JP2005072048A

JP2005072048A - データ管理装置

Info

Publication number: JP2005072048A
Application number: JP2003208984A
Authority: JP
Inventors: Hiroyuki Abe; 啓之阿部; Noriyuki Morita; 敬之森田
Original assignee: Nikon Corp
Current assignee: Nikon Corp
Priority date: 2003-08-27
Filing date: 2003-08-27
Publication date: 2005-03-17

Abstract

【課題】基板の画像を分類する際に基板の画像から抽出したデータ群を効率よく管理する。
【解決手段】基板の画像を取り込み、基板に関する予め定めた情報を参照して画像から第１データ群を抽出し（Ｓ１０〜Ｓ１２）、第１データ群と画像とを関連づけて記憶する（Ｓ１３）。
【選択図】図４

Description

【０００１】
【発明の属する技術分野】
本発明は、データ管理装置に関し、特に、半導体回路素子や液晶表示素子の製造工程において基板を検査する装置に好適なデータ管理装置に関する。
【０００２】
【従来の技術】
従来より、半導体回路素子や液晶表示素子の製造工程では、基板（ウエハやプレート）の表面に形成された繰り返しパターンの欠陥検査が行われている。自動化された検査装置では、基板の表面に検査用の照明光を照射し、基板上の繰り返しパターンから発生する回折光などに基づいて基板の画像を取り込み、この画像の明暗差（コントラスト差）により繰り返しパターンの欠陥箇所を特定する。
【０００３】
また、上記の検査装置では、その装置条件（例えば基板のチルト角）を自動的に変更しながら基板の画像を取り込み、得られた多数の画像に基づいて最適な装置条件を決定する（例えば特許文献１を参照）。そして、この最適な装置条件の下で所定の検査を行う。
【特許文献１】
特開２００２−１６２３６８号公報
【０００４】
【発明が解決しようとする課題】
しかしながら、上記の検査装置では、基板上の繰り返しパターンの種類数に応じて多数の最適な装置条件が得られ、これらの最適な装置条件の下で順に検査を行うと、全体の処理時間が長くなってしまう。処理時間を短縮するためには、多数の最適な装置条件を絞り込み、検査に適するものを選び出す必要がある。さらに、その前処理として、多数の最適な装置条件の各々で取り込んだ基板の画像を分類することも必要となるが、適切な分類方法はまだ提案されていない。
【０００５】
本発明の目的は、基板の画像を分類する際に基板の画像から抽出したデータ群を効率よく管理できるデータ管理装置を提供することにある。
【０００６】
【課題を解決するための手段】
請求項１に記載のデータ管理装置は、基板の画像を取り込む画像取込手段と、前記基板に関する予め定めた情報を参照して前記画像から第１データ群を抽出する抽出手段と、前記第１データ群と前記画像とを関連づけて記憶する記憶手段とを備えたものである。
【０００７】
請求項２に記載の発明は、請求項１に記載のデータ管理装置において、前記第１データ群のうち少なくとも一部を用いた演算処理により第２データ群を生成する演算手段をさらに備え、前記記憶手段は、前記第１データ群のうち前記演算処理に用いられた前記少なくとも一部と前記第２データ群と前記画像とを関連づけて記憶するものである。
【０００８】
請求項３に記載の発明は、請求項２に記載のデータ管理装置において、前記記憶手段による記憶内容に基づいて、少なくとも前記画像の識別情報と前記第２データ群とを表示する表示手段をさらに備えたものである。
請求項４に記載の発明は、請求項１から請求項３の何れか１項に記載のデータ管理装置において、前記抽出手段は、前記基板のチップ領域またはショット領域の属性を記述したデータ群を前記情報として参照し、前記画像から前記第１データ群を抽出するものである。
【０００９】
請求項５に記載の発明は、請求項４に記載のデータ管理装置において、前記抽出手段は、前記第１データ群として、前記画像の中から前記チップ領域または前記ショット領域に対応する部分画像を抽出すると共に、該部分画像の特徴量を抽出するものである。
請求項６に記載の発明は、請求項５に記載のデータ管理装置において、前記画像取込手段は、複数の前記画像を取り込み、前記抽出手段は、前記画像ごとに、前記部分画像を抽出すると共に、該部分画像の予め定めた複数の種類の前記特徴量を抽出し、前記演算手段は、前記複数の種類の中から１つ以上の種類を選択し、該１つ以上の種類の特徴量を用いた統計的な演算処理により前記複数の画像を分類し、該分類の結果を前記第２データ群として生成するものである。
【００１０】
【発明の実施の形態】
以下、図面を用いて本発明の実施形態を詳細に説明する。
ここでは、本実施形態のデータ管理装置について、図１に示す表面検査装置１０を例に説明する。表面検査装置１０の画像処理装置１５が、本実施形態のデータ管理装置に対応する。
【００１１】
表面検査装置１０は、画像処理装置１５の他に、ウエハ１１（基板）を支持するホルダ１２と、ウエハ１１の表面に照明光Ｌ１を照射する照明系１３と、ウエハ１１の表面からの回折光Ｌ２を受光する受光系１４と、制御装置１６とで構成されている。
表面検査装置１０は、半導体回路素子の製造工程において、ウエハ１１の表面を自動的に検査する装置である。ウエハ１１の表面には、図２に示すように、複数のチップ領域２０がｘｙ方向に配列されている。各々のチップ領域２０には、複数種類の繰り返しパターンが形成されている。繰り返しパターンとは、周期的に繰り返される線配列形状の回路パターン（レジストパターン）のことである。各々のチップ領域２０における繰り返しパターンの配置は同様である。
【００１２】
概略、表面検査装置１０では、ウエハ１１の表面の検査（繰り返しパターンの欠陥検出）を行う前に、ウエハ画像の濃度情報に基づいて最適な装置条件（例えば後述のチルト角や照明光量や照明波長など）の候補を多数決定し、得られた多数の候補の各々に対応するウエハ画像をクラスタリング処理により分類する。そして、分類の結果を考慮して最適な装置条件に設定し、検査を行う。なお、多数の候補が得られる理由は、ウエハ１１に複数種類の繰り返しパターンが存在するからである。本実施形態のデータ管理装置は、多数のウエハ画像をクラスタリングにより分類する際、各々のウエハ画像から抽出したデータ群（後述の特徴量など）を効率よく管理するものである。
【００１３】
本実施形態のデータ管理装置について具体的に説明する前に、表面検査装置１０の各部の説明を行う。
ホルダ１２は、不図示の搬送装置によって搬送されてきたウエハ１１を上面に載置し、例えば真空吸着により固定保持する。また、ホルダ１２は、不図示のチルト機構によって、ウエハ１１の表面を通る軸Ａｘ１のまわりに所定の角度範囲内でチルト可能である。ホルダ１２のチルト角Ｔは、制御装置１６によって任意に設定可能な装置条件の１つである。
【００１４】
なお、図１の軸Ａｘ２は、ホルダ１２の法線に相当する。ここで、ホルダ１２が水平に保たれた状態での軸Ａｘ２（基準法線）に平行な方向をＺ方向とする。また、軸Ａｘ１に平行な方向をＸ方向とする。さらに、Ｘ方向およびＺ方向に直交する方向をＹ方向とする。
照明系１３は、光源２１とライトガイド２２と凹面反射鏡２３とで構成された偏心光学系である。ライトガイド２２は、光源２１からの光を伝送し、端面２２ａから凹面反射鏡２３に向けて射出する。端面２２ａは、凹面反射鏡２３の前側焦点位置に配置されている。
【００１５】
凹面反射鏡２３は、球面の内側を反射面とした反射鏡であり、ホルダ１２の斜め上方に配置されている。つまり、凹面反射鏡２３の中心とホルダ１２の中心とを通る軸（光軸Ｏ１）がＺ方向に対して所定の角度θｉだけ傾けられている。θｉは固定値である。
【００１６】
また、凹面反射鏡２３は、光軸Ｏ１がホルダ１２の軸Ａｘ１（Ｘ方向）に対して直交すると共に、後側焦点面がウエハ１１の表面と略一致するように配置されている。表面検査装置１０の照明系１３は、ウエハ１１側に対してテレセントリックな光学系である。
上記の照明系１３において、光源２１からの光は、ライトガイド２２と凹面反射鏡２３とを介して、ウエハ１１の表面全体に照射される（照明光Ｌ１）。照明光Ｌ１は、ウエハ１１上の任意の点に到達する光束の中心線が光軸Ｏ１に略平行な光束である。照明光Ｌ１の入射角（θｉ−Ｔ）は、ウエハ１１の表面に垂直な軸Ａｘ２と光軸Ｏ１との間の角度に相当し、ホルダ１２のチルト角Ｔに応じて変化する。
【００１７】
また、照明光Ｌ１の波長λと光量は、光源２１から射出される光の波長と光量に応じて変化する。例えば光源２１に波長選択フィルタとニュートラルデンシティ（ＮＤ）フィルタを設けた場合、各々のフィルタを制御することにより、照明光Ｌ１の波長λと光量を変化させることができる。照明光Ｌ１の波長λと光量も、上記のチルト角Ｔと同様、制御装置１６によって任意に設定可能な装置条件の１つである。
【００１８】
このようにして照明光Ｌ１が照射されると、ウエハ１１の表面に形成された繰り返しパターンからは、後述する回折の条件にしたがって回折光Ｌ２が発生する。回折光Ｌ２の回折角（θｒ＋Ｔ）は、ウエハ１１の表面に垂直な軸Ａｘ２と回折光Ｌ２の進行方向との間の角度に相当し、チルト角Ｔに応じて変化する。θｒは、回折光Ｌ２の進行方向とＺ方向との間の角度を表す。なお、回折光Ｌ２を発生させる繰り返しパターンの直線方向は、ホルダ１２の軸Ａｘ１に略平行である。
【００１９】
ここで、回折の条件は、照明光Ｌ１の波長λおよび入射角（θｉ−Ｔ）、回折光Ｌ２の回折角（θｒ＋Ｔ）および回折次数ｎ、繰り返しパターンのピッチｐを用いると、次式（１）で表すことができる。
【００２０】
ｓｉｎ（θｉ−Ｔ） − ｓｉｎ（θｒ＋Ｔ）＝ｎλ／ｐ …（１）
式（１）において、入射角（θｉ−Ｔ）および回折角（θｒ＋Ｔ）は、ウエハ１１の表面に垂直な軸Ａｘ２を基準として入射側に見込む角度方向をプラス、反射側に見込む角度方向をマイナスとする。回折次数ｎは、ｎ＝０の０次回折光（正反射光）を基準として入射側に見込む角度方向をプラス、反射側に見込む角度方向をマイナスとする。
【００２１】
また、式（１）において、θｉはＺ方向と光軸Ｏ１との間の角度（固定値）を表し、θｒはＺ方向と回折光Ｌ２の進行方向との間の角度を表している。チルト角Ｔは、ホルダ１２が水平状態に保たれたときをＴ＝０とし、入射側への角度方向をプラス、反対側への角度方向をマイナスとする。θｉは、チルト角Ｔ＝０のときの照明光Ｌ１の入射角に相当する。θｒは、チルト角Ｔ＝０のときの回折光Ｌ２の回折角に相当する。
【００２２】
式（１）から分かるように、チルト角Ｔを変化させることにより、照明光Ｌ１の入射角（θｉ−Ｔ）をチルト角Ｔに応じて変化させることができ、結果として、回折光Ｌ２の回折角（θｒ＋Ｔ）も変化させることができる。
受光系１４は、回折光Ｌ２を受光する光学系であり、凹面反射鏡２７と、ＣＣＤカメラ２８とで構成された偏心光学系である。
【００２３】
凹面反射鏡２７は、上記の凹面反射鏡２３と同様の反射鏡であり、ホルダ１２の斜め上方に配置される。つまり、凹面反射鏡２７の中心とホルダ１２の中心とを通る軸（光軸Ｏ２）が基準法線（Ｚ方向）に対して所定の角度θｄだけ傾くように配置されている。θｄは固定値である。以下、ウエハ１１の表面に垂直な軸Ａｘ２と光軸Ｏ２との間の角度（θｄ＋Ｔ）を受光角という。この受光角（θｄ＋Ｔ）も、上記の入射角（θｉ−Ｔ）と同様、チルト角Ｔに応じて変化する。
【００２４】
また、ＣＣＤカメラ２８は、その撮像面が凹面反射鏡２３の焦点面と略一致するように配置される。ＣＣＤカメラ２８の撮像面には、複数の画素が２次元的に配列されている。
上記の受光系１４において、ウエハ１１の表面の繰り返しパターンから発生した回折光Ｌ２は、凹面反射鏡２３を介して集光され、ＣＣＤカメラ２８の撮像面上に到達する。ＣＣＤカメラ２８の撮像面上には、回折光Ｌ２によるウエハ１１の像（ウエハ回折像）が形成される。ＣＣＤカメラ２８は、ウエハ回折像を撮像して、画像信号を画像処理装置１５に出力する。
【００２５】
上記のように、照明系１３と受光系１４が固定されているため（θｉ，θｄは固定値）、ホルダ１２のチルト角Ｔと照明光Ｌ１の波長λとの組み合わせを調整して、回折光Ｌ２の回折角（θｒ＋Ｔ）が受光角（θｄ＋Ｔ）と一致するように設定すれば、ウエハ１１の表面の繰り返しパターンから発生した回折光Ｌ２を受光系１４の光軸Ｏ２に沿って進行させることができる。
【００２６】
そして、受光系１４の光軸Ｏ２に沿って導かれる回折光Ｌ２の光量が適量である場合には、ＣＣＤカメラ２８によって、コントラストの良好なウエハ回折像を撮像することができる。回折光Ｌ２の光量は、ウエハ１１に照射される照明光Ｌ１の光量を調整することで、適量に設定できる。
コントラストの良好なウエハ回折像を撮像するために調整すべき装置条件は、ホルダ１２のチルト角Ｔと照明光Ｌ１の波長λと光量である。その他、ＣＣＤカメラ２８の露出時間や電気的な感度などが調整可能な場合、これらを装置条件として含めてもよい。また、ホルダ１２が軸Ａｘ２のまわりに回転可能な場合、その回転角を装置条件に含めてもよい。装置条件の調整は制御装置１６が行う。
【００２７】
ここで、回折光Ｌ２の強度は、ウエハ１１の表面の繰り返しパターンの欠陥箇所と正常箇所とで異なる。このため、ＣＣＤカメラ２８の撮像面に形成されるウエハ回折像には、繰り返しパターンの欠陥箇所と正常箇所とに起因する明暗差（コントラスト差）が生じることになる。
画像処理装置１５は、ＣＣＤカメラ２８から得られるウエハ回折像の画像信号を所定ビット（例えば８ビット）のディジタル画像に変換し、ウエハ画像としてメモリに記憶させる。さらに、そのときの装置条件（ホルダ１２のチルト角Ｔや照明光Ｌ１の波長λなどの組み合わせ）も併せてメモリに記憶させる。
【００２８】
また、画像処理装置１５は、ウエハ１１の表面に形成された繰り返しパターンの欠陥検出を行う前に、制御装置１６と協同して、最適な装置条件（チルト角Ｔや波長λなどの組み合わせ）の候補を多数決定する（図３参照）。そして、画像処理装置１５は、得られた多数の候補の各々に対応するウエハ画像をクラスタリング処理により分類する（図４参照）。上述したように、多数の候補が得られる理由は、ウエハ１１に複数種類の例えばピッチの異なる繰り返しパターンが存在するからである。
【００２９】
次に、最適な装置条件（チルト角Ｔや波長λなどの組み合わせ）の候補の決定処理について説明する。この決定処理は、画像処理装置１５と制御装置１６とが、図３に示すフローチャートの手順にしたがって行う。
ウエハ１１がホルダ１２上に固定されると、制御装置１６は、ホルダ１２や光源２１などを制御して装置条件を例えば初期値に設定する（ステップＳ１）。そして、画像処理装置１５は、そのときの装置条件を制御装置１６から取り込み、ＣＣＤカメラ２８からウエハ画像を取り込み（ステップＳ２）、装置条件とウエハ画像を関連づけてメモリに記憶させる（ステップＳ３）。
【００３０】
ステップＳ１〜Ｓ３の処理は、予め想定された全ての装置条件（チルト角Ｔや波長λなどの組み合わせ）の各々で処理済になる（つまりステップＳ４の判定がＹｅｓとなる）まで、繰り返し行われる。この間、制御装置１６による装置条件の設定変更ごとに、画像処理装置１５によるウエハ画像の取り込みが行われ、メモリには装置条件とウエハ画像との記憶情報が蓄積していく。
【００３１】
そして、全ての装置条件で処理済になる（ステップＳ４がＹｅｓ）と、画像処理装置１５は、メモリに記憶させた各ウエハ画像ごとに、全画素の輝度値を調べて、最大輝度値を求める（ステップＳ５）。さらに、各ウエハ画像に関連づけられた装置条件と最大輝度値との関係を調べ、最大輝度値が極大値を示す多数の装置条件を「最適な装置条件の候補」と決定する（ステップＳ６）。決定された多数の候補は、各々、メモリ内でウエハ画像に関連づけられている。以下の説明では、決定された候補の数をＭ個とする。
【００３２】
次に、多数（Ｍ個）の候補の各々に対応するウエハ画像の分類処理について説明する。この分類処理は、画像処理装置１５が、図４に示すフローチャートの手順にしたがって行う。
画像処理装置１５は、まず、ステップＳ１０において、例えば図５に示すようなチップマップ（ＣｈｉｐＭａｐ）ファイルを参照する。チップマップファイルは、ウエハ１１に関する予め定めた情報であり、ウエハ１１のチップ領域２０（図２）の属性を記述したデータ群を含む。チップ領域２０の属性とは、実際のサイズ（ＭａｐＳｉｚｅ−ｗｉｄｔｈ，ｈｅｉｇｈｔ）や、ウエハ１１内での配置（Ｍａｐ−Ｒｏｗ，Ｃｏｌｕｍｎ）（ＭａｓｋＡｒｅａ）である。ＭａｓｋＡｒｅａの「１」がチップ領域２０に対応する。
【００３３】
そして、画像処理装置１５は、次のステップＳ１１（図４）において、各ウエハ画像の中から複数のチップ領域２０（つまり図５のＭａｓｋＡｒｅａの「１」）に対応する部分画像（以下「チップ画像」という）を抽出し、得られた複数のチップ画像の濃度を画素ごとに平均化し、チップ平均画像を生成する。
上述したように、１つのウエハ１１内で各々のチップ領域２０における繰り返しパターンの配置は同様であるため、各々のチップ画像の濃度分布も同様である。したがって、複数のチップ画像の濃度平均により得られたチップ平均画像は、ウエハ画像（ウエハ１１の全体像）の特徴を示すと考えられる。
【００３４】
図６に、チップ平均画像の例を示す。Ｍ個（図６では９個）のチップ平均画像の各々は、Ｍ個の候補の各々に関連づけられたウエハ画像（１，２，…）から生成されたものである。チップ平均画像どうしを比較すると、候補の装置条件の相違に応じて、濃度分布も少しずつ異なることが分かる。これは、ウエハ画像（１，２，…）の濃度分布も、候補の装置条件の相違に応じて少しずつ異なることを意味している。
【００３５】
次に、画像処理装置１５は、図４のステップＳ１２において、各々のチップ平均画像ごとに、チップ平均画像の予め定めた複数の種類（例えば２２種類）の特徴量を抽出する。ここで、チップ平均画像の特徴量の例を説明する。
（１）各チップ平均画像の中で図７（ａ）に示すような２つの注目領域Ａ，Ｂを指定し、注目領域Ａ，Ｂの各々の平均濃度を計算する。そして、２つの平均濃度の違い（領域濃度差や領域濃度比）を計算し、特徴量ｆ_１，ｆ_２とする。また、他の図７（ｂ）〜（ｅ）に示すような注目領域Ａ，Ｂでも同様の計算を行い、特徴量ｆ_３〜ｆ_１０とする。
【００３６】
（２）各チップ平均画像の全体で、平均濃度を計算して特徴量ｆ_１１とし、濃度の標準偏差を計算して特徴量ｆ_１２とする。また、各チップ平均画像の全体で、濃度を重みとして重心座標を計算し、特徴量ｆ_１３，ｆ_１４とする。さらに、各チップ平均画像のうち濃度の高い部分（明部）で同様の計算を行い（偏向させた重心座標）、特徴量ｆ_１５，ｆ_１６とする。濃度の高い部分としては、平均濃度以上の部分や（平均濃度＋濃度標準偏差）以上の部分が考えられる。
【００３７】
（３）各チップ平均画像の全体で、画像中心回りの慣性モーメントを計算して特徴量ｆ_１７とし、Ｘ軸，Ｙ軸回りの慣性モーメントを計算して特徴量ｆ_１８，ｆ_１９とする。また、各チップ平均画像のうち濃度の高い部分（明部）で、偏向させた画像中心回りの慣性モーメントを計算して特徴量ｆ_８０とし、偏向させたＸ軸，Ｙ軸回りの慣性モーメントを計算して特徴量ｆ_２１，ｆ_２２とする。
【００３８】
画像処理装置１５は、ここまでの処理により、各々のチップ平均画像（図６）に関して２２種類の特徴量ｆ_１〜ｆ_２２を抽出し終えると、図４のステップＳ１３の処理に進む。そして、各々のチップ平均画像と特徴量ｆ_１〜ｆ_２２とウエハ画像とを関連づけてメモリに記憶させる。したがって、各ウエハ画像から抽出したチップ平均画像と特徴量ｆ_１〜ｆ_２２とを効率よく管理することができる。
【００３９】
なお、各ウエハ画像が既に上記Ｍ個の候補の各々に関連づけられているため、ステップＳ１３における関連づけの結果、各々のチップ平均画像と特徴量ｆ_１〜ｆ_２２も、Ｍ個の候補の各々に関連づけられたことになる。チップ平均画像と特徴量ｆ_１〜ｆ_２２は、総じて、請求項の「第１データ群」に対応する。
ここで、ステップＳ１３における関連づけを表示すると、例えば図８の一覧表のようになる。図８には、各ウエハ画像の識別番号１，２，…と、各ウエハ画像に関連づけられた特徴量ｆ_１〜ｆ_２２とが一行にまとめて示されている。図８の「Ａｖｅ．」「Ｄｅｖｉ．」「Ｃ．Ｘ−ｕｐ」「Ｉ−ｍｍｔＸ．」「Ｉ−ｍｍｔＹ．」「Ｍｍｔ−ｕｐ」「ＭｍｔＸ−ｕｐ」「ＭｍｔＹ−ｕｐ」「Ｐ１」「Ｐ２」…は、各々、特徴量ｆ_１１，ｆ_１２，ｆ_１５，ｆ_１８〜ｆ_２２，ｆ_１，ｆ_２，…の種類を表している。図８の数値は、特徴量ｆ_１１，ｆ_１２，ｆ_１５，ｆ_１８〜ｆ_２２，ｆ_１，ｆ_２の値である。
【００４０】
この一覧表（図８）において、任意の識別番号（１，２，…の何れか）を特定することにより、その識別番号のウエハ画像と、ウエハ画像に関連づけられたチップ平均画像とを、メモリから読み出して表示させることができる。識別番号の特定は、例えばコンピュータ画面の対応箇所をクリックすることにより行われる。
次に（図４のステップＳ１４）、画像処理装置１５は、各チップ平均画像の特徴量ｆ_１〜ｆ_２２を正規化する。これは、次の選択処理やクラスタリング処理の際に、２２種類の特徴量ｆ_１〜ｆ_２２を同じ尺度で扱えるようにするための処理である。そして、正規化された後の特徴量ｆ_１〜ｆ_２２に基づいて、ステップＳ１５以降の処理を行う。以下の説明では、正規化後の特徴量を、単に「特徴量」という。
【００４１】
ステップＳ１５において、画像処理装置１５は、特徴量ｆ_１〜ｆ_２２の全種類（２２種類）の中から例えば６種類を選択する。この選択処理は、任意に行ってもよいし、２２種類の特徴量ｆ_１〜ｆ_２２を統計的に演算処理して行ってもよい。統計的に演算処理する場合、個々の標準偏差値または分散値が大きく、互いに相関値が小さい特徴量（例えば６種類）を選択することが好ましい。これは、多くの情報量を含み、互いに異なる傾向を持つ６種類の選択に相当する。
【００４２】
次に、画像処理装置１５は、ステップＳ１６において、例えば６種類の特徴量を用いた統計的な演算処理（つまりクラスタリング処理）を行う。そして、多数（Ｍ個）の候補の各々に対応するウエハ画像を分類する。具体的には、６種類の各々を軸とする６次元のユークリッド空間（特徴量空間）を設定し、この特徴量空間に類似性の尺度を導入して、多数（Ｍ個）のウエハ画像を類似のグループ（つまりクラスタ）に分類する。なお、特徴量空間の各軸は距離的に等価に扱うことができる。
【００４３】
クラスタリング処理について簡単に説明する。画像処理装置１５は、まず、Ｍ個のウエハ画像の各々を全てクラスタとする。この時点でクラスタ数ＣＬはＭ個である。各クラスタに含まれる要素の数は１個である。次に、クラスタ間の距離（つまり要素の間のユークリッド距離）を全ての組み合わせで計算する。
そして、クラスタ間の距離が最小である一対のクラスタを選び、併合する。この併合により、一対のクラスタは、１つのクラスタとなる。これには２つの要素が含まれることになる。この時点でのクラスタ数ＣＬは（Ｍ−１）個である。次に、クラスタ間の距離を同様にして計算する。ただし、１つのクラスタに複数の要素が含まれる場合、クラスタ間の距離は群間平均により求められる。
【００４４】
画像処理装置１５では、距離の計算を終えると、上記と同様、最小距離の一対のクラスタの併合処理を行う。その結果、クラスタ数ＣＬが１つ減少する。さらに、クラスタ間の距離の計算と併合処理を繰り返し、クラスタ数ＣＬが所定数ＣＬ_ＳＴＯＰ（例えば５個）になると、ステップＳ１６のクラスタリング処理を終了する。なお、最終的なクラスタ数ＣＬ_ＳＴＯＰは、処理対象のウエハ画像の総数などに応じて変更可能である。図９には、５個のクラスタ（ＩＤ＝１〜５）に分類されたウエハ画像（１，２，…）と、それに関連づけられたチップ平均画像の例を示す。
【００４５】
また、ステップＳ１６（図４）のクラスタリング処理の途中、画像処理装置１５は、クラスタ数ＣＬが例えば１１個，１０個，９個，…と減少していく各々の段階において、各々のウエハ画像（１，２，…）にクラスタＩＤを付与する。例えばクラスタ数ＣＬが１０個の場合、クラスタＩＤ＝１〜１０の何れかが、各ウエハ画像（１，２，…）に付与される。同様に、例えばクラスタ数ＣＬが９個の場合、クラスタＩＤ＝１〜９の何れかが、各ウエハ画像（１，２，…）に付与される。
【００４６】
クラスタＩＤとは、クラスタリング処理によりＭ個のウエハ画像（１，２，…）を分類したときの分類結果（各クラスタのＩＤ番号）を表している。また、クラスタＩＤは、クラスタリング処理の条件（クラスタ数ＣＬ）に応じて異なる。なお、同じクラスタＩＤが付与されたウエハ画像どうし（つまり１つのクラスタに含まれるウエハ画像どうし）は、類似性が高いと考えられる。
【００４７】
画像処理装置１５は、所望のクラスタ数ＣＬ（＝１１，１０，９，…）の各々においてクラスタＩＤの情報（請求項の「第２データ群」）を生成した後、クラスタ数ＣＬが所定数ＣＬ_ＳＴＯＰ（例えば５個）になると、クラスタリング処理（Ｓ１６）を終了して、次のステップＳ１７に進む。
このステップＳ１７では、Ｍ個のウエハ画像の各々と、クラスタリング処理に用いた６種類の特徴量（ステップＳ１５で選択したもの）と、所望のクラスタ数ＣＬ（＝１１，１０，９，…）の各々におけるクラスタＩＤとを、関連づけてメモリに記憶させる。したがって、各ウエハ画像に対するクラスタリング処理の条件と結果とを効率よく管理することができる。
【００４８】
そして最後のステップＳ１８で、画像処理装置１５は、ステップＳ１７における関連づけを表示する。その表示例を図１０に示す。図１０には、各ウエハ画像の識別番号１，２，…と、クラスタリング処理に用いた６種類「Ｄｅｖｉ．」「Ｃ．Ｘ−ｕｐ」「Ｉ−ｍｍｔＸ．」「Ｉ−ｍｍｔＹ．」「Ｐ１」「Ｐ３」の特徴量ｆ_１２，ｆ_１５，ｆ_１８，ｆ_１９，ｆ_１，ｆ_３と、所望のクラスタ数ＣＬ＝１１，１０，９，…におけるクラスタＩＤ（分類結果）が、一行にまとめて示されている。図１０の数値は、特徴量ｆ_１２，ｆ_１５，ｆ_１８，ｆ_１９，ｆ_１，ｆ_３の値（正規化前の値）である。
【００４９】
図１０の一覧表において、任意のクラスタ数ＣＬ（＝１１，１０，…の何れか）のうち任意のクラスタＩＤを特定することにより、そのクラスタＩＤに属する全てのウエハ画像をメモリから読み出して表示させることができる。なお、クラスタＩＤの特定は、例えばコンピュータ画面の対応箇所をクリックすることにより行われる。
【００５０】
例えば、クラスタ数ＣＬ＝９の中のクラスタＩＤ＝３（図１０中＊箇所）が特定された場合、そのクラスタＩＤに関連づけられた識別番号３，５，１３，１４，１６，１８（図１０中※箇所）のウエハ画像が並べて表示される（図１１）。このため、クラスタ数ＣＬ＝９という条件下でクラスタＩＤ＝３に分類されたウエハ画像どうしの類似性を迅速に確認し、評価することができる。さらに、他のクラスタＩＤが特定された場合でも同様に、各クラスタに含まれるウエハ画像どうしの類似性を迅速に確認し、評価することができる。
【００５１】
したがって、これらの表示内容を比較することにより、図１０のクラスタ数ＣＬ＝１１，１０，９，…（クラスタリング処理の条件）のうち、各クラスタ内のウエハ画像どうしの類似性が最も高く、適切に分類されたと考えられるものを迅速に選択することができる。つまり、多数（Ｍ個）のウエハ画像の分類処理を適切かつ迅速に行える。
【００５２】
このようにしてウエハ画像の分類処理（図４）が終わると、画像処理装置１５では、各クラスタから代表的なウエハ画像を選び、そのウエハ画像に関連づけられた候補の装置条件を最適条件に決定することができる。この場合に、決定される最適条件の数は、クラスタ数ＣＬと同数であり、候補の全数（Ｍ個）よりも少ない。したがって、それぞれの最適条件の下でウエハ１１の検査を１回ずつ行うとしても、全ての候補を最適条件に設定して１回ずつ検査する場合と比較して、全体の処理時間を短縮することができる。
【００５３】
さらに、分類後の各クラスタから選んだ代表的なウエハ画像に関連づけられた候補の装置条件をさらに厳選し、その中から最も検査に適するものを最適条件として決定することもできる。このような場合、選択の対象となる母体数を減らすことができるので、より容易に最適条件を選ぶことができる。
また、本実施形態では、各チップ平均画像から２２種類の特徴量（ｆ_１〜ｆ_２２）を抽出し、この２２種類の中から選択した例えば６種類の特徴量に基づいてクラスタリング処理を行うため、多数のウエハ画像を適切に分類することができる。２２種類の中から選択する種類の数や組み合わせを変更し、図４のステップＳ１５〜Ｓ１８の処理を行うことにより、各クラスタ内のウエハ画像どうしの類似性が最も高く、適切に分類されたと考えられる条件（特徴量の種類の数や組み合わせとクラスタ数ＣＬ）を迅速に選択することができる。つまり、多数（Ｍ個）のウエハ画像の分類処理を適切かつ迅速に行える。
【００５４】
さらに、本実施形態によれば、チップ平均画像を用いたことにより、特徴量の抽出を効率よく行うことができる。そのため、多数のウエハ画像の分類を正確かつ容易に行うことができる。
（変形例）
なお、上記した実施形態では、チップマップファイル（図５）を参照してチップ平均画像などを抽出したが、これに代えてショットマップファイルを用いてもよい。ショットマップファイルは、ウエハ１１に関する予め定めた情報であり、ウエハ１１のショット領域の属性（実際のサイズやウエハ１１内での配置）を記述したデータ群を含む。
【００５５】
また、上記した実施形態では、多数のウエハ画像を分類する際に、ウエハ画像からチップ平均画像を求め、そのチップ平均画像から特徴量を抽出したが、本発明はこれに限定されない。（１）ウエハ画像から特徴量を抽出しても良い。これは、ウエハ１１などの基板の表面に塗布されたレジスト膜の厚みの不均一性や、基板の歪みなどに起因する欠陥を検査する場合に有効である。（２）ウエハ画像からショット平均画像を求め、そのショット平均画像から特徴量を抽出するようにしても良い。これは、上記のショットマップファイルを参照して行われ、ショット領域が１つのチップ領域２０より小さいときでも有効である。
【００５６】
さらに、上記した実施形態では、図８，図１０の表示例においてウエハ画像の識別番号１，２，…を用いたが、これに代えてウエハ画像の名前（ファイル名）や画像自体またはアイコンなどを識別情報として用いてもよい。
また、上記した実施形態では、各ウエハ画像の最大輝度値に基づいて最適条件の候補を決定した（図３のステップＳ５，Ｓ６）が、本発明はこれに限定されない。各ウエハ画像の平均輝度値や他のファクター（輝度情報）に基づいて最適条件の候補を決定しても構わない。
【００５７】
さらに、上記した実施形態では、クラスタリング処理を行う際に、特徴量空間としてユークリッド空間を用いる例を示したが、他の距離（例えばマハラノビス距離）や空間を用いるようにしても良い。
また、上記した実施形態では、ウエハ１１の表面からの回折光Ｌ２を用いて検査を行う例を示したが、ウエハ１１の表面からの散乱光を用いて検査を行うようにしても良いし、ウエハ１１の表面からの回折光Ｌ２と散乱光との両方を用いて検査を行うようにしても良い。
【００５８】
さらに、表面検査装置１０とは構成が異なる表面検査装置に本発明を適用しても良い。例えば、固定されたホルダに対して、照明系および受光系が可動であり、照明系および受光系を動かすことで、ホルダのチルトと同様の効果が得られる表面検査装置に適用しても良い。
また、上記した実施形態では、表面検査装置１０の画像処理装置１５により多数のウエハ画像の分類処理などを行ったが、表面検査装置１０に接続された外部のコンピュータを用いた場合でも、同様の効果を得ることができる。
【００５９】
【発明の効果】
以上説明したように、本発明によれば、基板の画像を分類する際に基板の画像から抽出したデータ群を効率よく管理することができる。
【図面の簡単な説明】
【図１】表面検査装置１０の全体構成を示す図である。
【図２】ウエハ１１の表面の外観を示す概略図である。
【図３】最適な装置条件の候補の決定処理を示すフローチャートである。
【図４】多数のウエハ画像の分類処理を示すフローチャートである。
【図５】チップマップファイルの例を示す図である。
【図６】チップ平均画像の例を示す図である。
【図７】チップ平均画像の注目領域Ａ，Ｂの一例を示す図である。
【図８】各ウエハ画像の識別番号と複数の種類の特徴量との表示例を示す図である。
【図９】クラスタリングによる分類結果の一例を示す図である。
【図１０】各ウエハ画像の識別番号とクラスタリング処理の条件および結果との表示例を示す図である。
【図１１】あるクラスタに含まれる全ウエハ画像の表示例を示す図である。
【符号の説明】
１０表面検査装置
１１ウエハ
１２ホルダ
１３照明系
１４受光系
１５画像処理装置
１６制御装置
２０チップ
２１光源
２２ライトガイド
２３，２７凹面反射鏡
２８ＣＣＤカメラ

Claims

基板の画像を取り込む画像取込手段と、
前記基板に関する予め定めた情報を参照して前記画像から第１データ群を抽出する抽出手段と、
前記第１データ群と前記画像とを関連づけて記憶する記憶手段とを備えた
ことを特徴とするデータ管理装置。
請求項１に記載のデータ管理装置において、
前記第１データ群のうち少なくとも一部を用いた演算処理により第２データ群を生成する演算手段をさらに備え、
前記記憶手段は、前記第１データ群のうち前記演算処理に用いられた前記少なくとも一部と前記第２データ群と前記画像とを関連づけて記憶する
ことを特徴とするデータ管理装置。
請求項２に記載のデータ管理装置において、
前記記憶手段による記憶内容に基づいて、少なくとも前記画像の識別情報と前記第２データ群とを表示する表示手段をさらに備えた
ことを特徴とするデータ管理装置。
請求項１から請求項３の何れか１項に記載のデータ管理装置において、
前記抽出手段は、前記基板のチップ領域またはショット領域の属性を記述したデータ群を前記情報として参照し、前記画像から前記第１データ群を抽出する
ことを特徴とするデータ管理装置。
請求項４に記載のデータ管理装置において、
前記抽出手段は、前記第１データ群として、前記画像の中から前記チップ領域または前記ショット領域に対応する部分画像を抽出すると共に、該部分画像の特徴量を抽出する
ことを特徴とするデータ管理装置。
請求項５に記載のデータ管理装置において、
前記画像取込手段は、複数の前記画像を取り込み、
前記抽出手段は、前記画像ごとに、前記部分画像を抽出すると共に、該部分画像の予め定めた複数の種類の前記特徴量を抽出し、
前記演算手段は、前記複数の種類の中から１つ以上の種類を選択し、該１つ以上の種類の特徴量を用いた統計的な演算処理により前記複数の画像を分類し、該分類の結果を前記第２データ群として生成する
ことを特徴とするデータ管理装置。