CN104718428B - 图案的检查、测量装置及程序 - Google Patents
图案的检查、测量装置及程序 Download PDFInfo
- Publication number
- CN104718428B CN104718428B CN201380052997.9A CN201380052997A CN104718428B CN 104718428 B CN104718428 B CN 104718428B CN 201380052997 A CN201380052997 A CN 201380052997A CN 104718428 B CN104718428 B CN 104718428B
- Authority
- CN
- China
- Prior art keywords
- edge
- pattern
- extracting parameter
- edge extracting
- checked
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/02—Details
- H01J37/244—Detectors; Associated components or circuits therefor
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
- G01B2210/56—Measuring geometric parameters of semiconductor structures, e.g. profile, critical dimensions or trench depth
-
- 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
- G06T2207/30168—Image quality inspection
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/245—Detection characterised by the variable being measured
- H01J2237/24592—Inspection and quality control of devices
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/26—Electron or ion microscopes
- H01J2237/28—Scanning microscopes
- H01J2237/2813—Scanning microscopes characterised by the application
- H01J2237/2817—Pattern inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Manufacturing & Machinery (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Electromagnetism (AREA)
- Immunology (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
Abstract
本发明提供一种图案的检查、测量装置,对检查或测量对象图案进行拍摄,使用从所得到的图像数据提取的边缘位置来进行检查或测量,能够降低噪声等的影响,提高检查或测量结果的可靠性。为此,图案的检查、测量装置的特征在于,对检查或测量对象图案进行拍摄,从所得到的图像数据利用边缘提取参数来提取边缘位置,利用该边缘位置来进行检查或测量对象图案的检查或测量,使用表示作为检查或测量的基准的形状的基准图案和所述图像数据来生成所述边缘提取参数。
Description
技术领域
本发明涉及利用检查或测量对象图案的边缘的位置对于图案进行检查或测量的图案的检查、测量装置,以及通过该图案的检查、测量装置的计算机执行的计算机程序。
背景技术
在半导体制造领域,很早就利用使用了扫描电子显微镜(Scanning ElectronMicroscope,SEM)的检查装置或测量装置。
伴随着流程规则的进化,更加精细的图案被转录在晶圆上,这使得晶圆上所形成的图案的密度增加,从而增加了通过尺寸测量进行评价所需要的点。因此,从抑制评价时间这一观点出发,通过伴随着对于成为评价对象的图案的尺寸在相对较大的视野(Field ofView,FOV)下的图像获取(低倍率图像获取)进行检查,在缺陷发生风险较高的地方,即,对于精简有必要在更高倍率下进行评价的测量点的必要性在增加。除了图案的精细化之外,由于是使用低倍率图像的检查,应该检测出的缺陷的大小,在图像上存在变小的倾向。
另外,作为测量装置的用途,除了使用在高倍率下获取的图像对于缺陷发生风险较高的情况进行评价之外,还利用了用于对应于流程变化的曝光条件的管理等。伴随着图案的精细化,在用于品质管理的图案尺寸管理中存在所允许的测量值的变动减小的倾向,另外,伴随着图案的精细,为了制造良品曝光条件所能允许的变化量也在减小,因此,在所谓曝光条件管理的用途中,所允许的测量值的变动也存在变小的倾向。
进一步,与转录至晶圆上的图案的形状变得复杂相随,在检查装置和测量装置的双方,下述用途在不断增加,即不是对作为一维特征的尺寸进行评价,而是必须对作为二维特征的形状进行评价。在形状评价中,通常通过对作为评价基准的预定轮廓形状与从对作为评价对象的图案进行拍摄而得到的图像所提取的轮廓形状进行比较,从而进行评价,本来就是对几何信息和图像信息这样所谓不同种类的数据进行比较,此外还加上流程变化等要素,使得这两者的轮廓形状不同的现象,经常发生。
在这样的背景下,作为灵活利用设计数据并通过轮廓形状的比较来进行检查的技术的例子,可以列举专利文献1所公开的技术。在专利文献1中,公开了如下的技术,即:将图案的变形量分离成大区域的变形量和局部的变形量来捕捉,此后,利用局部的变形量来进行缺陷检查。
现有技术文献
专利文献
专利文献1:日本特开2010-268009号公報(美国专利第7660455号说明书)
发明内容
发明所要解决的问题
在采用专利文献1所公开的技术的情况下,存在发生虚报的可能性。
根据发明者的研究,这其中的一个原因在于,专利文献1中记载的技术中的“第二轮廓线”是利用基于从图像所获取的轮廓,通过预定的阈值而提取的边缘来形成的。专利文献1中所记载的技术,在轮廓的形状不随部位变化而是相同的情况下,由于大区域的图案变形量,成为反映例如由于图案形成时的曝光量偏离最佳值导致图案的整体变粗大的值,因此通过使用从整体变形量除去大区域的图案变形量得到的局部的变形量来进行检查,则可以得到所希望的结果。
但是,从图像所得到的轮廓的形状由于各种原因而发生变化。例如,在获取图像时,要考虑到各种噪声的影响。另外,在图案的曲率较大部分显著表现出边缘效应,所以,除了依赖于包含了粗糙度的侧壁形状而发生变化之外,还依赖于二维图案形状而发生变化。此外,所检测的2次电子的量受到拍摄时试料的带电状态影响,例如,在与电子束的扫描方向垂直的线条图案的情况下,对应于右侧侧壁的轮廓与对应于左侧侧壁的轮廓,其形状不同。以专利文献1中所公开的技术为首的现有技术,强烈地受到这些因素的影响,从而存在引起发生虚报的可能性。
进一步,轮廓形状,除了上述原因之外,根据加速电压、探针电流等拍摄条件而改变,此外,由于拍摄装置而存在个体差。这些原因,主要形成大区域性影响,因此,乍一看,可以认为与虚报的发生无关,但是在通过与设计数据之间的比较进行检查时,由于这些因素,也存在发生虚报的可能性。至于为什么,例如,将利用阈值法所求得的轮廓形状与由设计数据所生成的轮廓形状进行比较的情况下,本来,应该使用利用什么样的阈值所获取的轮廓形状来进行两者的比较,是根据检查用教程等而预先制定的,但是在轮廓形状发生变化的情况下,伴随着该变化,存在与预先指定的阈值所不同的阈值成为恰当的阈值的可能性。在这种情况下,即,使用不恰当的阈值来求得轮廓形状的情况下,则以专利文献1所公开的技术为首的现有技术,存在引起虚报发生的可能性。
基于上述研究,发明者捕捉到问题的本质在于,基于从对作为评价对象的图案进行拍摄所得的图像所获取的轮廓,利用通过某一阈值(更为常用的是,边缘提取参数)所提取的边缘进行检查、测量时,该阈值不一定是适合该检查、测量的阈值。
在上述研究基础上,以下提出了图案的检查、测量装置以及计算机程序,其目的在于,在利用从对作为检查或测量对象图案进行拍摄得到的图像提取出的边缘位置来进行检查或测量时,降低噪声等影响,提高检查或测量结果的可靠性。
解决问题的技术方案
为了解决上述课题,例如,采用权利要求书所记载的构成。
本申请包含了多个解决上述问题的技术方案,举一例而言,一种图案的检查、测量装置,其从对检查或测量对象图案进行拍摄所得到的图像数据采用边缘提取参数来提取出边缘位置,利用该边缘位置对所述检查或测量对象图案进行检查或测量,其特征在于,利用表示作为所述检查或测量的基准的形状的基准图案与所述图像数据来生成所述边缘提取参数。
发明效果
根据本发明,使用了对检查或测量对象图案进行拍摄所得的图像数据所提取的边缘位置来进行检查或测量,降低了噪声等的影响,使提高检查或测量结果的可靠性成为可能。
除上述之外的问题、结构以及效果,通过如下的实施方式的说明变得更为明确。
附图说明
图1是说明第1实施方式的图案检查装置的构成的图。
图2是显示第1实施方式的图案检查装置的动作的流程图。
图3是显示第1实施方式的图案检查装置的演算装置中所包含的初期设定部的动作之中,与基准轮廓线形成处理相关的动作的流程图。
图4是说明第1实施方式的图案检查装置的演算装置中所包含的初期设定部的动作之中,基准轮廓线形成处理中的基准边缘的提取方法及基准边缘的筛选方法的图。
图5是显示第1实施方式的图案检查装置的演算装置中所包含的初期设定部的动作之中,与基准轮廓线形成处理中基准边缘提取处理相关的动作的流程图。
图6是显示第1实施方式的图案检查装置的演算装置中所包含的边缘提取参数生成部的动作的流程图。
图7是说明第1实施方式的图案检查装置的演算装置中所包含的边缘提取参数生成部的动作之中,与亮度轮廓生成处理相关的动作的流程图。
图8是说明第1实施方式的图案检查装置的演算装置中所包含的边缘提取参数生成部的动作之中,亮度轮廓生成处理中的亮度轮廓的获取方向的图。
图9是说明第1实施方式的图案检查装置的演算装置中所包含的边缘提取参数生成部的动作之中,与初期参数计算处理相关的动作的流程图。
图10是说明第1实施方式的图案检查装置的演算装置中所包含的边缘提取参数生成部的动作之中,初期参数计算处理中的初期参数的计算方法的图。
图11是说明第1实施方式的图案检查装置中的边缘提取参数的值的意思的图。
图12是显示第1实施方式的图案检查装置的演算装置中所包含的边缘提取参数生成部的动作之中,用于初期参数平滑化处理的权重函数的例的图。
图13是显示第1实施方式的图案检查装置中初期参数和边缘提取参数的例的图。
图14是显示第1实施方式的图案检查装置的演算装置中所包含的检查部的动作的流程图。
图15是说明第1实施方式的图案检查装置的演算装置中所包含的检查部的动作的图。(a)是表示初期状态的图;(b)是表示使用第一缺陷判定阈值检测出缺陷候补的状态的图;(c)是表示使用第二缺陷判定阈值对缺陷候补进行扩展了的状态的图。
图16是说明从第1实施方式的图案检查装置输出的图像内容的图。(a)是描画了基准图案的图像;(b)是检查图像;(c)是显示与作为缺陷而检测出的区域相关的信息的图像;(d)是显示各局部区域的边缘提取参数由平均值偏离了多少的图像。
图17是说明在第1实施方式的第1变形例的演算装置中所包含的轮廓线形成部的动作之中,与测长轮廓线修复处理相关的动作的流程图。
图18是说明在第1实施方式的第1变形例的演算装置中所包含的轮廓线形成部的动作之中,在测长轮廓线修复处理中有关附加掩模进行细线化处理的动作的图。
图19是说明在第1实施方式的第1变形例的演算装置中所包含的轮廓线形成部的动作之中,在测长轮廓线修复处理之中有关欠损内测长轮廓线修复处理的动作的流程图。
图20是说明在第1实施方式的第1变形例的演算装置中所包含的轮廓线形成部的动作之中,在测长轮廓线修复处理之中有关欠损间测长轮廓线修复处理的动作的流程图。
图21是说明在第1实施方式的第1变形例的演算装置中所包含的轮廓线形成部的动作之中,测长轮廓线修复处理的动作的图。
图22是说明在第1实施方式的第1变形例的演算装置中所包含的轮廓线形成部的动作之中,欠损内测长轮廓线修复处理的动作的图。
图23是说明在第1实施方式的第1变形例的演算装置中所包含的轮廓线形成部的动作之中,欠损内测长轮廓线修复处理的动作的图。
图24是说明在第1实施方式的第1变形例的演算装置中所包含的轮廓线形成部的动作之中,欠损间测长轮廓线修复处理的动作的图。
图25是说明在第1实施方式的第1变形例的演算装置中所包含的轮廓线形成部的动作之中,欠损间测长轮廓线修复处理的动作的图。
图26是说明第2实施方式的尺寸测量装置的构成的图。
图27是显示第2实施方式的尺寸测量装置的动作的流程图。
图28是说明第2实施方式的尺寸测量装置的动作的图。
图29是说明第2实施方式的尺寸测量装置中由操作终端120的操作者进行设定的处理参数的输入界面的图。
图30是说明第2实施方式的尺寸测量装置的测量结果的提示方法的图。
图31是说明第3实施方式的尺寸测量装置的构成的图。
图32是显示第3实施方式的尺寸测量装置的动作的流程图。
图33是说明第3实施方式的尺寸测量装置的动作的图。
图34是说明第3实施方式的尺寸测量装置的测量结果的提示方法的图。
图35是说明第4实施方式的尺寸测量装置的构成的图。
图36是显示第4实施方式的尺寸测量装置的演算装置中所包含的参数矫正部的动作的流程图。
图37是说明第4实施方式的尺寸测量装置的演算装置中所包含的参数矫正部的动作的图。
图38是显示第4实施方式的尺寸测量装置的动作的流程图。
图39是说明第5实施方式的图案检查装置的构成的图。
图40是显示第5实施方式的图案检查装置的动作的流程图。
图41是说明第5实施方式的图案检查装置中检查对象的指定方法的图。
图42是说明第5实施方式的图案检查装置中的检查方法的图。
图43是说明第1实施方式的第1变形例的演算装置中包含的轮廓线形成部的动作中,在进行了欠损间测长轮廓线修复处理的情况下对于缺陷种类进行判断的方法的图。(a)表示发生了桥接的状态的图。(b)表示发生了缩颈的图。
图44是说明第1实施方式的第2变形例的图案检查装置中的检查图像的获取方法的图。(a)是对于作为检查对象的试料进行说明的图。(b)是对于检查对象范围内的检查图像的获取方法进行说明的图。(c)是表示现有的检查图像的图。(d)是表示第1实施方式的第2变形例中的检查图像的图。(e)表示模具的纵横方向对于载物台的移动方向呈相对倾斜的情况下的检查图像的图。
图45显示第1实施方式的第2变形例中的图案检查装置的动作的流程图。
具体实施方式
以下所说明的实施例中,主要对于图案的检查、测量装置进行说明,该图案的检查、测量装置的目的在于,在利用从对作为检查或测量对象的图案进行拍摄而得到的图像数据提取出的边缘位置进行检查或测量时,降低噪声等影响,提高检查或测量结果的可靠性。同时,对用于在计算机上执行上述处理的计算机程序进行说明。
为了达到如上所述的目的,以下说明的实施例中,在从对作为检查或测量对象图案进行拍摄得到的图像数据采用边缘提取参数提取出边缘位置,利用该边缘位置对于检查或测量对象图案进行检查或测量的图案的检查、测量装置中,主要对于利用表示作为检查或测量基准的形状的基准图像与所述图像数据来生成所述边缘提取参数的图案的检查、测量装置以及计算机程序进行说明。
实施例1
<第1实施方式>
以下,对于第1实施方式参考图1至图16进行说明。本实施方式是非常适用于如下用途的图案检查装置的例子,即:随着相对于成为评价对象的图案的尺寸在相对较大视野下的图像获取(低倍率下的图像获取)而进行检查,由此,提取相对于作为预先检查的基准而赋予的轮廓形状发生局部变形的图案区域作为“缺陷区域”(发生缺陷的风险较高区域)。
半导体的流程规则在进化,更精细的图案被转录至晶圆上,随之,有必要检测出由于掩模设计不良等引起的系统缺陷,从而灵活应用设计数据来进行检查的必要性在增加。掩模设计或用于转录的参数设定的余量在减少,容易发生系统缺陷之外,由于和随机缺陷不同而可以通过特定发生原因来实施改善对策进行有效对应,这就是为什么针对系统缺陷的对策的重要度在增加的原因。在系统缺陷的情况下,由于针对所有的模具发生同样的缺陷,而不能通过以往实施的经由模具之间的相互比较的检查来检测出,而只能通过与设计数据进行比较的检查来检测出。另外,对于检查的观点而言,不仅需要对作为一维特征的尺寸的检查,对二维形状的检查的必要性也在不断增加。在进行这样的检查之际,除了图案的精细化倾向之外,由于是使用低倍率图像进行的检查,应检测出的缺陷的大小在图像上有变小的倾向,如前所述。
另外,在通过与设计数据进行比较而提取局部变形的图案区域作为缺陷区域的情况下,有必要分离由于拍摄(ショット)内的焦点距离或曝光量变化而产生的图案粗细的影响。在上述专利文献1中所公开的技术中,将这些影响作为大区域的图案变形量而与局部图案变形量进行分离,利用局部图案变形量进行缺陷检查,这一点对于处理问题是有效的,但是,如上所述,其也存在问题。
进而,从限制评价时间的观点出发,有时为在移动载物台(试料台)的同时获取图像的检查。在此情况下,由于以载物台的移动速度不均匀为首的各种原因,相对于晶圆上的实际的图案形状,存在对该图案进行拍摄所得到的图像上的图案形状发生应变的情况。这些应变,通常在修复后与设计数据进行比较,但是,存在如下情况,即:与希望检测出的缺陷大小相比,作为充分的缓慢变形而出现的残留应变被残留下来。
基于上述研究,本实施方式是旨在解决发明问题的例子。以下,进行详细说明。
[图案检查装置的构成]
图1是说明本实施方式的图案检查装置的构成的图,是示出了作为拍摄装置使用SEM的图案检查装置的一例的图。本实施方式的图案检查装置包括具备SEM101和该SEM的控制装置102的拍摄装置100、演算处理装置110、操作终端120以及存储装置130。
SEM101具有电子枪101a、聚光镜101b、偏向器101c、ExB偏向器101d、物镜101e、载物台101h以及二次电子探测器101k。由电子枪101a发射出的一次电子束经过聚光镜101b被收敛,经过偏向器101c、ExB偏向器101d、物镜101e而在放置于载物台101h上的试料(晶圆)101g上进行聚焦照射。当被照射电子束,从试料101g产生二次电子。从试料101g所产生的二次电子,通过ExB偏向器101d被偏向,由二次电子探测器101k所检测。与由偏向器101c的电子束二维扫描同步,或与由偏向器101c的电子束在X方向的往返操作以及由载物台101h在试料101g的Y方向的连续移动同步,通过检测试料所产生的二次电子,得到二维电子像。由二次电子探测器101k所检测出的信号,通过A/D转换器101m转换为数字信号,通过控制装置102而被送至演算处理装置110。
控制装置102通过控制SEM101,能够以所需条件进行电子束扫描。控制装置102将用于在试料上的所期望位置上设定扫描位置用的偏向信号提供给偏向器101c。偏向器101c根据所提供的信号,将视野的大小(倍率)变为所期望的大小。控制装置102将通过与偏向器101c的扫描同步由检测器101k所得到的检测信号进行排列所得到的检查图像送至演算处理装置110。
需要说明的是,SEM101及控制装置102的构成,只要能够以所要求的条件将对试料101g进行拍摄所得的检查图像提供给演算处理装置110即可,不限于列举出的构成。
演算处理装置110具有存储器111、实行图2的步骤S201等处理的初期设定部112、实行图2的步骤S202等处理的边缘提取参数生成部113、实行图2的步骤S203等处理的轮廓线形成部114以及,实行图2的步骤S204等处理的检查部115,通过将由拍摄装置100输入的检查图像与由存储于存储装置130中的设计数据所形成的基准轮廓线进行比较,来对试料101g上所形成的图案进行检查。演算处理装置110中所实行的处理所必要的信息,作为检查用教程(レシピ)而存储在演算处理装置110内的存储器111中。教程是用于使图案检查装置自动动作的动作程序,对于作为检查对象的试料种类的每一种,存储在上述存储器111上或外部存储介质上,必要时读取。
演算处理装置110与具有键盘等的输入设备的操作终端120相连结,接受经过该输入设备的来自操作者的输入的同时,具有在该操作终端120上所设置的显示装置上显示用于提示操作者的图像或检查结果的功能。这些功能,例如,通过被称作GUI(图形用户界面,Graphical User Interface)的图形界面来实现。
需要说明的是,演算处理装置110中的控制或处理的一部分或全部,可以分配给搭载有CPU、可以存储图像的存储器的电子计算机等来进行处理和控制。另外,操作终端120还可以作为将检查所必要的电子设备的坐标、用于决定位置的图案匹配用辞典数据(后述)、包含拍摄条件等的拍摄教程,通过手动或灵活应用存储于存储装置130的电子设备的设计数据来生成拍摄教程生成装置而发挥作用。
存储装置130是存储设计数据和辞典数据的存储装置,例如硬盘。需要说明的是,本实施方式中的设计数据是指用于确定作为检查的评价基准的二维轮廓形状的数据,不仅仅限于电子设备的设计数据本身。例如,也可以是描述了将要形成于晶圆上的图案图形的布局的布局图案,还可以是从基于电子设备设计数据而形成的掩模图案形状通过光刻模拟等方法求得的轮廓形状,还可以是从良品图案所提取的轮廓形状。本实施方式中,作为设计数据,采用形成由光刻模拟器所得到的曝光图案的外形的曲线(包括折线或多边形)。设计数据构成为包含图案图形的个数、各图案图形所包含的顶点的坐标、各顶点的连结关系的信息,以便能够定义表示作为评价基准的轮廓形状的多边形。需要说明的是,连结关系的信息作为带有方向的信息而构成,以便能够判断图案的内外。另外,如后述(图2)所示,初期设定部112也将辞典数据与基准图案进行对应而存储,该辞典数据是在将基准轮廓线与检查图像进行位置对准之时,与作为模版而使用的区域相关的几何信息。辞典数据例如是具有区域中心位置的坐标信息和区域大小信息的信息,预先生成并存储的如下信息,即:考虑到“搜索范围内的一致性”等而提取的、与为了作为模板区域而适用的1个以上的区域相关的信息。在将进行位置对准时的模板信息不是作为图像数据而是作为辞典数据进行保存,由此,与作为图像数据进行保存的情况相比,可以削减需要保存的数据量。
另外,根据需要,还可以构成为具有模拟器140,其基于存储装置130所存储的设计数据求得在晶圆上所形成的图案形状。通过这样的构成,根据当初存储在存储装置130中的设计数据所确定的二维轮廓形状与推测的在晶圆上所形成的图案形状之间差异较大的情况下,由模拟器140从当初存储的设计数据求出推测出的在晶圆上所形成的图案形状,可以作为成为检查评价基准的基准图案,因此,能够减少虚报,能够提高检查的可靠性。
[图案检查装置的动作]
接下来,对于本实施方式中的图案检查装置的动作,参考图2进行说明。图2是显示本实施方式的图案检查装置的动作的流程图。
当开始图案检查处理时,首先,在步骤S201中,初期设定部112进行检查图像与基准图案的初期设定。与检查图像和基准图案的初期设定相关的处理,具体而言,如下进行处理。
初期设定部112首先实施从拍摄装置100读取检查图像,根据需要实施预处理。作为预处理的一例,有例如用于除去噪声的平滑化处理等,对于这些预处理,可以利用适当的公知技术来实施。
接下来,初期设定部112从存储装置130读取与检查图像相对应范围的设计数据,根据需要,在进行对图案图形的拐角进行圆角处理等设计数据的变形处理之后,基于变形后的设计数据求出基准轮廓线。检查图像相对应的范围的设计数据的读取,采用设计数据所具有的顶点坐标与连结关系的信息,对于表示作为评价基准的轮廓形状的多边形的一部分可能包含在检查图像所对应的范围(考虑了检查图像获取时与位置偏离误差相对应的余量等的范围)的数据均应该读取。即,所述多边形的边之中,至少而言,不仅对于一个顶点包含在检查图像所对应的范围内的边,对于边的一部分穿越检查图像所对应的范围的那些边,也要读取。另外,基准轮廓线是将基准边缘基于设计数据进行连结的轮廓线,在本实施方式中,成为作为检查基准的基准图案。初期设定部112的动作之中,对于与基于设计数据求出基准轮廓线的处理(基准轮廓线形成处理)相关的动作,此后进行详细描述(参考图3)。
初期设定部112进一步从存储装置130读取与检查图像相对应范围的辞典数据,进行基准轮廓线与检查图像之间的位置对准。基准轮廓线与检查图像之间的位置对准,只要采用公知的技术进行实施即可。例如,可以采用以归一化互相关系数作为评价值的模板匹配。此时的模板图像,例如,参考辞典数据求出适合进行位置对准的区域,将该区域内所包含的基准轮廓线描画在图像上,可以采用利用高斯滤波器等平滑化滤波器进行模糊化的图像。另外,作为将基准轮廓线与检查图像进行位置对准的其他方法的例子,可以将参考辞典数据求得的、适用于位置对准的区域内所包含的基准轮廓线,和从检查图像利用Sobel滤波器等提取的轮廓线,利用轮廓线匹配方法进行位置对准。作为轮廓线匹配方法,可以通过例如作为粗搜索而采用广义霍夫变换,作为精确搜索而采用ICP(迭代最近点法,IterativeClosest Point)算法这样的两步法高精度地实施。或者,还可以将参考辞典数据求出的、适合进行位置对准的区域内所包含的基准轮廓线描画在图像上,将采用利用高斯滤波器等平滑化滤波器进行模糊化的图像作为模版图像,将从检查图像利用Sobel滤波器等提取的轮廓线描画在图像上并利用高斯滤波器等平滑化滤波器进行模糊化的图像作为被搜索图像,在此基础上将归一化互相关系数作为评价值通过模板匹配来实施。基准轮廓线与检查图像之间的位置对准的方法不限于此,可以通过各种方法来实施。需要说明的是,当参考辞典数据所求得的“适用于位置对准的区域”存在多个时,可以构成为仅利用其中的一个来进行位置对准,也可以构成为在各区域独立地进行位置对准并从结果中求得最终的位置对准结果,还可以构成为将多个区域进行组合同时进行位置对准。
接下来,在步骤S202中,边缘提取参数生成部113生成边缘提取参数。步骤S202的处理,具体而言,利用在进行了位置对准状态下的检查图像与基准轮廓线,对于每个基准边缘求出一个边缘提取参数。在本实施方式中,轮廓线形成部114由于利用了阈值法,在阈值法中,在提取边缘时所使用的参数,即“阈值”就成为边缘提取参数。将边缘提取参数算出,使得在正常部位从检查图像所提取的边缘与基准边缘大致相同。对于边缘提取参数生成部113的动作,此后进行详细描述(参考图6)。
接下来,在步骤S203中,轮廓线形成部114利用步骤S202所生成的边缘提取参数,提取测长边缘(后述),形成测长轮廓线(后述)。步骤S203的处理具体而言是如下处理,即:从每个基准边缘所生成的亮度轮廓,基于该基准边缘所对应的边缘提取参数,求得检查部115的处理所使用的边缘。以下说明中,将采用亮度轮廓所求得的边缘特别称作“测长边缘”。需要说明的是,本实施例中,后述的在检查部115处理中为了参考EPE(边缘定位误差,Edge Placement Error,相当于本实施方式中从基准边缘至测长边缘之间的距离)的值,仅仅求得从基准边缘至测长边缘之间的距离,但是根据检查或测量的用途,也可以将测长边缘作为检查图像的坐标系中二维坐标的列来求取,模仿基准边缘的连结方式进行连结,作为轮廓线来进行处理。如此连结的测长边缘称作“测长轮廓线”。通过将其作为轮廓线进行处理,可以实施曲线近似等公知技术的几何学上的平滑化处理,除了能够降低由于噪声影响引起的轮廓线形状的错乱之外,根据需要,将EPE的测量方法不是作为“点与点”之间的距离而是作为“点与多边形”或“多边形与多边形”的距离来进行定义,还可以提高EPE的测量精度。另外,还可以实施检测相互交叉的线段之间的交叉,为了消除该交叉可以进行测长边缘的削除、移动、排列顺序的变更等处理。通过增加这些处理,例如,当想要将基准轮廓线与测长轮廓线的差异部分的面积作为指标来掌握形状的差异的情况下,可以提高指标的可靠性。在本说明书的此后记载中,考虑到这些变形例,对于提取测长边缘之后,对于无需一定形成测长轮廓线的情况下,也对于形成测长轮廓线的处理进行说明。
此后,在步骤S204中,检查部115通过对由轮廓线形成部114所形成的测长轮廓线与基准轮廓线进行比较来检查图案,将被判断为缺陷区域的区域相关的信息作为检查结果而输出后,结束图案检查处理。在检查部115的动作之中,对于与通过测长轮廓线与基准轮廓线的比较来进行的图案检查相关的动作,参考图14及图15此后进行详细描述。另外,在检查部115的动作之中,对于与检查结果的输出相关的动作,参考图16此后进行详细描述。
[初期设定部112的动作中与基准轮廓线形成处理相关的动作]
接下来,对于初期设定部112的动作中与基准轮廓线形成处理相关的动作,参考图3至图5进行说明。
图3是显示本实施方式的演算处理装置110中所包含的初期设定部112的动作之中,与基准轮廓线形成处理相关的动作的流程图。
当基准轮廓线形成处理开始后,初期设定部112在步骤S301中,从存储装置130读取设计数据,将所读取的图案图形的个数存储至计数MJ中。
接下来,初期设定部112在步骤S302提取基准边缘。将基准边缘按照设计数据中所包含的每个图案图形,以不超过所指定的最大间隔的间隔进行等间隔提取。需要说明的是,也可以构成为,根据曲率不同而改变密度,即,构成为针对曲率较高部分的密度高于曲率较低部分的密度的方式来进行提取,在此情况下,曲率较高部分的形状能够在提取的轮廓上得到更好地反映。步骤S302的处理的详细内容,在之后详细描述(参考图5)。
接下来,初期设定部112在步骤S303中,筛选基准边缘。这是,在步骤S302所提取的基准边缘中,仅仅选择可以包含在检查范围内的基准边缘,将连续的基准边缘作为1个分段进行登记的处理。考虑到要进行位置偏离的修正,对于检查图像的成像范围(FOV),选择包含在预定幅度的较广范围内的基准边缘。需要说明的是,初期设定部112在步骤S303中,以“0”进行初期化的计数MS值,在每当对分段进行登记之时增加“1”,由此,使得计数MS值与应当处理的对象的分段个数相对应。另外,对于在第S号分段中所包含的基准边缘的个数NS,也与分段相对应进行存储。
对于步骤S302及步骤S303的处理的内容,利用图4进行说明。
图4是说明本实施方式的演算处理装置110中所包含的初期设定部112的动作之中,基准轮廓线形成处理中的基准边缘的提取方法及基准边缘的筛选方法的图。
在图4中,矩形401是检查图像的成像范围(FOV),矩形402是针对上下左右的各个方向,以在规格上可考虑到的最大位置偏移量与基准边缘的最大间隔之和的距离,来对矩形401进行扩大得到的矩形。
图形410是图案图形,呈现为形成有向闭路的多边形。通过有向边的右侧或左侧,能够判断图案的内外。在图4的例中,朝向为顺时针方向。
基准边缘411是在图形410的数据之中,与最初登记的顶点相对应的基准边缘。在步骤S302的处理中,从作为始点的基准边缘411出发,以等间隔沿着有向边的方向,提取包含基准边缘412至415的基准边缘群。
在步骤S303的处理中,对于所提取的基准边缘群中所包含的基准边缘的每一个,判断是否包含在矩形402中,将判断为包含在矩形402中的基准边缘之中连续的一系列基准边缘作为1个分段进行登记。具体而言,将从基准边缘412至基准边缘413的一系列基准边缘作为1个分段进行登记,将从基准边缘414至基准边缘415的一系列基准边缘作为另一个分段进行登记。
图5是说明本实施方式的演算装置110中所包含的初期设定部112的动作之中,基准边缘轮廓线形成处理中的与基准边缘提取处理(S302)相关的动作的流程图。
在步骤S501中,初期设定部112将计数J的值设为“0”,该计数J是用于识别作为处理对象的图案图形的计数。
在步骤S502中,初期设定部112计算第J号的图案图形的周长LJ。可以通过公知的方法进行计算图案图形的周长LJ。
在步骤S503中,初期设定部112从周长LJ与所指定的最大采样间隔P,计算对于第J号图案图形的采样间隔PJ和基准边缘个数NJ。具体而言,如果LJ可以由P进行整除的情况下,在将最短路径进行(LJ/P)等分的位置处配置基准边缘。这种情况下,PJ变得与P相同,NJ由于包含了两端从而变为(P/LJ+1)。当LJ不能被P整除的情况下,可以考虑在将最短路径进行(LJ/P+1)等分的位置处配置基准边缘,同样求得。在本实施方式中,P值为0.5像素,但P值并不限于此。
在步骤S504中,初期设定部112将计数N的值设为“0”,该计数N是用于识别作为处理对象的基准边缘的计数。
在步骤S505中,初期设定部112计算第N号基准边缘的坐标作为从始点开始行进“PJ×N”的点的坐标,作为第J号的图案图形的第N号基准边缘进行登记。
在步骤S506中,初期设定部112通过将计数N与基准边缘的个数NJ进行比较,来判断对于必要个数的基准边缘的处理是否结束。当对于必要个数的基准边缘的处理结束的情况下(步骤S506,是),初期设定部112进行步骤S508的处理。当存在处理未结束的基准边缘的情况下(步骤S506,否),初期设定部112进行步骤S507,在计数N的值增加“1”之后,进行步骤S505以继续进行处理。
在步骤S508中,初期设定部112通过将计数J与表示读取的图案图形的个数的计数MJ进行比较,来判断对于必要个数的图案图形的处理是否结束。当对于必要个数的图案图形的处理结束的情况下(步骤S508,是),初期设定部112结束基准边缘提取处理。当存在处理未结束的图案图形的情况下(步骤S508,否),初期设定部112进行步骤S509,在计数J的值增加“1”之后,进行步骤S502以继续进行处理。
[演算处理装置110中所包含的边缘提取参数生成部113的动作]
接下来,对于边缘提取参数生成部113的动作,参考图6至图13进行说明。
图6是显示本实施方式的演算处理装置110中所包含的边缘提取参数生成部113的动作的流程图。
在步骤S601中,边缘提取参数生成部113针对每个基准边缘,求得获取亮度轮廓的方向,生成亮度轮廓。对于步骤S601的处理,此后进行详细描述(参考图7)。
接下来,在步骤S602中,边缘提取参数生成部113利用检查图像与基准轮廓线,进行初期参数计算处理。对于步骤S602的处理,此后进行详细描述(参考图9)。
接下来,在步骤S603中,边缘提取参数生成部113进行初期参数平滑化处理。对于步骤S603的处理,此后进行详细描述(参考图13)。
图7是说明本实施方式的演算处理装置110中所包含的边缘提取参数生成部113的动作之中,与亮度轮廓生成处理相关的动作的流程图。
在步骤S701中,边缘提取参数生成部113将计数S值设为“0”,该计数S是用于识别作为处理对象的分段的计数。
在步骤S702中,边缘提取参数生成部113将计数N值设为“0”,该计数N是用于识别作为处理对象的基准边缘的计数。
在步骤S703中,边缘提取参数生成部113计算第S号分段的第N号基准边缘处的轮廓获取方向。对于步骤S703的处理,此后进行详细描述(图8)。
在步骤S704中,边缘提取参数生成部113生成第S号分段的第N号基准边缘处的亮度轮廓。
在步骤S705中,边缘提取参数生成部113通过将计数N与基准边缘的个数NS进行比较,来判断对于必要个数的基准边缘的处理是否结束。当对于必要个数的基准边缘的处理结束的情况下(步骤S705,是),边缘提取参数生成部113进行步骤S707的处理。当存在处理未结束的基准边缘的情况下(步骤S705,否),边缘提取参数生成部113进行步骤S706,在计数N的值增加“1”之后,进行步骤S703以继续进行处理。
在步骤S707中,边缘提取参数生成部113通过将计数S与表示分段的个数的计数MS进行比较,来判断对于必要个数的分段的处理是否结束。当对于必要个数的分段的处理结束的情况下(步骤S707,是),边缘提取参数生成部113结束边缘提取参数生成处理。当存在处理未结束的分段的情况下(步骤S707,否),边缘提取参数生成部113进行步骤S708,在计数S的值增加“1”之后,进行步骤S702以继续进行处理。
图8是说明本实施方式的图案检查装置的演算处理装置110中所包含的边缘提取参数生成部113的动作之中,亮度轮廓生成处理中的亮度轮廓的获取方向的图。
相对于所关注的第N号基准边缘802的亮度轮廓的获取方向,作为在基准边缘802的位置处的与分段800的切线方向的垂直方向来求得。例如,可以利用在分段800上的作为基准边缘802之前1个基准边缘的基准边缘801的坐标,以及在分段800上的作为基准边缘802之后1个基准边缘的基准边缘803的坐标来求得。基准边缘801的坐标为(X1,Y1),基准边缘803的坐标为(X3,Y3)的情况下,将向量(X3-X1,Y3-Y1)以使其长度为1进行标准化后作为向量(TX,TY),求得基准边缘802处与分段800的切线相当的直线810的方向向量,接下来,将与直线810垂直的直线820的方向向量(DX,DY)作为(-TY,TX)来求得。亮度轮廓在直线820上将与位置相关的坐标原点作为基准图案802的位置,生成1元函数。区间823为轮廓获取区间。本实施例中,将如下区间作为轮廓获取区间823,即:从对于基准边缘802向负侧离开预定的距离R的点821,至向正侧离开预定的距离R的点822之间的区间。亮度轮廓在轮廓获取区间823内,以子像素间隔(例如0.5像素间隔)来对像素值进行采样来生成。需要说明的是,对于像素值的采样例如可以采用双线性插值等公知手法来进行。
图9是说明本实施方式的演算处理装置110中所包含的边缘提取参数生成部113的动作之中,与初期参数计算处理相关的动作的流程图。
在步骤S901中,边缘提取参数生成部113将计数S值设为“0”,该计数S是用于对于作为处理对象的分段进行识别的计数。
在步骤S902中,边缘提取参数生成部113将计数N值设定为“0”,计数N是用于对处理对象的基准边缘进行识别的计数。
在步骤S903中,边缘提取参数生成部113在与第S号分段的第N号基准边缘相关的亮度轮廓上,求得初期参数计算区间。初期参数计算区间,可以作为如下区间来求得,即:“向上凸起的1个区间与其两侧的向下凸起的区间的总集合之中,包含基准边缘的区间”。
在找不到这样的区间的情况下,即基准边缘附近的像素的像素值仅仅只有噪声水平程度的变化的情况下,由于“轮廓获取区间内未发现适合作为测长边缘的部分”,通过后述的步骤S1401处理应该判断为缺陷候补,在初期参数计算区间的两端插入例外值,使得对于基准边缘没有对应的测长边缘。需要说明的是,对于是否平坦的判断,可以通过由教程等所指定的预定的阈值来判断,也可以通过公知的方法利用从检查图像由其他手段推定的噪声水平来进行判断,还可以利用其他方法进行判断。
在步骤S904中,边缘提取参数生成部113求取初期参数计算区间内的正侧最小值以及负侧最小值与最大值。
在步骤S905中,边缘提取参数生成部113计算第S号分段的第N个基准边缘的初期参数并登记。
在步骤S906中,边缘提取参数生成部113通过对计数N与基准边缘的个数NS进行比较,来判断对于必要个数的基准边缘的处理是否结束。当对于必要个数的基准边缘的处理结束的情况下(步骤S906,是),边缘提取参数生成部113进行步骤S908的处理。当存在处理未结束的基准边缘的情况下(步骤S906,否),边缘提取参数生成部113进行步骤S907,在计数N的值增加“1”之后,进行步骤S903以继续进行处理。
在步骤S908中,边缘提取参数生成部113通过对计数S与表示分段的个数的计数MS进行比较,来判断对于必要个数的分段的处理是否结束。当对于必要个数的分段的处理结束的情况下(步骤S908,是),边缘提取参数生成部113结束初期参数计算处理。当存在处理未结束的分段的情况下(步骤S908,否),边缘提取参数生成部113进行步骤S909,在计数S的值增加“1”之后,进行步骤S902以继续进行处理。
图10是说明本实施方式的图案检查装置的演算处理装置110中所包含的边缘提取参数生成部113的动作之中,初期参数计算处理中的初期参数计算方法的图。
利用轮廓区间内的位置1011、轮廓区间内的位置1012、轮廓区间内的位置1013以及负侧最小值VBM、正侧最小值VBP、最大值VT来计算初期参数,其中位置1011是在亮度轮廓1000上到达负侧最小值的点1001的轮廓获取区间内的位置,位置1012是到达正侧最小值的点1002的轮廓获取区间内的位置,位置1013是到达最大值的点1003的轮廓获取区间内的位置。区间1020是在轮廓获取区间内,成为与边缘提取参数的定义域[-1.0,1.0]相对应的值域的区间。轮廓1000中的基准边缘的位置的像素值为像素值VC。针对像素值VC的边缘提取参数就是初期参数。需要说明的是,从像素值变换为边缘提取参数,根据图11的定义来进行。
图11是说明本实施方式中边缘提取参数的值的意思的图。
与只使用亮度轮廓的峰的一侧(对于到达最大值的点,通过教程等来指定使用哪一侧)的现有的阈值法不同,本实施方式中,由于亮度轮廓利用了到达最大值的点1003的两侧,作为阈值的定义域不是[0%,100%]的值,还包括负值,定义域为[-1.0,1.0]。另外,为了确保亮度轮廓上的点的值的连续性,设与负侧最小值相对应的边缘提取参数1101的值为“-1”,与最大值相对应的的边缘提取参数1102的值为“±0”,与正侧最小值相对应的边缘提取参数1103的值为“+1”。符号的正负,通过相对于达到最大值的点1003的轮廓获取区间内的位置1013的大小关系来进行定义。
例如,与边缘提取参数1104相对应的边缘的位置,为与亮度轮廓1000的交点1124的位置处的位置1114,与边缘提取参数1105相对应的边缘的位置,为与亮度轮廓1000的交点1125的位置处的位置1115。这些位置是通过以基准边缘的位置802作为原点的1维坐标系来定义的,因此其本身构成与该基准边缘相对应的EPE的值。在本实施例中,检查部115的处理仅仅是基于EPE值的处理,因此没必要利用方向向量(DX,DY)来计算二维轮廓形状,但是在有必要计算二维轮廓形状的情况下,只要利用方向向量(DX,DY)与EPE值进行坐标变换即可。此时,根据需要还可以增加用于消除自己交差的处理。
需要说明的是,从像素值V向边缘提取参数的变换,只要进行如下变换即可,即:当到达像素值V的位置比到达最大值的位置1013小的情况下,变换为“(V-VT)/(VT-VBM)”,比之大的情况下变换为“(VT-V)/(VT-VBP)”。
图12是表示在本实施方式的演算处理装置110所包含的边缘提取参数生成部113的动作中,在初期参数平滑化处理中所使用的权重函数的例的图。
曲线1201被定义为随着Δp的绝对值越小而权重越大,是平滑的函数。Δp是初期参数的函数,在本实施例中,初期参数的理想值设为“0.0”,初期参数值直接使用。作为曲线1201的具体例,例如可以使用“0.5+0.5×cos(π·|Δp|)”。将初期参数的理想值设定为“0.0”以外的情况下,将与理想值之间的差值小于“-1.0”的情况设为“-1.0”,与理想值之间的差值为大于“1.0”的情况下设为“1.0”,使Δp的绝对值为“1.0”以下。需要说明的是,作为曲线1201使用的函数,不限于示例。
图13是表示本实施方式中的初期参数与边缘提取参数的例的图。
图13(a)所示的描画了基准图案的曲线1301和图13(b)所示的相当于白色带(ホワイトバンド)的突起(尾根)的曲线1302,实际上如图13(c)所示重叠的情况下,在曲线1301的位置处用于提取边缘的参数即初期参数,例如就成为如曲线1312。将该曲线1312利用图12的曲线1201所示的权重函数与预定尺寸的窗口进行加权平均后为曲线1313,该曲线1313成为作为初期参数平滑化处理S603结果而得到的边缘提取参数。轮廓线形成部114的处理,即步骤S203的处理中,由于针对每个基准边缘,利用与该基准边缘相对应的边缘提取参数来提取边缘,其结果为:对于正常部,由于初期参数与平滑化的结果的参数之间的差异较小,在基准图案附近提取边缘,对于缺陷部,由于初期参数与平滑化的结果的参数之间的差异较大,在离开基准图案的位置处提取边缘。对于曲线1313,即,在求取边缘提取参数时所使用的窗口的尺寸,使用检查用教程所记载的值,或使用通过操作终端120所具有的输入设备而由操作者所输入的值。当窗口尺寸相对较小的情况下,与窗口尺寸相对较大的情况下相比,在更接近基准图案的位置提取出测长边缘;当窗口尺寸相对较大的情况下,与窗口尺寸相对较小的情况下相比,由于提取的测长边缘能够对细微的凹凸也进行表达,可以考虑所要检测的缺陷的大小来设定窗口尺寸。
需要说明的是,在求取边缘提取参数时所使用的窗口尺寸,可以根据基准图案的形状而采用不同的值。例如,对于直线部分与拐角部分可以分别采用不同的值。这样做的目的在于,例如,当从布局图案将进行倒角来制作基准图案的情况下,可以推测角部分的偏离增大,通过将角部分的窗口尺寸减小,可以降低该部分的缺陷检测灵敏度。
[图案检查装置的演算处理装置110所包含的检查部115的动作]
接下来,对于检查部115的动作,参考图14至图16进行说明。
图14是显示本实施方式中图案检查装置的演算处理装置110所包含的检查部115的动作的流程图。本实施方式中,检查部115将与设计数据的形状相比变形较大的部分作为缺陷区域而检测并输出。
当缺陷判定处理开始后,首先,检查部115在步骤S1401中,将EPE为第一阈值以上的基准边缘作为缺陷候补而提取,并登记在缺陷候补的列表中。第一缺陷判定阈值是与“被认定为缺陷发生风险较高的、相比于设计数据的偏移量”相当的值,作为具体值,可以使用检查用教程中所记载的值,或使用通过操作终端120所具有的输入设备而由操作者所输入的值。需要说明的是,“被认定为缺陷发生风险较高的、相比于设计数据的偏移量”相当于现有的作为“公差”而给出的值。
缺陷候补列表是有可能作为最终缺陷区域而输出的基准轮廓线上的区间信息,被设定成对于各缺陷候补保存所谓“从第S号分段的第Ns号基准边缘至第Nt号基准边缘”的信息。缺陷候补的列表的内容,在步骤S1401至S1403的处理中通过检查部115进行适当更新,在到达步骤S1404的处理阶段,与在缺陷候补列表中残留的区间相对应的部位,作为最终缺陷区域而输出。
需要说明的是,由于在步骤S903处理中未发现初期参数计算区间等原因,将未对应上测长边缘的基准边缘处的EPE值,作为无穷大进行处理。
接下来,检查部115在步骤S1402中,将缺陷候补扩展至EPE为第二缺陷判定阈值以上的基准边缘。第二缺陷判定阈值是小于第一缺陷判定阈值的值,可以使用检查用教程中所记载的值,或使用通过操作终端120所具有的输入设备而由操作者所输入的值。检查部115对缺陷候补列表中所对应的缺陷候补信息进行更新(即,扩展区间),当成为多个缺陷候补连续的区间的情况下,将该多个缺陷候补作为1个区间进行合并,将所述多个缺陷候补从缺陷候补列表中去除,在此之上,将被合并的区间追加到缺陷候补列表中。
步骤S1402的处理是用于抑制如下误判断的处理,即:由于测长轮廓线的形状的细小凹凸,缺陷区域被分割,在后述的使用第三缺陷判定阈值的判断中而被判断为虚报。需要说明的是,第二缺陷判定阈值可以使用如下的统计方法来求得,即:使用判别分析法(大津算法)求得正常部的EPE平均值与标准偏差,利用这些值进行计算等。
接下来,检查部115在步骤S1403中,对于缺陷候补列表中所登记的各个缺陷候补,判断是否为虚报,是虚报的情况下从缺陷候补的列表中去除。具体而言,使用与需要检测的缺陷大小相当的第三缺陷判定阈值,判断所提取的缺陷候补在基准轮廓线上是否具有预定的长度,将在基准轮廓线上未到达预定长度的缺陷候补作为虚报而去除。作为“长度”,例如可以使用基准边缘的个数。
接下来,检查部115在步骤S1404中,合并缺陷候补,生成缺陷信息。具体而言,将所提取的缺陷候补中在图像上相近接的缺陷作为1个缺陷区域进行合并,求得经合并的缺陷区域的外接矩形,将该外接矩形的中心位置作为缺陷位置,另外,将外接矩形的大小作为缺陷的大小,进行登记。需要说明的是,当所输出的缺陷区域的个数无需减少的情况下,可以省略缺陷区域的合并处理。
在步骤S1404的结束之后,检查部115结束缺陷判定处理。
图15是直觉地说明本实施方式中图案检查装置的演算处理装置110所包含的检查部115的动作的图。在图15中,图15(a)为表示缺陷判定处理的初期状态的图,图15(b)为表示利用第一缺陷判定阈值检测出的缺陷候补的状态的图,图15(c)为表示利用第二缺陷判定阈值对缺陷候补进行扩展的图。
缺陷判定处理,从如图15(a)的初期状态,通过依次参考基准轮廓线1500上的基准边缘(例如基准边缘1501)和与该基准边缘相对应的测长边缘(例如测长边缘1511)之间的距离,即EPE的值来进行。
步骤S1401中的处理中,将EPE为第一阈值以上的基准边缘,作为缺陷候补进行提取。在图15(b)的情况下,将EPE为第一缺陷判定阈值1521以上的基准边缘,即基准边缘1502、基准边缘1503、基准边缘1504、基准边缘1505以及基准边缘1506作为缺陷候补进行提取。
在步骤S1402的处理中,缺陷候补被扩展至EPE为第二阈值以上的基准边缘。在图15(c)的情况下,沿着基准轮廓线1500,依次参考与作为缺陷候补而被提取的基准边缘,即基准边缘1502、基准边缘1503、基准边缘1504、基准边缘1505以及基准边缘1506所相邻的基准边缘的EPE,将缺陷候补扩展,直至EPE小于第二缺陷判定阈值1522的基准边缘之前为止。通过如此扩展所得到的缺陷候补为缺陷候补1530及缺陷候补1531。
在步骤S1403的处理中,对于缺陷候补1530及缺陷候补1531,判断是否为虚报。在本实施方式,通过观察在基准轮廓线上的长度来判断是否为虚报,因此,例如,当第三缺陷判定阈值为“5”的情况下,长度为“8”的缺陷候补1530不能被判断为虚报,最终作为缺陷而被输出,而长度为“3”的缺陷候补1531则被判断为虚报,被从缺陷候补的列表中删除。
图16是说明本实施方式中从图案检查装置所输出的检查结果的图像的内容的图。检查结果的图像,基于参考图14至图15所说明的缺陷判定处理的结果所得到的缺陷信息,由检查部115来生成,例如,通过演算处理装置110而显示在操作终端120所具有的图像显示装置中。
本实施方式中,如果描画基准轮廓线,则形成如图16(a)所示的图像,当得到的检查图像为如图16(b)的情况下,检查部115将图16(c)或图16(d)所示的图像作为检查结果图像而生成。需要说明的是,图16(b)的检查图像,是表示在图像中包含了非正常的图案的图像。即表示如下情况,图案图形1601整体上较细,图案图形1602中一部分可确认为较粗,其粗细程度可以作为缺陷而被检测出。
图16(c)是用于将与所检测出的缺陷区域相关信息由操作终端120的操作者进行确认的图像。检查部115在该图像的左上区域1611中切取与缺陷区域相对应的区域的检查图像进行描画,在右上区域1612中切取与缺陷区域相对应的区域的基准图案进行描画,在右下区域1613中重叠与缺陷区域相对应的区域的测长轮廓线与基准图案进行描画,在左下区域1614中描画被判断为具体缺陷的部位1622,由此,生成该图像。需要说明的是,缺陷部位1622与图16(b)的检查图像中图案图形1602的较粗部分相对应。缺陷部位1622的描画,例如可以通过如下来实施,即:将缺陷部位所包含的基准轮廓线以及与此对应的测长轮廓线、以及对应的基准边缘与测长边缘进行连结,对连接的直线所包围的区域进行涂抹来实施即可,但缺陷部位1622的描画方法不限于此,例如,可以使用如下方法,即在与缺陷部位相关联的轮廓线描画之后,使用形态滤波(モルフォロジカルフィルタ)来描画的方法。
图16(d)是用于由操作终端120的操作者确认各局部区域的边缘提取参数到底从平均值偏离了多少的图像。检查部115对于各基准边缘,计算与该基准边缘相对应的边缘提取参数和边缘提取参数的基准值(例如,对与各个基准边缘相对应的边缘提取参数进行平均的值)之间的差的绝对值,在计算出的值相对较大的情况下,用相对较粗或相对较大的像素值来描画该基准边缘,在计算出的值相对较小的情况下,用相对较细或相对较小像素值来描画该基准边缘,由此,生成如图16(d)的图像。在这样的方法所生成的图16(d)的图像中,以如下的视觉上所捕捉到的形式来表现,即:在图16(b)的检查图像中整体上较细的图案图形1601相对应的部分成为粗线部分1631,在图16(b)的检查图像中图案图形1602的较粗部分成为粗线部分1632。因此,例如,可以用于如下用途,即:观察拍摄内的曝光条件的变化,进行所谓“模具的这一边的图案形状容易不稳定”的分析的用途,或确认扫描器有无异常的用途等。需要说明的是,还可以替代边缘提取参数而使用初期参数(即边缘提取参数的初期值),来生成与图16(d)同样的图像。另外,作为用于判断边缘提取参数自身是否为缺陷区域的1个评价指标,还可以将边缘提取参数与其他相比不同的部分判断为缺陷区域而输出。
如此,通过关注边缘提取参数来生成图像,与通过图案间的尺寸评价进行的缺陷判定不同,基于该观点,对于其他的图案区域能够将预测的相对而言缺陷发生风险较高的图案部位进行提取。
如上,根据本发明的第1实施方式的构成为:利用检查图像与基准轮廓线生成用于从检查图像提取边缘的边缘提取参数,使得正常部的边缘在基准轮廓线的附近提取,基于所生成的边缘提取参数对从检查图像所求得的边缘与基准边缘进行比较来进行检查,通过这样构成,能够降低噪声等的影响,提高检查结果的可靠性。尤其是,在检查时,由于能够降低如在制造被检查图案时的拍摄内焦点距离、曝光量变化所引起的大区域的形状变形的影响,非常适用于探测掩模缺陷的用途。
需要说明的是,还可以构成为具有范围指定部,该范围指定部输入适当的值(作为边缘提取参数生成部104所生成的边缘提取参数的值)的范围,从而操作终端120的操作者可以指定边缘提取参数的值的范围。通过如此构成,能够抑制如下的失报现象,即:通过超过某范围(作为边缘提取参数的调节范围而被判断为适当的范围)而生成的边缘提取参数所提取的边缘,本应作为缺陷而被检测出的部分但未被检测出。边缘提取参数生成部104所生成的值作为边缘提取参数是适当的值的这一范围,可以通过检查用教程进行指定。
另外,在所述实施方式中,作为从初期参数求取边缘提取参数的方法,利用加重平均,但是,从初期参数求取边缘提取参数的方法不限于此,还可以利用曲线近似等其他手法进行求取。
另外,在所述实施方式中将“0.0”作为理想值来求得Δp值,但是本发明的实施方式不限于此,例如,还可以将每个图案图形或每个检查图像的初期参数的平均值作为理想值进行求取。
另外,在上述实施方式中,虽然对于每个基准边缘求得1个边缘提取参数,但本发明实施方式不限于此,例如,还可以以图案图形为单位求得1个边缘提取参数。具体而言,例如,可以将属于图案图形的基准边缘的初期参数的平均值作为边缘提取参数,或者也可以构成为搜索边缘提取参数以使得测长轮廓线相对于基准轮廓线的相关性最好。通过如此构成,可以抑制测长边缘被相对于基准边缘过度拟合的现象。同样地,对于推测为曝光条件在检查图像内为固定的情况下,还可以构成为针对检查图像整体求得1个边缘提取参数。
另外,对测长轮廓线与基准轮廓线进行比较的方法以及检查结果的输出方式以及输出目的地,不限于图14至图16以及相应的说明中所示例出的,可以根据用途进行各种变形。例如,对于检查结果的输出形态,可以是用于目视确认的、除示例之外的图像信息,也可以是用于分析等的、缺陷区域的坐标或大小、缺陷类别、判断可靠度这类的信息,还可以是将这两种进行关联而输出。另外,检查结果的输出目的地,不仅限于操作终端120,还可以是外部的存储装置,也可以通过网络发送到其他系统。
另外,本实施方式例如也可以适用于光刻工艺后与刻蚀工艺后的图案形状比较等、不同工艺间的图案形状的比较。例如,可以采用两者通用的设计数据进行检查。或者,可以将从一方所形成的轮廓线作为基准轮廓线,来检查另一方。对于不同工艺间的图案形状进行比较的情况下,通常轮廓形状相互不同,因此,如本发明,通过使用从检查图像适应性地所求得的边缘提取参数来进行处理,与使用预定的边缘提取参数的情况相比,可以提高检查结果的可靠性。需要说明的是,在适用于对不同工艺间的图案形状进行比较的情况下,将一方所形成的轮廓线作为基准轮廓线来检查另一方的情况下,考虑到“能够抑制轻微的粗糙度的影响”这一点是本实施方式的一个特征,优选将相对粗糙度较小一方的轮廓线作为基准轮廓线。因此,可以将刻蚀工艺后的图案形状作为基准轮廓线,来评价光刻工艺后的抗蚀剂的图案形状。需要说明的是,如果推定在不同工艺的图案形状之间存在设计上的差异的情况下,可以以所推定的差异的程度来将基准轮廓线进行膨胀或收缩处理,由此能够进一步提高检查结果的可靠性。
<第1实施方式的第1变形例>
以下,对于第1实施方式的第1变形例,参考图17至图25及图43进行说明。本变形例是对于如下情况尤其适用的例子,即:对于从基准图案的偏离较大而在步骤S903的处理中不能发现初期参数计算区间的案例,希望更加准确地把握缺陷部位的形状的情况并且发生桥接(ブリッジング)或缩颈的案例,不仅将该区域作为缺陷区域而检测出,还希望同时对“桥接”或“缩颈”等缺陷类别进行判断的情况。本变形例的图案检查装置,相对于第一实施方式的图案检查装置,主要是轮廓线形成部114的动作不同。具体而言,本变形例中,轮廓线形成部114在通过边缘提取参数生成处理所生成的边缘提取参数来形成缺陷检测用测长轮廓线之后,实施测长轮廓线修复处理。为此,下面对于测长轮廓线修复处理进行说明。
图17是说明本实施方式的变形例的演算处理装置中所包含的轮廓线形成部114的动作之中,与测长轮廓线修复处理相关的动作的流程图。
当测长轮廓线修复处理开始后,轮廓线形成部114在步骤S1701中,利用与轮廓的峰位置相当的边缘提取参数(即“0.0”)来形成第一图像轮廓线。所谓图像轮廓线,是在图像上连结明亮部分所形成的轮廓线,在将像素值视作高度时,是与突起(脊线)相当的轮廓线。在本实施方式中,作为轮廓图像(即:将形成图像轮廓线的像素的像素值作为“1(前景)”,将此之外的像素的像素值作为“0(背景)”的图像)以像素单位进行管理,在需要子像素精度的坐标的情况下,根据具体情况通过插值计算来求得坐标值。但是,也可以使用公知方法(例如专利文献1等),预先生成具有子像素的坐标精度的轮廓线,通过公知数据结构作为几何信息进行管理。第一图像轮廓线,对于存在相对应的测长边缘的每个基准边缘,使用与轮廓的峰位置相当的边缘提取参数来提取边缘,由此来形成。需要说明的是,对于相互邻接的基准边缘所分别对应的图像边缘(本实施方式中是指构成图像轮廓线的像素,作为几何信息进行管理的情况下,意味着子像素精度的边缘的位置),在轮廓图像上不为同一像素,或是彼此不相邻接的像素的情况下,将这些像素之间例如由直线进行插值来保持连结性。
接下来,在步骤S1702中,轮廓线形成部114将检查图像进行二值化处理形成图像轮廓线候补区域。具体而言,在将检查图像进行二值化之时,将像素值属于较大侧的类别的像素集合作为图像轮廓线候补区域。形成图像轮廓线候补区域的处理,可以采用公知方法来实施。例如,可以基于采用以判别分析法(Discriminant analysis;大津算法)为首的公知阈值确定方法所求得的阈值将检查图像进行二值化,也可以通过动态阈值处理对于检查图像的每个部分区域求得不同的阈值进行二值化。另外,在求阈值之时,可以采用第一图像轮廓线的信息。
接下来,在步骤S1703中,轮廓线形成部114从图像轮廓线候补区域与第一图像轮廓线通过附加掩模进行细线化处理来形成第二图像轮廓线。具体而言,在检查图像的坐标系中,将图像轮廓线候补区域与第一图像轮廓线进行重叠描画,在此之上,在保持第一图像轮廓线的位置的情况下进行细线化处理,在得到的细线化上的像素中,将第一图像轮廓线中所不包含的像素的集合作为第二图像轮廓线。需要说明的是,对于附加掩模进行细线化处理的具体情况,此后进行详细描述(参考图18)。
接下来,在步骤S1704中,轮廓线形成部114基于基准轮廓线,求得与欠损区间的两端相对应的第一图像轮廓线上的2点。具体而言,顺着作为有向曲线而保存的、基准轮廓线上的基准边缘而追溯,将满足“虽然存在与自身相对应的第一图像边缘,但是不存在与其本身的下一个基准边缘相对应的第一图像边缘”这一条件的基准边缘相对应的第一图像边缘作为“欠损区间的始点”,将满足“虽然存在与自身相对应的第一图像边缘,但是不存在与其本身的之前一个基准边缘相对应的第一图像边缘”这一条件的基准边缘相对应的第一图像边缘作为“欠损区间的终点”来进行求取。所求得的“欠损区间始点”及“欠损区间终点”,将其作为一组登记在欠损区间列表中。具体而言,只要登记“从第S号分段的第Ns号基准边缘至第Nt号基准边缘”这一信息即可。欠损区间列表,在步骤S1705的欠损内测长轮廓线修复处理,以及步骤S1706的欠损间测长轮廓线修复处理中被参考。需要说明的是,根据获取检查图像时的视野(FOV)不同,有可能存在如下情况,即:仅仅存在欠损区间的始点或终点的一方。在此情况下,在登记至欠损区间列表之时,当不存在始点的情况下在始点侧的识别码Ns中存入例外值,在不存在终点的情况下在终点侧的识别码Nt中存入例外值。即使仅存在欠损区域的始点或终点的一方的情况下也要登记到欠损区间列表中,是为了在步骤S1706的欠损间测长轮廓线修复处理中有可能被使用。在欠损区间列表中所登记的欠损区间的个数,在步骤S1705的欠损内测长轮廓线修复处理以及步骤S1706的欠损间测长轮廓线修复处理中能够得以参考,因此,例如将保存欠损区间数的计数KT在测长轮廓线修复处理开始时初期化为“0”,在欠损区间列表中登记欠损区间之时将该计数KT的值也增加“1”,在步骤S1704的处理中进行计数。
步骤S1704的处理结束后,轮廓线形成部114在步骤S1705中,进行此后参考图19进行描述的欠损内测长轮廓线修复处理,进一步,在步骤S1706中,进行此后参考图20进行描述的欠损间测长轮廓线修复处理,之后结束测长轮廓线修复处理。
图18是说明在本实施方式的变形例的演算处理装置中所包含的轮廓线形成部的动作之中,测长轮廓线修复处理中与附加掩模进行细线化处理相关的动作的图。
图18(a)是显示描画了第一图像轮廓线的状态的图,所涂抹的像素与构成第一图像轮廓线的像素相对应。图18(b)是在第一图像轮廓线之外还重叠描画了图像轮廓线候补区域的图,用粗线所描画的像素与构成图像轮廓线候补区域的像素相对应。图18(c)是显示附加掩模进行细线化处理的结果的图,用粗线描画的、涂抹的像素,与构成第二图像轮廓线的像素相对应。如此,附加掩模的细线化处理的目的在于在保持第一图像轮廓线的位置的条件下直接求得与第一图像轮廓线相连的第二图像轮廓线。
作为形成图18(b)至图18(c)的方法,可以使用公知方法,本实施方式中,作为一例,使用Hilditch的细线化算法。此时,预先将成为更新对象的像素(即,存在通过细线化处理而从前景变化至背景的可能性的像素)按照光栅顺序(从左至右)在列表上登记,对于奇数次的反复处理顺着列表从头至尾追溯进行处理,对于偶数次的反复处理顺着从尾至头追溯进行处理等,从不同的方向切削粗线状区域以形成细线状。此时,收敛判断,以奇数次的反复处理与偶数次的反复处理作为一组,在偶数次处理结束时进行实施。通过在成为更新对象的像素列表中不登记构成第一图像轮廓线的像素,从而可以在保持第一图像轮廓线位置的条件下,进行细线化。
需要说明的是,在第一图像轮廓线包含闭路,而该闭路的整体为图像轮廓线候补区域的情况下,对于该图像轮廓线候补区域不进行细线化而保留下来。对此,为了实现本实施方式中的测长轮廓线修复处理的目的,可以实施如下处理。即,在图18(c)的状态下,除去构成第一图像轮廓线的像素,将构成第二图像轮廓线的像素分解成连结成分。所得到的连结成分中,由于有必要进行测长轮廓线修复处理的仅仅是连结第一图像轮廓线中2个以上端点的连结成分,将构成不能连结第一图像轮廓线中2个以上端点的连结成分的像素从第二图像轮廓线削除。此处,第一图像轮廓线中的端点是指仅与构成第一图像轮廓线的1个像素相邻的、构成第一图像轮廓线的像素。
图19是说明本实施方式的变形例的演算处理装置中所包含的轮廓线形成部的动作之中,测长轮廓线修复处理中与欠损内测长轮廓线修复处理相关动作的流程图。欠损内测长轮廓线修复处理是,对于由于“所要求取的测长边缘的位置很大程度地偏离基准边缘,从而通过步骤S903的处理不能发现初期参数计算区间”等理由成为欠损区间的区间,能够通过适当地设定获取亮度轮廓的区间,以与基准边缘相对应地求取测长边缘情况下的处理,对于欠损区间内的各基准边缘,利用图像轮廓线来求得获取亮度轮廓的区间,进行反复使用插入的边缘提取参数来求测长边缘的处理,由此来进行测长轮廓线的修复处理。欠损内测长轮廓线修复处理的直观性说明,参考图21至图23,此后进行详细描述。
当欠损内测长轮廓线修复处理开始后,轮廓线形成部114首先在步骤S1901中,将用于识别作为处理对象的欠损区间的计数K的值设为“0”。
接下来,在步骤S1902中,轮廓线形成部114在第二图像轮廓线上求取连结与第K号欠损区间始点相对应的图像边缘以及与第K号欠损区间的终点相对应的的图像边缘的最短路径。具体而言,以与第K号欠损区间始点相对应的图像边缘、与第K号欠损区间的终点相对应的图像边缘、第二图像边缘的每一个为顶点,在轮廓图像上将在8附近的相邻图像边缘之间通过边进行连结,以像素中心间的距离作为边的权重来制作加权无向图,通过代克思托演算法来求取即可。
需要说明的是,在欠损区间的列表中,在作为第K号欠损区间的始点或终点的识别码而登记了例外值的情况下,不进行求最短路径的处理,而作为“未发现最短路径”来进行步骤S1903的处理。
接下来,在步骤S1903中,轮廓线形成部114判断步骤S1902的处理结果有无发现最短路径。当发现最短路径的情况下(步骤S1903,是),轮廓线形成部114进行步骤S1904的处理,开始第K号欠损区间的修复处理。当未发现最短路径的情况下(步骤S1903,否),轮廓线形成部114结束第K号欠损区间的修复处理,进行步骤S1908的处理。
在步骤S1904中,轮廓线形成部114将用于识别作为处理对象的基准边缘的计数N的值设为“0”。作为处理对象的基准边缘,将第K号欠损区间的始点的下一个基准边缘对应为“N=0”,接下来,依次地,直至第K号欠损区间的终点之前的基准边缘,将N的值每次增加一个进行对应。
接下来,在步骤S1905中,轮廓线形成部114对于第K号欠损区间中所包含的第N号基准边缘,求取最短路径上的对应点。最短路径上的对应点,可以作为如下交点来求取,即:与图8同样地求得与所关注的第N号基准边缘的位置处的基准轮廓线的切线方向的垂直方向,在此之上,从所述关注的第N号基准边缘沿着该垂直方向延伸的直线与所述最短路径相对应部分的图像轮廓线之间的交点。
接下来,在步骤S1906中,轮廓线形成部114对于第K号欠损区间所包含的N号基准边缘,以包含最短路径上的对应点的区间来生成亮度轮廓,使用插值边缘提取参数来计算测长边缘。边缘提取参数的插值,可以使用与第K号欠损区间始点相应的基准边缘所对应的边缘提取参数,和与第K号欠损区间的终点相应的基准边缘所对应的边缘提取参数,通过线性插值来实施,但也可以使用线性插值之外的方法来实施,例如通过增加所参考的基准边缘数而使用高阶内插公式等。
步骤S1907中,轮廓线形成部114通过将计数N值与第K号欠损区间所包含的基准边缘个数进行比较,来判断对于第K号欠损区间中所包含的所有的基准边缘是否完成了测长边缘的计算。第K号欠损区间中所包含的基准边缘个数,可以从第K号欠损区间的始点的识别码与终点的识别码通过计算求得。在第K号欠损区间中所包含的所有的基准边缘完成了测长边缘的计算的情况下(步骤S1907,是),轮廓线形成部114结束第K号欠损区间的修复处理,将第K号欠损区间标示为“完成修复”,进行步骤S1908的处理。当存在测长边缘的计算未结束的基准边缘的情况下(步骤S1907,否),轮廓线形成部114进行步骤S1909,在将计数N值增加“1”后,进行步骤S1905,继续进行第K号欠损区间的修复处理。
在步骤S1908中,轮廓线形成部114通过将计数K值与欠损区间个数KT进行比较,来判断是否对于所有的欠损区间修复处理结束。对于所有的欠损区间修复处理结束的情况下(步骤S1908,是),轮廓线形成部114结束欠损内测长轮廓线修复处理。在存在修复处理未结束的欠损区间的情况下(步骤S1908,否),轮廓线形成部114进行步骤S1910,在将计数K值增加“1”之后,进行步骤S1902继续进行处理。
图20是说明本实施方式的变形例的演算处理装置中所包含的轮廓线形成部的动作之中,测长轮廓线修复处理中与欠损间测长轮廓线修复处理相关的动作的流程图。欠损间测长轮廓线修复处理,是处于缩颈或桥接的状态下的情况等,不能对应基准边缘而求得测长边缘的情况下的所必要的处理,从与图像边缘所对应生成的亮度轮廓,使用插值边缘提取参数反复进行求取测长边缘的处理,由此对测长轮廓线进行修复的处理。对于在欠损间测长轮廓线修复处理开始时未结束修复的欠损区间,当在欠损间测长轮廓线修复处理结束结束修复的情况下,就处于缩颈或桥接状态,当在欠损间测长轮廓线修复处理结束时而未结束修复的情况下,处于由于图案崩塌等产生的白色带消失的状态,由此可以进行缺陷种类的判断。究竟是缩颈和桥接的哪一个状态,可以通过测长轮廓线的修复部分位于欠损部分基准轮廓线的左右哪一侧来判断。欠损间测长轮廓线修复处理的直观性说明,参考图21、图24、图25以及图43此后进行详细描述。
当欠损间测长轮廓线修复处理开始后,轮廓线形成部114首先在步骤S2001中,将用于识别作为处理对象的欠损区间的计数K值设为“0”。
接下来,在步骤S2002中,轮廓线形成部114判断第K号欠损区间是否完成修复。判断第K号欠损区间是否完成修复,只要判断第K号欠损区间是否被标示了“完成修复”即可。需要说明的是,判定方法不限于此,例如,也可以判断对在第K号欠损区间内的基准边缘是否对应了测长边缘。在第K号欠损区间完成修复的情况下(步骤S2002,是),则轮廓线形成部114在第K号欠损区间的相关修复处理结束,进行步骤S2009处理。在第K号欠损区间未完成修复的情况下(步骤S2002,否),轮廓线形成部114进行步骤S2003的处理。
在步骤S2003中,轮廓线形成部114在第二图像轮廓线上,求取连结与第K号欠损区间始点相对应的图像边缘以及与其他欠损区间的终点相对应的图像边缘的最短路径。具体而言,以与第K号欠损区间始点相对应的图像边缘、与未完成修复的其他欠损区间的所有终点相对应的图像边缘、第二图像边缘的每一个为顶点,在轮廓图像上将在8附近的相邻图像边缘之间通过边进行连结,以像素中心间的距离作为边的权重来制作加权无向图,通过代克思托演算法来求取即可。
接下来,在步骤S2004中,轮廓线形成部114判断有无发现最短路径。当发现最短路径的情况下(步骤S2004,是),轮廓线形成部114进行步骤S2005的处理,开始第K号欠损区间的修复处理。当未发现最短路径的情况下(步骤S2004,否),轮廓线形成部114结束第K号欠损区间的修复处理,进行步骤S2009的处理。此处,“与第K号欠损区间相关的修复处理”是指,用于求取连结第K号欠损区间始点与其他欠损区间终点的测长轮廓线的处理。
在发现了最短路径的情况下,轮廓线形成部114在步骤S2005中用多个修复用边缘来对发现的最短路径进行分割。用多个修复用边缘来对发现的最短路径进行分割的处理,是与步骤S302及图5中所说明的基准边缘的提取处理相同的处理。即,求得所发现的最短路径的长度LK,基于给予的最大采样间隔P,计算对于该最短路径的采样间隔PK与修复用边缘个数NK。即,当LK能被P整数分割的情况下,在最短路径被(LK/P)等分的位置处配置修复用边缘。这种情况下,PK与P相等,NK由于除去了两端而成为(P/LK-1)。当LK不能被P整数分割的情况下,可以考虑在最短路径被(LK/P+1)等分的位置处配置修复用边缘,同样进行求取。
在步骤S2006中,轮廓线形成部114将用于识别作为处理对象的修复用边缘的计数N值设为“0”。
在步骤S2007中,轮廓线形成部114对于第K号欠损区间所包含的N号修复用边缘来生成亮度轮廓,使用插值边缘提取参数来求取测长边缘。对于欠损间测长轮廓线修复处理,由于不存在与欠损区间相对应的部分的基准轮廓线,在制作亮度轮廓时,代替基准边缘而使用修复用边缘,代替在基准轮廓线的垂直方向上制作亮度轮廓而在图像轮廓线的垂直方向上制作亮度轮廓,由此来实施。另外,边缘提取参数的插值与步骤S1906的处理相同,可以使用与第K号欠损区间始点相应的基准边缘所对应的边缘提取参数,和与第K号欠损区间的终点相应的基准边缘所对应的边缘提取参数,通过线性插值来实施。也可以与步骤S1906同样地,使用线性插值之外的方法来实施,例如通过增加所参考的基准边缘数而使用高阶内插公式等。
步骤S2008中,轮廓线形成部114通过将计数N值与修复用边缘的个数NK进行比较,来判断对于所有的修复用边缘是否完成了测长边缘的计算。在对于所有的修复用边缘完成了测长边缘的计算的情况下(步骤S2008,是),轮廓线形成部114结束第K号欠损区间的修复处理,将第K号欠损区间标示为“完成修复”,进行步骤S2009的处理。当存在测长边缘的计算未结束的修复用边缘的情况下(步骤S2008,否),轮廓线形成部114进行步骤S2010,在将计数N值增加“1”后,进行步骤S2007,继续进行第K号欠损区间的修复处理。
在步骤S2009中,轮廓线形成部114通过将计数K值与欠损区间个数KT进行比较,来判断是否对于所有的欠损区间修复处理结束。对于所有的欠损区间修复处理结束的情况下(步骤S2009,是),轮廓线形成部114结束欠损间测长轮廓线修复处理。在存在修复处理未结束的欠损区间的情况下(步骤S2009,否),轮廓线形成部114进行步骤S2011,在将计数K值增加“1”之后,进行步骤S2002继续进行处理。
[测长轮廓线修复处理的直观说明]
以下,对于通过图17至图20进行了说明的测长轮廓线修复处理的处理流程,参考图21至图25及图43,进行更直观的说明。需要说明的是,在图21至图25及图43中,同一标记表示同一装置或部件。
图21是在由图17所说明的测长轮廓线修复处理中,步骤S1701的处理结束的状态。对应于基准轮廓线2100中分别求得了测长轮廓线2110及测长轮廓线2111的各个区间,形成第一图像轮廓线2120及第一图像轮廓线2121,对应于基准轮廓线2130中分别求得了测长轮廓线2140及测长轮廓线2141的各个区间,形成第一图像轮廓线2150及第一图像轮廓线2151。图21的状态下,在基准轮廓线2100上相连续的3个基准边缘,即基准边缘2102、基准边缘2103、基准边缘2104之中,由于不存在与基准边缘2103相对应的测长边缘,从基准边缘2102至基准边缘2104之间的区间就成为“欠损区间”,成为对测长轮廓线进行修复的对象。同样地,由于不存在与基准边缘2133相对应的测长边缘,从基准边缘2132至基准边缘2134之间的区间就成为“欠损区间”,成为对测长轮廓线进行修复的对象。
测长轮廓线的修复,优先以能与基准轮廓线取得对应的形状进行修复,但是在发生桥接或缩颈的情况等下,也存在以能与基准轮廓线取得对应的形状进行修复是不恰当的情况。因此,本变形例中,在尝试通过欠损内测长轮廓线修复处理以能与基准轮廓线取得对应的形式进行修复之后,对于不能以与基准轮廓线取得对应的形状进行修复的欠损区间,进行通过欠损间测长轮廓线修复处理不能取得与基准轮廓线的对应的情况的修复。
在图21的状态,通过欠损内测长轮廓线修复处理(S1705)进行了测长轮廓线的修复的情况下,得到这样的情形:在测长边缘2112与测长边缘2114之间追加测长边缘,使得测长轮廓线2110与测长轮廓线2111相连形成1个测长轮廓线,或者在测长边缘2142与测长边缘2144之间追加测长边缘,使得测长轮廓线2140与测长轮廓线2141相连形成1个测长轮廓线。后述的通过图22及图23所说明的例,即相当于这样的情况。
在图21的状态,通过欠损间测长轮廓线修复处理(S1706)进行了测长轮廓线的修复的情况下,得到这样的情形:在测长边缘2112与测长边缘2144之间追加测长边缘,使得测长轮廓线2110与测长轮廓线2141相连形成1个测长轮廓线,或者在测长边缘2142与测长边缘2114之间追加测长边缘,使得测长轮廓线2140与测长轮廓线2111相连形成1个测长轮廓线。后述的通过图24及图25所说明的例,即相当于这样的情况。
图22是在步骤S1703中所形成的第二图像轮廓线与基准轮廓线之间取得了对应的情况下的例子。在图22的例的情况下,首先在步骤S1703形成第二图像轮廓线2220及第二图像轮廓线2250。接下来,在步骤S1704,求取与欠损区间的两端相对应的第一图像轮廓线上的2点,始点2122及终点2124以及始点2152及终点2154。接下来,在步骤S1902,求出连结始点2122与终点2124的最短路径的第二图像轮廓线2220,以及连结始点2152与终点2154的最短路径第二图像轮廓线2250(如上,参考图22(a))。接下来,在步骤S1905,从基准边缘2103探索基准边缘2103上的轮廓获取方向,由此求得最短路径上的对应点2223,另外,从基准边缘2133探索基准边缘2133上的轮廓获取方向,由此求得最短路径上的对应点2253。接下来,在步骤S1906,基于在基准边缘2103上的轮廓获取方向,以包含基准边缘2103的对应点2223的范围制作亮度轮廓,使用由基准边缘2102的边缘提取参数与基准边缘2104的边缘提取参数所插值的边缘提取参数,求得测长边缘2213。另外,同样地,求得与基准边缘2133相对应的测长边缘2243(如上,参考图22(b))。
图23可有多个不同解释,是可以解释为在步骤S1703所形成的第二图像轮廓线与基准轮廓线之间取得对应的情况的例子。在图23的例的情况下,首先,在步骤S1703,形成第二图像轮廓线2320及第二图像轮廓线2350。但是,在步骤S1703的时刻,第二图像轮廓线2320与第二图像轮廓线2350不是分别形成的轮廓线,是以“X”形状形成的1个连结区域。接下来,在步骤S1704,求取与欠损区间的两端相对应的第一图像轮廓线上的2点,始点2122及终点2124以及始点2152及终点2154。接下来,在步骤S1902中,求得连结始点2122与终点2124的最短路径的第二图像轮廓线2220,以及连结始点2152与终点2154的最短路径的第二图像轮廓线2250。即,在步骤S1703时以“X”形状作为1个连结区域的图像轮廓线,在步骤S1902处理结束的阶段,被识别为第二图像轮廓线2220与第二图像轮廓线2250这两个图像轮廓线(如上,参考图23(a))。接下来,在步骤S1905,从基准边缘2103探索基准边缘2103上的轮廓获取方向,由此求得最短路径上的对应点2323,另外,从基准边缘2133探索基准边缘2133上的轮廓获取方向,由此求得最短路径上的对应点2353。此处,在图23(b)的例是对应点2353为与对应点2323处于相同位置的情况的例。接下来,在步骤S1906,基于在基准边缘2103上的轮廓获取方向以包含基准边缘2103的对应点2323的范围制作亮度轮廓,使用由基准边缘2102的边缘提取参数与基准边缘2104的边缘提取参数所插值的边缘提取参数,求得测长边缘2313。另外,同样地,求得与基准边缘2133相对应的测长边缘2343(如上,参考图23(b))。
图24是步骤S1703所形成的第二图像轮廓线与基准轮廓线之间不能对应的情况下的第一例。在图24的例的情况下,首先,在步骤S1703形成第二图像轮廓线2420及第二图像轮廓线2450。接着,在步骤S1704,求得与欠损区间的两端相对应的第一图像轮廓线上的2点,始点2122及终点2124以及始点2152及终点2154。接下来,在步骤S1902,试图求出连结始点2122与终点2124的最短路径,以及连结始点2152与终点2154的最短路径,但是由于不能求得,因此在步骤S2003求出始点2122与任一终点连结的最短路径,以及连结始点2152与任一终点的最短路径。在图24的例的情况下,作为这样的最短路径,求取第二图像轮廓线2420及第二图像轮廓线2450(如上,参考图24(a))。接下来,在步骤S2005,将作为连结始点2122的最短路径的第二图像轮廓线2420进行分割,得到修复用边缘2421及修复用边缘2422。另外,同样地,将作为连结始点2152的最短路径的第二图像轮廓线2450进行分割,得到修复用边缘2451及修复用边缘2452。接下来,在步骤S2007中,将修复用边缘2421的位置处的第二图像轮廓线2420的法线方向作为轮廓获取方向,制作修复用边缘2421的位置处的亮度轮廓,从基准边缘2102中的边缘提取参数和基准边缘2134中的边缘提取参数,利用插值的边缘提取参数,求得测长边缘2411。对于与修复用边缘2422相对应的测长边缘2412、与修复用边缘2451相对应的测长边缘2441以及与修复用边缘2452相对应的测长边缘2442,也同样地求得(如上,参考图24(b))。
图25是步骤S1703所形成的第二图像轮廓线与基准轮廓线之间不能对应的情况下的第二例。
图25(a)是在图17所说明的测长轮廓线修复处理中,步骤S1701的处理结束了的状态。与基准轮廓线2500中求得测长轮廓线2510及测长轮廓线2511的各个区间相对应,形成第一图像轮廓线2520及第一图像轮廓线2521;与基准轮廓线2530中求得测长轮廓线2540及测长轮廓线2541的各个区间相对应,形成第一图像轮廓线2550及第一图像轮廓线2551。图25的状态中,在基准轮廓线2500上的相连续的3个基准边缘即基准边缘2502、基准边缘2503、基准边缘2504之中,由于不存在与基准边缘2503相对应的测长边缘,从基准边缘2502至基准边缘2504之间的区间就成为“欠损区间”,成为修复测长轮廓线的对象。同样地,由于不存在与基准边缘2533相对应的测长边缘,从基准边缘2532至基准边缘2534之间的区间就成为“欠损区间”,成为修复测长轮廓线的对象。
在图25的例的情况下,首先,通过步骤S1703形成第二图像轮廓线2529及第二图像轮廓线2559。接下来,通过步骤S1704,求得与欠损区间的两端所对应的第一图像轮廓线上的2点,始点2522和终点2524以及始点2552与终点2554。接下来,通过步骤S1902,求得连结始点2522与终点2524的最短路径以及连结始点2552和终点2554的最短路径,如果不能求得,则通过步骤S2003来求得始点2522与任一终点连结的最短路径,以及始点2552与任一终点连结的最短路径。在图25的例的情况下,作为这样的最短路径,求得第二图像轮廓线2529及第二图像轮廓线2559(如上,参考图25(b))。接着,通过步骤S2005,将作为始点2522所连结的最短路径的第二图像轮廓线2529进行分割,得到修复用边缘2525及修复用边缘2526。另外,同样地,将作为连结始点2552的最短路径的第二图像轮廓线2559进行分割,得到修复用边缘2555及修复用边缘2556。接着,在步骤S2007中,将修复用边缘2525的位置处的第二图像轮廓线2529的法线方向作为轮廓获取方向在修复用边缘2525的位置处形成亮度轮廓,从基准边缘2502处的边缘提取参数与基准边缘2534处的边缘提取参数通过插值求得边缘提取参数,利用该边缘提取参数求得测长边缘2515。对于与修复用边缘2526相对应的测长边缘2516、与修复用边缘2555相对应的测长边缘2545、与修复用边缘2556相对应的测长边缘2546,可以同样地求得(如上,参考图25(c))。
图43是说明在进行了欠损间测长轮廓线修复处理的情况下,判断缺陷的状态是桥接还是缩颈的方法的图。在图43中,对于与图24相同的部分标以与图24相同的符号,省略其说明。另外,在图43中,对于与图25相同的部分标以与图25相同的符号,省略其说明。
图43(a),是与图24的情况下想对应的桥接的例,图43(b)是与图25的情况相对应的缩颈的例。在图43(a)中,相对于描画了基准轮廓线的图像4310的是图像4311,该图像4311为参考基准轮廓线的朝向信息而在存在图案一侧施加了斜线的图像4311。将这些图像与描画了侧长轮廓线的图像4320进行比较可知,测长轮廓线中与欠损间测长轮廓线修复处理相关的部分,即例如从测长边缘2112至测长边缘2144之间的区间,存在于包含了基准边缘2102和基准边缘2104的基准轮廓线的左侧。这可以通过各种方法进行判断,例如,可以进行如下判断,即:制作图像4311,从对应于测长边缘2112的基准边缘2102至对应于测长边缘2144的基准边缘2134,将顺着未施加斜线的区域内行进的情况下的最短路径(第1最短路径)的长度与顺着施加了斜线的区域内行进的情况下的最短路径(第2最短路径)的长度进行比较,在第1最短路径的长度较短的情况下判断为“桥接”,在第2最短路径的长度较短的情况下判断为“缩颈”。需要说明的是,在不存在最短路径的情况下,将最短路径的长度定义为“无限大”。作为求取第1最短路径的方法,例如,将图像4311的各像素作为顶点,在未施加斜线的区域内与相邻像素对应的顶点之间通过边进行连结,将边的权重作为像素间的距离,可以利用代克思托演算法等公知的方法来求得。对于求取第2最短路径的方法,除了在施加斜线的区域内与相邻像素对应的顶点之间通过边进行连结之外,其余相同。需要说明的是,构成为,从与基准边缘2102和基准边缘2134相对应的像素所对应的顶点,相对于与相邻像素所对应的顶点用边进行连结。
另外,对于图43(b)所示出的情况,相对于描画了基准轮廓线的图像4330的是图像4331,该图像4331为参考基准轮廓线的朝向信息而在存在图案一侧施加了斜线的图像4331,与图43(a)的情况下同样地将这些图像与描画了测长轮廓线的图像4340进行比较,能够由此判断是否为缩颈状态。
如上,根据本变形例,在形成缺陷检测用的轮廓线时,在测长轮廓线发生欠损的区间中,通过增加修复测长轮廓线的处理,对于基准图案的变形量较大而在步骤S903的处理中对于未发现初期参数计算区间的情况而言,能够更为准确地把握缺陷部位的形状。另外,在发生桥接或缩颈的情况下,不仅仅是将该区域作为缺陷区域而检测出,还可以判断“桥接”、“缩颈”等缺陷类别。需要说明的是,判断结果可以作为缺陷信息的附带信息而输出。
需要说明的是,在参考图19所说明的欠损内测长轮廓线修复处理的步骤S1902的处理,以及参考图20所说明的欠损间测长轮廓线修复处理的步骤S2003的处理中,为了求得最短路径而在制作加权无向图时,还可以作为预处理而增加如下处理,即:在轮廓图像上将第二图像边缘进行连结成分分解处理。通过增加这样的预处理,在步骤S1902或步骤S2003的处理中制作加权无向图时,由于不是以第二图像边缘整体,而是仅仅将与所关注的欠损区间的始点相邻的连结成分所包含的第二图像边缘作为处理对象,因此可以缩短处理时间。
另外,所述加权无向图可以生成为,使边的权重设为“0”,顶点的权重为随着像素值增大而减小的正值。这种情况下,代替求取最短路径,而求取最小权重的路径。最小权重的路径,可以利用公知的方法来求得。通过构成为如此,利用使得检查图像上看上去明亮的部分优先到达的路径,可以修复轮廓线。
<第1实施方式的第2变形例>
以下,对于第1实施方式的第2变形例,参考图44及图45进行说明。本变形例是不仅能够抑制由于带电的影响引起的与电子束的扫描方向相平行的的边缘变得模糊的现象,还是适于对作为检查对象的晶圆上的较广范围进行高速检查用途的图案检查装置的例。本变形例的图案检查装置,与第1实施方式的图案检查装置相比,主要在检查图像的获取方法以及图案检查处理的处理流程方面不同。因此,以下对于检查图像的获取方法及图案检查处理的处理流程进行详细说明。
图44是说明本变形例的图案检查装置中检查图像的获取方法的图。在本变形例中,如图44(a)所示,晶圆4400上的模具4401上所形成的半导体图案之中,较广的范围作为检查对象。另外,为了高速获得该检查对象范围的SEM像,一边移动载物台(试料台)一边获取SEM像。例如,当检查对象范围为图44(b)的检查范围4402所示的情况下,如第1根检查条带4410(带状检查范围)、第2根检查条带4411、第3根检查条带4412所示,使得境界部分重合的同时,依次沿着箭头方向获取SEM像(即,将载物台向着箭头的反方向移动)。图44(b)示出了第3根检查条带4412在获取途中的状态。从各检查条带获取纵长的图像数据,所获取的图像数据作为检查图像而输入至演算处理装置110,进行图案检查处理。在获取检查图像时,以往,由于沿着与载物台的移动方向相垂直的方向扫描电子束,例如在图44(c)的检查图像4420中,由于带电影响发生了与电子束扫描方向相平行的横向的图案4430变得不鲜明的现象。通常,半导体电路图案多数是由纵横图案所构成的,因此对于该现象希望能有什么对策。对此,本变形例中,通过将电子束的扫描方相对于载物台移动方向的垂直方向倾斜(以下称作“倾斜扫描”),由此获取如图44(d)的检查图像4421的图像。通过如此构成,由于电子束的扫描方向与横向的图案4430的方向不平行,能够降低由于带电影响导致的横向图案4430不鲜明的问题。需要说明的是,电子束的扫描方向相对载物台移动方向的垂直方向的倾斜角度(以下称作“倾斜扫描角度”)在本变形例中为10度,但不限于该角度。另外,不是将电子束扫描方向相对于载物台移动方向的垂直方向倾斜,而是相对于载物台移动方向使得模具相对倾斜,由此,如图44(e)的检查图像4422所示,由于能够使电子束扫描方向与横向图案4430的方向不平行,也能够解决由于带电影响产生的横向图案4430变得不鲜明的现象。但是,在此情况下,为了全面检查模具,增加了必要的检查条带的个数,此外由于针对检查条带,检查图像的大小不同,由此使得处理变得复杂(例如,在并行化处理时,处理器配置的高效算法变得复杂等),因此,与本变形例的方法不同,在高速检查这一方面还残留有问题。另外,本变形例的方法中,每个纵向图案包含在同一检查条带内,从而以同一条件进行检查,因此与纵向图案包含在多个检查条带内的图44(e)的方法相比,可以说检查结果的可靠性较高。需要说明的是,图44(c)、图44(d)及图44(e)的图中,从能见性观点出发,用黑线来描画白色带。
图45为表示本变形例的图案检查装置的动作的流程图。在图45中,对于与图2相同的部分标记相同的附图标记,省略其详细说明。
当图案检查处理开始后,首先,在步骤S4501中,初期设定部112进行检查图像与基准图案的初期设定。与检查图像相关的预处理,是与步骤S201相同的处理。对于设计数据,从存储装置130读取与检查图像相对应范围的设计数据,根据需要,在进行图案图形的角的圆角处理等设计数据的变换处理之后,基于倾斜扫描的角度进行变换至斜交坐标系,基于变换后的设计数据求取基准轮廓线。另外,对于基准轮廓线与检查图像之间的位置对准,由于倾斜扫描由辞典数据所特定的范围为平行四边形,以不破坏辞典数据所具备的一致性的方式基于倾斜扫描的角度求得该平行四边形后,生成与该平行四边形所外接的矩形区域相对应的模板图像,进行模板匹配。
需要说明的是,作为对于倾斜扫描的对应方法,还可以想到如下方法,即不是设计数据而是将检查图像进行坐标变换的方法,但本发明的一个特征是通过使用生成适当的边缘提取参数所求得的测长边缘,由此进行子像素精度的检查,因此优选对于亮度轮廓不产生影响的、对设计数据进行变换的方法。
对于步骤S4501处理结束后实行的步骤S202及步骤S203的处理,是与第一实施方式相同的处理。在步骤S203处理结束后,在步骤S4504中,检查部115通过将步骤S203所形成的测长轮廓线与基准轮廓线进行比较来检查图案,将与被判断为缺陷区域的区域相关的信息作为检查结果而输出,在此之上结束图案检查处理。步骤S4504处理与步骤S204处理的不同在于,在处理开始时,对于测长轮廓线及基准轮廓线,基于倾斜扫描的角度实施从斜交坐标系向直交坐标系的变换。由于这些轮廓线是几何学信息,不会由于坐标系的变换处理而发生信息劣化,另外,通过变换为直交坐标系,能够基于正确的距离进行缺陷判定。对于测长轮廓线与基准轮廓线在实施坐标系变换处理后的处理,与步骤S204的处理相同。
如上,根据本变形例,构成为即使对于伴随着载物台移动与倾斜扫描而拍摄所得的检查图像,也能够减少对于亮度轮廓的影响,因此,通过适用本发明,能够提高检查结果的可靠性。
需要说明的是,本变形例构成为,一边移动载物台一边获取SEM像,但本发明的SEM像的获取方法不限于此,还可以使用如下方法,即:在载物台移动后暂时使载物台停止来获取SEM像,在结束SEM像获取后再将载物台移动至下一个检查位置的方法等用于检查带状区域的各种方法。在此情况下,只要将电子束的扫描方向相对于与带状区域的长度方向的垂直方向倾斜即可。
实施例2
<第2实施方式>
以下,对于第2实施方式,参考图26至图30进行说明。本实施方式是尺寸测量装置的例,其适用于降低噪声影响、轻微的粗糙度影响来测量评价对象图案的尺寸。
在半导体制造领域,以往使用从CD-SEM所拍摄的图像(SEM像)例如采用阈值法所测量的尺寸,进行尺寸管理。作为尺寸管理的对象,例如,有线条图案的宽度或孔图案的直径等。伴随着流程规则的进化,图案尺寸在变小,伴随着侧壁的凹凸产生的测长值波动的影响对于图案尺寸变得相对较大,由此正确测量并管理称作LER(Line Edge Roughness,线边缘粗糙度)或LWR(Line Width Roughness,线宽粗糙度)指标的必要性在增加。LER或LWR的测量,如下实施,从例如使用CD-SEM所拍摄的线条图案图像,将预定的测量范围在长度方向进行多点分割,在所分割的各个范围,求取从通过阈值法等方法所求得的边缘位置距离基准线的偏离量变动(3σ)或测长值变动(3σ),在所拍摄的图像上重叠有噪声的情况下,在提取图案边缘时,已知存在有由于图像噪声观测边缘的位置偏离开实际位置所引起的、称作“噪声原因偏离”的误差,期望降低该误差。
使用固定边缘提取参数的情况下,由于噪声等影响在用于测长的轮廓线上产生凹凸。为了降低轮廓线的凹凸,通过将轮廓线进行几何学上的平滑化处理的方法,有可能被平滑化成想要反映在测量值中的凹凸形状。根据发明人的研究,这其中的一个原因是未考虑轮廓形状而进行平滑化。另外,在为了降低所述变动而是用经平均化的亮度轮廓的方法中,对于侧壁不同部分也在平均化时被计算其中,因此,例如即使在平均化处理时实施例如将亮度轮廓的峰位置进行对准这类处理,随着平均化范围越来越宽,本来应该拾取的局部特征也变得看不出。
发明人发现如上所述问题的原因在于,对于所有的亮度轮廓使用相同的边缘提取参数来求得边缘位置,作为解决上述该问题的例,而提出了本实施方式。本实施方式中,将通过教程等所指定的预定的边缘提取参数所形成的轮廓线作为基准轮廓线,生成适用于尺寸测量的边缘提取参数,从而形成尺寸测量用轮廓线。以下,进行详细说明。
图26是说明本实施方式的尺寸测量装置的构成的图。在图26中,对于与图1相同的部分,标示与图1相同的附图标记,省略其详细说明。
本实施方式的演算处理装置2610具有存储器111、实行图27的步骤S2701等处理的初期设定部2611、实行图27的步骤S2702等处理的基准轮廓线形成部2612、实行图27的步骤S2703至S2708等处理的边缘提取参数生成部2613、实行图27的步骤S2709等处理的尺寸测量用轮廓线形成部2614以及实行图27的步骤S2710等处理的图案尺寸测量部2615,基于从拍摄装置100所输入的SEM像,测量在试料101g上所形成的图案的尺寸。“对在试料的什么位置所存在的图案的那个部分的尺寸进行怎样的测量”等在演算处理装置2610中所实行的处理所必要的信息,在演算处理装置2610内的存储器111中,作为尺寸测量用教程而存储。教程是用于使尺寸测量装置自动动作的动作程序,对于作为检查对象的试料的每个种类,存储于上述存储器111或外部存储介质中,根据需要而读取。
另外,演算处理装置2610与操作终端120相连结,根据需要,接收来自操作者通过操作终端120所具有的输入设备的输入并对测量处理的内容进行变更,或在操作终端120所具有的显示装置中显示检查结果等。这些功能,例如可以通过被称作GUI的图形界面来实现。
接下来,对于本实施方式的尺寸测量装置的动作,参考图27至图30进行说明。图27是显示本实施方式的尺寸测量装置的动作的流程图,图28是位了说明本实施方式的尺寸测量装置的动作,是假定纵向的线条图案的线宽测量而通过模拟生成的图。具体而言,在图28中的边缘位置,如图30(a)所示对于纵向的线条图案而配置了测长光标3001(后述)的情况下,在左右两侧的测长光标内所形成的轮廓线中,表示出了一侧的边缘位置。因此,在图28中,各曲线作为Y坐标(纵向位置)的函数而显示。需要说明的是,区间2801是意在观察当存在例外值或噪声的影响的情况下的行为的区间,区间2802是意在观察伴随缺陷等亮度轮廓形状的变化、缓慢而巨大的变化的行为的区间。
本实施方式中尺寸测量的方法,除了作为用于生成尺寸测量用测长轮廓线的边缘提取参数而使用演算处理装置2610所生成的值之外,与现有的尺寸测量方法相同。即,如图30(a)所示,通过测长光标3001来制定成为测量对象的范围,在成为测量对象的范围内以预订的间隔来求得测长边缘,在此之上,使用所求得的多个测长边缘来进行尺寸测量。是沿着所配置的测长光标3001的内侧来生成亮度轮廓还是沿着外侧来生成亮度轮廓,由演算处理装置2610内的存储器111中所存储的尺寸测量用教程等来指定,另外,用于求取测长边缘的边缘提取参数,由于通过使用阈值法的情况下的例子进行说明,取“0%”以上“100%”以下的值。
当尺寸测量处理开始后,首先,在步骤S2701中,初期设定部2611进行作为处理对象的SEM像的初期设定。具体而言,初期设定部2611首先从拍摄装置100获取SEM像,根据需要实施预处理。作为预处理的例子,例如包括用于除去噪声的平滑化处理等,对于这些预处理可以利用适当的公知技术来实施。需要说明的是,本实施方式的说明中,将根据需要进行了预处理的状态的SEM像仅称作“SEM像”。初期设定部2611,接下来,基于存储在演算处理装置2610的存储器111中的尺寸测量用教程,在SEM像的预订位置处配置测长光标。在获取SEM像时有可能发生视野偏离的情况下,在配置测长光标时有必要进行位置修复,该修复量可以利用公知计数来求得,在作为用于位置对准的信息而将良品部分的图像数据与作为基准的坐标一起登记在教程中的情况下,可以通过使用将归一化互相关系数等作为评价值来使用的模板匹配来求取,另外,在作为用于位置对准的信息而将布局图案等设计数据与作为基准的坐标一起登记在教程中的情况下,通过从图像数据提取的轮廓线与设计数据之间的匹配来求取。
接下来,在步骤S2702中,基准轮廓线形成部2612从SEM像通过预订的边缘提取参数P0来求取基准轮廓线(参考图28(a))。预订的边缘提取参数P0,使用存储在演算处理装置2610的存储器111等中的通过尺寸测量用教程所指定的值,或使用通过操作终端120所具有的输入设备而由操作者所输入的值。在使用由操作者所输入的值得情况下,作为GUI的形态,例如,可以使用后述(参考图29)那样的形态。本实施方式中的基准轮廓线是成为尺寸测量的基准的轮廓线,通过采用阈值法等公知技术依次求取与预订的边缘提取参数P0相对应的测长边缘来形成。此时,获取亮度轮廓的位置、方向,由通过尺寸测量用教程等所指定的尺寸测量方法及测长光标的配置来确定。例如,图30(a)的例,是测量纵向线条图案的线宽的情况下的例子,在测长光标内以每隔预订的间隔来设定基准边缘,则获取亮度轮廓的方向为横向,即与X轴平行的方向。
需要说明的是,亮度轮廓的获取位置及获取方向,也可以构成为基于图像轮廓线来确定。例如,也可以构成为,从SEM像利用公知的技术求得图像轮廓线后,沿着该图像轮廓线以等间隔来配置边缘,在该边缘的位置处,在所属图像轮廓线的切线方向相垂直的方向上获取亮度轮廓。通过这样的构成,由于没有配置测长光标,例如,即使在希望进行二维形状评价的情况下,也能够适用本实施方式。
接下来,在步骤S2703中,边缘提取参数生成部2613将基准轮廓线进行平滑化来求取平滑化基准轮廓线(参考图28(b))。具体而言,可以利用沿着基准轮廓线的单纯移动平均或加权移动平均、或曲线近似等公知技术来实施。图28(b)是利用Hann窗作为权重来进行加权移动平均的例。
接下来,在步骤S2704中,边缘提取参数生成部2613求取作为与平滑化基准轮廓线相对应的边缘提取参数的第一边缘提取参数P1(参考图28(c))。第一边缘提取参数P1是每个基准边缘的固有值。步骤S2704的处理,是与第1实施方式的步骤S602相同的处理,在与提取基准边缘时为同一亮度轮廓上提取与平滑化基准边缘位置相对应的边缘提取参数。需要说明的是,在本实施方式中,在图像轮廓线的哪一侧提取测长边缘,是通过尺寸测量用教程而预先确定的,因此,在平滑化基准边缘的位置不包含在亮度轮廓上的0%至100%这一区间的情况下,当伸出0%一侧时,则边缘提取参数设为“0%”,在伸出100%一侧时,则边缘提取参数设为“100%”。
接下来,在步骤S2705中,边缘提取参数生成部2613将第一边缘提取参数P1进行平滑化来求取第二边缘提取参数P2(参考图28(d))。第二边缘提取参数P2是每个基准边缘所固有的值。第一边缘提取参数P1的平滑化,具体而言,可以利用沿着基准轮廓线的单纯移动平均或加权移动平均、或曲线近似等公知技术来实施。图28(d)是单纯移动平均的例。
接下来,在步骤S2706中,边缘提取参数生成部2613,求取第一边缘提取参数P1与第二边缘提取参数P2的差异(参考图28(e))。具体而言,对于每个基准边缘,计算“P1-P2”的绝对值。
接下来,在步骤S2707中,边缘提取参数生成部2613,基于所求得的差异求取所述预订边缘提取参数与第一边缘提取参数的各自的贡献率。具体而言,差异D与预订的阈值TD之中,利用较小一方的值Dc,计算所述预订边缘提取参数的贡献率W0为“(TD-Dc)/TD”,第一边缘提取参数的贡献率W1为“Dc/TD”。即,在第一边缘提取参数与第二边缘提取参数的差异较小的情况下,所述预订边缘提取参数的贡献率相对较大,在第一边缘提取参数与第二边缘提取参数的差异相对较大的情况下,第一边缘提取参数的贡献率相对较大。更直观地解释的话,对于边缘提取参数的变化在局部较大的部分,遵从所述预订边缘提取参数,对于边缘提取参数的变化在局部较大的部分,由于可以认为噪声等影响较大,第一边缘提取参数的贡献率将增大,从而得到的边缘提取参数能够使得所提取的尺寸测量用边缘靠近平滑化基准边缘。
在计算贡献率时,使用差异D与预订阈值TD之中较小一方的值Dc(参考图28(g))是根据如下理由。即,求取贡献率的意图在于可以认为是,对于噪声等影响较大部分,以在平滑化基准边缘附近提取出尺寸测量用边缘的方式来求取边缘提取参数,对于存在某种程度以上的差异的部分,不管差异的大小采用平滑化基准边缘的位置都是恰当的。
接下来,在步骤S2708中,边缘提取参数生成部2613基于所计算得到的贡献率来求取尺寸测量用边缘提取参数(参考图28(h))。具体而言,将所述预订边缘提取参数P0与第一边缘提取参数P1进行加权平均,“Pmsr=W0×P0+W1×P1”,以此来求取尺寸测量用边缘提取参数Pmsr。尺寸测量用边缘提取参数Pmsr是每个基准边缘的固有值,针对每个基准边缘,使用相对应的第一边缘提取参数P1来求取。
需要说明的是,在使用后述(参考图29)的输入界面等,由操作终端120的操作者来指定边缘提取参数的最小值Pmin与最大值Pmax的情况下,或者在由尺寸测量用教程来指定的情况下,根据需要,对于通过加权平均所求得的尺寸测量用边缘提取参数Pmsr的值进行修正。具体而言,在通过加权平均所求得的尺寸测量用边缘提取参数Pmsr的值比Pmin小的情况下,将尺寸测量用边缘提取参数Pmsr的值修正为与Pmin相等,在通过加权平均所求得的尺寸测量用边缘提取参数Pmsr的值比Pmax大的情况下,将尺寸测量用边缘提取参数Pmsr的值修正为与Pmax相等。
接下来,在步骤S2709中,尺寸测量用轮廓线形成部2614利用尺寸测量用边缘提取参数Pmsr从SEM像求取尺寸测量用轮廓线(参考图28(k))。具体而言,针对每个基准边缘,在步骤S2702所获取的亮度轮廓上,利用与该基准边缘所对应的尺寸测量用边缘提取参数Pmsr,来求取尺寸测量用测长边缘。
需要说明的是,在通过尺寸测量用边缘提取参数Pmsr来求得尺寸测量用轮廓线之后,可以进行几何学的平滑化(参考图28(m))。该平滑化的目的在于,通过步骤S2707及步骤S2708的阈值处理,缓解原来光滑的部分变得微分不连续的现象,因此只要采用较小半径的滤波器进行实施即可。图28(m)是采用直径3的Hann窗口的例子。
为了进行比较,在步骤S2706至步骤S2707的处理中,不是基于边缘提取参数的不同,而是基于距离的不同来求取边缘提取参数,利用该边缘提取参数所求得轮廓线示于图28(n)。对基于图28(a)所形成的图28(b)、图28(m)、图28(n)的各个轮廓线进行比较的情况下可知,从区间2801中所存在的例外值或噪声的影响的降低这一观点来说,图28(b)和图28(m)良好,从对于区间2802中的轮廓形状的追随性的高低这一观点出发,图28(m)良好。这不仅仅是使用几何学信息进行平滑化,而是通过在反映了亮度轮廓的信息之上进行平滑化所产生的效果。
接下来,在步骤S2710中,图案尺寸测量部2615利用尺寸测量用轮廓线来测量图案尺寸。步骤S2710的处理的内容与现有技术相同,例如,分别在测长光标范围内测量所对应的测长边缘间的距离,作为尺寸测量结果来求取这些距离的平均值、最大值、最小值等统计量。在步骤S2710的处理结束之后,演算处理装置2610结束尺寸测量处理。
图29是说明本实施方式的尺寸测量装置中由操作终端120的操作者设定的处理参数的输入界面的例子的图。图29(a)中,除了图27的步骤S2702的处理中所使用的边缘提取参数2901之外,还对图27的步骤S2708的处理中所使用的边缘提取参数的变化范围通过上限值2902与下限值2903来进行指定。另外,图29(b)中,除了图27的步骤S2702处理所使用的边缘提取参数2901之外,还对图27的步骤S2708处理中所使用的边缘提取参数的变化范围通过相对值2904来指定。如此,通过设定变化范围的范围,能够抑制尺寸测量用轮廓线被过度平滑化的现象。需要说明的是,在图29中的边缘提取参数2901、上限值2902、下限值2903以及相对值2904,是阈值法中的阈值(以最小值为0%、最大值为100%时的%值)的情况下的例子,在通过阈值法之外的方法来实施尺寸测量的情况下,只要将这些值适当地变换为适于该方法的值即可。另外,对于处理参数的输入界面,不限于这些例。
图30是说明本实施方式的尺寸测量装置的测量结果的提示方法的图,是表示设置于操作终端120的显示装置中所显示的内容的图。在图30(a)所示的线宽的测量中配置测长光标3001,此后,实施测量。作为其结果,将如图30(b)所示的图像提示给操作终端120的操作者。如图30(b)所示,在本实施方式中,除了以往所提示的平均尺寸值等尺寸测量结果之外,还提示尺寸测量用的边缘提取参数平均值、标准偏差σ、最小值、最大值等值。由此,操作终端120的操作者能够把握尺寸测量中所使用的边缘提取参数的适当性。或者,虽然伴随侧壁形状的变化的亮度轮廓形状的变化等未反映到直接使用所提取的边缘来测量的尺寸值中,“与其他区域状态不同的区域”作为能读取的信息,可以由操作终端120的操作者所活用。需要说明的是,作为与尺寸测量用边缘提取参数相关的提示值,只要能够得到上述某一效果即可,不限于示例给出的值。
如上,根据本实施方式,通过如下构成,即针对每个基准边缘求取适用于尺寸测量的边缘提取参数,利用使用该边缘提取参数所提取的边缘来测量尺寸,由此能够降低噪声或轻微的粗糙度的影响,能够提高测量值的可靠性。
需要说明的是,本实施方式中将边缘提取参数的值设为0%以上100%以下的值,但是本发明的实施方式不限于此,例如,可以与第1实施方式同样进行定义。另外,在本实施方式中对于测量与线条图案相关的尺寸的例进行了说明,但是作为尺寸测量对象的图案不限于此,例如,可以适用于测量孔图案的直径的情况等。
<第2实施方式的变形例>
第2实施方式中的尺寸测量装置,可以适用于从拍摄了测量对象图案的图像数据,基于使用FEM晶圆而预先做成的模型,来求取曝光条件的曝光条件测量装置。
半导体制造领域,伴随着精细化的推进,对于CDU(关键尺寸均匀度,CriticalDimension Uniformity)的要求越来越严格,为了得到良好的CDU,在使用FEM晶圆找到最佳曝光条件(焦点位置及曝光量)之外,用于补偿由于流程变化引起的影响的曝光条件的管理,即焦点位置偏离或曝光量偏离的“定量化”成为必要。为了进行该定量化,提出了从拍摄的测量对象图案的图像数据,基于利用FEM晶圆预先所作成的模型来求取曝光条件的曝光条件测量装置。这些曝光条件测量装置中,从拍摄FEM晶圆上预订位置所得到的图像数据或拍摄测量对象图案所得到的图像数据,求取反映了伴随着焦点位置及曝光量变化的图案尺寸变化或光刻胶横截面形状的变化的数种尺寸特征量,利用这些尺寸特征量来制作模型,或者通过将尺寸特征量与模型相匹配来进行曝光条件的测量。
如前所述,伴随着流程规则的进化图案尺寸在变小,伴随着光刻胶的侧壁凹凸由边缘粗糙度所引起的测长值的变动的影响相对于图案尺寸变得相对较大,从而降低了模型的推算精度。此处,例如在现有技术中在求取尺寸特征量时,通过使用第2实施方式的尺寸测量装置,使用降低了轻微的边缘粗糙度的影响的测量值来制作模型,由此,能够得到可靠性更高的模型,因此,能够导致曝光条件测量值的可靠性增加。
本变形例中,进一步,说明基于通过二维形状测量所得到的特征量来推算曝光条件的情况下的例子。已知,伴随着焦点的变化,图案的形状也发生变化,根据发明人的研究,使用轮廓形状来进行二维形状评价,从而形状变化的要素也可以用于推算中,因此,能够得到可靠性更高的推算结果。
作为曝光条件的变化相关的大致倾向,已知有如下倾向,即在上焦点(+焦点)处侧壁的横截面形状变得向下凸,在下焦点(-焦点)处侧壁的横截面形状变得向上凸。由此,曝光条件测量装置中,使用反映了图案上部的圆和图案下部的卷边的特征量,对于提高测量精度是有效的。
根据发明人的研究,为了将侧壁的横截面形状的凹凸反映到特征量中,至少需要3根测长轮廓线。进一步,为了反映图案上部的圆或图案下部卷边,包围亮度轮廓上像素值最大的位置,各个位置需要3根以上,即5根至6根的测长轮廓线。这些测长轮廓线,由于其目的在于将侧壁的形状反映到特征量中,优选不独立进行求取,而从同一亮度轮廓求得多个测长边缘来形成。亮度轮廓的获取位置及获取方向,只要基于设计数据或图像轮廓线来确定即可。在生成亮度轮廓之后,求取测长轮廓线的处理与第2实施方式相同,针对每个预订边缘提取参数来进行多个处理。
在求得测长轮廓线后,使用所求得的测长轮廓线来求取尺寸特征量。作为尺寸特征量,可以使用通过测长轮廓线之间的相互比较而得到的EPE的统计量(平均值或标准偏差等)、从设计数据求得的作为基准的轮廓线形状与各测长轮廓线的比较所得到的EPE的统计量(平均值与标准偏差等)、由测长轮廓线所包围的区域的面积、或者,如果是孔图案,从测长轮廓线所求得的孔径等。
如上,根据本变形例,在曝光条件的测量中,在求取测长轮廓线时使用适当的边缘提取参数,或者通过采用使用多个(3个以上)的测长轮廓线的二维形状测量所得到的尺寸特征量,由此能够得到可靠性更高的曝光条件推算结果。
需要说明的是,作为从多个尺寸特征量推算曝光条件的方法,不限于示例。例如,可以使用多元回归分析手法来求取。
实施例3
<第3实施方式>
以下,对于第3实施方式,参考图31至图34进行说明。本实施方式是适用于如下用途的尺寸测量装置的例,即:通过与作为基准的轮廓形状进行形状比较,将测量对象图案的二维形状进行定量来进行评价的用途。虽然在一维尺寸的品质管理中也能够通过与作为基准的尺寸值的比较来进行评价,但是,由于在二维形状的品质管理中有必要通过与作为基准的轮廓线的形状的比较来进行评价,因此,通常将作为评价基准的预定轮廓线的形状与将从作为评价对象的图案进行拍摄所得的图像所求得的轮廓线进行比较来进行评价,在从图像求取轮廓线时,存在与第2实施方式相同的课题。此处,作为评价基准的轮廓线形状是由基于设计数据所生成的,或使用拍摄一个以上的良品所得的图像数据所生成的,例如,举例如下。
作为基于设计数据所生成的例子,例如,可以举出通过光刻模拟所求得的轮廓形状。另外,也可以将设计数据(布局图案)的角部分进行倒圆等来模拟推测在晶圆上所形成的图案的轮廓形状,由此将设计数据进行几何学变形来求取。
作为使用拍摄1个以上的良品的图像数据所生成的例子,例如,可以列举出通过操作终端的操作者对判断为“最希望的形状”的良品进行拍摄得到的1张图像所提取的轮廓形状。另外,也可以使用从对多个良品分别进行拍摄得到的多个图像所提取的多个轮廓形状,来求得适用于作为评价基准的1个轮廓形状。
在本实施方式中,为了避免用词的混乱,对于如上的作为基准的轮廓线形状,不管其是否是基于设计数据所生成的,一律称作“设计图案”。对此,其原因在于,在本实施方式中,在形成测长轮廓线时作为基准的图案(即,推测为适于尺寸测量的、表示理想的测长轮廓线的位置的图案)与使用测长轮廓线进行形状评价时作为基准的图案是不同的。为此,对于前者,使用“基准图案”、“基准轮廓线”、“基准边缘”这些用语,对于后者,使用“设计图案”、“设计轮廓线”、“设计边缘”这些用语。
与第1实施方式进行比较的话,其主要区别在于,由于使用以相对较高的倍率所拍摄的SEM像,从设计数据所提取的轮廓形状与从SEM像提取的轮廓形状之间的差距相对较大,另外,作为轮廓形状之间的比较结果有必要获得定量化的评价值。以下进行详细说明。
图31是说明本实施方式的尺寸测量装置的构成的图。图31中,对于与图1相同部分,与图1标示相同的附图标记并省略其详细说明。另外,对于与图26相同部分,与图26标示相同的附图标记并省略其详细说明。
本实施方式的演算处理装置3110,具有存储器111、实行图32的步骤S3201等处理的初期设定部3111、实行图32的步骤S3202等处理的基准轮廓线形成部3112、实行图32的步骤S3203等处理(即图27的步骤S2703至S2708的处理)的边缘提取参数生成部2613、实行图32的步骤S3204等处理的尺寸测量用轮廓线形成部3113以及实行图32的步骤S3205等处理的图案间尺寸测量部3114,其基于从拍摄装置100所输入的SEM像与在试料101g上所形成的图案相关的设计数据,来求取在试料101g上所形成的图案的尺寸评价值(例如,从构成基于SEM像所求得的轮廓线的各个边缘至作为基准的轮廓线之间的距离的均值、标准偏差、最大值等),来评价在试料101g上所形成的图案的品质。用于在演算处理装置3110上所实行的处理所必要的信息,在演算处理装置3110内的存储器111上作为尺寸测量用教程而存储。教程是用于使尺寸测量装置自动动作的动作程序,对于每种作为测量对象的试料,存储在上述存储器111或外部的存储介质上,根据需要而读取。
另外,演算处理装置3110与操作终端120相连结,根据需要,接受通过操作终端120所具有的输入设备的来自操作者的输入来对测量处理内容进行变更,或者将测量结果等显示在操作终端120所具有的显示装置上。这些功能,例如,可以通过被称作GUI的图形界面来实现。
图32是表示本实施方式的尺寸测量装置的动作的流程图。
当尺寸测量处理开始后,首先在步骤S3201中,初期设定部3111对作为处理对象的SEM像及作为比较评价的基准的设计数据进行初期设定。具体而言,初期设定部2611首先从拍摄装置100获取SEM像,根据需要实施预处理。作为预处理的例子,例如,有用于除去噪声的平滑化处理等,关于这些预处理,可以采用适当的公知的技术来实施。需要说明的是,在本实施方式的此后说明中,对于根据需要而进行了预处理的状态下的SEM像,仅称作“SEM像”。初期设定部2611,接下来,从存储装置130读取由教程指定的范围相对应的设计数据,根据需要,进行图案图形的角部的倒圆处理等设计数据的变形处理,生成作为比较评价的基准的设计图案。初期设定部2611,接下来将SEM像与设计图案进行位置对准。SEM像与设计图案的位置对准处理,可以采用公知的技术来实施,例如,通过从SEM像提取轮廓线并进行与设计图案的匹配来实施。
接下来,在步骤S3202中,基准轮廓线形成部3112通过预定的边缘提取参数来求取基准轮廓线。预定的边缘提取参数,使用存储在演算处理装置3110的存储器111等中的尺寸测量用教程所指定的值,或由操作者通过操作终端120所具有的输入设备所输入的值。
由于推定从设计数据所提取的轮廓形与从SEM像所提取的轮廓形状之间的差距较大,基于图像轮廓线来求取基准轮廓线。即在从SEM像使用公知技术来求得图像轮廓线之后,沿着该图像轮廓线等间隔地配置边缘,在该边缘的位置上,在所述图像轮廓线的切线方向的垂直方向上获取亮度轮廓,来求基准轮廓线。
接下来,在步骤S3203中,边缘提取参数生成部2613基于基准轮廓线与SEM像来求取尺寸测量用的边缘提取参数Pmsr。步骤S3203的处理与第2实施方式中的步骤S2703至S2708的处理为同样的处理。
接下来,在步骤S3204中,尺寸测量用轮廓线形成部3113通过尺寸测量用边缘提取参数Pmsr从SEM像求取尺寸测量用测长轮廓线。具体而言,针对每个基准边缘,在步骤S3202所获取的亮度轮廓上,使用与该基准边缘所相应的尺寸测量用边缘提取参数Pmsr,求取尺寸测量用测长边缘。
接下来,在步骤S3205中,图案间尺寸测量部3114测量尺寸测量用测长轮廓线与设计图案之间的尺寸,来求取尺寸评价值。尺寸的测量,对于各个测长边缘,通过求取与最接近的设计图案上的点来实施。此时,可以将设计图案以多边形本身来进行处理,也可以与第1实施方式相同作为等间隔配置的设计边缘的集合来进行处理。在将设计图案作为设计边缘的集合来进行处理的情况下,例如,可以使用如下的方法来抑制误对应的发生。即,可以在第一轮廓数据上的点与第二轮廓数据上的点进行对应的情况下,生成第一轮廓数据上的点与第二轮廓数据上的点之间的第一对应信息,判断在该第一对应信息中所包含的对应关系的整合性,对没有取得整合性的对应关系进行修正来生成第二对应信息。另外,尺寸测量还可以将设计图案作为基准,使用例如专利文献1所公开的方法来实施。
在尺寸测量用测长边缘与设计图案上的边缘之间进行对应结束之后,图案间尺寸测量部3114,与评价用途相应,求取与每个尺寸测量用测长边缘相对应的EPE的平均值、标准偏差、最大值等统计量,作为尺寸评价值。还可以根据需要,将作为评价对象的区域,即发生缺陷的风险较高区域作为ROI(Region Of Interest)来设定,仅对于在ROI内部存在的尺寸测量用测长边缘进行处理。ROI的设定可以使用存储在演算处理装置3110的存储器111等中的尺寸测量用教程所指定的区域,或者也可以使用由操作者通过操作终端120所具有的输入设备所指定的区域。
需要说明的是,在作为尺寸评价值采用EPE的平均值的情况下,例如,由于“尺寸测量用测长轮廓线相对于设计图案平均呈现多大的偏离”作为数值来呈现,因此适用于评价由于曝光条件的变化而引起的图案图形的扩大缩小程度这一用途。另外,在作为尺寸评价值采用EPE的标准偏差的情况下,例如,由于“尺寸测量用的测长轮廓线的形状相对于设计图案的形状呈现多大的变形”作为数值来呈现,因此适用于评价由于曝光条件的变化所引起的图案图形的崩坏程度这一用途。因此,这些尺寸评价值,适用于工艺窗口的解析用途。另外,在作为尺寸评价值采用EPE的最大值的情况下,例如,由于能够判断“尺寸测量用的测长轮廓线的形状,作为整体,是否相对于设计图案的形状而在公差内”,因此适用于是否为良品这一检查用途。
需要说明的是,尺寸评价值并不限于示例的与EPE相关的统计量的任一个,可以是基于所测量的尺寸的其他指标,还可以是将多个值作为向量值来进行保存的方式。在步骤S3205的处理结束后,演算处理装置3110结束尺寸测量处理。
图33是说明本实施方式的尺寸测量装置的动作的图。
图33(a)是表示设计图案的图。图33(b)是表示拍摄了显影后的抗蚀剂的检查图像的图。由于在凹部3300的附近残留有抗蚀剂残渣,显示为在境界区域3301的附近观察到白色带的样子。这样的状态的情况下,发生了如下现象,即对于将显影后的状态的晶圆进行拍摄并检查的阶段不能发现缺陷的部分,在对刻蚀后的晶圆进行拍摄并检查时成为缺陷的现象。根据发明人的研究,这一现象是由于,虽然在凹部3300的附近所残留的抗蚀剂的残渣,但厚度较薄,也没有形成台阶状,因此不能明确表现为白色带。
图33(c)是表示从图33(b)的检查图像所形成的尺寸测量用轮廓线的图。图33(d)是对于图33(b)相同的区域拍摄了其刻蚀后的状态的图像,显示了推定为只观察到图33(c)的轮廓线的形状而发生了难以推定的缺陷的样子。图33(e)是将设计图案与尺寸测量用轮廓线进行重叠描画的图。通过对这样的“进行了位置对准的2个轮廓线”之间的尺寸进行测量,计算用于测量对象图案的二维形状的评价的尺寸评价值,例如,EPE的平均值或标准偏差。图33(g)是将图33(e)的一部分进行扩大后的图,线段3310的距离为EPE的一例。
图33(h)是表示在边缘提取参数被判断为异常的部分重叠了标记3320的图像的图。具体而言,例如,求取与所关注的基准边缘的附近基准边缘相对应的边缘提取参数的平均值与标准偏差,利用这些值来求取边缘提取参数的正常范围,在所关注的基准边缘的边缘提取参数不包含在所计算的正常范围内的情况下,判断为异常。需要说明的是,关于判断边缘提取参数是否异常的方法,不限于此。
由于尺寸测量用的轮廓线基于设计图案的形状来求取,与设计图案的形状之间位相结构不同的部分,例如,对于境界区域3301处所出现的类似白色带的部分不能形成尺寸测量用轮廓线,在仅基于EPE的观点是异常的,但是不会作为缺陷来判断。另外,对于境界区域3301所出现的如白色带的部分,由于大多情况下在图像上不能明确呈现,例如,在图像上的预定区域内提取相对较明显看得清的部分这样的轮廓线提取的途径下,很多情况下阈值等参数设定较难、作为轮廓线难以稳定检测出。
如本实施方式,将边缘提取参数其本身作为“与其他区域的状态是否不同”的评价指标来使用,由此即使在上述情况下,对于存在于设计图案的附近的部分,也能够将有可能成为缺陷的部分检测出。
图34是说明本实施方式的尺寸测量装置的测量结果的提示方法的图,是在用于解析工艺窗口的FEM晶圆评价中适用了本实施方式的尺寸测量装置的情况下,测量结果的提示方法的例子。
图34中,以拍摄区域3401为首的涂布矩形区域表示,在使用与该区域相应的曝光条件所对应的SEM像的评价中,基于尺寸评价值的评价存在被判断为“缺陷”的部位。另外,以拍摄区域3402为首的用粗框描画的矩形区域表示,在使用与该区域相应的曝光条件所对应的SEM像的评价中,虽然在基于尺寸评价值的评价中不存在被判断为“缺陷”的部位,但是存在边缘提取参数被判断为异常的部位。另外,以拍摄区域3403为首的其他矩形区域表示,在使用与该区域相应的曝光条件所对应的SEM像的评价中,在基于尺寸评价值的评价中不存在被判断为“缺陷”的部位,也不存在边缘提取参数被判断为异常的部位。基于这样的测量结果来推测最佳曝光条件的情况下,除了与拍摄区域3401相类似的部分之外,与拍摄区域3402相类似的部分也作为“不恰当”,由此来定义工艺窗口,由此能够提高最佳曝光条件的推测结果的可靠性。
如此,在基于尺寸评价值进行评价之外,将边缘提取参数自身也作为评价指标,由此,除了能够检测出有无通过轮廓线的形状比较能够判断的缺陷之外,对于侧壁形状与其他区域不同的部位、底部的抗蚀剂残渣的状态与其他区域不同的部位等缺陷发生风险相对较高的部位也能够检测出。
需要说明的是,图34是测量结果的提示方法的一例,即使是限于FEM晶圆的评价用途的情况,测量结果的提示方法不限于此。只要能够把握每个曝光条件的危险度即可,因此,例如,还可以将拍摄区域3401用红色框,将拍摄区域3402用黄色框,将拍摄区域3403用绿色框分别进行描画来提示。
如上,根据本实施方式,针对每个基准边缘来求取适于尺寸测量的边缘提取参数,使用利用该边缘提取参数所提取的边缘来测量图案间的尺寸,通过这样的构成,即使在测量图案间的尺寸的用途中,也能够降低噪声或轻微的粗糙度的影响,能够提高测量值的可靠性。
另外,除了基于尺寸评价值的评价,将边缘提取参数自身也作为评价指标,由此,除了能够检测出有无通过轮廓线的形状比较能够判断的缺陷之外,对于侧壁形状相对于其他区域不同的部位、底部的抗蚀剂残渣的状态相对于其他区域不同的部位等“仅通过尺寸评价值不能检测出的、缺陷发生风险相对较高的部位”也能够检测出。
需要说明的是,在本实施方式中,步骤S3205的处理中,图案间尺寸测量部3114在将尺寸测量用测长边缘与设计图案上的边缘之间进行对应之后,求取尺寸测量用的测长轮廓线与设计图案之间的尺寸评价值,但本发明的实施方式不限于此。例如,可以不将尺寸测量用测长边缘与设计图案上的边缘之间进行对应而求取尺寸评价值。具体而言,首先基于设计图案上的边缘的位置的信息,生成距离变换图像。距离变换图像的生成可以采用公知的方法来实施。接下来,通过参考与尺寸测量用测长边缘的位置相对应的距离变换图像的像素值,求取至与该测长边缘最接近的设计图案上的边缘的距离,作为与该测长边缘相对应的EPE的值。此后,根据评价用途求取与尺寸测量用测长边缘的每个相对应的EPE的平均值、标准偏差、最大值等统计量来作为尺寸评价值,以及,可以在求取尺寸评价值时根据需要设定ROI且仅对于存在于ROI内部的尺寸测量用测长边缘进行处理,这些与上述步骤S3205的处理相同。由此,通过构成为不对尺寸测量用的测长边缘与设计图案上的边缘之间进行对应来求取尺寸评价值,与构成为将两者进行对应之后来求取尺寸评价的情况下相比,能够以较短的处理时间求取尺寸评价值。需要说明的是,在不对尺寸测量用的测长边缘与设计图案上的边缘之间进行对应来求取尺寸评价值的情况下,在设计图案密集存在的区域误对应的可能性较高,因此降低了尺寸评价值的可靠性。因此,本变形例适用于以较高倍率进行拍摄获取SEM像等、设计图案非密集存在的条件下的尺寸测量。
另外,步骤S3202中的测长轮廓线的生成方法不限于示例中的方法,例如,可以如国际公开公报WO2011/152106A1所公开的技术,基于图像轮廓线与设计图案来求取获取亮度轮廓的位置或方向。另外,关于图像轮廓线的求取方法,不限于示例的方法,例如可以通过区域分割的途径来求取。
实施例4
<第4实施方式>
以下,对于第4实施方式,参考图34至图38进行说明。本实施方式是经简单矫正的尺寸测量装置的例,以降低因不同尺寸测量装置之间的机器差别或尺寸测量装置的状态随时间的变化对于测量值的影响,能够得到接近作为基准的尺寸的尺寸。
亮度轮廓的形状有可能因为装置间的机器差别或装置状态随时间的变化而不同。例如,针对每个装置,存在由于分辨率不同从而轮廓形状的分布状况不同的可能。因此,在使用共通的边缘提取参数的情况下,使用由该边缘提取参数所提取的边缘得到的测量值,存在彼此为不同值的可能性。
发明人发现上述问题的原因在于,对于所有的装置或者在所有的装置状态下使用相同的边缘提取参数来求取边缘位置,作为解决该问题的例子,提出了本实施方式。本实施方式中,使用具有标准图案的共通的基准晶圆,通过事先的矫正处理来求取边缘提取参数的变换函数,在测量时,将尺寸测量用教程或由操作终端的操作者所指定的预定边缘提取参数,使用预先得到的边缘提取参数的变换函数进行变换,此后提取边缘,通过如上构成,实现了课题的解决。
以下进行详细说明。
[第4实施方式的尺寸测量装置的构成]
图35是说明本实施方式的尺寸测量装置的构成的图。图35中,对于与图1相同的部分标示与图1相同的附图标记,省略其详细说明。
本实施方式的演算处理装置3510具有存储器111、实行图36的参数矫正处理等处理的边缘提取参数生成部3511、实行图38的步骤S3801等处理的初期设定部3512、实行图38的步骤S3802至S3803等处理的尺寸测量用轮廓线形成部3513以及实行图38的步骤S3804等处理的图案尺寸测量部3514,基于从拍摄装置100所输入的SEM像,测量在试料101g上所形成的图案的尺寸。“在试料上的什么位置上存在的图案的哪个部分的尺寸以什么方式进行测量”等在演算处理装置3510上所实行的处理所必要的信息,在演算处理装置3510内的存储器111中作为尺寸测量用教程而存储。教程是用于使尺寸测量装置自动动作的动作程序,对于作为测量对象的试料的每一种,存储在上述存储器111或外部存储介质中,根据需要读取。
另外,演算处理装置3510与操作终端120相连结,根据需要,接受操作者通过操作终端120所具有的输入设备的输入而对测量处理的内容进行变更,或者,将测量结果等显示于操作终端120所具有的显示装置。这些功能,例如,通过被称作GUI的图形界面而实现。
存储装置3530中,保存有预先制作的基准装置的特性曲线(测量基准晶圆上的标准图案时的边缘提取参数与尺寸测量值之间的关系曲线)以及由图36的参数矫正处理所制作的、参考图38的尺寸测量处理的边缘提取参数变换曲线。
[第4实施方式的边缘提取参数生成部3511的动作]
图36是表示本实施方式的尺寸测量装置的演算装置中所包含的边缘提取参数生成部3511的动作的流程图。
参数矫正处理开始后,边缘提取参数生成部3511首先在步骤S3601中,由矫正对象的拍摄装置100对基准晶圆上的标准图案进行拍摄,从所得到的图像,对于多个边缘提取参数,利用公知方法(例如阈值法)求取测量值。可以对于边缘提取参数能够取值的所有值求取测量值,也可以选择几个边缘提取参数来求取测量值。
作为矫正所用的标准图案,可以使用纵向(电子束扫描方向的垂直方向)的线条图案,也可以使用孔图案。在使用纵向的线条图案的情况下,进行矫正以便对于SEM中易于保证尺寸精度的横向尺寸优先获得与作为基准的尺寸接近的尺寸。在使用孔图案的情况下,进行矫正以在纵横上平均地得到与作为基准的尺寸接近的尺寸。另外,为了降低噪声或粗糙度等的影响,可以配置多个同形图案,在矫正时,使用其测量值的平均值进行矫正。
接下来,边缘提取参数生成部3511在步骤S3602中,使用在步骤S3601所求得的测量值,求取矫正对象的拍摄装置100的特性曲线。可以使用公知的技术来求取,例如,从在步骤S3601所得到的边缘提取参数与测量值的组的集合,通过折线近似来求取。
接下来,边缘提取参数生成部3511在步骤S3603中,求取基准装置的特性曲线与矫正对象装置的特性曲线之间的对应。可以从基准装置的边缘提取参数值利用基准装置特性曲线来求取标准图案的尺寸值,对于达到该尺寸值的矫正对象装置的边缘提取参数利用矫正对象装置特性曲线进行求取。这些对应处理,可以对于边缘提取参数能够取值的所有值来求取,也可以选择几个边缘提取参数来求取。
接下来,边缘提取参数生成部3511在步骤S3604中,求取边缘提取参数变换曲线。可以使用公知的技术来求取,例如,可以从在步骤S3603中所得到的基准装置的边缘提取参数和与之对应的矫正对象装置的边缘提取参数的组的集合,通过折线近似来求取。在步骤S3604的处理结束后,边缘提取参数生成部3511结束参数矫正处理。
图37是说明本实施方式的尺寸测量装置的演算装置中所包含的边缘提取参数生成部的动作,特别是,步骤S3603至步骤S3604的处理的图。参数矫正处理的目的在于,求取用于从基准装置的边缘提取参数变换为矫正对象装置的边缘提取参数的边缘提取参数变换曲线。
首先,对于基准装置的边缘提取参数3701,参考预先制作并存储在存储装置3530中的基准装置的特性曲线3702,求取与基准装置边缘提取参数3701相对应的、由基准装置所拍摄的图像的测量值3703(参考图37(a))。
接下来,从由基准装置所拍摄的图像的测量值3703,参考在步骤S3601至步骤S3602所求得的矫正对象装置的特性曲线3704,求取与由基准装置所拍摄的图像的测量值3703相对应的矫正对象装置的边缘提取参数3705(参考图37(b))。对于基准装置边缘提取参数3701,通过与矫正对象装置的边缘提取参数3705进行对应,在边缘提取参数变换曲线3707上求取与基准装置的边缘提取参数3701相对应的点3706(参考图37(c))。
通过对所有的基准装置的边缘提取参数进行如上处理,能够得到整个的边缘提取参数变换曲线3707。
[第4实施方式的尺寸测量处理的处理流程]
图38是表示本实施方式的尺寸测量装置的动作的流程图。
当尺寸测量处理开始后,首先,在步骤S3801中,初期设定部3512对作为测量对象的SEM像进行初期设定。在步骤S3801中初期设定部3512所实行的处理,与在第2实施方式中初期设定部2611所实行的步骤S2701的处理相同。需要说明的是,在本实施方式的此后说明中,将根据需要进行了预处理的状态的SEM像仅称作“SEM像”。
接下来,尺寸测量用轮廓线形成部3513在步骤S3802中,参考存储在存储装置3530中的边缘提取参数变换曲线(即“矫正数据”),使用存储在演算处理装置3510的存储器111等中的尺寸测量用教程所指定的、或由操作者通过操作终端120所具有的输入设备所输入的预定的边缘提取参数,求取尺寸测量用的边缘提取参数。
尺寸测量用轮廓线形成部3513,接下来,在步骤S3803中,使用在步骤S3801中所求得的尺寸测量用边缘提取参数,通过在矫正时所使用的公知的方法,求取尺寸测量用的测长轮廓线。
接下来,图案尺寸测量部3514在步骤S3804中,使用在步骤S3803中所求得的尺寸测量用轮廓线,测量图案的尺寸。在步骤S3804的处理结束之后,演算处理装置3510结束尺寸测量处理。
如上,根据本实施方式,能够对尺寸测量装置进行简单的矫正,以减低因不同尺寸测量装置间的机器差别或由于尺寸测量装置的状态随时间变化对于测量值的影响,能够获得与作为基准的尺寸相接近的尺寸。
需要说明的是,边缘提取参数变换曲线的数据结构,不限于示例。边缘提取参数变换曲线的数据结构,可以作为能够求取与基准装置的边缘提取参数相对应的矫正对象装置的边缘提取参数的信息来保存,例如,可以作为查阅表(look up table)来保存,也可以作为折线或近似曲线的参数来保存。
另外,边缘提取参数变换曲线,可以针对每个基准装置及矫正对象装置的拍摄参数来求取。将基准装置的拍摄参数与矫正对象装置的拍摄参数作为检索词而作为表格来保存,选择使用适当的、必要的边缘提取参数变换曲线。通过如此构成,在使用不同拍摄参数的情况下,也能够获得与作为基准的尺寸接近的尺寸。
另外,在不能忽略电子光学系的球面像差的影响的情况下,可以将边缘提取参数变换曲线作为通过物镜的位置的函数来进行求取。具体而言,可以如下进行求取,即:在几个位置处,在与本实施方式同样地求取边缘提取参数变换曲线之后,采用公知的技术进行插值,将边缘提取参数变换曲线作为与位置相关的连续函数来求取。通过构成如此,即使在不能忽略电子光学系的球面像差的情况下,也能够得到与作为基准的尺寸相接近的尺寸。
另外,求取边缘提取参数变换曲线的方法,不限于示例的方法。例如,可以不通过测量值来求取,而是通过比较轮廓线的形状来求取。具体而言,可以对于从由基准装置所拍摄的图像以预定的边缘提取参数所求得的轮廓线,进行边缘提取参数的对应处理,以使得从由矫正对象装置所拍摄的图像来提取达到EPE最小值的轮廓线,由此来求取边缘提取参数变换曲线。通过这样构成,在进行二维形状测量的情况下,可以求取适当的边缘提取参数变换曲线。需要说明的是,这种情况下,可以将基准轮廓线(从由作为基准的装置对于标准样品所拍摄的图像提取测长轮廓线的提取结果)作为基准数据而保存在存储装置3530中。
实施例5
<第5实施方式>
以下,对于第5实施方式,参考图39至图42进行说明。本实施方式是适于用于如下用途的图案检查装置的例子,即:使用对不同曝光条件或不同工艺的检查对象图案分别拍摄得到的多个图像数据,来特定易于发生缺陷的图案部位候补。
在半导体制造领域,为了求得转录图案时的焦点距离与曝光量的变化可允许范围来确定工艺窗口,从而求得最佳焦点距离及曝光量等,使用FEM(聚焦曝光矩阵,FocusExposure Matrix)晶圆。所谓FEM晶圆,是针对每次拍摄(1次的曝光量)将焦点位置与曝光量变换成矩阵状来刻蚀同一图案的晶圆。用于求取工艺窗口的评价,如下进行,例如,对于各次拍摄所对应的评价对象图案进行拍摄,分别对于所拍摄得到的图像,对使用预定的边缘提取参数所提取的边缘所求得的轮廓形状与从设计数据求得的轮廓形状进行比较,求得EPE,利用EPE的平均值、标准偏差、最大值等值进行评价,由此来判断该拍摄是否良好。
在本实施方式中,提出了用于如下用途的图案检查装置,即:对在FEM晶圆上相互对应位置处存在的评价对象图案进行拍摄。利用得到的多个图像,通过比较将当焦点距离为固定状态而仅仅变化曝光量情况下的图案的行为,或在曝光量固定仅仅变化焦点距离的情况下的行为,来检测出因曝光条件的变化而形状易于崩坏的图案的部分。只要能够检测出因曝光条件的变化而形状易于崩坏的图案部位,即检测出工艺余量少的部位,将该信息进行反馈,由此即可以带来掩模图案的改善。
为了检测出因曝光条件的变化而形状易于崩坏的图案部位,需要通过二维形状的比较来观察图案形状的变化。但是,在曝光条件不同的情况下,晶圆上的图案变形不仅仅只是局部形状的变化,而表现为较大的变化,因此,在现有的用于求取工艺窗口的评价所利用的方法中,即使构成为在画面上观察EPE的分布,但是由于局部的变形量受到大区域变形量的干扰,存在难以捕捉形状变化的问题。
发明人发现该问题的原因在与,“对于与每个拍摄相对应拍摄评价对象图案进行拍摄,对于全部得到的所有图像,通过比较使用预定的边缘提取参数从所提取的边缘求得的轮廓形状与从设计数据求得的轮廓形状来进行评价”这一方法,不适用于检测图案形状的微妙差异的目的,作为解决其的例子而提出了本发明。以下,进行详细说明。
图39是说明本实施方式的图案检查装置的构成的图。在图39中,与图1相同的部分,标示与图1相同的附图标记,省略其详细说明。
本实施方式的演算处理装置3910,具有存储器111、实行图40的步骤S4001等处理的初期设定部3911、实行图40步骤S4004等处理的基准图案形成部3912、实行图40的步骤S4005等处理的单体检查部3913、实行图40的步骤S4002至S4003及步骤S4006至S4008等处理的状态更新部3914以及实行图40的步骤S4009等处理的检查结果输出部3915,以从拍摄装置100所输入的多个SEM像为基础,对形成于试料101g上的图案进行检查。演算处理装置3910中实行的处理所必要的信息,在演算处理装置3910内的存储器111中作为检查用教程而存储着。教程是用于使图案检查装置自动动作的动作程序,对于每个作为检查对象的试料的种类,存储于上述存储器111或外部存储介质中,根据需要而读取。
另外,演算处理装置3910与操作终端120相连结,根据需要,接收通过操作终端120所具有的输入设备的来自操作者的输入并对检查处理的内容进行变更,或在操作终端120所具有的显示装置中显示检查结果等。这些功能,例如可以通过被称作GUI的图形界面来实现。
图40是表示本实施方式的图案检查装置的动作的流程图。
当图案检查处理开始后,在步骤S4001中,初期设定部3911实施图案检查的初期设定。具体而言,读取所有与FEM晶圆上的各个拍摄对应的拍摄了评价对象图案的SEM像,对于所读取的SEM像,根据需要实施预处理。作为预处理的例子,例如包括用于除去噪声的平滑化处理等,对于这些预处理可以利用适当的公知技术来实施。
接着,在步骤S4002,状态更新部3914将缺陷区域列表作为空列表而进行初期化,进一步,将不感区域作为空集合而初期化。
缺陷区域列表是将最终作为缺陷区域而输出的区域的信息,针对每个被判断为缺陷的区域,例如将被判断为缺陷的区域的外接矩形的左上角的坐标与外接矩形的宽度及高度、外接矩形内的图像信息等与“对哪个SEM像进行检查而判断为缺陷的”这一信息关联并进行登记的列表。
另外,不感区域在步骤S4005的检查中,是检查对象外的区域。由于曝光条件距离最佳曝光条件的变化的影响而一旦被判断为缺陷的区域,随着曝光条件的进一步变化,图案形状急剧劣化。本实施方式中的不感区域,通过以这样的区域作为检查对象,其是用于抑制包含了其他区域的检查处理整体变得不稳定这一问题而设计的。
接下来,在步骤S4003中,状态更新部3914将计数S值设为“0”,所述计数S是用于识别作为基准的拍摄的计数。
接下来,在步骤S4004中,基准轮廓线形成部3912从第S号拍摄所对应的SEM像,利用预定的边缘提取参数形成基准轮廓线。需要说明的是,可以与第2实施方式同样地,以所生成的轮廓线的平滑化为目的,对于每个边缘利用不同的边缘提取参数来形成轮廓线。另外,作为预定的边缘提取参数,使用存储在演算处理装置3910的存储器111中的、记载在检查用教程中的值,或是通过操作终端120所具有的输入设备而由操作者所输入的值。
接下来,在步骤S4005中,单体检查部3913基于在步骤S4004所形成的基准轮廓线,检查与第(S+1)号拍摄相对应的SEM像。步骤S4005的处理,可以以与第1实施方式的图案检查装置中的图案检查处理同样地实施。第S号拍摄与第(S+1)号拍摄,由于曝光条件接近,在正常部中图案形状类似,通过对于每个基准边缘采用适当的边缘提取参数来形成轮廓线(测长轮廓线)来进行检查,由此能够仅仅将形状不同部分作为缺陷检测出。
接下来,在步骤S4006中,状态更新部3914,将与新检测出的所有缺陷区域相关的信息均登记在缺陷区域列表中,进一步,将新检测出的所有缺陷区域追加为不感区域。
接下来,在步骤S4007中,状态更新部3914通过比较计数S的值与作为检查对象的SEM像的个数(后述),来判断对于有必要进行比较的所有组其比较是否结束。对于必须比较的所有组均结束比较的情况(步骤S4007,是)下,演算处理装置3910进行步骤S4009的处理。在存在比较未结束的组的情况(步骤S4007,否)下,状态更新部3914进行步骤S4008,将计数S值增加“1”。此后,演算处理装置3910回到步骤S4004继续进行处理。
步骤S4009中,检查结果输出部3915参考缺陷区域列表,输出至今为止所有检测出的缺陷区域的信息。在步骤S4009的处理结束后,演算处理装置3910结束图案检查处理。需要说明的是,作为缺陷区域的信息,除了位置大小、区域内的图像信息等之外,还要结合输出是在对第几号拍摄所对应的SEM像进行检查时被判断为缺陷区域的(即,图40的流程图中的“S+1”值)。通过提供这样的信息,可以观察例如每个缺陷区域对于曝光条件变化的余量。
图41是说明本实施方式的图案检查装置中检查对象的指定方法的图。在本实施方式中,操作终端120的操作者,例如,通过在操作终端120上实现的适当的GUI(GraphicalUser Interface)来输入如下信息,在FEM晶圆的晶圆图上,用于特定与最佳焦点位置及最佳曝光量的拍摄所对应的SEM像4100的信息,以及从希望评价的SEM像中用于特定距离SEM像4100为最远位置处的SEM像4103的信息。演算处理装置3910基于所输入的信息,通过初期设定部3911,探索连接SEM像4100与SEM像4103的最短路径,将包含了最短路径上的SEM像的SEM像4100、SEM像4101、SEM像4102以及SEM像4103作为图案检查处理的检查对象来设定。最短路径的探索,将FEM晶圆上的与各拍摄相对应的SEM像作为顶点,与位于4附近的SEM像相对应的顶点之间通过边进行连接来生成图,采用公知的技术来求得。本实施方式的图案检查处理中,如后述(参考图42),以沿着最短路径的顺序,将相邻的SEM像作为一组,以与最佳焦点位置并且是最佳曝光量的拍摄相对应的SEM像相接近的SEM像作为基准,实施检查。
需要说明的是,可以是,从操作终端120所输入的信息,仅作为用于特定与最佳焦点位置并且是最佳曝光量的拍摄相对应的SEM像4100的信息,对于FEM晶圆的晶圆图上的所有SEM像,分别探索距离SEM像4100的最短路径,沿着该最短路径,进行图案检查处理。
图42是说明本实施方式的图案检查装置中的检查方法的图。
图42(a)是在图40的处理流程中,S值为“0”的情况的例子,即,显示将SEM像4100与SEM像4101进行比较的情况下的例子的图,是在使用预定的边缘提取参数的情况下,从SEM像4100提取如图像4200所示的轮廓线,从SEM像4101提取如图像4201所示的轮廓线的情况下的例子。在此情况下,将从SEM像4100所提取的轮廓线作为基准轮廓线,将从SEM像4101提取的轮廓线与基准轮廓线进行重叠描画,成为如图像4210的状态,表示未检测出缺陷。
图42(b)是在图40的处理流程中,S的值为“1”的情况的例子,即,显示将SEM像4101与SEM像4102进行比较的情况下的例子,是在使用预定的边缘提取参数的情况下,从SEM像4101提取如图像4201所示的轮廓线,从SEM像4102提取如图像4202所示的轮廓线的情况下的例子。在此情况下,将从SEM像4101所提取的轮廓线作为基准轮廓线,将从SEM像4102提取的轮廓线与基准轮廓线进行重叠描画,成为如图像4220的状态,区域4211被作为缺陷而提取。因此,与区域4221相关的信息被登记在缺陷区域列表中,进一步,区域4221被追加为不感区域。
图42(c)是在图40的处理流程中,S的值为“2”的情况的例子,即,显示将SEM像4102与SEM像4103进行比较的情况下的例子,是在使用预定的边缘提取参数的情况下,从SEM像4102提取如图像4202所示的轮廓线,从SEM像4103提取如图像4203所示的轮廓线的情况下的例子。在此情况下,将从SEM像4102所提取的轮廓线作为基准轮廓线,将从SEM像4103提取的轮廓线与基准轮廓线进行重叠描画,成为如图像4230的状态,区域4231及区域4232被作为缺陷而提取。但是,对于区域4221,由于被定为不感区域,未进行缺陷判定。因此,与区域4231及区域4232相关的信息被登记在缺陷区域列表中,进一步,区域4231及区域4232被追加为不感区域。
如上,根据本实施方式,通过将相邻拍摄的模具之间的轮廓线形状进行比较来进行检查,或者,此时使用通过较适当的边缘提取参数所形成的轮廓线,由此,能够不受大区域图案变粗或变细的干扰而检测出局部变形。
另外,被判断为缺陷的区域,在下次检查时被作为不感区域而设定,在依次更新不感区域的同时持续进行以距离最佳条件的差异逐渐增大的方向的各拍摄所对应的SEM像的评价,通过如此构成,不仅缺陷发生风险最高的图案部位,包含直至对于缺陷发生风险相对较低的、存在某种程度的风险的图案部位可以进行自动分析,因此,可以更有效地进行掩模图案的改善。
需要说明的是,在曝光条件的变化范围较小、大区域图案的变粗或变细很小的情况下,还可以对于所有的与拍摄对应的SEM像,利用从最佳曝光条件的SEM像所求得的基准轮廓线,或利用从设计数据所求得的基准轮廓线来进行检查。
另外,与第2实施方式的变形例相同,还可以构成为以基准边缘单元从同一亮度轮廓求取多个(3个以上)测长边缘,使用将对应的测长边缘之间连结所形成多个(即3个以上)的测长轮廓线来进行评价。在此情况下,与各轮廓线相关的评价分别独立进行,但是当通过任一测长轮廓线被判断为缺陷区域的阶段则判断为缺陷区域,结合利用了哪个轮廓线的检查中被判断为缺陷区域的这一信息来进行输出。
<变形例>
如上,对本发明的实施方式进行了说明,但本发明不限于此,在上述各实施方式及各变形例中,每个构成根据需要可以适当地进行组合来使用,此外在不脱离本发明的宗旨的范围内,可以进行例如如下的变更。
例如,在所述实施方式中,构成为从拍摄装置100获取作为检查或测量对象的SEM像,但是本发明的实施方式不限于此。例如,可以构成为,从保存了事先拍摄的SEM像的硬盘等存储装置来获取,还可以构成为通过网络等从其他系统获取。另外,还可以为,除了SEM像之外还获取与该SEM像相对应的拍摄条件等信息,将其用于检查或测量中。进一步,对于设计数据,也可以构成为,取代从存储装置获取,而通过网络等从其他系统获取。另外,所述实施方式中,构成为,将检查或测量结果输出至具有操作终端的显示装置,但是本发明的实施方式并不限于此。例如,可以构成为输出至硬盘等存储装置,还可以构成为通过网络等输出至其他系统。
另外,在所述实施方式中示例了如下例子,即:为了求取测长边缘而使用了阈值法,因此对于边缘提取参数的值也是用了与阈值法的阈值相当的值,但是本发明的实施方式并不限于此。例如,作为求取测长边缘的方法在使用观察一阶微分轮廓来求取边缘的位置的方法的情况下,对于边缘提取参数的值只要使用与一阶微分值相关的值即可。
另外,在所述实施方式中,作为检查或测量所使用的轮廓线而使用了测长轮廓线,但是本发明的实施方式不限于此。例如,还可以对所得到的测长轮廓线进行离散化得到以像素单元所定义的边缘的集合,将该边缘的集合用于检查或测量。此时,作为各像素所具有的边缘的信息,可以构成为具有横切该像素内的线段的信息(例如,该线段上的某一点的子像素精度的位置信息与表示该线段的方向的向量信息),来提高用于检查或测量中所使用的边缘位置的精度。
如上,根据本发明,通过如下构成,即:将用于从拍摄检查或测量对象图案所得到的图像数据提取边缘的边缘提取参数,使用成为所述检查或测量基准的基准图案以及所述图像数据来生成,利用基于所生成的边缘提取参数从所述图像数据求得的边缘来进行所述检查或测量,由此,在使用从拍摄检查或测量对象图案所得到的图像数据所提取边缘的位置来进行的检查或测量,能够降低噪声等影响,提高检查或测量结果的可靠性。
符号说明
100 摄像装置
101 SEM
102 控制装置
110 演算控制装置
111 存储器
112 初期设定部
113 边缘提取参数生成部
114 轮廓线形成部
115 检查部
120 操作终端
130 存储装置
140 模拟装置
Claims (17)
1.一种图案的检查、测量装置,其对检查或测量对象图案进行拍摄,从所得到的图像数据采用边缘提取参数来提取出边缘位置,利用该边缘位置对所述检查或测量对象图案进行检查或测量,
其特征在于,具有边缘提取参数生成部,该边缘提取参数生成部利用作为所述检查或测量的基准的基准图案和所述图像数据,生成所述边缘提取参数,
该检查、测量装置取得检查或测量对象图案的图像数据;针对作为所述检查或测量的对象的基准图案的多个不同位置,在与所述基准图案的边缘交叉的方向上,生成所述图像数据的亮度轮廓;根据所述亮度轮廓的、与所述基准图案的边缘对应的位置的亮度信息,针对所述图像数据的不同位置的每一个来设定阈值,将每一个所述不同位置的多个亮度轮廓的与所述阈值对应的位置,作为边缘位置而输出,其中,所述阈值是所述边缘提取参数。
2.根据权利要求1所述的图案的检查、测量装置,其特征在于,
所述基准图案构成为具有多个基准边缘,所述基准边缘是在提取所述边缘时作为基准的点,
所述边缘提取参数生成部生成分别与所述基准边缘相对应的边缘提取参数。
3.根据权利要求2所述的图案的检查、测量装置,其特征在于,
所述基准边缘构成为属于反映了作为所述检查或测量对象图案的形状的图案图形的任一个,
所述边缘提取参数生成部,以使得与属于同一图案图形的各个基准边缘相对应的边缘提取参数彼此相同的方式,生成边缘提取参数。
4.根据权利要求2所述的图案的检查、测量装置,其特征在于,
所述边缘提取参数生成部,以使得与各个基准边缘相对应的边缘提取参数彼此相同的方式,生成边缘提取参数。
5.根据权利要求1所述的图案的检查、测量装置,其特征在于,具有:
边缘提取参数输出部,其输出所述边缘提取参数生成部所生成的边缘提取参数,或与所述边缘提取参数生成部所生成的边缘提取参数相关的统计量。
6.根据权利要求1所述的图案的检查、测量装置,其特征在于,具有:
边缘提取参数检查部,其以所述边缘提取参数生成部所生成的边缘提取参数作为评价指标,对所述检查或测量对象图案进行检查。
7.根据权利要求1所述的图案的检查、测量装置,其特征在于,具有:
范围输入部,其输入边缘提取参数所能够取值的最小值和最大值,
所述边缘提取参数生成部生成所述边缘提取参数,使得所述边缘提取参数为所述最小值以上且所述最大值以下的值。
8.根据权利要求1所述的图案的检查、测量装置,其特征在于,具有:
最大偏差输入部,其输入相对于边缘提取参数的基准值的偏差的最大值,
所述边缘提取参数生成部生成所述边缘提取参数,使得所述边缘提取参数与所述基准值之间的差的绝对值为所述最大偏差以下。
9.根据权利要求1所述的图案的检查、测量装置,其特征在于,具有:
基准图案生成部,其利用预先给出的第二边缘提取参数,基于从所述图像数据提取的边缘位置来生成所述基准图案。
10.根据权利要求1所述的图案的检查、测量装置,其特征在于,具有:
基准图案生成部,其基于从第二图像数据提取的边缘位置来生成基准图案,其中,所述第二图像数据由对第二检查或测量对象图案进行拍摄而获得,所述第二检查或测量对象图案与所述检查或测量对象图案的制造工序不同。
11.根据权利要求1所述的图案的检查、测量装置,其特征在于,具有:
基准图案生成部,其基于从第二图像数据提取的边缘位置来生成基准图案,其中,所述第二图像数据由对第二检查或测量对象图案进行拍摄而获得,所述第二检查或测量对象图案与所述检查或测量对象图案的曝光条件不同。
12.根据权利要求1所述的图案的检查、测量装置,其特征在于,
利用所述边缘的位置与对应于该位置的所述基准图案上的位置之间的距离信息来进行所述检查或测量。
13.根据权利要求1所述的图案的检查、测量装置,其特征在于,
成为所述检查或测量的基准的基准图案构成为具有多个基准边缘,所述基准边缘是在提取所述边缘时作为基准的点,
所述图案的检查、测量装置具有轮廓线修复部,其对于所述基准边缘中不存在与该基准边缘相对应的所述边缘的部分,实施利用由使用所述图像数据所求得的轮廓线来求得所述检查或测量所使用的边缘的处理。
14.根据权利要求1所述的图案的检查、测量装置,其特征在于,
该图案的检查、测量装置是利用通过带电粒子射线的扫描来拍摄试料上的带状区域所得到的图像数据,来对在所述试料上形成的检查或测量对象图案进行检查或测量的装置,
所述带电粒子射线的扫描方向相对于与所述带状区域的长度方向的垂直方向倾斜。
15.根据权利要求1所述的图案的检查、测量装置,其特征在于,
成为所述检查或测量的基准的基准图案构成为具有多个基准边缘,所述基准边缘是在提取所述边缘时作为基准的点,
对于在各个所述基准边缘位置处生成的轮廓,通过相互不同的3个以上的边缘提取参数来求得边缘,形成与各个所述边缘提取参数相对应的轮廓线,使用所形成的3个以上的轮廓线进行所述检查或测量。
16.一种图案的检查、测量装置,对检查或测量对象图案进行拍摄,从所得到的第一图像数据采用边缘提取参数来提取出边缘位置,利用该边缘位置对所述检查或测量对象图案进行检查或测量,其特征在于,具有:
边缘提取参数矫正部,其利用从在作为基准的拍摄条件下对预定的矫正用图案进行拍摄得到的第二图像数据求得的基准图案、以及在获取所述第一图像数据时的拍摄条件下对所述矫正用图案进行拍摄而得到的第三图像数据,求得在所述作为基准的拍摄条件下的边缘提取参数与在获取所述第一图像数据时的拍摄条件下的边缘提取参数之间的对应关系;和
边缘提取参数变换部,其利用所述对应关系由预定的边缘提取参数求出在从所述第一图像数据提取边缘时的边缘提取参数,
该检查、测量装置取得检查或测量对象图案的图像数据;针对作为所述检查或测量的对象的基准图案的多个不同位置,在与所述基准图案的边缘交叉的方向上,生成所述图像数据的亮度轮廓;根据所述亮度轮廓的、与所述基准图案的边缘对应的位置的亮度信息,针对所述图像数据的每一个不同位置的来设定阈值,将每一个所述不同位置的多个亮度轮廓的与所述阈值对应的位置,作为边缘位置而输出,其中,所述阈值是所述边缘提取参数。
17.一种记录介质,其记录有由具有图案的检查、测量装置的演算装置所执行的程序,
所述图案的检查、测量装置对检查或测量对象图案进行拍摄,从所得到的图像数据采用边缘提取参数来提取出边缘位置,利用该边缘位置对所述检查或测量对象图案进行检查或测量,
其特征在于,所述程序具有利用成为所述检查或测量基准的基准图案与所述图像数据来生成所述边缘提取参数的边缘提取参数生成步骤,
该检查、测量装置取得检查或测量对象图案的图像数据;针对作为所述检查或测量的对象的基准图案的多个不同位置,在与所述基准图案的边缘交叉的方向上,生成所述图像数据的亮度轮廓;根据所述亮度轮廓的、与所述基准图案的边缘对应的位置的亮度信息,针对所述图像数据的每一个不同位置的来设定阈值,将每一个所述不同位置的多个亮度轮廓的与所述阈值对应的位置,作为边缘位置而输出,其中,所述阈值是所述边缘提取参数。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012-227590 | 2012-10-15 | ||
JP2012227590A JP5957357B2 (ja) | 2012-10-15 | 2012-10-15 | パターン検査・計測装置及びプログラム |
PCT/JP2013/077721 WO2014061575A1 (ja) | 2012-10-15 | 2013-10-11 | パターン検査・計測装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104718428A CN104718428A (zh) | 2015-06-17 |
CN104718428B true CN104718428B (zh) | 2017-10-13 |
Family
ID=50488141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380052997.9A Active CN104718428B (zh) | 2012-10-15 | 2013-10-11 | 图案的检查、测量装置及程序 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9858659B2 (zh) |
JP (1) | JP5957357B2 (zh) |
KR (1) | KR101698700B1 (zh) |
CN (1) | CN104718428B (zh) |
TW (1) | TWI521475B (zh) |
WO (1) | WO2014061575A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220076428A1 (en) * | 2019-05-31 | 2022-03-10 | Guangdong Lyric Robot Automation Co., Ltd. | Product positioning method |
Families Citing this family (70)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5953842B2 (ja) * | 2012-03-14 | 2016-07-20 | オムロン株式会社 | 画像検査方法および検査領域設定方法 |
US9478019B2 (en) * | 2014-05-06 | 2016-10-25 | Kla-Tencor Corp. | Reticle inspection using near-field recovery |
JP6399840B2 (ja) * | 2014-07-22 | 2018-10-03 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
AU2014216000A1 (en) * | 2014-08-22 | 2016-03-10 | Canon Kabushiki Kaisha | A non-uniform curve sampling method for object tracking |
US20160110859A1 (en) * | 2014-10-17 | 2016-04-21 | Macronix International Co., Ltd. | Inspection method for contact by die to database |
WO2016121009A1 (ja) | 2015-01-28 | 2016-08-04 | 株式会社 日立ハイテクノロジーズ | 荷電粒子線装置 |
WO2016121073A1 (ja) * | 2015-01-30 | 2016-08-04 | 株式会社 日立ハイテクノロジーズ | パターンマッチング装置、及びパターンマッチングのためのコンピュータプログラム |
US9653257B2 (en) * | 2015-03-03 | 2017-05-16 | Kla-Tencor Corporation | Method and system for reducing charging artifacts in scanning electron microscopy images |
US10312161B2 (en) | 2015-03-23 | 2019-06-04 | Applied Materials Israel Ltd. | Process window analysis |
US10393671B2 (en) * | 2015-04-29 | 2019-08-27 | Kla-Tencor Corp. | Intra-die defect detection |
US10395361B2 (en) | 2015-08-10 | 2019-08-27 | Kla-Tencor Corporation | Apparatus and methods for inspecting reticles |
EP3133553B1 (en) | 2015-08-17 | 2021-08-04 | Imec Vzw | Method for verifying a pattern of features printed by a lithography process |
EP3345159B1 (en) * | 2015-09-04 | 2022-08-03 | Straxcorp Pty Ltd | Method and apparatus for identifying a gap between objects in an image |
KR102100211B1 (ko) * | 2015-09-10 | 2020-04-13 | 주식회사 히타치하이테크 | 검사 장치 |
CN105448053B (zh) * | 2015-12-02 | 2018-06-15 | 广东小天才科技有限公司 | 一种姿势提醒方法及系统 |
CN108701237B (zh) * | 2016-01-15 | 2022-01-18 | 英卓美特公司 | 用于跨越多个组装单元自动生成公共测量的方法 |
JP2017134596A (ja) | 2016-01-27 | 2017-08-03 | 株式会社東芝 | 画像処理方法及びプロセスシミュレーション装置 |
JP6833366B2 (ja) * | 2016-07-06 | 2021-02-24 | キヤノン株式会社 | 情報処理装置、情報処理装置の制御方法及びプログラム |
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系统 |
CN106352820B (zh) * | 2016-08-08 | 2019-01-22 | 中国科学院微电子研究所 | 一种线条粗糙度的测量方法及系统 |
CN106252250A (zh) * | 2016-08-18 | 2016-12-21 | 东方晶源微电子科技(北京)有限公司 | 图像轮廓生成方法及装置 |
US10134124B2 (en) * | 2016-08-18 | 2018-11-20 | Dongfang Jingyuan Electron Limited | Reference image contour generation |
JP6897042B2 (ja) * | 2016-09-27 | 2021-06-30 | 日本電気株式会社 | 画像検査装置、画像検査方法および画像検査プログラム |
JP6759034B2 (ja) * | 2016-09-29 | 2020-09-23 | 株式会社日立ハイテク | パターン評価装置及びコンピュータープログラム |
KR101893823B1 (ko) | 2016-10-04 | 2018-08-31 | 주식회사 고영테크놀러지 | 기판 검사장치 및 이를 이용한 기판의 왜곡 보상 방법 |
US20180232875A1 (en) * | 2017-02-13 | 2018-08-16 | Pervacio Inc | Cosmetic defect evaluation |
WO2018187622A1 (en) * | 2017-04-05 | 2018-10-11 | Lyrical Labs Holdings, Llc | Video processing and encoding |
US10262408B2 (en) * | 2017-04-12 | 2019-04-16 | Kla-Tencor Corporation | System, method and computer program product for systematic and stochastic characterization of pattern defects identified from a semiconductor wafer |
JP2018180875A (ja) * | 2017-04-12 | 2018-11-15 | 富士通株式会社 | 判定装置、判定方法および判定プログラム |
JP7188870B2 (ja) * | 2017-05-31 | 2022-12-13 | 株式会社キーエンス | 画像検査装置 |
KR102176230B1 (ko) * | 2017-07-14 | 2020-11-09 | 주식회사 엘지화학 | 고분자 막의 분석 방법 |
JP7006009B2 (ja) * | 2017-08-15 | 2022-01-24 | 富士フイルムビジネスイノベーション株式会社 | 画像識別装置及び画像形成プログラム |
JP6959831B2 (ja) * | 2017-08-31 | 2021-11-05 | 株式会社日立製作所 | 計算機、処理の制御パラメータの決定方法、代用試料、計測システム、及び計測方法 |
US10276394B2 (en) * | 2017-09-14 | 2019-04-30 | Taiwan Semiconductor Manufacturing Co., Ltd. | Hybrid double patterning method for semiconductor manufacture |
KR102473979B1 (ko) | 2017-09-27 | 2022-12-06 | 에이에스엠엘 네델란즈 비.브이. | 디바이스 제조 공정의 제어 파라미터들을 결정하는 방법 |
KR102392338B1 (ko) * | 2017-10-13 | 2022-05-02 | 주식회사 히타치하이테크 | 패턴 계측 장치 및 패턴 계측 방법 |
CN108257166B (zh) * | 2018-01-11 | 2022-03-04 | 上海华虹宏力半导体制造有限公司 | 版图的仿真图像和硅片sem图像自动匹配的方法 |
US11397840B1 (en) * | 2018-03-14 | 2022-07-26 | Synopsys, Inc. | Edge placement errors for optical lithography |
EP3543791A1 (en) * | 2018-03-23 | 2019-09-25 | ASML Netherlands B.V. | Method of metrology and associated apparatuses |
CN110246173B (zh) * | 2018-08-14 | 2023-11-03 | 浙江大华技术股份有限公司 | 一种判断形状区域的方法和装置 |
US11100272B2 (en) * | 2018-08-17 | 2021-08-24 | Taiwan Semiconductor Manufacturing Co., Ltd. | Wafer-to-design image analysis (WDIA) system |
US10475179B1 (en) * | 2018-10-12 | 2019-11-12 | Velocity Image Processing LLC | Compensating for reference misalignment during inspection of parts |
CN109584220A (zh) * | 2018-11-15 | 2019-04-05 | 锐捷网络股份有限公司 | 一种丝印定位方法、丝印缺陷检测方法和相关装置 |
CN109751961A (zh) * | 2019-01-07 | 2019-05-14 | 成都中电熊猫显示科技有限公司 | 一种膜厚测量仪的点位自动调整方法及膜层厚度测量装置 |
CN109815372A (zh) * | 2019-01-24 | 2019-05-28 | 杭州嘉楠耘智信息科技有限公司 | Scrypt算法工作量证明方法及装置 |
CN109872287B (zh) * | 2019-01-31 | 2021-01-22 | 上海华虹宏力半导体制造有限公司 | Sem图像轮廓线图的修正方法 |
US11068739B1 (en) | 2019-02-04 | 2021-07-20 | Matrox Electronic Systems Ltd. | Method and system for comparison of object contours |
JP7242361B2 (ja) | 2019-03-18 | 2023-03-20 | キオクシア株式会社 | パターン形状計測方法 |
CN110148121B (zh) * | 2019-05-09 | 2022-11-22 | 腾讯科技(深圳)有限公司 | 一种皮肤图像处理方法、装置、电子设备及介质 |
WO2020223963A1 (en) * | 2019-05-09 | 2020-11-12 | Boe Technology Group Co., Ltd. | Computer-implemented method of detecting foreign object on background object in image, apparatus for detecting foreign object on background object in image, and computer-program product |
JP7308656B2 (ja) * | 2019-05-16 | 2023-07-14 | 株式会社キーエンス | 画像検査装置 |
WO2020121564A1 (ja) * | 2019-07-04 | 2020-06-18 | 株式会社日立ハイテク | 寸法計測装置、寸法計測プログラム及び半導体製造システム |
JP7264751B2 (ja) * | 2019-07-08 | 2023-04-25 | 株式会社ニューフレアテクノロジー | 検査装置及び検査方法 |
CN110414538B (zh) * | 2019-07-24 | 2022-05-27 | 京东方科技集团股份有限公司 | 缺陷分类方法、缺陷分类训练方法及其装置 |
WO2021024402A1 (ja) * | 2019-08-07 | 2021-02-11 | 株式会社日立ハイテク | 寸法計測装置、寸法計測方法及び半導体製造システム |
JP7237769B2 (ja) * | 2019-08-08 | 2023-03-13 | 株式会社日立ハイテク | 荷電粒子線装置 |
US11328485B2 (en) * | 2019-08-23 | 2022-05-10 | Tencent America LLC | Method and apparatus for displaying an augmented-reality image corresponding to a microscope view |
US11023770B2 (en) * | 2019-09-23 | 2021-06-01 | Hong Kong Applied Science And Technology Research Institute Co., Ltd. | Systems and methods for obtaining templates for tessellated images |
US11348216B2 (en) * | 2019-09-27 | 2022-05-31 | DePuy Synthes Products, Inc. | Technologies for determining the accuracy of three-dimensional models for use in an orthopaedic surgical procedure |
US11134908B2 (en) | 2019-09-27 | 2021-10-05 | DePuy Synthes Products, Inc. | Technologies for determining the spatial orientation of input imagery for use in an orthopaedic surgical procedure |
CN110931378B (zh) * | 2019-11-28 | 2022-05-10 | 武汉新芯集成电路制造有限公司 | 缺陷检测方法 |
CN111241862B (zh) * | 2020-01-21 | 2023-06-02 | 西安邮电大学 | 基于边缘特性的条形码定位方法 |
CN115004107A (zh) * | 2020-02-14 | 2022-09-02 | 美商新思科技有限公司 | 用于开发光刻掩模的布局的骨架表示 |
JP2021140524A (ja) * | 2020-03-06 | 2021-09-16 | 株式会社東芝 | 検査端末装置、検査装置、検査システム、及び、検査プログラム |
CN112433713A (zh) * | 2020-11-30 | 2021-03-02 | 建信金融科技有限责任公司 | 一种应用程序设计图处理方法和装置 |
CN113342906B (zh) * | 2021-06-09 | 2023-10-20 | 海光信息技术股份有限公司 | 一种对晶圆量测数据分布形态的分类方法以及装置 |
US11783453B2 (en) | 2021-06-10 | 2023-10-10 | Bank Of America Corporation | Adapting image noise removal model based on device capabilities |
TWI764770B (zh) * | 2021-06-29 | 2022-05-11 | 倍利科技股份有限公司 | 用於判定電路之線路區域的方法 |
CN113503832B (zh) * | 2021-07-14 | 2024-04-26 | 苏州东方克洛托光电技术有限公司 | 一种基于物体横向尺寸辅助的绝对相位恢复方法 |
CN114655389A (zh) * | 2022-04-12 | 2022-06-24 | 广东海洋大学 | 一种具有目标识别功能的无人值守船舶系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW490591B (en) * | 1999-08-26 | 2002-06-11 | Nanogeometry Res | Pattern inspection apparatus, pattern inspection method, and recording medium |
CN101668106A (zh) * | 2008-09-03 | 2010-03-10 | 奥林巴斯映像株式会社 | 图像处理装置、摄像装置以及图像处理方法 |
CN102209974A (zh) * | 2008-11-11 | 2011-10-05 | 松下电器产业株式会社 | 特征量提取装置、物体识别装置、以及特征量提取方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09265931A (ja) * | 1996-03-29 | 1997-10-07 | Toshiba Corp | 画像取得装置及び方法 |
US20040081350A1 (en) | 1999-08-26 | 2004-04-29 | Tadashi Kitamura | Pattern inspection apparatus and method |
JP2001147113A (ja) * | 1999-11-22 | 2001-05-29 | Hitachi Ltd | パターン寸法測定装置および方法 |
JP2003303336A (ja) * | 2002-04-11 | 2003-10-24 | Seiko Electric Co Ltd | 領域抽出閾値設定手法 |
JP3930469B2 (ja) * | 2003-09-24 | 2007-06-13 | 三菱重工業株式会社 | 原子炉定期検査装置 |
JP4827269B2 (ja) | 2004-02-23 | 2011-11-30 | 株式会社 Ngr | パターン検査装置および方法 |
JP4504417B2 (ja) * | 2005-01-31 | 2010-07-14 | オリンパス株式会社 | 画像処理装置、顕微鏡システム、及び領域特定プログラム |
KR200396920Y1 (ko) * | 2005-06-27 | 2005-09-29 | 케이비이엔지주식회사 | 방사선 차폐체 조립장치 |
JP5156619B2 (ja) * | 2006-02-17 | 2013-03-06 | 株式会社日立ハイテクノロジーズ | 試料寸法検査・測定方法、及び試料寸法検査・測定装置 |
JP5075646B2 (ja) * | 2008-01-09 | 2012-11-21 | 株式会社日立ハイテクノロジーズ | 半導体欠陥検査装置ならびにその方法 |
JP5065943B2 (ja) * | 2008-02-29 | 2012-11-07 | 株式会社日立ハイテクノロジーズ | 製造プロセスモニタリングシステム |
JP2010034138A (ja) * | 2008-07-25 | 2010-02-12 | Toshiba Corp | パターン検査装置、パターン検査方法およびプログラム |
JP5663195B2 (ja) * | 2010-05-21 | 2015-02-04 | 株式会社日立ハイテクノロジーズ | パターン寸法計測方法、パターン寸法計測装置、パターン寸法計測方法をコンピュータに実行させるプログラム及びこれを記録した記録媒体 |
JP5781743B2 (ja) | 2010-06-28 | 2015-09-24 | ソニー株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
-
2012
- 2012-10-15 JP JP2012227590A patent/JP5957357B2/ja active Active
-
2013
- 2013-09-25 TW TW102134535A patent/TWI521475B/zh active
- 2013-10-11 KR KR1020157008960A patent/KR101698700B1/ko active IP Right Grant
- 2013-10-11 WO PCT/JP2013/077721 patent/WO2014061575A1/ja active Application Filing
- 2013-10-11 US US14/433,698 patent/US9858659B2/en active Active
- 2013-10-11 CN CN201380052997.9A patent/CN104718428B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW490591B (en) * | 1999-08-26 | 2002-06-11 | Nanogeometry Res | Pattern inspection apparatus, pattern inspection method, and recording medium |
CN101668106A (zh) * | 2008-09-03 | 2010-03-10 | 奥林巴斯映像株式会社 | 图像处理装置、摄像装置以及图像处理方法 |
CN102209974A (zh) * | 2008-11-11 | 2011-10-05 | 松下电器产业株式会社 | 特征量提取装置、物体识别装置、以及特征量提取方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220076428A1 (en) * | 2019-05-31 | 2022-03-10 | Guangdong Lyric Robot Automation Co., Ltd. | Product positioning method |
Also Published As
Publication number | Publication date |
---|---|
KR101698700B1 (ko) | 2017-01-20 |
WO2014061575A1 (ja) | 2014-04-24 |
TWI521475B (zh) | 2016-02-11 |
KR20150053798A (ko) | 2015-05-18 |
US20150228063A1 (en) | 2015-08-13 |
US9858659B2 (en) | 2018-01-02 |
CN104718428A (zh) | 2015-06-17 |
TW201428690A (zh) | 2014-07-16 |
JP2014081220A (ja) | 2014-05-08 |
JP5957357B2 (ja) | 2016-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104718428B (zh) | 图案的检查、测量装置及程序 | |
KR101934313B1 (ko) | 검사 이미지들 내에서 결함들을 검출하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품 | |
CN114140679B (zh) | 一种缺陷融合方法、装置、识别系统及存储介质 | |
US8045789B2 (en) | Method and apparatus for inspecting defect of pattern formed on semiconductor device | |
KR101764658B1 (ko) | 결함 해석 지원 장치, 결함 해석 지원 장치에 의해 실행되는 프로그램 및 결함 해석 시스템 | |
US8577124B2 (en) | Method and apparatus of pattern inspection and semiconductor inspection system using the same | |
JP3524853B2 (ja) | パターン検査装置、パターン検査方法および記録媒体 | |
TW490591B (en) | Pattern inspection apparatus, pattern inspection method, and recording medium | |
JP6009351B2 (ja) | 検査画像内の分類のためのシステム、方法、及びコンピュータプログラム製品 | |
US7817844B2 (en) | Pattern inspection apparatus and method | |
JP5393550B2 (ja) | 走査荷電粒子顕微鏡を用いた画像生成方法及び装置、並びに試料の観察方法及び観察装置 | |
US8577125B2 (en) | Method and apparatus for image generation | |
US20170323435A1 (en) | Defect quantification method, defect quantification device, and defect evaluation value display device | |
CN113168687A (zh) | 图像评价装置和方法 | |
CN112183301A (zh) | 一种建筑物楼层智能识别方法及装置 | |
JP3749726B1 (ja) | 周期性ノイズ下での低コントラスト欠陥検査方法、繰返しパターン下での低コントラスト欠陥検査方法 | |
JP2004185019A (ja) | パターン検査装置、パターン検査方法および記録媒体 | |
CN113039631A (zh) | 通过将光学信号拟合到点扩散函数的缺陷分类 | |
CN114387232A (zh) | 一种晶圆圆心定位、晶圆缺口定位及晶圆定位校准方法 | |
CN115115925B (zh) | 一种基于多尺度特征信息融合的MS-YOLOv3工业仪表读数检测方法 | |
CN116703912B (zh) | 一种迷你主机网口完整性视觉检测方法 | |
KR20240089449A (ko) | 교사 데이터 작성 지원 장치, 교사 데이터 작성 지원 방법 | |
CN113379725A (zh) | 一种基于深度学习的变电站油计表读数方法 | |
CN115830043A (zh) | 无线充磁铁的边界检测方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |