JP2006284471A - Pattern inspection method, pattern inspection device and pattern inspecting program - Google Patents

Pattern inspection method, pattern inspection device and pattern inspecting program Download PDF

Info

Publication number
JP2006284471A
JP2006284471A JP2005107231A JP2005107231A JP2006284471A JP 2006284471 A JP2006284471 A JP 2006284471A JP 2005107231 A JP2005107231 A JP 2005107231A JP 2005107231 A JP2005107231 A JP 2005107231A JP 2006284471 A JP2006284471 A JP 2006284471A
Authority
JP
Japan
Prior art keywords
image
pattern inspection
pattern
differential
inspection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2005107231A
Other languages
Japanese (ja)
Inventor
Masahiko Uno
真彦 宇野
Koichi Munakata
浩一 宗像
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to JP2005107231A priority Critical patent/JP2006284471A/en
Publication of JP2006284471A publication Critical patent/JP2006284471A/en
Pending legal-status Critical Current

Links

Images

Abstract

<P>PROBLEM TO BE SOLVED: To provide a pattern inspection method which enables the accurate measurement of the shape or outer shape dimension of a flaw even if there is illumination irregularity. <P>SOLUTION: This pattern inspection method of a semiconductor circuit or the like includes a first step S1 for applying differential processing to an image to be inspected to form a differential image, a second step S2 for comparing the differential image with the mask image preliminarily formed from a good product to form a difference image, a third step S3 for calculating a small region containing pixels having brightness exceeding a predetermined value in a case that the brightness value of the difference image exceeds the predetermined value, a fourth step S4 for calculating image feature quantity in the small region from the image to be inspected and a fifth step S5 for judging the quality of the small region from the value of the image feature quantity. The image processing in this pattern inspection method can be performed by software using a personal computer. <P>COPYRIGHT: (C)2007,JPO&INPIT

Description

この発明は,半導体や液晶の回路パターンの不具合を、例えば異物,傷,パターン欠損などを、画像処理技術を駆使して検査する技術に関する。   The present invention relates to a technique for inspecting a defect in a circuit pattern of a semiconductor or a liquid crystal, for example, a foreign object, a scratch, a pattern defect, etc. by using an image processing technique.

シェーディングと呼ばれる照明むらの影響を排除しつつパターン検査を行う従来方法としては、良品のパターンの画像と検査対象のパターンの画像とをそれぞれ微分して、パターンの輪郭を抽出し、両者の輪郭の違いを以って微小欠陥を検出するものがある(例えば特許文献1参照)。   As a conventional method of pattern inspection while eliminating the influence of illumination unevenness called shading, the image of the good pattern and the image of the pattern to be inspected are differentiated to extract the pattern outline, There is one that detects a minute defect with a difference (see, for example, Patent Document 1).

特開平7−77495号公報JP 7-77495 A

しかしながら、従来の検査方法を適用する上で、次の様な問題点がある。   However, there are the following problems in applying the conventional inspection method.

例えば、黒い異物欠陥がパターン上に存在するときに、この従来方法を適用した場合、異物の輪郭しか検出できない。   For example, when this conventional method is applied when a black foreign substance defect exists on the pattern, only the outline of the foreign substance can be detected.

又、異物がその輪郭をもったリング(線)状の異物なのか、あるいは塊上の異物なのかが判定できない。   Further, it cannot be determined whether the foreign matter is a ring-shaped foreign matter having the outline or the foreign matter on the lump.

更には、実際には異物の輪郭に相当する部分の輝度が部分的にうすい場合も多く、この場合には部分的な輪郭しか得られないため、欠陥の外形寸法も正しく得られないと言う問題点がある。   Furthermore, in practice, the brightness of the portion corresponding to the contour of the foreign material is often thin. In this case, only the partial contour can be obtained, so that the external dimensions of the defect cannot be obtained correctly. There is a point.

この発明は、上記の様な諸問題点を解決するためになされたものであり、安定且つ高速に欠陥の形状を正しく検出することが出来るパターン検査方法乃至はパターン検査装置を得ることを、その主目的としている。   The present invention has been made to solve the various problems as described above, and to obtain a pattern inspection method or a pattern inspection apparatus capable of correctly detecting the shape of a defect stably and at high speed. The main purpose.

本発明の主題に係るパターン検査方法は、照明手段と撮像手段とを用いて得られた検査対象の画像を検査する方法において、前記検査対象の画像を微分処理して微分画像を作成する第1ステップと、前記微分画像と予め良品から作成しておいたマスク画像とを比較して差分画像を作成する第2ステップと、前記差分画像の輝度値が所定値を超えた場合に、その所定値を超えた輝度を有する画素を含む小領域を計算する第3ステップと、前記検査対象の画像から前記小領域において画像特徴量を計算する第4ステップと、前記画像特徴量の値から前記小領域の良否を判定する第5ステップとを備えることを特徴とする。   A pattern inspection method according to the subject of the present invention is a method for inspecting an image to be inspected obtained using an illuminating means and an imaging means, wherein a first differential image is generated by differentially processing the image to be inspected. A second step of creating a differential image by comparing the differential image with a mask image previously created from a non-defective product, and when the luminance value of the differential image exceeds a predetermined value, the predetermined value A third step of calculating a small region including pixels having a luminance exceeding the threshold, a fourth step of calculating an image feature amount in the small region from the image to be inspected, and the small region from the value of the image feature amount And a fifth step of determining whether the quality is good or bad.

又、本発明の主題に係るパターン検査装置は、検査対象の画像を微分処理して微分画像を作成する第1手段と、前記微分画像と予め良品から作成しておいたマスク画像とを比較して差分画像を作成する第2手段と、前記差分画像の輝度値が所定値を超えた場合に、その所定値を超えた輝度を有する画素を含む小領域を計算する第3手段と、前記検査対象の画像から前記小領域において画像特徴量を計算する第4手段と、前記画像特徴量の値から前記小領域の良否を判定する第5手段とを備えることを特徴とする。   Further, the pattern inspection apparatus according to the subject of the present invention compares the differential image with a mask image prepared in advance from a non-defective product, the first means for differentially processing the image to be inspected to create a differential image. A second means for creating a difference image, a third means for calculating a small area including pixels having a luminance exceeding the predetermined value when a luminance value of the difference image exceeds a predetermined value, and the inspection A fourth means for calculating an image feature amount in the small area from a target image, and a fifth means for determining the quality of the small area from the value of the image feature amount are provided.

以下、この発明の主題の様々な具体化を、添付図面を基に、その効果・利点と共に、詳述する。   Hereinafter, various embodiments of the subject of the present invention will be described in detail along with the effects and advantages thereof with reference to the accompanying drawings.

本発明の主題によれば、シェーディング等の照明むらの影響を排除しつつ、高速に精度良く検査対象の欠陥を判定することが出来る。   According to the subject matter of the present invention, it is possible to determine a defect to be inspected with high accuracy at high speed while eliminating the influence of uneven illumination such as shading.

又、本発明の主題は、予めマスク画像に不感帯領域を設け、その不感帯領域においては差分画像を作成しない様に構成することで、検査対象において必要な部分のみを検査することが出来るため,検査をより一層高速に行うことが出来る。   Further, the subject of the present invention is that a dead zone region is provided in advance in the mask image, and a configuration is made so as not to create a difference image in the dead zone region. Can be performed at higher speed.

又、本発明の主題は、同軸落射照明,斜方照明,透過照明のいずれか、あるいは複数を組み合わせて前記照明手段を構成することで、特にガラス基板の電蝕不良等が観察しやすくなり、検査精度をより一層向上させることが出来る。   In addition, the subject of the present invention is that it is easy to observe, for example, electroerosion failure of a glass substrate in particular by configuring the illumination means by combining any one of a plurality of coaxial incident illuminations, oblique illuminations, transmission illuminations, or a combination thereof. Inspection accuracy can be further improved.

本発明に係るパターン検査方法(画像処理方法)の特徴点は、先ず、検査対象の画像を微分処理して照明ムラの影響を無くした微分画像を用いて、予め用意されている良品画像との差分検出処理によって欠陥場所の粗検査を行い、その後、上記粗検査で見つかった、欠陥が有ると仮定される箇所(小領域)に限定して、原画像から画像特徴量を計算して検査を実施する点、換言すれば、上記粗検査で見つかった場所に対して部分的に濃淡画像処理を実施して精検査を段階的に行う点にある。以下、より具体的な実施の各形態に関して、図面を参照して、その内容を記載する。   The feature point of the pattern inspection method (image processing method) according to the present invention is that, first, a differential image obtained by performing differential processing on an image to be inspected to eliminate the influence of illumination unevenness is used to compare with a good image prepared in advance. A rough inspection of the defect location is performed by the difference detection processing, and then the inspection is performed by calculating the image feature amount from the original image, limited to the portion (small region) that is found to be defective and found by the rough inspection. The point to implement, in other words, is that the gray scale image processing is partially performed on the place found by the rough inspection and the fine inspection is performed in stages. Hereinafter, the contents of each specific embodiment will be described with reference to the drawings.

(実施の形態1)
図1は、本実施の形態に係るパターン検査方法を示す流れ図である。又、図2は、本実施の形態によるパターン検査方法を実現するためのパターン検査システムの構成を模式的に示すブロック図である。又、図3は、検査を実行途中の中間的な画像を図1に併記した流れ図である。
(Embodiment 1)
FIG. 1 is a flowchart showing a pattern inspection method according to the present embodiment. FIG. 2 is a block diagram schematically showing the configuration of a pattern inspection system for realizing the pattern inspection method according to the present embodiment. FIG. 3 is a flowchart in which an intermediate image in the middle of the inspection is shown in FIG.

図2において、本実施の形態に係るパターン検査方法を実現するパターン検査システムは、検査対象3を撮像するCCDカメラ1(撮像手段の一例)と、検査対象3を照らす同軸落射照明2a、斜方照明2b及び透過照明2c(照明手段の一例)と、検査対象3及び透過照明2cを保持するテーブル4と、テーブル4を所定位置に移動させるXステージ5及びYステージ6を備えている。更に、本パターン検査システムは、画像メモリ7(第1記憶手段;例えば、パソコン内部のメモリあるいはパソコン外部に接続された拡張ボードのメモリより成る)と、本パターン検査方法実行手段の中核を成す画像処理手段8(例えば、本手段8はパーソナルコンピュータより成る、あるいは、CPUやDSP等のハードウエア回路とハードディスクとの組み合わせより成るH/W回路から構成される。)とを、有している。ここで、図2の画像メモリ7がパーソナルコンピュータ内部のメモリである場合には、画像処理手段8と画像メモリ7とから成る部分が、例えばパーソナルコンピュータより成る「パターン検査装置」を構成している。これに対して、画像メモリ7が外付けの拡張ボードのメモリである場合には、例えばパーソナルコンピュータより成る画像処理手段8自体が「パターン検査装置」を成す。内部及び外部の両メモリが画像メモリ7として用いられる場合には、画像処理手段8と画像メモリ7とから成る部分が「パターン検査装置」を成す。本例では、パーソナルコンピュータより成る「パターン検査装置」は、図1及び図3で模式的に表示される一連の画像処理を実行指令するプログラムで以ってソフトウエア的に制御されている。   In FIG. 2, a pattern inspection system that realizes the pattern inspection method according to the present embodiment includes a CCD camera 1 (an example of an imaging unit) that images the inspection object 3, a coaxial incident illumination 2a that illuminates the inspection object 3, and an oblique direction. Illumination 2b and transmitted illumination 2c (an example of illumination means), a table 4 holding inspection object 3 and transmitted illumination 2c, and an X stage 5 and a Y stage 6 for moving the table 4 to predetermined positions are provided. Further, the pattern inspection system includes an image memory 7 (first storage means; for example, a memory inside a personal computer or an expansion board memory connected to the outside of the personal computer) and an image forming the core of the present pattern inspection method execution means. Processing means 8 (for example, the means 8 is composed of a personal computer or a hardware circuit such as a CPU or DSP and a combination of a hard disk and a hardware circuit). Here, when the image memory 7 of FIG. 2 is a memory inside a personal computer, the portion composed of the image processing means 8 and the image memory 7 constitutes a “pattern inspection device” composed of, for example, a personal computer. . On the other hand, when the image memory 7 is a memory of an external expansion board, the image processing means 8 itself comprising a personal computer, for example, constitutes a “pattern inspection device”. When both internal and external memories are used as the image memory 7, the portion composed of the image processing means 8 and the image memory 7 forms a “pattern inspection device”. In this example, the “pattern inspection apparatus” composed of a personal computer is controlled in software by a program for executing execution of a series of image processes schematically displayed in FIGS. 1 and 3.

本装置において、CCDカメラ1で撮像された画像は、画像メモリ7より成るストーレッジデバイスに蓄積される。画像メモリ7に蓄積された検査対象3の画像は、本実施の形態に係るパターン検査方法を実施する画像処理手段8によって後述する画像処理を施され、その結果、画像処理手段8は、当該対象画像の良否を示す判定結果9を出力する。   In this apparatus, an image captured by the CCD camera 1 is stored in a storage device including an image memory 7. The image of the inspection object 3 stored in the image memory 7 is subjected to image processing to be described later by the image processing means 8 that performs the pattern inspection method according to the present embodiment. As a result, the image processing means 8 A determination result 9 indicating the quality of the image is output.

検査対象の例としては、液晶やIC等、回路パターンが形成された物体などが挙げられる。尚、CCDカメラ1の代わりに、撮像手段として同等の機能を有するラインセンサカメラやCMOSカメラやビジコンカメラ等が、「撮像手段」として用いられても構わない。   As an example of the inspection target, an object on which a circuit pattern is formed, such as a liquid crystal or an IC, can be cited. Instead of the CCD camera 1, a line sensor camera, a CMOS camera, a vidicon camera or the like having an equivalent function as an imaging unit may be used as the “imaging unit”.

次に、図2に基づいて、本実施の形態に係るパターン検査方法を実現するパターン検査システムの動作について、詳細に記載する。先ず、同軸落射照明2aで検査対象3を照明し、検査対象3の画像をCCDカメラ1で撮像して、撮影された検査対象3の画像データを画像メモリ7に入力する。図2の構成では画像メモリ7への入力はCCDカメラ1から入力しているが、例えば、予め撮像済みの画像データファイルをメディアから読み取って画像メモリ7に入力しても構わない。尚、検査対象3の画像を撮像する際には、検査対象3から得られる画像のコントラストを高める目的で、検査対象3と同軸落射照明2aとの間に、特定の波長域のみを通過させるフィルタ(図示せず)を配置しても良い。   Next, the operation of the pattern inspection system for realizing the pattern inspection method according to the present embodiment will be described in detail with reference to FIG. First, the inspection object 3 is illuminated with the coaxial incident illumination 2 a, an image of the inspection object 3 is captured by the CCD camera 1, and the image data of the imaged inspection object 3 is input to the image memory 7. In the configuration of FIG. 2, input to the image memory 7 is input from the CCD camera 1. However, for example, an image data file that has been captured in advance may be read from the medium and input to the image memory 7. Note that, when an image of the inspection object 3 is picked up, a filter that allows only a specific wavelength region to pass between the inspection object 3 and the coaxial incident illumination 2a for the purpose of increasing the contrast of the image obtained from the inspection object 3. (Not shown) may be arranged.

画像メモリ7に入力・格納された検査対象3の画像は、以下に詳述する本パターン検査方法を実施する画像処理手段8において画像処理され、画像処理手段8は良否の判定結果9を出力する。以下では、画像処理手段8における動作を模式的に示す図1及び図3のフローチャートに基づいて、画像処理手段8で実施される本パターン検査方法について記載する。   The image of the inspection object 3 input / stored in the image memory 7 is subjected to image processing in the image processing means 8 for performing the pattern inspection method described in detail below, and the image processing means 8 outputs a pass / fail judgment result 9. . Below, based on the flowchart of FIG.1 and FIG.3 which shows typically the operation | movement in the image processing means 8, this pattern inspection method implemented by the image processing means 8 is described.

先ず、ステップS1(第1ステップないしは第1手段に相当)では、画像処理手段8(例えばCPU)は、図2の画像メモリ7に入力・格納されている検査対象3の画像の微分処理を行って、検査対象画像の微分画像を作成する。ステップS1は、その内部では、微分処理を行うステップS11と、微小なノイズ除去を行うステップS12とに分解される。ステップS11では、画像のXY方向の微分が出力される画像処理方法が実施される。例えば、既知技術であるSobelフィルタやPrewittフィルタをステップS11として実施しても良いし、X方向の微分を得るフィルタの出力結果とY方向の微分を得るフィルタの出力結果とを平均したものをステップS11の出力としても構わない。ステップS11で出力された微分画像には微細なノイズ成分が含まれていることが多いため、ステップS12では、そのノイズ成分の除去を行う。ステップS12では、例えば、既知技術である3×3最小値フィルタを複数回適用した後、3×3最大値フィルタを同回適用するという収縮/膨張処理で微小ノイズを除去する。ステップS12で使用できるその他の既知技術としては、ゴマ塩ノイズを除去する3×3メディアンフィルタや、平均値フィルタを適用しても構わない。これらのステップS11及びステップS12を実施することで、検査対象3の撮像画像の微分画像が得られる。微分画像は、検査対象3のエッジ部分(輝度差の大きい部分)を強調した画像となる。検査対象画像の微分画像を図3に示す。微分画像においては、本来はエッジの部分が明るく、逆に背景の部分が暗くなるが、図3の例示では、分かりやすい様にするため、便宜上、明暗を反転させた図(エッジの部分が暗く、背景の部分が明るい図)を表記している。この微分画像の例では、検査対象画像が持つパターンがエッジとして現れていると同時に、線状の欠陥及び円状の欠陥の周囲もエッジとして現れている。   First, in step S1 (corresponding to the first step or the first means), the image processing means 8 (for example, CPU) performs a differentiation process on the image of the inspection object 3 input and stored in the image memory 7 of FIG. Thus, a differential image of the inspection object image is created. Step S1 is internally decomposed into step S11 for performing differentiation and step S12 for removing minute noise. In step S11, an image processing method for outputting a differential in the XY direction of the image is performed. For example, a Sobel filter or a Prewitt filter, which are known techniques, may be implemented as step S11, or an average of an output result of a filter that obtains a derivative in the X direction and an output result of a filter that obtains a derivative in the Y direction. It does not matter as the output of S11. Since the differential image output in step S11 often contains fine noise components, the noise components are removed in step S12. In step S12, for example, a minute noise is removed by a contraction / expansion process in which the 3 × 3 minimum value filter, which is a known technique, is applied a plurality of times and then the 3 × 3 maximum value filter is applied the same time. As other known techniques that can be used in step S12, a 3 × 3 median filter that removes sesame salt noise or an average value filter may be applied. By performing these steps S11 and S12, a differential image of the captured image of the inspection object 3 is obtained. The differential image is an image in which the edge portion of the inspection object 3 (the portion with a large luminance difference) is emphasized. FIG. 3 shows a differential image of the inspection target image. In the differential image, the edge portion is originally light and the background portion is dark. On the other hand, in the illustration of FIG. 3, for the sake of easy understanding, a diagram in which the light and dark are reversed (the edge portion is dark). The background part is bright. In this differential image example, the pattern of the inspection target image appears as an edge, and at the same time, the periphery of a linear defect and a circular defect also appears as an edge.

ここで、マスク画像の作成について説明する。マスク画像の作成は、図1及び図3のステップS0で行なわれる。このステップS0の動作は、本パターン検査と同時に行っても良いし、あるいは、本検査の実行に先立ってオフラインで実施しても構わない。以下では、オフラインで実施する方法として、マスク画像の作成を記載する。   Here, creation of a mask image will be described. Creation of the mask image is performed in step S0 of FIGS. The operation in step S0 may be performed simultaneously with the main pattern inspection, or may be performed off-line prior to the execution of the main inspection. Hereinafter, creation of a mask image will be described as a method to be performed offline.

ステップS0は、ステップS01〜ステップS04で構成される。先ず、ステップS01に先立ち、画像メモリ7に、検査対象3と比較するための良品の対象物体の画像を入力・格納する。その後、ステップS01では、上記ステップS11と同様の微分処理を実施する。次のステップS02では、上記ステップS12と同様のノイズ除去処理を実施し、良品の対象物体の微分画像を得る。ステップS03では、前述の3×3最大値フィルタを適用する等して、良品の対象物体の微分画像を膨張させた画像を得る。本発明では、この膨張処理後の画像を「マスク画像」と呼ぶ。ここでの膨張処理は、後にステップS2で位置合わせと差分処理とを実行する際に、位置合わせの誤差や検査対象と良品とのパターンの誤差の影響を無くすために適用されるものである。図3に、ステップS03で得られたマスク画像の一例を示す。このマスク画像では、膨張処理を実施したため、パターンのエッジ部分が、通常の微分画像で得られるエッジ部分よりも太い線となっている。図3のマスク画像も、便宜上、分かり易い様に、明暗を反転させて表記されている。ステップS04では、得られたマスク画像と良品の画像とを画像データベースD1に保存する。ここで、画像データベースD1は、例えばパーソナルコンピュータ内のハードディスクから成る第2記憶手段を成す。   Step S0 includes steps S01 to S04. First, prior to step S01, an image of a non-defective target object for comparison with the inspection target 3 is input and stored in the image memory 7. Thereafter, in step S01, differentiation processing similar to that in step S11 is performed. In the next step S02, noise removal processing similar to that in step S12 is performed to obtain a differential image of a non-defective target object. In step S03, an image obtained by expanding the differential image of the non-defective target object is obtained by applying the aforementioned 3 × 3 maximum value filter or the like. In the present invention, the image after the expansion process is referred to as a “mask image”. The expansion process here is applied in order to eliminate the influence of the alignment error and the pattern error between the inspection object and the non-defective product when the alignment process and the difference process are executed later in step S2. FIG. 3 shows an example of the mask image obtained in step S03. In this mask image, since the expansion process is performed, the edge portion of the pattern is a thicker line than the edge portion obtained in the normal differential image. For convenience, the mask image in FIG. 3 is also shown with the light and dark reversed. In step S04, the obtained mask image and non-defective image are stored in the image database D1. Here, the image database D1 constitutes second storage means composed of, for example, a hard disk in a personal computer.

上記の説明では、マスク画像の作成について、実際に撮像した良品画像からマスク画像を生成する手順を述べているが、マスク画像の作成に関しては、パターンの設計データを基にエッジ部分の画像を生成し、膨張させて得ると言う方法を採用しても良い。   In the above description, the procedure for generating a mask image from a quality image that was actually captured was described for the creation of a mask image. However, for the creation of a mask image, an image of an edge portion is generated based on pattern design data. And you may employ | adopt the method of obtaining by expanding.

又、上記の説明では、オフラインでマスク画像を作成する方法を述べているが、検査と同時にステップS0を実施する場合には、次の様にすれば良い。即ち、カメラを2台用意し、一方のカメラは検査対象3を撮像し、他方のカメラは良品を撮像し、CPU等は、検査対象3についてはステップS1を実行し、良品に対してはステップS0を並行して実行する。これらのステップS0,S1を同時に実行すれば、次に説明するステップS2以降が滞りなく実行出来る。   In the above description, a method of creating a mask image offline is described. However, when step S0 is performed simultaneously with the inspection, the following may be performed. That is, two cameras are prepared, one camera images the inspection object 3, the other camera images the non-defective product, and the CPU executes step S1 for the inspection object 3 and performs the step for the non-defective product. S0 is executed in parallel. If these steps S0 and S1 are executed at the same time, the following step S2 and subsequent steps can be executed without delay.

更に検査対象物体が連続して流れて来る場合には、1つ前に検査したものを上記の良品とみなし、1つ前に検査した対象の画像をステップS0で処理し、現在検査している対象の画像をステップS1で処理して、その後、ステップS2以降を実施すると言う方法を採用しても良い。欠陥が連続して同じ箇所に発生しないと仮定すれば、この方法でも不良品を検出することが出来る。   Further, when the inspection object continues to flow, the previous inspection is regarded as the above-mentioned non-defective product, and the image of the previous inspection is processed in step S0 and currently inspected. A method may be employed in which the target image is processed in step S1, and then step S2 and subsequent steps are performed. Assuming that defects do not continuously occur at the same location, defective products can also be detected by this method.

ステップS2(第2ステップ又は第2手段に相当)は、図1に示す様に、3つのステップS21〜S23で構成されており、CPU等は、ステップS1で作成した検査対象3の微分画像とステップS0で作成した良品のマスク画像との比較から、差分画像を作成する。最初のステップS21では、CPU等は、ステップS0で作成されて画像データベースD1内に保存されているマスク画像の中から、検査対象3の品種に合わせて、当該品種に対応しているマスク画像を選択する。次に、ステップS22では、CPU等は、選択したマスク画像と検査対象3の微分画像との位置合わせを行う。この位置合わせが必要な理由は、通常、検査対象3の微分画像と良品画像との間では多少の位置ズレを生じているため、そのまま差分処理を行っても正しい画像が得られないためである。ここでは、当該位置合わせの方法例として、微分画像及びマスク画像に共通な特徴的な部分のX,Y位置を計測することで、位置合わせを行う。図3を例にとれば、図3の微分画像とマスク画像とにおいて、共に写っている左上隅の4角形のパターンの中心位置を画像処理で計測すれば良い。位置合わせの方法として、例えば、上記の4角形のパターンの中心位置を求めるのに、微分画像のエッジを用いても良い。即ち、CPU等は、4角形の各辺のエッジ位置を求め、それらを直線回帰して4辺を抽出し、4辺の交点である4頂点を求め、4頂点の平均値をパターンの中心とする。又、微分画像以外に画像入力時に得られた原画像を用いても良い。既知技術である正規化相互相関を用いたパターンマッチング手法を用いれば、検査対象の原画像と、良品画像の原画像との両方から、予め教示してある4角形のパターンの位置を検出することが出来るため、これを位置合わせに用いることが出来る。   Step S2 (corresponding to the second step or the second means) is composed of three steps S21 to S23 as shown in FIG. 1, and the CPU and the like are the differential image of the inspection object 3 created in step S1. A difference image is created from the comparison with the non-defective mask image created in step S0. In the first step S21, the CPU or the like selects a mask image corresponding to the product type from the mask images created in step S0 and stored in the image database D1 according to the product type of the inspection object 3. select. Next, in step S22, the CPU or the like performs alignment between the selected mask image and the differential image of the inspection object 3. The reason why this alignment is necessary is that there is usually a slight misalignment between the differential image of the inspection object 3 and the non-defective image, and a correct image cannot be obtained even if the difference processing is performed as it is. . Here, as an example of the alignment method, alignment is performed by measuring X and Y positions of characteristic portions common to the differential image and the mask image. Taking FIG. 3 as an example, in the differential image and mask image of FIG. 3, the center position of the rectangular pattern in the upper left corner that is shown together may be measured by image processing. As an alignment method, for example, the edge of the differential image may be used to obtain the center position of the above-described square pattern. That is, the CPU or the like obtains the edge position of each side of the quadrangle, performs linear regression to extract the four sides, obtains four vertices that are the intersections of the four sides, and uses the average value of the four vertices as the center of the pattern. To do. In addition to the differential image, an original image obtained at the time of image input may be used. If the pattern matching method using normalized cross-correlation that is a known technique is used, the position of a rectangular pattern taught in advance is detected from both the original image to be inspected and the original image of the non-defective image. Can be used for alignment.

この様に、検査対象3の微分画像における4角形のパターンの中心位置(Xd, Yd)、及び、良品のマスク画像における4角形のパターンの中心位置(Xm, Ym)が計算できれば、CPU等は、位置ズレ量(Xd-Xm, Yd-Ym)も計算でき、この位置ズレ量を補正して、次に述べる差分を取れば、両者の画像に共通なパターンのエッジ部分を取り除くことが出来る。   In this way, if the center position (Xd, Yd) of the quadrangular pattern in the differential image of the inspection object 3 and the center position (Xm, Ym) of the quadrangular pattern in the non-defective mask image can be calculated, the CPU, etc. The positional deviation amounts (Xd−Xm, Yd−Ym) can also be calculated. If this positional deviation amount is corrected and the difference described below is taken, the edge portion of the pattern common to both images can be removed.

ステップS23では、CPU等は、差分処理を行う。ここでの差分処理としては、以下に示す様に、様々な方法が考えられる。   In step S23, the CPU or the like performs difference processing. As the difference processing here, various methods can be considered as described below.

位置合わせ補正後、微分画像の任意の1点の輝度をGd、それに対応するマスク画像上の1点の輝度をGm、及び、対応する差分画像上の1点の輝度値をGsと定義すると、単純な差分を適用した場合には、輝度値Gsは、   After the alignment correction, if the luminance of one arbitrary point of the differential image is defined as Gd, the luminance of one point on the corresponding mask image is defined as Gm, and the luminance value of one point on the corresponding differential image is defined as Gs, When a simple difference is applied, the luminance value Gs is

Figure 2006284471
Figure 2006284471

で与えられる。 Given in.

これに対して、マスク画像の輝度が所定値(T)以上の値の部分を全て、微分画像から取り除く方法の場合には、輝度値Gsは、   On the other hand, in the case of a method of removing all the portions of the mask image whose luminance is a predetermined value (T) or more from the differential image, the luminance value Gs is:

Figure 2006284471
Figure 2006284471

で与えられる。 Given in.

又、透過照明2cを用いた場合などでは、対数変換した後に差分をとっても良い。この場合、輝度値Gsは、   Further, when the transmitted illumination 2c is used, the difference may be taken after logarithmic conversion. In this case, the luminance value Gs is

Figure 2006284471
Figure 2006284471

で与えられる。これは、透過光を用いて得られた画像は物体の光の吸収率を反映したものとなっているため、この差画像を求める際には、対数変換を用いた方がより適切であると言う物理的な根拠に基づく。 Given in. This is because the image obtained using transmitted light reflects the light absorption rate of the object, and logarithmic transformation is more appropriate when obtaining this difference image. Based on the physical basis to say.

ここで、ステップS03の膨張処理の効果について説明する。上記ステップS23の差分処理をステップS03の膨張処理無くして実行した場合には、位置合わせ補正後に残った微小な位置ズレと対象の個体差によるパターンとの違いによって、パターンのエッジ部を完全に取り除くことが出来ず、ノイズ成分が生じると言う不具合が発生する。特に、エッジはそもそも輝度変化が大きい部分であるため、それらの差分によるノイズ成分の大きさは無視できない場合がある。そこで、ステップS03において既述した膨張処理を実行しておけば、これらのノイズを完全に消去することが出来る。   Here, the effect of the expansion process in step S03 will be described. When the difference process of step S23 is executed without the expansion process of step S03, the edge portion of the pattern is completely removed due to the difference between the minute positional deviation remaining after the alignment correction and the pattern due to the individual difference of the target. Cannot be performed and a noise component is generated. In particular, since the edge is a part where the luminance change is large in the first place, the magnitude of the noise component due to the difference between them may not be negligible. Therefore, if the expansion processing described above is executed in step S03, these noises can be completely eliminated.

次に、ステップS2の差分画像を作成する上で、ステップS1で作成した微分画像を用いる効果について述べる。広い範囲を照明する場合において、照明むらは避けられず、このために検査対象の原画像の明るさは場所によってばらついてしまう(シェーディング)。同様に、差分画像を作成するために用いる良品の原画像の明るさもばらついているため、これらの原画像同士の差分を計算した場合、欠陥よりも照明むらが強調された画像になってしまう。良品を撮像した場合の照明と検査時の照明とが異なるときは、勿論この不具合が生じるが、照明が全く同一な場合でも、良品と検査対象3との位置ズレがあるため、それを補正した段階で照明むらの影響が出てしまう。又、照明の劣化によっても、照明むらの問題は発生する。   Next, the effect of using the differential image created in step S1 in creating the difference image in step S2 will be described. In the case of illuminating a wide range, uneven illumination is unavoidable. For this reason, the brightness of the original image to be inspected varies depending on the location (shading). Similarly, since the brightness of a good original image used for creating a difference image also varies, when the difference between these original images is calculated, an illumination unevenness is emphasized rather than a defect. Of course, this problem occurs when the illumination when the non-defective product is imaged differs from the illumination at the time of inspection. However, even if the illumination is exactly the same, the misalignment between the non-defective product and the inspection object 3 is corrected. Uneven lighting effects will appear at each stage. Moreover, the problem of uneven illumination also occurs due to deterioration of illumination.

この様な場合には、前述した微分画像を作成してそれらの差分をとることで問題が解決される。蓋し、照明むらは緩やかな明るさ変化であるため、局所的な計算である微分計算をすれば、照明むらの影響が無くなってしまうためである。上記の理由で、既述の様に微分画像を作成して差分画像を作成すれば、照明のむらの影響を排除することが出来る。   In such a case, the above-mentioned differential image is created and the difference between them is solved. This is because the illumination unevenness is a gradual change in brightness, and if the differential calculation, which is a local calculation, is performed, the influence of the illumination unevenness is eliminated. For the above reason, if a differential image is created by creating a differential image as described above, the influence of uneven illumination can be eliminated.

次の第3ステップ(第3手段に相当)は、差分画像の輝度値が所定値を超えた場合に、その所定値を超えた輝度を有する画素を含む小領域を計算するステップである。即ち、ステップS3では、CPU等は、上記ステップS2で生成した差分画像から、欠陥の位置を計算し、欠陥を含む小領域を計算する。先ず、ステップS31では、CPU等は、差分画像を所定のしきい値で2値化処理し、2値画像を得る。ステップS32では、CPU等は、当該2値画像から、2値塊(2値領域)の面積,重心位置,外接四辺形の座標などの2値特徴量を計算する。ステップS33では、CPU等は、得られた2値特徴量を、所定の判定しきい値で以って、2値画像に欠陥が存在するかどうかを判定する。例えば、2値特徴量として面積を用いた場合には、面積が所定の値以上ならば欠陥が存在すると、CPU等は判定する。あるいは、外接四辺形の座標を2値特徴量として用いる場合には、その辺の長さが所定の値以上ならば欠陥が存在すると、CPU等は判定する。ステップS34では、CPU等は、欠陥とされた2値塊の重心位置を中心として、所定の距離を持つ範囲を、「小領域」として定める。尚、ステップS32で計算する2値特徴量は複数でも構わないし、ステップS33で良否判定する場合にも、複数の2値特徴量を用いて判定しても構わない。   The next third step (corresponding to the third means) is a step of calculating a small region including pixels having luminance exceeding the predetermined value when the luminance value of the difference image exceeds the predetermined value. That is, in step S3, the CPU or the like calculates the position of the defect from the difference image generated in step S2, and calculates a small area including the defect. First, in step S31, the CPU or the like binarizes the difference image with a predetermined threshold value to obtain a binary image. In step S32, the CPU or the like calculates binary feature values such as the area of the binary block (binary region), the position of the center of gravity, and the coordinates of the circumscribed quadrilateral from the binary image. In step S33, the CPU or the like determines whether or not a defect exists in the binary image by using the obtained binary feature amount with a predetermined determination threshold value. For example, when an area is used as a binary feature amount, the CPU or the like determines that a defect exists if the area is equal to or greater than a predetermined value. Alternatively, when using the coordinates of the circumscribed quadrilateral as the binary feature amount, the CPU determines that a defect exists if the length of the side is equal to or greater than a predetermined value. In step S <b> 34, the CPU or the like defines a range having a predetermined distance around the center of gravity of the binary block that is regarded as a defect as a “small region”. It should be noted that there may be a plurality of binary feature amounts calculated in step S32, and when the pass / fail determination is made in step S33, the determination may be made using a plurality of binary feature amounts.

ここで、判定ステップS33において重要な点とは、この段階での判定しきい値はあまり厳しいものにしないことである。前述した様に、黒色異物などでは、差分画像は異物の輪郭部分しか得られないため、ステップS32で得られる2値特徴量はあまり大きくない。このため、ステップS33の判定しきい値を低め(緩め)に設定する。そもそもステップS3は欠陥の粗検索的な役割を担っているため、ここで厳しい判定をすると、却って真の欠陥を見逃すことになってしまう。   Here, an important point in the determination step S33 is that the determination threshold value at this stage is not so severe. As described above, in the case of a black foreign object or the like, the difference image can only be obtained from the contour part of the foreign object, so the binary feature value obtained in step S32 is not very large. For this reason, the determination threshold value in step S33 is set to be lower (relaxed). In the first place, since step S3 plays a role of rough search for defects, if a strict determination is made here, the true defect is overlooked.

ステップS4(第4ステップ又は第4手段に相当)では、CPU等は、画像メモリ7に格納されている検査対象3の検査対象画像を読み出して、読み出した検査対象画像から上記小領域において画像特徴量を計算する。この時点では、小領域に計測範囲が限定されているため、照明むらの影響も軽微になっている。このステップS4では、例えば、検査対象3の原画像(検査対象画像)と、良品画像の原画像との差分画像を計算し、所定しきい値で2値化する。この様にすれば、黒色異物などはその輪郭だけでなく形状が明確に現れるため、CPU等は、その面積や外接四辺形の辺の長さを画像特徴量として計算する。   In step S4 (corresponding to the fourth step or the fourth means), the CPU or the like reads the inspection target image of the inspection target 3 stored in the image memory 7, and the image feature in the small region from the read inspection target image. Calculate the quantity. At this point, since the measurement range is limited to a small area, the influence of illumination unevenness is also small. In this step S4, for example, a difference image between the original image of the inspection object 3 (inspection object image) and the original image of the non-defective image is calculated and binarized with a predetermined threshold value. In this way, since the shape of the black foreign substance appears clearly in addition to its outline, the CPU or the like calculates the area or the length of the side of the circumscribed quadrilateral as the image feature amount.

ステップS5(第5ステップないしは第5手段に該当)では、CPU等は、上記の画像特徴量を判定しきい値と比較して、当該小領域の良否を判定する。この段階では、ステップS3と異なり、欠陥の形状がはっきりしているため、判定しきい値は本来の検査として適切な値に設定されている。   In step S5 (corresponding to the fifth step or the fifth means), the CPU or the like compares the above-described image feature amount with a determination threshold value, and determines the quality of the small region. At this stage, unlike step S3, since the shape of the defect is clear, the determination threshold value is set to an appropriate value for the original inspection.

ステップS4では、上記の計測方法以外の方法として、例えば、原画像を既知の自動2値化手法あるいは固定2値化手法で2値化して、2値塊の面積や円形度(真円率)や2値塊の外接四辺形を求め、その辺の長さを画像特徴量として求めても良い。又、2値化せずに原画像の小領域における輝度平均を求めても良いし、あるいは、輝度の分散値を画像特徴量として求めても良い。これらの場合は、特に小領域の中にパターンのエッジが含まれない場合に有効な方法となる。勿論、この場合は良品の原画像が不要なので、計算速度も高速になる。尚、ステップS4で計算する画像特徴量は複数でも構わないし、ステップS5で良否判定する場合も、複数の画像特徴量を用いて判定しても構わない。   In step S4, as a method other than the above-described measurement method, for example, the original image is binarized by a known automatic binarization method or a fixed binarization method, and the area or circularity (roundness ratio) of the binary block is obtained. Alternatively, a circumscribed quadrilateral of a binary block may be obtained, and the length of the side may be obtained as an image feature amount. Further, the luminance average in a small area of the original image may be obtained without binarization, or the luminance dispersion value may be obtained as an image feature amount. In these cases, the method is effective particularly when the edge of the pattern is not included in the small area. Of course, in this case, since a good original image is unnecessary, the calculation speed is also increased. It should be noted that there may be a plurality of image feature amounts calculated in step S4, and even when the quality is determined in step S5, determination may be made using a plurality of image feature amounts.

上記の様にパターン検査方法を構築しているので、シェーディング,照明劣化などに起因する照明むらの影響を排除しつつ、異物の外形等を正しく得ることが出来、それらを良否判定することで精度の高い検査が可能になる。又、最初から欠陥を細かく探すことをせずに、最初は微分画像の差画像を用いることで粗く欠陥箇所を検出し、欠陥候補である小領域に限って信頼度の高い特徴量を計算する様にしたため、全体では高速な検査が可能となる。   Since the pattern inspection method is constructed as described above, it is possible to accurately obtain the outer shape of foreign matter while eliminating the effects of uneven illumination due to shading, illumination deterioration, etc. High inspection is possible. Also, instead of searching for defects from the beginning, the difference image of the differential image is first used to detect a rough defect portion and calculate a highly reliable feature amount only for a small region that is a defect candidate. As a result, high-speed inspection is possible as a whole.

(実施の形態2)
図4は、本実施の形態に係るパターン検査方法を示す流れ図である。尚、本実施の形態では、図2を援用する。図4では、実施の形態1で引用した図1と同じ処理を行う部分については、同一のステップ名を付してある。基本的な流れは実施の形態1の図1とほぼ同様なので、共通部分を省き、以下では異なる点についてのみ記載する。
(Embodiment 2)
FIG. 4 is a flowchart showing the pattern inspection method according to the present embodiment. Note that FIG. 2 is used in this embodiment. In FIG. 4, the same step name is assigned to the portion that performs the same processing as FIG. 1 cited in the first embodiment. Since the basic flow is substantially the same as that of FIG. 1 of the first embodiment, common portions are omitted, and only different points will be described below.

図4で例示される検査方法と図1で例示される検査方法との間で異なる点とは、先ず、微分画像を作成するステップS1において、ステップS13を追加している点にある。即ち、検査対象画像に微分処理を施した直後に、ステップS13において、CPU等は、所定しきい値で2値化処理を行う。この様にすることで、微分画像で強調されるエッジがより強調される効果が生じる。その後に続くステップS12では、扱う画像が2値画像になるため、実施の形態1で説明したノイズ除去方法の他に、2値特徴量計算を実施して2値塊の面積を計算後、所定面積以下の2値塊をノイズとして除去する方法も可能となる。このノイズ除去方法は、収縮/膨張処理や、メディアンフィルタや、平均値フィルタよりも強力なノイズ除去効果を奏する。又、マスク画像を作成する際のステップS05の追加も上記と同様の理由による。   The difference between the inspection method illustrated in FIG. 4 and the inspection method illustrated in FIG. 1 is that step S13 is added in step S1 of creating a differential image. That is, immediately after the differentiation process is performed on the inspection target image, in step S13, the CPU or the like performs a binarization process with a predetermined threshold value. By doing in this way, the effect which emphasizes the edge emphasized by a differential image arises. In subsequent step S12, since the image to be handled is a binary image, in addition to the noise removal method described in the first embodiment, the binary feature amount calculation is performed to calculate the area of the binary block, and then a predetermined value is obtained. It is also possible to remove a binary block having an area smaller than that as noise. This noise removal method has a stronger noise removal effect than the contraction / expansion processing, the median filter, and the average value filter. Further, the addition of step S05 when creating the mask image is also for the same reason as described above.

ステップS13及びステップS05を追加したことに伴い、微分画像は2値画像となった。このため、ステップS23の差分画像計算方法に関しても、実施の形態1で述べた方法の他に、論理計算であるXOR(eXclusive OR)を微分画像とマスク画像とに対して実施することによっても差分画像を計算することが出来る。この場合、単なる差分計算と比べて、より一層高速に計算出来ると言う利点がある。   With the addition of step S13 and step S05, the differential image has become a binary image. Therefore, with respect to the difference image calculation method in step S23, in addition to the method described in the first embodiment, the difference is also obtained by performing XOR (eXclusive OR), which is a logical calculation, on the differential image and the mask image. Images can be calculated. In this case, there is an advantage that the calculation can be performed even faster than the simple difference calculation.

実施の形態2のステップS3では、その入力段階で、差分画像は既に2値画像になっているため、実施の形態1で説明した2値化処理を行うステップS31は不要になっている。   In step S3 of the second embodiment, since the difference image is already a binary image at the input stage, step S31 for performing the binarization process described in the first embodiment is not necessary.

図4に例示した様にパターン検査方法を構成するときには、既述した実施の形態1で奏する効果を得られると共に、2値処理を早期に実施することで、微分画像、マスク画像の高コントラスト化による検査精度向上、及び、XORを用いた差分画像計算により一層高速に検査出来る効果を奏する。   When the pattern inspection method is configured as illustrated in FIG. 4, the effect obtained in the first embodiment described above can be obtained, and the binary processing is performed at an early stage to increase the contrast of the differential image and the mask image. The inspection accuracy can be improved by this and the difference image calculation using XOR can be performed at higher speed.

(実施の形態3)
上述の実施の形態1及び実施の形態2では、微分画像とマスク画像との差分画像を計算する際に、画像の特定箇所に関して重み付けをせず、単純に差分を計算し、検査を実施している。
(Embodiment 3)
In the first embodiment and the second embodiment described above, when calculating the difference image between the differential image and the mask image, weighting is not performed on a specific portion of the image, and the difference is simply calculated and the inspection is performed. Yes.

ところが、実際の検査においては、例えばパターンが回路パターンであった場合、回路パターン上の傷や異物は検査で検出すべき欠陥であるが、パターン外の部分に傷,異物があっても問題にならない場合がある。この点を図3を用いて説明すると、図3の検査対象画像の白色部分を回路パターン部とすると、白色の回路パターン上の異物や傷は問題となるが、図3の検査対象画像の部分の背景である黒色部分にある異物,傷は問題にならないと言うことである。この様な場合、差分画像を計算するステップS2において、画像全体に関して差分する必要はなく、検査に必要なパターン部に対してのみ差分画像を計算すれば良い。   However, in actual inspection, for example, if the pattern is a circuit pattern, scratches and foreign matter on the circuit pattern are defects that should be detected in the inspection, but even if there are scratches or foreign matters in the portion outside the pattern, it is a problem. It may not be possible. This point will be described with reference to FIG. 3. If the white portion of the inspection target image in FIG. 3 is a circuit pattern portion, foreign matter and scratches on the white circuit pattern are problematic, but the portion of the inspection target image in FIG. This means that foreign matter and scratches in the black part, which is the background, will not be a problem. In such a case, in step S2 for calculating the difference image, it is not necessary to make a difference for the entire image, and it is only necessary to calculate the difference image only for the pattern portion necessary for the inspection.

本実施の形態では、マスク画像の作成時に、予め非パターン部分を不感帯領域として、画像データベースD1に保存しておく。この不感帯領域のデータには、良品の原画像と良品の原画像に適用する適切な2値化しきい値でも代用可能である。この後、検査時のステップS2において差分画像を作成する際には、不感帯領域ではないパターン部のところのみ差分画像が作成され、不感帯領域では差分画像は生成されない。   In this embodiment, when creating a mask image, a non-pattern portion is stored in advance in the image database D1 as a dead zone region. An appropriate binarization threshold value applied to a good original image and a good original image can be substituted for the data in the dead zone area. Thereafter, when a difference image is created in step S2 at the time of inspection, a difference image is created only at a pattern portion that is not a dead zone, and no difference image is created in the dead zone.

本実施の形態によれば、ステップS2に引き続くステップS3〜S5の処理を大幅に減らすことが出来、検査時間のより一層の高速化を実現することが可能である。   According to the present embodiment, it is possible to greatly reduce the processing of steps S3 to S5 subsequent to step S2, and it is possible to realize further increase in the inspection time.

(実施の形態4)
上述の実施の形態1,実施の形態2及び実施の形態3では、照明手段として、主に図2に示される同軸落射照明2aを例にとって説明している。ここで、同軸落射照明2aは、人間が顕微鏡で目視検査する際の照明と同じであり、得られる画像も人間が観察する場合とほぼ同じになるため、人間との検査基準のレベル合わせが容易となる。
(Embodiment 4)
In the first embodiment, the second embodiment, and the third embodiment described above, the coaxial incident illumination 2a shown in FIG. 2 is mainly described as the illumination unit. Here, the coaxial epi-illumination 2a is the same as the illumination when a human visually inspects with a microscope, and the obtained image is almost the same as when the human observes, so that the level of the inspection standard with the human can be easily adjusted. It becomes.

一方で、同軸落射照明2aでは、欠陥の画像のコントラストが画像処理に必要な分得られないこともある。例えば、液晶の透明電極の電蝕不良などに関しては、同軸照明では必ずしも明瞭なコントラストが得られない場合がある。   On the other hand, the coaxial epi-illumination 2a may not provide the image contrast necessary for image processing. For example, there is a case where a clear contrast cannot always be obtained with coaxial illumination with respect to the electroerosion failure of the transparent electrode of the liquid crystal.

この際には、図2の斜方照明2bや透過照明2cを利用すれば良い。斜方照明2b又は/及び透過照明2cを用いると、完全にメタル化していない半透明の電蝕不良も明瞭に観察出来るので、当該照明は有効である。又、検査対象が液晶のガラス基板の様に透明で、しかも欠陥が異物など不透明な場合の検査では、欠陥をコントラスト良く検出出来る透過照明2cの利用が、特に適している。又、半導体の様な一見不透明なものでも、半導体は赤外線を透過するため、赤外線照明を透過照明として用いることで検査が可能である。   At this time, the oblique illumination 2b and the transmitted illumination 2c of FIG. 2 may be used. When the oblique illumination 2b and / or the transmitted illumination 2c is used, a translucent electric corrosion failure that is not completely metallized can be clearly observed, so that the illumination is effective. Further, in the inspection in which the inspection object is transparent like a liquid crystal glass substrate and the defect is opaque such as a foreign substance, it is particularly suitable to use the transmitted illumination 2c that can detect the defect with good contrast. Even a semiconductor that is seemingly opaque, such as a semiconductor, can be inspected by using infrared illumination as transmitted illumination because the semiconductor transmits infrared.

この様に、検出したい欠陥の種類に応じて、同軸落射照明2a,斜方照明2b,透過照明2cを適宜使い分けて、それぞれの欠陥を安定に検出出来る照明を適用するのが望ましい。勿論、検出したい欠陥が複数ある場合などには、これらの照明2a,2b,2cを複数適宜に組み合わせて用いても構わない。   In this way, it is desirable to apply the illumination that can detect each defect stably by appropriately using the coaxial incident illumination 2a, the oblique illumination 2b, and the transmitted illumination 2c according to the type of defect to be detected. Of course, when there are a plurality of defects to be detected, a plurality of these illuminations 2a, 2b, 2c may be used in an appropriate combination.

(付記)
以上、本発明の実施の形態を詳細に開示し記述したが、以上の記述は本発明の適用可能な局面を例示したものであって、本発明はこれに限定されるものではない。即ち、記述した局面に対する様々な修正や変形例を、この発明の範囲から逸脱することの無い範囲内で考えることが可能である。
(Appendix)
While the embodiments of the present invention have been disclosed and described in detail above, the above description exemplifies aspects to which the present invention can be applied, and the present invention is not limited thereto. In other words, various modifications and variations to the described aspects can be considered without departing from the scope of the present invention.

本発明に係るパターン検査装置乃至は方法は、半導体や液晶等の回路パターンを有するデバイスの製造装置乃至は製造工程に適用して好適なるものである。   The pattern inspection apparatus or method according to the present invention is preferably applied to a manufacturing apparatus or manufacturing process for a device having a circuit pattern such as a semiconductor or a liquid crystal.

本発明の実施の形態1に係るパターン検査方法の流れを示すフローチャートである。It is a flowchart which shows the flow of the pattern inspection method which concerns on Embodiment 1 of this invention. 本発明の実施の形態1に係るパターン検査システムの構成例を模式的に示すブロック図である。It is a block diagram which shows typically the structural example of the pattern inspection system which concerns on Embodiment 1 of this invention. 本発明の実施の形態1によるパターン検査方法の流れ図に画像処理中の画像の例を付加したフローチャートである。It is the flowchart which added the example of the image under image processing to the flowchart of the pattern inspection method by Embodiment 1 of this invention. 本発明の実施の形態2に係るパターン検査方法の流れを示すフローチャートである。It is a flowchart which shows the flow of the pattern inspection method which concerns on Embodiment 2 of this invention.

符号の説明Explanation of symbols

1 CCDカメラ、2a 同軸落射照明、2b 斜方照明、2c 透過照明、3 検査対象、4 テーブル、5 Xステージ、6 Yステージ、7 画像メモリ、8 画像処理手段、9 判定結果。
DESCRIPTION OF SYMBOLS 1 CCD camera, 2a Coaxial incident illumination, 2b Oblique illumination, 2c Transmitted illumination, 3 Inspection object, 4 Table, 5 X stage, 6 Y stage, 7 Image memory, 8 Image processing means, 9 Determination result.

Claims (6)

照明手段と撮像手段とを用いて得られた検査対象の画像を検査する方法において、
前記検査対象の画像を微分処理して微分画像を作成する第1ステップと、
前記微分画像と予め良品から作成しておいたマスク画像とを比較して差分画像を作成する第2ステップと、
前記差分画像の輝度値が所定値を超えた場合に、その所定値を超えた輝度を有する画素を含む小領域を計算する第3ステップと、
前記検査対象の画像から前記小領域において画像特徴量を計算する第4ステップと、
前記画像特徴量の値から前記小領域の良否を判定する第5ステップとを備えることを特徴とする、
パターン検査方法。
In a method for inspecting an image to be inspected obtained using an illuminating means and an imaging means,
A first step of differentially processing the image to be inspected to create a differential image;
A second step of creating a differential image by comparing the differential image with a mask image previously created from a non-defective product;
A third step of calculating a small region including pixels having a luminance exceeding the predetermined value when the luminance value of the difference image exceeds a predetermined value;
A fourth step of calculating an image feature amount in the small region from the image to be inspected;
A fifth step of determining pass / fail of the small area from the value of the image feature amount,
Pattern inspection method.
請求項1記載のパターン検査方法であって、
前記第2ステップにおいて、予め前記マスク画像に不感帯領域を設けておき、当該不感帯領域においては前記差分画像を作成しないように構成することを特徴とする、
パターン検査方法。
The pattern inspection method according to claim 1,
In the second step, a dead zone is provided in advance in the mask image, and the differential image is not created in the dead zone.
Pattern inspection method.
請求項1又は2に記載のパターン検査方法であって、
同軸落射照明、斜方照明及び透過照明の内の少なくとも一つを前記照明手段に使用することを特徴とする、
パターン検査方法。
The pattern inspection method according to claim 1 or 2,
At least one of coaxial epi-illumination, oblique illumination and transmitted illumination is used for the illumination means,
Pattern inspection method.
照明手段と撮像手段とを用いて得られた検査対象の画像を検査する装置であって、
前記検査対象の画像を微分処理して微分画像を作成する第1手段と、
前記微分画像と予め良品から作成しておいたマスク画像とを比較して差分画像を作成する第2手段と、
前記差分画像の輝度値が所定値を超えた場合に、その所定値を超えた輝度を有する画素を含む小領域を計算する第3手段と、
前記検査対象の画像から前記小領域において画像特徴量を計算する第4手段と、
前記画像特徴量の値から前記小領域の良否を判定する第5手段とを備えることを特徴とする、
パターン検査装置。
An apparatus for inspecting an image to be inspected obtained using an illuminating means and an imaging means,
First means for differentially processing the image to be inspected to create a differential image;
A second means for creating a differential image by comparing the differential image with a mask image previously created from a non-defective product;
A third means for calculating a small area including pixels having luminance exceeding the predetermined value when the luminance value of the difference image exceeds a predetermined value;
A fourth means for calculating an image feature amount in the small area from the image to be inspected;
And a fifth means for determining the quality of the small area from the value of the image feature amount,
Pattern inspection device.
請求項4記載のパターン検査装置であって、
前記第2手段は、
予め前記マスク画像に設けておいた不感帯領域においては前記差分画像を作成しないことを特徴とする、
パターン検査装置。
The pattern inspection apparatus according to claim 4,
The second means includes
In the dead zone area provided in advance in the mask image, the difference image is not created,
Pattern inspection device.
請求項1又は2に記載のパターン検査方法に於ける前記第1ステップ乃至前記第5ステップの各画像処理ステップを電子計算機に指令して当該電子計算機で前記各画像処理ステップを順次に実行させるための、
パターン検査用プログラム。
3. A method for instructing an electronic computer to perform each of the image processing steps from the first step to the fifth step in the pattern inspection method according to claim 1 or 2 to cause the electronic computer to sequentially execute the image processing steps. of,
Program for pattern inspection.
JP2005107231A 2005-04-04 2005-04-04 Pattern inspection method, pattern inspection device and pattern inspecting program Pending JP2006284471A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2005107231A JP2006284471A (en) 2005-04-04 2005-04-04 Pattern inspection method, pattern inspection device and pattern inspecting program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2005107231A JP2006284471A (en) 2005-04-04 2005-04-04 Pattern inspection method, pattern inspection device and pattern inspecting program

Publications (1)

Publication Number Publication Date
JP2006284471A true JP2006284471A (en) 2006-10-19

Family

ID=37406544

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2005107231A Pending JP2006284471A (en) 2005-04-04 2005-04-04 Pattern inspection method, pattern inspection device and pattern inspecting program

Country Status (1)

Country Link
JP (1) JP2006284471A (en)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011070750A1 (en) * 2009-12-07 2011-06-16 株式会社神戸製鋼所 Device and method for inspecting tyre shape
JP2011163804A (en) * 2010-02-05 2011-08-25 Seiko Epson Corp Foreign matter detection device and method
JP2011217350A (en) * 2010-03-15 2011-10-27 Ricoh Co Ltd Drawing image sharing apparatus, data processing method, program, and recording medium
WO2013015013A1 (en) * 2011-07-27 2013-01-31 株式会社日立製作所 Appearance inspection method and apparatus therefor
JP2015217559A (en) * 2014-05-15 2015-12-07 富士通株式会社 Inspection apparatus, inspection method, and inspection program
JP2015225353A (en) * 2014-05-26 2015-12-14 富士通株式会社 Image processor, image determination method, and program
JP2019000977A (en) * 2017-06-09 2019-01-10 ブルム‐ノヴォテスト・ゲゼルシャフト・ミット・ベシュレンクテル・ハフツング Device and method for measuring and controlling rotary drive tool for working tool
CN110346381A (en) * 2019-08-12 2019-10-18 衡阳师范学院 A kind of novel optical element damage measure method and device
JP2020061608A (en) * 2018-10-05 2020-04-16 コニカミノルタ株式会社 Image inspection apparatus, image inspection method, and image inspection program
WO2021192371A1 (en) * 2020-03-27 2021-09-30 日本電産株式会社 Image processing system and computer program

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2500686A4 (en) * 2009-12-07 2017-11-29 Kabushiki Kaisha Kobe Seiko Sho Device and method for inspecting tyre shape
JP2011141260A (en) * 2009-12-07 2011-07-21 Kobe Steel Ltd Device and method for inspecting tyre shape
CN103038601A (en) * 2009-12-07 2013-04-10 株式会社神户制钢所 Device and method for inspecting tyre shape
US9097514B2 (en) 2009-12-07 2015-08-04 Kobe Steel, Ltd. Device and method for inspecting tyre shape
WO2011070750A1 (en) * 2009-12-07 2011-06-16 株式会社神戸製鋼所 Device and method for inspecting tyre shape
JP2011163804A (en) * 2010-02-05 2011-08-25 Seiko Epson Corp Foreign matter detection device and method
JP2011217350A (en) * 2010-03-15 2011-10-27 Ricoh Co Ltd Drawing image sharing apparatus, data processing method, program, and recording medium
WO2013015013A1 (en) * 2011-07-27 2013-01-31 株式会社日立製作所 Appearance inspection method and apparatus therefor
JP2013029350A (en) * 2011-07-27 2013-02-07 Hitachi Ltd Appearance inspection method and device for the same
JP2015217559A (en) * 2014-05-15 2015-12-07 富士通株式会社 Inspection apparatus, inspection method, and inspection program
JP2015225353A (en) * 2014-05-26 2015-12-14 富士通株式会社 Image processor, image determination method, and program
JP2019000977A (en) * 2017-06-09 2019-01-10 ブルム‐ノヴォテスト・ゲゼルシャフト・ミット・ベシュレンクテル・ハフツング Device and method for measuring and controlling rotary drive tool for working tool
JP7433749B2 (en) 2017-06-09 2024-02-20 ブルム‐ノヴォテスト・ゲゼルシャフト・ミット・ベシュレンクテル・ハフツング Device and method for measuring and controlling rotary drive tools in machine tools
JP2020061608A (en) * 2018-10-05 2020-04-16 コニカミノルタ株式会社 Image inspection apparatus, image inspection method, and image inspection program
JP7167615B2 (en) 2018-10-05 2022-11-09 コニカミノルタ株式会社 IMAGE INSPECTION APPARATUS, IMAGE INSPECTION METHOD AND IMAGE INSPECTION PROGRAM
CN110346381A (en) * 2019-08-12 2019-10-18 衡阳师范学院 A kind of novel optical element damage measure method and device
CN110346381B (en) * 2019-08-12 2022-03-08 衡阳师范学院 Optical element damage testing method and device
WO2021192371A1 (en) * 2020-03-27 2021-09-30 日本電産株式会社 Image processing system and computer program

Similar Documents

Publication Publication Date Title
JP2006284471A (en) Pattern inspection method, pattern inspection device and pattern inspecting program
US8775101B2 (en) Detecting defects on a wafer
US8472697B2 (en) Method and apparatus for visual inspection
US20210027440A1 (en) Defect detection device, defect detection method, and program
TWI497032B (en) Defect inspection apparatus
JP4150390B2 (en) Appearance inspection method and appearance inspection apparatus
EP2396815A2 (en) Detecting defects on a wafer
JP2010520622A (en) Method for accurately identifying the edge of an inspection area for an array area formed on a wafer, and a method for binning detected defects in an array area formed on a wafer
US20150043805A1 (en) Image processing system, image processing method, and computer-readable recording medium
JP2006276454A (en) Image correcting method and pattern defect inspecting method using same
JP4233556B2 (en) Image correction apparatus, pattern inspection apparatus, image correction method, and pattern inspection method
JP2007192652A (en) Pattern inspection device and method, and inspection object sample
JP4910128B2 (en) Defect inspection method for object surface
JP2010181328A (en) Device, program and method for inspecting surface of solar battery wafer
JP2004251781A (en) Defect inspection method by image recognition
JP2001209798A (en) Method and device for inspecting outward appearance
JP2011008482A (en) Defect detection method, defect detection device and defect detection program
KR20160097651A (en) Apparatus and Method for Testing Pattern of Sample using Validity Image Processing Technique, and computer-readable recording medium with program therefor
JP2005106725A (en) Method and apparatus for visual inspection of object to be inspected
JP6119784B2 (en) Foreign object inspection method
JP2009204388A (en) Defect inspection method
JP4074624B2 (en) Pattern inspection method
JP3332096B2 (en) Defect inspection method and apparatus
JPH08272078A (en) Method and apparatus for inspecting pattern
KR20070101669A (en) Apparatus and mathod for vision inspecting of mounting plate assembly