CN115777060A - 用于光学目标搜索的光学图像对比度量 - Google Patents

用于光学目标搜索的光学图像对比度量 Download PDF

Info

Publication number
CN115777060A
CN115777060A CN202180045542.9A CN202180045542A CN115777060A CN 115777060 A CN115777060 A CN 115777060A CN 202180045542 A CN202180045542 A CN 202180045542A CN 115777060 A CN115777060 A CN 115777060A
Authority
CN
China
Prior art keywords
image
pixels
image contrast
processor
optical
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
Application number
CN202180045542.9A
Other languages
English (en)
Inventor
金欢
李晓春
S·帕克
黄志峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KLA Corp
Original Assignee
KLA Tencor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by KLA Tencor Corp filed Critical KLA Tencor Corp
Publication of CN115777060A publication Critical patent/CN115777060A/zh
Pending legal-status Critical Current

Links

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
    • G01N21/8851—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
    • G01N21/9501—Semiconductor wafers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • 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
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20152—Watershed segmentation
    • 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
    • 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
    • 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
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (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)
  • Microscoopes, Condenser (AREA)
  • Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
  • Holo Graphy (AREA)

Abstract

在图像对比度量中使用全局及局部对准能量。所述图像对比度量可用于寻找光学目标。可使用来自梯度幅值图像的一些像素及来自光学图像的背景内容范围图像来确定所述图像对比度量。接着可使用来自跨晶片的部分的所述图像对比度量的热图(heatmap)来制作目标列表。可应用置信上限及下限值来对可用目标进行排名。

Description

用于光学目标搜索的光学图像对比度量
相关申请案的交叉参考
本申请案主张2020年8月12日申请且指定为第63/064,531号美国申请案的临时专利申请案的优先权，所述案的公开内容特此以引用的方式并入。
技术领域
本公开涉及半导体晶片的缺陷检测。
背景技术
半导体制造行业的演进正对良率管理且特定来说，对计量及检验系统提出更高要求。关键尺寸继续缩小，但行业需减少实现高良率、高价值生产的时间。最小化从检测到良率问题到解决所述问题的总时间确定半导体制造商的投资回报率。
制造半导体装置(例如逻辑及存储器装置)通常包含使用大量制造工艺处理半导体晶片以形成所述半导体装置的不同特征及多个层级。例如，光刻是半导体制造工艺，其涉及将图案从倍缩光掩模转印到布置在半导体晶片上的光致抗蚀剂。半导体制造工艺的额外实例包含(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造的多个半导体装置的布置分离成个别半导体装置。
在半导体制造期间的各个步骤使用检验过程以检测晶片上的缺陷以在制造工艺中促进更高良率且因此促进更高利润。检验始终是制造例如集成电路的半导体装置的重要部分。然而，随着半导体装置的尺寸减小，检验对于可接受半导体装置的成功制造变得甚至更加重要，此是因为较小缺陷可引起装置故障。例如，随着半导体装置的尺寸减小，检测减小尺寸的缺陷已变得必要，此是因为甚至相对较小缺陷可在半导体装置中引起非所要的像差。
然而，随着设计规则缩小，半导体制造工艺可更接近于对工艺的性能能力的限制操作。另外，随着设计规则缩小，较小缺陷可对装置的电参数具有影响，其驱动更灵敏检验。随着设计规则缩小，通过检验检测的潜在良率相关缺陷的群体大幅增长，且通过检验检测的扰乱点缺陷的群体也大幅增加。因此，可在晶片上检测更多缺陷，且校正过程以剔除全部缺陷可为困难且昂贵的。确定哪些缺陷实际上对装置的电参数及良率具有影响可容许过程控制方法聚焦于所述缺陷而大体上忽略其它缺陷。此外，在较小设计规则下，在一些情况中，过程引发的故障趋于系统性的。即，过程引发的故障趋于在通常在设计内重复许多次的预定设计模式下故障。空间系统性、电相关缺陷的剔除可对良率具有影响。
需要用于检验的经改进系统及方法。
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，其产生光束；载物台，其经配置以将晶片固持于所述光束的路径中；检测器，其经配置以接收从所述晶片反射的所述光束；及处理器，其与所述检测器电子通信。所述处理器经配置以：使用来自所述检测器的数据产生光学图像；从所述光学图像确定梯度幅值图像；从所述光学图像确定背景内容范围图像；从所述梯度幅值图像选择第一组像素且从所述背景内容范围图像选择第二组像素；且使用所述第一组像素及所述第二组像素及为∈[0,1.0]的值α确定图像对比度量。所述第一组像素及所述第二组像素少于100％。
可通过将α与所述第一组像素的图像对比度的乘积及(1-α)与所述第二组像素的图像对比度的乘积相加而确定所述图像对比度量。
所述第一组像素可为所述梯度幅值图像中的像素的10％。所述第二组像素可为所述背景内容范围图像中的像素的20％。
所述处理器可进一步经配置以在跨所述半导体晶片的多个位置处确定所述图像对比度量。滑动窗口可用于在单个帧中的所述多个位置处产生所述图像对比度量。所述处理器可进一步经配置以：从所述多个位置处的所述图像对比度量确定热图；将置信上限及置信下限应用到所述热图；为目标列表选择高于所述置信上限的所述图像对比度量；及任选地选择介于所述置信上限与所述置信下限之间的所述图像对比度量中的一或多者来填充所述目标列表上的任何剩余槽。
在第二实施例中提供一种方法。所述方法包含：使用处理器从来自光学检验系统的数据产生半导体晶片的光学图像。所述光学检验系统包含光源及检测器。使用所述处理器从所述光学图像确定梯度幅值图像。使用所述处理器从所述光学图像确定背景内容范围图像。使用所述处理器从所述梯度幅值图像选择第一组像素且从所述背景内容范围图像选择第二组像素。所述第一组像素及所述第二组像素少于100％。使用所述处理器，使用所述第一组像素及所述第二组像素及为∈[0,1.0]的值α确定图像对比度量。
可通过将α与所述第一组像素的图像对比度的乘积及(1-α)与所述第二组像素的图像对比度的乘积相加而确定所述图像对比度量。
所述第一组像素可为所述梯度幅值图像中的像素的10％。所述第二组像素可为所述背景内容范围图像中的像素的20％。
确定所述图像对比度量可发生在跨所述半导体晶片的多个位置处。滑动窗口可用于在单个帧中的所述多个位置处产生所述图像对比度量。所述方法可进一步包含：使用所述处理器从所述多个位置处的所述图像对比度量确定热图；使用所述处理器将置信上限及置信下限应用到所述热图；使用所述处理器为目标列表选择高于所述置信上限的所述图像对比度量；及使用所述处理器任选地选择介于所述置信上限与所述置信下限之间的所述图像对比度量中的一或多者来填充所述目标列表上的任何剩余槽。
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含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：从半导体晶片的光学图像确定梯度幅值图像；从所述光学图像确定背景内容范围图像；从所述梯度幅值图像选择第一组像素且从所述背景内容范围图像选择第二组像素；及使用所述第一组像素及所述第二组像素及为∈[0,1.0]的值α确定图像对比度量。所述第一组像素及所述第二组像素少于100％。例如，所述第一组像素及所述第二组像素少于所述像素的100％。
可通过将α与所述第一组像素的图像对比度的乘积及(1-α)与图像对比度所述第二组像素的乘积相加而确定所述图像对比度量。
所述第一组像素可为所述梯度幅值图像中的像素的10％。所述第二组像素可为所述背景内容范围图像中的像素的20％。
确定所述图像对比度量可发生在跨所述半导体晶片的多个位置处。滑动窗口可用于在单个帧中的所述多个位置处产生所述图像对比度量。所述步骤可进一步包含：从所述多个位置处的所述图像对比度量确定热图；将置信上限及置信下限应用到所述热图；为目标列表选择高于所述置信上限的所述图像对比度量；及任选地选择介于所述置信上限与所述置信下限之间的所述图像对比度量中的一或多者来填充所述目标列表上的任何剩余槽。
附图说明
为了更全面理解本公开的性质及目标，应参考结合附图进行的以下详细描述，其中：
图1是实施例的第一方面的流程图；
图2是实施例的第二方面的流程图；及
图3是根据本公开的系统的图。
具体实施方式
尽管将依据某些实施例描述所主张的目标物，但其它实施例(包含未提供本文中阐述的所有益处及特征的实施例)也在本公开的范围内。可在不偏离本公开的范围的情况下进行各种结构、逻辑、过程步骤、及电子变化。因此，本公开的范围仅参考所附权利要求书而界定。
本文中公开的实施例可从光学图像质量的视角特性化与光学图像及设计的对准的质量。对准质量可影响多个设计导引缺陷检测算法的所关注缺陷(DOI)灵敏度。本文中公开的实施例使用可指示光学图像是否可对准到设计的图像对比度量。度量可用于相对于对准性能限定光学器件模式及/或选择最佳基于图像的对准位点以增强光学到设计对准性能的整体可信度。图像对比度量可用于确定对准位点是否良好或不良。
图1是方法100的流程图。方法100中的一些或全部步骤可使用处理器。所得图像对比度量考虑光学图像的全局及局部对准能量。全局对准能量由图像的背景内容动态范围表示。局部对准能量由通过背景内容动态范围归一化的图像的梯度幅值表示。图像对比度量组合能量与权重系数两者用于灵活对准。由于度量被一致地限制到[0,1.0]的范围，故其可用于特性化跨晶片及光学器件模式对准光学图像的能力。使用[0,1.0]标度可保持结果归一化。
在101产生光学图像。可从来自光学检验系统(例如具有光源及检测器的光学检验系统)的数据产生光学图像。
在102从光学图像确定梯度幅值图像。图像梯度是强度的方向改变。图像的梯度含有以下分量：x导数(Gx)及y导数(Gy)。将梯度幅值M确定为(Gx^2+Gy^2)的平方根。
在104从光学图像确定背景内容范围图像。给定预定义背景内容窗口，针对图像中的每一像素，范围值可由在背景内容窗口内发现的局部最小与最大强度之间的绝对差确定。
在103从梯度幅值图像选择第一组像素。在确定梯度幅值图像之后，可以降序对全部幅值像素值排序。可选取幅值像素的顶部(或前)N百分比以计算对应度量。第一组像素少于梯度幅值图像中的像素的100％。在例子中，第一组像素是梯度幅值图像中的像素的10％，但可使用其它值。在对准应用中，高频率信号贡献多于低频率信号。使用像素的10％基于对各种晶片的测试提供经改进结果。
在105从背景内容范围图像选择第二组像素。类似于幅值像素选择对第二组像素进行选择。第二组像素少于背景内容范围图像中的像素的100％。在例子中，第二组像素是背景内容范围图像中的像素的20％，但可使用其它值。背景内容范围图像可为光学图像提供归一化项。归一化可需要稳定且不受噪声影响。因此，采取顶部范围像素值的N百分比的平均值可移除有噪声高频率信号且稳定化归一化项计算。
在106使用第一组像素、第二组像素及为∈[0,1.0]的值α确定图像对比度量。例如，可使用公式IC＝α(ICgradient)+(1-α)(ICrange)确定图像对比度量。在公式中，IC是图像对比度量，ICgradient是第一组像素的图像对比度，且ICrange是第二组像素的图像对比度。图像对比度量对图像的动态范围不敏感且组合背景内容动态范围及梯度幅值的能量两者。
可使用公式
Figure BDA0004016830200000051
来确定图像对比度。K是在顶部10％最大
Figure BDA0004016830200000052
中的像素索引组，G是最大R的顶部20％中的一组像素索引，且α是∈[0,1.0]。
Figure BDA0004016830200000053
表示梯度分量。
Figure BDA0004016830200000054
表示动态范围分量。I'k是可在两个维度上的图像梯度向量。R是背景内容范围图像。
可对通过背景内容范围(通过max(R)发现)归一化的图像I'计算图像对比度。可使用5x5窗口、7x7窗口、9x9窗口或其它大小的窗口计算背景内容动态范围。
对准性能可受图像清晰度(x/y能量改变)影响。两个梯度幅值(最精细，局部)及背景内容范围(粗略，全局)可表示用于对准的图像清晰度质量。可需要图像归一化以跨晶片或光学器件比较图像。然而，通过大范围的归一化可降低梯度幅值的能量。范围能量可用于补偿梯度幅值能量。
可在跨半导体晶片的多个位置确定图像对比度量。光学图像中的每一像素可具有对应图像对比度(IC)值。理论上，需要全部像素遍历以计算IC。为了促进IC计算，预定义固定目标窗口大小及移动步长以对光学像素进行取样。例如，如果针对x及y方向两者，窗口步长是1像素，那么其等效于对光学图像中的全部像素进行取样。
所得图像对比度量可用于量化图像的模糊度。图像对比度量可提供图像质量与对准性能之间的正确相关性。其使用可改进显著对准位点选择且增加DOI灵敏度。
全局图像对比度阈值可用于从对准视角跨晶片且跨光学器件限定光学图像。其可实现各种基于对准的特性化。例如，具有最佳图像对比度量的对准位点改进光学到设计对准，此可改进像素到设计对准(PDA)。PDA准确度对于某些类型的检验(例如其中在检验期间使用设计信息以执行一或多个功能的检测)可为重要的。PDA是可改进由检验工具(例如扫描电子显微镜(SEM))报告的缺陷位置准确度的基于设计的对准方法。PDA目标选择可基于图像显著特征。
图像对比度量可用于量化光学到设计对准性能。因此，图像对比度量是在图2中展示的方法150中使用的度量的实例。方法150中的一些或全部步骤可使用处理器。
方法150的实施例可自动寻找最佳目标以改进用于缺陷检测的与光学图像及设计的对准的质量。例如，半导体制造商可需要知道最佳目标(例如，五个目标)在1000x1000像素图像上的何处。最佳目标候选者的链结列表可用于光学到设计对准，且自动化最佳目标搜索算法可辅助寻找最佳目标候选者。显著目标搜索算法可组合图像显著性与基于标记的分水岭分段方法。光学目标搜索算法将多置信水平策略整合到基于标记的分水岭算法中且可跨晶片裸片一致地达成最佳光学目标选择以改进PDA性能。使用具有多置信水平策略的基于标记的分水岭分段方法可以具有几何分集的均匀分布自动选择最佳光学目标以防止选定目标落在附近邻域中。测试已展示，方法150以较佳光学-设计对准率胜过当前基于区域的目标搜索。
在151提供图像的全帧。帧可通常为1536x768像素或1024x1024像素，但可使用其它帧大小。使用滑动窗口技术以在单个帧中的多个位置处产生图像对比度量。滑动窗口操作是取样方法。在给定定界框(即，窗口或子图像)(其通常小于帧大小)的情况下计算IC值。为了覆盖整个帧，确定窗口大小及移动步长(例如，多少像素在2D方向上前进)，且移动相同大小的窗口以获得IC值在整个帧上的分布。部分(或目标窗口)大小可由用户定义。典型部分大小是192x192像素。窗口大小对帧的比率可在[0.05,0.2]的范围中。
一般来说，光学图像是具有数百万个像素的帧。可应用具有数千个像素(例如192x192像素或其它大小)的滑动窗口以产生具有可调整步长(例如，1/8或1/4窗口大小)的显著性度量热图。显著性度量热图可为通过滑动窗口计算的IC值图像。其可被视为经降低取样特征图像(例如，特征是IC)。其含有可用于为图像对准应用寻找最佳(即，最显著)位置的IC值及其位置信息。
存在针对显著性度量(SM)的许多选项，例如图像梯度、强度操作、图像对比度量等。例如，来自方法100的图像对比度量是显著性度量的实例。图像对比度量可仅使用滑动窗口图像内的像素执行。显著性度量可考虑梯度幅值(最精细，局部)及背景内容范围(粗略，全局)两者，因此其可表示用于对准的图像清晰度质量。
在152从图像对比度量确定热图。可通过确定个别滑动窗口的IC度量而产生热图。热图可为显著性度量热图。显著性度量热图可从单个帧产生。热图可为说明幅值(例如，使用值或色彩)的数据可视化技术。
将置信上限(“硬阈值”)应用到热图。还将置信下限(“软阈值”)应用到热图。可对热图执行定限以提取具有高显著性度量(例如IC)的位置。为目标列表选择高于置信上限的图像对比度量。任选地，在选择高于置信上限的图像对比度量之后，使用介于置信上限与置信下限之间的一或多个图像对比度量来填充目标列表上的任何剩余槽。可排除低于置信下限的图像对比度量。
可通过检查对应于其对准性能的大量光学图像而确定硬阈值。如果一个目标具有低于硬阈值的IC值，那么无论如何其将被摒弃。
软阈值可在硬定限操作之后从幸存候选者选择光学目标组。软阈值可为动态的且用于控制最终选定目标的数目。
置信水平可根据显著性度量热图的动态范围设定或依其它方式配置。在具有硬阈值及软阈值的实例中，高于硬阈值的任何显著性度幅值意味着对应目标具有待选择的优先级。硬阈值可在经验上基于经使用显著性度量，但软阈值可经调适成适于搜索。低于软阈值的任何显著性度幅值意味着忽略对应目标。如果最佳目标候选者的链结清单的长度小于经请求量，那么具有介于硬阈值与软阈值之间的显著性度幅值的目标可在“等待清单”上。因此，如果不存在具有高于置信上限的显著性度幅值的足够目标，那么可使用来自等待列表的目标。任何经提取目标可按其显著性度幅值(例如，以降序)排名。具有光学显著性度量的最佳目标可改进设计对准细化，其可改进PDA。
基于标记的分水岭算法在具有置信上限及下限的显著性度量热图上运行。标记可通过距离转换及可调适定限产生。可从每一经分水岭分段区域根据其局部最大值提取最佳目标。如果可从相对大经分段区域提取多于一个目标，那么可实施两个相邻目标之间的最小距离的策略。使用两个相邻目标之间的最小距离可有助于维持帧中的目标的所要分布。使用紧密接近的两个目标可影响性能，因此仅可选择这些接近目标中的一者。
在方法150的实例中，收集对准位点及设计的光学图像。针对真实数据验证光学及设计的个别对的对准准确度。从光学图像确定显著性度量热图。应用基于标记的分段及多置信水平策略以从显著性度量热图产生最佳目标候选者的链结清单。来自链结列表的最佳目标用于PDA工作流程中以获得光学到设计对准偏移。将这些对准偏移与真实数据比较。可针对来自多个晶片及不同光学器件模式的对准位点重复比较。
在图3中展示系统200的一项实施例。系统200包含基于光学的子系统201。一般来说，基于光学的子系统201经配置用于通过将光引导导(或使光扫描遍及)样品202及检测来自样品202的光来针对样品202产生基于光学的输出。在一项实施例中，样品202包含晶片。所述晶片可包含所属领域中已知的任何晶片。在另一实施例中，样品202包含倍缩光掩模。所述倍缩光掩模可包含所属领域中已知的任何倍缩光掩模。
在图3中所展示的系统200的实施例中，基于光学的子系统201包含经配置将光引导到样品202的照明子系统。照明子系统包含至少一个光源。例如，如图3中展示，照明子系统包含光源203。在一项实施例中，照明子系统经配置以按一或多个入射角(其可包含一或多个倾斜角及/或一或多个法线角)将光引导到样品202。例如，如图3中展示，以倾斜入射角引导来自光源203的光穿过光学元件204且接着穿过透镜205而到样品202。倾斜入射角可包含任何合适的倾斜入射角，其可取决于例如样品202的特性而改变。
基于光学的子系统201可经配置以在不同时间按不同入射角将光引导到样品202。例如，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，使得光可按与图3中展示的入射角不同的入射角被引导到样品202。在一个此实例中，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，使得光按不同倾斜入射角或法线(或近法线)入射角被引导到样品202。
在一些例子中，基于光学的子系统201可经配置以同时按一个以上入射角将光引导到样品202。例如，照明子系统可包含一个以上照明通道，所述照明通道中的一者可包含如图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)可包含可不同地或相同地配置的类似元件，或可包含至少光源及可能例如本文中进一步描述的一或多个其它元件。如果此光与另一光同时被引导到样品，那么按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、偏光等)可不同，使由按不同入射角照明样品202产生的光可在检测器处彼此区分。
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)而分离到不同光学路径中(例如，基于波长、偏光等)。不同光学路径中的每一者中的光接着可被引导到样品202。多个照明通道可经配置以在相同时间或不同时间将光引导到样品202(例如，当使用不同照明通道以顺序照明样品时)。在另一例子中，相同照明通道可经配置以在不同时间使用不同特性将光引导到样品202。例如，在一些例子中，光学元件204可经配置为光谱滤波器且所述光谱滤波器的性质可以多种不同方式(例如，通过置换出所述光谱滤波器)改变，使得不同波长的光可在不同时间被引导到样品202。照明子系统可具有所属领域中已知的用于将具有不同或相同特性的光按不同或相同入射角顺序或同时引导到样品202的任何其它合适配置。
在一项实施例中，光源203可包含宽带等离子体(BBP)源。依此方式，由光源203产生且被引导到样品202的光可包含宽带光。然而，光源可包含任何其它合适光源，例如激光。激光可包含所属领域中已知的任何合适激光且可经配置以产生任何合适波长或所属领域中已知的波长的光。此外，激光经配置以产生单色或近单色的光。依此方式，激光可为窄带激光。光源203还可包含多色光源，所述多色光源产生多个离散波长或波段的光。
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中被展示为单个折射光学元件，但应理解，实际上，透镜205可包含数个折射及/或反射光学元件，其组合地将来自所述光学元件的光聚焦到所述样品。图3中展示及本文中描述的照明子系统可包含任何其它合适的光学元件(未展示)。此类光学元件的实例包含(但不限于)偏光组件、光谱滤波器、空间滤波器、反射光学元件、变迹器、光束分离器(例如光束分离器213)、孔隙及其类似者，其可包含所属领域中已知的任何此类合适光学元件。此外，基于光学的子系统201可经配置以基于照明的类型而更改照明子系统的一或多个元件以用于产生基于光学的输出。
基于光学的子系统201还可包含扫描子系统，所述扫描子系统经配置以使光扫描遍及样品202。例如，基于光学的子系统201可包含载物台206，在基于光学的输出产生期间样品202被安置在所述载物台206上。扫描子系统可包含任何合适机械及/或机器人组合件(其包含载物台206)，所述组合件可经配置以移动样品202，使得光可扫描遍及样品202。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执行光遍及样品202的某一扫描。光可以任何合适方式(例如以蛇形路径或以螺旋形路径)扫描遍及样品202。
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由于由子系统照明样品202而来自样品202的光且响应于经检测光而产生输出。例如，图3中展示的基于光学的子系统201包含两个检测通道，一个检测通道通过集光器207、元件208及检测器209形成，且另一检测通道通过集光器210、元件211及检测器212形成。如图3中展示，两个检测通道经配置以按不同集光角度收集且检测光。在一些例子中，两个检测通道经配置以检测经散射光，且检测通道经配置以检测依不同角度从样品202散射的光。然而，一或多个检测通道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，两个检测通道经展示为定位于纸平面中且照明子系统还经展示定位于纸平面中。因此，在此实施例中，两个检测通道经定位(例如，居中)于入射平面中。然而，一或多个检测通道可经定位于入射平面外。例如，通过集光器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的光。因此，此一检测通道可被统称为“侧”通道，且此一侧通道可在基本上垂直于入射平面的平面中居中。
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，仅一个检测通道或两个或更多个检测通道)。在一个此例子中，通过集光器210、元件211及检测器212形成的检测通道可形成如上文描述的一个侧通道，且基于光学的子系统201可包含形成为定位在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且在入射平面中居中且经配置以按法向于或接近法向于样品202表面的散射角收集并检测光。因此，此检测通道可被统称为“顶部”通道，且基于光学的子系统201还可包含如上文描述般配置的两个或更多个侧通道。因而，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)，且所述至少三个通道中的每一者具有其自身的集光器，其每一者经配置以按不同于其它集光器中的每一者的散射角收集光。
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可经配置用于针对样品202的暗场(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用于针对样品202的明场(BF)输出产生的检测通道。换言之，基于光学的子系统201可包含至少一个检测通道，所述至少一个检测通道经配置以检测从样品202镜面反射的光。因此，本文中描述的基于光学的子系统201可经配置用于仅DF、仅BF或DF及BF两者的成像。尽管所述集光器中的每一者在图3中被展示为单个折射光学元件，但应理解，所述集光器中的每一者可包含一或多个折射光学裸片及/或一或多个折射光学元件。
所述一或多个检测通道可包含所属领域中已知的任何合适检测器。例如，所述检测器可包含光电倍增管(PMT)、电荷耦合装置(CCD)、延时积分(TDI)摄影机及所属领域中已知的任何其它合适检测器。所述检测器还可包含非成像检测器或成像检测器。依此方式，如果所述检测器是非成像检测器，那么所述检测器中的每一者可经配置以检测散射光的特定特性(例如强度)，但可不经配置以检测依据成像平面内的位置而变化的此类特性。因而，通过包含在所述基于光学的子系统的所述检测通道中的每一者中的所述检测器的中的每一者产生的输出可为信号或数据，而非图像信号或图像数据。在此类例子中，处理器(例如处理器214)可经配置以产生来自检测器的非成像输出的样品202的图像。然而，在其它例子中，所述检测器可经配置为成像检测器，其经配置以产生图像信号或图像数据。因此，基于光学的子系统可经配置以依数种方式产生本文中描述的光学图像或其它基于光学的输出。
应注意，本文中提供图3以总体上说明基于光学的子系统201的配置，其可包含于本文中描述的系统实施例中或其可产生由本文中描述的系统实施例所使用的基于光学的输出。本文中描述的基于光学的子系统201配置可经变更以优化基于光学的子系统201的性能，如在设计商业输出撷取系统时通常所执行般。此外，本文中描述的系统可使用现有系统来实施(例如，通过将本文中描述的功能性添加到现有系统)。对于一些此类系统，本文中描述的方法可经提供作为系统的选用功能性(例如，除所述系统的其它功能性之外)。替代地，本文中描述的系统可被设计为全新系统。
处理器214可以任何合适方式耦合到系统200的组件(例如，经由一或多个传输媒体，其可包含有线及无线传输媒体)，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数个功能。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检视工具(未说明)电子通信以接收额外信息或发送指令。例如，处理器214及/或电子数据存储单元215可与扫描电子显微镜电子通信。
本文中描述的处理器214、其它系统或其它子系统可为各种系统的部分，包含个人计算机系统、图像计算机、大型计算机系统、工作站、网络设备、因特网设备或其它装置。子系统或系统还可包含所属领域中已知的任何合适处理器，例如平行处理器。此外，子系统或系统可包含具有高速处理的平台及软件(作为独立或网络工具)。
处理器214及电子数据存储单元215可经安置于系统200或另一装置中或可为系统200或另一装置的部分。在实例中，处理器214及电子数据存储单元215可为独立控制单元的部分或可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实际上可由硬件、软件及固体的任何组合实施。又，如本文中描述的其功能可通过一个单元执行，或在不同组件当中划分，其每一者继而可通过硬件、软件及固体的任何组合来实施。供处理器214实施多种方法及功能的程序代码或指令可存储于可读存储媒体中，例如电子数据存储单元215中的存储器或其它存储器。
如果系统200包含一个以上处理器214，那么不同子系统可彼此耦合，使得图像、数据、信息、指令等可在所述子系统之间发送。例如，一个子系统可通过任何合适传输媒体耦合到额外子系统，所述传输媒体可包含所属领域中已知的任何合适有线及/或无线传输媒体。此类子系统中的两者或更多者还可通过共享计算机可读存储媒体(未展示)而有效地耦合。
处理器214可经配置以使用系统200的输出或其它输出执行数个功能。例如，处理器214可经配置以将所述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可如文中描述般进一步配置。
处理器214可根据本文中描述的任何实施例配置，例如方法100及/或150。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。
系统200及本文中描述的方法的各种步骤、功能及/或操作通过以下中的一或多者实行：电子电路、逻辑门、多任务器、可编程逻辑装置、ASIC、模数控制件/开关、微控制器或计算系统。实施例如本文中描述的方法的程序指令可经由载体媒体传输或存储于载体媒体上。所述载体媒体可包含例如只读存储器、随机存取存储器、磁盘或光盘、非易失性存储器、固态存储器、磁带及其类似者的存储媒体。载体媒体可包含例如电线、电缆或无线传输链路的传输媒体。例如，可通过单处理器214或替代地多个处理器214实行贯穿本发明描述的各种步骤。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，上述描述不应被解释为对本发明的限制，而仅是图解说明。
在例子中，处理器214与系统200通信。处理器214经配置以使用来自检测器(例如，检测器209或检测器212)的数据产生光学图像。从光学图像确定梯度幅值图像及背景内容范围图像。从梯度幅值图像选择第一组像素且从背景内容范围图像选择第二组像素。第一组像素及第二组像素少于100％。接着使用第一组像素及第二组像素及为∈[0,1.0](介于0到1.0之间)的值α确定图像对比度量。例如，可通过将α与第一组像素的乘积及(1-α)与第二组像素的乘积相加而确定图像对比度量。可在跨半导体晶片的多个位置处确定图像对比度量。
处理器214可使用滑动窗口，所述滑动窗口用于在单个帧中的多个位置处产生图像对比度量。处理器214还可经配置以：从多个位置处的图像对比度量确定热图；将置信上限及置信下限应用到热图；为目标列表选择高于置信上限的图像对比度量；及任选地选择介于置信上限与置信下限之间的图像对比度量中的一或多者来填充目标列表上的任何剩余槽。
额外实施例涉及一种非暂时性计算机可读媒体，其存储可在控制器上执行以用于执行用于光学目标搜索的计算机实施方法的程序指令，如本文中所公开。特定来说，如图3中展示，电子数据存储单元215或其它存储媒体可含有非暂时性计算机可读媒体，其包含可在处理器214上执行的程序指令。计算机实施方法可包含本文中描述的任何方法(包含方法100及/或方法150)的任何步骤。
所述程序指令可以多种方式中的任一者实施，包含基于过程的技术、基于组件的技术及/或面向对象的技术等。例如，所述程序指令可使用ActiveX控件、C++对象、JavaBeans、微软基础类别(MFC)、流式SIMD扩展(SSE)或其它技术或方法论来实施。
尽管本公开已关于一或多项特定实施例来描述，但将理解，本公开的其它实施例可在不偏离本发明的范围的情况下进行。因此，本公开被视为仅受限于所附权利要求书及其合理解释。

Claims (18)

1.一种系统，其包括：
光源，其产生光束；
载物台，其经配置以将晶片固持于所述光束的路径中；
检测器，其经配置以接收从所述晶片反射的所述光束；及
处理器，其与所述检测器电子通信，其中所述处理器经配置以：
使用来自所述检测器的数据产生光学图像；
从所述光学图像确定梯度幅值图像；
从所述光学图像确定背景内容范围图像；
从所述梯度幅值图像选择第一组像素且从所述背景内容范围图像选择第二组像素，其中所述第一组像素及所述第二组像素少于100％；及
使用所述第一组像素及所述第二组像素及为∈[0,1.0]的值α确定图像对比度量。
2.根据权利要求1所述的系统，其中通过将α与所述第一组像素的图像对比度的乘积及(1-α)与所述第二组像素的图像对比度的乘积相加而确定所述图像对比度量。
3.根据权利要求1所述的系统，其中所述第一组像素是所述梯度幅值图像中的像素的10％，且其中所述第二组像素是所述背景内容范围图像中的像素的20％。
4.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跨所述半导体晶片的多个位置处确定所述图像对比度量。
5.根据权利要求4所述的系统，其中滑动窗口用于在单个帧中的所述多个位置处产生所述图像对比度量。
6.根据权利要求4所述的系统，其中所述处理器进一步经配置以：
从所述多个位置处的所述图像对比度量确定热图；
将置信上限及置信下限应用到所述热图；
为目标列表选择高于所述置信上限的所述图像对比度量；及
任选地选择介于所述置信上限与所述置信下限之间的所述图像对比度量中的一或多者来填充所述目标列表上的任何剩余槽。
7.一种方法，其包括：
使用处理器从来自光学检验系统的数据产生半导体晶片的光学图像，其中所述光学检验系统包含光源及检测器；
使用所述处理器从所述光学图像确定梯度幅值图像；
使用所述处理器从所述光学图像确定背景内容范围图像；
使用所述处理器从所述梯度幅值图像选择第一组像素且从所述背景内容范围图像选择第二组像素，其中所述第一组像素及所述第二组像素少于100％；及
使用所述处理器，使用所述第一组像素及所述第二组像素及为∈[0,1.0]的值α确定图像对比度量。
8.根据权利要求7所述的方法，其中通过将α与所述第一组像素的图像对比度的乘积及(1-α)与所述第二组像素的图像对比度的乘积相加而确定所述图像对比度量。
9.根据权利要求7所述的方法，其中所述第一组像素是所述梯度幅值图像中的像素的10％，且其中所述第二组像素是所述背景内容范围图像中的像素的20％。
10.根据权利要求7所述的方法，其中确定所述图像对比度量发生在跨所述半导体晶片的多个位置处。
11.根据权利要求10所述的方法，其中滑动窗口用于在单个帧中的所述多个位置处产生所述图像对比度量。
12.根据权利要求10所述的方法，其中所述方法进一步包含：
使用所述处理器从所述多个位置处的所述图像对比度量确定热图；
使用所述处理器将置信上限及置信下限应用到所述热图；
使用所述处理器为目标列表选择高于所述置信上限的所述图像对比度量；及
使用所述处理器任选地选择介于所述置信上限与所述置信下限之间的所述图像对比度量中的一或多者来填充所述目标列表上的任何剩余槽。
13.一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：
从半导体晶片的光学图像确定梯度幅值图像；
从所述光学图像确定背景内容范围图像；
从所述梯度幅值图像选择第一组像素且从所述背景内容范围图像选择第二组像素，其中所述第一组像素及所述第二组像素少于100％；及
使用所述第一组像素及所述第二组像素及为∈[0,1.0]的值α确定图像对比度量。
14.根据权利要求13所述的非暂时性计算机可读存储媒体，其中通过将α与所述第一组像素的图像对比度的乘积及(1-α)与图像对比度所述第二组像素的乘积相加而确定所述图像对比度量。
15.根据权利要求13所述的非暂时性计算机可读存储媒体，其中所述第一组像素是所述梯度幅值图像中的像素的10％，且其中所述第二组像素是所述背景内容范围图像中的像素的20％。
16.根据权利要求13所述的非暂时性计算机可读存储媒体，其中确定所述图像对比度量发生在跨所述半导体晶片的多个位置处。
17.根据权利要求16所述的非暂时性计算机可读存储媒体，其中滑动窗口用于在单个帧中的所述多个位置处产生所述图像对比度量。
18.根据权利要求16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：
从所述多个位置处的所述图像对比度量确定热图；
将置信上限及置信下限应用到所述热图；
为目标列表选择高于所述置信上限的所述图像对比度量；及
任选地选择介于所述置信上限与所述置信下限之间的所述图像对比度量中的一或多者来填充所述目标列表上的任何剩余槽。
CN202180045542.9A 2020-08-12 2021-07-28 用于光学目标搜索的光学图像对比度量 Pending CN115777060A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202063064531P 2020-08-12 2020-08-12
US63/064,531 2020-08-12
US17/355,126 2021-06-22
US17/355,126 US11803960B2 (en) 2020-08-12 2021-06-22 Optical image contrast metric for optical target search
PCT/US2021/043366 WO2022035590A1 (en) 2020-08-12 2021-07-28 Optical image contrast metric for optical target search

Publications (1)

Publication Number Publication Date
CN115777060A true CN115777060A (zh) 2023-03-10

Family

ID=80224258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180045542.9A Pending CN115777060A (zh) 2020-08-12 2021-07-28 用于光学目标搜索的光学图像对比度量

Country Status (6)

Country Link
US (1) US11803960B2 (zh)
KR (1) KR20230048253A (zh)
CN (1) CN115777060A (zh)
IL (1) IL299067A (zh)
TW (1) TW202206805A (zh)
WO (1) WO2022035590A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11508590B2 (en) * 2021-04-15 2022-11-22 Jnk Tech Substrate inspection system and method of use thereof
US11987884B2 (en) * 2021-04-15 2024-05-21 Jnk Tech Glass and wafer inspection system and a method of use thereof

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060018514A1 (en) * 2002-11-27 2006-01-26 Bankhead Andrew D Surface profiling apparatus
US20080279444A1 (en) * 2007-05-07 2008-11-13 Verlyn Fischer Computer-implemented methods, computer-readable media, and systems for identifying one or more optical modes of an inspection system as candidates for use in inspection of a layer of a wafer
US20090037134A1 (en) * 2007-07-30 2009-02-05 Ashok Kulkarni Semiconductor device property extraction, generation, visualization, and monitoring methods
US20120281909A1 (en) * 2010-01-06 2012-11-08 Nec Corporation Learning device, identification device, learning identification system and learning identification device
US20150146200A1 (en) * 2012-04-27 2015-05-28 Hitachi High-Technologies Corporation Defect inspection device and defect inspection method
US20150324965A1 (en) * 2014-05-12 2015-11-12 Kla-Tencor Corporation Using High Resolution Full Die Image Data for Inspection
EP3174009A1 (en) * 2015-11-26 2017-05-31 Thomson Licensing Method and apparatus for determining a contrast value for an image
US20170191945A1 (en) * 2016-01-01 2017-07-06 Kla-Tencor Corporation Systems and Methods for Defect Detection Using Image Reconstruction
CN107454980A (zh) * 2015-04-03 2017-12-08 科磊股份有限公司 光学裸片到数据库检验
CN108352063A (zh) * 2015-11-18 2018-07-31 科磊股份有限公司 用于区域自适应缺陷检测的系统及方法
CN108885185A (zh) * 2016-04-22 2018-11-23 科磊股份有限公司 用于校正从目标裸片及参考裸片的比较所产生的差异图像的系统、方法及计算机程序产品
CN110603626A (zh) * 2017-05-23 2019-12-20 科磊股份有限公司 使用差异图像的晶片检验
CN111033710A (zh) * 2017-08-24 2020-04-17 科磊股份有限公司 在透明或半透明晶片上的缺陷检测
US20200132610A1 (en) * 2018-10-26 2020-04-30 Kla-Tencor Corporation Algorithm selector based on image frames
CN111164646A (zh) * 2017-10-20 2020-05-15 科磊股份有限公司 用于大型偏移裸片对裸片检验的多步骤图像对准方法
CN111316413A (zh) * 2017-11-07 2020-06-19 科磊股份有限公司 用于对准半导体装置参考图像及测试图像的系统及方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2296143A1 (fr) 2000-01-18 2001-07-18 9071 9410 Quebec Inc. Systeme d'inspection optique
US7158663B2 (en) 2003-04-22 2007-01-02 Siemens Corporate Research, Inc. Method for measuring confidence of ball grid array model in surface mounted devices
GB0415766D0 (en) * 2004-07-14 2004-08-18 Taylor Hobson Ltd Apparatus for and a method of determining a characteristic of a layer or layers

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060018514A1 (en) * 2002-11-27 2006-01-26 Bankhead Andrew D Surface profiling apparatus
US20080279444A1 (en) * 2007-05-07 2008-11-13 Verlyn Fischer Computer-implemented methods, computer-readable media, and systems for identifying one or more optical modes of an inspection system as candidates for use in inspection of a layer of a wafer
US20090037134A1 (en) * 2007-07-30 2009-02-05 Ashok Kulkarni Semiconductor device property extraction, generation, visualization, and monitoring methods
US20120281909A1 (en) * 2010-01-06 2012-11-08 Nec Corporation Learning device, identification device, learning identification system and learning identification device
US20150146200A1 (en) * 2012-04-27 2015-05-28 Hitachi High-Technologies Corporation Defect inspection device and defect inspection method
US20150324965A1 (en) * 2014-05-12 2015-11-12 Kla-Tencor Corporation Using High Resolution Full Die Image Data for Inspection
CN107454980A (zh) * 2015-04-03 2017-12-08 科磊股份有限公司 光学裸片到数据库检验
CN108352063A (zh) * 2015-11-18 2018-07-31 科磊股份有限公司 用于区域自适应缺陷检测的系统及方法
EP3174009A1 (en) * 2015-11-26 2017-05-31 Thomson Licensing Method and apparatus for determining a contrast value for an image
US20170191945A1 (en) * 2016-01-01 2017-07-06 Kla-Tencor Corporation Systems and Methods for Defect Detection Using Image Reconstruction
CN108885185A (zh) * 2016-04-22 2018-11-23 科磊股份有限公司 用于校正从目标裸片及参考裸片的比较所产生的差异图像的系统、方法及计算机程序产品
CN110603626A (zh) * 2017-05-23 2019-12-20 科磊股份有限公司 使用差异图像的晶片检验
CN111033710A (zh) * 2017-08-24 2020-04-17 科磊股份有限公司 在透明或半透明晶片上的缺陷检测
CN111164646A (zh) * 2017-10-20 2020-05-15 科磊股份有限公司 用于大型偏移裸片对裸片检验的多步骤图像对准方法
CN111316413A (zh) * 2017-11-07 2020-06-19 科磊股份有限公司 用于对准半导体装置参考图像及测试图像的系统及方法
US20200132610A1 (en) * 2018-10-26 2020-04-30 Kla-Tencor Corporation Algorithm selector based on image frames

Also Published As

Publication number Publication date
WO2022035590A1 (en) 2022-02-17
IL299067A (en) 2023-02-01
KR20230048253A (ko) 2023-04-11
US20220051380A1 (en) 2022-02-17
TW202206805A (zh) 2022-02-16
US11803960B2 (en) 2023-10-31

Similar Documents

Publication Publication Date Title
US10697900B2 (en) Correlating SEM and optical images for wafer noise nuisance identification
CN111819596B (zh) 组合模拟及光学显微术以确定检验模式的方法和系统
US10698325B2 (en) Performance monitoring of design-based alignment
CN112074937B (zh) 用于重复缺陷检测的方法、计算机可读媒体及系统
US11803960B2 (en) Optical image contrast metric for optical target search
TWI829980B (zh) 半導體晶圓檢測之方法及系統，以及非暫時性電腦可讀媒體
CN114223017A (zh) 用于dram及3d nand装置的设计辅助检验
KR20230061424A (ko) 3차원 웨이퍼 구조체들에 대한 비닝 향상된 결함 검출 방법
CN114424245A (zh) 一维唯一结构的图案到设计的对准
KR20220041126A (ko) 광학 검사를 이용한 프로세스 모니터링 방법
US20230122514A1 (en) Laser Anneal Pattern Suppression
TWI844777B (zh) 針對具有樣品內及樣品間變異之樣品使用無監督學習及適應性資料庫產生方法之影像對準設定
JP2005061853A (ja) 表面検査装置
CN117015850B (zh) 以经呈现设计图像进行的设计注意区域的分段
US20230075297A1 (en) Wafer alignment improvement through image projection-based patch-to-design alignment
US20220405903A1 (en) Image contrast metrics for deriving and improving imaging conditions
KR20240088635A (ko) 레이저 어닐링 패턴 억제

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