JP2020035282A - パターン検査システム - Google Patents
パターン検査システム Download PDFInfo
- Publication number
- JP2020035282A JP2020035282A JP2018162607A JP2018162607A JP2020035282A JP 2020035282 A JP2020035282 A JP 2020035282A JP 2018162607 A JP2018162607 A JP 2018162607A JP 2018162607 A JP2018162607 A JP 2018162607A JP 2020035282 A JP2020035282 A JP 2020035282A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- image
- inspection system
- data
- learning
- 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
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
- G03F7/70508—Data handling in all parts of the microlithographic apparatus, e.g. handling pattern data for addressable masks or data transfer to or from different components within the exposure apparatus
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70605—Workpiece metrology
- G03F7/70616—Monitoring the printed patterns
- G03F7/70625—Dimensions, e.g. line width, critical dimension [CD], profile, sidewall angle or edge roughness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
-
- 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
- G01N2021/8887—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 based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Analytical Chemistry (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Eye Examination Apparatus (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
しかしながら、CNNによる画像解析性能を向上させるためには解析対象のバリエーションを網羅的に学習する必要があり、半導体検査のように学習データの取得に手間を要するアプリケーションではその運用が難しいという問題がある。
そこで、本発明は、学習データの真値作成作業の手間を省き、学習データの少量化を図ることで、学習時間の短期間化を可能とするパターン検査システムを提供する。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
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、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。
そして、ステップS30では、学習データ選択部103が形状バリエーション学習データ選択処理を実行する。すなわち、ステップS20にて求めたパターンの形状やパターンの密度から得た指標を用いて学習データに適したパターンを1つ以上選択する。
ステップS50では、学習データ選択部103が位置バリエーション学習データ選択処理を実行する。すなわち、ステップS40にて求めた同形パターンの座標位置を用いて学習データに適したパターンを選択する。
そして、ステップS203では、学習データ選択部103がパターン密度分析処理を実行する。すなわち、設計データから作成した設計データ画像を用いてパターンの密度を算出する。パターン密度は、パターンの個数や面積などを用いることで算出できる。
ステップS2012では、ステップS2011にて検出した縦/横エッジ成分の画素数をカウントする縦/横エッジ画素数カウント処理を実行する。
ステップS2013では、ステップS2012にてカウントした縦/横エッジ画素から縦/横エッジの割合を算出する縦/横エッジ割合算出処理を実行する。
ステップS2032では、パターンが含まれるGridの数をカウントし、ステップS2033では、全Gridのパターン密度を算出する。
図9に示すように初めに、ステップS301では、学習データ選択部103が、形状クラスラリング処理を実行し、縦/横エッジの割合とパターン間隔、パターン密度の値を用いてクラスラリングし、1個以上のクラスに分ける。クラスラリングの手法は例えば、k−means法などの既知の技術で実現できる。続いて、ステップS302では、学習データ選択部103が、各クラスタからn個(n≧1)のサンプルを選択する。学習データに適したサンプルは、パターンの形状や密度について、偏りが無く網羅的になるように選択することが望ましい。そのため、サンプル間で縦/横エッジの割合、パターン間隔及びパターン密度の値の差分が大きくなるようにサンプルを選び、同様の傾向のサンプルに偏らないようにすれば良い。充分な数をサンプルとして選択できる場合はランダムに選択しても良い。例えば、枚数が少ない場合は、サンプル間で縦/横エッジの割合及びパターン間隔、パターン密度の値の差分が大きくなるようにサンプルを選び、選択するサンプル数が多量の場合はランダムに選択する等、サンプル枚数によって選択手法を切替えても良い。サンプル枚数はデフォルトで予め決めておいても良く、ユーザが設定しても良い。設計データのパターンバリエーション分析処理の縦/横エッジの割合、パターン間隔と密度の値を用いた統計処理や実験値に基づく変換テーブルを用いて求めても良い。
ステップS402では、学習データ選択部103が、集合Aからi番目のパターンPiを取り出し、ステップS403へ進む。
ステップS403では、学習データ選択部103は設計図(設計データ)からパターンPiに類似するパターンの位置を探索し、集合Biに記憶し、ステップS401へ戻り繰り返し処理を実行する。
本手法では、形状バリエーション分析処理(ステップS20)及び形状バリエーション学習データ選択処理(ステップS30)により、パターン形状に偏りを無くすことで汎化性能に寄与する学習に適したサンプルを取得することができる。また、位置バリエーション分析処理(ステップS40)及び位置バリエーション学習データ選択処理(ステップS50)により、実際に発生する形状変動に対してロバストな識別器の生成に寄与する学習データを作成することが可能となる。ここで、例えば、オーギュメンテーションでパターン形状を歪ませるなどの画像処理を施した学習データを加えて学習させて、形状変動にロバストな識別器を生成することが考えられるが、加える形状の歪の大きさが実際に発生する歪と異なっている場合は識別性能が劣化する可能性がある。
これに対して、本手法では実際に発生する形状の変動を学習データとして加えるため、安定して識別性能を向上できる。
また、真値データ作成ではシミュレーションにより、設計データからSEM画像の輪郭線を推定して、それに基づいて真値付けすることも考えられる。
また、欠陥の識別器の生成では、画像内の欠陥領域をユーザが色分けして真値付けを行い、学習することで、画像内に含まれる欠陥の領域を検出する識別器を作成することも考えられる。その際、欠陥の領域又は正常の領域に色づけして真値付けしても良い。以上はRGBの24bit信号としてラベルを作成する例を示したが、ラベルについては識別器が認識できる情報であれば良いため、これに限定されるものではない。
また、SEM画像の撮影倍率や撮影のフレーム積算数によっても識別器のモデルを分けることが考えられる。その際は、SEM撮影条件情報を用いて、学習データセットを生成し、モデルを選択することが考えられる。
また、識別する画像データの設計データ、工程情報、SEM撮影条件情報とモデル管理表に基づいて、複数のモデルの中から最も適したモデルを探索して、識別を行うことも考えられる。
以上の通り本実施例によれば、学習データの真値作成作業の手間を省き、学習データの少量化を図ることで、学習時間の短期間化を可能とするパターン検査システムを提供することが可能となる。
また、本実施例によれば、モデル303(図22)の精度を維持しつつ学習時間の短縮化が可能となる。
続いて、ステップS70では、学習データ選択部103が、プロセスばらつき学習データ選択処理を実行する。すなわち、ステップS60にて分析したプロセスばらつきの評価値に基づいて学習データを選択する。
続いて、ステップS604では、学習データ選択部103がパターン外側輝度ばらつき検出処理を実行する。すなわち、パターン外側の領域の輝度値のばらつきを求める。
20…画像撮影部
30…モデル生成部
40…モデル評価部
101…設計データ
102…SEM撮影条件
103…学習データ選択部
104…学習用画像座標リスト
201…レシピ作成部
202…撮影部
203…学習用画像データ記憶部
204…撮影済画像データ記憶部
301…教示データ作成部
302…学習部
303…モデル
401…評価用画像データ記憶部
402…評価結果
2501…電子源
2502…引出電極
2503…電子ビーム
2504…コンデンサレンズ
2505…走査偏向器
2506…対物レンズ
2507…チャンバ
2508…試料台
2509…試料
2510…電子
2511…二次電子
2512…変換電極
2513…検出器
2514…制御装置
Claims (29)
- 電子デバイスの検査対象パターンの画像と、前記検査対象パターンを製造するために使用するデータに基づき、機械学習により構成された識別器を用いて前記検査対象パターンの画像を検査するパターン検査システムであって、
電子デバイスの複数のパターン画像と前記電子デバイスのパターンを製造するために使用するパターンデータを格納する記憶部と、
前記記憶部に格納された前記パターンデータと前記パターン画像に基づき、前記複数のパターン画像から機械学習に用いる学習用パターン画像を選択する画像選択部と、を備えることを特徴とするパターン検査システム。 - 電子デバイスの検査対象パターンの画像と、前記検査対象パターンを製造するために使用するデータに基づき、機械学習により構成された識別器を用いて前記検査対象パターンの画像を検査するパターン検査システムであって、
電子デバイスのパターンを製造するために使用するパターンデータと前記検査対象パターンの画像の撮影条件データを格納する記憶部と、
前記記憶部に格納された前記パターンデータと前記撮影条件データに基づき、機械学習に用いる前記電子デバイス上の学習用パターン画像の撮影位置を選択する撮影位置選択部と、を備えることを特徴とするパターン検査システム。 - 電子デバイスの検査対象パターンの画像と、前記検査対象パターンを製造するために使用するデータに基づき、機械学習により構成された識別器を用いて前記検査対象パターンの画像を検査するパターン検査システムであって、
電子デバイスのパターン画像と前記電子デバイスのパターンを製造するために使用するパターンデータと前記検査対象パターンの画像の撮影条件データを格納する記憶部と、
前記記憶部に格納された前記パターンデータと前記パターン画像と前記撮影条件データに基づき、機械学習に用いる学習用パターン画像を選択する画像選択部と、を備えることを特徴とするパターン検査システム。 - 請求項1乃至請求項3のいずれか1項に記載のパターン検査システムにおいて、
前記学習用パターン画像とそれに対応する真値データに基づき機械学習を行い、前記識別器を生成する識別器生成部を有することを特徴とするパターン検査システム。 - 請求項4に記載のパターン検査システムにおいて、
前記検査対象パターンの画像から前記識別器により、少なくともパターンの輪郭形状及びパターン領域並びに非パターン領域のうち1つを抽出する領域抽出部を有することを特徴とするパターン検査システム。 - 請求項4に記載のパターン検査システムにおいて、
前記識別器は、検査対象パターンの画像に基づき欠陥を抽出することを特徴とするパターン検査システム。 - 請求項4に記載のパターン検査システムにおいて、
前記識別器による識別データと前記電子デバイスのパターンを製造するために使用するパターンデータを比較して検査することを特徴とするパターン検査システム。 - 請求項2に記載のパターン検査システムにおいて、
前記撮影位置選択部は、前記パターンデータを用いてパターンの形状を分析、及び/又は、半導体デバイス上のパターンの位置を分析することを特徴とするパターン検査システム。
- 請求項1に記載のパターン検査システムにおいて、
前記画像選択部は、少なくとも、前記パターンデータを用いてパターンの形状を分析及び半導体デバイス上のパターンの位置を分析並びに前記パターン画像を用いて画像のばらつきを分析する処理のうちいずれか一つを実行することを特徴とするパターン検査システム。 - 請求項3に記載のパターン検査システムにおいて、
前記画像選択部は、少なくとも、前記パターンデータを用いてパターンの形状を分析及び半導体デバイス上のパターンの位置を分析並びに前記パターン画像を用いて画像のばらつきを分析する処理のうちいずれか一つを実行することを特徴とするパターン検査システム。 - 請求項8乃至請求項10のいずれか1項に記載のパターン検査システムにおいて、
前記画像選択部は、前記パターン画像に対応するパターンデータから得られたパターンのエッジ情報に基づき、縦エッジ及び横エッジの画素数の統計処理を行い、同じ形状を導出することを特徴とするパターン検査システム。 - 請求項8乃至請求項10のいずれか1項に記載のパターン検査システムにおいて、
前記画像選択部は、前記パターンの形状を分析により検出された同じ形状を有する複数のパターンと前記パターン画像の撮影条件データを用いて、同じパターンの形状が存在する前記パターンデータ上の位置を検出し、その検出した数と半導体チップ上の座標位置とウエハ上の座標位置とその検出した位置の間の距離情報のうち少なくとも1つを用いて統計処理を行うことを特徴とするパターン検査システム。 - 請求項9又は請求項10に記載のパターン検査システムにおいて、
前記画像選択部は、前記画像ばらつきを分析する処理として、前記パターン画像を用いて、少なくとも、ホワイトバンド幅のばらつきの値及びラフネスのばらつきの値並びにパターン領域と非パターン領域の輝度値のばらつきの値のうち1つを用いて統計処理を行うことを特徴とするパターン検査システム。 - 請求項4に記載のパターン検査システムにおいて、
前記識別器生成部は、前記学習用パターン画像を表示するための表示部と前記表示部に表示された学習用パターン画像に対するユーザによる真値付けを可能とする指示部を有し、真値付けされた教示データを用いて学習することを特徴とするパターン検査システム。 - 請求項5に記載のパターン検査システムにおいて、
前記識別器生成部は、ユーザにより前記学習用パターン画像から半導体デバイスの単層及び多層の各層でパターンの輪郭線、パターン領域、非パターン領域と分けて、それぞれ画素毎に真値付けされた教示データを用いて学習することを特徴とするパターン検査システム。 - 請求項2に記載のパターン検査システムおいて、
前記撮影位置選択部により選択された撮影位置に基づき、撮影部のレシピを生成するレシピ作成部を備えることを特徴とするパターン検査システム。 - 請求項6に記載のパターン検査システムおいて、
前記識別器生成部は、前記学習用パターン画像からユーザにより画像毎に欠陥の種類の情報がタグ付けされた教示データを作成し、前記教示データを用いて学習することを特徴とするパターン検査システム。 - 請求項4に記載のパターン検査システムにおいて、
前記学習用パターン画像とそれに対応する真値データに基づき機械学習により前記識別器生成部にて生成されたモデルを用いて、前記検査対象パターンの画像を評価するモデル評価部を備えることを特徴とするパターン検査システム。 - 請求項4に記載のパターン検査システムにおいて、
前記識別器は、画像の領域分割及び/又は画像の分類を行うことを特徴とするパターン検査システム。 - 請求項2に記載のパターン検査システムにおいて、
前記撮影位置選択部は、前記パターンデータを前記撮影条件データの撮像視野に対応する小領域に分割し、分割された各領域についてパターンの形状を分析し、分析されたパターンの形状と同じ形状となるパターンに基づき、電子デバイス上のパターンの位置を分析して撮影位置を特定することを特徴とするパターン検査システム。 - 請求項4に記載のパターン検査システムにおいて、
前記識別器は、畳み込みニューラルネットワークによるセマンティックセグメンテーションであることを特徴とするパターン検査システム。 - 請求項4に記載のパターン検査システムにおいて、
前記識別器生成部は、パターンの内側とパターンの外側及び輪郭線若しくは前記パターンデータの層数に基づき属性の種類数を決定することを特徴とするパターン検査システム。 - 請求項4に記載のパターン検査システムにおいて、
前記識別器生成部は、前記パターンデータ又は前記学習用パターン画像の工程情報に基づき、前記学習用パターン画像の識別対象となる画像属性の種類及び画像属性の数を導出し、導出された前記画像属性の種類に対応する識別情報を決定することを特徴とするパターン検査システム。 - 請求項23に記載のパターン検査システムにおいて、
前記識別器生成部は、前記パターンデータ及び前記学習用パターン画像に基づき推定真値画像を生成し、生成された推定真値画像を表示画面上に表示することを特徴とするパターン検査システム。 - 請求項24に記載のパターン検査システムにおいて、
前記識別器生成部は、表示画面上に表示された前記推定真値画像に対するユーザにより真値付けされた情報に基づき真値画像を作成することを特徴とするパターン検査システム。 - 請求項4に記載のパターン検査システムにおいて、
前記識別器生成部は、前記識別器の機械学習に用いる、前記パターンデータ及び/又は記学習用パターン画像の真値データに基づき、識別対象となる複数種類の画像属性の領域を解析し、各種類の画像属性に対応する領域の大きさによって、学習時の重みを設定することを特徴とするパターン検査システム。 - 請求項18に記載のパターン検査システムにおいて、
前記識別器生成部は、
少なくとも、前記検査対象パターンの画像に対応する前記パターンデータと、工程情報と、撮影条件のうち一つに基づき、複数のモデルの中から一のモデルを選択することを特徴とするパターン検査システム。 - 請求項18に記載のパターン検査システムにおいて、
前記識別器生成部は、
少なくとも、前記学習用パターン画像に対応する前記パターンデータと、工程情報と、撮影条件のうち一つに基づき、学習用パターン画像を複数のデータセットに分け、前記データセットに基づきモデルを生成することを特徴とするパターン検査システム。 - 請求項28に記載のパターン検査システムにおいて、
前記識別器生成部は、
少なくとも、前記学習用パターン画像に対応する前記パターンデータと、工程情報と、撮影条件と、ユーザからの追加情報のうち一つに基づき、モデル名とそれに対応するモデルの種類を示すモデル管理表を作成することを特徴とするパターン検査システム。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018162607A JP7144244B2 (ja) | 2018-08-31 | 2018-08-31 | パターン検査システム |
TW110122981A TWI801912B (zh) | 2018-08-31 | 2019-08-23 | 圖案檢查系統 |
TW108130182A TWI731396B (zh) | 2018-08-31 | 2019-08-23 | 圖案檢查系統 |
KR1020190105674A KR102218364B1 (ko) | 2018-08-31 | 2019-08-28 | 패턴 검사 시스템 |
US16/557,175 US11132788B2 (en) | 2018-08-31 | 2019-08-30 | Pattern inspection system |
US17/410,344 US11587225B2 (en) | 2018-08-31 | 2021-08-24 | Pattern inspection system |
JP2022146655A JP7399235B2 (ja) | 2018-08-31 | 2022-09-15 | パターン検査システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018162607A JP7144244B2 (ja) | 2018-08-31 | 2018-08-31 | パターン検査システム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022146655A Division JP7399235B2 (ja) | 2018-08-31 | 2022-09-15 | パターン検査システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020035282A true JP2020035282A (ja) | 2020-03-05 |
JP7144244B2 JP7144244B2 (ja) | 2022-09-29 |
Family
ID=69641727
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018162607A Active JP7144244B2 (ja) | 2018-08-31 | 2018-08-31 | パターン検査システム |
JP2022146655A Active JP7399235B2 (ja) | 2018-08-31 | 2022-09-15 | パターン検査システム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022146655A Active JP7399235B2 (ja) | 2018-08-31 | 2022-09-15 | パターン検査システム |
Country Status (4)
Country | Link |
---|---|
US (2) | US11132788B2 (ja) |
JP (2) | JP7144244B2 (ja) |
KR (1) | KR102218364B1 (ja) |
TW (2) | TWI801912B (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021209867A1 (ja) * | 2020-04-17 | 2021-10-21 | 株式会社半導体エネルギー研究所 | 分類装置、画像分類方法、およびパターン検査装置 |
JP2022037804A (ja) * | 2020-08-25 | 2022-03-09 | トヨタ自動車株式会社 | 画像処理装置、画像処理プログラムおよび画像処理方法 |
JP7036477B1 (ja) | 2021-10-18 | 2022-03-15 | 株式会社Anamorphosis Networks | 欠陥検出方法、欠陥検出システム、及び、欠陥検出プログラム |
TWI777612B (zh) * | 2020-06-16 | 2022-09-11 | 日商日立全球先端科技股份有限公司 | 影像處理方法、形狀檢查方法、影像處理系統及形狀檢查系統 |
KR20230046308A (ko) | 2020-09-17 | 2023-04-05 | 주식회사 히타치하이테크 | 에러 요인의 추정 장치 및 추정 방법 |
JP7356962B2 (ja) | 2020-12-15 | 2023-10-05 | 株式会社神戸製鋼所 | 機械学習装置および該方法ならびに膜厚測定装置および該方法 |
JP7470016B2 (ja) | 2020-11-10 | 2024-04-17 | 株式会社日立製作所 | 機械学習を用いた物体検出用識別モデル生成装置およびプログラム |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US10796068B2 (en) * | 2018-09-11 | 2020-10-06 | Samsung Electronics Co., Ltd. | Standard cell design system, standard cell design optimization method thereof, and semiconductor design system |
KR102592918B1 (ko) * | 2018-09-13 | 2023-10-23 | 삼성전자주식회사 | 웨이퍼 품질 검사 방법 및 장치와 그 방법을 포함한 반도체 소자 제조방법 |
CN112889087A (zh) * | 2018-10-15 | 2021-06-01 | 3M创新有限公司 | 对制膜中任意形状的片材部件的自动检查 |
WO2021199164A1 (ja) * | 2020-03-30 | 2021-10-07 | 株式会社日立ハイテク | 診断システム |
EP3901902A1 (en) * | 2020-04-20 | 2021-10-27 | FEI Company | Method implemented by a data processing apparatus, and charged particle beam device for inspecting a specimen using such a method |
CN111626190B (zh) * | 2020-05-26 | 2023-07-07 | 浙江大学 | 基于聚类分区进行刻度识别的水位监测方法 |
KR20220051868A (ko) * | 2020-10-19 | 2022-04-27 | 삼성전자주식회사 | 반도체 장치의 제조를 위한 방법 및 컴퓨팅 장치 |
US11373343B2 (en) * | 2020-11-06 | 2022-06-28 | Salesforce, Inc. | Systems and methods of generating color palettes with a generative adversarial network |
CN112613380B (zh) * | 2020-12-17 | 2024-03-15 | 网联清算有限公司 | 一种机房巡检方法、装置及电子设备、存储介质 |
KR20220095472A (ko) * | 2020-12-30 | 2022-07-07 | 삼성전자주식회사 | 패턴 분석 시스템 및 상기 시스템을 이용한 반도체 장치 제조 방법 |
JP7186315B1 (ja) * | 2021-02-10 | 2022-12-08 | 株式会社日立ハイテク | 輪郭線解析装置、処理条件決定システム、形状推定システム、半導体装置製造システム、探索装置およびそれらに用いるデータ構造 |
KR102378659B1 (ko) * | 2021-02-23 | 2022-03-25 | 주식회사 포스로직 | 패턴 이미지 검출 방법 및 패턴 이미지 검출 장치 |
KR20230016112A (ko) | 2021-07-23 | 2023-02-01 | 삼성전자주식회사 | 반도체 장치의 제조를 위한 전자 장치 및 전자 장치의 동작 방법 |
CN116664988B (zh) * | 2023-07-24 | 2023-11-21 | 广立微(上海)技术有限公司 | 图片自动标注方法、装置、计算机设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010157154A (ja) * | 2008-12-29 | 2010-07-15 | Hitachi High-Technologies Corp | 画像分類基準更新方法、プログラムおよび画像分類装置 |
JP2016058465A (ja) * | 2014-09-08 | 2016-04-21 | 株式会社日立ハイテクノロジーズ | 欠陥定量化方法、欠陥定量化装置、および欠陥評価値表示装置 |
JP2016173615A (ja) * | 2013-06-24 | 2016-09-29 | 株式会社日立ハイテクノロジーズ | 計測装置 |
US20170047195A1 (en) * | 2015-08-12 | 2017-02-16 | Kla-Tencor Corporation | Determining a Position of a Defect in an Electron Beam Image |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5180428B2 (ja) * | 2005-06-21 | 2013-04-10 | 株式会社日立ハイテクノロジーズ | 走査型電子顕微鏡用撮像レシピ作成装置及びその方法並びに半導体パターンの形状評価装置 |
US7570796B2 (en) * | 2005-11-18 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US20070106416A1 (en) * | 2006-06-05 | 2007-05-10 | Griffiths Joseph J | Method and system for adaptively controlling a laser-based material processing process and method and system for qualifying same |
US9430824B2 (en) * | 2013-05-14 | 2016-08-30 | Kla-Tencor Corporation | Machine learning method and apparatus for inspecting reticles |
JP2015041164A (ja) * | 2013-08-20 | 2015-03-02 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
US9836839B2 (en) * | 2015-05-28 | 2017-12-05 | Tokitae Llc | Image analysis systems and related methods |
US20180174000A1 (en) * | 2015-06-04 | 2018-06-21 | Hitachi High-Technologies Corporation | Defect image classification device and defect image classification method |
US10282509B2 (en) * | 2016-10-28 | 2019-05-07 | Toshiba Memory Corporation | Non-transitory computer readable storage medium, mask evaluation method and inspection apparatus |
US10395362B2 (en) * | 2017-04-07 | 2019-08-27 | Kla-Tencor Corp. | Contour based defect detection |
CN111108368B (zh) * | 2017-09-19 | 2022-06-28 | 富士胶片株式会社 | 教学数据制作方法及装置以及缺陷检查方法及装置 |
JP7002949B2 (ja) * | 2018-01-22 | 2022-01-20 | 株式会社日立ハイテク | 画像評価方法及び画像評価装置 |
US10697900B2 (en) * | 2018-06-19 | 2020-06-30 | Kla-Tencor Corporation | Correlating SEM and optical images for wafer noise nuisance identification |
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 |
-
2018
- 2018-08-31 JP JP2018162607A patent/JP7144244B2/ja active Active
-
2019
- 2019-08-23 TW TW110122981A patent/TWI801912B/zh active
- 2019-08-23 TW TW108130182A patent/TWI731396B/zh active
- 2019-08-28 KR KR1020190105674A patent/KR102218364B1/ko active IP Right Grant
- 2019-08-30 US US16/557,175 patent/US11132788B2/en active Active
-
2021
- 2021-08-24 US US17/410,344 patent/US11587225B2/en active Active
-
2022
- 2022-09-15 JP JP2022146655A patent/JP7399235B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010157154A (ja) * | 2008-12-29 | 2010-07-15 | Hitachi High-Technologies Corp | 画像分類基準更新方法、プログラムおよび画像分類装置 |
JP2016173615A (ja) * | 2013-06-24 | 2016-09-29 | 株式会社日立ハイテクノロジーズ | 計測装置 |
JP2016058465A (ja) * | 2014-09-08 | 2016-04-21 | 株式会社日立ハイテクノロジーズ | 欠陥定量化方法、欠陥定量化装置、および欠陥評価値表示装置 |
US20170047195A1 (en) * | 2015-08-12 | 2017-02-16 | Kla-Tencor Corporation | Determining a Position of a Defect in an Electron Beam Image |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021209867A1 (ja) * | 2020-04-17 | 2021-10-21 | 株式会社半導体エネルギー研究所 | 分類装置、画像分類方法、およびパターン検査装置 |
TWI777612B (zh) * | 2020-06-16 | 2022-09-11 | 日商日立全球先端科技股份有限公司 | 影像處理方法、形狀檢查方法、影像處理系統及形狀檢查系統 |
KR20230004819A (ko) | 2020-06-16 | 2023-01-06 | 주식회사 히타치하이테크 | 화상 처리 방법, 형상 검사 방법, 화상 처리 시스템 및 형상 검사 시스템 |
JP2022037804A (ja) * | 2020-08-25 | 2022-03-09 | トヨタ自動車株式会社 | 画像処理装置、画像処理プログラムおよび画像処理方法 |
JP7294275B2 (ja) | 2020-08-25 | 2023-06-20 | トヨタ自動車株式会社 | 画像処理装置、画像処理プログラムおよび画像処理方法 |
KR20230046308A (ko) | 2020-09-17 | 2023-04-05 | 주식회사 히타치하이테크 | 에러 요인의 추정 장치 및 추정 방법 |
JP7470016B2 (ja) | 2020-11-10 | 2024-04-17 | 株式会社日立製作所 | 機械学習を用いた物体検出用識別モデル生成装置およびプログラム |
JP7356962B2 (ja) | 2020-12-15 | 2023-10-05 | 株式会社神戸製鋼所 | 機械学習装置および該方法ならびに膜厚測定装置および該方法 |
JP7036477B1 (ja) | 2021-10-18 | 2022-03-15 | 株式会社Anamorphosis Networks | 欠陥検出方法、欠陥検出システム、及び、欠陥検出プログラム |
WO2023067829A1 (ja) | 2021-10-18 | 2023-04-27 | 株式会社Anamorphosis Networks | 欠陥検出方法、欠陥検出システム、及び、欠陥検出プログラム |
JP2023060798A (ja) * | 2021-10-18 | 2023-04-28 | 株式会社Anamorphosis Networks | 欠陥検出方法、欠陥検出システム、及び、欠陥検出プログラム |
JP2023060515A (ja) * | 2021-10-18 | 2023-04-28 | 株式会社Anamorphosis Networks | 欠陥検出方法、欠陥検出システム、及び、欠陥検出プログラム |
Also Published As
Publication number | Publication date |
---|---|
US11132788B2 (en) | 2021-09-28 |
US20200074611A1 (en) | 2020-03-05 |
TWI731396B (zh) | 2021-06-21 |
KR102218364B1 (ko) | 2021-02-22 |
TW202136760A (zh) | 2021-10-01 |
KR20200026110A (ko) | 2020-03-10 |
TW202011017A (zh) | 2020-03-16 |
US20210383524A1 (en) | 2021-12-09 |
JP7399235B2 (ja) | 2023-12-15 |
US11587225B2 (en) | 2023-02-21 |
TWI801912B (zh) | 2023-05-11 |
JP2022172401A (ja) | 2022-11-15 |
JP7144244B2 (ja) | 2022-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7144244B2 (ja) | パターン検査システム | |
US10937146B2 (en) | Image evaluation method and image evaluation device | |
US8045789B2 (en) | Method and apparatus for inspecting defect of pattern formed on semiconductor device | |
JP6078234B2 (ja) | 荷電粒子線装置 | |
JP6043735B2 (ja) | 画像評価装置及びパターン形状評価装置 | |
JP2009043937A (ja) | パターン測定装置 | |
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 | |
WO2011080873A1 (ja) | パターン計測条件設定装置 | |
TWI722599B (zh) | 圖像評價裝置及方法 | |
JP2013236032A (ja) | 欠陥解析支援装置、欠陥解析支援装置で実行されるプログラム、および欠陥解析システム | |
JP7427744B2 (ja) | 画像処理プログラム、画像処理装置、画像処理方法および欠陥検出システム | |
TWI567789B (zh) | A pattern measuring condition setting means, and a pattern measuring means | |
JP7390486B2 (ja) | 画像処理方法、形状検査方法、画像処理システム及び形状検査システム | |
JP2018056143A (ja) | 露光条件評価装置 | |
KR102680501B1 (ko) | 화상 평가 장치 및 방법 | |
TW202418220A (zh) | 圖像處理程式、圖像處理裝置、圖像處理方法及缺陷檢測系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210226 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220203 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220315 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220510 |
|
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: 20220823 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220915 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7144244 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |