KR20000052623A

KR20000052623A - 특성에 기초한 결함 검출방법 및 장치

Info

Publication number: KR20000052623A
Application number: KR1019990065688A
Authority: KR
Inventors: 갈라다주니어해리에스.; 로치우오에이와인; 로아드스아담; 탈봇크리스토퍼지.
Original assignee: 하이든 마틴; 슐럼버거 테크놀로지즈, 아이엔씨.
Priority date: 1999-01-08
Filing date: 1999-12-30
Publication date: 2000-08-25
Also published as: FR2791775A1; TW473772B; JP4695239B2; DE10000364B4; DE10000364A1; US6539106B1; JP2000208575A; KR100653500B1

Abstract

본원은 웨이퍼와 같은 패턴된 기판내의 결함 검출에 관련된 발명으로서, 본원에 따른 방법 및 장치는: 기준 이미지 및 테스트 이미지를 준비하는 단계, 상기 기준 이미지로부터 특성을 추출하고 상기 테스트 이미지로부터 특성을 추출하는 단계, 상기 기준 이미지의 특성과 상기 테스트 이미지의 특성을 매치하는 단계, 및 상기 기준 이미지 및 상기 테스트 이미지의 특성을 비교하여 결함을 확인하는 단계로 구성되어 있고, 본원의 한 실시예에는 패턴된 기판을 검사하는 장치가 포함되는데, 컴퓨터에서 판독가능한 매체에 패턴된 기판을 검사하는 프로세서가 있는 시스템을 제어하는 명령, 및 패턴된 기판을 검사하기 위해 시스템을 제어하는 컴퓨터에서 판독가능한 프로그램 코드 그 내부에 내장되어 있는 컴퓨터에서 사용가능한 매체로 구성된 컴퓨터 프로그램 제품이 포함되어 있으며, 이미지들은 전자-빔 전압-콘트라스트 이미지일 수 있는 것을 특징으로 한다.

Description

특성에 기초한 결함 검출방법 및 장치{Feature-Based Defect Detection}

본원은 특히 전압-콘트라스트 이미지내의 특성에 기초하여, 반도체 웨이퍼와 같은 기판내의 결함 검출에 관련된 발명이다.

반도체 장치의 제조에는 기판상의 패턴을 이루는 많은 프로세스 단계가 있다. 만일 제품의 중간 단계의 패턴에 결함이 있게되면, 이것은 결함있는 다이(die)을 일으킬 수 있어서 결국 수율이 떨어지게 된다. 제품의 중간 단계에서 반도체 웨이퍼상의 이 패턴을 검사하는 방법 및 장치들이 알려져 있다. 이러한 것들에는 웨이퍼의 광학 이미지내의 가시적인 패턴 결함의 식별에 기초하는 시스템 및 방법들이 포함된다. 적어도 한 접근은 미국 특허 5,502,306 및 5,578,821에 설명된 그리고 KLA-Tencor 사가 상업적으로 제공하고 있는 SEMSpec 시스템으로 구현되는 스캐닝 전자 빔을 사용하여 얻어지는 웨이퍼의 전압-콘트라스트 이미지에 기초하는 것이 있다.

전압-콘트라스트 이미지로부터 결함을 검출하는 종래 기술은 검사될 패턴의 이미지 및 기준 이미지 사이의 픽셀-강도 값의 픽셀별 차이에 기초하고 있다. 이 방법에서, 두 개의 전압-콘트라스트 이미지, 또는 하나의 전압-콘트라스트 이미지의 두 구역이 비교된다. 결함을 추출하기 위해서, 이들 두 이미지 또는 이미지 구역은 먼저 휘도 및 콘트라스트내의 차이를 위해 정정되고 서로 정열된다. 다음으로 필셀-강도 값의 차이를 픽셀별로 얻어서 차이 이미지를 만든다. 이 결과인 차이 이미지에 경계값을 정해 상기 픽셀 값이 이진이 되는 결함 이미지를 만든다. 최소 크기, 형태, 강도 등과 같은 어느 상태를 만족하는 상기 결함 이미지 내의 특성들은 결함으로 간주된다. 그리고 나서 이미지들내의 상기 결함의 통계가 계산되고 보고된다. 예를들어, 가장 큰 결함 및 결함의 전체 수가 각 이미지를 위해 반복되기도 한다. 그러면 이미지들은 이들 통계에 기초하여 리뷰되어 가장 심각한 결함이 먼저 처리 및 분석됨으로서 상기 리뷰 시간을 상당히 감소시킨다.

이러한 방법의 장점은 전압-콘트라스트 이미지 내의 전기적 특징 또는 구조의 지식을 요구하지 않고, 단지 이미지 또는 이미지 구역내에서 모두 거의 비슷한 크기이며 정열(alignment) 및 이미지 표준화(image normalization)가 상기 이미지 또는 이미지 구역내의 전체 차이를 정정하게 된다. 이 방법은 전기적 패턴이 검사되는 것을 먼저 알 필요 없이 전압-콘트라스트 결함이 검출될 수 있게한다.

그러나 이 방법에도 단점이 있다: 모든 이미지 차이가, 그렇지 않음에도 불구하고, 잠재적인 결함으로 간주되어 "귀찮은" 결함 또는 "잘못된" 결함과 "킬러(killer)" 결함이 구별되지 못한다는 것이다. "킬러" 결함은 다이의 최종 테스트에서의 전기적 의미의 결함으로, 안정성을 떨어뜨리고 전기적 성능을 감소시키게 된다. "잘못된" 결함은 결함 시스템에 의한 에러로 인해, 어떠한 표면 또는 이미지 인공물과 대응하지 않는 결함의 결함 검출 시스템으로부터의 보고이다. "귀찮은" 결함은 실제는 아니지만 킬러 결함 또는 그렇지 않으면 흥미가 있는 표면 또는 이미지 인공물이다. 검사 절차의 몇 몇 인공물들은 전압-콘트라스트 이미지를 얻는데 사용되는 스캐닝 프로세스의 이미지 정열오류, 로컬 이미지 왜곡 및 비-선형성을 야기한다. 상기 킬러 결함의 발생은 일반적으로 매우 드물기 때문에, 귀찮은 결함의 수가 킬러 결함의 수보다 훨씬 많을 수 있다. 종래의 픽셀-기판 검사 시스템에서는, 보고된 결함의 90% 또는 그 이상이 귀찮은 결함일 수 있다. 이들을 킬러 결함과 분리하는데에는 시간 소비가 있게되고 사람이 파악 및 판단해야하는 비용이 든다. 귀찮은 결함 및 잘못된 결함의 높은 비율 및 사람의 감시가 필요하다는 것은 반도체 웨이퍼 제조에서 더욱 유용하게 되는 검사 프로세서의 성능 향상을 어렵게 한다. 정열오류로 인한 귀찮은 결함 및 잘못된 결함의 비율을 감소시키기 위한, 정밀한 웨이퍼-스테이지 포지셔닝, 보다 균일하고 반복가능한 이미징, 및 향상된 결함-검출 알고리즘과 같은 현재의 솔루션들은 상기 문제를 제거하지 못하고 일반적으로 킬러 결함의 민감성을 떨어뜨린다. 동시에, 이러한 솔루션들은 보다 많은 프로세싱이 요구되어 더 많은 프로세싱 시간이 들고 더 많은 하드웨어가 있게된다. 이것은 스루풋(throughput) 및 가격대 성능비를 제한한다.

더 다른 단점은, 상기 방법은 픽셀-기반으로 한 것이기 때문에, 필셀별 강도 차이를 검출할 수 있을 뿐이라는 것이다. 이것은 결함의 어느 타입 검출이 불가능하지 않다면 어렵게 된다. 채워지지 않은 접촉홀 등의 특성 내의 전기적으로 상당한 결함의 전압-콘트라스트 이미지의 가시도(visibility)를 향상시키는 기술이 있다. 이 기술은 접촉홀 내의 물질의 전기적 접속도에 따라 달라지는 전압-콘트라스트 이미지내의 채워지지 않은 접촉홀의 명백한 크기를 변화시킨다. 픽셀-기반 이미지-비교 방법은 접촉홀 주위의 픽셀의 강도 차이등의 크기내의 변화를 검출하기도 하고, 필셀-강도 변화가 도우넛-형태의 결합을 나타내지만, 결함의 이러한 타입의 기초적인 표시를 나타내지는 못하는데 - 강도의 변화보다는 특성의 크기 변화가 더 명확하다.

도 1은 이미지가 병렬로 포착되고 및 프로세스되는 종래 방법을 보여주고 있다. 이미지 포착부가 단계(105)에서 배치 파일을 셋업함으로서 시작하여, 다음으로 단계(110)에서의 이미지 포착, 단계(115)에서의 이미지 저장, 및 단계(120)에서의 다음 이미지로의 이동이 있게된다. 이미지는 디스트 저장 장치(125)에 저장된다. 단계(110,115,120)은 웨이퍼의 이미지화가 완료되면, 웨이퍼의 다른 구역에서 반복되어 다른 웨이퍼 이미지화가 시작된다. 일단 이미지가 포착되고 나면, 이미지 프로세싱이 더 다른 이미지의 포착과 병렬로 진행된다. 이미지 프로세싱은 단계(130)에서 기준 이미지를 가지고 포착된 이미지를 정열하는 것으로 시작하고, 그리고 나서 이미지의 픽셀-강도 레벨을 단계(135)에서 차이를 구별하여 차이 이미지를 만든다. 노이즈를 단계(140)에서 상기 차이 이미지에서 감소시키고, 이어서 단계(145)에서 상기 차이 이미지내의 특성들을 카운트한다. 상기 차이 이미지내의 특성들은 단계(150)에서 분류되고, 단계(155)에서 수동으로 리뷰되어 결함이라고 생각될 특성들을 결정한다.

여러 방법 및 장치들은 귀찮은 결함의 비율을 낮추고 사람이 끼여들 필요를 줄여주어서 스루풋 및 가격대 성능이 향상되는 것을 요구된다.

도 1은 이미지 프로세싱과 병렬로 이미지를 포착하는 종래 기술의 흐름도;

도 2는 본 발명에 따른 시스템의 개략적 다이어그램;

도 3은 본 발명에 따른 일부 방법의 하이-레벨 흐름도;

도 4는 일부분이 제조된 반도체 웨이퍼 다이의 두 개의 전압-콘트라스트 이미지를 보여주는 분할 스크린 도;

도 5는 접촉홀의 전압-콘트라스트 이미지 사이의 특성을 매치하는 본 발며에 따른 방법의 하이-레벨 설명도;

도 6은 본 발명에 따른 방법을 보여주는 흐름도;

도 7은 본 발명에 따른 도 6의 단계(610)의 보다 자세한 실시예를 보여주는 도;

도 8은 본 발명에 따른 도 6의 단계(630)의 보다 자세한 실시예를 보여주는 도;

도 9는 본 발명에 따른 도 6의 단계(610, 615, 620)의 보다 자세한 실시예를 보여주는 도;

도 10은 본 발명에 따른 도 6의 단계(630)의 보다 자세한 실시예를 보여주는 도;

도 11은 본 발명에 따른 도 6의 단계(635의 보다 자세한 실시예를 보여주는 도;

도 12는 본 발명에 따른 도 6의 방법의 보다 자세한 실시예를 보여주는 도;

도 13은 본 발명에 따른 도 9의 단계(9620A)의 보다 자세한 실시예를 보여주는 도;

도 14는 본 발명에 따른 도 9의 단계(9620B)의 자세한 실시예를 보여주는 도;

도 15는 본 발명에 따른 도 9의 단계(9620A)의 대안적인 자세한 실시예를 보여주는 도;

도 16은 본 발명에 따른 도 9의 단계(9620BA)의 대안적인 자세한 실시예를 보여주는 도;

도 17a, 17b, 17c 및 7d 는 본 발명에 따른 특성에 기초한 결함 검출 구현의 흐름도,

도 18a-18h 는 본 발명에 따른 방식에서 경계값을 정하여 특성을 추출하는 것을 설명하는 도,

도 19a-19g 는 본 발명에 다른 방식에서 모델 매칭을 하여 특성 추출을 하는 것을 설명하는 도,

도 20a-10f 는 본 발명에 따른 결함-검출 프로세스를 설명하는 도,

도 21은 테스트-이미지 특성의 계산된 영역 대 결함 이미지 특성의 계산된 영역의 선을 보여주는 도,

도 22q-22c 는 본 발명에 따른 방식에서 채택가능한 경계값을 정해 특성 추출을 설명하는 도

도 23a-23d 는 어레이 모드 동작의 예를 설명하는 도,

도 24는 결함 검출을 위해 셀 별 비교를 수행함으로써 어레이 모드 방법의 플로우 다이어그램을 보여주는 도이다.

* 도면의 주요 부분에 대한 부호의 설명

213 : 전동화된 웨이퍼 스테이지 220 : 이미지 프로세서

225 : 데이터 저장장치 230 : 컴퓨터 서브시스템

235 : 디스플레이

본 발명의 방법 및 장치는 특성에 기초한 이미지 프로세싱을 사용하여 전압 콘트라스트 e-빔 이미지로부터, 반도체 웨이퍼와 같은 패턴된 기판의 검사내의 결함을 검출, 한정 및 분석한다. 패턴된 기판을 검사하는 방법은: 기준 이미지와 테스트 이미지를 준비하는 단계, 상기 기준 이미지로부터 특성을 추출하고 상기 테스트 이미지로부터 특성을 추출하는 단계, 상기 기준 이미지의 특성과 상기 테스트 이미지의 특성을 매치하는 단계, 및 상기 기준 이미지 및 상기 테스트 이미지의 특성을 비교하여 결함을 확인하는 단계로 구성되어 있다. 특성을 매치하기 전에 이미지들을 정열할 수 있다. 상기 기준 이미지는 제1 패턴된 기판의 전압-콘트라스트 이미지일 수 있고 상기 테스트 이미지는 제2 기판의 전압-콘트라스트 이미지일 수 있고, 상기 기준 이미지는 패턴된 기판의 제1 구역의 전압-콘트라스트 이미지일 수 있고 상기 테스트 이미지는 동일한 패턴된 기판의 제2 구역의 전압-콘트라스트 이미지일 수 있고, 또는 상기 기준 이미지는 패턴된 기판의 반복 셀의 이미지일 수 있고 상기 테스트 이미지는 상기 기준 이미지에 대한 하나의 셀에 의해 시프트된 상기 기준 이미지의 복제일 수 있다. 상기 이미지들은 사전에 처리되어 부분적 순화(partial smoothing) 및/또는 표준화(normalization) 등에 의해 노이즈 및/또는 인공물이 감소될 수 있다. 상기 이미지들의 특성을 비교하여 결함을 검출하는 단계는 특성 성질(예를들어 크기, 형태, 평균 픽셀 강도, 중력의 중심, 지름, 영역, 표준 편차 등)을 계산하는 단계, 계산된 특성 성질을 비교하는 단계, 및 미리결정된 결함 기준에 맞는 비교 결과를 결정하는 단계로 구성될 수 있다. 이미지로부터 특성을 추출하는 단계는 특성들을 향상시켜(예를들어 이미지의 평균 배경 레벨을 계산하고 상기 이미지로부터 상기 평균 배경 레벨을 제거하는 것과 같은) 제1 수정된 이미지를 생산하는 단계, 상기 제1 수정된 이미지에 경계값을 정해 제2 수정된 이미지를 생성하는 단계, 및 상기 제2 수정된 이미지내의 특성을 확인하는 단계로 구성될 수 있다. 대안적으로, 이미지로부터 특성을 추출하는 단계는 이미지내의 특성 템플릿을 매칭시키는 단계 및 상기 특성-템플릿과 매치하는 이미지 내의 특성을 확인하는 단계로 구성될 수 있다. 본 발명에 따른 실시예에는 패턴된 기판을 검사하는 장치, 패턴된 기판을 검사하는 프로세서가 있는 시스템을 제어하는 명령이 포함된 컴퓨터에서 판독가능한 매체, 및 패턴된 기판을 검사하는 시스템을 제어하는 내장된 컴퓨터에서 판독가능한 프로그램 코드가 있는 컴퓨터에서 사용가능한 매체로 구성된 컴퓨터 프로그램 제품이 포함된다.

본 발명에 따른 실시예의 다양한 특징들은 아래의 발명의 상세한 설명 및 첨부된 도면에 의해 당 기술분야의 통상의 지식을 가진 자에게는 명백할 것이다.

도 2는 본 발명에 따른 전압-콘트라스트 기술을 사용하여 웨이퍼의 검증을 위한 예시적 시스템(200)의 개략도를 보여주고 있다. 시스템(200)은 선택적인 디스플레이(210)가 있는 전자-빔 서브시스템(205)(예를들어 슐럼버거 IDS 10000 시스템의 전자-빔 이미징 서브시스템), 전동화된 웨이퍼 스테이지(213), 스테이지 및 진공 챔버, 이미지 프로세서(220), 100 기가바이트 디스크 드라이브 등의 데이터 저장장치(225) 및 선택적으로, 디스플레이(235)가 있는 컴퓨터 서브시스템(230)을 포함하고 있는 전자 열(225)로 구성되어 있다. 전자-빔 서브시스템(205), 이미지 프로세서(220), 및 컴퓨터 서브시스템(230)은 네트워크 버스(240)는 다른 적절한 링크를 통해 서로 통신한다. 캘리포니아주 새너제이의 Schlumberger Automated Test Systems 에서 상업적으로 제공하고 있는 IDS 10000 전자-빔 프로빙 시스템과 같은 전자-빔 서브시스템(205)은 수정된 소프트웨어를 가지고 본 발명에 따른 동작을 수행할 수 있는데, 자세한 사항은 아래에 설명한다. 그러한 동작에는, 예를들어 다중 동기 이미지 프로세싱, 이미지 정열 프로세싱 및 리뷰, 웨이퍼 결함 맵 생성 및 디스플레이, 및 리뷰를 위한 이미지의 가져오기 및 보내기 등이 포함될 수 있다. 전자-빔 서브시스템(205)에는 선택된 충전 극성으로 웨이퍼의 안정적이고 제어가능한 표면 충정을 위한 관련된 하드웨어 및 소프트웨어 소자 및 사전-충전 플러드 건(flood gun) 뿐만 아니라 더 높은 전자-빔 에너지 및 전류 등의 수정도 포함될 수 있다. 전동화된 웨이퍼 스테이지는, 전자-빔 서브시스템(205)의 전자 열(설명되지 않음)에 관한 웨이퍼 처리 및 포지셔닝을 위한 캘리포니아주 새너제이의 Schlumberger Automated Test Systems 에서 상업적으로 제공하고 있는 모델 MWS 전동화된 웨이퍼 스테이지일 수 있다. 이미지 프로세서(220)는 펜티엄 Ⅱ 프로세서가 장착된 개인용 컴퓨터의 네트워크화된 그룹 등의 네트워크된 워크스테이션 또는 개인용 컴퓨터의 그룹일 수 있다. 데이터 저장장치(225)는 기준 이미지 및 다중, 동기 이미지 프로세싱의 스토리지를 위한 용량을 제공한다. 웨이퍼 검사 및 식별 작용에 관한 프로세스 및 이미지의 사람 운용자에 의한 모니터링 및 리뷰을 할 수 있도록 디스플레이(235)가 있는 선택적인 컴퓨터 시스템(230)이 제공된다.

본 발명에 따른 방법은 경계값을 정하는 것 등에 의해 이미지로부터 특성을 추출하여 특성 이미지의 이진버젼을 생산하고 광학적 그레이스케일 이미지, 또는 특성 템플릿과 상기 이미지내의 특성을 비교한다. 상기 이미지는 특성을 매핑하기위해 배열될 수 있고, 또는 상기 특성 이미지의 이진버젼은 정열될 수 있고 대응하는 특성들이 매치된다. 즉, 전기적 의미가 되기도 하는 그러한 특성들은 전압 콘트라스트-이미지로부터 추출되어 결함 결정이 이루어지기 전에 특성별로 매치된다. 이 접근방법은 종래의 픽셀에 기초한 방법에 비교하여 다음과 같은 장점이 있다:

1. 귀찮은 결함 및 잘못된 결함의 비율이 감소하고 킬러 결함으로의 민감도가 증가한다.

2. 특성에 걸친 픽셀값을 평균화하여 노이즈 감소를 줄인다.

3. 결함 결정 처리를 간략화하고 속도를 높이기 위해, 전기적 의미와 같은 이미지의 부분들만이 추출된다.

4. 영역, 약한 강도, 강도의 합, 형태, 모멘트 등과 같은 특성의 잠재적 의미 성질들이 계산되고 비교될 수 있는데, 이것은 이 프로세스가 픽셀보다는 특성에 기초하기 때문이다.

5. 작업로드 프로세싱이 감소할 수 있다. 픽셀별로가 아니라 특성별로 이미지를 비교하기 때문에, 작업 수는 픽셀의 수(보통 수백만 또는 수천만)에 의해서가 아니라 특성의 수(보통 수백개)에 의해 결정된다. 따라서 계산 자원들이 결함 검출을 견고하게 향상하는데 사용될 수 있다.

6. 기준 및 테스트 이미지 또는 이미지 구역의 정열에는 픽셀 정확도가 요구되지 않는다. 이미지 정열은 단지 이미지간 또는 이미지 구역간 해당하는 특성이 올바르게 매칭되기에 충분히 근접하기만 하면 된다. 따라서 웨이퍼 스테이지 및 이미지-정열 알고리즘에 요구되는 정밀도는 픽셀 크기보다는 특성 크기에 의해 결정된다.

도 3은 본 발명에 따른 몇 몇 방법의 하이-레벨 흐름도이다. 단계(305)에서, 그래피컬 유저 인터페이스가 "작업 결정"을 디스플레이하여 운용자인 사람이 리뷰하게 한다. 운용자가 작업을 위한 파라메터를 선택하거나 입력하면, 이미지 프로세싱(IP) 알고리즘 및 IP 파라메터가 단계(310)에서 능동 스토리지로 로드되고, 그 작업에 요구되는 경우에는 템플릿 이미지도 따라서 로드된다. 단계(315)에서, 이미지-데이터 소스, 예를들어 다이렉트 비디오(라이브) 이미지 또는 디스크상에 저장된 앞서 포착된 이미지 중 어느 하나가 선택된다. 단계(320)에서, 처리될 기준 이미지(R)과 테스트 이미지(T)가 단계(320)에서 능동 스토리지로 로드되는데, 그 작업에 필요한 경우에는 임의의 이미지(A)도 따라서 로드된다. 임의의 이미지를 사용하는 것은 아래에 보다 자세히 설명하도록 한다. 일반적으로, 임의의 이미지는 웨이퍼 상의 두 구역의 이미지를 비교하여 인접한 메모리 셀 등의 웨이퍼상의 반복적 구조를 나타내는 이미지 또는 이미지부분을 비교할 때와 같이 그 두 개가 결함인지 불명료한 것을 제거하는 경우 사용된다. 단계(325)에서, 상기 기준 이미지와 상기 테스트 이미지가 정열되고, 그 작업에 필요한 경우에는, 상기 임의의 이미지도 정열된다. 대안적으로, 만일 정확한 스테이지가 사용되고 및/또는 그 이미지들이 미리 정열된 경우등과 같이 이미지 정열이 필요하지 않은 경우에는 단계(325)는 건너뛴다. 단계(335)에서, 특성에 기초한 결점 검출이 실행된다. 단계(340)에서, 결함 위치, 크기, 타입 등과 같은 결함 검출 결과들이 데이터베이스로 세이브되고 및/또는 보고되고 이미지는 선택적으로 다음 기준을 위해서도 세이브된다. 단계(345)에서, 결함 위치, 크기 타입 등에 관한 결함 및 통계의 맵과 같은 중간 이미지 및 결과들은 디스플레이 스크린(350)상에 운영자가 모니터링할 수 있도록 선택적으로 디스플레이 된다.

도 4는 부분적으로 제조된 반도체 웨이퍼의 다이의 두 개의 전압-콘트라스트 이미지를 보여주는 분할-스크린 도이다. 이미지들은 접촉 홀이 유전체층을 통해 에칭되어 접촉 소자들이 노출된 다음 제조 단계에서 포착된다. 각각의 검은 점들이 접촉 홀을 나타낸다. 도 4의 왼쪽의 이미지(410)는 제1 다이에서 취한 기준 이미지이다. 이미지(420)는 제2 다이에서 취한 테스트 이미지이다. 이미지(420)를 검사하여 접촉 홀이 빠졌는지 또는 불완전하게 형성됐는지 등의 전기적 의미의 결함을 식별하는 것이 바람직하다. 본 발명에 따른 방법은 이미지들 간의 특성을 매칭함으로서 검사를 한다.

도 5는 접촉 홀의 전압-콘트라스트 이미지간의 특성들은 매칭하기 위한 본 발명에 따른 방법의 하이-레벨 설명도이다. 설명을 편하게 하기위해, 비록 이 기술에는 접촉 홀 이외에 반도체 특성의 이미지로만 아니라 접촉 홀의 더 큰 필드로도 사용가능하긴 하지만, 도 5에는 적은 수의 접촉 홀만을 도시하였다. 기준 이미지(510)에는 5개의 접촉 홀이 있는데, 검은 점(512, 514, 516, 518, 520)으로 도시되어 있고 "522" 에 표시된 위치에 접촉 홀이 부족하다. 테스트 이미지(524)에는 검은 점(526, 528, 530, 532, 534, 536)으로 도시된 접촉 홀이 있다. 테스트 이미지(524)는 단계(538)에서 상기 기준 이미지(510)와 정열된다. 이 정열은 점선-박스(540, 542)로 설명을 위해 표시되어 있는데, 이것은 예를들어, 특성(512)가 특성(526)에 대응하고, 특성(514)은 특성(528)에 대응하고, 특성(516)은 테스트 이미지에 대응하는 부분이 없고, 특성(518)은 특성(532)에 대응하고, 특성(520)은 특성(534)에 대응하며, 위치(522)는 특성(530)에 대응하는 것과 같이 이미지(510, 524)의 오버래핑 구역을 나타낸다. 테스트 이미지(524)의 특성(536)은 기준 이미지(510)와 대응하는 부분이 없다. 특성들은 단계(544, 546)내의 이미지에서 추출된다. 이미지에서 추출된 이 특성들은 번호가 매겨져서 그 특성들이 다음에 오는 특성 추출의 특성으로 식별되는 표시가 된다. 이 단계에서는 기준 이미지의 특성 번호와 테스트 이미지의 특성 번호사이의 대응하는 것이 없다.

도 20a-20f 는 본 발명에 따른 특성-매칭 프로세스를 설명하고 있다. 도 20a 는 각각 십자 및 원으로 마크된 각 특성의 중심점 및 근방에, 접촉(2005, 2010)과 같은 웨이퍼의 접촉을 나타내는 다수의 특징들이 있는 기준 이미지 부분을 보여주고 있다. 도 20b 는 각각 십자 및 원으로 마크된 각 특성의 중심점 및 근방에 웨이퍼의 접촉을 나타내는 다수의 특성들이 역시 있는 테스트 이미지의 부분을 보여주고 있다. 도 20c 는 테스트 이미지의 특성과 기준 이미지의 특성을 비교할 때 적용가능한 오프셋의 한계를 나타내기 위해 각 특성 주위의 추가의 링이 있는 기준 이미지를 보여주고 있다. 도 20d 는 도 20b 의 테스트 이미지가 도 20c 의 기준 이미지상에 겹쳐있는 것을 보여주고 있다. 약간의 정열 에러를 볼 수 있다. 이것은 테스트 이미지의 한 특성인 특성(2015)의 중앙이 특성(2010)의 적용가능한 오프셋 한계 밖에 있는 것으로 보일 수 있다. 또한, 기준 이미지의 중앙 특성인 특성(2020)이 상기 테스트 이미지의 상대가 없는 것으로 보일 수도 있다. 도 20e 는 이 프로세스에서 "매치된" 특성들을 보여주고 있다. 도 20f 는 이 프로세스에서 "결함"으로 확인된 특성들을 보여주고 있는데, 잃어버린 특성 결함은 특성(2020)을 위해 보고되고 잘못놓인 특성 결함은 특성(2010)을 위해 보고되는데, 이는 테스트 이미지의 특성(2015)이 적용가능한 오프셋 한계 밖에 있기 때문이다. 결함을 확인한 다음, 컬러를 비교하는 것과 같은 오버레이 비교가 상기 테스트 이미지와 함께 디스플레이되어 관찰자가 그 결함을 쉽게 볼 수 있게 한다.

상기 특성들의 확인 및 번호매기는 것에 추가하여, 추출된 특성들의 성질을 결정한다. 상기 특성들은 일단 추출되고 나면, 그 특성의 하나 또는 다수의 성질들을 계산하는 것은 바로 계산 프로세스로 진행한다. 성질들에는 (이것으로 제한되는 것은 아님) 영역, 크기, 형태, 중력의 중심, 평균 강도(특히 짧은 노이즈 제한된 e-빔 이미지내의 노이즈 감소를 위한 특정 값), 강도의 합 및 강도의 표준편차 등이 포함될 수 있다. 표 1은 특성의 중력 중심의 좌표(x,y), 영역(A) 및 평균 픽셀 강도(I) 등의 몇 몇 특성 성질의 예가 나타나 있다. 주어진 값들은 설명을 위한 것이며 도 5의 이미지로 스케일 될 필요는 없는 것이다.

(표 1) 추출된 특성들

기준 이미지(510) 테스트 이미지(524)

특성# x y A I 특성# x y A I

R1 1.2 1.1 3.0 40 T1 1.3 1.0 2.0 44

R2 5.2 1.0 3.5 45 T2 5.4 1.1 2.5 81

R3 6.2 3.1 3.0 50 T3 3.2 3.0 2.0 50

R4 1.2 5.1 2.5 42 T4 1.3 5.0 2.5 54

R5 5.3 5.1 3.0 48 T5 5.2 5.0 3.0 53

단계(548)에서, 특성들이 매치된다. 예를들어, 특성(512-520)은 기준 이미지(510)의 특성(R1-R5)로 확인되고, 위치(522)에는 어떠한 특성도 포함되어 있지 않다. 특성(526-534)는 테스트 이미지(524)의 특성(T1-T5)로 확인된다. 기준 이미지(524)의 특성(R1, R2, R4, R5)은 각각 테스트 이미지(524)의 특성(T1, T2, T4, T5)와 매치된다. 기준 이미지(510)의 특성(R3)은 테스트 이미지(524)의 시야 필드 밖에 있기 때문에, 테스트 이미지(524)내의 상대가 없다. 테스트 이미지(524)의 특성(T3)는 기준 이미지내에는 없기 때문에 기준 이미지(510)내의 상대가 없다.

표 2는 매치된 특성들의 비교 성질들의 간단한 예를 보여주고 있다. 기준 이미지에 번호가 매겨진 특성(R#)는 테스트 이미지의 번호가 매겨진 특성(T#)과 비교되고, 상기 기준 이미지내의 특성 영역(Aref) 및 상기 테스트 이미지내의 특성 영역(Atest) 간의 차이를 계산하여 차이영역값(Adif)을 얻고, Aref 와 Atest 사이의 비를 계산하여 영역비값(Aratio)을 얻는다. 이 비율은 결함 측정에 사용될 수 있다. 예를들어, 어떠한 경계값, 1.2 를 예로하면, 보다 큰 어느 비율은 결함 특성으로 여겨질 수 있다. 상기 Aratio 값이 경계값보다 큰지 크지 않은지(Ar>1.2)를 결정하기 위한 테스트를 수행한다.

(표 2) 특성 비교

매치된 특성:

R#-T# Aref Atest Adir Aratio Ar>1.2 결함인가?

R1-T1 3.0 2.0 1.0 1.5 참 예

R2-T2 3.5 2.5 1.0 1.4 참 예

R4-T4 2.5 2.5 0.0 1.0 거짓 아니오

R5-T5 3.3 3.0 0.3 1.1 거짓 아니오

매치되지 않은 특성

R3-TE 시야 밖에 있음 알수없음 알수없음

RX-T3 시야에서 사라짐 N/A 예*

* 기준 이미지내의 결함(기준 이미지가 실제 다이인 경우 발생할 수 있음)

특성의 성질들이 계산된 다음에, 이것은 개별로 또는 조합으로 비교될 수 있다. 상기 특성 성질들이 미리결정된 양과 차이가 나는 경우 등에 결함이 보고될 수 있다. 수치상으로, 이 비교는, 이것으로 제한되는 것은 아니지만, 감산, 비율(둘 모두 흔히 사용됨), 이상 또는 이하 기능 등일 수 있다. 성질들을 조합하는 것은 귀찮은-결함 비율을 증가시키지 않고 결함 검출의 민감성을 증가시킬 수 있다. 예를들어, 특성 내의 모든 픽셀의 강도의 합은 강도의 평균이 있는 영역의 측정값과 조합되고 특히 결함 특성의 명백한 크기를 변화시킬 뿐만 아니라(접촉 또는 바이어스인 경우) 미묘한 그레이 레벨의 변화를 일으키는 결함 검출에 특히 우수하다. 표 2는 잃어버린 특성 또는 여분의 특성으로 분류된 결함들을 보여주고 있다. 평균, 표준편차 및/또는 선형회귀 등의 흥미있는 성질들간의 차이 통계를 계산하는 다른 접근이 있다. 예를들어 차이의 분포의 두 표준편차 이상과 다른 성질을 가진 특성들이 결함으로 보고될 수 있다. 이 접근은 특성 성질간의 차이에 고정된 경계값을 설정할 필요가 없다. (고정된 경계값은 불완전하게 설정될 수 있고, 비록 올바르게 설정되었다 하더라도 콘트라스트나 휘도를 변화시키는 등의 이미지내의 미세한 변화에는 채택될 수 없기 때문에 에러가 발생할 염려가 있다.) 대신에, 이 경계값은 통계학적인 의미의 선택된 범위 내에서는 채택가능하다. 특성 성질의 평균 및 표준편차 자체도 웨이퍼상의 결함 밀도의 측정값이다. 이 채택가능한 접근은 표준편차가 큰 것으로 되고 최악의 결함만이 보고되는 것과 같이, 많은 결함이 있는 좋지않은 웨이퍼의 경우 등에 유용하다. 좋지않은 웨이퍼에서, 평균 및 표준편차 자체는 수율이 떨어지는 것을 나타낸다. 높은-수율의 웨이퍼에서, 킬러 결함은 차이 분포가 명백히 두드러진다. 도 21은 테스트 이미지 특성의 계산된 영역 대 기준 이미지 특성의 계산된 영역의 그림을 예시적으로 보여주고 있다. 영역(2105, 2110, 2115) 등과 같이, 라인(2100)에서 어느정도 떨어져 위치하는 것으로 표시된 특성 영역들은 잠재적인 킬러 결함으로 쉽게 확인된다.

도 6은 본 발명에 따른 방법을 보여주는 흐름도이다. 특성에 기초한 결함 검출은 단계(605)에서 시작한다. 단계(610)에서, 기준 및 테스트 이미지, 그리고 선택적으로 임의의 이미지가 준비된다. 상기 기준 및 테스트 이미지는, 원하거나 필요한 경우, 단계(615)에서 선택적으로 서로 정열된다. 이미지 정열 방법은 당 기술분야에서는 공지되어 있고 본 명세서에서는 자세한 설명은 하지 않겠다.

단계(620)에서 이미지에서 특성들을 추출한다. 단계(615)(정열) 및 단계(620)(특성 추출)는, 정열 알고리즘이 정열을 위한 추출된 특성 정보를 사용하지 않는다면, 그 결과에 영향을 미치지 않고 순서대로 또는 현재대로 수행될 수 있다. 추출된 특성들은, 선택적으로 알고리즘 정보를 이용하여, 단계(625)에서 매치된다. 단계(630)에서 특성들을 비교하여 결함을 확인한다. 이 확인된 결함들은 선택적인 단계(635)에서 보고되고 및/또는 그들의 기록은 세이브된다. 상기 보고는 표로 작성된 특성 통계와 함께, 상기 확인된 결함들을 보여주는 콘트라스트(예를들어, 다르게 색을 나타냄) 오버레이를 가지고 상기 테스트 이미지의 디스플레이 형태를 취하거나 또는 프린트할 수 있다.

단계(640)에서 더 다른 이미지가 결함을 위한 검사가 되는지를 조사한다. 결함을 위한 검사가 된다면, 단계(610)에서 다시 프로세스가 시작하여 반복된다. 만일 결함을 위한 검사가 이루어지지 않는다면, 단계(645)에서 프로세스를 멈춘다. 필요하지 않다면, 기준 이미지의 준비를 단계(610)에서 건너뛸 수 있다. 예를들어, 테스트 이미지가 조사될 각 시간에서 동일한 기준 이미지가 사용되는 경우, 또는 다음 반복을 위해 사용될 기준 이미지가 앞서의 반복으로부터의 테스트 이미지인 경우에는, 각각의 반복에서 기준 이미지가 준비될 필요가 없다.

도 7은 단계(7610A)에서 이미지가 판독되거나(미리 포착되고 저장된) 포착되는 단계(610)의 보다 자세한 실시예를 보여주고 있다. 이 이미지들은 단계(7610B)에서 필요한 경우 순화(smooth)된다. 상기 이미지들은 선택적인 단계(7610C)에서 필요한 경우 표준화(normalize)된다. 이미지를 순화하는 방법에는 가우시안-분리-순화 등이 있고, 이미지 표준화에는 픽셀-강도-표준화가 당 기술분야에서 공지되어 있다. 순화의 목적이 노이즈 감소 또는 노이즈 제거이므로, 이미지 포착 동안의 빔 전류를 증가하는 및 일시적 평균치(대 부분적 순화) 등의 다른 기술로 노이즈를 감소시킬 수 있다.

도 8은 단계(630)의 보다 자세한 실시예를 보여주고 있다. 이미지 특성의 성질들이 단계(8630A)에서 계산된다. 이 계산된 특성 성질들은 단계(8630B)에서 비교된다. 단계(8630C)에서 그 비교결과가 결함 기준에 맞는지를 결정한다.

도 9는 단계(610, 615, 620)이 수행될 수 있는 한 방법을 보여주고 있다. 기준 이미지(R)이 단계(9610A)에서 판독 및 저장 또는 포착된다. 기준 이미지(R)는 선택적인 단계(9610B)에서 순화된다. 단계(9620A)에서 기준 이미지(R)로부터 특성을 추출한다. 테스트 이미지(T)는 단계(9610C)에서 판독 및 저장되거나 포착된다. 선택적 단계(9610D)에서 테스트 이미지(T)를 순화하고 선택적 단계(9610E)에서 기준 이미지(T)로 표준화한다. 선택적 단계(615)에서 테스트 이미지(T)를 기준 이미지(R)와 정열한다. 단계(9620B)에서 테스트 이미지(T)로부터 특성을 추출한다.

도 10은 결함을 검출하기 위한 특성 비교를 하는 단계(630)의 보다 자세한 실시예를 보여주고 있다. 단계(10-630A)에서 기준 이미지(R)과 테스트 이미지(T)의 특성 성질들이 계산된다. 기준 이미지(R)와 테스트 이미지(T)의 계산된 특성 성질들은 단계(10-630B)에서 비교된다. 성질-비교 통계들이 단계(10-630C)에서 측정된다. 성질-비교 통계들이 미리결정된 결함 기준에 맞는지 여부 결정이 단계(10-630D)에서 이루어진다.

도 11은 검출된 결함에 관한 데이터가 보고 및/또는 확인되는 단계(635)의 보다 자세한 실시예를 보여주고 있다. 단계(11-635A)에서 결함이 확인되었는 여부를 결정한다. 만일 확인되었다면, 그 결함 특성 성질 통계들이 단계(11-636B)에서 보고된다. 상기 결함 성질 통계들 및/또는 다른 이미지 정보가 단계(11-635C)에서 스토리지에 보고되거나 세이브된다.

도 12는 대안적 반복 모드를 설명하는 더 다른 상세한 실시예를 보여주고 있다. 단계(605)에서 특성에 기초한 결함 검출이 시작된다. 단계(610)에서 기준 이미지와 테스트 이미지가 준비된다. 단계(12-610A)에서, 예를들어 도 9의 단계(9610A, 9610B, 9620A) 등의 단계와 같이 기준 이미지가 준비된다. 이 이미지드은 선택적인 단계(615)에서 정열된다. 단계(620)에서 특성들을 추출한다. 특성들은 단계(625)에서 매치된다. 단계(630)에서 특성들을 비교하여 결함을 확인한다. 결함 데이터는 선택적 단계(635)에서 보고되고 및/또는 세이브된다. 그리고 나서 다음 프로세스가 반복된다: 만일 동작 모드가 대안적인 패턴인 RTRT...내의 기준 이미지, 다음으로 테스트 이미지, 다음으로 기준 이미지, 다음으로 테스트 이미지를 스캔하는 것이라면, 단계(12-610A)가 각 반복에서 수행된다; 만일 동작 모드가 연속 패턴(RTTT...) 내의 여러 테스트 이미지와 한번만 비교한 다음 기준 이미지를 스캔하는 것이라면, 상기 반복은 단계(12-610B)에서 시작한다. 모든 이미지가 검사되면, 특성에 기초한 결함 검출은 단계(640)에서 종료한다. 결함 진행을 위한 결함-검출 결과들은 단계(1245)에서 보고되고 및/또는 저장된다. 이 프로세스는 단계(1250)에서 멈춘다.

도 13은 단계(9620A)에서 기준 이미지(R)로부터 특성을 추출하는 보다 상세한 실시예를 보여주고 있다. 기준 이미지(R)의 평균 배경 레벨이 단계(13-9620A1)에서 계산된다. 이 배경 레벨은 기준 이미지(R)의 픽셀 강도로부터 제거되어 단계(13-9620A2)에서 제1 수정된 기준 이미지(R1)을 생산한다. 상기 배경 레벨의 제거는 선택적으로 수행되는데 왜냐하면 일부 전압 콘트라스트 이미지가 균일한 콘트라스트를 가지고 있지 않기 때문이다. 간단한 픽셀-감산 알고리즘이 상기 배경의 픽셀 강도를 먼저 감산하거나 또는 표준화하지 않고 사용되는 경우에는, 상기 비-균일한 콘트라스트는 거짓 결함을 보고하게 될 수도 있다. 상기 배경은 상기 특성들 간의 이미지의 영역이다. 일반적으로, 결함-검출이 수행되는 웨이퍼의 특성은 와이어, 바이어스 또는 접촉 등의 도전체이다. 이러한 특성 주변의 영역은 대체적으로 유전체인데, 오늘날에는 대부분 SiO₂이다. 상기 웨이퍼의 이미지의 배경 영역은 유전체를 나타낸다. 웨이퍼 표면의 비-균일한 도전으로 야기된 인공물들은 때때로 약간의 다른 표면 퍼텐셜을 일으켜서 이미지 전반에 걸쳐 변화하는 배경 강도가 된다. 상기 배경 픽셀-강도를 제거 또는 표준화 하는 것은 특성 추출의 견고성을 향상시킬 수 있다. 본 명세서의 목적을 위해, "배경"제거 라는 용어는 배경 레벨의 감산 또는 배경 레벨의 표준화 또는 이미지의 비-균일한 콘트라스트를 보상하는 다른 적절한 기술 등을 포함하는 것이다. 상기 제1 수정된 기준 이미지(R1)의 픽셀들은 단계(13-9620A3)에서 경계값이 정해져서 이진 이미지와 같은 제2 수정된 기준 이미지(R2)를 생산한다. 제2 수정된 기준 이미지(R2)내의 특성은 단계(13-9620A4)에서 확인된다. 일반적으로, 상기 배경 제거의 목적은 특성을 향상시키는 것이다. 특성 향상을 위한 다른 기술들도 공지되어 있다. 예를들어, 추출될 특성이 긴 직선으로 구성되어 있다면, 특성 추출에 앞서 그 이미지상에서 에지 향상이 수행될 것이다.

도 14는 단계(9620B)에서 테스트 이미지(T)로부터 특성을 추출하는 보다 자세한 실시예를 보여주고 있다. 테스트 이미지(T)의 평균 배경 레벨은 단계(14-9620B1)에서 계산된다. 이 배경 레벨은 테스트 이미지(T)의 픽셀 강도로부터 제거되어 단계(14-9620B2) 제1 수정된 테스트 이미지(T1)를 생산한다. 상기 제1 수정된 테스트 이미지(T1)의 픽셀들을 단계(14-9620B3)에서 경계값을 정하고 이진 이미지 등의 제2 수정된 테스트 이미지(T2)를 생산한다. 제2 수정된 테스트 이미지(T2)내의 특성들은 단계(14-9620B4)에서 확인된다.

도 15는 단계(9620A)에서 기준 이미지(R)로부터 특성을 추출하는 더 다른 실시예를 보여주고 있다. 기준 이미지(R)의 평균 배경 레벨은 선택적인 단계(15-9620A1)에서 계산된다. 이 배경 레벨은 단계(15-9620A2)에서 기준 이미지(R)로부터 제거된다. 다음으로 단계(15-9620A3)에서 기준 이미지(또는 배경 레벨의 제거 후 그 결과 이미지)내에서 특성 템플릿이 매치된다. 미리 결정된 평균 강도 등의 몇 몇 경계값 위에서 상기 템플릿을 매치하는 가준 이미지 내의 특성들은 단계(15-9620A4)에서 그 기준 이미지내에 존재하는 특성으로서 확인된다.

도 16은 단계(9620B)에서 테스트 이미지(T)로부터 특성을 추출하는 더 다른 실시예를 보여주고 있다. 선택적인 단계(15-9620A1)에서 테스트 이미지(T)의 평균 배경 레벨이 계산된다. 이 배경 레벨은 단계(15-9620A2)에서 기준 이미지(R)의 픽셀 강도로부터 제거된다. 다음으로 단계(15-9620A3)에서 상기 테스트 이미지(또는 배경 레벨의 제거 후 그 결과 이미지)내에서 특성 템플릿이 매치된다. 미리 결정된 강도 등의 몇 몇 경계값 위에서 상기 템플릿을 매치하는 테스트 이미지내의 특성들은 상기 테스트 이미지내에 존재하는 특성으로 확인된다.

도 17a, 17b, 17c 및 17d 는 본 발명에 따른 특성에 기초한 결함 검출 구현의 흐름도를 보여주고 있다. 먼저 도 17a를 참고하면, 단계(1700)에서 프로세스가 시작된다. 이것은 WindRiver Systems 사의 상업적으로 사용가능한 VxWorks 오퍼레이팅 시스템 등의 적절한 운영체계 소프트웨어를 사용하는 컴퓨터 시스템상에서 구동 가능하다. 단계(1702)에서, 플래그 등을 비교하기 위한 기준 및 테스트 이미지와 같은 구동 파라메터들이 다운로드(즉, 프로세스에 의해 수신)된다. 단계(1704)에서, 테스트 이미지와 비교된 기준 이미지가 있는지 여부의 조사가 이루어진다. 이 프로세스는 이제 막 시작되었으므로 비교를 위해 사용될 적어도 하나의 기준 임지가 있어서, 단계(1706)로 제어가 통과한다. 단계(1706)에서, 미리-처리된 기준 이미지가 벌크 메모리(1708) 또는 디스크(1710) 등으로부터 상기 프로세스에 의해 사용을 위해 로드된다. 벌크 메모리는 대용량, 고속, 랜덤-액세스 메모리이다. 단계(1712)에서, 로드된 기준 이미지가 확실한가에 대한 조사가 이루어진다. 만일 확실하지 않다면, 단계(1714)에서 기준 이미지가 사라졌다는 보고가 아루어지고 제어는 단계(1770)(도 17d)로 통과한다. 만일 확실하다면, 단계(1716)에서 더 다른 테스트 이미지가 처리될 것인가를 결정하기 위한 조사가 이루어진다.

도 17b의 단계(1716)을 참고하면, 만일 처리될 더 다른 테스트 이미지가 없다면, 제어는 단계(1770)(도 17d)로 통과한다. 만일 더 다른 처리될 테스트 이미지가 있다면, 그 테스트 이미지는 단계(1718)에서, 이미지 스캔 버퍼와 같은 라이브-이미지 소스(1720)로부터, 또는 벌크 메모리와 같은 저장된-메모리 소스(1722)로부터 로드된다. 단계(1724)에서, 그 테스트 이미지가 로드되었는지를 조사한다. 만일 로드되지 않았다면, 단계(1726)에서 테스트 이미지가 사라졌다는 보고를 하고 제어는 단계(1770)(도 17d)로 통과한다. 만일 로드되었다면, 상기 테스트 이미지를 사전처리할 것인가에 대한 조사가 도 17c 의 단계(1728)에서 이루어진다. 그렇게 되면, 다음으로 단계(1730)에서 사전처리가 수행되고 제어는 단계(1732)로 통과된다. 단계(1732)에서, 상기 기준 및 테스트 이미지가 이미 정열되었는지 조사가 이루어진다. (상기 이미지들은 이미 스테이지 정확도 및 반복가능성에 기초하여 미리 정열되거나, 또는 Schlumberger's IDS 10000 전자-빔 이미징 시스템의 전자-빔 이미징 서브시스템내의 아날로그 스캔 발생기의 동작에 의해, 또는 디지털 스캔 발생기(DSB)에 의해 이미 정열되기도 한다.) 그렇다면, 다음으로 제어는 단계(1742)로 통과한다. 그렇지 않다면, 다음으로 단계(1734)에서 대강의 정열이 수행된다. 단계(1736)에서, 이 대강의 정열이 적절한지에 대한 조사가 이루어진다. 만일 적절하다면, 정열 파라메터들은 단계(1738)에서 업데이트 되고 단계(1740)에서 파일로 세이브되고 및/또는 제어 컴퓨터(예를들어, WinStar Systems 상의 VxWorks 와 같은 실시간 운영 시스템을 구동하는 컴퓨터, 또는 실시간 운영 시스템이 없다면, 상기 제어 컴퓨터는 Mizar 단일-보드 컴퓨터와 같은 단일-보드 컴퓨터이어도 좋다)로 전송되며, 제어는 단계(1742)로 통과된다. 단계(1742)에서, 상기 대강의 정열이 양호한지에 대한 조사가 이루어진다. 만일 양호하다면, "정열된" 플래그(아날로그 스캔 발생기가 사용된 경우) 또는 "DSB 정열된" 플래그(디지털 스캔 발생기가 사용된 경우)가 단계(1744)에서 설정된다. 단계(1746)에서, 상기 이미지들이 세밀하게 정열될지 여부를 조사한다. 세밀하게 정열되지 않는다면, 제어는 단계(1750)(도 17d)로 통과한다. 세밀하게 정열된다면, 기준 및 테스트 이미지의 세밀한 정열이 단계(1748)에서 수행되고 그리고 나서 제어는 단계(1750)(도 17d)로 통과한다.

도 17d를 참고하면, 단계(1750)에서 테스트 이미지로부터 특성이 추출되고 단계(1752)에서 로컬 메모리내에 저장된다. 기준-이미지 특성들은 단계(1754)에서 로컬 메모리로부터 검색되고 단계(1756)에서 테스트-이미지 특성과 매치된다. 단계(1758)에서, 특성들을 비교하여 결함을 찾는다. 단계(1760)에서 결함은 로컬 메모리 등에 저장된다. "결함 이미지"는 단계(1762)에서, 단계(1758)에서 확인된 결함을 나타내는 이진 또는 그레이-스케일 이미지 등으로 계산된다. 단계(1766)에서, 결함 결과는 결함의 본성 및 수량에 관한 통계적 정보 등으로 계산된다. 결함 결과는 단계(1768)에서 벌크 메모리 등으로 저장된다. 단계(1770)에서, 업데이트된 결함 보고가 준비된다. 결함 결과 및 이미지들은 단계(1772) 에서 벌크 메모리내에 저장되고 및/또는 단계(1774)에서 디스크 스토리지내에 저장된다.

도 18a 내지 18h 는 본 발명에 따른 방법으로 경계값을 정하여 특성 추출을 하는 것을 설명하고 있다. 이 예에서, 경계값 레벨 위의 강도 값을 가지는 픽셀들만이 특성의 일부로 간주된다. 도 18a 에서, 그레이-스케일 이미지(1800)에는 배경 강도에 비해 "밝게" 보이는 특성(1805)과 같은 접촉 특성의 필드가 포함되어 있다. 도 18b 에서, 이미지의 3-차원 모습이 "1810"으로 나타나 있는데 3 차원으로 그려진 그들의 픽셀 강도를 가지는 특성들의 필드를 보여주고 있다. 상기 특성들을 통과하는 평면(1815)이 픽셀 강도에 적용되는 경계값을 나타낸다. 도 18c 는 특성들의 행을 자르는 선을 따라 그려져 있는데, 픽셀의 그레이-스케일 강도를 보여주고 있다. "1820"으로 표시된 픽셀-강도 경계값은 특성 및 비-특성 구역이 이 이미지내에서 어떻게 쉽게 분리될 수 있는지를 보여주고 있다. 이 경계값의 레벨은 특성의 에지를 한정하는데 영향을 미친다. 도 18d 는 경계값을 정한 후 도 18c의 특성을 보여주고 있다. 도 18e 는 특성들이 이진 값을 가지는 픽셀로 정의되는 결과 이미지를 보여주고 있다. 도 18e의 결과 이미지는 도 18a 의 그레이-스케일 이미지와 블롭(blob) 분석 작용을 가지고 또는 확인된 이진 특성 맵을 마스크로 사용함으로서 조합되어 출력 이미지를 정의하는 블롭 특성 리스트를 생산한다. 예를들어, 상기 블롭 분석 작용은 Matrox 이미징 라이브러리에 의해 제공되는 것일 수 있는데, 여기에는 "matrix_blob_calculate(E,A,linked_list_of_blob_features)" 등의 명령이 사용되며, 여기서 "E" 및 "A" 는 각각 도 18e 및 도 18a의 이미지를 나타내는 입력 데이터이다. 도 18f 는 도 18d 의 어느 특성이 블롭 분석 및 특성 번호 정열 이후 "T1-T3" 등으로 보이게 되는지를 보여주고 있다. 도 18g 는 확인된 특성(T1-T6)을 보여주는 출력 이미지이다. 도 18h 는 상기 블롭 분석 작용에 의해 만들어진 데이터 구조를 보여주는데, 특성 번호에 의해 및 이미지내의 x-y 위치, 영역 및 강도 등의 특성에 의해 식별된다. 상기 특성 성질들은 필요하면 비교되고, 저장되고 그리고 분석될 수 있다.

경계값을 정하는 일은 그레이 배경상에 매우 어두운 접촉이 있는 것과 같은 어떠한 상황내의 작업을 잘 하는데서 발견되어 왔다. 그러나, 적절한 경계값을 정하는 일이 인간 운용자에 따라 달라지고 및/또는 흥미있는 특성이 배경과 비숫한 그레이 레벨을 가지고 있는 경우 등과 같은 제한이 있고, 그리고 상기 특성의 에지에서의 강도 변화에 의해 확인될 수 있다. 인간 운용자에 의존하는 것은 경계값이 고정되지 않지만 이미지을 벗어나 변화할 수 있다는 채택가능한 경계값을 가지고 극복될 수 있다. 이것은 전압-콘트라스트 이미지내의 표본의 표면 충전 등의 영향에 기인한 이미지에 걸쳐있는 콘트라스트 차이, 또는 광학 이미지내의 조도 차이를 극복하는데 사용될 수 있다. 상기 채택가능하고 또는 가변인 경계값은 상기 로컬 평균 그레이 레벨 또는 배경이 제거되는 동안 결정된 로컬 배경 ㄹ벨로부터 고정된 오프셋을 사용하여 결정될 수 있다. 이것의 장점은 채택가능한-경계값 접근은 도전된 입자 빔 시스템에서는 흔한 문제인 - 절연 배경의 비-균일한 도전에 기인한 그레이 레벨 도전을 수용한다는 것이다.

도 22a-22c 는 본 발명에 따른 방식으로 채택가능한 경계값을 정하는 것에 의한 특성 추출을 설명하고 있다. 도 22a는 균등하지 않은 또는 점차 흐려지는 배경 콘트라스트상에 어두운 영역으로서 나타나는 접촉 홀을 가지는 패턴된 기판의 전압 콘트라스트 이미지의 프로파일(2205)을 나타낸다. 프로파일(2205)은 세개의 접촉 홀을 교차하는 선을 따라 x방향에서의 이미지 콘트라스트의 선이다. 균등하지 않은 또는 점차 흐려지는 배경 콘트라스트는 예를 들어, 유전체 물질의 균등하지 않은 도전에 의해 원인이 될 수 있다. 프로파일(2205)의 각각의 딥(2210, 2215, 2220)은 접촉 홀을 나타낸다. 설명을 위하여, 도 22a에는 채택가능하지 않은 고정된 경계값(2225)도 보여주고 있다. 고정된 경계값의 제한은 프로파일(2205)이 경계값(2225)를 교차하는 프로파일(2205)의 각 점에서 레벨을 변화시키는 이진 표현(2230)으로부터 보여질 수 있지만, 그것은 접촉 홀 위치를 정확하게 표현하지 않는다. 도 22B는 프로파일(2205)의 순화에의해 생성된 채택가능한 경계값 프로파일(2235)을 나타낸다. 도 22C는 프로파일(2205)상에 누적된 채택가능한 경계값 프로파일(2235)을 나타낸다. 채택가능한 경계값의 이점은 경계값(2235)를 교차하는 프로파일(2205)의 각 점에서 레벨을 변화시키는 이진 표현(2240)으로부터 보여질 수 있고, 그것은 정확하게 접촉 홀 위치를 표현한다.

이미지 모델 매칭은 경계값을 정하는 기술과 결합하여 또는 그 기술 대신 사용될 수 있다. 추출될 상기 특성의 모델은 이미지 강도를 사용하기보다는 오히려 특성이 있는 경우에 확인하기 위해 사용된다. 이 방법의 간단한 예는 상호관계 이미지를 생산하기 위해 상기 이미지가 있는 특성 모델을 상호관계시키는 것이다. 상기 상호관계 이미지는 강도-레벨 경계값 대신에 상호관계-레벨 경계값을 사용하여 특성을 확인하기 위해 경계값을 정한다. 상기 이미지내의 특성의 에지는 그 다음에 패턴 매칭 기술을 사용하여 검출된다. 패턴 매칭 기술은 예를 들어, R. HARALICK외 다수의 COMPUTER AND ROBOT VISION, VOL.Ⅱ, Addison Wesley(ISBN 0-201-56943-4)로 알려져 있고, 그 내용은 이 참조문헌에 의해 여기서 구체화된다. 패턴 매칭 소프트웨어 프로그램은 Matrox Limited의 Matrox Imaging Libraries 및 Cognex Corporation의 PatMax software 가 상업적으로 사용가능하다. 합성 모델 매칭도 사용될 수 있고, 상기 모델은 물리적인 이미지 모델이 아니지만 매칭되기 위한 특성의 이상화된(합성된) 모델을 형성하기 위해 결합할 수 있는 단순한 기하학적 모양(직사각형, 원, 고리, 선과 같은)으로 이루어진다. 합성 모델의 한 예는 어두운 고리와 더 작고 더 밝은 원으로 구성된 "도우넛(doughnut)"이 될 수 있다. 이 예에서의 상기 모델 매칭은 세 단계로 구성된다: 1. 이미지에서의 모든 "어두운 고리"를 찾는다 ; 2. 모든 "밝은 원"을 찾는다 ; 3. 모든 "어두운 고리"내에서 모든 "밝은 원"을 찾는다. 이 방법을 사용하여 특성과 같은 "도우넛"의 전체 범위는 상기 특성의 밝은 부분과 어두운 부분 사이에 정확한 관계를 알지 못해도, 단지 상기 밝은 부분이 상기 어두운 부분내부에 있기만 하면 추출될 수 있다.

도 19a-19g는 본 발명에 따른 방식으로 모델 매칭에 의한 특성 추출을 설명하고 있다. 도 19a에 있어서, 그레이-스케일 이미지(1900)는 특성(1905)과 같은 접촉 특성의 필드를 포함한다. 특성은 특성(1910)과 같은 모델로써 선택된다. 도 18B에 있어서, "1915" 에서의 이미지의 삼차원 도면은 삼차원으로 표현되는 픽셀 강도를 사용하여 특성의 필드를 나타낸다. 도 19c는 상호관계를 위해 놓인 모델 특성(1925)을 가지는 불완전한-접촉 특성(1920)을 포함하는 특성 필드를 나타낸다. 도 19d는 선 19d-19d을 따라 도 19c의 이미지의 도면으로 모델 특성(1925)를 지닌 각각의 특성의 상호관계를 나타낸다. 상호관계 피크(1930)와 (1935)는 0.9보다 큰 상호관계를 나타낸다. 상호관계 피크(1940)는 단지 모델 특성(1925)과 불완전한 접촉 특성(1920) 사이에 부분적인 상호관계를 나타낸다. 도 19e는 특성(1945, 1950)과 같은 모델 특성(1925)에 0.9 이상의 상호관계 특성의 중앙점을 나타내는 이미지이다. 점선(1955)으로 나타내는 영역은 부분-접촉 특성(1920)의 위치에 대응하지만 특성(1920)은 모델 특성(1925)와 그것의 상호관계가 0.9보다 적고, 따라서 결함인 것으로 확인된다.

도 19f는 특성 에지를 밝히기 위해 구별을 적용하거나 또는 다른 에지-향상 기술을 적용한 후처럼, 도 19e의 특성의 에지를 나타내고 있다. 예를 들어, 이미지 구별(또는 에지 향상) 필터는 이미지에서 가장밝은 에지에 사용될 수 있다. 특성은 그 다음에 구별된 이미지로부터 국부적인 최소값과 최대값을 결정하므로써 추출될 수 있다. 이러한 최대와 최소 윤곽에 의해 둘러싸이는 경계는 흥미있는 특성의 경계이고 특성 리스트를 구성하기 위해 사용될 수 있다. 도 19g는 도 19e의 중앙점 정보 및 도 19f의 특성 에지 정보를 사용하여 최초 이미지, 즉, 도 19a의 이미지로부터 특성의 추출을 위한 프로세스를 나타낸다. 특성의 중앙점(1960)과 에지(1965)를 알고, 에지(1965)의 경계내에 놓인 그리고 점(1960)에 중앙에 위치된 도 19a의 이미지로부터 픽셀(1970)의 집단은 특성을 한정함에 따라 수행된다. 도 19g의 추출 프로세스는 비교를 위한 테이블 또는 특성의 리스트를 준비하기 위해 검출된 각각의 특성에 대해 반복된다.

여기에 설명된 기술은 반도체 웨이퍼상에 0.25㎛-프로세스에서 텅스텐이 채워진 바이어스의 필드에서 결함의 검출을 자동화하기에 적당한 것이 발견되었다. 패턴이 반복되기 때문에, 인간의 눈은 매우 쉽게 잘못된 것과 일부 바이어스를 놓칠 수 있다. 그러한 이미지상에 픽셀-삭제 기술을 사용하는 자동화는 접촉의 배경과 에지 사이에 하찮은 차이에 기인하는 잡음 차이 이미지를 생기게 하고, 그것은 많은 귀찮은 결함을 보고한다. 귀찮은 결함 비율은, 통상적으로 너무 높아서 이미지의 거의 100%가 종래 기술인 픽셀-기반 차이를 사용하는 실질적으로 비효율적인 자동화 결함 검출 프로세스를 하는 사람 운용자에 의해 리뷰되어야 한다. 이와 반대로, 본 발명에 다른 특성에 기초한 검출 기술은 귀찮은 결함의 보고가 거의 없이 또는 전혀 없이 사람의 간섭없이 비아스 및 접촉 등의 잃어버린 및 부분적인 피드스루를 확인하기 위해 알려져왔다.

부록으로서 첨부된 것은 본 발명에 따른 특성에 기초한 결함 검출의 추가적인 구현 세부사항이다. 부록 A는 알고리즘의 플로우 리스팅이다. 부록 B는 결함있는 접촉과 바이어스를 검출하는데 있어서 유용한 의사-코드 리스팅이다. 부록 A와 B의 몇 개의 블록은 변화없이 구현될 수 있거나 또는 나란하게 실행될 수 있고, 또는 역순으로 실행될 수 있다. 부록 C, D, E, F, G는 본 발명에 따른 특성에 기초한 결함 검출 시스템을 구현하기 위해 C++로 작성된 소프트웨어 코드이다. 부록 C는 접촉을 프로세싱하고 정열을 수행하기 위한 주 프로그램 세그먼트이고, 부록 D, E, F, G의 코드 세그먼트로 불린다. 부록 D는 디스크로부터 이미지를 로딩하기 위해 그리고 잡음을 줄이기 위한 가우시안 커넬(Gaussian kernel)로 나선으로 감으므로써 그것을 부드럽게 하기 위한 코드 부분이다. 부록 E는 이미지 정열 알고리즘을 구현하기 위한 코드 부분이다. 부록 F는 부록 E의 이미지-정열 알고리즘에 대한 상호관계 루틴을 구현하기 위한 코드 부분이다. 부록 F의 코드 부분은 예를 들어, Cognex사가 제조한 상업적으로 사용가능한 PatMax 소프트웨어과 같은 루틴으로 대체될 수 있다. 부록 G는 본 발명에 따른 특성 추출 및 매칭을 위한 코드 세그먼트의 예이다.

본 명세서에서 사용된 용어는 다음의 의미를 가진는 것으로 하였다:

패턴된 기판 : 반도체 웨이퍼 또는 포토리소그래피 마스크. 예시적인 설명은 패턴된 반도체 웨이퍼에 참조하여 주어졌으나, 상기 설명된 기술은 적당한 도전 제어를 사용하는 전자-빔 이미징 시스템과 같은 적절한 이미징 기술로 얻어진 포토리소그래피 마스크의 이미지상의 특성에 적용될 수도 있다.

패턴됨 : 패턴을 행한 것. 패턴은 초기 웰-확산 구조, 접촉, 바이어스, 폴리실리콘 게이트 구조, 로컬 상호접속, 금속(알루미늄 또는 구리) 상호접속, 파워 플레인, 결합 패드 및 이런 것들의 결합을 포함하지만, 이것으로 제한되는 것은 아니다. 패턴은 또한 산화물에서의 이중의 상감 트랜치 또는 유전체 물질과 같은 특성을 나타낸다. 패턴은 또한 표준 또는 지형적인 SEM 이미지와 같은 포토-레지스트를 나타낸다.

이미지 : 오브젝트를 표현하는 픽셀 또는 픽셀 데이터의 어레이. 어레이은 균일한 크기 및 간격의 픽셀 및 이미지된 특성, 즉 특성을 가로지르는 2-5 픽셀보다 더 작은 픽셀로 이차원적으로 어레이될 수 있지만 제한되지는 않는다. 이미지는 균등하지 않은 픽셀 간격, 즉 선 스캔 또는 선 스캔의 부분과 같은 직교하는 방향으로 픽셀 간격의 수 배가 되는 한 방향에서의 픽셀 간격을 가질 수 있다. 이미지는 또한 지형적인 이미지와 같이 삼차원이 될 수 있다.

전압 콘트라스트 이미지 : 강도 신호(예를들어, 픽셀 강도)는, 오브젝트의 표면이 이미지화되는, 예를들어 패턴된 반도체 웨이퍼 또는 패턴된 포토리소그래티 마스크 등의 표면상에 전압 또는 전기적 퍼텐셜의 함수이다. 이 함수는 이상적으로 선형이지만 일반적으로는 비선형이다. 이 함수는 일반적으로는, 단조(monotonic) 이지만, 그렇지 않아도 된다.

기준 이미지 : 테스트 이미지와 비교하기 위해 사용된 이미지. 기준 이미지는 동일한 웨이퍼 또는 다른 웨이퍼상에 또 하나의 다이 또는 셀 또는 블록의 이미지가 될 수 있다. 그것은 알려진 특성의 다이 또는 셀 또는 블록, 즉, "골든(golden)" 다이 또는 셀 또는 블록이 될 수 있고, 또는 알려지지 않은, 즉 만일 제3 다이 또는 셀 또는 블록의 이미지가 조정을 위해 사용될 때의 다이 또는 셀 또는 블록이 될 수 있다. 그것은 비교되는 데스트 이미지로서 동일한 또는 유사한 크기 또는 다른 크기가 될 수 있다. 그것은 촛점이 맞추어진-이온-빔(FIB) 이미지, 원자력 현미경(AFM) 이미지 또는 지형적인 주사-전자현미경(SEM) 또는 캐드(CAD) 데이터베이스로부터 제공된 이미지와 같이 전압-콘트라스트 이미지 또는 다른 종류의 이미지가 될 수 있다. 기준 이미지는 택일적으로 특성의 리스트와 그들의 대응하는 성질(위치, 크기, 모양, 강도, 그라운드되거나 플로팅 및 접속도와 같은 다른 특성)을 포함하는 데이터 구조가 될 수 있다.

테스트 이미지 : 패턴된 반도체 웨이퍼 또는 패턴된 포토리소그래피 마스크와 같이 기준 이미지와 비교하기 위해, 정밀 검사되는 물리적인 샘플로부터 얻어지는 이미지. 테스트 이미지는 다이 또는 셀 또는 블록의 이미지가 될 수 있다. 그것은 촛점이 맞추어진-이온-빔(FIB) 이미지 또는 원자력 현미경(AFM) 이미지 또는 지형적인 주사-전자현미경(SEM)과 같은 전압-콘트라스트 이미지 또는 또다른 이미지가 될 수 있다.

특성 추출 : 이미지(픽셀 또는 픽셀 데이터의 어레이)를 링크된 리스트와 같이 데이터 구조로 표현된 특성의 리스트로 변환하는 것. 이미지에서의 이웃한 픽셀의 집합체로서 표현되는, 정밀 검사되는 물리적인 오브젝트의 인공물은 인공물의 성질에 의해 추출된 후 표현된다. 특성은 예를 들어, 접촉 또는 접촉 홀 또는 전도체 및/또는 패턴된 반도체 웨이퍼의 다른 물리적인 구조가 될 수 있다. 성질은 이미지로 표현된 특성의 지름, 면적, 강도, 위치와 같은 치수와 블럽(blob) 분석의 분야에서 알려진 다른 치수가 될 수 있지만 제한되지는 않는다. 계산될 수 있는 성질의 예의 비제한 리스트는 Matrox Electronic System Ltd.의 Matrox Imaging Library Command Reference Version 3.1, Manual No. 10368-MS-0310에 주어져있다. 추출은 경계값을 정하는 기술 또는 경계값을 정하지 않는 기술을 사용할 수 있다.

특성 매칭 : 테스트 및 기준 이미지로부터 추출된 특성의 프로세싱 또는 쌍을 이루는 것. 데이터 구조, 즉, 링크된 리스트로서 저장되고 표현된 특성은 기준 이미지에 대한 리스트에서처럼 테스트 이미지에 대한 리스트에서의 동일한 명령에서의 특성을 필수적으로 리스트하지 않는다. (특성 추출 명령은 상대적인 단계 위치 에러를 포함하는 다양한 요소에 의존하여 변화될 수 있다.) 테스트와 기준 이미지의 특성은 따라서 데이터 구조를 놓으므로써 매칭될 수 없다. 매칭은 그러므로 특성의 물리적인 위치(즉, x, y 좌표 위치)에 기초를 두고, 이미지 정열 오프셋(즉, 이미지 정열 알고리즘의 결과를 사용하여)을 위해 필요에 따라 수정된다. 매칭은 특성들이 뷰 필드의 밖에 있기 때문이거나(예를들어 스테이지 에러) 또는 웨이퍼 프로세싱 에러(즉, 결함)에 기인하거나, 어느 이미지내에서 잃어버려지는 특성을 참작한다.

결함을 확인하기 위한 특성 비교 : 특성을 추출한 다음, 계산적인 프로세스에서의 특성의 하나 또는 다수의 성질을 계산하고 이 계산된 성질의 값을 비교하는 것. 성질은 크기, 모양, 평균 강도(e-빔 이미지를 제한하는 샷 노이즈내의 잡음 감소를 위해 특히 가치가 있음), 중력의 중심, 직경, 면적 및 표준 편차를 포함할 수 있지,만 이것으로 제한되지는 않는다. 조합에서의 하나 또는 다수의 성질이 비교될 수 있고, 만일 특성 성질이 미리결정된 양과 다르면 결함이 보고될 것이다. 상기 비교는 삭제, 비율, 함수보다 크거나 또는 적은 것, 또는 다른 수학적인 비교와 같은 수식적인 연산이 될 수 있다. 성질들을 결합하는 것은 귀찮은 결함 비율의 증가없이 결함 검출의 민감도를 증가시킬 수 있고, 즉 특성에서의 모든 픽셀의 합이 면적과 평균 강도의 측정을 결합하고, 미묘한 그레이 레벨 변화에서의 결함을 검출하기 위해 특히 좋고, (접촉 또는 바이어스의 경우에) 특성의 뚜렷한 크기를 변화시킨다. 또 하나의 접근은 성질 사이에 차이에 대한 통계(평균 편차, 표준 편차, 및/또는 선형 감소와 같은 것)를 계산하는 것이다. 차이 분포의 두개의 표준 편차중의 더 큰 차이를 가지는 특성이 결함으로서 보고된다. 그러한 채택가능한 경계값은 고정된 한계를 정하는 것을 피하게 하여서 경계값이 통계적인 중요성의 요구된 범위내에서 채택가능하다. 특성 차이의 평균 및 표준 편차는 결함 밀도의 측정이다. 선형적인 회귀를 사용하면, 회귀선으로부터의 통계적인 편차도 결함 밀도를 측정하기 위해 사용될 수 있다.

배경 레벨(배경 제거) : 일부 전압-콘트라스트 이미지는 균일한 콘트라스트를 가지지 않는다. 이러한 비-균일성은 만일 단순한 픽셀-삭제 알고리즘이 배경 레벨을 제거(즉, 삭제 또는 정규화)하지 않고 사용되는 경우 거짓 결함을 일으킬 수 있다. 반도체 웨이퍼의 특성은 전형적으로 도체 - 와이어, 바이어스 또는 접촉과 같은 - 이고, 이러한 특성을 둘러싸는 영역은 전형적으로 SiO₂와 같은 도전체이다. 상기 배경은 유전체로 나타내는, 특성 사이에 이미지의 영역이다. 비균일 도전 인공물은 때때로 약간 다른 표면 포텐셜을 일으키고 따라서 배경 강도 레벨은 이미지 교차하여 변화한다. 배경 레벨의 제거 또는 표준화는 특성 추출의 견고함을 향상시킨다.

특성 템플릿 : 특성 추출에서 도움을 위해 사용된 특성(예를들어, 접촉). 예를들어, 매치된-필터 이론은 추출될 특성 타입과 동일한 또는 유사한 임펄스 응답을 가지는 필터를 인가함으로서 어느 이미지로부터 특정 타입의 특성을 추출하는데 사용될 수 있다. 특성은 이미지의 특성과 특성 템플릿 사이에 상호관계 응답에 있어서의 차이에 의해 강한 상호관계 또는 최대값이 있는 곳에서 확인된다. 따라서 특성은 특성 템플릿과 상호관계로써 확인되고, 그것의 크기는 드레스홀딩을 사용하여 또는 2차 미분을 계산함으로써 그리고 크기를 결정하기 위한 기울기 최대값을 사용하므로써 추출될 수 있다. 예를 들어, 접촉의 이미지는 많은 접촉을 포함하는 이미지와 상호관계된다. 접촉은 특성 템플릿과 높은 상호관계에 기인하기 때문에 확인된다.

조정 : 비교는 앞서 설명된 바와 같이 기준 이미지와 테스트 이미지사이에서 수행될 수 있다. 기준 이미지는 그것이 웨이퍼의 에지 근처의 다이보다 결함의 가능성이 낮기 때문에, 테스트 이미지보다 결함이 낮은 다이, 즉, 기준 이미지로서 사용되는 웨이퍼의 중앙 근처의 다이가 될 수 있다. 테스트 다이는 결함을 가지기 더 쉬운 영역에 있게 될 것이다. 그러나, 기준 다이가 결함을 가지는 것도 여전히 가능하다. 일반적으로, 결함이 있는 이미지를 명백하게 결정하는 것은 불가능하고, 제3 이미지는 조정을 필요로 할 수 있다. 조정은 결함 검출 프로세스와 결합거나 또는 후속 프로세스로서 수행될 수 있다. 결함이 기준 이미지와 테스트 이미지 사이에 비교에 의해 검출된다면, 조정은 기준 이미지 또는 테스트 이미지가 결함을 가지는지 어떤지를 결정하기 위한 제3 이미지(또는 어레이 모드에서의 셀과 셀의 경우에서의 제 3 셀)와 비교하므로써 수행된다. 어레이 모드에 있어서, 특성은 추출되고 동일한 이미지의 이웃한 셀에서의 대응하는 특성과 비교된다. 조정은 예를 들어, 기준 이미지가 CAD 데이터베이스로부터 발생할 때 필요하지 않다.

어레이 모드 동작의 예가 도 23a-23d 및 도 24에 설명되어 있다. 어레이 모드 동작은 메모리 셀과 같은 구조의 반복적인 성질을 이용한다. 어레이 모드에 있어서, 메모리 셀과 같은 반복적인 구조는 결함을 찾기 위해 그것과 이웃한 셀과 비교된다. 어레이 모드 동작은 하나의 셀에 의한 이미지 이동에 의해 또는 도 24의 플로우 다이어그램에서의 셀 반복상에 기초한 특성을 매칭하는 특성 매칭 루틴을 사용하므로써와 같이 여러가지 방법으로 구현될 수 있다. 도 23a는 접촉과 접촉 홀과 같은 다수의 특성을 가지는 반복 셀(2305)의 예를 나타낸다. 도 23b는 에러없이 반복되는 도 23a의 셀에서의 이미지를 나타낸다. 셀(2310, 2315)과 같은 이웃한 셀로부터의 특성처럼 결함을 확인하기 위해 비교될 수 있다. 셀(2320)은 (2325)에서 지시된 것처럼, 접촉을 못 찾고 그것은 결함으로써 검출될 것이다. 도 23c는 셀(2320)에서 접촉을 못 찾는, 도 23b의 반복 셀 패턴의 이미지를 나타낸다. 도 23d는 셀(2320, 2330)의 비교를 용이하게 하기 위해 오른쪽으로 이동된 하나의 셀 인 동일한 이미지를 나타낸다.

도 24는 결함을 검출하기 위한 셀과 셀의 비교를 수행하기 위한 어레이-모드 방법의 플로우 다이어그램이다. 어레이 모드에 있어서, 이중 결함 카운팅은 각각의 셀이 두 개의 비교 - 사실상 오른쪽과 왼쪽의 - 에 포함되기 때문에 발생한다. 한 비교에서, 입자 결함, 예를 들어, 여분의 특성 및 다음 비교에서의 잘못된 특성으로서 나타날 것이고 - 두 가지는 만일 조정(상기 설명된)이 실제 결함을 가지는 셀을 확인하기 위해 사용되지 않는다면 결함으로서 틀리게 알려질 수 있다. 방법은 단계(2410)에서 시작한다. 단계(2420)에서 반복적인 어레이 구조 이미지가 포착된다(또는 메모리로부터 검색된 또는 이미 포착되었다면 다른 스토리지). 단계(2430)에서, 상기 포착된/검색된 이미지는 순화 등에 의해 노이즈-감소된다. 단계(2440)에서, 상기 이미지로부터 특성들이 추출된다. 단계(2450)에서, 셀과 셀 특성 매칭은 셀 반복 오프셋을 사용하여 수행된다. 단계(2460)에서, 매칭된 특성이 비교된다. 단계(2470)에서, 조정은 효과적인 변경 방향 셀 이동으로부터 이중 결함 카운팅을 제거하기 위해 선택적으로 수행된다. 단계(2480)에서, 특성은 비교되고 결함이 보고된다. 단계(2490)은 추가적인 이미지에 대한 프로세스를 반복하기 위해 단계(2420)에 제어를 되돌린다. 방법은 모든 이미지의 프로세스가 완료될때 끝난다.

도 2의 시스템과 같은 전자-빔 이미징 시스템은 데이터 저장장치가 있는 프로세서에 의해 제어된다. 본 발명에 따른 방법은 컴퓨터 프로그램 제품의 형태로 구체화된 적용 코드(컴퓨터-판독가능한 명령)의 프로세서에 의한 실행을 통해 수행될 수 있다. 컴퓨터 프로그램 제품은 컴퓨터에서 판독가능한 코드를 저장 또는 이동시키기 위해 구성된, 또는 컴퓨터에서 판독가능한 코드가 내장된 매체를 구비한다. 컴퓨터 프로그램 제품의 몇가지 예는 CD-ROM 디스크, ROM 카드, 플로피 디스크, 자기 테이프, 컴퓨터 하드 드라이브, 네트워크상의 서버, 및 반송파이다. 여기서 설명된 비교 기능은 전자-빔 이미징 시스템의 프로세서에서 또는 설명된 바와 같은 다른 컴퓨터 시스템에서 수행될 수 있다. 상기 설명된 시스템은 단지 예의 목적인 것이다. 본 발명에 따른 실시예는 컴퓨터 시스템의 다른 유형 또는 프로그램 또는 프로세싱 환경을 가지는 도전된-입자-빔 시스템에서 구현될 수 있다.

이미지로부터 특성을 추출하는 방법은 본 명세서에 설명된 예로 제한되지는 것이 아니다. 당 기술분야에서 알려진 적당한 방법이 적절하게 사용될 수 있다. 본 발명에 따른 방법 및 장치를 구현하는데 유용한 이미지 특성의 추출, 분석 및 인식(또한 때때로 "블롭(blobs)"으로서 당분야에서 언급됨)은 잘 알려져있고, 그러한 기술을 구현하기 위한 컴퓨터 명령 라이브러리는 상업적으로 사용가능하다. 그러한 라이브러리의 예는 Matrox Electronic Systems Ltd.에서 제조한 "Matrox Imaging Library"(버전 3.1)이 유용하고 Matrox "Command Reference" Manual No. 10368-MS-0310에 설명된 바와 같은 기능성을 가지고 있다.

일반적으로, 특성 추출은 이미지에서의 특정된 특성의 임의 및 모든 발생을 확인하고 위치시키기 위해 사용된다. 이미지는 스캔되고 특정된 특성와 유사한 이미지에서의 패턴만이 추출된다. 이것은 이미지가 두 종류의 지역: 특성 및 비특성으로 분리되게 한다. 특성 구역만이 결함에 대해 프로세스되고 분석되는 것이 요구된다. 또한, 면적, 크기, 위치 등과 같은 특성 성질 또는 성질은 결함을 발견하기 위해 연산되고 분석되고 비교될 수 있다. 단순한 이미지 경계값을 정하고, 채택가능한 이미지 경계값을 정하고, 이미지 모델 매칭, 합성 모델 매칭 및 차분과 같은 에지 향상에서와 같은 전압 콘트라스트 이미지에서의 특성을 확인하기 위해 사용될 수 있는 많은 이미지 프로세싱 기술이 있다. 일반적으로, 특성 추출 기술은 픽셀 강도값의 경계값 설정, 특성 에지의 검출 또는 경계값 설정 및 에지 검출의 조합에 기초한다.

간단한 이미지 경계값 정하기에 있어서, 이미지의 그레이 스케일 강도는 특성 및 비특성으로 이미지를 나누기 위해 사용된다. 동일한 강도를 가지는 또는 동일한 강도의 범위에 있는 이미지의 범위는 "블럽"으로 함께 그룹으로 모여진다. 각각의 블럽은 그 다음에 이미지로부터 추출된 특성을 표현하기 위해 불러와진다. 이미지에서의 다른 모든 것은 "배경" 또는 비특성으로 간주된다. 일단 특성이 추출되면, 특성의 성질은 위치, 면적, 평균 강도, 강도의 합계 등과 같은 것이 계산된다. 이러한 성질은 특성을 특성화하기 위해 사용될 수 있고 다른 추출된 특성의 성질과 비교하기 위해 사용될 수 있다.

단계 지정 정확도와 이미지 어레이 사이에는 트레이드-오프가 있다. 테스트, 기준 및 임의(만일 사용한 경우) 이미지 사이에 특성을 정확하게 매칭하기 위해 이미지는 일반적으로 이미지가 오버레이되는 경우 충분히 정확하게 정열되어 이미지가 이미지 사이의 정열 에러가 그 이미지내의 특성 사이의 거기의 절반 이하(적절하게는 상당히 적은)가 되어야 한다. 만일 이것이 그런 경우가 되지 않는다면 특성은 신뢰할 수 있는 쌍이 될 수 없고 몇 개의 잘못된 매칭이 발생하여서 거짓(즉, 에러를 유도하는 결함 검출 시스템)의 검출이 보고된다. 본 명세서에서 설명된 바와 같이 특성에 기초한 정열 기술은 이 정열을 일관하지만 그럼에도 불구하고 IC 상호접속 패턴에 고유한 패턴 반복에 의해 제한될 수 있다. 발명에 따른 특성에 기초한 정열을 위해 요구된 정열 정확성은 그러나 이미지에서의 특성 크기보다 전형적으로 실질적으로 적은(20%미만)인 최대 수용 정열 에러가 있는 픽셀에 기초한 차이에 대한 것보다 반드시 적고 대개 하나의 픽셀보다 적다.

정열 문제에 대한 두 가지 실용적인 솔루션이 사용될 수 있는데: 이미지된 영역의 사전-정열로 결합되는 정확한 스테이지, 또는 스테이지 에러를 위한 수정용 이미지 프로세싱 알고리즘이 있는 가격이 낮고 덜 정확한 스테이지이다. 위치 피드백에 대한 레이저 간섭계를 사용하는 정확한 진공-챔버 스테이지는 잘 알려져 있고 New York, Long Island의 Anord Corporation 과 같은 공급자로부터 상업적으로 사용가능하다. 이미지 정열 루틴이 있는 이미지 프로세싱 소프트웨어도, 비록 이러한 알고리즘의 일부가 실제로는 이미지가 대량(FOV의 10%초과)으로 오프셋 될 때 또는 만일 특성들이 부분적으로 반복되는 경우 받아들일 수 없는 오정열을 만들게되는 경우에도 다중 소스로부터 사용가능하고, Cognex Corporation은 견고하고 신뢰할 수 있다고 믿어지는"PatMax" 제품과 같은 패턴 인식 및 어레이 소프트웨어의 선두적인 공급자이다. 그럼에도 불구하고 몇 가지 잔존하는 정열 에러율은 전형적으로 1%미만이다. 이미지 정렬 알고리즘에 기초한 접근이 정밀한 스테이지 솔루션보다 가격이 낮지만, 이것은 정열 알고리즘으로부터의 계산적인 오버헤드가 강요된다. 정열 루틴을 사용하는 조합에서 1-2㎛의 정확성을 가지는 스테이지를 사용하는 한 예시적인 구현에서, 정열 에러율은 대략 3%로 발견되었다. 이것은 Cognex PatMax 제품을 사용하여 향상될 수 있다는 것을 나타낸다.

당업자는 이러한 수정 및 다른 수정이 청구범위에 한정된 본 발명의 정신 및 범위내에서 이루어질 수 있다는 것을 인식할 수 있을 것이다.

본 발명에 따른 결함 검출 방법 및 장치를 통해 귀찮은 결함의 비율을 낮추고 사람이 끼여들 필요를 줄여주어서 스루풋 및 가격대 성능이 향상될 수 있다.

Claims

기준 이미지 및 테스트 이미지를 준비하는 단계(610);

상기 기준 이미지로부터 특성을 추출하고 상기 테스트 이미지로부터 특성을 추출하는 단계(620);

상기 기준 이미지의 특성과 상기 테스트 이미지의 특성을 매치하는 단계(625); 및

상기 기준 이미지의 특성과 상기 테스트 이미지의 특성을 비교하여 결함을 확인하는 단계(630)를 구비하는 것을 특징으로 하는 패턴된 기판을 검사하는 방법.
제 1 항에 있어서,

상기 기준 이미지의 특성 및 상기 테스트 이미지의 특성의 매치에 앞서서 상기 기준 이미지로 상기 테스트 이미지를 정열하는 단계(615)를 더 구비하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 기준 이미지 및 상기 테스트 이미지의 특성을 비교할 때 확인된 결함을 기록하는 단계(635)를 더 구비하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 기준 이미지는 제1 패턴된 기판의 전압-콘트라스트 이미지이고 상기 테스트 이미지는 제2 기판의 전압-콘트라스트 이미지인 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 기준 이미지는 패턴된 기판의 제1 구역의 전압-콘트라스트 이미지이고 상기 테스트 이미지는 동일한 패턴된 기판의 제2 구역의 전압-콘트라스트 이미지인 것을 특징으로 하는 방법.
제 5 항에 있어서,

상기 기준 이미지는 패턴된 기판의 반복 셀의 이미지이고 상기 테스트 이미지는 상기 기준 이미지에 대한 하나의 셀에 의해 시프트된 상기 기준 이미지의 복제인 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 기준 이미지 및 상기 테스트 이미지를 준비하는 단계는 상기 기준 이미지를 순화하는 단계 및 상기 테스트 이미지를 순화하는 단계(7610B, 9610B, 9610D)를 구비하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 기준 이미지 및 상기 테스트 이미지를 준비하는 단계는 상기 기준 이미지를 표준화하는 단계 및 상기 테스트 이미지를 표준화하는 단계(7610C, 9610E)를 구비하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 기준 이미지 및 테스트 이미지를 준비하는 단계는 기준 이미지를 저장하는 단계(9610B) 및 테스트 이미지를 저장하는 단계(9610C)를 구비하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 특성을 추출하는 단계는 상기 기준 이미지로부터 특성을 추출하는 단계(9620A) 및 다음으로 테스트 이미지로부터 특성을 추출하는 단계(9620B)를 구비하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

기준 이미지 및 테스트 이미지를 준비하는 단계 및 상기 이미지들로부터 특성을 추출하는 단계는: 기준 이미지를 저장하는 단계(9610A) 및 상기 기준 이미지로부터 특성을 추출하는 단계(9620A), 및 테스트 이미지를 저장하는 단계(9610C) 및 상기 테스트 이미지로부터 특성을 추출하는 단계(9620B)를 구비하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 기준 이미지 및 상기 테스트 이미지는 위치 및 강도 정보가 있는 픽셀 데이터로 구성되어 있고, 상기 기준 이미지 및 상기 테스트 이미지로부터 특성을 추출하는 단계는: 상기 강도의 경계값을 정하여 특성 구역 및 비-특성 구역을 가지는 이진-레벨 이미지를 만드는 단계; 및 상기 이진-레벨 이미지를 마스크로 사용하여 상기 이진-레벨의 특성 구역에 대응하는 특성으로서 테스트 이미지의 특성 영역을 한정하는 단계를 구비하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 기준 이미지 및 테스트 이미지는 위치 및 강도 정보가 있는 픽셀 데이터로 구성되어 있고, 상기 기준 이미지 및 상기 테스트 이미지로부터 특성을 추출하는 단계는: 상기 테스트 이미지를 모델 특성과 반복적으로 비교하여 상기 모델 특성을 가지고 상기 테스트 미이지의 특성의 상관관계를 나타내는 상관관계 데이터를 만드는 단계; 상기 상관관계 데이터의 경계값을 정하여 상기 테스트 이미지 내부의 특성 위치를 확인하는 단계; 및 상기 확인된 특성 위치에서 특성의 에지를 검출하는 단계를 구비하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

상기 기준 이미지 및 상기 테스트 이미지의 특성을 비교하여 결함을 확인하는 단계는: 특성 성질을 계산하는 단계(8630A), 계산된 특성 성질을 비교하는 단계(8630B), 및 미리결정된 결함 기준에 맞는 비교 결과를 결정하는 단계(8630C)를 구비하는 것을 특징을 하는 방법.
제 1 항에 있어서,

상기 기준 이미지 및 상기 테스트 이미지의 특성을 비교하여 결함을 확인하는 단계는: 상기 기준 이미지내의 특성 성질을 계산하는 단계(10-630A); 상기 테스트 이미지 내의 특성 성질을 계산하는 단계(10-630A); 상기 기준 이미지내의 계산된 특성 성질과 상기 테스트 이미지내의 계산된 특성 성질을 비교하는 단계(10-630B); 및 미리결정된 결함 기준에 맞는 비교 통계를 결정하는 단계(10-630D)를 구비하는 것을 특징으로 하는 방법.
제 1 항에 있어서,

결함 성질 통계를 보고하는 단계(635)를 더 구비하는 것을 특징으로 하는 방법.
제 10 항에 있어서,

상기 기준 이미지로부터 특성을 추출하는 단계는: 상기 기준 이미지의 평균 배경 레벨을 계산하는 단계(13-9620A1), 상기 기준 이미지로부터 상기 평균 배경 레벨을 제거하여 제1 수정된 기준 이미지를 생성하는 단계(13-9620A2), 상기 제1 수정된 기준 이미지에 경계값을 정해 제2 수정된 기준 이미지를 생성하는 단계(13-9620A3), 및 상기 제2 수정된 기준 이미지내의 특성을 확인하는 단계(13-9620A4)를 구비하는 것을 특징으로 하는 방법.
제 11 항에 있어서,

상기 테스트 이미지로부터 특성을 추출하는 단계는: 상기 테스트 이미지의 평균 배경 레벨을 계산하는 단계(14-9620A1), 상기 테스트 이미지로부터 상기 평균 배경 레벨을 제거하여 제1 수정된 테스트 이미지를 생성하는 단계(14-9620A2), 상기 제1 수정된 테스트 이미지게 경계값을 정해 제2 수정된 테스트 이미지를 생성하는 단계(14-9620A3), 및 상기 제2 수정된 테스트 이미지내의 특성을 확인하는 단계(14-9620A4)를 구비하는 것을 특징으로 하는 방법.
제 11 항에 있어서,

상기 기준 이미지로부터 특성을 추출하는 단계는: 상기 기준 이미지내의 특성 템플릿을 매치하는 단계(15-9620A3) 및 상기 특성-템플릿과 매치되는 상기 기준 이미지내의 특성을 확인하는 단계(15-9620A4)를 구비하는 것을 특징으로 하는 방법.
제 11 항에 있어서,

상기 기준 이미지로부터 특성을 추출하는 단계는: 상기 기준 이미지의 평균 배경 레벨을 계산하는 단계(15-9620A1), 상기 기준 이미지로부터 상기 평균 배경 레벨을 제거하여 제1 수정된 기준 이미지를 생성하는 단계(15-9620A2), 상기 제1 수정된 기준 이미지내의 특성-템플릿을 확인하는 단계(15-9620A3), 및 상기 특성-템플릿과 매치되는 제2 수정된 기준 이미지내의 특성을 확인하는 단계(15-9620A4)를 구비하는 것을 특징으로 하는 방법.
제 11 항에 있어서,

상기 테스트 이미지로부터 특성을 추출하는 단계는: 상기 테스트 이미지내의 특성 템플릿을 매치하는 단계(16-9620B3) 및 상기 특성-템플릿과 매치되는 상기 테스트 이미지내의 특성을 확인하는 단계(16-9620B4)를 구비하는 것을 특징으로 하는 방법.
제 11 항에 있어서,

상기 테스트 이미지로부터 특성을 추출하는 단계는: 상기 테스트 이미지의 평균 배경 레벨을 계산하는 단계(16-9620B1), 상기 테스트 이미지로부터 상기 평균 배경 레벨을 제거하여 제1 수정된 테스트 이미지를 생성하는 단계(16-9620B2), 상기 제1 수정된 테스트 이미지내의 특성-템플릿을 매치하는 단계(16-9620B3), 및 상기 특성-템플릿과 매치하는 제2 수정된 테스트 이미지내의 특성을 확인하는 단계(16-9620B4)를 구비하는 것을 특징으로 하는 방법.
컴퓨터 시스템; 및

상기 컴퓨터 시스템을 제어하여 기준 이미지 및 적어도 하나의 패턴된 기판의 테스트 이미지를 준비하고, 상기 기준 이미지로부터 특성을 추출 및 상기 테스트 이미지로부터 특성을 추출하고, 상기 기준 이미지의 특성 및 상기 테스트 이미지의 특성을 매치하고, 그리고 상기 기준 이미지의 특성과 상기 테스트 이미지의 특성을 비교하여 결함을 확인하는 명령을 구비하는 것을 특징으로 하는 패턴된 기판을 검사하는 장치.
제 23 항에 있어서,

상기 명령은 상기 컴퓨터를 제어하여 상기 기준 이미지의 특성과 상기 테스트 이미지의 특성을 매치하기 전에 상기 기준 이미지를 가지고 상기 테스트 이미지를 정열하게 하는 것을 특징으로 하는 장치.
제 23 항에 있어서,

상기 명령은 상기 컴퓨터 시스템을 제어하여 상기 기준 이미지 및 상기 테스트 이미지의 특성을 계산할 때 확인된 결함들을 기록하게 하는 것을 특징으로 하는 장치.
제 23 항에 있어서,

테스트 이미지로서 사용을 위해 패턴된 기판의 전압-콘트라스트 이미지를 포착하는 전자-빔 이미지 서브시스템을 더 구비하는 것을 특징으로 하는 장치.
제 23 항에 있어서,

상기 명령은 상기 컴퓨터 시스템을 제어하여 상기 기준 이미지 및 상기 테스트 이미지 중 적어도 하나를 순화시키는 것을 특징으로 하는 장치.
제 23 항에 있어서,

상기 명령은 상기 컴퓨터 시스템을 제어하여 상기 기준 이미지 및 상기 테스트 이미지 중 적어도 하나를 표준화하는 것을 특징으로 하는 장치.
제 23 항에 있어서,

상기 명령은 상기 컴퓨터 시스템을 제어하여 먼저 상기 기준 이미지로부터 특성을 추출하고 다음으로 상기 테스트 이미지로부터 특성을 추출하게 하는 것을 특징으로 하는 장치.
제 23 항에 있어서,

상기 명령은 상기 컴퓨터 시스템을 제어하여 상기 기준 이미지 및 테스트 이미지의 특성 성질을 계산하고, 계산된 특성 성질을 비교하고, 그리고 미리 결정된 결함 기준에 맞는 비교 결과를 결정하게 하는 것을 특징으로 하는 장치.
제 30 항에 있어서,

상기 명령은 상기 컴퓨터 시스템을 제어하여 상기 기준 이미지의 배경 레벨을 계산하고, 상기 기준 이미지로부터 상기 배경 레벨을 제거하여 제1 수정된 기준 이미지를 생성하고, 상기 제1 수정된 기준 이미지에 경계값을 정하여 제2 수정된 기준 이미지를 생성하고, 그리고 상기 제2 수정된 기준 이미지내의 특성을 확인하게 하는 것을 특징으로 하는 장치.
제 30 항에 있어서,

상기 명령은 상기 컴퓨터 시스템을 제어하여 상기 테스트 이미지의 배경 레벨을 계산하고, 상기 테스트 이미지로부터 상기 배경 레벨을 제거하여 제1 수정된 테스트 이미지를 생성하고, 상기 제1 수정된 테스트 이미지에 경계값을 정하여 제2 수정된 테스트 이미지를 생성하고, 그리고 상기 제2 수정된 테스트 이미지내의 특성을 확인하게 하는 것을 특징으로 하는 장치.
제 30 항에 있어서,

상기 명령은 상기 컴퓨터 시스템을 제어하여 상기 이미지내의 특성 템플릿을 매치하고 상기 특성-템플릿에 매치되는 상기 이미지내의 특성을 확인함으로서 이미지로부터 특성을 추출하게 하는 것을 특징으로 하는 장치.
컴퓨터 시스템을 제어하여 기준 이미지 및 적어도 하나의 패턴된 기판상의 패턴을 나타내는 테스트 이미지를 준비하고, 상기 기준 이미지로부터 특성을 추출 및 상기 테스트 이미지로부터 특성을 추출하고, 상기 기준 이미지의 특성 및 상기 테스트 이미지의 특성을 비교하고, 그리고 상기 기준 이미지 및 상기 테스트 이미지의 특성을 비교하여 결함을 확인하게 하는 명령을 포함하는 것을 특징으로 하는 컴퓨터에서 판독가능한 매체를 구비하는 컴퓨터 프로그램 제품.