JPWO2019216303A1 - 検査装置、検査方法、学習方法、及びプログラム - Google Patents
検査装置、検査方法、学習方法、及びプログラム Download PDFInfo
- Publication number
- JPWO2019216303A1 JPWO2019216303A1 JP2020518296A JP2020518296A JPWO2019216303A1 JP WO2019216303 A1 JPWO2019216303 A1 JP WO2019216303A1 JP 2020518296 A JP2020518296 A JP 2020518296A JP 2020518296 A JP2020518296 A JP 2020518296A JP WO2019216303 A1 JPWO2019216303 A1 JP WO2019216303A1
- Authority
- JP
- Japan
- Prior art keywords
- image
- learning
- reference image
- mask
- inspection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/68—Preparation processes not covered by groups G03F1/20 - G03F1/50
- G03F1/82—Auxiliary processes, e.g. cleaning or inspecting
- G03F1/84—Inspecting
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
- Preparing Plates And Mask In Photomechanical Process (AREA)
Abstract
Description
前記第1の学習済みモデルを用いて、前記マスクのデータベース画像から、参照画像を生成する参照画像生成部と、前記参照画像と前記撮像画像とを比較する比較部と、を備えたものである。
前記参照画像生成部は、前記マスクにパターンを形成する製造プロセスの製造プロセス条件に応じた参照画像を生成していていてもよい。
以下、図面を参照して実施の形態について説明する。本実施の形態にかかる検査装置の構成について、図1を用いて説明する。図1は、試料のパターン検査を行う検査装置1の構成を示す図である。検査装置1は、照明光源11、照明光学系12、レンズ13、レンズ14、検出光学系15、検出器16、ステージ17、及び処理装置30を備えている。
Li Xu, et al., “Deep Convolutional Neural Network for Image Deconvolution”
http://www.cse.cuhk.edu.hk/leojia/papers/deconv_nips14.pdf
上記の文献は、画像のぼけを取り除くデコンボリューション処理を開示している。このため、このデコンボリューション処理と反対のコンボリューション処理を実施することで、DB画像をぼかした参照画像を生成することができる。
実施の形態2にかかる検査装置、及び検査方法について、図9、10を用いて説明する。図9は、検査装置による機械学習を説明するための図である。図10は、学習結果により得られた画像変換器を用いた検査装置の構成を示す機能ブロック図である。なお、検査装置の基本的な構成、及び処理については、実施の形態1と同様であるため、説明を省略する。
実施の形態3にかかる検査装置、及び検査方法について、図11を用いて説明する。図11は、検査装置による機械学習を説明するための図である。実施の形態3の検査装置、及び検査方法では、異なる検査装置の参照画像を学習することで、画像変換器を生成している。したがって、本実施の形態3にかかる検査方法によれば、検査装置間の個体差を考慮して、参照画像を生成することできる。なお、検査装置の基本的な構成については、実施の形態1、2と同様であるため、適宜説明を省略する。
上記した実施の形態1〜3において、不適切な参照画像が生成された場合、撮像した良品画像が参照画像とマッチしない。従って、比較部33によって検出された欠陥が疑似欠陥となる。このような疑似欠陥が検出された場合、ディープラーニングを行うことで、疑似判別を行うことができる。つまり、ディープラーニングによって、疑似欠陥か否かを判別する疑似欠陥判別アルゴリズムを構築することができる。
11 照明光源
12 照明光学系
13 レンズ
14 レンズ
15 検出光学系
16 検出器
17 ステージ
21 試料
22 パターン
30 処理装置
31 撮像画像取得部
33 比較部
35 参照画像生成部
36 学習画像記憶部
37 学習器
38 DB画像記憶部
101 DB画像
102 基本変換ネットワーク
103 フォーカスずれ無し良品画像
104 撮像画像
105 後段ネットワーク
106 参照画像
111 回帰ネットワーク
112 後段ネットワーク
113 後段ネットワーク
Claims (19)
- パターンが設けられたマスクを照明する照明光を発生する照明光源と、
前記照明光源からの照明光によって照明された前記マスクを撮像する撮像部と、
前記撮像部で撮像された撮像画像に基づいて、前記マスクを検査する処理装置と、を備え、
前記処理装置は、
前記撮像部で学習用サンプルを撮像した学習用撮像画像と、前記学習用撮像画像に対応するデータベース画像とを対応付けて、ディープラーニングにより学習する学習器で生成された第1の学習済みモデルと、
前記第1の学習済みモデルを用いて、前記マスクのデータベース画像から、参照画像を生成する参照画像生成部と、
前記参照画像と前記撮像画像とを比較する比較部と、を備えた検査装置。 - 前記学習器は、前記学習用撮像画像を撮像したときのプロセス変動量を前記学習用撮像画像に対応付けて学習しており、
前記参照画像生成部は、前記マスクを撮像したときのプロセス変動量に応じた参照画像を生成している請求項1に記載の検査装置。 - 前記学習器は、回帰ネットワークを用いて、前記マスクの前記撮像画像からプロセス変動量を推定して、
前記回帰ネットワークの後段にある後段ネットワークが、前記プロセス変動量の推定値に基づいて、前記参照画像を生成する請求項2に記載の検査装置。 - 前記後段ネットワークは、前記マスクのデータベース画像と、前記プロセス変動量の推定値とを入力として、参照画像を出力する請求項3に記載の検査装置。
- 前記後段ネットワークは、前記マスクのデータベース画像から求められたプロセス変動がない場合の良品画像と、前記プロセス変動量の推定値とを入力として、前記参照画像を出力する請求項3に記載の検査装置。
- 前記学習器は、前記学習用サンプルにパターンを形成する製造プロセスにおける製造プロセス条件を前記学習用撮像画像に対応付けて学習しており、
前記参照画像生成部は、前記マスクにパターンを形成する製造プロセスの製造プロセス条件に応じた参照画像を生成している請求項1〜5のいずれか1項に記載の検査装置。 - 前記比較部は、
前記第1の学習済みモデルを用いて生成された前記参照画像と前記撮像画像との比較結果に基づいて、前記マスクにおける欠陥候補を検出し、
判別用学習済みモデルを用いて、前記欠陥候補が、疑似欠陥であるか否かを判別しており、
前記学習器は、前記疑似欠陥である実欠陥であるかを示す値を前記学習用撮像画像に対応付けて学習することで、前記判別用学習済みモデルを生成している請求項1〜6のいずれか1項に記載の検査装置。 - 前記比較部は、前記疑似欠陥であると判別された場合に、第2の学習済みモデルを用いて再検査を行い、
前記学習器は、疑似欠陥を含む撮像画像と、データベース画像とを対応付けて、機械学習により前記第2の学習済みモデルを生成している請求項7に記載の検査装置。 - パターンが設けられたマスクを照明する照明光を発生する照明光源と、
前記照明光源からの照明光によって照明された前記マスクを撮像する撮像部と、用いてマスクを検査する検査方法であって、
前記撮像部で学習用サンプルを撮像した学習用撮像画像と、前記学習用撮像画像に対応するデータベース画像とを対応付けて、ディープラーニングにより学習することで、第1の学習済みモデルを生成する学習ステップと、
前記第1の学習済みモデルを用いて、前記マスクのデータベース画像から、参照画像を生成する生成ステップと、
前記参照画像と前記マスクの撮像画像とを比較する比較ステップと、を備えた検査方法。 - 前記学習ステップでは、前記学習用撮像画像を撮像したときのプロセス変動量を前記学習用撮像画像に対応付けて学習しており、
前記生成ステップでは、前記マスクを撮像したときのプロセス変動量に応じた参照画像を生成している請求項9に記載の検査方法。 - 前記学習ステップでは、回帰ネットワークを用いて、前記マスクの前記撮像画像からプロセス変動量を推定して、
前記回帰ネットワークの後段にある後段ネットワークが、前記プロセス変動量の推定値に基づいて、前記参照画像を生成する請求項10に記載の検査方法。 - 前記後段ネットワークは、マスクのデータベース画像と、前記プロセス変動量の推定値とを入力として、参照画像を出力する請求項11に記載の検査方法。
- 前記後段ネットワークは、前記マスクのデータベース画像から求められたプロセス変動がない場合の良品画像と、前記プロセス変動量の推定値とを入力として、前記参照画像を出力する請求項11に記載の検査方法。
- 前記学習ステップでは、前記学習用サンプルにパターンを形成する製造プロセスにおける製造プロセス条件を前記学習用撮像画像に対応付けて学習しており、
前記生成ステップでは、前記マスクにパターンを形成する製造プロセスの製造プロセス条件に応じた参照画像を生成している請求項9〜13のいずれか1項に記載の検査方法。 - 前記比較ステップでは、
前記第1の学習済みモデルを用いて生成された前記参照画像と前記撮像画像との比較結果に基づいて、前記マスクにおける欠陥候補が検出され、
判別用学習済みモデルを用いて、前記欠陥候補が、疑似欠陥であるか否かを判別されており、
前記学習ステップでは、前記疑似欠陥である実欠陥であるかを示す値を前記学習用撮像画像に対応付けて学習することで、前記判別用学習済みモデルを生成している請求項9〜14のいずれか1項に記載の検査方法。 - 前記比較ステップでは、前記疑似欠陥であると判別された場合に、第2の学習済みモデルを用いて再検査を行い、
前記学習ステップでは、疑似欠陥を含む撮像画像と、データベース画像とを対応付けて、機械学習により前記第2の学習済みモデルを生成している請求項15に記載の検査方法。 - コンピュータに対して、検査対象を検査する検査方法を実行させるプログラムであって、
前記検査方法は
撮像部で学習用サンプルを撮像した学習用撮像画像と、前記学習用撮像画像に対応するデータベース画像とを対応付けて、ディープラーニングにより学習する学習ステップと、
前記学習ステップでの学習結果に基づいて、前記検査対象のデータベース画像から、参照画像を生成する生成ステップと、
前記参照画像と撮像部で撮像した検査対象の撮像画像とを比較する比較ステップと、を備えた、プログラム。 - 第1の検査装置と、
前記第1の検査装置と異なる第2の検査装置と、を用いて、マスクの検査を行う検査方法であって、
第1の検査装置が学習用サンプルを撮像した第1の学習画像と、第2の検査装置が前記学習用サンプルを撮像した第2の学習画像とを対応付けて学習するステップと、
前記学習するステップでの学習結果により得られた画像変換器を用いて、第1の検査装置での撮像画像から、前記第2の検査装置で用いられる参照画像を生成する生成ステップと、
前記参照画像と前記第2の検査装置が前記マスクを撮像した前記撮像画像とを比較する比較ステップと、を備えた検査方法。 - パターンが設けられたマスクの撮像画像を取得して、学習用撮像画像とするステップと、
前記学習用撮像画像に対応する前記マスクのデータベース画像を前記学習用撮像画像と対応付けて、ディープラーニングによる学習を行うことで、データベース画像から参照画像を生成する学習済みモデルを生成するステップとを、備えた学習方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018090336 | 2018-05-09 | ||
JP2018090336 | 2018-05-09 | ||
PCT/JP2019/018221 WO2019216303A1 (ja) | 2018-05-09 | 2019-05-07 | 検査装置、検査方法、学習方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019216303A1 true JPWO2019216303A1 (ja) | 2021-03-25 |
JP7058324B2 JP7058324B2 (ja) | 2022-04-21 |
Family
ID=68466772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020518296A Active JP7058324B2 (ja) | 2018-05-09 | 2019-05-07 | 検査装置、検査方法、学習方法、及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7058324B2 (ja) |
WO (1) | WO2019216303A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021103092A (ja) * | 2019-12-24 | 2021-07-15 | 株式会社アイシン | シート姿勢検出装置 |
JP7262409B2 (ja) | 2020-03-06 | 2023-04-21 | 株式会社日立ハイテク | 試料観察システム及び画像処理方法 |
JP6961846B1 (ja) * | 2021-01-08 | 2021-11-05 | レーザーテック株式会社 | Euvマスク検査装置、euvマスク検査方法、euvマスク検査プログラム及びeuvマスク検査システム |
KR102449421B1 (ko) * | 2022-04-22 | 2022-09-30 | 주식회사 엠피에스 | Euv 마스크 검사 방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07160881A (ja) * | 1993-12-07 | 1995-06-23 | Fujitsu Ltd | 環境認識装置 |
JP2001266126A (ja) * | 2000-03-21 | 2001-09-28 | Toshiba Corp | 欠陥検出方法及びその装置並びにマスクの製造方法 |
JP2006011270A (ja) * | 2004-06-29 | 2006-01-12 | Nec Corp | 画像パターン補正方法、及びそれを適用した模擬画像生成方法、並びにパターン外観検査方法 |
WO2017087646A1 (en) * | 2015-11-17 | 2017-05-26 | Kla-Tencor Corporation | Single image detection |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007002711A1 (de) * | 2007-01-18 | 2008-07-24 | Vistec Semiconductor Systems Gmbh | Verfahren und Vorrichtung zur Inspektion einer Oberfläche |
-
2019
- 2019-05-07 JP JP2020518296A patent/JP7058324B2/ja active Active
- 2019-05-07 WO PCT/JP2019/018221 patent/WO2019216303A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07160881A (ja) * | 1993-12-07 | 1995-06-23 | Fujitsu Ltd | 環境認識装置 |
JP2001266126A (ja) * | 2000-03-21 | 2001-09-28 | Toshiba Corp | 欠陥検出方法及びその装置並びにマスクの製造方法 |
JP2006011270A (ja) * | 2004-06-29 | 2006-01-12 | Nec Corp | 画像パターン補正方法、及びそれを適用した模擬画像生成方法、並びにパターン外観検査方法 |
WO2017087646A1 (en) * | 2015-11-17 | 2017-05-26 | Kla-Tencor Corporation | Single image detection |
Also Published As
Publication number | Publication date |
---|---|
WO2019216303A1 (ja) | 2019-11-14 |
JP7058324B2 (ja) | 2022-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7058324B2 (ja) | 検査装置、検査方法、学習方法、及びプログラム | |
TWI621849B (zh) | 用於偵測晶圓上之缺陷之電腦實施方法、非暫時性電腦可讀媒體及系統 | |
TWI587082B (zh) | Mask inspection device, mask evaluation method and mask evaluation system | |
TWI807100B (zh) | 透過生成對抗網路之超解析度缺陷視察影像生成 | |
JP2022507543A (ja) | 画素レベル画像定量のための深層学習式欠陥検出及び分類方式の使用 | |
KR101495987B1 (ko) | 결함 검사 장치 | |
US8238647B2 (en) | Method and system for defect detection | |
KR102079420B1 (ko) | 통합된 멀티 패스 검사 | |
TWI778258B (zh) | 缺陷偵測之方法、系統及非暫時性電腦可讀媒體 | |
TW202013538A (zh) | 用於損害篩選之跨層共同─獨特分析 | |
US10803576B2 (en) | Defect inspection apparatus and defect inspection method | |
TW201945721A (zh) | 結合模擬及光學顯微鏡以判定檢查模式 | |
CN115552431A (zh) | 训练机器学习模型以从检验图像产生较高分辨率图像 | |
JP6961846B1 (ja) | Euvマスク検査装置、euvマスク検査方法、euvマスク検査プログラム及びeuvマスク検査システム | |
CN101236164B (zh) | 用于缺陷检测的方法及系统 | |
JP2018028636A (ja) | マスク検査方法 | |
JP2019139104A (ja) | パターン検査方法およびパターン検査装置 | |
CN111183351A (zh) | 图像传感器表面缺陷检测方法及检测系统 | |
JP6459431B2 (ja) | 光学式検査方法 | |
TW201839519A (zh) | 檢查方法 | |
KR100883505B1 (ko) | 마스크 검사 장치 및 방법 | |
JP2008014714A (ja) | 欠陥検査方法 | |
JP2001174417A (ja) | 欠陥検出装置及び方法 | |
JP2023142887A (ja) | 欠陥検査装置及び欠陥検査方法 | |
Kinney | Simplify Deep Learning Systems with Optimized Machine Vision Lighting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A529 | Written submission of copy of amendment under article 34 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A5211 Effective date: 20200811 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200811 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211005 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211102 |
|
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: 20220405 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220411 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7058324 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |