a standard reference image

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7330248B2 (en) * 2001-04-03 2008-02-12 Hitachi, Ltd. Method and apparatus for inspecting defects
TWI231557B (en) * 2004-05-10 2005-04-21 Powerchip Semiconductor Corp Method of defect inspection
TWI421960B (zh) * 2005-08-30 2014-01-01 Camtek Ltd 根據基準畫面來檢測缺陷的檢查系統和方法
US7598490B2 (en) * 2006-05-11 2009-10-06 Hitachi High-Technologies Corporation SEM-type reviewing apparatus and a method for reviewing defects using the same

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI699521B (zh) * 2015-11-18 2020-07-21 美商克萊譚克公司 用於區域可調適之缺陷偵測的系統及方法

Also Published As

Publication number Publication date
KR102203112B1 (ko) 2021-01-13
CN105960702B (zh) 2019-06-07
US20150221076A1 (en) 2015-08-06
TW201531963A (zh) 2015-08-16
CN105960702A (zh) 2016-09-21
WO2015120193A1 (en) 2015-08-13
IL246839B (en) 2020-04-30
US10127652B2 (en) 2018-11-13
IL246839A0 (en) 2016-08-31
KR20160119170A (ko) 2016-10-12

Similar Documents

Publication Publication Date Title
TWI672636B (zh) 對一晶圓上偵測之缺陷進行分類之方法、系統及非暫時性電腦可讀媒體
US9766186B2 (en) Array mode repeater detection
US9778206B2 (en) Defect inspection device and defect inspection method
US9053527B2 (en) Detecting defects on a wafer
TWI618161B (zh) 使用設計資料於半導體晶圓上偵測重複缺陷之方法、系統及非暫時性電腦可讀媒體
US8775101B2 (en) Detecting defects on a wafer
US9721337B2 (en) Detecting defects on a wafer using defect-specific information
US9293298B2 (en) Defect discovery and inspection sensitivity optimization using automated classification of corresponding electron beam images
US10395359B2 (en) Adaptive local threshold and color filtering
US9766187B2 (en) Repeater detection
JP6617143B2 (ja) 構造情報を用いた欠陥検出システム及び方法
TWI631638B (zh) 由參考影像改變之檢測方式設定
US20140270474A1 (en) Detecting Defects on a Wafer
JP2012518278A (ja) ウェハー上の欠陥検出
KR20180123173A (ko) 노이즈 경계 임계값에 의한 웨이퍼 검사 시스템 및 방법
KR20180117708A (ko) 제조된 컴포넌트 결함을 국부 적응 문턱값을 사용하여 식별하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품
CN112740383A (zh) 在晶片上检测逻辑区域中的缺陷
IL286948B2 (en) Generating defect candidates for testing