CN101197301A - 缺陷检查装置及缺陷检查方法 - Google Patents
缺陷检查装置及缺陷检查方法 Download PDFInfo
- Publication number
- CN101197301A CN101197301A CNA2007101865263A CN200710186526A CN101197301A CN 101197301 A CN101197301 A CN 101197301A CN A2007101865263 A CNA2007101865263 A CN A2007101865263A CN 200710186526 A CN200710186526 A CN 200710186526A CN 101197301 A CN101197301 A CN 101197301A
- Authority
- CN
- China
- Prior art keywords
- defective
- image
- information
- inspected object
- inspection
- 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
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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9501—Semiconductor wafers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
-
- 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
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
- G09G3/006—Electronic inspection or testing of displays and display drivers, e.g. of LED or LCD displays
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
- G01N2021/8822—Dark field detection
- G01N2021/8825—Separate detection of dark field and bright field
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N2021/9513—Liquid crystal panels
-
- 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
- G06T2207/30121—CRT, LCD or plasma display
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种缺陷检查装置及缺陷检查方法。摄像部(3)拍摄被检查对象物,生成摄像信息。图像生成部(4)根据摄像信息生成被检查对象物的图像。缺陷提取部(5)使用所生成的图像,来提取被检查对象物上的缺陷。缺陷检查部(6)对提取出的缺陷进行检查,生成每个检查条件下的检查结果。检查结果生成部(10)根据缺陷的相关信息对每个检查条件下的检查结果进行加权,在此基础上整合每个检查条件下的检查结果。由此,可以提供一种通过使基板的合格与否判定变容易,而能够提高制造工序整体的生产率的缺陷检查装置及缺陷检查方法。
Description
技术领域
本发明涉及把LCD(Liquid Crystal Display,液晶显示器)和PDP(Plasma Display Panel,等离子显示面板)等FPD(Flat Panel Display,平板显示器)用的基板和半导体晶片等作为被检查对象来进行缺陷检查的缺陷检查装置及缺陷检查方法。
本发明要求2006年12月8日提交的在先日本专利申请第2006-331770号的优先权,并将其内容引用于此。
背景技术
在上述基板的检查中,在一个检查装置中按照各种条件进行检查,作为在每个检查条件下的检查结果,输出有无缺陷的信息和缺陷的特征信息(位置和面积等)、以及对预定区域(半导体晶片中的芯片和FPD中的面板等)的合格与否判定结果等。在各个检查条件的检查中分别具有特征,例如在基于暗视场像的观察中,具有容易发现伤痕那样的缺陷的特征,在基于明视场像的观察中,具有容易识别曝光图形的异常(图形缺少等)等特征。
但是,在制造工序的检查中,毕竟要求针对一个基板的合格与否判定结果及不合格原因,所以如何处理多个检查结果而形成最终的检查结果非常重要。在专利文献1的记载中,在将来自光源的光束导光到被检查对象物的面上时,使用该面上的散射光,利用检测能力不同的两个检查手段进行检查,并合成各个检查结果。
专利文献1 日本特开平10-106941号公报
如上所述,在制造工序中,在利用一个检查装置进行检查的情况下,按照各种检查条件进行检查,并分别输出它们的结果。操作者对比各个检查结果进行被检查对象物的合格与否判定,在这种情况下,由于判定基准模糊,所以有时会难以确定根据哪种观点进行判定比较好。结果,有可能导致制造工序的生产率降低。
因此,认为通过整合检查结果可易于进行合格与否判定,但是整合各个检查条件下的检查结果的方法很重要。在专利文献1记载的技术中,虽然为了扩大针对来自异物的散射光强度的动态范围,在两种检查条件下进行检查并整合检查结果,但是这不是直接有助于使合格与否判定变容易的方法。
发明内容
本发明就是鉴于上述问题而提出的,其目的在于,提供一种缺陷检查装置及缺陷检查方法,其通过使基板的合格与否判定变容易,可以提高制造工序整体的生产率。
本发明为了解决上述问题,提供一种在多个检查条件下检查被检查对象物上的缺陷的缺陷检查装置,其特征在于,该缺陷检查装置具有:摄像单元,其拍摄所述被检查对象物,生成摄像信息;图像生成单元,其根据所述摄像信息生成所述被检查对象物的图像;缺陷提取单元,其使用所生成的所述图像,来提取所述被检查对象物上的缺陷;缺陷检查单元,其对提取出的所述缺陷进行检查,生成每个所述检查条件下的检查结果;以及检查结果整合单元,其根据所述缺陷的相关信息对每个所述检查条件下的检查结果进行加权,在此基础上整合每个所述检查条件下的检查结果。
此外,本发明提供一种在多个检查条件下检查被检查对象物上的缺陷的缺陷检查方法,其特征在于,该缺陷检查方法包括以下步骤:拍摄所述被检查对象物并生成摄像信息的步骤;根据所述摄像信息生成所述被检查对象物的图像的步骤;使用所生成的所述图像,来提取所述被检查对象物上的缺陷的步骤;对提取出的所述缺陷进行检查,生成每个所述检查条件下的检查结果的步骤;以及根据所述缺陷的相关信息对每个所述检查条件下的检查结果进行加权,在此基础上整合每个所述检查条件下的检查结果的步骤。
根据本发明,整合针对一个被检查对象物在不同检查条件下的多个检查结果,所以在进行被检查对象物的合格与否判定时,不需要分别参照多个检查结果。并且,由于对各个检查条件的检查结果进行加权,所以各个检查结果的重要度体现在整合后的检查结果中。由此,被检查对象物的合格与否判定变容易,其结果,可以提高制造工序整体的生产率。
附图说明
图1是表示本发明的一个实施方式的检查装置的结构的方框图。
图2是表示本发明的一个实施方式的检查装置的动作步骤的流程图。
图3A~3D是表示本发明的一个实施方式的检查条件信息和检查基板信息的内容的参考图。
图4是表示本发明的一个实施方式的检查装置具有的摄像部和图像取得部的结构的方框图。
图5A~5C是表示本发明的一个实施方式的被检查对象即基板的观察像的状态的参考图。
图6是表示本发明的一个实施方式的被检查对象即基板上的缺陷状态的参考图。
图7A~7C是表示本发明的一个实施方式的被检查对象即基板面与摄像传感器之间的位置关系的参考图。
图8A~8C是表示本发明的一个实施方式的被检查对象即基板的旋转状态的参考图。
图9A~9C是表示本发明的一个实施方式的图像分辨率转换的状态的参考图。
图10A~10C是表示本发明的一个实施方式的缺陷提取方法的参考图。
图11A~11B是表示本发明的一个实施方式的缺陷分类信息的内容的参考图。
图12A~12C是表示本发明的一个实施方式的分类名与用于识别分类的ID之间的关系的参考图。
图13是表示本发明的一个实施方式的检查装置具有的基板检查结果生成部10的动作步骤的流程图。
图14A~14B是表示本发明的一个实施方式的检查结果的整合状态的参考图。
图15是表示本发明的一个实施方式的检查装置具有的基板检查结果生成部10的动作(变形例)步骤的流程图。
具体实施方式
以下,参照附图说明本发明的实施方式。本实施方式是把本发明应用于进行半导体晶片的宏观检查的检查装置。图1表示本实施方式的检查装置的结构。检查装置1接收用于控制装置的控制信息aa、和表示被检查对象基板(被检查对象物)的相关信息(表示基板的型号、工序、及芯片和曝光照射区域(shot)的大小及位置的设计信息等)的基板信息bb,作为来自外部的输入信息。另一方面,检查装置1输出被检查对象基板的相关检查结果信息mm,作为向外部的输出信息。
输入检查装置1内的控制信息aa和基板信息bb首先传递给检查条件设定部2。检查条件设定部2根据基板信息bb中包含的被检查对象基板的信息和表示检查类型的信息,来指定基板的观察方法、图像取得方法、以及缺陷提取方法等。并且,检查条件设定部2输出用于在各个部分中按照每个检查条件进行控制的检查条件信息cc。
摄像部3进行拍摄被检查对象基板的动作。该摄像部3接受控制信息aa和检查条件信息cc的输入,按照根据检查条件信息cc所指定的摄像方法来控制内部的电路等,在多个摄像条件下对一张基板进行拍摄。拍摄结果作为摄像信息dd输出。关于摄像部3的内部情况将在后面说明。
图像取得部4进行生成并取得被检查对象基板的图像的处理。该图像取得部4接受检查条件信息cc和摄像信息dd的输入,按照由检查条件信息cc指定的图像分辨率,把摄像信息dd转换为可以进行基于图像处理的检查的二维图像。转换后的二维图像作为被检查图像信息ee输出。关于图像取得部4的内部情况将在后面说明。
缺陷提取部5使用所生成的二维图像进行存在于被检查对象基板上的缺陷的提取处理。该缺陷提取部5接受检查条件信息cc和被检查图像信息ee的输入,按照由检查条件信息cc所指定的缺陷提取方法来进行缺陷提取。提取出的缺陷的相关信息(被检查对象基板上或图像上的位置、面积、外接矩形长度(定方向接线径(feret径))等)作为提取缺陷信息ff输出。
缺陷检查部6进行针对提取出的缺陷的检查。该缺陷检查部6接受检查条件信息cc、被检查图像信息ee和提取缺陷信息ff的输入,对提取出的缺陷进行分类处理。在该分类处理中,缺陷检查部6根据缺陷提取部5提取出的缺陷的信息(位置、面积、定方向接线径、亮度等),考虑缺陷位置周边有无其他缺陷及其状况、被检查对象基板的缺陷的重要度等,来生成预定的分类结果。并且,缺陷检查部6也具有进行关于构成被检查对象基板的芯片的合格与否判定的功能。进行合格与否判定的功能将在后面叙述的本实施方式的变形例中使用。
分类处理和关于芯片的合格与否判定不仅利用提取缺陷信息ff,而且充分利用被检查图像信息ee中包含的图形和亮度的对比度的相关信息、以及检查条件信息cc中包含的基板的设计信息等来进行。通过缺陷检查部6获得的信息作为缺陷检查分析信息gg(其中包括被检查对象基板的相关信息)输出。
单一条件检查结果生成部7根据缺陷检查分析信息gg,生成作为多个检查条件之一的检查条件的单一条件下的检查结果。本实施方式中的单一条件的检查结果以下述形式生成,即,以分类内容(具体而言指表示分类名的ID等)为关键词的缺陷信息(基板上的位置和相应芯片的面积比例)、和以芯片单体观察时的缺陷信息等,附属于在以后的检查结果整合处理中成为数据整合时的主关键词的项目中。所生成的检查结果作为单一条件检查结果信息hh输出。
单一条件检查结果信息hh被输入检查结果存储控制部8,在此处按照控制信息aa的指示,作为检查结果存储用信息jj被保存存储在检查结果存储缓冲器9中。检查结果存储用信息jj实质上与单一条件检查结果信息hh相同,但被附加了用于和以后生成的基于其他检查条件的结果区分的信息(例如检查条件ID等)。
针对所有检查条件完成从摄像部3的摄像控制到检查结果存储用信息jj的存储的处理时,对检查结果存储控制部8指示检查结果的整合处理的控制信息aa被输入检查装置1。接受到该指示,检查结果存储控制部8读出由检查结果存储缓冲器9存储的各个检查条件的检查结果存储用信息jj,把它们作为一个信息(整合用检查结果信息kk)发送给基板检查结果生成部10。
基板检查结果生成部10从缺陷信息的角度(缺陷的形状和大小、分类内容等),来整合有关包含于整合用检查结果信息kk中的所有检查条件的检查结果。具体地讲,例如在多个检查结果表示被检查对象基板上的相同部位存在缺陷时,参照各个检查结果的缺陷信息,采用面积较大者的信息(或采用较小者的信息),作为两者整合后的信息(对各个缺陷的面积取逻辑和的信息)。或者,对于在同一芯片内或大致相同位置处存在的每个检查条件下的缺陷,(根据分类内容)只要有一个是致命缺陷,也按照该信息把相应芯片判定为不合格。或者,如果有多个致命缺陷,则采用其中分类精度较高的信息。
基板检查结果生成部10按照上面所述,进行对一个缺陷定义一个分类信息的检查结果的整合。所整合的检查结果成为与被检查对象基板相关的检查结果,并作为基板检查结果信息mm从检查装置1输出,并传递给通过网络连接的其他装置或囊括了所有检查的系统。
在本实施方式中,作为最终检查结果的基板检查结果信息mm针对一个缺陷具有一个分类信息,但不限于此,例如当多个检查结果表示在同一区域(芯片)内存在具有不同检查结果的缺陷时,也可以根据缺陷信息或分类信息对多个分类信息进行加权而合并,由此使一个缺陷具有多个分类信息(使相关联地存储)。
下面,说明本实施方式的检查装置的动作。图2表示图1所示检查装置1的处理步骤。在图2中,表示从被检查对象基板被搬入配置载物台上后马上开始检查时起,到输出检查结果且基板被从配置载物台搬出为止的处理步骤。
首先,检查条件设定部2设定检查条件(观察方法、摄像方法、被检查对象基板的图像的分辨率、缺陷提取方法等)(步骤S11)。接着,处理转入每个检查条件的循环处理(步骤S12)。在步骤S12中,关于所有检查条件确认是否已完成以后的循环处理,在已按照所有检查条件进行了处理的情况下,处理转入循环处理末端(步骤S21)后面的处理。
在转入循环处理时,根据检查条件进行摄像部3的控制(步骤S13)。具体地讲,控制观察方法、照明方法及光量、摄像系统与被检查对象基板之间的配置关系等。接着,根据检查条件,在图像取得部4内进行将像素尺寸设为多大等的图像分辨率的控制(步骤S14)。然后,通过摄像部3进行被检查对象基板的摄像(步骤S15),通过图像取得部4根据摄像信息生成二维图像信息(步骤S16)。
缺陷提取部5使用所生成的二维图像信息实施缺陷提取处理(步骤S17)。缺陷检查部6对提取出的缺陷进行分类处理(步骤S18)。单一条件检查结果生成部7接收分类处理的结果,由包括分类处理结果的缺陷信息生成单一条件检查结果(步骤S19)。单一条件检查结果通过检查结果存储控制部8的控制被存储在检查结果存储缓冲器9中(步骤S20)。步骤S13~S20的处理在循环处理中进行,并到达循环末端(步骤S21)。在到达循环末端时,处理返回循环起始端(步骤S12),进行是否已对所有检查条件进行了处理的判断。
在循环处理结束时(有关所有检查条件的单一条件检查结果被存储在检查结果存储缓冲器9中),通过检查结果存储控制部8读出检查结果存储缓冲器9中的所有单一条件检查结果(步骤S22)。基板检查结果生成部10根据检查结果内的分类信息整合所读出的单一条件检查结果(步骤S23)。由此,对每一个缺陷定义一个分类信息。最后,从基板检查结果生成部10输出根据缺陷特点而被整合的基板检查结果信息mm(步骤S24),被检查对象基板的检查结束。
下面,说明本实施方式的检查条件信息和检查基板信息的内容。图3利用列表示出检查条件信息和检查基板信息的设定的一例。图3A和3B的检查条件信息把检查条件ID作为关键词,示出用于实现摄像部3、图像取得部4、缺陷提取部5和缺陷检查部6的功能的信息(水平设定值和阈值等)。并且,图3C和3D的检查基板信息把检查条件ID作为关键词,示出有关被检查对象基板的型号、工序、基板设计的信息。
作为检查条件信息的一例,示出了4个检查条件。这意味着在四种条件下对一个被检查对象基板进行检查。检查条件信息中包括:摄像部3的观察方法(明视场观察、暗视场观察、衍射光观察)、摄像部3的配置角度(被检查对象基板的平面(主面)的垂线与摄像部3的光学系统的光轴所形成的角度)、被检查对象基板在基板平面内的旋转角度、摄像部3的照明光量、表示图像的分辨率的图像尺寸(水平(X)方向、垂直(Y)方向)、同样表示图像的分辨率的像素尺寸(X方向、Y方向)、缺陷提取部5的缺陷提取方法(参照比较:Ref;亮度分布分析:Sel;周期性图形比较:Cyc)、用于在各个缺陷提取处理中判断是否为缺陷的图像亮度的阈值(在一个缺陷提取中有一个阈值)、提取出的缺陷的分类方法(根据使用哪种分类而区分为Type1、Type2等)、用于以一个芯片为单位进行合格与否判定的阈值(致命缺陷(根据分类结果类推)在整个芯片中所占面积的比例)。根据这些信息控制检查装置1内的各个部分,以准备进行所期望的检查。
针对一个被检查对象基板定义一个检查基板信息。检查基板信息中包括:型号ID、工序ID、被检查对象基板所在批次的ID、基板尺寸(相当于晶片尺寸)、配置在基板上的芯片的尺寸(X方向、Y方向)、作为在晶片上曝光图形时的单位的曝光照射区域内的芯片数量(X方向、Y方向)、表示晶片中的曝光照射和晶片的配置状态的矩阵内的曝光照射区域数量(X方向、Y方向)、存在于相邻芯片间的划线(切割线)的宽度(X方向、Y方向)、存在于晶片端部的圆周部的切边(edge cut)的宽度(X方向、Y方向)。
在本实施方式中,作为检查条件信息cc,每当执行基于各个检查条件的检查时,都从检查条件设定部2向各个部分输出图3A~3D所示的检查条件信息和检查基板信息。另外,也可以作为检查条件信息cc从检查条件设定部2输出囊括了有关所有检查条件的信息的信息,在各个部分中存储检查顺序和与其对应的必要的检查条件,按照控制信息aa表示的检查开始的指示,各个部分顺序读出相应的检查条件而进行控制。
下面,说明摄像部3和图像取得部4的结构。图4表示本实施方式的摄像部3和图像取得部4的内部结构。摄像部3构成为通过分别驱动照明系统和摄像传感器系统,从而以各种角度拍摄从各种角度进行照明时的反射光。并且,图像取得部4构成为在去除摄像部3可能具有的遮蔽(shading)特性和失真特性后,把来自摄像部3的摄像信息转换为具有预定的分辨率的二维图像。
首先,控制信息aa和检查条件信息cc输入摄像系统控制部11。接收到该指示,摄像系统控制部11输出表示准备开始摄像的信息作为照明系统控制信息nn、摄像传感器控制信息oo和载物台控制信息pp。
照明系统控制信息nn被发送给照明系统控制部12。照明系统控制部12根据照明系统控制信息nn,输出用于控制照明系统的角度(照明光相对被检查对象基板面的照射角度)和照明光量的照明系统驱动信息qq,并发送给照明系统14。照明系统14按照照明系统驱动信息qq所表示的照明系统的角度和照明光量,进行位于载物台17上的被检查对象基板的照明。
摄像传感器控制信息oo被发送给摄像传感器控制部13。摄像传感器控制部13根据摄像传感器控制信息oo,输出用于控制摄像系统的角度(相对被检查对象基板面的摄像角度)和摄像范围、摄像时的扫描速率等的摄像传感器驱动信息rr并发送给摄像传感器15。摄像传感器15与光学系统(未图示)一起构成,按照摄像传感器驱动信息rr表示的摄像系统的角度和摄像范围等,进行位于载物台17上的被检查对象基板的摄像。
在本实施方式中,使用行传感器式的摄像元件作为摄像传感器15,采取一面驱动载物台17一面逐次取得以固定周期输入行传感器的图像信息的方法。如果取代行传感器式,而采取使用区域传感器(area sensor)式的摄像元件,通过(不使载物台17移动)拍摄一次载物台17上的被检查对象基板来取得图像信息的方法,则也能够确保相同的性能。
载物台控制信息pp被发送给载物台控制部16。载物台控制部16根据载物台控制信息pp,输出用于控制拍摄时的载物台驱动距离和驱动速度、驱动方向、被检查对象基板相对摄像传感器15的旋转角度等的载物台驱动信息ss,并发送给载物台17。载物台17按照载物台驱动信息ss所表示的驱动距离和驱动速度等,根据需要使被检查对象基板在与基板的主面平行的平面内旋转,并向相对摄像传感器15的线方向垂直的方向驱动基板。
在照明系统控制部12、摄像传感器控制部13和载物台控制部16分别处于可以拍摄的状态时,表示可以拍摄的信息作为照明系统控制信息nn、摄像传感器控制信息oo和载物台控制信息pp发送给摄像系统控制部11。在接收到这些信息时,摄像系统控制部11把开始拍摄的控制信息作为照明系统控制信息nn、摄像传感器控制信息oo和载物台控制信息pp,发送给照明系统控制部12、摄像传感器控制部13和载物台控制部16,而进行拍摄。在被检查对象基板的整体摄像结束后,照明系统控制部12、摄像传感器控制部13和载物台控制部16分别把表示摄像结束的信息,作为照明系统控制信息nn、摄像传感器控制信息oo和载物台控制信息pp发送给摄像系统控制部11,摄像动作结束。
每当拍摄1行分量时,作为摄像信息dd从摄像传感器15逐次输出被取入摄像传感器15的图像信息,并输入图像取得部4内的遮蔽校正处理部18。遮蔽校正处理部18进行以下处理:校正摄像传感器15可能具有的起因于光学系统的亮度不均、和起因于从照明系统14输出的照明光的亮度不均,使其变均匀。
遮蔽校正后的摄像信息被发送给失真校正处理部19。失真校正处理部19进行校正起因于摄像传感器15的光学系统的像的几何形状失真的处理。通过失真校正处理部19校正了失真的摄像信息被输入分辨率控制部20。分辨率控制部20进行以下处理:根据检查条件信息cc所指示的分辨率(根据图3A~3D中的图像尺寸和像素尺寸确定),根据需要转换图像的分辨率(例如把多行或多个像素转换为1个像素)。关于分辨率控制部20的处理将在后面说明。
通过分辨率控制部20转换了分辨率后的摄像信息被输入二维图像生成部21。二维图像生成部21通过合成各行的摄像信息,生成用于进行缺陷提取以后的图像处理的二维图像,并作为被检查图像信息ee输出。
下面,说明对摄像部3和图像取得部4设定的检查条件的具体情况。图5表示在各种观察状态下拍摄被检查对象基板时的观察像的状态。图5A~5C所示的观察像从左侧开始依次为基于明视场观察的明视场像31a、基于暗视场观察的暗视场像31b、以及基于衍射光观察的衍射像31c。
图6表示存在于被检查对象基板上的缺陷的情况。在被检查对象基板31中示出了多种缺陷存在于哪个芯片上。基板31上的缺陷包括:作为不良缺陷(在进入以后的制造工序时会成为问题的缺陷)的曝光照射离焦(shot defocus)32、作为正常缺陷(不会对以后的制造工序带来影响的缺陷)的非固定不均33、和作为不良缺陷的伤痕34。在基板31上,在下部设有用于确认及识别曝光图形的方向性的刻痕35。
作为曝光照射离焦32、非固定不均33和伤痕34所示出的缺陷,根据各自的观察条件被划分为容易确认的缺陷和不容易确认的缺陷。即,为了得知各种缺陷,分别在适合的观察条件下取得图像并进行检查。
图7A~7C表示被检查对象基板面和摄像传感器15之间的位置关系(两者所形成的角度的关系)。具体地讲,图7A~7C表示摄像传感器15的光轴与相对载物台17的平面的垂直轴所形成的角度的关系。两者的位置关系按照图3A~3D中的检查条件被设定为根据观察条件的不同而不同。
图7A表示检查条件ID=INSP0001(明视场观察)时的位置关系,摄像传感器15的光轴从相对载物台17的平面垂直的方向倾斜45°。图7B表示检查条件ID=INSP0002(暗视场观察)时的位置关系,摄像传感器15的光轴与相对载物台17的平面垂直的方向一致(倾斜角为0°)。图7C表示检查条件ID=INSP0003、INSP0004(均是衍射光观察)时的位置关系,摄像传感器15的光轴从相对载物台17的平面垂直的方向倾斜60°。
在本实施方式中,上述角度只不过是一例。这是因为摄像传感器15中的正反射光和衍射光的观察方法根据被检查对象基板具有的图形不同而不同。在本实施方式中,通过这样任意变更摄像传感器15与载物台17所形成的角度,并且根据需要变更照明系统14与载物台17所形成的角度,可以观察各种特性的反射光和衍射光。
图8A~8C表示被检查对象基板的旋转角度的状态。这些旋转角度对应于图3A~3D中的检查条件,图8A表示旋转角度=0°(以刻痕35位于正下方时作为旋转角度的基准)的图像41a,图8B表示旋转角度=45°的图像41b,图8C表示旋转角度=-45°的图像41c。图像41a是在图3A~3D中的检查条件ID=INSP0001(明视场观察)和INSP0002(暗视场观察)时拍摄的图像,图像41b是在图3A~3D中的检查条件ID=INSP0003(衍射光观察)时拍摄的图像,图像41c是在图3A~3D中的检查条件ID=INSP0004(衍射光观察)时拍摄的图像。
尤其图像41b和41c表示为了感光从形成于基板31上的正交图形射出的特定次数的衍射光,而有意识地使基板31旋转以使正交图形配置在对角方向上的状态。由此,衍射光在缺陷部位和正常部位产生差异,能够容易地进行缺陷的提取和检查。
图9A~9C表示分辨率控制部20进行的图像分辨率转换的示例。由于摄像传感器15是行传感器,所以在此根据多行或多个像素形成一个像素。在本实施方式中,定义“分辨率比”作为表示分辨率的指标。分辨率比是表示转换后的分辨率相比于原来的分辨率的值,最大值为1(=转换后的分辨率与原来的分辨率相同),随着分辨率比变小,分辨率变低(对于相同被摄体,图像尺寸变小,像素尺寸变大)。图9A~9C分别对三种分辨率比示出行传感器的像素及与其对应的分辨率转换后的像素之间的关系。
图9A表示分辨率比为1、即行传感器的像素直接成为二维图像的1个像素的情况。该情况时不进行转换处理。
图9B表示分辨率比为1/2的情况。该情况时,作为来自行传感器的摄像信息,使用2行的量的信息,并且使用在行传感器的像素排列的方向上相邻的2个像素。即,利用横向(行传感器方向)2个像素、纵向2个像素(2行的量)的相邻像素组形成1个像素。具体地讲,通过相邻的2×2像素的平均化处理(Averaging),把4像素转换为二维图像的1像素。此时,虽然分辨率降低,但是由于图像尺寸(像素数)减小,所以能够快速进行不需要行传感器的像素的精度的检查。
图9C表示分辨率比为1/4的情况。该情况时,作为来自行传感器的摄像信息,使用4行的量的信息,并且使用在行传感器的像素排列的方向上连续的4个像素。即,利用横向4个像素、纵向4个像素的相邻像素组形成1个像素。具体地讲,通过相邻的4×4像素的平均化处理(Averaging),把16个像素转换为二维图像的1个像素。此时,虽然分辨率比图9B所示情况还低,但是由于图像尺寸为原图像的1/16,所以能够实现更加快速的检查。
下面,说明缺陷提取部5进行的缺陷提取处理的具体情况。图10A~10C示出多种缺陷提取方法。在本实施方式中,准备了三种缺陷提取方法,根据取得的图像的特性进行了区分使用各种方法的研究。
图10A表示通过比较参照用图像和检查图像来提取差异部位从而提取缺陷的方法。在图10A中表示把该方法应用于衍射像的情况。通过衍射像观察对于拍摄被检查对象基板得到的图像31d,预先准备基于同一型号和工序的参照用图像31e,比较两者,把电平(亮度)的差异在根据检查条件设定的阈值以上的区域(像素)作为缺陷提取。根据该方法,可以根据检查图像31d和参照用图像31e获得缺陷图像31f。
在该方法中,如果图像间的对位(匹配)能够正常进行,则能够比较容易地提取缺陷。并且,参照用图像31e不必是一个,例如也可以使用多个参照用图像,考虑图像间的亮度偏差将它们平均化,由此生成缺陷提取用的参照用图像。通过利用多个参照用图像,可以抑制把被判定为合格品的亮度的偏差作为疑似缺陷提取。
图10B表示利用了图像自身的亮度分布的缺陷提取方法。在图10B中示出把该方法应用于暗视场像的情况。首先,通过暗视场观察对拍摄被检查对象基板得到的图像31g,调查基板上的亮度分布。关于亮度分布,取得有关整个基板的亮度分布,以及把整个基板划分为预定大小的区域并取得各个区域的局部亮度分布。
然后,比较各个区域的亮度分布和整个基板的亮度分布,对于分布的趋势不同的区域,把亮度差较大的部位作为缺陷提取。关于此时的分布趋势,把对应亮度的像素数作成直方图,利用直方图的平均、方差、最频出现亮度值、峰值亮度值等。
在图10B中,在整个图像的亮度分布1001中,在亮度较小的部位出现峰值,平均亮度也较小。正常区域的亮度分布1002示出与整个图像的亮度分布相同的趋势(表示峰值的亮度值较小,平均亮度也较小)。对此,在缺陷区域的亮度分布1003中,在亮度值较大(明亮)的部位出现峰值,平均亮度与整个图像相比变大。
此时,把与整个图像的亮度比较时差异较大(在根据检查条件设定的阈值以上)的区域(像素)作为缺陷提取。根据该方法,可以根据检查图像31i获得缺陷图像31h。在该方法中,当图像内不存在特定的图形、而且整个基板的亮度相同的情况下,可以提取伤痕等局部缺陷。
图10C示出利用了图像内的周期性图形的缺陷提取方法。在图10C中示出把该方法应用于明视场像的情况。以被检查对象基板上形成有周期性图形为前提,比较在明视场观察下拍摄了被检查对象基板而得到的检查图像31i和1周期图形的图像31j,把电平(亮度)的差异在根据检查条件设定的阈值以上的区域(像素)作为缺陷提取。根据该方法,可以从检查图像31i获得缺陷图像31k。
通过利用基板内的图形的周期性,把亮度偏差较大的部位作为缺陷,从而不需要准备图10A那样的整个基板的参照用图像,可以把检查所需要的信息抑制到较少程度。并且,在此预先准备了1周期图形的图像31j,但也可以从检查图像31i自身生成1周期图形的图像31j,或者不准备1周期图形的图像31j,而在相邻的周期图形之间进行比较。
下面,说明本实施方式的缺陷分类信息的内容。图11A和图11B表示由缺陷检查部6生成的缺陷分类信息的示例。该示例表示使用在图10A~10C中作为缺陷被提取的缺陷图像31h(利用亮度分布从暗视场像中提取出的缺陷)和31k(利用周期性图形从明视场像中提取出的缺陷),进行缺陷的分类的结果。
图12A~12C中的表1201表示在本实施方式中定义的分类名与用于识别分类的ID之间的关系。在此,设有9个分类名称(ID=2~9)和“TheOthers(其他)”(ID=10,不属于9个分类中任一方的其他分类)、和“NonClass(无类别)”(ID=1,不能应用分类处理)这11个分类。
通过接收到检查条件信息cc、被检查图像信息ee和提取缺陷信息ff的缺陷检查部6来进行缺陷分类处理,采取使用被检查图像信息ee对作为缺陷被提取的区域进行更加具体的分析的方法。本实施方式的缺陷分类处理根据预先存储的用于确定分类内容的规则,根据缺陷的特征量(不仅指提取缺陷信息ff,也包括根据被检查图像信息ee中对应于缺陷的部位而计算的特征量),来计算表示各个规则的适合度的“分类准确度”,并应用分类准确度最大的规则的分类。
分类准确度是例如使用缺陷区域的面积和定方向接线径,作为表示表1201中的分类“伤痕(Scratch)”(ID=9)的特征,在面积较小而且定方向接线径细长(一方直径的长度相对于另一方较长)的情况下,把缺陷为“伤痕”的可能性(概率)进行数值化而得到的。缺陷的面积越小、且定方向接线径越细长,“伤痕”的分类准确度越大。
分类处理不限于该方法,例如也可以使用日本特开2003-168114号公报中公开的内容(在分类处理中,对于某种缺陷,把分类类别已确定的缺陷信息从缺陷信息中去除来提高分类精度的方法,使用模糊推理并应用分类规则)等。将要确定的分类内容不限于一个,根据分类准确度也可以存在多个。另外,用于确定分类内容的规则,为了对应检查的内容和基板随时间的变化,可以进行更新(追加新规则、修改及删除已有规则)。
图11A和11B分别表示有关在缺陷图像31h和31k中所看到的缺陷的分类信息。关于各个缺陷的ID,在分类信息中包含作为缺陷的特征量的、以基板中心为原点时的缺陷位置(单位mm)、面积(单位mm2)、定方向接线径(单位mm)和平均亮度。并且,作为有关分类的信息,在分类信息中包含从第1候选到第3候选的分类ID及其分类准确度。
其中,分类的候选指基于在分类处理中计算出的分类准确度从大到小的顺序的第1候选、第2候选、......。并且,分类准确度未必一定计算到第3候选,没有示出分类准确度小于0.05的情况。在缺陷图像31h中所看到的两个缺陷均是“细长的”缺陷,所以关于这些缺陷,“伤痕”的分类准确度最大。
另一方面,关于在缺陷图像31k中所看到的缺陷,在面积最大的缺陷(ID=DEF001:“不均(Mura)”)和其他4个缺陷(ID=DEF002~DEF005:“曝光照射离焦”)中,分类结果不同。分类信息所需要的项目不限于此,也可以另外附加有关缺陷的信息,对于分类处理结果,还可以计算有关计算出的所有分类的准确度。
本实施方式的缺陷检查部6也具有根据观察状态和图像的分辨率来设定缺陷的分类内容的功能。例如,在取得暗视场像的检查条件的检查中,限定对易于通过缺陷提取部5提取的异物(“Particle”)和伤痕(“Scratch”)进行缺陷的分类处理。并且,在图像的分辨率较低的检查条件的检查中,限定对易于通过缺陷提取部5提取的不均(“Mura”)和涂覆不良(“Poor Coat”)进行缺陷的分类处理。
下面,说明基板检查结果生成部10进行的单一条件检查结果的整合处理的具体情况。图13表示该整合处理的步骤。在本实施方式中,进行合格与否判定的最小单位为芯片,在此基础上,生成并输出整合了有关各个芯片的相同缺陷的缺陷信息的结果作为基板检查结果信息。在本实施方式中,把检查条件的数量设为N,把在各个检查条件下提取的缺陷的数量(即缺陷信息的数量)设为D(N)。
首先,关于位于被检查对象基板上的芯片,将作为生成基板检查结果信息的过程中的中间信息的整合检查信息所具有的缺陷信息初始化(步骤S31)。接着,转入各个检查条件的循环处理(步骤S32)。在步骤S32中,关于N个检查条件,确认是否已完成以后的检查条件循环处理,在已按照所有检查条件进行了处理的情况下,处理转入检查条件循环处理末端(步骤S43)后面的处理。
在转入检查条件循环处理时,转入单一条件检查结果的各个缺陷信息的循环处理(步骤S33)。在步骤S33中,关于在基于相应检查条件的检查中所提取出的D(N)个缺陷,确认是否已完成以后的缺陷信息循环处理。在已对通过相应检查被提取出的所有缺陷进行了处理的情况下,处理转入缺陷信息循环处理末端(步骤S42)后面的处理。
在检查条件/缺陷信息循环处理中,根据正在参照的关于缺陷的信息中的面积和定方向接线径,来设定权重α(步骤S34)。权重α是在以后进行的缺陷信息的评价值计算中使用的参数,根据作为表示缺陷大小信息的面积和定方向接线径来进行控制。缺陷面积和定方向接线径越大,权重α越大。
作为权重α的设定方法,例如有把缺陷信息循环处理中的缺陷信息的参照顺序设为缺陷面积的降序(从大到小的顺序),将对第1个参照的缺陷信息的权重α设为1,以后把各个参照顺序的缺陷信息的面积或定方向接线径相对第1个参照缺陷信息的面积或定方向接线径的比例设为权重α(<1)等。权重α的设定不限于此,用于确定权重α的缺陷信息也不限于面积和定方向接线径。
接着,考虑观察状态,设定对通过缺陷检查部6求出的分类内容的权重β(步骤S35)。权重β是在以后进行的缺陷信息的评价值计算中使用的参数,根据观察状态和缺陷分类的重要度(对基板的影响程度)来进行控制。
权重β如上面所述由观察条件和分类内容进行定义,其最大值为1。在预定的观察条件下,重要度越高的分类内容,权重β越大。例如,暗视场观察中的缺陷的分类多是图12A~12C中所示的“伤痕”和“异物”中的一方(否则则是“其他(The Others)”),所以针对“伤痕”和“异物”取较大的权重β,另一方面,在明视场观察和衍射光观察中,针对“曝光照射离焦”和“倾斜(Tilt)”取比其他类别大的权重β等。
接着,根据在步骤S34设定的权重α、在步骤S35设定的权重β和参照缺陷的分类准确度,计算缺陷信息的评价值(步骤S36)。缺陷信息的评价值例如根据在下式(Eq-1)中定义的计算式来计算。在式(Eq-1)中,把第N个检查条件下的第P个参照缺陷的评价值设为“EvD(N,P)”,把在评价值的计算中使用的参照缺陷的第1候选分类准确度设为“CAcc(N,P)”。
EvD(N,P)=CAcc(N,P)×α×β ......(Eq-1)
式(Eq-1)是将权重α、权重β和第1候选分类准确度CAcc(N,P)进行相乘的算式。评价值EvD(N,P)的最大值为1,评价值EvD(N,P)越大,被检查对象基板中的参照缺陷的影响越大。关于评价值EvD(N,P),基于缺陷面积和定方向接线径的权重α是相对的(由于是缺陷信息中的比例,所以即使面积和定方向接线径相同,其值也因检查不同而不同),而基于分类准确度和分类内容的权重β(虽然会根据观察状态而变化)是固定的(绝对的),与检查无关。
这种评价值EvD(N,P)被定义为综合评价相对关系和绝对关系的值。另外,计算评价值EvD(N,P)使用的算式不限于式(Eq-1),只要是可以进行适当评价的作为表示缺陷的重要度的信息,则也可以是其他算式。
接着,计算当前参照的缺陷所在的芯片位置(步骤S37),确认整合检查信息中对应相应芯片位置的缺陷信息中是否已存在其他缺陷信息(步骤S38)。当在相应芯片位置处已经存在其他缺陷信息时,处理转入步骤S39,否则转入步骤S41。
关于相应芯片位置的缺陷信息,在已经存在其他缺陷信息时,计算相应芯片内存在的缺陷(1个以上)与当前参照的缺陷之间的距离(各个缺陷重心间的距离),在相应芯片内的已有缺陷中寻找最短距离的缺陷(步骤S39)。这是假设在根据不同的检查条件检查的缺陷中已经存在相同缺陷时,将缺陷重心间的距离为最短的缺陷判定为同一缺陷的步骤。
然后,比较有关所发现的相应芯片内的已有缺陷的评价值、和在步骤S36中计算出的当前的参照缺陷的评价值(步骤S40)。如果已有缺陷的评价值小于当前的参照缺陷的评价值,则处理转入步骤S41,否则转入步骤S42。
在步骤S40中,在参照缺陷的评价值大于已有缺陷的评价值时,或者在步骤S38中,在相应芯片位置处不存在缺陷信息时,把有关参照缺陷的缺陷信息应用于基板检查结果信息中的相应芯片的缺陷信息(步骤S41)。在此,不仅应用在步骤S36中计算出的评价值EvD(N,P),而且一并应用正在参照的缺陷的缺陷信息(位置和面积等)。该所说应用指“追加”到以前存储的缺陷信息中,而不是“覆盖”。因此,对一个缺陷保存了多个缺陷信息。
步骤S34~S41的处理在检查条件/缺陷信息的循环处理中进行后,到达缺陷信息循环处理末端(步骤S42)。在到达缺陷信息循环处理末端时,处理返回缺陷信息循环起始端(步骤S33),进行是否已对当前检查条件下的所有缺陷信息进行了处理的判断。
在步骤S33中,在已对当前检查条件下的所有缺陷信息完成了循环处理的情况下,处理到达检查条件循环处理末端(步骤S43)。在到达检查条件循环处理末端时,处理返回检查条件循环起始端(步骤S32),进行是否已对所有检查条件进行了处理的判断。
在检查条件的循环处理结束时(关于所有检查条件已参照所有缺陷信息),根据被检查对象基板具有的各个芯片的整合检查信息生成基板检查结果信息(步骤S44),并输出(步骤S45)。在步骤S44中,例如在已对一个缺陷保存了多个缺陷信息的情况下,直接把在步骤S36中计算出的评价值最大的缺陷信息用于基板检查结果信息中。
或者,例如拾取在步骤S36计算出的评价值在预定的阈值(相对评价值的最大值1为0.5)以上、且分类信息相同(分类ID相同)的缺陷信息,把对各个信息(面积等)取平均后生成的信息用于基板检查结果信息中。利用以上方法,对一个缺陷生成一个检查结果。由此,单一条件检查结果的整合处理结束。
下面,说明整合检查结果的具体示例。图14A和14B作为对有关被检查对象基板的检查结果进行整合的示例,表示以芯片为单位整合缺陷信息(检查结果)的情况。在图14A中示出了对被检查对象基板31上的区域36、37(由2×2的芯片构成的区域),着重于某个芯片而整合缺陷信息时参照的评价值。存在三种评价值是因为,在观察状态不同的各个检查条件下从芯片内提取缺陷,并在各个检查条件下进行对缺陷的分类处理,根据该分类处理的结果计算出评价值。
例如,在区域36中,右侧的芯片包括作为缺陷的非固定不均33。该缺陷仅能在图5A~5C的明视场像31a中观察到,通过缺陷检查部6的分类处理被分类为“不均”(ID=8)。关于“不均”缺陷,与其他的曝光照射离焦32和伤痕34相比,对基板不良的影响较小,所以在评价值的计算中权重β被设定得较小。因此,即使“不均”的分类准确度较大,缺陷的评价值也较小。
在此基础上,三种检查条件(三种观察状态)下的各个缺陷的评价值在其值为最大的明视场像中也较小,为0.15。这是因为即使分类准确度大至0.85,“不均”的权重β也较小。在其他检查条件中,作为被认为重要的分类结果,由于分类准确度较小,所以评价值依旧较小。由此,区域36中的缺陷的影响在被检查对象基板中较小。
另一方面,在区域37中,在右下侧芯片中包括作为缺陷的曝光照射离焦32。该缺陷在图5A~5C的明视场像31a和衍射图像31c中被观察到。在各个观察条件下的检查中,通过分类处理,该缺陷被分类为“曝光照射离焦”(ID=2)。由于缺陷是曝光照射离焦缺陷,所以关于评价值计算的权重β较大。在此基础上,三种检查条件下的各个缺陷的评价值为:衍射图像中的评价值被计算为0.80,明视场像中的评价值被计算为0.50,暗视场像中的评价值被计算为0.10。由于除暗视场像之外的评价值比较大,所以区域37中的缺陷的影响在被检查对象基板中较大。
上述的各个区域(芯片)内的缺陷的缺陷信息根据评价值被整合。例如,将分类内容相同而且评价值在0.5以上的缺陷信息(面积等)和评价值平均化。把由此定义的缺陷视为“真正缺陷”,把平均化后的缺陷信息作为检查结果。
如图14B所示,存在曝光照射离焦32或伤痕34的芯片(例如芯片38)成为不合格芯片。在有关基板31的检查结果中,对成为不合格芯片的芯片38内的缺陷附加之所以是缺陷的信息(缺陷信息和评价值)。
如上所述,本实施方式的检查装置对在多个检查条件下进行了检查的被检查对象基板的各个检查结果进行加权(图13中的步骤S34~S36),并且根据关于该基板上的缺陷的缺陷信息来整合每个检查条件下的检查结果(图13中的步骤S41、S44),生成有关基板的一个检查结果。由于多个检查结果被整合为一个检查结果,所以操作者在进行基板的合格与否判定时不需要分别参照多个检查结果。
在这样整合的检查结果中,在使一个分类内容与一个缺陷相关联的情况下,缺陷的分类内容明确,操作者容易进行基板的合格与否判定。另一方面,在整合的检查结果中,在使多个分类内容与一个缺陷相关联的情况下,操作者不明白应该重视哪个分类内容(或检查结果)比较好,所以有可能导致从重要度的观点出发缺陷的分类内容不明确的问题。
因此,在这种情况下,例如可以把分类内容和评价值一起作为检查结果输出。由于评价值表示分类的重要度,所以缺陷的分类内容明确。或者,虽然在整合的检查结果中不包含评价值自身,但可以同时包含分类内容和表示分类的重要度的信息(例如评价值的大小的排序)。无论在哪种情况下,通过使对各个检查条件的检查结果进行了加权的结果体现在整合后的检查结果中,可以确保缺陷的分类内容的明确性(即各个检查结果的重要度)。
因此,基板的合格与否判定变容易,结果,可以在更早期的阶段发现制造装置的异常。另外,可以提高制造工序整体的生产率。
此外,本实施方式的基板检查结果生成部10在整合检查结果时利用有关缺陷大小(缺陷的面积和定方向接线径)的信息,根据缺陷的大小对检查结果进行加权。由此,可以获得以下效果。例如,在基于预定检查条件的检查中发生了致命缺陷时,通过整合每个检查条件的检查结果,有可能发生致命缺陷的信息被在基于其他检查条件的检查中发生的非致命缺陷的信息“覆盖”的情况。但是,在各个检查条件的检查结果表示致命缺陷的情况下,通过设定较大的权重(重视)来整合各个检查结果,可以改善致命缺陷的信息被“覆盖”的情况,而生成更加准确的检查结果。
此外,本实施方式的缺陷检查部6进行由缺陷提取部5提取出的缺陷的分类,并生成分类结果。因此,可以明确缺陷的类型,可以容易地发现制造工序的异常。
此外,本实施方式的基板检查结果生成部10在整合检查结果时利用缺陷的分类结果,根据缺陷的分类结果对检查结果进行加权。由此,可以获得以下效果。即使在单一条件的检查结果中分类结果相同,其重要度也因检查条件的内容和被检查对象基板的状态而不同。因此,与上述情况相同,在基于预定检查条件的检查中发生了致命缺陷时,通过整合每个检查条件的检查结果,有可能发生致命缺陷的信息被在基于其他检查条件的检查中发生的非致命缺陷的信息“覆盖”的情况。但是,通过进行对应分类结果的加权并整合检查结果,可以改善致命缺陷的信息被“覆盖”的情况,而生成更加准确的检查结果。
此外,本实施方式的分类结果包括分类名称、和提取出的缺陷是该分类名称的缺陷的概率(分类准确度)。作为分类结果不限于一个分类,通过呈现多个分类名称与是该分类名称的缺陷的概率的组,可以客观地呈现检查结果。并且,基板检查结果生成部10可以正确进行各个检查条件下的检查结果的整合。
此外,本实施方式的摄像部3、图像取得部4、缺陷提取部5和缺陷检查部6构成为可以按照检查条件来改变各自的状态。通过按照检查内容来变更摄像和图像取得的条件、缺陷的分析方法,从而可以实现多种检查。尤其可以实现最适合于要检查的缺陷内容的检查。
例如,摄像部3根据检查条件变更观察状态,并控制摄像系统的观察角度和被检查对象基板的旋转角度,由此可以获得更加准确的缺陷信息,可以实现最优化的检查。
此外,图像取得部4通过根据检查条件来变更图像的分辨率(例如,在用于发现大面积缺陷的检查中降低分辨率(增大拍摄被检查对象基板得到的图像的像素尺寸)),可以保持检查的准确性,并且实现快速检查。
此外,根据观察状态和图像的分辨率而变化检查内容。因此,缺陷检查部6根据观察状态和图像的分辨率设定缺陷的分类内容,由此可以实现分类处理的高效化。
此外,缺陷提取部5比较具有与被检查对象基板相同的特性(型号、工序等)且没有缺陷的基板的参照用图像、和被检查对象基板的图像,提取二者不同的部位,由此提取缺陷,从而使缺陷的提取变容易。另外,在与参照用图像的比较很困难时(被检查对象基板上不存在图形),在被检查对象基板具有均匀的亮度分布这一假设前提下,比较图像中不同部位的亮度分布,提取亮度分布不同的部位,由此提取缺陷,从而使缺陷的提取变容易。
此外,在被检查对象基板上形成有周期性图形时,缺陷提取部5利用周期性图形,把周期性被破坏的区域作为缺陷提取,由此使缺陷的提取变容易。
下面,说明变更了基板检查结果生成部10的处理内容的变形例。图15表示基板检查结果生成部10进行的单一条件检查结果的整合处理的步骤。在本变形例中,缺陷检查部6进行芯片单位的合格与否判定,在此基础上,把基板的芯片作为关键词,从各个检查条件的单一条件检查结果中判定参照芯片的合格与否判定结果如何,在判定为不合格时,基于主要把哪种缺陷信息视为异常等的观点来进行检查结果的整合。根据本变形例,在提取多个缺陷并对各个缺陷进行分类的情况下,与参照各个缺陷的方法相比,具有处理速度压倒性地加快的优点。
以下,只说明与参照图13说明的内容不同内容的步骤。在本变形例中,把检查条件的数量设为N,把被检查对象基板上的检查对象的芯片数量设为M。
首先,关于位于检查对象的基板上的芯片,将作为生成基板检查结果信息的过程中的中间信息的整合检查信息具有的缺陷信息初始化为“OK”(合格)(步骤S51)。然后,转入各个芯片的循环处理(步骤S52)。在步骤S52中,对M个芯片确认是否已完成以后的芯片循环处理,在已对M个芯片全部进行了处理的情况下,处理转入芯片循环处理末端(步骤S63)后面的处理。
在转入芯片循环处理时,转入各个检查条件的循环处理(步骤S53)。该步骤与图13中的步骤S32相同,检查条件循环处理末端(步骤S62)与图13中的步骤S43相同。在步骤S53之前的芯片/检查条件循环处理中,确认对参照芯片的参照检查条件的合格与否判定结果(步骤S54)。在此,如果合格与否判定结果为“OK”(合格),则处理转入步骤S62,如果为“NG”(不合格),则转入步骤S55。
在所参照的芯片和检查条件的合格与否判定结果为“NG”(不合格)时,取得作为不合格判定的原因的缺陷信息(步骤S55)。作为不合格判定的原因,例如像缺陷面积那样缺陷自身的特征量在进行NG判定时在阈值以上、或者分类结果为致命的缺陷类别等。取得在这种条件下的缺陷的缺陷信息。在有多个作为不合格判定的原因的缺陷时,取得有关其中最大(例如缺陷面积为最大、致命的分类内容中分类准确度为最大等)的缺陷的缺陷信息。
接着,对于所取得的相应缺陷信息,设定用于计算评价值的权重α(步骤S56),考虑观察状态,设定对由缺陷检查部6求出的分类内容的权重β(步骤S57)。然后,根据权重α、权重β和相应缺陷的第一分类准确度来计算缺陷信息的评价值(步骤S58)。这些步骤与图13中的步骤S34~S36相同。
在步骤S58中计算了缺陷信息的评价值后,确认整合检查信息中对应当前所参照的芯片的缺陷信息是否已存在评价值(步骤S59)。如果缺陷信息的评价值已存在,则处理转入步骤S60,如果不存在,则转入步骤S61。
在当前参照的芯片中已存在缺陷信息的评价值时,进行向附加在参照芯片上的已有评价值插入在步骤S58计算出的缺陷信息的评价值并排序的处理(插入排序)(步骤S60)。插入排序是向按照预定顺序排列的已有数据中插入新的数据并重新排序的方法。由此,即使插入新的评价值时,也能够保持在多个评价值之间成立的大小关系。
另一方面,在当前参照的芯片中不存在缺陷信息的评价值时,把在步骤S58中计算出的缺陷信息的评价值新设定为当前参照的芯片的评价值(步骤S61)。当在此后的处理中对相同芯片计算出其他缺陷信息的评价值时,进行步骤S60的处理。
步骤S54~S61的处理在芯片/检查条件的循环处理中进行后,处理到达检查条件循环处理末端(步骤S62)。步骤S62与图13中的步骤S43相当。在对当前芯片完成N个检查条件下的循环处理时,处理到达芯片循环处理末端(步骤S63)。在到达芯片循环末端时,处理返回芯片循环起始端(步骤S52),进行是否已对M个芯片进行了处理的判断。
在芯片的循环处理结束时(M个芯片×N个检查条件的参照结束时),根据把对各个芯片存储的多个缺陷信息的评价值作为关键词的整合检查信息,生成基板检查结果信息(步骤S64),并输出(步骤S65)。基板检查结果信息不仅包括缺陷信息的评价值,而且包括附加在相应缺陷上的特征量等缺陷信息自身。由此,单一条件检查结果的整合处理结束。
在本变形例中,与按照图13中的处理生成的缺陷单位的检查结果不同,把基于芯片单位的、与作为不合格判定的原因的缺陷相关的信息作为检查结果输出。因此,在缺陷检查部6进行芯片的合格与否判定时,能够快速实现整合处理,能够容易地进行有关芯片合格与否判定的检查。
以上,参照附图具体说明了本发明的实施方式,但是具体结构不限于上述实施方式,也包括不脱离本发明宗旨的范围内的设计变更等。
Claims (14)
1.一种缺陷检查装置,其在多个检查条件下检查被检查对象物上的缺陷,其特征在于,该缺陷检查装置具有:
摄像单元,其拍摄所述被检查对象物,生成摄像信息;
图像生成单元,其根据所述摄像信息生成所述被检查对象物的图像;
缺陷提取单元,其使用所生成的所述图像,来提取所述被检查对象物上的缺陷;
缺陷检查单元,其对提取出的所述缺陷进行检查,生成每个所述检查条件下的检查结果;以及
检查结果整合单元,其根据所述缺陷的相关信息对每个所述检查条件下的检查结果进行加权,在此基础上整合每个所述检查条件下的检查结果。
2.根据权利要求1所述的缺陷检查装置,其特征在于,所述检查结果整合单元把所述缺陷的大小用作所述缺陷的相关信息,根据所述缺陷的大小对每个所述检查条件下的检查结果进行加权。
3.根据权利要求1所述的缺陷检查装置,其特征在于,所述缺陷检查单元对提取出的所述缺陷进行分类,并生成分类结果。
4.根据权利要求3所述的缺陷检查装置,其特征在于,所述检查结果整合单元把所述分类结果用作所述缺陷的相关信息,根据所述分类结果对每个所述检查条件下的检查结果进行加权。
5.根据权利要求3所述的缺陷检查装置,其特征在于,所述分类结果包括分类名称、和提取出的所述缺陷是所述分类名称的缺陷的概率。
6.根据权利要求1所述的缺陷检查装置,其特征在于,所述摄像单元、所述图像生成单元、所述缺陷提取单元及所述缺陷检查单元中的至少任一方可以按照所述检查条件来改变各自的设定。
7.根据权利要求1所述的缺陷检查装置,其特征在于,所述摄像单元按照所述检查条件选择明视场观察、暗视场观察及衍射光观察中的任一种观察状态,可以改变所述被检查对象物的平面的垂线与所述摄像单元的光学系统的光轴所形成的角度、和所述被检查对象物在所述平面内的旋转角度中的至少任一方,来拍摄所述被检查对象物。
8.根据权利要求3所述的缺陷检查装置,其特征在于,所述缺陷检查单元根据所述摄像单元的观察状态来设定所述缺陷的分类内容。
9.根据权利要求1所述的缺陷检查装置,其特征在于,所述图像生成单元可以按照所述检查条件来改变所述图像的分辨率。
10.根据权利要求3所述的缺陷检查装置,其特征在于,所述缺陷检查单元可以按照所述图像的分辨率来设定所述缺陷的分类内容。
11.根据权利要求1所述的缺陷检查装置,其特征在于,所述缺陷提取单元比较有关所述被检查对象物的参照用图像和所述图像,并提取二者不同的部位,由此提取所述缺陷。
12.根据权利要求1所述的缺陷检查装置,其特征在于,所述缺陷提取单元在所述图像中比较所述被检查对象物表面的整体亮度分布、和所述被检查对象物表面的局部亮度分布,并提取亮度分布不同的部位,由此提取所述缺陷。
13.根据权利要求1所述的缺陷检查装置,其特征在于,所述缺陷提取单元在所述被检查对象物形成有周期性图形的情况下,利用所述周期性图形来提取所述缺陷。
14.一种缺陷检查方法,其在多个检查条件下检查被检查对象物上的缺陷,其特征在于,该缺陷检查方法包括以下步骤:
拍摄所述被检查对象物并生成摄像信息的步骤;
根据所述摄像信息生成所述被检查对象物的图像的步骤;
使用所生成的所述图像,来提取所述被检查对象物上的缺陷的步骤;
对提取出的所述缺陷进行检查,生成每个所述检查条件下的检查结果的步骤;以及
根据所述缺陷的相关信息对每个所述检查条件下的检查结果进行加权,在此基础上整合每个所述检查条件下的检查结果的步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006331770A JP2008145226A (ja) | 2006-12-08 | 2006-12-08 | 欠陥検査装置及び欠陥検査方法 |
JP2006-331770 | 2006-12-08 | ||
JP2006331770 | 2006-12-08 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101197301A true CN101197301A (zh) | 2008-06-11 |
CN101197301B CN101197301B (zh) | 2012-01-18 |
Family
ID=39547594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007101865263A Expired - Fee Related CN101197301B (zh) | 2006-12-08 | 2007-12-07 | 缺陷检查装置及缺陷检查方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20080247630A1 (zh) |
JP (1) | JP2008145226A (zh) |
CN (1) | CN101197301B (zh) |
TW (1) | TW200834059A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102121907A (zh) * | 2010-01-08 | 2011-07-13 | 中芯国际集成电路制造(上海)有限公司 | 自动检测晶圆缺陷的方法和系统 |
CN103185730A (zh) * | 2011-12-28 | 2013-07-03 | 敖翔科技股份有限公司 | 缺陷分类法则建立方法、缺陷分类与致命缺陷判断方法 |
CN105894170A (zh) * | 2015-01-26 | 2016-08-24 | 香港纺织及成衣研发中心有限公司 | 用于制衣生产的快速响应管理系统及方法 |
CN106273011A (zh) * | 2015-06-29 | 2017-01-04 | 三星钻石工业股份有限公司 | 切断装置 |
CN106273010A (zh) * | 2015-06-29 | 2017-01-04 | 三星钻石工业股份有限公司 | 切断装置 |
CN106415807A (zh) * | 2014-05-12 | 2017-02-15 | 科磊股份有限公司 | 使用高分辨率全裸片图像数据进行检验 |
CN106645180A (zh) * | 2017-02-06 | 2017-05-10 | 东旭科技集团有限公司 | 检查基板玻璃缺陷的方法、现场终端及服务器 |
CN107004265A (zh) * | 2014-12-12 | 2017-08-01 | 佳能株式会社 | 信息处理装置、处理信息的方法、鉴别器生成装置、生成鉴别器的方法、以及程序 |
CN107948497A (zh) * | 2016-10-13 | 2018-04-20 | 生命技术控股私人有限公司 | 用于优化视场的系统、方法和装置 |
CN109087282A (zh) * | 2018-07-02 | 2018-12-25 | 北京百度网讯科技有限公司 | 显示屏外围电路检测方法、装置、电子设备及存储介质 |
CN109425619A (zh) * | 2017-08-31 | 2019-03-05 | 深圳中科飞测科技有限公司 | 光学测量系统及方法 |
CN109478523A (zh) * | 2016-07-20 | 2019-03-15 | 东丽工程株式会社 | 宽带隙半导体基板的缺陷检查装置 |
WO2019062296A1 (zh) * | 2017-09-27 | 2019-04-04 | 深圳精创视觉科技有限公司 | 玻璃缺陷检测装置 |
CN109683358A (zh) * | 2019-01-22 | 2019-04-26 | 成都中电熊猫显示科技有限公司 | 检测方法、装置和存储介质 |
CN109975321A (zh) * | 2019-03-29 | 2019-07-05 | 深圳市派科斯科技有限公司 | 一种用于fpc的缺陷检测方法和装置 |
CN110388879A (zh) * | 2018-04-20 | 2019-10-29 | 发那科株式会社 | 检查装置 |
CN110441501A (zh) * | 2019-06-27 | 2019-11-12 | 北海惠科光电技术有限公司 | 一种检测方法和检测系统 |
CN111415878A (zh) * | 2020-03-30 | 2020-07-14 | 英特尔产品(成都)有限公司 | 晶圆级自动检测方法、设备及系统 |
CN112129768A (zh) * | 2019-06-25 | 2020-12-25 | 欧姆龙株式会社 | 外观检查管理系统、装置、方法以及存储介质 |
CN113035733A (zh) * | 2021-02-25 | 2021-06-25 | 长鑫存储技术有限公司 | 晶圆自动处理方法及晶圆自动处理装置 |
CN113646878A (zh) * | 2019-03-28 | 2021-11-12 | 浜松光子学株式会社 | 检查装置及检查方法 |
CN114298254A (zh) * | 2021-12-27 | 2022-04-08 | 亮风台(上海)信息科技有限公司 | 一种获取光学设备的显示参数测试信息的方法与设备 |
CN114930511A (zh) * | 2020-01-12 | 2022-08-19 | 科磊股份有限公司 | 高级线上零件平均测试 |
CN115753813A (zh) * | 2022-11-01 | 2023-03-07 | 太原国科半导体光电研究院有限公司 | 检测晶圆缺陷的方法、装置、系统、存储介质及电子设备 |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005158780A (ja) * | 2003-11-20 | 2005-06-16 | Hitachi Ltd | パターン欠陥検査方法及びその装置 |
US20090268950A1 (en) * | 2008-04-29 | 2009-10-29 | Kuo Shun-Kun | Product-Quality Inspection System and Method thereof |
US8593625B2 (en) | 2009-03-31 | 2013-11-26 | Hitachi High-Technologies Corporation | Examining apparatus and examining method |
KR20120053713A (ko) * | 2010-11-18 | 2012-05-29 | 에스엘 주식회사 | 차량용 카메라의 제어 장치 및 방법 |
JP5510833B2 (ja) * | 2011-02-16 | 2014-06-04 | カシオ計算機株式会社 | 携帯端末装置及びプログラム |
JP5957378B2 (ja) * | 2012-12-28 | 2016-07-27 | 株式会社日立ハイテクノロジーズ | 欠陥観察方法および欠陥観察装置 |
CN105900418B (zh) * | 2013-02-18 | 2018-01-12 | 卡帝瓦公司 | Oled堆叠膜的质量评估的系统、设备和方法 |
CN103606529B (zh) * | 2013-10-23 | 2016-08-24 | 上海华力微电子有限公司 | 一种提升缺陷分类准确度的方法及装置 |
DE102014002273A1 (de) * | 2014-02-19 | 2015-08-20 | Giesecke & Devrient Gmbh | Verfahren zum Untersuchen eines Wertdokuments und Mittel zur Durchführung des Verfahrens |
CN107709977B (zh) * | 2015-06-25 | 2020-05-08 | 杰富意钢铁株式会社 | 表面缺陷检测装置及表面缺陷检测方法 |
CN107850854B (zh) * | 2015-07-16 | 2020-08-11 | Asml荷兰有限公司 | 检查衬底和检查方法 |
US10495581B2 (en) | 2016-01-08 | 2019-12-03 | SCREEN Holdings Co., Ltd. | Defect detection device and defect detection method |
US11099490B2 (en) * | 2016-07-07 | 2021-08-24 | Asml Netherlands B.V. | Inspection substrate and an inspection method |
US11030734B2 (en) * | 2017-01-06 | 2021-06-08 | Fuji Corporation | Mirror die image recognition system, reference die setting system, and mirror die image recognition method |
CN110393005A (zh) * | 2017-03-15 | 2019-10-29 | 索尼公司 | 图像拾取装置,视频信号处理装置,以及视频信号处理方法 |
CN108956093B (zh) * | 2018-06-22 | 2020-06-30 | 维沃移动通信有限公司 | 红外散射装置的检测方法和移动终端 |
CN109584214A (zh) * | 2018-11-08 | 2019-04-05 | 武汉精立电子技术有限公司 | 一种背光检中图像管理方法与系统 |
JP7221126B2 (ja) * | 2019-04-24 | 2023-02-13 | 大阪瓦斯株式会社 | 老化度判定システム及び老化度判定方法 |
JP7291676B2 (ja) * | 2020-08-05 | 2023-06-15 | 浜松ホトニクス株式会社 | 検査装置及び検査方法 |
US11494892B2 (en) | 2020-08-21 | 2022-11-08 | Abb Schweiz Ag | Surface defect detection system |
JPWO2022085185A1 (zh) * | 2020-10-23 | 2022-04-28 | ||
EP4123506A1 (de) | 2021-07-20 | 2023-01-25 | Fujitsu Technology Solutions GmbH | Verfahren und vorrichtung zum analysieren eines produkts, trainingsverfahren, system, computerprogramm und computerlesbares speichermedium |
DE102022207687A1 (de) * | 2022-07-27 | 2024-02-01 | Carl Zeiss Smt Gmbh | Verfahren und Vorrichtung zur Inspektion eines Bauteils, computerimplementiertes Verfahren und Lithografiesystem |
CN115330889A (zh) * | 2022-08-02 | 2022-11-11 | 深圳市华星光电半导体显示技术有限公司 | 亮度补偿方法及装置、可读存储介质、显示装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6324298B1 (en) * | 1998-07-15 | 2001-11-27 | August Technology Corp. | Automated wafer defect inspection system and a process of performing such inspection |
US6265232B1 (en) * | 1998-08-21 | 2001-07-24 | Micron Technology, Inc. | Yield based, in-line defect sampling method |
JP4627936B2 (ja) * | 2001-07-31 | 2011-02-09 | エスペック株式会社 | 表示装置の検査装置、表示装置の検査システム |
CN1260800C (zh) * | 2001-09-19 | 2006-06-21 | 奥林巴斯光学工业株式会社 | 半导体晶片检查设备 |
US7602962B2 (en) * | 2003-02-25 | 2009-10-13 | Hitachi High-Technologies Corporation | Method of classifying defects using multiple inspection machines |
JP2006220644A (ja) * | 2005-01-14 | 2006-08-24 | Hitachi High-Technologies Corp | パターン検査方法及びその装置 |
-
2006
- 2006-12-08 JP JP2006331770A patent/JP2008145226A/ja not_active Withdrawn
-
2007
- 2007-12-05 US US11/999,358 patent/US20080247630A1/en not_active Abandoned
- 2007-12-06 TW TW096146522A patent/TW200834059A/zh unknown
- 2007-12-07 CN CN2007101865263A patent/CN101197301B/zh not_active Expired - Fee Related
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102121907A (zh) * | 2010-01-08 | 2011-07-13 | 中芯国际集成电路制造(上海)有限公司 | 自动检测晶圆缺陷的方法和系统 |
CN103185730A (zh) * | 2011-12-28 | 2013-07-03 | 敖翔科技股份有限公司 | 缺陷分类法则建立方法、缺陷分类与致命缺陷判断方法 |
CN103185730B (zh) * | 2011-12-28 | 2015-05-13 | 敖翔科技股份有限公司 | 缺陷分类法则建立方法、缺陷分类与致命缺陷判断方法 |
CN106415807A (zh) * | 2014-05-12 | 2017-02-15 | 科磊股份有限公司 | 使用高分辨率全裸片图像数据进行检验 |
CN106415807B (zh) * | 2014-05-12 | 2018-04-10 | 科磊股份有限公司 | 使用高分辨率全裸片图像数据进行检验 |
CN107004265A (zh) * | 2014-12-12 | 2017-08-01 | 佳能株式会社 | 信息处理装置、处理信息的方法、鉴别器生成装置、生成鉴别器的方法、以及程序 |
CN105894170A (zh) * | 2015-01-26 | 2016-08-24 | 香港纺织及成衣研发中心有限公司 | 用于制衣生产的快速响应管理系统及方法 |
CN106273010A (zh) * | 2015-06-29 | 2017-01-04 | 三星钻石工业股份有限公司 | 切断装置 |
CN106273011B (zh) * | 2015-06-29 | 2020-09-08 | 三星钻石工业股份有限公司 | 切断装置 |
CN106273011A (zh) * | 2015-06-29 | 2017-01-04 | 三星钻石工业股份有限公司 | 切断装置 |
CN109478523B (zh) * | 2016-07-20 | 2022-12-16 | 东丽工程株式会社 | 宽带隙半导体基板的缺陷检查装置 |
CN109478523A (zh) * | 2016-07-20 | 2019-03-15 | 东丽工程株式会社 | 宽带隙半导体基板的缺陷检查装置 |
CN107948497A (zh) * | 2016-10-13 | 2018-04-20 | 生命技术控股私人有限公司 | 用于优化视场的系统、方法和装置 |
CN106645180A (zh) * | 2017-02-06 | 2017-05-10 | 东旭科技集团有限公司 | 检查基板玻璃缺陷的方法、现场终端及服务器 |
CN109425619A (zh) * | 2017-08-31 | 2019-03-05 | 深圳中科飞测科技有限公司 | 光学测量系统及方法 |
WO2019062296A1 (zh) * | 2017-09-27 | 2019-04-04 | 深圳精创视觉科技有限公司 | 玻璃缺陷检测装置 |
CN110388879A (zh) * | 2018-04-20 | 2019-10-29 | 发那科株式会社 | 检查装置 |
US11282229B2 (en) | 2018-04-20 | 2022-03-22 | Fanuc Corporation | Inspection apparatus |
CN109087282A (zh) * | 2018-07-02 | 2018-12-25 | 北京百度网讯科技有限公司 | 显示屏外围电路检测方法、装置、电子设备及存储介质 |
CN109683358A (zh) * | 2019-01-22 | 2019-04-26 | 成都中电熊猫显示科技有限公司 | 检测方法、装置和存储介质 |
CN109683358B (zh) * | 2019-01-22 | 2022-08-12 | 成都中电熊猫显示科技有限公司 | 检测方法、装置和存储介质 |
CN113646878B (zh) * | 2019-03-28 | 2024-05-17 | 浜松光子学株式会社 | 检查装置及检查方法 |
CN113646878A (zh) * | 2019-03-28 | 2021-11-12 | 浜松光子学株式会社 | 检查装置及检查方法 |
CN109975321A (zh) * | 2019-03-29 | 2019-07-05 | 深圳市派科斯科技有限公司 | 一种用于fpc的缺陷检测方法和装置 |
CN112129768A (zh) * | 2019-06-25 | 2020-12-25 | 欧姆龙株式会社 | 外观检查管理系统、装置、方法以及存储介质 |
CN110441501A (zh) * | 2019-06-27 | 2019-11-12 | 北海惠科光电技术有限公司 | 一种检测方法和检测系统 |
CN114930511A (zh) * | 2020-01-12 | 2022-08-19 | 科磊股份有限公司 | 高级线上零件平均测试 |
CN111415878B (zh) * | 2020-03-30 | 2023-09-12 | 英特尔产品(成都)有限公司 | 晶圆级自动检测方法、设备及系统 |
CN111415878A (zh) * | 2020-03-30 | 2020-07-14 | 英特尔产品(成都)有限公司 | 晶圆级自动检测方法、设备及系统 |
CN113035733B (zh) * | 2021-02-25 | 2022-12-09 | 长鑫存储技术有限公司 | 晶圆自动处理方法及晶圆自动处理装置 |
CN113035733A (zh) * | 2021-02-25 | 2021-06-25 | 长鑫存储技术有限公司 | 晶圆自动处理方法及晶圆自动处理装置 |
US11961772B2 (en) | 2021-02-25 | 2024-04-16 | Changxin Memory Technologies, Inc. | Method and apparatus for automatically processing wafers |
CN114298254A (zh) * | 2021-12-27 | 2022-04-08 | 亮风台(上海)信息科技有限公司 | 一种获取光学设备的显示参数测试信息的方法与设备 |
CN114298254B (zh) * | 2021-12-27 | 2024-03-15 | 亮风台(上海)信息科技有限公司 | 一种获取光学设备的显示参数测试信息的方法与设备 |
CN115753813A (zh) * | 2022-11-01 | 2023-03-07 | 太原国科半导体光电研究院有限公司 | 检测晶圆缺陷的方法、装置、系统、存储介质及电子设备 |
CN115753813B (zh) * | 2022-11-01 | 2023-10-31 | 太原国科半导体光电研究院有限公司 | 检测晶圆缺陷的方法、装置、系统、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
JP2008145226A (ja) | 2008-06-26 |
US20080247630A1 (en) | 2008-10-09 |
TW200834059A (en) | 2008-08-16 |
CN101197301B (zh) | 2012-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101197301B (zh) | 缺陷检查装置及缺陷检查方法 | |
JP5228490B2 (ja) | 画像解析によって欠陥検査を行う欠陥検査装置 | |
USRE35423E (en) | Method and apparatus for performing automated circuit board solder quality inspections | |
US6756589B1 (en) | Method for observing specimen and device therefor | |
JP4132229B2 (ja) | 欠陥分類方法 | |
US20080281548A1 (en) | Method and System for Automatic Defect Detection of Articles in Visual Inspection Machines | |
TW201100779A (en) | System and method for inspecting a wafer (3) | |
KR100805486B1 (ko) | 디스플레이의 다각도 계측 시스템 및 방법 | |
JP2002008013A (ja) | 外観検査プログラム作成装置およびその方法 | |
CN104303264A (zh) | 用于半导体装置的自动化检验的配方产生的方法、计算机系统及设备 | |
JP3802716B2 (ja) | 試料の検査方法及びその装置 | |
US10157457B2 (en) | Optical measurement of opening dimensions in a wafer | |
JPH1074812A (ja) | 被検査パターンの検査方法及び製造プロセス診断方法並びに半導体基板の製造方法 | |
KR20140091916A (ko) | 디스플레이 패널 검사방법 | |
CN109791038B (zh) | 台阶大小及镀金属厚度的光学测量 | |
JP2001127129A (ja) | 試料の欠陥検査システム、および検査方法 | |
JP2004144610A (ja) | ウェハ欠陥検査装置 | |
JP2006208187A (ja) | 形状良否判定装置および形状良否判定方法 | |
US10168524B2 (en) | Optical measurement of bump hieght | |
US20230222646A1 (en) | Automated visual-inspection system | |
JP2009264882A (ja) | 外観検査装置 | |
JP2005098970A (ja) | 異物識別方法及び異物識別装置 | |
JP2011232302A (ja) | 画像検査方法及び画像検査装置 | |
JP5374225B2 (ja) | ウェハ検査条件決定方法、ウェハ検査条件決定システム及びウェハ検査システム | |
EP4010873B1 (en) | Use of an hdr image in a visual inspection process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120118 Termination date: 20131207 |