JP2004257845A

JP2004257845A - 欠陥の分類方法

Info

Publication number: JP2004257845A
Application number: JP2003048482A
Authority: JP
Inventors: Munenori Fukunishi; 宗憲福西; Takashi Hiroi; 高志広井; Aritoshi Sugimoto; 有俊杉本; Masami Ikoda; まさみ井古田; Akihiro Miura; 秋博三浦
Original assignee: Renesas Technology Corp
Current assignee: Renesas Technology Corp
Priority date: 2003-02-26
Filing date: 2003-02-26
Publication date: 2004-09-16

Abstract

【課題】ＳＥＭ式外観検査において，検出した欠陥を、検査対象内部の電気的欠陥（ＶＣ欠陥：ＶｏｌｔａｇｅＣｏｎｔｒａｓｔ）と表面欠陥とに分類する。
【解決手段】穴パターンに対するＶＣ欠陥発生位置のずれ量と表面欠陥発生位置のずれ量との違いに着目することで，ＶＣ欠陥と表面欠陥とを弁別することを可能にし、それぞれに分類するようにした。また，分類後に分類に不適当な欠陥を抽出して分類パラメータを調整することにより，分類を不適当だと判定する程度を変更することを可能とする。
【選択図】図９

Description

【０００１】
【発明の属する技術分野】
本発明は、半導体デバイスの製造ラインの途中において半導体デバイスに発生した欠陥を分類する方法に係り、特に、外観検査装置を用いて半導体デバイスを検査して検出された欠陥を、この欠陥の画像をもとに分類する方法に関する。
【０００２】
【従来の技術】
半導体デバイスの製造工程においては、各工程にいて半導体デバイスが所定の工程を経て良品デバイスとして処理されているかを検査することとプロセスを管理することを目的として所定の工程で処理された半導体デバイスの外観を検査する外観検査が行われている。通常、この外観検査を行った後、レビューＳＥＭなどの装置で外観検査装置で検出した欠陥部をレビューし、レビュー画像をもとに欠陥を分類し、分類カテゴリ毎に欠陥数を集計するなどの管理を行う。この欠陥の管理においては、例えば、欠陥種類毎に定められた基準値と各分類カテゴリの欠陥数を比較し、基準値を上回った場合、欠陥の発生原因を解析し、原因となるプロセスの特定、対策を行う。
【０００３】
基準値を下回った場合は原因の解析・対策は行わない。外観検査装置としてＳＥＭ（ＳｃａｎｎｉｎｇＥｌｃｔｒｏｎＭｉｃｒｏｓｃｏｐｅ：操作型電子顕微鏡）を応用したＳＥＭ式外観検査装置を用いた場合には、検査対象表面のパターン欠陥や異物などの欠陥（以下、表面欠陥という）だけでなく、下層のパターン間のショートや上層と下層のパターンを接続するスルーホール内部への導電物質の充填不良やエッチング残りなどにより生じるスルーホールの形状不良などによって発生する非導通といった内部的な電気特性に起因するボルテージコントラスト（ＶｏｌｔａｇｅＣｏｎｔｒａｓｔ）欠陥（以下、ＶＣ欠陥という）も検出することができる。これら表面欠陥とＶＣ欠陥は，欠陥発生原因が異なるため区別して集計することは重要である。従来，表面欠陥とＶＣ欠陥の分類に特化した方法はなく，ＶＣ欠陥／表面欠陥分類は汎用的な教示型分類方法によって行われてきた。
【０００４】
汎用的な教示型分類方法の特徴の１つとして、分類カテゴリをユーザが任意に決定することができる点がある。そのため、任意の画像に対して特徴づけることが必要となる。このため、一般的な概念を定量化した特徴量を分類特徴量として使用している。これらには「欠陥の大きさ」、「欠陥部の色」、「正常部と欠陥部の色差」、「欠陥部の形状」などがある。
【０００５】
【特許文献１】
特開２０００−１２４５５５号公報
【特許文献２】
特開２００１−３３１７８４号公報
【０００６】
【発明が解決しようとする課題】
半導体デバイスの製造工程において基板（ウェハ）の表面に発生する表面欠陥の代表的なものに基板の表面に付着した微小な粒子による異物があり、異物には導電性の物質と非導電性の物質がある。ＳＥＭで異物を撮像する場合、異物の組成や異物の位置によって異物の見え方、即ちＳＥＭ画像が変化する。撮像対象に電子ビームを照射して走査し撮像対象から発生する二次電子を電子ビームの走査と同期させて検出することにより得られるＳＥＭ画像において、異物は、その組成や異物が付着した周辺又は下層の物質の影響を受けて様々な色（濃淡値）となり得る。また、異物はその大きさや形状は決まった傾向があるわけでなく、予め規定することは難しい。従って、一般的概念を定量化した汎用的な教示型分類方法では、異物などの表面欠陥とＶＣ欠陥の違いを本質的に表現した特徴量で分類しているわけではなく、分類対象の表面欠陥の傾向により偶然に、うまく分類できる特徴量があれば、それを用いて分類しているに過ぎない。このため分類対象により分類正答率が大きく異なる問題があった。
【０００７】
一方、従来の分類方法では、分類対象の欠陥を欠陥種類別のカテゴリに分類し、欠陥の属するカテゴリの形で分類結果を出力していた。このため、定義された欠陥種類別のカテゴリで分類することが困難な欠陥も、何れかのカテゴリに分類される。これらを結果が出力されたあとに定義された分類カテゴリの何れにも分類にすることが不適当であると判断しても，同様の欠陥をまとめて不適当だと判断する方法はなく，結果出力後に分類不適当な欠陥を再判定することに対して配慮が十分でなかった。
【０００８】
従って、本発明の第一の目的は、半導体デバイスの外観を検査する方法において、欠陥部画像をもとに表面欠陥とＶＣ欠陥を分類する方法を提供することにある。
【０００９】
本発明の第二の目的は、半導体デバイスの外観を検査する方法において、予め定義された分類カテゴリに分類することが不適当な欠陥を、どこまで不適当とするか分類結果出力後に再判定することが可能な方法を提供することである。
【００１０】
【課題を解決するための手段】
上記目的を達成するために、本発明では、欠陥を分類する方法において、先ず、表面にパターンが形成された試料を撮像して得たＳＥＭ画像を処理して表面のパターンを含む試料の欠陥候補の画像を抽出し、次に、抽出した欠陥候補の画像におけるパターンと欠陥との重なり量またはずれ量の度合いを求め、この求めたパターンと欠陥候補との重なり量またはずれ量の度合いに基いて欠陥候補の種類を表面欠陥とＶＣ欠陥または虚報の何れかに判別するようにした。
【００１１】
【発明の実施の形態】
ＶＣ欠陥と表面欠陥の違いを定量化する手段の概念を図１により説明する。検査画像１９においてＶＣ欠陥と異物等の表面欠陥の違いは、ＶＣ欠陥はその欠陥領域１００は穴パターン１０１の内部に限定されるのに対し，異物などの表面欠陥はランダム欠陥であり穴パターン１０１の内部にだけ存在するとは限らない。この特徴を定量化することでＶＣ欠陥と表面欠陥を実現する。異物の大きさが穴パターン寸法より小さく，穴パターン上に異物が落ちた場合は，穴パターン内にのみ欠陥領域１００が存在する場合があるが，確率的に無視できる程度に小さく，本特性を定量化することはＶＣ欠陥と表面欠陥の分類において有効である。
【００１２】
次に、図２により装置構成およびデータの流れを説明する。１はＳＥＭ式外観検査装置、２は画像分類用計算機で、それらはネットワーク３で接続されている。ＳＥＭ式外観検査装置１は，検査画像・参照画像・検出パラメータ等のデータ４を送信する。検査画像とはＳＥＭ式外観検査装置１で欠陥があると判定した部分のＳＥＭ像であり，参照画像とは検査画像と同一パターンと考えられるＳＥＭ画像であり，検出パラメータはＳＥＭ式外観検査装置１において欠陥を検出する画像処理条件や装置状態を設定するパラメータを指す。ＳＥＭ式外観検査装置１から出力された検査画像・参照画像・検出パラメータ等のデータ４は，ネットワーク３を通じ、画像分類用計算機２に送られる。画像分類用計算機２では、検査画像を欠陥種類ごとのカテゴリに分類し、その分類結果５をＳＥＭ式外観検査装置１に送信する。
【００１３】
図３により、ＳＥＭ式外観検査装置１の撮像原理および検査原理を示す。ＳＥＭ式外観検査装置は、ＳＥＭ画像取得部６と画像データ処理部７と制御部８とで構成されている。
【００１４】
ＳＥＭ画像取得部６は、電子銃１０、ビーム偏向器１１、対物レンズ１２、試料であるウェハ１３を載置して移動可能なステージ１５、２次電子を検出する半導体センサ１６、を備えて構成されている。
【００１５】
また、画像データ処理部７は、Ａ／Ｄ変換器１７、遅延回路部１８、画像処理回路部２１を備えて構成されている。
【００１６】
更に、制御部８は、画像処理回路２１で処理された結果を記憶する記憶手段２２と、ＳＥＮ画像取得部６の電子銃１０、ビーム偏向器１１、対物レンズ１２、ステージ１５および半導体センサ１６を制御する制御手段２３と、検査結果であるデータ４を出力する出力手段２４とを備えて構成されている。
【００１７】
このような構成のＳＥＭ式外観検査装置１において、ＳＥＭ画像取得部６では、電子銃１０により発せられた電子線を対物レンズ１２にて収束させ、ビーム偏向機器１１によってＸ方向にスキャンしながら、Ｙ方向に連続的に移動しているステージ１５に載置された被検査対象であるウエハ１３に照射する。電子線照射によりウエハ表面から発生する２次電子を半導体センサ１６で検出する。この検出した信号は画像データ処理部７に伝送されてＡ／Ｄ変換器１７でＡ／Ｄ変換することによりディジタル信号に変換して画像処理回路２１に入力する。ビーム偏向器１１による電子線のＸ方向の繰返し走査と、ステージ１５のＹ方向の連続的な移動により、取得される画像は、２次元の連続画像となる。
【００１８】
画像処理回路２１では、検出した画像（検査画像１９）と、１つ前のチップで検出して記憶しておいた画像（参照画像２０）とを比較して差がしきい値より大きい部分を欠陥として判定する。欠陥として判定した部分の座標データは制御部８に送られて記憶手段２２に記憶される。欠陥座標を検出する検査を終了後、記憶手段２２に記憶した欠陥部分の座標データをもとに制御手段２３でＳＥＭ画像取得部６を制御して欠陥部分を再度撮像して前回の欠陥座標を検出する検査時と同程度、または高い倍率の詳細な画像を得、画像データ処理部７でこの詳細な画像から作成した検査画像と参照画像とを画像検出時の検出パラメータと共にデータ４として出力手段２４から出力し、画像分類用計算機２に送信する。
【００１９】
図４によって，画像分類用計算機２の全体的な動作フローを説明し，個別の詳細な動作に関しては，図５〜図１１において説明する。画像分類用計算機２ではＳＥＭ式外観検査装置１から、検査画像・参照画像・検出パラメータ４を受信する。検査画像・参照画像・検出パラメータ４を入力として画像処理を行い，分類特徴量を記述したファイルを出力する（Ｓ４０１）。検出パラメータまたは送信ファイル名から検査対象の品種、工程を読み取り、対応するデータ種類（品種）に関する教示データの有無を確認する（Ｓ４０２）。教示データがない場合、分類特徴量を記述したファイルを入力として教示処理を実行し分類条件ファイルを出力する（Ｓ４０３）。
【００２０】
つづく分類処理（Ｓ４０４）では，分類対象の画像に対する特徴量を記述したファイルを入力とし，分類判定結果を出力する（Ｓ４０４）。教示データが存在する場合、分類処理（Ｓ４０４）のみを行うことができるが，教示データが存在してもユーザが教示動作（Ｓ４０３）を希望する場合行ってもよい。分類処理後（Ｓ４０４）、分類結果および分類対象の画像をもとに分類不適欠陥修正処理を行うかユーザが判断し（Ｓ４０５），希望に応じ分類不適欠陥修正処理（Ｓ４０６）を行う。分類不適欠陥修正処理（Ｓ４０６）では，ユーザは分類不適の範囲を決定するパラメータまたは，同様情報を指定する目的のツールバーを変化させることで，分類不適欠陥を検査画像一覧または欠陥名一覧の形式で出力する。
【００２１】
次に、画像分類用計算機２における画像処理（Ｓ４０１）のフローを、図５を用いて説明する。本処理の入力は，ＳＥＭ式外観検査装置１から出力された検査画像・参照画像・検出パラメータ等のデータ４である。先ず，（Ｓ５０１）で、検査画像と参照画像の位置合せを行う。位置合わせ後、（Ｓ５０２）で、検査画像と参照画像の差を演算して求め、（Ｓ５０３）で、しきい値を用いて２値化し，しきい値より大きい部分を欠陥と判定する。このとき、（Ｓ５０４）で欠陥領域の有無を虚報フラグとしてメモリに記録する。更に、（Ｓ５０５）で「穴外の欠陥領域特徴量」を、（Ｓ５０６）で「欠陥領域の濃淡差特徴量」をそれぞれ演算して求める。
【００２２】
最後に（Ｓ５０７）のステップで、上記（Ｓ５０４）でメモリに記録した虚報フラグと，（Ｓ５０５）で演算して求めた「穴外の欠陥領域特徴量」と、（Ｓ５０６）で演算して求めた「欠陥領域の濃淡差特徴量」とを含む情報をファイルに出力して画像処理は終了する。ここでいう「欠陥領域の濃淡差特徴量」とは，欠陥領域における差画像の平均，または，正負の極性の数をカウントしたものを指す。
【００２３】
次に、（Ｓ５０５）の「穴外の欠陥領域特徴量」を演算する手順を説明する前に、「穴外の欠陥領域特徴量」について、図６を用いて示す。「穴外の欠陥領域特徴量」は、ＶＣ欠陥と異物などの表面欠陥とを弁別するためのものである。異物など表面欠陥は穴パターン１０１の領域外の欠陥領域１１０の割合が高い場合が多く、欠陥領域面積１００（穴パターン１０１の領域内の欠陥領域１１１とパターン１０１の領域外の欠陥領域１１０とをあわせた領域の面積）に占める穴パターン１０１の領域外の欠陥領域１１０の割合は，ＶＣ欠陥に比べ大きくなる。これを「穴外の欠陥領域特徴量」とする。逆の考え方として，欠陥領域面積１００に占める穴パターン領域内の欠陥面積１１１の割合として考えれば，表面欠陥はＶＣ欠陥に比べ小さな値をもち，同様の目的に使用することが出来る。ここでは，説明の簡単のため，以下「穴外の欠陥領域特徴量」を用いて説明する。
【００２４】
図７は、「穴外の欠陥領域特徴量」の演算（Ｓ５０５）の手順を説明するフロー図である。先ず，参照画像を入力してこの参照画像にラプラシアンガウシアンフィルタを演算する（Ｓ７０１）。演算後、しきい値により２値化することで穴パターン内外を分離する（Ｓ７０２）。このとき，しきい値を０とすれば，２次微分の極性により分離していることになる。画像処理により演算した欠陥領域（Ｓ５０４）と穴パターン内外の演算結果から、欠陥領域面積に占める穴パターン領域外の欠陥面積を計算することで「穴外の欠陥領域特徴量」を演算する（Ｓ７０３）。
【００２５】
図８により、画像分類用計算機２における教示処理（Ｓ４０３）について説明する。教示処理（Ｓ４０３）ではユーザがショート、非導通、表面欠陥にそれぞれ複数の欠陥を指定する。先ず、（Ｓ８０１）でショート、非導通のＶＣ欠陥と表面欠陥とを弁別するための「穴外の欠陥領域特徴量」しきい値を演算する。次に、（Ｓ８０２）で、ＶＣ欠陥と表面欠陥とを分類するための閾値を演算して求める。このしきい値の演算方法は、ショート，非導通などＶＣ欠陥を同一カテゴリと考え，ＶＣ欠陥と表面欠陥のマハラノビス距離（ある特徴量空間で、ある分類の欠陥の分布の平均からの距離を、この分類の欠陥の分布の標準偏差で正規化した値）が等しくなる「穴外の欠陥領域特徴量」の値を算出することにより行われる。そして、この求めた値をＶＣ欠陥と表面欠陥とを弁別するための「穴外の欠陥領域特徴量」のしきい値として設定する。
【００２６】
次に、画像分類用計算機２における分類処理（Ｓ４０４）について、図９を用いて説明する。分類処理ではショート、非導通、表面欠陥、虚報の各カテゴリに分類する。
【００２７】
先ず、（Ｓ９０１）において、（Ｓ５０４）で求めた虚報フラグにより欠陥領域の有無、即ち、虚報とそれ以外を分類する。そして、画像処理において欠陥領域が無かった画像を虚報と判定する（Ｓ９０４）。また、画像処理において欠陥領域有りと判断した画像について、（Ｓ９０２）において、「穴外の欠陥領域特徴量」を（Ｓ８０２）で求めたＶＣ欠陥／表面欠陥分類しきい値と比較する。その結果、「穴外の欠陥領域特徴量」が（Ｓ８０２）で求めたＶＣ欠陥／表面欠陥分類しきい値を上回れば、表面欠陥と判定し（Ｓ９０５）、下回ればＶＣ欠陥と判定して次のステップ（Ｓ９０３）へ進む。
【００２８】
ステップ（Ｓ９０３）において、ＶＣ欠陥はを、（Ｓ５０６）で求めた「欠陥領域の濃淡差特徴量」の符号により分類する。すなわち、「欠陥領域の濃淡差特徴量」の符号が正ならば非導通と分類し（Ｓ９０６）、負ならばショートとして分類する（Ｓ９０７）。ここで、「欠陥領域の濃淡差特徴量」とは画像処理で求めた欠陥領域について、欠陥画像と参照画像の差について平均を演算したものである。尚、「欠陥領域の濃淡差特徴量」は演算方法または撮像方法により、正ならばショート、負ならば非導通として分類する場合もある。
【００２９】
次に、図４に示した画像分類用計算機２における分類不適欠陥修正処理（Ｓ４０６）について説明する。本処理はＶＣ欠陥／表面欠陥分類において「穴外の欠陥領域特徴量」により，いずれかに分類することが難しい欠陥を、ユーザに通知し、ユーザが画像をもとに分類することを可能にするものである。
【００３０】
先ず，分類不適欠陥の決定方法について図１０を用いて説明する。図１０は、「穴外の欠陥領域特徴量」７０に関するヒストグラムである。（Ｓ７００）〜（Ｓ７０４）の手順で求めた表面欠陥の「穴外の欠陥領域特徴量」の分布７１とＶＣ欠陥の「穴外の欠陥領域特徴量」の分布７２から，判定対象の欠陥の「穴外の欠陥領域特徴量」７７について，表面欠陥のマハラノビス距離ＬＡ７５，ＶＣ欠陥のマハラノビス距離ＬＢ７６を求める。これらの比αは下記のように定義できる。
α＝ＬＡ／ＬＢ（１）
αを用いて，下記のように分類不適欠陥を決定できる。
ＬＡ＞ＬＢのとき、α ＞＝ β ならば、表面欠陥。
α ＜ β ならば、分類不適欠陥。
ＬＢ＞ＬＡのとき、１／α ＞＝ β ならば、ＶＣ欠陥。
１／α ＜ β ならば、分類不適欠陥。
ここで，βは可変であり，分類不適欠陥の範囲を決定するための係数である。
βはユーザが任意に決定することができる。
【００３１】
画面上で分類不適範囲を定義する係数βを設定するＧＵＩ８０の例を、図１１に示す。ＧＵＩ８０は、画像表示領域８１と，分類不適範囲を定義する係数βを調節用ツールバー８２と，設定した分類不適範囲の係数β表示部８３と，分類不適欠陥処理の開始ボタン８４とを備えて構成される。このとき，画像表示領域８１には分類不適欠陥のみ表示しても良いし，対象画像内の小領域または画像周辺部に分類不適マークを表示してもよい。
【００３２】
図１２に、本発明による分類システムのＧＵＩ９０の例を示す。ＧＵＩ９０は、分類対象画像表示部９１，ショート欠陥教示データ表示部９２，導通不良欠陥教示データ表示部９３，異物欠陥教示データ表示部９４，教示開始ボタン９５，分類開始ボタン９６を備えて構成され，分類対象画像表示部９１に表示された分類対象画像９７を，各欠陥教示データ表示部９２〜９４の何れかにクリックアンドドラッグすることで，教示データを選択することが出来る。各分類結果は，分類対象画像９７の一部または周辺部に表示するとともに，ファイル出力する。
【００３３】
上記した実施例においては、ＳＥＭ式外観検査装置１と画像処理計算機２とを分離させた構成の場合について説明したが、図１３に示すように、ＳＥＭ式外観検査装置１と画像処理計算機２とを一体に構成してもよい。このように構成した場合、検査画像として、先に説明したような再度撮像した画像を用いても良いが，欠陥の位置を検出する検査時に取得した画像を記憶しておいて、それを用いて図４に示したフローに沿って欠陥分類処理を行うことも可能である。
【００３４】
この場合、検査時に取得した画像を全て記憶しておき、この記憶した画像の中から検出した欠陥位置に対応する画像を引き出し、この画像を用いて欠陥を分類するようにしても良いし、又は、検査時に取得した画像のうち欠陥を検出した画像だけを、または、欠陥を検出した画像をその参照画像と対応させて検出した欠陥の位置情報と共に記憶しておきこの画像を用いて欠陥を分類するようにしても良い。これにより、欠陥分類のための画像を再取得する工程を省略することができ、欠陥の検出から分類までを、短時間で処理することが可能になる。
【００３５】
また、図７で説明した「穴外の欠陥領域特徴量」を演算する工程においては，参照画像をもちいてパターン形状を演算することについて説明したが、穴パターン密度が高くなると、画像から正確な穴パターン形状を求めることが困難になる場合がある。このような場合、参照画像の代りに，レイアウトデータを使用することで正確な穴パターン形状を得ることができ、より信頼度の高い「穴外の欠陥領域特徴量」を演算により求めることができる。
【００３６】
また、図６を用いて説明した実施例においては、ＶＣ欠陥と表面欠陥とを、検出した画像上での「穴外の欠陥領域特徴量」を尺度として弁別する方法について説明したが、「穴外の欠陥領域特徴量」の代りに、検出した画像上で穴パターン形状を膨張／収縮させて欠陥との重なり具合を評価することによっても弁別することが可能である。すなわち、図１４にその概念を示すように、画像上で穴パターンを拡大または縮小し，「穴外の欠陥領域特徴量」がある基準値となったときの拡大又は縮小した穴パターンの大きさと初期の穴パターンの大きさとの比率を分類のための特徴量として用いることにより、ＶＣ欠陥と表面欠陥とを弁別することが出来る。
【００３７】
これは，ＶＣ欠陥領域の中心と穴パターンの中心とのずれ量が、異物などの表面欠陥の中心位置と穴パターンの中心とのずれ量に比べて、比較的小さいという特徴を利用している。すなわち、ＶＣ欠陥の領域は、穴パターン又はその周辺を含む領域に発生するのに対して、異物などの表面欠陥は、その発生位置がランダムであって穴パターンからのずれ量が、一般にＶＣ欠陥の場合よりも大きくなるという特徴を利用する。
【００３８】
この特徴を利用して、「穴外の欠陥領域特徴量」がある基準値となったときの拡大又は縮小した穴パターンの大きさと初期の穴パターンの大きさとの比率から、この比率が１に近いときにはＶＣ欠陥、１から大きくずれているときには表面欠陥であると分類することができる。
【００３９】
【発明の効果】
本発明によれば、ＳＥＭ画像を用いた欠陥の検査において、ＶＣ欠陥と表面欠陥とをより正確に分類することが可能になった。また，分類後に，分類不適欠陥を条件を変更することが可能になり、その結果、一旦分類した結果を修正することができるようになった。
【図面の簡単な説明】
【図１】本発明にかかる分類対象の特性を示す検査対象試料の平面図である。
【図２】本発明にかかる，第１の装置構成を示すブロック図である。
【図３】本発明に用いるＳＥＭ式外観検査装置の概略構成を示すブロック図である。
【図４】本発明による分類システムの全体処理フローを示すフロー図である。
【図５】本発明による分類システムの画像処理フローを示すフロー図である。
【図６】本発明によるＶＣ欠陥／表面欠陥分類用特徴量の概念を示す図である。
【図７】本発明によるＶＣ欠陥／表面欠陥分類用特徴量の演算フローを示すフロー図である。
【図８】本発明による分類システムの教示処理フローを示すフロー図である。
【図９】本発明による分類システムの分類処理フローを示すフロー図である。
【図１０】本発明による分類システムの分類不適欠陥決定方法の概念を示すグラフである。
【図１１】本発明による分類システムの分類不適欠陥決定処理のＧＵＩ例を示す表示画面の正面図である。
【図１２】本発明による分類システムのＧＵＩの例を示す表示画面の正面図である。
【図１３】本発明にかかる，穴パターン画像を膨張させたときの表面欠陥との関係を示す平面図である。
【符号の説明】
１・・・ＳＥＭ式外観検査装置２・・・画像分類用計算機３・・・ネットワーク
１０・・・電子銃１１・・・ビーム偏向機１２・・・対物レンズ１５・・・ステージ１６・・・半導体センサ１７・・・Ａ／Ｄ変換１８・・・遅延回路
２１・・・画像処理回路８０・・・分類不適処理用ＧＵＩ１００・・・欠陥領域
１０１・・・穴パターン１１０・・・パターン領域外の欠陥領域１１１・・・パターン領域内の欠陥領域１１２・・・初期パターンの大きさ１１３・・・拡大後のパターンの大きさ

Claims

表面にパターンが形成された試料を撮像して得たＳＥＭ画像を処理して前記表面のパターンを含む試料の欠陥候補の画像を抽出し、
該抽出した欠陥候補の画像における前記パターンと前記欠陥との重なり量またはずれ量の度合いを求め、
該求めた前記パターンと前記欠陥候補との重なり量またはずれ量の度合いに基いて前記欠陥候補の種類を判別することを特徴とする欠陥の分類方法。
前記ＳＥＭ画像は、ＳＥＭ式外観検査装置を用いて取得され通信手段を介して送信された画像であることを特徴とする請求項１記載の欠陥の分類方法。
表面にパターンが形成された試料を撮像して該試料表面の画像を得、
該得た画像から該試料の欠陥候補を抽出して該抽出した欠陥候補の位置情報を得、
該抽出した欠陥候補の位置情報に基づいて前記試料の欠陥候補の位置の詳細な画像を得、
該詳細な画像から前記表面のパターンを含む試料の欠陥候補の画像を抽出し、該抽出した欠陥候補の画像における前記パターンと前記欠陥との重なり量またはずれ量の度合いを求め、
該求めた前記パターンと前記欠陥候補との重なり量またはずれ量の度合いに基いて前記欠陥候補の種類を分類することを特徴とする欠陥の分類方法。
表面にパターンが形成された試料を撮像して該試料表面の画像を得、
該得た画像から該試料の欠陥候補を検出して該欠陥候補の位置情報を得、
該位置情報に対応した前記試料表面の画像を記憶し、
該記憶した画像から前記表面のパターンを含む試料の欠陥候補の画像を抽出し、
該抽出した欠陥候補の画像における前記パターンと前記欠陥候補との重なり量またはずれ量の度合いを求め、
該求めた前記パターンと前記欠陥候補との重なり量またはずれ量の度合いに基いて前記欠陥候補の種類を分類することを特徴とする欠陥の分類方法。
前記試料表面の画像が、ＳＥＭ画像であることを特徴とする請求項３又は４に記載の欠陥の分類方法。
前記欠陥候補の種類を、画面上から入力したデータに基いて分類することを特徴とする請求項１乃至４の何れかに記載の欠陥の分類方法。
前記欠陥候補を、表面欠陥とＶＣ欠陥と虚報との何れかに分類することを特徴とする請求項１乃至４の何れかに記載の欠陥の分類方法。
前記欠陥候補を、導通性欠陥と非導通性欠陥と表面欠陥と虚報との何れかに分類することを特徴とする請求項１乃至４の何れかに記載の欠陥の分類方法。
前記欠陥候補を、予め設定した分類の何れか一つに指定するのが難しい分類不適欠陥を含む複数の種類に分類することを特徴とする請求項１乃至４の何れかに記載の欠陥の分類方法。
前記欠陥候補を、予め設定した分類の何れか一つに指定するのが難しい分類不適欠陥を画面上に表示し、該表示された分類不適格欠陥の分類を画面上で行うことを特徴とする請求項１乃至４の何れかに記載の欠陥の分類方法。