JP2021141231A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2021141231A5 JP2021141231A5 JP2020038745A JP2020038745A JP2021141231A5 JP 2021141231 A5 JP2021141231 A5 JP 2021141231A5 JP 2020038745 A JP2020038745 A JP 2020038745A JP 2020038745 A JP2020038745 A JP 2020038745A JP 2021141231 A5 JP2021141231 A5 JP 2021141231A5
- Authority
- JP
- Japan
- Prior art keywords
- image
- learning
- defect
- reference image
- observation system
- 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
- 230000007547 defect Effects 0.000 claims 55
- 238000003672 processing method Methods 0.000 claims 18
- 238000007689 inspection Methods 0.000 claims 13
- 238000000034 method Methods 0.000 claims 9
- 238000013528 artificial neural network Methods 0.000 claims 8
- 238000004364 calculation method Methods 0.000 claims 4
- 238000011156 evaluation Methods 0.000 claims 3
- 238000010894 electron beam technology Methods 0.000 claims 2
Claims (19)
- 走査型電子顕微鏡と、計算機と、を有する試料観察システムであって、
前記計算機は:
(1)前記走査型電子顕微鏡が撮像した複数の画像を取得し、
(2)前記複数の画像から、欠陥部位を含む学習用欠陥画像と、前記欠陥部位を含まない学習用参照画像と、を取得し、
(3)前記学習用欠陥画像と、前記学習用参照画像と、を用いて、推定処理パラメータを算出し、
(4)欠陥部位を含む検査用欠陥画像を取得し、
(5)前記推定処理パラメータと、前記検査用欠陥画像と、を用いて、擬似参照画像を推定し、
前記(3)の処理は:
(3A)所定の評価値に基づいて、前記学習用欠陥画像と、前記学習用参照画像と、の位置合わせを行うことで、アライメント量を取得し、
(3B)前記アライメント量に基づいて、前記学習用欠陥画像から学習用部分欠陥画像を切り出し、
(3C)前記アライメント量に基づいて、前記学習用参照画像から学習用部分参照画像を切り出し、
(3D)前記学習用部分欠陥画像と、前記学習用部分参照画像と、を用いて、前記推定処理パラメータを算出する、
試料観察システム。 - 請求項1記載の試料観察システムであって、
前記計算機は:
(6)前記擬似参照画像と、前記検査用欠陥画像と、を比較して、前記検査用欠陥画像の欠陥部位を特定する、
試料観察システム。 - 請求項1記載の試料観察システムであって、
前記推定処理パラメータは、ニューラルネットワークのパラメータであり、
前記ニューラルネットワークは、入力層に入力する画像の最小サイズは第1サイズであり、
前記計算機は、前記(1)の処理として:
各々が前記第1サイズ以上の前記複数の画像を取得する、
試料観察システム。 - 請求項1記載の試料観察システムであって、
前記推定処理パラメータは、ニューラルネットワークのパラメータであり、
前記ニューラルネットワークは、入力層に入力する画像の最小サイズは第1サイズであり、
前記走査型電子顕微鏡は、前記第1サイズと、アライメント量の最大値に基づいて、撮像画像のサイズを設定し、
前記設定したサイズに基づいて複数の画像を撮像し、
前記アライメント量の最大値は、前記走査型電子顕微鏡の(A1)ステージ移動誤差および(A2)電子ビームの照射位置決め誤差に基づいて求める、
試料観察システム。 - 請求項1記載の試料観察システムであって、
前記計算機は、前記推定処理パラメータの算出処理の終了条件を取得し、
前記計算機は、前記(3)の処理として:
(3E)前記終了条件を満たすことを検知した時に、前記推定処理パラメータの更新を終了する、
試料観察システム。 - 請求項5記載の試料観察システムであって、
前記推定処理パラメータの算出と並行して、前記計算機は:
(7)前記学習用欠陥画像と、前記学習用参照画像と、を比較することで、前記学習用欠陥画像の欠陥部位を特定する、
試料観察システム。 - 請求項1に記載の試料観察システムであって、
前記計算機は、前記検査用欠陥画像に対応する参照画像の取得を省略する、
試料観察システム。 - 走査型電子顕微鏡と、計算機と、を有する試料観察システムであって、
前記計算機は:
前記走査型電子顕微鏡が撮像した複数の画像を取得し、
前記複数の画像から、欠陥部位を含む学習用欠陥画像を取得し、
前記学習用欠陥画像を用いて、推定処理パラメータを算出し、
欠陥部位を含む検査用欠陥画像を取得し、
前記推定処理パラメータと、前記検査用欠陥画像と、を用いて、前記検査用欠陥画像中の欠陥部位を推定し、
前記推定処理パラメータの算出は:
所定の評価値に基づいて、前記学習用欠陥画像と、学習用参照画像との位置合わせを行うことで、アライメント量を取得し、
前記アライメント量に基づいて、前記学習用欠陥画像から学習用部分欠陥画像を切り出し、
前記アライメント量に基づいて、前記学習用参照画像から学習用部分参照画像を切り出し、
前記学習用部分欠陥画像と、前記学習用部分参照画像と、を用いて、前記推定処理パラメータを算出する、
試料観察システム。 - 計算機による画像処理方法であって、
(M1)走査型電子顕微鏡が撮像した複数の画像を取得し、
(M2)前記複数の画像から、欠陥部位を含む学習用欠陥画像と、前記欠陥部位を含まない学習用参照画像と、を取得し、
(M3)前記学習用欠陥画像と、前記学習用参照画像と、を用いて、推定処理パラメータを算出し、
(M4)欠陥候補部位を含む検査用欠陥画像を取得し、
(M5)前記推定処理パラメータと、前記検査用欠陥画像と、を用いて、擬似参照画像を推定し、
前記(M3)として:
(M3A)所定の評価値に基づいて、前記学習用欠陥画像と、前記学習用参照画像と、の位置合わせを行うことで、アライメント量を取得し、
(M3B)前記アライメント量に基づいて、前記学習用欠陥画像から学習用部分欠陥画像を切り出し、
(M3C)前記アライメント量に基づいて、前記学習用参照画像から学習用部分参照画像を切り出し、
(M3D)前記学習用部分欠陥画像と、前記学習用部分参照画像と、を用いて、前記推定処理パラメータを算出する、
画像処理方法。 - 請求項9記載の画像処理方法であって、
(M6)前記擬似参照画像と、前記検査用欠陥画像と、を比較して、前記検査用欠陥画像の欠陥部位を特定する、
画像処理方法。 - 請求項9記載の画像処理方法であって、
前記推定処理パラメータは、ニューラルネットワークの重み値であり、
前記ニューラルネットワークは、入力層に入力する画像の最小サイズは第1サイズであり、
前記(M1)として:
各々が前記第1サイズ以上の前記複数の画像を取得する、
画像処理方法。 - 請求項9記載の画像処理方法であって、
前記推定処理パラメータは、ニューラルネットワークの重み値であり、
前記ニューラルネットワークは、入力層に入力する画像の最小サイズは第1サイズであり、
前記走査型電子顕微鏡は、前記第1サイズと、アライメント量の最大値に基づいて、撮像画像のサイズを設定し、
前記設定したサイズに基づいて複数の画像を撮像し、
前記アライメント量の最大値は、前記走査型電子顕微鏡の(A1)ステージ移動誤差および(A2)電子ビームの照射位置決め誤差に基づいて求める、
画像処理方法。 - 請求項9記載の画像処理方法であって、
前記推定処理パラメータの推定処理の終了条件を取得し、
前記(M3)として:
(M3E)前記終了条件を満たすことを検知した時に、前記推定処理パラメータの更新を終了する、
画像処理方法。 - 請求項13記載の画像処理方法であって、
(M7)前記学習用欠陥画像と、前記学習用参照画像と、を比較することで、前記学習用欠陥画像の欠陥部位を特定する、ことを前記推定処理パラメータの算出と並行に行う、
画像処理方法。 - 請求項9に記載の画像処理方法であって、
前記検査用欠陥画像に対応する参照画像の取得を省略する、
画像処理方法。 - 請求項1記載の試料観察システムであって、
前記学習用参照画像は、前記学習用欠陥画像に撮像された回路パターンと同様の回路パターンが形成されるように設計された領域の画像であり、
前記(3A)の処理により、位置合わせがされたときの前記学習用参照画像と前記学習用欠陥画像間の座標差が、前記アライメント量として取得される、
試料観察システム。 - 請求項16記載の試料観察システムであって、
前記学習用参照画像は、前記走査型電子顕微鏡によって撮像されるウェハに配置された複数の同様なチップおいて、前記学習用欠陥画像に撮像された回路パターンが形成されたチップから1チップ分ずらしたチップに形成された回路パターンの領域の画像である、
試料観察システム。 - 請求項9記載の画像処理方法であって、
前記学習用参照画像は、前記学習用欠陥画像に撮像された回路パターンと同様の回路パターンが形成されるように設計された領域の画像であり、
前記(M3A)の処理により、位置合わせがされたときの前記学習用参照画像と前記学習用欠陥画像間の座標差が、前記アライメント量として取得される、
画像処理方法。 - 請求項18記載の画像処理方法であって、
前記学習用参照画像は、前記走査型電子顕微鏡によって撮像されるウェハに配置された複数の同様なチップおいて、前記学習用欠陥画像に撮像された回路パターンが形成されたチップから1チップ分ずらしたチップに形成された回路パターンの領域の画像である、
画像処理方法。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020038745A JP7262409B2 (ja) | 2020-03-06 | 2020-03-06 | 試料観察システム及び画像処理方法 |
KR1020227027317A KR20220123708A (ko) | 2020-03-06 | 2021-01-08 | 시료 관찰 시스템 및 화상 처리 방법 |
PCT/JP2021/000484 WO2021176841A1 (ja) | 2020-03-06 | 2021-01-08 | 試料観察システム及び画像処理方法 |
CN202180013541.6A CN115088061A (zh) | 2020-03-06 | 2021-01-08 | 试样观察系统以及图像处理方法 |
US17/802,161 US20230005123A1 (en) | 2020-03-06 | 2021-01-08 | Sample observation system and image processing method |
TW110100934A TWI793496B (zh) | 2020-03-06 | 2021-01-11 | 試料觀察系統及畫像處理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020038745A JP7262409B2 (ja) | 2020-03-06 | 2020-03-06 | 試料観察システム及び画像処理方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021141231A JP2021141231A (ja) | 2021-09-16 |
JP2021141231A5 true JP2021141231A5 (ja) | 2022-06-15 |
JP7262409B2 JP7262409B2 (ja) | 2023-04-21 |
Family
ID=77613622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020038745A Active JP7262409B2 (ja) | 2020-03-06 | 2020-03-06 | 試料観察システム及び画像処理方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230005123A1 (ja) |
JP (1) | JP7262409B2 (ja) |
KR (1) | KR20220123708A (ja) |
CN (1) | CN115088061A (ja) |
TW (1) | TWI793496B (ja) |
WO (1) | WO2021176841A1 (ja) |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08136466A (ja) * | 1994-11-10 | 1996-05-31 | Dainippon Screen Mfg Co Ltd | 画像パターン検査装置 |
JP3612247B2 (ja) * | 1999-09-14 | 2005-01-19 | 株式会社東芝 | 半導体検査装置及び半導体検査方法 |
JP3893825B2 (ja) | 1999-12-28 | 2007-03-14 | 株式会社日立製作所 | 半導体ウェーハの欠陥観察方法及びその装置 |
JP2004349515A (ja) * | 2003-05-23 | 2004-12-09 | Hitachi High-Technologies Corp | Sem式外観検査装置,レビュー装置、およびアライメント座標設定方法 |
JP2004354251A (ja) * | 2003-05-29 | 2004-12-16 | Nidek Co Ltd | 欠陥検査装置 |
JP5006520B2 (ja) * | 2005-03-22 | 2012-08-22 | 株式会社日立ハイテクノロジーズ | 欠陥観察装置及び欠陥観察装置を用いた欠陥観察方法 |
JP4857095B2 (ja) * | 2005-12-07 | 2012-01-18 | 株式会社日立ハイテクノロジーズ | 欠陥レビュー方法及びその装置 |
JP5325580B2 (ja) * | 2009-01-09 | 2013-10-23 | 株式会社日立ハイテクノロジーズ | Semを用いた欠陥観察方法及びその装置 |
JP5948262B2 (ja) * | 2013-01-30 | 2016-07-06 | 株式会社日立ハイテクノロジーズ | 欠陥観察方法および欠陥観察装置 |
JP6668278B2 (ja) * | 2017-02-20 | 2020-03-18 | 株式会社日立ハイテク | 試料観察装置および試料観察方法 |
JP6792842B2 (ja) * | 2017-06-06 | 2020-12-02 | 株式会社デンソー | 外観検査装置、変換データ生成装置、及びプログラム |
EP3499459A1 (en) * | 2017-12-18 | 2019-06-19 | FEI Company | Method, device and system for remote deep learning for microscopic image reconstruction and segmentation |
US10789703B2 (en) * | 2018-03-19 | 2020-09-29 | Kla-Tencor Corporation | Semi-supervised anomaly detection in scanning electron microscope images |
WO2019216303A1 (ja) | 2018-05-09 | 2019-11-14 | レーザーテック株式会社 | 検査装置、検査方法、学習方法、及びプログラム |
-
2020
- 2020-03-06 JP JP2020038745A patent/JP7262409B2/ja active Active
-
2021
- 2021-01-08 KR KR1020227027317A patent/KR20220123708A/ko active Search and Examination
- 2021-01-08 US US17/802,161 patent/US20230005123A1/en active Pending
- 2021-01-08 WO PCT/JP2021/000484 patent/WO2021176841A1/ja active Application Filing
- 2021-01-08 CN CN202180013541.6A patent/CN115088061A/zh active Pending
- 2021-01-11 TW TW110100934A patent/TWI793496B/zh active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI734720B (zh) | 檢查晶圓之系統及方法 | |
JP5604067B2 (ja) | マッチング用テンプレートの作成方法、及びテンプレート作成装置 | |
JP2014530495A (ja) | ウェハ欠陥の設計座標の決定 | |
KR102438822B1 (ko) | 설계 파일 또는 검사 이미지를 이용한 자동 디스큐 | |
JP6472447B2 (ja) | フォトマスク欠陥性における変化の監視 | |
KR20160022377A (ko) | 자유형의 주의 영역들을 사용한 웨이퍼 검사 | |
TW201629811A (zh) | 判定用於樣本上之關注區域之座標 | |
US9589086B2 (en) | Method for measuring and analyzing surface structure of chip or wafer | |
US20140205180A1 (en) | Method, apparatus and device for inspecting circuit pattern defect | |
JP2006276454A (ja) | 画像補正方法、およびこれを用いたパターン欠陥検査方法 | |
JP6349333B2 (ja) | パターン計測装置、自己組織化リソグラフィに用いられる高分子化合物の評価方法、及びコンピュータープログラム | |
US20170262975A1 (en) | Wafer inspection method for manufacturing semiconductor device | |
JP2013140468A (ja) | パターンマッチング装置、検査システム、及びコンピュータプログラム | |
TW201710999A (zh) | 使用設計之預層缺陷現場審查 | |
US20050061974A1 (en) | Method of analyzing material structure using CBED | |
TWI659481B (zh) | 校正目標値的方法以及用來校正該目標値的處理系統 | |
JP2008058090A (ja) | パターン評価方法およびプログラム | |
TW201907156A (zh) | 光學檢驗結果之計量導引檢驗樣品成形 | |
JP7236535B2 (ja) | 画素アライメントのための補正ループを使用する欠陥位置判定 | |
JP4629086B2 (ja) | 画像欠陥検査方法および画像欠陥検査装置 | |
JP2021141231A5 (ja) | ||
JP2018146492A (ja) | 欠陥検査システム並びにそれに用いる検査装置及びレビュー装置 | |
US11798185B2 (en) | Image analysis system and image analysis method for obtaining object range | |
CN117751379A (zh) | 带电粒子检查中的图像失真校正 | |
Lin et al. | X-ray imaging inspection system for blind holes in the intermediate layer of printed circuit boards with neural network identification |