CN115829951A - 基于设计版图的扫描电子显微镜图像缺陷分类方法、装置 - Google Patents

基于设计版图的扫描电子显微镜图像缺陷分类方法、装置 Download PDF

Info

Publication number
CN115829951A
CN115829951A CN202211453317.1A CN202211453317A CN115829951A CN 115829951 A CN115829951 A CN 115829951A CN 202211453317 A CN202211453317 A CN 202211453317A CN 115829951 A CN115829951 A CN 115829951A
Authority
CN
China
Prior art keywords
defect
defects
electron microscope
scanning electron
image
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
CN202211453317.1A
Other languages
English (en)
Inventor
请求不公布姓名
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.)
Dongfang Jingyuan Electron Ltd
Original Assignee
Dongfang Jingyuan Electron Ltd
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 Dongfang Jingyuan Electron Ltd filed Critical Dongfang Jingyuan Electron Ltd
Priority to CN202211453317.1A priority Critical patent/CN115829951A/zh
Publication of CN115829951A publication Critical patent/CN115829951A/zh
Priority to PCT/CN2023/083739 priority patent/WO2024108833A1/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
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本申请提供了一种基于设计版图的扫描电子显微镜图像缺陷分类方法、装置、电子设备及计算机可读存储介质，该方法包括：获取扫描电子显微镜图像；基于扫描电子显微镜图像利用缺陷识别方法获取扫描电子显微镜图像的缺陷信息；其中，缺陷信息包括：缺陷位置信息、缺陷周边图形分组信息以及缺陷位置版图上下层连接关系信息中的至少一种；基于缺陷信息对缺陷进行分类。本申请能够有效地提高缺陷分类的准确率。

Description

基于设计版图的扫描电子显微镜图像缺陷分类方法、装置
技术领域
本申请涉及缺陷分类技术领域，尤其是一种基于设计版图的扫描电子显微镜图像缺陷分类方法、装置、电子设备及计算机可读存储介质。
背景技术
目前芯片生产过程中，随着芯片生产技术节点不断推进，生产过程中产生的缺陷越来越小，电子束缺陷检测设备的应用越来越普遍。
现有技术中，一般基于获取到的图像信息对扫描电子显微镜(Scanning ElectronMicroscope，SEM)图像中的缺陷进行分类。具体地，首先由电子束缺陷检测设备采集硅片的SEM图像；然后由图像比较方法判断是否有缺陷；最后基于SEM图像信息(比如：缺陷尺寸信息，缺陷材料与硅片图形材料是否一致的信息，缺陷位于硅片图形下层或者上层的信息)进行缺陷分类。
从图像比较和分析中，根据已有的生产和工艺信息，能获得硅片上缺陷材料、来源、尺寸等信息，并利用这些信息对缺陷进行分类。其中，结合图1-图5所示，现有技术对SEM图像中的缺陷分类主要有图形桥型缺陷、图形断线型缺陷、图形剥落型缺陷、表面外来材料型缺陷以及嵌入型缺陷等大类。
但是，现有技术中仅根据获得硅片上缺陷材料、来源、尺寸信息对缺陷进行分类的方式，无法结合硅片设计版图对缺陷更有效地分类，从而导致缺陷分类的准确率低。
因此，如何有效地提高缺陷分类的准确率是本领域技术人员亟需解决的技术问题。
发明内容
本申请的目的是提供了一种基于设计版图的扫描电子显微镜图像缺陷分类方法、装置、电子设备及计算机可读存储介质，能够有效地提高缺陷分类的准确率。
根据本申请的第一方面，提供了一种基于设计版图的扫描电子显微镜图像缺陷分类方法，该方法包括：获取扫描电子显微镜图像；
基于扫描电子显微镜图像利用缺陷识别方法获取扫描电子显微镜图像的缺陷信息；其中，缺陷信息包括：缺陷位置信息、缺陷周边图形分组信息以及缺陷位置版图上下层连接关系信息中的至少一种；
基于缺陷信息对缺陷进行分类。
可选的，基于扫描电子显微镜图像利用缺陷识别方法获取扫描电子显微镜图像的缺陷信息，包括：
基于扫描电子显微镜图像利用缺陷检测算法获取扫描电子显微镜图像的缺陷位置信息。
可选的，基于扫描电子显微镜图像利用缺陷识别方法获取扫描电子显微镜图像的缺陷信息，包括：
基于扫描电子显微镜图像利用图像分组算法获取扫描电子显微镜图像的缺陷周边图形分组信息。
可选的，基于扫描电子显微镜图像利用图像分组算法获取电子显微镜图像的缺陷周边图形分组信息，包括：
基于扫描电子显微镜图像根据缺陷的第一预设范围利用图像分组算法获取第一个缺陷周边图形分组信息；其中，第一预设范围用于表征缺陷的比较半径；
基于第一个缺陷周边图形分组信息根据第二预设范围利用图像分组算法获取第二个缺陷周边图形分组信息；其中，第二预设范围大于第一预设范围。
可选的，图像分组算法包括以下四项中至少一项：
贪婪分组策略、孤儿分组策略、Rich分组策略、weak-rich分组策略。
可选的，基于扫描电子显微镜图像利用缺陷识别方法获取扫描电子显微镜图像的缺陷信息，包括：
基于扫描电子显微镜图像利用版图位置的上下层连接关系识别算法获取扫描电子显微镜图像的缺陷位置版图上下层连接关系信息。
可选的，基于缺陷信息对缺陷进行分类，包括：
基于缺陷位置信息对缺陷进行分类，生成第一分类结果；其中，第一分类结果用于表征处于图形线条中位置相同的缺陷分为一类，处于图形线条中位置不相同的缺陷分为不同类。
可选的，第一分类结果包括以下六项中至少一项：
图形线条型缺陷、空白型缺陷、端部型缺陷、拐角型缺陷、连接孔型缺陷以及门形区域缺陷。
可选的，图形线条型缺陷为缺陷位于图形线条上。
可选的，空白型缺陷为缺陷位于两个图形线条之间空白的位置。
可选的，端部型缺陷为缺陷位于图形线条端部。
可选的，拐角型缺陷为缺陷位于图形线条的拐角的位置。
可选的，连接孔型缺陷为缺陷位于连接孔内的位置。
可选的，门形区域缺陷为缺陷位于图形线条的门型区域的位置。
可选的，基于缺陷信息对缺陷进行分类，包括：
基于缺陷周边图形分组信息对缺陷进行分类，生成第二分类结果；其中，第二分类结果用于表征周边图形相同的缺陷分为一类，周边图形不同的缺陷分为不同类。
可选的，基于缺陷信息对缺陷进行分类，包括：
基于版图位置的上下层连接关系对缺陷进行分类，生成第三分类结果；其中，第三分类结果用于表征版图位置的上下层连接关系中连接孔个数相同的图形分为一类，连接孔个数不同的图形分为不同类。
可选的，方法还包括：
在第二分类结果中存在周边图形相同的缺陷之后，基于扫描电子显微镜图像利用版图位置的上下层连接关系识别算法获取扫描电子显微镜图像的缺陷位置版图上下层连接关系信息。
根据本申请的第二方面，提供了一种基于设计版图的扫描电子显微镜图像缺陷分类装置，该装置包括：第一获取模块，用于获取扫描电子显微镜图像；
识别模块，用于基于扫描电子显微镜图像利用缺陷识别方法获取扫描电子显微镜图像的缺陷信息；其中，缺陷信息包括：缺陷位置信息、缺陷周边图形分组信息以及缺陷位置版图上下层连接关系信息中的至少一种；
分类模块，用于基于缺陷信息对缺陷进行分类。
可选的，识别模块，用于基于扫描电子显微镜图像利用缺陷检测算法获取扫描电子显微镜图像的缺陷位置信息。
可选的，识别模块，用于基于扫描电子显微镜图像利用图像分组算法获取扫描电子显微镜图像的缺陷周边图形分组信息。
可选的，识别模块，用于基于扫描电子显微镜图像根据缺陷的第一预设范围利用图像分组算法获取第一个缺陷周边图形分组信息；其中，第一预设范围用于表征缺陷的比较半径；基于第一个缺陷周边图形分组信息根据第二预设范围利用图像分组算法获取第二个缺陷周边图形分组信息；其中，第二预设范围大于第一预设范围。
可选的，图像分组算法包括以下四项中至少一项：
贪婪分组策略、孤儿分组策略、Rich分组策略、weak-rich分组策略。
可选的，识别模块，用于基于扫描电子显微镜图像利用版图位置的上下层连接关系识别算法获取扫描电子显微镜图像的缺陷位置版图上下层连接关系信息。
可选的，分类模块，用于基于缺陷位置信息对缺陷进行分类，生成第一分类结果；其中，第一分类结果用于表征处于图形线条中位置相同的缺陷分为一类，处于图形线条中位置不相同的缺陷分为不同类。
可选的，第一分类结果包括以下六项中至少一项：
图形线条型缺陷、空白型缺陷、端部型缺陷、拐角型缺陷、连接孔型缺陷以及门形区域缺陷。
可选的，图形线条型缺陷为缺陷位于图形线条上。
可选的，空白型缺陷为缺陷位于两个图形线条之间空白的位置。
可选的，端部型缺陷为缺陷位于图形线条端部。
可选的，拐角型缺陷为缺陷位于图形线条的拐角的位置。
可选的，连接孔型缺陷为缺陷位于连接孔内的位置。
可选的，门形区域缺陷为缺陷位于图形线条的门型区域的位置。
可选的，分类模块，用于基于缺陷周边图形分组信息对缺陷进行分类，生成第二分类结果；其中，第二分类结果用于表征周边图形相同的缺陷分为一类，周边图形不同的缺陷分为不同类。
可选的，分类模块，用于基于版图位置的上下层连接关系对缺陷进行分类，生成第三分类结果；其中，第三分类结果用于表征版图位置的上下层连接关系中连接孔个数相同的图形分为一类，连接孔个数不同的图形分为不同类。
可选的，装置还包括：第二获取模块，用于在第二分类结果中存在周边图形相同的缺陷之后，基于扫描电子显微镜图像利用版图位置的上下层连接关系识别算法获取扫描电子显微镜图像的缺陷位置版图上下层连接关系信息。
根据本申请的第三方面，提供了一种电子设备，该电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面所示的基于设计版图的扫描电子显微镜图像缺陷分类方法的步骤。
根据本申请的第四方面，提供了一种可读存储介质，该可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如第一方面所示的基于设计版图的扫描电子显微镜图像缺陷分类方法的步骤。
本申请在获取到扫描电子显微镜图像之后，利用缺陷识别方法获取扫描电子显微镜图像的缺陷信息，其中，缺陷信息包括：缺陷位置信息、缺陷周边图形分组信息以及缺陷位置版图上下层连接关系信息中至少一种，也就是说，基于设计版图根据缺陷信息中的缺陷位置信息、缺陷周边图形分组信息以及缺陷位置版图上下层连接关系信息中的任意一项或多项对缺陷进行更有效地分类，从而提高缺陷分类的准确率。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1-图5为现有技术提供的对扫描电子显微镜图像中缺陷的分类的示意图；
图6为本申请实施例提供的基于设计版图的扫描电子显微镜图像缺陷分类方法的流程图；
图7为本申请实施例提供的基于设计版图的扫描电子显微镜图像缺陷分类方法的示意图；
图8-图13为本申请实施例提供的基于设计版图的扫描电子显微镜图像缺陷分类方法的示意图；
图14为本申请实施例提供的基于设计版图的扫描电子显微镜图像缺陷分类方法的示意图；以及
图15为本申请实施例提供的基于设计版图的扫描电子显微镜图像缺陷分类装置的示意图。
具体实施方式
为了使本申请的上述以及其他特征和优点更加清楚，下面结合附图进一步描述本申请。应当理解，本文给出的具体实施例是出于向本领域技术人员解释的目的，仅是示例性的，而非限制性的。
在以下描述中，阐述了许多具体细节以提供对本申请的透彻理解。然而，对于本领域普通技术人员来说将明显的是，不需要采用具体细节来实践本申请。在其他情况下，未详细描述众所周知的步骤或服务，以避免模糊本申请。
基于背景技术部分的内容可知，现有技术中，仅根据获得硅片上缺陷材料、来源、尺寸信息对缺陷进行分类的方式，无法结合硅片设计版图对缺陷更有效地分类，从而导致缺陷分类的准确率低。
为了解决上述技术问题，本申请提供一种基于设计版图的扫描电子显微镜图像缺陷分类方法、装置、电子设备及计算机可读存储介质。下面结合附图，通过具体的实施例及其应用场景先对本申请提供的基于设计版图的扫描电子显微镜图像缺陷分类方法进行详细地说明。
如图6所示，本申请提供了基于设计版图的扫描电子显微镜图像缺陷分类方法，该方法可以包括：
步骤S11：获取扫描电子显微镜图像。
步骤S13：基于扫描电子显微镜图像利用缺陷识别方法获取扫描电子显微镜图像的缺陷信息；其中，缺陷信息包括：缺陷位置信息、缺陷周边图形分组信息以及缺陷位置版图上下层连接关系信息中的至少一种。
本申请实施例中，可以由电子束缺陷检测设备获得硅片的扫描电子显微镜图像，在获得扫描电子显微镜图像之后，根据缺陷识别方法能够得到扫描电子显微镜图像的缺陷信息。其中，缺陷信息包括：缺陷位置信息、缺陷周边图形分组信息以及缺陷位置版图上下层连接关系信息中的至少一种，也就是说，本申请依据上述缺陷信息对缺陷进行更准确地分类。
在一个可选的实施例中，基于扫描电子显微镜图像利用缺陷检测算法获取扫描电子显微镜图像的缺陷位置信息可以采用如下方式：
基于扫描电子显微镜图像利用缺陷检测算法获取扫描电子显微镜图像的缺陷位置信息。
本实施例中，根据缺陷检测算法能够准确地识别扫描电子显微镜图像中的缺陷位置信息，也就是说，通过缺陷检测算法准确地识别缺陷在图形线条中的具体位置，然后根据缺陷在图形线条中的具体位置对缺陷分类。本实施例解决了现有技术中，频繁发生在某一类型图形中的设计缺陷或光罩缺陷，不能被有效识别，因此也无法获得设计上的改善的技术问题。
需要说明的是，缺陷检测算法的具体步骤可以为：获取待检测位置的第一扫描电子显微镜图像，以及除待检测位置之外的其他位置的第二扫描电子显微镜图像；基于第一扫描电子显微镜图像和第二扫描电子显微镜图像，分别与待检测位置的设计版图进行对准，得到对准结果；基于对准结果，分别将第一扫描电子显微镜图像和第二扫描电子显微镜图像，与待检测位置的设计版图进行比较，得到差异信息；根据差异信息和配方文件，判断第一扫描电子显微镜图像与设计版图之间的第一差异是否为缺陷。
在一个可选的实施例中，基于扫描电子显微镜图像利用缺陷识别方法获取扫描电子显微镜图像的缺陷信息，包括：
基于扫描电子显微镜图像利用图像分组算法获取扫描电子显微镜图像的缺陷周边图形分组信息。
在一个可选的实施例中，基于扫描电子显微镜图像利用图像分组算法获取扫描电子显微镜图像的缺陷周边图形分组信息，包括：
基于扫描电子显微镜图像根据缺陷的第一预设范围利用图像分组算法获取第一个缺陷周边图形分组信息；其中，第一预设范围用于表征缺陷的比较半径。
基于第一个缺陷周边图形分组信息根据第二预设范围利用图像分组算法获取第二个缺陷周边图形分组信息；其中，第二预设范围大于第一预设范围。
在本实施例中，在存在多个缺陷时，可以在第一预设范围内利用图像分组算法获取第一个缺陷周边图形分组信息，然后根据第一个缺陷周边图形分组信息在第二预设范围内进行第二次图像分组算法，以得到第二个缺陷周边图形分组信息。需要说明的是，第二预设范围大于第一预设范围，第一预设范围以及第二预设范围用于表征缺陷的比较半径。由于利用较小缺陷比较半径通过图像分组算法对缺陷进行分类，导致识别到缺陷的周边图形范围小，那么关于缺陷的周边图形的特征就少，得到的多个分类结果的范围较大；因此，需要再利用较大的比较半径通过图像分组算法对缺陷进行再次分类，从而得到更为精确的结果。本申请采用多层次分类，以更准确地获得缺陷的周边图形的分类结果，从而对缺陷进行更准确地分类。
在一个可选的实施例中，图像分组算法包括以下四项中至少一项：贪婪分组策略、孤儿分组策略、Rich分组策略、weak-rich分组策略。
在本实施例中，上述四项图像分组算法可以采用同一种图像分组算法对缺陷进行分类，也可以采用多种图像分组算法对缺陷进行分类。比如：在扫描电子显微镜图像上存在多个缺陷时，第一次可以在比较半径较小的范围内采用孤儿分组策略对缺陷进行分类，从而得到较为宽泛的缺陷分类结果；第二次在比较半径较大的范围内再次采用孤儿分组策略对缺陷进行分类，以得到较为精确的缺陷分类结果。再比如：在扫描电子显微镜图像上存在多个缺陷时，第一次可以在比较半径较小的范围内采用贪婪分组策略对缺陷进行分类，从而得到较为宽泛的缺陷分类结果，第二次可以在比较半径较大的范围内采用孤儿分组策略对缺陷进行分类，以得到较为精确的缺陷分类结果。
在一个可选的实施例中，基于扫描电子显微镜图像利用缺陷检测算法获取扫描电子显微镜图像的缺陷位置信息，包括：
基于扫描电子显微镜图像利用版图位置的上下层连接关系识别算法获取扫描电子显微镜图像的缺陷位置版图上下层连接关系信息。
图7为本申请实施例提供的基于设计版图的扫描电子显微镜图像缺陷分类方法的示意图。结合图7所示，在处于右侧的设计版图中，处于左侧的版图位置的上下层连接关系中包括带有缺陷的Via孔以及不带有缺陷的Via孔；处于右侧的版图位置的上下层连接关系中只包括带有缺陷的Via孔。如果处于右侧的设计版图中带有缺陷的Via孔坏掉，那么处于右侧的版图位置的上下层连接关系将无法连通，处于左侧的版图位置的上下层连接仍能够继续连通。因此，只带有缺陷的Via孔的版图位置的上下层连接关系对电学性能有更大冲击，那么其缺陷就为重点缺陷。本申请采用版图位置的上下层连接关系识别算法能够准确给出有关缺陷破坏性的评估，提高对重点缺陷的关注。
需要说明的是，上下层连接关系中的上层以及下层可以根据图像线条的走向来确定。
步骤S15：基于缺陷信息对缺陷进行分类。
在一个可选的实施例中，基于缺陷信息对缺陷进行分类可以采用如下方式：
基于缺陷位置信息对缺陷进行分类，生成第一分类结果；其中，第一分类结果用于表征处于图形线条中位置相同的缺陷分为一类，处于图形线条中位置不相同的缺陷分为不同类。
本实施例中，根据缺陷在图形线条中的位置对缺陷进行分类，生成第一分类结果。需要说明的是，第一分类结果用于表征处于图形线条中位置相同的缺陷分为一类，处于图形线条中位置不相同的缺陷分为不同类。比如：缺陷在图形线条中的位置相同(皆为图形线条型缺陷)，那么将图形线条中位置相同的缺陷分为一类；如果存在5个缺陷，而且5个缺陷在图形线条中位置均不同，那么将5个缺陷分为5个类。
结合图8-图13所示，在一个可选的实施例中，第一分类结果包括以下六项中至少一项：
图形线条型缺陷、空白型缺陷、端部型缺陷、拐角型缺陷、连接孔型缺陷以及门形区域缺陷。
结合图8所示，在一个可选的实施例中，图形线条型缺陷为缺陷位于图形线条上。
结合图9所示，在一个可选的实施例中，空白型缺陷为缺陷位于两个图形线条之间空白的位置。
结合图10所示，在一个可选的实施例中，端部型缺陷为缺陷位于图形线条端部。
结合图11所示，在一个可选的实施例中，拐角型缺陷为缺陷位于图形线条的拐角的位置。
结合图12所示，在一个可选的实施例中，连接孔型缺陷为缺陷位于连接孔内的位置。
结合图13所示，在一个可选的实施例中，门形区域缺陷为缺陷位于图形线条的门型区域的位置。
在一个可选的实施例中，基于缺陷信息对缺陷进行分类，包括：
基于缺陷周边图形分组信息对缺陷进行分类，生成第二分类结果；其中，第二分类结果用于表征周边图形相同的缺陷分为一类，周边图形不同的缺陷分为不同类。
在本实施例中，根据缺陷周边图形分组信息对缺陷进行分类，生成第二分类结果。结合图14所示，缺陷可以包括A、B、C、D、E五个缺陷，通过第一次图像分组算法(也即图14中的图形分组方法1)识别缺陷的周边图形，并将周边图形相同的缺陷分为一类，周边图形不相同的缺陷分为不同类，即A、C、E为周边图形相同的缺陷，将A、C、E分为一类(也即图14中分组G—1#1)；B、D为周边图形相同缺陷，将B、D分为一类(也即图14中分组G—1#2)，并且(A、C、E)和(B、D)为周边图形不同缺陷，也就是分为两类。然后通过第二次图像分组算法(也即图14中的图形分组方法2)将(A、C、E)和(B、D)再次分组。其中，将A、E分为一类(也即图14中分组G—2#1)；C分为一类(也即图14中分组G—2#2)；B、D分为一类(也即图14中分组G—3#1)，并且(A、E)、C、(B、D)为周边图形不同的缺陷，将(A、E)、C、(B、D)分为三类。本申请连续应用不同的分类模式和分类设置，可进行多层次分类，获得更有效的对周边图形的分类结果。
在一个可选的实施例中，本申请可以图像分组算法不限于两次，可以为3次，可以为4次，具体次数在此不做限定，可由本领域技术人员根据实际情况进行相应设置。
在一个可选的实施例中，基于缺陷信息对缺陷进行分类，包括：基于版图位置的上下层连接关系对缺陷进行分类，生成第三分类结果；其中，第三分类结果用于表征版图位置的上下层连接关系中连接孔个数相同的图形分为一类，连接孔个数不同的图形分为不同类。
本实施例中，根据版图位置的上下层连接关系中连接孔的个数对缺陷进行分类。其中，版图位置的上下层连接关系中连接孔个数较少对电学性能有更大的冲击。本申请采用版图位置的上下层连接关系识别算法能够准确给出有关缺陷破坏性的评估，提高对重点缺陷的关注。
结合图7和图14所示，在一个可选的实施例中，方法还包括：在第二分类结果中存在周边图形相同的缺陷之后，基于扫描电子显微镜图像利用版图位置的上下层连接关系识别算法获取扫描电子显微镜图像的缺陷位置版图上下层连接关系信息。
在本实施例中，首先通过图像分组算法对缺陷进行分类，得到第二分类结果，如果第二分类结果中存在周边图形相同的缺陷时，再利用版图位置的上下层连接关系识别算法对周边图形相同的缺陷进行再次分类；由于当至少两个缺陷的周边图形相同时，该至少两个缺陷无法进行更准确地分类。故，本申请采用图像分组算法以及版图位置的上下层连接关系识别算法的结合对缺陷进行多次分类，从而对缺陷进行更准确地分类。
本申请与现有技术相比，由于现有技术一般基于图像信息对扫描电子显微镜图像中的缺陷进行分类，但是无法结合硅片设计版图对缺陷更有效地分类。而且现有技术频繁发生在某一类型图形中的设计缺陷或光罩缺陷，不能被有效识别，因此也无法获得设计上的改善。同时，由于现有技术缺乏上下层间的连接信息，也无法判断缺陷对电学性能的影响，无法给出有关缺陷破坏性的评估，从而忽略对重点缺陷的关注。
因此，采用本申请基于设计版图的扫描电子显微镜图像缺陷分类方法能够获取硅片上的缺陷材料、来源、尺寸信息之外，额外获得缺陷所在设计版图图形的类型信息，缺陷所在位置附近的图形分类信息和缺陷对电学性能影响程度的信息。基于设计版图所获得的信息使得系统性重复出现的缺陷容易被发现，也容易被关注，修正和改善。而且，缺陷对电学性能影响程度的信息使得对芯片电学性能影响大的缺陷能被给予特别重视，加速改善芯片设计，提高芯片良率提升的速度。
图15示出了本申请实施例提供的基于设计版图的扫描电子显微镜图像缺陷分类装置。如图15所示，该装置包括：
第一获取模块151，用于获取扫描电子显微镜图像；
识别模块152，用于基于扫描电子显微镜图像利用缺陷识别方法获取扫描电子显微镜图像的缺陷信息；其中，缺陷信息包括：缺陷位置信息、缺陷周边图形分组信息以及缺陷位置版图上下层连接关系信息中的至少一种；
分类模块153，用于基于缺陷信息对缺陷进行分类。
可选的，识别模块152，用于基于扫描电子显微镜图像利用缺陷检测算法获取扫描电子显微镜图像的缺陷位置信息。
可选的，识别模块152，用于基于扫描电子显微镜图像利用图像分组算法获取扫描电子显微镜图像的缺陷周边图形分组信息。
可选的，识别模块152，用于基于扫描电子显微镜图像根据缺陷的第一预设范围利用图像分组算法获取第一个缺陷周边图形分组信息；其中，第一预设范围用于表征缺陷的比较半径；基于第一个缺陷周边图形分组信息根据第二预设范围利用图像分组算法获取第二个缺陷周边图形分组信息；其中，第二预设范围大于第一预设范围。
可选的，图像分组算法包括以下四项中至少一项：
贪婪分组策略、孤儿分组策略、Rich分组策略、weak-rich分组策略。
可选的，识别模块152，用于基于扫描电子显微镜图像利用版图位置的上下层连接关系识别算法获取扫描电子显微镜图像的缺陷位置版图上下层连接关系信息。
可选的，分类模块153，用于基于缺陷位置信息对缺陷进行分类，生成第一分类结果；其中，第一分类结果用于表征处于图形线条中位置相同的缺陷分为一类，处于图形线条中位置不相同的缺陷分为不同类。
可选的，第一分类结果包括以下六项中至少一项：
图形线条型缺陷、空白型缺陷、端部型缺陷、拐角型缺陷、连接孔型缺陷以及门形区域缺陷。
可选的，图形线条型缺陷为缺陷位于图形线条上。
可选的，空白型缺陷为缺陷位于两个图形线条之间空白的位置。
可选的，端部型缺陷为缺陷位于图形线条端部。
可选的，拐角型缺陷为缺陷位于图形线条的拐角的位置。
可选的，连接孔型缺陷为缺陷位于连接孔内的位置。
可选的，门形区域缺陷为缺陷位于图形线条的门型区域的位置。
可选的，分类模块153，用于基于缺陷周边图形分组信息对缺陷进行分类，生成第二分类结果；其中，第二分类结果用于表征周边图形相同的缺陷分为一类，周边图形不同的缺陷分为不同类。
可选的，分类模块153，用于基于版图位置的上下层连接关系对缺陷进行分类，生成第三分类结果；其中，第三分类结果用于表征版图位置的上下层连接关系中连接孔个数相同的图形分为一类，连接孔个数不同的图形分为不同类。
可选的，装置还包括：第二获取模块，用于在第二分类结果中存在周边图形相同的缺陷之后，基于扫描电子显微镜图像利用版图位置的上下层连接关系识别算法获取扫描电子显微镜图像的缺陷位置版图上下层连接关系信息。
应理解，本申请的装置的各个模块可全部或部分地通过软件、硬件、固件或其组合来实现。各模块各自可以硬件或固件形式内嵌于电子设备的处理器中或独立于处理器，也可以软件形式存储于电子设备的存储器中以供处理器调用来执行各模块的服务。各模块各自可以实现为独立的部件或模块，或者两个或更多个模块可实现为单个部件或模块。
在一个实施例中，提供了一种电子设备，其包括存储器和处理器，存储器上存储有可由处理器执行的计算机指令，计算机指令在由处理器执行时指示处理器执行本申请的方法的各步骤。该电子设备可以广义地为服务器、终端，或任何其他具有必要的计算和/或处理能力的电子设备。在一个实施例中，该电子设备可包括通过系统总线连接的处理器、存储器、网络接口、通信接口等。该电子设备的处理器可用于提供必要的计算、处理和/或控制能力。该电子设备的存储器可包括非易失性存储介质和内存储器。该非易失性存储介质中或上可存储有服务系统、计算机程序等。该内存储器可为非易失性存储介质中的服务系统和计算机程序的运行提供环境。该电子设备的网络接口和通信接口可用于与外部的设备通过网络连接和通信。
本申请可以实现为一种计算机可读存储介质，其上存储有计算机程序，计算机程序在由处理器执行时导致本申请的方法的步骤被执行。在一个实施例中，计算机程序被分布在网络耦合的多个电子设备或处理器上，以使得计算机程序由一个或多个电子设备或处理器以分布式方式存储、访问和执行。单个方法步骤/服务，或者两个或更多个方法步骤/服务，可以由单个电子设备或处理器或由两个或更多个电子设备或处理器执行。一个或多个方法步骤/服务可以由一个或多个电子设备或处理器执行，并且一个或多个其他方法步骤/服务可以由一个或多个其他电子设备或处理器执行。一个或多个电子设备或处理器可以执行单个方法步骤/服务，或执行两个或更多个方法步骤/服务。
本领域普通技术人员可以理解，本申请方法的步骤可以通过计算机程序来指示相关的硬件如电子设备或处理器完成，的计算机程序可存储于非暂时性计算机可读存储介质中，该计算机程序被执行时导致本申请的方法的步骤被执行。根据情况，本文中对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。非易失性存储器的示例包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、闪存、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘等。易失性存储器的示例包括随机存取存储器(RAM)、外部高速缓冲存储器等。
以上描述的各技术特征可以任意地组合。尽管未对这些技术特征的所有可能组合进行描述，但这些技术特征的任何组合都应当被认为由本说明书涵盖，只要这样的组合不存在矛盾。
尽管结合实施例对本申请进行了描述，但本领域技术人员应理解，上文的描述和附图仅是示例性而非限制性的，本申请不限于所公开的实施例。在不偏离本申请的精神的情况下，各种改型和变体是可能的。

Claims (36)

1.一种基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述方法包括：
获取扫描电子显微镜图像；
基于所述扫描电子显微镜图像利用缺陷识别方法获取所述扫描电子显微镜图像的缺陷信息；其中，所述缺陷信息包括：缺陷位置信息、缺陷周边图形分组信息以及缺陷位置版图上下层连接关系信息中的至少一种；
基于所述缺陷信息对所述缺陷进行分类。
2.根据权利要求1所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述基于所述扫描电子显微镜图像利用缺陷识别方法获取所述扫描电子显微镜图像的缺陷信息，包括：
基于所述扫描电子显微镜图像利用缺陷检测算法获取所述扫描电子显微镜图像的所述缺陷位置信息。
3.根据权利要求1所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述基于所述扫描电子显微镜图像利用缺陷识别方法获取所述扫描电子显微镜图像的缺陷信息，包括：
基于所述扫描电子显微镜图像利用图像分组算法获取所述扫描电子显微镜图像的所述缺陷周边图形分组信息。
4.根据权利要求3所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述基于所述扫描电子显微镜图像利用图像分组算法获取所述电子显微镜图像的所述缺陷周边图形分组信息，包括：
基于所述扫描电子显微镜图像根据所述缺陷的第一预设范围利用所述图像分组算法获取第一个所述缺陷周边图形分组信息；其中，所述第一预设范围用于表征所述缺陷的比较半径；
基于第一个所述缺陷周边图形分组信息根据第二预设范围利用所述图像分组算法获取第二个所述缺陷周边图形分组信息；其中，所述第二预设范围大于所述第一预设范围。
5.根据权利要求3所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述图像分组算法包括以下四项中至少一项：
贪婪分组策略、孤儿分组策略、Rich分组策略、weak-rich分组策略。
6.根据权利要求1所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述基于所述扫描电子显微镜图像利用缺陷识别方法获取所述扫描电子显微镜图像的缺陷信息，包括：
基于所述扫描电子显微镜图像利用版图位置的上下层连接关系识别算法获取所述扫描电子显微镜图像的所述缺陷位置版图上下层连接关系信息。
7.根据权利要求2所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述基于所述缺陷信息对所述缺陷进行分类，包括：
基于所述缺陷位置信息对所述缺陷进行分类，生成第一分类结果；其中，所述第一分类结果用于表征处于图形线条中位置相同的缺陷分为一类，所述处于图形线条中位置不相同的缺陷分为不同类。
8.根据权利要求7所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述第一分类结果包括以下六项中至少一项：
图形线条型缺陷、空白型缺陷、端部型缺陷、拐角型缺陷、连接孔型缺陷以及门形区域缺陷。
9.根据权利要求8所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述图形线条型缺陷为所述缺陷位于图形线条上。
10.根据权利要求8所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述空白型缺陷为所述缺陷位于两个图形线条之间空白的位置。
11.根据权利要求8所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述端部型缺陷为所述缺陷位于图形线条的端部。
12.根据权利要求8所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述拐角型缺陷为所述缺陷位于图形线条的拐角的位置。
13.根据权利要求8所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述连接孔型缺陷为所述缺陷位于连接孔内的位置。
14.根据权利要求8所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述门形区域缺陷为所述缺陷位于所述图形线条的门型区域的位置。
15.根据权利要求3所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述基于所述缺陷信息对所述缺陷进行分类，包括：
基于所述缺陷周边图形分组信息对所述缺陷进行分类，生成第二分类结果；其中，所述第二分类结果用于表征周边图形相同的缺陷分为一类，所述周边图形不同的所述缺陷分为不同类。
16.根据权利要求6所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述基于所述缺陷信息对所述缺陷进行分类，包括：
基于所述版图位置的上下层连接关系对所述缺陷进行分类，生成第三分类结果；其中，所述第三分类结果用于表征版图位置的上下层连接关系中连接孔个数相同的图形分为一类，所述连接孔个数不同的图形分为不同类。
17.根据权利要求15所述的基于设计版图的扫描电子显微镜图像缺陷分类方法，其特征在于，所述方法还包括：
在所述第二分类结果中存在周边图形相同的缺陷之后，基于所述扫描电子显微镜图像利用版图位置的上下层连接关系识别算法获取所述扫描电子显微镜图像的所述缺陷位置版图上下层连接关系信息。
18.一种基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述装置包括：
第一获取模块，用于获取扫描电子显微镜图像；
识别模块，用于基于所述扫描电子显微镜图像利用缺陷识别方法获取所述扫描电子显微镜图像的缺陷信息；其中，所述缺陷信息包括：缺陷位置信息、缺陷周边图形分组信息以及缺陷位置版图上下层连接关系信息中的至少一种；
分类模块，用于基于所述缺陷信息对所述缺陷进行分类。
19.根据权利要求18所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述识别模块，用于基于所述扫描电子显微镜图像利用缺陷检测算法获取所述扫描电子显微镜图像的所述缺陷位置信息。
20.根据权利要求18所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述识别模块，用于基于所述扫描电子显微镜图像利用图像分组算法获取所述扫描电子显微镜图像的所述缺陷周边图形分组信息。
21.根据权利要求20所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述识别模块，用于基于所述扫描电子显微镜图像根据所述缺陷的第一预设范围利用所述图像分组算法获取第一个所述缺陷周边图形分组信息；其中，所述第一预设范围用于表征所述缺陷的比较半径；基于第一个所述缺陷周边图形分组信息根据第二预设范围利用所述图像分组算法获取第二个所述缺陷周边图形分组信息；其中，所述第二预设范围大于所述第一预设范围。
22.根据权利要求20所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述图像分组算法包括以下四项中至少一项：
贪婪分组策略、孤儿分组策略、Rich分组策略、weak-rich分组策略。
23.根据权利要求18所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述识别模块，用于基于所述扫描电子显微镜图像利用版图位置的上下层连接关系识别算法获取所述扫描电子显微镜图像的所述缺陷位置版图上下层连接关系信息。
24.根据权利要求19所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述分类模块，用于基于所述缺陷位置信息对所述缺陷进行分类，生成第一分类结果；其中，所述第一分类结果用于表征处于图形线条中位置相同的缺陷分为一类，所述处于图形线条中位置不相同的缺陷分为不同类。
25.根据权利要求24所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述第一分类结果包括以下六项中至少一项：
图形线条型缺陷、空白型缺陷、端部型缺陷、拐角型缺陷、连接孔型缺陷以及门形区域缺陷。
26.根据权利要求25所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述图形线条型缺陷为所述缺陷位于图形线条上。
27.根据权利要求25所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述空白型缺陷为所述缺陷位于两个图形线条之间空白的位置。
28.根据权利要求25所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述端部型缺陷为所述缺陷位于图形线条端部。
29.根据权利要求25所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述拐角型缺陷为所述缺陷位于图形线条的拐角的位置。
30.根据权利要求25所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述连接孔型缺陷为所述缺陷位于连接孔内的位置。
31.根据权利要求25所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述门形区域缺陷为所述缺陷位于所述图形线条的门型区域的位置。
32.根据权利要求20所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述分类模块，用于基于所述缺陷周边图形分组信息对所述缺陷进行分类，生成第二分类结果；其中，所述第二分类结果用于表征周边图形相同的缺陷分为一类，所述周边图形不同的缺陷分为不同类。
33.根据权利要求23所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述分类模块，用于基于所述版图位置的上下层连接关系对所述缺陷进行分类，生成第三分类结果；其中，所述第三分类结果用于表征版图位置的上下层连接关系中连接孔个数相同的图形分为一类，所述连接孔个数不同的图形分为不同类。
34.根据权利要求32所述的基于设计版图的扫描电子显微镜图像缺陷分类装置，其特征在于，所述装置还包括：
第二获取模块，用于在所述第二分类结果中存在所述周边图形相同的缺陷之后，基于所述扫描电子显微镜图像利用版图位置的上下层连接关系识别算法获取所述扫描电子显微镜图像的所述缺陷位置版图上下层连接关系信息。
35.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-17任意一项所述的基于设计版图的扫描电子显微镜图像缺陷分类方法。
36.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-17任意一项所述的基于设计版图的扫描电子显微镜图像缺陷分类方法。
CN202211453317.1A 2022-11-21 2022-11-21 基于设计版图的扫描电子显微镜图像缺陷分类方法、装置 Pending CN115829951A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211453317.1A CN115829951A (zh) 2022-11-21 2022-11-21 基于设计版图的扫描电子显微镜图像缺陷分类方法、装置
PCT/CN2023/083739 WO2024108833A1 (zh) 2022-11-21 2023-03-24 基于设计版图的扫描电子显微镜图像缺陷分类方法、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211453317.1A CN115829951A (zh) 2022-11-21 2022-11-21 基于设计版图的扫描电子显微镜图像缺陷分类方法、装置

Publications (1)

Publication Number Publication Date
CN115829951A true CN115829951A (zh) 2023-03-21

Family

ID=85529507

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211453317.1A Pending CN115829951A (zh) 2022-11-21 2022-11-21 基于设计版图的扫描电子显微镜图像缺陷分类方法、装置

Country Status (2)

Country Link
CN (1) CN115829951A (zh)
WO (1) WO2024108833A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024108833A1 (zh) * 2022-11-21 2024-05-30 东方晶源微电子科技（北京）有限公司 基于设计版图的扫描电子显微镜图像缺陷分类方法、装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190347529A1 (en) * 2018-05-08 2019-11-14 Tsinghua University Packet classification method and device
CN110599484B (zh) * 2019-09-19 2023-01-10 京东方科技集团股份有限公司 缺陷检测方法、装置及存储介质
CN111007086A (zh) * 2019-11-25 2020-04-14 合肥维信诺科技有限公司 缺陷检测方法和装置、存储介质
CN115170512A (zh) * 2022-07-06 2022-10-11 苏州镁伽科技有限公司 缺陷分类识别方法及装置、存储介质及电子设备
CN115829951A (zh) * 2022-11-21 2023-03-21 东方晶源微电子科技（北京）有限公司 基于设计版图的扫描电子显微镜图像缺陷分类方法、装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024108833A1 (zh) * 2022-11-21 2024-05-30 东方晶源微电子科技（北京）有限公司 基于设计版图的扫描电子显微镜图像缺陷分类方法、装置

Also Published As

Publication number Publication date
WO2024108833A1 (zh) 2024-05-30

Similar Documents

Publication Publication Date Title
US11694009B2 (en) Pattern centric process control
CN108463875B (zh) 使用具有晶片图像数据的设计数据改进半导体晶片检验器的缺陷敏感度
US7873203B2 (en) Method of design analysis of existing integrated circuits
US8577124B2 (en) Method and apparatus of pattern inspection and semiconductor inspection system using the same
US20230386013A1 (en) Method and system for scanning wafer
JP6420529B2 (ja) パッチ・ツー・パッチ比較を含む欠陥検出のための装置及び方法
US10719655B2 (en) Method and system for quickly diagnosing, classifying, and sampling in-line defects based on CAA pre-diagnosis database
TWI734720B (zh) 檢查晶圓之系統及方法
US11119060B2 (en) Defect location accuracy using shape based grouping guided defect centering
WO2022147966A1 (zh) 晶圆检测方法、装置、设备及存储介质
TW201445347A (zh) 智慧型弱點圖形診斷方法、系統與電腦可讀取記憶媒體
CN115829951A (zh) 基于设计版图的扫描电子显微镜图像缺陷分类方法、装置
WO2021199018A1 (en) Examination of a semiconductor specimen
WO2018159241A1 (ja) データ生成方法、データ生成装置及びデータ生成プログラム
CN111340788B (zh) 硬件木马版图检测方法、装置、电子设备和可读存储介质
US10571406B2 (en) Method of performing metrology operations and system thereof
WO2022193521A1 (zh) 缺陷表征方法和装置
TW201913421A (zh) 晶圓失效圖案分析方法
CN113763305A (zh) 标定物品缺陷的方法、装置及电子设备
US10102615B2 (en) Method and system for detecting hotspots in semiconductor wafer
US9006003B1 (en) Method of detecting bitmap failure associated with physical coordinate
US20230186461A1 (en) Dynamic modeling for semiconductor substrate defect detection
US7915907B2 (en) Faulty dangling metal route detection
CN117092877A (zh) 光学邻近修正参数的确定方法及装置
CN117457516A (zh) 晶圆缺陷的检测方法及装置

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
CB02 Change of applicant information

Address after: 100176 building 12, yard 156, Jinghai 4th Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Dongfang Jingyuan Microelectronics Technology (Beijing) Co.,Ltd.

Address before: 100176 building 12, yard 156, Jinghai 4th Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant before: DONGFANG JINGYUAN ELECTRON Ltd.

CB02 Change of applicant information