JP4059429B2 - 分類装置、歩留管理システム、分類方法、基板製造方法およびプログラム - Google Patents
分類装置、歩留管理システム、分類方法、基板製造方法およびプログラム Download PDFInfo
- Publication number
- JP4059429B2 JP4059429B2 JP2002250073A JP2002250073A JP4059429B2 JP 4059429 B2 JP4059429 B2 JP 4059429B2 JP 2002250073 A JP2002250073 A JP 2002250073A JP 2002250073 A JP2002250073 A JP 2002250073A JP 4059429 B2 JP4059429 B2 JP 4059429B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- area
- defect
- region
- pattern
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、対象物上の被検査パターンの欠陥を分類する技術に関する。
【０００２】
【従来の技術】
半導体基板、カラーフィルタ、シャドウマスク、プリント配線基板等（以下、「基板」という。）に形成されたパターンを検査する分野において、従来より主として多値画像による比較検査方式が用いられている。例えば、被検査画像と参照画像との画素値の差の絶対値を示す差分絶対値画像を求め、差分絶対値画像において所定のしきい値よりも大きな画素値を有する領域が欠陥として検出される。
【０００３】
一方、各工程での歩留まりを低下させる要因となる製造プロセスの異常を是正するために、検出された欠陥に対して分類が行われる（すなわち、欠陥の種類やカテゴリが判定される）ことがある。分類処理の一手法としては、検査の際に利用された被検査画像中の欠陥近傍の明度、欠陥の面積等の欠陥全体から導かれる特徴量を算出し、特徴量に基づいてニューラルネットワークを用いて分類する手法が知られている。
【０００４】
【発明が解決しようとする課題】
ところで、比較検査方式にて検出された欠陥に対して欠陥全体から導かれる特徴量を用いた分類を行う場合、特定の種類の欠陥が分類不能となってしまう。例えば、図１（ａ）に示す参照画像９１に対して、図１（ｂ）に示す被検査画像９２１，９２２，９２３が取得された場合、被検査画像９２１〜９２３のそれぞれに対応する差分絶対値画像９３１，９３２，９３３が図１（ｃ）に示すように取得される。なお、図１（ａ）および（ｂ）において、符号９ａを付した領域は基板上の配線領域であり、符号９ｂを付した領域は背景領域である。
【０００５】
そして、図１（ｃ）の差分絶対値画像９３２，９３３において、符号９３２ａ，９３３ａを付した領域がそれぞれ欠陥を示す領域として検出され、領域９３２ａ，９３３ａの全体から得られる特徴量（例えば、欠陥の面積や明度等）が欠陥の分類に利用される。このとき、欠陥の面積や明度等に基づく分類は可能であるが、配線領域９ａや背景領域９ｂに対する欠陥の相対的な幾何学的関係（包含関係、接続関係等）に関する分類を行うことは困難である。
【０００６】
例えば、差分絶対値画像９３２の領域９３２ａに対応する被検査画像９２２の欠陥領域９２２ａは、背景領域９ｂに包含される領域（いわゆる、孤立点（領域））であり、差分絶対値画像９３３の領域９３３ａに対応する被検査画像９２３の欠陥領域９２３ａは、背景領域９ｂを分断する領域（すなわち、配線領域９ａ間を短絡させる領域）であるが、従来の特徴量からは孤立点や短絡等の分類を行うことは困難であった。
【０００７】
本発明は上記課題に鑑みなされたものであり、特定種類の欠陥を容易に分類する技術を提供することを目的としている。
【０００８】
【課題を解決するための手段】
請求項１に記載の発明は、対象物上の被検査パターンの欠陥を分類する分類装置であって、対象物上の被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータ、および、参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを記憶する記憶部と、欠陥領域または分割領域の収縮と、欠陥領域画像と分割領域画像との画素毎の論理積を求めることによるＡＮＤ画像の生成とを、前記ＡＮＤ画像において画素値が１の領域が存在しなくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との重なりの程度を示す評価値を前記収縮の回数に応じて求める評価値算出部と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う分類部とを備える。
請求項２に記載の発明は、対象物上の被検査パターンの欠陥を分類する分類装置であって、対象物上の被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータ、および、参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを記憶する記憶部と、欠陥領域または分割領域の膨張と、欠陥領域画像と分割領域画像との画素毎の論理和を求めることによるＯＲ画像の生成とを、前記ＯＲ画像におけるラベル数が分割領域画像におけるラベル数よりも少なくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との複数箇所での重なりの程度を示す評価値を前記膨張の回数に応じて求める評価値算出部と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う分類部とを備える。
【０００９】
請求項３に記載の発明は、請求項１または２に記載の分類装置であって、被検査パターンを示す多階調の被検査画像と参照パターンを示す多階調の参照画像とを比較することにより欠陥領域画像を生成する欠陥領域画像生成部をさらに備える。
【００１０】
請求項４に記載の発明は、請求項３に記載の分類装置であって、対象物を撮像して被検査画像のデータを取得する撮像部をさらに備える。
【００１１】
請求項５に記載の発明は、パターンが形成された対象物の製造歩留まりを管理する歩留管理システムであって、請求項４に記載の分類装置と、前記分類部による分類結果を検査項目、基板の種別、検査箇所、あるいは、製造プロセスの条件や製造を開始してからの期間の管理項目に関連づけて記憶する記憶部とを備える。
【００１２】
請求項６に記載の発明は、対象物上の被検査パターンの欠陥を分類する分類方法であって、対象物上の被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータを準備する工程と、参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを準備する工程と、欠陥領域または分割領域の収縮と、欠陥領域画像と分割領域画像との画素毎の論理積を求めることによるＡＮＤ画像の生成とを、前記ＡＮＤ画像において画素値が１の領域が存在しなくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との重なりの程度を示す評価値を前記収縮の回数に応じて求める工程と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程とを有する。
請求項７に記載の発明は、対象物上の被検査パターンの欠陥を分類する分類方法であって、対象物上の被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータを準備する工程と、参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを準備する工程と、欠陥領域または分割領域の膨張と、欠陥領域画像と分割領域画像との画素毎の論理和を求めることによるＯＲ画像の生成とを、前記ＯＲ画像におけるラベル数が分割領域画像におけるラベル数よりも少なくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との複数箇所での重なりの程度を示す評価値を前記膨張の回数に応じて求める工程と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程とを有する。
【００１３】
請求項８に記載の発明は、パターンが形成された基板を製造する基板製造方法であって、基板を搬入位置から取り出す工程と、前記基板にパターンを形成する工程と、前記基板を撮像して被検査パターンを示す多階調の被検査画像のデータを取得する工程と、前記被検査画像と参照パターンを示す多階調の参照画像とを比較して前記被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像を生成する工程と、前記参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像が準備され、欠陥領域または分割領域の収縮と、欠陥領域画像と分割領域画像との画素毎の論理積を求めることによるＡＮＤ画像の生成とを、前記ＡＮＤ画像において画素値が１の領域が存在しなくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との重なりの程度を示す評価値を前記収縮の回数に応じて求める工程と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程と、前記基板を搬出位置へと搬送する工程とを有する。
請求項９に記載の発明は、パターンが形成された基板を製造する基板製造方法であって、基板を搬入位置から取り出す工程と、前記基板にパターンを形成する工程と、前記基板を撮像して被検査パターンを示す多階調の被検査画像のデータを取得する工程と、前記被検査画像と参照パターンを示す多階調の参照画像とを比較して前記被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像を生成する工程と、前記参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像が準備されており、欠陥領域または分割領域の膨張と、欠陥領域画像と分割領域画像との画素毎の論理和を求めることによるＯＲ画像の生成とを、前記ＯＲ画像におけるラベル数が分割領域画像におけるラベル数よりも少なくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との複数箇所での重なりの程度を示す評価値を前記膨張の回数に応じて求める工程と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程と、前記基板を搬出位置へと搬送する工程とを有する。
【００１４】
請求項１０に記載の発明は、パターンの欠陥の分類に利用されるプログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータを準備する工程と、参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを準備する工程と、欠陥領域または分割領域の収縮と、欠陥領域画像と分割領域画像との画素毎の論理積を求めることによるＡＮＤ画像の生成とを、前記ＡＮＤ画像において画素値が１の領域が存在しなくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との重なりの程度を示す評価値を前記収縮の回数に応じて求める工程と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程とを実行させる。
請求項１１に記載の発明は、パターンの欠陥の分類に利用されるプログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータを準備する工程と、参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを準備する工程と、欠陥領域または分割領域の膨張と、欠陥領域画像と分割領域画像との画素毎の論理和を求めることによるＯＲ画像の生成とを、前記ＯＲ画像におけるラベル数が分割領域画像におけるラベル数よりも少なくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との複数箇所での重なりの程度を示す評価値を前記膨張の回数に応じて求める工程と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程とを実行させることを特徴とするプログラム。
【００１８】
請求項１２に記載の発明は、請求項１０または１１に記載のプログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、前記被検査パターンを示す多階調の被検査画像のデータを準備する工程と、前記参照パターンを示す多階調の参照画像のデータを準備する工程と、前記被検査画像と前記参照画像とを比較して前記欠陥領域画像を生成する工程とをさらに実行させる。
【００１９】
請求項１３に記載の発明は、請求項１２に記載のプログラムであって、前記欠陥領域画像が、前記被検査画像と前記参照画像との差分画像から生成される。
【００２０】
請求項１４に記載の発明は、請求項１２または１３に記載のプログラムであって、前記プログラムの前記コンピュータによる実行は、前記コンピュータに、前記参照画像を２値化して前記分割領域画像を生成する工程をさらに実行させる。
【００２１】
請求項１５に記載の発明は、請求項１２ないし１４のいずれかに記載のプログラムであって、前記プログラムの前記コンピュータによる実行は、前記コンピュータに、前記被検査画像、前記参照画像および前記欠陥領域画像のうち少なくとも１つに基づいて画像特徴量を求める工程をさらに実行させ、前記評価値および前記画像特徴量に基づいて欠陥の分類が行われる。
【００２２】
請求項１６に記載の発明は、請求項１５に記載のプログラムであって、前記欠陥の分類を行う工程が、前記評価値に基づいて粗分類を行う工程と、前記粗分類の結果および前記画像特徴量に基づいて詳細分類を行う工程とを有する。
【００２３】
請求項１７に記載の発明は、請求項１５に記載のプログラムであって、前記欠陥の分類を行う工程が、前記画像特徴量に基づいて欠陥または非欠陥を特定する工程と、欠陥が特定された場合に前記評価値に基づいて前記欠陥の分類を行う工程とを有する。
【００２４】
請求項１８に記載の発明は、請求項１２または１３に記載のプログラムであって、前記欠陥の分類を行う工程が、複数通りの分類を行って複数の分類結果を取得する工程と、前記複数の分類結果に基づいて最終分類結果を取得する工程とを有する。
【００２５】
【発明の実施の形態】
図２は半導体基板（以下、「基板」という。）を製造するプロセスの一部を担う基板製造システム７を示す図である。基板製造システム７は、基板に処理を施すことにより基板上にパターンを形成する処理装置７１（複数の処理装置であってもよい。）、形成された基板上のパターンを撮像し、パターンの欠陥を検出するとともに欠陥を分類する分類装置１、および、分類装置１に接続された管理装置７２を備え、所定の搬入位置に載置された基板を処理装置７１へと渡すローダ７０ａ、および、分類装置１により欠陥の分類が行われた基板を受け取って所定の搬出位置に載置するアンローダ７０ｂをさらに備える。
【００２６】
管理装置７２は、各種演算処理を行うＣＰＵや各種情報を記憶するメモリ等により構成された管理部７３、分類装置１から送信される情報を記憶する記憶部７４、および、各種情報の表示を行うディスプレイ７５を有する。管理部７３は基板の歩留まりを管理する監視部７３１を有し、監視部７３１が、分類装置１から送信される欠陥の分類結果を受け取って、検査項目、基板の種別、検査箇所、あるいは、製造プロセスの条件や製造を開始してからの期間（システムの立ち上げ期か否かを示す情報として利用される。）等の管理項目に関連づけながら記憶部７４に保存し、欠陥分類データベース７４１の更新を行う。
【００２７】
監視部７３１はさらに、欠陥分類データベース７４１から導かれる統計的情報を監視し、例えば、立ち上げ期が終了した後に歩留まりが低下した場合に作業者にその旨を通知する。作業者はディスプレイ７５を介して欠陥分類データベース７４１を参照し、歩留まり低下の原因となっている欠陥の種類を把握した上で対応を行う。以上のように、分類装置１は管理装置７２とともに歩留管理システムを構成する。
【００２８】
図３は基板製造システム７による基板製造プロセスの流れを示す図である。まず、基板が搬入位置に載置されると（ステップＳ１１）、ローダ７０ａにより基板が搬入位置から取り出されて処理装置７１へと搬送される（ステップＳ１２）。処理装置７１では基板に対する所定の処理が施され、基板上に配線パターンが形成される（ステップＳ１３）。その後、基板は分類装置１へと搬送され、分類装置１により基板上の配線パターンが検査され、検出された欠陥の分類が行われる（ステップＳ１４）。なお、分類装置１の処理の詳細については後述する。欠陥の分類結果は管理装置７２へと送信され、分類結果が欠陥分類データベース７４１に追加される。基板はアンローダ７０ｂへと搬送され、所定の搬出位置に載置される（ステップＳ１５）。
【００２９】
以上のように、基板製造システム７では、基板上に形成されたパターンの欠陥の検出および分類が分類装置１により行われ、分類結果が管理装置７２へと出力される。管理装置７２では分類結果が欠陥分類データベース７４１に追加記憶され、これにより、各種項目毎の欠陥の種類や各種欠陥の発生頻度等の製造歩留まりに係るデータを容易かつ迅速に作業者やシステム外の装置が取得可能となり、例えば、後工程における生産計画の立案等に利用することができる。また、製造プロセスの迅速かつ正確な診断および是正が可能となり、基板製造歩留まりを向上することができる。
【００３０】
図４は分類装置１の構成を示す図である。分類装置１は、基板９上の所定の領域を撮像して多階調の対象物画像のデータを取得する撮像部２、基板９を保持するステージ３、および、撮像部２に対してステージ３を相対的に移動するステージ駆動部３１を有する。
【００３１】
撮像部２は、照明光を出射する照明部２１、基板９に照明光を導くとともに基板９からの光が入射する光学系２２、および、光学系２２により結像された基板９の像を電気信号に変換する撮像デバイス２３を有する。ステージ駆動部３１はステージ３を図４中のＸ方向に移動するＸ方向移動機構３２、および、Ｙ方向に移動するＹ方向移動機構３３を有する。Ｘ方向移動機構３２はモータ３２１にボールねじ（図示省略）が接続され、モータ３２１が回転することにより、Ｙ方向移動機構３３がガイドレール３２２に沿って図４中のＸ方向に移動する。Ｙ方向移動機構３３もＸ方向移動機構３２と同様の構成となっており、モータ３３１が回転するとボールねじ（図示省略）によりステージ３がガイドレール３３２に沿ってＹ方向に移動する。
【００３２】
分類装置１は、電気的回路により構成される演算部４、および、各種演算処理を行うＣＰＵや各種情報を記憶するメモリ等により構成されたコンピュータ５をさらに有する。演算部４は、撮像部２から対象物画像の電気信号を取得して欠陥を検出するとともに欠陥の分類に利用される欠陥領域画像を生成し、コンピュータ５は、欠陥の分類を行うとともに、分類装置１の各構成を制御する制御部としての役割を担う。
【００３３】
図４において、切替スイッチ４０、被検査画像メモリ４１１、参照画像メモリ４１２、差分計算回路４２、差分統計量計算回路４３、正規化回路４４、しきい値メモリ４１３、比較回路４５および欠陥領域画像メモリ４１４が演算部４の構成を示しており、分割領域計算部５０１、分割領域画像メモリ５３１、欠陥特徴量抽出部５０２および分類器５０３がコンピュータ５の構成または機能を示している。
【００３４】
分類装置１では、コンピュータ５がステージ駆動部３１を制御して撮像部２の撮像位置を基板９上の所定の位置へと相対的に移動し、撮像部２にて取得された画像（の信号）が演算部４に入力される。演算部４では、まず、対象物画像の信号が切替スイッチ４０を介して被検査画像メモリ４１１または参照画像メモリ４１２へと出力される。分類装置１における被検査画像は、例えば、基板９上に配列されているダイ（すなわち、１つのチップに対応する領域）のロジック領域上に形成されたパターンの画像とされる。
【００３５】
分類装置１において、被検査画像が取得される際には、切替スイッチ４０が被検査画像メモリ４１１側に接続されるとともに、ステージ駆動部３１がステージ３を移動することにより撮像部２の撮像位置が基板９上のダイのロジック領域上へと移動する。そして、被検査画像メモリ４１１に対象物画像のデータが記憶され、さらに、対象物画像中の被検査画像の領域が特定される。
【００３６】
参照画像が取得される際には、切替スイッチ４０は参照画像メモリ４１２側に接続され、撮像部２の撮像位置がステージ駆動部３１により他のダイの同じ位置（すなわち、ダイのパターンの周期の整数倍だけ離れた撮像領域）へと移動し、他のダイのロジック領域上の画像が取得される。そして、撮像部２により取得された対象物画像のデータが参照画像の領域が特定可能な状態で参照画像メモリ４１２に記憶される。
【００３７】
なお、参照画像は被検査画像よりも先に取得されてもよく、既に取得されている複数の画像（例えば、検査済みの複数の被検査画像）の平均画像として参照画像が予め準備されてもよい。さらに、ＣＡＤデータを元に生成されたゴールデン・テンプレート画像（すなわち、欠陥が存在しない、または、欠陥が存在しないと推定される画像）のデータが予め記憶されてもよい。
【００３８】
被検査画像の各画素の値および参照画像の対応する画素の値は被検査画像メモリ４１１および参照画像メモリ４１２から差分計算回路４２へと順次入力される。差分計算回路４２では、被検査画像の画素値から参照画像の対応する画素値を減算した符号付差分および差分絶対値が算出され、符号付差分は差分統計量計算回路４３に、差分絶対値は正規化回路４４にそれぞれ出力される。これにより、実質的に符号付差分画像および差分絶対値画像が生成される。
【００３９】
差分統計量計算回路４３では、１つの被検査画像または参照画像に相当する画素数の符号付差分が蓄積され、蓄積された符号付差分についての標準偏差が求められる。標準偏差は正規化回路４４へと出力され、差分計算回路４２から入力された差分絶対値のそれぞれが標準偏差により正規化される。すなわち、正規化回路４４において、各差分絶対値が標準偏差で除され、所定の係数が乗じられて正規化された差分絶対値が求められる。なお、正規化回路４４に差分絶対値を記憶するバッファが設けられてもよく、差分統計量計算回路４３から正規化回路４４に符号付差分が入力されて差分絶対値が求められてもよい。
【００４０】
正規化された差分絶対値は比較回路４５へと順次出力され、しきい値メモリ４１３に予め記憶された所定のしきい値との比較が行われる。そして、正規化された差分絶対値がしきい値よりも大きい場合には欠陥を示す画素値「１」が、所定のしきい値よりも小さい場合には非欠陥（すなわち、正常な画素）を示す画素値「０」が欠陥領域画像メモリ４１４へと出力される。これにより、欠陥領域画像メモリ４１４には、被検査画像中の配線パターンの欠陥領域（すなわち、被検査パターンの欠陥領域）を示す２値画像が欠陥領域画像として記憶される。以上のように、欠陥領域画像は被検査画像と参照画像とを比較することにより生成され、記憶される。
【００４１】
図５（ａ）は被検査画像６１１を例示する図であり、図５（ｂ）は参照画像６２を例示する図である。被検査画像６１１および参照画像６２は背景領域６ｂ上に配線パターン６ａが形成された画像である。図６は、図５（ａ）の被検査画像６１１および図５（ｂ）の参照画像６２から生成された欠陥領域画像６３１を示す図である。図６では、符号６３１ａを付す領域が欠陥を示す領域として特定されており、この領域６３１ａが被検査画像６１１の欠陥領域６１１ａに対応する様子を示している。
【００４２】
以上のようにして欠陥領域画像６３１のデータが取得されると、次に、コンピュータ５により欠陥の分類に利用される評価値が生成され、欠陥の分類が行われる。
【００４３】
コンピュータ５は、図７に示すように、各種演算処理を行うＣＰＵ５１、基本プログラムを記憶するＲＯＭ５２および各種情報を記憶するＲＡＭ５３をバスラインに接続した一般的なコンピュータシステムの構成となっている。バスラインにはさらに、情報記憶を行う固定ディスク５４、画像等の各種情報の表示を行うディスプレイ５５、作業者からの入力を受け付けるキーボード５６ａおよびマウス５６ｂ、光ディスク、磁気ディスク、光磁気ディスク等のコンピュータ読み取り可能な記録媒体８から情報の読み取りを行う読取装置５７、並びに、分類装置１の他の構成との間で信号を送受信する通信部５８が、適宜、インターフェイス（Ｉ／Ｆ）を介する等して接続される。
【００４４】
コンピュータ５には、事前に読取装置５７を介して記録媒体８からプログラム８０が読み出され、固定ディスク５４に記憶される。そして、プログラム８０がＲＡＭ５３にコピーされるとともにＣＰＵ５１がＲＡＭ５３内のプログラムに従って演算処理を実行することにより（すなわち、コンピュータがプログラムを実行することにより）、コンピュータ５が評価値を生成しつつ、欠陥を分類する処理を行う。
【００４５】
図４において分割領域画像メモリ５３１はコンピュータ５のＲＡＭ５３の一部に相当し、分割領域計算部５０１、欠陥特徴量抽出部５０２および分類器５０３は、ＣＰＵ５１等により実現される機能に相当する。ただし、これらの機能は専用の電気的回路により実現されてもよく、部分的に電気的回路が用いられてもよい。
【００４６】
図８はコンピュータ５が欠陥を分類する処理の流れを示す図である。以下、図５（ａ），（ｂ）および図６に例示した画像を参照しながら説明行う。まず、欠陥領域画像メモリ４１４に記憶された欠陥領域画像６３１のデータがＲＡＭ５３に記憶され準備される（ステップＳ２１）。続いて、参照画像メモリ４１２に記憶されている参照画像６２のデータが分割領域計算部５０１へと入力され、分割領域計算部５０１において配線パターン６ａ（すなわち、参照されるパターン）の存在領域を示す画像が生成される（ステップＳ２２，Ｓ２３）。
【００４７】
具体的には、まず、参照画像６２の各画素が属すべき領域の種類（すなわち、背景領域と配線領域）を特定するためのしきい値（以下、「領域判定しきい値」という。）が求められる（ステップＳ２２）。領域判定しきい値を求める手法としては様々な手法が用いられてよいが、図９に示すように、参照画像６２の画素値のヒストグラムが双峰性を有している場合には、両ピークの間の値（例えば、ピーク間において極小となる画素値）を領域判定しきい値とすることができる。
【００４８】
また、図１０のように、双峰性を有しない場合には、大津展之による「判別および最小２乗規準に基づく自動しきい値選定法」（電子通信学会論文誌 ＶＯＬ．Ｊ６３−Ｄ，ＮＯ．４，１９８０年４月, ｐ．３４９−３５６）に開示された手法が用いられる。この手法では、しきい値の適切さを評価する値として、クラス（しきい値により分離される画素値群）内分散およびクラス間分散に基づくクラス分離度を採用し、クラス分離度が最大となるようにしきい値が求められる。この手法により、画像を２つの領域に分ける際に、画素値のヒストグラムが双峰性を有しない場合であってもノンパラメトリックに最適なしきい値を安定して求めることができる。
【００４９】
以上のようにして領域判定しきい値が求められると、領域判定しきい値に従って、参照画像６２の各画素値の領域種別が特定され、背景領域を示す画素値「０」または配線領域を示す画素値「１」のいずれかが分割領域画像メモリ５３１に出力される（ステップＳ２３）。これにより、配線パターンの存在領域を示す分割領域を示す２値画像（以下、「分割領域画像」という。）のデータが分割領域画像メモリ５３１に記憶され準備される（ステップＳ２４）。
【００５０】
図１１は、図５（ｂ）の参照画像６２から生成された分割領域画像６４を示す図であり、参照画像６２の配線パターン６ａの領域が分割領域画像６４中にて画素値が「１」の配線領域６４ａとして特定され、参照画像６２の背景領域６ｂが分割領域画像６４中にて画素値が「０」の背景領域６４ｂとして特定された様子を示している。
【００５１】
続いて、分割領域画像６４のデータおよび欠陥領域画像６３１のデータが欠陥特徴量抽出部５０２へと入力され、分割領域画像６４と欠陥領域画像６３１との画素毎の論理演算が行われ、後述するように配線領域と背景領域との幾何学的な相対的位置関係（他方の領域を分断したり包含する関係）が評価値として求められる（ステップＳ２５）。ステップＳ２５に係る処理の詳細については後述する。
【００５２】
被検査画像６１１の欠陥領域６１１ａに関する評価値が求められると、評価値は分類器５０３へと入力され、分類器５０３において欠陥領域６１１ａの分類が行われる（ステップＳ２６）。例えば、分類器５０３は、作業者により構築されたエキスパートシステムであり、次のように記述されたプログラムを実行することにより評価値に基づく欠陥の分類が実現される。
【００５３】
ｉｆ （背景分断確率＞０．５） ｔｈｅｎ 分類＝ショート
ｅｌｓｅ ｉｆ （背景内包確率＞０．５） ｔｈｅｎ 分類＝孤立点
ｅｌｓｅ ｔｈｅｎ 分類＝その他
上記プログラムにおける背景分断確率および背景内包確率はステップＳ２５において後述する手法により求められる評価値である。
【００５４】
分類器５０３にて求められた分類結果は信号Ｒとして出力され、信号Ｒは図１に示す管理装置７２に入力されて既述のように基板製造システム７の歩留まりの管理に利用される。
【００５５】
なお、分類器５０３は、判別関数、関数木、決定木、あるいは、ニューラルネットワーク等の判定器であってもよく、その場合、コンピュータ５が教師データを作成しつつ学習することにより判定器に応じた欠陥判定条件を自動生成し、生成された欠陥判定条件が分類器５０３に入力されてもよい。これにより、自動構築された判別関数、関数木、決定木、あるいは、ニューラルネットワーク等による適切な欠陥の分類が実現される。
【００５６】
次に、欠陥特徴量抽出部５０２において評価値が求められる処理についての説明を行う。図１２は、評価値を求める処理の流れを示す図であり、図８のステップＳ２５において行われる処理である。ステップＳ２５では、複数種類の評価値を求めることが可能とされているが、そのうちの１種類の評価値である背景内包確率に注目して説明を行う。背景内包確率は、被検査画像中の欠陥領域が背景領域に内包されるか否か、あるいは、どの程度内包されているかを示す値である。
【００５７】
まず、欠陥特徴量抽出部５０２において分割領域画像の各画素の値と欠陥領域画像の対応する画素の値との論理積が求められる（ステップＳ３１）。これにより、例えば、図６に示す欠陥領域画像６３１において画素値が「１」の欠陥を示す領域６３１ａと、図１１に示す分割領域画像６４において画素値が「１」の配線領域６４ａとの重なる領域のみが画素値「１」となる画像（以下、「ＡＮＤ画像」と呼ぶ。）が生成される。
【００５８】
図１３は、欠陥領域画像６３１と分割領域画像６４とから生成されたＡＮＤ画像６５１を例示する図である。ＡＮＤ画像６５１では、全ての画素の値が「０」となっており、欠陥領域画像６３１の領域６３１ａと分割領域画像６４の配線領域６４ａとが重なっていないことを示している。ＡＮＤ画像において画素値「１」が存在しない場合には、図５（ａ）に示す被検査画像６１１において、欠陥領域６１１ａが背景領域６ｂに内包される（あるいは、欠陥領域６１１ａがいずれの配線パターン６ａにも接触していない孤立点である。）といえる。そこで、背景内包確率が１．０とされる（ステップＳ３２，Ｓ３５）。
【００５９】
一方、欠陥領域画像の欠陥を示す領域が、検出条件によっては被検査画像の実際の欠陥領域よりもわずかに大きく特定される場合や、欠陥領域画像と分割領域画像との間の対応する画素に微小なずれが生じる場合もある。例えば、図１４（ａ）に示す被検査画像６１２が取得された場合に、図１４（ｂ）に示すように欠陥を示す領域６３２ａが被検査画像６１２の欠陥領域６１２ａよりも大きく特定された欠陥領域画像６３２が生成されるときがある。この欠陥領域画像６３２が欠陥特徴量抽出部５０２へと入力されると、欠陥領域画像６３２と分割領域画像６４（図１１参照）とから図１４（ｃ）に示すＡＮＤ画像６５２が生成される（ステップＳ３１）。
【００６０】
ＡＮＤ画像６５２において画素値が「１」の領域６５２ａが存在することが確認されると（ステップＳ３２）、欠陥特徴量抽出部５０２が欠陥領域画像６３２に対して画像処理を施す（ステップＳ３４）。画像処理としては、欠陥を示す領域６３２ａを収縮する処理が行われ、図１４（ｄ）に示す新たな欠陥領域画像６３３が生成される。そして、新たな欠陥領域画像６３３と分割領域画像６４とから図１４（ｅ）に示すＡＮＤ画像６５３が生成される（ステップＳ３１）。
【００６１】
収縮処理が１回施された後のＡＮＤ画像６５３では画素値が「１」の領域が存在しないため（ステップＳ３２）、続いて、背景内包確率を決定する処理が行われる（ステップＳ３５）。このとき、背景内包確率は図１５に示す換算曲線に基づいて収縮処理の回数に応じて決定される。例えば、ＡＮＤ画像６５３は１回の収縮処理により画素値が「１」の領域が存在しない状態とされたため、図１５の換算曲線から背景内包確率は０．８とされる。
【００６２】
収縮処理が４回繰り返された場合（すなわち、所定の繰返し回数に到達した場合）であっても画素値が「１」の領域が存在する場合には、５回目の収縮処理は行われず（ステップＳ３３）、ステップＳ３５において背景内包確率が０．０とされる。すなわち、被検査画像において欠陥領域が背景領域に明らかに内包されないと判定される。なお、図１５に示す換算曲線は、ステップＳ３４において欠陥領域を収縮する処理の程度に応じて適宜変更されてよい。
【００６３】
以上の処理により、欠陥領域画像中の欠陥を示す領域が分割領域画像中の背景領域に明らかに内包される場合、すなわち、被検査画像において欠陥領域が背景領域に明らかに内包される場合は背景内包確率が１．０とされ、欠陥領域が背景領域に明らかに内包されない場合は背景内包確率が０．０とされ、欠陥領域が背景領域にほぼ内包される場合は、その程度に応じて背景内包確率が０．０と１．０との間の値とされる。
【００６４】
なお、欠陥領域画像の欠陥を示す領域が分割領域画像の背景領域に内包されることは、欠陥領域画像と参照画像とを重ねたときに欠陥を示す領域と分割領域画像の配線領域とが重ならないことを示しており、背景内包確率は欠陥を示す領域が配線領域と重なるか否か（すなわち、被検査画像中の欠陥領域が配線領域と重なるか否か）、あるいは、どの程度実質的に重なっていると捉えることができるかという重なり状態を示す値であるといえる。
【００６５】
以上、評価値の１つである背景内包確率を求める処理について説明を行ったが、より高速に背景内包確率を求めるためにＡＮＤ画像が示す画素値が「１」の領域の面積（あるいは、画素数）に応じて、評価値が決定されてもよい。図１６は、画素数に応じた評価値の決定に利用される換算曲線の一例を示す図である。図１６の換算曲線により、欠陥領域と参照画像から分割された配線領域とが重なる領域の画素数に応じた評価値を迅速に決定することができる。
【００６６】
次に、他の評価値として背景分断確率を求める例について、図１２の評価値を求める処理の流れに沿って説明を行う（ただし、ステップＳ３２の処理は図１２の記載内容と異なったものとなる。）。背景分断確率は、被検査画像において欠陥領域が背景領域を分断するか否か、あるいは、どの程度実質的に分断していると捉えることができるかを示す値である。
【００６７】
まず、撮像部２により図１７（ａ）に示す被検査画像６１４が取得されたとすると、図１７（ｂ）に示す欠陥領域画像６３４が演算部４により生成され、準備される。そして、欠陥特徴量抽出部５０２において、欠陥領域画像６３４の各画素の値と分割領域画像６４（図１１参照）の対応する画素の値との論理和が求められ、２値画像（以下、「ＯＲ画像６５４」と呼ぶ。）が図１７（ｃ）に示すように生成される（ステップＳ３１）。そして、ＯＲ画像６５４および分割領域画像６４中の画素値が「１」の領域に対してラベリングを行い、画素値が「１」の領域の数（以下、「ラベル数」という。）を求める。
【００６８】
ＯＲ画像６５４は、欠陥領域画像６３４の欠陥を示す領域６３４ａと分割領域画像６４の配線領域６４ａとの重なり状態を示す画像であり、ＯＲ画像６５４の画素値が「１」の領域６５４ａのラベル数が分割領域画像６４の配線領域６４ａのラベル数よりも少ない場合には、欠陥を示す領域６３４ａが分割領域画像６４と重ねたときに背景領域６４ｂを分断する状態（あるいは、欠陥を示す領域６３４ａが配線領域６４ａ間を短絡させる領域）であるといえ、被検査画像６１４においても欠陥領域６１４ａが背景領域６ｂを分断している（すなわち、配線パターン６ａ間が短絡している。）といえる。
【００６９】
そこで、ステップＳ３２において、ＯＲ画像６５４のラベル数と分割領域画像６４のラベル数とが比較され（図１２の記載内容と異なる処理である。）、図１７（ｃ）のように、ＯＲ画像６５４のラベル数が分割領域画像６４のラベル数よりも少ない場合には、被検査画像６１４の欠陥領域６１４ａに関する背景分断確率が１．０とされる（ステップＳ３５）。
【００７０】
一方、欠陥領域画像の欠陥を示す領域が被検査画像の欠陥領域よりもわずかに小さく検出される場合や、欠陥領域画像と分割領域画像との間に微小なずれが生じる場合もある。例えば、図１８（ａ）に示す被検査画像６１５が取得され、図１８（ｂ）に示す欠陥領域画像６３５において欠陥を示す領域６３５ａが被検査画像６１５の欠陥領域６１５ａよりも小さく検出された場合、欠陥領域画像６３５と分割領域画像６４（図１１参照）とから図１８（ｃ）に示すＯＲ画像６５５が生成される（ステップＳ３１）。
【００７１】
図１８（ｃ）のＯＲ画像６５５に関してステップＳ３２のラベル数の比較を行うと、ＯＲ画像６５５のラベル数と分割領域画像６４のラベル数とが同じになる。この場合、欠陥領域画像６３５に対して画像処理が施される（ステップＳ３４）。画像処理としては、欠陥領域画像６３５の欠陥を示す領域６３５ａを膨張する処理が行われ、欠陥を示す領域６３６ａを有する新たな欠陥領域画像６３６が図１８（ｄ）に示すように生成される。
【００７２】
そして、新たな欠陥領域画像６３６と分割領域画像６４とから図１８（ｅ）に示すＯＲ画像６５６が生成される（ステップＳ３１）。膨張処理が１回施された後のＯＲ画像６５６のラベル数は、分割領域画像６４のラベル数より少ないため（ステップＳ３２）、続いて、背景分断確率が図１９に示す換算曲線に基づいて決定される。例えば、図１８（ｅ）のＯＲ画像６５６では１回の膨張処理によりラベル数が分割領域画像６４のラベル数より少なくなったため、被検査画像６１５の欠陥領域６１５ａの背景分断確率は０．７５とされる。
【００７３】
なお、膨張処理が３回繰り返された場合であっても欠陥領域画像のラベル数が分割領域画像６４のラベル数よりも少なくならないときには、４回目の膨張処理は行われずに（ステップＳ３３）、ステップＳ３５において、背景分断確率が０．０とされる。すなわち、被検査画像において欠陥領域が背景領域を明らかに分断しないと判定される。図１９に示す換算曲線に関しても、欠陥領域を膨張する処理の程度に応じて適宜変更されてよい。
【００７４】
以上の処理により、欠陥領域画像中の欠陥を示す領域が分割領域画像中の背景領域を明らかに分断する場合、すなわち、被検査画像において欠陥領域が背景領域を明らかに分断する場合は背景分断確率が１．０とされ、欠陥領域が背景領域を明らかに分断しない場合には背景分断確率が０．０とされ、欠陥領域が背景領域をほぼ分断する場合は、その程度に応じて背景分断確率が０．０と１．０との間の値とされる。
【００７５】
なお、欠陥領域画像の欠陥を示す領域が分割領域画像の背景領域を分断することは、欠陥領域画像と分割領域画像とを重ねたときに欠陥を示す１つの領域が分割領域画像の配線領域と複数箇所で重なることを示しており、背景分断確率は欠陥を示す領域が配線領域と複数箇所で重なるか否か（すなわち、被検査画像中の欠陥領域が配線領域と複数箇所で重なるか否か）、あるいは、どの程度実質的に重なっていると捉えることができるかという重なり状態を示す値であるといえる。
【００７６】
以上、評価値として背景内包確率および背景分断確率を求める例について説明を行ったが、上述の分割領域画像において背景領域の画素値を「１」とし、配線領域の画素値を「０」とすることにより（換言すれば、背景領域を分割領域として取得することにより）、欠陥領域が配線領域に内包される（いわゆる、ホールとなる）程度を示す配線内包確率や、欠陥領域が配線領域を分断する（すなわち、配線が断線（いわゆる、オープン）となる）程度を示す配線分断確率が評価値として求めることができる。
【００７７】
以上のように、分類装置１では、欠陥領域画像または欠陥を示す領域を膨張もしくは収縮させた新たな欠陥領域画像、すなわち、欠陥領域画像に基づく画像と分割領域画像との画素毎の論理演算を行って欠陥領域と分割領域との重なり状態を示す評価値が求められ、評価値に基づいて被検査画像の配線パターンに対する欠陥の分類が行われる。その結果、従来手法では容易には分類できなかった配線パターンの特定種類の欠陥の分類を容易に行うことができる。また、欠陥領域画像に対して膨張または収縮処理を施すことにより、欠陥の程度を求めることも実現される。
【００７８】
なお、分割領域画像に対して膨張や収縮等の画像処理を行い、処理後の分割領域画像と欠陥領域画像との論理演算により評価値が求められてもよい。すなわち、論理演算に利用される画像は、分割領域画像に基づく画像（分割領域画像自体を含む。）であればよい。
【００７９】
図２０は分類装置１の構成の他の例を示す図である。図２０に示す分類装置１は、第２欠陥特徴量抽出部５０２ａを有し、第２欠陥特徴量抽出部５０２ａは被検査画像メモリ４１１、参照画像メモリ４１２および欠陥領域画像メモリ４１４に接続される。図２０中の第１欠陥特徴量抽出部５０２は図４中の欠陥特徴量抽出部５０２と同様であり、他の構成も図４と同様である。
【００８０】
図２１は分類装置１が欠陥の分類を行う動作の流れを示す図であり、図８のステップＳ２６に相当する部分のみを示している。分類装置１では、ステップＳ２５において評価値が求められると、被検査画像メモリ４１１、参照画像メモリ４１２および欠陥領域画像メモリ４１４から被検査画像のデータ、参照画像のデータ、および、欠陥領域画像のデータがそれぞれ第２欠陥特徴量抽出部５０２ａへと出力される。
【００８１】
第２欠陥特徴量抽出部５０２ａでは、被検査画像、参照画像または欠陥領域画像から画素値の平均値や標準偏差等の画素値の統計量である特徴量、あるいは、欠陥領域の面積、高さ、幅、欠陥領域の中心線の角度やモーメント等の幾何的特徴量である画像特徴量が算出される（ステップＳ４１）。なお、符号付差分画像や差分絶対値画像の画像特徴量が第２欠陥特徴量抽出部５０２ａにおいて求められてもよい。また、画像特徴量は被検査画像、差分絶対値画像あるいは欠陥領域画像中の欠陥領域近傍に対して求められてもよい。すなわち、画像特徴量は被検査画像、参照画像または欠陥領域画像のうち少なくとも１つに基づいて求められれる。
【００８２】
なお、第１欠陥特徴量抽出部５０２にて求められる評価値は、欠陥領域画像にて欠陥を示す領域と分割領域画像の分割領域との重なり状態、すなわち、被検査画像における欠陥領域と配線パターンとの重なり状態に基づいた画像特徴量の一種であると捉えることができるが、第２欠陥特徴量抽出部５０２ａにて求められる画像特徴量は上述の重なり状態とは関連しないため、第１欠陥特徴量抽出部５０２にて求められる画像特徴量とは異質であるといえる。以下の説明における「画像特徴量」は第２欠陥特徴量抽出部５０２ａにて求められる画像特徴量を指すものとする。
【００８３】
第１欠陥特徴量抽出部５０２において求められた評価値と第２欠陥特徴量抽出部５０２ａにおいて求められた画像特徴量とは分類器５０３に入力され、分類器５０３において、評価値と画像特徴量とに基づく分類が行われる（ステップＳ４２）。
【００８４】
以上のように、図２０に示す分類装置１では、被検査画像、参照画像および欠陥領域画像のうち少なくとも１つに基づいて評価値とは異質な画像特徴量を求め、評価値および画像特徴量に基づいて欠陥の分類が行われる。したがって、評価値または画像特徴量のいずれかに基づいて分類を行う場合に比べてより適切な分類結果を取得することができる。
【００８５】
図２２は図２０に示す分類装置１において分類に係る構成を変更した例を示す図であり、第１欠陥特徴量抽出部５０２に第１分類器５０３が接続され、第２欠陥特徴量抽出部５０２ａに第２分類器５０３ａが接続され、第２分類器５０３ａには、第１分類器５０３における分類結果が入力されるようになっている。以下の説明にて言及される分類器は全て、図４に示す分類器５０３と同様に、エキスパートシステム、判別関数、関数木、決定木、ニューラルネットワーク等により構築される。
【００８６】
図２３は図２２に示す構成が欠陥の分類を行う動作の流れを示す図であり、図２１のステップＳ４２において行われる処理に対応する。ステップＳ４１において画像特徴量が求められると、評価値に基づく欠陥の分類が第１分類器５０３において行われる（ステップＳ５１）。ステップＳ５１において行われる分類は、欠陥領域と配線パターンとの重なり状態に関する分類（以下、「粗分類」という。）となっている。続いて、第２分類器５０３ａにおいて、第１分類器５０３における粗分類の結果と第２欠陥特徴量抽出部５０２ａからの画像特徴量とが入力され、欠陥の詳細な分類が行われる（ステップＳ５２）。
【００８７】
以上のように、図２２に示す構成により評価値に基づく粗分類を行い、粗分類の結果および画像特徴量の基づいて詳細分類を行うことにより、欠陥の粗分類の情報と詳細分類の情報とを順次取得しつつ欠陥を適切かつ効率よく分類することが可能となる。また、粗分類の結果を別途利用することも可能となる。
【００８８】
図２４は図２２に示す構成に第３分類器５０３ｂをさらに追加した構成を示す図である。第３分類器５０３ｂは第２欠陥特徴量抽出部５０２ａに接続され、第１分類器５０３には、第３分類器５０３ｂにおける分類結果が入力されるようになっている。
【００８９】
図２５は図２４に示す構成が欠陥の分類を行う動作の流れを示す図であり、図２３のステップＳ４１とステップＳ５１との間の処理を示している。ステップＳ４１において画像特徴量が算出されると、第２欠陥特徴量抽出部５０２ａから第３分類器５０３ｂに画像特徴量が入力され、第３分類器５０３ｂにおいて、欠陥または非欠陥を特定する分類（欠陥検出と捉えることもできる。）が画像特徴量に基づいて行われる（ステップＳ６１）。ここで、第３分類器５０３ｂでは、必ずしも厳密に欠陥または非欠陥を特定する処理が行われる必要はなく、例えば、欠陥領域の面積が小さいものや差分絶対値画像における差分絶対値が小さいもの等、画像特徴量のみからは欠陥であるか非欠陥であるかの区別が明確でないものが非欠陥として特定されてもよい。
【００９０】
続いて、特定された結果が第１分類器５０３に入力され、入力された結果が欠陥を示す場合に（ステップＳ６２）、第１分類器５０３において第１欠陥特徴量抽出部５０２からの評価値に基づく欠陥の粗分類が行われ（ステップＳ５１）、さらに粗分類の結果および画像特徴量に基づいて第２分類器５０３ａにより詳細分類が行われる（図２３：ステップＳ５２）。第３分類器５０３ｂにおける結果が非欠陥を示すものであるときは、欠陥の分類処理が終了する（ステップＳ６２）。
【００９１】
以上のように、図２４に示す構成では画像特徴量に基づいて欠陥または非欠陥を特定し、欠陥が特定された場合に欠陥の分類が行われる。その結果、高度な分類を行う前に分類処理が必要であるか否かを判定することができ、下流の分類器の処理内容の簡素化、および、効率のよい分類が実現される。
【００９２】
図２６は図４に示す分類装置１において３つの分類器５０３ｄ、５０３ｅ、５０３ｆが設けられ、さらに多数決部５０４が追加された様子を示す図である。図２７は図２６に示す構成が欠陥の分類を行う動作の流れを示す図であり、図８のステップＳ２６に対応する処理である。
【００９３】
ステップＳ２５において欠陥特徴量抽出部５０２により評価値が求められると、評価値が３つの分類器５０３ｄ〜５０３ｆへと入力される。分類器５０３ｄ〜５０３ｆにはそれぞれ異なる判定器が構築されており、分類器５０３ｄ〜５０３ｆがそれぞれの分類条件に応じた出力を行う（ステップＳ７１）。分類器５０３ｄ〜５０３ｆは、例えば、それぞれが異なったパラメータを有するニューラルネットワークであったり、ニューラルネットワーク、判定木および関数木というように互いに異なった判定器であったりする。そして、各分類器５０３ｄ〜５０３ｆの分類結果が多数決部５０４へと入力され、多数決部５０４において３つの分類結果のうち２以上のものが最終分類結果である信号Ｒとして出力される（ステップＳ７２）。なお、複数通りのパラメータを用いて複数の分類結果を取得する場合には、１つの分類器に複数通りのパラメータが順次設定されてもよい。
【００９４】
以上のように、複数通りの分類を行って得られる複数の分類結果に基づいて最終分類結果を取得することにより、不適切な分類用のパラメータが使用されていたり、特殊な評価値に起因していずれかの分類器が適切な分類を行うことができなくても、他の２つの分類器にて適切な分類が行われる限り欠陥の分類を適切に行うことが実現され、欠陥の分類精度が向上される。
【００９５】
以上、分類装置１の構成および動作について説明を行ってきたが、分類装置１の演算部４の機能はコンピュータ５によりソフトウェア的に実現されてもよい。以下、コンピュータ５が演算部４と同様の欠陥判定・欠陥領域画像生成の処理を行う様子について説明を行う。
【００９６】
図２８は、コンピュータ５が欠陥判定・欠陥領域画像生成を行う処理の流れを示す図である。コンピュータ５は、まず、撮像部２およびステージ３の移動を制御しつつ撮像部２からの信号を受け、対象物画像のデータが固定ディスク５４に記憶され（予め記憶されてもよい。）、対象物画像中の被検査画像がＣＰＵ５１により特定されてアクセスが可能な状態で準備される（ステップＳ８１）。また、参照画像のデータも固定ディスク５４に準備される（ステップＳ８２）。
【００９７】
例えば、参照画像が撮像部２から直接取得される場合は、コンピュータ５がステージ３を適宜、ダイのパターンの周期の整数倍だけ移動して被検査画像および参照画像の撮像が行われたり、あるいは、ゴールデン・テンプレート画像が参照画像として準備される。なお、対象物画像の一部が被検査画像として特定され、パターンの周期の整数倍だけ被検査画像から離れた領域が参照画像として特定されてもよい。
【００９８】
被検査画像および参照画像が準備されると、ＣＰＵ５１により被検査画像と参照画像との符号付差分画像が求められ（ステップＳ８３）、続いて、符号付差分画像の画素値の標準偏差により正規化された差分絶対値画像が生成される（ステップＳ８４）。そして、正規化された差分絶対値画像の１つの画素が特定され（ステップＳ８５）、所定のしきい値との比較が行われることにより欠陥または非欠陥を示す画素値に２値化される（ステップＳ８６）。
【００９９】
ステップＳ８５，Ｓ８６が正規化された差分絶対値画像の各画素について繰り返されることにより、欠陥領域画像が生成されて固定ディスク５４に保存され、欠陥判定・欠陥領域画像生成の処理が完了する（ステップＳ８７）。以上の処理により、コンピュータ５により演算部４の処理が実現され、適切な欠陥領域画像が生成される。
【０１００】
なお、コンピュータ５では正規化された差分絶対値画像が生成されるものとして説明したが、図４に示す演算部４と同様に、１つの画素について正規化が行われる毎に、欠陥、非欠陥の判定が行われてもよい。コンピュータ５にて欠陥領域画像の生成を行う場合には、柔軟に処理工程を変更することができる。演算部４の動作は実質的には図２８と同様であり、コンピュータ５が演算部４と同様の動作を行う場合の機能構成は図４に示す演算部４と実質的に同様である。
【０１０１】
以上、本発明の実施の形態について説明してきたが、本発明は上記実施の形態に限定されるものではなく、様々な変形が可能である。
【０１０２】
分類装置１は必ずしも図２に示すように基板製造システム７にいわゆるインライン状態にて組み込まれる必要はなく、製造システムにおいて画像の取得のみが行われ、撮像部２を有しない分類装置として別途設けられてもよい。
【０１０３】
欠陥領域画像は符号付差分画像から直接（例えば、２つのしきい値を用いて直接）求められてもよい。すなわち、欠陥領域画像は被検査画像と参照画像との差分画像に基づいて生成される。また、被検査画像および参照画像がともに２値画像であってもよい。その場合、欠陥領域画像は被検査画像と参照画像との差分絶対値画像（または、符号付差分画像）として求められる。
【０１０４】
分割領域画像は必ずしも２種類の領域を示す画像である必要はなく、３種類以上の領域を示す画像であってもよい。その場合、少なくとも１種類の領域と欠陥領域との重なり状態により評価値が求められる。分類領域画像は外部から作業者により与えられてもよい。
【０１０５】
上記実施の形態では、半導体の基板９に対して欠陥の分類が行われるが、分類装置１は、カラーフィルタ、シャドウマスク、プリント配線基板等に形成されたパターンの欠陥の分類にも利用することができ、特に基板上に形成された微細パターンの欠陥分類に適している。
【０１０６】
【発明の効果】
本発明によれば、配線パターンの特定種類の欠陥の分類を容易に行うことができる。
【０１０８】
また、請求項１５ないし１８の発明では、欠陥を適切に分類することができる。
【図面の簡単な説明】
【図１】（ａ）は被検査画像を示す図であり、（ｂ）は参照画像を示す図であり、（ｃ）は差分絶対値画像を示す図である。
【図２】基板製造システムを示す図である。
【図３】基板製造プロセスの流れを示す図である。
【図４】分類装置の概略構成を示す図である。
【図５】（ａ）は被検査画像を示す図であり、（ｂ）は参照画像を示す図である。
【図６】欠陥領域画像を示す図である。
【図７】コンピュータの構成を示す図である。
【図８】欠陥を分類する処理の流れを示す図である。
【図９】参照画像のヒストグラムの一例を示す図である。
【図１０】参照画像のヒストグラムの他の例を示す図である。
【図１１】分割領域画像を示す図である。
【図１２】評価値を求める処理の流れを示す図である。
【図１３】ＡＮＤ画像を示す図である。
【図１４】（ａ）は被検査画像を示す図であり、（ｂ）および（ｄ）は欠陥領域画像を示す図であり、（ｃ）および（ｅ）はＡＮＤ画像を示す図である。
【図１５】背景内包確率の換算曲線の一例を示す図である。
【図１６】背景内包確率の換算曲線の他の例を示す図である。
【図１７】（ａ）は被検査画像を示す図であり、（ｂ）は欠陥領域画像を示す図であり、（ｃ）はＯＲ画像を示す図である。
【図１８】（ａ）は被検査画像を示す図であり、（ｂ）および（ｄ）は欠陥領域画像を示す図であり、（ｃ）および（ｅ）はＯＲ画像を示す図である。
【図１９】背景分断確率の換算曲線の一例を示す図である。
【図２０】分類装置の他の例を示す図である。
【図２１】欠陥を分類する処理の流れを示す図である。
【図２２】欠陥の分類に係る構成を示す図である。
【図２３】欠陥を分類する処理の流れを示す図である。
【図２４】欠陥の分類に係る構成を示す図である。
【図２５】欠陥を分類する処理の流れを示す図である。
【図２６】欠陥の分類に係る構成を示す図である。
【図２７】欠陥を分類する処理の流れを示す図である。
【図２８】欠陥判定・欠陥領域画像生成の処理の流れを示す図である。
【符号の説明】
１ 分類装置
２ 撮像部
４ 演算部
５ コンピュータ
６ａ 配線パターン
６ｂ 背景領域
９ 基板
６２ 参照画像
６４ 分割領域画像
６４ａ 配線領域
６４ｂ 背景領域
７２ 管理装置
７４ 記憶部
８０ プログラム
４１４ 欠陥領域画像メモリ
５０２，５０２ａ 欠陥特徴量抽出部
５０３，５０３ａ〜５０３ｆ 分類器
５３１ 分割領域画像メモリ
６１１，６１２，６１４，６１５ 被検査画像
６１１ａ，６１２ａ，６１４ａ，６１５ａ 欠陥領域
６３１〜６３６ 欠陥領域画像
６３１ａ，６３２ａ，６３４ａ〜６３６ａ，６５２ａ，６５４ａ 領域
Ｓ１１〜Ｓ１５，Ｓ２１〜Ｓ２６，Ｓ３１〜Ｓ３５，Ｓ４１，Ｓ４２，Ｓ５１，Ｓ５２，Ｓ６１，Ｓ６２，Ｓ７１，Ｓ７２，Ｓ８１〜Ｓ８７ ステップ
【発明の属する技術分野】
本発明は、対象物上の被検査パターンの欠陥を分類する技術に関する。
【０００２】
【従来の技術】
半導体基板、カラーフィルタ、シャドウマスク、プリント配線基板等（以下、「基板」という。）に形成されたパターンを検査する分野において、従来より主として多値画像による比較検査方式が用いられている。例えば、被検査画像と参照画像との画素値の差の絶対値を示す差分絶対値画像を求め、差分絶対値画像において所定のしきい値よりも大きな画素値を有する領域が欠陥として検出される。
【０００３】
一方、各工程での歩留まりを低下させる要因となる製造プロセスの異常を是正するために、検出された欠陥に対して分類が行われる（すなわち、欠陥の種類やカテゴリが判定される）ことがある。分類処理の一手法としては、検査の際に利用された被検査画像中の欠陥近傍の明度、欠陥の面積等の欠陥全体から導かれる特徴量を算出し、特徴量に基づいてニューラルネットワークを用いて分類する手法が知られている。
【０００４】
【発明が解決しようとする課題】
ところで、比較検査方式にて検出された欠陥に対して欠陥全体から導かれる特徴量を用いた分類を行う場合、特定の種類の欠陥が分類不能となってしまう。例えば、図１（ａ）に示す参照画像９１に対して、図１（ｂ）に示す被検査画像９２１，９２２，９２３が取得された場合、被検査画像９２１〜９２３のそれぞれに対応する差分絶対値画像９３１，９３２，９３３が図１（ｃ）に示すように取得される。なお、図１（ａ）および（ｂ）において、符号９ａを付した領域は基板上の配線領域であり、符号９ｂを付した領域は背景領域である。
【０００５】
そして、図１（ｃ）の差分絶対値画像９３２，９３３において、符号９３２ａ，９３３ａを付した領域がそれぞれ欠陥を示す領域として検出され、領域９３２ａ，９３３ａの全体から得られる特徴量（例えば、欠陥の面積や明度等）が欠陥の分類に利用される。このとき、欠陥の面積や明度等に基づく分類は可能であるが、配線領域９ａや背景領域９ｂに対する欠陥の相対的な幾何学的関係（包含関係、接続関係等）に関する分類を行うことは困難である。
【０００６】
例えば、差分絶対値画像９３２の領域９３２ａに対応する被検査画像９２２の欠陥領域９２２ａは、背景領域９ｂに包含される領域（いわゆる、孤立点（領域））であり、差分絶対値画像９３３の領域９３３ａに対応する被検査画像９２３の欠陥領域９２３ａは、背景領域９ｂを分断する領域（すなわち、配線領域９ａ間を短絡させる領域）であるが、従来の特徴量からは孤立点や短絡等の分類を行うことは困難であった。
【０００７】
本発明は上記課題に鑑みなされたものであり、特定種類の欠陥を容易に分類する技術を提供することを目的としている。
【０００８】
【課題を解決するための手段】
請求項１に記載の発明は、対象物上の被検査パターンの欠陥を分類する分類装置であって、対象物上の被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータ、および、参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを記憶する記憶部と、欠陥領域または分割領域の収縮と、欠陥領域画像と分割領域画像との画素毎の論理積を求めることによるＡＮＤ画像の生成とを、前記ＡＮＤ画像において画素値が１の領域が存在しなくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との重なりの程度を示す評価値を前記収縮の回数に応じて求める評価値算出部と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う分類部とを備える。
請求項２に記載の発明は、対象物上の被検査パターンの欠陥を分類する分類装置であって、対象物上の被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータ、および、参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを記憶する記憶部と、欠陥領域または分割領域の膨張と、欠陥領域画像と分割領域画像との画素毎の論理和を求めることによるＯＲ画像の生成とを、前記ＯＲ画像におけるラベル数が分割領域画像におけるラベル数よりも少なくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との複数箇所での重なりの程度を示す評価値を前記膨張の回数に応じて求める評価値算出部と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う分類部とを備える。
【０００９】
請求項３に記載の発明は、請求項１または２に記載の分類装置であって、被検査パターンを示す多階調の被検査画像と参照パターンを示す多階調の参照画像とを比較することにより欠陥領域画像を生成する欠陥領域画像生成部をさらに備える。
【００１０】
請求項４に記載の発明は、請求項３に記載の分類装置であって、対象物を撮像して被検査画像のデータを取得する撮像部をさらに備える。
【００１１】
請求項５に記載の発明は、パターンが形成された対象物の製造歩留まりを管理する歩留管理システムであって、請求項４に記載の分類装置と、前記分類部による分類結果を検査項目、基板の種別、検査箇所、あるいは、製造プロセスの条件や製造を開始してからの期間の管理項目に関連づけて記憶する記憶部とを備える。
【００１２】
請求項６に記載の発明は、対象物上の被検査パターンの欠陥を分類する分類方法であって、対象物上の被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータを準備する工程と、参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを準備する工程と、欠陥領域または分割領域の収縮と、欠陥領域画像と分割領域画像との画素毎の論理積を求めることによるＡＮＤ画像の生成とを、前記ＡＮＤ画像において画素値が１の領域が存在しなくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との重なりの程度を示す評価値を前記収縮の回数に応じて求める工程と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程とを有する。
請求項７に記載の発明は、対象物上の被検査パターンの欠陥を分類する分類方法であって、対象物上の被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータを準備する工程と、参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを準備する工程と、欠陥領域または分割領域の膨張と、欠陥領域画像と分割領域画像との画素毎の論理和を求めることによるＯＲ画像の生成とを、前記ＯＲ画像におけるラベル数が分割領域画像におけるラベル数よりも少なくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との複数箇所での重なりの程度を示す評価値を前記膨張の回数に応じて求める工程と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程とを有する。
【００１３】
請求項８に記載の発明は、パターンが形成された基板を製造する基板製造方法であって、基板を搬入位置から取り出す工程と、前記基板にパターンを形成する工程と、前記基板を撮像して被検査パターンを示す多階調の被検査画像のデータを取得する工程と、前記被検査画像と参照パターンを示す多階調の参照画像とを比較して前記被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像を生成する工程と、前記参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像が準備され、欠陥領域または分割領域の収縮と、欠陥領域画像と分割領域画像との画素毎の論理積を求めることによるＡＮＤ画像の生成とを、前記ＡＮＤ画像において画素値が１の領域が存在しなくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との重なりの程度を示す評価値を前記収縮の回数に応じて求める工程と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程と、前記基板を搬出位置へと搬送する工程とを有する。
請求項９に記載の発明は、パターンが形成された基板を製造する基板製造方法であって、基板を搬入位置から取り出す工程と、前記基板にパターンを形成する工程と、前記基板を撮像して被検査パターンを示す多階調の被検査画像のデータを取得する工程と、前記被検査画像と参照パターンを示す多階調の参照画像とを比較して前記被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像を生成する工程と、前記参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像が準備されており、欠陥領域または分割領域の膨張と、欠陥領域画像と分割領域画像との画素毎の論理和を求めることによるＯＲ画像の生成とを、前記ＯＲ画像におけるラベル数が分割領域画像におけるラベル数よりも少なくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との複数箇所での重なりの程度を示す評価値を前記膨張の回数に応じて求める工程と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程と、前記基板を搬出位置へと搬送する工程とを有する。
【００１４】
請求項１０に記載の発明は、パターンの欠陥の分類に利用されるプログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータを準備する工程と、参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを準備する工程と、欠陥領域または分割領域の収縮と、欠陥領域画像と分割領域画像との画素毎の論理積を求めることによるＡＮＤ画像の生成とを、前記ＡＮＤ画像において画素値が１の領域が存在しなくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との重なりの程度を示す評価値を前記収縮の回数に応じて求める工程と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程とを実行させる。
請求項１１に記載の発明は、パターンの欠陥の分類に利用されるプログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータを準備する工程と、参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを準備する工程と、欠陥領域または分割領域の膨張と、欠陥領域画像と分割領域画像との画素毎の論理和を求めることによるＯＲ画像の生成とを、前記ＯＲ画像におけるラベル数が分割領域画像におけるラベル数よりも少なくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との複数箇所での重なりの程度を示す評価値を前記膨張の回数に応じて求める工程と、前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程とを実行させることを特徴とするプログラム。
【００１８】
請求項１２に記載の発明は、請求項１０または１１に記載のプログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、前記被検査パターンを示す多階調の被検査画像のデータを準備する工程と、前記参照パターンを示す多階調の参照画像のデータを準備する工程と、前記被検査画像と前記参照画像とを比較して前記欠陥領域画像を生成する工程とをさらに実行させる。
【００１９】
請求項１３に記載の発明は、請求項１２に記載のプログラムであって、前記欠陥領域画像が、前記被検査画像と前記参照画像との差分画像から生成される。
【００２０】
請求項１４に記載の発明は、請求項１２または１３に記載のプログラムであって、前記プログラムの前記コンピュータによる実行は、前記コンピュータに、前記参照画像を２値化して前記分割領域画像を生成する工程をさらに実行させる。
【００２１】
請求項１５に記載の発明は、請求項１２ないし１４のいずれかに記載のプログラムであって、前記プログラムの前記コンピュータによる実行は、前記コンピュータに、前記被検査画像、前記参照画像および前記欠陥領域画像のうち少なくとも１つに基づいて画像特徴量を求める工程をさらに実行させ、前記評価値および前記画像特徴量に基づいて欠陥の分類が行われる。
【００２２】
請求項１６に記載の発明は、請求項１５に記載のプログラムであって、前記欠陥の分類を行う工程が、前記評価値に基づいて粗分類を行う工程と、前記粗分類の結果および前記画像特徴量に基づいて詳細分類を行う工程とを有する。
【００２３】
請求項１７に記載の発明は、請求項１５に記載のプログラムであって、前記欠陥の分類を行う工程が、前記画像特徴量に基づいて欠陥または非欠陥を特定する工程と、欠陥が特定された場合に前記評価値に基づいて前記欠陥の分類を行う工程とを有する。
【００２４】
請求項１８に記載の発明は、請求項１２または１３に記載のプログラムであって、前記欠陥の分類を行う工程が、複数通りの分類を行って複数の分類結果を取得する工程と、前記複数の分類結果に基づいて最終分類結果を取得する工程とを有する。
【００２５】
【発明の実施の形態】
図２は半導体基板（以下、「基板」という。）を製造するプロセスの一部を担う基板製造システム７を示す図である。基板製造システム７は、基板に処理を施すことにより基板上にパターンを形成する処理装置７１（複数の処理装置であってもよい。）、形成された基板上のパターンを撮像し、パターンの欠陥を検出するとともに欠陥を分類する分類装置１、および、分類装置１に接続された管理装置７２を備え、所定の搬入位置に載置された基板を処理装置７１へと渡すローダ７０ａ、および、分類装置１により欠陥の分類が行われた基板を受け取って所定の搬出位置に載置するアンローダ７０ｂをさらに備える。
【００２６】
管理装置７２は、各種演算処理を行うＣＰＵや各種情報を記憶するメモリ等により構成された管理部７３、分類装置１から送信される情報を記憶する記憶部７４、および、各種情報の表示を行うディスプレイ７５を有する。管理部７３は基板の歩留まりを管理する監視部７３１を有し、監視部７３１が、分類装置１から送信される欠陥の分類結果を受け取って、検査項目、基板の種別、検査箇所、あるいは、製造プロセスの条件や製造を開始してからの期間（システムの立ち上げ期か否かを示す情報として利用される。）等の管理項目に関連づけながら記憶部７４に保存し、欠陥分類データベース７４１の更新を行う。
【００２７】
監視部７３１はさらに、欠陥分類データベース７４１から導かれる統計的情報を監視し、例えば、立ち上げ期が終了した後に歩留まりが低下した場合に作業者にその旨を通知する。作業者はディスプレイ７５を介して欠陥分類データベース７４１を参照し、歩留まり低下の原因となっている欠陥の種類を把握した上で対応を行う。以上のように、分類装置１は管理装置７２とともに歩留管理システムを構成する。
【００２８】
図３は基板製造システム７による基板製造プロセスの流れを示す図である。まず、基板が搬入位置に載置されると（ステップＳ１１）、ローダ７０ａにより基板が搬入位置から取り出されて処理装置７１へと搬送される（ステップＳ１２）。処理装置７１では基板に対する所定の処理が施され、基板上に配線パターンが形成される（ステップＳ１３）。その後、基板は分類装置１へと搬送され、分類装置１により基板上の配線パターンが検査され、検出された欠陥の分類が行われる（ステップＳ１４）。なお、分類装置１の処理の詳細については後述する。欠陥の分類結果は管理装置７２へと送信され、分類結果が欠陥分類データベース７４１に追加される。基板はアンローダ７０ｂへと搬送され、所定の搬出位置に載置される（ステップＳ１５）。
【００２９】
以上のように、基板製造システム７では、基板上に形成されたパターンの欠陥の検出および分類が分類装置１により行われ、分類結果が管理装置７２へと出力される。管理装置７２では分類結果が欠陥分類データベース７４１に追加記憶され、これにより、各種項目毎の欠陥の種類や各種欠陥の発生頻度等の製造歩留まりに係るデータを容易かつ迅速に作業者やシステム外の装置が取得可能となり、例えば、後工程における生産計画の立案等に利用することができる。また、製造プロセスの迅速かつ正確な診断および是正が可能となり、基板製造歩留まりを向上することができる。
【００３０】
図４は分類装置１の構成を示す図である。分類装置１は、基板９上の所定の領域を撮像して多階調の対象物画像のデータを取得する撮像部２、基板９を保持するステージ３、および、撮像部２に対してステージ３を相対的に移動するステージ駆動部３１を有する。
【００３１】
撮像部２は、照明光を出射する照明部２１、基板９に照明光を導くとともに基板９からの光が入射する光学系２２、および、光学系２２により結像された基板９の像を電気信号に変換する撮像デバイス２３を有する。ステージ駆動部３１はステージ３を図４中のＸ方向に移動するＸ方向移動機構３２、および、Ｙ方向に移動するＹ方向移動機構３３を有する。Ｘ方向移動機構３２はモータ３２１にボールねじ（図示省略）が接続され、モータ３２１が回転することにより、Ｙ方向移動機構３３がガイドレール３２２に沿って図４中のＸ方向に移動する。Ｙ方向移動機構３３もＸ方向移動機構３２と同様の構成となっており、モータ３３１が回転するとボールねじ（図示省略）によりステージ３がガイドレール３３２に沿ってＹ方向に移動する。
【００３２】
分類装置１は、電気的回路により構成される演算部４、および、各種演算処理を行うＣＰＵや各種情報を記憶するメモリ等により構成されたコンピュータ５をさらに有する。演算部４は、撮像部２から対象物画像の電気信号を取得して欠陥を検出するとともに欠陥の分類に利用される欠陥領域画像を生成し、コンピュータ５は、欠陥の分類を行うとともに、分類装置１の各構成を制御する制御部としての役割を担う。
【００３３】
図４において、切替スイッチ４０、被検査画像メモリ４１１、参照画像メモリ４１２、差分計算回路４２、差分統計量計算回路４３、正規化回路４４、しきい値メモリ４１３、比較回路４５および欠陥領域画像メモリ４１４が演算部４の構成を示しており、分割領域計算部５０１、分割領域画像メモリ５３１、欠陥特徴量抽出部５０２および分類器５０３がコンピュータ５の構成または機能を示している。
【００３４】
分類装置１では、コンピュータ５がステージ駆動部３１を制御して撮像部２の撮像位置を基板９上の所定の位置へと相対的に移動し、撮像部２にて取得された画像（の信号）が演算部４に入力される。演算部４では、まず、対象物画像の信号が切替スイッチ４０を介して被検査画像メモリ４１１または参照画像メモリ４１２へと出力される。分類装置１における被検査画像は、例えば、基板９上に配列されているダイ（すなわち、１つのチップに対応する領域）のロジック領域上に形成されたパターンの画像とされる。
【００３５】
分類装置１において、被検査画像が取得される際には、切替スイッチ４０が被検査画像メモリ４１１側に接続されるとともに、ステージ駆動部３１がステージ３を移動することにより撮像部２の撮像位置が基板９上のダイのロジック領域上へと移動する。そして、被検査画像メモリ４１１に対象物画像のデータが記憶され、さらに、対象物画像中の被検査画像の領域が特定される。
【００３６】
参照画像が取得される際には、切替スイッチ４０は参照画像メモリ４１２側に接続され、撮像部２の撮像位置がステージ駆動部３１により他のダイの同じ位置（すなわち、ダイのパターンの周期の整数倍だけ離れた撮像領域）へと移動し、他のダイのロジック領域上の画像が取得される。そして、撮像部２により取得された対象物画像のデータが参照画像の領域が特定可能な状態で参照画像メモリ４１２に記憶される。
【００３７】
なお、参照画像は被検査画像よりも先に取得されてもよく、既に取得されている複数の画像（例えば、検査済みの複数の被検査画像）の平均画像として参照画像が予め準備されてもよい。さらに、ＣＡＤデータを元に生成されたゴールデン・テンプレート画像（すなわち、欠陥が存在しない、または、欠陥が存在しないと推定される画像）のデータが予め記憶されてもよい。
【００３８】
被検査画像の各画素の値および参照画像の対応する画素の値は被検査画像メモリ４１１および参照画像メモリ４１２から差分計算回路４２へと順次入力される。差分計算回路４２では、被検査画像の画素値から参照画像の対応する画素値を減算した符号付差分および差分絶対値が算出され、符号付差分は差分統計量計算回路４３に、差分絶対値は正規化回路４４にそれぞれ出力される。これにより、実質的に符号付差分画像および差分絶対値画像が生成される。
【００３９】
差分統計量計算回路４３では、１つの被検査画像または参照画像に相当する画素数の符号付差分が蓄積され、蓄積された符号付差分についての標準偏差が求められる。標準偏差は正規化回路４４へと出力され、差分計算回路４２から入力された差分絶対値のそれぞれが標準偏差により正規化される。すなわち、正規化回路４４において、各差分絶対値が標準偏差で除され、所定の係数が乗じられて正規化された差分絶対値が求められる。なお、正規化回路４４に差分絶対値を記憶するバッファが設けられてもよく、差分統計量計算回路４３から正規化回路４４に符号付差分が入力されて差分絶対値が求められてもよい。
【００４０】
正規化された差分絶対値は比較回路４５へと順次出力され、しきい値メモリ４１３に予め記憶された所定のしきい値との比較が行われる。そして、正規化された差分絶対値がしきい値よりも大きい場合には欠陥を示す画素値「１」が、所定のしきい値よりも小さい場合には非欠陥（すなわち、正常な画素）を示す画素値「０」が欠陥領域画像メモリ４１４へと出力される。これにより、欠陥領域画像メモリ４１４には、被検査画像中の配線パターンの欠陥領域（すなわち、被検査パターンの欠陥領域）を示す２値画像が欠陥領域画像として記憶される。以上のように、欠陥領域画像は被検査画像と参照画像とを比較することにより生成され、記憶される。
【００４１】
図５（ａ）は被検査画像６１１を例示する図であり、図５（ｂ）は参照画像６２を例示する図である。被検査画像６１１および参照画像６２は背景領域６ｂ上に配線パターン６ａが形成された画像である。図６は、図５（ａ）の被検査画像６１１および図５（ｂ）の参照画像６２から生成された欠陥領域画像６３１を示す図である。図６では、符号６３１ａを付す領域が欠陥を示す領域として特定されており、この領域６３１ａが被検査画像６１１の欠陥領域６１１ａに対応する様子を示している。
【００４２】
以上のようにして欠陥領域画像６３１のデータが取得されると、次に、コンピュータ５により欠陥の分類に利用される評価値が生成され、欠陥の分類が行われる。
【００４３】
コンピュータ５は、図７に示すように、各種演算処理を行うＣＰＵ５１、基本プログラムを記憶するＲＯＭ５２および各種情報を記憶するＲＡＭ５３をバスラインに接続した一般的なコンピュータシステムの構成となっている。バスラインにはさらに、情報記憶を行う固定ディスク５４、画像等の各種情報の表示を行うディスプレイ５５、作業者からの入力を受け付けるキーボード５６ａおよびマウス５６ｂ、光ディスク、磁気ディスク、光磁気ディスク等のコンピュータ読み取り可能な記録媒体８から情報の読み取りを行う読取装置５７、並びに、分類装置１の他の構成との間で信号を送受信する通信部５８が、適宜、インターフェイス（Ｉ／Ｆ）を介する等して接続される。
【００４４】
コンピュータ５には、事前に読取装置５７を介して記録媒体８からプログラム８０が読み出され、固定ディスク５４に記憶される。そして、プログラム８０がＲＡＭ５３にコピーされるとともにＣＰＵ５１がＲＡＭ５３内のプログラムに従って演算処理を実行することにより（すなわち、コンピュータがプログラムを実行することにより）、コンピュータ５が評価値を生成しつつ、欠陥を分類する処理を行う。
【００４５】
図４において分割領域画像メモリ５３１はコンピュータ５のＲＡＭ５３の一部に相当し、分割領域計算部５０１、欠陥特徴量抽出部５０２および分類器５０３は、ＣＰＵ５１等により実現される機能に相当する。ただし、これらの機能は専用の電気的回路により実現されてもよく、部分的に電気的回路が用いられてもよい。
【００４６】
図８はコンピュータ５が欠陥を分類する処理の流れを示す図である。以下、図５（ａ），（ｂ）および図６に例示した画像を参照しながら説明行う。まず、欠陥領域画像メモリ４１４に記憶された欠陥領域画像６３１のデータがＲＡＭ５３に記憶され準備される（ステップＳ２１）。続いて、参照画像メモリ４１２に記憶されている参照画像６２のデータが分割領域計算部５０１へと入力され、分割領域計算部５０１において配線パターン６ａ（すなわち、参照されるパターン）の存在領域を示す画像が生成される（ステップＳ２２，Ｓ２３）。
【００４７】
具体的には、まず、参照画像６２の各画素が属すべき領域の種類（すなわち、背景領域と配線領域）を特定するためのしきい値（以下、「領域判定しきい値」という。）が求められる（ステップＳ２２）。領域判定しきい値を求める手法としては様々な手法が用いられてよいが、図９に示すように、参照画像６２の画素値のヒストグラムが双峰性を有している場合には、両ピークの間の値（例えば、ピーク間において極小となる画素値）を領域判定しきい値とすることができる。
【００４８】
また、図１０のように、双峰性を有しない場合には、大津展之による「判別および最小２乗規準に基づく自動しきい値選定法」（電子通信学会論文誌 ＶＯＬ．Ｊ６３−Ｄ，ＮＯ．４，１９８０年４月, ｐ．３４９−３５６）に開示された手法が用いられる。この手法では、しきい値の適切さを評価する値として、クラス（しきい値により分離される画素値群）内分散およびクラス間分散に基づくクラス分離度を採用し、クラス分離度が最大となるようにしきい値が求められる。この手法により、画像を２つの領域に分ける際に、画素値のヒストグラムが双峰性を有しない場合であってもノンパラメトリックに最適なしきい値を安定して求めることができる。
【００４９】
以上のようにして領域判定しきい値が求められると、領域判定しきい値に従って、参照画像６２の各画素値の領域種別が特定され、背景領域を示す画素値「０」または配線領域を示す画素値「１」のいずれかが分割領域画像メモリ５３１に出力される（ステップＳ２３）。これにより、配線パターンの存在領域を示す分割領域を示す２値画像（以下、「分割領域画像」という。）のデータが分割領域画像メモリ５３１に記憶され準備される（ステップＳ２４）。
【００５０】
図１１は、図５（ｂ）の参照画像６２から生成された分割領域画像６４を示す図であり、参照画像６２の配線パターン６ａの領域が分割領域画像６４中にて画素値が「１」の配線領域６４ａとして特定され、参照画像６２の背景領域６ｂが分割領域画像６４中にて画素値が「０」の背景領域６４ｂとして特定された様子を示している。
【００５１】
続いて、分割領域画像６４のデータおよび欠陥領域画像６３１のデータが欠陥特徴量抽出部５０２へと入力され、分割領域画像６４と欠陥領域画像６３１との画素毎の論理演算が行われ、後述するように配線領域と背景領域との幾何学的な相対的位置関係（他方の領域を分断したり包含する関係）が評価値として求められる（ステップＳ２５）。ステップＳ２５に係る処理の詳細については後述する。
【００５２】
被検査画像６１１の欠陥領域６１１ａに関する評価値が求められると、評価値は分類器５０３へと入力され、分類器５０３において欠陥領域６１１ａの分類が行われる（ステップＳ２６）。例えば、分類器５０３は、作業者により構築されたエキスパートシステムであり、次のように記述されたプログラムを実行することにより評価値に基づく欠陥の分類が実現される。
【００５３】
ｉｆ （背景分断確率＞０．５） ｔｈｅｎ 分類＝ショート
ｅｌｓｅ ｉｆ （背景内包確率＞０．５） ｔｈｅｎ 分類＝孤立点
ｅｌｓｅ ｔｈｅｎ 分類＝その他
上記プログラムにおける背景分断確率および背景内包確率はステップＳ２５において後述する手法により求められる評価値である。
【００５４】
分類器５０３にて求められた分類結果は信号Ｒとして出力され、信号Ｒは図１に示す管理装置７２に入力されて既述のように基板製造システム７の歩留まりの管理に利用される。
【００５５】
なお、分類器５０３は、判別関数、関数木、決定木、あるいは、ニューラルネットワーク等の判定器であってもよく、その場合、コンピュータ５が教師データを作成しつつ学習することにより判定器に応じた欠陥判定条件を自動生成し、生成された欠陥判定条件が分類器５０３に入力されてもよい。これにより、自動構築された判別関数、関数木、決定木、あるいは、ニューラルネットワーク等による適切な欠陥の分類が実現される。
【００５６】
次に、欠陥特徴量抽出部５０２において評価値が求められる処理についての説明を行う。図１２は、評価値を求める処理の流れを示す図であり、図８のステップＳ２５において行われる処理である。ステップＳ２５では、複数種類の評価値を求めることが可能とされているが、そのうちの１種類の評価値である背景内包確率に注目して説明を行う。背景内包確率は、被検査画像中の欠陥領域が背景領域に内包されるか否か、あるいは、どの程度内包されているかを示す値である。
【００５７】
まず、欠陥特徴量抽出部５０２において分割領域画像の各画素の値と欠陥領域画像の対応する画素の値との論理積が求められる（ステップＳ３１）。これにより、例えば、図６に示す欠陥領域画像６３１において画素値が「１」の欠陥を示す領域６３１ａと、図１１に示す分割領域画像６４において画素値が「１」の配線領域６４ａとの重なる領域のみが画素値「１」となる画像（以下、「ＡＮＤ画像」と呼ぶ。）が生成される。
【００５８】
図１３は、欠陥領域画像６３１と分割領域画像６４とから生成されたＡＮＤ画像６５１を例示する図である。ＡＮＤ画像６５１では、全ての画素の値が「０」となっており、欠陥領域画像６３１の領域６３１ａと分割領域画像６４の配線領域６４ａとが重なっていないことを示している。ＡＮＤ画像において画素値「１」が存在しない場合には、図５（ａ）に示す被検査画像６１１において、欠陥領域６１１ａが背景領域６ｂに内包される（あるいは、欠陥領域６１１ａがいずれの配線パターン６ａにも接触していない孤立点である。）といえる。そこで、背景内包確率が１．０とされる（ステップＳ３２，Ｓ３５）。
【００５９】
一方、欠陥領域画像の欠陥を示す領域が、検出条件によっては被検査画像の実際の欠陥領域よりもわずかに大きく特定される場合や、欠陥領域画像と分割領域画像との間の対応する画素に微小なずれが生じる場合もある。例えば、図１４（ａ）に示す被検査画像６１２が取得された場合に、図１４（ｂ）に示すように欠陥を示す領域６３２ａが被検査画像６１２の欠陥領域６１２ａよりも大きく特定された欠陥領域画像６３２が生成されるときがある。この欠陥領域画像６３２が欠陥特徴量抽出部５０２へと入力されると、欠陥領域画像６３２と分割領域画像６４（図１１参照）とから図１４（ｃ）に示すＡＮＤ画像６５２が生成される（ステップＳ３１）。
【００６０】
ＡＮＤ画像６５２において画素値が「１」の領域６５２ａが存在することが確認されると（ステップＳ３２）、欠陥特徴量抽出部５０２が欠陥領域画像６３２に対して画像処理を施す（ステップＳ３４）。画像処理としては、欠陥を示す領域６３２ａを収縮する処理が行われ、図１４（ｄ）に示す新たな欠陥領域画像６３３が生成される。そして、新たな欠陥領域画像６３３と分割領域画像６４とから図１４（ｅ）に示すＡＮＤ画像６５３が生成される（ステップＳ３１）。
【００６１】
収縮処理が１回施された後のＡＮＤ画像６５３では画素値が「１」の領域が存在しないため（ステップＳ３２）、続いて、背景内包確率を決定する処理が行われる（ステップＳ３５）。このとき、背景内包確率は図１５に示す換算曲線に基づいて収縮処理の回数に応じて決定される。例えば、ＡＮＤ画像６５３は１回の収縮処理により画素値が「１」の領域が存在しない状態とされたため、図１５の換算曲線から背景内包確率は０．８とされる。
【００６２】
収縮処理が４回繰り返された場合（すなわち、所定の繰返し回数に到達した場合）であっても画素値が「１」の領域が存在する場合には、５回目の収縮処理は行われず（ステップＳ３３）、ステップＳ３５において背景内包確率が０．０とされる。すなわち、被検査画像において欠陥領域が背景領域に明らかに内包されないと判定される。なお、図１５に示す換算曲線は、ステップＳ３４において欠陥領域を収縮する処理の程度に応じて適宜変更されてよい。
【００６３】
以上の処理により、欠陥領域画像中の欠陥を示す領域が分割領域画像中の背景領域に明らかに内包される場合、すなわち、被検査画像において欠陥領域が背景領域に明らかに内包される場合は背景内包確率が１．０とされ、欠陥領域が背景領域に明らかに内包されない場合は背景内包確率が０．０とされ、欠陥領域が背景領域にほぼ内包される場合は、その程度に応じて背景内包確率が０．０と１．０との間の値とされる。
【００６４】
なお、欠陥領域画像の欠陥を示す領域が分割領域画像の背景領域に内包されることは、欠陥領域画像と参照画像とを重ねたときに欠陥を示す領域と分割領域画像の配線領域とが重ならないことを示しており、背景内包確率は欠陥を示す領域が配線領域と重なるか否か（すなわち、被検査画像中の欠陥領域が配線領域と重なるか否か）、あるいは、どの程度実質的に重なっていると捉えることができるかという重なり状態を示す値であるといえる。
【００６５】
以上、評価値の１つである背景内包確率を求める処理について説明を行ったが、より高速に背景内包確率を求めるためにＡＮＤ画像が示す画素値が「１」の領域の面積（あるいは、画素数）に応じて、評価値が決定されてもよい。図１６は、画素数に応じた評価値の決定に利用される換算曲線の一例を示す図である。図１６の換算曲線により、欠陥領域と参照画像から分割された配線領域とが重なる領域の画素数に応じた評価値を迅速に決定することができる。
【００６６】
次に、他の評価値として背景分断確率を求める例について、図１２の評価値を求める処理の流れに沿って説明を行う（ただし、ステップＳ３２の処理は図１２の記載内容と異なったものとなる。）。背景分断確率は、被検査画像において欠陥領域が背景領域を分断するか否か、あるいは、どの程度実質的に分断していると捉えることができるかを示す値である。
【００６７】
まず、撮像部２により図１７（ａ）に示す被検査画像６１４が取得されたとすると、図１７（ｂ）に示す欠陥領域画像６３４が演算部４により生成され、準備される。そして、欠陥特徴量抽出部５０２において、欠陥領域画像６３４の各画素の値と分割領域画像６４（図１１参照）の対応する画素の値との論理和が求められ、２値画像（以下、「ＯＲ画像６５４」と呼ぶ。）が図１７（ｃ）に示すように生成される（ステップＳ３１）。そして、ＯＲ画像６５４および分割領域画像６４中の画素値が「１」の領域に対してラベリングを行い、画素値が「１」の領域の数（以下、「ラベル数」という。）を求める。
【００６８】
ＯＲ画像６５４は、欠陥領域画像６３４の欠陥を示す領域６３４ａと分割領域画像６４の配線領域６４ａとの重なり状態を示す画像であり、ＯＲ画像６５４の画素値が「１」の領域６５４ａのラベル数が分割領域画像６４の配線領域６４ａのラベル数よりも少ない場合には、欠陥を示す領域６３４ａが分割領域画像６４と重ねたときに背景領域６４ｂを分断する状態（あるいは、欠陥を示す領域６３４ａが配線領域６４ａ間を短絡させる領域）であるといえ、被検査画像６１４においても欠陥領域６１４ａが背景領域６ｂを分断している（すなわち、配線パターン６ａ間が短絡している。）といえる。
【００６９】
そこで、ステップＳ３２において、ＯＲ画像６５４のラベル数と分割領域画像６４のラベル数とが比較され（図１２の記載内容と異なる処理である。）、図１７（ｃ）のように、ＯＲ画像６５４のラベル数が分割領域画像６４のラベル数よりも少ない場合には、被検査画像６１４の欠陥領域６１４ａに関する背景分断確率が１．０とされる（ステップＳ３５）。
【００７０】
一方、欠陥領域画像の欠陥を示す領域が被検査画像の欠陥領域よりもわずかに小さく検出される場合や、欠陥領域画像と分割領域画像との間に微小なずれが生じる場合もある。例えば、図１８（ａ）に示す被検査画像６１５が取得され、図１８（ｂ）に示す欠陥領域画像６３５において欠陥を示す領域６３５ａが被検査画像６１５の欠陥領域６１５ａよりも小さく検出された場合、欠陥領域画像６３５と分割領域画像６４（図１１参照）とから図１８（ｃ）に示すＯＲ画像６５５が生成される（ステップＳ３１）。
【００７１】
図１８（ｃ）のＯＲ画像６５５に関してステップＳ３２のラベル数の比較を行うと、ＯＲ画像６５５のラベル数と分割領域画像６４のラベル数とが同じになる。この場合、欠陥領域画像６３５に対して画像処理が施される（ステップＳ３４）。画像処理としては、欠陥領域画像６３５の欠陥を示す領域６３５ａを膨張する処理が行われ、欠陥を示す領域６３６ａを有する新たな欠陥領域画像６３６が図１８（ｄ）に示すように生成される。
【００７２】
そして、新たな欠陥領域画像６３６と分割領域画像６４とから図１８（ｅ）に示すＯＲ画像６５６が生成される（ステップＳ３１）。膨張処理が１回施された後のＯＲ画像６５６のラベル数は、分割領域画像６４のラベル数より少ないため（ステップＳ３２）、続いて、背景分断確率が図１９に示す換算曲線に基づいて決定される。例えば、図１８（ｅ）のＯＲ画像６５６では１回の膨張処理によりラベル数が分割領域画像６４のラベル数より少なくなったため、被検査画像６１５の欠陥領域６１５ａの背景分断確率は０．７５とされる。
【００７３】
なお、膨張処理が３回繰り返された場合であっても欠陥領域画像のラベル数が分割領域画像６４のラベル数よりも少なくならないときには、４回目の膨張処理は行われずに（ステップＳ３３）、ステップＳ３５において、背景分断確率が０．０とされる。すなわち、被検査画像において欠陥領域が背景領域を明らかに分断しないと判定される。図１９に示す換算曲線に関しても、欠陥領域を膨張する処理の程度に応じて適宜変更されてよい。
【００７４】
以上の処理により、欠陥領域画像中の欠陥を示す領域が分割領域画像中の背景領域を明らかに分断する場合、すなわち、被検査画像において欠陥領域が背景領域を明らかに分断する場合は背景分断確率が１．０とされ、欠陥領域が背景領域を明らかに分断しない場合には背景分断確率が０．０とされ、欠陥領域が背景領域をほぼ分断する場合は、その程度に応じて背景分断確率が０．０と１．０との間の値とされる。
【００７５】
なお、欠陥領域画像の欠陥を示す領域が分割領域画像の背景領域を分断することは、欠陥領域画像と分割領域画像とを重ねたときに欠陥を示す１つの領域が分割領域画像の配線領域と複数箇所で重なることを示しており、背景分断確率は欠陥を示す領域が配線領域と複数箇所で重なるか否か（すなわち、被検査画像中の欠陥領域が配線領域と複数箇所で重なるか否か）、あるいは、どの程度実質的に重なっていると捉えることができるかという重なり状態を示す値であるといえる。
【００７６】
以上、評価値として背景内包確率および背景分断確率を求める例について説明を行ったが、上述の分割領域画像において背景領域の画素値を「１」とし、配線領域の画素値を「０」とすることにより（換言すれば、背景領域を分割領域として取得することにより）、欠陥領域が配線領域に内包される（いわゆる、ホールとなる）程度を示す配線内包確率や、欠陥領域が配線領域を分断する（すなわち、配線が断線（いわゆる、オープン）となる）程度を示す配線分断確率が評価値として求めることができる。
【００７７】
以上のように、分類装置１では、欠陥領域画像または欠陥を示す領域を膨張もしくは収縮させた新たな欠陥領域画像、すなわち、欠陥領域画像に基づく画像と分割領域画像との画素毎の論理演算を行って欠陥領域と分割領域との重なり状態を示す評価値が求められ、評価値に基づいて被検査画像の配線パターンに対する欠陥の分類が行われる。その結果、従来手法では容易には分類できなかった配線パターンの特定種類の欠陥の分類を容易に行うことができる。また、欠陥領域画像に対して膨張または収縮処理を施すことにより、欠陥の程度を求めることも実現される。
【００７８】
なお、分割領域画像に対して膨張や収縮等の画像処理を行い、処理後の分割領域画像と欠陥領域画像との論理演算により評価値が求められてもよい。すなわち、論理演算に利用される画像は、分割領域画像に基づく画像（分割領域画像自体を含む。）であればよい。
【００７９】
図２０は分類装置１の構成の他の例を示す図である。図２０に示す分類装置１は、第２欠陥特徴量抽出部５０２ａを有し、第２欠陥特徴量抽出部５０２ａは被検査画像メモリ４１１、参照画像メモリ４１２および欠陥領域画像メモリ４１４に接続される。図２０中の第１欠陥特徴量抽出部５０２は図４中の欠陥特徴量抽出部５０２と同様であり、他の構成も図４と同様である。
【００８０】
図２１は分類装置１が欠陥の分類を行う動作の流れを示す図であり、図８のステップＳ２６に相当する部分のみを示している。分類装置１では、ステップＳ２５において評価値が求められると、被検査画像メモリ４１１、参照画像メモリ４１２および欠陥領域画像メモリ４１４から被検査画像のデータ、参照画像のデータ、および、欠陥領域画像のデータがそれぞれ第２欠陥特徴量抽出部５０２ａへと出力される。
【００８１】
第２欠陥特徴量抽出部５０２ａでは、被検査画像、参照画像または欠陥領域画像から画素値の平均値や標準偏差等の画素値の統計量である特徴量、あるいは、欠陥領域の面積、高さ、幅、欠陥領域の中心線の角度やモーメント等の幾何的特徴量である画像特徴量が算出される（ステップＳ４１）。なお、符号付差分画像や差分絶対値画像の画像特徴量が第２欠陥特徴量抽出部５０２ａにおいて求められてもよい。また、画像特徴量は被検査画像、差分絶対値画像あるいは欠陥領域画像中の欠陥領域近傍に対して求められてもよい。すなわち、画像特徴量は被検査画像、参照画像または欠陥領域画像のうち少なくとも１つに基づいて求められれる。
【００８２】
なお、第１欠陥特徴量抽出部５０２にて求められる評価値は、欠陥領域画像にて欠陥を示す領域と分割領域画像の分割領域との重なり状態、すなわち、被検査画像における欠陥領域と配線パターンとの重なり状態に基づいた画像特徴量の一種であると捉えることができるが、第２欠陥特徴量抽出部５０２ａにて求められる画像特徴量は上述の重なり状態とは関連しないため、第１欠陥特徴量抽出部５０２にて求められる画像特徴量とは異質であるといえる。以下の説明における「画像特徴量」は第２欠陥特徴量抽出部５０２ａにて求められる画像特徴量を指すものとする。
【００８３】
第１欠陥特徴量抽出部５０２において求められた評価値と第２欠陥特徴量抽出部５０２ａにおいて求められた画像特徴量とは分類器５０３に入力され、分類器５０３において、評価値と画像特徴量とに基づく分類が行われる（ステップＳ４２）。
【００８４】
以上のように、図２０に示す分類装置１では、被検査画像、参照画像および欠陥領域画像のうち少なくとも１つに基づいて評価値とは異質な画像特徴量を求め、評価値および画像特徴量に基づいて欠陥の分類が行われる。したがって、評価値または画像特徴量のいずれかに基づいて分類を行う場合に比べてより適切な分類結果を取得することができる。
【００８５】
図２２は図２０に示す分類装置１において分類に係る構成を変更した例を示す図であり、第１欠陥特徴量抽出部５０２に第１分類器５０３が接続され、第２欠陥特徴量抽出部５０２ａに第２分類器５０３ａが接続され、第２分類器５０３ａには、第１分類器５０３における分類結果が入力されるようになっている。以下の説明にて言及される分類器は全て、図４に示す分類器５０３と同様に、エキスパートシステム、判別関数、関数木、決定木、ニューラルネットワーク等により構築される。
【００８６】
図２３は図２２に示す構成が欠陥の分類を行う動作の流れを示す図であり、図２１のステップＳ４２において行われる処理に対応する。ステップＳ４１において画像特徴量が求められると、評価値に基づく欠陥の分類が第１分類器５０３において行われる（ステップＳ５１）。ステップＳ５１において行われる分類は、欠陥領域と配線パターンとの重なり状態に関する分類（以下、「粗分類」という。）となっている。続いて、第２分類器５０３ａにおいて、第１分類器５０３における粗分類の結果と第２欠陥特徴量抽出部５０２ａからの画像特徴量とが入力され、欠陥の詳細な分類が行われる（ステップＳ５２）。
【００８７】
以上のように、図２２に示す構成により評価値に基づく粗分類を行い、粗分類の結果および画像特徴量の基づいて詳細分類を行うことにより、欠陥の粗分類の情報と詳細分類の情報とを順次取得しつつ欠陥を適切かつ効率よく分類することが可能となる。また、粗分類の結果を別途利用することも可能となる。
【００８８】
図２４は図２２に示す構成に第３分類器５０３ｂをさらに追加した構成を示す図である。第３分類器５０３ｂは第２欠陥特徴量抽出部５０２ａに接続され、第１分類器５０３には、第３分類器５０３ｂにおける分類結果が入力されるようになっている。
【００８９】
図２５は図２４に示す構成が欠陥の分類を行う動作の流れを示す図であり、図２３のステップＳ４１とステップＳ５１との間の処理を示している。ステップＳ４１において画像特徴量が算出されると、第２欠陥特徴量抽出部５０２ａから第３分類器５０３ｂに画像特徴量が入力され、第３分類器５０３ｂにおいて、欠陥または非欠陥を特定する分類（欠陥検出と捉えることもできる。）が画像特徴量に基づいて行われる（ステップＳ６１）。ここで、第３分類器５０３ｂでは、必ずしも厳密に欠陥または非欠陥を特定する処理が行われる必要はなく、例えば、欠陥領域の面積が小さいものや差分絶対値画像における差分絶対値が小さいもの等、画像特徴量のみからは欠陥であるか非欠陥であるかの区別が明確でないものが非欠陥として特定されてもよい。
【００９０】
続いて、特定された結果が第１分類器５０３に入力され、入力された結果が欠陥を示す場合に（ステップＳ６２）、第１分類器５０３において第１欠陥特徴量抽出部５０２からの評価値に基づく欠陥の粗分類が行われ（ステップＳ５１）、さらに粗分類の結果および画像特徴量に基づいて第２分類器５０３ａにより詳細分類が行われる（図２３：ステップＳ５２）。第３分類器５０３ｂにおける結果が非欠陥を示すものであるときは、欠陥の分類処理が終了する（ステップＳ６２）。
【００９１】
以上のように、図２４に示す構成では画像特徴量に基づいて欠陥または非欠陥を特定し、欠陥が特定された場合に欠陥の分類が行われる。その結果、高度な分類を行う前に分類処理が必要であるか否かを判定することができ、下流の分類器の処理内容の簡素化、および、効率のよい分類が実現される。
【００９２】
図２６は図４に示す分類装置１において３つの分類器５０３ｄ、５０３ｅ、５０３ｆが設けられ、さらに多数決部５０４が追加された様子を示す図である。図２７は図２６に示す構成が欠陥の分類を行う動作の流れを示す図であり、図８のステップＳ２６に対応する処理である。
【００９３】
ステップＳ２５において欠陥特徴量抽出部５０２により評価値が求められると、評価値が３つの分類器５０３ｄ〜５０３ｆへと入力される。分類器５０３ｄ〜５０３ｆにはそれぞれ異なる判定器が構築されており、分類器５０３ｄ〜５０３ｆがそれぞれの分類条件に応じた出力を行う（ステップＳ７１）。分類器５０３ｄ〜５０３ｆは、例えば、それぞれが異なったパラメータを有するニューラルネットワークであったり、ニューラルネットワーク、判定木および関数木というように互いに異なった判定器であったりする。そして、各分類器５０３ｄ〜５０３ｆの分類結果が多数決部５０４へと入力され、多数決部５０４において３つの分類結果のうち２以上のものが最終分類結果である信号Ｒとして出力される（ステップＳ７２）。なお、複数通りのパラメータを用いて複数の分類結果を取得する場合には、１つの分類器に複数通りのパラメータが順次設定されてもよい。
【００９４】
以上のように、複数通りの分類を行って得られる複数の分類結果に基づいて最終分類結果を取得することにより、不適切な分類用のパラメータが使用されていたり、特殊な評価値に起因していずれかの分類器が適切な分類を行うことができなくても、他の２つの分類器にて適切な分類が行われる限り欠陥の分類を適切に行うことが実現され、欠陥の分類精度が向上される。
【００９５】
以上、分類装置１の構成および動作について説明を行ってきたが、分類装置１の演算部４の機能はコンピュータ５によりソフトウェア的に実現されてもよい。以下、コンピュータ５が演算部４と同様の欠陥判定・欠陥領域画像生成の処理を行う様子について説明を行う。
【００９６】
図２８は、コンピュータ５が欠陥判定・欠陥領域画像生成を行う処理の流れを示す図である。コンピュータ５は、まず、撮像部２およびステージ３の移動を制御しつつ撮像部２からの信号を受け、対象物画像のデータが固定ディスク５４に記憶され（予め記憶されてもよい。）、対象物画像中の被検査画像がＣＰＵ５１により特定されてアクセスが可能な状態で準備される（ステップＳ８１）。また、参照画像のデータも固定ディスク５４に準備される（ステップＳ８２）。
【００９７】
例えば、参照画像が撮像部２から直接取得される場合は、コンピュータ５がステージ３を適宜、ダイのパターンの周期の整数倍だけ移動して被検査画像および参照画像の撮像が行われたり、あるいは、ゴールデン・テンプレート画像が参照画像として準備される。なお、対象物画像の一部が被検査画像として特定され、パターンの周期の整数倍だけ被検査画像から離れた領域が参照画像として特定されてもよい。
【００９８】
被検査画像および参照画像が準備されると、ＣＰＵ５１により被検査画像と参照画像との符号付差分画像が求められ（ステップＳ８３）、続いて、符号付差分画像の画素値の標準偏差により正規化された差分絶対値画像が生成される（ステップＳ８４）。そして、正規化された差分絶対値画像の１つの画素が特定され（ステップＳ８５）、所定のしきい値との比較が行われることにより欠陥または非欠陥を示す画素値に２値化される（ステップＳ８６）。
【００９９】
ステップＳ８５，Ｓ８６が正規化された差分絶対値画像の各画素について繰り返されることにより、欠陥領域画像が生成されて固定ディスク５４に保存され、欠陥判定・欠陥領域画像生成の処理が完了する（ステップＳ８７）。以上の処理により、コンピュータ５により演算部４の処理が実現され、適切な欠陥領域画像が生成される。
【０１００】
なお、コンピュータ５では正規化された差分絶対値画像が生成されるものとして説明したが、図４に示す演算部４と同様に、１つの画素について正規化が行われる毎に、欠陥、非欠陥の判定が行われてもよい。コンピュータ５にて欠陥領域画像の生成を行う場合には、柔軟に処理工程を変更することができる。演算部４の動作は実質的には図２８と同様であり、コンピュータ５が演算部４と同様の動作を行う場合の機能構成は図４に示す演算部４と実質的に同様である。
【０１０１】
以上、本発明の実施の形態について説明してきたが、本発明は上記実施の形態に限定されるものではなく、様々な変形が可能である。
【０１０２】
分類装置１は必ずしも図２に示すように基板製造システム７にいわゆるインライン状態にて組み込まれる必要はなく、製造システムにおいて画像の取得のみが行われ、撮像部２を有しない分類装置として別途設けられてもよい。
【０１０３】
欠陥領域画像は符号付差分画像から直接（例えば、２つのしきい値を用いて直接）求められてもよい。すなわち、欠陥領域画像は被検査画像と参照画像との差分画像に基づいて生成される。また、被検査画像および参照画像がともに２値画像であってもよい。その場合、欠陥領域画像は被検査画像と参照画像との差分絶対値画像（または、符号付差分画像）として求められる。
【０１０４】
分割領域画像は必ずしも２種類の領域を示す画像である必要はなく、３種類以上の領域を示す画像であってもよい。その場合、少なくとも１種類の領域と欠陥領域との重なり状態により評価値が求められる。分類領域画像は外部から作業者により与えられてもよい。
【０１０５】
上記実施の形態では、半導体の基板９に対して欠陥の分類が行われるが、分類装置１は、カラーフィルタ、シャドウマスク、プリント配線基板等に形成されたパターンの欠陥の分類にも利用することができ、特に基板上に形成された微細パターンの欠陥分類に適している。
【０１０６】
【発明の効果】
本発明によれば、配線パターンの特定種類の欠陥の分類を容易に行うことができる。
【０１０８】
また、請求項１５ないし１８の発明では、欠陥を適切に分類することができる。
【図面の簡単な説明】
【図１】（ａ）は被検査画像を示す図であり、（ｂ）は参照画像を示す図であり、（ｃ）は差分絶対値画像を示す図である。
【図２】基板製造システムを示す図である。
【図３】基板製造プロセスの流れを示す図である。
【図４】分類装置の概略構成を示す図である。
【図５】（ａ）は被検査画像を示す図であり、（ｂ）は参照画像を示す図である。
【図６】欠陥領域画像を示す図である。
【図７】コンピュータの構成を示す図である。
【図８】欠陥を分類する処理の流れを示す図である。
【図９】参照画像のヒストグラムの一例を示す図である。
【図１０】参照画像のヒストグラムの他の例を示す図である。
【図１１】分割領域画像を示す図である。
【図１２】評価値を求める処理の流れを示す図である。
【図１３】ＡＮＤ画像を示す図である。
【図１４】（ａ）は被検査画像を示す図であり、（ｂ）および（ｄ）は欠陥領域画像を示す図であり、（ｃ）および（ｅ）はＡＮＤ画像を示す図である。
【図１５】背景内包確率の換算曲線の一例を示す図である。
【図１６】背景内包確率の換算曲線の他の例を示す図である。
【図１７】（ａ）は被検査画像を示す図であり、（ｂ）は欠陥領域画像を示す図であり、（ｃ）はＯＲ画像を示す図である。
【図１８】（ａ）は被検査画像を示す図であり、（ｂ）および（ｄ）は欠陥領域画像を示す図であり、（ｃ）および（ｅ）はＯＲ画像を示す図である。
【図１９】背景分断確率の換算曲線の一例を示す図である。
【図２０】分類装置の他の例を示す図である。
【図２１】欠陥を分類する処理の流れを示す図である。
【図２２】欠陥の分類に係る構成を示す図である。
【図２３】欠陥を分類する処理の流れを示す図である。
【図２４】欠陥の分類に係る構成を示す図である。
【図２５】欠陥を分類する処理の流れを示す図である。
【図２６】欠陥の分類に係る構成を示す図である。
【図２７】欠陥を分類する処理の流れを示す図である。
【図２８】欠陥判定・欠陥領域画像生成の処理の流れを示す図である。
【符号の説明】
１ 分類装置
２ 撮像部
４ 演算部
５ コンピュータ
６ａ 配線パターン
６ｂ 背景領域
９ 基板
６２ 参照画像
６４ 分割領域画像
６４ａ 配線領域
６４ｂ 背景領域
７２ 管理装置
７４ 記憶部
８０ プログラム
４１４ 欠陥領域画像メモリ
５０２，５０２ａ 欠陥特徴量抽出部
５０３，５０３ａ〜５０３ｆ 分類器
５３１ 分割領域画像メモリ
６１１，６１２，６１４，６１５ 被検査画像
６１１ａ，６１２ａ，６１４ａ，６１５ａ 欠陥領域
６３１〜６３６ 欠陥領域画像
６３１ａ，６３２ａ，６３４ａ〜６３６ａ，６５２ａ，６５４ａ 領域
Ｓ１１〜Ｓ１５，Ｓ２１〜Ｓ２６，Ｓ３１〜Ｓ３５，Ｓ４１，Ｓ４２，Ｓ５１，Ｓ５２，Ｓ６１，Ｓ６２，Ｓ７１，Ｓ７２，Ｓ８１〜Ｓ８７ ステップ
Claims (18)
- 対象物上の被検査パターンの欠陥を分類する分類装置であって、
対象物上の被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータ、および、参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを記憶する記憶部と、
欠陥領域または分割領域の収縮と、欠陥領域画像と分割領域画像との画素毎の論理積を求めることによるＡＮＤ画像の生成とを、前記ＡＮＤ画像において画素値が１の領域が存在しなくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との重なりの程度を示す評価値を前記収縮の回数に応じて求める評価値算出部と、
前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う分類部と、
を備えることを特徴とする分類装置。 - 対象物上の被検査パターンの欠陥を分類する分類装置であって、
対象物上の被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータ、および、参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを記憶する記憶部と、
欠陥領域または分割領域の膨張と、欠陥領域画像と分割領域画像との画素毎の論理和を求めることによるＯＲ画像の生成とを、前記ＯＲ画像におけるラベル数が分割領域画像におけるラベル数よりも少なくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との複数箇所での重なりの程度を示す評価値を前記膨張の回数に応じて求める評価値算出部と、
前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う分類部と、
を備えることを特徴とする分類装置。 - 請求項１または２に記載の分類装置であって、
被検査パターンを示す多階調の被検査画像と参照パターンを示す多階調の参照画像とを比較することにより欠陥領域画像を生成する欠陥領域画像生成部をさらに備えることを特徴とする分類装置。 - 請求項３に記載の分類装置であって、
対象物を撮像して被検査画像のデータを取得する撮像部をさらに備えることを特徴とする分類装置。 - パターンが形成された対象物の製造歩留まりを管理する歩留管理システムであって、
請求項４に記載の分類装置と、
前記分類部による分類結果を検査項目、基板の種別、検査箇所、あるいは、製造プロセスの条件や製造を開始してからの期間の管理項目に関連づけて記憶する記憶部と、
を備えることを特徴とする歩留管理システム。 - 対象物上の被検査パターンの欠陥を分類する分類方法であって、
対象物上の被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータを準備する工程と、
参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを準備する工程と、
欠陥領域または分割領域の収縮と、欠陥領域画像と分割領域画像との画素毎の論理積を求めることによるＡＮＤ画像の生成とを、前記ＡＮＤ画像において画素値が１の領域が存在しなくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との重なりの程度を示す評価値を前記収縮の回数に応じて求める工程と、
前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程と、
を有することを特徴とする分類方法。 - 対象物上の被検査パターンの欠陥を分類する分類方法であって、
対象物上の被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータを準備する工程と、
参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデー タを準備する工程と、
欠陥領域または分割領域の膨張と、欠陥領域画像と分割領域画像との画素毎の論理和を求めることによるＯＲ画像の生成とを、前記ＯＲ画像におけるラベル数が分割領域画像におけるラベル数よりも少なくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との複数箇所での重なりの程度を示す評価値を前記膨張の回数に応じて求める工程と、
前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程と、
を有することを特徴とする分類方法。 - パターンが形成された基板を製造する基板製造方法であって、
基板を搬入位置から取り出す工程と、
前記基板にパターンを形成する工程と、
前記基板を撮像して被検査パターンを示す多階調の被検査画像のデータを取得する工程と、
前記被検査画像と参照パターンを示す多階調の参照画像とを比較して前記被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像を生成する工程と、
前記参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像が準備され、欠陥領域または分割領域の収縮と、欠陥領域画像と分割領域画像との画素毎の論理積を求めることによるＡＮＤ画像の生成とを、前記ＡＮＤ画像において画素値が１の領域が存在しなくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との重なりの程度を示す評価値を前記収縮の回数に応じて求める工程と、
前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程と、
前記基板を搬出位置へと搬送する工程と、
を有することを特徴とする基板製造方法。 - パターンが形成された基板を製造する基板製造方法であって、
基板を搬入位置から取り出す工程と、
前記基板にパターンを形成する工程と、
前記基板を撮像して被検査パターンを示す多階調の被検査画像のデータを取得する工程と、
前記被検査画像と参照パターンを示す多階調の参照画像とを比較して前記被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像を生成する工程と、
前記参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像が準備されており、欠陥領域または分割領域の膨張と、欠陥領域画像と分割領域画像との画素毎の論理和を求めることによるＯＲ画像の生成とを、前記ＯＲ画像におけるラベル数が分割領域画像におけるラベル数よりも少なくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との複数箇所での重なりの程度を示す評価値を前記膨張の回数に応じて求める工程と、
前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程と、
前記基板を搬出位置へと搬送する工程と、
を有することを特徴とする基板製造方法。 - パターンの欠陥の分類に利用されるプログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、
被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータを準備する工程と、
参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを準備する工程と、
欠陥領域または分割領域の収縮と、欠陥領域画像と分割領域画像との画素毎の論理積を求めることによるＡＮＤ画像の生成とを、前記ＡＮＤ画像において画素値が１の領域が存在しなくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との重なりの程度を示す評価値を前記収縮の回数に応じて求める工程と、
前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程と、
を実行させることを特徴とするプログラム。 - パターンの欠陥の分類に利用されるプログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、
被検査パターンの欠陥領域を画素値が１の領域として示す２値の欠陥領域画像のデータを準備する工程と、
参照パターンの存在領域を画素値が１の分割領域として示す２値の分割領域画像のデータを準備する工程と、
欠陥領域または分割領域の膨張と、欠陥領域画像と分割領域画像との画素毎の論理和を求めることによるＯＲ画像の生成とを、前記ＯＲ画像におけるラベル数が分割領域画像におけるラベル数よりも少なくなるまで繰り返すことにより、前記欠陥領域と前記分割領域との複数箇所での重なりの程度を示す評価値を前記膨張の回数に応じて求める工程と、
前記評価値に基づいて前記被検査パターンに対する欠陥の分類を行う工程と、
を実行させることを特徴とするプログラム。 - 請求項１０または１１に記載のプログラムであって、前記プログラムのコンピュータによる実行は、前記コンピュータに、
前記被検査パターンを示す多階調の被検査画像のデータを準備する工程と、
前記参照パターンを示す多階調の参照画像のデータを準備する工程と、
前記被検査画像と前記参照画像とを比較して前記欠陥領域画像を生成する工程と、
をさらに実行させることを特徴とするプログラム。 - 請求項１２に記載のプログラムであって、
前記欠陥領域画像が、前記被検査画像と前記参照画像との差分画像から生成されることを特徴とするプログラム。 - 請求項１２または１３に記載のプログラムであって、前記プログラムの前記コンピュータによる実行は、前記コンピュータに、
前記参照画像を２値化して前記分割領域画像を生成する工程をさらに実行させることを特徴とするプログラム。 - 請求項１２ないし１４のいずれかに記載のプログラムであって、前記プログラムの前記コンピュータによる実行は、前記コンピュータに、
前記被検査画像、前記参照画像および前記欠陥領域画像のうち少なくとも１つに基づいて画像特徴量を求める工程をさらに実行させ、
前記評価値および前記画像特徴量に基づいて欠陥の分類が行われることを特徴とするプログラム。 - 請求項１５に記載のプログラムであって、
前記欠陥の分類を行う工程が、
前記評価値に基づいて粗分類を行う工程と、
前記粗分類の結果および前記画像特徴量に基づいて詳細分類を行う工程と、
を有することを特徴とするプログラム。 - 請求項１５に記載のプログラムであって、
前記欠陥の分類を行う工程が、
前記画像特徴量に基づいて欠陥または非欠陥を特定する工程と、
欠陥が特定された場合に前記評価値に基づいて前記欠陥の分類を行う工程と、
を有することを特徴とするプログラム。 - 請求項１２または１３に記載のプログラムであって、
前記欠陥の分類を行う工程が、
複数通りの分類を行って複数の分類結果を取得する工程と、
前記複数の分類結果に基づいて最終分類結果を取得する工程と、
を有することを特徴とするプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002250073A JP4059429B2 (ja) | 2002-08-29 | 2002-08-29 | 分類装置、歩留管理システム、分類方法、基板製造方法およびプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002250073A JP4059429B2 (ja) | 2002-08-29 | 2002-08-29 | 分類装置、歩留管理システム、分類方法、基板製造方法およびプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004085503A JP2004085503A (ja) | 2004-03-18 |
| JP4059429B2 true JP4059429B2 (ja) | 2008-03-12 |
Family
ID=32056996
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002250073A Expired - Fee Related JP4059429B2 (ja) | 2002-08-29 | 2002-08-29 | 分類装置、歩留管理システム、分類方法、基板製造方法およびプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4059429B2 (ja) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4608224B2 (ja) * | 2004-03-22 | 2011-01-12 | オリンパス株式会社 | 欠陥画像検査装置及びその方法 |
| JP2006098151A (ja) * | 2004-09-29 | 2006-04-13 | Dainippon Screen Mfg Co Ltd | パターン検査装置およびパターン検査方法 |
| JP4647510B2 (ja) | 2006-02-08 | 2011-03-09 | 東京エレクトロン株式会社 | 基板の欠陥検査方法及びプログラム |
| JP5071782B2 (ja) * | 2007-07-02 | 2012-11-14 | 東京エレクトロン株式会社 | 基板の欠陥検査方法及び欠陥検査プログラム |
| JP5298552B2 (ja) * | 2008-02-04 | 2013-09-25 | 新日鐵住金株式会社 | 判別装置、判別方法及びプログラム |
| JP4872979B2 (ja) * | 2008-07-25 | 2012-02-08 | 富士ゼロックス株式会社 | 画像処理装置、画像形成装置及びプログラム |
| JP5550862B2 (ja) * | 2009-07-23 | 2014-07-16 | 株式会社日立ハイテクノロジーズ | 欠陥分類装置及び分類調整方法 |
| JP5409237B2 (ja) | 2009-09-28 | 2014-02-05 | キヤノン株式会社 | パターン検出装置、その処理方法及びプログラム |
| JP6329923B2 (ja) * | 2015-06-08 | 2018-05-23 | 東京エレクトロン株式会社 | 基板の検査方法、コンピュータ記憶媒体及び基板検査装置 |
| CN111127571B (zh) * | 2019-12-03 | 2023-12-29 | 歌尔股份有限公司 | 一种小样本缺陷分类方法和装置 |
| CN111353983B (zh) * | 2020-02-28 | 2023-05-23 | 腾讯科技（深圳）有限公司 | 缺陷检测识别方法、装置、计算机可读介质及电子设备 |
| CN115699081A (zh) * | 2020-06-29 | 2023-02-03 | 日本电产株式会社 | 数据库评价方法、数据库评价装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0723845B2 (ja) * | 1986-03-14 | 1995-03-15 | 株式会社日立製作所 | 欠陥検出方法 |
| JP3092892B2 (ja) * | 1993-12-27 | 2000-09-25 | シャープ株式会社 | 半導体チップの外観検査方法および装置 |
| JP3536884B2 (ja) * | 1995-10-09 | 2004-06-14 | 株式会社神戸製鋼所 | 半導体ウエハの欠陥分類方法及びその装置 |
| JPH11271232A (ja) * | 1998-03-23 | 1999-10-05 | Hitachi Eng & Service Co Ltd | プリント基板の配線の欠陥検出方法および装置 |
| 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 |
-
2002
- 2002-08-29 JP JP2002250073A patent/JP4059429B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004085503A (ja) | 2004-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11694318B2 (en) | Electronic substrate defect detection | |
| US7409081B2 (en) | Apparatus and computer-readable medium for assisting image classification | |
| JP4095860B2 (ja) | 欠陥検査方法及びその装置 | |
| JP4059429B2 (ja) | 分類装置、歩留管理システム、分類方法、基板製造方法およびプログラム | |
| JP4008291B2 (ja) | パターン検査装置、パターン検査方法およびプログラム | |
| Kuo et al. | Automatic inspection system of LED chip using two-stages back-propagation neural network | |
| US20190095742A1 (en) | Image processing apparatus, method, and non-transitory computer-readable storage medium | |
| JP2019144245A (ja) | 前処理を含む線欠陥検出システム及び方法 | |
| Onshaunjit et al. | Algorithmic Scheme for Concurrent Detection and Classification of Printed Circuit Board Defects. | |
| Iwahori et al. | Defect classification of electronic board using dense SIFT and CNN | |
| Ghosh et al. | Automated defective pin detection for recycled microelectronics identification | |
| Khare et al. | PCB-fire: Automated classification and fault detection in PCB | |
| CN113822836B (zh) | 标记图像的方法 | |
| TWI837934B (zh) | 檢查系統、訓練資料生成裝置、訓練資料生成方法以及程式 | |
| JP2004296592A (ja) | 欠陥分類装置、欠陥分類方法およびプログラム | |
| Lakshmi et al. | A Survey of PCB Defect Detection Algorithms | |
| JP2013205320A (ja) | 検査条件決定方法、検査方法および検査装置 | |
| JP3536884B2 (ja) | 半導体ウエハの欠陥分類方法及びその装置 | |
| Sweeney et al. | Deep learning for semiconductor defect classification | |
| Christie et al. | Fast inspection for size-based analysis in aggregate processing | |
| JP2000068341A (ja) | 歩留予測方法およびその装置並びに基板の製造方法 | |
| KR20220101373A (ko) | 영상 기반 pcb 결함 검출 장치 및 방법 | |
| Ieamsaard et al. | Automatic optical inspection of solder ball burn defects on head gimbal assembly | |
| JP2005250786A (ja) | 画像認識方法 | |
| JP4247993B2 (ja) | 画像検査装置、画像検査方法、制御プログラムおよび可読記憶媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050303 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20071002 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071010 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071120 |
|
| 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: 20071214 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20071214 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101228 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101228 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101228 Year of fee payment: 3 |
|
| LAPS | Cancellation because of no payment of annual fees |