CN110889417A - 轮廓提取方法、轮廓提取装置及非易失性记录介质 - Google Patents
轮廓提取方法、轮廓提取装置及非易失性记录介质 Download PDFInfo
- Publication number
- CN110889417A CN110889417A CN201910127424.7A CN201910127424A CN110889417A CN 110889417 A CN110889417 A CN 110889417A CN 201910127424 A CN201910127424 A CN 201910127424A CN 110889417 A CN110889417 A CN 110889417A
- Authority
- CN
- China
- Prior art keywords
- contour
- electron image
- secondary electron
- dictionary
- pattern
- 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.)
- Pending
Links
Images
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
- H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
- H01J37/28—Electron or ion microscopes; Electron or ion diffraction tubes with scanning beams
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
- H01J37/261—Details
-
- 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
-
- 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
-
- 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
- H01J2237/22—Treatment of data
- H01J2237/226—Image reconstruction
-
- 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
- H01J2237/244—Detection characterized by the detecting means
- H01J2237/24475—Scattered electron detectors
-
- 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
- H01J2237/24571—Measurements of non-electric or non-magnetic variables
- H01J2237/24578—Spatial variables, e.g. position, distance
-
- 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
- H01J37/22—Optical or photographic arrangements associated with the tube
- H01J37/222—Image processing arrangements associated with the tube
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
实施方式涉及一种轮廓提取方法、轮廓提取装置及非易失性记录介质。实施方式的轮廓提取方法是从使用电子束所获得的图像中提取对象物的轮廓的轮廓提取方法,且包含如下步骤:从背向散射电子像提取对象物的轮廓;制作将二次电子像与轮廓建立关联的词典,所述二次电子像是在与背向散射电子像相同的部位获得的;针对新获取的二次电子像,参照词典,在新获取的二次电子像的多个位置算出对象物的轮廓的似然度;以及从多个位置之中将似然度的总和最大的路径设为对象物的轮廓。
Description
[相关申请]
本申请享有在2018年9月7日提出申请的日本专利申请号2018-167650的优先权的利益,该日本专利申请的全部内容被引用到本申请中。
技术领域
实施方式涉及一种轮廓提取方法、轮廓提取装置及非易失性记录介质。
背景技术
已知一种从使用电子束而获得的图像中提取对象物的轮廓的技术。
发明内容
实施方式提供一种能够精度良好地提取对象物的轮廓的轮廓提取方法、轮廓提取装置及非易失性记录介质。
实施方式的轮廓提取方法是从使用电子束而获得的图像中提取对象物的轮廓的轮廓提取方法,且包含如下步骤:从背向散射电子像中提取所述对象物的轮廓;制作将二次电子像与所述轮廓建立关联的词典,所述二次电子像是在与所述背向散射电子像相同的部位获得的;针对新获取的二次电子像,参照所述词典,在新获取的所述二次电子像的多个位置算出对象物的轮廓的似然度;以及从所述多个位置之中将所述似然度的总和最大的路径设为所述对象物的轮廓。
附图说明
图1是表示实施方式的轮廓提取装置的硬件构成的一例的框图。
图2是表示实施方式的轮廓提取装置的软件构成的一例的框图。
图3是对实施方式的轮廓提取装置所使用的背向散射电子像及二次电子像进行说明的示意图。
图4(a)~(d)是对利用实施方式的轮廓提取装置进行的二次电子像与轮廓建立关联的方法进行说明的图。
图5是表示通过实施方式的轮廓提取装置的学习而获得的词典的一例的图。
图6(a)~(e)是说明实施方式的轮廓提取装置的轮廓提取的方法的概要的图。
图7(a)~(c)是对实施方式的轮廓提取装置的轮廓得分的算出方法进行说明的图。
图8是对实施方式的轮廓提取装置的路径的决定方法进行说明的图。
图9A是对实施方式的轮廓提取装置的框的设定方法进行说明的图。
图9B是对实施方式的轮廓提取装置的框的设定方法进行说明的图。
图10是表示利用实施方式的轮廓提取装置进行的轮廓提取处理的顺序的一例的流程图。
图11A是表示利用实施例及比较例所提取的轮廓的位置的曲线图。
图11B是表示利用实施例及比较例所提取的轮廓的位置的曲线图。
图12是表示利用实施例及比较例所提取的轮廓的位置精度的图。
具体实施方式
以下,一面参照附图一面对本发明详细地进行说明。此外,本发明并不受下述实施方式限定。另外,下述实施方式中的构成要素包含业者可容易地设想的要素、或实质上相同的要素。
[实施方式]
使用图1~图10对实施方式进行说明。
(轮廓提取装置的构成例)
图1是表示实施方式的轮廓提取装置200的硬件构成的一例的框图。
如图1所示,轮廓提取装置200具有CPU(Central Processing Unit,中央处理器)201、ROM(Read Only Memory,只读存储器)202、RAM(Random Access Memory,随机访问存储器)203、显示部204、及输入部205。轮廓提取装置200中,这些CPU201、ROM202、RAM203、显示部204、输入部205经由总线而连接。
CPU201使用作为计算机程序的轮廓提取程序207进行对象物的轮廓的提取。轮廓提取程序207是能够由计算机执行、具有记录介质的计算机程序产品,所述记录介质包含用来进行轮廓提取的多个命令且能够由计算机读取。轮廓提取程序207中,这些多个命令使计算机执行轮廓的提取处理。
显示部204是液晶监视器等显示装置,基于来自CPU201的指示,而显示对象物的轮廓等。输入部205构成为具备鼠标或键盘,由用户输入外部输入的指示信息(轮廓提取所需的参数等)。向输入部205输入的指示信息被送到CPU201。
轮廓提取程序207存储在ROM202内,经由总线被载入到RAM203。图1中,表示轮廓提取程序207已被载入到RAM203的状态。
CPU201执行被载入到RAM203内的轮廓提取程序207。具体来说,在轮廓提取装置200中,按照由用户从输入部205进行的指示输入,CPU201从ROM202内读出轮廓提取程序207并在RAM203内的程序存储区域展开而执行各种处理。CPU201预先使执行该各种处理时产生的各种数据暂时存储在RAM203内所形成的数据存储区域。
由轮廓提取装置200执行的轮廓提取程序207成为包含下述学习阶段模块及实测阶段模块的模块构成,将它们载入到主存储装置上,而在主存储装置上产生。
图2是表示实施方式的轮廓提取装置200的软件构成的一例的框图。
如图2所示,在轮廓提取装置200,以相互能够进行通信的方式连接着电子像摄像装置100。轮廓提取装置200与电子像摄像装置100之间进行对象物的电子像、电子像的拍摄条件等的收发。
另外,轮廓提取装置200构成为能够接收设计数据300。设计数据300中包含对象物的轮廓为直线状还是曲线状等与对象物所具有的轮廓相关的信息。
轮廓提取装置200具备电子像获取部211、轮廓提取部212、图案提取部213、词典制作部214、运算部215、及存储部216,作为实现轮廓提取装置200的功能的构成。这些构成可通过CPU201执行程序而实现,或者,也可以利用专用的硬件电路实现。另外,存储部216也可以由HDD(Hard Disk Drive,硬盘驱动器)等实现。
电子像获取部211从电子像摄像装置100获取对象物的电子像。对象物的电子像有通过检测背向散射电子而获得的背向散射电子像、及通过检测二次电子而获得的二次电子像。背向散射电子像用于图案提取部213所进行的学习及图案提取。二次电子像被用作学习用或实测用。
轮廓提取部212从由电子像获取部211所获取的背向散射电子像中提取对象物的轮廓。对象物的轮廓提取是使用图像识别技术等进行。
图案提取部213进行反复性学习,也就是将在与背向散射电子像相同的部位获得的学习用二次电子像与从背向散射电子像提取的轮廓进行比较。关于该学习,例如利用机器学习来进行。由此,图案提取部213提取表示从背向散射电子像提取的轮廓与二次电子像的相关性的图案。
词典制作部214基于图案提取部213所提取的图案,制作将二次电子像与从背向散射电子像提取的轮廓建立关联的词典,所述背向散射电子像是在与该二次电子像相同的部位获得的。
运算部215参照词典制作部214所制作的词典,从实测用二次电子像中提取对象物的轮廓。
存储部216存储电子像获取部211所获取的各种电子像数据、设计数据300、从背向散射电子像提取的轮廓数据、图案提取部213所提取的图案数据、词典制作部214所制作的词典数据、及运算部215所提取的轮廓数据等。
(背向散射电子像及二次电子像)
此处,使用图3对实施方式的轮廓提取装置200所使用的背向散射电子像及二次电子像进行说明。图3是对实施方式的轮廓提取装置200所使用的背向散射电子像及二次电子像进行说明的示意图。
如图3所示,轮廓提取的对象物是例如半导体衬底等晶圆W上的构造。图3中,对提取嵌入到晶圆W上所形成的绝缘层(未图示)的槽中的金属配线LN的轮廓C的示例进行说明。金属配线LN可为例如形成在晶圆W上的半导体装置的一部分。
背向散射电子像及二次电子像等电子像例如由测长用扫描型电子显微镜(CD-SEM:Critical Dimension Scanning Electron Microscope)、或缺陷检测用扫描型电子显微镜(DR-SEM:Defect Review Scanning Electron Microscope)等电子像摄像装置100拍摄。
具体来说,从电子像摄像装置100所具备的电子枪朝向作为对象物的晶圆W照射电子束EB。此时,电子碰撞到晶圆W的表面,而从表面发射二次电子(Secondary Electron)SE。另外,入射到晶圆W内的电子中,在晶圆W内被散射并再次向晶圆W外发射的即为背向散射电子(Back-Scattered Electron)BSE。电子像摄像装置100中,利用检测器DTR检测这些二次电子及背向散射电子等,并获得各自的电子像。
(轮廓提取装置的学习方法)
接下来,使用图4及图5对轮廓提取装置200的学习方法进行说明。图4是对利用实施方式的轮廓提取装置200进行的二次电子像与轮廓建立关联的方法进行说明的图。
图4(a)是电子像获取部211从电子像摄像装置100获取的背向散射电子像。与图3的示例相同,此处设为获得了例如嵌入到晶圆上的绝缘层的槽中的金属配线LN的背向散射电子像。金属配线LN的背向散射电子像成为从上方观察金属配线LN所得的俯瞰像。
如图4(b)所示,轮廓提取部212从背向散射电子像提取金属配线LN的轮廓C(L)、C(R)。轮廓C(L)是金属配线LN的宽度方向左端部的轮廓。轮廓C(R)是金属配线LN的宽度方向右端部的轮廓。轮廓C(L)、C(R)可通过使用图像识别技术等将例如背向散射电子像中明暗的对比度最显著地变化的位置规定为轮廓C(L)、C(R)的位置而提取。
图4(c)是电子像获取部211从电子像摄像装置100获取的二次电子像。图4(c)的二次电子像是在与图4(a)的背向散射电子像相同的部位的金属配线LN上获取的,用于轮廓提取装置200中的学习。
根据图4(b)及图4(c),如图4(d)所示,获得1个建立关联数据,该建立关联数据是将同一部位的轮廓C(L)、C(R)与二次电子像建立关联而得。图案提取部213使用多个这种建立关联数据,反复进行将同一部位的轮廓C(L)、C(R)与二次电子像进行比较的学习。此时,例如,从二次电子像提取亮度或像亮度的一次微分值等这样的定量值并取得它们的统计量,由此能够进行定量性且统计性比较。这种学习也可以使用例如机器学习来进行。由此,图案提取部213通过学习将轮廓C(L)、C(R)与二次电子像的相关性图案化并提取。
图5是表示通过实施方式的轮廓提取装置200的学习而获得的词典的一例的图。
如图5所示,词典制作部214基于由图案提取部213所提取的图案,制作同一部位的轮廓C(L)、C(R)与二次电子像建立关联而得的词典D(L)、D(R)。词典D(L)是关于金属配线LN的宽度方向左端部的轮廓C(L)的词典。词典D(R)是关于金属配线LN的宽度方向右端部的轮廓C(R)的词典。
词典D(L)具有将轮廓C(L)附近呈狭缝状选取所得的二次电子像经图案化后的图像数据。图像数据中,在呈狭缝状被选取的图像的中央,配置着沿相对于狭缝垂直的方向延伸的轮廓C(L)。
词典D(R)具有将轮廓C(R)附近呈狭缝状选取所得的二次电子像经图案化后的图像数据。图像数据中,在呈狭缝状被选取的图像的中央,配置着沿相对于狭缝垂直的方向延伸的轮廓C(R)。
以如上方式制作的词典D(L)、D(R)在从新获取的实测用二次电子像提取轮廓C(L)、C(R)时被参照。
(轮廓提取装置的轮廓提取方法)
接下来,使用图6~图9B对轮廓提取装置200的轮廓提取的方法进行说明。图6是说明实施方式的轮廓提取装置200的轮廓提取的方法的概要的图。
图6(a)是电子像获取部211从电子像摄像装置100获取的二次电子像。图6(a)的二次电子像用于轮廓提取的实测。此时,实测用二次电子像较理想的是将电子像摄像装置100的条件设为与学习时的二次电子像相同的条件而拍摄的二次电子像。
如图6(b)所示,运算部215参照词典D(L),针对图6(a)的二次电子像的多个位置算出轮廓得分(L)。轮廓得分(L)是表示二次电子像中的金属配线LN的宽度方向左端部的轮廓或然性、也就是似然度的数值。轮廓得分(L)越高,该位置与金属配线LN的轮廓C(L)相符的可能性就越高。
如图6(c)所示,运算部215算出针对多个位置所算出的轮廓得分(L)的总和最大的路径,将该路径设为轮廓C(L)。
如图6(d)所示,运算部215参照词典D(R),针对图6(a)的二次电子像的多个位置算出轮廓得分(R)。轮廓得分(R)是表示二次电子像中的金属配线LN的宽度方向右端部的轮廓或然性、也就是似然度的数值。轮廓得分(R)越高,该位置与金属配线LN的轮廓C(R)相符的可能性就越高。
如图6(e)所示,运算部215算出针对多个位置所算出的轮廓得分(R)的总和最大的路径,将该路径设为轮廓C(R)。
使用图7对轮廓得分的算出方法更详细地进行说明。
图7是对实施方式的轮廓提取装置200的轮廓得分的算出方法进行说明的图。图7表示算出二次电子像中的金属配线LN的宽度方向左端部的轮廓得分(L)的示例。
如图7所示,运算部215在二次电子像上设定狭缝状的框BX,该狭缝状的框BX选取二次电子像的一部分。关于该框BX的形状及尺寸,例如设定为与所制作的词典D(L)的狭缝相同的尺寸。另外,狭缝状的框BX是以沿相对于所设想的轮廓C(L)的延伸方向垂直的方向延伸的方式设定。轮廓C(L)的延伸方向可根据轮廓提取装置200接收到的该金属配线LN的设计数据300来推定。该例中,设定为在二次电子像上轮廓C(L)沿大致垂直方向延伸,框BX沿水平方向延伸。
如图7(a)所示,运算部215将利用框BX所选取的二次电子像与词典D(L)进行比较,算出该位置处的轮廓得分(L)。利用框BX所选取的二次电子像与词典D(L)所具有的图案越类似,两者间的相关度就越高,算出的轮廓得分(L)的数值就越高。图7(a)的示例中,金属配线LN的轮廓C(L)位于框BX的右端,所选取的二次电子像与词典D(L)的图案的相关度并不那么高。该位置处的轮廓得分(L)例如算出为100。
如图7(b)所示,运算部215使框BX的位置在框的延伸方向、也就是水平方向上偏移例如1像素,并算出此处的轮廓得分(L)。在图7(b)的示例中,金属配线LN的轮廓C(L)位于框BX的大致中央,所选取的二次电子像与词典D(L)的图案的相关度相当高。该位置处的轮廓得分(L)例如算出为200。
如图7(c)所示,运算部215使框BX的位置在水平方向上进而偏移1像素,并算出此处的轮廓得分(L)。在图7(c)的示例中,金属配线LN的轮廓C(L)位于框BX的稍微偏左的位置,所选取的二次电子像与词典D(L)的图案的相关度稍高。该位置处的轮廓得分(L)例如算出为180。
像这样,运算部215依次使框BX的位置在水平方向上以1像素为单位偏移,并算出这些位置处的轮廓得分(L)。也就是说,运算部215在指定的水平位置上,例如从二次电子像的左端到右端依次算出轮廓得分(L)。在例如二次电子像的上端到下端的水平位置上重复该操作。
使用图8对基于轮廓得分的路径的决定进行说明。
图8是对实施方式的轮廓提取装置200的路径的决定方法进行说明的图。图8表示在二次电子像的多个水平位置A~F具有运算部215算出的轮廓得分的框BX的一部分。图8中的各个矩形表示框BX。框BX内的数值是该框BX所具有的轮廓得分。
如图8所示,运算部215通过在各水平位置A~F选择指定的框BX,而决定二次电子像的从上到下的路径R。
例如,在水平位置A,运算部215选择具有最高轮廓得分(180)的中央的框BX。
在水平位置B,运算部215可从在水平位置A所选择的框BX正下方的框BX及它的左右各1个的框BX之中选择下一个框BX。运算部215选择水平位置B的这3个框BX中具有最高轮廓得分(200)的右侧的框BX。
在水平位置C,运算部215从在水平位置B所选择的框BX正下方的框BX及它的左右各1个的框BX之中选择具有最高轮廓得分(170)的左侧的框BX。
同样地,运算部215在水平位置D选择所能选择的3个框BX中的中央的框BX(轮廓得分:180),在水平位置E选择所能选择的3个框BX中的左侧的框BX(轮廓得分:200),在水平位置F选择所能选择的3个框BX中的右侧的框BX(轮廓得分:170)。
运算部215将在各水平位置A~F如上所述那样所选择的框BX相连而决定路径R。该路径R是穿过在各水平位置A~F所能选择的框BX的路径中轮廓得分的总和最大的路径。运算部215将该路径R规定为轮廓。
以上,对提取的轮廓为大致直线状的情况进行了说明,但在轮廓具有曲线的情况下,也能使用相同的方法。以下,对轮廓并非直线状的情况的几个示例进行说明。
图9A及图9B是对实施方式的轮廓提取装置200的框BX的设定方法进行说明的图。运算部215在设定框BX时,根据设计数据300推测指定的对象物所具有的轮廓。设计数据300中包含晶圆上所形成的配线或触点等设计信息。运算部215基于所推测的对象物的轮廓,以相对于该轮廓的延伸方向垂直地延伸的方式设定框BX的配置。
图9A所示的轮廓C(L)、C(R)在局部具有弯曲部。在这种情况下,运算部215在轮廓C(L)、C(R)的直线部将框BX水平地设定。另外,在轮廓C(L)、C(R)的弯曲部,运算部215以与轮廓C(L)、C(R)的曲线相应地使框BX倾斜且沿相对于曲线状的轮廓C(L)、C(R)垂直的方向延伸的方式设定各框BX的配置。
图9B所示的轮廓C(C)为圆环状(圆形)。在这种情况下,运算部215以与轮廓C(C)的各部的曲线相应地使框BX倾斜且沿相对于圆环状的轮廓C(C)垂直的方向延伸的方式设定各框BX的配置。由此,各框BX配置成放射状。
关于此后的轮廓得分的算出、基于轮廓得分的路径的决定及轮廓的提取,由运算部215利用与所述方法相同的方法进行。以此方式提取的金属配线或触点等的轮廓之后被评估线宽、触点直径或轮廓的平滑性等形状,并被利用于接下来的处理。
此外,对在推定对象物的轮廓时使用设计数据300作为表示对象物的轮廓的数据的示例进行了说明,但并不限于此。作为表示对象物的轮廓的数据,例如,也可以使用从多个背向散射电子像提取的轮廓的数据。运算部215可根据从这多个背向散射电子像提取的轮廓的形状,推测对象物的轮廓。
另外,用来推测轮廓的设计数据300也可以在利用图案提取部213及词典制作部214将二次电子像呈狭缝状选取时被参照。
另外,上文中是取嵌入到绝缘层的金属配线为例,但轮廓提取装置200的所述方法不仅能应用于表面平坦的对象物,而且也能应用于槽或孔的轮廓等具有凹凸的对象物。另外,不仅能提取晶圆上所形成的半导体装置的轮廓,而且能提取各种对象物的轮廓。
(轮廓提取处理的示例)
接下来,使用图10对利用轮廓提取装置200进行的轮廓提取处理的示例进行说明。图10是表示利用实施方式的轮廓提取装置200进行的轮廓提取处理的顺序的一例的流程图。
如图10所示,利用轮廓提取装置200进行的轮廓提取处理包括学习阶段(步骤S103~S106)与实测阶段(步骤S107~S109)。学习阶段是获取电子像并制作词典为止的处理,利用所述轮廓提取程序207中的学习阶段模块来执行。实测阶段是从以实测为目的的二次电子像实际地提取轮廓的处理,利用所述轮廓提取程序207中的实测阶段模块来执行。
电子像获取部211从电子像摄像装置100获取背向散射电子像、二次电子像等(步骤S101)。关于二次电子像,根据它的用途不同而处理存在差异(步骤S102)。在所获取的二次电子像用于实测的情况下,转到步骤S107。
在所获取的二次电子像用于学习的情况下,轮廓提取部212从在与该二次电子像相同的部位拍摄的背向散射电子像中提取晶圆上的金属配线等对象物的轮廓(步骤S103)。图案提取部213将所提取的轮廓与二次电子像进行比较(步骤S104)。
反复进行步骤S103~S105的处理(步骤S105:否(No)→步骤S103→步骤S104),直到图案提取部213通过反复学习将轮廓与二次电子像的相关性图案化并提取为止。
如果图案提取部213提取图案(步骤S105:是(Yes)),那么词典制作部214基于所提取的图案制作将轮廓与二次电子像建立关联的词典(步骤S106)。
在所获取的二次电子像用于实测的情况下,轮廓提取装置200将获取了该二次电子像的对象物的设计数据获取(S107)。运算部215基于根据设计数据所推测的轮廓设定恰当的框,一边参照所制作的词典一边算出二次电子像的多个位置处的轮廓得分(步骤S108)。
运算部215从已算出轮廓得分的多个位置之中,决定轮廓得分的总和最大的路径,将该路径规定为对象物的轮廓(步骤S109)。
根据以上所述,利用轮廓提取装置200进行的轮廓提取处理结束。
(比较例)
为了提取对象物的轮廓进行形状评估,有时使用利用电子束而获得的电子像。作为比较例的轮廓提取方法,考虑使用背向散射电子像或二次电子像。
关于背向散射电子,对象物表面的带电所产生的影响较少,容易获得接近实像的电子像。另外,在像绝缘层与金属层那样材质不同的层的交界处,能以明显的对比度观测轮廓。另一方面,背向散射电子因信号量较少且S/N比(Signal-to-Nosie ratio,信噪比)较低,所以再现性较差。
二次电子可获得信号量丰富且S/N比高、再现性优异的电子像。另一方面,二次电子容易受到带电所产生的影响,存在所获得的电子像与实像产生偏移的情况。因此,存在如下情况:对象物的轮廓模糊不清等,难以提取精度较高的轮廓。
实施方式的轮廓提取装置200是制作将从二次电子获得的二次电子像与从相同部位的背向散射电子像提取的轮廓建立关联的词典,在进行实测时参照所制作的词典从二次电子像提取轮廓。由此,可精度良好地提取对象物的轮廓。
[实施例]
使用图11A、图11B及图12对实施例进行说明。图11A及图11B是表示利用实施例及比较例所提取的轮廓的位置的曲线图。
成为对象的轮廓是嵌入到绝缘层的金属配线的宽度方向上的两端部。实施例的轮廓是利用与所述实施方式相同的方法提取的。比较例的轮廓设为从二次电子像获得的亮度的一次微分值中的峰值。
曲线图的横轴是提取了轮廓的二次电子像的水平方向的位置(X)。曲线图的纵轴是从二次电子像获得的亮度或亮度的一次微分值。曲线图上的虚线表示利用实施例的方法所提取的轮廓C(L)、C(R)的位置。
如图11A所示,在表示金属配线的左端部的实施例的轮廓C(L)的位置与比较例的轮廓C(L)'的位置可看到少许偏移。
如图11B所示,在表示金属配线的右端部的实施例的轮廓C(R)的位置与比较例的轮廓C(R)'的位置可看到较大的偏移。
图12是表示利用实施例及比较例所提取的轮廓的位置精度的图。
在算出轮廓的位置精度时,将从背向散射电子像提取的轮廓设为实际值。然后,基于与从背向散射电子像提取的轮廓的偏移量(像素值),算出轮廓的位置精度。图12中的数值是取二次电子像及背向散射电子像114组数据的平均值而得的数值。
如图12所示,关于左端部的轮廓的偏移量,实施例为0.45像素,比较例为0.47像素。虽然相差甚微但实施例胜出。关于右端部的轮廓的偏移量,实施例为0.41像素,比较例为0.54像素。实施例的精度远高于比较例。
已对本发明的几个实施方式进行了说明,但这些实施方式是作为示例而提出的,并非意图限定发明的范围。这些新颖的实施方式能以其它各种方式实施,且能够在不脱离发明主旨的范围内进行各种省略、替换、变更。这些实施方式或它们的变化包含在发明的范围或主旨中,并且包含在权利要求书所记载的发明及其均等的范围内。
Claims (20)
1.一种轮廓提取方法,从使用电子束所获得的图像中提取对象物的轮廓,且该方法是从背向散射电子像中提取所述对象物的轮廓,
制作将二次电子像与所述轮廓建立关联的词典,所述二次电子像是在与所述背向散射电子像相同的部位获得的,
针对新获取的二次电子像,参照所述词典,在新获取的所述二次电子像的多个位置算出对象物的轮廓的似然度,且
从所述多个位置之中将所述似然度的总和最大的路径设为所述对象物的轮廓。
2.根据权利要求1所述的轮廓提取方法,其中
从所述背向散射电子像及在与所述背向散射电子像相同的部位获得的所述二次电子像进行反复性学习而提取图案,所述图案表示从所述背向散射电子像提取的所述轮廓及所述二次电子像的相关性,
在制作所述词典时,
基于所提取的所述图案制作所述词典。
3.根据权利要求2所述的轮廓提取方法,其中
在提取所述图案时使用机器学习。
4.根据权利要求2所述的轮廓提取方法,其中
在提取所述图案时,
使用基于从所述二次电子像提取的亮度的统计量。
5.根据权利要求1所述的轮廓提取方法,其中
在从所述背向散射电子像中提取所述对象物的轮廓时,
将明暗的对比度最显著地变化的位置规定为所述轮廓的位置。
6.根据权利要求1所述的轮廓提取方法,其中
根据表示所述对象物的轮廓的数据预测所述轮廓的直线部分与曲线部分,
基于所述预测,以在与所述轮廓相交的方向上并列的方式决定要算出所述似然度的所述多个位置。
7.根据权利要求1所述的轮廓提取方法,其中
所述对象物是
材质不同的物体彼此的交界、物体的凹部、或物体的凸部。
8.根据权利要求1所述的轮廓提取方法,其中
所述对象物是嵌入到绝缘层的金属。
9.一种轮廓提取装置,从使用电子束所获得的图像中提取对象物的轮廓,且具备:
轮廓提取部,从背向散射电子像中提取所述对象物的轮廓;
词典制作部,制作将二次电子像与所述轮廓建立关联的词典,所述二次电子像是在与所述背向散射电子像相同的部位获得的;以及
运算部,针对新获取的二次电子像,参照所述词典,在新获取的所述二次电子像的多个位置算出对象物的轮廓的似然度,从所述多个位置之中将所述似然度的总和最大的路径设为所述对象物的轮廓。
10.根据权利要求9所述的轮廓提取装置,其
具备图案提取部,所述图案提取部是从所述背向散射电子像及在与所述背向散射电子像相同的部位获得的所述二次电子像进行反复性学习而提取图案,所述图案表示从所述背向散射电子像提取的所述轮廓及所述二次电子像的相关性,
所述词典制作部是
基于所提取的所述图案制作所述词典。
11.根据权利要求10所述的轮廓提取装置,其中
所述图案提取部使用机器学习来提取所述图案。
12.根据权利要求9所述的轮廓提取装置,其中
所述轮廓提取部是
使用基于从所述二次电子像提取的亮度的统计量而提取所述对象物的轮廓。
13.根据权利要求9所述的轮廓提取装置,其中
所述运算部是
根据表示所述对象物的轮廓的数据预测所述轮廓的直线部分与曲线部分,并基于所述预测,以在与所述轮廓相交的方向上并列的方式决定要算出所述似然度的所述多个位置。
14.一种非易失性记录介质,存储着程序且计算机能够读取,所述程序使计算机进行用来从使用电子束所获得的图像中提取对象物的轮廓的学习,且
所述程序使计算机执行如下处理:
从背向散射电子像中提取所述对象物的轮廓;以及
制作将二次电子像与所述轮廓建立关联的词典,所述二次电子像是在与所述背向散射电子像相同的部位获得的。
15.根据权利要求14所述的非易失性记录介质,其中
包含如下处理:从所述背向散射电子像及在与所述背向散射电子像相同的部位获得的所述二次电子像进行反复性学习而提取图案,所述图案表示从所述背向散射电子像提取的所述轮廓及所述二次电子像的相关性,
在制作所述词典的处理中,
基于所提取的所述图案制作所述词典。
16.根据权利要求15所述的非易失性记录介质,其中
在提取所述图案的处理中使用机器学习。
17.根据权利要求15所述的非易失性记录介质,其中
在提取所述图案的处理中,
使用基于从所述二次电子像提取的亮度的统计量。
18.根据权利要求14所述的非易失性记录介质,其中
在从所述背向散射电子像中提取所述对象物的轮廓的处理中,
将明暗的对比度最显著地变化的位置规定为所述轮廓的位置。
19.根据权利要求14所述的非易失性记录介质,其中
所述对象物是
材质不同的物体彼此的交界、物体的凹部、或物体的凸部。
20.根据权利要求14所述的非易失性记录介质,其中
所述对象物是嵌入到绝缘层的金属。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018167650A JP7062563B2 (ja) | 2018-09-07 | 2018-09-07 | 輪郭抽出方法、輪郭抽出装置、及びプログラム |
JP2018-167650 | 2018-09-07 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110889417A true CN110889417A (zh) | 2020-03-17 |
Family
ID=69719647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910127424.7A Pending CN110889417A (zh) | 2018-09-07 | 2019-02-20 | 轮廓提取方法、轮廓提取装置及非易失性记录介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10854419B2 (zh) |
JP (1) | JP7062563B2 (zh) |
CN (1) | CN110889417A (zh) |
TW (1) | TWI736843B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019012915A (ja) * | 2017-06-30 | 2019-01-24 | クラリオン株式会社 | 画像処理装置、画像変換方法 |
CN117036923B (zh) * | 2023-10-08 | 2023-12-08 | 广东海洋大学 | 一种基于机器视觉的水下机器人目标检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090039261A1 (en) * | 2007-08-10 | 2009-02-12 | Hitachi High-Technologies Corporation | Pattern Inspection Method and Pattern Inspection System |
CN101916381A (zh) * | 2010-07-13 | 2010-12-15 | 北京大学 | 基于稀疏表示的物体轮廓提取方法 |
CN102436650A (zh) * | 2010-09-29 | 2012-05-02 | 奥林巴斯株式会社 | 图像处理装置以及图像处理方法 |
US20130094716A1 (en) * | 2011-10-14 | 2013-04-18 | Ingrain, Inc. | Dual Image Method And System For Generating A Multi-Dimensional Image Of A Sample |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4361661B2 (ja) | 2000-03-24 | 2009-11-11 | 富士通マイクロエレクトロニクス株式会社 | 線幅測定方法 |
JP4262690B2 (ja) | 2005-03-16 | 2009-05-13 | 株式会社日立ハイテクノロジーズ | 形状測定装置および形状測定方法 |
JP4778778B2 (ja) | 2005-11-04 | 2011-09-21 | 株式会社日立ハイテクノロジーズ | 半導体デバイスのモニタリング方法およびモニタリング装置 |
JP4586051B2 (ja) * | 2007-08-03 | 2010-11-24 | 株式会社日立ハイテクノロジーズ | 走査型電子顕微鏡 |
JP5313939B2 (ja) * | 2010-02-09 | 2013-10-09 | 株式会社日立ハイテクノロジーズ | パターン検査方法、パターン検査プログラム、電子デバイス検査システム |
JP5584159B2 (ja) | 2011-03-24 | 2014-09-03 | 株式会社日立ハイテクノロジーズ | 荷電粒子線装置及びパターン測定方法 |
JP2016173615A (ja) | 2013-06-24 | 2016-09-29 | 株式会社日立ハイテクノロジーズ | 計測装置 |
JP5966087B2 (ja) * | 2013-06-24 | 2016-08-10 | 株式会社日立ハイテクノロジーズ | パターン形状評価装置及び方法 |
KR101987726B1 (ko) | 2015-03-20 | 2019-06-11 | 가부시키가이샤 히다치 하이테크놀로지즈 | 전자선식 패턴 검사 장치 |
EP3236418B1 (en) * | 2016-04-13 | 2020-10-28 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
-
2018
- 2018-09-07 JP JP2018167650A patent/JP7062563B2/ja active Active
-
2019
- 2019-02-18 TW TW108105343A patent/TWI736843B/zh active
- 2019-02-20 CN CN201910127424.7A patent/CN110889417A/zh active Pending
- 2019-02-27 US US16/287,060 patent/US10854419B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090039261A1 (en) * | 2007-08-10 | 2009-02-12 | Hitachi High-Technologies Corporation | Pattern Inspection Method and Pattern Inspection System |
CN101916381A (zh) * | 2010-07-13 | 2010-12-15 | 北京大学 | 基于稀疏表示的物体轮廓提取方法 |
CN102436650A (zh) * | 2010-09-29 | 2012-05-02 | 奥林巴斯株式会社 | 图像处理装置以及图像处理方法 |
US20130094716A1 (en) * | 2011-10-14 | 2013-04-18 | Ingrain, Inc. | Dual Image Method And System For Generating A Multi-Dimensional Image Of A Sample |
Also Published As
Publication number | Publication date |
---|---|
JP2020042936A (ja) | 2020-03-19 |
JP7062563B2 (ja) | 2022-05-06 |
US10854419B2 (en) | 2020-12-01 |
TW202011255A (zh) | 2020-03-16 |
TWI736843B (zh) | 2021-08-21 |
US20200083019A1 (en) | 2020-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10297021B2 (en) | Defect quantification method, defect quantification device, and defect evaluation value display device | |
US9811897B2 (en) | Defect observation method and defect observation device | |
US7889909B2 (en) | Pattern matching method and pattern matching program | |
US8929665B2 (en) | Method of manufacturing a template matching template, as well as a device for manufacturing a template | |
US8885950B2 (en) | Pattern matching method and pattern matching apparatus | |
JP5543872B2 (ja) | パターン検査方法およびパターン検査装置 | |
US9342878B2 (en) | Charged particle beam apparatus | |
JP6134366B2 (ja) | 画像処理装置およびコンピュータプログラム | |
JP5707423B2 (ja) | パターンマッチング装置、及びコンピュータープログラム | |
KR101524421B1 (ko) | 결함 관찰 방법 및 결함 관찰 장치 | |
US20130108147A1 (en) | Inspection method and device therefor | |
KR20120068128A (ko) | 패턴의 결함 검출 방법 및 이를 수행하기 위한 결함 검출 장치 | |
US20190017817A1 (en) | Overlay Error Measurement Device and Computer Program | |
US20170372464A1 (en) | Pattern inspection method and pattern inspection apparatus | |
CN110889417A (zh) | 轮廓提取方法、轮廓提取装置及非易失性记录介质 | |
US20220318975A1 (en) | Image Processing Program, Image Processing Device, and Image Processing Method | |
JP5321775B2 (ja) | パターン検査方法およびパターン検査装置 | |
JP5308766B2 (ja) | パターンサーチ条件決定方法、及びパターンサーチ条件設定装置 | |
KR102206999B1 (ko) | 하전 입자선 장치 | |
JP5022781B2 (ja) | パターン欠陥検査装置およびパターン欠陥検査方法 | |
US20170371981A1 (en) | Recipe Creation Device for Use in Semiconductor Measurement Device or Semiconductor Inspection Device | |
JP5857106B2 (ja) | パターンマッチング装置、及びコンピュータープログラム | |
JP6059893B2 (ja) | 電子線自動測長装置、電子線自動測長装置用パラメータ自動設定システム、およびパラメータ自動設定プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: Tokyo Applicant after: Kaixia Co.,Ltd. Address before: Tokyo Applicant before: TOSHIBA MEMORY Corp. |
|
CB02 | Change of applicant information |