JP2013243230A - パターン評価装置、及びコンピュータープログラム - Google Patents

Abstract

【課題】オペレーターの目視評価に忠実なパターン評価を行うパターン評価装置を提供する。
【解決手段】撮像画像を用いてパターンを評価するパターン評価装置１であって、パターン画像から抽出された輪郭線を表示する表示装置１３と、パターンの評価値を入力、或いは選択する入力装置１４と、輪郭線のデータからパターンの複数の特徴量を算出する演算装置１５を備え、当該演算装置１５が、前記入力装置１４によって入力されたパターンの評価結果と、前記複数の特徴量に基づいて、パターンの評価値を計算する計算式を導出する。
【選択図】図１

Description

本発明は、良品、不良品等のパターンの出来栄えを評価する方法、評価装置に係り、特に半導体デバイス等の設計データに基づいて半導体パターンの良否を評価する方法等に関する。

半導体等の製造ラインでは、不良原因を早期に発見し、該不良原因を取り除くようにプロセスおよび製造装置にフィードバックしていくことが歩留りの向上に必須である。また、半導体装置を製造する際、各プロセスにおいて基板上に形成されたパターンが設計された通りに形成されているかどうかを検査するのに、従来から測長走査型電子顕微鏡（Critical-Dimension Scanning Electron Microscope：ＣＤ−ＳＥＭ）等が広く用いられている。

特許文献１には、欠陥候補画像を目視で確認することによって、欠陥候補が重要欠陥か非重要欠陥かを判断し、その判断結果に基づいて、教示データを生成し、欠陥分類境界を決定することが開示されている。

また、欠陥の複数の特徴量の線形和の算出に基づいて、欠陥の程度を求めることが説明されている。具体的には複数の特徴量に領域および欠陥の種類などにより重みを付けた線形和を求めることが説明されている。引用文献２には、欠陥の領域の種類と欠陥のカテゴリーに基づいて、欠陥の致命／非致命を判定する手法が開示されている。

特開２０１１−８９９７６号公報 特開２００１−３０５０７３号公報

しかしながら、上記引用文献のいずれにおいても、致命性レベルを求める重みの求め方については具体的な記載がない。通常、複数のサンプルを用いて各特徴量に割り振った重みを変えながら、欠陥が判別できるようになるまで繰り返す方法を行うが、その場合、目視確認と同等または、目視に沿う致命性レベルにならない可能性が有る。その場合、プロセスやパターン等により欠陥判定の閾値を変更すると、欠陥としたくないパターンが欠陥となるケースやその逆のケースも起こる可能性がある。

以下に、オペレーターの目視評価に忠実なパターン評価を行うことを目的とするパターン評価装置、及びコンピュータープログラムについて説明する。

上記目的を達成するための一態様として、以下に、撮像画像を用いてパターンを評価するパターン評価装置であって、撮像装置にて取得されたパターン画像、或いは当該パターン画像から抽出された輪郭線を表示する表示装置と、パターンの評価値を入力、或いは選択する入力装置と、前記パターン画像、或いは前記輪郭線のデータからパターンの複数の特徴量を算出する演算装置を備え、当該演算装置は、前記入力装置によって入力されたパターンの評価結果と、前記複数の特徴量に基づいて、パターンの評価値を計算する計算式を導出するパターン評価装置、及びコンピュータープログラムを提案する。

上記構成によれば、オペレーターの目視評価に忠実なパターン評価を行うパターン評価装置、及びコンピュータープログラムの提供が可能となる。

パターン評価装置の一例を示す図。 パターン評価装置の表示部に表示する画像の一例を示す図。 パターン評価装置の目視評価値入力部の一例を示す図。 パターン評価装置の特徴算出部の一例を示す図。 特徴量の抽出対象となるパターン部位の一例を示す図。 特徴量の一例を示す図。 パターン部位を測定する際の測定領域の一例を示す図。 パターン評価装置のスコア計算式生成部の一例を示す図。 パターン評価装置の一例を示す図。 パターン評価装置の特徴算出部の一例を示す図。 パターン評価装置のスコア計算部の一例を示す図。 パターン評価装置の一例を示す図。 目視評価値の誤差を示す図。 パターン評価装置の欠陥判別部の一例を示す図。 パターン評価装置の公差内外判定部及び識別部の概要を示す図。 パターン評価装置のスコア計算式生成部の一例を示す図。 パターン評価装置のスコア計算部の一例を示す図。 半導体計測システムの一例を説明する図。 走査電子顕微鏡の概略説明図。 表示部の一例を示す図。 目視評価値を入力するＧＵＩ画面の一例を示す図。

本実施例では、主に、半導体パターンの形状を評価する画像評価方法、装置、及びコンピュータープログラムにおいて、設計データと評価するパターンの２つのパターン形状を表示する表示部と、前記表示部をユーザーが目視して、パターン形状の評価値を入力する目視評価入力部と、前記２つのパターン形状を用いて複数の特徴量を算出する特徴量算出部と、前記目視評価値入力部の値と前記特徴量算出部の複数の特徴量を用いてパターン形状の評価値を計算する計算式を求めて、パターン形状の評価値を得る方法、装置、及びコンピュータープログラムについて説明する。

上記構成によれば、目視評価に沿った欠陥の度合い、または良品らしさの評価値（スコア値）を自動的に得ることができ、プロセスやパターンによる欠陥、若しくは不良の判定閾値の変更が目視に沿って精度良く実現できる。

以下に説明する実施例にて例示する画像評価装置は、２次元形状の画像について、良品らしさの目視による評価値と同等のスコア値を算出する手法、及び装置に関するものである。また、その具体的な一例として、設計データと濃淡画像から得る輪郭線データとから、良品らしさの目視による評価値と同等のスコア値を得るための算出式を求める。また、得た算出式を用いて評価する例を示す。また、良品らしさの目視による評価値をユーザーが設定する例を示す。

また、設計データと濃淡画像から得る輪郭線データとから、特徴量を抽出する際に、パターンの部位毎に分けて特徴量を求め、各部位毎の特徴量と良品らしさの目視による評価値とから、部位毎にスコアを計算して、求めた部位毎のスコアを統合して、画像全体のスコアを求める例についても説明する。

また、予め大きな欠陥、明らかな欠陥は検出し、スコア計算を行わないようにし、それ以外の画像データについてのみスコア計算を行う例についても説明する。

上述の実施例によれば、目視評価と同等の良品らしさの判別が自動で行うことが可能となる。

以下に、設計データと濃淡画像から得る輪郭線データとから、良品らしさの目視による評価値と同等のスコア値を得るための算出式を求め、求めた算出式を用いて画像を評価する機能を備えた装置、測定検査システムについて、図面を用いて説明する。より具体的には、測定装置の一種である測長用走査電子顕微鏡（Critical Dimension-Scanning Electron Microscope：ＣＤ−ＳＥＭ）を含む装置、システムについて説明する。

なお、以下の説明では、撮像装置として荷電粒子線装置を例示すると共に、その一態様として、ＳＥＭを用いた例を説明するが、これに限られることはなく、例えば試料上にイオンビームを走査して画像を形成する集束イオンビーム（Focused Ion Beam：ＦＩＢ）装置を荷電粒子線装置として採用するようにしても良い。但し、微細化が進むパターンを高精度に測定するためには、極めて高い倍率が要求されるため、一般的に分解能の面でＦＩＢ装置に勝るＳＥＭを用いることが望ましい。

図１８は、複数の測定、或いは検査装置がネットワークに接続された測定、検査システムの概略説明図である。当該システムには、主に半導体ウエハやフォトマスク等のパターン寸法を測定するＣＤ−ＳＥＭ２４０１、試料に電子ビームを照射することによって、画像を取得し当該画像と予め登録されている参照画像との比較に基づいて欠陥を抽出する欠陥検査装置２４０２がネットワークに接続された構成となっている。また、ネットワークには、半導体デバイスの設計データ上で、測定位置や測定条件等を設定する条件設定装置２４０３、半導体デバイスの設計データと、半導体製造装置の製造条件等に基づいて、パターンの出来栄えをシミュレーションするシミュレーター２４０４、及び半導体デバイスのレイアウトデータや製造条件が登録された設計データが記憶される記憶媒体２４０５が接続されている。

設計データは例えばＧＤＳフォーマットやＯＡＳＩＳフォーマットなどで表現されており、所定の形式にて記憶されている。なお、設計データは、設計データを表示するソフトウェアがそのフォーマット形式を表示でき、図形データとして取り扱うことができれば、その種類は問わない。また、記憶媒体２４０５は測定装置、検査装置の制御装置、或いは条件設定装置２４０３、シミュレーター２４０４に内蔵するようにしても良い。なお、ＣＤ−ＳＥＭ２４０１、及び欠陥検査装置２４０２には、それぞれの制御装置が備えられ、各装置に必要な制御が行われるが、これらの制御装置に、上記シミュレーターの機能や測定条件等の設定機能を搭載するようにしても良い。

ＳＥＭでは、電子源より放出される電子ビームが複数段のレンズにて集束されると共に、集束された電子ビームは走査偏向器によって、試料上を一次元的、或いは二次元的に走査される。

電子ビームの走査によって試料より放出される二次電子（Secondary Electron：ＳＥ）或いは後方散乱電子（Backscattered Electron：ＢＳＥ）は、検出器により検出され、前記走査偏向器の走査に同期して、フレームメモリ等の記憶媒体に記憶される。このフレームメモリに記憶されている画像信号は、制御装置内に搭載された演算装置によって積算される。また、走査偏向器による走査は任意の大きさ、位置、及び方向について可能である。

以上のような制御等は、各ＳＥＭの制御装置にて行われ、電子ビームの走査の結果、得られた画像や信号は、通信回線ネットワークを介して条件設定装置２４０３に送られる。なお、本例では、ＳＥＭを制御する制御装置と、条件設定装置２４０３を別体のものとして、説明しているが、これに限られることはなく、条件設定装置２４０３にて装置の制御と測定処理を一括して行うようにしても良いし、各制御装置にて、ＳＥＭの制御と測定処理を併せて行うようにしても良い。

また、上記条件設定装置２４０３或いは制御装置には、測定処理を実行するためのプログラムが記憶されており、当該プログラムに従って測定、或いは演算が行われる。また、以下に説明する実施例では、条件設定装置２４０３に、必要な情報をオペレーターに知らせるための表示装置、入力装置、及び後述する演算式を作成する演算装置が設けられている例について説明するが、これに限られることなく、後述する処理を実行させるコンピュータープログラムを汎用のコンピューターの記憶媒体に記憶させた上で、後述する表示、入力処理、及び演算処理を行わせるようにしても良い。

また、条件設定装置２４０３は、ＳＥＭの動作を制御するプログラム（レシピ）を、半導体の設計データに基づいて作成する機能が備えられており、レシピ設定部として機能する。具体的には、設計データ、パターンの輪郭線データ、或いはシミュレーションが施された設計データ上で所望の測定点、オートフォーカス、オートスティグマ、アドレッシング点等のＳＥＭにとって必要な処理を行うための位置等を設定し、当該設定に基づいて、ＳＥＭの試料ステージや偏向器等を自動制御するためのプログラムを作成する。

図１９は、走査電子顕微鏡の概略構成図である。電子源２５０１から引出電極２５０２によって引き出され、図示しない加速電極によって加速された電子ビーム２５０３は、集束レンズの一形態であるコンデンサレンズ２５０４によって、絞られた後に、走査偏向器２５０５により、試料２５０９上を一次元的、或いは二次元的に走査される。電子ビーム２５０３は試料台２５０８に内蔵された電極に印加された負電圧により減速されると共に、対物レンズ２５０６のレンズ作用によって集束されて試料２５０９上に照射される。

電子ビーム２５０３が試料２５０９に照射されると、当該照射個所から二次電子、及び後方散乱電子のような電子２５１０が放出される。放出された電子２５１０は、試料に印加される負電圧に基づく加速作用によって、電子源方向に加速され、変換電極２５１２に衝突し、二次電子２５１１を生じさせる。変換電極２５１２から放出された二次電子２５１１は、検出器２５１３によって捕捉され、捕捉された二次電子量によって、検出器２５１３の出力Ｉが変化する。この出力Ｉに応じて図示しない表示装置の輝度が変化する。例えば二次元像を形成する場合には、走査偏向器２５０５への偏向信号と、検出器２５１３の出力Ｉとの同期をとることで、走査領域の画像を形成する。また、図１９に例示する走査電子顕微鏡には、電子ビームの走査領域を移動する偏向器（図示せず）が備えられている。

なお、図１９の例では試料から放出された電子を変換電極にて一端変換して検出する例について説明しているが、無論このような構成に限られることはなく、例えば加速された電子の軌道上に、電子倍像管や検出器の検出面を配置するような構成とすることも可能である。制御装置２５１４は、走査電子顕微鏡の各構成を制御すると共に、検出された電子に基づいて画像を形成する機能や、ラインプロファイルと呼ばれる検出電子の強度分布に基づいて、試料上に形成されたパターンのパターン幅を測定する機能を備えている。

次に、画像認識を行うための画像評価装置１の一態様を説明する。画像評価装置１は、制御装置２５１４内に内蔵、或いは画像処理を内蔵された演算装置にて実行することも可能であるし、ネットワークを経由して、外部の演算装置（例えば条件設定装置２４０３）にて画像評価を実行することも可能である。

図１は、設計データとＳＥＭ画像及びユーザーが設定する目視評価値に基づいて半導体パターンの良品らしさのスコア値を求めるための計算式を生成する画像評価装置１の一例を説明する図である。

画像データ記憶部１１には半導体パターンをＳＥＭで撮影した画像（ＳＥＭ像）の画像データが記憶されている。この画像データに対して輪郭線データ生成部１２でパターンの輪郭線（２次元形状）データを得る。設計データ記憶部１０には画像認識（マッチング）の対象となるＳＥＭ像のパターンに対応する設計データ（レイアウトデータ）が記憶されている。輪郭線データ生成部１２で得た輪郭線データと、設計データ記憶部１０のＳＥＭ像のパターンに対応する設計データから得たパターンの輪郭線（２次元形状）データを、表示部１３に表示する。

さらに、表示部１３で表示された設計データから得た２次元形状データと、輪郭線データ生成部１２で得たパターンの輪郭線（２次元形状）データをユーザーが目視で比較、確認し、設計データから得た２次元形状データを基準に良品らしさの目視評価値を目視評価値入力部１４で入力する。一方、特徴量算出部１５では設計データから得た２次元形状データと、輪郭線データ生成部１２で得たパターンの輪郭線（２次元形状）データを比較して、それらの形状の差に基づいて複数の特徴量を得る。そして、スコア算出部１６では、目視評価値入力部１４で得た目視評価値と、特徴量算出部１５で得た複数の特徴量を用いて、目視による良品らしさに沿ったスコア値を得るための計算式を得る。

本実施例では、ＳＥＭ画像について輪郭線化処理を行うことによって形成した輪郭線データを目視評価対象とする例について説明しているが、これに限られることはなく、例えばＳＥＭ画像を評価対象とするようにしても良い。ＳＥＭ画像に基づいた評価を行った上で、輪郭線化を行い、当該輪郭線データを後述する演算式導出に用いるようにしても良い。

ここでは、画像データ記憶部１１の画像から輪郭線という形状データを得るために輪郭線データ生成部１２を設けているが、例えば、画像データ記憶部１１に予め輪郭線等の形状データを記憶していれば、輪郭線データ生成部１２は設ける必要が無い。また、設計データは外部の記憶媒体２４０５から読み出すようにしても良い。また、輪郭線データ生成部１２は、エッジ検出フィルタや、２値化して細線化フィルタを行う等、公知技術で実現できるため、説明は除く。ＳＥＭで撮影する画像は撮影条件や帯電による影響でホワイトバンド幅の変動や帯引き等が起こり、目視の濃淡画像の比較では小さな差分は判別が困難である。そのため、撮影条件による濃淡変動の影響が少ない輪郭線情報に変換して、比較することで差分を見易くする。

表示部１３には図２に示すように設計データから得た２次元形状データの画像１３Ａとし、輪郭線データ生成部１２で得たパターンの輪郭線（２次元形状）データの画像１３Ｂとした場合、設計データから得た２次元形状データ１３Ａとパターンの輪郭線（２次元形状）データ１３Ｂを重ねた画像１３Ｃが表示される。２つの輪郭線を重ねて表示させて比較することで小さな形状の違いも目視で容易に確認ができる。

図３に目視評価値入力部１４の一例を示す。ここで５段階の評価値を入力する例を示す。図２の設計データから得た２次元形状データの画像１３Ａの形状に、パターンの２次元形状データを重ねた画像について、左から出来栄えの悪いパターンを評価値１として、順に右方向へ評価値２〜５と出来栄えの良いパターンを示している。入力する目視評価値の基準はユーザーが決める。数値を入力する際、キーボードを目視評価値入力部１４として数値を入力する、または表示部１３に１から５の数値を表示させて目視評価値入力部１４として、カーソルを移動させて対応する数値を入力することも考えられる。または、表示部１３に目視評価値入力部（スライダー）１４１を表示させて１から５段階をスライドさせて設定することも考えられる。さらに、設定する数値は整数値ではなく、評価値３.８等の実数値を設定することも考えられる。また、ここでは評価値は１〜５の範囲で指定しているが、それに限らず、１〜１０の範囲でもよいし、整数や実数で取りうる範囲で設定してよい。但し、パターンや形状の良品らしさの順に大きい値、若しくは、小さい値を設定する。パターンや形状の良品らしさの順に対応する複数の数値を用いる。

また、目視評価値を入力する際に、予め断線、接触等の良品らしさの基準として、例えば、図３に示すような、各断線、接触等に係る目視評価値１から目視評価値５までの一例の画像をユーザーが決めて、表示部３に表示して置き、目視評価値を入力する際に参考にすることが考えられる。表示する画像は設計データから得た輪郭線とその輪郭線を拡大縮小した画像を重ねた画像でもよいし、設計データから得た輪郭線とパターンの輪郭線を重ねた画像でもよい。また、パターンの輪郭線と設計データから得た輪郭線を用いてモーフィング等の処理を行って得た画像を用いることも考えられる。それらの画像をそれぞれの目視評価値の基準として登録することが考えられる。また、断線、接触だけでなくパターン崩れや、シュリンク等も同様に目視評価値１から目視評価値５までの一例の画像を表示することが考えられる。また、断線、接触、パターン崩れや、シュリンクのそれぞれの目視評価値の基準を表示すると見にくいので、目標評価値を入力するパターンに関係する例えば、断線に近いパターン画像の場合は断線のそれぞれの目視評価値の基準だけを表示させることも考えられる。その時は、断線、接触、パターン崩れ、シュリンクに対応するスイッチを押して表示させることが考えられる。また、図２０に示すように目視評価値を付けたパターンの画像に対してその目視評価値の対応がとれるようにすることが考えられる。また付けた目視評価値順に画像を並べて表示させて、目視評価値を付け終わった後の画像に対して目視評価値を見直すことが容易にできるようにすることも考えられる。

図２１は、目視評価値を選択するＧＵＩ（Graphical User Interface）画面の一例を示す図である。画面左側は目視評価対象となる輪郭線データ（Contour）、或いは電子顕微鏡画像（ＳＥＭ image）が表示できるウィンドウと、ポインティングデバイスにて選択した輪郭線データ等の直線部位（Line）、端点部位（Line End）、コーナー（Corner）の設計データに基づく線分と輪郭線との間の距離等の特徴量を表示するウィンドウが設けられている。また、画面右側には目視評価値（ここではDefect Levelと表示）ごとに、個別のウィンドウが設けられている。左側のウィンドウから、ポインティングデバイス等を利用して、右側のウィンドウに輪郭線データを移動することによって、輪郭線データ等と目視評価値を関連付けて記憶できるようになっている。このように、目視評価値を数値として入力するのではなく、予め設定した各評価指標値を評価結果として選択することによって、数値入力に代えるようにしても良い。

また、右側のウィンドウの欠陥レベルごとのウィンドウにはそれぞれ、選択済みの輪郭線データを表示する表示欄２１０１と、選択済みの輪郭線データのうち、代表的なデータを表示する表示領域２１０２が設けられている。

表示領域２１０２には、例えば対象となる欠陥レベルの中で、平均値を持つ輪郭データや、選択した複数の輪郭線データの対応点間の差分から平均値を求め、当該平均値位置を繋ぎ合わせて作成した合成平均輪郭線等を表示する。このような表示を行うことによって、オペレーターは、過去の選択データを確認しつつ、欠陥レベルを判定することができるので、過去の選択との齟齬なく、新たな選択を行うことが可能となる。また、図２１に例示するように、各レベルの特徴量の最大値と最小値を示す輪郭データを併せて表示しておくようにすることによっても、オペレーターは過去の選択データを参照しつつ、新たな選択を行うことが可能となる。

図４に特徴量算出部１５の実施例を示す。設計データから得た２次元形状データと、パターンの２次元形状データを用いて直線検出部１５１で、直線の部位を検出し、その領域を記憶する。コーナー検出部１５２で、コーナーの部位を検出し、その領域を記憶する。さらに、端点検出部１５３で、端点の部位を検出し、その領域を記憶する。直線検出部１５１で記憶した直線部に相当する画像領域から特徴量算出部１５４で複数の特徴量を抽出する。また、コーナー検出部１５２で記憶したコーナー部に相当する画像領域について特徴量算出部１５５で複数の特徴量を抽出する。また、端点検出部１５３で記憶した端点部に相当する画像領域について特徴量算出部１５６で複数の特徴量を抽出する。直線検出部１５１、コーナー検出部１５２、端点検出部１５３では設計データの２次元形状データから図５に示すような直線（ａ）、コーナー（ｂ）、端点（ラインエンド）（ｃ）、に相当する輪郭線の部位を検出する。各部位の検出は直線（ａ）、コーナー（ｂ）、端点（ｃ）の形状のテンプレートを用いてパターンマッチングで検出が可能である。ここではコーナーは直角としているが、設計データの２次元形状データが角の部分が丸くなっている場合は、角の部分が丸い形状のテンプレートを用いて検出する。また、検出する部位は直線とそれ以外の２つにしても効果がある。また、斜め線や、丸いパターンを検出する等、検出する部位を増やすことも考えられる。また、コーナーでも内側と外側で分けることも考えられる。領域はマッチングで位置を検出して、その検出位置を基準に予め定めた範囲、例えば周囲数十画素を部位の領域として記憶することが考えられる。予め定めた範囲はユーザーが自由に調整でき、また部位毎に変えることが考えられる。

特徴量算出部１５４では図６の（ａ）のように直線部位の画像領域内で、設計データから得た２次元形状データＡと、パターンの２次元形状データＢの形状の差を求める。まず、２つの２次元形状データの対応位置で重ねて２次元形状データＡの各画素に対応する２次元形状データＢの画素を求めて、その画素間の距離Ｌを求める。直線部位の画像領域の全輪郭画素で行っても良いし、間引いてもよい。複数点で求めたＬの平均値、分散や標準偏差、最大値、最小値等、複数の特徴量を求める。

特徴量算出部１５６でも図６の（ｂ）のように端点部位の画像領域内で、２次元形状データＡの各画素に対応する２次元形状データＢの画素間の距離Ｌを複数点で求め、Ｌの平均値、分散や標準偏差、最大値、最小値等、複数の特徴量を求める。

特徴量算出部１５５も同様にコーナー部位の画像領域内でＬの平均値、分散や標準偏差、最大値、最小値等、複数の特徴量を求める。

例えば、図７のように各部位で検出された場合、直線部は１５１ａ，１５２ａ，１５３ａ，１５４ａの４つの領域を１つの領域として纏めて全領域で求めたＬの平均値、その分散や標準偏差、最大値、最小値等の複数の特徴量を求める。

また、コーナー部は１５ｂの領域でＬの平均値、分散や標準偏差、最大値、最小値等の複数の特徴量を求める。

端点部は１５１ｃ，１５２ｃの２つの領域を１つの領域として纏めてＬの平均値、分散や標準偏差、最大値、最小値等の複数の特徴量を求める。ここで、各部位で複数領域を１つの領域に纏めて特徴量を求めるが、例えば、各部位の複数の領域毎に特徴量を求めて、平均化することも考えられる。また、複数の領域毎に求めた特徴量の最大値を選ぶことも考えられるし、最小値を選んでも良い。また、複数ある特徴量によって平均値、最大値、最小値と変えてもよい。例えば、平均値、分散や標準偏差は複数領域で求めた平均値、最大値は複数領域で求めた最大値、最小値は複数領域で求めた最小値とすることが考えられる。複数領域で求めた平均値を求める際は領域の面積または領域内の設計データから得た２次元形状データ（輪郭画素）数で重みを付けて加算し、平均を求めることも考えられる。

図８にスコア計算式生成部の実施例を示す。計算式生成部１６１では直線部位の特徴量算出部で得た複数の特徴量とユーザーが入力した目視評価値を用いて、直線部位の複数の特徴量からユーザーが入力した目視評価値が得られるような計算式を生成する。

計算式生成部１６２ではコーナー部位の特徴量算出部で得た複数の特徴量とユーザーが入力した目視評価値を用いて、コーナー部位の複数の特徴量からユーザーが入力した目視評価値が得られるような計算式を生成する。

計算式生成部１６３では端点部位の特徴量算出部で得た複数の特徴量とユーザーが入力した目視評価値を用いて、端点部位の複数の特徴量からユーザーが入力した目視評価値が得られるような計算式を生成する。計算式を求める際は、設計データから得た２次元形状データと、パターンの２次元形状データを複数枚、用いて計算式を求める。

計算式は回帰分析を用いて、ユーザーが入力した目視評価値を目的変数とし、部位で求めた複数の特徴量を説明変数として求めることができる。具体的には、複数の特徴量をＸ１，Ｘ２，Ｘ３とし、それぞれの重み（係数）Ｗ１，Ｗ２，Ｗ３とした場合、スコア値を求める計算式（式１）は、
スコア値＝Ｗ１＊Ｘ１＋Ｗ２＊Ｘ２＋Ｗ３＊Ｘ３ …式１
となる。また、それ以外にも線形計画法を用いて求めることが考えられる。

以上で、目視評価値と同等のスコア値を得る計算式を求めることができる。

図９を用いて、設計データとＳＥＭ画像及びユーザーの目視評価値に沿った半導体パターンの良品らしさのスコア値を算出する画像評価装置２の一例を説明する図である。

画像データ記憶部２１には半導体パターンをＳＥＭで撮影した画像（ＳＥＭ像）の画像データが記憶されている。この画像データに対して輪郭線データ生成部２２でパターンの輪郭線（２次元形状）データを得る。設計データ記憶部２０には画像認識（マッチング）の対象となるＳＥＭ像のパターンに対応する設計データ（レイアウトデータ）が記憶されている。特徴量算出部１５では設計データから得た２次元形状データと、輪郭線データ生成部１２で得たパターンの輪郭線（２次元形状）データを比較して、それらの形状の差に基づいて複数の特徴量を得る。そして、スコア算出部２６では特徴量算出部２５の複数の特徴量を用いて、目視による良品らしさに沿ったスコア値を得る。設計データ記憶部２０、画像データ記憶部２１、輪郭線データ生成部２２、図１で説明した内容と同じであるので、説明は除く。

図１０に特徴量算出部２５の実施例の一例を示す。直線検出部２５１、コーナー検出部２５２、端点検出部２５３は図４で説明した、直線検出部１５１、コーナー検出部１５２、端点検出部１５３と同様であるが、加えて直線検出部２５１、コーナー検出部２５２、端点検出部２５３部位毎に検出した領域内の設計データの２次元形状データの輪郭画素数を、それぞれａＡ，ｂＡ，ｃＡとして出力する。また、ａＡ，ｂＡ，ｃＡの輪郭画素数を加算した値ｔＡを加算部１５７で求める。ここでは設計データの２次元形状データの輪郭画素数としているが、検出した各部位の領域範囲の面積を用いることも考えられる。特徴量抽出部２５４，２５５，２５６は特徴量算出部１５４，１５５，１５６と同じである。

スコア算出部２６の実施例について図１１を用いて説明する。スコア算出部２６では予めスコア算出部１６の直線部位の計算式生成部１６１で求めた直線部位の計算式をスコア計算部２６１に格納し、コーナー部位の計算式生成部１６２で求めたコーナー部位の計算式をスコア計算部２６１に格納し、端点部位の計算式生成部１６３で求めた端点部位の計算式をスコア計算部２６３に格納しておく。そしてスコア計算部２６１では特徴量算出部２５で得た直線部位の複数の特徴量ａから格納している直線部位の計算式に基づいて直線部位のスコア値を計算する。同様にスコア計算部２６２では特徴量算出部２５で得たコーナー部位の複数の特徴量ｂから格納しているコーナー部位の計算式に基づいてコーナー部位のスコア値を計算し、スコア計算部２６３では特徴量算出部２５で得た端点部位の複数の特徴量ｃから格納している端点部位の計算式に基づいて端点部位のスコア値を計算する。そして、統合スコア算出部２６４では直線部、コーナー部、端点部で求めたスコア値に、部位それぞれの領域内の設計データから得た２次元形状データ（輪郭画素）数で重みを付けて加算して求める。また、面積で重みを付けて加算して求めることも考えられる。

ユーザーが目視評価値を付ける際に、ここでは設定する評価値の範囲は１から５の範囲を設けているが、その場合、例えば、基準となる設計データの２次元形状データと一致するものを評価値５とし、目視で見て、パターンの断線、接触またはパターンが無い等、明らかな欠陥は評価１とすることが考えられる。また、どんなにパターンが基準から乖離して、大きな欠陥となっても評価値１以下の設定はしないようにすることが考えられる。その場合、スコア計算式を回帰式で求める際に、計算式の精度が悪くなる。

例えば、図１３のように、目視評価値５から目視評価値１を結ぶ直線の延長線上に、目視評価値１よりも、さらに基準パターンの形状から乖離した画像が存在し、本来はそれらの画像について目視評価値１よりも小さい、０や−１等の値になる。しかし、今回、目視で判る欠陥はどんなに形状が崩れても、全て目視評価値１に置き換えてしまい、誤差Ｅが生じるため、回帰式を求める際に悪影響を与え、目視評価値の予測精度、つまり、目視と同等の評価値を得るためのスコア計算式の精度を低下させる場合がある。そこで、目視評価値１となる欠陥は除外して、目視評価値５〜２の範囲で回帰式を求めてスコア計算式を求める。もともと良否判定を行う閾値設定を行うために目視評価値と同等のスコア値を求めたいので、閾値から外れた明らかな欠陥についてはスコア値を求めてもメリットが無い。明らかな欠陥はスコア値を求めないと割り切って、それ以外の画像に絞って、スコア値を求めて算出精度を向上させる。

上記、評価値１となるパターンの断線、接触またはパターンが無い等、明らかな欠陥を除外してスコア計算式を求める実施例を図１２に示す。画像データ記憶部１１には半導体パターンをＳＥＭで撮影した画像（ＳＥＭ像）の画像データが記憶されている。この画像データに対して輪郭線データ生成部１２でパターンの輪郭線（２次元形状）データを得る。設計データ記憶部１０には画像認識（マッチング）の対象となるＳＥＭ像のパターンに対応する設計データ（レイアウトデータ）が記憶されている。輪郭線データ生成部１２で得た輪郭線データと、設計データ記憶部１０のＳＥＭ像のパターンに対応する設計データから得たパターンの輪郭線（２次元形状）データを、表示部１３に表示する。さらに、表示部１３で表示された設計データから得た２次元形状データと、輪郭線データ生成部１２で得たパターンの輪郭線（２次元形状）データをユーザーが目視で比較、確認し、設計データから得た２次元形状データを基準に良品らしさの目視評価値を目視評価値入力部１４で入力する。

一方、特徴量算出部１５では設計データから得た２次元形状データと、輪郭線データ生成部１２で得たパターンの輪郭線（２次元形状）データを比較して、それらの形状の差に基づいて複数の特徴量を得る。

また、欠陥判定部１７で設計データから得たパターンの輪郭線（２次元形状）データと輪郭線データ生成部１２で得たパターンの輪郭線（２次元形状）データと、目視評価値の情報からパターンの欠陥を判別する。欠陥判定部１７で欠陥と判別した画像はスコア算出部１６′の処理では用いずに、除外して、スコア値の計算式を求める。図１４に欠陥判定部１７の実施例を示す。公差内外判定部１７１では、設計データから得たパターンの輪郭線データを基準にして、対応するパターンの輪郭線データの形状変化、画素位置が許容できる範囲（公差範囲）を求めて、輪郭線データ生成部１２で得たパターンの輪郭線（２次元形状）データが公差範囲の外側に存在するかを判定し、外側にある場合は欠陥と判別する。公差範囲はユーザーが設定できる。

識別部１７２では初めに目視評価値と、特徴量算出部１５の複数の特徴量から、目視評価値１とそれ以外を区別する識別面を生成する。識別面を生成するのは、スコア計算式を求める前に行う。スコア計算式を求める際は、求めた識別面を用いて、特徴量算出部１５の複数の特徴量から、識別面の内外に有るかを判別し、目視評価値１とそれ以外の目視評価値を区別する。この場合、目視評価値１と判別したときに欠陥と判別する。

図１５（ａ）に公差内外判定部１７１の例を示す。設計データの輪郭線Ａについて拡大、縮小処理を行うことで公差範囲ｔ１，ｔ２を求められる。この公差範囲ｔ１，ｔ２の間からパターンの輪郭線Ｂが外れると欠陥と判別する。これは公知技術である。目視評価値１を識別する識別部１７２も公知技術で実現できる。図１５（ｂ）のように目視評価値１及びそれ以外の目視評価値とその時の複数の特徴量Ｘ１，Ｘ２から目視評価値１を識別する境界面を作成する。ＳＶＭ等のクラスタリング手法やニューロ等で学習する識別器を用いて実現できる。

図１６にスコア算出部１６′の実施例を示す。計算式生成部１６１では直線部位の特徴量算出部で得た複数の特徴量とユーザーが入力した目視評価値を用いて、直線部位の複数の特徴量からユーザーが入力した目視評価値が得られるような計算式を生成する。

計算式生成部１６２ではコーナー部位の特徴量算出部で得た複数の特徴量とユーザーが入力した目視評価値を用いて、コーナー部位の複数の特徴量からユーザーが入力した目視評価値が得られるような計算式を生成する。

計算式生成部１６３では端点部位の特徴量算出部で得た複数の特徴量とユーザーが入力した目視評価値を用いて、端点部位の複数の特徴量からユーザーが入力した目視評価値が得られるような計算式を生成する。計算式を求める際は、設計データから得た２次元形状データと、パターンの２次元形状データを複数枚、用いて計算式を求める。

加算部１６５′では欠陥判定部１７の公差内外判定部１７１の出力１７ａと識別部１７２の出力１７ｂから、欠陥かどうかを判別する。例えば、どちらかで欠陥として出力されていれば加算部１６５′は、欠陥として出力し、計算式生成部１６１′，１６２′，１６３′では、対応する目視評価値入力部１４及び特徴量算出部の出力を除外して計算式を求める。また、公差内外判定部１７１の出力１７ａと識別部１７２の出力１７ｂが共に欠陥と判定された場合に加算部１６５′で欠陥とすることも考えられる。

画像データ記憶部２１、輪郭線データ生成部２２、設計データ記憶部２０、特徴量算出部２５は図９で説明したので説明は省く。欠陥判定部２７では欠陥判定部１７と同様に、公差内外判定部１７１でパターンが公差範囲外に有るか否かで欠陥を判別する。また、識別部１７２で求めていた目視評価値１及びそれ以外の目視評価値との境界面を用いて、特徴量算出部２５から得た複数の特徴量が境界面の内外に有るかを判断して、目視評価値１に相当するか否かを判別し、目視評価値１に相当する場合は欠陥と判別する。スコア算出部２６′では欠陥判定部２７の結果により、スコア値として特定の固定値を出力する。

スコア算出部２６′の実施例を図１７に示す。図１１で説明したスコア算出部２６と異なるのは加算部２５６が加わり、統合スコア算出部２６４′が異なる。加算部２６５は欠陥判定部２７の公差内外判定部２７１の出力２７ａと識別部２７２の出力２７ｂから、欠陥かどうかを判別する。例えば、どちらかで欠陥として出力されていれば加算部１６５′は、欠陥として出力し、統合スコア算出部２４６′では、スコア値として特定の固定値を出力する。特定の固定値は、通常のスコア値とは区別できるような例えば、実際には出力されない値にしておくことが考えられる。

以上は画像評価方法について述べたが、この方法を用いて画像処理装置を作ることが考えられる。また、この画像処理装置を含む半導体検査装置を構成しても良い。

また、ソフト処理で行う際、パソコンを用いてソフト処理をしてもいいし、ＬＳＩに組み込んでハード処理で行ってもいい。

１０，２０ 設計データ記憶部
１１，２１ 画像データ記憶部
１２，２２ 輪郭線データ生成部
１３，２３ 表示部
１４，２４ 目視評価値入力部
１５，２５ 特徴量算出部
１６，２６ スコア算出部
１７，２７ 欠陥判定部
１４０，１４１ 目視評価値入力部
１５１ 直線検出部
１５２ コーナー検出部
１５３ 端点検出部
１５４，１５５，１５６ 特徴量算出部
１５７，１６５，２６５ 加算部
１６１，１６２，１６３ 計算式生成部
１７１ 公差内外判定部
１７２ 識別部
２６１，２６２，２６３ スコア計算部
２６４ 統合スコア算出部

Claims (12)

1. 撮像画像を用いてパターンを評価するパターン評価装置において、
   撮像装置にて取得されたパターン画像、或いは当該パターン画像から抽出された輪郭線を表示する表示装置と、
   パターンの評価値を入力、或いは選択する入力装置と、
   前記パターン画像、或いは前記輪郭線のデータからパターンの複数の特徴量を算出する演算装置を備え、当該演算装置は、前記入力装置によって入力されたパターンの評価結果と、前記複数の特徴量に基づいて、パターンの評価値を計算する計算式を導出することを特徴とするパターン評価装置。
2. 請求項１において、
   前記演算装置では、２つのパターン形状で対応する画素間の距離値を複数点で求め、その平均値、分散値若しくは標準偏差の値の内、少なくとも２つを前記特徴量として求めることを特徴とするパターン評価装置。
3. 請求項１において、
   前記演算装置では、パターンの部位を検出して部位毎に分けて、複数の特徴量を検出し、パターンの部位毎に計算式を求めることを特徴とするパターン評価装置。
4. 請求項３において、
   前記パターンの部位は、直線部、コーナー部、端点部の少なくとも２つの部位であることを特徴とするパターン評価装置。
5. 請求項３において、
   前記演算装置は、前記計算式を用いて評価値を求める際、部位毎に計算式で求めた評価値を用いて画像全体の評価値を求めることを特徴とするパターン評価装置。
6. 請求項１において、
   前記入力装置は、前記パターンの評価結果として、目視評価値を入力できるように構成され、前記表示装置は、当該目視評価値の各値に相当する形状例を、表示することを特徴とするパターン評価装置。
7. 撮像画像を用いてパターンを評価するパターン評価装置において、
   設計データと評価するパターンの２つのパターン形状を表示する表示装置と、
   パターン形状の評価値を入力する入力装置と、
   前記２つのパターン形状を用いて複数の特徴量を算出する演算装置を備え、当該演算装置は、前記入力されたパターンの形状の評価値から抽出される欠陥の前記特徴量を除外した複数の特徴量と、前記入力装置から入力されたパターンの評価値を用いてパターン形状の評価値を計算する計算式を求めることを特徴とするパターン評価装置。
8. 請求項７において、
   前記演算装置では、特定の前記評価値に対応するパターンを判別することを特徴とするパターン評価装置。
9. 請求項７において、
   前記演算装置は、前記求めた計算式を用いて評価値を求める際、部位毎に計算式で求めた評価値を用いて特定の値を出力することを特徴とするパターン評価装置。
10. 撮像画像を用いてパターンを評価するパターン評価装置において、
    撮像装置にて取得されたパターン画像、或いは当該パターン画像から抽出された輪郭線を表示する表示装置と、
    パターンの評価値を入力、或いは選択する入力装置と、
    前記パターン画像、或いは前記輪郭線のデータからパターンの複数の特徴量を算出する演算装置を備え、当該演算装置は、前記入力装置によって入力されたパターンの評価結果を回帰分析のための目的変数とし、前記複数の特徴量を回帰分析のための説明変数とした計算式を導出することを特徴とするパターン評価装置。
11. 請求項１０において、
    前記演算装置は、
    前記説明変数の係数を求めることを特徴とするパターン評価装置。
12. 撮像画像を用いて、コンピューターにパターンを評価させるコンピュータープログラムにおいて、
    撮像装置にて取得されたパターン画像、或いは当該パターン画像から抽出された輪郭線を表示装置に表示させ、
    前記コンピューターに入力、或いは当該コンピューターを用いて選択されるパターンの評価値と、前記撮像画像から求められるパターンの複数の特徴量に基づいて、前記パターンの評価値を計算する計算式を導出させることを特徴とするコンピュータープログラム。