TW202046245A - 獲得關於物件的區域的資訊的電腦化系統及方法 - Google Patents

獲得關於物件的區域的資訊的電腦化系統及方法 Download PDF

Info

Publication number
TW202046245A
TW202046245A TW109101688A TW109101688A TW202046245A TW 202046245 A TW202046245 A TW 202046245A TW 109101688 A TW109101688 A TW 109101688A TW 109101688 A TW109101688 A TW 109101688A TW 202046245 A TW202046245 A TW 202046245A
Authority
TW
Taiwan
Prior art keywords
area
images
pixel
attributes
pixels
Prior art date
Application number
TW109101688A
Other languages
English (en)
Other versions
TWI821506B (zh
Inventor
哈伊姆 費爾德曼
伊爾 納斯汀
哈雷爾 尹藍
沙哈爾 阿拉德
阿度 阿爾莫格
Original Assignee
以色列商應用材料以色列公司
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 以色列商應用材料以色列公司 filed Critical 以色列商應用材料以色列公司
Publication of TW202046245A publication Critical patent/TW202046245A/zh
Application granted granted Critical
Publication of TWI821506B publication Critical patent/TWI821506B/zh

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/001Industrial image inspection using an image reference approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/174Segmentation; Edge detection involving the use of two or more images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/97Determining parameters from multiple pictures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20224Image subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30148Semiconductor; 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)
  • Image Processing (AREA)

Abstract

一種提供關於樣品的區域的資訊之方法、系統及電腦可讀取媒體。方法包括(i)藉由成像儀獲得區域的多個影像;其中多個影像藉由至少一個參數而彼此不同;(ii)接收或產生多個參考影像;(iii)產生代表多個影像及多個參考影像之間的差異的多個差異影像;(iv)計算一組區域像素屬性; (v)基於多個區域像素的多組區域像素屬性,計算一組雜訊屬性;及(vi)基於像素的該組雜訊屬性及該組區域像素屬性之間的關係,對各個區域像素決定區域像素是否代表缺陷。

Description

獲得關於物件的區域的資訊的電腦化系統及方法
本揭露案關於獲得關於目標的區域的資訊的電腦化系統及方法。
隨著設計規則縮小,需要晶圓檢測工具以偵測更小的缺陷。先前,偵測缺陷主要受限於雷射功率及偵測器雜訊。在如今(且可能在未來)的工具中,偵測通常受限於印刷在晶圓上圖案的粗糙度散射的光,且特別受限於線邊緣粗糙度。具有隨機相位而可結合以在偵測器上產生亮點(光斑)的此等不規則的散射光幾乎與實際缺陷無法區分。當前過濾技術無法有效移除此等光斑,因其形狀在標準明場或暗場頻道中非常類似於實際缺陷的形狀。
存在對提供可靠的缺陷偵測系統的不斷成長的需求。
可提供一種用於獲得關於樣品的區域的資訊之方法,方法可包括(a)藉由成像儀獲得區域的多個影像;其中多個影像藉由從以下選擇出的至少一個參數而彼此不同:照明光譜、收集光譜、照明偏振、收集偏振、照明角度、收集角度及感測類型;其中獲得多個影像之步驟包含以下步驟:照明區域且從區域收集輻射;其中區域包含多個區域像素;(b)接收或產生多個參考影像;(c)藉由影像處理器產生代表多個影像及多個參考影像之間的差異的多個差異影像;(d)對多個區域像素之各個區域像素計算一組區域像素屬性;其中計算之步驟是基於多個差異影像之像素;(e)基於多個區域像素的多組區域像素屬性,計算一組雜訊屬性;及(f)基於像素的該組雜訊屬性及該組區域像素屬性之間的關係,對各個區域像素決定區域像素是否代表缺陷。
可提供一種用於獲得關於樣品之區域的資訊之電腦化系統,系統可包括:成像儀,包含光學元件及影像處理器;其中成像儀配置成獲得區域的多個影像;其中多個影像藉由從以下選擇出的至少一個參數而彼此不同:照明光譜、收集光譜、照明偏振、收集偏振、照明角度、及收集角度;其中獲得多個影像包含:照明區域且從區域收集輻射;其中區域包含多個區域像素;其中電腦化系統配置成接收或產生多個參考影像;其中影像處理器配置成:產生代表多個影像及多個參考影像之間的差異的多個差異影像;對多個區域像素之各個區域像素計算一組區域像素屬性;其中該組區域像素屬性是基於多個差異影像之像素而計算;基於多個區域像素的多組區域像素屬性,計算一組雜訊屬性;及基於像素的該組雜訊屬性及該組區域像素屬性之間的關係,對各個區域像素決定區域像素是否代表缺陷。
可提供一種非暫態電腦可讀取媒體,可儲存指令以造成電腦化系統執行:藉由電腦化系統的成像儀獲得物件的區域的多個影像;其中多個影像藉由從以下選擇出的至少一個參數而彼此不同:照明光譜、收集光譜、照明偏振、收集偏振、照明角度、收集角度及感測類型;其中獲得多個影像包含:照明區域且從區域收集輻射;其中區域包含多個區域像素;接收或產生多個參考影像;藉由電腦化系統的影像處理器產生代表多個影像及多個參考影像之間的差異的多個差異影像;對多個區域像素之各個區域像素計算一組區域像素屬性;其中計算是基於多個差異影像之像素;基於多個區域像素的多組區域像素屬性,計算一組雜訊屬性;及基於像素的該組雜訊屬性及該組區域像素屬性之間的關係,對各個區域像素決定區域像素是否代表缺陷。
在以下詳細說明中,闡述數個特定細節以提供本發明的透徹理解。然而,本領域中技藝人士將理解本發明可能無須此等特定細節來實踐。在其他實例中,並未詳細說明熟知方法、程序及部件,以便不會模糊本發明。
視為本發明之標的特別在說明書的結論部分指出且分別主張。然而,對於組織及操作之方法兩者的本發明,連同其目標、特徵及優點,可藉由與隨附圖式一起閱讀時參考以下詳說明而最佳理解。
應理解為了圖示之簡單及清楚,圖式中顯示的元件不必按照比例繪製。舉例而言,為了清楚起見,一些元件的尺寸可相對於其他元件誇大。再者,當考量為適當時,圖式之間可重複元件符號以指示相對應或類似的元件。
因為本發明圖示的實施例大部分可使用本領域中技藝人士已知的電子部件及電路實施,所以將不會以與如上所述認為必須的程度相比更大程度地解釋細節,而為了本發明的以下內容的理解及瞭解,且以便不會混淆或分散本發明之教示。
說明書中對方法的任何參考應應用至能夠執行方法的系統,且應應用於儲存指令的非暫態電腦可讀取媒體,一旦藉由電腦執行時導致方法的執行。
說明書中對系統的任何參考應準用至可藉由系統執行之方法,且應準用至儲存指令的非暫態電腦可讀取媒體,該等指令一旦藉由電腦執行,則導致方法得以執行。
說明書中對非暫態電腦可讀取媒體的任何參考應準用至能夠執行儲存於非暫態電腦可讀取媒體中的指令的系統,且應準用至可藉由電腦執行之方法,而讀取非暫態電腦可讀取媒體中所儲存的指令。
可提供系統、方法及電腦可讀取媒體,用於結合使用多個檢測頻道及從多個檢測頻道獲取的資料的高維度分析。所建議的方法考慮了來自電磁場及晶圓的相互作用的更多訊息,而對檢測具有顯著益處。使用以下列出之方法,至少獲得百分之七十的改良。
第1圖圖示方法300之範例。
方法300可包括步驟310、320、330、340、350及360。
方法300可藉由步驟310開始,藉由成像儀獲得區域的多個影像。區域可包括多個區域像素。
成像儀為配置成獲取多個影像的模組或單元。
成像儀可配置成以輻射照明區域,從區域收集輻射且偵測從樣品收集的輻射。成像儀可包括光學元件、影像處理器,且可包括多個偵測器。
步驟310可包括照明樣品的區域、從區域收集輻射及偵測從樣品收集的輻射。
輻射可為紫外(UV)輻射、深UV輻射、極UV輻射或任何其他類型的輻射。
假設單一輻射光束可掃描區域–但應注意多個輻射光束可同時掃描多個區域。
多個影像藉由從以下選擇出的至少一個參數而彼此不同:(i)照明光譜(為成像儀的照明部分的光譜反應)、收集光譜光譜(為成像儀的收集部分的光譜反應)、照明偏振(為藉由成像儀的照明部分強加的偏振)、收集偏振(為藉由成像儀的收集部分強加的偏振)、照明角度(藉由成像儀的照明部分的區域的照明角度)、收集角度及偵測類型(舉例而言–偵測振幅及/或偵測相位)。
成像儀可包括多個偵測器,用於產生多個影像。不同的偵測器可經分配以偵測來自多個瞳孔片段的不同瞳孔片段的輻射–每個瞳孔片段一個偵測器。多個偵測器之每一者可定位在與瞳孔平面共軛的平面中。舉例而言,見偵測器70定位於與第1圖的系統10的瞳孔平面26共軛的平面中。
不同的瞳孔片段可不重疊、可完全不重疊或僅部分地重疊。瞳孔片段可為相等的形狀及尺寸,但至少兩個瞳孔片段的形狀可彼此不同,且額外地或替代地尺寸及/或在離開瞳孔平面上的位置彼此不同。
可具有超過四個瞳孔片段。
成像儀可包括多個偵測器用於產生多個影像。不同的偵測器可分配成偵測多個瞳孔片段的(a)偏振及(b)不同瞳孔片段的不同組合的輻射。舉例而言,見偵測器70分配成偵測來自不同瞳孔片段的第一偏振的輻射,且偵測器70’分配成偵測來自不同瞳孔片段的第二偏振的輻射。
應注意瞳孔可為並非片段,且多個偵測器之各者可分配成整個瞳孔。
步驟310可包括在相同的時間點處獲得多個影像。
或者,步驟310可包括在不同時間點處獲得二或更多個的多個影像。
步驟320可包括接收或產生多個參考影像。參考影像可為從不同於樣品的區域的樣品的區(area)藉由成像儀所獲得的影像。區及區域可為非重疊的(例如,當實行晶粒對晶粒比較時),或可部分重疊(例如,當實行單元對單元比較時)。參考影像可以各種方式計算–舉例而言,藉由處理區域的電腦輔助設計(CAD)資訊、藉由產生黃金參考及類似者。
應注意多個影像的一個影像可用作多個影像的另一影像的參考影像。
使用並非多個影像的另一影像的參考影像可為有益的–因此舉可提供關於區域的更多資訊。
步驟330可包括藉由影像處理器產生代表多個影像及多個參考影像之間的差異的多個差異影像。
步驟340可包括對多個區域像素的各個區域像素計算一組區域像素屬性。計算可基於多個差異影像的像素。
區域像素的此組像素屬性可包括關於區域像素及區域像素的相鄰區域像素的資料。
步驟350可包括基於多個區域像素的多組區域像素屬性,計算一組雜訊屬性。
步驟350可包括計算協方差矩陣。
步驟350可包括: a. 對各個區域像素計算代表在區域像素的該組區域像素屬性的不同屬性之間的協方差的一組協方差值。 b. 基於多個區域像素的多組協方差值計算協方差矩陣。
步驟360可包括基於像素的該組雜訊屬性及該組區域像素屬性之間的關係,對各個區域像素決定區域像素是否代表缺陷。
步驟360亦可回應於真實缺陷的一組屬性,或回應於估計缺陷的一組屬性。估計缺陷可為缺陷的模型。
步驟360可包括: a.將相乘的乘積與臨界值比較,乘積為(i)區域像素的一組屬性、(ii)協方差矩陣及(iii)真實雜訊或估計雜訊的一組屬性之間的相乘。
第2圖圖示系統10及樣品100的範例。
第2圖圖示將九個偵測器分配至九個瞳孔片段–每個瞳孔片段一個偵測器。
第2圖亦圖示瞳孔平面26。
系統10包括輻射源30、光學元件,例如第一分束器40及物鏡50、偵測器70及影像處理器90。
光學元件可包括光學元素的任何組合,而可決定來自輻射源30的輻射光束的一或更多光學特性(例如,形狀、尺寸、偏振),可決定來自輻射源30的輻射光束的路徑,可決定藉由樣品散射及/或反射的一或更多輻射光束的一或更多光學特性(例如,形狀、尺寸、偏振)、且決定一或更多輻射光束的路徑–且引導一或更多輻射光束朝向偵測器70。
光學元件可包括透鏡、柵格、望遠鏡、分束器、偏振儀、反射器、折射器、光圈及類似者。
在第2圖中,來自輻射源30的輻射光束通過第一分束器40且藉由物鏡50聚焦到樣品22的區域上。來自區域的輻射光束藉由物鏡50收集且藉由第一分束器40朝向偵測器70反射。
第2圖圖示分段成九個片段的瞳孔60–第一瞳孔片段61、第二瞳孔片段62、第三瞳孔片段63、第四瞳孔片段64、第五瞳孔片段65、第六瞳孔片段66、第七瞳孔片段67、第八瞳孔片段68及第九瞳孔片段69。
第2圖將偵測器70圖示為包括安排成3x3柵格的九個偵測器–九個偵測器包括第一偵測器71、第二偵測器72、第三偵測器73、第四偵測器74、第五偵測器75、第六偵測器76、第七偵測器77、第八偵測器78及第九偵測器79–每個瞳孔片段一個偵測器。
九個影像產生彼此不同的九個影像–影像包括第一影像91、第二影像92、第三影像93、第四影像94、第五影像95、第六影像96、第七影像97、第八影像98及第九影像99–每個偵測器一個影像。
第3圖圖示沿著y軸掃描物件的區域。應注意掃描可沿著任何其他軸發生。
第4圖圖示實施將十八個偵測器分配至九個瞳孔片段及至兩個偏振的系統12–瞳孔片段及偏振的每個組合一個偵測器。
第一偵測器直到第九偵測器71-79(統稱為70)分配用於第一偏振且用於九個瞳孔片段。
第八偵測器直到第十八偵測器71’、72’、73’、74’、75’、76’、77’、78’及79’(統稱為70’)分配用於第二偏振且用於九個瞳孔片段。
旨在偵測器70及偵測器70’的偏振的差異可使用偏振分束器及/或藉由在偵測器之前插入偏振元件來引入。應注意偏振的全部特徵可能需要在各者上施加至少三個不同的偏振(且並非僅兩個)–因此應添加額外的偏振元件及額外的偵測器。
第4圖圖示系統13包括第一偏振分束器81、第二偏振分束器82及第三偏振分束器83。
第5圖圖示系統13,其中不同的偵測器接收以不同偏振的反射的輻射–歸因於在第三偵測器73之前缺少偏振儀,在第一偵測器71之前定位第一偏振儀89,且在第二偵測器之前定位第二偏振88。第一偵測器71、第二偵測器72及第三偵測器73之中的各個偵測器從整個瞳孔接收輻射。
為了解釋的簡單,第6圖中並未顯示輻射源。
系統13的光學元件包括第一分束器40及額外的分束器(例如,第二分束器86及第三分束器87),用於在第一、第二及第三偵測器之間分離來自物件的光束。
在以下文字中,假設具有九個不同的瞳孔片段,計算九個差異影像且各個像素的相鄰包括八個像素–使得像素及其相鄰包括九個像素。瞳孔片段的數量可不同於九個,差異影像的數量可不同於九個,且像素相鄰的數量可不同於八個。
在此等假設下,各個區域像素藉由八十一個元素的向量及包括81x81元素的協方差矩陣代表。每個向量的元素的數量可不同於八十一個,且協方差矩陣的元素的數量可不同於81x81。舉例而言–像素相鄰的數量可與差異影像的數量相差超過一個。
第6圖圖示第一差異影像111、第二差異影像112、第三差異影像113、第四差異影像114、第五差異影像115、第六差異影像116、第七差異影像117、第八差異影像118及第九差異影像119。
第6圖亦圖示九個差異影像之各者的第(m,n)個像素及其八個相鄰像素–111(m-1,n-1)直到111(m+1,n+1)、112(m-1,n-1)直到112(m+1,n+1)、113(m-1,n-1) 直到113(m+1,n+1)、114(m-1,n-1)直到114(m+1,n+1)、115(m-1,n-1)直到115(m+1,n+1)、116(m-1,n-1)直到116(m+1,n+1)、117(m-1,n-1) 直到117(m+1,n+1)、118(m-1,n-1)直到118(m+1,n+1)、及119(m-1,n-1)直到119(m+1,n+1)。
九個差異影像代表晶圓的相同區域。在區域(亦稱為區域像素)上的各個地點與九個差異影像的九個像素相關聯–在相應的差異影像之中定位於相同地點處。
第(m,n)個區域像素可藉由向量(Vdata(m,n))表示,而包括關於九個差異影像之各者的第(m,n)個像素的值(例如強度),及關於九個差異影像之各者的第(m,n)個像素的相鄰像素的值。
舉例而言,對於第(m,n)個區域像素,向量(Vdata(m,n))可包括以下八十一個向量元素–I[111(m-1,n-1)] ... I[111(m+1,n+1)]、I[112(m-1,n-1)] ... I[112(m+1,n+1)I、I[113(m-1,n-1)] ... I[113(m+1,n+1)]、I[114(m-1,n-1)] ... I[114(m+1,n+1)]、I[115(m-1,n-1)] ... I[115(m+1,n+1)]、I[116(m-1,n-1)] ... I[116(m+1,n+1)]、I[117(m-1,n-1)] ... I[117(m+1,n+1)]、I[118(m-1,n-1)] ... I[118(m+1,n+1)]及I[119(m-1,n-1)] ... I[119(m+1,n+1)]。
雜訊可藉由協方差矩陣估計。協方差矩陣可藉由以下計算:(a)對各個區域像素計算向量元素對之間所有可能的相乘–因此對各個向量的八十一個向量元素具有81x81個相乘,(b)對所有的區域像素加總相對應乘積,及(c)標準化加總以提供協方差矩陣。
標準化可包括平均加總。
舉例而言,步驟(a)的第一個八十一個相乘可包括將I[111(m-1,n-1)]與V(m,n)的所有元素相乘,且步驟(a)的最後的八十一個相乘可包括將I[119(m+1,n+1)]與V(m,n)的所有元素相乘。
假設具有MxN個區域像素(且每個各個差異影像MxN個像素),則步驟(a)包括計算MxNx81x81乘積。步驟(b)包括實行、產生81x81加總–各個加總為MXN個元素,且步驟(c)包括標準化81x81加總–舉例而言,藉由計算平均-將各個加總除以九。
假設缺陷已知或經估計–缺陷可藉由八十一個元素的缺陷向量(Vdefect)表示。
區域像素是否包括缺陷的決定可包括計算區域像素(藉由向量Vdata代表)以缺陷獲得的可能性對區域像素(藉由向量Vdata代表)歸因於缺陷而未獲得的可能性之間的關係(例如,比例)。
對每個區域像素,區域像素是否為缺陷的決定可包括將VdefectT x Cov x Vdata的乘積與臨界值TH作比較。若乘積超過TH,則決定區域像素代表缺陷–反之則假設區域像素不包括缺陷。
可作成其他決定,臨界值可以任何方式計算、可為固定的、可隨著時間改變及類似者。可對所有區域像素應用相同的臨界值–但此舉並非必須,且對不同區域像素可計算不同的臨界值。臨界值的差異可導致例如光學元件中的非均勻性、像差,且在晶粒中類似的不同部分亦可具有不同特性,且需要不同的臨界值。
第7圖圖示第一差異影像111、第二差異影像112、第三差異影像113、第四差異影像114、第五差異影像115、第六差異影像116、第七差異影像117、第八差異影像118及第九差異影像119。
第7圖亦圖示第一參考影像101、第二參考影像102、第三參考影像103、第四參考影像104、第五參考影像105、第六參考影像106、第七參考影像107、第八參考影像108及第九參考影像109。
第7圖進一步圖示藉由九個偵測器獲取的九個影像–九個影像(亦稱為獲取的影像)包括第一影像91、第二影像92、第三影像93、第四影像94、第五影像95、第六影像96、第七影像97、第八影像98及第九影像99。
第一差異影像111代表第一影像91及第一參考影像101之間的差異。
第二差異影像112代表第二影像92及第二參考影像102之間的差異。
第三差異影像113代表第三影像93及第三參考影像103之間的差異。
第四差異影像114代表第四影像94及第四參考影像104之間的差異。
第五差異影像115代表第五影像95及第五參考影像105之間的差異。
第六差異影像116代表第六影像96及第六參考影像106之間的差異。
第七差異影像117代表第七影像97及第七參考影像107之間的差異。
第八差異影像118代表第八影像98及第八參考影像108之間的差異。
第九差異影像119代表第九影像99及第九參考影像109之間的差異。
第8圖為第一差異影像111、第二差異影像112、第三差異影像113、第四差異影像114、第五差異影像115、第六差異影像116、第七差異影像117、第八差異影像118、第九差異影像119、第一影像91、第二影像92、第三影像93、第四影像94、第五影像95、第六影像96、第七影像97、第八影像98及第九影像99之範例。
本發明亦可在電腦系統上運行的電腦程式中實施,該電腦程式至少包括用於在諸如電腦系統之類的可編程設備上運行時執行根據本發明的方法的步驟的代碼部分,或使得可編程設備能夠執行根據本發明的裝置或系統的功能的代碼部分。
電腦程式為指令的列表,例如特定應用程式及/或操作系統。電腦程式可例如包括以下一或更多者:子常式、功能、程序、目標方法、目標實施方式、可執行應用、小應用程式、小服務、源編碼、目標編碼、共享庫/動態加載庫及/或設計用於在電腦系統上執行的指令的其他序列。
電腦程式可內部儲存於非暫態電腦可讀取媒體上。所有或一些電腦程式可永久、可移除地提供在電腦可讀取媒體上,或遠端耦合至資訊處理系統。例如且非限制,電腦可讀取媒體可包括以下任何數量:磁性儲存媒體,包括磁碟及磁帶儲存媒體;光學儲存媒體,例如壓縮光碟媒體(例如,CD-ROM、CD-R等等)及數位影像碟光碟儲存媒體;非揮發記憶體儲存媒體,包括基於半導體的記憶體單元,例如FLASH記憶體、EEPROM、EPROM、ROM;鐵磁數位記憶體;MRAM;揮發性儲存媒體,包括暫存器、緩衝器或快取記憶體、主記憶體、RAM等等。
電腦處理通常包括執行(運行)程式或程式之部分、當前程式值及狀態資訊,及藉由操作系統使用以管理處理的執行的資源。作業系統(OS)為管理電腦的資源的共享之軟體,且提供程式員界面用以存取此等資源。作業系統處理系統資料及使用者輸入,且藉由分配及管理任務及內部系統資源回應,作為對使用者的服務及系統的程式。
例如,電腦系統可包括至少一個處理單元、相關聯的記憶體及數個輸入/輸出(I/O)裝置。當執行電腦程式時,電腦系統根據電腦程式處理資訊且透過I/O裝置產生結果輸出資訊。
在以上說明書中,已參考本發明的實施例的特定範例說明本發明。然而,應理解可進行各種修改及改變而不會悖離如隨附請求項中闡述的本發明的更廣精神及範疇。
再者,在說明書及請求項中若有的「前」、「後」、「頂部」、「底部」、「上面」、「下面」的術語及類似者用以說明之目的,且並非必須說明永久相對位置。應理解如此使用的術語在適當情況下為可互換的,使得此處所述的本發明的實施例例如能夠以除了圖示或此處以其他方式說明的彼等之外的其他定向操作。
此處所論述的連接可為適合傳送訊號進出相應節點、單元或裝置的任何類型的連接,例如透過中間裝置。因此,除非暗示或以其他方式提及,連接可例如為直接連接或間接連接。連接可圖示或說明為參考單一連接、複數個連接、單向連接或雙向連接。然而,不同的實施例可改變連接的實施方式。舉例而言,分開的單向連接可取代雙向連接而使用,且反之亦然。而且,複數個連接可取代連續或以分時多工的方式傳送多個訊號的單一連接。同樣地,攜帶多個訊號的單一連接可分開成攜帶此等訊號的子集的各種不同連接。因此,對傳送訊號存在許多選擇。
儘管在範例中說明特定導電類型或電位極性,應理解導電類型及電位極性可為相反的。
此處所述的各個訊號可設計成正的或負的邏輯。在負的邏輯訊號的情況中,當邏輯性真狀態相對應至邏輯位準零時訊號作用為低。在正的邏輯訊號的情況中,當邏輯性真狀態相對應至邏輯位準一時訊號作用為高。注意到此處所述的任何訊號可設計成負的或正的邏輯訊號任一者。因此,在替代實施例中,描述為正的邏輯訊號的此等訊號可實施為負的邏輯訊號,且描述為負的邏輯訊號的此等訊號可實施為正的邏輯訊號。
再者,當分別稱呼訊號、狀態位元或類似設備呈現為邏輯上真或邏輯上假的狀態時,此處使用術語「斷言」或「設定」及「否定」(或「取消斷言」或「清除」)。若邏輯上真狀態為邏輯位準一,則邏輯上假狀態為邏輯位準零。而且,若邏輯上真狀態為邏輯位準零,則邏輯上假狀態為邏輯位準一。
本領域中技藝人士將認識到邏輯區塊之間的界線僅為說明性的,且替代實施例可併入邏輯區塊或電路元件,或在各種邏輯區塊或電路元件上強加替代功能的分解。因此,應理解此處所描繪的架構僅為示例性,且實際上可實施許多其他架構而達成相同的功能。
用於達成相同功能的部件的任何安排為有效地「相關聯」,使得能夠達成所欲功能。因此,組合以達成特定功能的此處的任何兩個部件可視為彼此「相關聯」,使得能夠達成所欲功能,而與架構或中間部件無關。同樣地,如此相關聯的任何兩個部件亦可視為彼此「可操作地連接」或「可操作地耦合」,以達成所欲功能。
再者,本領域中技藝人士將認識到,上述操作之間的邊界僅為說明性的。可將多個操作組合成單個操作,可將單個操作分佈在額外操作中,且可在時間上至少部分重疊地執行操作。此外,替代實施例可包括特定操作的多個實例,且在各種其他實施例中可改變操作的順序。
而且舉例而言,在一個實施例中,圖示的範例可實施作為定位在單一積體電路上或在相同裝置之中的電路。或者,範例可實施作為以適合方式與彼此互連的任何數量的分離積體電路或分離裝置。
亦舉例而言,範例或範例之部分可實施作為實體電路的軟體或代碼表示形式,或為可轉換為實體電路的邏輯表示形式,例如任何適當類型的硬體描述語言。
而且,本發明並非限制為在非可編程硬體中實施的實體裝置或單元,而亦可在藉由根據適合的程式碼操作,能夠實行所欲裝置功能的可編程裝置或單元中應用,例如主機、迷你電腦、伺服器、工作站、個人電腦、記事本、個人數位助理、電子遊戲、汽車及其他嵌入式系統、蜂巢手機及各種其他無線裝置,在本申請中統稱為「電腦系統」。
然而,其他修改、改變及替換亦為可能的。因此,說明書及圖式應視為說明性而非限制的意義。
在請求項中,放置於刮號之間的任何元件符號不應考量為對請求項之限制。「包含」一詞不排除除了請求項中列舉的彼等之外存在其他元素或步驟。再者,如此處所使用的「一(a)」或「一(an)」的術語界定為一個或超過一個。而且,請求項中例如「至少一個」及「一或更多個」的引導片語的使用不應考量為暗指藉由不定冠詞「一(a)」或「一(an)」引入另一請求項元素將含有此引入的請求項元素的任何特定請求項限制為為發明僅含有一個此元素,即使當相同請求項包括「一或更多個」或「至少一個」的引導片語及例如「一(a)」或「一(an)」的不定冠詞的情況。相同的情況對定冠詞的使用亦為相同的。除非另外說明,否則例如「第一」及「第二」的術語用以在此等術語描述的元素之間進行任意區分。因此,此等術語並非必須意欲指示此等元素的時間或其他優先順序。僅在互不相同的請求項中記載了某些措施的事實並不指示不能利用這些措施的組合來獲得優點。
儘管此處已圖示且說明本發明的某些特徵,本領域中技藝人士現將想到許多修改、替代、改變及等效。因此應理解隨附申請專利範圍意欲涵蓋落入本發明的實際精神之中的所有此等修改及改變。
10:系統 12:系統 13:系統 22:樣品 26:瞳孔平面 30:輻射源 40:分束器 50:物鏡 60:瞳孔 61~69:第一瞳孔~第九瞳孔 70:偵測器 71~79:第一偵測器~第九偵測器 81:第一偏振分束器 82:第二偏振分束器 83:第三偏振分束器 86:第二分束器 87:第三分束器 88:第二偏振 89:第一偏振儀 90:影像處理器 91~99:第一影像~第九影像 100:樣品 101~109:第一參考影像~第九參考影像 111~119:第一差異影像~第九差異影像 300:方法 310~360:步驟
視為本發明之標的特別在說明書的結論部分指出且分別主張。然而,對於組織及操作之方法兩者的本發明,連同其目標、特徵及優點,可藉由與隨附圖式一起閱讀時參考以下詳說明而最佳理解,其中:
第1圖圖示方法之範例;
第2圖圖示系統及樣品之範例;
第3圖圖示物件的區域的掃描之範例;
第4圖圖示系統及樣品之範例;
第5圖圖示系統及樣品之範例;
第6圖圖示各種影像之範例;
第7圖圖示各種影像之範例;及
第8圖圖示各種影像之範例。
應理解為了圖示之簡單及清楚,圖式中顯示的元件不必按照比例繪製。舉例而言,為了清楚起見,一些元件的尺寸可相對於其他元件誇大。再者,當考量為適當時,圖式之間可重複元件符號以指示相對應或類似的元件。
國內寄存資訊(請依寄存機構、日期、號碼順序註記) 無 國外寄存資訊(請依寄存國家、機構、日期、號碼順序註記) 無
10:系統
12:系統
13:系統
22:樣品
26:瞳孔平面
30:輻射源
40:分束器
50:物鏡
60:瞳孔
61~69:第一瞳孔~第九瞳孔
70:偵測器
71~79:第一偵測器~第九偵測器
90:影像處理器
91~99:第一影像~第九影像
100:樣品

Claims (16)

  1. 一種獲得關於一樣品之一區域的資訊之方法,該方法包含以下步驟: 藉由一成像儀獲得該區域的多個影像;其中該等多個影像藉由從以下選擇出的至少一個參數而彼此不同:照明光譜、收集光譜、照明偏振、收集偏振、照明角度、收集角度及感測類型;其中該獲得該等多個影像之步驟包含以下步驟:照明該區域且從該區域收集輻射;其中該區域包含多個區域像素; 接收或產生多個參考影像; 藉由一影像處理器產生代表該等多個影像及該等多個參考影像之間的差異的多個差異影像; 對該等多個區域像素之各個區域像素計算一組區域像素屬性;其中該計算之步驟是基於該等多個差異影像之像素; 基於該等多個區域像素的多組區域像素屬性,計算一組雜訊屬性;及 基於該像素的該組雜訊屬性及該組區域像素屬性之間的一關係,對各個區域像素決定該區域像素是否代表一缺陷。
  2. 如請求項1所述之方法,其中該決定該區域像素是否代表一缺陷之步驟亦回應於一真實缺陷的一組屬性。
  3. 如請求項1所述之方法,其中該決定該區域像素是否代表一缺陷之步驟亦回應於一估計缺陷的一組屬性。
  4. 如請求項1所述之方法,包含以下步驟:藉由計算一協方差矩陣計算該組雜訊屬性。
  5. 如請求項4所述之方法,其中該計算該協方差矩陣之步驟包含以下步驟:對各個區域像素計算代表在該區域像素的該組區域像素屬性的不同屬性之間的該協方差的一組協方差值;及基於該等多個區域像素的多組協方差值,計算給定的該協方差矩陣。
  6. 如請求項4所述之方法,包含以下步驟:對各個區域矩陣,藉由將一相乘的一乘積與一臨界值比較,來決定該區域像素是否代表一缺陷,該乘積為(i)該區域像素的一組屬性、(ii)該協方差矩陣及(iii)一真實雜訊或一估計雜訊的一組屬性之間的相乘。
  7. 如請求項1所述之方法,其中一區域像素的該組像素屬性包含關於該區域像素及該區域像素的相鄰區域像素的資料。
  8. 如請求項1所述之方法,其中該成像儀包含用於產生該等多個影像的多個偵測器,且其中該方法包含以下步驟:分配不同偵測器以偵測來自該等多個瞳孔片段的不同瞳孔片段的輻射。
  9. 如請求項8所述之方法,其中該等多個瞳孔片段的該等不同瞳孔片段超過四個瞳孔片段。
  10. 如請求項1所述之方法,其中該成像儀包含用於產生該等多個影像的多個偵測器,且其中該方法包含以下步驟:分配不同偵測器以偵測來自(a)偏振及(b)該等多個瞳孔片段的不同瞳孔片段的不同組合的輻射。
  11. 如請求項1所述之方法,包含以下步驟:在一相同時間點上獲得該等多個影像。
  12. 如請求項1所述之方法,包含以下步驟:在不同時間點上獲得該等多個影像。
  13. 如請求項1所述之方法,包含以下步驟:分類該缺陷。
  14. 如請求項1所述之方法,包含以下步驟:決定該缺陷是否為一所關注缺陷或一非所關注缺陷。
  15. 一種用於獲得關於一樣品之一區域的資訊之電腦化系統,該系統包含: 一成像儀,包含光學元件及一影像處理器; 其中該成像儀配置成獲得該區域的多個影像;其中該等多個影像藉由從以下選擇出的至少一個參數而彼此不同:照明光譜、收集光譜、照明偏振、收集偏振、照明角度、及收集角度;其中該獲得該等多個影像包含:照明該區域且從該區域收集輻射;其中該區域包含多個區域像素; 其中該電腦化系統配置成接收或產生多個參考影像; 其中該影像處理器配置成: 產生代表該等多個影像及該等多個參考影像之間的差異的多個差異影像; 對該等多個區域像素之各個區域像素計算一組區域像素屬性;其中該組區域像素屬性是基於該等多個差異影像之像素而計算; 基於該等多個區域像素的多組區域像素屬性,計算一組雜訊屬性;及 基於該像素的該組雜訊屬性及該組區域像素屬性之間的一關係,對各個區域像素決定該區域像素是否代表一缺陷。
  16. 一種非暫態電腦可讀取媒體,儲存指令以造成一電腦化系統執行: 藉由該電腦化系統的一成像儀獲得一物件的一區域的多個影像;其中該等多個影像藉由從以下選擇出的至少一個參數而彼此不同:照明光譜、收集光譜、照明偏振、收集偏振、照明角度、收集角度及感測類型;其中該獲得該等多個影像包含:照明該區域且從該區域收集輻射;其中該區域包含多個區域像素; 接收或產生多個參考影像; 藉由該電腦化系統的一影像處理器產生代表該等多個影像及該等多個參考影像之間的差異的多個差異影像; 對該等多個區域像素之各個區域像素計算一組區域像素屬性;其中該計算是基於該等多個差異影像之像素; 基於該等多個區域像素的多組區域像素屬性,計算一組雜訊屬性;及 基於該像素的該組雜訊屬性及該組區域像素屬性之間的一關係,對各個區域像素決定該區域像素是否代表一缺陷。
TW109101688A 2019-01-17 2020-01-17 獲得關於物件的區域的資訊的電腦化系統及方法 TWI821506B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/250,980 US10902582B2 (en) 2019-01-17 2019-01-17 Computerized system and method for obtaining information about a region of an object
US16/250,980 2019-01-17

Publications (2)

Publication Number Publication Date
TW202046245A true TW202046245A (zh) 2020-12-16
TWI821506B TWI821506B (zh) 2023-11-11

Family

ID=71608405

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109101688A TWI821506B (zh) 2019-01-17 2020-01-17 獲得關於物件的區域的資訊的電腦化系統及方法

Country Status (5)

Country Link
US (1) US10902582B2 (zh)
KR (1) KR20210106579A (zh)
CN (1) CN113348484A (zh)
TW (1) TWI821506B (zh)
WO (1) WO2020150271A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112991268B (zh) * 2021-02-09 2021-12-14 上海众壹云计算科技有限公司 晶圆上目标缺陷的快速筛查方法及其装置、系统、存储介质和电子设备

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8223327B2 (en) 2009-01-26 2012-07-17 Kla-Tencor Corp. Systems and methods for detecting defects on 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
US9239295B2 (en) 2012-04-09 2016-01-19 Kla-Tencor Corp. Variable polarization wafer inspection
US9709510B2 (en) * 2014-06-26 2017-07-18 Kla-Tencor Corp. Determining a configuration for an optical element positioned in a collection aperture during wafer inspection
US9625726B2 (en) 2014-12-05 2017-04-18 Kla-Tencor Corp. Lens array-based illumination for wafer inspection
US9965901B2 (en) * 2015-11-19 2018-05-08 KLA—Tencor Corp. Generating simulated images from design information
KR102084535B1 (ko) 2016-03-30 2020-03-05 가부시키가이샤 히다치 하이테크놀로지즈 결함 검사 장치, 결함 검사 방법
CN106650770B (zh) * 2016-09-29 2019-12-17 南京大学 一种基于样本学习和人眼视觉特性的mura缺陷检测方法
CN106600600A (zh) * 2016-12-26 2017-04-26 华南理工大学 基于特征匹配的晶圆缺陷检测方法
US20190096057A1 (en) * 2017-05-11 2019-03-28 Jacob Nathaniel Allen Object inspection system and method for inspecting an object
CN107845087B (zh) * 2017-10-09 2020-07-03 深圳市华星光电半导体显示技术有限公司 液晶面板亮度不均匀缺陷的检测方法和系统

Also Published As

Publication number Publication date
KR20210106579A (ko) 2021-08-30
US10902582B2 (en) 2021-01-26
WO2020150271A1 (en) 2020-07-23
TWI821506B (zh) 2023-11-11
CN113348484A (zh) 2021-09-03
US20200234418A1 (en) 2020-07-23

Similar Documents

Publication Publication Date Title
US9552636B2 (en) Detecting defects on a wafer using defect-specific and multi-channel information
EP2907157B1 (en) Detecting defects on a wafer using defect-specific information
US9354212B2 (en) Inspection having a segmented pupil
US9171364B2 (en) Wafer inspection using free-form care areas
US9904995B2 (en) System and method for patch based inspection
JP6544716B2 (ja) データ生成装置、データ生成方法及びデータ生成プログラム
CN112858318B (zh) 屏幕异物缺陷与灰尘的区分方法、电子设备及存储介质
TW201514927A (zh) 適應性局部臨限及色彩篩選
TW201546926A (zh) 由參考影像改變之檢測方式設定
US20170018403A1 (en) Method and system for optimizing configurable parameters of inspection tools
US11815470B2 (en) Multi-perspective wafer analysis
TW202046245A (zh) 獲得關於物件的區域的資訊的電腦化系統及方法
US9342883B2 (en) Omnibus resolution assessment target for sensors
GB2515179A (en) Image processing device, image pickup apparatus, microscope apparatus, image processing method, and image processing program
JP2020515907A (ja) 顕微鏡における高精度波長抽出用の位相板
CN115176289A (zh) 使用卷积神经网络的细胞系发育图像表征
WO2018177655A1 (en) Inspection of components for imperfections
CN113484333A (zh) 多层结构屏幕的异物缺陷区分方法、电子设备及存储介质
CN108693184B (zh) 用于配置检查系统的计算机化方法、计算机程序产品和检查系统
JP2021157735A (ja) 画像識別システム、画像識別装置、プログラムおよび学習済みモデル
US20230245292A1 (en) Defect detection based on self-supervised learning
CN116434032A (zh) 基于pp-yoloe的抗原检测试剂盒自动识别方法和系统
WO2023139036A1 (en) Method for saving an image acquired using single molecule localization microscopy
CN113311006A (zh) 自动光学检测系统及其检测隐形眼镜边缘瑕疵的方法