TW201514927A - 適應性局部臨限及色彩篩選 - Google Patents
適應性局部臨限及色彩篩選 Download PDFInfo
- Publication number
- TW201514927A TW201514927A TW103127350A TW103127350A TW201514927A TW 201514927 A TW201514927 A TW 201514927A TW 103127350 A TW103127350 A TW 103127350A TW 103127350 A TW103127350 A TW 103127350A TW 201514927 A TW201514927 A TW 201514927A
- Authority
- TW
- Taiwan
- Prior art keywords
- pixels
- wafer
- local
- defect
- defects
- Prior art date
Links
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20076—Probabilistic image processing
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
Abstract
本發明提供使用適應性局部臨限及色彩篩選來偵測一晶圓上之缺陷之方法及系統。一種方法包含:判定使用一檢測系統所產生之一晶圓之輸出中之像素的局部統計資料;基於該等局部統計資料來判定像素的哪些係離群點;及比較該等離群點與圍繞該等離群點之該等像素,以識別不屬於離群點之一群集之作為缺陷候選者之該等離群點。該方法亦包含:判定該等缺陷候選者之該等像素與圍繞該等缺陷候選者之該等像素之間之一色彩差異之一值。該方法進一步包含:識別具有大於或等於一預定值之該色彩差異之一值之作為擾亂點缺陷之該等缺陷候選者;及識別具有小於該預定值之該色彩差異之一值之作為真實缺陷之該等缺陷候選者。
Description
本發明大體上係關於使用適應性局部臨限及色彩篩選來偵測一晶圓上之缺陷。
不允許以下描述及實例憑藉此【先前技術】中之其等之內含物而成為先前技術。
在一半導體製程期間在各種步驟中使用檢測程序以偵測晶圓上之缺陷,從而促進製程中之更高良率且因此更高利潤。檢測已成為製造半導體器件(諸如IC)之一重要部分。然而,隨著半導體器件之尺寸之減小,檢測對於成功製造可接受之半導體器件變得甚至更重要,此係因為更小的缺陷可導致器件故障。
檢測程序大體上偵測實際上係晶圓上之擾亂點缺陷或雜訊之大量潛在缺陷。此項技術大體上使用之如術語之擾亂點缺陷可被定義為使用者不關心之在晶圓上所偵測之缺陷或被定義為經偵測為缺陷但不是任何種類之實際缺陷之事件。例如,擾亂點缺陷可為經偵測為缺陷但是歸因於對晶圓執行之一程序中之變動(其等不對在晶圓上製造之器件產生任何影響)之一晶圓之影像中之實際色彩變動之事件。因此,偵測此等擾亂點缺陷及將其等報告為實際缺陷給一使用者具有諸多缺點,諸如使得混淆一使用者關心之實際缺陷及/或影響檢測結果中之依一有意義的方式之器件製造、混淆程序控制嘗試以校正一使用
者關心之實際缺陷,及使得使用者依若干方式而改變晶圓檢測程序從而減少使得少數所關注缺陷被偵測之擾亂點缺陷之偵測。
由於將由最多每一檢測程序偵測擾亂點缺陷,所以已開發諸多檢測程序,其中執行缺陷偵測且接著依一些方式而篩選所偵測之缺陷以分離所關注缺陷與擾亂點缺陷。例如,當存在使得擾亂點缺陷被偵測之一晶圓之影像中之色彩變動時,缺陷大小或能量屬性已被用於嘗試解諧色彩變動。可在已將像素旗標為缺陷候選者之後計算大小及能量屬性。大小及能量屬性兩者在一定程度上皆可運用在擾亂點篩選,但可能無法在不捨棄更小更重要的所關注缺陷之情況下達成所要擾亂點率。另外,由於大小屬性可直接與缺陷偵測所使用之臨限值相關,所以大小屬性可為不穩定的。特定言之,針對相同缺陷,若臨限值愈高,則大小屬性可愈小。另外,能量屬性在一定程度上可運用在更大、更展開之色彩變動,但不同材料之基板可具有較強集中差異。該等較強集中差異通常具有解讀為所關注缺陷之能量屬性之相同位準。因此,當缺陷特性(諸如大小及能量屬性)用於後偵測篩選時,可將過多色彩擾亂點包含於最終檢測結果中。
二維(2D)離群點偵測係偵測一晶圓上之缺陷之一有效方式且可容許某程度全域色彩變動。然而,當色彩變動經局部化為一些基板之影像而非其他者時,2D離群點偵測無法辨別缺陷與色彩擾亂點之間之差異。2D離群點偵測亦可損失針對一晶圓而產生之輸出中之個別像素之局部空間內容。
據此,開發用於偵測一晶圓上之缺陷之方法及系統將係有利的,可使用該方法及系統來更有效減小具有由檢測程序產生之晶圓之影像中之色彩變動之晶圓之檢測程序之擾亂點率。
各種實施例之以下描述不依任何方式被理解為限制隨附申請專
利範圍之標的。
一實施例係關於一種用於偵測一晶圓上之缺陷之一電腦實施之方法。該方法包含判定使用一檢測系統所產生之一晶圓之輸出中之像素之局部統計資料。該方法亦包含基於局部統計資料而判定像素之哪些者為離群點。該方法進一步包含比較離群點與圍繞離群點之像素以識別不屬於離群點之一群集作為缺陷候選者之離群點。另外,該方法包含判定缺陷候選者之像素與圍繞缺陷候選者之像素之間之一色彩差異之一值。該方法進一步包含:識別具有大於或等於一預定值之色彩差異之一值之作為擾亂點缺陷之缺陷候選者;及識別具有小於預定值之色彩差異之一值之作為真實缺陷之缺陷候選者。由一電腦系統執行判定局部統計資料、判定像素之哪些者為離群點、比較離群點、判定色彩差異之值、識別作為擾亂點缺陷之缺陷候選者及識別作為真實缺陷之缺陷候選者。
可如文中進一步所描述而執行上文所描述之步驟之各者。上文所描述之方法可包含文中所描述之任何其他方法之任何其他步驟。可使用文中所描述之系統之任何者而執行上文所描述之方法。
另一實施例係關於一種非暫時性電腦可讀媒體,其儲存可在一電腦系統上執行用以執行用於偵測一晶圓上之缺陷之一電腦實施之方法之程式指令。電腦實施之方法包含可如文中進一步所描述而執行之上文所描述之電腦實施之方法之步驟。另外,程式指令可針對其而執行之電腦實施之方法可包含文中所描述之任何其他方法之任何其他步驟。非暫時性電腦可讀媒體可如文中所描述而被進一步組態。
一額外實施例係關於一種經組態以偵測一晶圓上之缺陷之系統。該系統包含經組態以將光導引至一晶圓且偵測來自晶圓之光,以藉此產生晶圓之輸出之一光學子系統。該系統亦包含經組態以執行上文所描述之電腦實施之方法之步驟之一電腦子系統。該系統可如文中
所描述而被進一步組態。
100‧‧‧步驟
102‧‧‧步驟
104‧‧‧步驟
106‧‧‧偵測階段
108‧‧‧步驟
110‧‧‧篩選階段
112‧‧‧步驟
200‧‧‧非暫時性電腦可讀媒體
202‧‧‧程式指令
204‧‧‧電腦系統
300‧‧‧光學子系統
302‧‧‧電腦子系統
304‧‧‧光源
306‧‧‧分束器
308‧‧‧透鏡
310‧‧‧晶圓
312‧‧‧分束器
314‧‧‧偵測器
316‧‧‧偵測器
在閱讀以下詳細描述之後及在參考附圖之後將明白本發明之其他目標及優點,其中:圖1係繪示用於偵測一晶圓之缺陷之一電腦實施之方法之一實施例之一流程圖;圖2係繪示儲存可在一電腦系統上執行用以執行文中所描述之電腦實施之方法實施例之一或多者之程式指令之一非暫時性電腦可讀媒體之一實施例之一方塊圖;及圖3係繪示經組態以偵測一晶圓上之缺陷之一系統之一實施例之一側視圖之一示意圖。
儘管本發明易於以多種修改及替換形式呈現,然其之特定實施例經由實例在圖式中展示且將文中詳細描述。然而,應瞭解,針對本發明之圖式及詳細描述不意欲將本發明限於所揭示之特定形式,但相反地,本發明欲涵蓋介於如由隨附申請專利範圍定義之本發明之精神及範疇內之全部修改、等效物及替代物。
現轉向圖式,應注意圖式未按比例繪製。特定言之,圖式之一些元件之比例經擴大以強調元件之特性。亦應注意,圖式未按相同比例繪製。已使用相同元件符號來指示可經類似組態之一個以上圖式中所示之元件。除非文中另外注意,所描述及所示元件之任何者可包含任何適合商業上可購得之元件。
一實施例係關於一種用於偵測一晶圓上之缺陷之電腦實施之方法。如文中進一步詳細描述,實施例使用適應性局部臨限及色彩篩選來偵測晶圓上之缺陷。
該方法包含判定使用一檢測系統所產生之一晶圓之輸出中之像
素的局部統計資料。電腦實施之方法可包含使用檢測系統來獲取輸出。例如,獲取輸出可包含用光掃描遍及晶圓,及回應於在掃描期間由檢測系統偵測之來自晶圓的光來產生輸出。依此方式,獲取輸出可包含掃描晶圓。然而,獲取輸出不必然包含掃描晶圓。例如,獲取輸出可包含自其中已(例如由檢測系統)儲存輸出之一儲存媒體獲取輸出。可依任何適合方式來執行自儲存媒體獲取輸出。且自其獲取輸出之儲存媒體可包含文中所描述之儲存媒體的任何者。
可依任何適合方式(例如使用取決於經判定之統計資料而組態之一演算法或方法)來判定像素之局部統計資料。像素之局部統計資料亦可為任何適合統計資料,諸如總和、平方總和、平均值、中間值、範圍、方差、來自方差之標準偏差、來自平方總和之標準偏差、概率函數及類似物。用於該方法中之像素的局部統計資料可隨晶圓及其之特性而變動。例如,如文中進一步所描述,像素之局部統計資料被用於偵測輸出中之離群點。因此,基於晶圓之特性,可用於區分離群點與非離群點之任何局部統計資料可被用於文中所描述之實施例中。
在一實施例中,局部統計資料包含像素之差值之一或多個局部統計資料。在一此實施例中,藉由自晶圓上之一測試結構之輸出中之像素之特性減去晶圓上之一參考結構之輸出中之其等對應像素之一特性來判定差值。在另一此實施例中,基於像素之強度來判定差值。例如,用於判定差值之像素的特性可包含強度或灰階強度或任何其他適合特性。測試結構及參考結構可包含晶圓上之任何兩個晶粒,諸如在晶圓上彼此鄰近之兩個晶粒。然而,此項技術中已知的任何其他參考及測試結構可被用於文中所描述之實施例中(例如胞、域等等)。
在一些實施例中,跨少於輸出之一圖框影像中之全部像素來判定局部統計資料。例如,輸出之一圖框影像可包含隨晶圓檢測系統及晶圓檢測處方而變動之數個像素。一般而言,一圖框影像可為可針對
缺陷偵測或任何其他影像處理功能而作為總體被共同處理之輸出的一部分。因此,清楚地,宜跨晶圓之一實質上較小部分來判定局部統計資料。在一些例項中,用於判定任一像素之局部統計資料之相鄰像素可包含緊密鄰近及圍繞一像素之像素。然而,用於判定佈局統計資料的鄰近像素亦可包含比緊密鄰近檢查中之僅該等像素更多的像素。例如,用於判定局部統計資料之像素可為以受測試像素為中心之一5x5像素陣列。
在另一實施例中,像素之局部統計資料包含一局部二維(2D)散佈圖。可針對輸出中之像素之差值及/或其他值之兩個或兩個以上特性而判定2D散佈圖。例如,可沿y軸繪製輸出中之像素之一些類型之中間值,且可沿x軸繪製輸出中之像素之差值。可使用任何適合方法及/或演算法來產生2D散佈圖。
該方法亦包含基於局部統計資料而判定像素之哪些者為離群點。例如,如圖1中所示,由一檢測系統產生之一晶圓之輸出可被輸入至該方法,如步驟100中所示。被輸入至方法中之輸出可包含文中所描述之輸出之任何者,諸如測試及參考圖框影像。可將輸出用於判定文中所描述之像素之局部統計資料,且如步驟102中所示,該方法可包含使用像素之局部統計資料來判定一些像素是否是離群點。依此方式,文中所描述之實施例檢查與受測試像素相同鄰域之像素以識別受測試像素相對於其等之局部環境之局部統計資料是否是顯著的。
在另一實施例中,判定像素之哪些者是離群點包含:基於一像素之局部統計資料而判定該像素之一局部臨限值;比較該一像素之局部統計資料之一值與局部臨限值;及若該一像素之局部統計資料之值大於局部臨限值,則判定該一像素是否是離群點。例如,在一晶圓之差異圖框(自測試圖框減去參考圖框之結果)中可存在實質色彩變動(例如在圖框之邊緣上)。因此,若使用實質上接近晶圓之輸出之雜訊底
限之一臨限值來執行缺陷偵測(即,在一熱掃描中),則使用差異圖框之所偵測之事件之數目將實質上較高。歸因於輸出中之色彩變動及其他雜訊源,諸多此等所偵測之事件將為擾亂點。為減少擾亂點之數目,可實質上提高臨限值以遠高於輸出之雜訊底限(即,在一冷掃描中)。儘管可藉由將一更高臨限值應用於差異圖框而實質上減少所偵測之擾亂點之數目,然較高臨限值可能無法排除擾亂點之全部例項。更高臨限值亦可導致所關注缺陷(DOI)未被偵測。然而,若針對任何給定檢測圖框中之任何給定像素而判定一局部適應性臨限值且將該臨限值應用於該任何給定像素,則在任何像素或檢測圖框處之臨限值可相對接近雜訊底限,同時亦排除大部分擾亂點缺陷且偵測大部分DOI。可基於局部統計資料依當前判定一臨限值(例如基於一晶圓之一雜訊評估)之相同方式來判定局部臨限值。
在一實施例中,基於與針對像素而產生之一局部2D散佈圖組合之局部統計資料而判定像素之哪些者是離群點。例如,文中所描述之實施例可著眼於一2D散佈圖及檢查中之像素之即時環境之其他統計資料且量測檢查中之像素與周圍像素如何不同。依此方式,文中所描述之實施例可組合局部統計資料資訊與2D散佈圖,以識別受檢查之像素是否是自類似基板之光學真實或色彩變動。可如文中進一步所描述而判定2D散佈圖。
該方法亦包含比較離群點與圍繞離群點之像素以識別不屬於離群點之一叢集之作為缺陷候選者之離群點。例如,如圖1中所示之方法之步驟104中所示,該方法可包含比較離群點與周圍像素以判定離群點是否屬於一較大叢集。若離群點屬於一較大叢集,則離群點可經判定為晶圓上之一局部色彩變動之部分。在一實施例中,依此方式,比較離群點與圍繞離群點之像素亦識別屬於離群點之一叢集之作為局部色彩擾亂點之離群點。相比而言,若離群點不屬於一較大叢集,則
離群點可判定為缺陷候選者,此係由於其等似乎不是一局部色彩變動之部分。若離群點鄰近輸出中之其他離群點,則其等可經判定為一較大叢集之部分。另外或替代地,若離群點具有與鄰近離群點之一或多個特性相同或實質上相同之一或多個特性,則其等可經判定為一較大叢集之部分。
在一些實施例中,在晶圓之檢測之一偵測階段中執行判定局部統計資料、判定像素之哪些者為離群點及比較離群點與周圍像素。例如,如圖1中所示,步驟102及104可為偵測階段106之部分(即,檢測步驟)。依此方式,偵測階段中之步驟可採用由檢測系統產生之輸出(例如影像、影像資料等等)作為輸入且產生包含晶圓上之潛在缺陷候選者之資訊之輸出。
該方法亦包含判定缺陷候選者之像素與圍繞缺陷候選者之像素之間之一色彩差異之一值。可依任何適合方式(例如使用任何適合演算法及/或方法)來判定色彩差異。色彩差異可經判定為可用於量化色彩差異之任何適合值。
在一實施例中,該方法包含在基於缺陷候選者之像素之一或多個特性來判定色彩差異之值之前,排除缺陷候選者之一或多者。在一此實施例中,像素之一或多個特性包含極性。例如,可基於極性(即,缺陷之一群組具有一明亮或混合極性,且缺陷之另一群組具有一暗極性)來分離使用上文所描述之局部適應性臨限所偵測之缺陷候選者。接著,可針對缺陷候選者之僅一子集(例如暗極化群組中之缺陷)來判定局部色彩差異。接著,可將局部色彩篩選應用於缺陷之僅一群組。例如,可將局部色彩篩選應用於暗極化群組而不是明亮及混合極化群組。可依文中進一步所描述之相同方式,將局部色彩篩選應用於缺陷之僅一群組。
該方法進一步包含識別具有大於或等於一預定值之色彩差異之
一值之作為擾亂點缺陷的缺陷候選者,及識別具有小於預定值之色彩差異之一值之作為真實缺陷的缺陷候選者。例如,如步驟108中所示,該方法可包含集中於有缺陷之像素周圍以判定此等像素與周圍像素如何不同且篩除色彩擾亂點。依此方式,文中所描述之實施例檢查與缺陷候選者相同鄰域之像素,以識別缺陷候選者相對於其等之局部環境的色彩是否顯著。可依相同於上文所描述之局部適應性臨限方式來判定色彩差異之預定值。依此方式,預定值可為色彩之一局部適應性臨限值。然而,由於針對各缺陷候選者而將色彩差異判定為一局部色彩差異,所以可將相同預定值用於整個晶圓上所偵測之各缺陷候選者。換言之,應用於局部色彩差異之臨限值可為一全域臨限值。
藉由使用如文中所描述之一局部2D散佈圖及其他統計資料,實施例在檢測及後處理期間可減少色彩擾亂點。在文中大體上將「色彩擾亂點」定義為不是歸因於晶圓上之缺點而是歸因於晶圓上之程序變動之一晶圓之影像中的色彩差異。因此,晶圓本身可能不具有局部色彩差異,但歸因於不是缺陷之局部程序變動,由一檢測系統產生之晶圓之影像可具有歸因於改變晶圓上之條件所致之局部色彩差異。因此,將此等色彩差異偵測為缺陷是不利的。
當在一晶圓之影像中存在局部色彩時,通常不僅在缺陷像素中展示色彩差異,亦在周圍事物中之類似基板中展示色彩差異。文中所描述之局部適應性臨限及色彩篩選實施例利用此額外資訊且提供識別缺陷像素是否是光學真實或色彩變動之一有效方式。文中所描述之實施例可實質上排除缺陷偵測結果中之色彩擾亂點訊符。因此,在存在局部程序變動(局部色彩)而不是用於自晶圓檢測結果排除色彩變動擾亂點之其他方法及系統之情況下,文中所描述之實施例可達成更高靈敏度,且特性言之達成更高DOI靈敏度。
在一實施例中,在晶圓之檢測之一篩選階段中執行判定色彩差
異值、識別作為擾亂點缺陷之缺陷候選者及識別作為真實缺陷之缺陷候選者。例如,如圖1中所示,可在方法之篩選階段110期間執行上文進一步所描述之步驟108。篩選階段可包含篩選之後處理步驟及此項技術中已知的任何其他適合的後處理步驟。如圖1中進一步所示,該方法可包含在已執行篩選階段之後,在步驟112中輸出最終結果。
在一此實施例中,篩選階段不包含基於缺陷候選者之能量參數而識別擾亂點缺陷及真實缺陷。在另一此實施例中,篩選階段不包含基於缺陷候選者之大小而識別擾亂點缺陷及真實缺陷。例如,如上文所描述,已使用缺陷大小或能量參數來進行減小具有色彩變動之晶圓之擾亂點率之一些嘗試以自檢測結果排除擾亂點缺陷。然而,由於文中所描述之實施例不使用缺陷大小或能量參數以自檢測結果篩選擾亂點缺陷,所以文中所描述之實施例將不經受文中所描述之當前所使用之方法之缺點。特性言之,由於文中所描述之實施例基於色彩變動(而不是缺陷大小)來篩選缺陷,所以文中所描述之實施例將比基於缺陷大小之篩選更穩定,此係因為(與缺陷大小不同)色彩變動未亦用於缺陷偵測。另外,與使用用於篩選擾亂點缺陷之能量屬性不同,文中所描述之局部色彩篩選將運用在更大、更展開之色彩變動以及較強集中之色彩變動兩者,無論色彩差異中之該等較強集中是否歸因於材料變動或程序變動。此外,文中所描述之實施例可用於在不捨棄DOI(且特定言之,更小、更重要DOI)之情況下有效降低擾亂點率。然而,在篩選階段之後,可能無法自篩選排除能量參數及大小。例如,一使用者可選擇與如文中所描述之色彩變動組合使用能量參數及大小,此將提供更佳區分。
在一實施例中,晶圓具有導致色彩中之一或多個局部差異之一或多個局部程序變動。在另一實施例中,晶圓具有橫跨晶圓上之一區域(其小於對應於輸出中之一圖框影像之晶圓之一區域)之一或多個程
序變動。例如,晶圓影像中之色彩變動具有強差異,但其可能不是源於基板之異常。另外,色彩變動通常圍繞相同類型之基板叢集化,但可能在一更大區域(諸如一檢測圖框)中不具有一顯著存在。在存在局部色彩變動之情況下,文中所描述之實施例改良DOI靈敏度。特性言之,通常可歸因於色彩變動之大量存在而解諧DOI(變得不可偵測)。因而,歸因於大量色彩變動,可失去DOI靈敏度。另外,在偵測及後篩選步驟兩者中可失去DOI。在文中所描述之局部適應性臨限及色彩篩選之情況下,當色彩變動係擾亂點源時,在檢測及後處理期間可大幅減小擾亂點率。另外,與2D離群點偵測不同,當色彩變動經局部化至一些基板而非其他者時,文中所描述之實施例可區別實際缺陷與色彩擾亂點之間之差異。此外,文中所描述之實施例不會失去晶圓之輸出中之個別像素之局部空間內容。
在一額外實施例中,晶圓具有導致自在如晶圓之一製程中之相同點處之相同類型之其他晶圓之色彩中之一或多個全域差異之一或多個全域程序變動。例如,文中所描述之實施例可有效偵測晶圓上之缺陷且容許全域色彩變動。
由可如文中進一步所描述而被組態之一電腦系統執行判定局部統計資料、判定像素之哪些者係離群點、比較離群點、判定色彩差異之值、識別作為擾亂點缺陷之缺陷候選者及識別作為真實缺陷之缺陷候選者。
文中所描述之全部方法可包含將方法實施例之一或多個步驟之結果儲存於一電腦可讀儲存媒體中。該等結果可包含文中所描述之結果之任何者,且可依此項技術中已知的任何方式儲存該等結果。該儲存媒體可包含文中所描述之任何儲存媒體或此項技術中已知的任何其他適合儲存媒體。在已儲存該等結果之後,可存取在儲存媒體中該等結果且由文中所描述之方法或系統實施例之任何者使用該等結果、將
該等結果格式化以顯示給一使用者、由另一軟體模組、模型或系統使用該等結果等等。
另一實施例係關於一種非暫時性電腦可讀媒體,其儲存可在一電腦系統上執行用以執行用於偵測一晶圓上之缺陷之一電腦實施之方法之程式指令。在圖2中展示一此實施例。例如,如圖2中所示,非暫時性電腦可讀媒體200包含可在電腦系統204上執行用以執行用於偵測一晶圓上之缺陷之電腦實施之方法之程式指令202,如上文所描述。可針對其而執行程式指令之電腦實施之方法可包含文中所描述之任何其他方法之任何其他步驟。
可將實施方法(諸如文中所描述之此等方法)之程式指令202儲存於非暫時性電腦可讀媒體200上。電腦可讀媒體可為一儲存媒體,諸如一磁碟片或光碟片、一磁帶或此項技術中已知的任何其他適合的電腦可讀媒體。
可依各種方式之任何者而實施程式指令,該等方式尤其包含基於程序之技術、基於組件之技術及/或物件導向式技術。例如,可使用Matlab、Visual Basic、ActiveX控制項、C、C++物件、C#、JavaBeans、Microsoft基礎類別(「MFC」)或其他技術或方法來實施程式指令,若所期望。
電腦系統204可採取各種形式,包含個人電腦系統、主機電腦系統、工作站、系統電腦、影像電腦、可程式化影像電腦、平行處理器或此項技術中已知的任何其他器件。一般而言,術語「電腦系統」可被廣泛定義為包含執行來自一記憶體媒體之指令之具有一或多個處理器之任何器件。
一額外實施例係關於經組態以偵測一晶圓上之缺陷之一系統。在圖3中展示此一系統之一實施例。如圖3中所示,系統包含光學子系統300及電腦子系統302。光學子系統經組態以將光導引至一晶圓及偵
測來自晶圓之光,以藉此產生晶圓之輸出。例如,如圖3中所示,光學子系統包含可包含此項技術中已知的任何適合光源之光源304。
可將來自光源之光導引至分束器306,該分束器可經組態以透過透鏡308而將來自光源之光導引至晶圓310。光源可經耦合至任何其他適合元件(未展示),諸如一或多個聚光透鏡、準直透鏡、中繼透鏡、物鏡、孔徑、濾光片、偏振組件及類似物。如圖3中所示,可依一正入射角將光導引至晶圓。然而,可依任何適合的入射角(包含接近正入射及斜入射)而將光導引至晶圓。另外,可依一個以上入射角而相繼或同時將光及多個光束導引至晶圓。光學子系統可經組態以依任何適合方式而用光掃描遍及晶圓。
在掃描期間,可由光學子系統之多個通道收集及偵測自晶圓310反射之光。例如,可由物鏡308收集自晶圓310鏡面反射之光。物鏡308可包含圖3中所示之折射光學元件。另外,物鏡308可包含一或多個折射光學元件及/或一或多個反射光學元件。可透過分束器306而將由物鏡308收集之光導引至分束器312,分束器312可經組態以將光分成兩個不同路徑(其等之一者被導引至偵測器314且其等之另一者被導引至偵測器316)。圖3中所示之分束器可包含此項技術中已知的任何適合的分束器。圖3中所示之偵測器可包含此項技術中已知的任何適合的偵測器,如電荷耦合器件(CCD)或另一類型之成像偵測器。偵測器314及316經組態以回應於鏡面反射光而產生輸出。因此,偵測器之各者形成光學子系統之一通道。
由於圖3中所示之光學子系統經組態以導引自晶圓鏡面反射之光,所以光學子系統經組態為一明場(BF)光學子系統。然而,此一光學子系統亦可針對其他類型之晶圓檢測而組態。例如,圖3中所示之光學子系統亦可包含一或多個其他通道(未展示)。其他通道可包含經組態為一散射光通道之文中所描述之光學組件之任何者,諸如一物鏡及一偵測器。物鏡及偵測器可如文中所描述而被進一步組態。依此方
式,光學子系統亦可針對暗場(DF)檢測而組態。另外,可用一電子束檢測子系統來替換圖3中所示之光學子系統(例如用於掃描電子顯微鏡(SEM)檢測)。
電腦子系統302經組態以獲取由光學子系統產生之輸出。例如,在掃描期間由偵測器產生之輸出可提供至電腦子系統302。特定言之,電腦子系統可(例如由經由圖3中虛線所示之一或多個傳輸媒體,其等可包含此項技術中已知之任何適合的傳輸媒體)經耦合至偵測器之各者,使得電腦子系統可接收由偵測器產生之輸出。
電腦子系統經組態用於執行文中進一步所描述之電腦實施之方法之步驟。電腦子系統可經組態以執行文中所描述之任何方法實施例之任何其他步驟。電腦子系統、光學子系統及系統可如文中所描述而被進一步組態。
應注意,文中提供圖3大體上繪示可包含於文中所描述之系統實施例中之一光學子系統之一組態。明顯地,當設計一商業檢測系統時,文中所描述之光學子系統組態可經更改以最佳化如正常執行之光學子系統之效能。另外,可(例如藉由將文中所描述之功能新增至一既有檢測系統)使用一既有檢測系統(諸如可自KLA-Tencor商業上購得之29xx/28xx系列工具)來實施文中所描述之系統。針對一些此等系統,可提供文中所描述之方法作為系統之選用功能(例如除了系統之其他功能外)。替代地,可「從頭開始」設計文中所描述之系統以提供一完全新的系統。
熟悉此項技術者將鑒於此描述而明白本發明之各種態樣之進一步修改及替代實施例。例如,提供用於偵測一晶圓上之缺陷之方法及系統。據此,此描述被理解為僅為繪示性的且出於教示熟悉此項技術者執行本發明之一般方式之目的。應瞭解,採用文中所示及所描述之本發明之形式作為目前較佳實施例。元件及材料可被替代為文中所繪
示及描述之該等元件及材料,可顛倒部件及程序,且可獨立利用本發明之某些特徵。如在具有本發明之此描述之優點之後,熟悉此項技術者將明白之全部。在不背離本發明之精神及範疇之情況下可對文中所描述之元件進行改變,如在以下申請專利範圍中所描述。
100‧‧‧步驟
102‧‧‧步驟
104‧‧‧步驟
106‧‧‧偵測階段
108‧‧‧步驟
110‧‧‧篩選階段
112‧‧‧步驟
Claims (20)
- 一種偵測一晶圓上之缺陷之電腦實施之方法,該方法包括:判定使用一檢測系統所產生之一晶圓之輸出中之像素的局部統計資料;基於該等局部統計資料來判定該等像素的哪些係離群點;比較該等離群點與圍繞該等離群點之該等像素,以識別不屬於離群點之一叢集之作為缺陷候選者的離群點;判定該等缺陷候選者之該等像素與圍繞該等缺陷候選者之該等像素之間之一色彩差異之一值;識別具有大於或等於一預定值之該色彩差異之一值之作為擾亂點缺陷之該等缺陷候選者;及識別具有小於該預定值之該色彩差異之一值之作為真實缺陷之該等缺陷候選者,其中由一電腦系統執行判定該等局部統計資料、判定該等像素的哪些係該等離群點、比較該等離群點、判定該色彩差異之該值、識別作為該等擾亂點缺陷之該等缺陷候選者,及識別作為該等真實缺陷之該等缺陷候選者。
- 如請求項1之方法,其中該等局部統計資料包括該等像素之差值之一或多個局部統計資料。
- 如請求項1之方法,其中該等局部統計資料包括該等像素之差值之一或多個局部統計資料,且其中藉由自該晶圓上之一測試結構之該輸出中之該等像素之該特性減去該晶圓上之一參考結構之該輸出中之其等對應像素之一特性來判定該等差值。
- 如請求項1之方法,其中該等局部統計資料包括該等像素之差值之一或多個局部統計資料,且其中基於該等像素之強度來判定該等差值。
- 如請求項1之方法,其中跨少於該輸出之一圖框影像中之全部該等像素而判定該等局部統計資料。
- 如請求項1之方法,其中判定該等像素的哪些是該等離群點包括:基於一像素之局部統計資料來判定該像素之一局部臨限值;比較該一像素之該等局部統計資料之一值與該局部臨限值;及若該一像素之該等局部統計資料之該值大於該局部臨限值,則判定該一像素是否是一離群點。
- 如請求項1之方法,其中該像素之該等局部統計資料包括一局部二維散佈圖。
- 如請求項1之方法,其中基於與針對該等像素所產生之一局部二維散佈圖之該等局部統計資料來執行判定該等像素的哪些是該等離群點。
- 如請求項1之方法,其中比較該等離群點與圍繞該等離群點之該等像素進一步識別屬於離群點之一叢集之作為局部色彩擾亂點之該等離群點。
- 如請求項1之方法,其中在該晶圓之檢測之一偵測階段中執行判定該等局部統計資料、判定該等像素的哪些是該等離群點,及比較該等離群點。
- 如請求項1之方法,其中在該晶圓之檢測之一篩選階段中執行判定該色彩差異之該值、識別作為該等擾亂點缺陷之該等缺陷候選者,及識別作為該等真實缺陷之該等缺陷候選者。
- 如請求項11之方法,其中該篩選階段不包括基於該等缺陷候選者之能量參數來識別該等擾亂點缺陷及該等真實缺陷。
- 如請求項11之方法,其中該篩選階段不包括基於該等缺陷候選者之大小來識別該等擾亂點缺陷及該等真實缺陷。
- 如請求項1之方法,進一步包括在基於該等缺陷候選者之該等像 素之一或多個特性來判定該色彩差異之該值之前,排除該等缺陷候選者之一或多者。
- 如請求項14之方法,其中該等像素之該一或多個特性包括極性。
- 如請求項1之方法,其中該晶圓具有導致一或多個局部色彩差異之一或多個局部程序變動。
- 如請求項1之方法,其中該晶圓具有橫跨該晶圓上之一區域之一或多個局部程序變動,該區域小於對應於該輸出中之一圖框影像之該晶圓之一區域。
- 如請求項1之方法,其中該晶圓具有導致自如該晶圓之一製程中之相同點處之相同類型之其他晶圓之一或多個全域色彩差異的一或多個全域程序變動。
- 一種非暫時性電腦可讀媒體,其儲存可在一電腦系統上執行用以執行用於偵測一晶圓上之缺陷之一電腦實施之方法之程式指令,其中該電腦實施至方法包括:判定使用一檢測系統所產生之一晶圓之輸出中之像素的局部統計資料;基於該等局部統計資料來判定該等像素的哪些係離群點;比較該等離群點與圍繞該等離群點之該等像素,以識別不屬於離群點之一叢集之作為缺陷候選者的離群點;判定該等缺陷候選者之該等像素與圍繞該等缺陷候選者之該等像素之間之一色彩差異之一值;識別具有大於或等於一預定值之該色彩差異之一值之作為擾亂點缺陷之該等缺陷候選者;及識別具有小於該預定值之該色彩差異之一值之作為真實缺陷之該等缺陷候選者。
- 一種經組態以偵測一晶圓上之缺陷之系統,該系統包括:一光學子系統,其經組態以將光導引至一晶圓及偵測來自該晶圓之光,以藉此產生該晶圓之輸出;及一電腦子系統,其經組態以:判定該晶圓之該輸出中之局部統計資料;基於該等局部統計資料來判定該等像素的哪些係離群點;比較該等離群點與圍繞該等離群點之該等像素,以識別不屬於離群點之一叢集之作為缺陷候選者的離群點;判定該等缺陷候選者之該等像素與圍繞該等缺陷候選者之該等像素之間之一色彩差異之一值;識別具有大於或等於一預定值之該色彩差異之一值之作為擾亂點缺陷之該等缺陷候選者;及識別具有小於該預定值之該色彩差異之一值之作為真實缺陷之該等缺陷候選者。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361863535P | 2013-08-08 | 2013-08-08 | |
US14/450,170 US9704234B2 (en) | 2013-08-08 | 2014-08-01 | Adaptive local threshold and color filtering |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201514927A true TW201514927A (zh) | 2015-04-16 |
TWI607411B TWI607411B (zh) | 2017-12-01 |
Family
ID=52448717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW103127350A TWI607411B (zh) | 2013-08-08 | 2014-08-08 | 適應性局部臨限及色彩篩選 |
Country Status (5)
Country | Link |
---|---|
US (2) | US9704234B2 (zh) |
KR (1) | KR102363265B1 (zh) |
IL (2) | IL244028B (zh) |
TW (1) | TWI607411B (zh) |
WO (1) | WO2015021417A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113677980A (zh) * | 2019-04-10 | 2021-11-19 | 科磊股份有限公司 | 用于检验的缺陷候选生成 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9704234B2 (en) * | 2013-08-08 | 2017-07-11 | Kla-Tencor Corp. | Adaptive local threshold and color filtering |
US9816939B2 (en) | 2014-07-22 | 2017-11-14 | Kla-Tencor Corp. | Virtual inspection systems with multiple modes |
US9835566B2 (en) * | 2015-03-03 | 2017-12-05 | Kla-Tencor Corp. | Adaptive nuisance filter |
US10043265B2 (en) | 2016-03-17 | 2018-08-07 | Kla-Tencor Corporation | System, method and computer program product for identifying fabricated component defects using a local adaptive threshold |
US10600177B2 (en) | 2017-08-09 | 2020-03-24 | Kla-Tencor Corporation | Nuisance reduction using location-based attributes |
US10460434B2 (en) | 2017-08-22 | 2019-10-29 | Applied Materials Israel Ltd. | Method of defect detection and system thereof |
CN107918216B (zh) * | 2017-12-13 | 2021-03-12 | 深圳Tcl新技术有限公司 | 图像Mura缺陷评估方法、系统以及可读存储介质 |
CN108508053B (zh) * | 2018-04-26 | 2021-01-12 | 武汉新芯集成电路制造有限公司 | 一种系统性极微物理缺陷的检测方法 |
CN109067725B (zh) * | 2018-07-24 | 2021-05-14 | 成都亚信网络安全产业技术研究院有限公司 | 网络流量异常检测方法及装置 |
US10923317B2 (en) * | 2018-09-19 | 2021-02-16 | KLA Corp. | Detecting defects in a logic region on a wafer |
US11631169B2 (en) * | 2020-08-02 | 2023-04-18 | KLA Corp. | Inspection of noisy patterned features |
US20240054632A1 (en) * | 2022-08-10 | 2024-02-15 | Kla Corporation | Detecting defects on specimens |
KR102632831B1 (ko) * | 2023-06-16 | 2024-02-06 | 주식회사 애플티 | 웨이퍼 불량 검출을 위한 ai 시스템 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5859698A (en) * | 1997-05-07 | 1999-01-12 | Nikon Corporation | Method and apparatus for macro defect detection using scattered light |
JP2000069291A (ja) | 1998-08-26 | 2000-03-03 | Konica Corp | 画像処理方法及び画像処理装置 |
US6707936B1 (en) * | 1999-04-16 | 2004-03-16 | Texas Instruments Incorporated | Method and apparatus for predicting device yield from a semiconductor wafer |
JP4711570B2 (ja) * | 2001-09-14 | 2011-06-29 | 株式会社東京精密 | パターン検査方法及び検査装置 |
US7440607B1 (en) | 2004-11-03 | 2008-10-21 | Kla-Tencor Corporation | Outlier substrate inspection |
US7711177B2 (en) | 2006-06-08 | 2010-05-04 | Kla-Tencor Technologies Corp. | Methods and systems for detecting defects on a specimen using a combination of bright field channel data and dark field channel data |
US7756658B2 (en) | 2008-05-14 | 2010-07-13 | Kla-Tencor Corp. | Systems and methods for detecting defects on a wafer and generating inspection results for the wafer |
EP2394295A2 (en) * | 2009-02-06 | 2011-12-14 | KLA-Tencor Corporation | Selecting one or more parameters for inspection of a wafer |
JP2011047724A (ja) * | 2009-08-26 | 2011-03-10 | Hitachi High-Technologies Corp | 欠陥検査装置およびその方法 |
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 |
US9704234B2 (en) * | 2013-08-08 | 2017-07-11 | Kla-Tencor Corp. | Adaptive local threshold and color filtering |
-
2014
- 2014-08-01 US US14/450,170 patent/US9704234B2/en active Active
- 2014-08-08 KR KR1020167006041A patent/KR102363265B1/ko active IP Right Grant
- 2014-08-08 TW TW103127350A patent/TWI607411B/zh active
- 2014-08-08 WO PCT/US2014/050401 patent/WO2015021417A1/en active Application Filing
-
2016
- 2016-02-08 IL IL244028A patent/IL244028B/en active IP Right Grant
-
2017
- 2017-06-15 US US15/624,649 patent/US10395359B2/en active Active
-
2020
- 2020-10-26 IL IL278300A patent/IL278300B/en unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113677980A (zh) * | 2019-04-10 | 2021-11-19 | 科磊股份有限公司 | 用于检验的缺陷候选生成 |
Also Published As
Publication number | Publication date |
---|---|
US9704234B2 (en) | 2017-07-11 |
WO2015021417A1 (en) | 2015-02-12 |
US20170287128A1 (en) | 2017-10-05 |
KR102363265B1 (ko) | 2022-02-14 |
IL244028A0 (en) | 2016-04-21 |
TWI607411B (zh) | 2017-12-01 |
US10395359B2 (en) | 2019-08-27 |
IL244028B (en) | 2020-11-30 |
US20150043804A1 (en) | 2015-02-12 |
IL278300B (en) | 2021-07-29 |
KR20160042023A (ko) | 2016-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI607411B (zh) | 適應性局部臨限及色彩篩選 | |
US9766186B2 (en) | Array mode repeater detection | |
TWI643280B (zh) | 使用結構性資訊之缺陷偵測 | |
TWI641062B (zh) | 偵測在晶圓上之缺陷 | |
KR102065821B1 (ko) | 디자인 데이터를 사용하여 반도체 웨이퍼 상의 반복적인 결함을 검출하기 위한 방법 및 시스템 | |
TWI672636B (zh) | 對一晶圓上偵測之缺陷進行分類之方法、系統及非暫時性電腦可讀媒體 | |
US9053527B2 (en) | Detecting defects on a wafer | |
US8775101B2 (en) | Detecting defects on a wafer | |
US9766187B2 (en) | Repeater detection | |
TWI631638B (zh) | 由參考影像改變之檢測方式設定 | |
KR20150070301A (ko) | 결함 특유적 정보를 이용한 웨이퍼 상의 결함 검출 | |
US9442077B2 (en) | Scratch filter for wafer inspection | |
KR102538268B1 (ko) | 웨이퍼 상의 로직 영역에서의 결함들의 검출 |