CN111580338B - 图案特征的识别方法 - Google Patents
图案特征的识别方法 Download PDFInfo
- Publication number
- CN111580338B CN111580338B CN201910121149.8A CN201910121149A CN111580338B CN 111580338 B CN111580338 B CN 111580338B CN 201910121149 A CN201910121149 A CN 201910121149A CN 111580338 B CN111580338 B CN 111580338B
- Authority
- CN
- China
- Prior art keywords
- image
- pattern
- pattern features
- feature
- actual
- 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
Images
Classifications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/36—Masks having proximity correction features; Preparation thereof, e.g. optical proximity correction [OPC] design processes
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70425—Imaging strategies, e.g. for increasing throughput or resolution, printing product fields larger than the image field or compensating lithography- or non-lithography errors, e.g. proximity correction, mix-and-match, stitching or double patterning
Abstract
本发明提供一种图案特征的识别方法,其识别结果应用于光学邻近效应校正,所述图案特征的识别方法包括提供多个具有参考图案特征的参考图像,再通过图像识别装置对参考图像进行识别与分类,并存储识别结果。然后,通过图像识别装置将具有实际图案特征的图像与存储的识别结果进行比对,以将具有实际图案特征的图像进行识别与分类。通过图像识别装置根据分类的结果来计算实际图案特征的角度特征值和/或距离特征值,以得到图案特征的识别结果。
Description
技术领域
本发明涉及一种识别结果可应用于光学邻近效应校正的图案特征的识别方法。
背景技术
半导体元件制造中,通常称最小线宽为临界尺寸(critical dimension,CD)。随着设计法则(design rule)及临界尺寸的微缩,在布局上有时需要特别的斜角度(tilt)或弯曲(wiggle shape)的图案设计。此外,受限于光刻工艺与蚀刻工艺的限制,通常会使用光学邻近效应校正(optical proximity correction,OPC)来修正光掩膜的图案,以形成精准的图案。
目前,在进行光学邻近效应校正之前,通常会通过人工的方式针对由扫瞄式电子显微镜(Scanning Electron Microscope,SEM)所获得的图案图像来量测图案的特征值(例如图案弯曲的角度、相邻图案之间的距离等)。之后,将所量测的特征值应用至光学邻近效应校正中作为补偿值,以制作可形成精准图案的光掩膜。
然而,利用人工方式来量测图案的特征值十分耗时且容易存在人为判断误差,因而影响最终所形成的图案的精准度。
发明内容
本发明提供一种图案特征的识别方法,其利用图像识别装置来得到图案特征的识别结果。
本发明的一种图案特征的识别方法,其识别结果应用于光学邻近效应校正,所述图案特征的识别方法包括提供多个具有参考图案特征的参考图像,再通过图像识别装置对参考图像进行识别与分类,并存储识别结果。然后,通过图像识别装置将具有实际图案特征的图像与存储的识别结果进行比对,以将具有实际图案特征的图像进行识别与分类。并且,通过图像识别装置根据分类的结果来计算实际图案特征的角度特征值和/或距离特征值,以得到图案特征的识别结果。
基于上述,在本发明中,利用图像识别装置来得到图案特征的识别结果,可避免人为判断误差的发生。并且,通过图像识别装置对具有实际图案特征的图像进行比对及分类,可一次性的计算图像中多个角度特征值和/或距离特征值,进而有效提升半导体元件制造的效率。
为让本发明的上述特征和优点能更明显易懂,下文特举实施例,并配合所附附图作详细说明如下。
附图说明
图1是依照本发明一实施例的图案特征的识别方法的流程图。
图2是经分割的参考图像的扫瞄式电子显微镜(SEM)照片。
图3A是第一类图像的扫瞄式电子显微镜(SEM)照片。
图3B是表示第一类图像的示意图。
图4A是第二类图像的扫瞄式电子显微镜(SEM)照片。
图4B是表示第二类图像的示意图。
图5是表示图案特征的识别结果的扫瞄式电子显微镜(SEM)照片。
【符号说明】
200:参考图像
210、210a、210b、210c:次图像
212:边界
214:顶点
216:白边
300:第一类图像
310、312、314:重心
316:连线
400:第二类图像
S100、S102、S104、S106、S108、S110、S112、S114、S116、S118:步骤
θ1、θ2:角度特征值
D1:距离
D2、D3:距离特征值
具体实施方式
在本文中,所谓“图案特征”是指弯曲图案所具有的角度和/或相邻图案之间的距离等。举例来说,弯曲图案所具有的角度为弯曲图案的转折处(顶点)所呈现的角度,其可为钝角、直角或锐角。并且,图案特征的识别结果例如可应用于计算光学邻近效应校正时所需的补偿值。
图1是依照本发明一实施例的图案特征的识别方法的流程图。
请参照图1,首先,进行步骤S100,提供多个具有参考图案特征的参考图像。在本实施例中,所谓“参考图案特征”为现有的元件的浅沟渠隔离(shallow trench isolation,STI)图案、形成接触窗所需的开孔图案或是线路设计所需的导线图案等图案,然而本发明不以此为限。在本实施例中,参考图像为由扫描式电子显微镜针对现有的元件进行拍摄而得的图像,其中扫描式电子显微镜例如为临界尺寸扫描式电子显微镜(criticaldimension scanning electron microscope,CD-SEM)。
然后,进行步骤S102,将所述多个参考图像提供至图像识别装置。在图像识别的过程中,图像识别装置先将每一个参考图像分割为多个次图像。一般来说,扫描式电子显微镜照片的尺寸例如为960×960像素(pixel),因此,在本实施例中,以960×960像素的参考图像200为例,图像识别装置将参考图像200以10×10像素为单位进行分割,可得到96×96个次图像210,如图2所示。藉此,后续可通过图像识别装置对其中一个次图像210进行识别与分类,以进行后续的识别步骤。
一般而言,扫描式电子显微镜照片由于半导体元件的表面结构的不同,使得扫描式电子显微镜接收到的二次电子信号改变,进而于二次电子信号不平整处产生如图2所示的白边(white wall)。在本实施例中,如图2所示,参考图像200的白边216呈现弯曲波浪状图案,且白边216包含边界212及顶点214,其中顶点214为弯曲波浪状图案的转折处,且两相邻的顶点214之间为边界212。经分割后,参考图像200包括含有边界212的次图像210a、含有顶点214的次图像210b、与其余的次图像210c。
接着,进行步骤S104,通过图像识别装置将包含有参考图案特征的边界或顶点的次图像分类为第一类,以及将其余的次图像分类为第二类。在本实施例中,通过图像识别装置将次图像210a与次图像210b分类为第一类,以及将次图像210c分类为第二类。在本实施例中,第二类被视为图像的噪声而不予以参考。换句话说,在后续的识别步骤中,主要以第一类作为识别图案特征的分析依据。在本实施例中,图像识别装置例如通过K均值聚类法(K-Means cluster)进行上述的图像识别与分类。
然后,进行步骤S106,存储识别结果。具体来说,经上述步骤对参考图像200进行识别与分类后,将识别结果(包括分类结果)进行存储。据此,可通过上述第一类与第二类的次图像210进行后续的识别步骤,以代替工程人员的主观判断,进而避免人为判断误差的发生。
接着,进行步骤S108,将具有实际图案特征的图像与存储的识别结果进行比对与识别。在本实施例中,所谓“实际图案特征”类似于上述参考图案特征,可为实际的元件的浅沟渠隔离图案、形成接触窗所需的开孔图案或是线路设计所需的导线图案等图案,然而本发明不以此为限。在本实施例中,具有实际图案特征的图像例如包括由扫描式电子显微镜对实际的元件进行拍摄而得的图像,其中扫描式电子显微镜例如为临界尺寸扫描式电子显微镜(CD-SEM)。
在此步骤中,通过图像识别装置将具有实际图案特征的图像与第一类的次图像进行比对,即例如利用步骤S106所存储的识别结果中第一类的次图像的边界或顶点拟合(fitting)具有实际图案特征的图像。
然后,根据具有实际图案特征的图像的拟合结果,识别具有实际图案特征的图像,将具有封闭式图案特征的具有实际图案特征的图像分类为第一类图像,以及将具有开放式图案特征的具有实际图案特征的图像分类为第二类图像。举例来说,若具有实际图案特征的图像呈现方形、圆形等封闭式图案,则此实际图案特征视为封闭式图案特征;相反地,则此实际图案特征视为开放式图案特征。在本实施例中,封闭式图案特征为开孔图案或开口图案,开放式图案特征为导线图案。之后,即可通过图像识别装置根据分类的结果来计算实际图案特征的角度特征值和/或距离特征值,以得到图案特征的识别结果。下文将对角度特征值与距离特征值作详细的定义。
以下,将分别针对计算第一类图像或第二类图像中的实际图案特征的角度特征值和/或距离特征值作说明。
若具有实际图案特征的图像被分类为第一类图像,则进行下述步骤,来计算实际图案特征的角度特征值及距离特征值。
请同时参照图1与图3A,进行步骤S110,找出各个封闭式图案特征的重心。举例来说,可利用图像识别装置中的计算单元、或外接于图像识别装置的计算单元来找出第一类图像300中各个封闭式图案特征的重心310,然而本发明不以此为限。在本实施例中,第一类图像300的封闭式图案特征以呈现椭圆形图案为例,且各个椭圆形图案例如以彼此交错的方式排列。在其他实施例中,也可以呈现圆形图案、方形图案等,或是以不同的方式排列,然本发明不以此为限。
请同时参照图1与图3B,进行步骤S112,计算相邻的两个封闭式图案特征的重心之间的连线的斜率。在本实施例中,如图3B所示将彼此交错且相邻的重心312与重心314相连而得到连线316,并利用上述计算单元计算连线316的斜率。并且,通过计算而得的连线316的斜率对封闭式图案特征进行分类。举例来说,若连线316的斜率大于0,则具有重心312的封闭式图案特征与具有重心314的封闭式图案特征被分类为第一群;若连线316的斜率小于或等于0,则具有重心312的封闭式图案特征与具有重心314的封闭式图案特征被分类为第二群。也就是说,将斜率大于0的相邻的两个封闭式图案特征分类为第一群,以及将斜率小于或等于0的相邻的两个封闭式图案特征分类为第二群。
接着,挑选第一群或第二群来计算后续步骤中的特征值,以避免重复计算。举例来说,在同一群斜率的情况下,通过挑选任两个斜率不超过一定的偏差值(threshold)来计算后续步骤中的特征值,而可降低计算的误差。在一实施例中,一定的偏差值为0.01,然而本发明不以此为限。在本实施例中,如图3B所示例如是挑选斜率小于0的相邻的两个封闭式图案特征,即第二群,来进行计算。
之后,进行步骤S114,计算相邻的两个封闭式图案特征的重心之间的距离。在本实施例中,如图3B所示,通过计算单元来计算连线316的长度,即重心312与重心314之间的距离D1。
并进行步骤S116,根据距离D1来计算角度特征值θ1与距离特征值D2、D3。在本实施例中,利用计算单元计算相邻的两个封闭式图案特征的角度特征值θ1,并通过上述计算而得的重心312与重心314之间的距离D1以及角度特征值θ1,根据反三角函数法来获得距离特征值D2、D3。在本实施例中,距离特征值D2实质上等于重心312与重心314之间的水平距离,距离特征值D3实质上等于重心312与重心314之间的垂直距离。换句话说,距离D1与距离特征值D2、D3大致上为构成直角三角形的三边的边长,而角度特征值θ1例如为直角三角形中的其中一个夹角。在本实施例中,角度特征值θ1与距离特征值D2、D3即为可应用于光学邻近效应校正的图案特征的识别结果。
以上为方便说明,是以计算一组角度特征值与距离特征值为例。在其他实施例中,可以通过图像识别装置同时对多组封闭式图案特征进行计算,便可以一次性的获得第一类图像中的实际图案特征中多个角度特征值和/或距离特征值,进而有效提升半导体元件制造的效率。
在另一实施例中,若是计算第二类图像中的实际图案特征的特征值,则如图1、图4A与图4B所示进行步骤S118,计算实际图案特征的角度特征值。
请同时参照图1与图4A,在本实施例中,第二类图像400的开放式图案特征以呈现弯曲波浪状图案为例,且各个弯曲波浪状图案以彼此平行的方式排列。在其他实施例中,也可以呈现其他的导线图案,或是以不同的方式排列,然而本发明不以此为限。
举例来说,通过图像识别装置将第二类图像400与第一类的次图像进行比对,即例如利用步骤S106所存储的识别结果中第一类的次图像的边界或顶点拟合第二类图像400,以更明显地标示出第二类图像400的开放式图案特征的边界或顶点,而可代替工程人员的主观判断,进而避免人为判断误差的发生。
请同时参照图1与图4B,通过图像识别装置中的计算单元、或外接于图像识别装置的计算单元来计算相邻的两个边界以及使两个边界相连的顶点之间所呈现的角度,以获得第二类图像400的开放式图案特征的角度特征值θ2。在其他实施例中,可以通过图像识别装置同时对多组开放式图案特征进行计算,便可一次性的计算开放式图案特征的多个角度特征值,进而有效提升半导体元件制造的效率。在本实施例中,角度特征值θ2即为可应用于光学邻近效应校正方法的图案特征的识别结果。
在一实施例中,可通过图像识别装置同时对第二类图像中的开放式图案特征的多组角度特征值进行计算,并可如图5所示自动标示于图像中。
综上所述,通过图像识别装置根据分类的结果来计算多组角度特征值和/或距离特征值,可避免人为判断误差的发生。另外,将多组角度特征值和/或距离特征值应用于光学邻近效应校正,并通过反三角函数法等方法推得光学邻近效应校正所需的补偿值,以校正光掩膜的图案,进而形成精准的图案。如此一来,可避免人为判断误差的发生,且有效提升半导体元件制造的效率。
虽然本发明已以实施例揭示如上,然其并非用以限定本发明,任何所属技术领域中的技术人员,在不脱离本发明的精神和范围内,当可作些许的更改与润饰,故本发明的保护范围当视权利要求所界定的为准。
Claims (9)
1.一种图案特征的识别方法,其识别结果应用于光学邻近效应校正,所述图案特征的识别方法包括:
提供多个具有参考图案特征的参考图像;
通过图像识别装置对所述参考图像进行识别与分类,并存储识别结果;
通过所述图像识别装置将具有实际图案特征的图像与存储的所述识别结果进行比对,以将所述具有实际图案特征的图像进行识别与分类;以及
通过所述图像识别装置根据分类的结果来计算所述实际图案特征的角度特征值和/或距离特征值,以得到所述图案特征的识别结果。
2.根据权利要求1所述的图案特征的识别方法,其中对所述参考图像进行识别与分类包括:
将所述参考图像分割为多个次图像;以及
将包含有所述参考图案特征的边界或顶点的所述次图像分类为第一类,以及将其余的所述次图像分类为第二类。
3.根据权利要求2所述的图案特征的识别方法,其中将所述具有实际图案特征的图像进行比对与分类包括:
通过所述图像识别装置将所述具有实际图案特征的图像与所述第一类的所述次图像进行比对,以识别所述具有实际图案特征的图像,并将具有封闭式图案特征的所述具有实际图案特征的图像分类为第一类图像以及将具有开放式图案特征的所述具有实际图案特征的图像分类为第二类图像。
4.根据权利要求3所述的图案特征的识别方法,其中所述封闭式图案特征包括开孔图案或开口图案,所述开放式图案特征包括导线图案。
5.根据权利要求3所述的图案特征的识别方法,其中计算所述第一类图像中的所述实际图案特征的特征值包括:
找出各个所述封闭式图案特征的重心;
计算相邻的两个所述封闭式图案特征的重心之间的距离;以及
根据所述距离来计算所述角度特征值与所述距离特征值。
6.根据权利要求5所述的图案特征的识别方法,其中在找出各个所述封闭式图案特征的重心之后且在计算所述距离之前,还包括:
计算相邻的两个所述封闭式图案特征的重心之间的连线的斜率;以及
将所述斜率大于0的相邻的两个所述封闭式图案特征分类为第一群,以及将所述斜率小于或等于0的相邻的两个所述封闭式图案特征分类为第二群,且
在计算所述角度特征值与所述距离特征值时,挑选所述第一群或所述第二群来进行计算。
7.根据权利要求3所述的图案特征的识别方法,其中计算所述第二类图像中的所述实际图案特征的特征值包括:
计算所述实际图案特征的所述角度特征值。
8.根据权利要求1所述的图案特征的识别方法,其中所述参考图像包括由扫描式电子显微镜拍摄而得的图像。
9.根据权利要求1所述的图案特征的识别方法,其中所述具有实际图案特征的图像包括由扫描式电子显微镜拍摄而得的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910121149.8A CN111580338B (zh) | 2019-02-19 | 2019-02-19 | 图案特征的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910121149.8A CN111580338B (zh) | 2019-02-19 | 2019-02-19 | 图案特征的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111580338A CN111580338A (zh) | 2020-08-25 |
CN111580338B true CN111580338B (zh) | 2023-02-28 |
Family
ID=72110737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910121149.8A Active CN111580338B (zh) | 2019-02-19 | 2019-02-19 | 图案特征的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111580338B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW495644B (en) * | 1998-11-30 | 2002-07-21 | Matsushita Electric Ind Co Ltd | Method for correction mask pattern for use in manufacturing of semiconductor integrated circuit |
JP2005156606A (ja) * | 2003-11-20 | 2005-06-16 | Toshiba Microelectronics Corp | 光近接効果補正の方法 |
CN101644890A (zh) * | 2009-09-03 | 2010-02-10 | 浙江大学 | 一种适用于图像传感器像素阵列的光学邻近校正方法 |
TW201013746A (en) * | 2008-09-18 | 2010-04-01 | United Microelectronics Corp | Method for constructing OPC model |
TW201534905A (zh) * | 2013-12-27 | 2015-09-16 | Hitachi High Tech Corp | 圖案測定裝置及電腦程式 |
CN104950590A (zh) * | 2014-03-28 | 2015-09-30 | 格罗方德半导体公司 | 计量图案布局及其使用方法 |
CN106468853A (zh) * | 2015-08-21 | 2017-03-01 | 台湾积体电路制造股份有限公司 | 觉知周围环境的opc |
-
2019
- 2019-02-19 CN CN201910121149.8A patent/CN111580338B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW495644B (en) * | 1998-11-30 | 2002-07-21 | Matsushita Electric Ind Co Ltd | Method for correction mask pattern for use in manufacturing of semiconductor integrated circuit |
JP2005156606A (ja) * | 2003-11-20 | 2005-06-16 | Toshiba Microelectronics Corp | 光近接効果補正の方法 |
TW201013746A (en) * | 2008-09-18 | 2010-04-01 | United Microelectronics Corp | Method for constructing OPC model |
CN101644890A (zh) * | 2009-09-03 | 2010-02-10 | 浙江大学 | 一种适用于图像传感器像素阵列的光学邻近校正方法 |
TW201534905A (zh) * | 2013-12-27 | 2015-09-16 | Hitachi High Tech Corp | 圖案測定裝置及電腦程式 |
CN104950590A (zh) * | 2014-03-28 | 2015-09-30 | 格罗方德半导体公司 | 计量图案布局及其使用方法 |
CN106468853A (zh) * | 2015-08-21 | 2017-03-01 | 台湾积体电路制造股份有限公司 | 觉知周围环境的opc |
Also Published As
Publication number | Publication date |
---|---|
CN111580338A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9824938B2 (en) | Charged particle beam device and inspection device | |
CN115147414B (zh) | 一种双极型功率晶体管表面击穿缺陷检测方法 | |
JP5543984B2 (ja) | 類似構造要素を分類するcd計測システム及び方法 | |
US20110038527A1 (en) | Image pattern matching systems and methods for wafer alignment | |
JP5500858B2 (ja) | パターン測定装置 | |
US20050281454A1 (en) | Image processing apparatus, image processing method, exposure apparatus, and device manufacturing method | |
TWI708304B (zh) | 晶圓設計影像分析方法、系統與非暫態電腦可讀取媒體 | |
US8019149B2 (en) | Pattern shape evaluation method and pattern shape evaluation apparatus utilizing the same | |
CN116402808B (zh) | 一种电缆夹板模具制造智能化检测方法 | |
US10916006B2 (en) | Recognition method of pattern feature | |
US7860701B2 (en) | Methodology for image fidelity verification | |
CN115375629A (zh) | 一种lcd屏幕中线缺陷检测及缺陷信息提取方法 | |
US20140003703A1 (en) | Semiconductor circuit pattern measuring apparatus and method | |
CN111580338B (zh) | 图案特征的识别方法 | |
CN117115194B (zh) | 基于电子显微镜图像的轮廓提取方法、装置、设备及介质 | |
WO2022058264A1 (en) | Defect detection for semiconductor structures on a wafer | |
TWI695221B (zh) | 圖案特徵的識別方法 | |
US9983154B2 (en) | Method for inspecting a pattern of features on a semiconductor die | |
JP4432575B2 (ja) | パターン画像判定方法 | |
US11455715B2 (en) | Epitaxy metrology in fin field effect transistors | |
TW202011255A (zh) | 輪廓抽出方法、輪廓抽出裝置及非揮發性記錄媒體 | |
CN113192045A (zh) | 一种焊缝图像的缺陷尺寸分析方法 | |
WO2015159792A1 (ja) | 荷電粒子線装置 | |
US9405185B2 (en) | Shape metrology for photomasks | |
Medina et al. | Automated extraction of critical dimension from SEM images with WeaveTM |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |