JP2001127129A

JP2001127129A - 試料の欠陥検査システム、および検査方法

Info

Publication number: JP2001127129A
Application number: JP30496999A
Authority: JP
Inventors: Fumio Mizuno; 文夫水野
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1999-10-27
Filing date: 1999-10-27
Publication date: 2001-05-11

Abstract

(57)【要約】【課題】製品の短期立ち上げ，信頼度試験の適正化，素
子初期不良の低減，素子信頼度の向上を実現できる試料
の欠陥検査システム、および検査方法を提供する。【解決手段】画像分類部を、差画像形成部の後段に複数
の特徴量抽出部，欠陥分類部および学習部を有する構成
とした。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、半導体素子，撮像
素子，表示素子などの製造工程で使用され、走査型電子
顕微鏡（ＳＥＭ）あるいは光学顕微鏡などの試料像形成
装置を用いて素子の外観を検査し、検出された欠陥の分
類を行うとともに、欠陥を詳細に観察する欠陥レビュー
を行う検査システム、および検査方法に関する。

【０００２】

【従来の技術】半導体装置，撮像装置，液晶表示装置な
どは、半導体ウェハ，ガラス等の基板に半導体素子，撮
像素子，表示素子が作り込まれて製造される。これらは
微細な電気回路パターンから構成されており、製造工程
途中での欠陥検査により、その欠陥の早期な発見，原因
究明，対策が、製品の歩留向上のためにたいへん重要で
ある。

【０００３】半導体装置、すなわち、メモリ，ＬＳＩ，
ＡＳＩＣなどは、円盤状のウェハとよばれる半導体基板
に一度に複数個作り込まれるので、光学顕微鏡や走査電
子顕微鏡（ＳＥＭ）等を用いて、半導体装置のとなり同
士、または半導体装置内の同じパターン形状の部分同士
を比較して、差違がある場合にその個所を欠陥として抽
出する検査手法が行われている。この例として、特開昭
61−82107 号公報，特開平3−209843号公報や特開平5−
258703号公報に記載されたものがある。

【０００４】また、欠陥レビューは、光学顕微鏡，走査
電子顕微鏡（ＳＥＭ），異物検査装置，パターン欠陥検
査装置などのウェハ外観検査装置で検出されたウェハ上
の微粒子／パターン欠陥を対象として、検出された微粒
子やパターン欠陥が、（１）「実際に存在するものか否
か？」の虚報判定、（２）「何処で発生したか？」の原
因究明、（３）「デバイス特性にどの程度の影響を及ぼ
すか？」の歩留予測、などを目的として行われる。そし
て、レビューには、微粒子やパターン欠陥を観察するた
め、走査型電子顕微鏡（ＳＥＭ）や光学顕微鏡などのレ
ビュー装置が用いられる。

【０００５】また、欠陥検出から分類までは、所定のア
ルゴリズムに従って教示画像から自動的に特徴量を抽
出，学習し、学習結果に基づいて分類するときに、分類
の正確さは教示画像の内容に依存する。教示画像が、典
型的なものではなく不適切な場合、あるいはバラツキ分
を含まず不十分な場合などには、正解率が下がる。しか
し、実際上は、事前に適切かつ十分な教示画像を取り揃
えることは難しい。

【０００６】

【発明が解決しようとする課題】このようにして抽出さ
れた欠陥の原因究明のため、一般に、「欠陥発生数の大
きい欠陥グループを把握し、その発生原因を明らかにす
ること」を目的として、得られた画像からその特徴量を
抽出し分類する欠陥分類が行われている。これは歩留向
上を狙いとして、効果的な欠陥低減対策を講じるためで
ある。しかし、検出欠陥の分類の第二の目的として、
「発生欠陥の歩留への影響度を把握し、製造途上で完成
歩留すなわち製品完成数を予測できるようにすること」
が挙げられる。このような歩留影響度別の分類は、ＡＳ
ＩＣなど多種少量品の生産量を適正に調整できるように
するだけではなく、低減すべき欠陥グループを正確に優
先順位付けする際にも必須の要件となる。発生欠陥数が
多くても歩留への影響度が小さければ、対策の優先順位
は低い。また、発生欠陥数が少なくても歩留を大きく下
げるようであれば、早急の対策を必要とする。すなわ
ち、真に効果的な歩留向上対策を採るためには、欠陥グ
ループ毎の発生欠陥数と歩留への影響度を同時に把握
し、正確な対策順位付けを行えるようにすることが重要
である。しかし、欠陥グループ毎の発生欠陥数の把握の
目的と歩留への影響度の把握の目的とでは、分類に用い
られる特徴項目が異なるため、両者を同時に分類するこ
とはできない。本発明の第一の目的は、製品の短期立ち
上げ，信頼度試験の適正化，素子初期不良の低減，素子
信頼度の向上を実現できる試料の欠陥検査システム、お
よび検査方法を提供することである。

【０００７】また、欠陥分類時の問題点として、以下の
ような点が挙げられる。

【０００８】（１）レビュー画像の取得倍率に上限があ
るため、表面や周辺部の微細構造情報を得られないこと
がある。

【０００９】（２）二次電子像だけでは欠陥の物質情報
が欠けたり、反射電子像だけでは表面凹凸情報の不足す
ることがある。

【００１０】例えば、（ａ）欠陥サイズで制御された倍
率条件のレビュー画像を用いて大きさ１０μｍの欠陥を
分類する場合、仮に該欠陥サイズに適した７０００倍の
倍率でレビュー画像を取得したとすれば、０.１μｍ程
度以下の表面微細構造に係わる特徴量を抽出することが
できない。抽出には、１０万倍以上の高倍率像が必要で
ある。（ｂ）二次電子像を用いて、表面層の下に隠れて
いる突起異物を分類する場合、突起部はその他表面層と
は全く異なったコントラストを示す。該突起異物が表面
層の下に隠れており、表面層堆積前あるいはそれ以前の
工程で発生した異物であることが分からない。材質の違
いに敏感な反射電子像を同時観察すれば、突起異物が表
面層の上に乗っているか、下に隠されているかを判定で
きるようになる。この例のように、欠陥分類に有効な情
報を見逃すことは、欠陥分類の正解率を下げることにな
る。正確度の低下は、欠陥発生原因や低歩留原因の究明
時間を長引かせることになり、開発期間の長期化や生産
歩留の低迷に繋がる。本発明の第二の目的は、欠陥分類
に有効な特徴量の見逃しをなくし、分類正解率の向上に
つながる手段を提供することである。

【００１１】また、欠陥検出から分類までは、所定のア
ルゴリズムに従って教示画像から自動的に特徴量を抽
出，学習し、学習結果に基づいて分類する場合、分類の
正確さが教示画像の内容に依存することを考慮しなけれ
ばならない。本発明の第三の目的は、教示画像の是非に
拘わらず、適切な学習を行えるようにすることである。

【００１２】

【課題を解決するための手段】本発明の第一の目的を解
決するために、本発明は、画像分類部を、差画像形成部
の後段に複数の特徴量抽出部，欠陥分類部および学習部
を有する構成としたことを特徴とする。

【００１３】本発明の第二の目的を解決するために、本
発明は、一つのレビュー対象欠陥に対して、複数組のレ
ビュー画像を取得できる機能および複数組のレビュー画
像を用いて欠陥分類できる機能を持たせる構成としたこ
とを特徴とする。レビュー画像取得については、例え
ば、（１）一つのレビュー対象欠陥に対して、ウェハ外
観検査装置で取られた欠陥サイズデータに基づいて決め
られた低倍率条件で一組のレビュー画像を取得し、所定
の更に高い倍率条件でもう一組のレビュー画像を取得で
きるような機能を持たせる、あるいは（２）一つのレビ
ュー対象欠陥に対して、二次電子のレビュー画像と反射
電子のレビュー画像とを取得できる機能を持たせる、こ
となどである。欠陥分類については、特徴量抽出に使用
するレビュー画像を特徴項目毎に選択できる機能を持た
せる、例えば、欠陥形状の特徴量抽出については、低倍
率条件で取られた二次電子像および反射電子像のレビュ
ー画像を使用し、表面状態の特徴量抽出については、高
倍率像で取られた二次電子像を用いる構成としたことを
特徴とする。

【００１４】本発明の第三の目的を解決するために、本
発明は、教示画像の内容不適切，内容不足を補い、学習
を効果的に行うため、熟練したオペレータが支援できる
機能を持たせることを特徴とする。具体的には、教示画
像と同時に特徴項目および／あるいは特徴記述をデイス
プレイに表示するための機能と、表示された特徴項目，
記述の中から適切なものを選択するための機能と、該選
択に基づいて特徴量を抽出，分類するための機能を持た
せることを特徴とする。

【００１５】本発明の第一の目的に対しては、入力した
試料像および参照像から差画像を形成し、この差画像を
複数の特徴量抽出部・欠陥分類部に送り出す。第一の特
徴量抽出部，欠陥分類部では、予め学習部で取得された
発生原因切り分け用の学習データを用いて、発生原因別
の分類が行われる。

【００１６】第二の特徴量抽出部，欠陥分類部では、予
め記憶されている歩留影響度判定用の学習データを用い
て、歩留影響度別の分類が実行される。このようにし
て、欠陥発生原因と歩留影響度についての分類が、同時
に実行される。これにより、低減すべき欠陥グループを
正確に優先順位付けすることが可能になる。その結果、
製品の短期立ち上げが実現される。

【００１７】また、第三の特徴量抽出部・欠陥分類部・
学習部を設け、信頼度に影響する特徴量を抽出・分類に
用いれば、信頼度予測が可能となり、信頼度試験の適正
化，素子初期不良の低減，素子信頼度の向上などが実現
できる。

【００１８】このように、欠陥発生原因の他、歩留影響
度や信頼度影響度についての分類が同時に実行できるの
で、低減すべき欠陥グループを正確に優先順位付けする
ことが可能になる。その結果、製品の短期立ち上げ、信
頼度試験の適正化，素子初期不良の低減，素子信頼度の
向上などが実現できる。

【００１９】本発明の第二の目的に対しては、欠陥分類
に有効な情報を見逃すことがなくなり、欠陥分類の正解
率を上げることができ、また、欠陥分類の正確率向上
は、欠陥発生や低歩留の原因究明にかかる時間を短縮
し、開発期間の短縮や生産歩留の短期，大幅向上に繋が
る。

【００２０】本発明の第三の目的に対しては、教示画像
が、必ずしも典型的なものではなく不適切な場合、ある
いはバラツキ分を含まず不十分な場合にも、オペレータ
の知識，経験を反映し、より正解率の高い分類が可能と
なる。

【００２１】

【発明の実施の形態】以下、本発明の第一の実施例を図
面を用いて説明する。

【００２２】半導体素子，撮像素子，表示素子などの製
造工程でそれらの欠陥や異物等の検査に使用される装置
には、ＳＥＭや光学顕微鏡等が使用される。これらのう
ち、半導体素子の製造工程の場合、円盤状のウェハとよ
ばれる半導体基板に複数の半導体素子、すなわち、メモ
リ，ＬＳＩ，ＡＳＩＣなどの半導体装置が作り込まれ
る。

【００２３】この半導体ウェハから半導体装置を製造す
る工程で、ウェハの外観検査に用いられるＳＥＭ式ウェ
ハ外観検査装置を一例として、半導体装置の回路パター
ンの欠陥の検出、およびその分類の方法を以下に述べ
る。ＳＥＭ式ウェハ外観検査装置の基本的な原理と構成
を、図１を用いて説明する。

【００２４】図１はＳＥＭ式ウェハ外観検査装置の主要
な構成を示す機能ブロックおよび縦断面図である。電子
銃１から放出された電子ビーム２は、加速された後、収
束レンズ３および対物レンズ４によって細く絞られ、試
料であるウェハ５の面上に焦点を結ぶ。同時に、電子ビ
ーム２は、偏向器６によって軌道を曲げられ、ウェハ５
の面上を二次元あるいは一次元走査する。

【００２５】一方、電子ビーム２で照射された部分から
は二次電子７が放出される。二次電子７は、二次電子検
出器８によって検出され、電気信号に変換された後、信
号処理部１４でＡ／Ｄ変換などの信号処理を施される。
信号処理された像信号は、メモリ部１５に記憶される。
メモリ部１５に格納された像信号は、ディスプレイ９を
輝度変調あるいはＹ変調するために使われる。ディスプ
レイ９は、電子ビーム２のウェハ面上走査と同期して走
査されており、ディスプレイ９には試料像が形成され
る。得られた試料像を処理することによって、試料であ
るウェハ５に形成されたパターンの欠陥検出と分類が行
われる。

【００２６】ウェハ５に形成されたパターンを検査する
時の手順の一例を示すと、以下のようなものである。複
数の被測定ウェハの一枚であるウェハ５は、ウェハカセ
ット１０から取り出された後、プリアライメントされ
る。プリアライメントは、ウェハ５に形成されたオリエ
ンテーションフラットやノッチなどを基準として、ウェ
ハ５の方向を合わせるための操作である。

【００２７】プリアライメント後、ウェハ５は真空に保
持された試料室１１内のＸＹ−ステージ１２上に搬送さ
れ、搭載される。ＸＹ−ステージ１２上に装填されたウ
ェハ５は、試料室１１の上面に装着された光学顕微鏡１
３を用い、アライメントされる。アライメントは、ＸＹ
−ステージ１２の位置座標系とウェハ５内のパターン位
置座標系との補正を行うものであり、ウェハ５上に形成
されたアライメントパターンを用いて実施される。

【００２８】アライメントパターンの数百倍程度に拡大
された光学顕微鏡像を、予めメモリ部１５に登録されて
いるアライメントパターンの参照用画像と比較し、その
視野が参照用画像の視野と丁度重なるように、ＸＹ−ス
テージ１２の位置座標を補正する。アライメント後、電
子ビーム２の走査とＸＹ−ステージ１２の移動を組み合
わせながら、ウェハ５上の所要検査領域全面をラスタ走
査し、試料像を形成する。形成された試料像は、メモリ
部１５に記録された後、同様にメモリ部１５に格納され
ていた参照像とともに画像分類部１６に転送される。参
照像は、一般的に、直前に検査したチップあるいはセル
の同一部分の試料像が用いられる。

【００２９】画像分類部１６は、一般に、差画像形成
部，特徴量抽出部，欠陥分類部および学習部から構成さ
れている。差画像形成部では、試料像と参照像との差画
像を形成し、差異部をパターン欠陥として検出する。特
徴量抽出部では、差異部すなわち検出欠陥の特徴量が取
得される。欠陥分類部では、抽出された特徴量を基に、
予め定められたグループ群の何れかに該欠陥を分類す
る。そして、学習部では、分類時の基準となるデータが
学習される。自動学習には、一般に、ファジーコンピュ
ータやニューロコンピュータなどが用いられる。また、
画像分類部１６における分類操作は、学習部を使用する
準備作業としての学習操作と、特徴量抽出部，欠陥分類
部を使用する本作業としての欠陥分類操作に分けられ
る。

【００３０】学習操作は、注目欠陥グループの特徴量を
求めるための操作であり、例えば、以下のようにして行
われる。

【００３１】（１）分類したい欠陥グループ単位に典型
的な欠陥像群（教示画像群）を選択し、その参照画像群
とともに入力する。

【００３２】（２）該欠陥グループの特徴量が、教示画
像群を分析することによって、学習される。

【００３３】教示画像はそれに対応した参照画像と比較
され、その差画像すなわち欠陥が抽出される。抽出され
た欠陥は、予め定められた特徴項目（例えば、丸，四角
のような形状，表面が粗い，滑らかのような表面構造，
大きさなど）に従って特徴量が求められる。

【００３４】このような特徴量抽出は、教示画像群全体
に渡って行われ、該教示画像群、すなわち、該欠陥グル
ープを特徴づける特徴量が学習される。学習には、一般
に、ファジーコンピュータやニューロコンピュータなど
が用いられる。

【００３５】欠陥分類操作は、上記学習結果に基づいて
実欠陥を分類する操作であり、以下のようにして行われ
る。

【００３６】（１）試料像と参照像を入力する。

【００３７】（２）試料像と参照像が比較（差画像が形
成）され、差異部が欠陥として検出される。

【００３８】（３）差異部から、各特徴量が抽出され
る。

【００３９】（４）各抽出特徴量は、上記の学習データ
と比較され、該欠陥を該当すると推定される欠陥グルー
プに分類する。

【００４０】（５）分類された結果は、該欠陥に固有な
欠陥ＩＤ番号をキーとして、（欠陥ＩＤ番号）と（分類
コード番号）が並列に記載され、出力される。

【００４１】図２は欠陥分類の手法を示す機能ブロック
図である。図１に示す画像分類部１６を、差画像形成部
１８の後段に並列接続された二系列の特徴量抽出部，欠
陥分類部，学習部を有する構成とする。

【００４２】図２において、図１中のメモリ部１５から
画像分類部１６に送られてきた試料像／参照像部１７の
試料像と参照像は、差画像形成部１８において比較さ
れ、差画像が形成される。

【００４３】第一の系列は、欠陥の発生原因別分類のグ
ループであり、差画像のうち、差が認められた画像を欠
陥のある画像として抽出した後、第一の系列の特徴量抽
出部１９で、丸，四角のような形状，表面が粗い，滑ら
かのような質感，大きさなどの差画像中の欠陥の特徴が
抽出され、これらのデータが欠陥分類部２０へ送られ
る。

【００４４】学習部２１では、予め、所定の発生原因切
り分け用特徴量、例えば、丸，四角のような形状，表面
が粗い，滑らかのような質感，大きさなどが教示画像群
から学習されており、この学習データを用いて、発生原
因別の欠陥分類が特徴量抽出部１９，欠陥分類部２０で
行われる。また、特徴量抽出部１９で抽出された特徴量
も学習データとして蓄積される。

【００４５】第二の系列は、歩留影響度別分類のグルー
プであり、第二の系列の特徴量抽出部２２で、断線，短
絡，凸，凹，島，穴のような形状，欠陥が存在するパタ
ーンの幅および／あるいはパターン間隔で規格化された
大きさなどの差画像中の欠陥の歩留影響度別の特徴が抽
出され、これらのデータが欠陥分類部２３へ送られる。

【００４６】学習部２４では、予め、所定の歩留影響度
別の特徴量、例えば、断線，短絡，凸，凹，島，穴のよ
うな形状，欠陥が存在するパターンの幅および／あるい
はパターン間隔で規格化された大きさなどが教示画像群
から学習されており、この学習データを用いて、発生原
因別の欠陥分類が特徴量抽出部２２，欠陥分類部２３で
行われる。また、特徴量抽出部２２で抽出された特徴量
も学習データとして蓄積される。

【００４７】分類された結果は、分類コードとして（欠
陥ＩＤ番号）（発生原因別グループ番号）（歩留影響程
度区分番号）が並列して表され、出力される。

【００４８】図３は、図２と同様欠陥分類の手法を示す
機能ブロック図である。図２は、第一の系列と第二の系
列を並列に接続したものであるが、図３はこれらを直列
に接続したものである。このように、直列に接続して逐
次分類することも可能である。図２に示した並列接続
は、欠陥分類をハードウエアで実行する場合に適してお
り、図３に示すような直列接続は、欠陥分類をソフトウ
エアで処理する場合に適している。

【００４９】欠陥分類をソフトウエアで処理する場合の
例を以下説明する。図１に示したＳＥＭ式ウェハ外観検
査装置において、被測定試料であるウェハ５は、ウェハ
カセット１０から取り出された後、プリアライメントさ
れる。プリアライメント後、ウェハ５上に形成されたウ
ェハ番号が、ウェハ番号読み取り器（図示せず）によっ
て読み取られる。このウェハ番号は、各ウェハに固有の
ものである。読み取られたウェハ番号をキーにして、ウ
ェハ５に対応する、予めメモリ部１５に登録されていた
レシピが読み出される。レシピは、このウェハ５の検査
手順や検査条件を定めたものである。以降の操作は、こ
のレシピに従って、自動的あるいは半自動的に行われ
る。

【００５０】レシピ読み出し後、ウェハ５は、真空に保
持された試料室１１内のＸＹ−ステージ１２上に搬送さ
れ、搭載される。ＸＹ−ステージ１２上に装填されたウ
ェハ５は、試料室１１の上面に装着された光学顕微鏡１
３とウェハ５上に形成されたアライメントパターンを用
いて、アライメントされる。光学顕微鏡によるアライメ
ントパターンの像は、予めメモリ部１５に登録されてい
たアライメントパターン参照用画像と比較され、その視
野が参照用画像の視野と丁度重なるようにＸＹ−ステー
ジ１２の位置座標を補正する。アライメント後、電子ビ
ーム２の走査とＸＹ−ステージ１２の移動を組み合わせ
ながら、予め指定された領域にわたり検査され、パター
ン欠陥が検出される。

【００５１】図３において、図１中のメモリ部１５から
画像分類部１６に送られてきた試料像／参照像部２５の
試料像と参照像は、差画像形成部２６において比較さ
れ、差画像が形成される。

【００５２】はじめに、欠陥の発生原因別分類が行われ
る。差画像形成部２６において、差画像のうち、差が認
められた画像を欠陥のある画像として抽出した後、特徴
量抽出部２７で、丸，四角のような形状，表面が粗い，
滑らかのような質感，大きさなどの差画像中の欠陥の特
徴が抽出され、これらのデータが欠陥分類部２８へ送ら
れる。

【００５３】学習部２９では、予め、所定の発生原因切
り分け用特徴量、例えば、丸，四角のような形状，表面
が粗い，滑らかのような質感，大きさなどが教示画像群
から学習されており、この学習データを用いて、発生原
因別の欠陥分類が特徴量抽出部２７，欠陥分類部２８で
行われる。また、特徴量抽出部２７で抽出された特徴量
も学習データとして蓄積される。

【００５４】次に、歩留影響度別分類が行われる。特徴
量抽出部３０で、断線，短絡，凸，凹，島，穴のような
形状，欠陥が存在するパターンの幅および／あるいはパ
ターン間隔で規格化された大きさなどの差画像中の欠陥
の歩留影響度別の特徴が抽出され、これらのデータが欠
陥分類部３１へ送られる。

【００５５】学習部３２では、予め、所定の歩留影響度
別の特徴量、例えば、断線，短絡，凸，凹，島，穴のよ
うな形状，欠陥が存在するパターンの幅および／あるい
はパターン間隔で規格化された大きさなどが教示画像群
から学習されており、この学習データを用いて、発生原
因別の欠陥分類が特徴量抽出部３０，欠陥分類部３１で
行われる。また、特徴量抽出部３０で抽出された特徴量
も学習データとして蓄積される。

【００５６】分類された結果は、分類コードとして（欠
陥ＩＤ番号）（発生原因別グループ番号）（歩留影響程
度区分番号）が並列して表され、出力される。

【００５７】パターン欠陥部分の座標位置などの検査デ
ータや欠陥部試料像（欠陥像）／参照像はメモリ部１５
に格納される。さらに、欠陥像と参照像は、画像分類部
１６に送られ、該欠陥の所属すべき発生原因別欠陥グル
ープおよび歩留影響程度区分が決定される。分類結果
は、（欠陥ＩＤ番号）（発生原因別欠陥グループ番号）
（歩留影響程度区分番号）が並列して表され、ＬＡＮ経
由でデータベース（図示せず）へ出力される。データベ
ースに格納された分類結果は、必要に応じて歩留管理シ
ステムなどの工場ＣＩＭシステム（図示せず）上に読み
出され、歩留向上や生産管理のための情報源として、半
導体製造に使用される。

【００５８】このようにして一枚のウェハ５の検査が終
わる。ウェハカセット１０の中に複数の被測定ウェハが
残っている場合には、次のウェハをウェハカセット１０
から取り出した後、上記の操作手順に従って、繰返し検
査を行う。

【００５９】絶縁物試料で、チャージアップが飽和する
までに時間がかかるような試料については、電子ビーム
２を所定の時間照射した後、試料像を取り込むようにす
ると良い。予め求められた飽和特性を基に、該照射時間
をレシピに組み込んでおくことも可能である。

【００６０】なお、上記の例では、ＸＹ−ステージ１２
を用いたが、ＸＹ−ステージ１２の代りに、試料を傾斜
させることも可能なＸＹＴ−ステージを用いれば、試料
を傾斜した状態でのパターン欠陥検出，分類ができる。

【００６１】また、上記の例では、パターン欠陥の検査
だけを記述したが、欠陥部の異物の成分等の分析データ
を合わせて取得できるように、特性Ｘ線分析器やオージ
ェ電子分析器などの分析機能を付属させることも可能で
ある。このような分析データを、欠陥分類の特徴項目と
して付加すれば、より正確な欠陥分類が可能となる。さ
らに、上記の例では、ＳＥＭ式ウェハ外観検査装置に形
成した試料像を分類する機能を付属させた場合を示した
が、光学顕微鏡を用いた光学式ウェハ検査装置でもよい
し、ＳＥＭ式ウェハ外観検査装置や光学式ウェハ検査装
置とネットワークで接続された画像分類端末を設け、こ
れらの検査装置から伝送されてきた試料像を画像分類端
末で分類する構成としてもよい。

【００６２】また、分類の対象は、欠陥発生原因や歩留
影響度だけではなく、例えば、歩留影響度に類似した特
徴項目を用いると、被検査物である素子の信頼度予測が
可能となり、信頼度区分ができる。例を挙げれば、一次
近似ではあるが、配線に生じた凹欠陥はその配線幅に占
める欠陥の大きさに依り、配線間に存在する島状欠陥は
その間隔に占める欠陥の大きさに依存して、配線の寿命
が決まる。この場合、図２または図３に示した特徴量抽
出部，欠陥分類部，学習部は、発生原因別グループへの
分類，歩留影響度での区分、および素子信頼度での区分
の３段構成になる。信頼度区分が可能になれば、製品最
終工程における信頼度試験の適正化，素子初期不良の低
減，素子信頼度の向上に繋がる。

【００６３】また、ここでは、像形成に電子ビームを用
いたが、代りにイオンビームや光ビーム、あるいはメカ
ニカルプローブなどを用いても、同様に画像や測定デー
タの欠陥分類を行うことができる。また、一プローブ・
一画素に限らず、マルチプローブやマルチ画素で像形成
を行う方式であっても構わない。

【００６４】また、ここでは、半導体ウェハを外観検査
する場合について示したが、検査対象物が、撮像素子や
表示素子用の基板試料や、ウェハ以外の試料形状であっ
ても、同様の手法で欠陥分類を行うことができる。

【００６５】このように、本発明の第一の実施例によれ
ば、入力した試料像および参照像から差画像を形成し、
この差画像を複数の特徴量抽出部，欠陥分類部に送り出
し、第一の特徴量抽出部，欠陥分類部で、予め学習部で
取得された発生原因切り分け用の学習データを用いて、
発生原因別の分類が行われ、第二の特徴量抽出部，欠陥
分類部で、予め記憶されている歩留影響度判定用の学習
データを用いて、歩留影響度別の分類が実行される。こ
のようにして、欠陥発生原因と歩留影響度についての分
類が、同時に実行されるので、低減すべき欠陥グループ
を正確に優先順位付けすることが可能になり、製品の短
期立ち上げが実現される。

【００６６】また、さらに、第三の特徴量抽出部，欠陥
分類部，学習部を設け、信頼度に影響する特徴量を抽
出，分類に用いれば、信頼度予測が可能となり、信頼度
試験の適正化，素子初期不良の低減，素子信頼度の向上
などが実現できる。

【００６７】なおここで、出力としての分類結果は、
（欠陥ＩＤ番号）（第一の分類番号）（第二の分類番
号）………のように一連で表示，出力される。これによ
り、分類結果のデータ量削減すなわち保存に必要とされ
るメモリ容量の削減が可能になる。

【００６８】次に、本発明の第二の実施例を説明する。
図４は、レビューＳＥＭの主要な構成を示す機能ブロッ
クおよび縦断面図である。レビューＳＥＭ４０は、半導
体素子の製造工程において、ウェハ上の欠陥（微粒子／
パターン欠陥など）を観察，分類するために用いられ
る。電子銃４１から放出された電子ビーム４２は、加速
された後、収束レンズ４３および対物レンズ４４によっ
て細く絞られ、試料であるウェハ４５の面上に焦点を結
ぶ。同時に、電子ビーム４２は、偏向器４６によって軌
道を曲げられ、ウェハ４５の面上を二次元あるいは一次
元走査する。一方、電子ビーム４２で照射された部分か
らは二次電子４７が放出される。二次電子４７ばかりで
なく、反射電子も放出される場合もある（図示せず）。
二次電子４７あるいは反射電子は、二次電子検出器４８
によって検出され、電気信号に変換される。二次電子４
７も反射電子も同じ検出器を用いて検出することがで
き、その切り替えは、二次電子引き込み電圧のオン／オ
フを選択することなどによって行われる。

【００６９】電気信号は、信号処理部５４でＡ／Ｄ変換
などの信号処理を受けた後、メモリ部５５に記憶され
る。メモリ部５５に格納された像信号は、ディスプレイ
４９を輝度変調あるいはＹ変調するために使われる。デ
ィスプレイ４９は、電子ビーム４２のウェハ４５の面上
走査と同期して走査されており、ディスプレイ４９上に
は試料像が形成される。得られた試料像を観察すること
によって、ウェハ４５上に存在する欠陥のレビューが行
われる。

【００７０】レビューＳＥＭ４０を用いたレビューの手
順は、以下のようなものである。異物検査装置５６ある
いはパターン欠陥検査装置５７で検査されたウェハ４５
は、レビューＳＥＭ４０に移送される。レビューＳＥＭ
４０にて、ウェハ４５の一枚が、ウェハカセット５０か
ら取り出された後、プリアライメントされる。プリアラ
イメントは、ウェハ４５に形成されたオリエンテーショ
ンフラットやノッチなどを基準として、ウェハ４５の方
向を合わせるための操作である。プリアライメント後、
ウェハ４５は真空に保持された試料室５１内のＸＹ−ス
テージ５２上に搬送され、搭載される。ＸＹ−ステージ
５２上に装填されたウェハ４５は、試料室５１の上面に
装着された光学顕微鏡５３を用い、アライメントされ
る。アライメントは、ＸＹ−ステージ５２の位置座標系
とウェハ４５内のパターン位置座標系との補正を行うも
のであり、ウェハ４５上に形成されたアライメントパタ
ーンを用いて実施される。

【００７１】アライメントパターンの数百倍程度に拡大
された光学顕微鏡像を、予めメモリ部５５に登録されて
いるアライメントパターンの参照用画像と比較し、その
視野が参照用画像の視野と丁度重なるように、ＸＹ−ス
テージ５２の位置座標を補正する。アライメント後、異
物検査装置５６，パターン欠陥検査装置５７、あるいは
検査データ管理システム５８から送られてきたレビュー
情報に基づいて、所定の欠陥位置に移動され、位置決め
される。検査データ管理システム５８は、検査データを
蓄え、管理するためのデータベースと、検査データを処
理し表示，出力するためのデータ解析ステーションとか
ら構成される。レビュー情報とは、レビューすべき異物
等の微粒子欠陥，パターン欠陥を指定するデータ，指定
欠陥の位置座標データ，サイズデータなどである。

【００７２】位置決め後、該欠陥のレビュー画像が形成
され、メモリ部５５に格納される。メモリ部５５に記憶
されたレビュー画像は、画像処理され、欠陥の分類に用
いられる。レビュー画像とは、欠陥像およびその参照像
である。参照像とは、他のチップあるいは他のセル内に
おける該欠陥存在位置と同一箇所の試料像である。

【００７３】ここで、レビュー画像は一欠陥につき一組
の画像であり、同一電子ビーム照射条件，信号検出条件
の下、異物検査装置やパターン欠陥検査装置等から送ら
れてきた欠陥サイズデータで制御された不定の倍率条件
（例えば、該欠陥が画面領域の半分を占める程度の倍
率）か、あらゆる検出欠陥についてその全体像を表示可
能な比較的低い一定の倍率条件（例えば、２万倍から５
万倍程度の倍率）で取得される。なお、倍率条件は、電
子ビーム照射条件や信号検出条件と同様に制御部５９の
管理下にあり、偏向器４６の偏向電流および／あるいは
偏向電圧を変えることによって簡単に変更できる。

【００７４】取得されたレビュー画像を用いた欠陥分類
は、欠陥分類部６０にて行われる。欠陥分類は、学習操
作と分類操作に大別され、学習操作は、分類時の判定規
準とすべき特徴量を求めるための操作であり、以下のよ
うにして行われる。

【００７５】（１）分類したい欠陥グループ単位に典型
的な欠陥像群（教示画像群）を選択し、その参照画像群
とともに入力する。

【００７６】（２）該欠陥グループの特徴量が、教示画
像群を分析することによって、学習される。

【００７７】教示画像はそれに対応した参照画像と比較
され、その差画像すなわち欠陥が抽出される。抽出され
た欠陥は、予め定められた特徴項目（例えば、丸，四角
のような形状，表面が粗い，滑らかのような表面状態，
大きさなど）に従って特徴量が求められる。

【００７８】特徴量抽出は教示画像群全体に渡って行わ
れ、該教示画像群すなわち該欠陥グループを象徴すべき
特徴量が学習される。学習には、一般に、ファジーコン
ピュータやニューロコンピュータなどが用いられる。

【００７９】分類操作は、上記学習データを判定の基準
として、以下のようにして行われる。

【００８０】（１）試料像と参照像が比較（差画像が形
成）され、差異部が欠陥として検出される。

【００８１】（２）差異部から、欠陥形状，欠陥サイ
ズ，欠陥表面状態などの特徴項目について、特徴量が抽
出される。

【００８２】（３）抽出された特徴量は、前記にて取得
済の学習データと比較され、該当すると推定される欠陥
グループに該欠陥を分類する。

【００８３】（４）分類された結果は、該欠陥に固有な
欠陥ＩＤ番号をキーとして、（欠陥ＩＤ番号）（欠陥グ
ループ番号）のように並列して表され、出力される。

【００８４】一つのレビュー対象欠陥に対して複数組の
レビュー画像を取得する処理は、制御部５９で制御さ
れ、所定のレシピに従って実行される。レシピは、この
ウェハのレビュー手順やレビュー条件を定めたものであ
る。例を挙げて説明すると、偏向器４６を制御して倍率
変更，位置決め、二次電子検出器４８を制御して検出信
号切り替え、そしてＸＹ−ステージ５２を制御して視野
移動を組み合わせて、複数組のレビュー画像を取得す
る。

【００８５】（１）所定の欠陥位置に視野移動し、位置
決めする。

【００８６】（２）異物検査装置あるいはパターン欠陥
検査装置で取られた欠陥サイズデータに対応した低倍率
条件（以下低倍率条件と略記）、および二次電子検出条
件で欠陥像を取得する。

【００８７】（３）反射電子検出条件に変更し、低倍率
条件で欠陥像を取得する。

【００８８】（４）所定の更に高い倍率条件に変更し、
二次電子検出条件で欠陥像を取得する。

【００８９】（５）参照像を撮る箇所に視野移動し、位
置決めする。

【００９０】（６）低倍率条件、および二次電子検出条
件で参照像を取得する。

【００９１】（７）反射電子検出条件に変更し、低倍率
条件で参照像を取得する。

【００９２】ここで、高倍率条件での二次電子検出参照
像は、欠陥が視野全体を占めるようになり、必ずしも必
要とはならないため、取得していない。また、高倍率で
の反射電子検出レビュー画像は、反射電子の解像度が低
くて必ずしも有効であるとは言えないため、取得してい
ない。取得されたレビュー画像は、その種別情報（例え
ば、（欠陥ＩＤ番号）（二次電子検出）（倍率１０万
倍）（欠陥像）のようなコード）を付帯され、メモリ部
１５に格納された後、欠陥分類に用いられる。

【００９３】複数組のレビュー画像を用いて欠陥分類す
る処理は、欠陥分類部６０にて実行される。欠陥分類部
６０では、（１）レビュー画像に付帯された種別情報を読み取り、
抽出すべき特徴量毎に、所定の欠陥像および／あるいは
参照像を選択する。

【００９４】（２）選択した欠陥像／参照像を用いて、
該欠陥の特徴量を求める。

【００９５】（３）（１)，(２）の処理を全特徴量につ
いて繰返し実施する。

【００９６】（４）（１）から（３）の処理で得られた
特徴量から該欠陥の分類グループを決定する。

【００９７】例を挙げて説明すると、（ａ）欠陥形状に
ついて特徴量を抽出する時には、低倍率条件で取られた
二次電子のレビュー画像、および低倍率条件で取られた
反射電子のレビュー画像を用い、（ｂ）表面状態につい
て特徴量を抽出する時には、高倍率像で取られた二次電
子の欠陥像を使用する。

【００９８】本発明によるレビューＳＥＭの操作手順例
を、以下に説明する。図１において、被測定物であるウ
ェハ４５は、ウェハカセット５０から取り出された後、
プリアライメントされる。プリアライメント後、ウェハ
４５上に形成されたウェハ番号が、図外のウェハ番号読
み取り器によって読み取られる。ウェハ番号は各ウェハ
に固有のものである。読み取られたウェハ番号をキーに
して、ウェハ４５に対応する予めメモリ部５５に登録さ
れていたレシピが読み出される。レシピは、このウェハ
４５のレビュー手順やレビュー条件を定めたものであ
る。以降の操作は、このレシピに従って、自動的あるい
は半自動的に行われる。レシピ読み出し後、ウェハ４５
は、真空に保持された試料室５１内のＸＹ−ステージ５
２上に搬送され、搭載される。ステージ上に装填された
ウェハ５は、試料室１１の上面に装着された光学顕微鏡
５３とウェハ４５上に形成されたアライメントパターン
を用いて、アライメントされる。アライメントパターン
の光学顕微鏡像は、予めメモリ部５５に登録されていた
アライメントパターン参照用画像と比較され、その視野
が参照用画像の視野と丁度重なるようにステージ位置座
標を補正する。アライメント後、所定の欠陥位置にステ
ージ移動され、位置決めされる。位置決めされた後、所
定のレシピに従って、上記のような手法で複数組のレビ
ュー画像が取得される。取得されたレビュー画像は、メ
モリ部５５に格納された後、欠陥分類部６０での分類処
理に供される。欠陥分類部６０では、上記のような手法
で複数組のレビュー画像を用いた欠陥分類が行われる。
そして、レビュー結果は、（欠陥ＩＤ番号）（欠陥グル
ープ番号）のように並列で表され、ＬＡＮ経由で検査デ
ータ管理システム５８へ出力される。検査データ管理シ
ステム５８では、レビュー結果を集計，解析する。解析
結果は、歩留向上や生産管理のための基本情報として、
半導体製造に使用される。

【００９９】このようにして一枚のウェハのレビューが
終わる。ウェハカセットの中に複数の被測定ウェハが残
っている場合には、次のウェハをウェハカセットから取
り出した後、上記の操作手順に従って、繰返しレビュー
を行う。

【０１００】絶縁物試料で、チャージアップが飽和する
までに時間がかかるような試料については、電子ビーム
を所定の時間照射した後、試料像を取り込むようにする
と良い。予め求められた飽和特性を基に、該照射時間を
レシピに組み込んでおくことも可能である。

【０１０１】また、ここでは、ＸＹ−ステージ５２を用
いたが、ＸＹ−ステージ５２の代りに、試料を傾斜させ
られるＸＹＴ−ステージ（図示せず）を用いれば、試料
を傾斜した状態でレビューができる。

【０１０２】ここでは、倍率条件と信号検出条件の組み
合わせで複数組のレビュー画像を取得する例を示した
が、例えば、高倍率にして帯電し易い試料などの場合、
低倍率では大電子ビーム電流条件を用い、高倍率では小
電子ビーム電流を用いるなど、電子ビーム照射条件など
を組み合わせてレビュー画像を取得することも可能であ
る。

【０１０３】また、ここでは、レビューＳＥＭで欠陥分
類する場合を示したが、試料像形成装置としてのＳＥＭ
で複数組のレビュー画像を取得し、これらのレビュー画
像をＬＡＮ経由で検査データ管理システムあるいは欠陥
分類専用装置などに転送し、検査データ管理システムに
付属した欠陥分類機能あるいは欠陥分類専用装置で欠陥
分類を行うことも可能である。

【０１０４】さらに、ここでは、試料像形成に電子ビー
ムを用いたが、代りにイオンビームや光ビーム、あるい
はメカニカルプローブ（図示せず）などを用いても良
い。

【０１０５】また、ここでは、一プローブ・一画素の場
合を示したが、マルチプローブやマルチ画素で試料像形
成を行う方式であっても構わない。

【０１０６】また、ここでは、半導体ウェハをレビュー
する場合について示したが、代りに撮像素子や表示素子
用のウェハであってもよいし、ウェハ以外の試料形状で
あっても構わない。

【０１０７】以上述べたように、本実施例によれば、欠
陥分類に有効な情報を見逃すことがなくなり、欠陥分類
の正解率を上げることができる。欠陥分類の正確率向上
は、欠陥発生や低歩留の原因究明に要する時間を短かく
し、開発期間の短縮や生産歩留の短期・大幅向上に繋が
る。

【０１０８】次に、本発明の第三の実施例を説明する。
図１に示したＳＥＭ式ウェハ外観検査装置を用いた場合
を説明する。したがって、装置の構成は図１と同様であ
るので、ここでは省略する。図５は、図２と同様、欠陥
分類の手法を示す機能ブロック図である。また、図６
は、図１中のディスプレイ９に表示された画像の一例を
示す図である。

【０１０９】図５において、図１中のメモリ部１５から
画像分類部１６に送られてきた試料像／参照像部７１の
試料像と参照像は、差画像形成部７２において比較さ
れ、差画像が形成される。教示画像の学習操作は、特徴
指示部７６を用いて、例えば次のようにして行われる。

【０１１０】（１）ディスプレイ９上に、教示画像群で
ある参照画像８１とともに、予め定められた特徴項目指
示表８２が表示される。

【０１１１】（２）装置のオペレータは、教示画像の情
報に自分の知識，経験を加えて、特徴項目毎の重要性を
判断し、特徴項目指示表８２内の該当項目、例えば、形
状，極重要／大きさ，不要などの画面上の指示表示をク
リック等で指定する。教示画像は、情報を得易くするた
め、所望の画像を一枚ずつ拡大表示して、詳細を観察で
きるようにしている。

【０１１２】（３）特徴項目のうち、例えば形状を指示
すると、形状の特徴記述表８３が表示される。特徴記述
表８３には、分類基準として最重要／重要と判断された
項目については、その指示がチェックマークや色分け表
示などで表示される。分類基準として不要と指定した項
目あるいは無チェックの項目、この例では、大きさや表
面状態などについては、以降の項番（３）（４）の操作
は省かれる。

【０１１３】（４）オペレータは、教示画像の情報に自
分の知識・経験を加えて特徴記述毎の重要性を判断し、
該特徴記述表の該当欄、例えば、周辺ぎざぎざ，最重要
／細長い形状，重要などを画面上の指示表示をクリック
等で指定する。特徴記述表は、更に詳細な特徴記述表を
下層に有する複層の構成、例えば、形状の特徴記述表の
下に細長い形状の特徴記述表を付属する構成となってお
り、本操作を繰返し行うことによって、特徴記述の詳細
化，明確化が行われる。

【０１１４】（５）項番（２）から（４）の操作で指定
された特徴項目，特徴記述は、以降の項番（７）の操作
のため、重み付けをされる。例えば、極重要と指定され
た特徴項目，記述については１の重み、重要と指定され
たものには０.８の重み、不要と指定されたものについ
ては０の重みが付与されるなどである。

【０１１５】（６）特徴項目指示表の各特長項目につい
て、項番（２）から（５）の操作が繰返し行われる。

【０１１６】（７）ファジーコンピュータやニューロコ
ンピュータなどを用いて、上記結果を反映した従来的学
習が学習部にて行われる。分類基準として極重要および
重要と指定され大きな重みが付与された特徴項目，記述
については、学習時に優先的に取り扱われる。一方、不
要と指定され、０の重みが付与された項目，記述につい
ては、学習操作の対象から除外される。

【０１１７】このようにして、検出されたパターン欠陥
部分の座標位置などの検査データや、欠陥部試料像（欠
陥像）／参照像は、図１中のメモリ部１５に格納され
る。さらに、欠陥像と参照像は、画像分類部１６に転送
され、前述の学習結果に基づいて、該欠陥の所属すべき
欠陥グループが決定される。分類結果は、（欠陥ＩＤ番
号）（欠陥グループ番号）のように表され、ＬＡＮ経由
でデータベースへ出力される。データベースに格納され
た分類結果は、必要に応じて歩留管理システムなどの工
場ＣＩＭシステム（図示せず）上に読み出され、歩留向
上や生産管理のための情報源として、半導体装置製造等
に使用される。

【０１１８】このようにして一枚のウェハの検査が終わ
る。ウェハカセットの中に複数の被測定ウェハが残って
いる場合には、次のウェハをウェハカセットから取り出
した後、上記の操作手順に従って、繰返し検査を行う。

【０１１９】上述した例では、予め定められた特徴項目
指示表および特徴記述表を用いて、学習および分類操作
を行う場合について示した。しかし、往々にして、オペ
レータの思いと記述内容が上手に合致しない場合が生じ
る。このような場合には、実質上、分類の正解率が低く
なっている。このような不都合を避けるため、各表を書
き換え可能な構成とし、熟練オペレータが特徴項目，特
徴記述とそれらの定義を変更あるいは追加できるように
すると良い。

【０１２０】また、ここでは、パターン欠陥の検査だけ
を記述したが、欠陥個所の成分分析データを合わせて取
得できるように、特性Ｘ線分析器やオージェ電子分析器
などの分析機能を付属させるとよい。このような分析デ
ータを、分類の特徴項目として付加すれば、より正確な
欠陥分類が可能となる。

【０１２１】本実施例では、ＳＥＭ式ウェハ外観検査装
置に分類機能を付属させ、形成した試料像を分類するた
めの方法を示したが、ＳＥＭ式ウェハ外観検査装置とネ
ットワークで接続された画像分類端末を用い、ＳＥＭ式
ウェハ外観検査装置から伝送されてきた試料像を画像分
類端末で分類することも可能である。また、学習を分類
とは別の装置で行うことも可能である。

【０１２２】また、像形成に電子ビームを用いたが、代
りにイオンビームや光ビーム、あるいはメカニカルプロ
ーブなどを用いても良く、また、一プローブ・一画素の
場合を示したが、マルチプローブやマルチ画素で像形成
を行う方式であっても構わない。

【０１２３】さらに、半導体ウェハを外観検査する場合
について示したが、代りに撮像素子や表示素子用のウェ
ハであってもよいし、ウェハ以外の試料形状であっても
構わない。

【０１２４】このように、本発明の第三の実施例によれ
ば、教示画像が、必ずしも典型的なものではなく不適切
な場合、あるいはバラツキ分を含まず不十分な場合に
も、オペレータの知識，経験を反映し、より正解率の高
い分類が可能となる。

【０１２５】

【発明の効果】以上述べたように、本発明によれば、欠
陥発生原因の他、歩留影響度や信頼度影響度についての
分類が同時に実行できるので、低減すべき欠陥グループ
を正確に優先順位付けすることが可能になる。その結
果、製品の短期立ち上げ，信頼度試験の適正化，素子初
期不良の低減，素子信頼度の向上などが実現できる。

【０１２６】また、欠陥分類に有効な特徴量の見逃しを
なくし、分類正解率の向上を実現できるという効果があ
る。

【０１２７】また、教示画像の是非に拘わらず、適切な
学習を行えるようにすることができるという効果があ
る。

【０１２８】（付記）（１）請求項２の記載において、前記試料像に前記グル
ープ毎に予め分類された分類コードを添付することを特
徴とする試料の欠陥検査システム。

【０１２９】（２）請求項２の記載において、前記試料
像に前記グループ毎に予め分類された分類コードを添付
するとともに、該分類コードは、欠陥発生原因別，歩留
影響度別、および信頼度別の内少なくとも二つに分類さ
れた分類コードであることを特徴とする試料の欠陥検査
システム。

【０１３０】（３）請求項４の記載において、前記画像
取得手段により取得したレビュー画像を用いて前記欠陥
を分類する欠陥分類手段を備えたことを特徴とする試料
の欠陥検査システム。

【０１３１】（４）請求項４の記載において、前記画像
取得手段は走査型電子顕微鏡であって、一つの欠陥に対
して入力された複数組のレビュー画像を用いて該欠陥を
分類する欠陥分類手段を備え、該欠陥分類手段と前記走
査型電子顕微鏡とがネットワークで接続されることを特
徴とする試料の欠陥検査システム。

【図面の簡単な説明】

【図１】本発明の第一の実施例を示し、ＳＥＭ式ウェハ
外観検査装置の主要な構成を示す機能ブロックおよび縦
断面図。

【図２】欠陥分類の手法を示す機能ブロック図。

【図３】欠陥分類の手法を示す機能ブロック図。

【図４】本発明の第二の実施例を示し、レビューＳＥＭ
の主要な構成を示す機能ブロックおよび縦断面図。

【図５】欠陥分類の手法を示す機能ブロック図。

【図６】ディスプレイに表示された画像の一例を示す
図。

【符号の説明】

１４…信号処理部、１５…メモリ部、１６…画像分類
部、１８，２６，７２…差画像形成部、１９，２２，２
７，３０，７３…特徴量抽出部、２０，２３，２８，３
１，６０，７４…欠陥分類部、２１，２４，２９,３２,
７５…学習部、５６…異物検査装置、５７…パターン欠
陥検査装置、５８…検査データ管理システム、５９…制
御部、７６…特徴指示部、８２…特徴項目指示表、８３
…特徴記述表。

───────────────────────────────────────────────────── フロントページの続きＦターム(参考） 2G001 AA03 AA09 BA07 CA03 FA01 FA06 GA01 GA06 HA01 HA07 HA13 JA02 JA03 JA13 JA16 KA03 LA11 MA05 PA11 2G051 AA51 AB07 AC04 AC21 CA03 CA04 DA07 EA08 EA12 EA14 EA21 EC01 ED11 4M106 AA01 BA02 BA10 BA20 CA39 CA41 DB05 DB21 DB30 DJ04 DJ18 DJ23 5B057 AA03 BA01 DA03 DA12 DB02 DB09 DC01 DC32 DC40

Claims

【特許請求の範囲】

【請求項１】入力あるいは形成した試料像を、該試料像
の特徴量を抽出することによって、予め定められたグル
ープに分類するグループ分類手段と、該分類の結果を出
力する出力手段とを備えた試料の欠陥検査システムにお
いて、前記特徴量は複数種類であり、前記グループ分類
手段は前記複数種類の特徴量を抽出して複数種類のグル
ープ群への分類を行うことを特徴とする試料の欠陥検査
システム。
【請求項２】入力あるいは形成した試料像を、該試料像
の特徴量を抽出することによって、予め定められたグル
ープに分類するグループ分類手段を備えた試料の欠陥検
査システムにおいて、前記グループ分類手段で行われる
分類は、欠陥発生原因別グループ，歩留影響度別グルー
プ、および信頼度影響度別グループの内少なくとも二つ
であることを特徴とする試料の欠陥検査システム。
【請求項３】試料に荷電粒子を照射して発生した荷電粒
子から画像を形成し欠陥を検査する試料の欠陥検査シス
テムにおいて、差画像形成部と、その後段に複数の特徴
量抽出部，欠陥分類部、および学習部を備えたことを特
徴とする試料の欠陥検査システム。
【請求項４】試料上に存在する欠陥を観察するレビュー
画像を取得するレビュー装置を備えた試料の欠陥検査シ
ステムにおいて、一つの欠陥に対して複数組のレビュー
画像を取得する画像取得手段を備えたことを特徴とする
試料の欠陥検査システム。
【請求項５】予め教示された画像から特徴量を学習する
学習手段と、入力あるいは形成された試料像を前記学習
手段の学習の結果に基づいて予め定められたグループに
分類する欠陥分類部とを備えた試料の欠陥検査システム
において、前記学習結果に基づく教示画像と同時に前記
試料像の特徴項目および／あるいは特徴記述を表示する
表示手段と、該表示手段に表示された特徴項目および／
あるいは特徴記述の中の少なくともひとつを指示するこ
とによって前記学習結果を制御する制御手段とを備えた
ことを特徴とする試料の欠陥検査システム。