JP5525911B2 - 検査装置、及び検査方法 - Google Patents

Description

本発明は、被検査物に存在する異物，傷等の欠陥を検査する装置、及び方法に関するものである。

以下は、ベアウェーハを検査する表面検査装置を例に説明する。

半導体デバイスの製造工程では、ベアウェーハにレジスト塗布，パターン転写，エッチングといった工程を繰り返すことで回路を形成していく。これらの工程で異物や欠陥が発生すると歩留まりが低下し、半導体デバイスの製造コストの増加につながる。

表面検査装置は、半導体デバイスメーカでは歩留まり向上のために、ベアウェーハの受け入れ検査や、各製造装置で異物の付着や欠陥の発生がないか管理するために使用する。また、ウェーハ製造メーカではベアウェーハを製造する加工工程毎（研磨，洗浄等）の表面検査や出荷検査などに表面検査装置を使用する。

これらの検査を実施し歩留まりを向上させるためには、異物や欠陥が発生した位置、大きさを特定する以外に、検査で検出した欠陥，異物の種類を特定することも重要になる。

従来技術としては以下のものがある。

特許文献１では、ステージ上にウェーハを乗せ、レーザービームをウェーハ上に照射し、欠陥および異物にレーザービームが照射された時に発生する散乱光を複数の方位と仰角が異なる位置に配置した検出器で検出し欠陥を検出する技術を開示している。また、特許文献１では、欠陥にレーザービームを照射した時に発生する散乱光を方位，仰角別で取得し、散乱光に指向性があるＣＯＰ（Crystal Originated Particles）欠陥と散乱光に指向性のないＣＯＰ以外の欠陥に分類すること、ＣＯＰ欠陥は、低角度に配置した複数の検出器の加算信号、高角度に配置した複数の検出器の加算信号における信号強度比で分類されることを開示している。

特許文献２では、散乱光に指向性のある欠陥を検出する場合、各検出器の信号を加算せず個別の検出器を使って検出する方が、Ｓ／Ｎが改善され検出感度が向上することを開示している。

特許文献３では、連絡処理を行った後に、論理和を取り、巨大スクラッチを抽出することを開示している。

特開平９−３０４２８９号公報 特開２００８−３０９５６８号公報 特開２００６−２０１１７９号公報

表面検査装置は、ウェーハ上の領域をある単位でサンプリングし、設定した閾値を超える物を欠陥と判定し、各検出器にて検出した散乱光の強度をサンプリングした単位で比較してこれらの微細な欠陥および異物の大きさや種別を特定する。

従来、このサンプリング単位は、例えば数十μｍ×数十μｍ〜数百μｍ×数百μｍ単位であった。このようなサンプリング単位で欠陥の分類を行う場合、サンプリング単位は基板上に存在する相対的に小さい欠陥，大きい欠陥双方に対して十分大きく、特許文献１乃至３に開示される技術でも対応することができた。

しかし、現在、表面検査装置は、より微細な欠陥を検出するために、サンプリング単位をより小さくすることが望まれている。

本発明では、サンプリング単位を従来よりも小さくした場合、欠陥がサンプリング単位を跨る場合が増えることを見出した。

そして、特許文献３の方法では、領域を認識してから論理和を取ることから本来１つの欠陥が複数の欠陥として認識されてしまい、欠陥の検出個数が多くなってしまう、分類精度が悪化してしまうという課題があることを見出した。

本発明は以下の特徴を有する。なお、本発明は以下の特徴を独立して備える場合もあれば、同時に複合して備える場合もある。
（１）本発明は、論理和を取得した後に、ラベリング処理を行う。
（２）本発明は、光を基板へ照射する光学系と、前記基板からの光を検出する複数の検出器と、前記複数の検出器ごとの検出結果を閾値処理する第１の処理部と、前記検出器ごとの閾値処理結果の論理和を取る第２の処理部と、前記論理和結果についてラベリング処理を行う第３の処理部と、前記ラベリング処理結果から領域情報を算出する第４の処理部と、前記ラベリング処理結果から指向性情報を算出する第５の処理部と、前記領域情報と前記指向性情報とを使用して欠陥の種類を特定する第６の処理部と、を有する。
（３）本発明は、前記複数の検出器毎の信号の分布の偏りから欠陥の種類を特定する第７の処理部を有する。
（４）本発明は、平均位置座標を計算し、前記平均位置座標から前記複数の検出器毎の信号の分布の中心を計算し、複数の検出器毎の信号の分布の偏りを計算する。

本発明によればサンプリング単位を小さくした場合でも欠陥を正しく分類できる。

本実施例の表面検査装置の概略図。 欠陥画像を示す図。 ２値化画像を説明する図。 各ＣＨで生成した閾値判定した結果を示す図。 欠陥グループ情報９００の構成。 指向性情報９１０の構成。 ディンプルの分類を説明する図。

以下、図面を用いて説明する。

図１は、本実施例の表面検査装置の概略図である。装置筺体１００はウェーハ等の試料１０５を搭載する試料ステージ１０１、試料１０５へ光を照射する照明手段１０２、試料からの光を検出する複数の散乱光検出手段１０３、試料ステージの並行，回転移動を行う移動手段１０４を備えている。

信号処理系２００には、ＡＤ変換手段２０１，閾値処理手段２０２，閾値処理後の結果を格納するメモリ２０３，論理和生成手段２１０，ラベリング手段２１１，領域情報算出手段２１２，指向性情報算出手段２１３，領域・異方欠陥分類手段２１４、を備えている。

ＡＤ変換手段２０１では、散乱光検出手段１０３で出力したアナログ信号をデジタル信号に変換する。ＡＤ変換手段２０１で変換するアナログ信号は、各々の散乱光検出手段１０３で検出したアナログ信号を個別の１ＣＨとし変換する。また、複数の散乱光検出手段１０３で検出したアナログ信号を加算し生成した１ＣＨのアナログ信号を変換する場合もある。

メモリ２０３に格納した閾値判定した結果は、図２のように欠陥画像４００と見なすことが可能である。画像を構成する画素４０１はサンプリング単位の領域に相当する。

図２の画素に表記している数値は画素値（＝散乱光の強度）を示す。

数字が付いていない画素４０２は閾値を超えなかったサンプリング位置の画素で、数字が付いている画素４０３は閾値を超えたサンプリング位置の散乱光の強度を表す。

同様に図２で示す画像は、図３のように２値化画像５００として扱うことができる。

白色の画素５０１は閾値を超えなかったサンプリング位置の画素で、黒色の画素５０２は閾値を超えたサンプリング位置の画素である。

論理和生成手段２１０では、図４のように各ＣＨで生成した閾値判定した結果（＝欠陥画像）８０１ａ〜８０１ｃをそれぞれ２値化画像８０２ａ〜８０２ｃと見なし、各ＣＨの２値化画像の論理和画像８０３を生成する。

ラベリング手段２１１では、論理和生成手段２１０で生成した２値化画像の論理和画像８０３に対して、ラベリングを実施し、２値化画像の論理和画像８０３に対して欠陥グループ８０４ａ〜８０４ｃに分ける。

なお、ラベリングとは、隣接する画素に同一番号をつけ、隣接する画素同士を１つのグループとして扱うような処理である。

領域情報算出手段２１２では、ラベリング手段２１１で算出した欠陥グループ８０４ａ〜８０４ｃ毎から領域的な広がりの特徴量を算出する。

指向性情報算出手段２１３では、ラベリング手段２１１で算出した欠陥グループ８０４ａ〜８０４ｃ毎に欠陥グループ情報を作成する。

図５に欠陥グループ情報９００の構成を示す。

欠陥グループ情報９００は領域情報算出手段２１２で生成した領域情報９０１と欠陥グループを構成する画素数分の指向性情報９１０と欠陥種別情報９０２から構成される。

図６に指向性情報９１０の構成を示す。

指向性情報９１０は論理和画像における欠陥グループを構成する画素単位の情報であり、画素の位置座標９１１，ＣＨ毎の信号強度９１２ａ〜９１２ｃから構成される。

ＣＨ毎の信号強度９１２ａ〜９１２ｃは、画素の位置座標９１１からメモリ２０３に格納した各ＣＨの閾値処理後の結果である。

例えば、画素の位置座標９１１で各ＣＨの閾値処理後の結果に欠陥が存在しなかった場合は信号強度は０となる。

領域・異方欠陥分類手段２１４では、指向性情報算出手段２１３で生成した欠陥グループ情報９００を用いて、欠陥の種別を特定する。

領域・異方欠陥分類手段２１４は、以下のことを行う。

（１）欠陥グループ情報９００の領域情報９０１から領域的な広がりから得られる第１の特徴量を算出する。

（２）指向性情報９１０から各ＣＨ毎の最大信号強度など指向性の情報から得られる第２の特徴量を算出する。

（１）各ＣＨ毎の領域的な広がり情報（ＣＨ毎の領域的な分布の傾向）などの領域情報と指向性情報を統合して得られる第３の特徴量を算出する。

さらに、領域・異方欠陥分類手段２１４では、ＣＰＵから事前に設定した判定基準と算出した特徴量に従って欠陥の種別を分類する。これにより微小欠陥，巨大欠陥それぞれに対して、指向性の有無などの情報から欠陥の種別を特定する。欠陥グループ情報９００の欠陥種別情報９０２にその結果を格納する。

ＧＵＩ３０１では、領域・異方欠陥分類手段２１４で分類した欠陥をマップとして出力する。マップは欠陥の位置情報，欠陥信号値で表示し、分類した欠陥種別に表示することができる。それぞれの種別の欠陥に対する表示は、領域・異方欠陥分類手段２１４で生成した欠陥グループ情報９００を基に表示する。

より具体的な例として、図７を用いて、領域的に広がり、散乱光に指向性のある特徴を持つディンプル（くぼみ状の欠陥）を分類する場合を実施例２として説明する。

ウェーハ１０００上に存在するディンプル１０１０にレーザービームを照射し散乱光を異なる角度，仰角に配置した２つの検出器で検出する。そして、図１に示す一連の処理を実施する。

画像１０１１ａ，１０１１ｂは２つの検出器それぞれで取得された閾値処理後の欠陥画像である。画像１０１２は論理和生成手段で生成した２つのＣＨの２値化画像から作成した論理和画像である。

１００２は論理和画像１０１２から算出した欠陥グループであり、１０１３は欠陥グループ１００２から取得した欠陥グループ情報である。

欠陥グループ情報１０１３には、２値化して欠陥と認識した領域の座標情報である領域情報１０３０（第１の特徴量）、画素数分の指向性情報（第２の特徴量）１０２０，１０２１等、欠陥の種類を表す欠陥種別１０３１を有する。

論理和画像１０１２の欠陥グループ１００２は２４画素から構成されるため、欠陥グループ１００２の欠陥グループ情報１０１３は２４画素分の指向性情報を持っている。

指向性情報（１０２０，１０２１等）は画素の位置座標とＣＨ毎の信号値からなり、これらの指向性情報をＣＨ別に位置座標と信号値とを纏めると、ＣＨ毎の欠陥画像を再構成でき、第３の特徴量を得ることができる。

欠陥画像１００３ａはＣＨ１の情報を元に再構成した欠陥画像であり、欠陥画像１００３ｂはＣＨ２の情報を元に再構成した欠陥画像である。

例えば、指向性情報１０２０では位置座標（３，１）のＣＨ１の信号値は２０であるため、ＣＨ１の欠陥画像１００３ａにおいて、位置座標（３，１）に信号値２０を持つ画素１０２０ａがあることがわかる。

同様に、指向性情報１０２０では位置座標（３，１）のＣＨ２の信号値は０であるため、ＣＨ２の欠陥画像１００３ｂにおいて、位置座標（３，１）に信号値０を持つ画素１０２０ｂがあることがわかる。

欠陥グループ情報内のすべての指向性情報について同様の事を実施することで各ＣＨの欠陥画像を再構成する。

これらの再構成した欠陥画像１００３ａ，１００３ｂに対し、ユーザが事前に設定したディンプル判定用の閾値パラメータ（ＣＨごとの閾値）を用いて、ＣＨ毎に２値化画像を生成する。

たとえば、ＣＨ１のディンプル判定用の閾値を１２、ＣＨ２のディンプル判定用の閾値を１５とすると２値化画像１００４ａ，１００４ｂが得られる。

２値化画像１００４ａはＣＨ１の欠陥画像１００３ａに第１の閾値を用いて閾値判定して得られた画像であり、２値化画像１００４ｂはＣＨ２の欠陥画像１００３ｂに第１の閾値を用いて閾値判定して得られた画像である。

次にディンプルでは、ＣＨ毎の信号値の分布に偏りが現れるであろうことに着目して、このＣＨ毎の信号値の分布の偏りを算出する。

ＣＨ毎の信号値の分布の偏りは、２値化画像毎に閾値を超えた画素の平均位置座標を用いることで求めることができる。

本実施例では、平均位置座標は、例えば以下のように表すことができる。

Ｘ方向の平均位置座標＝Σ｛（１＋Ｘ座標）×Ｘ座標に存在する欠陥の個数｝
／欠陥と認識した画素の数
Ｙ方向の平均位置座標＝Σ｛（１＋Ｙ座標）×Ｙ座標に存在する欠陥の個数｝
／欠陥と認識した画素の数
２値化画像１００４ａ，１００４ｂに対し、２値化画像毎に閾値を超えた画素の平均位置座標を算出する。

位置座標１００５ａは、ＣＨ１の平均位置座標であり、位置座標１００５ｂは、ＣＨ２の平均位置座標である。

この平均位置座標から各ＣＨにおける検出信号の分布の中心が分かる。

ＣＨ１の平均位置座標１００５ａとＣＨ２の平均位置座標１００５ｂの距離を算出し、この距離がユーザによって事前に設定されたディンプル判定用距離パラメータより大きければ、ＣＨ毎の信号値の分布に偏りがあるとし、この欠陥グループをディンプルと見なす。欠陥グループ情報１０１３の欠陥種別１０３１にディンプルを示す識別子を設定する。

以上、図面を用いて実施例を説明した。

本実施例によれば、サンプリング単位が小さくなった場合でも正しく欠陥を分類することができ、例えば、ディンプルの分類には好適である。

本発明は実施例に限定されない。光学系は本実施例以外のものであっても良い。

また、検査対象はウェーハ以外のハードディスク基板，液晶基板等であっても良く、様々な検査装置に適用可能である。

１００ 装置筺体
１０１ 試料ステージ
１０２ 照明手段
１０３ 散乱光検出手段
１０４ 移動手段
２００ 信号処理系
２０１ ＡＤ変換手段
２０２ 閾値処理手段
２０３ メモリ
２１０ 論理和生成手段
２１１ ラベリング手段
２１２ 領域情報算出手段
２１３ 指向性情報算出手段
２１４ 領域・異方欠陥分類手段
５００，８０２ａ〜８０２ｃ，１００４ａ，１００４ｂ ２値化画像
８０３ 各ＣＨの２値化画像の論理和画像
８０４ａ〜８０４ｃ 欠陥グループ
９００ 欠陥グループ情報
９０１ 領域情報
９０２ 欠陥種別情報
９１０，１０２０ 指向性情報
９１１ 画素の位置座標
９１２ａ〜９１２ｃ ＣＨ毎の信号強度
１００３ａ，１００３ｂ 再構成した欠陥画像
１０１０ ディンプル

Claims (6)

1. 光を基板へ照射する光学系と、
   前記基板からの光を検出する第１の検出器、及び前記第１の検出器とは異なる位置に配置された第２の検出器と、
   処理系と、を有し
   前記処理系は、
   （１）前記第１の検出器の検出結果、及び前記第２の検出器の検出結果を閾値処理し、第１の欠陥画像、及び第２の欠陥画像を得て、
   （２）前記第１の欠陥画像と前記第２の欠陥画像との論理和を得て、
   （３）前記論理和についてラベリング処理を行い、
   （４）前記ラベリング処理結果から領域情報を得て、
   （５）前記ラベリング処理結果から指向性情報を得て、
   （６）前記領域情報と前記指向性情報とを使用して前記第１の欠陥画像、及び前記第２の欠陥画像を再構成し、第１の再構成欠陥画像、及び第２の再構成欠陥画像を得て、
   （７）前記第１の再構成欠陥画像、及び前記第２の再構成欠陥画像を２値化し、第１の２値化画像、及び第２の２値化画像を得て、
   （８）前記第１の２値化画像、及び前記第２の２値化画像の信号の分布から欠陥の種類を特定し、
   前記領域情報とは、欠陥と認識した領域の座標情報であり、
   前記指向性情報とは、画素の位置情報、前記第１の検出器からの信号強度、及び前記第２の検出器からの信号強度であることを特徴とする検査装置。
2. 請求項１に記載の検査装置において、
   前記処理系は、
   前記分布の偏りから欠陥の種類を特定することを特徴とする検査装置。
3. 請求項２に記載の検査装置において、
   前記処理系は、
   所定の閾値を超えた画素の平均位置座標を計算し、
   前記平均位置座標から前記分布の中心を計算し、
   前記分布の偏りを計算することを特徴とする検査装置。
4. 基板を検査する検査方法において、
   光を基板へ照射し、
   前記基板からの光を第１の検出器、及び前記第１の検出器とは異なる位置に配置された第２の検出器で検出し、
   （１）前記第１の検出器の検出結果、及び前記第２の検出器の検出結果を閾値処理し、第１の欠陥画像、及び第２の欠陥画像を得て、
   （２）前記第１の欠陥画像と前記第２の欠陥画像との論理和を得て、
   （３）前記論理和についてラベリング処理を行い、
   （４）前記ラベリング処理結果から領域情報を得て、
   （５）前記ラベリング処理結果から指向性情報を得て、
   （６）前記領域情報と前記指向性情報とを使用して前記第１の欠陥画像、及び前記第２の欠陥画像を再構成し、第１の再構成欠陥画像、及び第２の再構成欠陥画像を得て、
   （７）前記第１の再構成欠陥画像、及び前記第２の再構成欠陥画像を２値化し、第１の２値化画像、及び第２の２値化画像を得て、
   （８）前記第１の２値化画像、及び前記第２の２値化画像の信号の分布から欠陥の種類を特定し、
   前記領域情報とは、欠陥と認識した領域の座標情報であり、
   前記指向性情報とは、画素の位置情報、前記第１の検出器からの信号強度、及び前記第２の検出器からの信号強度である検査方法。
5. 請求項４に記載の検査方法において、
   前記分布の偏りから欠陥の種類を特定することを特徴とする検査方法。
6. 請求項５に記載の検査方法において、
   所定の閾値を超えた画素の平均位置座標を計算し、
   前記平均位置座標から前記分布の中心を計算し、
   前記分布の偏りを計算することを特徴とする検査方法。

Images