CN116364569A - 利用计算高效分割方法的缺陷检测 - Google Patents

利用计算高效分割方法的缺陷检测 Download PDF

Info

Publication number
CN116364569A
CN116364569A CN202211688390.7A CN202211688390A CN116364569A CN 116364569 A CN116364569 A CN 116364569A CN 202211688390 A CN202211688390 A CN 202211688390A CN 116364569 A CN116364569 A CN 116364569A
Authority
CN
China
Prior art keywords
given
image
region
reference region
defect
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
CN202211688390.7A
Other languages
English (en)
Inventor
埃拉德·科恩
维克托·埃戈罗夫
宜兰·本哈拉什
拉斐尔·比斯特里策
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.)
Applied Materials Israel Ltd
Original Assignee
Applied Materials Israel 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 Applied Materials Israel Ltd filed Critical Applied Materials Israel Ltd
Publication of CN116364569A publication Critical patent/CN116364569A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G01N21/95—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
    • 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
    • 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
    • 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
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • 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
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/24—Optical enhancement of defects or not directly visible states, e.g. selective electrolytic deposition, bubbles in liquids, light emission, colour change
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • 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)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Image Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

提供一种半导体样品的检查系统，该系统包括处理器和存储器电路，被构造成用以对于该样品的图像中的多个候选缺陷中的每个给定候选缺陷，获得该图像中给定候选缺陷的给定区域，获得参考图像，对该参考图像的至少一部分进行分割，以针对每个给定候选缺陷确定该参考图像中与对应于该给定区域的给定参考区域相匹配的第一参考区域，在第一参考区域中选择多个第二参考区域，获得该图像中的多个对应的第二区域，并且使用提供该第二区域的像素强度信息的数据和提供该给定区域的像素强度信息的数据来确定该给定候选缺陷是否对应于一个缺陷。

Description

利用计算高效分割方法的缺陷检测
技术领域
本公开的主题一般涉及样品检查领域，并且更具体地，涉及样品的自动化检查。
背景技术
当前对与制造后的器件的超大规模集成相关的高密度和高性能的需求需要亚微米特征结构、更高的晶体管速度和电路速度以及改善的可靠性。这些需求要求形成具有高精度和高均匀性的器件特征结构，而这反过来又需要仔细监控制造工艺，包括在器件仍处于半导体晶片形式时对器件进行自动检查。
在半导体制造期间的各个步骤使用检查过程来检测并分类样品上的缺陷。检查的有效性可以通过过程的自动化来提高，例如，自动缺陷分类(Automatic DefectClassification，ADC)、自动缺陷审查(Automatic Defect Review，ADR)等。
申请人的US9,235,885(该专利的内容通过引用整体并入本文)描述了一种能够检验物品缺陷的系统，所述系统包括：拼片拼片(patch)比较器，被构造成用以基于预定义的拼片相似性准则(patch-similarity criterion)和参考图像中界定的源拼片，关于所述参考图像中的多个参考拼片中每一个参考拼片来确定相似性水平(similarity level)；评估模块，被构造成用以用代表性分数对检验图像的多个检验后的像素之外的每个检验后的像素进行评分，所述代表性分数基于与对应于所述检验后的像素的参考像素相关联的参考拼片的相似性水平；选择模块，被构造成用以基于所述多个检验后的像素的代表性分数选择出多个所选的检验后的像素；以及缺陷检测模块，被构造成用以基于候选像素的检验值和这些所选的检验后的像素的检验值，确定所述候选像素是否存在缺陷。
发明内容
根据本公开的主题的某些方面，提供一种半导体样品的检查系统，所述系统包括处理器和存储器电路(PMC)，被构造成用以：对于由检查工具获取的所述半导体样品的图像中的多个候选缺陷(candidate defect)中的每个给定候选缺陷，获得所述图像中所述给定候选缺陷的给定区域；获得参考图像；对所述参考图像的至少一部分进行分割，所述分割包括：对于每个给定候选缺陷：根据对应性准则(correspondence criterion)，获得所述参考图像中与所述图像中的所述给定候选缺陷的给定区域对应的给定参考区域；根据第一相似性准则(similarity criterion)，确定所述参考图像中的第一参考区域，其中对于每个给定第一参考区域，提供所述给定第一参考区域的像素强度(pixel intensity)信息的第一数据匹配提供所述给定参考区域的像素强度信息的第一数据；对于每个给定候选缺陷：对于每个给定第一参考区域，将提供所述给定第一参考区域的像素强度信息的第二数据与提供所述给定参考区域的像素强度信息的第二数据进行比较，根据第二相似性准则在所述第一参考区域中选择多个第二参考区域，对所述第二参考区域而言所述比较指示是匹配的，根据所述对应性准则，获得所述图像中的多个第二区域，其中每个给定第二区域对应于所述第二参考区域中的一个第二参考区域，以及使用提供所述第二区域的像素强度信息的数据和提供所述给定区域的像素强度信息的数据来确定所述给定候选缺陷是否对应于一个缺陷。
根据一些实施方式，对于每个给定候选缺陷，所述第二参考区域的数量小于所述第一参考区域的数量。
根据一些实施方式，所述PMC被构造成用以：对所述图像应用至少一个滤波器以获得至少一个处理后的图像；对于每个给定第一参考区域，使用所述至少一个处理后的图像来确定提供所述给定第一参考区域的像素强度信息的第一数据，并且使用所述至少一个处理后的图像来确定提供所述给定参考区域的像素强度信息的第一数据。
根据一些实施方式，对所有候选缺陷计算所述至少一个处理后的图像一次。
根据一些实施方式，所述提供所述给定参考区域的像素强度信息的第二数据和所述提供每个给定第一参考区域的像素强度信息的第二数据是使用以下中的至少一个来确定的：所述参考图像；或者一个或多个第二处理过的图像，所述第二处理过的图像是通过对以下至少一部分进行滤波而获得的：所述参考图像，或者使用所述参考图像生成的图像。根据一些实施方式，所述提供所述给定参考区域的像素强度信息的第二数据包括提供所述给定参考区域的一个或多个像素信息的参考拼片；对于每个给定第一参考区域：所述提供所述给定第一参考区域的像素强度信息的第二数据包括提供所述给定第一参考区域的一个或多个像素信息的拼片，并且其中所述系统被构造成用以将所述给定第一参考区域的所述拼片与所述参考拼片进行比较。
根据一些实施方式，所述PMC被构造成用以选择所述参考拼片的有限像素子集(limited subset of pixels)，并且对于每个给定第一参考区域，将提供所述参考拼片的所述有限像素子集的像素强度信息的数据与提供所述给定第一参考区域的所述拼片中对应像素的像素强度信息的数据进行比较。
根据一些实施方式，选择所述有限像素子集包括以下至少一项：选择所述图像中对应像素与高于阈值的像素强度相关联的像素，或者选择所述图像中对应像素与高于阈值的缺陷存在概率相关联的像素。
根据一些实施方式，对于每个给定候选缺陷，在所述第一参考区域中选择所述第二参考区域比在整个所述参考图像中选择所述第二参考区域的计算效率更高。
根据一些实施方式，对于每个给定第一参考区域，所述提供所述给定第一参考区域的像素强度信息的第一数据不同于所述提供所述给定第一参考区域的像素强度信息的第二数据。
根据一些实施方式，所述PMC被构造成用以，对于多个候选缺陷中的每个给定候选缺陷：对于多个候选缺陷中的每个给定候选缺陷，获得：由检查工具获取的所述半导体样品的第一图像中的所述给定候选缺陷的第一给定区域，以及由所述检查工具获取的所述半导体样品的第二图像中的所述给定候选缺陷的第二给定区域，其中所述第二图像与所述第一图像在至少一个参数上不同；仅当所述候选像素在所述第一图像中满足相关性准则时才使用所述第一图像确定所述候选缺陷是否一个缺陷，和/或仅当所述候选像素在所述第二图像中满足相关性准则时才使用所述第二图像确定所述候选缺陷是否是庽缺陷。
根据本公开的主题的某些方面，提供一种半导体样品的检查方法，所述方法包括：由处理器和存储器电路(PMC)：对于由检查工具获取的所述半导体样品的图像中的多个候选缺陷中的每个给定候选缺陷，获得所述图像中给定候选缺陷的给定区域；获得参考图像；对所述参考图像的至少一部分进行分割，所述分割包括：对于每个给定候选缺陷：根据对应性准则，获得所述参考图像中与所述图像中的所述给定候选缺陷的给定区域对应的给定参考区域；根据第一相似性准则，确定所述参考图像中的第一参考区域，其中对于每个给定第一参考区域，提供所述给定第一参考区域的像素强度信息的第一数据匹配提供所述给定参考区域的像素强度信息的第一数据；对于每个给定候选缺陷：对于每个给定第一参考区域，将提供所述给定第一参考区域的像素强度信息的第二数据与提供所述给定参考区域的像素强度信息的第二数据进行比较；根据第二相似性准则，在所述第一参考区域中选择多个第二参考区域，对所述第二参考区域而言所述比较指示是匹配的；根据所述对应性准则，获得所述图像中的多个第二区域，其中每个给定第二区域对应于所述第二参考区域中的一个第二参考区域；以及使用提供所述第二区域的像素强度信息的数据和提供所述给定区域的像素强度信息的数据来确定所述给定候选缺陷是否对应于一个缺陷。
根据一些实施方式，所述方法可以实现如上文参照所述系统所描述的一个或多个特征。
根据本公开的主题中的某些其他主题，提供一种非暂时性计算机可读介质，该介质包括指令，当由处理器执行所述指令时，使得所述处理器执行如上文针对所述方法所描述的操作。
根据一些实施方式，所提出的解决方案使得能够增加提供给缺陷检测算法的候选缺陷的数量，而不增加缺陷检测算法用来分析候选缺陷所需的计算时间。
根据一些实施方式，所提出的解决方案使得能够增加提供给缺陷检测算法的候选缺陷的数量，同时保持相同的吞吐量。
根据一些实施方式，所提出的解决方案使得能够提高缺陷检测算法的计算效率，同时保持相似的灵敏度。
根据一些实施方式，所提出的解决方案使得能够比现有技术算法检测更多的缺陷，同时保持相同的计算量。
根据一些实施方式，所提出的解决方案使得能够减少用于分析每个候选缺陷的计算时间。
根据一些实施方式，所提出的解决方案优化了多视角图像(multi-perspectiveimages)的处理。
附图说明
为了理解本公开内容并且了解如何可以在实践中执行本公开内容，现在将参考附图仅通过非限制性示例的方式描述实施方式，其中：
图1示出了根据本公开的主题的某些实施方式的检查系统的概括性框图。
图2A示出了确定每个候选缺陷是否为样品图像中的缺陷的方法的概括性流程图。
图2B示出了样品图像中候选缺陷的非限制性示例。
图2C示出了在样品的参考图像中识别的参考区域的非限制性示例，每个参考区域对应于不同的候选缺陷。
图3A示出了在样品的参考图像中识别的第一参考区域的非限制性示例，第一参考区域与给定参考区域相关联。
图3B示出了处理参考图像以获得多个处理后的参考图像的非限制性方法。
图3C示出了在参考图像中选择有限数量的第一参考区域的方法的概括性流程图。
图4A示出了给定第一参考区域的拼片的非限制性示例。
图4B示出了参考图像中各种可能的拼片类型。
图4C示出了能够用于在参考图像中进行拼片比较的拼片的非限制性示例。
图4D示出了各种第二处理过的图像中的拼片比较的非限制性示例。
图5A示出了参考图像中或第二处理过的图像中的拼片比较的方法的概括性流程图。
图5B和图5C示出了图5A的方法的非限制性示例。
图6A和图6B示出了确定与参考图像中的第二参考区域对应的样品图像中第二区域的非限制性示例。
图7A示出了使用多视角图像(multi-perspective image)来确定图像中的缺陷的方法的概括性流程图。
图7B示出了图7A的方法的实施方式。
图8A示出了使用图像中候选缺陷的给定区域和图像中与该区域相关联的第二区域来确定候选缺陷是否是缺陷的方法的概括性流程图。
图8B示出了图8A的方法的非限制性示例。
图9示出了图8A的方法的另一个非限制性示例。
具体实施方式
在下面的详细描述中，阐述了许多具体细节以提供对本公开内容的透彻理解。然而，本领域的技术人员将理解，可以在没有这些具体细节的情况下实践本公开的主题。在其他情况下，未对众所周知的方法、过程、部件和电路进行详细描述，以免混淆本公开的主题。
除非另有具体说明，否则如从以下讨论中显而易见的那样，可以理解的是，在整个说明书讨论中使用诸如“处理”、“获得”、“选择”、“确定”、“生成”、“使用”、“比较”、“判断”或类似术语，是指计算机处理数据和/或将数据转换为其他数据的动作和/或过程，所述数据表示为物理量，例如电子量，和/或所述数据表示物理对象。术语“计算机”应广义地解释为涵盖任何种类的具有数据处理能力的基于硬件的电子设备，包括作为非限制性示例的在本申请中公开的系统103及其相应部分。
本文使用的术语“非暂时性(non-transitory)存储器”和“非暂时性存储介质”应该广泛地解释为涵盖适合于本公开的主题的任何易失性或非易失性计算机存储器。
本说明书中所使用的术语“样品”应被广泛地解释为涵盖任何种类的、用于制造半导体集成电路、磁头、平板显示器和其他半导体制造的物品的晶片、掩模和其他结构、它们的组合和/或部分。
本说明书中所使用的术语“检查”应被广泛地解释为涵盖任何类型的计量相关操作以及与样品制造期间样品中的缺陷检测和/或分类相关的操作。在待检样品的制造期间或之后，通过使用无损检查工具来提供检查。作为非限制性示例，检查过程可以包括使用相同或不同的检查工具在运行时的扫描(单次或多次扫描)、取样、审查、测量、分类和/或针对样品或样品的部分提供的其他操作。同样地，可以在制造待检查的样品之前提供检查，并且所述检查可以包括例如生成检查配方和/或其他设置操作。需要注意的是，除非另有具体说明，否则本说明书中使用的术语“检查”或它的派生词不限于检验区域的分辨率或大小。各种无损检查工具包括作为非限制性示例的扫描电子显微镜、原子力显微镜、光学检验工具等。
作为非限制性示例，运行时检查可以采用两阶段过程，例如检验样品，然后审查潜在缺陷的取样位置。在第一阶段期间，以高速和相对低的分辨率来检验样品的表面。在第一阶段中，生成缺陷地图(defect map)以显示样品上具有高缺陷概率的可疑位置。在第二阶段期间，以相对高的分辨率对至少部分可疑位置进行更彻底的分析。在一些情况下，这两个阶段可以由同一检验工具实现，并且，在其他一些情况下，这两个阶段由不同的检验工具实现。
本说明书中所使用的术语“缺陷”应被广义地解释为涵盖样品上或样品内形成的任何类型的异常或不希望有的特征。
应当理解，除非另有具体说明，否则在分开的实施方式的上下文中描述的本公开的主题的某些特征也可以以组合的方式在单个实施方式中提供。相反，在单个实施方式的上下文中描述的本公开的主题的各种特征也可以分开地或以任何合适的子组合形式来提供。在下面的详细描述中，阐述了许多具体细节以便提供对这些方法和装置的透彻理解。
鉴于此，请注意图1，示出了根据本公开的主题的某些实施方式的检查系统的功能框图。图1中所示的检查系统100可以用于作为样品制造工艺的一部分的样品(例如，晶片和/或晶片的部件)的检查。图示的检查系统100包括基于计算机的系统103，能够使用在样品制造期间获得的图像来自动确定计量相关和/或缺陷相关的信息。系统103可操作地连接到一个或多个低分辨率检查工具101和/或一个或多个高分辨率检查工具102和/或其他检查工具。检查工具被构造为用以捕获图像和/或查看捕获的图像和/或启用或提供与所捕获的图像相关的测量。系统103可以进一步可操作地连接到CAD服务器110和数据存储库109。
系统103包括处理器和存储器电路(PMC)104，可操作地连接到基于硬件的输入接口105和基于硬件的输出接口106。PMC 104被构造成用以提供操作系统103所需的所有处理，如下文进一步详细描述的(参见图2A、图5A、图7A、图7B和图8A中描述的方法，所述方法可以至少部分地由系统103执行)的那样，并且包括处理器(未单独示出)和存储器(未单独示出)。
系统103被构造成用以通过输入接口105接收输入数据。输入数据可以包括由检查工具产生的数据(和/或所述数据的衍生数据和/或与所述数据相关联的元数据(metadata))、和/或在一个或多个数据存储库109中和/或在CAD服务器110和/或另一个相关数据贮存库中存储或产生的数据。注意，输入数据可以包括图像(例如捕获的图像、从捕获的图像导出的图像、模拟图像、合成图像等)和相关联的数字数据(例如元数据、人工实现的(hand-crafted)属性等)。还应当注意，图像数据可以包括与样品的感兴趣层相关的和/或与样品的一个或多个其他层相关的数据。
系统103进一步被构造成用以处理所接收到的输入数据的至少一部分，并且经由输出接口106发送结果(或所述结果的一部分)到存储系统107，到检查工具，到用于呈现结果的基于计算机的图形用户界面(graphical user interface，GUI)108，和/或到外部系统(例如，FAB的产量管理系统(Yield Management System，YMS))。GUI 108可以进一步构造为启用与操作系统103相关的用户自定义输入。
作为非限制性示例，可以通过一个或多个低分辨率检查机器101(例如光学检验系统、低分辨率SEM等)检查样品。所产生的数据(以下称为低分辨率图像数据121)提供样品的低分辨率图像信息，可以被直接或通过一个或多个中间系统传输到系统103。替代地或附加地，可以通过高分辨率机器102检查样品(例如，可以通过扫描电子显微镜(scanningelectron microscope，SEM)或原子力显微镜(Atomic Force Microscopy，AFM)审查选择用于审查的潜在缺陷位置的子集))。所产生的数据(以下称为高分辨率图像数据122)提供样品的高分辨率图像信息，可以被直接或通过一个或多个中间系统传输到系统103。
应当注意，可以以不同的分辨率捕获样品上所需位置的图像。作为非限制性示例，所需位置的所谓“缺陷图像”能够用于在缺陷与误报(false alarm)之间做出区分，而所需位置的所谓“类图像(class image)”是以更高的分辨率获得的并且是能够用于缺陷分类的。在一些实施方式中，同一位置的图像(具有相同或不同的分辨率)可以包括在它们之间套准的(registered)几个图像(例如从给定位置捕获的图像和对应于该给定位置的一个或多个参考图像)。
应当注意，图像数据可以连同与所述图像数据关联的元数据(例如像素大小、缺陷类型的文本描述、图像捕获过程的参数等)一起被接收和处理。
在处理输入数据(例如低分辨率图像数据和/或高分辨率图像数据，可选地连同其他数据例如设计数据、合成数据等)时，系统103可以将结果(例如指令相关数据123和/或124)发送到任何检查工具，将结果(例如缺陷属性、缺陷分类等)存储在存储系统107中，通过GUI 108呈现结果，和/或发送到外部系统(例如，YMS)。
本领域的技术人员将容易理解，本公开的主题的教导不受图1中所示的系统的约束；等效和/或修改的功能可以以另一种方式合并或分开，并且可以以软件与固件和/或硬件的任何适当组合来实现。
在不以任何方式限制本公开内容的范围的情况下，还应当注意，检查工具可以实现为各种类型的检验机器，例如光学成像机、电子束检验机等。在一些情况下，同一检查工具可以提供低分辨率图像数据和高分辨率图像数据。在一些情况下，至少一种检查工具可以具有计量功能。
应当注意，图1所示的检查系统可以在分布式计算环境中实现，其中图1中所示的上述功能模块可以分布在若干个本地和/或远程设备上，并且可以通过通信网络链接。应当进一步注意，在其他实施方式中，至少一些检查工具101和/或102、数据存储库109、存储系统107和/或GUI 108可以设置在检查系统100的外部，并且通过输入接口105和输出接口106与系统103进行数据通信而操作。系统103可以作为独立计算机实现，与检查工具结合使用。替代地，系统的相应功能可以至少部分地与一个或多个检查工具集成。
现在请注意图2A至图2C。图2A的方法包括(操作200)获得由检查工具(例如检查工具101和/或102)获取的提供半导体样本的图像201中的多个候选缺陷信息的数据。对于每个给定候选缺陷，该数据包括图像中表示该候选缺陷在图像中的位置的区域。该区域可以包括至少一个像素，或者在一些实施方式中，包括多个像素。对于每个区域，该数据进一步可以包括该区域的每个像素的像素强度。像素强度对应于诸如灰度级强度。然而，这不是限制性的，像素强度可以包括各种不同的分量(例如不同通道的像素强度，例如明场(brightfield)和灰场(greyfield)、RGB等)，这取决于检查工具和获取类型。在图2B的非限制性示例中，候选缺陷202与区域203相关联，候选缺陷204与区域205相关联，候选缺陷206与区域207相关联，而候选缺陷208与区域209相关联。
提供图像201中多个候选缺陷信息的数据可以由被构造为用以执行(基于例如图像中候选缺陷的图案和/或像素强度)对图像中候选缺陷的第一确定的系统提供。在一些实施方式中，可以使用由低分辨率检查机器101获取的图像来执行对候选缺陷的第一确定。由于候选缺陷的数量可能非常大，因此需要使用额外的方法(例如图2A的方法)来在这些候选缺陷中识别实际缺陷。
图2A的方法进一步包括获得(操作210)参考图像301。根据一些实施方式，多个参考图像301被获得。每个参考图像301是图像201的参考图像。
图像201提供半导体样品的第一区信息，并且参考图像301是样品(例如裸片(die)、单元(cell)等)的参考区的图像。第一区被配置为满足关于参考区的相似性准则(similarity criterion)并且可以属于同一或不同的半导体样品。相似性准则可以定义例如：第一区和参考区对应于相同的物理部件或半导体样品的相似区(例如相似的裸片、单元等)。
图像201和参考图像301是可比较的(例如，裸片比裸片(die-to-die)、单元比单元(cell-to-cell)、裸片比数据库(die-to-database)等)。
根据一些实施方式，参考图像301是样品(例如裸片、单元等)的参考区域的图像，其中各个图像数据被验证为表示那种没有缺陷的参考区域。参考图像可以是从参考(金)裸片、参考单元或其他被验证为没有缺陷的区域捕获的图像。替代地或附加地，参考图像可以使用CAD数据来模拟和/或可以在捕获之后被扩充以排除参考区域中的缺陷(如果有的话)。
根据一些实施方式，为了确保图像之间的兼容性，至少一个参考图像301和图像201经历套准过程(registration procedure)。
图2A的方法进一步包括执行对参考图像301的至少一部分的第一分割(segmentation)。
如上所述，对于每个候选缺陷，已经获得图像201中的给定区域。该方法包括根据对应性准则确定(操作220)与图像201中的给定区域对应的参考图像301中的给定参考区域。
假设图像201和参考图像301对齐，那么对于图像201的每个像素，参考图像301中有一个对应的像素，该像素在参考图像301中具有相似的位置。应当注意，如果图像201和参考图像301没有完全对齐(或由于其他因素)，则位于图像201中给定位置的像素可能对应于参考图像301中的如下像素：该像素在参考图像301中具有不同的位置。
在一些实施方式中，给定参考区域被选择作为参考图像301的如下区域：该区域在参考图像301中具有与图像201中给定区域相同的位置。
假设不同图像的对应像素表示样品的相应位置(或类似样品中的相应位置)。例如，假设图像201的像素P201和参考图像301的像素P301彼此之间相互对应，由像素P201表示的样品区域相对于包括该区域的第一裸片(单元或样品)的定位可以与由像素P301表示的样品区域相对于包含该区域的第二裸片(单元或样品)的定位实质上相同。
根据一些实施方式，图像201中的给定区域和参考图像301中的给定参考区域应该提供相同元素的至少一部分信息。例如，假设给定区域提供样品内特定位置处的金属线信息，则给定参考区域预期提供参考样品内(例如，在与该样品可比的另一样品中)相同特定位置处的类似金属线信息。
在图2B和图2C的非限制性示例中，图像201中的给定区域203、205、207和209分别对应于参考图像301中的参考区域303、305、307和309。
对参考图像301进行处理以针对参考图像301中的每个给定参考区域识别(操作225)参考图像301的第一参考区域。根据第一相似性准则，在参考图像301中选择第一参考区域，使得对于每个给定第一参考区域，提供该给定第一参考区域的像素强度信息的第一数据与提供该给定参考区域的像素强度信息的第一数据相匹配。第一数据的示例和第一相似性准则的示例在下文中提供。从下文提供的示例可见，提供该给定第一参考区域的像素强度信息的第一数据被选择为与提供该给定参考区域的像素强度信息的第一数据具有相同类型，以便使它们是可比的。
换言之，对于每个给定参考区域，至少一些第一参考区域被认为是提供与该给定参考区域中存在的一个或多个元素类似的一个或者多个元素信息。例如，如果给定参考区域提供接触信息，则预期至少一些第一参考区域也提供类似的接触信息。
在图3A所描绘的示例中，对于(在操作220识别的)参考区域307，第一参考区域3071到307N1已在参考图像301中被识别。对于(在操作220中识别的)参考区域303，第一参考区域3031至303N2已在参考图像301中被识别。
根据一些实施方式，在操作225，参考图像301被处理以生成处理后的参考图像。根据一些实施方式，将滤波器(filter)(也称为“内核(kernel)”)应用于参考图像301以获得处理后的参考图像(这可以包括参考图像301和滤波器之间的卷积运算)。在一些实施方式中，对整个参考图像301应用滤波器以获得处理后的参考图像。在一些实施方式中，由于整个参考图像301针对给定的滤波器被一起处理，所以这种操作的计算效率很高。
根据一些实施方式，使用有限数量的滤波器处理整个参考图像301以获得有限数量的处理后的图像。这在图3B中进行了描述，其中滤波器350、351和352被分别应用于参考图像301以分别获得处理后的图像361、371和381。虽然参考图像301包括多个参考区域(每个候选缺陷一个参考区域)，但可以使用相同的处理图像来对每个给定参考区域识别出与该给定参考区域相似的第一参考区域。
由于已对所有候选缺陷计算了一次处理后的图像，因此不必每次都为每个不同的候选缺陷重新计算处理后的图像。相反，一次计算而得相同的处理后的图像可以用于识别与每个给定参考区域相关联的第一参考区域。结果，操作225的计算效率很高。
根据一些实施方式，滤波器是微分滤波器(导数内核)，所述微分滤波器使得能够获得参考图像301的像素强度的导数。该滤波器可以与参考图像301进行卷积。下文提供了该滤波器的两个非限制性示例：
Figure BDA0004020172980000121
Figure BDA0004020172980000122
第一个滤波器Gx(也称为沿X轴的Sobel内核)尤其可以用于确定沿水平轴(X轴)的导数而第二个滤波器Gy(也称为沿Y轴的Sobel内核)尤其可以用于确定沿垂直轴(Y轴)的导数。
根据一些实施方式，滤波器是高通滤波器(高通内核)。
由于参考图像301是二维图像，所以可以使用两轴(x，y)坐标系来表示像素位置。根据一些实施方式，第一滤波器Dx被应用于参考图像301以获得处理后的图像(已沿“x”轴对参考图像301进行了处理)，第二滤波器Dy被应用于参考图像301以获得沿“y”轴的另一个处理后的图像(已沿“y”轴对参考图像301进行了处理)，并且第三滤波器D被应用于参考图像301以获得另一处理后的图像。在一些实施方式中，Dx是使得能够获得参考图像301沿“x”轴的导数的微分滤波器，Dy是使得能够获得参考图像301沿“y”轴的导数的微分滤波器，而D是使得能够获得参考图像301沿“x”和“y”两轴的导数的微分滤波器。
在非限制性示例中，Dx定义如下：
Figure BDA0004020172980000123
Dy可被定义为Dx的转置。这些值不是限制性的。
基于该分割，对于每个给定参考区域，在参考图像中确定与该给定参考区域相似的第一参考区域。
操作225可以包括使用处理后的参考图像。尤其是，对于每个给定参考区域，操作225可以包括以下步骤：选择具有以下像素强度分布(在参考图像中和/或在处理后的参考图像中——这对应于提供第一参考区域的像素强度信息的第一数据)的第一参考区域：该像素强度分布类似于给定参考区域的像素强度分布(在参考图像中和/或在处理后的参考图像中——这对应于提供给定参考区域的像素强度信息的第一数据)。
可以根据第一相似性准则来评估相似性。例如，假设给定参考区域包括在参考图像中(分别在处理后的图像中)具有给定像素强度的给定像素。将给定的像素强度与参考图像(分别有处理后的图像)的其他像素的像素强度进行比较。可以基于该比较对像素进行排序(分类)。可以选择该比较显示最高水平相似性的像素作为第一参考区域。第一相似性准则定义了例如相似性水平被认为是足够的阈值，和/或可以定义可以被选择为相似像素的那些像素的最大数量N(这对应于在对像素进行排序之后的前N个像素，是与给定像素最相似的像素)。
如果获得了多个处理后的图像，参考图像301的每个像素都与包括多个值的向量相关联(每个处理后的图像一个值——该向量还可以包括参考图像中的像素强度的值)。该向量是上述提供像素强度信息的第一数据的另一个示例。将每个给定参考区域的像素的向量与参考图像301的其他区域的那些像素的向量进行比较。向量之间的比较可以使用例如互相关(cross-correlation)、交叉熵(cross-entropy)、幅度比较、方向比较等。然而，这并不是限制性的。可以基于该比较结果对参考图像301的像素进行排序。根据第一相似性准则，对于每个给定的参考区域，可以使用该排序来识别多个第一参考区域，这些第一参考区域包括具有以下向量的像素：该向量与给定参考区域的像素的向量相似。如上所述，第一相似性准则可以定义需要被认为相似的相似性水平和/或在排序操作的结果中选择的第一参考区域的最大数量。
应当注意，如果给定参考区域是多个像素的区域，则可以将该区域与参考图像中相同大小的其他区域进行比较。该给定参考区域与包括属于该给定参考区域的那些像素的强度向量的矩阵相关联。将该给定参考区域的矩阵与参考图像中相同大小的其他区域的像素强度的矩阵进行比较。这种比较可以使用例如可用于比较矩阵的互相关或其他适用的方法(例如，交叉熵等)来进行。然而，这并不是限制性的。基于该比较对参考图像的各个区域进行排序，并且选择与该给定参考区域最相似的那些区域作为第一参考区域。
图2A的方法还包括(操作230)：对于每个候选缺陷，在这些第一参考区域中选择多个第二参考区域。第二参考区域的数量小于第一参考区域的数量。
在非限制性示例中，第一区域的数量约为2000，而第二参考区域的数量约为100。然而，这并不是限制性的。
操作230可以对应于例如在操作225已经执行的第一分割之后的对参考图像的第二分割。第二分割受益于这样一个事实，即第一分割已经减少了待检验的区域的数量，以便确定与每个给定参考区域相似的区域。因此，提高了第二分割的计算效率，因为不需要对整个参考图像进行分割，而只需要对有限数量的第一参考区域进行分割即可。对于给定的处理器和存储器电路，仅在第一参考区域中选择第二区域比在整个参考图像301中确定第二参考区域计算效率更高(对于给定的参考图像，由于减少了计算操作的次数，因此减少了用以执行第二区域的确定所需的时间)。
根据一些实施方式，第一分割不如第二分割准确(第一分割提供第一参考区域的第一估计，并且第二分割减少该数量以得到第一参考区域的更准确的子集)，但计算效率比第二分割计算效率更高(第一分割依赖于例如一个或多个处理后的图像，这些图像是对所有缺陷一次计算的——而第二分割可能依赖于拼片比较，这需要对每个候选缺陷进行重复的拼片计算和拼片比较)。
图3C示出了实现操作230的方法。如图所示，操作230可以包括：对于每个候选缺陷，计算(操作390和操作391)提供给定参考区域的像素强度信息的第二数据和提供第一参考区域的像素强度信息的第二数据。可以执行提供给定参考区域的像素强度信息的第二数据与提供第一参考区域的像素强度信息的第二数据之间的比较(操作392)。根据第二相似性准则该比较指示出匹配的第一参考区域被选择为第二参考区域(操作393)。可以例如通过算法和/或操作员定义第二相似性准则，并且第二相似性准则指示出该比较被视为指示出匹配的相似性水平。
在一些实施方式中，提供第一参考区域的像素强度信息的第一数据(如在操作225中使用的)和提供第一参考区域的像素强度信息的第二数据(如在操作230中使用的)是不同的/不同的类型。类似地，提供给定参考区域的像素强度信息的第一数据(如在操作225中使用的)和提供给定参考区域的像素强度信息的第二数据(如在操作230中使用的)是不同的/不同的类型。换言之，使用了参考图像的多重分割方法，其中每种分割使用不同类型的数据来进行分割。
根据一些实施方式，提供给定参考区域的像素强度信息的第二数据包括提供该给定参考区域的像素信息的一个拼片(或内核)。一个拼片包括根据预定义的形状/分布布置的多个像素。类似地，根据一些实施方式，对于每个第一参考区域，提供第一参考区域的像素强度信息的第二数据包括提供该第一参考区域的像素的一个拼片(或内核)。
根据一些实施方式，使用参考图像或一个或多个第二处理过的图像中的至少一个来获得提供给定参考区域的像素强度信息的第二数据和提供第一参考区域的像素强度信息的第二数据。
应当注意，每个给定参考区域可以包括参考图像中的一个或多个像素的组，或者在一个或多个第二处理过的图像中的每一个中具有相同位置(与参考图像中该组的像素的位置相同)的一个或多个对应像素的组。类似地，每个第一参考区域可以包括参考图像中的一个或多个像素的组，或者在一个或多个第二处理过的图像中的每一个中具有相同位置(与参考图像中该组的像素的位置相同)的一个或多个对应像素的组。
对于每个给定参考区域，可以使用参考图像中和/或一个或多个第二处理过的图像中的像素强度来确定第二数据。例如，可以为参考图像中和/或一个或多个第二处理过的图像中的该给定参考区域确定一个拼片。类似地，对于每个第一参考区域，可以为参考图像中和/或一个或多个第二处理过的图像中的第一参考区域确定一个拼片。
操作392可以包括：对于(多个第一参考区域的)每个给定第一参考区域，对提供第二处理过的图像中该给定第一参考区域的像素强度信息的第二数据与提供该第二处理过的图像中对应给定参考区域的像素强度信息的第二数据进行比较。操作392的比较因此可以针对每个第二处理过的图像(并且也针对参考图像)执行。操作393包括：使用这些各个比较的结果来在这些第一参考区域中选择有限数量的第二参考区域。
可以使用对参考图像的(或使用该参考图像生成的图像的)至少一部分的处理来获得一个或多个第二处理过的图像。该处理可以包括：对参考图像的或使用该参考图像生成的图像的至少一部分进行滤波(平滑、降噪、分割、对比增强等)。在一些实施方式中，用于获得第二处理过的图像的处理与用于获得处理后的图像的处理不同(已参考操作225描述了处理后的图像的获得)。例如，用于获得第二处理过的图像的滤波器可以被选择为不同于用于获得处理后的图像的滤波器。
在一些实施方式中，用于获得第二处理过的图像的滤波器可以仅应用于参考图像的一部分，该部分包括参考图像的感兴趣区域(感兴趣区域包括每个给定参考区域和在操作225识别的对应的第一参考区域)。换言之，不是将滤波器应用于整个参考图像，而仅处理感兴趣的区域就足够了。
根据一些实施方式，对给定参考图像的所有候选缺陷计算每个第二处理过的图像一次。
图4A示出了对于给定参考区域403的一个拼片410的非限制性示例。如图所示，拼片410包括给定参考区域403和位于该给定参考区域403附近的有限数量的像素411。图4A还描绘了与该给定参考区域403相关联的第一参考区域4031至403N2。
在这个非限制性示例中，拼片410的形状是矩形的。然而，这并不是限制性的，拼片的形状可以使用任何适应的形状(正方形、多边形等)。
在一些实施方式中，拼片是对称形状。这并不是限制性的，并且在一些实施方式中，拼片是不对称的。
在给定参考区域403周围的拼片410内选择的有限数量的像素411可以是相邻的。这并不是强制性的，并且在一些实施方式中，有限数量的像素411包括孤立的像素或孤立的像素组。
一般而言，拼片410的尺寸被选择为小于参考图像401的尺寸。
在图4A的示例中，拼片410覆盖5×3个像素(15个像素)的区域。拼片410可以被定义为包括被拼片410的形状覆盖的所有像素(在该示例中为15个像素)或仅包括被拼片410的形状覆盖的一些像素(例如少于15个像素的N个像素)。
图4B描绘了各种可能的拼片类型。图4B中描述的示例不是限制性的。例如，拼片420包括两个不同的像素组(参见灰色的像素)，它们彼此不相邻。在拼片421中，第一参考区域4033不位于拼片421的中心。在拼片422中，第一参考区域4034位于拼片422的中心。拼片422是对称的，而拼片420和421是不对称的。
对于每个第一参考区域(对于参考图像中的每个给定参考区域，已经在参考图像中识别出多个第一参考区域)，提供第一参考区域的像素强度信息的第二数据也可以包括一个拼片。针对给定参考区域定义的拼片的尺寸和形状可以与针对每个第一参考区域定义的拼片的尺寸和形状相同。然而，这并不是限制性的，并且在一些实施方式中，针对给定参考区域定义的拼片可以不同于针对每个第一参考区域定义的拼片。
图4C中示出了拼片比较的非限制性示例。已经为参考区域403定义了拼片425。针对第一参考区域4031、4033和4034分别定义了拼片426、427和428。
将参考区域403的拼片425与第一参考区域(4031、4033和4034)每一个的拼片(426、427和428)进行比较。这可以针对与第一参考区域的不同子集相关联的参考图像的每个参考区域进行。
该比较可以包括：将给定参考区域的该拼片的一个或多个像素的像素强度与第一参考区域的该拼片中对应像素的像素强度进行比较。第一拼片中的每个像素在与第一拼片进行比较的第二拼片中都有一个对应的像素。该对应的像素是例如在第二拼片中与第一拼片中的像素位置相同的像素。
该比较可以包括：执行对应像素强度值之间的差异，并且将该差异与阈值进行比较。
基于这种比较，可以生成相似性分数。假设有一个例子：对于两个拼片之间的比较，已经获得了M个像素强度差值。在一些实施方式中，可以基于这M个值的最大绝对值、这M个值的最小绝对值、所有M个值的平均值等来计算相似性分数。
第二相似性准则可以定义：在操作230仅选择具有最高相似性分数(或最低相似性分数，这取决于相似性分数的定义)的第一参考区域作为第二参考区域。
可以针对每个候选缺陷进行拼片比较。因此，对于每个候选缺陷，在参考图像中获得有限数量的第二参考区域(从在操作225获得的更大数量的第一参考区域中选择)。
图4C描绘了参考图像中的拼片比较。然而，如上所述，可以在一个或多个第二处理过的图像中进行类似的拼片比较(除了在参考图像中进行的拼片比较之外，或者代替在参考图像中进行的拼片比较)。因此，可以基于一个或多个第二处理过的图像中的拼片比较的结果来定义相似性分数。因此可以在第二处理过的图像中选择第二参考区域。
图4D中示出了一个示例。在第二处理过的图像470中，参考区域450的拼片与第一参考区域451的拼片以及与第一参考区域452的拼片进行比较。在第二处理过的图像471中，参考区域450的拼片与第一参考区域451的拼片以及与第一参考区域452的拼片进行比较。在第二处理过的图像472中，参考区域450的拼片与第一参考区域451的拼片以及与第一参考区域452的拼片进行比较。可以基于这些比较为每个第一参考区域生成相似性分数。可以使用每个第一参考区域的相似性分数在第一参考区域中选择第二参考区域。在该示例中，第二参考区域是在第二处理过的图像内确定的。
图5A示出了可以在操作230执行的拼片比较的特定实施方式。
假设对于给定参考区域，在操作225已经在参考图像中识别出多个第一参考区域。
可以针对给定参考区域定义拼片(该给定参考区域位于拼片的形状内)，该参考区域包括位于拼片的拼片形状内的多个像素(操作505)。假设拼片包括N个像素。在参考图像(例如参考图像301)中或在第二处理过的图像中，拼片覆盖像素P1,ref到PN,ref。与参考图像的拼片中(分别在第二个处理图像的拼片中)的像素P1,ref到PN,ref具有相同的位置的该图像中(例如图像201)的像素被标记为P1,img到PN,img。因此,像素P1,img至PN,img是该图像中对应于在参考图像中(分别在第二处理过的图像中)像素P1,ref至PN,ref的像素。
该方法可以包括：在位于拼片形状中的像素内仅选择(操作510)有限数量N1(N1＜N)个像素(P1,ref到PN1,ref)，对于这些像素，在图像201中的对应像素(P1,img到PN1,img——也就是说，图像201中与参考图像中或第二处理过的图像中的像素P1,ref到PN1,ref具有相同位置的像素)满足相关性准则。实际上，图像201中的缺陷可能仅位于图案的子部分，因此可能需要在图像201中找到类似的位置，这些位置具体对应于图案的这个子部分。
根据一些实施方式，图像201的满足相关性准则的对应像素P1,img至PN1,img对应于图像201的具有最高强度的像素(在那些位于图像201的对应于参考图像301中定义的拼片形状的区域中的像素中的)或具有等于或高于强度的阈值的强度的像素(强度阈值例如可以由操作员定义)。因此，只有在参考图像301中(分别在第二处理过的图像中)具有与对应像素P1,img到PN1,img(标识为图像201中最相关的像素)相同位置的像素P1,ref到PN1,ref被选为拼片的一部分(因此只有这些像素随后将用于拼片比较)。
根据一些实施方式，已经使用缺陷检测算法来检测图像201中的缺陷(例如，在US9,235,885中描述的缺陷检测算法，或另一种缺陷检测算法)。缺陷检测算法针对图像201的每个像素(或像素组)提供存在缺陷的概率。图像201的满足相关性准则的对应像素P1,img到PN1,img可以对应于图像201中存在缺陷的概率最高的那些像素(在位于图像201的对应于参考图像301中定义的拼片形状的区域中的那些像素)或该概率高于阈值的那些像素。因此，只有在参考图像301中(分别在第二处理过的图像中)具有与图像201中对应像素P1,img到PN1,img相同位置的像素P1,ref到PN1,ref被选为拼片的一部分(因此只有这些像素随后将用于拼片比较)。
图5B和图5C中示出了非限制性示例。
假设针对参考图像501中的参考区域503定义了拼片525。拼片525的形状覆盖了5*3＝15个像素的区域。
拼片525的像素在图像500中具有对应的像素，这些像素位于图像500的区域502中。如果相关性准则是关于像素强度水平定义的，则区域502的像素5021、5022、5023和5024在区域502内具有最高的像素强度。
图像500中的像素5021对应于参考图像501中的像素560。图像500中的像素5022对应于参考图像501中的像素561。图像500中的像素5023对应于参考图像501中的像素562。图像500中的像素5024对应于参考图像501中的像素563。因此，只有图像501的像素560、561、562和563被选为用于后续拼片比较的拼片的一部分。选择这种有限数量的像素进一步减少了进行拼片比较时的计算量。由于这些像素最能代表感兴趣的区域，因此可以保持良好的准确性。如上所述，像素强度只是一个示例，可以作为用于选择参考图像的拼片中有限数量像素的相关性准则。
图5A的方法还包括：在该参考区域的该拼片的所选的像素与第一参考区域中每个第一参考区域的该拼片的对应像素之间进行拼片比较(操作520)。
这在例如图5C中示出。当参考区域503的拼片525与第一参考区域5033的拼片527进行比较时，仅进行了有限次数的像素强度比较：将像素560的像素强度与像素5603的像素强度进行比较，将像素561的像素强度与像素5613的像素强度进行比较，将像素562的像素强度与像素5623的像素强度进行比较，并且将像素563的像素强度与像素5624的像素强度进行比较。当将拼片525与其他第一参考区域的其他拼片进行比较时，可以进行相同类型的比较。
第二参考区域可以被选择为第一参考区域的子集，对于这些区域，在操作393或520进行的比较指示出最高匹配水平。
在图5A的方法的变型中，对于给定参考区域，针对该给定参考区域定义不同形状的不同拼片。对于每个形状，将该给定参考区域的拼片与同每个第一参考区域相关联的相同形状的拼片进行比较。可以获得针对每种形状的相似性分数。可以计算合计的相似性分数，该分数可用于选择得到最高分数的第二参考区域。
一旦已经在参考图像中(或在第二处理过的图像中)识别出第二参考区域，图2A的方法就包括识别(操作240)图像中对应于参考图像中(或第二处理过的图像中)的第二参考区域的第二区域。可以根据对应性准则来评估对应性。上文已经针对操作220定义了这样的对应性准则。可以在操作240使用相同的对应性准则(但这并不是强制性的)。如上所述，对应性准则可以定义例如：图像中第二区域的位置匹配参考图像中(或第二处理过的图像中)第二参考区域的位置。
图6A中示出了非限制性示例。
假设在操作230，已经在参考图像611中获得了第二参考区域600到607(一些第二参考区域与第一给定参考区域相关联，一些第二参考区域与第二给定参考区域相关联，等等)。
操作240包括：根据对应性准则在图像621中识别分别对应于参考图像611中第二参考区域600到607的第二区域6001至6071。如上所述，在一些实施方式中，可以识别图像中对应于在第二处理过的图像中识别出的第二参考区域的第二区域。
在操作240之后，对于每个候选缺陷，存在对应于样品图像中该候选缺陷的位置的给定区域和与该给定区域相关联的(图像中的)多个第二区域。
图2A的方法进一步包括：对于每个候选缺陷，使用(操作250)提供这些第二区域的像素强度信息的数据和提供给定区域(对应于图像201中该候选缺陷的位置)的像素强度信息的数据来确定该候选缺陷是否对应于一个缺陷。在一些实施方式中，还考虑位于这些第二区域附近的像素的像素强度(例如，对于每个给定第二区域，使用包括给定第二区域的拼片)。
操作250在一些实施方式中可以使用给定区域的图案与每个第二区域的图案之间的比较，以确定该候选缺陷是否是一个缺陷。操作250包括：对候选像素进行分类(例如，分为有缺陷的或无缺陷的)。在一些实施方式中，将该候选缺陷分类为一个缺陷可以是二元判断(即存在或不存在、有缺陷的或无缺陷的等)。在一些实施方式中，生成表示该候选缺陷是一个缺陷的前景(概率)的分数。
根据一些实施方式，操作250基于给定区域中的像素强度和基于根据与该给定区域相关联的第二区域的像素强度确定的阈值。例如，可以确定该给定区域中的像素强度与第一参考区域(第一参考区域在参考图像中并且对应于该给定区域)中的像素强度之间的差值，并且将该差值与基于第二区域的像素强度确定的阈值进行比较。如果差值高于阈值，则在操作250可以确定该候选缺陷对应于一个缺陷，而如果差值低于阈值，则可以确定该候选缺陷不是一个缺陷。
应当注意，可以基于与候选缺陷的给定区域相关联的第二区域来确定多于一个的阈值。例如，可以设置两个阈值，从而定义像素强度值的范围，使得如果给定区域的像素强度在该范围之外，则可以确定该候选缺陷是一个缺陷，但如果给定区域的像素强度在该范围内，则可以确定该候选缺陷不是一个缺陷。
在一些实施方式中，除了缺陷之外，操作250可以包括基于另一类型的分类系统(例如，需要进一步处理的缺陷类别、应当修改检测或检验准则的缺陷类别等)对候选缺陷进行分类。
操作250的输出可以被提供例如给另一个系统和/或给使用显示器的人。对于每个候选缺陷，该输出可以包括确定候选缺陷是否是一个缺陷，以及其他数据，例如候选缺陷的位置。
下文描述实施操作250的各种其他实施方式。
在图2A的方法的实施方式中，使用了多个参考图像。对于每个给定参考图像，可以执行操作220到250。因此，对于每个参考图像，可以获得表示每个候选缺陷是一个缺陷的前景的分数。可以基于每个分数获得合计的分数，以提供关于每个候选缺陷是否是一个缺陷的最终决定。
参见图7A。
根据一些实施方式，图7A的方法包括：获得(操作700)由成像器获取的样品(或至少样品的一个区域)的多个图像。这多个图像彼此在至少一个参数上不同，所述参数是在包括至少以下参数的列表中选择的：照明光谱(是成像器的照明部分的光谱响应)、收集光谱(是成像器的收集部分的光谱响应)、照明偏振(是由成像器的照明部分施加的偏振)、收集偏振(是由成像器的收集部分施加的偏振)、照明角度(成像器的照明部分对该区域的照明角度)、入射角(照明部分相对于该区域的入射角)、收集角度、照明光束的一个或多个焦点偏移(focus offset)、所收集光束的相位、收集通道(例如明场通道、灰场通道)、返回光的傅里叶变换和感测类型(例如，感测振幅和/或感测相位)。这样的多个图像也可以称为多视角图像(multi-perspective images)。如图所示，该参数通常可以对应于在不同采集获取之间修改的光学配置。
由于已经获得了样品的至少两个图像，因此可以对每个图像执行图2A的方法(在图2A中称为“图像”——在图7A的方法中，这对应于从不同视角获取的每个图像)。因此，对于每个视角，可以计算提供给定缺陷对应于一个缺陷的前景信息的分数。可以计算合计的分数以输出表示候选缺陷是否确实对应于一个缺陷的最终决定。
例如，假设已经获得了样品的明场图像和灰场图像。对于每个候选缺陷，可以确定表示在明场图像中获取的候选缺陷是否对应于一个缺陷的第一分数(使用例如图2A的方法)，以及表示在灰场图像中获取的候选缺陷是否对应于一个缺陷的第二分数(使用例如图2A的方法)。可以基于第一分数和第二分数来计算合计的分数。
参见图7B，图7B描绘了图7的方法的替代实现。
根据一些实施方式，图7B的方法包括：获得(操作750)样品(或样品的至少一个区域)的多个图像。所述多个图像彼此在至少一个参数上不同(如上文参照操作700所述)。假设例如已经获得第一图像和第二图像。
假设已经识别出多个候选缺陷。对于每个候选缺陷，获得第一图像中候选缺陷的第一给定区域(在第一图像中，第一给定区域对应于候选缺陷的位置)和第二图像中候选缺陷的第二给定区域(在第二图像中，第二给定区域对应于候选缺陷的位置)。
对于每个候选缺陷，接着确定该候选缺陷是否在第一图像中满足相关性准则(相关性准则的示例在下文中提供)。类似地，对于每个候选缺陷，确定该候选缺陷是否在第二图像中满足相关性准则。
在一些实施方式中，当提供第一给定区域(分别和第二给定区域)的像素强度信息的数据满足强度准则时，在第一图像中(分别在第二图像中)的候选缺陷满足相关性准则(见操作760和7601)。强度准则可以定义例如对于每个像素而言必须满足的最小像素强度。
在一些实施方式中，当候选缺陷对应于在第一图像中(分别在第二图像中)的缺陷的概率高于阈值时，针对在第一图像中(分别在第二图像中)的候选缺陷满足相关性准则。这个概率可以由缺陷检测算法提供(例如，US 9,235,885中描述的缺陷检测算法)，该算法先前用在第一图像上(分别在第二图像上)来检测缺陷的存在。
在一些实施方式中，用于第一图像的相关性准则可以不同于用于第二图像的相关性准则(例如，用于确定第一图像中候选缺陷的相关性的相关性准则是基于第一图像中候选缺陷的像素强度，而用于确定在第二图像中候选缺陷的相关性的相关性准则是基于候选缺陷的像素对应于第二图像中缺陷的概率)。然而这并不是限制性的。
图2A的方法然后仅用在满足相关性准则的第一图像的那些候选缺陷的第一图像上(操作770)。例如，如果对于候选缺陷，提供第一给定区域的像素强度信息的数据不满足强度准则，则可以认为第一图像中的候选缺陷不够明显，因此在处理第一图像的候选缺陷时可以忽略(disregard)。
类似地，图2A的方法然后仅用于满足相关性准则的第二图像的那些候选缺陷的第二图像(见操作7701)。例如，如果对于候选缺陷，提供第二给定区域的像素强度信息的数据不满足强度准则，则可以认为第二图像中的候选缺陷不够明显，因此在处理第二图像的候选缺陷时可以忽略。因此，计算工作得到优化。
对于每个候选缺陷，可以生成表示该候选缺陷是否是一个缺陷的分数。对于一些候选缺陷，仅基于第一图像生成分数(由于该候选缺陷仅在第一图像中具有足够的像素强度，因此仅对该候选缺陷使用第一图像来执行图2A的方法)。对于一些候选缺陷，仅基于第二图像生成分数(由于候选缺陷仅在第二图像中具有足够的像素强度，因此仅对该候选缺陷使用第二图像来执行图2A的方法)。对于一些候选缺陷，分数是基于第一图像和第二图像生成的(因为候选缺陷在两个图像中都具有足够的像素强度，因此对该候选缺陷使用第一图像来获得第一分数和使用第二图像来获得第二分数而执行图2A的方法)。
一些候选缺陷被忽略，因为这些候选缺陷在第一图像和第二图像中都不满足相关性准则。
下文描述了实现操作250的非限制性方法。
根据一些实施方式，对于候选缺陷，将给定区域的像素强度与第二区域的像素组中具有最高(或最低)值的像素的像素强度进行比较。如果这些值之间的差值超过阈值，则可以认为候选缺陷是有缺陷的。
在另一示例中(见图8A，操作800)，对于给定候选缺陷，确定(a)与(b)之间的比率：(a)在给定区域的像素强度与同该给定区域相关联的第二区域的所有像素的像素强度值的平均值之间的差值；(b)具有最高(或最低)像素强度的第二区域的像素的像素强度与第二区域的平均像素强度之间的差值。可以将该比率与阈值(该阈值可以基于第二区域的像素强度来确定，但不必需如此)进行比较(操作805)，并且可以基于该比较来将候选缺陷分类为一个缺陷或非缺陷(操作806)。
应当注意，可以实现不同类型的平均，例如算术平均数、中位数、几何中位数、几何平均数、调和平均数、二次平均数、加权平均数、截断平均数(truncated mean)、四分位数平均数(interquartile mean)、中列数(midrange)、温塞平均数(winsorized mean)等。
参考图8B提供了图8A的方法的非限制性示例，图8B描绘了像素强度的柱状图。该柱状图描绘了候选缺陷的给定区域的像素强度以及与该给定区域相关联的第二区域的像素的像素强度。该柱状图的横坐标810表示像素强度值，该柱状图的纵坐标801表示具有每个像素强度值的像素的数量。
候选缺陷的给定区域的像素强度被描绘为参考850。在非限制性示例中，给定区域包括单个像素。在其他实施方式中，给定区域可以包括多个像素并且像素强度值可以对应于例如这些多个像素的平均值，或者对应于这些多个像素的最大值，或者对应于这些多个像素的重心。
第二区域的像素的像素强度对应于柱状图的部分860。
值830对应于具有最高像素强度的第二区域的像素与第二区域的平均像素强度(见参考820)之间的差值。
值840对应于给定区域的像素强度850与同该给定区域相关联的第二区域的所有像素的像素强度值的平均值820之间的差值。
如果值840与值830之间的比率高于阈值，则可以确定该候选缺陷是一个缺陷。如果值840和值830之间的比率低于阈值，则可以确定该候选缺陷不是缺陷。
尽管图8B的示例描绘了对称柱状图，但这并不是强制性的。
图9描绘了像素强度的另一个柱状图。该柱状图描绘了候选缺陷的给定区域的像素强度950以及与该给定区域相关联的第二区域的像素的像素强度(见柱状图的部分960)。该柱状图的横坐标910表示像素强度值，该柱状图的纵坐标901表示具有每个像素强度值的像素的数量。
由于该柱状图不是对称的，因此可以设置两个不同的规则。
值930对应于具有最高像素强度的第二区域的像素与第二区域的平均像素强度(见参考920)之间的差值。
值940对应于给定区域的像素强度950与同该给定区域相关联的第二区域的所有像素的像素强度值的平均值920之间的差值。
值931对应于第二区域的平均像素强度(见参考920)与具有最低像素强度的第二区域的像素之间的差值。
如果值940高于值930，则可以确定存在缺陷。
如果值940低于值931，则可以确定存在缺陷。
如果值940介于值930和值931之间，则不太可能这是一个缺陷。可以设置阈值来决定值940是否被分类为对应于一个缺陷。
在图9的示例中，由于940的绝对值与931的绝对值不同，因此使用非对称判定规则。
非对称判定规则的可能的一般化示例是，确定缺陷的存在包括：当且仅当(a)候选像素的给定区域的像素强度比第二区域的像素的平均像素强度大至少第一阈值X或(b)候选像素的给定区域的像素强度比第二区域的像素的平均像素强度小至少第二阈值Y，其中X不同于Y，则确定该候选缺陷是一个缺陷。
应当理解，本发明的应用不限于本文所包括的描述中阐述的或附图中所示的细节。
还应当理解，根据本发明的系统可以至少部分地在适当编程的计算机上实现。同样，本发明考虑了一种计算机可读的计算机程序，用于执行本发明的方法。本发明进一步考虑了一种非暂时性计算机可读存储器，该存储器有形地体现能够由计算机执行以执行本发明的方法的指令程序。
本发明能够具有其他实施方式并且能够以各种方式实践和执行。因此，应当理解，本文所使用的表述和术语旨在进行描述而不应被视为限制。因此，本领域技术人员将理解，本公开内容所基于的构思可以容易地用作设计其他结构、方法和系统的基础，以实现本公开的主题的若干目的。
本领域技术人员将容易理解，在不脱离由所附权利要求书所限定的范围的情况下，可以将各种修改和改变应用于如上文所述的本发明的实施方式。

Claims (20)

1.一种半导体样品的检查系统，所述系统包括处理器和存储器电路(PMC)，被构造成用以：
---对于由检查工具获取的所述半导体样品的图像中的多个候选缺陷中的每个给定候选缺陷，获得所述图像中所述给定候选缺陷的给定区域，
---获得参考图像，
---对所述参考图像的至少一部分进行分割，所述分割包括：对于每个给定候选缺陷：
o根据对应性准则，获得所述参考图像中与所述图像中的所述给定候选缺陷的所述给定区域对应的给定参考区域，
o根据第一相似性准则，确定所述参考图像中的第一参考区域，其中对于每个给定第一参考区域，提供所述给定第一参考区域的像素强度信息的第一数据匹配提供所述给定参考区域的像素强度信息的第一数据，
---对于每个给定候选缺陷：
o对于每个给定第一参考区域，将提供所述给定第一参考区域的像素强度信息的第二数据与提供所述给定参考区域的像素强度信息的第二数据进行比较，
o根据第二相似性准则，在所述第一参考区域中选择多个第二参考区域，对于所述第二参考区域而言所述比较指示是匹配的，
o根据所述对应性准则，获得所述图像中的多个第二区域，其中每个给定第二区域对应于所述第二参考区域中的一个第二参考区域，以及
o使用提供所述第二区域的像素强度信息的数据和提供所述给定区域的像素强度信息的数据来确定所述给定候选缺陷是否对应于一个缺陷。
2.根据权利要求1所述的系统，其中对于每个给定候选缺陷，所述第二参考区域的数量小于所述第一参考区域的数量。
3.根据权利要求1所述的系统，其中所述PMC被构造成用以：
对所述图像应用至少一个滤波器以获得至少一个处理后的图像；
对于每个给定第一参考区域，使用所述至少一个处理后的图像来确定提供所述给定第一参考区域的像素强度信息的第一数据，并且
使用所述至少一个处理后的图像来确定提供所述给定参考区域的像素强度信息的第一数据。
4.根据权利要求3所述的系统，其中对所有候选缺陷计算所述至少一个处理后的图像一次。
5.根据权利要求1所述的系统，其中：
所述提供所述给定参考区域的像素强度信息的第二数据和所述提供每个给定第一参考区域的像素强度信息的第二数据使用以下中的至少一个来确定：
所述参考图像，或者
一个或多个第二处理过的图像，所述第二处理过的图像是通过利用对以下至少一部分进行滤波而获得的：
所述参考图像，或者
使用所述参考图像生成的图像。
6.根据权利要求1所述的系统，其中：
所述提供所述给定参考区域的像素强度信息的第二数据包括提供所述给定参考区域的一个或多个像素信息的参考拼片，
对于每个给定第一参考区域：
所述提供所述给定第一参考区域的像素强度信息的第二数据包括提供所述给定第一参考区域的一个或多个像素信息的拼片，并且
其中所述系统被构造成用以将所述给定第一参考区域的所述拼片与所述参考拼片进行比较。
7.根据权利要求6所述的系统，被构造成用以：
选择所述参考拼片的有限像素子集，并且
对于每个给定第一参考区域，将提供所述参考拼片的所述有限像素子集的像素强度信息的数据与提供所述给定第一参考区域的所述拼片中对应像素的像素强度信息的数据进行比较。
8.根据权利要求7所述的系统，其中选择所述有限像素子集包括以下至少一项：
选择所述图像中对应像素与高于阈值的像素强度相关联的像素，或者
选择所述图像中对应像素与高于阈值的缺陷存在概率相关联的像素。
9.根据权利要求1所述的系统，其中对于每个给定候选缺陷，在所述第一参考区域中选择所述第二参考区域比在整个所述参考图像中选择所述第二参考区域的计算效率更高。
10.根据权利要求1所述的系统，其中对于每个给定第一参考区域，所述提供所述给定第一参考区域的像素强度信息的第一数据不同于所述提供所述给定第一参考区域的像素强度信息的第二数据。
11.根据权利要求1所述的系统，被构造成用以对于多个候选缺陷中的每个给定候选缺陷：
---对于多个候选缺陷中的每个给定候选缺陷，获得：
Ο由检查工具获取的所述半导体样品的第一图像中的所述给定候选缺陷的第一给定区域，以及
Ο由所述检查工具获取的所述半导体样品的第二图像中的所述给定候选缺陷的第二给定区域，其中所述第二图像与所述第一图像在至少一个参数上不同，
---执行以下操作中的至少一个：
Ο仅当所述候选像素在所述第一图像中满足相关性准则时才使用所述第一图像确定所述候选缺陷是否是一个缺陷，或者
Ο仅当所述候选像素在所述第二图像中满足相关性准则时才使用所述第二图像确定所述候选缺陷是否是一个缺陷。
12.一种半导体样品的检查方法，所述方法包括：由处理器和存储器电路(PMC)：
---对于由检查工具获取的所述半导体样品的图像中的多个候选缺陷中的每个给定候选缺陷，获得所述图像中所述给定候选缺陷的给定区域，
---获得参考图像，
---对所述参考图像的至少一部分进行分割，所述分割包括：对于每个给定候选缺陷：
Ο根据对应性准则，获得所述参考图像中与所述图像中的所述给定候选缺陷的所述给定区域对应的给定参考区域，
Ο根据第一相似性准则，确定所述参考图像中的第一参考区域，其中
对于每个给定第一参考区域，提供所述给定第一参考区域的像素强度信息的第一数据匹配提供所述给定参考区域的像素强度信息的第一数据，
---对于每个给定候选缺陷：
Ο对于每个给定第一参考区域，将提供所述给定第一参考区域的像素强度信息的第二数据与提供所述给定参考区域的像素强度信息的第二数据进行比较，
Ο根据第二相似性准则，在所述第一参考区域中选择多个第二参考区域，对于所述第二参考区域而言所述比较指示是匹配的，
Ο根据所述对应性准则，获得所述图像中的多个第二区域，其中每个给定第二区域对应于所述第二参考区域中的一个第二参考区域，以及
Ο使用提供所述第二区域的像素强度信息的数据和提供所述给定区域的像素强度信息的数据来确定所述给定候选缺陷是否对应于一个缺陷。
13.根据权利要求12所述的方法，其中对于每个给定候选缺陷，所述第二参考区域的数量小于所述第一参考区域的数量。
14.根据权利要求12所述的方法，包括：
对所述图像应用至少一个滤波器以获得至少一个处理后的图像；
对于每个给定第一参考区域，使用所述至少一个处理后的图像来确定提供所述给定第一参考区域的像素强度信息的第一数据，并且
使用所述至少一个处理后的图像来确定提供所述给定参考区域的像素强度信息的第一数据。
15.根据权利要求14所述的方法，其中对所有候选缺陷计算所述至少一个处理后的图像一次。
16.根据权利要求12所述的方法，包括：
所述提供所述给定参考区域的像素强度信息的第二数据包括提供所述给定参考区域的一个或多个像素信息的参考拼片，
对于每个给定第一参考区域：
所述提供所述给定第一参考区域的像素强度信息的第二数据包括提供所述给定第一参考区域的一个或多个像素信息的拼片，并且
其中所述方法包括将所述给定第一参考区域的所述拼片与所述参考拼片进行比较。
17.根据权利要求16所述的方法，包括：
选择所述参考拼片的有限像素子集，
对于每个给定第一参考区域，将提供所述参考拼片的所述有限像素子集的像素强度信息的数据与提供所述给定第一参考区域的所述拼片中对应像素的像素强度信息的数据进行比较。
18.根据权利要求17所述的方法，其中选择所述有限像素子集包括以下至少一项：
选择所述图像中对应像素与高于阈值的像素强度相关联的像素，或者
选择所述图像中对应像素与高于阈值的缺陷存在概率相关联的像素。
19.根据权利要求12所述的方法，包括：对于多个候选缺陷中的每个给定候选缺陷：
---对于多个候选缺陷中的每个给定候选缺陷，获得：
Ο由检查工具获取的所述半导体样品的第一图像中的所述给定候选缺陷的第一给定区域，
Ο由所述检查工具获取的所述半导体样品的第二图像中的所述给定候选缺陷的第二给定区域，其中所述第二图像与所述第一图像在至少一个参数上不同，
---执行以下操作中的至少一个：
Ο仅当所述候选像素在所述第一图像中满足相关性准则时才使用所述第一图像确定所述给定候选缺陷是否是一个缺陷，或者
Ο仅当所述候选像素在所述第二图像中满足相关性准则时才使用所述第二图像确定所述候选缺陷是否是一个缺陷。
20.一种非暂时性计算机可读介质，包括指令，当由处理器和存储器电路(PMC)执行所述指令时，使得所述PMC执行包括以下操作的操作：
---对于由检查工具获取的所述半导体样品的图像中的多个候选缺陷中的每个给定候选缺陷，获得所述图像中所述给定候选缺陷的给定区域，
---获得参考图像，
---对所述参考图像的至少一部分进行分割，所述分割包括：对于每个给定候选缺陷：
Ο根据对应性准则，获得所述参考图像中与所述图像中的所述给定候选缺陷的给定区域对应的给定参考区域，
Ο根据第一相似性准则，确定所述参考图像中的第一参考区域，其中
对于每个给定第一参考区域，提供所述给定第一参考区域的像素强度信息的第一数据匹配提供所述给定参考区域的像素强度信息的第一数据，
---对于每个给定候选缺陷：
Ο对于每个给定第一参考区域，将提供所述给定第一参考区域的像素强度信息的第二数据与提供所述给定参考区域的像素强度信息的第二数据进行比较，
Ο根据第二相似性准则，在所述第一参考区域中选择多个第二参考区域，对于所述第二参考区域而言所述比较指示是匹配的，
Ο根据所述对应性准则，获得所述图像中的多个第二区域，其中每个给定第二区域对应于所述第二参考区域中的一个第二参考区域，以及
Ο使用提供所述第二区域的像素强度信息的数据和提供所述给定区域的像素强度信息的数据来确定所述给定候选缺陷是否对应于一个缺陷。
CN202211688390.7A 2021-12-29 2022-12-27 利用计算高效分割方法的缺陷检测 Pending CN116364569A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/565,273 US20230206417A1 (en) 2021-12-29 2021-12-29 Detection of defects using a computationally efficient segmentation approach
US17/565,273 2021-12-29

Publications (1)

Publication Number Publication Date
CN116364569A true CN116364569A (zh) 2023-06-30

Family

ID=86896863

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211688390.7A Pending CN116364569A (zh) 2021-12-29 2022-12-27 利用计算高效分割方法的缺陷检测

Country Status (2)

Country Link
US (1) US20230206417A1 (zh)
CN (1) CN116364569A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230267598A1 (en) * 2022-02-23 2023-08-24 Applied Materials Israel Ltd. Gray level ratio inspection

Also Published As

Publication number Publication date
US20230206417A1 (en) 2023-06-29

Similar Documents

Publication Publication Date Title
US11526979B2 (en) Method of defect classification and system thereof
US8331651B2 (en) Method and apparatus for inspecting defect of pattern formed on semiconductor device
US10853932B2 (en) Method of defect detection on a specimen and system thereof
JP5981838B2 (ja) 検査画像内の欠陥を検出するためのシステム、方法及びコンピュータプログラム製品
US10290087B2 (en) Method of generating an examination recipe and system thereof
JP4095860B2 (ja) 欠陥検査方法及びその装置
US10957034B2 (en) Method of examination of a specimen and system thereof
CN112424826A (zh) 基于机器学习的图案分组方法
KR20220012217A (ko) 반도체 시편에서의 결함들의 기계 학습 기반 분류
US20150332445A1 (en) Defect observation method and defect observation device
US20070177787A1 (en) Fault inspection method
US8699784B2 (en) Inspection recipe generation and inspection based on an inspection recipe
US20060078188A1 (en) Method and its apparatus for classifying defects
US9235885B2 (en) System, a method and a computer program product for patch-based defect detection
WO2014168884A1 (en) Adaptive sampling for semiconductor inspection recipe creation, defect review, and metrology
US12007335B2 (en) Automatic optimization of an examination recipe
US11592400B2 (en) System, method and computer program product for object examination
US10460434B2 (en) Method of defect detection and system thereof
CN116364569A (zh) 利用计算高效分割方法的缺陷检测
US11035803B1 (en) Multi-perspective examination of a specimen
CN113919276A (zh) 在半导体样本中的阵列的识别
Chun et al. Wafer particle inspection technique using computer vision based on a color space transform model
CN113947561B (zh) 半导体样本的图像分割
Pak et al. A Study on Defect Inspection System using Efficient Thresholding Method
Pak et al. The implementation of defect detector using efficient thresholding method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication