TWI539150B - 用於偵測檢查圖像中之缺陷的系統、方法及電腦程式產品 - Google Patents

用於偵測檢查圖像中之缺陷的系統、方法及電腦程式產品 Download PDF

Info

Publication number
TWI539150B
TWI539150B TW101142405A TW101142405A TWI539150B TW I539150 B TWI539150 B TW I539150B TW 101142405 A TW101142405 A TW 101142405A TW 101142405 A TW101142405 A TW 101142405A TW I539150 B TWI539150 B TW I539150B
Authority
TW
Taiwan
Prior art keywords
image
mask
inspection
segment
defect
Prior art date
Application number
TW101142405A
Other languages
English (en)
Other versions
TW201350833A (zh
Inventor
達拉吐羅麥克
薛拜特吉爾
達芬艾迪
拜堤哥夫艾密特
Original Assignee
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 應用材料以色列公司 filed Critical 應用材料以色列公司
Publication of TW201350833A publication Critical patent/TW201350833A/zh
Application granted granted Critical
Publication of TWI539150B publication Critical patent/TWI539150B/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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • 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

Description

用於偵測檢查圖像中之缺陷的系統、方法以及電腦程式產品
本發明係關於用於偵察檢查圖像內之缺陷的系統、方法及電腦程式產品。
在許多實施中，對被檢查物件成像並隨後檢查被檢查物件以發現目標圖案。舉例而言，可在空中圖像中檢查敵軍坦克，可在製造期間成像的紡織織物中檢查孔洞，及可對諸如晶圓之電子電路成像並在圖像中檢查缺陷。
舉在製造晶圓期間搜尋的缺陷作為實例，很清楚雖然缺陷可損壞電子電路的正常可操作性，但不同缺陷對電子電路操作的影響可能不同。因此，一些缺陷(例如)若對電路操作的影響很低，則可能對檢查方而言並無多大興趣。另外，有關不同缺陷的知識可用於製造將來類似的電子電路。
第1A圖及第1B圖圖示電子電路中兩種類型的缺陷，其中第1A圖及第1B圖中之每一圖圖示使用電子束檢查掃描的電子電路(諸如晶圓)。第1A圖及第1B圖中所圖示之該等電路中的每一電路中的灰階指示晶圓之彼部分中之電子電路的圖案。例如，不同導電率的材料(諸如導電材料和絕緣材料)可具有不同反射率，該等反射率可解譯為不同灰階。以下論述有係關於以下實例：圖像中的實質不同灰階值表示指示實質不同導電率的不同 材料。
缺陷10a及缺陷10c(亦表示為「邊緣粗糙度缺陷」)位於兩種不同材料之間的晶圓成像層的區域邊界上。因此，此缺陷的電子效應是相對有限的，且在某些情況下，可能幾乎未關注此缺陷。
另一方面，缺陷10b及缺陷10d(亦表示為「短路閘」缺陷)位於類似材料的成像層的兩個區域之間，且缺陷10b及缺陷10d可指示本應彼此絕緣的電子電路之兩部分之間的導電連接。因為此缺陷的電子效應可相對顯著，在某些情況下，例如，可以較高檢查解析度及/或使用較慢且更深(in-depth)的圖像分析進一步檢查此缺陷。
根據本發明之一態樣，揭示一種用於偵測被檢查物件之檢查圖像內的缺陷的分析系統，該檢查圖像包括複數個像素。該系統包括：電腦化停泊處理模組，該電腦化停泊處理模組經配置以基於模板與檢查圖像之多個部分的匹配，來計算相對於檢查圖像的多個停泊位置；電腦化分段模組，該電腦化分段模組可操作地連接至該電腦化停泊處理模組，該電腦化分段模組經配置以藉由將檢查圖像的多個像素中的每一像素分配至從多個圖像區段中選出的個別圖像區段，基於該多個停泊位置及基於界定多個遮罩區段的遮罩，來分段檢查圖像，其中 多個圖像區段對應於該多個遮罩區段的至少一個遮罩區段；及缺陷偵測處理器，該缺陷偵測處理器可操作地連接至該電腦化分段模組，該缺陷偵測處理器經配置以至少藉由以下操作基於該分段決定檢查圖像中缺陷之存在：(i)比較檢查圖像與第二檢查圖像，以計算檢查圖像之對應像素之間的差別，及(ii)對於檢查圖像之複數個像素中的每一像素，基於以下評估該像素：(a)像素與參考圖像之相關資料的比較結果，及(b)取決於為該像素所選擇圖像區段的決策規則。
根據本發明之一態樣，揭示一種用於偵測被檢查物件之檢查圖像內的缺陷的更通用分析系統，該檢查圖像包括複數個像素。該系統包括：電腦化停泊處理模組，該電腦化停泊處理模組經配置以取得相對於檢查圖像之多個停泊位置；電腦化分段模組，該電腦化分段模組可操作地連接至該電腦化停泊處理模組，該電腦化分段模組經配置以藉由將檢查圖像的多個部分中的每一部分分配至從多個圖像區段中選出的個別圖像區段，基於該多個停泊位置及基於界定多個遮罩區段的遮罩，來分段檢查圖像，其中多個圖像區段對應於該多個遮罩區段的至少一個遮罩區段；及缺陷偵測處理器，該缺陷偵測處理器可操作地連接至該電腦化分段模組，該缺陷偵測處理器經配置以至少藉 由基於以下評估檢查圖像之複數個像素中每一像素，基於分段來決定檢查圖像中缺陷之存在：(a)像素與參考圖像相關資料的比較結果，及(b)取決於為該像素所選擇圖像區段的決策規則。
視情況，至少部分重疊該等部分中之至少兩個部分。
視情況，停泊處理模組可經配置以基於模板與檢查圖像之多個部分的匹配計算多個停泊位置。
視情況，系統可進一步包括參考資料產生器，該參考資料產生器經配置以降低取樣被檢查物件參考區域之參考圖像的至少一部分；且經配置以基於降低取樣結果產生模板。
視情況，參考資料產生器可進一步經配置以基於參考圖像界定遮罩。
視情況，系統可進一步包括參考資料產生器，該參考資料產生器經配置以藉由處理自電腦輔助設計(CAD)資料產生的參考圖像產生遮罩。
視情況，系統可進一步包括參考資料產生器，該參考資料產生器經配置以藉由處理自電腦輔助設計(CAD)資料產生的參考圖像產生遮罩。
視情況，被檢查物件係選自由以下組成之群組：電子電路、晶圓及光罩。
視情況，停泊處理模組可經配置以用超過檢查圖像解析度之精確度計算停泊位置。
視情況，處理器可進一步經配置以基於檢查圖像之至 少一部分之分段界定對檢查圖像之不同區域的不同偵測方案；其中缺陷偵測處理器經配置以基於該界定之結果決定缺陷之存在。
視情況，系統可進一步包括分佈分析模組，該分佈分析模組經配置以為檢查圖像之複數個像素中每一像素決定像素相對於複數個遮罩區段中之一或更多個遮罩區段的分佈；其中該電腦化分段模組經配置以基於為該複數個像素所決定之分佈將多個部分中的各部分分配至圖像區段中之一或更多個圖像區段。
視情況，系統可進一步包括分佈分析模組，該分佈分析模組經配置以基於界定不同缺陷偵測區段的缺陷偵測遮罩及基於相對於檢查圖像所決定之位置，決定潛在缺陷相對於缺陷偵測區段中之一或更多個缺陷偵測區段的缺陷偵測分佈；其中缺陷偵測處理器包括分類器，該分類器經配置以基於缺陷偵測分佈分類潛在缺陷。
視情況，系統可進一步包括分佈分析模組，該分佈分析模組經配置以用超過檢查圖像解析度之精確度決定潛在缺陷相對於一或更多個遮罩區段的分佈；其中缺陷偵測處理器經配置以基於該分佈分類潛在缺陷。
視情況，缺陷偵測處理器可經配置以根據一分類基於檢查圖像相關於被分配給潛在缺陷的一或更多個部分之一或更多個圖像區段之選擇分類潛在缺陷，該分類中類別對應於對被檢查物件的可操作性的可能結果不同的缺陷類型。
視情況，系統可進一步包括感測器，該感測器經配置以檢查被檢查物件及經配置以基於該檢查提供檢查圖像。
根據本發明之一態樣，揭示一種用於偵測被檢查晶圓之檢查圖像內的缺陷的電腦化方法，該圖像包括複數個像素。該方法包括以下步驟：基於模板與檢查圖像之多個部分的匹配計算相對於檢查圖像的多個停泊位置；基於多個停泊位置及基於界定多個遮罩區段的遮罩，藉由將圖像之多個像素中之每一像素分配至從多個圖像區段選出之個別圖像區段，來分段檢查圖像，其中多個圖像區段對應於該多個遮罩區段之至少一個遮罩區段；及基於該分段決定檢查圖像中缺陷之存在，決定缺陷之存在的步驟包括以下步驟：(i)比較檢查圖像與第二檢查圖像，以計算檢查圖像之對應像素之間的差別，及(ii)對於檢查圖像之複數個像素中的每一像素，基於以下評估該像素：(a)像素與參考圖像之相關資料的比較結果，及(b)取決於為該像素所選擇圖像區段的決策規則。
根據本發明之一態樣，揭示一種用於偵測被檢查物件之檢查圖像內的缺陷的更通用電腦化方法，該圖像包括複數個像素。該方法包括以下步驟：取得相對於檢查圖像之多個停泊位置；基於多個停泊位置及基於界定多個遮罩區段的遮罩， 藉由將檢查圖像多個部分中之每一部分分配至從多個圖像區段選出之個別圖像區段，來分段檢查圖像，其中多個圖像區段對應於該多個遮罩區段之至少一個遮罩區段；及基於該分段決定檢查圖像中缺陷之存在，決定缺陷之存在的步驟包括以下步驟：對於檢查圖像之複數個像素之每一像素，基於以下評估該像素：(a)像素與參考圖像之相關資料的比較結果，及(b)取決於為該像素所選擇圖像區段的決策規則。
視情況，該取得步驟可包括以下步驟：基於模板與檢查圖像之多個部分的匹配計算多個停泊位置。
視情況，方法可進一步包括以下步驟：產生模板，其中該產生步驟包括以下步驟：降低取樣被檢查物件參考區域之參考圖像的至少一部分。
視情況，可基於參考圖像決定遮罩。
視情況，方法可進一步包括以下步驟：藉由處理自CAD資料產生之參考圖像產生模板。
視情況，被檢查物件係選自由以下組成之群組：電子電路、晶圓及光罩。
視情況，計算停泊位置之精確度超過檢查圖像之解析度。
視情況，至少部分重疊該等部分中之至少兩個部分。
視情況，方法可進一步包括以下步驟：藉由處理自CAD資料產生之參考圖像產生遮罩。
視情況，該決定缺陷存在之步驟係基於為檢查圖像之不同區域界定的不同偵測方案，其中該界定步驟係基於該分段。
視情況，該方法可包括以下步驟：決定檢查圖像之複數個像素中之每一像素相對於該複數個遮罩區段中之一或更多個遮罩區段的分佈；其中該分段步驟係基於為該複數個像素所決定之分佈。
視情況，該決定缺陷存在之步驟包括以下步驟：(a)基於界定不同缺陷偵測區段之缺陷偵測遮罩及基於相對於檢查圖像所決定之位置，決定潛在缺陷相對於缺陷偵測區段中之一或更多個缺陷偵測區段的缺陷偵測分佈；及(b)基於該缺陷偵測分佈分類潛在缺陷。
視情況，該決定缺陷偵測之步驟包括以下步驟：用超過檢查圖像解析度之精確度決定潛在缺陷相對於之一或更多個遮罩區段的分佈；及基於該分佈分類潛在缺陷。
視情況，該決定缺陷存在之步驟包括以下步驟：基於檢查圖像相關於被分配給潛在缺陷的一或更多個部分之一或更多個圖像區段之選擇分類潛在缺陷，其中該分類步驟包括以下步驟：根據一分類來分類潛在缺陷，在該分類中，類別對應於對被檢查物件的可操作性的可能結果不同的缺陷類型。
根據本發明之一態樣，本文揭示一種可由機器讀取之程式儲存裝置，該程式儲存裝置有形實現一指令程式，該指令程式可由機器執行以執行一種用於分類在被檢查 物件之檢查圖像中識別的潛在缺陷的方法，該方法包括以下步驟：(i)取得相對於檢查圖像之多個停泊位置；(ii)基於多個停泊位置及基於界定多個遮罩區段的遮罩，藉由將檢查圖像之多個部分中的每一部分分配至從多個圖像區段選出的個別圖像區段，來分段檢查圖像，其中多個圖像區段對應於該多個遮罩區段之至少一個遮罩區段；及(iii)基於分段決定檢查圖像中缺陷之存在，該決定缺陷存在之步驟包括以下步驟：對於檢查圖像之複數個像素之每一像素，基於以下評估該像素：(a)像素與參考圖像之相關資料的比較結果，及(b)取決於為該像素所選擇圖像區段的決策規則。
視情況，該取得步驟可包括以下步驟：基於模板與檢查圖像之多個部分的匹配計算多個停泊位置。
視情況，方法可進一步包括以下步驟：產生模板，其中該產生步驟包括以下步驟：降低取樣被檢查物件參考區域之參考圖像的至少一部分。
視情況，基於參考圖像決定遮罩。
視情況，該方法可進一步包括以下步驟：藉由處理自CAD資料產生之參考圖像產生模板。
視情況，被檢查物件係選自由以下組成之群組：電子電路、晶圓及光罩。
視情況，計算停泊位置之精確度超過檢查圖像之解析度。
視情況，至少部分重疊該等部分中至少兩個部分。
視情況，方法可進一步包括以下步驟：藉由處理自CAD資料產生之參考圖像產生遮罩。
視情況，該決定缺陷存在之步驟係基於為檢查圖像之不同區域界定的不同偵測方案，其中該界定步驟係基於該分段。
視情況，該方法可包括以下步驟：決定檢查圖像之複數個像素中每一像素相對於複數個遮罩區段中之一或更多個遮罩區段的分佈；其中分段係步驟基於為該複數個像素所決定之分佈。
視情況，該決定缺陷存在之步驟可包括以下步驟：(a)基於界定不同缺陷偵測區段之缺陷偵測遮罩及基於相對於檢查圖像所決定之位置，決定潛在缺陷相對於缺陷偵測區段中之一或更多個缺陷偵測區段的缺陷偵測分佈；及(b)基於該缺陷偵測分佈分類潛在缺陷。
視情況，該決定缺陷存在之步驟可包括以下步驟：用超過檢查圖像解析度之精確度決定潛在缺陷相對於一或更多個遮罩區段的分佈；及基於該分佈分類潛在缺陷。
視情況，該決定缺陷存在之步驟可包括以下步驟：基於檢查圖像相關於被分配給潛在缺陷的一或更多個部分之一或更多個圖像區段之選擇分類潛在缺陷，其中該分類步驟包括以下步驟：根據一分類來分類潛在缺陷，在該分類中，類別對應於對被檢查物件的可操作性的可能結果不同的缺陷類型。
在以下詳細描述中，闡述了眾多具體細節以提供本發明的透徹瞭解。然而，熟習此項技術者將理解，可在無該等具體細節的情況下實踐本發明。在其他情況下，未詳盡描述熟知方法、程序及組件，以免使本發明模糊。
在所闡述圖式及描述中，相同元件符號指示不同實施例或配置所共有的彼等組件。
除非明確敍述，否則從以下論述中應瞭解說明書全文中使用諸如處理、計算、決定、產生、設定、選擇等術語的論述包括電腦操縱及/或轉換資料成為其他資料的動作及/或製程，該資料表示為物理量(例如電子量)及/或該資料表示實體物件。術語「電腦」應可擴張地解釋為覆蓋具有資料處理能力的任何種類電子裝置，該等電子裝置包括(藉由非限制性實例方式)個人電腦、伺服器、計算系統、通訊裝置、處理器(例如數位信號處理器(DSP)、微控制器、現場可程式閘陣列(FPGA)、特殊應用積體電路(ASIC)等)、任何其他電子計算裝置及/或上述任意組合。
根據本文教示的操作可由特別為所要目的構造的電腦執行，或由儲存在電腦可讀取儲存媒體中的電腦程式特別為所要目的配置的通用電腦執行。
如本文中所使用，用語「例如」、「諸如」、「舉例」及上述之變型描述本文揭示標的的非限制性實施例。說明 書中引用「一種情況」、「某些情況」、「其他情況」或上述之變型意味著結合一或更多個實施例描述的特定特徵結構、結構或特點包括在本文揭示標的的至少一個實施例中。因此，用語「一種情況」、「某些情況」、「其他情況」或上述變型的出現不一定表示以或更多個相同實施例。
應瞭解，本文揭示標的的某些特徵結構(為了清晰起見而在獨立實施例的上下文中描述該等特徵結構)亦可組合在單個實施例中提供。相反，亦可單獨或在任何合適的子組合中提供本文揭示標的的各種特徵結構(為了簡潔起見而在單個實施例的上下文中描述該等特徵結構)。
在本文揭示標的的實施例中，可按照不同順序執行圖式中所示一或更多個步驟，及/或可同時執行步驟的一或更多個群組，且反之亦然。圖式圖示根據本文揭示標的的實施例的系統架構的概括示意圖。圖式中每一模組可由執行本文所定義及解釋之功能的軟體、硬體及/或韌體之任意組合構成。圖式中的模組可集中在一個位置或分散在超過一個位置上。
第2圖為根據本發明實施例之分析系統1200的方塊圖，該分析系統1200可用於偵測在被檢查物件50之檢查圖像內的缺陷。雖未必一定如此，但被檢查物件可選自由以下組成之群組：電子電路、晶圓及光罩。應指出，在其他實施中，系統1200可用於非缺陷偵測的其他目 的，且尤其為系統1200所實施的需要檢查圖像之分段的使用。
關於檢查圖像自身，系統1200可用多種方式取得檢查圖像。例如，系統1200可組合檢查機器1210，該檢查機器1210用於(例如在製造被檢查物件之不同步驟期間)檢查晶圓或其他類型被檢查物件。在另一實施中，系統1200可連接至此檢查機器，或檢查圖像可藉由一次僅連接至該等檢查機器中之一個檢查機器的線下裝置來傳輸。此外，系統1200可為已整合了以下論述之改型及/或特徵結構中部分或全部的檢查機器。大體而言，系統1200可進一步包括感測器，該感測器經配置以檢查被檢查物件及經配置以基於該檢查提供檢查圖像。
如下文中將詳細論述，系統1200之該等組件中的一或更多個組件可用於偵測在晶圓之掃描圖像中的潛在缺陷。該偵測結果以後可用於製造該晶圓及/或用於晶圓檢查的以後步驟中。在參考以下論述之方法1500查看後可更清楚系統1200可操作的部分方式。
系統1200包括電腦化停泊處理模組1220(該模組1220亦稱為「相關器1220」)，電腦化停泊處理模組1220經配置以取得相對於檢查圖像的多個停泊位置。視情況，停泊處理模組經配置以藉由將模板匹配檢查圖像的多個位置來取得多個停泊位置。例如，停泊處理模組1220可經配置以計算模板與檢查圖像不同部分之間的關係，且經配置以基於與模板關係最大的部分界定停泊位置。 視情況，停泊處理模組1220可經配置以在檢查圖像中選擇具有一或更多個預定單元大小之多個單元區域(例如基於關係結果選擇具有最大關係之區域)。
應指出，雖未必一定如此，但電腦化停泊處理模組1220可經配置以用超過檢查圖像解析度的精確度決定停泊位置。下文關於方法1500之步驟1530及步驟1540進一步詳細論述停泊處理模組1220可操作的方式之實例。
可自參考資料輸入介面1202接收模板，或可由系統1200之組件(諸如圖像處理模組1230)產生模板。可經由檢查結果介面1204接收檢查圖像，或藉由成像系統1210(亦表示為「檢查機器」)取得檢查圖像。
系統1200可包括圖像處理模組1230。視情況，圖像處理模組1230可經配置以將與停泊位置相關聯之區域(例如大小等於下文論述之遮罩界定之大小)升取樣(在第6圖及第7圖中表示為1110)至大於檢查圖像解析度的解析度。在其他實施中，圖像處理模組可簡單剪輯檢查圖像之部分並將檢查圖像之該等部分(具有或沒有進一步圖像處理)傳輸給分段器1250(或傳輸至分佈分析模組1240)。下文關於方法1500之步驟1550進一步詳細論述圖像處理模組1230可視情況操作的方式之實例。
系統1200可包括分佈分析模組1240，分佈分析模組1240經配置以決定相對於不同區段的分佈。例如，分佈分析模組1240可經配置以基於停泊位置及基於界定不 同遮罩區段的遮罩，決定檢查圖像(例如檢查圖像像素)之不同部分相對於遮罩之該等遮罩區段中的一或更多個遮罩區段的分佈。
分佈分析模組1240可經配置以為檢查圖像之複數個像素中的每一像素決定該像素相對於該複數個遮罩區段中之一或更多個遮罩區段的分佈。根據此實施，電腦化分段模組1250可經配置以基於為複數個像素所決定之分佈將多個部分中的各部分分配至該等圖像區段中之一或更多個圖像區段。
下文關於方法1500之步驟1550及關於第6圖及第7圖進一步詳細論述分佈分析模組1240可操作的方式之實例。
如下文詳細論述，根據本發明之實施例，分佈分析模組2440可經配置以相對於遮罩之解析度決定子像素位準中的彼等分佈。
電腦化分段模組1250可操作地(例如經由圖像處理模組1230或經由共享匯流排等)連接至電腦化停泊處理模組1220，且電腦化分段模組1250經配置以基於多個停泊位置及基於遮罩(如前文提及，該遮罩界定多個遮罩區段)分段檢查圖像。應指出，分段模組1250可在分段期間使用與檢查圖像不同部分相關的額外因素。下文關於方法1500之步驟1550進一步詳細論述分段模組1250可操作的方式之實例。
分段模組1250藉由將檢查圖像之多個部分中之每一 部分(例如檢查圖像之每一像素)分配至從多個圖像區段中選出的個別圖像區段來分段檢查圖像，其中多個圖像區段對應於該多個遮罩區段之至少一個遮罩區段。
系統1200之缺陷偵測處理器1260(缺陷偵測處理器1260可操作地連接至電腦化分段模組1250)經配置以基於該分段決定檢查圖像中缺陷之存在。缺陷偵測處理器1260可經配置至少藉由基於以下分配檢查圖像複數個像素中每一像素來決定缺陷之存在：(a)像素與參考圖像相關資料的比較結果，及(b)取決於為該像素所選擇圖像區段的決策規則。下文關於方法1500之步驟1560進一步詳細論述缺陷偵測處理器1260可操作的方式之實例。
參考圖像之相關資料可為(例如)該參考圖像之對應像素(例如在圖像對準之後位於相同位置的像素)、多個像素之資料的平均(例如，若所比較圖像之像素不對應於被檢查物件之相同實體大小)、自向量參考圖像之向量資訊(例如自CAD資料產生)計算的相關資料等等。雖然未必一定如此，但相關資料有關於被檢查物件之實質相同區域，或有關於實質類似區域(例如相同晶圓之另一晶粒中的平行區域)。
例如，缺陷偵測處理器1260可進一步經配置以基於檢查圖像至少一部分之分段界定對檢查圖像不同區域的不同偵測方案；而缺陷偵測處理器1260經配置以基於該界定之結果決定缺陷之存在。在此實施中，不同圖像區段可用於將檢查圖像分段成圖像區段，該等圖像區段中可 實施不同缺陷偵測方案。如下提供幾個實例： 不同圖像區段可指示不同感興趣水平。
可使用不同計算功率或實施資源的不同相關量以不同解析度分析不同圖像區段的缺陷。
可使用不同缺陷偵測方案(例如晶粒至晶粒、晶粒至多個晶粒、晶粒至資料庫、單元至單元等)分析不同圖像區段。
可在不同圖像區段中實施用於缺陷偵測的不同閾值。
可在不同圖像區段中尋找不同缺陷類型。
如上文所提及，多個圖像區段對應於該多個遮罩區段之至少一個遮罩區段。在不同實施中，可應用在圖像區段與遮罩區段之間的不同對應關係。
雖然缺陷偵測處理器1260可經配置以基於檢查圖像之至少一部分的分段，來界定檢查圖像不同區域的不同偵測方案，但缺陷偵測處理器1260亦可經配置以基於該分段界定檢查圖像不同區域的單個偵測方案之不同參數。例如，缺陷偵測處理器1260可經配置以：(a)計算檢查圖像與個別參考圖像(例如第二檢查圖像)之對應像素之間的差別及(b)對於檢查圖像之複數個像素中之每一像素基於以下評估該像素：(i)為包含該像素的該對計算差異及(ii)取決於為該像素所選的圖像區段的決策規則(例如，該決策規則可涉及將該差異與基於為該像素所選圖像區段而選擇的閾值作比較)。
系統200可包括有形儲存器1275(例如硬碟機、快閃 驅動器等)，用於將(分段模組1250的)分段結果及/或缺陷偵測處理器1260決定存在的缺陷(例如僅分類為值得注意的缺陷)的資訊儲存至有形儲存器。系統1200亦可包括輸出介面1270，用於(例如經由電纜連接或經由無線連接)將此資訊(或此資訊之一部分)傳輸至外部系統，其中該外部系統可又基於該分段及/或缺陷資訊動作。
系統1200亦可包括檢查模組，該檢查模組可為藉由掃描諸如晶圓之被檢查物件提供前述檢查圖像之前述檢查機器1210，及該檢查模組或者可為時間上較後的檢查模組1280，該時間上較後的檢查模組1280經配置以用大於檢查圖像解析度的解析度檢查晶圓(或其他被檢查物件)。
例如，該檢查模組可經配置以用大於檢查圖像解析度之解析度選擇性掃描基於該分段所選的被檢查物件之區域(例如被檢查物件對應於某些圖像區段但不對應於其他圖像區段之至少一個圖像區段的部分)。時間上較後檢查模組1280之視場比檢查機器1210之視場窄，但不一定如此。
在此實例中，缺陷偵測模組1260可僅在用較高解析度掃描的區域中搜尋缺陷。然而，應指出，缺陷偵測模組1260可直接對檢查圖像操作(不需要任何額外檢查資料)，並實施該分段以決定一或更多個缺陷之存在。例如，缺陷偵測模組1260可藉由使用該分段來進行此操 作，以將不同閾值(或其他缺陷偵測標準)分配給檢查圖像之不同部分。
應指出，檢查機器1210及/或時間上較後的檢查模組1280(若實施)可實施為各種類型之檢查機器，諸如光學成像機、電子束檢查機器、雷達、光偵測及測距裝置(Light Detection And Ranging，LIDARs)等等。
大體而言，可使用不同技術(其中有光學檢查及電子束檢查)實施識別晶圓中(或另一被檢查物件中)之缺陷。使用系統1200可促進使用大於一種的檢查技術。例如，首先由檢查系統1200以相對快速且較粗略之方式執行晶圓之初始檢查(例如使用光學檢查或電子束檢查組用於粗略及快速檢查)。稍後，又使用相對慢速但更準確的檢查研究初始檢查中發現(基於分類器1250之分類結果選擇的)部分潛在缺陷。可用檢查機器1210之另一模式或在不同的時間上較後的檢查模組1280中執行該時間上較後的掃描(在製程中亦稱為例如由DRSEM-缺陷複查掃描電子顯微鏡執行之「複查」)。
參見上文提及之遮罩，視情況，該遮罩可界定多種類型之遮罩區段，其中類型的數量小於遮罩區段的數量。在該等實施中，分佈分析模組1240可經配置以決定在該等類型中之一或更多個類型之間的潛在缺陷的基於類型的分佈；且分段模組1250可經配置以基於該基於類型的分佈分段檢查圖像。然而，為了解釋簡單，將假定獨立於其他遮罩區段而處理每一遮罩區段。
雖未必一定如此，但不同區段可對應於被檢查物件具有不同物理性質(諸如製造材料、反射值、電導率等)的部分。如下文所詳細論述，分段模組1250可經配置以將檢查圖像分段為對應於對缺陷類型的易感性的圖像區段，圖像區段對被檢查物件的可操作性的可能結果不同。
應指出遮罩可提供至系統1200，或可由系統1200產生。視情況，系統1200可包括在處理器上(例如在圖像處理模組1230上)實施的參考資料產生器。參考資料產生器經配置以執行以下步驟中的任何一或更多個步驟：(a)基於被檢查物件參考區域的參考圖像界定遮罩，(b)降低取樣該參考圖像的一部分(可能為同一部分，但不一定如此)，及(c)基於降低取樣的結果產生模板。用於產生遮罩及/或模板的參考圖像可為檢查圖像，且用於產生遮罩及/或模板的參考圖像亦可為自CAD資料產生的圖像。關於方法1600及第9圖更詳細論述該參考資料產生器可操作的方式之實例。
如上文所提及，系統1200可包括分佈分析模組1240，該分佈分析模組1240經配置以決定潛在缺陷相對於該複數個圖像區段中之一或更多個圖像區段的分佈及/或檢查圖像各個像素相對於該複數個遮罩區段中之一或更多個遮罩區段的分佈。
視情況，在此實施中，缺陷偵測處理器1260可經配置以基於該分佈分類潛在缺陷。例如，該分類步驟可包括以下步驟：根據一分類來分類潛在缺陷，該分類中類別 對應於對被檢查物件的可操作性的可能結果不同的缺陷類型。
缺陷偵測處理器1260亦可經配置以根據一分類基於檢查圖像相關於被分配給潛在缺陷的一或更多個部分之一或更多個圖像區段之選擇分類潛在缺陷，該分類中類別對應於對被檢查物件的可操作性的可能結果不同的缺陷類型。
此等分類方式可(例如)包括將晶圓或光罩中潛在缺陷分類為「邊緣粗糙度」缺陷與「短路閘」缺陷。
系統1200不從外部系統經由參考資料輸入介面1202接收遮罩及模板，而是可包括參考資料產生器(例如，遮罩產生模組1290)，該參考資料產生器經配置以基於被檢查物件參考區域之參考圖像界定遮罩。
系統1200之參考資料產生器可經配置以降低取樣參考圖像之一部分，且經配置以基於降低取樣之結果產生模板。雖然模板可具有小於參考圖像及/或檢查圖像之解析度，但應指出在模板產生中亦可聯合降低取樣或代替降低取樣實施除簡單降低取樣之外的圖像處理技術。參考資料產生器可經配置以自CAD資料產生參考圖像或經配置以將掃描圖像用作參考。
如上所述，關於方法1500更詳細論述系統1200及系統1200之組件可操作的部分方式。
系統1200可在電腦(諸如PC)上實施，例如實施執行時檢查結果之整體分類(基於圖像之屬性，IBA)之 電腦，但並非一定如此。系統1200之該等模組或組件中之每一者可以軟體、硬體、韌體或上述任意組合實施。另外，系統1200亦可包括未圖示之其他組件(例如電源、顯示器等)，且該包括對於熟習此項技術者係顯而易見的。
第3A圖為根據本發明實施例之一種電腦化方法1500的流程圖，該方法1500用於被檢查物件檢查圖像內的缺陷偵測。檢查圖像包括複數個像素。參見之前圖式中所闡述的實例，系統1200可執行方法1500。即使未明確說明，系統1200之不同實施例亦可實施方法1500之各個揭示變化。同樣地，系統1500之不同實施例可包括執行後完成系統1200之各個揭示變化的步驟，即使簡潔且清晰描述不一定進行此重複亦如此。
可針對被檢查物件之各個類型(自較小規模(例如毫米或奈米級物件)至諸如自飛機或衛星成像之地理區域的較大物件)實施方法1500。識別項目可為特定項目或項目之群組(例如尋找地區圖像中之坦克)，但識別項目亦可為(例如)預期圖案之偏差(諸如紡織織物中孔洞或晶圓中潛在製造缺陷)。
為了清晰說明本揭示案，使用被檢查物件之修正實例來舉例說明方法1500之不同步驟，該被檢查物件係選自由以下組成之群組：電子電路、晶圓及光罩(可用於在實施將光透過此光罩之製程(諸如微影術)中製造電子電路或其他物件的部分透明板)。在該等情況下將使用潛 在缺陷之實例舉例說明在檢查圖像中識別的一或更多個項目。然而此領域中一般技藝者將理解，此僅為一個實例，且可實施被檢查物件之許多其他類型及在被檢查物件之檢查圖像中識別的項目(諸如上文提供之實例)。
方法1500可包括接收檢查結果之步驟1510，該等檢查結果包括其中成像了被檢查物件之至少一部分的檢查圖像。參見之前圖式中所闡述之實例，可由檢查結果介面(諸如系統1200之檢查結果介面1204)執行步驟1510。因為，對於整個檢查圖像不一定執行稍後步驟，故接收步驟可包括有關應執行方法1500之接下來步驟的檢查圖像之部分的指示。
很清楚，接收檢查圖像之步驟可被實施為獲取(或產生)檢查圖像之步驟。例如，該步驟可由光學照相、由電子束檢查或由雷射束檢查等實施。同樣地，項目識別資訊可不僅藉由從外部實體接收項目識別資訊來取得，亦可藉由圖像處理檢查圖像且基於圖像處理之結果產生項目識別資訊來取得。
方法1500亦可包括步驟1520，該步驟1520包括以下步驟：接收包括以下稱為「模板」及「遮罩」之該等資料實體中之至少一個資料實體的參考資料，「模板」及「遮罩」之內容及使用將在下文描述。在另一實施中，可將彼等資料實體中之一或更多個資料實體產生為該方法之一部分。關於方法1600論述該等資料實體之產生，該產生可實施為方法1500之一部分，或獨立於方法1500實 施。參見之前圖式中所闡述之實例，可由參考資料輸入介面(諸如系統1200之參考資料輸入介面1202)執行步驟1520。模板、遮罩及分段規則可為使用者定義、機器定義等。
步驟1520可包括應該應用分段的部分(或多個部分)或檢查圖像之指示。若接收此指示(或決定為方法1500之一部分)，則可視情況僅對彼部分(或彼等多個部分)執行以下步驟。
將參考第4圖介紹模板及遮罩資料實體。第4圖圖示根據本發明實施例之模板1300及遮罩1400表示。根據本發明之此實施例，模板1300為圖像。模板圖像可為被檢查物件之一部分的實際圖像或為類似圖像。例如，可藉由實際上對被檢查物件(或類似參考物件，如下文論述)之一部分成像來取得模板1300之圖像資料。在其他實施例中，可藉由處理設計資料(例如CAD資料)來取得模板1300之圖像資料。如下文論述，可藉由降低取樣較高解析度之初始圖像的至少一部分(亦即減少較高解析度之初始圖像的至少一部分的空間解析度)來取得模板之圖像資料。所接收模板之解析度可與執行時檢查圖像之解析度相同，但未必一定如此。
遮罩(由表示為400的區域表示)界定不同區段1410(下文亦稱為「遮罩區段」)。相對於預定區域(亦稱為「單元大小區域」。雖然應用了單位轉換，但單元大小區域上下文中的術語「大小」係關於檢查平面之坐標，諸如檢 查晶圓時晶圓被檢查層之平面)界定各區段。
不同遮罩區段1410可具有相同大小或不同大小，以及相同形狀或不同形狀。雖然遮罩區段1410圖示為矩形，但並非一定如此，且亦可實施其他形狀的遮罩區段1410。各個遮罩區段1410可覆蓋遮罩的整個面積，但並非一定如此。
或者可回應於外部資料界定遮罩大小。例如，若被檢查物件包括重複圖案(例如第5圖及第7圖中所舉例說明)，則遮罩大小可對應於重複圖案(第7圖中表示為1180)之大小或對應於重複圖案之一部分的大小。
視情況，遮罩1400界定之遮罩區段1410可為多種類型(例如其中類型的數量小於區段的數量)。例如三個表示為410(1)之區段為相同類型。該等遮罩區段1410(或不同類型區段)中之每一個遮罩區段可對應於被檢查物件之具有不同物理性質之部分。例如，被檢查物件不同的電導率位準可對應於不同類型之區段。
可根據方法1500已完成項目類型(或多個類型)分析的項目類型界定各個遮罩區段1410(或不同類型區段)。例如，若方法1500用於分類潛在缺陷，則不同遮罩區段1410(或區段類型)可對應於被檢查物件(例如晶圓、電子電路或光罩)之對缺陷具有不同易感性及/或對不類型同缺陷具有不同概率的不同部分。應指出，在一些實施中，單個區段可覆蓋未彼此連接的區域。例如，在此實施中，所有遮罩區段1410(1)可視為單個區 段，且不僅視為相同類型的多個區段。
可用不同格式儲存遮罩。例如，可將遮罩儲存為圖像(其中不同顏色對應於不同類型之區段)；儲存為表格(例如表示該等區段中之每一個區段的起點、尺寸及可能類型)；以向量格式儲存等等。
在第4圖中，模板1300及所表示遮罩(表示為400)兩者皆對應於被檢查物件之類似大小的區域(雖然可能具有不同解析度)。然而，在其他實施中(例如第6圖中所舉例說明)，模板及遮罩所相關的實體區域可能彼此不同。在此情況下，彼等對應區域中之一個區域可部分重疊或甚至不重疊地包含在另一者中(如第6圖中所舉例說明)。
回到第3A圖，方法1500之步驟1540包括以下步驟：獲得相對於檢查圖像之多個停泊位置。可自外部系統獲得彼等停泊位置，或彼等停泊位置作為該方法的一部分而產生。在以下詳細論述的實例中，可基於模板與檢查圖像多個部分的匹配作為方法1500的一部分計算停泊位置。
該等停泊位置中的每一個停泊位置對應於檢查圖像的該等部分中之一個部份。參見之前圖式中所闡述之實例，可由停泊處理模組(諸如系統1200之停泊處理模組1220)執行步驟1540。應指出，視情況，至少部分重疊該等部分中之至少兩個部分(例如第5圖中的成對B及C)。參見第6圖之實例，停泊位置例如可為停泊位置1120 (停泊位置1120可為無尺寸點或另一種類的停泊)。
方法1500繼續執行步驟1550：基於多個停泊位置及基於界定多個遮罩區段的遮罩分段檢查圖像。例如，遮罩可為諸如第4圖中所示的遮罩1400。藉由將檢查圖像多個部分中每一部分分配至從多個圖像區段中選出的個別圖像區段來實施分段步驟1550，其中多個圖像區段對應於該多個遮罩區段之至少一個遮罩區段。參見相對於之前圖式闡述之實例，可由諸如系統1200之分段模組1250之分段模組執行步驟1550。
例如，檢查圖像每一該部分(分配至該等圖像區段中之一個圖像區域)可為單個像素。根據此實施，可藉由將檢查圖像多個像素中每一像素(例如選自檢查圖像矩形區域中的所有像素，例如100x100像素區域)分配至從多個圖像區段選出的個別圖像區段來實施步驟1550。
在其他實施中，分配至該等圖像區段中之一或更多個圖像的檢查圖像之一些或所有部分可小於及/或大於單個像素(及另外不一定為連續部分)。然而，為了解釋簡單，在以下實例中，將假定每一此部分為檢查圖像的單個像素。
雖未必一定如此，但不同圖像區段可對應於被檢查物件之具有不同物理性質(諸如製造材料、反射值、電導率等)的部分。如下文更詳細論述，步驟1560決定檢查圖像中缺陷之存在(基於該分段)，其中檢查圖像中缺陷之存在指示被檢查物件中影響被檢查物件可操作性水平 的現象(例如，缺陷)。
不同圖像區段可用於將檢查圖像分段成圖像區段，該等圖像區段中可實施不同缺陷偵測方案。以下為幾個實例：不同圖像區段可指示不同感興趣水平。
可使用不同計算功率或實施資源的不同相關量以不同解析度分析不同圖像區段的缺陷。
可使用不同缺陷偵測方案(例如晶粒至晶粒、晶粒至多個晶粒、晶粒至資料庫、單元至單元等)分析不同圖像區段。
可在不同圖像區段中實施用於缺陷偵測的不同閾值。
可在不同圖像區段中尋找不同缺陷類型。
如上文所提及，多個圖像區段對應於該多個遮罩區段之至少一個遮罩區段。在不同實施中，可應用在圖像區段與遮罩區段之間的不同對應關係。
第5圖圖示在圖像區段與遮罩的遮罩區段之間的多個對應關係。每一垂直的檢查圖像100對表示相同檢查圖像。
在每一對中，圖像100之頂部版本用多個遮罩大小區域(在「A」對中各自表示為1400)覆蓋。可相對於多個停泊位置(在「A」對中表示為1120)決定遮罩1400的表示相對於檢查圖像100之位置，該多個停泊位置在步驟1540中(基於模板與檢查圖像100多個部分的匹配)相對於檢查圖像100而決定。應指出，下文相對於第6 圖更詳細論述遮罩區段1410與檢查圖像100之間的關係。
在每一對中，圖像100之底部版本是分段之表示，其中圖示不同的圖像區段1710。在B對及C對中，因為彼等對中有些圖像區段的大小不夠，所以偶然地將圖像區段1710(4)及圖像區段1710(8)分別縮寫表示為(4)及(8)。
將每一對中的檢查圖像100假定為同一圖像，但在不同對的圖像100之間無此關係。
在A對中的關係是相對直接的關係，該關係實質為對射函數，其中對於每一圖像區段1710，確切存在一個對應遮罩區段1410，且反之亦然。因為並非檢查圖像100之所有區域一定對應於遮罩一部分(例如A對中所示)，所以將其他區域分配至表示為1710(0)的圖像區段。
如B對及C對中所舉例說明，檢查圖像100之一些區域可對應於超過一個的遮罩區段1410。這是因為與檢查圖像之部分重疊的遮罩區域的關係。
在B對關係中，將對應於遮罩區段1410(6)的檢查圖像100之區域分配至圖像區段1710(3)，且將對應於遮罩區段1410(5)的檢查圖像100之區域分配至圖像區段1710(4)，除非該等區域亦對應於遮罩區段1410(6)。亦即，分配步驟1550可包括以下步驟：將對應於多個遮罩區段的該等區域中之一或更多個區域分配至單個圖像區段(例如基於遮罩區段的層次關係，如B對中所舉例說明)。將對應於遮罩區段1410(7)或並無任何對應遮罩區 段的區域分配至圖像區段1710(5)。
C對的檢查圖像100類似於B對的檢查圖像100(因為不論是在本發明的不同實施中，還是在單個圖像的不同分段操作中，可對單個檢查圖像實施不同的分段規則)。
在C對的關係中，將對應於遮罩區段1410(5)及遮罩區段1410(6)兩者之檢查圖像100的區域分配至圖像區段1710(8)(在第5圖中用黑色陰影圖示)。將對應於遮罩區段1410(6)或與該等區域的距離為N個像素的檢查圖像100之區域分配至圖像區段1710(7)(亦可分配至圖像區段1710(8)的區域除外)。
分配距離N個像素內的檢查圖像之區域為以下之實例：步驟1550可包括以下步驟：基於檢查圖像另一部分與一或更多個遮罩區段的對應關係將檢查圖像之第一部分分配至圖像區段。
回到第3A圖，分段步驟1550可以多種方式取決於停泊位置及取決於遮罩。分段步驟1550可進一步基於分段規則(分段規則亦可稱為「分段邏輯」)。
分規規則可指示應將檢查圖像給定部分(例如像素)分配至哪一個圖像區段。視情況，分段規則可基於不同遮罩區段之間該部分的分佈。相對於第6圖及第7圖(尤其相對於後者)論述決定此分佈的某些方式。分佈可指示對於檢查圖像的一部分(例如像素)在該部分的相關部分之間的關係，該等相關部分對應於不同遮罩區段(當 後者相對於在步驟1540中所決定的停泊「停泊」至相關部分時)。雖然下文相對於第6圖及第7圖提供更詳細及變化更大的論述，但若假定為檢查圖像一部分(該部分大小為X個像素，X為自然數或正實數)而決定的分佈簡單指示該部分對應於不同遮罩區段的該等區域中的每一個區域的像素大小，則可很容易理解本論述。
例如，為檢查圖像給定部分(第6圖及第7圖中表示為1140)所決定的分佈可為：遮罩區段1410(N1)：P1像素之區域；遮罩區段1410(N2)：P2像素之區域；……；遮罩區段1410(Nn)：Pn像素之區域。
可分配步驟1550之該等圖像部分中之每一個圖像的圖像區段可基於為該圖像區段所決定的該分佈(例如為步驟1550之一部分)而選擇。舉例而言，參見第7圖之圖示，分段規則可指示：若小於50%之圖像的部分1140對應於遮罩分段1410(7)，則該部分1140應分配至圖像區段1710(1)；但若超過50%之圖像的部分1140對應於此遮罩區段1410(7)，則該部分1140應分配至圖像區段1710(2)。
表1為根據本發明實施例分段邏輯之實例。在圖像區段列中展示圖像區段的結果選擇，且選擇此圖像區段的規則由中間五列中的符號(1,0,X)表示。「1」表示必須找到裝置區段，「X」表示可找到也可不找到遮罩區段， 「0」表示禁止找到遮罩區段。在實施中，優先級指示若滿足兩個或兩個以上規則的條件，則將選擇具有較低優先級指數的規則。例如，滿足選擇規則2之條件亦滿足規則3。然而，因為規則2具有較低優先級指數，則將選擇規則2而不選擇規則3。
分段步驟1550可為較大分段製程之一部分，此情況還可取決於其他參數。例如，圖像部分之分段亦可取決於對應CAD資料。
如上文所提及，遮罩區段之不同類型可對應於被檢查物件之具有不同物理性質(例如電性質、不同內部構造、不同製造材料等)之部分。在此情況下，分段步驟可包括以下步驟：將檢查圖像分段成對應於對不同缺陷類型易感的區域的圖像區段，不同缺陷類型對被檢查物件之電學可操作性具有不同的電學可能結果。此舉可包括(例如)將晶圓或光罩中潛在缺陷分類為「邊緣粗糙度」缺陷與「短路閘」缺陷。
可以各種方式使用檢查圖像之分段(在步驟1550中所決定)。例如，方法1500可繼續執行以下步驟：用大於檢查圖像解析度之解析度選擇性掃描被檢查物件之區 域。在此情況下，選擇用於進一步掃描之區域可對應於該等圖像區段中之一或更多個圖像區段(但不對應於其他圖像區段的至少一者)。例如，可在易受分類為「短路閘」之可能缺陷影響的區域中而不在對分類為「邊緣粗糙度」之可能缺陷易感的區域中執行用較高解析度掃描。
參見之前圖式中所闡述的實例，諸如檢查機器1210之檢查機器或諸如時間上較後較後的檢查模組1280之時間上較後的檢查模組(該檢查模組可為另一檢查機器)可執行用較高解析度的選擇性掃描。例如，若被檢查物件實際上為晶圓，則可使用第一解析度下之電子束檢查(Electron Beam Inspection；EBI)取得檢查圖像，同時可基於所選擇潛在缺陷之分類方式由缺陷複查掃描電子顯微鏡(Defect Review Scanning Electron Microscope；DRSEM)用高得多的解析度進一步檢查所選擇潛在缺陷。
可基於所選擇潛在缺陷之高解析度檢查宣告晶圓(或晶圓之特定晶粒)為可使用的或不可使用的。僅檢查基於遮罩分類之潛在缺陷而不檢查其他潛在缺陷(其他潛在缺陷可位於晶圓之「不感興趣」區域)節省時間及資源，且亦可改良檢查結果。例如，掃描晶圓之較少區域會導致由電子束掃描設備發射之電子束產生的電荷的較少積聚。
在下圖中，討論了決定檢查圖像中缺陷存在步驟之使用。
方法1500之可選步驟1560包括以下步驟：基於分段決定檢查圖像中缺陷之存在。參見相對於之前圖式闡述之實例，可由諸如系統1200之缺陷偵測處理器1260之缺陷偵測處理器執行步驟1560。
應指出，決定缺陷之存在的步驟可基於除了檢查圖像之分段之外的其他資訊，及/或可基於額外的基本製程。
例如，在步驟1560決定缺陷之存在可基於步驟1561之結果，該步驟1561包括基於以下評估檢查圖像複數個像素中每一像素：(a)像素與參考圖像相關資料的比較結果，及(b)取決於為該像素所選擇圖像區段的決策規則。
視情況，可對圖像所有像素或至少大多數像素中所有像素執行該比較。決策規則可包括(例如)對每一像素打分及將具有最高得分的一或更多個像素選為潛在缺陷(亦即，在可決定缺陷之存在之前還需要額外處理)或直接選為缺陷像素。
參考圖像之相關資料可為(例如)該參考圖像之對應像素(例如在圖像對準之後位於相同位置的像素)、多個像素之資料的平均(例如，若所比較圖像之像素不對應於被檢查物件之相同實體大小)、自向量參考圖像之向量資訊(例如自CAD資料產生)計算的相關資料等等。雖未必一定如此，但相關資料有關於被檢查物件之實質相同區域，或有關於實質類似區域(例如相同晶圓之另一晶粒中的平行區域)。
在該比較之實例中，方法1500(例如作為步驟1560 之一部分)可包括以下步驟：比較檢查圖像與個別參考圖像(例如第二檢查圖像、自CAD資料產生之圖像等等)，以計算檢查圖像之對應像素之間的差異。例如，若檢查圖像為灰階圖像，則該比較步驟可包括以下步驟：為檢查圖像至少一部分的每一像素決定差值，該差異水平可等於該像素的灰階(GL)值與個別參考圖像中對應像素GL值的差異。應指出，在個別參考圖像為第二檢查圖像的情況下，該步驟可包括同一檢查物件或另一物件的資訊。
例如，若檢查圖像為晶圓晶粒(或晶圓晶粒一部分)之圖像，則第二檢查圖像可為同一晶粒之圖像(在單元至單元比較方案中)；可為同一晶圓上另一晶粒的圖像(在晶粒至晶粒比較方案中)；及亦可為另一晶圓之晶粒的圖像(在一批次的所有晶圓與單個晶粒比較的比較方案中)。
當基於該等差異決定檢查圖像中缺陷之存在時，處理基於檢查圖像的比較所決定的差異，以決定該等差異是否指示缺陷。此舉可包括將每一此等差值與閾值作比較。此閾值對於檢查圖像所有像素不一定相等。
在作為決定該閾值的基礎的其他因素中(例如指示諸如變化或其他像素分類的參數的雜訊)，可基於為該像素所選擇的圖像區段決定閾值。同樣地，亦可實施除了與閾值作比較之外的決策規則。
參見第3B圖，該圖中圖示步驟1560之一些可能的變 化，步驟1560中決定缺陷之存在可包括步驟1562，可對檢查圖像複數個像素中每一像素執行該步驟1562。可將步驟1562視為步驟1561的可選變化。
步驟1562包括基於以下評估像素：(a)為包含該像素的一對計算差異，及(b)取決於為該像素所選圖像區段的決策規則。應指出，亦可對檢查圖像中除獨立像素之外的部分(例如步驟1550的彼等部分)實施步驟1562。
應指出，視情況，步驟1560中決定缺陷之存在可包括多個子步驟。例如，步驟1560可包括以下步驟：界定候選缺陷之群組(例如可疑像素之群組)，及後續分析該等候選缺陷的步驟(例如藉由進一步分析現有檢查資料及/或藉由獲取額外資料，諸如藉由用較高解析度檢查被檢查物件的可能缺陷位置或藉由另一檢查技術)，以決定哪些候選缺陷確實指示存在缺陷。
若決定缺陷之存在之步驟確實在多個子步驟中執行，則應指出，不一定為所有彼等子步驟使用分段資料。例如，考慮一決策規則，該決策規則基於差異及基於為該圖像部分(例如像素)所選的圖像區段，該決策規則之實施可用於界定候選缺陷群組，同時執行以後步驟(該等以後步驟不一定使用分段資訊)以從群組中篩出假候選缺陷。
參見可選步驟1563，應指出決定缺陷存在之步驟可基於為檢查圖像不同區域界定的不同偵測方案，其中該界定步驟係基於該分段。步驟1563包括以下步驟：基於該 分段為檢查圖像不同區域界定不同偵測方案。不同偵測方案之決定亦可基於額外因素。步驟1563之後是執行不同區域之偵測方案。上文已提出多種不同偵測方案，例如：不同圖像區段可指示不同感興趣水平，且因此用針對不同區域的不同計算要求實施偵測方案。
可使用不同計算功率或實施不同相對資源量以不同解析度分析不同區域(基於不同圖像區段而界定)的缺陷。
可使用不同缺陷偵測方案(例如晶粒至晶粒、晶粒至多個晶粒、晶粒至資料庫、單元至單元等)分析不同區域(基於不同圖像區段而界定)。
可在不同區域中實施用於缺陷偵測的不同閾值。
可在不同不同區域中尋找不同類型的缺陷。
第3C圖及第3D圖為根據本發明實施例之電腦化方法1500之流程圖。應指出，在第3C圖及第3D圖中任一圖中所圖示的步驟可整合在第3A圖中所圖示的實施中，且反之亦然。
參見第3C圖，應指出，獲得停泊位置的步驟1540可包括以下步驟：計算多個停泊位置。此計算(例如)可實施為步驟1541：基於模板與檢查圖像多個部分之匹配計算多個停泊位置。亦可實施其他計算方式。例如，可圖像處理檢查圖像以偵測重複圖案(例如藉由迴旋檢查圖像內變化大小的區域，藉由分析圖像的頻域表示等等)。在另一實例中，可處理除檢查圖像自身之外的資 訊。例如，可基於對應於檢查圖像之CAD資料的處理計算停泊位置。
回到步驟1541，步驟1541的一種可能實施基於可選步驟1530之結果，將在下文討論可選步驟1530。
方法1500可包括將模板與檢查圖像多個區域相關的步驟1530。雖然模板不一定與檢查圖像中該等相關部分中之任一個部分相同，但模板與該等部分中某些部分的關係可能大於該模板與其他部分的關係。例如，模板與該等部分中之一個部分的關係可能相對較高，且至少大於檢查圖像相對於該部分略微移位之部分。參見之前圖式中所闡述之實例，可由停泊處理模組(諸如系統1200之停泊處理模組1220)執行步驟1530。
應指出，該關係不必一定符合檢查圖像的像素。應指出，該關係可用子像素精確度實施(例如用遮罩像素的千分之一的精確度實施)。自第6圖中實例可看出，在實例中假定為與模板最佳相關的區域130不在表示檢查圖像100像素的網格上，而是在(因此決定為)子像素解析度中。可僅在檢查圖像在參考資料中所指出的區域中執行相關步驟1530，但並非一定如此。
參見第6圖之實例，停泊位置例如可為停泊位置1120(停泊位置1120可為無尺寸點或另一種類的停泊)。應指出，雖然可由關係實現模板與圖像每一部分(若實施，例如在第6圖中所示區域130)的匹配，但在其他實施中可實施其他匹配技術(諸如圖案偵測等等)。雖未必一 定如此，但在某些實施中，計算停泊位置的準確度超過檢查圖像的解析度。
視情況，步驟1540可包括可選步驟1542，可選步驟1542包括以下步驟：基於模板與檢查圖像的部分之間的關係(或諸如上文所論述之其他類型匹配)在檢查圖像內選擇預定單元大小的多個單元區域。若提前已知該等停泊位置中之每一個停泊位置與對應於該停泊位置的單元大小區域之間的幾何關係(例如第6圖中箭頭1122以及區域1110大小)，則步驟1542中選擇單元區域可為步驟1541中選擇停泊位置的直接副產物。應指出，在替代實施中，對應於不同停泊位置的單元區域可具有不同大小。
雖然應用了單位轉換，但單元區域上下文中的術語「大小」係關於檢查平面(例如檢查晶圓時晶圓被檢查層之平面)之坐標。雖然單元大小可等於遮罩界定的區域大小，但並非一定如此，且遮罩可界定更大區域內包括前述單元大小區域的區段。參見之前圖式中所闡述之實例，可由相關器(諸如停泊處理模組1220)執行步驟1541。
應指出，若遮罩解析度大於單元區域解析度，則即使兩個區域關於檢查平面中類似大小區域仍具有不同像素大小。參見檢查平面中坐標中的模板大小，單元區域的大小可小於模板區域、類似於模板區域或大於模板區域。
在本發明一些實施中，可在執行步驟1541之前實施決 策規則，根據該決策規則，若檢查圖像沒有區域以足夠成功的方式匹配模板，則方法終止。例如，若未發現檢查圖像中有超過預定閾值的關係得分的一部分，則不一定決定停泊位置。雖然基於檢查圖像中至少一部分與模板的關係自該至少一部分選出步驟1530的一個可能結果(或者匹配模板與檢查圖像之一區域的另一步驟)，但另一可能結果是找不到匹配的區域。
視情況，回到步驟1541，可能為從檢查圖像彼等部分中挑出的任一部分界定停泊(參見第6圖的實例，停泊1120可在檢查圖像100內選擇的區域130中界定或相對於檢查圖像100內選擇的區域130界定)。若實施步驟1542，則該選擇步驟可包括以下步驟：選擇檢查圖像在步驟1530中選出的部分(或多個部分)，但亦可包括以下步驟：選擇檢查圖像的另一區域。再次參見第6圖之實例，步驟1542中所選區域1110大於步驟1530中所選區域130。可相對於在步驟1541中計算的停泊1120界定區域1110(亦稱為「單元區域」xx110)(例如可相對於從檢查圖像中選出的區域130基於匹配界定區域110)。
圖像之多個部分匹配模板的檢查圖像之實例為包括重複圖案(例如，如第66圖所舉例說明)的被檢查物件。若模板對應於區域中圖案重複的一部分(或全部)，則檢查圖像的許多類似部分可匹配模板(例如如步驟1530中相關)，且可在步驟1541中相應地計算許多停泊位 置。視情況，所選多個單元區域覆蓋整個檢查圖像(或若只處理一部分檢查圖像，則為檢查圖像至少經處理部分)。
例如，第66圖檢查圖像100中成像的被檢查物件包括重複圖案，該重複圖案包括多對垂直線。雖然彼等多個區域不相同，但模板與彼等區域中一者的每一匹配可導致在步驟1541中(例如基於檢查圖像不同部分與模板的關係，未圖示)界定獨立停泊位置。
檢查圖像中類似於模板的多個部分可導致甚至在類似部分不形成重複圖案時亦計算多個停泊位置(及亦可能導致選擇多個單元大小區域)。尤其是，在某些實施中，可實施多個模板(例如模板對應於晶圓的不同重複圖案)，其中可在步驟1541中基於檢查圖像各個區域匹配多個模板可計算多個停泊位置。在此情況下，可對該等區域使用不同大小的遮罩。
現在參見步驟1515，方法1500可包括基於分段分析檢查圖像用於識別至少一個潛在缺陷的步驟1515。步驟1515可包括以下步驟：決定關於潛在缺陷的資訊，諸如位置資訊、大小/形狀資訊、類型資訊等。應指出，雖然步驟1515可為步驟1560之一部分(例如如上文所論述)，但此僅為解釋便利而說明為獨立基礎步驟。參見相對於之前圖式闡述之實例，可由諸如缺陷偵測處理器1260之缺陷偵測處理器執行步驟1515。
可作為步驟1560之一部分分析此潛在缺陷以決定缺 陷之存在的方式之一，為藉由決定潛在缺陷相對於該複數個圖像區段中之一或更多個圖像區段的分佈；及基於該分佈分類潛在缺陷。方法1500之實施間的一個差別在於，在第3C圖之實施中，使用相同停泊位置及遮罩(例如藉由直接使用步驟1550之分段)，而在第3D圖之實施中，使用與用於分段的遮罩(用於識別潛在缺陷的分段)不同的遮罩，來分析潛在缺陷，以決定缺陷之存在。
應指出，分段可為消耗時間及/或計算功率的製程，且因此較佳可使用分段結果。例如，若兩個製程使用了不同的考慮(例如一個遮罩用於決定偵測方案，另一個遮罩用於分析缺陷)，較佳可使用不同遮罩(如在第3D圖的實例中)。
參見第3C圖，步驟1560中決定缺陷之存在可包括步驟1560：基於界定不同缺陷偵測區段之缺陷偵測遮罩(而非步驟1550之遮罩)且基於該等停泊位置中之至少一個停泊位置，決定潛在缺陷相對於該等遮罩區段中之一或更多個遮罩區段的分佈。參見相對於之前圖式所闡述之實例，可由分佈分析模組(諸如分佈分析模組1240)執行步驟1563。步驟1563之後是步驟1564：基於缺陷偵測分佈(及可能基於諸如上文所論述之分段邏輯的其他資料)分類潛在缺陷。參見相對於之前圖式所闡述之實例，可由分類器執行步驟1564，該分類器可(例如)包含在缺陷偵測處理器1260中。
參見第3D圖，步驟1560中決定缺陷之存在可包括步 驟1567，該步驟1567中基於界定不同缺陷偵測區段的缺陷偵測遮罩(而非步驟1550之遮罩)及基於相對於檢查圖像所決定的位置，來決定潛在缺陷相對於該等缺陷偵測區段中的一或更多個缺陷偵測區段的缺陷偵測分佈。參見相對於之前圖式所闡述之實例，可由分佈分析模組(諸如分佈分析模組1240)執行步驟1567。
步驟1567之後是步驟1568：基於缺陷偵測分佈(及可能基於諸如上文所論述之分段邏輯的其他資料)分類潛在缺陷。參見相對於之前圖式所闡述之實例，可由分類器執行步驟1568，該分類器可(例如)包含在缺陷偵測處理器1260中。
應指出，步驟1567中所使用位置為停泊位置。該位置可為步驟1540中所取得(例如決定)的該等停泊位置中之一個停泊位置，或另一個停泊位置(尤其若另一模板用於選擇彼等遮罩)。若實施後者，則方法1500可包括步驟1566：基於缺陷偵測模板與檢查圖像一部分的匹配決定相對於檢查圖像的缺陷偵測停泊位置(決定缺陷偵測停泊位置的精確度可超過檢查圖像的解析度)。若實施此步驟，則在步驟1567中所提及的位置為缺陷偵測停泊位置。步驟1566可基於將檢查圖像之一或更多個區域與缺陷偵測模板相關的可選步驟1565的結果。
視情況，決定缺陷存在之步驟可包括以下步驟：用超過檢查圖像解析度之精確度決定潛在缺陷相對於該等遮罩區段中之一或更多個遮罩區段的分佈(例如第3C圖 及第3D圖中所舉例說明)；及基於該分佈分類潛在缺陷。
視情況，決定缺陷存在之步驟可包括以下步驟：決定潛在缺陷相對於一或更多個遮罩區段之分佈(例如第3C圖及第3D圖中所舉例說明)；及基於該分佈分類潛在缺陷；其中該分類步驟包括以下步驟：根據一分類來分類潛在缺陷，該分類中類別對應於對該檢查物件的可操作性的可能結果不同的缺陷類型。
視情況，決定缺陷存在之步驟為步驟1560，該步驟1560可包括以下步驟：基於檢查圖像相關於被分配給潛在缺陷的一或更多個部分之一或更多個圖像區段之選擇分類潛在缺陷，其中該分類步驟包括以下步驟：根據一分類來分類潛在缺陷，該分類中類別對應於對被檢查物件的可操作性的可能結果不同的缺陷類型。
應指出，潛在缺陷遮罩(類似於步驟1550的遮罩)可具有不同的解析度，且尤其是該解析度大於檢查圖像的解析度。亦即，可用大於檢查圖像解析度的解析度界定在遮罩區域中界定的遮罩區段。
應指出，決定檢查圖像部分的分佈亦可實施為步驟1550之分段製程的一部分。例如，方法1500可包括步驟1551：決定檢查圖像複數個像素中每一像素相對於該複數個遮罩區段中之一或更多個遮罩區段的分佈。根據此實施，分段可基於為複數個像素所決定的分佈。舉例說明，將圖像各個多個部分分配至個別圖像區段可基於分佈決定的結果。
視情況，對圖像全部像素，或至少對大多數像素的全部像素實施分配至圖像區段。例如，可對圖像全部像素(或對大多數像素)執行分佈的決定，且可基於所決定的分佈分配彼等像素中之每一像素。決定及/或使用每一像素之分佈的方式將對熟習該項技術者顯而易見，因為該等方式可類似於加以必要變更的關於遮罩區段的分佈(例如關於步驟1567及關於第6圖)所論述之彼等方式。
回到第2圖，視情況，停泊處理模組1220可經配置以基於缺陷偵測模板與檢查圖像一部分的匹配決定相對於檢查圖像的缺陷偵測停泊位置，其中決定缺陷偵測停泊位置的精確度超過檢查圖像的解析度。
分佈分析模組1240可經配置以基於界定不同缺陷偵測區段的缺陷偵測遮罩及基於相對於檢查圖像所決定的位置，決定潛在缺陷相對於該等缺陷偵測區段中之一或更多個缺陷偵測區段的缺陷偵測分佈。在此實施中，缺陷偵測處理器1260可包括分類器，該分類器經配置以基於該缺陷偵測分佈分類潛在缺陷。
視情況，分佈分析模組1240可經配置以用超過檢查圖像解析度之精確度決定潛在缺陷相對於一或更多個遮罩區段的分佈；其中缺陷偵測處理器1260經配置以基於該分佈分類潛在缺陷。
視情況，分佈分析模組1240可經配置以決定潛在缺陷相對於一或更多個遮罩區段之分佈；及缺陷偵測處理器1260可經配置根據一分類，基於該分佈分類潛在缺陷， 該分類中類別對應於對該檢查物件的可操作性的可能結果不同的缺陷類型。
第6圖圖示遮罩1400及檢查圖像100之使用，遮罩1400界定區域內的多個遮罩區段1410。使用可為基於多個停泊位置1120(第6圖圖示一個停泊位置1120)及基於遮罩1400分段檢查圖像100，但使用亦可用於基於潛在缺陷之分析決定缺陷之存在。再次應指出，亦相對於第5圖圖示並論述遮罩1400用於分類的使用。
區域1110(下文中亦簡稱為「單元」或「區域1110」)為檢查圖像100之Xcell*Ycell像素大小的區域。可看出，雖然Xcell及Ycell可為整數，但區域1110之位置不一定恰好在檢查圖像100之像素網格(表示為102)上。例如，可對在非整數像素坐標中界定的區域達成模板與檢查圖像之間的最佳匹配。在另外的實例中，可在非整數像素坐標中界定停泊位置1120與對應區域1110之間的距離。
在第6圖右側，圖示區域1110的升取樣版本(表示為1110')與遮罩1400之表示重疊。可看出，在檢查圖像解析度中區域1110(亦稱為「單元」)大小為6*6像素。區域110的升取樣版本大小為15*15像素。在所圖示實例中，將區域1110升取樣成區域1110'包括將解析度增加N=2.5倍。再次應指出，雖然可在本發明某些實施中實施選定單元區域之升取樣，但並非一定如此。如上所提及，在某些實施中，不選擇或界定此等單元區域。
若實施升取樣，則升取樣可包括簡單線性內插。在其他實施中，可實施其他類型的內插技術，諸如雙立方內插、雙線性內插、最相鄰內插等。
藉由說明之方式，在實施線性內插的實例中，檢查圖像之單像素大小部分(表示為1140)對應於遮罩解析度(若確實實施為光域圖像(raster image))中的N*N像素區域(表示為1140')。
應指出，雖然在步驟1550中分配至圖像區段的檢查圖像之部分可為單像素大小(如第6圖中的實例)，但並非一定如此，且該等部分亦可更小或更大。若遮罩1400用於分析潛在缺陷，則應指出部分1140亦可表示在潛在圖像分析期間偵測到的潛在缺陷之位置。潛在缺陷同樣可能界定為大於或小於單個像素。
遮罩1400之不同遮罩區段1410圖示為以子像素解析度界定。此舉可例如在遮罩的向量表示中實施。應指出，在某些實施中，(例如若遮罩界定為光域圖像)遮罩之遮罩區段1410可僅以完整像素的解析度界定。在第6圖中將遮罩1400之不同遮罩區段列舉為1410(13)、1410(14)、1410(15)及1410(16)。可在遮罩中將表示為1410(10)的區域界定為區段(因此具有覆蓋整個區域的多個區段)，或完全不界定示為1410(0)的區域(因此具有僅部分覆蓋區域的區段)。
參見第6圖之實例，步驟1550包括以下步驟：將圖像多個部分中每一部分1140(未圖示其他部分)分配至從 多個圖像區段中選出的個別圖像區段，其中多個圖像區段對應於遮罩1400之至少一個遮罩區段1410。例如，可藉由決定個別部分1140相對於該等遮罩區段1410中之一或更多個遮罩區段1410的分佈來實施此操作。
參見第6圖之實例，應指出，遮罩區段1410與部分1140之間的關係可藉由以下知識促進：關於停泊位置1120與遮罩1400之至少一個參考點之間的關係(該關係藉由箭頭1122圖示且該關係可為參考資料的一部分)的知識；及關於停泊位置1120與部分1140上至少一個參考點之間的關係的知識(該關係藉由箭頭1124圖示，且可決定該關係，因為停泊位置與識別項目位置兩者皆可界定在檢查圖像100之坐標內)。
可看出，區域1140'(該區域1140'為檢查圖像之像素1140之放大類比)分佈在遮罩1400之遮罩區段1410(10)、遮罩區段1410(13)與遮罩區段1410(16)之間。如所提及，部分1140之大小亦可大於或小於一個像素。因此，部分1140可與位置資訊及亦可能的大小資訊及/或分級相關聯。
應指出，決定分佈之步驟可包括以下步驟：用超過模板解析度、檢查圖像解析度之精確度及/或界定遮罩之精確度決定分佈。此舉尤其賦能基於高解析度規則的分段而不需要增加掃描解析度。
在第7圖之實例中，檢查圖像中部分1140之大小不是單個像素(如第6中的實例)，而是四個像素。部分1140 之升取樣類比為區域1140'。圖示區域1140’分為四個四分之一部分，但此舉僅為說明緣故，且如上文提及，用較高解析度完成分佈之決定。
可看出，略微超過一半的區域1140與區段1410(17)重疊，且略微小於一半的區域1140重疊區段1410(18)。此情況藉由經決定之分佈(表示為1900)所反映，在該分佈中區段類型1(該區段類型1對應於遮罩區段1410(18))接收剛好小於2之得分，且區段類型2(該區段類型2對應於區段1410(17))接收剛好超過2之得分。在所提供實例中，分佈中的得分之單位給定等於檢查圖像之原始像素，但熟習該項技術者應理解，可實施決定分佈之任何其他方法。舉例而言，可以百分比、像素(通常為分數數量)、奈米等決定分佈，其中該界定通常將類似於分類邏輯之界定方式。
應指出，雖然對應於部分1140之區域1140’可分佈在遮罩1400的多個遮罩區段之間，但並非一定如此，且整個區域可對應於單個遮罩區段1410。
整體參見方法1500，該方法可包括以下步驟：(例如在步驟1530中)將晶圓之執行時檢查圖像之區域與模板相關(該步驟亦可稱為「模板停泊」)。基於此關係，選擇且可以後進一步處理檢查圖像之區域以提供對應於遮罩之區域。
雖然遮罩之決定可為相對長之製程，因為該步驟可用於許多被檢查晶圓(或任何其他被檢查物件)之執行時 檢查，但此情景下之執行時檢查應相對較快(因為該執行時檢查重複多次)。為了獲得此快速性，可用相對較低解析度執行檢查。
應指出，雖然提供了對分段製程有用之額外資訊，但方法1500並非一定增加任何執行時檢查時間，且雖然方法1500可提供子像素精確度之資訊，但該方法不需要減少執行時檢查像素大小。
應指出，雖然以上實例之一些實例係關於電子束掃描，但所揭示技術亦可實施用於其他類型檢查或成像(例如光學、雷達、聲納等)。同樣地，雖然一些以上實例係關於諸如晶圓之電子電路的檢查，但所揭示技術亦可實施用於其他類型檢查物件(不管是奈米級還是其他級別)。
如上文提及，可以不同方式產生方法1500所使用之模板及遮罩。例如，可基於被檢查物件參考區域之參考圖像決定遮罩。將在下文論述，在此情況下之方法可包括以下步驟：降低取樣參考圖像之至少一部分以提供具有較低解析度之模板。應指出，除了降低取樣之外，模板產生亦可包括額外類型之圖像處理。
應指出，製作遮罩及/或模板之製程中所使用的參考圖像亦可用於步驟1560中的比較及缺陷偵測。然而，在其他設施中，一個(或更多個)參考圖像用於產生參考資料(包括遮罩及/或遮罩)，及另一(或多個)參考圖像用於基於分段決定缺陷之存在的步驟。
例如，可一次從晶圓中單個晶粒的高解析度參考圖像產生遮罩及/或模板(如參考第8圖及第9圖所論述)，且相同參考資料可用於多個其他晶圓中的缺陷偵測。繼續該實例，在彼等其他晶圓中之每一個晶圓中，缺陷偵測可基於該晶圓第一晶粒之個別檢查圖像與同一晶圓另一晶粒的對應參考圖像的比較。
被檢查物件參考區域可為相同被檢查物件之一部分(例如相同晶圓中另一晶粒)，或被檢查物件參考區域可屬於另一被檢查物件(例如同一批次或另一批次中的另一晶圓)。可由用於方法1500之獲得檢查圖像之步驟之同一檢查機器產生此情況下之參考圖像。在另一實施中，可自電腦輔助設計(CAD)資料產生參考圖像。視情況，該方法可包括藉由處理自電腦輔助設計(CAD)資料產生的一或更多個參考圖像來產生模板及/或遮罩。
可根據方法1600之製程執行用於方法1500中遮罩及/或模板之產生。應指出，此製程可為方法1500之一部分(亦即，方法1600可併入方法1500中)。根據本發明之實施例，基於被檢查物件參考區域之參考圖像決定該遮罩，其中該方法1500進一步包括產生該模板的步驟，其中該產生步驟包含降低取樣該參考圖像之一部分的步驟。應指出，在其他實施中，參考圖像不是檢查圖像，而是從電腦輔助設計(CAD)資料產生的。
第8圖圖示根據本發明實施例之用於產生可用於分段(例如用於方法1500中)的參考資料的方法1600。
方法600以獲得被檢查物件參考資料之參考圖像的步驟1610作為開始。若參考圖像為實際物件圖像(且例如並非基於CAD資料)，則可藉由直接掃描、檢查等或藉由從另一系統接收可獲得參考物件(該參考物件可選自由以下組成之群組：電子電路、晶圓、光罩，但並非一定如此)之高解析度圖像。高解析度圖像可包括整個參考物件或只是參考區域之成像資料。參見之前圖式中所闡述的實例，可藉由諸如檢查結果介面1204之檢查結果介面或諸如檢查機器1210之檢查機器執行步驟1610。
例如，高解析度參考圖像可為晶粒或晶粒之一部分的圖像。可自高解析度檢查製程及/或自電腦輔助設計(CAD)檔案收集高解析度參考圖像。舉例而言，藉由增加電子束檢查工具之解析度或藉由使用SEM成像系統來收集高解析度圖像。
一旦獲得了高解析度圖像，則該高解析度圖像可用於界定資訊，該資訊可以後用於所偵測到可能缺陷之實際分類。方法1600可繼續執行識別參考圖像中感興趣圖案的步驟1620。此感興趣圖案可稱為「黃金單元」。可由人員識別或自動產生該感興趣圖案。應指出，可在檢查圖像中重複多次該圖案或「黃金單元」，但並非一定如此。參見之前圖式中所闡述之實例，可由圖像處理模組(諸如圖像處理模組1230)執行步驟1620。
方法1600之步驟1630包括以下步驟：產生界定單元大小區域中不同遮罩區段的遮罩。在包括重複圖案的參 考圖像的情況下，單元大小可實質上類似於重複圖案大小(或類似於重複圖案之子區域，例如類似於步驟1620中界定之感興趣圖案)。應指出，在某些實施中，遮罩大小可小於重複圖案大小(可能明顯較小)或大於重複圖案大小。參見之前圖式中所闡述之實例，可由遮罩產生模組(諸如系統1200之遮罩產生模組1290)執行步驟1630。
在遮罩中界定不同遮罩區段。可因為不同原因界定該等不同遮罩區段。例如，遮罩區段可經界定以對應於電子電路(或其他項目)在黃金單元圖案內對應區域或其他感興趣區域處的不同功能。在另一實例中，可界定遮罩區段以對應於對缺陷的不同易感性。在遮罩中界定之遮罩區段的數量可對於不同被檢查物件(例如對於不同電子電路)而不同，且可根據基於該等圖像區段對於稍後進行之缺陷偵測及/或缺陷分析的有用性而不同。
例如，雖然在某些實施中遮罩中不同遮罩區段的數量可為三個、五個或八個，但在其他設施中，可界定幾十個或甚至幾百個遮罩區段。可由人員或電腦(例如基於CAD資料)執行遮罩區段之界定。
應指出，若實際上用比稍後用於方法1500中之執行時檢查的解析度高的解析度產生遮罩，則在步驟1630中用相對高的解析度(例如用高解析度參考圖像之解析度)界定遮罩之遮罩區段。雖然在某些實施中，在遮罩中界定之遮罩區段在遮罩整個區域中不重疊或覆蓋彼此，但 並非一定如此，且遮罩之某些區域可能不屬於任何區段。
應指出，雖然其中分段檢查圖像之部分的方法1500中之執行時檢查可用相對較低解析度(例如具有對應於高解析度像素大小之2倍、3倍或更多倍之像素大小)執行，但使用高解析度遮罩(連同檢查圖像之一部分的升取樣)賦能基於圖像之部分關於較高解析度遮罩(該較高解析度遮罩準確得多)之位置而分段該等檢查圖像之部分。
若實際上參考圖像解析度大於方法1500中所使用檢查圖像解析度，則方法1600可進一步包括步驟1640：處理高解析度參考圖像以提供對應於高解析度圖像至少一個區域的較低解析度模板。除了降低取樣參考圖像之至少一部分外，產生模板之步驟還包括以下步驟：實施諸如軟化、平滑化、邊緣增強等額外圖像處理技術。根據本發明實施例，若界定遮罩之解析度不同於用於方法1500之產生檢查圖像所用的檢查解析度，則必需該步驟。參見之前圖式中所闡述之實例，可由圖像處理模組(諸如系統1200之圖像處理模組1230)執行步驟1640。
可由十進制圖像處理演算法或其他降低取樣演算法實施處理步驟1640，但並非一定如此。模板(亦稱為「降低解析度參考圖像」可用於在執行時檢查圖像中偵測重複圖案(例如藉由識別圖像之一部分(即停泊))，且因此用於決定遮罩與執行時檢查圖像之間的空間關係。
視情況，模板解析度可小於遮罩解析度(以及高解析 度圖像的解析度)，且模板解析度對應於所欲執行時檢查解析度。可(例如)用不同的較低解析度產生多於一個的模板以用於不同的執行時檢查解析度。舉例而言，模板解析度具有對應於100nm之像素大小(高度或寬度)，而遮罩解析度可具有對應於70nm之像素大小。在第9圖中舉例說明處理高解析度參考圖像之一部分以提供較低解析度模板的實例。
模板與遮罩之間一維像素尺寸之間的比率可在本發明各個實施中不同(例如1：2、1：4、1：7、1：15等)。應指出，對應像素區域之間的比率為該比率之二次冪(例如1：4、1：16、1：49等)。
方法1600可進一步包括步驟1650：界定其中不同規則適用於遮罩的遮罩區段之間不同分配的分段邏輯。界定分段邏輯可取決於所定義的特定遮罩，但並非一定如此。例如，可基於遮罩中之該等遮罩區段中之每一遮罩區段所覆蓋之相對部分界定分段規則。或者，分段規則可與特定遮罩無關，且可基於其他考慮(諸如該等遮罩區段中之每一遮罩區段所表示的物理性質)界定分段規則(作為方法1600之一部分或其他方式)。
可由人員(尤其使用電腦)或藉由電腦或其他機器及/或藉由上述之組合執行方法1600之任一步驟。
第9圖圖示根據本發明實施例之用於產生可用於分段(例如用於方法1500中)的參考資料的製程1600'。具體而言，製程1600'可用於產生遮罩1400及模板1300。
用單引號表示之步驟(例如1610'、1620'等)是方法1600對應步驟(例如分別是步驟1610及1620)的可能實施。
參見處理參考圖像以提供對應於參考圖像至少一個區域的低解析度模板的步驟1640'，應指出，該步驟可用多種方式實施，圖示了該步驟的一部分。
首先，高解析度父模板1300'選自參考圖像1800。該選擇標記為1641'。高解析度父模板1300'可與感興趣區域810之所選單元大小圖案相同，或者彼此不同。然後(例如)藉由應用諸如平滑化或邊緣增強(表示為1642')之形態圖像處理技術十進制處理或降低取樣或操縱高解析度父模板300'，以提供較低解析度模板1300"(亦稱為「經降低取樣模板」及「經十進制處理模板」)。模板1300"視情況可使用提供該模板時的「原型」(此選項表示為1643')。
在另一實施(表示為1644')中，經降低取樣模板1300"用於(例如用為取得方法1500之檢查圖像的解析度)從較低解析度圖像100'選擇區域1190'及將區域1190'用作模板1300，區域1190'匹配經降低取樣模板1300"。
作為整體回到系統1200及方法1500。應指出，系統1200及/或方法1500之使用可經實施以賦能基於圖案的超精細分段，該基於圖案的超精細分段進而促進缺陷偵測製程及缺陷分析的更佳控制。
亦應理解，根據本發明之系統可為經適當程式化的電 腦。同樣地，本發明設想可由電腦讀取的電腦程式，用於執行方法1500及該方法1500的變化。同樣地，本發明設想可由電腦讀取的電腦程式，用於執行方法1600及該方法1600的變化。本發明進一步設想一種機器可讀取記憶體，該機器可讀取記憶體有形實現可由機器執行的程式指令，用於執行方法1500及/或方法1600。
雖然已圖示並在本文描述本發明之某些特徵結構，但本領域一般技藝人士現將瞭解許多修改、替換、更改及等效物。因此應理解，附屬申請專利範圍意欲涵蓋在本發明真實精神內的所有該等修改及更改。
將瞭解，上文所描述實施例係藉由實例方式引用，且可更改及修改該等實施例之各個特徵結構及該等特徵結構之組合。
雖然已展示及描述各種實施例，但將瞭解不意欲藉由該揭示案限制本發明，而是意欲涵蓋在所附申請專利範圍中界定的本發明範疇內的所有修改及替代結構。
10a‧‧‧缺陷
10b‧‧‧缺陷
10c‧‧‧缺陷
10d‧‧‧缺陷
50‧‧‧被檢查物件
100‧‧‧檢查圖像
100'‧‧‧較低解析度圖像
102‧‧‧像素網格
110'+1400‧‧‧遮罩
1110‧‧‧區域
1110'+1400‧‧‧升取樣版本
1120‧‧‧停泊位置
1122‧‧‧箭頭
1124‧‧‧箭頭
1140‧‧‧部分
1140'‧‧‧像素區域
1180‧‧‧重複圖案
1200‧‧‧系統
1202‧‧‧參考資料輸入介面
1204‧‧‧檢查結果介面
1210‧‧‧成像系統
1220‧‧‧電腦化停泊處理模組
1230‧‧‧圖像處理模組
1240‧‧‧分佈分析模組
1250‧‧‧分段模組
1260‧‧‧缺陷偵測處理器
1270‧‧‧輸出介面
1275‧‧‧有形儲存器
1280‧‧‧時間上較後的檢查模組
1290‧‧‧遮罩產生模組
1300‧‧‧模板
1300'‧‧‧高解析度父模板
1300"‧‧‧較低解析度模板
1410‧‧‧遮罩區段
1410(1)‧‧‧遮罩區段
1410(2)‧‧‧遮罩區段
1410(3)‧‧‧遮罩區段
1410(5)‧‧‧遮罩區段
1410(6)‧‧‧遮罩區段
1410(7)‧‧‧遮罩區段
1410(10)‧‧‧遮罩區段
1410(14)‧‧‧遮罩區段
1410(15)‧‧‧遮罩區段
1410(16)‧‧‧遮罩區段
1500‧‧‧方法
1510‧‧‧步驟
1515‧‧‧步驟
1520‧‧‧步驟
1530‧‧‧步驟
1540‧‧‧步驟
1541‧‧‧步驟
1542‧‧‧步驟
1550‧‧‧步驟
1551‧‧‧步驟
1560‧‧‧步驟
1561‧‧‧步驟
1562‧‧‧步驟
1563‧‧‧步驟
1564‧‧‧步驟
1565‧‧‧可選步驟
1566‧‧‧步驟
1567‧‧‧步驟
1568‧‧‧步驟
1600‧‧‧方法
1610‧‧‧步驟
1610'‧‧‧步驟
1620‧‧‧步驟
1620'‧‧‧步驟
1630‧‧‧步驟
1630'‧‧‧步驟
1640‧‧‧步驟
1640'‧‧‧步驟
1641'‧‧‧步驟
1642'‧‧‧步驟
1643'‧‧‧步驟
1644'‧‧‧實施
1650‧‧‧步驟
1710(0)‧‧‧圖像區段
1710(1)‧‧‧圖像區段
1710(2)‧‧‧圖像區段
1710(3)‧‧‧圖像區段
1710(4)‧‧‧圖像區段
1710(5)‧‧‧圖像區段
1710(7)‧‧‧圖像區段
1800‧‧‧參考圖像
1900‧‧‧分佈
為了理解本發明及瞭解如何實務上執行本發明，現將僅藉由非限制性實例參考附圖描述實施例，其中：第1A圖及第1B圖圖示電子電路中兩種類型的缺陷；第2圖為根據本發明實施例之潛在缺陷分析系統的方塊圖，該潛在缺陷分析系統可用於分類在被檢查物件檢查圖像內識別的潛在缺陷； 第3A圖為根據本發明實施例之一種電腦化方法的流程圖，該方法用於被檢查物件之檢查圖像內的缺陷偵測；第3B圖為根據本發明實施例之一種電腦化方法的一部分，該方法用於被檢查物件之檢查圖像內的缺陷偵測；第3C圖為根據本發明實施例之一種電腦化方法的流程圖，該方法用於被檢查物件之檢查圖像內的缺陷偵測；第3D圖為根據本發明實施例之一種電腦化方法的流程圖，該方法用於被檢查物件之檢查圖像內的缺陷偵測；第4圖圖示根據本發明實施例之模板及遮罩表示；第5圖圖示根據本發明實施例在圖像區段與遮罩的遮罩區段之間的多個對應關係；第6圖圖示根據本發明實施例之分類中所用實體之間的關係；第7圖圖示根據本發明實施例之潛在缺陷的分佈，在由遮罩界定的多個區段之間的晶圓的檢查圖像中識別該潛在缺陷；第8圖圖示根據本發明實施例之用於產生可用於分段的參考資料的方法；及第9圖圖示根據本發明實施例之用於產生可用於分段的參考資料的製程。
應瞭解，為簡單且清晰圖示，各圖式中所示元件不一定按比例繪製。例如，有些元件的尺寸可為了清晰起見相對於其他元件進行誇示。進一步地，在認為適當的情況下，可在各圖中重複元件符號以指示相應元件或類似 元件。
1200‧‧‧系統
1202‧‧‧參考資料輸入介面
1204‧‧‧檢查結果介面
1210‧‧‧成像系統
1220‧‧‧電腦化停泊處理模組
1230‧‧‧圖像處理模組
1240‧‧‧分佈分析模組
1250‧‧‧分段模組
1260‧‧‧缺陷偵測處理器
1270‧‧‧輸出介面
1275‧‧‧有形儲存器
1280‧‧‧時間上較後的檢查模組
1290‧‧‧遮罩產生模組

Claims (19)

  1. 一種用於偵測一被檢查物件之一檢查圖像內之缺陷的分析系統，該檢查圖像包含多個圖像部分，該系統包含：一電腦化停泊處理模組，該電腦化停泊處理模組經配置以取得相對於該檢查圖像之多個停泊位置；一電腦化分段模組，該電腦化分段模組可操作地耦接至該電腦化停泊處理模組，該電腦化分段模組經配置以分段該檢查圖像，該分段步驟包含以下步驟：基於該多個停泊位置，將每一給定的圖像部分與一區段遮罩的一或多個遮罩-區段相關聯，其中該區段遮罩表示一感興趣圖案，及該等遮罩-區段表示在該感興趣圖案內的感興趣區域；針對於每一給定的圖像部分，使用與該給定的圖像部分相關聯的該一或多個遮罩-區段以用於將該給定的圖像部分分配給一個別的圖像部分、作出分配以根據預先界定的分段規則來進行提供，該等預先界定的分段規則界定在遮罩-區段與圖像區段之間的對應；及一缺陷偵測處理器，該缺陷偵測處理器可操作地耦接至該電腦化分段模組，該缺陷偵測處理器經配置以至少藉由基於以下評估在該給定的圖像部分中的每一像素來決定在該檢查圖像中的該給定的圖像部分中的一缺陷之一存在：(a)該給定的圖像部分與一參考圖像 之相關資料的一比較結果，及(b)取決於被分配給該給定的圖像部分的該圖像區段的一決策規則。
  2. 如請求項1所述之系統，其中該停泊處理模組經配置以基於一模板與該檢查圖像之多個部分的一匹配計算該多個停泊位置。
  3. 如請求項2所述之系統，其中該系統進一步包含一參考資料產生器，該參考資料產生器經配置以降低取樣一被檢查物件之參考區域之一參考圖像的至少一部分；且該參考資料產生器經配置以基於該降低取樣之一結果產生該模板。
  4. 如請求項2所述之系統，其中該系統進一步包含一參考資料產生器，該參考資料產生器經配置以藉由處理自電腦輔助設計(CAD)資料產生的一參考圖像產生該遮罩。
  5. 如請求項1所述之系統，該系統進一步包含一參考資料產生器，該參考資料產生器經配置以藉由處理自電腦輔助設計(CAD)資料產生的一參考圖像產生該遮罩。
  6. 如請求項1所述之系統，其中該等圖像部分中之至少兩個部分係至少部分重疊的。
  7. 如請求項1所述之系統，其中該被檢查物件係選自由以下組成之一群組：一電子電路、一晶圓及一光罩。
  8. 如請求項1所述之系統，其中該停泊處理模組經配置以用超過該檢查圖像之一解析度的一精確度計算該等停泊位置。
  9. 如請求項1所述之系統，其中該處理器進一步經配置以基於該檢查圖像之至少該部分之該分段界定對該檢查圖像之不同區域的不同偵測方案；其中該缺陷偵測處理器經配置以基於該界定之一結果決定該缺陷之該存在。
  10. 如請求項1所述之系統，其中該缺陷偵測處理器經配置以基於被分配給該給定的圖像部分的一圖像-區段來分類在該給定的圖像部分中的一潛在缺陷，其中在被使用的一分類中的類別對應於對該被檢查物件的一可操作性的可能結果不同的缺陷類型。
  11. 如請求項1所述之系統，該系統進一步包含一感測器，該感測器經配置以檢查該被檢查物件及經配置以基於該檢查提供該檢查圖像。
  12. 一種用於偵測一被檢查物件之一檢查圖像內之缺陷的電腦化方法，該圖像包含多個圖像部分，該方法包含以 下步驟：取得相對於該檢查圖像之多個停泊位置；分段該檢查圖像，該圖像分段步驟包含以下步驟：基於該多個停泊位置，將每一給定的圖像部分與一區段遮罩的一或多個遮罩-區段相關聯，其中該區段遮罩表示一感興趣圖案，及該等遮罩-區段表示在該感興趣圖案內的感興趣區域；針對於每一給定的圖像部分，使用與該給定的圖像部分相關聯的該一或多個遮罩-區段以用於將該給定的圖像部分分配給一個別的圖像部分、作出分配以根據預先界定的分段規則來進行提供，該等預先界定的分段規則界定在遮罩-區段與圖像區段之間的對應；及決定在該檢查圖像的一給定的圖像部分中的一缺陷之一存在，該決定該缺陷之該存在之步驟包含以下步驟：對於在該給定的圖像部分中的每一像素，基於以下評估該像素：(a)該像素與一參考圖像之相關資料的一比較結果，及(b)取決於被分配給該給定的圖像部分的該圖像區段的一決策規則。
  13. 如請求項12所述之方法，其中該取得步驟包含以下步驟：基於一模板與該檢查圖像之多個部分之一匹配計算該多個停泊位置。
  14. 如請求項12所述之方法，其中該決定該缺陷之該存在 的步驟係基於為該檢查圖像之不同區域界定的不同偵測方案，其中該界定步驟係基於該分段。
  15. 如請求項12所述之方法，該方法進一步包含以下步驟：藉由處理自CAD資料產生之一參考圖像產生該遮罩。
  16. 一種包含一非暫時性電腦可讀取儲存媒體的程式儲存裝置，該非暫時性電腦可讀取儲存媒體儲存被體現於其中的電腦可讀取程式代碼，該電腦可讀取程式代碼使得一電腦執行一種用於分類在一被檢查物件之一檢查圖像中識別的一潛在缺陷的方法，該方法包含以下步驟：取得相對於該檢查圖像之多個停泊位置；基於該多個停泊位置及基於界定多個遮罩區段的一遮罩，藉由將該檢查圖像之多個部分中的每一部分分配至從多個圖像區段選出之一個別圖像區段，來分段該檢查圖像，其中該多個圖像區段對應於該多個遮罩區段之至少一個遮罩區段；及基於該分段決定該檢查圖像中一缺陷之一存在，該決定該缺陷之該存在之步驟包含以下步驟：對於該檢查圖像的複數個像素中之每一像素，基於以下評估該像素：(a)該像素與一參考圖像之相關資料的一比較結果，及(b)取決於為該像素所選擇的該圖像區段的一決策規則，其中該缺陷的該存在的該決定步驟係基於針對於該檢 查圖像的不同區域所界定的不同的偵測方案，其中該界定步驟係基於該分段。
  17. 如請求項16所述之程式儲存裝置，其中該取得步驟包含以下步驟：基於一模板與該檢查圖像之多個部分之一匹配計算該多個停泊位置。
  18. 如請求項16所述之程式儲存裝置，其中該方法進一步包含以下步驟：產生該模板，其中該產生步驟包含以下步驟：降低取樣一被檢查物件參考區域之一參考圖像的至少一部分。
  19. 一種用於偵測在一被檢查物件的一檢查圖像內之缺陷的分析系統，該檢查圖像包含：複數個像素，該系統包含：一電腦化停泊處理模組，該電腦化停泊處理模組經配置以取得相對於該檢查圖像之多個停泊位置；一電腦化分段模組，該電腦化分段模組可操作地耦接至該電腦化停泊處理模組，該電腦化分段模組經配置以基於該多個停泊位置和界定多個遮罩-區段的一遮罩，且藉由將該檢查圖像的多個部分中的每一部分分配至從多個圖像區段中選出的一個別圖像區段來分段該檢查圖像，其中該多個圖像區段對應於該多個遮罩-區段中的至少一個遮罩-區段；及 一缺陷偵測處理器，該缺陷偵測處理器可操作地耦接至該電腦化分段模組，該缺陷偵測處理器經配置以至少藉由基於以下評估該檢查圖像的複數個像素中的每一像素且基於該分段來決定在該檢查圖像中的一缺陷之一存在：(a)該像素與一參考圖像之相關資料的一比較結果，及(b)取決於為該像素所選擇的該圖像區段的一決策規則，其中該處理器進一步經配置以基於該檢查圖像之至少該部分之該分段界定對該檢查圖像之不同區域的不同偵測方案；其中該缺陷偵測處理器經配置以基於該界定之一結果決定該缺陷之該存在。
TW101142405A 2012-06-13 2012-11-14 用於偵測檢查圖像中之缺陷的系統、方法及電腦程式產品 TWI539150B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US13/517,520 US8977035B2 (en) 2012-06-13 2012-06-13 System, method and computer program product for detection of defects within inspection images

Publications (2)

Publication Number Publication Date
TW201350833A TW201350833A (zh) 2013-12-16
TWI539150B true TWI539150B (zh) 2016-06-21

Family

ID=49755977

Family Applications (1)

Application Number Title Priority Date Filing Date
TW101142405A TWI539150B (zh) 2012-06-13 2012-11-14 用於偵測檢查圖像中之缺陷的系統、方法及電腦程式產品

Country Status (4)

Country Link
US (1) US8977035B2 (zh)
JP (1) JP5981838B2 (zh)
KR (1) KR101934313B1 (zh)
TW (1) TWI539150B (zh)

Families Citing this family (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9087367B2 (en) 2011-09-13 2015-07-21 Kla-Tencor Corp. Determining design coordinates for wafer defects
US9053390B2 (en) * 2012-08-14 2015-06-09 Kla-Tencor Corporation Automated inspection scenario generation
US9189844B2 (en) 2012-10-15 2015-11-17 Kla-Tencor Corp. Detecting defects on a wafer using defect-specific information
US9053527B2 (en) 2013-01-02 2015-06-09 Kla-Tencor Corp. Detecting defects on a wafer
US9311698B2 (en) * 2013-01-09 2016-04-12 Kla-Tencor Corp. Detecting defects on a wafer using template image matching
US9865512B2 (en) 2013-04-08 2018-01-09 Kla-Tencor Corp. Dynamic design attributes for wafer inspection
US9310320B2 (en) 2013-04-15 2016-04-12 Kla-Tencor Corp. Based sampling and binning for yield critical defects
JP6126450B2 (ja) * 2013-04-25 2017-05-10 株式会社ブリヂストン 検査装置
CN104780513A (zh) * 2014-01-13 2015-07-15 北京快点网络科技有限公司 无线终端装置及其输出广告的方法
CN104297254B (zh) * 2014-10-08 2017-04-12 华南理工大学 一种基于混合法的印刷电路板缺陷检测方法及系统
US10192283B2 (en) * 2014-12-22 2019-01-29 Cognex Corporation System and method for determining clutter in an acquired image
US11669953B2 (en) * 2015-01-30 2023-06-06 Hitachi High-Tech Corporation Pattern matching device and computer program for pattern matching
KR102352698B1 (ko) * 2015-04-30 2022-01-17 케이엘에이 코포레이션 자동화된 이미지 기반 프로세스 모니터링 및 제어
JP6623545B2 (ja) * 2015-04-30 2019-12-25 大日本印刷株式会社 検査システム、検査方法、プログラムおよび記憶媒体
US10535131B2 (en) * 2015-11-18 2020-01-14 Kla-Tencor Corporation Systems and methods for region-adaptive defect detection
US10451407B2 (en) * 2015-11-23 2019-10-22 The Boeing Company System and method of analyzing a curved surface
US10365639B2 (en) * 2016-01-06 2019-07-30 Kla-Tencor Corporation Feature selection and automated process window monitoring through outlier detection
US11216936B2 (en) * 2016-02-19 2022-01-04 SCREEN Holdings Co., Ltd. Defect detection device, defect detection method, and program
JP6666046B2 (ja) * 2016-04-25 2020-03-13 キヤノン株式会社 画像処理装置および画像処理方法
US10190991B2 (en) * 2016-11-03 2019-01-29 Applied Materials Israel Ltd. Method for adaptive sampling in examining an object and system thereof
WO2019028017A1 (en) * 2017-08-01 2019-02-07 Applied Materials Israel Ltd. EMPTY DETECTION METHOD AND INSPECTION SYSTEM
US10408764B2 (en) 2017-09-13 2019-09-10 Applied Materials Israel Ltd. System, method and computer program product for object examination
US10755405B2 (en) * 2017-11-24 2020-08-25 Taiwan Semiconductor Manufacturing Co., Ltd. Method and system for diagnosing a semiconductor wafer
KR102409943B1 (ko) * 2017-11-29 2022-06-16 삼성전자주식회사 결함 검출 방법 및 이를 수행하기 위한 장치
CN110293753B (zh) * 2018-03-22 2021-07-23 海德堡印刷机械股份公司 借助计算机对印刷产品进行图像检测的方法
US11562505B2 (en) 2018-03-25 2023-01-24 Cognex Corporation System and method for representing and displaying color accuracy in pattern matching by a vision system
US11668655B2 (en) * 2018-07-20 2023-06-06 Kla Corporation Multimode defect classification in semiconductor inspection
CN110969175B (zh) * 2018-09-29 2022-04-12 长鑫存储技术有限公司 晶圆处理方法及装置、存储介质和电子设备
JP7215882B2 (ja) * 2018-11-15 2023-01-31 株式会社ニューフレアテクノロジー パターン検査装置及びパターン検査方法
CN109671078B (zh) * 2018-12-24 2022-11-01 广东理致技术有限公司 一种产品表面图像异常检测方法及装置
US10964015B2 (en) 2019-01-15 2021-03-30 International Business Machines Corporation Product defect detection
US10902620B1 (en) * 2019-04-18 2021-01-26 Applied Materials Israel Ltd. Registration between an image of an object and a description
US11162906B2 (en) 2019-05-16 2021-11-02 General Inspection, Llc High-speed method and system for inspecting and sorting a stream of unidentified mixed parts
US11543364B2 (en) * 2019-05-16 2023-01-03 General Inspection, Llc Computer-implemented method of automatically generating inspection templates of a plurality of known good fasteners
US11045842B2 (en) 2019-05-16 2021-06-29 General Inspection, Llc Method and system for inspecting unidentified mixed parts at an inspection station having a measurement axis to identify the parts
CN110276754B (zh) * 2019-06-21 2021-08-20 厦门大学 一种表面缺陷检测方法、终端设备及存储介质
US11137485B2 (en) * 2019-08-06 2021-10-05 Waymo Llc Window occlusion imager near focal plane
KR102075872B1 (ko) * 2019-08-09 2020-02-11 레이디소프트 주식회사 투과영상 기반의 비파괴검사 방법 및 이를 위한 장치
KR102415928B1 (ko) * 2019-08-26 2022-07-05 레이디소프트 주식회사 투과영상 기반의 비파괴검사 방법
US11676260B2 (en) 2019-09-26 2023-06-13 Kla Corporation Variation-based segmentation for wafer defect detection
JP2021078082A (ja) * 2019-11-13 2021-05-20 キヤノン株式会社 情報処理装置及びその制御方法
CN110967851B (zh) * 2019-12-26 2022-06-21 成都数之联科技股份有限公司 一种液晶面板array图像的线路提取方法及系统
US11749569B2 (en) * 2020-05-06 2023-09-05 Taiwan Semiconductor Manufacturing Company, Ltd. Method for non-destructive inspection of cell etch redeposition
CN111913873A (zh) * 2020-06-17 2020-11-10 浙江数链科技有限公司 图片校验方法、装置、系统和计算机可读存储介质
WO2022033661A1 (en) * 2020-08-11 2022-02-17 Applied Materials, Inc. Method for defect review measurement on a substrate, apparatus for imaging a substrate, and method of operating thereof
US11907627B2 (en) * 2020-12-15 2024-02-20 Battelle Memorial Institute Fabricated layout correlation
CN112581463B (zh) * 2020-12-25 2024-02-27 北京百度网讯科技有限公司 图像缺陷的检测方法、装置、电子设备、存储介质及产品
KR102595278B1 (ko) * 2020-12-29 2023-10-27 부산대학교 산학협력단 표면결함검출 스캐너를 위한 이미지 데이터 저장 장치 및 방법
CN112712513A (zh) * 2021-01-05 2021-04-27 歌尔股份有限公司 产品缺陷检测方法、装置、设备及计算机可读存储介质
CN114091620B (zh) * 2021-12-01 2022-06-03 常州市宏发纵横新材料科技股份有限公司 一种模板匹配检测方法、计算机设备及存储介质
CN114187294B (zh) * 2022-02-16 2022-05-17 常州铭赛机器人科技股份有限公司 基于先验信息的规则晶片定位方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4928313A (en) * 1985-10-25 1990-05-22 Synthetic Vision Systems, Inc. Method and system for automatically visually inspecting an article
JP3381129B2 (ja) * 1994-12-19 2003-02-24 オムロン株式会社 観測領域設定方法およびその装置、ならびにこの観測領域設定方法を用いた外観検査方法およびその装置
JP2002162729A (ja) * 2000-11-24 2002-06-07 Toshiba Corp パターン検査方法、パターン検査装置およびマスクの製造方法
JP4310090B2 (ja) * 2002-09-27 2009-08-05 株式会社日立製作所 欠陥データ解析方法及びその装置並びにレビューシステム
JP4154374B2 (ja) * 2004-08-25 2008-09-24 株式会社日立ハイテクノロジーズ パターンマッチング装置及びそれを用いた走査型電子顕微鏡
US7512260B2 (en) * 2004-09-06 2009-03-31 Omron Corporation Substrate inspection method and apparatus
JP4427421B2 (ja) * 2004-09-14 2010-03-10 アイパルス株式会社 実装基板の撮像方法、検査方法及び検査装置、並びに実装ライン
US7565633B2 (en) * 2007-01-03 2009-07-21 International Business Machines Corporation Verifying mask layout printability using simulation with adjustable accuracy
JP4982213B2 (ja) * 2007-03-12 2012-07-25 株式会社日立ハイテクノロジーズ 欠陥検査装置及び欠陥検査方法
JP4735593B2 (ja) * 2007-04-12 2011-07-27 パナソニック株式会社 印刷検査装置および印刷検査方法
US7796804B2 (en) * 2007-07-20 2010-09-14 Kla-Tencor Corp. Methods for generating a standard reference die for use in a die to standard reference die inspection and methods for inspecting a wafer
US20130016895A1 (en) * 2011-07-15 2013-01-17 International Business Machines Corporation Method and system for defect-bitmap-fail patterns matching analysis including peripheral defects

Also Published As

Publication number Publication date
KR20130139762A (ko) 2013-12-23
US20130336575A1 (en) 2013-12-19
KR101934313B1 (ko) 2019-01-02
TW201350833A (zh) 2013-12-16
US8977035B2 (en) 2015-03-10
JP2013257304A (ja) 2013-12-26
JP5981838B2 (ja) 2016-08-31

Similar Documents

Publication Publication Date Title
TWI539150B (zh) 用於偵測檢查圖像中之缺陷的系統、方法及電腦程式產品
TWI542868B (zh) 用於在檢查圖像內分類的系統、方法以及電腦程式產品
TWI597689B (zh) 使用表面形貌屬性之缺陷分類
CN111539908B (zh) 对样本的缺陷检测的方法及其系统
US8045789B2 (en) Method and apparatus for inspecting defect of pattern formed on semiconductor device
KR102132328B1 (ko) Ｃａｄ-기반 컨텍스트 속성들을 사용하는 결함 분류
CN110291621B (zh) 用于识别集成电路缺陷的方法和系统
JP2013257304A5 (zh)
US10290087B2 (en) Method of generating an examination recipe and system thereof
CN111512324A (zh) 半导体样品的基于深度学习的检查的方法及其系统
JP2016115331A (ja) 識別器生成装置、識別器生成方法、良否判定装置、良否判定方法、プログラム
KR20220012217A (ko) 반도체 시편에서의 결함들의 기계 학습 기반 분류
US10296702B2 (en) Method of performing metrology operations and system thereof
TW201403059A (zh) 用於包含區塊與區塊比較的缺陷偵測之裝置與方法
TW202139133A (zh) 半導體樣本的檢查
US20190121933A1 (en) Method of performing metrology operations and system thereof
JP7475901B2 (ja) 試験片上の欠陥検出の方法およびそのシステム
JP2022013667A (ja) 半導体試料の画像のセグメンテーション
TW202339038A (zh) 基於機器學習的半導體樣品的檢查及其訓練

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees