JP6285640B2 - 自動及び手動欠陥分類の統合 - Google Patents
自動及び手動欠陥分類の統合 Download PDFInfo
- Publication number
- JP6285640B2 JP6285640B2 JP2013099682A JP2013099682A JP6285640B2 JP 6285640 B2 JP6285640 B2 JP 6285640B2 JP 2013099682 A JP2013099682 A JP 2013099682A JP 2013099682 A JP2013099682 A JP 2013099682A JP 6285640 B2 JP6285640 B2 JP 6285640B2
- Authority
- JP
- Japan
- Prior art keywords
- defect
- classification
- class
- classifier
- defects
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims description 292
- 238000007689 inspection Methods 0.000 claims description 64
- 238000000034 method Methods 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 7
- 235000012431 wafers Nutrition 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 239000013598 vector Substances 0.000 description 9
- 239000004065 semiconductor Substances 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 102100038238 Aromatic-L-amino-acid decarboxylase Human genes 0.000 description 1
- 101710151768 Aromatic-L-amino-acid decarboxylase Proteins 0.000 description 1
- 238000012369 In process control Methods 0.000 description 1
- 238000000441 X-ray spectroscopy Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010965 in-process control Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000001878 scanning electron micrograph Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/987—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns with the intervention of an operator
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Description
本発明の実施形態は、一般的には自動検査に関し、詳細には製造欠陥の分析のための方法及びシステムに関する。
を使って写像する。例えば、欠陥xiとxj(それらの特徴ベクトルにより表される)に対するガウスカーネル関数Kは、次のように定義される。
(1)
ここにγは可変カーネルパラメータであり、その値は、対象クラスに対応する特徴空間内領域の形状(サイズ及び形態)を決定する。所定の欠陥xに対する単クラス判定値は、次式で与えられる。
(2)
ここに{xi}は訓練ベクトルのセットであり、αiはラグランジュ未定乗数であり、bは距離パラメータである。カーネル関数Kを有するクラスに対して、式(2)の値が非負である欠陥はこのクラスに入ると見なされ、この値が負である欠陥は「未知」のものである。この種の計算及び計算パラメータ設定値の詳細は本技術分野では公知である。
に写像される。OCSVMアルゴリズムは、超平面W∈Hを規定し、これは原点Oから距離bの超球面の有向半径に直交する、つまり
である。対象のクラスに入る欠陥44は、サポートベクトルを表す各境界点100の間の超球面上に存在する。訓練段階では、ADCマシンは、所定の信頼度閾値に対して、最小の球形キャップ(最小のθ)を与えることになるサポートベクトルを取得することができる。この操作は、距離bを最大化することと等価である。OCSVM分類器が訓練された後、「未知」の欠陥56は、超平面Wの向こう側に(この場合は、距離ξiだけ離れて)見出すことができる。
(3)
以下の制約に従う、
(4)
ここで、kは訓練セットのサイズ(つまり、分類器を生成する際に使用した、予め分類された欠陥画像の数)であり、ξiは各々の欠陥に対する分類誤差の値である。
(5)
全てのiに対して、制約
及び
に従う。ここで、eはベクトル
であり、Qは次式によって与えられる、kxkの正値半有限行列である。
(6)
を有する。ADCマシンは、カーネルパラメータγの最適値を自動的に選択することができ、この最適値は、カーネル関数により与えられるように、クラスに対応する特徴空間において適切な形状の領域を生成する。分類規則のパラメータは、新しい各欠陥xの対して、式(2)に適用される。
である。
所定の欠陥の信頼度値は、欠陥がその外側にある最近接境界の信頼度閾値によって与えることができるので、欠陥82に対する信頼度値は、この例ではP=0.15である。
Claims (9)
- 欠陥分類のための方法であって、
処理装置が、多次元特徴空間における複数の分類規則に関して、複数の欠陥クラスの複数の定義を記憶する段階と、ここで、前記複数の分類規則は、所定の欠陥クラスそれぞれに対して、特徴空間において所定の欠陥クラスに関連づけられた領域の境界を規定し、欠陥の分類に関連づけられた信頼度尺度を所定の欠陥クラスに対して与え、ここで前記信頼度尺度はそれぞれの境界に関して前記特徴空間における欠陥の位置の関数としての信頼度レベルを表すものであり、
前記処理装置が、検査中の1つ又はそれ以上のサンプルから検出された複数の欠陥に関連する検査データを受け取る段階と、
前記処理装置が複数の性能尺度から選択された分類性能尺度をオペレータから受け取る段階と、ここで、前記複数の性能尺度には最大除去率又は目標純度レベルの少なくとも一方が含まれており、
前記分類性能尺度に対応する少なくとも1つの信頼度閾値を決定する段階と、
前記処理装置が自動分類器を前記検査データに適用する段階と、ここで、前記自動分類器は、複数の定義に基づくものであり、そして、前記少なくとも1つの信頼度閾値に基づいてそれぞれが低い信頼度レベルと分類され、少なくとも2つの欠陥クラスそれぞれの境界の間のオーバーラップ領域に位置する欠陥とされた複数の欠陥を識別し、
前記処理装置が、低い信頼度レベルと分類された複数の識別された欠陥に対して前記自動分類器とは異なる少なくとも1つの検査手法を適用することにより分類結果を生成し、複数の識別された各々の欠陥を前記オーバーラップ領域と関連づけられた前記少なくとも2つの欠陥クラスの1つに対して割り当てる段階と、
前記処理装置が、前記自動分類器とは異なる少なくとも1つの検査手法により分類されたオーバーラップ領域に位置する複数の識別された欠陥の閾値に基づいて前記複数のクラスの1つ又はそれ以上の欠陥クラスの境界を調整して、前記自動分類器を改良する段階と、ここで、前記改良は、低い信頼度レベルと分類された複数の識別された欠陥の複数の分類結果を用いて前記自動分類器を訓練することにより行われる、
欠陥分類のための方法。 - 前記自動分類器を前記検査データに適用する段階は、
多クラス分類器を前記検査データに適用して、前記複数の欠陥の各欠陥に前記複数の欠陥クラスの特定の欠陥クラスを割当てる段階と、
少なくとも1つの単クラス分類器を前記検査データに適用して、前記複数の欠陥クラスの各々と関連する欠陥を識別する段階と、
を含み、前記単クラス分類器は、特定の欠陥クラスに入らない特定の欠陥を未知欠陥として識別する、請求項1に記載の方法。 - 前記複数の定義を記憶する段階は、
自動分類のために前記複数の欠陥クラスのグループを選択する段階と、
前記グループに入らない1つ又はそれ以上の欠陥クラスを人間の検査員に提供する段階と、
を含み、前記方法は、
前記検査手法又は別の分類手法から提供される前記複数の第2の分類結果を使用して前記自動分類器を改良する段階を更に含み、該自動分類器を改良する段階は、
前記第2の分類結果に基づいた自動分類のために、前記複数の欠陥クラスの1つ又はそれ以上を前記グループに追加する段階を含む、請求項1に記載の方法。 - 多次元特徴空間における複数の分類規則に関して、複数の欠陥クラスの複数の定義を記憶するメモリと、ここで、前記複数の分類規則は、所定の欠陥クラスそれぞれに対して、特徴空間において所定の欠陥クラスに関連づけられた領域の境界を規定し、欠陥の分類に関連づけられた信頼度尺度を所定の欠陥クラスに対して与え、ここで前記信頼度尺度はそれぞれの境界に関して前記特徴空間における欠陥の位置の関数としての信頼度レベルを表すものであり、
前記メモリと作動的に接続されたプロセッサであって、
検査中の1つ又はそれ以上のサンプルから検出された複数の欠陥に関連する検査データを受け取る処理と、
複数の性能尺度から選択された分類性能尺度をオペレータから受け取る処理と、ここで、前記複数の性能尺度には最大除去率又は目標純度レベルの少なくとも一方が含まれており、
前記分類性能尺度に対応する少なくとも1つの信頼度閾値を決定する処理と、
自動分類器を前記検査データに適用する処理と、ここで、前記自動分類器は、複数の定義に基づくものであり、そして、前記少なくとも1つの信頼度閾値に基づいてそれぞれが低い信頼度レベルと分類され、少なくとも2つの欠陥クラスそれぞれの境界の間のオーバーラップ領域に位置する欠陥とされた複数の欠陥を識別し、
低い信頼度レベルと分類された複数の識別された欠陥に対して前記自動分類器とは異なる少なくとも1つの検査手法を適用することにより分類結果を生成し、複数の識別された各々の欠陥を前記オーバーラップ領域と関連づけられた前記少なくとも2つの欠陥クラスの1つに対して割り当てる処理と、
前記自動分類器とは異なる少なくとも1つの検査手法により分類されたオーバーラップ領域に位置する複数の識別された欠陥の閾値に基づいて前記複数のクラスの1つ又はそれ以上の欠陥クラスの境界を調整して、前記自動分類器を改良する処理と、ここで、前記改良は、低い信頼度レベルと分類された複数の識別された欠陥の複数の分類結果を用いて前記自動分類器を訓練することにより行われるものである、
とを実行するプロセッサと、
を含む、装置。 - 前記自動分類器は、
前記複数の欠陥の各欠陥を前記複数の欠陥クラスの特定のクラスに割当てるための多クラス分類器と、
前記複数の欠陥クラスの各々と関連する欠陥を識別するための少なくとも1つの単クラス分類器と、
を備え、前記単クラス分類器は、特定の欠陥クラスに入らない特定の欠陥を未知欠陥として識別する、請求項4に記載の装置。 - 前記プロセッサは、自動分類のために前記複数の欠陥クラスのグループを選択し、前記グループに入らない1つ又はそれ以上の欠陥クラスを人間の検査員に提供し、前記検査手法又は別の検査手法から提供される前記複数の第2の分類結果を使用して前記自動分類器を改良するように構成され、該自動分類器を改良することは、前記複数の第2の分類結果に基づいた自動分類のために、前記複数の欠陥クラスの1つ又はそれ以上を前記グループに追加するようになっている、請求項4に記載の装置。
- 処理装置により実行される場合に、前記処理装置に、
多次元特徴空間における複数の分類規則に関して、複数の欠陥クラスの複数の定義を記憶する処理と、ここで、前記複数の分類規則は、所定の欠陥クラスそれぞれに対して、特徴空間において所定の欠陥クラスに関連づけられた領域の境界を規定し、欠陥の分類に関連づけられた信頼度尺度を所定の欠陥クラスに対して与え、ここで前記信頼度尺度はそれぞれの境界に関して前記特徴空間における欠陥の位置の関数としての信頼度レベルを表すものであり、
検査中の1つ又はそれ以上のサンプルから検出された複数の欠陥に関連する検査データを受け取る処理と、
複数の性能尺度から選択された分類性能尺度をオペレータから受け取る処理と、ここで、前記複数の性能尺度には最大除去率又は目標純度レベルの少なくとも一方が含まれており、
前記分類性能尺度に対応する少なくとも1つの信頼度閾値を決定する処理と、
自動分類器を前記検査データに適用する処理と、ここで、前記自動分類器は、複数の定義に基づくものであり、そして、前記少なくとも1つの信頼度閾値に基づいてそれぞれが低い信頼度レベルと分類され、少なくとも2つの欠陥クラスそれぞれの境界の間のオーバーラップ領域に位置する欠陥とされた複数の欠陥を識別し、
低い信頼度レベルと分類された複数の識別された欠陥に対して前記自動分類器とは異なる少なくとも1つの検査手法を適用することにより分類結果を生成し、複数の識別された各々の欠陥を前記オーバーラップ領域と関連づけられた前記少なくとも2つの欠陥クラスの1つに対して割り当てる処理と、
前記自動分類器とは異なる少なくとも1つの検査手法により分類されたオーバーラップ領域に位置する複数の識別された欠陥の閾値に基づいて前記複数のクラスの1つ又はそれ以上の欠陥クラスの境界を調整して、前記自動分類器を改良する処理と、ここで、前記改良は、低い信頼度レベルと分類された複数の識別された欠陥の複数の分類結果を用いて前記自動分類器を訓練することにより行われるものである、
を含む操作を実行させる命令を有する非一時的コンピュータ可読記憶媒体。 - 前記自動分類器は、
前記複数の欠陥の各欠陥を前記複数の欠陥クラスの特定の欠陥クラスに割当てる多クラス分類器と、
前記複数の欠陥クラスの各々と関連する欠陥を識別する少なくとも1つの単クラス分類器と、
を備え、前記単クラス分類器は、特定の欠陥クラスに入らない特定の欠陥を未知欠陥として識別する、請求項7に記載の非一時的コンピュータ可読記憶媒体。 - 前記処理装置は、
自動分類のために前記複数の欠陥クラスのグループを選択する段階と、
前記グループに入らない1つ又はそれ以上の欠陥クラスを人間の検査員に提供する段階と、
前記検査手法又は別の分類手法から提供される前記複数の第2の分類結果を使用して前記自動分類器を改良する段階と、
を更に含み、該自動分類器を改良する段階は、
前記第2の分類結果に基づいた自動分類のために、前記複数の欠陥クラスの1つ又はそれ以上を前記グループに追加する段階を含む、請求項7に記載の非一時的コンピュータ可読記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/451,496 US10043264B2 (en) | 2012-04-19 | 2012-04-19 | Integration of automatic and manual defect classification |
US13/451,496 | 2012-04-19 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2013224943A JP2013224943A (ja) | 2013-10-31 |
JP2013224943A5 JP2013224943A5 (ja) | 2016-06-16 |
JP6285640B2 true JP6285640B2 (ja) | 2018-02-28 |
Family
ID=49380167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013099682A Active JP6285640B2 (ja) | 2012-04-19 | 2013-04-18 | 自動及び手動欠陥分類の統合 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10043264B2 (ja) |
JP (1) | JP6285640B2 (ja) |
KR (1) | KR102137184B1 (ja) |
TW (1) | TWI639824B (ja) |
Families Citing this family (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10043264B2 (en) | 2012-04-19 | 2018-08-07 | Applied Materials Israel Ltd. | Integration of automatic and manual defect classification |
US9715723B2 (en) | 2012-04-19 | 2017-07-25 | Applied Materials Israel Ltd | Optimization of unknown defect rejection for automatic defect classification |
US9607233B2 (en) | 2012-04-20 | 2017-03-28 | Applied Materials Israel Ltd. | Classifier readiness and maintenance in automatic defect classification |
US10776335B2 (en) * | 2013-03-13 | 2020-09-15 | Comcast Cable Communications, Llc | Systems and methods for managing data |
US9158992B2 (en) * | 2013-03-14 | 2015-10-13 | Here Global B.V. | Acceleration of linear classifiers |
WO2014153409A2 (en) * | 2013-03-20 | 2014-09-25 | Lifetime Brands, Inc. | Method and apparatus for mobile quality management inspections |
US10114368B2 (en) * | 2013-07-22 | 2018-10-30 | Applied Materials Israel Ltd. | Closed-loop automatic defect inspection and classification |
US9430743B2 (en) | 2014-03-06 | 2016-08-30 | Kla-Tencor Corp. | Composite defect classifier |
US9613411B2 (en) * | 2014-03-17 | 2017-04-04 | Kla-Tencor Corp. | Creating defect classifiers and nuisance filters |
JP6430228B2 (ja) * | 2014-12-15 | 2018-11-28 | 株式会社Screenホールディングス | 画像分類装置および画像分類方法 |
KR102392057B1 (ko) | 2014-12-22 | 2022-04-28 | 삼성전자주식회사 | 자동 결함 분류 방법 |
US20160189055A1 (en) * | 2014-12-31 | 2016-06-30 | Applied Materials Israel Ltd. | Tuning of parameters for automatic classification |
US10312161B2 (en) | 2015-03-23 | 2019-06-04 | Applied Materials Israel Ltd. | Process window analysis |
US9898811B2 (en) | 2015-05-08 | 2018-02-20 | Kla-Tencor Corporation | Method and system for defect classification |
US9922269B2 (en) * | 2015-06-05 | 2018-03-20 | Kla-Tencor Corporation | Method and system for iterative defect classification |
US10130323B2 (en) * | 2015-07-13 | 2018-11-20 | Delineo Diagnostics, Inc | Method and apparatus for planning computer-aided diagnosis |
JP6605415B2 (ja) * | 2015-08-26 | 2019-11-13 | ヴァイアヴィ・ソリューションズ・インコーポレイテッド | 分光法を用いる識別 |
US10436720B2 (en) * | 2015-09-18 | 2019-10-08 | KLA-Tenfor Corp. | Adaptive automatic defect classification |
TWI737659B (zh) * | 2015-12-22 | 2021-09-01 | 以色列商應用材料以色列公司 | 半導體試樣的基於深度學習之檢查的方法及其系統 |
KR102179989B1 (ko) * | 2016-04-13 | 2020-11-17 | 케이엘에이 코포레이션 | 전기적 설계 의도에 기초한 결함 분류 시스템 및 방법 |
US10209628B2 (en) * | 2016-05-26 | 2019-02-19 | Kla-Tencor Corporation | System and method for defect classification based on electrical design intent |
WO2017180399A1 (en) * | 2016-04-13 | 2017-10-19 | Kla-Tencor Corporation | System and method for defect classification based on electrical design intent |
WO2018041727A1 (en) * | 2016-09-02 | 2018-03-08 | X-Rite Switzerland GmbH | Apparatus and method for effect pigment identification |
CN109844919B (zh) * | 2016-10-17 | 2020-12-11 | 科磊股份有限公司 | 优化用于设置检验相关算法的训练组 |
US10692690B2 (en) | 2017-03-27 | 2020-06-23 | Kla-Tencor Corporation | Care areas for improved electron beam defect detection |
JP6999150B2 (ja) * | 2017-03-28 | 2022-01-18 | 株式会社 東京ウエルズ | ワークの検査結果判定方法 |
US10453366B2 (en) * | 2017-04-18 | 2019-10-22 | Samsung Display Co., Ltd. | System and method for white spot mura detection |
US10810408B2 (en) * | 2018-01-26 | 2020-10-20 | Viavi Solutions Inc. | Reduced false positive identification for spectroscopic classification |
CN108776808A (zh) * | 2018-05-25 | 2018-11-09 | 北京百度网讯科技有限公司 | 一种用于检测钢包溶蚀缺陷的方法和装置 |
CN109543707B (zh) * | 2018-09-29 | 2020-09-25 | 南京航空航天大学 | 基于三支决策的半监督变更级软件缺陷预测方法 |
JP7186054B2 (ja) * | 2018-10-11 | 2022-12-08 | 神鋼検査サービス株式会社 | 欠陥検出支援装置、該方法および該プログラム |
US10762618B1 (en) * | 2019-02-14 | 2020-09-01 | United Microelectronics Corp. | Mask weak pattern recognition apparatus and mask weak pattern recognition method |
WO2020234863A1 (en) * | 2019-05-22 | 2020-11-26 | Applied Materials Israel Ltd. | Machine learning-based classification of defects in a semiconductor specimen |
CN110147325B (zh) * | 2019-05-22 | 2023-04-07 | 电信科学技术第十研究所有限公司 | 一种基于自动化测试的数据生成方法及装置 |
CN112014398A (zh) * | 2019-05-29 | 2020-12-01 | 天津中元百宜科技有限责任公司 | 一种基于机器视觉的病害管道缺陷分类建库与识别的方法 |
WO2021028714A1 (en) * | 2019-08-13 | 2021-02-18 | Omron Corporation | Method, apparatuses, computer program and medium including computer instructions for performing inspection of an item |
JP7390851B2 (ja) * | 2019-10-18 | 2023-12-04 | 株式会社日立ハイテク | 欠陥分類装置、欠陥分類プログラム |
MX2022005752A (es) | 2019-11-12 | 2022-08-17 | Bright Machines Inc | Sistema de análisis de imágenes para pruebas en la fabricación. |
US11430105B2 (en) | 2020-06-15 | 2022-08-30 | Mitutoyo Corporation | Workpiece inspection and defect detection system including monitoring of workpiece images |
US11150200B1 (en) | 2020-06-15 | 2021-10-19 | Mitutoyo Corporation | Workpiece inspection and defect detection system indicating number of defect images for training |
CN112446857A (zh) * | 2020-11-06 | 2021-03-05 | 长江存储科技有限责任公司 | 缺陷图像自动分类标记系统、建立方法及分类标记方法 |
EP3995808B1 (de) * | 2020-11-09 | 2023-01-04 | Siltronic AG | Verfahren zum klassifizieren von unbekannten partikeln auf einer oberfläche einer halbleiterscheibe |
CN112634258A (zh) * | 2020-12-30 | 2021-04-09 | 凌云光技术股份有限公司 | 一种基于aoi的缺陷检测的自动分类分级方法和装置 |
US11404244B1 (en) * | 2021-02-10 | 2022-08-02 | Applied Materials Israel Ltd. | High-resolution x-ray spectroscopy surface material analysis |
US11501951B1 (en) | 2021-05-14 | 2022-11-15 | Applied Materials Israel Ltd. | X-ray imaging in cross-section using un-cut lamella with background material |
US11756186B2 (en) | 2021-09-15 | 2023-09-12 | Mitutoyo Corporation | Workpiece inspection and defect detection system utilizing color channels |
US20230196541A1 (en) * | 2021-12-22 | 2023-06-22 | X Development Llc | Defect detection using neural networks based on biological connectivity |
WO2024036552A1 (en) * | 2022-08-18 | 2024-02-22 | Applied Materials, Inc. | Method for defect review measurement on a substrate, apparatus for imaging a substrate, and method of operating thereof |
CN115934393A (zh) * | 2022-11-18 | 2023-04-07 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 设备缺陷关联性分析方法、装置、计算机设备和存储介质 |
CN117577550A (zh) * | 2023-11-15 | 2024-02-20 | 深圳市昇维旭技术有限公司 | 半导体器件的缺陷分析方法、装置、可读介质及电子设备 |
Family Cites Families (78)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5923430A (en) | 1993-06-17 | 1999-07-13 | Ultrapointe Corporation | Method for characterizing defects on semiconductor wafers |
US8144368B2 (en) * | 1998-01-20 | 2012-03-27 | Digimarc Coporation | Automated methods for distinguishing copies from original printed objects |
US5991699A (en) * | 1995-05-04 | 1999-11-23 | Kla Instruments Corporation | Detecting groups of defects in semiconductor feature space |
US6292582B1 (en) * | 1996-05-31 | 2001-09-18 | Lin Youling | Method and system for identifying defects in a semiconductor |
US6148099A (en) * | 1997-07-03 | 2000-11-14 | Neopath, Inc. | Method and apparatus for incremental concurrent learning in automatic semiconductor wafer and liquid crystal display defect classification |
US6195458B1 (en) * | 1997-07-29 | 2001-02-27 | Eastman Kodak Company | Method for content-based temporal segmentation of video |
US7318051B2 (en) | 2001-05-18 | 2008-01-08 | Health Discovery Corporation | Methods for feature selection in a learning machine |
US6996549B2 (en) | 1998-05-01 | 2006-02-07 | Health Discovery Corporation | Computer-aided image analysis |
US6256093B1 (en) | 1998-06-25 | 2001-07-03 | Applied Materials, Inc. | On-the-fly automatic defect classification for substrates using signal attributes |
US6650779B2 (en) | 1999-03-26 | 2003-11-18 | Georgia Tech Research Corp. | Method and apparatus for analyzing an image to detect and identify patterns |
US6922482B1 (en) * | 1999-06-15 | 2005-07-26 | Applied Materials, Inc. | Hybrid invariant adaptive automatic defect classification |
US6763130B1 (en) | 1999-07-21 | 2004-07-13 | Applied Materials, Inc. | Real time defect source identification |
US6577757B1 (en) | 1999-07-28 | 2003-06-10 | Intelligent Reasoning Systems, Inc. | System and method for dynamic image recognition |
JP2001156135A (ja) | 1999-11-29 | 2001-06-08 | Hitachi Ltd | 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 |
US6999614B1 (en) | 1999-11-29 | 2006-02-14 | Kla-Tencor Corporation | Power assisted automatic supervised classifier creation tool for semiconductor defects |
US20020159642A1 (en) * | 2001-03-14 | 2002-10-31 | Whitney Paul D. | Feature selection and feature set construction |
US7127099B2 (en) * | 2001-05-11 | 2006-10-24 | Orbotech Ltd. | Image searching defect detector |
WO2002095553A2 (en) | 2001-05-18 | 2002-11-28 | Imprivata Inc. | Biometric authentication for remote initiation of actions and services |
JP3726263B2 (ja) | 2002-03-01 | 2005-12-14 | ヒューレット・パッカード・カンパニー | 文書分類方法及び装置 |
US20040034612A1 (en) | 2002-03-22 | 2004-02-19 | Nick Mathewson | Support vector machines for prediction and classification in supply chain management and other applications |
JP4118703B2 (ja) | 2002-05-23 | 2008-07-16 | 株式会社日立ハイテクノロジーズ | 欠陥分類装置及び欠陥自動分類方法並びに欠陥検査方法及び処理装置 |
US7020337B2 (en) | 2002-07-22 | 2006-03-28 | Mitsubishi Electric Research Laboratories, Inc. | System and method for detecting objects in images |
JP3993817B2 (ja) | 2002-12-11 | 2007-10-17 | 株式会社日立製作所 | 欠陥組成分析方法及び装置 |
US7359544B2 (en) * | 2003-02-12 | 2008-04-15 | Kla-Tencor Technologies Corporation | Automatic supervised classifier setup tool for semiconductor defects |
US7602962B2 (en) | 2003-02-25 | 2009-10-13 | Hitachi High-Technologies Corporation | Method of classifying defects using multiple inspection machines |
US7756320B2 (en) | 2003-03-12 | 2010-07-13 | Hitachi High-Technologies Corporation | Defect classification using a logical equation for high stage classification |
JP4443270B2 (ja) | 2003-03-12 | 2010-03-31 | 株式会社日立ハイテクノロジーズ | 欠陥分類方法 |
US9002497B2 (en) | 2003-07-03 | 2015-04-07 | Kla-Tencor Technologies Corp. | Methods and systems for inspection of wafers and reticles using designer intent data |
US7106434B1 (en) | 2003-07-28 | 2006-09-12 | Kla-Tencor Technologies, Inc. | Inspection tool |
JP2007503034A (ja) | 2003-08-19 | 2007-02-15 | フロインホーファー−ゲゼルシャフト ツール フェルデルング デア アンゲヴァンテン フォルシュング イー ファウ | データストリーム中の異常オブジェクトを自動的にオンラインで検出及びクラス分類するための方法及び装置 |
US7490071B2 (en) * | 2003-08-29 | 2009-02-10 | Oracle Corporation | Support vector machines processing system |
JP2005158780A (ja) | 2003-11-20 | 2005-06-16 | Hitachi Ltd | パターン欠陥検査方法及びその装置 |
JP2005198970A (ja) | 2004-01-19 | 2005-07-28 | Konica Minolta Medical & Graphic Inc | 医用画像処理装置 |
US20050175243A1 (en) * | 2004-02-05 | 2005-08-11 | Trw Automotive U.S. Llc | Method and apparatus for classifying image data using classifier grid models |
US7609893B2 (en) * | 2004-03-03 | 2009-10-27 | Trw Automotive U.S. Llc | Method and apparatus for producing classifier training images via construction and manipulation of a three-dimensional image model |
US20060009011A1 (en) | 2004-07-06 | 2006-01-12 | Gary Barrett | Method for recycling/reclaiming a monitor wafer |
US7188050B2 (en) * | 2004-08-25 | 2007-03-06 | Siemens Corporate Research, Inc. | Method and apparatus for detecting out-of-range conditions in power generation equipment operations |
US7450766B2 (en) * | 2004-10-26 | 2008-11-11 | Hewlett-Packard Development Company, L.P. | Classifier performance |
KR101387785B1 (ko) | 2005-01-21 | 2014-04-25 | 포톤 다이나믹스, 인코포레이티드 | 자동 결함 복구 시스템 |
CN100449981C (zh) | 2005-08-15 | 2009-01-07 | 大唐移动通信设备有限公司 | 多载波高速下行分组接入中混合自动重传方法 |
JP4654093B2 (ja) | 2005-08-31 | 2011-03-16 | 株式会社日立ハイテクノロジーズ | 回路パターン検査方法及びその装置 |
JP4776308B2 (ja) | 2005-09-05 | 2011-09-21 | 株式会社東京精密 | 画像欠陥検査装置、画像欠陥検査システム、欠陥分類装置及び画像欠陥検査方法 |
US7570796B2 (en) | 2005-11-18 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for utilizing design data in combination with inspection data |
US7570800B2 (en) | 2005-12-14 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for binning defects detected on a specimen |
JP4644613B2 (ja) | 2006-02-27 | 2011-03-02 | 株式会社日立ハイテクノロジーズ | 欠陥観察方法及びその装置 |
US7684609B1 (en) | 2006-05-25 | 2010-03-23 | Kla-Tencor Technologies Corporation | Defect review using image segmentation |
JP4253335B2 (ja) | 2006-07-13 | 2009-04-08 | 株式会社東芝 | カーネル関数値を用いた、画像の平均値シフトによるフィルタリングとクラスタリングの方法及び装置 |
JP4992081B2 (ja) | 2006-09-20 | 2012-08-08 | 国立大学法人山口大学 | 画像処理により対象物の表面状態を検査する方法及びそのための画像処理プログラム |
JP4908995B2 (ja) | 2006-09-27 | 2012-04-04 | 株式会社日立ハイテクノロジーズ | 欠陥分類方法及びその装置並びに欠陥検査装置 |
JP5427609B2 (ja) | 2006-12-19 | 2014-02-26 | ケーエルエー−テンカー・コーポレーション | 検査レシピ作成システムおよびその方法 |
US8194968B2 (en) | 2007-01-05 | 2012-06-05 | Kla-Tencor Corp. | Methods and systems for using electrical information for a device being fabricated on a wafer to perform one or more defect-related functions |
JP5022174B2 (ja) | 2007-10-22 | 2012-09-12 | 株式会社日立製作所 | 欠陥分類方法及びその装置 |
JP5081590B2 (ja) | 2007-11-14 | 2012-11-28 | 株式会社日立ハイテクノロジーズ | 欠陥観察分類方法及びその装置 |
US7949622B2 (en) * | 2007-12-13 | 2011-05-24 | Yahoo! Inc. | System and method for generating a classifier model for classifying web content |
US8583416B2 (en) | 2007-12-27 | 2013-11-12 | Fluential, Llc | Robust information extraction from utterances |
KR101435298B1 (ko) | 2008-03-10 | 2014-09-23 | 인터디지탈 패튼 홀딩스, 인크 | 반지속적 및 동적 데이터 전송을 위한 harq 자원들의 할당 제어 방법 및 장치 |
US7756658B2 (en) | 2008-05-14 | 2010-07-13 | Kla-Tencor Corp. | Systems and methods for detecting defects on a wafer and generating inspection results for the wafer |
US20090305423A1 (en) * | 2008-06-09 | 2009-12-10 | Ohio State University Research Foundation | Methods for Monitoring Composition and Flavor Quality of Cheese Using a Rapid Spectroscopic Method |
JP2010164487A (ja) | 2009-01-16 | 2010-07-29 | Tokyo Seimitsu Co Ltd | 欠陥検査装置及び欠陥検査方法 |
US8175373B2 (en) | 2009-02-16 | 2012-05-08 | Kla-Tencor Corporation | Use of design information and defect image information in defect classification |
US8112241B2 (en) | 2009-03-13 | 2012-02-07 | Kla-Tencor Corp. | Methods and systems for generating an inspection process for a wafer |
JP5168215B2 (ja) | 2009-04-10 | 2013-03-21 | 株式会社デンソー | 外観検査装置 |
US8457414B2 (en) | 2009-08-03 | 2013-06-04 | National Instruments Corporation | Detection of textural defects using a one class support vector machine |
US8774209B2 (en) | 2009-12-02 | 2014-07-08 | Qualcomm Incorporated | Apparatus and method for spectrum sharing using listen-before-talk with quiet periods |
JP2011158373A (ja) | 2010-02-02 | 2011-08-18 | Dainippon Screen Mfg Co Ltd | 自動欠陥分類のための教師データ作成方法、自動欠陥分類方法および自動欠陥分類装置 |
US9553697B2 (en) | 2010-04-05 | 2017-01-24 | Qualcomm Incorporated | HARQ ACK/NACK transmission for multi-carrier operation |
JPWO2011155123A1 (ja) | 2010-06-07 | 2013-08-01 | 株式会社日立ハイテクノロジーズ | 観察画像の分類基準の最適化方法、および画像分類装置 |
US8315453B2 (en) | 2010-07-27 | 2012-11-20 | Applied Materials Israel, Ltd. | Defect classification with optimized purity |
US9165051B2 (en) * | 2010-08-24 | 2015-10-20 | Board Of Trustees Of The University Of Illinois | Systems and methods for detecting a novel data class |
US8983179B1 (en) | 2010-11-10 | 2015-03-17 | Google Inc. | System and method for performing supervised object segmentation on images |
US8502146B2 (en) | 2011-10-03 | 2013-08-06 | Kla-Tencor Corporation | Methods and apparatus for classification of defects using surface height attributes |
KR20140113976A (ko) | 2011-12-22 | 2014-09-25 | 인터디지탈 패튼 홀딩스, 인크 | 동적 스펙트럼 할당을 위한 방법, 장치 및 시스템 |
KR102071735B1 (ko) | 2012-03-19 | 2020-01-30 | 케이엘에이 코포레이션 | 반도체 소자의 자동화 검사용 레시피 생성을 위한 방법, 컴퓨터 시스템 및 장치 |
US10043264B2 (en) | 2012-04-19 | 2018-08-07 | Applied Materials Israel Ltd. | Integration of automatic and manual defect classification |
US10599944B2 (en) | 2012-05-08 | 2020-03-24 | Kla-Tencor Corporation | Visual feedback for inspection algorithms and filters |
US10330608B2 (en) | 2012-05-11 | 2019-06-25 | Kla-Tencor Corporation | Systems and methods for wafer surface feature detection, classification and quantification with wafer geometry metrology tools |
US8826200B2 (en) | 2012-05-25 | 2014-09-02 | Kla-Tencor Corp. | Alteration for wafer inspection |
US9053390B2 (en) | 2012-08-14 | 2015-06-09 | Kla-Tencor Corporation | Automated inspection scenario generation |
-
2012
- 2012-04-19 US US13/451,496 patent/US10043264B2/en active Active
-
2013
- 2013-04-18 JP JP2013099682A patent/JP6285640B2/ja active Active
- 2013-04-19 TW TW102114046A patent/TWI639824B/zh active
- 2013-04-19 KR KR1020130043519A patent/KR102137184B1/ko active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
KR20130118276A (ko) | 2013-10-29 |
TW201407154A (zh) | 2014-02-16 |
JP2013224943A (ja) | 2013-10-31 |
US10043264B2 (en) | 2018-08-07 |
TWI639824B (zh) | 2018-11-01 |
US20130279794A1 (en) | 2013-10-24 |
KR102137184B1 (ko) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6285640B2 (ja) | 自動及び手動欠陥分類の統合 | |
JP6905954B2 (ja) | 自動欠陥分類のための未知欠陥除去の最適化 | |
JP6391083B2 (ja) | 自動欠陥分類における分類器の準備及び保守 | |
US10901402B2 (en) | Closed-loop automatic defect inspection and classification | |
TWI691914B (zh) | 用於自動分類的方法,及其裝置、系統,及電腦可讀取媒體 | |
US10049441B2 (en) | Iterative defect filtering process | |
CN114092387B (zh) | 生成可用于检查半导体样本的训练数据 | |
KR102483787B1 (ko) | 반도체 장치의 결함 모델링 장치 및 방법, 이를 위한 컴퓨터 프로그램과, 이를 이용한 반도체 장치의 결함 검사 시스템 | |
KR20220012217A (ko) | 반도체 시편에서의 결함들의 기계 학습 기반 분류 | |
CN110660694B (zh) | 基于系统缺陷的半导体晶片的引导式检验 | |
CN112805719A (zh) | 分类半导体样本中的缺陷 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160418 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160418 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170123 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170125 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20170425 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20170626 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170725 |
|
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: 20180104 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180202 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6285640 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |