TW201908716A - 缺陷自動分類技術 - Google Patents

缺陷自動分類技術

Info

Publication number
TW201908716A
TW201908716A TW107120606A TW107120606A TW201908716A TW 201908716 A TW201908716 A TW 201908716A TW 107120606 A TW107120606 A TW 107120606A TW 107120606 A TW107120606 A TW 107120606A TW 201908716 A TW201908716 A TW 201908716A
Authority
TW
Taiwan
Prior art keywords
camera
image
defects
defect
suspicious
Prior art date
Application number
TW107120606A
Other languages
English (en)
Other versions
TWI778078B (zh
Inventor
曼娜泉 瑞根斯博格
丹尼爾 布札格羅
Original Assignee
以色列商肯提克有限公司
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 以色列商肯提克有限公司 filed Critical 以色列商肯提克有限公司
Publication of TW201908716A publication Critical patent/TW201908716A/zh
Application granted granted Critical
Publication of TWI778078B publication Critical patent/TWI778078B/zh

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
    • G06T7/001—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

一種用於自動缺陷分類之方法，該方法可包括：(i) 藉由一第一相機來擷取一物件的至少一區域之至少一第一影像；(ii) 處理該至少一第一影像以檢測出該至少一區域內的一組可疑缺陷；(iii) 執行一第一分類程序以初步地將該組可疑缺陷分類；(iii) 判定一第一子組可疑缺陷是否需要來自一第二相機之額外資訊來用於完成一分類；(iv) 當判定該第一子組可疑缺陷需要來自該第二相機額外資訊時，則：(a) 藉由該第二相機來擷取該第一子組可疑缺陷的一些第二影像，以及 (b) 執行一第二分類程序以將該第一子組可疑缺陷分類。

Description

缺陷自動分類技術
本發明大致上係有關於缺陷自動分類技術。本申請案主張來自申請日為2017年06月14日之美國臨時專利申請案第62/519,516號之優先權。
對於每個產業而言，高產量是維持競爭力的樞紐，尤其是在高度發展的微電子產業中。 每個產量部分都可能對生產階段收益或損失的能力產生巨大影響。
為了維持且持續提高其產量，工廠必須投資在用於QA (Quality Assurance，品質保證)目的(哪些晶粒是好的、哪些晶粒是壞的)及程序控制二者的檢驗上。
有效的程序控制系統可以在早期階段識別異常，從而防止惡化並使工程人員能夠執行校正動作。
越快執行校正動作，工廠的損失就越小。
本發明提供一種用於自動缺陷分類的方法，該方法可以包括：(i)藉由第一相機擷取一物件的至少一個區域的至少一第一影像；(ii)處理該至少一第一影像以檢測出該至少一區域內的一組可疑缺陷；(iii)執行將該組可疑缺陷組初步分類的第一分類程序；(iii)判定第一子組可疑缺陷是否需要來自一第二相機的額外資訊來用於完成分類；(iv)當判定該第一子組的可疑缺陷需要來自該第二個相機的額外資訊時，則進行下列步驟：(a)藉由第二相機擷取第一子組的可疑缺陷之第二影像；(b)執行將第一子組的可疑缺陷進行分類之第二分類程序。
因為實施本發明之設備大部分由熟習此項技術者已知之光學組件及電路組成，所以電路細節將不會以比理解及瞭解本發明之基本概念如上文所需者更大之程度加以解釋，以免混淆或偏離本發明之教示。
在以下說明書中，將參考本發明之實施例之具體實例來描述本發明。然而，顯而易見，在不脫離後附申請專利範圍所闡述之本發明之更寬泛精神及範圍之情況下，可在其中進行各種修改及改變。
檢驗機可以檢查來查出各種缺陷(瑕疵)和異常。然而，為了有明確的因果關係，對異常(缺陷)進行分類是必需的。
例如，缺陷可能由有瑕疵的CMP程序、蝕刻或污染議題所引起。缺陷分類程序可以區分不同的缺陷。
雖然可以手動執行分類程序，但其既緩慢又昂貴。
自動缺陷分類(ADC)可以廉價且快速地進行。在過去幾年中，機器學習技術取得一些重大進展，使得使用ADC系統可獲取非常好的結果。
然而，在許多情況下，在掃描期間使用的資料不足以供在不同類型的缺陷之間完成清楚分隔。 例如，當出現色差時，如果它是紅色，則可能是銅層，但如果它是黑色，則可能只是一種外來材料。
但是，在檢測程序之後取得此等額外資料，會耗費時間及資源。
在此提供一個方法，其可包含： a. 將晶圓裝載在夾盤上。 b. 藉由第一相機(例如高性能掃描相機，可以是黑白相機)擷取晶圓的影像，並將其傳送到電腦進行處理。這可能包括以主要擷取模組(掃描器模組)掃描該晶圓(連續，通常具有較高速率，但相較於第二相機降低靈敏度)。 c. 使用一組預設的檢測程序，找出缺陷並儲存在電腦中。 d. 第一分類程序分配初始類別給缺陷。 e. 在檢驗程序結束之後，缺陷被再次載入(饋送到電腦，特別是電腦的決策迴路)。基於預設規則(或基於任何其他決策程序)，系統對於每個缺陷自動判定是否需要額外資料。 f. 若是，將缺陷位置帶入至諸如彩色相機(可以是3D剖繪儀(profiler)、IR相機、NIR相機、或高倍顯微鏡)的第二相機(驗證相機)之視野內，且擷取關於該缺陷的額外資料。 g. 基於完整資料，針對該缺陷執行最終分類，並將最終類別附加到該缺陷。 h. 接著儲存資料(若有必要則報告資料)，並且從系統卸下晶圓。
此程序使得製造廠(FAB)能享有檢驗系統的高速，結合驗證系統的高解析度與詳細資訊。選擇性採用驗證系統(僅針對那些需要額外資料的缺陷)，加速了整個程序。
雖然使用相同載入/卸載機構，兩個(或更多個)分類階段的組合能最佳化晶圓處理時間，且最後獲得晶圓狀態的最終全面性資料。
這又使得在先前步驟故障的情況下，可採取快速且有效的措施。
圖1繪示用於自動缺陷分類的方法900，該方法可包括：
加載晶片之步驟904。晶圓可裝載在夾盤上。
步驟904之後可以是將晶圓保持在夾盤上的步驟905，直到完成了步驟908、步驟910、步驟912、步驟914以及步驟916。
步驟905之後是從夾盤上卸載晶圓的步驟907。
該方法還可以包括步驟906：藉由第一相機擷取物件的至少一區域的至少一第一影像。此至少一區域可以跨越整個物件、或者可僅包括該物件的一個或多個部分。
步驟906之後可以是步驟908，其處理該至少一第一影像以檢測出該至少一區域內的一組可疑缺陷。
步驟908之後可以是步驟910，其執行用於將該組可疑缺陷進行初步分類的第一分類程序。
步驟910之後可以是步驟912，其判定第一子組疑似缺陷是否需要來自一第二相機的額外資訊以完成分類。
步驟912可在沒有人為介入的情況下執行。
前述判定可以響應於以下其中一者： a. 第一相機和第二相機的影像擷取參數之間的差異。影像擷取參數可包括頻率(可見光相對於紅外線(IR)、近紅外線(NIR)；彩色相對於黑白；窄帶相對於寬帶)、解析度、產出量及類似者。 b. 可疑缺陷的危害性和/或重要性。危害性越大的缺陷(例如可能使電路無法操作的殺手級缺陷)可用更多資源來檢查。 c. 第一分類程序的準確性。 d. 第一分類程序的可靠性與第二分類程序的可靠性之間的差異。此種可靠性可藉由成功率、誤報率、偽正性率及類似者來反映。 e. 缺陷的類型。缺陷的類型可結合上述所有其他因素來考慮。例如，如果使用IR輻射便可能以一種更可靠方式來檢測出某種缺陷，則使用IR相機的分類程序之可靠性即高於使用黑白相機的分類程序。
步驟912可包括計算成本函數，該成本函數將考慮步驟914執時的一或多個益處(例如較可靠的分類程序)、步驟914執行的一個或多個績效(例如耗費更多時間)，以及可進一步考慮關於第一相機的限制(例如解析度)之參數、產出量方面的考量及類似者。
如果步驟912的答案是否定的，則步驟912之後是步驟916。
如果步驟912的答案是肯定的，則步驟912之後是步驟914。
步驟914包括： a.藉由第二相機擷取第一子組可疑缺陷的第二影像。 b.執行用於分類第一子組可疑缺陷的第二分類程序。
步驟914可包括擷取第二影像，而不擷取不屬於該第一子組之可疑缺陷的影像。
步驟914之後接著是步驟916，其提供分類結果。此可包括儲存分類結果、將分類結果傳送到另一個系統、及類似者。
步驟908、910、912及第二分類程序，可由相同電腦、相同處理器、不同電腦、不同處理器、檢驗與驗證系統、位於檢驗與驗證系統外的一或多部電腦來執行。
結合式ADC：
結合式ADC系統產生有效率ADC程序，同時將資源最佳化以將晶圓分析時間最小化。
此結合式系統可包括： a. 用於裝載/卸載晶圓的晶圓處置系統。 b. 用於全部/部分晶圓檢驗的檢驗模組。檢驗模組包含第一相機(例如檢驗相機)。 c. 額外資料擷取元件。例如彩色相機、紅外線(IR)相機或3D剖繪儀。 d. 用於資料分析的電腦(亦可稱作處理器)。 e. 供結果用的資料儲存器。
第一相機的(資料)產出量可能超過第二相機的產出量。例如：2、3、4、5、6倍或是更多。
第一相機的解析度可較第二相機的解析度更粗糙。例如：2、3、4、5、6倍或是更多。
第一相機可在一或更多種影像擷取參數上異於第二相機，例如：頻率(可見光相對於IR、NIR；彩色相對於黑白；窄帶相對於寬帶)、解析度、產出量、陰暗域相對於光亮域、及類似者。
第一相機可為黑白相機，且第二相機可以從下列選定：紅外線相機、近紅外線相機、以及三維剖繪儀。
圖2繪示一物件(例如晶圓90)及一系統101，此系統包括： a. 儲存單元190。 b. 電腦180。 c. 用於以輻射照亮物件的彩色照明部173，輻射可能反射及/或漫射且由彩色相機172檢測到。與照明有關的用語「彩色」僅是用來將照明連結到彩色相機。 d. 彩色相機172。 e. 在彩色相機172前方的彩色光學器件171。 f. 用於以輻射照明物件的檢驗照明部163，輻射可能反射及/或漫射且由檢驗相機162檢測到。 g. 檢驗相機162。 h. 在檢驗相機162前方的檢驗光學器件161。 i. 夾盤150。 j. 用於移動夾盤(且因而移動物件)的托台140。 k. 晶圓處置系統130。其可以包括用於從匣盒(或其他介面)取出晶圓、及將晶圓放到夾盤150上的機器人。
電腦180包括一或多個硬體處理電路(例如一或多個處理器)，該等處理電路可執行影像處理、缺陷檢測、分類，且可判定是否需要額外分類。
彩色光學器件171以及檢驗光學器件161之中的各個光學器件可包括選自透鏡、鏡孔、分束器、偏振器、準直器、掃描器、及其類似者中的至少一種。
這些光學器件(彩色光學器件171及檢驗光學器件161)可用於集合路徑及/或照射路徑上。因此，此等光學器件可用及操作/指揮/控制/影響來自彩色照明部173及/或檢驗照明部163的輻射。
彩色光學器件171以及檢驗光學器件161可以共用一或多個光學元件，可不共用任何光學元件，可組合為單一光學機構單元及類似者。
彩色照明部173以及檢驗照明部163可以共用一或多個光學元件，可不共用任何光學元件，可組合為單一照明單元及類似者。
在每個分類階段之前所擷取的資料/影像可能涉及在物件與相關相機及/或相關的光學器件及/或相關照明部之間引入移動。此等移動可以藉由托台140及/或藉由與移動相關相機及/或相關光學器件及/或相關照明部的移動機構(例如掃描器)來完成。
藉由該檢驗相機來擷取物件的至少一個區域的至少一第一影像，可包括使用一第一掃描式樣來掃描此一或多個區域。
藉由該彩色相機擷取第一子組可疑缺陷的第二影像，可包括引入一次一個或多個缺陷的移動(從一個缺陷移動到另一個)，使得第一子組可疑缺陷位於該彩色相機的視野內。
圖3繪示一系統102的一個範例。系統102與系統101有以下的不同處： a. 系統102包括第一相機821與第二相機822，該等相機可能與系統101的彩色相機與檢驗相機不同。 b. 系統102包括第一照明部211與第二照明部212，該等照明部可能與彩色照明部173與檢驗照明部163不同。 c. 系統102包括有在此等相機前方的共用光學器件210。應注意的是，也可以有第一光學件與第二光學器件在第一相機與第二相機前方。
應注意的是，此系統可以包括兩個以上且彼此不同的相機。因此，可能會有兩個以上的分類週期。此外或可替換地，可在任何分類階段之前選定哪個相機要被用來擷取在該分類期間要使用之資料。早於初始分類的缺陷檢測亦可先選定哪個相機要用來擷取在缺陷檢測階段要被處理的影像。
圖4繪示一系統103的一個範例。系統103與系統102有以下的不同處： a. 系統103包括有兩個以上的相機，第一到第n部相機(例如第一相機821和第N相機828)，其中N大於2。
圖4亦提供更多細節，其有：(a)繪示用於移動一或多個相機的掃描器125、(b)繪示用於控制此系統的控制器120、及(c)繪示包括分類器182與缺陷檢測器181的電腦180。控制器120及/或掃描器125及/或缺陷檢測器181及/或分類器182亦可包括在系統101與系統102中。
分類器182係規劃及/或建構且配置來執行一或多個分類程序的處理電路。
缺陷檢測器181為規劃及/或建構且配置來執行一或多個缺陷檢測程序的處理電路。
圖5-圖10繪示指定何時需要額外資料之決策規則的非限制性範例。這些圖式說明如何產生參考影像、如何處理第一影像，然後繪示用於定義缺陷的一些配方規則，且接著顯示何時需要額外資料。
圖5繪示參考影像生成的範例。
從晶圓200中選定一些晶粒。此選定能以任何方式來進行。
參考晶粒係基於選定晶粒的影像201、影像202、影像203、及影像204中之像素的屬性來產生。在對齊各個影像後，各個像素的屬性(例如最小值、最大值、及標稱值)係基於晶粒之影像201-204內對應像素的數值(灰階值)。
索引i與索引j表示各個像素的列與行。 a. 參考影像的第(i,j)像素的最小值等於晶粒之影像201-204中的第(i,j)像素之數值中的最小灰階值。 b. 參考影像的第(i,j)像素的最大值等於晶粒之影像201-204中的第(i,j)像素之數值中的最大灰階值。 c. 參考影像的第(i,j)像素的標稱值等於晶粒之影像201-204中的第(i,j)像素之數值中的中位灰階值。
圖6繪示缺陷檢測程序的範例。
此缺陷檢測程序包括： a. 抓取222：擷取一物件的一區域之影像，參見影像242。 b. 對齊224：對齊所擷取的影像及參考影像。 c. 分割226：缺陷檢測程序標示出可以表示可疑缺陷(或被包括在其中)的一些位置(像素)，在影像244中這些像素為白色。 d. 斑點分析228：試圖將彼此連接的可疑缺陷像素進行分組，形成可疑缺陷像素的連續配置。在影像246中，白線表示由一些可疑缺陷像素所形成的一斑點的邊緣。 e. 測量230：測量此斑點的一或多個屬性。例如，假設斑點包括M個像素(B1、……、BM)，則以下屬性可被測量： i. 缺陷面積：像素的數量(M)。 ii. 與參考值相差的缺陷平均偏差值 = Sum(Bi,j – Ri,j)/M，其中Bi,j屬於B1、……、BM，而(i,j)為所擷取影像內的像素之位置，且Ri,j是參考影像的第(i,j)像素。 iii. 缺陷位置是斑點的質心249(參見影像248)。
任何其他缺陷分析亦可使用。
圖7繪示凸塊250及其周圍部分252的俯視圖，以及沿著穿過此凸塊及其周圍部分的一假想線253之像素的灰階分佈260。
圖8繪示一凸塊及其周圍部分及用以摘取凸塊的多個參數之各種處理步驟的影像。
影像270是此凸塊及其部分周圍的影像。
此影像是透過對凸塊的邊緣在不同地點(以不同角度，從所述邊緣和自一共同點延伸的線之間的交叉點處)採樣來予以處理(步驟272和步驟274)。
忽略與其他樣本相差一預定數量的樣本，以提供此凸塊之一估計：已重建的凸塊圓(276)。
圖9繪示不同配方規則的範例。
在本範例中，尺寸x1 小於x2 、x2 小於x3 、x3 小於x4 ：亦即x1 ＜ x2 ＜ x3 ＜ x4 。
此等不同配方規則是用於將缺陷分類。
這些規則在以下情況下即定義出有一缺陷： a. 缺陷(280)與凸塊(250)接觸(與凸塊的距離為零)，並且缺陷尺寸超過x1 。 b. 缺陷和凸塊之間的距離不超過凸塊直徑的0.25，且缺陷尺寸超過x2 。 c. 缺陷不是灰塵，缺陷和凸塊之間的距離超過凸塊直徑的0.25，且缺陷尺寸超過x3 。 d. 缺陷不是灰塵且缺陷尺寸超過x4 。
圖10繪示各種判定規則。
這些判定規則排列在表格300中。
表格300包括五欄 -- 決定(缺陷、無缺陷、可疑缺陷)、與凸塊的距離、缺陷尺寸、平均灰階(用於區別灰塵，因為灰塵具有獨特的GL，通常是最暗的GL)、及額外資料?(指出是否需要額外資料--可疑缺陷是否屬於第一子組可疑缺陷--而需要額外的分類程序)。
表格300包括「解析度」一詞，其是第一相機的解析度。解析度引入了不確定性，因為距離測量及/或尺寸測量的準確度受限於解析度。
對第一相機所擷取的第一影像的處理，引生關於缺陷是否接觸到凸塊及關於缺陷大小的不確定性(解析度)。
例如，參考該表格中所列的第二規則 -- 如果第一影像指出缺陷與凸塊接觸且缺陷的尺寸範圍在(x1 - 解析度)和(x1 + 解析度)之間 -- 則此缺陷是可疑缺陷，並且應該擷取更多資訊 -- 例如，藉由使用具有更精細解析度的相機、使用能以更大確定性來判定缺陷是否觸碰到凸塊的彩色相機及類似者。
例如，參考該表格中所列的第三規則 -- 如果第一影像指出缺陷和凸塊之間的距離低於解析度並且缺陷的尺寸超過x1 + 解析度 -- 那麼此缺陷是可疑缺陷，並且應該擷取更多資訊 --例如，藉由使用具有更精細解析度的相機、使用能以更大確定性來判定缺陷是否觸碰到凸塊的彩色相機及類似者。
該表格中 -- 「缺陷」或「無缺陷」的決定係為第一分類程序的結果，並且「可疑缺陷」的決定指出可疑缺陷(屬於第一子組可疑缺陷)，而其需要另擷取第二影像及額外分類程序。
「第一相機」、「檢驗相機」、「黑白相機」等等用語能以可互換的方式來使用。
「第二相機」、「驗證相機」、「彩色相機」等等用語能以可互換的方式來使用。
處理器及電腦等等用語能可互換的方式來使用。
在以下詳細描述中，闡述了許多具體細節以便提供對本發明的透徹理解。然而，熟於此技者將理解，本發明亦可以在沒有這些具體細節的情況下實施。在其他情況下，習知的方法、流程、元件則不予詳細描述，以免模糊本發明。
應當理解，為了繪示之簡潔及清晰度，圖式中所示的元件不一定按比例繪製。例如，為清楚起見，一些元件的尺寸可能相對於其他元件予以放大。此外，在認為適當的情況下，可能在此等圖式中重複一些參考標號以指出對應或類似的元件。
本說明書中對系統的任何引述，應在作必要修改之下比照適用於可由此系統執行的方法。
因為所闡述之本發明實施例大部分係用熟於此技者已知之電子元件及電路來實施，所以細節將不會以比上文為了理解及瞭解本發明基本概念，且又不致混淆或偏離本發明教示所認為必要程度更大之程度加以解說。
在本說明書中對方法之任何引述，將在作必要修改之下比照適用於能執行該方法的系統，及將在作必要修改之下比照適用於儲存有一旦由電腦執行將導致執行該方法之指令的非暫時性電腦程式產品。該非暫時性電腦程式產品可以是晶片、記憶體單元、碟片、實密碟片、非依電性記憶體、依電性記憶體、磁記憶體、憶阻器、磁記憶體、憶阻器、光學儲存單元及類似者。
在本說明書中對系統之任何引述，皆將在作必要修改之下比照適用於能由該系統執行的方法，及將在作必要修改之下比照適用於儲存有一旦由電腦執行將導致執行該方法之指令的非暫時性電腦電腦程式產品。
另外，熟於此技者將認知到，上述操作之功能之間的界限僅僅是說明性的。多個操作之功能可組合成單一個操作，及/或單一個操作之功能可分散在一些額外操作中。此外，替代性實施例可包括特定操作之多種例項，且操作之順序可在各種其他實施例中改變。
因此，應理解，本文描繪之架構僅僅是例示性的，且實際上可實施達成相同功能之許多其他架構。在抽象、但仍然明確之意義上，達成相同功能之組件之任何配置皆為有效地「關聯」，以便達成所需功能。因此，本文中組合來達成特定功能之任何兩個組件可被視為彼此「相關聯」，以便達成所需功能，而不管架構或中間組件如何。同樣，如此相關聯之任何兩個組件亦可被視為彼此「可操作地連接」或「可操作地耦接」來達成所需功能。
然而，其他修改、變化及更換亦係可能的。因此，本說明書及附圖要以釋例性而非限制性視之。
「包含」一詞與「包括」、「含有」或「具有」同義(意思相同)，並且是包含性的或開放式的，並且不排除額外、未列舉的元件或方法步驟。
「由…所組成」一詞是封閉式的(僅包含所述內容)且排除任何額外、未列舉的元件或方法步驟。
「實質上由…所組成」一詞將範圍限制於所指定材料或步驟、以及不會實質上影響基本和新穎特徵的材料或步驟。
在申請專利範圍和本說明書中，對用語「包含」(或「包括」、「含有」)的任何引用，將在作必要修改之下比照適用於「由......所組成」一語，且將在作必要修改之下比照適用於「實質上由......所組成」一語。
在申請專利範圍和本說明書中，對「由......所組成」一詞的任何引用，將在作必要修改之下比照適用於「包含」一詞，且將在作必要修改之下比照適用於「實質上由......所組成」一語。
在申請專利範圍和本說明書中，對「實質上由......組成」一語的任何引用，將在作必要修改之下比照適用於「包含」一詞，並將在作必要修改之下比照適用於「由......組成」一語。
此外，于本文中使用時，「一或一個」一語係定義為一個或多於一個。而且，在申請專利範圍中使用諸如「至少一個」及「一或多個」之前導性用語，不應被解釋為暗示以不定冠詞「一或一個」起頭引入之另一請求項元件是要把含有此所引入請求項元件之任何特定請求項限制於僅含有一個此類元件的發明，即使當相同之請求項包括有前導性用語「一或多個」或「至少一個」及諸如「一或一個」之不定冠詞時亦然。且這對於用到定冠詞時亦然。除非另有說明，否則諸如「第一」及「第二」之用語僅用於隨意區分此等用語所描述之元件。
因此，此等用語不一定意欲表示此等元件之時間或其他優先性。單純在彼此不同之請求項中引述某些措施之事實，並不表示此等措施之組合不能被有效運用。
90、200‧‧‧晶圓
101、102、103‧‧‧系統
120‧‧‧控制器
125‧‧‧掃描器
130‧‧‧晶圓處置系統
140‧‧‧托台
150‧‧‧夾盤
161‧‧‧檢驗光學器件
190‧‧‧儲存單元
201、202、203、204、242、244、246、248、270‧‧‧影像
210‧‧‧光學器件
211‧‧‧第一照明部
212‧‧‧第二照明部
222‧‧‧抓取
224‧‧‧對齊
226‧‧‧分割
228‧‧‧斑點分析
230‧‧‧測量
249‧‧‧質心
250‧‧‧凸塊
162‧‧‧檢驗相機
163‧‧‧檢驗照明部
171‧‧‧彩色光學器件
172‧‧‧彩色相機
173‧‧‧彩色照明部
180‧‧‧電腦
181‧‧‧缺陷檢測器
182‧‧‧分類器
252‧‧‧周圍部分
253‧‧‧假想線
260‧‧‧灰階分佈
272、274、904、905、906、907、908、910、912、914、916‧‧‧步驟
276‧‧‧凸塊圓
280‧‧‧缺陷
300‧‧‧表格
821‧‧‧第一相機
822‧‧‧第二相機
828‧‧‧第N相機
900‧‧‧方法
根據以下結合附圖所作之詳細描述，將可更全面地理解及瞭解本發明，其中：
圖1繪示方法之示例；
圖2繪示系統之示例；
圖3繪示系統之示例；
圖4繪示系統之示例；
圖5繪示參考影像生成之示例；
圖6繪示缺陷檢測程序之示例；
圖7繪示一凸塊及其周圍的俯視圖，以及沿假想線的像素的灰階分佈；
圖8繪示一凸塊及其周圍的影像及用於摘取凸塊的參數的各種處理步驟；
圖9繪示不同配方規則的示例；以及
圖10繪示各種判定規則。

Claims (23)

  1. 一種用於自動缺陷分類之方法，該方法包含： 藉由一第一相機來擷取一物件的至少一區域之至少一第一影像； 處理該至少一第一影像以檢測出該至少一區域內的一組可疑缺陷； 執行一第一分類程序以初步地分類該組可疑缺陷； 判定一第一子組可疑缺陷是否需要來自一第二相機的額外資訊來用於完成一分類； 當判定該第一子組可疑缺陷需要來自該第二相機的額外資訊時，則： 藉由該第二相機來擷取該第一子組可疑缺陷的第二影像；以及 執行一第二分類程序以分類該第一子組可疑缺陷。
  2. 如請求項1之方法，其包含擷取該等第二影像，而不擷取不屬於該第一子組可疑缺陷的可疑缺陷之影像。
  3. 如請求項1之方法，其中該第一相機的產出量超過該第二相機的產出量。
  4. 如請求項1之方法，其中該第一相機的解析度較該第二相機的解析度粗糙。
  5. 如請求項1之方法，其中該第一相機為一黑白相機，且該第二相機係從一紅外線相機、一近紅外線相機、以及一個三維剖繪儀(profiler)中選出。
  6. 如請求項1之方法，其包含在擷取該至少一第一影像期間、在擷取該等第二影像期間、以及於擷取該至少第一影像與擷取該等第二影像之間，將晶圓維持在一卡盤上。
  7. 如請求項1之方法，其中該判定係回應於該第一相機與該第二相機的影像擷取參數間之一差異。
  8. 如請求項1之方法，其中該判定係回應於該等可疑缺陷的危害性。
  9. 如請求項1之方法，其中該判定係回應於該第一分類程序的準確性。
  10. 如請求項1之方法，其中該判定係在沒有人為介入下執行。
  11. 如請求項1之方法，其中該判定係回應於該第一分類程序之與可疑缺陷的種類相關的一可靠度以及該第二分類程序之與可疑缺陷的種類相關的一可靠度之間的一差異。
  12. 一種儲存有指令的非暫時性電腦程式產品，該等指令於由一電腦化系統執行時使得該電腦化系統進行如下步驟： 藉由一第一相機來擷取一物件的至少一區域之至少一第一影像； 處理該至少一第一影像以檢測出該至少一區域內的一組可疑缺陷； 執行一第一分類程序以初步地分類該組可疑缺陷； 判定一第一子組可疑缺陷是否需要來自一第二相機的額外資訊來用於完成一分類； 當判定該第一子組可疑缺陷需要來自該第二相機的額外資訊時，則： 藉由該第二相機來擷取該第一子組可疑缺陷的第二影像；以及 執行一第二分類程序以用於分類該第一子組可疑缺陷。
  13. 如請求項12之非暫時性電腦可讀媒體，其儲存有用以擷取該等第二影像而不擷取不屬於該第一子組可疑缺陷的可疑缺陷之影像的指令。
  14. 如請求項12之非暫時性電腦可讀媒體，其中該第一相機的產出量超過該第二相機的產出量。
  15. 如請求項12之非暫時性電腦可讀媒體，其中該第一相機的解析度較該第二相機的解析度粗糙。
  16. 如請求項12之非暫時性電腦可讀媒體，其中該第一相機為一黑白相機，且該第二相機係從一紅外線相機、一近紅外線相機、以及一個三維剖繪儀中選出。
  17. 如請求項12之非暫時性電腦可讀媒體，其儲存有用以在擷取該至少一第一影像期間、在擷取該等第二影像期間、以及於擷取該至少第一影像與擷取該等第二影像之間將晶圓維持在一卡盤上的指令。
  18. 如請求項12之非暫時性電腦可讀媒體，其中該判定係回應於該第一相機與該第二相機的影像擷取參數間之一差異。
  19. 如請求項12之非暫時性電腦可讀媒體，其中該判定係回應於該等可疑缺陷的危害性。
  20. 如請求項12之非暫時性電腦可讀媒體，其中該判定係回應於該第一分類程序的準確性。
  21. 如請求項12之非暫時性電腦可讀媒體，其中該判定係在沒有人為介入下執行。
  22. 如請求項12之非暫時性電腦可讀媒體，其中該判定係回應於該第一分類程序之與可疑缺陷的種類相關的一可靠度以及該第二分類程序之與可疑缺陷的種類相關的一可靠度之間的一差異。
  23. 一種用於自動缺陷分類之方法，該系統包含： 一第一相機，建構及配置來擷取一物件的至少一區域之至少一第一影像； 一第二相機； 至少一處理器，建構及配置來：(i)處理該至少一第一影像以檢測出該至少一區域內的一組可疑缺陷；(ii)執行一第一分類程序以初步地分類該組可疑缺陷；及(iii)判定一第一子組可疑缺陷是否需要來自第二相機的額外資訊來用於完成一分類； 當判定該第一子組可疑缺陷需要來自該第二相機的額外資訊時，則： 該第二相機係建構及配置來藉由該第二相機來擷取該第一子組可疑缺陷的第二影像；以及 該至少一處理器係建構及配置來執行用以分類該第一子組可疑缺陷的一第二分類程序。
TW107120606A 2017-06-14 2018-06-14 用於自動缺陷分類之方法及系統以及相關非暫時性電腦程式產品 TWI778078B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201762519516P 2017-06-14 2017-06-14
US62/519,516 2017-06-14

Publications (2)

Publication Number Publication Date
TW201908716A true TW201908716A (zh) 2019-03-01
TWI778078B TWI778078B (zh) 2022-09-21

Family

ID=64659831

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107120606A TWI778078B (zh) 2017-06-14 2018-06-14 用於自動缺陷分類之方法及系統以及相關非暫時性電腦程式產品

Country Status (5)

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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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

Families Citing this family (8)

* 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
US20220244194A1 (en) * 2019-06-05 2022-08-04 Lynx Inspection Inc. Automated inspection method for a manufactured article and system for performing same
GB2588892A (en) * 2019-10-23 2021-05-19 Airbus Operations Ltd Analysing a vehicle surface
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

Family Cites Families (24)

* 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
GB2388428A (en) * 2000-09-10 2003-11-12 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
JP4529365B2 (ja) 2003-03-26 2010-08-25 株式会社ニコン 基板検査システムおよび基板検査方法
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
TW200916763A (en) * 2007-06-03 2009-04-16 Camtek Ltd Multiple illumination path system and method for defect detection
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
SG164292A1 (en) * 2009-01-13 2010-09-29 Semiconductor Technologies & Instruments Pte System and method for inspecting 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
JP5718781B2 (ja) * 2011-09-30 2015-05-13 株式会社Ｓｃｒｅｅｎホールディングス 画像分類装置および画像分類方法
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
WO2016061757A1 (zh) * 2014-10-22 2016-04-28 宇龙计算机通信科技(深圳)有限公司 基于双摄像头模组的图像生成方法及双摄像头模组
JP6758197B2 (ja) * 2015-01-28 2020-09-23 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
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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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

Also Published As

Publication number Publication date
KR102309569B1 (ko) 2021-10-07
US11300521B2 (en) 2022-04-12
CN111213045A (zh) 2020-05-29
US20200141879A1 (en) 2020-05-07
WO2018229709A1 (en) 2018-12-20
US20220214287A1 (en) 2022-07-07
TWI778078B (zh) 2022-09-21
CN111213045B (zh) 2022-07-01
KR20200046014A (ko) 2020-05-06

Similar Documents

Publication Publication Date Title
TWI778078B (zh) 用於自動缺陷分類之方法及系統以及相關非暫時性電腦程式產品
US10901402B2 (en) Closed-loop automatic defect inspection and classification
US9721337B2 (en) Detecting defects on a wafer using defect-specific information
JP2020118696A (ja) 光学式検査及び光学式レビューからの欠陥属性に基づく電子ビームレビューのための欠陥サンプリング
US8462352B2 (en) Surface inspection tool and surface inspection method
TWI731975B (zh) 用於缺陷偵測之系統及方法
TWI751372B (zh) 用於缺陷偵測之系統及方法
KR102550474B1 (ko) 자율 결함 세그먼트화
TW201825883A (zh) 最佳化使用於設定檢查相關演算法之訓練組
TWI711006B (zh) 用於使用局部調適閾值識別製造組件缺陷之系統、方法及電腦程式產品
US10533953B2 (en) System and method for wafer inspection with a noise boundary threshold
TWI695164B (zh) 寬頻晶圓缺陷偵測系統及寬頻晶圓缺陷偵測方法
KR102543870B1 (ko) 매립된 결함의 특성화를 위한 시스템 및 방법
CN111563870B (zh) 图像处理方法和设备、检测方法和装置、存储介质
TWI688763B (zh) 用於缺陷之分類的系統及方法
TW202113337A (zh) 用於具有光學檢查之製程監控的方法
Chen et al. An automatic optical system for micro-defects inspection on 5 surfaces of a chip
KR20230148710A (ko) 반도체 소자 검사 계측 장치 및 방법
KR20210021171A (ko) 제품 검사 장치 및 방법과, 이를 이용한 반도체 제조 시스템 및 제조 방법

Legal Events

Date Code Title Description
GD4A Issue of patent certificate for granted invention patent