CN114946016A - 用于晶片缺陷检测的投影及距离切割算法 - Google Patents
用于晶片缺陷检测的投影及距离切割算法 Download PDFInfo
- Publication number
- CN114946016A CN114946016A CN202180008537.0A CN202180008537A CN114946016A CN 114946016 A CN114946016 A CN 114946016A CN 202180008537 A CN202180008537 A CN 202180008537A CN 114946016 A CN114946016 A CN 114946016A
- Authority
- CN
- China
- Prior art keywords
- projection
- image
- fine
- region
- processor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 230000007547 defect Effects 0.000 title claims abstract description 39
- 238000005520 cutting process Methods 0.000 title description 13
- 230000011218 segmentation Effects 0.000 claims abstract description 41
- 239000004065 semiconductor Substances 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims description 52
- 238000003860 storage Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 5
- 235000012431 wafers Nutrition 0.000 description 50
- 230000003287 optical effect Effects 0.000 description 28
- 238000007689 inspection Methods 0.000 description 23
- 238000005286 illumination Methods 0.000 description 21
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000013461 design Methods 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 10
- 238000013500 data storage Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 229920002120 photoresistant polymer Polymers 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 description 1
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 229910002601 GaN Inorganic materials 0.000 description 1
- 229910001218 Gallium arsenide Inorganic materials 0.000 description 1
- JMASRVWKEDWRBT-UHFFFAOYSA-N Gallium nitride Chemical compound [Ga]#N JMASRVWKEDWRBT-UHFFFAOYSA-N 0.000 description 1
- GPXJNWSHGFTCBW-UHFFFAOYSA-N Indium phosphide Chemical compound [In]#P GPXJNWSHGFTCBW-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229910052594 sapphire Inorganic materials 0.000 description 1
- 239000010980 sapphire Substances 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9501—Semiconductor wafers
- G01N21/9505—Wafer internal defects, e.g. microcracks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
-
- 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
- G06T7/11—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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/06—Illumination; Optics
- G01N2201/061—Sources
- G01N2201/06113—Coherent sources; lasers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
在半导体图像中确定投影,所述投影可为X投影及/或Y投影。将至少一个阈值应用于所述投影,借此在区域内形成至少一个分段。可在所述区域中使用距所述投影的距离值确定精细分段。可在所述精细分段中的一者中执行缺陷检测。
Description
相关申请案的交叉参考
本申请案主张对2020年1月9日提出申请且被指派为第62/959,066号美国申请案的临时专利申请案的优先权,所述临时专利申请案的揭示内容据此以引用方式并入。
技术领域
本发明涉及半导体晶片检验。
背景技术
半导体制造产业的演进正在对合格率管理以及(特定来说)对计量及检验系统提出更大需求。临界尺寸不断缩小,但产业为了达成高合格率、高价值生产需要减少时间。最小化从检测到合格率问题到解决所述合格率问题的总时间决定了半导体制造商的投资报酬率。
制作例如逻辑装置及存储器装置等半导体装置通常包含使用大量制作过程来处理半导体晶片以形成半导体装置的各种特征及多个层级。举例来说,光刻是涉及将图案从光罩转印到布置于半导体晶片上的光致抗蚀剂的半导体制作过程。半导体制作过程的额外实例包含但不限于化学机械抛光(CMP)、蚀刻、沉积及离子植入。可将在单个半导体晶片上制作的多个半导体装置的布置分离成若干个别半导体装置。
在半导体制造期间在各个步骤处使用检验过程来检测晶片上的缺陷以在制造过程中促成较高合格率及因此促成较高利润。检验始终是制作例如集成电路(IC)等半导体装置的重要部分。然而,随着半导体装置的尺寸减小,检验对可接受半导体装置的成功制造变得甚至更加重要,这是因为较小缺陷可导致装置出故障。例如,随着半导体装置的尺寸减小,对大小减小的缺陷的检测已变得有必要,这是因为甚至相对小的缺陷也可在半导体装置中导致非想要的像差。
然而,随着设计规则缩小,半导体制造过程可更接近于所述过程的性能能力上的极限而操作。另外,随着设计规则缩小,较小缺陷可对装置的电参数产生影响,这驱使检验更灵敏。随着设计规则缩小,通过检验检测到的潜在合格率相关缺陷的群体显著地增长,且通过检验检测到的扰乱性缺陷的群体也显著地增加。因此,可在晶片上检测到更多的缺陷,且校正过程以消除所有缺陷可为困难且昂贵的。确定缺陷中的哪些缺陷实际上对装置的电参数及合格率产生影响可允许过程控制方法聚焦于那些缺陷而在很大程度上忽略其它缺陷。此外,在较小设计规则下,过程诱发的故障在某些情形下倾向于是系统性的。即,过程诱发的故障倾向于在通常在设计内重复许多次的预定设计图案处发生故障。空间系统性电相关缺陷的消除可对合格率产生影响。
在对半导体晶片执行的每一处理步骤中,将相同电路图案印刷于晶片上的每一裸片中。大多数晶片检验系统利用此事实且使用相对简单的裸片间比较来检测晶片上的缺陷。然而,每一裸片中的印刷电路可包含沿X方向或Y方向重复的经图案化特征的许多区,例如DRAM、SRAM或FLASH的区。此类型的区通常称为阵列区(其余区称作随机区或逻辑区)。为了达成较佳灵敏度,高级检验系统采用不同策略来检验阵列区及随机区或逻辑区。
强度可用作用以将类似强度像素分组在一起的切割特征。然后,将同一组缺陷检测参数应用于同一基于强度的群组中的所有像素。然而,此方法具有若干个缺点。举例来说,当几何特征均匀地散布时,可使用基于强度的切割算法。通常,这是不足够的。举例来说,在基于强度的切割或基于强度和的切割中,可将晶片图像切割成无噪声(quiet)阵列分段、噪声分页分段及噪声相交分段。然而,如果将无噪声分段误分类为噪声分段,那么可能错过无噪声分段中的所关注缺陷(DOI)。在分段之间的同一切分线在训练与运行时间导致不同切割时也可能将分段误分类。对分段的此误分类也可能不利于图像的任何预处理,例如移除分页区中的周期性图案的预处理。如此,单纯基于强度或强度和的切割倾向于具有不稳定性,所述不稳定性与在运行时间期间工作区(job)之间的强度差异相关。因此,需要基于其它性质的切割。
用于切割暗视场(DF)检验系统的输出的另一方法是基于投影的切割(PBS)。PBS提供基于沿X方向及Y方向的相对经投影强度来在区域中分离各分段的方式。大多数时候,PBS方法运作良好。然而,由于PBS是在DF晶片检验算法的预处理部分中使用,因此存在PBS切割结果沿着基础物理结构图案的侧面波动的情形,所述波动使基于投影的切割不稳定。一些无噪声分段被不正确地切割为噪声分段且反之亦然。影响是致使缺陷检验较不适应于局部噪声。因此,PBS通常仅在区域图像含有主要水平及/或垂直图案时使用。当来自不同图案的投影值存在较小间隔时,难以利用PBS进行切割。
用于切割暗视场检验系统的输出的额外方法是基于中值强度的切割(MBS)。MBS比PBS更稳定,这是因为大多数时候,阵列区域与分页区域之间的中值强度差是相当大的,这提供阵列与分页之间的较容易分离。然而,来自MBS的分段边界可为不规则的,这可能不与基础物理结构图案相关。因此,如果缺陷与扰乱的背景强度是不同的,那么通常使用MBS。当缺陷与扰乱具有类似背景强度时难以使用MBS。
存在不满足以上准则的情形,且因此,旧切割方法是不适用的。需要经改善方法及系统。
发明内容
在第一实施例中提供一种系统。所述系统包含:光源,其产生光;载台,其经配置以固持晶片;检测器,其接收从所述晶片反射的所述光;及处理器,其与所述检测器进行电子通信。所述处理器经配置以在依据来自所述检测器的数据产生的图像的区域中确定投影。所述投影是沿X方向的X投影及/或沿Y方向的Y投影。所述X方向与所述Y方向是垂直的。所述处理器还经配置以将至少一个阈值应用于所述投影,借此在所述图像的所述区域中形成至少一个分段,且在所述区域中使用距所述投影的至少一个距离值确定至少一个精细分段。
所述光源可为激光器。
所述精细分段可沿着所述X方向或所述Y方向界定。所述精细分段还可沿着所述X方向及所述Y方向界定。
所述处理器可经配置以在所述精细分段中的一或多者中执行缺陷检测。
所述图像可为2D图像且所述投影可将所述2D图像转换成1D数据。
所述精细分段的尺寸可为至少五个像素。
在第二实施例中提供一种方法。所述方法包含使用处理器在半导体晶片的图像的区域中确定投影。所述投影是沿X方向的X投影及/或沿Y方向的Y投影。所述X方向与所述Y方向是垂直的。所述方法还包含:使用所述处理器将至少一个阈值应用于所述投影,借此在所述图像的所述区域中形成至少一个分段;及使用所述处理器在所述区域中使用距所述投影的至少一个距离值确定至少一个精细分段。
所述精细分段可沿着所述X方向或所述Y方向界定。所述精细分段还可沿着所述X方向及所述Y方向界定。
所述方法可进一步包含在所述精细分段中的一或多者中执行缺陷检测。
所述图像可为2D图像且所述投影可将所述2D图像转换成1D数据。
所述精细分段的尺寸可为至少五个像素。
在第三实施例中提供一种非暂时性计算机可读存储媒体。所述非暂时性计算机可读存储媒体包括用于在一或多个计算装置上执行步骤的一或多个程序。所述步骤包含在半导体晶片的图像的区域中确定投影。所述投影是沿X方向的X投影及/或沿Y方向的Y投影。所述X方向与所述Y方向是垂直的。所述步骤还包含:将至少一个阈值应用于所述投影,借此在所述图像的所述区域中形成至少一个分段;及在所述区域中使用距所述投影的至少一个距离值确定至少一个精细分段。
所述精细分段可沿着所述X方向或所述Y方向界定。所述精细分段还可沿着所述X方向及所述Y方向界定。
所述步骤可进一步包含在所述精细分段中的一或多者中执行缺陷检测。
所述图像可为2D图像且所述投影可将所述2D图像转换成1D数据。
所述精细分段的尺寸可为至少五个像素。
附图说明
为更全面理解本发明的本质及目标,应参考联合附图做出的以下详细说明,附图中:
图1是根据本发明的方法的流程图;
图2A到2C是图解说明根据本发明的方法的实施例的图式;且
图3是根据本发明的系统。
具体实施方式
尽管将依据某些实施例描述所主张的标的物,但包含不提供本文中所述的全部益处及特征的实施例的其它实施例也在本发明的范围内。可在不背离本发明的范围的情况下做出各种结构、逻辑、过程步骤及电子改变。因此,本发明的范围仅参考所附权利要求书来界定。
本文中所揭示的实施例可用于半导体晶片或半导体晶片上的装置的图像的缺陷检测。切割算法可将可使用检验系统产生的半导体晶片的区域的图像分离成不同分段。所述切割算法可称为投影及距离切割(PDS)。这可提高缺陷检测灵敏度且抑制扰乱或错误事件。
图1是方法100的实施例。方法100的步骤中的一些或所有步骤可使用处理器执行。在方法100中,将半导体图像的区域切割成多个分段。这会将图像或图像的区域分割成若干初始分段。
在101处确定图像中的投影。投影是用以将2D图像转换成1D数据的操作。为了确定投影,可将沿着水平线或垂直线的所有像素强度相加且除以总像素计数。投影可抑制2D图像中的像素强度差异。如果2D图像含有具有不同强度的块,那么经投影1D数据可具有所述块的稳定边界。所述投影可为半导体图像的沿X方向的X投影及/或沿Y方向的Y投影。X方向与Y方向可为垂直的。
可在区域中计算投影。区域是图像中的矩形或其它形状的区。针对X方向及Y方向,投影可在区域的一侧处开始且在另一侧处终结。
在102处,将至少一个阈值应用于投影,借此在区域内形成两个或更多个初始分段。用户可手动地输入阈值。可将图像及其投影显示于用户界面上。用户可基于关于装置的信息、显示于用户界面上的信息或任何缺陷的潜在位置而设定所述阈值。可沿着X方向或Y方向界定初始分段。也可沿着X方向及Y方向界定初始分段。沿着X方向及Y方向界定初始分段可导致棋盘式切割。在一例子中,可沿X方向及Y方向两者界定阈值,且这些阈值可沿X方向及Y方向是不同的。
在一例子中,将阈值应用于1D投影。所述投影上的点对应于2D区域图像中的水平或垂直线。分段在区域的边界处开始及终结。
在103处确定的精细切割可基于距投影的距离。精细分段可总是在初始分段或若干初始分段内。举例来说,将阈值应用于投影可导致初始分段。从初始分段边界开始,可使用一或多个距离值界定精细分段。用户可将精细分段的不同网格或框组合成一个分段。因此,所述组合可为灵活的。
PDS算法可改善某些图像或某些应用的切割。存在DOI位于晶片表面下方的例子。来自检验系统的晶片图像可能由于光学成像的限制而不含有晶片表面下方的清晰图案信息。在此实例中可难以应用PBS或MBS。使用PDS,用户可找出具有可接受的对比度的附近结构(例如,阵列-分页边界)。可使用从半导体装置的设计、光学图像或其它源获得的距离值创建切割。PDS中的精细分段计算可独立于图像对比度,这可允许在低对比度情况、不对焦情况或其它情况中使用PDS。
然后可在精细分段中的一或多者中执行缺陷检测。在缺陷检验期间,对应分段的处方参数可用于缺陷检测。举例来说,每一像素的分段识别可用于选择处方参数。
图2A到2C是图解说明方法100的另一实施例的图式。图2A到2C使用展示为在晶片表面下方的3D图案的实例图解说明使用距投影的距离值界定精细分段。图2A到2C的实施例可对掩埋于3D结构中的DOI有用。
DOI位置与扰乱位置可在晶片内(例如,在半导体晶片的两个平整表面之间)具有不同高度。图2A展示晶片图案。DOI位置位于晶片的表面下面且位于扰乱上面。由于扰乱源接近于晶片上的DOI位置,因此可需要切割DOI位置以实现较佳检验灵敏度。图2B中展示来自检验系统的图像。不存在清晰图案来容易地找出DOI位置。检验图像不具有分离DOI与扰乱区的特征。
图2C是PDS切割结果的实例。界定了DOI分段,其是精细分段的实例。精细分段的大小可为至少五个像素且可达到10个、20个、30个或更多个像素以使得能够对半导体晶片的表面下方的缺陷进行缺陷检测。PDS算法使用投影及距离信息来界定具有DOI的分段。这可基于半导体装置的设计及距投影的距离值。在图2C中界定了投影边界。投影边界可为经确定的投影的边缘。
在投影边界与DOI分段之间展示距投影的距离。用户可需要知晓晶片上的图案。因此,即使图案在图像中不清晰,用户仍可知晓或估计相对位置。在图2C中,依据图1中的方法100界定投影位置。在图2C中,投影边界的X值及/或Y值是已知的。然后,沿着X方向及/或Y方向在沿投影边界向下的像素的一距离值处界定DOI分段。
虽然在图2C中图解说明具有DOI的一个精细分段,但可存在具有DOI的多于一个精细分段。
在另一实例中,用户可捕获所关注区周围的图像。使用锚定点或边缘检测方法,算法可确定X投影及/或Y投影。用户可设定X投影阈值及/或Y方向阈值以界定初始分段。可计算初始分段且可在图像上方显示初始分段掩码。用户可调整阈值且重复先前步骤,直到初始分段被良好界定为止。经良好界定分段可基于对应设计文件。如果半导体装置的设计是已知的,那么可假设图像中的预期图案。
可通过投影界定初始分段。举例来说,一个投影可界定两个初始分段。然后可使用初始分段中的一者中的距离界定精细分段。可使用分段掩码来突出显示图像上的初始分段区。
然后,用户可设定X距离值及/或Y距离值以界定精细分段。可使用距离值来界定初始分段内部的精细分段。距离可表示DOI距已知点的深度或距离。可将阈值应用于像素强度,同时可将距离应用于像素坐标。然后可确定精细分段。可在图像上方显示精细分段掩码。用户可调整距离值且重复先前步骤,直到精细分段被良好界定为止。用户可需要观看精细分段掩码及图像图案。由于用户可知晓DOI分段位于何处,因此用户可验证精细分段掩码是否与DOI位置良好地对准。
可将PDS参数保存到处方中。可使用PDS处方来进行缺陷检测。
图3中展示系统200的一个实施例。系统200包含基于光学的子系统201。大体来说,基于光学的子系统201经配置以用于通过将光引导到样品202(或使光在所述样品上方扫描)且检测来自样品202的光而针对样品202产生基于光学的输出。在一个实施例中,样品202包含晶片。所述晶片可包含此项技术中已知的任何晶片。在另一实施例中,样品202包含光罩。所述光罩可包含此项技术中已知的任何光罩。
在于图3中展示的系统200的实施例中,基于光学的子系统201包含经配置以将光引导到样品202的照明子系统。所述照明子系统包含至少一个光源。举例来说,如在图3中所展示,所述照明子系统包含光源203。在一个实施例中,照明子系统经配置以将光依一或多个入射角(其可包含一或多个斜角及/或一或多个法向角)引导到样品202。举例来说,如图3中所展示,将来自光源203的光穿过光学元件204且然后穿过透镜205以斜入射角引导到样品202。所述斜入射角可包含任何适合斜入射角,其可取决于例如样品202的特性而变化。
基于光学的子系统201可经配置以将光在不同时间以不同入射角引导到样品202。举例来说,基于光学的子系统201可经配置以更改照明子系统的一或多个元件的一或多个特性,使得可将光以不同于图3中展示的入射角的入射角引导到样品202。在一个此类实例中,基于光学的子系统201可经配置以移动光源203、光学元件204及透镜205使得将光以不同斜入射角或法向(或接近法向)入射角引导到样品202。
在一些例子中,基于光学的子系统201可经配置以将光同时以多于一个入射角引导到样品202。举例来说,照明子系统可包含多于一个照明通道,所述照明通道中的一者可包含如于图3中展示的光源203、光学元件204及透镜205,且所述照明通道中的另一者(未展示)可包含可以不同或相同方式配置的类似元件,或可包含至少光源以及(可能地)一或多个其它组件(例如本文中进一步描述的那些组件)。如果将此光与其它光同时引导到样品,那么以不同入射角被引导到样品202的光的一或多个特性(例如,波长、偏振等)可为不同的,使得由以不同入射角对样品202的照明引起的光可在检测器处彼此区别开。
在另一例子中,照明子系统可包含仅一个光源(例如,图3中展示的光源203),且来自所述光源的光可通过照明子系统的一或多个光学元件(未展示)而被分离到不同光学路径中(例如,基于波长、偏振等)。然后可将所述不同光学路径中的每一者中的光引导到样品202。多个照明通道可经配置以在相同时间或在不同时间(例如,当使用不同照明通道来依序照明样品时)将光引导到样品202。在另一例子中,同一照明通道可经配置以在不同时间将具有不同特性的光引导到样品202。举例来说,在一些例子中,光学元件204可经配置为光谱滤波器,且光谱滤波器的性质可以多种不同方式(例如,通过换出光谱滤波器)被改变,使得可在不同时间将不同波长的光引导到样品202。照明子系统可具有此项技术中已知的用于将具有不同或相同特性的光以不同或相同入射角依序或同时引导到样品202的任何其它适合配置。
在一个实施例中,光源203可包含宽带等离子体(BBP)源。以此方式,由光源203产生且被引导到样品202的光可包含宽带光。然而,所述光源可包含任何其它适合光源,例如激光器。所述激光器可包含此项技术中已知的任何适合激光器且可经配置以产生此项技术中已知的处于任一或多个适合波长的光。另外,激光器可经配置以产生是单色或接近单色的光。以此方式,所述激光器可为窄带激光器。光源203还可包含产生处于多个离散波长或波带的光的多色光源。
来自光学元件204的光可通过透镜205聚焦到样品202上。尽管透镜205在图3中展示为单个折射光学元件,但应理解,在实践中,透镜205可包含组合地将来自光学元件的光聚焦到样品的若干个折射及/或反射光学元件。在图3中展示且在本文中所描述的照明子系统可包含任何其它适合光学元件(未展示)。此类光学元件的实例包含(但不限于)偏振组件、光谱滤波器、空间滤波器、反射光学元件、切趾器、分束器(例如分束器213)、光圈等等,其可包含此项技术中已知的任何此类适合光学元件。另外,基于光学的子系统201可经配置以基于将用于产生基于光学的输出的照明类型而更改照明子系统的元件中的一或多者。
基于光学的子系统201还可包含经配置以使光在样品202上方扫描的扫描子系统。举例来说,基于光学的子系统201可包含载台206,在基于光学的输出产生期间样品202安置于所述载台上。扫描子系统可包含可经配置以移动样品202使得光可在样品202上方扫描的任何适合机械及/或机器人组合件(所述组合件包含载台206)。另外或替代地,基于光学的子系统201可经配置使得基于光学的子系统201的一或多个光学元件在样品202上方执行一些光扫描。可以任何适合方式(例如以蛇形路径或以螺旋路径)使光在样品202上方扫描。
基于光学的子系统201进一步包含一或多个检测通道。一或多个检测通道中的至少一者包含检测器,所述检测器经配置以检测归因于通过所述子系统对样品202的照明的来自样品202的光且响应于所检测光而产生输出。举例来说,图3中展示的基于光学的子系统201包含两个检测通道,一个由集光器207、元件208及检测器209形成且另一个由集光器210、元件211及检测器212形成。如图3中所展示,所述两个检测通道经配置而以不同收集角度收集且检测光。在一些例子中,两个检测通道均经配置以检测经散射光,且所述检测通道经配置以检测以不同角度从样品202散射的光。然而,所述检测通道中的一或多者可经配置以检测来自样品202的另一类型的光(例如,经反射光)。
如图3中进一步展示,两个检测通道均展示为定位于纸张的平面中且照明子系统也展示为定位于纸张的平面中。因此,在此实施例中,两个检测通道均定位于(例如,居中于)入射平面中。然而,所述检测通道中的一或多者可定位在入射平面外。举例来说,由集光器210、元件211及检测器212形成的检测通道可经配置以收集且检测从入射平面散射出的光。因此,此检测通道可通常被称为“侧”通道,且此侧通道可居中于基本上垂直于入射平面的平面中。
尽管图3展示包含两个检测通道的基于光学的子系统201的实施例,但基于光学的子系统201可包含不同数目个检测通道(例如,仅一个检测通道或者两个或更多个检测通道)。在一个此类例子中,由集光器210、元件211及检测器212形成的检测通道可形成如以上所描述的一个侧通道,且基于光学的子系统201可包含形成为定位于入射平面的相对侧上的另一侧通道的额外检测通道(未展示)。因此,基于光学的子系统201可包含如下检测通道,所述检测通道包含集光器207、元件208及检测器209且居中于入射平面中并且经配置以收集且检测处于法向于或接近法向于样品202表面的散射角的光。此检测通道可因此通常被称为“顶部”通道,且基于光学的子系统201还可包含如以上所描述配置的两个或更多个侧通道。如此,基于光学的子系统201可包含至少三个通道(即,一个顶部通道及两个侧通道),且至少三个通道中的每一者具有其自身的集光器,所述集光器中的每一者经配置以相比于其它集光器中的每一者收集处于不同散射角的光。
如上文进一步描述,包含于基于光学的子系统201中的检测通道中的每一者可经配置以检测经散射光。因此,图3中所展示的基于光学的子系统201可经配置以用于样品202的暗视场(DF)输出产生。然而,基于光学的子系统201还可或替代地包含经配置以用于样品202的亮视场(BF)输出产生的检测通道。换言之,基于光学的子系统201可包含经配置以检测从样品202镜面反射的光的至少一个检测通道。因此,本文中所描述的基于光学的子系统201可经配置以用于仅DF成像、仅BF成像或DF及BF成像两者。尽管集光器中的每一者在图3中展示为单折射光学元件,但应理解,集光器中的每一者可包含一或多个折射光学裸片及/或一或多个反射光学元件。
所述一或多个检测通道可包含此项技术中已知的任何适合检测器。举例来说,所述检测器可包含光电倍增管(PMT)、电荷耦合装置(CCD)、时间延迟积分(TDI)相机及此项技术中已知的任何其它适合检测器。所述检测器还可包含非成像检测器或成像检测器。以此方式,如果所述检测器是非成像检测器,那么检测器中的每一者可经配置以检测经散射光的某些特性(例如强度),但不可经配置以依据在成像平面内的位置而检测此些特性。如此,由包含于基于光学的子系统的检测通道中的每一者中的检测器中的每一者产生的输出可为信号或数据,但并非是图像信号或图像数据。在此类例子中,处理器(例如处理器214)可经配置以从检测器的非成像输出产生样品202的图像。然而,在其它例子中,检测器可被配置为成像检测器,所述成像检测器经配置以产生成像信号或图像数据。因此,基于光学的子系统可经配置而以若干种方式产生光学图像或本文中所描述的其它基于光学的输出。
应注意,本文中提供图3以大体图解说明基于光学的子系统201的配置,所述基于光学的子系统可包含于本文中所描述的系统实施例中或可产生由本文中所描述的系统实施例使用的基于光学的输出。本文中所描述的基于光学的子系统201配置可经更改以优化基于光学的子系统201的性能,如在设计商业输出获取系统时通常执行。另外,本文中所描述的系统可使用现有系统来实施(例如,通过将本文中所描述的功能性添加到现有系统)。针对一些此类系统,可提供本文中所描述的方法作为系统的任选功能性(例如,除系统的其它功能性之外)。替代地,本文中所描述的系统可经设计为全新系统。
处理器214可以任何适合方式(例如,经由可包含有线及/或无线传输媒体的一或多个传输媒体)耦合到系统200的组件,使得处理器214可接收输出。处理器214可经配置以使用所述输出执行若干个功能。系统200可从处理器214接收指令或其它信息。处理器214及/或电子数据存储单元215任选地可与晶片检验工具、晶片计量工具或晶片再检测工具(未图解说明)进行电子通信以接收额外信息或发送指令。举例来说,处理器214及/或电子数据存储单元215可与扫描电子显微镜进行电子通信。
本文中所描述的处理器214、其它系统或其它子系统可为各种系统(包含个人计算机系统、图像计算机、主机计算机系统、工作站、网络器具、因特网器具或其它装置)的部分。所述子系统或系统还可包含此项技术中已知的任何适合处理器,例如并行处理器。另外,所述子系统或系统可包含具有高速度处理及软件的平台作为独立工具或联网工具。
处理器214及电子数据存储单元215可安置于系统200或另一装置中或者以其它方式是所述系统或另一装置的部分。在一实例中,处理器214及电子数据存储单元215可为独立式控制单元的部分或在集中式质量控制单元中。可使用多个处理器214或电子数据存储单元215。
处理器214可在实践中通过硬件、软件及固件的任何组合来实施。并且,本文中所描述的其功能可由一个单元执行,或在不同组件间进行划分,所述组件中的每一者又可通过硬件、软件及固件的任何组合来实施。用于由处理器214实施各种方法及功能的程序码或指令可存储于可读存储媒体(例如电子数据存储单元215中的存储器或其它存储器)中。
如果系统200包含多于一个处理器214,那么不同子系统可彼此耦合使得图像、数据、信息、指令等可在子系统之间发送。举例来说,一个子系统可通过任何适合传输媒体耦合到额外子系统,所述任何适合传输媒体可包含此项技术中已知的任何适合有线及/或无线传输媒体。此些子系统中的两者或更多者还可通过共享式计算机可读存储媒体(未展示)有效地耦合。
处理器214可经配置以使用系统200的输出或其它输出执行若干个功能。例如,处理器214可经配置以将输出发送到电子数据存储单元215或另一存储媒体。处理器214可如本文中所描述而进一步配置。
由以下各项中的一或多者执行系统200的各种步骤、功能及/或操作以及本文中所揭示的方法:电子电路、逻辑门、多路复用器、可编程逻辑装置、ASIC、模拟或数字控制件/开关、微控制器或计算系统。实施方法的程序指令(例如本文中所描述的那些指令)可经由载体媒体传输或存储于载体媒体上。载体媒体可包含存储媒体,例如只读存储器、随机存取存储器、磁盘或光盘、非易失性存储器、固态存储器、磁带等等。载体媒体可包含传输媒体,例如导线、缆线或无线传输链路。例如,遍及本发明所描述的各种步骤可由单个处理器214或(替代地)多个处理器214执行。此外,系统200的不同子系统可包含一或多个计算或逻辑系统。因此,以上说明不应解释为对本发明的限制而仅是图解说明。
在一例子中,处理器214与系统200进行通信。处理器214可经配置以执行本文中所揭示的实施例中的任一者,例如图1的方法100。在一例子中,处理器214经配置以在依据来自检测器的数据产生的图像的区域中确定投影。所述投影是沿X方向的X投影及/或沿Y方向的Y投影。X方向与Y方向是垂直的。将至少一个阈值应用于所述投影,借此在所述图像的所述区域中形成至少一个分段。使用距所述投影的至少一个距离值确定所述区域中的至少一个精细分段。处理器214可进一步经配置以在所述精细分段中的一或多者中执行缺陷检测。处理器214还可经配置以使用系统200的输出或使用来自其它源的图像或数据执行其它功能或额外步骤。
额外实施例涉及存储程序指令的非暂时性计算机可读媒体,所述程序指令可在控制器上执行以执行如本文中所揭示的用于晶片检验的计算机实施的方法。特定来说,如图3中所展示,电子数据存储单元215或其它存储媒体可含有包含可在处理器214上执行的程序指令的非暂时性计算机可读媒体。计算机实施的方法可包含本文中所描述的任何方法的任何步骤,包含方法100。
在一例子中,所述步骤包含:在半导体晶片的图像的区域中确定投影;将至少一个阈值应用于所述投影,借此在所述图像的所述区域中形成至少一个分段;及在所述区域中使用距所述投影的至少一个距离值确定至少一个精细分段。所述投影可为X投影及/或Y投影。
可以包含基于程序步骤的技术、基于组件的技术及/或面向对象的技术以及其它技术的各种方式中的任一者来实施程序指令。举例来说,可视需要使用ActiveX控制件、C++对象、JavaBeans、微软基础类别(MFC)、流式传输SIMD扩展(SSE)或者其它技术或方法来实施程序指令。
如本文中所使用,术语“晶片”通常是指由半导体或非半导体材料形成的衬底。此半导体或非半导体材料的实例包含但不限于单晶硅、氮化镓、砷化镓、磷化铟、蓝宝石及玻璃。此些衬底通常可发现于及/或处理于半导体制作设施中。
晶片可包含形成于衬底上的一或多个层。举例来说,此些层可包含但不限于光致抗蚀剂、介电材料、导电材料及半导电材料。许多不同类型的此些层是此项技术中所知的,且如本文中所使用的术语晶片打算涵盖包含所有类型的此些层的晶片。
形成于晶片上的一或多个层可为经图案化或未图案化的。举例来说,晶片可包含多个裸片,每一裸片具有可重复的经图案化特征或周期性结构。此些材料层的形成及处理可最终产生完成装置。可在晶片上形成许多不同类型的装置,且如本文中所使用的术语晶片打算涵盖上面制作有此项技术中已知的任何类型的装置的晶片。
还可使用其它类型的晶片。举例来说,可使用晶片来制造LED、太阳能电池、磁盘、平整面板或经抛光板。还可使用本文中所揭示的技术及系统将其它对象上的缺陷分类。
可如本文中所描述执行所述方法的步骤中的每一者。所述方法还可包含可由本文中所描述的处理器及/或计算机子系统或系统执行的任何其它步骤。所述步骤可由一或多个计算机系统执行,所述一或多个计算机系统可根据本文中所描述的实施例中的任一者而配置。另外,以上所描述的方法可由本文中所描述的系统实施例中的任一者来执行。
尽管已关于一或多个特定实施例描述了本发明,但应理解可在不背离本发明的范围的情况下做出本发明的其它实施例。因而,认为本发明仅受所附权利要求书及其合理解释限制。
Claims (19)
1.一种系统,其包括:
光源,其产生光;
载台,其经配置以固持晶片;
检测器,其接收从所述晶片反射的所述光;及
处理器,其与所述检测器进行电子通信,其中所述处理器经配置以:
在依据来自所述检测器的数据产生的图像的区域中确定投影,其中所述投影是沿X方向的X投影及/或沿Y方向的Y投影,且其中所述X方向与所述Y方向是垂直的;
将至少一个阈值应用于所述投影,借此在所述图像的所述区域中形成至少一个分段;及
在所述区域中使用距所述投影的至少一个距离值确定至少一个精细分段。
2.根据权利要求1所述的系统,其中所述光源是激光器。
3.根据权利要求1所述的系统,其中所述精细分段是沿着所述X方向或所述Y方向界定的。
4.根据权利要求1所述的系统,其中所述精细分段是沿着所述X方向及所述Y方向界定的。
5.根据权利要求1所述的系统,其中所述处理器进一步经配置以在所述精细分段中的一或多者中执行缺陷检测。
6.根据权利要求1所述的系统,其中所述图像是2D图像且其中所述投影将所述2D图像转换成1D数据。
7.根据权利要求1所述的系统,其中所述精细分段的尺寸是至少五个像素。
8.一种方法,其包括:
使用处理器在半导体晶片的图像的区域中确定投影,其中所述投影是沿X方向的X投影及/或沿Y方向的Y投影,且其中所述X方向与所述Y方向是垂直的;
使用所述处理器将至少一个阈值应用于所述投影,借此在所述图像的所述区域中形成至少一个分段;及
使用所述处理器在所述区域中使用距所述投影的至少一个距离值确定至少一个精细分段。
9.根据权利要求8所述的方法,其中所述精细分段是沿着所述X方向或所述Y方向界定的。
10.根据权利要求8所述的方法,其中所述精细分段是沿着所述X方向及所述Y方向界定的。
11.根据权利要求8所述的方法,其中所述方法进一步包括在所述精细分段中的一或多者中执行缺陷检测。
12.根据权利要求8所述的方法,其中所述图像是2D图像且其中所述投影将所述2D图像转换成1D数据。
13.根据权利要求8所述的方法,其中所述精细分段的尺寸是至少五个像素。
14.一种非暂时性计算机可读存储媒体,其包括用于在一或多个计算装置上执行以下步骤的一或多个程序:
在半导体晶片的图像的区域中确定投影,其中所述投影是沿X方向的X投影及/或沿Y方向的Y投影,且其中所述X方向与所述Y方向是垂直的;
将至少一个阈值应用于所述投影,借此在所述图像的所述区域中形成至少一个分段;及
在所述区域中使用距所述投影的至少一个距离值确定至少一个精细分段。
15.根据权利要求14所述的非暂时性计算机可读存储媒体,其中所述精细分段是沿着所述X方向或所述Y方向界定的。
16.根据权利要求14所述的非暂时性计算机可读存储媒体,其中所述精细分段是沿着所述X方向及所述Y方向界定的。
17.根据权利要求14所述的非暂时性计算机可读存储媒体,其中所述步骤进一步包含在所述精细分段中的一或多者中执行缺陷检测。
18.根据权利要求14所述的非暂时性计算机可读存储媒体,其中所述图像是2D图像且其中所述投影将所述2D图像转换成1D数据。
19.根据权利要求14所述的非暂时性计算机可读存储媒体,其中所述精细分段的尺寸是至少五个像素。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202062959066P | 2020-01-09 | 2020-01-09 | |
US62/959,066 | 2020-01-09 | ||
US17/124,472 | 2020-12-16 | ||
US17/124,472 US11610296B2 (en) | 2020-01-09 | 2020-12-16 | Projection and distance segmentation algorithm for wafer defect detection |
PCT/US2021/012022 WO2021141835A1 (en) | 2020-01-09 | 2021-01-04 | Projection and distance segmentation algorithm for wafer defect detection |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114946016A true CN114946016A (zh) | 2022-08-26 |
CN114946016B CN114946016B (zh) | 2024-01-26 |
Family
ID=76764271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180008537.0A Active CN114946016B (zh) | 2020-01-09 | 2021-01-04 | 用于晶片缺陷检测的投影及距离切割算法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11610296B2 (zh) |
KR (1) | KR20220125324A (zh) |
CN (1) | CN114946016B (zh) |
WO (1) | WO2021141835A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130035876A1 (en) * | 2009-02-13 | 2013-02-07 | Kla-Tencor Corporation | Detecting defects on a wafer |
US9702829B1 (en) * | 2013-04-09 | 2017-07-11 | Kla-Tencor Corporation | Systems and methods for wafer surface feature detection and quantification |
CN108369202A (zh) * | 2015-12-09 | 2018-08-03 | 科磊股份有限公司 | 通过降低裸片到裸片过程噪声的缺陷信噪比增强 |
CN110132991A (zh) * | 2019-06-18 | 2019-08-16 | 徐州鑫晶半导体科技有限公司 | 用于检测硅晶圆上激光打标缺陷的方法 |
CN110402487A (zh) * | 2017-01-10 | 2019-11-01 | 科磊股份有限公司 | 用于在具有深堆叠层的芯片中训练且应用缺陷分类器的系统、方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8831334B2 (en) | 2012-01-20 | 2014-09-09 | Kla-Tencor Corp. | Segmentation for wafer inspection |
US9483819B2 (en) | 2013-01-29 | 2016-11-01 | Kla-Tencor Corporation | Contour-based array inspection of patterned defects |
JP6009956B2 (ja) | 2013-01-31 | 2016-10-19 | 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 |
US11275975B2 (en) | 2017-10-05 | 2022-03-15 | Applied Materials, Inc. | Fault detection classification |
-
2020
- 2020-12-16 US US17/124,472 patent/US11610296B2/en active Active
-
2021
- 2021-01-04 CN CN202180008537.0A patent/CN114946016B/zh active Active
- 2021-01-04 WO PCT/US2021/012022 patent/WO2021141835A1/en active Application Filing
- 2021-01-04 KR KR1020227027411A patent/KR20220125324A/ko active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130035876A1 (en) * | 2009-02-13 | 2013-02-07 | Kla-Tencor Corporation | Detecting defects on a wafer |
US9702829B1 (en) * | 2013-04-09 | 2017-07-11 | Kla-Tencor Corporation | Systems and methods for wafer surface feature detection and quantification |
CN108369202A (zh) * | 2015-12-09 | 2018-08-03 | 科磊股份有限公司 | 通过降低裸片到裸片过程噪声的缺陷信噪比增强 |
CN110402487A (zh) * | 2017-01-10 | 2019-11-01 | 科磊股份有限公司 | 用于在具有深堆叠层的芯片中训练且应用缺陷分类器的系统、方法 |
CN110132991A (zh) * | 2019-06-18 | 2019-08-16 | 徐州鑫晶半导体科技有限公司 | 用于检测硅晶圆上激光打标缺陷的方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021141835A1 (en) | 2021-07-15 |
KR20220125324A (ko) | 2022-09-14 |
CN114946016B (zh) | 2024-01-26 |
TW202134600A (zh) | 2021-09-16 |
US20210217159A1 (en) | 2021-07-15 |
US11610296B2 (en) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114402192B (zh) | 用于晶片缺陷检测的基于变化的分段 | |
US11783470B2 (en) | Design-assisted inspection for DRAM and 3D NAND devices | |
TWI760523B (zh) | 用於偵測一缺陷之方法、非暫時性電腦可讀媒體及系統 | |
CN111837227B (zh) | 用于确定在晶片上所检测到的缺陷位于上面的层的系统 | |
CN114341630B (zh) | 等概率缺陷检测 | |
JP6906044B2 (ja) | 感度改善およびニューサンス抑制のため、論理的およびホットスポット検査でzレイヤコンテキストを使用するシステムおよび方法 | |
KR102607149B1 (ko) | 광학 검사를 이용한 프로세스 모니터링 방법 | |
CN115777060A (zh) | 用于光学目标搜索的光学图像对比度量 | |
CN111386596B (zh) | 最小化场大小以减少非所要的杂散光 | |
CN114946016B (zh) | 用于晶片缺陷检测的投影及距离切割算法 | |
TWI851864B (zh) | 用於半導體晶圓檢驗之系統及方法以及相關的非暫時性電腦可讀儲存媒體 | |
US20240221141A1 (en) | Pattern segmentation for nuisance suppression | |
TW202301191A (zh) | 用於導出及改善成像條件之影像對比度量 | |
JP2024537955A (ja) | レーザアニールパターンの抑制 | |
JPH03148049A (ja) | 欠陥検査装置 |
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 |