JP2000194864A - Pattern defect classification device - Google Patents

Pattern defect classification device

Info

Publication number
JP2000194864A
JP2000194864A JP10374715A JP37471598A JP2000194864A JP 2000194864 A JP2000194864 A JP 2000194864A JP 10374715 A JP10374715 A JP 10374715A JP 37471598 A JP37471598 A JP 37471598A JP 2000194864 A JP2000194864 A JP 2000194864A
Authority
JP
Japan
Prior art keywords
pattern
image
defect
model
region
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
JP10374715A
Other languages
Japanese (ja)
Inventor
Masayuki Inoguchi
Hirotoshi Kodama
裕俊 児玉
正幸 猪口
Original Assignee
Jeol Ltd
Nippon Denshi System Technology Kk
日本電子システムテクノロジー株式会社
日本電子株式会社
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 Jeol Ltd, Nippon Denshi System Technology Kk, 日本電子システムテクノロジー株式会社, 日本電子株式会社 filed Critical Jeol Ltd
Priority to JP10374715A priority Critical patent/JP2000194864A/en
Publication of JP2000194864A publication Critical patent/JP2000194864A/en
Application status is Pending legal-status Critical

Links

Abstract

PROBLEM TO BE SOLVED: To automatically discriminate whether a defect is a short (short- circuit), open (disconnection) or the defect of contamination deposition (dust) in the case that the defect is present on a pattern formed on an inspected body surface. SOLUTION: This defect classification device is provided with an inspected body pattern extracted image storage device CM1c for storing an inspected body pattern extracted image which is the image for which only a pattern actually formed by an element for forming the area of a prescribed pattern is extracted from the inspected body image of a prescribed range including a defective part, a model pattern extracted image storage device CM2c for storing a model pattern extracted image which is the image for which only the prescribed pattern area is extracted from a model image corresponding to the image part of the inspected body surface for which the inspected body pattern extracted image is prepared and extracted, and an automatic pattern defect discrimination means C3 for automatically discriminating the kind of the pattern defect of the inspected body pattern defective part based on the inspected body pattern extracted image and the model pattern extracted image.

Description

【発明の詳細な説明】 DETAILED DESCRIPTION OF THE INVENTION

【0001】 [0001]

【発明の属する技術分野】本発明はLSI等の製造過程において、所定パターンが形成されたシリコンウエハー等の被検査ウエハ表面またはマスク表面に生じた欠陥を検査するパターン欠陥分類装置に関し、特に、前記被検査ウエハ表面の欠陥が前記所定パターンにどのような種類の異常を発生させる欠陥であるかを自動的に判別できるようにしたパターン欠陥分類装置に関する。 The present invention relates in the manufacturing process, such as LSI, relates pattern defect classification apparatus for inspecting defects generated inspected wafer surface or mask surface such as a silicon wafer on which a predetermined pattern is formed, in particular, the a pattern defect classification apparatus that whether defect inspection wafer surface are defective for generating any kind of abnormality in the predetermined pattern can be determined automatically.

【0002】 [0002]

【従来の技術】前記LSIが高集積化されるにつれて、 BACKGROUND OF THE INVENTION As the LSI is highly integrated,
前記LSIの製造過程における欠陥検査にSEM(走査型電子顕微鏡)が用いられるようになった。 SEM defect inspection in a manufacturing process of the LSI now (scanning electron microscope) is used. また、SE In addition, SE
Mで撮像した電子顕微鏡画像を元に、欠陥の種類を分類し、分類結果を用いて様々な解析が試みられるようになった。 Based on the electron microscope image taken by M, to classify the type of defect, a variety of analysis came to be attempted with the classification result.

【0003】従来の欠陥検査装置として次の技術(J0 [0003] The following technologies (J0 as a conventional defect inspection apparatus
1)が知られている。 1) it is known. (J01)特開平10−135288号公報記載の技術 この公報には、被検査ウエハ表面の欠陥を検査して、欠陥の形状、大きさ等に応じて前記欠陥を分類し、その被検査ウエハ表面の欠陥の形状、大きさ、位置等の情報と、前記欠陥のSEM画像(走査電子顕微鏡画像)とをデータベース化して記憶する欠陥分類装置が記載されている。 (J01) Technically this publication Hei 10-135288 JP, by inspecting defects of the inspected wafer surface, the shape of the defect to classify the defect in accordance with the size and the like, the inspected wafer surface the shape of the defect, the size, and the information such as the position, SEM image (scanning electron microscope image) and defect classification system for database and storing the defect is described.

【0004】 [0004]

【発明が解決しようとする課題】(前記(J01)の問題点)しかしながら、前記従来技術(J01)には、パターン欠陥の種類を自動的に判別する技術については記載されていない。 [Problems that the Invention is to Solve] (wherein (J01) Problems) However, the in the prior art (J01), there is no description of automatically discriminating technology types pattern defects. LSI等の製造過程では、配線パターン等が形成されたシリコンウエハー表面の欠陥検査が行われるが、前記配線パターンの欠陥がオープン(断線)であるかまたはショート(短絡)であるかが自動的に判別できれば、配線パターンの欠陥発生の原因の解明や欠陥発生の防止を容易に行えるようになると考えられる。 In the manufacturing process of the LSI or the like, but the defect inspection of the surface of a silicon wafer on which a wiring pattern or the like is formed is made, either automatically defect of the wiring pattern is an open (disconnected) as or short circuit if determination is considered to become easily prevention of elucidation defects cause of defects of the wiring patterns. 前記配線パターンの欠陥がオープン(断線)であるかまたはショート(短絡)であるかは、前記配線パターンの実パターン(実際に形成されたパターン形状)を検出し、前記実パターンを前記配線パターンの所定パターン(定められたパターン形状)と比較することにより、自動的に判別できるようになる。 Said or defect of the wiring pattern is open or short is (disconnection) (short-circuit) to detect the actual pattern (actually formed pattern shape) of the wiring pattern, the actual pattern of the wiring pattern by comparing with a predetermined pattern (defined pattern shape), it becomes possible to automatically determine. したがって、前記配線パターンの欠陥がオープン(断線)であるかまたはショート(短絡)であるかを自動的に判別するためには、前記配線パターンの実パターン(実際に形成されたパターン形状) Therefore, in order to defect of the wiring pattern to determine whether an open a wire break or short circuit automatically, the actual pattern (actually formed pattern shape) of the wiring pattern
を知る必要がある。 There is a need to know.

【0005】本発明は、前述の事情に鑑み、下記の記載内容(O01)〜(O04)を課題とする。 [0005] The present invention has been made in view of the above circumstances, an object of the description below (O01) ~ (O04). (O01)表面に所定パターンが形成された被検査体表面に欠陥が有る場合に、その欠陥が前記所定パターンのショート(短絡)を引き起こす欠陥であるか否かを自動的に判別できるようにすること。 (O01) when the defect is in the inspection object surface on which a predetermined pattern is formed on the surface, so that whether or not defect the defect causes a short circuit (short-circuit) of the predetermined pattern can be determined automatically about. (O02)表面に所定パターンが形成された被検査体表面に欠陥が有る場合に、その欠陥が前記所定パターンのオープン(断線)を引き起こす欠陥であるか否かを自動的に判別できるようにすること。 (O02) when the defect is in the inspection object surface on which a predetermined pattern is formed on the surface, so that whether or not defect the defect causes an open (break) of the predetermined pattern can be determined automatically about. (O03)欠陥領域のパターン欠陥の種類が異物付着の欠陥(ダスト)であるか否かを自動的に判別すること。 (O03) whether the automatically determined to be the kind of pattern defects in the defect area is a defect foreign matter (dust). (O04)表面に所定パターンが形成された被検査体表面に欠陥が有る場合に、前記欠陥が有る部分の被検査体表面上に前記所定パターンを形成すべき要素が実際に形成しているパターン(すなわち、実パターン)を抽出すること。 If the defect is in the inspection object surface on which a predetermined pattern is formed on the (O04) surface elements to form the predetermined pattern on the object to be inspected on the surface of the portion where the defect is present it is actually formed pattern (i.e., the actual pattern) extracting.

【0006】 [0006]

【課題を解決するための手段】次に、前記課題を解決した本発明を説明するが、本発明の説明において本発明の構成要素の後に付記したカッコ内の符号は、本発明の構成要素に対応する後述の実施例の構成要素の符号である。 Then SUMMARY OF THE INVENTION The present invention is described which has solved the above problems, the reference numerals in parentheses and appended after the components of the present invention in the description of the present invention, the components of the present invention is the sign of the components of which will be described later corresponding example. なお、本発明を後述の実施例の構成要素の符号と対応させて説明する理由は、本発明の理解を容易にするためであり、本発明の範囲を実施例に限定するためではない。 The reason will be described with the present invention in correspondence with the sign of the components of an embodiment described below is for the purpose of facilitating the understanding of the present invention, not to limit the scope of the present invention in the Examples.

【0007】(本発明)前記課題を解決するために、本発明のパターン欠陥分類装置は、下記の要件を備えたことを特徴とする、(A01)所定パターンを形成すべき要素が実際に形成された被検査体表面に対して予め行った検査で発見された欠陥領域の画像を含む被検査体画像を記憶する被検査体画像記憶装置(CM1a)と、前記被検査体表面の欠陥領域の位置を含む被検査体欠陥情報を記憶した被検査体欠陥情報記憶装置(CM1b)と、前記欠陥領域を含む所定範囲の被検査体画像から前記所定パターンの領域を形成する要素が実際に形成するパターンのみを抽出した画像の外形の特定が可能な被検査体パターン抽出画像を記憶する被検査体パターン抽出画像記憶装置(CM1c)とを有する被検査体情報記憶装置(CM [0007] To solve the (present invention) the object, the pattern defect classification apparatus of the present invention is characterized in that it comprises the following requirements, (A01) elements actually formed to form the predetermined pattern the object to be inspected image storage device (CM 1) for storing the inspection object image including an image of the defects found regions in advance examination conducted with respect to the inspection object surface, the defect region of the inspection surface and position the object to be inspected defect information storage device that stores inspection object defect information including (CM1b), elements forming a region of the predetermined pattern from the inspection object image in a predetermined range including the defect region is actually formed inspection object information storage device having a pattern only the inspection object pattern extracted image storage device identified for storing the inspection object pattern extracted image available outline of an image obtained by extracting the (CM1c) (CM
1)、(A02)前記被検査体パターン抽出画像を作成抽出した被検査体表面の画像部分に対応するモデル画像から前記所定パターン領域のみを抽出した画像の外形の特定が可能なモデルパターン抽出画像を記憶するモデルパターン抽出画像記憶装置(CM2c)、(A03)前記被検査体パターン抽出画像と前記モデルパターン抽出画像とに基づいて前記被検査体表面の欠陥領域のパターン欠陥の種類を自動的に判別するパターン欠陥自動判別手段(C3)。 1), (A02) the inspection object pattern extracted image creation extracted predetermined pattern region only allows certain outline of the extracted image model pattern extraction image from a model image corresponding to the image portion of the object to be inspected surface model pattern extraction image storage device for storing (CM2c), (A03) the type of pattern defect of a defective area of ​​said inspection surface on the basis of said model pattern extraction image and the object to be inspected pattern extraction image automatically discrimination pattern defect automatic determination means (C3).

【0008】前記「モデル画像」は、前記「被検査体」 [0008] The "model image", the "object to be inspected."
の欠陥検査の目的で前記「被検査体表面の画像部分」と比較するために使用する画像を意味する。 It means an image used to in the interest of defect inspection compared to the "image portion of the object to be inspected surface". 例えば前記「被検査体」が被検査ウエハ上の1個のチップである場合には、前記「モデル画像」として次の画像を使用することが可能である。 For example the if the "test subject" is one chip on the inspected wafer, it is possible to use the next image as the "model image". (1)検査するチップと同一形状のチップであって、予め検査して欠陥が無いことが分かっているチップの画像。 (1) test to a chip of the chip the same shape, the chip image of which are known to have no defects in advance inspection. (2)ウエハ上に複数形成されたチップの中のいずれか1個のチップを検査する場合、前記検査するチップの隣のチップの画像。 (2) When checking any single chip of the plurality forming chips on a wafer, next to the chip image of the chip to the test. 前記(1),(2)のいずれの場合においても、被検査体表面の画像部分に前記モデル画像と異なる部分が有れば、その部分を欠陥と見なしてパターン欠陥分類を行うことができる。 Wherein (1), in any of (2), if there is the model image with different portions in the image portion of the object to be inspected surface, a pattern can be defect classification considers that part as a defect.

【0009】前記被検査体パターン抽出画像記憶装置(CM1c)が記憶する「被検査体パターン抽出画像」 [0009] The inspection object pattern extraction image storage device (CM1c) stores "test subject pattern extraction image"
は、抽出した画像そのもの、または抽出した画像の外形を特定可能なデータを意味するものとする。 It is intended to mean a possible specific data the outline of the extracted image itself or the extracted image,. 前記モデルパターン抽出画像記憶装置(CM2c)が記憶する「モデルパターン抽出画像」は、抽出した画像そのもの、または抽出した画像の外形を特定可能なデータを意味するものとする。 The model pattern extraction image storage device (CM2c) stores "model pattern extraction image" is intended to mean the extracted image itself or extracted data capable of specifying the outline of the image.

【0010】前記本発明のパターン欠陥分類装置において、被検査体としてはウエハ、ウエハ上のチップ、または露光用のマスク等を使用可能である。 [0010] In pattern defect classification apparatus of the present invention, it is possible to use a mask or the like for the wafer, the wafer on a chip or exposure, as the object to be inspected. また、被検査体画像およびモデル画像は光学顕微鏡またはSEM(走査型電子顕微鏡)等で撮像した画像を使用することができる。 Furthermore, the inspection object image and the model image can be used an image captured by an optical microscope or SEM (scanning electron microscope) or the like. 例えば、被検査体が被検査ウエハであり、SEMで撮像した画像を被検査体画像またはモデル画像として使用する場合、被検査体画像は被検査ウエハSEM画像であり、被検査体画像記憶装置(CM1a)は、被検査ウエハSEM画像記憶装置である。 For example, the inspection object is inspected wafer, when using the image captured by the SEM as the inspection object image or the model image, the inspection object image is to be inspected wafer SEM pictures, the inspection object image storage device ( CM 1) is a wafer to be inspected SEM image storage device. また、モデル画像はモデルウエハSEM画像であり、モデル画像記憶装置(CM Further, the model image is a model wafer SEM image, the model image memory (CM
2a)はモデルウエハSEM画像記憶装置である。 2a) is a model wafer SEM image storage device. また、 Also,
パターン欠陥分類装置は、光学顕微鏡またはSEM等の制御コンピュータや、前記制御コンピュータにネットワークで接続されたネットワーク接続コンピュータ等により構成することが可能である。 Pattern defect classification apparatus, and a control computer, such as an optical microscope or SEM, it is possible to configure the network connection computer or the like connected via a network to the control computer.

【0011】前記パターン欠陥分類装置を前記制御コンピュータにより構成した場合には、前記パターン欠陥分類装置は、前記被検査体画像またはモデル画像等を作成する機能を持つことができる。 [0011] When the pattern defect classification apparatus was constituted by the control computer, the pattern defect classification system may have the ability to create the inspection object image or the model image and the like. その場合、前記欠陥パターン分類装置は、次の手段を有するように構成することができる。 In that case, the defect pattern classification apparatus may be configured to have the following means. (1)被検査体画像作成手段(被検査体表面に対して予め行った検査で発見された欠陥領域の画像を含む被検査体画像を作成する手段)(C0a)。 (It means for creating a test subject image including an image of the defects found area performed in advance examinations on an inspected surface) (1) the test subject image generating means (C0a). (2)被検査ウエハ欠陥情報作成手段(前記欠陥領域の詳細検査を行い、詳細検査結果(欠陥領域を含む所定領域内の、欠陥の位置、形状、大きさ、欠陥のID番号等)を記憶装置に記憶させる手段)(C0b)。 (2) performs a detailed inspection of the inspected wafer defect information preparing means (the defective area, in the predetermined region including the detailed inspection results (defective area, position of the defect, the shape, size, stores the ID number, etc.) of the defect means for storing device) (C0b). (3)モデル画像作成手段(被検査体と同一の所定パターンが形成された欠陥の無いモデル表面の画像を作成する手段)(C0c)。 (3) the model image creating means (means for creating an image of a model without surface defects that same predetermined pattern and the object to be inspected have been formed) (C0c). 前記パターン欠陥分類装置を前記ネットワーク接続コンピュータ(DIFSサーバ等の欠陥情報分類、蓄積用のコンピュータ)により構成した場合には、前記パターン欠陥分類装置は、前記(1), Wherein a pattern defect classification device networked computer (DIFS server or the like defect information classification, a computer for storage) when configured by, the pattern defect classification device (1),
(2)の機能を持つことができないので、前記被検査体画像およびモデル画像をネットワークを介して受信して記憶する手段を有するように構成することができる。 It can not have the function of (2), can be configured to have a means for receiving and storing via the network the inspection object image and the model image.

【0012】なお、次の手段(4)〜(6)の機能は、 [0012] It should be noted that the function of the following means (4) to (6),
パターン欠陥分類装置を前記ネットワーク接続コンピュータまたは前記制御コンピュータのどちらで構成した場合でも、前記パターン欠陥分類装置に持たせることが可能である。 Even when a pattern defect classifier is constituted by either of the network connection computer or the control computer, it is possible to provide the pattern defect classification device. (4)被検査体パターン抽出画像作成手段(前記欠陥領域を含む所定範囲の被検査体画像から前記所定パターンの領域を形成する要素が実際に形成するパターンのみを抽出した画像の外形の特定が可能な被検査体パターン抽出画像を作成する手段)(C1a)。 (4) it is determined from the inspection object image in a predetermined range of the outline of an image obtained by extracting only the pattern in which the elements forming a region having a predetermined pattern is actually formed including an inspection object pattern extracted image creating means (the defective area It means for creating a device under test pattern extraction image available) (C1a). (5)モデルパターン抽出画像作成手段(被検査体パターン抽出画像を作成抽出した被検査体表面の画像部分に対応するモデル画像から前記所定パターン領域のみを抽出した画像の外形の特定が可能なモデルパターン抽出画像を作成する手段)(C2b)。 (5) model pattern extracting image creating unit (inspection object pattern extracted image that allows the creation extracted outline of an image obtained by extracting only the predetermined pattern region from a model image corresponding to the image portion of the object to be inspected specific surface model means for creating a pattern extracted image) (C2b). (6)欠陥領域抽出画像作成手段(被検査体画像から欠陥領域のみを抽出した画像の外形を特定する欠陥領域抽出画像を作成する手段)(C1b)。 (6) the defect region extraction image creating means (means for creating a defective region extraction image to identify the outline of an image obtained by extracting only defect area from the inspection object image) (C1b). 例えば、パターン欠陥分類装置を前記ネットワーク接続コンピュータで構成した場合、前記パターン欠陥分類装置は、前記手段(3)〜(5)の機能を省略して、その代わりにに、前記手段(3)〜(5)の機能を有するコンピュータで作成された被検査体パターン抽出画像、モデルパターン抽出画像、および欠陥領域抽出画像を受信して記憶する手段を設けることが可能である。 For example, if a pattern defect classification device is constituted by the network connection computer, the pattern defect classification device is omitted the function of said means (3) to (5), the Instead, it said means (3) to (5) the inspection object pattern extracted image created function on a computer having a model pattern extraction image, and defect area extracted image received by the can be provided with means for storing.

【0013】(本発明の作用)前記構成を備えた本発明のパターン欠陥分類装置では、被検査ウエハ情報記憶装置(CM1)は、被検査体画像記憶装置(CM1a)と被検査体欠陥情報記憶装置(CM1b)と被検査体パターン抽出画像記憶装置(CM1c)とを有する。 [0013] In pattern defect classification apparatus of the present invention having the above structure (the action of the present invention), the inspection wafer information storage device (CM1) is the object to be inspected defect information storage and the inspection object image storage device (CM 1) apparatus and (CM1b) and a device under test pattern extraction image storage device (CM1c). 前記被検査体画像記憶装置(CM1a)は、所定パターンを形成すべき要素が実際に形成された被検査体表面を走査型電子顕微鏡または光学顕微鏡等で撮像した画像である被検査体画像であって予め行った検査で発見された表面欠陥領域を含む前記被検査体画像を記憶する。 The inspection object image storage device (CM 1) is a in the inspection object image is an image obtained by imaging the inspection object surface elements to form a predetermined pattern is actually formed by a scanning electron microscope or optical microscope It said storing inspection object image containing a pre-surface defective area found in tests conducted Te. 前記被検査体欠陥情報記憶装置(CM1b)は、前記被検査体表面の欠陥領域の位置を含む被検査体欠陥情報を記憶する。 The test subject defect information storage device (CM1b) stores inspection object defect information including a position of the defective area of ​​the inspection surface. 被検査体パターン抽出画像記憶装置(CM1c)は、前記欠陥領域を含む所定範囲の被検査体画像から前記所定パターンの領域を形成する要素が実際に形成するパターンのみを抽出した画像の外形の特定が可能な被検査体パターン抽出画像を記憶する。 The inspection object pattern extraction image storage device (CM1c) is identified from the inspection object image in a predetermined range of the outline of an image obtained by extracting only the pattern in which the elements forming a region having a predetermined pattern is actually formed including the defective area storing inspection object pattern extracted image capable.

【0014】モデル情報記憶装置(CM2)のモデルパターン抽出画像記憶装置(CM2c)は、前記被検査体パターン抽出画像を作成抽出した被検査体表面の画像部分に対応するモデル画像から前記所定パターン領域のみを抽出した画像の外形の特定が可能なモデルパターン抽出画像を記憶する。 [0014] model pattern extraction image storage device model information storage device (CM2) (CM2c), the predetermined pattern region from a model image corresponding to the image portion of the object to be inspected surface created extracted inspection object pattern extracted image only certain of the outline of the extracted image is stored model patterns extracted image as possible. なお、前記被検査体パターン抽出画像およびモデルパターン抽出画像は他の装置(被検査体検査用の光学顕微鏡またはSEM(走査型電子顕微鏡) Incidentally, the test subject pattern extraction image and the model pattern extracted image other device (an optical microscope or SEM for the inspection object inspection (scanning electron microscope)
等)により作成した画像をネットワークで受信して記憶したり、パターン欠陥分類装置自身が作成して記憶したりすることが可能である。 And stores the image created by the like) is received by the network, the pattern defect classification apparatus itself is capable of and stores created. パターン欠陥自動判別手段(C3)は、前記被検査体パターン抽出画像と前記モデルパターン抽出画像とに基づいて前記被検査体表面の欠陥領域のパターン欠陥の種類を自動的に判別する。 Pattern defects automatic determination means (C3) automatically determines the type of pattern defect of a defective area of ​​the inspection surface based the on and said model pattern extraction image and the object to be inspected pattern extraction image.

【0015】 [0015]

【実施の形態】(実施の形態1)本発明のパターン欠陥分類装置の実施の形態1は、前記本発明において下記の要件(A04)を備えたことを特徴とする、(A04)前記被検査体と同一の所定パターンが形成された欠陥の無いモデル表面の画像を記憶するモデル画像記憶装置(CM Embodiment 1 of the embodiment (Embodiment 1) pattern defect classification apparatus of the present invention is characterized in that the with the following requirements (A04) in the present invention, (A04) the inspection model image storage device for storing the image of the body and the same predetermined pattern formed without defects model surface (CM
2a)を有するモデル情報記憶装置(CM2)、 2a) model information storage device having (CM2),

【0016】(実施の形態1の作用)前記構成を備えた本発明のパターン欠陥分類装置の実施の形態1では、モデル情報記憶装置(CM2)は、モデル画像記憶装置(CM2a)を有する。 [0016] In the first embodiment of the pattern defect classification apparatus of the present invention having the (action Embodiment 1) In the above configuration, the model information storage device (CM2) comprises a model image storage device (CM2a). モデル画像記憶装置(CM2a) Model image storage device (CM2a)
は、前記被検査体と同一の所定パターンが形成された欠陥の無いモデル表面の画像を記憶する。 Stores an image of the model without surface defects, wherein the same predetermined pattern as the object to be inspected have been formed. 前記モデル画像からは、前記所定パターン領域のみを抽出した画像の外形の特定が可能なモデルパターン抽出画像を作成しすることが可能であり、作成した前記モデルパターン抽出画像は、前記モデルパターン抽出画像記憶装置(CM2c) From the model image, the predetermined pattern region only certain of the outline of the extracted image is possible to create a model pattern extraction image available, the model pattern extraction image is created, the model pattern extraction image storage device (CM2c)
で記憶することが可能である。 In may be stored.

【0017】(実施の形態2)本発明のパターン欠陥分類装置の実施の形態1は、前記本発明または本発明の実施の形態1において下記の要件(A05),(A06)を備えたことを特徴とする、(A05)前記欠陥領域を含む所定範囲の被検査体画像から前記所定パターンの領域を形成する要素が実際に形成するパターンのみを抽出した画像の外形の特定が可能な被検査体パターン抽出画像を作成する被検査体パターン抽出画像作成手段(C1a)、 [0017] Embodiment 1 of the pattern defect classification apparatus of the present invention (Embodiment 2), the present invention or the following requirements in the first embodiment of the present invention (A05), further comprising a (A06) wherein, (A05) the test subject identified possible outline of the image from the inspection object image obtained by extracting only the pattern which the elements forming a region having a predetermined pattern is actually formed in a predetermined range including the defect region the inspection object pattern extracted image generating means for generating a pattern extraction image (C1a),
(A06)前記被検査体パターン抽出画像を作成抽出した被検査体表面の画像部分に対応するモデル画像から前記所定パターン領域のみを抽出した画像の外形の特定が可能なモデルパターン抽出画像を作成するモデルパターン抽出画像作成手段(C2b)。 (A06) said to create a model pattern extraction image available a particular profile of an image obtained by extracting only the predetermined pattern region from a model image corresponding to the image portion of the object to be inspected surface created extracted inspection object pattern extracted image model pattern extracting image creating means (C2b).

【0018】(実施の形態2の作用)前記構成を備えた本発明のパターン欠陥分類装置の実施の形態2では、被検査体パターン抽出画像作成手段(C1a)は、前記欠陥領域を含む所定範囲の被検査体画像から前記所定パターンの領域を形成する要素が実際に形成するパターンのみを抽出した画像の外形の特定が可能な被検査体パターン抽出画像を作成する。 [0018] In the second embodiment of the pattern defect classification apparatus of the present invention having the above configuration (action of the second embodiment), the test subject pattern extraction image creating means (C1a) is a predetermined range including the defect region identified from the inspection object image of the outline of an image obtained by extracting only the pattern in which the elements forming a region having a predetermined pattern is actually formed to create a device under test pattern extraction image possible. モデルパターン抽出画像作成手段(C2b)は、前記被検査体パターン抽出画像を作成抽出した被検査体表面の画像部分に対応するモデル画像から前記所定パターン領域のみを抽出した画像の外形の特定が可能なモデルパターン抽出画像を作成する。 Model pattern extracting image creating means (C2b) is available the specific from the model image of the outline of an image obtained by extracting only the predetermined pattern region corresponding to the image portion of the object to be inspected surface created extracted inspection object pattern extracted image to create a model pattern extraction image. なお、前記作成した被検査体パターン抽出画像およびモデルパターン抽出画像は前記被検査体パターン抽出画像記憶装置(CM1c)およびモデルパターン抽出画像記憶装置(C Incidentally, the test subject pattern extraction image and the model pattern extracted image the created the inspection object pattern extraction image storage device (CM1c) and the model pattern extraction image storage device (C
M2c)に記憶される。 M2c) is stored in.

【0019】(実施の形態3)本発明のパターン欠陥分類装置の実施の形態3は、前記本発明または本発明の実施の形態1もしくは2において下記の要件(A07)を備えたことを特徴とする、(A07)前記被検査体画像から欠陥領域のみを抽出した画像の外形を特定する欠陥領域抽出画像を記憶する欠陥領域抽出画像記憶装置(CM1 The third embodiment of the pattern defect classification apparatus of the present invention (Embodiment 3), and wherein in embodiment 1 or 2 of the present invention or with the following requirements (A07) to, (A07) the inspection object image defect region extraction image storage unit for storing the defective region extraction image to identify the outline of an image obtained by extracting only defect area from the (CM1
d)を有する前記被検査体情報記憶装置(CM1)、 Said having d) the inspection object information storage device (CM1),

【0020】(実施の形態3の作用)前記構成を備えた本発明のパターン欠陥分類装置の実施の形態3では、前記被検査体情報記憶装置(CM1)は、前記被検査体画像から欠陥領域のみを抽出した画像の外形を特定する欠陥領域抽出画像を記憶する欠陥領域抽出画像記憶装置(CM1d)を有する。 [0020] In the third embodiment of the pattern defect classification apparatus of the present invention having the above configuration (action of the third embodiment), the test subject information storage device (CM1) the defect area from the inspection object image only the extracted defect region extraction image storage unit for storing the defective region extraction image to identify the outline of the image having (CM1d). 前記欠陥領域抽出画像記憶装置(CM1d)に記憶された欠陥領域抽出画像を用いることにより、前記欠陥領域のパターン欠陥の種類がオープン(断線)である異物付着の欠陥(ダスト)であるか否か等の判別を行うことが可能となる。 The use of the defective area extraction image storage device (CM1d) stored in the defect region extraction image, whether the type of pattern defect of the defective area is an open defect in adhesion of foreign matter is (disconnection) (Dust) it is possible to discriminate the like.

【0021】(実施の形態4)本発明のパターン欠陥分類装置の実施の形態4は、前記本発明または本発明の実施の形態1もしくは3において下記の要件(A08)を備えたことを特徴とする、(A08)前記被検査体パターン抽出画像と前記モデルパターン抽出画像とに基づいて前記欠陥領域がパターンのショート(短絡)であるか否かを判別するパターンショート自動判別手段(C3a)を有する前記パターン欠陥自動判別手段(C3)。 The fourth embodiment of the pattern defect classification device (Embodiment 4) The present invention includes the feature that in Embodiment 1 or 3 of the above invention or having the following requirements (A08) to have a (A08) the pattern short automatic determination means for the defective area on the basis of said model pattern extraction image and the object to be inspected pattern extraction image it is determined whether or not a short pattern (short) (C3a) the pattern defect automatic determination means (C3).

【0022】(実施の形態4の作用)前記構成を備えた本発明のパターン欠陥分類装置の実施の形態4では、前記パターン欠陥自動判別手段(C3)のパターンショート自動判別手段(C3a)は、前記被検査体パターン抽出画像と前記モデルパターン抽出画像とに基づいて前記欠陥領域がパターンのショート(短絡)であるか否かを判別する。 [0022] Pattern Short automatic discrimination means in the fourth embodiment of the pattern defect classification apparatus of the present invention having the (Embodiment effects of the fourth embodiment) the structure, the pattern defect automatic determination means (C3) (C3a) is wherein the defective area on the basis of said model pattern extraction image and the object to be inspected pattern extraction image it is determined whether or not a short pattern (short circuit).

【0023】(実施の形態5)本発明のパターン欠陥分類装置の実施の形態5は、前記本発明の実施の形態3または4において下記の要件(A09)を備えたことを特徴とする、(A09)前記被検査体パターン抽出画像と前記モデルパターン抽出画像と前記欠陥領域抽出画像とに基づいて前記欠陥領域のパターン欠陥の種類がオープン(断線)であるか否かを判別するパターンオープン自動判別手段(C3b)を有する前記パターン欠陥自動判別手段(C3)。 The fifth embodiment of the pattern defect classification apparatus of the present invention (Embodiment 5) is characterized in that in the third or fourth embodiment of the present invention having the following requirements (A09), ( A09) the pattern open automatic determination of the type of pattern defect of the defective area on the basis of and the device under test pattern extracted image said model pattern extraction image and the defective region extraction image it is determined whether or not an open (break) the pattern defect automatic discrimination means comprises means (C3b) (C3).

【0024】(実施の形態5の作用)前記構成を備えた本発明のパターン欠陥分類装置の実施の形態5では、前記パターン欠陥自動判別手段(C3)のパターンオープン自動判別手段(C3b)は、前記被検査体パターン抽出画像と前記モデルパターン抽出画像と前記欠陥領域抽出画像とに基づいて前記欠陥領域のパターン欠陥の種類がオープン(断線)であるか否かを判別する。 [0024] Pattern Open automatic discrimination means in the fifth embodiment of the pattern defect classification apparatus of the present invention having the (Embodiment effects of the fifth embodiment) In the above configuration, the pattern defect automatic determination means (C3) (C3b) are the type of pattern defect of the defective area on the basis of and the device under test pattern extracted image said model pattern extraction image and the defective region extraction image it is determined whether or not an open (disconnected).

【0025】(実施の形態6)本発明のパターン欠陥分類装置の実施の形態6は、前記本発明の実施の形態3ないし5のいずれかにおいて下記の要件(A010)を備えたことを特徴とする、(A010)前記被検査体パターン抽出画像と前記モデルパターン抽出画像と前記欠陥領域抽出画像とに基づいて前記欠陥領域のパターン欠陥の種類が異物付着の欠陥(ダスト)であるか否かを判別するダスト判別手段(C3c)を有する前記パターン欠陥自動判別手段(C3)。 [0025] Embodiment 6 of the pattern defect classification device (Embodiment 6) The present invention includes, comprising the following requirements (A010) in any preceding third embodiment of the present invention 5 to, whether or not (A010) the type of pattern defect of the defective area on the basis of and the device under test pattern extracted image said model pattern extraction image and the defective region extraction image of foreign matter defects (dust) the pattern defect automatic discrimination means having a dust determination means (C3c) to determine (C3).

【0026】(実施の形態6の作用)前記構成を備えた本発明のパターン欠陥分類装置の実施の形態6では、前記パターン欠陥自動判別手段(C3)のダスト判別手段(C3c)は、前記被検査体パターン抽出画像と前記モデルパターン抽出画像と前記欠陥領域抽出画像とに基づいて前記欠陥領域のパターン欠陥の種類が異物付着の欠陥(ダスト)であるか否かを判別する。 [0026] In the sixth embodiment of the pattern defect classification apparatus of the present invention having the above configuration (action Embodiment 6), the pattern defect dust discriminating means of the automatic determining means (C3) (C3c), said to be type of pattern defect of the defective area on the basis of the inspection pattern extraction image and the model pattern extraction image and the defective region extraction image it is determined whether or not a defect foreign matter (dust).

【0027】(実施の形態7)本発明のパターン欠陥分類装置の実施の形態7は、前記本発明または本発明の実施の形態1ないし6のいずれかにおいて下記の要件(A The seventh embodiment of the pattern defect classification apparatus of the present invention (Embodiment 7), the present invention with or without a first embodiment of the present invention to the following in any one of the 6 requirements (A
011)を備えたことを特徴とする、(A011)前記被検査体画像またはモデル画像上の前記所定パターンの領域を形成する要素を他の領域を形成する要素に対して区別するためのパターン抽出用データを記憶するパターン抽出用データ記憶装置(CM2b)。 Characterized by comprising a 011), (A011) pattern extraction for distinguishing the elements forming region of the predetermined pattern on the inspected object image or model image for elements to form other regions pattern extraction data storage device for storing the use data (CM2B).

【0028】(実施の形態7の作用)前記構成を備えた本発明のパターン欠陥分類装置の実施の形態7では、パターン抽出用データ記憶装置(CM2b)は、前記モデルパターン抽出画像上の前記所定パターンの領域を形成する要素を、他の領域を形成する要素に対して区別するためのパターン抽出用データを記憶する。 [0028] In Embodiment 7 of the pattern defect classification apparatus of the present invention having the above configuration (action Embodiment 7), pattern extraction data storage device (CM2B), the predetermined on the model pattern extraction image the elements forming the area of ​​the pattern, and stores the pattern extraction data for distinguishing for the element to form other regions. したがって、前記パターン抽出用データ記憶装置(CM2b)に記憶されたパターン抽出用データを用いることにより、前記被検査体パターン抽出画像作成手段(C1a)は、前記被検査体画像から、前記被検査体パターン抽出画像を容易に抽出し作成することができ、また、モデルパターン抽出画像作成手段(C2b)は、前記モデル画像から、前記モデルパターン抽出画像を容易に抽出し作成することができる。 Accordingly, by using the pattern extraction data stored in the pattern extraction data storage device (CM2B), the inspection object pattern extracted image creating means (C1a) is from said test subject image, the object to be inspected the pattern extraction image can be created easily extracted, also model pattern extracting image creating means (C2b) from said model image, the model pattern extraction image can be created easily extracted.

【0029】なお、前記抽出画像を作成する被検査体パターン抽出画像作成手段(C1a)またはモデルパターン抽出画像作成手段(C2b)は、次の2つの手段のいずれかを採用することが可能である。 [0029] Incidentally, the test subject pattern extraction image generating means for generating an extracted image (C1a) or model pattern extracting image creating means (C2b) is capable of adopting one of two means . (1)パターン抽出用データが同じ領域を直接抽出する手段。 (1) means for pattern extraction data extracted the same region directly. (2)パターン抽出用データが同じでない領域を抽出することにより、結果的には抽出されなかった領域を抽出する手段。 (2) by the pattern extracting data extracts an area not the same, the result means for extracting the not extracted region.

【0030】(実施の形態8)本発明のパターン欠陥分類装置の実施の形態8は、前記本発明の実施の形態7において下記の要件(A012)を備えたことを特徴とする、(A012)前記被検査体画像またはモデル画像上の前記所定パターンの領域の画像の特徴を前記パターン抽出用データとして記憶する前記パターン抽出用データ記憶装置(CM2b)。 The eighth embodiment of the pattern defect classification apparatus of the present invention (Embodiment 8) is characterized by comprising the following requirements (A012) in the seventh embodiment of the present invention, (A012) wherein said pattern extraction data storage device for storing the characteristics of the image of the region of the predetermined pattern on the inspected object image or model image as the pattern extraction data (CM2B). 前記画像の特徴としては輝度、テクスチャ、エッジ(微分信号)、輝度勾配、等を採用することが可能である。 Luminance as the feature of the image, a texture, edges (differential signal), it is possible to employ the luminance gradient and the like.

【0031】(実施の形態8の作用)前記構成を備えた本発明のパターン欠陥分類装置の実施の形態8では、前記パターン抽出用データ記憶装置(CM2b)は、前記被検査体画像またはモデル画像上の前記所定パターンの領域の画像の特徴を前記パターン抽出用データとして記憶する。 [0031] In Embodiment 8 of the pattern defect classification apparatus of the present invention having the above configuration (action Embodiment 8), the pattern extraction data storage device (CM2B), the inspection object image or the model image It stores the feature of the image of the region of the predetermined pattern of the upper as the pattern extraction data. したがって、前記パターン抽出用データ記憶装置(CM2b)に記憶されたパターン抽出用データ(画像の特徴を示すデータ、輝度、テクスチャ等)を用いることにより、前記被検査体パターン抽出画像作成手段(C1 Thus, the pattern extracting data storage device (CM2B) to stored pattern extracted data (data indicating the feature of the image, luminance, texture, etc.) is used, the test subject pattern extraction image creating means (C1
a)は、前記欠陥領域を含む所定範囲の被検査体画像から、前記輝度の特徴が同じ領域を抽出して、前記実パターンのみを抽出した画像の外形の特定が可能な被検査体パターン抽出画像を作成する。 a), said from the inspection object image in a predetermined range including a defective area, wherein the luminance extracts the same area, the actual pattern can only be certain of the outline of the extracted image a device under test pattern extraction to create the image. また、前記モデルパターン抽出画像作成手段(C2b)は、前記欠陥領域を含む所定範囲に対応するモデル画像から、前記輝度の特徴が同じ領域を抽出して、前記実パターンのみを抽出した画像の外形の特定が可能なモデルパターン抽出画像を作成する。 Further, the model pattern extracting image creating means (C2b) from the model image corresponding to a predetermined range including the defective area, and wherein the luminance is extracted the same area, the outer shape of the image obtained by extracting only the real pattern particular to create a model pattern extraction image possible.

【0032】 [0032]

【実施例】次に図面を参照しながら、本発明のパターン欠陥分類装置の具体例(実施例)のを説明するが、本発明は以下の実施例に限定されるものではない。 With reference to EXAMPLES now to the drawings, it will be explained that the specific example of the pattern defect classification apparatus of the present invention (Examples), the present invention is not limited to the following examples. (実施例1)図1は本発明のパターン欠陥分類装置の実施例1の全体説明図である。 (Example 1) FIG. 1 is an overall view of a first embodiment of a pattern defect classification apparatus of the present invention. 図1において、SEM(Sc In FIG. 1, SEM (Sc
anning Electoron Microscope、走査型電子顕微鏡)、光学式の異物検査装置1、光学式の欠陥検査装置2、光学式レビュー装置、情報蓄積用のDIFS(Defe Anning Electron Microscope, scanning electron microscope), particle inspection apparatus 1 of the optical defect inspection apparatus 2 optical, optical review apparatus, DIFS for information storage (Defe
ct Image Filing System)サーバ、およびCIM(Conp ct Image Filing System) server, and CIM (Conp
uter Integrated Manufacturing、製造装置制御用のホストコンピュータ)等はネットワーク(例えば、Ethern uter Integrated Manufacturing, host computer) or the like for production equipment control network (e.g., EtherN
et)Nで接続されている。 It is connected by et) N. 前記SEMの制御装置であるSEMCは、CPU、ROM、RAM、I/O等を有するコンピュータにより構成され、前記SEMCにはディスプレイDS、メモリMe、キーボードK等が接続されている。 Wherein the control apparatus for an SEM SEMC is, CPU, ROM, RAM, is configured by a computer having an I / O or the like, wherein the SEMC display DS, memory Me, keyboard K or the like is connected. また、前記図1において、異物検査装置1、欠陥検査装置2、およびDIFSサーバ4等も、ディスプレイD、メモリMe、キーボードK等が接続されたコンピュータにより構成され、コンピュータのメモリに記憶されたプログラムにより種々の処理を行うように構成されている。 Further, in FIG. 1, the foreign matter inspection apparatus 1, the defect inspection apparatus 2, and DIFS also server 4 or the like, a display D, the memory Me, is constituted by a computer keyboard K or the like is connected, a program stored in a memory of a computer It is configured to perform various processes by. 前記光学式の異物検査装置1、光学式の欠陥検査装置2は市販の装置であり、実施例1では予備検査装置(1,2)として使用されている。 The foreign substance inspection apparatus 1 of the optical defect inspection apparatus 2 optical is a commercially available device, and is used as a preliminary inspection apparatus in the first embodiment (1, 2).

【0033】前記光学式の各検査装置1,2の機能は次のとおりである。 The functions of the inspection apparatuses 1 and 2 of the optical is as follows. (1)異物検査装置1:異物検査装置1は、パターン無しの被検査ウエハ上の異物(塵など)を自動的に検出し、異物の位置およびサイズをファイルする機能(整理して記憶する機能)および前記ファイルされた結果、すなわち予備検査情報をDIFSサーバ4に送信する機能を有している。 (1) foreign matter inspection device 1: the particle inspection apparatus 1 automatically detects the foreign object on the inspected wafer (such as dust) without pattern, stores the position and size of the foreign matter functions file (organized to function ) and the files have been a result, that has a function of transmitting the pre-test information to the DIFS server 4. (2)欠陥検査装置2:欠陥検査装置2は、パターン付またはパターン無しの被検査ウエハ上の異物あるいはパターン欠陥を自動的に検出し、欠陥の立置およびサイズをファイルする機能および前記ファイルされた結果、すなわち予備検査情報をDIFSサーバ4に送信する機能を有している。 (2) the defect inspection apparatus 2: defect inspection apparatus 2, a foreign object or pattern defects on the inspected wafer without patterned or pattern automatically detects the features and the file to file Tatsu置 and size of the defect result, i.e. has a function of transmitting the pre-test information to the DIFS server 4.

【0034】(3)光学式レビュー装置3:光学式レビュー装置3は、光学顕微鏡により構成されており、前記異物検出装置1または欠陥検査装置2から得られる予備検査情報をもとに各異物や欠陥を観察する装置であり、 [0034] (3) Optical Review 3: optical review device 3 is constituted by an optical microscope, the foreign substance Ya based on the preliminary examination information obtained from the foreign object detecting device 1 or the defect inspection apparatus 2 an apparatus for observing a defect,
光学式顕微鏡により撮像した被検査ウエハの画像を予備検査情報としてDIFSサーバ4に送信する機能を有している。 DIFS has a function of transmitting to the server 4 the image of the inspected wafer captured as a preliminary examination information by an optical microscope. またレビューした結果を分類し、分類結果を予備検査情報としてDIFSサーバ4へ送信することもできる。 The classifies the results of the review, the classification results can also be sent as a preliminary examination information to the DIFS server 4.

【0035】前記予備検査情報ファイルには、製品番号、ロット、被検査ウエハID、工程、製造装置、日付、等の他に、異物や欠陥の個数、被検査ウエハ上の位置、分類コードおよびサイズなどが記憶される。 [0035] The preliminary test information file, product number, lot, wafer to be inspected ID, process, manufacturing device, the date, in addition to an equal number of foreign matter and defect, the position on the inspected wafer, classification code and size etc. are stored. 前記予備検査情報ファイルに記憶された予備検査情報は、例えば、図2に示すように表示可能である。 Preliminary examination information stored in the pre-test information file, for example, can be displayed as shown in FIG. 図2は予備検査情報の表示例を示す図であり、図2Aは被検査ウエハである被検査ウエハの外形および被検査ウエハ上の異物位置または欠陥位置を示す図、図2Bは異物番号または欠陥番号#0,#1,…とその位置、大きさ等の情報を表形式で示す図である。 Figure 2 is a diagram showing a display example of a preliminary examination information, FIG. 2A illustrates a foreign object position or a defect position on the outer shape and the inspected wafer to be inspected wafer is inspected wafer, FIG. 2B is foreign matter number or defects numbers # 0, # 1, ... and its position is a diagram showing information such as the size in a tabular format.

【0036】前記予備検査情報により、被検査ウエハの製造工程の欠陥発生状況や傾向を把握することが可能である。 [0036] By the preliminary examination information, it is possible to grasp the defect occurrence and trends in the inspection wafer manufacturing process. このため、歩留管理システムでは、異物情報ファイルや欠陥情報ファイル等の予備検査情報ファイルが必要不可欠となっている。 Therefore, the yield management system, pre-check information file, such as foreign substance information files and the defect information file is indispensable. 前記予備検査装置(1,2)によって得られた前記予備検査情報ファイル(異物情報ファイルおよび欠陥情報ファイル)は、それぞれ異物検査装置1または欠陥検査装置2の付属のコンピュータまたは前記DIFSサーバ4に記憶される。 Wherein the preliminary test information file obtained by the preliminary inspection device (1, 2) (foreign substance information file and the defect information file) are each particle inspection apparatus 1 or the accessory of the defect inspection apparatus 2 computer or the DIFS server 4 in the storage It is.

【0037】(4)DIFSサーバ4:DIFSサーバ4は、前記予備検査装置(1,2)から送信された予備検査情報を分類して記憶する機能、およびSEMから送信される、欠陥画像、欠陥に関する種々の情報、欠陥の分類情報等のSEM検査情報(検査結果、SEMに装着されたEDSによるX線分析結果等を含む)を記憶する。 [0037] (4) DIFS server 4: DIFS server 4 has a function of classifying and storing pre-test information transmitted from the pre-inspection device (1, 2), and is transmitted from the SEM, the defect image, a defect various information relating to, SEM examination information (examination results, including X-ray analysis or the like by EDS mounted on SEM) such as the classification information of the defect storing. また、DIFSサーバ4は、他の装置からのデータ要求信号に応じて要求されたデータを送信する機能を有する。 Also, DIFS server 4 has a function of transmitting the data requested in response to a data request signal from another device. DIFSサーバ4で予備検査情報を管理することにより、各検査装置毎に予備検査情報を保存する必要がなくなり、予備検査情報管理(バックアップや整理、削除など)が容易になり、SEMで必要とする予備検査情報を個別の検査装置ごとに探さなくても、DIFSデータベース(被検査ウエハ情報データベース)の検索により容易に取り出すことができる。 By managing pretest information DIFS server 4, it is not necessary to store the pre-test information for each inspection apparatus, pre-test information management (backup and organize, delete) is facilitated, required by SEM without find a preliminary examination information for each individual test device, it can be easily taken out by the search for DIFS database (inspection wafer information database).

【0038】(5)SEM:実施例1の詳細検査装置であるSEM(Scanning Electoron Maicroscope、走査型電子顕微鏡)はSEM本体、SEMC(SEM Contr [0038] (5) SEM: a detailed inspection apparatus of Embodiment 1 SEM (Scanning Electoron Maicroscope, scanning electron microscope) are SEM body, SEMC (SEM Contr
oler、SEMのコントローラ)により構成されている。 Oler, and is configured by a controller) of the SEM.
前記SEMCは、ネットワークNに接続されており、前記ネットワークNに接続された異物検査装置1、欠陥検査装置2、DIFSサーバ4、CIMとの間で情報の送受信を行う機能を有している。 The SEMC is connected to the network N, the network N is connected to a foreign substance inspection apparatus 1 has a function of transmitting and receiving information to and from the defect inspection apparatus 2, DIFS server 4, CIM. 前記SEMCは、SEM The SEMC is, SEM
により撮像した画像を表示するディスプレイD1を有している。 And a display D1 for displaying an image captured by. 前記SEMにはEDS(Energy Dispersive X- Said the SEM EDS (Energy Dispersive X-
ray Spectrometer、エネルギー分散X線分光装置)が装着されている。 ray Spectrometer, energy dispersive X-ray spectrometer) is attached. EDSは、試料から発生する特性X線を検出し、微小領域中に含まれている元素の定性、定量分析を行う装置である。 EDS detects the characteristic X-rays generated from the sample, is a device which performs qualitative and quantitative analysis of elements contained in minute regions.

【0039】前記SEMは、被検査ウエハ等の被検査体ウエハの詳細な欠陥検査を行う際には、検査する被検査ウエハの予備検査情報(前記異物検査装置1および欠陥検査装置2で検査して得られた情報)を前記DIFSサーバ4から読み込んで、各異物や欠陥を選択し、ステージを予備検査情報に記載されている位置へ移動し、観察する。 [0039] The SEM is, when performing a detailed defect inspection of the device under test wafers such as wafer to be inspected is preliminary examination information of the inspected wafer to inspect (and examined by the foreign substance inspection apparatus 1 and the defect inspection apparatus 2 information) obtained Te read from the DIFS server 4, select each foreign matter and defect, to move to the position that is described stage the preliminary examination information, is observed. 前記DIFSサーバ4で予備検査情報を管理することにより、予備検査情報が作成された被検査ウエハをSEMで検査する際、SEMの検査に必要な予備検査情報を、DIFSサーバから読み込むことができる。 By managing pretest information by the DIFS server 4, when inspecting a wafer to be inspected for the preliminary examination information is created by SEM, a preliminary examination information necessary for inspection of SEM, it can be read from DIFS server. したがって、たとえば予めセットしたウエハーカセットのデバイス名称、ロット番号、またはカセットIDを入力するだけで、自動的にSEMに必要な予備検査情報を読み込むことができる。 Thus, for example, the device name of the preset wafer was cassettes, by simply entering the lot number or the cassette ID,, it can be automatically read pretest information required for SEM. SEMCにより、自動欠陥分類が行われたら、取り込んだ画像(欠陥画像)、欠陥情報と共に分類情報をDIFS(Defect Image Filing System) The SEMC, After the automatic defect classification is performed, the captured image (defect image), the classification information with the defect information DIFS (Defect Image Filing System)
サーバ4へ、ネットワークNを通じて転送する。 The server 4, and transfers via the network N. 転送された情報はDIFSサーバ4で記憶され、管理される。 Transferred information is stored in the DIFS server 4 is managed.

【0040】(SEMの構成)図3は本発明のパターン欠陥検査分類システムの一実施例で使用するSEM(走査型電子顕微鏡)およびSEMC(SEMコントローラ)等の全体説明図である。 [0040] (Configuration of SEM) FIG. 3 is an overall view of such SEM used (scanning electron microscope) and SEMC (SEM controller) in one embodiment of the pattern defect inspection classification system of the present invention. 図4は同SEMおよびSE Figure 4 is the same SEM and SE
MCの全体斜視図である。 It is an overall perspective view of MC. 図3、図4において、SEM In FIGS. 3 and 4, SEM
(走査型電子顕微鏡)は、真空試料室Aを形成する外壁6の上壁部7に支持されている。 (Scanning electron microscope) is supported by the upper wall 7 of the outer wall 6 to form a vacuum sample chamber A. 前記真空試料室A内には外壁6の底壁8上にXYステージSTが支持されている。 XY stage ST is supported on the bottom wall 8 of the outer wall 6 to the vacuum sample chamber A. XYステージSTはY移動テーブルSTy、X移動テーブルSTx、回転テーブルSTrを有している。 XY stage ST has Y moving table STy, X moving table STx, the rotary table STr. 前記回転テーブルSTr上には図3に示す試料(ウエハ)W Sample shown in FIG. 3 on the rotary table STr (wafer) W
が支持される。 There is support. 外壁6の右側壁部9にはXYステージ制御機構や真空ポンプ等を収容する作動部材収容室Bが配置されている。 The right side wall portion 9 of the outer wall 6 actuating member accommodating chamber B is disposed to accommodate the XY stage control mechanism and a vacuum pump or the like. 前記作動部材収容室Bの右側にはSEM SEM on the right side of the operation member accommodating chamber B
C(SEMコントローラ)が配置されている。 C (SEM controller) is disposed. SEMC SEMC
は、電子顕微鏡画像用ディスプレイD1およびSEMに内蔵された光学像撮像装置の光学像表示用ディスプレイD2、電源スイッチ、自動視野調整ボタン、撮影ボタン(図6参照)等を有するUI(ユーザインタフェース) Is, UI having optical-image display for display D2 of the optical image capturing device incorporated in the electron microscope image for display D1 and SEM, a power switch, automatic field adjustment button, a photographing button (see FIG. 6), etc. (User Interface)
を備えている。 It is equipped with a.

【0041】図4において、前記真空試料室Aの形成する外壁6の後壁部(−X側の壁部)10外側には試料交換室Eおよびカセット収納室Fが配置されている。 [0041] In FIG. 4, the vacuum sample chamber wall (wall portion on the -X side) 10 specimen-exchange chamber to the outside E and the cassette containing chamber F of the outer wall 6 forming the A is located. 前記真空試料室A、試料交換室E、およびカセット収納室F The vacuum sample chamber A, specimen-exchange chamber E, and cassette accommodation chamber F
はいずれも真空ポンプ(図示せず)に接続されており、 Both are connected to a vacuum pump (not shown),
所定のタイミングで真空にされる。 It is evacuated at a predetermined timing. 前記真空試料室Aと試料交換室Eとの間および、試料交換室Eとカセット収納室Fとの間には、それぞれ連通口および前記連通口を気密に遮断または連通させる仕切弁(図示せず)が設けられている。 Wherein between the vacuum sample chamber A and the sample exchange chamber E and between the specimen-exchange chamber E and the cassette containing chamber F are not each communication port and gate valve to communicate blocks or communicates the communication port airtight (shown ) it is provided. そして試料交換室E内に配置された試料搬送装置11により、前記カセット収納室A内のウエハカセットKおよび前記真空試料室Aの試料ステージST間でウエハ(試料)Wの搬送が行われる。 Then the sample transfer device 11 arranged in the specimen-exchange chamber E, a wafer (sample) W conveyed in is performed between the sample stage ST wafer cassette K and the vacuum sample chamber A of the cassette storage chamber A. SEMは、DI SEM is, DI
FSサーバ4から読出した前記予備検査情報をもとにして、検査を行うことができる。 The preliminary examination information read from FS server 4 based on, can be inspected. また図6において、前記SEMCには前記EDS(Energy Dispersive X-raySpe In FIG. 6, wherein the said SEMC EDS (Energy Dispersive X-raySpe
ctrometer、エネルギー分散X線分光装置)が接続されている。 Ctrometer, energy dispersive X-ray spectrometer) is connected. EDSは、図6に示すように、SEMCに接続されており、SEMCの制御信号により作動し、その検出信号は、SEMCに入力されている。 EDS, as shown in FIG. 6, is connected to the SEMC, actuated by a control signal SEMC, the detection signal is inputted to SEMC.

【0042】前記図2Aに示すように被検査ウエハ上の欠陥番号および欠陥位置は予め分かっているので、前記SEMは、前記図2Bに示す予備検査情報の欠陥番号# [0042] Since the defect number and the defect position on the inspected wafer as shown in FIG. 2A is previously known, the SEM is defective number of preliminary examination information shown in FIG. 2B #
0,#1,…に応じた欠陥を含む所定領域SEM画像を撮像して記憶する。 0, # 1, and stores the image a predetermined region SEM image containing the defect in accordance with .... SEMのこのような機能は従来公知(参考例:特開平10−135288号公報)である。 Such functions known SEM: a (reference example JP-A 10-135288 JP).

【0043】図5はSEMの従来の欠陥検査機能の説明図で、図5Aは被検査ウエハ上の欠陥位置およびチップ位置(ICチップの位置)を示す図で、図5Bはチップ上の欠陥の位置および前記欠陥を含む所定領域(SEM [0043] Figure 5 is a diagram of a conventional defect inspection function of SEM, Figure 5A is a diagram showing a defect position and the chip position on the inspected wafer (the position of the IC chip), Fig. 5B is a defect on the chip position and a predetermined area (SEM including the defect
画像を撮像する領域)を示す図、図5Cは図5Bの欠陥を含む所定領域のSEM画像を示す図、図5Dは前記図5Bに示すチップと同一パターンのチップであって欠陥の無いサンプルチップおよびサンプルチップの前記図5 Shows a region) for capturing an image, Figure 5C is no sample chips view showing an SEM image of a predetermined area, Figure 5D defect a chip having the same pattern as the chip shown in FIG. 5B having defects in FIG 5B FIG 5 and sample chips
Bに示す欠陥を含む所定領域と同一領域を示す図、図5 It shows a predetermined region in the same region including the defect shown in B, fig. 5
Eは図5Dの所定領域のSEM画像を示す図である。 E is a diagram showing an SEM image of a predetermined area of ​​Fig. 5D. 前記被検査ウエハ上のチップ(ICチップ)の位置は、図5Aに示すように分かっている。 The position of the chip on the inspected wafer (IC chip) is known as shown in Figure 5A. また図5Aに示すように、各チップの基準のx,y座標(#1の欠陥ではx In addition, as shown in FIG. 5A, x of the reference of each chip, y coordinates (x in defects # 1
0,y0、#1の欠陥ではx1,y1)は既知である。 0, y0, x1, y1 in the defect # 1) are known. したがって、前記欠陥番号#0の欠陥はチップ番号0の基準座標x0,y0に対してどの位置であるかは算出できる。 Thus, the defect of the defect number # 0 is either any position with respect to the reference coordinates x0, y0 of the chip number 0 can be calculated.

【0044】図5Bに示すように、欠陥番号#0の欠陥を含む所定領域のSEM画像は、例えば図5Cに示すような配線パターンを有する画像である。 As shown in FIG. 5B, SEM image of a predetermined area including the defect of the defect number # 0 is an image having a wiring pattern as shown in Figure 5C, for example. このSEM画像は、チップ番号と、そのチップ上の前記基準位置(x The SEM image, a chip number, the reference position on the chip (x
0,y0)を原点とする座標位置とに対応させてSEMC 0, y0) to correspond to the coordinate position as the origin and SEMC
またはDIFSサーバ4に記憶される。 Or DIFS stored in the server 4. 同様にして、欠陥番号#1,#2,…の欠陥を含む所定領域のSEM画像も、それぞれのチップ番号と、各チップの基準位置を原点とする座標位置とに対応させてSEMCまたはDI Similarly, the defect number # 1, # 2, and SEM image of a predetermined area including a ... defects, to correspond to the respective chip number, a coordinate position of the origin the reference position of the chip SEMC or DI
FSサーバ4に記憶される。 It is stored in the FS server 4.

【0045】また、図5Dは前記欠陥の無いチップ(モデルチップ)を示す図であり、このモデルチップはその全領域のSEM画像がモデルウエハSEM画像として、 Further, Figure 5D is a diagram showing a chip (model chips) without the defect, this model chip is SEM image of the entire region as a model wafer SEM image,
予め撮像され、SEMCおよびDIFSサーバ4に記憶される。 It is captured in advance and stored in the SEMC and DIFS server 4. したがって、SEMCまたはDIFSサーバ4 Therefore, SEMC or DIFS server 4
に記憶されたモデルウエハSEM画像から、前記図5B From the stored model wafer SEM image, FIG. 5B
の欠陥番号#0の欠陥を含む所定領域に対応する欠陥の無い領域のSEM画像(モデル画像)を読出すことができる。 Defect number # 0 of the area without a corresponding defect in a predetermined region including the defect SEM image (model image) can be read. 前記欠陥番号#0の欠陥を含む所定領域に対応するモデルウエハSEM画像は図5Eに示されており、図5Eは所定のパターンのみの画像であり、欠陥の無い画像である。 The defect number # 0 Model wafer SEM image corresponding to a predetermined area including the defect is shown in Figure 5E, Figure 5E is an image of only a predetermined pattern, which is not an image defect.

【0046】(実施例1の制御部の説明)図6はSEM [0046] (control description of portions of Embodiment 1) FIG. 6 is SEM
C本来の機能および本発明のパターン欠陥分類装置の実施例1のプログラムにより実現される機能のブロック図である。 Is a block diagram of functions realized by the program of the first embodiment of the pattern defect classification apparatus C original function and the present invention. 図6において、前記SEMCは、外部との信号の入出力および入出力信号レベルの調節等を行うI/O 6, the SEMC is, I / O for regulating the like of the input and output and the input-output signal level of the signal with the outside
(入出力インターフェース)、必要な処理を行うためのプログラムおよびデータ等が記憶されたROM(リードオンリーメモリ)、必要なデータを一時的に記憶するためのRAM(ランダムアクセスメモリ)、前記ROMに記憶されたプログラムまたはハードディスクからRAM (Output interface), required processing ROM (read only memory) program and data, etc. are stored for performing, RAM for temporarily storing the required data (random access memory), the ROM in the memory RAM from the program or a hard disk
にロードされたプログラムに応じた処理を行うCPU Processing CPU to perform in accordance with the loaded program to
(中央演算処理装置)、ならびにクロック発振器、ハードディスク等の記憶装置を有するコンピュータにより構成されており、前記ハードディスクに記憶されたプログラムを実行することにより種々の機能を実現することができる。 (Central processing unit), and the clock oscillator is configured by a computer having a storage device such as a hard disk, it is possible to realize various functions by executing a program stored in the hard disk. すなわち、SEMCおよびパターン欠陥分類装置のプログラムは次の機能を有している。 That is, the program of SEMC and pattern defect classification device has the following functions.

【0047】C0:SEMCが本来有する手段 実施例1のSEMCは本来、被検査ウエハSEM画像作成手段C0a、被検査ウエハ欠陥情報作成手段C0b、モデルウエハSEM画像作成手段C0cを有している。 [0047] C0: original SEMC is SEMC means Example 1 having originally has to be inspected wafer SEM image creating device C0a, inspected wafer defect information preparing means C0b, a model wafer SEM image creating unit C0c. C0a:被検査ウエハSEM画像作成手段 被検査ウエハSEM画像作成手段C0aは、前記予備検査装置(1,2)で検出した被検査ウエハの欠陥の予備検査装置上のxy座標位置をSEMの座標位置に変換して、前記被検査ウエハ上の欠陥領域をSEMの検査位置に移動させ、被検査ウエハSEM画像(被検査体画像) C0a: inspection wafer SEM image creating device to be inspected wafer SEM image creating device C0a the coordinate position of the SEM the xy coordinate position on the preliminary inspection apparatus for defect inspection wafer said detected by the preliminary inspection device (1, 2) It is converted to the move the defective area on the inspected wafer inspection position of the SEM, the inspection wafer SEM image (inspection object image)
を作成(撮像)する手段を有している。 It has means for creating (imaging) a. C0b:被検査ウエハ欠陥情報作成手段(被検査体欠陥情報作成手段)被検査ウエハ欠陥情報作成手段C0bは、前記欠陥領域の詳細検査を行い、詳細検査結果(欠陥領域を含む所定領域内の、欠陥の位置、形状、大きさ、欠陥のID番号等) C0b: inspected wafer defect information preparing means (object to be inspected defect information creating means) to be inspected wafer defect information preparing means C0b performs detailed inspection of the defective area, inspection results (within a predetermined area including the defective area information, position of the defect, the shape, size, ID number of defects)
を記憶装置に記憶させる機能を有している。 It has the function to be stored in the storage device. C0c:モデルウエハSEM画像作成手段 モデルウエハSEM画像作成手段C0cは、被検査ウエハと同一の所定パターンが形成された欠陥の無いモデルウエハ表面のICチップ1個分を走査して前記ICチップ1個分のSEM画像であるモデルウエハSEM画像を作成する。 C0c: Model wafer SEM image creating device model wafer SEM image creating unit C0c is one wherein the IC chip by scanning one minute IC chip model without wafer surface defect in which the same predetermined pattern and the inspected wafer is formed to create a model wafer SEM image, which is a minute of the SEM image.

【0048】C1,CM1,C2,CM2,C3:(パターン欠陥分類装置のプログラムの機能) 実施例1のパターン欠陥分類装置のプログラムは、被検査ウエハ情報作成手段C1、被検査ウエハ情報記憶装置CM1、モデルウエハ情報作成手段C2、モデルウエハ情報記憶装置CM2、およびパターン欠陥自動判別手段C3 [0048] C1, CM1, C2, CM2, C3 :( pattern functions program defect classification system) program of the pattern defect classification apparatus of the first embodiment, the inspection wafer information creating means C1, inspected wafer information storage device CM1 , model wafer information creating means C2, model wafer information storage device CM2, and the pattern defect automatic discrimination means C3
を有している。 have. C1:被検査ウエハ情報作成手段 被検査ウエハ情報作成手段C1は、被検査ウエハパターン抽出画像作成手段C1a、および、欠陥領域画像(AD C1: inspected wafer information creating unit to be inspected wafer information creating unit C1, to be inspected wafer pattern extracting image creating unit C1a, and a defect region image (AD
FCT)抽出手段C1b等を有している。 FCT) has an extraction unit C1b, and the like.

【0049】C1a:被検査ウエハパターン抽出画像作成手段(被検査体パターン抽出画像作成手段) 被検査ウエハパターン抽出画像作成手段C1aは、前記欠陥領域を含む所定範囲の被検査ウエハSEM画像から前記パターン抽出用データにより、前記所定パターンの領域を形成する要素が実際に形成する実パターンを抽出した画像の外形を特定する被検査ウエハパターン抽出画像を作成する。 [0049] C1a: inspected wafer pattern extracting image creating device (inspection object pattern extracted image forming means) to be inspected wafer pattern extracting image creating unit C1a, said from the inspection wafer SEM image of a predetermined range including the defect region pattern the extraction data to create a wafer to be inspected pattern extraction image to identify the outline of an image obtained by extracting the real pattern elements forming a region of the predetermined pattern is actually formed. C1b:欠陥領域画像抽出手段(ADFCT抽出手段) 欠陥領域画像抽出手段C1bは、前記詳細検査結果から、 C1b: defect area image extracting unit (ADFCT extracting means) defect area image extracting unit C1b from the detailed test result,
欠陥領域のみを抽出した画像の外形を特定する欠陥領域抽出画像を抽出する機能を有している。 And it has a function of extracting a defect region extraction image to identify the outline of an image obtained by extracting only the defective area.

【0050】CM1:被検査ウエハ情報記憶装置(被検査ウエハ情報記憶装置) 被検査ウエハ情報記憶装置CM1は、前記被検査ウエハ情報作成手段C1による被検査ウエハの欠陥の検査結果や、前記予備検査装置(1,2)で検出した被検査ウエハの欠陥情報(位置情報、サイズ情報等)を記憶する装置で、被検査ウエハSEM画像記憶装置(被検査体画像記憶装置)CM1a、被検査ウエハ欠陥情報記憶装置CM [0050] CM1: inspected wafer information storage device (inspection wafer information storage device) to be inspected wafer information storage device CM1, the test results and the defect of the wafer to be inspected by the inspection wafer information creating means C1, the preliminary examination defect information (position information, size information, etc.) of the test wafer detected by the device (1, 2) in the apparatus for storing, inspection wafer SEM image storage device (inspection object image storage device) CM 1, the inspected wafer defect information storage device CM
1b、被検査ウエハパターン抽出画像(被検査体パターン抽出画像)記憶装置CM1c、ADFCT記憶装置(欠陥領域抽出画像記憶装置)CM1d等を有している。 1b, and a wafer to be inspected pattern extraction image (object to be inspected pattern extraction image) memory CM1c, ADFCT storage device (defect region extraction image storage device) CM1d like. CM1a:被検査ウエハSEM画像記憶装置(被検査体画像記憶装置) 被検査ウエハSEM画像記憶装置CM1aは、所定パターンを形成すべき要素が実際に形成された被検査ウエハ表面を走査型電子顕微鏡で撮像した画像である被検査ウエハSEM画像であって予め行った検査で欠陥が発見された被検査ウエハ表面の欠陥領域を含む前記被検査ウエハSEM画像を記憶する。 CM 1: inspection wafer SEM image storage device CM 1 inspection wafer SEM image storage device (inspection object image storage device), the inspected wafer surface element to be formed a predetermined pattern is actually formed by a scanning electron microscope storing said inspection wafer SEM image including the defective region of the inspection wafer surface defects are found in the inspection was carried out in advance a wafer to be inspected SEM images are captured image.

【0051】CM1b:被検査ウエハ欠陥情報記憶装置 被検査ウエハ欠陥情報記憶装置CM1bは、前記被検査ウエハ表面の欠陥領域の位置、形状および大きさを含む被検査ウエハ欠陥情報を記憶をする。 [0051] CM1b: inspected wafer defect information storage device to be inspected wafer defect information storage device CM1b is the location of the defective area of ​​the inspection wafer surface, storing the inspected wafer defect information including shape and size. CM1c:被検査ウエハパターン抽出画像記憶装置(被検査体パターン抽出画像記憶装置) 被検査ウエハパターン抽出画像記憶装置CM1cは、前記欠陥領域を含む所定範囲の被検査ウエハSEM画像から前記所定パターンの領域を形成する要素が実際に形成するパターンのみを抽出した画像の外形を特定する被検査ウエハパターン抽出画像を記憶する。 CM1c: inspected wafer pattern extraction image storage device (inspection object pattern extracted image storage device) to be inspected wafer pattern extraction image storage device CM1c the region of the predetermined pattern from the inspection wafer SEM image of a predetermined range including the defect region storing inspected wafer pattern extraction image to identify the outline of only the extracted image pattern elements are actually formed to form a. CM1d:ADFCT記憶装置(欠陥領域抽出画像記憶装置) ADFCT記憶装置CM1dは、前記ADFCT抽出手段C1aにより抽出された欠陥領域抽出画像であるADFC CM1d: ADFCT storage device (defect region extraction image storage device) ADFCT storage CM1d is the ADFCT extractor defect region extraction image extracted by C1a ADFC
Tを記憶する。 And stores the T.

【0052】C2:モデルウエハ情報作成手段 モデルウエハ情報作成手段C2は、パターン抽出用データ作成手段C2aおよびモデルパターン抽出画像作成手段C2bを有している。 [0052] C2: Model wafer information creating means Model wafer information creating means C2 includes a data creation unit C2a and model pattern extracting image creation unit C2b pattern extraction. C2a:パターン抽出用データ作成手段 パターン抽出用データ作成手段C2aは、前記モデルウエハSEM画像上の前記所定パターンの領域を形成する要素を他の領域を形成する要素に対して区別するためのパターン抽出用データを作成する。 C2a: pattern extracting data generating unit pattern extracting data generating unit C2a the pattern extraction to distinguish elements forming region of the predetermined pattern on the model wafer SEM image for the element forming the other regions to create a use data. 前記パターン抽出用データとしては、SEM画像上の前記所定パターンのテクスチャが採用されている。 As the pattern extraction data, texture of the predetermined pattern on the SEM image is employed. なお、パターン抽出用データ作成装置C2aで作成されたパターン抽出用データは被検査ウエハSEM画像から被検査ウエハパターン抽出画像を作成する際にも使用される。 The pattern extraction data generated by the pattern extracting data creation device C2a is also used in creating the inspected wafer pattern extraction image from the inspection wafer SEM image. C2b:モデルパターン抽出画像作成手段 モデルパターン抽出画像作成手段C2bは、前記モデルウエハSEM画像から前記被検査ウエハパターン抽出データにより前記所定パターン領域のみを抽出した画像の外形の特定が可能なモデルパターン抽出画像を作成する。 C2b: model pattern extracting image creating device model pattern extracting image creation unit C2b, the predetermined pattern region only capable particular outline of the extracted image model pattern extracted by the inspection wafer pattern extracting data from the model wafer SEM image to create the image.
なお、前記テクスチャによるパターン検出の代わりに、 Instead of the pattern detection by the texture,
輝度、エッジ(微分信号)、輝度勾配、相関等を利用したパターンマッチング手法等を採用することが可能である。 Luminance, edge (differential signal), a luminance gradient, it is possible to employ a pattern matching method or the like using the correlation and the like.

【0053】CM2:モデルウエハ情報記憶装置 モデルウエハ情報記憶装置CM2は、前記モデルウエハ情報作成手段C2が作成した情報を記憶する装置であり、モデルウエハSEM画像記憶装置CM2a、パターン抽出用データ記憶装置CM2b、およびモデルパターン抽出画像記憶装置CM2c等を有している。 [0053] CM2: Model wafer information storage device model wafer information storage device CM2 is a device for storing information the model wafer information creating means C2-created model wafer SEM image store CM2a, pattern extraction data storage device CM2B, and has a model pattern extraction image storage device CM2c like. CM2a:モデルウエハSEM画像記憶装置(モデル画像記憶装置) モデルウエハSEM画像記憶装置CM2aは、前記被検査ウエハと同一の所定パターンが形成された欠陥の無いモデルウエハ表面を走査型電子顕微鏡で撮像した画像に相当するモデルウエハSEM画像を記憶する。 CM2a: Model wafer SEM image storage device (model image storage device) Model wafer SEM image store CM2a were imaging the model without wafer surface defect in which the same predetermined pattern and the inspected wafer is formed with a scanning electron microscope storing model wafer SEM image corresponding to the image.

【0054】CM2b:パターン抽出用データ記憶装置 パターン抽出用データ記憶装置CM2bは、前記モデルウエハSEM画像上の前記所定パターンの領域を形成する要素を他の領域を形成する要素に対して区別するためのパターン抽出用データを記憶する。 [0054] CM2B: pattern extracting data storage pattern extracts data storage device CM2B is to distinguish the elements forming a region of the predetermined pattern on the model wafer SEM image for the element forming the other regions storing the pattern extraction data. 実施例1では前記パターン抽出用データ作成装置C2aにより作成されたパターン抽出用データ(テクスチャを特定するデータ)を記憶する。 Storing data patterns extracted created (data for specifying the texture) by the first embodiment the pattern extracting data creation device C2a. CM2c:モデルパターン抽出画像記憶装置 モデルパターン抽出画像記憶装置CM2cは、前記被検査ウエハパターン抽出画像を作成抽出した被検査ウエハ表面の画像部分に対応するモデル画像から前記所定パターン領域のみを抽出した画像の外形の特定が可能なモデルパターン抽出画像を記憶する。 CM2c: model pattern extraction image storage model pattern extraction image storage device CM2c, the was extracted from a model image corresponding to the image portion of the object to be inspected wafer surface that created extracted inspected wafer pattern extracting only images the predetermined pattern region image specific profile stores the model pattern extraction image available. 実施例1では前記モデルパターン抽出画像作成手段C2bにより作成されたモデルパターン抽出画像を記憶する。 In the first embodiment stores a model pattern extracted image created by the model pattern extracting image creating unit C2b.

【0055】C3:パターン欠陥自動判別手段 パターン欠陥自動判別手段C3は、前記被検査ウエハパターン抽出画像と前記モデルパターン抽出画像と欠陥領域抽出画像とに基づいて前記欠陥領域のパターン欠陥の種類を自動的に判別する機能を有しており、パターンショート自動判別手段C3a、パターンオープン自動判別手段C3b、ダスト判別手段C3cを有している。 [0055] C3: Pattern defects automatic discrimination means pattern defects automatic discrimination means C3, the automatic type of pattern defect of the defective area on the basis of the on and the inspected wafer pattern extracted image said model pattern extraction image and the defective region extraction image has a function of to determine, has pattern short automatic determination unit C3a, pattern open automatically discriminating means C3b, dust determination means C3c. C3a:パターンショート自動判別手段 パターンショート自動判別手段C3aは、前記被検査ウエハパターン抽出画像と前記モデルパターン抽出画像とに基づいて前記欠陥領域がパターンのショート(短絡)であるか否かを判別する。 C3a: Pattern Short automatic discrimination means Pattern Short automatic discrimination unit C3a, the defective area is determined whether or not the short pattern (short circuit) on the basis of the on and the model pattern extraction image and the inspected wafer pattern extraction image .

【0056】C3b:パターンオープン自動判別手段 パターンオープン自動判別手段C3bは、前記被検査ウエハパターン抽出画像と前記モデルウエハSEM画像とに基づいて前記欠陥領域がパターンのオープン(断線)であるか否かを判別する。 [0056] C3b: Pattern Open automatic discrimination means pattern open automatic discrimination means C3b is whether the an open of the defective area on the basis of said model wafer SEM image and the inspected wafer pattern extraction image pattern (broken) to determine. C3c:ダスト判別手段 ダスト判別手段C3cは、前記被検査ウエハパターン抽出画像と前記モデルパターン抽出画像と欠陥領域抽出画像とに基づいて前記欠陥領域がダスト(パターン欠陥の種類が異物付着の欠陥)であるか否かを判別する。 C3c: Dust discrimination means dust discriminating means C3c, said in the defective area based on the the inspected wafer pattern extracted image said model pattern extraction image and the defective region extraction image dust (defect type pattern defect foreign matter) it is determined whether there.

【0057】(実施例1の作用)図7は本発明の一実施例のパターン欠陥分類装置のパターン欠陥自動分類処理のメインルーチンを示す図である。 [0057] Figure 7 (Operation of Embodiment 1) is a diagram showing a main routine of the pattern defect automatic classification process of the pattern defect classification device of one embodiment of the present invention. 図8はパターン欠陥自動分類処理の実行中にディスプレイに表示される表示画面の例を示す図であり、図8Aは初期画面、図8Bは初期画面で入力されたID番号に対応するモデルウエハ情報が無い場合の表示画面を示す図である。 Figure 8 is a diagram showing an example of a display screen displayed on the display during execution of the pattern defect automatic classification process, Fig. 8A is the initial screen, FIG. 8B is a model wafer information corresponding to the ID number input in the initial screen it is a diagram showing a display screen when there is no. この図7に示す処理はパターン欠陥分類装置の電源ON時に表示される作動モード選択画面でパターン欠陥自動分類処理が選択された場合に開始される。 The processing illustrated in FIG. 7 is started when a pattern defect automatic classification process is selected by the operating mode selection screen displayed when the power ON of the pattern defect classification device.

【0058】被検査ウエハWが前記試料ステージにセットされた状態で、作業者が前記パターン欠陥自動分類処理を選択すると、図7のST1(ステップST1)においてパターン欠陥自動分類処理の初期画面(図8A参照) [0058] In a state where the inspection wafer W is set on the sample stage, when the operator selects the pattern defect automatic classification process, the initial screen (FIG pattern automatic defect classification processing in ST1 (step ST1) in FIG. 7 see 8A)
が表示される。 There is displayed. ST2においてキーボードからID番号の入力が有るか否か判断する。 To determine whether or not the input of the ID number from the keyboard there is in ST2. ST2において入力有りの場合はST3において入力ID番号を記憶してST4に移る。 For there is an input at ST2 moves to ST4 stores the input ID number in ST3. ST4において表示中の画面(初期画面)に入力表示番号を表示する。 Displaying the input display number on the screen (initial screen) being displayed in ST4. 前記ST4の終了後、または前記ST2においてノー(N)の場合はST5に移る。 After completion of the ST4, or if in the ST2 No (N), the process proceeds to ST5. ST5 ST5
においてリターンキーの入力が有ったか否か判断する。 To determine whether or not there was input of the return key is in.
ノー(N)の場合は前記ST2に戻り、イエス(Y)の場合はST6に移る。 If no (N) returns to the ST2, if yes (Y) moves to ST6. ST6において入力されたID番号に対応するモデルウエハに関する情報が有るか否か判断する。 Information about the model wafer corresponding to the input ID number determines whether there in ST6. ノー(N)の場合はST7に移り、イエス(Y) If no (N) moved to ST7, yes (Y)
の場合はST8に移る。 In the case of proceeds to ST8. ST7において表示中の画面に、 On the screen being displayed in ST7,
入力されたID番号に対応するモデルウエハ情報が無いことを追加表示(図8B参照)してから、前記ST2に戻る。 It was from additionally displayed (see FIG. 8B) model wafer information is not corresponding to the input ID number, it returns to ST2.

【0059】ST8において、パターン欠陥分類処理すべき欠陥が有るか否か判断する。 [0059] In ST8, it is determined whether the defect to be patterned defect classification process there. 実施例1では前記AD In Example 1 the AD
FCT(欠陥領域抽出画像)が記憶されている欠陥はパターン欠陥分類処理すべき欠陥である。 Defects FCT (defective area extracted image) is stored is a defect to be a pattern defect classification process. したがって、前記ADFCT(欠陥領域抽出画像)が記憶されている欠陥がある場合にはイエス(Y)となる。 Therefore, the ADFCT (defective area extracted image) is yes (Y) if there is a defect that is stored. イエス(Y)の場合はST9に移る。 If the determination is yes (Y) moves to ST9. ST9においてパターン分類処理すべき欠陥を含むSEM画像(ADFCTを含むSEM画像、すなわち、被検査体画像)の所定の領域を抽出領域として決定する。 SEM image including the defect to be pattern classification process in ST9 (SEM image containing ADFCT, i.e., the test subject image) for determining the predetermined area as the extraction area. 次にST10においてモデルウエハSE Next model wafer SE in ST10
M画像の抽出領域(モデル画像抽出領域)内のパターンの抽出処理を行う。 The extraction process of the pattern of the extraction area (model image extraction region) of the M images. このST10の処理は、抽出領域内のパターン画像、パターン領域数、各パターンの重心位置、面積等を抽出し、インデックスを付けて記憶する処理である。 Process of ST10, the pattern image of the extraction area, the pattern area number, the center of gravity of each pattern, and extracts the area and the like, a process of storing indexed. このST10のサブルーチンは図9に示されており、後で詳述する。 Subroutine of ST10 is shown in FIG. 9 will be described later. 次にST11において被検査ウエハSEM画像の抽出領域(欠陥画像抽出領域)内の所定パターンの抽出処理を行う。 Then the extraction processing in a predetermined pattern in the extracted region of the wafer to be inspected SEM image (defect image extraction region) in ST11. このST11の抽出処理は前記ST10と同様の処理を行う。 Extraction process of ST11 performs the same processing as the ST10. このST11のサブルーチンは図11に示されており、後で詳述する。 Subroutine of ST11 is shown in FIG. 11 will be described later.

【0060】次にST12において、前記ST10で抽出したモデルウエハの画像情報と前記ST11で抽出した被検査ウエハの画像情報と、前記ADFCT(欠陥領域抽出画像)とに基づいて、欠陥画像の分類を行う。 [0060] Next, in ST12, the image information of the inspection wafer extracted image information of the model wafer extracted by the ST10 and in the ST11, on the basis of said ADFCT (defective area extracted image), the classification of defect images do. この分類処理のサブルーチンについては図13、図14のST31 A subroutine of the classification process Figure 13, ST31 in FIG. 14
〜ST59で説明する。 Described in ~ST59. 次にST13において分類結果をデータベースへ登録する。 Next to register the classification results to the database in ST13. 次に前記ST8に戻る。 Then it returns to the ST8. ST8においてノー(N)の場合は他にパターン欠陥分類すべき欠陥が無いということであり、被検査ウエハの検査を終了して前記ST1に戻る。 In ST8 no case of (N) is that there is no defect to be classified other pattern defect, returns to ST1 to end the examination of the inspected wafer.

【0061】図9はモデル画像抽出領域内パターン抽出処理、すなわち、前記ST10のサブルーチンのフローチャートである。 [0061] Figure 9 is a model image extraction region within the pattern extracting process, i.e., a flowchart of a subroutine of the ST10. 図10は図9のフローチャートで行う処理の説明図で、図10Aはモデル画像抽出領域内の所定のテクスチャを有する画像すなわちモデルパターン領域画像を示す図、図10Bは抽出した複数のモデルパターン領域のうちの1つのモデルパターン領域を示す図、図10Cは抽出した複数のモデルパターン領域のうちの別の1つのモデルパターン領域を示す図、図10Dは抽出した複数のモデルパターン領域のうちのさらに別の1つのモデルパターン領域を示す図、図10Eは前記図10 Figure 10 is an explanatory view of a process performed in the flowchart of FIG. 9, FIG. 10A shows an image or model pattern area image having a predetermined texture of the model image extraction area, Figure 10B a plurality of model patterns area extracted in shows one model pattern area out, Figure 10C is another illustration of one model pattern areas of a plurality of model patterns area extracted, yet another of the plurality of model patterns region FIG. 10D extracted It shows one model pattern area, FIG. 10E is a diagram 10
Bのモデルパターン領域に対して行うラベリング例を示す図、図10Fは前記図10Cのモデルパターン領域に対して行うラベリング例を示す図、図10Gは前記図1 It shows labeling example of performing the model pattern area B, fig. 10F is a diagram showing a labeling example performed on the model pattern region of FIG 10C, FIG. 10G FIG 1
0Dのモデルパターン領域に対して行うラベリング例を示す図、である。 It shows labeling example performed on 0D model pattern area is. 図9のST16においてモデルウエハS Model wafer S in ST16 of Fig. 9
EM画像の抽出領域内の所定パターンの抽出処理(追跡処理)を行う。 Extraction of a predetermined pattern within the extraction region of the EM image (tracking process). この抽出処理のサブルーチンは図15のST61以下で説明する。 Subroutine of the extraction process will be described below ST61 in FIG 15. このST16では図10B〜図1 In this ST16 Figure 10B~ Figure 1
0Dに示すモデルパターン領域が抽出される。 Model pattern area is extracted as shown in 0D.

【0062】次にST17において前記ST16で得られた各モデルパターン領域(図10B〜図10D参照)に対してラベリングを行う。 [0062] Then performs labeling for each model pattern region obtained by the ST16 in ST17 (see FIG 10B~ Figure 10D). すなわち、図10Aの画像に対してMNUM(モデルパターン領域個数)=3を記憶するとともに、図10Bおよび図10Cの画像をMPI That stores the MNUM (model pattern area number) = 3 for the image of FIG. 10A, MPI image of FIG. 10B and 10C
[0]、MPI[1]およびMPI[2]として記憶する。 [0] is stored as MPI [1] and MPI [2]. 次にST18において前記図10B〜図10Dに対応するモデル画像内パターン領域情報MPAT(領域インデックス、各領域の重心位置、面積)を計算して記憶する。 Next FIG 10B~ the model image corresponding to the view 10D pattern area information MPAT in ST18 (region index, the center of gravity of each region, area) is calculated and stored. すなわち、前記図10Bの画像MPI[0]、図10Cの画像MPI[1]および図10Dの画像MPI[2]にそれぞれ対応する領域インデックス、各領域の重心位置、面積をモデル画像内パターン領域情報MPAT[0]、MPA That is, the image MPI [0] of FIG 10B, the image MPI [1] and the corresponding region index image MPI [2] in Figure 10D, the center of gravity position, the model image in the pattern area information area of ​​each region of FIG. 10C MPAT [0], MPA
T[1]およびMPAT[2]を記憶する。 Storing T [1] and MPAT [2]. 前記ST18の次は前記ST11に移る。 Following the ST18 moves the ST11.

【0063】図11は欠陥画像抽出領域内のパターン抽出処理、すなわち、前記図7のST11のサブルーチンのフローチャートである。 [0063] Figure 11 is a pattern extracting process of the defect image extraction area, i.e., a flowchart of the subroutine of ST11 of FIG. 7. 図12は図11のフローチャートで行う処理の説明図で、図12Aは欠陥画像抽出領域内の所定のテクスチャを有する画像すなわち欠陥パターン領域画像を示す図、図12Bは抽出した複数の欠陥パターン抽出領域のうちの1つの欠陥パターン領域を示す図、図12C、図12Dはそれぞれ前記抽出した複数の欠陥パターン抽出領域のうちの別の1つの欠陥パターン領域を示す図、図12Eは前記図12Bの欠陥パターン領域に対して行うラベリング例を示す図、図12F、図12Gは前記図12C、図12Dの欠陥パターン領域に対して行うラベリング例を示す図である。 Figure 12 is an explanatory view of a process performed in the flowchart of FIG. 11, FIG. 12A is a plurality of defect pattern extraction region image or shows a defect pattern region image, FIG. 12B extracted has a predetermined texture defect image extraction area another illustration of one fault pattern area, FIG. 12E defect of FIG 12B of the diagram showing one defect pattern area, FIG. 12C, a plurality of defect pattern extraction region FIG. 12D that the extracted respective one of shows labeling example of performing the pattern areas, FIG. 12F, FIG. 12G is a diagram showing a labeling example performed on defect pattern region of FIG 12C, FIG. 12D. 図11のST Figure 11 ST of
21において被検査ウエハSEM画像の抽出領域内の所定パターンの抽出処理(追跡処理)を行う。 The extraction process of a predetermined pattern within the extraction region of the wafer to be inspected SEM image (tracking process) at 21. この抽出処理のサブルーチンは図15のST61以下で説明する。 Subroutine of the extraction process will be described below ST61 in FIG 15. このST21では、被検査ウエハパターン抽出領域内に、図1 This ST21, the inspected wafer pattern extraction area, Figure 1
2B〜図12Dに示す3つの欠陥パターン領域画像DP Three defect pattern area image DP shown in 2B~ Figure 12D
I[0]〜DPI[2]が抽出される。 I [0] ~DPI [2] are extracted.

【0064】次にST22において前記ST21で得られた各欠陥パターン領域(図12B〜図12D参照)に対してラベリングを行う。 [0064] Then performs labeling on each defect pattern region obtained by the ST21 in ST22 (see FIG 12B~ Figure 12D). すなわち、図12Aの画像に対してDNUM(モデルパターン領域個数)=3を記憶するとともに、図12B〜図12Dの画像をDPI[0]〜D That stores the DNUM (model pattern area number) = 3 for the image of FIG. 12A, DPI image of FIG 12B~ Figure 12D [0] to D
PI[2]として記憶する。 Stored as PI [2]. 次にST23において前記図1 Next FIG at ST23 1
2B、図12Cに対応する被検査ウエハパターン抽出画像内パターン領域情報DPAT(領域インデックス、各領域の重心位置、面積)を計算して記憶する。 2B, the inspection wafer pattern extraction image in the pattern area information DPAT corresponding to FIG. 12C (area index, the center of gravity of each region, area) of the calculated and stored. すなわち、前記図12B〜図12Dの画像DPI[0]〜DPI That is, the image DPI [0] of FIG 12B~ Figure 12D ~DPI
[2]にそれぞれ対応する領域インデックス、各領域の重心位置、面積を被検査ウエハパターン抽出画像内パターン領域情報DPAT[0]〜DPAT[2]を記憶する。 Corresponding region index, respectively [2], the center of gravity of each region, and stores the inspected wafer pattern extraction image in the pattern area information DPAT [0] ~DPAT [2] and the area. 前記ST23の次は前記ST12に移る。 Following the ST23 moves the ST12.

【0065】図13は前記図7のST12の欠陥分類処理のサブルーチンを示す図である。 [0065] Figure 13 is a flowchart showing the subroutine of the defect classification process of ST12 of FIG. 7. 図14は前記図13の続きのフローを示す図である。 Figure 14 is a diagram showing a continuation of the flow of FIG 13. この図13、図14の欠陥分類処理では、前記図7のST10およびST11で抽出したモデルウエハおよび被検査ウエハの画像情報に基づいて、欠陥画像の欠陥の種類を判別して分類する。 FIG 13, the defect classification processing in FIG. 14, based on the ST10 and extracted model wafer and the image information of the inspected wafer ST11 in FIG. 7, to classify and determine the type of defect of the defect image. 図1 Figure 1
3のST31においてdi,ri,shortcheck,dustcheck In 3 of the ST31 di, ri, shortcheck, dustcheck
に次の初期値を入れる。 To put the following initial value. di(欠陥画像内パターン領域インデックス)=0 ri(分類結果インデックス)=0 shortcheck(パターンショートフラグ)=0 dustcheck(ダストフラグ)=0 di (defect image in the pattern area index) = 0 ri (classification result index) = 0 Shortcheck (Pattern Short flag) = 0 Dustcheck (dust flag) = 0

【0066】次にST32においてパターンショート判断処理を行う。 [0066] Next, the pattern short determination process in ST32. このST32の処理はDPI[di]([di]= Processing of the ST32 is DPI [di] ([di] =
[0],[1],…、図12B〜図12Dの欠陥パターン領域画像参照)の欠陥がパターンショート、パターンショート以外、または正常か否かを判断して、その判断結果をshortresult(パターンショート結果格納変数)に格納する処理である。 [0], [1], ..., FIG 12B~-12D defect pattern short defect reference pattern area image), other than the pattern short, or to determine whether normal or not, Shortresult (Pattern Short the determination result a process of storing the result storage variable). このST32のサブルーチンは図19 Subroutine of the ST32 is 19
に示されており、詳細な処理は後述する。 Is shown in a detailed processing will be described later.

【0067】次にST33においてshortresult=パターンショートか否か判断する。 [0067] Next, to determine whether or not shortresult = pattern short or in ST33. イエス(Y)の場合はST ST If the determination is yes (Y)
34に移り、ノー(N)の場合はST36に移る。 Moves to 34, and, if no (N) moves to ST36. ST34においてresult(分類結果インデックス)[ri]=パターンショートとする。 result (classification result index) and [ri] = Pattern Short in ST34. 最初はST31に示すようにri=0 First, as shown in ST31 ri = 0
であるので、分類結果インデックスresult[0]=パターンショートとなる。 Since it is, the classification result index result [0] = a pattern short. またshortcheck(パターンショートフラグ)=「1」とする。 The shortcheck (pattern short flag) = is set to "1". 次にST35においてri=ri Next, in ST35 ri = ri
+1とする。 And +1. したがって例えば、この後の処理において、現在パターン欠陥分類を行っている欠陥に対してダストが有ると判断された場合には[ri]=[1]=ダストという分類結果インデックスが付与される。 Thus, for example, in the subsequent processing, when it is determined that the current dust there against defects that performing pattern defect classification [ri] = [1] = the classification result that the dust index is given. すなわちこの例の場合、現在パターン欠陥分類を行っている欠陥に対しては、2個の分類結果インデックス(result[0]= That is, in the case of this example, with respect to the defect being currently pattern defect classification, the two classification results index (result [0] =
パターンショート、result[1]=ダスト)が付与されることになる。 Pattern Short, result [1] = dust) is to be applied.

【0068】次にST36においてdi=di+1とする。 [0068] Next, with di = di + 1 at ST36.
すなわち、最初はdi=0であるので、DPI[di]=D That is, because the first is a di = 0, DPI [di] = D
PI[0]のパターン(図12B参照)に対してST32のパターンショート判断が行われ、次にDPI[di]=D PI [0] of the pattern (see FIG. 12B) ST32 pattern short judgment against is made, then DPI [di] = D
PI[1]のパターン(図12C参照)に対してST32のパターンショート判断が行われることになる。 PI [1] pattern (FIG. 12C see) ST32 pattern short judgment against are to be made. 次にST Next ST
37においてdi>DPNUM(モデルパターン領域個数)か否か判断する。 di> do DPNUM (model pattern area number) whether to determine the 37. ノー(N)の場合はST32に戻る。 If no (N), the process returns to ST32. イエス(Y)の場合は次のST38に移る。 If the determination is yes (Y) moves on to the next ST38. 前記ST The ST
31〜ST37の処理については、前記ST32のサブルーチンの説明を含むフローチャート全体の説明の後で、ST The processing of 31~ST37, after the description of the overall flow, including a description of the subroutine of ST32, ST
32のサブルーチンの処理と関連づけて再度説明する。 Again described in connection with the processing of 32 subroutine.

【0069】ST38において、ダスト判断処理を行う。 [0069] In ST38, it performs the dust determination process.
このST38の処理は、DPI[di](di=0,1,…、 Processing of this ST38 is, DPI [di] (di = 0,1, ...,
図12B〜図12Dの欠陥パターン領域画像参照)の欠陥がD1(ダストorパターン)、D2(ダストorオープン)、またはD3(ダストor形状異常)のいずれに該当するかを判断して、その判断結果をdustresult(ダスト判断結果格納変数)に格納する処理である。 Figure 12B~ Figure 12D defects D1 (dust or pattern of defect reference pattern area image)), D2 (dust or open), or D3 (to determine whether to correspond to any of the dust or abnormal shape), the determination a process of storing the result in Dustresult (dust determination result storing variables). このST38 The ST38
のサブルーチンは図21に示されており、詳細な処理の説明は後述する。 The subroutine is shown in FIG. 21, a description of detailed processing will be described later.

【0070】次にST39においてdustresult(図21参照)は結果D3を含むか否か判断する。 [0070] Next (see Fig. 21) dustresult in ST39 determines whether the result includes a D3. ノー(N)の場合はST45に移り、イエス(Y)の場合はST40に移る。 Proceeds to ST45 if No (N), the If yes (Y) moves to ST40. ST40において形状異常判断処理を行う。 Performing shape abnormality determination process in ST40. このST The ST
40の処理は、DPI[di](di=0,1,…、図12 Process 40, DPI [di] (di = 0,1, ..., 12
B、図12Cの欠陥パターン領域画像参照)の欠陥がパターン形状異常かパターン形状の異常でないかを判断して、その判断結果をdefectresult(パターン形状異常判断結果格納変数)に格納する処理である。 B, and judges whether or not abnormal defect pattern shape abnormality or the pattern of defect reference pattern region image) in FIG. 12C, a process of storing the determination result in Defectresult (pattern abnormality determination result storing variables). このST40のサブルーチンは図24に示されており、詳細な処理の説明は後述する。 Subroutine of ST40 is shown in FIG. 24, a description of detailed processing will be described later.

【0071】次にST41においてdefectresult=パターン形状異常か否か判断する。 [0071] Then it is determined whether Defectresult = pattern abnormality in ST41. イエス(Y)の場合はST ST If the determination is yes (Y)
42に移る。 Moves to 42. ST42においてresult(分類結果インデックス)[ri]=パターン形状異常とする。 result (classification result index) [ri] = a pattern shape abnormalities in ST42. ST41においてノー(N)の場合はST43に移る。 If no (N) at ST41 proceeds to ST43. ST43においてresu resu in ST43
lt(分類結果インデックス)[ri]=ダストとするとともに、dustcheck(ダストフラグ)=「1」とする。 lt (classification result index) together with the [ri] = dust, dustcheck (dust flag) = is set to "1". 前記ST42、ST43の次にST44に移る。 Moves to the next to ST44 of the ST42, ST43. ST44においてri=ri+1とする。 And ri = ri + 1 in ST44. 次にST45に移る。 Turning now to ST45.

【0072】ST45においてdustresult(図21参照) [0072] In ST45 dustresult (see FIG. 21)
は結果D2を含むか否か判断する。 It is determined whether the result includes a D2. ノー(N)の場合はST51に移り、イエス(Y)の場合はST46に移る。 Proceeds to ST51 if No (N), the If yes (Y) moves to ST46. S
T46においてパターンオープン判断処理を行う。 The pattern opening determination processing at T46. このS The S
T46の処理は、DPI[di](di=0,1,…、図12 Processing of T46 is, DPI [di] (di = 0,1, ..., 12
B、図12Cの欠陥パターン領域画像参照)の欠陥がパターンオープンかパターンオープンでないかを判断して、その判断結果をopenresult(オープン判断結果格納変数)に格納する処理である。 B, and determines whether or not a defective pattern or open pattern opening of defect reference pattern region image) in FIG. 12C, a process of storing the determination result in OpenResult (open determination result storing variables). このST46のサブルーチンは図25に示されており、詳細な処理の説明は後述する。 Subroutine of ST46 is shown in FIG. 25, a description of detailed processing will be described later.

【0073】次にST47においてopenresult(オープン判断結果格納変数)=オープンか否か判断する。 [0073] Next OpenResult (open determination result storage variable) in ST47 = open determines whether. イエス(Y)の場合はST48に移る。 If the determination is yes (Y) moves to ST48. ST48においてresult result in ST48
(分類結果インデックス)[ri]=パターンオープンとする。 (Classification result index) and [ri] = pattern open. ST47においてノー(N)の場合はST49に移る。 If no (N) at ST47 proceeds to ST 49. ST49においてresult(分類結果インデックス) In ST49 result (classification result index)
[ri]=ダストとするとともに、dustcheck(ダストフラグ)=「1」とする。 [Ri] = together with the dust, dustcheck (dust flag) = is set to "1". 前記ST48、ST49の次にST50 The ST48, ST50 to the next ST49
に移る。 Move to. ST50においてri=ri+1とする。 And ri = ri + 1 in ST50. 次にST Next ST
51に移る。 Moves to 51.

【0074】ST51においてdustresult(図21参照) [0074] In ST51 dustresult (see FIG. 21)
は結果D1を含むか否か判断する。 It determines whether including the result D1. ノー(N)の場合はST13(図7参照)に戻り、イエス(Y)の場合はST Returning to the case of No (N), the ST13 (see FIG. 7), if yes (Y) ST
52に移る。 Moves to 52. ST52においてパターン判断処理を行う。 A pattern determination process in ST52. このST52の処理は、DPI[di](di=0,1,…、図12B、図12Cの欠陥パターン領域画像参照)の欠陥がパターンかパターンでないかを判断して、その判断結果をpatternresult(パターン判断結果格納変数)に格納する処理である。 Processing of ST52 is, DPI [di] (di = 0,1, ..., FIG. 12B, the defect reference pattern region image of FIG. 12C) to determine whether non-defective pattern or patterns, Patternresult the determination result ( a process of storing the pattern determination result storing variables). このST52のサブルーチンは図26 Subroutine of ST52 Figure 26
に示されており、詳細な処理の説明は後述する。 Is shown in the description of the detailed processing will be described later.

【0075】次にST53においてpatternresult(パターン判断結果格納変数)=パターンか否か判断する。 [0075] Next Patternresult (pattern determination result storage variable) in ST53 = pattern determines whether. イエス(Y)の場合はST54に移る。 If the determination is yes (Y) moves to ST54. ST54においてshor shor in ST54
tcheck(パターンショートフラグ)=「1」か否か判断する。 tcheck (pattern short flag) = it is judged whether or not "1". イエス(Y)の場合はST55に移る。 If the determination is yes (Y) moves to ST55. ST55において欠陥パターン領域画像はパターンショート領域と重なっているか否か判断する。 Defect pattern region image in ST55 determines whether overlaps the pattern short region. イエス(Y)の場合は前記ST13(図7参照)に移る。 If the determination is yes (Y) moves to the ST13 (see FIG. 7). 前記ST54,ST55においてノー(N)の場合はST56に移る。 If in the ST54, ST55 No (N), the process proceeds to ST56.

【0076】ST56においてresult(分類結果インデックス)[ri]=「パターンかけら」とする。 [0076] In ST56 result (classification result index) [ri] = a "pattern pieces". 次にST57 Then ST57
においてri=ri+1としてから、前記ST13(図7参照)に移る。 After the ri = ri + 1 in, moves to the ST13 (see FIG. 7). 前記ST53においてノー(N)の場合はS Wherein, if no (N) at ST53 S
T58に移る。 Turning to T58. ST58においてdustcheck=「1」か否か判断する。 dustcheck = it is judged whether or not "1" in the ST58. イエス(Y)の場合はST13(図7参照)に移り、ノー(N)の場合はST59に移る。 If yes (Y), the process proceeds to ST13 (see FIG. 7), and, if no (N) moves to ST59. ST59においてresult(分類結果インデックス)[ri]=ダストとするとともに、dustcheck=1とする。 With the result (classification result index) [ri] = dust in ST59, and dustcheck = 1. 次に前記ST57に移る。 Turning now to the ST57.

【0077】図15は前記図9のST16および図11のST21のパターン追跡処理のサブルーチンを示す図である。 [0077] Figure 15 is a flowchart showing the subroutine of the pattern tracking process ST21 in ST16 and 11 of FIG. 9. 図15のST61においてモデルウエハの所定パターン(検出するパターン、例えば、ライン(電極)パターン)のパターンデータを読み込む。 Predetermined pattern (detection pattern, for example, line (electrode) pattern) model wafer in ST61 in FIG. 15 reads pattern data. なお、パターンデータとしては、実施例1ではテクスチャデータを使用しているが、その他の画像的特徴(輝度、コントラスト、微分値等)を示すデータを使用することが可能である。 As the pattern data, the use of the texture data in the first embodiment, other image features it is possible to use data indicating (brightness, contrast, differential value, etc.). 次にST62において対象画像(モデルウエハまたは被検査ウエハの検査部分に対応するSEM画像)を読み込む。 Then read the target image (SEM image corresponding to the check part of the model wafer or wafer to be inspected) in ST62.

【0078】次にST63において、x1=0、y1=0とする。 [0078] Next, in ST63, and x1 = 0, y1 = 0. なお、前記x1およびy1は次のST64の処理を開始するときの開始点の座標である。 Incidentally, the x1 and y1 are the coordinates of the starting point of time of starting the processing of the next ST64. 次にST64においてパターン追跡開始点の探索処理を行う。 Then performs search processing of the pattern tracing starting point in ST64. このST64の処理はモデルウエハまたは被検査ウエハの検査領域の中の1または複数のパターン領域のうちの1つのパターン領域の追跡開始点(x1,y1)の値を定める処理である。 Processing of ST64 is a process for determining the value of the tracking start point of one pattern region of the one or more pattern regions in the examination region of the model wafer or wafer to be inspected (x1, y1).
このST64のサブルーチンは図16に示されており、詳細な説明は後述する。 Subroutine of ST64 is shown in FIG. 16, detailed description will be described later.

【0079】ST64の次にST65に移る。 [0079] moves to the next to ST65 of ST64. ST65において対象画像中に画素値START(後述のST79で書き込んだ値で、実施例1では画素値(0〜255)の255に+1を加算した値であり、START=「256」)が存在するか否か判断する。 Pixel value START in the target image in ST65 (in written value in ST79 described later, a value obtained by adding +1 to 255 of the pixel values ​​in Example 1 (0 to 255), START = "256") present is whether or not to judge. イエス(Y)の場合はST66に移る。 If the determination is yes (Y) moves to ST66. ST66において連結点の探索処理を行う。 Performing search processing of the connection point in ST66. このST The ST
66の処理は前記ST64の処理で定めた追跡開始点(x Tracing starting point processing was determined by treatment of the ST64 66 (x
1,y1)の連結点を探索する処理である。 1, y1) is a process of searching the point of attachment to. このST66のサブルーチンは図17に示されており、詳細な説明は後述する。 Subroutine of ST66 is shown in FIG. 17, detailed description will be described later. 前記ST65でノー(N)の場合は前記ST17またはST21に戻る。 Wherein, if no (N) at ST65 returns to ST17 or ST21.

【0080】図16は前記ST64のサブルーチンである。 [0080] FIG. 16 is a subroutine of ST64. 図16のST71において探索を開始する点のx座標、y座標に次の値を入れる。 x-coordinate of the point to start the search in ST71 in FIG. 16, the y coordinate put the following values. x=x1 y=y1 前記ST63でx1=0、y1=0入れたので、最初はx= x = x1 y = y1 the ST63 with x1 = 0, y1 = 0 so placed initially x =
x1=0、y=y1=0である。 x1 = 0, is y = y1 = 0. 次にST72においてマッチングサイズ(MX*MY)の画像領域、すなわち、x〜 Next, the image area matching the size (MX * MY) in ST72, i.e., X to
(x+MX)でかつy〜(y+MY)の領域部分の階調(濃度階調)がパターンデータと一致するか否か判断するためのマッチング計算を行う。 Performing (x + MX) a and y~ (y + MY) matching calculation for gradation region portion (density gradation) it is determined whether to match the pattern data. 前記MX,MYのサイズは例えば次の値が採用される。 The MX, size MY The following values ​​are employed, for example. MX=20ピクセル MY=20ピクセル MX = 20 pixels MY = 20 pixels

【0081】前記マッチング計算は、実施例1ではテクスチャが一致するか否かにより行う。 [0081] The matching calculation is performed by whether the texture in Example 1 matches. マッチング計算を行う例としては、相互相関を用いて次のように計算することが可能である。 As an example of performing matching calculation can be calculated as follows using the cross-correlation. 図30は互いに対応するモデル画像Aの部分画像Aijと被検査画像Bの部分画像Bijとを相互相関を用いてマッチングを行う場合のマッチング方法の説明図であり、図30Aはモデル画像A中の部分画像Aijを示す図、図30Bは被検査ウエハ画像Bの部分画像Bijを示す図、図30Cは前記部分画像AijおよびB Figure 30 is an explanatory view of the matching method for performing matching using the cross-correlation between the partial image Bij of the model image A partial image Aij and the inspection image B that correspond to each other, FIG. 30A is in the model image A shows a partial image Aij, Fig. 30B is a diagram showing a partial image Bij of the inspection wafer image B, fig. 30C is the partial image Aij and B
ijのマッチングは微小領域Aij(l,m)、Bij(l,m)毎に行うことを示す図である。 ij matching is a diagram showing that performing small region Aij (l, m), Bij (l, m) every. 部分画像Aij(L,M)およびBij(L,M)との相互相関係数Cijは、微小領域の輝度Aij(l,m)およびBij(l,m)の値を用いて次式(1)で計算される。 Partial image Aij (L, M) and Bij (L, M) correlation coefficient Cij with the luminance Aij of micro areas (l, m) and Bij (l, m) The following equation using the value of (1 ) is calculated by.

【0082】 [0082]

【数1】 [Number 1]

【0083】前記Aij(L,M)およびBij(L,M) [0083] The Aij (L, M) and Bij (L, M)
の類似度が高いと前記式(1)のCijが1.00に近くなり、類似度が低いと0に近くなる。 Of Cij of the formula with a high degree of similarity (1) it is close to 1.00, close to zero when the degree of similarity is low. したがって、Bij Therefore, Bij
内からAijに最もマッチする部分を探すためには、i,j In order to find the most matching part from the inner to the Aij is, i, j
をW,Hの範囲で変えてCijが最大となるi,jを求める。 The W, Cij is the maximum to change in the range of H i, determine the j. そして前記最大となったCijの値により類似度が定まる。 The degree of similarity is determined by the value of Cij became the maximum. 類似度が閾値以上の場合をマッチング(テクスチャが一致)したものとする。 Similarity to the ones that match the case of the threshold value or more (texture match) was.

【0084】次にST73においてマッチングサイズ(M [0084] Next, the matching size in ST73 (M
X*MY)の画像領域のテクスチャがパターンデータと一致したか否か判断する。 X * MY) texture of the image area to determine whether or not consistent with the pattern data. ノー(N)の場合はST75に移り、イエス(Y)の場合はST74に移る。 Proceeds to ST75 if No (N), the If yes (Y) moves to ST74. ST74において(x,y)の画素値はPATTERN(=「−2」) Pixel values ​​of (x, y) in ST74 are PATTERN (= "- 2")
か否か判断する。 Whether or not to judge. イエス(Y)の場合はST75に移る。 If the determination is yes (Y) moves to ST75.
ST75においてx=x+Δxとする。 And x = x + Δx in ST75. 次にST76においてx>xmaxか否か判断する。 Then x> xmax it determines whether at ST76. ノー(N)の場合は前記ST72にに戻り、イエス(Y)の場合はST77に移る。 If no (N) to return to the ST72, if yes (Y) moves to ST77.
ST77においてx,yに次の値を入れる。 x In ST77, the y put the following values. x=0 y=y+Δy 次にST78においてy>ymaxか否か判断する。 x = 0 y = y + Δy then y> ymax determines whether at ST78. ノー(N)の場合は前記ST72に戻り、イエス(Y)の場合はST65(図15参照)に移る。 If no (N) returns to the ST72, if yes (Y) moves to ST65 (see FIG. 15). なお、実施例1では前記Δx=Δy=パターン画像の幅(すなわち、パターン画像が配線パターンの場合は配線の幅)に設定されている。 In Examples 1, width of the [Delta] x = [Delta] y = pattern image (i.e., if the pattern image of the wiring pattern width of the wiring) has been set to.

【0085】前記ST74においてノー(N)の場合はS [0085] In the case of NO (N), in the ST74 S
T79に移る。 Turning to T79. ST79において対象画像のマッチ部にSTAR STAR to match part of the target image in ST79
T(追跡を開始する画素値)を書込み、ここを追跡開始点とする(図18A参照)。 T writes (pixel values ​​start tracking), here the track start point (see FIG. 18A). 前記START(追跡を開始する画素値)としては、(対象画像の最大階調値+1)を採用することができる。 Examples START (pixel values ​​start tracking) can be adopted (maximum gradation value + of the target image). 例えば、パターンデータが0〜 For example, the pattern data 0
255階調の階調数を有する場合は、START=「25 If having a number of gradations 255 gradations, START = "25
6」とする。 And 6 ". 次にST80において(x1,y1)に現在の(x,y)の値を入れる。 Then the (x1, y1) in ST80 put the value of the current (x, y). 次に前記ST65に移る。 Turning now to the ST65. 前述したようにST65でイエス(Y)の場合はST66に移る。 If yes (Y) at ST65 as described above proceeds to ST66.

【0086】図17は前記ST66(図15参照)の連結点探索処理の詳細説明図で、図17AはST66のサブルーチンを示す図、図17BはST95の説明図である。 [0086] Figure 17 is a detailed explanatory view of the connection point search processing of the ST66 (see FIG. 15), FIG. 17A is a diagram showing a subroutine of ST66, FIG. 17B is an explanatory view of ST95. 図18はパターン抽出処理の説明図であり、図18Aは1 Figure 18 is an explanatory view of the pattern extraction process, FIG. 18A 1
つ目のパターンのパターン抽出処理の開始時の処理の説明図、図18Bは1つ目のパターン抽出処理終了時の状態の説明図、図18Cは1つ目のパターン抽出処理終了時の処理の説明図、図18Dは2つ目のパターンのパターン抽出処理の開始時の処理の説明図、図18Eは2つ目のパターン抽出処理終了時の状態の説明図、図18F One eye pattern diagram of a starting process of the pattern extraction process, FIG. 18B is an explanatory view of a first pattern extraction process at the end of the state of Figure 18C first pattern extraction process at the end of the process illustration, Figure 18D is a schematic view for illustrating a second pattern at the start of the process of the pattern extraction process, FIG. 18E is a schematic view for illustrating a second pattern extraction process at the end of the state, and FIG 18F
は2つ目のパターン抽出処理終了時の処理の説明図、図18Gは3つ目のパターンのパターン抽出処理の開始時の処理の説明図、図18Hは3つ目のパターン抽出処理終了時の処理の説明図である。 Illustration of the second pattern extraction process at the end of the process, FIG. 18G is a schematic view for illustrating a process at the start of the pattern extraction process of the third pattern, FIG. 18H third pattern extraction process at the end of the it is an explanatory view of the processing. 図17AのST91において画素値がSTART(図18A参照)である座標を探索点とする。 Pixel value is to search point coordinates is START (see FIG. 18A) in ST91 in FIG. 17A. 次にST92において現在の探索点の画素値をDO Then DO pixel values ​​of the current search point in ST92
NE(例えば、DONE=「−1」)に置き換え、探索済みとする。 NE (for example, DONE = "- 1") replaced with, to have been searched. 次にST93において対象画像の探索点近傍のSE Then near the search point of the target image in ST93 SE
M画像とパターン抽出用データとで前記ST72と同様にマッチング(比較を行うための計算)を行う。 Like the in the M image and the pattern extracted data ST72 for matching (calculation for comparing).

【0087】次にST94においてマッチングしたか否か判断する。 [0087] Then it is determined whether the matched in ST94. イエス(Y)の場合はST95に移る。 If the determination is yes (Y) moves to ST95. ST95 ST95
において対象画像のマッチ部に画素値STARTを書込み、 Writes pixel values ​​START the match portion of the target image in,
新たな探索開始点を設定する。 To set a new search starting point. 図17Bに示すように、 As shown in FIG. 17B,
パターン画像に分岐点がある場合には分岐する点において分岐する数だけ前記画素値STARTを書き込む。 The number of branches in that branch if there is a branch point in the pattern image writing the pixel value START.

【0088】前記ST94においてノー(N)の場合はS [0088] In the case of NO (N), in the ST94 S
T96に移る。 Turning to T96. ST96において対象画像全領域において、 In the target image the entire area in ST96,
まだ、探索開始点が存在しているかチェックする。 Still, to check whether the search starting point is present. 次にST97において画素値STARTが存在しているか否か判断する。 Then it is determined whether the pixel value START is present in ST97. イエス(Y)の場合は前記ST91に戻る。 If yes (Y) returns to ST 91. ノー(N)の場合はST98に移る。 In the case of No (N), the process progresses to ST98. ST98において対象画像中において、探索済みを示す画素値DONE(=「−1」) In the target image in ST98, the pixel value indicating the searched-DONE (= "- 1")
(図18B参照)全てを、パターンを示す画素値PATTER All (see FIG. 18B), the pixel value indicating a pattern PATTER
N(例えば、PATTERN=「−2」)(図18C参照)に置き換える。 N (e.g., PATTERN = "- 2") replaced by (see FIG. 18C). 次にST65(図15)に戻る。 Then return to ST65 (FIG. 15). そして、前記ST64〜ST66の処理を繰り返す毎に各パターンについて前記図18A〜図18Cに示す処理を繰り返して、最終的に図18Hに例示するパターンを抽出する。 Then, it extracts a pattern by repeating the process shown in FIG 18A~ to 18C for each pattern for each repeating the process of the ST64~ST66, finally illustrated in Figure 18H. なお、 It should be noted that,
図18に示す実施例1では前記Δx=Δy=パターン画像の幅(すなわち、パターン画像が配線パターンの場合は配線の幅)に設定されている場合について図示されているが、Δx=Δy=パターン画像の幅の1/2に設定したり、ΔxとΔyとは異なる値とすることが可能である。 The width of Example 1, the [Delta] x = [Delta] y = pattern image shown in FIG. 18 (i.e., if the pattern image of the wiring pattern width of the wiring) has been shown for the case it is set to, [Delta] x = [Delta] y = pattern or set to 1/2 of the width of the image, it is possible to value different from Δx and [Delta] y.

【0089】図19は前記ST32(図13参照)のパターンショート判断処理のサブルーチンである。 [0089] Figure 19 is a subroutine of a pattern short judgment processing of the ST32 (see FIG. 13). 図20は前記図19のサブルーチンで判断される結果例の説明図で、図20AはMPI(モデルパターン領域画像)を示す図、図20BはDPI(被検査ウエハパターン領域画像)を示す図、図20CはDPI[0]がshortresult Figure 20 is a diagram of example of the result is determined in the subroutine of FIG. 19, FIG. 20A shows an MPI (model pattern area image), FIG. 20B shows a DPI (inspected wafer pattern area image), FIG. 20C is DPI [0] is shortresult
(パターンショート結果格納変数)=「パターンショート」となる例を示す図、図20DはDPI[1]がshortr (Pattern Short result storing variable) = diagram showing an example of a "pattern short", Figure 20D is DPI [1] shortr
esult=「パターンショート以外」となる例を示す図、 esult = diagram showing an example in which the "other than the pattern short",
図20EはDPI[2]がshortresult=「正常」となる例を示す図である。 Figure 20E is DPI [2] is a diagram showing an example of Shortresult = a "normal".

【0090】図19のST101においてDPI[n](n [0090] DPI in ST101 of FIG. 19 [n] (n
=0,1,…)の重心位置から、gth(重心距離閾値) From = 0, 1, ... the position of the center of gravity of), gth (center of gravity distance threshold)
の距離にMPI[0〜MPNUM]の重心が存在するか否か判断する。 The center of gravity of the MPI [0~MPNUM] it is determined whether present in the distance. ノー(N)の場合はST103に移り、イエス(Y)の場合はST102に移る。 Proceeds to ST103 when No (N), the If yes (Y) moves to ST 102. ST102において複数存在するか否か判断する。 It determines whether there are a plurality in ST 102. イエス(Y)の場合はST10 If the determination is yes (Y) ST10
3に移る。 Move to 3. ST103においてDPI[n]は複数のMPIとブリッジする位置に存在するか否か判断する。 DPI [n] In ST103 determines whether or not present at a position more MPI and bridge. この判断はDPI[n]とMPIに重なる部分が有るか否かにより行う。 This determination is performed by whether DPI [n] and there is overlap in the MPI. イエス(Y)の場合はST104に移る。 If the determination is yes (Y) moves to ST 104. ST104においてshortresult(パターンショート結果格納変数) shortresult in ST104 (Pattern Short result storage variable)
=「パターンショート」(図20C参照)としてST33 = ST33 as a "pattern short" (see FIG. 20C)
(図13参照)に移る。 Turning to (see Figure 13).

【0091】前記ST102においてノー(N)の場合は存在する重心が1つのみである。 [0091] centroid present, if no (N) in the ST102 is only one. この場合ST105に移る。 Turning to this case ST105. ST105においてDPI[n]とMPIはパターンマッチングするか否か判断する。 MPI determines whether pattern matching with DPI [n] in ST105. この判断は、各パターン領域の面積の差、x座標の最大値の差および最小値の差、y座標の最大値の差および最小値の差がそれぞれ閾値以内にあるか否かによって行う。 This determination is made difference in area of ​​each pattern region, the difference between the difference and the minimum value of the maximum value of x-coordinate, the difference between the difference and the minimum value of the maximum value of the y coordinates depending on whether each is within a threshold. ST105および前記ST103においてノー(N)の場合はST106に移る。 If no (N) in ST105 and the ST103 proceeds to ST 106. S
T106においてshortresult=「パターンショート以外」 In T106 shortresult = "other than the pattern short"
(図20D参照)として前記ST33(図13参照)に移る。 Turning to Examples (see FIG. 20D) ST33 (see FIG. 13). ST105においてイエス(Y)の場合はパターンショートしていないので、ST107においてshortresult= Since no pattern short in the case of yes (Y) in ST105, shortresult in ST107 =
正常(図20E参照)として前記ST33に移る。 Turning to the ST33 as normal (see FIG. 20E).

【0092】図21は前記ST38(図13参照)のダスト判断処理のサブルーチンである。 [0092] Figure 21 is a subroutine of the dust determination processing of the ST38 (see FIG. 13). 図22は前記図21 Figure 22 is the view 21
のサブルーチンで判断される結果例の説明図で、図22 In illustration of example of the result is determined in a subroutine, FIG. 22
AはADFCT(欠陥領域抽出画像)がdustresult(ダスト判断結果)=D1となる例を示す図、図22BはA A is a diagram showing an example of ADFCT (defective area extracted image) is Dustresult (dust determination result) = D1, FIG. 22B A
DFCTがdustresult(ダスト判断結果)=D2となる例を示す図、図22CはADFCTがdustresult=D2 Shows an example where DFCT is Dustresult (dust determination result) = D2, Figure 22C ADFCT is dustresult = D2
&D1となる例を示す図、図22DはADFCTがdustr & Diagram showing an example in which the D1, FIG. 22D is ADFCT Dustr
esult=D3となる例を示す図、図22EはADFCTが Diagram showing an example where a esult = D3, FIG. 22E is ADFCT
dustresult=D3&D1となる例を示す図である。 Is a diagram illustrating an example of a dustresult = D3 & D1. また、 Also,
図23は前記図21のサブルーチンで判断される結果例の説明図で、MPIが前記図20Aの場合で且つDPI Figure 23 is a diagram of example of the result is determined in the subroutine of FIG. 21, and DPI when MPI is FIG 20A
が前記図20Bの場合に現れる可能性の高いADFCT ADFCT but likely to appear in the case of FIG. 20B
の説明図であり、図23Aは欠陥パターン領域画像DP It is an explanatory view of FIG. 23A defect pattern region image DP
I[0](図20B参照)の一部(被検査ウエハパターン抽出画像の一部)がADFCTとして検出された例、図23Bは欠陥パターン領域画像DPI[1](図20B参照)の一部(被検査ウエハパターン抽出画像の一部)がADFCTとして検出された例を示す図である。 I [0] (FIG. 20B see) portion of (a portion of the inspected wafer pattern extraction image) example is detected as ADFCT, FIG. 23B is defective pattern area image DPI [1] part of (see Fig. 20B) (some of the inspected wafer pattern extraction image) is a diagram showing an example of detected as ADFCT.

【0093】図21のST111においてADFCT(欠陥領域抽出領域)とMPI[n]との位置関係を計算する。 [0093] calculating a positional relationship between ADFCT (defective area extraction region) and MPI [n] in ST111 of FIG 21. 次にST112においてADFCTはMPI[n]と重なる位置に存在しているか否か判断する。 Next, in ST 112 ADFCT determines whether or not present in a position overlapping the MPI [n]. ノー(N)の場合はST113に移る。 In the case of No (N), the process progresses to ST113. ST113においてdustresult=D In ST113 dustresult = D
1(図22A、図23A、図23B参照)として前記S 1 (FIG. 22A, FIG. 23A, see FIG. 23B) wherein S as
T39(図13参照)に移る。 Turning to T39 (see FIG. 13). ST112においてイエス(Y)の場合はST114に移る。 If yes (Y) at ST112 proceeds to ST114. ST114においてADF ADF in ST114
CTはMPI[n]領域を分割しているか否か判断する。 CT determines whether to divide the MPI [n] region.
イエス(Y)の場合はST115に移る。 If the determination is yes (Y) moves to ST115. ST115においてADFCTはMPI領域内のみに存在しているか否か判断する。 ADFCT determines whether present only in MPI region in ST115. イエス(Y)の場合はST116においてdustres dustres In ST116 If yes (Y)
ult=D2(図22B参照)として前記ST39(図13参照)に移る。 ult = D2 Examples (see FIG. 22B) proceeds to ST39 (see FIG. 13).

【0094】前記ST115においてノー(N)の場合はST117に移る。 [0094] If no (N) in the ST115 moves to ST117. ST117においてdustresult=D2&D1 In ST117 dustresult = D2 & D1
(図22C参照)として前記ST39(図13参照)に移る。 Turning to Examples (see FIG. 22C) ST39 (see FIG. 13). 前記ST114においてノー(N)の場合はST118に移る。 Turning to ST118, if no (N) in the ST114. ST118においてADFCTはMPI[n](n= ADFCT in ST118 is MPI [n] (n =
0,1,…)領域内のみに存在するか否か判断する。 0,1, ...) to determine whether there only in the region. イエス(Y)の場合はST119に移る。 If the determination is yes (Y) moves to ST119. ST119においてdu In ST119 du
stresult=D3(図22D参照)として前記ST39(図13参照)に移る。 Examples stresult = D3 (see FIG. 22D) moves to ST39 (see FIG. 13). ST118においてノー(N)の場合はST120に移る。 If no (N) in ST118 proceeds to ST120. ST120においてdustresult=D3& In ST120 dustresult = D3 &
D1(図22E参照)として前記ST39(図13参照) D1 Examples (see FIG. 22E) ST39 (see FIG. 13)
に移る。 Move to.

【0095】図24は前記図13のST40のパターン形状異常判断処理のサブルーチンである。 [0095] Figure 24 is a ST40 subroutine of pattern abnormality determination process of FIG. 13. 図24のST12 Figure ST12 of 24
1において前記D3領域(図22D、図22E参照)とモデル画像中の背景領域とテクスチャマッチングを行う。 The D3 region (FIG. 22D, see FIG. 22E) in 1 performs background area and texture matching between the model image.
次にST122においてテクスチャがマッチしたか否か判断する。 Next, it is determined whether or not the texture was matched in ST122. イエス(Y)の場合はST123に移る。 If the determination is yes (Y) moves to ST123. ST123 ST123
においてdefectresult(パターン形状異常判断結果格納変数)=「パターン形状異常」として前記ST41(図1 Examples Defectresult (pattern shape abnormality determination result storing variable) = "pattern abnormal" in ST41 (Fig. 1
3参照)に移る。 Move to 3 reference). 前記ST122においてノー(N)の場合はST124に移る。 Turning to ST124, if no (N) in the ST122. ST124においてdefectresult= defectresult in ST124 =
「パターン形状は異常でない」として前記ST41(図1 As the aforementioned "pattern shape is not abnormal" ST41 (FIG. 1
3参照)に移る。 Move to 3 reference). (1) 図13のST41〜ST43によれば、次のようになる。 (1) According to ST41~ST43 in FIG 13 is as follows. (1−1)前記ST123のdefectresult=「パターン形状異常」はダスト判断結果result[ri]=「パターン形状異常」となる。 (1-1) the ST123 defectresult = "pattern abnormality" of dust determination result result [ri] = a "pattern abnormality". (1−2)前記ST124のdefectresult=「パターン形状は異常でない」は、ダスト判断結果result[ri]= (1-2) defectresult = the ST124 "pattern is not abnormal" is dust determination result result [ri] =
「ダスト」となる。 The "dust".

【0096】図25は前記図14のST46のパターンオープン判断処理のサブルーチンである。 [0096] Figure 25 is a ST46 subroutine of the pattern opening determination processing of FIG. 14. 図25のST13 Figure 25 ST13 of
1においてD2領域(図22B、図22C参照)とモデル画像中の背景領域とテクスチャマッチングを行う。 D2 region (FIG. 22B, the see Figure 22C) at 1 performs background area and texture matching between the model image. 次にST132においてテクスチャがマッチしたか否か判断する。 Next, it is determined whether or not the texture was matched in ST132. イエス(Y)の場合はST133に移る。 If the determination is yes (Y) moves to ST133. ST133においてopenresult=「パターンオープン」として前記ST The ST openresult = as a "pattern open" in ST133
47(図14参照)に移る。 Turning to 47 (see FIG. 14). 前記ST132においてノー(N)の場合はST134に移る。 Turning to ST134, if no (N) in the ST132. ST134においてopenre openre in ST134
sult=「オープンではない」として前記ST47(図14 sult = said as not being "open" ST47 (FIG. 14
参照)に移る。 It moves to the reference). (2) 図14のST47〜ST49によれば、次のようになる。 (2) According to ST47~ST49 in FIG. 14, as follows. (2−1)前記ST133のopenresult=「パターンオープン」は、ダスト判断結果result[ri]=「パターンオープン」となる。 (2-1) openresult = "pattern open" of the ST133 is dust determination result result [ri] = a "pattern open". (2−2)前記ST134のopenresult=「オープンではない」は、ダスト判断結果result[ri]=「ダスト」となる。 (2-2) "not open" openresult = of the ST134 is, the dust determination result result [ri] = the "dust".

【0097】図26は前記図14のST52のパターン判断処理のサブルーチンである。 [0097] Figure 26 is a subroutine of the pattern judgment processing of ST52 of FIG. 14. この図26の処理は、前記ADFCT(欠陥領域抽出画像)のダスト判断(図1 The process of Figure 26, the dust determination ADFCT (defective area extracted image) (Fig. 1
3のST38のサブルーチン(図21)参照)においてD 3 D in ST38 subroutine of reference (FIG. 21)) of
1(ダストorパターン)と判断された場合(図22A、 1 When it is determined that (dust or pattern) (Fig. 22A,
図23A、図23B参照)に実行される。 Figure 23A, is executed see Figure 23B). 図26のST ST of FIG. 26
141においてD1領域(図22A〜図22C参照)とモデル画像中の背景領域とテクスチャマッチングを行う。 Performing the background region in the model image and texture matching with the D1 region (see FIG. 22A~ view 22C) at 141. 次にST142においてテクスチャがマッチしたか否か判断する。 Next, it is determined whether or not the texture was matched in ST142. イエス(Y)の場合はST143に移る。 If the determination is yes (Y) moves to ST143. ST143においてpatternresult(パターン判断結果格納変数)= Patternresult (pattern determination result storage variable) in ST143 =
「パターン」として前記ST53(図14参照)に移る。 Turning to the ST53 (see FIG. 14) as a "pattern".
前記ST142においてノー(N)の場合はST144に移る。 Turning to ST144, if no (N) in the ST142.

【0098】ST144においてpatternresult=「パターンではない」として前記ST53(図14参照)に移る。 [0098] Turning to the Patternresult = as not being "pattern" in ST144 ST53 (see FIG. 14). (3) 前記図14のST53〜ST59によれば、次のようになる。 (3) According to ST53~ST59 of FIG. 14, as follows. (3−1)前記ST143のpatternresult=「パターン」 (3-1) patternresult = "pattern" of the ST143
の場合は、ST53でイエス(Y)となり、次のように判断される。 For the Jesus ST53 (Y), and the is determined as follows. 図12Aの場合で説明すると、図12C、図12Dは図20D、図20Eに示すように shortcheck Referring to the case of FIG. 12A, FIG. 12C, FIG. 12D FIG 20D, shortcheck as shown in FIG. 20E
=1でない(shortcheck=0である)。 = Not 1 (shortcheck = 0). また、図12B In addition, as shown in FIG. 12B
は図20Cに示すように、shortcheck=1である。 , As shown in FIG. 20C, a shortcheck = 1. shor shor
tcheck=1(図20C参照)の場合(ST54でYの場合)で、且つ欠陥パターン領域画像(図23A参照)がパターンショート領域(図20C参照)と重なっている場合は、既にST34でresult[ri]=パターンショートと設定されている結果そのままとなる。 In tcheck = 1 (when in ST54 of Y) case (see FIG. 20C), if and defect pattern region image (see FIG. 23A) overlaps the pattern short region (see FIG. 20C), already ST34 result [ ri] = pattern short to have been set result becomes as it is. 図20Cと図2 FIG. 20C and 2
3Bのように、重なっていない場合(ST55でノー(N)の場合)、本来のパターン上でも、ショートしているパターン上でもない所にパターン欠陥が存在するので、ダスト判断結果result[ri]=「パターンかけら」 As of 3B, (if no (N), in ST55) If you do not overlap, even on the original pattern, because there is a pattern defect in the place not even on the pattern that is short, dust determination result result [ri] = "pattern pieces"
となる。 To become. (3−2)前記ST144のpatternresult=「パターンではない」は、ST53でN(すなわち、パターンとマッチしない)であり、ST58でdustcheck=「1」でない場合(パターンショートでない場合)には、ダスト判断結果result[ri]=「ダスト」とする。 (3-2) said "not a pattern" patternresult = of ST144 is, N (ie, pattern and does not match) at ST53 is, in the case dustcheck = not "1" in ST58 (if it is not a pattern short) is, the dust judgment result result [ri] = to as "dust". ST58でdustcheck In ST58 dustcheck
=「1」である場合は、既にresult[ri]=ダストが設定されているので、そのままリターンする。 = Case is "1", already result [ri] = because the dust has been set, the routine returns.

【0099】(前記図13、図14の再説明)図12A [0099] (FIG. 13, again the description of FIG. 14) FIG. 12A
の処理を行う場合、前記図13において、ST32のパターンショート判断処理では、図19のST101において、最初はdi=0(ST31参照)であるのでDPI[d When performing the process, in FIG. 13, a pattern short determination process ST32, in ST101 of FIG. 19, because the first is di = 0 (see ST31) DPI [d
i]=DPI[0](図12B参照)は、図20Cに示すように、shortresult=パターンショート(ST104参照) i] = DPI [0] (see FIG. 12B), as shown in FIG. 20C, shortresult = Pattern Short (see ST 104)
となる。 To become. したがって、ST33において最初はイエス(Y)となる。 Thus, initially a yes (Y) at ST33. したがって、ST34においてshortresul Therefore, shortresul in ST34
t[ri]=ショートパターン(ri=0)となる。 t [ri] = a short pattern (ri = 0). 次にS Then S
T35、ST36においてri=1、di=1となり、DPN T35, ri = 1, di = 1 next in ST36, DPN
UM=3であるので、ST37においてノー(N)となり、ST32に戻る。 Since in UM = 3, back in ST37 No (N) next to ST32. この場合、図19のST101の処理は[di]=[1]であるので、DPI[1]図12Cに対して行う。 In this case, the processing of ST101 in FIG. 19 is a [di] = [1], performed for DPI [1] Figure 12C. 図12Cは、図20Dに示すように、ST106 Figure 12C, as shown in FIG. 20D, ST 106
においてshortresult=パターンショート以外となる。 The other shortresult = pattern short in.
この場合、ST33でノー(N)となり、ST36でdi= In this case, no at ST33 (N) next to, di in ST36 =
2となる。 2 become. このときST37でノー(N)となり、前記S In this case ST37 no (N), and the said S
T32に戻る。 Back to T32. このときのST32においては図19の処理は前記DPI[2](図12D参照)に対して行われ、図20Eに示すように、ST107においてDPI[2]は正常となる。 In ST32 of this time the process of Figure 19 is performed for the DPI [2] (see FIG. 12D), as shown in FIG. 20E, DPI [2] In ST107 becomes normal. この場合、ST33においてノー(N)となり、ST36でdi=3となる。 In this case, no (N) becomes at ST33, a di = 3 in ST36. そして、ST37でイエス(Y)となり、前記ST38に移る。 Then, Jesus ST37 (Y), and the process proceeds to the ST38.

【0100】前記実施例1によれば、表面に所定パターンが形成された被検査体表面に欠陥が有る場合に、その欠陥がパターンのかけらであるか、異物付着の欠陥(ダスト)であるか否か等を自動的に判別することができる。 [0100] According to the first embodiment, when the surface defect is in the inspection object surface on which a predetermined pattern is formed, or the defect is a fragment of the pattern, or a defect foreign matter (dust) can be automatically determined whether or the like.

【0101】以上、本発明の実施例を詳述したが、本発明は、前記実施例1に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内で、種々の変更を行うことが可能である。 [0102] have been described in detail embodiments of the present invention, the present invention, the first embodiment in the present invention is not limited, within the scope of the present invention described in the claims, various it is possible to carry out the changes. (H01)前記図13、図14の欠陥分類処理では、パターンショート判断処理を、ダスト判断処理やパターンオープン処理よりも先に行っている、それらの処理の順序を処理方法等は、変更可能である。 (H01) FIG 13, the defect classification processing in FIG. 14, a pattern short determination process, than the dust determination processing and pattern open process is performed first, the order of the processing methods used in these processes, can be modified is there.

【0102】(H02)前記図24、図25、図26の各フローチャートの代わりに図27、図28、図29に示すフローチャートを使用することが可能である。 [0102] (H02) FIG 24, FIG 25, FIG 27 instead of the flowchart of FIG. 26, FIG. 28, it is possible to use the flow chart shown in FIG. 29. 図27 Figure 27
は前記図24のフローチャートの変更例を示す図である。 Is a diagram showing a modification of the flowchart of FIG. 24. 図28は前記図25のフローチャートの変更例を示す図である。 Figure 28 is a diagram showing a modification of the flowchart of FIG. 25. 図29は前記図26のフローチャートの変更例を示す図である。 Figure 29 is a diagram showing a modification of the flowchart of FIG 26. 前記図24〜図26では、D1領域、D2領域、D3領域と、パターン領域や背景領域とのテクスチャマッチングを行っているが、図27〜図29 In FIG 24 to FIG. 26, D1 region, D2 region, and D3 regions, is performed texture matching with the pattern region and the background region, FIGS. 27 to 29
では、前記図24〜図26の処理を実行する前に、図2 In, before performing the process of FIG. 24 to FIG. 26, FIG. 2
7のST121a、ST121b、図28のST131a、ST131 7 of ST121a, ST121b, of Figure 28 ST131a, ST131
b、図29のST141a、ST141b、の処理を実行する。 b, run ST141a, ST141b, processes in FIG. 29.
すなわち、図27〜図29に示す変更例は、ダストの画像データベース(ダストの種類とそれに対応するテクスチャとを記憶したデータベース)を設けており、ST12 That is, modifications shown in FIGS. 27 29 are provided an image database dust (dust types and database storing the texture corresponding thereto), ST12
1a〜ST141bにおいて前記ダストの画像データベースとD1,D2,D3とを比較(テクスチャマッチング等)している。 Are compared (texture matching, etc.) and an image database and D1, D2, D3 of the dust in 1A~ST141b. マッチしたら、ST124、ST134、ST144に移り、マッチしなかったときのみST121、ST131、S After the match, ST124, ST134, moved to ST144, only when that did not match ST121, ST131, S
T141から処理する。 The processing from the T141. このようにダストのデータベースと比較する処理を行うことによりダストの材質を特定することが可能となり、分類精度を上げることが可能である。 Thus it is possible to identify the material of the dust by performing the processing to be compared with the database of the dust, it is possible to increase the classification accuracy.

【0103】(H03)前記モデルウエハSEM画像上の前記所定パターンの領域を形成する要素を他の領域を形成する要素に対して区別するためのパターン抽出用データを作成するパターン抽出用データ作成装置C2aの代わりに、被検査ウエハSEM画像からパターン抽出用データ作成するパターン抽出用データ作成装置を使用することが可能である。 [0103] (H03) said model wafer SEM image on the predetermined pattern pattern extracting data creating apparatus for creating a pattern extraction data for distinguishing the elements forming a space for elements forming the other regions of the instead of c2a, it is possible to use the data generating apparatus for pattern extraction to create data pattern extracted from the inspection wafer SEM image. (H04)本分類によって欠陥を分類した後、分類毎に更に詳しく分類することが可能である。 (H04) After classifying the defect by this classification, it is possible to further detail classified for each classification. 全てを対象に詳しく分類するよりも本発明の方法でおおまかに分類した後に詳細に分類する方が分類精度が向上する。 It is better to classify in detail after roughly classified by the method of the present invention than in detail classified for all improves classification accuracy. (H05)モデル画像を実際のSEMからではなく、コンピュータによって作成することも可能である。 (H05) not from actual SEM model image, it is also possible to create a computer.

【0104】 [0104]

【発明の効果】(E01)表面に所定パターンが形成された被検査体表面に欠陥が有る場合に、前記欠陥が有る部分の被検査体表面上に前記所定パターンを形成すべき要素が実際に形成しているパターン(すなわち、実パターン)を抽出することができる。 [Effect of the Invention] (E01) if a defect in the inspection surface on which a predetermined pattern is formed is present on the surface, the predetermined pattern for forming the element actually on the inspection surface of the portion where the defect is present formed to have a pattern (i.e., the actual pattern) can be extracted. (E02)表面に所定パターンが形成された被検査体表面に欠陥が有る場合に、その欠陥が前記所定パターンのショート(短絡)を引き起こす欠陥であるか否かを自動的に判別することができる。 (E02) if a defect is present in the inspection object surface on which a predetermined pattern is formed on the surface, whether the defect the defect causes a short circuit (short-circuit) of the predetermined pattern can be discriminated automatically . (E03)表面に所定パターンが形成された被検査体表面に欠陥が有る場合に、その欠陥が前記所定パターンのオープン(断線)を引き起こす欠陥であるか否かを自動的に判別することができる。 (E03) if a defect is present in the inspection object surface on which a predetermined pattern is formed on the surface, whether the defect the defect causes an open (break) of the predetermined pattern can be discriminated automatically . (E04)パターンの欠損や膨張(すなわち、形状異常) (E04) deficiency and expansion of the pattern (i.e., abnormal shape)
を自動的に判定することができる。 It can be determined automatically. (E05)前記本発明により、1個の被検査体上のパターン欠陥分類処理を行った欠陥が例えば100個あった場合に、その100個の欠陥を検査したときのパターンオープンの検出数やパターンショートの検出数の概略を知ることにより、その欠陥発生の防止対策等に役立てることができる。 (E05) said by the present invention, when defects was subjected to pattern defect classification process on one of the device under test is there 100 For example, detecting the number and pattern of the pattern open when examine the 100 defects by knowing the number of detected outline of short, it can help prevention and the like of the defect.

【図面の簡単な説明】 BRIEF DESCRIPTION OF THE DRAWINGS

【図1】 図1は本発明のパターン欠陥分類装置の実施例1の全体説明図である。 FIG. 1 is an overall view of a first embodiment of the pattern defect classification apparatus of the present invention.

【図2】 図2は予備検査情報の表示例を示す図であり、図2Aは被検査ウエハである被検査ウエハの外形および被検査ウエハ上の異物位置または欠陥位置を示す図、図2Bは異物番号または欠陥番号#0,#1,…とその位置、大きさ等の情報を表形式で示す図である。 Figure 2 is a diagram showing a display example of a preliminary examination information, FIG. 2A illustrates a foreign object position or a defect position on the outer shape and the inspected wafer to be inspected wafer is inspected wafer, FIG. 2B foreign matter number or defective number # 0, # 1, ... and its position is a diagram showing information such as the size in a tabular format.

【図3】 図3は本発明のパターン欠陥検査分類システムの一実施例で使用するSEM(走査型電子顕微鏡)およびSEMC(SEMコントローラ)等の全体説明図である。 Figure 3 is an overall view of such SEM used (scanning electron microscope) and SEMC (SEM controller) in one embodiment of the pattern defect inspection classification system of the present invention.

【図4】 図4は同SEMおよびSEMCの全体斜視図である。 Figure 4 is an overall perspective view of the SEM and SEMC.

【図5】 図5はSEMの従来の欠陥検査機能の説明図で、図5Aは被検査ウエハ上の欠陥位置およびチップ位置(ICチップの位置)を示す図で、図5Bは欠陥のチップ上の位置および前記欠陥を含む所定領域(SEM画像を撮像する領域)を示す図、図5Cは図5Bの欠陥を含む所定領域のSEM画像を示す図、図5Dは前記図5 Figure 5 is a diagram of a conventional defect inspection function of SEM, Figure 5A is a diagram showing a defect position and the chip position on the inspected wafer (the position of the IC chip), Fig. 5B is the defect of the chip It shows a predetermined region including the position and the defect (a region for capturing the SEM image), and FIG. 5C is a diagram showing an SEM image of a predetermined region including the defect in Figure 5B, Figure 5D FIG 5
Bに示すチップと同一パターンのチップであって欠陥の無いサンプルチップおよびサンプルチップの前記図5B FIG 5B without sample chips and sample chips defects a chip of the chip the same pattern shown in B
に示す欠陥を含む所定領域と同一領域を示す図、図5E It shows a predetermined region in the same region including the defect shown in FIG. 5E
は図5Dの所定領域のSEM画像を示す図である。 Is a diagram showing an SEM image of a predetermined area of ​​Fig. 5D.

【図6】 図6はSEMC本来の機能および本発明のパターン欠陥分類装置実施例1のプログラムにより実現される機能のブロック図である。 Figure 6 is a block diagram of functions realized by the pattern defect classification apparatus of Example 1 of the program SEMC original function and the present invention.

【図7】 図7は本発明の一実施例のパターン欠陥分類装置のパターン欠陥自動分類処理のメインルーチンを示す図である。 Figure 7 is a diagram showing a main routine of the pattern defect automatic classification process of the pattern defect classification device of one embodiment of the present invention.

【図8】 図8はパターン欠陥自動分類処理の実行中にディスプレイに表示される表示画面の例を示す図であり、図8Aは初期画面、図8Bは初期画面で入力されたID番号に対応するモデルウエハ情報が無い場合の表示画面を示す図である。 Figure 8 is a diagram showing an example of a display screen displayed on the display during execution of the pattern defect automatic classification process, FIG. 8A corresponds to the initial screen, ID number 8B is input in the initial screen it is a diagram showing a display screen when the model wafer information is not to be.

【図9】 図9はモデル画像抽出領域内パターン抽出処理、すなわち、前記ST10のサブルーチンのフローチャートである。 Figure 9 is a model image extraction region within the pattern extracting process, i.e., a flowchart of a subroutine of the ST10.

【図10】 図10は図9のフローチャートで行う処理の説明図で、図10Aはモデル画像抽出領域内の所定のテクスチャを有する画像すなわちモデルパターン領域画像を示す図、図10Bは抽出した複数のモデルパターン領域のうちの1つのモデルパターン領域を示す図、図1 Figure 10 is an explanatory view of a process performed in the flowchart of FIG. 9, FIG. 10A shows an image or model pattern area image having a predetermined texture of the model image extraction area, Figure 10B plurality of extracted is illustrates one model pattern area in the model pattern regions, 1
0Cは抽出した複数のモデルパターン領域のうちの別の1つのモデルパターン領域を示す図、図10Dは抽出した複数のモデルパターン領域のうちのさらに別の1つのモデルパターン領域を示す図、図10Eは前記図10B 0C shows another one model pattern areas of a plurality of model patterns area extracted figure further shows another one model pattern areas of a plurality of model patterns region FIG. 10D extracted, FIG. 10E the figure 10B
のモデルパターン領域に対して行うラベリング例を示す図、図10Fは前記図10Cのモデルパターン領域に対して行うラベリング例を示す図、図10Gは前記図10 Shows labeling example in which the relative model pattern area, FIG. 10F is a diagram showing a labeling example performed on the model pattern region of FIG 10C, FIG. 10G is a diagram 10
Dのモデルパターン領域に対して行うラベリング例を示す図である。 It is a diagram illustrating a labeling example of performing the model pattern area D.

【図11】 図11は被検査ウエハパターン抽出画像内のパターン抽出処理、すなわち、前記図7のST11のサブルーチンのフローチャートである。 Figure 11 is the pattern extraction processing in the wafer to be inspected pattern extraction image, i.e., a flowchart of the subroutine of ST11 of FIG. 7.

【図12】 図12は図11のフローチャートで行う処理の説明図で、図12Aは被検査ウエハパターン抽出画像内の所定のテクスチャを有する画像すなわち欠陥パターン領域画像を示す図、図12Bは抽出した複数の欠陥パターン抽出領域のうちの1つの欠陥パターン領域を示す図、図12C、図12Dはそれぞれ前記抽出した複数の欠陥パターン抽出領域のうちの別の1つの欠陥パターン領域を示す図、図12Eは前記図12Bの欠陥パターン領域に対して行うラベリング例を示す図、図12F、 Figure 12 is an explanatory view of a process performed in the flowchart of FIG. 11, FIG. 12A shows an image or defect pattern region image having a predetermined texture in the inspected wafer pattern extraction image, FIG. 12B is extracted shows one defect pattern area of ​​the plurality of defect pattern extraction area, Figure 12C, shows another one defect pattern area of ​​the plurality of defect pattern extraction region FIG. 12D that the extracted respectively, Figure 12E shows labeling example performed on defect pattern area of ​​FIG. 12B, FIG. 12F,
図12Gは前記図12C、図12Dの欠陥パターン領域に対して行うラベリング例を示す図である。 Figure 12G is a diagram showing a labeling example performed on defect pattern region of FIG 12C, FIG. 12D.

【図13】 図13は前記図7のST12の欠陥分類処理のサブルーチンを示す図である。 [13] FIG 13 is a flowchart showing the subroutine of the defect classification process of ST12 of FIG. 7.

【図14】 図14は前記図13の続きのフローを示す図である。 Figure 14 is a diagram showing a continuation of the flow of FIG 13.

【図15】 図15は前記図9のST16および図11のST21のパターン追跡処理のサブルーチンを示す図である。 Figure 15 is a flowchart showing the subroutine of the pattern tracking process ST21 in ST16 and 11 of FIG. 9.

【図16】 図16は前記ST64のサブルーチンである。 Figure 16 is a subroutine of ST64.

【図17】 図17は前記ST66(図15参照)の連結点探索処理の詳細説明図で、図17AはST66のサブルーチンを示す図、図17BはST95の説明図である。 Figure 17 is a detailed explanatory view of the connection point search processing of the ST66 (see FIG. 15), FIG. 17A is a diagram showing a subroutine of ST66, FIG. 17B is an explanatory view of ST95.

【図18】図18はパターン抽出処理の説明図であり、 [18] Figure 18 is an explanatory view of the pattern extraction processing,
図18Aは1つ目のパターンのパターン抽出処理の開始時の処理の説明図、図18Bは1つ目のパターン抽出処理終了時の状態の説明図、図18Cは1つ目のパターン抽出処理終了時の処理の説明図、図18Dは2つ目のパターンのパターン抽出処理の開始時の処理の説明図、図18Eは2つ目のパターン抽出処理終了時の状態の説明図、図18Fは2つ目のパターン抽出処理終了時の処理の説明図、図18Gは3つ目のパターンのパターン抽出処理の開始時の処理の説明図、図18Hは3つ目のパターン抽出処理終了時の処理の説明図である。 Figure 18A is first pattern illustration of the start of the processing of the pattern extracting process, FIG. 18B is an explanatory view of a first pattern extraction process at the end of the state of Figure 18C first pattern extraction processing ends illustration of the process of time, Figure 18D is a schematic view for illustrating a second pattern at the start of the process of the pattern extraction process, FIG. 18E is a schematic view for illustrating a second pattern extraction process at the end of the state, and FIG. 18F 2 one eye illustration of a pattern extracting process at the end of the processing of FIG. 18G is a schematic view for illustrating a process at the start of the pattern extraction process of the third pattern, FIG. 18H third pattern extraction process at the end of the process it is an explanatory diagram.

【図19】 図19は前記ST32(図13参照)のパターンショート判断処理のサブルーチンである。 Figure 19 is a subroutine of a pattern short judgment processing of the ST32 (see FIG. 13).

【図20】 図20は前記図19のサブルーチンで判断される結果例の説明図で、図20AはMPI(モデルパターン領域画像)を示す図、図20BはDPI(被検査ウエハパターン領域画像)を示す図、図20CはDPI FIG. 20 is an explanatory view of the example of the result is determined in the subroutine of FIG. 19, FIG. 20A shows an MPI (model pattern area image), FIG. 20B DPI (the inspected wafer pattern area image) shows, FIG. 20C is DPI
[0]がshortresult(パターンショート結果格納変数) [0] shortresult (Pattern Short result storage variable)
=「パターンショート」となる例を示す図、図20DはDPI[1]がshortresult=「パターンショート以外」 = Diagram showing an example of the "pattern short", FIG. 20D is DPI [1] is Shortresult = "other than the pattern short"
となる例を示す図、図20EはDPI[2]がshortresul Diagram showing an example where a, FIG. 20E DPI [2] is shortresul
t=「正常」となる例を示す図である。 t = is a diagram showing an example in which the "normal".

【図21】 図21は前記ST38(図13参照)のダスト判断処理のサブルーチンである。 Figure 21 is a subroutine of the dust determination processing of the ST38 (see FIG. 13).

【図22】 図22は前記図21のサブルーチンで判断される結果例の説明図で、図22AはADFCTがdust Figure 22 is an explanatory view of the example of the result is determined in the subroutine of FIG. 21, FIG. 22A is ADFCT dust
result(ダスト判断結果)=D1となる例を示す図、図22BはADFCTがdustresult(ダスト判断結果)= result diagram showing an example in which the (dust determination result) = D1, FIG. 22B ADFCT is Dustresult (dust determination result) =
D2となる例を示す図、図22CはADFCTがdustres Diagram showing an example in which the D2, Figure 22C is ADFCT dustres
ult=D2&D1となる例を示す図、図22DはADFC Shows an example where the ult = D2 & D1, FIG. 22D ADFC
Tがdustresult=D3となる例を示す図、図22EはA It shows an example where T is dustresult = D3, FIG. 22E A
DFCTがdustresult=D3&D1となる例を示す図である。 DFCT is a diagram showing an example in which the dustresult = D3 & D1.

【図23】 図23は前記図21のサブルーチンで判断される結果例の説明図で、MPIが前記図20Aの場合で且つDPIが前記図20Bの場合に現れる可能性の高いADFCTの説明図であり、図23Aは欠陥パターン領域画像DPI[0](図20B参照)の一部(被検査ウエハパターン抽出画像の一部)がADFCTとして検出された例、図23Bは欠陥パターン領域画像DPI[1] Figure 23 is an explanatory view of the example of the result is determined in the subroutine of FIG. 21, in illustration of ADFCT likely to appear in the case of and DPI when MPI is the view 20A is the diagram 20B There, FIG. 23A defect pattern region image DPI [0] example (FIG. 20B see) portion of (a portion of the inspected wafer pattern extracted image) is detected as ADFCT, FIG. 23B is defective pattern area image DPI [1 ]
(図20B参照)の一部(被検査ウエハパターン抽出画像の一部)がADFCTとして検出された例を示す図である。 (Some of the inspected wafer pattern extraction image) (FIG. 20B see) part of a diagram showing the detected example as ADFCT.

【図24】 図24は前記図13のST40のパターン形状異常判断処理のサブルーチンである。 Figure 24 is a ST40 subroutine of pattern abnormality determination process of FIG. 13.

【図25】 図25は前記図14のST46のパターンオープン判断処理のサブルーチンである。 Figure 25 is a ST46 subroutine of the pattern opening determination processing of FIG. 14.

【図26】 図26は前記図14のST52のパターン判断処理のサブルーチンである。 Figure 26 is a subroutine of the pattern judgment processing of ST52 of FIG. 14.

【図27】 図27は前記図24のフローチャートの変更例を示す図である。 Figure 27 is a diagram showing a modification of the flowchart of FIG. 24.

【図28】 図28は前記図25のフローチャートの変更例を示す図である。 Figure 28 is a diagram showing a modification of the flowchart of FIG. 25.

【図29】 図29は前記図26のフローチャートの変更例を示す図である。 Figure 29 is a diagram showing a modification of the flowchart of FIG 26.

【図30】 図30は互いに対応するモデル画像Aの部分画像Aijと被検査画像Bの部分画像Bijとを相互相関を用いてマッチングを行う場合のマッチング方法の説明図であり、図30Aはモデル画像A中の部分画像Aijを示す図、図30Bは被検査ウエハ画像Bの部分画像Bij Figure 30 is a diagram for explaining the matching method for performing matching using the cross-correlation between the partial image Bij of the partial image Aij and the inspection image B corresponding model image A from each other, FIG. 30A Model shows a partial image Aij of the image a, Figure 30B is a partial image Bij of the inspection wafer image B
を示す図、図30Cは前記部分画像AijおよびBijのマッチングは微小領域Aij(l,m)、Bij(l,m)毎に行うことを示す図である。 Diagram showing, Fig. 30C is the matching of the partial image Aij and Bij are views showing that performing small region Aij (l, m), Bij (l, m) every.

【符号の説明】 DESCRIPTION OF SYMBOLS

C0…(SEMCが本来有する手段)、 C0a…被検査ウエハSEM画像作成手段、 C0b…被検査ウエハ欠陥情報作成手段(被検査体欠陥情報作成手段)、 C0c…モデルウエハSEM画像作成手段、 C1…被検査ウエハ情報作成手段、 C1a…被検査ウエハパターン抽出画像作成手段(被検査体パターン抽出画像作成手段)、 C1b…ADFCT抽出手段(欠陥領域抽出画像抽出手段)、 C2…モデルウエハ情報作成手段、 C2a…パターン抽出用データ作成装置、 C2b…モデルパターン抽出画像作成手段、 C3…パターン欠陥自動判別手段、 C3a…パターンショート自動判別手段、 C3b…パターンオープン自動判別手段、 C3c…ダスト判別手段、 CM1…被検査ウエハ情報記憶装置、 CM1a…被検査ウエハSEM画像記憶装置(被検査体画像記憶装置) C0 ... (it means having SEMC originally), C0a ... inspection wafer SEM image forming means, C0b ... inspected wafer defect information preparing means (object to be inspected defect information creating means), C0c ... model wafer SEM image forming means, C1 ... inspected wafer information creating means, C1a ... inspected wafer pattern extracting image creating device (inspection object pattern extracted image creating means), C1b ... ADFCT extracting means (defect region extraction image extracting means), C2 ... model wafer information creating means, c2a ... pattern extraction data creation device, C2b ... model pattern extracting image creating means, C3 ... pattern automatic defect discriminating means, C3a ... pattern short automatic discrimination means, C3b ... pattern open automatically discriminating means, C3c ... dust discriminating means, CM1 ... inspected wafer information storage device, CM 1 ... inspection wafer SEM image storage device (inspection object image storage device) CM1b…被検査ウエハ欠陥情報記憶装置、 CM1c…被検査ウエハパターン抽出画像記憶装置(被検査体パターン抽出画像記憶装置)、 CM1d…ADFCT記憶装置(欠陥領域抽出画像記憶装置)、 CM2…モデルウエハ情報記憶装置、 CM2a…モデルウエハSEM画像記憶装置(モデル画像記憶装置)、 CM2b…パターン抽出用データ記憶装置、 CM2c…モデルパターン抽出画像記憶装置。 CM1b ... inspected wafer defect information storage device, CM1c ... inspected wafer pattern extraction image storage device (inspection object pattern extracted image storage device), CM1d ... ADFCT storage device (defect region extraction image storage unit), CM2 ... Model wafer information storage device, CM2a ... model wafer SEM image storage device (model image storage device), CM2B ... pattern extraction data storage device, CM2c ... model pattern extraction image storage device.

───────────────────────────────────────────────────── フロントページの続き (72)発明者 児玉 裕俊 東京都立川市曙町二丁目34番7号 日本電 子システムテクノロジー株式会社内 Fターム(参考) 2F065 AA49 BB02 CC18 CC19 DD03 FF04 JJ03 PP24 QQ24 QQ31 2G003 AA10 AB18 AH01 AH02 AH05 2G051 AA51 AA56 AB01 AB02 DA07 EA14 EB01 EB02 EC01 ED07 ED14 ED23 FA10 4M106 AA01 AA02 AA09 BA20 CA39 CA41 DB05 DB21 DJ14 DJ21 DJ23 5B057 AA03 DA03 DA17 DB02 DC09 DC36 DC40 ────────────────────────────────────────────────── ─── front page of the continuation (72) inventor Kodama Hirotoshi Tokyo Tachikawa Akebonocho chome 34th No. 7 Japan electronic system technology Co., Ltd. in the F-term (reference) 2F065 AA49 BB02 CC18 CC19 DD03 FF04 JJ03 PP24 QQ24 QQ31 2G003 AA10 AB18 AH01 AH02 AH05 2G051 AA51 AA56 AB01 AB02 DA07 EA14 EB01 EB02 EC01 ED07 ED14 ED23 FA10 4M106 AA01 AA02 AA09 BA20 CA39 CA41 DB05 DB21 DJ14 DJ21 DJ23 5B057 AA03 DA03 DA17 DB02 DC09 DC36 DC40

Claims (9)

    【特許請求の範囲】 [The claims]
  1. 【請求項1】 下記の要件(A01)〜(A03)を備えたことを特徴とするパターン欠陥分類装置、(A01)所定パターンを形成すべき要素が実際に形成された被検査体表面に対して予め行った検査で発見された欠陥領域の画像を含む被検査体画像を記憶する被検査体画像記憶装置と、前記被検査体表面の欠陥領域の位置を含む被検査体欠陥情報を記憶した被検査体欠陥情報記憶装置と、前記欠陥領域を含む所定範囲の被検査体画像から前記所定パターンの領域を形成する要素が実際に形成するパターンのみを抽出した画像の外形の特定が可能な被検査体パターン抽出画像を記憶する被検査体パターン抽出画像記憶装置とを有する被検査体情報記憶装置、(A02)前記被検査体パターン抽出画像を作成抽出した被検査体表面の画像部分に対応するモ [Claim 1] following requirements (A01) ~ (A03) pattern defect classification apparatus comprising the respect (A01) inspection object surface elements to form a predetermined pattern is actually formed and the object to be inspected image storage device that stores inspection object image including an image of the defects found regions in advance performed inspection Te, storing inspection object defect information including a position of the defective area of ​​the inspection surface and the object to be inspected defect information storage device, the possible identified from the inspection object image in a predetermined range of the outline of an image obtained by extracting only the pattern in which the elements forming a region having a predetermined pattern is actually formed including the defective area inspection object information storage device having a device under test pattern extraction image storage unit for storing inspection pattern extraction image corresponding to the image portion (A02) the inspection surface that created extracted inspection object pattern extracted image mode ル画像から前記所定パターン領域のみを抽出した画像の外形の特定が可能なモデルパターン抽出画像を記憶するモデルパターン抽出画像記憶装置、(A03)前記被検査体パターン抽出画像と前記モデルパターン抽出画像とに基づいて前記被検査体表面の欠陥領域のパターン欠陥の種類を自動的に判別するパターン欠陥自動判別手段。 Model pattern extraction image storage device specified from Le image of the outline of an image obtained by extracting only the predetermined pattern region for storing a model pattern extraction image available, (A03) the and the inspection object pattern extracted image and the model pattern extraction image automatically determine that pattern defects automatically discriminating means the type of pattern defect of a defective area of ​​the inspection surface based on.
  2. 【請求項2】 下記の要件(A04)を備えたことを特徴とする請求項1記載のパターン欠陥分類装置、(A0 2. A pattern defect classification apparatus according to claim 1, comprising the following requirements (A04), (A0
    4)前記被検査体と同一の所定パターンが形成された欠陥の無いモデル表面の画像を記憶するモデル画像記憶装置を有するモデル情報記憶装置。 4) The model information storage device having a model image storage device for storing the image of the model without surface defects that same predetermined pattern and the object to be inspected have been formed.
  3. 【請求項3】 下記の要件(A05),(A06)を備えたことを特徴とする請求項1または2記載のパターン欠陥分類装置、(A05)前記欠陥領域を含む所定範囲の被検査体画像から前記所定パターンの領域を形成する要素が実際に形成するパターンのみを抽出した画像の外形の特定が可能な被検査体パターン抽出画像を作成する被検査体パターン抽出画像作成手段、(A06)前記被検査体パターン抽出画像を作成抽出した被検査体表面の画像部分に対応するモデル画像から前記所定パターン領域のみを抽出した画像の外形の特定が可能なモデルパターン抽出画像を作成するモデルパターン抽出画像作成手段。 Wherein the following requirements (A05), the pattern defect classification apparatus according to claim 1, wherein further comprising a (A06), (A05) the inspection object image in a predetermined range including the defect region the inspection object pattern extracted image generating means for generating a test subject pattern extraction image available a particular profile of an image obtained by extracting only the pattern in which the elements forming a region having a predetermined pattern is actually formed from, (A06) the model pattern extraction image to create a model pattern extraction image available a particular profile of an image obtained by extracting only the predetermined pattern region from a model image corresponding to the image portion of the object to be inspected surface created extracted inspection object pattern extracted image creating means.
  4. 【請求項4】 下記の要件(A07)を備えたことを特徴とする請求項1ないし3のいずれか記載のパターン欠陥分類装置、(A07)前記被検査体画像から欠陥領域のみを抽出した画像の外形を特定する欠陥領域抽出画像を記憶する欠陥領域抽出画像記憶装置を有する前記被検査体情報記憶装置。 Wherein following requirements (A07) pattern defect classification apparatus according to any one of claims 1 to 3 comprising the image obtained by extracting only the defect area from the (A07) the inspection object image wherein the defective region extraction image storage unit for storing the defective region extraction image to identify the contour inspected object information storage device.
  5. 【請求項5】 下記の要件(A08)を備えたことを特徴とする請求項1ないし4のいずれか記載のパターン欠陥分類装置、(A08)前記被検査体パターン抽出画像と前記モデルパターン抽出画像に基づいて前記欠陥領域がパターンのショート(短絡)であるか否かを判別するパターンショート自動判別手段を有する前記パターン欠陥自動判別手段。 5. The following requirements (A08) pattern defect classification apparatus according to any one of claims 1 to 4, further comprising a, (A08) the and the inspection object pattern extracted image said model pattern extraction image the pattern defect automatic discrimination means having a pattern short automatic discrimination means the defective area is determined whether or not the short pattern (short circuit) on the basis of.
  6. 【請求項6】 下記の要件(A09)を備えたことを特徴とする請求項4または5記載のパターン欠陥分類装置、(A09)前記被検査体パターン抽出画像と前記モデルパターン抽出画像と前記欠陥領域抽出画像とに基づいて前記欠陥領域のパターン欠陥の種類がオープン(断線)であるか否かを判別するパターンオープン自動判別手段を有する前記パターン欠陥自動判別手段。 6. following requirements (A09) pattern defect classification apparatus according to claim 4 or 5, wherein further comprising a, (A09) the said the inspection object pattern extracted image and the model pattern extraction image defects the pattern defect automatic discrimination means having a pattern opening automatic discrimination means the type of pattern defect of the defective area it is determined whether or not an open (disconnected), based on the region extraction image.
  7. 【請求項7】 下記の要件(A010)を備えたことを特徴とする請求項4ないし6のいずれか記載のパターン欠陥分類装置、(A010)前記被検査体パターン抽出画像と前記モデルパターン抽出画像と前記欠陥領域抽出画像とに基づいて前記欠陥領域のパターン欠陥の種類が異物付着の欠陥(ダスト)であるか否かを判別するダスト判別手段を有する前記パターン欠陥自動判別手段。 7. following requirements pattern defect classification apparatus according to any one of claims 4 to 6 comprising the (A010), (A010) the and the inspection object pattern extracted image said model pattern extraction image the pattern defect automatic discrimination means having a dust determination means the type of pattern defect of the defective area is determined whether or not the defect foreign matter (dust) on the basis of the said defective area extracted image as.
  8. 【請求項8】 下記の要件(A011)を備えたことを特徴とする請求項1ないし7のいずれか記載のパターン欠陥分類装置、(A011)前記被検査体画像またはモデル画像上の前記所定パターンの領域を形成する要素を他の領域を形成する要素に対して区別するためのパターン抽出用データを記憶するパターン抽出用データ記憶装置。 8. following requirements (A011) pattern defect classification apparatus according to any one of claims 1 to 7, further comprising a, (A011) the predetermined pattern on said inspection object image or the model image pattern extraction data storage device for storing the pattern extraction data for distinguishing the elements forming a region for elements to form other regions.
  9. 【請求項9】 下記の要件(A012)を備えたことを特徴とする請求項8記載のパターン欠陥分類装置、(A 9. following requirements (A012) pattern defect classification apparatus according to claim 8, further comprising a, (A
    012)前記被検査体画像またはモデル画像上の前記所定パターンの領域の画像の特徴を前記パターン抽出用データとして記憶する前記パターン抽出用データ記憶装置。 012) wherein said pattern extraction data storage device for storing the characteristics of the image of the region of the predetermined pattern on the inspected object image or model image as the pattern extraction data.
JP10374715A 1998-12-28 1998-12-28 Pattern defect classification device Pending JP2000194864A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP10374715A JP2000194864A (en) 1998-12-28 1998-12-28 Pattern defect classification device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP10374715A JP2000194864A (en) 1998-12-28 1998-12-28 Pattern defect classification device

Publications (1)

Publication Number Publication Date
JP2000194864A true JP2000194864A (en) 2000-07-14

Family

ID=18504312

Family Applications (1)

Application Number Title Priority Date Filing Date
JP10374715A Pending JP2000194864A (en) 1998-12-28 1998-12-28 Pattern defect classification device

Country Status (1)

Country Link
JP (1) JP2000194864A (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7257247B2 (en) 2002-02-21 2007-08-14 International Business Machines Corporation Mask defect analysis system
JP2008258486A (en) * 2007-04-06 2008-10-23 Sharp Corp Distribution analysis method and system, abnormality facility estimation method and system, program for causing computer to execute its distribution analysis method or its abnormality facility estimation method, and recording medium readable by computer having its program recorded therein
JP2009520952A (en) * 2005-12-14 2009-05-28 ケーエルエー−テンカー テクノロジィース コーポレイション Method and system for classifying defects detected on inspection samples
JP2014522589A (en) * 2011-05-31 2014-09-04 ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング Method for defining the pitching of a camera incorporated in a vehicle and method for controlling the light emission of at least one headlight of a vehicle

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7257247B2 (en) 2002-02-21 2007-08-14 International Business Machines Corporation Mask defect analysis system
US7492940B2 (en) 2002-02-21 2009-02-17 International Business Machines Corporation Mask defect analysis system
US7492941B2 (en) 2002-02-21 2009-02-17 International Business Machines Corporation Mask defect analysis system
JP2009520952A (en) * 2005-12-14 2009-05-28 ケーエルエー−テンカー テクノロジィース コーポレイション Method and system for classifying defects detected on inspection samples
JP2008258486A (en) * 2007-04-06 2008-10-23 Sharp Corp Distribution analysis method and system, abnormality facility estimation method and system, program for causing computer to execute its distribution analysis method or its abnormality facility estimation method, and recording medium readable by computer having its program recorded therein
JP2014522589A (en) * 2011-05-31 2014-09-04 ローベルト ボッシュ ゲゼルシャフト ミット ベシュレンクテル ハフツング Method for defining the pitching of a camera incorporated in a vehicle and method for controlling the light emission of at least one headlight of a vehicle

Similar Documents

Publication Publication Date Title
US7027633B2 (en) Collaborative diagnostic systems
Zhu et al. Automatic particle selection: results of a comparative study
US7062081B2 (en) Method and system for analyzing circuit pattern defects
US7170593B2 (en) Method of reviewing detected defects
US7330248B2 (en) Method and apparatus for inspecting defects
US5333207A (en) Inspection apparatus and method with inspection auditing for images presented on a display
US5638459A (en) Method and apparatus for detecting a microscope slide coverslip
US6850320B2 (en) Method for inspecting defects and an apparatus for the same
US6122397A (en) Method and apparatus for maskless semiconductor and liquid crystal display inspection
EP1288859A1 (en) Method for automatic detection of red-eye defecs in photographic images
US20040022437A1 (en) Edge detection based on background change
AU671984B2 (en) Method for identifying objects using data processing techniques
US6535776B1 (en) Method for localizing and isolating an errant process step
US5655029A (en) Device and method for facilitating inspection of a specimen
US20020176609A1 (en) System and method for rapidly tacking multiple faces
TWI399534B (en) And a defect inspection device for performing defect inspection using image analysis
KR930008773B1 (en) Method and apparatus for detecting circuit pattern detect
KR930009741B1 (en) Method and devcie for pattern matching
US7869966B2 (en) Inspection method and its apparatus, inspection system
DE60207863T2 (en) Device and method for facial recognition
US20140112560A1 (en) System and Method For Assessing Image Interpretability in Anatomic Pathology
US20020186878A1 (en) System and method for multiple image analysis
US5129009A (en) Method for automatic semiconductor wafer inspection
EP1293933A1 (en) Method for automatically detecting red-eye defects in photographic image data
JP4451307B2 (en) How to classify objects in a scene

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20050802

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20050809

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20060131

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20060403

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20060530