JP2012181209A - 欠陥分類方法及びその装置 - Google Patents
欠陥分類方法及びその装置 Download PDFInfo
- Publication number
- JP2012181209A JP2012181209A JP2012134507A JP2012134507A JP2012181209A JP 2012181209 A JP2012181209 A JP 2012181209A JP 2012134507 A JP2012134507 A JP 2012134507A JP 2012134507 A JP2012134507 A JP 2012134507A JP 2012181209 A JP2012181209 A JP 2012181209A
- Authority
- JP
- Japan
- Prior art keywords
- defect
- classification
- class
- priority
- classifier
- 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
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
【解決手段】特徴量抽出部、欠陥分類部、分類条件設定部を含み、分類条件設定部は、欠陥の特徴量と正解のクラスを対応づけて教示する機能と分類の優先順位を指定する機能を有し、優先順位の高い分類の正解率が高くなるよう条件設定を行う。
【選択図】図8
Description
実施例として、半導体ウェハを対象とした光学式外観検査装置を例にとる。図1は装置の構成の一例を示したものである。11は半導体ウェハなどの被検査物、12は被検査物11を搭載し、移動させるステージ、13は検出部で、被検査物11を照射するための光源101、光源101から出射した光を集光する照明光学系102、照明光学系102で集光された照明光で被検査物11を照明し、反射して得られる光学像を結像させる対物レンズ103、結像された光学像を明るさに応じて画像信号に変換するイメージセンサ104により構成される。14は画像処理部で、検出部13で検出された画像により試料であるウェハ上の欠陥候補を検出する。ここで、光源101は、例えばランプ光源やレーザ光源であり、イメージセンサ104は、例えばCCDリニアセンサやTDIセンサ、あるいはフォトマルなどである。
16はレビュー装置であり、検査装置には含まれないが、データの授受が可能なようになっている。
被検査物である半導体ウェハ11は、図2に示すように同一であるはずのパターンのダイ21が多数、規則的に並んでいる。隣接する2つのダイの同じ位置、例えば図2の領域22とそれに隣接するチップの領域23との間で画像を比較し、両者の間に差異がある部分を欠陥として検出する。
図4は、欠陥分類部110の第一の構成例である。特徴変換部401と分類器402からなる。特徴変換部401は、特徴量を入力し、予め設定された特徴変換パラメータを用いて特徴変換する。ここで、特徴変換パラメータは、分類条件設定部111において、指定された分類の優先順位に基づいて、優先順位の高い分類を容易にするように設定されるものとする。線形変換の場合M×Nの行列で表される。ただしMは変換後の特徴次元数、Nはもとの特徴次元数である。
また、さらにその下に2個以上の分類器をつないでもよく、図示する構成に限定されないものとする。
図8は、分類条件設定部111において分類の優先順位を指定するためのGUIの第一の例である。優先順位指定ウィンドウ801では、優先順位に対応づけて欠陥クラス、アキュラシーまたはピュリティの選択、目標性能を指定する。欠陥クラスは欠陥クラス選択リスト802から選択して指定する。リストには、教示データに含まれる全種類のクラスコードおよびクラス名と“all”、“minimum”が含まれている。“all”は全欠陥の正解率、“minimum”は各クラスのアキュラシーまたはピュリティの最悪値とする。アキュラシー・ピュリティ選択リスト803によりどちらかを選択し、目標設定ウィンドウ804への数値入力により、目標性能を設定する。設定は基本的に優先順位の上位から順に行うため、設定済みの項目のすぐ下の欄にのみ新しい項目が入力できるようになっている。設定後に優先順位変更ボタン805a、805bを用いて優先順位を変更することができる。
“up”を押すとすぐ上の項目と入れ替わり、“down”を押すとすぐ下の項目と入れ替わる。新しい項目を挿入したい場合は、一番下の欄に入力したのち“up”ボタンにより挿入したい箇所に移動させる。OKボタン806押下により、入力された設定が記憶され、優先順位の指定を終了する。キャンセルボタン807の押下により、入力された設定は破棄され、終了する。
図11は、分類条件設定部111において分類の優先順位を指定するためのGUIの第二の例である。欠陥クラスを階層的に定義することにより、お互いに誤分類すると困るグループと、誤分類しても影響の小さいグループを区別しようという考え方である。階層的分類コード指定ウィンドウ1101では、定義済みの欠陥クラスが欠陥クラスウィンドウ1102にリストアップされている。お互いに誤分類すると最も困るグループに異なる大分類コードを割り当て、大分類コードウィンドウ1103で設定する。
の押下により、入力された設定は破棄され、終了する。
OKならば終了である(1314)。目標をすべて達成しているはずである。ステップ1307において目標達成していない場合、N>1ならば終了であり、前回の結果を最終結果とする(1315)。前回は大分類の目標を達成しているはずである。ステップ1309において目標達成していない場合、N>2ならば終了であり、前回の結果を最終結果とする(1315)。前回は中分類および大分類の目標を達成しているはずである。
分類の優先順位の指定は、図8に示すGUIを用いて、クラス毎のピュリティおよびアキュラシーの目標を優先順位をつけて設定するものとする。上流の分類器から順に、優先順位の高い欠陥クラスを割り当て、割り当てたクラスを高い正解率で他のクラスから分類するよう学習することにより、分類条件を設定する構成とする。
また、欠陥クラス毎にカスタマイズするのではなく、異なる種類の分類器を全体の正解率あるいは最低アキュラシーが最も高くなるよう学習してもよい。統合の重み設定は上記と同様とする。
分類の優先順位の指定方法としては、重要な欠陥クラスかそうでないかを指定するだけでもよいし、欠陥クラスに順位をつけるだけでもよい。ピュリティおよびアキュラシーの目標を一個だけ決めることにより、上記と同様の処理が可能となる。
例えば、検出系13を暗視野式あるいはSEM式とした場合にも同様の構成として、分類条件設定が可能である。また、暗視野光学系において、異なる角度から検出する検出光学系を設け、2センサまたはそれ以上で画像検出し、それぞれに欠陥検出、画像切り出し、特徴抽出して得られる特徴量データを、併せて用いて欠陥分類する構成としてもよい。2回またはそれ以上の検査を異なる光学条件で行い、検出された欠陥の座標突合せを行った上で、得られる特徴量データを併せて欠陥分類する構成としてもよい。あるいは、それぞれの検査条件で得られた特徴量データを用いて個別に分類条件を設定する構成としてもよい。
実施例として、半導体ウェハを対象とした光学式外観検査装置を例にとる。図17は装置の構成の一例を示したものである。構成、動作とも第一の実施例とほぼ同じであるため、異なる部分を説明する。特徴切換部1701は、特徴抽出部109において算出する特徴量を指定する。特徴切換部1701を備えるのは、検査対象や光学条件によって分類に有効な特徴量が異なるためである。算出可能な特徴量全部を使用するのではなく、選択して使用することにより、分類に無関係な特徴量により分類性能が低下するのを防ぐとともに、特徴量の計算時間をセーブすることが可能となる。光学条件設定部1702は、全体制御部15によってコントロールされ、検出部13の調整により光学条件の変更を行う。明視野検出の場合、照明の強さ、波長、偏光、NA、検出側の偏光、NA、空間フィルタリング、倍率など、暗視野検出の場合、それらに加えてに照明の方位、仰角、検出の方位、仰角などが条件変更のパラメータとなる。
これまでに選択されていたリストの次のリストを自動的に選択して以降の処理に進んでもよい。
Claims (6)
- 被検査基板上に光または電子線を照射して得られる検出信号によって前記被検査基板上に存在する欠陥を検出する欠陥検出ステップと、
検出された前記欠陥の特徴量を算出する特徴量算出ステップと、
算出された前記特徴量を用いて、前記欠陥を分類する欠陥分類ステップとを有し、
前記欠陥分類ステップは、前記特徴量と前記特徴量に基づいて決定された欠陥クラスとの対応関係が予め教示された特徴量データと、前記欠陥クラスの分類の優先順位を予め指定した優先度とに基づいて設定される欠陥の分類条件を用いて、前記欠陥の分類を行い、
前記優先度を用いて、前記欠陥クラスを階層的に分類する優先順位を指定し、
前記分類された階層毎に目標性能が指定されることを特徴とする欠陥分類方法。 - 前記欠陥分類ステップは、ツリー状に接続された分類器によって、前記欠陥クラスの分類を階層的に行う一連のステップと、からなり、
前記優先度の指定において、前記欠陥クラスの階層的な分類と階層別の目標性能とを指定し、
前記分類条件の設定において上位の階層から順に前記欠陥クラスを分類するように分類器を接続し、前記階層別の目標性能を達成するよう前記分類器の分類条件を設定することを特徴とする請求項1記載の欠陥分類方法。 - 被検査基板を保持するステージと、
前記被検査基板上に光または電子線を照射して被検査基板の画像を検出する画像検出手段と、
検出された前記画像に基づいて前記被検査基板上に存在する欠陥を検出する欠陥検出手段と、
前記欠陥の画像に基づいて欠陥の特徴量を算出する特徴量算出手段と、
前記特徴量に基づいて欠陥を分類する欠陥分類手段と、
前記特徴量に欠陥クラスを対応付けて教示する教示手段と、
前記欠陥の分類の優先順位を指定する優先順位指定手段と、
前記特徴量と対応付けられた欠陥クラスの教示および分類の優先順位の指定に基づいて、前記欠陥の分類条件を設定する分類条件設定手段とを有し、
前記欠陥クラスの分類の優先順位を予め指定した優先度を用いて、前記欠陥クラスを階層的に分類する優先順位を指定し、
前記分類された階層毎に目標性能が指定されることを特徴とする欠陥分類装置。 - 前記欠陥分類手段は、前記欠陥クラスの分類を階層的に行うためのツリー状に接続された分類器からなり、
前記優先順位指定手段により、前記欠陥クラスの階層的な分類と階層別の目標性能とを指定し、
前記分類条件設定手段により、上位の階層から順に前記欠陥クラスを分類するように分類器を接続し、前記階層別の目標性能を達成するよう前記分類器の分類条件を設定することを特徴とする請求項3記載の欠陥分類装置。 - 被検査基板を保持するステージと、
前記被検査基板上に光または電子線を照射して被検査基板の信号を検出する複数の信号検出手段と、
前記複数の信号検出手段による検出信号に基づいて欠陥を検出する欠陥検出手段と、
前記複数の信号検出手段による検出信号に基づいて欠陥部の特徴量を算出する特徴量算出手段と、
前記欠陥の特徴量に基づいて欠陥を分類する欠陥分類手段と、
前記欠陥の特徴量に欠陥クラスを対応付けて教示する教示手段と、
前記欠陥の分類の優先順位を指定する優先順位指定手段と、
前記欠陥の特徴量と対応付けられた欠陥クラスの教示および分類の優先順位の指定に基づいて、前記欠陥の分類の判別基準を設定する分類条件設定手段とを有し、
前記欠陥クラスの分類の優先順位を予め指定した優先度を用いて、前記欠陥クラスを階層的に分類する優先順位を指定し、
前記分類された階層毎に目標性能が指定されることを特徴とする欠陥分類装置。 - 前記欠陥分類手段は、前記欠陥クラスの分類を階層的に行うためのツリー状に接続された分類器からなり、
前記優先順位指定手段により、前記欠陥クラスの階層的な分類と階層別の目標性能とを指定し、
前記分類条件設定手段により、上位の階層から順に前記欠陥クラスを分類するように分類器を接続し、前記階層別の目標性能を達成するよう前記分類器の分類条件を設定することを特徴とする請求項5記載の欠陥分類装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012134507A JP5439543B2 (ja) | 2012-06-14 | 2012-06-14 | 欠陥分類方法及びその装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012134507A JP5439543B2 (ja) | 2012-06-14 | 2012-06-14 | 欠陥分類方法及びその装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007273894A Division JP5022174B2 (ja) | 2007-10-22 | 2007-10-22 | 欠陥分類方法及びその装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012181209A true JP2012181209A (ja) | 2012-09-20 |
JP5439543B2 JP5439543B2 (ja) | 2014-03-12 |
Family
ID=47012491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012134507A Expired - Fee Related JP5439543B2 (ja) | 2012-06-14 | 2012-06-14 | 欠陥分類方法及びその装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5439543B2 (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014182754A (ja) * | 2013-03-21 | 2014-09-29 | Canon Inc | 学習装置、学習方法及びプログラム |
JP2015038441A (ja) * | 2013-08-19 | 2015-02-26 | 株式会社Screenホールディングス | 分類器取得方法、欠陥分類方法、欠陥分類装置およびプログラム |
WO2015129318A1 (ja) * | 2014-02-25 | 2015-09-03 | 株式会社日立製作所 | 画像検索方法、サーバ及び画像検索システム |
KR20200088012A (ko) * | 2019-01-14 | 2020-07-22 | 인하대학교 산학협력단 | 반도체 제조 공정에서 특징 선택 기법에 따른 멀티 분류기를 활용한 불량 패턴 예측 장치 및 방법 |
WO2020158630A1 (ja) * | 2019-01-31 | 2020-08-06 | 株式会社カネカ | 検出装置、学習器、コンピュータプログラム、検出方法及び学習器の生成方法 |
KR20200096993A (ko) * | 2018-01-05 | 2020-08-14 | 케이엘에이 코포레이션 | 전자 빔 검사를 사용한 결함 발견 및 뉴슨스를 감소시키기 위한 실시간 인텔리전스에 의한 딥 러닝 |
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 |
JP2022055953A (ja) * | 2020-09-29 | 2022-04-08 | タカノ株式会社 | 欠陥分類装置、欠陥分類方法及びプログラム |
WO2023176132A1 (ja) * | 2022-03-14 | 2023-09-21 | 東レエンジニアリング株式会社 | 欠陥分類装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001127129A (ja) * | 1999-10-27 | 2001-05-11 | Hitachi Ltd | 試料の欠陥検査システム、および検査方法 |
JP2001135692A (ja) * | 1999-06-15 | 2001-05-18 | Applied Materials Inc | ハイブリッドで一様に適用可能な自動欠陥分類法 |
JP2004047939A (ja) * | 2002-05-23 | 2004-02-12 | Hitachi High-Technologies Corp | 欠陥分類器の生成方法および欠陥自動分類方法 |
JP2004295879A (ja) * | 2003-03-12 | 2004-10-21 | Hitachi High-Technologies Corp | 欠陥分類方法 |
JP2005274285A (ja) * | 2004-03-24 | 2005-10-06 | Olympus Corp | 欠陥分類辞書教示装置 |
WO2005096181A1 (ja) * | 2004-03-31 | 2005-10-13 | Olympus Corporation | 学習型分類装置及び学習型分類方法 |
JP2006293820A (ja) * | 2005-04-13 | 2006-10-26 | Sharp Corp | 外観検査装置、外観検査方法およびコンピュータを外観検査装置として機能させるためのプログラム |
JP2007067130A (ja) * | 2005-08-31 | 2007-03-15 | Hitachi High-Technologies Corp | 回路パターン検査方法及びその装置 |
JP2008082821A (ja) * | 2006-09-27 | 2008-04-10 | Hitachi High-Technologies Corp | 欠陥分類方法及びその装置並びに欠陥検査装置 |
-
2012
- 2012-06-14 JP JP2012134507A patent/JP5439543B2/ja not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001135692A (ja) * | 1999-06-15 | 2001-05-18 | Applied Materials Inc | ハイブリッドで一様に適用可能な自動欠陥分類法 |
JP2001127129A (ja) * | 1999-10-27 | 2001-05-11 | Hitachi Ltd | 試料の欠陥検査システム、および検査方法 |
JP2004047939A (ja) * | 2002-05-23 | 2004-02-12 | Hitachi High-Technologies Corp | 欠陥分類器の生成方法および欠陥自動分類方法 |
JP2004295879A (ja) * | 2003-03-12 | 2004-10-21 | Hitachi High-Technologies Corp | 欠陥分類方法 |
JP2005274285A (ja) * | 2004-03-24 | 2005-10-06 | Olympus Corp | 欠陥分類辞書教示装置 |
WO2005096181A1 (ja) * | 2004-03-31 | 2005-10-13 | Olympus Corporation | 学習型分類装置及び学習型分類方法 |
JP2006293820A (ja) * | 2005-04-13 | 2006-10-26 | Sharp Corp | 外観検査装置、外観検査方法およびコンピュータを外観検査装置として機能させるためのプログラム |
JP2007067130A (ja) * | 2005-08-31 | 2007-03-15 | Hitachi High-Technologies Corp | 回路パターン検査方法及びその装置 |
JP2008082821A (ja) * | 2006-09-27 | 2008-04-10 | Hitachi High-Technologies Corp | 欠陥分類方法及びその装置並びに欠陥検査装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014182754A (ja) * | 2013-03-21 | 2014-09-29 | Canon Inc | 学習装置、学習方法及びプログラム |
JP2015038441A (ja) * | 2013-08-19 | 2015-02-26 | 株式会社Screenホールディングス | 分類器取得方法、欠陥分類方法、欠陥分類装置およびプログラム |
WO2015129318A1 (ja) * | 2014-02-25 | 2015-09-03 | 株式会社日立製作所 | 画像検索方法、サーバ及び画像検索システム |
KR20200096993A (ko) * | 2018-01-05 | 2020-08-14 | 케이엘에이 코포레이션 | 전자 빔 검사를 사용한 결함 발견 및 뉴슨스를 감소시키기 위한 실시간 인텔리전스에 의한 딥 러닝 |
KR102438825B1 (ko) | 2018-01-05 | 2022-08-31 | 케이엘에이 코포레이션 | 전자 빔 검사를 사용한 결함 발견 및 뉴슨스를 감소시키기 위한 실시간 인텔리전스에 의한 딥 러닝 |
KR102182678B1 (ko) | 2019-01-14 | 2020-11-24 | 인하대학교 산학협력단 | 반도체 제조 공정에서 특징 선택 기법에 따른 멀티 분류기를 활용한 불량 패턴 예측 장치 및 방법 |
KR20200088012A (ko) * | 2019-01-14 | 2020-07-22 | 인하대학교 산학협력단 | 반도체 제조 공정에서 특징 선택 기법에 따른 멀티 분류기를 활용한 불량 패턴 예측 장치 및 방법 |
WO2020158630A1 (ja) * | 2019-01-31 | 2020-08-06 | 株式会社カネカ | 検出装置、学習器、コンピュータプログラム、検出方法及び学習器の生成方法 |
JPWO2020158630A1 (ja) * | 2019-01-31 | 2021-10-07 | 株式会社カネカ | 検出装置、学習器、コンピュータプログラム、検出方法及び学習器の生成方法 |
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 |
JP2022055953A (ja) * | 2020-09-29 | 2022-04-08 | タカノ株式会社 | 欠陥分類装置、欠陥分類方法及びプログラム |
JP7393313B2 (ja) | 2020-09-29 | 2023-12-06 | タカノ株式会社 | 欠陥分類装置、欠陥分類方法及びプログラム |
WO2023176132A1 (ja) * | 2022-03-14 | 2023-09-21 | 東レエンジニアリング株式会社 | 欠陥分類装置 |
Also Published As
Publication number | Publication date |
---|---|
JP5439543B2 (ja) | 2014-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5022174B2 (ja) | 欠陥分類方法及びその装置 | |
JP5439543B2 (ja) | 欠陥分類方法及びその装置 | |
JP4908995B2 (ja) | 欠陥分類方法及びその装置並びに欠陥検査装置 | |
JP4616864B2 (ja) | 外観検査方法及びその装置および画像処理評価システム | |
US8306312B2 (en) | Method and apparatus for detecting pattern defects | |
KR102083706B1 (ko) | 반도체 검사 레시피 생성, 결함 리뷰 및 계측을 위한 적응적 샘플링 | |
US7668388B2 (en) | System and method for single image focus assessment | |
JP4253522B2 (ja) | 欠陥分類方法及び装置 | |
JP5546317B2 (ja) | 外観検査装置、外観検査用識別器の生成装置及び外観検査用識別器生成方法ならびに外観検査用識別器生成用コンピュータプログラム | |
JP5342606B2 (ja) | 欠陥分類方法及びその装置 | |
US6941009B2 (en) | Method for evaluating pattern defects on a water surface | |
US5566249A (en) | Apparatus for detecting bubbles in coverslip adhesive | |
US10312161B2 (en) | Process window analysis | |
WO2004042392A1 (ja) | 画像解析支援方法、画像解析支援プログラムおよび画像解析支援装置 | |
CN114092387B (zh) | 生成可用于检查半导体样本的训练数据 | |
WO2020152925A1 (ja) | 画像評価装置及び方法 | |
CN115439458A (zh) | 基于深度图注意力的工业图像缺陷目标检测算法 | |
US11308352B2 (en) | Apparatus for processing labeled data to be used in learning of discriminator, method of controlling the apparatus, and non-transitory computer-readable recording medium | |
UKAI | Tunnel lining crack detection method by means of deep learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120614 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130625 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130823 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130917 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20131114 |
|
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: 20131203 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131216 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5439543 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |