KR20180113572A - 결함 분류 장치 및 결함 분류 방법 - Google Patents

결함 분류 장치 및 결함 분류 방법 Download PDF

Info

Publication number
KR20180113572A
KR20180113572A KR1020187026379A KR20187026379A KR20180113572A KR 20180113572 A KR20180113572 A KR 20180113572A KR 1020187026379 A KR1020187026379 A KR 1020187026379A KR 20187026379 A KR20187026379 A KR 20187026379A KR 20180113572 A KR20180113572 A KR 20180113572A
Authority
KR
South Korea
Prior art keywords
image
defect
processing
sample
extracted
Prior art date
Application number
KR1020187026379A
Other languages
English (en)
Other versions
KR102195029B1 (ko
Inventor
나오아키 곤도
다케히로 히라이
미노루 하라다
유지 다카기
Original Assignee
가부시키가이샤 히다치 하이테크놀로지즈
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 가부시키가이샤 히다치 하이테크놀로지즈 filed Critical 가부시키가이샤 히다치 하이테크놀로지즈
Publication of KR20180113572A publication Critical patent/KR20180113572A/ko
Application granted granted Critical
Publication of KR102195029B1 publication Critical patent/KR102195029B1/ko

Links

Images

Classifications

    • 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
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • 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
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • 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
    • 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
    • G06V10/70—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
    • 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
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/401—Imaging image processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/611—Specific applications or type of materials patterned objects; electronic devices
    • G01N2223/6116—Specific applications or type of materials patterned objects; electronic devices semiconductor wafer
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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

Abstract

화상 촬상 장치에 의해 촬상되는 결함 화상 데이터가 적을 경우에도, 분류기의 분류 성능을 단기간에 원하는 정밀도까지 향상시키는 것을 가능하게 하기 위해, 시료를 촬상해서 얻어진 화상에 포함되는 상기 시료의 결함의 화상을 분류하는 결함 분류 장치를, 외부의 화상 취득 수단으로 취득한 시료의 화상을 기억하는 화상 기억부와, 시료의 화상에 포함되는 결함의 종류를 기억하는 결함 클래스 기억부와, 화상 기억부에 기억된 시료의 화상으로부터 결함의 화상을 추출해서 이 추출한 결함의 화상을 가공하여 복수의 결함 화상을 생성하는 화상 가공부와, 화상 가공부에서 추출한 시료의 결함의 화상과 생성한 복수의 결함 화상의 데이터를 이용하여 결함 분류기의 학습을 행하는 분류기 학습부와, 분류기 학습부에서 학습한 분류기를 이용하여 화상 기억부에 기억한 시료의 화상을 처리하여 시료의 결함의 화상을 분류하는 결함 분류부를 구비하여 구성했다.

Description

결함 분류 장치 및 결함 분류 방법
본 발명은 반도체 웨이퍼의 제조 라인에 있어서 발생하는 각종 결함을 분류하는 결함 분류 장치에 관한 것으로서, 보다 상세하게는 화상 촬상 장치에 의해 촬상된 화상을 가공하고 촬상 화상과 가공 화상을 이용하여 분류기를 학습시키는 방법 및 수단을 구비한 결함 분류 장치 및 결함 분류 방법에 관한 것이다.
반도체 웨이퍼의 제조에서는, 제조 프로세스를 신속하게 기동시켜, 고(高)수율의 양산 체제로 이행시키는 것이, 수익 확보를 위해 중요하다. 이 목적을 위해, 제조 라인에는 각종 검사·계측 장치가 도입되어 있다.
대표적인 검사 장치로서는, 광학식의 웨이퍼 검사 장치가 있다. 예를 들면, 일본국 특개2000-105203호 공보(특허문헌 1)에는, 명시야(明視野) 조명에 의해, 웨이퍼 표면의 광학 화상을 촬상하고, 양품 부위의 화상(예를 들면 인접 칩의 화상)과의 비교에 의해 결함을 검사하는 기술이 개시되어 있다.
단, 이러한 광학 검사 장치는, 그 조명 파장의 영향을 받아, 취득 화상의 분해능 한계는 수백 나노미터 정도가 된다. 따라서, 웨이퍼상에 있어서의 수십 나노미터 오더의 결함에 관해서는, 그 유무를 검출할 수 있을 뿐이며, 상세한 결함 해석을 행할 경우에는, 별도로 보다 촬상 분해능이 높은 결함 관찰 장치 등이 필요해진다.
결함 관찰 장치란, 검사 장치의 출력을 이용하여 웨이퍼 상의 결함 위치를 고해상도로 촬상하고, 화상을 출력하는 장치이며, 주사형 전자 현미경(SEM: Scanning Electron Microscope)을 이용한 관찰 장치(이하, 리뷰 SEM이라고 기재)가 널리 사용되고 있다. 반도체의 양산 라인에서는 관찰 작업의 자동화가 요망되고 있고, 리뷰 SEM은 시료 내의 결함 위치에 있어서의 화상을 자동 수집하는 결함 화상 자동 수집 처리(ADR: Automatic Defect Review)를 행하는 기능과, ADR에 의해 수집된 화상을 자동 분류하는 결함 화상 자동 분류 처리(ADC: Automatic Defect Classification)를 행하는 기능을 탑재하고 있다.
ADR에 의해 수집된 화상의 자동 분류 방법으로서, 분류 대상인 화상을 가공하여, 가공한 화상을 분류하는 방법이 일본국 특개2012-83147호 공보(특허문헌 2)에 기재되어 있다. 또한, 분류 대상인 화상과 비교하는 설계 정보에 변형을 가해, 변형된 설계 정보에 의거하여 분류 대상인 화상을 분류하는 방법이 일본국 특개2009-164436(특허문헌 3)에 기재되어 있다.
일본국 특개2000-105203호 공보 일본국 특개2012-83147호 공보 일본국 특개2009-164436호 공보
반도체 웨이퍼의 제조 라인에 있어서 발생하는 결함 클래스(종류)는 다수 있으며, 또한 하나의 클래스 중에서도 형상이나 밝기 등에 베리에이션을 포함할 경우가 있다. ADC의 분류 성능을 원하는 정밀도까지 단기간에 향상시키기 위해서는, 각 결함 클래스의 화상 데이터를 충분히 준비하고, 화상 데이터를 분류하는 분류기에 각 결함 클래스가 가지는 특징의 베리에이션을 학습시킬 필요가 있다. 그러나, 반도체 웨이퍼의 제조 라인에 있어서는, 발생 빈도가 낮은 결함종(種)도 존재하기 때문에, 원하는 정밀도까지 분류기의 분류 성능을 향상시키기까지에는 시간을 요한다는 과제가 있다.
특허문헌 2에는, 복수 종류의 화상 촬상 장치에 의해 촬상된 복수의 화상끼리 서로 유사하도록 가공을 실시하여, 가공을 실시한 화상을 분류하는 방법이 개시되어 있지만, 가공을 실시한 화상을 분류기의 학습에 이용하는 방법에 대해서는 기재어 있지 않다.
또한, 특허문헌 3에는, 설계 정보에 변형을 가해, 분류 대상의 화상과 변형을 가한 설계 정보를 비교하고, 분류 대상의 화상을 분류하는 방법이 개시되어 있지만, 변형을 가한 설계 정보를 이용하여 분류기의 학습을 행하는 방법에 대해서는 기재되어 있지 않다.
ADC의 분류 성능을 원하는 정밀도까지 단기간에 향상시키기 위해서는, 각 결함 클래스의 화상 데이터를 충분히 준비하고, 화상 데이터를 분류하는 분류기에 각 결함 클래스가 가지는 특징의 베리에이션을 학습시킬 필요가 있다. 그러나, 반도체 웨이퍼의 제조 라인에 있어서는, 발생 빈도가 낮은 결함종도 존재하기 때문에, 원하는 정밀도까지 분류기의 분류 성능을 향상시키기까지에는 시간을 요한다는 과제가 있다.
본 발명은 상기한 종래 기술의 과제를 해결하여, 화상 촬상 장치에 의해 촬상되는 결함 화상 데이터가 적을 경우에도, 촬상된 화상 데이터에 가공을 실시함으로써, 분류기의 학습에 이용하는 화상 데이터의 베리에이션을 증가시키는 것을 가능하게 하여, 분류기의 분류 성능을 단기간에 원하는 정밀도까지 향상시키는 것을 가능하게 하는 자동 결함 분류 장치(이하, 결함 분류 장치라고 기재함) 및 자동 결함 분류 방법(이하, 결함 분류 방법이라고 기재함)을 제공하는 것이다.
상기한 과제를 해결하기 위해, 본 발명에서는, 시료를 촬상하여 얻어진 화상에 포함되는 상기 시료의 결함의 화상을 분류하는 결함 분류 장치를, 외부의 화상 취득 수단으로 취득한 시료의 화상을 기억하는 화상 기억부와, 시료의 화상에 포함되는 결함의 종류를 기억하는 결함 클래스 기억부와, 화상 기억부에 기억된 시료의 화상으로부터 결함의 화상을 추출해서 이 추출한 결함의 화상을 가공하여 복수의 결함 화상을 생성하는 화상 가공부와, 화상 가공부에서 추출한 시료의 결함의 화상과 생성한 복수의 결함 화상의 데이터를 이용하여 결함 분류기의 학습을 행하는 분류기 학습부와, 분류기 학습부에서 학습한 분류기를 이용하여 화상 기억부에 기억한 시료의 화상을 처리하여 시료의 결함의 화상을 분류하는 결함 분류부를 구비하여 구성했다.
또한, 본 발명에서는, 시료를 촬상해서 얻어진 화상에 포함되는 시료의 결함의 화상을 분류하는 결함 분류 방법에 있어서, 외부의 화상 취득 수단으로 취득한 시료의 화상을 화상 기억부에 기억하고, 시료의 화상에 포함되는 결함의 종류를 결함 클래스 기억부에 기억하고, 화상 기억부에 기억된 시료의 화상을 화상 가공부에서 가공하여 시료의 화상으로부터 결함의 화상을 추출해서 이 추출한 결함의 화상을 가공하여 복수의 결함 화상을 생성하고, 화상 가공부에서 추출한 시료의 결함의 화상과 생성한 복수의 결함 화상의 데이터를 이용하여 분류기 학습부에서 결함 분류기의 학습을 행하고, 분류기 학습부에서 학습한 분류기를 이용하여 화상 기억부에 기억한 시료의 화상을 결함 분류부에서 처리하여 시료의 결함의 화상을 분류하도록 했다.
본 발명에 의하면, 화상 촬상 장치에 의해 촬상되는 결함 화상 데이터가 적을 경우에도, 촬상된 화상 데이터에 가공을 실시함으로써, 분류기의 학습에 이용하는 화상 데이터의 베리에이션을 증가시키는 것이 가능해지고, 분류기의 분류 성능을 단기간에 원하는 정밀도까지 향상시키는 것이 가능해진다.
상기한 것 이외의 과제, 구성 및 효과는, 이하의 실시형태의 설명에 의해 분명해진다.
도 1은 본 발명의 실시예 1에 따른 결함 분류 장치의 구성을 나타내는 블록도.
도 2는 본 발명의 실시예 1에 따른 화상 촬상 장치의 구성을 나타내는 블록도.
도 3은 본 발명의 실시예 1에 따른 화상 촬상 장치의 검출기의 배치예를 나타낸 검출기와 스테이지에 재치(載置)된 시료 웨이퍼의 사시도.
도 4는 본 발명의 실시예 1에 따른 화상 촬상 장치의 검출기의 배치를 상방에서 본 검출기와 스테이지에 재치된 시료 웨이퍼의 평면도.
도 5는 본 발명의 실시예 1에 따른 화상 촬상 장치의 검출기의 배치를 측면에서 본 검출기와 스테이지에 재치된 시료 웨이퍼의 측면도.
도 6은 본 발명의 실시예 1에 따른 전자의 방출 각도와 검출 신호의 관계에 대해서 설명하는 시료 웨이퍼의 단면을 포함하는 검출기의 측면도와 시료 웨이퍼 상을 전자빔으로 주사했을 때에 얻어지는 각 검출기의 검출 신호 파형의 예를 나타낸 도면.
도 7a는 본 발명의 실시예 1에 따른 화상 촬상 장치의 검출기(301)에 의해 얻어지는 음영 화상.
도 7b는 본 발명의 실시예 1에 따른 화상 촬상 장치의 검출기(302)에 의해 얻어지는 음영 화상.
도 7c는 본 발명의 실시예 1에 따른 화상 촬상 장치의 검출기(303)에 의해 얻어지는 음영 화상.
도 7d는 본 발명의 실시예 1에 따른 화상 촬상 장치의 검출기(304)에 의해 얻어지는 음영 화상.
도 7e는 본 발명의 실시예 1에 따른 화상 촬상 장치의 검출기(301 내지 304)에 의해 얻어지는 음영 화상도인 7a 내지 도 7d에 도시한 패턴의 범례를 나타내는 도면.
도 8은 본 발명의 실시예 1에 따른 화상 촬상 장치에 의한 화상 촬상에 관한 처리의 흐름을 나타내는 플로우도.
도 9는 본 발명의 실시예 1에 따른 결함 분류 장치에 의한 결함 분류에 관한 처리의 흐름을 나타내는 플로우도.
도 10은 본 발명의 실시예 1에 따른 결함 분류 장치에 의한 화상 가공 처리의 흐름을 나타내는 플로우도.
도 11은 본 발명의 실시예 2에 따른 결함 분류 장치에 의한 화상 가공 처리의 흐름을 나타내는 플로우도.
도 12는 본 발명의 실시예 3에 따른 결함 분류 장치에 의한 화상 가공 처리의 흐름을 나타내는 플로우도.
도 13a는 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 검출기(301)의 화상에 회전 처리를 실시한 결과예를 나타낸 화상.
도 13b는 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 검출기(302)의 화상에 회전 처리를 실시한 결과예를 나타낸 화상.
도 13c는 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 검출기(303)의 화상에 회전 처리를 실시한 결과예를 나타낸 화상.
도 13d는 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 검출기(304)의 화상에 회전 처리를 실시한 결과예를 나타낸 화상.
도 14a는 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 검출기(301)의 화상에 반전 처리를 실시한 결과예를 나타낸 화상.
도 14b는 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 검출기(302)의 화상에 반전 처리를 실시한 결과예를 나타낸 화상.
도 14c는 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 검출기(303)의 화상에 반전 처리를 실시한 결과예를 나타낸 화상.
도 14d는 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 검출기(304)의 화상에 반전 처리를 실시한 결과예를 나타낸 화상.
도 15a는 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 검출기(301)의 화상에 결함 클래스 불변 변형을 실시한 결과예를 나타낸 도면.
도 15b는 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 검출기(302)의 화상에 결함 클래스 불변 변형을 실시한 결과예를 나타낸 도면.
도 15c는 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 검출기(303)의 화상에 결함 클래스 불변 변형을 실시한 결과예를 나타낸 도면.
도 15d는 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 검출기(304)의 화상에 결함 클래스 불변 변형을 실시한 결과예를 나타낸 도면.
도 16은 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 화상 가공 처리 전의 촬상 화상의 부수 정보예를 표 형식으로 나타낸 도면.
도 17은 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 회전 반전 변형 처리 직후의 가공 화상의 부수 정보예를 표 형식으로 나타낸 도면.
도 18은 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 부수 정보 교체 처리 후의 가공 화상의 부수 정보예를 표 형식으로 나타낸 도면.
도 19a는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(301)에서 얻어진 화상(701)으로부터 결함 부위를 추출해서 얻어진 화상.
도 19b는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(302)에서 얻어진 화상(702)으로부터 결함 부위를 추출해서 얻어진 화상.
도 19c는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(303)에서 얻어진 화상(703)으로부터 결함 부위를 추출해서 얻어진 화상.
도 19d는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(304)에서 얻어진 화상(704)으로부터 결함 부위를 추출해서 얻어진 화상.
도 20a는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(301)에서 얻어진 화상(701)으로부터 결함 부위를 추출해서 얻어진 화상에 어스펙트 변화를 실시한 화상.
도 20b는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(302)에서 얻어진 화상(702)으로부터 결함 부위를 추출해서 얻어진 화상에 어스펙트 변화를 실시한 화상.
도 20c는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(303)에서 얻어진 화상(703)으로부터 결함 부위를 추출해서 얻어진 화상에 어스펙트 변화를 실시한 화상.
도 20d는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(304)에서 얻어진 화상(704)으로부터 결함 부위를 추출해서 얻어진 화상에 어스펙트 변화를 실시한 화상.
도 21a는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(301)에서 얻어진 화상(701)으로부터 얻어진 합성용 화상.
도 21b는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(301)에서 얻어진 화상(702)으로부터 얻어진 합성용 화상.
도 21c는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(301)에서 얻어진 화상(703)으로부터 얻어진 합성용 화상.
도 21d는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(301)에서 얻어진 화상(704)으로부터 얻어진 합성용 화상.
도 22a는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(301)에서 얻어진 화상(701)으로부터 추출한 결함 부위의 화상에 어스펙트 변화를 실시한 결함 변형 화상(1905)과 합성용 화상(1909)을 합성해서 얻어진 합성 화상.
도 22b는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(302)에서 얻어진 화상(702)으로부터 추출한 결함 부위의 화상에 어스펙트 변화를 실시한 결함 변형 화상(1906)과 합성용 화상(1910)을 합성해서 얻어진 합성 화상.
도 22c는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(303)에서 얻어진 화상(703)으로부터 추출한 결함 부위의 화상에 어스펙트 변화를 실시한 결함 변형 화상(1907)과 합성용 화상(1911)을 합성해서 얻어진 합성 화상.
도 22d는 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 검출기(304)에서 얻어진 화상(704)으로부터 추출한 결함 부위의 화상에 어스펙트 변화를 실시한 결함 변형 화상(1908)과 합성용 화상(1912)을 합성해서 얻어진 합성 화상.
도 23은 본 발명의 실시예 2에 따른 결함 분류 장치에 있어서, 화상 합성 처리에 의해 얻어지는 화상을 표시하는 화면예를 나타낸 화면의 정면도.
도 24는 본 발명의 실시예 1에 따른 결함 분류 장치에 있어서, 분류 결과를 표시하는 화면예를 나타낸 화면의 정면도.
본 발명은 복수의 검출기를 구비한 주사형 전자 현미경 등의 화상 촬상 장치로 시료의 동일 개소(箇所)를 동시에 촬상하여 얻어진 복수의 화상에 화상 분류 장치로 같은 가공을 실시해서 화상의 수를 증가시킴으로써, 단기간에 다양한 베리에이션을 가지는 대량의 학습 화상을 얻을 수 있도록 한 것이다. 그리고, 이 증가시킨 대량의 학습 화상을 이용하여 화상 분류 장치의 분류기의 학습 상태를 변화시키도록 하여, 분류기의 학습 상태(분류 파라미터)를 단기간에 습숙시키도록 한 것이다.
또한, 본 발명에서는, 반도체 웨이퍼의 제조 라인에 있어서 발생하는 각종 결함을 분류하는 결함 분류 장치에 있어서, 화상 촬상 장치의 복수의 검출기에 의해 촬상된 복수 채널의 촬상 화상에 가공을 실시하고, 촬상 화상과 가공에 의해 얻어지는 화상을 이용하여 분류기를 학습시키도록 했다.
그리고, 본 발명은 결함 화상의 분류 장치를, 화상 촬상 장치의 복수의 검출기에 의해 촬상된 복수 채널의 화상에 회전이나 반전 등의 가공 처리를 실시하는 수단과, 가공 처리에 따라 가공 처리를 실시한 화상에 부수되는 채널 정보를 교제하는 수단과, 촬상 화상과 가공 화상을 이용하여 분류기를 학습시키는 수단을 구비하여 구성한 것이다.
이하, 본 발명의 실시형태를 도면에 의거하여 상세하게 설명한다. 본 실시형태를 설명하기 위한 전체 도면에 있어서 동일 기능을 갖는 것은 동일한 부호를 부여하도록 하고, 그 반복되는 설명은 원칙적으로 생략한다. 단, 본 발명은 이하에 나타내는 실시형태의 기재 내용에 한정하여 해석되는 것은 아니다. 본 발명의 사상 내지 취지로부터 일탈하지 않는 범위에서, 그 구체적 구성을 변경할 수 있는 것은 당업자라면 용이하게 이해된다.
[실시예 1]
도 1에 본 발명에 관한 결함 분류 장치(101)를 나타낸다. 도 1에는 아울러, 결함 분류 장치(101)와 통신 수단(102)을 통해 정보를 송수신하는, 화상 촬상 장치(103), 수율 관리 시스템(104)을 나타냈다. 화상 촬상 장치(103)의 상세는, 도 2를 이용하여 나중에 설명한다.
수율 관리 시스템(104)은, 예를 들면 특허문헌 1에 기재되어 있는 바와 같은 웨이퍼 검사 장치(도시 생략)로부터 출력되는 결함 좌표, 화상 촬상 장치(103)로부터 출력되는 화상, 결함 분류 장치(101)로부터 출력되는 결함 클래스(결함 종류) 정보를 수신함과 함께, 화상 촬상 장치(103)로부터의 요구에 따라 결함 좌표를, 결함 분류 장치(101)로부터의 요구에 따라 화상을 송신한다.
결함 분류 장치(101)는, 화상 촬상 장치(103)에서 얻어진 화상을 분류하고, 그 결과를, 수율 관리 시스템(104)에 송신하는 기능을 가진다. 결함 분류 장치(101)의 상세를 이하에 설명한다.
결함 분류 장치(101)는, 기억부(105)와, 연산부(106)와, 오퍼레이터에 대한 데이터의 제시 및 오퍼레이터로부터의 입력을 접수하기 위한 키보드·마우스·디스플레이 등으로 구성되는 입출력부(107)와 접속된 입출력 인터페이스부(108)가 통신 수단(111)을 통해 접속되는 구성으로 되어 있다.
기억부(105)는, 취득한 화상을 저장하는 화상 기억부(109)와 결함 클래스를 저장하는 결함 클래스 기억부(110)를 갖는다. 또한, 연산부(106)는, 나중에 상세히 설명하는, 촬상 화상에 가공을 실시하는 화상 가공부(112)와, 촬상 화상 및 가공된 화상의 결함 클래스에 의거하여 분류기를 학습시키는 분류기 학습부(113)와, 화상의 분류를 행하는 화상 분류부(114)를 갖는다.
화상 촬상 장치(103)의 상세에 대해서, 도 2를 이용하여 설명한다. 화상 촬상 장치(103)는, 주사형 전자 현미경(SEM: Scanning Electron Microscope)(201)과, 전체의 제어를 행하는 제어부(202)와, 자기 디스크나 반도체 메모리 등에 정보를 기억하는 기억부(203)와, 입출력 인터페이스부(204)와, 검출기(209)로부터 취득한 신호를 화상화하는 화상화부(211)가 통신 수단(205)을 통해 접속되는 구성으로 되어 있다.
주사형 전자 현미경(201)은, 시료 웨이퍼(206)를 놓는 스테이지(207)와, 시료 웨이퍼(206)에 대하여 일차 전자빔을 조사하는 전자원(208)과, 전자원(208)에 의한 시료 웨이퍼(206)에의 일차 전자빔의 조사에 의해 발생하는 이차 전자나 후방 산란 전자를 검출하는 복수의 검출기(209) 외, 전자빔을 시료 상에 수속(收束)시키는 전자 렌즈(도시 생략)나, 전자빔을 시료 웨이퍼 상에 주사하기 위한 편향기(도시 생략) 등으로 구성된다.
또한, 제어부(202)는, 스테이지 제어부(212)와, 빔 스캔 제어부(213)를 갖는다. 기억부(203)는, 레시피 기억부(216)와, 좌표 기억부(217)를 갖는다. 입출력 인터페이스부(204)에는, 키보드나 마우스, 디스플레이 등으로 구성되는 입출력부(210)가 접속되어 있다.
화상 촬상 장치(103)의 검출기(209)의 배치에 대해서 도 3 내지 도 5를 이용하여 설명한다. 도 3은, 검출기(301) 내지 검출기(305)와 스테이지(207) 상의 시료 웨이퍼(206)의 위치 관계를 모식적으로 나타낸 도면이다. 도 4는, 도 3을 상방(z축의 정방향)에서 본 도면, 도 5는 도 3을 측면(y축의 부방향)에서 본 도면이다(검출기(305)는 도시 생략).
여기에서 검출기(301) 내지 검출기(304)는 특정의 방출 각도를 가지는 전자를 선택적으로 검출하도록 구성된 복수의 검출기를 나타내고 있고, 예를 들면, 검출기(301)는 시료 웨이퍼(206)로부터 y축의 정방향으로 방출된 전자를 검출하는 검출기를 나타내고 있다. 또한, 검출기로서는 일본국 특개평1-304647호 공보에 기재되어 있는 바와 같은 분할형의 검출기를 이용해도 된다.
또한, 검출기(305)(도 4 내지 도 5에는 도시 생략)는 시료로부터 방출된 이차 전자를 검출하는 검출기를 나타내고 있다. 이후의 설명에서는 간략화를 위해 도시한 5개의 검출기를 구비한 장치를 예로 설명하지만, 본 발명은 이 검출기 배치 이외에도 적용 가능하며, 검출기의 수가 늘어나도 적용 가능하다.
전자의 방출 각도와 검출 신호의 관계에 대해서 도 6을 이용하여 설명한다. 전자원(208)으로부터 조사된 일차 전자빔(2081)이 시료 웨이퍼(206)의 표면에 도달했을 때, 위치(601)와 같이 시료 웨이퍼(206)의 평면인 부분이면 전체 방위에 이차 전자(2082)나 반사 전자(2083)가 방출된다(도면 중의 화살표). 그 때문에, 일차 전자빔(2081)이 시료 웨이퍼(206)의 위치(601)를 조사했을 때의 각 검출기(302∼304)에 있어서의 검출 신호(604∼606)의 강도는 같은 정도가 된다.
시료 웨이퍼(206)가 평면이 아닐 경우, 방출되는 전자의 각도에는 기울기가 생긴다. 예를 들면 위치(602)와 같은 시료 웨이퍼(206)의 볼록부(2061)의 좌측의 사면(斜面)일 경우에는, 일차 전자빔(2081)의 조사 위치를 중심으로 좌측에 방출되는 이차 전자(2082)나 반사 전자(2083)는 위치(601)의 평면의 경우보다 많아지기 때문에, 좌측에 배치한 검출기(304)의 검출 신호(604)는 강해진다. 한편, 우측에는 방출되는 이차 전자(2082)나 반사 전자(2083)는 적어지기 때문에 우측에 배치한 검출기(302)의 검출 신호(605)는 낮아진다.
이에 대하여 시료 웨이퍼(206)의 볼록부(2061)의 우측의 사면의 기슭의 위치(603)에서는, 일차 전자빔(2081)의 조사 위치에서 시료 웨이퍼(206)는 평면이지만 인접하는 볼록부(2061)에 의해 방출 전자가 차폐되기 때문에 좌측에 배치한 검출기(304)에 전해지는 이차 전자(2082)나 반사 전자(2083)가 적어져 검출 신호(604)가 작아진다.
이와 같이 특정한 방출 각도를 가지는 전자를 선택적으로 검출하도록 구성된 검출기(301) 내지 검출기(304)에서는 시료 표면의 요철에 의해 화상 농담이 생긴다. 화상 상에서는 마치 검출기가 배치된 방향으로부터 빛을 받아 음영을 관찰하고 있는 것처럼 보이기 때문에 이들 검출기 화상은 음영상이라고도 불린다. 이후, 음영상에 있어서, 시료 표면의 요철에 의해 생긴 농담 중, 명도가 높은 영역을 명영역, 명도가 낮은 영역을 음영역이라고 부른다.
또한, 상방에 위치하는 검출기(305)는 주로 이차 전자(2082)를 검출하고 있고, 에지 효과에 의해 생기는 이차 전자(2082)의 방출량의 차이에 의해 검출 신호(606)가 변화하여 화상 농담이 생긴다. 일차 전자빔(2081)을 시료 웨이퍼(206)의 위치(601 내지 603)에 걸쳐 주사했을 때의 각 검출기의 신호 프로파일을 모식적으로 나타낸 것이 검출 신호(604) 내지 신호(606)이다.
도 7a 내지 도 7d는, 검출기(301) 내지 검출기(304)에 의해 촬상되는 복수 채널의 화상의 음영 방향을 모식적으로 나타낸 도면이다. 도 7e에는, 도 7a 내지 도 7d에 나타난 패턴이 무엇을 나타내고 있는지를 설명하고 있다. 도 7a 내지 도 7d의 화상(701) 내지 화상(704)은, 각각 검출기(301) 내지 검출기(304)에 의해 촬상된 화상이며, 이들 화상에는, 시료 상의 동일 개소의 볼록 형상의 결함(705) 및 볼록 형상의 회로 패턴(706)이 촬상되어 있다. 또한, 도 7a 내지 도 7d에서는, 화상(701) 내지 화상(704) 상의 명영역(707)과 암영역(708)의 위치는 도면에 보이게 된다.
다음으로, 도 1 및 도 2에 나타낸 화상 촬상 장치(103)의 동작에 대해서, 도 8의 플로우 차트를 이용하여 설명한다. 우선, 관찰 대상인 시료 웨이퍼(206)를 스테이지(207) 상에 로드하고(S801), 레시피 기억부(216)로부터 화상 촬상 조건(가속 전압이나 프로브 전류 등)이 기억된 레시피를 읽어들이고, 읽어들인 조건에 따라서 전자 광학계의 설정 등을 행한다(S802). 다음으로, 좌표 기억부(217)에 기억된 관찰 대상의 좌표를 읽어들인다(S803).
이후의 처리(S804∼S806)는 읽어들인 관찰 대상 좌표 각각에 대하여 행한다. 우선, 관찰 대상인 좌표가 촬상 시야에 포함되도록 스테이지 제어부(212)를 이용하여 스테이지(207)를 제어해서 스테이지 이동을 행한다(S804).
다음으로, 빔 스캔 제어부(213)를 이용하여 도시하고 있지 않은 전자 광학계를 제어해서 일차 전자빔(2081)을 촬상 시야 내에 있어서 주사하고, 시료 웨이퍼(206)로부터 방출된 이차 전자(2082)나 반사 전자(2083)를 복수의 검출기(209)에 의해 검출한다. 복수의 검출기(209)에 의해 검출된 신호를 화상화부(211)에 의해 각각 화상화하고, 복수 채널의 화상을 취득한다(S805).
취득된 복수 채널의 화상을 입출력 인터페이스부(204)에 의해 출력한다(S806). 또한, 오퍼레이터로부터의 각종 지시나 촬상 조건의 지정 등은, 키보드·마우스·디스플레이 등으로 구성되는 입출력부(210)를 통해 행해진다.
도 1에 나타낸 결함 분류 장치(101)의 동작에 대해서, 도 9의 플로우 차트를 이용하여 설명한다.
우선, 입출력 인터페이스부(108)를 이용하여 화상 촬상 장치(103)로부터 출력된 복수 채널의 화상을 읽어들이고(S901), 읽어들인 복수 채널의 화상을, 화상 각각에 부수되는 채널 정보에 의거하여 화상 기억부(109)에 촬상 화상으로서 기억한다(S902).
이후의 처리(S903 내지 S907)는 동일 개소를 촬상한 복수 채널의 화상마다에 대하여 행한다. 우선, 화상 기억부(109)에 촬상 화상으로서 기억된 복수 채널의 화상의 결함 클래스를 교시(敎示)하고, 화상 가공을 위한 파라미터를 부여한다(S903). 교시된 결함 클래스를 결함 클래스 기억부(110)에 기억하고(S904), 화상 가공부(112)에서 복수 채널의 화상을 가공한다(S905). 화상 가공 처리(S905)의 상세는 나중에 설명한다.
다음으로, 화상 가공부(112)에 의해 처리된 복수 채널의 화상을, 화상 각각에 부수되는 채널 정보에 의거하여 화상 기억부(109)에 가공 화상으로서 기억하고(S906), 복수 채널의 가공 화상의 결함 클래스를 결함 클래스 기억부(110)에 기억한다(S907).
다음으로, 화상 기억부(109)에 기억된 촬상 화상 및 가공 화상과, 결함 클래스 기억부(110)에 기억된 결함 클래스를 이용하여 분류기 학습부(113)에 의해 화상의 결함 클래스를 분류하는 분류기를 학습시키고(S908), 학습시킨 분류기를 이용하여 화상 기억부(109)에 기억된 촬상 화상을 화상 분류부(114)에 의해 분류한다(S909).
분류기 학습부(113)에 있어서의 분류기 학습 처리(S908)로서는, 학습 대상의 화상에 대하여 특징량 추출 처리와 분류기 구축 처리의 두 개의 처리가 이루어진다.
특징량 추출 처리에서는, 우선, 화상 기억부(109)에 기억된 촬상 화상 또는 가공 화상 중 어느 하나 이상으로부터 결함 부위를 인식한 후, 그 결함의 요철 상태나 형상, 밝기 등을 수치화한 특징량을 산출한다.
분류기 구축 처리에서는, 우선, 특징량 추출 처리에 의해 얻어진 특징량을 이용하여, 뉴럴네트워크나 서포트 벡터 머신 등의 분류기를 구축한다. 또한, 오퍼레이터로부터의 각종 지시나 결함 클래스의 교시 등은, 키보드·마우스·디스플레이 등으로 구성되는 입출력부(107)를 통해 행해진다.
또한, 화상 분류 처리(S909)로서는, 분류 대상인 화상에 대하여 전술한 특징량 추출 처리와, 패턴 인식 처리의 두 개의 처리가 이루어진다.
패턴 인식 처리는, 특징량 추출 처리에 의해 얻어진 특징량과, 분류기 학습 처리(S908)에 의해 구축된 분류기를 이용하여, 분류 대상인 화상이 각 결함 클래스에 속하는 확률을 산출하고, 가장 확률이 높은 분류 클래스를 분류 결과로 한다.
패턴 인식 처리에 있어서, 복수의 분류 클래스에 속하는 확률이 같은 정도일 경우나, 어느 쪽의 클래스에 속하는 확률도 낮을 경우에는, 결함 클래스 중 어디에 속할지 불명해질 경우도 일어날 수 있다. 그래서, 이러한 경우가 발생했을 때에는, 「결함 클래스 불명」을 분류 결과로 한다.
도 10을 이용하여 화상 가공 처리(S905)의 상세에 대해서 설명한다.
우선, (S903)에서 부여한 화상 가공을 위한 파라미터에 의거하여, 가공 대상인 화상에 회전 처리를 실시할지의 여부를 나타내는 파라미터(p1)가 1인지를 판정하고(S1001), 파라미터(p1)가 1이면, 화상에 회전 처리를 실시한다(S1002). 다음으로, 가공 대상인 화상에 반전 처리를 실시할지의 여부를 나타내는 파라미터(p2)가 1인지를 판정하고(S1003), 파라미터(p2)가 1이면, 화상에 반전 처리를 실시한다(S1004). 다음으로, 가공 대상인 화상에, 화상의 결함 클래스가 변화하지 않는 변형을 가하는 결함 클래스 불변 변형 처리를 실시할지의 여부를 나타내는 파라미터(p3)가 1인지를 판정하고(S1005), 파라미터(p3)가 1이면, 화상에 결함 클래스 불변 변형 처리를 실시한다(S1006).
결함 클래스 불변 변형 처리(S1006)는, 변형에 의해 화상의 결함 클래스가 바뀌지 않는 임의의 변형으로 하고, 예를 들면, 화상 전체 면을 왜곡시키는 처리나, 화상 중의 결함 부위에만 미소한 변형을 가하는 처리나, 화상의 일부 또는 전체 면의 콘트라스트를 변화시키는 처리 등이다.
또한, 도 10에서는, 회전 처리(S1002), 반전 처리(S1004), 결함 클래스 불변 변형 처리(S1006)의 처리 순서로 나타냈지만, 이들 세 개의 처리 순서는 임의이며, 예를 들면, 처리(S1005), 결함 클래스 불변 변형 처리(S1006), 처리(S1001), 회전 처리(S1002), 처리(S1003), 반전 처리(S1004)의 순서로 처리해도 된다. 또한, 파라미터(p1·p2·p3) 모두가 1이 아닐 경우에는, 이후의 처리(S1007 내지 S1010 및 S906, S907)는 행할 필요가 없다.
다음으로, p1 혹은 p2가 1인지를 판정하고(S1007), p1 혹은 p2가 1이면, 촬상 화상에 실시한 회전 처리 및 반전 처리에 따라, 회전 등의 처리가 실시된 화상에 부수되고 있는 채널 정보를 교체한다(S1008). 부수 정보 교체 처리(S1008)에 대해서는 나중에 상세히 설명한다. 다음으로, 처리가 실시된 화상의 결함 클래스를, 촬상 화상의 결함 클래스와 동일한 것으로 한다(S1009).
도 13a 내지 도 13d는, 도 7a 내지 도 7d에서 나타낸 복수 채널의 화상(701 내지 704)(검출기(305)의 화상은 도시 생략)을 시계 방향으로 90도 회전시키는 처리만을 실시함으로써 얻어지는 복수 채널의 화상을 나타낸 도면이다. 도 13a 내지 도 13d에 나타낸 화상(1301) 내지 화상(1304)은, 도 7a 내지 도 7d의 화상(701) 내지 화상(704)을 각각 시계 방향으로 90도 회전시킴으로써 얻어지는 화상이다. 도 13a 내지 도 13d에서는, 화상을 시계 방향으로 90도 회전시키는 예를 나타냈지만, 회전의 방향은 반시계 방향이어도 되고, 회전 각도도 90도 이외여도 상관없다.
도 14a 내지 도 14d는, 도 7a 내지 도 7d에서 나타낸 복수 채널의 화상(701 내지 704)(검출기(305)의 화상은 도시 생략)을 좌우 반전시키는 처리만을 실시함으로써 얻어지는 복수 채널의 화상을 나타낸 도면이다. 도 14a 내지 도 14d에 나타낸 화상(1401) 내지 화상(1404)은, 도 7a 내지 도 7d의 화상(701) 내지 화상(704)을 각각 좌우 반전시킴으로써 얻어지는 화상이다. 도 14a 내지 도 14d에서는, 반전 처리로서 화상을 좌우 반전시키는 예를 나타냈지만, 상하 반전 등의 임의의 직선에 관하여 반전시키는 처리여도 상관없다.
도 15a 내지 도 15d는, 도 7a 내지 도 7d에서 나타낸 복수 채널의 화상(701 내지 704)(검출기(305) 화상은 도시 생략)에 결함 클래스 불변 변형만을 실시함으로써 얻어지는 복수 채널의 화상을 나타낸 도면이다. 도 15a 내지 도 15d에서는, 예로서, 화상 전체면을 왜곡시키는 변형을 가하고 있다. 도 15a 내지 도 15d에 나타낸 화상(1501) 내지 화상(1504)은, 도 7a 내지 도 7d의 화상(701) 내지 화상(704)에 대하여 각각 결함 클래스 불변 변형을 실시함으로써 얻어지는 화상이다.
부수 정보 교체 처리(S1008)에 대해서, 도 16 내지 도 18을 이용하여 설명한다. 여기에서는, 복수 채널의 화상을 시계 방향으로 90도 회전시킬 경우를 예로 한다.
도 16은, 검출기(301) 내지 검출기(304)에 의해 각각 촬상된 화상(701) 내지 화상(704)과, 검출기(305)에 의해 촬상된 화상에 부수되는 정보(1600)를 나타낸 도면이다. 도 16에 나타낸 예에서는, 촬상된 화상에 부수되는 정보로서, 화상종이 촬상 화상인지 가공 화상인지를 나타내는 화상종(1601), 검출된 결함의 번호를 나타내는 결함 ID(1602), 결함 ID(1602)에 대응하는 화상을 나타내는 화상 ID(1603), 화상을 촬상한 검출기에 대응하는 채널 정보(1604), 가공 전의 화상의 ID를 나타내는 가공 전의 화상 ID(1605) 등을 나타내고 있다.
도 17은, 화상종(1701)으로서 가공 화상을 나타내는 것으로, 결함 ID(1702)가 D13의 결함에 대해서, 채널 정보(1704)에 대응하는 가공 전의 화상 ID(1705)가 「701」, 「702」, 「703」, 「704」, 「705」인 화상을 시계 방향으로 90도 회전시킨 직후의 화상의 부수 정보(1700)를 나타낸 도면이며, 가공 전의 화상 ID(1705)가 701 내지 705인 화상을 각각 회전시킨 화상의 ID(1703)는 1301 내지 1305로 하고 있다.
여기에서, 도 7a 내지 도 7d에 나타낸 복수 채널의 화상을 시계 방향으로 90도 회전시키면, 도 13a 내지 도 13d에 나타내는 바와 같이, 화상의 음영 방향이 변화된다. 복수 채널의 화상 중 음영상은, 화상의 음영 방향의 변화에 따라, 화상의 음영 방향과 화상에 부수되는 채널 정보(1704)와의 정합성이 떨어지지 않게 된다. 이 경우, 전술한 후단의 분류기 학습 처리 및 결함 분류 처리의 특징량 추출 처리에 있어서, 화상의 음영 방향과 화상에 부수되는 채널 정보에 의거하여 산출되는 결함의 요철 상태 등의 특징량을 정확히 산출할 수 없게 된다. 그 때문에, 화상에 실시한 회전 처리 및 반전 처리에 따라, 화상의 음영 방향과 검출기의 검출 방향이 일치하도록, 화상에 부수되는 채널 정보를 복수 채널의 화상간에서 교체한다.
도 18은, 화상종(1801)이 가공 화상에서 결함 ID(1802)가 D13인 결함에 대해서, 화상의 음영 방향과 검출기의 검출 방향이 일치하도록, 화상에 부수되는 채널 정보(1804)를 교체한 후의 화상의 부수 정보(1800)를 나타낸 도면이다. 여기에서는, 화상 ID(1803)의 란에서 「1301」의 화상에 부수되고 있는 채널 정보(1804)가, 검출기(301)로부터 검출기(302)로 교체되어 있다. 마찬가지로, 화상 ID(1803)의 란이 1302 내지 1304의 화상에 부수되는 채널 정보(1804)를 교체한다. 이 부수 정보 교체 처리(S1008)에 의해 화상의 음영 방향과 화상에 부수되는 채널 정보(1804)의 정합성을 취하는 것이 가능해진다. 1805는, 가공 전의 화상 ID를 나타낸다.
도 24는, 화상 기억부에 기억된 화상에 대한 분류 결과를 입출력부(107)에 표시한 화면(2400)의 예를 나타낸 도면이다. 화면(2400)은, 분류 결과 표시부(2401)와, YES 버튼(2402)과, NO 버튼(2103)으로 구성된다. 분류 결과 표시부(2401)에서는, 분류기의 학습에 가공 화상을 사용하지 않을 경우의 분류 결과(2410)와 사용할 경우의 분류 결과(2420)를 표시하고 있다. 이에 따라, 한번에 복수의 분류 결과를 비교할 수 있다는 메리트가 있다. 또한, 표시된 분류 결과(2410과 2420)에 의거하여 분류기의 학습에 가공 화상을 사용할 경우에는, YES 버튼(2402)을 클릭한다. 한편, 분류기의 학습에 가공 화상을 사용하지 않을 경우에는, NO 버튼(2403)을 클릭한다. 이에 따라, 분류 성능이 높은 쪽을 선택할 수 있다.
즉, 본 실시예에서는, 결함 화상의 분류 장치로 화상에 실시하는 가공으로서, 결함 화상과 참조 화상에 대하여, 동일한 회전 처리 또는 좌우를 반전시키는 반전 처리를 실시하고, 이 회전 또는 반전 처리를 실시한 화상의 음영 방향과 화상 촬상 장치의 검출기의 검출 방향이 일치하도록, 화상과 대응하는 검출기를 교체하여 학습용 화상으로 하도록 하여, 화상 촬상 장치로 취득한 화상보다 많은 화상을 이용하여 분류기의 학습을 행할 수 있도록 했다.
이상 설명한 바와 같이, 화상 촬상 장치(103)의 복수의 검출기(209)에 의해 촬상된 화상에 회전이나 반전 등의 가공에 의해 결함 클래스가 변화되지 않는 가공을 실시하고, 가공에 따라 화상과 화상에 부수되는 채널 정보를 교체함으로써, 화상의 음영 방향과 화상에 부수되는 채널 정보의 정합성을 취하면서, 분류기 학습 처리(S908)에 이용하는 화상의 수를 증가시키는 것이 가능해지고, 보다 고성능인 분류기를 구축하는 것이 가능해진다.
[실시예 2]
다음으로, 실시예 1과는 다른 가공 처리를 행하는 결함 분류 장치에 대해서 설명한다. 본 실시예에 따른 장치 구성은 실시예 1에서 나타낸 도 1과 마찬가지이다. 또한, 처리의 플로우도 도 9와 마찬가지이다. 서로 다른 것은 화상 가공 처리(S905)의 처리 방법이다. 이후에 있어서는 실시예 1과 다른 부분에 대해서만 설명한다.
반도체 웨이퍼의 제조 라인에 있어서 발생하는 결함 클래스는, 결함과 회로 패턴의 위치 관계에 따라 정의될 경우가 많다. 본 실시예는, 촬상 화상을 가공함으로써, 촬상 화상의 결함 클래스와는 다른 결함 클래스의 화상 데이터를 취득하는 방법이다. 이에 따라 발생 빈도가 낮은 결함 클래스의 화상을 증가시키는 것이 가능해진다.
구체적인 처리 플로우에 대해서 도 11을 이용하여 설명한다. 우선, 가공 대상인 촬상 화상 각각으로부터 결함 부위를 추출하고(S1101), 결함 부위를 추출한 화상에 확대나 축소, 어스펙트 변화 등의 변형을 실시하고(S1102), 변형 처리에 의해 얻어진 화상과, 가공 대상인 화상과는 다른 복수 채널의 화상을 채널마다 합성하고(S1103), 합성 처리에 의해 얻어진 화상의 결함 클래스를 교시한다(S1104). 이상의 처리(S1101) 내지 처리(S1104)는, 화상 가공부(112)에 의해 행해진다. 또한, 오퍼레이터로부터의 각종 지시나 결함 클래스의 교시 등은, 키보드·마우스·디스플레이 등으로 구성되는 입출력부(107)를 통해 행해진다.
도 19a 내지 도 22d는, 도 7a 내지 도 7d에 나타낸 화상(701) 내지 화상(704)에 대한 상기 처리(S1101) 내지 처리(S1103)의 과정을 나타낸 도면이며, 도 19a 내지 도 19d의 화상(1901) 내지 화상(1904)은, 도 7a 내지 도 7d에 나타낸 화상(701) 내지 화상(704) 각각으로부터 결함 부위를 추출해서 얻어지는 화상이다. 도 20a 내지 도 20d의 화상(1905) 내지 화상(1908)은, 도 19a 내지 도 19d의 화상(1901) 내지 화상(1904) 각각에 대하여 변형을 실시한 화상이다. 도 21a 내지 도 21d에서는, 변형으로서 어스펙트 변화를 실시한 예를 나타내고 있다.
또한, 도 21a 내지 도 21d의 화상(1909) 내지 화상(1912)은, 화상 기억부(109)에 기억된 도 7a 내지 도 7d에 나타낸 화상(701) 내지 화상(704)과는 촬상 위치가 다른 복수 채널의 화상이며, 도 22a 내지 도 22d의 화상(1913)은 도 20a의 화상(1905)과 도 21a의 화상(1909)을 합성한 화상이다. 도 22b 내지 도 22d의 화상(1914) 내지 화상(1916)에 대해서도 도 20b 내지 도 20d와 도 21b 내지 도 21d에 대해서 마찬가지인 합성 처리에 의해 얻어진 화상이다. 처리(S1101) 내지 처리(S1103)에 의해, 촬상 화상과는 다른 결함 클래스의 화상을 작성하는 것이 가능해진다.
도 23은, 화상 합성 처리(S1103)에 의해 얻어진 화상을 입출력부(107)에 표시한 화면(2300)의 예를 나타낸 도면이다. 화면(2300)은, 화상 표시부(2301)와, 결함 클래스 선택부(2303)와, 표시 화상 선택부(2304)로 구성된다. 화상 표시부(2301)에서는, 화상 합성 처리(S1103)에 의해 얻어진 화상은, 섬네일이라고 불리는, 화상을 축소해서 아이콘화한 화상(섬네일 화상(2302))으로서 표시되어 있다. 이에 따라, 한번에 복수의 화상을 관찰할 수 있는 메리트가 있다.
결함 클래스 선택부(2303)에는, 화상 합성 처리(S1103)에 의해 얻어진 화상의 결함 클래스를 선택하기 위한 버튼이 있고, 섬네일 화상(2302)을 클릭하여, 결함 클래스 선택부(2303) 내의 버튼을 클릭 또는, 섬네일 화상(2302)을 결함 클래스 선택부(2303) 내의 버튼까지 드래그 앤 드롭하면, 그 화상의 결함 클래스가 버튼에 표시된 결함 클래스가 된다. 또한, 표시 화상 선택부(2304)는, 섬네일 화상으로서 표시하는 화상의 채널을 선택하기 위한 것으로, 오퍼레이터의 원하는 채널의 화상을 표시하는 것이 가능하다.
즉, 본 실시예에서는, 화상 촬상 장치로 시료를 촬상해서 얻어진 결함을 포함하는 화상으로부터 결함부를 추출하고, 결함의 화상에 변형을 가해, 결함의 화상 혹은 변형 처리를 실시한 결함 화상과 참조 화상을 합성하여 학습용 화상을 생성하도록 한 것으로, 서로 다른 결함 형상, 서로 다른 배경의 학습용 화상을 작성함으로써 학습용 화상의 베리에이션을 증가시킨 것이다.
이상 설명한 바와 같이, 촬상 화상과는 다른 결함 클래스의 화상을 작성함으로써, 실시예 1과 마찬가지로, 분류기 학습 처리(S908)에 이용하는 화상의 수를 증가시키는 것이 가능해지고, 보다 고성능인 분류기를 구축하는 것이 가능해진다.
[실시예 3]
실시예 1과 실시예 2에 있어서, 가공 처리로서 결함 클래스 불변 가공과 화상 합성 가공을 각각 실시하는 예에 대해서 설명했지만, 실시예 3에 있어서는, 이들 두 개의 처리 방법을 양쪽 모두 실시할 경우에 대해서 설명한다. 즉, 본 실시예에서는, 실시예 1에서 설명한 도 8과 도 9의 처리 플로우를 따라 처리하고, 도 9의 화상 가공(S905)에 있어서 실시예 1에서 도 10의 플로우도를 이용하여 설명한 방법과 실시예 2에서 도 11의 플로우도를 이용하여 설명한 방법을 양쪽 모두 실시한다.
두 개의 실시예에서 설명한 방법을 양쪽 실시할 경우의 가공 처리의 플로우를 도 12에 나타낸다. 우선, 실시예 2에서 도 11의 플로우도에서 설명한 결함 클래스가 변화될 가능성이 있는 화상 합성 가공 처리를 실시하고(S1201), 다음으로, 실시예 1에서 도 10의 플로우도에서 설명한 결함 클래스를 변화시키지 않는 결함 클래스 불변 가공 처리를 실시한다(S1202). 여기에서, 도 12에서는, 화상 합성 가공 처리(S1201), 결함 클래스 불변 가공 처리(S1202)의 순서로 실시하고 있지만, 순서를 교체하여, 결함 클래스 불변 가공 처리(S1202), 화상 합성 가공 처리(S1201)의 순서로 실시해도 상관없다.
101: 결함 분류 장치
103: 화상 촬상 장치
109: 화상 기억부
110: 결함 클래스 기억부
112: 화상 가공부
113: 분류기 학습부
114: 화상 분류부
206: 시료 웨이퍼
301∼305: 하전 입자 검출기
S905: 화상 가공 처리
S906: 가공 화상 기억 처리
S907: 가공 화상 결함 클래스 기억 처리
S1008: 부수 정보 교체 처리
S1009: 결함 클래스 복제 처리
S1103: 화상 합성 처리
S1104: 합성 화상 결함 클래스 교시 처리

Claims (10)

  1. 시료를 촬상해서 얻어진 화상에 포함되는 상기 시료의 결함의 화상을 분류하는 결함 분류 장치로서,
    외부의 화상 취득 수단으로 취득한 시료의 화상을 기억하는 화상 기억부와,
    상기 시료의 화상에 포함되는 결함의 종류를 기억하는 결함 클래스 기억부와,
    상기 화상 기억부에 기억된 상기 시료의 화상으로부터 결함의 화상을 추출하고 당해 추출한 결함의 화상을 가공하여 복수의 결함 화상을 생성하는 화상 가공부와,
    상기 화상 가공부에서 추출한 상기 시료의 결함의 화상과 상기 생성한 복수의 결함 화상의 데이터를 이용하여 결함 분류기의 학습을 행하는 분류기 학습부와,
    상기 분류기 학습부에서 학습한 분류기를 이용하여 상기 화상 기억부에 기억한 상기 시료의 화상을 처리하여 상기 시료의 결함의 화상을 분류하는 결함 분류부
    를 구비한 것을 특징으로 하는 결함 분류 장치.
  2. 제1항에 있어서,
    상기 화상 가공부는, 상기 추출한 결함의 화상을 회전 처리, 또는 좌우 반전 처리, 또는 결함 화상의 종류를 바꾸지 않고 행하는 클래스 불변 변형 처리 중 어느 하나 또는 그것들을 조합하여 실시해서 상기 추출한 결함의 화상으로부터 새로운 결함의 화상을 생성하는 것을 특징으로 하는 결함 분류 장치.
  3. 제1항에 있어서,
    상기 화상 가공부는, 상기 추출한 결함의 화상을 확대, 또는 축소, 또는 어스펙트 변화 중 어느 하나의 처리 또는 그것들을 조합하여 실시해서 상기 추출한 결함의 화상으로부터 새로운 결함의 화상을 생성하는 것을 특징으로 하는 결함 분류 장치.
  4. 제1항에 있어서,
    상기 화상 가공부는, 상기 추출한 결함의 화상을 회전 처리, 또는 반전 처리, 또는 결함 화상의 종류를 바꾸지 않고 행하는 클래스 불변 변형 처리 중 어느 하나 또는 그것들을 조합하여 실시하는 것과, 상기 추출한 결함의 화상을 확대, 또는 축소, 또는 어스펙트 변화 중 어느 하나의 처리 또는 그것들을 조합하여 실시함으로써 상기 추출한 결함의 화상으로부터 새로운 결함의 화상을 생성하는 것을 특징으로 하는 결함 분류 장치.
  5. 제1항에 있어서,
    상기 분류기 학습부에 있어서 상기 결함 분류기의 학습에 상기 생성한 복수의 결함 화상의 데이터를 이용할지의 여부를 선택하는 선택부를 더 구비한 것을 특징으로 하는 결함 분류 장치.
  6. 시료를 촬상해서 얻어진 화상에 포함되는 상기 시료의 결함의 화상을 분류하는 결함 분류 방법으로서,
    외부의 화상 취득 수단으로 취득한 시료의 화상을 화상 기억부에 기억하고,
    상기 시료의 화상에 포함되는 결함의 종류를 결함 클래스 기억부에 기억하고,
    상기 화상 기억부에 기억된 상기 시료의 화상을 화상 가공부에서 가공하여 상기 시료의 화상으로부터 결함의 화상을 추출하고 당해 추출한 결함의 화상을 가공하여 복수의 결함 화상을 생성하고,
    상기 화상 가공부에서 추출한 상기 시료의 결함의 화상과 상기 생성한 복수의 결함 화상의 데이터를 이용하여 분류기 학습부에서 결함 분류기의 학습을 행하고,
    상기 분류기 학습부에서 학습한 분류기를 이용하여 상기 화상 기억부에 기억한 상기 시료의 화상을 결함 분류부에서 처리하여 상기 시료의 결함의 화상을 분류하는
    것을 특징으로 하는 결함 분류 방법.
  7. 제6항에 있어서,
    상기 화상 가공부에서 상기 추출한 결함의 화상을 가공하여 복수의 결함 화상을 생성하는 것을, 상기 추출한 결함의 화상을 회전 처리, 또는 좌우 반전 처리, 또는 결함 화상의 종류를 바꾸지 않고 행하는 클래스 불변 변형 처리 중 어느 하나 또는 그것들을 조합하여 실시해서 상기 추출한 결함의 화상으로부터 새로운 결함의 화상을 생성함으로써 행하는 것을 특징으로 하는 결함 분류 방법.
  8. 제6항에 있어서,
    상기 화상 가공부에서 상기 추출한 결함의 화상을 가공하여 복수의 결함 화상을 생성하는 것을, 상기 추출한 결함의 화상을 확대, 또는 축소, 또는 어스펙트 변화 중 어느 하나의 처리 또는 그것들을 조합하여 실시해서 상기 추출한 결함의 화상으로부터 새로운 결함의 화상을 생성함으로써 행하는 것을 특징으로 하는 결함 분류 방법.
  9. 제6항에 있어서,
    상기 화상 가공부에서 상기 추출한 결함의 화상을 가공하여 복수의 결함 화상을 생성하는 것을, 상기 추출한 결함의 화상을 회전 처리, 또는 반전 처리, 또는 결함 화상의 종류를 바꾸지 않고 행하는 클래스 불변 변형 처리 중 어느 하나 또는 그것들을 조합하여 실시하는 것과, 상기 추출한 결함의 화상을 확대, 또는 축소, 또는 어스펙트 변화 중 어느 하나의 처리 또는 그것들을 조합하여 실시하는 것에 의해 상기 추출한 결함의 화상으로부터 새로운 결함의 화상을 생성함으로써 행하는 것을 특징으로 하는 결함 분류 방법.
  10. 제6항에 있어서,
    상기 분류기 학습부에 있어서 상기 결함 분류기의 학습에 상기 생성한 복수의 결함 화상의 데이터를 이용할지의 여부를 선택부에서 선택하는 것을 특징으로 하는 결함 분류 방법.
KR1020187026379A 2016-05-24 2016-05-24 결함 분류 장치 및 결함 분류 방법 KR102195029B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/065299 WO2017203600A1 (ja) 2016-05-24 2016-05-24 欠陥分類装置および欠陥分類方法

Publications (2)

Publication Number Publication Date
KR20180113572A true KR20180113572A (ko) 2018-10-16
KR102195029B1 KR102195029B1 (ko) 2020-12-28

Family

ID=60412713

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187026379A KR102195029B1 (ko) 2016-05-24 2016-05-24 결함 분류 장치 및 결함 분류 방법

Country Status (4)

Country Link
US (1) US10810733B2 (ko)
KR (1) KR102195029B1 (ko)
TW (1) TWI647442B (ko)
WO (1) WO2017203600A1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210095014A (ko) * 2020-01-22 2021-07-30 라이트비전 주식회사 인공지능 기반 물질변형 검출 방법 및 시스템
KR102298708B1 (ko) * 2020-06-15 2021-09-07 한국생산기술연구원 검사 대상에 존재하는 결함을 검사하는 방법 및 이를 수행하는 장치들
KR20220026340A (ko) * 2020-08-25 2022-03-04 한국과학기술연구원 작물 영상 기반 작물 생육 계측 시스템, 및 방법
KR20220068705A (ko) * 2020-11-19 2022-05-26 한양대학교 산학협력단 영상 판단 장치 및 그 판단 방법

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017203600A1 (ja) * 2016-05-24 2017-11-30 株式会社日立ハイテクノロジーズ 欠陥分類装置および欠陥分類方法
US10699926B2 (en) * 2017-08-30 2020-06-30 Kla-Tencor Corp. Identifying nuisances and defects of interest in defects detected on a wafer
JP7062960B2 (ja) * 2018-01-12 2022-05-09 株式会社リコー 情報処理システム、プログラム、情報処理装置及び情報出力方法
JP7007993B2 (ja) * 2018-07-06 2022-01-25 東レエンジニアリング株式会社 ダイシングチップ検査装置
JP7137487B2 (ja) * 2019-01-22 2022-09-14 株式会社日立ハイテク 画像評価装置及び方法
JP7203678B2 (ja) * 2019-04-19 2023-01-13 株式会社日立ハイテク 欠陥観察装置
CN113785170B (zh) * 2019-05-08 2023-07-14 株式会社日立高新技术 图案测量装置以及测量方法
US20220222806A1 (en) * 2019-05-22 2022-07-14 Applied Materials Israel Ltd. Machine learning-based classification of defects in a semiconductor specimen
CN110689477B (zh) * 2019-09-07 2023-01-10 创新奇智(重庆)科技有限公司 一种通用的瑕疵图像模拟方法
CN111330871B (zh) * 2020-03-31 2023-03-28 新华三信息安全技术有限公司 一种品质分类方法及装置
US11967060B2 (en) * 2020-08-25 2024-04-23 Kla Corporation Wafer level spatial signature grouping using transfer learning
JP7408516B2 (ja) * 2020-09-09 2024-01-05 株式会社東芝 欠陥管理装置、方法およびプログラム
CN112749746A (zh) * 2021-01-12 2021-05-04 云南电网有限责任公司电力科学研究院 一种缺陷样本迭代更新方法、系统及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000105203A (ja) 1998-07-28 2000-04-11 Hitachi Ltd 欠陥検査装置およびその方法
JP2000200356A (ja) * 1999-01-08 2000-07-18 Hitachi Ltd 欠陥分類方法およびその装置
JP2003317082A (ja) * 2002-04-25 2003-11-07 Dainippon Screen Mfg Co Ltd 分類支援装置、分類装置およびプログラム
JP2006048370A (ja) * 2004-08-04 2006-02-16 Kagawa Univ パターン認識方法、それに用いられる教示データ生成方法およびパターン認識装置
JP2009164436A (ja) 2008-01-09 2009-07-23 Hitachi High-Technologies Corp 半導体欠陥検査装置ならびにその方法
JP2012083147A (ja) 2010-10-08 2012-04-26 Hitachi High-Technologies Corp 欠陥分類システム及び欠陥分類装置及び画像撮像装置
JP2012225768A (ja) * 2011-04-20 2012-11-15 Hitachi High-Technologies Corp 欠陥分類方法及び欠陥分類システム

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2986868B2 (ja) * 1990-03-14 1999-12-06 株式会社日立製作所 外観検査方法及びその装置
US5463459A (en) 1991-04-02 1995-10-31 Hitachi, Ltd. Method and apparatus for analyzing the state of generation of foreign particles in semiconductor fabrication process
JPH05149728A (ja) 1991-10-04 1993-06-15 Omron Corp 視覚認識装置
US5400135A (en) * 1993-06-08 1995-03-21 Nikon Corporation Automatic defect inspection apparatus for color filter
US5917332A (en) * 1996-05-09 1999-06-29 Advanced Micro Devices, Inc. Arrangement for improving defect scanner sensitivity and scanning defects on die of a semiconductor wafer
US6246787B1 (en) * 1996-05-31 2001-06-12 Texas Instruments Incorporated System and method for knowledgebase generation and management
US6292582B1 (en) * 1996-05-31 2001-09-18 Lin Youling Method and system for identifying defects in a semiconductor
JPH11282822A (ja) * 1998-03-26 1999-10-15 Toshiba Corp 画像処理プログラム合成方法及びその装置並びに最適解探索方法及びその装置
JP4267103B2 (ja) 1998-09-18 2009-05-27 株式会社日立製作所 外観画像分類装置およびその方法
JP2006337152A (ja) 2005-06-01 2006-12-14 Sharp Corp 教示用画像生成方法および装置、画像処理アルゴリズム生成方法および装置、画像検査方法および装置、プログラムならびに記録媒体
JP5156452B2 (ja) * 2008-03-27 2013-03-06 東京エレクトロン株式会社 欠陥分類方法、プログラム、コンピュータ記憶媒体及び欠陥分類装置
JP2014207110A (ja) 2013-04-12 2014-10-30 株式会社日立ハイテクノロジーズ 観察装置および観察方法
EP3007133B1 (en) * 2014-10-08 2018-06-20 OCE-Technologies B.V. Apparatus and method for defect detection in a printing system
US10650508B2 (en) * 2014-12-03 2020-05-12 Kla-Tencor Corporation Automatic defect classification without sampling and feature selection
WO2017203600A1 (ja) * 2016-05-24 2017-11-30 株式会社日立ハイテクノロジーズ 欠陥分類装置および欠陥分類方法
US10699926B2 (en) * 2017-08-30 2020-06-30 Kla-Tencor Corp. Identifying nuisances and defects of interest in defects detected on a wafer

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000105203A (ja) 1998-07-28 2000-04-11 Hitachi Ltd 欠陥検査装置およびその方法
JP2000200356A (ja) * 1999-01-08 2000-07-18 Hitachi Ltd 欠陥分類方法およびその装置
JP2003317082A (ja) * 2002-04-25 2003-11-07 Dainippon Screen Mfg Co Ltd 分類支援装置、分類装置およびプログラム
JP2006048370A (ja) * 2004-08-04 2006-02-16 Kagawa Univ パターン認識方法、それに用いられる教示データ生成方法およびパターン認識装置
JP2009164436A (ja) 2008-01-09 2009-07-23 Hitachi High-Technologies Corp 半導体欠陥検査装置ならびにその方法
JP2012083147A (ja) 2010-10-08 2012-04-26 Hitachi High-Technologies Corp 欠陥分類システム及び欠陥分類装置及び画像撮像装置
JP2012225768A (ja) * 2011-04-20 2012-11-15 Hitachi High-Technologies Corp 欠陥分類方法及び欠陥分類システム

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210095014A (ko) * 2020-01-22 2021-07-30 라이트비전 주식회사 인공지능 기반 물질변형 검출 방법 및 시스템
KR102298708B1 (ko) * 2020-06-15 2021-09-07 한국생산기술연구원 검사 대상에 존재하는 결함을 검사하는 방법 및 이를 수행하는 장치들
KR20220026340A (ko) * 2020-08-25 2022-03-04 한국과학기술연구원 작물 영상 기반 작물 생육 계측 시스템, 및 방법
KR20220068705A (ko) * 2020-11-19 2022-05-26 한양대학교 산학협력단 영상 판단 장치 및 그 판단 방법

Also Published As

Publication number Publication date
TWI647442B (zh) 2019-01-11
US20190139210A1 (en) 2019-05-09
TW201741651A (zh) 2017-12-01
US10810733B2 (en) 2020-10-20
KR102195029B1 (ko) 2020-12-28
WO2017203600A1 (ja) 2017-11-30

Similar Documents

Publication Publication Date Title
KR102195029B1 (ko) 결함 분류 장치 및 결함 분류 방법
JP4644613B2 (ja) 欠陥観察方法及びその装置
US8581976B2 (en) Method and apparatus for reviewing defects of semiconductor device
TWI512684B (zh) Defect observation method and defect observation device
JP5006520B2 (ja) 欠陥観察装置及び欠陥観察装置を用いた欠陥観察方法
US9311697B2 (en) Inspection method and device therefor
JP5715873B2 (ja) 欠陥分類方法及び欠陥分類システム
US8111902B2 (en) Method and apparatus for inspecting defects of circuit patterns
TWI515813B (zh) Charged particle - ray device
JP5292043B2 (ja) 欠陥観察装置及び欠陥観察方法
JP5325580B2 (ja) Ｓｅｍを用いた欠陥観察方法及びその装置
JP5722551B2 (ja) 欠陥検査方法及びその装置
KR20130108413A (ko) 하전 입자선 장치
JP4262288B2 (ja) パターンマッチング方法及び装置
US20230052350A1 (en) Defect inspecting system and defect inspecting method
WO2013008531A1 (ja) 走査電子顕微鏡、欠陥検査システム、および欠陥検査装置
JP2004260193A (ja) 回路パターンの検査方法及び検査装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant