KR100960543B1 - 미지 품질의 패턴을 사용하여 기준 이미지를 생성하기 위한시스템 및 방법 - Google Patents
미지 품질의 패턴을 사용하여 기준 이미지를 생성하기 위한시스템 및 방법 Download PDFInfo
- Publication number
- KR100960543B1 KR100960543B1 KR1020087004394A KR20087004394A KR100960543B1 KR 100960543 B1 KR100960543 B1 KR 100960543B1 KR 1020087004394 A KR1020087004394 A KR 1020087004394A KR 20087004394 A KR20087004394 A KR 20087004394A KR 100960543 B1 KR100960543 B1 KR 100960543B1
- Authority
- KR
- South Korea
- Prior art keywords
- pixels
- pixel
- cluster
- images
- obtaining
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000007689 inspection Methods 0.000 claims abstract description 17
- 238000003384 imaging method Methods 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 230000003287 optical effect Effects 0.000 abstract description 3
- 235000012431 wafers Nutrition 0.000 abstract 1
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- 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
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
-
- G—PHYSICS
- G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
- G21K—TECHNIQUES FOR HANDLING PARTICLES OR IONISING RADIATION NOT OTHERWISE PROVIDED FOR; IRRADIATION DEVICES; GAMMA RAY OR X-RAY MICROSCOPES
- G21K5/00—Irradiation devices
- G21K5/10—Irradiation devices with provision for relative movement of beam source and object to be irradiated
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
표면의 자동 검사를 위해 사용되는 패턴의 기준-모델을 생성하기 위한 시스템 및 방법이 개시된다. 본 발명에 따른 시스템은, 복수 패턴의 이미지를 캡쳐하는 촬상 디바이스; 캡쳐된 이미지를 보정 및 정렬하기 위해서 전용 알고리즘을 사용하는 전용 알고리즘; 및 제어기로 구성되며, 제어기는 각각의 이미지와 동일하게 위치하고 동일하게 일치하는 픽셀을 수집하고, 수집된 픽셀 중 하나를 소정 기준에 따라 선택하며, 캡쳐된 이미지와 동일한 치수를 가지는 새로운 이미지를 생성 및 원래 이미지에서 수집된 픽셀의 장소와 상응하는 동일한 장소에 선택된 픽셀을 위치시키며, 캡쳐된 이미지의 각 픽셀에 대해 상기에서 정의된 바와 같이 프로세스를 반복하며, 그리고 패턴을 검사하기 위한 기준-모델로서 새로 생성된 이미지를 제공하기 위해서 동작한다.
자동 광학 검사, 웨이퍼, 다이, 기준 이미지
Description
본 발명은 자동 광학 검사 시스템 및 방법 분야에 관한 것이다. 더 구체적으로, 본 발명은 패턴의 기준 이미지를 생성하기 위한 시스템 및 방법에 관한 것이다.
자동 광학 검사 시스템은 표면 상에 위치한 패턴을 검사하기 위해서 이미지 프로세싱 및 전용 알고리즘을 사용한다. 본 발명은 이 분야에 관한 것으로, 특히 결함을 인지, 분석 및 분류하기 위한 웨이퍼 상의 다이 또는 PCB 상의 서클 (circles) 검사에 관한 것이다.
통상, 다이의 기준 이미지는, 각 다이와 그 다이의 기준 이미지를 비교하여 웨이퍼 상의 다이를 검사하기 위해 사용된다. 이 기준 이미지는 웨이퍼로부터 획득되는데, 불행하게도 생산 잔류물을 가진다. 실제로, 보다 나은 기준 이미지를 획득하기 위해서 보정 방법 및 기술이 사용되나, 일부 잔류물이 여전히 잔존하여 검사 프로세스를 방해한다.
본 발명은 미지 품질의 실제 웨이퍼로부터 획득되는, 미지 품질의 다이 이미 지로부터 깨끗한 기준 이미지를 얻을 수 있는 시스템 및 방법을 제공한다.
발명의 요약
본 발명은 웨이퍼 상의 다이 또는 PCB 상의 반복가능한 서클의 검사에 특히 유용한, 표면 상의 패턴을 검사하기 위해 기준 이미지-모델을 생성하는 시스템 및 방법이다.
본 발명의 교시에 따르면, 복수의 패턴을 포함하는 표면의 자동 검사를 위해 사용되는 패턴의 기준-모델을 생성하는 방법이 제공되며, 이 방법은:
복수의 패턴의 이미지들을 획득하는 단계;
일반 좌표계에 이미지들 모두를 정렬하는 단계;
이미지들을 보정하는 단계; 및
기준-모델 이미지를 생성하는 단계를 포함하며,
생성된 기준-모델 이미지 내의 각 픽셀은, 이들 이미지들과 동일하게 위치하고 동일하게 일치하는 (coincident) 픽셀 중 최상의 픽셀을 선택함으로써 생성된다.
본 발명의 또 다른 양태에 따르면, 패턴이 다이이고, 표면이 웨이퍼이며, 그리고 기준-모델이 웨이퍼 상의 다이들을 검사하기 위해 생성되는, 방법이 또한 제공된다.
본 발명의 또 다른 양태에 따르면, 이미지들의 보정이 쉬프트, 회전, 스케일, 축소, 국소 왜곡 또는 임의의 다른 기하학적 보정을 선택적으로 포함하는 기하학적 보정 및 복수의 주지 기술을 사용하는 것에 의한 각 픽셀의 그레이 레벨의 무선 계측 보정 (radio metrical correction) 을 포함하는, 방법이 또한 제공된다.
본 발명의 또 다른 양태에 따르면, 기준-모델 이미지를 생성하기 위한 픽셀 각각의 선택은:
이미지 각각으로부터 동일 위치에서의 상기 일치하는 픽셀들을 수집하는 단계;
수집된 픽셀들을 그레이 레벨 값에 의해 분류 (sorting) 하는 단계;
분류 분포에서 최상의 픽셀들-클러스터로부터 픽셀을 선택하는 단계를 포함하는, 방법이 또한 제공된다.
본 발명의 또 다른 양태에 따르면, 클러스터는, 각각의 그 멤버 사이의 거리가 소정 값보다 작은 픽셀들의 값의 그룹으로 정의되는, 방법이 또한 제공된다.
또한, 선택된 픽셀이 최상의 픽셀들-클러스터 중 메디안 (median) 픽셀인, 방법이 또한 제공된다.
또 다른 양태에 따르면, 전술한 방법은 검사 알고리즘과 같이 사용하기 위해 각 픽셀에 상응하게 저장되는 추가 계산을 더 포함하고, 이들 계산은:
상기 최상의 클러스터의 메디안을 구하는 단계;
클러스터의 MIN 값을 구하고, 교차-커널이나 3×3 커널 또는 임의의 다른 Min-Max 커널을 적용하여 커널로 커버된 픽셀들로부터 그레이 레벨의 MIN 을 구하는 단계; 및
클러스터의 MAX 값을 구하고, 교차-커널이나 3×3 커널 또는 임의의 다른 Min-Max 커널을 적용하여 커널로 커버된 픽셀로부터 그레이 레벨의 MAX 를 구하는 단계이다.
제공되는 방법의 또 다른 시퀀스에 따르면, 기준-모델 이미지를 생성하는 단계 이전에, 이미지들의 모든 픽셀들에 대해 하나의 Min-Max 커널을 적용하는 단계를 더 포함한다.
전술된 시퀀스에 따르면, 제공되는 방법은 검사 알고리즘과 같이 사용하기 위해 각 픽셀에 상응하게 저장되는 추가 계산을 더 포함하고, 이들 계산은:
최상의 클러스터의 메디안을 구하는 단계;
클러스터의 MIN 값을 구하는 단계; 및
클러스터의 MAX 값을 구하는 단계이다.
본 발명의 또 다른 양태에 따르면, 복수의 패턴을 포함하는 표면의 자동 검사를 위해 사용되는 상기 패턴의 기준 모델을 생성하기 위한 시스템이 제공되고, 이 시스템은:
복수의 패턴의 이미지들을 캡쳐하는 촬상 디바이스;
캡쳐된 이미지들을 보정 및 정렬하기 위해서 전용 알고리즘들을 사용하는 전용 소프트웨어; 및
제어기를 포함하며, 이 제어기는:
각각의 이미지들과 동일하게 위치하고 동일하게 일치하는 픽셀을 수집하고,
수집된 픽셀들 중 하나를 소정 기준에 따라 선택하며,
캡쳐된 이미지들과 동일한 치수를 가지는 새로운 이미지를 생성하고, 수집된 픽셀의 원래 이미지들에서의 위치에 대응하는 동일 위치에 선택된 픽셀을 위치시키며,
캡쳐된 이미지들의 각 픽셀에 대해 상기에서 정의된 바와 같은 프로세스를 반복하며, 그리고
패턴을 검사하기 위한 기준-모델로서 새로 생성된 이미지를 제공하도록 동작한다.
본 발명의 바람직한 실시형태에 따르면, 제어기가 그레이 레벨 값에 의해 수집된 픽셀들을 분류하고, 분류 분포 중 최상의 픽셀들-클러스터의 픽셀을 선택하는 것을 통해서, 수집된 픽셀들로부터 픽셀들을 선택하도록 또한 동작하는, 시스템이 제공된다.
본 발명의 또 다른 바람직한 실시형태에 따르면, 선택된 픽셀은 최상의 픽셀들-클러스터의 메디안 픽셀인, 시스템이 제공된다.
본 발명의 또 다른 바람직한 실시형태에 따르면, 클러스터는, 각각의 그 멤버 사이의 거리가 소정 값보다 작은 픽셀들의 값의 그룹으로 정의되는, 시스템이 제공된다.
본 발명의 또 다른 바람직한 실시형태에 따르면, 제어기는 검사 알고리즘과 같이 사용하기 위해 각각의 픽셀에 상응하게 저장되는 추가 계산을 하도록 또한 동작하고, 이들 계산은:
최상의 클러스터의 메디안을 구하고 저장하는 단계;
클러스터의 MIN 값을 구하고 저장하는 단계; 및
클러스터의 MAX 값을 구하고 저장하는 단계인, 시스템이 제공된다.
도면의 간단한 설명
본 발명은 첨부 도면을 참조하여 실시예를 통해서만 여기에 기재된다. 이하, 도면을 상세히 참조하면, 도시된 사항은, 예시적인 것이고 본 발명의 바람직한 실시형태의 설명적인 검토를 목적으로 하며, 가장 유용하고 쉽게 이해되는 발명의 원리 및 개념적 양태의 설명이라고 여겨지는 것을 제공하기 위해 제시된다고 강조된다. 이에 관해서, 도면과 함께 취해진 설명은 발명의 수개의 형태가 실제로 어떻게 구현될 수도 있는지를 당업자에게 명백하게 하며, 본 발명의 근본적인 이해를 위해 필요한 것보다 더 상세히 본 발명의 구조적인 세부사항을 나타내려하지 않는다.
도면에서:
도 1 은 본 발명에 따른 방법의 흐름도를 도시한다.
도 2 는 픽셀의 선택 방법을 도시한다.
도 3 및 도 4 는 교차-커널 및 3×3 커널, 및 최소-최대 동작의 실시예를 도시한다.
도 5 는 웨이퍼로부터 획득된 기준 이미지와 본 발명의 방법을 이용하여 "설계된" 동일한 다이의 기준 이미지 사이의 차이를 도시한다.
바람직한 실시형태의 설명
본 발명은 웨이퍼 상의 다이의 검사에 특히 유용한, 표면 상의 패턴을 검사하기 위한 기준 이미지-모델을 생성하기 위한 시스템 및 방법이다.
일반적으로, 기준 이미지는 보정 기술 및 알고리즘을 이용하여 개선된 다이의 개선된 이미지이다. 본 발명은 실제로, 기준 이미지를 설계하는 시스템 및 방법을 제공한다. 동일한 패턴의 수개의 이미지의 적절한 픽셀로부터 최상의 픽셀을 선택함으로써 지정을 행한다.
또한, 시스템 및 방법은 검사 알고리즘에 의해 이용될 수 있는 값을 계산 및 저장한다.
본 발명에 따른 시스템 및 방법의 원리 및 동작은 도면 및 첨부한 설명을 참조하여 더 잘 이해될 수도 있다.
이하, 도면을 참조하면, 도 1 은 본 발명에 따른 방법의 흐름도를 도시한다. N 개의 패턴의 이미지 (1, 2, , , N) 가 획득된다. 각 이미지의 제 1 픽셀로부터 시작하여 최종 이미지 (N) 로부터의 최종 픽셀 (11n) 까지, 일치하는 픽셀 ― 제 1 이미지 (1) 로부터의 제 1 픽셀 (11a), 제 2 이미지 (2) 로부터의 제 2 픽셀 (11b) 등을 수집한다. 이들 모든 픽셀은 동일한 위치 ― 예를 들어, 이미지의 좌측 저부의 작은 부분 (또는 X1Y1 좌표) - 로부터이다. 소정의 기준에 따라서, 이들 수집된 픽셀 중 최상의 픽셀을 선택 (13) 하는데, 예를 들어, 그레이 레벨 값에 의해 픽셀을 분류 (sorting) 하고 분포의 가장 중요한 클러스터로부터의 픽셀, 예를 들어, 메디안 픽셀을 선택한다.
선택된 픽셀 (11) 은 새로운 기준 이미지 (Ref.) 를 설계하는데 이용된다. 선택된 픽셀 (11) 은 (예를 들어, 이미지의 좌측 저부의 작은 부분으로부터) 수집된 픽셀의 위치와 동일한 위치의 새로운 이미지에 삽입된다. 각 픽셀 및 새로운 이미지 (Ref.) 에 대해 동일한 프로세스를 행한다. 조립되는데, 예를 들어, 일치하는 픽셀 (제 1 이미지 (1) 로부터의 12a, 제 2 이미지 (2) 로부터의 12b 등 최종 이미지로부터의 12n 까지) 이 수집되고, 이들 중에서 하나가 선택되고 (13) 새로운 이미지 (Ref.) 의 일치하는 장소 (12) 에 위치된다 ― 프로세스가 종료될 때, 깨끗한 기준 이미지-모델 (Ref.) 이 제공된다.
도 2 는 픽셀의 선택 방법을 도시한다. 오름차순의 그레이 레벨 값 (1 이 가장 작고 7 이 가장 크다) 에 따라 픽셀 (1 내지 7) 을 순서화한다 (14). 픽셀들 사이의 그레이 레벨 거리 [D= GPixel (i) -GPixel(i-1)] 에 따라 픽셀을 클러스터링하며 (15), 여기서 i 는 샘플 지표를 나타낸다. 서브 클러스터 (16) 값은 거리 기준 (D*C) 에 기초한다 (C 는 임의의 선택된 인자이다). D 및 C 양자는 픽셀들 사이의 그레이 레벨 거리 [D= GPixel (i) -GPixel(i-1)] 에 기초하여 D (17) 로 도시되며, 여기서 i 는 샘플 지표를 나타내고 C (18) 은 거리 중량 계수 (C)(예를 들어, C=1.5) 이다.
도 3 및 도 4 는 교차-커널 및 3×3 커널을 적용한 결과를 도시한다. 인접 픽셀 정보는 검사 프로세스에서 유용하다. 교차-커널 (도 4) 을 적용하여 4 개의 인접 픽셀에 관한 정보를 획득하고 (19), 3×3 커널 (도 3) 을 적용하여 9 개의 인접 픽셀에 관한 정보를 획득한다 (20).
도 5 는 웨이퍼로부터 획득된 기준 이미지와 본 발명의 방법을 이용하여 "설계된" 동일한 다이의 기준 이미지 사이의 차이를 도시한다. 웨이퍼 (21) 로부터 획득된 기준 이미지는 결점 및 얼룩 (22) 으로부터 손상되는 반면, 설계된 기준 이미지 (23) 는 깨끗하고 자동 검사을 위해 상당히 더 좋다.
본 발명을 특정 실시형태와 관련하여 설명하였지만, 많은 대안, 변경 및 변화가 당업자에게 명백한 것이 분명하며, 따라서, 첨부된 청구범위의 사상 및 광범위 내에서 이러한 모든 대안, 변경 및 변화가 포함되는 것으로 여겨진다.
Claims (14)
- 복수의 패턴을 포함하는 표면의 자동 검사를 위해 사용되는 상기 패턴의 기준-모델을 생성하는 방법으로서,미지 품질의 복수의 상기 패턴의 이미지들을 획득하는 단계;일반 좌표계에 상기 이미지들 모두를 정렬하는 단계;상기 이미지들을 보정하는 단계; 및기준-모델 이미지를 생성하는 단계를 포함하며,상기 생성된 기준-모델 이미지 내의 각 픽셀은, 상기 이미지들과 동일하게 위치하고 동일하게 일치하는 (coincident) 픽셀 중 최상의 픽셀을 선택함으로써 생성된, 패턴의 기준-모델 생성 방법.
- 제 1 항에 있어서,상기 패턴은 미지 품질의 다이이고,상기 표면은 웨이퍼이며, 그리고상기 기준-모델은 웨이퍼 상의 다이들을 검사하기 위해 생성되는, 패턴의 기준-모델 생성 방법.
- 제 1 항에 있어서,상기 이미지들의 보정은 쉬프트, 회전, 스케일, 축소, 국소 왜곡 또는 임의 의 다른 기하학적 보정을 선택적으로 포함하는 기하학적 보정 및 복수의 주지 기술을 사용하는 것에 의한 각 픽셀의 그레이 레벨의 무선 계측 보정 (radio-metrical-correction) 을 포함하는, 패턴의 기준-모델 생성 방법.
- 제 1 항에 있어서,상기 기준-모델 이미지를 생성하기 위한 상기 픽셀 각각의 선택은,상기 이미지들 각각으로부터 동일 위치에서 일치하는 상기 픽셀들을 수집하는 단계;상기 수집된 픽셀들을 그레이 레벨 값에 의해 분류 (sorting) 하는 단계;상기 분류 분포에서 최상의 픽셀들-클러스터로부터 픽셀을 선택하는 단계를 포함하는, 패턴의 기준-모델 생성 방법.
- 제 4 항에 있어서,상기 클러스터는, 각각의 멤버 사이의 거리가 소정 값보다 작은 픽셀들의 값의 그룹으로 정의되는, 패턴의 기준-모델 생성 방법.
- 제 4 항에 있어서,상기 선택된 픽셀은 상기 최상의 픽셀들-클러스터 중 메디안 (median) 픽셀인, 패턴의 기준-모델 생성 방법.
- 제 4 항에 있어서,검사 알고리즘과 같이 사용하기 위해 각 픽셀에 상응하게 저장되는 추가 계산을 더 포함하고,상기 계산은,상기 최상의 클러스터의 메디안을 구하는 단계;상기 클러스터의 MIN 값을 구하고, 교차-커널이나 3×3 커널 또는 임의의 다른 Min-Max 커널을 적용하여 커널로 커버된 픽셀들로부터 그레이 레벨의 MIN 을 구하는 단계; 및상기 클러스터의 MAX 값을 구하고, 교차-커널이나 3×3 커널 또는 임의의 다른 Min-Max 커널을 적용하여 커널로 커버된 픽셀들로부터 그레이 레벨의 MAX 를 구하는 단계인, 패턴의 기준-모델 생성 방법.
- 제 1 항에 있어서,상기 기준-모델 이미지를 생성하는 단계 이전에,상기 이미지들의 모든 픽셀들에 대해 하나의 Min-Max 커널을 적용하는 단계를 더 포함하는, 패턴의 기준-모델 생성 방법.
- 제 8 항에 있어서,검사 알고리즘과 같이 사용하기 위해 각 픽셀에 상응하게 저장되는 추가 계산을 더 포함하고,상기 계산은,상기 최상의 클러스터의 메디안을 구하는 단계;상기 클러스터의 MIN 값을 구하는 단계; 및상기 클러스터의 MAX 값을 구하는 단계인, 패턴의 기준-모델 생성 방법.
- 패턴을 포함하는 표면의 자동 검사를 위해 사용되는 상기 패턴의 기준 모델을 생성하기 위한 시스템으로서,복수의 상기 패턴의 이미지들을 캡쳐하는 촬상 디바이스;상기 캡쳐된 이미지들을 보정 및 정렬하기 위해서 전용 알고리즘들을 사용하는 전용 소프트웨어; 및제어기를 포함하며,상기 제어기는,각각의 상기 이미지들과 동일하게 위치하고 동일하게 일치하는 (coincident) 픽셀을 수집하고,상기 수집된 픽셀들 중 하나를 소정 기준에 따라 선택하며,상기 캡쳐된 이미지들과 동일한 치수를 가지는 새로운 이미지를 생성하고, 상기 수집된 픽셀의 원래 이미지들에서의 위치에 대응하는 동일 위치에 상기 선택된 픽셀을 위치시키며,상기 캡쳐된 이미지들의 각 픽셀에 대해 상기에서 정의된 바와 같은 프로세스를 반복하며, 그리고상기 패턴을 검사하기 위한 기준-모델로서 상기 새로 생성된 이미지를 제공하도록 동작하는, 패턴의 기준-모델 생성 시스템.
- 제 10 항에 있어서,상기 제어기는,그레이 레벨 값에 의해 상기 수집된 픽셀들을 분류하고, 상기 분류 분포 중 최상의 픽셀들-클러스터의 픽셀을 선택하는 것을 통해서, 상기 수집된 픽셀들로부터 픽셀들을 선택하도록 또한 동작하는, 패턴의 기준-모델 생성 시스템.
- 제 11 항에 있어서,상기 선택된 픽셀은 상기 최상의 픽셀들-클러스터의 메디안 픽셀인, 패턴의 기준-모델 생성 시스템.
- 제 11 항에 있어서,상기 클러스터는, 각각의 멤버 사이의 거리가 소정 값보다 작은 픽셀들의 값의 그룹으로 정의되는, 패턴의 기준-모델 생성 시스템.
- 제 11 항에 있어서,상기 제어기는 검사 알고리즘과 같이 사용하기 위해 각각의 픽셀에 상응하게 저장되는 추가 계산을 하도록 또한 동작하고,상기 계산은,상기 최상의 클러스터의 메디안을 구하고 저장하는 단계와,상기 클러스터의 MIN 값을 구하고 저장하는 단계와,상기 클러스터의 MAX 값을 구하고 저장하는 단계인, 패턴의 기준-모델 생성 시스템.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IL170609 | 2005-09-01 | ||
| IL17060905 | 2005-09-01 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20080056149A KR20080056149A (ko) | 2008-06-20 |
| KR100960543B1 true KR100960543B1 (ko) | 2010-06-03 |
Family
ID=37809282
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020087004394A KR100960543B1 (ko) | 2005-09-01 | 2006-08-30 | 미지 품질의 패턴을 사용하여 기준 이미지를 생성하기 위한시스템 및 방법 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20110164129A1 (ko) |
| EP (1) | EP1946332A4 (ko) |
| KR (1) | KR100960543B1 (ko) |
| IL (1) | IL189713A0 (ko) |
| TW (1) | TWI291543B (ko) |
| WO (1) | WO2007026360A2 (ko) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI497623B (zh) * | 2009-07-06 | 2015-08-21 | Camtek Ltd | 用於自動秘方驗證及選擇之系統及方法 |
| US9418413B1 (en) | 2009-07-06 | 2016-08-16 | Camtek Ltd. | System and a method for automatic recipe validation and selection |
| US9383895B1 (en) | 2012-05-05 | 2016-07-05 | F. Vinayak | Methods and systems for interactively producing shapes in three-dimensional space |
| US9885671B2 (en) | 2014-06-09 | 2018-02-06 | Kla-Tencor Corporation | Miniaturized imaging apparatus for wafer edge |
| US9645097B2 (en) | 2014-06-20 | 2017-05-09 | Kla-Tencor Corporation | In-line wafer edge inspection, wafer pre-alignment, and wafer cleaning |
| US11276161B2 (en) * | 2019-02-26 | 2022-03-15 | KLA Corp. | Reference image generation for semiconductor applications |
| CN109827971B (zh) * | 2019-03-19 | 2021-09-24 | 湖州灵粮生态农业有限公司 | 一种无损检测水果表面缺陷的方法 |
| KR102586394B1 (ko) * | 2021-04-15 | 2023-10-11 | (주)넥스틴 | 셀-대-셀 비교 방법 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030005783A1 (en) | 1998-09-04 | 2003-01-09 | Chen James T. | Apparatus and method for automatically changing the probe head in a four-point probe system |
| US20050180657A1 (en) | 2002-04-18 | 2005-08-18 | Microsoft Corporation | System and method for image-based surface detail transfer |
| US6947587B1 (en) | 1998-04-21 | 2005-09-20 | Hitachi, Ltd. | Defect inspection method and apparatus |
| US20050226531A1 (en) | 2004-04-01 | 2005-10-13 | Silverstein D A | System and method for blending images into a single image |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5640200A (en) * | 1994-08-31 | 1997-06-17 | Cognex Corporation | Golden template comparison using efficient image registration |
| US5848189A (en) * | 1996-03-25 | 1998-12-08 | Focus Automation Systems Inc. | Method, apparatus and system for verification of patterns |
| US6324298B1 (en) * | 1998-07-15 | 2001-11-27 | August Technology Corp. | Automated wafer defect inspection system and a process of performing such inspection |
| JP4206192B2 (ja) * | 2000-11-09 | 2009-01-07 | 株式会社日立製作所 | パターン検査方法及び装置 |
| US6678404B1 (en) * | 2000-10-31 | 2004-01-13 | Shih-Jong J. Lee | Automatic referencing for computer vision applications |
| JP2003100219A (ja) * | 2001-09-26 | 2003-04-04 | Sharp Corp | プラズマ情報表示素子およびその製造方法 |
| TW550517B (en) * | 2002-01-11 | 2003-09-01 | Ind Tech Res Inst | Image pre-processing method for improving correction rate of face detection |
| ITVA20020060A1 (it) * | 2002-11-22 | 2004-05-23 | St Microelectronics Srl | Metodo di analisi di immagini rilevate da un micro-array |
| JP4185789B2 (ja) * | 2003-03-12 | 2008-11-26 | 株式会社日立ハイテクノロジーズ | パターン検査方法及びその装置 |
-
2006
- 2006-08-30 WO PCT/IL2006/001006 patent/WO2007026360A2/en active Application Filing
- 2006-08-30 KR KR1020087004394A patent/KR100960543B1/ko active IP Right Grant
- 2006-08-30 TW TW095131896A patent/TWI291543B/zh not_active IP Right Cessation
- 2006-08-30 EP EP06780445A patent/EP1946332A4/en not_active Withdrawn
- 2006-08-30 US US12/064,365 patent/US20110164129A1/en not_active Abandoned
-
2008
- 2008-02-24 IL IL189713A patent/IL189713A0/en unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6947587B1 (en) | 1998-04-21 | 2005-09-20 | Hitachi, Ltd. | Defect inspection method and apparatus |
| US20030005783A1 (en) | 1998-09-04 | 2003-01-09 | Chen James T. | Apparatus and method for automatically changing the probe head in a four-point probe system |
| US20050180657A1 (en) | 2002-04-18 | 2005-08-18 | Microsoft Corporation | System and method for image-based surface detail transfer |
| US20050226531A1 (en) | 2004-04-01 | 2005-10-13 | Silverstein D A | System and method for blending images into a single image |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2007026360A2 (en) | 2007-03-08 |
| TW200728687A (en) | 2007-08-01 |
| WO2007026360A3 (en) | 2009-05-22 |
| EP1946332A4 (en) | 2011-08-17 |
| US20110164129A1 (en) | 2011-07-07 |
| IL189713A0 (en) | 2008-06-05 |
| EP1946332A2 (en) | 2008-07-23 |
| TWI291543B (en) | 2007-12-21 |
| KR20080056149A (ko) | 2008-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100960543B1 (ko) | 미지 품질의 패턴을 사용하여 기준 이미지를 생성하기 위한시스템 및 방법 | |
| JP5981838B2 (ja) | 検査画像内の欠陥を検出するためのシステム、方法及びコンピュータプログラム製品 | |
| JP5543872B2 (ja) | パターン検査方法およびパターン検査装置 | |
| US9858659B2 (en) | Pattern inspecting and measuring device and program | |
| US8045789B2 (en) | Method and apparatus for inspecting defect of pattern formed on semiconductor device | |
| JP4154374B2 (ja) | パターンマッチング装置及びそれを用いた走査型電子顕微鏡 | |
| JP2019129169A (ja) | 画像評価方法及び画像評価装置 | |
| CN113109368B (zh) | 玻璃裂纹检测方法、装置、设备及介质 | |
| JP2017049974A (ja) | 識別器生成装置、良否判定方法、およびプログラム | |
| JP2013257304A5 (ko) | ||
| JP4617970B2 (ja) | 欠陥検査装置及び欠陥検査方法 | |
| TWI662358B (zh) | 缺陷檢測方法與缺陷檢測系統 | |
| KR20120068128A (ko) | 패턴의 결함 검출 방법 및 이를 수행하기 위한 결함 검출 장치 | |
| US8238647B2 (en) | Method and system for defect detection | |
| JP6035141B2 (ja) | 架橋ゴムのクラックの評価方法 | |
| JP2009259036A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、記録媒体、及び画像処理システム | |
| KR20200014438A (ko) | 대상체의 외부의 검사를 최적화하기 위한 장치 및 그 방법 | |
| JP4230880B2 (ja) | 欠陥検査方法 | |
| TW201606854A (zh) | 用於晶粒對資料庫光罩檢查之自動校準樣本選擇 | |
| JP2006292615A (ja) | 外観検査装置、外観検査方法、コンピュータを外観検査装置として機能させるためのプログラムおよび記録媒体 | |
| JP5419555B2 (ja) | 画像検査装置、画像検査方法および画像検査プログラム | |
| CN117274258A (zh) | 主板图像的缺陷检测方法、系统、设备及存储介质 | |
| JP2007198968A (ja) | 画像分類方法及び画像分類装置 | |
| WO2020112922A1 (en) | Defect classification by fitting optical signals to a point-spread function | |
| CN114120318B (zh) | 一种基于集成决策树的暗场图像目标点精确提取方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20130516 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20140515 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20150514 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20160512 Year of fee payment: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20170511 Year of fee payment: 8 |
|
| FPAY | Annual fee payment |
Payment date: 20180523 Year of fee payment: 9 |