KR20220000896A - 치수 계측 장치, 반도체 제조 장치 및 반도체 장치 제조 시스템 - Google Patents

치수 계측 장치, 반도체 제조 장치 및 반도체 장치 제조 시스템 Download PDF

Info

Publication number
KR20220000896A
KR20220000896A KR1020217018341A KR20217018341A KR20220000896A KR 20220000896 A KR20220000896 A KR 20220000896A KR 1020217018341 A KR1020217018341 A KR 1020217018341A KR 20217018341 A KR20217018341 A KR 20217018341A KR 20220000896 A KR20220000896 A KR 20220000896A
Authority
KR
South Korea
Prior art keywords
outline
dimension
movement
contour
learning
Prior art date
Application number
KR1020217018341A
Other languages
English (en)
Other versions
KR102659861B1 (ko
Inventor
푸슈 자오
다케시 오모리
유타카 오쿠야마
Original Assignee
주식회사 히타치하이테크
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 주식회사 히타치하이테크 filed Critical 주식회사 히타치하이테크
Publication of KR20220000896A publication Critical patent/KR20220000896A/ko
Application granted granted Critical
Publication of KR102659861B1 publication Critical patent/KR102659861B1/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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • 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
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/028—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring lateral position of a boundary of the object
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/507—Depth or shape recovery from shading
    • 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
    • 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
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
    • G01B2210/56—Measuring geometric parameters of semiconductor structures, e.g. profile, critical dimensions or trench depth
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Mechanical Treatment Of Semiconductor (AREA)
  • Wire Bonding (AREA)
  • Length-Measuring Devices Using Wave Or Particle Radiation (AREA)

Abstract

오퍼레이터의 판단을 필요로 하지 않고 윤곽의 어긋남을 자동적으로 보정하는 것이 가능한 치수 계측 장치를 제공한다. 학습용 단면 화상과, 학습용 단면 화상의 서로 다른 영역에 부여된 학습용 라벨을 취득하고, 학습용 단면 화상과 학습용 라벨을 사용해서 화상 영역 분할용 심층 학습 모델을 생성하는 모델 학습부(103)와, 모델을 새롭게 입력된 대상 화상에 적용하고, 독립한 영역 각각에 라벨을 부여하는 모델 추정부(104)와, 대상 화상과 모델 추정부에서 부여된 라벨을 사용해서 영역 각각의 윤곽을 검출하고, 영역의 윤곽에 대표점을 설정하고, 대표점 각각을 이동 규칙에 따라 이동시키고, 보정 완성 조건을 만족할 때까지 대표점의 이동을 반복하는 윤곽 보정부(105)와, 윤곽 보정부에서 보정한 윤곽을 사용해서 디바이스 단면 구조의 치수를 계측하는 치수 계측부(106)를 구비한다.

Description

치수 계측 장치, 반도체 제조 장치 및 반도체 장치 제조 시스템
본 발명은, 관찰 장치에 의해 취득한 디바이스의 단면 화상에 의해, 디바이스 구조의 치수를 자동적으로 계측 가능한 치수 계측 장치, 반도체 제조 장치, 및 반도체 장치 제조 시스템에 관한 것이다.
반도체 제조 프로세스 개발에 있어서, 반도체 디바이스의 단면 화상으로부터 형상 치수를 취득할 필요가 있어, 자동 치수 계측 기술이 개발되었다. 치수 계측 처리 중에, 계측 시점(始點)과 종점 등의 계측의 위치를 결정하기 위해, 계측 대상 영역의 윤곽을 검출하는 처리가 있다. 이 윤곽 검출 방법에서는, 수동으로 경계선을 그리는 방법과, 국소의 휘도 변화에 의거한 에지 검출 방법과, 심층 학습을 사용한 검출 방법 등이 있다.
어떠한 윤곽 검출 방법에서도, 검출한 윤곽은 실제의 윤곽으로부터 어긋날 가능성이 있다. 따라서, 이 어긋남을 포함하는 윤곽으로부터 계측한 디바이스 구조의 치수에 오차가 생긴다. 이 계측 오차를 저감하기 위해, 검출한 윤곽을 보정하는 처리가 유효할 것으로 생각된다.
특허문헌 1에는, 피검체의 의용(醫用) 화상에 있어서 생성한 윤곽에 가동점과 기준점을 설정하고, 가동점과 기준점의 위치 관계에 따라 가동점을 수정함으로써 윤곽을 보정하는 기술이 개시되어 있다.
일본국 특허공개 제2013-5983호 공보
특허문헌 1에 개시된 기술을 사용하면, 수동으로 조금씩 수정하는 것보다 용이하게 윤곽을 보정하는 것은 가능해진다. 그러나, 이 기술에서는, 윤곽 보정을 위해 대상 영역의 초기 설정이 필요하다. 의료 관계의 적용에서는, 화상 중에는 대상 영역을 1개만을 포함하고 있기 때문에 초기 설정이 불필요한 경우가 있지만, 반도체 디바이스의 단면 화상과 같은 복수의 서로 다른 대상 영역이 있는 경우는 보정할 수 없다.
또한, 특허문헌 1에 개시된 기술에서는, 윤곽에 설정한 가동점을 이동시켜 윤곽을 보정하지만, 이동의 방향, 거리 등, 가동점의 이동 방법에 대해서는 오퍼레이터에 의해 조작할 필요가 있다. 따라서, 윤곽 보정의 효과는 오퍼레이터의 주관 판단에 의존할 것으로 생각되며, 보정 처리에 시간이 걸리면, 오퍼레이터 경험이나 주관 판단에 의해 발생한 오차가 있다는 과제가 있다.
본 발명의 목적은, 상기한 과제를 해결하여, 보정 처리 과정에 오퍼레이터의 판단을 필요로 하지 않고 윤곽의 어긋남을 자동적으로 보정하는 것이 가능한 치수 계측 장치, 및 반도체 제조 장치, 및 반도체 장치 제조 시스템을 제공하는 것에 있다.
상기한 목적을 달성하기 위해, 본 발명은, 화상을 사용해서 계측 대상의 치수가 계측되는 치수 계측 장치에 있어서, 계측 대상의 윤곽에 있어서의 소정의 점을 기초로 소정의 요건을 만족할 때까지 윤곽의 이동이 반복되고, 이동이 반복된 윤곽을 사용해서 계측 대상의 치수가 계측되고, 소정의 요건은, 기계 학습을 사용해서 추정된 윤곽의 어긋남을 보정하는 요건인 치수 계측 장치를 제공한다.
본 발명의 치수 계측 장치에 있어서의 윤곽의 이동은, 기계 학습에 의해 윤곽이 추정된 후에 행해진다.
단면 화상으로부터 검출한 윤곽을 보정함으로써, 자동 치수 계측 처리의 계측 정밀도를 향상시키는 것이 가능해진다.
도 1은 각 실시예에 따른 반도체 제조 장치의 일 구성예를 나타내는 도면.
도 2는 실시예 1에 따른 치수 계측 처리의 일례를 나타내는 도면.
도 3은 실시예 1에 따른 윤곽 보정 효과예를 나타내는 도면.
도 4는 실시예 1에 따른 윤곽 보정 처리예를 나타내는 도면.
도 5는 실시예 1에 따른 윤곽 보정 처리 플로의 일례를 나타내는 도면.
도 6은 실시예 1에 따른 윤곽 검출 처리 플로의 일례를 나타내는 도면.
도 7은 실시예 1에 따른 대표점 이동 처리 플로의 일례를 나타내는 도면.
도 8은 실시예 1에 따른 휘도 프로파일의 일례를 나타내는 도면.
도 9는 실시예 2에 따른 복잡한 영역을 단순 형상으로 나누는 처리의 일례를 나타내는 도면.
도 10은 실시예 2에 따른 물체 검출을 포함하는 치수 계측 처리의 일례를 나타내는 도면.
본 발명의 실시형태는, 치수 계측 장치를 갖는 플라스마 처리 장치이다. 플라스마 처리 장치의 치수 계측 장치는, 프로세서와 메모리를 구비한 일반적인 컴퓨터로서, 프로그램에 따라 처리하는 소프트웨어의 설치여도 되고, 일반적인 컴퓨터가 아닌 전용의 하드웨어의 설치여도 된다.
또한, 컴퓨터에 전용의 하드웨어를 조립하고, 소프트웨어의 설치와 하드웨어의 설치를 조합해서 설치해도 된다. 치수 계측 장치는, 외부 접속되어도 되고, 다른 데이터 처리와 겸용되는 모듈로서 외부 접속되어도 된다. 이하, 각종 실시예에 대해 도면을 사용해서 설명한다.
또, 본 명세서에 있어서 이동 규칙을 이용하지만, 이동 규칙에는 복수의 규칙이 있다. 하나의 규칙에는, 휘도 프로파일, 휘도 프로파일에 대응하는 이동 방향의 판정 조건, 휘도 프로파일에 대응하는 이동 거리의 판정 조건을 포함한다. 치수 계측 장치가 대상으로 하는 SEM 화상과 재료나 형상의 관계로부터, 이 이동 규칙을 사전에 설정할 수 있다.
휘도 프로파일은, 복수의 규칙으로부터 1개의 적절한 규칙을 선택하기 위한 정보이고, 이동 방향은, 대표점이 중심(重心)을 향해 이동할지, 중심으로부터 멀어질지를 결정하고, 이동 거리는, 몇 개의 픽셀만큼 대표점을 이동시킬지를 결정한다. 이동 필요가 없는 경우는 0으로 된다.
[실시예 1]
실시예 1은 치수 계측 장치를 구비한 반도체 제조 장치인 플라스마 처리 장치의 실시예이다.
도 1에 나타내는 플라스마 처리 장치(1)는, 치수 계측 장치(10)와, 입출력 장치(11)와, 입력 장치(12)와, 출력 장치(13)와, 처리 조건 탐색 장치(14)와, 처리 장치(15)와, 평가 장치(16)를 갖는다.
플라스마 처리 장치(1)에는, 가공 형상 등의 목표 처리 결과와, 처리 장치에서 사용할 파라미터를 선택해서 입력 장치(12)로부터 입력하고, 목표 가공 형상을 부여하는 최적 처리 조건을 출력한다.
처리 조건 탐색 장치(14)는, 입력 장치(12)로부터 목표 가공 형상을 접수하고, 최적 처리 조건을 출력 장치(13)에 출력하는 장치이다.
입력 장치(12)는, GUI 등의 입력 인터페이스와, 카드 리더 등의 기억 매체 판독 장치를 구비하며, 처리 조건 탐색 장치(14)에 각종 데이터를 입력한다. 또한, 유저로부터 뿐만 아니라, 입출력 장치(11)로부터 치수 계측값도 마찬가지로 접수해, 처리 조건 탐색 장치(14)에 입력한다. 입력 장치(12)는, 예를 들면, 키보드, 마우스, 터치패널, 기억 매체 판독 장치 등을 포함한다.
출력 장치(13)는, 처리 조건 탐색 장치(14)로부터 전달받은 처리 조건을, 최적 처리 조건으로서 유저에게 표시한다. 표시하는 수단으로서는, 디스플레이에의 표시, 또는 파일로의 작성 등이다. 출력 장치(13)는, 예를 들면, 디스플레이, 프린터, 기억 매체 작성 장치 등을 포함한다.
처리 장치(15)는, 반도체 또는 반도체를 포함하는 반도체 디바이스를 처리하는 장치이다. 처리 장치의 처리의 내용은 특히 한정되지 않는다. 예를 들면, 리소그래피 장치, 성막 장치, 패턴 가공 장치를 포함한다. 리소그래피 장치에는, 예를 들면, 노광 장치, 전자선 묘화 장치, X선 묘화 장치를 포함한다. 성막 장치는, 예를 들면 CVD(Chemical Vapor Deposition), PVD(Physical Vapor Deposition), 증착 장치, 스퍼터링 장치, 열산화 장치를 포함한다. 패턴 가공 장치는, 예를 들면, 웨트 에칭 장치, 드라이 에칭 장치, 전자빔 가공 장치, 레이저 가공 장치를 포함한다.
처리 장치(15)는, 가공 조건 탐색 장치로부터 입력된 처리 조건에 의거해 반도체 또는 반도체 디바이스의 처리를 행하고, 평가 장치(16)에 전달한다.
평가 장치(16)는, 처리 장치(15)에서 처리된 반도체 또는 반도체 디바이스의 단면을 촬영해서, 처리 결과인 단면의 화상(17)을 취득한다. 평가 장치(16)는, SEM(Scanning Electron Microscope), TEM(Transmission Electron Microscope), 광학식 모니터를 사용한 가공 치수 계측 장치를 포함한다. 처리 장치(15)에서 처리된 반도체 또는 반도체 디바이스의 일부를 단편(斷片)으로 취출하고, 그 단편을 평가 장치(16)에 운반해서 계측해도 된다. 취득한 단면 화상(17)은, 입출력 장치(11)에 전달된다.
화상을 사용해서 계측 대상의 치수가 계측되는 치수 계측 장치(10)는, 계측 대상의 윤곽에 있어서의 소정의 점을 기초로 소정의 요건을 만족할 때까지 윤곽의 이동이 반복되고, 이동이 반복된 윤곽을 사용해서 계측 대상의 치수가 계측되며, 소정의 요건은, 기계 학습을 사용해서 추정된 윤곽의 어긋남을 보정하는 요건인 치수 계측 장치이다.
이 치수 계측 장치에 있어서는, 윤곽의 이동은, 기계 학습에 의해 윤곽이 추정된 후, 행해진다. 그리고, 이동이 반복된 윤곽을 학습 데이터로 하는 기계 학습에 의해 추정된 윤곽을 사용해서 계측 대상의 치수가 계측된다.
계측 대상인 디바이스의 단면 구조의 치수 계측 장치는, 학습용 단면 화상과, 학습용 단면 화상의 서로 다른 영역에 부여된 학습용 라벨을 취득하고, 학습용 단면 화상과 학습용 라벨을 사용해서 모델을 생성하는 모델 학습부와, 모델을 대상 화상에 적용하고, 독립한 영역 각각에 라벨을 부여하는 모델 추정부와, 대상 화상과 모델 추정부에서 부여된 라벨을 사용해서 영역 각각의 윤곽을 검출하고, 영역의 윤곽에 대표점을 설정하고, 대표점 각각을 이동 규칙에 따라, 보정 완성 조건을 만족할 때까지 윤곽의 이동을 반복하는 윤곽 보정부와, 윤곽 보정부에서 이동을 반복하는 것에 의해 보정한 윤곽을 사용해서 디바이스 단면 구조의 치수를 계측하는 치수 계측부를 구비하고 있다.
도 1에 나타내는 바와 같이, 치수 계측 장치(10)는, 중앙 처리부(101)와 데이터베이스(102)를 구비하고, 중앙 처리부(101)는, 기계 학습을 행하는 모델 학습부, 모델 추정부, 윤곽 보정부, 치수 계측부로서 기능한다. 중앙 처리부(101)는, 입출력 장치(11)를 통해서 입력된 특징점과 치수의 정의, 배율, 학습용 데이터 세트와 단면 화상을 접수하고, 단면 화상으로부터 소정의 치수를 계측해, 입출력 장치(11)에 출력한다.
입출력 장치(11)는, GUI 등의 입출력 인터페이스와 카드 리더 등 기억 매체 판독 장치를 구비하고, 치수 계측 장치(10)에 특징점과 치수의 정의, 배율, 학습용 데이터 세트를 입력한다. 또한, 평가 장치(16)로부터 단면 화상을 받아들여, 중앙 처리부(101)에 전달한다. 입출력 장치(11)는, 예를 들면, 키보드, 마우스, 디스플레이, 터치패널, 기억 매체 판독 장치 등을 포함한다. 또한, 치수 계측 장치(10)로부터 전달받은 치수값을, 유저에게 표시하거나, 혹은 직접 입력 장치(12)에 전송한다. 유저에게 표시할 경우, 그 수단은, 디스플레이에의 표시, 또는 파일로의 작성 등이다.
도 2는, 치수 계측 장치(10)에 있어서의 치수 계측 처리의 일례를 나타내는 도면이다. 치수 계측 장치(10)의 처리는, 모델 학습부(103), 모델 추정부(104), 윤곽 보정부(105), 치수 계측부(106) 등의 처리를 포함한다.
모델 학습부(103)는, 입력된 학습용 SEM 화상과 학습용 라벨을 사용해서 화상 영역 분할용의 심층 학습 모델을 생성하고, 모델 추정부(104)에 송신한다. 학습용 SEM 화상은 사전에 유저가 준비하는 것이며, 예를 들면, 1280×960의 그레이 스케일의 픽셀 행렬이다. 준비하는 화상의 수는, 심층 학습 알고리즘과 심층 네트워크의 구조에 따라 결정해도 된다. 학습용 라벨은 유저가 사전에 학습용 SEM 화상의 각 픽셀에 부여한 것이며, 예를 들면, 0, 1, 2 같은 숫자이다.
모델 학습부(103)는, 학습용 단면 화상과 학습용 라벨을 화상 분할의 심층 학습 방법에 입력해서 심층 학습 모델을 생성하고, 모델 추정부는, 이 모델을 대상 화상에 적용하고, 라벨을 부여한다.
예를 들면, 도 3에 나타내는 바와 같이 SEM 화상에는 진공(30), 마스크(31), 실리콘(32)의 3가지 종류의 영역이 있는 경우는, 각각에 숫자 0(진공), 숫자 1(마스크), 숫자 2(실리콘)를 라벨로 사용해서 표기한다. 여기에서 SEM 화상에 있는 독립한 영역의 수는 3개라고 할 수는 없다. 각 종류의 영역이 복수 존재할 가능성이 있다. 이 예에서는, 1매의 SEM 화상에 대해서 1280×960의 라벨 행렬이 생성되고, 라벨의 보존과 입출력의 형식은 심층 학습 알고리즘의 요구에 따라도 된다.
모델 추정부(104)는, 모델 학습부(103)에서 생성한 학습 모델을 입력된 SEM 화상에 적용하고, 그 화상의 라벨(예를 들면, 1280×960의 숫자 행렬)을 생성하고, 그 라벨을 윤곽 보정부(105)에 송신한다.
윤곽 보정부(105)는, 라벨 정보로부터 독립 영역의 윤곽을 추출하고, SEM 화상에 있는 휘도 정보를 사용해서 윤곽을 보정하고, 보정한 윤곽을 치수 계측부(106)에 송신한다.
이때, 적어도 1개의 휘도 프로파일과 대응하는 이동 규칙을 미리 지정해 두고, 윤곽 보정부(105)는, 이동하는 대표점과 중심(重心)을 지나는 직선으로부터 추출한 휘도 프로파일과 미리 지정한 휘도 프로파일을 비교해, 유사도가 가장 높은, 지정한 휘도 프로파일에 대응하는 이동 규칙을 적용한다. 그리고, 윤곽 보정부는, 모델 추정부에서 분할한 독립한 영역으로부터 윤곽을 추출하고, 순차 출력한다. 치수 계측부(106)는, 보정한 윤곽을 사용해서, 계측 대상 영역의 폭, 높이, 면적 등의 치수 정보를 계산해서 출력한다.
도 3을 사용해서는, 윤곽 보정 효과를 설명한다. 또, 도 3에는 1280×960의 SEM 화상의 일부만을 나타낸다. 본 실시예의 SEM 화상에는, 진공(30), 마스크(31), 실리콘(32)의 3가지 종류의 영역이 있다. 그리고, 마스크 종류에 대해, 복수의 서로 이어져 있지 않은 독립 영역이 있다. 3가지 마스크 영역을 둘러싼 흰 선(311, 312, 313)은, 모델 추정부에서 생성된 라벨 정보에 의거해서, 추출한 윤곽이다. 어긋남으로 표시하는 것은, 추출한 윤곽과 실제의 윤곽의 차이다. 윤곽 보정부(105)의 처리는, 도 3의 보정 전의 윤곽(311)과 보정 후의 윤곽(314)에 나타내는 바와 같이, 윤곽 어긋남을 보정하는 것이다.
또, 도 3의 SEM 화상에 있어서는, 3가지 종류의 영역이 있지만, 영역의 종류의 수는 3가지에 한하지 않고, n개의 종류의 영역이어도 된다. 즉, 학습용 라벨은, 대상 화상에 n개의 서로 다른 종류의 영역이 있을 경우에, n개의 서로 다른 숫자를 대상 화상의 각 픽셀에 부여하는 것에 의해 표기한다.
도 4는, 윤곽 보정 처리의 일례를 나타내는 도면이고, 초기 윤곽, 대표점 설정, 대표점 이동, 이동 완료로 이루어지는 일련의 처리로, 1개의 마스크 영역에 대한 윤곽 보정을 행한다. 즉, 모델 추정부(104)에서 생성한 라벨 정보에 의거해서, 1개의 마스크의 윤곽(40)을 추출한다. 이 윤곽(40)을 초기 윤곽이라 부른다. 이 윤곽(40)에 나타내는 바와 같이, 초기 윤곽은 그레이 표시된 실제의 마스크의 윤곽으로부터 어긋나 있다. 1개의 마스크의 윤곽 같은 단독 영역의 윤곽을 추출하는 처리의 필요성은 후술한다. 또한, 이 단독 영역의 윤곽을 추출하는 방법은 후술한다.
다음으로, 윤곽 보정을 위해, 우선 초기 윤곽에 복수의 대표점(41)을 설정하는 대표점 설정을 행한다. 보정 중과 보정 완료의 윤곽은, 대표점(41)과 대표점(41)을 잇는 직선으로 이루어진다. 도 4의 대표점 설정에서는, 일례로서 12개의 대표점을 나타내지만, 실제의 대표점의 수는 그보다 많아도 된다. 이들 대표점과 대표점 사이의 직선으로 표시한 윤곽과 초기 윤곽인 윤곽(40)을 비교하면, 대표점이 적어지면 적어질수록, 대표점으로 표시한 윤곽이 거칠어진다. 한편, 대표점이 많아지면, 보정의 처리 시간이 길어져, 인접하는 대표점의 위치 관계가 혼란할 가능성이 있다. 실제 처리에서는, 소정 간격으로 대표점을 설정해도 된다. 소정 간격은, 경험값의 5픽셀을 사용하거나, 유저에 의해 조정하는 것이 가능하다. 또한, 윤곽의 모든 픽셀 수의 소정의 비율(예를 들면, 25퍼센트)의 윤곽 픽셀을 랜덤하게 선택하고, 대표점으로서 설정해도 된다.
다음으로, 대표점 이동을 위해, 설정한 대표점을 사용해서 윤곽의 중심(重心)을 산출한다. 여기에서의 중심은, 대표점 좌표(x, y)의 평균값으로 계산한다. 중심은 추후의 보정 처리의 중요한 기준점이고, 독립 영역 각각의 중심을 각각 계산해야한다. 따라서, 독립 영역의 추출이 필요하며, 독립 영역의 추출을 위한 화상 영역 분할이 필요하다. 화상 분할하지 않고, 직접 윤곽(에지)을 검출하는 방법은 많이 있지만, 본 실시예에서는 영역 분할 처리를 행한다.
도 4의 대표점 이동에 나타내는 바와 같이, 윤곽 보정은 각 대표점(41)을 이동함으로써 행한다. 예를 들면, 대표점(P1)과 중심(42)을 지나는 직선을 따라 P1을 이동시킨다. 이동의 목적은, 대표점을 실제의 윤곽에 접근시켜서 어긋남을 보정하는 것에 있다. 그리고 대표점을 차례로 이동시킨다. 예를 들면, P1, P2, P3, P4 같은 차례로 모든 대표점을 이동시킨다. 모든 대표점을 최적인 위치, 환언하면 실제 윤곽으로 이동시키기 위해, 윤곽의 이동 처리를 반복한다. 최후의 이동 완료의 결과의 윤곽(43)을, 도 4의 이동 완료로 표시한다. 대표점의 이동 방향, 이동 거리의 결정에 대해서는 후술한다.
도 5는, 윤곽 보정의 처리 플로의 예를 나타내는 도면이다. 윤곽 보정부에 입력된 데이터는, SEM 화상을 분할한 영역 분할 결과(S50)이다. 본 실시예에서는, 그 결과에는, 1280×960의 SEM 화상과 1280×960의 라벨의 숫자 행렬을 포함한다. 라벨의 가능한 값은, 도 3에 대응하며, 숫자 0(배경), 숫자 1(마스크), 숫자 2(실리콘)이다.
우선, 윤곽 검출 처리로 라벨에 의해 윤곽에 속하는 픽셀을 검출한다(S51). 여기에서는, 예를 들면, 1개의 마스크 영역인 독립 영역의 윤곽을 검출해서 처리한다. 1개의 SEM 화상으로부터 복수의 독립 영역의 윤곽을 추출하기 위해, 차례로 1개씩 보정 처리를 행한다. 독립 영역의 추출 방법은 후술한다.
윤곽 보정부는, 대표점 각각의 좌표에 의해 윤곽의 중심을 계산하고, 이동하는 대표점과 중심의 위치 관계와, 이동하는 대표점과 중심을 지나는 직선으로부터 추출한 휘도 프로파일에 의해 이동 규칙을 선택해 대표점의 이동 방법을 결정한다. 또한, 윤곽 보정부는, 선택한 이동 규칙에 따라 이동 방향을 결정하고, 휘도 프로파일에 의해 이동 규칙을 선택하고, 선택한 이동 규칙으로부터 이동 거리를 결정한다.
이하는, 1개의 독립 영역의 윤곽 보정 처리를 설명한다. 전술한 대표점 설정의 기재와 같이, 등간격(5픽셀)으로 대표점을 설정한다(S52). 그리고, 대표점의 좌표의 평균에 의해 윤곽의 중심을 계산한다(S53). 좌표의 단위는 픽셀이고, 중심의 좌표는 계산한 평균값의 사사오입 후의 정수이다. 임의의 1개의 대표점을 선택한다. 선택한 대표점의 이동 방향과 이동 거리를 결정해서(S55), 대표점을 이동시킨다(S56). 미이동의 대표점이 있을 경우에 다음의 대표점을 선택한다(S54).
모든 대표점을 이동시킨 경우는(S57), 보정 완성 조건, 즉 정지 조건을 만족하는지의 여부를 판정한다(S58). 정지 조건은 대표점의 이동 거리의 합으로 판정한다. 예를 들면, 금번의 대표점의 이동 거리의 합이, 예를 들면 10 픽셀보다 작으면, 윤곽 보정을 완료한다(S59). 대표점의 이동 거리의 합이 10픽셀보다 큰 경우는, 중심 계산의 스텝으로 돌아가 한번 더 대표점 이동을 행한다.
도 6은, 윤곽 검출의 처리 플로의 예를 나타내는 도면이다. 동(同) 도면을 사용해서, 독립 영역의 윤곽의 추출 방법을 설명한다. 영역 분할 결과를 받아(S60), 라벨(1280×960의 숫자 행렬) 중에서, 예를 들면, 행렬의 왼쪽 위에서부터 차례로 각 픽셀을 체크하고, 숫자가 다른 인접 픽셀을 윤곽으로서 검출한다(S61). 모든 윤곽 픽셀을 「미처리」 상태로 설정한다(S62). 미처리의 윤곽 픽셀로부터 임의의 1개의 픽셀을 취출하고, 「처리 중」 상태로 설정한다(S63).
다음으로, 모든 처리 중의 윤곽 픽셀의 인접 윤곽 픽셀에, 미처리의 윤곽 픽셀이 있으면, 「처리 중」 상태로 설정한다(S64). 모든 처리 중의 윤곽 픽셀의 인접 윤곽 픽셀에 미처리의 윤곽 픽셀이 없을 때까지, 이 설정을 반복한다(S65). 그 결과, 최초에 취출한 윤곽 픽셀을 포함하는 독립 영역의 윤곽을 추출할 수 있다.
추출한 독립 영역의 윤곽 정보를 다음의 상기 대표점 설정 스텝에 출력하고, 윤곽 상태를 「처리 완료」로 설정한다(S67). 아직 미처리인 윤곽이 있으면(S68), 전의 스텝으로 돌아가, 다음 독립 영역의 윤곽을 추출하고, 없으면 완료한다(S69).
도 7은, 대표점 이동의 처리 플로의 예를 나타내는 도면이다. 대표점 설정의 결과(S70)로부터, 중심을 계산한다(S71). 그리고, 차례로 대표점을 이동시키지만, 이하는 1개의 대표점(예를 들면, 도 8의 P1)의 이동을 설명한다.
도 8에 나타내는 바와 같이, 대표점(P1)을 이동하는 대표점으로 한다(S72). 대표점(P1)과 중심을 지나는 직선을 따라, 휘도 프로파일을 추출한다(S73). 추출하는 휘도 프로파일의 길이는 도 8의 점선으로 나타내는 바와 같이, 실제의 윤곽 픽셀을 포함시키기 위해 길게 설정한다. 예를 들면, P1에 대해서 실제의 윤곽은 P1과 중심의 사이에 있지만, P4나 P5 같은 실제 윤곽은 중심과 대표점의 연장선에 있는 경우도 있다.
추출한 휘도 프로파일을 사전에 설정한 휘도 프로파일과 대조해, 대응하는 이동 규칙을 선택한다(S74). 예를 들면, 휘도 프로파일은 도 8의 휘도 프로파일 예 1 같이 중심 픽셀이 밝은 경우는, 이동 방향은 90% 중심 휘도의 픽셀을 향해서, 이동 거리는 대표점과 90% 중심 휘도의 픽셀의 거리의 0.25로 한다. 예를 들면, 휘도 프로파일은 도 8의 휘도 프로파일 예 2와 같이 중심 픽셀이 어두운 경우는, 이동 방향은 휘도 최대값의 픽셀을 향해서, 이동 거리는 대표점과 휘도 최대값의 픽셀의 거리의 0.25로 한다.
또, SEM 화상의 특징에 따라, 다른 규칙 설정과 파라미터 설정도 가능하다. 휘도 프로파일의 대조는, 일반의 화상 처리나 신호 처리의 패턴 매칭 방법을 이용해도 된다.
이동 규칙에 따라, 이동의 방향과 이동의 거리를 결정해서(S75∼S76), 대표점을 이동시킨다(S77). 그리고, 윤곽의 좋은 정밀도와 연속성을 유지시키기 위해, 대표점 이동 후에 대표점의 삽입과 삭제 처리를 행한다(S78). 예를 들면, 이동한 대표점은 인접한 대표점과의 거리가 2픽셀보다 작은 경우는, 이 대표점을 삭제한다. 이동한 대표점은 인접의 대표점과의 거리는 10픽셀보다 큰 경우는, 이 대표점과 인접 대표점의 한가운데에 새로운 대표점을 삽입한다(S79). 새로운 대표점은 다음의 보정 처리에서 이동시키기 때문에, 삽입 시에 실제 윤곽으로부터 어긋나도 상관없다.
상기 처리를 모든 대표점에 적용하고, 1회의 윤곽 보정을 완료한다(S80, S81).
또, 대표점의 이동 방향은, 휘도 프로파일 평활 후의 휘도 최대값의 좌표를 향해 이동한다. 또한, 대표점의 이동 거리는, 대표점과 휘도 프로파일 평활 후의 휘도 최대값의 거리의 1/2로 한다.
[실시예 2]
이 실시예에서는, 형상이 복잡한 영역이 있을 경우의 처리에 대해 설명한다. 설명이 없는 부분은 실시예 1과 같다. 본 실시예에 있어서, 모델 추정부는, 대상 화상을 분할한 후에, 형상이 복잡한 영역이 존재할 경우에, 물체 검출 심층 학습 방법을 사용해서 형상이 복잡한 영역을 복수의 단순 형상을 가지는 영역으로 분할한다.
여기에서 물체 검출 심층 학습 방법은, 학습용 단면 화상과 단순 형상을 가지는 물체의 위치 정보를 심층 학습 방법에 입력하고, 물체 검출 모델을 생성하고, 당해 모델을 입력된 대상 화상에 적용하고, 단순 형상을 가지는 물체의 위치를 검출하고, 검출한 물체의 위치에 따라 상기 형상이 복잡한 영역의 윤곽을 분할한다.
도 9는, 복잡한 영역을 단순 형상으로 나누는 처리의 예를 나타내는 도면이다. 도 9의 상단의 형상이 복잡한 대상 영역으로 나타내는 바와 같이, 아래의 실리콘 부분의 중심을 계산해도, 윤곽을 만족스럽게 보정할 수 없다. 대표점과 중심의 사이에 복수의 윤곽이 있을 가능성이 있다. 그에 반해, 도 9의 하단의 단순한 형상으로 나눈 결과로 나타내는 바와 같이, 단순한 형상으로 나눠서, 각각 윤곽 보정을 행한다.
도 10은, 물체 검출부를 포함하는 치수 계측 장치의 예를 나타내는 도면이다. 물체 검출부(107)는, 학습용 단면 SEM 화상과 학습용 물체 위치의 정보를 사용해서, 심층 학습 방법에 의해 물체 검출 모델을 생성한다. 여기에서, 단순 형상을 물체로 정의한다. 물체 위치는, 각 단순 형상의 위치를 나타내는 좌표(단위는 픽셀임)이다. 예를 들면, 어느 단순 형상을 둘러싸는 장방형의 왼쪽 위 모서리와 오른쪽 아래 모서리의 좌표로 표시해도 된다. 구체적인 형식은, 물체 검출 심층 학습 알고리즘의 요구에 따른다.
입력된 SEM 화상에 물체 검출 모델을 적용하고, 모든 단순 형상의 영역 좌표 정보를 출력한다. 그 좌표 정보와 검출한 독립 영역의 윤곽을 조합해, 복잡한 영역의 윤곽을 더 분할할 수 있다. 그리고, 다른 독립 영역과 마찬가지로 윤곽 보정 처리를 행한다.
본 발명은, 이상 설명한 실시예로 한정되는 것은 아니고, 다양한 변형예가 포함된다. 예를 들면, 전술한 실시예는, 본 발명을 알기 쉽게 설명하기 위해 상세히 설명한 것이고, 반드시 설명한 모든 구성을 구비하는 것으로 한정되는 것은 아니다. 또한, 각 실시예의 구성의 일부에 대해, 다른 실시예에 포함되는 구성을 추가·삭제·치환하는 것도 가능하다.
1: 플라스마 처리 장치, 10: 치수 계측 장치, 101: 중앙 처리부, 102: 데이터베이스, 103: 모델 학습부, 104: 모델 추정부, 105: 윤곽 보정부, 106: 치수 계측부, 107: 물체 검출부, 11: 입출력 장치, 12: 입력 장치, 13: 출력 장치, 14: 처리 조건 탐색 장치, 15: 처리 장치, 16: 평가 장치, 17: 화상

Claims (16)

  1. 화상을 사용해서 계측 대상의 치수가 계측되는 치수 계측 장치에 있어서,
    상기 계측 대상의 윤곽에 있어서의 소정의 점을 기초로 소정의 요건을 만족할 때까지 상기 윤곽의 이동이 반복되고,
    상기 이동이 반복된 윤곽을 사용해서 상기 계측 대상의 치수가 계측되고,
    상기 소정의 요건은, 기계 학습을 사용해서 추정된 윤곽의 어긋남을 보정하는 요건인 것을 특징으로 하는 치수 계측 장치.
  2. 제1항에 있어서,
    상기 윤곽의 이동은, 기계 학습에 의해 윤곽이 추정된 후, 행해지는 것을 특징으로 하는 치수 계측 장치.
  3. 제1항에 있어서,
    상기 이동이 반복된 윤곽을 학습 데이터로 하는 기계 학습에 의해 추정된 윤곽을 사용해서 계측 대상의 치수가 계측되는 것을 특징으로 하는 치수 계측 장치.
  4. 제2항에 있어서,
    상기 이동이 반복된 윤곽을 학습 데이터로 하는 기계 학습에 의해 추정된 윤곽을 사용해서 계측 대상의 치수가 계측되는 것을 특징으로 하는 치수 계측 장치.
  5. 제1항에 있어서,
    상기 소정의 점의 각각의 점을 사용해서 상기 윤곽의 중심(重心)이 구해지고,
    상기 이동하는 소정의 점과 상기 중심의 위치 관계와, 상기 이동하는 소정의 점과 상기 중심을 지나는 직선을 기초로 구해진 휘도 프로파일에 의해 이동 규칙이 선택되고,
    상기 이동 규칙은, 상기 소정의 점을 이동시키는 규준인 것을 특징으로 하는 치수 계측 장치.
  6. 제5항에 있어서,
    상기 선택된 이동 규칙에 따라 상기 소정의 점의 이동 방향이 정해지는 것을 특징으로 하는 치수 계측 장치.
  7. 제5항에 있어서,
    상기 선택된 이동 규칙에 따라 상기 소정의 점의 이동 거리가 정해지는 것을 특징으로 하는 치수 계측 장치.
  8. 제6항에 있어서,
    상기 구해진 휘도 프로파일에 가장 유사하고 미리 구해진 휘도 프로파일에 대응하는 상기 이동 규칙을 기초로 상기 소정의 점을 이동시키는 것을 특징으로 하는 치수 계측 장치.
  9. 제7항에 있어서,
    상기 구해진 휘도 프로파일에 가장 유사하고 미리 구해진 휘도 프로파일에 대응하는 상기 이동 규칙을 기초로 상기 소정의 점을 이동시키는 것을 특징으로 하는 치수 계측 장치.
  10. 제1항에 있어서,
    상기 윤곽은, 분할된 상기 계측 대상의 각각의 영역으로부터 구해지는 것을 특징으로 하는 치수 계측 장치.
  11. 제1항에 있어서,
    상기 계측 대상이 분할된 후, 상기 계측 대상의 복잡한 형상을 갖는 제1 영역이 존재할 경우, 상기 제1 영역이 상기 계측 대상의 복수의 단순한 형상을 갖는 제2 영역으로 분할되는 것을 특징으로 하는 치수 계측 장치.
  12. 제11항에 있어서,
    학습용 화상과 상기 단순한 형상의 위치 정보를 사용해서 생성된 모델에 상기 계측 대상의 화상을 입력하는 것에 의해서 추정된 상기 단순한 형상의 위치에 의해 상기 제1 영역의 윤곽이 분할되는 것을 특징으로 하는 치수 계측 장치.
  13. 화상을 사용해서 계측 대상의 치수가 계측되는 치수 계측 장치를 구비하고, 반도체 장치를 제조하는 반도체 제조 장치에 있어서,
    상기 치수 계측 장치에 의해, 상기 계측 대상의 윤곽에 있어서의 소정의 점을 기초로 소정의 요건을 만족할 때까지 상기 윤곽의 이동이 반복되고,
    상기 이동이 반복된 윤곽을 사용해서 상기 계측 대상의 치수가 계측되고,
    상기 소정의 요건은, 기계 학습을 사용해서 추정된 윤곽의 어긋남을 보정하는 요건인 것을 특징으로 하는 반도체 제조 장치.
  14. 제13항에 있어서,
    상기 반도체 장치가 형성되는 시료가 플라스마 처리되는 것을 특징으로 하는 반도체 제조 장치.
  15. 반도체 제조 장치와, 네트워크를 통해서 상기 반도체 제조 장치에 접속되고, 화상을 사용해서 계측 대상의 치수를 계측하는 치수 계측 처리가 실행되는 플랫폼을 구비하는 반도체 장치 제조 시스템에 있어서,
    상기 치수 계측 처리는,
    상기 계측 대상의 윤곽에 있어서의 소정의 점을 기초로 소정의 요건을 만족할 때까지 상기 윤곽의 이동을 반복하는 스텝과,
    상기 이동이 반복된 윤곽을 사용해서 상기 계측 대상의 치수를 계측하는 스텝을 갖고,
    상기 소정의 요건은, 기계 학습을 사용해서 추정된 윤곽의 어긋남을 보정하는 요건인 것을 특징으로 하는 반도체 장치 제조 시스템.
  16. 제15항에 있어서,
    상기 치수 계측 처리는, 상기 플랫폼에 구비된 애플리케이션으로서 실행되는 것을 특징으로 하는 반도체 장치 제조 시스템.
KR1020217018341A 2020-06-22 2020-06-22 치수 계측 장치, 반도체 제조 장치 및 반도체 장치 제조 시스템 KR102659861B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/024365 WO2021260765A1 (ja) 2020-06-22 2020-06-22 寸法計測装置、半導体製造装置及び半導体装置製造システム

Publications (2)

Publication Number Publication Date
KR20220000896A true KR20220000896A (ko) 2022-01-04
KR102659861B1 KR102659861B1 (ko) 2024-04-24

Family

ID=79282212

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217018341A KR102659861B1 (ko) 2020-06-22 2020-06-22 치수 계측 장치, 반도체 제조 장치 및 반도체 장치 제조 시스템

Country Status (6)

Country Link
US (1) US20230114432A1 (ko)
JP (1) JP7164716B2 (ko)
KR (1) KR102659861B1 (ko)
CN (1) CN114097067A (ko)
TW (1) TWI807346B (ko)
WO (1) WO2021260765A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023166748A1 (ja) * 2022-03-03 2023-09-07 東京エレクトロン株式会社 プロファイル検出方法及びプロファイル検出装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012002765A (ja) * 2010-06-21 2012-01-05 Hitachi High-Technologies Corp パターン寸法測定装置及び輪郭線形成装置
JP2013005983A (ja) 2011-06-27 2013-01-10 Hitachi Medical Corp 医用画像診断装置
EP3006893A1 (en) * 2014-10-10 2016-04-13 Hand Held Products, Inc. Methods for improving the accuracy of dimensioning-system measurements
JP2016166877A (ja) * 2016-04-05 2016-09-15 株式会社牧野フライス製作所 工具寸法の測定装置
JP2016173615A (ja) * 2013-06-24 2016-09-29 株式会社日立ハイテクノロジーズ 計測装置
JP2017049035A (ja) * 2015-08-31 2017-03-09 株式会社ミツトヨ 画像測定装置及びその制御プログラム

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6313918B1 (en) * 1998-09-18 2001-11-06 Zygo Corporation Single-pass and multi-pass interferometery systems having a dynamic beam-steering assembly for measuring distance, angle, and dispersion
US7221621B2 (en) * 2004-04-06 2007-05-22 College Of William & Mary System and method for identification and quantification of sonar targets in a liquid medium
US7858404B2 (en) * 2007-03-14 2010-12-28 Taiwan Semiconductor Manufacturing Company, Ltd. Measurement of overlay offset in semiconductor processing
JP4971050B2 (ja) * 2007-06-21 2012-07-11 株式会社日立製作所 半導体装置の寸法測定装置
WO2011013342A1 (ja) * 2009-07-27 2011-02-03 株式会社日立ハイテクノロジーズ パターン評価方法、その装置、及び電子線装置
CN103429985B (zh) * 2011-01-19 2016-10-19 诺威量测设备股份有限公司 用于光学测量具有通孔的图案化结构的方法
JP5948074B2 (ja) * 2012-02-13 2016-07-06 株式会社日立ハイテクノロジーズ 画像形成装置及び寸法測定装置
JP6027362B2 (ja) * 2012-07-26 2016-11-16 株式会社日立ハイテクノロジーズ 半導体の輪郭線データを広視野化する画像処理装置、及びコンピュータプログラム
US9142184B1 (en) * 2012-12-11 2015-09-22 The Mathworks, Inc. Speed function module and numerical minimization module for an active contour model
WO2014153570A2 (en) * 2013-03-15 2014-09-25 Transtar Group, Ltd New and improved system for processing various chemicals and materials
JP5799273B2 (ja) * 2013-10-02 2015-10-21 パナソニックＩｐマネジメント株式会社 寸法計測装置、寸法計測方法、寸法計測システム、プログラム
US9996925B2 (en) * 2013-10-30 2018-06-12 Worcester Polytechnic Institute System and method for assessing wound
US10748297B2 (en) * 2015-12-25 2020-08-18 Panasonic Intellectual Property Management Co., Ltd. Dimension measurement device, parcel locker system, and dimension measurement method
US10546790B2 (en) * 2016-03-01 2020-01-28 Asml Netherlands B.V. Method and apparatus to determine a patterning process parameter
US10458912B2 (en) * 2016-08-31 2019-10-29 Kla-Tencor Corporation Model based optical measurements of semiconductor structures with anisotropic dielectric permittivity
US11348269B1 (en) * 2017-07-27 2022-05-31 AI Incorporated Method and apparatus for combining data to construct a floor plan
US11483471B2 (en) * 2018-09-09 2022-10-25 Viewnetic Ltd. Inspection system for use in monitoring plants in plant growth areas
WO2021102291A1 (en) * 2019-11-21 2021-05-27 General Vibration Corporation Systems and methods for producing a pure vibration force from a synchronized dual array of eccentric rotating masses
US11037269B1 (en) * 2020-03-27 2021-06-15 Intel Corporation High-speed resume for GPU applications

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012002765A (ja) * 2010-06-21 2012-01-05 Hitachi High-Technologies Corp パターン寸法測定装置及び輪郭線形成装置
JP2013005983A (ja) 2011-06-27 2013-01-10 Hitachi Medical Corp 医用画像診断装置
JP2016173615A (ja) * 2013-06-24 2016-09-29 株式会社日立ハイテクノロジーズ 計測装置
EP3006893A1 (en) * 2014-10-10 2016-04-13 Hand Held Products, Inc. Methods for improving the accuracy of dimensioning-system measurements
JP2017049035A (ja) * 2015-08-31 2017-03-09 株式会社ミツトヨ 画像測定装置及びその制御プログラム
JP2016166877A (ja) * 2016-04-05 2016-09-15 株式会社牧野フライス製作所 工具寸法の測定装置

Also Published As

Publication number Publication date
WO2021260765A1 (ja) 2021-12-30
TW202201151A (zh) 2022-01-01
CN114097067A (zh) 2022-02-25
KR102659861B1 (ko) 2024-04-24
JPWO2021260765A1 (ko) 2021-12-30
JP7164716B2 (ja) 2022-11-01
US20230114432A1 (en) 2023-04-13
TWI807346B (zh) 2023-07-01

Similar Documents

Publication Publication Date Title
JP6872670B2 (ja) 寸法計測装置、寸法計測プログラム及び半導体製造システム
US9858659B2 (en) Pattern inspecting and measuring device and program
US11663713B2 (en) Image generation system
WO2014017337A1 (ja) マッチング処理装置、マッチング処理方法、及びそれを用いた検査装置
KR20220000896A (ko) 치수 계측 장치, 반도체 제조 장치 및 반도체 장치 제조 시스템
JP4085635B2 (ja) 輪郭抽出方法及びその装置及びそのプログラム
CN111627069A (zh) 圆点检测方法、终端和计算机可读存储介质
JP4951591B2 (ja) パターンの消失に対応したマッチング方式及びそれを用いた検査装置
JP6018802B2 (ja) 寸法測定装置、及びコンピュータープログラム
JP2002183739A (ja) 楕円検出方法及び楕円検出装置
US20230005157A1 (en) Pattern-edge detection method, pattern-edge detection apparatus, and storage medium storing program for causing a computer to perform pattern-edge detection
TWI767458B (zh) 圖案匹配裝置、圖案測定系統及非暫態電腦可讀媒體
CN113554585B (zh) 影像分析系统及影像分析方法
CN117036364B (zh) 图像处理方法及装置、存储介质、计算设备
JP3311551B2 (ja) イメージデータ入力処理方法およびその装置
JPH0492992A (ja) 文字切出し装置
CN115704783A (zh) 检测sem设备的测量误差的方法及对准sem设备的方法
Kang et al. Object mark segmentation algorithm using dynamic programming for poor quality images in automated inspection process
JP2000251075A (ja) 画像処理方法、画像処理装置および記録媒体

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)