KR20200046014A - 자동 결함 분류 - Google Patents

자동 결함 분류 Download PDF

Info

Publication number
KR20200046014A
KR20200046014A KR1020207001082A KR20207001082A KR20200046014A KR 20200046014 A KR20200046014 A KR 20200046014A KR 1020207001082 A KR1020207001082 A KR 1020207001082A KR 20207001082 A KR20207001082 A KR 20207001082A KR 20200046014 A KR20200046014 A KR 20200046014A
Authority
KR
South Korea
Prior art keywords
camera
suspected defects
image
subgroup
suspected
Prior art date
Application number
KR1020207001082A
Other languages
English (en)
Other versions
KR102309569B1 (ko
Inventor
메나쳄 레겐스버거
다니엘 부자글로
Original Assignee
캠텍 리미티드
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 캠텍 리미티드 filed Critical 캠텍 리미티드
Publication of KR20200046014A publication Critical patent/KR20200046014A/ko
Application granted granted Critical
Publication of KR102309569B1 publication Critical patent/KR102309569B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8867—Grading and classifying of flaws using sequentially two or more inspection runs, e.g. coarse and fine, or detecting then analysing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8867—Grading and classifying of flaws using sequentially two or more inspection runs, e.g. coarse and fine, or detecting then analysing
    • G01N2021/887—Grading and classifying of flaws using sequentially two or more inspection runs, e.g. coarse and fine, or detecting then analysing the measurements made in two or more directions, angles, positions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/10048—Infrared image
    • 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

자동 결함 분류 방법이 제공되며, 그 방법은 (i) 제1카메라가 물체의 적어도 제1영역에 대한 적어도 제1이미지를 획득하는 단계; (ii) 상기 적어도 제1이미지를 처리하여 상기 제1영역 내 의심 결함들의 그룹을 검출하는 단계; (iii) 상기 의심 결함 그룹을 처음 분류하는 제1분류 공정을 수행하는 단계; (iii) 분류 완료를 위해 상기 의심 결함들의 제1서브그룹이 제2카메라로부터 추가 정보 획득을 필요로 하는지 여부를 판단하는 단계; (iv) 상기 의심 결함들의 제1서브그룹이 상기 제2카메라로부터 추가 정보를 필요로 한다고 판단하면: (a) 상기 의심 결함들의 제1서브그룹에 대한 제2이미지들을 제2카메라로 획득하는 단계; 및 (b) 상기 의심 결함들의 제1서브그룹을 분류하는 제2분류 공정을 수행하는 단계를 포함한다.

Description

자동 결함 분류
관련출원
본 출원은 20017년 6월 14일자로 출원된 미국 특허 가출원 일련번호 62/519,516호에 대한 우선권을 주장한다.
발명의 분야
본 발명은 자동 결함 분류에 관한 것이다.
모든 산업에서, 특히, 첨단 정밀전자 산업에서 높은 수율은 경쟁력을 유지하는 관건이다. 매 생성분율(yield fraction)은 생산 단계에서 얻거나 잃는 능력에 극적인 영향을 줄 수 있다.
수율을 유지하고 꾸준히 개선하기 위해, 공장은 품질 보증 (QA) 목적 (어느 다이(die)가 양호하고 어느 것들이 불량한가) 및 공정 제어를 위해 검사에 투자해야 할 것이다.
효율적인 공정 제어 시스템은 초기 단계에서 이상(abnormality)을 인식할 수 있고, 따라서 품질 저하를 막고 공정 담당자가 교정 조치를 취할 수 있게 한다.
교정 조치를 빨리 취할수록, 공장 손실을 더 적어질 것이다.
본 발명이 해결하고자 하는 과제는 자동 결함 분류 방법, 그 장치, 및 컴퓨터로 독출가능한 비일시적인 기록매체를 제공하는 데 있다.
자동 결함 분류 방법이 제공되며, 그 방법은 (i) 제1 카메라가 물체의 적어도 제1 영역에 대한 적어도 제1 이미지를 획득하는 단계; (ii) 적어도 제1 이미지를 처리하여 상기 제1 영역 내 의심 결함들(suspected defects)의 그룹을 검출하는 단계; (iii) 상기 의심 결함들의 그룹을 처음 분류하는 제1 분류 공정을 수행하는 단계; (iii) 분류 완료를 위해 상기 의심 결함들의 제1 서브그룹이 제2 카메라로부터 추가 정보 획득을 필요로 하는지 여부를 판단하는 단계; (iv) 상기 의심 결함들의 제1 서브그룹이 상기 제2 카메라로부터 추가 정보를 필요로 한다고 판단하면: (a) 상기 의심 결함들의 제1 서브그룹에 대한 제2 이미지들을 제2 카메라로 획득하는 단계; 및 (b) 상기 의심 결함들의 제1 서브그룹을 분류하는 제2 분류 공정을 수행하는 단계를 포함한다.
본 발명은 첨부된 도면들과 함께 다음의 상세한 설명으로부터 완전하게 이해될 것이다.
도 1은 방법의 예를 도시한 것이다.
도 2는 시스템의 예를 도시한 것이다.
도 3은 시스템의 예를 도시한 것이다.
도 4는 시스템의 예를 도시한 것이다.
도 5는 참조 이미지 생성의 예를 도시한 것이다.
도 6은 결함 검출 과정의 예를 도시한 것이다.
도 7은 범프 및 그 주변에 대한 평면도 및 가상의 선을 따른 픽셀들의 그레이 레벨 분포를 도시한 것이다.
도 8은 범프 및 그 주변 이미지, 및 범프 파라미터들을 추출하기 위한 다양한 처리 단계들의 이미지들을 도시한 것이다.
도 9는 서로 다른 레시피(recipe) 규칙의 예들을 도시한 것이다.
도 10은 다양한 결정 규칙들을 도시한 것이다.
본 발명을 구현하는 장치는 대부분 당업자에게 알려진 광학 부품과 회로로 구성되었기 때문에, 회로의 세부사항들은 본 발명의 기저 개념에 대한 이해와 평가를 위해 그리고 본 발명의 가르침을 애매하게 하거나 미혹시키지 않도록 하기 위해 상술한 것처럼 필요하다고 고려된 것보다 더 넓은 범위로 설명되지는 않을 것이다.
다음 명세서에서, 본 발명은 실시예들의 특정 실시예들을 참조하여 설명될 것이다. 그러나 첨부된 청구범위에 기재된 바와 같은 본 발명의 광범위한 사상과 범위에서 벗어나지 않고 다양한 개조와 변형이 가능하다는 것은 명백할 것이다.
검사 기계들은 다양한 결함들 및 이상들을 체크할 수 있다. 그러나 명백한 인과관계를 얻기 위해, 이상 사항들(결함들)에 대한 분류가 필요하다.
예를 들어, 결함은 결함 있는 CMP 절차, 에칭 또는 오염 문제들에 의해 야기될 수 있다. 결함 분류 공정은 서로 다른 결함들을 구별할 수 있다.
수동 분류 공정이 수행될 수 있지만, 느리고 비용이 든다. 자동 결함 분류(Automatic Defect Classification, ADC)는 저렴하고 빠르게 작업할 수 있다. 최근 몇 년간, 머신 러닝 기술에서 몇 가지 큰 진보가 ADC 시스템을 사용한 가장 좋은 결과를 달성할 수 있게 한다.
그러나 많은 경우, 스캐닝하는 동안 사용되는 데이터는 서로 다른 결함들을 명백하게 분리하는 데 불충분하다. 예를 들어, - 빨강 - 색차가 나타나면, 구리층일 수 있지만, 블랙이면 단지 외부 물질일 수 있다.
그러나 검출 과정 이후 이 추가 데이터를 얻는 데는 시간과 자원이 필요하다.
다음을 포함할 수 있는 방법이 제공될 수 있다:
a. 척에 웨이퍼를 로딩
b. (고성능 스캐닝 카메라 등 - 흑백 카메라일 수 있는) 제1 카메라로 웨이퍼 이미지를 획득하여 처리용 컴퓨터에 전송한다. 이는 메인 획득 모듈(스캐너 모듈)(연속, 보통 우수한 속도를 갖지만 제2 카메라에 대한 감도는 떨어진다)로 웨이퍼를 스캐닝하는 단계를 포함한다.
c. 미리 정의된 검출 공정 세트를 사용하여 결함 위치를 찾아 컴퓨터에 저장한다.
d. 제1 분류 공정은 결함에 초기 클래스를 할당한다.
e. 검사 공정이 끝난 후, 결함들이 다시 로드된다 (컴퓨터 - 특히 컴퓨터의 결정 회로에 전달된다). 각 결함의 경우, 미리 정의된 규칙 (또는 임의의 다른 결정 공정)에 기반하여, 시스템은 추가 데이터가 필요한지를 자동으로 판단한다.
f. 그렇다면, 결함 위치가, (3d 프로파일러(profiler), IR 카메라, NIR 카메라, 또는 고배율 현미경일 수 있는) 칼라 카메라와 같은 제2 카메라 (검증 카메라)의 시야각 내로 이동되고, 결함에 대한 추가 데이터가 획득된다.
g. 완전한 데이터에 기반하여, 결함에 대한 최종 분류가 수행되고, 최종 클래스가 결함에 붙여진다.
h. 그런 다음, 데이터가 저장되고 (필요하다면 보고된다), 웨이퍼가 시스템으로부터 언로드(unload) 된다.
이 공정은 제조설비(FAB)가 고해상도와 결합된 고속 검사 시스템과 상세한 확인 시스템 정보를 갖게 한다. 검증 시스템을 (추가 데이터가 필요한 결함들에만) 선택적으로 적용하면 전체 공정의 속도가 증가한다.
둘 (또는 그 이상의) 분류 단계들을 결합하면, 동일한 로딩/언로딩 메커니즘을 사용하는 동안, 웨이퍼 처리 시간을 최적화하고 웨이퍼 상태에 대한 최종 종합 데이터를 얻게 된다.
이는 차례로 이전 단계에서 오류가 있는 경우에 빠르고 효과적인 조치가 수행되게 한다.
도 1은 자동 결함 분류 방법(900)을 도시한 것으로, 그 방법은:
웨이퍼를 로딩하는 904단계를 포함한다. 웨이퍼는 척에 로딩될 수 있다.
904단계에 이어 905단계에서, 908, 910, 912, 914 및 916단계가 완료될 때까지 웨이퍼를 척에 유지시킨다.
905단계에 이어 907단계에서는 웨이퍼를 언로딩한다.
그 방법은 또한 제1 카메라로 물체의 적어도 한 영역에 대한 적어도 하나의 제1 이미지를 획득하는 906단계를 포함할 수 있다. 적어도 한 영역은 전체 물체에 걸쳐있을 수 있거나, 물체의 하나 이상의 부분들을 포함할 수 있다.
906단계에 이어 908단계에서는 적어도 제1이미지를 처리하여 적어도 한 영역 내에서 의심 결함들 그룹을 검출할 수 있다.
908단계에 이어 910단계에서는 의심 결합들의 그룹을 처음 분류하는 제1 분류 공정이 수행될 수 있다.
910단계에 이어 912단계에서는 의심 결함들의 제1 서브그룹이 분류 완료를 위해 제2 카메라로부터의 추가 정보가 필요한지 여부를 판단한다.
912단계는 인간의 개입없이 실행될 수 있다.
판단 단계는 다음 중 적어도 하나에 대한 응답일 수 있다.
a. 제1 카메라 및 제2 카메라의 이미지 획득 파라미터들 간의 차. 이 이미지 획득 파라미터들은 주파수 (가시광 대(versus) IR, NIR, 칼라 대 흑백, 협대역 대 광대역), 해상도, 쓰루풋(throughput) 등을 포함할 수 있다.
b. 의심 결함들의 임계성 및/또는 중요성. (회로가 동작할 수 없게 하는 킬러 결함들(killer defects)과 같은) 보다 중요한 결함들이 더 많은 리소스들을 통해 조사될 수 있다.
c. 제1 분류 공정의 정확도
d. 제1 분류 공정의 신뢰도 및 제2분류 공정의 신뢰도 간 차. 신뢰도는 성공률, 오경보율(false alarm rate), 오양성비율(false positive rate) 등에 반영될 수 있다.
e. 결함 타입. 결합 타입은 상술한 모든 다른 요소들과 결합하여 설명될 수 있다. 예를 들어, 어떤 결함이 IR 방사를 사용하여 보다 신뢰성 있는 방식으로 검출되었다면, IR 카메라를 사용한 분류 공정의 신뢰도는 흑백 카메라를 사용한 분류 공정보다 높다.
912단계는 하나 이상의 914단계 실행 이점 (예를 들어 - 보다 신뢰성 있는 분류 공정), 하나 이상의 914단계 실행 장점 (예를 들어, 보다 높은 시간 소비) 을 설명할 비용함수를 계산하는 단계를 포함할 수 있고, 또한 제1 카메라의 (해상도와 같은) 제한들, 쓰루풋 고려 등과 관련된 파라미터들을 설명할 수 있다.
912단계의 답이 부정적이면, 912단계는 916단계로 진행한다.
912단계의 답이 긍정적이면, 912단계는 914단계로 진행한다.
914단계는:
a. 제2카메라로 의심 결함들의 제1 서브그룹에 대한 제2 카메라에 의한 제2 이미지들을 획득하는 단계.
b. 의심 결함들의 제1 서브그룹을 분류하기 위한 제2 분류 공정을 수행하는 단계를 포함한다.
914단계는 의심 결함들의 제1 서브그룹에 속하지 않는 의심 결함들의 이미지를 획득하지 않고 제2 이미지들을 획득하는 단계를 포함할 수 있다.
914단계에 이어 916단계에서는 분류 결과를 제공한다. 이는 분류 결과를 저장하는 단계, 분류 결과를 다른 시스템과 송수신하는 단계 등을 포함한다.
908, 910, 및 912단계 및 제2 분류 공정은 동일한 컴퓨터, 동일한 프로세서, 다른 컴퓨터, 다른 프로세서들, 검사 및 검증 시스템, 검사 및 검증 시스템 밖에 있는 하나 이상의 컴퓨터들에 의해 실행될 수 있다.
결합된 ADC
결합된 ADC 시스템은 웨이퍼 분석 시간을 최소화하도록 리소스들을 최적화하는 동안 효과적인 ADC 공정을 생성한다.
결합된 시스템은 다음을 포함할 수 있다:
a. 웨이퍼의 로딩/언로딩을 위한 웨이퍼 핸들링(handling) 시스템
b. 전체/부분 웨이퍼 검사를 위한 검사 모듈. 검사 모듈은 (검사 카메라와 같은) 제1 카메라를 포함한다.
c. 추가 데이터 획득 컴포넌트. 예를 들어 - 칼라 카메라, 적외선(IR) 카메라 또는 3D 프로파일러.
d. (프로세서라고도 하는) 데이터 분석용 컴퓨터.
e. 결과용 데이터 스토리지.
제1 카메라의 쓰루풋은 제2 카메라의 쓰루풋을 초과할 수 있다. 예를 들어, 2,3,4,5,6 이상의 요소만큼.
제1 카메라의 해상도는 제2 카메라의 해상도보다 더 거칠 수 있다. 예를 들어, 2,3,4,5,6 이상의 요소만큼.
제1 카메라는 하나 이상의 이미지 획득 파라미터 - 주파수 (가시광 대 IR, NIR, 칼라 대 흑백, 협대역 대 광대역), 해상도, 쓰루풋, 암시야(dark field) 대 명시야(bright field) 등 - 만큼 제2 카메라와 차이가 있을 수 있다.
제1 카메라는 흑백 카메라일 수 있고, 제2 카메라는 적외선 카메라, 근적외선 카메라 및 3차원 프로파일러 중 선택된다.
도 2는 (웨이퍼(90)와 같은) 물체 및 다음을 포함하는 시스템(101)을 도시한 것이다:
a. 스토리지부(190)
b. 컴퓨터(180)
c. 칼라 카메라(172)에 의해 반사 및/또는 산란되고 검출될 수 있는 방사로 물체를 비추는 칼라 조명(173) - 조명과 관련된 용어 “칼라”는 단순히 조명을 칼라 카메라와 연결한 것이다.
d. 칼라 카메라(172).
e. 칼라 카메라(172)에 앞서 위치한 칼라 광학계(171).
f. 검사 카메라(162)에 의해 반사 및/또는 산란되고 검출될 수 있는 방사로 물체를 비추는 검사 조명(163).
g. 검사 조명(162).
h. 검사 카메라(162)에 앞서 위치한 검사 광학계(161).
i. 척(150).
j. 척을 이동시키는 (이후 물체를 이동시키는) 스테이지(140).
k. 웨이퍼 핸들링 시스템(130). 이는 웨이퍼를 카세트 (또는 다른 인터페이스)를 페치(fetch)해서 척(150)에 위치시키는 로봇을 포함할 수 있다.
컴퓨터(180)는 이미지 처리, 결함 검출, 분류를 수행할 수 있고, 추가 분류가 필요한지 여부를 판단할 수 있는 하나 이상의 하드웨어 처리 회로들 (하나 이상의 프로세서들 등) 을 포함한다.
칼라 광학계(171) 및 검사 광학계(161)의 각 광학계는 렌즈들, 개구들(apertures), 빔 스플리터들, 편광판들, 콜리메이터들(collimators), 스캐너들 등 중 적어도 하나를 포함할 수 있다.
이 광학계들(칼라 광학계(171) 및 검사 광학계(161))은 집광 경로 및/또는 조명 경로에 사용될 수 있다. 따라서 - 이 광학계들은 칼라 조명(173) 및/또는 검사 조명(163)으로부터의 방사를 조작/지휘/제어/작용하는 데 사용될 수 있다.
칼라 광학계(171) 및 검사 광학계(161)는 하나 이상의 광학 부품들을 공유할 수 있지만, 임의의 광학 부품은 공유하지 않을 수 있고, 단일 광학 유닛 등에 결합될 수 있다.
칼라 조명(173) 및 검사 조명(163)은 하나 이상의 광학 부품들을 공유할 수 있지만, 임의의 광학 부품은 공유하지 않을 수 있고, 단일 조명 유닛에 결합될 수 있다.
각 분류 단계 전에 획득된 데이터/이미지들은 물체과 관련 카메라 사이 및/또는 관련 광학계들 및/또는 관련 조명들 사이에서의 이동 도입에 포함될 수 있다. 이동은 관련 카메라 및/또는 관련 광학계 및/또는 관련 조명을 이동시키는 스테이지(140) 및/또는 이동 메커니즘 (스캐너 등)에 의해 이뤄질 수 있다.
검사 카메라에 의해 물제의 적어도 한 영역에 대한 적어도 제1 이미지를 획득하는 단계는 제1 스캔 패턴을 사용하여 하나 이상의 영역을 스캐닝하는 단계를 포함할 수 있다.
칼라 카메라에 의해 의심 결함들의 제1 서브그룹에 대한 제2 이미지들을 획득하는 단계는 (하나의 결함에서 다른 결함으로 이동하는) - 제1 서브그룹의 의심 결함들이 칼라 카메라의 시야각 이내에 있도록 - 한 번에 하나 이상의 의심 결함들의 이동을 도입하는 단계를 포함할 수 있다.
도 3은 시스템(102)의 예를 도시한 것이다. 시스템(102)은 다음에서 시스템(101)과 다르다:
a. 시스템(102)은 시스템(101)의 칼라 카메라 및 검사 카메라와 다를 수 있는 제1 카메라(821) 및 제2 카메라(822)를 포함한다.
b. 시스템(102)은 칼라 조명(173) 및 검사 조명(163)과 다를 수 있는 제1 조명(211) 및 제2 조명(212)을 포함한다.
c. 시스템(102)은 이 카메라들에 앞서 위치한 공유 광학계(210)를 포함한다. 제1 및 제2 광학계는 제1 및 제2 카메라들에 앞서 위치할 수 있음이 주지되어야 한다.
시스템은 서로 다른 두 개보다 많은 카메라들을 포함할 수 있음이 주지되어야 한다. 따라서 - 두 개보다 많은 분류 세션들이 있을 수 있다. 추가적으로 또는 대안적으로, 임의의 분류 단계에 선행하여 그 분류하는 동안 사용될 데이터를 어느 카메라가 획득할 것인지를 선택하는 단계가 있을 수 있다. 초기 분류에 선행하는 결함 검출에 선행하여 어느 카메라가 그 결함 검출 단계 동안 처리될 이미지들의 획득에 사용될 것인지를 선택하는 단계가 있을 수 있다.
도 4는 시스템(103)의 예를 도시한 것이다. 시스템(103)은 다음에서 시스템(102)과 다르다:
a. 시스템(103)은 두 개 이상의 카메라들 - 첫 번째부터 N 번째 카메라들 (예를 들어 제1 카메라(821) 및 제N 카메라(828)) - 을 포함하고, 여기서 N은 2보다 크다.
도 4 또한 보다 세부 내용들 - (a) 하나 이상의 카메라들을 이동시키는 스캐너(125)를 도시하고, (b) 시스템을 제어하는 제어기(120)를 도시하고, (c) 분류기(182) 및 결함 검출기(181)를 포함하는 것으로서의 컴퓨터(18)를 도시한다. 제어기(120) 및/또는 스캐너(125) 및/또는 결함 검출기(18) 및/또는 분류기(182)는 시스템(101) 및 시스템(102)에 포함될 수 있다.
분류기(182)는 하나 이상의 분류 과정들을 수행하도록 프로그램되고 및/또는 구성 및 배열된 처리 회로이다.
결함 검출기(181)는 하나 이상의 결함 검출 과정들을 수행하도록 프로그램되고 및/또는 구성 및 배열된 처리 회로이다.
도 5 내지 10은 추가 데이터가 필요한 경우를 말하는 비제한적인 결정 규칙들의 예를 도시한다. 이 도면들은 참조 이미지가 어떻게 생성되고, 제1 이미지들이 어떻게 처리되는 것을 도시하고, 결함을 정의하는 일부 레시피 규칙들을 도시하며, 추가 데이터가 필요한 경우를 보인다.
도 5는 참조 이미지 생성의 예를 도시한 것이다.
웨이퍼(200)에서 일부 다이들이 선택된다. 그 선택은 임의의 방식으로 이뤄질 수 있다.
참조 다이는 선택된 다이들에 대한 이미지들(201, 202, 203, 및 204)에서 픽셀들의 특성들에 기반하여 생성된다. 각 픽셀의 특성들(예를 들어, 최솟값, 최댓값 및 공칭값)은 - 이미지들이 정렬된 후 - 다이들(201 내지 204)에 대한 이미지들 이내에 해당 픽셀들의 값들(그레이 레벨값들)에 기반한 것이다.
인덱스 i 및 j는 각 픽셀의 행과 열을 나타낸다.
a. 참조 이미지의 (i,j) 픽셀의 최솟값은 다이들(201 내지 204)에 대한 이미지의 (i,j) 픽셀들의 값들 중 최소 그레이 레벨값과 같다.
b. 참조 이미지의 (i,j) 픽셀의 최댓값은 다이들(201 내지 204)에 대한 이미지의 (i,j) 픽셀들의 값들 중 최대 그레이 레벨값과 같다.
c. 참조 이미지의 (i,j) 픽셀의 공칭값은 다이들(201 내지 204)에 대한 이미지의 (i,j) 픽셀들의 값들 중 중간 그레이 레벨값과 같다.
도 6은 결합 검출 과정의 예를 도시한 것이다.
결함 검출 과정은 다음을 포함한다:
a. 그래빙(grabbing, 222) - 물체의 영역 이미지를 획득 - 이미지(242) 참조.
b. 정렬(224) - 획득된 이미지 및 참조 이미지를 정렬.
c. 분할(226) - 결함 검출 과정은 의심 결함들을 나타낼 수 있는 (또는 그에 포함될 수 있는) 위치들(픽셀들)을 - 이미지(244) 내에 마크하고, 이 픽셀들은 흰색이다.
d. 블롭(blob) 분석(228) - 서로 연결된 의심 결함 픽셀들의 그루핑을 시도 - 의심 결함 픽셀들의 연속 정렬을 만든다. 이미지(246)에서 흰색의 선은 의심 결함 픽셀들에 의해 만들어진 블롭의 가장자리를 나타낸다.
e. 측정(230) - 하나 이상의 블롭 특성을 측정. 예를 들어, 블롭이 M 개의 픽셀들(B1,.., BM)을 포함한다고 가정하면, 다음의 속성들이 측정될 수 있다:
i. 결함 영역 - 픽셀 수 (M)
ii. 기준에서 결함 평균 편차 = Sum(Bi,j - Ri,j)/M, 여기서 Bi,j는 B1,...,BM에 속하고, (i,j)는 획득된 이미지 내 픽셀 위치, Ri,j는 참조 이미지의 (i,j) 번째 픽셀.
iii. 결함 위치는 블롭의 질량 중심(249)이다 (이미지(248) 참조).
임의의 다른 결함 분석이 사용될 수 있다.
도 7은 범프(250) 및 그 주변(252)에 대한 평면도, 및 범프와 그 주변을 통과하는 가상의 라인(253)을 따른 픽셀들의 그레이 레벨 분포(260)를 도시한 것이다.
도 8은 범프 및 그 주변, 그리고 및 범프 파라미터들을 추출하기 위한 다양한 처리 단계들의 이미지를 도시한 것이다.
범프 및 그 주변의 이미지에 대한 이미지 (270).
이미지는 서로 다른 위치에서 (서로 다른 각도에서 - 공통점으로부터 확장된 가장자리 및 선분들 간의 교차점에서) 범프의 가장자리들을 샘플링하여 처리된다 (272, 274단계).
다른 샘플들과 미리 정의된 양만큼 다른 샘플을 무시하여 범프의 추정치 - 재구성된 범프 서클(276)을 제공.
도 9는 서로 다른 레시피 규칙의 예들을 도시한 것이다.
이 예에서, 사이즈 xl은 x2보다 작고, x2는 x3보다 작고, x3는 x4보다 작다: xl<x2<x3<x4.
서로 다른 레시피 규칙은 결함들을 분류하는 데 사용된다.
이 규칙들은 다음의 경우 결함을 정의한다:
a. 결함(280)은 범프(250)를 접촉하고 (범프에서 거리가 0), 결함 사이즈는 x1을 초과한다.
b. 결함과 범프 간 거리는 범프의 직경인 0.25를 초과하지 않고, 결함 사이즈는 x2를 초과한다.
c. 결함은 먼지가 아니고, 결함과 범프 간 거리는 범프 직경인 0.25를 초과하며, 결함 사이즈는 x3를 초과한다.
d. 결함은 먼지가 아니고 결함 사이즈는 x4를 초과한다.
도 10은 다양한 결정 규칙들을 도시한 것이다.
이 결정 규칙들이 표(300)에 정렬되어 있다.
표(300)은 5개 열 - 결정(결함, 결함 아님, 의심 결함), 범프로부터의 거리, 결함 사이즈, (먼지 구별에 사용된 - 먼지가 고유의 GL을 가지기 때문에 - 보통 가장 어두운 GL) 평균 그레이 레벨, 및 (추가 데이터가 필요하다면 - 의심 결함이 의심 결함들의 제1 서브그룹에 속하는지 여부 - 추가 분류 과정을 필요로 하는) 추가 데이터 필요 여부 - 을 포함한다.
표(300)은 제1 카메라의 해상도인 용어 “해상도”를 포함한다. 거리 측정 및/또는 사이즈 측정이 해상도에 의해 제한되기 때문에 - 해상도는 불확실성을 도입한다.
제1 카메라에 의해 획득된 제1 이미지의 처리는 결함이 범프를 접촉하는지 여부에 대한 및 결함 사이즈에 대한 (Resolution의) 불확실성을 도입한다.
예를 들어, 표에서 나열된 제2 규칙을 참조하면 - 제1 이미지가 결함이 범프를 접촉하고 결함 사이즈가 (x1-Resolution) 및 (x1+Resolution) 사이에 있음을 가리킨다면, 결함은 의심 결함이고, - 예를 들어, 보다 높은 해상도 카메라를 사용, 결함이 범프를 접촉하는지 여부를 더 확실성 높게 결정할 수 있는 칼라 카메라를 사용하여 - 더 많은 정보가 획득되어야 한다.
예를 들어, 표에서 나열된 제3 규칙을 참조하면 - 제1 이미지가 결함과 범프 간 거리가 Resolution보다 낮고 결함 사이즈가 x1+Resolution을 초과함을 가리킨다면, 결함은 의심 결함이고, - 예를 들어, 보다 미세한 해상도 카메라를 사용, 결함이 범프를 접촉하는지 여부를 더 확실성 높게 결정할 수 있는 칼라 카메라를 사용하여- 더 많은 정보가 획득되어야 한다.
표에서 - “결함” 또는 “결함없음”의 결정은 제1 분류 처리 결과이고, “의심 결함”의 결정은 제2 이미지들의 획득 및 추가 분류 과정이 필요한 (의심 결함의 제1 서브그룹의) 의심 결함을 나타낸다.
용어 “제1 카메라”, “검사 카메라”, “흑백 카메라”는 상호 교환가능하게 사용된다.
용어 “제2 카메라”, “검증 카메라”, “칼라 카메라”는 상호 교환가능하게 사용된다.
용어 프로세서 및 컴퓨터는 상호 교환가능하게 사용된다.
이하의 상세한 설명에서는 본 발명의 완전한 이해를 제공하기 위해서 구체적 세부사항이 제공된다. 그러나 당업자는 본 발명이 이러한 구체적 세부사항 없이도 실시될 수 있음을 이해할 것이다. 다른 예에서, 공지의 방법, 절차 및 콤포넌트는 본 발명을 불명확하게 하지 않도록 하기 위해 상세히 설명되지 않았다.
설명의 단순성 및 명료성을 위해, 도면에서 도시된 구성요소들이 반드시 스케일링되어 도시될 필요는 없음이 이해될 것이다. 예를 들면, 일부 구성요소들의 크기는 명료성을 위해 다른 요소들에 비해 과장될 수 있다. 또한, 적절하다고 고려되는 경우에, 도면들 사이에서 대응하거나 유사한 구성요소를 나타내기 위해 참조번호가 반복될 수 있다.
명세서에서 시스템에 대한 임의 참조는 시스템에 의해 실행될 수 있는 방법에 준용하여 적용되어야 한다.
도시된 본 발명의 실시예들은 대부분 당업자들에게 공지된 전자부품 및 회로들을 사용하여 구현되기 때문에 본 발명의 개념들의 이해 및 인지를 위해서 및 본 발명의 지시(teaching)로부터 흐려지거나 빗나가지 않게 하기 위해, 세부내용들은 앞서 예시한 바와 같이 필요하다고 고려되는 것보다 더 큰 범위로 설명되지는 않을 것이다.
방법에 대한 명세서 내 참조는 그 방법을 실행할 수 있는 시스템에 준용하여 적용되어야 하고, 컴퓨터에 의해 실행되어 그 방법을 실행시키는 명령어들을 저장하는 비일시적인 컴퓨터 프로그램 제품에 준용하여 적용되어야 한다. 그 비일시적인 컴퓨터 프로그램 제품은 칩, 메모리 유닛, 디스크, 컴팩트 디스크, 비휘발성 메모리, 멤리스터(memristor), 광학 스토리지 유닛 등일 수 있다.
시스템에 대한 명세서 내 참조는 시스템에 의해 실행될 수 있는 방법에 준용하여 적용되어야 하고, 컴퓨터에 의해 실행되어 그 방법을 실행시키는 명령어들을 저장하는 비일시적인 컴퓨터 프로그램 제품에 준용하여 적용되어야 한다.
또한, 당업자는 상술한 동작들의 기능들간 경계는 단순한 예시임을 인식할 것이다. 복수의 동작들의 기능은 단일 동작으로 결합될 수 있고, 및/또는 단일 동작의 기능이 추가적인 동작들로 분산될 수 있다. 또한, 대안적인 실시예는 특별한 동작에 대한 복수의 예를 포함할 수 있고, 동작들의 순서는 다양한 다른 실시예들에서 변경될 수 있다.
따라서, 여기에서 도시된 아키텍쳐들은 단지 예시적이며, 사실상 동일한 기능을 달성하는 많은 다른 아키텍쳐들이 구현될 수 있음이 이해되어야 한다. 추상적인, 그러나 아직 명확한 의미에서, 동일한 기능을 달성하기 위한 컴포넌트들의 임의의 배열은 바람직한 기능이 달성되도록 효과적으로 "연관된다". 따라서, 특정 기능을 달성하도록 결합된 본 명세서의 임의의 2개의 컴포넌트들은 아키텍쳐 또는 중간 컴포넌트들에 관계없이, 바람직한 기능이 달성되도록 서로 “연관된" 것으로 보일 수 있다. 이와 같이, 이렇게 연관된 임의의 2개의 컴포넌트들은 서로에 대해 "동작가능하게 접속", 또는 "동작가능하게 커플링" 되어 바람직한 기능을 달성하는 것으로서 보일 수 있다.
그러나 다른 개조, 변형 및 대안도 가능하다.
따라서, 명세서와 도면은 한정적인 의미보다는 예시적인 것으로 간주되어야 한다.
용어 “포함하는(comprising)”은 “포함하는(including)”, “함유하는” 또는 “갖는”과 동의어(동일한 것임을 의미)이고, 포괄적이거나 제한을 두지 않고 추가적이고 나열되지 않은 요소들 또는 방법 단계들을 제외하지 않는다.
용어 “구성되는(consisting)”은 배타적이고 (정확히 언급된 것만 포함하며) 추가적이고 나열되지 않은 요소들 또는 방법 단계들을 배척한다.
용어 “필수적으로 구성되는”은 특정된 재료 또는 단계들, 및 기본적이고 새로운 특성들에게 물질적으로 영향을 미치지 않는 것들의 여지를 제한한다.
청구범위 및 명세서에서 용어 “포함하는(comprising)” (또는 “포함하는(including)” 또는 “함유하는”)에 대한 참조는 용어 “구성되는”에 준용하여 적용되어야 하고 “필수적으로 구성되는”에 준용하여 적용되어야 한다.
청구범위 및 명세서에서, 용어 “구성되는”에 대한 참조는 “포함하는(comprising)”에 준용하여 적용되어야 하고 “필수적으로 구성되는”에 준용하여 적용되어야 한다.
청구범위 및 명세서에서, 용어 “필수적으로 구성되는”에 대한 참조는 “포함하는(comprising)”에 준용하여 적용되어야 하고, “구성되는”에 준용하여 적용되어야 한다.
또한, 용어 “a” 또는 “an”는 하나 또는 하나 보다 많은 것으로 정의된다. 또한 청구항에서 “적어도 하나” 및 “하나 이상”과 같은 도입 어구들의 사용은, 부정관사 "a" 또는 "an" 에 의한 다른 청구항 요소의 도입이 그러한 도입된 청구항 구성요소를 포함하는 임의의 특정 청구항이, 동일한 청구항이 도입 어구 "하나 이상" 또는 "적어도 하나" 그리고 부정 관사 "a" 또는 "an" 를 포함할 때에도, 그러한 구성요소 하나만을 포함하는 발명으로 제한하는 것을 의미하는 것으로 해석되지 않아야 한다. 이는 정관사의 사용에 대해서도 동일하다. 달리 언급되지 않았다면, 용어 “제1” 및 “제2”는 그러한 용어들이 설명하는 구성요소들을 임의대로 구별하기 위해 사용되었다.
따라서 이 용어들은 그러한 구성요소들이 일시적인 또는 다른 우선순위를 지시하도록 의도될 필요는 없다. 단순히 특정 수단들이 서로 다른 종속 청구항에 인용된다는 것이 이러한 수단의 조합을 유리하게 사용할 수 없음을 나타내는 것은 아니다.

Claims (23)

  1. 제1 카메라로 물체의 적어도 한 영역에 대한 적어도 하나의 제1 이미지를 획득하는 단계;
    상기 적어도 하나의 제1 이미지를 처리하여 상기 적어도 한 영역 내에서 의심 결함들의 그룹을 검출하는 단계;
    상기 의심 결함들의 그룹을 처음 분류하기 위한 제1 분류 과정을 수행하는 단계;
    상기 의심 결함들의 제1 서브그룹이 분류 완료를 위해 제2 카메라로 추가 정보가 필요한지 여부를 판단하는 단계;
    상기 의심 결함들의 상기 제1 서브그룹이 상기 제2 카메라로부터 추가 정보를 필요로 한다고 판단되면:
    상기 제2 카메라로 상기 의심 결함들의 상기 제1 서브그룹에 대한 제2 이미지들을 획득하는 단계; 및
    의심 결함들의 상기 제1 서브그룹을 분류하기 위한 제2 분류 과정을 수행하는 단계를 포함하는, 자동 결함 분류 방법.
  2. 제1 항에 있어서, 의심 결함들의 상기 제1 서브그룹에 속하지 않는 의심 결함들의 이미지를 획득하지 않고 상기 제2 이미지들을 획득하는 단계를 포함하는, 자동 결함 분류 방법.
  3. 제1 항에 있어서, 상기 제1 카메라의 쓰루풋은 상기 제2 카메라의 쓰루풋을 초과하는, 자동 결함 분류 방법.
  4. 제1 항에 있어서, 상기 제1 카메라의 해상도는 상기 제2 카메라의 해상도보다 거친, 자동 결함 분류 방법.
  5. 제1 항에 있어서, 상기 제1 카메라는 흑백카메라이고, 상기 제2 카메라는 적외선 카메라, 근적외선 카메라 및 3차원 프로파일러 중에서 선택되는, 자동 결함 분류 방법.
  6. 제1 항에 있어서, 상기 적어도 하나의 제1 이미지를 획득하는 동안, 상기 제2 이미지들을 획득하는 동안, 및 상기 제1 이미지를 획득하는 단계와 상기 제2 이미지들을 획득하는 단계 사이에 상기 웨이퍼를 척에 유지하는, 자동 결함 분류 방법.
  7. 제1 항에 있어서, 상기 판단하는 단계는 상기 제1 카메라 및 상기 제2 카메라의 이미지 획득 파라미터들 간 차이에 대한 대응인, 자동 결함 분류 방법.
  8. 제1 항에 있어서, 상기 판단하는 단계는 상기 의심 결함들의 임계성에 대한 대응인, 자동 결함 분류 방법.
  9. 제1 항에 있어서, 상기 판단하는 단계는 상기 제1 분류 과정의 정확도에 대한 대응인, 자동 결함 분류 방법.
  10. 제1 항에 있어서, 상기 판단하는 단계는 인간의 개입이 없이 실행되는, 자동 결함 분류 방법.
  11. 제1 항에 있어서, 상기 판단하는 단계는 상기 제1 분류 과정의 의심 결함의 종류에 관한 신뢰도 및 상기 제2 분류 과정의 의심 결함의 종류에 관한 신뢰도 간 차에 대한 대응인, 자동 결함 분류 방법.
  12. 컴퓨터화된 시스템에 의해 실행되어 상기 컴퓨터화된 시스템이 다음의 단계들을 실행하게 하는 명령어들을 저장하는 비일시적인 컴퓨터 프로그램 제품에 있어서,
    제1 카메라로 물체의 적어도 한 영역에 대한 적어도 하나의 제1 이미지를 획득하는 단계; 적어도 하나의 제1 이미지를 처리하여 상기 적어도 한 영역 내에서 의심 결함들 그룹을 검출하는 단계; 의심 결함들의 그룹을 처음 분류하기 위한 제1 분류 과정을 수행하는 단계; 상기 의심 결함들의 제1 서브 그룹이 분류 완료를 위해 제2 카메라로부터의 추가 정보가 필요한지 여부를 판단하는 단계; 상기 의심 결함들의 상기 제1 서브그룹이 상기 제2 카메라로부터 추가 정보를 필요로 한다고 판단되면: 상기 제2 카메라로 상기 의심 결함들의 제1 서브그룹에 대한 제2 이미지들을 획득하는 단계; 및 상기 의심 결함들의 상기 제1 서브그룹을 분류하기 위한 제2 분류 과정을 수행하는 단계를 포함하는, 비일시적인 컴퓨터 프로그램 제품.
  13. 제12 항에 있어서, 상기 의심 결함들의 제1 서브그룹에 속하지 않는 의심 결함들의 이미지를 획득하지 않고 상기 제2 이미지들을 획득하는 단계를 포함하는, 비일시적인 컴퓨터로 독출가능한 매체.
  14. 제12 항에 있어서, 상기 제1 카메라의 쓰루풋은 상기 제2 카메라의 쓰루풋을 초과하는, 비일시적인 컴퓨터로 독출가능한 매체.
  15. 제12 항에 있어서, 상기 제1 카메라의 해상도는 상기 제2 카메라의 해상도보다 거친, 비일시적인 컴퓨터로 독출가능한 매체.
  16. 제12 항에 있어서, 상기 제1 카메라는 흑백카메라이고, 상기 제2 카메라는 적외선 카메라, 근적외선 카메라 및 3차원 프로파일러 중에서 선택되는, 비일시적인 컴퓨터로 독출가능한 매체.
  17. 제12 항에 있어서, 상기 적어도 하나의 제1 이미지를 획득하는 동안, 상기 제2 이미지들을 획득하는 동안, 및 상기 제1 이미지를 획득하는 단계와 상기 제2 이미지들을 획득하는 단계 사이에 상기 웨이퍼를 척에 유지하는, 비일시적인 컴퓨터로 독출가능한 매체.
  18. 제12 항에 있어서, 상기 판단하는 단계는 상기 제1 카메라 및 제2 카메라의 이미지 획득 파라미터들 간 차이에 대한 대응인, 비일시적인 컴퓨터로 독출가능한 매체.
  19. 제12 항에 있어서, 상기 판단하는 단계는 상기 의심 결함들의 임계성에 대한 대응인, 비일시적인 컴퓨터로 독출가능한 매체.
  20. 제12 항에 있어서, 상기 판단하는 단계는 상기 제1 분류 과정의 정확도에 대한 대응인, 비일시적인 컴퓨터로 독출가능한 매체.
  21. 제12 항에 있어서, 상기 판단하는 단계는 인간의 개입이 없이 실행되는, 비일시적인 컴퓨터로 독출가능한 매체.
  22. 제12 항에 있어서, 상기 판단하는 단계는 상기 제1 분류 과정의 의심 결함의 종류에 관한 신뢰도 및 상기 제2 분류 과정의 의심 결함의 종류에 관한 신뢰도 간 차에 대한 대응인, 비일시적인 컴퓨터로 독출가능한 매체.
  23. 자동 결함 분류 시스템에 있어서,
    물체의 적어도 제1 영역에 대해 적어도 하나의 제1 이미지를 획득하도록 구성 및 배열된 제1 카메라;
    제2 카메라;
    (i) 상기 적어도 하나의 제1 이미지를 처리하여 상기 적어도 하나의 영역 내에서 의심 결함 그룹을 검출; (ii) 상기 의심 결함 그룹을 처음 분류하는 제1 분류 과정을 수행; 및 (iii) 분류 완료를 위해 상기 의심 그룹의 제1 서브그룹이 제2 카메라로부터 추가 정보를 필요로 하는지 여부를 판단하도록 구성 및 배열된 적어도 하나의 프로세서;
    상기 의심 결함들의 상기 제1 서브그룹이 상기 제2 카메라로부터 추가 정보를 필요로 한다고 판단되면:
    상기 제2 카메라는 상기 의심 결함들의 제1 서브그룹에 대한 제2 이미지들을 획득하도록 구성 및 배열되고; 및
    상기 적어도 하나의 프로세서는 상기 의심 결함의 제1 서브그룹을 분류하는 제2 분류 과정을 수행하도록 구성 및 배열되는, 자동 결함 분류 시스템.
KR1020207001082A 2017-06-14 2018-06-14 자동 결함 분류 KR102309569B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762519516P 2017-06-14 2017-06-14
US62/519,516 2017-06-14
PCT/IB2018/054382 WO2018229709A1 (en) 2017-06-14 2018-06-14 Automatic defect classification

Publications (2)

Publication Number Publication Date
KR20200046014A true KR20200046014A (ko) 2020-05-06
KR102309569B1 KR102309569B1 (ko) 2021-10-07

Family

ID=64659831

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207001082A KR102309569B1 (ko) 2017-06-14 2018-06-14 자동 결함 분류

Country Status (5)

Country Link
US (2) US11300521B2 (ko)
KR (1) KR102309569B1 (ko)
CN (1) CN111213045B (ko)
TW (1) TWI778078B (ko)
WO (1) WO2018229709A1 (ko)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109752394B (zh) * 2019-01-28 2021-10-29 凌云光技术股份有限公司 一种显示屏缺陷高精度检测方法及系统
US11294162B2 (en) 2019-02-07 2022-04-05 Nanotronics Imaging, Inc. Fluorescence microscopy inspection systems, apparatus and methods with darkfield channel
CA3140559A1 (en) * 2019-06-05 2020-12-10 Luc Perron Automated inspection method for a manufactured article and system for performing same
TWI710762B (zh) * 2019-07-31 2020-11-21 由田新技股份有限公司 基於影像的分類系統
GB2588892A (en) * 2019-10-23 2021-05-19 Airbus Operations Ltd Analysing a vehicle surface
TWI724590B (zh) * 2019-10-25 2021-04-11 精信精密工業股份有限公司 自動缺陷檢測系統及檢測方法
US11430105B2 (en) * 2020-06-15 2022-08-30 Mitutoyo Corporation Workpiece inspection and defect detection system including monitoring of workpiece images
CN111753794B (zh) * 2020-06-30 2024-02-27 创新奇智(成都)科技有限公司 水果品质分类方法、装置、电子设备及可读存储介质
CN112881419B (zh) * 2021-05-06 2024-01-30 高视科技(苏州)股份有限公司 芯片检测方法、电子设备及存储介质
CN117218125B (zh) * 2023-11-09 2024-05-03 荣耀终端有限公司 显示屏缺陷的检测方法、设备、存储介质、装置及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101104665B1 (ko) * 2003-03-26 2012-01-13 가부시키가이샤 니콘 기판 검사 시스템, 기판 검사 방법 및 기판 검사 장치
JP2013077127A (ja) * 2011-09-30 2013-04-25 Dainippon Screen Mfg Co Ltd 画像分類装置および画像分類方法
WO2016121628A1 (ja) * 2015-01-28 2016-08-04 東レエンジニアリング株式会社 ワイドギャップ半導体基板の欠陥検査方法及び欠陥検査装置
JP2016183978A (ja) * 2009-01-13 2016-10-20 セミコンダクター テクノロジーズ アンド インストゥルメンツ ピーティーイー リミテッド ウェーハを検査するためのシステム及び方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5172421A (en) * 1991-03-27 1992-12-15 Hughes Aircraft Company Automated method of classifying optical fiber flaws
FR2761476B1 (fr) 1997-03-28 1999-06-11 Lorraine Laminage Procede d'inspection de surface d'une bande en defilement par classification prealable d'irregularite de surface detectee
IL131092A (en) 1999-07-25 2006-08-01 Orbotech Ltd Optical inspection system
US6577757B1 (en) 1999-07-28 2003-06-10 Intelligent Reasoning Systems, Inc. System and method for dynamic image recognition
AU2000270373A1 (en) * 2000-09-10 2002-03-22 Orbotech Ltd. Reduction of false alarms in pcb inspection
JP3978098B2 (ja) * 2002-08-12 2007-09-19 株式会社日立製作所 欠陥分類方法及びその装置
DE10323139A1 (de) 2003-05-22 2004-12-23 Leica Microsystems Jena Gmbh Verfahren und Vorrichtung zum Hochauflösenden Fehlerfinden und Klassifizieren
US7570800B2 (en) * 2005-12-14 2009-08-04 Kla-Tencor Technologies Corp. Methods and systems for binning defects detected on a specimen
IL191885A0 (en) * 2007-06-03 2009-02-11 Camtek Ltd Multiple
US10197505B2 (en) 2007-08-22 2019-02-05 Camtek Ltd. Method and system for low cost inspection
US8805054B2 (en) * 2008-12-23 2014-08-12 Hermes Microvision, Inc. Method and system of classifying defects on a wafer
JP5537282B2 (ja) * 2009-09-28 2014-07-02 株式会社日立ハイテクノロジーズ 欠陥検査装置および欠陥検査方法
TWI532116B (zh) 2010-04-11 2016-05-01 肯提克有限公司 晶圓對齊方法及系統
US8699784B2 (en) * 2010-08-10 2014-04-15 Camtek Ltd. Inspection recipe generation and inspection based on an inspection recipe
WO2014117870A1 (en) * 2013-02-04 2014-08-07 Me-Inspection Sk Method, measuring arrangement and system for inspecting a 3-dimensional object
TWI525317B (zh) 2013-10-08 2016-03-11 國立清華大學 整合影像分析與資料挖礦之自動光學檢測缺陷影像分類方法
EP3148177A4 (en) * 2014-10-22 2018-01-24 Yulong Computer Telecommunication Technologies (Shenzhen) Co., Ltd. Image generation method based on dual camera module and dual camera module
JP6654805B2 (ja) * 2015-03-12 2020-02-26 日東電工株式会社 配線回路基板の製造方法および検査方法
US9922269B2 (en) * 2015-06-05 2018-03-20 Kla-Tencor Corporation Method and system for iterative defect classification
US10523855B2 (en) 2015-09-24 2019-12-31 Intel Corporation Infrared and visible light dual sensor imaging system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101104665B1 (ko) * 2003-03-26 2012-01-13 가부시키가이샤 니콘 기판 검사 시스템, 기판 검사 방법 및 기판 검사 장치
JP2016183978A (ja) * 2009-01-13 2016-10-20 セミコンダクター テクノロジーズ アンド インストゥルメンツ ピーティーイー リミテッド ウェーハを検査するためのシステム及び方法
JP2013077127A (ja) * 2011-09-30 2013-04-25 Dainippon Screen Mfg Co Ltd 画像分類装置および画像分類方法
WO2016121628A1 (ja) * 2015-01-28 2016-08-04 東レエンジニアリング株式会社 ワイドギャップ半導体基板の欠陥検査方法及び欠陥検査装置

Also Published As

Publication number Publication date
TW201908716A (zh) 2019-03-01
CN111213045B (zh) 2022-07-01
TWI778078B (zh) 2022-09-21
KR102309569B1 (ko) 2021-10-07
US20200141879A1 (en) 2020-05-07
CN111213045A (zh) 2020-05-29
US11300521B2 (en) 2022-04-12
WO2018229709A1 (en) 2018-12-20
US20220214287A1 (en) 2022-07-07

Similar Documents

Publication Publication Date Title
KR102309569B1 (ko) 자동 결함 분류
US10901402B2 (en) Closed-loop automatic defect inspection and classification
CN106662538B (zh) 重复缺陷检测
JP6618478B2 (ja) 射影画像を用いた自動インライン検査及び計測
US20140105482A1 (en) Detecting Defects on a Wafer Using Defect-Specific Information
US20010028734A1 (en) System and method for selection of a reference die
KR102352701B1 (ko) 투명 또는 반투명 웨이퍼 상에서의 결함 검출
US11788973B2 (en) Defect inspection device and defect inspection method
US20020001405A1 (en) Defect inspection method and defect inspection apparatus
TWI731975B (zh) 用於缺陷偵測之系統及方法
KR102177187B1 (ko) 노이즈 경계 임계값에 의한 웨이퍼 검사 시스템 및 방법
KR20180117708A (ko) 제조된 컴포넌트 결함을 국부 적응 문턱값을 사용하여 식별하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품
JP2015203586A (ja) 検査方法
US20230222646A1 (en) Automated visual-inspection system
US10466179B2 (en) Semiconductor device inspection of metallic discontinuities
KR20180027637A (ko) 범위 기반 실시간 스캐닝 전자 현미경 비시각적 비너
Chen et al. An automatic optical system for micro-defects inspection on 5 surfaces of a chip
JP5034923B2 (ja) ウェルドラインの検査装置、検査方法ならびに樹脂成型品の製造方法
KR20230148710A (ko) 반도체 소자 검사 계측 장치 및 방법
JP2012150106A (ja) 検査装置
TW202338331A (zh) 雷射退火圖案抑制
JP2022138855A (ja) 半導体チップの検査方法及び装置
TW202113337A (zh) 用於具有光學檢查之製程監控的方法
SG185301A1 (en) System and method for inspecting a wafer

Legal Events

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