JP2003271927A - 欠陥検査方法 - Google Patents

Abstract

(57)【要約】 【課題】検査対象画像を参照画像と比較してその差異か
ら欠陥を検出する欠陥検査において、画像間の明るさの
違いによる虚報の発生を防止するため、しきい値を大き
く設定し、感度を落とすことを余儀なくされていた。 【解決手段】検査対象画像と参照画像の差異が小さくな
るように、散布図分解を行い比較する、或いは、比較対
象の合わせ込みを行う。これにより、ウェハ内の膜厚の
違いにより生じる画像間の違い等を許容でき、感度を落
とさず虚報の発生を防止できる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、ランプ光もしくは
レーザ光、或いは電子線などを用いて得られた半導体ウ
ェハ、ＴＦＴ、ホトマスクなどの対象物の画像と、あら
かじめ記憶されている参照画像を比較し、その差異から
微細なパターン欠陥や異物等の検査を行う欠陥検査方法
に関する。特に半導体ウェハの外観検査を行うのに好適
な欠陥検査方法に関する。

【０００２】

【従来の技術】検査対象画像と参照画像とを比較して欠
陥検出を行う従来の技術としては、特開平０５−２６４
４６７号公報に記載の方法が知られている。

【０００３】これは、繰返しパターンが規則的に並んで
いる検査対象試料をラインセンサで順次撮像し、繰返し
パターンピッチ分の時間遅れをおいた画像と比較し、そ
の不一致部をパターン欠陥として検出するものである。
しかし、実際にはステージの振動や対象物の傾きなどが
あり、２枚の画像の位置が合っているとは限らないた
め、センサで撮像した画像と、繰返しパターンピッチ分
の遅延された画像の位置ずれ量を求める。そして、求め
られた位置ずれ量に基づき２枚の画像の位置合わせを行
った後、画像間の差をとり、差が規定のしきい値よりも
大きいときに欠陥と、小さいときは非欠陥、即ち正常と
判定する。

【０００４】

【発明が解決しようとする課題】上記従来技術の課題を
説明する。例えば、図１の１１は検査対象画像、１２は
参照画像の一例であり、１ａは一様に明るい下地領域、
１ｂは明るい下地に暗いパターンがある領域である。ま
た、検査対象画像１１には欠陥１ｃがある。本例の画像
において、位置１Ｄ−１Ｄ‘での明るさの波形は図１
（ｂ）のようになっている。ここで、１１と１２の位置
ずれ量が求められ、１１と１２の位置合せ後の差画像は
図２のようになる。差画像とは検査対象画像と参照画像
の対応する各位置での差の値に応じて濃淡差表示した画
像のことである。差の値が特定のしきい値ＴＨ以上とな
る部分を欠陥とするならば、図２において１１の欠陥１
ｃのみが検出される。

【０００５】検査対象物が半導体ウェハの場合、ウェハ
内での膜厚の違いがあると、図３の（ａ）の４ａ、
（ｂ）の４ｂに示すように検査対象画像と参照画像の同
一のパターンで明るさの違いが生じ、その差の値は図４
（ａ）の４ｃのように大きくなる。これは虚報であり、
検出しないようにするためには、しきい値ＴＨを大きく
せざるを得ない。もしくは明るさむらのある領域とない
領域でしきい値を別に設定せざるを得ない。

【０００６】このように、半導体の場合、そのパターン
の位置精度が高く位置情報が信頼できるという意味で、
比較的高精度な空間（位置）情報に対し、あいまいな明
るさ情報を如何に処理するかが、大きな課題である。

【０００７】本発明の目的は、このような従来検査技術
の問題を解決するために、検査対象画像を参照画像と比
較してその差異から欠陥を検出する比較検査において、
明るさの比較時に、多次元空間のひとつである散布図に
データを投票し、得られた散布図を特徴に基づき分解
し、分解した各散布図上のデータの拡がりを抑えること
により、低いしきい値を設定可能とすることにある。

【０００８】ここで、多次元空間のひとつである散布図
は、検査対象画像と参照画像の明るさを、それぞれ縦軸
と横軸にとったものである。これにより、色むらによる
虚報を低減するとともに、高感度な欠陥検査方法及び装
置を提供することにある。特に、半導体ウェハを対象と
した検査では膜厚の違いなどから生じるパターンの明る
さむらについて、画像間の明るさを合わせ込んで検査を
行うことにより、しきい値ＴＨを大きくすることなく、
明るさむらによる虚報を低減し、高感度な欠陥検査を実
現することにある。なお、比較検査において、ここでは
明るさを比較対象として説明するが、明るさ以外を対象
とする場合は、それを散布図の縦軸と横軸にとるものと
する。また、３つ以上の特徴を選び、散布図を多次元化
してもよい。

【０００９】

【課題を解決するための手段】上記目的を達成するため
に、本発明は、検査対象画像と参照画像との比較におい
て、散布図を投票により作成し、得られた散布図を特徴
に基づき分解し、分解した各散布図上のデータの拡がり
を抑えることにより、低いしきい値を設定可能とする方
法を備えている。さらに、対象の膜厚等の違いにより画
像間の同一となるパターン間で明るさの違いが生じてい
ても、あらかじめ明るさを合わせ込むことにより、明る
さむらの有無にかかわらず、低しきい値で高感度な欠陥
検査を行う方法を備えている。一般的に表現すると、明
るさなどの対象特徴の合わせ込みを行う方法を備えるこ
とにより、正常部の不一致の影響を受けることなく、高
感度に検査でき、かつ虚報の発生を低減できる。

【００１０】これらの方法を備えることにより、全検査
対象領域に対し、低しきい値であっても虚報を発生しな
い高感度な欠陥検査方法を提供する。さらに、欠陥の分
類方法や画像データの圧縮方法を提供する。

【００１１】

【発明の実施の形態】以下、本発明の一実施例を図１か
ら図１７により、詳細に説明する。

【００１２】実施例として、半導体ウェハを対象とした
光学式外観検査装置における欠陥検査方法を例にとる。
図５は装置の構成の一例を示したものである。５１は試
料（半導体ウェハなどの被検査物）、５２は試料５１を
搭載し、移動させるステージ、５３は検出部で、試料５
１を照射するための光源５０１、光源５０１から出射し
た光を集光する照明光学系５０２、照明光学系５０２で
集光された照明光で試料５１を照明し、反射して得られ
る光学像を結像させる対物レンズ５０３、結像された光
学像を明るさに応じて画像信号に変換するイメージセン
サ５０４により構成される。５５は画像処理部で、検出
部５３で検出された画像により試料であるウェハ上の欠
陥候補を検出する。

【００１３】画像処理部５５は、検出部５３のイメージ
センサ５０４からの入力信号をデジタル信号に変換する
ＡＤ変換部５４、ＡＤ変換されたデジタル信号に対して
シェーディング補正、暗レベル補正等の画像補正を行う
前処理部５０５、比較対象のデジタル信号を参照画像信
号として格納しておく遅延メモリ５０６、検出部５３で
検出されたデジタル信号（検出画像信号）と遅延メモリ
５０６に格納された参照画像信号との位置ずれ量を検出
する位置ずれ検出部５０７、散布図を投票により作成
し、さらに分解し、また空間情報とのリンクを行う分解
散布図作成及び空間情報との結合部５０８ｂ、不一致間
の空間的（画像上の）近接関係などの空間（位置）情報
を抽出する空間情報抽出部５０８ｃ、算出された位置ず
れ量を用い、散布図分解と空間情報の結合によって、検
出画像と参照画像の画像信号の比較を行い、差の値が特
定のしきい値より大きい部分を欠陥候補として出力する
画像比較部５０８ａ、欠陥候補の座標や特徴量などを算
出する特徴抽出部５０９から構成される。

【００１４】５６は全体制御部で、ユーザからの検査パ
ラメータ（画像比較で用いられるしきい値など）の変更
を受け付けたり、検出された欠陥情報を表示したりする
表示手段と入力手段を持つユーザインターフェース部５
１０、検出された欠陥候補の特徴量や画像などを記憶す
る記憶装置５１１、各種制御を行うＣＰＵで構成され
る。５１２は全体制御部からの制御指令に基づいてステ
ージ５２を駆動するメカニカルコントローラである。な
お、図示していないが、画像処理部５５、検出部５３等
も全体制御部５６からの指令により駆動される。

【００１５】なお、図5に示した構成において、ＡＤ変換
部５４を画像処理部５５の側に設け、検出部５３を画像
処理部５５、全体制御部５6、ユーザインターフェース
部５１０、記憶装置５１１などから切り離して設置する
構成にしても良い。この場合、イメージセンサ５０４か
らの出力はＡＤ変換部５４でＡＤ変換され、この変換さ
れたデジタル信号が通信手段を介して、画像処理部５５
に入力され、前処理部５０５以降の処理が施される。そ
して、この場合も、検出部５３と画像処理部５５とは、全
体制御部５６で制御される。

【００１６】検査対象となる半導体ウェハ５１は、図６
に示すように同一であるはずのパターンのチップが多
数、規則的に並んでいる。図５の検査装置では、隣接す
る２つのチップの同じ位置、例えば図６の領域６１とそ
れに隣接するチップの領域６２との間で画像を比較し、
両者の間に差異がある部分を欠陥として検出する。

【００１７】その作用を説明すると、全体制御部５６で
は、試料である半導体ウェハ５１をステージ５２によ
り、例えば図６に示すスキャンＡの方向と反対の方向へ
連続的に移動させる。このステージ５２の連続的な移動
に同期して、検出部５３のイメージセンサ５０４でスキ
ャンＡの方向に順次試料５１の光学像が検出されて、チ
ップの像が検出部５３より取り込まれる。検出部５３の
イメージセンサ５０４は入力された信号を画像処理部５
５に出力する。画像処理部５５では、まず入力されたア
ナログ信号をAD変換部５４でデジタル信号に変換し、前
処理部５０５にてシェーディング補正、暗レベル補正な
どを行う。また、必要に応じてノイズの除去とエッジ強
調によりＳ／Ｎを向上させる処理を行う。ただし、Ｓ／
Ｎ向上による画質改善処理は、後で行うこともできる。
位置ずれ検出部５０７には、前処理部５０５から出力さ
れる検査対象チップの画像信号（検出画像信号）と、遅
延メモリ５０６から入力される、ステージがチップ間隔
分移動する時間だけ遅延された画像信号、すなわち、検
査対象チップの１つ前のチップの画像信号（参照画像信
号）がセットで入力される。

【００１８】ステージの移動に同期して順次入力される
これら２チップの画像信号は、ステージの振動があった
り、ステージ上にセットされたウェハが傾いていると、
対応する箇所での信号とはならない。このため、位置ず
れ検出部５０７では連続的に入力される２つの画像間の
位置ずれ量を算出する。この時、検出画像信号、参照画
像信号は連続して入力されるが、位置ずれ量の算出は特
定の長さを一処理単位とし、処理単位毎に順次行う。こ
の長さは、画像に影響するステージや光学系の振動等の
周期より小さく選ぶことが重要である。

【００１９】ここで、位置ずれ量の算出対象をすべての
画像とせず、その一部とし、その位置を、図６に示すス
キャンの先頭チップの画像から判定して決めてもよい。
また、ステージの挙動にある程度再現性があれば、最初
のスキャンＡで求めた位置ずれ量を参照し、その後のス
キャンＢでの位置ずれ量算出の振り幅を決めてもよい。
また、位置ずれ量は、画像の正規化相関等のマッチング
により求めてもよいし、周波数領域で算出してもよい。
後者の場合、位相のみに着目しても、明るさの違いによ
りロバストであり、好適である。

【００２０】以下の処理についても各々の処理単位を定
め、その単位毎に行う。画像比較部５０８ａでは算出さ
れた位置ずれ量を用いて画像の位置合わせを行い、５０
８ｂにて後述する分解散布図作成を行い、この情報に基
づいて、５０８ａで検出画像と参照画像を比較して、そ
の差の値が特定のしきい値より大きい領域を欠陥候補と
して出力する。

【００２１】特徴抽出部５０９では、複数の欠陥候補各
々について、小さいものをノイズとして削除したり、近
隣の欠陥候補同士を一つの欠陥としてマージするなどの
編集を行い、ウェハ内での位置や面積、サイズ、その他
のリアルタイムＡＤＣ（Ａｕｔｏ Ｄｅｆｅｃｔ Ｃｌ
ａｓｓｉｆｉｃａｔｉｏｎ：欠陥分類）向けの特徴量を
算出し、最終的な欠陥として出力する。これらの情報
は、記憶装置５１１に保存する。また、ユーザインター
フェース部５１０を介して、ユーザに提示する。ここ
で、特徴量は、散布図の軸や分解に用いた特徴でもよ
く、その場合は、欠陥判定と分類が同時に一撃に実現で
きる。

【００２２】ここで、画像比較部５０８ａで単なる差の
値から欠陥候補を求めた場合、それら全てが真の欠陥で
あるとは限らない。その例を以下に説明する。

【００２３】半導体ウェハ５１の膜厚が一様でない場
合、検査対象画像と参照画像には明るさの違いが生じ
る。例えば、図４の４ａ、４ｂの３つ並んだ十字は、検
査対象画像１１と参照画像１２内の対応するパターンで
あるが、膜厚の違いにより、明るさが大きく異なってい
る（以下、明るさむらと記述する。また、検出画像１１
にのみ欠陥１ｃがある。図４（ａ）は、これらの画像に
対し、位置ずれ検出部５０７で正しい位置ずれ量が算出
され、位置合わせが行われた時の各対応する位置での差
の画像であるが、同一パターンであっても明るさむらの
ある部分では差の値が大きくなる。図４（ｂ）は、位置
１Ｄ−１Ｄ‘での差の波形である。差の値がしきい値Ｔ
Ｈ以上の領域を欠陥とするならば、欠陥１ｃの他に、明
るさむらにより差の値が大きくなる十字のパターンも検
出される。これらは虚報である。

【００２４】このような明るさむらによる虚報の検出を
避けるため、しきい値をＴＨからＴＨ２へと高くし、全
体に低感度で検査を行う、もしくは、明るさむらがある
部分ではしきい値をＴＨ２に、明るさむらがない部分で
はしきい値をＴＨに設定するなど複数個のしきい値を用
いた感度調整をして検査を行う等の方法が考えられる。

【００２５】本発明では、画像比較部５０８ａにおい
て、検出画像、参照画像の差分を演算する前に、あらか
じめ画像間の明るさの合わせ込みを行う。そして、この
画像間の明るさ合わせ込みの補正が行われた検出画像、
参照画像を用いて、両画像間の差分を演算する。

【００２６】図７は、処理の概要の一例である。まず、
位置ずれ検出部５０７で算出した位置ずれ量により、検
査画像と参照画像の画素単位の位置合わせを行う（７
０）。この位置合わせ後の画像について各画素の特徴量
を演算し（７１）、特徴量に応じて対象画像を複数個に
分解する（７２）。これにより、多次元空間の１種であ
る複数の散布図が作成される。分解後の画素のまとまり
を以下、カテゴリ（クラスと称してもよい）と記述す
る。さらに、高頻度のカテゴリを検出し、これを正常カ
テゴリとみなす。

【００２７】次に、各カテゴリ毎に検出画像と参照画像
の明るさを合わせ込むための補正係数を、正常カテゴリ
を参照しながら演算する（７３）。この補正係数を用い
てカテゴリ毎に、一方の画像の明るさを他方の画像の明
るさに近くなるように補正することにより明るさの合わ
せ込みを行う（７４）。そして補正後の検出画像と参照
画像の対応する各画素で差分を演算し（７５）、画素毎
に演算されるしきい値より大きいものを欠陥候補として
抽出する（７６）。

【００２８】最後に、後述する不一致の空間情報をチェ
ックし（７７）、最終的に欠陥を出力する（７８）と同
時に、欠陥分類を行う（７９）。なお、欠陥分類は、分
解散布図をベースに、行ってもよい。

【００２９】次に、７１〜７４までの明るさ合わせ込み
の処理手順の一例を詳細に説明する。ここでは、比較す
る検出画像と参照画像のうち、一方の検出画像に対して
明るさ（選んだ特徴）の補正を行うこととする。まず、
画素単位で位置の合った検出画像と参照画像を用いて、
各画素の特徴量を演算する。特徴量には、明るさ、コン
トラスト、検出画像と参照画像での明るさの差（濃淡
差）、或いは周波数領域における特徴など多数あるが、
以下、特徴量としてコントラストを用いた場合を例にと
って説明する。

【００３０】まず、対象領域内の全画素についてコント
ラストを各々演算する。コントラスト演算には各種のオ
ペレータがあるが、その１つにレンジフィルタ（ｒａｎ
ｇｅｆｉｌｔｅｒ）がある。これは、図８に示すように
対象領域内の座標位置（ｉ、ｊ）におけるコントラスト
を、近傍領域での明るさの最大値と最小値の差とするも
のである。フィルタサイズを２×２にした場合、（ｉ、
ｊ）での明るさがA、近傍の明るさがB、C、Dならば計算
式は（数１）となる。勿論、３×３等、対象に合わせて
サイズは設定すればよい。

【００３１】 コントラスト（ｉ、ｊ）＝Max（Ａ、Ｂ、Ｃ、Ｄ）−Min（Ａ、Ｂ、Ｃ、Ｄ） ・・・（数１ ） また、画質に応じて、レンジフィルタではなくノイズの
影響を低減するパーセンタイルフィルタを用いてもよ
い。また、対象領域内の座標位置（ｉ、ｊ）におけるコ
ントラストを２次微分値で計算してもよい。この場合、
図９に示すように９近傍の明るさA〜Iを使い、（数２）
による計算を行う。

【００３２】 Dx=B+H−２×E、 Dy=D+F−２×E コントラスト（ｉ、ｊ）＝Max（Dx、Dy） ・・・（数２） この他にも近傍内での輝度変化量を求めるために様々な
演算方法を取り得る。このようにして検出画像での各画
素についてコントラストFｃ（ｉ、ｊ）、参照画像の各
画素についてコントラストＧｃ（ｉ、ｊ）をそれぞれ演
算し、検出画像と参照画像の対応する画素での平均（数
３）、もしくは差分（数４）、もしくは大きい方をとる
（数５）などして２枚の画像のコントラストを統合し、
各画素でのコントラストを一意に決定する。そしてコン
トラスト値C（ｉ、ｊ）に応じて数段階に画像を分解す
る。以下、数段階に分解したものをコントラストカテゴ
リと記述する。その結果として、領域１ａのような明る
さが一様な部分（低コントラスト領域）から領域１ｂの
パターンエッジ部のように明るさが急峻に変化する部分
（高コントラスト領域）までが段階的に分解される Ｃ（ｉ、ｊ）＝（Ｆｃ（ｉ、ｊ）＋Ｇｃ（ｉ、ｊ））／２ ・・・（数３ ） Ｃ（ｉ、ｊ）＝｜Ｆｃ（ｉ、ｊ）−Ｇｃ（ｉ、ｊ）｜ ・・・（数４ ） Ｃ（ｉ、ｊ）＝ Max（Ｆｃ（ｉ、ｊ）、Ｇｃ（ｉ、ｊ）） ・・・（数５ ） 次に、明るさ（選んだ特徴）を合わせ込むための補正係
数をコントラストカテゴリ毎に演算する。

【００３３】その一例を図１０により説明する。まず、
同じコントラストカテゴリに属する画素について、横軸
を検出画像の明るさ（選んだ特徴）、縦軸をそれに対応
する参照画像の明るさ（選んだ特徴）とした散布図を作
る。そして、散布図から近似直線を求める。ここで、頻
度が小さいカテゴリは、欠陥の可能性があるため、高頻
度な正常カテゴリデータを代用する。最近傍決定則を用
いて、近傍の正常カテゴリのデータ、或いは着目カテゴ
リと近傍正常カテゴリを含むデータを用いて、直線近似
を行う。

【００３４】図１０の１０１は、あるコントラストカテ
ゴリに属する画素の散布図から求めた近似直線である。
近似直線の算出方法は各種あるが、その一例として最小
２乗近似（各点からの距離の総和が最小となるような直
線を求める方法）がある。そして、算出された近似直線
の傾きａとＹ切片ｂがそのコントラストカテゴリの補正
係数となる。こうして算出した補正係数を用いて検出画
像の明るさ（選んだ特徴）を補正し、明るさ（選んだ特
徴）の合わせ込みを行う。

【００３５】実際には、検出画像の明るさがＦ（ｉ、
ｊ）だったとすると、補正後の検出画像Ｆ'（ｉ、ｊ）
を近似直線の傾きａとＹ切片ｂから（数６）で算出す
る。そして、検出画像の補正後の明るさＦ'（ｉ、ｊ）
と参照画像の明るさＧ（ｉ、ｊ）の差異を（数７）の差
分Ｄ（ｉ、ｊ）で求め、差の値が設定したしきい値ＴＨ
より大きい部分を欠陥候補とする。

【００３６】 Ｆ'（ｉ、ｊ）＝ａ×Ｆ（ｉ、ｊ）＋ｂ ・・・（数６ ） Ｄ（ｉ、ｊ）＝Ｆ'（ｉ、ｊ）−Ｇ（ｉ、ｊ） ・・・（数７ ） 検出画像の明るさ（選んだ特徴）の補正は、（数６）が
示す通り、散布図を傾き４５度、ｙ切片０の直線上にの
せるために各画素の明るさ（選んだ特徴）を散布図内で
回転（回転量：ゲイン）、シフト（シフト量：オフセッ
ト）させるのと同等である。図１７はその動作を示して
いる。そして差の値Ｄ（ｉ、ｊ）は変換後の直線からの
距離と同等となる。これは、直線との距離が近い点ほど
補正後の差の値が小さくなることを意味する。また、欠
陥検出のためのしきい値ＴＨは変換後の散布図の外側に
設定することになる（Ａ）。このため、しきい値ＴＨを
低く設定し、高感度な検査を行うためには図１７（Ｂ）
に示すように変換後の散布図をスリムにする必要があ
る。従って、特徴は、散布図上でデータの拡がりが最小
（例えば分散最小）になるものを選ぶ。

【００３７】ここで、図７に示した方法により、散布図
のばらつきが低減できる理由を説明する。ＬＳＩウェハ
の場合、膜厚の変動は、パターン平坦部のみならずエッ
ジ部でも生じる。しかし、明視野検出においては、エッ
ジ部での正反射光の多くは、イメージセンサに到達しな
い。観察されるのは、主に回折光である。従って、エッ
ジ部では膜厚変動の影響は平坦部に比べ小さいものとな
る。従って、ウェハ上で隣接する２つのチップの比較で
も、膜厚変動による不一致の影響はエッジ部では小さ
い。このため、図１１に示すように、エッジ部のコント
ラストに基づき、２枚の画像の散布図を分解すれば、エ
ッジ部ではばらつきの小さい散布図が得られる。従っ
て、しきい値を適切に設定すれば、エッジ部の欠陥、即
ちパターンの形状欠陥が微細なものまで検出可能とな
る。しきい値は、正負の符合をもつ２つの値でもよい
し、散布図データを包み込むような包絡線（折れ線な
ど）としてもよい。また、式（６）に基づき、階調を変
換すれば、さらに高感度な比較が実現できる。

【００３８】このように、回折光の振る舞いに着目して
特徴を選ぶと、明視野検出ではコントラストが有力な特
徴候補のひとつとなる。なお、コントラストは等間隔或
いは不等間隔で分け、それぞれを異なるカテゴリとして
よい。図７では、画像の各画素をコントラストカテゴリ
に分解しているが、これは図１１に示すように、散布図
をコントラストカテゴリ数だけ用意していることにな
る。

【００３９】実機では、コントラスト演算フィルタの種
類、フィルタサイズ、コントラストカテゴリへの分割
数、刻み幅などはルックアップテーブルで定義すること
により、フレキシブルに変更可能な構成とできる。

【００４０】また、パターンエッジのコントラストでな
く、そのエッジ情報を等価的に有するＣＡＤデータに基
づくレイヤー情報を使用しても、拡がりを抑制した、分
離性のより散布図分解が可能である。この場合、レイヤ
ーの重なる領域は、別レイヤーと見なした方がよい。な
お、本考えは、主成分分析のように、軸を選ぶことによ
って特徴を減らすものではないが、類似した考えは適用
可能である。

【００４１】ＤＵＶ光やＶＵＶ光などでは、主にレーザ
光源が使用されるが、発明者らが特開２００１−１９４
３２３号公報に記載したような、対物レンズを介して照
明を行う同軸落射・明視野検出ならば、上記考えが成り
立つ。

【００４２】暗視野検出の場合は、平坦部からの散乱光
は検出されず安定であるが、パターンエッジ部の微妙な
形状の違い等で明るさが変動し、散布図は高コントラス
ト部でバラつきが大きくなる。従って、如何にパターン
エッジからの散乱光を試料のフーリエ変換面で遮光して
減少させるかがポイントになる。このために、対象パタ
ーンの周波数に対応した「空間フィルタ」と呼ぶ遮光用
のフィルタを光路中に挿入して、パターンからの散乱光
を低減している。これにより、散布図上でデータの拡が
りが小さくできる。従って、対象パターンに対する空間
フィルタの形状適合性の評価にも、散布図が使用可能で
ある。

【００４３】散布図を分散最小基準などの判断基準を用
いて、正しく分解するための特徴量として、コントラス
トの差、濃淡差、明るさ（情報）、テクスチャ情報、散
布図上の頻度情報など、対象や検出方法に応じて、様々
な特徴量が用いられる。いずれも、分解された散布図上
で、データがないスパースなエリアを確保できると、こ
のエリアにマッピングされた欠陥が検出でき、検査感度
が向上することになる。換言すれば、スパースなエリア
を確保できるよう、特徴を選ぶことになる。スパースな
エリアとは、頻度が定めたしきい値以下のカテゴリをさ
す。このカテゴリが多いほど、欠陥の検出感度が向上す
る。

【００４４】ここでは、頻度（画素数）を用いた例をさ
らに説明する。一般的な特徴として、色むら（正常領
域）は広範囲に渡っている、繰り返して発生したり、あ
るパターンの全面で発生する等の特長により、その頻度
は大きい。勿論、正常部は散布図上で集中するため、頻
度が大きくなる。これに対し、欠陥（非正常領域）は頻
度が小さい。たとえ大きな欠陥でも、散布図上では散ら
ばることが多く、各カテゴリの頻度は小さいものとな
る。これを利用して欠陥と色むらの識別を行う。ここで
は、頻度が設定したしきい値以上のカテゴリを特徴空間
内でサーチ（探索）し、このカテゴリを正常とみなす。
そして、正常カテゴリからの距離を不一致情報に付加
し、或いは値そのものを出力する。この距離はユークリ
ッド距離でもよいし共分散行列で正規化したマハラノビ
ス距離でもよい。通常、パターン認識の分野では、図１
２（ａ）に示すように、ベイズ誤り確率を考慮して異な
るカテゴリ（クラスとも言う）を分離する識別面（超平
面）をトレーニングデータにより求める。

【００４５】一方、本実施例では、図１２（ｂ）に示す
ように、正常カテゴリ（同図右側のデータ）のみをトレ
ーニングデータにより正しく求め、欠陥データは正常カ
テゴリからの距離として表現でき、ユーザはこの距離に
対する２値化を行うことにより所望の結果を得る。しき
い値にもよるが、見逃しを防ぐ論理になっている（虚報
は発生しやすいが、しきい値で制御できる）。正常カテ
ゴリを識別する面は、直線でもよいし、曲線（折れ線近
似を含む）でもよい。ここでは、正常パターン限界を頻
度データとして与え、線形識別器の場合、その重みとバ
イアスを与えることが学習になる。なお、散布図はデー
タテーブルに正常範囲を記憶しておき、このデータテー
ブルと比較してもよい。

【００４６】以上、散布図（画像）の分解をコントラス
トなどにより行い、散布図をスリム化する例を説明した
が、検出画像や参照画像の明るさ、色情報、テクスチャ
情報、明るさの分散値等の統計量、或いは周波数領域で
の特徴などにより、散布図（画像）分解を行っても構わ
ない。要は、同じ特徴をもつ領域毎に画像を分解し、散
布図がスリム化できれば、それが本発明の範囲となる。

【００４７】また、散布図の軸を、上記特徴、或いはそ
れらの演算結果（例えば、明るさという特徴量の場合、
明るさの差）に選んでもよい。すなわち、図１３に示す
ように、あらかじめ選んだ特徴を軸にした散布図を作成
し、この対象特徴の合わせ込みを行うことにより、正常
部の不一致の影響を受けることなく、高感度に検査で
き、かつ虚報の発生を低減できる。特徴が比較対象とな
るものである。

【００４８】特徴が明るさの場合には、明るさ補正とな
り、コントラストの場合にはコントラスト補正となる。
他の特徴の場合も同様である。また、図１４に示すよう
に、ｘ、ｙ方向に例えば０．１画素刻みで少しづつ位置
をずらした複数の参照画像を補間等の技術により作成
し、検出画像との間でそれぞれ散布図を作成、分解し、
データの拡がりがスリムなものを選択すれば、位置の合
った画像のペアが自動的に選ばれ、位置合せも同時に行
うことができる。なお、上記特徴を用いて、ｉｆｔｈｅ
ｎルール、ファジーボーティング（投票）、ＮＮ法（ｋ
−ＮＮ法）などパターン識別法により欠陥の分類を行う
ことも可能になる。このように、画像の位置合せ、欠陥
判定、欠陥分類を一撃で実現することができる。

【００４９】さらに、多次元空間のひとつである散布図
を作成したり、分解することは、検出した画像を、容量
を大幅に削減して、記憶するということになり、画像デ
ータの圧縮方法としても、好適である。さらに、速度が
向上し、機能が複雑化して大規模化が進む画像処理ハー
ドウェアの規模の爆発を防ぐ意味で、有効である。散布
図は、空間情報をなくすことにより、データ容量の圧縮
が図られている訳で、特徴を選ぶことにより、空間情報
を最低限もたせていることになる。

【００５０】また、ひとつの特徴量を用いて画像を分解
し、明るさを合わせ込む例を示したが、２つ或いは３つ
以上の特徴量から散布図のスリム化を行ってもよい。分
解された散布図は多次元の軸を有することになる。例え
ば、散布図の２軸は明るさであるが、これを、コントラ
ストや明るさを軸にさらに分解し、４次元化したものと
できる。この４次元ボックス内で、本実施例で述べた処
理を行う。

【００５１】図１５は、明るさが設定階調範囲に入る画
素に関して、コントラストにより散布図分解した例（カ
テゴリマップ）を示したものである。縦軸がコントラス
トでカテゴリ分割を行い、横軸が明るさの差でカテゴリ
分割したものである。そして、各カテゴリ毎の頻度を表
現したものである。ここでのコントラストは、式４で与
えられるものである。明るさのカテゴリに応じて、この
カテゴリマップが複数枚作成される。なお、当然なが
ら、明るさを合わせ込むと説明したが、明るさ以外の特
徴を合わせ込んでもよい。

【００５２】次に、分解散布図作成及び空間情報の結合
部５０８ｂ、空間情報抽出部５０８ｃにおける実施例を
説明する。

【００５３】上記した散布図分解により、５０８ａにて
出力される不一致は、散布図上では設定したしきい値よ
り大きいものが欠陥として最終出力される。一つの欠陥
は、散布図上では一カ所に集中するのではなく、分散す
る傾向にある。なぜなら、欠陥及び欠陥がある背景（参
照画像側の欠陥相当位置）パターンによって、特徴空間
内の位置が決まるので、散布図上に集中するとは限らな
いためである。例えば、図３（ａ）の欠陥１ｃは、背景
が一様であるため、散布図上で一カ所に集中するが、パ
ターン４ａのエッジにかかる欠陥１ｄがあれば、それは
一様部とエッジ部の両方にかかるので、分解散布図上で
少なくても２カ所の分解散布図に分散する。このため、
散布図上で分散された不一致情報も、空間的な（画像上
の）近接性（距離）、図３（ａ）の欠陥１ｄの場合は、
画像上で欠陥１ｄの位置に対応するので、その点の空間
的距離をチェックすれば、同一欠陥に属すかどうかがチ
ェックでき、より高信頼度で、欠陥らしさを評価でき
る。

【００５４】また、逆に、たとえ不一致と判定された場
合も、空間的なある種の条件、例えば、明るさが極大値
になっているなどの空間条件を満たせば、正常と判定す
ることもできる。また、近傍領域内の順序統計量（例え
ば、３×３画素内の大小の順序にｍａｘ−ｍｉｎを掛け
た値）等を用いて、欠陥判定することも可能である。こ
のように、局所空間内の順序統計量を用いて、欠陥候補
の判定を行ってもよい。いずれの場合も、散布図情報と
画像上の空間情報の両方を見て、欠陥かどうか判定する
ものである（図７の７７、７８）。以上述べたように、
本発明では、２枚の画像を比較し、その差の値から欠陥
を検出する検査において、散布図分解を用いた比較を行
ったり、明るさの合わせ込みを行うものである。図１６
（ｄ）は、図４で明るさむらがあったときの本発明によ
る明るさ合わせ込み後の差の波形である。明るさの合わ
せ込みが行われ、差の値が小さくなる。このため、従
来、しきい値を全領域に対しＴＨ２に設定する、もしく
はＴＨとＴＨ２の２つのしきい値を設定して、虚報の発
生を避けていたが、本発明により、感度を落とさずに明
るさむらによる虚報の発生を避けることができる。ま
た、唯一の低しきい値ＴＨ３での高感度検査と容易な感
度調整を可能とすることもできる。更に、通常の可視光
を光源として用いた光学式外観検査装置において、検出
感度は１００nmが限度であるが、本発明によれば、５０
nmの検出感度を実現することが可能である。以上、本発
明の一実施例を、半導体ウェハを対象とした光学式外観
検査装置における比較検査画像を例にとって説明した
が、電子線を用いて画像を検出する電子線式パターン検
査や、ＤＵＶ光（紫外光）、ＶＵＶ光（真空紫外光）、
ＥＵＶ光（極紫外光）を光源とした光学式外観検査にも
適用可能である。この場合、検出感度は、３０〜７０ｎ
ｍを実現することができる。また、検査対象は半導体ウ
ェハに限られるわけではなく、画像の比較により欠陥検
出が行われているものであれば、例えばＴＦＴ基板、ホ
トマスク、プリント板などにも適用可能である。

【００５５】

【発明の効果】以上に説明したごとく本発明によれば、
多次元空間の１種である散布図の情報・散布図の分解情
報を用いた比較により、正常部の不一致の影響を受ける
ことなく、高感度に検査できる。また、明るさなどの対
象特徴を合わせ込むことにより、虚報の発生を低減でき
る。これにより、低しきい値の設定が可能となり、高感
度検査を安定して実現できる。また、虚報発生の低減と
欠陥検出の高感度化との両立が容易なので、検出感度の
調整を容易に行うことができる。更に、本発明を光学式
外観検査装置における比較検査に適用することにより、
低い虚報率を保った状態で、安定して検出感度５０ｎｍ
を維持することができる。また、電子線式パターン検査
やＤＵＶを光源とした外観検査に適用することにより、
安定して検出感度３０〜７０ｎｍを維持することが可能
でになる。さらに、画像処理のハードウェア規模を合理
的な規模に抑えることができる。

【図面の簡単な説明】

【図１】検査対象画像とその時の明るさの検出波形の一
例を示す図である。

【図２】位置合せ後の、従来のしきい値設定方法の一例
を示す図である。

【図３】（ａ），（ｂ）異なる明るさの画像の比較結果
の一例を示す図である。

【図４】比較チップ間に明るさむらがあった時の検査対
象画像と従来のしきい値設定方法の一例を示す図であ
る。

【図５】検査装置の概略構成の一例を示すブロック図で
ある。

【図６】検査対象となる半導体ウェハの平面図である。

【図７】画像比較部における欠陥抽出・分類の順序を示
すフロー図である。

【図８】着目画素でのコントラスト演算方法の一例を示
す検出画像の画素のイメージ図である。

【図９】着目画素でのコントラスト演算方法の一例を示
す検出画像の画素のイメージ図である。

【図１０】検出画像と参照画像との明るさの関係（散布
図）において求めた近似直線の一例を示す図である。

【図１１】カテゴリごとの２次元空間の集合としての特
徴空間の一例を示す図である。

【図１２】（ａ）（ｂ）共に、２次元特徴空間の一例を
示す図である。

【図１３】カテゴリごとに分解した検出画像と参照画像
との特徴の関係の一例を示す図である。

【図１４】カテゴリごとに分解した検出画像と参照画像
とのうち、検出画像を少しずらしたときの検出画像と参
照画像との特徴の関係の一例を示す図である。

【図１５】カテゴリマップの一例を示し、検出画像と参
照画像とを、コントラストにより分解した例を示す図で
ある。

【図１６】（ａ）〜（ｅ）は、散布図の直線近似による
明るさの合わせ込みの挙動の一例を示す図である。

【図１７】（ａ）〜（ｃ）は、散布図上での明るさ補正
の動作を説明する図である。

【符号の説明】

１１…検出画像、１２…参照画像、５１…試料、５２…
ステージ、５３…検出部、５０１…光源、５０２…照明
光学系、５０３…対物レンズ、５０４…イメージセン
サ、５５…画像処理部、５４…ＡＤ変換部、５０５…前
処理部、５０６…遅延メモリ、５０７…位置ずれ検出
部、５０８ａ…画像比較部、５０８ｂ…分解散布図作成
及び空間情報の結合部、５０８ｃ…空間情報抽出部、５
０９…特徴抽出部、５６…全体制御部、５１０…ユーザ
インターフェース部、５１１…記憶装置、５１２…メカ
ニカルコントローラ、１０１…近似直線

フロントページの続き (72)発明者 岡部 隆史 神奈川県横浜市戸塚区吉田町292番地 株 式会社日立製作所生産技術研究所内 Ｆターム(参考） 2F065 AA49 BB02 CC18 CC19 DD04 FF42 FF61 HH13 JJ03 JJ09 JJ26 LL05 PP12 QQ00 QQ03 QQ12 QQ13 QQ17 QQ18 QQ24 QQ25 QQ28 QQ32 QQ33 QQ34 QQ38 QQ41 QQ42 2G051 AA51 AB02 AC21 CA03 CA04 EA08 EA11 EA12 EA25 EC01 EC02 EC03 4M106 AA01 CA39 CA41 DJ11 DJ40 5B057 AA03 CA08 CA12 CA16 DA03 DC33 DC36 5L096 AA06 BA03 EA12 GA07 JA03 JA11 JA22

Claims (11)

【特許請求の範囲】
1. 【請求項１】検査対象となる試料の画像を基準となる参
   照画像と比較して、欠陥を検出する欠陥検査方法であっ
   て、検査対象画像と参照画像の明るさやコントラストな
   ど、定めた特徴を軸にもつ多次元空間に投票し、この投
   票データを用いて、欠陥を検出することを特徴とする欠
   陥検査方法。
2. 【請求項２】請求項１記載の欠陥検査方法であって、多
   次元空間は、検査対象画像と参照画像の明るさやコント
   ラストなど、定めたいくつかの特徴からなる散布図であ
   ることを特徴とする欠陥検査方法。
3. 【請求項３】請求項２記載の欠陥検査方法であって、検
   査対象画像と参照画像の明るさやコントラストなど、定
   めたいくつかの特徴からなる散布図を、他の特徴により
   分解し、分解された複数の散布図を用いて、欠陥を検出
   することを特徴とする欠陥検査方法。
4. 【請求項４】請求項３記載の欠陥検査方法であって、分
   解された各散布図を用いて、検査対象画像と参照画像間
   で定めた特徴について、合わせ込みを行うことを特徴と
   する欠陥検査方法。
5. 【請求項５】請求項３ないし４記載の欠陥検査方法であ
   って、分解された各散布図を用いて、散布図或いは各散
   布図上の頻度に基づき、正常カテゴリを求め、正常カテ
   ゴリからのユークリッド距離或いはマハラノビス距離な
   どの距離を不一致情報に付加することを特徴とする欠陥
   検査方法。
6. 【請求項６】請求項３ないし５記載の欠陥検査方法であ
   って、散布図上のデータの分離性が良くなるように特徴
   を選び、散布図を分解することを特徴とする欠陥検査方
   法。
7. 【請求項７】請求項３ないし６記載の欠陥検査方法であ
   って、散布図情報と画像上の空間情報の両方を用いて、
   欠陥を検出することを特徴とする欠陥検査方法。
8. 【請求項８】請求項１乃至７記載の欠陥検査方法であっ
   て、明るさなどの特徴を比較対象として、それらの特徴
   或いはそれらの差などの演算結果を散布図の軸に選び、
   欠陥を検出することを特徴とする欠陥検査方法。
9. 【請求項９】検査対象となる試料の画像を基準となる参
   照画像と比較して、欠陥を検出する欠陥検査方法であっ
   て、検査対象画像と参照画像の明るさやコントラストな
   ど、定めた特徴を軸にもつ多次元空間に投票することに
   より、欠陥を分類することを特徴とする欠陥検査方法。
10. 【請求項１０】請求項９記載の欠陥検査方法であって、
    定めた特徴を軸にもつ多次元空間に投票することによ
    り、欠陥判定と同時に欠陥を分類することを特徴とする
    欠陥検査方法。
11. 【請求項１１】検査対象となる試料の画像を基準となる
    参照画像と比較して、欠陥を検出する欠陥検査方法であ
    って、検査対象画像と参照画像の明るさやコントラスト
    など、定めた特徴を軸にもつ多次元空間に投票すること
    により、画像データの容量を削減することを特徴とする
    欠陥検査方法。