CN113348484A - 获得关于对象的区域的信息的计算机化系统及方法 - Google Patents
获得关于对象的区域的信息的计算机化系统及方法 Download PDFInfo
- Publication number
- CN113348484A CN113348484A CN202080009755.1A CN202080009755A CN113348484A CN 113348484 A CN113348484 A CN 113348484A CN 202080009755 A CN202080009755 A CN 202080009755A CN 113348484 A CN113348484 A CN 113348484A
- Authority
- CN
- China
- Prior art keywords
- region
- images
- attributes
- pixel
- pixels
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000007547 defect Effects 0.000 claims abstract description 32
- 210000001747 pupil Anatomy 0.000 claims description 42
- 230000005855 radiation Effects 0.000 claims description 38
- 230000010287 polarization Effects 0.000 claims description 30
- 238000005286 illumination Methods 0.000 claims description 25
- 238000001228 spectrum Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000001514 detection method Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011960 computer-aided design Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 229930091051 Arenine Natural products 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
一种提供关于样品的区域的信息的方法、系统及计算机可读取介质。方法包括(i)通过成像仪获得区域的多个图像;其中多个图像通过至少一个参数而彼此不同;(ii)接收或产生多个参考图像;(iii)产生代表多个图像和多个参考图像之间的差异的多个差异图像;(iv)计算一组区域像素属性;(v)基于多个区域像素的多组区域像素属性,计算一组噪声属性;以及(vi)基于像素的该组噪声属性和该组区域像素属性之间的关系,对每一个区域像素确定区域像素是否代表缺陷。
Description
背景技术
随着设计规则缩小,需要晶片检测工具以检测更小的缺陷。先前,检测缺陷主要受限于激光功率和检测器噪声。在如今(且可能在未来)的工具中,检测通常受限于由印刷在晶片上的图案的粗糙度散射的光,且特别受限于线边缘粗糙度。具有随机相位而可结合以在检测器上产生亮点(光斑)的这些不规则的散射光几乎与实际缺陷无法区分。当前过滤技术无法有效去除这些光斑,因其形状在标准明场通道或暗场通道中非常类似于实际缺陷的形状。
存在对提供可靠的缺陷检测系统的不断增长的需求。
发明内容
可提供一种用于获得关于样品的区域的信息的方法,方法可包括(a)通过成像仪获得区域的多个图像;其中多个图像通过从以下选择出的至少一个参数而彼此不同:照明光谱、收集光谱、照明偏振、收集偏振、照明角度、收集角度以及感测类型;其中获得多个图像包含:照明区域并且从区域收集辐射;其中区域包含多个区域像素;(b)接收或产生多个参考图像;(c)通过图像处理器产生代表多个图像和多个参考图像之间的差异的多个差异图像;(d)对多个区域像素中的每一个区域像素计算一组区域像素属性;其中计算是基于多个差异图像的像素;(e)基于多个区域像素的多组区域像素属性,计算一组噪声属性;以及(f)基于像素的该组噪声属性和该组区域像素属性之间的关系,对每一个区域像素确定区域像素是否代表缺陷。
可提供一种用于获得关于样品的区域的信息的计算机化系统,系统可包括:成像仪,包含光学器件和图像处理器;其中成像仪被配置成获得区域的多个图像;其中多个图像通过从以下选择出的至少一个参数而彼此不同:照明光谱、收集光谱、照明偏振、收集偏振、照明角度、以及收集角度;其中获得多个图像包含:照明区域并且从区域收集辐射;其中区域包含多个区域像素;其中计算机化系统被配置成接收或产生多个参考图像;其中图像处理器被配置成:产生代表多个图像和多个参考图像之间的差异的多个差异图像;对多个区域像素中的每一个区域像素计算一组区域像素属性;其中该组区域像素属性是基于多个差异图像的像素而计算;基于多个区域像素的多组区域像素属性,计算一组噪声属性;以及基于像素的该组噪声属性和该组区域像素属性之间的关系,对每一个区域像素确定区域像素是否代表缺陷。
可提供一种非瞬时计算机可读取介质,非瞬时计算机可读取介质可存储指令以使得计算机化系统:通过计算机化系统的成像仪获得对象的区域的多个图像;其中多个图像通过从以下选择出的至少一个参数而彼此不同:照明光谱、收集光谱、照明偏振、收集偏振、照明角度、收集角度以及感测类型;其中获得多个图像包含:照明区域并且从区域收集辐射;其中区域包含多个区域像素;接收或产生多个参考图像;通过计算机化系统的图像处理器产生代表多个图像和多个参考图像之间的差异的多个差异图像;对多个区域像素中的每一个区域像素计算一组区域像素属性;其中计算是基于多个差异图像的像素;基于多个区域像素的多组区域像素属性,计算一组噪声属性;以及基于像素的该组噪声属性和该组区域像素属性之间的关系,对每一个区域像素确定区域像素是否代表缺陷。
附图说明
视为本发明的主题特别在说明书的结论部分指出且分别要求保护。然而,对于组织和操作的方法两者的本发明,连同其目标、特征及优点,可通过与随附附图一起阅读时参考以下详细说明而最佳理解,其中:
图1图示方法的示例;
图2图示系统和样品的示例;
图3图示对象的区域的扫描的示例;
图4图示系统和样品的示例;
图5图示系统和样品的示例;
图6图示各种图像的示例;
图7图示各种图像的示例;并且
图8图示各种图像的示例。
应理解为了图示的简单和清楚,附图中显示的组件不必按照比例绘制。举例而言,为了清楚起见,一些组件的尺寸可相对于其他组件夸大。再者,当考虑为适当时,附图之间可重复附图标记以指示相对应或类似的组件。
具体实施方式
在以下详细说明中,阐述数个特定细节以提供本发明的透彻理解。然而,本领域技术人员将理解本发明可以无须这些特定细节来实践。在其他示例中,并未详细说明众所周知的方法、程序及部件,以便不会模糊本发明。
视为本发明的主题特别在说明书的结论部分指出且分别要求保护。然而,对于组织和操作的方法两者的本发明,连同其目标、特征及优点,可通过与随附附图一起阅读时参考以下详说明而最佳理解。
应理解为了图示的简单和清楚,附图中显示的组件不必按照比例绘制。举例而言,为了清楚起见,一些组件的尺寸可相对于其他组件夸大。再者,当考虑为适当时,附图之间可重复附图标记以指示相对应或类似的组件。
因为本发明图示的实施例大部分可使用本领域技术人员已知的电子部件和电路实施,所以为了本发明的以下内容的理解和了解,且以便不会混淆或分散本发明的教示,将不会以与如上所述认为必须的程度相比更大程度地解释细节。
说明书中对方法的任何参考应作必要的修改应用至能够执行方法的系统,且应作必要的修改应用于存储指令的非瞬时计算机可读取介质,该指令一旦通过计算机执行时导致方法的执行。
说明书中对系统的任何参考应作必要的修改应用至可通过系统执行的方法,且应作必要的修改应用至存储指令的非瞬时计算机可读取介质,该指令可由系统执行。
说明书中对非瞬时计算机可读取介质的任何参考应作必要的修改应用至能够执行存储于非瞬时计算机可读取介质中的指令的系统,且应作必要的修改应用至可由计算机执行的方法,该计算机读取非瞬时计算机可读取介质中所存储的指令。
可提供系统、方法和计算机可读取介质,用于结合使用多个检测通道和从多个检测通道获取的数据的高维度分析。所建议的方法考虑了来自电磁场和晶片的相互作用的更多信息,而对检测具有显著益处。使用以下列出的方法,至少获得百分的七十的改良。
图1图示方法300的示例。
方法300可包括步骤310、320、330、340、350和360。
方法300可由步骤310开始,通过成像仪获得区域的多个图像。区域可包括多个区域像素。
成像仪为配置成获取多个图像的模块或单元。
成像仪可配置成以辐射照明区域,从区域收集辐射并且检测从样品收集的辐射。成像仪可包括光学器件、图像处理器,并且可包括多个检测器。
步骤310可包括照明样品的区域、从区域收集辐射以及检测从样品收集的辐射。
辐射可以是紫外(UV)辐射、深UV辐射、极UV辐射或任何其他类型的辐射。
假设单个辐射光束可扫描区域–但应注意多个辐射光束可同时扫描多个区域。
多个图像由从以下选择出的至少一个参数而彼此不同:(i)照明光谱(为成像仪的照明部分的光谱响应)、收集光谱光谱(为成像仪的收集部分的光谱响应)、照明偏振(为通过成像仪的照明部分强加的偏振)、收集偏振(为由成像仪的收集部分强加的偏振)、照明角度(由成像仪的照明部分的区域的照明角度)、收集角度以及检测类型(举例而言–检测振幅和/或检测相位)。
成像仪可包括多个检测器,用于产生多个图像。不同的检测器可被分配以检测来自多个瞳孔片段中的不同瞳孔片段的辐射–每个瞳孔片段一个检测器。多个检测器中的每一者可定位在与瞳孔平面共轭的平面中。举例而言,见检测器70定位于与图1的系统10的瞳孔平面26共轭的平面中。
不同的瞳孔片段可不重叠、可完全不重叠或仅部分地重叠。瞳孔片段可以具有相等的形状和尺寸,但至少两个瞳孔片段的形状可彼此不同,并且附加地或替代地尺寸和/或在离开瞳孔平面上的位置彼此不同。
可具有超过四个瞳孔片段。
成像仪可包括多个检测器用于产生多个图像。不同的检测器可分配成检测多个瞳孔片段的(a)偏振和(b)不同瞳孔片段的不同组合的辐射。举例而言,见检测器70分配成检测来自不同瞳孔片段的第一偏振的辐射,并且检测器70’分配成检测来自不同瞳孔片段的第二偏振的辐射。
应注意瞳孔可以不是片段的,并且多个检测器中的每一个可分配到整个瞳孔。
步骤310可包括在相同的时间点处获得多个图像。
或者,步骤310可包括在不同时间点处获得两个或更多个的多个图像。
步骤320可包括接收或产生多个参考图像。参考图像可以是由成像仪获得的与样品的区域不同的样品的区(area)的图像。区和区域可以是不重叠的(例如,当执行晶粒对晶粒比较时),或可部分重叠(例如,当执行单元对单元比较时)。参考图像可以以各种方式计算–举例而言,通过处理区域的计算机辅助设计(CAD)信息、通过产生黄金参考等等。
应注意多个图像中的一个图像可用作多个图像中的另一个图像的参考图像。
使用不是多个图像中的另一个图像的参考图像可以是有益的–因为它可提供关于区域的更多信息。
步骤330可包括由图像处理器产生代表多个图像和多个参考图像之间的差异的多个差异图像。
步骤340可包括对多个区域像素中的每一个区域像素计算一组区域像素属性。计算可基于多个差异图像的像素。
区域像素的该组像素属性可包括关于区域像素和区域像素的相邻区域像素的数据。
步骤350可包括基于多个区域像素的多组区域像素属性,计算一组噪声属性。
步骤350可包括计算协方差矩阵。
步骤350可包括:
a.对每一个区域像素计算一组协方差值,该组协方差值代表在区域像素的该组区域像素属性的不同属性之间的协方差。
b.基于多个区域像素的多组协方差值计算协方差矩阵。
步骤360可包括基于像素的该组噪声属性和该组区域像素属性之间的关系,为每一个区域像素确定区域像素是否代表缺陷。
步骤360也可响应于真实缺陷的一组属性,或响应于估计缺陷的一组属性。估计缺陷可以是缺陷的模型。
步骤360可包括:
a.将(i)区域像素的一组属性、(ii)协方差矩阵及(iii)真实噪声或估计噪声的一组属性之间的相乘的乘积与阈值进行比较。
图2图示系统10和样品100的示例。
图2图示将九个检测器分配至九个瞳孔片段–每个瞳孔片段一个检测器。
图2也图示瞳孔平面26。
系统10包括辐射源30、光学器件(例如第一分束器40及物镜50)、检测器70和图像处理器90。
光学器件可包括光学元件的任何组合,该光学元件可确定来自辐射源30的辐射光束的一种或更多种光学特性(例如,形状、尺寸、偏振),可确定来自辐射源30的辐射光束的路径,可确定由样品散射和/或反射的一或更多辐射光束的一种或更多种光学特性(例如,形状、尺寸、偏振)以及确定一或更多辐射光束的路径–并且将一或更多辐射光束引导朝向检测器70。
光学器件可包括透镜、栅格、望远镜、分束器、偏振仪、反射器、折射器、光圈等等。
在图2中,来自辐射源30的辐射光束通过第一分束器40且由物镜50聚焦到样品22的区域上。来自区域的辐射光束由物镜50收集且由第一分束器40反射朝向检测器70。
图2图示分段成九个片段的瞳孔60–第一瞳孔片段61、第二瞳孔片段62、第三瞳孔片段63、第四瞳孔片段64、第五瞳孔片段65、第六瞳孔片段66、第七瞳孔片段67、第八瞳孔片段68和第九瞳孔片段69。
图2将检测器70图示为包括布置成3x3栅格的九个检测器–九个检测器包括第一检测器71、第二检测器72、第三检测器73、第四检测器74、第五检测器75、第六检测器76、第七检测器77、第八检测器78和第九检测器79–每个瞳孔片段一个检测器。
九个图像产生彼此不同的九个图像–图像包括第一图像91、第二图像92、第三图像93、第四图像94、第五图像95、第六图像96、第七图像97、第八图像98和第九图像99–每个检测器一个图像。
图3图示沿着y轴扫描对象的区域。应注意扫描可沿着任何其他轴发生。
图4图示实施将十八个检测器分配至九个瞳孔片段并且分配至两个偏振的系统12–每个瞳孔片段和偏振的组合一个检测器。
第一检测器直到第九检测器71-79(统称为70)分配用于第一偏振并且用于九个瞳孔片段。
第八检测器直到第十八检测器71’、72’、73’、74’、75’、76’、77’、78’和79’(统称为70’)分配用于第二偏振并且用于九个瞳孔片段。
针对检测器70和检测器70’的偏振的差异可使用偏振分束器和/或通过在检测器之前插入偏振组件来引入。应注意偏振的全部表征可能需要在每一个上施加至少三个不同的偏振(且并非仅两个)–因此应添加额外的偏振组件和额外的检测器。
图4图示系统13包括第一偏振分束器81、第二偏振分束器82及第三偏振分束器83。
图5图示系统13,其中不同的检测器接收以不同偏振反射的辐射–归因于在第三检测器73之前缺少偏振仪,在第一检测器71之前定位第一偏振仪89,并且在第二检测器之前定位第二偏振88。第一检测器71、第二检测器72和第三检测器73之中的每一个检测器从整个瞳孔接收辐射。
为了解释的简单,图6中并未显示辐射源。
系统13的光学器件包括第一分束器40和附加的分束器(例如,第二分束器86和第三分束器87),用于在第一、第二和第三检测器之间分离来自对象的光束。
在以下文字中,假设具有九个不同的瞳孔片段,计算九个差异图像并且每一个像素的相邻包括八个像素–使得像素及其相邻包括九个像素。瞳孔片段的数量可不同于九个,差异图像的数量可不同于九个,并且像素相邻的数量可不同于八个。
在这些假设下,各个区域像素由八十一个元素的向量和包括81x81元素的协方差矩阵代表。每个向量的元素的数量可不同于八十一个,并且协方差矩阵的元素的数量可不同于81x81。举例而言–像素相邻的数量可与差异图像的数量相差超过一个。
图6图示第一差异图像111、第二差异图像112、第三差异图像113、第四差异图像114、第五差异图像115、第六差异图像116、第七差异图像117、第八差异图像118和第九差异图像119。
图6也图示九个差异图像中的每一个的第(m,n)个像素及其八个相邻像素–111(m-1,n-1)直到111(m+1,n+1)、112(m-1,n-1)直到112(m+1,n+1)、113(m-1,n-1)直到113(m+1,n+1)、114(m-1,n-1)直到114(m+1,n+1)、115(m-1,n-1)直到115(m+1,n+1)、116(m-1,n-1)直到116(m+1,n+1)、117(m-1,n-1)直到117(m+1,n+1)、118(m-1,n-1)直到118(m+1,n+1)、以及119(m-1,n-1)直到119(m+1,n+1)。
九个差异图像代表晶片的相同区域。在区域(也称为区域像素)上的各个位置与九个差异图像的九个像素相关联–在相应的差异图像内定位于相同位置处。
第(m,n)个区域像素可由向量(V数据(m,n))表示,向量(V数据(m,n))包括与九个差异图像中的每一个的第(m,n)个像素有关的值(例如强度),以及与九个差异图像中的每一个的第(m,n)个像素的相邻像素有关的值。
举例而言,对于第(m,n)个区域像素,向量(V数据(m,n))可包括以下八十一个向量元素–I[111(m-1,n-1)]...I[111(m+1,n+1)]、I[112(m-1,n-1)]...I[112(m+1,n+1)I、I[113(m-1,n-1)]...I[113(m+1,n+1)]、I[114(m-1,n-1)]...I[114(m+1,n+1)]、I[115(m-1,n-1)]...I[115(m+1,n+1)]、I[116(m-1,n-1)]...I[116(m+1,n+1)]、I[117(m-1,n-1)]...I[117(m+1,n+1)]、I[118(m-1,n-1)]...I[118(m+1,n+1)]以及I[119(m-1,n-1)]...I[119(m+1,n+1)]。
噪声可通过协方差矩阵估计。协方差矩阵可通过以下计算:(a)对每一个区域像素计算向量元素对之间所有可能的相乘–因此对每一个向量的八十一个向量元素具有81x81个相乘,(b)将所有的区域像素的相对应乘积相加,以及(c)将总和标准化以提供协方差矩阵。
标准化可包括对总和求平均。
举例而言,步骤(a)的第一个八十一个相乘可包括将I[111(m-1,n-1)]与V(m,n)的所有元素相乘,且步骤(a)的最后的八十一个相乘可包括将I[119(m+1,n+1)]与V(m,n)的所有元素相乘。
假设具有MxN个区域像素(并且每个每一个差异图像具有MxN个像素),则步骤(a)包括计算MxNx81x81个乘积。步骤(b)包括执行、产生81x81个总和–每一个总和具有MXN个元素,并且步骤(c)包括将81x81个总和标准化–举例而言,通过计算平均-将每一个总和除以九。
假设缺陷已知或经估计–缺陷可由八十一个元素的缺陷向量(V缺陷)表示。
区域像素是否包括缺陷的决定可包括计算区域像素(由向量V数据代表)通过缺陷获得的可能性对区域像素(通过向量V数据代表)由于缺陷而未获得的可能性之间的关系(例如,比例)。
对每个区域像素,区域像素是否为缺陷的决定可包括将V缺陷T x Cov x V数据的乘积与阈值TH作比较。若乘积超过TH,则确定区域像素代表缺陷–否则假设区域像素不包括缺陷。
可作成其他决定,阈值可以以任何方式计算、可以是固定的、可随着时间改变等等。可对所有区域像素应用相同的阈值–但这并非必须这样,并且对不同区域像素可计算不同的阈值。阈值的差异可导致例如光学器件中的非均匀性、像差,且在晶粒中类似的不同部分也可具有不同特性,且需要不同的阈值。
图7图示第一差异图像111、第二差异图像112、第三差异图像113、第四差异图像114、第五差异图像115、第六差异图像116、第七差异图像117、第八差异图像118和第九差异图像119。
图7也图示第一参考图像101、第二参考图像102、第三参考图像103、第四参考图像104、第五参考图像105、第六参考图像106、第七参考图像107、第八参考图像108和第九参考图像109。
图7进一步图示通过九个检测器获取的九个图像–九个图像(也称为获取的图像)包括第一图像91、第二图像92、第三图像93、第四图像94、第五图像95、第六图像96、第七图像97、第八图像98和第九图像99。
第一差异图像111代表第一图像91和第一参考图像101之间的差异。
第二差异图像112代表第二图像92和第二参考图像102之间的差异。
第三差异图像113代表第三图像93和第三参考图像103之间的差异。
第四差异图像114代表第四图像94和第四参考图像104之间的差异。
第五差异图像115代表第五图像95和第五参考图像105之间的差异。
第六差异图像116代表第六图像96和第六参考图像106之间的差异。
第七差异图像117代表第七图像97和第七参考图像107之间的差异。
第八差异图像118代表第八图像98和第八参考图像108之间的差异。
第九差异图像119代表第九图像99和第九参考图像109之间的差异。
图8为第一差异图像111、第二差异图像112、第三差异图像113、第四差异图像114、第五差异图像115、第六差异图像116、第七差异图像117、第八差异图像118、第九差异图像119、第一图像91、第二图像92、第三图像93、第四图像94、第五图像95、第六图像96、第七图像97、第八图像98和第九图像99的示例。
本发明也可在用于在计算机系统上运行的计算机程序中实施,该计算机程序至少包括用于在诸如计算机系统之类的可编程设备上运行时执行根据本发明的方法的步骤的代码部分,或使得可编程设备能够执行根据本发明的装置或系统的功能的代码部分。
计算机程序为指令的列表,例如特定应用程序和/或操作系统。计算机程序可例如包括以下一者或更多者:子例程、功能、程序、目标方法、目标实施方式、可执行应用、小应用程序、小服务、源编码、目标编码、共享库/动态加载库和/或设计用于在计算机系统上执行的指令的其他序列。
计算机程序可内部存储于非瞬时计算机可读取介质上。所有或一些计算机程序可永久、可移除地提供在计算机可读取介质上,或远程耦合至信息处理系统。例如且非限制,计算机可读取介质可包括任何数量的以下各项:磁性存储介质,包括磁盘和磁带存储介质;光学存储介质,例如压缩光盘介质(例如,CD-ROM、CD-R等等)以及数字录像光盘存储介质;非易失性存储器存储介质,包括基于半导体的存储器单元,例如FLASH存储器、EEPROM、EPROM、ROM;铁磁数字存储器;MRAM;易失性存储介质,包括暂存器、缓冲器或高速缓存、主存储器、RAM等等。
计算机处理通常包括执行(运行)程序或程序的部分、当前程序值和状态信息,以及由操作系统使用以管理处理的执行的资源。操作系统(OS)为管理计算机的资源的共享的软件,并且为程序员提供界面用以存取那些资源。操作系统处理系统数据和用户输入,并且通过分配及管理任务和内部系统资源响应,作为对用户的服务和系统的程序。
例如,计算机系统可包括至少一个处理单元、相关联的存储器和数个输入/输出(I/O)装置。当执行计算机程序时,计算机系统根据计算机程序处理信息并且经由I/O设备产生结果输出信息。
在以上说明书中,已参考本发明的实施例的具体示例说明本发明。然而,应理解可进行各种修改和改变而不背离如随附权利要求中阐述的本发明的更广精神和范围。
此外,在说明书和权利要求中的“前”、“后”、“顶部”、“底部”、“上方”、“下方”等等的术语(如果存在)用以说明的目的,且并非必须描述永久相对位置。应理解如此使用的术语在适当情况下为可互换的,使得本文所述的本发明的实施例例如能够以除了本文图示或以其他方式说明的那些之外的其他定向。
本文所论述的连接可以是适合例如经由中间设备从相应节点、单元或装置传送信号并且将信号传送到相应节点、单元或装置的任何类型的连接。因此,除非暗示或以其他方式提及,连接可例如为直接连接或间接连接。连接可图示或说明为参考单个连接、多个连接、单向连接或双向连接。然而,不同的实施例可改变连接的实施方式。举例而言,分开的单向连接可替代双向连接而使用,且双向连接可替代分开的单向连接使用。而且,可以用连续或以时分多路复用的方式传送多个信号的单个连接替代多个连接。同样地,携带多个信号的单个连接可分开成携带这些信号的子集的各种不同连接。因此,对传送信号存在许多选择。
尽管在示例中说明特定导电类型或电位极性,应理解导电类型及电位极性可以是相反的。
本文所述的各个信号可设计成正的或负的逻辑。在负的逻辑信号的情况中,当逻辑性真状态对应于逻辑位准零时信号低位准有效。在正的逻辑信号的情况中,当逻辑性真状态对应于逻辑位准一时信号高位准有效。注意到本文所述的任何信号可设计成负逻辑信号或正逻辑信号中的任一者。因此,在替代实施例中,描述为正逻辑信号的那些信号可实施为负逻辑信号,并且描述为负逻辑信号的那些信号可实施为正逻辑信号。
此外,当将信号、状态位或类似设备的呈现分别引用至其逻辑上真或逻辑上假的状态时,本文使用术语“断言”或“设定”和“否定”(或“不敢断言”或”清除”)。如果逻辑上真状态为逻辑位准一,则逻辑上假状态为逻辑位准零。而且,如果逻辑上真状态为逻辑位准零,则逻辑上假状态为逻辑位准一。
本领域技术人员将认识到逻辑块之间的界线仅为说明性的,且替代实施例可并入逻辑区块或电路组件,或在各种逻辑块或电路组件上强加替代功能的分解。因此,应理解本文所描绘的架构仅为示例性,且实际上可实施许多其他架构而实现相同的功能。
用于实现相同功能的部件的任何布置被有效地“相关联”,使得能够实现所期望的功能。因此,本文中组合以实现特定功能的任何两个部件可视为彼此“相关联”,使得能够实现所期望的功能,而与架构或中间部件无关。同样地,如此相关联的任何两个部件也可视为彼此“可操作地连接”或“可操作地耦合”,以实现所期望的功能。
此外,本领域技术人员将认识到,上述操作之间的边界仅为说明性的。可将多个操作组合成单个操作,可将单个操作分布在附加的操作中,且可在时间上至少部分重叠地执行操作。此外,替代实施例可包括特定操作的多个实例,且在各种其他实施例中可改变操作的顺序。
而且举例而言,在一个实施例中,图示的示例可实施为定位在单个集成电路上或在相同设备内的电路。替代地,示例可实施为以适合方式与彼此互连的任何数量的分离集成电路或分离装置。
而且举例而言,示例或示例的部分可实施为实体电路的软件或代码表示形式,或为可转换为实体电路的逻辑表示形式,例如任何适当类型的硬件描述语言。
而且,本发明并非限制为在非可编程硬件中实施的实体装置或单元,而是也可在通过根据适合的程序代码操作,能够执行所期望的设备功能的可编程设备或单元中应用,例如主机、迷你计算机、服务器、工作站、个人计算机、记事本、个人数字助理、电子游戏、汽车及其他嵌入式系统、手机和各种其他无线设备,在本申请中统称为“计算机系统”。
然而,其他修改、改变和替换也是可能的。因此,说明书和附图应视为说明性而非限制的意义。
在权利要求中,放置于括号之间的任何附图标记不应考虑为对权利要求的限制。“包含”一词不排除除了权利要求中列举的那些之外存在其他元素或步骤。此外,如本文所使用的“一(a)”或“一(an)”的术语限定为一个或超过一个。而且,权利要求中例如“至少一个”和“一个或更多个”的引导词组的使用不应考虑为暗指通过不定冠词“一(a)”或“一(an)”引入另一权利要求元素将含有此引入的权利要求元素的任何特定权利要求限制为发明仅含有一个此元素,即使当相同权利要求包括“一个或更多个”或“至少一个”的引导词组以及例如“一(a)”或“一(an)”的不定冠词的情况。相同的情况对定冠词的使用也为相同的。除非另外说明,否则例如“第一”和“第二”的术语用于在这些术语描述的元素之间进行任意区分。因此,这些术语并非必须旨在指示这些元素的时间或其他优先级。仅在互不相同的权利要求中记载了某些措施的事实并不指示不能利用这些措施的组合来获得优点。
尽管本文已图示且说明本发明的某些特征,本领域技术人员现将想到许多修改、替代、改变和等效。因此应理解随附权利要求旨在涵盖落入本发明的实际精神之中的所有这些修改和改变。
Claims (16)
1.一种获得关于样品的区域的信息的方法,所述方法包含:
通过成像仪获得所述区域的多个图像;其中所述多个图像通过从以下中选择出的至少一个参数而彼此不同:照明光谱、收集光谱、照明偏振、收集偏振、照明角度、收集角度和感测类型;其中获得所述多个图像包含:照明所述区域并且从所述区域收集辐射;其中所述区域包含多个区域像素;
接收或产生多个参考图像;
通过图像处理器产生代表所述多个图像和所述多个参考图像之间的差异的多个差异图像;
对所述多个区域像素中的每一个区域像素计算一组区域像素属性;其中所述计算是基于所述多个差异图像的像素;
基于所述多个区域像素的多组区域像素属性,计算一组噪声属性;以及
基于所述像素的所述组噪声属性和所述组区域像素属性之间的关系,对每一个区域像素确定所述区域像素是否代表缺陷。
2.如权利要求1所述的方法,其中所述确定所述区域像素是否代表缺陷也响应于真实缺陷的一组属性。
3.如权利要求1所述的方法,其中所述确定所述区域像素是否代表缺陷也响应于估计缺陷的一组属性。
4.如权利要求1所述的方法,包含通过计算协方差矩阵计算所述组噪声属性。
5.如权利要求4所述的方法,其中计算所述协方差矩阵包含:对每一个区域像素计算一组协方差值,所述组协方差值代表在所述区域像素的所述组区域像素属性的不同属性之间的协方差;以及基于所述多个区域像素的多组协方差值,计算给定的协方差矩阵。
6.如权利要求4所述的方法,包含:对每一个区域矩阵,通过将相乘的乘积与阈值进行比较,来确定所述区域像素是否代表缺陷,所述相乘的乘积为(i)所述区域像素的一组属性、(ii)所述协方差矩阵以及(iii)真实噪声或估计噪声的一组属性之间的相乘的乘积。
7.如权利要求1所述的方法,其中区域像素的所述组像素属性包含关于所述区域像素和所述区域像素的相邻区域像素的数据。
8.如权利要求1所述的方法,其中所述成像仪包含用于产生所述多个图像的多个检测器,并且其中所述方法包含:分配不同的检测器以检测来自所述多个瞳孔片段中的不同瞳孔片段的辐射。
9.如权利要求8所述的方法,其中所述多个瞳孔片段中的所述不同瞳孔片段超过四个瞳孔片段。
10.如权利要求1所述的方法,其中所述成像仪包含用于产生所述多个图像的多个检测器,并且其中所述方法包含:分配不同的检测器以检测来自以下的不同组合的辐射:(a)偏振和(b)所述多个瞳孔片段中的不同瞳孔片段。
11.如权利要求1所述的方法,包含:在相同时间点获得所述多个图像。
12.如权利要求1所述的方法,包含:在不同时间点获得所述多个图像。
13.如权利要求1所述的方法,包含:对所述缺陷进行分类。
14.如权利要求1所述的方法,包含:确定所述缺陷是感兴趣的缺陷或不是感兴趣的缺陷。
15.一种用于获得关于样品的区域的信息的计算机化系统,所述系统包含:
成像仪,包含光学器件和图像处理器;
其中所述成像仪被配置成获得所述区域的多个图像;其中所述多个图像通过从以下选择出的至少一个参数而彼此不同:照明光谱、收集光谱、照明偏振、收集偏振、照明角度、以及收集角度;其中获得所述多个图像包含:照明所述区域并且从所述区域收集辐射;其中所述区域包含多个区域像素;
其中所述计算机化系统被配置成接收或产生多个参考图像;
其中所述图像处理器被配置成:
产生代表所述多个图像和所述多个参考图像之间的差异的多个差异图像;
对所述多个区域像素中的每一个区域像素计算一组区域像素属性;其中所述组区域像素属性是基于所述多个差异图像的像素而计算;
基于所述多个区域像素的多组区域像素属性,计算一组噪声属性;以及
基于所述像素的所述组噪声属性和所述组区域像素属性之间的关系,对每一个区域像素确定所述区域像素是否代表缺陷。
16.一种非瞬时计算机可读取介质,所述计算机可读取介质存储指令以使得计算机化系统:
通过所述计算机化系统的成像仪获得对象的区域的多个图像;其中所述多个图像通过从以下选择出的至少一个参数而彼此不同:照明光谱、收集光谱、照明偏振、收集偏振、照明角度、收集角度以及感测类型;其中获得所述多个图像包含:照明所述区域并且从所述区域收集辐射;其中所述区域包含多个区域像素;
接收或产生多个参考图像;
通过所述计算机化系统的图像处理器产生代表所述多个图像和所述多个参考图像之间的差异的多个差异图像;
对所述多个区域像素中的每一个区域像素计算一组区域像素属性;其中所述计算是基于所述多个差异图像的像素;
基于所述多个区域像素的多组区域像素属性,计算一组噪声属性;以及
基于所述像素的所述组噪声属性和所述组区域像素属性之间的关系,对每一个区域像素确定所述区域像素是否代表缺陷。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/250,980 | 2019-01-17 | ||
US16/250,980 US10902582B2 (en) | 2019-01-17 | 2019-01-17 | Computerized system and method for obtaining information about a region of an object |
PCT/US2020/013555 WO2020150271A1 (en) | 2019-01-17 | 2020-01-14 | Computerized system and method for obtaining information about a region of an object |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113348484A true CN113348484A (zh) | 2021-09-03 |
Family
ID=71608405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080009755.1A Pending CN113348484A (zh) | 2019-01-17 | 2020-01-14 | 获得关于对象的区域的信息的计算机化系统及方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10902582B2 (zh) |
KR (1) | KR20210106579A (zh) |
CN (1) | CN113348484A (zh) |
TW (1) | TWI821506B (zh) |
WO (1) | WO2020150271A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991268B (zh) * | 2021-02-09 | 2021-12-14 | 上海众壹云计算科技有限公司 | 晶圆上目标缺陷的快速筛查方法及其装置、系统、存储介质和电子设备 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8223327B2 (en) | 2009-01-26 | 2012-07-17 | Kla-Tencor Corp. | Systems and methods for detecting defects on a wafer |
JP2011047724A (ja) * | 2009-08-26 | 2011-03-10 | Hitachi High-Technologies Corp | 欠陥検査装置およびその方法 |
JP5537282B2 (ja) * | 2009-09-28 | 2014-07-02 | 株式会社日立ハイテクノロジーズ | 欠陥検査装置および欠陥検査方法 |
US9239295B2 (en) | 2012-04-09 | 2016-01-19 | Kla-Tencor Corp. | Variable polarization wafer inspection |
US9709510B2 (en) * | 2014-06-26 | 2017-07-18 | Kla-Tencor Corp. | Determining a configuration for an optical element positioned in a collection aperture during wafer inspection |
US9625726B2 (en) | 2014-12-05 | 2017-04-18 | Kla-Tencor Corp. | Lens array-based illumination for wafer inspection |
US9965901B2 (en) * | 2015-11-19 | 2018-05-08 | KLA—Tencor Corp. | Generating simulated images from design information |
KR102084535B1 (ko) | 2016-03-30 | 2020-03-05 | 가부시키가이샤 히다치 하이테크놀로지즈 | 결함 검사 장치, 결함 검사 방법 |
CN106650770B (zh) * | 2016-09-29 | 2019-12-17 | 南京大学 | 一种基于样本学习和人眼视觉特性的mura缺陷检测方法 |
CN106600600A (zh) * | 2016-12-26 | 2017-04-26 | 华南理工大学 | 基于特征匹配的晶圆缺陷检测方法 |
US20190238796A1 (en) * | 2017-05-11 | 2019-08-01 | Jacob Nathaniel Allen | Object Inspection System And Method For Inspecting An Object |
CN107845087B (zh) * | 2017-10-09 | 2020-07-03 | 深圳市华星光电半导体显示技术有限公司 | 液晶面板亮度不均匀缺陷的检测方法和系统 |
-
2019
- 2019-01-17 US US16/250,980 patent/US10902582B2/en active Active
-
2020
- 2020-01-14 KR KR1020217026021A patent/KR20210106579A/ko unknown
- 2020-01-14 WO PCT/US2020/013555 patent/WO2020150271A1/en active Application Filing
- 2020-01-14 CN CN202080009755.1A patent/CN113348484A/zh active Pending
- 2020-01-17 TW TW109101688A patent/TWI821506B/zh active
Also Published As
Publication number | Publication date |
---|---|
US10902582B2 (en) | 2021-01-26 |
TWI821506B (zh) | 2023-11-11 |
US20200234418A1 (en) | 2020-07-23 |
TW202046245A (zh) | 2020-12-16 |
KR20210106579A (ko) | 2021-08-30 |
WO2020150271A1 (en) | 2020-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102233050B1 (ko) | 결함 특유적 정보를 이용한 웨이퍼 상의 결함 검출 | |
CN111627009A (zh) | 一种屏幕检测方法、装置及头戴显示设备 | |
US20170091925A1 (en) | Detecting Defects on a Wafer Using Defect-Specific and Multi-Channel Information | |
US9354212B2 (en) | Inspection having a segmented pupil | |
JP6189127B2 (ja) | はんだ付け検査装置、はんだ付け検査方法および電子部品 | |
WO2014052041A4 (en) | Methods for card processing for card decks | |
US7333656B2 (en) | Image processing method and image processing apparatus | |
KR20130072073A (ko) | 영상 윤곽선 추출 장치 및 방법 | |
US20170213344A1 (en) | System and Method for Segmentation of Three-Dimensional Microscope Images | |
US20200292463A1 (en) | Apparatus for optimizing inspection of exterior of target object and method thereof | |
US9042635B2 (en) | System and a method for inspecting an object using a hybrid sensor | |
Sosnowski et al. | Image processing in thermal cameras | |
CN107113421B (zh) | 一种光学系统成像质量的检测方法和装置 | |
CN113348484A (zh) | 获得关于对象的区域的信息的计算机化系统及方法 | |
US11250560B2 (en) | Methods and systems for expediting multi-perspective wafer analysis | |
CN111524153B (zh) | 图像解析力确定方法、装置及计算机存储介质 | |
CN111179245A (zh) | 图像质量检测方法、装置、电子设备和存储介质 | |
JP3906221B2 (ja) | 画像処理方法及び画像処理装置 | |
CN110441315B (zh) | 电子部件测试设备和方法 | |
CN113537253B (zh) | 一种红外图像目标检测方法、装置、计算设备及存储介质 | |
CN111709951B (zh) | 目标检测网络训练方法及系统及网络及装置及介质 | |
CN108827594B (zh) | 一种结构光投影器的解析力检测方法和检测系统 | |
GB2560951A (en) | Inspection of components for imperfections | |
US7193196B2 (en) | Methods and systems for evaluating optical systems | |
KR100867937B1 (ko) | 적분 히스토그램을 이용한 자동차 탐지 방법 및 시스템 |
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 |