JP2006046943A - マスクの欠陥分類方法および分類装置 - Google Patents

Abstract

【課題】高速かつ高精度で、パターン欠陥の分類及び定量化を行うパターン欠陥分類方法およびパターン欠陥分類装置を提供する。
【解決手段】マスク（１）の製造に使用された設計データの画像と検査対象マスクの画像とを取得し、検査対象マスクのパターンの位置と検査範囲を設定し（２３）、検査範囲内で設計データ画像に対するマスク画像の面積比を算出し（２４）、検査対象マスクの画像のパターン円形度を算出し（２７）、設計データの画像と検査対象マスクの画像の各パターンの重心座標をそれぞれ算出する（３３）ことによってマスクの欠陥の種類を判断し分類する方法、およびかかる方法を実施する欠陥分類装置。
【選択図】 図２

Description

本発明は、例えば半導体装置の製造に使用されるＥＢ（Electron Beam）マスクやフォトマスクの欠陥分類方法および分類装置に関する。

電子ビーム露光に使用されるＥＢマスクや光露光に使用されるフォトマスクの製造工程においては、作成された各マスクに欠陥が存在するか否かについて検査するための外観検査を行い、欠陥のないマスクであることを確認すると共に、必要な場合には欠陥部分の修正を行っている。

現在、等倍露光マスクに係るＬＥＥＰＬ（Low Energy Electron-Beam Proximity Projection Lithography）や縮小露光マスクに係るＥＰＬ（Electron Projection Lithography）などのＥＢマスクの外観検査装置に関しては、専用の透過型ＥＢ検査装置を利用して行われている。

通常かかる透過型ＥＢ検査装置においては、実際に作成されたマスクパターンについて検査対象となるパターンの画像データを取得・作成し、この画像データと設計データとを比較する、所謂Die To DB(Data Base)方式が採用されている。この方式においては、作成されたマスクの全てのパターンについての画像データと対応する設計データと比較し相互の差異から欠陥の有無を検出する。そして欠陥とみなしたパターンについて、その座標情報と設計データ及びマスクパターンの画像データを保存し出力可能とする。検査装置は一般に欠陥のあるマスクパターンのそれぞれについて、保存すべき画面の中心位置に欠陥と判断されたパターンがあるような状態で保存する（図４参照）。
特開２０００−８８５６３

しかしながら、上記検査装置はパターンが欠陥かどうかを判定するだけなので、見つけた欠陥がどのような種類の欠陥なのかといった情報は得られない。また、設計データと比べて何％違っているのかといった欠陥の程度を定量化することもできない。

実際のＥＢマスク製造工程においては、検査で見つけられた欠陥については修正機で修正を行うが、欠陥の種類や程度によって修正の可否を判断する必要がある。現在は、この判断をＥＢ検査装置から出力された設計データとマスクパターンの画像データの双方を端末装置のディスプレイにそれぞれ表示し、作業員が目視で比較することで定性的に行っている。

しかし、作成されたマスクによっては実際には修正する必要のない擬似的な欠陥も含まれるため、修正の判断を行う欠陥の数が１枚のマスクについて数千個になってしまう場合もあり、作業量が膨大になる場合がある。また、人間の目による画像比較では欠陥か否かが判断できない場合が多々ある。

一方、正方形ホールパターンはＥＢマスクにおいて形成される各種多様なマスクパターンの基礎形状（単位形状）となるため、正方形ホールパターンの欠陥検査および欠陥の分類はマスクパターンの品質維持の基礎となる。

また、超ＬＳＩ等半導体装置の高集積化に伴い内部配線が極めて複雑となり、必然的に配線の多層化か進められている。多層化された内部配線の相互接続のために複数の層間絶縁膜にそれぞれ多数の通常は正方形の貫通孔を形成する必要が生じている。これら貫通孔を形成するためにも使用されるＥＢマスクのホールパターンについても高品質が要求され、高品質を維持するための迅速な検査が必要となっている。

このため、特にＥＢマスクにおいてメインとなる、通常は例えば正方形の形状として設計されるホールパターンについて、自動的に欠陥を定量化し分類する方法の確立、および分類装置の提供が必要となっている。

そこで、本発明は上記の問題点を鑑み、ホールパターンについて上記ＥＢ検査装置で見つけた欠陥の画像データを画像処理し、面積の比較や円形度・重心といったパターンの特徴量を抽出することで、高速かつ高精度にパターン欠陥の分類及び定量化を行う欠陥分類方法および欠陥分類装置を提供することを目的とする。パターン欠陥の分類及び定量化を行うことにより後の工程における欠陥の修正作業が容易となり、またマスク製造工程の管理が容易となり、高品質の維持が可能となる。

以下の実施の形態に記載の本発明によるマスク欠陥分類方法は、マスクの製造に使用された設計データの画像と検査対象マスクの画像とを取得し、検査対象マスクのパターンの位置と検査範囲を設定し、検査範囲内で設計データの画像に対するマスクの画像の面積比を算出し、面積比を所定の上限値および下限値と比較し、検査対象マスクの画像のパターン円形度を算出し、円形度を所定の第１および第２の規格値と比較し、設計データの画像と検査対象マスクの画像の各パターンの重心をそれぞれ算出し、各重心のずれを所定の許容値と比較することにより、マスクの欠陥を分類する方法である。

また、マスクの製造に使用された設計データの画像と検査対象マスクの画像とを取得し、検査対象マスクのパターンの位置と検査範囲を設定し、検査範囲内で設計データ画像に対するマスク画像の面積比を算出し、面積比が０の場合には未開口欠陥と判断し、面積比が０でない場合には、面積比を所定の下限値と比較し、面積比が所定の下限値より小さい場合には、検査対象マスクの画像のパターン円形度を算出し、円形度が所定の第１の規格値以上の場合にはアンダーサイズ欠陥と判断し、第１の規格値より小さい場合には欠け欠陥と判断し、一方、面積比が所定の下限値以上の場合には、所定の上限値と比較し、面積比が所定の上限値より大きい場合には、検査対象マスクの画像のパターン円形度を算出し、円形度が所定の第２の規格値以上の場合にはオーバーサイズ欠陥と判断し、円形度が第２の規格値より小さい場合には突起欠陥と判断し、一方、面積比が所定の上限値以下の場合には、設計データの画像と検査対象マスクの画像の各パターンの重心をそれぞれ算出し、各重心のずれが所定の許容値より大きい場合にはＩＰエラーと判断し、所定の許容値以下の場合には擬似欠陥と判断するマスクの欠陥を分類する方法である。

また、以下の実施の形態に記載の本発明によるマスク欠陥分類装置は、マスクの製造に使用された設計データの画像と検査対象マスクの画像とを取得する手段と、検査対象マスクのパターンの位置と検査範囲を設定する手段と、検査範囲内で設計データ画像に対するマスク画像の面積比を算出する手段と、検査対象マスクの画像のパターン円形度を算出する手段と、設計データの画像と検査対象マスクの画像の各パターンの重心をそれぞれ算出する手段とを有し、面積比を算出する手段、パターン円形度を算出する手段、そして各パターンの重心をそれぞれ算出する手段により算出されたデータに基き欠陥の種類を判断する手段とを有する装置である。

また、マスクの製造に使用された設計データの画像と検査対象マスクの画像とを取得する手段と、検査対象マスクのパターンの位置と検査範囲を設定する手段と、検査範囲内で設計データ画像に対するマスク画像の面積比を算出する手段と、欠陥の種類を判断する手段と、なお、判断する手段は、面積比が０の場合には未開口欠陥と判断し、面積比を所定の上限値または下限値と比較する手段と、検査対象マスクの画像のパターン円形度を算出する手段と、なお、判断する手段は、円形度が所定の第１の規格値以上の場合にはアンダーサイズ欠陥と判断し、第１の規格値より小さい場合には欠け欠陥と判断し、検査対象マスクの画像のパターン円形度を算出する手段と、なお、判断する手段は、円形度が所定の第２の規格値以上の場合にはオーバーサイズ欠陥と判断し、円形度が第２の規格値より小さい場合には突起欠陥と判断し、設計データの画像と検査対象マスクの画像の各パターンの重心をそれぞれ算出する手段とを有し、判断する手段は、各重心のずれが所定の許容値より大きい場合にはＰエラーと判断し、所定の許容値以下の場合には擬似欠陥と判断する欠陥分類する装置である。

ホールパターンについて、欠陥を有する画像データのデータ処理を行い、パターン面積の比較や画像パターンの円形度や重心等のパターンの特徴量を抽出することにより、高速かつ高精度に、パターン欠陥の分類及び定量化を行うパターン欠陥分類方法およびパターン欠陥分類装置を提供することが可能となった。

また、パターン欠陥の分類及び定量化を行うことにより、後の工程におけるマスクパターンの欠陥の修正作業が容易となり、またマスク製造工程の管理が容易となり、高品質のマスク製造が可能となった。

以下、添付図面を参照して本発明の内容を詳述する。図１にＥＢマスクとして使用されるステンシルマスク１の断面を示す。ステンシルマスク１は通常ＳＯＩ（Silicon On Insulator）基板を用いて作成される。マスク周辺部においてメンブレン５を支持する支持枠２と略一定の間隔で形成される梁３は、例えば厚さが７２５μｍの支持基板であるシリコンにより形成されている。その底部には厚さが例えば１μｍ以下のシリコン酸化膜４を介して、ＥＢマスクを形成する厚さが例えば数１００ｎｍ（ＬＥＥＰＬマスクの場合）程度または概ね２μｍ（ＥＰＬマスクの場合）程度の単結晶シリコン膜から成るメンブレン５が配置されている。メンブレン５の材料としてはシリコン以外に例えばダイヤモンド薄膜等が使用可能である。

マスクパターンはメンブレン５に形成された孔６の形状により定まる。なおＬＳＩ等を形成する半導体ウエファ（図示せず）に対する露光は、孔６を通過する電子ビームにより行われる。孔６の形状によりＥＢマスクにおける例えばホールパターンの形状が定まる。本発明はこの孔６の形状欠陥を分類する方法および装置に関するものである。

図２は本発明に係る欠陥分類方法の実施の形態について示すフローチャート図であり、図３は例えば画像データ処理の可能なＣＰＵ（Central Processing Unit）等を用いて形成される本発明に係るマスク欠陥分類装置２１の実施の形態を示す図である。図２および図３に沿ってＥＢマスクの欠陥分類方法および欠陥分類装置について説明する。

まず最初に、測定データと設計データとを比較するマスク外観検査装置２０で欠陥と判断されたパターンについて、測定されたマスク画像と設計データ画像を取得し、画像データ記録手段２２に記録する。

マスク外観検査装置２０としては種々の方式のものが使用されているが、その一事例として、Die to CAD-Data方式（図示せず）について簡単に説明する。この方式においては、検査対象であるＥＢマスクに電子ビームを順次走査しながら照射し、マスクパターンを形成する孔６を順次通過した電子ビームに基く画像をＣＣＤカメラで受像し、このＥＢマスクパターンの孔部に対応する画像データ（Die-Data）として取得する。この取得された画像データとＥＢマスクの製造に使用された設計データ（CAD-Data）とを比較し、両者の間に相異がある場合に製造されたＥＢマスクに欠陥が存在すると判断し、欠陥データを出力する。欠陥データとして、例えば欠陥の生じたパターンについての位置とその画像データ（Die-Data）および設計データ（CAD-Data）の双方が出力される。これらのデータは例えばＬＡＮ等の適切な伝送ライン（図示せず）により直接本発明に係るマスク欠陥装置２１に伝送されるか、または例えばＣＤＲＯＭ（図示せず）等の所定の記録媒体を介して送られる。

マスク外観検査装置２０から出力されるデータは、欠陥と判断した全てのパターンについて、例えば、マスク画像と設計データ画像に係るデータが圧縮しない方式のＴＩＦＦ（Tagged-Image Files Format）形式で１つのファイルにまとめられて出力される。この場合、このＴＩＦＦファイルから欠陥を分類したいパターンの画像データを順番に取り出して所定の記録部（図示せず）に記録し、以下の分類処理を行う。

取得したマスク画像と設計データ画像の例を図４に示す。設計されたホールパターン４１は、ＬＥＥＰＬにおいては設計にもよるが通常７０〜２００ｎｍ□、ＥＰＬにおいては通常２８０〜８００ｎｍ□程度の正方形であるが、作成されたホールパターン４２は図４（ｂ）または図４および５の（ｂ）に示すように通常ほぼ円形に近くなる。

次に検査範囲設定手段２３により、分類したいパターンの位置と測定範囲４３を設定する。検査装置２０から出力される画像（図４の（ａ）、（ｂ））は、例えば図４（ｂ）に示すように中心位置に欠陥と判断したパターンがあるように出力される。この場合、まず設計データ画像において、中心付近にあるパターンを例えば矩形で囲って測定範囲とする。そしてマスク画像についても、同じ位置に同じ大きさで同様に矩形を生成し測定範囲とする。設計データ画像とマスク画像に測定範囲４３を設定した例を図５に示す。

次に、測定範囲４３のホールパターン４５に関して設計データ画像とマスク画像について面積比算出手段２４により面積比を算出し、この面積比の値によって以降の処理を分岐させる。なお、この面積比は、例えば画像２値化手段２５を用いて、測定範囲４３におけるマスクの設計データ画像とマスク画像に関する、所定のしきい値以上の濃度値を持つピクセルの数をそれぞれ求め、これらの比（マスク画像のパターン面積／設計データ画像のパターン面積）を計算することにより得ることができる。図４または図５のマスク画像に示すような濃淡画像を２値化するために適用するしきい値は、例えば判別分析法（所謂大津の方法）により算出することができる。

この面積比が０となる場合は、マスク画像にホールパターンがないということなので、欠陥判断手段３５は欠陥を未開口欠陥と判断することができる。未開口欠陥の例を図６に示す。

面積比が０でない場合には、面積比比較手段２６により、面積比について予め定められた上限値および下限値と比較する。例えば、許容範囲をおよそ±１０％とすれば、上限値を１．０〜１．１の範囲の特定値に、下限値を０．８〜０．９の範囲の特定値に設定することができる。ここで実際のマスクのパターンは、例えば図４、図５に示すように、正方形の設計データに対して全体的に角が取れて丸くなってしまうため、正常パターンの場合にも面積比は１未満となる。

パターンに欠陥があるかどうかを判定する面積比の上限値及び下限値は、ホールパターン形成条件によって変わってくるため、マスクごとに適切な値を予め調査して設定しておく必要がある。もし、面積比が下限値より小さい場合は、マスク画像のホールパターンが何らかの理由で設計値より小さくなっているということになり、逆に上限値より大きい場合はホールパターンが設計値より大きくなっているということになる。

面積比が下限値より小さい場合や上限値より大きい場合には、円形度算出手段２７により、マスク画像のパターンの円形度を算出する。円形度を算出するには、輪郭線抽出手段２８によりまずマスク画像の対象となるパターンの輪郭線を抽出する。輪郭線の抽出は判別分析法によって２値化した後、エッジ抽出処理２９によりエッジ抽出処理を行い、細線化処理手段３０によりそれを細線化処理する。パターンの輪郭線を抽出した例を図７に示す。

円形度はこのパターンと近似円との差分面積と、近似円の面積との比である（差分面積／近似円の面積）。円形度は１以下の実数となり、パターンが真円に近いほど１に近づく。近似円の面積は、近似円算出手段３１により、パターンの重心と輪郭線の各点との距離を平均して求めた近似半径から算出する。

次に欠陥判断手段３５により欠陥の内容について判断し分類する。判断される欠陥には、例えば、形状は正常で面積が設計値より小さいアンダーサイズ欠陥、パターン面積が設計値より小さくかつ歪んだ形状をしている欠け欠陥、形状は正常で面積が設計値より大きいオーバーサイズ欠陥、パターン面積は設計値より大きく歪んだ形状をしている突起欠陥、パターンの位置がずれている位置ずれ欠陥、実際には欠陥がないにもかかわらず欠陥パターンと誤判断した擬似欠陥等がある。

円形度は円形度比較手段３２により所定の規格値と比較される。この規格値としては例えば０．８と設定することができる。面積比が下限値より小さく、円形度がある規格値以上の場合には、パターンが真円に近い状態で面積だけが小さいということになるので、欠陥判断手段３５はアンダーサイズ欠陥と判断する。アンダーサイズ欠陥の例を図８に示す。図８（ｃ）に示されている例では円形度＝０．９１である。

一方、面積比が下限値より小さく、円形度が規格値より小さい場合には、パターンは面積が小さくて歪んだ形状をしているということになるので、欠陥判断手段３５は欠け欠陥と判断する。欠け欠陥の例を図９に示す。図９（ｃ）に示されている例では円形度＝０．７１である。

また、面積比が上限値より大きく、円形度がある規格値以上の場合には、パターンが真円に近い状態で面積だけが大きいということになるので、欠陥判断手段３５はオーバーサイズ欠陥と判断する。オーバーサイズ欠陥の例を図１０に示す。図１０（ｃ）に示されている例では円形度＝０．９７であり、ほぼ真円である。

一方、面積比が上限値より大きく、円形度が規格値より小さい場合には、パターンは面積が大きくて歪んだ形状をしているということになるので、欠陥判断手段３５は突起欠陥と判断する。突起欠陥の例を図１１に示す。図１１（ｃ）に示されている例では円形度＝０．７３である。

次に面積比が下限値と上限値の間に入っている場合は、ホールパターンの大きさは適当であるということになるので、パターンの位置がずれているＩＰ（Image Placement）エラーか、マスク外観検査装置２０が誤検出した擬似欠陥のどちらかになる。

これを判別するため、通常の重心座標検出方法を用いた重心座標検出手段３３により設計データ画像とマスク画像のそれぞれのパターンについて重心座標（ｘ，ｙ）を算出し、重心座標比較手段３４によりｘ，ｙそれぞれのずれを求める。重心座標のずれを計算し、このずれが予め定めた許容値より大きい場合には、欠陥判断手段３５はマスク画像のパターン位置がずれていると判断しＩＰエラーとする。ＩＰエラーの例を図１２に示す。設計データ画像の重心座標が（７５２４ｎｍ、７５１５ｎｍ）に対し、マスク画像の重心座標が（７５３５ｎｍ、７４９０ｎｍ）であり、重心座標に（１１ｎｍ、−２５ｎｍ）のずれが生じている。

一方、重心のずれが許容値以下だった場合は、いずれの欠陥にも属さないことになるので欠陥判断手段３５はマスク外観検査装置２０が誤検出した擬似欠陥と判断する。

かかる欠陥分類法はＥＢマスクに限定されるものではなく、フォトマスクの欠陥分類にも使用可能である。また上記実施の形態においては正方形のパターンの場合について記載したが、本発明は円形、多角形等の他の形状のマスクの場合にも適用可能である。

ここに記載された本発明の実施の形態は単なる一例であり、上記欠陥分類装置は本発明の要旨を変更しない範囲で多様に変形することができる。

本発明によるマスク欠陥分類対象の電子ビーム露光マスクの断面を示す図である。 本発明に係る欠陥分類方法のフローチャート図である。 画像データ処理の可能なＣＰＵ等を用いて形成される、本発明に係るマスク欠陥分類装置２１を示す図である。 マスクが欠陥検査装置により取得されたマスク画像（ｂ）と設計データ画像（ａ）を示す図である。 設計データ画像（ａ）とマスク画像（ｂ）に測定範囲を設定した例を示す図である。 未開口欠陥の例を示す図である。 パターンの輪郭線を抽出した例を示す図である。 アンダーサイズ欠陥の例を示す図である。 欠け欠陥の例を示す図である。 オーバーサイズ欠陥の例を示す図である。 突起欠陥の例を示す図である。 ＩＰエラーの例を示す図である。

符号の説明

１…ステンシルマスク、 ２…ストラット、 ３…梁、 ４…シリコン酸化膜、 ５…メンブレン、 ６…孔、 ２０…マスク外観検査装置、 ２１…マスク欠陥分類装置、 ２２…画像データ取得手段、 ２３…検査範囲設定手段、 ２４…面積比算出手段、 ２５…画像２値化手段、 ２６…面積比比較手段、 ２７…円形度算出手段、 ２８…輪郭線抽出手段、 ２９…エッジ抽出手段、 ３０…細線化処理手段、 ３１…近似円算出手段、 ３２…円形度比較手段、 ３３…重心座標検出手段、 ３４…重心座標比較手段、 ３５…欠陥判断手段、 ４１…ホールパターン設計データ、 ４２…ホールパターン画像データ、 ４３…測定範囲、 ４５…ホールパターン

Claims (6)

1. マスクの欠陥を分類する方法であって、
   前記マスクの製造に使用された設計データの画像と検査対象マスクの画像とを取得し、
   検査対象マスクのパターンの位置と検査範囲を設定し、
   前記検査範囲内で設計データの画像に対するマスクの画像の面積比を算出し、
   前記面積比を所定の上限値および下限値と比較し、
   前記検査対象マスクの画像のパターン円形度を算出し、
   前記円形度を所定の第１および第２の規格値と比較し、
   前記設計データの画像と前記検査対象マスクの画像の各パターンの重心をそれぞれ算出し、
   各重心のずれを所定の許容値と比較することにより、
   マスクの欠陥を分類する方法。
2. マスクの欠陥を分類する方法であって、
   前記マスクの製造に使用された設計データの画像と検査対象マスクの画像とを取得し、
   検査対象マスクのパターンの位置と検査範囲を設定し、
   検査範囲内で設計データ画像に対するマスク画像の面積比を算出し、
   前記面積比が０の場合には未開口欠陥と判断し、
   前記面積比が０でない場合には、前記面積比を所定の下限値と比較し、
   前記面積比が前記所定の下限値より小さい場合には、前記検査対象マスクの画像のパターン円形度を算出し、
   前記円形度が所定の第１の規格値以上の場合にはアンダーサイズ欠陥と判断し、前記第１の規格値より小さい場合には欠け欠陥と判断し、
   一方、面積比が前記所定の下限値以上の場合には、所定の上限値と比較し、
   前記面積比が前記所定の上限値より大きい場合には、前記検査対象マスクの画像のパターン円形度を算出し、
   前記円形度が所定の第２の規格値以上の場合にはオーバーサイズ欠陥と判断し、前記円形度が前記第２の規格値より小さい場合には突起欠陥と判断し、
   一方、前記面積比が前記所定の上限値以下の場合には、設計データの画像と検査対象マスクの画像の各パターンの重心をそれぞれ算出し、
   各重心のずれが所定の許容値より大きい場合にはＩＰエラーと判断し、前記所定の許容値以下の場合には擬似欠陥と判断する
   マスクの欠陥を分類する方法。
3. マスクパターンの欠陥を分類する装置であって、
   前記マスクの製造に使用された設計データの画像と検査対象マスクの画像とを取得する手段と、
   検査対象マスクのパターンの位置と検査範囲を設定する手段と、
   検査範囲内で設計データ画像に対するマスク画像の面積比を算出する手段と、
   前記検査対象マスクの画像のパターン円形度を算出する手段と、
   前記設計データの画像と前記検査対象マスクの画像の各パターンの重心をそれぞれ算出する手段とを有し、
   前記面積比を算出する手段、前記パターン円形度を算出する手段、そして前記各パターンの重心をそれぞれ算出する手段により算出されたデータに基き欠陥の種類を判断する手段と、
   を有する装置。
4. マスクパターンの欠陥を分類する装置であって、
   前記マスクの製造に使用された設計データの画像と検査対象マスクの画像とを取得する手段と、
   検査対象マスクのパターンの位置と検査範囲を設定する手段と、
   検査範囲内で設計データ画像に対するマスク画像の面積比を算出する手段と、
   欠陥の種類を判断する手段と、
   なお、前記判断する手段は、前記面積比が０の場合には未開口欠陥と判断し、
   前記面積比を所定の上限値または下限値と比較する手段と、
   前記検査対象マスクの画像のパターン円形度を算出する手段と、
   なお、前記判断する手段は、前記円形度が所定の第１の規格値以上の場合にはアンダーサイズ欠陥と判断し、前記第１の規格値より小さい場合には欠け欠陥と判断し、
   前記検査対象マスクの画像のパターン円形度を算出する手段と、
   なお、前記判断する手段は、前記円形度が所定の第２の規格値以上の場合にはオーバーサイズ欠陥と判断し、前記円形度が前記第２の規格値より小さい場合には突起欠陥と判断し、
   設計データの画像と検査対象マスクの画像の各パターンの重心をそれぞれ算出する手段とを有し、
   前記判断する手段は、各重心のずれが所定の許容値より大きい場合にはＩＰエラーと判断し、前記所定の許容値以下の場合には擬似欠陥と判断する、
   欠陥を分類する装置。
5. 前記面積比を算出する手段は画像データを２値化する手段を含む請求項４記載の欠陥を分類する装置。
6. 前記円形度を算出する手段は、マスク画像から輪郭線を抽出する輪郭抽出手段を含む請求項４載の欠陥を分類する装置。

Images