TW565689B - Defect classification/inspection system - Google Patents

Defect classification/inspection system Download PDF

Info

Publication number
TW565689B
TW565689B TW091118288A TW91118288A TW565689B TW 565689 B TW565689 B TW 565689B TW 091118288 A TW091118288 A TW 091118288A TW 91118288 A TW91118288 A TW 91118288A TW 565689 B TW565689 B TW 565689B
Authority
TW
Taiwan
Prior art keywords
defect
classification
image
defects
database
Prior art date
Application number
TW091118288A
Other languages
English (en)
Inventor
Hiroshi Kondo
Masatsugu Okuyama
Yo Saito
Original Assignee
Sony Prec Technology Inc
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 Sony Prec Technology Inc filed Critical Sony Prec Technology Inc
Application granted granted Critical
Publication of TW565689B publication Critical patent/TW565689B/zh

Links

Classifications

    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01LSEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00Testing 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
    • 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
    • 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)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Description

565689 五、發明說明(1) [發明所屬技術領域] 本發明係有關執行半導體晶圓等之缺陷之分 分類檢查裝置。 曰心刀頰的缺陷 [習知技術] 半導體裝置係藉由於半導體晶圓上形成細微之穿 t加以製作。於形成如該裝置圖案之時,會有: 曰曰圓上附著塵埃等,或造成傷痕,而產生缺陷之情妒導, 生如該缺陷之半導體裝置係為不良裝4,而使得:產 因此,為了使製造線之良率安定在高水準,最好 期來發現由塵埃和傷痕等所產生之缺陷,並防止其因, 而對製造設備和製造程序來採取有效之對策。 、 在此,於發現缺陷之場 來調查其缺陷為何而執行分 之原因的設備和程序。在此 置係有如所謂光學顯微鏡般 而辨別其缺陷為何。 合時,以使用缺陷檢查裝置, 類分開,以便指定造成其缺陷 ,调查缺陷為何之缺陷檢查裝 之儀器,以將缺陷放大來看广 以做為將半導體晶圓上之缺陷予以自動分類之手法而 言,藉由以比較缺陷影像與參考影像而抽出缺陷,而廣 採用將缺陷之特徵與資料庫做比較•分類之手法。兴… 圖4係習知之缺陷分類檢查裝置中之缺陷分類用資 庫之做成步驟圖。 、/ 在缺陷分類用資料庫之做成步驟,由攝影裝置2〇1所 攝影之缺陷影像與參考影像分別被保存於缺陷影像記憶體
565689 五、發明說明(2) - ^ ^ ^ ^ ^ ^ ^ ^04 P1 #邛位衫像,在特徵抽出部205缺陷之大小和 缺陷資訊孫,量為!故為缺陷資訊而被數值化。被數值化之 由作章i Γ 了旦被蓄積於分類前資料記憶體206之後,而 並认盥八^分類。作業者係以基於經驗來分類各缺陷, f:r刀好之各群分類碼。被給與上述分類碼之各群之 特彳政資訊為做為分類1〜 ’"、 體212。因而,從祐伴力於\貝讯而被保存於分類結果記憶
^ t m α # φ m # ^ ^ 11 ^212 ^ ^ -N A# :由枓k擇 3來排除冗長性之分類1〜N之 特徵做為資料庫而被保存於資料 :N之 步驟ii驟Γ。係在習知之缺陷分類檢查裳置之分類執行 在分類執行步驟,係盥資粗 攝影裝置2〇1所攝影之缺陷影像為同樣地,由 於缺陷影像記憶體202與參考影像;憶二為?^被保存 在缺陷抽出部204來抽出缺陷部位 各/像係只 =二之 料庫記憶體218之資料庫的分類被保存在資 藉由給與特徵為-致之分類之碼而可從分相比較’ 2 2 0做出分類結果。 貝、、、。果輸出部 [發明所欲解決之課題] 但是,為了基於所發現之缺陷來改善# 程序’最好檢查更多之半導體晶圓的缺陷= 第6頁 2196-5121-PF(N).ptd 565689 五、發明說明(3) 缺陷原因。然曰 造成缺陷之多揭各^ ^曰曰0之裝置規則之細微化而 花費很多勞力和時間。 也執灯刀類作業,而需要 =f ’於含於資料庫之缺陷群 之場:時,缺陷之誤分類很多。=很少 類,則隨著需要基於經驗來做判斷並分 似性之排除變為困難。 、枓庫之刀類群相互之類 而且’在分類執行步驟中,為了在一階爲办八4 缺陷而使得分類精 J 類所有 缺點。 曰,所明决分類容易產生之 查裝ΐ此’本發明係可提供具有高分類精度之缺陷分類檢 [為了解決課題之手段] 二減少在資料庫做成裏之作業者之參 而在工,于步驟係以分為複數個階層來力二:科庫, 本毛明之缺陷分類檢查裝置之特徵 部,藉由攝影檢查對象物而與無參相出 用以抽出缺陷部位之景“象;特徵抽出部:目:較, 出部所抽出之㉝陷部位的景“象 以 t: 抽 徵抽出部所數值化之特徵資訊來群口類f於由, 陷,分類碼給與裝置, 二 似之特彳玫的缺 置對由上述缺陷分類裝置所群化之缺
IH 2196-5121-PF(N).ptd 第7頁 _ 565689 五、發明說明(4) 陷來給與分_ 一 -— 類馬,記憶裝置,將由μ、+、 化之缺陷的特徵 2缺陷分類装置 類碼-起而做為資料庫加4;員;=裝置所給與之: 階層之資料庫之缺陷群,而關於^ =來選擇指定做成次 所選擇指定之缺陷群的缺陷,於選擇指定袭置 所數值化之特徵資訊來藉由上述缺:;;;特徵抽出裳置 員似之特徵的缺陷,並 ::::置而再度群化 層地加W類之資料庫;*分類‘=對象物之缺陷以階 :庫做成部所給予之資料庫,而從由1 =參考由上述資 出之檢查對象物之缺陷部位的影像^缺陷抽丨部所抽 出部所抽出之被數值化之特徵fm ς =上述特徵抽 之缺陷以階層加以分類。 夺上述檢查對象物 [發明之實施形態] 明。以下,就本發明之實施形態以參考圖式來詳細加以說 本發明係適用於例如如圖1所示 查裝置100。 之構成之缺陷分類檢 該缺陷分類檢查裝置100係執行在 檢查對象物而被載置半導 $ 以做為 為包括…之缺陷的分類檢查, 影像記憶體30、參考影像記憶體4〇 ;二:之缺陷 抽出部60、資料盧撤& Αβ7η ^ v缺陷抽出邛50、特徵 貝枓庫做成邛70、及分類執行部80所構成。
2196-5121-PF(N).ptd 第8頁 565689 五、發明說明(5) 在該缺陷分類檢查裝 臺控制部1所控制而被載置置1触搬送臺丨〇係決定將受 控制部1所指定之座標位置。丰導體晶圓90位於受上述臺 裝置20之攝影輪出係以做 之表面。依據該攝影 憶體3 0或參考影像記憶體=:像檔而被供應至缺陷影像記 缺陷影像記憶體30係可保在人女、, 裝置20之攝影冑出而 缺^ u做為依據上述攝影 而影像資料之寫入/讀出位之影像的缺陷影像, 寫入以做為依據上述處/㈣則所控制,而 影像資料,而且,上述缺陷°J=出而得到之缺陷 參考影像記憶體4〇係可被讀出。 缺陷之參考影像,而影像資料之寫入二缺陷影像相比較無 控制部3所控制,可寫 ··,,靖出為文資料處理 輸出而得到之無缺陷之同mm攝影裝㈣之攝影 可讀出上述參考影像資:的參考影像資料,而且, 係於ΐ:庫:i :陷影像記憶體3 〇及參考影像記4 n 晶_之=匕=分類之執行時,基於在上 、表w線上之缺陷檢杳 义十導體 ί:ί;之半導體晶圓90定位於上述:陷之Λ將上 " 合有由上述攝影裝置20以攝影上述半 麵 2196-5121-PF(N).ptd 第9頁 565689 五、發明說明(6) _ 9 〇之表面所得之缺陷部位之影俊 述缺陷影像記憶體30,而且,在將」=像資料為寫入上 於無缺陷之同樣圖案之同位置肤二半導體晶圓90定位 ①乂攝影上述半導體晶圓90之表面所述攝影裝置 衫像資料而被寫入上述參考影像記情體40衫像係做為參考 因為缺陷抽出部50係藉由將攝影對 查對象影像與無缺陷之參考影像相比較物所得之檢 所以藉由將保存於上述缺陷影:缺〇陷部位之 像·貝料與保存於上述參考影像記憶體4 〇之:Ϊ旦〇之缺陷影 :匕較,而以做為由上述攝影裝置2。所攝影資料相 之缺陷部位的影像來抽出缺陷導體晶圓90 該缺陷抽出部50所抽出之缺陷部:;;:;=差分。由 出部6 0。 〜像係供應至特徵抽 特徵抽出部60係對於由上述缺陷抽 陷部位的影像,將大小、色彩、 斤抽出之缺 為特徵量予以抽出並數值化Γ、、*形㈣之資訊做 由該特徵抽出部60所數值化之大小、色 於資料庫之做成時被供應至資二做ΐ 80。 ,⑨缺陷分類之執彳時係被供應至分類執行部 從上ΐ=”70係包括:分類前資料記憶體71,保存 將具供應之特徵資訊;缺陷分類部72, 之特徵資^ L 述分類前資料記憶體71之被數值化 所類似之特徵的缺陷自動地予以群化,·分類結 第10頁 2196-5121-PF(N).ptd 565689 五、發明說明(7) __ 果記憶體73,保在w a 果所得之各缺陷群Ϊ為依據上述缺陷分類部72之分類結 分類結果記情體=^示及輸入部74 ’顯示被保存於上述 之輸入,而:接=陷群,•受依據作業者之分類碼 判定部75,在被將缺陷群予以選擇指定輸入;分類碼 之中藉由作業者以^ ϋ上述分類結果記憶體73之各缺陷群 定之缺陷群的分類碼疋通過上述顯示及輸入部74所選擇指 群的缺陷,並將i右其r 於上述被選擇指定之缺陷 之特徵的缺陷夢==上述被數值化之特徵資訊所類似 選擇部76 US;,類部72予以再度群化;資料 群的特徵資訊及被给盥之八海m °果°己隐體73之各缺陷 由該資料選擇部76所;Ϊ碼’’及資料庫記憶體77,將 之分類碼做Π:;斤;=成的特:資訊及被給與 部7。中,對於藉由作業者而屬斤=述:該資料庫做成 而被選擇指定之缺陷群的缺陷,以美於了及輸入部74 6〇所數值化之特徵資訊來再:右 述特徵抽出部 部72所類似之特徵的缺陷,而;:杳、土述缺陷分類 加以分類之資料庫做成在資料庫記憶體缺陷以階層 因而,分類執行部80係包括··比。 8卜將由上述特徵抽出部6。所抽出之被數刀類馬給與部 與由上述資料庫做成部7〇所給與之 化之特徵資訊 上述資料庫做分類碼;分類碼邦定部82 :比較,而根據 /分類碼給與部8 1之分類碼來判定θ兩、於由上述比較 理;及分類結果輸出部83,輪出二十、\要/大階層之處 出由上述比較/分類碼給與 麵 2196-5121-PF(N).ptd 第π頁 565689 五、發明說明(8) 部81所給與之分類碼。該分類執行部8〇係以參 料庫做成部70所給與之資料庫,而從由上述 ^述資 所抽出之檢查對象物、即半導體晶圓9〇之缺陷部:P 50 = 以基於由上述特徵抽出部60所抽出之被數值化=〆 資訊’來將上述半導體晶圓90之缺陷以階層予以八寺徵 在如該構成之缺陷分類檢查裝置100中,刀頰° 地,以做成資料庫而執行缺陷分類。 件如从下般 Z ’在資料庫做成步驟中,係基於在 ,由上、”批在丨Γ 所檢測之缺陷的座標位置資粗 藉由上述里控制部i來控制上述搬送臺10,而罝貝枓以 f臺10上之半導體晶圓90定位於上述缺陷之座炉上述搬 m ΐ:藉由上述攝影裝置2〇以攝影上述ΐ導匕狀 90之表面所仟之缺陷部位的:導體晶圓 於上述缺陷影像記情體3 〇 ^ 、如像貝料予以保存 疋位於無缺陷之同樣圖案 牛導體日日圓9〇 攝影裝置20以攝影上述半導體===面=藉由上述 做為參考影像資料予 BB 表面所侍之影像以 其次,在缺陷述參考影像記憶體4〇。 影像記憶體30之缺陷f彡較保存於上述缺陷 半導體晶ί二二述攝影裝置2。所攝影: 像之差分’而在特徵抽出部二來像與參考影 狀等之資訊做為特:U:大小、色彩、對比、及形 特欲里予以抽出並數值化。例如,大小係 2196-5121-PF(N).Ptd 第12頁 565689 五、發明說明(9) 面積照舊被保存,色彩係以做為3原色之亮度而被保存, f比係缺陷影像内之亮度的最高值與最低值之比為被保’ :、’形狀係與最接近之形狀模型之種類與其構成比、例 ^為橢圓則以直徑比、若為長方形則以兩邊之比來加以^ 6 $而’在資料庫做成部7〇中,係將由上述特徵抽出 所得之被數值化之特徵資訊予以蓄積於分類前資料記^ 八」’並基於上述被數值化之特徵資訊來將具有依據缺= =4 79所類似之特徵的缺陷自動地予以群化,而將保^ f,據上述缺陷分類部72之分類結果所得之各缺陷群: 乂保存於分類結果記憶體73。 順序t ^ 3缺陷分類部79中之自動分類係例如為以下一個 數。予以分類成幾個具有各個特徵,係預先設定成參 f其二久以大小將全缺陷予以分類成例如為3種類之後, ς ^形狀模型與構成比而將各個群予以分類。其次,藉 依川頁库而以根據臨限值來分類成另一群。如以上般‘ 作業^用各特徵並以數值之不同而將群更細分化。 /輸入部係將☆依據上述缺陷分類部72之分類結果在顯示 加以構成或、/ 5忍來判斷是其群為僅以所期望之缺陷 個缺陷群所在者以及缺陷之種類,並將各 給與各缺陷群:被給:分類=2述顯示及輸入部7 4而 在資料選擇部76被排除冗】群:缺陷資訊係於 r生之貝枓庫§己憶體7 7與分類碼 立、發明說明(10) 一起被保存。 而且,在保存於上述分類結果記憶體73之久缺1 中混在著複數個缺陷之群係由作業者 群之 定各缺陷群之分類碼,而將屬於複數個缺二::來匈 陷所混在著之缺陷群的缺陷,以基於被:個缺 予以再度群化,並給與分。 ,有無再度混在群,直至混在群為不2作業者係 m:於其每次’做成其階層之資料庫:而反覆 再者在为類執行步驟中,首先美於μ、+ 9〇之製造線上之缺陷檢 ^ γ上述半導體晶圓 以藉由上述臺控制邱斤檢J之缺1^的座標位置資料 搬详來控制上述搬送臺1〇,並I趑/ 搬=室10上之半導體晶圓9〇定位於上尤在將上述 :二:表Lt:::㈡:影:置2°來攝d%: 存於上述缺陷影像記憶體3,的::之J ::像資料予以保 90位於無缺陷之同樣圖夺上述半導體晶圓 =置2〇以攝影上述半導將藉由上述 為參考影像資料而保存於 表面所得之影像做 其次,在缺陷抽出部50中:=;己憶體4。。 影像記憶體30之缺陷影像資藉,比較保存於上述缺 體40之參考影像資 做為由、:::上述參考影像 為由上述攝影裝置20所攝影 565689 五、發明說明(11) :導體晶圓90之缺陷部位的影像而抽出缺陷影像與, ϋί分,並在特徵抽出部60中,對由上述缺陷抽出:二 所抽出之缺陷部位的影像,來將大小、色彩、對比出崢50
狀等之資訊做為特徵量予以抽出並數值化。 及开J 因而,在在分類執行部80中,係在比較/分類 :將由上述特徵抽出部_得之被 徵。 上述資料庫而給與分類碼。分類碼判定 ^根據 較/分類碼給與部81所給與之分類碼,來#定是 攻比 之再比較為必要的分類碼。於次 Ρ自層 類碼之場合時,再度在上述比;:;白八層之再比較為必要的分 次階層之比較並給與分類碼又刀類碼:與部81來執行 類碼之場合時,係做為其缺陷&再比較為不要的分 出部83。I給與再比較之必類,而送至分类員結果輪 述比較/分類碼給與部81被仏鱼碼之缺陷係改為在上 給與之次階層之資料庫與所二由之上述資7 /分類碼給與部8 1中被給與再比 碼。直至在上述比較 反覆來執行上述分類處理。因又之不要的分類碼為止, 類碼,而確定分類之缺陷係於复^被給與不要再分類之分 出部83。 、“母次,被送至分類結果輸 將在如該構成之缺陷分 成處理之執行例予以顯示於圖2檢查/置100…料庫做 中,以下之順序為由資料處理#^該圖2所示之執行例 在攝影裝置2〇所攝影之缺:!1部3所決定·執行。 之缺卩曰影像與參考影像之影像檔
2196-5121-PF(N).Ptd 第15頁 565689 五 、發明說明(12) __ 案係分別被取入於缺陷影像記憶體 而在缺陷抽出部5。中缺陷影像與參考:m體 :乂做為缺陷資訊而被抽i被抽出之缺陷;像 抽出部60,將大小、色彩、對比、 等特徵 值化而做為缺陷影像之特徵資訊。 4之貝成予以數 因而,在資料庫做成部70中,係先執 料庫做成步驟70A。 尤钒仃弟階層之資 汽-ί!:階層,資料庫做成步驟7〇Α中,缺陷影像之特 ‘I;:械旦被蓄積於分類前資料記憶體71之*,自動八 :類2據;陷分類部72而類似之特徵的複數個群,^二 刀類、、Ό果记憶體73做為從「分類1」至「分類4」之雜办 二::成因而’其次藉由作業者,將所期望之僅以單二: Κίΐί群予以區分為分類a,缺陷為混在著之群予以 、d。在該時點係已經執行自動分類,而 係為了不被要求做依據自己判斷之分類 而 谷易地可行判斷及分類碼之給與。被給盥 ^上為 ,各分類a〜d之特徵資訊與分類蜗一起被保;子之於= 庫記憶體77。 丁仔於身料 因而’對混在著缺陷之群的分類b、c係執杆筮一 μ料庫做成步驟7 〇 。而且’對分類d來執行笛一 9 階層之第二資料庫做成步驟70B2。 ^第二階層之第一資料庫做成步驟TOBi中,與第—比 層之 > 料庫做成步驟7 0 A為同樣地’缺陷資訊為藉由缺γ白
2196-5121-PF(N).Ptd 第16頁 565689 五、發明說明(13) 分類部72而被自動分類,其分類結果為被保存於分類結 «己憶體73,並藉由作業者於單一缺陷群來區分分類e,而 且於混在缺陷群區分為分類f與分類g之後,以做為第二 層之第一資料庫DZ1將各分類e〜g之特徵資訊與分類碼—白 被保存於資料庫記憶體7 7。 、 再者,對混在缺陷群之分類f、g來執行第三階次 料庫做成步驟70C。 貝 而且,在第二階層之第二資料庫做成步驟7〇匕中, 第一階層之資料庫做成步驟7〇A為同樣地,缺陷資气鼓、 分類結果記憶體73,並藉由作業者於單—缺陷群區分二 類h、i,依據被給與之分類碼來辨識不需送至 ^為分 二畢將分類h、i之特徵資訊與分類碼一起做為第:工展而 第二資料庫d22予以保存之步驟。 P自層之 而且,在第三階層之資料庫做成步驟7〇。甲 訊之流程係與第二階層之第二資 缺卩曰資 地,於自動分類/分類碼給與之後, 乂驟7 為同樣 類j、k,並依據被給與之分類碼而辨曰作^業、者區分為分 來完畢將分類〗、k以做為第二階展^不而达至次階層, 資料庫記憶體π之步驟。—p白層之資料庫匕予以保存於 若依據以上之資料庫做成步 料庫,而使分類變為容易,總之,、,以階層做成資 j成立之際的分類依順次使確定而與二陷之特 類群相互之類似性之排除
2196-5121.PF(N).ptd 執行全部之分類之場合相比則分 9之貝料庫來 $ 17頁 565689 五、發明說明(14) 變為容易。 動分:i勃圖1:系顯示依據如此做成之階層的資料庫做自 員之執仃例。在該圖3所示之執行 為藉由資料處理控制部3而被決定、及執;。以下之手順 案係攝影之缺陷影像與參考影像的影像檔 4。,而在缺陷抽出部50將缺 抽出部6〇而;;= 資訊係依據特徵 值化而做為缺陷影像im:及形狀等之資訊予以數 行步:二,。在分類執行部8°中,來執行第-階層之分類執 认盎類執行步驟8°a中,藉由比較/分類碼 訊為與含於第所數值化之缺陷影像之特徵資 時,在第一階層之分類】^類的碼。於本事例之場合 類a之情形係昭舊之八仃/驟8〇A所給與之分類碼為分 出觸並完畢分類步刀驟。“、、為確定,而被送至分類結果輸 之分類碼為ί :上t第或::之分:執:步·〇Α所給與 對其缺陷係執行第二階声2不:疋”類Χ的場合時, 述第1舞之又類執行步驟’係對執行上 9之刀類執仃步驟_之結果、即所給與之分類
2196-5121-PF(N).ptd 第18頁 565689 五、發明說明(15) 石馬為分類b、c、武么本一 分類碼給與部8ι ϋΐ不定之分類X的缺陷,藉由比較/ μ夕皆 次刺士 /、具缺陷影像之特徵資訊為含於第二階 弟一貝料庫D夕八#ε 給與特徵為、f、g之特徵f訊相比較,而 -P比涵夕楚 刀類的碼。於本事例之場合時,當以第 —I4皆層之第一分絲杣> + 之柊# 冰卜 1執订步驟80B!所給與之分類碼為分類e < ff形,確定照雈夕八扣β &思八相土抓、、售之刀類石馬’並送至分類結果輸出部83而 疋畢分類步驟。 而且,於以 μ :;+,哲 认你々ν批 上述第二階層之第一分類執行步驟80Bi所 給與之分類碼為分_ f 丄 1 眩 ^ L ^ Λ刀類f、g、或為表示不定之分類X之場合 時,對此缺陷來勃分赞_ ^ 比术執订第二階層之分類執行步驟8 0C。 二卩比厣,ΐ ϋ!層之分類執行步驟8〇C中’係對執行上述第 =:~分類執行步驟SOBi之結果、即所給與之分類 為分類f、g、式炎生一 八上 4為表不不定之分類X之缺陷,藉由比較/ 分類碼給與部81,& # ^ ^ 其缺陷影像之特徵資訊為含於第三階 二之負料庫h之分類j、k之特徵資訊相比較,而給與特徵 "致之刀類的瑪。在本事例中,以第三階層之分類執行 步驟80C所給盥之八批., _ ^ 八, 、。之刀類:!、k、或不定之分類X係確定照舊之 刀類碼’並送至分類結果輸出部83而完畢分類步驟。 方面於在上述第一階層之分類執行步驟8 0 A所給 與之分類碼為分類d > +日/v i Jia甘n M "h +丨 $笛-八相Z %合時,對其缺陷來執行第二階層 之第一刀類執行步驟8〇B2。 述第ϋϊΐί第二分類執行步驟’ +,對做為在上 白曰之/刀類執行步驟80Α所給與之分類 缺陷,葬由屮於/八L 7胡巧為分類d之 藉由比較/刀類碼給與部81,來與其缺陷影像之特
2196-5121-PF(N).ptd 第19頁 565689 發明說明(16) 徵資訊為被含於第二階> 特徵資訊相比較,而可二之第二資料庫D22之分類h、j之 事例中,在第三階層之$與特徵為一致之分類的碼。在本 J·或不定之分類X係分類2類執行步驟80C所給與之分類h、 輪出部8 3並完畢分類^馬為照舊確定,而被送至分類結果 若依據以上之自動八 料庫相比較而從特徵之類步驟,則於每一階層與別的資 定而可做精度為良好之ϊ立之際的分類依順次使分類碼確 <刀類。 在以上所做說明> α 藉由比較保存於上述缺:m置中,缺陷抽出部50係 保存於上述參考影像記m體3〇之缺陷影像資料與 上述攝影裝置20所攝影:半導二:2像資料’以做為由 參考影像之差分,但也可以分割影像 枓ΐ ΐ之ί領域來保存參考影像資料與缺陷影像資 :,而且’於反覆圖案所形成之檢查對象物之場合時,可 將攝影上述檢查對象物所得之反覆圖案之影像的一部分予 以使用做為參考影像,而基於上述反覆圖案之影像的變化 也可抽出缺陷部位之影像。 [發明效果] 如以上所述,在本發明之缺陷檢查裝置中 -欠… 做成部裏,對屬於由選擇指定裝置所選擇# ^ >料庫 日疋之缺陷群^的 缺陷’基於由特徵抽出裝置所數值化之特徵資1 群化具有依據缺陷分類裝置所類似之特徵的^陷而可再度 將檢查對象物之缺陷以階層加以分類之資料庙曰’而做成 、邛犀。而且,在
2196-5121-PF(N).ptd 第20頁 565689 五、發明說明(17) 本發明之缺陷 值化之特徵資 似之特徵的缺 之缺陷來加以 庫,而且,藉 可排除分類群 因而,因 成部所給與之 出之檢查對象 出部所抽出之 之缺陷以階層 有的分類之場 檢查裝置中 訊,來群化 陷,而作業 構成及僅以 由使資料庫 相互之類似 為在分類執 階層的資料 物的缺陷部 被數值化之 地加以分類 合來為可行 ,係為 具有依 者係判 給與辨 之做成 性。 行部中 庫,而 位之影 特徵資 ’所以 兩精度 了基於由特徵抽出部所數 據上述缺陷分類裝置所类員 斷缺陷群是否僅以所期望 別碼而可容易地做成資料 以複數階層予以分散,而 ,以參考由上述資料庫做 從由上述缺陷抽出部所抽 像,並基於由上述特徵抽 訊,來將上述檢查對象物 比起使在一階層而確定所 之缺陷分類。
565689 圖式簡單說明
查裝置之構成
圖1係顯示本發明之缺^、 辦心分類檢 圖2係顯示在上述缺陷八g _檢查理之執行例之圖。 〜 圖3係顯示依據由在上述缺陷分 做成處理所做成之階層的資料庫之自 圖0 裝置之資料庫做 類檢查裝置之資 動分類之執行>1 圖4係在習知之缺陷分類檢查裝 庫之做成步驟圖。 置之缺陷分類用 圖5係在習知之缺陷分類檢查裝 步驟圖。 置之分類執行步 方塊 成處 料庫 之 資料 驟之 [符號說明] 1臺控制部、 3資料處理控制部、 20攝影裝置、 參考影像記憶體、 6 〇特徵抽出部、 7 1分類前資料記憶體、 73分類結果記憶體、 75分類碼判定部、 77資料庫記憶體、 8 1比%c /分類碼給與部 分類結果輪出部、 2攝影控制部、 1 0搬送臺、 30缺陷影像記憶體、 缺陷抽出部、7 0資料庫做成部、 72缺陷分類部、 74顯示及輸入部、 7 6 資料選擇部、 8 0分類執行部、 8 2 分類碼判定部、 9 0半導體晶圓、 565689 圖式簡單說明 1 0 0 缺陷分類檢查裝置。 ΙΙϋΙϋ 第23頁 2196-5121-PF(N).ptd

Claims (1)

  1. 565689 六、申請專利範圍 2 —種缺陷分類檢查裝置,其特徵在於包括: 影像出部,藉由攝影檢查對象物而與無缺陷之參考 〜琢相比較,用以抽出缺陷部位之影像; 的费ϊί:出部,將由上述缺陷抽出部所抽出之缺陷部位 的〜像之特徵量予以抽出並數值化; 徵抽部’包括:缺陷分類裝置’基於由上述特 陷,分類碼給與裝置,對由上述 ^ 陷來給與分類碼;記憶裝置,;置所群化之缺 化之缺陷的特徵資訊與由上述;=類裝置所群 類碼-起而做為資料庫加以保存類及所給與之分 述被群化之分類碼所被給與的各缺曰疋裝置,從上 階層之資料庫之缺陷群,而關選擇指定做成次 所選擇指定之缺陷群的缺陷,以==選擇指定裝置 所數值化之特徵資訊來藉由上述ς陷 ^徵抽出裝置 具有類似之特徵的缺陷,並做破置而再度群化 層地加以分類之資料庫;及 、欢一對象物之缺陷以階 分類執行部,以參考由 料庫,而從由上述缺陷抽出部庫做成部所給予之資 部位的影像,並基於由上 之檢查對象物之缺陷 之特徵資訊,上述檢杳:出部所抽出之被數值化 類。 查对象物之缺陷以階層加以分 2·如申請專利範圍證1 其中,上述缺陷抽出部係基檢查裝置, __ 饱置對象物所得影像之 2196-5121-PF(N).ptd 苐24頁 565689 六、申請專利範圍 反覆圖案之變化來抽出缺陷部位之影像。 3. 如申請專利範圍第1項所述之缺陷分類檢查裝置, 其中,上述分類執行部係藉由將由上述特徵抽出部所抽出 之被數值化之特徵資訊與由上述資料庫做成部所給予之資 料庫相比較而給與分類碼,而將上述檢查對象物之缺陷以 階層加以分類。
    2196-5121-PF(N).ptd 第25頁
TW091118288A 2002-02-08 2002-08-14 Defect classification/inspection system TW565689B (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2002032910A JP4154156B2 (ja) 2002-02-08 2002-02-08 欠陥分類検査装置

Publications (1)

Publication Number Publication Date
TW565689B true TW565689B (en) 2003-12-11

Family

ID=27621384

Family Applications (1)

Application Number Title Priority Date Filing Date
TW091118288A TW565689B (en) 2002-02-08 2002-08-14 Defect classification/inspection system

Country Status (5)

Country Link
US (1) US7171039B2 (zh)
JP (1) JP4154156B2 (zh)
KR (1) KR100615738B1 (zh)
DE (1) DE10240877A1 (zh)
TW (1) TW565689B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI657725B (zh) * 2014-03-07 2019-04-21 日商大亨股份有限公司 影像檢查裝置及影像檢查方法

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006507539A (ja) * 2002-11-21 2006-03-02 トッパン、フォウタマスクス、インク 欠陥画像を検査システムからデータベースに自動的に送信するシステム及び方法
JP4238074B2 (ja) * 2003-06-19 2009-03-11 新日本製鐵株式会社 表面疵検査方法
JP2005158780A (ja) 2003-11-20 2005-06-16 Hitachi Ltd パターン欠陥検査方法及びその装置
US7647132B2 (en) * 2004-05-05 2010-01-12 Taiwan Semiconductor Manufacturing Company, Ltd. Method and system for problem case packaging
US7593565B2 (en) * 2004-12-08 2009-09-22 Rudolph Technologies, Inc. All surface data for use in substrate inspection
US7643665B2 (en) * 2004-08-31 2010-01-05 Semiconductor Insights Inc. Method of design analysis of existing integrated circuits
US7460688B2 (en) * 2004-12-09 2008-12-02 Aptina Imaging Corporation System and method for detecting and correcting defective pixels in a digital image sensor
US7283227B2 (en) * 2005-11-21 2007-10-16 Corning Incorporated Oblique transmission illumination inspection system and method for inspecting a glass sheet
TWI320497B (en) 2005-12-09 2010-02-11 Taiwan Tft Lcd Ass Multiple-angle imaging machine, multiple-angle inspection system and method for blemish measurement of a flat panel display
KR100893157B1 (ko) * 2007-04-27 2009-04-16 삼성전자주식회사 반도체 디바이스의 불량 분석 방법 및 불량 분석 시스템
US7773224B2 (en) * 2007-09-28 2010-08-10 Motorola, Inc. Spectrum verification imaging system and method
JP5243785B2 (ja) * 2007-12-28 2013-07-24 日清紡ホールディングス株式会社 太陽電池検査装置及び太陽電池欠陥判定方法
JP5155698B2 (ja) 2008-03-06 2013-03-06 東京エレクトロン株式会社 パーティクル発生要因判別システム及びパーティクル発生要因判別方法
JP5156452B2 (ja) * 2008-03-27 2013-03-06 東京エレクトロン株式会社 欠陥分類方法、プログラム、コンピュータ記憶媒体及び欠陥分類装置
JP5381166B2 (ja) * 2009-03-04 2014-01-08 オムロン株式会社 モデル画像取得支援装置、モデル画像取得支援方法およびモデル画像取得支援プログラム
JP2010210585A (ja) * 2009-03-12 2010-09-24 Omron Corp 3次元視覚センサにおけるモデル表示方法および3次元視覚センサ
JP5245938B2 (ja) * 2009-03-12 2013-07-24 オムロン株式会社 3次元認識結果の表示方法および3次元視覚センサ
JP5714232B2 (ja) * 2009-03-12 2015-05-07 オムロン株式会社 キャリブレーション装置および3次元計測のためのパラメータの精度の確認支援方法
JP5282614B2 (ja) * 2009-03-13 2013-09-04 オムロン株式会社 視覚認識処理用のモデルデータの登録方法および視覚センサ
JP5448598B2 (ja) 2009-06-24 2014-03-19 東京エレクトロン株式会社 パーティクル発生要因判定システム、課金方法、及び記憶媒体
JP2011023638A (ja) * 2009-07-17 2011-02-03 Toshiba Corp 検査領域設定方法
US20130022240A1 (en) * 2011-07-19 2013-01-24 Wolters William C Remote Automated Planning and Tracking of Recorded Data
JP5873764B2 (ja) * 2012-06-06 2016-03-01 株式会社Screenホールディングス 欠陥画像の提示方法
US20140039662A1 (en) * 2012-07-31 2014-02-06 Makerbot Industries, Llc Augmented three-dimensional printing
US9244946B2 (en) 2012-11-26 2016-01-26 International Business Machines Corporation Data mining shape based data
US9142014B2 (en) * 2013-05-30 2015-09-22 Dmo Systems Limited System and method for identifying systematic defects in wafer inspection using hierarchical grouping and filtering
JP6679310B2 (ja) * 2013-12-26 2020-04-15 浜松ホトニクス株式会社 画像処理方法、画像処理装置、画像処理プログラム、及び画像処理プログラムを記憶した記憶媒体
JP6329923B2 (ja) * 2015-06-08 2018-05-23 東京エレクトロン株式会社 基板の検査方法、コンピュータ記憶媒体及び基板検査装置
WO2018222136A1 (zh) * 2017-05-30 2018-12-06 正凯人工智能私人有限公司 图像处理方法及系统
WO2019138263A1 (en) * 2018-01-11 2019-07-18 Remade Method and system for grading the visual aspect of an electronic device
CN108776808A (zh) * 2018-05-25 2018-11-09 北京百度网讯科技有限公司 一种用于检测钢包溶蚀缺陷的方法和装置
CN113096119B (zh) * 2021-04-30 2024-06-07 上海众壹云计算科技有限公司 晶圆缺陷分类的方法、装置、电子设备以及存储介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4519041A (en) * 1982-05-03 1985-05-21 Honeywell Inc. Real time automated inspection
JPH0750483B2 (ja) * 1985-05-22 1995-05-31 株式会社日立製作所 文書画像追加情報の蓄積方法
US5226118A (en) * 1991-01-29 1993-07-06 Prometrix Corporation Data analysis system and method for industrial process control systems
US5544256A (en) * 1993-10-22 1996-08-06 International Business Machines Corporation Automated defect classification system
US6292582B1 (en) * 1996-05-31 2001-09-18 Lin Youling Method and system for identifying defects in a semiconductor
US6092059A (en) * 1996-12-27 2000-07-18 Cognex Corporation Automatic classifier for real time inspection and classification
US6148099A (en) * 1997-07-03 2000-11-14 Neopath, Inc. Method and apparatus for incremental concurrent learning in automatic semiconductor wafer and liquid crystal display defect classification
US20030061243A1 (en) * 1998-05-21 2003-03-27 Kim Jeong Jung Information auto classification method and information search and analysis method
GB9821787D0 (en) * 1998-10-06 1998-12-02 Data Limited Apparatus for classifying or processing data
US6751343B1 (en) * 1999-09-20 2004-06-15 Ut-Battelle, Llc Method for indexing and retrieving manufacturing-specific digital imagery based on image content
US6535776B1 (en) * 1999-09-20 2003-03-18 Ut-Battelle, Llc Method for localizing and isolating an errant process step

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI657725B (zh) * 2014-03-07 2019-04-21 日商大亨股份有限公司 影像檢查裝置及影像檢查方法

Also Published As

Publication number Publication date
DE10240877A1 (de) 2003-08-21
JP2003233801A (ja) 2003-08-22
JP4154156B2 (ja) 2008-09-24
US20030152276A1 (en) 2003-08-14
KR100615738B1 (ko) 2006-08-25
KR20030067457A (ko) 2003-08-14
US7171039B2 (en) 2007-01-30

Similar Documents

Publication Publication Date Title
TW565689B (en) Defect classification/inspection system
CN109961421B (zh) 数据生成装置、数据生成方法以及数据生成记录介质
JP3877916B2 (ja) デジタル画像の異常検出方法およびシステム、ならびにそのための記憶媒体
WO2019155467A1 (en) Method of generating a training set usable for examination of a semiconductor specimen and system thereof
JP2019109563A (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
JPH08299315A (ja) 1個またはそれ以上の放射線画像域を認識する方法
JP6726641B2 (ja) 画像分類プログラム、分類データ作成プログラム、及び、分類データ作成方法
JP4617970B2 (ja) 欠陥検査装置及び欠陥検査方法
JPH0676062A (ja) 画像処理装置
US20220374785A1 (en) Machine Learning System
JP7254921B2 (ja) 半導体試料の欠陥の分類
CN116978834B (zh) 一种用于晶圆生产的智能监测预警系统
JP2008033851A (ja) 郵便自動区分機及び郵便自動区分方法
CN110363198B (zh) 一种神经网络权重矩阵拆分与组合的方法
Breaux et al. Automatic defect classification system for patterned semiconductor wafers
CN113963049A (zh) 一种像素尺寸、实际尺寸的测量方法及电子设备
JP2021182328A (ja) 文字認識装置及び文字認識方法
WO2020120039A1 (en) Classification of cell nuclei
Dralla et al. Automatic classification of defects in semiconductor devices
TWI855263B (zh) 用於選擇用於對樣品執行程序的工具之一模式的系統及電腦實施之方法以及相關的儲存程式指令之非暫時性電腦可讀媒體
Mohapatra et al. PCB Defect Detection Using CNN-Based Deep Learning
Ghahremani End-to-End Deep Learning Frameworks for Segmentation, Classification, and Visualization in Optical Microscopy Applications
Singh et al. Detection of new image objects in video sequences using neural networks
Mohammadzadeh et al. Deep Learning for Defect Detection in Inspection
Orjuela et al. A comparison between intensity and depth images for extracting features related to wear labels in carpets

Legal Events

Date Code Title Description
GD4A Issue of patent certificate for granted invention patent
MM4A Annulment or lapse of patent due to non-payment of fees