JP2010157154A - 画像分類基準更新方法、プログラムおよび画像分類装置 - Google Patents
画像分類基準更新方法、プログラムおよび画像分類装置 Download PDFInfo
- Publication number
- JP2010157154A JP2010157154A JP2008335779A JP2008335779A JP2010157154A JP 2010157154 A JP2010157154 A JP 2010157154A JP 2008335779 A JP2008335779 A JP 2008335779A JP 2008335779 A JP2008335779 A JP 2008335779A JP 2010157154 A JP2010157154 A JP 2010157154A
- Authority
- JP
- Japan
- Prior art keywords
- data
- classification
- image data
- image
- information
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 230000007547 defect Effects 0.000 claims description 213
- 238000012545 processing Methods 0.000 claims description 129
- 238000009826 distribution Methods 0.000 claims description 34
- 239000004065 semiconductor Substances 0.000 claims description 21
- 238000004088 simulation Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 18
- 238000012552 review Methods 0.000 description 38
- 239000011159 matrix material Substances 0.000 description 31
- 239000002245 particle Substances 0.000 description 17
- 238000007689 inspection Methods 0.000 description 16
- 238000000605 extraction Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000004519 manufacturing process Methods 0.000 description 13
- 230000003287 optical effect Effects 0.000 description 11
- 238000004626 scanning electron microscopy Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000012790 confirmation Methods 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/778—Active pattern-learning, e.g. online learning of image or video features
- G06V10/7784—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2178—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/40—Software arrangements specially adapted for pattern recognition, e.g. user interfaces or toolboxes therefor
- G06F18/41—Interactive pattern learning with a human teacher
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/778—Active pattern-learning, e.g. online learning of image or video features
- G06V10/7784—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors
- G06V10/7788—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors the supervisor being a human, e.g. interactive learning with a human teacher
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/987—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns with the intervention of an operator
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L2924/00—Indexing scheme for arrangements or methods for connecting or disconnecting semiconductor or solid-state bodies as covered by H01L24/00
- H01L2924/0001—Technical content checked by a classifier
- H01L2924/0002—Not covered by any one of groups H01L24/00, H01L24/00 and H01L2224/00
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Processing Or Creating Images (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】画像データを分類する際の基準となる画像データの情報が登録されている分類基準データ121と、新規に入力された画像データを分類基準データ121を使用して分類した結果としての画像データの情報が登録されている分類データ122と、が記憶部12に格納されており、画像分類装置1が、入力部13を介して、分類データに登録されている画像データのうちの任意の画像データの情報が選択され、入力部13を介して、選択された画像データの情報を分類基準データ121に追加登録する旨の指示が入力されると、選択された画像データの情報を分類基準データ121に追加登録することを特徴とする。
【選択図】図3
Description
また、半導体製造プロセスの変動により、同一に分類すべき欠陥が分類基準作成時とは異なる欠陥の特徴を有し、所望の分類ができない場合が存在する。つまり、分類基準に登録されていないタイプの欠陥が検出されると、その都度学習をやり直す必要がある。
その他の解決手段については実施形態中にて後記する。
半導体ウェハを製造する製造装置4は、通常、清浄な環境が保たれたクリーンルーム7内にある。また、製造装置4のラインで製造された半導体ウェハは、プローブ検査装置5で導通検査される。
クリーンルーム7内には、製品ウェハの外観不良の検出を行う外観検査装置2、外観検査装置2からのデータに基づき外観不良の観察、すなわちレビューを行うレビュー装置1(画像分類装置)を有する。また、クリーンルーム7外には、外観検査装置2や、レビュー装置1で取得された画像データに対する処理を行うデータ処理装置3を有する。外観検査装置2、レビュー装置1、プローブ検査装置5およびデータ処理装置3は通信回線6で互いに接続されている。
レビュー装置1は、複数の光学式レビュー装置1aおよび複数のSEM式レビュー装置1bを有している。光学式レビュー装置1aは、光学顕微鏡に接続されたデジタルカメラによって半導体ウェハ上の欠陥画像のデータである欠陥画像データを取得し、解析する装置である。SEM式レビュー装置1bは、電子顕微鏡で撮像された欠陥画像データを取得し、解析する装置である。外観検査装置2、光学式レビュー装置1aおよびSEM式レビュー装置1bは複数設置され、同時に複数の欠陥画像データを取得することができるようになっている。
外観検査装置2が出力する欠陥データは膨大な量のデータであるため、データ処理装置3は、フィルター機能によりフィルタリングされた欠陥データが光学式レビュー装置1aまたはSEM式レビュー装置1bに通信回線6を通して送る(S102,S103)。フィルタリングは、ランダムに所定数の欠陥情報を抽出するなどである。
レビュー装置1は、キーボードやマウスなどの入力部13、ディスプレイなどの表示部14、通信インタフェースカードなどの送受信部15、情報を処理する処理部11、情報を記憶する記憶部12を有してなる。
処理部11および各部111〜115は、図示しないROM(Read Only Memory)や、図示しないHD(Hard Disk)に格納されたプログラムが、図示しないRAM(Random Access Memory)に展開され、図示しないCPU(Central Processing Unit)によって実行されることによって具現化する。
図4は、分類基準データおよび分類データの例を示す図である。ここで、分類基準データ121は、図6で後記する処理で作成されるデータであり、分類データ122は、図11で後記する処理で作成されるデータである。分類基準データ121と、分類データ122とは、格納されるデータが異なるが、フォーマットは同様であるので、図4においてまとめて説明する。
ユーザによるカテゴリとは、図6のS204(または、後記する図11のS403)でユーザによって分類されたカテゴリである。そして、ADCによるカテゴリとは、後記する図6のS205(または、後記する図11のS401)におけるADC処理で分類されたカテゴリである。図4の例では、ユーザによって「C1:パーティクル」と判定され、ADC処理でも「C1:パーティクル」と判定された欠陥画像データは、「A1.jpg,A2.jpg,A3.jpg,・・・」であることを示している。また、ユーザによって「C1:パーティクル」と判定されたが、ADC処理では、「C2:スクラッチ」と判定された欠陥画像データは存在しないことを示している。さらに、ユーザによって「C2:スクラッチ」と判定されたが、ADC処理では、「C1:パーティクル」と判定された欠陥画像データは、「A10.jpg」であることを示している。
図5に示すように、基準特徴量データ124および特徴量データ125は、欠陥画像データ名ごとに、各種特徴量(平坦度、明るさ、真円度、大きさなど)が対応付けられて格納されている。
図6は、本実施形態に係る分類基準作成処理の手順を示すフローチャートである。ここで、図6に示す分類基準作成処理は、分類基準データ121を作成する処理である。
まず、処理部11は、記憶部12の欠陥画像データ群123から分類基準作成用の欠陥画像データを取得する(S201)。
次に、ユーザは、入力部13を介して取得した欠陥画像データを分類する(S202)。例えば、ユーザは、目視によって欠陥画像データの1つ1つをパーティクルや、スクラッチなどの種類に分類する。S202の処理により、最初の分類基準データ121が作成される。
なお、S202の段階では、ユーザによるカテゴリのみが埋まっており、ADCによるカテゴリは空欄である。
そして、ユーザがセルフチェックの結果から分類基準データ121の分類が適切か否かの良好判定を行う(S209)。
S209の結果、良好ではない(分類基準データ121の分類が適切ではない)と判定された場合(S209→No)、変更を分類基準データ121に反映した後、S203の処理まで戻って、特徴量の抽出や、再度ADC処理を行った結果をセルフチェック画面として表示する。
S209の結果、良好である(分類基準データ121の分類が適切である)と判定された場合(S209→Yes)、処理を終了する。
図7は、本実施形態に係るセルフチェック処理の手順を示す図である。なお、図7の処理は、図6のS207からS209に相当する処理である。
まず、表示処理部111はコンフュージョンマトリクス211(カテゴリ別対応情報)を生成し、生成したコンフュージョンマトリクス211を含むセルフチェック画面200a(図8)を表示する(S301)。
セルフチェック画面200a(200)は、コンフュージョンマトリクス表示エリア201、欠陥画像リスト表示エリア202および欠陥画像確認エリア203が同じウィンドウ内に表示されてなる。
コンフュージョンマトリクス表示エリア201には、コンフュージョンマトリクス211が表示されている。コンフュージョンマトリクス211は、ユーザによる分類(図8では「Manual」と表記)と、ADCによる分類(図8では、「ADC」と表記)における各カテゴリにおける画像数を示す表である。
なお、C1〜C5の符号は、前記したようにカテゴリの識別番号であり、「C1」がパーティクルを示し、「C2」がスクラッチを示し、「C3」がパターンショートを示し、「C4」がパターンオープンを示し、「C5」が欠陥なしを示している。
例えば、コンフュージョンマトリクス211の第1行目をみると、ユーザによる分類(「Manual」)では、C1(パーティクル)と判定された欠陥画像データは38(34+4)個であるが、ADCではそれらのうち、34個がC1(パーティクル)と判定され、4個がC3(パターンショート)と判定されている。正解率は、ユーザによる分類結果に対する、ADCによる分類結果との一致率である。例えば、第1行目における正解率は、34/38×100≒89(%)である。
入力部13を介してマトリクスボタン214が選択入力されると、表示処理部111が、図4に示す分類基準データ121を参照し、各カテゴリにおける欠陥画像データを計数して、コンフュージョンマトリクス211に表示する。
セルが選択されない場合(S302→No)、表示処理部111は図7のS304へ進む。以下、図7および後記する図12において、ステップ番号Snの処理がNoである場合、ステップ番号Smの処理へ進むとは、Snの判定が行われていない状態で、Smの処理が実行されたとき、処理部11はSmの処理を実行するという意味である。これは、図7および図12の処理が画面処理であるため、各ステップの実行は実際には処理の順番に関係なく、指示が入力されると実行されるためである。
例えば、入力部13を介してユーザによる分類(「Manual」)がC3(パターンショート)であり、ADCによる分類(「ADC」)もC3(パターンショート)であるセル215が選択入力されると、表示処理部111は、図4の分類基準データ121からユーザによるカテゴリおよびADCによるカテゴリが「C3:パターンショート」であるレコードに格納されている欠陥画像データ名を取得する。そして、表示処理部111は、記憶部12の欠陥画像データ群123(図3)から取得した欠陥画像データ名に対応する画像データを取得し、取得した画像データを欠陥画像リスト表示エリア202に表示する。
なお、図8において、セル215には「12」と記載されているので、欠陥画像リスト表示エリア202に表示される画像も12個である。図8では、欠陥画像リスト表示エリア202のスライドバーを動かすことによって、ユーザは12個の画像を参照することができる。
以下、図9および図10を用いて、純度と正解率を上げるための分類基準データ121の更新方法を説明する。なお、図9および図10において、図8と同様の要素については同一の符号を付して説明を省略する。
図9は、本実施形態に係るセルフチェック画面(画像比較)の例を示す図である。
図9では、コンフュージョンマトリクス211において、ユーザによる分類(「Manual」)が「C1:パーティクル」であり、ADCによる分類(「ADC」)が「C3:パターンショート」であるセル301を選択入力した例を示す。
また、比較画像表示エリア340には、カテゴリ選択プルダウンメニュー341で選択されたカテゴリに属する欠陥画像342が表示される。なお、カテゴリ選択プルダウンメニュー341で選択されるカテゴリは、ユーザによる分類である。他のカテゴリの画像と比較したい場合、入力部13を介してカテゴリ選択プルダウンメニュー341で他のカテゴリを選択する。
カテゴリ選択プルダウンメニュー341でカテゴリが選択されると(図7のS305→Yes)、表示処理部111は、選択されたカテゴリをキーとして、図4の分類基準データ121を参照し、ユーザによる分類が選択されたカテゴリに該当するすべてのレコードに格納されている欠陥画像データ名を取得する。そして、表示処理部111は、取得した欠陥画像データ名に該当する欠陥画像データを記憶部12の欠陥画像データ群123(図3)から取得し、取得した欠陥画像データを、該当するカテゴリの比較画像として比較画像表示エリア340に表示する(図7のS306)。
つまり、表示処理部111は、「分析タブ」が選択入力(選択)されたか否かを判定しており(図7のS307)、分析タブが選択されない場合(S307→No)、表示処理部111は図7のS310へ処理を進める。
分析タブが選択された場合(S307→Yes)、表示処理部111は図10に示す特徴量表示エリア400を表示する。
ユーザが、セルフチェック画面200c(200)における欠陥画像リスト表示エリア202に表示されている任意の欠陥画像401aを、特徴量表示エリア400にドラッグアンドドロップすると、ドラッグアンドドロップされた欠陥画像401aがコピーされ、欠陥画像401bとして特徴量表示エリア400に表示される。
表示処理部111は特徴量選択プルダウンメニュー402,403で、特徴量を表示したいカテゴリが選択されたか否かを判定しており(図7のS308)、選択されていない場合(S308→No)、表示処理部111は図7のS310へ処理を進める。
特徴量選択プルダウンメニュー402,403で、特徴量を表示したいカテゴリが選択されると(図7のS308→Yes)、表示処理部111は選択されたカテゴリにおける各特徴量の分布を示すヒストグラムを生成し、特徴量分布表示エリア411に生成したヒストグラムを表示する(図7のS309)。なお、特徴量選択プルダウンメニュー402,403で選択されるカテゴリは、ユーザによる分類に従ったカテゴリである。
まず、表示処理部111は、特徴量選択プルダウンメニュー402で選択されたカテゴリ名をキーとして、図4の分類基準データ121のユーザによるカテゴリを検索し、該当するすべてのレコードに含まれる欠陥画像データ名を取得する。
そして、表示処理部111は、取得した欠陥画像データ名をキーとして、図5の基準特徴量データ124を検索し、該当する欠陥画像データ名に相当する各特徴量の値を参照し、該当する特徴量の欠陥画像データ数を計数する。例えば、図5の例で、「A1.jpg」および「A2.jpg」が処理の対象であるとすると、まず、表示処理部111は、「A1.jpg」のレコードを参照することによって、「平坦度:50」を+1カウントし、「明るさ:60」を+1カウントする。表示処理部111は、このレコードにおける「真円度」、「大きさ」についても同様にカウントする。
表示処理部111は、この処理を、取得した欠陥画像データ名すべてに対し行った後、特徴量選択プルダウンメニュー403で選択されたカテゴリについても同様の処理を行い、各特徴量におけるヒストグラムを算出する。
ラジオボタン421,422は、ADC処理で分類を行う際、実際に使用している特徴量である。図10の例では、ラジオボタン421,422が「On」となっている「平坦度」、「明るさ」、「真円度」がADC処理で使用されている特徴量である。ユーザが、ラジオボタン421,422の「On/Off」を切り替えることにより、ADC処理で使用される特徴量の有効/無効を設定することができる。例えば、ユーザが、「明るさ」と「真円度」は有効な特徴量ではないと判断したとき、該当するラジオボタン421,422を選択入力することによって、ADC処理におけるこれらの特徴量の使用を無効にすることができる。また、逆にユーザが「大きさ」は有効な特徴量であると判断したとき、該当するラジオボタン421,422を選択入力することによって、ADC処理におけるこれらの特徴量の使用を有効にすることができる。
まず、図6の処理後、レビュー装置1が新たな欠陥画像データを撮像すると、特徴量抽出部114が、欠陥認識パラメータの自動調整を行った後、特徴量の抽出を行い、自動欠陥分類部113が撮像された欠陥画像データに対しADC処理を行い(S401)、欠陥画像の分類を行う。ADC処理の結果は、図4に示す分類データ122に登録される。欠陥認識パラメータの自動調整、特徴量の抽出は、図6のS203,S204の処理と同様であるため説明を省略する。
次に、入力部13を介してユーザによる分類が入力指示されると、更新日時の情報などを基に入力処理部112は記憶部12の欠陥画像データ群123から新たに入力された欠陥画像データを読み込む(S402)。
ユーザは、表示されている分類結果を参照し、ADC処理で正しく分類されているかを確認し、分類に誤りがあれば適切なカテゴリに再分類する(S403)。入力処理部112は、再分類の結果を図4の分類データ122に反映する(S404)。反映の手順は、ユーザによる分類→ADCの分類の順番が、ADCの分類→ユーザによる分類へと変わったこと以外は図6のS206と同様であるので、詳細な説明を省略する。
S406の結果、良好である(分類結果が適切である)と判定された場合(S406→Yes)、処理を終了する。
S406の結果、良好ではない(分類結果が適切ではない)と判定された場合(S406→No)、表示処理部111は、チェック画面500において選択した欠陥画像データを追加学習用画像データとしてコピーする(S407)。
そして、表示処理部111は、分類基準データ121を更新し(S408)、特徴量抽出部114が、欠陥認識パラメータの自動調整および特徴量の抽出を行った後、自動欠陥分類部113が更新された分類基準データ121を基にADC処理を行う(S409)。なお、S407およびS408については、後記して説明する。
その後、処理部11は、S405へ処理を戻す。
図12は、本実施形態に係るチェック処理の手順を示すフローチャートである。
まず、表示処理部111は、図13に示すチェック画面500a(500)および図14に示すチェック画面500b(500)を表示部14に表示し、画像比較処理・特徴量比較処理を行う(S501)。S501は、図6の処理において、分類基準データ121の代わりに分類データ122を用いた処理であるため詳細な説明を省略する。
チェック画面500a(500)において、符号201a,202a,203a,205a,206a,211a,214a,320a,330a,331a,332a,340a,341a,342aは、分類基準データ121を基に作成していたのが、分類データ122を基に画面を作成する以外は、図9における符号201,202,203,205,206,211,214,320,330,331,332,340,341,342と同様であるので説明を省略する。また、図9の「分析タブ」が「分析1タブ」となっているが、機能としては同様である。コピーボタン501については、後記して説明する。
なお、図13における移動ボタン332aは、選択された欠陥画像512bのデータを同じ分類データ122内の他のカテゴリへ移動するためのボタンである。
チェック画面500b(500)において、符号201a,202a,203a,205a,206a,211a,214a,400a,402a,403a,411a,412a,421a,422a,431aは、分類基準データ121を基に作成していたのが、分類データ122を基に画面を作成する以外は、図10における符号201,202,203,205,206,211,214,400,402,403,411,412,421,422,431と同様であるので説明を省略する。
S502の結果、「分析2タブ」が選択されていない場合(S502→No),表示処理部111は、S505へ処理を進める。
図15は、本実施形態に係るチェック画面(シミュレート)の例を示す図である。
図15において、図13および図14と同様の要素については、同一の符号を付して説明を省略する。
チェック画面500c(500)では、欠陥画像確認エリア203aにシミュレートエリア700が表示されている。シミュレートエリア700は、特徴量表示エリア710と、欠陥画像表示エリア720と、シミュレート実行エリア730とを有してなる。
さらに、特徴量種別選択プルダウンメニュー712で特徴量種別が選択されると、表示処理部111は、分類基準データ121および分類データ122を基に、特徴量分布を示すヒストグラムを生成し、特徴量分布表示エリア713に生成したヒストグラムを表示する(S504)。
特徴量分布表示エリア713に表示されるヒストグラムは、図10や図14で表示されるヒストグラムとは異なり、同一のカテゴリおよび特徴量種別で分類基準データ121と、新たに追加された欠陥画像データ群123との特徴量分布を示す。
ヒストグラムの作成手順は以下の通りである。まず、表示処理部111は、カテゴリ選択プルダウンメニュー711で選択されたカテゴリ名をキーとして、分類基準データ121のユーザによるカテゴリを参照し、該当するすべての欠陥画像データ名を取得する。そして、表示処理部111は、取得したすべての欠陥画像データ名をキーとして、基準特徴量データ124における特徴量種別選択プルダウンメニュー712で選択された特徴量種別を参照し、その値毎に欠陥画像データ数をカウントする。表示処理部111は、同様の処理を分類データ122に対しても行う。
具体的には、表示処理部111は、バー714が示している特徴量の値を読み込むと、読み込んだ値をキーとして図4の特徴量データ125における特徴量種別選択プルダウンメニュー712で選択されている特徴量種別の値を検索し、この値を有している欠陥画像データ名を取得する。そして、表示処理部111は、取得した欠陥画像データ名をキーとして、分類データ122のユーザによるカテゴリを参照し、取得した欠陥画像データ名のうち、カテゴリ選択プルダウンメニュー711で選択されているカテゴリに該当する欠陥画像データ名を取得する。そして、表示処理部111は、取得した欠陥画像データ名をキーとして、欠陥画像データ群123から欠陥画像データを取得し、欠陥画像表示エリア720に表示する。なお、ユーザがバー714を動かさなくても、例えばヒストグラムの一番左の値がデフォルトで選択された状態となっていてもよい。
S505の結果、欠陥画像が選択されていない場合(S505→No)、表示処理部111は、図12のS508へ処理を進める。
図15の例では、欠陥画像表示エリア720に表示されている欠陥画像721,722のうち、欠陥画像722がドラッグアンドドロップ(選択)され、シミュレート実行エリア730の欠陥画像722aとして表示されているが、複数の欠陥画像を選択することも可能である。
S506の結果、シミュレーションを実行しない場合(S506→No)、表示処理部111は、S508へ処理を進める。
妥当であると判断した場合、入力部13を介してコピーボタン701が選択入力される。つまり、表示処理部111は、コピーボタン701が選択入力されたか否かを判定することによって、欠陥画像722aを分類基準データ121にコピーするか否かを判定する(図12のS508)。なお、S508の処理は、図11のS406に相当する。
コピーしない場合(S508→No)、処理部11は処理を終了する。
その後、表示処理部111は適用ボタン733が選択入力されたか否かを判定することによって、コピーを適用するか否かを判定する(図12のS510)。
コピーを適用しない場合(S510→No)、処理部11は処理を終了する。コピーを適用しない場合とは、コピーボタン701が適用された後、一定時間適用ボタン733が選択入力されなかった場合や、削除ボタン206aが選択入力された場合や、チェック画面500が閉じられた場合などである。
なお、履歴選択プルダウンメニュー734よりシミュレーションの履歴を呼び出し、適用ボタン733を選択入力することによって、シミュレーションの履歴に該当する状態を分類基準データ121に反映・確定してもよい。なお、コピーボタン701を省略し、S508の処理を省略してもよい。この場合、適用ボタン733が選択入力されると、欠陥画像データ名が分類基準データ121にコピーされると同時に適用処理も行われる。
1a 光学式レビュー装置
1b SEM式レビュー装置
11 処理部
12 記憶部
13 入力部
14 表示部
15 送受信部
111 表示処理部
112 入力処理部
113 自動欠陥分類部
114 特徴量抽出部
115 データ取得部
121 分類基準データ
122 分類データ
123 欠陥画像データ群
124 基準特徴量データ
125 特徴量データ
200,200a,200b,200c セルフチェック画面
211,211a コンフュージョンマトリクス(カテゴリ別対応情報)
Z 半導体ウェハ製造システム
Claims (16)
- 画像データの分類を行う画像分類装置による画像分類基準更新方法であって、
前記画像データを分類する際の基準となる画像データの情報が登録されている分類基準データと、新規に入力された画像データを前記分類基準データを使用して分類した結果としての画像データの情報が登録されている分類データと、
が記憶部に格納されており、
前記画像分類装置は、
入力部を介して、前記分類データに登録されている画像データのうちの任意の画像データの情報を選択し、
前記入力部を介して、前記選択した画像データの情報を前記分類基準データに追加登録する旨の指示が入力されると、
前記選択した画像データの情報を前記分類基準データに追加登録する
ことを特徴とする画像分類基準更新方法。 - 前記画像分類装置は、
前記分類基準データに登録されている画像データの情報に対応する画像と、前記分類データに登録されている画像データの情報に対応する画像とを同じウィンドウ内に表示する
ことを特徴とする請求項1に記載の画像分類基準更新方法。 - 前記分類基準データに登録されている画像データの情報に関する特徴量のデータである基準特徴量データと、前記分類データに登録されている画像データの情報に関する特徴量のデータである特徴量データと、
が記憶部にさらに格納されており、
前記画像分類装置は、
前記基準特徴量データに登録されている特徴量の分布と、前記特徴量データに登録されている特徴量の分布とを同じウィンドウ内に表示する、
ことを特徴とする請求項1に記載の画像分類基準更新方法。 - 前記画像分類装置は、
前記選択した画像データの情報を、前記分類基準データに追加登録し、前記追加登録した分類基準データを使用して、前記新規に入力された画像データの情報を再分類した結果をシミュレーションし、
前記シミュレーションの結果を表示部に表示する
ことを特徴とする請求項1に記載の画像分類基準更新方法。 - 前記分類データには、ユーザによって分類されたカテゴリと、前記分類基準データを使用して分類されたカテゴリとで、前記新規に入力された画像データの情報が分類されており、
前記画像分類装置は、
前記分類データにおける前記ユーザによって分類されたカテゴリに対応する画像データ数と、前記分類データにおける前記画像分類装置によって分類されたカテゴリに対応する画像データ数とが対応付けられているカテゴリ別対応情報を生成し、
前記生成したカテゴリ別対応情報を前記表示部に表示する
ことを特徴とする請求項1に記載の画像分類基準更新方法。 - 前記画像分類装置は、
前記カテゴリ別対応情報における画像データ数を選択すると、該当する画像データを前記表示部に表示する
ことを特徴とする請求項5に記載の画像分類基準更新方法。 - 前記画像データは、半導体ウェハにおける欠陥画像である
ことを特徴とする請求項1に記載の画像分類基準更新方法。 - 画像データの分類を行う画像分類装置による画像分類基準更新方法であって、
画像データを分類する際の基準となる画像データの情報が登録されている分類基準データ
が記憶部に格納されており、
前記分類基準データには、前記画像データがカテゴリ毎に分かれて格納されており、
前記画像分類装置は、
入力部を介して、前記分類基準データに登録されている画像データの情報のうちの任意の画像データの情報を選択し、
前記入力部を介して、前記分類基準データにおける前記選択した画像データの情報が格納されているカテゴリとは異なるカテゴリに前記選択した画像データの情報を移動する旨の指示が入力されると、
前記選択した画像データの情報を、前記分類基準データにおける前記他のカテゴリに移動する
ことを特徴とする画像分類基準更新方法。 - 前記画像分類装置は、
前記分類基準データに登録されている画像データを表示部に表示する
ことを特徴とする請求項8に記載の画像分類基準更新方法。 - 前記分類基準データに登録されている画像データの特徴量のデータである基準特徴量データ
が記憶部にさらに格納されており、
前記基準特徴量データに登録されている特徴量の分布を表示部に表示する
ことを特徴とする請求項8に記載の画像分類基準更新方法。 - 前記画像分類装置は、
前記分類基準データにおける前記ユーザによって分類されたカテゴリに対応する画像データ数と、前記分類基準データにおける前記画像分類装置によって分類されたカテゴリに対応する画像データ数とが対応付けられているカテゴリ別対応情報を生成し、前記生成したカテゴリ別対応情報を前記表示部に表示する
ことを特徴とする請求項8に記載の画像分類基準更新方法。 - 前記画像分類装置は、
前記カテゴリ別対応情報における画像データ数を選択すると、該当する画像データを前記表示部に表示する
ことを特徴とする請求項11に記載の画像分類基準更新方法。 - 前記画像データは、半導体ウェハにおける欠陥画像である
ことを特徴とする請求項8に記載の画像分類基準更新方法。 - 請求項1から請求項13のいずれか一項に記載の画像分類基準更新方法をコンピュータに実行させることを特徴とするプログラム。
- 画像データの分類を行う画像分類装置であって、
前記画像データを分類する際の基準となる画像データの情報が登録されている分類基準データと、新規に入力された画像データを前記分類基準データを使用して分類した結果としての画像データの情報が登録されている分類データと、
を格納している記憶部と、
入力部を介して、前記分類データに登録されている画像データのうちの任意の画像データの情報を選択し、
前記入力部を介して、前記選択した画像データの情報を前記分類基準データに追加登録する旨の指示が入力されると、
前記選択した画像データの情報を前記分類基準データに追加登録する表示処理部と
を有することを特徴とする画像分類装置。 - 画像データの分類を行う画像分類装置であって、
前記画像データがカテゴリ毎に分かれて格納されており、画像データを分類する際の基準となる画像データの情報が登録されている分類基準データ
を格納している記憶部と、
前記分類基準データに登録されている画像データの情報のうちの任意の画像データの情報を選択し、前記分類基準データにおける前記選択した画像データの情報が格納されているカテゴリとは異なるカテゴリに前記選択した画像データの情報を移動する旨の指示が入力されると、前記選択した画像データの情報を、前記分類基準データにおける前記他のカテゴリに移動する表示処理部と
を有することを特徴とする画像分類装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008335779A JP5075111B2 (ja) | 2008-12-29 | 2008-12-29 | 画像分類基準更新方法、プログラムおよび画像分類装置 |
US13/142,812 US8625906B2 (en) | 2008-12-29 | 2009-12-28 | Image classification standard update method, program, and image classification device |
PCT/JP2009/071774 WO2010076882A1 (ja) | 2008-12-29 | 2009-12-28 | 画像分類基準更新方法、プログラムおよび画像分類装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008335779A JP5075111B2 (ja) | 2008-12-29 | 2008-12-29 | 画像分類基準更新方法、プログラムおよび画像分類装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010157154A true JP2010157154A (ja) | 2010-07-15 |
JP5075111B2 JP5075111B2 (ja) | 2012-11-14 |
Family
ID=42309929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008335779A Expired - Fee Related JP5075111B2 (ja) | 2008-12-29 | 2008-12-29 | 画像分類基準更新方法、プログラムおよび画像分類装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8625906B2 (ja) |
JP (1) | JP5075111B2 (ja) |
WO (1) | WO2010076882A1 (ja) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013225313A (ja) * | 2012-04-20 | 2013-10-31 | Applied Materials Israel Ltd | 自動欠陥分類における分類器の準備及び保守 |
US9002101B2 (en) | 2011-03-25 | 2015-04-07 | Kabushiki Kaisha Toshiba | Recognition device, recognition method, and computer program product |
JP2015135640A (ja) * | 2014-01-20 | 2015-07-27 | 富士ゼロックス株式会社 | 情報処理装置及び情報処理プログラム |
JP2015169642A (ja) * | 2014-03-11 | 2015-09-28 | 株式会社神戸製鋼所 | 欠陥分類装置及びそのメンテナンス方法 |
JP2016156645A (ja) * | 2015-02-23 | 2016-09-01 | シャープ株式会社 | 検査支援装置 |
JP2017107313A (ja) * | 2015-12-08 | 2017-06-15 | 株式会社Screenホールディングス | 教師データ作成支援方法、画像分類方法、教師データ作成支援装置および画像分類装置 |
US9959482B2 (en) | 2014-11-28 | 2018-05-01 | Canon Kabushiki Kaisha | Classifying method, storage medium, inspection method, and inspection apparatus |
US10248888B2 (en) | 2014-11-28 | 2019-04-02 | Canon Kabushiki Kaisha | Classifying method, storage medium, inspection method, and inspection apparatus |
WO2019065582A1 (ja) * | 2017-09-29 | 2019-04-04 | 富士フイルム株式会社 | 画像データ判別システム、画像データ判別プログラム、画像データ判別方法、及び撮像システム |
JP2020035282A (ja) * | 2018-08-31 | 2020-03-05 | 株式会社日立ハイテクノロジーズ | パターン検査システム |
JP2020118696A (ja) * | 2014-05-15 | 2020-08-06 | ケーエルエー コーポレイション | 光学式検査及び光学式レビューからの欠陥属性に基づく電子ビームレビューのための欠陥サンプリング |
JP2021039022A (ja) * | 2019-09-04 | 2021-03-11 | 信越化学工業株式会社 | 欠陥分類方法及び欠陥分類システム並びにフォトマスクブランクの選別方法及び製造方法 |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5707291B2 (ja) * | 2011-09-29 | 2015-04-30 | 株式会社日立ハイテクノロジーズ | 画像分類支援を行う荷電粒子線装置 |
JP5947169B2 (ja) * | 2012-09-14 | 2016-07-06 | 株式会社キーエンス | 外観検査装置、外観検査法およびプログラム |
TW201430336A (zh) * | 2013-01-23 | 2014-08-01 | Huang Tian Xing | 缺陷檢測方法、裝置及系統 |
US20140241618A1 (en) * | 2013-02-28 | 2014-08-28 | Hewlett-Packard Development Company, L.P. | Combining Region Based Image Classifiers |
KR102221684B1 (ko) * | 2014-03-17 | 2021-03-02 | 에스케이플래닛 주식회사 | 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체 |
CN104765173B (zh) * | 2015-04-29 | 2018-01-16 | 京东方科技集团股份有限公司 | 一种检测装置及其检测方法 |
WO2016189764A1 (ja) * | 2015-05-26 | 2016-12-01 | 三菱電機株式会社 | 検出装置および検出方法 |
US20180174000A1 (en) * | 2015-06-04 | 2018-06-21 | Hitachi High-Technologies Corporation | Defect image classification device and defect image classification method |
JP6333871B2 (ja) * | 2016-02-25 | 2018-05-30 | ファナック株式会社 | 入力画像から検出した対象物を表示する画像処理装置 |
EP3340106B1 (en) * | 2016-12-23 | 2023-02-08 | Hexagon Technology Center GmbH | Method and system for assigning particular classes of interest within measurement data |
JP6936957B2 (ja) | 2017-11-07 | 2021-09-22 | オムロン株式会社 | 検査装置、データ生成装置、データ生成方法及びデータ生成プログラム |
JP7004145B2 (ja) * | 2017-11-15 | 2022-01-21 | オムロン株式会社 | 欠陥検査装置、欠陥検査方法、及びそのプログラム |
AU2019293020B2 (en) * | 2018-06-27 | 2024-01-18 | K.K. Cybo | Display control device, display control method, and display control program |
JP7203678B2 (ja) | 2019-04-19 | 2023-01-13 | 株式会社日立ハイテク | 欠陥観察装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001156135A (ja) * | 1999-11-29 | 2001-06-08 | Hitachi Ltd | 欠陥画像の分類方法及びその装置並びにそれを用いた半導体デバイスの製造方法 |
JP2005185560A (ja) * | 2003-12-25 | 2005-07-14 | Konica Minolta Medical & Graphic Inc | 医用画像処理装置及び医用画像処理システム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5235522A (en) * | 1990-10-10 | 1993-08-10 | Cell Analysis Systems, Inc. | Method and apparatus for automated analysis of biological specimens |
JP3476913B2 (ja) | 1994-07-08 | 2003-12-10 | オリンパス株式会社 | 欠陥種別判定装置及びプロセス管理システム |
JP2005033712A (ja) * | 2003-07-11 | 2005-02-03 | Sony Corp | 情報処理装置および方法、並びにプログラム |
JP4176041B2 (ja) * | 2004-04-14 | 2008-11-05 | オリンパス株式会社 | 分類装置及び分類方法 |
JP2005309535A (ja) | 2004-04-16 | 2005-11-04 | Hitachi High-Technologies Corp | 画像自動分類方法 |
JP4429236B2 (ja) * | 2005-08-19 | 2010-03-10 | 富士通株式会社 | 分類ルール作成支援方法 |
-
2008
- 2008-12-29 JP JP2008335779A patent/JP5075111B2/ja not_active Expired - Fee Related
-
2009
- 2009-12-28 WO PCT/JP2009/071774 patent/WO2010076882A1/ja active Application Filing
- 2009-12-28 US US13/142,812 patent/US8625906B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001156135A (ja) * | 1999-11-29 | 2001-06-08 | Hitachi Ltd | 欠陥画像の分類方法及びその装置並びにそれを用いた半導体デバイスの製造方法 |
JP2005185560A (ja) * | 2003-12-25 | 2005-07-14 | Konica Minolta Medical & Graphic Inc | 医用画像処理装置及び医用画像処理システム |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9002101B2 (en) | 2011-03-25 | 2015-04-07 | Kabushiki Kaisha Toshiba | Recognition device, recognition method, and computer program product |
JP2013225313A (ja) * | 2012-04-20 | 2013-10-31 | Applied Materials Israel Ltd | 自動欠陥分類における分類器の準備及び保守 |
JP2015135640A (ja) * | 2014-01-20 | 2015-07-27 | 富士ゼロックス株式会社 | 情報処理装置及び情報処理プログラム |
JP2015169642A (ja) * | 2014-03-11 | 2015-09-28 | 株式会社神戸製鋼所 | 欠陥分類装置及びそのメンテナンス方法 |
JP2020118696A (ja) * | 2014-05-15 | 2020-08-06 | ケーエルエー コーポレイション | 光学式検査及び光学式レビューからの欠陥属性に基づく電子ビームレビューのための欠陥サンプリング |
JP7026719B2 (ja) | 2014-05-15 | 2022-02-28 | ケーエルエー コーポレイション | 光学式検査及び光学式レビューからの欠陥属性に基づく電子ビームレビューのための欠陥サンプリング |
US9959482B2 (en) | 2014-11-28 | 2018-05-01 | Canon Kabushiki Kaisha | Classifying method, storage medium, inspection method, and inspection apparatus |
US10248888B2 (en) | 2014-11-28 | 2019-04-02 | Canon Kabushiki Kaisha | Classifying method, storage medium, inspection method, and inspection apparatus |
JP2016156645A (ja) * | 2015-02-23 | 2016-09-01 | シャープ株式会社 | 検査支援装置 |
JP2017107313A (ja) * | 2015-12-08 | 2017-06-15 | 株式会社Screenホールディングス | 教師データ作成支援方法、画像分類方法、教師データ作成支援装置および画像分類装置 |
WO2019065582A1 (ja) * | 2017-09-29 | 2019-04-04 | 富士フイルム株式会社 | 画像データ判別システム、画像データ判別プログラム、画像データ判別方法、及び撮像システム |
KR20200026110A (ko) * | 2018-08-31 | 2020-03-10 | 가부시키가이샤 히다치 하이테크놀로지즈 | 패턴 검사 시스템 |
KR102218364B1 (ko) * | 2018-08-31 | 2021-02-22 | 주식회사 히타치하이테크 | 패턴 검사 시스템 |
US11132788B2 (en) | 2018-08-31 | 2021-09-28 | Hitachi High-Tech Corporation | Pattern inspection system |
JP2020035282A (ja) * | 2018-08-31 | 2020-03-05 | 株式会社日立ハイテクノロジーズ | パターン検査システム |
JP7144244B2 (ja) | 2018-08-31 | 2022-09-29 | 株式会社日立ハイテク | パターン検査システム |
US11587225B2 (en) | 2018-08-31 | 2023-02-21 | Hitachi High-Tech Corporation | Pattern inspection system |
JP2021039022A (ja) * | 2019-09-04 | 2021-03-11 | 信越化学工業株式会社 | 欠陥分類方法及び欠陥分類システム並びにフォトマスクブランクの選別方法及び製造方法 |
JP7192720B2 (ja) | 2019-09-04 | 2022-12-20 | 信越化学工業株式会社 | フォトマスクブランクの欠陥分類方法及び欠陥分類システム並びにフォトマスクブランクの選別方法及び製造方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2010076882A1 (ja) | 2010-07-08 |
JP5075111B2 (ja) | 2012-11-14 |
US20110274362A1 (en) | 2011-11-10 |
US8625906B2 (en) | 2014-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5075111B2 (ja) | 画像分類基準更新方法、プログラムおよび画像分類装置 | |
JP3834041B2 (ja) | 学習型分類装置及び学習型分類方法 | |
JP4014379B2 (ja) | 欠陥レビュー装置及び方法 | |
KR102083706B1 (ko) | 반도체 검사 레시피 생성, 결함 리뷰 및 계측을 위한 적응적 샘플링 | |
US8428336B2 (en) | Inspecting method, inspecting system, and method for manufacturing electronic devices | |
JP4220595B2 (ja) | 欠陥の分類方法並びに教示用データ作成方法 | |
KR101144545B1 (ko) | 반도체 제조를 위한 탄력적 혼성 결함 분류 | |
TWI467400B (zh) | 智慧型缺陷良率總覽界面系統與方法 | |
JP5371916B2 (ja) | 検査システムにおける対話型閾値調整方法及びシステム | |
TWI515813B (zh) | Charged particle - ray device | |
JP2019212073A (ja) | 画像判別装置および方法 | |
JP2001156135A (ja) | 欠陥画像の分類方法及びその装置並びにそれを用いた半導体デバイスの製造方法 | |
JP2011222622A (ja) | 検査方法およびその装置 | |
US9280814B2 (en) | Charged particle beam apparatus that performs image classification assistance | |
WO2012046431A1 (ja) | 欠陥分類システム及び欠陥分類装置及び画像撮像装置 | |
JP2007114843A (ja) | 良否判定装置 | |
JP4597155B2 (ja) | データ処理装置、およびデータ処理方法 | |
JP2006098153A (ja) | 欠陥自動分類方法及び装置 | |
JP2009272497A (ja) | レシピパラメータ管理装置およびレシピパラメータ管理方法 | |
JP4652917B2 (ja) | 欠陥データ処理方法、およびデータの処理装置 | |
JP5323457B2 (ja) | 観察条件決定支援装置および観察条件決定支援方法 | |
JP2001134763A (ja) | 撮像画像に基づく欠陥の分類方法、および、その結果の表示方法 | |
JP2005274285A (ja) | 欠陥分類辞書教示装置 | |
TW202124946A (zh) | 缺陷檢測系統及缺陷檢測方法 | |
JP5374225B2 (ja) | ウェハ検査条件決定方法、ウェハ検査条件決定システム及びウェハ検査システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110209 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120417 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120615 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120807 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120824 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5075111 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150831 Year of fee payment: 3 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |